JP6362465B2

JP6362465B2 - 情報処理装置

Info

Publication number: JP6362465B2
Application number: JP2014150230A
Authority: JP
Inventors: 真一本多; 真一狩谷
Original assignee: Sony Interactive Entertainment Inc
Current assignee: Sony Interactive Entertainment Inc
Priority date: 2014-07-23
Filing date: 2014-07-23
Publication date: 2018-07-25
Anticipated expiration: 2034-07-23
Also published as: US20160026669A1; JP2016024739A; US10394791B2

Description

本発明は、複数ユーザー間の類似性を評価する情報処理装置、情報処理方法、プログラム、及び当該プログラムを格納した情報記憶媒体に関する。

例えば複数のユーザーに複数のコンテンツを提供するサービスにおいて、ある注目ユーザーと類似する嗜好を持つと推定される類似ユーザーを見つけ出し、その類似ユーザーが過去に利用したコンテンツを注目ユーザーに推薦することがある。このように、何らかの判断基準に基づいてユーザー間の類似性を評価することによって、コンテンツを推薦したりユーザーの行動を分析したりといった各種の用途にその評価結果を利用することができる。ユーザー間の類似性を評価する手法としては、例えば購入したコンテンツが似ているユーザーを類似すると判断する手法（いわゆる協調フィルタリング）が知られている。

一般に、ユーザーの嗜好や行動内容は時間によって変化する。具体的には、長期的なスパンで嗜好が変化したり、曜日や時間帯などによって行動パターンが変化したりすることがある。従来の手法では、ユーザー間の類似性を評価する際にこのような時間変化が十分考慮されていなかった。

本発明は上記実情を考慮してなされたものであって、その目的の一つは、時間変化を考慮して複数ユーザー間の類似性を評価することのできる情報処理装置、情報処理方法、プログラム、及び当該プログラムを格納した情報記憶媒体を提供することにある。

本発明に係る情報処理装置は、注目ユーザーが行った行動について、その行動時期を含む行動データを取得する行動データ取得部と、前記取得された行動データを用いて、少なくとも互いに異なる第１及び第２の期間のそれぞれに前記注目ユーザーが行った前記行動の特徴を示す特徴量を算出する特徴量算出部と、前記算出された特徴量の少なくとも一部を用いて、前記注目ユーザーと他のユーザーとの間の類似性を評価する評価部と、を含むことを特徴とする。

また、本発明に係る情報処理方法は、注目ユーザーが行った行動について、その行動時期を含む行動データを取得するステップと、前記取得された行動データを用いて、少なくとも互いに異なる第１及び第２の期間のそれぞれに前記注目ユーザーが行った前記行動の特徴を示す特徴量を算出するステップと、前記算出された特徴量の少なくとも一部を用いて、前記注目ユーザーと他のユーザーとの間の類似性を評価するステップと、を含むことを特徴とする。

また、本発明に係るプログラムは、注目ユーザーが行った行動について、その行動時期を含む行動データを取得するステップと、前記取得された行動データを用いて、少なくとも互いに異なる第１及び第２の期間のそれぞれに前記注目ユーザーが行った前記行動の特徴を示す特徴量を算出するステップと、前記算出された特徴量を用いて、前記注目ユーザーと他のユーザーとの間の類似性を評価するステップと、をコンピュータに実行させるためのプログラムである。このプログラムは、コンピュータ読み取り可能な情報記憶媒体に格納されてよい。

本発明の実施の形態に係る情報処理システムの全体構成図である。本発明の実施の形態に係るクライアント装置の機能ブロック図である。行動データの内容の一例を示す図である。ユーザープロファイルの一例を示す図である。

以下、本発明の実施形態について、図面に基づき詳細に説明する。

図１は、本発明の一実施形態に係るサーバ装置（情報処理装置）２を含む情報処理システム１の全体概要図である。同図に示すように、情報処理システム１は、サーバ装置２と、複数のクライアント装置３と、を含んで構成されている。本実施形態においてサーバ装置２は、複数のクライアント装置３のそれぞれから当該クライアント装置３を利用するユーザーの行動に関するデータ（行動データ）を取得し、取得したデータを用いて複数のユーザー間の類似性を評価する。そして、その評価結果を用いて各ユーザーに対してコンテンツの推薦を行う。ここでは具体例として、推薦するコンテンツはゲームタイトルであるものとし、各ユーザーの行動データは、当該ユーザーがどのようにゲームをプレイしているかを示すものとする。また、サーバ装置２は、各ユーザーに対して、コンテンツに限らず、他のユーザー（例えば対戦相手や協力プレイの対象となるユーザー）や、ゲームをプレイするのに適した時間帯などを推薦してもよい。また、コンテンツやユーザー、時間帯などを推薦するにあたって、その推薦理由を提示してもよい。

サーバ装置２は、サーバコンピュータ等の情報処理装置であって、図１に示すように、制御部１１と、記憶部１２と、通信部１３と、を含んで構成されている。

制御部１１は、ＣＰＵ等であって、記憶部１２に格納されたプログラムに従って各種の情報処理を行う。記憶部１２は、ＲＡＭ等のメモリ素子を含んで構成され、制御部１１が実行するプログラム、及び当該プログラムが処理対象とするデータを記憶する。通信部１３は、ＬＡＮカード等の通信インタフェースである。サーバ装置２は、この通信部１３を介して各クライアント装置３とデータ通信を行う。

各クライアント装置３は、本情報処理システム１のユーザーが使用する端末装置であって、例えば家庭用ゲーム機や携帯ゲーム機、スマートフォン、パーソナルコンピュータ等であってよい。本実施形態では、各ユーザーは自身のクライアント装置３を所有し、そのクライアント装置３を用いてゲームをプレイすることとする。

以下、本実施形態においてサーバ装置２が実現する機能について説明する。図２に示すように、サーバ装置２は、機能的に、行動データ取得部２１と、特徴量算出部２２と、類似性評価部２３と、推薦処理部２４と、を含んで構成されている。これらの機能は、制御部１１が記憶部１２に記憶されたプログラムを実行することにより実現される。このプログラムは、インターネット等の通信ネットワークを経由してサーバ装置２に提供されてもよいし、光ディスク等の各種のコンピュータ読み取り可能な情報記憶媒体に格納されて提供されてもよい。

行動データ取得部２１は、各クライアント装置３から行動データを取得する。行動データは、各ユーザーがクライアント装置３を用いて行った行動に関するデータであって、行動の内容を示す行動内容データと、その行動を行った時期を示す行動時期データとを含んでいる。前述したように、本実施形態において行動内容データはゲームのプレイに関する行動内容を示しており、ゲームタイトルを特定する情報を含むものとする。

より具体的に、行動内容データは、ユーザーがクライアント装置３でゲームをプレイした場合における、ゲームタイトルとゲームのプレイ開始又は終了を示すものであってよい。また、ゲーム内における特定のステージのクリアや、特定のアイテムの入手、特定のスコアの獲得など、ゲーム毎に定められる各種の条件をユーザーが満たした場合に、そのことを示す行動内容データが生成されることとしてもよい。特にゲームシステムによっては、ゲームごとに複数の目標が設定され、ユーザーが各目標を達成したか否か管理する機能を持つことがある（トロフィー機能など）。この場合、この目標達成を示す行動内容データを各クライアント装置３がサーバ装置２に通知することとしてもよい。さらに、この目標には達成の難易度が設定される場合がある。例えば、目標ごとに、その目標が容易に達成できるものか、達成困難なものか、またはその中間の難易度なのかを示す指標が設定される。この場合、ユーザーがゲームをプレイ中に予め設定された目標を達成すると、クライアント装置３は、その達成した目標の難易度を示す情報を行動内容データの一部としてサーバ装置２に通知してもよい。

図３は、行動データ取得部２１が取得する行動データの内容の一例を示す図である。同図に示されるように、行動データは、行動を行ったユーザーと、その行動内容と、行動時期とを関連づけるデータであって、ここではそれぞれが一つの行動の内容を示す複数のレコードから構成されているものとする。また、行動内容は、コンテンツの種類（ここではゲームタイトル）を特定する識別子と、当該コンテンツの利用内容を示す情報（ここでは獲得したトロフィーを特定する情報）とを含んでいる。また、図３では行動時期データは日付と時刻とを含むデータとなっているが、行動時期データのデータ形式はこのようなものに限られず、対象とする行動が行われたタイミングを示す各種の形式のデータであってよい。例えば行動時期データは、詳細な時刻の情報を含む代わりに、その行動が行われた時点が予め定められた複数の時間帯（例えば１日を３時間おきに区切って得られる８個の時間帯）のうちのどの時間帯なのかを示す情報を含むこととしてもよい。

特徴量算出部２２は、行動データ取得部２１が取得した行動データを用いて、複数のユーザーのそれぞれについて、その行動の特徴を示すプロファイル（ユーザープロファイル）を生成する。各ユーザーのプロファイルは複数の特徴量によって構成されている。プロファイルがＮ個の特徴量を含んでいる場合、プロファイルはＮ次元の特徴空間における位置座標に対応する。プロファイルを構成する各特徴量は、行動データ取得部２１が取得した行動データのうち、所定の抽出条件に合致する行動データに基づいて算出される数値である。プロファイルを構成する特徴量の数がＮ個の場合、対応するＮ個の抽出条件が予め定められていることになる。特徴量算出部２２は、あるユーザーについてｉ番目の特徴量を算出する際には、当該ユーザーの行動データの中から、ｉ番目の抽出条件に合致するレコードを抽出する。そして、抽出されたレコードの件数、及び／又は抽出されたレコードに含まれる行動内容に基づいて、ｉ番目の特徴量を算出する。このような処理を繰り返すことによって、特徴量算出部２２は、処理対象となる複数のユーザーのそれぞれについて、Ｎ個の特徴量を算出することができる。

特に本実施形態では、行動が行われた時期に着目した抽出条件を使用して特徴量を算出する。より具体的に、Ｎ個の抽出条件のうちの少なくとも一つは、行動時期が第１の抽出対象期間に含まれる行動を抽出するという条件を含んでおり、別の一つは、行動時期が第２の抽出対象期間に含まれる行動を抽出するという条件を含んでいる。ここで、第１の抽出対象期間と第２の抽出対象期間とは互いに異なる期間であるものとする。このように互いに異なる期間に含まれる行動データに応じて特徴量を算出することによって、ユーザーの嗜好の時間変化や行動サイクルを反映したプロファイルを生成することができる。

ここで、第１の抽出対象期間と第２の抽出対象期間とは、互いに同じ長さの期間であってもよいし、異なる長さの期間であってもよい。また、第１の抽出対象期間と第２の抽出対象期間とは、互いに重複しない期間であってもよいし、互いに一部重複する期間を含んでもよい。また、各抽出期間は、周期的に繰り返される期間であってもよい。周期的な抽出期間の具体例として、抽出対象期間は、毎日の特定の時間帯（例えば毎日朝９時〜１２時）であってもよいし、毎週月曜日などの１週間周期の期間であってもよいし、１年のうちの特定の月や週など、年周期の期間であってもよい。

また、Ｎ個の抽出条件のうちの一部の抽出条件は、互いに共通する抽出対象期間を対象とし、期間以外の他の条件を組み合わせたものであってもよい。具体例として、ｉ番目の抽出条件は、行動時期がある抽出対象期間に含まれる複数の行動のうち、第１の種類の行動を抽出する条件であって、（ｉ＋１）番目の抽出条件は、行動時期がｉ番目の抽出条件と同じ抽出対象期間に含まれる複数の行動のうち、第１の種類とは異なる第２の種類の行動を抽出する条件であることとしてもよい。また、特徴量算出部２２は、期間以外にも各種の観点で行動データを抽出する抽出条件を用いて特徴量を算出してもよい。特に特徴量算出部２２は、コンテンツの種類（ゲームタイトル）を抽出条件として用いてもよい。この場合、ゲームタイトルごとに独立して特徴量が算出されることになる。また、行動内容データがゲームタイトルごとに予め定められた目標の達成を示すものであって、各目標に難易度が設定されている場合、特徴量算出部２２は抽出条件の一部としてどの難易度の目標が達成されたかについての条件を用いてもよい。特徴量を算出するために用いる抽出条件の具体例については、後述する。

以下、特徴量の算出方法について説明する。例えば特徴量算出部２２は、単に抽出条件に合致するレコードの件数（すなわち、抽出条件に合致する行動が行われた回数）を特徴量としてもよい。また、行動の内容が数値化される場合、抽出条件に合致する行動の内容を表す数値の合計又は平均を算出して特徴量としてもよい。行動の内容が数値化される例としては、行動の内容がゲームのスコアなどの数値によって表される場合が挙げられる。また、行動データに含まれる行動内容が特定の行動の開始、及び終了を示すものである場合、これらの行動データを組み合わせて特定の行動を行っていた時間（例えばゲームのプレイ時間）を算出し、特徴量として用いてもよい。

図４は、特徴量算出部２２が算出する特徴量によって構成されるユーザープロファイルの一例を示す図である。この例では、抽出条件として、周期的な抽出対象期間である曜日と、コンテンツの種類とを用いている。すなわち、月曜日から日曜日までの７個の抽出対象期間とゲームタイトル（ここでは２種類とする）の組み合わせが抽出条件として用いられており、一人のユーザーにつき１４個の特徴量が算出されている。各特徴量は、抽出対象期間に対象のゲームタイトルをユーザーがプレイした結果得られる行動データのレコード数を示している。この図の例では、ユーザーＵ１がゲームＧ１を主に平日にプレイし、ゲームＧ２を週末（土曜日、日曜日）にプレイしており、ユーザーＵ２も同様の傾向を示している。一方、ユーザーＵ３はどちらのゲームも週末にプレイしている。このように、期間を含んだ抽出条件を用いて特徴量を算出することによって、同じゲームをプレイしているユーザー同士の間でも、そのプレイの仕方に相違があることが分かる。

類似性評価部２３は、特徴量算出部２２によって複数のユーザーのそれぞれについて算出された特徴量に基づいて、ユーザー間の類似性を評価する類似性評価処理を実行する。複数個の特徴量を含んだプロファイル同士を比較してユーザー間の類似性を評価する手法は、公知のものであってよい。具体的に類似性評価部２３は、例えば二人のユーザーについて、プロファイル間のユークリッド距離を算出することによって類似度を算出してもよいし、ピアソン相関、Jaccard係数、マンハッタン距離などの各種の基準によって類似度を算出してもよい。いずれにせよ、任意の二人のユーザーの組み合わせについて、そのプロファイルがどの程度類似するかを示す類似度の数値を算出することにより、類似性評価部２３はユーザー間の類似性を評価することができる。

なお、ユーザー間の類似性を評価する場合に、類似性評価部２３は必ずしも特徴量算出部２２が算出した全ての特徴量を使用せずともよい。むしろ、注目するユーザーの特徴を顕著に表す特徴量など、特徴量算出部２２が算出した特徴量のうちの一部の特徴量を用いて類似性の評価を行うことにより、少ない計算量で類似ユーザーを見つけ出すことができる。また、場合によっては注目する特定の特徴量が近いユーザーを優先的に見出すことができるように、各特徴量に対して重み付けを行ったうえで類似度を算出してもよい。

推薦処理部２４は、クライアント装置３からの要求に応じて、要求元のクライアント装置３のユーザーに対して推薦するコンテンツ（本実施形態ではゲームタイトル）を選出し、選出したコンテンツの情報を要求元のクライアント装置３に対して送信する。特に本実施形態では、サーバ装置２がクライアント装置３からコンテンツ推薦要求を受け付けた場合、推薦処理部２４は、類似性評価部２３による評価結果を用いて、要求元のクライアント装置３のユーザー（注目ユーザー）に類似する類似ユーザーを特定する。この類似ユーザーは、例えば注目ユーザーとの間の類似度が所定値以上のユーザーであってもよい。あるいは、類似度に関する予め定められた判断基準によって、注目ユーザーと同じグループに属すると判断されたユーザーであってもよい。このように類似度を用いて複数のユーザーをグループ分けする手法については、後述する。類似ユーザーが特定されると、推薦処理部２４は、類似ユーザーの一定割合以上が所有していて注目ユーザーが所有していないコンテンツなど、所与の基準によって選出した推薦コンテンツの情報をクライアント装置３に対して送信する。これによりサーバ装置２は、類似ユーザーがプレイしているゲームを注目ユーザーに推薦することができる。

以上の説明では、類似性評価部２３は予め類似性評価処理を実行してその評価結果を記憶部１２に記憶しており、推薦処理部２４はコンテンツ推薦要求を受け付けた場合に、その評価結果を用いて推薦コンテンツを選出することとした。しかしながら、これに限らず、コンテンツ推薦要求を受け付けてから類似性評価部２３が類似性評価処理を実行して、当該要求を行った注目ユーザーに類似するユーザーを特定することとしてもよい。逆に、全ユーザーについて推薦処理部２４が予め推薦コンテンツの選出を行っておき、コンテンツ推薦要求があった場合には、選出済みの推薦コンテンツの情報を要求元のクライアント装置３に送信することとしてもよい。

以下、特徴量算出部２２が特徴量を算出する際に用いる抽出条件のいくつかの具体例について、説明する。

特徴量算出部２２は、各ユーザーの長期、中期、短期の傾向を捉えるため、特徴量算出を行う時点を期間の終期として、長さの異なる複数の抽出対象期間を抽出条件として用いてもよい。例えば、直近の過去１ヶ月間（短期）、過去１年間（中期）、ユーザーが利用開始してから現在までの全期間（長期）のそれぞれを抽出対象期間として特徴量を算出する。これにより、嗜好の時間変化の傾向が類似するユーザーを発見することができる。

抽出対象期間は、ユーザー毎に異なる期間であってもよい。ユーザーの行動の頻度が高くなるタイミングは、必ずしも１週間おきなどの決まったサイクルで生じるとは限らず、ユーザー毎に異なる場合がある。そこで、注目ユーザーに類似するユーザーを特定する場合に、注目ユーザーの行動サイクルをまず特定し、特定した行動サイクルに応じた抽出対象期間を用いて各ユーザーの特徴量を算出してもよい。この場合特徴量算出部２２は、単位時間あたりの行動回数が所定値以上に高くなるタイミング（ピークタイミング）を特定し、ピークタイミング間の時間間隔をそのユーザーの行動サイクルとして特定することができる。このような手法により特徴量を算出することにより、行動サイクルが特殊なユーザーについても、そのユーザーに類似するユーザーを見つけることができる。

また、特徴量算出部２２は、特定のコンテンツ（ゲームタイトル）について、各ユーザーがそのコンテンツの利用を開始した時期から、所定の条件を満たすまでの期間を抽出対象期間として行動データの抽出を行ってもよい。この場合、抽出対象期間の始期はゲームタイトルの発売日であってもよいし、ユーザー毎に最初にそのゲームタイトルについての行動データが得られたタイミングであってもよい。また、抽出対象期間の終期は、そのゲームタイトルの達成度に応じて決定されてもよい。より具体的に、抽出対象期間の終期は、特定のコンテンツについてのユーザーの達成度が所定の数値に到達したタイミングであってもよい。達成度は、各ゲームタイトルに複数のトロフィー（目標）が設定されている場合には、全トロフィーに対して各ユーザーが獲得したトロフィーの数によって評価することができる。一例として特徴量算出部２２は、ユーザーが全トロフィーの１０％を獲得するまでの期間や、全トロフィーを獲得するまでの期間を抽出対象期間として各ユーザーの特徴量を算出してもよい。また、トロフィーに難易度が設定されている場合、特定の難易度のトロフィーを一定割合獲得するまでの期間を抽出対象期間としてもよい。あるいは、各ユーザーが所定の達成度に到達するまでの期間の長さそのものを特徴量としてもよい。これにより、短期間に集中して新しいゲームをプレイするユーザーや、長期間にわたって少しずつゲームをプレイするユーザーなど、プレイの傾向が似た類似ユーザーを発見することができる。

また、特徴量算出部２２は、各ゲームタイトルの達成度の数値そのものを特徴量としてもよい。また、各ユーザーが所有しているコンテンツの全体について、達成度の平均値を算出して特徴量としてもよい。また、各ユーザーが所有している全コンテンツに対して、達成度が所定値（例えば１００％）に達しているコンテンツの割合を特徴量としてもよい。

なお、ここではゲームの達成度として、予め用意された複数の目標に対する、達成した目標の数の割合を用いることとした。しかしながら、達成度はこのようなものに限られず、例えばゲームが複数のステージから構成される場合に、どのステージまでプレイしたかを示す情報であってよい。また、ゲームに登場する主人公などのキャラクターにレベルが設定されている場合に、このレベルの数値を達成度として用いてもよい。あるいは、ゲームを予め用意されたシーン（例えばエンディングのシーン）まで進行させたか否かを示す情報を、達成度を決定するために用いてもよい。

また、特徴量算出部２２は、抽出対象期間内に各ユーザーがプレイしているゲームタイトルの数を特定し、特徴量として用いてもよい。これにより、同時期に複数のゲームをプレイするユーザーや、特定のゲームを集中してプレイするユーザーなどの傾向に応じてユーザー間の類似性を評価することができる。

また、特徴量算出部２２は、抽出条件の一部として、ユーザーが行動を行っている状況に関する条件を用いてもよい。ユーザーが行動を行っている状況に関する条件の一例としては、使用しているクライアント装置３の種類がどれかが挙げられる。本実施形態では、ユーザーは携帯型ゲーム機や据置型ゲーム機などの各種のクライアント装置３を利用することができる。このクライアント装置３の種類別に行動データを集計して特徴量を算出することにより、例えば同じゲームタイトルを同じ時間帯にプレイしているユーザー同士であっても、携帯型の装置を利用してプレイしているユーザーと据置型の装置を利用してプレイしているユーザーとは類似しないと判定することができる。

さらに、ユーザーが携帯型のクライアント装置３を利用している場合、状況に関する条件の一つとして、ユーザーが移動中か否かを抽出条件に含めてもよい。例えばＧＰＳなどによってクライアント装置３が自身の位置情報を取得することができる場合、クライアント装置３は、この位置情報の変化を検出することによって、ユーザーが移動中か否かを判定することができる。そこでクライアント装置３は、移動中か否かを示す情報を行動データに含めてサーバ装置２に送信する。こうすれば、特徴量算出部２２は、移動中の行動と停止中の行動とを区別して行動データを集計し、特徴量を算出することができる。

また、状況に関する条件の一つとして、行動開始の契機が何かを考慮してもよい。オンラインゲームをプレイする場合、一人でプレイを始める場合もあるが、ネットワークを介して友人を誘って一緒にゲームをプレイする場合や、逆に友人に誘われてゲームをプレイする場合もある。そこで、このような状況を示す情報を抽出条件に加えてもよい。これにより、例えば友人に誘われてゲームをプレイした場合の行動データより友人を誘ってゲームをプレイした場合の行動データを重視して特徴量を算出したり、友人とともにゲームをプレイすることが多いユーザー同士が類似すると判定されやすくすることができる。また、特徴量算出部２２は、このような状況に関する抽出条件として、ユーザーがチャットへの招待を行ったこと、及びチャットに招待されたことなどの条件を用いて特徴量を算出してもよい。

次に、類似性評価部２３が実行する類似性評価処理の別の例について、説明する。

類似性評価部２３は、上述した類似度を算出する方法以外の方法で類似ユーザーを見つけ出すこととしてもよい。具体的に類似性評価部２３は、予め用意された特徴量に関する条件にしたがって複数のユーザーをグループ分けすることによって、あるユーザーに類似するユーザーを特定してもよい。この場合、類似性評価部２３は、判定対象となる複数のユーザーのうち、各特徴量の数値が所定の条件を満たすユーザーを、同じグループに属するものとして特定する。これにより、例えば平日には余りゲームをプレイせずに休日にゲームをプレイするユーザーや、深夜までゲームをプレイするユーザーなど、時間帯や曜日に関して特徴的なプレイをしているユーザー同士を同じグループに分類し、類似すると判定することができる。特に学生や社会人など、社会属性が共通するユーザーは、時間に関して同様の特徴的な傾向を示すことがあり得る。そこで、予め社会属性が分かっているユーザーに共通するプロファイルの特徴を見出して、その特徴をグループ分けの条件として定めておく。これにより、そのグループ分けの条件を満たすユーザーが、同じ社会属性に属する（すなわち、互いに類似する）と推定することができる。このようなグループ分けができれば、前述したように推薦処理部２４は類似性評価部２３によって注目ユーザーと同じ社会属性に属すると推定された類似ユーザーの情報を用いて、コンテンツを推薦することができる。

また、類似性評価部２３は、特徴量算出部２２が算出する複数の特徴量のうち、実際に類似性の評価に用いる特徴量を、判定対象となる注目ユーザーについて算出された特徴量に基づいて決定してもよい。具体例として、注目ユーザーのプロファイルにおいて、特定の抽出対象期間についてゲームプレイの行動データを用いて算出された特徴量の値が大きい場合、その時間帯に注目ユーザーがよくゲームをプレイしていると推定される。そこで、このように注目ユーザーの特徴量が所定値以上となる抽出対象期間について算出された特徴量を用いて、ユーザー間の類似度を評価する。このような類似性評価処理によって特定された類似ユーザーは、注目ユーザーがよくゲームをプレイする時間と同じ時間によくゲームをプレイすると推定される。このようにして得られた類似ユーザーが所有しているコンテンツを推薦処理部２４が注目ユーザーに推薦することによって、注目ユーザーと同じ時間帯にプレイする人が多いゲームを注目ユーザーに推薦することができる。特にオンラインで対戦したり協力したりしてプレイするゲームの場合、自分がプレイする時間と同じ時間にプレイする人が多いことが望ましいため、このような処理によってコンテンツを推薦することは好適である。

さらに、以上説明したように注目ユーザーのプロファイルに基づいて特定された抽出対象期間の特徴量を用いて類似ユーザーを特定する場合、推薦処理部２４は、この抽出対象時間の情報を、コンテンツ推薦の理由を示す情報としてクライアント装置３に送信してもよい。こうすれば、注目ユーザーに推薦コンテンツを提示する際に、併せて推薦の根拠を提示することができる。例えば１日のうちの特定の時間帯（ここでは朝の時間帯とする）を抽出対象期間として算出された特徴量を用いて類似ユーザーが特定されたとする。すると、朝の時間帯によくゲームをプレイするユーザーが所有しているコンテンツが注目ユーザーに推薦される。このときクライアント装置３は、「朝の時間帯にゲームをプレイする人が遊んでいます」などのメッセージを付加してコンテンツを推薦する。注目ユーザーは、このような推薦の根拠を示す情報を、推薦されたコンテンツを購入するか否かの判断に利用することができる。

また、推薦コンテンツは、コンテンツ推薦要求が行われた時間に応じて選出されてもよい。例えば朝の時間帯にクライアント装置３からコンテンツ推薦要求が行われた場合、類似性評価部２３は、その朝の時間帯を抽出対象期間として算出された特徴量を用いて、類似ユーザーを特定する。そして、推薦処理部２４は、特定された類似ユーザーが所有しているコンテンツを推薦する。こうすると、時間帯に応じて、その時々のタイミングでプレイするユーザーが多いゲームを要求元のユーザーに推薦することができる。

また、推薦処理部２４は、特定のゲームについて、そのプレイ時間を推薦してもよい。この場合において対象となるゲーム（以下、対象ゲームという）は、これまで説明した方法で推薦処理部２４が推薦コンテンツとして選出したゲームであってもよいし、既に注目ユーザーが所有しているゲームであってもよい。いずれにせよ、対象ゲームが特定されると、推薦処理部２４は、特徴量算出部２２が当該対象ゲーム、及び複数の抽出対象期間のそれぞれを抽出条件として算出した特徴量を用いて、その対象ゲームがどの時間帯により多くプレイされているかを特定する。そして、その特定された時間帯をプレイ推奨時間として注目ユーザーに推薦する。こうすれば、注目ユーザーがこれからプレイしようとしているゲームについて、どの時間帯に多く遊ばれているかを注目ユーザーに知らせることができる。これにより、オンラインゲームであれば一緒にプレイするユーザーを探しやすくしたり、オンラインゲームでなくともそのゲームに関する話題で他のユーザーとコミュニケーションを取りやすくしたりすることが期待できる。

また、推薦処理部２４は、注目ユーザーが複数のユーザー（例えば注目ユーザーのフレンドとして登録されたユーザー）のリストから特定のユーザーを選択した場合に、特徴量算出部２２が算出した特徴量を用いて、選択されたユーザーがより多くプレイしているゲームや、より多くプレイしている時間帯を特定し、注目ユーザーに通知してもよい。これにより注目ユーザーは、特定のユーザーとともにプレイするのに適したゲームや時間帯を知ることができる。

また、推薦処理部２４は、類似ユーザーそのものを注目ユーザーに対する推薦対象としてもよい。例えばソーシャルネットワーク型のゲームシステムでは、複数のユーザー間でフレンド登録が行われる。情報処理システム１は、フレンド登録されたユーザー間でお互いのゲームのプレイ状況を相手に通知したりすることで、ユーザー同士のコミュニケーションを促進する。本実施形態では、新たなフレンド候補を探す注目ユーザーがいる場合に、以上説明した処理によってその注目ユーザーに類似すると判定された類似ユーザーを、フレンド候補として推薦してもよい。これにより、よりプレイスタイルやゲームの好みなどが近いユーザーをフレンド候補として推薦することができる。また、フレンド候補としての推薦に限らず、注目ユーザーがオンラインゲームの対戦相手や共闘相手を探している場合に、類似ユーザーを推薦することとしてもよい。

また、推薦処理部２４は、注目ユーザーに推薦するコンテンツを選出する際に、不特定のユーザーが所有しているコンテンツの中から推薦コンテンツを選出するのではなく、注目ユーザーのフレンドとして登録されたユーザー（フレンドユーザー）が所有しているコンテンツの中から推薦コンテンツを選出してもよい。この場合、類似性評価部２３は、注目ユーザーと各フレンドユーザーとの間で類似性を評価し、フレンドユーザーを注目ユーザーと類似する順にソートする。そして、注目ユーザーにより類似するフレンドユーザーが所有しているコンテンツを優先的に推薦する。また、単にフレンドユーザーが所有しているコンテンツを推薦するのではなく、フレンドユーザーの達成度が高いコンテンツや、フレンドユーザーが比較的最近プレイしているコンテンツを優先的に推薦してもよい。

以上説明した本発明の実施の形態によれば、時間に着目して算出された特徴量を用いてユーザー間の類似性を評価するので、行動サイクルや嗜好の時間変化が注目ユーザーと近いユーザーを類似ユーザーとして見出すことができる。また、各ユーザーがコンテンツをどのように利用しているかを示す行動データを取得し、その行動データに基づいてユーザー間の類似性を評価するので、単にコンテンツに対する嗜好が近いだけでなく、コンテンツの利用態様が近いユーザーを見出すことができる。

また、以下に説明するように、本実施形態に係る情報処理システム１によれば、従来の手法よりも精度よく類似ユーザーを見つけることのできる可能性が高くなる。具体的に、例えば各ユーザーがどのコンテンツを購入したかを用いて協調フィルタリングによって類似ユーザーを特定する場合、たまたま特殊なコンテンツを共通して購入した、実際には嗜好が異なる他のユーザーを類似すると判定してしまうというデータのスパース性の問題が知られている。本実施形態では、ユーザーがコンテンツを長期にわたって利用することによって蓄積される行動データに対して、複数の抽出対象期間を用いて様々な観点で抽出を行うことによって、多数の特徴量を算出することができる。より具体的に、例えば注目ユーザーがあるタイミングでトロフィーを獲得したという一つの行動が、月曜日を抽出対象期間とする特徴量の算出、直近の過去１ヶ月間を抽出対象期間とする特徴量の算出、深夜の時間帯を抽出対象期間とする特徴量の算出などといった複数の観点での特徴量の算出に用いられることになる。そして、類似性評価部２３は、前述したように、特徴量算出部２２が算出した特徴量の中から、注目ユーザーの特徴を反映した特徴量などを実際に使用する特徴量として選択し、選択された特徴量を用いて類似ユーザーの特定を行う。これにより、有意な内容の特徴量を用いて類似性の評価を行うことができ、データのスパース性の問題を回避しやすくなる。また、さらに類似性評価の精度を向上させるために、類似性評価部２３は、各種の条件によって選出された複数の特徴量からなる特徴量セットを複数種類決定し、この複数種類の特徴量セットのそれぞれを用いて類似性評価を行ってもよい。この場合、例えばＮ種類の特徴量セットのそれぞれを用いて類似性評価を行うことで、Ｎ組の類似ユーザー群が得られる。そして、類似性評価部２３は、Ｎ組の類似ユーザー群のうち、その類似ユーザー群に属する類似ユーザーの数が所定の数値範囲に含まれるような類似ユーザー群を、注目ユーザーに類似する類似ユーザーのグループとして採用してもよい。こうすれば、適切なデータ規模の類似ユーザーを見出すことができる。

なお、本発明の実施の形態は以上説明したものに限られない。例えば以上の説明では推薦対象のコンテンツはゲームであることとしたが、サーバ装置２は、ゲーム以外にも音楽や映画、書籍、テレビ番組など各種のコンテンツをユーザーに推薦してもよい。また、行動データ取得部２１が取得するユーザーの行動データも、ゲームに限らず各種のコンテンツの購入や利用に関するものであってよい。特にコンテンツが音楽や映画などの時系列に沿って進行するものである場合、コンテンツの視聴開始や終了を示すデータを行動データとしてもよい。また、ゲームの達成度に代えて、コンテンツをどこまで視聴したかを示す進捗度に基づいて特徴量を算出して用いてもよい。また、コンテンツが電子書籍や文書データなどの場合、そのコンテンツを読み始めたタイミングや最終ページまで読み終えたタイミングを示すデータを行動データとしてもよい。また、コンテンツを何ページまで読み進めたかを示す進捗度に基づいて特徴量を算出して用いてもよい。また、コンテンツがテレビ番組やラジオ番組などの放送プログラムである場合、この放送プログラムの視聴を行動データとするだけでなく、放送プログラムの録画／録音予約を行動データとしてもよい。また、ユーザーが録画／録音した放送プログラムを後から視聴した場合、その視聴を行動データとしてもよい。これにより、例えばどの程度早い段階でユーザーが録画／録音予約を行ったか、録画／録音された放送プログラムを放送後すぐに見たか否かなどの観点でユーザー間の類似性を評価することができる。

また、行動データ取得部２１は、コンテンツの利用に関するものだけでなく、ユーザーがクライアント装置３を使用して行う、又はクライアント装置３に対して入力する各種の行動に関する行動データを取得してよい。これにより、本実施形態に係る情報処理システムを用いていわゆるライフログや医療分野のデータを解析し、ユーザー間の類似性を評価することもできる。

また、類似性評価処理に用いる特徴量は、以上説明したようなコンテンツの利用に関するものだけに限られない。例えば特徴量算出部２２は、情報処理システム１上におけるユーザー間の交友関係などを示す各種のデータを用いて特徴量を算出してもよい。具体的に、ユーザー間のフレンドとしての結びつきを示すグラフの特徴を特徴量としてもよい。このような特徴量の具体例としては、各ユーザーのフレンド数や、フレンドのフレンドの数などが挙げられる。

また、サーバ装置２は、以上の説明における、複数の抽出対象期間について算出された特徴量を用いた類似性評価処理を、公知の他の類似性評価処理と組み合わせて利用することとしてもよい。一例として、まずサーバ装置２は、購入したコンテンツのタイトルだけに基づく公知の類似性評価処理を行って、注目ユーザーと類似する複数の類似ユーザーを特定する。そして、特定された複数の類似ユーザーについて、前述した複数の抽出対象期間に対応する特徴量を用いた類似性評価処理を実行することにより、各ユーザーとの間の類似度を算出する。そして、類似度が高いと判定された類似ユーザーが所有するコンテンツを優先的に推薦コンテンツとして選出する。このような手法によれば、全ユーザー間で複数の抽出対象期間に対応する特徴量を用いて類似性評価処理を実行する場合と比較して、処理負荷を減らすことができる。

また、推薦処理部２４が一度推薦コンテンツを注目ユーザーに推薦した場合、その推薦結果に対するユーザーの反応がフィードバックされることとしてもよい。この場合、サーバ装置２は、推薦コンテンツを注目ユーザーが購入したか否かを示す情報をクライアント装置３から取得する。そして、注目ユーザーが推薦コンテンツを購入した場合には、その推薦コンテンツを選出する際に用いられた特徴量を、次回以降の類似性評価処理を実行する際により重視することとする。これにより、より有効な推薦を行えるよう推薦の精度を高めることができる。同様に、推薦処理部２４が注目ユーザーに推薦する対象がユーザーや時間帯の場合にも、その推薦の結果に対する注目ユーザーの反応をフィードバックとして受け付けてもよい。具体的に、例えば推薦処理部２４がゲームの対戦相手やフレンド候補のユーザーを注目ユーザーに推薦した場合、サーバ装置２は、注目ユーザーがその推薦に従ってゲーム対戦を行ったか、あるいはフレンド申請を行ったかを示す情報をフィードバック情報として取得する。また、時間帯を推薦した場合、推薦した時間帯に実際に注目ユーザーがゲームをプレイしたか否かをフィードバック情報として取得する。そして、推薦が有効だったことを示すフィードバック情報が得られた場合、類似性評価部２３は、その推薦対象を選出する際に用いた特徴量を重視して次回以降の類似性評価処理を実行すればよい。

１情報処理システム、２サーバ装置、３クライアント装置、１１制御部、１２記憶部、１３通信部、２１行動データ取得部、２２特徴量算出部、２３類似性評価部、２４推薦処理部。

Claims

注目ユーザーによるゲームの利用について、その利用時期を含むデータを取得するデータ取得部と、
前記取得されたデータを用いて、少なくとも互いに異なる第１及び第２の期間のそれぞれに前記注目ユーザーが利用した前記ゲームの種類別に、当該ゲームについて算出される達成度を用いて前記利用の特徴を示す特徴量を算出する特徴量算出部と、
前記算出された特徴量の少なくとも一部を用いて、前記注目ユーザーと他のユーザーとの間の類似性を評価する評価部と、
を含むことを特徴とする情報処理装置。
注目ユーザーが行った行動について、その行動時期を含む行動データを取得する行動データ取得部と、
前記取得された行動データを用いて、少なくとも互いに異なる第１及び第２の期間のそれぞれに前記注目ユーザーが行った前記行動の特徴を示す特徴量を算出する特徴量算出部と、
前記算出された特徴量のうちの一部の特徴量を用いて、前記注目ユーザーと他のユーザーとの間の類似性を評価する評価部と、
前記評価部による評価結果において注目ユーザーに類似すると判定された類似ユーザー又は当該類似ユーザが所有するコンテンツを、当該注目ユーザーに推薦コンテンツとして推薦し、前記一部の特徴量に対応する期間の情報を、前記推薦の理由を示す情報として前記注目ユーザーに提示する推薦部と、
を含むことを特徴とする情報処理装置。
注目ユーザーによるコンテンツの利用について、その利用時期を含むデータを取得するデータ取得部と、
前記取得されたデータを用いて、少なくとも互いに異なる第１及び第２の期間のそれぞれに前記注目ユーザーが利用した前記コンテンツの種類別に、当該コンテンツをどの程度視聴したかを示す進捗度を用いて前記利用の特徴を示す特徴量を算出する特徴量算出部と、
前記算出された特徴量の少なくとも一部を用いて、前記注目ユーザーと他のユーザーとの間の類似性を評価する評価部と、
を含むことを特徴とする情報処理装置。
請求項１から３のいずれか一項に記載の情報処理装置において、
前記第１及び第２の期間の少なくとも一方は、周期的に繰り返される期間である
ことを特徴とする情報処理装置。
請求項１から３のいずれか一項に記載の情報処理装置において、
前記第１及び第２の期間は、互いに異なる長さの期間である
ことを特徴とする情報処理装置。
データ取得手段が、注目ユーザーによるゲームの利用について、その利用時期を含むデータを取得するステップと、
特徴量算出手段が、前記取得された行動データを用いて、少なくとも互いに異なる第１及び第２の期間のそれぞれに前記注目ユーザーが利用した前記ゲームの種類別に、当該ゲームについて算出される達成度を用いて前記利用の特徴を示す特徴量を算出するステップと、
評価手段が、前記算出された特徴量の少なくとも一部を用いて、前記注目ユーザーと他のユーザーとの間の類似性を評価するステップと、
を含むことを特徴とする情報処理方法。
行動データ取得手段が、注目ユーザーが行った行動について、その行動時期を含む行動データを取得するステップと、
特徴量算出手段が、前記取得されたデータを用いて、少なくとも互いに異なる第１及び第２の期間のそれぞれに前記注目ユーザーが行った前記行動の特徴を示す特徴量を算出するステップと、
評価手段が、前記算出された特徴量のうちの一部の特徴量を用いて、前記注目ユーザーと他のユーザーとの間の類似性を評価するステップと、
推薦手段が、前記評価するステップによる評価結果において注目ユーザーに類似すると判定された類似ユーザー又は当該類似ユーザが所有するコンテンツを、当該注目ユーザーに推薦コンテンツとして推薦し、前記一部の特徴量に対応する期間の情報を、前記推薦の理由を示す情報として前記注目ユーザーに提示するステップと、
を含むことを特徴とする情報処理方法。
データ取得手段が、注目ユーザーによるコンテンツの利用について、その利用時期を含むデータを取得するステップと、
特徴量算出手段が、前記取得されたデータを用いて、少なくとも互いに異なる第１及び第２の期間のそれぞれに前記注目ユーザーが利用した前記コンテンツの種類別に、当該コンテンツをどの程度視聴したかを示す進捗度を用いて前記利用の特徴を示す特徴量を算出するステップと、
評価手段が、前記算出された特徴量の少なくとも一部を用いて、前記注目ユーザーと他のユーザーとの間の類似性を評価するステップと、
を含むことを特徴とする情報処理方法。
注目ユーザーによるゲームの利用について、その利用時期を含むデータを取得するステップと、
前記取得されたデータを用いて、少なくとも互いに異なる第１及び第２の期間のそれぞれに前記注目ユーザーが利用した前記ゲームの種類別に、当該ゲームについて算出される達成度を用いて前記利用の特徴を示す特徴量を算出するステップと、
前記算出された特徴量の少なくとも一部を用いて、前記注目ユーザーと他のユーザーとの間の類似性を評価するステップと、
をコンピュータに実行させるためのプログラム。
注目ユーザーが行った行動について、その行動時期を含む行動データを取得するステップと、
前記取得された行動データを用いて、少なくとも互いに異なる第１及び第２の期間のそれぞれに前記注目ユーザーが行った前記行動の特徴を示す特徴量を算出するステップと、
前記算出された特徴量のうちの一部の特徴量を用いて、前記注目ユーザーと他のユーザーとの間の類似性を評価するステップと、
前記評価するステップによる評価結果において注目ユーザーに類似すると判定された類似ユーザー又は当該類似ユーザが所有するコンテンツを、当該注目ユーザーに推薦コンテンツとして推薦し、前記一部の特徴量に対応する期間の情報を、前記推薦の理由を示す情報として前記注目ユーザーに提示するステップと、
をコンピュータに実行させるためのプログラム。
注目ユーザーによるコンテンツの利用について、その利用時期を含むデータを取得するステップと、
前記取得されたデータを用いて、少なくとも互いに異なる第１及び第２の期間のそれぞれに前記注目ユーザーが利用した前記コンテンツの種類別に、当該コンテンツをどの程度視聴したかを示す進捗度を用いて前記利用の特徴を示す特徴量を算出するステップと、
前記算出された特徴量を用いて、前記注目ユーザーと他のユーザーとの間の類似性を評価するステップと、
をコンピュータに実行させるためのプログラム。
請求項９から１１のいずれか一項に記載のプログラムを格納した、コンピュータ読み取り可能な情報記憶媒体。