JP6135810B2 - 情報選択装置、情報選択方法、およびコンピュータプログラム - Google Patents

Description

本発明は、アイテムを提供するネットワークシステムにおいて、ユーザに推薦するアイ
テムを選択する情報選択技術に関する。

近年、デジタル技術やネットワーク技術の進展により、ネットワークを使ってデジタル
コンテンツや物品などのアイテムを配信したり、販売することが増えている。これに伴い
、多数のアイテムの中から、ユーザにとって有用なアイテムを推薦する技術へのニーズが
高まっている。このニーズに応えるため、ユーザのアイテムに対する評価情報や利用情報
を用いてアイテムを推薦する技術がいくつか提案されている。

例えば、特許文献１には、ユーザが過去に購入した商品の価格帯情報に基づいてそのユ
ーザに推薦する商品の価格帯を設定することで、ユーザが購入する可能性が高い商品を効
果的に推薦することが提案されている。このとき、過去の購入価格帯よりも所定価格分高
い価格帯あるいは所定価格分低い価格帯の商品を推薦することで、売上の増加を図ったり
、ユーザに割安感を感じさせたりするようにしている。

特開２０１１−４８６６７号公報

販売側の視点からは、高い価格帯のアイテムを推薦することで売上が増加することが好
ましい。一方で、ユーザは他の条件が同じであれば、基本的に価格の安い商品を好むため
、むやみに価格の高い商品を推薦することは、推薦情報がユーザに受容されず、購入意欲
を低下させるというリスクを伴っている。

ところで、ユーザが高いと感じるか安いと感じるかは、単にアイテムの価格のみならず
、アイテムの特性にも依存するため、価格が高いアイテムであっても、ユーザの購入意欲
が低下しない場合もある。このようなアイテムを推薦情報に多く含めることができれば、
ユーザに割高感を感じさせることなく高額アイテムの販売機会が増え、売上増大につなが
ることが期待される。

そこで、本発明は、価格の高いアイテムを比較的多く含めながらも、ユーザの購入意欲
を低下させることのない推薦情報を作成することを目的とする。

ユーザまたはユーザが利用する端末装置に対して、関連対象となる複数個のアイテムま
たは複数個のカテゴリを識別する識別子と、関連性の強さを示す関連度とを対応させた関
連度データ、および、各々の識別子に対して、アイテムまたはカテゴリの価格情報を対応
させた価格情報データを取得するデータ取得部と、前記データ取得部で取得されたデータ
に基づいて、関連度に関する関連度条件および価格情報に関する価格情報条件を満たす識
別子を前記関連対象とされた識別子の中から抽出し、選択集合を作成する情報選択部と、
を備え、前記情報選択部は、第１の関連度条件および第１の価格情報条件を満たす識別子
を第１の所定数を超えない数だけ抽出して第１選択集合を作成した後、さらに識別子を抽
出する場合に、前記第１選択集合に含まれない識別子を対象として、第２の関連度条件お
よび第２の価格情報条件を満たす識別子を第２の所定数を超えない数だけ抽出して第２選
択集合を作成することを特徴とする情報選択装置を提供する。
情報選択装置が実行する情報選択方法であって、ユーザまたはユーザが利用する端末装
置に対して、関連対象となる複数個のアイテムまたは複数個のカテゴリを識別する識別子
と、関連性の強さを示す関連度とを対応させた関連度データ、および、各々の識別子に対
して、アイテムまたはカテゴリの価格情報を対応させた価格情報データを取得するデータ
取得ステップと、前記情報選択装置が、前記データ取得ステップで取得されたデータに基
づいて、関連度に関する関連度条件および価格情報に関する価格情報条件を満たす識別子
を前記関連対象とされた識別子の中から抽出し、選択集合を作成する情報選択ステップと
、を有し、前記情報選択ステップにおいて、第１の関連度条件および第１の価格情報条件
を満たす識別子を第１の所定数を超えない数だけ抽出して第１選択集合を作成した後、さ
らに識別子を抽出する場合に、前記第１選択集合に含まれない識別子を対象として、第２
の関連度条件および第２の価格情報条件を満たす識別子を第２の所定数を超えない数だけ
抽出して第２選択集合を作成することを特徴とする情報選択方法を提供する。
ユーザまたはユーザが利用する端末装置に対して、関連対象となる複数個のアイテムま
たは複数個のカテゴリを識別する識別子と、関連性の強さを示す関連度とを対応させた関
連度データ、および、各々の識別子に対して、アイテムまたはカテゴリの価格情報を対応
させた価格情報データを取得するデータ取得手段、前記データ取得手段で取得されたデー
タに基づいて、関連度に関する関連度条件および価格情報に関する価格情報条件を満たす
識別子を前記関連対象とされた識別子の中から抽出し、選択集合を作成する情報選択手段
、としてコンピュータを機能させるコンピュータプログラムであって、前記情報選択手段
は、第１の関連度条件および第１の価格情報条件を満たす識別子を第１の所定数を超えな
い数だけ抽出して第１選択集合を作成した後、さらに識別子を抽出する場合に、前記第１
選択集合に含まれない識別子を対象として、第２の関連度条件および第２の価格情報条件
を満たす識別子を第２の所定数を超えない数だけ抽出して第２選択集合を作成することを
特徴とするコンピュータプログラムを提供する。

本発明によれば、価格の高いアイテムを比較的多く含めながらも、ユーザの購入意欲を
低下させることのない推薦情報を作成することができる。

本実施形態に係るネットワークシステム全体の構成を示すブロック図である。 本実施形態に係るネットワークシステム全体の別構成を示すブロック図である。 第１実施例における情報選択装置の構成を示すブロック図である。 アイテム属性格納部に格納されているアイテム情報テーブルとカテゴリ情報テーブルの例を示す図である。 利用履歴格納部に格納されるアイテム利用履歴テーブルとカテゴリ利用履歴テーブルの例を示す図である。 価格情報格納部に格納されるアイテム価格情報テーブルとカテゴリ価格情報テーブルの例を示す図である。 推薦情報格納部に格納される推薦情報テーブルの例を示す図である。 関連集合格納部に格納される関連度テーブルの例を示す図である。 アイテム提供サーバの構成を示すブロック図である。 端末装置の構成を示すブロック図である。 システム全体の動作を説明するフローチャートである。 アイテム提供サーバからの応答データに基づく表示画面例を示す図である。 推薦リストを表示する画面例を示す図である。 情報選択装置が推薦情報を作成する動作について説明するフローチャートである。 「アイテム推薦形式」および「カテゴリ推薦形式」に対応する関連集合作成処理について説明するフローチャートである。 情報選択処理を説明するフローチャートである。 価格しきい値と関連しきい値により抽出される関連識別子の範囲を模式的に示す図である。 推薦情報の具体例を説明するための図である。 第２実施例における情報選択装置の構成を示すブロック図である。 第２実施例におけるアイテム提供サーバからの応答データに基づく表示画面例を示す図である。 価格ファクターを調整するために必要なデータの入力画面例を示す図である。 指定された価格ファクター調整を含んだ推薦リストを表示する画面例を示す図である。 第３実施例における情報選択装置の構成を示すブロック図である。 利用価格情報格納部に格納される利用価格情報テーブルの例を示す図である。 アイテム属性格納部に格納されている複合アイテム情報テーブルと複合アイテム−単体アイテム対応テーブルの例を示す図である。 価格情報格納部に格納される複合アイテム価格情報テーブルの例を示す図である。

本発明の実施の形態であるネットワークシステムについて図面を参照して説明する。以
下では、まずシステム全体構成を説明し、その後、第１実施例〜第４実施例の順番で各構
成の具体例および具体的動作例について説明する。
＜システム全体構成＞

図１は、本実施形態に係るネットワークシステム全体の構成を示すブロック図である。
本図に示すように、ネットワークシステムは、アイテム等の情報を選択する情報選択装置
１０と、アイテム提供サーバ２０と、１台以上の端末装置３０（図中では３０Ａ〜３０Ｎ
、本実施形態では「端末装置３０」と総称する）がネットワーク４０を介して接続されて
構成される。ここで、情報選択装置１０とアイテム提供サーバ２０により、端末装置３０
を使用するユーザに対してアイテム提供等のサービスを行なうアイテム提供システム１を
構成している。ネットワーク４０は、インターネットに代表される広域ネットワークとす
ることができる。また、端末装置３０とネットワーク４０との接続形態は、有線・無線を
問わない。

ネットワークシステムは、図２に示すような構成としてもよい。すなわち、ネットワー
ク４０にアイテム提供サーバ２０と１台以上の端末装置３０（３０Ａ〜３０Ｎ）が接続さ
れ、情報選択装置１０がネットワーク４０とは別のネットワーク４２を介してアイテム提
供サーバ２０と接続している構成である。この場合、ネットワーク４２を介して接続され
た情報選択装置１０とアイテム提供サーバ２０により、アイテム提供システム２を構成す
る。ネットワーク４２は、例えば、ＬＡＮ（Local Area Network）等とすることができ、
セキュリティ確保の観点から、端末装置３０から情報選択装置１０への直接的なアクセス
は制限することが望ましい。

ただし、ネットワークシステムは、上記の例に限られず、種々の構成を用いることがで
きる。例えば、情報選択装置１０とアイテム提供サーバ２０とを同一の装置で構成しても
よいし、それぞれを複数台の装置で構成するようにしてもよい。以下では、図１に示した
構成でネットワークシステムを実現した場合を例に説明する。

本実施形態におけるアイテムは、ユーザに対して提供対象となるものであり、テキスト
、音声、音楽、画像、映像、プログラム等のデジタルコンテンツ、様々な物品、金融商品
、不動産、人物情報、ネットワークサービス等を含めることができ、有形か無形かを問わ
ない。また、本実施形態では、各アイテムには、アイテムを分類するための情報であるカ
テゴリが１つ以上定められているものとするが、カテゴリを用いないで動作することも可
能である。

以下、上記構成のネットワークシステムについての実施例を説明する。各実施例につい
て同じブロックについては同じ符号を付すものとし、同じブロックで動作が異なる場合は
、第２実施例について「ｂ」、第３実施例について「ｃ」、第４実施例について「ｄ」を
符号の末尾に付加して説明する。

＜情報選択装置＞

図３は、第１実施例における情報選択装置１０の構成を示すブロック図である。本図に
示すように情報選択装置１０は、アイテム属性格納部１０１と、利用履歴格納部１０２と
、価格情報格納部１０３と、関連度算出部１０４と、関連集合格納部１０５と、情報選択
部１０７と、推薦情報格納部１０８と、送受信部１０９と、制御部１１０とを備えて構成
されている。また、情報選択装置１０には、情報選択装置１０の管理者向けに必要な情報
を表示するための表示装置１２０と、管理者が操作を行なうためのキーボード、マウス等
の入力装置１３０とが接続されている。

情報選択装置１０は、ＣＰＵ、ＲＡＭ、ＲＯＭ、ＨＤＤ（ハードディスクドライブ）、
ネットワークインタフェース等を備える一般的なコンピュータを用いて構成することがで
きる。すなわち、一般的なコンピュータは、以下で説明するような処理を行なうためのコ
ンピュータプログラムを実行することにより、情報選択装置１０として機能することがで
きるようになる。

また、上述のように、情報選択装置１０を複数台のコンピュータを用いて構成してもよ
い。例えば、負荷分散をするために、情報選択装置１０のある処理ブロックに相当するコ
ンピュータを複数台用いて、すなわち、同じ処理ブロックを備える複数台のコンピュータ
を用いて分散処理を行なうようにしてもよい。また、情報選択装置１０の一部の処理ブロ
ックをあるコンピュータで実施し、他の処理ブロックを別のコンピュータで実施する形態
で分散処理を行なってもよい。

アイテム属性格納部１０１は、アイテムに関する情報が記録されたアイテム情報テーブ
ル１０１Ａと、カテゴリに関する情報が記録されたカテゴリ情報テーブル１０１Ｂとを格
納している。

図４（ａ）は、アイテム情報テーブル１０１Ａの一例を示している。本図に示すように
、アイテム情報テーブル１０８Ａは、アイテム識別子（アイテムＩＤ）と、アイテム属性
情報とを対応させたテーブルである。アイテム属性情報は、アイテムの「タイトル（名称
）」「カテゴリ識別子」「説明情報」「アイテム時期情報」などで構成されている。

図４（ｂ）は、カテゴリ情報テーブル１０１Ｂの一例を示している。本図に示すように
、カテゴリ情報テーブル１０８Ｂは、カテゴリ識別子（カテゴリＩＤ）とカテゴリ属性情
報とを対応させたテーブルである。カテゴリ属性情報は、「カテゴリ名」「カテゴリ説明
」などで構成されている。２つのテーブルに存在する「カテゴリ識別子」を介して、アイ
テム情報テーブル１０１Ａのアイテム情報とカテゴリ情報テーブル１０１Ｂのカテゴリ情
報とを関連付けることができる。

ここで、カテゴリとは、アイテムを所定の基準で分類した情報であり、１つのアイテム
について１個以上設定される。カテゴリは、例えば、アイテムの「クリエイター（作成者
）」とすることができる。なお「クリエイター」は、アイテムの制作者、監督、プロデュ
ーサー、執筆者、作曲者、作詞者、演奏者、出演者等である。

また、アイテムが音楽コンテンツの場合、「ロック」「ジャズ」「クラシック」「フォ
ーク」等のジャンル情報をカテゴリとすることができ、アイテムが映画の場合、「ＳＦ」
「アクション」「コメディ」「アニメ」「サスペンス」等のジャンル情報をカテゴリとす
ることができる。さらには、「日本」「アメリカ」「イギリス」など作成者の国や地域を
用いた分類情報や、「癒し系」「エキサイティング」「ドラマティック」といったアイテ
ムの雰囲気やムードを示す情報をカテゴリとして用いてもよい。

アイテム属性情報の「説明情報」は、アイテムのあらすじや要約、制作された背景説明
などの情報である。「アイテム時期情報」は、アイテムの作成された時期（時点）を示す
情報である。ただし、アイテム提供サーバ２０にアイテムが登録された時期や、アイテム
が提供開始された時期を用いてもよい。本実施形態では、時期（時点）の表現形式として
、「２０１０年１月１日」などの日付を用いるが、他の表現形式を用いてもよい。例えば
、「２０１０年１月１日 １０時１５分２０秒」などの秒単位までの日時でもよいし、ミ
リ秒単位までの日時でもよい。あるいは、「２０１０年１月」などの月単位の表現形式で
も、「２０１０年 １Ｑ」などの四半期単位の表現形式でも、「２０１０年」などの年単
位の表現形式でも、「２０００年代」などの年単位より大まかな年代の表現形式でもよい
。

アイテム情報テーブル１０１Ａのアイテム属性情報においては、１つのアイテムに同じ
種類の属性項目が複数存在していてもよい。例えば、１つのアイテムに、「クリエイター
１」「クリエイター２」「クリエイター３」「ジャンル１」「ジャンル２」の合計５つの
カテゴリが設定されていてもよい。もちろん、ここで挙げたアイテム属性情報とカテゴリ
属性情報は、あくまでも例示であり、上記に限定される訳ではない。例えば、アイテム属
性情報に「サイズ」や「色」などの属性項目を用いてもよい。

なお、情報選択装置１０が、必要に応じてアイテム提供サーバ２０の後述するアイテム
格納部２０２からアイテム情報およびカテゴリ情報を取得できるようにして、アイテム属
性格納部１０１を省略することも可能である。

送受信部１０９は、ネットワーク４０（図２の構成の場合は、さらにネットワーク４２
）を介して、アイテム提供サーバ２０または端末装置３０との間でデータを送受信する処
理を行なう。

制御部１１０は、情報選択装置１０の全体の制御を行なうための種々の処理を行なう。
例えば、後述するように、アイテム提供サーバ２０または端末装置３０から送信される利
用リクエストを、送受信部１０９を介して受信し、利用リクエストに含まれるユーザ識別
子とアイテム識別子とを対応させて、利用履歴情報として利用履歴格納部１０２に格納さ
せる。

利用履歴格納部１０２は、ユーザのアイテム利用履歴情報を記録するアイテム利用履歴
テーブル１０２Ａを格納している。アイテム利用は、ユーザからの利用リクエストに対し
てアイテム提供サーバ２０がアイテムを提供することにより実行される。ただし、アイテ
ム利用は、購入を伴う提供に限られず、アイテムに関する情報の閲覧、視聴等を含めるよ
うにしてもよい。

アイテム利用履歴テーブル１０２Ａは、利用履歴情報の格納形態として、種々の格納形
態を採用することができる。例えば、図５（ａ）のアイテム利用履歴テーブル１０２Ａ−
１に示すように、利用主体識別子とアイテム識別子とを関連付けて格納することができる
。ここで、「利用主体識別子」は、端末装置３０を利用するユーザを一意に識別するユー
ザ識別子、または端末装置３０を一意に識別するための端末識別子であり、ユーザ識別子
と端末識別子とを合わせた概念である。本実施形態では、ユーザ識別子を用いてユーザを
識別するものとするが、端末装置３０として携帯電話を用いた場合等には、端末装置３０
との接続時に取得可能な端末識別子を用いるようにしてもよい。

本例では、１つの利用リクエストが、テーブルの１行に対応している。テーブルの１行
目と４行目がともに「ＵｓｅｒＩＤ−１」と「ＩｔｅｍＩＤ−３」の組み合わせであるこ
とから分かるように、利用主体識別子とアイテム識別子の組み合わせが同じであっても、
利用リクエストごとにテーブル行のデータを追加して格納している。このため、アイテム
識別子が示すアイテムごとの利用回数、およびアイテムごとの利用ユーザ数を他の処理部
が容易にカウントすることができる。なお、１つの利用リクエストに複数のアイテム識別
子が含まれている場合は、アイテム識別子の数だけのテーブル行を割り当てて格納する。

図５（ｂ）に示すアイテム利用履歴テーブル１０２Ａ−２は、利用主体識別子とアイテ
ム識別子と利用時期情報とを関連付けて格納する格納形態例である。図５（ａ）に示した
アイテム利用履歴テーブル１０２Ａ−１と同様に、１つの利用リクエストが、テーブルの
１行に対応している。利用リクエストに利用時期情報が含まれている場合は、その情報を
取り出して利用時期情報として格納する。利用リクエストに利用時期情報が含まれていな
い場合は、制御部１１０に内蔵等されている時計を用いて、情報選択装置１０が利用リク
エストを受信した時期（時点）を利用時期情報として格納する。

本実施形態では、利用時期情報の表現形式として、「２０１０年１月１日 １０時１５
分２０秒」などの秒単位までの日時を用いるが、それ以外にも、ミリ秒単位までの日時、
日単位までの日付、月単位、年単位など種々の形式を用いることができる。なお、利用リ
クエストの中に、ユーザのアイテムに対する評価値（好き＝３、どちらでもない＝２、嫌
い＝１、などの好き嫌いの度合いを示す数値）を含ませた上で、利用主体識別子とアイテ
ム識別子と利用時期情報と評価値とを関連付けてアイテム利用履歴テーブル１０２Ａ−２
に格納するようにしてもよい。

図５（ｃ）に示すアイテム利用履歴テーブル１０２Ａ−３は、利用時期情報を省略し、
利用主体識別子とアイテム識別子と利用回数とを関連付けた格納形態例である。後述する
ように、関連度算出部１０４において、利用時期情報を用いない場合は、アイテム利用履
歴テーブル１０２Ａ−３を用いることで利用履歴格納部１０２の記憶容量を削減すること
ができる。また、利用リクエストの中に、ユーザのアイテムに対する評価値が含まれる場
合は、利用主体識別子とアイテム識別子と利用回数と最新の評価値とを関連付けてアイテ
ム利用履歴テーブル１０２Ａ−３に格納するようにしてもよい。

なお、図５（ｃ）に示すアイテム利用履歴テーブル１０２Ａ−３では、利用時期情報を
格納していないが、あるユーザがあるアイテムを利用した最新の利用時期情報を格納して
もよい。すなわち、利用主体識別子とアイテム識別子と利用回数と最新の利用時期情報と
を関連付けて格納してもよい。あるいは、利用主体識別子とアイテム識別子と利用回数と
最初の（最も古い）利用時期情報とを関連付けて格納してもよい。

また、利用履歴格納部１０２には、アイテム利用履歴テーブル１０２Ａに加え、図５（
ｄ）に示すようなカテゴリ利用履歴テーブル１０２Ｂを格納するようにしてもよい。カテ
ゴリ利用履歴テーブル１０２Ｂは、利用主体識別子とカテゴリ識別子と利用時期情報とを
関連付けたテーブルである。この場合、制御部１１０は、ユーザからの利用リクエストに
際し、アイテム属性格納部１０１のアイテム情報テーブル１０１Ａを参照して、利用リク
エストのアイテム識別子に対応するカテゴリ識別子を特定し、カテゴリ利用履歴テーブル
１０２Ｂに格納する。カテゴリ利用履歴テーブル１０２Ｂを格納しておくと、後述するよ
うに、アイテム推薦形式およびカテゴリ推薦形式に対応する関連集合を作成する際（図１
４のステップＳ４００）に、効率よく処理が行なえる場合がある。

価格情報格納部１０３は、アイテムの価格情報を記録したアイテム価格情報テーブル１
０３Ａと、カテゴリの価格情報を記録したカテゴリ価格情報テーブル１０３Ｂとを格納し
ている。図６（ａ）は、アイテム価格情報テーブル１０３Ａの一例を示している。本図に
示すように、アイテム価格情報テーブル１０３Ａは、アイテム識別子と、価格情報とを対
応付けて格納する。アイテムの価格情報は、そのアイテムの価格である。ただし、必ずし
も円、ドル、ユーロといった実際の通貨に基づく価格である必要はない。例えば、本実施
形態に係るアイテム提供サービスや、提携している関連サービスで使用できる独自のポイ
ントサービスの値であってもよい。なお、本図の例から分かるように、価格情報（価格）
が「０円」である無料のアイテムが存在してもよい。また本図に示すように、価格の安い
順にアイテムを格納してもよいし、高い順に格納してもよい。もちろんアイテム識別子の
順番に格納してもよい。

図６（ｂ）は、カテゴリ価格情報テーブル１０３Ｂの一例を示している。本図に示すよ
うに、カテゴリ価格情報テーブル１０３Ｂは、カテゴリ識別子と、価格情報とを対応付け
て格納する。カテゴリの価格情報は、そのカテゴリに属する各アイテムの価格の合計値ま
たは代表値とすることができる。価格の代表値は、例えば、そのカテゴリに属するアイテ
ムの価格の平均値、中央値、最頻値、四分位値、最大値、最小値などである。

図６（ｂ）に示したカテゴリ価格情報テーブル１０３Ｂでは、そのカテゴリに属するア
イテムの価格の合計値をカテゴリの価格情報としている。なお本図から分かるように、価
格が「０円」であるカテゴリ（そのカテゴリに属するアイテムがすべて無料）が存在して
もよい。またカテゴリ識別子を格納する場合も、価格の安い順または高い順にアイテムを
格納してもよい。なお、価格情報をアイテム属性格納部１０１に記録するようにして、価
格情報格納部１０３を省略してもよい。

推薦情報格納部１０８は、情報選択部１０７で選択された推薦情報を記録する推薦情報
テーブルを格納する。推薦情報は、利用主体識別子と、それに関連する識別子（以下「関
連識別子」と称する）とを対応させた情報である。ここで、関連識別子としては、アイテ
ム識別子またはカテゴリ識別子を用いることができる。すなわち、推薦情報格納部１０８
は、図７（ａ）、図７（ｂ）に示すような２種類の推薦情報テーブルを格納する。

図７（ａ）は、関連識別子をアイテム識別子（関連アイテム識別子）とし、利用主体識
別子と関連アイテム識別子と推薦順位とを対応させて格納したアイテム推薦情報テーブル
１０８Ａの例を示している。関連アイテム識別子は、利用主体識別子と関連するアイテム
の識別子である。以下では、利用主体識別子に対して関連アイテム識別子に対応するアイ
テムを推薦する形式を「アイテム推薦形式」と称する。

アイテム推薦情報テーブル１０８Ａでは、１つの利用主体識別子に、１つ以上の関連ア
イテム識別子が対応付けられている。「ＵｓｅｒＩＤ−１」に対応する関連アイテムはＮ
1個格納されており、「ＵｓｅｒＩＤ−２」に対応する関連アイテムはＮ2個格納されてい
る。ここで、Ｎ1とＮ2は同じであっても、異なっていてもよい。すなわち、利用主体識別
子ごとの関連識別子の個数がすべて同じであってもよいし、利用主体識別子ごとに関連識
別子の個数が異なっていてもよい。

推薦順位は、利用主体識別子ごとに関連アイテムを推薦する順位を示しており、ここで
は番号が小さいほど優先順位が高く、優先的にユーザに提示されるものとする。本図では
、各々の利用主体識別子に対して、推薦順位の高い順に関連識別子（関連アイテム識別子
）を格納しているが、推薦順位と対応付けて関連識別子を格納する場合は、適当な順序で
格納してもよい。

なお、推薦順位の代わりに、数値が大きいほど優先順位が高く、優先的にユーザに提示
されるような推薦度を格納するようにしてもよい。また、各推薦情報テーブルにおいて推
薦順位を省略してもよい。この場合は、各推薦情報テーブルにおいて、利用主体識別子ご
とに推薦順位の高い順、または推薦順位の低い順に関連識別子を格納すればよい。すなわ
ち、ある利用主体識別子に対する関連識別子の推薦順位の情報を、関連識別子の格納順序
（格納位置）に持たせてもよい。あるいは、記録された関連識別子をすべて同じ順位とし
て扱ったり、各推薦情報テーブルを読み出す際に、ランダムに推薦順位を付与してもよい
。

図７（ｂ）は、関連識別子をカテゴリ識別子（関連カテゴリ識別子）とし、利用主体識
別子と関連カテゴリ識別子と推薦順位とを対応させて格納したカテゴリ推薦情報テーブル
１０８Ｂの例を示している。関連カテゴリ識別子は、利用主体識別子と関連するカテゴリ
の識別子である。以下では、利用主体識別子に対して関連カテゴリ識別子に対応するカテ
ゴリを推薦する形式を「カテゴリ推薦形式」と称する。カテゴリ推薦形式は、例えば、ユ
ーザにクリエイター（アイテムの作成者）やジャンルに関する推薦情報を提供する場合に
用いることができる。

推薦順位は、アイテム推薦情報テーブル１０８Ａと同様な意味であり、同様に推薦順位
の格納を省略することも可能である。

以下では、アイテム推薦情報テーブル１０８Ａを用いた情報提供（アイテム推薦形式）
とカテゴリ推薦情報テーブル１０８Ｂを用いた情報提供（カテゴリ推薦形式）とを両方実
施する場合を例にして説明するが、これらのうちの一方のみを実施するようにしてもよい
。その場合、必要な種類の推薦情報テーブルのみ格納すればよい。

関連度算出部１０４は、利用履歴格納部１０２に格納されたデータを用いて、上述した
「アイテム推薦形式」「カテゴリ推薦形式」に対応する２種類の関連度を算出して関連集
合を作成し、関連集合格納部１０５に格納させる。

関連集合格納部１０５は、利用主体識別子と、関連識別子と、関連度とを対応させた関
連度テーブル１０５Ａ／１０５Ｂを格納する。関連度とは、利用主体識別子と関連識別子
との関連性の高さを示す数値であり、利用主体識別子に対応するユーザが関連識別子に係
るアイテムまたはカテゴリを好む程度を予測した数値である。

図８は、関連度テーブル１０５Ａ／１０５Ｂの一例を示している。関連度テーブル１０
５Ａ、１０５Ｂに格納されている、ある１つの利用主体識別子に対応する関連識別子の集
合をその利用主体識別子の関連集合と称する。

上述したように、関連識別子は、アイテム識別子またはカテゴリ識別子であり、それぞ
れに応じて、２種類の格納形式があるが、本図では簡略化して示している。以下では、利
用主体識別子と関連アイテム識別子との関連度を関連度テーブル１０５Ａに記録し、利用
主体識別子と関連カテゴリ識別子との関連度を関連度テーブル１０５Ｂに記録するものと
する。

本図の例では、利用主体識別子「ＵｓｅｒＩＤ−１」に対応する関連識別子をＬ1個、
利用主体識別子「ＵｓｅｒＩＤ−２」に対応する関連識別子をＬ2個格納している。ここ
で、Ｌ1とＬ2は同じであっても、異なっていてもよい。すなわち、すべての利用主体識別
子に対して同じ数の関連識別子を格納してもよいし、利用主体識別子ごとに異なる数の関
連識別子を格納してもよい。また、関連度算出部１０４で関連度が算出された利用主体識
別子と関連識別子の組み合わせをすべて格納してもよいし、利用主体識別子との関連度の
高い関連識別子のみを関連集合として格納してもよい。一部のみを格納することにより、
関連集合格納部１０５記憶容量を削減することができる。また、本図に示すように、利用
主体識別子ごとに、関連度の大きい順に関連識別子を格納してもよい。

関連集合の要素数（関連識別子の数）は、基本的には複数であるが、要素数が「１」の
関連集合が存在していてもよい。ただし、少なくとも１つ以上の関連集合の要素数は「２
」以上である必要がある。なお、情報選択装置１０以外の他の装置で算出された関連集合
および関連度を関連度テーブル１０５Ａ、１０５Ｂに記録してもよく、その場合は関連度
算出部１０４を省略することができる。

情報選択部１０７は、価格情報格納部１０３のアイテム価格情報テーブル１０３Ａ、カ
テゴリ価格情報テーブル１０３Ｂに格納された価格情報と、関連集合格納部１０５の関連
度テーブル１０５Ａ、１０５Ｂに格納された関連度とを用いて、関連集合格納部１０５の
関連度テーブル１０５Ａ、１０５Ｂに格納された利用主体識別子ごとに関連識別子を選択
し、その選択された関連識別子と利用主体識別子との組み合わせを推薦情報として、推薦
情報格納部１０８の各推薦情報テーブル１０８Ａ、１０８Ｂに格納する。
＜アイテム提供サーバ＞

アイテム提供サーバ２０は、端末装置３０からの要求に応じて、アイテムおよびアイテ
ムに関する情報を提供する装置である。図９は、アイテム提供サーバ２０の構成を示すブ
ロック図である。本図に示すように、アイテム提供サーバ２０は、ユーザ管理部２０１と
、アイテム格納部２０２と、データ格納部２０３と、送受信部２０４と、制御部２０５と
を備えて構成されている。

アイテム提供サーバ２０は、ＣＰＵ、ＲＡＭ、ＲＯＭ、ＨＤＤ（ハードディスクドライ
ブ）、ネットワークインタフェース等を備える一般的なコンピュータを用いて構成するこ
とができる。すなわち、一般的なコンピュータは、以下で説明するような処理を行なうた
めのプログラムを実行することにより、アイテム提供サーバ２０として機能することがで
きるようになる。

送受信部２０４は、ネットワーク４０（図２の構成の場合は、さらにネットワーク４２
）を介して情報選択装置１０および端末装置３０との間でデータを送受信する処理を行な
う。制御部２０５は、アイテム提供サーバ２０の全体の制御を行なう。

ユーザ管理部２０１は、端末装置３０を利用するユーザを一意に識別するユーザ識別子
、または端末装置３０を一意に識別するための端末識別子である利用主体識別子を少なく
とも格納している。 アイテム提供サーバ２０は、例えば、ユーザにアイテム利用を開始
させるに先立ち、入会処理等を行なって、入会処理の終了した利用主体識別子をユーザ管
理部２０１に格納する。また、必要に応じて、利用主体識別子に対応させて、ログイン名
、パスワード、氏名、生年月日、連絡先、決済方法等のユーザ属性情報をユーザ管理部２
０１に格納するようにしてもよい。

アイテム格納部２０２は、アイテム提供サーバ２０が提供するアイテムに関する情報を
格納する。アイテム格納部２０２は、情報選択装置１０のアイテム属性格納部１０１と同
様な情報を格納する。ただし、アイテムが有体の物品ではなく、デジタルコンテンツ等で
あって、ネットワーク４０を介して端末装置３０に配信可能である場合には、アイテム属
性格納部１０１のデータに加えて、アイテム識別子と、アイテム本体（デジタルコンテン
ツ等のデータ）とを対応させて格納する。

なお、制御部２０５は、アイテム格納部２０２が更新されるごと、または所定のスケジ
ュールに基づいて、アイテム格納部２０２のデータを、送受信部２０４を介して情報選択
装置１０に送信し、アイテム属性格納部１０１に格納させるようにしてもよい。また逆に
制御部２０５は、情報選択装置１０から送信されるアイテム属性格納部１０１のデータを
受信し、アイテム格納部２０２に格納させるようにしてもよい。あるいは、情報選択装置
１０からアイテム提供サーバ２０にアイテム属性情報を要求するメッセージを送信するよ
うにし、制御部２０５が、それに応じたデータをアイテム格納部２０２から読み出して、
送受信部２０４を介して情報選択装置１０に送信するようにしてもよい。

データ格納部２０３は、様々なデータを格納することができる。例えば、情報選択装置
１０の推薦情報格納部１０８に格納されたデータをコピーしてデータ格納部２０３に格納
することができる。この場合、端末装置３０は、アイテム提供サーバ２０から推薦情報を
受信することができるので、情報選択装置１０の処理負荷を低減することができる。また
、情報選択装置１０の利用履歴格納部１０２と同様なデータを格納してもよい。この場合
、情報選択装置１０からデータ格納部２０３を参照できるようにして、情報選択装置１０
の利用履歴格納部１０２を省略することも可能である。
＜端末装置＞

端末装置３０は、ユーザが使用する装置である。図１０は、端末装置３０の構成を示す
ブロック図である。本図に示すように、端末装置３０は、制御部３０１と、送受信部３０
２と、ブラウザ部３０３と、アプリケーション部３０４とを備えて構成されている。端末
装置３０は、ＣＰＵ、ＲＡＭ、ＲＯＭ、ＨＤＤ（ハードディスクドライブ）、ネットワー
クインタフェース等を備える一般的なコンピュータ等を用いることができる。すなわち、
一般的なコンピュータは、以下で説明するような処理を行なうためのプログラムを実行す
ることにより、端末装置３０として機能することができるようになる。また、端末装置３
０は、Ｗｅｂブラウザ機能等を備えた携帯電話や、携帯端末装置等を用いて構成すること
もできる。

端末装置３０には、Ｗｅｂブラウザに代表されるＷｅｂページにアクセスしてその情報
を表示するプログラムがインストールされており、ブラウザ部３０３を構成している。ま
た、種々のアプリケーションプログラムを実行することにより、アプリケーション部３０
４が構成される。

端末装置３０としてコンピュータを用いた場合には、ディスプレイ等の表示装置３２０
や、キーボード、マウス、トラックボール、リモコン等のユーザからの操作指示を受け付
けるための入力装置３３０が接続される。端末装置３０として携帯電話や、携帯端末装置
等を用いた場合は、表示装置、入力装置は内蔵されているが、以下では、便宜的に表示装
置３２０、入力装置３３０が接続されているものとして説明する。
＜システム動作＞
＜システム全体の動作＞

図１１のフローチャートを参照して、ネットワークシステム全体の基本的な動作を説明
する。この基本的な動作は、多少の変更はあるがすべての実施例で共通である。まず、ス
テップＳ１００において、端末装置３０は、ブラウザ部３０３を用いて、アイテム提供サ
ーバ２０のＵＲＬ（Uniform Resource Locator）にアクセスする。具体的には、アイテム
提供サーバ２０の提供する所定のＷｅｂページへのリクエスト（利用開始リクエスト）を
アイテム提供サーバ２０に送信する。

端末装置３０としてパーソナルコンピュータ等を用いる場合は、端末装置３０を利用す
るユーザに、事前に設定させたログイン名（ユーザＩＤ）とパスワードとを入力させ、こ
れらを利用開始リクエストに含めて送信する。あるいは、Ｃｏｏｋｉｅ等の技術を用いて
、端末装置３０を利用するユーザを識別可能なデータを利用開始リクエストに含めて送信
すれば、ログイン名とパスワードの送信を省略できる。ログイン名とパスワードを利用開
始リクエストに含めて送信する場合は、ステップＳ１００の前に、アイテム提供サーバ２
０から端末装置３０に、ログイン名とパスワードの入力を受け付けるためのＨＴＭＬ（Hy
per Text Markup Language）データ等を送信しておけばよい。

また、端末装置３０として携帯電話等を用いる場合は、端末固有の端末識別子を利用開
始リクエストに含めて送信すればよい。この場合は、ログイン名とパスワードの送信を省
略することができる。

ステップＳ１１０において、アイテム提供サーバ２０の制御部２０５は、送受信部２０
４を介して端末装置３０からの利用開始リクエストを受信し、ユーザ管理部２０１を参照
しながら、登録済のユーザか否かを判定する。具体的には、利用開始リクエストにログイ
ン名とパスワードが含まれている場合は、それらをユーザ管理部２０１に格納されている
ログインおよびパスワードと照合する。また、利用開始リクエストに端末識別子が含まれ
る場合は、それがユーザ管理部２０１に格納されている利用主体識別子と一致するか判定
する。登録済のユーザである場合（Ｙｅｓ）は、ステップＳ１３０に進み、そうでない場
合（Ｎｏ）は、ステップＳ１２０に進む。

ステップＳ１２０において、アイテム提供サーバ２０の制御部２０５は、送受信部２０
４を介して、端末装置３０に入会処理を行なうためのＷｅｂページ（ＨＴＭＬ）を送信す
る。本図には示していないが、端末装置３０を利用するユーザは、入力装置３３０を利用
して入会処理のＷｅｂページに必要な情報を入力し、アイテム提供サーバに送信する等の
操作を行ない、アイテム提供サーバ２０は、その情報をユーザ管理部２０１に格納する等
の入会処理が行われる。端末装置３０は、入会処理完了後に、改めて利用開始リクエスト
を送信することができる。

ステップＳ１３０において、アイテム提供サーバ２０の制御部２０５は、アイテム格納
部２０２を参照しながら、利用開始リクエストに対応するＷｅｂページの応答データであ
り、アイテムまたは／およびカテゴリを紹介する情報を含む応答データを作成し、送受信
部２０４を介して端末装置３０に送信する。応答データは、ＨＴＭＬデータ、画像データ
、映像データ、音声データなどで構成されており、複数回に分けて端末装置３０に送信さ
れる場合がある。また、応答データには、あるアイテム（またはカテゴリ）に関連する関
連アイテム（または関連カテゴリ）をユーザに表示するための情報と、ユーザにアイテム
を利用させるための情報とが含まれている。またＣｏｏｋｉｅ等の技術を用いて、応答デ
ータにユーザや端末装置３０を識別するための情報を含めてもよい。

ステップＳ１４０において、端末装置３０は、アイテム提供サーバ２０から応答データ
を受信し、表示装置３２０にその情報を表示する。表示画面の例を図１２に示す。図１２
は、応答データにアイテムを紹介する情報が含まれる場合の表示例である。本図の例は、
アイテム提供サーバ２０が最近提供を開始した「新着アイテム」を紹介する表示画面であ
る。ただし、本図に示すようなアイテムを紹介する情報は、種々のタイミングで端末装置
３０に送信することができる。

本図において「アイテムＡＢＣ」は１番目のアイテムのタイトルであり、「ＳＦ」は１
番目のアイテムのカテゴリ名であり、「このアイテムは、２００１年に制作された映画で
…」という表示は１番目のアイテムの説明情報である。また、各々のアイテムごとに、そ
のアイテムを利用するためのボタンやリンク等（利用リンク）が表示される。２番目以降
のアイテムについても同様な表示がされる。

また図１２に示すように、端末装置３０を利用するユーザに対して、そのユーザとの関
連度の高い（そのユーザの嗜好や興味に合う可能性の高い）アイテム情報を表示するため
のボタンやリンク等（関連アイテムリンク）と、そのユーザとの関連度の高いカテゴリ情
報を表示するためのボタンやリンク等（関連カテゴリリンク）とが表示される。以下では
、関連アイテムリンクと関連カテゴリリンクを合わせて、関連リンクと称する。

図１２の関連アイテムリンクは、「関連アイテム表示」ボタンに対応付けられており、
上述したアイテム推薦形式の推薦情報を表示させるためのリンクである。図１２の関連カ
テゴリリンクは、「関連カテゴリ表示」ボタンに対応付けられており、カテゴリ推薦形式
の推薦情報を表示させるためのリンクである。ユーザは、入力装置３３０を使用したクリ
ック等の操作により、関連リンクまたは利用リンクを選択することができる。なお表示画
面には表示されないが、応答データには、各々のアイテムのアイテム識別子、および端末
装置３０を利用するユーザに係る利用主体識別子が含まれている。

図１１のフローチャートの説明に戻って、ステップＳ１５０において、端末装置３０は
、関連リンク（関連アイテムリンクまたは関連カテゴリリンク）がユーザから入力装置３
３０を介して選択されたか否かを判定する。関連リンクが指定された場合（Ｙｅｓ）は、
ステップＳ１６０に進み、指定されていない場合（Ｎｏ）は、ステップＳ１９０に進む。

ステップＳ１６０において、端末装置３０は、関連リンクに対応するＵＲＬにリクエス
ト（推薦リクエスト）を送信する。本実施形態では、関連リンクが情報選択装置１０の所
定のＵＲＬに対応する場合を説明するが、関連リンクをアイテム提供サーバ２０の所定の
ＵＲＬに対応させてもよい。推薦リクエストには、利用主体識別子（端末装置３０を利用
するユーザのユーザ識別子または端末装置３０の端末識別子）と、関連アイテムリンクで
あるか関連カテゴリリンクであるかを示すリンク種別情報とが含まれている。以下では、
この推薦リクエストに含まれる利用主体識別子を「リクエスト利用主体識別子」（情報選
択に係る利用主体識別子）と称する。

ステップＳ１７０において、情報選択装置１０の制御部１１０は、送受信部１０９を介
して、推薦リクエストを受信し、それに含まれるリクエスト利用主体識別子に対応する表
示用推薦データを作成して端末装置３０に送信する。このとき、制御部１１０は、以下に
説明する「アイテム推薦形式」と「カテゴリ推薦形式」とに対応する２種類の処理を行な
う。

＜アイテム推薦形式＞

図７（ａ）に示した推薦情報格納部１０８のアイテム推薦情報テーブル１０８Ａを参照
しながら、リクエスト利用主体識別子に一致する利用主体識別子を特定し、それに対応す
る関連アイテム識別子と推薦順位とを読み出す。さらに、その関連アイテム識別子に対応
するアイテム属性情報をアイテム属性格納部１０１のアイテム情報テーブル１０１Ａから
読み出す。そして、関連アイテム識別子と、推薦順位と、アイテム属性情報とを対応させ
た表示用推薦データを作成する。

例えば、図７（ａ）に示した例において、リクエスト利用主体識別子が「ＵｓｅｒＩＤ
−１」である場合は、それと同じ利用主体識別子に対応した関連アイテム識別子である「
ＩｔｅｍＩＤ−１０００」「ＩｔｅｍＩＤ−１０２０」…「ＩｔｅｍＩＤ−１０３５」と
、その推薦順位「１」「２」…「Ｎ1」を読み出す。ただし、特定した利用主体識別子に
対応する関連アイテム識別子をすべて読み出してもよいし、推薦順位の高い順に所定個数
読み出してもよい。また推薦リクエストの中に、読み出す推薦情報の個数が含まれている
場合は、推薦順位の高い順にその個数だけを読み出す。

このとき、利用履歴格納部１０２のアイテム利用履歴テーブル１０２Ａを参照しながら
、リクエスト利用主体識別子に対応するユーザが過去に利用したアイテム識別子（利用済
みアイテム識別子）を特定し、利用済みアイテム識別子（利用済みアイテム）を推薦情報
に含めない処理（利用済み除外処理）を行なってもよい。このような処理を行なうことで
、ユーザが１回しか同じアイテムを購入しない性質を持つようなアイテム提供サービスに
おいて、精度の高い推薦が可能になる。例えば、１度購入したデジタルコンテンツは、端
末装置３０で繰り返し利用（再生）できる、といったサービスに適している。

また、過去の利用回数が所定数以上のアイテムを推薦情報に含めない処理や、最近３ヶ
月以内等の所定期間内に利用したアイテムを推薦情報に含めない処理を行なってもよい。
このような処理を行なうことで、ユーザが利用しない可能性の高いアイテムが推薦情報に
入り難くなるので、推薦情報に対するユーザの信頼感や興味の度合いを高めることができ
る。

そして制御部１１０は、アイテム属性格納部１０１を参照しながら、読み出した関連ア
イテム識別子に対応する「タイトル」「説明情報」などのアイテム属性情報と、「カテゴ
リ名」などのカテゴリ属性情報とを読み出し、関連アイテム識別子と２つの属性情報と推
薦順位とを合わせて表示用推薦データを作成する。

＜カテゴリ推薦形式＞

図７（ｂ）に示した推薦情報格納部１０８のカテゴリ推薦情報テーブル１０８Ｂを参照
しながら、リクエスト利用主体識別子に一致する利用主体識別子を特定し、それに対応す
る関連カテゴリ識別子と推薦順位とを読み出す。ここで、特定した利用主体識別子に対応
する関連カテゴリ識別子をすべて読み出してもよいし、推薦順位の高い順に所定個数読み
出してもよい。さらに、その関連カテゴリ識別子に対応するカテゴリ属性情報（カテゴリ
名およびカテゴリ説明情報）をアイテム属性格納部１０１から読み出す。そして、関連カ
テゴリ識別子と、推薦順位と、カテゴリ属性情報とを対応させた表示用推薦データを作成
する。

このとき、ユーザが過去に利用したカテゴリを除外して表示用推薦データを作成しても
よい。具体的には、利用履歴格納部１０２のアイテム利用履歴テーブル１０２Ａとアイテ
ム情報テーブル１０１Ａとを参照しながら、リクエスト利用主体識別子に対応するユーザ
が、過去に利用したアイテムについてのカテゴリ識別子（利用済みカテゴリ識別子）を特
定する。なお、カテゴリ利用履歴テーブル１０２Ｂを用いている場合は、カテゴリ利用履
歴テーブル１０２Ｂを参照すればよい。

そして、カテゴリ推薦情報テーブル１０８Ｂから関連カテゴリ識別子を読み出す際に、
利用済みカテゴリ識別子を除外する処理を行なう。このような処理を行なうことで、ユー
ザが１回しか同じカテゴリのアイテムを購入しない性質を持つようなアイテム提供サービ
スにおいて、精度の高い推薦が可能になる。

また、過去の利用回数が所定数以上のカテゴリを推薦情報に含めない処理や、最近３ヶ
月以内等の所定期間内に利用したカテゴリを推薦情報に含めない処理を行なってもよい。
このような処理を行なうことで、ユーザが利用しない可能性の高いカテゴリが推薦情報に
入り難くなるので、推薦情報に対するユーザの信頼感や興味の度合いを高めることができ
る。

なお、アイテム提供サーバ２０のユーザ管理部２０１に、ユーザの氏名やログイン名な
どのユーザ属性情報が格納されている場合には、上述した「アイテム推薦形式」、「カテ
ゴリ推薦形式」の表示用推薦データを作成する際にこれらを読み出して、表示用推薦デー
タの中に、リクエスト利用主体識別子と、リクエスト利用主体識別子に対応するユーザ属
性情報とを含めてもよい。

また、推薦リクエストの種別に対応する推薦情報テーブルにおいて、推薦順位が格納さ
れておらず、関連識別子の格納順序が推薦順位の情報を持っている場合は、その格納順序
に従って、表示用推薦データにおける関連識別子の順序を決めればよい。例えば、格納順
序が１番目の関連アイテム識別子を表示用推薦データの１番目にし、格納順序が２番目の
関連アイテム識別子を表示用推薦データの２番目にすればよい。また、表示用推薦データ
を作成する際に、ランダムな推薦順位を生成して付与したり、表示用推薦データにおける
関連識別子の順序をランダムに決定してもよい。

図１１のフローチャートの説明に戻って、ステップＳ１８０において、端末装置３０は
、ステップＳ１７０で情報選択装置１０から送信された表示用推薦データを受信し、例え
ば、図１３に示す形式で表示装置１２０に推薦リストとして表示する。図１３（ａ）は、
「アイテム推薦形式」に対応する処理が行われた場合に、推薦リクエストを発行したユー
ザとの関連度が高いアイテムを「○○○さんへのおすすめアイテム」として表示する画面
の一例である。

「○○○」には、リクエスト利用主体識別子に対応するユーザの氏名やログイン名が表
示される。このような表示を行なうことにより、他のユーザに対する推薦情報と共通のも
のではなく、そのユーザ専用に作成された推薦情報であることをユーザに明確に伝えるこ
とができるので、推薦情報に対するユーザの信頼感や興味の度合いを高めることができる
。なお、氏名やログイン名を表示しなくても、「あなただけにお知らせする、とっておき
アイテムです」など、そのユーザ専用に作成された推薦情報であることが分かる表示を行
なうことで、同様の効果を得ることができる。

アイテムの表示順序は、推薦順位に従って決められており、推薦順位が上位のアイテム
ほど、ユーザの目に留まりやすい位置に表示される。例えば、本図に示すように上下方向
に各々のアイテムの情報を配置する場合は、推薦順位が上位のアイテムの表示画面の上側
に表示するとよい。また、左右方向に各々のアイテムの情報を配置する場合は、表示画面
の左側に表示するとよい。「アイテムＯＰＱ」は１番目のアイテム（推薦順位が「１」の
アイテム）のタイトルであり、「サスペンス」は１番目のアイテムのカテゴリ名であり、
「このアイテムは、目が離せない…」という表示は、１番目のアイテムの説明情報である
。図１２に示した表示例と同様に、各々のアイテムに対して、利用リンクに対応付けられ
た「アイテム利用」ボタンが表示される。２番目以降のアイテムについても同様な表示が
される。

図１３（ｂ）は、表示用推薦データ作成・送信処理（ステップＳ１７０）で「カテゴリ
推薦形式」に対応する処理が行われた場合に、推薦リクエストを発行したユーザとの関連
度が高いカテゴリを「○○○さんへのおすすめカテゴリ」として表示する画面の一例であ
る。

カテゴリの表示順序は、推薦順位に従って決められている。「カテゴリＲＳＴ」は１番
目のカテゴリ（推薦順位が「１」のカテゴリ）のカテゴリ名であり、「このカテゴリは、
最近非常に注目され…」という表示は、１番目のカテゴリの説明情報である。各々のカテ
ゴリに対して、「アイテム一覧表示」ボタンが表示される。ユーザが「アイテム一覧表示
」ボタンを押すと、この画面あるいは別の画面に、そのカテゴリに属するアイテムの一覧
と、それを利用するための利用ボタン（利用リンク）が表示される。なお、図１３（ｂ）
に示す画面に、各々のカテゴリに属する代表的なアイテムのタイトル等をあらかじめ表示
してもよい。２番目以降のアイテムについても同様な表示がされる。

図１１のフローチャートの説明に戻って、ステップＳ１９０において、端末装置３０は
、利用リンクがユーザから入力装置３３０を利用して選択されたか否かを判定する。この
利用リンクは、代表的には、アイテムの購入要求とすることができるが、アイテムの再生
、アイテムのプレビュー、アイテムの詳細情報の表示、アイテムに対する評価情報（評価
値）の登録などの種々の要求を含めることができる。利用リンクが選択された場合（Ｙｅ
ｓ）は、ステップＳ２００に進み、そうでない場合（Ｎｏ）はステップＳ２５０に進む。

ステップＳ２００において、端末装置３０は、利用リンクに対応するＵＲＬにリクエス
ト（利用リクエスト）を送信する。本実施形態では、利用リンクがアイテム提供サーバ２
０の所定のＵＲＬに対応する場合を説明する。なお端末装置３０は、利用リクエストをア
イテム提供サーバ２０に加えて、情報選択装置１０に直接送信してもよい。

各々の利用リンクには、選択対象となるアイテムのアイテム識別子が付与されており、
利用リクエストには、ユーザが選択したアイテムのアイテム識別子と、そのユーザまたは
端末装置３０を識別する利用主体識別子とが含まれている。なお、ユーザが一度に複数の
アイテムを利用する場合は、１つの利用リクエストに複数のアイテムのアイテム識別子を
含めてもよいし、複数の利用リクエストを送信してもよい。

ステップＳ２１０において、アイテム提供サーバ２０の送受信部２０４は、端末装置３
０から受信した利用リクエストを情報選択装置１０に送信し中継する。このとき、アイテ
ム提供サーバ２０の制御部２０５が、利用リクエストからアイテム識別子や利用主体識別
子などの情報を取り出し、利用情報として、データ格納部２０３に格納させるようにして
もよい。

ステップＳ２２０において、情報選択装置１０の制御部１１０が、送受信部１０９を介
して、利用リクエストを受信し、利用履歴情報として利用履歴格納部１０２に格納させる
。そして、制御部１１０は、送受信部１０９を介して、利用履歴情報の格納を終了したこ
とを示すメッセージをアイテム提供サーバ２０に送信する。

ステップＳ２３０において、アイテム提供サーバ２０の制御部２０５が、送受信部２０
４を介して情報選択装置１０からの格納終了メッセージを受信した後、端末装置３０にア
イテムを提供する処理を行なう。例えば、提供対象のアイテムがデジタルコンテンツであ
る場合には、アイテム格納部２０２から、利用リクエストに含まれるアイテム識別子に対
応するアイテム本体を読み出して、送受信部２０４を介して端末装置３０に送信する。ま
た、アイテムが物品である場合には、配送事業者のシステムに配送依頼の情報を送る配送
処理などを行なう。このとき必要に応じて、課金処理などを行なう。また、アイテムの詳
細情報が要求された場合には、アイテム格納部２０２から「説明情報」などを読み出して
、端末装置３０に送信する。

ステップＳ２４０において、端末装置３０は、アイテム提供サーバ２０から提供された
アイテムの利用に係る処理を行なう。例えば、アイテムがデジタルコンテンツである場合
には、アイテムの再生、表示などを行なう。また、アイテムが物品である場合には、配送
処理を受付した旨のメッセージ等を画面に表示する。

ステップＳ２５０において、端末装置３０は、ユーザがブラウザを終了する等の操作終
了指示があるか否かを判定する。操作終了指示がある場合（Ｙｅｓ）は、端末装置３０の
処理を終了し、操作終了指示がない場合（Ｎｏ）は、ステップＳ１５０に戻って処理を継
続する。

以上がシステム全体の動作の説明である。なお、本実施形態においては、ステップＳ１
６０で、端末装置３０から情報選択装置１０に推薦リクエストを送信しているが、これ以
外の方法を用いてもよい。例えば、端末装置３０からアイテム提供サーバ２０に推薦リク
エストを送信し、アイテム提供サーバ２０が情報選択装置１０に推薦リクエストを中継し
てもよい。また、適当なタイミングで、情報選択装置１０の制御部１１０が、送受信部１
０９を介して、推薦情報格納部１０８に格納されたデータをアイテム提供サーバ２０に送
信すると共に、アイテム提供サーバ２０の制御部２０５が、送受信部２０４を介して、そ
のデータを受信し、データ格納部２０３に格納させておいてもよい。そして、ステップＳ
１６０において、端末装置３０からアイテム提供サーバ２０に推薦リクエストを送信し、
ステップＳ１７０に相当する処理として、アイテム提供サーバ２０の制御部２０５が、デ
ータ格納部２０３から推薦データを読み出し、表示用推薦データを作成して、端末装置３
０に送信するようにしてもよい。この場合は、表示用推薦データ作成とその送信に伴う情
報選択装置１０の処理負荷を減らすことができる。

また、本実施形態においては、ステップＳ２１０で、アイテム提供サーバ２０が端末装
置３０からの利用リクエストを情報選択装置１０に中継しているが、これ以外の方法を用
いてもよい。例えば、ステップＳ２００の利用リクエストの送信と同時、あるいは適当な
タイミングで、端末装置３０から情報選択装置１０に直接、利用リクエストを送信しても
よい。

また、ステップＳ２２０において、情報選択装置１０は、利用履歴情報の格納に加えて
、利用リクエストに含まれる利用主体識別子に対応する表示用推薦データをステップＳ１
７０と同様な方法で作成し、表示用推薦データをアイテム提供サーバ２０に送信してもよ
い。そして、ステップＳ２３０において、アイテム提供サーバ２０が、アイテム提供処理
に加えて、表示用推薦データを端末装置３０に送信してもよい。すなわちこの場合、端末
装置３０は、利用リクエストを送信するごとに、利用リクエストに含まれるアイテム識別
子に対応する推薦情報を受信することができる。

また、携帯電話等の端末識別子を利用することができ、特別なユーザ登録処理が不要な
アイテム提供サービスにおいて、ステップＳ２００で送信される利用リクエストに、利用
主体識別子を含めることができる場合であれば、ステップＳ１１０の登録済ユーザ確認処
理と、ステップＳ１２０の入会処理に必要なデータの送信とを省略することも可能である
。
＜情報選択装置の動作＞
＜推薦情報作成動作＞

第１実施例における情報選択装置１０の処理動作について説明する。まず、情報選択装
置１０が推薦情報を作成する動作について図１４のフローチャートを参照して説明する。

情報選択装置１０の制御部１１０は、所定のタイミングで情報選択装置１０の各処理部
に指示を出し、推薦情報を作成する処理を開始する。推薦情報作成のタイミングとして、
次の３種類を用いることができる。

推薦情報作成の第１のタイミングは、所定の日時または所定の時間間隔である。例えば
、「毎日午前６時と午後６時」「毎週月曜の午前１０時３０分」「１２時間ごと」「２４
時間ごと」などである。このとき、「平日は午前６時、土日は午前６時と午後６時」「平
日は３時間ごと、土曜日は６時間ごと、日曜日は１２時間ごと」などのように時間間隔が
変動してもよい。また、夏は時間間隔を短くして、冬は時間間隔を長くするなど、季節に
応じて時間間隔を変えてもよい。この第１のタイミングを用いると、他のタイミングを用
いた場合より情報選択装置１０の処理負荷を減らすことができる。特に、推薦リクエスト
数が少ない時間帯に推薦情報を作成するように設定すれば、情報選択装置１０の処理負荷
の低減に効果的である。

推薦情報作成の第２のタイミングは、端末装置３０の推薦リクエスト送信処理（図１１
ステップＳ１６０）による端末装置３０からの推薦リクエストを所定回数受信するごとで
ある。この場合は、基本的には所定回数を１として、推薦リクエストを受信するごとに推
薦情報を作成するのがよい。以下の説明では、所定回数を１とするが、所定回数を２以上
にすることも可能である。所定回数を１とする場合は、まず推薦リクエストに含まれる利
用主体識別子（リクエスト利用主体識別子）に対する推薦情報を作成し、その後に表示用
推薦データ作成・送信処理（ステップＳ１７０）を行なう。このようにすれば、リクエス
ト利用主体識別子に対して、常に最新の推薦情報を提供することができる。

推薦情報作成の第３のタイミングは、アイテム提供サーバ２０を中継して送られる（ス
テップＳ２１０）、端末装置３０の利用リクエスト送信（ステップ２００）による利用リ
クエストを所定回数受信するごとである。この所定回数を調整することにより、情報選択
装置１０の処理負荷の大きさと、推薦情報の新しさとのバランスを調整することができる
。

通常は、所定回数をある程度大きな値として、情報選択装置１０の処理負荷があまり大
きくならないようにするのがよい。一般的には、ある程度の数の利用履歴が追加されない
と、新たな推薦情報を作成しても前回の推薦情報と似た内容になることが多いので、所定
数を適切な値に設定すれば、情報選択装置１０の処理負荷を抑えながら、比較的新しい利
用状況を反映させた推薦情報を提供することができる。特に、利用リクエストの数が季節
、曜日、時間帯などにより大きく変動する場合や、利用リクエスト数の増減パターンを事
前に予測するのが難しい場合には、第１のタイミングで推薦情報を作成するよりも、情報
選択装置１０の処理負荷の軽減と、比較的新しい利用状況を推薦情報に反映させることと
を両立させやすい。

以下の説明において、推薦情報を作成する対象となる利用主体識別子の集合を「推薦基
準集合」と称する。第１のタイミングおよび第３のタイミングで推薦情報を作成する場合
は基本的に、推薦基準集合の要素数が多数となる。第２のタイミングで推薦情報を作成す
る場合は、推薦基準集合の要素数は基本的に１つであるが、複数の場合もある。

まず、ステップＳ４００において、制御部１１０の指示を受けた関連度算出部１０４が
、「アイテム推薦形式」および「カテゴリ推薦形式」に対応する２種類の関連度を算出し
、これに基づき関連集合を作成し、関連集合を関連集合格納部１０５に格納させる。 ス
テップＳ４１０において、制御部１１０の指示を受けた情報選択部１０７が、ステップＳ
４００で算出された関連度、および価格情報格納部１０３のアイテム価格情報テーブル１
０３Ａ、カテゴリ価格情報テーブル１０３Ｂに格納された価格情報を用いて、アイテムま
たはカテゴリを選択して、推薦情報格納部１０８に格納させる情報選択処理を行なう。そ
して、推薦情報作成処理が終了した旨を制御部１１０に通知する。以上が推薦情報作成動
作の概要である。

「アイテム推薦形式」および「カテゴリ推薦形式」に対応する関連集合作成処理（ステ
ップＳ４００）について図１５のフローチャートを参照して説明する。

ステップＳ５００において、関連度算出部１０４は、利用履歴格納部１０２のアイテム
利用履歴テーブル１０２Ａに記録されている利用履歴を読み出す。ここでは、すべての利
用履歴を読み出してもよいし、所定の条件を満たす利用履歴を読み出してもよい。例えば
、図６（ｂ）に示したアイテム利用履歴テーブル１０２Ａ−２のように利用時期情報を記
録した上で、「利用時期が過去４ヶ月以内」「利用時期と現在との差が３日以上かつ３０
日未満」などのように、「利用履歴の利用時期情報が所定の範囲にある」という条件を満
たす利用履歴を読み出してもよい。

また、ユーザ（利用主体識別子）ごとに利用時期が新しい順に所定個数以内の利用履歴
を読み出してもよい。例えば、所定個数を２０個とした場合、利用回数が２０回以上のユ
ーザに対しては、利用時期が新しい順に２０個ずつの利用履歴を読み出し、利用回数が２
０回未満のユーザに対しては、そのアイテムに関するすべての利用履歴を読み出すように
する。このようにすれば、利用頻度が少なく、最近アイテムを利用していないようなユー
ザに対しても効率よく関連集合を作成することができる。

そして、このステップＳ５００で読み出した利用履歴に含まれるユーザ（利用主体識別
子）の集合σを作成する。以下では、このステップで読み出した利用履歴に含まれるアイ
テムの数（アイテム識別子の種類数）をＭｓ、ユーザの数（利用主体識別子の種類数）を
Ｕｓとする。

ステップＳ５１０において、関連度算出部１０４は、推薦基準集合Ｋ１を作成する。上
述したように、第２タイミングで推薦情報を作成する場合には、リクエスト利用主体識別
子を推薦基準集合Ｋ１に入れる。第１および第３のタイミングで推薦情報を作成する場合
は、ステップＳ５００で作成したアイテムの集合σを推薦基準集合Ｋ１とする。この場合
は、所定条件を満たす利用履歴に含まれる利用主体識別子それぞれに対して関連アイテム
集合が作成されることになる。なお、ここで作成された推薦基準集合Ｋ１は、情報選択部
１０７、制御部１１０などの他の処理部から参照することができる。

ステップＳ５２０において、関連度算出部１０４は、ステップＳ５１０で作成された推
薦基準集合Ｋ１の中から未処理のユーザを１つ選択する。この処理対象となるユーザを基
準ユーザｘとする。

ステップＳ５３０において、関連度算出部１０４は、ステップＳ５００で読み出された
利用履歴を用いて、基準ユーザｘと、ユーザ集合σに属する他ユーザｙ（ｙ∈σ、ｘ≠y
）との類似度を算出する。

具体的には、基準ユーザｘと他のユーザｙとが共に利用したことのあるアイテムの数｜
Ｉ［ｘ］∩Ｉ［ｙ］｜を算出し、これを類似度とすることができる。また、ユーザｘが利
用したアイテムの集合をＩ［ｘ］、ユーザｙが利用したアイテムの集合をＩ［ｙ］、ユー
ザｘとユーザｙとが共に利用したことのあるアイテムの数を｜Ｉ［ｘ］∩Ｉ［ｙ］｜、ユ
ーザｘとユーザｙの少なくとも一方が利用したことのあるアイテムの数を｜Ｉ［ｘ］∪Ｉ
［ｙ］｜としたとき、［数１］に示すように、ジャカード（Ｊａｃｃａｒｄ）係数を用い
てユーザｘとユーザｙの類似度Ｄ［ｘ］［ｙ］を算出することができる。

また、ステップＳ５００で読み出された利用履歴から、利用回数に関する情報やユーザ
がユーザに対して行なった評価の情報（評価値）が得られる場合は、コサイン尺度やピア
ソン積率相関係数を用いて類似度を算出してもよい。例えば、ユーザｘのアイテムｚに対
する利用回数または評価値をＥ［ｘ］［ｚ］、ユーザｙのアイテムｚに対する利用回数ま
たは評価値をＥ［ｙ］［ｚ］としたとき、［数２］に示すように、コサイン尺度を用いて
ユーザｘとユーザｙとの類似度Ｄ［ｘ］［ｙ］を算出することができる。ここで、Ｍｓは
、ステップＳ５００で読み出された利用履歴に含まれるアイテムの数である。

また、［数３］に示すように、ピアソン積率相関係数を用いて、類似度Ｄ［ｘ］［ｙ］
を算出してもよい。

ここで、Ｉｃ［ｘ］［ｙ］は、ユーザｘとユーザｙとが共に利用または評価したアイテ
ムの集合であり、Ｅａ［ｘ］は、Ｉｃ［ｘ］［ｙ］に属するアイテムをユーザｘが利用し
た回数の平均値、または評価した評価値の平均値である。Ｅａ［ｙ］は、Ｉｃ［ｘ］［ｙ
］に属するアイテムをユーザｙが利用した回数の平均値または評価値の平均値である。ま
た、Ｅ［ｘ］［ｚ］とＥ［ｙ］［ｚ］とのユークリッド距離あるいはその他の距離を用い
て、類似度Ｄ［ｘ］［ｙ］を算出してもよい。

また、利用履歴格納部１０２に利用時期情報が格納されている場合は、Ｅ［ｘ］［ｚ］
などを算出する際に、利用時期が古い利用履歴より、新しい利用履歴の重みを大きくして
算出してもよい。

さらに、ユーザｘのアイテムｚに対する利用回数または評価値であるＥ［ｘ］［ｚ］（
ｘ＝１〜Ｕｓ、ｚ＝１〜Ｍｓ）を行列要素とする行列に対して、主成分分析や数量化３類
などの多変量解析を適用し、次元数を削減したベクトルを生成し、そのベクトルのコサイ
ン尺度やユークリッド距離などを用いてユーザ間の類似度を算出してもよい。また、上記
以外にも、ユーザ間の類似性を表わす指標であれば、どのような方法を用いてもよい。

このようにして算出されたユーザｘと、ユーザｙ（ｙ∈σ、ｘ≠y）との類似度は、関
連度算出部１０４内部のメモリ（図示せず）に格納される。なお、ステップＳ５２０〜Ｓ
５７０のループ（繰り返し）処理において、ユーザｘと、ユーザｙとの類似度が既に算出
され、関連度算出部１０４内部のメモリに格納されている場合は、新たな算出を行なわず
に格納されている値を利用してもよい。

ステップＳ５４０において、関連度算出部１０４は、基準ユーザｘとアイテムｚとの関
連度Ｗ［ｘ］［ｚ］を算出する。

関連度算出の第１の方法は、ステップＳ５３０で算出された類似度Ｄ［ｘ］［ｙ］が高
い「類似ユーザ」を特定し、類似ユーザに多く利用されたアイテムほど関連度が高くなる
ように算出する方法である。

具体的にはまず、類似度Ｄ［ｘ］［ｙ］が所定値以上のユーザ、あるいは類似度Ｄ［ｘ
］［ｙ］が高い順に所定数のユーザを類似ユーザとして特定する。次に、ステップＳ５０
０で読み出された利用履歴を対象にして、類似ユーザが利用したアイテムを特定し、アイ
テムごとに利用回数をカウントし、この利用回数を関連度とする。あるいは利用回数の平
方根や対数値などを用いて関連度を算出してもよい。第１の方法によれば、類似ユーザに
利用されたアイテムの関連度が算出される。類似ユーザに利用されていないアイテムの関
連度は「０」とすればよい。

この第１の方法は、ユーザがアイテムを気に入った場合に、そのアイテムを複数回利用
（購入）する性質を持つようなアイテム提供サービスに適している。例えば、端末装置３
０に保存できない形式のデジタルコンテンツや、消耗品の物販などである。

関連度算出の第２の方法は、多くの類似ユーザに利用されたアイテムほど関連度が高く
なるように算出する方法である。第１の方法と同様に、類似ユーザを特定した後、ステッ
プＳ５００で読み出された利用履歴を対象にして、類似ユーザが利用したアイテムを特定
し、アイテムごとに利用した人数をカウントし、この利用人数を関連度とする。

第２の方法は、ユーザが基本的に同じアイテムを１度しか利用（購入）しない性質のア
イテム提供サービスに適している。例えば、アイテムが端末装置３０に保存して何回でも
再生できる形式のデジタルコンテンツであれば、ユーザが再度購入するのは、ユーザが端
末装置３０から間違って消去したような例外的なケースが想定され、基本的には同じアイ
テムを１回しか購入しないので、この第２の方法が有効である。また、第１および第２の
方法によれば、類似ユーザの数を適切に設定することにより、少ない計算量で、精度よく
関連度を算出することができる。

関連度算出の第３の方法は、ユーザ間の類似度を直接用いて関連度を算出する方法であ
る。具体的にはまず、ステップＳ５００で読み出された利用履歴を対象にして、ユーザｙ
（ｙ∈σ、ｘ≠y）がアイテムｚを利用した回数Ｃ［ｙ］［ｚ］をカウントする。そして
、［数４］に示すように、類似度Ｄ［ｘ］［ｙ］と利用回数Ｃ［ｙ］［ｚ］との積を加算
した値を用いてユーザｘとアイテムｚとの関連度Ｗ［ｘ］［ｚ］を算出する。第３の方法
では、アイテムｚの利用回数が多く、かつ利用したユーザの類似度が高いほど、関連度が
高く算出される。

なお［数４］では、類似度Ｄ［ｘ］［ｙ］が算出されたすべてのユーザの情報を用いて
関連度を算出しているが、類似ユーザを対象にして［数４］の計算を行なってもよい。ま
た［数４］において、ユーザｙがアイテムｚを利用した場合にＣ［ｙ］［ｚ］＝１、利用
していない場合にＣ［ｙ］［ｚ］＝０として計算してもよい。このようにすれば、アイテ
ムｚを利用したユーザ数が多く、かつ利用したユーザの類似度が高いほど、関連度が高く
算出される。この第３の方法によれば、基準ユーザとアイテムとの関連度をさらに精度よ
く算出することができる。

さらに関連度算出の第１〜第３の方法において、アイテム属性格納部１０１のアイテム
情報テーブル１０１Ａからアイテム時期情報を読み出し、これを用いて処理を行なっても
よい。具体的には、アイテム時期情報が新しいアイテムほど大きな値となる重み係数を算
出し、利用回数や利用ユーザ数を算出する際に、この重み係数を乗じる等の演算を行なう
。このようにすれば、ユーザにとって一般的に価値の高い「新作」アイテムの関連度を高
くして、優先的に推薦情報に入れることができる。

ステップＳ５５０において、関連度算出部１０４は、基準ユーザｘに関する関連アイテ
ム集合Ω［ｘ］を作成し、関連集合格納部１０５に格納させる。関連アイテム集合Ω［ｘ
］は、関連識別子がすべてアイテム識別子であるような関連集合である。

関連アイテム集合作成の第１の方法は、ステップＳ５４０において基準ユーザｘとの関
連度を算出したすべてのアイテム（関連度が「０」より大きいすべてのアイテム）を関連
アイテム集合Ω［ｘ］に入れる方法である。この方法は、なるべく多くの推薦結果を出力
したい場合に適している。

関連アイテム集合作成の第２の方法は、基準ユーザｘとの関連度が高いアイテムを選出
して関連アイテム集合Ω［ｘ］に入れる方法である。具体的には、ステップＳ５４０にお
いて関連度を算出したすべてのアイテムの中から、関連度が閾値以上のアイテムを選出す
る。または、関連度が大きい順に所定値を超えない範囲でアイテムを選出してもよい。例
えば、基準ユーザｘとの関連度が算出されたアイテムの数が所定数に満たない場合は、関
連度が算出されたすべてのアイテムを選出し、そうでない場合は、関連度が大きい順に所
定数のアイテムを選出すればよい。

さらに、基準ユーザｘとの関連度が所定値以上のアイテムの中から、関連度が大きい順
に所定数を超えない範囲でアイテムを選出し、それらを関連アイテム集合Ω［ｘ］として
もよい。また関連アイテム集合Ω［ｘ］の要素が所定数以上得られるように、関連度の閾
値を基準ユーザｘごとに調整して選出してもよい。この第２の方法によれば、関連集合格
納部１０５に必要な記憶容量を削減でき、さらにステップＳ４１０の処理を効率よく行な
うことができる。

そして、関連度算出部１０４は、基準ユーザｘの利用主体識別子と、関連アイテム集合
Ω［ｘ］の各アイテム識別子と、その関連度とを対応させて、関連集合格納部１０５の関
連度テーブル１０５Ａに記録する。具体的には、基準ユーザｘの利用主体識別子を図８に
示した関連度テーブル１０５Ａの利用主体識別子に対応させ、関連アイテム集合Ω［ｘ］
の各アイテム識別子を関連度テーブル１０５Ａの関連アイテム識別子に対応させて記録す
る。

ステップＳ５６０において、関連度算出部１０４は、基準ユーザｘに関する関連カテゴ
リ集合Φ［ｘ］を作成し、関連集合格納部１０５に格納させる。関連カテゴリ集合Φ［ｘ
］は、関連識別子がすべてカテゴリ識別子であるような関連集合である。

関連度算出部１０４は、図４（ａ）に示したアイテム情報テーブル１０１Ａを参照しな
がら、ステップＳ５５０で作成された関連アイテム集合Ω［ｘ］を用いて、関連カテゴリ
集合Φ［ｘ］を作成する。

関連カテゴリ集合Φ［ｘ］作成の第１の方法では、関連アイテム集合Ω［ｘ］の各要素
に対応するカテゴリ識別子を特定し、特定されたカテゴリ識別子ごとの要素数をカウント
し、この要素数をユーザｘとカテゴリとの関連度とする。そして、この要素数が所定数以
上のカテゴリ識別子を関連カテゴリ集合Φ［ｘ］に入れる。なお、この所定数を「１」と
して、特定されたカテゴリ識別子をすべて関連カテゴリ集合Φ［ｘ］に入れてもよい。

関連カテゴリ集合Φ［ｘ］作成の第２の方法では、関連アイテム集合Ω［ｘ］の各要素
に対応するカテゴリ識別子を特定し、特定されたカテゴリ識別子ごとに、関連アイテム集
合Ω［ｘ］の各要素に対応する関連度の合計値を算出し、この合計値を関連度とする。そ
して、この合計値が所定値以上のカテゴリ識別子を選出して、関連カテゴリ集合Φ［ｘ］
に入れる。例えば、関連アイテム集合に、Ａ、Ｂ、Ｃの３つの要素（関連アイテム）が存
在し、各々の関連度が「１．０」、「０．８」、「０．４」であり、要素Ａはカテゴリ１
に対応し、要素Ｂがカテゴリ２に対応し、要素Ｃもカテゴリ２に対応する場合、基準ユー
ザとカテゴリ１との関連度を「１．０」、基準ユーザとカテゴリ２との関連度を「０．８
＋０．４＝１．２」とすればよい。

ある要素に対応するカテゴリ識別子が複数存在する場合は、各要素に対応する関連度を
そのまま用いて合計値を算出してもよいし、各要素に対応する関連度をカテゴリ識別子の
数で割った値を用いて合計値を算出してもよい。例えば、基準ユーザと要素Ａ（関連アイ
テムＡ）との関連度が「１．０」であり、要素Ａに、カテゴリ１とカテゴリ３の２つのカ
テゴリが対応する場合、基準ユーザとカテゴリ１との関連度の要素Ａに係る部分を「１．
０」としてもよいし、「１．０÷２＝０．５」としてもよい。

なお、この所定値を十分小さな値にして、特定されたカテゴリ識別子をすべて関連カテ
ゴリ集合Φ［ｘ］に入れてもよい。また、合計値の大きい順に所定数を越えない数のカテ
ゴリ識別子を選出し、関連カテゴリ集合Φ［ｘ］に入れてもよい。

そして、関連度算出部１０４は、基準ユーザｘのアイテム識別子と、関連カテゴリ集合
Φ［ｘ］の各カテゴリ識別子と、その関連度とを対応させて、関連集合格納部１０５の関
連度テーブル１０５Ｂに記録する。具体的には、基準ユーザｘの利用主体識別子を図８に
示した関連度テーブル１０５Ｂの利用主体識別子に対応させ、関連カテゴリ集合Φ［ｘ］
の各カテゴリ識別子を関連度テーブル１０５Ｂの関連カテゴリ識別子に対応させて記録す
る。

なお、上述したユーザとアイテムとの関連度、およびユーザとカテゴリとの関連度、そ
れぞれの算出工程において、関連度の最大値や合計値が所定値（例えば「１」）になるよ
うに、正規化処理を行なってもよい。

ステップＳ５７０において、関連度算出部１０４は、他の基準ユーザを選択可能か判定
する。ステップＳ５１０で作成された推薦基準集合Ｋ１の中で、まだ処理を行なっていな
いユーザが存在する場合に「Ｙｅｓ」と判定し、未処理のユーザが存在しない場合は、「
Ｎｏ」と判定する。「Ｙｅｓ」と判定した場合は、ステップＳ５２０に戻って処理を繰り
返し、「Ｎｏ」と判定した場合は、関連度算出処理を終了する。

この結果、関連集合格納部１０５の関連度テーブル１０５Ａ、Ｂには、ステップＳ５１
０で作成された推薦基準集合Ｋ１の利用主体識別子それぞれに対応し、「アイテム推薦形
式」および「カテゴリ推薦形式」に対応する関連集合が格納される。

なお、利用履歴格納部１０２に、図５（ｄ）に示すようなカテゴリ利用履歴テーブル１
０２Ｂが格納されている場合には、上述のステップＳ５００〜ステップＳ５５０の処理に
おけるアイテム識別子をカテゴリ識別子に置き換えて同様の処理を行なうことにより、「
カテゴリ推薦形式」に対応する関連集合を作成することができる。この方法では、ステッ
プＳ５５０に相当する処理により関連カテゴリ集合が作成されるため、ステップＳ５６０
を実行する必要がない。このため、「アイテム推薦形式」を実施せず、「カテゴリ推薦形
式」のみ実施する場合には、効率的に処理を行なうことができる。
＜情報選択処理＞

ステップＳ４１０における情報選択処理を図１６のフローチャートを参照して詳細に説
明する。情報選択処理において、制御部１１０の指示を受けた情報選択部１０７は、ステ
ップＳ４００により関連集合格納部１０５に格納された関連度テーブル１０５Ａ、１０５
Ｂの利用主体識別子および関連集合（関連識別子）を読み出し、価格情報格納部１０３の
価格情報テーブル１０３Ａ、１０３Ｂを参照しながら、利用主体識別子ごとに関連識別子
を選択する。

具体的には、まずステップＳ９００において、情報選択部１０７は、ステップＳ５１０
で作成された推薦基準集合Ｋ１の中から未処理の利用主体識別子を選択する。以下ではこ
れを利用主体識別子ｉとし、これに対応する関連集合をＺ［ｉ］とする。また、関連集合
Ｚ［ｉ］の要素である関連識別子ｊの関連度をＷ［ｉ］［ｊ］、価格情報をＸ［ｊ］とす
る。

情報選択部１０７は、ステップＳ９１０において、利用主体識別子ｉに関する処理の繰
り返し数を管理するループ変数ｍ（選択集合の順番を示す変数）に初期値「１」をセット
し、ステップＳ９２０において、変数Ｎｚに初期値として所定値Ｑ1をセットして初期化
する。変数Ｎｚは、推薦情報の個数（件数）をカウントするための変数であり、推薦結果
として必要なアイテム（カテゴリ）の個数を所定値Ｑ1に設定しておく。例えば、初期値
を「２０」とすれば、２０個を超えないアイテム（カテゴリ）が推薦結果に入るようにな
る。

ステップＳ９３０において、情報選択部１０７は、関連しきい値θ［ｍ］の初期値であ
る関連しきい値θ［１］の値を設定する。関連しきい値θ［ｍ］は、判定対象の関連識別
子をｍ番目の選択集合Ｙ［ｉ］［ｍ］に入れる条件として用いるしきい値であり、関連集
合格納部１０５に格納された関連度テーブル１０５Ａ、１０５Ｂの関連度に関するしきい
値である。関連しきい値θ［ｍ］の初期値である関連しきい値θ［１］には比較的大きな
値を用いるのがよい。

ステップＳ９４０において、情報選択部１０７は、価格しきい値η［ｍ］の初期値であ
る価格しきい値η［１］の値を設定する。価格しきい値η［ｍ］は、判定対象の関連識別
子をｍ番目の選択集合Ｙ［ｉ］［ｍ］に入れる条件として用いるしきい値であり、価格情
報格納部１０３に格納された価格情報テーブル１０３Ａ、Ｂの価格情報に関するしきい値
である。価格しきい値η［ｍ］の初期値である価格しきい値η［１］には比較的大きな値
を用いるのがよい。

ステップＳ９５０において、情報選択部１０７は、関連度に関する関連度条件と、価格
情報に関する価格情報条件とを満たす関連識別子を抽出し、利用主体識別子ｉおよび変数
ｍに対応する選択集合Ｙ［ｉ］［ｍ］を作成する。具体的にはまず、関連集合Ｚ［ｉ］の
要素であり、かつ利用主体識別子ｉに関するいずれの選択集合にも入っていない関連識別
子を対象にして、「関連度Ｗ［ｉ］［ｊ］が関連しきい値θ［ｍ］以上」である関連度条
件を満たし、かつ「価格情報が価格しきい値η［ｍ］以上」である価格情報条件を満たす
関連識別子をｍ番目の選択集合に入れる候補として抽出する。すなわち、「Ｗ［ｉ］［ｊ
］≧θ［ｍ］ ∩ Ｘ［ｊ］≧η［ｍ］」である関連識別子を抽出する。ここで、「∩」
はＡＮＤ条件を示す。ｍ＝１の場合は、まだ選択集合が存在しないので、関連集合Ｚ［ｉ
］のすべての要素が対象になるが、例えば、ｍ＝３の場合には、それ以前に作成された選
択集合であるＹ［ｉ］［１］および選択集合Ｙ［ｉ］［２］の要素である関連識別子を除
外して抽出する。

そして、選択集合の候補として抽出された関連識別子の中から、変数Ｎｚを超えない数
の関連識別子を選択し、ｍ番目の選択集合Ｙ［ｉ］［ｍ］に入れる。例えば、条件を満た
す関連識別子がＮｚに満たない場合は、特定した関連識別子をすべて選択集合Ｙ［ｉ］［
ｍ］に入れ、条件を満たす関連識別子がＮｚ以上である場合は、関連度が大きい順、また
は価格情報が大きい順の上位Ｎｚ件を選択集合Ｙ［ｉ］［ｍ］に入れるとよい。あるいは
、関連度と価格情報とを用いて指標を作成し、その指標の大きい順に上位Ｎｚ件を選択し
てもよい。例えば、関連度と価格情報との乗算値または重み付き加算値を用いて、そのよ
うな指標を算出してもよい。

なお、利用履歴格納部１０２の利用履歴テーブル１０２Ａ、１０２Ｂを参照しながら、
利用主体識別子ｉが既に利用したアイテムおよびカテゴリを特定し、それらを除外して（
利用済み除外処理を行なって）選択集合を作成してもよい。ユーザが１回しか同じアイテ
ム（カテゴリ）を購入しない性質を持つようなアイテム提供サービスでは、このステップ
Ｓ９５０において利用済みのものを選択集合から除外しておくと、推薦情報格納部１０８
の記憶容量を節約できる。

ステップＳ９５０において利用済み除外処理を行なう場合、ステップＳ１７０での利用
済み除外処理を省略してもよいし、再度行なってもよい。ステップＳ９５０を実行した後
、ステップＳ１７０を実行するまでの間に、新たな利用履歴が格納される可能性がある場
合は、両方のステップで利用済み除外処理を行なう方が、推薦精度の向上の面では確実で
ある。

ステップＳ９６０において、情報選択部１０７は、変数Ｎｚの値から選択集合Ｙ［ｉ］
［ｍ］の要素数を減算し、変数Ｎｚの新たな値とする。例えば、変数Ｎｚの値が「２０」
で、選択集合Ｙ［ｉ］［１］の要素数が「８」である場合は、この差の「２０−８＝１２
」を変数Ｎｚの新たな値とする。

ステップＳ９７０において、情報選択部１０７は、変数Ｎｚの値が０より大きいか否か
を判定する。変数Ｎｚの値が０より大きい場合（Ｙｅｓ）は、ステップＳ９８０に進み、
そうでない場合（Ｎｏ）は、ステップＳ１０１０に進む。

ステップＳ９８０において、情報選択部１０７は、選択集合の順番を示すループ変数ｍ
の値をインクリメント（値を「１」大きく）して更新する。

ステップＳ９９０において、情報選択部１０７は、変数ｍに対応する関連しきい値θ［
ｍ］を設定する。ここで、θ［ｍ−１］＞θ［ｍ］となるように関連しきい値θ［ｍ］を
設定する。例えば、ｍ＝２の場合、θ［１］＞θ［２］として、２番目の関連しきい値θ
［２］が、１番目の関連しきい値θ［１］よりも小さくなるようにする。

なお、１つ前の関連しきい値との差分Ｄθ［ｍ］（Ｄθ［ｍ］＝θ［ｍ−１］−θ［ｍ
］）をｍによらずに一定値にしてもよいし、ｍによって変化させてもよい。また、今後新
たに選択集合に追加が必要な個数である変数Ｎｚの値に応じて、差分Ｄθ［ｍ］を決定し
、それに従って関連しきい値θ［ｍ］を設定してもよい。例えば、変数Ｎｚの値が大きい
場合には差分Ｄθ［ｍ］を大きくし、変数Ｎｚの値が小さい場合には差分Ｄθ［ｍ］を小
さくすることができる。

ステップＳ１０００において、情報選択部１０７は、変数ｍに対応する価格しきい値η
［ｍ］を設定する。ここで、η［ｍ−１］＞η［ｍ］となるように設定する。例えば、ｍ
＝２の場合、η［１］＞η［２］として、２番目の価格しきい値η［２］が、１番目の価
格しきい値η［１］よりも小さくなるようにする。

なお、１つ前の価格しきい値との差分Ｄη［ｍ］（Ｄη［ｍ］＝η［ｍ−１］−η［ｍ
］）をｍによらずに一定値にしてもよいし、ｍによって変化させてもよい。また、今後新
たに選択集合に追加が必要な個数である変数Ｎｚの値に応じて、差分Ｄη［ｍ］を決定し
、それに従って価格しきい値η［ｍ］を設定してもよい。例えば、変数Ｎｚの値が大きい
場合には差分Ｄη［ｍ］を大きくし、変数Ｎｚの値が小さい場合には差分Ｄη［ｍ］を小
さくすることができる。そして、ステップＳ９５０に戻り、以降の処理を繰り返す。

ステップＳ１０１０において、情報選択部１０７は、利用主体識別子ｉに対応するすべ
ての選択集合であるＹ［ｉ］［ｎ］（ｎ＝１〜Ｎａ［ｉ］）に含まれるすべての要素（関
連識別子）に対して、推薦順位を付与する。ここで、Ｎａ［ｉ］は、利用主体識別子ｉに
対応する選択集合の数であり、ループ処理を終了した後のステップ１０１０における変数
ｍの値である。以下では、選択集合Ｙ［ｉ］［ｎ］の要素数をＮｖ［ｉ］［ｎ］とし、利
用主体識別子ｉに対応する選択集合に含まれるすべての関連識別子の数をＮｂ［ｉ］とす
る。推薦順位の付与は、例えば、以下のような方法を用いることができる。

推薦順位付与の第１の方法は、Ｎｂ［ｉ］個の関連識別子を関連度の大きい順、または
価格情報が大きい順にソートし、関連度または価格情報が大きいほど、高い推薦順位を付
与する方法である。あるいは、関連度と価格情報とを用いて指標を作成し、その指標が大
きいほど、高い推薦順位を付与してもよい。例えば、関連度と価格情報との乗算値または
重み付き加算値を用いて、そのような指標を算出してもよい。第１の方法は、関連識別子
が何番目の選択集合に属しているかは考慮しない。

推薦順位付与の第２の方法は、順番の早い選択集合（Ｙ［ｉ］［ｎ］のｎが小さい選択
集合）ほど推薦順位を高くする方法である。例えば、１番目の選択集合Ｙ［ｉ］［１］の
要素数をＮｖ［ｉ］［１］とすると、選択集合Ｙ［ｉ］［１］に属する関連識別子には、
１〜Ｎｖ［ｉ］［１］の推薦順位を付与する。Ｎｖ［ｉ］［１］個の関連識別子を関連度
の大きい順、または価格情報が大きい順にソートし、関連度または価格情報が大きいほど
、高い推薦順位を付与すればよい。あるいは、関連度と価格情報とを用いて指標を作成し
、その指標が大きいほど、高い推薦順位を付与してもよい。そして、２番目の選択集合に
は、１番目の選択集合に付与した最大の番号より大きな番号を付与すればよい。すなわち
、（Ｎｖ［ｉ］［１］＋１）〜（Ｎｖ［ｉ］［１］＋Ｎｖ［ｉ］［２］）の番号を付与す
ればよい。２番目の選択集合の中での推薦順位は、上述した１番目の選択集合の中での推
薦順位付与と同様な方法で決めればよい。３番目以降の選択集合についても同様な処理を
行なう。この方法によれば、関連度が大きく、かつ価格情報が大きいアイテム（カテゴリ
）をより上位の推薦順位とすることができる。

なお、上述した第１および第２の方法では、関連度または価格情報を用いてソート処理
を行なっているが、これ以外のデータを用いてソートしてもよい。例えば、第１の方法に
おいて、アイテム属性格納部１０１のアイテム情報テーブル１０１Ａに格納されているア
イテム時期情報を用い、アイテム時期情報が新しいほど推薦順位を高く（番号を小さく）
してもよい。第２の方法において、選択集合ごとにソートする場合も同様である。また、
関連度と価格情報とアイテム時期情報とを用いて総合的な指標を算出し、それを用いてソ
ート処理を行なってもよい。例えば、関連度が大きく、かつ価格情報が大きく、かつアイ
テム時期情報が新しいほど大きな値となる傾向の指標を算出し、それを用いてもよい。

ステップＳ１０２０において、利用主体識別子ｉと、選択集合Ｙ［ｉ］［ｎ］（ｎ＝１
〜Ｎａ［ｉ］）に属する関連識別子と、ステップＳ１０１０で作成された推薦順位とを対
応させて、図７（ａ）〜（ｄ）に示す形式で、推薦情報格納部１０８に格納させる。

ステップＳ１０３０において、情報選択部１０７は、未処理の別の利用主体識別子が選
択可能か判定する。ステップＳ５１０で作成された推薦基準集合Ｋ１の中に、未処理の別
の利用主体識別子が存在し選択可能である場合（Ｙｅｓ）は、ステップＳ９００に戻って
、未処理の利用主体識別子のいずれかを選択して新たな利用主体識別子ｉとし、以降の処
理を繰り返す。未処理の別の利用主体識別子が存在しない場合（Ｎｏ）は、情報選択処理
を終了する。

図１７（ａ）は、ｍ＝１からｍ＝３で抽出される関連識別子の範囲を模式的に示してい
る。すなわち、図中で第１選択集合と示された領域は、ｍ＝１で抽出される選択集合Ｙ［
ｉ］［１］を示しており、価格情報が価格しきい値η［１］（第１価格しきい値）以上で
あり、かつ、関連度が関連しきい値θ［１］（第１関連しきい値）以上である関連識別子
が抽出される。また、図中で第２選択集合と示された領域は、ｍ＝２で抽出される選択集
合Ｙ［ｉ］［２］を示しており、第１選択集合に含まれない関連識別子を対象に、価格情
報が価格しきい値η［２］（第２価格しきい値）以上であり、かつ、関連度が関連しきい
値θ［２］（第２関連しきい値）以上である関連識別子が抽出される。このため、図中の
第１選択集合と示された領域と第２選択集合と示された領域とは重複しない。

さらに、図中で第３選択集合と示された領域は、ｍ＝３で抽出される選択集合Ｙ［ｉ］
［３］を示しており、第１選択集合および第２選択集合に含まれない関連識別子を対象に
、価格情報が価格しきい値η［３］（第３価格しきい値）以上であり、かつ、関連度が関
連しきい値θ［３］（第３関連しきい値）以上である関連識別子が抽出される。

なお、ステップＳ９９０およびＳ１０００のうちのいずれか一方を省略して、関連しき
い値θ［ｍ］および価格しきい値η［ｍ］のうちいずれか一方のみを更新するようにして
もよい。また、ループ変数ｍの値に応じて、関連しきい値θ［ｍ］と価格しきい値η［ｍ
］とを両方更新するか、いずれか一方のみを変更するかを決めるようにしてもよい。例え
ば、ｍ＝２の場合には、関連しきい値θ［２］と価格しきい値η［２］とを両方更新し、
ｍ＝３の場合には、関連しきい値θ［３］のみ更新し、価格しきい値η［３］は更新せず
（η［３］＝η［２］）、ｍ＝４の場合には、価格しきい値η［４］のみ更新し、関連し
きい値θ［４］は更新しないようにしてもよい。

図１７（ｂ）は、関連しきい値θ［ｍ］のみを更新する場合に、ｍ＝１からｍ＝３で抽
出される関連識別子の範囲を模式的に示している。すなわち、図中で第１選択集合と示さ
れた領域は、ｍ＝１で抽出される選択集合Ｙ［ｉ］［１］を示しており、価格情報が価格
しきい値η［１］（第１価格しきい値）以上であり、かつ、関連度が関連しきい値θ［１
］（第１関連しきい値）以上である関連識別子が抽出される。また、図中で第２選択集合
と示された領域は、ｍ＝２で抽出される選択集合Ｙ［ｉ］［２］を示しており、第１選択
集合に含まれない関連識別子を対象に、価格情報が価格しきい値η［１］（第１価格しき
い値）以上であり、かつ、関連度が関連しきい値θ［２］（第２関連しきい値）以上であ
る関連識別子が抽出される。さらに、図中で第３選択集合と示された領域は、ｍ＝３で抽
出される選択集合Ｙ［ｉ］［３］を示しており、第１選択集合および第２選択集合に含ま
れない関連識別子を対象に、価格情報が価格しきい値η［１］（第１価格しきい値）以上
であり、かつ、関連度が関連しきい値θ［３］（第３関連しきい値）以上である関連識別
子が抽出される。

以上、詳細に説明した方法により、関連度が大きく、かつ価格情報が大きいアイテム（
カテゴリ）、すなわちアイテム提供サービスの売上増大を図る上で最も効果的なアイテム
（カテゴリ）を優先的に推薦情報に入れることができる。また、所定値Ｑ1を超えない数
のアイテム（カテゴリ）を精度よく絞り込んで推薦情報に入れることができるので、端末
装置３０の表示装置３２０に表示できる推薦情報の数が少ない場合でも、精度よい推薦が
できる。

なお、上述した情報選択処理では、関連度を用いたが、関連度に代えて関連度に応じた
順位（関連順位）を用いるようにしてもよい。例えば、関連集合格納部１０５の関連度テ
ーブル１０５Ａ、１０５Ｂに、関連度が大きいほど順位が高くなる（値が小さくなる）関
連順位を格納しておく。そしてステップＳ９３０において、関連順位に関するしきい値を
セットし、ステップＳ９５０において、関連順位が関連順位に関するしきい値以下であり
、かつ価格情報が価格しきい値以上である関連識別子を特定してもよい。

また、上述した情報選択処理では、選択集合の順番（ループ変数ｍ）に応じて、関連し
きい値θ［ｍ］を変えているが、他の方法を用いてもよい。例えば、関連しきい値を一定
にしておき、ループ変数ｍが大きくなるに従って小さくなる値を、関連度を用いて算出し
、この値と関連しきい値の大小関係を判定して、選択集合を作成してもよい。具体的には
、関連度をループ変数ｍで割った値、関連度をループ変数ｍを用いた対数値や累乗値で割
った値、などを用いればよい。また、価格情報条件についても同様に、価格しきい値を一
定にしておき、価格情報から選択集合の順番に応じて異なる値を算出し、その値と価格し
きい値との大小関係を判定してもよい。

また、上述した情報選択処理では、１回のループ処理において、１つの関連しきい値θ
［ｍ］と、１つの価格しきい値η［ｍ］とを用いて処理を行なっているが、複数の関連し
きい値または／および複数の価格しきい値を用いて処理を行なってもよい。例えば、ｍ＝
２のループ処理において、「（Ｗ［ｉ］［ｊ］≧θ［２］ ∩ Ｘ［ｊ］≧η［１］）∪
（Ｗ［ｉ］［ｊ］≧θ［１］ ∩ Ｘ［ｊ］≧η［２］）」という条件を満たす関連識別
子を選択集合に入れてもよい。ここで、「∪」はＯＲ条件であり、θ［１］はｍ＝１のル
ープ処理で用いた第１関連しきい値、η［１］はｍ＝１のループ処理で用いた第１価格し
きい値である。また、θ［１］＞θ［２］、η［２］＞η［１］である。すなわち、ｍ＝
１で作成された選択集合に含まれない関連識別子を対象にして、関連度が第１関連しきい
値よりも小さな第２関連しきい値以上でありかつ価格情報が第１価格しきい値以上である
関連識別子の集合と、関連度が第１関連しきい値以上でありかつ価格情報が第１価格しき
い値よりも小さな第２価格しきい値以上である関連識別子の集合とを求め、その２つの集
合の和集合をｍ＝２に対応する選択集合としてもよい。以上、情報選択処理について説明
した。

次に、図１８を参照して、推薦情報の具体例を説明する。関連集合格納部１０５の関連
度テーブル１０５Ａには図１８（ａ）に示すような「アイテム推薦形式」のデータが格納
されているものとする。本図に示すように、「ＵｓｅｒＩＤ−１」の関連集合は、「Ｉｔ
ｅｍＩＤ−３」〜「ＩｔｅｍＩＤ−７」の５つのアイテムである。また「ＵｓｅｒＩＤ−
２」の関連集合もまったく同じ５つのアイテムであるが、各々の関連度は異なっている。

価格情報格納部１０３のアイテム価格情報テーブル１０３Ａには、図１８（ｂ）に示す
「ＩｔｅｍＩＤ−１」〜「ＩｔｅｍＩＤ−７」の７つのアイテムの価格情報が格納されて
いるものとし、情報選択部１０７は、ユーザごとに３つのアイテムを選択して推薦情報を
作成するものとする。また、関連しきい値θ［ｍ］を各々、θ［１］＝０．６０、θ［２
］＝０．５０、θ［３］＝０．４０とし、価格しきい値η［ｍ］を各々、η［１］＝１２
００円、η［２］＝５００円、η［３］＝１００円とする。また、推薦順位付与の第２の
方法を用い、同じ選択集合の中では、価格情報に従って推薦順位を付与するものとする。

仮に、価格情報を使わずに関連度だけでアイテムを選択したとすると、図１８（ａ）か
ら明らかなように、「ＵｓｅｒＩＤ−１」に対応する推薦アイテムは、１位が「Ｉｔｅｍ
ＩＤ−３」、２位が「ＩｔｅｍＩＤ−４」、３位が「ＩｔｅｍＩＤ−５」になる。これら
の価格は各々「１０００円」、「２００円」、「４００円」である。

一方、上述した方法で利用主体識別子「ＵｓｅｒＩＤ−１」に対応する推薦情報を作成
する場合、まず、関連しきい値θ［１］および価格しきい値η［１］の条件に合致する「
ＩｔｅｍＩＤ−６」が１番目の選択集合に入る。次に、関連しきい値θ［２］および価格
しきい値η［２］の条件に合致する「ＩｔｅｍＩＤ−３」が２番目の選択集合に入る。最
後に、関連しきい値θ［３］および価格しきい値η［３］の条件に合致する「ＩｔｅｍＩ
Ｄ−５」が３番目の選択集合に入る。

この結果、図１８（ｃ）に示すように、推薦順位の１位が「ＩｔｅｍＩＤ−６」、２位
が「ＩｔｅｍＩＤ−３」、３位が「ＩｔｅｍＩＤ−５」となる。各々の価格は「１５００
円」、「１０００円」、「４００円」である。このように、本実施例の方法によれば、関
連度だけでアイテムを選択する場合に比べて、価格の高いアイテムを推薦結果に入れるこ
とができる。

また、価格情報を使わずに関連度だけでアイテムを選択したとすると、「ＵｓｅｒＩＤ
−２」に対応する推薦アイテムは、１位が「ＩｔｅｍＩＤ−４」、２位が「ＩｔｅｍＩＤ
−５」、３位が「ＩｔｅｍＩＤ−７」になる。これらの価格は各々「２００円」、「４０
０円」、「８００円」である。

一方、上述した方法で利用主体識別子「ＵｓｅｒＩＤ−２」に対応する推薦情報を作成
する場合、まず関連しきい値θ［１］および価格しきい値η［１］の条件に合致するアイ
テムは存在しないので、１番目の選択集合は空集合になる。次に関連しきい値θ［２］お
よび価格しきい値η［２］の条件に合致する「ＩｔｅｍＩＤ−７」が２番目の選択集合に
入る。最後に関連しきい値θ［３］および価格しきい値η［３］の条件に合致する「Ｉｔ
ｅｍＩＤ−５」および「ＩｔｅｍＩＤ−４」が３番目の選択集合に入る。３番目の選択集
合では、価格情報の大きい「ＩｔｅｍＩＤ−５」の方が、推薦順位が高くなる。

この結果、図１８（ｃ）に示すように、推薦順位の１位が「ＩｔｅｍＩＤ−７」、２位
が「ＩｔｅｍＩＤ−５」、３位が「ＩｔｅｍＩＤ−４」となる。各々の価格は「８００円
」、「４００円」、「２００円」である。この場合は３つのアイテムの価格の合計は、関
連度のみを用いた場合と同じになるが、価格の高いアイテムが上位の推薦順位となり、ユ
ーザの目に留まりやすくなる。

また、「ＵｓｅｒＩＤ−１」に対する推薦結果には、価格の高い「ＩｔｅｍＩＤ−６」
と「ＩｔｅｍＩＤ−３」が入るが、「ＵｓｅｒＩＤ−２」に対する推薦結果には、これら
が入らない。このことからも分かるように、本実施例では、ユーザと推薦アイテム／カテ
ゴリとの関連度が高い場合、すなわちそのユーザが推薦アイテム／カテゴリを気に入る可
能性が高い場合にのみ価格の高いアイテムが推薦されるので、ユーザに不自然な印象を与
えることが少なく、価格の高いアイテムの推薦によって、ユーザの購入意欲が低下してし
まうリスクを従来技術よりも減らすことができる。このため、アイテム提供サービスの売
上を増大させることが期待できる。

従来技術では、推薦アイテムの価格が所定の範囲（所定の価格帯）に制限されてしまう
ため、推薦結果のバリエーション（多様性）が少なかったり、推薦アイテム数が少ない場
合があった。しかしながら、上記の例で、「ＩｔｅｍＩＤ−１」の推薦アイテムの価格が
、「１５００円」、「１０００円」、「４００円」となり、これらの間の「８００円」が
抜けていることからも分かるように、本実施例の方法では、推薦アイテム／カテゴリの価
格が所定の範囲に制限されていないため、従来よりも推薦結果のバリエーションが多くな
り（多様性があり）、長期間にわたり同じユーザに推薦情報を提供する場合であっても、
ユーザが推薦情報に飽きてしまうことが少なく、継続的に推薦情報を利用してもらうこと
ができる。

また従来技術では、所定の価格帯のアイテムが無い場合や、少ししか存在していない場
合には、十分な数の推薦情報を提供することができなかった。一方、第１実施例の方法に
よれば、所定の価格帯のアイテムが無い場合や、少ししか存在していない場合であっても
、十分な数の推薦情報を精度良く選択して提供することができる。

また、従来技術では、価格が所定の範囲にある推薦アイテムが多数存在する場合、それ
らを精度良く絞り込むことができず、推薦情報が多くなり過ぎる場合があった。推薦情報
は本来、多くの情報の中からユーザに有用な情報を絞り込んで提供するものであり、端末
装置３０の表示装置３２０において、推薦情報が表示できる領域にも限りがあることから
、推薦情報を必要十分な数にすることは非常に重要である。本実施例の方法によれば、必
要十分な数のアイテムを精度良く絞り込んで、適切な数（量）の推薦情報をユーザに提供
できるため、推薦システムに対するユーザの満足度や信頼感を高めることができる。

アイテム提供サービスを行なう事業者にとって、推薦情報を提供する目的は、推薦情報
によってアイテム利用が促進され、アイテム提供サービスの売上を増大させることである
。すなわち、売上増大につながる実効性のある推薦情報が要求される。この目的を達成す
るためには、ある程度の数の推薦情報が必要であり、多過ぎず、少な過ぎでもない適切な
数（量）の推薦情報をユーザに提供する必要がある。第１実施例の方法によれば、適切な
数（量）の推薦情報を精度良く選択してユーザに提供できるので、アイテム提供サービス
の売上を増大させる実効性が期待できる。

なお、第１実施例では、情報選択装置１０が、情報選択処理を行なって推薦情報を作成
するようにしていたが、情報選択処理を端末装置３０側で行なうようにしてもよい。

この場合、端末装置３０のアプリケーション部３０４に、情報選択部１０７に相当する
動作を行なわせるようにする。例えば、ステップＳ１６０に先立つ適当なタイミングで、
アプリケーション部３０４が、アイテム提供サーバ２０を経由して、あるいは直接情報選
択装置１０から、アイテム情報テーブル１０１Ａ、カテゴリ情報テーブル１０１Ｂ、関連
度テーブル１０５Ａ、１０５Ｂ、およびアイテム価格情報テーブル１０３Ａ、カテゴリ価
格情報テーブル１０３Ｂのデータを取得する。このとき、各々のテーブルの全部のデータ
を取得してもよいし、リクエスト利用主体識別子に関係するデータ等の必要なデータのみ
を取得するようにしてもよい。

そして、ステップＳ１６０において、推薦リクエストを送信する代わりに、上述の手順
に従って推薦情報を作成する。具体的には、ステップＳ４１０、Ｓ１７０に相当する処理
をアプリケーション部３０４が実行すればよい。この場合、アプリケーション部３０４に
、データ取得部、情報選択部が形成されることになる。以下の実施例においても同様に、
情報選択装置１０の一部の動作を端末装置３０で行なうようにしてもよい。

本実施形態に係るネットワークシステムの第２実施例について説明する。第２実施例で
は、端末装置３０を利用するユーザが、好みに応じて、価格情報が推薦結果に及ぼす影響
を調整することができるようになっている。第２実施例において、アイテム提供サーバ２
０および端末装置３０は、第１実施例と同様とすることができる。

図１９は、第２実施例における情報選択装置１０ｂの構成を示すブロック図である。本
図に示すように、情報選択装置１０ｂは、アイテム属性格納部１０１と、利用履歴格納部
１０２と、価格情報格納部１０３と、関連度算出部１０４と、関連集合格納部１０５と、
情報選択部１０７ｂと、推薦情報格納部１０８と、送受信部１０９と、制御部１１０ｂと
を備えて構成されている。また、情報選択装置１０には、情報選択装置１０の管理者向け
に必要な情報を表示するための表示装置１２０と、管理者が操作を行なうためのキーボー
ド、マウス等の入力装置１３０とが接続されている。すなわち、第２実施例の情報選択装
置１０ｂは、第１実施例の情報選択装置１０における情報選択部１０７、制御部１１０の
動作が一部異なる構成となっている。

制御部１１０ｂは、第１実施例と同様に、所定のタイミングで推薦情報作成動作を開始
する。ただし第２実施例では、図１４に示した推薦情報を作成する動作のフローチャート
においてステップＳ４００が終了した段階で推薦情報作成動作を終了する。ステップＳ４
１０に相当する処理は、後述するステップＳ１７０ｂにおいて、表示用推薦データを作成
する際に行なう。

第２実施例におけるシステム全体の動作は、処理ステップ間の関係において図１１に示
したフローチャートと同様であり、処理ステップの具体的内容において第１実施例と一部
異なる。以下では、第１実施例と動作が異なる処理ステップにについて説明する。異なる
処理ステップについては符号の末尾に「ｂ」を付加して表記する。

図１１のステップＳ１３０ｂにおいて、アイテム提供サーバ２０の制御部２０５は、応
答データを端末装置３０に送信する。第２実施例における応答データには、価格情報が推
薦結果に及ぼす影響をユーザが調整するための操作画面を表示する情報が含まれている。

ステップＳ１４０ｂにおいて、端末装置３０は、アイテム提供サーバ２０から応答デー
タを受信し、表示装置３２０にその情報を表示する。表示画面の一例を図２０に示す。図
１２に示した第１実施例の表示画面との違いは、画面右上に「価格ファクター調整操作」
ボタンが表示される点である。

「価格ファクター調整操作」ボタンは、価格情報が推薦結果に及ぼす影響を調整するた
めに必要なデータ（価格ファクター調整データ）をユーザに入力させるＧＵＩ（Graphica
l User Interface）を表示させるためのボタンであり、例えば、図２１に例示するような
画面を表示させることができる。画面移動ではなく、図２１に示す情報を、図２０の表示
画面に含めるようにしてもよい。

図２１（ａ）に示す例は、推薦結果に入れるアイテムまたはカテゴリの価格を指定する
ための画面であり、５つの選択肢に対応して、円形のラジオボタンが表示されている。通
常は、本図に黒丸で示した「標準」が選択されているが、ユーザは好みに応じて、他の選
択肢を自由に選択できる。ラジオボタンの横の「１」〜「５」の数字は、ラジオボタンを
識別するための番号であり、ユーザに選択されたラジオボタンの番号を端末装置３０が読
み取れるようになっている。

図２１（ｂ）に示す例は、図２１（ａ）に示した例と同じく、推薦結果に入れるアイテ
ムまたはカテゴリの価格を指定するための画面であるが、推薦結果に入れる価格のおおよ
その下限値を具体的に指定するものである。

図２１（ｃ）に示す例は、推薦結果に入れる価格の高いものの割合を指定するための画
面である。ユーザは、図２１に例示した画面でラジオボタンを選択した後、図２０に示す
関連リンク（「関連アイテム表示」ボタンまたは「関連カテゴリ表示」ボタン）を選択す
ることで、価格に関する自分の好みが反映された推薦情報を取得することができる。なお
、図２１に示した価格ファクターの調整操作用画面は、あくまでも一例であり、他の方法
で、価格ファクターの調整を行なってもよい。例えば、スライダー等のＧＵＩ部品を表示
し、推薦結果に入れるアイテムまたはカテゴリの価格をユーザに指定させてもよい。

図１１のステップＳｌ６０ｂにおいて、端末装置３０は、関連リンクに対応するＵＲＬ
に推薦リクエストを送信する。この推薦リクエストには、利用主体識別子と、関連アイテ
ムリンクであるか関連カテゴリリンクであるかを示すリンク種別情報とに加えて、図２１
に示した画面で指定された価格ファクター調整データが含まれている。例えば、図２１に
示すラジオボタンの中でユーザに指定されたラジオボタンを識別するための「１」〜「５
」などの番号を用いればよい。

ステップＳ１７０ｂにおいて、情報選択装置１０ｂの制御部１１０ｂは、送受信部１０
９を介して、推薦リクエストを受信し、それに含まれるリクエスト利用主体識別子に対応
する表示用推薦データを作成して端末装置３０に送信する。以下では、このステップＳ１
７０ｂの処理を詳細に説明する。

ステップＳｌ７０ｂでは、第１実施例の推薦情報作成動作の一部である、図１４に示し
たステップＳ４１０に相当する情報選択処理（ステップＳ４１０ｂ）を行なった後に、図
示しないステップＳ４３０で表示用推薦データを作成する。なお、第２のタイミングで推
薦情報を作成する場合は、ステップＳ１７０ｂにおいて関連集合を作成した後（ステップ
Ｓ４００の後）にステップＳ４１０ｂおよびステップＳ４３０を実行すればよい。

ステップＳ４１０ｂにおける情報選択処理を詳細に説明する。制御部１１０ｂは、推薦
リクエストに含まれるリクエスト利用主体識別子の集合である集合Ψを作成する。通常は
、リクエスト利用主体識別子は１つであり、集合Ψの要素は１つであるが、要素が複数個
でもよい。

そして、情報選択部１０７ｂは、関連集合格納部１０５の関連度テーブル１０５Ａ、１
０５Ｂおよび価格情報格納部１０３を参照しながら、集合Ψを対象にして、図１６に示し
た第１実施例と同様の処理を行なう。このため、図１６を参照して説明する。ただし、符
号の末尾にｂを付して第１実施例と区別する。

まず、ステップＳ９００ｂにおいて、情報選択部１０７ｂは、集合Ψから未処理の利用
主体識別子を選択する。以下ではこれを利用主体識別子ｉ、これに対応する関連集合をＺ
［ｉ］とする。また、関連集合Ｚ［ｉ］の要素である関連識別子ｊの関連度をＷ［ｉ］［
ｊ］、価格情報をＸ［ｊ］とする。

そして、ステップＳ９１０ｂとして、ステップＳ９１０と同じ処理を行ない、ステップ
Ｓ９２０ｂとして、ステップＳ９２０と同じ処理を行なう。

ステップＳ９３０ｂにおいて、情報選択部１０７ｂは、変数ｍ＝１に対応する、関連し
きい値θ［ｍ］の初期値として関連しきい値θ［１］に値をセットする。第２実施例では
、推薦リクエストに含まれる価格ファクター調整データに応じて、この初期値を変更する
。

具体的には、図２１に示した価格ファクター調整操作画面において、番号の小さなラジ
オボタンが選択された場合（例えば、「１）非常に安いものも推薦する」など）が選択さ
れた場合には、関連しきい値θ［ｍ］の初期値である関連しきい値θ［１］の値を標準よ
り大きくし、番号の大きなラジオボタンが選択された場合（例えば、「５）非常に高いも
のを推薦する」など）が選択された場合には、関連しきい値θ［１］の値を標準より小さ
くする処理を行なう。

ユーザが価格の安いアイテムの情報を欲している場合、関連度が高いアイテムであれば
価格が高くてもある程度ユーザに受容される可能性は多少あるが、関連度が低いアイテム
で価格が高いと受容される可能性は、非常に低くなる。このため、価格ファクター調整デ
ータの番号が小さい（ユーザが価格の安い情報を欲している）場合は、関連しきい値θ［
ｍ］の初期値を大きな値にして、関連度が高い場合にのみ価格の高いアイテムが推薦情報
に入るようにしている。

ステップＳ９４０ｂにおいて、情報選択部１０７ｂは、価格しきい値η［ｍ］の初期値
として価格しきい値η［１］に値をセットする。第２実施例では、推薦リクエストに含ま
れる価格ファクター調整データに応じて、この初期値を変更する。

具体的には、図２１に示した価格ファクター調整操作画面において、番号の小さなラジ
オボタンが選択された場合（例えば、「１）非常に安いものも推薦する」など）が選択さ
れた場合には、価格しきい値η［ｍ］の初期値である価格しきい値η［１］の値を標準よ
り小さくし、番号の大きなラジオボタンが選択された場合（例えば、「５）非常に高いも
のを推薦する」など）が選択された場合には、価格しきい値η［１］の値を標準より大き
くする処理を行なう。

また、図２１（ｂ）のように、推薦結果に入れる価格のおおよその下限値が指定された
場合は、（下限値＋αｆ）、または（βｆ×下限値）を価格しきい値η［１］の値として
もよい。ここで、αｆは０以上の定数であり、βｆは１以上の定数である。価格ファクタ
ー調整データの番号が小さい（ユーザが比較的価格の安い情報を欲している）場合は、価
格しきい値η［１］の値を小さな値にして、価格が比較的安いものも推薦情報に入るよう
にすると、推薦情報が受容される可能性が高まる。逆に、価格ファクター調整データの番
号が大きい（ユーザが比較的価格の高い情報を欲している）場合は、価格しきい値η［１
］の値を大きな値にして、価格が安いものを推薦情報に入れないようにすると、ユーザの
ニーズに合致する上、アイテム提供サービスの売上増大に効果的である。

次に、ステップＳ９５０ｂ〜Ｓ９８０ｂとして、ステップＳ９５０〜Ｓ９８０と同じ処
理を行なう。

ステップＳ９９０ｂにおいて、情報選択部１０７ｂは、変数ｍに対応する関連しきい値
θ［ｍ］を設定する。ここで、θ［ｍ−１］＞θ［ｍ］となるように設定する。例えば、
ｍ＝２の場合、θ［１］＞θ［２］として、２番目の関連しきい値θ［２］は、１番目の
関連しきい値θ［１］よりも小さく設定する。第１実施例と同様に、１つ前の関連しきい
値との差分Ｄθ［ｍ］を様々な方法で設定することができる。さらに、価格ファクター調
整データに応じて、差分Ｄθ［ｍ］を設定してもよい。

例えば、価格ファクター調整データの番号が小さい（ユーザが比較的価格の安い情報を
欲している）場合は、差分Ｄθ［ｍ］を標準より小さくして、関連しきい値θ［ｍ］があ
まり小さくならないようにする。このようにすることで、関連度が低くて価格が高いもの
が推薦情報に入りにくくなる。一方、価格ファクター調整データの番号が大きい（ユーザ
が比較的価格の高い情報を欲している）場合は、関連度が低く価格が高いものでも、ユー
ザに受容される可能性は多少あるので、差分Ｄθ［ｍ］を標準より大きくするようにして
もよい。

ステップＳ１０００ｂにおいて、情報選択部１０７ｂは、変数ｍに対応する価格しきい
値η［ｍ］を設定する。ここで、η［ｍ−１］＞η［ｍ］となるように設定する。例えば
、ｍ＝２の場合、η［１］＞η［２］として、２番目の価格しきい値η［２］は、１番目
の価格しきい値η［１］よりも小さくなるように設定する。第１実施例と同様に、１つ前
の価格しきい値との差分Ｄη［ｍ］を様々な方法で設定することができる。さらに、価格
ファクター調整データに応じて、差分Ｄη［ｍ］を設定してもよい。

例えば、価格ファクター調整データの番号が小さい（ユーザが比較的価格の安い情報を
欲している）場合は、差分Ｄη［ｍ］を標準より大きくする。このようにすることで、変
数ｍが小さいときにも、価格が安いものが選択集合に比較的入りやすくなり、効率的な処
理が行なえる他、価格の安いものの推薦順位を上げることができる。一方、価格ファクタ
ー調整データの番号が大きい（ユーザが比較的価格の高い情報を欲している）場合は、差
分Ｄη［ｍ］を標準より小さくする。このようにすることで、価格の安いものが推薦情報
に入りにくくなるので、ユーザのニーズに合致する上、アイテム提供サービスの売上増大
に効果的である。そして、ステップＳ９５０ｂに戻り、以降の処理を繰り返す。

ステップＳ１０１０ｂ〜Ｓ１０２０ｂとして、ステップＳ１０１０〜Ｓ１０２０と同じ
処理を行なう。そして、ステップＳ１０３０ｂにおいて、情報選択部１０７は、集合Ψの
中に未処理の別の利用主体識別子が存在するか判定する。未処理の別の利用主体識別子が
存在する場合（Ｙｅｓ）は、ステップＳ９００ｂに戻って、未処理の利用主体識別子のい
ずれかを選択して新たな利用主体識別子ｉとし、以降の処理を繰り返す。未処理の別の利
用主体識別子が存在しない場合（Ｎｏ）は、情報選択処理を終了する。以上、ステップＳ
４１０ｂについて説明した。

第２実施例では、ステップＳ４１０ｂに続いて、図１４では図示していないステップＳ
４２０を行なう。ステップＳ４２０において、制御部１１０ｂは、アイテム属性格納部１
０１を参照しながら、ステップＳ１０２０ｂで推薦情報格納部１０８に格納された、集合
Ψに関連する関連識別子に対応するアイテム属性情報およびカテゴリ属性情報を読み出し
、関連アイテム識別子（関連カテゴリ識別子）と、推薦順位と、アイテム属性情報（カテ
ゴリ属性情報）とを対応させた表示用推薦データを作成し、送受信部１０９を介して端末
装置３０に送信する。具体的には、第１実施例のステップＳ１７０と同様の処理を行なえ
ばよい。なお第１実施例で説明したように、推薦順位の高い順に所定個数選択したアイテ
ムのみを表示用推薦データに入れたり、過去の利用回数が所定数以上のアイテムを表示用
推薦データに含めない等の処理を行なってもよい。

この表示用推薦データには、ステップＳ１８０において端末装置３０が推薦リストを表
示する際に、図２２に示すように、「価格ファクターの調整操作」ボタン、「関連アイテ
ム表示」ボタン、「関連カテゴリ表示」ボタンをそれぞれ表示するためのデータを含めて
もよい。

ユーザは、本図の右上部に示す「価格ファクター調整操作」ボタンを指定して、価格影
響度の調整操作を再度行なった後に、本図の下部に示す「関連アイテム表示」または「関
連カテゴリ」ボタンを指定することにより、再度設定した価格影響度に応じた新たな推薦
情報を表示させることができる。このような方法を用いることで、ユーザは簡単な操作で
、納得がいくまで価格影響度を繰り返し調整することができるので、推薦システムに対す
るユーザの満足度や信頼感を高めることができる。

また本図の「指定された価格ファクター…」で示すように、ステップＳ１４０ｂにおけ
る価格ファクターの調整操作でユーザによって指定された内容（選択肢など）を画面に表
示するためのデータを、表示用推薦データに含めてもよい。このようにすれば、ユーザが
価格影響度の調整操作を繰り返し行なって、少しずつ推薦情報を変更したいような場合に
、ユーザは前回指定した条件を容易に知ることができるので、同じ条件を再度指定するよ
うな間違いが減り、操作性が向上する。

以上が第２実施例におけるシステム動作の説明である。第２実施例では、価格の高いア
イテムおよびカテゴリを推薦情報に多く入れることが可能である等、第１実施例と同様の
効果が得られるのに加えて、端末装置３０を利用するユーザが自分の好みに応じて、価格
が推薦結果に与える影響を調整することができるので、ユーザが推薦情報を納得して受け
入れやすくなるという特徴を有している。このため推薦情報に基づくアイテム利用が活発
になり、アイテム提供サービスの売上をさらに増大させることが期待できる。

本実施形態に係るネットワークシステムの第３実施例について説明する。第３実施例で
は、端末装置３０を利用するユーザが過去に利用したアイテムの価格に基づいて、価格情
報が推薦結果に及ぼす影響をユーザごとに変えることができるようになっている。第３実
施例において、アイテム提供サーバ２０および端末装置３０は、第１実施例と同様とする
ことができる。

図２３は、第３実施例における情報選択装置１０ｃの構成を示すブロック図である。本
図に示すように、情報選択装置１０ｃは、アイテム属性格納部１０１と、利用履歴格納部
１０２と、価格情報格納部１０３と、関連度算出部１０４と、関連集合格納部１０５と、
情報選択部１０７ｃと、推薦情報格納部１０８と、送受信部１０９と、制御部１１０ｃと
、利用価格情報算出部１１１と、利用価格情報格納部１１２とを備えて構成されている。
また、情報選択装置１０には、情報選択装置１０の管理者向けに必要な情報を表示するた
めの表示装置１２０と、管理者が操作を行なうためのキーボード、マウス等の入力装置１
３０とが接続されている。

すなわち、第３実施例の情報選択装置１０ｃは、第１実施例の情報選択装置１０に利用
価格情報算出部１１１および利用価格情報格納部１１２を追加し、情報選択部１０７、制
御部１１０の動作が一部異なる構成となっている。

制御部１１０ｃは、第１実施例と同様に、所定のタイミングで推薦情報作成動作を開始
する。ただし本実施形態では、図１４のフローチャートにおいてステップＳ４００の後に
、図示しないステップＳ４１５を実行し、ステップＳ４１５が終了した段階で推薦情報作
成動作を終了する。情報選択処理を行なうステップＳ４１０に相当する処理は、後述する
ステップＳ１７０ｃにおいて、表示用推薦データを作成する際に行なう。

ステップＳ４１５において、制御部１１０ｃの指示を受けた利用価格情報算出部１１１
は、利用履歴格納部１０２を参照しながら、ユーザが利用したアイテムの価格に関する情
報である利用価格情報をユーザごとに算出する。なお、利用価格情報における利用は、情
報閲覧、視聴等を含めずに、実際に購入した場合とすることが望ましい。

利用価格情報算出部１１１は、利用履歴格納部１０２に格納されたすべての利用履歴を
読み出してもよいし、図１５のステップＳ５００で説明した利用履歴読出処理と同様な方
法で、所定の条件を満たす利用履歴を読み出してもよい。

そして、読み出した利用履歴に対応するユーザを対象にして、それぞれのユーザの利用
価格情報を算出する。利用価格情報として、例えば、ユーザが過去に利用したアイテムの
価格の高さを指標化した価格水準値と、ユーザの利用したアイテムの価格のばらつき度合
いを指標化した価格分散値とを用いることができる。ここでは、利用価格情報算出部１１
１は、以下に示す第１〜第６の利用価格情報のうち、１つ以上の値を算出するものとする
。

第１の利用価格情報である第１の価格水準値は、ユーザの利用したアイテムの価格の合
計値（合計額）を価格水準値とするものである。第１の価格水準値を算出する場合、利用
価格情報算出部１１１は、読み出した利用履歴を参照しながら、ある利用主体識別子（あ
るユーザ）が利用したアイテムを特定する。そして、価格情報格納部１０３を参照しなが
ら、特定したアイテムの価格の合計値を算出し、その利用主体識別子に対応する第１の価
格水準値とする。第１の価格水準値が大きいユーザは、購買能力の高いユーザと推測でき
る。なお、合計値そのものではなく、合計値に所定の値を乗じた値や、合計値を所定の値
で割った値を第１の価格水準値としてもよい。例えば、合計値の桁数が大きくなるような
場合に、所定の値で割って扱いやすい桁数の値にしたり、この第１の価格水準値を含めて
、以下で説明する各々の利用価格情報の最大値が「１」になるような正規化を行なっても
よい。

第２の利用価格情報である第２の価格水準値は、ユーザの利用したアイテム１つあたり
の価格の高さを示す値（代表値）を価格水準値とするものである。第２の価格水準値を算
出する場合、利用価格情報算出部１１１は、読み出した利用履歴を参照しながら、ある利
用主体識別子（あるユーザ）が利用したアイテムを特定する。そして、価格情報格納部１
０３を参照しながら、特定したアイテムの価格の分布を求め、その代表値を算出し、その
利用主体識別子に対応する第２の価格水準値とする。代表値としては、平均値、中央値、
最頻度、四分位値、最大値、最小値などを用いることができる。また、利用回数の多いア
イテムに大きな重みを付ける等、利用回数に応じた重みづけ行なって代表値を算出しても
よい。

第２の価格水準値が大きいユーザは、高額アイテムや高級アイテムを好むユーザと推測
できる。また、第２の価格水準値は、アイテムの価格が広い範囲に分布している場合に適
している。

第３の利用価格情報である第３の価格水準値は、ユーザの利用したアイテムの価格の所
定期間ごとの合計額に関する代表値を価格水準値とするものである。この第３の価格水準
値は、ユーザの利用したアイテムの価格の合計額を用いた値であり、所定期間としては、
１日間、１週間、１ヶ月間などを用いればよい。また、１回の購入において、複数のアイ
テムをまとめて利用（購入）できるようなアイテム提供サービスでは、所定期間の合計額
の代わりに、１回の利用の合計額に関する代表値を用いてもよい。

第３の価格水準値を算出する場合、利用価格情報算出部１１１は、読み出した利用履歴
を参照しながら、ある利用主体識別子（あるユーザ）が利用したアイテムを所定期間ごと
に特定する。そして、価格情報格納部１０３を参照しながら、特定したアイテムの価格の
合計額を所定期間ごとに算出し、その代表値を算出して、その利用主体識別子に対応する
第３の価格水準値とする。代表値としては、第２の価格水準値と同様なものを用いること
ができる。

第３の価格水準値は、ユーザがアイテム提供サービスを利用している期間の長さの影響
を受けずに、ユーザの購買能力を判断するのに適している。また第３の価格水準値は、ア
イテムの価格が狭い範囲に分布していたり、価格の範囲は広くても多くのアイテムの価格
がほぼ同じような場合に適している。

第４の利用価格情報である第１の価格分散値は、ユーザの利用したアイテム１つあたり
の価格のばらつきの大きさ（ばらつき度）を示す値を価格分散値とするものである。第１
の価格分散値を算出する場合、利用価格情報算出部１１１は、読み出した利用履歴を参照
しながら、ある利用主体識別子（あるユーザ）が利用したアイテムを特定する。そして、
価格情報格納部１０３を参照しながら、特定したアイテムの価格の分布を求め、そのばら
つき度を示す値を算出し、その利用主体識別子に対応する第１の価格分散値とする。具体
的には、ばらつき度を示す値として、分散、標準偏差、範囲（最大値−最小値）、四分位
範囲（第３四分位値−第１四分位値）などを用いることができる。

第１の価格分散値が大きいユーザは、様々な価格のアイテムを利用するユーザと推測で
きる。また、第１の価格分散値は、アイテムの価格が広い範囲に分布している場合に適し
ている。

第５の利用価格情報である第２の価格分散値は、ユーザの利用したアイテムの価格の合
計額に関するばらつきの大きさ（ばらつき度）を示す値を価格分散値とするものである。
この合計額として、例えば、所定期間ごとの合計額を用いることができる。具体的には、
第２の価格分散値を算出する場合、利用価格情報算出部１１１は、読み出した利用履歴を
参照しながら、ある利用主体識別子（あるユーザ）が利用したアイテムを所定期間ごとに
特定する。そして、価格情報格納部１０３を参照しながら、特定したアイテムの価格の合
計額を所定期間ごとに算出し、そのばらつき度を示す値を算出して、その利用主体識別子
に対応する第２の価格分散値とする。ばらつき度を示す値は、第１の価格分散値と同様で
ある。また、１回の利用（購入）あたりの合計額を算出し、そのばらつき度を示す値を算
出して、第２の価格分散値としてもよい。

この第２の価格分散値は、アイテムの価格が狭い範囲に分布していたり、価格の範囲は
広くても多くのアイテムの価格がほぼ同じような場合に適している。第２の価格分散値が
小さいユーザは、コンスタントに安定してアイテムを利用するユーザと推測できる。

上述した方法では、ある利用主体識別子（あるユーザ）が利用したアイテム（あるユー
ザの利用履歴）のみを用いて、第１〜第５の利用価格情報を算出するが、あるユーザおよ
び他のユーザの利用履歴を用いて算出してもよい。すなわち、あるユーザおよび他のユー
ザが利用したアイテムの価格に基づいて、あるユーザの利用価格情報を算出してもよい。

例えば、利用価格情報算出部１１１が利用履歴格納部１０２から読み出した利用履歴に
、Ｎｕ人の利用主体識別子が含まれているとして、利用主体識別子ごとにアイテム価格の
合計値Ｐｓ［ｕ］（ｕ＝１〜Ｎｕ）を算出し、Ｐｓ［ｕ］の平均値Ｐａと標準偏差Ｐｂと
を算出する。そして［数５］に従ってユーザｕの標準得点Ｓ［ｕ］、または偏差値等を算
出し、第１の利用価格情報に相当する情報である第６の利用価格情報として用いることが
できる。

この第６の利用価格情報は、あるユーザ（ユーザｕ）が利用したアイテム価格の合計値
が、ユーザ集団の中でどの位置にあるかを相対的に示す情報である。第２〜第５の利用価
格情報についても、同様にユーザ集団の中での相対値を算出することができる。

また利用価格情報算出部１１１は、ある利用主体識別子に対して、アイテム区分ごとに
利用価格情報を算出してもよい。ここで、アイテム区分とは、アイテムを所定の基準で分
類した情報であり、通常はカテゴリよりも上位の概念の分類である。例えば、アイテム提
供サービスにおいて、種々のコンテンツを提供する場合、「音楽」「映画」「書籍」とい
った上位の階層の分類をアイテム区分とし、アイテム区分が「音楽」のアイテムに対して
は、「ロック」「ジャズ」「クラシック」「フォーク」等のジャンル情報をカテゴリとす
ることができる。アイテム区分が「映画」のアイテムに対しては、「ＳＦ」「アクション
」「コメディ」「アニメ」「サスペンス」等のジャンル情報をカテゴリとすればよい。

この場合は、アイテム属性格納部１０１に、各アイテムまたは各カテゴリと、各アイテ
ム区分とを対応させたアイテム区分情報を格納しておく。そして、利用価格情報算出部１
１１はアイテム区分情報を参照しながら、ユーザが利用したアイテムのアイテム区分を特
定し、アイテム区分ごとに利用価格情報を算出する。上記の例では、「音楽」に対応する
利用価格情報と、「映画」に対応する利用価格情報と、「書籍」に対応する利用価格情報
とを算出する。ただし、カテゴリをそのままアイテム区分とするようにしてもよい。

利用価格情報算出部１１１は、算出した利用価格情報を利用価格情報格納部１１２に格
納させる。利用価格情報格納部１１２は、図２４に示すような形式で、利用主体識別子と
、利用価格情報とを対応させて格納する。図２４（ａ）は、アイテム区分を用いない場合
の格納形式である利用価格情報テーブル１１２Ａを示している。複数種類（Ｎｐ個）の利
用価格情報が格納されているが、１種類の利用価格情報を格納するようにしてもよい。

図２４（ｂ）は、アイテム区分を用いる場合の格納形式である利用価格情報テーブル１
１２Ｂを示している。アイテム区分１に対応するＮｐ1個の利用価格情報と、アイテム区
分２に対応するＮｐ2個の利用価格情報を格納している。ここで、Ｎｐ1≠Ｎｐ2として、
アイテム区分ごとに異なる数の利用価格情報を算出して格納するようにしてもよい。Ｎｐ
1およびＮｐ2は、１つであっても複数個であってもよい。以上がステップＳ４１５の説明
である。

第３実施例におけるシステム全体の動作は、処理ステップ間の関係において図１１に示
したフローチャートと同様であり、ステップＳ１６０とＳ１７０の具体的内容において第
１実施例と一部異なる。第３実施例におけるこれらの処理ステップは、末尾に「ｃ」を付
加して表記する。

ステップＳｌ６０ｃにおいて、端末装置３０は、関連リンクに対応するＵＲＬに推薦リ
クエストを送信する。

ステップＳ１７０ｃにおいて、情報選択装置１０ｃの制御部１１０ｃは、送受信部１０
９を介して、推薦リクエストを受信し、それに含まれるリクエスト利用主体識別子に対応
する表示用推薦データを作成して端末装置３０に送信する。

このステップＳ１７０ｃの全体の流れは第２実施例のステップＳ１７０ｂと同様であり
、ステップＳ４１０ｃの後に、図示しないステップＳ４３０を実行する。また、ステップ
Ｓ４１０ｃの全体の流れは、第２実施例のステップＳ４１０ｂと同様であり、リクエスト
利用主体識別子の集合である集合Ψを対象にして処理が行われるが、第２実施例と異なる
処理ステップを以下で詳細に説明する。通常は集合Ψの要素数は１つである。

第３実施例では、利用価格情報格納部１１２に格納された利用価格情報を用いて、情報
選択処理を行なう。以下の説明では、利用価格情報格納部１１２の利用価格情報テーブル
１１２Ａには、図２４（ａ）に示す形式でユーザｕの価格水準値Ｌ［ｕ］が１つ、ユーザ
ｕの価格分散値Ｖ［ｕ］が１つ格納されており、これらを読み出して利用することとする
。ただし、価格水準値と価格分散値のどちらか一方を利用してもよいし、３つ以上の利用
価格情報を利用してもよい。

ステップＳ９００ｃ〜Ｓ９２０ｃは、各々ステップＳ９００ｂ〜Ｓ９２０ｂと同じであ
る。

次にステップＳ９３０ｃにおいて、情報選択部１０７ｃは、関連しきい値θ［ｍ］の初
期値として関連しきい値θ［１］に値をセットする。第３実施例では、利用価格情報格納
部１１２を参照しながら、推薦リクエストに含まれる利用主体識別子に対応する利用価格
情報に応じて、この初期値を変更する。

関連しきい値θ［ｍ］の初期値設定の第１の方法は、ユーザｕの価格水準値Ｌ［ｕ］に
応じて、異なる初期値を用いる方法である。例えば、価格水準値Ｌ［ｕ］に関するしきい
値δ5とδ6（δ5＜δ6）と、初期値θ1〜θ3（θ1＞θ2＞θ3）を用意しておき、Ｌ［ｕ
］＜δ5であれば、標準より大きいθ1、δ5≦Ｌ［ｕ］＜δ6であれば、標準であるθ2、
δ6≦Ｌ［ｕ］であれば、標準より小さいθ3を選択して初期値とする。

すなわち、価格水準値Ｌ［ｕ］が小さいほど、関連しきい値θ［ｍ］が大きくなる規則
を用いて、関連しきい値の初期値を設定する。価格水準値Ｌ［ｕ］の小さいユーザは、購
買能力の低いユーザであったり、低額アイテムをよく利用するユーザと想定されるため、
関連度が低く価格の高いアイテム（カテゴリ）の受容可能性が特に小さいと考えられる。
この第１の方法により、このようなユーザの推薦情報には、関連度が低く価格の高いアイ
テム（カテゴリ）が入りにくくなるので、ユーザが推薦情報を受容する可能性を高くする
ことができる。なお、上述した例において、価格水準値が共にδ5未満である２人のユー
ザがいる場合、各々の価格水準値が異なっていても、その２人の関連しきい値の初期値は
共にθ1となる。この例のように、価格水準値の変化に対して段階的（離散的）に関連し
きい値が変化する規則を用いてもよいし、連続的に変化する規則を用いてもよい。

関連しきい値θ［ｍ］の初期値設定の第２の方法は、ユーザｕの価格分散値Ｖ［ｕ］に
応じて、異なる初期値を用いる方法である。例えば、価格分散値Ｖ［ｕ］関するしきい値
ε5とε6（ε5＜ε6）と、初期値θ1〜θ3（θ1＞θ2＞θ3）を用意しておき、価格分散
値Ｖ［ｕ］＜ε5であれば、標準より大きいθ1、ε5≦Ｖ［ｕ］＜ε6であれば、標準であ
るθ2、ε6≦Ｖ［ｕ］であれば、標準より小さいθ3を選択して初期値とする。

すなわち、価格分散値Ｖ［ｕ］が小さいほど、関連しきい値θ［ｍ］が大きくなる規則
を用いて、関連しきい値の初期値を設定する。価格分散値Ｖ［ｕ］が小さなユーザは、限
られた価格帯のアイテムを利用する傾向や、所定期間ごとの利用アイテムの合計額が安定
している傾向があると想定される。すなわち、自分なりの利用パターンが確立しているユ
ーザであるといえる。このようなユーザでは、関連度が低く価格が高いものを推薦した場
合に受容されないリスクが高いため、関連しきい値θ［ｍ］の初期値を大きくして、それ
らが推薦情報に入りにくくする。

一方、価格分散値Ｖ［ｕ］が大きなユーザは、幅広い価格帯のアイテムを利用する傾向
や、所定期間ごとの利用アイテムの合計額の変化が大きい傾向があると想定される。すな
わち、価格に関して柔軟性があるといえる。このようなユーザでは、関連度が低く価格が
高いものを推薦した場合に受容されないリスクが相対的に低いと考えられるため、関連し
きい値θ［ｍ］の初期値を小さくして、そのようなものも推薦情報に入れるようにする。

ステップＳ９４０ｃにおいて、情報選択部１０７ｃは、価格しきい値η［ｍ］の初期値
として価格しきい値η［１］に値をセットする。第３実施例では、利用価格情報格納部１
１２を参照しながら、推薦リクエストに含まれる利用主体識別子に対応する利用価格情報
に応じて、この初期値を変更する。

価格しきい値η［ｍ］の初期値設定の第１の方法は、ユーザｕの価格水準値Ｌ［ｕ］に
応じて、異なる初期値を用いる方法である。例えば、価格水準値Ｌ［ｕ］に関するしきい
値δ7とδ8（δ7＜δ8）と、初期値η1〜η3（η1＜η2＜η3）を用意しておき、Ｌ［ｕ
］＜δ7であれば、標準より小さいη1、δ7≦Ｌ［ｕ］＜δ8であれば、標準であるη2、
δ8≦Ｌ［ｕ］であれば、標準より大きいη3を選択して初期値とする。

すなわち、価格水準値Ｌ［ｕ］が大きいほど、価格しきい値η［ｍ］が大きくなる規則
を用いて、価格しきい値の初期値を設定する。このようにすることで、価格水準値Ｌ［ｕ
］の大きいユーザ、すなわち購買能力の高いユーザや高額アイテムをよく利用するユーザ
に対して、より価格の高いものを推薦情報に入れることができ、アイテム提供サービスの
売上増大に効果的となる。一方、価格水準値Ｌ［ｕ］の小さいユーザ、すなわち購買能力
の低いユーザや低額アイテムをよく利用するユーザに対しては、推薦情報の中に価格が安
いものを含めることができるので、ユーザの受容性が低下するのを防ぐことができる。

価格しきい値η［ｍ］の初期値設定の第２の方法は、ユーザｕの価格分散値Ｖ［ｕ］に
応じて、異なる初期値を用いる方法である。例えば、価格分散値Ｖ［ｕ］に関するしきい
値ε7とε8（ε7＜ε8）と、初期値η1〜η3（η1＜η2＜η3）を用意しておき、Ｖ［ｕ
］＜ε7であれば、標準より小さいη1、ε7≦Ｖ［ｕ］＜ε8であれば、標準であるη2、
ε8≦Ｖ［ｕ］であれば、標準より大きいη3を選択して初期値とする。

すなわち、価格分散値Ｖ［ｕ］が大きいほど、価格しきい値η［ｍ］が大きくなる規則
を用いて、価格しきい値の初期値を設定する。この結果、価格分散値Ｖ［ｕ］が小さいほ
ど、価格しきい値η［ｍ］の初期値は小さい傾向となる。価格分散値Ｖ［ｕ］が小さなユ
ーザは、限られた価格帯のアイテムを利用する傾向や、所定期間ごとの利用アイテムの合
計額が安定している傾向があると想定される。すなわち、自分なりの利用パターンが確立
しているユーザであるといえる。このようなユーザでは、価格が高いものを推薦した場合
に受容されないリスクが大きいため、価格しきい値η［ｍ］の初期値を小さくして、価格
の安いものが推薦情報に入りやすくしている。

ステップＳ９５０ｃ〜Ｓ９８０ｃとして、ステップＳ９５０ｂ〜Ｓ９８０ｂと同じ処理
を行なう。

ステップＳ９９０ｃにおいて、情報選択部１０７ｃは、変数ｍに対応する関連しきい値
θ［ｍ］を設定する。ここで、θ［ｍ−１］＞θ［ｍ］となるように設定する。第１実施
例と同様に、１つ前の関連しきい値との差分Ｄθ［ｍ］を様々な方法で設定することがで
きる。さらに、以下に示すような方法で利用価格情報に応じて、差分Ｄθ［ｍ］を設定し
てもよい。

差分Ｄθ［ｍ］設定の第１の方法は、ユーザｕの価格水準値Ｌ［ｕ］を用いる方法であ
る。例えば、価格水準値Ｌ［ｕ］がしきい値δ9より小さい場合は、差分Ｄθ［ｍ］を標
準より小さくして、関連しきい値θ［ｍ］があまり小さくならないようにする。このよう
にすることで、価格水準値Ｌ［ｕ］の小さいユーザの推薦情報に、関連度が低くて価格が
高いものが入りにくくなる。一方、価格水準値Ｌ［ｕ］がしきい値δ10（ただしδ9＜δ1
0）以上の場合は、関連度が低く価格が高いものでも、ユーザに受容される可能性は多少
あるので、差分Ｄθ［ｍ］を標準より大きくしてもよい。この第１の方法は、価格水準値
Ｌ［ｕ］が小さいほど、関連しきい値θ［ｍ］が大きくなる規則を用いて、次の選択集合
を作成するための関連しきい値を設定しているといえる。

差分Ｄθ［ｍ］設定の第２の方法は、ユーザｕの価格分散値Ｖ［ｕ］を用いる方法であ
る。例えば、価格分散値Ｖ［ｕ］がしきい値ε9より小さい場合は、差分Ｄθ［ｍ］を標
準より小さくして、θ［ｍ］があまり小さくならないようにする。このようにすることで
、価格分散値Ｖ［ｕ］の小さいユーザの推薦情報に、関連度が低くて価格が高いものが入
りにくくなる。また、価格分散値Ｖ［ｕ］がしきい値ε10（ただしε9＜ε10）以上であ
る場合に、Ｄθ［ｍ］を標準より大きくしてもよい。この第２の方法は、価格分散値Ｖ［
ｕ］が小さいほど、関連しきい値θ［ｍ］が大きくなる規則を用いて、次の選択集合を作
成するための関連しきい値を設定しているといえる。

ステップＳ１０００ｃにおいて、情報選択部１０７ｃは、変数ｍに対応する価格しきい
値η［ｍ］を設定する。ここで、η［ｍ−１］＞η［ｍ］となるように設定する。第１実
施例と同様に、１つ前の関連しきい値との差分Ｄη［ｍ］を様々な方法で設定することが
できる。さらに、以下に示すような方法で利用価格情報に応じて、差分Ｄη［ｍ］を設定
してもよい。

差分Ｄη［ｍ］設定の第１の方法は、ユーザｕの価格水準値Ｌ［ｕ］を用いる方法であ
る。例えば、価格水準値Ｌ［ｕ］がしきい値δ11より小さい場合は、差分Ｄη［ｍ］を標
準より大きくして、価格しきい値η［ｍ］を小さくする。このようにすることで、価格水
準値Ｌ［ｕ］の小さいユーザの推薦情報に、価格の安いものが入りやすくなり、ユーザの
受容性を高くすることができる。一方、価格水準値Ｌ［ｕ］がしきい値δ12（ただしδ11
＜δ12）以上の場合は、差分Ｄη［ｍ］を標準より大きくして、価格しきい値η［ｍ］を
大きくする。このようにすることで、価格水準値Ｌ［ｕ］の大きなユーザの推薦情報に、
より価格の高いものが入りやすくなる。この第１の方法は、価格水準値Ｌ［ｕ］が大きい
ほど、価格しきい値η［ｍ］が大きくなる規則を用いて、次の選択集合を作成するための
価格しきい値を設定しているといえる。

差分Ｄη［ｍ］設定の第２の方法は、ユーザｕの価格分散値Ｖ［ｕ］を用いる方法であ
る。例えば、価格分散値Ｖ［ｕ］がしきい値ε11より小さい場合は、差分Ｄη［ｍ］を標
準より大きくして、価格しきい値η［ｍ］を小さくする。このようにすることで、価格分
散値Ｖ［ｕ］の小さいユーザの推薦情報に、価格の安いものが入りやすくなり、ユーザの
受容性を高くすることができる。一方、格分散値Ｖ［ｕ］がしきい値ε12（ただしε11＜
ε12）以上の場合は、差分Ｄη［ｍ］を標準より小さくして、価格しきい値η［ｍ］を大
きくする。このようにすることで、価格分散値Ｖ［ｕ］の大きなユーザの推薦情報に、よ
り価格の高いものが入りやすくなる。この第２の方法は、価格分散値Ｖ［ｕ］が大きいほ
ど、価格しきい値η［ｍ］が大きくなる規則を用いて、次の選択集合を作成するための価
格しきい値を設定しているといえる。そして、ステップＳ９５０ｃに戻り、以降の処理を
繰り返す。

ステップＳ１０１０ｃ〜Ｓ１０３０ｃとして、ステップＳ１０１０〜Ｓ１０３０と同じ
処理を行なう。

なお上述した方法では、ステップＳ９３０ｃおよびＳ９９０において、利用価格情報に
応じた関連しきい値θ［ｍ］を設定し、ステップＳ９４０ｃおよびＳ１０００において、
利用価格情報に応じた価格しきい値η［ｍ］を設定しているが、関連しきい値θ［ｍ］お
よび価格しきい値η［ｍ］のうち、いずれか一方を利用価格情報に応じて設定し、もう一
方に標準値を設定するようにしてもよい。

また、ステップＳ９３０ｃにおいて、利用価格情報を用いて関連しきい値θ［１］を設
定し、ステップＳ９９０において、利用価格情報を用いずに差分Ｄθ［ｍ］（ｍ≧２）を
設定してもよい。逆に、ステップＳ９３０ｃにおいて、利用価格情報を用いずに関連しき
い値θ［１］を設定し、ステップＳ９９０において、利用価格情報を用いて差分Ｄθ［ｍ
］（ｍ≧２）を設定してもよい。すなわち、利用主体識別子ｉに対応するＮａ［ｉ］個の
選択集合を作成する際に用いるＮａ［ｉ］個の関連しきい値θ［ｍ］のうち、一部のみを
利用価格情報を用いて設定してもよい。価格しきい値η［ｍ］についても同様であり、Ｎ
ａ［ｉ］個の価格しきい値η［ｍ］のうち、一部のみを利用価格情報を用いて設定しても
よい。また、複数の利用価格情報を用いて総合的な指標を算出し、その指標に基づいて、
関連しきい値および／または価格しきい値を設定してもよい。例えば、複数の利用価格情
報の乗算値、または重み付き加算値を算出し、総合的な指標として用いてもよい。

また、図２４（ｂ）に示すように、利用価格情報格納部１１２にアイテム区分ごとに利
用価格情報が格納されている場合には、ステップＳ９３０ｃおよびステップＳ９９０ｃに
おいて、アイテム区分ごとに関連しきい値θ［ｍ］を設定することができる。またステッ
プＳ９４０ｃおよびステップ１０００ｃにおいて、アイテム区分ごとに価格しきい値η［
ｍ］を設定することができる。この場合、ステップＳ９５０ｃにおいて、アイテム区分情
報を参照しながら、処理対象の関連識別子がどのアイテム区分に対応するか特定し、特定
したアイテム区分に対応する関連しきい値θ［ｍ］および価格しきい値η［ｍ］を用いて
、選択集合Ｙを作成することができる。以上、ステップＳ４１０ｃについて説明した。

第３実施例によれば、価格の高いアイテムおよびカテゴリを推薦結果に多く入れること
が可能である等、第１実施例と同様な効果が得られるのに加えて、ユーザごとに利用価格
情報に応じて適切に情報選択処理を行なうようにしているため、ユーザに特別な操作をさ
せることなく、ユーザが受容しやすい推薦情報を提供することができる。例えば、価格の
安いアイテムだけを利用するユーザには、推薦情報の中に、価格の高いアイテムだけでな
く、価格の安いアイテムもある程度入れることができる。従って、ユーザが推薦情報を納
得して受け入れやすくなる。このため推薦情報に基づくアイテム利用が活発になり、アイ
テム提供サービスの売上をさらに増大させることが期待できる。

また、第２実施例と第３実施例とを組み合わせて、ユーザごとに利用価格情報に応じて
価格影響関数を設定した上で、ユーザの好みに応じてこの特性を変更できるようにしても
よい。このようにすれば、さらに受容性の高い推薦情報を提供することができる。

なお、上述の第３実施例では、ユーザの利用価格情報に基づいて、価格影響関数の特性
をユーザごとに変えているが、これとは異なる方法で、価格影響関数の特性をユーザごと
に変えてもよい。例えば、ユーザが過去に提供された推薦情報をどの程度受け入れたかに
応じて価格影響関数の特性を変更することができる。

この場合、過去のある時点においてユーザに提供された推薦情報に含まれるアイテムの
うち、推薦情報提供後にそのユーザによって実際に利用されたアイテムの数を算出し、そ
の数に基づいてユーザの利用度を算出する。利用度を算出する処理を行なうために、利用
度算出部を情報選択装置１０に設けるようにしてもよい。そして、価格影響度算出部１０
６ｃは、算出された利用度に応じて価格影響関数Ｆ（Ｘ）の特性を変えればよい。

具体的には、利用度の高いユーザほど、価格の高いアイテム（カテゴリ）が推薦されや
すくなるように処理すればよい。これは、価格水準値が大きいユーザほど、価格の高いア
イテム（カテゴリ）が推薦されやすくなるように処理したのと同様である。

利用度の高いユーザは、過去の推薦情報を多く受容しているので、推薦システムに対す
る信頼感をある程度持っていると考えられる。このため、このようなユーザに価格の高い
アイテム（カテゴリ）をより多く推薦しても、ユーザの購買意欲の低下につながるリスク
が小さいと考えられるからである。

一方、利用度の低いユーザに、価格の高いアイテム（カテゴリ）をより多く推薦すると
、ユーザの購買意欲の低下につながるリスクが大きいと考えられる。このため、利用度の
低いユーザには、価格の安いアイテムもある程度推薦されやすくなる処理を行なうように
する。

このようにユーザの推薦情報に対する利用度に応じて、価格影響関数の特性を変化させ
ることにより、さらにユーザの購買意欲が減少するリスクを減らしつつ、価格の高いアイ
テム（カテゴリ）を推薦することができる。また、ユーザの推薦情報に対する利用度と、
ユーザの利用価格情報を両方用いて、価格影響関数の特性を変えてもよい。

利用度の具体的な算出方法としては、例えば、１日に１回の頻度で推薦情報を作成して
おり、前回（前日）にユーザＡに対して１０個の推薦アイテムを提供している場合、次に
新たな推薦情報を作成（提供）するまでの期間（約１日間）で、ユーザＡが１０個の推薦
アイテムのうち何個を利用したかを、利用履歴格納部１０２とを推薦情報格納部１０８と
を参照しながらカウントし、これを利用度とすればよい。

また、ユーザＡが１つの推薦アイテムを２回以上利用した場合、その回数を考慮して利
用度を算出してもよいし、２回以上利用しても１回だけ利用しても同等に扱って利用度を
算出してもよい。あるいは、ユーザＡが１０個の推薦アイテムのうちの１つ以上利用した
場合に、利用度を「１」、１つも利用しない場合に利用度を「０」などとして、ユーザＡ
が推薦情報を１回以上利用したか否かの情報を利用度としてもよい。

ユーザＡが推薦アイテムを利用した場合に、図１３に示すような推薦画面（推薦ページ
）から直接利用したのか、他のページで推薦アイテムを偶然見つけて利用したのかを区別
可能な情報（アイテム利用ページ識別情報）を利用履歴格納部１０２に格納した上で、推
薦ページから直接利用された分だけを利用度に反映させるようにしてもよい。このように
すると、ユーザＡの推薦情報に対する受容の度合いをより直接的に利用度に反映させるこ
とができる。ただし、ユーザＡが推薦アイテムを推薦情報が表示された画面から直接利用
していない場合であっても、そのユーザの嗜好に合致した推薦アイテムを選択できたと考
えられるので、推薦アイテムが利用されたページの種類を区別せずに利用度を算出しても
よい。

なお、推薦アイテムの利用回数を集計する期間は、その推薦アイテムの情報を提供した
時点以降であれば、どのような期間を設定してもよい。例えば、ある推薦アイテムが、推
薦情報として提供された期間以降の期間も集計期間に含めてもよい。これは、ユーザがブ
ラウザのブックマーク機能等を用いて、推薦ページのＵＲＬ等を一時的に保存しておき、
推薦情報の提供が終了した後に利用したような場合を含めて利用回数をカウントするため
である。また、集計開始時点も推薦情報が提供された時点以降であれば、どのように設定
してもよい。

本実施形態に係るネットワークシステムの第４実施例について説明する。第４実施例で
は、単体アイテムと複合アイテムの２種類のアイテムを提供するアイテム提供サービスに
おいて有効である。ここで、複合アイテムとは、複数の単体アイテムを含むものであり、
ユーザの１回の利用操作（購入操作）で、対応する複数の単体アイテムに相当する内容が
提供されるものである。

例えば、音楽コンテンツを提供する場合、個々の楽曲を単体アイテムとして、複数の楽
曲を集めたアルバムを複合アイテムとすることができる。また、あるアーティストのすべ
ての楽曲を１つの複合アイテムとしてもよい。また映像コンテンツを提供する場合、連続
ドラマの各話を単体アイテムとし、それを複数まとめたものを複合アイテムとすることが
できる。また、書籍（紙の書籍でも電子書籍でもよい）を提供する場合、１巻を単体アイ
テムとし、関連のある巻をまとめて複合アイテムとすることができる。

第４実施例において、アイテム提供サーバ２０および端末装置３０は、第１実施例と同
様とすることができる。ただし、アイテム提供サーバ２０は、単体アイテムと複合アイテ
ムの両方を提供するものとする。また、第４実施例における情報選択装置１０ｄは、第１
実施例における情報選択装置１０のアイテム属性格納部１０１、情報選択部１０７、制御
部１１０をそれぞれアイテム属性格納部１０１ｄ、情報選択部１０７ｄ、制御部１１０ｄ
としたものであり、他のブロックは同様である。

アイテム属性格納部１０１ｄは、図４に示したアイテム情報テーブル１０１Ａ、カテゴ
リ情報テーブル１０１Ｂに加えて、図２５（ａ）に示す複合アイテム情報テーブル１０１
Ｃと、図２５（ｂ）に示す複合アイテム−単体アイテム対応テーブル１０１Ｄを格納する
。

本図に示すように、複合アイテム情報テーブル１０１Ｃは、複合アイテム識別子と、複
合アイテム属性情報とを対応させたテーブルである。複合アイテム属性情報は、複合アイ
テムの「タイトル（名称）」「カテゴリ識別子」「説明情報」「アイテム時期情報」など
で構成されている。

第４実施例において、アイテム情報テーブル１０１Ａには、単体アイテムに関する情報
が格納されており、複合アイテム情報テーブル１０１Ｃには、複合アイテムに関する情報
が格納されている。このため、あるアイテム識別子がどちらのテーブルに格納されている
かを判定することにより、そのアイテム識別子が単体アイテムか複合アイテムかを容易に
区別することができる。なお上述した第１実施例〜第３実施例のネットワークシステムに
おいては、単体アイテムと複合アイテムとが区別なく扱われており、情報選択装置１０、
１０ｂ〜１０ｃは、単体アイテムと複合アイテムの両方を扱ってもよいし、どちらか一方
のみを扱ってもよい。また、これらの実施例でも本実施例と同様に、複合アイテムの概念
を適用し、単体アイテムと複合アイテムとを区別して扱うようにしてもよい。

複合アイテム−単体アイテム対応テーブル１０１Ｄは、複合アイテムと単体アイテムと
の対応を示すテーブルであり、複合アイテム識別子とアイテム識別子とを対応させて格納
する。本図の例では、複合アイテム１（ＣｏｍｐＩｔｅｍＩＤ−１）に３つの単体アイテ
ムが対応し、複合アイテム２（ＣｏｍｐＩｔｅｍＩＤ−２）に２つの単体アイテムが対応
している。また単体アイテム３（ＩｔｅｍＩＤ−３）が複合アイテム１と複合アイテム２
の両方に対応していることから分かるように、１つの単体アイテムが複数の複合アイテム
に対応してもよい。なお、複合アイテム情報テーブル１０１Ｃ、複合アイテム−単体アイ
テム対応テーブル１０１Ｄは、アイテム属性格納部１０１ｄとは別の複合アイテム用の格
納部に格納するようにしてもよい。

価格情報格納部１０３ｄは、図６に示したアイテム価格情報テーブル１０３Ａ、カテゴ
リ価格情報テーブル１０３Ｂに加えて、図２６に示す複合アイテム価格情報テーブル１０
３Ｃを格納する。本図に示すように、複合アイテム価格情報テーブル１０３Ｃは、複合ア
イテム識別子とその価格情報とを対応させて記録する。

本実施形態におけるシステム全体の動作は、図１１に示した第１実施例のフローチャー
トと同じである。

制御部１１０ｄは、第１実施例と同様に、所定のタイミングで推薦情報作成動作を開始
する。本実施形態における推薦情報作成動作は、図１４のフローチャートと同様であるが
、情報選択処理を行なうステップＳ４１０に相当するステップＳ４１０ｄの一部が、第１
実施例と異なっている。

以下に、第４実施例における情報選択処理を詳細に説明する。まず、ステップＳ９００
ｄ〜Ｓ９４０ｄとして、図１６に示した第１実施例のステップＳ９００〜Ｓ９４０を実行
する。

ステップＳ９５０ｄにおいて、情報選択部１０７ｄは、アイテム属性格納部１０１ｄに
格納されたアイテム情報テーブル１０１Ａ、および複合アイテム情報テーブル１０１Ｃを
参照しながら、関連集合Ｚ［ｉ］の要素であり、かつ利用主体識別子ｉに関するいずれの
選択集合にも入っていない関連識別子ｊを対象にして、関連識別子ｊが単体アイテムであ
るか複合アイテムであるかを判定する。単体アイテムである場合は、第１実施例の方法で
選択集合を作成する。複合アイテムである場合は、以下のいずれかの方法で選択集合を作
成する。

なお第４実施例において、関連識別子はアイテム識別子であること、すなわち「アイテ
ム推薦形式」であることが必要とされる。

複合アイテムの選択集合作成の第１の方法では、複合アイテムに対応する単体アイテム
の関連度のうち最大のものを使って選択集合を作成する。具体的には、まず図２５（ｂ）
に示した複合アイテム−単体アイテム対応テーブル１０１Ｄを参照しながら、複合アイテ
ムである関連識別子ｊに対応する単体アイテムｋ（ｋ＝１〜Ｎj）を特定し、利用主体識
別子ｉと単体アイテムｋとの関連度Ｗ［ｉ］［ｋ］が関連集合格納部１０５の関連度テー
ブル１０５Ａに格納されている否かを判定する。ここでＮjは、複合アイテムである関連
識別子ｊに対応する単体アイテムｋの個数である。

Ｎj個の単体アイテムの中で、利用主体識別子ｉとの関連度Ｗ［ｉ］［ｋ］が格納され
ているアイテムが１つ以上存在する場合は、それらの関連度をすべて読み出し、読み出し
た関連度の中から最も大きな関連度Ｗmax［ｉ］［ｊ］を選択する。そして、Ｗ［ｉ］［
ｊ］とＷmax［ｉ］［ｊ］のうち大きい方であるＷh［ｉ］［ｊ］をＷ［ｉ］［ｊ］の代わ
りに用いて、選択集合を作成する。

具体的には、関連度Ｗh［ｉ］［ｊ］がｍ番目の関連しきい値θ［ｍ］以上であり、か
つ価格情報がｍ番目の価格しきい値η［ｍ］以上であれば、その関連識別子ｊをｍ番目の
選択集合に入れる候補として抽出する。

Ｎj個の単体アイテムの中に、利用主体識別子ｉとの関連度Ｗ［ｉ］［ｋ］が格納され
ているアイテムが１つも存在しない場合は、単体アイテムの場合と同様に、Ｗ［ｉ］［ｊ
］をそのまま用いて選択集合の候補を抽出する。

そして、選択集合の候補として抽出した関連識別子を、変数Ｎｚを超えない数だけ選択
し、ｍ番目の選択集合Ｙ［ｉ］［ｍ］に入れればよい。

複合アイテムの選択集合作成の第２の方法では、複合アイテムに対応する単体アイテム
の関連度の総和を用いる。具体的には、まず図２５（ｂ）に示した複合アイテム−単体ア
イテム対応テーブル１０１Ｄを参照しながら、関連識別子ｊに対応する単体アイテムｋ（
ｋ＝１〜Ｎj）を特定し、利用主体識別子ｉと単体アイテムｋとの関連度Ｗ［ｉ］［ｋ］
が関連集合格納部１０５の関連度テーブル１０５Ａに格納されている否かを判定する。

Ｎj個の単体アイテムの中で、利用主体識別子ｉとの関連度Ｗ［ｉ］［ｋ］が格納され
ているアイテムが１つ以上存在する場合は、それらの関連度をすべて読み出し、読み出し
た関連度の総和であるＷsum［ｉ］［ｊ］を算出する。そして、Ｗ［ｉ］［ｊ］とＷsum［
ｉ］［ｊ］のうち大きい方であるＷs［ｉ］［ｊ］をＷ［ｉ］［ｊ］の代わりに用いて、
選択集合を作成する。

具体的には、関連度Ｗs［ｉ］［ｊ］がｍ番目の関連しきい値θ［ｍ］以上であり、か
つ価格情報がｍ番目の価格しきい値η［ｍ］以上であれば、その関連識別子ｊをｍ番目の
選択集合に入れる候補として抽出する。

Ｎj個の単体アイテムの中に、利用主体識別子ｉとの関連度Ｗ［ｉ］［ｋ］が格納され
ているアイテムが１つも存在しない場合は、単体アイテムの場合と同様に、Ｗ［ｉ］［ｊ
］をそのまま用いて選択集合の候補を抽出する。

そして、選択集合の候補として抽出した関連識別子を、変数Ｎｚを超えない数だけ選択
し、ｍ番目の選択集合Ｙ［ｉ］［ｍ］に入れればよい。

この第１および第２の方法によれば、複合アイテムに対応する単体アイテムの関連度を
用いて、複合アイテムの関連度がより大きくなるように補正した後に、選択集合を作成す
るため、複合アイテムが選択集合に入りやすくなる。

複合アイテムの選択集合作成の第３の方法では、複合アイテムの関連度Ｗ［ｉ］［ｊ］
と定数α1との乗算値である（α1×Ｗ［ｉ］［ｊ］）、または関連度Ｗ［ｉ］［ｊ］と定
数α2との加算値である（Ｗ［ｉ］［ｊ］＋α2）を関連度Ｗ［ｉ］［ｊ］の代わりに用い
て、第１実施例と同様に方法で選択集合を作成する。ここで、α1＞１であり、α2＞０で
ある。なお、定数α1、定数α2を両方用いて、（α1×Ｗ［ｉ］［ｊ］＋α2）を算出して
もよい。第３の方法でも、複合アイテムの関連度がより大きくなるように補正されるため
、複合アイテムが選択集合に入りやすくなる。

なお、第１の方法または第２の方法と、第３の方法とを組み合わせてもよい。例えば、
第１の方法で算出されたＷh［ｉ］［ｊ］と、定数α1、定数α2とを用いて、（α1×Ｗh
［ｉ］［ｊ］＋α2）を算出し、これをＷ［ｉ］［ｊ］の代わりに用いてもよい。また、
第２の方法で算出されたＷs［ｉ］［ｊ］と、定数α1、定数α2とを用いて、同様の処理
を行なってもよい。

また、複合アイテムの選択集合作成の第１〜第３の方法においては、複合アイテムであ
る場合に、関連度を補正して用いているともいえるが、逆に関連しきい値を補正してもよ
い。例えば、単体アイテム用の関連しきい値θs［ｍ］と、複合アイテム用の関連しきい
値θc［ｍ］を用意し、θs［ｍ］＞θc［ｍ］となるように、それぞれの値を設定してお
く。そしてステップＳ９５０ｄにおいて、関連識別子が単体アイテムである場合には、「
Ｗ［ｉ］［ｊ］≧θs［ｍ］ ∩ Ｘ［ｊ］≧η［ｍ］」という条件を満たすか判定し、
関連識別子が複合アイテムである場合には、「Ｗ［ｉ］［ｊ］≧θc［ｍ］ ∩ Ｘ［ｊ
］≧η［ｍ］」という条件を満たすか判定して関連識別子を抽出し、選択集合を作成すれ
ばよい。

そして、ステップＳ９６０ｄ〜Ｓ１０３０ｄとして、第１実施例のステップＳ９６０〜
Ｓ１０３０を実行する。

また、上述した方法とは異なる方法を用いることもできる。例えば、関連しきい値θ［
ｍ］の初期値を設定するステップＳ９３０ｄにおいて、単体アイテム用の関連しきい値θ
s［１］と、複合アイテム用の関連しきい値θc［１］とを設定する。ここで、θs［１］
＞θc［１］としておく。そして、ステップＳ９５０ｄにおいて、関連識別子が単体アイ
テムであるか複合アイテムであるかに応じて、対応する関連しきい値を用いて、選択集合
を作成する。そして、ステップＳ９９０ｄにおいて、θs［ｍ］＞θc［ｍ］となるように
、２つの関連しきい値を設定すればよい。このようにしても、複合アイテムが選択集合に
入りやすくなる。また、この方法と、上述した第１または第２の方法とを組み合わせても
よい。

一般的に、複合アイテムの価格情報は、単体アイテムの価格情報よりも大きいので、関
連度が同じであれば、第１実施例の方法で選択集合を作成しても、複合アイテムの方が推
薦情報に入りやすいが、第４実施例の方法によれば、複合アイテムをより優先的に推薦情
報に入れることができる。

なお、上述した複合アイテムを優先的に推薦情報に入れる処理と同様に、特定のカテゴ
リに属するアイテムを優先的に推薦情報に入れる処理を行なってもよい。具体的にはあら
かじめ、アイテム属性格納部１０１ｄの優先カテゴリテーブル（図示せず）に優先処理を
行なう対象のカテゴリ（カテゴリ識別子）を登録しておく。そしてステップＳ４１０ｄに
おいて、情報選択部１０７ｄが、アイテム属性格納部１０１ｄに格納されたアイテム情報
テーブル１０１Ａと優先カテゴリテーブルとを参照しながら、関連識別子ｊに対応するカ
テゴリ識別子が優先処理対象である特定のカテゴリに該当するか否かを判定する。そして
、複合アイテムの選択集合作成の第３の方法と同様な方法を用いて、特定のカテゴリに該
当する場合は、該当しない場合に比べて、より大きな値となるように関連度を用いた値（
関連度の補正値）を算出すればよい。

また、ユーザが単体アイテムおよび複合アイテムを利用した情報を用いて、第３実施例
で説明した利用価格情報を算出してもよい。例えば、各ユーザの利用した単体アイテムの
価格の合計値と、複合アイテムの価格の合計値をそれぞれ別の利用価格情報（価格水準値
）とすることができる。また、各ユーザの利用したアイテム１つあたりの価格の高さを示
す値（代表値）を、単体アイテムと複合アイテムごとに算出し、それぞれを利用価格情報
（価格水準値）とすることができる。また、各ユーザの利用したアイテムの合計額の代表
値を、単体アイテムと複合アイテムごとに算出してもよい。さらに、各ユーザの利用した
アイテムの価格の合計値（単体アイテムと複合アイテムの合計額）に占める複合アイテム
の価格の合計値の割合を利用価格情報（価格水準値）とすることができる。また、一般的
に複合アイテムの価格情報は単体アイテムの価格情報よりも大きいので、各ユーザの利用
したアイテムの全体数（単体アイテムと複合アイテムの合計数）に占める複合アイテムの
数の割合を利用価格情報（価格水準値）としてもよい。

また、ユーザの利用した単体アイテム１つあたりの価格のばらつき度（分散値など）と
、複合アイテム１つあたりの価格のばらつき度とを算出し、それぞれ別の利用価格情報（
価格分散値）とすることができる。また、ユーザの利用したアイテムの価格の合計額（例
えば、１カ月ごとの合計額）に関するばらつき度を、単体アイテムと複合アイテムに分け
て算出し、利用価格情報（価格分散値）としてもよい。また、ユーザの利用したアイテム
の価格の合計額に占める複合アイテムの価格の合計額の割合を所定期間ごとや、購入１回
ごとに算出し、その値に関するばらつき度を算出して、利用価格情報（価格分散値）とし
てもよい。また、ユーザの利用したアイテムの全体数に占める複合アイテムの数の割合を
所定期間ごとや、購入１回ごとに算出し、その値に関するばらつき度を算出して、利用価
格情報（価格分散値）としてもよい。

そして、第３実施例で説明した方法と同様な方法により、このような複合アイテムの概
念を用いた利用価格情報に基づいて、関連しきい値θ［ｍ］、価格しきい値η［ｍ］を設
定することができる。

また、第３実施例と第４実施例とを組み合わせた方法により、ユーザの利用価格情報に
応じて、推薦結果に複合アイテムを優先して入れる度合いを調整してもよい。例えば、価
格水準値が大きなユーザの推薦結果に、より多くの複合アイテムが入るようにしてもよい
。具体的には、複合アイテムの選択集合作成の第３の方法において、価格水準値が大きな
ユーザに対して、定数α1、定数α2の値を標準より大きくすることにより、推薦結果によ
り多くの複合アイテムを入れることができる。また逆に、価格水準値が小さなユーザに対
しては、推薦結果に入れる複合アイテムの数を標準よりも少なくする処理をしてもよい。

第４実施例によれば、推薦情報をもとに、ユーザは１回の利用操作で複合アイテムを利
用できるので、対応する複数の単体アイテムを利用するために、複数回の利用操作を行な
う場合に比べ、ユーザの利便性が向上する。また一般的に、複合アイテムの価格は高いた
め、複合アイテムの利用率を上げることにより、アイテム提供サービスの売上を増大させ
ることが期待できる。

１０…情報選択装置、２０…アイテム提供サーバ、３０…端末装置、４０…ネットワーク
、４２…ネットワーク、１０１…アイテム属性格納部、１０１Ａ…アイテム情報テーブル
、１０１Ｂ…カテゴリ情報テーブル、１０１Ｃ…複合アイテム情報テーブル、１０１Ｄ…
複合アイテム−単体アイテム対応テーブル、１０２…利用履歴格納部、１０２Ａ…アイテ
ム利用履歴テーブル、１０２Ｂ…カテゴリ利用履歴テーブル、１０３…価格情報格納部、
１０３Ａ…アイテム価格情報テーブル、１０３Ｂ…カテゴリ価格情報テーブル、１０３Ｃ
…複合アイテム価格情報テーブル、１０４…関連度算出部、１０５…関連集合格納部、１
０５Ａ…関連度テーブル、１０５Ｂ…関連度テーブル、１０７…情報選択部、１０８…推
薦情報格納部、１０８Ａ…アイテム推薦情報テーブル、１０８Ｂ…カテゴリ推薦情報テー
ブル、１０９…送受信部、１１０…制御部、１１１…利用価格情報算出部、１１２…利用
価格情報格納部、１１２Ａ…利用価格情報テーブル、１１２Ｂ…利用価格情報テーブル、
１２０…表示装置、１３０…入力装置、２０１…ユーザ管理部、２０２…アイテム格納部
、２０３…データ格納部、２０４…送受信部、２０５…制御部、３０１…制御部、３０２
…送受信部、３０３…ブラウザ部、３０４…アプリケーション部、３２０…表示装置、３
３０…入力装置

Claims (14)

1. 利用主体に対して、関連対象となる複数個のアイテムまたは複数個のカテゴリを識別する識別子と、関連性の強さを示す関連度とを対応させた関連度データ、および、各々の識別子に対して、アイテムまたはカテゴリの価格情報を対応させた価格情報データを取得するデータ取得部と、
   前記データ取得部で取得されたデータに基づいて、関連度が大きく、かつ価格情報が大きい識別子を優先的に選択するための選択条件を用いて、前記関連対象とされた識別子の中から選択条件に適合する識別子を抽出し、選択集合を作成する情報選択部と、
   を備え、
   前記情報選択部は、第１の選択条件を満たす識別子を抽出して第１選択集合を作成した後、さらに識別子を抽出する場合に、前記第１選択集合の要素数に応じて第２の選択条件を設定し、前記第１選択集合に含まれない識別子を対象として、前記第２の選択条件を満たす識別子を抽出して第２選択集合を作成する、
   ことを特徴とする情報選択装置。
2. 前記情報選択部は、第１の選択条件を満たす識別子を抽出して第１選択集合を作成した後、さらに識別子を抽出する場合に、第１の所定数と前記第１選択集合の要素数との差分値を算出し、前記差分値に応じて前記第２の選択条件を設定する、
   ことを特徴とする請求項１に記載の情報選択装置。
3. 前記情報選択部は、第１の選択条件を満たす識別子を抽出して第１選択集合を作成した後、前記第１の所定数から前記第１選択集合の要素数を減算した差分値を算出し、前記差分値が第２の所定数より大きい場合に、前記差分値に応じて前記第２の選択条件を設定し、前記第２の所定数は前記第１の所定数よりも小さい、
   ことを特徴とする請求項２に記載の情報選択装置。
4. 前記情報選択部は、少なくとも前記第１選択集合と前記第２選択集合との和集合を用いて前記選択集合を作成し、前記第１の所定数は、前記選択集合に入れる識別子の数の上限値である、
   ことを特徴とする請求項３に記載の情報選択装置。
5. 前記情報選択部は、前記差分値が大きいほど、前記第１の選択条件と比べて、適合する関連度の範囲の違い、および、適合する価格情報の範囲の違い、のうちの少なくとも一方が大きくなるように、前記第２の選択条件を設定する、
   ことを特徴とする請求項２〜請求項４のいずれか１項に記載の情報選択装置。
6. 前記情報選択部で用いられる前記選択条件は、関連度が関連しきい値以上であり、かつ、価格情報が価格しきい値以上である条件であり、
   前記情報選択部は、
   前記第１の選択条件を満たす識別子である、関連度が第１関連しきい値以上であり、かつ価格情報が第１価格しきい値以上である識別子を抽出して前記第１選択集合を作成するとともに、前記差分値が大きいほど、前記第１関連しきい値との差が大きくなるように、前記第１関連しきい値よりも小さい第２関連しきい値を算出し、前記第２関連しきい値を前記第２の選択条件として用いて、前記第２選択集合を作成する、
   ことを特徴とする請求項５に記載の情報選択装置。
7. 前記情報選択部で用いられる前記選択条件は、関連度が関連しきい値以上であり、かつ、価格情報が価格しきい値以上である条件であり、
   前記情報選択部は、
   前記第１の選択条件を満たす識別子である、関連度が第１関連しきい値以上であり、かつ価格情報が第１価格しきい値以上である識別子を抽出して前記第１選択集合を作成するとともに、前記差分値が大きいほど、前記第１価格しきい値との差が大きくなるように、前記第１価格しきい値よりも小さい第２価格しきい値を算出し、前記第２価格しきい値を前記第２の選択条件として用いて、前記第２選択集合を作成する、
   ことを特徴とする請求項５に記載の情報選択装置。
8. 前記情報選択部で用いられる前記選択条件は、関連度が関連しきい値以上であり、かつ、価格情報が価格しきい値以上である条件であり、
   前記情報選択部は、
   前記第１の選択条件を満たす識別子である、関連度が第１関連しきい値以上であり、かつ価格情報が第１価格しきい値以上である識別子を抽出して前記第１選択集合を作成するとともに、前記差分値が大きいほど、前記第１関連しきい値との差が大きくなるように、前記第１関連しきい値よりも小さい第２関連しきい値を算出し、前記差分値が大きいほど、前記第１価格しきい値との差が大きくなるように、前記第１価格しきい値よりも小さい第２価格しきい値を算出し、前記第２関連しきい値および前記第２価格しきい値を前記第２の選択条件として用いて、前記第２選択集合を作成する、
   ことを特徴とする請求項５に記載の情報選択装置。
9. 前記情報選択部は、前記第１選択集合に含まれない識別子を対象として、前記第２の選択条件を満たす識別子を、前記差分値を超えない数だけ抽出して第２選択集合を作成する、
   ことを特徴とする請求項２〜請求項８のいずれか１項に記載の情報選択装置。
10. 前記情報選択部は、関連度が大きい順、または価格情報が大きい順、または関連度と価格情報とを用いて算出される指標の大きい順、のいずれかの順序に従って、前記第２の選択条件を満たす識別子を、前記差分値を超えない数だけ抽出して前記第２選択集合を作成する、
    ことを特徴とする請求項９に記載の情報選択装置。
11. 情報選択に係る利用主体に提供されたアイテムの価格情報に基づく利用価格情報を算出する利用価格情報算出部を備え、
    前記情報選択部は、前記情報選択に係る利用主体に対応する利用価格情報に応じて前記選択条件を設定する、
    ことを特徴とする請求項１〜請求項１０のいずれか１項に記載の情報選択装置。
12. 外部から価格帯に関する制御データを受信する受信部をさらに備え、
    前記情報選択部は、前記制御データに応じて、前記選択条件を設定する、
    ことを特徴とする請求項１〜請求項１１のいずれか１項に記載の情報選択装置。
13. コンピュータが実行する情報選択方法であって、
    利用主体に対して、関連対象となる複数個のアイテムまたは複数個のカテゴリを識別する識別子と、関連性の強さを示す関連度とを対応させた関連度データ、および、各々の識別子に対して、アイテムまたはカテゴリの価格情報を対応させた価格情報データを取得するデータ取得ステップと、
    前記データ取得ステップで取得されたデータに基づいて、関連度が大きく、かつ価格情報が大きい識別子を優先的に選択するための選択条件を用いて、前記関連対象とされた識別子の中から選択条件に適合する識別子を抽出し、選択集合を作成する情報選択ステップと、
    を含み、
    前記情報選択ステップにおいて、第１の選択条件を満たす識別子を抽出して第１選択集合を作成した後、さらに識別子を抽出する場合に、前記第１選択集合の要素数に応じて第２の選択条件を設定し、前記第１選択集合に含まれない識別子を対象として、前記第２の選択条件を満たす識別子を抽出して第２選択集合を作成する、
    ことを特徴とする情報選択方法。
14. 利用主体に対して、関連対象となる複数個のアイテムまたは複数個のカテゴリを識別する識別子と、関連性の強さを示す関連度とを対応させた関連度データ、および、各々の識別子に対して、アイテムまたはカテゴリの価格情報を対応させた価格情報データを取得するデータ取得ステップと、
    前記データ取得ステップで取得されたデータに基づいて、関連度が大きく、かつ価格情報が大きい識別子を優先的に選択するための選択条件を用いて、前記関連対象とされた識別子の中から選択条件に適合する識別子を抽出し、選択集合を作成する情報選択ステップと、
    をコンピュータに実行させるコンピュータプログラムであって、
    前記情報選択ステップにおいて、第１の選択条件を満たす識別子を抽出して第１選択集合を作成した後、さらに識別子を抽出する場合に、前記第１選択集合の要素数に応じて第２の選択条件を設定し、前記第１選択集合に含まれない識別子を対象として、前記第２の選択条件を満たす識別子を抽出して第２選択集合を作成する、
    ことを特徴とするコンピュータプログラム。