KR20050085317A - 정보 처리 장치 및 정보 처리 방법, 기록 매체, 및프로그램 - Google Patents

정보 처리 장치 및 정보 처리 방법, 기록 매체, 및프로그램 Download PDF

Info

Publication number
KR20050085317A
KR20050085317A KR1020057010032A KR20057010032A KR20050085317A KR 20050085317 A KR20050085317 A KR 20050085317A KR 1020057010032 A KR1020057010032 A KR 1020057010032A KR 20057010032 A KR20057010032 A KR 20057010032A KR 20050085317 A KR20050085317 A KR 20050085317A
Authority
KR
South Korea
Prior art keywords
content
program
grouping
group
information
Prior art date
Application number
KR1020057010032A
Other languages
English (en)
Other versions
KR101073948B1 (ko
Inventor
미쓰히로 미야자키
노리유키 야마모토
마리 사이토
히로유키 고이케
Original Assignee
소니 가부시끼 가이샤
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by 소니 가부시끼 가이샤 filed Critical 소니 가부시끼 가이샤
Publication of KR20050085317A publication Critical patent/KR20050085317A/ko
Application granted granted Critical
Publication of KR101073948B1 publication Critical patent/KR101073948B1/ko

Links

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
    • H04N21/80—Generation or processing of content or additional data by content creator independently of the distribution process; Content per se
    • H04N21/83—Generation or processing of protective or descriptive data associated with content; Content structuring
    • H04N21/84—Generation or processing of descriptive data, e.g. content descriptors
    • H04N21/8405—Generation or processing of descriptive data, e.g. content descriptors represented by keywords
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/70—Information retrieval; Database structures therefor; File system structures therefor of video data
    • G06F16/73—Querying
    • G06F16/735—Filtering based on additional data, e.g. user or group profiles
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
    • H04N21/20—Servers specifically adapted for the distribution of content, e.g. VOD servers; Operations thereof
    • H04N21/25—Management operations performed by the server for facilitating the content distribution or administrating data related to end-users or client devices, e.g. end-user or client device authentication, learning user preferences for recommending movies
    • H04N21/258—Client or end-user data management, e.g. managing client capabilities, user preferences or demographics, processing of multiple end-users preferences to derive collaborative data
    • H04N21/25866—Management of end-user data
    • H04N21/25891—Management of end-user data being end-user preferences
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
    • H04N21/20—Servers specifically adapted for the distribution of content, e.g. VOD servers; Operations thereof
    • H04N21/25—Management operations performed by the server for facilitating the content distribution or administrating data related to end-users or client devices, e.g. end-user or client device authentication, learning user preferences for recommending movies
    • H04N21/266—Channel or content management, e.g. generation and management of keys and entitlement messages in a conditional access system, merging a VOD unicast channel into a multicast channel
    • H04N21/26603—Channel or content management, e.g. generation and management of keys and entitlement messages in a conditional access system, merging a VOD unicast channel into a multicast channel for automatically generating descriptors from content, e.g. when it is not made available by its provider, using content analysis techniques
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
    • H04N21/20—Servers specifically adapted for the distribution of content, e.g. VOD servers; Operations thereof
    • H04N21/25—Management operations performed by the server for facilitating the content distribution or administrating data related to end-users or client devices, e.g. end-user or client device authentication, learning user preferences for recommending movies
    • H04N21/266—Channel or content management, e.g. generation and management of keys and entitlement messages in a conditional access system, merging a VOD unicast channel into a multicast channel
    • H04N21/2665—Gathering content from different sources, e.g. Internet and satellite
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
    • H04N21/40—Client devices specifically adapted for the reception of or interaction with content, e.g. set-top-box [STB]; Operations thereof
    • H04N21/43—Processing of content or additional data, e.g. demultiplexing additional data from a digital video stream; Elementary client operations, e.g. monitoring of home network or synchronising decoder's clock; Client middleware
    • H04N21/442—Monitoring of processes or resources, e.g. detecting the failure of a recording device, monitoring the downstream bandwidth, the number of times a movie has been viewed, the storage space available from the internal hard disk
    • H04N21/44213—Monitoring of end-user related data
    • H04N21/44222—Analytics of user selections, e.g. selection of programs or purchase activity
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
    • H04N21/40—Client devices specifically adapted for the reception of or interaction with content, e.g. set-top-box [STB]; Operations thereof
    • H04N21/45—Management operations performed by the client for facilitating the reception of or the interaction with the content or administrating data related to the end-user or to the client device itself, e.g. learning user preferences for recommending movies, resolving scheduling conflicts
    • H04N21/466—Learning process for intelligent management, e.g. learning user preferences for recommending movies
    • H04N21/4667—Processing of monitored end-user data, e.g. trend analysis based on the log file of viewer selections

Landscapes

  • Engineering & Computer Science (AREA)
  • Databases & Information Systems (AREA)
  • Multimedia (AREA)
  • Signal Processing (AREA)
  • General Physics & Mathematics (AREA)
  • General Health & Medical Sciences (AREA)
  • Social Psychology (AREA)
  • Health & Medical Sciences (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Computational Linguistics (AREA)
  • Data Mining & Analysis (AREA)
  • General Engineering & Computer Science (AREA)
  • Astronomy & Astrophysics (AREA)
  • Computer Graphics (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
  • Two-Way Televisions, Distribution Of Moving Picture Or The Like (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

본 발명은, 연속하여 시청되는 프로그램과 비연속적으로 시청되는 프로그램에 따른 기호(嗜好) 정보를 적당하게 생성하고, 사용자의 기호에 맞는 프로그램을 추천 가능하도록 하는 정보 처리 장치 및 정보 처리 방법, 기록 매체, 및 프로그램에 관한 것이다. 기호 정보 추출부(101)에서 프로그램의 메타 데이터에 따른 프로그램 기호 정보를 추출하고, 프로그램의 시청 이력을 기록한다. 처음으로 시청된 프로그램의 기호 정보는 특수 프로그램 기호 정보로서 기록된다. 또, 시청 회수가 임계값을 초과하는 프로그램의 프로그램 기호 정보에 따라 사용자 기호 정보가 생성된다. 제어부(103)는 시청 회수가 임계값을 초과하는 프로그램에 대하여 자동 녹화의 예약 설정을 행한다. 자동 녹화의 예약이 해제된 경우, 기호 정보 갱신부(102)는 예약이 해제된 회의 프로그램의 메타 데이터에 따라 사용자 기호 정보를 변경한다.

Description

정보 처리 장치 및 정보 처리 방법, 기록 매체, 및 프로그램 {INFORMATION PROCESSING DEVICE AND METHOD, RECORDING MEDIUM, AND PROGRAM}
본 발명은, 정보 처리 장치 및 정보 처리 방법, 기록 매체, 및 프로그램에 관한 것이며, 특히 컨텐츠의 추천을 효율적이며, 또한 효과적으로 행할 수 있는 정보 처리 장치 및 정보 처리 방법, 기록 매체, 및 프로그램에 관한 것이다.
분배되는 컨텐츠로부터, 사용자의 기호에 맞는 컨텐츠를 검출하고, 그 컨텐츠의 정보를 제공하는 컨텐츠 추천 시스템이 존재한다(예를 들면, 일본국 특개 2000-287189호 공보 참조).
이 시스템에서는, 예를 들면, 사용자가 즐겨 이용하는 컨텐츠의 속성(예를 들면, 장르)을 검출하고, 그 속성마다 컨텐츠가 추천된다.
그러나, 컨텐츠의 속성은, 컨텐츠의 편성 등의 사정에 따라 컨텐츠의 제공원에 의해 설정되어 있으므로, 그 속성마다의 추천에서는, 추천해야 할 컨텐츠를 효율적 또는 효과적으로 검출할 수 없는 경우가 있었다.
도 1은 본 발명을 적용한 컨텐츠 추천 시스템의 구성예를 나타내고 있다.
도 2는 메타 데이터의 예를 나타낸 도면이다.
도 3은 컨텐츠의 그룹화를 설명하는 도면이다.
도 4는 컨텐츠의 그룹화를 설명하는 다른 도면이다.
도 5는 그룹 ID가 부여된 메타 데이터의 예를 나타낸 도면이다.
도 6은 이용 이력의 예를 나타낸 도면이다.
도 7은 도 1의 컨텐츠 추천 서버의 구성예를 나타낸 블록도이다.
도 8은 도 1의 클라이언트 기기의 구성예를 나타낸 블록도이다.
도 9는 사용자 기호 정보 생성 처리를 설명하는 플로 차트이다.
도 10은 이용 빈도의 산출 방법을 설명하는 도면이다.
도 11 (A)는 이용 빈도의 산출 방법을 설명하는 다른 도면이다.
도 11 (B)는 이용 빈도의 산출 방법을 설명하는 다른 도면이다.
도 12는 이용 상태의 확인 처리를 설명하는 도면이다.
도 13은 이용 상태의 확인 처리를 설명하는 다른 도면이다.
도 14는 이용 상태의 확인 처리를 설명하는 다른 도면이다.
도 15는 컨텐츠 추천 정보 생성 처리를 설명하는 플로 차트이다.
도 16은 컨텐츠 추천 정보의 표시예를 나타낸 도면이다.
도 17은 다른 컨텐츠 추천 정보의 표시예를 나타낸 도면이다.
도 18은 타이틀 그룹화 처리 1에 대하여 설명하는 플로 차트이다.
도 19는 타이틀 그룹화 처리 2에 대하여 설명하는 플로 차트이다.
도 20은 타이틀 그룹화 처리 3에 대하여 설명하는 플로 차트이다.
도 21은 타이틀 그룹화 처리 4에 대하여 설명하는 플로 차트이다.
도 22는 정평 프로그램 설정 처리를 설명하는 플로 차트이다.
도 23은 기호 정보 추출 처리 1을 설명하는 플로 차트이다.
도 24는 프로그램 벡터의 구성예를 나타낸 도면이다.
도 25는 기호 정보의 구성예를 나타낸 도면이다.
도 26은 기호 정보 추출 처리 2를 설명하는 플로 차트이다.
도 27은 기호 정보 추출 처리 3을 설명하는 플로 차트이다.
도 28은 기호 정보 변경 처리를 설명하는 플로 차트이다.
도 29는, 특수 기호 정보 생성 처리를 설명하는 플로 차트이다.
도 30은 도 7의 CPU의 기능적 구성예를 나타낸 블록도이다.
도 31은 추천 정보 검색 처리를 설명하는 플로 차트이다.
도 32는 특수 추천 정보 검색 처리를 설명하는 플로 차트이다.
본 발명은 이와 같은 문제점을 감안하여 이루어진 것이며, 컨텐츠의 추천을 행하는 측이, 컨텐츠의 속성을 이용하여 컨텐츠를 그룹화하고, 그룹마다 컨텐츠의 추천을 행할 수 있도록 하는 것이다.
본 발명의 정보 처리 장치는, 분배되는 컨텐츠의 속성을 나타내는 속성 항목 중 1개 이상의 속성 항목으로 이루어지는 그룹화 항목이 일정 이상의 유사도를 가지고 유사한 컨텐츠에, 동일한 그룹 ID를 부여하고, 컨텐츠의 그룹화를 행하는 그룹화 수단과, 그룹 ID마다 컨텐츠의 이용 빈도를 산출하는 산출 수단과, 산출 수단에 의해 산출된 이용 빈도에 따라, 사용자의 기호를 나타내는 사용자 기호 정보를 생성하는 생성 수단과, 생성 수단에 의해 생성된 사용자 기호 정보에 따라, 컨텐츠를 추천하는 추천 수단을 구비한 것을 특징으로 한다.
방송 시간대를 나타내는 속성 항목과 적어도 1개 이상의 다른 속성 항목으로 이루어지는 그룹화 항목이 설정되어 있고, 그룹화 수단은, 그 그룹화 항목에 따라 컨텐츠의 그룹화를 행할 수 있다.
적어도 방송 시간대를 나타내는 속성 항목으로 이루어지는 그룹화 항목과 다른 속성 항목으로 이루어지는 그룹화 항목이 설정되어 있고, 그룹화 수단은, 그들의 그룹화 항목에 따라 컨텐츠의 그룹화를 행할 수 있다.
그룹화 수단은, 컨텐츠의 속성 항목의 내용을 형태소(形態素) 해석하고, 그 결과에 따라, 그룹화 항목의 내용의 유사도를 결정할 수 있다.
생성 수단은, 그룹에 속하는 컨텐츠의 이용 상태가 소정 조건을 만족시키지 못하는 그룹의 이용 빈도를, 사용자 기호 정보의 생성에 이용하지 않게 할 수 있다.
추천 수단은, 산출 수단에 의해 산출된 이용 빈도가, 미리 설정된 값보다 높은지 여부를 판정하는 판정 수단과, 판정 수단에 의해, 이용 빈도가, 미리 설정된 값보다 높은 것으로 판정된 경우, 컨텐츠의 추천 정보에, 자주 시청되는 컨텐츠인 것을 나타내는 정평(定評) 플래그를 설정하는 설정 수단을 설치할 수 있다.
생성 수단은, 산출 수단에 의해 산출된 이용 빈도가 미리 설정된 값보다 높은 그룹의 컨텐츠의 메타 데이터를 취득하고, 메타 데이터의 특징량을 나타내는 벡터를 추출하는 추출 수단을 구비하고, 추출 수단에 의해 추출된 벡터에 따라, 기호 정보를 생성할 수 있다.
생성 수단은, 산출 수단에 의해 산출된 이용 빈도가 미리 설정된 값보다 높은 그룹의 컨텐츠가, 정평 플래그가 설정된 컨텐츠 추천 정보에 대응하는 컨텐츠인지 여부를 판정하는 정평 판정 수단을 구비하고, 정평 판정 수단에 의해, 컨텐츠가, 정평 플래그가 설정된 컨텐츠 추천 정보에 대응하는 컨텐츠가 아닌 것으로 판정된 경우, 추출 수단은, 컨텐츠의 메타 데이터를 취득하고, 메타 데이터의 특징량을 나타내는 벡터를 추출할 수 있다.
기호 정보는, 복수개의 속성과 그 속성의 중요도를 나타내는 값에 의해 구성되도록 할 수 있다.
생성 수단은, 산출 수단에 의해 산출된 이용 빈도에 따라, 컨텐츠의 숙지도를 설정하는 숙지도 설정 수단을 구비하고, 숙지도에 따라, 기호 정보의 중요도를 나타내는 값에 비중을 둘 수 있다.
생성 수단은, 컨텐츠의 이용 이력에 따라, 이용 회수가 소정값 이하만큼 이용된 컨텐츠를 검색하는 검색 수단과, 검색 수단에 의해 검색된 컨텐츠의 메타 데이터에 따라, 특수 기호 정보를 생성하는 특수 기호 정보 생성 수단을 추가로 설치할 수 있다.
기호 정보 또는 특수 기호 정보의 특징량을 나타내는 벡터를 추출하는 제1 추출 수단과, 미리 설정된 기간에 방송되는 컨텐츠의 메타 데이터를 취득하고, 메타 데이터의 특징량을 나타내는 벡터를 추출하는 제2 추출 수단과, 제1 추출 수단에 의해 추출된 벡터와 제2 추출 수단에 의해 추출된 벡터의 유사도를 연산하는 연산 수단을 구비하고, 추천 수단은, 유사도가 높은 순으로, 미리 설정된 수 만큼 제2 추출 수단에 의해 추출된 벡터를 선택하고, 선택된 벡터의 메타 데이터에 따라, 컨텐츠를 추천할 수 있다.
본 발명의 정보 처리 방법은, 분배되는 컨텐츠의 속성을 나타내는 속성 항목 중 1개 이상의 속성 항목으로 이루어지는 그룹화 항목이 일정 이상의 유사도를 가지고 유사한 컨텐츠에, 동일한 그룹 ID를 부여하고, 컨텐츠의 그룹화를 행하는 그룹화 스텝과, 그룹 ID마다 컨텐츠의 이용 빈도를 산출하는 산출 스텝과, 산출 스텝의 처리에 의해 산출된 이용 빈도에 따라, 사용자의 기호를 나타내는 사용자 기호 정보를 생성하는 생성 스텝과, 생성 스텝의 처리에 의해 생성된 사용자 기호 정보에 따라, 컨텐츠를 추천하는 추천 스텝을 포함하는 것을 특징으로 한다.
본 발명의 기록 매체의 프로그램은, 분배되는 컨텐츠의 속성을 나타내는 속성 항목 중 1개 이상의 속성 항목으로 이루어지는 그룹화 항목이 일정 이상의 유사도를 가지고 유사한 컨텐츠에, 동일한 그룹 ID를 부여하는 것에 의한, 컨텐츠의 그룹화를 제어하는 그룹화 제어 스텝과, 그룹 ID마다의 컨텐츠의 이용 빈도의 산출을 제어하는 산출 제어 스텝과, 산출 제어 스텝의 처리에 의해 산출된 이용 빈도에 따라, 사용자의 기호를 나타내는 사용자 기호 정보의 생성을 제어하는 생성 제어 스텝과, 생성 제어 스텝의 처리에 의해 생성된 사용자 기호 정보에 따라, 컨텐츠의 추천을 제어하는 추천 제어 스텝을 포함하는 것을 특징으로 한다.
본 발명의 프로그램은, 분배되는 컨텐츠의 속성을 나타내는 속성 항목 중 1개 이상의 속성 항목으로 이루어지는 그룹화 항목이 일정 이상의 유사도를 가지고 유사한 컨텐츠에, 동일한 그룹 ID를 부여하는 것에 의한, 컨텐츠의 그룹화를 제어하는 그룹화 제어 스텝과, 그룹 ID마다의 컨텐츠의 이용 빈도의 산출을 제어하는 산출 제어 스텝과, 산출 제어 스텝의 처리에 의해 산출된 이용 빈도에 따라, 사용자의 기호를 나타내는 사용자 기호 정보의 생성을 제어하는 생성 제어 스텝과, 생성 제어 스텝의 처리에 의해 생성된 사용자 기호 정보에 따라, 컨텐츠의 추천을 제어하는 추천 제어 스텝을 포함하는 것을 특징으로 한다.
본 발명의 정보 처리 장치 및 정보 처리 방법, 및 프로그램에 있어서는, 분배되는 컨텐츠의 속성을 나타내는 속성 항목 중 1개 이상의 속성 항목으로 이루어지는 그룹화 항목이 일정 이상의 유사도를 가지고 유사한 컨텐츠에, 동일한 그룹 ID가 부여되고, 컨텐츠의 그룹화가 행해지고, 그룹 ID마다 컨텐츠의 이용 빈도가 산출되고, 산출된 이용 빈도에 따라, 사용자의 기호를 나타내는 사용자 기호 정보가 생성되고, 생성된 사용자 기호 정보에 따라, 컨텐츠가 추천된다.
도 1은, 본 발명을 적용한 컨텐츠 추천 시스템의 구성예를 나타내고 있다.
분배 서버(3)는, 스트리밍 데이터 데이터 베이스(1)로부터, 스트리밍 데이터를 취득하고, 인터넷 그 외의 네트워크를 포함하는 네트워크(6)를 통하여, 클라이언트 기기(5)에 전달한다. 분배 서버(3)는 또한, 메타 데이터 데이터 베이스(2)로부터, 컨텐츠의 메타 데이터를 취득하고, 네트워크(6)를 통하여, 컨텐츠 추천 서버(4)에 공급한다.
메타 데이터는, 컨텐츠마다, 예를 들면, 도 2에 나타낸 바와 같은, 「방송 개시 시각」, 「방송 종료 시각」, 「방송국」, 「장르」, 「타이틀」, 「출연자명」, 「프로그램 내용」, 및 「키워드」 등의 컨텐츠의 속성을 나타내는 항목으로 구성되어 있다.
컨텐츠 추천 서버(4)는, 1개 이상의 항목으로 설정된 그룹화 항목에 대하여, 그 내용(그룹화 항목을 구성하는 각 항목의 요소)이 일정 이상 유사한(각 항목의 요소가, 전부 일치, 일부 일치, 또는 소정의 유사도를 나타내는 값이 소정 이상으로 되는) 컨텐츠에 동일한 그룹 ID를 부여한다(동일한 그룹으로 그룹화한다).
메타 데이터의 항목 「방송국」, 항목 「방송 개시 시각」, 및 항목 「방송 종료 시각」으로 이루어지는 그룹화 항목이 설정되어 있는 경우, 「8ch(방송국), 00:00(방송 개시 시간)~ 06:00(방송 종료 시각)」의 컨텐츠(8ch)에서, O0:00 ~ 06:00의 사이에 방송되는 프로그램)에는 동일한 그룹 ID가 부여된다.
즉 이 그룹화 항목 하에서는, 도 3에 나타낸 바와 같이, 그룹화 항목을 구성하는 항목 「방송국」, 항목 「방송 개시 시각」, 및 항목 「방송 종료 시각」의 각 요소의 조(組)마다 컨텐츠의 그룹화가 행해진다.
또, 메타 데이터의 항목 「장르」 및 항목 「출연자」로 이루어지는 그룹화 항목이 설정되어 있는 경우, 예를 들면, 「버라이어티(장르), 탤런트 A(출연자)」의 컨텐츠(버라이어티에서, 탤런트 A가 출연하는 프로그램)에는 동일한 그룹 ID가 부여된다.
즉 이 그룹화 항목 하에서는, 도 4에 나타낸 바와 같이, 그룹화 항목을 구성하는 항목 「장르」 및 항목 「출연자」의 각 요소의 조(組)마다 컨텐츠의 그룹화가 행해진다.
그리고 그룹화 항목이 복수개 설정되어 있는 경우, 1개의 컨텐츠는, 컨텐츠의 항목에 따라서는, 복수개의 그룹에 속하는 경우도 있다. 예를 들면, 8ch에서, 00:00 ~ 06:00의 사이에 방송되고, 버라이어티이며, 탤런트 A가 출연하는 프로그램에는, 「8ch(방송국, 00:00(방송 개시 시간)~ 06:00(방송 종료 시각」의 그룹 ID(도 3)와 「버라이어티(장르), 탤런트 A(출연자)」의 그룹 ID(도 4)가 부여되고, 각각의 그룹에 속하게 된다.
컨텐츠 추천 서버(4)는, 이와 같이 그룹 ID가 설정된 메타 데이터(예를 들면, 도 5)를, 적당히, 클라이언트 기기(5)에 송신한다.
컨텐츠 추천 서버(4)는 또한, 클라이언트 기기(5)로부터, 컨텐츠의 그룹 ID를 포함하는 이용 이력을 적당히 취득하고, 그 이용 이력에 따라, 그룹마다의 이용 빈도를 산출한다. 그리고 컨텐츠 추천 서버(4)는, 산출한 그 이용 빈도를 사용자의 기호를 나타내는 것으로서 이용하고, 그룹마다 컨텐츠의 추천을 행한다. 예를 들면, 높은 이용 빈도의 그룹에 속하는 컨텐츠에 관한 정보가, 컨텐츠 추천 정보로서 클라이언트 기기(5)에 송신된다.
클라이언트 기기(5)는, 분배 서버(3)로부터 분배되어 온 컨텐츠를 이용하지만, 그 이용 이력으로서, 이용한 컨텐츠의, 예를 들면 도 6에 나타낸 바와 같은 메타 데이터(그룹 ID가 설정된 것)를, 적당히, 컨텐츠 추천 서버(4)에 공급한다.
클라이언트 기기(5)는, 컨텐츠 추천 서버(4)로부터 공급된 컨텐츠 추천 정보를 표시하여 사용자에 제시한다. 사용자는, 그것을 참조함으로써, 자신의 기호에 있던 컨텐츠를 선택할 수 있다.
그리고, 여기서의 분배 서버(3) 내지 클라이언트 기기(5)의 통신은, 네트워크(6)를 통하여 행해지고 있지만, 각각 직접 통신하는 구성으로 할 수도 있다.
도 7은, 컨텐츠 추천 서버(4)의 구성예를 나타내고 있다. CPU(Centra1 Processing Unit)(11)는, ROM(Read Only Memory)(12)에 기억되어 있는, 예를 들면, 컨텐츠 추천용의 프로그램 등에 따라서 소정의 처리를 실행한다. RAM(Random Access Memory)(13)에는, CPU(11)가 그 처리를 실행하는데 있어서 필요한 데이터 등이 적당히 기억된다.
CPU(11)에는 버스(14)를 통하여 입출력 인터페이스(15)가 접속되어 있다. 입출력 인터페이스(15)에는, 키보드, 마우스 등으로 이루어지는 입력부(16), LCD(Liquid Crystal Display) 등으로 이루어지는 출력부(17), 메타 데이터 등을 기억하는 기억부(18), 및 네트워크(6)를 통하여 분배 서버(3) 또는 클라이언트 기기(5)와의 통신을 행하는 통신부(19)가 접속되어 있다.
입출력 인터페이스(15)에는, 드라이브(20)가 적당히 접속되고, CPU(11)는, 거기에 장착되는 자기 디스크(31), 광디스크(32), 광자기 디스크(33), 또는 반도체 메모리(34) 사이에서 데이터의 수수(授受)를 행한다.
그리고, CPU(11)의 기능적 구성예로서, 예를 들면, 사용자의 기호 정보를 취득하는 기호 정보 취득부, 분배 서버(3)로부터 프로그램의 메타 데이터를 취득하는 메타 데이터 취득부, 및 컨텐츠의 추천 정보를 생성하는 추천 정보 생성부에 의해 구성되도록 할 수도 있다.
도 8은, 클라이언트 기기(5)의 구성예를 나타내고 있다. 이 구성은, 컨텐츠 추천 서버(4)의 구성과 기본적으로 마찬가지이므로, 그 설명은 생략한다.
다음에, 사용자 기호 정보를 생성하는 경우의 컨텐츠 추천 서버(4)의 동작을, 도 9의 플로 차트를 참조하여 설명한다.
스텝 S1에 있어서, 컨텐츠 추천 서버(4)의 CPU(11)는, 사용자 기호 정보를 생성하는 타이밍인지 여부를 판정하고, 그 타이밍인 것으로 판정한 경우, 스텝 S2로 진행한다. 예를 들면, 클라이언트 기기(5)로부터 컨텐츠 추천 정보(후술)의 제공이 요구되었을 때, 또는 미리 결정된 시기(예를 들면, 매주 소정 시각)가 왔을 때, 스텝 S2로 진행한다.
스텝 S2에 있어서, CPU(11)는, 통신부(19)를 통하여, 클라이언트 기기(5)로부터, 소정의 이용 이력을 취득한다. 이 예의 경우, 1주간 전부터의 사이에 이용된 컨텐츠의 메타 데이터(그룹 ID가 설정되어 있는)가 취득된다. CPU(11)는, 그룹마다의 컨텐츠의 이용 빈도(회수)를 산출한다.
항목 「방송국」, 항목 「방송 개시 시각」, 및 항목 「방송 종료 시각」으로 이루어지는 그룹화 항목이 설정되어 있는 경우, 각 메타 데이터에는, 그 그룹화 항목의 내용(그룹화 항목을 구성하는 각 항목의 요소의 조(組)에 따른 그룹 ID가 기술되어 있으므로, 도 10에 나타낸 바와 같이, 그 내용(각 항목의 요소의 조(組))마다 컨텐츠의 이용 빈도(회수)가 산출된다.
도 10에 나타낸 그룹마다의 이용 회수로부터는, 8ch에서, 20:00 ~ 21:00에 방송되는 프로그램과, 10ch에서, 19:00 ~ 20:00에 방송되는 프로그램이 가장 많이 시청되고(각 7회), 그에 이어 8ch에서, 22:00 ~ 23:00의 사이에 방송되는 프로그램이 다음으로 시청(6회)된 것을 알 수 있다.
또 항목 「장르」 및 항목 「출연자」로 이루어지는 그룹화 항목이 설정되어 있는 경우, 각 메타 데이터에는, 그 그룹화 항목의 내용(그룹화 항목을 구성하는 각 항목의 요소의 조(組))에 따른 그룹 ID가 기술되어 있으므로, 도 11 (A)에 나타낸 바와 같이, 그 내용(각 항목의 요소의 조(組))마다 컨텐츠의 이용 빈도(회수)가 산출된다.
도 11 (A)가 그룹마다의 이용 회수로부터는, 탤런트 D가 출연하는 버라이어티 프로그램이 가장 많이 시청되고(10회), 그에 이어 탤런트 D가 출연하는 뉴스 프로그램(8회)과 탤런트 C가 출연하는 버라이어티 프로그램(5회)이 많이 시청된 것을 알 수 있다.
그리고, 이용 회수는, 컨텐츠의 분배 수에 따라 많아질 가능성이 있으므로, 그대로는 사용자의 기호에 정확하게 대응하지 않는다. 그러므로, 스텝 S2에서 취득된 이용 이력에 대응하는 기간 중에 분배된 컨텐츠 수로 이용 회수가 정규화된다.
예를 들면, 예를 들면 도 11의 예의 경우, 탤런트 D가 출연하는 버라이어티 프로그램이, 그 기간(이 예의 경우, 1주간)의 사이에 10개 분배되고, 탤런트 D가 출연하는 뉴스 프로그램이, 그 기간 동안에 100개 분배되고, 탤런트 C가 출연하는 버라이어티 프로그램이, 그 기간 동안에 80개 분배된 경우, 도 11 (A)의 이용 회수는, 도 11 (B)에 나타낸 바와 같이, 정규화된다. 이와 같이 이용 회수를 정규화함으로써 사용자의 기호에 적절히 대응한 이용 빈도를 얻을 수 있다.
도 9로 되돌아가서, 스텝 S3에 있어서, 컨텐츠 편집 서버(4)의 CPU(11)는, 그룹화 항목마다, 소정의 임계값 이상의 이용 회수(이용 빈도)를 얻을 수 있었던 그룹(의 그룹의 ID)을 검출한다.
예를 들면, 항목 「방송국」, 항목 「방송 개시 시각」, 및 항목 「방송 개시 시각」으로 이루어지는 그룹화 항목에 대한 임계값이 값 7인 경우, 도 10의 예에서는, 「8ch, 20:00 ~ 21:00」, 및 「10ch, 19:00 ~ 20:00」의 2개의 그룹이 검출된다.
또 항목 「장르」 및 항목 「출연자」로 이루어지는 그룹화 항목에 대한 임계값이 값 0.06인 경우, 도 11 (B)의 예에서는, 「버라이어티, 탤런트 D」, 「뉴스, 탤런트 D」, 및 「버라이어티, 탤런트 C」의 3 그룹이 검출된다.
다음에, 스텝 S4에 있어서, CPU(11)는, 스텝 S3에서 검출한 각 그룹의 컨텐츠가 사용자의 기호에 맞고 있는지 여부를 판정한다.
예를 들면, 그 그룹에 속하는 컨텐츠의 분배 리스트에 따라, 지금부터 거슬러 올라가 소정 회수(예를 들면, 3회) 연속하여 이용되지 않았는지 여부가 확인되고, 그 회수 연속하여 이용되지 않았던 경우, 그 그룹의 컨텐츠는 사용자의 기호에 맞지 않는 것으로 판정된다.
도 13에 나타낸 바와 같이, 「버라이어티, 탤런트 D」의 그룹의 프로그램이 3회 연속하여 시청되지 않았을 때, 「버라이어티, 탤런트 D」의 그룹의 컨텐츠는, 사용자의 기호에 맞지 않는 것으로 판정된다.
그리고, 도 12에 나타낸 바와 같이, 그룹 「8ch, 20:00 ~ 21:00」의 그룹의, 지금부터 거슬러 올라가 가장 최근의 프로그램 A는 시청되지 않았지만, 그 전에 분배된 프로그램 B는 시청되었을 때(시청되지 않는 것이 3회 연속되지 않을 때), 「8ch, 20:00 ~ 21:00」의 그룹의 컨텐츠는, 사용자의 기호에 맞지 않는 것으로는 판정되지 않는다(맞는 것으로 판정된다).
또, 도 14에 나타낸 바와 같이, 과거에, 소정 회수(예를 들면, 3회) 연속하여 이용되고 있을 때, 그 그룹의 컨텐츠를, 사용자의 기호에 맞는 것으로 판정할 수도 있다.
스텝 S5에 있어서, CPU(11)는, 스텝 S4에서의 판정 결과로부터, 사용자의 기호에 맞는 컨텐츠의 그룹을 검출한다.
스텝 S6에 있어서, CPU(11)는, 스텝 S5에서 검출한 그룹의 그룹 ID를, 사용자 기호 정보로서, 기억부(18)에 기억한다.
이 예의 경우, 항목 「방송국」, 항목 「방송 개시 시각」, 및 항목 「방송 종료 시각」으로 이루어지는 그룹화 항목에 있어서의 「8ch, 00:00 ~ 21:00」와 「10ch, 19:00 ~ 20:00」의 그룹의 그룹 ID, 및 항목 「장르」 및 항목 「출연자」로 이루어지는 그룹화 항목에 있어서의 「뉴스, 탤런트 D」와 「버라이어티, 탤런트 C」의 그룹의 그룹 ID가, 사용자 기호 정보로서 기억부(18)에 기억된다.
다음에, 컨텐츠 추천 정보를 생성하는 경우의 컨텐츠 추천 서버(4)의 동작을, 도 15의 플로 차트를 참조하여 설명한다.
스텝 S21에 있어서, 컨텐츠 추천 서버(4)의 CPU(11)는, 클라이언트 기기(5)로부터, 컨텐츠 추천 정보의 제공이 요구되기까지 대기하고, 그 요구가 있었을 때, 스텝 S22로 진행하고, 기억부(18)로부터 전술한 바와 같이 하여 생성한 사용자 기호 정보를 취득한다.
스텝 S23에 있어서, CPU(11)는, 지금부터 분배되는 컨텐츠의 메타 데이터(그룹 ID가 설정되어 있는 것)로부터, 사용자 기호 정보로서의 그룹 ID와 같은 그룹 ID가 설정되어 있는 메타 데이터를 추출한다. CPU(11)는, 추출한 메타 데이터로부터 컨텐츠 추천 정보를 생성한다.
그리고, 사용자 기호 정보로서 기억되어 있는 그룹 ID가 복수개 있는 경우에는, 어느 그룹 ID도 부여되어 있는 컨텐츠의 메타 데이터가 추출되도록 할 수 있다.
스텝 S24에 있어서, CPU(11)는, 통신부(19)를 통하여, 스텝 S23에서 생성한 컨텐츠 추천 정보를, 클라이언트 기기(5)에 송신한다. 클라이언트 기기(5)는, 컨텐츠 추천 서버(4)로부터 송신되어 온 컨텐츠 추천 정보를 출력부(57)에 표시한다.
도 16 및 도 17은, 컨텐츠 추천 정보의 표시예를 나타내고 있다.
도 16의 예에서는, 항목 「방송국」, 항목 「방송 개시 시각」, 및 항목 「방송 종료 시각」으로 이루어지는 그룹화 항목의 「8ch, 20:00 ~ 21:00」 및 「10ch, 19:00 ~ 20:00」의 그룹에 속하는 프로그램의 정보(타이틀 등)가 각각 표시되어 있다.
도 17의 예에서는, 항목 「장르」 및 항목 「출연자」로 이루어지는 그룹화 항목의 「뉴스, 탤런트 D」 및 「버라이어티, 탤런트 C」의 그룹에 속하는 프로그램에 관한 정보(타이틀 등)가 각각 표시되어 있다. 그리고, 각 그룹의 프로그램의 정보가 표시되어 있는 윈도우는, 표시 화면의 크기에 따라서는, 도 17에 나타낸 바와 같이 일부 중첩되도록 표시되도록 할 수 있다.
사용자는, 이와 같이 표시된 컨텐츠 추천 정보를 참조하여, 시청하는 프로그램을 선택할 수 있다.
이상과 같이, 사용자의 기호를 파악하기 위한 이용 빈도를, 그룹 ID를 이용하여 그룹마다 산출하도록 했으므로, 메타 데이터의 항목마다 이용 빈도를 산출하는 경우에 비하여, 그 계산량을 적게 할 수 있다.
또, 컨텐츠 추천 정보가 그룹마다 결정되어 표시되도록 했으므로, 표시 스페이스가 작은 클라이언트 기기(5)에 있어서도 적절히 컨텐츠 추천 정보를 표시할 수 있다.
또, 이상에 있어서는, 메타 데이터의 항목 「방송국」, 항목 「방송 개시 시각」, 및 항목 「방송 종료 시각」, 및 항목 「장르」 및 항목 「출연자」를 이용하여 그룹화를 행하였으나, 항목 「타이틀」이나 항목 「내용」 등 다른 항목을 이용하여 그룹화를 행할 수도 있다. 그 결과, 예를 들면, 재방송이나 스페셜판의 프로그램을 오리지날의 프로그램과 같은 그룹에 속하는 컨텐츠로서 취급하는 것이 가능하므로, 오리지날이라도, 재방송된 것이라도, 그 프로그램이 시청되면, 그 이용 이력을 사용자 기호 정보 생성에 반영할 수 있다.
여기서, 도 18의 플로 차트를 참조하여, 항목 「타이틀」을 이용하여 그룹화를 행하는 처리(항목 「타이틀」로 이루어지는 그룹화 항목에 의한 그룹화 처리)(타이틀 그룹화 처리 1)에 대하여 설명한다.
스텝 S61에 있어서, 컨텐츠 추천 서버(4)는, 메타 데이터로부터, 타이틀을 추출한다.
스텝 S62에 있어서, 컨텐츠 추천 서버(4)는, 타이틀을 형태소 해석하고, 단어로 분해한다.
예를 들면 메타 데이터에 포함되어 있는 영화의 제목이 「도카이도 미타니 괴담」이었을 경우, 이것이 타이틀로서 형태소 해석되어 「도카이도」, 「미타니」, 「괴담」의 3개의 단어를 얻을 수 있다.
스텝 S63에 있어서, 컨텐츠 추천 서버(4)는, 해석된 단어, 또는 복수개의 단어로 구성되는 단어군 중 어느 하나를 추출하여, 기억부(18)로부터, 추출된 단어, 또는 단어군에게 대응하는 그룹 ID를 추출한다.
여기서, 복수개의 단어로 구성되는 단어군이란, 형태소 해석에 의해 얻어진 단어의 조합에 의해 생성되는 단어군이며, 예를 들면, 형태소 해석에 의해 얻어진 단어가 「도카이도」, 「미타니」, 「괴담」인 경우, 단어군은, 「도카이도·미타니」, 「도카이도·괴담」, 「미타니·괴담」으로 된다.
스텝 S64에 있어서, 컨텐츠 추천 서버(4)는, 그룹 ID가 추출되었는지 여부를 판단한다.
스텝 S64에 있어서, 대응하는 그룹 ID가 추출되지 않았다고 판단된 경우, 추출된 단어, 또는 복수개의 단어로 구성되는 단어군에는, 아직 그룹 ID를 부여할 수 없으므로, 스텝 S65에 있어서, 추출된 단어, 또는 복수개의 단어로 구성되는 단어군에 새로운 그룹 ID를 할당한다. 또, 컨텐츠 추천 서버(4)는, 단어, 또는 복수개의 단어로 구성되는 단어군과 그에 대응하는 그룹 ID를 기억한다.
스텝 S64에 있어서, 대응하는 그룹 ID가 추출되었다고 판단된 경우, 또는 스텝 S65의 처리의 종료후, 스텝 S66에 있어서, 컨텐츠 추천 서버(4)는, 타이틀을 구성하는 모든 단어, 또는 복수개의 단어로 구성되는 단어군에 대하여 그룹 ID를 추출했는지 여부를 판단한다.
스텝 S66에 있어서, 타이틀을 구성하는 모든 단어, 또는 복수개의 단어로 구성되는 단어군에 대하여 그룹 ID를 추출하고 있지 않은 것으로 판단되었을 경우, 처리는, 스텝 S63으로 복귀하고, 그 이후의 처리가 반복된다.
스텝 S66에 있어서, 타이틀을 구성하는 모든 단어, 또는 복수개의 단어로 구성되는 단어군에 대하여 그룹 ID가 추출되었다고 판단된 경우, 스텝 S67에 있어서, 컨텐츠 추천 서버(4)는, 메타 데이터에, 추출된 또는 할당한 그룹 ID를 대응시켜, 처리가 종료된다.
그리고, 유사한 타이틀의 프로그램을, 동일한 그룹으로 하도록 해도 된다. 예를 들면, 타이틀 「2학년 A반 긴파치(銀八) 선생님」의 연속 드라마와, 타이틀 「2학년 A반 긴파치 선생님 스페셜」의 특별 프로그램을, 동일한 그룹으로서 그룹화할 수 있도록, 타이틀을 구성하는 단어의 형태소 해석 결과를 기본으로, 예를 들면, 2주간, 1개월, 반년 등의 소정 기간의 프로그램 타이틀로, 단어의 일치율을 빠짐없이 체크(total hit)하여 산출하고, 단어의 일치율이 소정값 이상인 경우, 동일 그룹으로 하도록 해도 된다.
다음에, 도 19의 플로 차트를 참조하여, 타이틀을 구성하는 단어의 일치율에 따라 그룹화를 실행하는 타이틀 그룹화 처리 2항목 「타이틀」로 이루어지는 그룹화 항목에 의한 다른 그룹화 처리)에 대하여 설명한다.
스텝 S401 및 스텝 S402에 있어서, 도 18을 사용하여 설명한, 스텝 S61 및 스텝 S62와 마찬가지의 처리가 실행된다. 즉, 컨텐츠 추천 서버(4)는, 메타 데이터로부터, 타이틀을 추출하여 형태소 해석하고, 단어로 분해한다.
스텝 S403에 있어서, 컨텐츠 추천 서버(4)는, 해석된 단어를 기본으로, 타이틀간의 단어의 일치도, 즉 단어가 일치하고 있는 비율을 나타내는 일치율을 산출한다.
구체적으로는, 타이틀 「2학년 A반 긴파치 선생님」과, 타이틀 「2학년 A반 은인 선생님 스페셜」이, 각각, 「2」 「학년」 「A」 「반」 「긴파치」 「선생님」과,
「2」 「학년」 「A」 「반」 「긴파치」 「선생님」 「스페셜」로 형태소 분석되었을 경우, 이 2개의 프로그램의 타이틀을 구성하는 단어의 일치율은, 6/7으로 85.7%로 된다.
스텝 S404에 있어서, 컨텐츠 추천 서버(4)는, 단어가, 예를 들면, 70% 등의 소정값 이상 일치하고 있는지 여부를 판단한다. 이, 일치율의 임계값은, 70% 이외의 어떠한 수치라도 되는 것은 물론이다.
스텝 S404에 있어서, 단어가, 70% 등의 소정값 이상 일치하고 있는 것으로 판단된 경우, 스텝 S405에 있어서, 컨텐츠 추천 서버(4)는, 그들의 프로그램에, 동일한 그룹 ID를 대응시킨다. 또, 컨텐츠 추천 서버(4)는, 일치한 단어, 또는 단어군과 그에 대응하는 그룹 ID를 기억한다.
스텝 S404에 있어서, 70% 등의 소정값 이하의 일치율인 것으로 판단된 경우, 또는 스텝 S405의 처리의 종료후, 스텝 S406에 있어서, 컨텐츠 추천 서버(4)는, 타이틀의 빠짐없는 체크가 종료되었는지 여부를 판단한다.
스텝 S406에 있어서, 타이틀의 빠짐없는 체크가 종료하지 않은 것으로 판단된 경우, 처리는, 스텝 S403으로 복귀하고, 그 이후의 처리가 반복된다.
스텝 S406에 있어서, 타이틀의 빠짐없는 체크가 종료했다고 판단된 경우, 처리가 종료된다.
이와 같은 처리에 의해, 타이틀을 구성하는 단어의 일치율을 기본으로 한 그룹 ID를 대응시킬 수 있으므로, 예를 들면, 연속 드라마와 스페셜 프로그램 등의 유사한 타이틀의 프로그램을, 동일한 그룹으로서 처리하게 하도록 할 수 있다.
또, 타이틀을 구성하는 단어의 일치율을 기본으로 그룹을 결정하도록 함으로써, 예를 들면, 메타 데이터에 있어서, 숫자의 반각(半角)과 전각(全角), 또는 영문자의 반각과 전각, 또는 대문자와 소문자 등의 표기 혼선이 있었을 경우, 동일 타이틀의 프로그램을, 동일한 그룹으로서 검출하는 것이 가능해진다.
또, 단어의 일치율에 더하여, 예를 들면, 방송국이나 프로그램 장르, 또는 방송 개시 시각 등을, 그룹화의 조건에 더하도록 해도 된다. 예를 들면, 뉴스 프로그램 등에 있어서는, 타이틀이, 「뉴스」를 포함하는 적은 단어에 의해 구성되어 있으므로, 도 19를 사용하여 설명한 처리에서는, 상이한 방송국의 상이한 형태의 뉴스 프로그램이라도, 동일한 그룹으로서 검출되어 버릴 우려가 있으므로, 단어의 일치율에 더하여, 방송국도 일치한 경우, 동일 그룹으로 하도록 해도 된다.
다음에, 도 20의 플로 차트를 참조하여, 방송국의 일치를 조건에 더하여, 타이틀을 구성하는 단어의 일치율에 의해 그룹화를 실행하는 타이틀 그룹화 처리 3(항목 「타이틀」과 항목 「방송국」으로 이루어지는 그룹화 항목에 의한 그룹화 처리)에 대하여 설명한다.
스텝 S421 내지 스텝 S424에 있어서, 도 19를 참조하여여 설명한, 스텝 S401 내지 스텝 S404와 마찬가지의 처리가 실행된다. 즉, 컨텐츠 추천 서버(4)는, 메타 데이터로부터, 타이틀을 추출하여 형태소 해석하고, 단어로 분해한다. 그리고, 컨텐츠 추천 서버(4)는, 해석된 단어를 기본으로, 타이틀간의 단어의 일치도를 산출하여, 단어가, 예를 들면, 70% 등의 소정값 이상 일치하고 있는지 여부를 판단한다.
스텝 S424에 있어서, 단어가, 70% 등의 소정값 이상 일치하고 있는 것으로 판단된 경우, 스텝 S425에 있어서, 컨텐츠 추천 서버(4)는, 그들의 프로그램의 방송국이 일치하고 있는지 여부를 판단한다.
스텝 S425에 있어서, 이들 프로그램의 방송국이 일치하고 있는 것으로 판단된 경우, 스텝 S426에 있어서, 컨텐츠 추천 서버(4)는, 그들의 프로그램에, 동일한 그룹 ID를 대응시킨다. 또, 컨텐츠 추천 서버(4)는, 일치한 단어, 또는 단어군과 그에 대응하는 방송국 및 그룹 ID를 기억한다.
스텝 S424에 있어서, 70% 등의 소정값 이하의 일치율인 것으로 판단된 경우, 스텝 S425에 있어서, 이들 프로그램의 방송국이 일치 하지 않은 것으로 판단된 경우, 또는 스텝 S426의 처리의 종료후, 스텝 S427에 있어서, 컨텐츠 추천 서버(4)는, 타이틀의 빠짐없는 체크가 종료되었는지 여부를 판단한다.
스텝 S427에 있어서, 타이틀의 빠짐없는 체크가 종료하지 않은 것으로 판단된 경우, 처리는, 스텝 S423으로 복귀하고, 그 이후의 처리가 반복된다.
스텝 S427에 있어서, 타이틀의 빠짐없는 체크가 종료했다고 판단된 경우, 처리가 종료된다.
이와 같은 처리에 의해, 방송국의 일치와 타이틀을 구성하는 단어의 일치율을 기본으로 한 그룹 ID를 대응시킬 수 있으므로, 예를 들면, 유사한 타이틀의 프로그램을, 동일한 그룹으로 하는 경우에, 타국의 뉴스 프로그램을 동일한 그룹으로 하는 것 같은 것을 방지할 수 있다.
그리고, 도 20에 있어서는, 타이틀을 구성하는 단어의 일치율 이외에, 동일한 방송국인지 여부를 조건으로 하여, 그룹화를 행하는 것으로 하여 설명하였으나, 방송국 이외의, 예를 들면, 방송 시간대나 장르 등을, 타이틀을 구성하는 단어의 일치율 이외의 조건으로 하여, 그룹화를 실행하도록 해도 되는 것은 물론이다.
또한, 예를 들면, 연속 드라마나 연속 프로그램의 방송 개시 시각이, 스포츠 중계나 특별 프로그램 등 때문에 어긋난 경우에 있어서도, 동일 그룹으로서 검출 가능하도록, 타이틀을 구성하는 단어의 일치율 이외의 조건을, 방송 시각이, 예를 들면, 1시간 등의 소정의 시간 범위 내의 어긋남에서 일치하고 있는지를 여부로 하여, 그룹화를 실행하도록 해도 된다.
도 21의 플로 차트를 참조하여, 방송 시각이, 소정 시간 범위 내의 어긋남에서 일치하고 있는지 여부를 조건에 더하여, 타이틀을 구성하는 단어의 일치율에 의해 그룹화를 실행하는 타이틀 그룹화 처리 4(항목 「타이틀」과 항목 「방송 개시 시각」으로 이루어지는 그룹화 항목에 의한 그룹화 처리)에 대하여 설명한다.
스텝 S441 내지 스텝 S444에 있어서, 도 19를 사용하여 설명한, 스텝 S401 내지 스텝 S404와 마찬가지의 처리가 실행된다. 즉, 컨텐츠 추천 서버(4)는, 메타 데이터로부터, 타이틀을 추출하여 형태소 해석하고, 단어로 분해한다. 그리고, 컨텐츠 추천 서버(4)는, 해석된 단어를 기본으로, 타이틀간의 단어의 일치도를 산출하고, 단어가, 예를 들면, 70% 등의 소정값 이상 일치하고 있는지 여부를 판단한다.
스텝 S444에 있어서, 단어가, 70% 등의 소정값 이상 일치하고 있는 것으로 판단된 경우, 스텝 S445에 있어서, 컨텐츠 추천 서버(4)는, 그들의 프로그램의 방송 개시 시각이, 예를 들면, 1시간 등의 소정 범위 내의 어긋남에서 일치하고 있는지 여부를 판단한다.
스텝 S445에 있어서, 그들 프로그램의 방송 개시 시각이 소정 범위 내의 어긋남에서 일치하고 있는 것으로 판단된 경우, 스텝 S446에 있어서, 컨텐츠 추천 서버(4)는, 그들 프로그램에, 동일한 그룹 ID를 대응시킨다. 또, 컨텐츠 추천 서버(4)는, 일치한 단어, 또는 단어군과 그에 대응하는 방송 개시 시각의 범위, 및 그룹 ID를 기억한다.
스텝 S444에 있어서, 70% 등의 소정값 이하의 일치율인 것으로 판단된 경우, 스텝 S445에 있어서, 그들 프로그램의 방송 개시 시각이 소정 범위 이상으로 어긋나 있는 것으로 판단된 경우, 또는 스텝 S446의 처리 종료후, 스텝 S447에 있어서, 컨텐츠 추천 서버(4)는, 타이틀의 빠짐없는 체크가 종료되었는지 여부를 판단한다.
스텝 S447에 있어서, 타이틀의 빠짐없는 체크가 종료하지 않은 것으로 판단된 경우, 처리는, 스텝 S443으로 복귀하고, 그 이후의 처리가 반복된다.
스텝 S447에 있어서, 타이틀의 빠짐없는 체크가 종료했다고 판단된 경우, 처리가 종료된다.
이와 같은 처리에 의해, 방송 개시 시각의 소정 범위 내의 어긋남을 포함하는 일치와, 타이틀을 구성하는 단어의 일치율을 기본으로 한 그룹 ID를 대응시킬 수 있으므로, 예를 들면, 유사한 타이틀의 프로그램을 동일한 그룹으로 하는 경우에, 특별 프로그램 등에 의한 방송 시각의 변경을 위하여, 동일 그룹으로서 검출되어야 할 프로그램이, 동일 그룹으로서 검출되지 않는 것 같은 것을 방지할 수 있다.
그리고, 이상에 있어서는, 컨텐츠 추천 서버(4)가, 사용자 기호 정보 생성 처리(도 9) 및 컨텐츠 추천 정보 처리(도 15)를 행하는 경우를 예로서 설명하였으나, 클라이언트 기기(5)가, 컨텐츠 추천 서버(4)로부터 공급되는 그룹 ID가 설정된 메타 데이터(그룹화 정보)를 이용하여, 자기 자신이 그룹마다의 이용 빈도를 산출하여 사용자 기호 정보를 생성하고, 그에 따라 컨텐츠 추천 정보를 생성할 수도 있다.
또, 자주 시청되는 프로그램을 이른바 기본 스타일의 프로그램으로서 추천하고, 추천된 프로그램이 자동적으로, 시청 또는 녹화되도록 할 수도 있다. 도 22를 참조하여 정평 프로그램 설정 처리에 대하여 설명한다. 이 처리는, 컨텐츠 추천 서버(4)에 있어서, 도 15를 참조하여 전술한 컨텐츠 추천 정보 생성 처리를 실행하는데 앞서서(사전에) 실행된다.
스텝 S501에 있어서, CPU(11)는, 이용 이력을 분석한다. 이 때, 도 9의 스텝 S2의 경우와 마찬가지로, 클라이언트 기기(5)로부터, 소정 기간에 이용된 컨텐츠의 메타 데이터(그룹 ID가 설정되어 있는)가 취득되어, 그룹마다의 이용 회수(도 10), 또는 이용 빈도(도 11 (B))가 분석된다.
스텝 S502에 있어서, CPU(11)는, 이용 회수(시청 회수)가 소정의 임계값을 초과하는 그룹이 있는지 여부를 판정하고, 이용 회수가 임계값을 초과하는 그룹 이 있는 것으로 판정된 경우, 스텝 S503으로 진행하고, 그 그룹에 속하는 프로그램(이용 회수가 임계값을 초과하는 프로그램)의 컨텐츠 추천 정보에, 이 프로그램이 정평인 것을 나타내는 정평 플래그를 설정한다.
또, 스텝 S502에 있어서, 시청 빈도가 임계값을 초과하는 그룹이 있는지 여부지가 판정되고, 이용 빈도가 임계값을 초과하는 프로그램이 있는 것으로 판정된 경우, 스텝 S503에 있어서, 그 그룹에 속하는 프로그램의 컨텐츠 추천 정보에 정평 플래그가 설정되도록 해도 된다.
스텝 S502에 있어서, 시청 회수가 임계값을 초과하는 그룹이 없는 것으로 판정된 경우, 처리는 종료된다.
이같이 하여, 정평 플래그가 설정된 컨텐츠 추천 정보가, 도 15의 컨텐츠 추천 정보 생성 처리에 의해, 클라이언트 기기(5)에 송신된다. 이로써, 클라이언트 기기(5)에 있어서, 예를 들면, 정평 플래그가 설정된 컨텐츠 추천 정보에 대응하는 프로그램이 자동 녹화되도록 할 수 있다.
전술한 도 9의 사용자 기호 정보 생성 처리에 있어서는, 사용자 기호 정보로서 그룹 ID가 기억되도록 했지만, 프로그램의 메타 데이터에 포함되는 복수개의 속성에 따라, 보다 상세한 기호 정보가 생성되고, 생성된 기호 정보에 따라 프로그램이 추천되도록 할 수도 있다. 도 23을 참조하여, 프로그램의 메타 데이터에 포함되는 복수개의 속성에 따라, 보다 상세한 기호 정보를 생성하는 제1 예인 기호 정보 추출 처리 1에 대하여 설명한다. 이 처리는, 예를 들면, 미리 결정된 시기(매주 소정 시각)에, 컨텐츠 추천 서버(4)에 있어서 실행된다.
스텝 S521에 있어서, CPU(11)는, 이용 이력을 분석한다. 이 때, 도 9의 스텝 S2의 경우와 마찬가지로, 클라이언트 기기(5)로부터, 소정 기간에 이용된 컨텐츠의 메타 데이터(그룹 ID가 설정되어 있는)가 취득되어, 그룹마다의 이용 회수(도 10), 또는 이용 빈도(도 11 (B))가 분석된다.
스텝 S522에 있어서, CPU(11)는, 이용 회수(이용 빈도)가 소정의 임계값 이상인 그룹을 검색한다. 그리고, 이용 빈도가 소정의 임계값 이상인 그룹이 검색 되도록 해도 된다.
스텝 S523에 있어서, CPU(11)는, 그룹이 검색되었는지 여부를 판정하고, 그룹이 검색되었다고 판정된 경우, 스텝 S524으로 진행하고, 검색된 그룹에 속하는 프로그램의 메타 데이터를 분석한다. 이 때, 프로그램이 복수개 있었을 경우, 복수개의 프로그램의 메타 데이터가 분석된다. 스텝 S525에 있어서, CPU(11)는, 스텝 S524에서 분석된 프로그램의 메타 데이터에 따라, 프로그램 벡터를 생성한다.
도 24에, 이 때 생성되는 프로그램 벡터 PP의 구성예를 나타낸다. 이 예에서는, 프로그램 벡터 PP는, 스텝 S524에서 분석된 프로그램의 메타 데이터의 속성 「타이틀(프로그램명」(Tm), 「장르」(Gm), 「출연자」(Pm), 「방송국」(Sm), 「시간대」(Hm), ···를 요소로 하는 벡터 PP=(Tm, Gm, Pm, Sm, Hm, ··)으로서 구성되어 있다. 그리고 요소 Tm, Gm, Pm, Sm, Hm, ···도, 복수개의 요소를 가지는 벡터로서 구성된다.
예를 들면 속성 「방송국」에 대응하는 벡터 Sm는, MHK 종합, MHK 교육, 아세아 TV, TAS, 후지, TV 니폰, 도도(東都), MHK 위성 제1, MHK 위성 제2, 및 WOWO(모두 가상적인 방송국의 명칭) 등, 방송국의 종류가 한정되어 있으므로, Sm={MHK 종합, MHK 교육, 아세아 TV, TTS, 후지, TV 니폰, 도도, MHK 위성 제1, MHK 위성 제2, WOWO}와 같이 구성하고, 대응하는 방송국을 값 1, 그 외의 방송국을 값 O으로 함으로써 얻어진다. 즉 대응하는 프로그램의 방송국이 WOWO일 때, 항목 「방송국」의 벡터 Sm는, Sm = {O, O, O, O, O, O, O, O, O, 1}로 된다.
속성 「장르」에 대응하는 벡터 Gm도, 드라마, 버라이어티, 스포츠, 영화, 음악, 어린이용/교육, 교양/다큐멘터리, 뉴스/보도, 및 기타 등, 그 종류가 한정되어 있으므로, Gm = {드라마, 버라이어티, 스포츠, 영화, 음악, 어린이용/교육, 교양/다큐멘터리, 뉴스/보도, 기타}와 같이 구성하고, 대응하는 장르를 값 1, 그 외의 장르를 값 O으로 함으로써 얻어진다. 즉 대응하는 프로그램의 장르가 교양/다큐멘터리일 때, 항목 「장르」의 벡터 Gm는, Gm = {0, 0, 0, 0, 0, 0, 1, O, 0}으로 된다.
속성 「시간대」에 대응하는 벡터 Hm도, 속성 「방송국」의 벡터 Sm 및 「장르」의 벡터 Gm 와 마찬가지로 하여 얻을 수 있다.
한편, 속성 「타이틀」, 「출연자」 등과 같이, 요소를 한정하는 것이 용이하지 않은 것은, 그 속성을 구성하는 단어와 그 빈도를 나타내는 수치의 조(組)를 1개의 요소로 하는 벡터가 그 속성의 벡터로 된다. 예를 들면, 프로그램의 메타 데이터의 속성 「출연자」가 「person A, person B, ···」인 경우, 속성 「출연자」에게 대응하는 벡터 Pm는, Pm = {(person A-1),(person B-3), ···}으로 된다. 여기서, (person A-1)과 (person B-3)는, 메타 데이터의 속성 「출연자」를 구성하는 단어로서, person A와 person B가 각각 1회 또는 3회 검출된 것을 나타낸다.
그리고, 스텝 S522에 있어서 복수개의 프로그램이 검색된 경우, 스텝 S525에 있어서, 각각의 프로그램마다, 프로그램 벡터가 생성된다.
스텝 S526에 있어서, CPU(11)는, 스텝 S525에 있어서 생성된 프로그램 벡터를 통합하여 기호 정보를 생성한다. 이 때, 예를 들면, 복수개의 프로그램 벡터의 각각의 속성이 더 합쳐져 기호 정보로서 생성된다.
도 25에, 이 때 생성되는 기호 정보의 예를 나타낸다. 이 예에서는, 기호 정보는, 벡터로서 생성되어 있고, 속성 「프로그램명(타이틀」(Tup), 「장르」(Gup), 「출연자」(Pup), 「방송국」(Sup), 「시간대」(Hup), ···에 대응하는 벡터 UP = (Tup, Gup, Pup, Sup, Hup, ··)로서 구성되어 있다. 그리고 요소 Tup, Gup, Pup, Sup, Hup, ···도, 복수개의 요소를 가지는 벡터로서 구성된다.
이 예에서는, 속성 「프로그램명(타이틀」에 대응하는 벡터 Tup는, Tup = {(title 1-12), (title 2-3), ···}로 되어 있다. 이것은, 기호 정보의 속성 「프로그램명」에 요소 「title 1」과 「title 2」가 있고, 각각의 중요도가 「12」와 「3」에 설정되어 있던 것을 나타낸다.
중요도는, 그 요소에 대한 사용자의 기호의 정도를 나타내는 것으로, 동일한 요소가 포함하는 프로그램 벡터가 더하여 합쳐질 때, 중요도가 1만큼 가산된다. 예를 들면, 프로그램 벡터 PP1 내지 PP20의 20개의 프로그램 벡터에 따라, 기호 정보가 생성되는 경우, 프로그램 벡터 PP5, PP10, 및 PP17의 3개의 프로그램 벡터에 있어서, 속성 Tm 중에 「tit1e 2」가 포함되어 있었을 경우, Tup의 요소 「tit1e 2」의 중요도가 「3」으로 설정된다.
또, 속성 「장르」에 대응하는 벡터 Gup는, Gup = {(드라마-25), 버라이어티-34), (스포츠-42), (영화-37), (음악-73), (어린이용/교육-120), (교양/다큐멘터리-3), (뉴스/보도-5), (기타-23)}로 되어 있고, 속성 「장르」에 포함되는 요소와 그 중요도에 의해 구성되어 있다.
마찬가지로 하여, 기호 정보의 속성 「방송국」에 대응하는 벡터 Sup, 속성 「출연자」에게 대응하는 벡터 Pup, ···가, 각 속성을 구성하는 요소와 중요도에 의해 구성되어 있다.
스텝 S523에 있어서, 시청 회수가 임계값 이상의 그룹이 검색되지 않았다고 판정된 경우, 스텝 S524 내지 S526의 처리는 스킵되고, 처리는 종료한다.
이같이 하여 기호 정보가 생성된다. 기호 정보는, 소정 회수 또는 빈도 만큼 이용된 프로그램의 메타 데이터에 따라, 생성되므로 보다 사용자의 기호를 확실하게 반영한 것으로 할 수 있다.
그리고, 기호 정보는, 스텝 S521에서, 특정한 사용자의 이용 이력을 분석함으로써, 사용자 단위로 생성되는 것으로 해도 되고, 스텝 S521에서 복수 사용자의 이용 이력을 분석함으로써, 일반적인(복수 사용자에 공통의) 기호 정보가 생성되는 것으로 해도 된다.
그런데, 도 23을 참조하여 전술한 기호 정보 추출 처리 1에 의하면, 동일한 요소가 포함하는 프로그램 벡터가 더해져 합쳐질 때마다, 중요도가 가산되므로, 사용자가 자주 시청하는 프로그램의 메타 데이터에 포함되는 요소의 중요도가 극단으로 높아지져, 치우친 기호 정보로 되어 버릴 경우도 있다. 예를 들어, 매일(월요일부터 금요일까지) 방송되는 프로그램을 사용자가 빠뜨리지 않고 시청하고 있는 경우, 그 프로그램의 메타 데이터에 포함되는 요소(예를 들면, 탤런트 A)의 중요도가, 다른 요소와 비교하여 극단으로 높아져 버린다. 이와 같은, 자주 시청되는 프로그램(이른바 기본 스타일의 프로그램)의 메타 데이터를 기호 정보에 반영시키지 않게 할 수도 있다. 도 26을 참조하여, 프로그램의 메타 데이터에 포함되는 복수개의 속성에 따라, 기호 정보를 생성하는 제2 예인 기호 정보 추출 처리 2에 대하여 설명한다.
스텝 S541 내지 S543의 처리는, 도 23의 스텝 S521 내지 S523의 처리와 마찬가지의 처리이므로, 그 설명은 생략한다. 스텝 S544에 있어서, CPU(11)는, 스텝 S542에서 검색된 그룹에 속하는 프로그램이 정평 프로그램인지 여부를 판정한다. 여기서, 정평 프로그램인가 여부의 판정은, 도 22를 참조하여 전술한 정평 프로그램 설정 처리에 의해 설정된 정평 플래그에 따라 판정된다.
스텝 S544에 있어서, 검색된 프로그램이 정평 프로그램이 아닌 것으로 판정된 경우, 스텝 S545로 진행한다. 그리고, 도 23의 스텝 S524 내지 S525의 처리와 마찬가지로 하여, 스텝 S545에 있어서, 프로그램의 메타 데이터가 분석되어 스텝 S546에 있어서 프로그램 벡터가 생성되고, 스텝 S547에 있어서 기호 정보가 생성된다.
한편, 스텝 S544에 있어서, 검색된 프로그램이 정평 프로그램인 것으로 판정된 경우, 스텝 S545 내지 S547의 처리는 스킵된다.
이와 같이 함으로써, 정평 프로그램에 따라, 기호 정보가 생성되지 않으므로, 치우친 기호 정보가 생성되는 것을 방지할 수 있다.
또, 도 23을 참조하여 전술한 처리에 의하면, 소정 회수(또는 빈도) 이상으로 시청된 그룹에 속하는 프로그램에 대하여, 모두 마찬가지로 프로그램 벡터가 생성되고, 기호 정보가 생성되도록 하고 있다. 이 예에서는, 시리즈로 방송되는 프로그램 A1, A2, A3, ···(이하, 별개로 구별할 필요가 없는 경우, 이들을 모은 시리즈 프로그램 A라고 함. 다른 경우도 마찬가지임)와 프로그램 B1, B2, B3, ···(각각 1개의 그룹에 속하는 프로그램)가 있고, 예를 들면 각 그룹의 임계값이 3회인 경우, 3회 시청한 프로그램 A(정확하게는, 시리즈화된 3개의 프로그램이 시청된 시리즈)에 대하여도, 10회 시청한 프로그램 B(시리즈화된 10개의 프로그램이 시청된 시리즈)에 대하여도 동일하게 프로그램 벡터가 생성된다.
그러나, 시리즈 프로그램 A와 시리즈 프로그램 B에서는, 사용자의, 그 프로그램에 대한 지식이 상이한 경우가 있다. 예를 들면, 사용자는, 10회 시청한 시리즈 프로그램 B에 대하여는, 프로그램 중에 어떠한 코너가 있고, 어떠한 탤런트가 출연하는지를 숙지하고 있을 가능성이 높지만, 3회 밖에 시청하지 않은 시리즈 프로그램 A에 대하여는, 프로그램의 코너, 탤런트 등에 대하여 숙지하고 있지 못할 가능성이 있고, 경우에 따라서는, 시리즈 프로그램 A를 시청하지 않은 것으로 느낄 가능성도 있다. 그래서, 그 프로그램에 대한 숙지도를 반영하여 기호 정보를 생성할 필요가 있다. 도 26을 참조하여, 프로그램의 메타 데이터에 포함되는 복수개의 속성에 따라, 기호 정보를 생성하는 제3 예인 기호 정보 추출 처리 3에 대하여 설명한다.
스텝 S561 내지 S565의 처리는, 도 23의 S521 내지 S525의 처리와 마찬가지의 처리이므로, 그 설명은 생략한다. 스텝 S566에 있어서 CPU(11)는, 프로그램의 숙지도를 특정한다. 숙지도는, 스텝 S561에 있어서 분석된, 시리즈 프로그램(즉 그룹)의 이용 빈도에 따라 특정된다. 이 때, 그 시리즈 프로그램의 이용 빈도에 대응하여 3단계의 숙지도가 설정된다. 예를 들면, 이용 빈도가 「0.1」 이상의 것은 숙지도가 「고」로 설정되고, 이용 빈도가 「0.05」 이상 「0.1」 미만의 것은 숙지도가 「중」으로 설정되고, 이용 빈도가 「0.05」 미만의 것은 숙지도가 「저」로 설정된다.
그리고, 숙지도의 분류는, 3단계에 한정되는 것은 아니다. 또, 숙지도가 단계별로 분류되지 않고, 수치로서 설정되도록 해도 된다. 또는, 이용 빈도가 아니고, 이용 회수에 따라, 숙지도가 설정되도록 해도 된다.
스텝 S567에 있어서, CPU(11)는, 스텝 S565에서 생성된 프로그램 벡터에 대하여, 숙지도에 따라, 중요를 행한다. 이 때, 예를 들면, 숙지도가 「고」의 프로그램 벡터에 포함되는 요소에 따라 생성되는, 기호 정보의 중요도는 3배로 설정되고, 숙지도가 「중」의 프로그램 벡터에 포함되는 요소에 따라 생성되는, 기호 정보의 중요도는 2배로 설정되고, 숙지도가 「저」의 프로그램 벡터에 포함되는 요소에 따라 생성되는, 기호 정보의 중요도는 1배로 설정된다.
스텝 S568에 있어서, CPU(11)는, 스텝 S567에 있어서 중요한 프로그램 벡터에 따라, 기호 정보를 생성한다. 이 때, 예를 들면, 숙지도가 「고」인 프로그램 벡터 PP1을 구성하는 벡터 Pm1가, Pm1 = (person A)이며, 숙지도가 「중」인 프로그램 벡터 PP2를 구성하는 벡터 Pm2가, Pm2 = (person B)이며, 숙지도가 「저」인 프로그램 벡터 PP3를 구성하는 벡터 Pm3가, Pm3 = (person C)인 경우, 기호 정보의 속성 「출연자」에게 대응하는 벡터 Pup는, Pup = {(person A-3),(person B-2, person C-1)}으로 된다.
이같이 하여, 숙지도를 반영한 기호 정보가 생성된다. 그리고, 기호 정보는, 스텝 S561에서, 특정한 사용자의 이용 이력을 분석함으로써, 사용자 단위로 생성되는 것으로 해도 되고, 스텝 S561에서 복수 사용자의 이용 이력을 분석함으로써, 일반적인(복수 사용자에 공통인) 기호 정보가 생성되는 것으로 해도 된다. 예를 들면, 아직 시청 이력이 축적되어 있지 않은 사용자에게 대하여는, 일반적인 기호 정보에 따라 프로그램(컨텐츠)을 추천할 수 있다. 기호 정보는, 프로그램의 숙지도를 반영하여 생성되어 있으므로, 예를 들면, 단지 시청률이 높은 프로그램을 추천하는 것보다, 신뢰성이 높은 프로그램을, 사용자에게 추천할 수 있다.
이상에 있어서는, 기호 정보의 중요도는, 프로그램이 시청될 때마다 가산되도록 하고 있지만, 경우에 따라서는 중요도를 감산할 필요도 있다. 예를 들면, 사용자는 클라이언트 기기(5)에 있어서, 자동 녹화가 예약된 정평 프로그램에 대하여 녹화 예약을 해제할 수 있다. 여기서, 녹화 예약이 해제된 프로그램은, 그 이전에는, 자주 시청되고 있었음에도 불구하고, 그 회 만큼 녹화 예약을 굳이 해제한 것이며, 녹화 예약이 해제된 회는, 사용자의 기호에 맞지 않는 내용이었던 것으로 생각할 수 있다. 그래서, 본 발명에 있어서는, 이 녹화 예약이 해제된 프로그램의 메타 데이터에 따라, 사용자의 기호 정보의 변경을 행한다.
도 28을 참조하여, 기호 정보 변경 처리에 대하여 설명한다. 이 처리는, 클라이언트 기기(5)의 CPU(51)에 의해, 자동 녹화 예약의 해제가 검지되었을 때, 컨텐츠 추천 서버(4)에 대하여, 자동 녹화 예약이 해제된 프로그램의 정보가 네트워크(6)를 통하여 통지되었을 때, 컨텐츠 추천 서버(4)에 의해 실행된다.
스텝 S581에 있어서, CPU(11)는, 자동 녹화 예약이 해제된 회의 프로그램(예를 들면, 10회 방송되는 시리즈 프로그램 중, 제3회째의 프로그램)의 메타 데이터를 취득하고, 스텝 S582에 있어서, 취득한 메타 데이터의 속성을 분석한다. 스텝 S583에 있어서, CPU(11)는, 자동 녹화 예약이 설정된 프로그램의 기호 정보의 속성과 자동 녹화 예약이 해제된 회의 프로그램의 메타 데이터의 속성을 비교하고, 스텝 S584에 있어서 네가티브한 요소를 검출한다.
예를 들면, 프로그램 X의 자동 녹화 예약이 설정되고, 사용자에 의해 그 녹화 예약이 해제되었을 경우를 생각한다. 자동 녹화 예약이 설정된 회의 프로그램 X의 메타 데이터에 따라, 생성된 프로그램 벡터 PP1에 있어서, 속성 「출연자」에 대응하는 벡터 Pm1이, Pm1 = (person A, person B)이며, 자동 녹화 예약이 해제된 회의 프로그램 X의 메타 데이터에 따라, 생성된 프로그램 벡터 PP2에 있어서, 속성 「출연자」에게 대응하는 벡터 Pm2가, Pm2 = (person A, person B, person C)였던 경우, 자동 녹화 예약이 해제된 회의 프로그램 X에는 「person C」가 출연하고 있었기 때문에, 녹화 예약이 해제되었다고 생각되고, 스텝 S584에 있어서, 「person C」가 네가티브한 요소로서 검출된다.
스텝 S585에 있어서, CPU(11)나, 스텝 S584에서 검출된 네가티브한 요소에 따라, 사용자의 기호 정보를 변경한다. 이 때, 네가티브한 요소의 중요도가 감산된다. 지금의 경우, 예를 들면, 기호 정보의 속성 「출연자」에 대응하는 벡터 Pup가, Pup = {(person A-5), (person B-2), (person C-3)}였던 경우, 스텝 S585에 있어서, Pup = {(person A-5), (person B-2, person C-2)}로 변경되고, 「person C」의 중요도가 1만큼 감산된다.
이같이 하여, 기호 정보의 변경을 행한다. 이와 같이 함으로써, 사용자가 좋아하지 않는 속성의 중요도는 낮게 변경되므로, 사용자에게 프로그램(컨텐츠)의 추천을 행할 때, 보다 사용자의 기호에 맞는 프로그램(컨텐츠)을 추천할 수 있다.
또, 이상에 있어서는, 시청 회수가 소정 회수 이상의 시리즈 프로그램의 메타 데이터에 따라 기호 정보가 생성되는 예에 대하여 설명하였으나, 이같이 하여 생성된 기호 정보에 근거한 프로그램의 추천이 계속하여 행해지면, 사용자가 질려 버릴 우려가 있다. 그래서, 본 발명에 있어서는, 사용자가 처음으로 시청한(과거에 시청하지 않은) 프로그램에 주목한다. 처음으로 시청한 프로그램에 대하여, 사용자는 특별한 흥미를 가지고 있는 것을 생각할 수 있으므로, 이 프로그램의 메타 데이터에 따라, 특수 기호 정보를 생성한다.
도 29를 참조하여, 컨텐츠 추천 서버(4)에 의한 특수 기호 정보 생성 처리에 대하여 설명한다. 이 처리는, 예를 들면, 사용자에 의해, 소정의 커맨드를 투입했을 때 실행되도록 해도 되고, 소정의 주기(예를 들면, 1주간)마다 자동적으로 실행되도록 해도 된다.
스텝 S601에 있어서, CPU(11)는 이용 이력을 검색한다. 이 때, 클라이언트 기기(5)로부터, 소정 기간(예를 들면, 바로 옆의 6개월간)에 이용된 컨텐츠의 메타 데이터(그룹 ID가 설정되어 있는)가 취득되어 그룹마다의 이용 회수(도 10)가 분석된다.
스텝 S602에 있어서, CPU(11)는, 시청 회수가 1회의 시리즈 프로그램(그 그룹에 속하는 프로그램의 중 1프로그램만이 시청된 그룹)을 검출한다. 스텝 S603에 있어서, CPU(11)는, 시청 회수가 1회인 시리즈 프로그램이 검출되었는지 여부를 판정하고, 시리즈 프로그램이 검출되었다고 판정된 경우, 스텝 S604로 진행하고, 검출된 시리즈 프로그램에 속하는 프로그램의 메타 데이터에 따라, 특수 기호 정보를 생성한다. 이 때, 도 23의 스텝 S524 내지 S526와 마찬가지로, 프로그램의 메타 데이터에 따라 프로그램 벡터가 생성되고, 프로그램 벡터에 따라 특수 기호 정보가 생성된다. 스텝 S603에 있어서, 시청 회수가 1회인 프로그램이 검출되지 않은 것으로 판정된 경우, 스텝 S604의 처리는 스킵된다.
이같이 하여, 사용자가 처음으로 시청한 프로그램의 메타 데이터에 따라 특수 기호 정보가 생성된다.
다음에, 도 23, 도 26, 및 도 27을 참조하여 전술한 처리에 의해 생성한 기호 정보에 따라, 컨텐츠가 추천되는 처리에 대하여 설명한다.
도 30은, 도 23, 도 26, 및 도 27을 참조하여 전술한 처리에 의해 생성한 기호 정보에 따라, 컨텐츠를 추천하는 경우의, 컨텐츠 추천 서버(4)의 CPU(11)의 기능적 구성예를 나타낸 블록도이다. 이 예에서는, 프로그램의 메타 데이터를 취득하는 메타 데이터 취득부(111), 특정한 사용자의 기호 정보를 취득하는 기호 정보 취득부(112)가 형성되어 있다.
메타 데이터 취득부(111)에 의해 취득된 프로그램의 메타 데이터는, 프로그램 벡터 추출부(113)에 출력되고, 프로그램 벡터 추출부(113)에 있어서, 프로그램 벡터가 추출된다. 또, 기호 정보 취득부(112)에 의해 취득된 기호 정보는, 기호 벡터 추출부(114)에 출력되고, 기호 정보에 따른 기호 벡터가 추출된다. 프로그램 벡터 추출부(113)에 의해 추출된 프로그램 벡터와 기호 벡터 추출부(114)에 의해 추출된 기호 벡터는, 매칭 처리부(115)에 출력되고, 매칭 처리부(115)는, 프로그램 벡터와 기호 벡터의 유사도를 산출한다.
1개의 기호 벡터에 대하여 복수개의 프로그램 벡터와의 유사도가 산출되고, 매칭 처리부(115)는, 유사도가 높은 순으로 소정수의 프로그램 벡터를 선택하고, 선택된 프로그램 벡터에 대응하는 프로그램의 메타 데이터를 정보 출력부(116)에 출력한다.
정보 출력부(116)는, 매칭 처리부(115)에 의해 선택된 프로그램의 메타 데이터를, 예를 들면, 기억부(18)에 기억시킨다.
다음에, 도 31의 플로 차트를 참조하여, 추천 정보 검색 처리에 대하여 설명한다. 스텝 S621에 있어서, 메타 데이터 취득부(111)는, 컨텐츠(프로그램)의 메타 데이터를 취득한다. 이 때, 소정의 기준에 따라, 복수개의 프로그램(예를 들면, 향후 1주간 방송되는 프로그램)의 메타 데이터가 취득된다. 스텝 S622에 있어서, 프로그램 벡터 추출부(113)는, 스텝 S621에서 취득된 프로그램의 메타 데이터에 따라, 프로그램 벡터를 추출한다. 이 때, 도 24를 참조하여 전술한 프로그램 벡터 와 마찬가지로, 복수개의 프로그램의 프로그램 벡터가 추출된다.
스텝 S623에 있어서, 기호 벡터 추출부(114)는, 기호 정보를 취득한다. 이 때, 특정한 사용자의 기호 정보가 취득된다. 스텝 S624에 있어서, 기호 벡터 추출부(114)는, 기호 벡터를 생성한다. 기호 벡터는, 도 25에 나타낸 바와 같은 기호 정보가, 그대로 기호 벡터로서 생성되도록 해도 되고, 기호 정보를 구성하는 특정한 속성이 추출되어 기호 벡터로서 생성되도록 해도 된다.
스텝 S625에 있어서, 매칭 처리부(115)는, 스텝 S622에 있어서 생성된 프로그램 벡터 PP와 스텝 S624에 있어서 생성된 기호 벡터 UP의 코사인 거리를 산출한다. 지금, 벡터 PP와 벡터 UP가 이루는 각을 θ로 하면, cosθ= PP·UP/│PP││UP│로 된다.
예를 들면, 기호 벡터 UP(= (Tup, Gup, Pup, Sup, Hup, ··)에 있어서의 벡터 Pup가, Pup= {(person A-1, person B-1, person C-1)}이며, 프로그램 벡터 PP= (Tm, Gm, Pm, Sm, Hm, ··)에 있어서의 벡터 Pm이, Pm= {(personD-1), (person D-1), person E-1)}인 경우, 코사인 거리 cosθp는, 식(1)에 따라 산출된다.
COSθp= (1·1)/(√3×√3) = 1/3 ... (1)
그리고, 식중 "·"은, 내적(內積)을 나타내고, "×"는 스칼라 연산을 나타낸다.
cosθp 와 마찬가지로 하여, 벡터 Tup, Gup, Sup, Hup, ···와, 벡터 Tm, Gm, Sm, Hm, ···와의 코사인 거리 cosθt, cosθg, cosθs, cosθh, ···가 산출된다.
그리고, 산출된 코사인 거리를 식(2)에 따라 합계하고, 유사도 Sim를 계산한다.
Sim= cosθt + cosθg + cosθp + cosθs + cosθh ···(2)
이같이 하여, 기호 벡터 UP와 프로그램 벡터 PP의 유사도가 산출된다. 그리고, 1개의 기호 벡터 UP에 대하여 복수개의 프로그램 벡터 PP와의 유사도가 산출된다. 이로써, 각각의 프로그램의 메타 데이터에 대하여, 사용자의 기호 정보와의 유사도가 산출된다.
스텝 S626에 있어서, 매칭 처리부(115)는, 유사도가 높은 프로그램의 메타 데이터를 선택하고, 정보 출력부(116)에 출력한다. 이 때, 스텝 S625에서 산출된 유사도에 따라, 유사도가 높은 순서, 즉 Sim의 값이 큰 순서로 소정수(예를 들면, 10)만 프로그램 벡터 PP가 선택되고, 선택된 프로그램 벡터 PP에 대응하는 프로그램의 메타 데이터가 출력된다. 그리고, 유사도가 소정치보다 큰 프로그램 벡터 PP가 모두 선택되고, 선택된 프로그램 벡터 PP에 대응하는 프로그램의 메타 데이터가 출력되도록 해도 된다.
스텝 S627에 있어서, 정보 출력부(116)는, 스텝 S626에서 추출된 프로그램의 컨텐츠 추천 정보를 클라이언트 기기(5)에 송신한다.
이같이 하여, 기호 정보에 따른 프로그램의 추천이 행해진다.
그런데, 프로그램의 추천은, 도 29를 참조하여 설명한 처리에 의해 생성된 특수 기호 정보에 따라 행할 수도 있다. 도 32를 참조하여, 컨텐츠 추천 서버(4)에 의한 특수 추천 정보 검색 처리에 대하여 설명한다. 이 처리는, 예를 들면, 사용자에 의해, 소정의 커맨드를 투입했을 때 실행되도록 해도 되고, 소정의 주기(예를 들면, 1주간)마다 자동적으로 실행되도록 해도 된다.
스텝 S641와 S642의 처리는, 도 31의 스텝 S621와 S622의 처리와 마찬가지의 처리이므로, 그 설명은 생략한다.
스텝 S643에 있어서, 기호 벡터 추출부(114)는, 특수 기호 정보를 취득한다. 이 때, 도 29를 참조하여 전술한 특수 기호 정보 생성 처리에 의해 생성된 특수 기호 정보가 취득된다. 그리고, 스텝 S644에 있어서, 기호 벡터 추출부(114)는, 스텝 S643에서 취득된 특수 기호 정보에 따라, 기호 벡터를 생성한다.
스텝 S645와 SS646의 처리는, 도 23의 스텝 S625와 S626의 처리와 마찬가지의 처리이므로, 그 설명은 생략한다.
스텝 S627에 있어서, 정보 출력부(116)는, 스텝 S646에 있어서 추출된 프로그램의 컨텐츠 추천 정보를 클라이언트 기기(5)에 송신한다.
이같이 하여, 특수 기호 정보에 따라, 컨텐츠의 추천이 행해진다. 전술한 바와 같이, 특수 기호 정보는, 사용자가 처음으로 시청한 프로그램의 메타 데이터에 따라 생성된 것이며, 특수 기호 정보에 따라, 사용자에게 컨텐츠를 추천함으로써, 보다 신선한 인상을 줄 수가 있다.
전술한 일련의 처리는, 소프트 웨어에 의해 실행할 수도 있다. 그 소프트 웨어는, 그 소프트 웨어를 구성하는 프로그램이, 전용의 하드웨어에 내장되어 있는 경우 컴퓨터, 또는 각종의 프로그램을 인스톨함으로써, 각종의 기능을 실행하는 것이 가능한, 예를 들면 범용의 퍼스널 컴퓨터 등에, 기록 매체로부터 인스톨된다.
이 기록 매체는, 도 7, 8에 나타낸 바와 같이, 사용자에게 프로그램을 제공하기 위해 배포되는, 프로그램이 기록되어 있는 자기 디스크(31) 또는 (71)(플렉시블 디스크를 포함함), 광디스크(32) 또는 (72)(CD-ROM(Compact Disk-Read Only Memory), DVD(Digital Versatile Disk)를 포함함), 광자기 디스크(33) 또는 (73)(MD(Mini-Disk)(상표)를 포함함), 또는 반도체 메모리(34) 또는 (74) 등으로 이루어지는 패키지 미디어 등에 의해 구성된다.
또, 본 명세서에 있어서, 기록 매체에 기록되는 프로그램을 기술하는 스텝은, 기재된 순서에 따라 시계열적으로 행해지는 처리는 물론, 반드시 시계열적으로 처리되지 않아도, 병렬적 또는 개별적으로 실행되는 처리도 포함하는 것이다.
그리고, 본 명세서에 있어서, 시스템이란, 복수개의 장치에 의해 구성되는 장치 전체를 나타내는 것이다.
본 발명에 의하면, 컨텐츠의 속성을 나타내는 항목으로부터 생성된 그룹화 항목에 있어서의 그룹마다의 이용 빈도로부터, 컨텐츠 추천을 행할 수 있다.

Claims (15)

  1. 분배되는 컨텐츠의 속성을 나타내는 속성 항목 중 1개 이상의 속성 항목으로 이루어지는 그룹화 항목이 일정 이상의 유사도(類似度)를 가지고 유사한 컨텐츠에, 동일한 그룹 ID를 부여하여 컨텐츠의 그룹화를 행하는 그룹화 수단과,
    상기 그룹 ID마다 컨텐츠의 이용 빈도를 산출하는 산출 수단과,
    상기 산출 수단에 의해 산출된 상기 이용 빈도에 따라 사용자의 기호(嗜好)를 나타내는 사용자 기호 정보를 생성하는 생성 수단과,
    상기 생성 수단에 의해 생성된 상기 사용자 기호 정보에 따라 컨텐츠를 추천하는 추천 수단
    을 구비한 정보 처리 장치.
  2. 제1항에 있어서,
    방송 시간대를 나타내는 속성 항목과, 적어도 1개 이상의 다른 속성 항목으로 이루어지는 그룹화 항목이 설정되어 있고,
    상기 그룹화 수단은, 상기 그룹화 항목에 따라 컨텐츠의 그룹화를 행하는 것을 특징으로 하는 정보 처리 장치.
  3. 제1항에 있어서,
    적어도 방송 시간대를 나타내는 속성 항목으로 이루어지는 상기 그룹화 항목과, 다른 속성 항목으로 이루어지는 상기 그룹화 항목이 설정되어 있고,
    상기 그룹화 수단은, 이들 그룹화 항목에 따라 컨텐츠의 그룹화를 행하는 것을 특징으로 하는 정보 처리 장치.
  4. 제1항에 있어서,
    상기 그룹화 수단은, 컨텐츠의 상기 속성 항목의 내용을 형태소(形態素) 해석하고, 그 결과에 따라 상기 그룹화 항목의 내용의 유사도를 결정하는 것을 특징으로 하는 정보 처리 장치.
  5. 제1항에 있어서,
    상기 생성 수단은, 그룹에 속하는 컨텐츠의 이용 상태가 소정 조건을 만족시키지 못하는 그룹의 이용 빈도를 상기 사용자 기호 정보의 생성에 이용하지 않는 것을 특징으로 하는 정보 처리 장치.
  6. 제1항에 있어서,
    상기 추천 수단은,
    상기 산출 수단에 의해 산출된 상기 이용 빈도가 미리 설정된 값보다 높은지 여부를 판정하는 판정 수단과,
    상기 판정 수단에 의해 상기 이용 빈도가 미리 설정된 값보다 높은 것으로 판정된 경우, 상기 컨텐츠의 추천 정보에 자주 시청되는 컨텐츠인 것을 나타내는 정평(定評) 플래그를 설정하는 설정 수단을 구비한 것을 특징으로 하는 정보 처리 장치.
  7. 제1항에 있어서,
    상기 생성 수단은,
    상기 산출 수단에 의해 산출된 상기 이용 빈도가 미리 설정된 값보다 높은 그룹의 컨텐츠의 메타 데이터를 취득하고, 상기 메타 데이터의 특징량을 나타내는 벡터를 추출하는 추출 수단을 구비하고,
    상기 추출 수단에 의해 추출된 벡터에 따라 상기 기호 정보를 생성하는 것을 특징으로 하는 정보 처리 장치.
  8. 제7항에 있어서,
    상기 생성 수단은,
    상기 산출 수단에 의해 산출된 상기 이용 빈도가 미리 설정된 값보다 높은 그룹의 컨텐츠가 상기 정평 플래그가 설정된 컨텐츠 추천 정보에 대응하는 컨텐츠인지 여부를 판정하는 정평 판정 수단을 구비하고,
    상기 정평 판정 수단에 의해 상기 컨텐츠가 상기 정평 플래그가 설정된 컨텐츠 추천 정보에 대응하는 컨텐츠가 아닌 것으로 판정된 경우, 상기 추출 수단은 컨텐츠의 메타 데이터를 취득하고, 상기 메타 데이터의 특징량을 나타내는 벡터를 추출하는 것을 특징으로 하는 정보 처리 장치.
  9. 제7항에 있어서,
    상기 기호 정보는, 복수개의 속성과 그 속성의 중요도를 나타내는 값에 의해 구성되는 것을 특징으로 하는 정보 처리 장치.
  10. 제7항에 있어서,
    상기 생성 수단은,
    상기 산출 수단에 의해 산출된 상기 이용 빈도에 따라 상기 컨텐츠의 숙지도를 설정하는 숙지도 설정 수단을 구비하고,
    상기 숙지도에 따라 상기 기호 정보의 중요도를 나타내는 값에 중요도를 부여하는 것을 특징으로 하는 정보 처리 장치.
  11. 제7항에 있어서,
    상기 생성 수단은,
    상기 컨텐츠의 이용 이력에 따라 이용 회수가 소정값 이하만 이용된 컨텐츠를 검색하는 검색 수단과,
    상기 검색 수단에 의해 검색된 컨텐츠의 메타 데이터에 따라 특수 기호 정보를 생성하는 특수 기호 정보 생성 수단을 추가로 구비하는 것을 특징으로 하는 정보 처리 장치.
  12. 제11항에 있어서,
    상기 기호 정보 또는 상기 특수 기호 정보의 특징량을 나타내는 벡터를 추출하는 제1 추출 수단과,
    미리 설정된 기간에 방송되는 컨텐츠의 메타 데이터를 취득하고, 상기 메타 데이터의 특징량을 나타내는 벡터를 추출하는 제2 추출 수단과,
    상기 제1 추출 수단에 의해 추출된 벡터와 제2 추출 수단에 의해 추출된 벡터의 유사도를 연산하는 연산 수단을 구비하고,
    상기 추천 수단은, 상기 유사도가 높은 순으로, 미리 설정된 수 만큼 상기 제2 추출 수단에 의해 추출된 벡터를 선택하고, 선택된 벡터의 메타 데이터에 따라 컨텐츠를 추천하는 것을 특징으로 하는 정보 처리 장치.
  13. 분배되는 컨텐츠의 속성을 나타내는 속성 항목 중 1개 이상의 속성 항목으로 이루어지는 그룹화 항목이 일정 이상의 유사도를 가지고 유사한 컨텐츠에, 동일한 그룹 ID를 부여하여 컨텐츠의 그룹화를 행하는 그룹화 스텝과,
    상기 그룹 ID마다 컨텐츠의 이용 빈도를 산출하는 산출 스텝과,
    상기 산출 스텝의 처리에 의해 산출된 상기 이용 빈도에 따라 사용자의 기호를 나타내는 사용자 기호 정보를 생성하는 생성 스텝과,
    상기 생성 스텝의 처리에 의해 생성된 상기 사용자 기호 정보에 따라 컨텐츠를 추천하는 추천 스텝
    을 포함하는 정보 처리 방법.
  14. 분배되는 컨텐츠의 속성을 나타내는 속성 항목 중 1개 이상의 속성 항목으로 이루어지는 그룹화 항목이 일정 이상의 유사도를 가지고 유사한 컨텐츠에, 동일한 그룹 ID를 부여하는 것에 의해 컨텐츠의 그룹화를 제어하는 그룹화 제어 스텝과,
    상기 그룹 ID마다의 컨텐츠의 이용 빈도의 산출을 제어하는 산출 제어 스텝과,
    상기 산출 제어 스텝의 처리에 의해 산출된 상기 이용 빈도에 따라 사용자의 기호를 나타내는 사용자 기호 정보의 생성을 제어하는 생성 제어 스텝과,
    상기 생성 제어 스텝의 처리에 의해 생성된 상기 사용자 기호 정보에 따라 컨텐츠의 추천을 제어하는 추천 제어 스텝
    을 포함하는, 컴퓨터가 판독 가능한 프로그램이 기록되어 있는 기록 매체.
  15. 분배되는 컨텐츠의 속성을 나타내는 속성 항목 중 1개 이상의 속성 항목으로 이루어지는 그룹화 항목이 일정 이상의 유사도를 가지고 유사한 컨텐츠에, 동일한 그룹 ID를 부여하는 것에 의해 컨텐츠의 그룹화를 제어하는 그룹화 제어 스텝과,
    상기 그룹 ID마다의 컨텐츠의 이용 빈도의 산출을 제어하는 산출 제어 스텝과,
    상기 산출 제어 스텝의 처리에 의해 산출된 상기 이용 빈도에 따라 사용자의 기호를 나타내는 사용자 기호 정보의 생성을 제어하는 생성 제어 스텝과,
    상기 생성 제어 스텝의 처리에 의해 생성된 상기 사용자 기호 정보에 따라 컨텐츠의 추천을 제어하는 추천 제어 스텝
    을 포함하는 처리를 컴퓨터에 실행시키는 것을 특징으로 하는 프로그램.
KR1020057010032A 2002-12-12 2003-12-12 정보 처리 장치, 정보 처리 방법, 및 기록 매체 KR101073948B1 (ko)

Applications Claiming Priority (4)

Application Number Priority Date Filing Date Title
JP2002361540 2002-12-12
JPJP-P-2002-00361540 2002-12-12
JPJP-P-2003-00285030 2003-08-01
JP2003285030A JP2004206679A (ja) 2002-12-12 2003-08-01 情報処理装置および方法、記録媒体、並びにプログラム

Publications (2)

Publication Number Publication Date
KR20050085317A true KR20050085317A (ko) 2005-08-29
KR101073948B1 KR101073948B1 (ko) 2011-10-17

Family

ID=32510667

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020057010032A KR101073948B1 (ko) 2002-12-12 2003-12-12 정보 처리 장치, 정보 처리 방법, 및 기록 매체

Country Status (5)

Country Link
US (1) US7873798B2 (ko)
EP (1) EP1571561A4 (ko)
JP (1) JP2004206679A (ko)
KR (1) KR101073948B1 (ko)
WO (1) WO2004053736A1 (ko)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR100979164B1 (ko) * 2007-12-07 2010-08-31 후지쯔 가부시끼가이샤 방송 프로그램의 기록 장치
US7930329B2 (en) 2006-04-27 2011-04-19 Samsung Electronics Co., Ltd. System, method and medium browsing media content using meta data

Families Citing this family (51)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR100745995B1 (ko) * 2003-06-04 2007-08-06 삼성전자주식회사 메타 데이터 관리 장치 및 방법
US8943537B2 (en) * 2004-07-21 2015-01-27 Cox Communications, Inc. Method and system for presenting personalized television program recommendation to viewers
JP4617805B2 (ja) * 2004-09-28 2011-01-26 ソニー株式会社 情報配信システムおよび情報配信方法、情報処理装置および情報処理方法、受信装置および受信方法、並びにプログラム
KR100602435B1 (ko) * 2004-10-11 2006-07-19 (주)토필드 예약녹화장치 및 그 방법
WO2006043498A1 (ja) * 2004-10-18 2006-04-27 Pioneer Corporation 情報処理装置、統計情報データベースのデータ構造、情報生成装置、情報処理方法、情報生成方法、情報処理プログラム、およびそのプログラムを記録した記録媒体
JP4529632B2 (ja) * 2004-10-19 2010-08-25 ソニー株式会社 コンテンツ処理方法およびコンテンツ処理装置
KR100677601B1 (ko) * 2004-11-11 2007-02-02 삼성전자주식회사 메타 데이터를 포함하는 영상 데이터를 기록한 저장매체,그 재생장치 및 메타 데이터를 이용한 검색방법
KR100898353B1 (ko) * 2004-11-25 2009-05-20 가부시키가이샤 스퀘어.에닉스 사용자의 선택 후보가 되는 콘텐츠의 검색 방법
JP4557987B2 (ja) * 2004-12-17 2010-10-06 パナソニック株式会社 コンテンツ推薦装置
JP4655200B2 (ja) * 2005-02-01 2011-03-23 ソニー株式会社 情報処理装置および方法、並びにプログラム
JP3789463B1 (ja) * 2005-02-07 2006-06-21 三菱電機株式会社 推奨番組抽出装置及び推奨番組抽出方法
JP4752623B2 (ja) * 2005-06-16 2011-08-17 ソニー株式会社 情報処理装置、情報処理方法、およびプログラム
JP2007104312A (ja) * 2005-10-04 2007-04-19 Toshiba Corp 電子ガイド情報を用いた情報処理方法およびその装置
JP2007281602A (ja) * 2006-04-03 2007-10-25 Canon Inc 受信装置及び番組予約方法
WO2007126029A1 (ja) * 2006-04-27 2007-11-08 Kyocera Corporation 携帯電話端末、サーバ及びグループ通話システム
JP4847797B2 (ja) * 2006-06-09 2011-12-28 ヤフー株式会社 付加情報データを送信する方法、サーバおよびプログラム
JP2008219342A (ja) * 2007-03-02 2008-09-18 Sony Corp 情報処理装置および方法、並びにプログラム
JP4721066B2 (ja) * 2007-03-16 2011-07-13 ソニー株式会社 情報処理装置、情報処理方法、およびプログラム
US9179086B2 (en) * 2007-05-07 2015-11-03 Yahoo! Inc. System and method for providing dynamically updating applications in a television display environment
JP4717871B2 (ja) 2007-11-06 2011-07-06 シャープ株式会社 コンテンツ視聴装置及びコンテンツ推薦方法
EP2219118A4 (en) * 2007-12-03 2011-01-12 Huawei Tech Co Ltd METHOD FOR CLASSIFYING USERS, METHOD AND DEVICE FOR BEHAVIOR COLLECTION AND ANALYSIS
CN101472117A (zh) * 2007-12-25 2009-07-01 深圳Tcl新技术有限公司 对节目进行选择录制的装置与方法
JP4600521B2 (ja) 2008-06-03 2010-12-15 ソニー株式会社 情報処理装置、情報処理方法、プログラム
JP4596044B2 (ja) 2008-06-03 2010-12-08 ソニー株式会社 情報処理システム、情報処理方法
JP4596043B2 (ja) 2008-06-03 2010-12-08 ソニー株式会社 情報処理装置、情報処理方法、プログラム
WO2009157339A1 (ja) * 2008-06-26 2009-12-30 日本電気株式会社 コンテンツ話題性判定システム、その方法及びプログラム
US8037011B2 (en) * 2008-09-15 2011-10-11 Motorola Mobility, Inc. Method and apparatus for recommending content items
JP4650552B2 (ja) * 2008-10-14 2011-03-16 ソニー株式会社 電子機器、コンテンツ推薦方法及びプログラム
KR20110091382A (ko) * 2010-02-05 2011-08-11 삼성전자주식회사 방송 수신 장치, 방송 프로그램 선택 방법 및 그 저장 매체
US10805102B2 (en) 2010-05-21 2020-10-13 Comcast Cable Communications, Llc Content recommendation system
CN102473196B (zh) * 2010-06-04 2015-08-12 松下电器产业株式会社 内容输出装置、内容输出方法及内容输出集成电路
US20130179513A1 (en) * 2010-11-15 2013-07-11 Nec Corporation Behavior information collection device and behavior information transmission device
JP5578040B2 (ja) * 2010-11-15 2014-08-27 ソニー株式会社 情報処理装置および方法、情報処理システム、並びに、プログラム
US20120272156A1 (en) * 2011-04-22 2012-10-25 Kerger Kameron N Leveraging context to present content on a communication device
US8620917B2 (en) * 2011-12-22 2013-12-31 Telefonaktiebolaget L M Ericsson (Publ) Symantic framework for dynamically creating a program guide
JP5846898B2 (ja) * 2011-12-22 2016-01-20 ニフティ株式会社 情報処理装置、情報処理方法、情報処理システム、及び、プログラム
WO2013145936A1 (ja) * 2012-03-30 2013-10-03 ソニー株式会社 制御装置、制御方法、プログラムおよび制御システム
FR3006542A1 (fr) * 2013-05-30 2014-12-05 France Telecom Programmation d'enregistrement de contenus audiovisuels presents dans une grille de programmes electronique
US9916362B2 (en) * 2013-11-20 2018-03-13 Toyota Jidosha Kabushiki Kaisha Content recommendation based on efficacy models
JP6185379B2 (ja) * 2013-12-02 2017-08-23 株式会社Ｎｔｔドコモ レコメンド装置およびレコメンド方法
JP6147682B2 (ja) * 2014-02-14 2017-06-14 株式会社Ｎｔｔドコモ レコメンド装置及びレコメンド方法
US11455086B2 (en) 2014-04-14 2022-09-27 Comcast Cable Communications, Llc System and method for content selection
US11553251B2 (en) 2014-06-20 2023-01-10 Comcast Cable Communications, Llc Content viewing tracking
US10776414B2 (en) 2014-06-20 2020-09-15 Comcast Cable Communications, Llc Dynamic content recommendations
US10051036B1 (en) 2015-01-23 2018-08-14 Clarifai, Inc. Intelligent routing of media items
US10362978B2 (en) 2015-08-28 2019-07-30 Comcast Cable Communications, Llc Computational model for mood
CN105787759A (zh) * 2016-02-23 2016-07-20 北京金山安全软件有限公司 一种获取用户属性的方法、装置及电子设备
BR112018070310A2 (pt) * 2016-04-06 2019-02-19 Telefonica Digitial Espana S L U método para descoberta de conteúdo multimídia, sistema para descoberta de conteúdo multimídia, e produto de programa de computador
WO2019138426A1 (en) * 2018-01-11 2019-07-18 Chandra Vikramaditya Method and system for customized content
JP6902636B1 (ja) * 2020-01-28 2021-07-14 株式会社電通 予測装置、予測方法、及び予測プログラム
JP7090777B1 (ja) 2021-04-30 2022-06-24 株式会社ビデオリサーチ コンテンツ推奨装置、及びコンテンツ推奨方法

Family Cites Families (17)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP3502114B2 (ja) 1992-10-14 2004-03-02 株式会社日立製作所 情報サービスシステム
US6163316A (en) * 1997-01-03 2000-12-19 Texas Instruments Incorporated Electronic programming system and method
US6020880A (en) 1997-02-05 2000-02-01 Matsushita Electric Industrial Co., Ltd. Method and apparatus for providing electronic program guide information from a single electronic program guide server
JP3418540B2 (ja) * 1997-12-26 2003-06-23 松下電器産業株式会社 蓄積型情報放送システムと、このシステムの受信端末装置
EP1114554A1 (en) 1998-07-20 2001-07-11 Mate - Media Access Technologies Ltd A method of automatic selection of video channels
US6370526B1 (en) * 1999-05-18 2002-04-09 International Business Machines Corporation Self-adaptive method and system for providing a user-preferred ranking order of object sets
US7019778B1 (en) * 1999-06-02 2006-03-28 Eastman Kodak Company Customizing a digital camera
JP2001092832A (ja) 1999-09-21 2001-04-06 Matsushita Electric Ind Co Ltd 情報推薦方法
FI110211B (fi) 1999-12-31 2002-12-13 Nokia Corp Valaistusolosuhteiden mittaus
JP4608740B2 (ja) * 2000-02-21 2011-01-12 ソニー株式会社 情報処理装置および方法、並びにプログラム格納媒体
SE0000988L (sv) * 2000-03-22 2001-09-23 Nokia Corp Kommunikationssätt samt system och terminal som utnyttjar detta sätt
US7581237B1 (en) * 2000-10-30 2009-08-25 Pace Plc Method and apparatus for generating television program recommendations based on prior queries
WO2002042959A2 (en) * 2000-11-22 2002-05-30 Koninklijke Philips Electronics N.V. Television program recommender with interval-based profiles for determining time-varying conditional probabilities
JP3672023B2 (ja) * 2001-04-23 2005-07-13 日本電気株式会社 番組推薦システムおよび番組推薦方法
US20030135513A1 (en) * 2001-08-27 2003-07-17 Gracenote, Inc. Playlist generation, delivery and navigation
KR100438857B1 (ko) * 2001-09-26 2004-07-05 엘지전자 주식회사 사용자 선호도 기반 멀티미디어 검색 시스템
US6987221B2 (en) * 2002-05-30 2006-01-17 Microsoft Corporation Auto playlist generation with multiple seed songs

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7930329B2 (en) 2006-04-27 2011-04-19 Samsung Electronics Co., Ltd. System, method and medium browsing media content using meta data
KR100979164B1 (ko) * 2007-12-07 2010-08-31 후지쯔 가부시끼가이샤 방송 프로그램의 기록 장치

Also Published As

Publication number Publication date
JP2004206679A (ja) 2004-07-22
KR101073948B1 (ko) 2011-10-17
US20060047678A1 (en) 2006-03-02
EP1571561A4 (en) 2010-03-03
WO2004053736A1 (ja) 2004-06-24
EP1571561A1 (en) 2005-09-07
US7873798B2 (en) 2011-01-18

Similar Documents

Publication Publication Date Title
KR101073948B1 (ko) 정보 처리 장치, 정보 처리 방법, 및 기록 매체
US8402487B2 (en) Program selection support device
US9402101B2 (en) Content presentation method, content presentation device, and program
JP5143747B2 (ja) 広告配信システム、広告配信サーバ、広告配信方法、プログラム及び記録媒体
US20070044122A1 (en) Program recommendation system
US8316014B2 (en) Recording medium storing information attachment program, information attachment apparatus, and information attachment method
US20060271958A1 (en) TV program selection support system
US20150178379A1 (en) Information-processing apparatus, method, system, computer-readable medium and method for automatically recording or recommending content
US20030106058A1 (en) Media recommender which presents the user with rationale for the recommendation
US20050177846A1 (en) Contents extraction method, contents extraction apparatus, contents information display method and apparatus
US8174579B2 (en) Related scene addition apparatus and related scene addition method
KR20100116412A (ko) 동영상 장면 기반 광고정보 제공장치 및 방법
JP2002171231A (ja) 放送番組案内システム、放送番組案内方法、放送番組案内装置及び放送端末装置と、それらの装置の実現に用いられるプログラム記録媒体
US20100031294A1 (en) Information processing apparatus and method, and recording medium
US20120013805A1 (en) Apparatus and method for displaying content
KR20050012289A (ko) 정보 처리 장치 및 방법, 및 프로그램
JP6150780B2 (ja) 情報処理装置、情報処理方法およびプログラム
US8145657B2 (en) Identifying broadcast programs that may be of interest to a user
US8352985B2 (en) Method of storing and displaying broadcast contents and apparatus therefor
JP2006094018A (ja) 番組推薦装置、番組推薦方法、プログラムおよびそのプログラムを記録した記録媒体
KR20130025491A (ko) 방송 콘텐츠 추천 장치 및 방법
US20220217447A1 (en) Searching for and prioritizing audiovisual content using the viewer's age
AU769098B2 (en) Method and system utilizing text selected on a web page for searching in a database of television programs
JP2001275056A (ja) 番組ガイド装置、推論装置および推論方法
JP2006155336A (ja) 情報処理装置、データ取得制御装置、情報処理方法、および、そのプログラム

Legal Events

Date Code Title Description
A201 Request for examination
E902 Notification of reason for refusal
E701 Decision to grant or registration of patent right
GRNT Written decision to grant
LAPS Lapse due to unpaid annual fee