JP6147682B2 - レコメンド装置及びレコメンド方法 - Google Patents

Description

本発明は、レコメンド装置及びレコメンド方法に関する。

ユーザの過去の閲覧コンテンツに基づいてコンテンツを並び替える技術として、Content Based Filtering方式がある。このContent Based Filtering方式では、過去にユーザが閲覧したコンテンツ（満足コンテンツ）と同じ特徴を有するコンテンツを上位に出力する。よって、Content Based Filtering方式では、過去にユーザが閲覧したコンテンツと同じ特徴を特定するために、ユーザの特性を推定する処理が必要である。

このような技術として、特許文献１に記載のような技術がある。特許文献１に記載の技術では、現在閲覧中のコンテンツと、履歴コンテンツとの類似度を計算し、各履歴コンテンツの類似度と、各履歴コンテンツに対するユーザ評価値とを乗算して、履歴コンテンツの補正評価値を計算する。そして、補正評価値の高い順に履歴を並び替え、並び順を満たすようにユーザの特徴ベクトルを計算し、ユーザ特徴ベクトルと類似するコンテンツをレコメンドする。

特開２０１０−２６２４０１号公報

しかしながら、特許文献１に記載の技術において、特定の時間帯にユーザが閲覧したコンテンツが履歴コンテンツに含まれない場合、当該時間帯に適したコンテンツをレコメンドすることができないという問題点がある。また、レコメンド候補のコンテンツと履歴コンテンツとの内積計算をする必要があるため、計算量が多くなるという問題点がある。

そこで、本発明は、かかる課題に鑑みて為されたものであり、計算量を軽減させつつ、時間帯に適したコンテンツをレコメンドすることができるレコメンド装置及びレコメンド方法を提供することを目的とする。

上記課題を解決するため、本発明のレコメンド装置は、所定の時間帯ごとに、コンテンツを識別するコンテンツ識別情報と、当該コンテンツの特徴ベクトルであり、当該時間帯に関連する一つ以上の特徴要素で構成されるコンテンツ特徴ベクトルとを対応付けたコンテンツ特徴ベクトルテーブルを記憶するコンテンツ特徴ベクトル記憶手段と、所定の時間帯ごとに、当該時間帯に関連する特徴要素と、当該特徴要素に関連する内容を含むコンテンツのコンテンツ識別情報とを対応付けた転置インデックステーブルを記憶する転置インデックス記憶手段と、各ユーザ端末がアクセスしたコンテンツの履歴情報を記憶する履歴記憶手段と、ユーザ端末からレコメンド要求がなされると、当該レコメンド要求がなされた時間帯と、履歴記憶手段によって記憶された当該ユーザ端末の履歴情報に含まれるコンテンツのコンテンツ識別情報とに基づいて、コンテンツ特徴ベクトル記憶手段によって記憶されたコンテンツ特徴ベクトルテーブルから特徴要素を特定する特徴要素特定手段と、特徴要素特定手段によって特定された特徴要素に基づいて、転置インデックス記憶手段によって記憶された転置インデックステーブルからレコメンド対象となるコンテンツのコンテンツ識別情報を決定するレコメンド決定手段と、レコメンド決定手段によって決定されたコンテンツ識別情報が識別するコンテンツに関連する情報をユーザ端末に出力するレコメンド出力手段と、を備える。

このようなレコメンド装置によれば、ユーザ端末からレコメンド要求がなされると、当該レコメンド要求がなされた時間帯と、当該ユーザ端末の履歴情報に含まれるコンテンツのコンテンツ識別情報とに基づいて、時間帯ごとのコンテンツ特徴ベクトルテーブルから特徴要素が特定され、特定された特徴要素に基づいて、時間帯ごとの転置インデックステーブルからレコメンド対象となるコンテンツが決定され、決定されたコンテンツに関連する情報がユーザ端末に出力される。かかる構成を採れば、レコメンド要求がなされた時間帯に応じたコンテンツがレコメンドされるため、当該時間帯に適したコンテンツをレコメンドすることができる。また、レコメンド要求がなされた時間帯に応じたコンテンツをレコメンドする際に、当該時間帯の履歴情報が無くとも（当該時間帯の履歴情報の有無によらず）レコメンドすることができる。また、特徴要素を特定する際に、予め計算及び記憶されたコンテンツ特徴ベクトルテーブルを用いており、レコメンド対象となるコンテンツを決定する際に、予め計算及び記憶された転置インデックステーブルを用いているため、履歴情報のコンテンツと各コンテンツとを内積計算により比較してレコメンドする場合と比較して計算量を軽減させることができる。このように、事前にコンテンツ特徴ベクトルテーブル及び転置インデックステーブルを記憶しておくことで、リアルタイム処理によりレコメンドすることができる。さらに、予め計算及び記憶されたコンテンツ特徴ベクトルテーブル及び転置インデックステーブルを用いる構成により、履歴情報が更新された場合でも当該更新に伴う内積計算等の再計算は特に不要であるため、最新の履歴情報を即時に取り込みながら、レコメンド要求がなされた時間帯に応じたコンテンツをレコメンドすることができる。

また、本発明のレコメンド装置において、時間帯と当該時間帯に関連する一つ以上の特徴要素とを対応付けた特徴要素テーブルと、収集したコンテンツとに基づいてコンテンツ特徴ベクトルテーブルを生成するコンテンツ特徴ベクトル生成手段をさらに備え、コンテンツ特徴ベクトル記憶手段は、コンテンツ特徴ベクトル生成手段によって生成されたコンテンツ特徴ベクトルテーブルを記憶することが好ましい。かかる構成を採れば、時間帯ごとのコンテンツ特徴ベクトルテーブルを予め確実に生成し、記憶することができる。

また、本発明のレコメンド装置において、コンテンツ特徴ベクトル記憶手段によって記憶されたコンテンツ特徴ベクトルテーブルに含まれる所定の時間帯ごとのコンテンツ特徴ベクトルの特徴要素とコンテンツ識別情報とに基づいて転置インデックステーブルを生成する転置インデックス生成手段をさらに備え、転置インデックス記憶手段は、転置インデックス生成手段によって生成された転置インデックステーブルを記憶することが好ましい。かかる構成を採れば、時間帯ごとの転置インデックステーブルを予め確実に生成し、記憶することができる。

また、本発明のレコメンド装置において、レコメンド決定手段は、特徴要素特定手段によって特定された特徴要素に基づいて、転置インデックス記憶手段によって記憶された転置インデックステーブルからコンテンツ識別情報を抽出し、抽出したコンテンツ識別情報の中から、各コンテンツ識別情報の重複数に基づいてレコメンド対象となるコンテンツのコンテンツ識別情報を決定することが好ましい。かかる構成を採れば、特定された特徴要素に対応するコンテンツのうち、コンテンツの重複数に基づいてレコメンド対象となるコンテンツが決定されるため、より適切なコンテンツをレコメンドすることができる。

また、本発明のレコメンド装置において、特徴要素特定手段は、特定した各特徴要素が当該ユーザ端末の履歴情報に含まれるコンテンツに出現する回数に基づいて、特定した特徴要素間の優先度をさらに決定し、レコメンド決定手段は、特徴要素特定手段によって決定された特徴要素間の優先度にさらに基づいてコンテンツ識別情報を決定することが好ましい。かかる構成を採れば、特徴要素が履歴情報に含まれるコンテンツに出現する回数に基づいた優先度に従ってレコメンド対象となるコンテンツが決定されるため、履歴情報から導かれるユーザ特性をより反映した、より適切なコンテンツをレコメンドすることができる。

ところで、本発明は、上記のように装置の発明として記述できる他に、以下のように方法の発明としても記述することができる。これはカテゴリが異なるだけで、実質的に同一の発明であり、同様の作用及び効果を奏する。

即ち、本発明に係るレコメンド方法は、所定の時間帯ごとに、コンテンツを識別するコンテンツ識別情報と、当該コンテンツの特徴ベクトルであり、当該時間帯に関連する一つ以上の特徴要素で構成されるコンテンツ特徴ベクトルとを対応付けたコンテンツ特徴ベクトルテーブルを記憶するコンテンツ特徴ベクトル記憶手段と、所定の時間帯ごとに、当該時間帯に関連する特徴要素と、当該特徴要素に関連する内容を含むコンテンツのコンテンツ識別情報とを対応付けた転置インデックステーブルを記憶する転置インデックス記憶手段と、各ユーザ端末がアクセスしたコンテンツの履歴情報を記憶する履歴記憶手段と、を備えるレコメンド装置によるレコメンド方法であって、ユーザ端末からレコメンド要求がなされると、当該レコメンド要求がなされた時間帯と、履歴記憶手段によって記憶された当該ユーザ端末の履歴情報に含まれるコンテンツのコンテンツ識別情報とに基づいて、コンテンツ特徴ベクトル記憶手段によって記憶されたコンテンツ特徴ベクトルテーブルから特徴要素を特定する特徴要素特定ステップと、特徴要素特定ステップにおいて特定された特徴要素に基づいて、転置インデックス記憶手段によって記憶された転置インデックステーブルからレコメンド対象となるコンテンツのコンテンツ識別情報を決定するレコメンド決定ステップと、レコメンド決定ステップにおいて決定されたコンテンツ識別情報が識別するコンテンツに関連する情報をユーザ端末に出力するレコメンド出力ステップと、を含む。

本発明によれば、計算量を軽減させつつ、時間帯に適したコンテンツをレコメンドすることができる。

本発明の実施形態に係るレコメンドシステムのシステム構成図である。 本発明の実施形態に係るユーザ端末及びレコメンド装置の機能ブロック図である。 本発明の実施形態に係るレコメンド装置のハードウェア構成を示す図である。 コンテンツ情報のテーブル例を示す図である。 特徴要素テーブルのテーブル例を示す図である。 時間帯ごとのコンテンツ特徴ベクトルテーブルのテーブル例を示す図である。 時間帯ごとの転置インデックステーブルのテーブル例を示す図である。 履歴情報のテーブル例を示す図である。 時間帯対応テーブルのテーブル例を示す図である。 履歴情報のコンテンツとその特徴要素の抽出結果の例を示す図である。 特徴要素の出現回数の例を示す図である。 特徴要素の出現回数に基づく優先度の例を示す図である。 特徴要素に対応するコンテンツの例を示す図である。 特徴要素に対応するコンテンツの重複数の集計結果の例を示す図である。 特徴要素に対応するコンテンツの重複数の集計結果から重複箇所を排除した例を示す図である。 レコメンド順の例を示す図である。 本発明の実施形態に係るレコメンド装置で実行される処理（転置インデックステーブル作成方法）を示すフローチャートである。 本発明の実施形態に係るレコメンド装置で実行される処理（レコメンド方法）を示すフローチャートである。

添付図面を参照しながら本発明の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。

図１は、本実施形態に係るレコメンドシステム１００のシステム構成図である。図１に示される通り、レコメンドシステム１００は、ユーザ端末２００とレコメンド装置３００とを含んで構成される。そして、ユーザ端末２００とレコメンド装置３００とはネットワーク４００で接続されており、ネットワーク４００を介して互いに通信可能である。図１では１つのユーザ端末２００が示されるが、複数のユーザ端末２００がネットワーク４００を介してレコメンド装置３００と接続されていてもよい。

ユーザ端末２００は、携帯電話やスマートフォンであるが、これに限るものではなく、パソコンや、そのほかタブレット端末などであってもよい。ユーザ端末２００は、ユーザによってＷｅｂブラウザ等を利用してコンテンツの閲覧等の操作が実行される。また、ユーザ端末２００は、レコメンド装置３００に対してユーザにレコメンドするコンテンツを要求し（レコメンド取得要求）、その応答としてレコメンド対象のコンテンツに関する情報であるレコメンド情報を受信及び表示する。

レコメンド装置３００は、一般的なサーバ装置である。レコメンド装置３００は、他のサーバ装置からコンテンツを収集したり、ユーザ端末２００からのレコメンド取得要求に応じてレコメンド情報をユーザ端末２００に送信したりする。

ネットワーク４００は、インターネット網などの一般的なネットワークである。

図２は、本実施形態のユーザ端末２００とレコメンド装置３００との機能構成を示すブロック図である。ユーザ端末２００は、履歴送信部２０１、レコメンド取得要求送受信部２０２、レコメンド情報表示部２０３を含んで構成されている。また、レコメンド装置３００は、コンテンツ収集部３０１、時間毎コンテンツ特徴ベクトル生成部３０２（コンテンツ特徴ベクトル生成手段）、時間毎転置インデックス生成部３０３（転置インデックス生成手段）、履歴収集部３０４、レコメンド取得要求受信部３０５（特徴要素特定手段）、ユーザ現在時間判定部３０６（特徴要素特定手段）、特徴要素特定部３０７（特徴要素特定手段）、レコメンド候補検索部３０８（特徴要素特定手段）、レコメンド決定部３０９（レコメンド決定手段）、レコメンド出力部３１０（レコメンド出力手段）、コンテンツ記憶部３５１、時間帯対応記憶部３５２、コンテンツ特徴ベクトル記憶部３５３（コンテンツ特徴ベクトル記憶手段）、転置インデックス記憶部３５４（転置インデックス記憶手段）、履歴記憶部３５５（履歴記憶手段）を含んで構成されている。

図３は、レコメンド装置３００のハードウェア構成図である。図２に示されるレコメンド装置３００は、物理的には、図３に示すように、一または複数の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、ハードディスクまたは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におけるレコメンド装置３００の各機能は、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。

まず、ユーザ端末２００の機能ブロックの説明をする。

履歴送信部２０１は、ユーザが過去に閲覧したコンテンツに関する情報である履歴情報を取得し、ネットワーク４００を介してレコメンド装置３００へ送信する。

レコメンド取得要求送受信部２０２は、レコメンド装置３００に対してレコメンド取得要求を行い、その応答としてレコメンド装置３００からレコメンド情報を取得する。

レコメンド情報表示部２０３は、レコメンド取得要求送受信部２０２によって取得されたレコメンド情報をユーザ端末２００のディスプレイ等に表示する。

続いて、レコメンド装置３００の機能ブロックの説明をする。

コンテンツ収集部３０１は、コンテンツを管理するサーバ（図示せず）からコンテンツに関するコンテンツ情報（コンテンツのメタデータ等）を収集する。そして、コンテンツ記憶部３５１は、コンテンツ収集部３０１によって収集されたコンテンツ情報を記憶する。図４は、コンテンツ記憶部３５１によって記憶されたコンテンツ情報のテーブル例を示す図である。図４に示すテーブル例では、コンテンツの識別情報であるコンテンツＩＤ、コンテンツのカテゴリ、コンテンツのタイトル、及びコンテンツの本文が対応付いている。

時間毎コンテンツ特徴ベクトル生成部３０２は、時間帯対応記憶部３５２によって記憶された、時間帯と当該時間帯に関連する一つ以上の特徴要素とを対応付けた特徴要素テーブルと、コンテンツ記憶部３５１によって記憶されたコンテンツとに基づいて、所定の時間帯ごとに、コンテンツＩＤと、当該コンテンツの特徴ベクトルであり、当該時間帯に関連する一つ以上の特徴要素で構成されるコンテンツ特徴ベクトルとを対応付けたコンテンツ特徴ベクトルテーブルを生成する。時間毎コンテンツ特徴ベクトル生成部３０２は、コンテンツの登録がコンテンツ提供者からなされると、すなわち、コンテンツ提供者からコンテンツ及びそのメタデータを受信すると、コンテンツ特徴ベクトルテーブルを生成してもよい。本実施形態では、時間帯として、図９に示す時間帯対応テーブルのテーブル例に含まれる７つの時間帯（時間帯Ｎｏ１の０：００〜５：５９、時間帯Ｎｏ２の６：００〜８：５９、時間帯Ｎｏ３の９：００〜１１：５９、時間帯Ｎｏ４の１２：００〜１２：５９、時間帯Ｎｏ５の１３：００〜１６：５９、時間帯Ｎｏ６の１７：００〜２０：５９、及び時間帯Ｎｏ７の２１：００〜２３：５９）を用いる。

図５は、時間帯対応記憶部３５２によって記憶された特徴要素テーブルのテーブル例を示す図である。図５に示す通り、特徴要素テーブルは、時間帯ごとに、当該時間帯に関連する一つ以上の特徴要素が対応付けられている。例えば、時間帯Ｎｏ２（６：００〜８：５９）のような朝の時間帯では、出勤前のニュースコンテンツで出てくるような「金融」、「旅行」、「ＴＶ」、「本」、「映画」、「音楽」、「サッカー」及び「芸術」といった特徴要素（特徴語）が対応付けられている。このように特徴語を時間帯毎に定義し、各時間帯でよく利用されるコンテンツの特徴語を多く設定するなどの使い分けを行うことで、コンテンツ特徴ベクトルが時間帯毎に作成でき、時間帯毎のレコメンドが可能となる。

図６は、時間毎コンテンツ特徴ベクトル生成部３０２によって生成された、時間帯ごとのコンテンツ特徴ベクトルテーブルのテーブル例を示す図である。より具体的には、図６（ａ）は時間帯Ｎｏ１のコンテンツ特徴ベクトルテーブルのテーブル例を示す図であり、図６（ｂ）は時間帯Ｎｏ２のコンテンツ特徴ベクトルテーブルのテーブル例を示す図である。図６に示す通り、コンテンツ特徴ベクトルテーブルは、各コンテンツが、どのような特徴要素を有しているかを示す情報である。コンテンツの特徴要素の識別子である特徴ＩＤにフラグが設定されていれば、当該コンテンツの特徴ＩＤの特徴要素を有することを示す。具体的には、特徴要素を有している場合は、特徴要素の特徴ＩＤに「１」が設定され、特徴要素を有していない場合は、特徴要素の特徴ＩＤに「０」が設定される。

以下、図４〜６を用いて、時間毎コンテンツ特徴ベクトル生成部３０２による時間帯Ｎｏ２のコンテンツ特徴ベクトルテーブルの生成について説明する。他の時間帯のコンテンツ特徴ベクトルテーブルの生成についても同様である。以下の実施形態では主に時間帯Ｎｏ２に関する処理のみの説明を行う。

時間毎コンテンツ特徴ベクトル生成部３０２は、コンテンツ記憶部３５１からコンテンツ情報を取得し、各コンテンツのコンテンツ特徴ベクトルを求める。具体的に、時間毎コンテンツ特徴ベクトル生成部３０２は、図４に示すコンテンツ情報に対して形態素解析を行い、図５に示される特徴要素テーブルのうち、時間帯Ｎｏ２の特徴語を含むか否かに基づいて各コンテンツのコンテンツ特徴ベクトルを求める。例えば、コンテンツＩＤ「Ｃ０１」のコンテンツのコンテンツ特徴ベクトルを求める場合、時間毎コンテンツ特徴ベクトル生成部３０２は、図４に示す、コンテンツＩＤ「Ｃ０１」のコンテンツ情報の「カテゴリ」、「タイトル」、及び「本文」を形態素解析した結果、カテゴリに「ＣＤ」、本文中に「ソング」、「音楽ファン」、「曲」及び「アルバム」を含むので、「音楽」の特徴ＩＤを有すると判断し、図６（ｂ）に示す時間帯Ｎｏ２のコンテンツ特徴ベクトルテーブルのうち、コンテンツＩＤ「Ｃ０１」の特徴要素が「音楽」である特徴ＩＤ「Ｔ６」に対してフラグを設定する。なお、本実施形態では形態素解析を利用したコンテンツ特徴ベクトルの生成について説明したが、これに限るものではなく、その他の一般的なコンテンツ特徴ベクトルの生成方法を用いてもよい。

コンテンツ特徴ベクトル記憶部３５３は、コンテンツ特徴ベクトルテーブルを記憶する。より具体的には、コンテンツ特徴ベクトル記憶部３５３は、時間毎コンテンツ特徴ベクトル生成部３０２によって生成されたコンテンツ特徴ベクトルテーブルを記憶する。

時間毎転置インデックス生成部３０３は、コンテンツ特徴ベクトル記憶部３５３によって記憶されたコンテンツ特徴ベクトルテーブルに含まれる所定の時間帯ごとのコンテンツ特徴ベクトルの特徴要素とコンテンツＩＤとに基づいて、所定の時間帯ごとに、当該時間帯に関連する特徴要素と、当該特徴要素に関連する内容を含むコンテンツのコンテンツＩＤとを対応付けた転置インデックステーブルを生成する。具体的には、時間毎転置インデックス生成部３０３は、コンテンツ特徴ベクトルテーブルを用いて、特徴ＩＤ毎に、当該特徴ＩＤを有している（特徴ＩＤの値が１である）一又は複数のコンテンツＩＤを特定する。このようにして、時間毎転置インデックス生成部３０３は、特徴ＩＤとコンテンツＩＤとが対応付けられた転置インデックスを生成する。なお、時間毎転置インデックス生成部３０３は、各特徴ＩＤを持つコンテンツＩＤが複数存在する場合に、各コンテンツＩＤの中で優先度を付ける必要があるが、優先度については、値が同様であれば登録日時が新しいコンテンツにしてもよいし、該当特徴ＩＤが該当コンテンツに出現した回数の降順でソートしてもよいし、コンテンツ特徴ベクトルの傾向係数の降順でソート、など如何なる手法によってもよい。

図７は、図６に示すコンテンツ特徴ベクトルテーブルに基づいて時間毎転置インデックス生成部３０３によって生成された、時間帯ごとの転置インデックステーブルのテーブル例を示す図である。より具体的には、図７（ａ）は時間帯Ｎｏ１の転置インデックステーブルのテーブル例を示す図であり、図７（ｂ）は時間帯Ｎｏ２の転置インデックステーブルのテーブル例を示す図である。図７に示すように、特徴ＩＤとコンテンツＩＤとが対応付けられている。例えば、時間帯Ｎｏ２の転置インデックステーブルのうち、特徴ＩＤ「Ｔ０２」は、コンテンツＩＤ「Ｃ０３」に対応することを示す。このように、予め特徴ＩＤとコンテンツＩＤとを対応付けた転置インデックスを記憶しておくことにより、特徴ＩＤを検索キーとして、当該特徴ＩＤに対応するコンテンツを簡易に検索することができる。

転置インデックス記憶部３５４は、転置インデックステーブルを記憶する。より具体的には、転置インデックス記憶部３５４は、時間毎転置インデックス生成部３０３によって生成された転置インデックステーブルを記憶する。

履歴収集部３０４は、ユーザ端末２００から所定のタイミング（例えば、ユーザ端末２００において、コンテンツを閲覧したタイミング）で、各ユーザ端末２００がアクセスしたコンテンツの履歴情報を収集する。そして、履歴記憶部３５５は、履歴収集部３０４によって収集された履歴情報を記憶する。図８は、履歴記憶部３５５によって記憶された履歴情報のテーブル例を示す図である。図８に示すように、履歴情報は、操作を行ったユーザを識別するユーザＩＤ、操作を行った対象のコンテンツを特定するコンテンツＩＤ、どのような操作を行ったのかを示す操作種別、及び操作を行った操作日時を含む。例えば、図８において、「ユーザＵ００１」は、「２０１３年９月１１日の１２時」にコンテンツＩＤ「Ｃ０２」のコンテンツを閲覧したことを示している。

レコメンド取得要求受信部３０５は、ユーザ端末２００からのレコメンド取得要求を受信する。レコメンド取得要求には、どのユーザのレコメンドを取得したいのかを識別するためのユーザＩＤと、ユーザの現在時間帯を判別するための、ユーザが当該要求を行った時間情報とが含まれる。レコメンド取得要求には、取得したいレコメンドコンテンツの件数が含まれていてもよい。本実施形態では、ユーザＩＤ「Ｕ００１」のユーザから、「８：００」にレコメンド取得要求を受け取ったものとして説明を行う。

ユーザ現在時間判定部３０６は、レコメンド取得要求受信部３０５によって受信されたレコメンド取得要求に含まれる時間情報と、図９に示すような時間帯対応テーブルとに基づいて、ユーザがレコメンド取得要求を行った時間帯を判定する。例えば、レコメンド取得要求に時間情報「８：００」が含まれていた場合、ユーザ現在時間判定部３０６は、図９に示す時間帯対応テーブルに基づき、時刻「８：００」が含まれる時間帯Ｎｏ２を判定する。なお、本実施形態では図９に示すような時間帯対応テーブルを利用するが、この対応関係は任意の形式を取ればよく、動的に変更可能な仕組みとしてもよい。

特徴要素特定部３０７は、ユーザ端末２００からレコメンド要求がなされると、ユーザ現在時間判定部３０６によって判定された時間帯と、履歴記憶部３５５によって記憶されたユーザ端末２００の履歴情報に含まれるコンテンツのコンテンツＩＤとに基づいて、コンテンツ特徴ベクトル記憶部３５３によって記憶されたコンテンツ特徴ベクトルテーブルから特徴要素を特定する。また、特徴要素特定部３０７は、特定した各特徴要素が当該ユーザ端末の履歴情報に含まれるコンテンツに出現する回数に基づいて、特定した特徴要素間の優先度をさらに決定してもよい。また、特徴要素特定部３０７は、ユーザ端末２００からレコメンド要求がなされると、ユーザ現在時間判定部３０６によって判定された時間帯と、履歴記憶部３５５によって記憶されたユーザ端末２００の履歴情報のうち当該時間帯以外の履歴情報に含まれるコンテンツのコンテンツＩＤとに基づいて、コンテンツ特徴ベクトル記憶部３５３によって記憶されたコンテンツ特徴ベクトルテーブルから特徴要素を特定してもよい。その場合、特徴要素特定部３０７は、特徴要素を特定する際に利用する履歴記憶部３５５によって記憶されたユーザ端末２００の履歴情報について、ユーザ現在時間判定部３０６によって判定された時間帯に対応する履歴情報が無くとも（当該時間帯に対応する履歴情報の有無によらず）特徴要素を特定することができる。

具体的に、特徴要素特定部３０７は、ユーザ端末２００に対応する履歴情報を履歴記憶部３５５から取得し、取得した履歴情報のコンテンツの特徴要素に基づいて、ユーザの嗜好性が高い特徴要素を特定することにより、ユーザの特徴を特定する。取得する件数は任意の値を取りえるが、この件数はシステムの設定値として固定で保持してもよいし、ユーザ端末２００よりレコメンド取得要求を受信する際に情報として受け取るようにしてもよい。この履歴件数が多ければ多くの履歴をもとにしたレコメンドを行い、少なければ少数の履歴をもとにしたレコメンドを行うことになる。本実施形態ではユーザ「Ｕ００１」の履歴情報を３件取得したものとして説明を続ける。取得する履歴情報は件数の他に具体的にどの３件を取得するのかを識別する必要があるが、本実施形態では操作日時の降順上位３件を取得したものとして説明を続けるが、他の如何なる識別方法を採用してもよい。また、今回はユーザ自身の履歴のみを利用して説明を行うが、例えば類似ユーザの履歴を一部利用するようにするようにすることもでき、その場合、レコメンドコンテンツのバリエーションに幅を持たせることが期待できる。

以下、ユーザＩＤ「Ｕ００１」に対応するユーザ端末２００から時間帯Ｎｏ２のレコメンド取得要求がなされた場合における、特徴要素特定部３０７が、ユーザの特徴を特定する方法を図８〜１０を用いて説明する。

まず、特徴要素特定部３０７は、履歴記憶部３５５を参照し、ユーザＩＤ「Ｕ００１」が過去に参照したコンテンツ３件分（例えば、直近から３件）を抽出する。なお、抽出対象の件数は、レコメンド装置３００で予め定められているものとする。

図８に示す履歴情報を有する場合、特徴要素特定部３０７は、コンテンツＩＤが「Ｃ０２」、「Ｃ０４」、及び「Ｃ０１」のコンテンツを抽出する。そして、特徴要素特定部３０７は、コンテンツ特徴ベクトル記憶部３５３を参照して、抽出したコンテンツＩＤに対応する特徴ＩＤを特定する。

特徴要素特定部３０７が抽出したコンテンツＩＤとそのコンテンツＩＤに対応する特徴ＩＤを図１０に示す。図１０に示すように、ユーザＩＤ「Ｕ００１」の履歴情報のコンテンツは、コンテンツＩＤ「Ｃ０２」、「Ｃ０４」、及び「Ｃ０１」のコンテンツであり、コンテンツＩＤ「Ｃ０２」のコンテンツは、特徴ＩＤ「Ｔ５」及び「Ｔ８」に対応し、コンテンツＩＤ「Ｃ０４」のコンテンツは、特徴ＩＤ「Ｔ４」及び「Ｔ８」に対応し、コンテンツＩＤ「Ｃ０１」のコンテンツは特徴ＩＤ「Ｔ６」に対応する。

特徴要素特定部３０７は、図１０に示した情報に基づいて、特徴ＩＤの集計を行う。具体的には、特徴要素特定部３０７は、特徴ＩＤ毎に出現回数を算出する。時間帯Ｎｏ２において、特徴ＩＤ「Ｔ５」は、コンテンツＩＤ「Ｃ０２」にのみ対応するので、出現回数は１回になる。特徴ＩＤ「Ｔ８」は、コンテンツＩＤ「Ｃ０２」、「Ｃ０４」に対応するので、出現回数は２回になる。特徴ＩＤ「Ｔ４」は、コンテンツＩＤ「Ｃ０４」に対応するので、出現回数は１回になる。この算出結果を図１１に示す。

図１１（ｂ）に示すように、時間帯Ｎｏ２において、特徴ＩＤ「Ｔ５」は、出現回数が１回になり、特徴ＩＤ「Ｔ８」は、出現回数が２回になり、特徴ＩＤ「Ｔ４」は、出現回数が１回になり、特徴ＩＤ「Ｔ６」は、出現回数が１回になる。なお、４行目に記載の特徴ＩＤ「Ｔ８」は、２行目の特徴ＩＤ「Ｔ８」に集約されている。

特徴要素特定部３０７は、図１１に示した出現回数に基づいて優先度を決定する。図１２（ｂ）に示すように、時間帯Ｎｏ２において、特徴要素特定部３０７は、出現回数２回の特徴ＩＤ「Ｔ８」を最優先として、出現回数１回の特徴ＩＤ「Ｔ５」、「Ｔ４」、及び「Ｔ６」をこの順に優先順位を定める。このように、特徴要素特定部３０７は、履歴情報のコンテンツの特徴に基づいて、ユーザの好みの傾向を特定する。なお、特徴要素特定部３０７は、各特徴ＩＤ毎に重み付け係数が設定されている場合に、その重み付け係数と上記出現回数との乗算結果又は重み付け係数に上記出現回数を加算した結果に基づいて優先度を決定するようにしてもよい。すなわち、重み付け係数と、出現回数とに基づいて優先度を決定するようにしてもよい。なお、優先度付けは単純に出現回数の高いものを優先するようにしてもよいし、各コンテンツの特徴ＩＤの傾向値を加算するような方式でもよい。

レコメンド候補検索部３０８は、特徴要素特定部３０７が特定した特徴ＩＤに対応するコンテンツを、転置インデックス記憶部３５４が保持する転置インデックスを用いて検索する。

図１２に示した各特徴ＩＤに対応するコンテンツを検索した結果を図１３に示す。図１３（ｂ）に示すように、時間帯Ｎｏ２において、特徴ＩＤ「Ｔ８」に対応するコンテンツは、コンテンツＩＤ「Ｃ０２」、「Ｃ０４」及び「Ｃ０５」のコンテンツである。そして、特徴ＩＤ「Ｔ５」に対応するコンテンツは、コンテンツＩＤ「Ｃ０２」のコンテンツである。そして、特徴ＩＤ「Ｔ４」に対応するコンテンツは、コンテンツＩＤ「Ｃ０４」のコンテンツである。そして、特徴ＩＤ「Ｔ６」に対応するコンテンツは、コンテンツＩＤ「Ｃ０１」及び「Ｃ０３」のコンテンツである。転置インデックス記憶部３５４が転置インデックスを予め保持しているので、レコメンド候補検索部３０８は、当該コンテンツを特徴転置インデックスに基づいて利用者の好みの特徴を有するコンテンツを検索することができる。

レコメンド決定部３０９は、特徴要素特定部３０７によって特定された特徴要素に基づいて、転置インデックス記憶部３５４によって記憶された転置インデックステーブルからレコメンド対象となるコンテンツのコンテンツＩＤを決定する。すなわち、レコメンド決定部３０９は、レコメンド候補検索部３０８が検索したコンテンツからレコメンド対象を決定する。レコメンド決定部３０９は、特徴要素特定部３０７によって特定された特徴要素に基づいて、転置インデックス記憶部３５４によって記憶された転置インデックステーブルからコンテンツＩＤを抽出し、抽出したコンテンツＩＤの中から、各コンテンツＩＤの重複数に基づいてレコメンド対象となるコンテンツのコンテンツＩＤを決定してもよい。また、レコメンド決定部３０９は、特徴要素特定部３０７によって決定された特徴要素間の優先度にさらに基づいてコンテンツＩＤを決定してもよい。また、レコメンド決定部３０９は、特徴ＩＤの優先度、コンテンツの重複数に基づいてレコメンド対象（レコメンドする際の優先順位も含む）を決定する。

レコメンド決定部３０９がレコメンド対象を決定する例を図１４〜１６を用いて説明する。まず、レコメンド決定部３０９は、レコメンド候補検索部３０８が検索したコンテンツの重複数を算出する。図１４は、レコメンド候補検索部３０８が検索したコンテンツの重複数を算出した結果を示す表である。図１４（ｂ）に示すように、Ｎｏ２時間帯において、コンテンツＩＤ「Ｃ０２」は、特徴Ｔ８とＴ５とに対応するのでコンテンツＩＤ「Ｃ０２」の重複数は２になる。また、コンテンツＩＤ「Ｃ０４」は、特徴ＩＤ「Ｔ８」と、「Ｔ４」とに対応するのでコンテンツＩＤ「Ｃ０４」の重複数は２になる。

図１４に示した表の内、重複するコンテンツＣ０２とコンテンツＣ０４について、優先度の低い特徴ＩＤの列を削除すると図１５のようになる。図１５（ｂ）のＮｏ２時間帯において、優先度１の特徴ＩＤが「Ｔ８」になり、当該特徴ＩＤ「Ｔ８」に対応するコンテンツのコンテンツＩＤは、「Ｃ０２」、「Ｃ０４」、及び「Ｃ０５」である。そして、優先度４の特徴ＩＤが「Ｔ６」であり、当該特徴ＩＤ「Ｔ６」に対応するコンテンツのコンテンツＩＤは、「Ｃ０１」及び「Ｃ０３」である。

レコメンド決定部３０９は、図１５に示した表に基づいて、コンテンツＩＤの重複数と特徴ＩＤの優先度との順で生成リストに基づいて、レコメンドするコンテンツを決定する。

具体的に、レコメンド決定部３０９は、以下の（１）及び（２）のように選択する。
（１）優先度の最も高い特徴ＩＤの中のコンテンツの内、１番重複回数が多いコンテンツＩＤを選ぶ（重複回数が同じ場合、直近の履歴のコンテンツを優先する）。
（２）
（２−１）ユーザへレコメンドしたいコンテンツの数（レコメンド対象の件数（本実施形態では、５件））に達するまで、以下の（２−２）の処理を繰り返す。
（２−２）次の優先度の特徴ＩＤの中で重複回数の多く、且つ選択されていないコンテンツＩＤを選択する。次の優先度が無い場合、優先度の最も高い特徴ＩＤへ移り、当該優先度の最も高い優先度ＩＤの中のコンテンツの内、選択されていないコンテンツの中で重複回数が多いコンテンツＩＤを選ぶ。

このように、レコメンド決定部３０９は、各特徴ＩＤから一つずつ選択することにより、特徴がそれぞれ異なるコンテンツをレコメンド対象に決定する。この場合、レコメンド装置３００は、レコメンドするコンテンツの特徴にバリエーションを持たせることができる。なお、レコメンド決定部３０９は、優先度の高い特徴ＩＤに対応するコンテンツをレコメンドするようにしてもよい。

図１５の表に、上記方式で選択した結果を追加した表を図１６に示す。図１６（ｂ）に示すように、Ｎｏ２時間帯において、レコメンド決定部３０９は、最初に特徴ＩＤの優先度の中で最も高い特徴ＩＤ「Ｔ８」に対応するコンテンツの中で重複数の多いコンテンツを選択する。ここでは、重複数が２であるコンテンツＩＤ「Ｃ０２」を選択する。

続いて、レコメンド決定部３０９は、次の優先度のコンテンツの中で重複数の多いコンテンツを選択する。ここでは、重複数が１であるコンテンツＩＤ「Ｃ０１」を選択する。

続いて、レコメンド対象の件数に達するまでコンテンツの選択を繰り返すと、最終的に、レコメンド決定部３０９は、コンテンツＩＤ「Ｃ０２」、「Ｃ０１」、「Ｃ０４」、「Ｃ０３」、及び「Ｃ０５」の順で優先度を定めてレコメンド対象を決定する。

レコメンド決定部３０９がコンテンツを選択する選択方法は、本実施形態で説明する以外にも、並び替えを行う際に特徴ＩＤの傾向係数×重複回数の値を算出してその値の高いものから順にレコメンドコンテンツとする方法、最新のトレンドワードランキングなどを保持、あるいは外部取得しコンテンツ選択時にトレンド性の高いコンテンツを優先的にレコメンドコンテンツとする方法などがある。

レコメンド出力部３１０は、レコメンド決定部３０９によって決定されたコンテンツＩＤが識別するコンテンツ（レコメンド対象のコンテンツ）に関連する情報（コンテンツのリストや、各コンテンツに関するメタ情報など）をユーザ端末２００に出力する。

次に、本発明の実施形態に係るレコメンド装置３００で実行される処理（転置インデックスを生成する処理）を、図１７に示すフローチャートを用いて説明する。レコメンド装置３００において、まず、コンテンツ収集部３０１が、コンテンツの提供者からコンテンツ情報を受信すると、当該コンテンツ情報をコンテンツ記憶部３５１へ記憶する（ステップＳ１０１）。次に、時間毎コンテンツ特徴ベクトル生成部３０２が、コンテンツ記憶部３５１に記憶されているコンテンツのメタデータのキーワードに基づいて、コンテンツの特徴を推定する（ステップＳ１０２）。なお、時間毎コンテンツ特徴ベクトル生成部３０２は、コンテンツの特徴の推定結果に基づき、コンテンツ特徴ベクトルを生成し、コンテンツ特徴ベクトル記憶部３５３に当該コンテンツ特徴ベクトルに基づいたコンテンツ特徴ベクトル情報を記憶する。次に、時間毎転置インデックス生成部３０３が、コンテンツ特徴ベクトル記憶部３５３に記憶されているコンテンツ特徴ベクトルテーブルに基づいて転置インデックスを生成すると共に、当該転置インデックスを転置インデックス記憶部３５４に記憶する（ステップＳ１０３）。

続いて、本発明の実施形態に係るレコメンド装置３００で実行される処理（レコメンド方法）を、図１８に示すフローチャートを用いて説明する。まず、上述の図１７の通り、時間ごとのコンテンツ特徴の推定が行われる（ステップＳ００１）。次に、履歴収集部３０４が、レコメンド要求を受ける前にユーザ端末２００からコンテンツの履歴情報を収集し、当該履歴情報を履歴記憶部３５５へ記憶する（ステップＳ００２）。次に、レコメンド取得要求受信部３０５が、所定のユーザ端末２００からレコメンド取得要求を受信する（ステップＳ００３）。次に、ユーザ現在時間判定部３０６が、ユーザの現在時間帯を判定する（ステップＳ００４）。次に、特徴要素特定部３０７が、レコメンド要求したユーザの履歴情報を取得する（ステップＳ００５）。次に、特徴要素特定部３０７は、当該履歴情報のコンテンツの特徴ＩＤを、コンテンツ特徴ベクトル記憶部３５３を参照することにより取得する（ステップＳ００６）。履歴情報を必要数取得していない場合（ステップＳ００７；ＮＯ）、ステップＳ００６に戻る。

履歴情報を必要数取得した場合（ステップＳ００７；ＹＥＳ）、特徴要素特定部３０７が、特徴ＩＤの優先度付けをして（ステップＳ００８）する。次に、レコメンド候補検索部３０８が、転置インデックス記憶部３５４が保持する情報を参照し、特徴要素特定部３０７が特定した所定の特徴ＩＤを検索キーとして当該特徴ＩＤに対応するコンテンツを抽出する（ステップＳ００９）。次に、レコメンド候補検索部３０８が、全ての特徴ＩＤを検索キーとしてレコメンド候補の検索をしていない場合（ステップＳ０１０；ＮＯ）、ステップＳ００９へ戻り、全ての特徴ＩＤを検索キーとしてレコメンド候補の検索をした場合（ステップＳ０１０；ＹＥＳ）、レコメンド決定部３０９が、ステップＳ０１１〜ステップＳ０１３の処理をして、レコメンド対象のコンテンツを決定する。

具体的には、レコメンド決定部３０９が、コンテンツ毎に重複の有無を判断し、重複している場合には、当該コンテンツを削除し（ステップＳ０１１）、重複数の降順でソートし（ステップＳ０１２）、ソートした結果に基づいて、レコメンド対象のコンテンツを決定する（ステップＳ０１３）。

最後に、レコメンド出力部３１０が、レコメンド決定部３０９が決定したレコメンド対象のコンテンツを出力する（ステップＳ０１４）。

次に、本実施形態のレコメンド装置３００の作用効果について説明する。

このようなレコメンド装置３００によれば、ユーザ端末２００からレコメンド要求がなされると、当該レコメンド要求がなされた時間帯と、当該ユーザ端末２００の履歴情報に含まれるコンテンツのコンテンツＩＤとに基づいて、時間帯ごとのコンテンツ特徴ベクトルテーブルから特徴要素が特定され、特定された特徴要素に基づいて、時間帯ごとの転置インデックステーブルからレコメンド対象となるコンテンツが決定され、決定されたコンテンツに関連する情報がユーザ端末２００に出力される。かかる構成を採れば、レコメンド要求がなされた時間帯に応じたコンテンツがレコメンドされるため、当該時間帯に適したコンテンツをレコメンドすることができる。また、レコメンド要求がなされた時間帯に応じたコンテンツをレコメンドする際に、当該時間帯の履歴情報が無くとも（当該時間帯の履歴情報の有無によらず）レコメンドすることができる。また、特徴要素を特定する際に、予め計算及び記憶されたコンテンツ特徴ベクトルテーブルを用いており、レコメンド対象となるコンテンツを決定する際に、予め計算及び記憶された転置インデックステーブルを用いているため、履歴情報のコンテンツと各コンテンツとを内積計算により比較してレコメンドする場合と比較して計算量を軽減させることができる。このように、事前にコンテンツ特徴ベクトルテーブル及び転置インデックステーブルを記憶しておくことで、リアルタイム処理によりレコメンドすることができる。さらに、予め計算及び記憶されたコンテンツ特徴ベクトルテーブル及び転置インデックステーブルを用いる構成により、履歴情報が更新された場合でも当該更新に伴う内積計算等の再計算は特に不要であるため、最新の履歴情報を即時に取り込みながら、レコメンド要求がなされた時間帯に応じたコンテンツをレコメンドすることができる。

また、本実施形態のレコメンド装置３００において、時間帯と当該時間帯に関連する一つ以上の特徴要素とを対応付けた特徴要素テーブルと、収集したコンテンツとに基づいてコンテンツ特徴ベクトルテーブルを生成する時間毎コンテンツ特徴ベクトル生成部３０２をさらに備え、コンテンツ特徴ベクトル記憶部３５３は、時間毎コンテンツ特徴ベクトル生成部３０２によって生成されたコンテンツ特徴ベクトルテーブルを記憶することが好ましい。かかる構成を採れば、時間帯ごとのコンテンツ特徴ベクトルテーブルを予め確実に生成し、記憶することができる。

また、本実施形態のレコメンド装置３００において、コンテンツ特徴ベクトル記憶部３５３によって記憶されたコンテンツ特徴ベクトルテーブルに含まれる所定の時間帯ごとのコンテンツ特徴ベクトルの特徴要素とコンテンツＩＤとに基づいて転置インデックステーブルを生成する時間毎転置インデックス生成部３０３をさらに備え、転置インデックス記憶部３５４は、時間毎転置インデックス生成部３０３によって生成された転置インデックステーブルを記憶することが好ましい。かかる構成を採れば、時間帯ごとの転置インデックステーブルを予め確実に生成し、記憶することができる。

また、本実施形態のレコメンド装置３００において、レコメンド決定部３０９は、特徴要素特定部３０７によって特定された特徴要素に基づいて、転置インデックス記憶部３５４によって記憶された転置インデックステーブルからコンテンツＩＤを抽出し、抽出したコンテンツＩＤの中から、各コンテンツＩＤの重複数に基づいてレコメンド対象となるコンテンツのコンテンツＩＤを決定することが好ましい。かかる構成を採れば、特定された特徴要素に対応するコンテンツのうち、コンテンツの重複数に基づいてレコメンド対象となるコンテンツが決定されるため、より適切なコンテンツをレコメンドすることができる。

また、本実施形態のレコメンド装置３００において、特徴要素特定部３０７は、特定した各特徴要素が当該ユーザ端末２００の履歴情報に含まれるコンテンツに出現する回数に基づいて、特定した特徴要素間の優先度をさらに決定し、レコメンド決定部３０９は、特徴要素特定部３０７によって決定された特徴要素間の優先度にさらに基づいてコンテンツＩＤを決定することが好ましい。かかる構成を採れば、特徴要素が履歴情報に含まれるコンテンツに出現する回数に基づいた優先度に従ってレコメンド対象となるコンテンツが決定されるため、履歴情報から導かれるユーザ特性をより反映した、より適切なコンテンツをレコメンドすることができる。

１００…レコメンドシステム、２００…ユーザ端末、２０１…履歴送信部、２０２…レコメンド取得要求送受信部、２０３…レコメンド情報表示部、３００…レコメンド装置、３０１…コンテンツ収集部、３０２…時間毎コンテンツ特徴ベクトル生成部、３０３…時間毎転置インデックス生成部、３０４…履歴収集部、３０５…レコメンド取得要求受信部、３０６…ユーザ現在時間判定部、３０７…特徴要素特定部、３０８…レコメンド候補検索部、３０９…レコメンド決定部、３１０…レコメンド出力部、３５１…コンテンツ記憶部、３５２…時間帯対応記憶部、３５３…コンテンツ特徴ベクトル記憶部、３５４…転置インデックス記憶部、３５５…履歴記憶部、４００…ネットワーク。

Claims (6)

1. 所定の時間帯ごとに、コンテンツを識別するコンテンツ識別情報と、当該コンテンツの特徴ベクトルであり、当該時間帯に関連する一つ以上の特徴要素で構成されるコンテンツ特徴ベクトルとを対応付けたコンテンツ特徴ベクトルテーブルを記憶するコンテンツ特徴ベクトル記憶手段と、
   所定の時間帯ごとに、当該時間帯に関連する特徴要素と、当該特徴要素に関連する内容を含むコンテンツのコンテンツ識別情報とを対応付けた転置インデックステーブルを記憶する転置インデックス記憶手段と、
   各ユーザ端末がアクセスしたコンテンツの履歴情報を記憶する履歴記憶手段と、
   ユーザ端末からレコメンド要求がなされると、当該レコメンド要求がなされた時間帯と、前記履歴記憶手段によって記憶された当該ユーザ端末の履歴情報に含まれるコンテンツのコンテンツ識別情報とに基づいて、前記コンテンツ特徴ベクトル記憶手段によって記憶されたコンテンツ特徴ベクトルテーブルから特徴要素を特定する特徴要素特定手段と、
   前記特徴要素特定手段によって特定された特徴要素に基づいて、前記転置インデックス記憶手段によって記憶された転置インデックステーブルからレコメンド対象となるコンテンツのコンテンツ識別情報を決定するレコメンド決定手段と、
   前記レコメンド決定手段によって決定されたコンテンツ識別情報が識別するコンテンツに関連する情報をユーザ端末に出力するレコメンド出力手段と、
   を備えるレコメンド装置。
2. 時間帯と当該時間帯に関連する一つ以上の特徴要素とを対応付けた特徴要素テーブルと、収集したコンテンツとに基づいてコンテンツ特徴ベクトルテーブルを生成するコンテンツ特徴ベクトル生成手段をさらに備え、
   前記コンテンツ特徴ベクトル記憶手段は、前記コンテンツ特徴ベクトル生成手段によって生成されたコンテンツ特徴ベクトルテーブルを記憶する、
   請求項１に記載のレコメンド装置。
3. 前記コンテンツ特徴ベクトル記憶手段によって記憶されたコンテンツ特徴ベクトルテーブルに含まれる所定の時間帯ごとのコンテンツ特徴ベクトルの特徴要素とコンテンツ識別情報とに基づいて転置インデックステーブルを生成する転置インデックス生成手段をさらに備え、
   前記転置インデックス記憶手段は、前記転置インデックス生成手段によって生成された転置インデックステーブルを記憶する、
   請求項１又は２に記載のレコメンド装置。
4. 前記レコメンド決定手段は、前記特徴要素特定手段によって特定された特徴要素に基づいて、前記転置インデックス記憶手段によって記憶された転置インデックステーブルからコンテンツ識別情報を抽出し、抽出したコンテンツ識別情報の中から、各コンテンツ識別情報の重複数に基づいてレコメンド対象となるコンテンツのコンテンツ識別情報を決定する、
   請求項１〜３の何れか一項に記載のレコメンド装置。
5. 前記特徴要素特定手段は、特定した各特徴要素が当該ユーザ端末の履歴情報に含まれるコンテンツに出現する回数に基づいて、特定した特徴要素間の優先度をさらに決定し、
   前記レコメンド決定手段は、前記特徴要素特定手段によって決定された特徴要素間の優先度にさらに基づいてコンテンツ識別情報を決定する、
   請求項１〜４の何れか一項に記載のレコメンド装置。
6. 所定の時間帯ごとに、コンテンツを識別するコンテンツ識別情報と、当該コンテンツの特徴ベクトルであり、当該時間帯に関連する一つ以上の特徴要素で構成されるコンテンツ特徴ベクトルとを対応付けたコンテンツ特徴ベクトルテーブルを記憶するコンテンツ特徴ベクトル記憶手段と、
   所定の時間帯ごとに、当該時間帯に関連する特徴要素と、当該特徴要素に関連する内容を含むコンテンツのコンテンツ識別情報とを対応付けた転置インデックステーブルを記憶する転置インデックス記憶手段と、
   各ユーザ端末がアクセスしたコンテンツの履歴情報を記憶する履歴記憶手段と、
   を備えるレコメンド装置によるレコメンド方法であって、
   ユーザ端末からレコメンド要求がなされると、当該レコメンド要求がなされた時間帯と、前記履歴記憶手段によって記憶された当該ユーザ端末の履歴情報に含まれるコンテンツのコンテンツ識別情報とに基づいて、前記コンテンツ特徴ベクトル記憶手段によって記憶されたコンテンツ特徴ベクトルテーブルから特徴要素を特定する特徴要素特定ステップと、
   前記特徴要素特定ステップにおいて特定された特徴要素に基づいて、前記転置インデックス記憶手段によって記憶された転置インデックステーブルからレコメンド対象となるコンテンツのコンテンツ識別情報を決定するレコメンド決定ステップと、
   前記レコメンド決定ステップにおいて決定されたコンテンツ識別情報が識別するコンテンツに関連する情報をユーザ端末に出力するレコメンド出力ステップと、
   を含むレコメンド方法。
   

Images