JP5993801B2 - 興味分析システムとその興味分析装置、方法及びプログラム - Google Patents

Description

この発明は、例えばコンテンツ閲覧履歴からユーザの興味を分析する興味分析システムと、当該システムで使用される興味分析装置、方法及びプログラムに関する。

コンピュータネットワーク上において、情報提供者が情報利用者に対して情報を提供する場合に、情報利用者ごとに適する情報を選択するか、或いは情報を情報利用者に適する順番に並び替えて表示する情報推薦サービスが提案されている。例えば、情報が広告である場合に、情報利用者ごとに適する広告を選択するか或いは広告を情報利用者ごとに適する順番に並び替えて表示する広告推薦サービスや、情報がニュースである場合に、情報利用者ごとに適するニュースを選択するか或いはニュースを情報利用者ごとに適する順番に並び替えて表示するニュース推薦サービス、情報が飲食店情報である場合に、情報利用者ごとに適する飲食店情報を選択するか或いは飲食店情報を情報利用者ごとに適する順番に並び替えて表示する飲食店情報推薦サービスがそれである。

ところで、これらのサービスを実現するための技術としては、各コンテンツに内容をサマライズするメタ情報が付与されていることを前提として、ユーザ履歴に出現する概念等の頻度からユーザの興味を推定する内容ベースフィルタリング技術（Content Based Filtering：ＣＢＦ）が知られており、メモリベース手法として研究が進められている。

内容ベースフィルタリング技術は、例えばブランドを示す情報を概念タグとして保持しておき、ユーザが特定ブランドの商品を閲覧した場合に、同じ概念タグが付された同じブランドの商品を提示するものである。特にメモリベース手法では、過去に閲覧した履歴から頻繁に閲覧されているブランドを抽出し、この特定ブランドの商品を提示する処理が行われる。この手法では、閲覧履歴により多く出現した概念タグに関連する商品が選択されて提示される。

内容ベースフィルタリング手法の具体例として、概念出現の希少性を利用してユーザの興味を高精度に推定できる興味分析方法が提案されている。この方法は、ユーザの選択候補である情報群から、ユーザが選択結果である情報群を選択した履歴を利用し、各情報の特徴を示す概念に着目したとき、概念出現の希少性を利用してユーザの興味を高精度に推定するものとなっている（例えば非特許文献１を参照）。この方法を用いれば、タクソノミ（オントロジ）を用いることにより概念間の包含関係を考慮した場合においても、概念出現の希少性を合理的に分析することができる。

藤田将成、「適合性フィードバックと統計的仮説検定を利用したニュース推薦手法の提案」、第二種研究会資料、WI2-2012-19、pp.53-58、2012．

しかし、非特許文献１に記載された技術を用いたとしても、ユーザが完全に納得する推薦結果を提示することは困難である。その理由は、利用者の情報選択履歴を用いて興味の学習を行うが、利用者の興味に対して十分な情報選択履歴が存在しない場合があるからである。例えば、サービスの提供が開始された当初はユーザの選択履歴が十分に蓄積されていないため、ユーザの興味の度合いを正確に求めることは困難である。また、サービスの提供が開始されてからある程度時間が経過した後でも、ログの蓄積に伴う学習結果の修正が伴っていない場合もあり得る。さらに、ユーザごとの個別の事情も影響する。例えば“貴腐ワイン”という非常に珍しいワインに興味を持つユーザがいる場合に、当該ユーザが“貴腐ワイン”を選択した履歴が１回しかなければ、当該選択履歴から“貴腐ワイン”に対するユーザの興味を学習することは困難である。

すなわち、すべての概念について十分な量の、十分新鮮なログが存在すれば、学習結果がユーザのその時点での興味を反映する可能性は高くなる。ところが、そうでない場合には、ユーザのその時点の興味を十分反映した学習結果のモデルを得ることが困難となる。

この発明は上記事情に着目してなされたもので、その目的とするところは、情報に対するユーザの選択履歴が十分に蓄積されていない場合でも、ユーザの興味が的確に反映された分析結果を得ることができるようにした興味分析システムとその興味分析装置、方法及びプログラムを提供することにある。

上記目的を達成するためにこの発明の第１の観点は、ユーザ端末との間でネットワークを介して通信が可能で、かつユーザによる情報の閲覧履歴をもとに当該ユーザの前記情報に対する嗜好を分析する機能を有する興味分析装置において、前記ユーザ端末から提示要求を受信した場合に、当該提示要求に応答して該当するユーザの興味分析結果を表す情報をデータベースから読み出し、この読み出された興味分析結果を表す情報を要求元のユーザ端末に向け返送する。この状態で、前記ユーザ端末から修正要求を受信した場合に、当該受信された修正要求に含まれる修正情報に基づいて、修正対象の概念が１回選択されたものと見なして当該修正対象の概念に関する仮想的なスコア情報を計算し、前記データベースに記憶された修正対象の概念に係る興味分析結果の情報を、前記計算された仮想的なスコア情報をもとに更新するようにしたものである。

また、この発明の第２の観点は、前記修正対象の概念に直接又は間接的に繋がる子概念を特定し、この特定された子概念に係るスコア情報を前記修正対象の概念に係る仮想的なスコア情報をもとに更新するようにしたものである。

したがってこの発明の第１の観点によれば、興味分析装置から最初に提示された興味分析結果がユーザの意図と異なっている場合でも、ユーザは当該興味分析結果をマニュアル操作で任意に修正することが可能となる。しかも、この修正操作に応じて興味分析装置では、修正対象の概念に係るスコア情報が更新式に従い自動的に修正及び更新されるので、修正対象の概念に係るスコア情報が情報選択履歴からの学習結果と矛盾を生じることなく修正することが可能になる。

また第２の観点によれば、修正対象の概念情報の修正操作に応じて、当該修正対象の概念に係るスコア情報だけでなく、子概念に係るスコア情報が更新式に従い自動的に修正及び更新されるので、修正対象の概念だけでなくその子概念まで含めて、情報選択履歴からの学習結果と矛盾を生じることなく、かつ一回の修正操作でユーザに負担を強いることなく、そのスコア情報を修正することが可能となる。

すなわちこの発明によれば、情報に対するユーザの選択履歴が十分に蓄積されていない場合でも、ユーザの興味が的確に反映された分析結果を得ることができるようにした興味分析システムとその興味分析装置、方法及びプログラムを提供することができる。

この発明の一実施形態に係る興味分析装置を備えたシステムの概略構成図。 図１に示したシステムにおけるクライアント装置及び興味分析装置の機能構成を示すブロック図。 図２に示した興味分析装置による興味分析処理の概要を示す図。 図２に示した興味分析装置の概念体系／ユーザ興味スコアデータベースの一例を示す図。 図２に示した興味分析装置による履歴情報受信処理の手順と処理内容を示すフローチャート。 図２に示した興味分析装置による特徴スコア算出処理の手順と処理内容を示すフローチャート。 図２に示した興味分析装置における分析パラメータリストのデータ構成例を示す図。 図２に示した興味分析装置による特徴スコア算出動作を説明するための模式図。 図２に示した興味分析装置による特徴スコア算出処理の詳細を示す図。 図２に示した興味分析装置による概念体系更新処理の手順と処理内容を示すフローチャート。 図２に示した興味分析装置による概念体系更新処理の詳細を示す図。 図２に示したクライアント端末と興味分析装置との間で実行される興味スコア修正処理の手順と処理内容を示すフローチャート。 概念体系の一例とその特徴スコアの計算結果の一例を示す図。 興味分析結果の提示例とその特徴スコアの修正操作の一例を示す図。 特徴スコア修正前の興味分析結果と修正後の興味分析結果の提示の変化を示す図。

以下、図面を参照してこの発明に係わる実施形態を説明する。
［一実施形態］
＜構成＞
（１）システム
図１は、この発明の一実施形態に係る興味分析装置を備えたシステムの全体構成図である。このシステムは、興味分析装置１００を備え、この興味分析装置１００に対しネットワーク３００を介してクライアント端末２００を接続可能としたものである。ネットワーク３００は、例えばインターネットに代表されるＩＰ（Internet Protocol）網と、このＩＰ網に対しアクセスするための複数のアクセス網とから構成される。アクセス網としては、例えば３Ｇ又は４Ｇ等の規格の下で動作する携帯電話網や、無線ＬＡＮ（Local Area Network）等が用いられる。

図２は、図１に示したシステムにおけるクライアント装置及び興味分析装置の機能構成を示すブロック図である。
（２）クライアント端末２００
クライアント端末２００は、例えばクライアント（ユーザ）が使用する固定設置型のパーソナル・コンピュータ、携帯電話機やスマートフォン、タブレット型端末等の携帯端末からなり、ブラウザ又はそれに代わるアプリケーションを備える。そして、この発明に係る特徴的な機能として、興味スコア提示要求部２１０と、ユーザ興味スコア表示部２２０と、ユーザ興味スコア修正要求部２３０を有している。なお、これらの機能は図示しないプログラムメモリに格納されたプログラムをＣＰＵ（Central Processing Unit）に実行させることにより実現される。

興味スコア提示要求部２１０は、例えばブラウザ又はアプリケーションにより興味分析装置１００からＷｅｂページがダウンロードされた状態で、ユーザにより興味分析結果の取得操作が行われた場合に、当該ユーザのＩＤを含む興味スコア提示要求を送信する機能を有する。

ユーザ興味スコア表示部２２０は、上記興味スコア提示要求、又は後述する興味スコア修正要求に対し、興味分析装置１００から概念及び興味スコアのリストが返送された場合に、この返送された概念及び興味スコアのリストを受信して、図示しないディスプレイに表示する機能を有する。

ユーザ興味スコア修正要求部２３０は、上記リストが表示された状態で、当該リスト中の任意の概念の興味スコアを修正するための操作が行われた場合に、興味スコア修正要求を生成して興味分析装置１００へ送信する機能を有する。興味スコア修正要求には、ユーザＩＤ、修正対象の概念を指定する情報、興味スコアの修正値が含まれる。

（３）興味分析装置１００
興味分析装置１００は、例えばサーバコンピュータからなる。そして、既存の興味分析処理機能に加え、この発明の一実施形態に係る興味スコアの修正処理を実現するための機能として、興味スコア提示要求受付部１１０と、ユーザ興味スコア送信部１２０と、概念体系／ユーザ興味スコアデータベース１３０と、ユーザ興味スコア修正要求受付部１４０と、設定ファイル記憶部１５０と、仮想特徴スコア計算部１６０と、子概念特定部１７０と、スコア更新部１８０を備えている。なお、これらの機能は図示しないプログラムメモリに格納されたプログラムを上記サーバコンピュータに実行させることにより実現される。

（３−１）既存の興味分析処理機能
図３は、興味分析装置１００による既存の興味分析処理の概要を示したものである。
履歴情報の受信処理では、クライアント端末２００からの一覧閲覧コンテンツリスト及び詳細閲覧コンテンツリストをネットワーク３００を介して受信する処理が行われる。

一覧閲覧コンテンツリストとは、例えばユーザがコンテンツのタイトルのみを一覧で閲覧したコンテンツのリストである。詳細閲覧コンテンツリストとは、ユーザがコンテンツ本体の内容（詳細）を閲覧したコンテンツのリストである。例えば、図３において、一覧閲覧コンテンツリストにはコンテンツ１〜８が含まれ、詳細閲覧コンテンツリストにはコンテンツ１，３，４が含まれる。また、図３において、斜線パターンで示すコンテンツは、概念Ｂがコンテンツ１，６，７，８に出現することを示す。

特徴スコア算出処理では、一覧閲覧コンテンツリスト及び詳細閲覧コンテンツリストを利用して概念選択の統計モデルにより各概念の特徴スコア（後述するＺ値）を算出する処理が行われる。

概念体系更新処理では、上記特徴スコアを用いて概念体系における概念間の関係情報（上位概念及び下位概念）に基づいて各概念に対するユーザ興味スコアを更新する処理が行われる。
概念体系のグラフに含まれるノードは概念を表し、リンクは概念間の関係を表す。ユーザ興味スコアは、概念体系における各概念に対応するノードの値として保持する。概念体系において、上位に位置するノードほど抽象的な概念を表し、下位に位置するノードほど具体的な概念を表す。概念体系及び概念ＩＤ（ノード毎に付与される識別子）は、サービス運用者等が事前に設計し定義するものとする。

コンテンツ評価処理では、評価コンテンツに出現する各概念のユーザ興味スコアを利用して、確率結合によってコンテンツに対するユーザの評価スコアを算出する処理が行われる。図３の例では、評価コンテンツ１に出現する概念Ｅ，Ｆ，Ｄのユーザ興味スコアを用いてコンテンツ１の評価スコアを求める。

（３−２）概念体系／ユーザ興味スコアデータベース１３０
概念体系／ユーザ興味スコアデータベース１３０には、ルート概念ノードＩＤと、概念体系テーブルと、ユーザ興味スコアテーブルが記憶される。図４はその一例を示すものである。ルート概念ノードＩＤとは、概念体系構造において最上位にある概念ノードＩＤであり、システム内に１つだけ存在する。

概念体系テーブルには、自概念ＩＤ、親概念ＩＤリスト、及び子概念ＩＤリストが格納される。概念体系内の全ての自概念ＩＤは、親概念ＩＤ及び子概念ＩＤ（但し自概念が最下位の場合には子概念ＩＤなし）と紐付けて保存されており、これにより概念構造が定義される。ユーザ興味スコアテーブルは、概念ＩＤ、ユーザＩＤ（クライアント端末ＩＤ）、ＴｏｔａｌＺ（ユーザ興味スコア）、当該ＴｏｔａｌＺを算出するときの中間値であるＸ及びＹの値を格納する。

（３−３）設定ファイル記憶部１５０
設定ファイル記憶部１５０には、後述する仮想特徴スコアの計算に使用する重みＷが予め記憶されている。

（３−４）興味スコア提示要求受付部１１０
興味スコア提示要求受付部１１０は、上記クライアント端末２００に対しＷｅｂページを送信して表示させ、この状態でクライアント端末２００から興味スコア提示要求が送られた場合に、当該興味スコア提示要求を受信しその内容をユーザ興味スコア送信部１２０に通知する。

（３−５）ユーザ興味スコア送信部１２０
ユーザ興味スコア送信部１２０は、上記興味スコア提示要求受付部１１０から興味スコア提示要求の内容が通知された場合に、そのユーザＩＤをキーとして概念体系／ユーザ興味スコアデータベース１３０から該当するユーザに関する概念とその興味スコアを読み出し、そのリストを生成する。このとき、概念とその興味スコアはスコア値が予め設定した閾値以上のものを選択して読み出してもよいし、スコア値が大きいものから一定数（例えば１００件）だけを選択して読み出してもよい。さらに、スコア値が大きい順又は小さい順に並べ替え（ソート）を行ってもよい。そして、この生成された概念とその興味スコアのリストを要求元のクライアント装置２００へ返送する。

（３−６）ユーザ興味スコア修正要求受付部１４０
ユーザ興味スコア修正要求受付部１４０は、クライアント端末２００から興味スコア修正要求が送られた場合に、当該修正要求に含まれるユーザＩＤ、修正対象の概念をもとに、概念体系／ユーザ興味スコアデータベース１３０から修正前の興味スコアＴｏｔａｌＺ、Ｘ、Ｙを読み出す。そして、この読み出された修正前の興味スコアＴｏｔａｌＺ、Ｘ、Ｙと、上記修正要求に含まれる興味スコア修正値を、仮想特徴スコア計算部１６０に渡す。

（３−７）仮想特徴スコア計算部１６０
仮想特徴スコア計算部１６０は、上記ユーザ興味スコア修正要求受付部１４０から渡された興味スコアＴｏｔａｌＺの修正値、修正前の興味スコアＴｏｔａｌＺ、Ｘ、Ｙ、及び設定ファイル記憶部１５０に予め格納された重みＷを用いて、仮想的な特徴スコアＺ、Ｘ、Ｙを計算する。その計算式には、各概念に対する興味スコアの更新を行う際に使用する既存の更新式が用いられる。具体的な計算式とその計算処理の一例については後述する。

（３−８）子概念特定部１７０
子概念特定部１７０は、上記修正対象の概念に直接又は間接的に繋がる子概念を、上記概念体系／ユーザ興味スコアデータベース１３０に記憶された概念体系をもとに特定する機能を有する。

（３−９）スコア更新部１８０
スコア更新部１８０は、上記修正対象の概念について計算された仮想特徴スコアＺと、上記特定された子概念の修正前の興味スコアＴｏｔａｌＺ値、Ｘ値、Ｙ値をもとに、当該子概念の興味スコアＴｏｔａｌＺ値、Ｘ値、Ｙ値を計算し直す。そして、この計算された子概念の興味スコア、Ｘ値、Ｙ値と、上記仮想特徴スコア計算部１６０により計算された修正対象の概念に対する仮想特徴スコアＺと共に、概念体系／ユーザ興味スコアデータベース１３０に保存させる。保存の方式として、同一の概念の旧いデータに対し上書きする方式が用いられる。

また、スコア更新部１８０は、上記更新保存された修正後の概念とその興味スコアを概念体系／ユーザ興味スコアデータベース１３０から読み出し、そのリストを生成する。そして、この生成された概念とその興味スコアのリストを修正要求元のクライアント装置２００へ返送する。

＜動作＞
（１）興味分析処理の概要
（１−１）履歴情報の取得
図５は、履歴情報の取得処理の手順と処理内容を示すフローチャートである。ステップＳ１１では、例えばコンテンツサーバから、ネットワークを介してクライアント端末ＩＤ（もしくはユーザＩＤ）、一覧閲覧コンテンツリスト及び詳細閲覧コンテンツリストが受信される。

（１−２）特徴スコアの算出
図６は、特徴スコアの算出処理の手順と処理手順を示すフローチャートである。
先ずステップＳ１２では、出現概念の抽出処理が行われる。
詳細閲覧コンテンツリスト内の各コンテンツに出現する概念ＩＤは、図示しないコンテンツデータベースから抽出される。具体的には、詳細閲覧コンテンツリストにおいて、各コンテンツＩＤに紐付けされている「概念ＩＤ」がコンテンツデータベースのコンテンツテーブルから検索され、クラスタデータ｛クラスタＩＤ，一覧閲覧コンテンツリスト，詳細閲覧コンテンツリスト｝と、コンテンツＩＤ／概念ＩＤ関連づけリスト｛｛コンテンツＩＤ，｛関連づいている概念ＩＤ，…｝｝，…｝と、出現概念リスト｛概念ＩＤ｝が生成される。「コンテンツＩＤ／概念ＩＤ関連付けリスト」とは、コンテンツＩＤをもとに検索された概念ＩＤのリストである。「出現概念リスト」とは、一覧閲覧コンテンツリスト、及び詳細閲覧コンテンツリストに含まれる各コンテンツに出現する概念の概念ＩＤを全て列挙したものである。

次にステップＳ１３において、上位概念の抽出処理が行われる。
上位概念は、「出現概念リスト」の各概念ＩＤを用いて、図４に示した概念体系／ユーザ興味スコアデータベース１３０から抽出される。そして、この抽出された上位概念の概念ＩＤは、「出現概念リスト」及び「コンテンツＩＤ／概念ＩＤ関連づけリスト」に追加される。

具体的には、「自概念ＩＤ」と一致する「出現概念リスト」の概念ＩＤが、図４に示す概念体系テーブルから検索され、その「親概念ＩＤ」が抽出される。例えば、上記抽出された「親概念ＩＤ」が図４の概念体系テーブルの「自概念ＩＤ」と一致するものを探す処理が行われ、その「親概念ＩＤ」も上位概念として抽出される。そして、上位概念の概念ＩＤを、抽出の元になった出現概念の概念ＩＤを有するコンテンツＩＤに関連づける処理が行われる。

すなわち、上記抽出された「上位概念」を、「元になった概念ＩＤを持っていたコンテンツＩＤ」に対して上位概念が付与されていたと見なし、「出現概念リスト」、「コンテンツＩＤ／概念ＩＤ関連づけリスト」に追加する処理が行われる。なお、概念体系階層におけるルート概念の抽出は除外される。

次にステップＳ１４において、特徴スコアの算出に必要な分析パラメータの抽出が行われる。
分析パラメータは、「出現概念リスト」の各概念について出現数を算出することにより抽出される。この抽出された分析パラメータによりリストが生成される。
図７に、分析パラメータリストのデータ構成例を示す。分析パラメータリストには、クラスタＩＤごとに、一覧閲覧コンテンツリストのコンテンツ総数Ｓ（第１の総数）、詳細閲覧コンテンツリストのコンテンツ総数ａ（第２の総数）、クラスタＩＤに紐づいた出現概念リスト内の概念ＩＤごとに算出するＮとｎがある。Ｎ（第１の出現数）は、一覧閲覧コンテンツリストにおいて当該概念ＩＤが付与されているコンテンツ数とする。ｎ（第２の出現数）は、詳細閲覧コンテンツリストにおける当該概念ＩＤが付与されているコンテンツ数とする。なお、ステップＳ１３にて追加した上位概念も含めて出現概念リスト内の概念ＩＤすべてについて、Ｎとｎが算出される。

図８（ａ）に分析パラメータ抽出処理の模式図を示す。例えば、５０個（＝Ｓ）のコンテンツが一覧表示されている中から、ユーザが１０個（＝ａ）のコンテンツの詳細を閲覧した場合を示す。ここで、一覧表示されている５０個のコンテンツのうち「野球」という概念が含まれている記事が１５個（＝Ｎ）あり、ユーザが閲覧した１０個のコンテンツのうち、「野球」という概念が含まれているコンテンツが５個（＝ｎ）あったことを示す。

次にステップＳ１５において、特徴スコアＺの算出が行われる。
特徴スコアＺは、上記分析パラメータＳ，ａ，Ｎ，ｎを利用して概念ＩＤごとに算出される。図９に特徴スコア算出処理の詳細を示す。
図９において、ｉは概念の識別子、ｊは、クラスタＩＤを示す。Ｈ１（第１の確率）は、一覧閲覧コンテンツリストに含まれる一覧閲覧コンテンツの総数Ｓ、一覧閲覧コンテンツのうち概念ｉが出現するコンテンツ数Ｎのとき、詳細閲覧コンテンツをａ個ランダム選択して閲覧した場合に、概念ｉが出現する詳細閲覧コンテンツの数がｎ以上となる累積確率である。Ｈ２（第２の確率）は、一覧閲覧コンテンツリストに含まれる一覧閲覧コンテンツの総数Ｓ、一覧閲覧コンテンツのうち概念ｉが出現するコンテンツ数Ｎのとき、詳細閲覧コンテンツをａ個ランダム選択して閲覧した場合に、概念ｉが出現する詳細閲覧コンテンツの数がｎ以下となる累積確率である。
なお、本実施形態では、累積確率Ｈ１及びＨ２を超幾何分布により求めているが、この手法に限定されるものではない。他の分布の例としては、二項分布や、正規分布が存在する。

図８（ｂ）に示すように、例えば上記の分析パラメータＳ、Ｎ、ａ、ｎを用いて、ユーザが閲覧した１０個のコンテンツのうち、「野球」という概念が含まれるコンテンツが５以上である確率が、「０．１２」であることを示す。ここで、「０．１２」は、累積確率Ｈ１の値に相当する。

なお、Ｈ２の値を使う例として、上記の分析パラメータでｎが「０」である場合を考える。この場合は、出現数が「０」以下の場合の確率を算出する。具体的には、図８（ｂ）において横軸が「０」の項目の値となるため「０．０２」となる。

そして、特徴スコアＺは、図９に示すように上記算出された累積確率Ｈ１及びＨ２を用いて、標準正規分布の累積分布関数の逆関数として算出される。例えば、図８（ｃ）に示すように、上記Ｈ１を累積確率とする標準正規分布の累積分布関数の逆関数により特徴スコアＺが算出される。なお、累積確率としてＨ２を利用する場合には、標準正規分布の累積分布関数の逆関数の返値の符号を負にすることで、特徴スコアＺは算出される。

続いて、上記特徴スコアを含む更新対象概念リストが生成される。「更新対象概念リスト」は、概念ＩＤ、前記で算出した特徴スコアＺ、及び重みＷのセットである。なお、この更新対象概念リストに出現する概念ＩＤが、次の概念体系更新処理で更新対象のノード（概念）となる。

次に、上位概念を追加した出現概念リスト内の概念ＩＤすべてについて、特徴スコアＺと重みＷが算出される。重みＷは、各クラスタＩＤにおいて概念毎に設定される値である。なお、重みＷは、初期値Ｗ＝１とし、ユーザの特徴的な操作等が有った場合に、以下のように値を変化させることができる。

例えば、クライアント端末２００において、ユーザに提示されたコンテンツについて、ユーザは、お気に入りコンテンツとして登録したり、他ユーザへ奨めたり、或いはコンテンツに対する評価を入力することが可能である。クライアント端末２００がこのような閲覧操作以外の操作履歴を興味分析装置１００に送信できる場合には、以下の処理が行われる。

例えば、コンテンツがお気に入りに登録されたとき、そのコンテンツが含む全ての概念ＩＤについて重みＷをＷ＝１．５のように増加させる。その他にも、コンテンツ閲覧時刻、閲覧時の天気、気温、湿度、季節、曜日、休日、余暇かどうか、閲覧時のユーザ位置情報、スケジューラ、日記等から収集したイベント情報に応じて重みＷの値を変えることもできる。

（１−３）概念体系の更新処理
図１０は、概念体系の更新処理の手順と処理内容を示すフローチャートである。
先ずステップＳ１６では、概念ノード値の更新処理が行われる。ここでは、「更新対象概念リスト」の各概念ＩＤのノード値が更新される。
図１１に概念体系更新処理の詳細を示す。概念体系の更新処理では、コンテンツに出現した概念（出現概念）、及びこの出現概念の上位概念の概念ＩＤについて、図１１に示す各概念ｉに対するユーザ興味スコア更新式を用いて、ユーザ興味スコアＴｏｔａｌＺin，及びＸi(n-1)，Ｙi(n-1)の値が算出される。そして、図４の概念体系／ユーザ興味スコアデータベース１３０のユーザ興味スコアテーブルに格納されている各値が、上記算出されたユーザ興味スコアＴｏｔａｌＺin，及びＸi(n-1)，Ｙi(n-1)の値に更新される。上記ユーザ興味スコアテーブルに格納されている各値は、クラスタＩＤに対応する図６のステップＳ１２に入力されたユーザＩＤ（クライアント端末ＩＤ）のカラムに対応する。

ここで、Ｘi(n-1)は、各概念ＩＤ（ここでは識別子ｉで表現）に対する、過去の（前回までの）前記更新対象概念リストの重みＷの二乗の合計である。Ｙi(n-1)は、同様に各概念ＩＤ（ここでは識別子ｉで表現）に対する、過去の前記更新対象概念リストの重みＷと特徴スコアＺの乗算の合計である。

このＸ，Ｙはユーザ興味スコア（ＴｏｔａｌＺ）計算過程における中間結果を保持することとなる。このため、省メモリ／ストレージを優先させる場合、最低限では各ノードの変数としてＴｏｔａｌＺ，Ｘ，Ｙの３つの実数値を保持することで実現可能である。省メモリ／ストレージを優先させない場合は、算出した各概念、各クラスタの特徴スコアＺをすべて保存することとなる。この場合は、Ｘ，Ｙの保存は不要となる。

図１１において、ｎは概念体系更新処理が何度目かを示す識別子である。ユーザ興味スコアＴｏｔａｌＺを求める一連の処理は、クラスタＩＤ単位で行なわれ、この一連の処理が行なわれる単位を１度と数えるとき、ｎはこの一連の処理が何度目に行なわれたものであるかを示す識別子である。ｉは、概念ＩＤの識別子である。Ｚinは、概念ｉの各更新処理に利用するＺ値である。なお、上記Ｚijは一覧閲覧コンテンツリスト及び詳細閲覧コンテンツリスト毎のＺ値であり、Ｚij∈Ｚinの関係である。重みＷinは、概念ｉの各更新処理に利用する重みである。上記重みＷと同じであり、上記特徴スコア算出処理において設定したものと同様である。

例えば、Ｗinは、お気に入り登録、他ユーザとの共有等の閲覧以外の特殊な操作をユーザが行った場合、及びコンテンツ閲覧時間（閲覧開始から終了までの間隔）、コンテンツと概念の関連度合い、コンテンツ閲覧時刻、閲覧時の天気・気温・湿度・季節・曜日・休日・余暇かどうか、閲覧時のユーザ位置情報、スケジューラ・日記等から収集したイベント情報に応じて値を変化させる。その他サービス利用者、サービス運用者が特に指定した場合にも変化させる。

なお、一定期間が過ぎた履歴の影響を低減させるため等のユーザ興味スコアの忘却は、最終更新時から現在の時刻までの時間間隔の閾値を超えた場合に、ＴｏｔａｌＺ，Ｘ，Ｙをそれぞれ減衰させることで実現する。
減衰の計算式の例を示す。例えば、ｋを減衰率（例えばｋ＝０・８）と設定し、以下のように算出することができる。
ＴｏｔａｌＺ（減衰後）＝ｋ×ＴｏｔａｌＺ（現在）
Ｘ（減衰後）＝ｋ^２×Ｘ（現在）
Ｙ（減衰後）＝ｋ^２×Ｙ（現在）

次にステップＳ１７において、下位概念ノード値の更新が行われる。
概念体系の更新処理では、「更新対象概念リスト」の各概念ＩＤ（出現概念及び上位概念）の下位概念が抽出され、この抽出された下位概念のノード値が更新される。下位概念の抽出処理では、「更新対象概念リスト」の各概念ＩＤについて、図４に示した概念体系／興味度データベース１３０の概念体系テーブルを参照し、子概念ＩＤリストから概念ＩＤのリストを抽出し、さらに各子概念ＩＤリストの概念ＩＤについて概念体系テーブルを参照して子概念リストを抽出する処理が繰り返される。

下位概念の興味度の更新に利用する特徴スコアＺは、例えば隣接した親ノードのうち特徴スコアの絶対値が最も大きい値を利用するか、最も近い上位ノードの値を利用するか、親ノードの値を平均または確率結合した値とする。なお、「更新対象概念リスト」のうち、上記ステップＳ１６で更新済みの概念（コンテンツに出現した概念、及び上位概念）のユーザ興味スコアは更新しない。

（２）興味スコアの提示
この提示動作に係るクライアント端末２００及び興味分析装置１００の処理を、図１２に示すフローチャートを用いて説明する。
クライアント端末２００において、興味分析装置１００からＷｅｂページがダウンロードされている状態で、ユーザが興味分析結果の取得操作を行ったとする。そうすると、ステップＳ２１において、興味スコア提示要求部２１０の制御の下、当該ユーザのＩＤを含む興味スコア提示要求が生成され、この興味スコア提示要求が興味分析装置１００へ送信される。

これに対し興味分析装置１００では、クライアント端末２００から興味スコア提示要求が送られると、興味スコア提示要求受付部１１０により当該興味スコア提示要求が受信される（ステップＳ２２）。興味スコア提示要求が受信されると興味分析装置１００では、ステップＳ２３においてユーザ興味スコア送信部１２０が起動し、その制御の下、上記受信された興味スコア提示要求に含まれるユーザＩＤをキーとして、概念体系／ユーザ興味スコアデータベース１３０から上記要求元ユーザに該当する概念とその興味スコアが読み出され、そのリストが生成される。

例えば、いま概念体系／ユーザ興味スコアデータベース１３０に、上記要求元ユーザに関する情報として、図１３に示す概念とその興味スコアＴｏｔａｌＺ，Ｘ，Ｙが記憶されていたとする。この場合には、スコア値ＴｏｔａｌＺが大きいものから一定数（例えば１００件）が選択され、この選択された概念がスコア値ＴｏｔａｌＺの大きい順にソートされて、概念とその興味スコアの提示リストが生成される。図１４にこのとき生成される概念とその興味スコアの提示リストの一例を示す。
そして、この生成された概念とその興味スコアの提示リストは、ユーザ興味スコア送信部１２０の制御の下、要求元のクライアント装置２００へ向け返送される。

上記興味分析装置１００から概念とその興味スコアの提示リストが返送されると、クライアント端末２００ではステップＳ２４によりユーザ興味スコア表示部２２０が起動し、その制御の下で上記概念及び興味スコアの提示リストが受信され、この受信された提示リストが図示しないディスプレイに表示される。

（３）興味スコアの修正
この興味スコアの修正に係るクライアント端末２００及び興味分析装置１００の一連の処理についても、図１２に示すフローチャートを用いて説明する。
上記提示リストが表示された状態で、ユーザが当該表示されたリスト中の任意の概念の興味スコアを修正するための操作を行ったとする。例えば、図１３に示すように概念「ワイン」の興味スコアを“０．７２”から“０．３”増加させて“１．０２”にする修正操作を行ったとする。そうすると、ステップＳ２５からステップＳ２６に移行し、ユーザ興味スコア修正要求部２３０により興味スコア修正要求が生成されて興味分析装置１００へ送信される。このとき興味スコア修正要求には、ユーザＩＤ、修正対象の概念を指定する情報（「ワイン」）、興味スコアの修正後の値（“１．０２”）が含まれる。

興味分析装置１００では、クライアント端末２００から興味スコア修正要求が送られたことがステップＳ２７で検出されると、ユーザ興味スコア修正要求受付部１４０の制御の下で、先ずステップＳ２８により当該受信された修正要求に含まれるユーザＩＤ、修正対象の概念の識別情報をもとに、概念体系／ユーザ興味スコアデータベース１３０から修正前の興味スコアＴｏｔａｌＺ、Ｘ、Ｙが読み出される。例えば、上記受信された修正要求には修正対象の概念を指定する情報（「ワイン」）、興味スコアの修正後の値（“１．０２”）が含まれているので、概念体系／ユーザ興味スコアデータベース１３０からは修正前の興味スコアＴｏｔａｌＺ，Ｘ，Ｙ（０．７２，６，１．７７）が読み出される。

興味分析装置１００では、次にステップＳ２９により仮想特徴スコア計算部１６０が起動され、その制御の下で以下のように仮想特徴スコア等の計算処理が行われる。
すなわち、図１１にも記載したように興味スコアＴｏｔａｌＺ、Ｘ、Ｙの更新式は、

により表される。

したがって、上記読み出された修正前の興味スコアＴｏｔａｌＺ，Ｘ，Ｙ（０．７２，６，１．７７）のうち、ＴｏｔａｌＺ（０．７２）を“０．３”増加させて修正後の値（１．０２）に変化させる特徴スコアＺin（ｉ＝ワイン）を求めるには、上記ＴｏｔａｌＺ（０．７２）を修正後の値（１．０２）に置き換え、この置き換えた修正後の値（１．０２）と、修正前のＸ、Ｙ（６，１．７７）を、上記ＴｏｔａｌＺ、Ｘ、Ｙの計算式に代入してＺin，Ｘin，Ｙin（ｉ＝ワイン）を計算し直せばよい。なお、重みＷは設定ファイル１５０にＷ＝１に設定されているものとする。
この結果、仮想的なＺin，Ｘin，Ｙin（ｉ＝ワイン）が、以下のように計算される。
Ｚin≒０．９３
Ｘin≒６＋１^２＝７
Ｙin≒１．７７＋１×０．９３＝２．７

続いてステップＳ３０により子概念特定部１７０が起動され、この子概念特定部１７０の制御の下、上記修正対象の上位概念「ワイン」に直接又は間接的に繋がる子概念が、概念体系／ユーザ興味スコアデータベース１３０に記憶された概念体系をもとに特定される。例えば、いま概念体系が図１３に示すように構成されているとすれば、上位概念「ワイン」に繋がる子概念は「赤ワイン」、「白ワイン」、「ロゼ」となる。

次に、スコア更新部１８０の制御の下で、上記特定された子概念「赤ワイン」、「白ワイン」、「ロゼ」のＴｏｔａｌＺ，Ｘ，Ｙに対し、上記修正対象の概念「ワイン」について計算された仮想特徴スコアＺin，Ｘin，Ｙin（ｉ＝ワイン）を反映させるための計算が、以下のように行われる。

すなわち、ステップＳ３１において、子概念「赤ワイン」、「白ワイン」、「ロゼ」それぞれに対し、上記計算された上位概念「ワイン」の仮想特徴スコアＺin，Ｘin，Ｙin（ｉ＝ワイン）をもとに、当該各子概念の興味スコアＴｏｔａｌＺ，Ｘ，Ｙが計算し直される。このときの計算処理にも、上記上位概念「ワイン」の場合と同様に、図１１に記載したＴｏｔａｌＺ，Ｘ，Ｙの更新式が用いられる。この計算の結果、子概念「赤ワイン」、「白ワイン」、「ロゼ」の各興味スコアＺ，Ｘ，Ｙは、
ＴｏｔａｌＺin，Ｘin，Ｙin（ｉ＝赤ワイン）≒（１．０７，８，２．８３）
ＴｏｔａｌＺin，Ｘin，Ｙin（ｉ＝白ワイン）≒（０．８６，８，２．４４）
ＴｏｔａｌＺin，Ｘin，Ｙin（ｉ＝ロゼ）≒（０．８６，８，２．４４）
となる。

次にステップＳ３２において、概念体系／ユーザ興味スコアデータベース１３０に記憶されている上位概念「ワイン」のＴｏｔａｌＺ，Ｘ，Ｙと、子概念「赤ワイン」、「白ワイン」、「ロゼ」の各ＴｏｔａｌＺ，Ｘ，Ｙが、上記計算し直された上位概念「ワイン」の修正後の興味スコアＴｏｔａｌＺ，Ｘ，Ｙ（ｉ＝ワイン）と、当該上位概念「ワイン」の修正に応じて計算し直された子概念「赤ワイン」、「白ワイン」、「ロゼ」の各興味スコアＺ，Ｘ，Ｙにより更新される。

最後にステップＳ３３において、上記更新された概念「ワイン」、及びその子概念「赤ワイン」、「白ワイン」、「ロゼ」の各興味スコアＺ，Ｘ，Ｙをもとに、修正後の興味分析結果を表すリストが生成される。
例えば、上記修正に伴う更新処理により、概念「ワイン」のＴｏｔａｌＺ，Ｘ，Ｙは（１．０２，７，２．７）に更新され、また子概念「赤ワイン」、「白ワイン」、「ロゼ」の各ＴｏｔａｌＺ，Ｘ，Ｙはそれぞれ（１．０２，７，２．７），（０．８６，８，２．４４），（０．８６，８，２．４４）に更新されている。このため、この更新後の概念「ワイン」及び子概念「赤ワイン」、「白ワイン」、「ロゼ」をスコア値ＴｏｔａｌＺの大きい順にソートすると、例えば図１５の右側に示すリストが生成される。
そして、この修正及び更新後の概念とその興味スコアのリストは、要求元のクライアント装置２００へ向け返送される。

上記興味分析装置１００から修正及び更新後の概念とその興味スコアのリストが送られると、クライアント端末２００ではユーザ興味スコア表示部２２０の制御の下で上記概念及び興味スコアの提示リストが受信され、この受信された提示リストが図示しないディスプレイに表示される（ステップＳ３４）。

クライアント端末２００では、上記修正及び更新後の概念とその興味スコアのリストが表示された状態で、ステップＳ３５においてユーザにより再び修正操作が行われたか否かが監視される。そして、再度修正操作が行われると、ステップＳ２６に戻って修正要求が再度送信され、以後興味分析装置１００では先に述べたようにステップＳ２７〜ステップＳ３３により、修正対象の概念の特徴スコアＺ，Ｘ，Ｙの修正処理と、この修正を子概念のＴｏｔａｌＺ，Ｘ，Ｙに反映するための更新処理が再度実行される。
なお、上記再修正操作が行われなければ、クライアント端末２００及び興味分析装置１００の処理は終了となる。

＜効果＞
以上詳述したようにこの実施形態では、クライアント端末２００において、提示された興味分析結果のリスト中の任意の概念についてユーザが興味スコアＴｏｔａｌＺの修正操作を行った場合に、興味分析装置１００において当該修正対象の概念の特徴スコアＺin，Ｘin，Ｙinを計算し直し、さらに当該概念に繋がる子概念を特定して、その興味スコアＴｏｔａｌＺ，Ｘ，Ｙを上記修正後の特徴スコアＺin，Ｘin，Ｙinに応じて更新するようにしている。そして、上記修正及び更新後の概念とその興味スコアをもとに提示リストを作成し直し、この作成し直されたリストをクライアント端末２００に送って表示するようにしている。

したがって、興味分析装置１００から最初に提示された興味分析結果がユーザの意図と異なっている場合でも、ユーザは当該興味分析結果をマニュアル操作で任意に修正することが可能となる。しかも、この修正操作に応じて興味分析装置１００では、修正対象の概念の特徴スコアＺ，Ｘ，Ｙと、当該概念に繋がる子概念の興味スコアＴｏｔａｌＺ，Ｘ，Ｙが、更新式に従い自動的に修正及び更新されるので、修正対象の概念だけでなくその子概念まで含めて、情報選択履歴からの学習結果と矛盾を生じることなく、かつ一回の修正操作でユーザに負担を強いることなく、興味スコアＴｏｔａｌＺ，Ｘ，Ｙを修正することが可能になる。

［他の実施形態］
前記実施形態では、概念「ワイン」に直接繋がる子概念「赤ワイン」、「白ワイン」、「ロゼ」に対してのみ、概念「ワイン」に対し行った修正を反映させる処理を行ったが、子概念「赤ワイン」、「白ワイン」、「ロゼ」に対しさらにその子概念（孫概念）が接続されている場合には、この孫概念に対しても上記修正を反映させるようにしてもよい。

また、クライアント端末２００において複数の概念に対し修正操作が行われた場合には、これら複数の概念に対する修正要求を一括して送信するようにしてもよい。興味分析装置１００は、受信した修正要求に複数の概念に対する修正要求が含まれている場合には、上位概念から子概念へと順次修正及び更新処理を行う。

また、サービスの種類は飲食店情報推薦サービスに限らず、ニュース推薦サービスや広告推薦サービス等であってもよく、その他の興味分析装置の構成や興味分析結果の提示リストの構成やその作成方法、修正処理の手順と処理内容等についても、この発明の要旨を逸脱しない範囲で種々変形して実施可能である。

要するにこの発明は、上記実施形態そのままに限定されるものではなく、実施段階ではその要旨を逸脱しない範囲で構成要素を変形して具体化できる。また、上記実施形態に開示されている複数の構成要素の適宜な組み合せにより種々の発明を形成できる。例えば、実施形態に示される全構成要素から幾つかの構成要素を削除してもよい。さらに、異なる実施形態に亘る構成要素を適宜組み合せてもよい。

１００…興味分析装置、２００…クライアント端末、３００…ネットワーク、１１０…興味スコア提示要求受付部、１２０…ユーザ興味スコア送信部、１３０…概念体系／ユーザ興味スコアデータベース、１４０…ユーザ興味スコア修正要求受付部、１５０…設定ファイル記憶部、１６０…仮想特徴スコア計算部、１７０…子概念特定部、１８０…スコア更新部、２１０…興味スコア提示要求部、２２０…ユーザ興味スコア表示部、２３０…ユーザ興味スコア修正要求部。

Claims (7)

1. ユーザ端末と、当該ユーザ端末との間でネットワークを介して通信が可能で、かつユーザによる情報の閲覧履歴をもとに当該ユーザの前記情報に対する興味を分析する機能を有する興味分析装置とを具備する興味分析システムであって、
   前記ユーザ端末は、
   前記興味分析装置に対し興味分析結果の提示要求を送信する手段と、
   前記提示要求に応答して前記興味分析装置から該当するユーザの興味分析結果を表す情報が返送された場合に、当該情報を受信し前記ユーザに提示する手段と、
   前記提示された興味分析結果の情報に含まれる概念に対するユーザによる修正情報の入力を受け付け、当該受付けた修正情報を含む修正要求を前記興味分析装置へ送信する手段と
   を備え、
   前記興味分析装置は、
   前記提示要求を受信した場合に、当該提示要求に応答して該当するユーザの興味分析結果を表す情報をデータベースから読み出し、この読み出された興味分析結果を表す情報を要求元のユーザ端末に向け返送する手段と、
   前記修正要求を受信した場合に、当該受信された修正要求に含まれる修正情報に基づいて、修正対象の概念が１回選択されたものと見なして当該修正対象の概念に係る仮想的なスコア情報を計算する手段と、
   前記データベースに記憶された修正対象の概念に係るスコア情報を、前記計算された仮想的なスコア情報をもとに更新する手段と
   を備えることを特徴とする興味分析システム。
2. 前記興味分析装置は、
   前記修正対象の概念に直接又は間接的に繋がる子概念を特定し、この特定された子概念に係るスコア情報を前記仮想的なスコア情報をもとに更新する手段を、さらに備えることを特徴とする請求項１記載の興味分析システム。
3. ユーザ端末との間でネットワークを介して通信が可能で、かつユーザによる情報の閲覧履歴をもとに当該ユーザの前記情報に対する興味を分析する機能を有する興味分析装置であって、
   前記ユーザ端末から提示要求を受信した場合に、当該提示要求に応答して該当するユーザの興味分析結果を表す情報をデータベースから読み出し、この読み出された興味分析結果を表す情報を要求元のユーザ端末に向け返送する手段と、
   前記ユーザ端末から修正要求を受信した場合に、当該受信された修正要求に含まれる修正情報に基づいて、修正対象の概念が１回選択されたものと見なして当該修正対象の概念に係る仮想的なスコア情報を計算する手段と、
   前記データベースに記憶された修正対象の概念に係るスコア情報を、前記計算された仮想的なスコア情報をもとに更新する手段と
   を具備することを特徴とする興味分析装置。
4. 前記修正対象の概念に直接又は間接的に繋がる子概念を特定し、この特定された子概念に係るスコア情報を前記仮想的なスコア情報をもとに更新する手段を、さらに具備することを特徴とする請求項３記載の興味分析装置。
5. ユーザ端末との間でネットワークを介して通信が可能で、かつユーザによる情報の閲覧履歴をもとに当該ユーザの前記情報に対する興味を分析する機能を有する興味分析装置が実行する興味分析方法であって、
   前記ユーザ端末から提示要求を受信した場合に、当該提示要求に応答して該当するユーザの興味分析結果を表す情報をデータベースから読み出し、この読み出された興味分析結果を表す情報を要求元のユーザ端末に向け返送する過程と、
   前記ユーザ端末から修正要求を受信した場合に、当該受信された修正要求に含まれる修正情報に基づいて、修正対象の概念が１回選択されたものと見なして当該修正対象の概念に係る仮想的なスコア情報を計算する過程と、
   前記データベースに記憶された修正対象の概念に係るスコア情報を、前記計算された仮想的なスコア情報をもとに更新する過程と
   を具備することを特徴とする興味分析方法。
6. 前記修正対象の概念に直接又は間接的に繋がる子概念を特定し、この特定された子概念に係るスコア情報を前記仮想的なスコア情報をもとに更新する過程を、さらに具備することを特徴とする請求項５記載の興味分析方法。
7. 請求項３又は４記載の興味分析装置が具備する手段が行う処理を、当該興味分析装置が備えるコンピュータに実行させるプログラム。

Images