JP6059597B2 - コンテンツ検索結果提供装置、コンテンツ検索結果提供方法、及びコンテンツ検索結果提供システム - Google Patents

Description

本発明は、コンテンツ検索結果提供装置、コンテンツ検索結果提供方法、及びコンテンツ検索結果提供システムに関する。

従来から、過去の購買履歴に基づいて、利用者が購入すると考えられる情報をレコメンド情報として出力表示する技術がある（例えば、特許文献１参照）。特許文献１に記載の技術では、レコメンド情報を表示する際、各種表示条件（例えば、顧客の購入価格帯）に基づいた表示順でレコメンド情報を出力表示する。

特開２０１１−４８６６７号公報

ところで、特許文献１では、レコメンド情報の表示順を決定する方法について記載されているが、ある検索クエリにより検索されたコンテンツと、過去の検索履歴に基づいたレコメンド情報とを組み合わせて表示することについては考慮されていない。

そのため、ある検索クエリにより検索されたコンテンツと、過去の検索履歴に基づいたレコメンド情報とを組み合わせて表示する場合、画一的な表示条件で、レコメンド情報と、検索クエリにより検索されたコンテンツとを表示しても、必ずしもユーザにとって適切な検索結果を提供することができない。

そこで、本発明においては、上記の課題を解決するために、ある検索クエリにより検索されたコンテンツと、レコメンド情報とを利用者にとって適切な検索結果を提供するコンテンツ検索結果提供装置、コンテンツ検索結果提供方法、及びコンテンツ検索結果提供システムを提供することを目的とする。

本発明に係るコンテンツ検索結果提供装置は、過去の検索クエリと、ユーザが選択したコンテンツとを関連づけた情報であるコンテンツ履歴情報を記憶するコンテンツ履歴情報記憶手段と、検索要求時の検索クエリと、コンテンツ履歴情報とに基づいて、レコメンド取得対象となるコンテンツであるレコメンド取得対象コンテンツを決定するレコメンド取得対象コンテンツ決定手段と、レコメンド取得対象コンテンツに関連するコンテンツである関連コンテンツを特定するための検索結果である関連コンテンツ検索結果を取得する関連コンテンツ検索結果取得手段と、検索要求時の検索クエリに対応するコンテンツの検索結果である検索クエリ検索結果を取得する検索クエリ検索結果取得手段と、ユーザのコンテンツ選択傾向に関するパラメータである選択傾向パラメータをコンテンツ履歴情報に基づいて算出するパラメータ算出手段と、関連コンテンツ検索結果におけるそれぞれの関連コンテンツの評価値である関連コンテンツ評価値と、検索クエリ検索結果におけるそれぞれのコンテンツの評価値である検索結果評価値と、を算出するとともに、選択傾向パラメータと、検索クエリ検索結果におけるそれぞれのコンテンツの属性に関する情報とに基づいた評価値である選択傾向評価値を算出する評価手段と、関連コンテンツ評価値と検索結果評価値と選択傾向評価値とに基づいて、検索結果として出力するコンテンツの優先度を決定し、関連コンテンツ検索結果と、検索クエリ検索結果とに基づいた検索結果を出力する出力手段と、を備える。

また、本発明に係るコンテンツ結果出力方法は、過去の検索クエリと、ユーザが選択したコンテンツとを関連づけた情報であるコンテンツ履歴情報を記憶するコンテンツ履歴情報記憶手段を備える装置におけるコンテンツ検索結果提供方法であって、検索要求時の検索クエリと、前記コンテンツ履歴情報とに基づいて、レコメンド取得対象となるコンテンツであるレコメンド取得対象コンテンツを決定するレコメンド取得対象コンテンツ決定ステップと、レコメンド取得対象コンテンツに関連するコンテンツである関連コンテンツを特定するための検索結果である関連コンテンツ検索結果を取得する関連コンテンツ検索結果取得ステップと、検索要求時の検索クエリに対応するコンテンツの検索結果である検索クエリ検索結果を取得する検索クエリ検索結果取得ステップと、ユーザのコンテンツ選択傾向に関するパラメータである選択傾向パラメータを前記コンテンツ履歴情報に基づいて算出するパラメータ算出ステップと、関連コンテンツ検索結果におけるそれぞれの関連コンテンツの評価値である関連コンテンツ評価値と、検索クエリ検索結果におけるそれぞれのコンテンツの評価値である検索結果評価値と、を算出するとともに、選択傾向パラメータと、検索クエリ検索結果におけるそれぞれのコンテンツの属性に関する情報とに基づいた評価値である選択傾向評価値を算出する評価ステップと、関連コンテンツ評価値と前記検索結果評価値と選択傾向評価値とに基づいて、検索結果として出力するコンテンツの優先度を決定し、関連コンテンツ検索結果と、検索クエリ検索結果とに基づいた検索結果を出力する出力ステップと、を含む。

このようなコンテンツ検索結果提供装置及びコンテンツ検索結果提供方法によれば、関連コンテンツ評価値と検索結果評価値とに加えて、選択傾向評価値も加味してコンテンツの優先度を決定するため、ある検索クエリにより検索されたコンテンツと、過去の検索履歴に基づいたレコメンド情報とを考慮して検索結果を提供する場合に、利用者の過去の選択傾向も考慮した検索結果を提供できるため、利用者にとって適切な優先度を持った検索結果を提供することができる。

本発明に係るコンテンツ検索結果提供装置では、パラメータ算出手段は、選択傾向パラメータとして、ユーザが選択したコンテンツの金額に関するパラメータである金額パラメータをコンテンツ履歴情報に基づいて算出し、評価手段は、金額パラメータと、検索クエリ検索結果におけるそれぞれのコンテンツの金額に関する情報とに基づいた評価値である金額評価値を選択傾向評価値として算出してもよい。

この発明によれば、コンテンツ検索結果提供装置では、利用者の過去の選択したコンテンツの金額を考慮した検索結果を提供できるため、利用者にとって適切な優先度を持った検索結果を提供することができる。

本発明に係るコンテンツ検索結果提供装置では、パラメータ算出手段は、コンテンツ履歴情報に基づいて、各ユーザが選択したコンテンツの平均金額を算出し、ユーザが選択したコンテンツの金額と、平均金額とに基づいて金額パラメータを算出するようにしてもよい。

この発明によれば、コンテンツ検索結果提供装置は、ユーザが選択したコンテンツの金額と、平均金額とに基づいて金額パラメータを算出するため、他のユーザの利用状況も加味した金額パラメータを算出することができる。

また、本発明に係るコンテンツ検索結果提供装置では、パラメータ算出手段は、選択傾向パラメータとして、ユーザのコンテンツの選択頻度に関するパラメータである選択頻度パラメータをコンテンツ履歴情報に基づいて算出し、評価手段は、選択頻度パラメータと、検索クエリ検索結果におけるそれぞれのコンテンツの新しさに関する情報とに基づいた評価値である新着度評価値を選択傾向評価値として算出してもよい。

この発明によれば、コンテンツ検索結果提供装置は、利用者の過去におけるコンテンツの選択頻度を考慮した検索結果を提供できるため、利用者にとって適切な優先度を持った検索結果を提供することができる。

また、本発明に係るコンテンツ検索結果提供装置では、パラメータ算出手段は、コンテンツ履歴情報に基づいて、各ユーザの平均選択頻度を算出し、ユーザのコンテンツの選択頻度と、平均選択頻度とに基づいて選択頻度パラメータを算出するようにしてもよい。

この発明によれば、コンテンツ検索結果提供装置は、ユーザの選択頻度と、平均選択頻度とに基づいて選択頻度パラメータを算出するため、他のユーザの利用状況も加味した選択頻度パラメータを算出することができる。

また、本発明に係るコンテンツ検索結果提供装置では、選択傾向パラメータとして、第１の選択傾向パラメータと第２の選択傾向パラメータがあり、選択傾向評価値として、第１の選択傾向評価値と、第２の選択傾向評価値とがあり、パラメータ算出手段は、
第１の選択傾向評価値として、ユーザが選択したコンテンツの金額に関するパラメータである金額パラメータをコンテンツ履歴情報に基づいて算出し、第２の選択傾向評価値として、ユーザのコンテンツの選択頻度に関するパラメータである選択頻度パラメータをコンテンツ履歴情報に基づいて算出し、評価手段は、第１の選択傾向評価値として、金額パラメータと、検索クエリ検索結果におけるそれぞれのコンテンツの金額に関する情報とに基づいた評価値である金額評価値を算出し、第２の選択傾向評価値として、選択頻度パラメータと、検索クエリ検索結果におけるそれぞれのコンテンツの新しさに関する情報とに基づいた評価値である新着度評価値を算出してもよい。

この発明によれば、コンテンツ検索結果提供装置は、利用者の過去の選択したコンテンツの金額と、利用者の過去のコンテンツの選択頻度とを考慮した検索結果を提供できるため、利用者にとって適切な優先度を持った検索結果を提供することができる。

また、本発明に係るコンテンツ検索結果提供装置では、検索クエリ検索結果におけるそれぞれのコンテンツの金額に関する情報及び検索クエリ検索結果におけるそれぞれのコンテンツの新しさに関する情報は、検索クエリ検索結果におけるそれぞれのコンテンツの順位情報を用いた情報としてもよい。

この発明によれば、コンテンツ検索結果提供装置は、各評価値を、検索したコンテンツ内における各コンテンツの順位情報を用いて算出するため、正規化した状態で評価値を算出することができる。

また、本発明に係るコンテンツ検索結果提供システムでは、コンテンツ検索結果提供装置と、コンテンツ検索結果提供装置からの要求に応じて検索されて生成された検索結果をコンテンツ検索結果提供装置へ送信する検索結果出力装置と、コンテンツ検索結果提供装置からの要求に応じてレコメンド取得対象コンテンツに対応するレコメンド情報をコンテンツ検索結果提供装置へ送信するレコメンド情報出力装置とを含む。

本発明によれば、ある検索クエリにより検索されたコンテンツと、過去の検索履歴に基づいたレコメンド情報とを考慮して検索結果を提供する場合に、利用者にとって適切な優先度を持った検索結果を提供することが可能となる。

本実施形態の情報システム構成図である。 本実施形態の情報配信サーバ２００の機能を示すブロック図である。 情報配信サーバ２００のハードウェア構成図である。 コンテンツ履歴情報のデータ構造を示す図である。 コンテンツメタデータ記憶部２０２が管理している情報のデータ構造を示す図である。 あるユーザのコンテンツ履歴情報の統計結果を示す図である。 本実施形態のレコメンドサーバ３００の機能を示すブロック図である。 本実施形態の検索サーバ４００の機能を示すブロック図である。 本実施形態のユーザ端末１００の機能を示すブロック図である。 本実施形態の人気ランキング生成サーバ５００の機能を示すブロック図である。 本実施形態のシーケンス図である。 レコメンド取得対象コンテンツＩＤ検索の詳細処理のフローチャートである。 コンテンツ評価計算の詳細処理のフローチャートである。 コンテンツ履歴情報の集計結果を示す図である。 コンテンツ履歴情報の統計結果を示す図である。 各パラメータの算出結果を示す図である。 各パラメータに対応するコンテンツ要素を説明するための図である。 各コンテンツの順位を示す図である。 評価値の一例を示す図である。 本実施形態による効果を示す図である。 他の実施形態による人気度算出方法を説明するための図である。

以下、図面を参照しながら、本発明に係る実施形態を説明する。可能な場合には、同一の部分には同一の符号を付して、重複する説明を省略する。

（情報処理システムの構成）
図１に示すように、情報処理システムは、情報配信サーバ２００（コンテンツ検索結果提供装置）、レコメンドサーバ３００（レコメンド情報出力装置）、検索サーバ４００（検索結果出力装置）、人気ランキング生成サーバ５００から構成される。携帯電話等のユーザ端末１００は、ネットワークを介して情報配信サーバ２００と接続している。

情報配信サーバ２００は、ユーザ端末１００から検索クエリを受信すると共に、検索要求を受け付けると、過去の検索クエリに基づいて検索された結果から選択されたコンテンツの情報を用いて、当該検索クエリと関連性のあるコンテンツを決定し、当該コンテンツに関連するコンテンツ、及び検索クエリに対応するコンテンツをユーザ端末１００へ提供する。なお、ここでいう選択とは、予め定められた選択手段（リンク、ボタン等）に対する選択を意味し、閲覧を意味する選択（例えば、コンテンツ詳細情報のリンク選択等）だけでなく、購入を目的とする選択（例えば、コンテンツ購入用のリンク選択等）も含む。また、ここでコンテンツとは、コンテンツの内容だけでなく、コンテンツの識別情報も含む。

図２は、本実施形態の情報配信サーバ２００の機能構成を示すブロック図である。図２に示されるように、情報配信サーバ２００は、コンテンツ履歴情報記憶部２０１（コンテンツ履歴情報記憶手段）、コンテンツメタデータ記憶部２０２（コンテンツメタデータ記憶手段）、検索要求受付部２０３、レコメンド取得対象コンテンツ決定部２０４（レコメンド取得対象コンテンツ決定手段）、関連コンテンツ取得部２０５（関連コンテンツ検索結果取得手段）、クエリ検索結果取得部２０６（検索クエリ検索結果取得手段）、人気ランキング取得部２０７（人気度情報取得手段）、パラメータ算出部２０８（パラメータ算出手段）、コンテンツ評価部２０９（評価手段）、及びコンテンツ検索結果出力部２１０（出力手段）を含んで構成されている。

図３は、情報配信サーバ２００のハードウェア構成図である。図１に示される情報配信サーバ２００は、物理的には、図３に示すように、１又は複数のＣＰＵ１１、主記憶装置であるＲＡＭ１２及びＲＯＭ１３、入力デバイスであるキーボード及びマウス等の入力装置１４、ディスプレイ等の出力装置１５、ネットワークカード等のデータ送受信デバイスである通信モジュール１６、半導体メモリ等の補助記憶装置１７などを含むコンピュータシステムとして構成されている。図２における各機能は、図３に示すＣＰＵ１１、ＲＡＭ１２等のハードウェア上に所定のコンピュータソフトウェアを読み込ませることにより、ＣＰＵ１１の制御のもとで入力装置１４、出力装置１５、通信モジュール１６を動作させるとともに、ＲＡＭ１２や補助記憶装置１７におけるデータの読み出し及び書き込みを行うことで実現される。以下、図２に示す機能ブロックに基づいて、各機能ブロックを説明する。

コンテンツ履歴情報記憶部２０１は、過去の検索クエリと、当該過去の検索クエリに基づいた検索結果から選択されたコンテンツとを対応付けた情報であるコンテンツ履歴情報を記憶するデータベースである。

図４は、コンテンツ履歴情報の記憶内容を示す説明図である。図４に示すように、コンテンツ履歴情報は、ユーザＩＤ、クエリ、各クエリにおける選択回数、選択されたコンテンツＩＤ、レコードＩＤ、選択時の日時、及びコンテンツ料を含む。

図４では、例えば、ユーザＩＤが「Ｕｓｅｒ１」のユーザ端末１００がクエリ「コミック」で検索要求し、その検索結果から「コミックＡ（無料お試し版）」が、２０１３年３月７日に選択されたことを示している。コンテンツ料が０円であるので、このコンテンツは、無料であることを示している。また、各クエリにおける選択回数は、同一ユーザ且つ同一クエリにより検索されたコンテンツが選択された回数を意味する。レコードＩＤは、同一ユーザにおけるコンテンツ履歴情報のＩＤを意味する。

コンテンツメタデータ記憶部２０２は、コンテンツと当該コンテンツのメタデータとを関連付けた情報（コンテンツメタデータ）を記憶するデータベースである。

図５は、コンテンツメタデータの記憶内容を示す説明図である。図５に示すように、コンテンツメタデータは、コンテンツＩＤ、及びメタデータを含む。ここでメタデータとは、データ検索用の情報（例えば、コンテンツの属性情報等）を意味する。図５に示すように、メタデータとして、商品詳細、価格、及び新着発売後経過日数の情報を含む。

図５では、例えば、コンテンツＩＤ「コミックＡ（カラー版）」の商品詳細が「学校の問題児、○○○は今日もイタズラ三昧！！そんな○○○のでっかい夢は歴代の勇者、△△の名を受けついで・・・」であり、価格が４２０円であり、新着発売後経過日数が２日であることを示している。なお、情報配信サーバ２００は、新着発売後経過日数の情報の代わりに発売日の情報を保持して、所定のタイミングで当該発売日の情報を用いて、新着発売後経過日数を算出するようにしてもよい。

図２に戻り、検索要求受付部２０３は、ユーザ端末１００から、ユーザＩＤ及び検索クエリを取得すると共にコンテンツの検索要求を受け付ける。

レコメンド取得対象コンテンツ決定部２０４は、検索要求時の検索クエリと、コンテンツ履歴情報記憶部２０１が記憶しているコンテンツ履歴情報とに基づいて、レコメンド取得対象となるコンテンツであるレコメンド取得対象コンテンツを決定する。

具体的に、レコメンド取得対象コンテンツ決定部２０４は、コンテンツ履歴情報を参照して、検索要求時の検索クエリに対応するコンテンツをレコメンド取得対象コンテンツに決定する。また、レコメンド取得対象コンテンツ決定部２０４は、検索要求時の検索クエリに対応する過去の検索クエリが無い場合（すなわち、検索要求時の検索クエリに対応するコンテンツが無い場合）は、コンテンツ履歴情報のコンテンツの内、検索要求時の検索クエリとメタデータに基づいてレコメンド取得対象コンテンツを決定する。そして、レコメンド取得対象コンテンツ決定部２０４は、コンテンツ履歴情報のコンテンツの内、検索要求時の検索クエリに基づいたメタデータが無い場合、最新のコンテンツ履歴情報のコンテンツをレコメンド取得対象コンテンツに決定する。なお、検索要求時の検索クエリに対応する過去の検索クエリには、検索要求時の検索クエリに完全一致する過去の検索クエリだけでなく、部分一致する過去の検索クエリも含む。

関連コンテンツ取得部２０５は、レコメンド取得対象コンテンツ決定部２０４が決定したレコメンド取得対象コンテンツをレコメンドサーバ３００へ通知すると共に、関連コンテンツの取得要求を行い、レコメンドサーバ３００から関連コンテンツを第１の検索結果として取得する。ここで、関連コンテンツとは、レコメンド取得対象コンテンツに類似するコンテンツ（例えば、メタデータが共通しているコンテンツ）をいう。

クエリ検索結果取得部２０６は、検索クエリを検索サーバ４００へ通知すると共に、当該検索クエリに対応するコンテンツを第２の検索結果として検索サーバ４００から取得する。

人気ランキング取得部２０７は、人気ランキング生成サーバ５００からコンテンツの人気度情報を取得する。ここで、人気度情報とは、各コンテンツの人気度合いを示す情報である。人気度は、選択された回数に基づいて定められる。

パラメータ算出部２０８は、コンテンツ履歴情報に基づいたパラメータを算出する。具体的には、ユーザ端末１００のコンテンツ利用金額に関するパラメータである利用金額パラメータ、ユーザ端末１００のログ数に関するパラメータであるログ数パラメータ、ユーザ端末１００のコンテンツの選択頻度に関するパラメータである選択頻度パラメータを算出する。

パラメータ算出部２０８は、図６に示すような、利用金額と、ログ数と、選択頻度の情報とを用いて上述の各パラメータを算出する。パラメータ算出部２０８は、所定期間（例えば、直近１週間）のコンテンツ履歴情報を抽出し、抽出したコンテンツ履歴情報の件数からログ数を算出する。そして、パラメータ算出部２０８は、抽出したコンテンツ履歴情報のコンテンツ料の合計により利用金額を算出する。そして、パラメータ算出部２０８は、抽出した情報の件数を日数である７で割ることにより、１日当たりのコンテンツの選択頻度を算出する。

図６の例では、ユーザ「Ｕｓｅｒ１」における利用金額が１０５０円であり、ログ数が２５レコードであり、選択頻度が１日あたり３．５７件であることを示している。上述のパラメータを算出する具体的な方法については、後述する。

コンテンツ評価部２０９は、関連コンテンツ取得部２０５が取得した関連コンテンツの評価値と、クエリ検索結果取得部２０６が取得したコンテンツの評価値と、人気ランキング取得部２０７が取得した人気度情報に基づいた評価値等の各種評価値を算出する。

コンテンツ検索結果出力部２１０は、コンテンツ評価部２０９が評価した結果に基づいて、コンテンツ結果を生成し、当該コンテンツ検索結果をユーザ端末１００へ出力する。

（レコメンドサーバ）
次に、レコメンドサーバ３００について説明する。図７は、レコメンドサーバ３００の機能構成を示すブロック図である。図７に示すとおり、レコメンドサーバ３００は、レコメンド取得対象コンテンツ取得部３０１、関連コンテンツ計算部３０２、及び関連コンテンツ送信部３０３を含んで構成されている。このレコメンドサーバ３００は、１又は複数のＣＰＵ、ＲＡＭ、ＲＯＭなどのハードウェアにより構成されており、記憶されているプログラムにしたがってＣＰＵは動作するよう構成されている。具体的には、情報配信サーバ２００と同様の構成をとるものであって、図３に示されるハードウェア構成により実現される。以下、各構成について説明する。

レコメンド取得対象コンテンツ取得部３０１は、情報配信サーバ２００からレコメンド取得対象コンテンツを取得するものである。

関連コンテンツ計算部３０２は、レコメンド取得対象コンテンツ取得部３０１が取得したレコメンド取得対象コンテンツに関連するコンテンツを、図示しないコンテンツのデータベースから検索し、計算することにより関連コンテンツを決定する。例えば、関連コンテンツ計算部３０２は、レコメンド取得対象コンテンツのメタデータと同一のメタデータを有するコンテンツを関連コンテンツとする。

関連コンテンツ送信部３０３は、関連コンテンツ計算部３０２が計算した結果により定められた関連コンテンツ及び各関連コンテンツの順位情報を情報配信サーバ２００へ送信する。

（検索サーバ）
次に、検索サーバ４００について説明する。図８は、検索サーバ４００の機能構成を示すブロック図である。図８に示すとおり、検索サーバ４００は、クエリ取得部４０１、コンテンツ計算部４０２、及びクエリ検索結果コンテンツ送信部４０３を含んで構成されている。この検索サーバ４００は、１又は複数のＣＰＵ、ＲＡＭ、ＲＯＭなどのハードウェアにより構成されており、記憶されているプログラムにしたがってＣＰＵは動作するよう構成されている。具体的には、情報配信サーバ２００と同様の構成をとるものであって、図３に示されるハードウェア構成により実現される。以下、各構成について説明する。

クエリ取得部４０１は、情報配信サーバ２００から検索クエリを取得するものである。

コンテンツ計算部４０２は、クエリ取得部４０１が取得した検索クエリに対応するコンテンツを、図示しないコンテンツのデータベースから検索して、送信対象となるコンテンツを決定する。具体的には、コンテンツ計算部４０２は、コンテンツのデータベースから検索したそれぞれのコンテンツに対して計算処理をした結果に基づいて情報配信サーバ２００へ送信する対象となるコンテンツを決定する。上記計算処理の具体例として、コンテンツ計算部４０２は、検索クエリに対応するコンテンツについて、当該検索クエリに対応するメタデータ数等を計算する。

クエリ検索結果コンテンツ送信部４０３は、コンテンツ計算部４０２が計算した結果定めたコンテンツ及び各コンテンツの順位情報を情報配信サーバ２００へ送信する。

（ユーザ端末）
次に、ユーザ端末１００について説明する。図９は、ユーザ端末１００の機能構成を示すブロック図である。図９に示すとおり、ユーザ端末１００は、ブラウザ１０１、レコメンド要求送信部１０２、及び配信情報表示部１０３を含んで構成されている。このユーザ端末１００は、１又は複数のＣＰＵ、ＲＡＭ、ＲＯＭなどのハードウェアにより構成されており、記憶されているプログラムにしたがってＣＰＵは動作するよう構成されている。具体的には、情報配信サーバ２００と同様の構成をとるものであって、図３に示されるハードウェア構成により実現される。以下、各構成について説明する。

ブラウザ１０１は、インターネットに接続するためのアプリケーション部分であり、インターネット上に配置されているサイトに対してアクセスし、サイトに保持されているコンテンツをユーザに閲覧可能にさせるものである。

レコメンド要求送信部１０２は、図示しない操作部をユーザが操作することにより、検索クエリ及びユーザＩＤとともにレコメンド情報の要求を情報配信サーバ２００に送信する部分である。

配信情報表示部１０４は、ブラウザ１０１により取得されたメニュー画面およびコンテンツ（Ｗｅｂページ）を表示する部分である。

（人気ランキング生成サーバ）
次に、人気ランキング生成サーバ５００について説明する。図１０は、人気ランキング生成サーバ５００の機能構成を示すブロック図である。図１０に示すとおり、人気ランキング生成サーバ５００は、コンテンツ取得部５０１、人気ランキング生成部５０２、及び人気ランキング送信部５０３を含んで構成されている。この人気ランキング生成サーバ５００は、１又は複数のＣＰＵ、ＲＡＭ、ＲＯＭなどのハードウェアにより構成されており、記憶されているプログラムにしたがってＣＰＵは動作するよう構成されている。具体的には、情報配信サーバ２００と同様の構成をとるものであって、図３に示されるハードウェア構成により実現される。以下、各構成について説明する。

コンテンツ取得部５０１は、情報配信サーバ２００からコンテンツを取得するものである。コンテンツ取得部５０１は、少なくともコンテンツを特定し得る情報を取得すればよい。

人気ランキング生成部５０２は、コンテンツ取得部５０１が取得したコンテンツの人気ランキングを、図示しない人気ランキングを管理するデータベースから検索することにより、人気ランキングを生成する。具体的には、人気ランキング生成部５０２は、複数のユーザ端末１００により各コンテンツが選択された回数から算出される人気ランキングを示す人気度情報を生成する。人気ランキング生成部５０２は、全コンテンツ内における各コンテンツの人気ランキングを生成してもよいし、同一の属性内における各コンテンツの人気ランキングを生成してもよい。

人気ランキング送信部５０３は、人気ランキング生成部５０２が生成した人気度情報を情報配信サーバ２００へ送信する。

つぎに、これらユーザ端末１００、情報配信サーバ２００、レコメンドサーバ３００、検索サーバ４００及び人気ランキング生成サーバ５００の動作について図１１を用いて説明する。図１１は、ユーザ端末１００の要求に応じて検索結果を配信するときのユーザ端末１００、情報配信サーバ２００、レコメンドサーバ３００、検索サーバ４００及び人気ランキング生成サーバ５００の処理を示すシーケンス図である。

図１１に示すとおり、ユーザ端末１００のレコメンド要求送信部１０２は、ユーザＩＤと検索クエリとを情報配信サーバ２００へ送信すると共に、検索結果送信要求する（ステップＳ１）。

情報配信サーバ２００の検索要求受付部２０３は、ユーザＩＤと検索クエリとを取得すると共に、検索結果送信要求を受け付け、クエリ検索結果取得部２０６は、当該検索クエリを検索サーバ４００へ送信する（ステップＳ２）。

レコメンド取得対象コンテンツ決定部２０４は、検索要求時の検索クエリと、コンテンツ履歴情報記憶部２０１が記憶しているコンテンツ履歴情報とに基づいて、レコメンド取得対象となるコンテンツであるレコメンド取得対象コンテンツを決定する（ステップＳ３）。レコメンド取得対象コンテンツ決定部２０４がレコメンド取得対象コンテンツを決定する詳細の方法については、後述する。

関連コンテンツ取得部２０５は、レコメンド取得対象コンテンツのコンテンツＩＤをレコメンドサーバ３００へ送信する（ステップＳ４）。レコメンドサーバ３００の関連コンテンツ計算部３０２は、当該レコメンド取得対象コンテンツの関連コンテンツを計算し（ステップＳ５）、レコメンドサーバ３００の関連コンテンツ送信部３０３は、当該関連コンテンツの計算結果を情報配信サーバ２００へ送信する（ステップＳ６）。

検索サーバ４００のコンテンツ計算部４０２は、検索クエリに対応するコンテンツを計算し（ステップＳ７）、検索サーバ４００のクエリ検索結果コンテンツ送信部４０３は、計算に基づく結果を情報配信サーバ２００へ送信する（ステップＳ８）。

コンテンツ取得部５０１は、コンテンツＩＤを人気ランキング生成サーバ５００へ送信する（ステップＳ９）。人気ランキング生成サーバ５００の人気ランキング生成部５０２は、人気ランキングを生成し（ステップＳ１０）、人気ランキング生成サーバ５００の人気ランキング送信部５０３は、当該人気ランキングを情報配信サーバ２００へ送信する（ステップＳ１１）。

コンテンツ評価部２０９は、関連コンテンツ取得部２０５が取得したコンテンツの評価値と、クエリ検索結果取得部２０６が取得したコンテンツの評価値とを含む各種評価値を算出し（ステップＳ１２）、コンテンツ検索結果出力部２１０は、上記の評価値による優先度に基づいた出力用の検索結果をユーザ端末１００へ出力する（ステップＳ１３）。なお、ステップＳ１２及びステップＳ１３の処理の詳細については、後述する。

続いて、ステップＳ３における、レコメンド取得対象コンテンツ決定部２０４がレコメンド取得対象コンテンツを決定する詳細の方法を図１２のフローチャートを用いて説明する。レコメンド取得対象コンテンツ決定部２０４は、検索クエリａ（例えば、「飲み物」）に対応するコンテンツ群Ａがコンテンツ履歴に存在するか、コンテンツ履歴情報記憶部２０１より検索する（ステップＳ３１）。ここで、コンテンツ群Ａは、検索クエリａに対応するコンテンツの集合を意味する。

コンテンツ群Ａがある場合（ステップＳ３２；ＹＥＳ）、レコメンド取得対象コンテンツ決定部２０４は、コンテンツ群Ａの中で最新のコンテンツをレコメンド取得対象コンテンツとし（ステップＳ３３）、処理を終了する。

コンテンツ群Ａがない場合（ステップＳ３２；ＮＯ）、レコメンド取得対象コンテンツ決定部２０４は、コンテンツメタデータ記憶部２０２とコンテンツ履歴情報記憶部２０１とに記憶されている情報を参照して、クエリａをメタデータに含むコンテンツの集合であるコンテンツ群Ｂを検索する（ステップＳ３４）。

コンテンツ群Ｂがある場合（ステップＳ３５；ＹＥＳ）、レコメンド取得対象コンテンツ決定部２０４は、コンテンツ群Ｂの中で最新のコンテンツをレコメンド取得対象コンテンツとし（ステップＳ３６）、処理を終了する。

コンテンツ群Ｂがない場合（ステップＳ３５；ＮＯ）、レコメンド取得対象コンテンツ決定部２０４は、コンテンツ履歴情報記憶部２０１に記憶されているコンテンツ履歴情報の内、最新のものをレコメンド取得対象コンテンツとして（ステップＳ３７）、処理を終了する。

続いて、図１３のフローチャートを用いて評価算出処理を説明する。この処理は、図１１に示したシーケンス図のステップＳ１２とステップＳ１３に対応する。まず、パラメータ算出部２０８は、コンテンツ履歴情報に基づいて各種パラメータを算出する（ステップＳ９１）。

具体的には、パラメータ算出部２０８は、コンテンツ履歴情報を参照して、ユーザ毎に直近の所定期間（例えば、１週間）のログ数及び利用金額を算出する。

パラメータ算出部２０８がコンテンツ履歴情報を参照して、ユーザ毎に直近１週間のログ数及び利用金額を算出した結果の例を図１４に示す。

図１４に示すように、例えば、ユーザ「Ｕｓｅｒ１」は、１週間でコンテンツを２５件選択し、選択したコンテンツの利用金額の合計が１０５０円であることを示している。

図１４に示すような情報を生成するタイミングは、ユーザ端末１００から検索要求を受信した後でもよいし、例えば１日毎に生成するようにしてもよい。

続いて、パラメータ算出部２０８は、図１４に示した情報に基づいて、利用金額の平均値及び利用金額の標準偏差、ログ数の平均値、選択頻度（１日あたりのコンテンツ選択数）の平均値及び選択頻度の標準偏差を算出する。

パラメータ算出部２０８が、図１４に示した情報に基づいて、各ユーザの利用金額の平均値（平均金額）、利用金額の標準偏差、ログ数の平均値、各ユーザのコンテンツの選択頻度（１日あたりのコンテンツ選択数）の平均値（平均選択頻度）、及び選択頻度の標準偏差を算出した結果を図１５に示す。

図１５に示すように、各ユーザの利用金額の平均が７４０．２５円であり、利用金額の標準偏差が６１６．３円であり、平均選択ログ数が１８．４５であり、選択頻度の平均値が２．６４であり、選択頻度の標準偏差が１．７８である。

続いて、パラメータ算出部２０８は、図１４に示した情報、及び図１５に示した情報を用いて、金額に関するパラメータ、選択頻度に関するパラメータ、及びログ数に関するパラメータを算出する。

図１６にユーザ「Ｕｓｅｒ１」の各パラメータを算出するための情報と、各パラメータとをまとめた表を示す。図１６を用いて、各パラメータを算出する方法を説明する。

まず、利用金額に関するパラメータである利用金額パラメータＰ_ｍを算出する方法を説明する。パラメータ算出部２０８は、以下の式（１）に基づいて利用金額パラメータＰ_ｍを算出する。
Ｐ_ｍ＝（特定ユーザの利用金額−利用金額の平均値）／利用金額の標準偏差 ・・・（１）

ユーザ「Ｕｓｅｒ１」の利用金額パラメータＰ_ｍは、上記式（１）に基づいて、Ｐ_ｍ＝（１０５０−７４０．２５）／６１６．３＝０．５０３となる。

次に、選択頻度に関するパラメータである選択頻度パラメータＰ_ｆを算出する方法を説明する。パラメータ算出部２０８は、以下の式（２）に基づいてパラメータＰ_ｆを算出する。
Ｐ_ｆ＝（特定ユーザの選択頻度−選択頻度の平均値）／選択頻度の標準偏差 ・・・（２）

ユーザ「Ｕｓｅｒ１」の選択頻度に関するパラメータＰ_ｆは、上記式（２）に基づいて、Ｐ_ｆ＝（３．５７−２．６４）／１．７８＝０．５２となる。

次に、ログ数に関するパラメータであるログ数パラメータβを算出する方法を説明する。パラメータ算出部２０８は、以下の式（３）に基づいてログ数パラメータβを算出する。
β＝（対象クエリにおいてクリックされたログ数／ｎ）^２・・・（３）

上記式ｎは、閾値である。ここでは、閾値を１０とする。クエリが「コミック」である場合、当該クエリ「コミック」におけるログ数が７であるので、ユーザ「Ｕｓｅｒ１」のログ数パラメータβは、上記式（３）に基づいて、β＝（７／１０）^２＝０．４９となる。なお、ログ数パラメータβの最大値を１とする。

コンテンツ評価部２０９は、パラメータ算出部２０８が算出した利用金額パラメータＰ_ｍ、ログ数パラメータβ、及び選択頻度パラメータＰ_ｆを用いて、各コンテンツの評価値を算出する。

図１７に示すように、利用金額のパラメータＰ_ｍは、ユーザが有料のコンテンツを利用するか否かを判断することができる指標であるので、有料コンテンツの優先度を高めるか否かを決める際に利用する。従って、コンテンツ評価部２０９は、利用金額のパラメータＰ_ｍを用いてコンテンツの金額に関する評価値を算出する。

ログ数が少ない場合、レコメンドするコンテンツの適正度が必ずしも高くないため、人気の高いコンテンツを優先的に出力した方がよいと考えられる。よって、ログ数パラメータβを、人気の高いコンテンツの優先度を高めるか否かを決める際に利用する。従って、コンテンツ評価部２０９は、ログ数パラメータβを用いて人気度についての評価値を算出する。

選択頻度パラメータＰ_ｆは、ユーザの選択頻度が高い場合、そのユーザは、古いコンテンツを既に検索済みの可能性が高いため、新しいコンテンツを好む傾向が高いと考えられる。よって、選択頻度パラメータＰ_ｆに基づいて、新着コンテンツの優先度を高めるか否かを決める際に利用する。従って、コンテンツ評価部２０９は、選択頻度パラメータＰ_ｆを用いてコンテンツの新しさに関する評価値を算出する。

図１３に示すフローチャートへ戻り、コンテンツ評価部２０９は、クエリ検索結果取得部２０６が取得したコンテンツの集合であるコンテンツ群Ｃ１のそれぞれのコンテンツの評価値である評価値Ｖ１を求める（ステップＳ９２）。

コンテンツ評価部２０９が算出する評価値Ｖ１は、以下の式（４）により求めることができる。
Ｖ１＝α×｛（ｘ_ｓ＋１−ｒａｎｋ_ｓ）／ｘ_ｓ｝・・・（４）

ここで、ｘ_ｓは、クエリ検索結果取得部２０６が取得したコンテンツの件数であり、係数αは、関連コンテンツ取得部２０５が取得したコンテンツと、クエリ検索結果取得部２０６が取得したコンテンツとの優先度合を定める指標値である。なお、係数αは、固定値である。ｒａｎｋ_ｓは、クエリ検索結果取得部２０６が取得したコンテンツ内における各コンテンツの順位である。なお、この順位は、クエリの一致度合いや登録順などによる検索ルールに基づいた順位であり、人気ランキングの順位とは異なる。

よって、評価値Ｖ１は、クエリ検索結果取得部２０６が取得したコンテンツの件数と、クエリ検索結果取得部２０６が取得したコンテンツ内における各コンテンツの順位とに基づいて算出される値である。クエリ検索結果取得部２０６が取得したコンテンツ内における各コンテンツの順位が上位であれば、上位であるほど、評価値Ｖ１が高くなる。

なお、コンテンツ評価部２０９は、上記式（４）により評価値Ｖ１を算出したが、他の種々の式により評価値Ｖ１を算出するようにしてもよい。例えば、上記式（４）では、（ｘ_ｓ＋１−ｒａｎｋ_ｓ）をｘ_ｓで割っているが、ｘ_ｓをｒａｎｋ_ｓで割るようにしてもよい。

コンテンツ評価部２０９は、関連コンテンツ群Ｃ２のコンテンツの内、コンテンツ群Ｃ１にも含まれるコンテンツの評価値Ｖ２を求める（ステップＳ９３）。関連コンテンツ群Ｃ２のコンテンツの内、コンテンツ群Ｃ１のコンテンツには含まれないコンテンツは、評価対象外とするものとする。なお、関連コンテンツ群Ｃ２のコンテンツの内、コンテンツ群Ｃ１のコンテンツには含まれないコンテンツの評価値Ｖ２を求めるようにしてもよい。

コンテンツ評価部２０９が算出する評価値Ｖ２は、以下の式（５）により求めることができる。
Ｖ２＝（１−α）×β×｛（ｘ_ｒ＋１−ｒａｎｋ_ｒ）／ｘ_ｒ｝・・・（５）

ここで、ｘ_ｒは、関連コンテンツ取得部２０５が取得した件数であり、係数αは、関連コンテンツ取得部２０５が取得したコンテンツと、クエリ検索結果取得部２０６が取得したコンテンツとの優先度合を定める指標値であり、ｒａｎｋ_ｒは、関連コンテンツ取得部２０５が取得した関連コンテンツ内における各コンテンツの順位である。よって、評価値Ｖ２は、関連コンテンツ取得部２０５が取得したコンテンツの件数と、関連コンテンツ取得部２０５が取得したコンテンツ内における各コンテンツの順位と、ログ数パラメータβの値とに基づいて算出される値である。関連コンテンツ取得部２０５が取得したコンテンツ内における各コンテンツの順位が上位であれば、上位であるほど、評価値Ｖ２が高くなる。なお、コンテンツ評価部２０９は、上記式（５）により評価値Ｖ２を算出したが、他の種々の式により評価値Ｖ２を算出するようにしても良い。例えば、上記式（５）では、（ｘ_ｒ＋１−ｒａｎｋ_ｒ）をｘ_ｒで割っているが、ｘ_ｒをｒａｎｋ_ｒで割るようにしてもよい。

続いて、コンテンツ評価部２０９は、コンテンツ群Ｃ１のコンテンツの人気度に関する評価値である評価値Ｖ３を求める（ステップＳ９４）。コンテンツ評価部２０９が算出する評価値Ｖ３は、以下の式（６）により求めることができる。
Ｖ３＝（１−α）×（１−β）×｛（ｘ_ｐ＋１−ｒａｎｋ_ｐ）／ｘ_ｐ｝・・・（６）

ここで、ｘ_ｐは、クエリ検索結果取得部２０６が取得したコンテンツの件数であり、ｒａｎｋ_ｐは、クエリ検索結果取得部２０６が取得したコンテンツ内における、人気ランキング取得部２０７が取得した人気度情報（各コンテンツの人気順位）に基づいた順位である。

ログ数パラメータβは、コンテンツ履歴の情報の件数が多いほどログ数パラメータβの値が大きくなる。上記式（６）より、ログ数パラメータβが大きくなるほど、評価値Ｖ３が小さくなり、ログ数パラメータβが小さくなるほど、評価値Ｖ３が大きくなる。このように、コンテンツ履歴の情報の件数が少ない場合に、情報配信サーバ２００は、コンテンツの人気度に関する評価値である評価値Ｖ３を大きくすることにより、コンテンツ履歴の情報が少ない場合に、人気度の高いコンテンツを優先的に出力させることができる。

このように、評価値Ｖ３は、係数αと、ログ数パラメータβと、人気ランキング取得部２０７が取得した人気ランキングの情報とに基づいて算出される値である。

人気ランキング取得部２０７が取得した人気ランキングが上位であれば、上位であるほど、評価値Ｖ３が高くなる。なお、コンテンツ評価部２０９は、上記式（６）により評価値Ｖ３を算出したが、他の種々の式により評価値Ｖ３を算出するようにしてもよい。例えば、上記式（６）では、（ｘ_ｐ＋１−ｒａｎｋ_ｐ）をｘ_ｐで割っているが、ｘ_ｐをｒａｎｋ_ｐで割るようにしてもよい。

続いて、コンテンツ評価部２０９は、コンテンツ群Ｃ１のコンテンツの金額に関する評価値（金額評価値）である評価値Ｖ４を求める（ステップＳ９５）。コンテンツ評価部２０９が算出する評価値Ｖ４は、以下の式（７）により求めることができる。
Ｖ４＝（１−α）×Ｐ_ｍ×｛（ｘ_ｍ＋１−ｒａｎｋ_ｍ）／ｘ_ｍ｝・・・（７）

ここで、ｘ_ｍは、クエリ検索結果取得部２０６が取得したコンテンツの件数であり、ｒａｎｋ_ｍは、クエリ検索結果取得部２０６が取得したコンテンツ内における金額の順位である。例えば、クエリ検索結果取得部２０６が取得したコンテンツ内において最も高額なコンテンツであれば、ｒａｎｋ_ｍが１になる。

利用金額パラメータＰ_ｍは、ユーザが過去に利用したコンテンツの金額が高ければ高いほど大きくなる。上記式（７）より、パラメータＰ_ｍが大きくなるほど、評価値Ｖ４が大きくなる。このように、ユーザが過去に利用したコンテンツの金額が高い場合に、情報配信サーバ２００は、コンテンツの利用金額に関する評価値である評価値Ｖ４を大きくすることにより、過去に利用したコンテンツの金額が高いユーザ（すなわち、購買意欲の高いユーザ）に対して、有料のコンテンツを優先的に出力させることができる。

このように、評価値Ｖ４は、係数αと、利用金額パラメータＰ_ｍと、コンテンツの金額の順位を示すｒａｎｋ_ｍとに基づいて算出される値である。

なお、コンテンツ評価部２０９は、上記式（７）により評価値Ｖ４を算出したが、他の種々の式により評価値Ｖ４を算出するようにしてもよい。例えば、上記式（７）では、（ｘ_ｍ＋１−ｒａｎｋ_ｍ）をｘ_ｍで割っているが、ｘ_ｍをｒａｎｋ_ｍで割るようにしてもよい。

続いて、コンテンツ評価部２０９は、コンテンツ群Ｃ１のコンテンツの新しさに関する評価値（新着度評価値）である評価値Ｖ５を求める（ステップＳ９６）。コンテンツ評価部２０９が算出する評価値Ｖ５は、以下の式（８）により求めることができる。
Ｖ５＝（１−α）×Ｐ_ｆ×｛（ｘ_ｆ＋１−ｒａｎｋ_ｆ）／ｘ_ｆ｝・・・（８）

ここで、ｘ_ｆは、クエリ検索結果取得部２０６が取得したコンテンツの件数であり、ｒａｎｋ_ｆは、クエリ検索結果取得部２０６が取得したコンテンツ内における新しさの順位である。例えば、クエリ検索結果取得部２０６が取得したコンテンツ内において、最も新しいコンテンツであれば、ｒａｎｋ_ｆが１になる。

選択頻度パラメータＰ_ｆは、ユーザのコンテンツの選択頻度が高ければ高いほど大きくなる。上記式（８）より、選択頻度パラメータＰ_ｆが大きくなるほど、評価値Ｖ５が大きくなる。このように、ユーザによるコンテンツの選択頻度が高い場合に、情報配信サーバ２００は、コンテンツの新しさに関する評価値である評価値Ｖ５を大きくすることにより、新しいコンテンツを所望していると考えられるユーザに対して、新しいコンテンツを優先的に出力させることができる。

このように、評価値Ｖ５は、係数αと、選択頻度パラメータＰ_ｆと、コンテンツの新しさの順位を示すｒａｎｋ_ｆとに基づいて算出される値である。

なお、コンテンツ評価部２０９は、上記式（８）により評価値Ｖ５を算出したが、他の種々の式により評価値Ｖ５を算出するようにしてもよい。例えば、上記式（８）では、（ｘ_ｆ＋１−ｒａｎｋ_ｆ）をｘ_ｆで割っているが、ｘ_ｆをｒａｎｋ_ｆで割るようにしてもよい。

続いて、コンテンツ評価部２０９は、評価値Ｖ１、Ｖ２、Ｖ３
、Ｖ４及びＶ５から最終評価値Ｖ６を求める（ステップＳ９７）。最終評価値Ｖ６は、以下の式（９）により求めることができる。
Ｖ６＝Ｖ１＋Ｖ２＋Ｖ３＋Ｖ４＋Ｖ５・・・（９）

このように、関連コンテンツ取得部２０５が取得したコンテンツ内における評価値Ｖ１と、クエリ検索結果取得部２０６が取得したコンテンツ内における評価値Ｖ２と、人気ランキング取得部２０７が取得した人気度情報に基づいた評価値Ｖ３と、コンテンツ群Ｃ１のコンテンツの金額に関する評価値である評価値Ｖ４と、コンテンツ群Ｃ１のコンテンツの新しさに関する評価値である評価値Ｖ５とを用いて、最終評価値Ｖ６を算出することにより、複数の観点の評価値を算出することができ、ユーザの嗜好性を考慮した、コンテンツの評価値を算出することができる。

なお、最終評価値Ｖ６として、評価値Ｖ１〜Ｖ５の全てを加算しているが、評価値Ｖ１とＶ２を加算した値に、評価値Ｖ３〜Ｖ５の少なくとも１つの値を加算するようにしてもよい。この場合でも、情報配信サーバ２００は、ユーザの利用傾向に即した評価値を算出することができる。

コンテンツ検索結果出力部２１０は、最終評価値Ｖ６のランキング順に並べたコンテンツ結果を出力する（ステップＳ９８）。

図１８に、各コンテンツのｒａｎｋ_ｓ、ｒａｎｋ_ｒ、ｒａｎｋ_ｐ、ｒａｎｋ_ｍ、及びｒａｎｋ_ｆの例を示す。図１８の例では、検索クエリが「コミック」で、レコメンド対象コンテンツが「コミックＡ（無料お試し版）」であるものとする。

図１８に示す「コミックＡ（無料お試し版）」のｒａｎｋ_ｓ及びｒａｎｋ_ｒは、１であり、「コミックＡ（無料お試し版）」のｒａｎｋ_ｐは、７である。そして、コンテンツの金額が無料であるため、ｒａｎｋ_ｍの値は、設定されていない。そして、「コミックＡ（無料お試し版）」が発売から所定期間を経過しているため、ｒａｎｋ_ｆの値は、設定されていない。

続いて、係数αが０．３であり、ｘ_ｓ、ｘ_ｒ、ｘ_ｐ、ｘ_ｍ、及びｘ_ｆは、２０である場合に、図１８に示した各コンテンツのｒａｎｋ_ｓ、ｒａｎｋ_ｒ、ｒａｎｋ_ｐ、ｒａｎｋ_ｍ、及びｒａｎｋ_ｆに基づいて、評価値Ｖ１〜Ｖ５を算出した例を図１９に示す。

図１９に示すように、評価値Ｖ１、及び評価値Ｖ２が高いコンテンツである「コミックＡ（無料お試し版）」は、評価値Ｖ４及び評価値Ｖ５が０であるため、最終評価値Ｖ６の順位が５位になる。そして、評価値Ｖ４及び評価値Ｖ５ともに０ではないコンテンツの最終評価値Ｖ６における順位が上位になる。このように、情報配信サーバ２００は、ユーザの利用傾向に即した評価値を算出することができる。

次に、図２０を用いて、評価値Ｖ１及び評価値Ｖ２に基づいて出力した場合と、最終評価値Ｖ６に基づいて出力した場合の検索結果の違いについて説明する。図２０（Ａ）が図１９に示した表における評価値Ｖ１及び評価値Ｖ２に基づいて出力した場合の例であり、図２０（Ｂ）が図１９に示した表における最終評価値Ｖ６に基づいて出力した場合の例である。

図２０（Ａ）に記載のように、評価値Ｖ１及び評価値Ｖ２に基づいて出力した場合、コンテンツの利用状況をそれほど考慮していないため、検索サーバ４００の検索結果の影響を受けやすい。一方、図２０（Ｂ）に記載のように最終評価値Ｖ６に基づいて出力した場合、人気度の高いコンテンツや有料のコンテンツが上位に出力される。

次に、本実施形態の情報配信サーバ２００の作用効果について説明する。情報配信サーバ２００においては、コンテンツ履歴情報記憶部２０１が、過去の検索クエリと、ユーザが選択したコンテンツとを関連づけた情報であるコンテンツ履歴情報を記憶し、レコメンド取得対象コンテンツ決定部２０４が、検索要求時の検索クエリと、コンテンツ履歴情報とに基づいて、レコメンド取得対象となるコンテンツであるレコメンド取得対象コンテンツを決定する。

そして、関連コンテンツ取得部２０５が、レコメンド取得対象コンテンツに関連するコンテンツである関連コンテンツを特定するための検索結果である関連コンテンツ検索結果を取得し、検索クエリ検索結果取得部２０６が、検索要求時の検索クエリに対応するコンテンツの検索結果である検索クエリ検索結果を取得する。

そして、パラメータ算出部２０８が、ユーザのコンテンツ選択傾向に関するパラメータである選択傾向パラメータ（利用金額パラメータＰ_ｍ、選択頻度パラメータＰ_ｆ）をコンテンツ履歴情報に基づいて算出する。

そして、コンテンツ評価部２０９は、関連コンテンツ検索結果におけるそれぞれの関連コンテンツの評価値である関連コンテンツ評価値と、検索クエリ検索結果におけるそれぞれのコンテンツの評価値である検索結果評価値とを算出すると共に、選択傾向パラメータと、検索クエリ検索結果におけるそれぞれのコンテンツの属性（コンテンツの価格や発売後の経過日数）に関する情報とに基づいた評価値である選択傾向評価値（評価値Ｖ４、Ｖ５）を算出する。コンテンツ検索結果出力部２１０は、関連コンテンツ評価値と、検索結果評価値と、選択傾向評価値とに基づいて、検索結果として出力するコンテンツの優先度を決定し、関連コンテンツ検索結果と、検索クエリ検索結果とに基づいた検索結果を出力する。

この場合、情報配信サーバ２００は、関連コンテンツ評価値と検索結果評価値とに加えて、選択傾向評価値も加味してコンテンツの優先度を決定するため、ある検索クエリにより検索されたコンテンツと、過去の検索履歴に基づいたレコメンド情報とを考慮して検索結果を提供する場合に、利用者にとって適切な優先度を持った検索結果を提供することができる。

また、情報配信サーバ２００では、パラメータ算出部２０８は、ユーザが選択したコンテンツの金額に関するパラメータである金額パラメータをコンテンツ履歴情報に基づいて算出し、コンテンツ評価部２０９は、利用金額パラメータＰ_ｍと、検索クエリ検索結果におけるそれぞれのコンテンツの金額に関する情報とに基づいた評価値である金額評価値（評価値Ｖ４）を算出している。この場合、情報配信サーバ２００では、利用者の過去の選択したコンテンツの金額を考慮した検索結果を提供できるため、利用者にとって適切な優先度を持った検索結果を提供することができる。

また、情報配信サーバ２００では、パラメータ算出部２０８は、コンテンツ履歴情報に基づいて、各ユーザが選択したコンテンツの平均金額を算出し、ユーザが選択したコンテンツの金額と、平均金額とに基づいて利用金額パラメータＰ_ｍを算出している。この場合、情報配信サーバ２００は、ユーザが選択したコンテンツの金額と、平均金額とに基づいて利用金額パラメータＰ_ｍを算出するため、他のユーザの利用状況も加味した利用金額パラメータＰ_ｍを算出することができる。

また、情報配信サーバ２００では、パラメータ算出部２０８は、ユーザのコンテンツの選択頻度に関するパラメータである選択頻度パラメータをコンテンツ履歴情報に基づいて算出し、コンテンツ評価部２０９は、選択頻度パラメータＰ_ｆと、検索クエリ検索結果におけるそれぞれのコンテンツの新しさに関する情報とに基づいた評価値である新着度評価値（評価値Ｖ５）を選択傾向評価値として算出している。この場合、情報配信サーバ２００は、利用者の過去の選択頻度を考慮した検索結果を提供できるため、利用者にとって適切な優先度を持った検索結果を提供することができる。

また、情報配信サーバ２００は、パラメータ算出部２０８は、コンテンツ履歴情報に基づいて、各ユーザのコンテンツの平均選択頻度を算出し、ユーザのコンテンツの選択頻度と、平均選択頻度とに基づいて選択頻度パラメータＰ_ｆを算出している。この場合、情報配信サーバ２００は、ユーザのコンテンツの選択頻度と、平均選択頻度とに基づいて選択頻度パラメータＰ_ｆを算出するため、他のユーザの利用状況も加味した選択頻度パラメータを算出することができる。

また、情報配信サーバ２００は、検索クエリ検索結果におけるそれぞれのコンテンツの金額に関する情報及び検索クエリ検索結果におけるそれぞれのコンテンツの新しさに関する情報は、検索クエリ検索結果におけるそれぞれのコンテンツの順位情報（ｒａｎｋ_ｒ、ｒａｎｋ_ｍ）を用いた情報としている。

この場合、情報配信サーバ２００は、各評価値を、検索したコンテンツ内における各コンテンツの順位情報を用いて算出するため、正規化した状態で評価値を算出することができる。

上述の実施形態では、人気ランキング取得部２０７が、コンテンツ全体における各コンテンツの人気順位情報を取得する場合について述べたが、さらに同一の属性を有するコンテンツ内の人気度情報を取得して、コンテンツ全体における各コンテンツの人気順位情報と同一の属性を有するコンテンツ内の人気度情報とを用いて、人気度評価値を算出するようにしてもよい。

ｒａｎｋ_ｐを導出するためのランキングをｒａｎｋ_ｐ’として、以下の式でｒａｎｋ_ｐ’を求める。
ｒａｎｋ_ｐ’＝（全コンテンツ内のランキング）＋｛（サービス内のランキング）／（サービス内コンテンツ数）＊（全コンテンツ数）｝・・・（１０）

上記式（１０）を用いて算出した値が少ない順にｒａｎｋ_ｐを決める。具体例を図２１に示す。図２１に示すように、単に全体のランキングでは、アクションＢ、アクションＣ、アクションＡ、アクションＤの順番になるが、上記式（１０）を用いて算出した結果に基づいてｒａｎｋ_ｐを算出すると、アクションＢ、アクションＡ、アクションＤ、アクションＣの順番になる。

この場合、コンテンツ全体の順位だけでなく、同一属性内の順位も考慮して人気度評価値を算出することができるため、情報配信サーバ２００は、属性毎に選択され易さの偏りも考慮した人気度を算出することが可能となる。

（他の実施形態）
上述の実施形態では、情報配信サーバ２００と、レコメンドサーバ３００と、検索サーバ４００を分けて構成する場合について述べたが、各サーバの機能を１台のサーバで実現するようにしてもよい。

上述の実施形態では、ログ数パラメータβが大きくなるほど関連コンテンツの評価値Ｖ２が大きくなるように定義されている場合について述べたが、ログ数パラメータβが小さくなるほど関連コンテンツの評価値Ｖ２が大きくなるように定義されていてもよい。

この場合、コンテンツ履歴情報の数が大きいほど小さな値になるように定義されることにより、関連コンテンツの評価値Ｖ２と、コンテンツ履歴情報の数とを連動させることができる。すなわち、情報配信サーバ２００は、検索要求時の検索クエリと同一の検索クエリで過去に検索している度合いが高いほど、関連コンテンツの評価値Ｖ２を高めることになる。

上述の実施形態では、全ユーザの平均値を用いてパラメータ（利用金額パラメータＰ_ｍ、選択頻度パラメータＰ_ｆ）を算出する場合について述べたが、全ユーザの平均値ではなく、予め閾値を設けて、当該閾値とユーザの値（ユーザの利用金額、ユーザの選択頻度）とを比較してパラメータを算出するようにしてもよい。

上述の実施形態で記載の評価値Ｖ２〜Ｖ５を算出する式を他の式により算出するようにしてもよい。例えば、上記評価値Ｖ２〜Ｖ５を算出する式（式（５）〜（８））に記載のαをα／４とするようにしてもよい。

１００…ユーザ端末、１０１…ブラウザ、１０２…レコメンド要求送信部、１０３…配信情報表示部、２００…情報配信サーバ、２０１…コンテンツ履歴情報記憶部、２０２…コンテンツメタデータ記憶部、２０３…検索要求受付部、２０４…レコメンド取得対象コンテンツ決定部、２０５…関連コンテンツ取得部、２０６…クエリ検索結果取得部、２０７…人気ランキング取得部、２０８…パラメータ算出部、２０９…コンテンツ評価部、２１０…コンテンツ検索結果出力部、３００…レコメンドサーバ、３０１…レコメンド取得対象コンテンツ取得部、３０２…関連コンテンツ計算部、３０３…関連コンテンツ送信部、４００…検索サーバ、４０１…クエリ取得部、４０２…コンテンツ計算部、４０３…クエリ検索結果コンテンツ送信部、５００…人気ランキング生成サーバ、５０１…コンテンツ取得部、５０２…人気ランキング生成部、５０３…人気ランキング送信部。

Claims (9)

1. 過去の検索クエリと、ユーザが選択したコンテンツとを関連づけた情報であるコンテンツ履歴情報を記憶するコンテンツ履歴情報記憶手段と、
   検索要求時の検索クエリと、前記コンテンツ履歴情報とに基づいて、レコメンド取得対象となるコンテンツであるレコメンド取得対象コンテンツを決定するレコメンド取得対象コンテンツ決定手段と、
   前記レコメンド取得対象コンテンツに関連するコンテンツである関連コンテンツを特定するための検索結果である関連コンテンツ検索結果を取得する関連コンテンツ検索結果取得手段と、
   前記検索要求時の検索クエリに対応するコンテンツの検索結果である検索クエリ検索結果を取得する検索クエリ検索結果取得手段と、
   前記ユーザのコンテンツ選択傾向に関するパラメータである選択傾向パラメータを前記コンテンツ履歴情報に基づいて算出するパラメータ算出手段と、
   前記関連コンテンツ検索結果におけるそれぞれの関連コンテンツの評価値である関連コンテンツ評価値と、検索クエリ検索結果におけるそれぞれのコンテンツの評価値である検索結果評価値と、を算出するとともに、前記選択傾向パラメータと、前記検索クエリ検索結果におけるそれぞれのコンテンツの属性に関する情報とに基づいた評価値である選択傾向評価値を算出する評価手段と、
   前記関連コンテンツ評価値と前記検索結果評価値と前記選択傾向評価値とに基づいて、検索結果として出力するコンテンツの優先度を決定し、前記関連コンテンツ検索結果と、前記検索クエリ検索結果とに基づいた検索結果を出力する出力手段と、
   を備えることを特徴とするコンテンツ検索結果提供装置。
2. 前記パラメータ算出手段は、
   前記選択傾向パラメータとして、前記ユーザが選択したコンテンツの金額に関するパラメータである金額パラメータを前記コンテンツ履歴情報に基づいて算出し、
   前記評価手段は、
   前記金額パラメータと、前記検索クエリ検索結果におけるそれぞれのコンテンツの金額に関する情報とに基づいた評価値である金額評価値を前記選択傾向評価値として算出することを特徴とする請求項１に記載のコンテンツ検索結果提供装置。
3. 前記パラメータ算出手段は、
   前記コンテンツ履歴情報に基づいて、各ユーザが選択したコンテンツの平均金額を算出し、前記ユーザが選択したコンテンツの金額と、前記平均金額とに基づいて前記金額パラメータを算出することを特徴とする請求項２に記載のコンテンツ検索結果提供装置。
4. 前記パラメータ算出手段は、
   前記選択傾向パラメータとして、前記ユーザのコンテンツの選択頻度に関するパラメータである選択頻度パラメータを前記コンテンツ履歴情報に基づいて算出し、
   前記評価手段は、
   前記選択頻度パラメータと、前記検索クエリ検索結果におけるそれぞれのコンテンツの新しさに関する情報とに基づいた評価値である新着度評価値を前記選択傾向評価値として算出することを特徴とする請求項１に記載のコンテンツ検索結果提供装置。
5. 前記パラメータ算出手段は、
   前記コンテンツ履歴情報に基づいて、各ユーザのコンテンツの平均選択頻度を算出し、前記ユーザのコンテンツの選択頻度と、前記平均選択頻度とに基づいて前記選択頻度パラメータを算出することを特徴とする請求項４に記載のコンテンツ検索結果提供装置。
6. 前記選択傾向パラメータとして、第１の選択傾向パラメータと第２の選択傾向パラメータがあり、
   前記選択傾向評価値として、第１の選択傾向評価値と、第２の選択傾向評価値とがあり、
   前記パラメータ算出手段は、
   前記第１の選択傾向評価値として、前記ユーザが選択したコンテンツの金額に関するパラメータである金額パラメータを前記コンテンツ履歴情報に基づいて算出し、前記第２の選択傾向評価値として、前記ユーザのコンテンツの選択頻度に関するパラメータである選択頻度パラメータを前記コンテンツ履歴情報に基づいて算出し、
   前記評価手段は、
   前記第１の選択傾向評価値として、前記金額パラメータと、前記検索クエリ検索結果におけるそれぞれのコンテンツの金額に関する情報とに基づいた評価値である金額評価値を算出し、前記第２の選択傾向評価値として、前記選択頻度パラメータと、前記検索クエリ検索結果におけるそれぞれのコンテンツの新しさに関する情報とに基づいた評価値である新着度評価値を算出することを特徴とする請求項１に記載のコンテンツ検索結果提供装置。
7. 前記検索クエリ検索結果におけるそれぞれのコンテンツの金額に関する情報及び前記検索クエリ検索結果におけるそれぞれのコンテンツの新しさに関する情報は、前記検索クエリ検索結果におけるそれぞれのコンテンツの順位情報を用いた情報であることを特徴とする請求項６に記載のコンテンツ検索結果提供装置。
8. 過去の検索クエリと、ユーザが選択したコンテンツとを関連づけた情報であるコンテンツ履歴情報を記憶するコンテンツ履歴情報記憶手段を備える装置におけるコンテンツ検索結果提供方法であって、
   検索要求時の検索クエリと、前記コンテンツ履歴情報とに基づいて、レコメンド取得対象となるコンテンツであるレコメンド取得対象コンテンツを決定するレコメンド取得対象コンテンツ決定ステップと、
   前記レコメンド取得対象コンテンツに関連するコンテンツである関連コンテンツを特定するための検索結果である関連コンテンツ検索結果を取得する関連コンテンツ検索結果取得ステップと、
   前記検索要求時の検索クエリに対応するコンテンツの検索結果である検索クエリ検索結果を取得する検索クエリ検索結果取得ステップと、
   前記ユーザのコンテンツ選択傾向に関するパラメータである選択傾向パラメータを前記コンテンツ履歴情報に基づいて算出するパラメータ算出ステップと、
   前記関連コンテンツ検索結果におけるそれぞれの関連コンテンツの評価値である関連コンテンツ評価値と、検索クエリ検索結果におけるそれぞれのコンテンツの評価値である検索結果評価値と、を算出するとともに、前記選択傾向パラメータと、前記検索クエリ検索結果におけるそれぞれのコンテンツの属性に関する情報とに基づいた評価値である選択傾向評価値を算出する評価ステップと、
   前記関連コンテンツ評価値と前記検索結果評価値と前記選択傾向評価値とに基づいて、検索結果として出力するコンテンツの優先度を決定し、前記関連コンテンツ検索結果と、検索クエリ検索結果とに基づいた検索結果を出力する出力ステップと、
   を含むコンテンツ検索結果提供方法。
9. 請求項１から７のいずれか１項に記載のコンテンツ検索結果提供装置と、前記コンテンツ検索結果提供装置からの要求に応じて検索されて生成された検索結果を前記コンテンツ検索結果提供装置へ送信する検索結果出力装置と、前記コンテンツ検索結果提供装置からの要求に応じて前記レコメンド取得対象コンテンツに対応するレコメンド情報を前記コンテンツ検索結果提供装置へ送信するレコメンド情報出力装置とを含むコンテンツ検索結果提供システム。

Images