JP6500377B2

JP6500377B2 - 情報処理装置及びプログラム

Info

Publication number: JP6500377B2
Application number: JP2014190733A
Authority: JP
Inventors: 剛史山下
Original assignee: Fuji Xerox Co Ltd; Fujifilm Business Innovation Corp
Current assignee: Fujifilm Business Innovation Corp
Priority date: 2014-09-19
Filing date: 2014-09-19
Publication date: 2019-04-17
Anticipated expiration: 2034-09-19
Also published as: JP2016062381A

Description

本発明は、情報処理装置及びプログラムに関する。

ユーザのアプリケーションやコンテンツの利用履歴から当該ユーザの嗜好に合致したアプリケーション等を推薦する技術が提案されている。近年では、アプリケーションの利用履歴から得られるユーザ間の嗜好の類似関係に基づき、あるユーザに対して他のユーザの嗜好を参照にアプリケーション等を推薦する技術が提案されている（例えば、特許文献１，２）。

特開２０１２−２２６５０号公報特開２００５−３３６００号公報

ところで、一般的に、第１の機器と異なるカテゴリの第２の機器を利用する場合に、当該第２の機器についてのあるユーザの利用履歴がない場合には当該第２の機器に搭載するアプリケーション利用履歴から得られるユーザ間の嗜好の類似関係に基づき当該あるユーザに対して他のユーザの嗜好を参照して当該第２の機器に搭載するアプリケーションを当該あるユーザに推薦することができない。

本発明は、第１の機器と異なるカテゴリの第２の機器についてあるユーザの利用履歴がない場合であっても、第１の機器に搭載されたアプリケーションの利用履歴を利用して第１の機器とは異なるカテゴリの第２の機器に搭載するアプリケーションを当該あるユーザへ推薦することを目的とする。

本発明に係るプログラムは、コンピュータを、推薦対象の利用者が利用する第１の機器であって第１のカテゴリに含まれる第１の機器に搭載された各アプリケーションの利用実績を参照して前記第１の機器の各利用者の当該各アプリケーションに対する嗜好度を算出する第１嗜好度算出手段、前記第１嗜好度算出手段により算出された嗜好度に基づき前記第１の機器の利用者をアプリケーションの嗜好が類似する利用者毎に分類することで複数のグループを形成する第１形成手段、前記第１のカテゴリとは異なる第２のカテゴリに含まれる第２の機器に搭載された各アプリケーションの利用実績を参照して前記第２の機器の各利用者の当該各アプリケーションに対する嗜好度を算出する第２嗜好度算出手段、前記第２嗜好度算出手段により算出された嗜好度に基づき前記第２の機器の利用者をアプリケーションの嗜好が類似する利用者毎に分類することで複数のグループを形成する第２形成手段、前記第２形成手段により形成されたグループの中から、前記第１形成手段により形成され前記推薦対象の利用者が属するグループに属する利用者とアプリケーションの嗜好が類似する利用者が属するグループを選出する選出手段、前記選出手段により選出されたグループに属する利用者の前記第２の機器に搭載されたアプリケーションの利用実績を参照して当該各アプリケーションの推奨度を算出する推奨度算出手段、前記推奨度に基づき前記推薦対象の利用者に推奨する前記第２の機器のアプリケーションを特定し、提示する提示手段、として機能させ、前記各嗜好度算出手段は、前記各アプリケーションの利用実績をアプリケーション毎利用者毎に集計することによって各アプリケーションの利用回数を利用者毎に算出し、その算出した利用回数を参照して各利用者の当該各アプリケーションに対する嗜好度を算出することを特徴とする。

本発明に係るプログラムは、コンピュータを、推薦対象の利用者が利用する第１の機器であって第１のカテゴリに含まれる第１の機器に搭載された各アプリケーションの利用実績を参照して前記第１の機器の各利用者の当該各アプリケーションに対する嗜好度を算出する第１嗜好度算出手段、前記第１嗜好度算出手段により算出された嗜好度に基づき前記第１の機器の利用者をアプリケーションの嗜好が類似する利用者毎に分類することで複数のグループを形成する第１形成手段、前記第１のカテゴリとは異なる第２のカテゴリに含まれる第２の機器に搭載された各アプリケーションの利用実績を参照して前記第２の機器の各利用者の当該各アプリケーションに対する嗜好度を算出する第２嗜好度算出手段、前記第２嗜好度算出手段により算出された嗜好度に基づき前記第２の機器の利用者をアプリケーションの嗜好が類似する利用者毎に分類することで複数のグループを形成する第２形成手段、前記第２形成手段により形成されたグループの中から、前記第１形成手段により形成され前記推薦対象の利用者が属するグループに属する利用者とアプリケーションの嗜好が類似する利用者が属するグループを選出する選出手段、前記選出手段により選出されたグループに属する利用者の前記第２の機器に搭載されたアプリケーションの利用実績を参照して当該各アプリケーションの推奨度を算出する推奨度算出手段、前記推奨度に基づき前記推薦対象の利用者に推奨する前記第２の機器のアプリケーションを特定し、提示する提示手段、として機能させ、前記各嗜好度算出手段は、予め決められた計算方法を用いることで、相対的に多くの利用者に利用されるアプリケーションの嗜好度が小さくなるよう補正することを特徴とする。

また、前記選出手段は、前記第２形成手段により形成されたグループの中から、前記第１形成手段により形成され前記推薦対象の利用者が属するグループに属する利用者と予め設定された閾値以上に、属する利用者が重複しているグループを選出することを特徴とする。

また、前記提示手段は、前記選出手段により選出されたグループに属する利用者の前記第２の機器に搭載された各アプリケーションの嗜好度をアプリケーション毎に集計して当該各アプリケーションの推奨度を算出することを特徴とする。

また、前記提示手段は、前記推奨度が予め設定された閾値以上のアプリケーションの中から前記推薦対象の利用者に提示するアプリケーションを特定することを特徴とする。

本発明に係る情報処理装置は、推薦対象の利用者が利用する第１の機器であって第１のカテゴリに含まれる第１の機器に搭載された各アプリケーションの利用実績を参照して前記第１の機器の各利用者の当該各アプリケーションに対する嗜好度を算出する第１嗜好度算出手段と、前記第１嗜好度算出手段により算出された嗜好度に基づき前記第１の機器の利用者をアプリケーションの嗜好が類似する利用者毎に分類することで複数のグループを形成する第１形成手段と、前記第１のカテゴリとは異なる第２のカテゴリに含まれる第２の機器に搭載された各アプリケーションの利用実績を参照して前記第２の機器の各利用者の当該各アプリケーションに対する嗜好度を算出する第２嗜好度算出手段と、前記第２嗜好度算出手段により算出された嗜好度に基づき前記第２の機器の利用者をアプリケーションの嗜好が類似する利用者毎に分類することで複数のグループを形成する第２形成手段と、前記第２形成手段により形成されたグループの中から、前記第１形成手段により形成され前記推薦対象の利用者が属するグループに属する利用者とアプリケーションの嗜好が類似する利用者が属するグループを選出する選出手段と、前記選出手段により選出されたグループに属する利用者の前記第２の機器に搭載されたアプリケーションの利用実績を参照して当該各アプリケーションの推奨度を算出する推奨度算出手段と、前記推奨度に基づき前記推薦対象の利用者に推奨する前記第２の機器のアプリケーションを特定し、提示する提示手段と、を有し、前記各嗜好度算出手段は、前記各アプリケーションの利用実績をアプリケーション毎利用者毎に集計することによって各アプリケーションの利用回数を利用者毎に算出し、その算出した利用回数を参照して各利用者の当該各アプリケーションに対する嗜好度を算出することを特徴とする。

請求項１に記載の発明によれば、第１の機器に搭載されたアプリケーションの利用履歴を利用して第１の機器とは異なるカテゴリの第２の機器に搭載するアプリケーションを推薦することができる。

請求項２に記載の発明によれば、各ユーザのアプリケーションの嗜好度をより正確に求めることができる。

請求項３に記載の発明によれば、推薦対象の利用者が属する第１の機器のグループと関連性のある第２の機器のグループを選出することができる。

請求項４に記載の発明によれば、推薦対象の利用者とアプリケーションの嗜好が合致するユーザのアプリケーションの嗜好に基づき、推薦対象の利用者に第２の機器に搭載するアプリケーションを推薦することができる。

請求項５に記載の発明によれば、推薦対象の利用者に対して推薦するのにふさわしいアプリケーションのみを推薦することができる。

請求項６に記載の発明によれば、第１の機器に搭載されたアプリケーションの利用履歴を利用して第１の機器とは異なるカテゴリの第２の機器に搭載するアプリケーションを推薦することができる。

本発明に係る情報処理装置の一実施の形態を示すブロック構成図である。本実施の形態における情報処理装置のハードウェア構成図である。本実施の形態における利用情報蓄積部に蓄積された利用情報のデータ構成の一例を示した図である。本実施の形態における推薦処理を示したフローチャートである。本実施の形態における利用実績情報記憶部に登録された利用実績情報のデータ構成の一例を示した図である。本実施の形態における嗜好性情報記憶部に登録された嗜好性情報のデータ構成の一例を示した図である。本実施の形態において関連度を算出する際のＰＣとスマートフォンの各グループの関係を示した概念図である。本実施の形態において推薦対象のユーザとアプリケーションの嗜好が類似するユーザの嗜好性情報のデータ構成の一例を示した図である。

以下、図面に基づいて、本発明の好適な実施の形態について説明する。

図１は、本発明に係る情報処理装置の一実施の形態を示すブロック構成図である。図１には、パーソナルコンピュータ（ＰＣ）１、スマートフォン（スマホ）２，３及び情報処理装置１０が示されている。本実施の形態において、第１の機器としてのＰＣ１及び第２の機器としてのスマートフォン２，３は、各ユーザにより個人的に使用される機器である。各ユーザはそれぞれ、基本的にＰＣ１とスマートフォン２，３の双方の機器を使用する。本実施の形態では、第２の機器の使用をこれから開始しようとするユーザに対して、第２の機器に搭載するアプリケーションを推薦するが、スマートフォン３は、特にアプリケーションの推薦対象とするユーザが個人的に使用する第２の機器に該当する。スマートフォン２は、推薦対象とするユーザ以外のユーザにより以前から使用されている第２の機器である。

ＰＣ１及びスマートフォン２，３には、それぞれユーザの操作状況を監視するエージェントがインストールされており、ユーザがアプリケーションを起動して利用を開始すると、エージェントは、その利用されたアプリケーションを識別する情報を含む利用情報を情報処理装置１０に送信する。

図２は、本実施の形態における情報処理装置１０のハードウェア構成図である。本実施の形態における情報処理装置１０は、ＰＣ等の汎用的なコンピュータで実現してよい。すなわち、情報処理装置１０は、ＣＰＵ３１、ＲＯＭ３２、ＲＡＭ３３、ハードディスクドライブ（ＨＤＤ）３４、入力手段として設けられたマウス３５とキーボード３６、及び表示装置として設けられたディスプレイ３７をそれぞれ接続する入出力コントローラ３８、通信手段として設けられたネットワークコントローラ３９を内部バス４０に接続して構成される。ＰＣ１も情報処理装置１０と同様のハードウェア構成でよい。スマートフォン２，３もＰＣと同様にＣＰＵ、ＲＡＭを搭載し、また形態は異なるもののストレージ、入出力手段を有している。

図１に戻り、本実施の形態における情報処理装置１０は、利用情報収集部１１、集計処理部１２、嗜好度算出部１３、グループ化処理部１４、関連グループ選出部１５、推薦処理部１６、利用情報蓄積部２１、利用実績情報記憶部２２、嗜好性情報記憶部２３及びグループ情報記憶部２４を有している。

利用情報収集部１１は、ＰＣ１及びスマートフォン２から送信されてくる利用情報を収集して利用情報蓄積部２１に登録する。集計処理部１２及び嗜好度算出部１３は、第１嗜好度算出手段及び第２嗜好度算出手段として設けられている。このうち、集計処理部１２は、利用情報蓄積部２１に蓄積されたＰＣ１に搭載された各アプリケーションの利用実績を参照してＰＣ１の各利用者の当該各アプリケーションに対する嗜好度を算出し、その算出結果を利用実績情報として利用実績情報記憶部２２に登録する。同様に、利用情報蓄積部２１に蓄積されたスマートフォン２に搭載された各アプリケーションの利用実績を参照してスマートフォン２の各利用者の当該各アプリケーションに対する嗜好度を算出し、その算出結果を利用実績情報として利用実績情報記憶部２２に登録する。嗜好度算出部１３は、予め決められた計算方法を用いることで、利用実績情報記憶部２２に記憶された利用実績情報をユーザに利用されるアプリケーションの嗜好度を示す指標とした場合、この嗜好度のうち相対的に多くのユーザに利用されるアプリケーションの嗜好度が小さくなるよう補正し、その補正した嗜好度を嗜好性情報記憶部２３に登録する。

グループ化処理部１４は、第１形成手段として設けられ、嗜好度算出部１３により算出されたＰＣ１に搭載された各アプリケーションの嗜好度に基づきＰＣ１のユーザをアプリケーションの嗜好が類似するユーザ毎に分類することで複数のグループを形成し、その形成したＰＣ１のグループをグループ情報記憶部２４に登録する。グループ化処理部１４は、また第２形成手段として設けられ、嗜好度算出部１３により算出されたスマートフォン２に搭載された各アプリケーションの嗜好度に基づきスマートフォン２のユーザをアプリケーションの嗜好が類似するユーザ毎に分類することで複数のグループを形成し、その形成したスマートフォン２のグループをグループ情報記憶部２４に登録する。関連グループ選出部１５は、選出手段として設けられ、グループ化処理部１４により形成されたスマートフォン２のグループの中から、推薦対象のユーザと同じＰＣ１のグループに属するユーザとアプリケーションの嗜好が類似するユーザが属するグループを選出する。推薦処理部１６は、推奨度算出手段として設けられ、関連グループ選出部１５により選出されたグループに属するユーザのスマートフォン２に搭載されたアプリケーションの利用実績を参照して当該各アプリケーションの推奨度を算出する。推薦処理部１６はまた、提示手段として設けられ、算出した推奨度に基づき推薦対象のユーザに推奨するスマートフォン３のアプリケーションを特定し、提示する。

情報処理装置１０における各構成要素１１〜１６は、情報処理装置１０を形成するコンピュータと、コンピュータに搭載されたＣＰＵ３１で動作するプログラムとの協調動作により実現される。また、各記憶手段２１〜２４は、情報処理装置１０に搭載されたＨＤＤ３４にて実現される。あるいは、ＲＡＭ３３又は外部にある記憶手段をネットワーク経由で利用してもよい。

また、本実施の形態で用いるプログラムは、通信手段により提供することはもちろん、ＣＤ−ＲＯＭやＵＳＢメモリ等のコンピュータ読み取り可能な記録媒体に格納して提供することも可能である。通信手段や記録媒体から提供されたプログラムはコンピュータにインストールされ、コンピュータのＣＰＵ３１がプログラムを順次実行することで各種処理が実現される。

本実施の形態は、推薦対象のユーザとＰＣ１のアプリケーションの嗜好が類似するＰＣ１の他のユーザの、ＰＣ１とは異なるカテゴリのスマートフォン２におけるアプリケーションの嗜好に基づき、推薦対象のユーザにスマートフォン２のアプリケーションを推薦することを特徴としている。ここで、本実施の形態において「カテゴリ」というのは、機器の種類を示し、一般に、ＰＣ、スマートフォン、タブレット端末、テレビ、ＤＶＤレコーダ、冷蔵庫、エアコン等の一般名称で表せる。例えば、ＰＣであれば、メーカ、型番、性能、型式（デスクトップ型、ノート型等）等が異なっても同一のカテゴリに含まれる。ＤＶＤレコーダとブルーレイレコーダ等用途が同じであれば、同じカテゴリにまとめてもよい。但し、本実施の形態において取り扱う機器は、アプリケーションをインストールして実行可能な機能が搭載されている必要はある。

次に、本実施の形態における推薦処理について説明する。本実施の形態では、ＰＣ１のユーザがＰＣ１とは異なるカテゴリに属するスマートフォン３の利用をこれから開始しようとするため、あるいは利用を開始してから日が浅いため、このスマートフォン３のユーザをアプリケーションの推薦対象として、スマートフォン３のアプリケーションを推薦する場合を例にして説明する。なお、本実施の形態では、説明の便宜上、アプリケーションのバージョンを考慮しないものとして説明する。つまり、同じアプリケーションであれば同一のアプリケーションとして取り扱う。

推薦対象のユーザに対してスマートフォン３のアプリケーションを推薦するためには、ＰＣ１及びスマートフォン２から利用情報を収集、蓄積しておく必要がある。すなわち、ＰＣ１及びスマートフォン２においてアプリケーションが利用されると、そのアプリケーションが利用されたＰＣ１あるいはスマートフォン２にインストールされたエージェントは、自機器、自機器を使用するユーザ及び利用されたアプリケーションの各識別情報を含む利用情報を情報処理装置１０に送信することで、アプリケーションの利用を通知する。利用情報収集部１１は、いずれかのＰＣ１あるいはスマートフォン２から送信されてきた利用情報を受信すると、その受信した利用情報を利用情報蓄積部２１に登録する。なお、利用情報収集部１１は、必ずしもＰＣ１及びスマートフォン２から直接収集する必要はなく、他のコンピュータを介して間接的に収集するようにしてもよい。

図３は、本実施の形態における利用情報蓄積部２１に蓄積される利用情報のデータ構成例を示した図である。利用情報は、機器が利用された日時を示す「利用日時」、利用された機器の識別情報として機器ＩＤが設定される「機器」、利用したユーザの識別情報としてユーザＩＤが設定される「ユーザ」及び利用されたアプリケーションの識別情報としてアプリケーションＩＤが設定される「アプリケーション」を含む。

以下、本実施の形態における推薦処理について図４に示したフローチャートを用いて説明する。前述した利用情報の収集は常時行われているが、本実施の形態における推薦処理は、推薦したいタイミングで実施すればよい。

ステップ１１０において、集計処理部１２は、利用情報の「機器」を参照することによってＰＣ１から収集した利用情報をＰＣ１に搭載されたアプリケーションの利用実績として利用情報蓄積部２１から抽出し、ユーザ毎アプリケーション毎に集計する。集計する期間は、例えば現時点から遡って半年など所望の期間を設定してよい。ただ、集計対象とする期間が短すぎると収集される利用情報の数が少なく正しい結果（推薦するのに適切なアプリケーション）が得られない可能性が生じやすいので、ある程度の長さの期間を設定するのが好ましい。集計処理部１２は、集計値から単位時間当たりの利用回数を利用実績情報として利用実績情報記憶部２２に登録する。

図５は、本実施の形態における利用実績情報記憶部２２に登録されたＰＣ１の利用実績情報が示した図である。利用実績情報は、ＰＣ１に搭載された各アプリケーションの単位時間当たりの各ユーザの利用回数を示す情報である。「ユーザ」にはアプリケーションを利用したユーザのユーザＩＤが設定される。「ａｐｐ００１」、「ａｐｐ００２」及び「ａｐｐ００３」は、ユーザにより利用されたアプリケーションのアプリケーションＩＤであり、アプリケーション毎に各ユーザにより利用された回数が設定される。図５では、便宜的にＰＣ１で利用された閲覧ソフトウェアに該当する３種類のアプリケーション（ａｐｐ００１、ａｐｐ００２及びａｐｐ００３）のみを示したが、ＰＣ１に搭載されたアプリケーション全てに対してアプリケーション毎ユーザ毎に利用回数が集計され利用実績情報記憶部２２に登録される。ところで、アプリケーションが利用されるためには起動される必要がある。本実施の形態においてアプリケーションの「利用回数」というのは、起動後に操作された回数ではなく、アプリケーションの起動回数と同義である。起動回数が多いほど、当該アプリケーションは当該ユーザによって気に入られてよく利用されている、すなわち当該ユーザの嗜好に合致したアプリケーションであるということになる。

図５における数値例を参照すると、ユーザＡは、ａｐｐ００３と比較して、ａｐｐ００１，ａｐｐ００２をよく利用していることから、ユーザＡの利用実績情報からは、閲覧ソフトとしてａｐｐ００１及びａｐｐ００２を気に入って利用している（嗜好していることから嗜好度が高い）と判断しうる。なお、嗜好（度）に関しては更に後述する。

集計処理部１２はまた、スマートフォン２に対してもＰＣ１と同様に処理して、スマートフォン２における各ユーザのアプリケーション利用をユーザ毎アプリケーション毎に集計して利用実績情報を生成し、利用実績情報記憶部２２に登録する。

なお、集計処理部１２における利用回数の集計対象期間が長い場合において、集計対象期間の当初は頻繁に利用していたものの最近はほとんど利用しなくなったアプリケーションが存在するかもしれない。つまり、ユーザのアプリケーションに対する嗜好が変わったのかもしれない。従って、このような嗜好の遷移の状況を考慮し、集計対象期間を小計を求める複数の期間に分割し、古い分割期間ほど利用回数が減算されるように調整してもよい。例えば、直近１週間の利用回数が１０回ならそのまま１０回として集計する。集計対象期間当初の１週間の利用回数が１０回なら所定の割合を乗算するなどして３回として集計する。このようにして嗜好の遷移を考慮するようにしてもよい。

続いて、嗜好度算出部１３は、利用実績情報を参照して嗜好度を算出する（ステップ１２０）。「嗜好度」とは、ユーザのアプリケーションに対するお気に入りの度合いを示す指標である。本実施の形態では、嗜好度をユーザのアプリケーションに対する嗜好性を示す指標として用いるが、前述したように、あるユーザにとって利用回数の多いアプリケーションは、当該ユーザの嗜好性と合致しているアプリケーションであると考えられる。しかしながら、多くのユーザに利用されているアプリケーションは、多くのユーザと嗜好性が合致しているとは限らず、例えば部署等の組織において利用が推奨された（スタンダード化された）アプリケーションであるために利用回数が多くなっているとも考えられる。つまり、利用実績情報が示す値（利用回数）が必ずしもユーザの嗜好を表していると決めつけにくいところもある。

そこで、本実施の形態では、利用実績情報（アプリケーションの利用回数）を嗜好度としてそのまま用いずに、嗜好度算出部１３を設けて利用実績情報を補正することにより嗜好度を算出するようにした。

本実施の形態では、文書要約や情報検索の分野で用いられているｔｆ−ｉｄｆという手法を利用して利用実績情報を補正することにする。この手法を用いることで、多くのユーザに利用されているアプリケーションの嗜好度を下げ、限定されたユーザによって利用されているアプリケーションの嗜好度が上がるように調整する。嗜好度は次の計算式により算出される。
嗜好度＝ｔｆ_ｉ，ｊ×ｉｄｆ_ｉ・・・（１）
式（１）において
ｔｆ_ｉ，ｊ＝ｎ_ｉ，ｊ／Σ_ｋｎ_ｋ，ｊ
但し、ｎ_ｉ，ｊはユーザｊがアプリケーションｉを利用した回数であり、Σ_ｋｎ_ｋ，ｊは全ユーザのアプリケーションｉの利用回数の総和である。
ｉｄｆ_ｉ＝ｌｏｇ（｜Ｄ｜／｜｛ｄ：ｄ∋ｔ_ｉ｝｜）
但し、｜Ｄ｜は総ユーザ数、｜｛ｄ：ｄ∋ｔ_ｉ｝｜はアプリケーションｉを利用したことのあるユーザ数である。

例えば、ユーザＡのアプリケーションａｐｐ００１の嗜好度は次のように算出できる。
ｔｆ_{Ａ，ａｐｐ００１}＝７／（７＋８＋１０＋９＋６＋９＋０＋９）＝０．１２１
ｉｄｆ_Ａ＝ｌｏｇ（８／７）＝０．０５８
よって、
嗜好度＝０．１２１×０．０５８＝０．００７０

嗜好度算出部１３は、ユーザ毎アプリケーション毎に嗜好度を算出すると、算出した嗜好度を含む嗜好性情報を嗜好性情報記憶部２３に登録する。

図６は、本実施の形態における嗜好性情報記憶部２３に登録された嗜好性情報のデータ構成例を示した図である。データ構成は、利用実績情報で同じでよく、ユーザ毎アプリケーション毎に設定される数値がアプリケーションの利用回数ではなく上記計算により算出された嗜好度となる。図６に示した数値例によると、ａｐｐ００１は、全体として利用回数の総和は大きかったものの利用ユーザ数が他のアプリケーションより多いため、相対的に小さい値の嗜好度が得られることになる。

続いて、グループ化処理部１４は、嗜好度算出部１３により生成された嗜好性情報を参照してＰＣ１のユーザ及びスマートフォン２のユーザをそれぞれアプリケーションの嗜好が類似するユーザ毎にグループ分けする（ステップ１３０）。利用実績情報（アプリケーションの利用回数）を嗜好度として用いてグループ化を行ってもよいが、本実施の形態では、前述したように嗜好度算出部１３により算出された嗜好度を用いてグループ化を行う。アプリケーションの嗜好が類似しているユーザは、アプリケーションの利用が類似すると考えられる。つまり、例えば閲覧ソフトウェアであれば、アプリケーションの嗜好が類似しているユーザは、複数種類の閲覧ソフトウェアの中から同じ閲覧ソフトウェアを選択して他の閲覧ソフトウェアより多く利用する、すなわち当該アプリケーション（閲覧ソフトウェア）の利用回数は相対的に大きい値を示すことになる。

アプリケーションの嗜好が類似しているユーザを分類する手法は特に問わないが、本実施の形態では、嗜好性情報を入力としてクラスタ分析を用いてアプリケーションの嗜好が類似しているユーザ毎に分類することで複数のグループを形成する。分類するグループの数（クラスタ数)は、アプリケーションの種類や数、ユーザ人数等に応じて適宜設定すればよい。グループ化処理部１４は、グループ分けにより形成したグループの識別情報（グループＩＤ）に、当該グループに属するユーザの識別情報（ユーザＩＤ）を対応付けしてグループ情報を生成してグループ情報記憶部２４に登録する。

なお、基本的には、嗜好性情報に含まれる全ユーザを対象に全てのアプリケーションの嗜好度を入力としてユーザをグループ分けするが、嗜好度の値が他のアプリケーションより相対的に小さいアプリケーションの嗜好度は参照せずにクラスタ分析を行うようにしてもよい。例えば、嗜好度の総和が例えば下位からｎ番目（最下位は下位からｎ＝１番目）までのアプリケーション、あるいは嗜好度の総和が予め設定された閾値より小さいアプリケーションは、クラスタ分析の際に用いないようにしてもよい。これらのアプリケーションは、ユーザの嗜好が顕著に表れにくいからである。

また、利用情報を参照して、集計処理部１２における利用期間の集計対象期間（例えば６ヶ月）に対してユーザの利用期間（例えば３日）が予め設定された閾値（例えば１週間）より短かったり、利用回数が予め設定された閾値より小さいユーザの嗜好性情報をクラスタ分析の際に用いないようにしてもよい。

以上のようにして、各ユーザは、アプリケーションの嗜好の類似性により複数のグループに分類されるわけであるが、推薦対象のユーザは、ＰＣ側のいずれかのグループには属するけれどもスマートフォン側のグループには属していない。関連グループ選出部１５は、推薦対象のユーザと嗜好が類似するユーザが属するスマートフォン側のグループを選出する（ステップ１４０）。この選出方法を図７を用いて説明する。

図７には、グループ情報に基づきＰＣ側のグループとスマートフォン側のグループとが模式的に示されている。図７において、図面の左側にはグループ名称（グループＩＤ）が“Ｐ−”で始まるＰＣのグループが、図面の右側にはグループ名称（グループＩＤ）が“Ｓ−”で始まるスマートフォンのグループ、がそれぞれ示されている。ここで、推薦対象のユーザが“Ｐ−Ｇ１”に属するユーザＸとする。ユーザＸと同じグループには、ユーザＡ，Ｂ，Ｃ，Ｄ，Ｅが属している。

一方、スマートフォン２をすでに利用している推薦対象以外のユーザは、スマートフォン側のいずれかのグループに分類されることになる。図７に例示したグループ構成では、ユーザＡ，Ｂ，Ｃ，Ｄはグループ“Ｓ−Ｇ１”に、ユーザＥはグループ“Ｓ−Ｇ２”に、それぞれ分類されている。このようなグループ構成のもと、関連グループ選出部１５は、推薦対象のユーザＸが属しているＰＣ側のグループ“Ｐ−Ｇ１”とスマートフォン側の各グループとの関連性を以下のようにして算出する。

例えば、グループ“Ｓ−Ｇ１”には５人のユーザＡ，Ｂ，Ｃ，Ｄ，Ｌが属しているが、このうちの４人のユーザＡ，Ｂ，Ｃ，Ｄがグループ“Ｐ−Ｇ１”に属している。つまり、グループ“Ｐ−Ｇ１”に属する５人のうち４人はグループ“Ｐ−Ｇ１”に属しているため、グループ“Ｐ−Ｇ１”とグループ“Ｓ−Ｇ１”との重複度合いは、４／５＝０．８である。また、グループ“Ｓ−Ｇ２”には６人のユーザＥ，Ｇ，Ｈ，Ｉ，Ｎ，Ｑが属しているが、このうちの１人のユーザＥがグループ“Ｐ−Ｇ１”に属している。従って、グループ“Ｐ−Ｇ１”とグループ“Ｓ−Ｇ２”との重複度合いは１／６＝０．１７である。

関連グループ選出部１５は、グループ情報記憶部２４に登録されているグループ情報に基づき、以上のように推薦対象のユーザＸが属しているＰＣ側のグループ“Ｐ−Ｇ１”とスマートフォン側の各グループとの重複度合いを算出する。そして、各グループの重複度合いを、関連性の有無の判断に用いるために予め設定された閾値と比較し、その閾値以上の重複度合いのグループを、ＰＣ側のグループ“Ｐ−Ｇ１”と関連性のあるグループとして選出する。例えば、閾値が０．６だとすると、グループ“Ｓ−Ｇ１”は関連性有り、グループ“Ｓ−Ｇ２” は関連性無しと判定される。関連グループ選出部１５は、このようにして関連性有りのグループを選出する。

ところで、関連性有りと判断されるグループが複数選出される場合があり得る。この場合は複数のグループを選出してもよい。あるいは重複度合いが最大値のグループをただ１つ選出してもよい。一方、関連性有りのグループが１つも選出されない場合もあり得る。この場合、ユーザＸとアプリケーションの嗜好が類似するユーザが属するグループは存在しない、つまり、ユーザＸとアプリケーションの嗜好が類似するグループは存在しないものとみなして、後段において推薦処理部１６が行うアプリケーションの推薦を行わないことになる。

推薦対象のユーザＸが属するＰＣ側のグループ“Ｐ−Ｇ１”には、ＰＣ１においてアプリケーションの嗜好が類似したユーザ、つまりＰＣ１においてユーザＸと同じアプリケーションを利用しているユーザＡ〜Ｅが属している。そして、スマートフォン２をすでに利用しているユーザＡ〜Ｅをより多く属するスマートフォン側のグループ（上記例のグループ“Ｓ−Ｇ１”）に属するユーザＡ〜Ｄにおけるスマートフォン２のアプリケーションの利用の傾向を分析して得られたアプリケーションの嗜好は、ユーザＸのスマートフォン３の嗜好に合致すると推測される。従って、推薦処理部１６は、グループ“Ｓ−Ｇ１” に属するユーザにより利用されているアプリケーションの中から特定したアプリケーションをユーザＸに提示する（ステップ１５０）。

すなわち、推薦処理部１６は、関連グループ選出部１５が以上のようにして選出したグループに属するユーザＡ〜Ｄ，Ｌの嗜好性情報を嗜好性情報記憶部２３から読み出す。この読み出した各ユーザの嗜好性情報を図８に示す。ここでは、ａｐｐ００１、ａｐｐ００２及びａｐｐ００３という３種類の閲覧ソフトウェアに着目しているものとする。推薦処理部１６は、この嗜好性情報に基づきユーザＸに推薦するアプリケーションを特定する。

例えば、各アプリケーションの嗜好度を集計して求めた合計値を推奨度とし、この推奨度が最大値となるアプリケーション、図８に示した数値例によると閲覧ソフトウェアとしてａｐｐ００２をユーザＸに推奨するアプリケーションとして特定する。そして、ディスプレイ３７に表示したり、スマートフォン３に電子メール等により送信することで提示する。

なお、推薦するアプリケーションの特定方法としては、各ユーザの嗜好度の総和を推奨度としてアプリケーション毎に求め、推奨度が最大となるアプリケーションに特定する方法に限定する必要はない。例えば、重複しているユーザＡ〜Ｄの嗜好度に重み付けしてから推奨度を算出してもよい。また、一ユーザの嗜好の影響を受けにくくするために嗜好度の中央値が最大となるアプリケーションに特定してもよい。

また、本実施の形態では、推奨度の上位１位の閲覧ソフトウェアのみを提示するようにしたが、この提示する内容はこれに限る必要はない。例えば、上位いくつかを提示してもよいし、全ての閲覧ソフトウェア推奨度の高い順にリスト表示して提示するようにしてもよい。

あるいは、推薦するのにふさわしいアプリケーションのみを推薦するために、予め閾値を設定しておき、算出した推奨度がその閾値以上の場合にのみ推薦を行うようにしてもよい。

本実施の形態では、閲覧ソフトウェアを例にして説明したが、例えば音楽視聴ソフトウェアや画像処理ソフトウェア等他のアプリケーションの種類においても同様に推薦を行うようにしてもよい。

また、本実施の形態では、第１の機器としてＰＣ、推薦対象とする第２の機器としてスマートフォンを例にして説明したが、機器の組合せは任意でよい。ただ、ＰＣとスマートフォンは、同じアプリケーションにおいてＰＣ版やスマホ版が用意されているようにアプリケーションの嗜好が合致しやすいため、アプリケーションを推薦するのに好適な組合せである。

推薦対象とする第２の機器として洗濯機が選択されている場合、第１の機器としてＰＣを選択してもよい。ただ、白物家電である洗濯機に対して情報処理装置であるＰＣを第１の機器として設定すると、ステップ１４０において関連性有りのグループが選出されない可能性が高くなることが推測できる。この場合は、同じ白物家電である冷蔵庫を第１の機器として設定するのが好適である。

１ＰＣ、２，３スマートフォン、１０情報処理装置、１１利用情報収集部、１２集計処理部、１３嗜好度算出部、１４グループ化処理部、１５関連グループ選出部、１６推薦処理部、２１利用情報蓄積部、２２利用実績情報記憶部、２３嗜好性情報記憶部、２４グループ情報記憶部、３１ＣＰＵ、３２ＲＯＭ、３３ＲＡＭ、３４ハードディスクドライブ（ＨＤＤ）、３５マウス、３６キーボード、３７ディスプレイ、３８入出力コントローラ、３９ネットワークコントローラ、４０内部バス。

Claims

コンピュータを、
推薦対象の利用者が利用する第１の機器であって第１のカテゴリに含まれる第１の機器に搭載された各アプリケーションの利用実績を参照して前記第１の機器の各利用者の当該各アプリケーションに対する嗜好度を算出する第１嗜好度算出手段、
前記第１嗜好度算出手段により算出された嗜好度に基づき前記第１の機器の利用者をアプリケーションの嗜好が類似する利用者毎に分類することで複数のグループを形成する第１形成手段、
前記第１のカテゴリとは異なる第２のカテゴリに含まれる第２の機器に搭載された各アプリケーションの利用実績を参照して前記第２の機器の各利用者の当該各アプリケーションに対する嗜好度を算出する第２嗜好度算出手段、
前記第２嗜好度算出手段により算出された嗜好度に基づき前記第２の機器の利用者をアプリケーションの嗜好が類似する利用者毎に分類することで複数のグループを形成する第２形成手段、
前記第２形成手段により形成されたグループの中から、前記第１形成手段により形成され前記推薦対象の利用者が属するグループに属する利用者とアプリケーションの嗜好が類似する利用者が属するグループを選出する選出手段、
前記選出手段により選出されたグループに属する利用者の前記第２の機器に搭載されたアプリケーションの利用実績を参照して当該各アプリケーションの推奨度を算出する推奨度算出手段、
前記推奨度に基づき前記推薦対象の利用者に推奨する前記第２の機器のアプリケーションを特定し、提示する提示手段、
として機能させ、
前記各嗜好度算出手段は、前記各アプリケーションの利用実績をアプリケーション毎利用者毎に集計することによって各アプリケーションの利用回数を利用者毎に算出し、その算出した利用回数を参照して各利用者の当該各アプリケーションに対する嗜好度を算出することを特徴とするプログラム。
コンピュータを、
推薦対象の利用者が利用する第１の機器であって第１のカテゴリに含まれる第１の機器に搭載された各アプリケーションの利用実績を参照して前記第１の機器の各利用者の当該各アプリケーションに対する嗜好度を算出する第１嗜好度算出手段、
前記第１嗜好度算出手段により算出された嗜好度に基づき前記第１の機器の利用者をアプリケーションの嗜好が類似する利用者毎に分類することで複数のグループを形成する第１形成手段、
前記第１のカテゴリとは異なる第２のカテゴリに含まれる第２の機器に搭載された各アプリケーションの利用実績を参照して前記第２の機器の各利用者の当該各アプリケーションに対する嗜好度を算出する第２嗜好度算出手段、
前記第２嗜好度算出手段により算出された嗜好度に基づき前記第２の機器の利用者をアプリケーションの嗜好が類似する利用者毎に分類することで複数のグループを形成する第２形成手段、
前記第２形成手段により形成されたグループの中から、前記第１形成手段により形成され前記推薦対象の利用者が属するグループに属する利用者とアプリケーションの嗜好が類似する利用者が属するグループを選出する選出手段、
前記選出手段により選出されたグループに属する利用者の前記第２の機器に搭載されたアプリケーションの利用実績を参照して当該各アプリケーションの推奨度を算出する推奨度算出手段、
前記推奨度に基づき前記推薦対象の利用者に推奨する前記第２の機器のアプリケーションを特定し、提示する提示手段、
として機能させ、
前記各嗜好度算出手段は、予め決められた計算方法を用いることで、相対的に多くの利用者に利用されるアプリケーションの嗜好度が小さくなるよう補正することを特徴とするプログラム。
前記選出手段は、前記第２形成手段により形成されたグループの中から、前記第１形成手段により形成され前記推薦対象の利用者が属するグループに属する利用者と予め設定された閾値以上に、属する利用者が重複しているグループを選出することを特徴とする請求項１に記載のプログラム。
前記提示手段は、前記選出手段により選出されたグループに属する利用者の前記第２の機器に搭載された各アプリケーションの嗜好度をアプリケーション毎に集計して当該各アプリケーションの推奨度を算出することを特徴とする請求項２に記載のプログラム。
前記提示手段は、前記推奨度が予め設定された閾値以上のアプリケーションの中から前記推薦対象の利用者に提示するアプリケーションを特定することを特徴とする請求項１又は４に記載のプログラム。
推薦対象の利用者が利用する第１の機器であって第１のカテゴリに含まれる第１の機器に搭載された各アプリケーションの利用実績を参照して前記第１の機器の各利用者の当該各アプリケーションに対する嗜好度を算出する第１嗜好度算出手段と、
前記第１嗜好度算出手段により算出された嗜好度に基づき前記第１の機器の利用者をアプリケーションの嗜好が類似する利用者毎に分類することで複数のグループを形成する第１形成手段と、
前記第１のカテゴリとは異なる第２のカテゴリに含まれる第２の機器に搭載された各アプリケーションの利用実績を参照して前記第２の機器の各利用者の当該各アプリケーションに対する嗜好度を算出する第２嗜好度算出手段と、
前記第２嗜好度算出手段により算出された嗜好度に基づき前記第２の機器の利用者をアプリケーションの嗜好が類似する利用者毎に分類することで複数のグループを形成する第２形成手段と、
前記第２形成手段により形成されたグループの中から、前記第１形成手段により形成され前記推薦対象の利用者が属するグループに属する利用者とアプリケーションの嗜好が類似する利用者が属するグループを選出する選出手段と、
前記選出手段により選出されたグループに属する利用者の前記第２の機器に搭載されたアプリケーションの利用実績を参照して当該各アプリケーションの推奨度を算出する推奨度算出手段と、
前記推奨度に基づき前記推薦対象の利用者に推奨する前記第２の機器のアプリケーションを特定し、提示する提示手段と、
を有し、
前記各嗜好度算出手段は、前記各アプリケーションの利用実績をアプリケーション毎利用者毎に集計することによって各アプリケーションの利用回数を利用者毎に算出し、その算出した利用回数を参照して各利用者の当該各アプリケーションに対する嗜好度を算出することを特徴とする情報処理装置。