JP7189905B2 - 情報処理装置、情報処理方法、及び情報処理プログラム - Google Patents

Description

本発明は、ユーザにコンテンツをレコメンドする情報処理装置、情報処理方法、及び情報処理プログラムに関する。

従来、インターネットを介して、ニュースや広告等のコンテンツを、ユーザが所有する端末装置にレコメンドする情報処理装置が知られている（例えば、特許文献１参照）。
このような従来の情報処理装置では、コンテンツテーブルに複数のコンテンツを記憶しておく。そして、ユーザの特徴を示すユーザ特徴ベクトルと、コンテンツの特徴を示すコンテンツ特徴ベクトルとを用いて、ユーザに対する各コンテンツのスコアを算出し、当該スコアが高いコンテンツを、コンテンツテーブルから取得して、ユーザの端末装置に配信（レコメンド）する。

特開２０１０-２６２３８３号公報

ところで、ニュース等のコンテンツを配信する場合、特許文献１に記載のような情報処理装置を用いて、コンテンツ配信者が作成する内部コンテンツを配信し、ユーザによる内部コンテンツの閲覧履歴に基づいて、ユーザの興味のあるジャンルを推定する。しかしながら、レコメンドされたコンテンツが、必ずしもユーザの興味のあるコンテンツであるとは限らない。この場合、ユーザは、レコメンドしたコンテンツを閲覧する可能性が低く、ユーザが興味のあるジャンルを推定することが困難となる、との課題がある。
一方、内部コンテンツに加え、他のコンテンツ配信者が作成した外部コンテンツを、レコメンドに加えることがある。このような外部コンテンツを加えることで、内部コンテンツのみでは推定できなかったユーザの興味ジャンルを推定できる場合がある。しかしながら、内部コンテンツで十分に興味を推定できているユーザに対して外部コンテンツを配信すると、ユーザの内部コンテンツの閲覧率が低下してしまう、との課題がある。

本発明は、ユーザの興味のあるジャンルを適正に推定可能で、かつ、ユーザの内部コンテンツの閲覧率の低下も抑制可能な情報処理装置、情報処理方法、及び情報処理プログラムを提供することを目的とする。

本発明の情報処理装置は、第一コンテンツ配信者が配信する内部コンテンツを蓄積する内部コンテンツ蓄積部の、各前記内部コンテンツに対するユーザの閲覧履歴である内部閲覧履歴を取得する履歴取得部と、前記第一コンテンツ配信者とは異なる第二コンテンツ配信者により生成された外部コンテンツに対するリンク情報を取得する外部リンク取得部と、前記内部閲覧履歴に基づいて、前記ユーザに配信する前記外部コンテンツの数に関する外部配信パラメータを設定する外部配信数設定部と、前記外部配信パラメータに応じた数の前記外部コンテンツと、所定数の前記内部コンテンツと、を選出し、選出された前記外部コンテンツ及び前記内部コンテンツを前記ユーザが所有する端末装置にレコメンドする配信部と、を備える。

本発明では、内部コンテンツに対する内部閲覧履歴に基づいて、外部コンテンツをレコメンドする数を設定し、設定した数の外部レコメンドと内部コンテンツとをユーザにレコメンドする。つまり、閲覧数が少ないユーザに対して外部コンテンツのレコメンドを増大させ、内部コンテンツの閲覧数が多いユーザに対して外部コンテンツのレコメンドを減少させる。これにより、内部コンテンツの閲覧履歴のみでは、興味のあるジャンルを推定が困難なユーザに対しても、外部コンテンツに対する閲覧履歴に基づいて、ユーザの興味のあるジャンルを推定することができる。内部コンテンツのみで十分に興味があるジャンルが推定できているユーザに関しては、外部コンテンツのレコメンドが減少するので、内部コンテンツに対する閲覧率の低下も抑制できる。

本発明の一実施形態の情報処理システムを示す概略図。 本実施形態のサーバの概略構成を示すブロック図。 本実施形態におけるレコメンド方法における、外部コンテンツのリンク取得処理を示すフローチャート。 本実施形態におけるレコメンド方法における、レコメンド処理を示すフローチャート。 本実施形態のコンテンツのレコメンド表示ページの一例を示す図。

以下、本発明に係る一実施形態について説明する。
［情報処理システムの概要］
図１は、本実施形態の情報処理システムを示す概略図である。
本実施形態の情報処理システムは、図１に示すように、情報処理装置であるサーバ１０、サーバ１０に対してインターネットを介して接続された複数の端末装置２０、及び、サーバ１０に対してインターネットを介して接続された複数の外部サーバ３０を備える。この情報処理システムは、サーバ１０から端末装置２０にコンテンツをレコメンドするレコメンド配信システムであり、端末装置２０を所有するユーザの特徴に応じたコンテンツをレコメンドする。
以下、このような情報処理システムの、特にサーバ１０について詳細に説明する。

ここで、以降の説明にあたり、サーバ１０の管理者は、本発明における第一コンテンツ配信者に相当し、外部サーバ３０の管理者は、本発明における第二コンテンツ配信者に相当する。第一コンテンツ配信者が作成するコンテンツが内部コンテンツであり、第二コンテンツ配信者が作成するコンテンツが外部コンテンツとなる。
ここで、本発明における内部コンテンツとは、第一コンテンツ配信者自身が作成したコンテンツの他、第一コンテンツ配信者が提携する第三コンテンツ配信者が作成したコンテンツの内容を掲載したコンテンツをも含む。また、本発明における外部コンテンツは、第一コンテンツ配信者とは異なる第二コンテンツ配信者自身が作成したコンテンツの他、第二コンテンツが提携する第四コンテンツ配信者（第三コンテンツ配信者とは異なる）が作成したコンテンツの内容を掲載したコンテンツを含む。つまり、外部コンテンツは、著作権上、第一コンテンツ配信者による転載が許諾されていないコンテンツであり、第一コンテンツ作成者が外部コンテンツを紹介する場合、外部コンテンツのリンク情報を紹介することになる（所謂、直リンク）。

［サーバ１０の構成］
図２は、サーバ１０の概略構成を示すブロック図である。
サーバ１０は、一般的なコンピュータにより構成されており、図２に示すように、通信部１１、記憶部１２、プロセッサ１３等の、コンピュータを構成する各部を備えている。なお、サーバ１０を構成するコンピュータの数は特に限定されない。本実施形態では、説明の簡略化のため、１台のコンピュータによってサーバ１０が構成される例を示すが、複数のコンピュータをネットワークで接続して構築されるクラウドサーバをサーバ１０としてもよい。

通信部１１は、インターネットに接続され、インターネットを介して端末装置２０や外部サーバ３０等の各装置と通信する。

記憶部１２は、サーバ１０を制御するための各種情報や情報処理プログラムを記録する。
また、記憶部１２は、内部コンテンツを記録する内部コンテンツ蓄積部１２１（第一コンテンツ蓄積部）、ユーザに関するユーザ情報を記憶するユーザ情報蓄積部１２２、外部コンテンツを管理する外部管理情報が記録される外部管理記憶部１２３等を備える。
なお、ここでは、サーバ１０の記憶部１２に、内部コンテンツ蓄積部１２１、ユーザ情報蓄積部１２２、及び外部管理記憶部１２３が設けられる例を示すが、サーバ１０とネットワークを介して通信可能に接続された他のデータサーバやクラウドストレージに、これらの情報が記録される構成としてもよい。例えば、内部コンテンツを記憶する内部コンテンツデータサーバ、ユーザ情報を記憶するユーザデータサーバ、クローラによって取得された外部管理情報を記憶するインデクサ等が、サーバ１０とネットワークを介して通信可能に設けられる構成としてもよい。

内部コンテンツ蓄積部１２１は、内部コンテンツを蓄積する。この内部コンテンツは、例えば、情報処理システムを管理する第一コンテンツ配信者が提携する第三コンテンツ配信者（例えば新聞社等）から入稿される入稿記事である。内部コンテンツをウェブブラウザ等により配信する場合では、サーバ１０は、アドレス情報（ＵＲＬ）を含むウェブページを内部コンテンツとして生成して、内部コンテンツ蓄積部１２１に蓄積する。
なお、サーバ１０から配信されるコンテンツのみを閲覧する専用のコンテンツ閲覧アプリケーションを用いる場合では、ウェブページを生成する必要がなく、入稿記事を内部コンテンツとして蓄積すればよい。
なお、内部コンテンツには、内部コンテンツを識別する内部コンテンツＩＤ、入稿日時情報等が関連付けられている。

ユーザ情報蓄積部１２２は、複数のユーザ情報が記録されている。このユーザ情報は、ユーザＩＤ、ユーザ属性情報、閲覧履歴情報等を含む。
ユーザＩＤは、ユーザを識別する識別情報である。
ユーザ属性情報は、ユーザの様々な属性を記録する。例えば、ユーザの性別、年齢層、居所等の個人情報が含まれてもよく、ユーザの趣味等の嗜好性が記録されていてもよい。
閲覧履歴情報は、サーバ１０からレコメンドされたコンテンツに対して、ユーザが選択（閲覧）したコンテンツの履歴情報である。閲覧履歴情報には、ユーザが内部コンテンツを閲覧した内部閲覧履歴、及び外部コンテンツを閲覧した外部閲覧履歴が含まれる。
なお、ユーザ情報としては、その他、ユーザが端末装置２０を操作して実施した検索処理における検索キーワードの履歴、インターネットを介した商品売買履歴、ユーザのウェブコンテンツの閲覧履歴等が含まれてもよい。

外部管理記憶部１２３は、外部管理情報を記録する。外部管理情報は、外部コンテンツを管理するための情報であり、外部コンテンツＩＤ、更新日時情報、外部リンク情報、外部特徴情報等を含む。
外部コンテンツＩＤは、外部コンテンツを識別するＩＤであり、外部コンテンツ毎に異なるＩＤが付されている。
更新日時情報は、外部コンテンツが作成された日時、又は、外部コンテンツの更新が行われた日時である。
外部リンク情報は、外部コンテンツを公開するインターネット上でのアドレスが記録されている。
外部特徴情報は、外部コンテンツの特徴を示す情報であり、例えば、本実施形態では、外部コンテンツに含まれるキーワード等によって算出される外部コンテンツ特徴ベクトルが記録されている。

プロセッサ１３は、ＣＰＵ等の演算回路、ＲＡＭ等の記録回路により構成される。プロセッサ１３は、記憶部１２に記録されている情報処理プログラムをＲＡＭに展開し、ＲＡＭに展開されたプログラムとの協働で、各種処理を実行する。
そして、プロセッサ１３は、情報処理プログラムを読み込み実行することで、図２に示すように、ユーザ情報取得部１３１、ユーザ特徴算出部１３２、コンテンツ特徴算出部１３３、スコア算出部１３４、外部リンク取得部１３５、外部レコメンド数設定部１３６、及び配信部１３７として機能する。

ユーザ情報取得部１３１は、本発明の履歴取得部としても機能し、端末装置２０からユーザ情報を取得する。すなわち、ユーザ情報取得部１３１は、サーバ１０から端末装置２０にレコメンドしたコンテンツに対して、ユーザがいずれかのコンテンツを選択及び閲覧した場合に、その選択されたコンテンツ（選択コンテンツ）と、選択された日時とを取得する。つまり、ユーザのコンテンツに対する閲覧履歴情報を取得する。
また、ユーザ情報取得部１３１は、その他、端末装置２０でのユーザの入力操作によって入力されたユーザ属性を取得したり、検索履歴等の他の行動履歴を取得したりしてもよい。

ユーザ特徴算出部１３２は、ユーザ情報に基づいて、ユーザの特徴を示す複数次元の情報であるユーザ特徴ベクトルを算出する。なお、本実施形態では、ユーザ特徴算出部１３２は、ユーザ情報の閲覧履歴情報に基づいて、ユーザ特徴ベクトルを算出する例を示すが、閲覧履歴情報に加え、ユーザ属性や、その他の行動履歴情報などを用いてユーザ特徴ベクトルを算出してもよい。なお、ユーザ特徴ベクトルの算出は公知の技術を利用でき、例えば、適合フィードバックなどを利用できる。

コンテンツ特徴算出部１３３は、コンテンツの特徴であるコンテンツ特徴ベクトルを算出する。例えば、コンテンツに、複数のキーワードがテキストデータとして含まれる場合、コンテンツ特徴算出部１３３は、例えば、ｔｆ－ｉｄｆ（Term Frequency - Inverse Document Frequency）、Ｋｅｙ-Ｖａｌｕｅ方式、Ｗ２Ｖ（Word 2 Vector）等の公知の技術を用いて、コンテンツに含まれるテキストデータからコンテンツ特徴ベクトルを算出する。また、コンテンツが画像コンテンツである場合では、例えばＳＩＦＴ（Scale-Invariant Feature Transform）等のアルゴリズムを用いることができる。

スコア算出部１３４は、内部コンテンツ蓄積部１２１に記録される各内部コンテンツに対してユーザがどの程度興味を有するかを予測するスコアを算出する。例えば、スコア算出部１３４は、ユーザ特徴ベクトルと、コンテンツ特徴ベクトルとの内積により、スコアを算出する。

外部リンク取得部１３５は、インターネット上で公開されている外部コンテンツをクローリングし、クローリングされた外部コンテンツのうち、内部コンテンツにないジャンルの外部コンテンツのリンク情報を取得する。
外部レコメンド数設定部１３６は、本発明の外部配信数設定部に相当し、閲覧履歴情報に基づいて、外部コンテンツをレコメンドする数に関する外部配信パラメータを設定する。
この際、本実施形態では、スコア算出部１３４によって算出される、内部コンテンツに対するスコアに基づいて、ユーザ毎に外部配信パラメータを設定する。つまり、所定の閾値以上のスコアの内部コンテンツがあるユーザは、内部コンテンツにより興味を検出できているユーザであり、外部コンテンツをレコメンドする必要性が少ない。この場合、外部レコメンド数設定部１３６は、外部配信パラメータを、例えば最小値に設定する。
一方、閾値以上のスコアの内部コンテンツがないユーザは、興味が検出できていないユーザである。この場合、外部レコメンド数設定部１３６は、外部配信パラメータを増大させる。なお、外部配信パラメータの設定の詳細については後述する。

配信部１３７は、外部配信パラメータに応じた数の外部コンテンツ、及び所定数の内部コンテンツを選出し、外部コンテンツ及び内部コンテンツをそれぞれ端末装置２０にレコメンドする。なお、本実施形態において、外部コンテンツ及び内部コンテンツをレコメンドするとは、ユーザに対して、外部コンテンツや内部コンテンツをお勧めコンテンツとして紹介するものであり、外部コンテンツに遷移させるリンク情報、内部コンテンツに遷移させるリンク情報を端末装置２０に送信することを意味する。

［端末装置２０及び外部サーバ３０の構成］
端末装置２０は、ユーザが管理するコンピュータであり、例えばスマートフォン、タブレット端末、パーソナルコンピューター等により構成されている。
端末装置２０の具体的な構成の図示は省略するが、端末装置２０は、一般的なコンピュータが有する基本的な構成を有する。すなわち、端末装置２０は、操作者の操作を受け付ける入力操作部、画像情報を表示させるディスプレイ、各種情報を記録する記録装置、各種情報を演算処理する演算回路（ＣＰＵ等）を備えている。

また、外部サーバ３０は、上述したように、第二コンテンツ配信者が管理するコンピュータであり、一般的なコンピュータにより構成されている。外部サーバ３０は、サーバ１０と同様、１台のコンピュータにより構成されていてもよく、複数台のコンピュータによってクラウドサーバとして構成されていてもよい。
外部サーバ３０の具体的な構成の図示は省略するが、外部サーバ３０は、一般的なコンピュータが有する基本的な構成を有し、例えば、インターネット上の他の機器と通信する通信部、外部コンテンツを記憶する外部コンテンツ記憶部を備えた記憶装置、各種情報を演算処理する演算回路等を備えている。

［情報処理方法］
次に、本実施形態の情報処理システムでのレコメンド方法について、特に、サーバ１０での情報処理方法を中心に説明する。
［外部リンク取得処理］
図３は、本実施形態におけるレコメンド方法における、外部コンテンツのリンク取得処理を示すフローチャートである。
サーバ１０は、端末装置２０へのコンテンツのレコメンド処理にあたり、事前に、外部コンテンツをクローリングし、レコメンド可能な外部コンテンツのリンク情報を取得する。
具体的には、サーバ１０のコンテンツ特徴算出部１３３は、内部コンテンツ蓄積部１２１に記録されている各内部コンテンツに対する、コンテンツ特徴ベクトルを算出する（ステップＳ１）。
また、外部リンク取得部１３５は、クローリングを実施してインターネット上に公開されている外部コンテンツを検出する（ステップＳ２）。クローリングは、サーバ１０と通信可能に接続されているクローラ（コンピュータ）が実施してもよい。クローラによるクローリングは公知の技術であるので、ここでの説明は省略する。
次に、外部リンク取得部１３５は、ステップＳ１により検出された外部コンテンツの複製データをコンテンツ特徴算出部１３３に出力する。これにより、コンテンツ特徴算出部１３３は、各外部コンテンツに対するコンテンツ特徴ベクトルを算出する（ステップＳ３）。

そして、外部リンク取得部１３５は、各内部コンテンツのコンテンツ特徴ベクトルと、各外部コンテンツのコンテンツ特徴ベクトルとを比較し、内部コンテンツとは異なるベクトル成分が含まれる外部コンテンツを特定する（ステップＳ４）。つまり、内部コンテンツのコンテンツ特徴ベクトルとは、異なる次元（ベクトル方向）の情報を有し、かつ、その値が所定値以上となるコンテンツ特徴ベクトルの外部コンテンツを特定する。このような外部コンテンツは、内部コンテンツとはジャンルや方向性等の特徴が異なるコンテンツであることを示す。
そして、外部リンク取得部１３５は、ステップＳ４で特定した外部コンテンツに関するリンク情報等を取得し、外部管理情報に記録する（ステップＳ５：外部リンク取得ステップ）。

［レコメンド処理］
次に、サーバ１０から端末装置２０にコンテンツをレコメンドするレコメンド処理について説明する。
ここで、レコメンド処理を実施するにあたり、ユーザ情報は事前に取得され、記憶部１２のユーザ情報蓄積部１２２に記録されている、すなわち、内部閲覧履歴を取得する履歴取得ステップが事前に実施されているものとする。

図４は、本実施形態におけるレコメンド方法における、レコメンド処理を示すフローチャートである。
サーバ１０は、端末装置２０から、コンテンツのレコメンドを要求する要求情報及びユーザＩＤを受信する（ステップＳ１１）。
これにより、ユーザ特徴算出部１３２は、要求情報とともに受信したユーザＩＤに基づいてユーザ情報を読み込み、当該ユーザに対するユーザ特徴ベクトルを算出する（ステップＳ１２）。このステップＳ１２では、ユーザ特徴ベクトルは、内部閲覧履歴、及び外部閲覧履歴を用いてユーザ特徴ベクトルを算出する。つまり、ユーザが閲覧した内部コンテンツ及び外部コンテンツを含む全てのコンテンツに対するコンテンツ特徴ベクトルに基づいて、ユーザ特徴ベクトルが算出される。

この後、スコア算出部１３４は、各コンテンツに対するスコアを算出する（ステップＳ１３）。
つまり、スコア算出部１３４は、ステップＳ１で算出されている内部コンテンツのコンテンツ特徴ベクトルと、ステップＳ１２で算出したユーザ特徴ベクトルとに基づいて、各内部コンテンツに対するスコアを算出する。また、スコア算出部１３４は、ステップＳ３で算出されている外部コンテンツのコンテンツ特徴ベクトルと、ステップＳ１２で算出したユーザ特徴ベクトルとに基づいて、各外部コンテンツに対するスコアを算出する。

次に、外部レコメンド数設定部１３６は、ステップＳ１１で受信したユーザＩＤに対応したユーザ情報から、ユーザの内部コンテンツに対する内部閲覧履歴を読み込む（ステップＳ１４）。
そして、外部レコメンド数設定部１３６は、内部閲覧履歴に基づいて、端末装置２０にレコメンドする外部コンテンツの数に関する外部配信パラメータＡを設定する（ステップＳ１５：外部配信数設定ステップ）。
なお、外部配信パラメータＡは、レコメンド表示欄に配置されるコンテンツの総数に対する割合であってもよく、実際に配置される個数であってもよい。本実施形態では、外部配信パラメータＡが、レコメンド表示欄に配置されるコンテンツの総数に対する割合である例を示す。

外部レコメンド数設定部１３６は、外部配信パラメータＡの設定方法として、例えば、ステップＳ１で算出される各内部コンテンツに対するスコアが閾値以上となる内部コンテンツがあるか否かを判定する。内部コンテンツに対するスコアは、内部コンテンツに対するユーザの閲覧履歴を含むユーザ情報に基づいて算出されるパラメータであり、外部レコメンド数設定部１３６は、ユーザの閲覧履歴に基づいて外部配信パラメータＡを算出することを示す。
ここで、スコアが閾値以上である内部コンテンツがある場合、外部配信パラメータＡを最小値Ａ_ｍｉｎに設定する。つまり、スコアが閾値以上である内部コンテンツがあるユーザは、内部コンテンツに基づいて興味が十分に検出できているユーザであり、内部コンテンツのみで当該ユーザが興味を有するコンテンツをレコメンドすることができる。よって、外部コンテンツをレコメンドする数は、所定の最小値（例えば「０」）であってもよい。

一方、内部コンテンツに対するスコアがいずれも閾値未満である場合、ユーザの興味が十分に検出できていないことを示す。この場合、外部レコメンド数設定部１３６は、内部コンテンツのスコアに応じて、外部配信パラメータを設定する。
例えば、外部レコメンド数設定部１３６は、内部コンテンツに対して算出された最大スコアに基づき、最大スコアが小さくなるに従って外部配信パラメータを増大させる。
或いは、外部レコメンド数設定部１３６は、内部コンテンツに対して算出されたスコアの平均値（平均スコア）に基づいて、平均スコアが小さくなるに従って外部配信パラメータを増大させてもよい。
また、外部レコメンド数設定部１３６は、内部コンテンツに対して算出されたスコアの分散に基づいて、分散が大きくなるに従って外部配信パラメータを増大させてもよい。
さらには、外部レコメンド数設定部１３６は、直近の所定期間（例えば１週間）での内部コンテンツに対するＣＴＲ（Click Through Rate）を算出し、ＣＴＲが低い程、外部配信パラメータＡを増大させてもよい。

なお、上記では、外部レコメンド数設定部１３６は、内部コンテンツに対するスコアが閾値以上である場合に、内部コンテンツのみでユーザの興味を検出できていると判定して、外部配信パラメータＡを最小値Ａ_ｍｉｎに設定したが、これに限定されない。例えば、外部レコメンド数設定部１３６は、直近の所定期間（例えば１週間）での内部コンテンツに対するＣＴＲに基づいて、ＣＴＲが所定値以上である場合に、内部コンテンツのみでユーザの興味を検出できていると判定し、外部コンテンツに対する外部配信パラメータＡを最小値Ａ_ｍｉｎに設定してもよい。
なお、この場合でも、ＣＴＲが前記所定値未満である場合、外部レコメンド数設定部１３６は、外部配信パラメータＡを増大させる。この際、外部レコメンド数設定部１３６は、上記のように内部コンテンツのスコアに基づいて外部配信パラメータＡを増大させてもよく、ＣＴＲに基づいて外部配信パラメータＡを増大させてもよい。
なお、外部配信パラメータＡの最大値Ａ_ｍａｘは予め設定されており、外部レコメンド数設定部１３６は、Ａ_ｍｉｎ～Ａ_ｍａｘの間で外部配信パラメータＡを設定する。

この後、配信部１３７は、外部配信パラメータＡに応じた数の外部コンテンツ、及び所定数の内部コンテンツを、それぞれスコアが高い順に選出し、端末装置２０に送信する（ステップＳ１６：配信ステップ）。

図５は、本実施形態において端末装置２０に配信されるコンテンツのレコメンド表示ページ４０の一例を示す図である。
図５に示すレコメンド表示ページ４０は、主にスマートフォン等の携帯端末にインストールされるニュースのコンテンツ閲覧アプリケーションでの表示例である。通常、このようなコンテンツ閲覧アプリケーションでは、ユーザ情報に基づいたニュースコンテンツがレコメンドされる「おすすめ」タブ、最新のニュースを新着順に表示させる「ＴＯＰ」タブ、各種ジャンルに対応したタブ等が表示され、これらのいずれかを選択することで、タブに対応したニュースコンテンツがレコメンドされる。
ここでは、ユーザ情報に基づいてニュースコンテンツのレコメンドを行う「おすすめ」タブが選択された場合に表示されるレコメンド表示欄４１について説明する。

本実施形態では、図５に示すように、レコメンド表示欄４１において、ユーザに推奨するコンテンツを示すアイテム画像Ｉ_Ｘ（Ｉ_１、Ｉ_２）を複数表示させる。各アイテム画像Ｉ_Ｘは、対応するコンテンツに含まれるタイトルやサムネイル画像であり、例えば、端末装置２０で実行されたコンテンツ閲覧アプリケーションが、レコメンド表示欄４１を描画する際に、レコメンドされたコンテンツからトリミング（切り取り処理）することで形成される。内部コンテンツに対するアイテム画像Ｉ_１には、対応する内部コンテンツが対応付けられており、外部コンテンツに対するアイテム画像Ｉ_２には、対応する外部コンテンツのリンク情報が関連付けられている。ユーザ操作によってアイテム画像Ｉ_Ｘを選択（例えばタップ）することで、そのアイテム画像Ｉ_Ｘに対応するコンテンツに表示が遷移する。
レコメンド表示欄４１に一度に表示されるアイテム画像Ｉ_Ｘの表示数は予め決まっており、例えばＢとする。ユーザがレコメンド表示欄４１を下方にスクロールさせる操作を行うことで、レコメンド表示欄４１に配置されるアイテム画像Ｉ_Ｘが順次追加される。すなわち、画面上に表示されるアイテム画像Ｉ_Ｘの数はＢであるが、レコメンド表示欄４１に配置されるアイテム画像Ｉ_Ｘの配置数Ｃ（総数）は、順次追加されて増えていく。

ここで、本実施形態では、ステップＳ１５によって設定される外部配信パラメータＡは、レコメンド表示欄４１に配置されるコンテンツの配置数Ｃに対する割合である。したがって、配信部１３７は、配置数Ｃ×外部配信パラメータＡの数だけ外部コンテンツを選出し、レコメンド表示欄４１に表示させる。
つまり、レコメンド表示欄４１が下方にスクロール操作されていない初期状態では、表示数Ｂ×外部配信パラメータＡの数の外部コンテンツに対応したアイテム画像Ｉ_２が表示され、その他は、内部コンテンツに対応したアイテム画像Ｉ_１が表示される。そして、スクロール操作が行われることで、配信部１３７は、所定数のコンテンツに対応したアイテム画像Ｉ_Ｘを追加するが、この際、配置数Ｃ×外部配信パラメータＡの数だけ外部コンテンツのアイテム画像Ｉ_２が配置されるように、外部コンテンツを選出する。
なお、外部コンテンツに対応したアイテム画像Ｉ_２の配置位置としては、特に限定されず、例えば、ランダムに配置してもよく、外部配信パラメータＡに応じた所定間隔で配置してもよく、内部コンテンツ及び外部コンテンツのうちスコアが高い順に各コンテンツに対応するアイテム画像Ｉ_Ｘを配置してもよい。

この後、端末装置２０において、レコメンド表示欄４１に配置されたコンテンツのうちのいずれかがユーザの操作によって選択されると、端末装置２０から選択されたコンテンツ（選択コンテンツ）を示す選択コンテンツ情報（例えば、コンテンツＩＤ）がサーバ１０に送信される。
サーバ１０のユーザ情報取得部１３１は、端末装置２０から選択コンテンツ情報を受信したか否かを判定する（ステップＳ１７）。
ステップＳ１７でＮＯと判定される場合、つまり、選択コンテンツ情報が受信されず、端末装置２０において、ユーザによるコンテンツの閲覧が終了した場合等では、処理を終了させる。
一方、ステップＳ１７でＹＥＳと判定される場合、つまり、選択コンテンツ情報を受信した場合、ユーザ情報取得部１３１は、閲覧履歴情報を更新し（ステップＳ１８：履歴取得ステップ）、ステップＳ１２に戻る。

［本実施形態の作用効果］
本実施形態のサーバ１０は、記憶部１２と、プロセッサ１３とを備え、プロセッサ１３は、記憶部１２に記憶された情報処理プログラムを読み込むことで、ユーザ情報取得部１３１（履歴取得部）、外部リンク取得部１３５、外部レコメンド数設定部１３６、及び配信部１３７として機能する。ユーザ情報取得部１３１は、第一コンテンツ配信者により作成される内部コンテンツを蓄積する内部コンテンツ蓄積部１２１の各内部コンテンツに対する内部閲覧履歴を取得する。外部リンク取得部１３５は、第二コンテンツ配信者により生成された外部コンテンツに対するリンク情報を取得する。外部レコメンド数設定部１３６は、内部閲覧履歴に基づいてユーザにレコメンドする外部コンテンツの外部配信パラメータＡを設定する。配信部１３７は、外部配信パラメータＡに応じた数の外部コンテンツと、所定数の内部コンテンツとを選出し、選出された外部コンテンツ及び内部コンテンツをユーザが所有する端末装置２０にレコメンドする。
つまり、本実施形態では、ユーザが内部コンテンツに対する閲覧履歴に基づいて、内部コンテンツの閲覧数が少ないユーザに対して外部コンテンツの外部配信パラメータＡを増大させ、内部コンテンツの閲覧数が多いユーザに対して外部コンテンツの外部配信パラメータＡを減少させて内部コンテンツを多くレコメンドする。これにより、内部コンテンツのみでは、興味のあるジャンルを推定できないユーザに対しても、外部コンテンツに対する閲覧履歴に基づいて、ユーザの興味のあるジャンルを推定することができる。また、内部コンテンツのみでユーザの興味のあるジャンルが十分に推定できている場合では、外部コンテンツのレコメンドが減少するので、サーバ１０が提供するコンテンツ閲覧サービスから、他のコンテンツ閲覧サービスへのユーザの流出を抑制でき、内部コンテンツに対する閲覧率の低下を抑制できる。
外部コンテンツを主に閲覧し、内部コンテンツに対する閲覧数が少ないユーザに対しては、ユーザの興味に対応した内部コンテンツがないと予測できるが、このようなユーザに対しては、高い外部配信パラメータＡで外部コンテンツがレコメンドされ続けるので、当該ユーザの他のコンテンツ閲覧サービスへの流出を抑制できる。

本実施形態では、プロセッサ１３は、コンテンツの特徴を示すコンテンツ特徴ベクトルを算出するコンテンツ特徴算出部１３３としても機能する。そして、外部リンク取得部１３５は、内部コンテンツ蓄積部１２１に蓄積される内部コンテンツと異なるベクトル成分のコンテンツ特徴ベクトルを有する外部コンテンツのリンク情報を取得する。
つまり、本実施形態では、外部コンテンツとして、内部コンテンツとは例えばジャンル等の特徴が異なるコンテンツをレコメンドする。このため、内部コンテンツのみでは、ユーザの興味があるジャンルを推定できない場合でも、外部コンテンツに対する閲覧履歴に基づいて、当該ジャンルを推定することができる。

本実施形態では、ユーザ情報取得部１３１は、閲覧履歴として、内部コンテンツに対する内部閲覧履歴と、外部コンテンツに対する外部閲覧履歴を取得する。そして、ユーザ特徴算出部１３２は、これらの内部閲覧履歴及び外部閲覧履歴を含む閲覧履歴情報に基づいて、ユーザ特徴ベクトルを算出する。
これにより、内部コンテンツ及び外部コンテンツを問わず、ユーザが閲覧したコンテンツに基づいて、ユーザの興味がある分野等を含むユーザ特徴ベクトルを適切に算出できる。

本実施形態では、スコア算出部１３４が、ユーザ特徴ベクトル及びコンテンツ特徴ベクトルに基づいて、各内部コンテンツに対するスコアを算出し、外部レコメンド数設定部１３６は、内部コンテンツのスコアに基づいて、外部配信パラメータＡを設定する。
内部コンテンツに対するスコアは、ユーザが内部コンテンツに対してどの程度興味を有しているかを示すパラメータである。このようなスコアに基づいて、外部配信パラメータＡを設定することで、ユーザの内部コンテンツに対する興味度に基づいて、適切に外部コンテンツをレコメンドすることができる。

ここで、外部レコメンド数設定部１３６は、内部コンテンツのスコアがいずれも閾値未満である場合に、スコアに応じて外部配信パラメータＡを増減させる。
例えば、最大スコアが小さくなる程、外部配信パラメータＡを増減させてもよく、平均スコアが小さくなる程、外部配信パラメータＡを増減させてもよく、分散が大きくなる程、外部配信パラメータＡを増減させてもよい。ユーザの興味を検出できていない場合、各内部コンテンツに対するスコアが閾値未満となるが、その中でも最もユーザが興味を有すると予測されるコンテンツは、他に比べてスコアが高くなる。この最大スコアが閾値から離れるにしたがって、予測されるユーザの興味が、実際のユーザの興味からかけ離れている可能性が高い。また、最大スコアが低いと、平均スコアも低くなる。したがって、最大スコアや平均スコアが小さくなることは、ユーザの興味が検出できていないことを示す。また、分散が大きい場合、閾値未満のスコアがばらけていることを示し、ユーザの興味が検出できていないことを示す。このような場合に、外部コンテンツを増大させることで、ユーザの興味を検出できる可能性を高めることができる。

また、外部レコメンド数設定部１３６は、スコアが閾値以上となる内部コンテンツがある場合に、外部配信パラメータＡを最小値Ａ_ｍｉｎに設定する。
内部コンテンツに対するスコアが閾値以上である場合、当該内部コンテンツのジャンルに対してユーザが興味を持っていることを示しており、内部コンテンツによりユーザの興味が十分に検出できていることを意味する。このような場合では、外部配信パラメータＡを最小値Ａ_ｍｉｎとし、レコメンドされる外部コンテンツを少なくすることで、ユーザが興味のあるジャンルに対するコンテンツを適切にレコメンドすることができる。

本実施形態では、外部レコメンド数設定部１３６は、内部閲覧履歴に基づく内部コンテンツの閲覧数に応じて、つまり、内部コンテンツに対するＣＴＲに応じて、外部配信パラメータＡを増減させてもよい。
内部コンテンツに対するＣＴＲが低いことは、ユーザが内部コンテンツを閲覧していないことを示し、内部コンテンツのスコアが閾値未満となる場合と同様、ユーザの興味を検出できていないことを示す。したがって、上述したように、このような場合に、外部コンテンツのレコメンド数を増大させることで、ユーザの興味があるジャンルを適切に推定することができる。これに加え、内部コンテンツのみでユーザの興味が推定できている場合は、ＣＴＲが所定値以上となり、外部コンテンツがレコメンドされる数が減るので、他のコンテンツ閲覧サービスへのユーザの流出を抑制できる。したがって、ユーザの閲覧履歴を継続して取得することができ、これにより、より精度の高いユーザ特徴ベクトルを算出、つまり、ユーザの興味があるジャンルを高精度に推定できる。

［変形例］
なお、本発明は、上述した実施形態に限定されるものではなく、本発明の目的を達成できる範囲で、以下に示される変形をも含むものである。

［変形例１］
上記実施形態では、ステップＳ１５で、外部レコメンド数設定部１３６は、直近の所定期間のＣＴＲに基づいてレコメンドする外部コンテンツの数Ａを設定したが、例えば、直近の連続する２期間におけるＣＴＲの変化傾向に基づいて数Ａを設定してもよい。つまり、外部レコメンド数設定部１３６は、連続する２期間において、内部コンテンツに対するＣＴＲが減少している場合では、外部コンテンツに対する外部配信パラメータＡを増加させ、内部コンテンツに対するＣＴＲが増加している場合では、外部コンテンツに対する外部配信パラメータＡを減少させてもよい。

［変形例２］
上記実施形態では、ステップＳ１６において、配信部１３７は、スコアが高い順に所定数の内部コンテンツを選出し、スコアが高い順に外部配信パラメータＡに応じた数の外部コンテンツを選出する例を示した。つまり、配信部１３７は、内部コンテンツと、外部コンテンツとを、それぞれ独立させてコンテンツを選出する例を示した。この場合、スコアが高い内部コンテンツと、内部コンテンツよりもスコアが低い外部コンテンツとがレコメンドされる場合もある。
これに対して、配信部１３７は、内部コンテンツ及び外部コンテンツのうち、スコアが高い順にコンテンツを選出してもよい。この場合、例えば、外部コンテンツのスコアが低い場合は、内部コンテンツのみが選出される。また、ユーザによってレコメンド表示欄４１が下方にスクロール操作されて、アイテム画像Ｉ_Ｘをレコメンド表示欄４１に追加する際、外部コンテンツのスコアが内部コンテンツのスコアよりも高ければ、当該外部コンテンツのアイテム画像Ｉ_２が表示される。そして、外部配信パラメータＡに応じた数の外部コンテンツがレコメンドされた後は、スコアに関わらず、内部コンテンツのみが表示される。また、さらなるスクロール操作によってレコメンド表示欄４１に配置可能なアイテム画像Ｉ_Ｘが増え、外部配信パラメータＡに応じたレコメンド可能な外部コンテンツの数が増加すると、再び、内部コンテンツ及び外部コンテンツのうち、スコアが高い順にコンテンツが選出される。これにより、内部コンテンツよりもスコアが低い外部コンテンツ、つまり、ユーザの興味度が低いと推定される外部コンテンツのレコメンドが少なくなり、ユーザの興味があるジャンルの推定が促進される。

［変形例３］
上記実施形態では、外部配信パラメータＡが、レコメンド表示欄４１に配置されるアイテム画像Ｉ_Ｘの総数（配置数Ｃ）に対する割合である例を示したが、これに限定されない。
例えば、外部配信パラメータＡは、レコメンド表示欄４１で一度に表示可能なアイテム画像Ｉ_Ｘの表示可能数Ｂに対する割合であってもよい。この場合、外部コンテンツは、表示可能数Ｂ×外部配信パラメータＡだけ選出される。
さらに、外部配信パラメータＡは、外部コンテンツをレコメンドする配置数であってもよい。この場合では、配信部１３７は、Ａ個の外部コンテンツを選出し、残りの配置数分（Ｂ－Ａ）だけ内部コンテンツを選出すればよい。また、スクロール操作が実施されても、レコメンド表示欄４１には、内部コンテンツに対応するアイテム画像Ｉ_１のみが追加される。

［変形例４］
上記実施形態において、サーバ１０のプロセッサ１３は、所定数のユーザに対するＣＴＲが所定値以上となる（閲覧回数が多い）外部コンテンツを人気コンテンツとして特定する人気コンテンツ特定部として機能してもよい。この場合、外部コンテンツにあって内部コンテンツに不足しているジャンルを特定することができ、第一コンテンツ配信者が特定された人気コンテンツに基づいて内部コンテンツを作成することができる。

１０…サーバ（情報処理装置）、１２…記憶部、１３…プロセッサ、２０…端末装置、３０…外部サーバ、４１…レコメンド表示欄、１２１…内部コンテンツ蓄積部、１２２…ユーザ情報蓄積部、１２３…外部管理記憶部、１３１…ユーザ情報取得部（履歴取得部）、１３２…ユーザ特徴算出部、１３３…コンテンツ特徴算出部、１３４…スコア算出部、１３５…外部リンク取得部、１３６…外部レコメンド数設定部（外部配信数設定部）、１３７…配信部、Ｉ_Ｘ（Ｉ_１，Ｉ_２）…アイテム画像。

Claims (7)

1. 第一コンテンツ配信者が配信する内部コンテンツを蓄積する内部コンテンツ蓄積部の、各前記内部コンテンツに対するユーザの閲覧履歴である内部閲覧履歴を取得する履歴取得部と、
   前記第一コンテンツ配信者とは異なる第二コンテンツ配信者により生成された外部コンテンツに対するリンク情報を取得する外部リンク取得部と、
   前記内部閲覧履歴に基づいて、前記ユーザに配信する前記外部コンテンツの数に関する外部配信パラメータを設定する外部配信数設定部と、
   前記外部配信パラメータに応じた数の前記外部コンテンツと、所定数の前記内部コンテンツとを選出し、選出された前記外部コンテンツ及び前記内部コンテンツを前記ユーザが所有する端末装置にレコメンドする配信部と、
   を備えることを特徴とする情報処理装置。
2. 請求項１に記載の情報処理装置において、
   前記履歴取得部は、前記外部コンテンツに対する閲覧履歴である外部閲覧履歴をさらに取得し、
   前記内部閲覧履歴及び前記外部閲覧履歴に基づいて、前記ユーザの特徴を示すユーザ特徴ベクトルを算出するユーザ特徴算出部を、さらに、備える
   ことを特徴とする情報処理装置。
3. 請求項２に記載の情報処理装置において、
   コンテンツの特徴を示すコンテンツ特徴ベクトルを算出するコンテンツ特徴算出部と、
   前記ユーザ特徴ベクトル及び前記コンテンツ特徴ベクトルに基づいて、各前記内部コンテンツに対する、前記ユーザの興味の大きさを示すスコアを、前記ユーザ毎に算出するスコア算出部と、を備え、
   前記外部配信数設定部は、前記内部コンテンツに対する前記スコアに基づいて、前記外部配信パラメータを設定する
   ことを特徴とする情報処理装置。
4. 請求項３に記載の情報処理装置において、
   前記外部配信数設定部は、前記スコアが閾値以上となる前記内部コンテンツがある場合に、前記外部配信パラメータを最小値に設定する
   ことを特徴とする情報処理装置。
5. 請求項１又は請求項２に記載の情報処理装置において、
   前記外部配信数設定部は、前記内部閲覧履歴に基づく前記内部コンテンツの閲覧数に応じて、前記外部配信パラメータを増減する
   ことを特徴とする情報処理装置。
6. コンピュータによりコンテンツを配信する情報処理方法であって、
   前記コンピュータは、履歴取得部、外部リンク取得部、外部配信数設定部、及び配信部を備え、
   前記履歴取得部が、第一コンテンツ配信者が配信する内部コンテンツを蓄積する内部コンテンツ蓄積部の各前記内部コンテンツに対するユーザの閲覧履歴である内部閲覧履歴を取得する履歴取得ステップと、
   前記外部リンク取得部が、前記第一コンテンツ配信者とは異なる第二コンテンツ配信者により生成された外部コンテンツに対するリンク情報を取得する外部リンク取得ステップと、
   前記外部配信数設定部が、前記内部閲覧履歴に基づいて、前記ユーザに配信する前記外部コンテンツの数に関する外部配信パラメータを設定する外部配信数設定ステップと、
   前記配信部が、前記外部配信パラメータに応じた数の前記外部コンテンツと、所定数の前記内部コンテンツとを選出し、選出された前記外部コンテンツ及び前記内部コンテンツを、前記ユーザが所有する端末装置にレコメンドする配信ステップと、
   を実施することを特徴とする情報処理方法。
7. コンピュータにより読み取り実行可能な情報処理プログラムであって、
   前記コンピュータを、請求項１から請求項５のいずれか１項に記載の情報処理装置として機能させる
   ことを特徴とする情報処理プログラム。

Images