JP6696270B2 - 情報提供サーバ装置、プログラム及び情報提供方法 - Google Patents

Description

本発明は、ユーザにとって意外性を有しつつも、定番なアイテムに関する情報をユーザに提供する情報提供サーバ装置等に関する。

近年、情報通信技術の発展に伴って、書籍その他の商品などの様々なアイテムについて、ユーザに推薦情報を提供するための推薦システムが普及している。現在普及している推薦システムでは、協調フィルタリング方式のシステムと内容ベースフィルタリング方式のシステムが数多く開発されており、こうした推薦システムがこれまでに開示されている（例えば、特許文献１から特許文献３）。

これらのシステムでは、ユーザに対して提供される情報が、当該ユーザにとって、予想もしていなかった思いがけない性質のもの、場合によっては驚きを有する性質のものであることがある。こうした性質は、一般に、「意外性」と呼ばれているので、本明細書においても、以下では、こうした性質を「意外性」として説明する。

特許文献１により開示されているシステムは、ユーザが選択した文章と比較して、カテゴリの類似性が低く、かつ、文章の類似度が高い文献を推薦するシステムである。具体的に、特許文献１に開示されている文書検索用のシステムは、まず、ユーザ端末から検索対象文書の選択を受付けると、検索対象文書の特徴を表現する文書ベクトルを生成する。次いで、カテゴリ情報データベースに登録される各カテゴリに属する文書群と検索対象文書との類似度を算出し、文書情報ＤＢ６に登録される各文書と検索対象文書との類似度を算出する。そして、文書検索システムは、これらに基づいてユーザが選択した文書と類似性が低いカテゴリに属するが、文書間で内容が類似する文書を検索して、検索された文書を推薦先文書としてユーザの端末に提示している。

特許文献２に開示されているシステムは、ユーザのプロフィールと書籍との類似度計算において、同一のカテゴリの中と異なるカテゴリ間との双方の組み合わせを利用して情報を推薦している。具体的に、特許文献２に開示されているシステムは、まず、顧客が過去に購入した各書籍のキーワード・ベクトルをカテゴリ別に合成し、顧客プロファイルを生成する。また、書籍データベースを基にして、各書籍毎にキーワード・ベクトルを生成する。そして、同じカテゴリ内、並びに異なるカテゴリ間の双方の組み合わせで、顧客プロファイルのキーワード・ベクトルと未購入の各書籍のキーワード・ベクトルの類似度を計算することによって、有益性と意外性の双方の観点から書籍を検索している。

特許文献３に開示されているシステムでは、複数のコミュニティに属するユーザが既に獲得している知識を推定し、思いがけない分野の情報を推薦するものである。すなわち、特許文献３に開示されているシステムにおいて、類似度算出手段は、所定のユーザと一つ以上のコミュニティにおいて共通して属する他のユーザが、所定のユーザにとって親和性のある情報を扱っている度合いを表す第１の指標値を、共通して属するコミュニティの特徴と、所定のユーザが属する全てのコミュニティの特徴から算出する。また、意外度算出手段は、所定のユーザと一つ以上のコミュニティにおいて共通して属する他のユーザが、所定のユーザにとって思いがけない分野の情報をもたらす度合いを表す第２の指標値を、共通して属するコミュニティの特徴と、所定のユーザと他のユーザが共通して属するコミュニティに属するユーザの中で、所定のユーザが属さず他のユーザが属するコミュニティにも属するユーザの特徴から算出する。そして、推薦手段はそれらの指標値を各ユーザについて算出した結果に基づいて、所定のユーザに情報を推薦する他のユーザを選出している。

特開２０１５−１９７７２２号公報 特開２００１−２６５８０８号公報 特開２０１０−１１３６８３号公報

しかしながら、上記特許文献１から特許文献３に開示されたシステムのように協調フィルタリング方式と内容ベースフィルタリング方式を用いたシステムを用いて推薦情報を作成した場合、異なる分野や異なるカテゴリの情報に触れたユーザは、意外性を有することを感じることはできるが、普段、読んでいる書籍など、自己が普段使用している情報とは特段の脈絡がなく、しかも突飛な印象を受けてしまう恐れがある。

本発明は、上記課題を解決するためになされたものであり、その目的は、ユーザが意外性を感じつつも、受け入れやすい定番情報を提供することができる情報提供サーバ等を提供することにある。

（１）上述した課題を解決するため、本発明の情報提供サーバ装置は、ネットワークを介してユーザにより所持された通信端末装置に接続され、ユーザに所定コンテンツの１種をなすアイテムに関する情報を推薦情報として前記通信端末装置に提供するための情報提供サーバ装置であって、各ユーザによって購入又は閲覧された前記アイテムの購入数又は閲覧回数を、当該アイテムが属するカテゴリ毎にカウントするカウント手段と、前記購入数又は閲覧回数に基づいて、ユーザ間における前記コンテンツに対する購入又は閲覧の趣向に関する類似度を算出する類似度算出手段と、前記算出された各ユーザ間の類似度に基づいて、前記推薦情報を要求する要求ユーザに対する他のユーザを、閾値に基づいて、高程度類似度クラス、中程度類似度クラス及び低程度類似度クラスの３区分の類似度クラスに属するユーザ群に区分けするユーザ群区分け手段と、前記高程度類似度クラスのユーザ群を構成する各ユーザが購入又は閲覧した前記アイテムと、前記要求ユーザが既に購入又は閲覧した前記アイテムとをカテゴリ毎に比較して、カテゴリ毎の購入数又は閲覧回数の間に、カテゴリ毎の購入数又は閲覧回数の相関関係を数値化した値が所定の条件を具備する関係が成立するカテゴリを意外性カテゴリとして抽出する意外性カテゴリ抽出手段と、前記意外性カテゴリ抽出手段により抽出されたカテゴリに含まれるアイテムの中から、前記中程度類似度クラス及び前記低程度類似度クラスに属するユーザ群のユーザにより購入又は閲覧されたアイテムの購入数又は閲覧回数に基づいて、前記各アイテムの認知の程度としての指標を数値化した定番度を求める定番度算出手段と、前記定番度算出手段により算出された定番度に基づいて、前記意外性カテゴリ抽出手段により抽出されたカテゴリに含まれるアイテムの中から所定の定番度を有するアイテムを抽出するアイテム抽出手段と、前記アイテム抽出手段により抽出されたアイテムに関する情報を前記推薦情報として前記要求ユーザに提供する情報提供出段とを備える構成を有している。

この構成により、趣向性が相互に類似するユーザ同士の間において、同一のカテゴリであるにも関わらず購入又は閲覧をほとんどしておらず、興味をそれほど示さないユーザと、購入又は閲覧を多くしており、興味を大いに示すユーザがいることが分かる。そして興味をそれほど示していないユーザに対し、興味を大いに示すユーザがいるカテゴリに含まれるアイテムに関する情報を提供することにより、そのユーザに意外性を持たせることができる。

その一方で、中程度の類似度のユーザ及び低い程度のユーザにおいても購入した履歴があるアイテムは、世間では一般に定番度が高いアイテムと見なすことができる。定番度が高いアイテムに関する情報を要求ユーザに提供することにより、そのユーザに突飛ではなく、比較的受け入れやすいアイテムの情報を提供することができる。

したがって、上記のように、類似度が高いユーザが購入又は閲覧したことがあるアイテムに基づき意外性あるカテゴリを抽出し、かつ、類似度が中程度及び低いユーザが購入又は閲覧したアイテムに基づき定番度を算出することによって、要求ユーザに、意外性を与えつつも受け入れやすいアイテムについての情報を提供することができる。

（２）また、本発明の情報提供サーバ装置は、ユーザ群区分け手段は、前記高程度類似度クラス、中程度類似度クラス及び低程度類似度クラスに属するユーザ群のユーザを、類似度に関する所定の規則に基づいてソートして前記閾値により分類するソート手段を各クラスに設ける構成を有している。

この構成により、類似度の程度が相互に異なる各ユーザ群から所定の人数のユーザを抽出する場合に、各ユーザ群における類似度の特性を有するユーザを抽出しやすくなる。例えば、高程度類似度クラスのユーザ群の類似度を降順にソートし、類似度が上位の数名を抽出したとき、抽出されたユーザは、類似度が高いという特性を顕著に有している。

（３）また、本発明の情報提供サーバ装置は、カテゴリ毎における前記所定の関係が、前記高程度類似度クラスに属するユーザ群を構成する各ユーザがアイテムを購入した購入数又は閲覧した閲覧回数から前記要求ユーザがアイテムを既に購入した購入数又は閲覧した閲覧回数を差し引いて求めた差が所定の値以上であるという構成を有している。

この構成により、同一のカテゴリに含まれるアイテムについて、購入又は閲覧した数の差が大きければ大きいほど、ユーザ同士の間で、そのカテゴリについての趣向性が異なることになる。このように、購入又は閲覧した数の差を利用することにより、ユーザの所定のカテゴリに対する趣向性の差を客観的に求めることができる。

（４）また、本発明の情報提供サーバ装置は、前記意外性カテゴリ抽出手段により抽出されたカテゴリに含まれるアイテムの中から、前記中程度類似度クラス及び前記低程度類似度クラスに属するユーザ群のユーザにより一度も購入又は閲覧されたことがないアイテムを排除するフィルタリング手段をさらに備える構成を有している。

この構成により、要求ユーザに対し、突飛なアイテムに関する情報を提供することが回避できる。すなわち、中程度類似度クラス及び低程度類似度クラスに属するユーザ群のユーザにより一度も購入又は閲覧されたことがないアイテムは、世間的に認知度が低い特殊な（専門的な）アイテムであると考えられる。当該構成は、世間的に認知度が低い特殊な（専門的な）アイテムを排除することができる。

（５）また、本発明の情報提供サーバ装置において、前記定番度算出手段は、前記アイテムが購入された数又は閲覧された閲覧数を当該アイテム毎に算出して前記定番度を算出する構成を有している。

この構成により、定番度の高いアイテムと定番度の低いアイテムとを区別したり、アイテムに対し定番度の順位付けを行ったりすることができる。その結果、要求ユーザに対し、定番度が高いアイテムの情報を提供することができる。

（６）また、本発明の情報提供サーバ装置において、前記アイテム抽出手段は、前記要求ユーザが未購入又は未だに閲覧をしていないアイテムであって、前記高程度類似度クラスのユーザ群に属するユーザが既に購入又は既に閲覧しているアイテムを抽出する構成を有している。

この構成により、要求ユーザがそれまでは、ほとんど興味を示さなかったカテゴリのアイテムについての情報を提供することができ、要求ユーザに意外性を感じさせることができる。

（７）上述した課題を解決するため、本発明に係るプログラムは、ネットワークを介してユーザにより所持された通信端末装置に接続され、ユーザに所定コンテンツの１種をなすアイテムに関する情報を推薦情報として前記通信端末装置に提供するための情報提供サーバ装置を構成するコンピュータにおいて用いられるプログラムであって、前記コンピュータを、各ユーザによって購入又は閲覧された前記アイテムの購入数又は閲覧回数を、当該アイテムが属するカテゴリ毎にカウントするカウント手段、前記購入数又は閲覧回数に基づいて、ユーザ間における前記コンテンツに対する購入又は閲覧の趣向に関する類似度を算出する類似度算出手段、前記算出された各ユーザ間の類似度に基づいて、前記推薦情報を要求する要求ユーザに対する他のユーザを、閾値に基づいて、高程度類似度クラス、中程度類似度クラス及び低程度類似度クラスの３区分の類似度クラスに属するユーザ群に区分けするユーザ群区分け手段、前記高程度類似度クラスのユーザ群を構成する各ユーザが購入又は閲覧した前記アイテムと、前記要求ユーザが既に購入又は閲覧した前記アイテムとをカテゴリ毎に比較して、カテゴリ毎の購入数又は閲覧回数の間に、カテゴリ毎の購入数又は閲覧回数の相関関係を数値化した値が所定の条件を具備する関係が成立するカテゴリを意外性カテゴリとして抽出する意外性カテゴリ抽出手段、前記意外性カテゴリ抽出手段により抽出されたカテゴリに含まれるアイテムの中から、前記中程度類似度クラス及び前記低程度類似度クラスに属するユーザ群のユーザにより購入又は閲覧されたアイテムの購入数又は閲覧回数に基づいて、前記各アイテムの認知の程度としての指標を数値化した定番度を求める定番度算出手段、前記定番度算出手段により算出された定番度に基づいて、前記意外性カテゴリ抽出手段により抽出されたカテゴリに含まれるアイテムの中から所定の定番度を有するアイテムを抽出するアイテム抽出手段、及び前記アイテム抽出手段により抽出されたアイテムに関する情報を前記推薦情報として前記要求ユーザに提供する情報提供出段、として機能させる構成を有している。

この構成により類似度が高いユーザが購入又は閲覧したことがあるアイテムに基づき意外性あるカテゴリを抽出し、かつ、類似度が中程度及び低いユーザが購入又は閲覧したアイテムに基づき定番度を算出することによって、要求ユーザに、意外性を与えつつも受け入れやすいアイテムについての情報を提供することができる。

（８）上述した課題を解決するため、本発明に係る情報提供方法は、ネットワークを介してユーザにより所持された通信端末装置に接続され、ユーザに所定コンテンツの１種をなすのアイテムに関する情報として前記通信端末装置に提供するための情報提供方法であって、各ユーザによって購入又は閲覧された前記アイテムの購入数又は閲覧回数を、当該アイテムが属するカテゴリ毎にカウントするカウント工程と、前記購入数又は閲覧回数に基づいて、ユーザ間における前記コンテンツに対する購入又は閲覧の趣向に関する類似度を算出する類似度算出工程と、前記算出された各ユーザ間の類似度に基づいて、前記推薦情報を要求する要求ユーザに対する他のユーザを、閾値に基づいて、高程度類似度クラス、中程度類似度クラス及び低程度類似度クラスの３区分の類似度クラスに属するユーザ群に区分けするユーザ群区分け工程と、前記高程度類似度クラスのユーザ群を構成する各ユーザが購入又は閲覧した前記アイテムと、前記要求ユーザが既に購入又は閲覧した前記アイテムとをカテゴリ毎に比較して、カテゴリ毎の購入数又は閲覧回数の間に、カテゴリ毎の購入数又は閲覧回数の相関関係を数値化した値が所定の条件を具備する関係が成立するカテゴリを意外性カテゴリとして抽出する意外性カテゴリ抽出工程と、前記意外性カテゴリ抽出手段により抽出されたカテゴリに含まれるアイテムの中から、前記中程度類似度クラス及び前記低程度類似度クラスに属するユーザ群のユーザにより購入又は閲覧されたアイテムの購入数又は閲覧回数に基づいて、前記各アイテムの認知の程度としての指標を数値化した定番度を求める定番度算出工程と、前記定番度算出手段により算出された定番度に基づいて、前記意外性カテゴリ抽出手段により抽出されたカテゴリに含まれるアイテムの中から所定の定番度を有するアイテムを抽出するアイテム抽出工程と、前記アイテム抽出手段により抽出されたアイテムに関する情報を前記推薦情報として前記要求ユーザに提供する情報提供工程と、を備える工程を有している。

この構成により、類似度が高いユーザが購入又は閲覧したことがあるアイテムに基づき意外性あるカテゴリを抽出し、かつ、類似度が中程度及び低いユーザが購入又は閲覧したアイテムに基づき定番度を算出することによって、要求ユーザに、意外性を与えつつも受け入れやすいアイテムについての情報を提供することができる。

本発明に係る情報提供サーバ装置等は、ユーザが意外性を感じつつも、受け入れやすい定番情報を提供することができる。

本発明の一実施形態における情報提供システムの構成を示すシステム構成図である。 一実施形態における情報提供サーバ装置の構成を示すブロック図である。 一実施形態における情報提供サーバ装置内のユーザ情報データベースに登録されたデータの一例を示す図である。 一実施形態における情報提供サーバ装置内のコンテンツ情報データベースに登録されたデータの一例を示す図である。 一実施形態における情報提供サーバ装置内のカテゴリ情報データベースに登録されたデータの一例を示す図である。 一実施形態における情報提供システムにおいて、要求ユーザに推薦情報を提供するシステムの全体の流れの概要を示す概要図である。 一実施形態における情報提供サーバ装置において、趣向が類似するユーザを抽出する原理を説明するための説明図である。 一実施形態における情報提供サーバ装置において、所定のカテゴリに含まれ、ユーザに意外性を与えるアイテムの抽出機能を説明するための説明図である。 一実施形態における情報提供サーバ装置において、定番度の算出過程を説明するための説明図である。 一実施形態における情報提供サーバ装置により実行される処理を示すフローチャートである。

以下、図面を参照しつつ、本発明の実施形態について説明する。なお、以下の実施形態は、各ユーザが所有する通信端末装置１０と、通信端末装置１０に直接又は基地局ＢＳを介してネットワーク２０に接続され、各通信端末装置１０を管理すると共に、推薦情報を通信端末装置１０に対して提供する情報提供サーバ装置３０とから構成されるシステムに基づき、本発明に係る情報提供サーバ装置、プログラム、及び情報提供システム１に適用した場合の実施形態である。

［１］情報提供システムの概要
まず、図１を用いて本実施形態における情報提供システム１について説明する。図１は、本実施形態の情報提供システム１の構成を示すシステム構成図である。なお、図が煩雑になることを防止するために、図１においては、ユーザの一部のみを示している。すなわち、実際の情報提供システム１においては、図１に表示するよりも多数の通信端末装置１０が存在している。

本実施形態の情報提供システム１は、ネットワーク２０を介してユーザにより所持された通信端末装置１０に接続され、各ユーザに適したアイテムに関する情報を推薦情報としてユーザに提供するための情報提供サーバ装置３０を有しており、ユーザに適した推薦情報を提供するシステムである。とりわけ、本実施形態の情報提供システム１は、推薦情報を要求するユーザ（以下、「要求ユーザ」という。）にとって、意外性を有するだけでなく、抵抗感なく受け入れることができる定番的なアイテムに関する情報を提供する点に特徴がある。

なお、本実施形態において、取り扱うコンテンツは、電子書籍を例に説明するが、本実施形態の情報提供システム１で取り扱うことができるコンテンツは、電子書籍には限定されない。取り扱うことができるコンテンツとしては、電子書籍の他に、例えば、音楽、お勧めグルメといった、趣味を反映させることができるコンテンツを挙げることができる。

本実施形態の情報提供システム１は、具体的には、ユーザによって所持されている通信端末装置１０、ネットワーク２０、及び各ユーザの通信端末装置１０に直接又は基地局ＢＳを介してネットワーク２０に接続され、各通信端末装置１０を管理する情報提供サーバ装置３０を備えている。

また、本実施形態における情報提供システム１は、協調フィルタリング方式を採用している。すなわち、多くのユーザのコンテンツに対する嗜好情報を集積し、一のユーザが、あるコンテンツを構成する書籍等のアイテムを購入したり閲覧したりしたデータと、他のユーザが購入したり閲覧したりしたデータの両方を利用し、ユーザが購入したり閲覧したりしたパターンに基づいて、ユーザ間の類似性を相関分析し、一のユーザにパーソナライズされた情報を推薦するシステムである。

本実施形態の情報提供システム１では、このように、協調フィルタリング方式をベースに構成しており、内容ベースフィルタリング方式は採用していないため、システムに多様性及び汎用性を持たせることができる。

本実施形態に用いられる通信端末装置１０は、例えば、パーソナルコンピュータ（ＰＣ）、スマートフォン、タブレット型情報端末装置、携帯用電話機、ゲーム機、ＰＤＡ等が用いられる。

通信端末装置１０は、ＸＭＬ（ｅＸｔｅｎｓｉｂｌｅ Ｍａｒｋｕｐ Ｌａｎｇｕａｇｅ）等のマークアップ言語によって記述されているＷＷＷシステム用のリソースデータと、当該リソースデータのネットワークアドレスを示す固有のＵＲＬ（Ｕｎｉｆｏｒｍ Ｒｅｓｏｕｒｃｅ Ｌｏｃａｔｏｒ）とを用い、情報提供サーバ装置３０とのデータ通信を行うブラウジング機能を有している。通信端末装置１０は、具体的に、ブラウジング機能を用いて、情報提供サーバ装置３０から受信したリソースデータによって構成される各種のコンテンツ（作業コンテンツを含む）を、ユーザが閲覧可能に表示するとともに、基地局ＢＳ及びネットワーク２０を介して情報提供サーバ装置３０と通信接続することによって、情報提供サーバ装置３０からＳＮＳの各種のサービス提供を受けることができるようになっている。

情報提供サーバ装置３０は、ＳＮＳの各サービスを提供するために用いられる情報提供サーバ装置である。そして、情報提供サーバ装置３０は、データベース（以下、「ＤＢ」という。）を有し、各ユーザが所持する通信端末装置１０を介して入力されたユーザ指示に基づいて、通信端末装置１０と連携しつつ、ＤＢに種々の情報を登録する処理を実行する。

情報提供サーバ装置３０は、上記の構成に基づいて次の機能を実行する構成を有している。すなわち、情報提供サーバ装置３０は、
（１）各ユーザによって購入又は閲覧されたアイテムの購入数又は閲覧回数を、当該アイテムが属するカテゴリ毎にカウントする機能、
（２）購入数又は閲覧回数に基づいて、ユーザ間におけるコンテンツに対する購入又は閲覧の趣向に関する類似度を算出する機能、
（３）算出された各ユーザ間の類似度に基づいて、推薦情報の要求ユーザに対する他のユーザを、閾値に基づいて、高程度類似度クラス、中程度類似度クラス及び低程度類似度クラスの３区分の類似度クラスに属するユーザ群に区分けする機能、
（４）高程度類似度クラスのユーザ群を構成する各ユーザが購入又は閲覧したアイテムと、要求ユーザが既に購入又は閲覧したアイテムとをカテゴリ毎に比較して、カテゴリ毎の購入数又は閲覧回数の間に、カテゴリ毎の購入数又は閲覧回数の相関関係を数値化した値が所定の条件を具備する関係が成立するカテゴリを意外性カテゴリとして抽出する機能、
（５）抽出されたカテゴリに含まれるアイテムの中から、中程度類似度クラス及び低程度類似度クラスに属するユーザ群のユーザにより購入又は閲覧されたアイテムの購入数又は閲覧回数に基づいて、各アイテムの認知の程度としての指標を数値化した定番度を求める手段、
（６）定番度算出手段により算出された定番度に基づいて、意外性カテゴリを抽出するための手段により抽出されたカテゴリに含まれるアイテムの中から所定の定番度を有するアイテムを抽出する機能、及び、
（７）アイテムを抽出するための手段により抽出されたアイテムに関する情報を推薦情報として要求ユーザに提供する機能
を実現するための構成を備えている。

上記の機能を実現するための構成により、本実施形態の情報提供システム１では、ユーザが意外性を感じつつも、受け入れやすい定番情報を提供することができるという本実施形態のシステムに特有の効果を奏する。

［２］情報提供サーバ装置
次に、図２を参照して、本実施形態の情報提供サーバ装置３０の構成について説明する。なお、図２は、本実施形態の情報提供サーバ装置３０の構成を示すブロック図である。

本実施形態の情報提供サーバ装置３０は、図２に示すように、装置全体を制御するサーバ管理制御部３１０と、各通信端末装置１０と通信を行う通信制御部３２０、各種のメモリとして機能するＲＯＭ／ＲＡＭ３３０、各種の情報を格納する記録部３４０、及び各種の処理を実行するデータ処理部３５０と、を有し、上記の各部は、バスＢによって相互に接続されている。

サーバ管理制御部３１０は、主に中央演算処理装置（ＣＰＵ）によって構成され、プログラムを実行することによって、情報提供サーバ装置３０の各部を統合制御する。

通信制御部３２０は、所定のネットワークインターフェースであり、ネットワーク２０を介して、各通信端末装置１０とデータの授受を行う。また、通信制御部３２０は、後述する情報提供部３５８と協働し、推薦情報を通信端末装置１０に送信する。

ＲＯＭ／ＲＡＭ３３０には、情報提供サーバ装置３０の駆動に必要な各種のプログラムが記録されている。また、ＲＯＭ／ＲＡＭ３３０は、サーバ管理制御部３１０やデータ処理部３５０が各種の処理を実行する際のワークエリアとして用いられる。

［２．１］記録部
記録部３４０は、例えば、ＨＤＤ（ハードディスクドライブ）又はＳＳＤ（ソリッドステートドライブ）により構成されている。

記録部３４０は、その記録領域内に、以下のＤＢ３４１〜３４３を少なくとも有している。すなわち、記録部３４０は、情報提供システム１を利用するユーザに関する基本情報をユーザＩＤに対応付けて登録されたユーザ情報ＤＢ３４１、ユーザにより購入又は閲覧されるコンテンツに関する情報が登録されたコンテンツ情報ＤＢ３４２、及びコンテンツを構成しているアイテムとしての書籍が属するカテゴリの情報が登録されたカテゴリ情報ＤＢ３４３、を有している。

［２．２］データ処理部
データ処理部３５０は、独立した中央演算処理装置（ＣＰＵ）によって構成され、又は、サーバ管理制御部３１０の中央演算処理装置（ＣＰＵ）を用いて構成される。そして、データ処理部３５０は、サーバ管理制御部３１０による制御の下、プログラムを実行することにより、各通信端末装置１０にて実行される処理の管理を行う。

具体的には、データ処理部３５０は、プログラムを実行することによって、各ＤＢを管理するＤＢ管理部３５１、書籍の購入数又は閲覧回数をカテゴリ毎にカウントするカウント部３５２、ユーザ同士の間における、コンテンツに対する趣向の類似度を算出する類似度算出部３５３、ユーザ同士の類似度の程度を高、中、低のユーザ群に区分けするユーザ群区分け部３５４、ユーザ同士の間におけるカテゴリ毎の購入する又は閲覧回数の間に成立する関係に基づいてユーザにとって意外性のあるカテゴリを抽出する意外性カテゴリ抽出部３５５、コンテンツを構成する書籍の購入数又は閲覧回数に基づいて、その書籍の定番度を求める定番度算出部３５６、所定の定番度を有する書籍を抽出するアイテム抽出部３５７、及び、抽出された書籍を、要求ユーザに対して提供する情報提供部３５８を、実現する。

（ＤＢ管理部）
ＤＢ管理部３５１は、本発明の第１データベース管理手段、第２データベース管理手段等を構成している。このＤＢ管理部３５１は、記録部３４０を構成する各ＤＢに種々の情報を登録する処理、各ＤＢに登録された情報を検索する処理、並びに各ＤＢに登録された情報を読み出す処理を実行する。

ＤＢ管理部３５１は、ユーザ情報ＤＢ３４１に対し、新たにユーザの追加があったときに新たな情報を登録する処理、システムにログインしたユーザを検索する処理、及び検索した結果を読み出す処理等を実行する。

また、ＤＢ管理部３５１は、コンテンツ情報ＤＢ３４２に対し、新たに書籍の追加があったときに新たな情報を登録する処理、登録された書籍に関する情報を検索する処理、及検索した情報を読み出す処理等を実行する。

さらに、ＤＢ管理部３５１は、カテゴリ情報ＤＢ３４３に対し、カテゴリの登録、カテゴリの検索及びカテゴリの読み出しといった処理を実行する。

（カウント部）
カウント部３５２は、本発明のカウント手段を構成する。このカウント部３５２は、各ユーザによって購入又は閲覧された書籍の購入数又は閲覧回数を、当該書籍が属するカテゴリ毎にカウントする処理を実行する。アイテムが書籍の場合、ここでいうカテゴリは、例えば、ＳＦ、ミステリー、ＩＴ、ビジネスという分野を挙げることができる。

（類似度算出部）
類似度算出部３５３は、本発明の類似度算出手段を構成している。類似度算出部３５３は、購入数又は閲覧回数に基づいて、ユーザ間におけるコンテンツに対する購入又は閲覧の趣向に関する類似度を算出する。類似度の算出方法は特に限定されない。類似度は、各ユーザが購入又は閲覧した書籍のカテゴリについて趣向性についてのベクトルを作成し、このベクトルを利用してコサイン類似度を求める式で求めたり、ユークリッド距離を利用した算出式で求めたりすることにより算出する。

（ユーザ群区分け部）
ユーザ群区分け部３５４は、本発明のユーザ群区分け手段を構成している。このユーザ群区分け部３５４は、推薦情報を要求する要求ユーザに対する他のユーザを、高程度類似度クラス、中程度類似度クラス及び低程度類似度クラスの３区分の類似度クラスに属するユーザ群に区分けする。なお、各類似度のクラスは、クラス同士を区分けするために類似度に境界となる数値を設けて区分けしてもよく、算出された類似度の相対的な関係に基づいて区分けしてもよい。ただし、ユーザ群区分け部３５４は、算出された各ユーザ間の類似度に基づいて、推薦情報を要求する要求ユーザに対する他のユーザを、閾値に基づいて、高程度類似度クラス、中程度類似度クラス及び低程度類似度クラスの３区分の類似度クラスに属するユーザ群に区分けするように構成してもよい。

例えば、類似度としてコサイン類似度を用いる場合、０．６及び０．４を閾値として設定し、算出された類似度が０．６以上、１．０以下の範囲に属するユーザを高程度類似度クラス、類似度が０．４以上、０．６未満の範囲に属するユーザを中程度類似度クラス、類似度が０以上、０．４未満の範囲に属するユーザを低程度類似度クラスとしてユーザ群を区分けする。

また、ユーザ群区分け部３５４は、高程度類似度クラス、中程度類似度クラス及び低程度類似度クラスに属するユーザ群のユーザを、類似度に関する所定の規則に基づいてソートするソート部を各クラスに設けている。ソート部は、本発明のソート手段を構成している。すなわち、ソート部は、高程度類似度クラス、中程度類似度クラス及び低程度類似度クラスに属するユーザ群のユーザを、類似度に関する所定の規則に基づいてソートして上記の閾値により分類する。

例えば、ソート部は、高程度類似度クラスのユーザ群に属するユーザ、及び中程度類似度クラスのユーザ群に属するユーザを降順にソートする一方で、低程度類似度クラスのユーザ群に属するユーザを昇順にソートする。

また、ユーザ群区分け部３５４は、クラス分けされた各ユーザ群の中から任意数のユーザを抽出する。例えば、各クラスに区分けされたユーザ群の中から、上位の数人（例えば１０人）を抽出する。ただし、抽出するユーザは、クラス毎に異なる基準により行ってもよい。例えば、高程度類似度クラスでは、降順にソートされたユーザの中から上位１０人を抽出し、中程度類似度クラスでは、降順にソートされたユーザの中から中間の範囲に属する１０人を抽出し、低程度類似度クラスでは、昇順にソートされたユーザの中から下位１０人を抽出するというようにユーザを抽出する。

（意外性カテゴリ抽出部）
意外性カテゴリ抽出部３５５は、本発明の意外性カテゴリ抽出手段を構成している。この意外性カテゴリ抽出部３５５は、高程度類似度クラスのユーザ群に構成する各ユーザが購入又は閲覧した書籍を利用して、要求ユーザにとって意外性を有するカテゴリを抽出する。具体的に、高程度類似度クラスのユーザ群に構成する各ユーザが購入又は閲覧した書籍と、要求ユーザが既に購入又は閲覧した書籍とをカテゴリ毎に比較する。そして、カテゴリ毎の購入数又は閲覧回数の間に所定の関係が成立するカテゴリを意外性カテゴリとして抽出する。ここでいう所定の関係とは、例えば、カテゴリ毎の購入数又は閲覧回数の相関関係を数値化した値が所定の条件を具備する関係等を意味する。

例えば、上記のカテゴリ毎における所定の関係、すなわち、カテゴリ毎の購入数又は閲覧回数の相関関係を数値化した値が所定の条件を具備する関係等が、高程度類似度クラスに属するユーザ群を構成する各ユーザが書籍を購入した購入数又は閲覧した閲覧回数から要求ユーザが書籍を既に購入した購入数又は閲覧した閲覧回数を差し引いて求めた差が、５であるとか１０であるといった所定の値以上であるカテゴリを意外性カテゴリとして抽出する。

また、意外性カテゴリ抽出部３５５は、意外性カテゴリとして抽出されたカテゴリ毎に、高程度類似度クラスのユーザ群に属する当該ユーザが購入した書籍を抽出する処理を実行する。この抽出された書籍は、後に、要求ユーザに対し推薦する書籍に関する推薦情報の元になるアイテムである。

（定番度算出部）
定番度算出部３５６は、本発明の定番度算出手段を構成している。この定番度算出部３５６は、意外性カテゴリ抽出部３５５により抽出されたカテゴリに含まれる書籍の中から、中程度類似度クラス及び低程度類似度クラスに属するユーザ群のユーザにより購入又は閲覧された書籍の購入数又は閲覧回数に基づいて、定番度を求めている。ここでいう定番度とは、各アイテムとしての書籍がユーザに知れ渡っている認知の程度としての指標を数値化して表した値を意味する。

例えば、あるカテゴリに属する書籍の場合、初心者に向けた入門書は、その書籍を認知しているユーザの人数が相対的に高く定番度が高いといえる。これに対し、あるカテゴリに属する書籍において、専門性が極めて高い専門書は、当該専門書の存在をしるユーザの人数は相対的に少ないため、定番度が低いということができる。すなわち、ここでいう定番度は、認知度を表す指標である。

（アイテム抽出部）
アイテム抽出部３５７は、本発明のアイテム抽出手段を構成している。このアイテム抽出部３５７は、定番度算出部３５６により算出された定番度に基づいて、意外性カテゴリ抽出部３５５により抽出されたカテゴリに含まれるアイテムとしての書籍の中から所定の定番度を有するアイテムとしての書籍を抽出する。

例えば、アイテム抽出部３５７は、定番度が最も高い書籍のみを抽出したり、定番度が高い書籍の中から上位５番目とか１０番目までの書籍を抽出したりしている。

（情報提供部）
情報提供部３５８は、本発明の情報提供手段を構成している。アイテム抽出部３５７により抽出された書籍に関する情報を推薦情報として要求ユーザに提供する。推薦情報を要求ユーザに提供する場合、当該情報提供部３５８は通信制御部３２０と協働し、要求ユーザが所持する通信端末装置１０に対して推薦情報を送信することにより行っている。

提供する推薦情報としては、例えば、後述する、図５に示したカテゴリ情報ＤＢ３４３に登録された書籍名、本文データ、表示の画像及びその書籍が属するカテゴリ等である。

［３］データベースに登録されたデータの具体例
次に、情報提供サーバ装置３０が備える記録部３４０を構成している各データベースの詳細について、上述した図３から図５を参照しつつ具体的に説明する。なお、図３は、ユーザ情報ＤＢ３４１に登録されたデータの一例を示す図であり、図４は、コンテンツ情報ＤＢ３４２に登録されたデータの一例を示す図であり、図５はカテゴリ情報ＤＢ３４３に登録されたデータの一例を示す図である。

（ユーザ情報ＤＢ）
ユーザ情報ＤＢ３４１は、本実施形態の情報提供システム１を利用するユーザの基本情報に関する各データをそれぞれ格納するためのＤＢである。ユーザ情報ＤＢ３４１には、図３に示すように、
（１）各ユーザを識別するためのユーザＩＤ、
（２）各ユーザが当該情報提供システム１にログインするために必要なログイン情報としてのパスワード、及び
（３）各ユーザにより既に購入又は閲覧されたアイテムのリストとしての書籍リスト
が対応付けられて登録される。

図３に例示する場合には、ユーザ情報ＤＢ３４１には、例えば、「Ｕ００００１」により特定されるユーザのユーザＩＤと、当該ユーザＩＤが情報提供システム１にログインするときに必要なパスワード「ＡＢＣ１２３４」と、当該ユーザによってこれまでに購入された書籍のリスト「書籍１、書籍２、書籍３、書籍４、・・・・」とが関連づけて登録されている。なお、そのほかに、各ユーザＩＤにより特定されるユーザに関する基本情報、例えば、ユーザの氏名、ユーザの性別、ユーザの生年月日、ユーザの住所、ユーザの職業等を登録してもよい。

（コンテンツ情報ＤＢ）
コンテンツ情報ＤＢ３４２は、コンテンツを構成するアイテムとしての書籍に関する種々の情報が書籍毎にデータとして格納されたＤＢである。図４に示したコンテンツ情報ＤＢ３４２では、
（１） 各アイテムとしての書籍を識別するための書籍ＩＤ、
（２）各書籍ＩＤにより特定される個々の書籍の書籍名、
（３）各書籍の内容を表し、テキストデータにより登録された書籍本文データ、
（４）各書籍の表紙の画像データ、及び
（５）各書籍が属するカテゴリのカテゴリＩＤ、
が相互に関連づけて登録されている。

図４に例示したコンテンツ情報ＤＢ３４２では、例えば、書籍ＩＤ「Ｂ０００１」と、書籍名「書籍１」と、書籍本文を表す「本文データ１」と、その書籍の表紙の画像である「画像１」と、当該書籍が属するカテゴリを特定するためのカテゴリＩＤ「Ｃ０００１」とが相互に関連づけて登録されている。

（カテゴリ情報ＤＢ）
カテゴリ情報ＤＢ３４３は、アイテムである書籍が属するカテゴリについての情報がカテゴリ別に登録されたＤＢである。図５に例示したカテゴリ情報ＤＢ３４３では、
（１）カテゴリを特定するためのカテゴリＩＤ、及び
（２）各カテゴリＩＤにより特定されるカテゴリ
が相互に関連づけて登録されている。

例えば、図５に例示したカテゴリ情報ＤＢ３４３では、カテゴリＩＤ「Ｃ０００１」と、このカテゴリＩＤにより特定されるカテゴリ「ＳＦ」とが、関連づけて登録されている。

［４］処理の具体的な内容
次に、データ処理部３５０により実行される処理内容について、図６から図９を参照して具体的に説明する。なお、図６は、要求ユーザに推薦情報を提供するシステムの全体の流れの概要を示す概要図であり、図７は、趣向が類似するユーザを抽出する原理を説明するための説明図であり、図８は、所定のカテゴリに含まれ、ユーザに意外性を与える書籍の抽出機能を説明するための説明図であり、図９は、定番度の算出過程を説明するための説明図である。

本実施形態の情報提供サーバ装置３０において、まず、カウント部３５２が、要求ユーザと他のユーザとの間で、各ユーザがこれまでに、購入した書籍の購入数をカテゴリ毎にカウントする。

図６に示した例において、推薦を受ける要求ユーザは、ＳＦのカテゴリに属する書籍を購入した数が２５、ミステリーのカテゴリに属する書籍を購入した数が１、ホラーのカテゴリに属する書籍を購入した数が、１２である。同様に、ＩＴが１、物理が０、ビジネスが２、資格が５である。これに対し、他のユーザの１人がこれまでに購入した、カテゴリ毎の書籍の数は、ＳＦが３０、ミステリーが１０、ホラーが１０、ＩＴが５、物理が０、ビジネスが０、資格が６である。

次に、類似度算出部３５３が、要求ユーザと他のユーザとの間で類似度をそれぞれ算出する。 類似度の算出方法にあっては、まず、各ユーザがこれまでに購入した書籍のカテゴリに基づいて趣向性ベクトルを作成する。類似度は、作成された趣向性ベクトルに基づいてコサイン類似度を用いて算出される。ただし、類似度の算出方法は特に限定されず、例えばユークリッド距離を利用して類似度を算出してもよい。

ユーザ群区分け部３５４は、算出された類似度に基づいて、類似度の程度が高い高程度類似度のユーザ群、中程度の中程度類似度のユーザ群、及び低い程度の低程度類似度のユーザ群に区分けする。図６においては、図６に示した領域が、類似度の程度が高い高程度類似度のユーザ群を示し、図６の（２）によって説明している説明文が、中程度の中程度類似度のユーザ群、及び低い程度の低程度類似度のユーザ群に区分けする処理である。

各ユーザを各クラスのユーザ群に区分けする際、ソート部が、各ユーザ群について、高程度類似度クラスに属するユーザ、及び中程度類似度クラスに属するユーザを降順にソートする一方で、低程度類似度クラスに属するユーザを昇順にソートする。また、データ処理部３５０は、クラス分けされた各ユーザ群の中から任意数のユーザを抽出する。例えば、各クラスに区分けされたユーザ群の中から、上位の１０人を抽出する。ただし、抽出する人数は、必要に応じ、その他の人数であってもよい。

そして、意外性カテゴリ抽出部３５５は、区分けされたユーザ群のうち、高程度類似度のユーザ群について、他のユーザの中から抽出された１０人のユーザと要求ユーザとの間で、カテゴリ毎に、購入した書籍の差を求め、差の大きなカテゴリを抽出する。図６に示した例では、購入した書籍の数の差が５以上である場合に、差が大きいとしている。その結果、ＳＦに属するカテゴリと、ミステリーに属するカテゴリとが抽出されている。

次に、図６の（１）に示したように、推薦を受ける要求ユーザが未購入のアイテムである書籍を抽出する。その際、フィルタリング部が、図６の（３）の説明文に示したように、中程度類似度のユーザ群に属するユーザ及び低程度類似度のユーザ群に属するユーザのいずれのユーザによっても購入されたことがない書籍を排除する処理を実行する。逆に、双方のユーザ群により購入されたことがある書籍は、排除されることなく残される。

次に、定番度算出部３５６は、図６の（４）の説明文に示したように、抽出された書籍についてポイント付けの処理を実行する。具体的に、中程度類度クラスのユーザ群に属するユーザ及び低程度類度クラスのユーザ群に属するユーザにより購入されたことがある書籍についてはポイント１を加算し、購入されたことがない書籍については、ポイントを０とする。そして、定番度算出部３５６は、加算されたポイントの結果を定番度として定義づけ、図６の（５）の説明文にしめしたように、ポイントの高い順、すなわち、定番度の高い順に書籍をソートする。

次に、アイテム抽出部３５７が、ソートされた書籍の中から、上位３位までに含まれる書籍を抽出する。ただし、アイテム抽出部３５７は、定番度が最も高い１つの書籍だけを抽出したり、そのほかの順位に含まれる書籍を抽出したりすることができる。

そして、情報提供部３５８は、アイテム抽出部３５７が抽出した書籍を、要求ユーザに対し、推薦情報として推薦する。

以上に説明した処理について、カウント部３５２、類似度算出部３５３及びユーザ区分け部３５４の処理について、図７を用いて、さらに詳しく説明する。

図７に示した例では、ユーザＡが推薦を受ける要求ユーザを示し、ユーザＢからユーザＦがその他のユーザを示している。この図７に示した例において、ユーザＡが購入したカテゴリ毎の書籍の購入数は、カテゴリＡが２０、カテゴリＢが１５、カテゴリＣが１０、カテゴリＤが５、カテゴリＥが０である。

他のユーザの１人であるユーザＢが購入したカテゴリ毎の書籍の購入数は、カテゴリＡが２３、カテゴリＢが１４、カテゴリＣが１０、カテゴリＤが２０、カテゴリＥが５である。同様に、他のユーザであるユーザＣからユーザＦについても購入したカテゴリ毎の書籍の購入数は、図７に図示した通りの数値の書籍がテゴリ毎に購入されている。

また、図７において、図の右側の欄には、各ユーザの類似度が示されている。図７において、類似度は、コサイン類似度により算出されており、ユーザＢからユーザＦの類似度は、それぞれ、０．８９８５３２１３６、０．１６５４５５６３、０．２２７３３６６６、０．５６１０２９４９９、０．５６８００８５７８である。

さらに、図７の右側に示した、「高」、「中」、「低」の文字は、類似度の程度をそれぞれ表している。図７において、ユーザＢは、高程度類似度クラスのユーザ群に属し、ユーザＣ及びユーザＤは、低程度類似度クラスのユーザ群に属し、ユーザＥ及びユーザＦは、中程度類似度クラスのユーザ群に属している。なお、当該図７において、類似度が０．６以上、１．０以下の範囲に属するユーザを高程度類似度クラス、類似度が０．４以上、０．６未満の範囲に属するユーザを中程度類似度クラス、類似度が０以上、０．４未満の範囲に属するユーザを低程度類似度クラスとしてユーザ群を区分けしている。

次に、図８を用いて、意外性カテゴリ抽出部３５５の処理について説明する。

意外性カテゴリ抽出部３５５は、要求ユーザが購入した各カテゴリに属する書籍の購入数と高程度類似度クラスのユーザ群に属するユーザが購入した各カテゴリに属する書籍の購入数とに基づいて、要求ユーザに意外性を与えるアイテム、すなわち、書籍を抽出する。

類似度が高いユーザの間においても、あるユーザにおいては、書籍をあまり購入していない
カテゴリがある一方で、他のユーザは、そのカテゴリに属する書籍を数多く購入している場合がある。類似度が高いということは、そのユーザ同士の趣向性が似ていることを示している。ところが、一のユーザがあまり購入したことがないカテゴリの書籍を推薦されると、そのユーザは、推薦された書籍に対して意外性を感じる。意外性カテゴリ抽出部３５５は、こうしたユーザの心理をついた処理を実行するための構成部である。

今、要求ユーザとユーザＢとの間で、購入数の差が５以上であるカテゴリを意外性があるカテゴリとする。図８において、購入数の差が５以上であるカテゴリは、カテゴリＤとカテゴリＥである。すなわち、要求ユーザであるユーザＡは、カテゴリＤの書籍を５しか購入していないのに対し、ユーザＢは、カテゴリＤの書籍を２０も購入しており、その差は１５である。また、要求ユーザであるユーザＡは、カテゴリＥの書籍を全く購入していないのに対し、ユーザＢは、カテゴリＥの書籍を５も購入しており、その差は５である。そのほかのカテゴリＡからカテゴリＣについては、購入数の差が５未満になっている。

次に、図９を参照し、上述したフィルタリング部の機能について詳細に説明する。

本実施形態の情報提供システム１では、上述したように、定番度が高い書籍に関する情報を要求ユーザに対して提供することが目的の１つである。ところが、中程度類似度クラスのユーザ群に属するユーザや、低程度類似度クラスのユーザ群に属するユーザにより、一度も購入又は閲覧されたことがない書籍は、世間的にあまり認知されておらず、定番度がきわめて低い恐れがある。このような定番度が低い書籍についての情報を要求ユーザに提供した場合、要求ユーザに突飛なイメージを与え、全く興味を示さない恐れがある。フィルタリング部は、こうした事態が生じることを回避するために、設けた構成部である。

図９の「○」は、購入実績があることを示し、「×」は購入実績がないことを示している。 図９において、「書籍い」から「書籍に」までは、中程度類似度クラスのユーザ群に属するユーザ及び低程度類似度クラスのユーザ群に属するユーザの双方により、購入されたことがある書籍であることがわかる。

これに対し、「書籍ほ」は、中程度類似度クラスのユーザ群に属するユーザにより購入されたことがなく、低程度類似度クラスのユーザ群に属するユーザにより購入されたことがある。「書籍へ」は、中程度類似度クラスのユーザ群に属するユーザにより購入されたことはあるが、低程度類似度クラスのユーザ群に属するユーザにより購入されたことがない。そして、「書籍と」は、中程度類似度クラスのユーザ群に属するユーザ及び低程度類似度クラスのユーザ群に属するユーザの双方に購入されたことがない。

そのため、枠内に示した「書籍い」から「書籍に」までは、推薦対象書籍として残るが、枠外に示した「書籍ほ」から「書籍と」までは、推薦対象書籍としては残らない、推薦対象外の書籍となる。

［５］本実施形態の情報提供システムの動作
次に、図１０を参照して本実施形態における情報提供システム１が要求ユーザに対し推薦情報を提供する処理について説明する。なお、図１０は、情報提供サーバ装置３０により実行される処理を示すフローチャートである。

本動作においては、推薦エンジンの初期化の処理は既に実行済みであるものとする。また、ユーザ情報ＤＢ３４１、コンテンツ情報ＤＢ３４２、及びカテゴリ情報ＤＢ３４３には既に必要なデータが登録されているものとする。

まず、情報提供サーバ装置３０は、通信制御部３２０が通信端末装置１０からユーザのログイン操作が行われた旨の信号を受信した否かを判断する（ステップＳ１０１）。

次いで、カウント部３５２は、各ユーザによって購入又は閲覧された書籍等のアイテムの購入数又は閲覧回数を、当該書籍が属するカテゴリ毎にカウントする（ステップＳ１０２）。このステップにおいて、アイテムとして書籍を例にした場合、カテゴリは、例えば、ＳＦ、ミステリー、ＩＴ、ビジネスという分野である。カウント部３５２は、各ユーザにについて、カテゴリがＳＦについては２５、カテゴリがミステリーについては１というように、カウントする。

次いで、類似度算出部３５３が、要求ユーザとその他のユーザとの間における趣向性の類似度を、その他のユーザ毎に算出する。（ステップＳ１０３）。類似度の算出方法は、特に限定されず、コサイン類似度の算出手法を用いて算出したり、ユークリッド距離を利用して算出したりするなど、種々の手法で算出することができる。図７に示した例では、コサイン類似度を算出手法により算出された類似度を示している。

次いで、ユーザ群区分け部３５４は、算出された類似度に基づいて、ユーザを、高程度類似度クラスのユーザ群、中程度類似度のユーザ群及び低程度類似度のユーザ群に区分けする（ステップＳ１０４）。ユーザ群区分け部３５４は、各クラスのユーザ群について類似度に所定の数値範囲をそれぞれ設定してクラス分けを行う。例えば、ユーザ群区分け部３５４は、類似度が０．６以上、１．０以下の範囲に属するユーザを高程度類似度クラス、類似度が０．４以上、０．６未満の範囲に属するユーザを中程度類似度クラス、類似度が０以上、０．４未満の範囲に属するユーザを低程度類似度クラスとしてユーザ群を区分けしている。

このステップＳ１０４では、ソート部が各ユーザ群に属するユーザを類似度の大きさに応じて、昇順又は降順にソートする処理も実行する。例えば、高程度類似度クラスに属するユーザ、及び中程度類似度クラスに属するユーザを降順にソートする一方で、低程度類似度クラスに属するユーザを昇順にソートする。

また、このステップＳ１０４では、各クラスのユーザ群の中から所定の人数のユーザを抽出する。例えば、降順にソートされた高程度類似度クラスのユーザ群に属するユーザは、上から５人であるとか１０人のユーザを抽出する。高程度類似度クラスのユーザ群において、ユーザを降順にソートし、上から５人であるとか１０であるといったユーザを抽出した場合、抽出されたユーザは、要求ユーザとの間における類似度の程度が高いという特性を顕著にすることができる。

降順にソートされた中程度類似度クラスのユーザ群に属するユーザについても高程度類似度クラスのユーザ群に属するユーザと同様である。ただし、中程度類似度クラスのユーザ群に属するユーザにおいて、類似度の程度が中程度であるという特性を顕著にするには、降順にソートされたユーザの中から、順位が中間の範囲に属するユーザを抽出するとよい。

その一方で、昇順にソートされた低程度類似度クラスのユーザ群に属するユーザは、上から５人であるとか１０人のユーザを抽出する。すなわち、類似度が低いユーザから順に５人とか１０人を抽出する。低程度類似度クラスのユーザ群において、ユーザを昇順にソートし、上から５人であるとか１０であるといったユーザを抽出した場合、抽出されたユーザは、要求ユーザとの間における類似度の程度が低いという特性を顕著にすることができる。

次いで、意外性カテゴリ抽出部３５５が、要求ユーザにおけるカテゴリ毎の書籍の購入数と、高程度類似度クラスのユーザ群に属するユーザにおけるカテゴリ毎の書籍の購入数とに基づいて、意外性カテゴリを抽出する（ステップＳ１０５）。

意外性カテゴリ抽出部３５５は、要求ユーザにおけるカテゴリ毎の書籍の購入数と、高程度類似度クラスのユーザ群に属するユーザにおけるカテゴリ毎の書籍の購入数との間に、一定の規則があるカテゴリを意外性カテゴリとして抽出する。例えば、要求ユーザにおける書籍の購入数と、高程度類似度クラスのユーザ群に属するユーザにおける書籍の購入数との間に、一定の値以上の差がある場合に、そのカテゴリを意外性カテゴリとして抽出する。図８に示した例では、購入数の差が５以上であるカテゴリＤとカテゴリＥとが意外性カテゴリとして抽出されている。

また、この意外性カテゴリを抽出するステップＳ１０５では、意外性カテゴリとして抽出されたカテゴリ毎に、高程度類似度クラスのユーザ群に属する当該ユーザが購入した書籍を抽出する処理を実行する。

次いで、フィルタリング部が意外性カテゴリとして抽出されたカテゴリに含まれ、高程度類似度クラスのユーザ群に属する当該ユーザが購入した書籍した書籍についてフィルタリングを行う（ステップＳ１０６）。

フィルタリング部は、抽出された書籍の中から、中程度類似度クラスのユーザ群に属するユーザと、低程度類似度クラスのユーザ群に属するユーザとのいずれにおいても購入されたことがない書籍を排除する処理を実行する。逆に、中程度類似度クラスのユーザ群に属するユーザと、低程度類似度クラスのユーザ群に属するユーザとの双方が購入したことがある書籍は、そのまま残される。

次いで、定番度算出部３５６が、意外性カテゴリ抽出部３５５により抽出されたカテゴリに含まれる書籍の定番度を算出する（ステップＳ１０７）。

定番度算出部３５６は、意外性カテゴリ抽出部３５５により抽出されたカテゴリに含まれる書籍の中から、中程度類似度クラス及び低程度類似度クラスに属するユーザ群のユーザにより購入又は閲覧された書籍の購入数又は閲覧回数に基づいて定番度を求める。具体的に、中程度類度クラスのユーザ群に属するユーザ及び低程度類度クラスのユーザ群に属するユーザにより購入されたことがある書籍についてはポイント１を加算し、購入されたことがない書籍については、ポイントを０とする。そして、定番度算出部３５６は、加算されたポイントの結果を定番度として定義づけ、ポイントの高い順、すなわち、定番度の高い順に書籍をソートする。

次いで、アイテム抽出部３５７が、所定の定番度の書籍を抽出する（ステップＳ１０８）。例えば、アイテム抽出部３５７は、定番度が最も高い書籍のみを抽出したり、定番度が高い書籍の中から上位５番目とか１０番目までの書籍を抽出したりしている。

その後、情報提供部３５８が、アイテム抽出部３５７により抽出された書籍に関する情報を要求ユーザに送信し（ステップＳ１０９）、動作を終了する。

本実施形態における情報提供システム１を構成する情報提供サーバ装置３０は、以上に説明した構成により、要求ユーザに推薦情報を提供する処理を実行するので、要求ユーザは、意外性を感じつつも、受け入れやすい情報を提供される。

［６］変形例
［６．１］変形例１
本実施形態の情報提供システム１は、カテゴリとしてアイテムが属する分野を採用している。ただし、カテゴリは、アイテムが属する分野であることには限定されない。

変形例１における情報提供システム１では、カテゴリとして、アイテムの著者、例えば、書籍の著者、音楽の作詞家や作曲家等を採用してもよい。こうした著者をカテゴリとして採用した場合、要求ユーザにとってあまり知識がないが、興味をそそる著者の書籍や、作詞家、作曲家の音楽に関する情報を要求ユーザに提供することができる。

［６．２］変形例２
本実施形態の情報提供システム１においては、購入済みの書籍をメインにして説明したが、購入済みの書籍に代えて、閲覧済み書籍の情報を蓄積して処理を実行することもできる。

この場合、閲覧済みであるか否かの判定は、例えば、書籍閲覧のアプリケーションにて、当該書籍の最終頁が開かれたときに、最終頁が開かれた旨の情報を通信端末装置１０から情報提供サーバ装置３０に送信する。最終頁まで開かれた旨の情報は、ユーザが当該書籍を最終頁まで読み切ったことが推定されるので、推薦情報を受ける要求ユーザは、役に立ったと感じる確率が高くなる。

［６．３］変形例３
本実施形態における類似ユーザ抽出機能において、近似する類似度のユーザをひとまとめにして処理を実行してもよい。

例えば、中程度類似度クラスのユーザ群において、コサイン類似度が０．４台、０．５台の各範囲に属するユーザをそれぞれひとまとめにして、各範囲の類似度について、購入された書籍を取り扱ってもよい。この変形例３では、データが少ない場合でも良質な結果を得ることができる。

［６．４］変形例４
本実施形態における類似ユーザ抽出機能において、要求ユーザとの間の類似度が極端に低い類似度のユーザを除外して処理を実行してもよい。例えば、要求ユーザとの間のコサイン類似度が０．２未満のユーザは、情報提供システム１における情報提供サーバ装置３０にて実行される処理から除外する。

この変形例４では、類似度が極端に低いユーザを除外してしまうため、要求ユーザに提供する情報の意外性は、確かに低減してしまう。しかしながら、類似度が極端に低いユーザを除外することにより、要求ユーザにとって受け入れやすい情報であって、しかも、要求ユーザにとって、役に立つ情報を提供することが可能になる。

［６．５］変形例５
本実施形態における意外性カテゴリ抽出部３５５の抽出機能において、カテゴリ毎の購入数の差が所定の値よりも小さいカテゴリをすべて排除するというロジックに代えて、購入数の差が大きい上位のカテゴリを採用するというロジックを採用してもよい。例えば、カテゴリに含まれる書籍の購入数の差が大きい上位３つのカテゴリを採用するというロジックである。

［６．６］変形例６
本実施形態の定番度算出部３５６が備える機能において、中程度類似度クラスのユーザ群及び低程度類似度クラスのユーザ群における定番度に対して、各クラスのユーザ群に対して重み付けを行って定番度を算出してもよい。

例えば、中程度類似度クラスのユーザ群の定番度を算出する場合に、中程度類似度クラスのユーザ群の定番度の重みを上げる処理を行う。この場合、要求ユーザにとって、意外性は低減するが、受け入れやすく役に立つ情報を提供することが可能になる。一方、低程度類似度クラスのユーザ群の定番度を算出する場合に、低程度類似度クラスのユーザ群の定番度の重みを上げる処理を行う。この場合、要求ユーザにとって、意外性を増大させることができる。

［６．７］変形例７
本実施形態においては、情報提供サーバ装置３０内に各ＤＢ３４１〜３４３を設け、これらのＤＢを情報提供サーバ装置３０のみにおいて管理及び制御する構成としたが、各ＤＢ３４１〜３４３を管理するためのコンピュータシステム別個に設け、各々、個別に管理、運用するようにしてもよい。

１ … 情報提供システム
１０ … 通信端末装置
２０ … ネットワーク
３０ … 情報提供サーバ装置
３１０ … サーバ管理制御部
３２０ … 通信制御部
３３０ … ＲＯＭ／ＲＡＭ
３４０ … 記録部
３４１ … ユーザ情報ＤＢ
３４２ … コンテンツ情報ＤＢ
３４３ … カテゴリ情報ＤＢ
３５０ … データ処理部
３５１ … ＤＢ管理部
３５２ … カウント部
３５３ … 類似度算出部
３５４ … ユーザ群区分け部
３５５ … 意外性カテゴリ抽出部
３５６ … 定番度算出部
３５７ … アイテム抽出部
３５８ … 情報提供部

Claims (8)

1. ネットワークを介してユーザにより所持された通信端末装置に接続され、ユーザに所定コンテンツの１種をなすアイテムに関する情報を推薦情報として前記通信端末装置に提供するための情報提供サーバ装置であって、
   各ユーザによって購入又は閲覧された前記アイテムの購入数又は閲覧回数を、当該アイテムが属するカテゴリ毎にカウントするカウント手段と、
   前記購入数又は閲覧回数に基づいて、ユーザ間における前記コンテンツに対する購入又は閲覧の趣向に関する類似度を算出する類似度算出手段と、
   前記算出された各ユーザ間の類似度に基づいて、前記推薦情報を要求する要求ユーザに対する他のユーザを、閾値に基づいて、高程度類似度クラス、中程度類似度クラス及び低程度類似度クラスの３区分の類似度クラスに属するユーザ群に区分けするユーザ群区分け手段と、
   前記高程度類似度クラスのユーザ群を構成する各ユーザが購入又は閲覧した前記アイテムと、前記要求ユーザが既に購入又は閲覧した前記アイテムとをカテゴリ毎に比較して、カテゴリ毎の購入数又は閲覧回数の間に、カテゴリ毎の購入数又は閲覧回数の相関関係を数値化した値が所定の条件を具備する関係が成立するカテゴリを意外性カテゴリとして抽出する意外性カテゴリ抽出手段と、
   前記意外性カテゴリ抽出手段により抽出されたカテゴリに含まれるアイテムの中から、前記中程度類似度クラス及び前記低程度類似度クラスに属するユーザ群のユーザにより購入又は閲覧されたアイテムの購入数又は閲覧回数に基づいて、前記各アイテムの認知の程度としての指標を数値化した定番度を求める定番度算出手段と、
   前記定番度算出手段により算出された定番度に基づいて、前記意外性カテゴリ抽出手段により抽出されたカテゴリに含まれるアイテムの中から所定の定番度を有するアイテムを抽出するアイテム抽出手段と、
   前記アイテム抽出手段により抽出されたアイテムに関する情報を前記推薦情報として前記要求ユーザに提供する情報提供出段とを備えることを特徴とする情報提供サーバ装置。
2. 請求項１に記載の情報提供サーバ装置において、
   ユーザ群区分け手段は、前記高程度類似度クラス、中程度類似度クラス及び低程度類似度クラスに属するユーザ群のユーザを、類似度に関する所定の規則に基づいてソートして前記閾値により分類するソート手段を各クラスに設けている、情報提供サーバ装置。
3. 請求項１又は２に記載の情報提供サーバ装置において、
   カテゴリ毎における前記所定の条件が、前記高程度類似度クラスに属するユーザ群を構成する各ユーザがアイテムを購入した購入数又は閲覧した閲覧回数から前記要求ユーザがアイテムを既に購入した購入数又は閲覧した閲覧回数を差し引いて求めた差が所定の値以上である、情報提供サーバ装置。
4. 請求項１〜３のいずれか１項に記載の情報提供サーバ装置において、
   前記意外性カテゴリ抽出手段により抽出されたカテゴリに含まれるアイテムの中から、前記中程度類似度クラス及び前記低程度類似度クラスに属するユーザ群のユーザにより一度も購入又は閲覧されたことがないアイテムを排除するフィルタリング手段をさらに備えている、情報提供サーバ装置。
5. 請求項１〜４のいずれか１項に記載の情報提供サーバ装置において、
   前記定番度算出手段は、前記アイテムが購入された数又は閲覧された閲覧数を当該アイテム毎に算出して前記定番度を算出している、情報提供サーバ装置。
6. 請求項１〜５のいずれか１項に記載の情報提供サーバ装置において、
   前記アイテム抽出手段は、前記要求ユーザが未購入又は未だに閲覧をしていないアイテムであって、前記高程度類似度クラスのユーザ群に属するユーザが既に購入又は既に閲覧しているアイテムを抽出する、情報提供サーバ装置。
7. ネットワークを介してユーザにより所持された通信端末装置に接続され、ユーザに所定コンテンツの１種をなすアイテムに関する情報を推薦情報として前記通信端末装置に提供するための情報提供サーバ装置を構成するコンピュータにおいて用いられるプログラムであって、
   前記コンピュータを、
   各ユーザによって購入又は閲覧された前記アイテムの購入数又は閲覧回数を、当該アイテムが属するカテゴリ毎にカウントするカウント手段、
   前記購入数又は閲覧回数に基づいて、ユーザ間における前記コンテンツに対する購入又は閲覧の趣向に関する類似度を算出する類似度算出手段、
   前記算出された各ユーザ間の類似度に基づいて、前記推薦情報を要求する要求ユーザに対する他のユーザを、閾値に基づいて、高程度類似度クラス、中程度類似度クラス及び低程度類似度クラスの３区分の類似度クラスに属するユーザ群に区分けするユーザ群区分け手段、
   前記高程度類似度クラスのユーザ群を構成する各ユーザが購入又は閲覧した前記アイテムと、前記要求ユーザが既に購入又は閲覧した前記アイテムとをカテゴリ毎に比較して、カテゴリ毎の購入数又は閲覧回数の間に、カテゴリ毎の購入数又は閲覧回数の相関関係を数値化した値が所定の条件を具備する関係が成立するカテゴリを意外性カテゴリとして抽出する意外性カテゴリ抽出手段、
   前記意外性カテゴリ抽出手段により抽出されたカテゴリに含まれるアイテムの中から、前記中程度類似度クラス及び前記低程度類似度クラスに属するユーザ群のユーザにより購入又は閲覧されたアイテムの購入数又は閲覧回数に基づいて、前記各アイテムの認知の程度としての指標を数値化した定番度を求める定番度算出手段、
   前記定番度算出手段により算出された定番度に基づいて、前記意外性カテゴリ抽出手段により抽出されたカテゴリに含まれるアイテムの中から所定の定番度を有するアイテムを抽出するアイテム抽出手段、及び
   前記アイテム抽出手段により抽出されたアイテムに関する情報を前記推薦情報として前記要求ユーザに提供する情報提供出段、
   として機能させることを特徴とするプログラム。
8. ネットワークを介してユーザにより所持された通信端末装置に接続され、ユーザに所定コンテンツの１種をなすアイテムに関する情報を推薦情報として前記通信端末装置に提供するための情報提供サーバ装置が実行する情報提供方法であって、
   各ユーザによって購入又は閲覧された前記アイテムの購入数又は閲覧回数を、当該アイテムが属するカテゴリ毎にカウントするカウント工程と、
   前記購入数又は閲覧回数に基づいて、ユーザ間における前記コンテンツに対する購入又は閲覧の趣向に関する類似度を算出する類似度算出工程と、
   前記算出された各ユーザ間の類似度に基づいて、前記推薦情報を要求する要求ユーザに対する他のユーザを、閾値に基づいて、高程度類似度クラス、中程度類似度クラス及び低程度類似度クラスの３区分の類似度クラスに属するユーザ群に区分けするユーザ群区分け工程と、
   前記高程度類似度クラスのユーザ群を構成する各ユーザが購入又は閲覧した前記アイテムと、前記要求ユーザが既に購入又は閲覧した前記アイテムとをカテゴリ毎に比較して、カテゴリ毎の購入数又は閲覧回数の間に、カテゴリ毎の購入数又は閲覧回数の相関関係を数値化した値が所定の条件を具備する関係が成立するカテゴリを意外性カテゴリとして抽出する意外性カテゴリ抽出工程と、
   前記意外性カテゴリ抽出工程により抽出されたカテゴリに含まれるアイテムの中から、前記中程度類似度クラス及び前記低程度類似度クラスに属するユーザ群のユーザにより購入又は閲覧されたアイテムの購入数又は閲覧回数に基づいて、前記各アイテムの認知の程度としての指標を数値化した定番度を求める定番度算出工程と、
   前記定番度算出工程により算出された定番度に基づいて、前記意外性カテゴリ抽出工程により抽出されたカテゴリに含まれるアイテムの中から所定の定番度を有するアイテムを抽出するアイテム抽出工程と、
   前記アイテム抽出工程により抽出されたアイテムに関する情報を前記推薦情報として前記要求ユーザに提供する情報提供工程と、を備えることを特徴とする情報提供方法。
   

Images