JP6294371B2 - 情報処理装置、情報処理システム、情報処理方法、及び、プログラム - Google Patents

Description

本発明は、情報処理装置、情報処理システム、情報処理方法、及び、プログラムに関する。

従来から、番組視聴履歴や番組内容に基づいて個人の興味度や嗜好を学習し、学習された興味度や嗜好に基づいた番組を推薦する技術が既に知られている。

このような技術に関して、例えば特許文献１には、個人の既存の視聴行動履歴と視聴番組内容を表す情報を統合して学習することにより、潜在的興味領域パラメータと興味領域を特徴付けるパラメータを特定し、個人を識別するための認証ＩＤ情報と紐付けて記憶し、上記の学習処理で特定した領域パラメータと領域ごとの特徴パラメータとを利用して、個人の新規キーワードデータに対する興味の度合いを表す尤度を算出して、その尤度が規定以上の値であるキーワードを興味キーワード候補として抽出し、推定した興味キーワードを活用することにより、視聴者の興味に対する詳細な情報を提供することが開示されている。

特開２０１５−２１５７９４号公報

しかし、例えば特許文献１において、番組に対する視聴者の行動内容、番組内容を表現する情報等を照合して、視聴者が潜在的に興味を持っている内容を表す興味キーワードを複数抽出すると記載されているように、従来の技術においては、興味ワードを抽出するために利用される情報として、視聴番組の表示や変更、視聴者の映像、並びに番組情報としてのタイトルやジャンル、出演者であるため、抽出された興味ワードが、その視聴者にとって何らかの興味あるワードであることは言えるものの、視聴者が本当にその興味ワードで特定される、例えば出演者に興味を持って当該番組を視聴していたかどうかまでは分からない。つまり、従来技術においては、提供される番組等のコンテンツに対してユーザがどのような観点で当該コンテンツを視聴あるいは閲覧しているかを把握することは困難である。

本発明は、このような実情に鑑みてなされたものであって、コンテンツを視聴あるいは閲覧するユーザの観点を把握することを目的とする。

上記の課題を解決するため、本発明の情報処理装置は、ドキュメントにおける出現傾向が類似するタームを異なる観点でグループ化したグループの複数を記憶するグループ化手段と、ターム、グループごとに興味度を算出する興味度算出手段と、興味度算出手段により算出されたタームの興味度、グループの興味度を比較して興味度が大きいものに基づいて推薦コンテンツを決定する推薦コンテンツ決定手段とを備えることを特徴とする。

本発明によれば、コンテンツを視聴あるいは閲覧するユーザの観点を把握することが可能になる。

本発明の実施形態における情報処理システムの概略図である。 本発明の実施形態における情報処理システムを構成する装置のハードウェア構成図である。 本発明の実施形態における情報処理装置における機能ブロック図である。 本発明の実施形態における情報処理システムにおける機能ブロック図である。 本発明の実施形態における推薦コンテンツの決定処理を説明する模式図である。 本発明の実施形態における推薦コンテンツの決定処理を説明する模式図である。 本発明の実施形態における推薦コンテンツの決定処理を説明する模式図である。 本発明の実施形態における推薦コンテンツの決定処理を説明する模式図である。 本発明の実施形態における推薦コンテンツの決定処理を説明する模式図である。 本発明の実施形態における処理手順を説明するフローチャートである。

本発明の実施形態における情報処理装置、及びこれを含む情報処理システムについて図面を用いて以下説明する。なお、各図中、同一又は相当する部分には同一の符号を付しており、その重複説明は適宜に簡略化乃至省略する。また、以下に記載する実施形態は本発明の最良の形態であって、本発明に係る特許請求の範囲を限定するものではない。

＜本実施形態におけるコンテンツ推薦システムのシステム構成について＞
本実施形態における情報処理装置を含む情報処理システムのシステム構成について図１を参照して説明する。本実施形態における情報処理システム１は、サーバ１０とクライアントである情報処理装置２０とがネットワーク３０を介して接続されて構成されている。ネットワークの形態としては、ＬＡＮ（Ｌｏｃａｌ Ａｒｅａ Ｎｅｔｗｏｒｋ）でもＷＡＮ（Ｗｉｄｅ Ａｒｅａ Ｎｅｔｗｏｒｋ）でもよく、また、有線によって接続されるものであっても、無線によって接続されるものであってもよい。

サーバ１０は、例えばＬＡＮで接続された宅内サーバであっても、ＷＡＮで接続された外部サーバであってもよい。なお、本実施形態においては、サーバ１０を実現するハードウェアの総称として「サーバ」の用語を使用する。サーバ１０は、例えばＰＣでもストレージでもサーバ専用機でもよい。また、サーバ１０は、ネットワーク３０を介して外部から定期的にＷｅｂサイトを構築するための情報やデータを取得し、取得した情報やデータを所定の方式でデータベースとして蓄積しておくことが好ましい。

情報処理装置２０は、後述する本実施形態による各処理を実行可能な例えばＰＣ（Ｐｅｒｓｏｎａｌ Ｃｏｍｐｕｔｅｒ）等である。また、情報処理装置としては、例えばスマートフォンやタブレットＰＣ等の携帯情報端末であっても、情報処理機能、通信機能、情報表示機能を有するその他の装置であってもよい。なお、本発明としては、サーバ１０によって担われる機能を情報処理装置２０が備える構成としてもよい。ただし、情報処理装置２０にかかる装置負荷の軽減の観点から上記機能はサーバ１０に担わせることが好ましい。

＜本実施形態における情報処理システムを構成する装置のハードウェア構成について＞
次に、本実施形態における情報処理システム１を構成する装置のハードウェア構成について図２を参照して説明する。情報処理システム１を構成する装置は、上述のサーバ１０及び情報処理装置２０である。なお、図２には、サーバ１０、情報処理装置２０において、ハードウェア構成として共通する基本的なハードウェアを示している。よって、以下の説明では両者に共通するハードウェア構成についてまとめて説明する。

サーバ１０、情報処理装置２０は、ハードウェア構成として、ＣＰＵ１１と、ＲＡＭ１２と、ＲＯＭ１３と、ＮＷ Ｉ／Ｆ１４と、ＨＤＤ１５と、入力部１６と、出力部１７を備えている。なお、これらは、サーバ１０、情報処理装置２０が後述する機能（処理）を実行するための構成の一例を示したものであり、これら以外のハードウェアを排除するものではない。また、これらの構成を全て備える必要もない。例えば、ＨＤＤ１５は必須の構成でなくてもよい。

ＣＰＵ１１は、サーバ１０、情報処理装置２０における後述する各処理を実現するためのメイン制御部である。ＣＰＵ１１は、ＲＯＭ１３に格納された各処理を規定する処理プログラムがＲＡＭ１２に読み込まれたものを実行することで、サーバ１０、情報処理装置２０における各機能を実現する。

ＲＡＭ１２は、上記のようにＣＰＵ１１のワークメモリとして機能する記憶部である。ＲＯＭ１３は、上記のように各処理を規定した処理プログラムやその他サーバ１０や情報処理装置２０の制御に要する各種パラメータ等を記憶する記憶部である。

ＮＷ Ｉ／Ｆ１４は、図１に示したネットワーク３０を介してサーバ１０と情報処理装置２０とが相互に接続するためのネットワークインタフェースである。ＨＤＤ１５は、例えばドキュメントやコンテンツを記憶する大容量記憶部である。

入力部１６は、例えばキーボードやマウス等の入力デバイスである。また、後述する表示部に重畳されたタッチパネルのようにユーザのタッチ操作を受け付けるデバイスであってもよい。さらに、入力部１６には、映像を撮影することで画像を取得するカメラや、音声入力を受け付けるマイクが含まれてもよい。

出力部１７は、例えばディスプレイ等の表示部である。また、出力部１７には、音声を出力するスピーカが含まれてもよい。

また、上記以外に、ユーザの近接を検知して、ユーザＩＤ等をユーザが所持する無線通信端末から取得する近距離無線通信デバイスを備えてもよい。

＜本実施形態における情報処理装置の機能ブロックについて＞
次に、本実施形態における情報処理装置２０の機能ブロックについて図３を参照して説明する。本実施形態における情報処理装置２０は、機能ブロックとして第１のグループ化部２１、第２のグループ化部２２、興味度算出部２３、及び推薦コンテンツ決定部２４を含み構成されている。

第１のグループ化部２１は、ドキュメントにおける出現傾向が類似するタームをグループ化した第１のグループを記憶する第１のグループ化手段である。第１のグループ化部２１は、図２に示したＣＰＵ１１、ＲＡＭ１２、ＲＯＭ１３、ＨＤＤ１５によりその機能が実現される。「ドキュメント」とは、対応づけられたテキストを有するコンテンツであり、例えばニュース記事が記載されたＷｅｂページなどである。「ターム」とは、ドキュメントを構成する単語のことをいい、例えば形態素解析等によりドキュメントから抽出可能である。「第１のグループ」とは、ドキュメントにおける出現傾向が類似する２以上のタームをグループとしてまとめたものである。「タームの出現傾向が類似」するか否かは、例えばドキュメントにおけるタームの出現頻度を示す出現回数や出現確率に基づいて判定すればよい。他方、第１のグループ化部２１は、タームの出現傾向が類似するドキュメントをグループ化した第１のグループを記憶する第１のグループ化手段として機能してもよい。なお、ドキュメント等のコンテンツは、例えばネットワークを介してＷｅｂサーバ等から取得すればよい。

第２のグループ化部２２は、ドキュメントにおける出現傾向が類似する第１のグループをグループ化した第２のグループを記憶する第２のグループ化手段である。第２のグループ化部２２は、図２に示したＣＰＵ１１、ＲＡＭ１２、ＲＯＭ１３、ＨＤＤ１５によりその機能が実現される。「第２のグループ」とは、ドキュメントにおける出現傾向が類似する２以上の第１のグループをグループとしてまとめたものである。例えば、第１のグループが「犬」や「猫」である場合、「動物」が第２のグループ等であり、カテゴリーといってもよい。「第１のグループの出現傾向が類似」するか否かは、例えばドキュメントにおける第１のグループの出現頻度を示す出現回数や出現確率に基づいて判定すればよい。他方、第２のグループ化部２２は、第１のグループの出現傾向が類似するドキュメントをグループ化した第２のグループを記憶する第２のグループ化手段として機能してもよい。

興味度算出部２３は、ターム、第１のグループ、第２のグループのそれぞれの興味度を算出する興味度算出手段である。興味度算出部２３は、図２に示したＣＰＵ１１、ＲＡＭ１２、ＲＯＭ１３によりその機能が実現される。興味度は、ユーザがターム、第１のグループ、第２のグループに対して有する興味の度合いの推測値であり、例えばユーザがあるドキュメントに対して閲覧などの操作を行ったときに、操作に応じた得点をそのドキュメントに出現するタームに付与し、タームごとに得点を合計するなどして求めることができる。

推薦コンテンツ決定部２４は、興味度算出部２３により興味度が算出されたターム、第１のグループ、第２のグループを比較して興味度が大きいものに基づいて推薦コンテンツを決定する推薦コンテンツ決定手段である。推薦コンテンツ決定部２４は、図２に示したＣＰＵ１１、ＲＡＭ１２、ＲＯＭ１３によりその機能が実現される。以上、本実施形態における上記構成によれば、ドキュメントをタームごと、第１のグループごと、第２のグループごとに分類し、それぞれにおける興味度を算出するため、例えば第１のグループ単位でのみ興味度を算出する場合と比較して、ユーザの興味度の範囲や深度を判定することができる。よって、コンテンツを視聴あるいは閲覧するユーザの観点を把握することが可能になる。

さらに、興味度算出部２３は、ターム、第１のグループ、及び第２のグループのそれぞれの興味度から分散を求める。ここでの「分散」は、データの散らばり具合、あるいは偏り具合を示す指標をいい、数値が大きいほどデータの散らばり具合が大きいこと等をいう。興味度が大きいものは求められた分散におけるピーク値が高いことになる。

この場合、推薦コンテンツ決定部２４は、興味度算出部２３により算出されたタームの興味度、第１のグループの興味度、第２のグループの興味度を比較して興味度が大きいものに基づいて推薦コンテンツを決定する。より具体的には、推薦コンテンツ決定部２４は、興味度算出部２３により算出されたターム、第１のグループ、および第２のグループの興味度から求められる分散に基づいて推薦コンテンツを決定する。そして、推薦コンテンツ決定部２４は、興味度算出部２３により算出された２以上のタームの興味度が近似している場合、該タームをグループ化した第１のグループに基づいて推薦コンテンツを決定する。さらに、推薦コンテンツ決定部２４は、興味度算出部２３により算出された２以上の第１のグループの興味度が近似している場合、該第１のグループがグループ化された第２のグループに基づいて推薦コンテンツを決定する。

＜本実施形態における情報処理システムの機能ブロックについて＞
本実施形態における情報処理システム１の機能ブロックについて図４を参照して説明する。なお、図３に示した各機能ブロックと重複する構成については説明を省略する。ここでは、サーバ１０が機能ブロックとして第１のグループ化部１０１及び第２のグループ化部１０２を有し、情報処理装置２０が機能ブロックとして記憶部２０１、興味度算出部２０２、推薦コンテンツ決定部２０３を有する構成としている。サーバ１０で構築され、ＲＯＭ１３等の記憶ユニットに記憶された第１のグループや第２のグループに係るデータベースをＮＷ Ｉ／Ｆ１４を介して情報処理装置２０が受信する。情報処理装置２０は、受信したデータベースを記憶部２０１に記憶する。この実施形態によれば、サーバ１０においてデータベースを構築・記憶するため、情報処理装置２０における装置負荷を軽減することができる。

＜本実施形態における推薦コンテンツの決定処理１について＞
本実施形態における推薦コンテンツの決定処理１について図５を参照して説明する。以下、図９までは、例えば、タームとして、「○木○紀」「○辺△友」「□橋○なみ」「○田○子」「△島□子」があるドキュメントから抽出され、「○木○紀」「○辺△友」「□橋○なみ」をグループ化した第１のグループとして「グループＡ」、グループ化するタームは抽出されないが、第１のグループとして抽出された「グループＢ」、「○田○子」「△島□子」をグループ化した「グループＣ」が抽出され、さらに、「グループＡ」「グループＢ」「グループＣ」をグループ化した第２のグループとして「アイドル」のカテゴリが抽出されているものとして説明する。

図５においては、興味度算出部２３により算出された興味度の分散においてピーク値が高いものが「○辺△友」であることを示している（斜線参照）。つまり、このユーザは「グループＡ」としてグループ化されたタームのうち「○辺△友」に注目してドキュメントを閲覧していることが分かる。よって、このユーザに対しては、推薦コンテンツ決定部２４は、「○辺△友」に基づいて推薦コンテンツを決定する。これにより、例えば世間一般では「グループＡ」全般に対する興味度が高く、「グループＡ」に関するあらゆるコンテンツが推薦されるところ、本実施形態においては、「グループＡ」に所属する「○辺△友」に特化したそのユーザに最適なコンテンツが推薦されることになるため、ユーザの満足度を一層向上させることができる。

＜本実施形態における推薦コンテンツの決定処理２について＞
次に、本実施形態における推薦コンテンツの決定処理２について図６を参照して説明する。ここでは、興味度算出部２３により算出された興味度の分散においてピーク値が高いものが「グループＡ」であることを示している（斜線参照）。つまり、このユーザは「グループＡ」に注目してドキュメントを閲覧していることが分かる。よって、このユーザに対しては、推薦コンテンツ決定部２４は、「グループＡ」に基づいて推薦コンテンツを決定する。これにより、例えば世間一般では「○辺△友」に対する興味度が高く、「○辺△友」に特化したコンテンツのみ推薦されるところ、このユーザは「○辺△友」だけではなく「グループＡ」全般に関する興味度が高く、本実施形態においては、「○辺△友」も所属する「グループＡ」に関する、そのユーザに最適なコンテンツが推薦されることになるため、ユーザの満足度を一層向上させることができる。

＜本実施形態における推薦コンテンツの決定処理３について＞
次に、本実施形態における推薦コンテンツの決定処理３について図７を参照して説明する。ここでは、興味度算出部２３により算出された興味度の分散においてピーク値が高いものが「アイドル」であることを示している（斜線参照）。なお、本図には、アイドルと同階層のカテゴリとして「スポーツ」を示している。つまり、このユーザは「アイドル」に注目してドキュメントを閲覧していることが分かる。よって、このユーザに対しては、推薦コンテンツ決定部２４は、「アイドル」に基づいて推薦コンテンツを決定する。これにより、例えば世間一般では「グループＡ」に対する興味度が高い場合でも、このユーザによっては、「グループＢ」「グループＣ」も含む「アイドル」全般に興味があるため、このユーザに対しては「アイドル」全般に関するコンテンツを推薦することで、このユーザの満足度を一層向上させることができる。

＜本実施形態における推薦コンテンツの決定処理４について＞
次に、本実施形態における推薦コンテンツの決定処理４について図８を参照して説明する。ここでは、興味度算出部２３により算出された興味度の分散において「○木○紀」「○辺△友」「□橋○なみ」のピーク値がいずれも同程度であることを示している（斜線参照）。よって、このユーザに対しては、推薦コンテンツ決定部２４は、「○木○紀」「○辺△友」「□橋○なみ」の一人一人に特化したコンテンツではなく、「○木○紀」「○辺△友」「□橋○なみ」をグループ化した「グループＡ」に関するコンテンツを推薦する。このユーザにとっては、「○木○紀」「○辺△友」「□橋○なみ」の一人一人に特化したコンテンツを推薦するよりは、「○木○紀」「○辺△友」「□橋○なみ」の何れかでも閲覧可能な「グループＡ」に関するコンテンツを推薦することが、満足度を一層向上させる上で好ましい。例えば、このユーザについては、一人一人に関するコンテンツを逐一推薦されるより、グループＡ全体に関するコンテンツが推薦される方が、得られる推薦コンテンツが一本化されて、閲覧に際する煩わしさも軽減される。

＜本実施形態における推薦コンテンツの決定処理５について＞
次に、本実施形態における推薦コンテンツの決定処理４について図９を参照して説明する。ここでは、興味度算出部２３により算出された興味度の分散において「グループＡ」「グループＢ」「グループＣ」のピーク値がいずれも同程度であることを示している（斜線参照）。よって、このユーザに対しては、推薦コンテンツ決定部２４は、「グループＡ」「グループＢ」「グループＣ」のグループごとに特化したコンテンツではなく、「グループＡ」「グループＢ」「グループＣ」をグループ化した「アイドル」に関するコンテンツを推薦する。このユーザにとっては、「グループＡ」「グループＢ」「グループＣ」のグループごとに特化したコンテンツを推薦するよりは、「グループＡ」「グループＢ」「グループＣ」の何れかでも閲覧可能な「アイドル」のカテゴリ全般に関するコンテンツを推薦することが、満足度を一層向上させる上で好ましい。つまり、このユーザにとっては、結局、「グループＡ」「グループＢ」「グループＣ」に属するアイドル全般に関するコンテンツを推薦することが好ましいため、「アイドル」のカテゴリに関するコンテンツを推薦することが、ユーザの閲覧に対する煩わしさの軽減に繋がる。また、「アイドル」に関するコンテンツを推薦しておけば、「グループＡ」「グループＢ」「グループＣ」それぞれに関するコンテンツを逐一推薦することによる装置負荷を軽減することができる。

＜ピーク値の算出処理について＞
本実施形態におけるピーク値の算出処理の具体例について以下の表１〜３を参照して説明する。各表は、上述した図５〜９において示した、タームとしての「○木○紀」「○辺△友」「□橋○なみ」「○田○子」「△島□子」、第１のグループ（各表では「Ｇ１」としている。）としての「グループＡ」「グループＢ」「グループＣ」、第２のグループ（各表では「Ｇ２」としている。）としての「アイドル」について、ドキュメントにおける出現回数、出現確率、タームや各グループに対する興味度、興味度の特徴量を具体的な数値で示したものである。出現回数及び出現確率における「Ｓ」は全ドキュメントにおける各タームの出現回数や出現確率を示すものであり、ここでは簡略化のため全ドキュメントにおける総ターム数を１０００としている。また、出現回数及び出現確率における「Ｐ」は、ここでは、あるユーザの閲覧履歴の出現回数や出現確率を示すものであり、ここでは簡略化のため総閲覧数を１００としている。なお、「人気俳優」は第２のグループとして「アイドル」との比較のために示している。

出現確率は、総数に対する各タームの出現回数の割合を示したものである。興味度は、出現確率における「Ｐ」を「Ｓ」で除することにより算出することができる。興味度の特徴量は、各ターム、各グループの興味度を各ターム、各グループ全体の平均値により除することで算出することができる。興味度の特徴量を算出することにより、各タームや各グループの中でピーキーな箇所を特定しやすくすることができる。

表１は、図５に対応するものであり、ターム「○辺△友」のピーク値が高い例を示したものである。ここでは、「Ｓ」における各タームの「Ｐ」の出現回数が１０％以上であるタームを抽出することにしている。そのため、「Ｐ」の出現回数が「３０」回である「○辺△友」が抽出される。なお、出現回数が突出しているため、出現確率「０．３０」、興味度「１．５０」、及び興味度の特徴量「１．５２」と算出されているように、いずれも高い数値を示すことになっている（太枠部）。これにより、このユーザは「○辺△友」に対する興味度が最も高いことが分かる。

表２は、図８に対応するものであり、ターム「○木○紀」「○辺△友」「□橋○なみ」の各ピーク値が何れも同程度である例を示したものである。ここでも、「Ｓ」における各タームの「Ｐ」の出現回数が１０％以上であるタームを抽出することにしている。そのため、「Ｐ」の出現回数が「２３」回である「○木○紀」、「Ｐ」の出現回数が「２４」回である「○辺△友」、「Ｐ」の出現回数が「２２」回である「□橋○なみ」が抽出される。これに伴って、対応する出現確率はそれぞれ「０．２３」「０．２４」「０．２２」となり、対応する興味度はそれぞれ「１．１５」「１．２０」「１．１０」となる（太枠部）。この場合、いずれも同程度であるため、タームの段階ではピークを特定することができない。そのため、これらの興味度を平均した「グループＡ」としての興味度を算出する。その結果、算出されたグループＡとしての興味度「１．１５」は他のグループの興味度より突出していることが分かる（太枠部）。よって、このユーザは「グループＡ」全般に対する興味度が高いことが分かる。

表３は、図９に対応するものであり、ターム「○木○紀」「○辺△友」「□橋○なみ」の各ピーク値が何れも同程度で、かつターム「○田○子」「△島□子」の各ピーク値も同程度である例を示したものである。ここでも、「Ｓ」における各タームの「Ｐ」の出現回数が１０％以上であるタームを抽出することにしている。そのため、「Ｐ」の出現回数が「２０」回である「○木○紀」、「Ｐ」の出現回数が「２２」回である「○辺△友」、「Ｐ」の出現回数が「２１」回である「□橋○なみ」が抽出され、「Ｐ」の出現回数が「１１」回である「○田○子」、「Ｐ」の出現回数が「１０」回である「△島□子」が抽出される。これに伴って、対応する出現確率はそれぞれ「０．２０」「０．２２」「０．２１」「０．１１」「０．１０」となり、対応する興味度はそれぞれ「１．００」「１．１０」「１．０５」「１．１０」「１．００」となる（太枠部）。この場合、いずれも同程度であるため、タームの段階ではピークを特定することができない。そのため、これらの興味度を平均した「グループＡ」「グループＣ」としての興味度を算出する。その結果、グループＡとしての興味度「１．０５」、グループＣとしての興味度「１．０５」が算出される（太枠部）。この場合、いずれも同程度の興味度であるため、第１のグループの段階でもピークを特定することができない。そのため、これらの興味度を平均した「アイドル」としての興味度を算出する。その結果、算出された「アイドル」としての興味度「１．０３」は人気俳優の興味度「０．７０」より突出していることが分かる（太枠部）。よって、このユーザは「アイドル」全般に対する興味度が高いことが分かる。

以上の処理により、コンテンツを視聴あるいは閲覧するユーザの観点を把握することができ、把握した観点におけるコンテンツを推薦するため、推薦されるコンテンツはユーザの本当に興味のあるものに厳選されることになる。その結果、ユーザの満足度をより一層向上させるとともに、処理装置側の負荷の軽減を図ることが可能になる。なお、上述の表１〜表３における平均比によるピーク算出処理は一例であり、これに限定されるものではなく、例えば偏差等によって算出するものであってもよい。

なお、上述した処理は一例であって、本発明がこれらの例によって限定解釈されるものでないことは言うまでもない。本実施形態においては、例えば「アイドル」のカテゴリを上位層とした場合に、その「アイドル」の下に、中間層として「グループＡ」「グループＢ」「グループＣ」を、さらにその下に、下位層として、中間層の各グループに属するタームをおいた階層構造を例として説明したが、これに限定されない。例えば、「グループＡ」とは観点の異なる「グループＡ’」や「グループＡ’’」に含まれる各タームをグループ化して記憶しておき、各グループにおけるタームの出現回数や出現確率から各タームや各グループの興味度を算出するものであってもよい。「観点の異なるグループ」としては、例えば「グループＡ」のように特定のメンバーが所属するグループ名と異なり、例えば「２０代の女性」という観点のグループや「女優」という観点のグループ等である。これによれば、上述した階層間における関連性を伴う階層構造に限らずとも、ユーザの観点を把握することができる上、上述と同様の効果を奏することが可能になる。なお、階層構造においても、それぞれの階層は観点の異なるグループとして捉えることができる。この場合、図３や図４を参照して説明した「第１のグループ化部」「第２のグループ化部」を「グループ化部」とまとめてもよい。

また、あるタームを基準として、そのタームと共起性の高いタームとともに興味度あるいは興味度の分散傾向を算出し、基準としたタームについて、どの観点でユーザが興味を持っているのかを判定することとしてもよい。また、流行の変遷によって、提供されるコンテンツないしはドキュメントにおけるタームは変化していくものであるが、本実施形態における第１のグループ化部２１や第２のグループ化部２２は、流行の変遷に追随した新たなタームを記憶することができることは言うまでもない。

＜本実施形態における処理手順について＞
次に、本実施形態における処理手順について図１０を参照して説明する。ここでは、図３に示した情報処理装置２０の機能ブロックを用いて説明する。

まず、第１のグループ化部２１が、例えば外部から取得したドキュメントについて、タームの出現傾向が類似するドキュメントをグループ化した第１のグループをＲＯＭ１３やＨＤＤ１５等の記憶ユニットに記憶する（ステップＳ１）。

次に、第２のグループ化部２２が、上記の第１グループの出現傾向が類似するドキュメントをグループ化した第２のグループをＲＯＭ１３やＨＤＤ１５等の記憶ユニットに記憶する（ステップＳ２）。

興味度算出部２３は、ターム、第１のグループ、第２のグループのそれぞれの興味度を算出する（ステップＳ３）。さらに、興味度算出部２３は、興味度の分散を算出する。

そして、推薦コンテンツ決定部２４は、興味度算出部２３により算出されたタームの興味度、第１のグループの興味度、第２のグループの興味度のうち、どの興味度が最も大きいかを判定する（ステップＳ４）。この場合の判定基準としては、相対的に興味度の大きさを判定しても、興味度の閾値を設定し、設定閾値より大きいか否かにより判定してもよい。

推薦コンテンツ決定部２４は、タームに対する興味度が大きいと判定した場合（ステップＳ４、ターム）、タームに基づいて推薦コンテンツを決定する（ステップＳ５）。

また、推薦コンテンツ決定部２４は、第１のグループに対する興味度が大きいと判定した場合（ステップＳ４、第１のグループ）、第１のグループに基づいて推薦コンテンツを決定する（ステップＳ５）。

また、推薦コンテンツ決定部２４は、第２のグループに対する興味度が大きいと判定した場合（ステップＳ４、第２のグループ）、第２のグループに基づいて推薦コンテンツを決定する（ステップＳ５）。

なお、上述する各実施の形態は、本発明の好適な実施の形態であり、本発明の要旨を逸脱しない範囲内において種々変更実施が可能である。例えば、上述した本実施形態の情報処理装置、及び情報処理システムにおける各処理を、ハードウェア、又は、ソフトウェア、あるいは、両者の複合構成を用いて実行することも可能である。

なお、ソフトウェアを用いて処理を実行する場合には、処理シーケンスを記録したプログラムを、専用のハードウェアに組み込まれているコンピュータ内のメモリにインストールして実行させることが可能である。あるいは、各種処理が実行可能な汎用コンピュータにプログラムをインストールして実行させることが可能である。

また、上述した本実施形態の説明においては、Ｗｅｂサイト等におけるコンテンツあるいはドキュメントを推薦する形態を中心として説明したが、本発明は次のようなシステムにも適用可能である。例えば、ユーザが所有する情報処理機能を有するデジタルテレビと、これに接続されたデジタル放送局の端末で構成されるシステムにおいて、テレビ番組を推薦する形態にも本発明は適用可能である。

また、ユーザごとに例えばＮＦＣ等の近距離無線通信が可能な端末を所持させ、情報処理装置２０が近距離無線通信を介して認証された特定のユーザの情報を取得し、取得した情報を個人の興味度算出に使用してもよい。特定のユーザの情報としては、例えばユーザの趣味、出身地、血液型、職業等がある。これにより、ユーザは、より精度の高い興味度の算出が可能である。

１ 情報処理システム
１０ サーバ
２０ 情報処理装置
１１ ＣＰＵ
１２ ＲＡＭ
１３ ＲＯＭ
１４ ＮＷ Ｉ／Ｆ
１５ ＨＤＤ
１６ 入力部
１７ 出力部
２１、１０１ 第１のグループ化部
２２、１０２ 第２のグループ化部
２３、２０２ 興味度算出部
２４、２０３ 推薦コンテンツ決定部
２０１ 記憶部

Claims (13)

1. ドキュメントにおける出現傾向が類似するタームを異なる観点でグループ化したグループを複数記憶するグループ化手段と、
   ユーザが操作したドキュメントについて前記ターム、前記グループごとに前記ユーザの興味度を算出する興味度算出手段と、
   前記興味度算出手段により算出された前記タームの興味度、前記グループの興味度を比較して興味度が大きいものに基づいて推薦コンテンツを決定する推薦コンテンツ決定手段と
   を備えることを特徴とする情報処理装置。
2. タームの出現傾向が類似するドキュメントを異なる観点でグループ化したグループを複数記憶するグループ化手段と、
   ユーザが操作したドキュメントについて前記ターム、前記グループごとに前記ユーザの興味度を算出する興味度算出手段と、
   前記興味度算出手段により算出された前記タームの興味度、前記グループの興味度を比較して興味度が大きいものに基づいて推薦コンテンツを決定する推薦コンテンツ決定手段と
   を備えることを特徴とする情報処理装置。
3. 前記推薦コンテンツ決定手段は、前記興味度算出手段により算出された前記タームおよび前記グループの興味度の分散においてピーク値が高いものを前記興味度が大きいものとして推薦コンテンツを決定することを特徴とする請求項１又は２に記載の情報処理装置。
4. 前記推薦コンテンツ決定手段は、前記興味度算出手段により算出された２以上の前記タームの興味度が近似していて前記興味度の分散においてピーク値が特定できない場合、該タームをグループ化したグループに基づいて推薦コンテンツを決定することを特徴とする請求項３に記載の情報処理装置。
5. ドキュメントにおける出現傾向が類似するタームをグループ化した第１のグループを記憶する第１のグループ化手段と、複数の前記第１のグループが属するカテゴリーを第２のグループとして記憶する第２のグループ化手段と、
   ユーザが操作したドキュメントについて前記ターム、前記第１のグループ、前記第２のグループごとに前記ユーザの興味度を算出する興味度算出手段と、
   前記興味度算出手段により算出された前記タームの興味度、前記第１のグループの興味度、前記第２のグループの興味度を比較して興味度が大きいものに基づいて推薦コンテンツを決定する推薦コンテンツ決定手段と
   を備えることを特徴とする情報処理装置。
6. タームの出現傾向が類似するドキュメントをグループ化した第１のグループを記憶する第１のグループ化手段と、
   複数の前記第１のグループが属するカテゴリーを第２のグループとして記憶する第２のグループ化手段と、
   ユーザが操作したドキュメントについて前記ターム、前記第１のグループ、前記第２のグループごとに前記ユーザの興味度を算出する興味度算出手段と、
   前記興味度算出手段により算出された前記タームの興味度、前記第１のグループの興味度、前記第２のグループの興味度を比較して興味度が大きいものに基づいて推薦コンテンツを決定する推薦コンテンツ決定手段と
   を備えることを特徴とする情報処理装置。
7. 前記推薦コンテンツ決定手段は、前記興味度算出手段により算出された前記ターム、前記第１のグループ、および前記第２のグループの興味度の分散においてピーク値が高いものを興味度が大きいものとして推薦コンテンツを決定するとともに、前記興味度算出手段により算出された２以上の前記タームの興味度が近似していて前記興味度の分散においてピーク値が特定できない場合、該タームをグループ化した前記第１のグループに基づいて推薦コンテンツを決定し、前記興味度算出手段により算出された２以上の前記第１のグループの興味度が近似していて前記興味度の分散においてピーク値が特定できない場合、前記第２のグループに基づいて推薦コンテンツを決定することを特徴とする請求項５又は６に記載の情報処理装置。
8. サーバと情報処理装置とがネットワークを介して接続された情報処理システムであって、
   前記サーバは、
   ドキュメントにおける出現傾向が類似するタームを異なる観点でグループ化したグループを複数記憶するグループ化手段と、
   を備え、
   前記情報処理装置は、
   前記サーバから前記グループ化手段に記憶されるグループを受信して記憶する記憶手段と、
   ユーザが操作したドキュメントについて前記ターム、前記グループごとに前記ユーザの興味度を算出する興味度算出手段と、
   前記興味度算出手段により算出された前記タームの興味度、前記グループの興味度を比較して興味度が大きいものに基づいて推薦コンテンツを決定する推薦コンテンツ決定手段と
   を備えることを特徴とする情報処理システム。
9. サーバと情報処理装置とがネットワークを介して接続された情報処理システムであって、
   前記サーバは、
   タームの出現傾向が類似するドキュメントを異なる観点でグループ化したグループを複数記憶するグループ化手段と、
   を備え、
   前記情報処理装置は、
   前記サーバから前記グループ化手段に記憶される第１のグループを受信して記憶する記憶手段と、
   ユーザが操作したドキュメントについて前記ターム、前記グループごとに前記ユーザの興味度を算出する興味度算出手段と、
   前記興味度算出手段により算出された前記タームの興味度、前記グループの興味度を比較して興味度が大きいものに基づいて推薦コンテンツを決定する推薦コンテンツ決定手段と
   を備えることを特徴とする情報処理システム。
10. コンピュータが、ドキュメントにおける出現傾向が類似するタームを異なる観点でグループ化したグループを複数記憶部に記憶するステップと、
    コンピュータが、ユーザが操作したドキュメントについて前記ターム、前記グループごとに前記ユーザの興味度を算出するステップと、
    コンピュータが、算出された前記タームの興味度、前記グループの興味度を比較して興味度が大きいものに基づいて推薦コンテンツを決定するステップと
    を含むことを特徴とする情報処理方法。
11. コンピュータが、タームの出現傾向が類似するドキュメントを異なる観点でグループ化したグループを複数記憶部に記憶するステップと、
    コンピュータが、ユーザが操作したドキュメントについて前記ターム、前記グループごとに前記ユーザの興味度を算出するステップと、
    コンピュータが、算出された前記タームの興味度、前記グループの興味度を比較して興味度が大きいものに基づいて推薦コンテンツを決定するステップと
    を含むことを特徴とする情報処理方法。
12. ドキュメントにおける出現傾向が類似するタームを異なる観点でグループ化したグループを複数記憶部に記憶する処理と、
    ユーザが操作したドキュメントについて前記ターム、前記グループごとに前記ユーザの興味度を算出する処理と、
    算出された前記タームの興味度、前記グループの興味度を比較して興味度が大きいものに基づいて推薦コンテンツを決定する処理と
    をコンピュータに実行させることを特徴とするプログラム。
13. タームの出現傾向が類似するドキュメントを異なる観点でグループ化したグループを複数記憶部に記憶する処理と、
    ユーザが操作したドキュメントについて前記ターム、前記グループごとに前記ユーザの興味度を算出する処理と、
    算出された前記タームの興味度、前記グループの興味度を比較して興味度が大きいものに基づいて推薦コンテンツを決定する処理と
    をコンピュータに実行させることを特徴とするプログラム。

Images