JP5941031B2 - 情報処理装置、方法及びプログラム - Google Patents

Description

本発明は、情報処理装置、方法及びプログラムに関し、特に、操作して行くにつれてユーザの嗜好を学習する情報処理に関する。

特許文献１には、ユーザが個人的に興味を持つ情報及び世間一般の関心が高いカテゴリの情報を閲覧できるようにすることを課題にした発明が開示されている。特許文献１では、まず、インターネットから見出し情報群を取り込み、各見出し情報を複数のカテゴリに分類し、カテゴリ別データベースに格納する。次に、興味度データベースに基づき、興味度が所定の基準値以上のカテゴリの見出し情報を抽出し、一覧画面を作成・表示する。一覧画面に対するユーザの選択操作に応じて、各カテゴリの興味度を更新する処理も行うことが記載されている。

また、特許文献２には、電子メールに記述する記事を、受信者の興味があるものから順に並び替えるために、受信者によりどのカテゴリの情報が多く参照されたかを送信側サーバの関心領域データベースに格納しておくことが記載されている。

特開２００８−１７６４９１号公報 特開２００４−０１３５２８号公報

特許文献１に記載されているような装置は、何らかのカテゴリに分類されるコンテンツをユーザに推薦し、ユーザによる閲覧操作に基づいてカテゴリスコア（興味度・嗜好度を反映するスコア）を更新し、ユーザにコンテンツを推薦する際にカテゴリスコアに基づいて表示の仕方等を変えるものと捉えることができる。

しかしながら、このようなユーザの嗜好を学習する技術においては、過学習によりユーザの興味を幅広く学習できなくなるという問題点がある。いったんあるカテゴリのスコアが高くなると、そのカテゴリのコンテンツが推薦される比率が高くなるため、実際にそのカテゴリのコンテンツが閲覧される機会が増える。コンテンツが閲覧されるとカテゴリスコアがさらに高まる。これが繰り返されることにより、最終的には、少数のカテゴリのみがカテゴリスコアを伸ばし、その他のカテゴリがまったくカテゴリスコアを伸ばすことができない状態になり、カテゴリスコアに基づいたコンテンツの推薦がまったく面白みのないものになってしまう。

本発明は、上記実情に鑑みてなされたものであって、ユーザの各カテゴリへの嗜好や興味の学習結果をバランスよく補正することでユーザの嗜好や興味を幅広く学習できるようにすることを目的とする。

上記目的を達成する本発明の一態様は、いずれかのカテゴリに紐付いたコンテンツが多数ある中から所定の数のコンテンツを選択するコンテンツ選択手段と、選択されたコンテンツに対するユーザの操作に基づいて、前記選択されたコンテンツが属するカテゴリのカテゴリスコアを計算するスコア計算手段と、前記カテゴリスコアのばらつきが所定の許容範囲を超えた場合に、各カテゴリスコアから求められるカテゴリスコアの代表値と各カテゴリスコアとの差を一定の割合で縮めるよう各カテゴリスコアを補正するスコア補正手段と、を備え、前記コンテンツ選択手段は、前記スコア補正手段により補正された前記カテゴリスコアに基づいて、選択するコンテンツを決定することを特徴とする。

本発明によれば、ユーザの各カテゴリへの嗜好や興味の学習結果をバランスよく補正することでユーザの嗜好や興味を幅広く学習できるようにすることが可能となる。

本発明による実施形態の情報処理の概要を説明するための概念図である。 上記実施形態における「カテゴリ」等を説明するための図である。 上記実施形態における「カテゴリスコア」を説明するための図である。 上記実施形態における「操作」を説明するための図である。 上記実施形態の機能構成を示すブロック図である。 上記実施形態におけるスコア補正処理の流れを示すフローチャート図である。 本実施形態におけるカテゴリスコアの補正処理を説明するための概念図である。 本実施形態におけるカテゴリスコアの補正処理の効果を説明するための概念図である。

以下、本発明を実施形態により詳細に説明する。下記実施形態は、情報処理装置の一例として、パーソナルコンピュータ（以下、主として「ＰＣ」と呼ぶ）、スレート型ＰＣ、タブレット型ＰＣ、スマートフォン、携帯型情報端末（Personal Digital Assistance: PDA）などのパーソナルデバイスを採用するものである。しかしながら、本発明はここで例示したパーソナルデバイスだけに限定される技術的思想ではない。

＜情報処理の概要＞
図１の概念図を参照しながら、本実施形態における情報処理の概要を説明する。本実施形態では、何らかのカテゴリに分類されるコンテンツをユーザに推薦し（コンテンツ推薦処理）、ユーザによる閲覧操作に基づいてカテゴリスコア（興味度・嗜好度を反映するスコア）を更新し（嗜好学習処理）、ユーザにコンテンツを推薦するコンテンツ推薦処理の際にカテゴリスコアに基づいて表示の仕方等を変えるという流れの情報処理が行われる。コンテンツ推薦処理と嗜好学習処理が繰り返されることによりユーザの嗜好や興味を情報処理装置が学習し、ユーザの嗜好や興味に適合したコンテンツ推薦が行われるようになる。

本実施形態で言うコンテンツには特に限定はなく、文字情報、静止画像、動画像、音声又はこれらの組み合わせなどが「コンテンツ」の一例に該当する。具体例としては、例えば、新聞記事がある。コンテンツが何らかのカテゴリに分類されるとは、コンテンツが少なくとも一つ以上のカテゴリに紐付けられていることを指す。

コンテンツとカテゴリの紐付けの一例として図２を示す。図２には、複数あるカテゴリの内いずれかに属するＲＳＳやＡｔｏｍなどのフィードのＵＲＩ一覧が示されている。このフィードに記述される新聞記事の一つ一つが、例えば本実施形態のコンテンツに該当する。図２に示すように、カテゴリは、いくつかの大分類の下に小分類があるような木構造であってもよい。情報処理装置は、このようなカテゴリ毎に得点を記憶しており、この得点をカテゴリスコアと呼ぶ（図３）。

図１の嗜好学習処理は、ユーザがコンテンツ推薦処理によって推薦されたコンテンツを閲覧操作した場合などに、スコア計算処理をすることで実行される。嗜好学習処理は、閲覧操作に限らず、逆に閲覧操作せずに所定の時間が経過した場合などにも行われる。スコア計算処理は、例えば図４に示すような操作テーブルにしたがって、操作に対応する得点を現在のカテゴリスコアに積算する形態である。

なお、図４に示すように、操作には、カテゴリスコアを増加させるスコア計算処理が行われるものと、逆に、減少させるスコア計算処理が行われるものとがある。カテゴリスコアを変動させる計算式は、積算に限らず加算や減算でもよい。また、操作の繰り返しによる過度な変動に考慮して、繰り返し回数に応じてカテゴリスコアの変動率を変えてもよい。また、あるカテゴリスコアが他のカテゴリスコアに比して突出して高いような場合に対応して上記変動率を変えてもよい。

図１のコンテンツ推薦処理は、嗜好学習処理によって得られたカテゴリ毎のカテゴリスコアをスコア補正処理によって補正を行うステップと、補正後のカテゴリスコアを用いて情報処理装置が推薦するコンテンツを選択するコンテンツ選択処理を行うステップとを含む。選択されたコンテンツは、ユーザがそれに対して何らかの操作ができるようにユーザに対して提供される。本実施形態では、典型例としてユーザインタフェースに表示してポインタデバイスなどでクリックできるようにして提供する。操作に対して嗜好学習が行われ、カテゴリスコアにフィードバックされるのは、前述の通りである。

＜情報処理の詳細＞
以下、上記情報処理を実現するような情報処理装置の機能構成を示し、上記情報処理の内容について、スコア補正処理を中心に、さらに詳しく説明する。

図５に、本実施形態の機能構成を示す。図示のように、情報処理装置１は、操作手段１０１、コンテンツ選択手段１０２、表示手段１０３、スコア計算手段１０４、カテゴリスコア記憶手段１０５、スコア補正手段１０６、許容標準偏差計算手段１０７、コンテンツ取得手段１０８、情報ソーステーブル１０９を有する。

操作手段１０１は、ユーザによる操作入力を受け付ける機能を備える手段である。操作入力に特に限定はなく、ポインティングデバイスを用いた操作、音声入力、テキスト入力その他の操作入力がある。表示手段１０３が、操作結果を表示する処理を行う。操作手段１０１は、一方で、操作の種類をスコア計算手段１０４に伝える。

スコア計算手段１０４は、操作手段１０１から操作の種類を受け取って、図４に示すような操作テーブルを用いてスコア計算処理を行う。カテゴリスコア記憶手段１０５は、カテゴリスコアを記憶している。スコア補正手段１０６は、スコア計算手段１０４によってスコア計算されたカテゴリスコアを補正する処理を行う。許容標準偏差計算手段１０７は、スコア補正処理に用いる許容標準偏差を、各カテゴリスコアやカテゴリ数に基づいて計算する処理を行う。

コンテンツ取得手段１０８は、情報ソーステーブル１０９（図２参照）に基づいて外部サーバなどの外部装置からコンテンツを取得する機能を備える。コンテンツ選択手段１０２は、カテゴリスコア記憶手段１０５に記憶されているスコア補正処理後のカテゴリスコアに基づいて、取得されている膨大な数のコンテンツの中から適切な量のコンテンツを選択する（図１のコンテンツ選択処理）。選択されたコンテンツは、表示手段１０３が表示処理をする。

嗜好学習処理・スコア計算処理は、ユーザの操作に応じて随時行う。コンテンツの取得も含めたコンテンツ選択処理は、表示手段１０３に選択したコンテンツを表示する必要が生じたタイミングなどで随時行う。一方で、スコア補正処理は、各カテゴリスコアが、カテゴリ毎に大きな偏りが発生した場合、任意のタイミングで行うことが好ましい。

＜スコア補正処理＞
図６に、スコア補正処理の流れを示す。

まず、前処理として、スコア補正手段などが次の式により合計スコアが一定となるようにカテゴリスコアを正規化する（Ｓ１０１）。
Ｐｊ′＝（Ｐｊ／Σ（Ｐ））×Ｔ
ただし、Ｐｊ：あるカテゴリのカテゴリスコア
Σ（Ｐ）：合計スコア
Ｔ＝正規化後のカテゴリスコアの合計スコア

標準偏差の大きさは、各カテゴリスコアやカテゴリ数によってオーダーが変わるため、補正を実行するか否かを決定する目安となる許容標準偏差も各カテゴリスコアやカテゴリ数に応じて変化させると、適切なスコア補正が実現する。そこで、スコア補正に先立ち、許容標準偏差をあらかじめ決める。許容標準偏差計算手段１０７がカテゴリスコア記憶手段１０５に記憶されているカテゴリスコアやカテゴリ数に基づいて、許容標準偏差を計算する（Ｓ１０２）。

正規化後のカテゴリスコアに基づく標準偏差が取りうる範囲は、以下の通りとなる。
０≦標準偏差≦（Ｔ／Ｎ）×√（Ｎ−１）、Ｎ：カテゴリ数
許容標準偏差は、以下の通り最大の標準偏差にパラメータａをかけることで決定する。
許容標準偏差＝（Ｔ／Ｎ）×√（Ｎ−１）×ａ
ただし、０＜ａ＜１

次に、正規化後の各カテゴリスコアから、カテゴリスコアの代表値とばらつきの度合いを求める。カテゴリスコアの代表値としては特に限定はなく、例えば、算術平均、中央値などを使える。本実施形態では、算術平均を用いる。また、ばらつきについても種々の値を用いることができるが、本実施形態では、標準偏差を用いる。図６のＳ１０３では、正規化後の各カテゴリスコアの平均値（Ｍ）、標準偏差（Ｄ）を計算する。
Ｍ＝Σ（Ｐ′）／Ｎ
Ｄ＝√（Σ（（Ｐ′−Ｍ）×（Ｐ′−Ｍ））／Ｎ）
標準偏差（Ｄ）があらかじめ定めた許容標準偏差（Ｄ′）を超える場合は（Ｓ１０４のＹｅｓ）、以下の式にしたがい、補正係数ｋを決定する（Ｓ１０５）。ただし、Ｄは標準偏差、Ｄ′は許容標準偏差（補正後の標準偏差でもある）。
ｋ＝１−（Ｄ′／Ｄ）
次に、以下の式にしたがい、各カテゴリのスコアを補正する（Ｓ１０６）。ただし、ｋは補正係数（０＜ｋ＜１）。
Ｐｊ′′＝Ｐｊ′−（Ｐｊ′−Ｍ）×ｋ

上述のようにカテゴリ毎のスコアと平均値の差を一定の割合（補正係数：ｋ）で縮めることによって、各カテゴリスコアの偏差値を変えずに全体の標準偏差が許容標準偏差を超えないように補正することができる（図７参照）。

各カテゴリのカテゴリスコアの比率を面積で表した円グラフを図８に示す。コンテンツ選択手段１０２は、各カテゴリのカテゴリスコアの比率に従う確率でカテゴリを選択し、選択したカテゴリからコンテンツを選択するという処理を限られた回数繰り返すものである。図８（ａ）のカテゴリスコアの補正処理前の状態においては、過剰な学習などの理由により、２、３のカテゴリからコンテンツが選択される可能性が非常に低くなっている。

ところが、図８（ｂ）のカテゴリスコアの補正処理後の状態においては、本実施形態の補正処理により、各カテゴリの偏差値を変えずに、各カテゴリが占める面積の格差を縮小することができ、順位の低いカテゴリからもコンテンツが選ばれる可能性が高まる。コンテンツ選択手段１０２により選択されたコンテンツは、表示手段１０３が表示する。そこでもし、ユーザがそれに対して何らかの操作を行った場合、その操作がフィードバックされてユーザの嗜好を学習することができる。以上に述べたように、本実施形態によれば、ユーザの各カテゴリへの嗜好や興味の学習結果をバランスよく補正することでユーザの嗜好を幅広く学習することができる。

なお、上記実施形態においては、カテゴリスコアの代表値として平均値を用いたが、本発明の技術的思想はこの例に限定されない。また、カテゴリスコアのばらつきの度合いを表す手段として、標準偏差の値を用いたが、本発明の技術的思想はこの例に限定されない。

１ 情報処理装置
１０１ 操作手段
１０２ コンテンツ選択手段
１０３ 表示手段
１０４ スコア計算手段
１０５ カテゴリスコア記憶手段
１０６ スコア補正手段
１０７ 許容標準偏差計算手段
１０８ コンテンツ取得手段
１０９ 情報ソーステーブル

Claims (6)

1. いずれかのカテゴリに紐付いたコンテンツが多数ある中から所定の数のコンテンツを選択するコンテンツ選択手段と、
   選択されたコンテンツに対するユーザの操作に基づいて、前記選択されたコンテンツが属するカテゴリのカテゴリスコアを計算するスコア計算手段と、
   前記カテゴリスコアのばらつきが所定の許容範囲を超えた場合に、各カテゴリスコアから求められるカテゴリスコアの代表値と各カテゴリスコアとの差を一定の割合で縮めるよう各カテゴリスコアを補正するスコア補正手段と、を備え、
   前記コンテンツ選択手段は、前記スコア補正手段により補正された前記カテゴリスコアに基づいて、選択するコンテンツを決定することを特徴とする、情報処理装置。
2. 前記一定の割合は、前記カテゴリスコアのばらつきに対する前記所定の許容範囲の割合であることを特徴とする、請求項１に記載の情報処理装置。
3. 前記所定の許容範囲を、すべてのカテゴリの前記カテゴリスコアの値とカテゴリの数とに応じた値として計算により決定する許容範囲計算手段を備えることを特徴とする、請求項１又は２に記載の情報処理装置。
4. 前記コンテンツ選択手段は、前記カテゴリスコアの比率に従う確率でカテゴリを選択し、選択したカテゴリからコンテンツを選択するという処理を前記所定の数の回数分繰り返すことを特徴とする、請求項１から３のいずれか１項に記載の情報処理装置。
5. コンテンツ選択手段と、スコア計算手段と、スコア補正手段とを備えるコンピュータにより実行される各ステップであって、
   前記コンテンツ選択手段が、いずれかのカテゴリに紐付いたコンテンツが多数ある中から所定の数のコンテンツを選択するコンテンツ選択ステップと、
   前記スコア計算手段が、選択されたコンテンツに対するユーザの操作に基づいて、前記選択されたコンテンツが属するカテゴリのカテゴリスコアを計算するスコア計算ステップと、
   前記スコア補正手段が、前記カテゴリスコアのばらつきが所定の許容範囲を超えた場合に、各カテゴリスコアから求められるカテゴリスコアの代表値と各カテゴリスコアとの差を一定の割合で縮めるよう各カテゴリスコアを補正するスコア補正ステップと、を含み、
   前記コンテンツ選択手段は前記コンテンツ選択ステップにおいて、前記スコア補正ステップにて補正された前記カテゴリスコアに基づいて、選択するコンテンツを決定することを特徴とする、情報処理方法。
6. コンピュータを、
   いずれかのカテゴリに紐付いたコンテンツが多数ある中から所定の数のコンテンツを選択するコンテンツ選択手段と、
   選択されたコンテンツに対するユーザの操作に基づいて、前記選択されたコンテンツが属するカテゴリのカテゴリスコアを計算するスコア計算手段と、
   前記カテゴリスコアのばらつきが所定の許容範囲を超えた場合に、各カテゴリスコアから求められるカテゴリスコアの代表値と各カテゴリスコアとの差を一定の割合で縮めるよう各カテゴリスコアを補正するスコア補正手段として機能させ、
   前記コンテンツ選択手段が、前記スコア補正手段により補正された前記カテゴリスコアに基づいて、選択するコンテンツを決定するように機能させるための、プログラム。

Images