JP6038414B1 - 情報処理装置、情報処理方法、プログラム、記憶媒体 - Google Patents

Abstract

時間と共に変化するユーザの関心を捉え、適切なユーザを紹介する紹介支援装置を提供することを目的とする。そのために、紹介支援装置は、特定のユーザに対する他のユーザからの注目状況を管理する注目状況管理部と、前記注目状況を用いて、前記他のユーザの少なくとも一部を前記特定のユーザに紹介する紹介ユーザとして抽出するユーザ抽出部と、前記ユーザ抽出部が抽出した前記紹介ユーザを前記特定のユーザに紹介するユーザ紹介部と、を備える。

Description

本発明は、ユーザに対して他のユーザを紹介する情報処理装置、情報処理方法、プログラム及び記憶媒体についての技術分野に関する。

特開２００２−０７４０６６号公報

ネットワーク技術の発達に伴い、ネットワークを介してユーザ同士のマッチングを行い、紹介するシステムが開発されている。
このようなシステムとしては、例えば結婚相手のマッチングや、企業と求職者をマッチングするシステム（例えば特許文献１）などがある。
このような紹介支援装置では、興味が分散してしまうことなどを防止するために、単位期間（例えば１ヶ月）あたりの紹介人数（交際相手の候補や、就活生、或いは紹介する企業の数）に上限を設けているものがある。即ち、多くのユーザが紹介されると、どのユーザを対象にコミュニケーションを取ればよいのか迷ってしまう可能性や、たくさんのユーザを相手にコミュニケーションを取ろうとして気疲れしてしまう可能性がある。
このように、単位期間あたりの紹介人数に上限を設けている場合、ユーザごとに最適な人物（或いは企業）を紹介することが望ましい。

紹介支援装置において、マッチングに用いる情報としては、ユーザによって例えば入会時に入力されたユーザ情報であり、多くはその後変化の無い静的な情報である。しかしこのような静的な情報のみを利用してマッチングを行うと、新規ユーザの流入はあるとしても、マッチング結果が常に固定されてしまい、紹介人数が増えていくと共にマッチング結果の芳しくないユーザが紹介されてしまうという問題がある。
そこで、本発明は、時間と共に変化するユーザの関心を捉え、適切なユーザを紹介する紹介支援装置を提供することを目的とする。

本発明に係る情報処理装置は、特定のユーザに対する他のユーザからの注目状況を管理する注目状況管理部と、前記注目状況を用いて、前記他のユーザの少なくとも一部を前記特定のユーザに紹介する紹介ユーザとして抽出するユーザ抽出部と、前記ユーザ抽出部が抽出した前記紹介ユーザを前記特定のユーザに紹介するユーザ紹介部と、を備えたものである。
ユーザのプロフィールなどの静的な情報に基づく紹介を行うだけでなく、特定のユーザに対する他のユーザの注目状況という動的な情報に基づく紹介を行うことが可能となる。

上記した情報処理装置は、前記特定のユーザが注目しているユーザを注目ユーザとしたときに、前記注目ユーザが前記特定のユーザを注目していない場合において、前記ユーザ抽出部は、前記注目ユーザの属性と前記注目ユーザ以外のユーザの属性の類似度に基づいてユーザを抽出して紹介ユーザ候補とすると共に、前記紹介ユーザ候補のうちから前記紹介ユーザを抽出するものである。
これにより、特定のユーザに推薦するユーザとして、特定のユーザが注目しているユーザと類似している他ユーザが推薦されやすくなる。

上記した情報処理装置の前記ユーザ抽出部は、前記紹介ユーザ候補のうちで前記特定のユーザを注目しているユーザを前記紹介ユーザとして抽出するものである。
これにより、特定のユーザに推薦するユーザとして、特定のユーザが注目しているユーザと類似している他ユーザであって、且つ、特定のユーザを注目しているユーザが推薦されやすくなる。

上記した情報処理装置は、前記注目状況を段階的に表す注目度指数を算出する注目度指数算出部を備え、前記注目状況管理部は、前記注目度指数を前記注目状況として管理するものである。
これにより、注目状況が定量化される。

上記した情報処理装置の前記注目度指数算出部は、前記注目状況に関する入力操作を受け付けた時間情報を前記注目度指数の算出に用いるものである。
注目状況が変化した直後は、対象ユーザへの関心が非常に高いことが推測される。特に注目度がより増加した場合に、当該注目度の増したユーザの注目度指数が高く算出される。

上記した情報処理装置の前記ユーザ抽出部は、前記注目状況を含む複数の指標を用いて前記特定のユーザに対する推薦度を前記他のユーザごとに算出し、前記推薦度に基づいて前記紹介ユーザを抽出するものである。
これにより、特定のユーザに紹介するか否かを決めるための指標（推薦度）が他のユーザごとに定量的に数値化される。

上記した情報処理装置は、前記特定のユーザを注目している前記他のユーザを注目元ユーザとして判定する注目判定部と、前記注目元ユーザの人数を前記特定のユーザの被注目人数として算出する被注目人数算出部を備え、前記推薦度は、前記特定のユーザの前記被注目人数に応じて前記注目状況の重み付けを変えて算出するものである。
例えば、被注目人数が多い特定のユーザに対する推薦度を算出する際には、推薦度算出に用いる複数の指標の中における被注目人数の情報の重み付けを減少させる。また、被注目人数が少ない特定のユーザに対する推薦度を算出する際には、推薦度算出に用いる複数の指標の中における被注目人数の情報の重み付けを増加させる。

上記した情報処理装置は、前記特定のユーザを注目している前記他のユーザを注目元ユーザとして判定する注目判定部と、前記注目元ユーザが注目しているユーザの人数を前記注目元ユーザの注目人数として前記注目元ユーザごとに取得する注目元注目人数取得部を備え、前記推薦度は、前記注目元ユーザの前記注目人数に応じて前記注目状況の重み付けを変えて算出するものである。
特定のユーザを注目しているユーザ（注目元ユーザ）の中でも、注目人数が多いユーザと注目人数が少ないユーザとでは、特定のユーザに対する関心の度合いが異なることが推測される。このような場合に、注目人数が少ないユーザ（注目元ユーザ）に対しては、複数の指標の中で注目状況の情報を重視して推薦度を算出する。また、注目人数が多ユーザ（注目元ユーザ）に対しては、複数の指標の中で注目状況の情報を重視せずに推薦度を算出する。

本発明に係る情報処理方法は、特定のユーザに対する他のユーザからの注目状況を管理する注目状況管理ステップと、前記特定のユーザを注目している前記他のユーザを注目元ユーザとして判定する注目判定ステップと、前記注目状況を含む複数の指標を用いて前記特定のユーザに対する推薦度を前記他のユーザごとに算出し、前記推薦度に基づいて前記他のユーザの少なくとも一部を前記特定のユーザに紹介する紹介ユーザとして抽出する紹介ユーザ抽出処理ステップと、前記紹介ユーザ抽出処理ステップが抽出した前記紹介ユーザを前記特定のユーザに紹介する紹介処理ステップと、を情報処理装置に実行させる情報処理方法であって、前記紹介ユーザ抽出処理ステップでは、前記注目元ユーザの人数としての被注目人数、または、前記注目元ユーザが注目しているユーザの人数である前記注目元ユーザの注目人数に応じて前記注目状況の重み付けを変えて前記推薦度を算出するものである。
この情報処理方法により、時間と共に変化するユーザの関心を捉え、適切なユーザを紹介する紹介支援装置を提供する。
本発明に係るプログラムは、上記情報処理方法として実行する処理を情報処理装置に実行させるプログラムである。
本発明に係る記憶媒体は、上記プログラムを記憶した記憶媒体である。これらのプログラムや記憶媒体により上記の情報処理装置を実現する。

本発明によれば、時間と共に変化するユーザの関心を捉え、適切なユーザを紹介する紹介支援装置を提供することができる。

本発明の実施の形態の全体の構成を示す図である。 本実施の形態の紹介支援装置の機能ブロック図である。 本実施の形態のコンピュータのブロック図である。 注目状況ＤＢの一例を示す図である。 第１の実施の形態のフローチャートである。 推薦度算出処理の第１例のフローチャートである。 推薦度算出処理の第２例のフローチャートである。 第２の実施の形態のフローチャートである。

以下、実施の形態を次の順序で説明する。
＜１．全体構成＞
＜２．ハードウェア構成＞
＜３．ＤＢ＞
［３−１．ユーザＤＢ］
［３−２．注目状況ＤＢ］
［３−３．操作ログＤＢ］
＜４．処理手順＞
［４−１．第１の実施の形態］
［４−２．推薦度算出処理の第１例］
［４−３．推薦度算出処理の第２例］
［４−４．第２の実施の形態］
＜５．変形例＞
［５−１．変形例１］
［５−２．変形例２］
＜６．まとめ＞
＜７．プログラム及び記憶媒体＞

＜１．全体構成＞

本実施の形態における紹介支援装置１としての情報処理装置を含む全体の構成を図１及び図２を用いて説明する。
尚、以下の説明においては、結婚相手のマッチングを行う紹介支援装置１を例に挙げる。
また、一人のユーザに対し、１ヶ月の間に５人を上限として他ユーザの紹介を行う。紹介を受けるユーザを紹介先ユーザとし、紹介先ユーザに紹介されるユーザを紹介ユーザと記載する。即ち、紹介支援装置１は、紹介ユーザを紹介先ユーザに紹介する。
ユーザは、紹介支援装置１を介して、他のユーザのプロフィール（属性情報）等を閲覧することができるが、紹介を受けない限り、そのユーザとコミュニケーションを取る手段が制限されている。ユーザが、紹介を受けていない他のユーザに対して取り得る行動（操作）は、当該ユーザをお気に入り登録することである。紹介支援装置１は、後述するように、紹介ユーザの選択の際にお気に入り登録操作の有無の情報を用いる。

本発明の紹介支援装置１は、図１に示すように、通信ネットワーク２を介して紹介先ユーザ端末３と紹介ユーザ端末４，４，・・・と相互に通信可能な状態で接続されている。

通信ネットワーク２の構成は特に限定されるものではなく、例えば、インターネット、イントラネット、エキストラネット、ＬＡＮ（Local Area Network）、ＣＡＴＶ（Community Antenna TeleVision）通信網、仮想専用網（Virtual Private Network）、電話回線網、移動体通信網、衛星通信網などが想定される。
また通信ネットワーク２の全部又は一部を構成する伝送媒体についても多様な例が想定される。例えばＩＥＥＥ（Institute of Electrical and Electronics Engineers）１３９４、ＵＳＢ（Universal Serial Bus）、電力線搬送、電話線などの有線でも、ＩｒＤＡ（Infrared Data Association）のような赤外線、ブルートゥース（登録商標）、８０２．１１無線、携帯電話網、衛星回線、地上波デジタル網などの無線でも利用可能である。

紹介支援装置１の機能ブロック図である図２を参照して、紹介支援装置１の各部を説明する。
紹介支援装置１は、ユーザを他のユーザに紹介する紹介支援サービスを提供する情報処理装置である。従って、紹介支援装置１は、ユーザ登録を行ったユーザの情報を管理する機能や、各種ウェブページを紹介先ユーザ端末３や紹介ユーザ端末４上に表示させるウェブページデータを生成する機能や、ウェブページデータを送信する機能や、各種通知を行う機能などを備えている。
また、紹介支援装置１は、ユーザ間の注目状況に応じた紹介サービスを実現する。そのために、紹介支援装置１は、注目状況管理部１ａ、ユーザ抽出部１ｂ、ユーザ紹介部１ｃ、注目度指数算出部１ｄ、注目判定部１ｅ、被注目人数算出部１ｆ、注目人数算出部１ｇ、注目元注目人数取得部１ｈを備え、ユーザＤＢ（Database）５０、注目状況ＤＢ５１、操作ログＤＢ５２と接続されている。

注目状況管理部１ａは、紹介支援装置１が提供するサービスを受けるために会員登録をしたユーザ（以下、単にユーザと記載）の他ユーザに対する注目状況を管理する。特に、紹介を受けるユーザに対する他のユーザからの注目状況を、注目状況ＤＢ５１を利用して管理する。

ユーザ抽出部１ｂは、紹介先ユーザに紹介する他ユーザ（紹介ユーザ）を抽出する紹介ユーザ抽出処理を実行する。紹介ユーザ抽出処理では、紹介先ユーザへ紹介することが適切かどうかを表す推薦度という指標を用いる。推薦度は、例えば、ユーザから他ユーザへの注目状況を表す情報やユーザの属性情報（ユーザＩＤに紐付けられたユーザごとの固有の情報）などの複数の指標を用いて算出される。
またユーザ抽出部１ｂは、紹介ユーザの候補となるユーザを紹介ユーザ候補として抽出する紹介ユーザ候補抽出処理し、紹介ユーザ候補の中から注目状況の情報を用いて紹介ユーザを抽出する紹介ユーザ抽出処理を実行してもよい。紹介ユーザ候補抽出処理では、紹介先ユーザが注目しているユーザとの類似の度合いを示す指標としての類似度に基づいて、紹介ユーザ候補を抽出する。

ユーザ紹介部１ｃは、ユーザ抽出部１ｂが抽出した紹介ユーザを紹介先ユーザへ紹介する処理を実行する。紹介処理としては、例えば紹介先ユーザが使用する紹介先ユーザ端末３上に、紹介先ユーザの情報を表示させる処理などである。

注目度指数算出部１ｄは、先の注目状況を表す情報としての注目度指数を算出する注目度指数算出処理を実行する。注目度指数は、あるユーザが他のユーザをどの程度注目しているかを表す指標であり、複数の段階で表す指標である。例えば、０〜５の６段階で表してもよいし、０〜１００の１０１段階で表さしてもよいし、注目しているか否かを０と１の２段階で表してもよい。また、上限を固定せずに表してもよい。
注目度指数は、上記のお気に入り登録操作の有無や、他ユーザの情報の閲覧操作などにより増減する。
算出した注目度指数は、注目状況ＤＢ５１に記憶される。

注目判定部１ｅは、先の注目度指数を用いてユーザが紹介先ユーザを注目しているか否かを判定する注目判定処理を実行する。この判定は、例えば、注目度指数が所定値以上であるか否かを判定する。
尚、以下の説明においては、紹介先ユーザとしてのユーザＡをユーザＢが注目していると判定された場合、ユーザＢを注目元ユーザとして記載する。

被注目人数算出部１ｆは、注目判定処理において紹介先ユーザを注目していると判定されたユーザの人数を、紹介先ユーザの被注目人数として算出する被注目人数算出処理を実行する。被注目人数は、注目状況を表す情報の一つとされる。被注目人数は、紹介先ユーザが他ユーザからどの程度注目されているかを表す指標の一つとなる。

注目人数算出部１ｇは、ユーザが注目しているユーザ数を注目人数として算出する注目人数算出処理を実行する。

注目元注目人数取得部１ｈは、紹介先ユーザを注目していると判定されたユーザごとに、注目人数を取得する注目元注目人数取得処理を実行する。

また、紹介支援装置１は、ユーザが行った各種操作（お気に入り登録操作、閲覧操作など）に関するログを操作ログＤＢ５２に記憶する処理を行う。

図１に示す紹介先ユーザ端末３は、他ユーザの紹介を受けるユーザが使用する端末であり、紹介支援装置１に接続した上で、各種サービスを受けるために利用される端末である。
紹介ユーザ端末４は、紹介支援装置１の紹介サービスによって他ユーザに紹介されるユーザが使用する端末であり、ユーザ情報の変更や登録などを行うために利用される端末である。
尚、紹介先ユーザ端末３と紹介ユーザ端末４は、利用するユーザが紹介サービスを受けるユーザであるのか、または、紹介サービスによって紹介されるユーザであるのかを、ユーザの立場に基づいて便宜上名前を使い分けているだけであり、実質的に端末の構成などは同じである。即ち、紹介サービスによって他のユーザＢを紹介されたユーザＡが使用する紹介先ユーザ端末３は、次にユーザＡが紹介サービスによって他のユーザＣに紹介される際には、紹介ユーザ端末４として位置づけられる。

＜２．ハードウェア構成＞

図３は、図１に示した紹介支援装置１、紹介先ユーザ端末３及び紹介ユーザ端末４、また、ユーザＤＢ５０、注目状況ＤＢ５１、操作ログＤＢ５２のハードウエアを例示する図である。それぞれのサーバや端末におけるコンピュータ装置のＣＰＵ（Central Processing Unit）１０１は、ＲＯＭ（Read Only Memory）１０２に記憶されているプログラム、または記憶部１０８からＲＡＭ（Random Access Memory）１０３にロードされたプログラムに従って各種の処理を実行する。ＲＡＭ１０３にはまた、ＣＰＵ１０１が各種の処理を実行する上において必要なデータなども適宜記憶される。
ＣＰＵ１０１、ＲＯＭ１０２、およびＲＡＭ１０３は、バス１０４を介して相互に接続されている。このバス１０４には、入出力インターフェース１０５も接続されている。
入出力インターフェース１０５には、キーボード、マウス、タッチパネルなどよりなる入力部１０６、ＬＣＤ（Liquid Crystal Display）、ＣＲＴ（Cathode Ray Tube）、有機ＥＬ（Electroluminescence）パネルなどよりなるディスプレイ、並びにスピーカなどよりなる出力部１０７、ＨＤＤ（Hard Disk Drive）やフラッシュメモリ装置などより構成される記憶部１０８、通信ネットワーク２を介しての通信処理や機器間通信を行う通信部１０９が接続されている。
入出力インターフェース１０５にはまた、必要に応じてメディアドライブ１１０が接続され、磁気ディスク、光ディスク、光磁気ディスク、或いは半導体メモリなどのリムーバブルメディア１１１が適宜装着され、リムーバブルメディア１１１に対する情報の書込や読出が行われる。

このようなコンピュータ装置では、通信部１０９による通信によりデータやプログラムのアップロード、ダウンロードが行われる。また、リムーバブルメディア１１１を介したデータやプログラムの受け渡しが可能である。
ＣＰＵ１０１が各種のプログラムに基づいて処理動作を行うことで、紹介支援装置１、紹介先ユーザ端末３及び紹介ユーザ端末４、また、ユーザＤＢ５０、注目状況ＤＢ５１、操作ログＤＢ５２のそれぞれにおいて後述する情報処理や通信が実行される。
尚、紹介支援装置１、紹介先ユーザ端末３及び紹介ユーザ端末４、また、ユーザＤＢ５０、注目状況ＤＢ５１、操作ログＤＢ５２を構成するそれぞれの情報処理装置は、図３のようなコンピュータ装置が単一で構成されることに限らず、複数のコンピュータ装置がシステム化されて構成されてもよい。複数のコンピュータ装置は、ＬＡＮなどによりシステム化されていてもよいし、インターネットなどを利用したＶＰＮ（Virtual Private Network）などにより通信可能な状態で遠隔地に配置されたものでもよい。

＜３．ＤＢ＞

［３−１．ユーザＤＢ］
ユーザＤＢ５０には紹介支援装置１が提供するサービスを受けるユーザの情報が属性情報として記憶される。例えば、一人のユーザを特定可能な一つのユーザＩＤに対して、氏名、年齢、性別、年収、住所、メールアドレス、趣味などの個人的な情報が紐付けられて記憶される。

［３−２．注目状況ＤＢ］
注目状況ＤＢ５１に記憶される情報の具体的な例を、図４を参照して説明する。
注目状況ＤＢ５１には、紹介支援装置１が管理するユーザごとに、注目状況情報がユーザＩＤに紐付けられて記憶される。注目状況情報は、そのユーザの注目情報と被注目情報を含んでいる。
具体的には、ユーザＩＤ０００１とされたユーザＡの注目情報は、他のユーザをどの程度注目しているかを客観的に表した情報とされ、例えば、対象ユーザ（ユーザＢやユーザＣ）のユーザＩＤと注目度指数と注目フラグが紐付けられる。
注目度指数は、紹介支援装置１が提供するサービスをユーザＡが利用する上で行った各種操作に応じて付与される数値であり、紹介支援装置１の注目度指数算出部１ｄによって算出される。注目度指数は、例えば、対象ユーザをお気に入りに登録する操作や、閲覧操作、メッセージのやりとり等を行った場合に付与される。
注目フラグは、ユーザＡが対象ユーザを注目しているか否かを表すフラグであり、注目度指数が閾値以上である場合にＯＮとされる。注目フラグは、注目判定部１ｅによって更新される。

ユーザＡの被注目情報は、ユーザＢやユーザＣからどの程度注目されているかを客観的に表した情報とされ、例えば、ユーザＢやユーザＣのユーザＩＤと被注目度指数と被注目フラグが紐付けられる。
被注目度指数は、紹介支援装置１の注目度指数算出部１ｄによって算出され、ユーザＢやユーザＣがユーザＡに対して行った各種操作に応じて付与される数値である。
被注目フラグは、対象ユーザがユーザＡを注目しているか否かを表すフラグであり、被注目度指数が閾値以上である場合にＯＮとされる。被注目フラグは、注目判定部１ｅによって更新される。
尚、ユーザＡのユーザＢに対する注目度指数と、ユーザＢのユーザＡに対する被注目度指数は、どちらのユーザを主体にして数値を扱うかが異なるだけであるため、同じ数値としてもよい。この場合、注目度指数としての数値を算出すれば、自ずと被注目度指数としての数値が算出される。これにより、注目度指数及び被注目度指数の算出の際に、紹介支援装置１の処理負担の軽減が図られる。以下の各例においては、ユーザＡのユーザＢに対する注目度指数と、ユーザＢのユーザＡに対する被注目度指数は、同じ値とする。

［３−３．操作ログＤＢ］
操作ログＤＢ５２には、紹介支援装置１が提供するサービスを受ける際にユーザが行った各種操作のログが記憶される。操作ログとしては、操作を行ったユーザのユーザＩＤ、操作日時、操作内容が紐付けられて記憶される。操作内容とは、例えば、お気に入り登録操作の場合、お気に入り登録操作を表す操作ＩＤとお気に入り登録操作の対象となったユーザのユーザＩＤである。閲覧操作の場合、閲覧操作を表す操作ＩＤと閲覧対象となったユーザのユーザＩＤである。

＜４．処理手順＞

ここでは、各ユーザに関する注目状況情報の更新を行い、注目状況情報に基づいて他ユーザの紹介を行うまでの処理の流れについて、各図を参照して説明する。
以下では、実施の形態として二つの例を挙げて説明する。
尚、以下の各例では、ユーザＡを紹介先ユーザとし、ユーザＢ乃至ユーザＮの中から５名を選択してユーザＡに紹介する例を説明する。選択された５名は、それぞれ紹介ユーザとされる。

［４−１．第１の実施の形態］
図５を参照して、第１の実施の形態を説明する。
第１の実施の形態では、紹介支援装置１は、先ずステップＳ１０１において、注目度指数算出処理を実行する。注目度指数は、前述したように、あるユーザが他のユーザをどの程度注目しているかを表す指標である。
注目度指数算出処理では、操作ログＤＢ５２に記憶された各操作ログを参照し、そこから各操作に応じた点数をそれぞれの注目度指数に加算していく。
注目度指数算出処理を実行することにより、ユーザＡ乃至ユーザＮの全てのユーザの注目状況情報において、各注目情報の注目度指数が更新される。また、ユーザＡ乃至ユーザＮの全てのユーザの注目状況情報において、各被注目情報の被注目度指数も更新される。

尚、注目度指数算出処理の実行時において注目度指数算出に用いた操作ログを記憶しておき、次回の実行時には、注目度指数算出に用いていない操作ログを参照して注目度指数への加算処理を実行してもよい。
また、経過時間に応じた重みを考慮してもよい。具体的には、新しい操作ログの点数を古い操作ログの点数よりも相対的に高くする。例えば、注目度指数算出処理において、前回の実行時における注目度指数を０．８倍した数値を算出し、その値に対して各操作に応じた点数を加算してもよい。これにより、古い操作ログに基づく点数ほど０．８が複数回乗算されて、相対的に低い点数とされる。

続いて、紹介支援装置１はステップＳ１０２において、注目判定処理を実行する。注目判定処理では、算出した注目度指数と閾値を比較し、注目しているかいないかを判定する。
例えば、ユーザＡの注目状況情報において、対象ユーザがユーザＢとされた注目情報の注目度指数が閾値以上である場合には、ユーザＡはユーザＢを注目していると判定し、注目フラグをＯＮにする。
また、このとき、ユーザＢの注目状況情報において、対象ユーザがユーザＡとされた被注目情報の被注目フラグもＯＮとなる。
注目判定処理を実行することにより、全てのユーザの注目状況情報において、それぞれの注目フラグ及び被注目フラグが更新される。

次に、紹介支援装置１はステップＳ１０３において、注目人数算出処理を実行する。注目人数算出処理では、対象となるユーザの注目状況情報において、注目フラグがＯＮとなった対象ユーザの人数を注目人数として算出する。尚、注目人数は、当該対象ユーザの注目状況情報として、注目状況ＤＢ５１へ記憶してもよい。
注目人数算出処理を実行することにより、全てのユーザの注目人数が算出される。

続いて、紹介支援装置１はステップＳ１０４において、推薦度算出処理を実行する。
推薦度は、前述したように、紹介先ユーザへ紹介することが適切かどうかを表す指標である。例えば、紹介先ユーザであるユーザＡに対して、ユーザＢを推薦することが適切である場合には、ユーザＢの推薦度は高くなる。逆に、ユーザＣを推薦することが適切で無い場合には、ユーザＣの推薦度は低くなる。
推薦度算出処理の詳細は、後述する。

次に、紹介支援装置１はステップＳ１０５において、推薦度に基づいて紹介ユーザを抽出する紹介ユーザ抽出処理を実行する。紹介ユーザ抽出処理では、紹介先ユーザを除く全ユーザの中から推薦度に基づいて選択された５名のユーザが紹介ユーザとして抽出される。

そして、紹介支援装置１はステップＳ１０６において、抽出された紹介ユーザを紹介先ユーザに紹介する紹介処理を実行する。
紹介処理の具体的な処理としては、例えば、紹介先ユーザとしてのユーザＡが利用している紹介先ユーザ端末３上で動作しているウェブブラウザ上に紹介ユーザのプロフィールを表示させる。また、ユーザＡが使用している電子メールアドレス宛に紹介ユーザの情報を掲載した電子メールを送信してもよい。
これにより、紹介先ユーザは、紹介ユーザを把握することができ、今後の行動を起こすことができる。

尚、紹介先ユーザであるユーザＡに対する紹介処理を行った後、紹介先ユーザをユーザＢに変えてユーザＢに対する紹介処理を行う場合は、図５のステップＳ１０４乃至Ｓ１０６の各処理を実行すればよい。即ちステップＳ１０１乃至Ｓ１０３の各処理は省略してもよい。
また、ステップＳ１０１乃至Ｓ１０３の各処理を実行した後、所定時間（例えば２４時間）経過している場合には、ステップＳ１０１乃至Ｓ１０３の処理を省略せずに実行して、各ユーザの注目状況情報の更新を行うことが望ましい。

［４−２．推薦度算出処理の第１例］
図５のステップＳ１０４の推薦度算出処理について、二つの例を説明する。先ず、図６を用いて、推薦度算出処理の第１例を説明する。
推薦度算出処理の第１例では、紹介先ユーザとしてのユーザＡが、他のユーザからどの程度注目されているかを考慮して推薦度を算出する。

先ず、紹介支援装置１はステップＳ２０１において、紹介先ユーザの被注目人数を算出する被注目人数算出処理を実行する。被注目人数は、ユーザＡの注目状況情報において、被注目フラグがＯＮとされた対象ユーザの人数となる。
尚、被注目人数は、先の図５のステップＳ１０３において、注目人数と一緒に算出してしまってもよい。この場合、図６のステップＳ２０１では、被注目人数の値の取得のみを実行する。

続いて、紹介支援装置１はステップＳ２０２において、推薦度未算出のユーザがいるかどうかを判定する処理を実行する。
推薦度算出が済んでいないユーザ（ユーザＢ乃至ユーザＮの何れかのユーザ）がいる場合、紹介支援装置１は続くステップＳ２０３において、当該ユーザの推薦度を算出する処理を実行する。全てのユーザ（ユーザＢ乃至ユーザＮの各ユーザ）の推薦度算出が完了している場合、紹介支援装置１は図６に示す推薦度算出処理を終了する。
ステップＳ２０２とステップＳ２０３の処理を繰り返すことで、ユーザＢ乃至ユーザＮの全てのユーザの推薦度算出が完了する。

ここで、被注目人数に基づく推薦度の算出の一例を示す。
推薦度は、被注目人数だけでなく、他の様々な情報に基づいて算出する。具体的には、例えば、ユーザの属性（趣味や年齢、性格など）がユーザＡと一致しているか否かなどに基づいて算出する。また、単に属性が一致するよりも、ユーザＡが相手に対して求めている属性が一致した場合は、更に高い推薦度となる。

被注目人数は、ユーザＡが他のユーザからどの程度注目されているかを表す指標である。例えば、被注目人数が少ない場合、ユーザＡの魅力が少ないことが考えられる。このような場合、注目度指数を無視して他のユーザの属性情報の一致具合などから推薦度を算出したとしても、高い推薦度を付与されたユーザがユーザＡとのコミュニケーションの末、ユーザＡを気に入る可能性は低い。即ち、相性のよいユーザを紹介できる可能性は低くなる。
そこで、注目度指数を他の指標よりも重視して推薦度を算出することが適切である。

逆に、ユーザＡの被注目人数が多い場合、ユーザＡの魅力が高いことが考えられる。このような場合、例え注目度指数を無視して他のユーザの属性情報の一致具合などから推薦度を算出したとしても、高い推薦度を付与されたユーザがユーザＡを気に入る可能性は高くなる。多くのユーザから気に入られる可能性の高いユーザＡに対しては、推薦度を高める指標を注目度指数以外に多く持っているユーザの方がユーザＡと相性が高いと考えられる。
そこで、注目度指数を他の指標よりも重視せずに推薦度を算出することが適切である。

従って、推薦度の算出において、紹介先ユーザの被注目人数に応じて、注目度指数にどの程度の重み付けを行うかを変える。即ち、ステップＳ２０３の処理では、例えば、ユーザＡの被注目人数が多い場合、注目度指数を他の指標よりも重み付けを小さくし、ユーザＡの被注目人数が少ない場合、注目度指数を他の指標よりも重み付けを大きくし、推薦度を算出する。
これにより、紹介先ユーザと相性のよいユーザに高い推薦度が付与されやすくなる。

［４−３．推薦度算出処理の第２例］
図７を用いて、推薦度算出処理の第２例を説明する。
推薦度算出処理の第２例では、紹介先ユーザとしてのユーザＡを注目しているユーザＢ（注目元ユーザ）が、ユーザＡ以外にどのくらい注目しているユーザがいるのかを考慮して推薦度を算出する。

先ず、紹介支援装置１はステップＳ３０１において、紹介先ユーザとしてのユーザＡの注目状況情報を取得する処理を実行する。
そして紹介支援装置１は、ステップＳ３０２において、推薦度未算出のユーザがいるかどうかを判定する処理を実行する。この処理は、先の図６のステップＳ２０２の処理と同様の処理となる。
ユーザＢ乃至ユーザＮの全てのユーザの推薦度の算出が完了している場合、紹介支援装置１は図７に示す一連の処理を終了する。

ユーザＢ乃至ユーザＮの全てのユーザの推薦度の算出が完了していない場合、紹介支援装置１は続くステップＳ３０３において、紹介先ユーザ（ユーザＡ）の被注目情報の中で、推薦度算出対象ユーザ（例えばユーザＢ）を対象ユーザとした情報を取得する処理を実行する。
続いて、紹介支援装置１はステップＳ３０４において、ユーザＢを対象ユーザとした被注目フラグがＯＮであるか否かを判定する。
被注目フラグがＯＮである場合、即ち、ユーザＢがユーザＡを注目している場合、紹介支援装置１は続くステップＳ３０５において、ユーザＢ（注目元ユーザ）の注目人数を取得する処理を実行する。この処理は、ユーザＢが紹介先ユーザとしてのユーザＡ以外に、注目しているユーザがどの程度いるのかを把握する処理である。

ステップＳ３０４で被注目フラグがＯＦＦである場合は、ステップＳ３０５の処理を行わずに、被注目フラグがＯＮである場合は、ステップＳ３０４の処理を行った上で、紹介支援装置１は続くステップＳ３０６の推薦度算出処理を実行する。
ステップＳ３０２乃至ステップＳ３０６の各処理を繰り返すことで、ユーザＢ乃至ユーザＮの全てのユーザの推薦度算出が完了する。

ここで、注目元ユーザの注目人数に応じた推薦度の算出の一例を示す。
紹介先ユーザとしてのユーザＡを注目しているユーザＢ、ユーザＣと、注目していないユーザＤを例に考える。また、ユーザＢは、ユーザＡを含めて注目しているユーザが３名おり、ユーザＣは、ユーザＡを含めて注目しているユーザが３０名いる。

ユーザＢは、注目人数が少ないことから、余程気に入ったユーザに対してのみ注目していることが考えられる。
このことから、ユーザＡを非常に気に入っていることが伺えるため、ユーザＡがユーザＢを注目した際には、コミュニケーションが円滑に進む可能性が高くなると考えられる。
そこで、紹介先ユーザを注目しているユーザの中で、注目人数が少ないユーザの推薦度算出の際には、注目度指数を他の指標よりも重視する。

一方、ユーザＣは、注目人数が多いことから、注目度指数を上昇させる操作を気軽に行っていることが考えられる。
このことから、ユーザＡを非常に気に入っているとは考え難い。このような場合には、衆目度指数以外の他の指標によって、ユーザＣがユーザＡに紹介するユーザとしてふさわしいか否かを判定することが望ましい。
そこで、紹介先ユーザを注目しているユーザの中で、注目人数が多いユーザの推薦度算出の際には、注目度指数よりも他の指標を重視する。

ステップＳ３０６の処理では、例えば、紹介先ユーザを注目しているユーザの中で、注目人数が多いユーザについては注目度指数を他の指標よりも重み付けを小さくし、紹介先ユーザを注目しているユーザの中で、注目人数が少ないユーザについては注目度指数を他の指標よりも重み付けを大きくし、推薦度を算出する。
これにより、紹介先ユーザと相性のよいユーザに高い推薦度が付与されやすくなる。

尚、ユーザＡを注目していないユーザＤの推薦度の算出の際には、注目度指数に他の指標と同様の重み付けをしてもよいし、注目度指数を用いなくてもよい。

［４−４．第２の実施の形態］
図８を参照して、第２の実施の形態を説明する。尚、図５の第１の実施の形態における処理と同様の処理に関しては、同じ符号を付し、場合により説明を省略する。

先ず、紹介支援装置１はステップＳ１０１において、注目度指数算出処理を実行し、続いてステップＳ１０２において、注目判定処理を実行する。これらの処理は、図５の処理と同様の処理となる。

続いて、紹介支援装置１はステップＳ４０１において、類似度算出処理を実行する。
類似度は、前述したように、紹介先ユーザとしてのユーザＡが注目しているユーザとの類似の度合いを示す指標である。類似度は、例えば、ユーザ同士の属性の類似度に応じて算出される。
ここで、類似度を算出する上で先ず必要となるのが、どのユーザとどのユーザの類似度を算出するかを決めることである。具体的には、先ず、紹介先ユーザとしてのユーザＡが注目している（即ち注目フラグがＯＮとなっている）ユーザのうちで、ユーザＡを注目していないユーザ（即ち、ユーザＡが一方的に興味を持っているユーザ）を抽出する。次に、抽出したユーザと他のユーザがどの程度類似しているかを算出する。
例えば、ユーザＡがユーザＢ及びユーザＣを注目し、ユーザＢがユーザＡを注目している場合、ユーザＣに対して、ユーザＤ乃至ユーザＮがどの程度類似しているかを算出する。
尚、ユーザＢに関しては、双方共に注目しているため、推薦度が高く算出される可能性が高い。そのため、ユーザＣとの類似度を算出する必要はない。

次に、紹介支援装置１はステップＳ４０２において、紹介ユーザ候補抽出処理を実行する。この処理では、ステップＳ４０１で算出した各ユーザの類似度を元に、ユーザＣの代わりにユーザＡに紹介するユーザを紹介ユーザ候補として抽出する処理となる。
具体的には、例えば、類似度が一定値以上のユーザが紹介ユーザ候補として抽出される。

続いて、紹介支援装置１はステップＳ１０４において、推薦度算出処理を実行する。推薦度算出処理は、第１の実施の形態におけるステップＳ１０４の処理と同様となる。
そして、紹介支援装置１はステップＳ１０５において、紹介ユーザ抽出処理を実行する。ここでは、推薦度が一定値以上のユーザを紹介ユーザとする例を挙げる。このとき、紹介ユーザが、１ヶ月の上限紹介人数に達しなかった場合、具体的には、ユーザＢのみ紹介ユーザとして抽出された場合、残りの４名をステップＳ１０４で抽出した紹介ユーザ候補から選択する。このとき、類似度が一定値以上のユーザ（ユーザＤ乃至ユーザＮの中の何れかのユーザ）の中から、紹介先ユーザとしてのユーザＡを注目しているユーザを選択し、類似度が高い順に紹介ユーザとして抽出する。

尚、紹介先ユーザとしてのユーザＡを注目しているか否かを考慮せずに、類似度が高い順に残りの４名を紹介ユーザとして抽出してもよい。

続いて、紹介支援装置１はステップＳ１０６において、紹介ユーザをユーザＡに紹介する処理を実行する。この処理は、図５のステップＳ１０６と同様の処理である。

＜５．変形例＞

［５−１．変形例１］
図５及び図８において、ステップＳ１０１乃至ステップＳ１０５（ステップＳ４０１，Ｓ４０２を含む）の各処理を、事前にバッチ処理などの形で実行しておいてもよい。
即ち、ユーザが紹介サービスを受けたいと考え、相応の操作を行った際には、紹介支援装置１はステップＳ１０６の処理のみを実行する。
こうすることにより、例えば、紹介サービスを受けるためのウェブページ上に「紹介を受ける」などのボタンが提供されており、ユーザが当該ボタンを押下したときなどに、紹介支援装置１が行う処理負担を軽減され、ユーザに対して速やかに紹介ユーザを提示することができる。
尚、この場合、紹介ユーザの中に退会済みのユーザが含まれている可能性があるため、ボタンの押下に応じて、先ずは全ての紹介ユーザが退会していないことを確認する処理を実行してもよい。退会済みのユーザが含まれている場合、紹介支援装置１は図５や図８の一連の処理を実行する。

［５−２．変形例２］
推薦度の情報をユーザＤＢ５０などに記憶する場合、全てのユーザの推薦度を記憶しなくてもよい。例えば、ユーザＡの紹介ユーザを抽出するにあたって、推薦度が高い上位２０名の推薦度を記憶しておいてもよい。この場合、図５や図８の一連の処理を実行するたびに上位２０名が再び抽出されて、推薦度が新たに記憶される。
これにより、ＤＢの記憶領域の浪費を抑制することができ、情報処理装置の資源の効率利用を図ることができる。

＜６．まとめ＞

上述した紹介支援装置１は、特定のユーザ（ユーザＡ）に対する他のユーザからの注目状況を管理する注目状況管理部１ａと、注目状況を用いて、他のユーザの少なくとも一部を特定のユーザに紹介する紹介ユーザとして抽出するユーザ抽出部１ｂと、ユーザ抽出部１ｂが抽出した紹介ユーザを特定のユーザに紹介するユーザ紹介部１ｃと、を備えている。
ユーザのプロフィールなどの静的な情報に基づく紹介を行うだけでなく、特定のユーザに対する他のユーザの注目状況という動的な情報に基づく紹介を行うことが可能となる。
従って、紹介するユーザと紹介されるユーザの双方にとって、適切なマッチングを行うことが可能となる。
また、効果の薄い紹介を抑制することで、処理に用いられる情報処理装置（紹介支援装置１）の資源の無駄遣いを防止する効果を得ることもできる。
尚、ユーザを他のユーザに紹介する場合、もっと簡潔な方法も考えられる。例えば、ユーザＢがユーザＡをお気に入りに登録する操作を行った場合、ユーザＡに対してユーザＢがお気に入り操作を行ったことを通知し、双方のコミュニケーションを図らせることが考えられる。
しかし、この方法を用いると、ユーザＡに対して大量のユーザが紹介されてしまう可能性がある。この場合、ユーザＡは誰を対象としてコミュニケーションを図ればよいのか、迷ってしまい、本来コミュニケーションを取るべきユーザとのコミュニケーションがおろそかになってしまう可能性がある。
そこで、実施の形態においては、一ヶ月に紹介する人数が決まっている紹介システムを例に挙げた。紹介数を限定することによって、個人情報が無闇に拡散してしまうことを防止する。また、紹介数が増えてしまうと、一人の相手に掛ける時間が増えてしまい、コミュニケーションが希薄になってしまうことを防止することができる。

第２の実施の形態で説明したように、特定のユーザ（ユーザＡ）が注目しているユーザを注目ユーザとしたときに、注目ユーザが特定のユーザを注目していない場合において、ユーザ抽出部１ｂは、注目ユーザの属性と注目ユーザ以外のユーザの属性の類似度に基づいてユーザを抽出して紹介ユーザ候補とすると共に、紹介ユーザ候補のうちから紹介ユーザを抽出する。
これにより、特定のユーザに推薦するユーザとして、特定のユーザが注目しているユーザと類似している他ユーザが推薦されやすくなる。
従って、適切なマッチングが行われる可能性を高めることができる。

第２の実施の形態で説明したように、ユーザ抽出部１ｂは、紹介ユーザ候補のうちで特定のユーザを注目しているユーザを紹介ユーザとして抽出する。
特定のユーザが注目しているユーザと類似しているユーザは、特定のユーザの興味を引く可能性が高い。更に、そのユーザが特定のユーザを注目している場合、紹介後のコミュニケーションが円滑に進む可能性が高い。
この構成によれば、相性のよいユーザが特定のユーザに紹介されやすくすることが可能となる。

上述したように、紹介支援装置１は、注目状況を段階的に表す注目度指数を算出する注目度指数算出部１ｄを備え、注目状況管理部１ａは、注目度指数を注目状況として管理する。
これにより、注目状況が定量化されるため、注目状況を管理しやすくできると共に、人物抽出を容易に行うことができる。

ステップＳ１０１の注目度指数算出処理で説明したように、注目度指数算出部１ｄは、注目状況に関する入力操作を受け付けた時間情報を注目度指数の算出に用いる。
注目状況が変化した直後は、対象ユーザへの関心が非常に高いことが推測される。特に注目度がより増加した場合に、当該注目度の増したユーザの注目度指数が高く算出されることにより、特定のユーザ（ユーザＡ）に興味のあるユーザを特定ユーザに紹介することができる。

ステップＳ１０４の推薦度算出処理や、図５，図６の各処理で説明したように、ユーザ抽出部１ｂは、注目状況を含む複数の指標を用いて特定のユーザ（ユーザＡ）に対する推薦度を他のユーザごとに算出し、推薦度に基づいて紹介ユーザを抽出する。
これにより、特定のユーザに紹介するか否かを決めるための指標（推薦度）が他のユーザごとに定量的に数値化されるため、抽出処理を容易に行うことができる。

推薦度算出処理の第１例で説明したように、特定のユーザ（ユーザＡ）を注目している他のユーザを注目元ユーザとして判定する１ｅ注目判定部と、注目元ユーザの人数を特定のユーザの被注目人数として算出する被注目人数算出部１ｆを備え、推薦度は、特定のユーザの被注目人数に応じて注目状況の重み付けを変えて算出する。
被注目人数が多い特定のユーザは、多くのユーザから注目されていることになる。そのため、他の属性や情報に基づいて、その中から紹介ユーザを絞り込むことが考えられる。この場合、推薦度算出に用いる複数の指標の中における被注目人数の情報（即ち注目状況としての情報）の重み付けを減少させる。
一方、被注目人数が少ない特定のユーザは、少しのユーザから注目されていることになる。そのため、他の属性や情報に基づいて、その中から紹介ユーザを絞り込む必要性が少ない。この場合、推薦度算出に用いる複数の指標の中で注目状況の情報を重視する。換言すれば、注目状況以外の指標を用いて絞り込むことを抑制する。
これにより、特定のユーザがどの程度他のユーザから注目されているかに応じて、適切な紹介ユーザの抽出が可能となる。

推薦度算出処理の第２例で説明したように、特定のユーザ（ユーザＡ）を注目している他のユーザを注目元ユーザとして判定する注目判定部１ｅと、注目元ユーザが注目しているユーザの人数を注目元ユーザの注目人数として注目元ユーザごとに取得する注目元注目人数取得部１ｈを備え、推薦度は、注目元ユーザの注目人数に応じて注目状況の重み付けを変えて算出する。
特定のユーザを注目しているユーザ（注目元ユーザ）の中でも、注目人数が多いユーザと注目人数が少ないユーザとでは、特定のユーザに対する関心の度合いが異なることが推測される。このような場合に、注目人数が少ないユーザ（注目元ユーザ）に対しては、複数の指標の中で注目状況の情報を重視して推薦度を算出する。
これにより、あるユーザが注目している複数のユーザの中で、特定のユーザに対する注目がどの程度であるのかが推測されるため、適切な紹介ユーザの抽出が可能となる。

＜７．プログラム及び記憶媒体＞

以上、本発明の情報処理装置の実施の形態としての紹介支援装置１を説明してきたが、実施の形態のプログラムは、紹介支援装置１における処理を情報処理装置（ＣＰＵ等）に実行させるプログラムである。

実施の形態のプログラムは、特定のユーザに対する他のユーザからの注目状況を管理する注目状況管理手順を情報処理装置に実行させる。
また、前記注目状況を用いて、前記他のユーザの少なくとも一部を前記特定のユーザに紹介する紹介ユーザとして抽出する紹介ユーザ抽出処理手順を情報処理装置に実行させる。
更に、前記紹介ユーザ抽出処理手順において抽出した前記紹介ユーザを前記特定のユーザに紹介する紹介処理手順を情報処理装置に実行させる。
即ちこのプログラムは、紹介支援装置１に対して図５乃至図８に示した各処理を実行させるプログラムである。

このようなプログラムにより、上述した紹介支援装置１としての情報処理装置を実現できる。
そしてこのようなプログラムはコンピュータ装置等の機器に内蔵されている記録媒体としてのＨＤＤや、ＣＰＵを有するマイクロコンピュータ内のＲＯＭ等に予め記録しておくことができる。或いはまた、半導体メモリ、メモリカード、光ディスク、光磁気ディスク、磁気ディスクなどのリムーバブル記録媒体に、一時的或いは永続的に格納（記録）しておくことができる。またこのようなリムーバブル記録媒体は、いわゆるパッケージソフトウェアとして提供することができる。
また、このようなプログラムは、リムーバブル記録媒体からパーソナルコンピュータ等にインストールする他、ダウンロードサイトから、ＬＡＮ、インターネットなどのネットワークを介してダウンロードすることもできる。

１ 紹介支援装置、１ａ 注目状況管理部、１ｂ ユーザ抽出部、１ｃ ユーザ紹介部、１ｄ 注目度指数算出部、１ｅ 注目判定部、１ｆ 被注目人数算出部、１ｇ 注目人数算出部、１ｈ 注目元注目人数取得部、２ 通信ネットワーク、３ 紹介先ユーザ端末、４ 紹介ユーザ端末、５０ ユーザＤＢ、５１ 注目状況ＤＢ、５２ 操作ログＤＢ

Claims (8)

1. 特定のユーザに対する他のユーザからの注目状況を管理する注目状況管理部と、
   前記特定のユーザを注目している前記他のユーザを注目元ユーザとして判定する注目判定部と、
   前記注目状況を含む複数の指標を用いて前記特定のユーザに対する推薦度を前記他のユーザごとに算出し、前記推薦度に基づいて前記他のユーザの少なくとも一部を前記特定のユーザに紹介する紹介ユーザとして抽出するユーザ抽出部と、
   前記ユーザ抽出部が抽出した前記紹介ユーザを前記特定のユーザに紹介するユーザ紹介部と、を備え、
   前記注目元ユーザの人数としての被注目人数、または、前記注目元ユーザが注目しているユーザの人数である前記注目元ユーザの注目人数に応じて前記注目状況の重み付けを変えて前記推薦度を算出する
   情報処理装置。
2. 前記特定のユーザが注目しているユーザを注目ユーザとしたときに、
   前記注目ユーザが前記注目元ユーザでない場合において、
   前記ユーザ抽出部は、前記注目ユーザの属性と前記注目ユーザ以外のユーザの属性の類似度に基づいてユーザを抽出して紹介ユーザ候補とすると共に、前記紹介ユーザ候補のうちから前記紹介ユーザを抽出する
   請求項１に記載の情報処理装置。
3. 前記ユーザ抽出部は、前記紹介ユーザ候補のうちで前記注目元ユーザを前記紹介ユーザとして抽出する
   請求項２に記載の情報処理装置。
4. 前記注目状況を段階的に表す注目度指数を算出する注目度指数算出部を備え、
   前記注目状況管理部は、前記注目度指数を前記注目状況として管理する
   請求項１に記載の情報処理装置。
5. 前記注目度指数算出部は、前記注目状況に関する入力操作を受け付けた時間情報を前記注目度指数の算出に用いる
   請求項４に記載の情報処理装置。
6. 特定のユーザに対する他のユーザからの注目状況を管理する注目状況管理ステップと、
   前記特定のユーザを注目している前記他のユーザを注目元ユーザとして判定する注目判定ステップと、
   前記注目状況を含む複数の指標を用いて前記特定のユーザに対する推薦度を前記他のユーザごとに算出し、前記推薦度に基づいて前記他のユーザの少なくとも一部を前記特定のユーザに紹介する紹介ユーザとして抽出する紹介ユーザ抽出処理ステップと、
   前記紹介ユーザ抽出処理ステップが抽出した前記紹介ユーザを前記特定のユーザに紹介する紹介処理ステップと、を情報処理装置に実行させる情報処理方法であって、
   前記紹介ユーザ抽出処理ステップでは、前記注目元ユーザの人数としての被注目人数、または、前記注目元ユーザが注目しているユーザの人数である前記注目元ユーザの注目人数に応じて前記注目状況の重み付けを変えて前記推薦度を算出する
   情報処理方法。
7. 特定のユーザに対する他のユーザからの注目状況を管理する注目状況管理手順と、
   前記特定のユーザを注目している前記他のユーザを注目元ユーザとして判定する注目判定手順と、
   前記注目状況を含む複数の指標を用いて前記特定のユーザに対する推薦度を前記他のユーザごとに算出し、前記推薦度に基づいて前記他のユーザの少なくとも一部を前記特定のユーザに紹介する紹介ユーザとして抽出する紹介ユーザ抽出処理手順と、
   前記紹介ユーザ抽出処理手順において抽出した前記紹介ユーザを前記特定のユーザに紹介する紹介処理手順と、を情報処理装置に実行させるプログラムであって、
   前記紹介ユーザ抽出処理手順では、前記注目元ユーザの人数としての被注目人数、または、前記注目元ユーザが注目しているユーザの人数である前記注目元ユーザの注目人数に応じて前記注目状況の重み付けを変えて前記推薦度を算出する
   プログラム。
8. 特定のユーザに対する他のユーザからの注目状況を管理する注目状況管理手順と、
   前記特定のユーザを注目している前記他のユーザを注目元ユーザとして判定する注目判定手順と、
   前記注目状況を含む複数の指標を用いて前記特定のユーザに対する推薦度を前記他のユーザごとに算出し、前記推薦度に基づいて前記他のユーザの少なくとも一部を前記特定のユーザに紹介する紹介ユーザとして抽出する紹介ユーザ抽出処理手順と、
   前記紹介ユーザ抽出処理手順において抽出した前記紹介ユーザを前記特定のユーザに紹介する紹介処理手順と、を情報処理装置に実行させるプログラムを記憶した記憶媒体であって、
   前記紹介ユーザ抽出処理手順では、前記注目元ユーザの人数としての被注目人数、または、前記注目元ユーザが注目しているユーザの人数である前記注目元ユーザの注目人数に応じて前記注目状況の重み付けを変えて前記推薦度を算出する
   プログラムを記憶した記憶媒体。

Images