WO2004054246A1 - 情報処理装置および情報処理方法、記録媒体、並びにプログラム - Google Patents

Abstract

本発明は、正履歴ベクトルおよび負履歴ベクトルを生成することができるようにする情報処理装置および情報処理方法、記録媒体、並びにプログラムに関する。ステップＳ７１で初期登録内容より負履歴ベクトルが生成される。ステップＳ７２で初期登録内容が変更されていないと判断され、ステップＳ７３で操作ログが供給されたと判断された場合、ステップＳ７４で供給された操作ログは正履歴であるか否かが判断される。供給された操作ログが正履歴であれば、ステップＳ７５で、操作ログに対応する番組ベクトルが正履歴として追加保存され、ステップＳ７６で、番組ベクトルの総和より正履歴ベクトルが生成される。供給された操作ログが負履歴であれば、ステップＳ７７で、操作ログに対応する番組ベクトルが負履歴として追加保存され、ステップＳ７８で、番組ベクトルの総和から負履歴ベクトルが生成される。本発明は、番組推薦処理装置に適用できる。

Description

明細書

情報処理装置および情報処理方法、 記録媒体、 並びにプログラム

技術分野

本発明は、 情報処理装置および情報処理方法、 記録媒体、 並びにプログラムに 関し、 特に、 テレビジョン放送やラジオ放送などの番組や、 ストリーミングデー タなどを視聴するユーザに対して、 例えば、 —自動録画や番組などの推薦を行う場 合に用いて好適な、 情報処理装置および情報処理方法、 記録媒体、 並びにプログ ラムに関する。

背景技術

従来、 例えば、 テレビジョン放送やラジオ放送などにおいて、 ユーザに対して 番組を推薦する場合には、 電子番組ガイド （E P G： Electronic Program Guide) などの番組情報 （番組メタデータ） を基に、 ユーザの嗜好情報にマッチ ングする番組が選択された。 ユーザへの番組の推薦方法は、 ユーザ嗜好データの 取得の方法によって異なり、 例えば、 初期にユーザの興味に関する情報を登録し てもらい、 その情報に基づいて、 番組を推薦する初期興味登録方式、 ユーザが過 去に視聴した番組の履歴を利用して、 番組を推薦する視聴履歴利用方式、 あるい は、 他のユーザの視聴履歴を利用して、 番組を推薦する協調フィルタリング方式 などの方法があった。

初期興味登録方式では、 利用開始時に、 例えば、 好きな番組カテゴリー （例え ば、 ドラマ、 バラエティ、 など） 、 好きなジャンル （推理もの、 お笑いもの、 な ど） 、 または、 好きなタレント名などをユーザに登録してもらい、 これらの情報 をキーワードとして、 番組メタデータとの間でマッチングを取ることにより、 推 薦すべき番組名が取得されるようになされている。

また、 視聴履歴利用方式では、 ユーザが番組を視聴するたびに、 視聴された番 組メタデータが蓄積され、 ある程度、 履歴メタデータが蓄積されると、 そのメタ データが解析されて、 例えば、 好きな番組カテゴリー、 好きなジャンル、 または、 好きなタレント名などの情報が取得される。 そして、 これらの情報をキーワード として、 番組メタデータとの間でマッチングを取ることにより、 推薦すべき番組 名が取得されるようになされている。

例えば、 HDD (Hard Disk Drive) を用いた録画装置などにおいては、 視聴履 歴のみならず、 録画予約、 または、 録画などのユーザ操作が履歴情報として蓄積 され、 嗜好情報の取得に用いられることもある。 この場合、 ユーザが、 特に興味 を持って番組を視聴しているのではなく、 テレビジョン受像機やラジオなどをつ けていたために視聴していた状態になっていた番組と、 ユーザが、 より興味を持 つて、 意識的に視聴した番組を一部区別することが可能となり、 ユーザの嗜好を より反映した情報を取得できる。

そして、 協調フィルタリング方式は、 第 1のユーザの視聴や操作の履歴に対し て、 その他のユーザの視聴履歴との間でマッチングを取ることにより、 第 1のュ 一ザと視聴履歴の似ている第 2のユーザを検索し、 その視聴または操作の履歴デ ータを取得することにより、 第 2のユーザが視聴した番組で、 第 1のユーザがま だ視聴していない番組を抽出して推薦するものである。

また、 放送番組に、 予め、 番組の属性情報として、 n次元の属性べク トルを付 加し、 ユーザの初期登録内容や、 ユーザが再生、 または録画予約した番組の属性 ベタトルの各属性項目の平均値を基に生成された選択べク トルと、 属性べク トル とを比較することにより、 録画する番組、 または、 再生する番組を選択すること ができるようになされている技術がある （例えば、 特開 2 0 0 1— 1 6 0 9 5 5 号公報） 。

しかしながら、 初期登録方式を基に、 番組を選択する場合、 ユーザが初期登録 を行った時期の固定的な興味しか反映できない上、 詳細な情報を得るためには、 ユーザの登録操作が複雑になってしまう。 これに対して、 初期設定の登録情報の 入力操作を簡単にするために、 登録される情報数を少なくしてしまった場合、 大 まかなユーザの嗜好情報を基にした推薦しかできないので、 ユーザの嗜好に合致 する番組が選択される精度が低いものとなってしまう。

これに対して、 履歴利用方式などのように、 単純にユーザの視聴履歴などを基 に収集したメタデータの総和、 または平均などを用いて、 番組を選択する場合、 履歴がある程度蓄積されないと、 ユーザの嗜好に正しく合致した番組を推薦する ことができない。 更に、 履歴利用方式では、 メタデータ間の関係性がなまってし まい、 充分な個人化はできなかった。 また履歴を積み重ねることにより、 例えば、 ジャンルなど、 履歴として重なり易い項目 （ユーザが嗜好するものとして検出さ れやすい項目） と、 出演者など、 履歴として要素が広がり易い項目 （ユーザが嗜 好するものとして検出されにくい項目） とで、 重み付けに偏りが生じてしまう場 合がある。

具体的には、 例えば、 ユーザが解説者 Aのファンであるので、 「解説者 Aが解 説している球団 Bの試合の実況中継」 を好んで視聴しているような場合、 ジヤン ルである 「野球の実況中継」 という情報は履歴として重なりやすい （ 「野球の実 況中継」 という情報は、 ユーザが嗜好するものとして検出されやすい） 力 出演 者である 「解説者 A」 という情報は履歴として重なり難い （ 「解説者 A」 という 情報は、 ユーザが嗜好するものとして検出され難い） 。 このため、 他の解説者が 解説している球団 Bの試合の実況中継が推薦されて、 解説者 Aが出演しているバ ラエティ番組が推薦されないような場合が発生する。

また、 特開 2 0 0 1— 1 6 0 9 5 5号公報に示されるように、 放送番組に、 予 め、 番組の属性べクトルを付加し、 ユーザの初期登録内容や、 ユーザが再生、 ま たは録画予約した番組の属性べク トルの各属性項目の平均値を基に生成された選 択べク トルと、 属性べクトルとを比較することにより、 録画する番組、 または、 再生する番組を選択するようにした場合も、 ユーザの操作履歴を利用するのであ るから、 同様に、 履歴として重なり易い項目と、 出演者など、 履歴として要素が 広がり易い項目とで、 重み付けに偏りが生じてしまう場合がある。 更に、 例えば、 ドラマが好きで、 バラエティは、 ほとんどドラマに出演しない コメディアン Aが出演するもののみを好み、 バラエティ対ドラマの視聴比率が 2 ： 8であるユーザに対して生成される選択べク トルにおいては、 ほとんどドラ マに出演しないコメディアン Aよりも、 特に好きな俳優でないにもかかわらず、 ドラマに頻繁に出演する出演者 Bが履歴として重なってしまう。 従って、 コメデ イアン Aが出演するバラエティよりも、 ドラマに頻繁に出演する出演者 Bが出演 するドキュメンタリ一が優先的に推薦されてしまう。

また、 ユーザによって、 番組を選択するために重要な項目が異なる （例えば、 出演者重視や内容重視など） 場合にも、 全ての項目が同様に演算されるため、 ュ 一ザ固有の嗜好が反映されない場合があった。

また、 協調フィルタリング方式で利用されるのは、 あくまで他のユーザの嗜好 情報であるので、 それぞれのユーザの嗜好を詳細に表す情報を抽出することは困 難であった。 発明の開示

本発明はこのような状況に鑑みてなされたものであり、 ユーザの嗜好に合致し た番組を選択することができるようにするものである。

本発明の情報処理装置は、 コンテンツの属性情報を取得する属性情報取得手段 と、 ユーザの操作履歴を取得する操作履歴取得手段と、 操作履歴取得手段により 取得された操作履歴を基に、 ユーザの嗜好の正の要因を示す第 1の嗜好情報と、 ユーザの嗜好の負の要因を示す第 2の嗜好情報を生成する嗜好情報生成手段と、 第 1の嗜好情報と属性情報との類似度、 および、 第 2の嗜好情報と属性情報との 類似度を、 それぞれ独立に算出することにより、 ユーザに視聴を推薦するコンテ ンッを示す推薦情報を生成する推薦情報生成手段とを備えることを特徴とする。 嗜好情報生成手段により生成された第 1の嗜好情報および第 2の嗜好情報、 並 びに、 属性情報取得手段により取得された属性情報は、 それぞれ、 複数の項目で 構成されたものであるとすることができ、 嗜好情報生成手段には、 操作履歴取得 手段により取得された操作履歴の項目のいずれかに着目させて、 着目した項目の 要素別に、 第 1の嗜好情報および第 2の嗜好情報を生成させるようにすることが でき、 推薦情報生成手段には、 属性情報の要素に対応した第 1の嗜好情報と第 2 の嗜好情報とを抽出させて、 属性情報との類似度を算出させるようにすることが できる。

推薦情報生成手段には、 第 1の嗜好情報と属性情報との類似度、 および、 第 2 の嗜好情報と属性情報との類似度の独立した算出結果を基に、 いずれとも類似度 が低いコンテンツを示す推薦情報を生成させるようにすることができる。

嗜好情報生成手段により生成された第 1の嗜好情報および第 2の嗜好情報、 並 びに、 属性情報取得手段により取得された属性情報は、 所定の項目ごとにベタト ル化されているものとすることができる。

コンテンツの属性情報、 並びに、 第 1の嗜好情報および第 2の嗜好情報のうち の少なくとも一部を、 項目ごとに正規化する正規化処理手段を更に備えさせるよ うにすることができ、 推薦情報生成手段には、 少なくとも一部が正規化処理手段 により正規化されたコンテンッの属性情報と第 1の嗜好情報および第 2の嗜好情 報との類似度を、 それぞれ独立に算出することにより、 推薦情報を生成させるよ うにすることができる。

推薦情報生成手段には、 嗜好情報生成手段により生成された第 1の嗜好情報お よび第 2の嗜好情報と、 属性情報取得手段により取得された属性情報との内積演 算を基に、 推薦情報を生成させるようにすることができる。

所定の項目は、 大項目と、 大項目を更に詳細に分類する小項目で構成されるも のとすることができ、 推薦情報生成手段には、 嗜好情報生成手段により生成され た第 1の嗜好情報おょぴ第 2の嗜好情報と、 属性情報取得手段により取得された 属性情報とを、 大項目ごとにそれぞれ内積演算し、 それらの内積演算結果の総和 を基に、 推薦情報を生成させるようにすることができる。

操作履歴取得手段には、 取得した操作履歴を、 ユーザが好むコンテンツを示す 第 1の操作履歴と、 ユーザが好まないコンテンツを示す第 2の操作履歴とに分類 させるようにすることができ、 嗜好情報生成手段には、 第 1の操作履歴を基に、 第 1の嗜好情報を生成させるようにすることができ、 第 2の操作履歴を基に、 第 2の嗜好情報生成させるようにすることができる。

推薦情報生成手段には、 嗜好情報生成手段により生成された第 1の嗜好情報と、 属性情報取得手段により取得された属性情報との類似度から、 嗜好情報生成手段 により生成された第 2の嗜好情報と、 属性情報取得手段により取得された属性情 報との類似度を減算した値を基に、 推薦情報を生成させるようにすることができ る。

推薦情報生成手段により生成された推薦情報を表示する表示手段を更に備えさ せるようにすることができる。

コンテンッを受信する受信手段と、 推薦情報生成手段により生成された推薦情 報に基づいて、 受信手段により受信されるコンテンツの選択を制御する選択制御 手段とを更に備えるさせるようにすることができる。

選択制御手段により受信が選択されたコンテンツを記録する記録手段を更に備 えさせるようにすることができる

本発明の情報処理方法は、 ユーザの操作履歴を取得する操作履歴取得ステップ と、 操作履歴取得ステップの処理により取得された操作履歴を基に、 ユーザの嗜 好の正の要因を示す第 1の嗜好情報と、 ユーザの嗜好の負の要因を示す第 2の嗜 好情報を生成する嗜好情報生成ステップと、 第 1の嗜好情報と属性情報との類似 度、 および、 第 2の嗜好情報と属性情報との類似度を、 それぞれ独立に算出する ことにより、 ユーザの嗜好と合致したコンテンツを示す推薦情報を生成する推薦 情報生成ステップとを含むことを特徴とする。

本発明の記録媒体に記録されているプログラムは、 ユーザの操作履歴を取得す る操作履歴取得ステップと、 操作履歴取得ステツプの処理により取得された操作 履歴を基に、 ユーザの嗜好の正の要因を示す第 1の嗜好情報と、 ユーザの嗜好の 負の要因を示す第 2の嗜好情報を生成する嗜好情報生成ステップと、 第 1の嗜好 情報と属性情報との類似度、 および、 第 2の嗜好情報と属性情報との類似度を、 3 015926

7

それぞれ独立に算出することにより、 ユーザの嗜好と合致したコンテンツを示す 推薦情報を生成する推薦情報生成ステップとを含むことを特徴とする。

本発明のプログラムは、 ユーザの操作履歴を取得する操作履歴取得ステツプと、 操作履歴取得ステップの処理により取得された操作履歴を基に、 ユーザの嗜好の 正の要因を示す第 1の嗜好情報と、 ユーザの嗜好の負の要因を示す第 2の嗜好情 報を生成する嗜好情報生成ステップと、 第 1の嗜好情報と属性情報との類似度、 および、 第 2の嗜好情報と属性情報との類似度を、 それぞれ独立に算出すること により、 ユーザの嗜好と合致したコンテンツを示す推薦情報を生成する推薦情報 生成ステップとを含むことを特徴とする。

本発明の情報処理装置および情報処理方法、 並びにプログラムにおいては、 ュ 一ザの操作履歴を基に、 ユーザの嗜好の正の要因を示す第 1の嗜好情報と、 ユー ザの嗜好の負の要因を示す第 2の嗜好情報が生成され、 第 1の嗜好情報と属性情 報との類似度、 および、 第 2の嗜好情報と属性情報との類似度が、 それぞれ独立 に算出されることにより、 ユーザに視聴を推薦するコンテンツを示す推薦情報が 生成される。 図面の簡単な説明

図 1は、 テレビジョン番組放送、 およびストリームデータの配信について説明 する図である。

図 2は、 図 1の配信サーバの構成を示すプロック図である。

図 3は、 番組べク トル生成処理 1について説明するフローチャートである。 図 4は、 E P Gデータを説明する図である。

図 5は、 番組べク トルについて説明する図である。

図 6は、 番組べク トル生成処理 2について説明するフローチャートである。 図 7は、 グループ化処理 1について説明するフローチャートである。

図 8は、 グループ化処理 2について説明するフローチヤ一トである。

図 9は、 タイトルグループ化処理 1について説明するフローチヤ一トである。 図 1 0は、 タイトルグループ化処理 2について説明するフローチヤ一トである。 図 1 1は、 タイトルグループ化処理 3について説明するフローチャートである。 図 1 2は、 タイトルグループ化処理 4について説明するフローチャートである。 図 1 3は、 図 1の番組推薦処理装置の構成を示すブロック図である。

図 1 4は、 正履歴べク トルおよび負履歴べクトル生成処理 1について説明する フローチヤ一トである。

図 1 5は、 正履歴べク トルを説明する図である。

図 1 6は、 正履歴べク トルおよび負履歴べクトル生成処理 2について説明する フローチヤ一トである。

図 1 7は、 マッチング処理 1について説明するフローチヤ一トである。

図 1 8は、 マッチング処理 2について説明するフローチャートである。

図 1 9は、 マッチング処理 3について説明するフローチヤ一トである。

図 2 0は、 マッチング処理 4について説明するフローチヤ一トである。

図 2 1は、 マッチング処理 5について説明するフローチヤ一トである。

図 2 2は、 ユーザ側効き目べク トル生成処理 1について説明するフローチヤ一 トである。

図 2 3は、 ユーザ側効き目べク トル生成処理 2について説明するフローチヤ一 トである。

図 2 4は、 ユーザ側効き目べク トル生成処理 3について説明するフローチヤ一 トである。

図 2 5は、 ユーザ側効き目べク トル生成処理 4について説明するフローチヤ一 トである。

図 2 6は、 ユーザ側反効き目べクトル生成処理 1について説明するフローチヤ ートである。

図 2 7は、 ユーザ側反効き目べク トル生成処理 2について説明するフローチヤ 一トである。 図 2 8は、 グループ推薦を含むマッチング処理について説明するフローチヤ一 トである。

図 2 9は、 ユーザモデルを用いたマッチング処理について説明するフローチヤ ートである。

図 3 0は、 例外推薦処理について説明するフローチヤ一トである。

図 3 1は、 図 1のテレビジョン受信装置の構成を示すプロック図である。

図 3 2は、 図 1のテレビジョン表示装置の構成を示すプロック図である。

図 3 3は、 推薦情報表示処理について説明するフローチャートである。

図 3 4は、 自動チャンネル設定処理について説明するフローチヤ一トである。 図 3 5は、 図 1の録画再生装置の構成を示すプロック図である。

図 3 6は、 自動録画処理について説明するフローチヤ一トである。

図 3 7は、 配信サーバの異なる構成例を示すブロック図である。

図 3 8は、 番組推薦処理装置の異なる構成例を示すブロック図である。

図 3 9は、 テレビジョン番組放送、 およびス トリームデータの配信のためのネ ットワークの異なる例について説明する図である。

図 4 0は、 配信サーバの異なる構成例を示すブロック図である。 発明を実施するための最良の形態

以下、 図を参照して、 本発明の実施の形態について説明する。

図 1を用いて、 テレビジョン番組放送、 およびス トリームデータの配信につい て説明する。

放送局 1は、 地上波の番組放送を送信するか、 もしくは、 衛星 2を介して衛星 波の番組放送を送信する。 図 1においては、 放送局 1を 1つだけ図示して説明し ているが、 放送局 1力 複数存在することは言うまでもない。 テレビジョン受信 装置 4のアンテナ 3は、 地上波、 または衛星波の番組放送を受信する。 放送信号 には、 必要に応じて、 E P G (El ectroni c Program Guide) が含まれている。 P T/JP2003/015926

10

配信サーバ 5は、 ストリーミングデータデータベース 6から、 ス トリーミング データを読み出し、 インターネットその他のネットワークを含むネットワーク 8 を介して、 テレビジョン受信装置 4に配信するとともに、 メタデータデータべ一 ス 7から、 放送局 1から放送される番組に関する情報である E PG、 あるいは、 E PGよりも詳細な情報を含むメタデータを読み出して、 番組ごとに、 番組べク トル PPを生成し、 E PGデータとともに、 ネッ トワーク 8を介して、 E P G受 信装置 9に配信する。

一般的な放送信号に重畳される E P Gの情報量が、 以下に説明する処理に十分 な情報である場合、 処理には、 一般的な放送信号に重畳される E PGと同一のも のを利用するようにしても良い。 また、 一般的な放送信号に重畳される E P Gの 情報量が、 以下に説明する処理に十分な情報であるとはいえない場合、 処理には、 一般的な放送信号に重畳される E PGに加えて、 もしくは単独で、 メタデータを 利用するようにしても良い。 以下、 一般的な放送信号に重畳される E PGでは、 処理に十分な情報量がないため、 本実施の形態では、 メタデータを含む情報を利 用するものとし、 この情報を、 E PGデータと総称するものとする。

E PG受信装置 9は、 配信された E PGデータを、 テレビジョン受信装置 4に 供給する。 また、 E PG受信装置 9は、 E PGデータとともに配信された番組べ ク トル PPを、 番組推薦処理装置 1 0に供給する。

チューナを有するテレビジョン受信装置 4は、 操作部を有するテレビジョン表 示装置 1 1、 または、 録画再生装置 1 2から供給されるチャンネルの選択を示す 制御信号に基づいて、 アンテナ 3を介して、 地上波、 または衛星波の放送信号を 選局して受信するとともに、 ネットワーク 8を介して、 配信サーバ 5から、 ス ト リーミングデータの配信を受ける。 また、 テレビジョン受信装置 4は、 E P G受 信装置 9から、 E PGデータの供給を受け、 テレビジョン表示装置 1 1、 または、 録画再生装置 1 2に供給する。 なお、 テレビジョン受信装置 4は、 受信した放送 波に、 E P Gが含まれていた場合、 番組の信号と分離して、 それぞれ、 テレビジ ヨン表示装置 1 1、 または、 録画再生装置 1 2に供給する。 番組推薦処理装置 1 0は、 E P G受信装置 9から、 番組べク トル PPを取得す るとともに、 テレビジョン表示装置 1 1およぴ録画再生装置 1 2から、 操作口グ を取得し、 これらの情報、 または、 ユーザの操作入力を基に、 ユーザの嗜好に合 致した番組を推薦するための推薦情報を生成し、 テレビジョン表示装置 1 1およ び録画再生装置 1 2に供給する。

テレビジョン表示装置 1 1は、 ユーザの操作入力を基に、 テレビジョン受信装 置 4から供給された放送信号、 または、 録画再生装置 1 2から供給された再生信 号を表示したり、 番組推薦処理装置 1 0から供給された推薦情報を基に、 チャン ネルを自動設定したり、 推薦番組情報を表示する。 テレビジョン表示装置 1 1は、 ユーザの操作履歴である操作ログを番組推薦処理装置 1 0に供給する。

録画再生装置 1 2は、 ユーザの操作入力を基に、 テレビジョン受信装置 4から 供給された放送信号を、 装着された記録媒体、 または、 内蔵する記録媒体 （例え ば、 ハードディスク) に録画したり、 番組推薦処理装置 1 0から供給された推薦 情報を基に、 テレビジョン受信装置 4から供給された放送信号を、 装着された記 録媒体、 または、 内蔵する記録媒体に自動録画する。 また、 録画再生装置 1 2は、 装着された記録媒体、 または、 内蔵する記録媒体に録画されている番組を再生し、 テレビジョン表示装置 1 1に出力して表示させる。 更に、 録画再生装置 1 2は、 ユーザの操作履歴である操作ログを番組推薦処理装置 1 0に供給する。

ここでは、 E P G受信装置 9、 テレビジョン受信装置 4、 番組推薦処理装置 1 0、 テレビジョン表示装置 1 1、 および、 録画再生装置 1 2を、 それぞれ異なる 装置として説明したが、 これらの装置は、 個別に構成されなくてもよい。 例えば、 E P G受信装置 9、 テレビジョン受信装置 4、 および、 テレビジョン表示装置 1 1を、 チューナ機能を内蔵したテレビジョン受像機 1 5— 1として、 一体的に構 成するようにしても良いことは、 言うまでもない。 更に、 録画再生装置 1 2も一 体的に構成して、 録画機能を有するテレビジョン受像機 1 5— 2として構成する ようにしても良い。 この録画再生装置 1 2は、 記録媒体として、 大容量のハード ディスクを有する、 いわゆるハードディスクレコーダであってもよいことは言う までもない。 また、 番組推薦処理装置 1 0を、 チューナ機能を内蔵したテレビジ ヨン受像機 1 5— 1に内蔵して、 テレビジョン受像機 1 5— 3としても、 または、 録画機能を有するテレビジョン受像機 1 5— 2に内蔵して、 テレビジョン受像機 1 5— 4とするようにしても良い。

図 2は、 配信サーバ 5の構成を示すブロック図である。

データ取得部 2 1は、 メタデータデータベース 7およびストリーミングデータ データベース 6からデータを取得し、 データ送信部 2 5に供給するとともに、 E P Gデータを、 メタデータ抽出部 2 2に供給する。 また、 データ取得部 2 1は、 メタデータデータベース 7に登録されている E P Gデータを、 その内容により、 グループ化する処理を実行する。

メタデータ抽出部 2 2は、 データ取得部 2 1から供給された E P Gデータから、 番組べクトル PPを生成するために必要なデータを抽出し、 番組べクトル生成部 2 3に供給する。 番組べクトル生成部 2 3は、 メタデータを基に、 番組べク トル PPを生成し、 必要に応じて、 データ記憶部 2 4に記憶されている番組側効き目 ベタ トル EfPPを対応付けて、 データ送信部 2 5に供給する。

データ記憶部 2 4は、 番組べク トル PPを生成する場合に必要な情報である番 組側効き目ベク トル EfPPを、 必要に応じて記憶する。

いかに視聴率を稼ぐかという制作側、 放送側の観点に基づいて、 例えば、 教養 系番組においては、 ジャンルや内容の要素が強いという特性、 バラエティ番組な どにおいては、 出演者の要素が強いという特性、 ドラマなどにおいては、 出演者 および脚本家の要素が強いという特性がある。 番組の特徴を正しく抽出するため には、 これらの特性を利用する必要がある。 すなわち、 番組ベクトル PPを構成 する要素のうち、 ユーザの嗜好に合致した番組を推薦するために実行されるマツ チング処理において、 どの要素が重要であるかは、 番組のジャンルによって異な る。

すなわち、 番組のジャンルが 「教養 'ドキュメント」 である場合、 重要な項目 は、 出演者ではなく、 その内容や題名である。 これに対して、 番組のジャンルが 「バラエティ」 のとき、 重要な項目は出演者であり、 番組のジャンルが 「ドラ マ」 であるとき、 重要な項目は、 出演者と脚本家である。 これらを番組ベク トル PPの生成に利用する場合、 番組のジャンル別に、 項目ごとの、 マッチング処理 における寄与の度合いを規定する番組側効き目べク トルが設定され、 データ記憶 部 2 4に記憶される。

データ送信部 2 5は、 データ取得部 2 1から供給された、 E P Gデータおょぴ ストリーミングデータ、 並びに、 番組べク トル生成部 2 3から供給された番組べ タトル PP、 および、 番組側効き目ベクトル EfPPを、 ネットワーク 8を介して、 E P G受信装置 9、 または、 テレビジョン受信装置 4に送信する。

また、 番組ベク トル生成部 2 3には、 必要に応じて、 ドライブ 2 6が接続され る。 ドライプ 2 6には、 必要に応じて、 磁気ディスク 3 1、 光ディスク 3 2、 光 磁気ディスク 3 3、 および半導体メモリ 3 4が装着され、 データの授受を行う。 次に、 図 3のフローチャートを参照して、 配信サーバ 5が実行する番組べタト ル生成処理 1について説明する。

ステップ S 1において、 データ取得部 2 1は、 メタデータデータベース 7から、 メタデータで構成されている E P Gデータの供給を受ける。

ステップ S 2において、 メタデータ抽出部 2 2は、 データ取得部 2 1から E P Gデータの供給を受け、 番組べクトル PPを生成するために必要なメタデータを 抽出し、 番組べクトル生成部 2 3に出力する。

図 4に、 メタデータの例を示す。 メタデータには、 例えば、 ジャンルとして

「映画一邦画」 、 映画の題名として 「東海道三谷怪談」 、 放送された年月日およ び配給元のデータ、 放送の日時、 放送する放送局名、 並びに、 放送時刻などが含 まれている。 更に、 メタデータ は、 監督名、 脚本家名、 撮影者 （カメラマン） 、 音楽担当者、 出演者などのデータ、 および、 この番組の内容として、 映画の解説 などが含まれている。

ステップ S 3において、 番組べクトル生成部 2 3は、 メタデータに含まれてい る、 タイ トル、 内容などを、 必要に応じて形態素解析し、 単語に分解する。 具体 的には、 番組ベクトル生成部 2 3は、 メタデータに含まれている映画の題名をタ ィトルとして、 「東海道」 、 「三谷」 、 「怪談」 の 3つの単語に分解する。 また、 番組ベクトル生成部 2 3は、 メタデータに、 映画の解説として、 図 4に示される ように、 「' 5 9新西宝 様式美たっぷりに有名な "三谷怪談" の世界を描く邦 画ホラーの傑作。 」 という情報が含まれていた場合、 解説に含まれている単語を 抽出して、 「西宝」 、 「様式」 、 「美」 、 「たっぷり」 、 「有名」 、 「三谷」 、 「怪談」 、 「世界」 、 「描く」 、 「邦画」 、 「ホラー」 、 「傑作」 を内容情報と する。

ステップ S 4において、 番組ベクトル生成部 2 3は、 メタデータに含まれてい るそれぞれの項目をべク トル化し、 番組べクトル PPが生成されて、 処理が終了 される。 生成された番組ベク トル PPは、 データ送信部 2 5に出力されて、 ネッ トワーク 8を介して、 E PG受信装置 9に送信される。 項目のベク トル化は、 全 ての詳細要素を 1列として並べるようにしても良いし、 大項目に分離した後に、 大項目ごとにベタトル化するようにしても良い。

大項目別にベク トル化が行われる場合、 例えば、 図 5に示されるように、 大項 目を、 タイ トル、 ジャンル、 時間帯、 放送局、 出演者、 脚本 Z原作 Z演出、 内容 の 7項目として、 番糸且ベクトル PP= (Tm, Gm， Pm， Am, Km) が生成され る。 そして、 各項目の内容が、 タイ トル （Title) Tm= {title 1 ,

title2, ■ ■ · } 、 ジヤンノレ (Genre) Gm= {ドラマ， ノ ラエティ， スポーツ， 映画， 音楽， 子供向け/教育， 教養ノドキュメント， ニュース/報道， その他 } 、 時間帯（Hour)Hm= {朝， 昼， 夕方， ゴールデン， 深夜 } 、 放送局（TV

Station) Sm= {NNK総合， NNK教育， 亜細亜テレビ， TT S, ブジ， テレ日， 東都， NNK衛星第 1 , NNK衛星第 2, WOWO} 、 出演者

(Person) Pm= {person A, person B, ■ · ■ } 脚本/原作ノ演出等

(Author) Am= {person a, person b, ■ · · } 内容 (Keyword) Km= {kw 1 , kw2， · ■ ■ } として、 べクトル化される。 上述した 7つの大項目の中で、 大項目 「ジャンル」 、 「放送局」 、 「時間帯」 は、 種類が固定できるため、 詳細要素をそれぞれ数値ベクトルで表すことができ る。 放送局の場合、 例えば、 放送局 Sm= {NNK総合， NNK教育， 亜細亜テ レビ， TT S, ブジ， テレ日， 東都， NNK衛星第1， NNK衛星第 2， WOW O} において、 対応する番組の放送局が WOWOである場合、 放送局べクトルは、 放送局 Sm= { 0, 0， 0, 0, 0， 0, 0, 0, 0， 1 } で表すことができる。 ジャンルの場合、 例えば、 ジャンル Gm= {ドラマ， バラエティ， スポーツ, 映 画， 音楽， 子供向け/教育， 教養 /ドキュメント， ニュース/報道， その他 } に おいて、 対応する番組のジャンルが、 教養/ドキュメントであった場合、 ジヤン ノレべク トノレは、 ジヤン/レ Gm= { 0, 0, 0, 0 , 0， 0， 1， 0, 0 } で表す ことができる。

一方、 大項目 「タイトル」 、 「出演者」 、 「脚本ノ原作 Z演出」 、 「内容」 な どの、 数値べク トルで表すことのできない項目においては、 ベタ トルに含まれる 単語の頻度などによって、 項目値 （単語） と重み （数値） が対応付けられる。 例 えば、 大項目 「タイ トル」 は、 タイ トル Tm= (東海道一 1， 三谷一 1， 怪談一 1 } のように、 それぞれ、 単語一数値で構成される要素によって表される。 この 例における、 例えば、 「東海道一 1」 は、 「東海道」 の単語の頻度が 「1である ことを意味する。

このような処理により、 番組ベクトル PPが生成されて、 E PG受信装置 9に 送信される。 具体的には、 図 4を用いて説明した番組メタデータから番組べタト ル PPが生成された場合、 番組ベク トル PP= {タイ トル Tm= {東海道一 1 , 三 谷一 1， 怪談一 1 } 、 ジャンル Gm二 { 0 , 0， 0， 1 , 0 , 0, 0， 0， 0 } 、 時間帯 Hm= { 0， 0, 0, 0， 1 } 、 放送局 Sm= { 0 , 0, 0， 0， 0 , 0 , 0， 0, 0， 1 } 、 出演者 Pm= (若杉嘉津美— 1， 天海茂— 1， 江見俊彦一 1 , 中村竜ニ郎ー 1， 西沢典子一 1 } 、 脚本ノ原作 Z演出 Am= {中川信男一 1， 大 貫正一一 1， 石田義寛ー 1 , 西本正ニー 1， 渡辺宙太ー 1 } 、 内容 Km= {西宝 一 1， 様式 _ 1， 美一 1， たっぷり一 1， 有名一 1， 三谷一 1 , 怪談一 1 , 世界 一 1， 描く一 1， 邦画一 1， ホラ一一 1， 傑作一 1 } } が生成されて、 EPG受 信装置 9に送信される。

このように生成される番組ベク トル PPにおいて、 例えば、 出演者 Pmの構成 要素のうち、 主演を重み付けしたり、 脚本 Z原作 Z演出 Amの構成要素のうち、 監督を重み付けして、 番組ベク トル PPを生成するようにしても良い。 このよう な場合、 番組べクトル PPの構成要素は、 例えば、 出演者 Pm= {若杉嘉津美— 3, 天海茂 _ 2， 江見俊彦— 1， 中村竜ニ郎 _ 1， 西沢典子一 1 } 、 脚本 Z原作 /演出 Am= {中川信男 _3， 大貫正一一 1， 石田義寛ー 1， 西本正ニー 1， 渡 辺宙太一 1 } となる。

また、 番組ベクトル PPを生成するために、 どの要素が重要であるかは、 上述 したように、 番組のジャンルによって異なる。 ジャンルごとにどのような要素が 重要であるかを示した番組側効き目ベクトル Ef PPが、 番組側効き目べタトル情 報として、 データ記憶部 24に記憶されている場合、 番組側効き目ベク トル EfPPを、 番組べクトル PPに対応付けて送信するようにしても良い。 番組側効き 目べク トノレ EfPPは、 番組べクトル PPの大項目に対応して設定される。

番組ベク トル PP= (タイトル Tm, ジャンル Gm， 時間帯 Hra, 放送局 Sra， 出 演者 Pm， 脚本 Z原作 Z演出 Am, 内容 Km} において、 例えば、 番組のジヤン ルが 「教養 /ドキュメント」 である場合、 重要な項目は、 その内容や題名 （重み 付け値が 3の場合） であるので、 番組側効き目ベク トル EfPP= {3， 1， 1， 1, 1, 1， 3 } となる。 これに対して、 番組のジャンルが 「バラエティ」 のと き、 重要な項目は出演者 （重み付け値が 5の場合） であるので、 番組側効き目べ タ トル EfPP= { 1 , 1, 1， 1, 5, 1， 1 } となる。 また、 番組のジャンル 力 S 「ドラマ」 であるとき、 重要な項目は、 出演者 （重み付け値が 2の場合） と脚 本家であり、 特に脚本家が重要 （重み付け値が 3の場合） である場合、 番組側効 き目ベク トル EfPP= { 1, 1， 1 , 1， 2， 3， 1 } となる。 PC蘭 00雇 5926

17

次に、 図 6のフローチャートを参照して、 番組側効き目べク トル EfPPが、 番 組べク トル PPに対応付けて送信される場合の、 番組べク トル生成処理 2につい て説明する。

ステップ S 1 1乃至ステップ S 1 4において、 図 3を用いて説明したステップ S 1乃至ステップ S 4の処理と同様の処理が実行される。 すなわち、 メタデータ データベース 7から、 E P Gデータの供給を受け、 E P Gデータから、 番組べク トル PPを生成するために必要なメタデータが抽出され、 メタデータに含まれて いる、 タイ トル、 内容などが、 必要に応じて形態素解析されて、 単語に分解され る。 そして、 メタデータに含まれているそれぞれの項目がベク トル化されて、 番 組ベク トル PPが生成される。

ステップ S 1 5において、 番組べク トル生成部 2 3は、 供給されたメタデータ の番組のジャンルに基づいて、 対応する効き目べク トルを、.データ記憶部 2 4に 記憶されている効き目ベクトル情報から抽出する。 例えば、 番組のジャンルが 「バラエティ」 のとき、 データ記憶部 2 4から、 出演者に対する重み付けを行う 効き目ベク トル EfPP = { 1 , 1， 1 , 1， 5， 1， 1 } が抽出される。

ステップ S 1 6において、 番組ベク トル生成部 2 3は、 ステップ S 1 5におい て抽出された効き目べク トル EfPPを、 ステップ S 1 4において生成された番組 ベタトル PPと対応付けて、 処理が終了される。

このような処理により、 番組べクトル PPが生成されて、 番組のジャンルに基 づいて、 重要な項目に重み付けを施すための番組側効き目ベク トル EfPPが対応 付けられて、 ネットワーク 8を介して、 E P G受信装置 9に送信される。

以上説明したようにして、 番組べク トル PPが生成されるが、 例えば、 番組を その属性ごとにグループ化することにより、 番組ベク トル PPを、 少ない演算量 で、 正確に作成するようにすることができる。

番組のグループ化は、 例えば、 連続ドラマ、 1週単位の同一ジャンルの番組群、 番組編成単位 （ 1 3週） の出演者ごとの番組群などで生成できるが、 その具体例 として、 次の図 7のフローチャートを参照して、 連続ドラマをグループ化する場 合のグループ化処理 1について説明する。

ステップ S 3 1において、 データ取得部 2 1は、 メタデータデータベース 7に 登録されている E P Gデータから、 例えば、 同一タイ トル、 同一放送局で、 放送 時刻が平日の同時刻や、 同じ曜日の同時刻であるなどの所定の条件 （グループ化 のための条件） に合致した番組を抽出する。

ステップ S 3 2において、 データ取得部 2 1は、 抽出された番組をグループ化 し、 対応する番組の E P Gデータにグループ I Dをつける。

ステップ S 3 3において、 メタデータ抽出部 2 2は、 同一グループ I Dを有す る、 すなわち、 連続ドラマであると認識された番組の第 1回目の放送の番組べク トル生成に必要なメタデータを抽出する。

ステップ S 3 4において、 図 3または図 6を用いて説明した番組べクトル生成 処理が実行される。

ステップ S 3 5において、 番組べク トル生成部 3 3は、 対応するグループ I D の番組べク トル FPを、 第 1回の放送分の番組べクトルに固定して設定し、 処理 が終了される。

このような処理により、 連続ドラマがグループ化されて、 番組ベクトルが統一 される。 また、 グループ I Dと番組ベク トル PPとを、 対応付けて、 データ記憶 部 2 4に記憶しておくようにしても良い。

特に、 連続ドラマの E P Gデータにおいて、 初回の内容は、 番組全体の解説に なっているが、 初回以外の内容は、 その回の分の解説となっている とが多く、 番組全体の内容を表してはいない。 また、 内容以外の部分のメタデータは毎回ほ ぼ同じであることから、 初回分の E P Gデータを採用して番組べク トル PPを生 成することにより、 番組べク トル生成処理の処理回数を減少することができるの みならず、 より正確に番組の特性と合致した番組ベク トル PPを生成することが 可能になる。 図 7においては、 連続ドラマの E P Gデータに同一の I Dを付加する処理につ いて説明したが、 E P Gデータに、 連続ドラマを区別する情報が予め含まれてい る場合、 ステップ S 3 1の処理を省略して、 E P Gデータに含まれている連続ド ラマを区別する情報を参照して、 連続ドラマの E P Gに同一の I Dを付加するよ うにしても良い。

次に、 図 8のフローチャートを参照して、 連続ドラマ以外の要素によってもグ ループ化を行うことができるグループ化処理 2について説明する。 ここでは、 ジ ヤンルおよび出演者によるグループ化を行うものとして説明する。

ステップ S 5 1において、 データ取得部 2 1は、 メタデータデータベース 7に 登録されている E P Gデータを参照して、 番組の E P Gデータに、 メタデータの 内容に対応したクラスタコードを付加する。

例えば、 同一タイ トル、 同一放送局で、 放送時刻が平日の同時刻や、 同じ曜 3 の同時刻であるなどの、 連続ドラマである条件に合致した番組を抽出し、 抽出さ れた、 連続ドラマであると認識される番組群の中で、 例えば、 連続ドラマの放送 時刻によって、 平 3の同時刻であればコード 1、 同じ曜日の同時刻であればコー ド 2、 隔週、 隔日など、 コード 1およびコード 2以外の放送時刻であればコード 3などの、 最小桁の第 1のクラスタコードが決定される。 連続ドラマでない場合、 最小桁の第 1のクラスタコードは 0となる。

次に、 メタデータデータベース 7に登録されているメタデータのジャンルに関 するデータを参照して、 そのジャンルごとに、 例えば、 コード 2 0、 コード 3 0 などの、 下位から 2桁目 （1 0の位） に数値を有する第 2のクラスタコードが決 定される。

最後に、 メタデータデータベース 7に登録されているメタデータの出演者のデ ータを参照して、 例えば、 コード 2 3 0 0、 コード 8 0 0など、 下位から 2桁目 以上 （1 0 0以上の位） を用いて表される第 3のクラスタコードが決定される。 そして、 第 1乃至第 3のクラスタコードの合計値が、 その番組の E P Gに付加 されるクラスタコードとなる。 ステップ S 5 2において、 データ取得部 2 1は、 クラスタコードの 1桁目が 0 であるか否かを基に、 対応する E P Gは、 連続ドラマのものであるか否かを判断 する。

ステップ S 5 2において、 連続ドラマであると判断された場合、 ステップ S 5 3およびステップ S 5 4において、 図 7のステップ S 3 3およびステップ S 3 4 と同様の処理が実行される。 すなわち、 第 1回目の放送の E P Gが抽出されて、 図 3または図 6を用いて説明した番組べクトル生成処理が実行される。

ステップ S 5 5において、 番組べク トル生成部 3 3は、 この連続ドラマの番組 ベタ トル PPを、 第 1回の放送分の番組べクトル PPに固定して設定し、 番組べ タトル PP に、 生成したクラスタコードを対応付けて設定し、 処理が終了される。 ステップ S 5 2において、 連続ドラマではないと判断された場合、 ステップ S 5 6において、 図 3または図 6を用いて説明した番組べク トル生成処理が実行さ れる。

ステップ S 5 7において、 番組べク トル生成部 3 3は、 番組べク トノレ PPに生 成したクラスタコードを対応付けて、 処理が終了される。

このような処理により、 連続ドラマ以外であっても、 ジャンルや出演者によつ て番組べク トル PPをグループ化することが可能となり、 グループを示すクラス タコードと、 番組べクトノレ PPとを対応付けることができる。

図 2を用いて説明した配信サーバ 5において、 図 3乃至図 8を用いて説明した ようにして番組ベク トル PPが生成されるので、 常に新しい用語やジャンルなど に対応した番組べク トル PPを生成することが可能となる。 生成された番組べク トル PPは、 E P Gデータどともに、 ネットワーク 8を介して、 E P G受信装置 9に受信され、 番組推薦処理装置 1 0に供給される。

また、 グループ化処理は、 タイ トルを形態素解析して、 単語に分解し、 単語ご とにグループ I Dを付けることにより行うようにしてもよレ、。

次に、 図 9のフローチャートを参照して、 タイ トルグループ化処理 1について 説明する。 ステップ S 6 1において、 デ タ取得部 2 1は、 メタデータデータベース 7に 登録されている E P Gデータを参照して、 登録されているメタデータから、 タイ トルを抽出し、 番組べク トル生成部 2 3に供給する。

ステップ S 6 2において、 番組べクトル生成部 2 3は、 タイ トルを形態素解析 し、 単語に分解する。 具体的には、 メタデータに含まれている映画の題名が 「東 海道三谷怪談」 であった場合、 これがタイトルとして形態素解析されるので、 「東海道」 、 「三谷」 、 「怪談」 の 3つの単語が得られる。

ステップ S 6 3において、 番組べク トル生成部 2 3は、 解析された単語、 もし くは、 複数の単語から構成される単語群のうちのいずれかを抽出して、 データ記 憶部 2 4から、 抽出された単語、 または単語群に対応するグループ I Dを抽出す る。

ここで、 複数の単語から構成される単語群とは、 形態素解析により得られた単 語の組み合わせにより生成される単語群であり、 例えば、 形態素解析により得ら れた単語が 「東海道」 、 「三谷」 、 「怪談」 である場合、 単語群は、 「東海道 · 三谷」 、 「東海道 '怪談」 、 「三谷'怪談」 となる。

ステップ S 6 4において、 番組ベク トル生成部 2 3は、 データ記憶部 2 4から、 対応するグループ I Dが抽出されたか否かを判断する。

ステップ S 6 4において、 対応するグループ I Dが抽出されなかったと判断さ れた場合、 抽出された単語、 もしくは、 複数の単語から構成される単語群には、 まだグループ I Dが付けられていないので、 ステップ S 6 5において、 番組べク トル生成部 2 3は、 抽出された単語、 もしくは、 複数の単語から構成される単語 群に新たなグループ I Dを対応付ける。 また、 番組ベク トル生成部 2 3は、 単語、 もしくは、 複数の単語から構成される単語群と、 それに対応するグループ I Dを、 データ記憶部 2 4に記憶させる。

ステップ S 6 4において、 対応するグループ I Dが抽出されたと判断された場 合、 または、 ステップ S 6 5の処理の終了後、 ステップ S 6 6において、 番組べ クトル生成部 2 3は、 タイトルを構成する全ての単語、 もしくは、 複数の単語か ら構成される単語群についてグループ I Dを抽出したか否かを判断する。

ステップ S 6 6において、 タイ トルを構成する全ての単語、 もしくは、 複数の 単語から構成される単語群についてグループ I Dを抽出していないと判断された 場合、 処理は、 ステップ S 6 3に戻り、 それ以降の処理が繰り返される。

ステップ S 6 6において、 タイ トルを構成する全ての単語、 もしくは、 複数の 単語から構成される単語群についてグループ I Dが抽出されたと判断された場合、 ステップ S 6 7において、 番組べクトル生成部 2 3は、 番組べク トルに、 抽出さ れたグループ I Dを対応付けて、 処理が終了される。

このような処理により、 番組ベクトルに、 タイ トルを構成する単語、 または単 語群に対応するグループ I Dが対応付けられて、 データ送信部 2 5により、 ネッ トワーク 8を介して、 テレビジョン受信装置 4または、 E P G受信装置 9に送信 される。

また、 類似したタイトルの番組を、 同一のグループとするようにしても良い。 例えば、 タイ トル 「2年 A組銀八先生」 の連続ドラマと、 タイ トル 「2年 A組銀 八先生スペシャル」 の特別番組とを、 同一のグループとしてグループ化すること ができるように、 タイトルを構成する単語の形態素解析結果を基に、 例えば、 2 週間、 1ヶ月、 半年などの所定の期間の番組タイ トルで、 単語の一致率を総当り で算出し、 単語の一致率が所定の値以上である場合、 同一グループとするように してもよい。

次に、 図 1 0のフローチャートを参照して、 タイトルを構成する単語の一致率 によりグループ化を実行するタイ トルグループ化処理 2について説明する。

ステップ S 4 0 1およびステップ S 4 0 2において、 図 9を用いて説明した、 ステップ S 6 1およびステップ S 6 2と同様の処理が実行される。 すなわち、 デ ータ取得部 2 1は、 メタデータデータベース 7に登録されている E P Gデータを 参照して、 登録されているメタデータから、 タイ トノレを抽出し、 番組べクトル生 成部 2 3に供給し、 番組べクトル生成部 2 3は、 タイ トルを形態素解析し、 単語 に分解する。

ステップ S 4 0 3において、 番組べクトル生成部 2 3は、 解析された単語を基 に、 タイトル間の単語の一致度、 すなわち、 単語が一致している割合を示す一致 率を算出する。

具体的には、 タイ トル 「2年 A組銀八先生」 と、 タイ トル 「 2年 A組銀八先生 スペシャル」 とが、 それぞれ、 「2」 「年」 「A」 「組」 「銀八」 「先生」 と、

「2」 「年」 「A」 「組」 「銀八」 「先生」 「スペシャル」 とに形態素分析され た場合、 この 2つの番組のタイトルを構成する単語の一致率は、 6 7で8 5 . 7 %となる。

ステップ S 4 0 4において、 番組べクトル生成部 2 3は、 単語が、 例えば、 7 0 %などの所定の値以上一致しているか否かを判断する。 この、 一致率の閾値は、 7 0 %以外のいかなる数値であっても良いことは言うまでもない。

ステップ S 4 0 4において、 単語が、 7 0 %などの所定の値以上一致している と判断された場合、 ステップ S 4 0 5において、 番組べク トル生成部 2 3は、 そ れらの番組に、 同一のグループ I Dを対応付ける。 また、 番組ベク トル生成部² 3は、 一致した単語、 または、 単語群と、 それに対応するグループ I Dを、 デー タ記憶部 2 4に記憶させる。

ステップ S 4 0 4において、 7 0 %などの所定の値以下の一致率であると判断 された場合、 または、 ステップ S 4 0 5の処理の終了後、 ステップ S 4 0 6にお いて、 番組べク トル生成部 2 3は、 タイ トルの総当りが終了したか否かを判断す る。

ステップ S 4 0 6において、 タイ トルの総当りが終了していないと判断された 場合、 処理は、 ステップ S 4 0 3に戻り、 それ以降の処理が繰り返される。

ステップ S 4 0 6において、 タイ トルの総当りが終了したと判断された場合、 処理が終了される。 このような処理により、 番組べクトルに、 タイ トルを構成する単語の一致率を 基にしたグループ I Dが対応付けられて、 データ送信部 2 5により、 ネットヮー ク 8を介して、 テレビジョン受信装置 4または、 E P G受信装置 9に送信される ので、 例えば、 連続ドラマとスペシャル番組などの類似したタイトルの番組を、 同一のグループとして処理させるようにすることができる。

さらに、 タイ トルを構成する単語の一致率を基にグループを決定するようにす ることにより、 例えば、 E P G、 またはメタデータにおいて、 数字の半角と全角、 または、 英字の半角と全角、 もしくは、 大文字と小文字などの表記ゆれがあった 場合にも、 同一タイ トルの番組を、 同一のグループとして検出することが可能と なる。

また、 単語の一致率に加えて、 例えば、 放送局や番組ジャンル、 あるいは、 放 送開始時刻などを、 グループ化の条件に加えるようにしても良い。 例えば、 ニュ ース番組などにおいては、 タイトルが、 「ニュース」 を含む少ない単語によって 構成されているので、 図 1 0を用いて説明した処理では、 異なる放送局の異なる 形態のェユース番組であっても、 同一のグループとして検出されてしまう恐れが あるので、 単語の一致率に加えて、 放送局も一致した場合、 同一グループとする ようにしても良い。

図 1 1のフローチャートを参照して、 放送局の一致を条件に加えて、 タイ トル を構成する単語の一致率によりグループ化を実行するタイ トルグループ化処理 3 について説明する。

ステップ S 4 2 1乃至ステップ S 4 2 4において、 図 1 0を用いて説明した、 ステップ S 4 0 1乃至ステップ S 4 0 4と同様の処理が実行される。 すなわち、 データ取得部 2 1は、 メタデータデータベース 7に登録されている E P Gデータ を参照して、 登録されているメタデータから、 タイトルを抽出し、 番組べク トル 生成部 2 3に供給し、 番組べクトル生成部 2 3は、 タイトルを形態素解析し、 単 語に分解する。 そして、 番組ベクトル生成部 2 3は、 解析された単語を基に、 タ T JP2003/015926

25

ィトル間の単語の一致度を算出し、 単語が、 例えば、 7 0 %などの所定の値以上 一致しているか否かを判断する。

ステップ S 4 2 4において、 単語が、 7 0 %などの所定の値以上一致している と判断された場合、 ステップ S 4 2 5において、 番組べクトル生成部 2 3は、 そ れらの番組の放送局が一致しているか否かを判断する。

ステップ S 4 2 5において、 これらの番組の放送局が一致していると判断され た場合、 ステップ S 4 2 6において、 番組べク トル生成部 2 3は、 それらの番組 に、 同一のグループ I Dを対応付ける。 また、 番組ベクトル生成部 2 3は、 一致 した単語、 または、 単語群と、 それに対応する放送局およびグループ I Dを、 デ ータ記憶部 2 4に記憶させる。

ステップ S 4 2 4において、 7 0 %などの所定の値以下の一致率であると判断 された場合、 ステップ S 4 2 5において、 これらの番組の放送局が一致していな いと判断された場合、 または、 ステップ S 4 2 6の処理の終了後、 ステップ S 4 2 7において、 番組べク トル生成部 2 3は、 タイ トルの総当りが終了したか否か を判断する。

ステップ S 4 2 7において、 タイトルの総当りが終了していないと判断された 場合、 処理は、 ステップ S 4 2 3に戻り、 それ以降の処理が繰り返される。 ステップ S 4 2 7において、 タイトルの総当りが終了したと判断された場合、 処理が終了される。

このような処理により、 番組べクトルに、 放送局の一致とタイトルを構成する 単語の一致率を基にしたグループ I Dが対応付けられて、 データ送信部 2 5によ り、 ネットワーク 8を介して、 テレビジョン受信装置 4または、 E P G受信装置 9に送信されるので、 例えば、 類似したタイトルの番組を、 同一のグループとす る場合に、 他局のニュース番組を同一のグループとするようなことを防ぐことが できる。

なお、 図 1 1においては、 タイトルを構成する単語の一致率以外に、 同一の放 送局であるか否かを条件として、 グループ化を行うものとして説明したが、 放送 03 015926

' 26

局以外の、 例えば、 放送時間帯やジャンルなどを、 タイ トルを構成する単語の一 致率以外の条件として、 グループ化を実行するようにしても良いことは言うまで もない。

更に、 例えば、 連続ドラマや帯番組の放送開始時刻が、 スポーツ中継や特別番 組などのためにずれた場合においても、 同一グループとして検出可能なように、 タイトルを構成する単語の一致率以外の条件を、 放送時刻が、 例えば、 1時間な どの所定の時間範囲内のずれで一致しているか否かとして、 グループ化を実行す るようにしても良い。

図 1 2のフローチャートを参照して、 放送時刻が、 所定の時間範囲内のずれで 一致しているか否かを条件に加えて、 タイ トルを構成する単語の一致率によりグ ループ化を実行するタイ トルグループ化処理 4について説明する。

ステップ S 4 4 1乃至ステップ S 4 4 4において、 図 1 0を用いて説明した、 ステップ S 4 0 1乃至ステップ S 4 0 4と同様の処理が実行される。 すなわち、 データ取得部 2 1は、 メタデータデータベース 7に登録されている E P Gデータ を参照して、 登録されているメタデータから、 タイ トルを抽出し、 番組べク トル 生成部 2 3に供給し、 番組べクトル生成部 2 3は、 タイトルを形態素解析し、 単 語に分解する。 そして、 番組ベク トル生成部 2 3は、 解析された単語を基に、 タ ィトル間の単語の一致度を算出し、 単語が、 例えば、 7 0 %などの所定の値以上 一致しているか否かを判断する。

ステップ S 4 4 4において、 単語が、 7 0 %などの所定の値以上一致している と判断された場合、 ステップ S 4 4 5において、 番組べク トル生成部 2 3は、 そ れらの番組の放送開始時刻が、 例えば、 1時間などの所定の範囲内のずれで一致 しているか否かを判断する。

ステップ S 4 4 5において、 それらの番組の放送開始時刻が所定の範囲内のず れで一致していると判断された場合、 ステップ S 4 4 6において、 番組ベク トル 生成部 2 3は、 それらの番組に、 同一のグループ I Dを対応付ける。 また、 番組 ベクトル生成部 2 3は、 一致した単語、 または、 単語群と、 それに対応する放送 開始時刻の範囲、 およびグループ I Dを、 データ記憶部 2 4に記憶させる。 ステップ S 4 4 4において、 7 0 %などの所定の値以下の一致率であると判断 された場合、 ステップ S 4 4 5において、 それらの番組の放送開始時刻が所定の 範囲以上にずれていると判断された場合、 または、 ステップ S 4 4 6の処理の終 了後、 ステップ S 4 4 7において、 番組べクトル生成部 2 3は、 タイ トルの総当 りが終了したか否かを判断する。

ステップ S 4 4 7において、 タイトルの総当りが終了していないと判断された 場合、 処理は、 ステップ S 4 4 3に戻り、 それ以降の処理が繰り返される。 ステップ S 4 4 7において、 タイトルの総当りが終了したと判断された場合、 処理が終了される。

このような処理により、 番組べクトルに、 放送開始時刻の所定の範囲内のずれ を含む一致と、 タイ トルを構成する単語の一致率を基にしたグループ I Dが対応 付けられて、 データ送信部 2 5により、 ネットワーク 8を介して、 テレビジョン 受信装置 4または、 E P G受信装置 9に送信されるので、 例えば、 類似したタイ トルの番組を同一のグループとする場合に、 特別番組などによる放送時刻の変更 のために、 同一グループとして検出されるべき番組が、 同一グループとして検出 されないようなことを防ぐことができる。

図 1 3は、 番組推薦処理装置 1 0の構成を示すプロック図である。

データ取得部 4 1は、 配信サーバ 5から送信された番組べク トル PP、 およぴ 番組べクトル PPに対応する番組側効き目べクトル EfPPを取得する。 番組べク トノレ抽出部 4 2は、 データ取得部 4 1が取得した番組ベク トル PPから、 マッチ ング処理に必要な番組べクトル PP、 あるいは、 ユーザモデル生成のために必要 な番組べク トル PPを抽出し、 必要に応じて、 番組べクトル PPに対応する番組 側効き目べクトル EfPPとともに、 マツチング処理部 4 3に供給する。

操作入力部 4 4は、 例えば、 キーボード、 タツチパッド、 マウスなどの入力デ バイスで構成され、 ユーザが入力した初期登録情報や、 ユーザモデル生成のため のトピックの入力を受け、 初期登録保存部 4 5に出力する。 初期登録保存部 4 5 は、 操作入力部 4 4から供給された初期登録内容や、 ユーザモデル生成のための トピックを登録し、 必要に応じて、 操作ログ取得部 4 6、 または、 マッチング処 理部 4 3に供給する。 また、 初期登録保存部 4 5に保存されている内容は、 操作 入力部 4 4から入力されるユーザの操作に基づいて、 逐次更新される。 初期登録 される内容には、 例えば、 嫌いなジャンル、 嫌いなキーワード、 嫌いな出演者な どの、 ユーザが好まない番組を示す情報や、 好きなジャンル、 好きなキーワード、 好きな出演者などの、 ユーザが好む番組を示す情報がある。

操作口グ取得部 4 6は、 テレビジョン表示装置 1 1または録画再生装置 1 2か ら、 操作ログを取得し、 これらの情報を正履歴と負履歴に分類し、 必要に応じて、 初期登録保存部 4 5に保存されている情報を参照して、 データ取得部 4 1が取得 した番組べクトル PPのうち、 正履歴および負履歴に対応する番組べク トル PP を読み出して、 正履歴保存部 4 7と負履歴保存部 4 8に供給して保存させる。 正 履歴保存部 4 7は、 供給された正履歴を保存し、 正履歴べクトル UP を生成する。 負履歴保存部 4 8は、 供給された負履歴を保存し、 負履歴べク トル MUPを生成 する。 生成された正履歴べクトル UPと負履歴べクトル MUPは、 マッチング処理 部 4 3に供給される。

ここで、 正履歴とは、 ユーザが積極的に視聴しょうとする、 換言すれば、 好ま しいと思う番組の候補を抽出するために用いられる情報であり、 例えば、 ユーザ 1 番組を視聴したり、 録画した場合、 または、 後述する処理によりユーザに推 薦番組リストとして提案された番組が、 ユーザに受け入れられて視聴または録画 された場合、 その番組のメタデータは、 好印象メタデータとして、 正履歴保存部 4 7に保存される。 正履歴保存部 4 7は、 詳細項目ごとに、 または、 大項目ごと に、 正履歴の総和を求め、 正履歴べク トル UPを生成する。

一方、 負履歴とは、 ユーザが視聴するのに消極的である、 換言すれば、 好まし くないと思う番組を、 推薦する番組から除くために用いられる情報であり、 例え ば、 初期登録で嫌いであるとされた項目や、 録画後見ずに消去された番組、 また は、 後述する処理によりユーザに推薦番組リストとして提案された番組がユーザ に受け入れられず、 視聴または録画操作されなかった場合、 その番組のメタデー タは負印象メタデータとして、 負履歴保存部 4 8に保存される。 例えば、 ユーザ ヽ 初期登録で 「スポーツ」 を嫌いであるとした場合、 ジャンル G mup = { 0 , 0 , 5， 0 , 0， 0， 0， 0 , 0 } 力 重み 5で負印象として負履歴保存部 4 8 に追加保存される。 負履歴保存部 4 8は、 詳細項目ごとに、 または、 大項目ごと に、 負履歴の総和を求め、 負履歴べク トル MUPを生成する。

マッチング処理部 4 3は、 番組べク トノレ抽出部 4 2から抽出された番組べクト ルと、 正履歴保存部 4 7または負履歴保存部 4 8から供給された正履歴べク トル UP、 または、 負履歴ベクトル MUPとのマッチングを検証する。

番組べク トル PP、 正履歴べク トル UP、 または、 負履歴べクトル MUP力 全て の詳細要素を 1列に並べてベタトル化されている場合、 タイトルやキーワードな どは複数の単語で構成されているので、 その単語 1語と、 例えば、 ジャンルなど の項目が、 ベク トルにおいて同じ重さになってしまう。 そこで、 マッチング処理 部 4 3の正規化処理部 6 1は、 単語によって構成される項目であるタイ トルおよ び内容について、 番組ごとに、 単語を単語数で割ることで正規化する。 例えば、 タイ トル T m= {東海道— 1， 三谷一 1， 怪談— 1 } である場合、 タイ トル T m = {東海道： 0 . 3 3， 三谷： 0 . 3 3， 怪談： 0 . 3 3 } と正規化される。 こ れにより、 タイ トル、 内容とも、 その項目内の単語のトータルで、 重みが 1にな るので、 マッチング処理において不都合が生じない。

べク トル演算部 6 2は、 番組べクトノレ PPと、 正履歴べクトル UP、 または、 負 履歴べクトル MUP とのマッチング処理を実行する。

ベタ トル演算部 6 2は、 番組べクトル PP、 正履歴べクトル UPおよび負履歴べ ク トル MUP 、 詳細項目の全要素を 1列に並べたべクトルで表されている場合、 正履歴べク トル UPまたは負履歴べク トル MUPと、 番組べク トル PPとのべク ト ル間のコサイン距離 （cos 0 ) によって、 次の式 （1 ) に示されるように、 番組 ベクトル PPと正履歴ベク トル UPとの類似度 S imUPを求め、 式 （2 ) に示され るように、 番組べク トル PP と負履歴べク トル MUP との類似度 SimMUP を求める。 コサイン距離とは、 式 （1) と式 （2) に示されるように、 2つのベク トルの内 積を各べク トルの絶対値の積で除算して得られる値である。

SimUP = cos 0u=UP■ PP/|UP| X |PP| - - - (1)

SimMUP = cos0 m = MUP · PP/|MUP| X |PP| - - · (2)

ただし、 式 （1) および式 （2) において、 PPは番組べク トル PPを示し、 UP は正履歴べクトル UPを示し、 MUPは、 負履歴べク トル MUPを示す。 また、

"■ " は、 内積を示し、 " X " は、 要素の掛け算 （スカラ演算） を示す。

また、 ベタトル演算部 62は、 番組べク トノレ PP、 正履歴べクトル UPおよび負 履歴ベクトル MUPが大項目ごとにベクトル化されている場合、 大項目ごとに、 番組べクトル PPと正履歴べク トル UPとの類似度と、 番組べク トル PPと負履歴 ベタ トル MUPとの類似度を求め、 大項目ごとに類似度の和を算出して、 類似度 SimUPおよび類似度 SimMUPを算出することができる。 例えば、 単語に分解され ている大項目 「タイ トル」 において、 正履歴ベク トル UPが、 タイトル Tup =

{学校— 1， 怪談一 1， トイレ一 1 } であり、 供給された番組ベク トル PPが、 タイ トル Tm= {東海道— 1 , 三谷一 1， 怪談一 1 } である場合、 単位ベク トル 長さを 1とすると、 ベク トルの長さ （絶対値） は、 要素の合計の 2乗和の平方根 であるので、 タイ トルの類似度であるコサイン距離 cos0tは、 次の式 （3) の ように算出される。

cos 0t= (1 · 1) I (V"3 x V~3) =1/3 - ■ · (3)

式 （3) において、 " · " は、 内積を示し、 " X " は、 スカラ演算を示す。 番 組べク トル PPと、 負履歴べク トル MUPとの大項目ごとの類似度も、 式 （3) と 同様の計算によって算出される。

例えば、 正履歴べクトノレ UPを、 正履歴べクトル UP= {タイトル Tup， ジヤン ル Gup， 出演者 Pup, 脚本/原作/演出 Aup， 内容 （キーワード） Kup} およ び負履歴べク トノレ MUPを、 負履歴べク ト MUP= {タイ トノレ Tmup， ジヤンノレ G mup, 出演者 Pmup, 脚本/原作/演出 Amu_P， 内容 （キーワード） Kttmp} とし た場合、 それぞれの大項目で、 式 （3 ) と同様の演算により、 大項目ごとに類似 度が得られるので、 類似度 SimUPおよび類似度 SimMUP は、 いずれも、 次の式 ( 4 ) の類似度 Simとして演算される。

Sim= cos Θ _t+ cos θ ,+cos θ _p+cos θ _a+cos θ _k■ · · ( 4 )

ここで、 c_{O S} 0 _tは、 大項目 「タイ トル」 における、 番組べク トル PPと、 正履 歴べク トル UPまたは負履歴べクトル MUPとのコサイン距離であり、 cos 0 _gは、 大項目 「ジャンル」 における、 番組べクトル PPと、 正履歴べク トル UPまたは 負履歴ベクトル薦 Pとのコサイン距離であり、 cos 0 _pは、 大項目 「出演者」 に おける、 番組べクトル PPと、 正履歴べク トル UPまたは負履歴べクトル MUPと のコサイン距離であり、 _{co s} 0 _aは、 大項目 「脚本/原作 Z演出」 における、 番 組べク トル PPと、 正履歴べク トル UPまたは負履歴べクトノレ MUPとのコサイン 距離であり、 cos 0 _kは、 大項目 「内容」 における、 番組ベク トル PPと、 正履歴 ベタトル UPまたは負履歴べク トル MUPとのコサイン距離である。

類似度 SimUPおよび類似度 SimMUPが、 大項目ごとの演算結果の和として算出 された場合、 項目間の重みの偏りがなくなるため、 正規化を行っているのと道義 である。 従って、 全要素を 1列に並べたベタトルと異なり、 正規化処理部 6 1に よる正規化処理を行わなくてもよい。

すなわち、 正規化を行うことなく、 全要素を 1列に並べたベクトルを用いてし まった場合、 頻度の積み重なり易い、 例えば、 放送局、 ジャンルなどの項目と比 較して、 タイトルや内容などの項目においては、 履歴が増えるに従って、 単語数 は増える一方、 それぞれの単語の頻度は大きくなりにくい。

このため、 全要素を用いて、 要素ごとに合計を取った場合、 頻度の重なりやす い、 放送局、 ジャンルなどの項目の影響が大きくなつてしまうので、 例えば、 ュ 一ザが解説者 Aのファンであるので、 「解説者 Aが解説している球団 Bの試合の 実況中継」 を好んで視聴しているような場合、 ジャンルである 「野球の実況中 継」 という情報は履歴として重なりやすいが、 出演者である 「解説者 A」 という 情報は履歴として重なり難い。 従って、 他の解説者が解説している球団 Bの試合 の実況中継が推薦されて、 解説者 Aが出演しているバラエティ番組が推薦されな いような場合が発生する。

これに対して、 正規化を行う力 \ または、 大項目ごとの演算結果の和を類似度 SimUPおよび類似度 SiraMUPとして算出するようにすることにより、 履歴の頻度 の大小の影響を受けることなく、 解説者 Aが出演しているバラエティ番組を推薦 することができ、 より正確にユーザの嗜好を反映するようにすることができる。 また、 べクトル演算部 6 2は、 初期登録保存部 4 5に保存されているユーザの 初期登録情報、 番組べク トル PPに対応付けられて送信される番組側効き目べク トル EfPP、 または、 ユーザ情報登録部 6 3において生成されて登録されている ユーザ側効き目ベク トル Ef UP (後述） 、 もしくは、 ユーザ側反効き目ベク トル EfMUP (後述） により、 重み付けを行って、 類似度 SimUPおよび類似度 S imMUP を算出するようにすることもできる。

ベタ トル演算部 6 2は、 上述したような方法で算出された類似度 SimUPを基 に、 例えば、 正履歴べク トルとの類似度が高い上位所定数 （例えば、 1 0 ) の番 組に対して、 更に履歴ベクトル MUPとの類似度 SimMUPを求め、 SimUP— SimMUP を演算し、 演算結果の上位所定数 （例えば、 3 ) の番組を推薦番組として、 推薦 情報出力部 4 9に出力する。

また、 べク トル演算部 6 2は、 番組べク トルがグループ化されている場合、 推 薦された番組の情報を基に、 ユーザ情報登録部 6 3に、 推薦優先グループを登録 し、 推薦優先グループに対応する番組を、 優先的に推薦する。

更に、 ベタトル演算部 6 2は、 初期登録保存部 4 5に保存されているトピック を用いて番組べクトル PPのフィルタリングを行うことにより、 ユーザモデルべ タ トルを生成し、 ユーザ情報登録部 6 3に登録して、 マッチング処理を行うよう にすることができる。 ユーザモデルについての詳細については後述する。

ユーザ情報登録部 6 3は、 初期登録保存部 4 5から供給されたユーザの初期登 録内容、 あるいは、 正履歴保存部 4 7または負履歴保存部 4 8から供給された正 履歴べク トル UPまたは負履歴べクトノレ MUPを基に、 ユーザ側効き目べクトル 3 015926

33

EfUPおよび反効き目べク トル EfMUPを生成して、 保存する。 ユーザ側効き目べ タトル EfUPは、 そのユーザにとって、 大項目のうちのいずれの要素が番組の選 択に重要であり、 番組の選択のために重みが置かれている項目であるかを示すベ クトルか、 または、 それぞれの項目におけるユーザの嗜好を示すべク トルである。 反効き目ベクトル EfMUPは、 そのユーザにとって、 大項目のうちのいずれの要 素が番組の選択に重要でない要素であり、 番組の選択のために重みが置かれてい ない項目であるかを示すベクトルか、 または、 それぞれの項目において、 ユーザ が好まない項目を示すべク トルである。

換言すれば、 ユーザ側効き目べクトル EfUPおよぴ反効き目べクトル EfMUPは、 番組べクトル PPと、 正履歴べクトル UPまたは負履歴べクトル MUP とのマッチ ングにおいて、 いずれの項目が大きく寄与するかを規定するものである。

ユーザ側効き目べクトル EfUPおよび反効き目べク トル EfMUPは、 ユーザによ つて設定可能としたり、 予め定められた値を用いるようにしても良いが、 初期登 録保存部 4 5に登録されているユーザの初期登録内容を基に生成されるようにし ても良い。

具体的には、 ユーザ側効き目ベク トル EfUPが、 そのユーザにとって、 大項目 のうちのいずれの要素が番組の選択に重要であるかを示す情報である場合、 番組 ベク トル PP = {タイ トル T m， ジャンル G m， 時間帯 Hm, 放送局 S m, 出演者 P m， 脚本ノ原作/演出 Am， 内容 K m } において、 ユーザにとってジャンルが重要で ある場合、 例えば、 効き目ベクトル EfUP二 （1， 5 , 1 , 1， 1， 1， 1 ) と 設定される。 これに対して、 ユーザにとって出演者とジャンルが重要である場合、 例えば、 効き目ベクトル EfUP = ( 1 , 3， 1， 1， 5， 1， 1 ) と設定される。 また、 ユーザ側効き目べク トル EfUPが、 それぞれの項目におけるユーザの嗜 好を示すベク トルである場合、 大項目ジャンル G m = {ドラマ， バラエティ， ス ポーッ， 映画， 音楽， 子供向け Z教育， 教養/ドキュメント， ニュース/報道， その他 } において、 ユーザが好ましいと思う番組のジャンルが、 教養ノドキュメ ントであった場合、 ユーザ効き目べク トル EfUPは、 例えば、 ジャンル G m = { 0 , 0 , 0， 0， 0 , 0 , 5， 0 , 0 } と設定さ†Lる。

また、 ユーザ側効き目ベクトル EfUPおよび反効き目ベクトル E UPは、 正履 歴べク トル UPまたは負履歴べクトル MUPを基に、 あるいは、 一定期間にユーザ が視聴した番組をカウントすることにより、 生成されるようにしても良い。 更に、 ユーザ側効き目べク トル EfUPおよび反効き目べクトル EfMUPは、 ジャンル別に 生成することも可能である。 ユーザ側効き目べク トル EfUPまたは反効き目べク トル EfMUPを生成する方法については、 図 2 2乃至図 2 7を用いて後述する。 更に、 ユーザ情報登録部 6 3は、 べクトル演算部 6 2の処理により生成された、 推薦優先グループの情報や、 ユーザモデルベク トルなどを、 必要に応じて登録す る。

以上説明したマッチング処理部 4 3においては、 正履歴べク トル UPとの類似 度が高い番組 （ユーザが積極的に視聴する番組） から、 負履歴を用いて、 ユーザ が好まないと思われる番組 （ユーザが視聴するのに消極的である番組） を取り除 く処理を行わなくても、 例えば、 正履歴のみを用いて推薦番組を決定することも 可能である。

推薦情報出力部 4 9は、 マッチング処理部 4 3から供給された推薦番組の情報 を、 推薦番組リスト 5 0に登録するとともに、 テレビジョン表示装置 1 1、 また は、 録画再生装置 1 2に供給する。 推薦番組リスト 5 0は、 番組推薦処理装置 1 0から取り外し可能に構成されており、 推薦番組出力部 4 9から出力された推薦 番組情報を登録する。 推薦番組リスト 5 0に推薦番組情報を保存するようにする ことにより、 例えば、 異なるテレビジョン受信装置 4、 テレビジョン表示装置 1 1、 あるいは、 録画再生装置 1 2などを用いる場合においても、 これまで蓄積し た履歴情報を用いて、 番組の推薦や、 自動録画などを実行させるようにすること が可能である。 また、 マッチング処理部 4 3は、 必要に応じて、 ドライブ 5 1とも接続されて いる。 ドライブ 5 1には、 必要に応じて、 磁気ディスク 7 1、 光ディスク 7 2、 光磁気ディスク 7 3、 および半導体メモリ 7 4が装着され、 データの授受を行う。 図 1 4のフローチャートを参照して、 番組推薦処理装置 1 0が実行する、 正履 歴べクトルおよび負履歴べク トル生成処理 1について説明する。

ステップ S 7 1において、 操作ログ取得部 4 6は、 初期登録保存部 4 5から読 み出した初期登録内容を負履歴保存部 4 8に供給する。 負履歴保存部 4 8は、 供 給された初期登録内容を参照して、 負履歴べクトル MUPを生成する。

ステップ S 7 2において、 操作口グ取得部 4 6は、 初期登録保存部 4 5に保存 されている登録内容を基に、 初期登録内容が変更されたか否かを判断する。 ステ ップ S 7 2において、 初期登録内容が変更されたと判断された場合、 処理は、 ス テツプ S 7 1に戻り、 それ以降の処理が繰り返される。

ステップ S 7 2において、 初期登録内容が変更されていないと判断された場合、 ステップ S 7 3において、 操作ログ取得部 4 6は、 テレビジョン表示装置 1 1ま たは録画再生装置 1 2から、 操作ログが供給されたか否かを判断する。 ステップ S 7 3において、 操作ログが供給されていないと判断された場合、 処理は、 ステ ップ S 7 2に戻り、 それ以降の処理が繰り返される。

ステップ S 7 3において、 操作ログが供給されたと判断された場合、 ステップ S 7 4において、 操作ログ取得部 4 6は、 供給された操作ログは、 正履歴である か否かを判断する。 例えば、 操作ログが、 録画操作である場合、 その操作に対応 する番組の番組べク トル PPは、 正履歴となり、 操作ログが、 再生していない録 画データの消去である場合、 その操作に対応する番組の番組ベク トル PPは、 負 履歴となる。

ステップ S 7 4において、 供給された操作ログは、 正履歴であると判断された 場合、 ステップ S 7 5において、 操作ログ取得部 4 6は、 正履歴であると判断さ れた操作ログに対応する番組べク トル ppをデータ取得部 4 1から抽出し、 正履 歴保存部 47に供給する。 正履歴保存部 47は、 供給された番組べクトル PP を、 正履歴として追加保存する。

ステップ S 76において、 正履歴保存部 47は、 詳細項目ごと、 または、 大項 目ごとに正履歴番組べク トル PPのべク トルの総和を求めて、 正履歴べクトノレ UP を生成する。 ステップ S 76の処理の終了後、 処理は、 ステップ S 72に戻り、 それ以降の処理が繰り返される。

ステップ S 74において、 供給された操作ログは、 正履歴ではないと判断され た場合、 供給された操作ログは、 負履歴であるので、 ステップ S 7 7において、 操作口グ取得部 46は、 負履歴であると判断された操作口グに対応する番組べク トル PPをデータ取得部 4 1から抽出し、 負履歴保存部 48に供給する。 負履歴 保存部 48は、 供給された番組べク トル PPを、 負履歴として追加保存する。

ステップ S 78において、 負履歴保存部 48は、 詳細項目ごと、 または、 大項 目ごとに負履歴番組べク トル PPのべクトルの総和を求めて、 負履歴べクトル .MUP を生成する。 テツプ S 78の処理の終了後、 処理は、 ステップ S 72に戻り、 それ以降の処理が繰り返される。

大項目が、 正履歴べク トル UP= {タイ トル Tup, ジャンル Gup, 出演者 Pup， 脚本/原作/演出 Aup， 内容 （キーワード） Kup} であり、 大項目の中に詳細 項目が記載されている場合、 正履歴べクトル UP においては、 各詳細項目の後に、 ベクトル総和を示す数値が記載される。 例えば、 図 1 5に示されるように、 大項 目 「ジャンル」 に関しては、 ジャンル Gup= { (ドラマー 25) , (バラェテ ィー 34) ， （スポーツ— 42) ' (映画一 37) ， （音楽一 73) ， （子供向 け/教育一 1 20) ， （教養 Zドキュメント一 3) ， （ェユース/報道一 5) ，

(その他一 23) } のように、 詳細項目ごとに正履歴の総和を示す数値が記載さ れる。 また、 大項目 「タイトル」 のように、 単語によって示されるベク トルにお いては、 例えば、 タイ トル Tu p = { (title 1 - 1 2) ， (title 2 -

3) , · · ■ } のように、 単語に続いて、 単語ごとの正履歴の総和を示す数値が 記載される。 負履歴べク トル MUPにおいても、 正履歴べク トル UP と同様にして、 項目に続いて総和を示す数値が記述される。

図 1 5においては、 正履歴べクトル UP (および、 負履歴べク トル MUP) の大 項目を、 タイ トル、 ジャンル、 出演者、 脚本 Z原作/演出、 内容 （キーワード） とし、 図 5を用いて説明した番組ベクトル PPよりも少ない項目数であるものと して説明したが、 番組べクトル PPと同様の大項目としても良いことは言うまで もない。

図 1 4においては、 初期登録の内容を基に、 操作ログが入力される前に負履歴 ベク トル MUPが生成されるものとして説明しているが、 初期登録時に、 ユーザ が好ましいと思う番組を選択するための情報の登録を受けるようにし、 操作ログ が入力される前に正履歴ベク トル UPも生成されるようにしても良い。 また、 初 期登録を基に正履歴べク トル UP、 または、 負履歴べク トル MUPを生成せず、 操 作ログのみを用いて正履歴べク トル UP、 または、 負履歴べク トル MUPを生成す るようにしてもよい。

このようにして、 正履歴ベクトル UP、 および、 負履歴ベクトル MUPを独立し て生成して保持することにより、 より精密に、 ユーザの嗜好とのマッチング処理 を行うことができる。

なお、 このとき、 正履歴および負履歴を、 更に精緻に求めることができるよう にしても良い。 例えば、 図 1 4を用いて説明した処理においては、 全ての項目に おける正履歴と負履歴に対応する番組ベク トル PPの総和を用いて、 正履歴べク トル UPおよび負履歴べクトル MUPを生成したが、 正履歴おょぴ負履歴に対応す る番組ベク トル PPの総和を、 例えば、 ジャンル別に蓄積して、 ジャンル別に正 履歴べクトル UPおよび負履歴べクトノレ MUPを生成するようにしても良い。

放送される番組のジャンルによって、 出演者が偏ってしまうことが頻繁に発生 するため、 ユーザの嗜好が正しく反映されない場合がある。 具体的には、 ドラマ が好きで、 バラエティは、 ほとんどドラマに出演しないコメディアン Aが出演す るもののみを好み、 パラエティ対ドラマの視聴比率が 2 ： 8であるユーザにおい て、 ジャンルを区別せずに出演者の正履歴を蓄積した場合、 ほとんどドラマに出 演しないコメディアン Aよりも、 特に好きな俳優でないにもかかわらず、 ドラマ に頻繁に出演する出演者 Bが、 正履歴べク トル UPにおいて高ポイントとなって しまう場合がある。 このような場合、 例えば、 コメディアン Aが出演するバラエ ティよりも、 ドラマに頻繁に出演する出演者 Bが出演するドキュメンタリーが推 薦されてしまう。 これを防止するためには、 ジャンル別に正履歴および負履歴を 蓄積し、 これを基に、 ジャンル別に正履歴ベク トル UPおよび負履歴ベク トル MUPを生成すればよい。

また、 例えば、 ユーザが解説者 Aのファンであるので、 「解説者 Aが解説して いる球団 Bの試合の実況中継」 を好んで視聴しているような場合、 ジャンルであ る 「スポーツ」 という情報は履歴として重なりやすいが、 出演者である 「解説者 A」 という情報は履歴として重なり難いので、 他の解説者が解説している球団 B の試合の実況中継が推薦されて、 解説者 Aが出演しているバラエティ番組が推薦 されないような場合が発生する。 これを防止するためには、 例えば、 出演者別に 正履歴おょぴ負履歴を蓄積し、 これを基に、 出演者別に正履歴ベク トル UPおよ ぴ負履歴ベク トル MUPを生成すればよい。 . このように、 特定の要素別に履歴を蓄積するようにすることにより、 ユーザの 好み.をなまらせる.ことなく、 より緻密にユーザの嗜好を反映することが可能とな る。

そして、 マッチング処理部 4 3において、 このようにして生成された正履歴べ ク トル UPおよび負履歴べクトル MUPと、 供給された番組べク トル PPのマッチ ングを検証することにより、 ユーザの嗜好を正しく反映した推薦番組情報を生成 することが可能となる。

次に、 図 1 6のフローチャートを参照して、 ジャンル別に履歴を蓄積するよう にした、 正履歴べク トルおょぴ負履歴べク トル生成処理 2について説明する。 ステップ S 8 1乃至ステップ S 8 4において、 図 1 4のステップ S 7 1乃至ス テツプ S 7 4と同様の処理が実行される。 すなわち、 初期登録が参照されて、 負 履歴べク トル MUP が生成され、 初期登録内容が変更されたか否かが判断されて、 変更されなかった場合、 供給された操作ログが、 正履歴であるか否かが判断され る。

ステップ S 8 4において、 供給された操作ログが正履歴であると判断された場 合、 ステップ S 8 5において、 操作ログ取得部 4 6は、 正履歴であると判断され た操作ログに対応する番組べクトル PPをデータ取得部 4 1から抽出し、 正履歴 保存部 4 7に供給する。 正履歴保存部 4 7は、 供給された番組べクトル PPのジ ヤンルを抽出する。

ステップ S 8 6において、 正履歴保存部 4 7は、 データ取得部 4 1から抽出さ れた番組ベク トル PPを、 ジャンル別に、 正履歴として追加保存する。

ステップ S 8 7において、 正履歴保存部 4 7は、 詳細項目ごと、 または、 大項 目ごとに、 番組ベクトルが追加保存されたジャンルにおいて、 正履歴の番組べク トル PPのべクトルの総和を求めて、 対応するジャンルの正履歴べクトル UPを 生成する。 ステップ S 8 7の処理の終了後、 処理は、 ステップ S 8 2に戻り、 そ れ以降の処理が繰り返される。

ステップ S 8 4において、 供給された操作ログが正履歴ではないと判断された 場合、 供給された操作ログは負履歴であるので、 ステップ S 8 8において、 操作 ログ取得部 4 6は、 負履歴であると判断された操作ログに対応する番組べク トル PPをデータ取得部 4 1から抽出し、 負履歴保存部 4 8に供給する。 負履歴保存 部 4 8は、 供給された番組ベク トル PPのジャンルを抽出する。

ステップ S 8 9において、 負履歴保存部 4 8は、 データ取得部 4 1から抽出さ れた番組ベクトル PPを、 ジャンル別に、 負履歴として追加保存する。

ステップ S 9 0において、 負履歴保存部 4 8は、 詳細項目ごと、 または、 大項 目ごとに、 番組べク トルが追加保存されたジャンルにおいて、 負履歴の番組べク トル PPのベク トルの総和を求めて、 対応するジャンルの負履歴ベク トル MUPを 生成する。 ステップ S 9 0の処理の終了後、 処理は、 ステップ S 8 2に戻り、 そ れ以降の処理が繰り返される。 このような処理により、 ジャンル別に正履歴べクトル UPと負履歴べク トル MUPが生成されるので、 ユーザの好みをなまらせることなく、 より緻密にユーザ の嗜好を反映することが可能となり、 ユーザの嗜好を正しく反映した推薦番組情 報を生成することが可能となる。

図 1 7のフローチャートを参照して、 番組べク トノレ PP、 正履歴べク トル UPお よび負履歴べク トル MUPカ、 詳細項目の全要素を 1列に並べたベタ トルで表さ れている場合の、 マッチング処理 1について説明する。

ステップ S 1 0 1において、 番組べク トル抽出部 4 2は、 複数番組 （例えば、 所定の時間帯に放送される番組） の番組べクトル PPをデータ取得部 4 1から抽 出して、 マッチング処理部 4 3の正規化処理部 6 1に供給する。 正規化処理部 6 1は、 供給された番組べクトル PPと、 正履歴保存部 4 7から読み出した正履歴 ベタトル UPの構成要素のうち、 単語で構成されているタイトルおよび内容につ いての正規化を行い、 ベタトル演算部 6 2に正規化結果を供給する。

具体的には、 正規化処理部 6 1は、 供給された番組べク トル PPが、 例えば、 タイ トル T m = {東海道一 1， 三谷一 1， 怪談— 1 } である場合、 タイ トル T m = {東海道： 0 . 3 3， 三谷： 0 . 3 3， 怪談： 0 . 3 3 } として、 その番組ご とに、 その項目内の単語のトータルで、 重みが 1になるように正規化する。 ステップ S 1 0 2において、 マッチング処理部 4 3のべクトル演算部 6 2は、 上述した式 （1 ) を用いて、 複数番組の番組べク トル PPと正履歴べクトル UP のコサイン距離である類似度 SiraUPを算出する。

ステップ S 1 0 3において、 ベタトル演算部 6 2は、 ステップ S 1 0 2におい て算出された、 番組べク トル PPと正履歴べク トル UP との類似度を示す類似度 SimUPを比較し、 類似度の上位から、 例えば、 1 0などの所定の数だけ、 番組べ クトル PPを抽出する。

ステップ S 1 0 4において、 ベタ トル演算部 6 2は、 ステップ S 1 0 3におい て抽出された番組べク トル PPと、 負履歴保存部 4 8から読み出した負履歴べク トル MUPとのコサイン距離である類似度 SimMUPを、 上述した式 （2 ) を用いて 算出する。

ステップ S 1 0 5において、 ベク トル演算部 6 2は、 正履歴ベク トル UPとの 類似度 （すなわち、 コサイン距離） SimMUP—負履歴ベク トルとの類似度 （すな わち、 コサイン距離） SimMUPを算出し、 その上位となる、 所定数 （例えば、 1 つ） の番組の番組ベク トルまたは E P Gデータを推薦情報として抽出し、 推薦情 報出力部 4 9に出力して、 推薦番組リスト 5 0に登録させるとともに、 テレビジ ヨン表示装置 1 1および録画再生装置 1 2に出力して、 処理が終了される。

このような処理により、 番組べクトノレ PP、 正履歴べクトル UPおよぴ負履歴べ タ トル MUP力 詳細項目の全要素を 1列に並べたベク トルで表されている場合 において、 番組べク トノレ PPと正履歴べク トル UPとの類似度と、 番組べク トル PPと負履歴べクトルとの類似度とを基に、 ユーザの嗜好に合致した推薦番組を 決定することが可能となる。

次に、 図 1 8のフローチャートを参照して、 単語で示される項目の正規化を行 うのではなく、 大項目ごとにコサイン距離の計算を行い、 その和を類似度 S imUP および類似度 SimMUPとして算出することにより推薦番組を決定する、 マツチン グ処理 2について説明する。

ステップ S 1 1 1において、 番組べク トル抽出部 4 2は、 複数番組 （例えば、 所定の時間帯に放送される番組） の番組べタ トル PPをデータ取得部 4 1から抽 出して、 マッチング処理部 4 3のべクトル演算部 6 2に供給する。 べク トル演算 部 6 2は、 供給された番組べクトル PPと、 正履歴保存部 4 7から読み出した正 履歴べクトル UPのそれぞれの大項目について、 番組べク トル PPと正履歴べク トル UPのコサイン距離を算出する。

ステップ S 1 1 2において、 ベタ トル演算部 6 2は、 ステップ S 1 1 1におい て項目ごとに算出されたコサイン距離の値を、 上述した式 （4 ) を用いて合計し、 類似度 SiraUPを算出する。 ステップ S 1 1 3において、 ベタ トル演算部 6 2は、 ステップ S 1 1 2におい て算出された、 番組べク トル PPと正履歴べクトル UP との類似度 SitnUPを比較 し、 類似度の上位から、 例えば、 1 0などの所定の数の番組ベクトル PPを抽出 する。

ステップ S 1 1 4において、 ベタトル演算部 6 2は、 ステップ S 1 1 3の処理 により抽出された番組べク トル PPと、 負履歴保存部 4 8から読み出した負履歴 べクトル MUPのそれぞれの大項目について、 番組べク トル PPと負履歴べク トル MUPのコサイン距離を算出する。

ステップ S 1 1 5において、 ベタ トル演算部 6 2は、 ステップ S 1 1 4におい て項目ごとに算出されたコサイン距離の値を、 上述した式 （4 ) を用いて合計し、 類似度 SimMUPを算出する。

ステップ S 1 1 6において、 ベタトル演算部 6 2は、 {番組べクトル PPと正 履歴べクトル UPとのコサイン距離である類似度 S imUP } — {番組べク トル PPと 負履歴ベク トルとのコサイン距離である類似度 SimMUP } を算出し、 その上位と なる所定数 （例えば 3つ） の番組の番組ベクトル PPまたは E P Gデータを推薦 情報として抽出し、 推薦情報出力部 4 9に出力して、 推薦番組リス ト 5 0に登録 させるとともに、 テレビジョン表示装置 1 1および録画再生装置 1 2に出力して、 処理が終了される。

このような処理により、 単語で示される項目の正規化を行うことなく、 大項目 ごとに演算結果の和が類似度 S imUPおよび類似度 S imMUPとして算出されるので、 異なる大項目に属する詳細要素間の履歴の重なりの偏りの影響を受けることなく、 番組べクトル PPと正履歴べク トル UPとの類似度と、 番組べク トノレ PPと負履歴 ベタトル願 Pとの類似度とを基に、 ユーザの嗜好に合致した推薦番組を決定す ることが可能となる。

図 1 7および図 1 8を用いて説明したマッチング処理 1およびマッチング処理 2においては、 ユーザの正履歴べクトノレ UPとの類似度が高い番組から、 負履歴 を用いて、 ユーザが好まないと思われる番組を取り除くことができるものとして 説明しているが、 例えば、 正履歴のみを用いて推薦番組を決定するようにしても よい。

また、 ユーザによっては、 番組を選択するにあたり、 ニュースや報道番組を非 常に好んだり、 ジャンルより も出演者が重要であったり、 出演者にはこだわらな いが、 内容が重要であるなど、 番組を選択するために重み付けられる項目と、 重 み付けられない項目、 換言すれば、 重要な項目とそうでない項目が固定している 場合がある。

従って、 マッチング処理は、 上述した番組側効き目べク トル EfPP、 ユーザ側 効き目ベク トル EfUP、 または、 ユーザ側反効き目ベク トル EfMUPを利用して行 うようにしてもよい。 また、 番組側効き目ベクトル EfPP、 ユーザ側効き目べク トル EfUP、 または、 ユーザ側反効き目ベク トル EfMUPを利用するか否かは、 ュ 一ザにより設定可能なようにしても良い。

次に、 図 1 9のフローチャートを参照して、 番組べクトノレ PP、 正履歴べクト ル UPおよび負履歴べクトル MUPカ、 詳細項目の全要素を 1列に並べたベタトル で表されている場合に、 ユーザの設定により、 番組側効き目ベク トル EfPPまた はユーザ側効き目べク トル EfUPを利用してマッチング処理を行う、 マッチング 処理 3について説明する。

ステップ S 1 2 1において、 ベク トル演算部 6 2は、 操作入力部 4 4を用いて ユーザにより入力され、 初期登録保存部 4 5に登録されている番組側効き目べク トル EfPPおよびユーザ側効き目べクトル EfUPまたはユーザ側反効き目べクト ル EfMUPの利用設定内容を取得する。 効き目ベク トルの利用設定内容とは、 マ ツチング処理において、 番組側効き目べク トル EfPP、 ユーザ側効き目べクトル EfUPまたはユーザ側反効き目べクトル EfMUPを利用して、 重み付けを行うか否 かを示す情報である。

ステップ S 1 2 2において、 ベタトル演算部 6 2は、 必要に応じて、 ユーザ情 報登録部 6 3から、 ユーザ側効き目ベク トル EfUPを読み込み、 次の式 （5 ) を 6

44 用いて、 番組べクトル PPと正履歴べクトル UPのコサイン距離を算出し、 類似 度 SiraUPとする。

⁽⁵⁾

なお、 式 （5) においては、 番組べクトル PP= ( ^ p₂、 · · ·） 、 正履歴 ベク トル UP= (u₁₍ u₂, ■ · · ) 、 番組側効き目ベク トル EfPP= (e p dい . e p d₂, ' · ' ) 、 ユーザ側効き目ベク トル EfUP= (e u dい e u d

2, ■ · ■ ) であるものとする。 また、 式 （5) においては、 番組側効き目べク トル EfPPおよびユーザ側効き目べク トル EfUPのいずれをも利用するものとし て説明しているが、 設定により、 番組側効き目べク トル EfPPおよびユーザ側効 き目べクトル EfUPのうちのいずれかが利用されない場合、 利用されないベタト ルに代わって数値 「1」 が代入されて計算される。

また、 ユーザ側効き目ベク トル EfUPは、 ユーザにより設定可能であっても、 ユーザの初期設定を基に設定されるものであっても良いし、 ユーザ情報登録部 6 3において生成されるものであっても良い。 ユーザ側効き目べク トル EfUPの生 成の詳細については、 図 22乃至図 25を用いて後述する。

ステップ S 1 23において、 ベタ トル演算部 6 2は、 ステップ S 1 22におい て算出された、 番組べク トノレ PPと正履歴べクトル UPとの類似度 SimUPを比較 し、 類似度の上位から、 例えば、 1 0などの所定の数の番組べク トル PPを抽出 する。

ステップ S 1 24において、 ベタトル演算部 6 2は、 必要に応じて、 ユーザ情 報登録部 6 3力、ら、 ユーザ側反効き目べク トル EfMUPを読み込み、 次の式

(6) を用いて、 ステップ S 1 2 3において抽出された番組べク トル PPと負履 歴べク トル MUPのコサイン距離を算出する。

… （₆₎

なお、 式 （6 ) においては、 番組べクトル PP = ( pい p ₂ · · · ) , 負履歴 ベタ トル MUP = (nij , m₂, ■ ■ · ) 、 番組側効き目べク トル EfPP = ( e p d _x e p ά ₂, ■ ■ · ) 、 ユーザ側反効き目ベク トル EfMUP= ( e m e m d ₂, · · · ) であるものとする。 また、 式 （6 ) においては、 番組側効き目べク トル EfPPおよびユーザ側反効き目べク トル EfMUPのいずれをも利用するものと して説明しているが、 設定により、 番組側効き目べク トル EfPPおよびユーザ側 反効き目べクトル EfMUPのうちのいずれかが利用されない場合、 利用されない ベタトルに代わって、 数値 「1」 が代入されて計算される。

また、 ユーザ側反効き目ベク トル EfMUPは、 ユーザにより設定可能であって も、 ユーザの初期設定を基に設定されるものであっても良いし、 ユーザ情報登録 部 6 3において生成されるものであっても良い。 ユーザ側反効き目べク トル EfMUPの生成の詳細については、 図 2 6または図 2 7を用いて後述する。

ステップ S 1 2 5において、 ベタトル演算部 6 2は、 番組べクトル PPと正履 歴べク トノレ UPとの類似度 SimUP—番組べク トル PPと負履歴べク トルとの類似度 SimMUPを算出し、 その上位となる所定数 （例えば 3つ） の番組の番組ベク トル PPまたは E P Gデータを推薦情報として抽出し、 推薦情報出力部 4 9に出力し て、 推薦番組リスト 5 0に登録させるとともに、 テレビジョン表示装置 1 1およ び録画再生装置 1 2に出力して、 処理が終了される。

このような処理により、 設定に応じて、 番組側効き目ベクトル EfPP、 ユーザ 側効き目ベクトル EfUP、 または、 ユーザ側反効き目ベクトル E UPが用いられ て、 推薦情報が抽出されるので、 ユーザの嗜好を正しく反映した番組を推薦する ようにすることができる。

図 1 9を用いて説明した処理では、 番組べクトル PP、 正履歴べク トル UPおよ ぴ負履歴べクトル MUP力 詳細項目の全要素を 1列に並べたベタトルで表され ている場合の処理について説明したが、 番組べク トル PP、 正履歴べク トル UPお よび負履歴べク トル MUPを、 それぞれ、 大項目ごとに演算するようにしても良 レ、。 次に、 図 20のフローチャートを参照して、 大項目ごとに、 番組側効き目べク トル EfPP、 ユーザ側効き目べクトル EfUP、 または、 ユーザ側反効き目べク トル EfMUPを反映させることができるようにした、 マッチング処理 4について説明す る。

ステップ S 1 3 1において、 図 1 9のステップ S 1 2 1と同様の処理が実行さ れて、 効き目べク トルの利用設定内容が取得される。

ステップ S 1 3 2において、 ベタトル演算部 6 2は、 供給された番組べク トル PPと、 正履歴保存部 4 7から読み出した正履歴べクトル UPのそれぞれの大項目 について、 番組べク トル PPと正履歴べク トル UPのコサイン距離を算出する。 ここでは、 効き目ベク トルは演算に利用されない。

ステップ S 1 3 3において、 ベタトル演算部 6 2は、 次の式 （7) を用いて、 項目ごとに算出されたコサイン距離に、 必要に応じて効き目べクトルを乗算し、 得られた値を合計して、 類似度 SimUPを算出する。

SimUP = epd_t' eua_t* cos Θ u_t+ ep _g* eud„* cos Θ u_g+ epd_p« eud_p* cos Θ u_n

+ epd_a* eud_a- cos Θ u_a+ epd_k* eud_k- cos Θ u_k · - · (7)

なお、 式 （7) においては、 番組ベクトル PP= (p_t, _g, p_p, p_a, _k) と 正履歴ベク トル UP= (u_t, u_g， u_p, u_a) u_k) との大項目ごとのコサイン距離が、 (cos0u_t, cos0u_g, cos Θ u_p , cos 0u_a, cos 0u_k) であり、 番組側効き目べク トル EfPP= (epd_t, epも， epd_p, epも， epd_k) 、 ユーザ側効き目べク トノレ EfUP = (eud_t, eud_g, eud_p， eud_a, eud_k) であるものとする。 また、 式 （7) におい ては、 番組側効き目べク トル Ef PPおよびユーザ側効き目べク トル EfUPのいず れをも利用するものとして説明しているが、 設定により、 番組側効き目ベク トル EfPPおよびユーザ側効き目べクトル EfUPのうちのいずれかが利用されない場合、 利用されないべク トルに代わって、 数値 「1」 が代入されて計算される。

ステップ S 1 3 4において、 ベタトル演算部 6 2は、 ステップ S 1 3 3におい て算出された、 番組べク トル PPと正履歴べク トル UP との類似度 SimUPを比較 し、 類似度の上位から、 例えば、 1 0などの所定の数の番組べク トル PPを抽出 する。

ステップ S 1 3 5において、 ベタトル演算部 6 2は、 ステップ S 1 3 4の処理 により抽出された番組べクトル PPと、 負履歴保存部⁴ 8から読み出した負履歴 ベタトル MUPのそれぞれの大項目について、 番組べク トノレ PPと負履歴べクトル MUPのコサイン距離を算出する。 ここでは、 効き目ベク トルは演算に利用されな い。

ステップ S 1 3 6において、 べクトル演算部 6 2は、 次の式 （8) を用いて、 項目ごとに算出されたコサイン距離に、 必要に応じて効き目べクトルを乗算し、 得られた値を合計して、 類似度 SiraMUPを算出する。

SiraMUP = epd_t'emd_t-cos Θ m_t+ epd_g* emd_g* cos Θ m_g+ epd_p · erad_p · cos Θ m_p

+ epd_a* erad_a* cos Θ ra-+ epd_k* erad_k' cos Θ m_k■ ■ ■ (8)

なお、 式 （8) においては、 番組ベクトル PP= (p_t, _g) p_p, p_a, _k) と 負履歴ベク トル UP= (m_t， m_g, m_p, m_a, m_k) との大項目ごとのコサイン距離 i (cos0m_t, cos0m_g, cos 0m_p， cos Θ m_a, cos 0ra_k) であり、 番組側効き目 べク トル EfPP= (epd_t, epd_g, epd_p, epd_a, epdい ） 、 ユーザィ則反効き目べク ト ル EfMUP= (erad_t, emd_g, emd_p， emも， erad_k) であるものとする。 また、 式

(8) においては、 番組側効き目べク トル EfPPおよびユーザ側反効き目べタ ト ル EfMUPのいずれをも利用するものとして説明しているが、 設定により、 番組 側効き目べクトノレ EfPPおよびユーザ側反効き目べク トル EfMUPのうちのいずれ かが利用されない場合、 利用されないベタ トルに代わって、 数値 「1」 が代入さ れて計算される。

ステップ S 1 3 7において、 ベタ トル演算部 6 2は、 {番組べク トル PPと正 履歴べクトル UPとのコサイン距離である類似度 SimUP} — {番組べク トル PPと 負履歴ベク トルとのコサイン距離である類似度 SimMUP} を算出し、 その上位と なる所定数 （例えば 3つ） の番組の番組ベク トル PPまたは E PGデータを推薦 情報として抽出し、 推薦情報出力部 4 9に出力して、 推薦番組リス ト 5 0に登録 6

48

させるとともに、 テレビジョン表示装置 1 1および録画再生装置 1 2に出力して、 処理が終了される。

このような処理により、 大項目ごとに、 効き目ベク トルが利用されて重み付け が行われるので、 ユーザの嗜好に詳細に合致した推薦情報を生成することが可能 となる。

次に、 図 2 1のフローチャートを参照して、 図 1 6を用いて説明した正履歴べ クトルおょぴ負履歴べク トル生成処理 2の処理により生成された、 ジャンル別の 正履歴べク トル UPおよび負履歴べク トル MUP、 並びに、 ジャンル別のユーザ側 効き目べク トル EfUPおよびユーザ側反効き目べクトル EfMUPを用いて、 マッチ ング処理を実行するマッチング処理 5について説明する。

ステップ S 1 4 1において、 図 1 9のステップ S 1 2 1と同様の処理が実行さ れて、 効き目ベク トルの利用設定内容が取得される。

ステップ S 1 4 2において、 べク トル演算部 6 2は、 供給された番組べク トル PPのジャンルを抽出する。 ここでは、 例えば、 供給された番組べク トル PPのジ ヤンルが 「ドラマ」 であったものとして説明する。

ステップ S 1 4 3において、 ベタトル演算部 6 2は、 供給された番組べク トル PPと、 正履歴保存部 4 7から読み出した、 ジャンル 「ドラマ」 に対応する正履 歴べク トル UPのそれぞれの大項目について、 番組べク トノレ PPと正履歴べクト ル UPのコサイン距離を算出する。 ここでは、 効き目ベク トルは演算に利用され ない。

ステップ S 1 4 4において、 ベクトル演算部 6 2は、 次の式 （9 ) を用いて、 項目ごとに算出されたコサイン距離に、 必要に応じて、 ジャンル 「ドラマ」 に対 応するユーザ側効き目ベク トルを乗算し、 得られた値を合計して、 類似度 S imUP を算出する。

SimUP = epd_t ^# eud_td ' cos Θ u_td + epd„* eud_gd ' cos Θ u_gd + epd_p · eud_pd * cos Θ u_pd + epd_a * eud_ad - cos Θ u_ad + epd_k * eud_kd - cos Θ u_kd · · · ( 9 ) なお、 式 （9) においては、 番組ベクトル PP= (p_t, _g, P_p) p_a, p_k) と、 ジャンル 「ドラマ」 に対応する正履歴ベク トル UP= (u_t, u_g, u_p， u_a, u_k) と の大項目ごとのコサイン距離が、 （cos0u_td, cos 0u_gd, cos 0u_pd ， cos 0u_ad, cos 0u_kd) であり、 番組側効き目ベク トル EfPP= (epd_t) epd_g， epd_p， epd_a， epd_k) 、 ジャンル 「ドラマ」 に対応するユーザ側効き目ベク トル EfUP== (eud_td, eud_gd, eud_pd, eud_ad, eud_kd) であるものとする。 また、 式 （9) においては、 番 組側効き目べク トル EfPPおよびユーザ側効き目べク トル EfUPのいずれをも利 用するものとして説明しているが、 設定により、 番組側効き目ベクトル EfPPお ょぴユーザ側効き目べク トル EfUPのうちのいずれかが利用されない場合、 利用 されないベクトルに代わって、 数値 「1」 が代入されて計算される。

ステップ S 145において、 ベタ トル演算部 6 2は、 ステップ S 143におい て算出された、 番組べクトル PPと正履歴べクトル UP との類似度 SimUPを比較 し、 類似度の上位から、 例えば、 10などの所定の数の番組べク トル PPを抽出 する。

ステップ S 146において、 べク トル演算部 6 2は、 ステップ S 145の処理 により抽出された番組べクトル PPと、 負履歴保存部 48から読み出したジヤン ノレ 「ドラマ」 に対応する負履歴ベク トル MUPのそれぞれの大項目について、 番 組べク トル PPと負履歴べクトル MUPのコサイン距離を算出する。 ここでは、 効 き目べクトルは演算に利用されない。

ステップ S 147において、 ベク トル演算部 6 2は、 次の式 （1 0) を用いて、 項目ごとに算出されたコサイン距離に、 必要に応じて、 ジャンル 「ドラマ」 に対 応する効き目ベクトルを乗算し、 得られた値を合計して、 類似度 SimMUPを算出 する。

SiraMUP = epd_t-erad_td- cos Θ m_td + epd_g- emd_gd* cos Θ m_gd+ epd_p* emd_pd- cos Θ m_pd + epd_a* emd_ad- cos Θ m_ad+ epd_k* emd_kd' cos Θ ra_kd · ■ · (10)

なお、 式 （1 0) においては、 番組ベク トル PP= (p_t, _{g) p)} p_{a) k}) と負履歴ベク トル MUP = (m_t, _g> m_p, m_a， m_k) との大項目ごとのコサイン 2003/015926

50

£巨离雀カ ^s、 (cos Θ m_td, cos Θ ra_gd, cos Θ m_pd ， cos Θ _ai, cos Θ m_ki) であり、 番糸且 側効き目ベク トル EfPP = (epd_t， epd_g, epd_p, epd_a, epd_k) 、 ジャンル 「ドラ マ」 に対応するユーザ側反効き目ベク トル EfMUP = (emd_td， erad_gd， emd_pd， erad_ad， emd_kd) であるものとする。 また、 式 （1 0 ) においては、 番組側効き目べクト ル EfPPおよびユーザ側反効き目べクトル EfMUPのいずれをも利用するものとし て説明しているが、 設定により、 番組側効き目ベクトル EfPPおよびユーザ側反 効き目べク トル EfMUPのうちのいずれかが利用されない場合、 利用されないベ クトルに代わって、 数値 「1」 が代入されて計算される。

ステップ S 1 4 8において、 ベタトル演算部 6 2は、 {番組べク トノレ PPと正 履歴べクトル UPとのコサイン距離である類似度 SimUP } — {番組べク トル PPと 負履歴ベク トルとのコサイン距離である類似度 SimMUP } を算出し、 その上位と なる所定数 （例えば 3つ） の番組の番組ベク トル PPまたは E P Gデータを推薦 情報として抽出し、 推薦情報出力部 4 9に出力して、 推薦番組リスト 5 0に登録 させるとともに、 テレビジョン表示装置 1 1および録画再生装置 1 2に出力して、 処理が終了される。

このような処理により、 大項目ごとに、 ジャンル別の正履歴ベク トル UPおよ び負履歴べクトノレ MUPと番組べクトノレ PPとのコサイン距離が求められ、 ジヤン ルに対応した効き目べク トルが利用されて重み付けが行われて類似度が算出され るので、 ユーザの嗜好に詳細に合致した推薦情報を生成することが可能となる。 また、 ユーザ側効き目ベク トル EfUPおよび反効き目ベクトル EfMUPは、 上述 したように、 初期登録保存部 4 5に登録されている、 ユーザの初期登録内容を基 に生成されるようにしても良いし、 正履歴べクトノレ UPまたは負履歴べク トル MUP、 あるいは、 一定期間にユーザが視聴した番組をカウントすることにより、 ユーザ固有のユーザ側効き目べクトル EfUPおよび反効き目べクトノレ EfMUPが生 成されるようにしても良い。 図 2 2のフローチャートを参照して、 一定期間にユーザが視聴した番組をカウ ントすることによりユーザ側効き目べクトル EfUPを生成する、 ユーザ側効き目 ベタトル生成処理 1について説明する。

ステップ S 1 5 1において、 マッチング処理部 4 3のユーザ情報登録部 6 3は、 未処理の大項目のうちのいずれかを選択する。

ステップ S 1 5 2において、 ユーザ情報登録部 6 3は、 正履歴保存部 4 7に保 存されている正履歴を参照して、 例えば、 1週間、 1ヶ月、 または 3ヶ月などの 一定期間中にユーザが視聴した番組を検出し、 番組べクトル抽出部 4 2に、 一定 期間中にユーザが視聴した番組に対応する番組べクトル PPをデータ取得部 4 1 から抽出させて、 ステップ S 1 5 1において選択された大項目に含まれる詳細項 目ごとに番組数をカウントする。

具体的には、 例えば、 ステップ S 1 5 1において選択された大項目が、 大項目 ジャンル G m = {ドラマ， バラエティ， スポーツ， 映画， 音楽， 子供向け/教育， 教養 ドキュメント， ニュース Z報道， その他 } であれば、 ユーザ情報登録部 6 3は、 一定期間中にユーザが視聴した番組の番組ベク トル PPの構成要素を、 そ れぞれに対応する項目に分類してカウントする。 一定期間中にユーザが視聴した 番組が、 例えば、 5 0番組であった場合、 番組数のカウント結果は、 例えば、 ジ ヤンノレ G m = ( 1 0 , 1 8， 5 , 2 , 8 , 1， 0， 1， 5 ) となる。

ステップ S 1 5 3において、 ユーザ情報登録部 6 3は、 番組べク トル抽出部 4 2に、 同一期間における全ての番組に対応する番組ベク トル PPをデータ取得部 4 1から抽出させて、 ステップ S 1 5 1において選択された大項目に含まれる詳 細項目ごとに番組数をカウントする。

具体的には、 例えば、 ステップ S 1 5 1において選択された大項目が、 大項目 ジャンル G m = {ドラマ， バラエティ， スポーツ， 映画， 音楽， 子供向け Z教育， 教養/ドキュメント， ニュース/報道， その他 } であれば、 ユーザ情報登録部 6 3は、 同一期間における全ての番組の番組ベク トル PPの構成要素を、 それぞれ に対応する項目に分類してカウントする。 同一期間における全ての番組が、 例え ば、 1 00 0番組であった場合、 番組数のカウント結果は、 例えば、 ジャンル G m= ( 1 04, 2 3 9, 6 8 , 2 5, 7 8, 9 1 , 6 0, 2 5 4， 8 1) となる。 ステップ S 1 54において、 ユーザ情報登録部 6 3は、 ステップ S 1 5 2およ びステップ S 1 5 3のカウント結果を基に、 ユーザの視聴実績のカウント数 Z全 番組のカウント数を算出する。

番組編成は、 視聴率競争の影響により、 大衆の嗜好を反映していると考えられ る。 すなわち、 ユーザの視聴実績のカウント数/全番組のカウント数の演算は、 換言すれば、 ユーザの視聴実績のカウント数を、 標準モデルとしての全番組の力 ゥント数で正規化することと同義である。 ステップ S 1 5 4において算出される 正規化べク トルを正規化べク トル Dと称するものとする。

例えば、 大項目ジャンル Gm= {ドラマ， バラエティ， スポーツ， 映画， 音楽, 子供向け/教育， 教養 Zドキュメント， ニュース Z報道， その他 } において、 1 週間の全番組のカウント数が、 （8, 1 2, 3 , 7, 6， 4， 2, 8， 1 0) で あり、 対してユーザが視聴した番組のカウント数が、 （4， 0， 1， 2， 3 , 4， 5, 5 , 2)であった場合、 正規化ベクトル Dは、 以下のようになる。

D= (4/8 , 0/ 1 2, 1/3 ， 2/7 , 3/6 , 4/4, 1/2, 2 /8， 2/ 1 0) = (0. 5， 0， 0. 3 3 , 0. 2 8, 0. 5 , 1. 0， 0. 5， 0. 1 3， 0. 2)

すなわち、 正規化べク トル Dの構成要素が 1. 0である場合は、 設定された期 間中に、 該当する項目の全番組を視聴したこと、 正規化べクトル Dの構成要素が 0である場合は、 設定された期間中に、 該当する番組は一つも視聴しなかったこ とを意味する。

ステップ S 1 5 5において、 ユーザ情報登録部 6 3は、 ステップ S 1 5 4の算 出結果を基に、 対応する大項目の効き目べクトルを生成する。

効き目ベク トルを生成するために、 大項目ジャンル Gm= {ドラマ， バラェテ ィ， スポーツ， 映画， 音楽， 子供向け/教育， 教養 zドキュメント， ニュース z 報道， その他 } のうちのいずれかの項目を用いて、 標準値を設定する。 例えば、 TJP2003/015926

53

ジャンル： 「ドラマ」 の番組 1週間分において、 一般的なユーザは、 その 2割 程度を視聴しているとして、 標準値を 0. 2に設定すればよい。 大項目の効き目 ベクトルは、 相対値として算出されるため、 設定値は 0乃至 1のいずれの値であ つてもかまわない。 そして、 ユーザ側効き目ベク トルは、 ステップ S 1 5 4にお いて算出された正規化ベクトル Dと、 設定値との相対値である。

従って、 ユーザの興味ジャンルを示す、 大項目ジャンル Gmの効き目ベク トル Eは、

E= (0. 3， 一0. 2， 0. 1 3， 0. 0 8, 0. 3 , 0. 8， 0. 3， 一 0. 0 7， 0. 0) と算出されるので、 対応するユーザは、 「子供向けズ教 育」 のジャンルを好み、 「バラエティ」 のジャンルを好まないと判断することが できる。

ステップ S 1 5 6において、 ユーザ情報登録部 6 3は、 全ての大項目の効き目 ベタトルが生成されたか否かを判断する。 ステップ S 1 5 6において、 全ての大 項目の効き目ベクトルが生成されていないと判断された場合、 処理は、 ステップ S 1 5 1に戻り、 それ以降の処理が繰り返される。

ステップ S 1 5 6において、 全ての大項目の効き目べク トルが生成されたと判 断された場合、 ステップ S 1 5 7において、 ユーザ情報登録部 6 3は、 全ての大 項目の効き目ベクトルを保存して、 処理が終了される。

このような処理により、 一般的な嗜好と、 ユーザ固有の嗜好との差を求めるこ とができる。 また、 ユーザ側効き目ベクトル EfUPを、 例えば、 3ヶ月、 半年な どの所定の期間ごとに再演算するようにすることにより、 ユーザの嗜好をリアル タイムに反映した番組を推薦することができる。

また、 図 2 2の処理においては、 例えば、 1週間、 1ヶ月、 または 3ヶ月など の一定期間中にユーザが視聴した番組を基にユーザ側効き目べクトル EfUPを求 めるものとして説明したが、 複数の期間を対象として、 例えば、 短期、 中期、 長 期に対応するユーザ側効き目べクトル EfUPを算出し、 これら複数の効き目べク トルを用いて、 推薦情報を決定するようにしても良い。 ここでは、 ユーザ固有の嗜好を、 ユーザ側効き目べク トル EfUPとして利用す る場合について説明したが、 ユーザ固有の嗜好を、 正履歴ベク トル UPとしてマ ツチング処理に用いるようにしても良い。

また、 放送されている全番組に代わって、 視聴者が最も番組を視聴する所定の 時間帯 （例えば、 1 8時乃至 2 2時の、 いわゆる、 ゴールデンタイム） に放送さ れる全番組をカウントするようにしてもよい。 このようにすることにより、 一般 的な嗜好を求めるための演算処理を大幅に少なくすることができる。

次に、 図 2 3のフローチヤ一トを参照して、 正履歴べク トル UPと、 大衆の嗜 好との類似度を示すコサイン距離の演算によって、 ユーザ固有の嗜好と、 大衆の 嗜好との隔たりをマッチングに利用するためのユーザ側効き目べク トル EfUPを 求める、 ユーザ側効き目べク トル算出処理 2について説明する。

ステップ S 1 6 1において、 マッチング処理部 4 3のユーザ情報登録部 6 3は、 正履歴保存部 4 7に保存されている正履歴べクトル UPを取得する。

ステップ S 1 6 2において、 ユーザ情報登録部 6 3は、 一般的な嗜好を示す、 標準嗜好べタ トル APPを取得する。

標準嗜好べク トル APP は、 配信サーバ 5から供給されるものとしても良いし、 または、 番組編成は、 視聴率競争の影響により、 大衆の嗜好を反映していると考 えられるので、 図 2 2を用いて説明したユーザ側効き目べクトル算出処理 1と同 様にして、 一定期間に放送された全番組の内容をカウントし、 必要に応じて正規 化して、 標準嗜好ベクトル APPとするようにしても良い。

配信サーバ 5においては、 例えば、 一般的な視聴率調査や、 その他の方法を用 いて、 一般的な嗜好を示す標準嗜好べク トル APP を生成するようにしても良い。 ステップ S 1 6 3において、 ユーザ情報登録部 6 3は、 大項目ごとに、 標準嗜 好べク トル APP と、 正履歴べク トル UPとのコサイン距離を算出する。 コサイン 距離が大きいほど、 標準嗜好べク トル APPと、 正履歴べク トル UPとの類似度が 高い。 2003/015926

55

ステップ S 1 6 4において、 ユーザ情報登録部 6 3は、 ステップ S 1 6 3にお いて算出されたコサイン距離を基に、 大項目ごとに、 コサイン距離を逆数にして、 効き目ベク トル EfUPを生成して、 処理が終了される。 コサイン距離の逆数が大 きレヽほど、 標準嗜好べクトル APPと、 正履歴べク トノレ UPとの類似度は低い。

このような処理により、 一般的な嗜好と、 対応するユーザ固有の嗜好との差を 反映したユーザ側効き目べク トル EfUPを求めることができる。 このユーザ側効 き目べクトル EfUPを用いて番組推薦処理を行った場合、 ユーザの嗜好と一般的 な嗜好との違いが強調されて、 推薦される番組が決定される。

なお、 ここでは、 番組べク トル PP、 および正履歴べクトル UPが、 大項目ごと にべク トルで表されているものとして説明したが、 番組べクトル PP、 および正 履歴べクトル UP力 詳細項目の全要素を 1列に並べたベタトルで表されている 場合においても、 同様の処理が実行可能であることは言うまでもない。

また、 標準嗜好べクトル APPと、 正履歴べクトル UPとの類似度は、 効き目べ クトルを算出するのみならず、 そのユーザのユニーク度を示す指数として、 番組 の推薦に直接的に用いるようにしても良い。 例えば、 標準嗜好べク トル APP と、 正履歴べク トル UPとの類似度が高い場合、 一般向けの流行に即した新番組など を優先的に推薦するようにしても良い。

図 2 2およぴ図 2 3を用いて説明したように、 ユーザ側効き目べクトル EfUP は、 ユーザの操作履歴に基づいて、 学習的に求められると好適であるが、 ユーザ 側効き目べクトノレは、 予め初期登録として登録されていても良いし、 経験などに より求められる、 予め設定されている値を用いるようにしても良い。

なお、 大項目に着目して、 ユーザ側効き目べク トル EfUPを生成するのみなら ず、 大項目を構成する構成要素に着目して、 ユーザ側効き目ベクトル EfUPを生 成するようにしても良い。 例えば、 大項目を構成する構成要素 「出演者 P m」 に おいて、 主役と脇役を区別可能にしておき、 ドラマや映画において、 主役よりも 脇役の配役を優先するユーザは、 主役に対して、 脇役の重み付けを大きくするよ うにユーザ側効き目べク トル EfUPを設定可能としたり、 大項目を構成する構成 要素 「脚本/原作/演出 Ara」 において、 監督、 演出家、 原作者、 カメラマンな どを区別可能にしておき、 監督や演出家より、 カメラマンを重視するユーザは、 カメラマンの重み付けを大きくするようにユーザ側効き目べク トル EfUPを設定 可能なようにしても良い。

また、 ユーザ側効き目ベクトル EfUPをジャンルごとに生成し、 図 2 1を用い て説明したマッチング処理 5のように、 対応するジャンルの正履歴べク トル UP と番組べク トル PPとのマッチングのときに作用させるようにしても良い。

次に、 図 2 4のフローチャートを参照して、 一定期間にユーザが視聴した番組 を、 ジャンル別にカウントすることによりユーザ側効き目べク トル EfUPを生成 する、 ユーザ側効き目ベクトル生成処理 3について説明する。

ステップ S 1 7 1において、 マッチング処理部 4 3のユーザ情報登録部 6 3は、 一定期間にユーザが視聴した番組を、 ジャンル別にカウントするために、 いずれ かのジャンルを選択する。

ステップ S 1 7 2において、 ユーザ情報登録部 6 3は、 未処理の大項目のうち のいずれかを選択する。

ステップ S 1 7 3において、 ユーザ情報登録部 6 3は、 正履歴保存部 4 7に保 存されている正履歴を参照して、 例えば、 1週間、 1ヶ月、 または 3ヶ月などの 一定期間中にユーザが視聴した番組のうち、 選択されたジャンルのものを検出し、 番組ベクトル抽出部 4 2に、 一定期間中にユーザが視聴したもののうち、 選択さ れたジャンルの番組に対応する番組べク トル PPをデータ取得部 4 1から抽出さ せて、 ステップ S 1 7 2において選択された大項目に含まれる詳細項目ごとに番 組数をカウントする。

ステップ S 1 7 4において、 ユーザ情報登録部 6 3は、 番組べクトル抽出部 4 2に、 同一期間における全ての番組のうち、 選択されたジャンルに対応する番組 ベクトル PPをデータ取得部 4 1から抽出させて、 ステップ S 1 7 2において選 択された大項目に含まれる詳細項目ごとに番組数をカウントする。 ステップ S 1 7 5において、 ユーザ情報登録部 6 3は、 ステップ S 1 7 3およ びステップ S 1 74のカウント結果を基に、 選択されたジャンルにおける、 ユー ザの視聴実績の力ゥント数 Z全番組の力ゥント数を算出する。

上述したように、 番組編成は、 視聴率競争の影響により、 大衆の嗜好を反映し ていると考えられる。 すなわち、 選択されたジャンルにおける、 ユーザの視聴実 績のカウント数 z全番組のカウント数の演算は、 換言すれば、 対応するジャンル におけるユーザの視聴実績のカウント数を、 標準モデルとしての対応するジヤン ルの全番組のカウント数で正規化することと同義である。 ステップ S 1 7 5にお いて算出される正規化べクトルを正規化べクトル D ' と称するものとする。

例えば、 大項目ジャンル Gm= {ドラマ， バラエティ， スポーツ， 映画， 音楽， 子供向け Z教育， 教養/ドキュメント， ニュース 報道， その他 } のうちの 「ド ラマ」 のジャンルに対応する番組べクトル PP の、 大項目時間帯 Tm= {朝、 昼、 夕方、 ゴールデン、 深夜 } において、 1週間の全番組のカウント数が、 （1 0， 3 5， 7， 5 3， 1 7) であり、 対してユーザが視聴した番組のカウント数が、 (5， 0， 0， 8， 4)であった場合、 正規化ベク トル D 'は、 以下のようにな る。

D ' = (5/ 1 0， 0/3 5, 0/7 , 8/5 3 , 4/ 1 7)

= (0. 5 , 0， 0， 0. 2 8， 0. 1 5， 0. 24)

すなわち、 正規化ベク トル D 'の構成要素が 1. 0である場合は、 設定された 期間中に、 該当する項目の全番組を視聴したことを意味し、 正規化ベク トル D ' の構成要素が 0である場合は、 設定された期間中に、 該当する番組は一つも視聴 しなかったことを意味する。

ステップ S 1 7 6において、 ユーザ情報登録部 6 3は、 ステップ S 1 7 5の算 出結果を基に、 選択されたジャンルにおける、 対応する大項目の効き目ベク トル を生成する。

効き目ベク トルを生成するために、 大項目時間帯 Tm= {朝、 昼、 夕方、 ゴー ルデン、 深夜 } のうちのいずれかの項目を用いて、 標準値を設定する。 例えば、 時間帯： 「ゴールデン」 の番組 1週間分において、 一般的なユーザは、 ドラマ の 2割程度を視聴しているとして、 標準値を 0 . 2に設定すればよい。 大項目の 効き目べク トルは、 相対値として算出されるため、 設定値は 0乃至 1のいずれの 値であってもかまわない。 そして、 ユーザ側効き目ベクトルは、 ステップ S 1 7 5において算出された正規化べク トル D ' と、 設定値との相対値である。

従って、 ユーザの興味ジャンルを示す、 大項目ジャンル G mの効き目べク トル E 'は、

E ' = ( 0 . 3 , — 0 . 2 , — 0 . 2， 一 0 . 0 5， 0 . 0 4 )

と算出されるので、 対応するユーザは、 朝の時間帯のドラマを好み、 昼や夕方 の時間帯のドラマを好まないと判断することができる。

ステップ S 1 7 7において、 ユ^"ザ情報登録部 6 3は、 選択されたジャンルに おいて、 全ての大項目の効き目ベクトルが生成されたか否かを判断する。 ステツ プ S 1 7 7において、 全ての大項目の効き目べク トルが生成されていないと判断 された場合、 処理は、 ステップ S 1 7 2に戻り、 それ以降の処理が繰り返される。 ステップ S 1 7 7において、 全ての大項目の効き目ベク トルが生成されたと判 断された場合、 ステップ S 1 7 8において、 ユーザ情報登録部 6 3は、 全てのジ ヤンルの処理が終了したか否かを判断する。 ステップ S 1 7 8において、 全ての ジャンルが終了していないと判断された場合、 処理は、 ステップ S 1 7 1に戻り、 それ以降の処理が繰り返される。

ステップ S 1 7 8において、 全てのジャンルが終了したと判断された場合、 ス テツプ S 1 7 9において、 ユーザ情報登録部 6 3は、 全ての大項目の効き目べク トルを保存して、 処理が終了される。

このような処理により、 一般的な嗜好と、 ユーザ固有の嗜好との差をジャンル 別に求めることができる。 また、 図 2 2を用いて説明した場合と同様にして、 ュ 一ザ側効き目ベク トル EfUPを、 例えば、 3ヶ月、 半年などの所定の期間ごとに 再演算するようにすることにより、 ユーザの嗜好をリアルタイムに反映した番組 を推薦することができる。 また、 図 2 4の処理においても、 例えば、 1週間、 1ヶ月、 または 3ヶ月など の一定期間中にユーザが視聴した番組を基にユーザ側効き目べクトル EfUPを求 めるものとして説明したが、 図 2 2を用いて説明した場合と同様にして、 複数の 期間を対象として、 例えば、 短期、 中期、 長期に対応するユーザ側効き目べク ト ル EfUPを算出し、 これら複数の効き目ベク トルを用いて、 推薦情報を決定する ようにしても良い。

また、 図 2 4の処理においても、 放送されている全番組に代わって、 視聴者が 最も番組を視聴する所定の時間帯 （例えば、 1 8時乃至 2 2時の、 いわゆる、 ゴ 一ルデンタイム） に放送される全番組をカウントするようにしてもよい。

次に、 図 2 5のフローチヤ一トを参照して、 正履歴べク トル UPと、 大衆の嗜 好との類似度を示すコサイン距離の演算を、 ジャンル別に実行することによって、 ユーザ固有の嗜好と大衆の嗜好との隔たりをマッチングに利用するためのユーザ 側効き目べクトノレ EfUPを求める、 ユーザ側効き目べクトル生成処理 4について 説明する。

ステップ S 1 9 1において、 マッチング処理部 4 3のユーザ情報登録部 6 3は、 処理を実行するジャンルを指定するために、 いずれかのジャンルを選択する。 ステップ S 1 9 2において、 ユーザ情報登録部 6 3は、 正履歴保存部 4 7に保 存されている正履歴べク トル UPのうち、 選択されたジャンルの正履歴べクトル UPを取得する。

ステップ S 1 9 3において、 ユーザ情報登録部 6 3は、 一般的な嗜好を示す、 標準嗜好べク トル APPのうち、 選択されたジャンルの標準嗜好べク トル APPを 取得する。

標準嗜好べク トル APPは、 上述したように、 配信サーバ 5から供給されるも のとしても良いし、 または、 番組編成は、 視聴率競争の影響により、 大衆の嗜好 を反映していると考えられるので、 図 2 4を用いて説明したユーザ側効き目べク トル算出処理 3と同様にして、 一定期間に放送された全番組の内容をジャンル別 にカウントし、 必要に応じて正規化して、 ジャンル別標準嗜好ベク トル APPと するようにしても良い。

配信サーバ 5においては、 例えば、 一般的な視聴率調査や、 その他の方法を用 いて、 一般的な嗜好を示す標準嗜好べク トル APPをジャンル別に生成するよう にしても良い。

ステップ S 1 9 4において、 ユーザ情報登録部 6 3は、 選択されたジャンルの 正履歴べク トノレ UPと、 選択されたジャンルの標準嗜好べクトル APPを用いて、 大項目ごとに、 標準嗜好べク トル APPと、 正履歴べク トル UPとのコサイン距離 を算出する。 コサイン距離が大きいほど、 標準嗜好ベク トル APPと、 正履歴べ ク トル UPとの類似度が高い。

ステップ S 1 9 5において、 ユーザ情報登録部 6 3は、 ステップ S 1 9 4にお いて算出されたコサイン距離を基に、 大項目ごとに、 コサイン距離を逆数にして、 選択されたジャンルの効き目べク トル EfUPを生成する。 コサイン距離の逆数が 大きいほど、 標準嗜好べクトル APPと、 正履歴べクトル UPとの類似度は低い。 ステップ S 1 9 6において、 ユーザ情報登録部 6 3は、 全てのジャンルの処理 が終了したか否かを判断する。 ステップ S 1 7 8において、 全てのジャンルが終 了していないと判断された場合、 処理は、 ステップ S 1 9 1に戻り、 それ以降の 処理が繰り返される。 ステップ S 1 9 6において、 全てのジャンルが終了したと 判断された場合、 処理が終了される。

このような処理により、 一般的な嗜好と、 対応するユーザ固有の嗜好との差を 反映した、 ジャンル別のユーザ側効き目べクトル EfUPを求めることができる。 また、 図 2 3を用いて説明した処理と同様にして、 標準嗜好ベク トル APP と、 負履歴べク トル MUPとの類似度を求め、 その逆数を、 反効き目べク トル EfMUP として算出するようにしてもよい。

次に、 図 2 6のフローチャートを参照して、 負履歴ベク トル MUPを、 大衆の 嗜好と比較することにより、 .反効き目べク トル EfMUPを求めるユーザ側反効き 目べク トル算出処理 1について説明する。 ステップ S 2 0 1において、 マッチング処理部 4 3のユーザ情報登録部 6 3は、 負履歴保存部 4 8に保存されている負履歴べクトル MUPを取得する。

ステップ S 2 0 2において、 ユーザ情報登録部 6 3は、 一般的な嗜好を示す、 標準嗜好べクトル APPを取得する。

標準嗜好ベク トル APPは、 配信サーバ 5から供給されるものとしても良い。 あるいは、 番組編成は、 視聴率競争の影響により、 大衆の嗜好を反映していると 考えられるので、 図 2 2を用いて説明したユーザ側効き目べク トル算出処理 1と 同様にして、 一定期間に放送された全番組の内容をカウントし、 必要に応じて正 規化して、 標準嗜好べク トル APPとするようにしても良い。

ステップ S 2 0 3において、 ユーザ情報登録部 6 3は、 大項目ごとに、 標準嗜 好べク トル APPと、 負履歴べクトル MUP とのコサイン距離を算出する。 コサイ ン距離が大きいほど、 標準嗜好べクトル APPと、 負履歴べクトル而 Pとの類似 度が高い。

ステップ S 2 0 4において、 ユーザ情報登録部 6 3は、 ステップ S 2 0 3にお いて算出されたコサイン距離を基に、 大項目ごとに、 コサイン距離を逆数にして、 反効き目ベクトル EfMUPを生成して、 処理が終了される。

このような処理により、 反効き目べクトル EfMUPを生成することができるの で、 ユーザが好まない番組を、 推薦する番組から効果的に省くことができる。 次に、 図 2 7のフローチャートを参照して、 ジャンル別に実行されるユーザ側 反効き目ベクトル生成処理 2について説明する。

ステップ S 2 1 1において、 マッチング処理部 4 3のユーザ情報登録部 6 3は、 処理を実行するジャンルを指定するために、 いずれかのジャンルを選択する。 ステップ S 2 1 2において、 ユーザ情報登録部 6 3は、 負履歴保存部 4 8に保 存されている負履歴べク トル MUPのうち、 選択されたジャンルの負履歴べク ト ル MUPを取得する。 ステップ S 2 1 3において、 ユーザ情報登録部 6 3は、 一般的な嗜好を示す、 標準嗜好べク トル APPのうち、 選択されたジャンルの標準嗜好べク トル APPを 取得する。

ステップ S 2 1 4において、 ユーザ情報登録部 6 3は、 選択されたジャンルの 負履歴べク トル MUPと選択されたジャンルの標準嗜好べクトル APPとを基に、 大項目ごとに、 標準嗜好べクトル APPと、 負履歴べク トル MUP とのコサイン距 離を算出する。 コサイン距離が大きいほど、 標準嗜好べク トル APPと、 負履歴 ベタ トル MUPとの類似度が高い。

ステップ S 2 1 5において、 ユーザ情報登録部 6 3は、 ステップ S 2 1 4にお いて算出されたコサイン距離を基に、 大項目ごとに、 コサイン距離を逆数にして、 反効き目ベク トル EfMUPを生成する。 コサイン距離の逆数が大きいほど、 標準 嗜好べクトル APPと、 負履歴べクトル MUPとの類似度が低い。

ステップ S 2 1 6において、 ユーザ情報登録部 6 3は、 全てのジャンルの処理 が終了したか否かを判断する。 ステップ S 2 1 6において、 全てのジャンルが終 了していないと判断された場合、 処理は、 ステップ S 2 1 1に戻り、 それ以降の 処理が繰り返される。 ステップ S 2 1 6において、 全てのジャンルが終了したと 判断された場合、 処理が終了される。

このような処理により、 反効き目ベク トル EfMUPを、 ジャンル別に生成する ことができるので、 ユーザが好まない番組を、 推薦する番組から効果的に省くこ とができる。

なお、 ユーザ側効き目べク トル EfUPと、 反効き目べクトル EfMUPは、 図 2 3、 および、 図 2 5乃至図 2 7を用いて説明した大項目ごとのコサイン距離の逆数を n倍した値、 あるいは、 所定の桁で四捨五入した値を用いるものとしてもかまわ ないし、 1からコサイン距離の逆数を減算した値、 あるいは、 その値を n倍した 値を用いるものとしてもかまわない。

ここでは、 番組べクトル PP、 およぴ負履歴べクトル MUP力 大項目ごとにベ ク トルで表されているものとして説明したが、 番組べクトル PP、 およぴ負履歴 ベタトル MUPが、 詳細項目の全要素を 1列に並べたベタトルで表されている場 合においても、 同様の処理が実行可能であることは言うまでもない。

また、 番組べクトル抽出部 4 2によって抽出される番組べクトルには、 図 7ま たは図 8を用いて説明した処理により生成された、 クループ I D、 またはクラス タコードなどのグループを示す情報が付加されている場合がある。

例えば、 ユーザが好んで視聴する番組が、 連続ドラマであった場合、 該当する 連続ドラマは、 全ての回において推薦されるようにすれば、 推薦のための演算処 理を削減することができる。 また、 ユーザに非常に好まれている番組と同グルー プの番組を優先的に推薦するようにすることによつても、 推薦のための演算処理 を削減することができる。

次に、 図 2 8のフローチャートを参照して、 クループ推薦を含むマッチング処 理について説明する。

ステップ S 2 2 1において、 マッチング処理部 4 3のべクトル演算部 6 2は、 番組べクトル抽出部 4 2から供給された番組べク トノレ PPに、 クループ I D、 ま たはクラスタコードなどのグループを示す情報が付加されているか否かを基に、 対応する番組は、 グループ化されているか否かを判断する。

ステップ S 2 2 1において、 対応する番組はグループ化されていると判断され た場合、 ステップ S 2 2 2において、 ベク トル演算部 6 2は、 クループ I D、 ま たはクラスタコードで示されるグループは、 推薦優先グループとして、 ユーザ情 報登録部 6 3に登録されているか否かを判断する。

ステップ S 2 2 2において、 推薦優先グループとして登録されていると判断さ れた場合、 ステップ S 2 2 3において、 ベタ トル演算部 6 2は、 対応する番組の 情報を、 推薦情報として、 推薦情報出力部 4 9に供給する。 推薦情報出力部 4 9 は、 推薦番組リス ト 5◦に推薦する番組を登録するとともに、 テレビジョン表示 装置 1 1、 または、 録画再生装置 1 2に、 推薦する番組の情報を出力して、 処理 は、 後述するステップ S 2 2 7に進む。 5926

64

ステップ S 2 2 1において、 対応する番組はグループ化されていないと判断さ れた場合、 または、 ステップ S 2 2 2において、 推薦優先グループとして登録さ れていないと判断された場合、 ステップ S 2 2 4において、 図 1 7乃至図 2 1を 用いて説明した、 マツチング処理 1乃至マッチング処理 5のいずれかの処理が実 行される。

ステップ S 2 2 5において、 ベタトル演算部 6 2は、 ステップ S 2 2 4におい て実行されたマッチング処理 1乃至マッチング処理 3のいずれかの処理において 推薦された番組の番組ベクトルに、 クループ I D、 またはクラスタコードなどの グループを示す情報が付加されているか否かを基に、 推薦された番組は、 グルー プ化されているか否かを判断する。 ステップ S 2 2 5において、 推薦された番組 は、 グループ化されていないと判断された場合、 処理は終了される。

ステップ S 2 2 5において、 推薦された番組は、 グループ化されていると判断 された場合、 ステップ S 2 2 6において、 ベタトル演算部 6 2は、 番組べク トル に付加しているグループ I D、 またはクラスタコードを、 推薦優先グループとし て、 ユーザ情報登録部 6 3に登録して保存する。

ステップ S 2 2 3、 または、 ステップ S 2 2 6の処理の終了後、 ステップ S 2 2 7において、 ベタ トル演算部 6 2は、 負履歴保存部 4 8に保存されている負履 歴の操作ログを参照して、 ステップ S 2 2 3の処理により推薦された番組、 また は、 ステップ S 2 2 4の処理により推薦された番組のうち、 グループ化されてい るので、 ステップ S 2 2 6の処理において推薦優先グループとして登録された番 組に対して、 例えば、 推薦した番組が受け入れられずにその他の番組の視聴の視 聴または録画を指令する操作入力や、 自動録画された番組の再生前の消去を指令 する操作入力など、 負の履歴となる操作入力を受けたか否かを判断する。 ステツ プ S 2 2 7において、 負の履歴となる操作入力を受けていないと判断された場合、 処理が終了される。

ステップ S 2 2 7において、 負の履歴とな 操作入力を受けたと判断された場 合、 ステップ S 2 2 8において、 べク トル演算部 6 2は、 ユーザ情報登録部 6 3 T JP2003/015926

65

の推薦優先グループの登録から、 対応するグループをはずして、 処理が終了され る。

なお、 図 9を用いて説明したタイトルグループ化処理 1により、 1つの番組べ クトル PPに複数のグループ I Dが関連付けられている場合もある。 特にこのよ うな場合には、 ステップ S 2 2 8において、 負の履歴となる操作入力により、 ュ 一ザ情報登録部 6 3の推薦優先グループの登録から、 全てのグループ I Dがはず されるようにしても良いし、 負の履歴となる操作入力の回数を蓄積するようにし、 所定の数だけ負の履歴となる操作入力が行われた場合に、 ユーザ情報登録部 6 3 の推薦優先グループの登録から、 対応するグループ I Dがはずされるようにして も良い。 また、 1つの番組ベクトル PPに 1つののグループ I Dが関連付けられ ている場合においても同様である。

このような処理により、 ユーザが好んで視聴している連続ドラマを全ての回に おいて推薦されるようにしたり、 ユーザに非常に好まれている番組と同グループ の番組を推薦するようにすることができるので、 推薦のための演算処理を削減す ることができる。

このように、 グループ推薦を含むマッチング処理が行われている場合、 テレビ ジョン表示装置 1 1または録画再生装置 1 2から取得されるユーザの操作履歴を 基に生成される正履歴べクトル UPおよぴ負履歴べクトル MUPは、 対応するグル ープごとに生成されるようにしてもよい。

また、 テレビジョン表示装置 1 1または録画再生装置 1 2から取得されるユー ザの操作履歴のうちの正履歴を基に、 同一の連続ドラマにおける視聴または録画 予約の回数をカウントし、 所定回数以上になった場合に、 マッチング処理を特に 行うことなく、 優先的に推薦するようにしてもかまわない。

また、 ユーザ履歴を用いて番組の推薦処理を行うのではなく、 ユーザが予め指 定したトピックを基にユーザモデルを設定し、 ユーザモデルを基に番組の推薦処 理を行うようにしてもよい。 ユーザモデルは、 所定の番組群から、 ユーザが予め指定したトピックを用いて フィルタリングを行うことにより、 トピックに対応する番組を抽出することで得 られる。 初期登録保存部 4 5は、 ユーザにより入力されたトピックを保存する。 登録されるトピックは複数であってもかまわないし、 ユーザの操作入力によって、 適宜、 更新される。 ベタ トル演算部 6 2は、 番組べクトル抽出部 4 2から供給さ れる、 ユーザモデル作成対象の番組の番組べクトルにおいて、 初期登録保存部 4 5に保存されているトピックを含む番組べク トルを抽出し、 抽出された番組べク トルの総和を、 必要に応じて正規化することにより、 ユーザモデルベク トルを生 成し、 ユーザ情報登録部 6 3に登録する。

これにより、 例えば、 トピックとして、 時間帯 Hm二 「2 3時以降」 およびジ ヤンル G m 「バラエティ」 が指定された場合、 これらのトピックを用いてフィ ルタリングが行われ、 ユーザモデル 「深夜のバラエティ」 が生成される。 ユーザ モデル 「深夜のバラエティ」 には、 2 3時以降の深夜枠に放送されるバラエティ 番組に出演したコメディアンが構成要素として含まれるので、 例えば、 ドラマな どの、 バラエティとは異なるジャンルの番組において、 対応するコメディアンが 出演する番組がマッチング処理において抽出され、 推薦されるので、 項目ごとに マッチング処理を行う場合と比較して、 ユーザの嗜好を、 ジャンルなどを超越し て適用することが可能となる。

なお、 ユーザモデル作成対象の番組は、 例えば、 所定期間の全番組であっても、 所定の時間帯 （例えば、 いわゆるゴールデンタイム) に放送された番組群であつ てもよい。

また、 例えば、 同じフィルタリング条件を用いて、 異なる番組集合を対象にフ ィルタリングを行うことによって、 例えば、 異なる時期、 あるいは、 異なる時間 帯などの、 異なる番組編成に詳細に対応したユーザモデルべク トルを生成するこ とができる。

具体的には、 同じ 「ジャンル G m =音楽」 という条件でも、 現在の番組編成と、 1 0年前の番組編成では、 放送時刻や出演者に違いがあるので、 「現在の音楽フ アン」 「1 0年前の音楽ファン」 という異なるユーザモデルを生成することがで きる。 これにより、 「1 0年前の音楽ファン」 が好んで聞いていたポップス歌手 力 現在、 俳優として出演しているドラマや映画などを推薦したり、 または、

「1 0年前の音楽ファン」 が好んで聞いていた楽曲を、 現在の歌手が歌うような 番組を推薦することが可能となる。

また、 例えば、 主に社会人が視聴するような、 2 0時乃至 2 4時などの時間帯 と、 主に子供が視聴するような、 1 5時乃至 2◦時などの時間帯とでは、 同じ 「ジャンル G m =音楽」 という条件でも、 フィルタリングにより異なる番組群を 得ることができるので、 異なるユーザモデルを生成することができる。

そして、 ベタトル演算部 6 2は、 番組べクトル抽出部 4 2から供給される番組 の番組べク トル PPと、 ユーザ情報登録部 6 3に登録されているユーザモデルべ タ トルとの類似度を演算し、 その結果を基に、 推薦情報を生成し、 推薦情報出力 部 4 9に供給する。 推薦情報出力部 4 9は、 推薦情報を、 推薦番組リスト 5 0に 登録するとともに、 テレビジョン表示装置 1 1、 または、 録画再生装置 1 2に供 給する。

次に、 図 2 9のフローチャートを参照して、 ユーザモデルを用いたマッチング 処理について説明する。

ステップ S 2 3 1において、 マッチング処理部 4 3のべク トル演算部 6 2は、 番組べクトル抽出部 4 2において抽出された、 ユーザモデル作成対象の番組の番 組ベク トルを取得する。 ユーザモデル作成対象の番組とは、 例えば、 1ヶ月また は 3ヶ月などの所定の期間に放送された番組であっても、 それら所定の期間中の 所定の時間帯 （例えば、 ゴールデンタイム) に放送された番組であっても良いし、 あるいは、 1 0年前、 2 0年前などの、 過去の所定の期間に放送された番組であ つても良い。

ステップ S 2 3 2において、 初期登録保存部 4 5は、 操作入力部 4 4より、 ュ 一ザにより入力されたトピックを取得し、 保存する。 ベク トル演算部 6 2は、 初 期登録保存部 4 5からトピックを読み出して、 フィルタリング条件として設定す る。 フィルタリング条件は、 例えば、 ハッシュテーブルとして記載されるように しても良い。

ステップ S 2 3 3において、 ベタ トル演算部 6 2は、 ステップ S 2 3 1におい て取得された番組べク トル PPを、 ステップ S 2 3 2において設定されたフィル タリング条件を基にフィルタリングし、 トピックに合致する番組ベクトル PPを 抽出する。 例えば、 ユーザモデル作成対象の番組が、 過去 3ヶ月間の全番組であ る場合、 ベタトル演算部 6 2は、 過去 3ヶ月間の全番組べクトル PPに対して

「タイ トル T m、 または、 ジャンル G m =サッカー」 という条件でフィルタリン グを施す。

ステップ S 2 3 4において、 ベタ トル演算部 6 2は、 ステップ S 2 3 3におい てフィルタリングによって抽出された番組べク トル PPの総和を求めて、 ユーザ モデルべク トノレとする。 例えば、 「タイ トル T m、 または、 ジヤンノレ G m =サッ カー」 という条件でフィルタリングが施された場合、 「サッカーファン」 という ュ一ザモデルのユーザモデルべク トルが生成される。

ステップ S 2 3 5において、 ベク トル演算部 6 2は、 ステップ S 2 3 4におい て生成されたユーザモデルべクトルと、 番組べク トル抽出部 4 2において抽出さ れた、 推薦情報を求めるための候補となる （この後放送される予定である） 番組 の番組べク トル PPとのコサイン距離を算出する。

ステップ S 2 3 6において、 ベタ トル演算部 6 2は、 ステップ S 2 3 5におい て算出されたコサイン距離を基に、 ユーザモデルベク トルと推薦情報を求めるた めの候補となる番組の番組べクトル PPとの類似度を比較し、 比較結果を基に、 類似度が高いもののうち、 上位から所定の数の番組を推薦情報として抽出し、 推 薦情報出力部 4 9に供給する。 推薦情報出力部 4 9は、 推薦情報を、 推薦番組リ スト 5 0に登録するとともに、 テレビジョン表示装置 1 1、 または、 録画再生装 置 1 2に供給して、 処理が終了される。

このような処理により、 ユーザの操作履歴がない場合においても、 ユーザが設 定したトピックに合致した番組を推薦することができる。 また、 従来においては、 例えば、 「タイ トル T m、 または、 ジャンル G m =サッカー」 という条件を設定 してマッチング処理を行った場合、 サッカー選手が出演するバラエティやドラマ などを抽出することができなかった。 これに対して、 図 2 9を用いて説明した処 理においては、 「タイト^レ T m、 または、 ジヤン レ G m =サッカー」 という トビ ックでユーザモデルを設定することにより、 ユーザモデルベク トルの出演者や内 容などの項目にも、 サッカー選手名が多く含まれるために、 たとえ 「タイトル T m、 または、 ジャンル G m サッカー」 という条件に合致していない番組であつ ても、 サッカー選手が出演するバラエティやドラマなどを抽出して推薦すること が可能となる。

ここでは、 ユーザモデルべクトルと、 番組べク トルとのコサイン距離を算出す ることにより、 類似度を求めるものとして説明しているが、 大項目ごとに、 個別 にコサイン距離を算出し、 その合計を用いて類似度を求めるようにしても良い。 なお、 ユーザモデルベクトルの生成処理は、 配信サーバ 5において実行される ようにしてもよい。 その場合、 例えば、 図 2を用いて説明した番組ベク トル生成 部 2 3が生成した番組ベクトルを用いて、 図 2 9のステップ S 2 3 1乃至ステツ プ S 2 3 4の処理が実行されるようにすれば良い。

また、 ユーザの嗜好にあった番組を推薦するばかりでなく、 正履歴ベクトル UPおよび負履歴べク トル MUPのいずれとも類似度が低いものを選ぶと、 好きで も嫌いでもない、 すなわち、 これまでユーザが視聴したことのない特徴を有する 番組、 換言すれば、 食わず嫌いの番組が推薦される可能性が高くなる。 このよう に、 ユーザの嗜好を抽出して学習を進めるためには、 これまでユーザが視聴した ことのない特徴を有する番組も評価してもらうことが重要である。

これにより、 ユーザに対して提供する推薦結果に意外性を与え、 ユーザの興味 の拡大につなげることが可能になるばかりでなく、 よりユーザの嗜好に合致した 番組を推薦するために、 非常に重要な履歴情報を取得することが可能となる。 次に、 図 3 0のフローチャートを参照して、 例外推薦番組選択処理について説 明する。 6

70

ステップ S 2 4 1において、 マッチング処理部 4 3のべクトル演算部 6 2は、 番組べクトル抽出部 4 2から供給された番組べク トル PPと、 正履歴保存部 4 7 に保存されている正履歴べク トル UP、 および、 負履歴保存部 4 8に保存されて いる負履歴べク トル MUPとを用いて、 大項目ごとに、 正履歴べク トル UP と番組 ベタトル PPとのコサイン距離、 および、 負履歴べク トル MUPと番組べクトノレ PP とのコサイン距離を、 それぞれ算出する。

ステップ S 2 4 2において、 ベクトル演算部 6 2は、 項目ごとに算出されたコ サイン距離の値を、 正履歴側と負履歴側で、 それぞれ、 合計する。 すなわち、 ス テツプ S 2 4 1およびステップ S 2 4 2の処理により、 上述した、 正履歴べクト ル UPと番組べク トル PPとの類似度 S iraUPおよび負履歴べク トル MUPと番組べ ク トル PPとの類似度 SimMUPが算出される。

ステップ S 2 4 3において、 ベクトル演算部 6 2は、 正履歴ベク トル UP、 お よび、 負履歴べクトル MUPとの類似度の低さを示す例外推薦値を算出する。 具体的には、 例外推薦値は、 （1一 SimUP) X ( 1 - S imMUP) または ( 1 / SimUP) X ( 1 /S imMUP) によって求めることが可能である。

ステップ S 2 4 4において、 ベタ トル演算部 6 2は、 ステップ S 2 4 3の算出 結果を基に、 例外推薦値の高い番組を求め、 推薦情報として抽出し、 処理が終了 される。

このような処理により、 これまでユーザが視聴したことのない特徴を有する番 組を抽出して推薦することができるので、 ユーザへの推薦番組の選択に、 意外性 を与え、 ユーザの興味の拡大につなげることが可能になるばかりでなく、 よりュ 一ザの嗜好に合致した番組を推薦するために、 非常に重要な履歴情報を取得する ことが可能となる。

図 1 3乃至図 3 0を用いて説明した処理により、 番組推薦処理装置 1 0におい て、 推薦情報が生成されて、 テレビジョン表示装置 1 1、 または、 録画再生装置 1 2に供給される。 テレビジョン表示装置 1 1、 または、 録画再生装置 1 2には、 テレビジョン受 信装置 4において受信されて復号された衛星波または地上波の放送信号が供給さ れる。

テレビジョン表示装置 1 1は、 ユーザの操作入力を基に、 テレビジョン受信装 置 4から供給された放送信号、 または、 録画再生装置 1 2から供給された再生デ ータを表示したり、 番組推薦処理装置 1 0から供給された推薦情報を基に、 推薦 番組情報を表示したり、 チャンネルの自動設定を実行する。 更に、 テレビジョン 表示装置 1 1は、 操作ログを番組推薦処理装置 1 0に供給する。

また、 録画再生装置 1 2は、 ユーザの操作入力を基に、 テレビジョン受信装置 4から供給された放送信号を録画または録画予約したり、 番組推薦処理装置 1 0 から供給された推薦情報を基に、 番組を自動録画する。 また、 録画再生装置 1 2 は、 装着された記録媒体、 または、 内蔵する記録媒体に録画されている番組を再 生し、 テレビジョン表示装置 1 1に出力して表示させる。 更に、 録画再生装置 1 2は、 操作ログを番組推薦処理装置 1 0に供給する。

図 3 1は、 テレビジョン受信装置 4の構成を示すプロック図である。 テレビジ ョン受信装置 4は、 デジタル放送用受信装置の標準規格に対応する一般的な受信 装置であるものとして説明する。

衛星波検波部 9 1は、 衛星 2を介して送信され、 アンテナ 3によって受信され た衛星波を、 テレビジョン表示装置 1 1、 または、 録画再生装置 1 2から供給さ れたチャンネルを選択する信号を基に選局して検波し、 伝送モードに関する制御 "を T M C C (Transmi ss ion and Mult ipl exing Confi gurat ion Contro l) 復号部 9 2に、 放送信号を復調 '復号処理部 9 3に供給する。

丁1^〇0復号部9 2は、 伝送多重制御信号における伝送モード （変調方式、 符 号化率など） やスロット等の情報の入力を受け、 これらの情報を復号し、 復調' 復号処理部 9 3に供給する。

復調 *復号処理部 9 3は、 T M C C復号部 9 2から供給された、 伝送モードに 関する情報に基づいて、 供給された放送信号を、 例えば、 Q P S K (quadri- phase shift keying： 4位相変調方式、 または、 4相 P S Kとも称する） 方式 や、 8相 P SK方式などの方法を用いて復調および復号し、 ディンタリーバ 94 に供給する。

ディンタリーバ 9 4は、 供給された信号をディンタリーブして、 誤り訂正処理 部 9 5に供給する。 また、 ディンタリーバ 9 4は、 供給された信号に対して、 更 に、 フレーム分離やデスクランブルの処理を施すようにしても良い。

誤り訂正処理部 9 5は、 例えば、 リードソロモン符号などを用いた誤り訂正処 理を行い、 CA (Conditional Access：限定受信） デスクランプル部 1 0 1に 供給する。

地上波検波部 9 6は、 アンテナ 3によって受信された地上波を、 テレビジョン 表示装置 1 1または録画再生装置 1 2から供給された、 チャンネルを選択する制 御信号を基に選局して検波し、 伝送モードに関する制御信号を TMCC復号部 9 7に、 放送信号を復調，復号処理部 9 8に供給する。

TMC C復号部 9 7は、 伝送多重制御信号における伝送モード （変調方式、 符 号化率など） やスロッ ト、 T S等の情報の入力を受け、 これらの情報を復号し、 復調，復号処理部 9 8に供給する。

復調 '復号処理部 9 8は、 TMCC復号部 9 7から供給された、 伝送モードに 関する情報に基づいて、 供給された放送信号を、 例えば、 QAM (quadrature amplitude modulation：直交振幅変調） 方式などの方法を用いて復調および復 号し、 ディンタリーバ 9 9に供給する。

ディンタリーバ 9 9は、 供給された信号をディンタリーブして、 T S

(Transport Stream； トランスポートス トリーム） 再生部 1 0 0に供給する。 また、 ディンタリーバ 9 9は、 供給された信号に対して、 更に、 フレーム分離や デスクランブルの処理を施すようにしても良い。

T S再生部 1 0 0は、 供給された信号を基に、 トランスポートス トリームを再 生し、 C Aデスクランブル部 1 0 1に供給する。 C Aデスクランプル部 1 0 1は、 誤り訂正処理部 9 5、 または、 T S再生部 1 0 0から供給された信号を基に、 限定受信信号をデスクランブルし、 デマルチプ レクサ 1 0 2に供給する。

データ入力部 1 0 3は、 E P G受信装置 9から、 E P Gデータの入力を受けた り、 ネットワーク 8を介して、 配信サーバ 5より、 ストリーミングデータの供給 を受け、 デマルチプレクサ 1 0 2に供給する。

デマルチプレクサ 1 0 2は、 C Aデスクランブル部 1 0 1、 または、 データ入 力部 1 0 3から供給された信号をデマルチプレタスし、 音声信号は音声信号復号 部 1 0 4に、 映像信号は、 映像信号復号部 1 0 5に、 そして、 制御信号や E P G などのデータは、 データ復号部 1 0 6にそれぞれ供給する。

音声信号復号部 1 0 4は、 供給された音声信号を復号し、 テレビジョン表示装 置 1 1、 または、 録画再生装置 1 2に供給する。 映像信号復号部 1 0 5は、 供給 された映像信号を復号し、 テレビジョン表示装置 1 1、 または、 録画再生装置 1 2に供給する。 データ復号部 1 0 6は、 供給された制御信号や E P Gなどのデー タを復号し、 テレビジョン表示装置 1 1、 または、 録画再生装置 1 2に供給する。 テレビジョン受信装置 4の処理により、 受信された衛星波、 または地上波、 あ るいは、 配信されたス トリーミングデータが、 所定の方式により復調および復号 されて、 テレビジョン表示装置 1 1、 または、 録画再生装置 1 2に供給される。 図 3 2は、 テレビジョン表示装置 1 1の構成を示すブロック図である。

操作入力部 1 2 1は、 ユーザからの操作入力を受け、 テレビジョン表示装置 1 1の各部にユーザの操作入力に対応する制御信号を供給するとともに、 ユーザの 操作内容を操作ログリス ト 1 2 2に供給して保存させる。 操作ログリス ト 1 2 2 に保存されているユーザの操作ログは、 図 1 3を用いて説明した番組推薦処理装 置 1 0の操作ログ取得部 4 6により取得される。 また、 ユーザの操作入力が、 チ ヤンネルの選択であった場合、 操作入力部 1 2 1は、 入力されたユーザの操作を チヤンネル設定部 1 2 3に供給する。 チャンネル設定部 1 2 3は、 操作入力部 1 2 1から供給されたユーザの操作入 力を示す信号に基づいて、 チャンネルの選択を示す制御信号を生成し、 テレビジ ヨン受信装置 4に供給する。 また、 チャンネル設定部 1 2 3は、 後述する推薦番 組リス ト 1 2 8に登録されている推薦情報に基づいて、 自動的にチャンネルを設 定するために、 チャンネルの選択を示す制御信号を生成し、 テレビジョン受信装 置 4に供給する。 テレビジョン受信装置 4は、 制御信号に基づいて、 指定された チャンネルの放送信号を受信する。

データ入力部 1 2 4は、 テレビジョン受信装置 4から放送信号の入力を受け、 画像処理部 1 2 5に供給する。 画像処理部 1 2 5は、 供給された放送信号に対し て、 出力部 1 2 6の画像表示方法に基づいて、 画像処理を施し、 出力部 1 2 6に 供給する。 出力部 1 2 6は、 例えば、 C R T (Cathode Ray Tube) 、 または、 L C D (Li qui d Crystal Di splay) などの表示デバイスと、 スピーカなどの音 声出力デバイスで構成され、 供給された画像処理後の放送信号の画像信号を表示 デバイスに表示し、 音声出力デバイスから音声信号を出力する。

推薦番組リスト取得部 1 2 7は、 番組推薦処理装置 1 0から、 推薦情報を取得 し、 推薦番組リス ト 1 2 8に供給する。 推薦番組リス ト 1 2 8は、 供給された推 薦情報を登録する。 推薦番組リスト 1 2 8に登録された推薦情報は、 チャンネル 設定部 1 2 3に読み出されたり、 推薦番組情報表示制御部 1 2 9に読み出される。 推薦番組情報表示制御部 1 2 9は、 番組の推薦情報をユーザに提示するために、 推薦番組リス ト 1 2 8から読み出した推薦情報を、 画像処理部 1 2 5に出力する。 画像処理部 1 2 5は、 推薦番組情報表示制御部 1 2 9から供給された推薦情報を、 単独で、 または、 データ入力部 1 2 4から供給された放送信号の画像に重畳させ て、 出力部 1 2 6に出力して、 表示デバイスに表示させる。

なお、 番組推薦処理装置 1 0から供給される推薦情報を基に、 出力部 1 2 6に 推薦情報を表示させる力、 自動的にチャンネルを設定させるようにするかは、 ュ 一ザの設定によって決定されるようにしても良い。 図 3 3のフローチャートを参照して、 番組推薦処理装置 1 0から供給される推 薦情報を基に、 ユーザに番組推薦情報を提示するための推薦情報表示処理につい て説明する。

ステップ S 2 5 1において、 推薦番組リスト取得部 1 2 7は、 番組推薦処理装 置 1 0の推薦情報出力部 4 9から出力された推薦情報を取得する。

ステップ S 2 5 2において、 推薦番組リスト取得部 1 2 7は、 取得した推薦情 報を、 推薦番組リスト 1 2 8に登録する。

ステップ S 2 5 3において、 推薦番組情報表示制御部 1 2 9は、 推薦番組リス ト 1 2 8から、 例えば、 3時間や 1日など、 現在時刻よりも所定の時間以内に放 送される番組の推薦情報を読み出し、 推薦する番組のタイ トル、 内容、 放送時間、 および、 放送チャンネルなどを表示させるための、 推薦情報表示用のデータを生 成し、 画像処理部 1 2 5に供給する。

ステップ S 2 5 4において、 画像処理部 1 2 5は、 供給された推薦情報表示用 のデータを、 出力部 1 2 6に表示させるための画像処理を実行し、 出力部 1 2 6 に供給する。 推薦情報は、 単独で、 または、 データ入力部 1 2 4から供給された 放送信号の画像に重畳されて、 画像処理される。

ステップ S 2 5 5において、 出力部 1 2 6は、 画像処理部 1 2 5から供給され た推薦情報を表示し、 処理が終了される。

このような処理により、 出力部 1 2 6に推薦情報が表示されるので、 ユーザは、 表示された推薦情報を参照して、 視聴する番組を選択することが可能となる。 次に、 図 3 4のフローチャートを参照して、 番組推薦処理装置 1 0から供給さ れる推薦情報を基に、 自動的にチャンネルを設定して、 ユーザの嗜好に合致した 番組を表示させるための自動チャンネル設定処理について説明する。

ステップ S 2 7 1およびステップ S 2 7 2において、 図 3 3を用いて説明した ステップ S 2 5 1およびステップ S 2 5 2と同様の処理が実行される。 すなわち、 番組推薦処理装置 1 0の推薦情報出力部 4 9から出力された推薦情報が取得され、 取得された推薦情報が、 推薦番組リスト 1 2 8に登録される。 チャンネル設定部 1 2 3は、 ステップ S 2 7 3において、 番組推薦リスト 9 8 から、 現在時刻に対応する推薦番組の情報を取得し、 ステップ S 2 7 4において、 推薦番組の情報を基に、 チャンネル設定情報を生成し、 テレビジョン受信装置 4 に出力する。 テレビジョン受信装置 4は、 制御信号に基づいて、 指定されたチヤ ンネルの放送信号を受信する。

ステップ S 2 7 5において、 データ入力部 1 2 4は、 テレビジョン受信装置 4 から指定されたチャンネルの放送信号を取得し、 画像処理部 1 2 5に供給する。 ステップ S 2 7 6において、 画像処理部 1 2 5は、 供給された放送信号に、 出 力部 1 2 6に表示させるための画像処理を実行し、 出力部 1 2 6に供給する。 ステップ S 2 7 7において、 出力部 1 2 6は、 画像処理部 1 2 5から供給され た、 推薦された番組の映像を表示して、 音声を出力し、 処理が終了される。

このような処理により、 自動的に、 ユーザの嗜好に合致した番組が放送されて いるチャンネルにチャンネル設定される。 図 3 4を用いて説明した自動チャンネ ル設定処理は、 例えば、 ユーザが指令したときに実行されるようにしても良い。 これにより、 ユーザが、 どの番組を視聴するかを悩んだ場合などに、 適切な番組 が放送されている番組にチャンネルを自動的に設定することが可能となる。

また、 図 3 4を用いて説明した自動チャンネル設定処理は、 例えば、 2時間な ど、 特に意識してチャンネルを設定せず、 ただ放置されていると判断可能なよう な所定の時間ごとに、 あるいは、 放置されていると判断可能なような所定の時間、 ユーザからの操作入力がなかった場合などに実行されるようにしても良い。

なお、 ユーザが意識して番組を視聴している途中で、 自動的にチャンネルが切 り替わってしまうことがないように、 自動チャンネル設定処理の実行不可のモー ドを用意して、 ユーザが指令することができるようにしても良い。

図 3 5は、 録画再生装置 1 2の構成を示すブロック図である。 ' 操作入力部 1 4 1は、 ユーザからの操作入力を受け、 録画再生装置 1 2の各部 にユーザの操作入力に対応する制御信号を供給するとともに、 ユーザの操作内容 を操作口グリス ト 1 4 2に供給して保存させる。 操作ログリス ト 1 4 2に保存さ れているユーザの操作ログは、 図 1 3を用いて説明した番組推薦処理装置 1 0の 操作口グ取得部 4 6により取得される。

録画設定部 1 4 3は、 操作入力部 1 4 1から供給されたユーザの操作入力を示 す信号に基づいて、 または、 後述する推薦番組リスト 1 4 9に登録されている推 薦情報から、 例えば、 録画する番組の放送開始時間および放送終了時間、 並びに、 放送されるチャンネルなど、 録画処理を行うために必要な情報を抽出する。 録画 設定部 1 4 3は、 操作入力部 1 4 1から供給されたユーザの操作入力が録画予約 である場合、 録画処理を行うために必要な情報を録画予約リスト 1 4 4に登録し、 操作入力部 1 4 1から供給されたユーザの操作入力が、 現在放送されている番組 の録画処理である場合、 または、 後述する推薦番組リスト 1 4 9に登録されてい る推薦情報を用いて自動録画処理を行う場合、 録画処理を行うために必要な情報 を、 録画制御部 1 4 5に供給する。

録画制御部 1 4 5は、 録画設定部 1 4 3から供給された、 録画処理を行うため に必要な情報を基に、 または、 録画予約リスト 1 4 4に登録されている録画予約 情報のうち現在時刻に対応する録画予約情報を抽出することにより、 録画する番 組の放送チャンネルを示す制御信号を生成して、 テレビジョン受信装置 4に供給 するとともに、 録画処理を実行するための制御信号を生成し、 録画再生処理部 1 4 7に供給する。 テレビジョン受信装置 4は、 制御信号に基づいて、 指定された チャンネルの放送信号を受信する。

データ入力部 1 4 6は、 テレビジョン受信装置 4から放送信号の入力を受け、 録画再生処理部 1 4 7に供給する。 録画再生処理部 1 4 7は、 例えば、 磁気テー プ、 光ディスク、 磁気ディスク、 光磁気ディスク、 または、 半導体メモリなどの 記録媒体が装着可能なように構成されるか、 その内部に、 例えば、 ハードデイス ク、 または、 半導体メモリなどの記録媒体を有し、 それらの記録媒体に情報を記 録したり、 それらの記録媒体から情報を再生可能なようになされている。 具体的 には、 録画再生処理部 1 4 7に装着可能な記録媒体が磁気テープである場合、 録 画再生処理部 1 4 7は、 磁気へッドを有し、 磁気テープにデータ入力部 1 4 6か _

PCT/JP2003/015926

78

ら供給された放送信号を記録 （すなわち、 録画） したり、 磁気テープに記録され ている情報を再生して、 テレビジョン表示装置 1 1などに供給して再生出力させ る。

推薦番組リスト取得部 1 4 8は、 番組推薦処理装置 1 0から、 推薦情報を取得 し、 推薦番組リスト 1 4 9に供給する。 推薦番組リスト 1 4 9は、 供給された推 薦情報を登録する。 推薦番組リスト 1 4 9に登録された推薦情報は、 録画設定部 1 4 3に読み出されて、 自動的に録画処理が実行される。

次に、 図 3 6のフローチャートを参照して、 自動録画処理について説明する。 ステップ S 2 9 1において、 推薦番組リスト取得部 1 4 8は、 番組推薦処理装 置 1 0の推薦情報出力部 4 9から出力された推薦情報を取得する。

ステップ S 2 9 2において、 推薦番組リスト取得部 1 4 8は、 取得した推薦情 報を、 推薦番組リスト 1 4 9に登録する。

ステップ S 2 9 3において、 録画設定部 1 4 3は、 番組推薦リスト 1 0 9から、 現在時刻に対応する推薦番組の情報を抽出し、 放送開始時間および放送終了時間、 並びに、 放送チャンネルなどの、 録画処理のために必要な情報を取得して、 録画 制御部 1 4 5に供給する。

ステップ S 2 9 4において、 録画制御部 1 4 5は、 録画する番組の放送信号の 供給を受けるためのチャンネル設定情報を生成し、 テレビジョン受信装置⁴に出 力する。 テレビジョン受信装置 4は、 制御信号に基づいて、 指定されたチャンネ ルの放送信号を受信する。

ステップ S 2 9 5において、 データ入力部 1 4 6は、 テレビジョン受信装置⁴ から、 指定されたチャンネルの放送信号を取得し、 録画再生処理部 1 4 7に供給 する。

ステップ S 2 9 6において、 録画再生処理部 1 4 7は、 供給された放送信号を、 装着されている、 または、 内蔵されている記録媒体に記録して、 処理が終了され る。 このような処理により、 ユーザの嗜好に合致した番組を、 自動的に録画するこ とが可能となる。 図 3 6を用いて説明した自動録画処理は、 ユーザが指令した録 画処理、 または、 録画予約処理による録画動作中など、 すでに録画動作が行われ ている間には実行されない。

ここでは、 現在時刻に対応する推薦番組を基に、 自動的に録画を行い場合につ いて説明したが、 例えば、 現在時刻よりも先の所定の時間分の推薦情報を取得し て、 同様の処理により、 自動的に録画予約を設定することができるようにしても よいことは言うまでもない。

図 1乃至図 3 6を用いて説明した処理では、 番組ベクトル PPが、 配信サーバ 5において生成されるものとして説明したが、 配信サーバが番組ベクトル PPを 生成するのではなく、 ネットワーク 8を介して、 E P Gデータを番組推薦処理装 置に供給し、 番組推薦処理装置において、 番組ベク トル PPを生成するようにし ても良い。

配信サーバが番組べク トル PPを生成するのではなく、 ネットワーク 8を介し て、 E P Gデータを番組推薦処理装置に供給し、 番組推薦処理装置において、 番 組べク トノレ PPを生成する場合の配信サーバ 1 7 1の構成を図 3 7に示し、 番組 推薦処理装置 1 9 1の構成を図 3 8に示す。

なお、 図 2の配信サーバ 5、 および、 図 1 3の番組推薦処理装置 1 0における 場合と対応する部分には同一の符号を付してあり、 その説明は適宜省略する。 すなわち、 配信サーバ 1 7 1は、 図 2を用いて説明した配信サーバ 5のデータ 取得部 2 1およびデータ送信部 2 5で構成され、 ス トリーミングデータデータベ ース 6またはメタデータデータベース 7からス ト リーミングデータ、 または、 メ タデータで構成される E P Gデータを取得して、 ネットワーク 8を介して、 E P G受信装置 8またはテレビジョン受信装置 4に送信する。

そして、 番組推薦処理装置 1 9 1は、 図 2の配信サーバ 5に設けられていたも のと同様のメタデータ取得部 2 2および番組べク トル生成部 2 3が新たに設けら れている以外は、 図 1 3を用いて説明した番組推薦処理装置 1 0と同様の構成を 有するものであり、 番組推薦処理装置 1 0が実行する処理に加えて、 図 3を用い て説明した番組ベク トル生成処理 1、 および、 図 6を用いて説明した番組べタト ル生成処理 2、 並びに、 図 7を用いて説明したグループ化処理 1、 および、 図 8 を用いて説明したグループ化処理を実行する。

配信サーバが番組ベク トル PPを生成するのではなく、 ネットワーク 8を介し て、 E P Gデータを番組推薦処理装置に供給し、 番組推薦処理装置において、 番 組べク トル PPを生成する場合においても、 図 1乃至図 3 6を用いて説明した場 合と同様の効果を奏することが可能である。

また、 更に、 E P G受信装置 9が、 テレビジョンジョン表示装置 1 1およぴ録 画再生装置 1 2から、 ユーザの操作履歴や設定情報などを収集して、 ネットヮー ク 8を介して、 配信サーバに供給するようにし、 配信サーバが、 番組ベクトル PP を生成するのみでなく、 マッチング処理を実行し、 ネットワーク 8を介して、 マッチング結果を E P G受信装置 9に供給するようにしてもよい。 この場合のネ ットワーク構成を図 3 9に示し、 配信サーバ 2 0 1の構成を示すブロック図を図 4 0に示す。

なお、 図 1、 図 3 7、 および図 3 8における場合と対応する部分には同一の符 号を付してあり、 その説明は適宜省略する。

すなわち、 配信サーバ 2 0 1は、 図 3 7を用いて説明した配信サーバ 1 7 1に、 図 3 8を用いて説明した番組推薦処理装置 1 9 1の機能を加えたものであり、 ュ 一ザは、 番組推薦処理装置を保有する必要がない。

図 3 9および図 4 0に示される構成においては、 番組べクトル PP、 番組側効 き目べクトル EfPP、 正履歴べクトル UP、 負履歴べク トル MUP、 もしくは、 標準 嗜好べクトル APPなどの生成処理や、 番組べクトルのグループ化処理、 マッチ ング処理、 または、 例外推薦番組選択処理などの、 図 3乃至図 1 2、 および、 図 1 4乃至図 3 0を用いて説明した全ての処理が、 配信サーバ 2 0 1で実行される。 なお、 このとき、 E P G受信装置 9が、 テレビジョンジョン表示装置 1 1およ び録画再生装置 1 2から収集して、 ネットワーク 8を介して送信する、 ユーザの 操作履歴や設定情報などには、 たとえば、 ユーザ I Dなどが付けられて、 ユーザ ごとに区別可能なようになされる。 また、 配信サーバ 2 0 1の番組推薦処理装置 1 9 1において、 初期登録保存部 4 5、 正履歴保存部 4 7、 負履歴保存部 4 8な どは、 供給された情報のユーザ I Dを基に、 それぞれの情報をユーザ別に保存す る。

以上の説明においては、 テレビジョン放送信号の E P Gデータを用いて、 ユー ザの嗜好にあった番組を推薦する場合について説明したが、 本発明は、 ラジオ放 送、 あるいは、 ス トリーミングデータなどの各種デジタルコンテンツに属性情報 を付加し、 ユーザの嗜好にあったものを推薦する場合についても適用可能である。 上述した一連の処理は、 ソフトウェアにより実行することもできる。 そのソフ トウエアは、 そのソフトウェアを構成するプログラムが、 専用のハードウェアに 組み込まれているコンピュータ、 または、 各種のプログラムをインス トールする ことで、 各種の機能を実行することが可能な、 例えば汎用のパーソナルコンビュ ータなどに、 記録媒体からインス トールされる。

この記録媒体は、 図 2、 図 1 3、 または、 図 3 8に示すように、 コンピュータ とは別に、 ユーザにプログラムを提供するために配布される、 プログラムが記録 されている磁気ディスク 3 1または 7 1 (フレキシプルディスクを含む) 、 光デ イスク 3 2または 7 2 (CD-ROM (Compact Di sk-Read Onl y Memory) ， DVD (Di gi tal Versat i l e Di sk) を含む） 、 光磁気ディスク 3 3または 7 3 (MD (Mini-Di sk) (商標） を含む） 、 もしくは半導体メモリ 3 4または 7 4などよ りなるパッケージメディァなどにより構成される。

また、 本明細書において、 記録媒体に記録されるプログラムを記述するステツ プは、 記載された順序に沿って時系列的に行われる処理はもちろん、 必ずしも時 系列的に処理されなくとも、 並列的あるいは個別に実行される処理をも含むもの である。

なお、 本明細書において、 システムとは、 複数の装置により構成される装置全 体を表すものである。 産業上の利用可能性

このように、 本発明によれば、 ユーザの嗜好と合致したコンテンツを選択する ことができる。 特に、 ユーザの操作履歴を基に生成された第 1の嗜好情報と属性 情報との類似度、 および、 第 2の嗜好情報と属性情報との類似度を、 それぞれ独 立に算出することにより、 ユーザに視聴を推薦するコンテンッを示す推薦情報が 生成されるので、 ユーザの嗜好に正しく合致したコンテンツを選択することがで きる。

Claims

請求の範囲

1 . ユーザの嗜好と合致したコンテンツを選択する処理を実行する情報処理装 置において、

前記コンテンツの属性情報を取得する属性情報取得手段と、

前記ユーザの操作履歴を取得する操作履歴取得手段と、

前記操作履歴取得手段により取得された前記操作履歴を基に、 前記ユーザの嗜 好の正の要因を示す第 1の嗜好情報と、 前記ユーザの嗜好の負の要因を示す第 2 の嗜好情報を生成する嗜好情報生成手段と、

前記第 1の嗜好情報と前記属性情報との類似度、 および、 前記第 2の嗜好情報 と前記属性情報との類似度を、 それぞれ独立に算出することにより、 前記ユーザ に視聴を推薦するコンテンツを示す推薦情報を生成する推薦情報生成手段と を備えることを特徴とする情報処理装置。

2 . 前記嗜好情報生成手段により生成された前記第 1の嗜好情報および前記第 2の嗜好情報、 並びに、 前記属性情報取得手段により取得された前記属性情報は、 それぞれ、 複数の項目で構成され、

前記嗜好情報生成手段は、 前記操作履歴取得手段により取得された前記操作履 歴の前記項目のいずれかに着目して、 着目した前記項目の要素別に、 前記第 1の 嗜好情報および前記第 2の嗜好情報を生成し、

前記推薦情報生成手段は、 前記属性情報の前記要素に対応した前記第 1の嗜好 情報と前記第 2の嗜好情報とを抽出して、 前記属性情報との類似度を算出する ことを特徴とする請求の範囲第 1項に記載の情報処理装置。

3 . 前記推薦情報生成手段は、 前記第 1の嗜好情報と前記属性情報との類似度、 および、 前記第 2の嗜好情報と前記属性情報との類似度の独立した算出結果を基 に、 いずれとも類似度が低い前記コンテンツを示す推薦情報を生成する

ことを特徴とする請求の範囲第 1項に記載の情報処理装置。

4 . 前記嗜好情報生成手段により生成された前記第 1の嗜好情報および前記第 2の嗜好情報、 並びに、 前記属性情報取得手段により取得された前記属性情報は、 所定の項目ごとにベタトル化されている

ことを特徴とする請求の範囲第 1項に記載の情報処理装置。

5 . 前記コンテンツの属性情報、 並びに、 前記第 1の嗜好情報および前記第 2 の嗜好情報のうちの少なくとも一部を、 前記項目ごとに正規化する正規化処理手 段を更に備え、

前記推薦情報生成手段は、 少なくとも一部が前記正規化処理手段により正規化 された前記コンテンッの属性情報と前記第 1の嗜好情報および前記第 2の嗜好情 報との類似度を、 それぞれ独立に算出することにより、 前記推薦情報を生成する ことを特徴とする請求の範囲第 4項に記載の情報処理装置。

6 . 前記推薦情報生成手段は、 前記嗜好情報生成手段により生成された前記第 1の嗜好情報および前記第 2の嗜好情報と、 前記属性情報取得手段により取得さ れた前記属性情報との内積演算を基に、 前記推薦情報を生成する

ことを特徴とする請求の範囲第 4項に記載の情報処理装置。

7 . 前記所定の項目は、 大項目と、 前記大項目を更に詳細に分類する小項目で 構成され、

前記推薦情報生成手段は、 前記嗜好情報生成手段により生成された前記第 1の 嗜好情報および前記第 2の嗜好情報と、 前記属性情報取得手段により取得された 前記属性情報とを、 前記大項目ごとにそれぞれ内積演算し、 それらの内積演算結 果の総和を基に、 前記推薦情報を生成する

ことを特徴とする請求の範囲第 4項に記載の情報処理装置。

8 . 前記操作履歴取得手段は、 取得した前記操作履歴を、 前記ユーザが好むコ ンテンッを示す第 1の操作履歴と、 前記ユーザが好まないコンテンツを示す第 2 の操作履歴とに分類し、

前記嗜好情報生成手段は、 前記第 1の操作履歴を基に、 前記第 1の嗜好情報を 生成し、 前記第 2の操作履歴を基に、 前記第 2の嗜好情報生成する ことを特徴とする請求の範囲第 1項に記載の情報処理装置。

9 . 前記推薦情報生成手段は、 前記嗜好情報生成手段により生成された前記第 1の嗜好情報と、 前記属性情報取得手段により取得された前記属性情報との類似 度から、 前記嗜好情報生成手段により生成された前記第 2の嗜好情報と、 前記属 性情報取得手段により取得された前記属性情報との類似度を減算した値を基に、 前記推薦情報を生成する

ことを特徴とする請求の範囲第 8項に記載の情報処理装置。

1 0 . 前記推薦情報生成手段により生成された前記推薦情報を表示する表示手 段

を更に備えることを特徴とする請求の範囲第 1項に記載の情報処理装置。

1 1 . 前記コンテンツを受信する受信手段と、

前記推薦情報生成手段により生成された前記推薦情報に基づいて、 前記受信手 段により受信される前記コンテンツの選択を制御する選択制御手段と

を更に備えることを特徴とする請求の範囲第 1項に記載の情報処理装置。

1 2 . 前記選択制御手段により受信が選択された前記コンテンツを記録する記 録手段

を更に備えることを特徴とする請求の範囲第 1 1項に記載の情報処理装置。

1 3 . ユーザの嗜好と合致したコンテンツを選択する処理を実行する情報処理 装置の情報処理方法において、

前記ユーザの操作履歴を取得する操作履歴取得ステップと、

前記操作履歴取得ステップの処理により取得された前記操作履歴を基に、 前記 ユーザの嗜好の正の要因を示す前記第 1の嗜好情報と、 前記ユーザの嗜好の負の 要因を示す第 2の嗜好情報を生成する嗜好情報生成ステツプと、

前記第 1の嗜好情報と前記属性情報との類似度、 および、 前記第 2の嗜好情報 と前記属性情報との類似度を、 それぞれ独立に算出することにより、 前記ユーザ の嗜好と合致したコンテンツを示す推薦情報を生成する推薦情報生成ステツプと を含むことを特徴とする情報処理方法。

1 4 . ユーザの嗜好と合致したコンテンツを選択する処理をコンピュータに実 行させるプログラムであって、

前記ユーザの操作履歴を取得する操作履歴取得ステップと、

前記操作履歴取得ステップの処理により取得された前記操作履歴を基に、 前記 ユーザの嗜好の正の要因を示す前記第 1の嗜好情報と、 前記ユーザの嗜好の負の 要因を示す第 2の嗜好情報を生成する嗜好情報生成ステップと、

前記第 1の嗜好情報と前記属性情報との類似度、 および、 前記第 2の嗜好情報 と前記属性情報との類似度を、 それぞれ独立に算出することにより、 前記ユーザ の嗜好と合致したコンテンツを示す推薦情報を生成する推薦情報生成ステツプと を含むことを特徴とするコンピュータが読み取り可能なプログラムが記録され ている記録媒体。

1 5 . ユーザの嗜好と合致したコンテンツを選択する処理をコンピュータに実 行させるプログラムであって、

前記ユーザの操作履歴を取得する操作履歴取得ステツプと、

前記操作履歴取得ステップの処理により取得された前記操作履歴を基に、 前記 ユーザの嗜好の正の要因を示す前記第 1の嗜好情報と、 前記ユーザの嗜好の負の 要因を示す第 2の嗜好情報を生成する嗜好情報生成ステツプと、

前記第 1の嗜好情報と前記属性情報との類似度、 および、 前記第 2の嗜好情報 と前記属性情報との類似度を、 それぞれ独立に算出することにより、 前記ユーザ の嗜好と合致したコンテンツを示す推薦情報を生成する推薦情報生成ステツプと を含むことを特徴とするプログラム。