JPWO2011052315A1 - コンテンツ推薦システム、推薦方法及び推薦プログラム - Google Patents
コンテンツ推薦システム、推薦方法及び推薦プログラム Download PDFInfo
- Publication number
- JPWO2011052315A1 JPWO2011052315A1 JP2011538304A JP2011538304A JPWO2011052315A1 JP WO2011052315 A1 JPWO2011052315 A1 JP WO2011052315A1 JP 2011538304 A JP2011538304 A JP 2011538304A JP 2011538304 A JP2011538304 A JP 2011538304A JP WO2011052315 A1 JPWO2011052315 A1 JP WO2011052315A1
- Authority
- JP
- Japan
- Prior art keywords
- content
- recommendation
- user mode
- estimation
- user
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims description 199
- 230000004931 aggregating effect Effects 0.000 claims abstract description 15
- 230000002776 aggregation Effects 0.000 claims description 37
- 238000004220 aggregation Methods 0.000 claims description 37
- 239000000284 extract Substances 0.000 claims description 2
- 238000000605 extraction Methods 0.000 abstract description 2
- 238000010586 diagram Methods 0.000 description 24
- 235000012054 meals Nutrition 0.000 description 10
- 230000006870 function Effects 0.000 description 7
- 230000008569 process Effects 0.000 description 7
- 238000001914 filtration Methods 0.000 description 5
- 230000001419 dependent effect Effects 0.000 description 3
- 230000009471 action Effects 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 230000008901 benefit Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L67/00—Network arrangements or protocols for supporting network services or applications
- H04L67/50—Network services
- H04L67/535—Tracking the activity of the user
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/907—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/903—Querying
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/903—Querying
- G06F16/9035—Filtering based on additional data, e.g. user or group profiles
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Databases & Information Systems (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Computational Linguistics (AREA)
- Library & Information Science (AREA)
- Computer Hardware Design (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
コンテンツ推薦要求に含まれるユーザの状況を示すユーザコンテキストに基づき所定の個別推定項目に対する個別基準値を推定して利用者モード値を算出する利用者モード推定部２と、利用者モード値に基づき抽出された複数の推薦候補コンテンツを出力する推薦部３と、複数の推薦候補コンテンツから所定数のコンテンツを選択して推薦コンテンツとして出力する集約部４とを備える。
Description
本発明は、コンテンツ推薦システム、推薦方法及び推薦プログラムに関する。
近年、複数のユーザの行動に関する情報を収集・分析することにより、種々の状況（季節、時間、場所等）下にあるユーザが望んでいる情報を推定し、この推定結果に基づいてユーザが望む情報を推薦する提案が行われている。
例えば、特開２００５−２４９６０６号公報は、固有情報を用いて種々の情報の選別を行う第１選別手段、この第１選別手段により選別された情報を更に選別する第２選別手段を備えた装置が開示されている。固有情報はユーザの状況により変化する情報であり、第１選別手段は、この固有情報を用いて設定された複数のルールからなる選別条件により種々の情報の選別を行う。そして、第２選別手段は、数値化手段と比較手段から構成されて、第１選別手段により選別された情報を更に選別する。このように情報を２段階で選別することにより、ユーザが欲しいと思われる情報を選別している。
また、特開２００４−３５５０７５号公報は、ユーザの現在位置等に応じて地図上の店舗などを示すＰＯＩ（ＰｏｉｎｔｏｆＩｎｔｅｒｅｓｔ）情報を選択する確率ネットワークモデルを開示している。そして、この確率ネットワークモデルを用いて、各ＰＯＩ情報が選択される事後確率を算出し、この事後確率に応じた重みに基づいて、ユーザの位置等の状況に適合したＰＯＩ情報を推薦するようにしている。
さらに、特開２００５−２９２９０４号公報は、提示対象の複数のコンテンツ属性を含むベイジアンネットモデルを用いて、コンテンツの絞込み基準を決定してコンテンツの絞込みを行う方法が開示されている。そして、絞り込んだ候補に対してベイジアンネットモデルを適用して提示対象を求めている。
例えば、特開２００５−２４９６０６号公報は、固有情報を用いて種々の情報の選別を行う第１選別手段、この第１選別手段により選別された情報を更に選別する第２選別手段を備えた装置が開示されている。固有情報はユーザの状況により変化する情報であり、第１選別手段は、この固有情報を用いて設定された複数のルールからなる選別条件により種々の情報の選別を行う。そして、第２選別手段は、数値化手段と比較手段から構成されて、第１選別手段により選別された情報を更に選別する。このように情報を２段階で選別することにより、ユーザが欲しいと思われる情報を選別している。
また、特開２００４−３５５０７５号公報は、ユーザの現在位置等に応じて地図上の店舗などを示すＰＯＩ（ＰｏｉｎｔｏｆＩｎｔｅｒｅｓｔ）情報を選択する確率ネットワークモデルを開示している。そして、この確率ネットワークモデルを用いて、各ＰＯＩ情報が選択される事後確率を算出し、この事後確率に応じた重みに基づいて、ユーザの位置等の状況に適合したＰＯＩ情報を推薦するようにしている。
さらに、特開２００５−２９２９０４号公報は、提示対象の複数のコンテンツ属性を含むベイジアンネットモデルを用いて、コンテンツの絞込み基準を決定してコンテンツの絞込みを行う方法が開示されている。そして、絞り込んだ候補に対してベイジアンネットモデルを適用して提示対象を求めている。
しかしながら、特開２００５−２４９６０６号公報、特開２００４−３５５０７５号公報、特開２００５−２９２９０４号公報においては、ユーザの情報に対する多様な要求状態を考慮したコンテンツの推薦が行えなかった。また、ユーザは推薦されたコンテンツの基準値を知ることができないため、例えば再度推薦要求を行う場合にどの様な要求を行えばよいか不明確で、使い勝手が悪かった。このためシステムは推薦処理についての効率的な学習が行えない問題があった。
そこで、本発明の主目的は、ユーザの情報に対する多様な要求状態を考慮したコンテンツの推薦が行えると共に、再度推薦要求を行う場合でも効率的に推薦要求が行えるようにして推薦処理の効率的な学習ができるコンテンツ推薦システム、推薦方法及び推薦プログラムを提供することである。
そこで、本発明の主目的は、ユーザの情報に対する多様な要求状態を考慮したコンテンツの推薦が行えると共に、再度推薦要求を行う場合でも効率的に推薦要求が行えるようにして推薦処理の効率的な学習ができるコンテンツ推薦システム、推薦方法及び推薦プログラムを提供することである。
上記課題を解決するために、本発明にかかるコンテンツ推薦システムは、コンテンツ推薦要求に含まれるユーザの状況を示すユーザコンテキストに基づき所定の個別推定項目に対する個別基準値の重なりを利用者モード推定項目に対する利用者モード値として推定する利用者モード推定部と、利用者モード推定項目に基づき抽出された複数の推薦候補コンテンツを出力する推薦部と、利用者モード値に基づき複数の推薦候補コンテンツから所定数のコンテンツを選択して推薦コンテンツ群として出力する集約部とを備えることを特徴とする。
また、コンテンツ推薦方法は、コンテンツ推薦要求に含まれるユーザの状況を示すユーザコンテキストに基づき所定の個別推定項目に対する個別基準値を推定して利用者モード推定項目に対する利用者モード値を算出する利用者モード推定手順と、利用者モード推定項目に基づき抽出された複数の推薦候補コンテンツを出力する推薦手順と、利用者モード値に基づき複数の推薦候補コンテンツから所定数のコンテンツを選択して推薦コンテンツとして出力する集約手順とを含むことを特徴とする。
さらに、コンテンツ推薦プログラムは、コンテンツ推薦要求に含まれるユーザの状況を示すユーザコンテキストに基づき所定の個別推定項目に対する個別基準値を推定して利用者モード推定項目に対する利用者モード値を算出する利用者モード推定ステップと、利用者モード推定項目に基づき抽出された複数の推薦候補コンテンツを出力する推薦ステップと、利用者モード値に基づき複数の推薦候補コンテンツから所定数のコンテンツを選択して推薦コンテンツとして出力する集約ステップとを含むことを特徴とする。
また、コンテンツ推薦方法は、コンテンツ推薦要求に含まれるユーザの状況を示すユーザコンテキストに基づき所定の個別推定項目に対する個別基準値を推定して利用者モード推定項目に対する利用者モード値を算出する利用者モード推定手順と、利用者モード推定項目に基づき抽出された複数の推薦候補コンテンツを出力する推薦手順と、利用者モード値に基づき複数の推薦候補コンテンツから所定数のコンテンツを選択して推薦コンテンツとして出力する集約手順とを含むことを特徴とする。
さらに、コンテンツ推薦プログラムは、コンテンツ推薦要求に含まれるユーザの状況を示すユーザコンテキストに基づき所定の個別推定項目に対する個別基準値を推定して利用者モード推定項目に対する利用者モード値を算出する利用者モード推定ステップと、利用者モード推定項目に基づき抽出された複数の推薦候補コンテンツを出力する推薦ステップと、利用者モード値に基づき複数の推薦候補コンテンツから所定数のコンテンツを選択して推薦コンテンツとして出力する集約ステップとを含むことを特徴とする。
これにより、ユーザの情報に対する多様な要求状態を考慮したコンテンツの推薦が可能になるとともに、再度推薦要求を行う際には、個別基準値を参考にして推薦要求を行うことができるため、再度行う推薦要求は容易に行えるようになる。従って、コンテンツ推薦システムは推薦処理を効率的に学習することができる。
図１は、本発明の第１の実施形態にかかるコンテンツ推薦システムのブロック図である。
図２は、本発明の第２の実施形態にかかるコンテンツ推薦システムのブロック図である。
図３は、第２の実施形態にかかるコンテンツ推薦システムのフローチャートである。
図４は、携帯端末から出力されるコンテンツ推薦要求の構成を示す図である。
図５Ａは、利用者モード推定部で推定する利用者モード推定項目における利用目的の個別推定項目を示す図である。
図５Ｂは、利用者モード推定部で推定する利用者モード推定項目における利用エリアの個別推定項目を示す図である。
図５Ｃは、利用者モード推定部で推定する利用者モード推定項目の説明図における推薦方法の個別推定項目を示す図である。
図６は、利用者モード推定項目のパターンを例示した図である。
図７は、利用ログリストを例示した図である。
図８は、スコアを含む利用ログリストを例示した図である。
図９は、推薦指令を例示した図である。
図１０は、コンテンツの集約方法を説明する図である。
図１１Ａは、携帯端末に表示される画面における推薦結果を表示するコンテンツ画面の図である。
図１１Ｂは、携帯端末に表示される画面におけるモード指定画面の図である。
図１２は、ユーザによるモード指定が行われた際のコンテンツ推薦要求を例示した図である。
図１３は、第３の実施形態にかかるコンテンツの集約方法を説明する図である。
図１４は、第４の実施形態にかかるコンテンツ推薦システムのブロック図である。
図１５は、推薦指令を例示した図である。
図２は、本発明の第２の実施形態にかかるコンテンツ推薦システムのブロック図である。
図３は、第２の実施形態にかかるコンテンツ推薦システムのフローチャートである。
図４は、携帯端末から出力されるコンテンツ推薦要求の構成を示す図である。
図５Ａは、利用者モード推定部で推定する利用者モード推定項目における利用目的の個別推定項目を示す図である。
図５Ｂは、利用者モード推定部で推定する利用者モード推定項目における利用エリアの個別推定項目を示す図である。
図５Ｃは、利用者モード推定部で推定する利用者モード推定項目の説明図における推薦方法の個別推定項目を示す図である。
図６は、利用者モード推定項目のパターンを例示した図である。
図７は、利用ログリストを例示した図である。
図８は、スコアを含む利用ログリストを例示した図である。
図９は、推薦指令を例示した図である。
図１０は、コンテンツの集約方法を説明する図である。
図１１Ａは、携帯端末に表示される画面における推薦結果を表示するコンテンツ画面の図である。
図１１Ｂは、携帯端末に表示される画面におけるモード指定画面の図である。
図１２は、ユーザによるモード指定が行われた際のコンテンツ推薦要求を例示した図である。
図１３は、第３の実施形態にかかるコンテンツの集約方法を説明する図である。
図１４は、第４の実施形態にかかるコンテンツ推薦システムのブロック図である。
図１５は、推薦指令を例示した図である。
本発明の第１の実施形態を説明する。図１は、本実施形態にかかるコンテンツ推薦システム１Ａのブロック図である。コンテンツ推薦システム１Ａは、利用者モード推定部２、推薦部３、集約部４を備える。
利用者モード推定部２は、コンテンツ推薦要求に含まれるユーザの状況を示すユーザコンテキストに基づき所定の個別推定項目を推定すると共に、この個別推定項目に対する個別基準値を演算する。そして、複数の個別推定項目に対する個別基準値により利用者モード推定項目に対する利用者モード値を算出する。
推薦部３は、利用者モード推定項目に基づき抽出された複数の推薦候補コンテンツを出力する。集約部４は、利用者モード値に基づき複数の推薦候補コンテンツから所定数のコンテンツを選択して推薦コンテンツとする。推薦コンテンツは、個別推定項目及び個別基準値と共に出力される。
これにより、複数の個別基準値の重なりである利用者モード値に基づき推薦結果を集約するため、ユーザの情報に対する多様な要求状態を考慮したコンテンツの推薦を行うことが可能になる。また、再度推薦要求を行う際には、個別基準値を参考にして推薦要求を行うことができるため、ユーザが個別基準値を指定して再度行う推薦要求が容易に行える。従って、コンテンツ推薦システムは、ユーザによる具体的な個別基準値に基づく推薦処理を行い、その結果を学習するので、効率的に推薦処理が学習できるようになる。
次に、本発明の第２の実施形態を説明する。図２は、本実施形態にかかるコンテンツ推薦システム１Ｂのブロック図である。コンテンツ推薦システム１Ｂは、入出力部２１、利用者モード推定部２２、推薦指令生成部２３、推薦部２４、集約部２５、利用ログ管理部２６、コンテンツ管理部２７を備える。
また、利用者モード推定部２２は、コンテンツ推薦要求に含まれるユーザコンテキストに基づき利用目的や利用エリア等の種々の個別推定項目についての推定を行い、個別推定項目毎の個別基準値を出力する第１〜第ｎの基準推定ユニット２２ａ〜２２ｎを備える。なお、個別基準値は、個別推定項目に関してシステムが、ユーザの情報に対する要求状態を推定した値である。システムは、この個別基準値を基にコンテンツを推薦するため、コンテンツの推薦度合いとも関係する。
即ち、利用者モードは、複数の利用者モード推定項目と利用者モード値とを含む。また利用者モード推定項目は、複数の個別推定項目を含み、各個別推定項目に対して個別基準値が演算される。利用者モード値は、全ての個別基準値に基づき算出される。
以下においては、説明を簡略化するために、第１〜第３の基準推定ユニット２２ａ〜２２ｃを用い、かつ、各基準推定ユニット２２ａ〜２２ｃには、予め個別推定項目が割り当てられている場合を例に説明する。即ち、第１の基準推定ユニット２２ａにはユーザが何を目的にコンテンツの推薦を要求しているかを個別推定項目として推定する機能（目的推定機能）が割り当てられ、第２の基準推定ユニット２２ｂにはユーザが何処のエリアに関するコンテンツの推薦を要求しているかを個別推定項目として推定する機能（エリア推定機能）が割り当てられ、第３の基準推定ユニット２２ｃにはコンテンツの推薦を行う推薦方法を個別推定項目として推定する機能（推薦方式推定機能）が割り当てられているとする。
さらに、利用者モード推定部２２は、各第１〜第ｎの基準推定ユニット２２ａ〜２２ｎからの個別基準値を用いて利用者モード推定項目に対する利用者モード値を算出する利用者モード生成ユニット２２ｚを備える。利用者モード値は、ユーザの情報に対する要求状態を表す利用者モード推定項目に対して、システムがユーザの情報に対する要求状態の度合いを推定した値であり、この値をもとに推薦を行う。
推薦指令生成部２３は、利用者モード推定項目に基づき、推薦部２４にコンテンツの推薦を行わせるための推薦指令を生成する。
推薦部２４は、第１〜第ｋ推薦実行ユニット２４ａ〜２４ｋを備えて、推薦指令生成部２３からの推薦指令に基づきコンテンツを推薦する。このコンテンツを推薦候補コンテンツと記載する。
以下においては、説明を簡略化するために、第１，第２推薦実行ユニット２４ａ，２４ｂを用い、かつ、各推薦実行ユニット２４ａ，２４ｂには、予め推薦方法が割り当てられているとする。
即ち、第１推薦実行ユニット２４ａには、コンテンツを推薦する際に人気の高いコンテンツから順に推薦するグローバルランキング方法が割り当てられ、第２推薦実行ユニット２４ｂには、公知の協調フィルタリング技術を用いて、推薦要求者の利用したコンテンツ集合に対して相関性が高いコンテンツから順に推薦するパーソナルランキング方法が割り当てられているとする。
集約部２５は、選択基準設定ユニット２５ａ、集約ユニット２５ｂを備えている。選択基準設定ユニット２５ａは、利用者モード値に基づき、推薦候補コンテンツの中から要求コンテンツ数のコンテンツを選択する際の選択基準の設定を行う。集約ユニット２５ｂは、選択基準設定ユニット２５ａからの選択基準に従い推薦候補コンテンツの中からコンテンツを選択して集約する。以下、集約されたコンテンツを推薦コンテンツと記載する。推薦コンテンツは、個別基準値と共に入出力部２１を介してユーザ端末に２１送信される。
概略上述した構成で、コンテンツ推薦システム１Ｂは、ユーザ端末１０からコンテンツ推薦要求を受信し、利用者モード推定部２２において受信したコンテンツ推薦要求と利用ログ管理部２６に格納されている利用ログとに基づき利用者モード推定項目に対する利用者モード値を推定する。利用者モード推定項目と、この推定された利用者モード推定項目に対する利用者モード値は、推薦指令生成部２３に送られて推薦指令が作成される。推薦部２４は、推薦指令に指定された利用者モード推定項目に従い、利用ログ管理部２６に格納されている利用ログを参照してコンテンツ管理部２７に格納されている多数のコンテンツから推薦するコンテンツを抽出して推薦候補コンテンツとして集約部２５に送る。推薦候補コンテンツは、集約部２５において利用者モード値に基づき推薦コンテンツとして集約される。そして、推薦コンテンツは、個別推定項目及び個別基準値と共に入出力部２１を介してユーザ端末１０に送られる。
以下コンテンツ推薦システム１Ｂの詳細な構成及び動作を図３に示すフローチャートに従い説明する。その際、ユーザは新宿で食事をしたいので、その情報に関するコンテンツの推薦を意図してコンテンツ推薦要求を行ったとして説明する。
（１）ステップＳ１：＜コンテンツ推薦要求の受信＞
利用者モード推定部２２は入出力部２１を介してユーザ端末１０からコンテンツ推薦要求を受信する。このコンテンツ推薦要求は、例えば図４に示すような構成となっている。即ち、コンテンツ推薦要求４０は、少なくともユーザを識別するためのユーザ識別子４１、ユーザが求めるコンテンツ数（要求コンテンツ数）４２、ユーザコンテキスト４３を含んでいる。
ユーザコンテキスト４３は、例えば季節、平日／休日、時間、ユーザが現在いるエリア（現在位置）、ユーザの移動方向、ユーザの行動状態（在宅、移動中等）、年齢（年代）、性別等の情報が１つ以上含まれている。無論、これらは例示であって、これ以外の情報を含んでもよい。
ユーザコンテキストを［Ｃ１，Ｃ２，…，Ｃｎ］と記載する。但し、ｎは正の整数である。以下の説明では、Ｃ１の内容としては「平日」，「休日」があり、Ｃ２の内容としては「朝」，「昼」，「夜」があり、Ｃ３の内容としては「晴れ」，「曇り」，「雨」があり、［Ｃ１＝平日、Ｃ２＝夜、Ｃ３＝はれ］がユーザコンテキスト４３として指定されたとする。図４に示すユーザコンテキスト４３は、ユーザ識別子４１が「ｕｓｅｒ０１」であり、要求コンテンツ数４２が「５」であり、ユーザコンテキスト４３が「平日，夜，晴れ」である。
（２）ステップＳ２：＜利用者モードの推定＞
コンテンツ推薦要求は、利用者モード推定部２２における第１の基準推定ユニット２２ａ、第２の基準推定ユニット２２ｂ、第３の基準推定ユニット２２ｃに入力する。そして、第１の基準推定ユニット２２ａでユーザの利用目的（個別推定項目）の個別基準値が推定され、第２の基準推定ユニット２２ｂでユーザが利用目的を達成したい利用エリア（個別推定項目）の個別基準値が推定される。また、第３の基準推定ユニット２２ｃで、推薦部２４で用いる推薦方式（個別推定項目）の個別基準値が推定される。これらの推定は、例えば式（１）に示すベイズの定理に従い、ユーザコンテキストに基づき利用目的の確率、利用エリアの確率、推薦方法の確率として算出される。
以下の説明では、ユーザの利用目的に関する個別推定項目として、図５Ａに示すように「食事」，「買物」，「遊び」があり、利用エリアに関する個別推定項目として図５Ｂに示すように「新宿」，「渋谷」，「池袋」があるとする。また、推定方法に関する個別推定項目として、図５Ｃに示すように、「グローバルランキング方法」，「協調フィルタリング方法」であるとする。
各利用目的、各利用エリア、各推薦方法における各詳細な個別推定項目の組み合わせは、１つの事象を示す。そこで、このような事象を利用者モード推定項目と定義する。さらに、利用者モード推定項目に対してシステムがユーザの情報に対する要求状態を推定した値を利用者モード値と定義する。
図６は、上述した詳細な利用者モード推定項目の組み合わせパターンを例示した図である。利用目的が３パターン，利用エリアが３パターン、推薦方法が２パターン存在するので、１８パターン（＝３＊３＊２）の利用者モード推定項目のパターンが定義されている。
なお、以下の説明では、利用目的等の個別推定項目は、予め基準推定ユニットに設定されている場合を例に説明する。このような場合を個別推定項目の明示的設定という。
しかし、個別推定項目の明示的設定以外の方法も可能である。例えば、後述する図７に示すような利用ログに類似したコンテキストをクラスタ化し、このクラスタに対して個別推定項目の割り当てを行うことにより、個別推定項目を設定することが可能である。このような個別推定項目の設定を暗示的設定という。
さて、図７に示す利用ログリスト５５は、過去に行われたコンテンツ推薦要求の内容、推薦履歴及び利用履歴に関する情報を示し、利用ログ欄５６、ユーザコンテキスト欄５７、利用者モード欄５８を含んでいる。
利用ログ欄５６は、「日時、利用コンテンツ、利用形態」等の過去の利用状況を示すデータ欄である。ユーザコンテキスト欄は、コンテンツ推薦要求に含まれていた「平日／休日、時間帯、天気」等のユーザコンテキストを示す欄である。利用者モード欄は、「目的、エリア、推薦方法」等である。
例えば、利用ログリスト５５の第１行目は、以下のような内容となっている。ユーザコンテキスト５７には「平日、朝、はれ」の条件が含まれていたので、コンテンツ推薦システム１Ｂは、このユーザコンテキスト５７からユーザの利用目的を「食事」、利用エリアを「渋谷」、推薦方法を「パーソナルランク」からなる利用者モード推定項目に対する利用者モード値を推定した。そして、この推定した利用者モード推定項目に対する利用者モード値に基づきコンテンツ推薦要求に含まれる要求コンテンツ数だけのコンテンツを推薦した結果、ユーザは「２００９年の２月９日月曜日日本標準時間６時１１分１秒」に、店舖「Ａ」のホームページ等を「閲覧」した。
なお、図７において最後の行の利用ログにおける利用コンテンツは「ＮＵＬＬ値」であり、利用形態は「再検索」となっている。これは、一度推薦したコンテンツに対して、ユーザが推薦内容に満足しないため、再度コンテンツ推薦要求を行ったことを意味している。このように、再検索要求された利用ログであることをコンテンツ推薦システムが認識できるので、再検索要求にかかるコンテンツの推定に用いた個別基準値に対する適合・不適合が判断できるようになる。従って、推薦処理を効率的に学習することができる。
また、図８に示すように、利用ログ欄５６にスコア欄を設けても良い。そして、スコア欄の数値（スコア）は、「閲覧」の場合は”１”、「ブックマーク」の場合は”２”、「訪問」の場合は”３”のように「閲覧、ブックマーク、訪問」等の情報の利用形態に応じて設定する。このスコアを用いて個別推定項目に対する個別基準値及び利用者モード推定項目に対する利用者モード値を算出しても良い。
さて、上述した式（１）に従って、ナイーブベイズによりコンテキストＣ１ｊ１…Ｃｎｊｎが独立であると仮定すると、利用目的の個別基準値は式（２）、利用エリアの個別基準値は式（３）、推薦方法の個別基準値は式（４）によって与えられる。
これらの式により得られた利用目的、利用エリア、推薦方法についての個別基準値は、利用者モード生成ユニット２２ｚに送られ、この利用者モード生成ユニット２２ｚで式（５）に従い利用者モード値が生成される。このとき上述したように、各推定はベイズの定理を基本とするため、得られる値は確率である。従って、利用者モード値も確率値である。
式（５）は、式（２）〜式（４）の総積である。即ち、目的個別基準値、エリア個別基準値、推薦方法基準値を積算することにより利用者モード値が与えられる。このとき各個別基準値は独立していると仮定している。即ち、利用目的や利用エリア等は、独立事象と仮定している。
例えば、ユーザが「新宿」で「食事」したいと考えていた場合に、「新宿」と「食事」とは独立していると仮定することを意味する。現実的には利用目的と利用エリアとは独立事象であると言い切れず、従属事象であることが多い。しかし、「新宿」と「食事」のように利用目的や利用エリアの個別推定項目が従属事象であるとすると、これらを同時に含む利用ログの数が非常に少ない場合が起こり得る。このような場合には、要求コンテンツ数を満たす数のコンテンツを推薦することができなくなる。そこで、独立事象を仮定することにより、このような不都合を防止している。
無論、利用ログ数が多量に蓄積されているような場合には、従属事象であっても要求を満たすコンテンツを推薦できるようになる。従って、システムの立ち上げ時等のように利用ログの蓄積数が少ない場合には、個別推定項目は独立的であるとして利用者モード値を算出し、多数の利用ログが蓄積されると個別推定項目が従属的であるとして利用者モード値を算出してもよい。また、デフォルト状態では独立的であるとして利用者モード値を算出するが、再度コンテンツ推薦要求が行われた場合には従属的であるとし、各個別推定項目の同時確率、あるいは条件付確率を用いて利用者モード値を算出してもよい。
さらに、上記説明においては、個別基準値や利用者モード値はコンテンツ推薦要求を受信したときに推定演算処理が行われて求めたが、予め個別推定項目が割り当てられているような場合には、事前に全ての個別基準値や利用者モード値を演算して求めておくことも可能である。この場合は、受信したコンテンツ推薦要求に含まれるユーザコンテキストに一致する条件で算出された個別基準値や利用者モード値が用いられて推薦処理を行う。事前に全ての個別基準値や利用者モード値を演算して求めておく場合は、コンテンツ推薦要求を受信した後に演算する場合より短時間でコンテンツの推薦が行える利点がある。これは、コンテンツの推薦を行う際には、複数の利用者モード値を算出する必要があり、多大な時間を要することがあるためである。
（３）ステップＳ３：＜推薦指令作成＞
以上により演算された利用者モード推定項目に対する利用者モード値は、推薦指令生成部２３に送られる。推薦指令生成部２３は、利用者モード推定項目に基づき推薦部２４に対する推薦指令を生成する。
図９は、生成された推薦指令の例である。推薦指令６０は、ユーザ識別子６１，要求コンテンツ数６２，エリア個別基準値６３，目的個別基準値６４を含んでいる。
（４）ステップＳ４：＜コンテンツの推薦＞
推薦部２４は、推薦指令生成部２３から受信した推薦指令に従って、推薦指令に含まれる利用者モード推定項目と、利用ログ管理部２６に格納されている利用ログリストを参照して抽出するコンテンツを設定し、この設定に従ってコンテンツ管理部２７に格納されているコンテンツから抽出する。抽出して推薦されたコンテンツは、推薦候補コンテンツとして集約部２５に送られる。
このとき第１推薦実行ユニット２４ａはグローバルランキング方法に従いコンテンツを推薦し、第２推薦実行ユニット２４ｂは協調フィルタリング方法に従いコンテンツを推薦する。各推薦実行ユニット２４ａ，２４ｂにより推薦される推薦候補コンテンツ数は、それぞれ要求コンテンツ数以上の数である。
なお、グローバルランキング方法は、例えば図８に示す利用ログリストを参照して、利用者モード推定項目が一致（近似する場合を含む）する利用ログから得られたスコアの総和の高い順（人気順）に要求コンテンツ数だけ抽出する。
また、パーソナルランキング方法は、協調フィルタリング技術を用いてコンテンツの推薦を行う。例えば、相関係数法を用いる協調フィルタリング技術では、利用者モード推定項目に一致（近似する場合を含む）する利用ログの中で、推薦要求者の利用したコンテンツ集合と、全コンテンツ集合との相関を、コンテンツの利用形態（コンテンツを利用したユーザ）の一致により算出し、相関の高い順にスコアを付与する。そして、相関値の高いコンテンツを要求コンテンツ数だけ抽出する。
（５）ステップＳ５：＜推薦結果の集約＞
集約部２５は、第１〜第ｋ推薦実行ユニット２４ａ〜２４ｋから複数の推薦候補コンテンツを受信すると、選択基準設定ユニット２５ａは、推薦候補コンテンツの中から要求コンテンツ数のコンテンツを選択する際の選択基準の設定を行う。この設定方法については後述する。
そして、集約ユニット２５ｂは、選択基準に従い推薦候補コンテンツの中からコンテンツを選択して推薦コンテンツとする。
図１０は、各利用者モード推定項目６７に対して、利用者モード値（式（５）の値）６８及び推薦候補コンテンツ６９を示した図である。なお、推薦候補コンテンツはＴ（ｋ，ｊ）と記載している。このコンテンツＴ（ｋ，ｊ）における「ｋ」は、利用者モードの番号を示し、「ｊ」はこの利用者モードの推薦候補コンテンツにおけるスコアを示している。従って、コンテンツＴ（ｋ、ｊ）の横行は、１つの利用者モードに対しての推薦候補コンテンツを示し、かつ、スコアの高い順に並べて表示されている。なお、各利用者モードにおける推薦候補コンテンツのスコアの値の範囲が異なる場合は、スコアの高い順に正規化等を行うことにより、スコア値の範囲を揃える必要がある。ここでは簡略化のため、全ての利用者モードに対する推薦候補コンテンツのスコアには、スコアの高い順に５，４，３，２，１という値が付与されているものとする。
利用者モードのパターンは１８通り存在し、要求コンテンツ数が「５」であるので、推薦された総数９０（＝１８＊５）のコンテンツ群の中から５つのコンテンツを選択しなければならない。利用者モード値は、利用者モード推定項目に対するユーザの情報要求度合いに対応すると考えることができる。そこで、この利用者モード値に対応した個数のコンテンツを抽出する。
この抽出を決める基準が選択基準である。選択基準は、γ＝利用者モード値＊スコアにより定義する。そして、この選択基準が最も大きなものから順に要求コンテンツ数だけ選択する。
この選択基準は、図１０においてＴ（ｋ，ｊ）の下に記載されている。選択基準の値が大きい順に、γ＝３０／１８のＴ（９，５）、γ＝２５／１８のＴ（９，４）、γ＝１８／１８のＴ（９，３）、γ＝１５／１８のＴ（４，５）、γ＝１５／１８のＴ（１７，５）のコンテンツが選択される。
（６）ステップＳ６：＜推薦結果の送信＞
コンテンツの集約を行った後、集約部２５は、ユーザコンテキストや利用者モードと共に、入出力部２１を介してユーザ端末２１に集約したコンテンツ（推薦コンテンツ）を送信する。このとき個別推定項目及び個別基準値も推薦コンテンツと一緒にユーザ端末１０に送信される。
（７）ステップＳ７：＜コンテンツ確認＞
推薦コンテンツを受信したユーザ端末１０には、図１１Ａに示すような、コンテンツ画面が表示される。図１１Ａは、コンテンツ画面７０を示している。コンテンツ画面７０は、推定した利用目的や利用エリア、推薦方法の個別基準値（式（２）〜式（４）の値）を表示するモード表示欄７１、推薦コンテンツを表示する情報欄７２を備える。
図１１Ａは、ユーザコンテキストに対して食事に関する目的個別基準値が８０％、遊びに関する目的個別基準値が２０％、新宿に関するエリア個別基準値が６０％、渋谷に関するエリア個別基準値が４０％、推薦方法のうちグローバルランキング方法（みんなの好きな）が１００％の条件で推薦されたコンテンツが情報欄７２に示されていることを意味する。
このように推薦コンテンツを表示する際に、コンテンツ推薦システム１Ｂが推定した目的個別基準値やエリア個別基準値等の個別基準値も表示するため、ユーザは、コンテンツの個別基準値を明確に知ることができる。
なお、渋谷等は、システムから位置コードを送信し、携帯端末側で、この位置コードを渋谷等の日本語表記に変換して表示するようにしてもよい。
情報欄７２に表示された推薦コンテンツに対して十分に満足しない場合には、タッチボタン等からなる再推薦要求ボタン７３を押下することにより図１１Ｂに示すモード指定画面に移行することができる。
再推薦要求ボタン７３が押下されて表示されるモード指定画面７４は、利用目的に関する入力欄７５、利用エリアに関する入力欄７６、推薦方法に関する入力欄７７が設けられている。各入力欄７５〜７７は、スライドボタンをスライドさせて指示するタッチ方法となっている。
各入力欄７５〜７７に設定された値は、目的個別基準値、エリア個別基準値、推薦方法基準値に相当する値である。そこで、ユーザは、各値を入力指定して、ＯＫボタンを押すと、指定した値がコンテンツ推薦システム１Ｂに送信される。このとき、例えば「食事」に関する入力値を「１００」に設定すると（具体的には、スライドボタンを「１００」の位置に近付ける）、食事に関する目的個別基準値が「１００％」に設定される。逆に「食事」に関する入力値を「０」に設定すると（具体的には、スライドボタンを「０」の位置に近付ける）、食事に関する目的個別基準値が「０％」に設定される。
このようにして設定された各値は、コンテンツ推薦システム１Ｂに送られる。図１２は、入力された各値を含む再コンテンツ推薦要求８０を示す図である。この再コンテンツ推薦要求８０は、少なくともユーザを識別するためのユーザ識別子８１、ユーザが求めるコンテンツ数（要求コンテンツ数）８２、エリア指定値８３、目的指定値８４、推薦方法指定値８５を含んでいる。
再コンテンツ推薦要求８０には、エリア個別基準値や目的個別基準値に対応する値が含まれるため、コンテンツ推薦システム１Ｂでは、第１〜第ｎの基準推定ユニット２２ａ〜２２ｎにおける推定処理は行われず、そのまま利用者モード生成ユニットに入力して、利用者モード値が作成される。
このようにユーザは表示された目的個別基準値を参考に各値を指定することができるので、指定が容易になる。このことは、コンテンツ推薦システム１Ｂにとって、効率的な学習が可能になることを意味している。
次に、本発明の第３の実施形態を説明する。なお、第２の実施形態と同一構成については同一符号を用いて説明を適宜省略する。
第２の実施形態においては、集約部で推薦されたコンテンツを集約する際に、式（５）の利用者モード値とスコアとの積により選択基準（γ＝利用者モード値＊スコア）を定義し、この選択基準が最も大きなものから順に要求コンテンツ数だけ選択する方法を説明した。
この場合、利用者モード値が小さな値の利用者モードに対して推薦されたコンテンツは選択されることがない。例えば、図１０において利用者モード値が１／１８のコンテンツは、それより大きな値の利用者モード値が要求コンテンツ数より多数存在する場合は、選択されることはない。ところが、利用者モード値は、演算パラメータであるユーザコンテキストが変わらない限り変化しない。これはシステムの安定性（推薦コンテンツの再現性）という観点から好ましいことである。
しかし、利用者モード値が推定値であるためユーザの希望に完全に添っているといえないことから、完全に推薦コンテンツの再現性を求めるよりも、多少の意外性が望まれることもある。即ち、利用者モード値が「１／１８」であっても「０」でないので、この中にユーザが求めているコンテンツが含まれている可能性がある。また、推薦コンテンツの再現性を重視した場合、推薦コンテンツの固定化が起きることもある。
そこで、本実施形態では、推薦されたコンテンツの集約方法に不確定性要素を持ち込むことにより、利用者モード値が小さいコンテンツでも選択される可能性を含めるため、また、推薦コンテンツの固定化を防ぐために選択基準設定ユニット２５ａにおいて選択基準を設定する。
図１３は、このような選択基準に従って推薦候補コンテンツを集約する集約方法を説明するための図である。利用者モードの総数が１８であるので、１８の大きさを持つ索引付きテーブルを用意する。そして、利用者モード番号「１」の利用者モード値は２／１８なので、テーブルの２つの領域に利用者モード番号「１」を対応付ける。同様に、利用者モード番号「２」の利用者モード値は１／１８なので、テーブルの１つの領域に利用者モード番号「２」を対応付ける。利用者モード番号「３」の利用者モード値は０／１８なので、この場合はテーブルの領域に利用者モードは対応付けられない。
次に、１〜１８の整数を等確率で発生する乱数発生器により、１〜１８のいずれかの値を得る。乱数の発生方法については、混合合同法などの既知の方法を用い、その発生アルゴリズムは問わない。このようにして得られた１〜１８の値を索引として、利用者モードが割り当てられている索引付テーブルから１つ利用者モードを取得し、対応付けられた利用者モード番号に対応したコンテンツ郡から、スコア順に推薦候補コンテンツとする。このように、推薦要求数に達するまで順に推薦候補コンテンツを抽出する。従って、利用者モード値が小さい利用者モードの推薦候補コンテンツも選択可能になり、結果として推薦コンテンツの固定化を防ぐことができる。
次に、本発明の第４の実施形態を説明する。なお、第２及び第３の実施形態と同一構成については同一符号を用いて説明を適宜省略する。
先に説明した実施形態においては、推薦部２４は予め複数の推薦実行ユニットを備えていた。これに対し本実施形態は、図１４に示すように、推薦部２４Ｂは１つの推薦実行ユニット２４ｑと、この推薦実行ユニットが実行する推薦方式を設定する推薦方法設定ユニット２４ｐを備える。
このとき、推薦方法設定ユニット２４ｐは、推薦指令生成部２３から出力される推薦要求に応じて推薦実行ユニット２４ｑに推薦方法を設定する。
推薦指令生成部２３から出力される推薦要求の一例を図１５に示す。図１５に示す推薦指令には、推薦方法を指定する推薦方法基準値６５が含まれている。そこで、推薦方法設定ユニット２４ｐは、この推薦方法基準値に従い、機能させる推薦方法を推薦実行ユニット２４ｑに具備させる。具体的には、この推薦方法の処理手順を推薦実行ユニットにインストールする。これにより、推薦実行ユニット２４ｑは、装備した処理手順に従ってコンテンツの推薦を行う。
なお、図１５に示す推薦指令に含まれる推薦方法基準値６５は、グローバル推薦方法のみを指定しているが、図１２に示したように、複数の推薦方法を指定しても良い。これにより、１つの推薦実行ユニットで複数の推薦方法が実行できるようになり、安価なシステムが提供可能になる。
なお、上述した推薦方法をコンピュータで実行可能にコーディングしてプログラム化することが可能であり、またそのプログラムを情報記録媒体に記録することも可能である。
＜付記＞
上記実施形態の一部又は全部は、以下の付記のようにも記載されうるが、以下には限らない。
付記１． ユーザからのコンテンツ推薦要求に基づきコンテンツを推薦するコンテンツ推薦システムであって、
前記コンテンツ推薦要求に含まれるユーザの状況を示すユーザコンテキストに基づき所定の個別推定項目を推定すると共に、推定された該個別推定項目に対する個別基準値を演算して利用者モード推定項目に対する利用者モード値を算出する利用者モード推定部と、
前記利用者モード推定項目に基づき抽出された複数の推薦候補コンテンツを出力する推薦部と、前記利用者モード値に基づき複数の前記推薦候補コンテンツから所定数のコンテンツを選択して推薦コンテンツとして出力する集約部と、
を備えることを特徴とするコンテンツ推薦システム。
付記２． 付記１に記載のコンテンツ推薦システムであって、
前記利用者モード推定部は、前記個別基準値を推定する基準推定ユニットと、
複数の前記個別基準値から前記利用者モード推定項目に対する利用者モード値を算出する利用者モード生成ユニットと、
を備えることを特徴とするコンテンツ推薦システム。
付記３． 付記２に記載のコンテンツ推薦システムであって、
前記基準推定ユニットが複数設けられて、各基準推定ユニットが異なる前記個別推定項目に対する前記個別基準値を推定することを特徴とするコンテンツ推薦システム。
付記４． 付記２に記載のコンテンツ推薦システムであって、
前記利用者モード推定部は、複数の前記個別推定項目に対する個別基準値に基づき前記利用者モード推定項目に対する利用者モード値を生成する利用者モード生成ユニットを備えることを特徴とするコンテンツ推薦システム。
付記５． 付記２乃至４のいずれか１項に記載のコンテンツ推薦システムであって、
異なる前記個別推定項目が、前記基準推定ユニット毎に対して予め割り当てられていることを特徴とするコンテンツ推薦システム。
付記６． 付記２乃至４のいずれか１項に記載のコンテンツ推薦システムであって、
過去の利用者ログから前記個別推定項目を抽出して、抽出された前記個別推定項目を前記基準推定ユニットに割当てる個別推定項目割当ユニットを備えることを特徴とするコンテンツ推薦システム。
付記７． 付記２乃至６のいずれか１項に記載のコンテンツ推薦システムであって、
前記利用者モード推定項目に応じてコンテンツを推薦し、かつ、その際に推薦度合いをスコアとして付加する推薦部を備えることを特徴とするコンテンツ推薦システム。
付記８． 付記７に記載のコンテンツ推薦システムであって、
前記推薦部が、コンテンツを推薦する複数の推薦実行ユニットを備え、かつ、各推薦実行ユニットがコンテンツを推薦する際の推薦方法が予め設定されていることを特徴とするコンテンツ推薦システム。
付記９． 付記７に記載のコンテンツ推薦システムであって、
前記推薦部が、コンテンツを推薦する推薦実行ユニットと、
前記利用者モード推定項目に応じて前記推薦実行ユニットがコンテンツを推薦する際の推薦方法を設定する推薦方法設定ユニットと、
を備えることを特徴とするコンテンツ推薦システム。
付記１０． 付記７に記載のコンテンツ推薦システムであって、
前記推薦部が、コンテンツを推薦する複数の推薦実行ユニットと、
前記利用者モード推定項目に従い前記推薦実行ユニット毎に異なる推薦方法を設定する推薦方法設定ユニットと、
を備えることを特徴とするコンテンツ推薦システム。
付記１１． 付記７乃至１０のいずれか１項に記載のコンテンツ推薦システムであって、
前記集約部は前記推薦候補コンテンツの中からユーザが要求した要求コンテンツ数のコンテンツを選択する際の選択基準の設定を行う選択基準設定ユニットと、
前記選択基準に従い前記推薦候補コンテンツの中からコンテンツを選択して集約する集約ユニットと、
を備えることを特徴とするコンテンツ推薦システム。
付記１２． 付記１１に記載のコンテンツ推薦システムであって、
前記選択基準の設定は、前記利用者モードの総数に対応した領域数を持つ索引付きテーブルの各領域に前記利用者モードを対応させ、かつ、その際に前記利用者モード値に応じた数の前記領域に同じ前記利用者モードを対応させると共に、前記利用者モードの総数を範囲とする整数の乱数を等確率で発生させて前記領域に対応させた前記利用者モードが選定させることを特徴とするコンテンツ推薦システム。
付記１３． 付記１１に記載のコンテンツ推薦システムであって、
前記選択基準の設定は、前記利用者モード値とコンテンツに付与されている前記スコアとの積を選択基準として、前記選択基準の大きいコンテンツを選択させる設定であることを特徴とするコンテンツ推薦システム。
付記１４． 付記１乃至１３のいずれか１項に記載のコンテンツ推薦システムであって、
前記集約部は、携帯端末が推薦コンテンツを表示する際に、前記個別推定項目及び前記個別基準値も表示するように当該個別推定項目及び個別基準値を推薦コンテンツと共に出力することを特徴とするコンテンツ推薦システム。
付記１５． 付記１４に記載のコンテンツ推薦システムであって、
前記利用者モード推定部は、前記コンテンツ推薦要求を出力した携帯端末が受信した推薦コンテンツを表示した後に前記個別基準値に相当する指定個別基準値を含むコンテンツ推薦要求を再受信した際には、前記指定個別基準値に基づき利用者モード値を生成することを特徴とするコンテンツ推薦システム。
付記１６． ユーザからのコンテンツ推薦要求に基づきコンテンツを推薦するコンテンツ推薦方法であって、
前記コンテンツ推薦要求に含まれるユーザの状況を示すユーザコンテキストに基づき所定の個別推定項目に対する個別基準値を推定して利用者モード推定項目に対する利用者モード値を算出する利用者モード推定手順と、
前記利用者モード推定項目に基づき抽出された複数の推薦候補コンテンツを出力する推薦手順と、
複数の前記推薦候補コンテンツから所定数のコンテンツを選択して推薦コンテンツとして出力する集約手順とを含むことを特徴とするコンテンツ推薦方法。
付記１７． 付記１６に記載のコンテンツ推薦方法であって、
前記利用者モード推定手順は、前記個別基準値を推定する基準推定手順と、
複数の前記個別基準値から前記利用者モード推定項目に対する利用者モード値を算出する利用者モード生成手順とを含むことを特徴とするコンテンツ推薦方法。
付記１８． 付記１７に記載のコンテンツ推薦方法であって、
前記基準推定手順が異なる前記個別推定項目に対する前記個別基準値を推定することを特徴とするコンテンツ推薦方法。
付記１９． 付記１７に記載のコンテンツ推薦方法であって、
前記利用者モード推定手順は、複数の前記個別推定項目に基づき前記利用者モード推定項目に対する利用者モード値を生成する利用者モード生成手順を含むことを特徴とするコンテンツ推薦方法。
付記２０． 付記１６乃至１９のいずれか１項に記載のコンテンツ推薦方法であって、
前記利用者モード値に応じてコンテンツを推薦し、かつ、その際に推薦度合いをスコアとして付加する推薦手順を含むことを特徴とするコンテンツ推薦方法。
付記２１． 付記１９に記載のコンテンツ推薦方法であって、
前記推薦手順が、コンテンツを推薦する複数の推薦実行手順を含み、かつ、各推薦実行手順がコンテンツを推薦する際の推薦方法が予め設定されていることを特徴とするコンテンツ推薦方法。
付記２２． 付記１９に記載のコンテンツ推薦方法であって、
前記推薦手順が、コンテンツを推薦する推薦実行手順と、
前記利用者モード推定項目に応じて前記推薦実行手順がコンテンツを推薦する際の推薦方法を設定する推薦方法設定手順とを含むことを特徴とするコンテンツ推薦方法。
付記２３． 付記１９に記載のコンテンツ推薦方法であって、
前記推薦手順が、コンテンツを推薦する複数の推薦実行手順と、
前記利用者モードに従い前記推薦実行手順毎に異なる推薦方法を設定する推薦方法設定手順とを含むことを特徴とするコンテンツ推薦方法。
付記２４． 付記１９乃至２３のいずれか１項に記載のコンテンツ推薦方法であって、
前記集約手順は前記推薦候補コンテンツの中からユーザが要求した要求コンテンツ数のコンテンツを選択する際の選択基準の設定を行う選択基準設定手順と、
前記選択基準に従い前記推薦候補コンテンツの中からコンテンツを選択して集約する集約手順とを含むことを特徴とするコンテンツ推薦方法。
付記２５． 付記２４に記載のコンテンツ推薦方法であって、
前記選択基準の設定手順は、前記利用者モードの総数に対応した領域数を持つ索引付きテーブルの各領域に前記利用者モードを対応させ、かつ、その際に前記利用者モード値に応じた数の前記領域に同じ前記利用者モードを対応させると共に、前記利用者モードの総数を範囲とする整数の乱数を等確率で発生させて前記領域に対応させた前記利用者モードが選定させる設定であることを特徴とするコンテンツ推薦方法。
付記２６． 付記２４に記載のコンテンツ推薦方法であって、
前記選択基準の設定手順は、前記利用者モード値とコンテンツに付与されている前記スコアとの積を選択基準として、前記選択基準の大きいコンテンツを選択させる設定であることを特徴とするコンテンツ推薦方法。
付記２７． 付記１５乃至２６のいずれか１項に記載のコンテンツ推薦方法であって、
前記集約手順は、携帯端末が推薦コンテンツを表示する際に、前記個別推定項目及び個別基準値も表示するように当該個別推定項目及び個別基準値を推薦コンテンツと共に出力することを特徴とするコンテンツ推薦方法。
付記２８． 付記２７に記載のコンテンツ推薦方法であって、
前記利用者モード推定手順は、前記コンテンツ推薦要求を出力した携帯端末が受信した推薦コンテンツを表示した後に前記個別基準値に相当する指定個別基準値を含むコンテンツ推薦要求を再受信した際には、前記指定個別基準値に基づき利用者モード推定項目に対する利用者モード値を生成することを特徴とするコンテンツ推薦方法。
付記２９． ユーザからのコンテンツ推薦要求に基づきコンテンツを推薦する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要求に含まれるユーザの状況を示すユーザコンテキストに基づき所定の個別推定項目に対する個別基準値を推定して利用者モード推定項目に対する利用者モード値を算出する利用者モード推定ステップと、
前記利用者モード推定項目に基づき抽出された複数の推薦候補コンテンツを出力する推薦ステップと、
複数の前記推薦候補コンテンツから所定数のコンテンツを選択して推薦コンテンツとして出力する集約ステップとを含むことを特徴とするコンテンツ推薦プログラム。
付記３０． 付記２９に記載のコンテンツ推薦プログラムであって、
前記利用者モード値に応じてコンテンツを推薦し、かつ、その際に推薦度合いをスコアとして付加する推薦ステップを含むことを特徴とするコンテンツ推薦プログラム。
付記３１． 付記２９又は３０に記載のコンテンツ推薦プログラムであって、
前記集約ステップは、前記推薦候補コンテンツの中からユーザが要求した要求コンテンツ数のコンテンツを選択する際の選択基準の設定を行う選択基準設定ステップと、
前記選択基準に従い前記推薦候補コンテンツの中からコンテンツを選択して集約する集約ステップとを含むことを特徴とするコンテンツ推薦プログラム。
付記３２． 付記３１に記載のコンテンツ推薦プログラムであって、
前記選択基準の設定ステップは、前記利用者モードの総数に対応した領域数を持つ索引付きテーブルの各領域に前記利用者モードを対応させ、かつ、その際に前記利用者モード値に応じた数の前記領域に同じ前記利用者モードを対応させると共に、前記利用者モードの総数を範囲とする整数の乱数を等確率で発生させて前記領域に対応させた前記利用者モードが選定させるステップであることを特徴とするコンテンツ推薦プログラム。
付記３３． 付記３１に記載のコンテンツ推薦プログラムであって、
前記選択基準の設定ステップは、前記利用者モード値とコンテンツに付与されている前記スコアとの積を選択基準として、前記選択基準の大きいコンテンツを選択させる設定であることを特徴とするコンテンツ推薦プログラム。
付記３４． 付記２９乃至３３のいずれか１項に記載のコンテンツ推薦プログラムであって、
前記集約ステップは、携帯端末が推薦コンテンツを表示する際に、前記個別推定項目及び個別基準値も表示するように当該個別推定項目及び個別基準値を推薦コンテンツと共に出力することを特徴とするコンテンツ推薦プログラム。
付記３５． 付記３４に記載のコンテンツ推薦プログラムであって、
前記利用者モード推定ステップは、前記コンテンツ推薦要求を出力した携帯端末が受信した推薦コンテンツを表示した後に前記個別基準値に相当する指定個別基準値を含むコンテンツ推薦要求を再受信した際には、前記指定個別基準値に基づき利用者モード推定項目に対する利用者モード値を生成することを特徴とするコンテンツ推薦プログラム。
以上、各実施形態を参照して本願発明を説明したが、本願発明は上記実施形態及び実施例に限定されものではない。本願発明の構成や詳細には、本願発明のスコープ内で当業者が理解し得る様々な変更をすることができる。この出願は、２００９年１０月２６日に出願された日本出願特願２００９−２４５５４９を基礎とする優先権を主張し、その開示の全てをここに取り込む。
利用者モード推定部２は、コンテンツ推薦要求に含まれるユーザの状況を示すユーザコンテキストに基づき所定の個別推定項目を推定すると共に、この個別推定項目に対する個別基準値を演算する。そして、複数の個別推定項目に対する個別基準値により利用者モード推定項目に対する利用者モード値を算出する。
推薦部３は、利用者モード推定項目に基づき抽出された複数の推薦候補コンテンツを出力する。集約部４は、利用者モード値に基づき複数の推薦候補コンテンツから所定数のコンテンツを選択して推薦コンテンツとする。推薦コンテンツは、個別推定項目及び個別基準値と共に出力される。
これにより、複数の個別基準値の重なりである利用者モード値に基づき推薦結果を集約するため、ユーザの情報に対する多様な要求状態を考慮したコンテンツの推薦を行うことが可能になる。また、再度推薦要求を行う際には、個別基準値を参考にして推薦要求を行うことができるため、ユーザが個別基準値を指定して再度行う推薦要求が容易に行える。従って、コンテンツ推薦システムは、ユーザによる具体的な個別基準値に基づく推薦処理を行い、その結果を学習するので、効率的に推薦処理が学習できるようになる。
次に、本発明の第２の実施形態を説明する。図２は、本実施形態にかかるコンテンツ推薦システム１Ｂのブロック図である。コンテンツ推薦システム１Ｂは、入出力部２１、利用者モード推定部２２、推薦指令生成部２３、推薦部２４、集約部２５、利用ログ管理部２６、コンテンツ管理部２７を備える。
また、利用者モード推定部２２は、コンテンツ推薦要求に含まれるユーザコンテキストに基づき利用目的や利用エリア等の種々の個別推定項目についての推定を行い、個別推定項目毎の個別基準値を出力する第１〜第ｎの基準推定ユニット２２ａ〜２２ｎを備える。なお、個別基準値は、個別推定項目に関してシステムが、ユーザの情報に対する要求状態を推定した値である。システムは、この個別基準値を基にコンテンツを推薦するため、コンテンツの推薦度合いとも関係する。
即ち、利用者モードは、複数の利用者モード推定項目と利用者モード値とを含む。また利用者モード推定項目は、複数の個別推定項目を含み、各個別推定項目に対して個別基準値が演算される。利用者モード値は、全ての個別基準値に基づき算出される。
以下においては、説明を簡略化するために、第１〜第３の基準推定ユニット２２ａ〜２２ｃを用い、かつ、各基準推定ユニット２２ａ〜２２ｃには、予め個別推定項目が割り当てられている場合を例に説明する。即ち、第１の基準推定ユニット２２ａにはユーザが何を目的にコンテンツの推薦を要求しているかを個別推定項目として推定する機能（目的推定機能）が割り当てられ、第２の基準推定ユニット２２ｂにはユーザが何処のエリアに関するコンテンツの推薦を要求しているかを個別推定項目として推定する機能（エリア推定機能）が割り当てられ、第３の基準推定ユニット２２ｃにはコンテンツの推薦を行う推薦方法を個別推定項目として推定する機能（推薦方式推定機能）が割り当てられているとする。
さらに、利用者モード推定部２２は、各第１〜第ｎの基準推定ユニット２２ａ〜２２ｎからの個別基準値を用いて利用者モード推定項目に対する利用者モード値を算出する利用者モード生成ユニット２２ｚを備える。利用者モード値は、ユーザの情報に対する要求状態を表す利用者モード推定項目に対して、システムがユーザの情報に対する要求状態の度合いを推定した値であり、この値をもとに推薦を行う。
推薦指令生成部２３は、利用者モード推定項目に基づき、推薦部２４にコンテンツの推薦を行わせるための推薦指令を生成する。
推薦部２４は、第１〜第ｋ推薦実行ユニット２４ａ〜２４ｋを備えて、推薦指令生成部２３からの推薦指令に基づきコンテンツを推薦する。このコンテンツを推薦候補コンテンツと記載する。
以下においては、説明を簡略化するために、第１，第２推薦実行ユニット２４ａ，２４ｂを用い、かつ、各推薦実行ユニット２４ａ，２４ｂには、予め推薦方法が割り当てられているとする。
即ち、第１推薦実行ユニット２４ａには、コンテンツを推薦する際に人気の高いコンテンツから順に推薦するグローバルランキング方法が割り当てられ、第２推薦実行ユニット２４ｂには、公知の協調フィルタリング技術を用いて、推薦要求者の利用したコンテンツ集合に対して相関性が高いコンテンツから順に推薦するパーソナルランキング方法が割り当てられているとする。
集約部２５は、選択基準設定ユニット２５ａ、集約ユニット２５ｂを備えている。選択基準設定ユニット２５ａは、利用者モード値に基づき、推薦候補コンテンツの中から要求コンテンツ数のコンテンツを選択する際の選択基準の設定を行う。集約ユニット２５ｂは、選択基準設定ユニット２５ａからの選択基準に従い推薦候補コンテンツの中からコンテンツを選択して集約する。以下、集約されたコンテンツを推薦コンテンツと記載する。推薦コンテンツは、個別基準値と共に入出力部２１を介してユーザ端末に２１送信される。
概略上述した構成で、コンテンツ推薦システム１Ｂは、ユーザ端末１０からコンテンツ推薦要求を受信し、利用者モード推定部２２において受信したコンテンツ推薦要求と利用ログ管理部２６に格納されている利用ログとに基づき利用者モード推定項目に対する利用者モード値を推定する。利用者モード推定項目と、この推定された利用者モード推定項目に対する利用者モード値は、推薦指令生成部２３に送られて推薦指令が作成される。推薦部２４は、推薦指令に指定された利用者モード推定項目に従い、利用ログ管理部２６に格納されている利用ログを参照してコンテンツ管理部２７に格納されている多数のコンテンツから推薦するコンテンツを抽出して推薦候補コンテンツとして集約部２５に送る。推薦候補コンテンツは、集約部２５において利用者モード値に基づき推薦コンテンツとして集約される。そして、推薦コンテンツは、個別推定項目及び個別基準値と共に入出力部２１を介してユーザ端末１０に送られる。
以下コンテンツ推薦システム１Ｂの詳細な構成及び動作を図３に示すフローチャートに従い説明する。その際、ユーザは新宿で食事をしたいので、その情報に関するコンテンツの推薦を意図してコンテンツ推薦要求を行ったとして説明する。
（１）ステップＳ１：＜コンテンツ推薦要求の受信＞
利用者モード推定部２２は入出力部２１を介してユーザ端末１０からコンテンツ推薦要求を受信する。このコンテンツ推薦要求は、例えば図４に示すような構成となっている。即ち、コンテンツ推薦要求４０は、少なくともユーザを識別するためのユーザ識別子４１、ユーザが求めるコンテンツ数（要求コンテンツ数）４２、ユーザコンテキスト４３を含んでいる。
ユーザコンテキスト４３は、例えば季節、平日／休日、時間、ユーザが現在いるエリア（現在位置）、ユーザの移動方向、ユーザの行動状態（在宅、移動中等）、年齢（年代）、性別等の情報が１つ以上含まれている。無論、これらは例示であって、これ以外の情報を含んでもよい。
ユーザコンテキストを［Ｃ１，Ｃ２，…，Ｃｎ］と記載する。但し、ｎは正の整数である。以下の説明では、Ｃ１の内容としては「平日」，「休日」があり、Ｃ２の内容としては「朝」，「昼」，「夜」があり、Ｃ３の内容としては「晴れ」，「曇り」，「雨」があり、［Ｃ１＝平日、Ｃ２＝夜、Ｃ３＝はれ］がユーザコンテキスト４３として指定されたとする。図４に示すユーザコンテキスト４３は、ユーザ識別子４１が「ｕｓｅｒ０１」であり、要求コンテンツ数４２が「５」であり、ユーザコンテキスト４３が「平日，夜，晴れ」である。
（２）ステップＳ２：＜利用者モードの推定＞
コンテンツ推薦要求は、利用者モード推定部２２における第１の基準推定ユニット２２ａ、第２の基準推定ユニット２２ｂ、第３の基準推定ユニット２２ｃに入力する。そして、第１の基準推定ユニット２２ａでユーザの利用目的（個別推定項目）の個別基準値が推定され、第２の基準推定ユニット２２ｂでユーザが利用目的を達成したい利用エリア（個別推定項目）の個別基準値が推定される。また、第３の基準推定ユニット２２ｃで、推薦部２４で用いる推薦方式（個別推定項目）の個別基準値が推定される。これらの推定は、例えば式（１）に示すベイズの定理に従い、ユーザコンテキストに基づき利用目的の確率、利用エリアの確率、推薦方法の確率として算出される。
以下の説明では、ユーザの利用目的に関する個別推定項目として、図５Ａに示すように「食事」，「買物」，「遊び」があり、利用エリアに関する個別推定項目として図５Ｂに示すように「新宿」，「渋谷」，「池袋」があるとする。また、推定方法に関する個別推定項目として、図５Ｃに示すように、「グローバルランキング方法」，「協調フィルタリング方法」であるとする。
各利用目的、各利用エリア、各推薦方法における各詳細な個別推定項目の組み合わせは、１つの事象を示す。そこで、このような事象を利用者モード推定項目と定義する。さらに、利用者モード推定項目に対してシステムがユーザの情報に対する要求状態を推定した値を利用者モード値と定義する。
図６は、上述した詳細な利用者モード推定項目の組み合わせパターンを例示した図である。利用目的が３パターン，利用エリアが３パターン、推薦方法が２パターン存在するので、１８パターン（＝３＊３＊２）の利用者モード推定項目のパターンが定義されている。
なお、以下の説明では、利用目的等の個別推定項目は、予め基準推定ユニットに設定されている場合を例に説明する。このような場合を個別推定項目の明示的設定という。
しかし、個別推定項目の明示的設定以外の方法も可能である。例えば、後述する図７に示すような利用ログに類似したコンテキストをクラスタ化し、このクラスタに対して個別推定項目の割り当てを行うことにより、個別推定項目を設定することが可能である。このような個別推定項目の設定を暗示的設定という。
さて、図７に示す利用ログリスト５５は、過去に行われたコンテンツ推薦要求の内容、推薦履歴及び利用履歴に関する情報を示し、利用ログ欄５６、ユーザコンテキスト欄５７、利用者モード欄５８を含んでいる。
利用ログ欄５６は、「日時、利用コンテンツ、利用形態」等の過去の利用状況を示すデータ欄である。ユーザコンテキスト欄は、コンテンツ推薦要求に含まれていた「平日／休日、時間帯、天気」等のユーザコンテキストを示す欄である。利用者モード欄は、「目的、エリア、推薦方法」等である。
例えば、利用ログリスト５５の第１行目は、以下のような内容となっている。ユーザコンテキスト５７には「平日、朝、はれ」の条件が含まれていたので、コンテンツ推薦システム１Ｂは、このユーザコンテキスト５７からユーザの利用目的を「食事」、利用エリアを「渋谷」、推薦方法を「パーソナルランク」からなる利用者モード推定項目に対する利用者モード値を推定した。そして、この推定した利用者モード推定項目に対する利用者モード値に基づきコンテンツ推薦要求に含まれる要求コンテンツ数だけのコンテンツを推薦した結果、ユーザは「２００９年の２月９日月曜日日本標準時間６時１１分１秒」に、店舖「Ａ」のホームページ等を「閲覧」した。
なお、図７において最後の行の利用ログにおける利用コンテンツは「ＮＵＬＬ値」であり、利用形態は「再検索」となっている。これは、一度推薦したコンテンツに対して、ユーザが推薦内容に満足しないため、再度コンテンツ推薦要求を行ったことを意味している。このように、再検索要求された利用ログであることをコンテンツ推薦システムが認識できるので、再検索要求にかかるコンテンツの推定に用いた個別基準値に対する適合・不適合が判断できるようになる。従って、推薦処理を効率的に学習することができる。
また、図８に示すように、利用ログ欄５６にスコア欄を設けても良い。そして、スコア欄の数値（スコア）は、「閲覧」の場合は”１”、「ブックマーク」の場合は”２”、「訪問」の場合は”３”のように「閲覧、ブックマーク、訪問」等の情報の利用形態に応じて設定する。このスコアを用いて個別推定項目に対する個別基準値及び利用者モード推定項目に対する利用者モード値を算出しても良い。
さて、上述した式（１）に従って、ナイーブベイズによりコンテキストＣ１ｊ１…Ｃｎｊｎが独立であると仮定すると、利用目的の個別基準値は式（２）、利用エリアの個別基準値は式（３）、推薦方法の個別基準値は式（４）によって与えられる。
これらの式により得られた利用目的、利用エリア、推薦方法についての個別基準値は、利用者モード生成ユニット２２ｚに送られ、この利用者モード生成ユニット２２ｚで式（５）に従い利用者モード値が生成される。このとき上述したように、各推定はベイズの定理を基本とするため、得られる値は確率である。従って、利用者モード値も確率値である。
式（５）は、式（２）〜式（４）の総積である。即ち、目的個別基準値、エリア個別基準値、推薦方法基準値を積算することにより利用者モード値が与えられる。このとき各個別基準値は独立していると仮定している。即ち、利用目的や利用エリア等は、独立事象と仮定している。
例えば、ユーザが「新宿」で「食事」したいと考えていた場合に、「新宿」と「食事」とは独立していると仮定することを意味する。現実的には利用目的と利用エリアとは独立事象であると言い切れず、従属事象であることが多い。しかし、「新宿」と「食事」のように利用目的や利用エリアの個別推定項目が従属事象であるとすると、これらを同時に含む利用ログの数が非常に少ない場合が起こり得る。このような場合には、要求コンテンツ数を満たす数のコンテンツを推薦することができなくなる。そこで、独立事象を仮定することにより、このような不都合を防止している。
無論、利用ログ数が多量に蓄積されているような場合には、従属事象であっても要求を満たすコンテンツを推薦できるようになる。従って、システムの立ち上げ時等のように利用ログの蓄積数が少ない場合には、個別推定項目は独立的であるとして利用者モード値を算出し、多数の利用ログが蓄積されると個別推定項目が従属的であるとして利用者モード値を算出してもよい。また、デフォルト状態では独立的であるとして利用者モード値を算出するが、再度コンテンツ推薦要求が行われた場合には従属的であるとし、各個別推定項目の同時確率、あるいは条件付確率を用いて利用者モード値を算出してもよい。
さらに、上記説明においては、個別基準値や利用者モード値はコンテンツ推薦要求を受信したときに推定演算処理が行われて求めたが、予め個別推定項目が割り当てられているような場合には、事前に全ての個別基準値や利用者モード値を演算して求めておくことも可能である。この場合は、受信したコンテンツ推薦要求に含まれるユーザコンテキストに一致する条件で算出された個別基準値や利用者モード値が用いられて推薦処理を行う。事前に全ての個別基準値や利用者モード値を演算して求めておく場合は、コンテンツ推薦要求を受信した後に演算する場合より短時間でコンテンツの推薦が行える利点がある。これは、コンテンツの推薦を行う際には、複数の利用者モード値を算出する必要があり、多大な時間を要することがあるためである。
（３）ステップＳ３：＜推薦指令作成＞
以上により演算された利用者モード推定項目に対する利用者モード値は、推薦指令生成部２３に送られる。推薦指令生成部２３は、利用者モード推定項目に基づき推薦部２４に対する推薦指令を生成する。
図９は、生成された推薦指令の例である。推薦指令６０は、ユーザ識別子６１，要求コンテンツ数６２，エリア個別基準値６３，目的個別基準値６４を含んでいる。
（４）ステップＳ４：＜コンテンツの推薦＞
推薦部２４は、推薦指令生成部２３から受信した推薦指令に従って、推薦指令に含まれる利用者モード推定項目と、利用ログ管理部２６に格納されている利用ログリストを参照して抽出するコンテンツを設定し、この設定に従ってコンテンツ管理部２７に格納されているコンテンツから抽出する。抽出して推薦されたコンテンツは、推薦候補コンテンツとして集約部２５に送られる。
このとき第１推薦実行ユニット２４ａはグローバルランキング方法に従いコンテンツを推薦し、第２推薦実行ユニット２４ｂは協調フィルタリング方法に従いコンテンツを推薦する。各推薦実行ユニット２４ａ，２４ｂにより推薦される推薦候補コンテンツ数は、それぞれ要求コンテンツ数以上の数である。
なお、グローバルランキング方法は、例えば図８に示す利用ログリストを参照して、利用者モード推定項目が一致（近似する場合を含む）する利用ログから得られたスコアの総和の高い順（人気順）に要求コンテンツ数だけ抽出する。
また、パーソナルランキング方法は、協調フィルタリング技術を用いてコンテンツの推薦を行う。例えば、相関係数法を用いる協調フィルタリング技術では、利用者モード推定項目に一致（近似する場合を含む）する利用ログの中で、推薦要求者の利用したコンテンツ集合と、全コンテンツ集合との相関を、コンテンツの利用形態（コンテンツを利用したユーザ）の一致により算出し、相関の高い順にスコアを付与する。そして、相関値の高いコンテンツを要求コンテンツ数だけ抽出する。
（５）ステップＳ５：＜推薦結果の集約＞
集約部２５は、第１〜第ｋ推薦実行ユニット２４ａ〜２４ｋから複数の推薦候補コンテンツを受信すると、選択基準設定ユニット２５ａは、推薦候補コンテンツの中から要求コンテンツ数のコンテンツを選択する際の選択基準の設定を行う。この設定方法については後述する。
そして、集約ユニット２５ｂは、選択基準に従い推薦候補コンテンツの中からコンテンツを選択して推薦コンテンツとする。
図１０は、各利用者モード推定項目６７に対して、利用者モード値（式（５）の値）６８及び推薦候補コンテンツ６９を示した図である。なお、推薦候補コンテンツはＴ（ｋ，ｊ）と記載している。このコンテンツＴ（ｋ，ｊ）における「ｋ」は、利用者モードの番号を示し、「ｊ」はこの利用者モードの推薦候補コンテンツにおけるスコアを示している。従って、コンテンツＴ（ｋ、ｊ）の横行は、１つの利用者モードに対しての推薦候補コンテンツを示し、かつ、スコアの高い順に並べて表示されている。なお、各利用者モードにおける推薦候補コンテンツのスコアの値の範囲が異なる場合は、スコアの高い順に正規化等を行うことにより、スコア値の範囲を揃える必要がある。ここでは簡略化のため、全ての利用者モードに対する推薦候補コンテンツのスコアには、スコアの高い順に５，４，３，２，１という値が付与されているものとする。
利用者モードのパターンは１８通り存在し、要求コンテンツ数が「５」であるので、推薦された総数９０（＝１８＊５）のコンテンツ群の中から５つのコンテンツを選択しなければならない。利用者モード値は、利用者モード推定項目に対するユーザの情報要求度合いに対応すると考えることができる。そこで、この利用者モード値に対応した個数のコンテンツを抽出する。
この抽出を決める基準が選択基準である。選択基準は、γ＝利用者モード値＊スコアにより定義する。そして、この選択基準が最も大きなものから順に要求コンテンツ数だけ選択する。
この選択基準は、図１０においてＴ（ｋ，ｊ）の下に記載されている。選択基準の値が大きい順に、γ＝３０／１８のＴ（９，５）、γ＝２５／１８のＴ（９，４）、γ＝１８／１８のＴ（９，３）、γ＝１５／１８のＴ（４，５）、γ＝１５／１８のＴ（１７，５）のコンテンツが選択される。
（６）ステップＳ６：＜推薦結果の送信＞
コンテンツの集約を行った後、集約部２５は、ユーザコンテキストや利用者モードと共に、入出力部２１を介してユーザ端末２１に集約したコンテンツ（推薦コンテンツ）を送信する。このとき個別推定項目及び個別基準値も推薦コンテンツと一緒にユーザ端末１０に送信される。
（７）ステップＳ７：＜コンテンツ確認＞
推薦コンテンツを受信したユーザ端末１０には、図１１Ａに示すような、コンテンツ画面が表示される。図１１Ａは、コンテンツ画面７０を示している。コンテンツ画面７０は、推定した利用目的や利用エリア、推薦方法の個別基準値（式（２）〜式（４）の値）を表示するモード表示欄７１、推薦コンテンツを表示する情報欄７２を備える。
図１１Ａは、ユーザコンテキストに対して食事に関する目的個別基準値が８０％、遊びに関する目的個別基準値が２０％、新宿に関するエリア個別基準値が６０％、渋谷に関するエリア個別基準値が４０％、推薦方法のうちグローバルランキング方法（みんなの好きな）が１００％の条件で推薦されたコンテンツが情報欄７２に示されていることを意味する。
このように推薦コンテンツを表示する際に、コンテンツ推薦システム１Ｂが推定した目的個別基準値やエリア個別基準値等の個別基準値も表示するため、ユーザは、コンテンツの個別基準値を明確に知ることができる。
なお、渋谷等は、システムから位置コードを送信し、携帯端末側で、この位置コードを渋谷等の日本語表記に変換して表示するようにしてもよい。
情報欄７２に表示された推薦コンテンツに対して十分に満足しない場合には、タッチボタン等からなる再推薦要求ボタン７３を押下することにより図１１Ｂに示すモード指定画面に移行することができる。
再推薦要求ボタン７３が押下されて表示されるモード指定画面７４は、利用目的に関する入力欄７５、利用エリアに関する入力欄７６、推薦方法に関する入力欄７７が設けられている。各入力欄７５〜７７は、スライドボタンをスライドさせて指示するタッチ方法となっている。
各入力欄７５〜７７に設定された値は、目的個別基準値、エリア個別基準値、推薦方法基準値に相当する値である。そこで、ユーザは、各値を入力指定して、ＯＫボタンを押すと、指定した値がコンテンツ推薦システム１Ｂに送信される。このとき、例えば「食事」に関する入力値を「１００」に設定すると（具体的には、スライドボタンを「１００」の位置に近付ける）、食事に関する目的個別基準値が「１００％」に設定される。逆に「食事」に関する入力値を「０」に設定すると（具体的には、スライドボタンを「０」の位置に近付ける）、食事に関する目的個別基準値が「０％」に設定される。
このようにして設定された各値は、コンテンツ推薦システム１Ｂに送られる。図１２は、入力された各値を含む再コンテンツ推薦要求８０を示す図である。この再コンテンツ推薦要求８０は、少なくともユーザを識別するためのユーザ識別子８１、ユーザが求めるコンテンツ数（要求コンテンツ数）８２、エリア指定値８３、目的指定値８４、推薦方法指定値８５を含んでいる。
再コンテンツ推薦要求８０には、エリア個別基準値や目的個別基準値に対応する値が含まれるため、コンテンツ推薦システム１Ｂでは、第１〜第ｎの基準推定ユニット２２ａ〜２２ｎにおける推定処理は行われず、そのまま利用者モード生成ユニットに入力して、利用者モード値が作成される。
このようにユーザは表示された目的個別基準値を参考に各値を指定することができるので、指定が容易になる。このことは、コンテンツ推薦システム１Ｂにとって、効率的な学習が可能になることを意味している。
次に、本発明の第３の実施形態を説明する。なお、第２の実施形態と同一構成については同一符号を用いて説明を適宜省略する。
第２の実施形態においては、集約部で推薦されたコンテンツを集約する際に、式（５）の利用者モード値とスコアとの積により選択基準（γ＝利用者モード値＊スコア）を定義し、この選択基準が最も大きなものから順に要求コンテンツ数だけ選択する方法を説明した。
この場合、利用者モード値が小さな値の利用者モードに対して推薦されたコンテンツは選択されることがない。例えば、図１０において利用者モード値が１／１８のコンテンツは、それより大きな値の利用者モード値が要求コンテンツ数より多数存在する場合は、選択されることはない。ところが、利用者モード値は、演算パラメータであるユーザコンテキストが変わらない限り変化しない。これはシステムの安定性（推薦コンテンツの再現性）という観点から好ましいことである。
しかし、利用者モード値が推定値であるためユーザの希望に完全に添っているといえないことから、完全に推薦コンテンツの再現性を求めるよりも、多少の意外性が望まれることもある。即ち、利用者モード値が「１／１８」であっても「０」でないので、この中にユーザが求めているコンテンツが含まれている可能性がある。また、推薦コンテンツの再現性を重視した場合、推薦コンテンツの固定化が起きることもある。
そこで、本実施形態では、推薦されたコンテンツの集約方法に不確定性要素を持ち込むことにより、利用者モード値が小さいコンテンツでも選択される可能性を含めるため、また、推薦コンテンツの固定化を防ぐために選択基準設定ユニット２５ａにおいて選択基準を設定する。
図１３は、このような選択基準に従って推薦候補コンテンツを集約する集約方法を説明するための図である。利用者モードの総数が１８であるので、１８の大きさを持つ索引付きテーブルを用意する。そして、利用者モード番号「１」の利用者モード値は２／１８なので、テーブルの２つの領域に利用者モード番号「１」を対応付ける。同様に、利用者モード番号「２」の利用者モード値は１／１８なので、テーブルの１つの領域に利用者モード番号「２」を対応付ける。利用者モード番号「３」の利用者モード値は０／１８なので、この場合はテーブルの領域に利用者モードは対応付けられない。
次に、１〜１８の整数を等確率で発生する乱数発生器により、１〜１８のいずれかの値を得る。乱数の発生方法については、混合合同法などの既知の方法を用い、その発生アルゴリズムは問わない。このようにして得られた１〜１８の値を索引として、利用者モードが割り当てられている索引付テーブルから１つ利用者モードを取得し、対応付けられた利用者モード番号に対応したコンテンツ郡から、スコア順に推薦候補コンテンツとする。このように、推薦要求数に達するまで順に推薦候補コンテンツを抽出する。従って、利用者モード値が小さい利用者モードの推薦候補コンテンツも選択可能になり、結果として推薦コンテンツの固定化を防ぐことができる。
次に、本発明の第４の実施形態を説明する。なお、第２及び第３の実施形態と同一構成については同一符号を用いて説明を適宜省略する。
先に説明した実施形態においては、推薦部２４は予め複数の推薦実行ユニットを備えていた。これに対し本実施形態は、図１４に示すように、推薦部２４Ｂは１つの推薦実行ユニット２４ｑと、この推薦実行ユニットが実行する推薦方式を設定する推薦方法設定ユニット２４ｐを備える。
このとき、推薦方法設定ユニット２４ｐは、推薦指令生成部２３から出力される推薦要求に応じて推薦実行ユニット２４ｑに推薦方法を設定する。
推薦指令生成部２３から出力される推薦要求の一例を図１５に示す。図１５に示す推薦指令には、推薦方法を指定する推薦方法基準値６５が含まれている。そこで、推薦方法設定ユニット２４ｐは、この推薦方法基準値に従い、機能させる推薦方法を推薦実行ユニット２４ｑに具備させる。具体的には、この推薦方法の処理手順を推薦実行ユニットにインストールする。これにより、推薦実行ユニット２４ｑは、装備した処理手順に従ってコンテンツの推薦を行う。
なお、図１５に示す推薦指令に含まれる推薦方法基準値６５は、グローバル推薦方法のみを指定しているが、図１２に示したように、複数の推薦方法を指定しても良い。これにより、１つの推薦実行ユニットで複数の推薦方法が実行できるようになり、安価なシステムが提供可能になる。
なお、上述した推薦方法をコンピュータで実行可能にコーディングしてプログラム化することが可能であり、またそのプログラムを情報記録媒体に記録することも可能である。
＜付記＞
上記実施形態の一部又は全部は、以下の付記のようにも記載されうるが、以下には限らない。
付記１． ユーザからのコンテンツ推薦要求に基づきコンテンツを推薦するコンテンツ推薦システムであって、
前記コンテンツ推薦要求に含まれるユーザの状況を示すユーザコンテキストに基づき所定の個別推定項目を推定すると共に、推定された該個別推定項目に対する個別基準値を演算して利用者モード推定項目に対する利用者モード値を算出する利用者モード推定部と、
前記利用者モード推定項目に基づき抽出された複数の推薦候補コンテンツを出力する推薦部と、前記利用者モード値に基づき複数の前記推薦候補コンテンツから所定数のコンテンツを選択して推薦コンテンツとして出力する集約部と、
を備えることを特徴とするコンテンツ推薦システム。
付記２． 付記１に記載のコンテンツ推薦システムであって、
前記利用者モード推定部は、前記個別基準値を推定する基準推定ユニットと、
複数の前記個別基準値から前記利用者モード推定項目に対する利用者モード値を算出する利用者モード生成ユニットと、
を備えることを特徴とするコンテンツ推薦システム。
付記３． 付記２に記載のコンテンツ推薦システムであって、
前記基準推定ユニットが複数設けられて、各基準推定ユニットが異なる前記個別推定項目に対する前記個別基準値を推定することを特徴とするコンテンツ推薦システム。
付記４． 付記２に記載のコンテンツ推薦システムであって、
前記利用者モード推定部は、複数の前記個別推定項目に対する個別基準値に基づき前記利用者モード推定項目に対する利用者モード値を生成する利用者モード生成ユニットを備えることを特徴とするコンテンツ推薦システム。
付記５． 付記２乃至４のいずれか１項に記載のコンテンツ推薦システムであって、
異なる前記個別推定項目が、前記基準推定ユニット毎に対して予め割り当てられていることを特徴とするコンテンツ推薦システム。
付記６． 付記２乃至４のいずれか１項に記載のコンテンツ推薦システムであって、
過去の利用者ログから前記個別推定項目を抽出して、抽出された前記個別推定項目を前記基準推定ユニットに割当てる個別推定項目割当ユニットを備えることを特徴とするコンテンツ推薦システム。
付記７． 付記２乃至６のいずれか１項に記載のコンテンツ推薦システムであって、
前記利用者モード推定項目に応じてコンテンツを推薦し、かつ、その際に推薦度合いをスコアとして付加する推薦部を備えることを特徴とするコンテンツ推薦システム。
付記８． 付記７に記載のコンテンツ推薦システムであって、
前記推薦部が、コンテンツを推薦する複数の推薦実行ユニットを備え、かつ、各推薦実行ユニットがコンテンツを推薦する際の推薦方法が予め設定されていることを特徴とするコンテンツ推薦システム。
付記９． 付記７に記載のコンテンツ推薦システムであって、
前記推薦部が、コンテンツを推薦する推薦実行ユニットと、
前記利用者モード推定項目に応じて前記推薦実行ユニットがコンテンツを推薦する際の推薦方法を設定する推薦方法設定ユニットと、
を備えることを特徴とするコンテンツ推薦システム。
付記１０． 付記７に記載のコンテンツ推薦システムであって、
前記推薦部が、コンテンツを推薦する複数の推薦実行ユニットと、
前記利用者モード推定項目に従い前記推薦実行ユニット毎に異なる推薦方法を設定する推薦方法設定ユニットと、
を備えることを特徴とするコンテンツ推薦システム。
付記１１． 付記７乃至１０のいずれか１項に記載のコンテンツ推薦システムであって、
前記集約部は前記推薦候補コンテンツの中からユーザが要求した要求コンテンツ数のコンテンツを選択する際の選択基準の設定を行う選択基準設定ユニットと、
前記選択基準に従い前記推薦候補コンテンツの中からコンテンツを選択して集約する集約ユニットと、
を備えることを特徴とするコンテンツ推薦システム。
付記１２． 付記１１に記載のコンテンツ推薦システムであって、
前記選択基準の設定は、前記利用者モードの総数に対応した領域数を持つ索引付きテーブルの各領域に前記利用者モードを対応させ、かつ、その際に前記利用者モード値に応じた数の前記領域に同じ前記利用者モードを対応させると共に、前記利用者モードの総数を範囲とする整数の乱数を等確率で発生させて前記領域に対応させた前記利用者モードが選定させることを特徴とするコンテンツ推薦システム。
付記１３． 付記１１に記載のコンテンツ推薦システムであって、
前記選択基準の設定は、前記利用者モード値とコンテンツに付与されている前記スコアとの積を選択基準として、前記選択基準の大きいコンテンツを選択させる設定であることを特徴とするコンテンツ推薦システム。
付記１４． 付記１乃至１３のいずれか１項に記載のコンテンツ推薦システムであって、
前記集約部は、携帯端末が推薦コンテンツを表示する際に、前記個別推定項目及び前記個別基準値も表示するように当該個別推定項目及び個別基準値を推薦コンテンツと共に出力することを特徴とするコンテンツ推薦システム。
付記１５． 付記１４に記載のコンテンツ推薦システムであって、
前記利用者モード推定部は、前記コンテンツ推薦要求を出力した携帯端末が受信した推薦コンテンツを表示した後に前記個別基準値に相当する指定個別基準値を含むコンテンツ推薦要求を再受信した際には、前記指定個別基準値に基づき利用者モード値を生成することを特徴とするコンテンツ推薦システム。
付記１６． ユーザからのコンテンツ推薦要求に基づきコンテンツを推薦するコンテンツ推薦方法であって、
前記コンテンツ推薦要求に含まれるユーザの状況を示すユーザコンテキストに基づき所定の個別推定項目に対する個別基準値を推定して利用者モード推定項目に対する利用者モード値を算出する利用者モード推定手順と、
前記利用者モード推定項目に基づき抽出された複数の推薦候補コンテンツを出力する推薦手順と、
複数の前記推薦候補コンテンツから所定数のコンテンツを選択して推薦コンテンツとして出力する集約手順とを含むことを特徴とするコンテンツ推薦方法。
付記１７． 付記１６に記載のコンテンツ推薦方法であって、
前記利用者モード推定手順は、前記個別基準値を推定する基準推定手順と、
複数の前記個別基準値から前記利用者モード推定項目に対する利用者モード値を算出する利用者モード生成手順とを含むことを特徴とするコンテンツ推薦方法。
付記１８． 付記１７に記載のコンテンツ推薦方法であって、
前記基準推定手順が異なる前記個別推定項目に対する前記個別基準値を推定することを特徴とするコンテンツ推薦方法。
付記１９． 付記１７に記載のコンテンツ推薦方法であって、
前記利用者モード推定手順は、複数の前記個別推定項目に基づき前記利用者モード推定項目に対する利用者モード値を生成する利用者モード生成手順を含むことを特徴とするコンテンツ推薦方法。
付記２０． 付記１６乃至１９のいずれか１項に記載のコンテンツ推薦方法であって、
前記利用者モード値に応じてコンテンツを推薦し、かつ、その際に推薦度合いをスコアとして付加する推薦手順を含むことを特徴とするコンテンツ推薦方法。
付記２１． 付記１９に記載のコンテンツ推薦方法であって、
前記推薦手順が、コンテンツを推薦する複数の推薦実行手順を含み、かつ、各推薦実行手順がコンテンツを推薦する際の推薦方法が予め設定されていることを特徴とするコンテンツ推薦方法。
付記２２． 付記１９に記載のコンテンツ推薦方法であって、
前記推薦手順が、コンテンツを推薦する推薦実行手順と、
前記利用者モード推定項目に応じて前記推薦実行手順がコンテンツを推薦する際の推薦方法を設定する推薦方法設定手順とを含むことを特徴とするコンテンツ推薦方法。
付記２３． 付記１９に記載のコンテンツ推薦方法であって、
前記推薦手順が、コンテンツを推薦する複数の推薦実行手順と、
前記利用者モードに従い前記推薦実行手順毎に異なる推薦方法を設定する推薦方法設定手順とを含むことを特徴とするコンテンツ推薦方法。
付記２４． 付記１９乃至２３のいずれか１項に記載のコンテンツ推薦方法であって、
前記集約手順は前記推薦候補コンテンツの中からユーザが要求した要求コンテンツ数のコンテンツを選択する際の選択基準の設定を行う選択基準設定手順と、
前記選択基準に従い前記推薦候補コンテンツの中からコンテンツを選択して集約する集約手順とを含むことを特徴とするコンテンツ推薦方法。
付記２５． 付記２４に記載のコンテンツ推薦方法であって、
前記選択基準の設定手順は、前記利用者モードの総数に対応した領域数を持つ索引付きテーブルの各領域に前記利用者モードを対応させ、かつ、その際に前記利用者モード値に応じた数の前記領域に同じ前記利用者モードを対応させると共に、前記利用者モードの総数を範囲とする整数の乱数を等確率で発生させて前記領域に対応させた前記利用者モードが選定させる設定であることを特徴とするコンテンツ推薦方法。
付記２６． 付記２４に記載のコンテンツ推薦方法であって、
前記選択基準の設定手順は、前記利用者モード値とコンテンツに付与されている前記スコアとの積を選択基準として、前記選択基準の大きいコンテンツを選択させる設定であることを特徴とするコンテンツ推薦方法。
付記２７． 付記１５乃至２６のいずれか１項に記載のコンテンツ推薦方法であって、
前記集約手順は、携帯端末が推薦コンテンツを表示する際に、前記個別推定項目及び個別基準値も表示するように当該個別推定項目及び個別基準値を推薦コンテンツと共に出力することを特徴とするコンテンツ推薦方法。
付記２８． 付記２７に記載のコンテンツ推薦方法であって、
前記利用者モード推定手順は、前記コンテンツ推薦要求を出力した携帯端末が受信した推薦コンテンツを表示した後に前記個別基準値に相当する指定個別基準値を含むコンテンツ推薦要求を再受信した際には、前記指定個別基準値に基づき利用者モード推定項目に対する利用者モード値を生成することを特徴とするコンテンツ推薦方法。
付記２９． ユーザからのコンテンツ推薦要求に基づきコンテンツを推薦する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要求に含まれるユーザの状況を示すユーザコンテキストに基づき所定の個別推定項目に対する個別基準値を推定して利用者モード推定項目に対する利用者モード値を算出する利用者モード推定ステップと、
前記利用者モード推定項目に基づき抽出された複数の推薦候補コンテンツを出力する推薦ステップと、
複数の前記推薦候補コンテンツから所定数のコンテンツを選択して推薦コンテンツとして出力する集約ステップとを含むことを特徴とするコンテンツ推薦プログラム。
付記３０． 付記２９に記載のコンテンツ推薦プログラムであって、
前記利用者モード値に応じてコンテンツを推薦し、かつ、その際に推薦度合いをスコアとして付加する推薦ステップを含むことを特徴とするコンテンツ推薦プログラム。
付記３１． 付記２９又は３０に記載のコンテンツ推薦プログラムであって、
前記集約ステップは、前記推薦候補コンテンツの中からユーザが要求した要求コンテンツ数のコンテンツを選択する際の選択基準の設定を行う選択基準設定ステップと、
前記選択基準に従い前記推薦候補コンテンツの中からコンテンツを選択して集約する集約ステップとを含むことを特徴とするコンテンツ推薦プログラム。
付記３２． 付記３１に記載のコンテンツ推薦プログラムであって、
前記選択基準の設定ステップは、前記利用者モードの総数に対応した領域数を持つ索引付きテーブルの各領域に前記利用者モードを対応させ、かつ、その際に前記利用者モード値に応じた数の前記領域に同じ前記利用者モードを対応させると共に、前記利用者モードの総数を範囲とする整数の乱数を等確率で発生させて前記領域に対応させた前記利用者モードが選定させるステップであることを特徴とするコンテンツ推薦プログラム。
付記３３． 付記３１に記載のコンテンツ推薦プログラムであって、
前記選択基準の設定ステップは、前記利用者モード値とコンテンツに付与されている前記スコアとの積を選択基準として、前記選択基準の大きいコンテンツを選択させる設定であることを特徴とするコンテンツ推薦プログラム。
付記３４． 付記２９乃至３３のいずれか１項に記載のコンテンツ推薦プログラムであって、
前記集約ステップは、携帯端末が推薦コンテンツを表示する際に、前記個別推定項目及び個別基準値も表示するように当該個別推定項目及び個別基準値を推薦コンテンツと共に出力することを特徴とするコンテンツ推薦プログラム。
付記３５． 付記３４に記載のコンテンツ推薦プログラムであって、
前記利用者モード推定ステップは、前記コンテンツ推薦要求を出力した携帯端末が受信した推薦コンテンツを表示した後に前記個別基準値に相当する指定個別基準値を含むコンテンツ推薦要求を再受信した際には、前記指定個別基準値に基づき利用者モード推定項目に対する利用者モード値を生成することを特徴とするコンテンツ推薦プログラム。
以上、各実施形態を参照して本願発明を説明したが、本願発明は上記実施形態及び実施例に限定されものではない。本願発明の構成や詳細には、本願発明のスコープ内で当業者が理解し得る様々な変更をすることができる。この出願は、２００９年１０月２６日に出願された日本出願特願２００９−２４５５４９を基礎とする優先権を主張し、その開示の全てをここに取り込む。
１Ａ，１Ｂ コンテンツ推薦システム
２ 利用者モード推定部
３ 推薦部
４ 集約部
１０，２１ ユーザ端末
２２ 利用者モード推定部
２２ａ〜２２ｎ 第１〜第ｎの基準推定ユニット
２２ｚ 利用者モード生成ユニット
２３ 推薦指令生成部
２４ 推薦部
２４Ｂ 推薦部
２４ａ 第１の推薦実行ユニット
２４ｂ 第２の推薦実行ユニット
２４ｐ 推薦方法設定ユニット
２４ｑ 推薦実行ユニット
２５ 集約部
２５ａ 選択基準設定ユニット
２５ｂ 集約ユニット
２６ 利用ログ管理部
２７ コンテンツ管理部
４０ コンテンツ推薦要求
４１ ユーザ識別子
４３ ユーザコンテキスト
５５ 利用ログリスト
７０ コンテンツ画面
７４ モード指定画面
２ 利用者モード推定部
３ 推薦部
４ 集約部
１０，２１ ユーザ端末
２２ 利用者モード推定部
２２ａ〜２２ｎ 第１〜第ｎの基準推定ユニット
２２ｚ 利用者モード生成ユニット
２３ 推薦指令生成部
２４ 推薦部
２４Ｂ 推薦部
２４ａ 第１の推薦実行ユニット
２４ｂ 第２の推薦実行ユニット
２４ｐ 推薦方法設定ユニット
２４ｑ 推薦実行ユニット
２５ 集約部
２５ａ 選択基準設定ユニット
２５ｂ 集約ユニット
２６ 利用ログ管理部
２７ コンテンツ管理部
４０ コンテンツ推薦要求
４１ ユーザ識別子
４３ ユーザコンテキスト
５５ 利用ログリスト
７０ コンテンツ画面
７４ モード指定画面
Claims (35)
- ユーザからのコンテンツ推薦要求に基づきコンテンツを推薦するコンテンツ推薦システムであって、
前記コンテンツ推薦要求に含まれるユーザの状況を示すユーザコンテキストに基づき所定の個別推定項目を推定すると共に、推定された該個別推定項目に対する個別基準値を演算して利用者モード推定項目に対する利用者モード値を算出する利用者モード推定部と、
前記利用者モード推定項目に基づき抽出された複数の推薦候補コンテンツを出力する推薦部と、
前記利用者モード値に基づき複数の前記推薦候補コンテンツから所定数のコンテンツを選択して推薦コンテンツとして出力する集約部と、
を備えることを特徴とするコンテンツ推薦システム。 - 請求項１に記載のコンテンツ推薦システムであって、
前記利用者モード推定部は、前記個別基準値を推定する基準推定ユニットと、
複数の前記個別基準値から前記利用者モード推定項目に対する利用者モード値を算出する利用者モード生成ユニットと、
を備えることを特徴とするコンテンツ推薦システム。 - 請求項２に記載のコンテンツ推薦システムであって、
前記基準推定ユニットが複数設けられて、各基準推定ユニットが異なる前記個別推定項目に対する前記個別基準値を推定することを特徴とするコンテンツ推薦システム。 - 請求項２に記載のコンテンツ推薦システムであって、
前記利用者モード推定部は、複数の前記個別推定項目に対する個別基準値に基づき前記利用者モード推定項目に対する利用者モード値を生成する利用者モード生成ユニットを備えることを特徴とするコンテンツ推薦システム。 - 請求項２乃至４のいずれか１項に記載のコンテンツ推薦システムであって、
異なる前記個別推定項目が、前記基準推定ユニット毎に対して予め割り当てられていることを特徴とするコンテンツ推薦システム。 - 請求項２乃至４のいずれか１項に記載のコンテンツ推薦システムであって、
過去の利用者ログから前記個別推定項目を抽出して、抽出された前記個別推定項目を前記基準推定ユニットに割当てる個別推定項目割当ユニットを備えることを特徴とするコンテンツ推薦システム。 - 請求項２乃至６のいずれか１項に記載のコンテンツ推薦システムであって、
前記利用者モード推定項目に応じてコンテンツを推薦し、かつ、その際に推薦度合いをスコアとして付加する推薦部を備えることを特徴とするコンテンツ推薦システム。 - 請求項７に記載のコンテンツ推薦システムであって、
前記推薦部が、コンテンツを推薦する複数の推薦実行ユニットを備え、かつ、各推薦実行ユニットがコンテンツを推薦する際の推薦方法が予め設定されていることを特徴とするコンテンツ推薦システム。 - 請求項７に記載のコンテンツ推薦システムであって、
前記推薦部が、コンテンツを推薦する推薦実行ユニットと、
前記利用者モード推定項目に応じて前記推薦実行ユニットがコンテンツを推薦する際の推薦方法を設定する推薦方法設定ユニットと、
を備えることを特徴とするコンテンツ推薦システム。 - 請求項７に記載のコンテンツ推薦システムであって、
前記推薦部が、コンテンツを推薦する複数の推薦実行ユニットと、
前記利用者モード推定項目に従い前記推薦実行ユニット毎に異なる推薦方法を設定する推薦方法設定ユニットと、
を備えることを特徴とするコンテンツ推薦システム。 - 請求項７乃至１０のいずれか１項に記載のコンテンツ推薦システムであって、
前記集約部は前記推薦候補コンテンツの中からユーザが要求した要求コンテンツ数のコンテンツを選択する際の選択基準の設定を行う選択基準設定ユニットと、
前記選択基準に従い前記推薦候補コンテンツの中からコンテンツを選択して集約する集約ユニットと、
を備えることを特徴とするコンテンツ推薦システム。 - 請求項１１に記載のコンテンツ推薦システムであって、
前記選択基準の設定は、前記利用者モードの総数に対応した領域数を持つ索引付きテーブルの各領域に前記利用者モードを対応させ、かつ、その際に前記利用者モード値に応じた数の前記領域に同じ前記利用者モードを対応させると共に、前記利用者モードの総数を範囲とする整数の乱数を等確率で発生させて前記領域に対応させた前記利用者モードが選定させることを特徴とするコンテンツ推薦システム。 - 請求項１１に記載のコンテンツ推薦システムであって、
前記選択基準の設定は、前記利用者モード値とコンテンツに付与されている前記スコアとの積を選択基準として、前記選択基準の大きいコンテンツを選択させる設定であることを特徴とするコンテンツ推薦システム。 - 請求項１乃至１３のいずれか１項に記載のコンテンツ推薦システムであって、
前記集約部は、携帯端末が推薦コンテンツを表示する際に、前記個別推定項目及び前記個別基準値も表示するように当該個別推定項目及び個別基準値を推薦コンテンツと共に出力することを特徴とするコンテンツ推薦システム。 - 請求項１４に記載のコンテンツ推薦システムであって、
前記利用者モード推定部は、前記コンテンツ推薦要求を出力した携帯端末が受信した推薦コンテンツを表示した後に前記個別基準値に相当する指定個別基準値を含むコンテンツ推薦要求を再受信した際には、前記指定個別基準値に基づき利用者モード値を生成することを特徴とするコンテンツ推薦システム。 - ユーザからのコンテンツ推薦要求に基づきコンテンツを推薦するコンテンツ推薦方法であって、
前記コンテンツ推薦要求に含まれるユーザの状況を示すユーザコンテキストに基づき所定の個別推定項目に対する個別基準値を推定して利用者モード推定項目に対する利用者モード値を算出する利用者モード推定手順と、
前記利用者モード推定項目に基づき抽出された複数の推薦候補コンテンツを出力する推薦手順と、
複数の前記推薦候補コンテンツから所定数のコンテンツを選択して推薦コンテンツとして出力する集約手順とを含むことを特徴とするコンテンツ推薦方法。 - 請求項１６に記載のコンテンツ推薦方法であって、
前記利用者モード推定手順は、前記個別基準値を推定する基準推定手順と、
複数の前記個別基準値から前記利用者モード推定項目に対する利用者モード値を算出する利用者モード生成手順とを含むことを特徴とするコンテンツ推薦方法。 - 請求項１７に記載のコンテンツ推薦方法であって、
前記基準推定手順が異なる前記個別推定項目に対する前記個別基準値を推定することを特徴とするコンテンツ推薦方法。 - 請求項１７に記載のコンテンツ推薦方法であって、
前記利用者モード推定手順は、複数の前記個別推定項目に基づき前記利用者モード推定項目に対する利用者モード値を生成する利用者モード生成手順を含むことを特徴とするコンテンツ推薦方法。 - 請求項１６乃至１９のいずれか１項に記載のコンテンツ推薦方法であって、
前記利用者モード値に応じてコンテンツを推薦し、かつ、その際に推薦度合いをスコアとして付加する推薦手順を含むことを特徴とするコンテンツ推薦方法。 - 請求項１９に記載のコンテンツ推薦方法であって、
前記推薦手順が、コンテンツを推薦する複数の推薦実行手順を含み、かつ、各推薦実行手順がコンテンツを推薦する際の推薦方法が予め設定されていることを特徴とするコンテンツ推薦方法。 - 請求項１９に記載のコンテンツ推薦方法であって、
前記推薦手順が、コンテンツを推薦する推薦実行手順と、
前記利用者モード推定項目に応じて前記推薦実行手順がコンテンツを推薦する際の推薦方法を設定する推薦方法設定手順とを含むことを特徴とするコンテンツ推薦方法。 - 請求項１９に記載のコンテンツ推薦方法であって、
前記推薦手順が、コンテンツを推薦する複数の推薦実行手順と、
前記利用者モードに従い前記推薦実行手順毎に異なる推薦方法を設定する推薦方法設定手順とを含むことを特徴とするコンテンツ推薦方法。 - 請求項１９乃至２３のいずれか１項に記載のコンテンツ推薦方法であって、
前記集約手順は前記推薦候補コンテンツの中からユーザが要求した要求コンテンツ数のコンテンツを選択する際の選択基準の設定を行う選択基準設定手順と、
前記選択基準に従い前記推薦候補コンテンツの中からコンテンツを選択して集約する集約手順とを含むことを特徴とするコンテンツ推薦方法。 - 請求項２４に記載のコンテンツ推薦方法であって、
前記選択基準の設定手順は、前記利用者モードの総数に対応した領域数を持つ索引付きテーブルの各領域に前記利用者モードを対応させ、かつ、その際に前記利用者モード値に応じた数の前記領域に同じ前記利用者モードを対応させると共に、前記利用者モードの総数を範囲とする整数の乱数を等確率で発生させて前記領域に対応させた前記利用者モードが選定させる設定であることを特徴とするコンテンツ推薦方法。 - 請求項２４に記載のコンテンツ推薦方法であって、
前記選択基準の設定手順は、前記利用者モード値とコンテンツに付与されている前記スコアとの積を選択基準として、前記選択基準の大きいコンテンツを選択させる設定であることを特徴とするコンテンツ推薦方法。 - 請求項１５乃至２６のいずれか１項に記載のコンテンツ推薦方法であって、
前記集約手順は、携帯端末が推薦コンテンツを表示する際に、前記個別推定項目及び個別基準値も表示するように当該個別推定項目及び個別基準値を推薦コンテンツと共に出力することを特徴とするコンテンツ推薦方法。 - 請求項２７に記載のコンテンツ推薦方法であって、
前記利用者モード推定手順は、前記コンテンツ推薦要求を出力した携帯端末が受信した推薦コンテンツを表示した後に前記個別基準値に相当する指定個別基準値を含むコンテンツ推薦要求を再受信した際には、前記指定個別基準値に基づき利用者モード推定項目に対する利用者モード値を生成することを特徴とするコンテンツ推薦方法。 - ユーザからのコンテンツ推薦要求に基づきコンテンツを推薦する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要求に含まれるユーザの状況を示すユーザコンテキストに基づき所定の個別推定項目に対する個別基準値を推定して利用者モード推定項目に対する利用者モード値を算出する利用者モード推定ステップと、
前記利用者モード推定項目に基づき抽出された複数の推薦候補コンテンツを出力する推薦ステップと、
複数の前記推薦候補コンテンツから所定数のコンテンツを選択して推薦コンテンツとして出力する集約ステップとを含むことを特徴とするコンテンツ推薦プログラム。 - 請求項２９に記載のコンテンツ推薦プログラムであって、
前記利用者モード値に応じてコンテンツを推薦し、かつ、その際に推薦度合いをスコアとして付加する推薦ステップを含むことを特徴とするコンテンツ推薦プログラム。 - 請求項２９又は３０に記載のコンテンツ推薦プログラムであって、
前記集約ステップは、前記推薦候補コンテンツの中からユーザが要求した要求コンテンツ数のコンテンツを選択する際の選択基準の設定を行う選択基準設定ステップと、
前記選択基準に従い前記推薦候補コンテンツの中からコンテンツを選択して集約する集約ステップとを含むことを特徴とするコンテンツ推薦プログラム。 - 請求項３１に記載のコンテンツ推薦プログラムであって、
前記選択基準の設定ステップは、前記利用者モードの総数に対応した領域数を持つ索引付きテーブルの各領域に前記利用者モードを対応させ、かつ、その際に前記利用者モード値に応じた数の前記領域に同じ前記利用者モードを対応させると共に、前記利用者モードの総数を範囲とする整数の乱数を等確率で発生させて前記領域に対応させた前記利用者モードが選定させるステップであることを特徴とするコンテンツ推薦プログラム。 - 請求項３１に記載のコンテンツ推薦プログラムであって、
前記選択基準の設定ステップは、前記利用者モード値とコンテンツに付与されている前記スコアとの積を選択基準として、前記選択基準の大きいコンテンツを選択させる設定であることを特徴とするコンテンツ推薦プログラム。 - 請求項２９乃至３３のいずれか１項に記載のコンテンツ推薦プログラムであって、
前記集約ステップは、携帯端末が推薦コンテンツを表示する際に、前記個別推定項目及び個別基準値も表示するように当該個別推定項目及び個別基準値を推薦コンテンツと共に出力することを特徴とするコンテンツ推薦プログラム。 - 請求項３４に記載のコンテンツ推薦プログラムであって、
前記利用者モード推定ステップは、前記コンテンツ推薦要求を出力した携帯端末が受信した推薦コンテンツを表示した後に前記個別基準値に相当する指定個別基準値を含むコンテンツ推薦要求を再受信した際には、前記指定個別基準値に基づき利用者モード推定項目に対する利用者モード値を生成することを特徴とするコンテンツ推薦プログラム。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2011538304A JP5533880B2 (ja) | 2009-10-26 | 2010-09-17 | コンテンツ推薦システム、推薦方法及び推薦プログラム |
Applications Claiming Priority (4)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2009245549 | 2009-10-26 | ||
| JP2009245549 | 2009-10-26 | ||
| JP2011538304A JP5533880B2 (ja) | 2009-10-26 | 2010-09-17 | コンテンツ推薦システム、推薦方法及び推薦プログラム |
| PCT/JP2010/066625 WO2011052315A1 (ja) | 2009-10-26 | 2010-09-17 | コンテンツ推薦システム、推薦方法及び推薦プログラム |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JPWO2011052315A1 true JPWO2011052315A1 (ja) | 2013-03-14 |
| JP5533880B2 JP5533880B2 (ja) | 2014-06-25 |
Family
ID=43921743
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP2011538304A Active JP5533880B2 (ja) | 2009-10-26 | 2010-09-17 | コンテンツ推薦システム、推薦方法及び推薦プログラム |
Country Status (3)
| Country | Link |
|---|---|
| US (1) | US20130117367A1 (ja) |
| JP (1) | JP5533880B2 (ja) |
| WO (1) | WO2011052315A1 (ja) |
Families Citing this family (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US9721035B2 (en) * | 2010-06-30 | 2017-08-01 | Leaf Group Ltd. | Systems and methods for recommended content platform |
| JP5962926B2 (ja) * | 2011-03-03 | 2016-08-03 | 日本電気株式会社 | レコメンダシステム、レコメンド方法、及びプログラム |
| JP5673336B2 (ja) * | 2011-05-06 | 2015-02-18 | 株式会社Ｊｖｃケンウッド | 情報処理方法、表示方法、情報処理装置、表示装置、情報処理プログラム、表示プログラム |
| CN104852842A (zh) * | 2015-04-29 | 2015-08-19 | 小米科技有限责任公司 | 信息播报的方法及装置 |
| US10904360B1 (en) * | 2015-12-02 | 2021-01-26 | Zeta Global Corp. | Method and apparatus for real-time personalization |
| KR101853226B1 (ko) * | 2017-01-10 | 2018-04-27 | 조민곤 | 친구 추천 방법 및 서버 및 사용자 단말 |
| US11972327B2 (en) | 2017-08-25 | 2024-04-30 | Samsung Electronics Co., Ltd. | Method for automating actions for an electronic device |
| US11509891B2 (en) * | 2018-11-04 | 2022-11-22 | Lg Electronics Inc. | Intra prediction method and apparatus in image coding system |
| CN109471978B (zh) * | 2018-11-22 | 2022-01-28 | 腾讯科技（深圳）有限公司 | 一种电子资源推荐方法及装置 |
| CN111444430B (zh) * | 2020-03-30 | 2022-09-27 | 腾讯科技（深圳）有限公司 | 内容推荐方法、装置、设备和存储介质 |
| CN111782965B (zh) * | 2020-06-29 | 2023-08-11 | 北京百度网讯科技有限公司 | 意图推荐方法、装置、设备及存储介质 |
Family Cites Families (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US8032506B1 (en) * | 2000-08-25 | 2011-10-04 | Andrej Gregov | User-directed product recommendations |
| US8478781B2 (en) * | 2005-12-05 | 2013-07-02 | Sony Corporation | Information processing apparatus, information processing method and program |
| JP4426563B2 (ja) * | 2006-12-25 | 2010-03-03 | 大日本印刷株式会社 | 情報提供システム |
| US8751507B2 (en) * | 2007-06-29 | 2014-06-10 | Amazon Technologies, Inc. | Recommendation system with multiple integrated recommenders |
| JP4953478B2 (ja) * | 2007-07-31 | 2012-06-13 | 独立行政法人産業技術総合研究所 | 楽曲推薦システム、楽曲推薦方法及び楽曲推薦用コンピュータプログラム |
| JP5392808B2 (ja) * | 2007-11-27 | 2014-01-22 | 日本電気株式会社 | コンテクスト対応情報推薦装置、コンテクスト対応情報推薦方法およびコンテクスト対応情報推薦プログラム |
| JP2009140341A (ja) * | 2007-12-07 | 2009-06-25 | Nec Corp | ユーザ端末、コンテンツ提供装置、サービス提供システム、それらに用いられる方法及びプログラム |
| KR20100002756A (ko) * | 2008-06-30 | 2010-01-07 | 삼성전자주식회사 | 매트릭스 블로깅 시스템 및 서비스 제공 방법 |
-
2010
- 2010-09-17 JP JP2011538304A patent/JP5533880B2/ja active Active
- 2010-09-17 WO PCT/JP2010/066625 patent/WO2011052315A1/ja active Application Filing
- 2010-09-17 US US13/504,083 patent/US20130117367A1/en not_active Abandoned
Also Published As
| Publication number | Publication date |
|---|---|
| JP5533880B2 (ja) | 2014-06-25 |
| US20130117367A1 (en) | 2013-05-09 |
| WO2011052315A1 (ja) | 2011-05-05 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| JP5533880B2 (ja) | コンテンツ推薦システム、推薦方法及び推薦プログラム | |
| CN105677765B (zh) | 给用户推荐期望的功能序列的方法及系统 | |
| TWI636416B (zh) | 內容個人化之多相排序方法和系統 | |
| US8577962B2 (en) | Server apparatus, client apparatus, content recommendation method, and program | |
| KR101634773B1 (ko) | 캘린더를 이용한 스케쥴 관리시스템 및 스케쥴 관리방법 | |
| Boratto et al. | Discovery and representation of the preferences of automatically detected groups: Exploiting the link between group modeling and clustering | |
| US8146120B2 (en) | Multi-criteria rating and searching system | |
| JP5849952B2 (ja) | コミュニケーション支援装置、コミュニケーション支援方法、およびプログラム | |
| US9922110B2 (en) | Information processing apparatus, information processing method, and program | |
| CN103348342A (zh) | 基于用户话题简档的个人内容流 | |
| Ilarri et al. | Datasets for context-aware recommender systems: Current context and possible directions | |
| US9325754B2 (en) | Information processing device and information processing method | |
| CN104272304B (zh) | 信息处理设备、信息处理方法以及程序 | |
| JP5668010B2 (ja) | 情報推薦方法、装置及びプログラム | |
| WO2018033789A1 (en) | Systems, methods, and computer-readable products for track selection | |
| JPWO2010010654A1 (ja) | 使い方推定装置 | |
| US8019773B2 (en) | Presenting contents in accordance with user preferences | |
| Zhao et al. | A generative model approach for geo-social group recommendation | |
| JP5849953B2 (ja) | コミュニケーション支援装置、コミュニケーション支援方法、およびプログラム | |
| CN115455280A (zh) | 一种推荐列表确定方法和服务器 | |
| KR20120049550A (ko) | 시간에 따라 변화하는 사용자 선호도를 고려한 컨텐츠 추천 방법 | |
| CN111552549A (zh) | 一种智能设备的多任务请求动态配置方法及系统 | |
| CN113626709B (zh) | 一种基于热度的内容推荐方法及服务器 | |
| CN112100441B (zh) | 视频推荐方法、电子设备和计算机可读存储介质 | |
| JP2013232031A (ja) | 情報処理装置、端末装置、情報処理方法、表示方法、情報処理プログラム、及び表示プログラム |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20130417 |
|
| A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20130827 |
|
| A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20131023 |
|
| TRDD | Decision of grant or rejection written | ||
| A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20140401 |
|
| R150 | Certificate of patent or registration of utility model |
Ref document number: 5533880 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
| A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20140414 |