JPWO2007148817A1

JPWO2007148817A1 - コンテンツ推薦システム、コンテンツ推薦方法及びコンテンツ推薦用プログラム

Info

Publication number: JPWO2007148817A1
Application number: JP2008522563A
Authority: JP
Inventors: 山田　昭雄; 昭雄山田
Original assignee: NEC Corp
Current assignee: NEC Corp
Priority date: 2006-06-23
Filing date: 2007-06-25
Publication date: 2009-11-19
Also published as: WO2007148817A1

Abstract

自分のプライバシー情報を第三者に開示する必要がないソーシャルフィルタリングによるコンテンツ推薦システムを提供する。コンテンツをユーザに推薦するコンテンツ推薦システムであって、コメント収集提示型ネットワークデータ群と、前記コメント収集提示型ネットワークデータ群に含まれるユーザの嗜好をベクトル量で表現した第一のユーザ特徴ベクトルとが入力され、コンテンツ情報を生成するコンテンツ情報生成手段と、ユーザの嗜好をベクトル量で表現した第二のユーザ特徴ベクトルを生成する作業履歴算出手段と、前記第一のユーザ特徴ベクトルと前記第二のユーザ特徴ベクトルとから、ユーザごとに嗜好の合致度を算出するユーザ特徴ベクトル照合手段と、前記コンテンツ情報と前記嗜好の合致度とから、推薦コンテンツ情報を算出する推薦コンテンツ決定手段と、を備えたことを特徴とする。

Description

本願は、日本の特願２００６−１７３８０５（２００６年６月２３日に出願）に基づいたものであり、又、特願２００６−１７３８０５に基づくパリ条約の優先権を主張するものである。特願２００６−１７３８０５の開示内容は、特願２００６−１７３８０５を参照することにより本明細書に援用される。

本発明はコンテンツ推薦システム、コンテンツ推薦方法及びコンテンツ推薦用プログラムに関し、特にソーシャルフィルタリング方法を利用したコンテンツ推薦システム、コンテンツ推薦方法及びコンテンツ推薦用プログラムに関する。

インターネット掲示板のコンテンツの推薦方法としては、大きく分けて二つの方法がある。

第一の方法は、コンテンツフィルタリングと呼ばれる方法で、コンテンツの属性を示すコンテンツ特徴ベクトルをそれぞれのコンテンツに対して生成すると同時に、この特徴量ベクトルの各属性に対するユーザの好みを記述したユーザ特徴ベクトルを準備する。例えば特許文献１がこの方法に相当する。

特許文献１では、コンテンツ特徴ベクトルないしユーザ特徴ベクトルの典型的構成として、ジャンル名をベクトル要素とするもので、例えば「スポーツ」「ニュース」「音楽」「ドラマ」の４ジャンルを使う場合を例にすると、コンテンツ１は、ニュースと音楽の要素が１その他は０といった形式でコンテンツ特徴ベクトルを作る。

同様にあるユーザが、ニュースとドラマに興味がある場合には、ニュースとドラマの要素が１その他は０という形式でユーザ特徴ベクトルを作る。あるユーザに推薦すべきコンテンツを推定するためには、コンテンツ特徴ベクトルとユーザ特徴ベクトルの内積演算をすれば良い。

内積の結果が大きいほどそのコンテンツはユーザにより適切なものであるとする。この方法の課題は、全てのコンテンツに対してコンテンツ特徴ベクトルを付与する必要がある点で、運用上多大な工数が必要となる。

この課題を解決したのが、もう一つの方法であり、これは、ソーシャルフィルタリング、又はコラボレーションフィルタリング、或いは協調フィルタリングと呼ばれる方法で、コンテンツ特徴ベクトルを利用しない点が特徴であり、特許文献２がこの方法に該当する。

特許文献２では、ユーザ１の嗜好をユーザ特徴ベクトル１、ユーザ２の嗜好をユーザ特徴ベクトル２とする場合に、この方法では二人のユーザ特徴ベクトル間の内積を算出する。

ユーザ特徴ベクトル間の内積結果が大きいほど、二人の嗜好が類似していることを意味するため、二人のうちいずれか一方が興味を持ったコンテンツは、他方も同様に興味を持つであろうことが推測される。これを利用して一方が利用したコンテンツを他方に対しても推薦することになる。

この方法は、前述のコンテンツフィルタリング方法とは異なり、個別コンテンツに特徴量ベクトルを付与する作業が不要であり、各ユーザが一度自分自身の嗜好情報を登録すれば、永続的に推薦サービスを実現できる。

しかしながら、この方法では、ユーザからマッチングのためのユーザ特徴ベクトルの提供を受ける必要がある。ユーザに対してアンケート等の形式で嗜好を尋ねるため、ユーザにとっては利用前の手続きが煩雑で、結果として利用者数が限定されることになる。

この問題に対する解として、暗示的な情報を収集してユーザ特徴ベクトルを構成する方法がある。

例えば、特許文献３では、ユーザのインターネットウェブサイトへのアクセス履歴を収集して処理し、それをユーザ特徴ベクトルとして利用する、と言った使い方が示唆されている（特許文献３段落番号［０００６］）。

この場合、ユーザは、事前に特段の準備は必要とされず、ウェブ閲覧を繰り返すうちに自動的にユーザ特徴ベクトルが生成される。別の解として、コンテンツ特徴ベクトルを用いてユーザ特徴ベクトルを構成する方法もある。

例えば、特許文献４では、ユーザが購入した書籍に付与されたコンテンツ特徴ベクトルを合計することにより、ユーザ特徴ベクトルを構成している。
特開２００５−３３９５２３号公報特開平０９−２６５４７８号公報特開２００３−１６７９０１号公報特開２００１−２６５８０８号公報

しかしながら、この場合、コンテンツ特徴ベクトルという極めて運用コストのかかる処理を継続的に行うことが必要となり、コンテンツフィルタリングではなく、ソーシャルフィルタリングを使う利点が相殺されてしまう。

ここで第一の問題点は、ユーザのプライバシー情報が第三者に開示されてしまう点である。先に述べたように、ユーザ特徴ベクトルを暗示的情報から収集することは可能であるが、ユーザが認識しないうちに嗜好情報（前記方法ではウェブへのアクセス履歴）を推薦サービス事業者に対して提出しなければならない。

このことは、事業者側から見れば、極めて機密的扱いが必要とされる個人のプライバシー情報を、大量に収集しなければならないことを意味しており、コンテンツフィルタリングとは異なる意味で、運用コストがかさむ結果となる。

また第二の問題点は、暗示的情報は、収集可能な事業者が限定されるという問題点である。例えばウェブサイトへのアクセス履歴を収集するためには、ユーザに特定のプロキシー（PROXY：中継システム）の利用を強いて、全アクセス記録を入手させる必要がある。

この方法は、ユーザの全トラフィックを制御可能なプロキシーに設営し得る事業者のみに推薦運営対象が限定されるだけでなく、ユーザに心理的な抵抗が強い他、システム管理の知識を必要とさせるため、限定的なユーザ層にしかサービスができない。

別の方法として、自社が運営しているウェブサイトのみへ収集先を限定し、アクセス元を記録することで個人のアクセスを収集する方法があり得る。

しかしながら、ユーザの広範な嗜好分析が可能な大規模サイトを運営できる事業者に、推薦サービス事業者が限定される他、プロキシーシステムがインターネット上に存在するために、アクセスを特定個人レベルに細分化した分析することが不可能である。

本発明は、上記問題点に鑑みてなされたものであり、自分のプライバシー情報を第三者に開示する必要がない、あるいは第三者のプライバシー情報を収集する必要がないソーシャルフィルタリングによるコンテンツ推薦システム、コンテンツ推薦方法、及びコンテンツ推薦プログラムを提供することを代表的(exemplary)な目的とする。

本発明の代表的(exemplary)な第１の観点によれば、コンテンツをユーザに推薦するコンテンツ推薦システムであって、ネットワークに属するメンバーにより各自のコメントが書き込まれたコメント収集提示型ネットワークデータ群と、前記コメント収集提示型ネットワークデータ群に含まれるデータ単位の全部又は一部に対するユーザの嗜好をベクトル量で表現した第一のユーザ特徴ベクトルとが入力され、前記コメント収集提示型ネットワークデータ群をデータ単位に分割し、コンテンツ情報を生成するコンテンツ情報生成手段と、前記コメント収集提示型ネットワークデータ群をデータ単位に分割し、前記データ単位の作成に関与した関与情報から、ユーザの嗜好をベクトル量で表現した第二のユーザ特徴ベクトルを生成する作業履歴算出手段と、前記第一のユーザ特徴ベクトルと前記第二のユーザ特徴ベクトルとから、ユーザごとに嗜好の合致度を算出するユーザ特徴ベクトル照合手段と、前記コンテンツ情報と前記嗜好の合致度とから、推薦コンテンツ情報を算出する推薦コンテンツ決定手段と、を備えたことを特徴とするコンテンツ推薦システムが提供される。

本発明の代表的(exemplary)な第２の観点によれば、コンテンツをユーザに推薦するコンテンツ推薦システムにおけるコンテンツ推薦方法であって、ネットワークに属するメンバーにより各自のコメントが書き込まれたコメント収集提示型ネットワークデータ群と、前記コメント収集提示型ネットワークデータ群に含まれるデータ単位の全部又は一部に対するユーザの嗜好をベクトル量で表現した第一のユーザ特徴ベクトルとが入力されるステップと、前記コメント収集提示型ネットワークデータ群をデータ単位に分割し、コンテンツ情報を生成するコンテンツ情報生成ステップと、前記コメント収集提示型ネットワークデータ群をデータ単位に分割し、前記データ単位の作成に関与した関与情報から、ユーザの嗜好をベクトル量で表現した第二のユーザ特徴ベクトルを生成する作業履歴算出ステップと、前記第一のユーザ特徴ベクトルと前記第二のユーザ特徴ベクトルとから、ユーザごとに嗜好の合致度を算出するユーザ特徴ベクトル照合ステップと、前記コンテンツ情報と前記嗜好の合致度とから、推薦コンテンツ情報を算出する推薦コンテンツ決定ステップと、を備えたことを特徴とするコンテンツ推薦方法が提供される。

本発明の代表的(exemplary)な第３の観点によれば、コンテンツをユーザに推薦するコンテンツ推薦システムにおけるコンテンツ推薦プログラムであって、ネットワークに属するメンバーにより各自のコメントが書き込まれたコメント収集提示型ネットワークデータ群と、前記コメント収集提示型ネットワークデータ群に含まれるデータ単位の全部又は一部に対するユーザの嗜好をベクトル量で表現した第一のユーザ特徴ベクトルとが入力される手順と、前記コメント収集提示型ネットワークデータ群をデータ単位に分割し、コンテンツ情報を生成するコンテンツ情報生成手順と、前記コメント収集提示型ネットワークデータ群をデータ単位に分割し、前記データ単位の作成に関与した関与情報から、ユーザの嗜好をベクトル量で表現した第二のユーザ特徴ベクトルを生成する作業履歴算出手順と、前記第一のユーザ特徴ベクトルと前記第二のユーザ特徴ベクトルとから、ユーザごとに嗜好の合致度を算出するユーザ特徴ベクトル照合手順と、前記コンテンツ情報と前記嗜好の合致度とから、推薦コンテンツ情報を算出する推薦コンテンツ決定手順と、をコンピュータに実行させることを特徴とするコンテンツ推薦プログラムが提供される。

本発明の代表的(exemplary)な第４の観点によれば、コンテンツをユーザに推薦するコンテンツ推薦システムであって、公開されている第三者の嗜好情報、及び前記第三者が興味をもったコンテンツ情報を収集するコンテンツ情報収集手段と、前記第三者の嗜好情報とユーザの嗜好情報とを比較をすることにより、ユーザにコンテンツを推薦する推薦コンテンツ情報を生成する推薦コンテンツ情報生成手段とを備えたことを特徴とするコンテンツ推薦システムが提供される。

本発明の代表的(exemplary)な第５の観点によれば、コンテンツをユーザに推薦するコンテンツ推薦システムにおけるコンテンツ推薦方法であって、公開されている第三者の嗜好情報、及び前記第三者が興味をもったコンテンツ情報を収集するコンテンツ情報収集ステップと、前記第三者の嗜好情報とユーザの嗜好情報とを比較をすることにより、ユーザにコンテンツを推薦する推薦コンテンツ情報を生成する推薦コンテンツ情報生成ステップとを備えたことを特徴とするコンテンツ推薦方法が提供される。

本発明の代表的(exemplary)な第６の観点によれば、コンテンツをユーザに推薦するコンテンツ推薦システムにおけるコンテンツ推薦プログラムであって、公開されている第三者の嗜好情報、及び前記第三者が興味をもったコンテンツ情報を収集するコンテンツ情報収集手順と、前記第三者の嗜好情報とユーザの嗜好情報とを比較をすることにより、ユーザにコンテンツを推薦する推薦コンテンツ情報を生成する推薦コンテンツ情報生成手順とをコンピュータに実行させることを特徴とするコンテンツ推薦プログラムが提供される。

本発明によれば、ネットワーク上で得られる公開情報のみから、ソーシャルフィルタリングに必要な基礎情報を生成できるので、ユーザ自身のプライバシー情報を第三者に提供することなく、低コスト運用が可能なソーシャルフィルタリングによるコンテンツ推薦機能を利用することが可能となる。

本発明の第１の実施例の構成を示すブロック図である。本発明の第２の実施例の構成を示すブロック図である。本発明の第３の実施例の構成を示すブロック図である。本発明の第４の実施例の構成を示すブロック図である。本発明の第５の実施例の構成を示すブロック図である。本発明の第６の実施例の構成を示すブロック図である。

符号の説明

１０１コンテンツ情報生成部
１０２作成履歴算出部
１０３ユーザ特徴ベクトル照合部
１０４推薦コンテンツ決定部
１０５閲覧履歴処理部
１０６絞込み部
１０７ユーザ特徴ベクトル照合部
１０８ユーザ特徴ベクトル生成部

以下、本発明による実施例について、図面を用いて詳細に説明する。

（第１の実施例）
図１は、本発明による第１の実施例として、コンテンツ推薦システムのブロック図を示したものである。

図１に示す第１の実施例のコンテンツ推薦システムは、コメント収集提示型ネットワークデータ群と第一のユーザ特徴ベクトルとから、推薦コンテンツ情報を生成するものであり、コンテンツ情報生成部１０１、作成履歴算出部１０２、ユーザ特徴ベクトル照合部１０３、推薦コンテンツ決定部１０４とを備えている。

本実施例の入力であるコメント収集提示型ネットワークデータ群は、ネットワークのメンバーがその作成に参加できるタイプのネットワークサービスであり、例えば電子掲示板(ＢＢＳ（Bulletin Board Service）)、ブログ（ＢＬＯＧ（web logの造語））、ウィキ（WiKi）などがその典型例である。

ここで、ブログとは、ニュースや事件、趣味などに関し日記形式で自分の意見を書き込むインターネットのサイトやホームページのことを言う。開設者が個人の意見を表明していくことを基本としている点が掲示板や、閲覧利用者が自由に意見を書き込める点がこれまでのホームページと異なり、個人ジャーナリズムとしても注目されている。

また、ウィキとは、Ｗｅｂブラウザから簡単にＷｅｂページの発行、編集などが行えるＷｅｂコンテンツ管理システムのことであり、このシステムを利用したサービスとしては、ウィキペディア(Wikipedia)が知られている。ウィキペディアはウィキの技術を利用して、自由に投稿や編集をしたりすることができる百科事典のサービスを提供している。

これらのサービスでは、アクセスした人が自分のコメントを書き込むことができるようになっており、一般には、ユーザＩＤ（Identification）と共に書き込んだ内容が、サービスの一部として掲示される。これらのサービスで提供されるデータは、意味的まとまり（データ単位）に分割できる。

例えば、ＢＢＳでは、複数の掲示板からなるカテゴリー、掲示板個々、スレッドなどがデータ単位となるし、ブログでは親発言一つ一つないし、それを集めたトピックがデータ単位となる。ウィキの場合は通常のＷｅｂ同様ページがデータ単位である。

本実施例のもう一つの入力である第一のユーザ特徴ベクトルは、推薦の対象であるユーザの嗜好を表現するベクトル量で、ベクトル要素として、コメント収集提示型ネットワークデータ群のデータ単位、もしくはその集合のうち、任意の部分集合を選択したものである。

例えば、ＢＢＳスレッドをデータ単位として考えて、現在１００個のスレッドがある場合を考えると、ユーザ特徴ベクトルは、スレッドそれぞれに対する嗜好を表現することにより、ベクトル要素が構成される最大１００次元のベクトル量となる。全てのスレッドを要素とする必要はなく、例えば、このうち１０個を選んで１０次元のベクトル空間を設定しても良い。

ここで、コメント収集提示型ネットワークデータ群である参加型ウェブデータ群は、二つの構成要素であるコンテンツ情報生成部１０１と作成算出部１０２とに入力される。

コンテンツ情報生成部１０１は、入力されたコメント収集提示型ネットワークデータ群を解析しコンテンツ情報を生成する。まずデータをデータ単位に分割し、データ単位内に含まれるコンテンツ識別情報を抽出する。ここでいうコンテンツとは、ネットワークサービスだけでなく、テレビ放送、ラジオ放送、雑誌、ビデオ、写真、音楽なども含まれ、その種類は限定されていない。

次に、コンテンツ情報生成部１０１は、同じデータ単位内で作成に関与したユーザの識別子を収集する。これによって検出された各コンテンツについて、関連するユーザ識別子の集合が生成される。

ここで、本実施例ではこれをコンテンツ情報と総称する。単純に識別子の集合を求めるやり方だけでなく、識別子の集合に加えて各識別子があらわすユーザの関与度合いをコンテンツ情報に含めても良い。関与度合いとしては、データ単位作成への寄与度などが利用可能である。

生成されたコンテンツ情報は、推薦コンテンツ決定部１０４に送り出される。作成履歴算出部１０２では、コメント収集提示型ネットワークデータ群をデータ単位に分割し、先ほどと同様データ単位の作成に関与したユーザの識別子を収集する。全てのデータ単位で本処理を行うと、ユーザ識別子毎に、各データ単位に関与したか示す情報が得られる。

この情報は、関与の有無を表す二値でもかまわないし、関与の割合（寄与度）を表す連続ないし離散値でもかまわない。システム設計者はあらかじめＮ次元のユーザ特徴ベクトルを設計しており、ユーザ特徴ベクトルとして選定されたＮ個のデータ単位への関与情報をユーザ識別子毎に集めることで、第二のユーザ特徴ベクトルが生成される。

ユーザ識別子の数がＭ個ある場合に、第二のユーザ特徴ベクトルはＭ個生成される。Ｎ次元の設計は、システム設計者が任意に行ってよいし、機械的に自動算出しても良い。自動算出する場合の選択基準としては、データ単位毎の情報量比較をベースに、有意な情報が得られるＮ個のデータ単位を選ぶなどの方法を採ることができる。

ユーザ識別子は、ＩＰアドレス、参加型ネットワークサービス運用者規定の識別子、作成者が使っているハンドル名（書き込み名）などが利用できる。

ユーザ特徴ベクトル照合部１０３は、作成履歴算出部１０２で生成されたＭ個の第二のユーザ特徴ベクトルと、入力として与えられる第一のユーザ特徴ベクトルを照合して、ユーザ識別子ごとの合致度を生成する。最も簡単な照合方法は、二つのベクトル間の内積を取り、内積値を合致度とすることであるが、これに限定されない。

一般に、コンテンツフィルタリングやソーシャルフィルタリングで利用される任意のベクトル間照合方法を、活用可能である。出力であるユーザ識別子毎の合致度は、推薦コンテンツ決定部１０４に送られる。

推薦コンテンツ決定部１０４は、コンテンツ情報生成部１０１が生成したコンテンツ情報と、ユーザ特徴ベクトル照合部１０３が生成したユーザ識別子毎の合致度を元に、推薦するコンテンツを決定する。推薦コンテンツ決定部１０４の決定方法としては、例えば以下の方法が利用できる。

各コンテンツに対して、それに関連するユーザ識別子の集合がコンテンツ情報として与えられており、ここでリストアップされたユーザ識別子に対する合致度を合計することで、各コンテンツに対する推薦度合いが算出できる。コンテンツ情報として、単純な識別子集合だけでなく、各識別子に対応した関与度が与えられる場合には、先の合計算出時に関与度で重み付けをすることでより精度を向上させることができる。

以上により本実施例によれば、第一の効果は、ネットワーク上で得られる公開情報のみから、ソーシャルフィルタリングに必要な基礎情報を生成できるので、自分自身のプライバシー情報を第三者に提供することなく、低コスト運用が可能なソーシャルフィルタリングによるコンテンツ推薦機能を利用することが可能となる。

また、第二の効果は、サービスを運営する事業者は、全ユーザの行動を監視するシステムや、データを収集するための呼び水となるインターネットサイト運営などのコストを全くかける必要がないので、サービス運営コストを極めて低く抑えられることである。

本実施例では、推薦コンテンツ情報を生成するのが目的であるが、最終的にはこれはユーザに対する推薦コンテンツの提示としてサービスされる。この場合、得られた推薦コンテンツ情報順に並び替えを行い。上位Ｋ個を示すのが一般的なサービス形態であり、Ｋ個の中にユーザが既に閲覧したコンテンツが含まれる場合にはそれを除外することが多い。

本構成をとることによって、様々な人のユーザ特徴ベクトルを公開情報から生成することができ、プライバシーを保持したシステムを構築することができる。コンテンツ情報生成部１０１および推薦コンテンツ決定部１０４については、ユーザ特徴ベクトルを取り扱わない部分であり、これをサーバ・クライアントモデルにおけるサーバ側に設置することもできる。

或いは、入力であるユーザ特徴ベクトルを蓄積することなく、サービス毎に廃棄する形式であれば、全ての処理をサーバ側で実行しても、プライバシー情報を収集しない形でサーバサービスを実現できる。

（第２の実施例）
図２は、本発明による第２の実施例として、コンテンツ推薦システムのブロック図を示したものである。

図２に示す第２の実施例のコンテンツ推薦システムは、コメント収集提示型ネットワークデータ群とそのデータに対するユーザの閲覧履歴から、推薦コンテンツ情報を生成するものであり、コンテンツ情報生成部１０１、作成算出部１０２、ユーザ特徴ベクトル照合部１０３、推薦コンテンツ決定部１０４、および閲覧履歴処理部１０５とを備えている。

本第２の実施例では、第一のユーザ特徴ベクトルに代えて、コメント収集提示型ネットワークデータ群に対する閲覧履歴を入力とする。データ閲覧履歴は、閲覧履歴処理部１０５に入力され、第一の形態で説明したＮ次元の第一のユーザ特徴ベクトル（第一の形態では入力）が生成される。

このベクトルの各要素は、コメント収集提示型ネットワークデータ群に含まれるデータ単位に対するユーザの嗜好をあらわすものであるので、閲覧履歴処理部１０５のもっとも単純な実装方法としては、そのデータ単位を閲覧したか、あるいは何回閲覧したかを数える方法があげられる。

この生成した第一のユーザ特徴ベクトルは、第１の実施例に、コメント収集提示型ネットワークデータ群と共に入力される。

この第２の実施例の構成をとることによって、第１の実施例で必要となる第一のユーザ特徴ベクトルをユーザ自らが作成することなく自動的に生成することができる。

（第３の実施例）
図３は、本発明による第３の実施例として、コンテンツ推薦システムのブロック図を示したものである。

図３に示す第３の実施例のコンテンツ推薦システムは、本発明の第２の実施例に加えて、絞込み部１０６を備えることを特徴としており、作成履歴算出部１０２に入力されるデータ量を削減している。

入力であるデータ閲覧履歴情報は、閲覧履歴処理部１０５に加えて、絞込み部１０６にも入力される。絞込み部１０６では、コメント収集提示型ネットワークデータ群に含まれる全データ単位のうち、推薦対象となるユーザが閲覧したデータ単位の情報のみを抜き出して、作成履歴算出部１０２へ出力する。

これは、ユーザが閲覧したことによるデータ単位に相当するベクトル要素が、ユーザ特徴ベクトル照合部１０３での照合処理時に意味を成さない無意味な数値であり、このベクトル要素に関しては、作成履歴算出部１０２におけるＭ個の第二のユーザ特徴ベクトル２生成時に省略することができるという特長を利用した実施例である。

一般に個々のユーザが閲覧するデータ単位は、コメント収集提示型ネットワークデータ群の極一部であることが多く、本構成をとることによって、第二の実施例で必要となるユーザ特徴ベクトル２算出処理量を大幅に削減することができる。

（第４の実施例）
図４は、本発明による第４の実施例として、コンテンツ推薦システムのブロック図を示したものである。

図４に示す第４の実施例のコンテンツ推薦システムは、本発明の第１の実施例における入力である第一のユーザ特徴ベクトルの代わりに、推薦対象となるユーザの識別子を入力とすることを特徴としており、第１の実施例のユーザ特徴ベクトル照合部１０３が、出力は同一であるが入力が異なるユーザ特徴ベクトル１０７で置換された構成をとる。

本第４の実施例の動作は、本発明の第１の実施例と共通するが、作成履歴算出部１０２の出力であるＭ個のユーザ特徴ベクトル２は、ユーザ特徴ベクトル照合部１０３に代えて、ユーザ特徴ベクトル照合部１０７に送られる。

ユーザ特徴ベクトル照合部１０７は、入力として与えられるユーザ識別子が、Ｍ個のユーザ特徴ベクトル２に含まれていないかを検証する。もし、含まれている場合には、対応するユーザ特徴ベクトル２をユーザ特徴ベクトル１と見做して、残りの（Ｍ−１）個のユーザ特徴ベクトル２と照合することにより、ユーザ識別子ごとの合致度を生成する。

ここで、照合方法そのものは、第１の実施例で示したユーザ特徴ベクトル照合部１０３における照合手段と同一のものが利用することができる。

入力として与えられるユーザ識別子が、Ｍ個のユーザ特徴ベクトル２に含まれなかった場合には、全てのユーザ識別子に対して合致度０として出力を生成する。

この第４の実施例では、ユーザ識別子のみが入力され、第１の実施例のユーザ特徴ベクトルや、それを生成するためのデータ閲覧履歴は必要とされないため、サービスを全てサーバ側で実施した場合でも、ユーザのプライバシーを完全に保護することができる。

（第５の実施例）
図５は、本発明による第５の実施例として、コンテンツ推薦システムのブロック図を示したものである。

図５に示す第５の実施例のコンテンツ推薦システムは、コメント収集提示型ネットワークデータ群とデータ閲覧履歴およびユーザ識別子から、推薦コンテンツ情報を生成するものであり、コンテンツ情報生成部１０１と、作成履歴算出部１０２と、ユーザ特徴ベクトル照合部１０３と、推薦コンテンツ決定部１０４と、閲覧履歴処理部１０５と、ユーザ特徴ベクトル生成部１０８とを備えている。

入力であるコメント収集提示型ネットワークデータ群は、コンテンツ情報生成部１０１および作成履歴算出部１０２に入力される。コンテンツ情報生成部１０１は第１の実施例と同様に、コンテンツ情報を推薦コンテンツ決定部１０４に送る。作成履歴算出部１０２も第１の実施例と同様に、Ｍ個の第二のユーザ特徴ベクトルをユーザ特徴ベクトル照合部１０３に送るが、それと同時にユーザ特徴ベクトル生成部１０８にも出力する。

入力であるデータ閲覧履歴は、第２の実施例と同様に閲覧履歴処理部１０５に送られて第一のユーザ特徴ベクトルが生成され、ユーザ特徴ベクトル生成部１０８へ出力される。本実施例の特徴的な構成要素であるユーザ特徴ベクトル生成部１０８は、第一のユーザ特徴ベクトル、Ｍ個の第二のユーザ特徴ベクトルおよびもう一つの入力であるユーザ識別子を使って、より精度を向上させた第一のユーザ特徴ベクトルを生成するものである。

ユーザ特徴ベクトル生成部１０８の詳細について述べると、作成履歴算出部１０２から送られてくる第二のユーザ特徴ベクトルは、コメント収集提示型ネットワークデータ群の作成に関与した個人の嗜好情報を反映させたものである。

もし、現在推薦対象となっているユーザが、コメント収集提示型ネットワークデータ群の作成に関与していた場合、ユーザ識別子に相当する第二のユーザ特徴ベクトルがＭ個の同ベクトル内に含まれているはずである。

ここで、もし第二のユーザ特徴ベクトルが発見された場合には、閲覧履歴処理部１０５で生成された第一のユーザ特徴ベクトルと、入力であるユーザ識別子に対応する第二のユーザ特徴ベクトルに重み付け加算して新たな第一のユーザ特徴ベクトルを生成し、ユーザ特徴ベクトル生成部１０３に出力する。

第一のユーザ特徴ベクトルと第二のユーザ特徴ベクトルとは、次元数が一致するベクトルであり、その重み付けは作成関与という行為と閲覧という行為のどちらを重視するかというパラメータとなる。

ユーザ特徴ベクトル照合部１０３は、第１の実施例と同様に動作をし、ユーザ識別子ごとの合致度を出力する。同様に推薦コンテンツ決定部１０４も、第１の実施例と同様の動作で推薦コンテンツ情報を出力する。

この第５の実施例では、閲覧と作成という２面でユーザの嗜好を捕らえることにより、より信頼できるユーザ特徴ベクトルの生成が可能である。

（第６の実施例）
図６は、本発明による第６の実施例として、コンテンツ推薦システムのブロック図を示したものである。

図６に示す第６の実施例のコンテンツ推薦システムは、第５の実施例に絞込み部１０６を加えたものである。

第５の実施例において、直接、作成履歴算出部１０２に渡されていたコメント収集提示型ネットワークデータ群が、一度絞込み部１０６に渡される。絞込み部１０６の動作は、第３の実施例で述べたものと同様であり、入力として与えられるデータ閲覧履歴と照合して、ユーザが閲覧経験がない場合のコメント収集提示型ネットワークデータ群が、作成履歴算出部１０２に渡されるのを防ぐ。これ以外の動作は第５の実施例と完全に同一である。

絞込み手段を設けることによって、処理量が多い作成履歴算出部１０２の回路規模を削減することが可能である。

本発明の第１の観点によるコンテンツ推奨システムにおいて、前記コメント収集提示型ネットワークデータ群に対する閲覧履歴から、前記閲覧履歴がデータ閲覧情報として入力され、前記データ閲覧情報から第一のユーザ特徴ベクトルを生成する閲覧履歴処理手段を更に備えるようにしてもよい。

本発明の第１の観点によるコンテンツ推奨システムにおいて、前記データ閲覧情報から、前記コメント収集提示型ネットワークデータ群に含まれるデータのうち、処理すべきデータ単位のみを抽出して前記作業履歴算出手段で処理すべきデータを絞り込む絞り込み手段を更に備えるようにしてもよい。

本発明の第１の観点によるコンテンツ推奨システムにおいて、前記第一のユーザ特徴ベクトルの代わり、前記ユーザを識別するユーザ識別子が入力され、前記ユーザ特徴ベクトル照合手段が、前記第一のユーザ特徴ベクトルに相当するデータを、前記ユーザ識別子を利用して前記第二のユーザ特徴ベクトルの中から抽出した上で、その他の前記第二のユーザ特徴ベクトルと照合することで前記ユーザごとに嗜好の合致度を算出するようにしてもよい。

本発明の第１の観点によるコンテンツ推奨システムにおいて、前記コメント収集提示型ネットワークデータ群に対する閲覧履歴から、前記閲覧履歴がデータ閲覧情報として入力されると共に、前記ユーザを識別するユーザ識別子も入力され、前記データ閲覧情報から第一のユーザ特徴ベクトルを生成する閲覧履歴処理手段と、前記ユーザ識別子を用いて、前記第一のユーザ特徴ベクトルに相当するデータを、前記ユーザ識別子を利用して前記第二のユーザ特徴ベクトルの中から抽出すると共に、それを用いて前記第一のユーザ特徴ベクトルを修正した上で出力するユーザ特徴ベクトル生成手段と、を更に備えるようにしてもよい。

本発明の第２の観点によるコンテンツ推奨方法において、前記コメント収集提示型ネットワークデータ群に対する閲覧履歴から、前記閲覧履歴がデータ閲覧情報として入力され、前記データ閲覧情報から第一のユーザ特徴ベクトルを生成する閲覧履歴処理ステップを更に備えるようにしてもよい。

本発明の第２の観点によるコンテンツ推奨方法において、前記データ閲覧情報から、前記コメント収集提示型ネットワークデータ群に含まれるデータのうち、処理すべきデータ単位のみを抽出して前記作業履歴算出ステップで処理すべきデータを絞り込む絞り込みステップを更に備えるようにしてもよい。

本発明の第２の観点によるコンテンツ推奨方法において、前記第一のユーザ特徴ベクトルの代わり、前記ユーザを識別するユーザ識別子が入力され、前記ユーザ特徴ベクトル照合ステップが、前記第一のユーザ特徴ベクトルに相当するデータを、前記ユーザ識別子を利用して前記第二のユーザ特徴ベクトルの中から抽出した上で、その他の前記第二のユーザ特徴ベクトルと照合することで前記ユーザごとに嗜好の合致度を算出するようにしてもよい。

本発明の第２の観点によるコンテンツ推奨方法において、前記コメント収集提示型ネットワークデータ群に対する閲覧履歴から、前記閲覧履歴がデータ閲覧情報として入力されると共に、前記ユーザを識別するユーザ識別子も入力され、前記データ閲覧情報から第一のユーザ特徴ベクトルを生成する閲覧履歴処理ステップと、前記ユーザ識別子を用いて、前記第一のユーザ特徴ベクトルに相当するデータを、前記ユーザ識別子を利用して前記第二のユーザ特徴ベクトルの中から抽出すると共に、それを用いて前記第一のユーザ特徴ベクトルを修正した上で出力するユーザ特徴ベクトル生成ステップと、を備えるようにしてもよい。

本発明の第３の観点によるコンテンツ推薦プログラムにおいて、前記コメント収集提示型ネットワークデータ群に対する閲覧履歴から、前記閲覧履歴がデータ閲覧情報として入力され、前記データ閲覧情報から第一のユーザ特徴ベクトルを生成する閲覧履歴処理手順を更に備えるようにしてもよい。

本発明の第３の観点によるコンテンツ推薦プログラムにおいて、前記データ閲覧情報から、前記コメント収集提示型ネットワークデータ群に含まれるデータのうち、処理すべきデータ単位のみを抽出して前記作業履歴算出手順で処理すべきデータを絞り込む絞り込み手順を更に備えるようにしてもよい。

本発明の第３の観点によるコンテンツ推薦プログラムにおいて、前記第一のユーザ特徴ベクトルの代わり、前記ユーザを識別するユーザ識別子が入力され、前記ユーザ特徴ベクトル照合手順が、前記第一のユーザ特徴ベクトルに相当するデータを、前記ユーザ識別子を利用して前記第二のユーザ特徴ベクトルの中から抽出した上で、その他の前記第二のユーザ特徴ベクトルと照合することで前記ユーザごとに嗜好の合致度を算出するようにしてもよい。

本発明の第３の観点によるコンテンツ推薦プログラムにおいて、前記コメント収集提示型ネットワークデータ群に対する閲覧履歴から、前記閲覧履歴がデータ閲覧情報として入力されると共に、前記ユーザを識別するユーザ識別子も入力され、前記データ閲覧情報から第一のユーザ特徴ベクトルを生成する閲覧履歴処理手順と、前記ユーザ識別子を用いて、前記第一のユーザ特徴ベクトルに相当するデータを、前記ユーザ識別子を利用して前記第二のユーザ特徴ベクトルの中から抽出すると共に、それを用いて前記第一のユーザ特徴ベクトルを修正した上で出力するユーザ特徴ベクトル生成手順と、を更に備えるようにしてもよい。

本発明の第４の観点によるコンテンツ推薦システムにおいて、前記第三者の嗜好情報、及び前記第三者が興味を持った前記コンテンツ情報が、コメント収集提示型ネットワークデータ群で公開されているようにしてもよい。

本発明の第５の観点によるコンテンツ推薦方法において、前記第三者の嗜好情報、及び前記第三者が興味を持った前記コンテンツ情報が、コメント収集提示型ネットワークデータ群で公開されているようにしてもよい。

本発明の第６の観点によるコンテンツ推薦プログラムにおいて、前記第三者の嗜好情報、及び前記第三者が興味を持った前記コンテンツ情報が、コメント収集提示型ネットワークデータ群で公開されているようにしてもよい。

本発明の代表的な実施例が詳細に述べられたが、様々な変更(changes)、置き換え(substitutions)及び選択(alternatives)が請求項で定義された発明の精神と範囲から逸脱することなくなされることが理解されるべきである。また、仮にクレームが出願手続きにおいて補正されたとしても、クレームされた発明の均等の範囲は維持されるものと発明者は意図する。

本発明は、個人個人の嗜好にあったコンテンツを推薦するために利用することができる。

【０００４】
に、推薦サービス事業者が限定される他、プロキシーシステムがインターネット上に存在するために、アクセスを特定個人レベルに細分化した分析することが不可能である。
［００２４］
本発明は、上記問題点に鑑みてなされたものであり、自分のプライバシー情報を第三者に開示する必要がない、あるいは第三者のプライバシー情報を収集する必要がないソーシャルフィルタリングによるコンテンツ推薦システム、コンテンツ推薦方法、及びコンテンツ推薦プログラムを提供することを代表的（ｅｘｅｍｐｌａｒｙ）な目的とする。
課題を解決するための手段
［００２５］
本発明の代表的（ｅｘｅｍｐｌａｒｙ）な第１の観点によれば、コンテンツをあるユーザに推薦するコンテンツ推薦システムであって、コンテンツの全部または一部に対するあるユーザの嗜好をベクトル量で表現した第１のユーザ特徴ベクトルを入力とする手段と、ネットワーク上で公開され、ネットワークに属する他のユーザによりコメントが書き込まれたコメント収集提示型ネットワークデータ群に対する他のユーザのアクセス履歴に基づき他のユーザの嗜好をベクトル量で表現した第２のユーザ特徴ベクトルを算出する手段と、前記第１のユーザ特徴ベクトルと前記第２のユーザ特徴ベクトルとからユーザ毎の合致度を算出する手段と、この算出された合致度に基づいてあるユーザにコンテンツを推薦する手段と、を備えることを特徴とするコンテンツ推薦システムが提供される。
［００２６］
本発明の代表的（ｅｘｅｍｐｌａｒｙ）な第２の観点によれば、コンテンツをあるユーザに推薦するコンテンツ推薦方法であって、コンテンツの全部または一部に対するあるユーザの嗜好をベクトル量で表現した第１のユーザ特徴ベクトルを入力とするステップ、ネットワーク上で公開され、ネットワークに属する他のユーザによりコメントが書き込まれたコメント収集提示型ネットワークデータ群に対する他のユーザのアクセス履歴に基づき他のユーザの嗜好をベクトル量で表現した第２のユーザ特徴ベクトルを算出するステップと、前記第１のユーザ特徴ベクトルと前記第２のユーザ特徴ベクトルとからユーザ毎の合致度を算出するステップと、この算出された合致度に基づいてあるユーザにコンテンツを推薦するステップと、

【０００５】
を備えることを特徴とするコンテンツ推薦方法が提供される。
［００２７］
本発明の代表的（ｅｘｅｍｐｌａｒｙ）な第３の観点によれば、コンテンツをあるユーザに推薦するコンテンツ推薦システムとしてコンピュータを機能させるためのコンテンツ推薦プログラムであって、前記コンテンツ推薦システムは、コンテンツの全部または一部に対するあるユーザの嗜好をベクトル量で表現した第１のユーザ特徴ベクトルを入力とする手段と、ネットワーク上で公開され、ネットワークに属する他のユーザによりコメントが書き込まれたコメント収集提示型ネットワークデータ群に対する他のユーザのアクセス履歴に基づき他のユーザの嗜好をベクトル量で表現した第２のユーザ特徴ベクトルを算出する手段と、前記第１のユーザ特徴ベクトルと前記第２のユーザ特徴ベクトルとからユーザ毎の合致度を算出する手段と、この算出された合致度に基づいてあるユーザにコンテンツを推薦する手段と、を備えることを特徴とするコンテンツ推薦プログラムが提供される。
［００２８］
［００２９］

【０００６】
［００３０］
発明の効果
［００３１］
本発明によれば、ネットワーク上で得られる公開情報のみから、ソーシャルフィルタリングに必要な基礎情報を生成できるので、ユーザ自身のプライバシー情報を第三者に提供することなく、低コスト運用が可能なソーシャルフィルタリングによるコンテンツ推薦機能を利用することが可能となる。
図面の簡単な説明
［００３２］
［図１］本発明の第１の実施例の構成を示すブロック図である。
［図２］本発明の第２の実施例の構成を示すブロック図である。
［図３］本発明の第３の実施例の構成を示すブロック図である。
［図４］本発明の第４の実施例の構成を示すブロック図である。
［図５］本発明の第５の実施例の構成を示すブロック図である。
［図６］本発明の第６の実施例の構成を示すブロック図である。
符号の説明
［００３３］
１０１コンテンツ情報生成部
１０２作成履歴算出部

Claims

コンテンツをユーザに推薦するコンテンツ推薦システムであって、
ネットワークに属するメンバーにより各自のコメントが書き込まれたコメント収集提示型ネットワークデータ群と、前記コメント収集提示型ネットワークデータ群に含まれるデータ単位の全部又は一部に対するユーザの嗜好をベクトル量で表現した第一のユーザ特徴ベクトルとが入力され、
前記コメント収集提示型ネットワークデータ群をデータ単位に分割し、コンテンツ情報を生成するコンテンツ情報生成手段と、
前記コメント収集提示型ネットワークデータ群をデータ単位に分割し、前記データ単位の作成に関与した関与情報から、ユーザの嗜好をベクトル量で表現した第二のユーザ特徴ベクトルを生成する作業履歴算出手段と、
前記第一のユーザ特徴ベクトルと前記第二のユーザ特徴ベクトルとから、ユーザごとに嗜好の合致度を算出するユーザ特徴ベクトル照合手段と、
前記コンテンツ情報と前記嗜好の合致度とから、推薦コンテンツ情報を算出する推薦コンテンツ決定手段と、
を備えたことを特徴とするコンテンツ推薦システム。
前記コメント収集提示型ネットワークデータ群に対する閲覧履歴から、前記閲覧履歴がデータ閲覧情報として入力され、
前記データ閲覧情報から第一のユーザ特徴ベクトルを生成する閲覧履歴処理手段を
更に備えたことを特徴とする請求項１に記載のコンテンツ推薦システム。
前記データ閲覧情報から、前記コメント収集提示型ネットワークデータ群に含まれるデータのうち、処理すべきデータ単位のみを抽出して前記作業履歴算出手段で処理すべきデータを絞り込む絞り込み手段を
更に備えたことを特徴とする請求項２に記載のコンテンツ推薦システム。
前記第一のユーザ特徴ベクトルの代わり、前記ユーザを識別するユーザ識別子が入力され、
前記ユーザ特徴ベクトル照合手段が、前記第一のユーザ特徴ベクトルに相当するデータを、前記ユーザ識別子を利用して前記第二のユーザ特徴ベクトルの中から抽出した上で、その他の前記第二のユーザ特徴ベクトルと照合することで前記ユーザごとに嗜好の合致度を算出する
ことを特徴とする請求項１に記載のコンテンツ推薦システム。
前記コメント収集提示型ネットワークデータ群に対する閲覧履歴から、前記閲覧履歴がデータ閲覧情報として入力されると共に、前記ユーザを識別するユーザ識別子も入力され、
前記データ閲覧情報から第一のユーザ特徴ベクトルを生成する閲覧履歴処理手段と、
前記ユーザ識別子を用いて、前記第一のユーザ特徴ベクトルに相当するデータを、前記ユーザ識別子を利用して前記第二のユーザ特徴ベクトルの中から抽出すると共に、それを用いて前記第一のユーザ特徴ベクトルを修正した上で出力するユーザ特徴ベクトル生成手段と、
を更に備えたことを特徴とする請求項１に記載のコンテンツ推薦システム。
前記データ閲覧情報から、前記コメント収集提示型ネットワークデータ群に含まれるデータのうち、処理すべきデータ単位のみを抽出して前記作業履歴算出手段で処理すべきデータを絞り込む絞り込み手段
を更に備えたことを特徴とする請求項５に記載のコンテンツ推薦システム。
コンテンツをユーザに推薦するコンテンツ推薦システムにおけるコンテンツ推薦方法であって、
ネットワークに属するメンバーにより各自のコメントが書き込まれたコメント収集提示型ネットワークデータ群と、前記コメント収集提示型ネットワークデータ群に含まれるデータ単位の全部又は一部に対するユーザの嗜好をベクトル量で表現した第一のユーザ特徴ベクトルとが入力されるステップと、
前記コメント収集提示型ネットワークデータ群をデータ単位に分割し、コンテンツ情報を生成するコンテンツ情報生成ステップと、
前記コメント収集提示型ネットワークデータ群をデータ単位に分割し、前記データ単位の作成に関与した関与情報から、ユーザの嗜好をベクトル量で表現した第二のユーザ特徴ベクトルを生成する作業履歴算出ステップと、
前記第一のユーザ特徴ベクトルと前記第二のユーザ特徴ベクトルとから、ユーザごとに嗜好の合致度を算出するユーザ特徴ベクトル照合ステップと、
前記コンテンツ情報と前記嗜好の合致度とから、推薦コンテンツ情報を算出する推薦コンテンツ決定ステップと、
を備えたことを特徴とするコンテンツ推薦方法。
前記コメント収集提示型ネットワークデータ群に対する閲覧履歴から、前記閲覧履歴がデータ閲覧情報として入力され、
前記データ閲覧情報から第一のユーザ特徴ベクトルを生成する閲覧履歴処理ステップを更に備えたことを特徴とする請求項７に記載のコンテンツ推薦方法。
前記データ閲覧情報から、前記コメント収集提示型ネットワークデータ群に含まれるデータのうち、処理すべきデータ単位のみを抽出して前記作業履歴算出ステップで処理すべきデータを絞り込む絞り込みステップを
更に備えたことを特徴とする請求項８に記載のコンテンツ推薦方法。
前記第一のユーザ特徴ベクトルの代わり、前記ユーザを識別するユーザ識別子が入力され、
前記ユーザ特徴ベクトル照合ステップが、前記第一のユーザ特徴ベクトルに相当するデータを、前記ユーザ識別子を利用して前記第二のユーザ特徴ベクトルの中から抽出した上で、その他の前記第二のユーザ特徴ベクトルと照合することで前記ユーザごとに嗜好の合致度を算出する
ことを特徴とする請求項７に記載のコンテンツ推薦方法。
前記コメント収集提示型ネットワークデータ群に対する閲覧履歴から、前記閲覧履歴がデータ閲覧情報として入力されると共に、前記ユーザを識別するユーザ識別子も入力され、
前記データ閲覧情報から第一のユーザ特徴ベクトルを生成する閲覧履歴処理ステップと、
前記ユーザ識別子を用いて、前記第一のユーザ特徴ベクトルに相当するデータを、前記ユーザ識別子を利用して前記第二のユーザ特徴ベクトルの中から抽出すると共に、それを用いて前記第一のユーザ特徴ベクトルを修正した上で出力するユーザ特徴ベクトル生成ステップと、
を備えたことを特徴とする請求項７に記載のコンテンツ推薦方法。
前記データ閲覧情報から、前記コメント収集提示型ネットワークデータ群に含まれるデータのうち、処理すべきデータ単位のみを抽出して前記作業履歴算出ステップで処理すべきデータを絞り込む絞り込みステップ
を更に備えたことを特徴とする請求項１１に記載のコンテンツ推薦方法。
コンテンツをユーザに推薦するコンテンツ推薦システムにおけるコンテンツ推薦プログラムであって、
ネットワークに属するメンバーにより各自のコメントが書き込まれたコメント収集提示型ネットワークデータ群と、前記コメント収集提示型ネットワークデータ群に含まれるデータ単位の全部又は一部に対するユーザの嗜好をベクトル量で表現した第一のユーザ特徴ベクトルとが入力される手順と、
前記コメント収集提示型ネットワークデータ群をデータ単位に分割し、コンテンツ情報を生成するコンテンツ情報生成手順と、
前記コメント収集提示型ネットワークデータ群をデータ単位に分割し、前記データ単位の作成に関与した関与情報から、ユーザの嗜好をベクトル量で表現した第二のユーザ特徴ベクトルを生成する作業履歴算出手順と、
前記第一のユーザ特徴ベクトルと前記第二のユーザ特徴ベクトルとから、ユーザごとに嗜好の合致度を算出するユーザ特徴ベクトル照合手順と、
前記コンテンツ情報と前記嗜好の合致度とから、推薦コンテンツ情報を算出する推薦コンテンツ決定手順と、
をコンピュータに実行させることを特徴とするコンテンツ推薦プログラム。
前記コメント収集提示型ネットワークデータ群に対する閲覧履歴から、前記閲覧履歴がデータ閲覧情報として入力され、
前記データ閲覧情報から第一のユーザ特徴ベクトルを生成する閲覧履歴処理手順を更に備えたことを特徴とする請求項１３に記載のコンテンツ推薦プログラム。
前記データ閲覧情報から、前記コメント収集提示型ネットワークデータ群に含まれるデータのうち、処理すべきデータ単位のみを抽出して前記作業履歴算出手順で処理すべきデータを絞り込む絞り込み手順を
更に備えたことを特徴とする請求項１４に記載のコンテンツ推薦プログラム。
前記第一のユーザ特徴ベクトルの代わり、前記ユーザを識別するユーザ識別子が入力され、
前記ユーザ特徴ベクトル照合手順が、前記第一のユーザ特徴ベクトルに相当するデータを、前記ユーザ識別子を利用して前記第二のユーザ特徴ベクトルの中から抽出した上で、その他の前記第二のユーザ特徴ベクトルと照合することで前記ユーザごとに嗜好の合致度を算出する
ことを特徴とする請求項１３に記載のコンテンツ推薦プログラム。
前記コメント収集提示型ネットワークデータ群に対する閲覧履歴から、前記閲覧履歴がデータ閲覧情報として入力されると共に、前記ユーザを識別するユーザ識別子も入力され、
前記データ閲覧情報から第一のユーザ特徴ベクトルを生成する閲覧履歴処理手順と、
前記ユーザ識別子を用いて、前記第一のユーザ特徴ベクトルに相当するデータを、前記ユーザ識別子を利用して前記第二のユーザ特徴ベクトルの中から抽出すると共に、それを用いて前記第一のユーザ特徴ベクトルを修正した上で出力するユーザ特徴ベクトル生成手順と、
を更に備えたことを特徴とする請求項１３に記載のコンテンツ推薦プログラム。
前記データ閲覧情報から、前記コメント収集提示型ネットワークデータ群に含まれるデータのうち、処理すべきデータ単位のみを抽出して前記作業履歴算出手順で処理すべきデータを絞り込む絞り込み手順
を更に備えたことを特徴とする請求項１７に記載のコンテンツ推薦プログラム。
コンテンツをユーザに推薦するコンテンツ推薦システムであって、
公開されている第三者の嗜好情報、及び前記第三者が興味をもったコンテンツ情報を収集するコンテンツ情報収集手段と、
前記第三者の嗜好情報とユーザの嗜好情報とを比較をすることにより、ユーザにコンテンツを推薦する推薦コンテンツ情報を生成する推薦コンテンツ情報生成手段と
を備えたことを特徴とするコンテンツ推薦システム。
前記第三者の嗜好情報、及び前記第三者が興味を持った前記コンテンツ情報が、コメント収集提示型ネットワークデータ群で公開されていること
を特徴とする請求項１９に記載のコンテンツ推薦システム。
コンテンツをユーザに推薦するコンテンツ推薦システムにおけるコンテンツ推薦方法であって、
公開されている第三者の嗜好情報、及び前記第三者が興味をもったコンテンツ情報を収集するコンテンツ情報収集ステップと、
前記第三者の嗜好情報とユーザの嗜好情報とを比較をすることにより、ユーザにコンテンツを推薦する推薦コンテンツ情報を生成する推薦コンテンツ情報生成ステップと
を備えたことを特徴とするコンテンツ推薦方法。
前記第三者の嗜好情報、及び前記第三者が興味を持った前記コンテンツ情報が、コメント収集提示型ネットワークデータ群で公開されていること
を特徴とする請求項２１に記載のコンテンツ推薦方法。
コンテンツをユーザに推薦するコンテンツ推薦システムにおけるコンテンツ推薦プログラムであって、
公開されている第三者の嗜好情報、及び前記第三者が興味をもったコンテンツ情報を収集するコンテンツ情報収集手順と、
前記第三者の嗜好情報とユーザの嗜好情報とを比較をすることにより、ユーザにコンテンツを推薦する推薦コンテンツ情報を生成する推薦コンテンツ情報生成手順と
をコンピュータに実行させることを特徴とするコンテンツ推薦プログラム。
前記第三者の嗜好情報、及び前記第三者が興味を持った前記コンテンツ情報が、コメント収集提示型ネットワークデータ群で公開されていること
を特徴とする請求項２３に記載のコンテンツ推薦プログラム。