WO2018168444A1

WO2018168444A1 - 情報処理装置、および情報処理方法、並びにプログラム

Info

Publication number: WO2018168444A1
Application number: PCT/JP2018/007265
Authority: WO
Inventors: 一憲荒木
Original assignee: ソニー株式会社
Priority date: 2017-03-15
Filing date: 2018-02-27
Publication date: 2018-09-20

Abstract

【課題】コンテンツ視聴ユーザのコンテンツ出力装置に対する操作情報を含むフィードバックログを取得し、取得ログに基づいて推薦情報を生成する構成を提供する。【解決手段】　情報処理装置は、複数のコンテンツ提供ユーザにより撮像され、ネットワークを介して配信される複数のコンテンツに関する推薦情報を生成する推薦情報生成部を有する。前記推薦情報生成部は、前記複数のコンテンツうち少なくとも１つを視聴するコンテンツ視聴ユーザの、コンテンツ出力装置に対する操作情報を含むフィードバックログを取得し、前記取得したフィードバックログに基づいて前記推薦情報を生成する。

Description

情報処理装置、および情報処理方法、並びにプログラム

　本開示は、情報処理装置、および情報処理方法、並びにプログラムに関する。さらに詳細には、ユーザに適したコンテンツの推薦情報を提供する処理を実行する情報処理装置、および情報処理方法、並びにプログラムに関する。

　昨今、インターネット等のネットワークを介したコンテンツの配信、および視聴が盛んに行われている。ネット上には膨大な数のコンテンツがあり、視聴するユーザは、これら膨大な数のコンテンツから、見たいコンテンツを選択して視聴することが必要となる。

　また、最近、例えば複数のカメラからなる多視点カメラで撮影された多視点映像や、全天周カメラで撮影された全天周映像、もしくはパノラマ映像など、視線方向を変更可能な自由視点映像を提供するサービスが増えつつある。

　例えば、頭部に装着して使用するヘッド・マウント・ディスプレイを用いて、自由視点映像を視聴することができる。例えば、実際に表示される表示画像よりも広角の広角画像を撮影する撮影系を備え、回転角センサで検出されたユーザの頭部の位置情報に基づいて、ユーザが見るべき表示画像を切り出して表示する頭部装着型表示システムに関する提案がなされている（例えば、特許文献１を参照のこと）。

　また、自由視点映像の配信サービスに双方向通信を適用することで、インタラクティブな視聴サービスを実現することができる。例えば、ユーザ毎に視点位置や視線方向を切り替えた映像を配信して、多様なニーズに応えることができる（例えば、特許文献２を参照のこと）。

　自由視点映像は、例えばスポーツやゲーム、コンサート、演劇などのエンターテインメント系のコンテンツとして利用することができる。また、撮影現場と視聴者との双方向通信により、コンテンツの視聴者から撮影者に対する指示や教示、案内、作業支援を行なうこともできる。

　このような自由視点映像コンテンツを含め、ネット上には膨大な数のコンテンツがあり、ユーザは、これらの膨大な数のコンテンツから視聴コンテンツを選択することが必要となる。

特開平８－１９１４１９号公報特開２０１３－２５５２１０号公報

　本開示は、例えば、様々なユーザに、各ユーザに適したコンテンツの推薦を行う情報処理装置、および情報処理方法、並びにプログラムを提供することを目的とする。また、本開示の一実施例においては、ユーザのコンテンツ視聴ログを用いて、各ユーザに対する最適な推薦コンテンツの情報を提供する情報処理装置、および情報処理方法、並びにプログラムを提供することを目的とする。

　本開示の第１の側面は、複数のコンテンツ提供ユーザにより撮像され、ネットワークを介して配信される複数のコンテンツに関する推薦情報を生成する推薦情報生成部を有する情報処理装置である。前記推薦情報生成部は、前記複数のコンテンツうち少なくとも１つを視聴するコンテンツ視聴ユーザの、コンテンツ出力装置に対する操作情報を含むフィードバックログを取得し、前記取得したフィードバックログに基づいて前記推薦情報を生成する。

　本開示の第２の側面は、少なくとも１つの情報処理装置を制御する情報処理方法である。前記情報処理方法は、複数のコンテンツ提供ユーザにより撮像され、ネットワークを介して配信される複数のコンテンツのうち少なくとも１つを視聴するコンテンツ視聴ユーザの、コンテンツ出力装置に対する操作情報を含むフィードバックログを少なくとも１つの情報処理装置で取得すること、および前記取得したフィードバックログに基づいて推薦情報を生成するよう前記少なくとも１つの情報処理装置を制御すること、を含む。

　本開示の第３の側面は、少なくとも１つの情報処理装置において情報処理を実行させるための複数の指示を含むプログラムである。前記プログラムは、複数のコンテンツ提供ユーザにより撮像され、ネットワークを介して配信される複数のコンテンツのうち少なくとも１つを視聴するコンテンツ視聴ユーザの、コンテンツ出力装置に対する操作情報を含むフィードバックログを、前記少なくとも１つの情報処理装置に取得させる指示と、前記取得したフィードバックログに基づいて推薦情報を前記少なくとも１つの情報処理装置に生成させる指示と、を含む。

　なお、本開示のプログラムは、例えば、様々なプログラム・コードを実行可能な情報処理装置やコンピュータ・システムに対して、コンピュータ可読な形式で提供する記憶媒体、通信媒体によって提供可能なプログラムである。このようなプログラムをコンピュータ可読な形式で提供することにより、情報処理装置やコンピュータ・システム上でプログラムに応じた処理が実現される。

　本開示のさらに他の目的、特徴や利点は、後述する本開示の実施例や添付する図面に基づくより詳細な説明によって明らかになるであろう。なお、本明細書においてシステムとは、複数の装置の論理的集合構成であり、各構成の装置が同一筐体内にあるものには限らない。

　本開示の一実施例の構成によれば、コンテンツ視聴ユーザは複数のコンテンツから最適な視聴コンテンツを選択することが可能となる。なお、本明細書に記載された効果はあくまで例示であって限定されるものではなく、また付加的な効果があってもよい。

コンテンツ配信システム１００の構成例を示す図である。コンテンツ提供装置１０１構成例を示す図である。コンテンツ出力装置１０４の構成例を示す図である。ユーザプロファイル情報の例を示す図である。コンテンツ出力装置側に表示される表示情報の例を示す図である。コンテンツ出力装置側に表示される表示情報の例を示す図である。コンテンツ出力装置側に表示される表示情報の例を示す図である。コンテンツ推薦サーバの構成例について説明する図である。コンテンツメタ情報記憶部の格納データの例について説明する図である。コンテンツプロファイル記憶部の格納データの例について説明する図である。フィードバックログ記憶部の格納データの例について説明する図である。ユーザ嗜好情報記憶部の格納データの例について説明する図である。ユーザ嗜好解析部の実行する処理について説明する図である。推薦情報生成部の実行する処理について説明する図である。コンテンツ推薦サーバの構成例について説明する図である。コンテンツ関連性情報生成部の実行する処理について説明する図である。コンテンツ関連性情報記憶部の格納データの例について説明する図である。推薦情報生成部の実行する処理について説明する図である。複数の視聴者（ゴースト）が１人のコンテンツ提供者（ボディ）の提供コンテンツを視聴する形態について説明する図である。複数の視聴者（ゴースト）が１人のコンテンツ提供者（ボディ）の提供コンテンツを視聴する形態における表示情報の例について説明する図である。コンテンツ推薦サーバの構成例について説明する図である。ユーザ関連性情報生成部の実行する処理について説明する図である。ユーザ関連性情報記憶部の格納データの例について説明する図である。推薦情報生成部の実行する処理について説明する図である。複数の視聴者（ゴースト）が１人のコンテンツ提供者（ボディ）の提供コンテンツを視聴する形態について説明する図である。複数の視聴者（ゴースト）が１人のコンテンツ提供者（ボディ）の提供コンテンツを視聴する形態における表示情報の例について説明する図である。推薦情報生成部の構成と実行する処理について説明する図である。推薦情報生成部の構成と実行する処理について説明する図である。推薦情報生成部の構成と実行する処理について説明する図である。推薦情報生成部の算出データの例について説明する図である。推薦情報生成部の構成と実行する処理について説明する図である。推薦情報生成部の算出データの例について説明する図である。推薦情報生成部の構成と実行する処理について説明する図である。推薦情報生成部の生成した推薦情報に基づく表示情報の例について説明する図である。情報処理装置のハードウェア構成例について説明する図である。

　以下、図面を参照しながら本開示の情報処理装置、および情報処理方法、並びにプログラムの詳細について説明する。なお、説明は以下の項目に従って行なう。
　１．システム構成
　２．プロファイル情報
　３．コンテンツ推薦サーバの構成と実行する処理について
　３－１．マッチング処理の概要について
　３－２．（実施例１）コンテンツ視聴ユーザ（ゴースト）が、コンテンツ提供ユーザ（ボディ）を選択する実施例
　３－３．（実施例２）コンテンツ視聴ユーザ（ゴースト）同士のマッチングによる推薦情報を生成する実施例
　３－４．（実施例３）ＣＢＦ適用処理と、ＣＦ適用処理を組み合わせた推薦情報生成処理を行う実施例
　３－５．（実施例４）新着コンテンツを考慮した推薦情報生成処理を行う実施例
　４．情報処理装置のハードウェア構成例について
　５．本開示の構成のまとめ

　　［１．システム構成］
　図１は、本開示の情報処理装置を利用した情報処理システムの一例であるコンテンツ配信システム１００の構成例を示す図である。コンテンツ配信システム１００は、具体的には、例えば、自由視点映像配信システムとして構成される。

　コンテンツ提供装置１０１（例えば、多視点カメラや全天周カメラなどの撮像装置）を用いて取得した自由視点映像などの撮像画像情報は、ネットワーク１１０ａ経由でコンテンツ配信サーバ１０２に送信される。図１では簡素化のため、１台のコンテンツ提供装置１０１しか描いていないが、撮像画像情報の供給源となる多数のコンテンツ提供装置１０１が現実世界に散在していることを想定している。

　コンテンツ提供装置１０１は、例えば撮像装置によるコンテンツ撮影者であるコンテンツ提供ユーザ（ボディ）が存在する空間において、撮像画像情報を取得できればよく、種々の装置構成が採用され得る。例えば、コンテンツ提供装置１０１は、一般的なカメラ装置や多視点カメラ、全天周カメラの他に、カメラ、もしくはイメージャなどの撮影手段を装備した、ヘッド・マウント・ディスプレイのように撮影者が着用するウェアラブル装置という形態をとることもある。

　なお、コンテンツ提供装置１０１を用いてコンテンツ取得処理を行うユーザをコンテンツ提供ユーザ（ボディ（Ｂｏｄｙ））と呼ぶ。一方、コンテンツ提供ユーザ（ボディ）の取得したコンテンツを視聴するユーザをコンテンツ視聴ユーザ（ゴースト（Ｇｏｈｓｔ））と呼ぶ。

　コンテンツ提供ユーザとしての撮影者は、実際に撮影の現場において、自らの身体を以って活動している（すなわち、身体が現場に実在する）ことから、「ボディ（Ｂｏｄｙ）」と呼ぶ。なお、撮影者は、人（自然人）である以外に、車両（人が手動運転する車両、並びに自動運転、または無人運転する車両を含む）や船舶、飛行機、ロボット、ドローンなどの移動体装置であることも想定される。

　一方、実際に撮影の現場にいることなく、スマホやＰＣ等の画面を介して表示されるコンテンツを視聴するユーザを「ゴースト（Ｇｏｈｓｔ）」と呼ぶ。コンテンツ視聴ユーザは、現場で身体を以って活動する訳ではないが、コンテンツ提供ユーザである撮影者の視点から見た映像を視聴することによって現場に対する意識を持つことができる。このように、コンテンツ視聴ユーザは、現場には意識のみがある存在であることから、「ゴースト（Ｇｏｈｓｔ）」と呼ぶ。ボディ、ゴーストの呼称は、各ユーザを区別するための呼称である。

　なお、コンテンツ提供ユーザ（ボディ）が存在する空間は、基本的には実空間であるが、実空間に代えて仮想空間として定義することもできる。以下では、「実空間」、または「仮想空間」を単に「空間」として言及する場合がある。また、コンテンツ提供装置１０１で取得された撮影画像情報は、コンテンツ提供ユーザの空間に関連付けられたコンテンツ情報と言うこともできる。以下では、コンテンツ提供装置１０１で取得された撮影画像情報を「コンテンツ」とも呼ぶ。

　本実施形態では、コンテンツ提供ユーザとしての多数の撮影者が、それぞれＰＯＩ（Ｐｏｉｎｔ　Ｏｆ　Ｉｎｔｅｒｅｓｔ：誰かが便利、あるいは興味があると思った場所）に出向いて、そこで各々のコンテンツ提供装置１０１を用いて撮影作業を行なっていることを想定している。また、１つのＰＯＩに複数の撮影者が同時に存在し、同じＰＯＩにおいて複数の視点位置で取得された複数のコンテンツがコンテンツ配信サーバ１０２に送信される場合もある。このような場合、後述する視聴者側では、同じＰＯＩでも複数の視点位置の中からいずれかを選択して、その視点位置における自由視点映像を視聴することが可能となる。

　ここで言うＰＯＩとして、例えば観光名所、商業施設、もしくは商業施設内の各店舗、野球やサッカーなどのスポーツ競技が行なわれるスタジアム、ホール、コンサート会場、劇場などを挙げることができる。但し、撮影場所はＰＯＩなどに限定される訳ではない。

　コンテンツ配信サーバ１０２は、各コンテンツ提供装置１０１から送られてきたコンテンツを、コンテンツ記憶部１１１に蓄積する。また、コンテンツ配信サーバ１０２は、各コンテンツ提供装置１０１から送られてきたリアルタイム（ライブ映像）のコンテンツを、ネットワーク１１０ｂ経由で自由視点映像の各視聴者に向けてストリーミング配信する。あるいは、コンテンツ配信サーバ１０２は、コンテンツ記憶部１１１に蓄積されている過去の録画（アーカイブ）されたコンテンツを読み出して、ネットワーク１１０ｂ経由で自由視点映像の各視聴者に向けてストリーミング配信する場合もある。なお、ネットワーク１１０ｂは、ネットワーク１１０ａとともに広域ネットワークの一部であっても、ネットワーク１１０ａとは独立したネットワークであってもよい。

　コンテンツ視聴ユーザ（コースト）は、コンテンツ出力装置１０４を介して、コンテンツ提供装置１０１において取得されたコンテンツを視聴する。コンテンツ出力装置１０４は、例えばＰＣ、スマホ、ヘッド・マウント・ディスプレイ等の装置、あるいは例えばＰＣとヘッド・マウント・ディスプレイの組み合わせ等によって構成される。コンテンツ出力装置１０４は、例えばＶＲ（Ｖｉｒｔｕａｌ　Ｒｅａｌｉｔｙ）映像を視聴可能な装置である。

　例えば、ヘッド・マウント・ディスプレイ等のコンテンツ出力装置１０４は、ステレオカメラや９ＤｏＦ（Ｄｅｇｒｅｅｓ　ｏｆ　Ｆｒｅｅｄｏｍ）センサなどを搭載して自己位置推定が可能である。また、ヘッド・マウント・ディスプレイ等のコンテンツ出力装置１０４は、瞳孔角膜反射法などを用いて視聴者であるコンテンツ視聴ユーザの視線を検出し、左右の眼球の回転中心位置と視軸の向き（および頭部姿勢）から、コンテンツ視聴ユーザの視線方向を求めることができるものとする。あるいは、単にヘッド・トラッキングで測定、または推定した頭部の姿勢に基づいて、前方をコンテンツ視聴ユーザの視線方向として扱うようにしてもよい。

　例えば、コンテンツ出力装置１０４が、ＰＣとヘッド・マウント・ディスプレイによって構成される場合、ヘッド・マウント・ディスプレイが自己位置と視線方向を取得して、取得情報を、遂次、ＰＣへ送信する。ＰＣは、ネットワーク１１０ｂ経由でコンテンツ配信サーバ１０２から自由視点映像のコンテンツ・ストリームを受信する。そして、ＰＣは、ヘッド・マウント・ディスプレイから受信した自己位置と、規定のＦｏＶ（Ｆｉｅｌｄ　ｏｆ　Ｖｉｅｗ：視界）で自由視点映像をレンダリングする。そして、そのレンダリング結果は、ヘッド・マウント・ディスプレイのディスプレイに表示される。視聴者は、自分の頭部姿勢を変えることで、視点位置と視線方向を自由にコントロールすることができる。

　なお、ＰＣではなくヘッド・マウント・ディスプレイ内で、視聴者の自己位置および視線方向に基づく自由視点映像のレンダリング処理を行なうように構成することもできる。また、ＰＣが介在せず、ヘッド・マウント・ディスプレイが直接ネットワーク１１０ｂに接続するように構成することもできる。あるいは、ヘッド・マウント・ディスプレイを使用せず、ＰＣやスマホに装備されたモニター・ディスプレイにレンダリング処理された自由視点映像を表示して、これを視聴者が視聴するようにしてもよい。

　さらに、コンテンツ出力装置１０４の画面には、コンテンツのリストなどからなる推薦情報を含んだＵＩ（Ｕｓｅｒ　Ｉｎｔｅｒｆａｃｅ）が表示され、コンテンツ視聴ユーザはこのＵＩ画面の操作を通じてコンテンツを選択することが可能となる。
　推薦情報を表示するＵＩの画面構成は様々な構成が可能である。例えば、コンテンツのタイトルや代表画像のサムネイルの一覧であってもよいし、自由視点映像の撮影場所（コンテンツ提供装置１０１の設置場所、もしくはコンテンツ提供ユーザの居場所）の表示であってもよいし、撮影者であるコンテンツ提供ユーザのユーザ名（ニックネームやハンドル名を含む）や顔画像のサムネイルの一覧であってもよい。

　本明細書では、コンテンツ提供ユーザ側で取得されたコンテンツをコンテンツ視聴ユーザが視聴する際のインタラクションの枠組みのことを、「ＪａｃｋＩｎ（接続）」とも呼ぶ。コンテンツ視聴ユーザは、接続したコンテンツ提供ユーザの空間に関連付けられたコンテンツを視聴することができる。コンテンツ提供ユーザは、コンテンツ視聴ユーザに接続されると、自分の空間に関連付けられたコンテンツを配信する、と言い換えることもできる。

　ユーザ同士が接続を行なう目的はさまざまである。例えば、コンテンツ視聴ユーザは、自分が存在しない空間に関連付けられたコンテンツや興味のあるコンテンツを単純に視聴すること（例えば、コンテンツ提供ユーザ側で撮影されたスポーツ観戦）を目的とする他、コンテンツ提供ユーザに対して教示や作業支援を行なうことを目的として、コンテンツ提供ユーザに接続する場合もある。また、コンテンツ提供ユーザは、コンテンツ提供装置１０１で取得したコンテンツを単純に（無償、または有償で）公開することを目的とする他、コンテンツを視聴するコンテンツ視聴ユーザから教示や作業支援を受けることを目的として、コンテンツ視聴ユーザに接続される場合もある。

　本実施形態では、推薦システムを利用して、コンテンツ提供ユーザ、またはコンテンツ視聴ユーザに対して接続先の候補を推薦することを想定している。このような推薦システムは、コンテンツ配信システム１００内、もしくはコンテンツ配信システム１００外に装備されている。例えば、推薦システムのマッチング処理結果によって、コンテンツ視聴ユーザに接続を勧めるコンテンツ提供ユーザの候補（、もしくは、視聴を薦めるコンテンツの候補）が得られると、その候補に関する情報を含んだ推薦情報が、コンテンツ出力装置１０４のＵＩ画面に提示される。

　コンテンツ出力装置１０４は、上記のＵＩ画面の操作によってコンテンツ視聴ユーザが選択したコンテンツ提供ユーザ（、もしくは、コンテンツ提供ユーザの空間に関連付けられたコンテンツ）へのアクセス要求を、ネットワーク１１０ｂを通じて、コンテンツ配信サーバ１０２に送信する。あるいは、コンテンツ出力装置１０４は、アクセス要求を該当するコンテンツ提供装置１０１に向けて直接送信するようにしてもよい。

　図２には、コンテンツ提供装置１０１の構成例を示している。コンテンツ提供装置１０１は、制御部１２１、入力部１２２、センサ１２３、出力部１２４、撮像部１２５、通信部１２６、記憶部１２７を有する。

　制御部１２１は、コンテンツ提供装置１０１において実行する様々な処理の制御を実行する。例えば、記憶部１２７に格納されたプログラムに従って制御を実行する。入力部１２２は、ユーザによる操作情報の入力、音声情報を入力する音声入力部（マイク）等によって構成される。音声入力部は、モノラルマイク、またはステレオマイクのいずれでもよいが、撮影時におけるコンテンツ提供ユーザの音声や、コンテンツ提供装置１０１で撮影している被写体が発生する音声などを集音する。

　センサ１２３は、コンテンツ提供ユーザ近辺の状況を検出するセンサであり、気温や湿度、気圧、照度など、コンテンツ提供ユーザが存在する空間（、もしくは、撮影時）の天候に関する情報を検出する各種の環境センサ類を含んでいる。また、センサ１２３は、体温や脈拍、発汗、呼気、脳波など撮影者の生体情報を検出する生体センサを含んでいてもよい。さらに、センサ１２３は、撮影者であるコンテンツ提供ユーザ本人や撮影者の同行者を撮影して、顔検出や顔認識などの処理を通じてユーザ本人、または同行者の情報を取得する、コンテンツ提供装置１０１以外の撮影装置を備えていてもよい。

　また、センサ１２３は、コンテンツ提供装置１０１、もしくはコンテンツ提供ユーザの現在位置を計測する位置センサを含んでいてもよい。位置センサは、例えば、ＧＮＳＳ（Ｇｌｏｂａｌ　Ｎａｖｉｇａｔｉｏｎ　Ｓａｔｅｌｌｉｔｅ　Ｓｙｓｔｅｍ）衛星からのＧＮＳＳ信号（例えば、ＧＰＳ（Ｇｌｏｂａｌ　Ｐｏｓｉｔｉｏｎｉｎｇ　Ｓｙｓｔｅｍ）衛星からのＧＰＳ信号）を受信して測位を実行し、車両の緯度、経度および高度を含む位置情報を生成する。あるいは、位置センサは、ＰｌａｃｅＥｎｇｉｎｅ（登録商標）などを利用して無線アクセスポイントからの電測情報に基づいて現在位置を特定してもよい。

　センサ１２３が検出したセンサ情報は、コンテンツ提供ユーザの空間に対応付けた情報として扱うことができる。また、コンテンツの取得期間に対応付けた情報として扱うこともできる。

　コンテンツ提供装置１０１、もしくはコンテンツ提供ユーザが存在する空間には、撮影者であるコンテンツ提供ユーザに対して映像の表示や音声出力などを通じて情報提示を行なうことができる出力部１２４が備えられる。出力部１２４が装備する表示画面には、コンテンツの配信先（コンテンツへのアクセスを要求するコンテンツ視聴ユーザ）のリストなどからなる推薦情報を含んだＵＩが表示され、コンテンツ提供ユーザは個のＵＩ画面の操作を通じてコンテンツの配信先を選択するようにしてもよい。

　また、出力部１２４は、映像や音声出力の他に、振動や軽度の電気刺激、ハプティック（触覚）といった出力を行なうような構成を装備してもよい。さらに、出力部１２４は、外骨格装置のような、コンテンツ提供ユーザの四肢の少なくとも一部を支持、または拘束して、コンテンツ提供ユーザに動作を教示することができる装置を含んでいてもよい。出力部１２４は、コンテンツの視聴者であるコンテンツ視聴ユーザ側からの情報フィードバックや、コンテンツ視聴ユーザからのコンテンツ提供ユーザに対する指示や作業支援を行なうために活用することができる。

　撮像部１２５は、画像撮影を行う撮像部である。通信部１２６は、ネットワーク１１０ａに接続され、コンテンツ提供装置１０１で取得したコンテンツおよび入力部１２２で集音した撮像時の音声などからなるＡＶコンテンツの送信や、出力部１２４で出力すべき情報の受信を行なう。また、通信部１２６は、センサ部１２３で計測された環境情報などを送信するようにしてもよい。また、通信部１２６は、コンテンツ視聴ユーザからのコンテンツに対するアクセス要求（、もしくは、接続要求）を、直接的に、あるいはコンテンツ配信サーバ１０２を介して間接的に受信することができる。

　記憶部１２７は、例えば制御部１２１等において実行する処理のプログラムや、撮影画像等の記憶領域として利用される。さらに、各種処理において利用されるパラメータや、様々な処理のためのワークエリア等としても利用される。

　図３には、コンテンツ出力装置１０４の構成例を示している。コンテンツ出力装置１０４は、基本的には、撮影者としてのコンテンツ提供ユーザ側で取得されたコンテンツの表示（、もしくは、コンテンツ視聴ユーザによる視聴）のために使用される。コンテンツ出力装置１０４は、コンテンツ表示機能に加えて、ＵＩ機能を備えており、推薦システム（前述）が推薦するコンテンツに関連する情報の表示やコンテンツ視聴ユーザによるコンテンツ選択操作を行なうことができるものとする。

　図３に示すように、コンテンツ出力装置１０４は、制御部１４１、入力部１４２、センサ１４３、出力部１４４、表示部１４５、通信部１４６、記憶部１４７を有する。制御部１４１は、コンテンツ出力装置１０４において実行する処理の制御を実行する。例えば、記憶部１４７に格納されたプログラムに従って制御を実行する。

　入力部１４２は、音声情報を入力する音声入力部（マイク）、コンテンツ視聴ユーザやその同伴者を撮影するカメラ、キーボード等の入力装置、マウスやタッチパネルなどの座標入力装置といった、各種の装置からなる。例えば、自由視点映像を視聴中にコンテンツ視聴ユーザやその同伴者が発生した音声や文字情報、座標情報などが入力部１４２を介して取り込まれる。

　なお、入力部１４２として、手袋や衣服のように視聴者の身体に装着して用いるタイプ、例えば、指先や胴体の動きを直接入力できるタイプの入力装置を含んでいてもよい。リアルタイムのコンテンツを視聴中のコンテンツ視聴ユーザは、そのコンテンツの撮影者であるコンテンツ提供ユーザに対する指示（作業支援など）を、入力部１４２で入力することができる。入力部１４２に取り込まれた入力情報のうち少なくとも一部がコンテンツ提供装置１０１側に送信されると、コンテンツ提供ユーザの空間では、コンテンツ視聴ユーザからの指示が出力部１２４で出力される。

　また、コンテンツ出力装置１０４、もしくはコンテンツ視聴ユーザが存在する空間には、視聴環境など動的に変化するコンテンツ視聴ユーザ近辺の状況を検出するセンサ１４３が備えられている。センサ１４３は、気温や湿度、気圧、照度など、コンテンツ視聴ユーザが存在する空間（、もしくは、コンテンツ視聴時）の天候に関する情報を検出する各種の環境センサ類を含んでいる。また、センサ１４３は、体温や脈拍、発汗、呼気、脳波など視聴者の生体情報を検出する生体センサを含んでいてもよい。さらに、センサ１４３は、視聴者であるコンテンツ視聴ユーザ本人やその同伴者を撮影する撮影装置を備え、その撮像画像に対する顔検出や顔認識などの処理を通じてユーザ本人や同伴者の情報を取得するようにしてもよい。

　また、センサ１４３は、コンテンツ出力装置１０４、もしくはコンテンツ視聴ユーザの現在位置を計測する位置センサを含んでいてもよい。位置センサは、例えば、ＧＮＳＳ衛星からのＧＮＳＳ信号を受信して測位を実行し、車両の緯度、経度および高度を含む位置情報を生成する。あるいは、位置センサは、ＰｌａｃｅＥｎｇｉｎｅ（登録商標）などを利用して無線アクセスポイントからの電測情報に基づいて現在位置を特定してもよい。

　センサ１４３が検出したセンサ情報は、コンテンツ視聴ユーザの空間に対応付いた情報として扱うことができる。また、コンテンツ出力装置１０４で受信コンテンツを表示している期間中（、もしくは、コンテンツ視聴ユーザがコンテンツを視聴している期間中）においてセンサ１４３が検出したセンサ情報を、コンテンツの視聴期間に対応付いた情報として扱うこともできる。

　また、コンテンツ出力装置１０４、もしくはコンテンツ視聴ユーザが存在する空間には、出力部１４４が備えらる。出力部１４４は、音声他の出力処理を行う。例えば、出力部１４４は、音声の他、様々な視聴環境を作りだすための環境情報の出力を行う構成とすることが好ましい。例えば、温度や湿度を調整したり、視聴者に風（微風や向かい風、エア・ブラスト）や水しぶき（ウォター・ブラスト）を吹き付けたり、視聴者の身体に触覚（背中をつつくような効果、首筋や足元に何かが触れるような感覚など）や振動を印加したり、軽度の電気刺激を与えたり、匂いや香りを与えたりして、コンテンツ視聴ユーザの空間の環境をコントロールする手段（、もしくは、マルチモーダルなインタフェース）である。

　出力部１４４は、例えばコンテンツ提供装置１０１側のセンサ１２３で計測された環境情報に基づいて駆動して、視聴者にも撮影場所と同じようなリアルで臨場感のある体験をしてもらうことができる。また、出力部１４４は、コンテンツ出力装置１０４で表示するコンテンツを解析した結果に基づいて駆動して、コンテンツを視聴するコンテンツ視聴ユーザに対するエフェクトを加えるようにしてもよい。

　また、出力部１４４は、スピーカなどの音声出力装置を装備しており、コンテンツを取得した撮影現場（、もしくは、コンテンツ提供ユーザの空間）で集音された被写体の音声や、コンテンツ提供ユーザが撮影時に発した音声など、映像ストリームと一体となった音声信号を音声出力するものとする。この音声出力装置を多チャンネル・スピーカで構成して、音像を定位できるようにしてもよい。

　表示部１４５は、コンテンツの表示、ユーザインタフェース（ＵＩ）の表示等に利用される。通信部１４６は、ネットワーク１１０ｂ経由での情報伝送を行なう。例えば、通信部１４６は、コンテンツ提供ユーザ、またはコンテンツに対するアクセス要求を、コンテンツ提供装置１０１に直接的に、あるいはコンテンツ配信サーバ１０２を介して間接的に送信することができる。

　また、通信部１４６は、コンテンツ視聴ユーザが映像の視聴中に入力部１４２に入力された入力情報を、ネットワーク１１０ｂ経由でコンテンツ提供装置１０１側に送信することができる。また、通信部１４６は、出力情報をネットワーク１１０ｂ経由で受信して、出力部１４４からコンテンツ視聴ユーザに対して出力することができる。

　記憶部１４７は、例えば制御部１４１等において実行する処理のプログラム、各種処理において利用されるパラメータの記憶領域として利用される。さらに様々な処理のためのワークエリア等にも利用される。

　コンテンツ出力装置１０４側のコンテンツ視聴ユーザに関する情報には、例えば、ユーザのデモグラフィック情報や、コンテンツ視聴ユーザの行動や状態などに関する履歴情報、コンテンツの視聴中にセンサ１４３で検出されるコンテンツ視聴ユーザの生体情報、コンテンツ視聴ユーザとともにコンテンツを視聴する同伴者情報、自由視点映像を視聴している環境情報がある。これらのユーザ情報は、「ユーザプロファイル」と呼ばれる。

　視聴者毎、もしくは視聴時毎のユーザプロファイルは、コンテンツ出力装置１０４内部のメモリ（記憶部１４７）に記憶される。あるいは、ネットワーク１１０ｂ上に構築されたユーザプロファイル記憶部１１３内に、視聴者毎、もしくは視聴時毎のユーザプロファイルが格納される。ユーザプロファイルの詳細例について、以下において説明する。

　　［２．プロファイル情報］
　視聴者毎、もしくは視聴時毎のユーザ情報であるユーザプロファイルはユーザプロファイル記憶部１１３に格納される。なお、コンテンツ提供装置１０１において取得されたコンテンツについても、そのコンテンツの撮影者毎、またはコンテンツ毎のコンテンツ情報であるコンテンツプロファイルが、コンテンツプロファイル記憶部１１２に格納される。

　図４には、ユーザプロファイル記憶部１１３に格納されるユーザプロファイル情報を構成する情報要素を例示している。

　ユーザプロファイル情報は、撮影者、もしくは視聴者個人の性別や年齢、身長・体重、住所（居住地、または勤務地）、出身地、収入、職業、または会社名、学歴、家族構成といった、社会経済的な特質データからなるデモグラフィック（人口統計学的）情報を含む。デモグラフィック情報は、一般に、固定値、もしくは変化が緩やかな静的な情報からなる。また、デモグラフィック情報は、商品の購買や使用など消費者行動との連動が強いことが社会経済学の分野で知られており、情報技術の分野においても広く活用されている。

　また、ユーザプロファイル情報は、行動履歴や購買履歴、視聴履歴、病歴、システム利用履歴といった、撮影者や視聴者の行動や状態などに関わる履歴情報を含んでいてもよい。行動履歴は、例えば撮影者、または視聴者が過去に訪れたことのある場所や移動経路などの情報を含む。また、視聴履歴は、映画やテレビ番組などの商用コンテンツの視聴履歴である。

　システム利用履歴は、ユーザが過去にコンテンツ配信システム１００を利用した履歴を含む。ここで言う「利用」は、あるユーザが、コンテンツ提供ユーザとしてコンテンツ提供装置１０１で取得した自由視点映像などのコンテンツを、コンテンツ配信サーバ１０２、またはコンテンツ視聴ユーザに送信した履歴と、コンテンツ視聴ユーザとしてコンテンツ提供ユーザにアクセス要求して、自由視点映像などのコンテンツを受信・視聴した履歴の双方を含む。

　コンテンツ提供ユーザとしてのシステム利用履歴には、撮影場所（、もしくは、コンテンツを取得した場所）や日時、撮影パラメータ、コンテンツの送信履歴などが含まれる。また、コンテンツ視聴ユーザとしてのシステム利用履歴には、コンテンツへのアクセス履歴、視聴したことのあるコンテンツの属性情報（コンテンツ名やコンテンツの格納場所、撮影したコンテンツ提供ユーザを特定する情報など）、コンテンツの再生履歴（再生区間、再生時の自己位置および視線方向、表示した画角）などである。

　プロファイル情報は、さらに、コンテンツ提供装置１０１の周辺のセンサ１２３で計測される環境情報やコンテンツ提供ユーザの生体情報、撮影に同行する同行者情報など、コンテンツ提供装置１０１、または撮影者において時々刻々と変化する動的情報（すなわち、コンテンツ情報の取得期間に対応付いた情報）を含んでいてもよい。コンテンツ提供装置１０１から送信中のリアルタイムのコンテンツの場合、コンテンツ情報の取得期間に対応付いた情報は、リアルタイムで時々刻々と変化する。また、コンテンツ記憶部１１１から配信される録画コンテンツの場合、コンテンツ情報の取得期間に対応付いた情報は、コンテンツ・ストリームの再生区間毎に動的に変化する。

　また、プロファイル情報は、コンテンツ出力装置１０４の周辺のセンサ１４３で計測される環境情報や視聴者の生体情報、視聴に同伴する同伴者情報など、コンテンツ出力装置１０４、または視聴者において時々刻々と変化する動的情報（すなわち、コンテンツ情報の視聴期間に対応付いた情報）を含んでいてもよい。

　デモグラフィック情報の中には、個人識別性が高い情報や、個人識別性がなくともプライバシーに関わる個人情報が含まれる。また、履歴情報や動的情報の中にも、プライバシーに関わる個人情報や、プライバシーに関わるとは言えないが撮影者と視聴者にとっては外部に流出されたくない情報が含まれる。このため、プロファイル情報の取り扱いには十分注意する必要がある。

　なお、コンテンツプロファイル記憶部１１２に格納されるコンテンツプロファイル情報については、次に説明するコンテンツ推薦サーバ１０３の構成と処理の説明の項目において説明する。

　　［３．コンテンツ推薦サーバの構成と実行する処理について］
　次に、図１に示すコンテンツ配信システム１００の構成要素であるコンテンツ推薦サーバ１０３の構成と実行する処理について説明する。コンテンツ推薦サーバ１０３は、コンテンツ出力装置１０４側のコンテンツ視聴ユーザに対して、推薦コンテンツに関する情報を提供する。

　　［３－１．マッチング処理の概要について］
　まず、コンテンツ推薦サーバ１０３による推薦コンテンツの選択処理において実行されるマッチング処理の概要について説明する。図１に示すコンテンツ配信システム１００において、コンテンツ提供ユーザは、例えば、自由視点映像などのコンテンツの撮影者であり、コンテンツ視聴ユーザは、コンテンツを視聴することでコンテンツ配信システム１００を利用するユーザである。図１では簡素化のためコンテンツ提供ユーザおよびコンテンツ視聴ユーザをそれぞれ１人ずつしか描いていないが、実際には多数のコンテンツ提供ユーザおよびコンテンツ視聴ユーザが存在することが想定される。

　コンテンツ視聴ユーザは、自分が見たいコンテンツに巡り合うことができれば、また次もコンテンツ配信システム１００を利用したいという意欲が増す。一方のコンテンツ提供ユーザも、自分が撮影したコンテンツが多数のコンテンツ視聴ユーザによって視聴される、あるいは、見てほしいコンテンツ視聴ユーザに視聴されると、今後も撮影活動を継続してコンテンツを提供したいという意欲が増す。したがって、コンテンツ視聴ユーザに的確なコンテンツを推薦して視聴を促すことが、コンテンツ配信システム１００をさらに発展させていく上で極めて重要である。

　コンテンツ推薦サーバ１０３は、マッチング処理による推薦コンテンツの選択処理を行う。マッチング処理には、例えば、上述した、コンテンツ提供装置１０１で撮影した自由視点映像のコンテンツの属性情報であるコンテンツプロファイルと、視聴者側のコンテンツ利用時における属性情報であるユーザプロファイルを用いることができる。さらに、コンテンツ視聴ユーザの操作情報等を含むログ情報や、コンテンツ間の類似度情報等も用いることが可能である。

　マッチング処理では、例えば、プロファイル情報の類似度計算を行ない、類似度が上位、もしくは所定値を超えるユーザ、またはコンテンツが候補として発見される。そして、１以上の候補に関する情報を含んだ推薦情報がユーザに提示される。

　例えば、コンテンツを視聴するコンテンツ視聴ユーザに対しては、推薦システムのマッチング処理によって得られた、お薦めのコンテンツに関する情報がＵＩ画面として提示される。ここで言う「お薦めのコンテンツ」は、撮影者が現在撮影しているリアルタイムのコンテンツと、過去に撮影されコンテンツ記憶部１１１にアーカイブされているコンテンツの双方を含むものとする。

　コンテンツ視聴ユーザに推薦情報を提示する形式として、コンテンツの候補リストを提示する形式と、接続先となるコンテンツ提供ユーザの候補リストを提示する形式が挙げられる。前者のコンテンツのリストには、現在撮影が行なわれているリアルタイムのコンテンツと、過去に撮影されコンテンツ記憶部１１１に蓄積されているコンテンツの両方を含めることができる。また、後者の接続先のリストには、現在撮影を行なっているコンテンツ提供ユーザと、過去に撮影を行なったコンテンツ提供ユーザの両方を含めることができる。候補リストは、ＵＩ画面上で表示される。そして、コンテンツ視聴ユーザは、ＵＩ操作により視聴したいコンテンツ、もしくは接続先を選択することができる。

　また、コンテンツ視聴ユーザが主導的な（もしくは、コンテンツ視聴ユーザに対して推薦情報を提示するための）マッチング処理を行なうユースケースとして、複数のコンテンツ提供ユーザ、またはコンテンツの中から、コンテンツ視聴ユーザに合ったコンテンツ提供ユーザ、またはコンテンツを選ぶ場合と、任意のコンテンツ提供ユーザ、またはコンテンツに関連した他のコンテンツ提供ユーザを選ぶ場合の２通りを挙げることができる。後者は、コンテンツ視聴ユーザが例えば過去に視聴したことがあるコンテンツに関連したコンテンツや、過去に視聴したことがあるコンテンツを撮影したコンテンツ提供ユーザに関連した他のコンテンツ提供ユーザ（、または、関連したコンテンツ提供ユーザの撮影によるコンテンツ）を選ぶユースケースである。

　また、上記の各ユースケースにおけるマッチング処理、具体的には、例えばコンテンツ視聴者に推薦するアイテム（コンテンツまたはボディ）の選択処理（フィルタリング）の実現方法として、ＣＢＦ（Ｃｏｎｔｅｎｔ－ｂａｓｅｄ　Ｆｉｌｔｅｒｉｎｇ：内容に基づくフィルタリング）と、ＣＦ（Ｃｏｌｌａｂｏｒａｔｉｖｅ　Ｆｉｌｔｅｒｉｎｇ：協調フィルタリング）の２つの方法を利用することができる。ＣＢＦおよびＣＦの各手法自体は当業界で広く知られているので、手法の詳細については説明を省略する。

　ＣＢＦは、推薦する情報の内容に基づいて情報を取捨選択する方法である。例えば、情報の内容とユーザの要求を比較してユーザが求める情報を選別することができる。コンテンツ配信システム１００においてＣＢＦを適用する場合、情報の内容はコンテンツ提供ユーザ側のコンテンツプロファイルに相当し、ユーザの要求はコンテンツ視聴ユーザ側のユーザプロファイルに相当し、コンテンツ視聴ユーザの嗜好に適合するコンテンツ提供ユーザ（、または、そのコンテンツ提供ユーザの撮影によるコンテンツ）を取捨選択する。

　ＣＢＦ的な推薦方法の一例として、コンテンツ視聴ユーザのユーザプロファイルとコンテンツ提供ユーザ、またはコンテンツのコンテンツプロファイルを類似度計算して、類似度が上位、または所定値を超えるコンテンツ提供ユーザ、またはコンテンツを、コンテンツ視聴ユーザの嗜好に近い候補として発見することができる。例えば、ツーリズム系のコンテンツを頻繁に視聴するコンテンツ視聴ユーザに対しては、ツーリズムに関するプロファイルを持つコンテンツ提供ユーザ、またはそのようなコンテンツ提供ユーザが撮影したコンテンツを候補として推薦することができる。

　ＣＢＦ的な推薦方法の他の例として、コンテンツ提供ユーザ間（、もしくは、コンテンツ間）のコンテンツプロファイルの類似度計算を行なうことで、任意のコンテンツ提供ユーザに類似する他のコンテンツ提供ユーザ（、または、そのコンテンツ提供ユーザの撮影によるコンテンツ）や、任意のコンテンツに類似する他のコンテンツを候補として発見することができる。例えば、コンテンツ視聴ユーザが過去に視聴したことがあるコンテンツ提供ユーザに類似するプロファイルを持つ他のコンテンツ提供ユーザ、または、お気に入りのコンテンツ提供ユーザに類似するプロファイルを持つコンテンツ提供ユーザを推薦することができる。

（１）ＣＢＦ的アプローチ
（１－１）視聴者に近いプロファイル情報を持つ撮影者を推薦する。
（１－２）任意の撮影者に近いプロファイル情報を持つ撮影者を推薦する。

　一方、ＣＦは、ユーザの情報に基づいて情報を取捨選択する方法である。例えば、嗜好の類似した他のユーザの情報を用いてユーザが求める情報を選別することができる。コンテンツ配信システム１００においてＣＦを適用する場合、ユーザの情報はコンテンツ視聴ユーザ側のユーザプロファイルに相当し、あるコンテンツ視聴ユーザに類似する他のコンテンツ視聴ユーザの情報に基づいて、コンテンツ提供ユーザ（、または、そのコンテンツ提供ユーザの撮影によるコンテンツ）を取捨選択する。

　ＣＦ的な推薦方法の一例として、コンテンツ視聴ユーザ間でユーザプロファイルの類似度計算を行なって、嗜好が近い他のコンテンツ視聴ユーザが過去に視聴したことのあるコンテンツを撮影したコンテンツ提供ユーザ（、または、そのコンテンツ提供ユーザの撮影によるコンテンツ）を候補として発見することができる。例えば、視聴者Ａが撮影者１、２、３、４により撮影された各コンテンツを視聴し、視聴者Ｂが撮影者１、２、３により撮影された各コンテンツを視聴したとする。視聴者Ａと視聴者Ｂは嗜好（コンテンツの視聴履歴）が類似するので、視聴者Ｂに撮影者４（、または、撮影者４の撮影によるコンテンツ）を推薦する。

　ＣＦ的な推薦方法の他の例として、任意のコンテンツ提供ユーザが撮影したコンテンツを視聴した他のコンテンツ視聴ユーザが視聴している別のコンテンツ提供ユーザ（、または、そのコンテンツ提供ユーザの撮影によるコンテンツ）を推薦することができる。例えば、視聴者Ａと視聴者Ｂがともに撮影者１が撮影したコンテンツを視聴した場合に、視聴者Ａがさらに視聴した他のコンテンツの撮影者２を視聴者Ｂに推薦する。

（２）ＣＦ的アプローチ
（２－１）嗜好が近い他の視聴者が過去に視聴した撮影者を推薦する。
（２－２）任意の撮影者を視聴した視聴者が視聴している他の撮影者を推薦する。

　なお、上記では、視聴者であるコンテンツ視聴ユーザが主導的にコンテンツ提供ユーザ、またはコンテンツを選択する場合に即してマッチング処理について説明した。勿論、撮影者であるコンテンツ提供ユーザが主導的にコンテンツ視聴ユーザを選択する場合であっても、同様にＣＢＦ的アプローチやＣＦ的アプローチにより視聴者の推薦情報を提示することができる。

　以下、コンテンツ推薦サーバ１０３による推薦コンテンツ情報の生成と提供処理例について、以下の複数の実施例について、順次、説明する。
　（実施例１）コンテンツ視聴ユーザ（ゴースト）が、コンテンツ提供ユーザ（ボディ）を選択する実施例
　（実施例２）コンテンツ視聴ユーザ（ゴースト）同士のマッチングによる推薦情報を生成する実施例
　（実施例３）ＣＢＦ適用処理と、ＣＦ適用処理を組み合わせた推薦情報生成処理を行う実施例
　（実施例４）新着コンテンツを考慮した推薦情報生成処理を行う実施例

　　［３－２．（実施例１）コンテンツ視聴ユーザ（ゴースト）が、コンテンツ提供ユーザ（ボディ）を選択する実施例］
　まず、実施例１として、コンテンツ視聴ユーザ（ゴースト）が、コンテンツ提供ユーザ（ボディ）を選択する実施例について説明する。

　この実施例１における具体的なユースケース（事例）は、例えば以下のようなユースケースがある。
　（例１）１人のコンテンツ視聴ユーザ（ゴースト）が、複数のコンテンツ提供ユーザ（ボディ）から、自分にあった１人のコンテンツ提供ユーザ（ボディ）を選択する。
　（例２）１人のコンテンツ視聴ユーザ（ゴースト）が、任意のコンテンツ提供ユーザ（ボディ）に関連したコンテンツ提供ユーザ（ボディ）を選択する。

　なお、上記（１），（２）のユースケースのいずれも、先に説明した推薦アイテム（コンテンツまたはボディ）の選択処理手法（フィルタリング）であるＣＢＦとＣＦを適用して実現可能である。

　例えば、ＣＢＦを利用して、上記（例１）、（例２）を実現するための具体的処理は、以下のような処理となる。

　（例１）コンテンツ視聴ユーザ（ゴースト）の嗜好に近いメタデータを持ったコンテンツ提供ユーザ（ボディ）を提示する。
　例えば、旅行系のコンテンツ提供ユーザ（ボディ）を頻繁に体験するユーザに，旅行に関するコンテンツを提供するコンテンツ提供ユーザ（ボディ）を選択して提示する処理等である。

　（例２）特定のコンテンツ提供ユーザ（ボディ）にメタ情報が近いコンテンツ提供ユーザ（ボディ）を提示する。
　例えば、コンテンツ視聴ユーザ（ゴースト）が、過去に視聴したコンテンツ提供ユーザ（ボディ）Ａに似たコンテンツ提供ユーザ（ボディ）のコンテンツの一覧を選択して提示する処理である。

　また、ＣＦを利用して、上記（例１）、（例２）を実現するための具体的処理は、以下のような処理となる。

　（例１）コンテンツ視聴ユーザ（ゴースト）に嗜好が近い他のコンテンツ視聴ユーザ（ゴースト）が、過去に視聴したコンテンツを提供するコンテンツ提供ユーザ（ボディ）を選択して提示する。
　例えば、コンテンツ視聴ユーザ（ゴースト）Ａが、コンテンツ提供ユーザ（ボディ）１，２，３，４の提供コンテンツを視聴し、コンテンツ視聴ユーザ（ゴースト）Ｂが、コンテンツ提供ユーザ（ボディ）１，２，３の提供コンテンツを視聴している場合、Ａさん，Ｂさんの行動は類似（≒嗜好が近い）と判断し、Ｂさんに対して、コンテンツ提供ユーザ（ボディ）４を選択して推薦する。

　（例２）任意のコンテンツ提供ユーザ（ボディ）を体験した人が体験している他のコンテンツ提供ユーザ（ボディ）を提示する。
　例えば、コンテンツ提供ユーザ（ボディ）Ａを視聴した他の視聴者が、過去に視聴したコンテンツ提供ユーザ（ボディ）を選択して推薦情報として提示する。

　本実施例１、すなわち、コンテンツ視聴ユーザ（ゴースト）が、コンテンツ提供ユーザ（ボディ）を選択する実施例において、コンテンツ視聴ユーザ（ゴースト）側のコンテンツ出力装置１０４に出力する推薦情報の表示例（ＵＩ例）について、図５以下を参照して説明する。図５～図７には、コンテンツ視聴ユーザ（ゴースト）が、コンテンツ提供ユーザ（ボディを選択可能としたＵＩの３つの例を示している。

　図５に示す表示例１（ＵＩ例１）は、コンテンツ出力装置１０４に表示される推薦コンテンツの一例であり、出力メッセージとして、「あなたにおススメのボディ（コンテンツ提供ユーザ）」を表示し、このメッセージ以下に推薦コンテンツの画像を表示している。

　推薦コンテンツとして、複数のコンテンツ提供ユーザ（ボディ）Ａ，Ｂ，Ｃ・・が提供するコンテンツの画像を表示している。なお、表示コンテンツは、例えば、リアルタイムコンテンツの場合は、その映像をそのまま表示し、過去のコンテンツであれば、コンテンツのダイジェストを表示する等の処理とする。

　この図５に示す表示例１（ＵＩ例１）は、例えば、上述のＣＢＦやＣＦを利用して選択した情報を表示する処理として実行可能である。例えば、コンテンツ視聴ユーザ（ゴースト）の嗜好に近いメタデータを持ったコンテンツ提供ユーザ（ボディ）を提示する処理として実行可能である。

　なお、コンテンツ視聴ユーザ（ゴースト）は、図５に示すコンテンツ出力装置１０４に表示される複数の画像から１つのコンテンツ画像を選択することが可能であり、選択情報がネットワーク１１０ｂを介してコンテンツ配信サーバ１０２に通知され、選択コンテンツの配信が実行される。

　次に、図６に示す表示例２（ＵＩ例２）について説明する。図６に示す表示例２（ＵＩ例２）は、出力メッセージとして、「（１）あなたが選択したボディ（コンテンツ提供ユーザ）」が表示され、このメッセージ以下に、このコンテンツ視聴ユーザ（ゴースト）が過去に視聴したコンテンツ提供ユーザ（ボディ）Ａのコンテンツ画像を表示している。さらに、出力メッセージとして、「（２）以下のボディも選択したボディ（ユーザＡ）に似ています」を表示し、このメッセージ以下に、上段のコンテンツ提供ユーザ（ボディ）Ａに類似するコンテンツ提供ユーザ（ボディ）Ｄ，Ｅのコンテンツ画像を表示している。

　この図６に示す表示例２（ＵＩ例２）も上述のＣＢＦやＣＦを利用して選択した情報を表示する処理として実行される。

　次に、図７に示す表示例３（ＵＩ例３）について説明する。図７に示す表示例３（ＵＩ例３）は、出力メッセージとして、「（１）あなたが選択したボディ（コンテンツ提供ユーザ）」が表示され、このメッセージ以下に、このコンテンツ視聴ユーザ（ゴースト）が過去に視聴したコンテンツ提供ユーザ（ボディ）Ａのコンテンツ画像を表示している。さらに、出力メッセージとして、「（２）上記ボディ（ユーザＡ）を選択したユーザは、以下のボディも見ています」を表示し、このメッセージ以下に、上段のコンテンツ提供ユーザ（ボディ）Ａを選択した他のユーザがに過去に見たコンテンツ提供ユーザ（ボディ）Ｄ，Ｅのコンテンツ画像を表示している。

　この図７に示す表示例３（ＵＩ例３）も上述のＣＢＦやＣＦを利用して選択した情報を表示する処理として実行される。例えば、コンテンツ視聴ユーザ（ゴースト）に嗜好が近い他のコンテンツ視聴ユーザ（ゴースト）の過去視聴コンテンツを提供するコンテンツ提供ユーザ（ボディ）を選択して提示する処理等として実行可能である。

　なお、図５～図７に示す表示例（ＵＩ例）は、代表的な表示例であり、この他にも様々な推薦情報の表示がなされる。次に、このような推薦情報を生成して、コンテンツ出力装置１０４に提供するコンテンツ推薦サーバ１０３の構成例について、図８を参照して説明する。

　図８に示すようにコンテンツ推薦サーバ１０３は、コンテンツメタ情報取得部２０１、コンテンツメタ情報記憶部２０２、コンテンツプロファイル生成部２０３、ユーザプロファイル生成部２０４、フィードバックログ解析部２０５、フィードバックログ記憶部２０６、ユーザ嗜好解析部２０７、ユーザ嗜好情報記憶部２０８、推薦情報生成部２０９、コンテンツプロファイル記憶部１１２、ユーザプロファイル記憶部１１３を有する。

　なお、図８において、コンテンツプロファイル記憶部１１２、ユーザプロファイル記憶部１１３をコンテンツ推薦サーバ１０３の構成要素として示しているが、これらの記憶部は、図１に示すコンテンツ配信システム１００に示すコンテンツプロファイル記憶部１１２、ユーザプロファイル記憶部１１３であり、コンテンツ推薦サーバ１０３の構成要素とすることなく、ネットワークを介してアクセス可能な定としてもよい。

　図８に示すユーザプロファイル生成部２０４は、例えばコンテンツ出力装置１０４を介して、ユーザ情報２１１を受信し、ユーザプロファイルを生成してユーザプロファイル記憶部１１３に格納する。ユーザプロファイル記憶部１１３に格納される情報については、先に図４を参照して説明した通りであり、例えば、性別や年齢、身長・体重、住所（居住地、または勤務地）、出身地、収入、職業、または会社名、学歴、家族構成といった、社会経済的な特質データからなるデモグラフィック（人口統計学的）情報を含む。

　コンテンツメタ情報取得部２０１は、コンテンツ提供装置１０１の取得するコンテンツ、例えば撮影画像等のコンテンツのメタ情報を取得してコンテンツメタ情報記憶部２０２に格納する。
　コンテンツメタ情報記憶部２０２に格納されるメタ情報の例を図９に示す。

　図９に示すようにコンテンツメタ情報には、例えば以下のデータが含まれる。
　コンテンツ識別情報（ｉｔｅｍｉｄ）
　ジャンル情報（ｇｅｎｒｅ）
　コンテンツ長さ情報
　コンテンツの雰囲気情報
　コンテンツ撮影者（ボディ）情報（ｂｏｄｙ）
　コンテンツアップロード日時情報（ｕｐｌｏａｄ　ｔｉｍｅ）
　コンテンツ公開日時情報（ｐｕｂｌｉｓｈｅｄ　ｔｉｍｅ）
　コンテンツメタ情報取得部２０１は、コンテンツ提供装置１０１の取得するコンテンツ、例えば撮影画像等のコンテンツに基づいて、これらのメタ情報を取得、または生成して、コンテンツメタ情報記憶部２０２に格納する。

　図８に示すコンテンツプロファイル生成部２０３は、コンテンツ提供装置１０１の取得するコンテンツ、および、コンテンツメタ情報取得部２０１が取得してコンテンツメタ情報記憶部２０２に格納されたコンテンツメタ情報を取得してコンテンツプロファイル情報を生成して、生成したコンテンツプロファイル情報をコンテンツプロファイル記憶部１１２に格納する。

　コンテンツプロファイル生成部２０３が生成し、コンテンツプロファイル記憶部１１２に格納するコンテンツプロファイル情報の一例を図１０に示す。図１０に示すように、コンテンツプロファイルは、以下の各データの対応データとして構成される。
　アイテムタイプＩＤ
　アイテムＩＤ
　特徴項目（カテゴリ、人物、ムード、キーワード・・・）
　特徴項目の各項目に示す点数は、各コンテンツの特徴の反映度を示す値である。
　点数の高い項目が、そのコンテンツの特徴をよく示す項目である。

　アイテムタイプＩＤは、アイテムタイプの識別子であり、例えばアイテム＝コンテンツの場合［０００２］が格納される。アイテムＩＤは、各コンテンツの識別子に相当する。特徴項目として、カテゴリ、人物、ムード、キーワード等のコンテンツの特徴を示すデータが記録される。

　フィードバックログ解析部２０５は、コンテンツ出力装置１０４に対するコンテンツ視聴ユーザのユーザ操作情報２１２等を入力し、入力情報の解析を行い、フィードバックログを生成して、フィードバックログ記憶部２０６に格納する。

　フィードバックログ記憶部２０６に格納されるデータの例を図１１に示す。図１１に示すように、フィードバックログ記憶部２０６には、例えば以下のデータが対応付けられて格納される。
　ユーザ識別子（ｕｓｅｒＩｄ）
　コンテンツ識別子（ｃｏｎｔｅｎｔＩｄ）
　フィードバックタイプ情報（ｆｅｅｄｂａｃｋＴｙｐｅ）
　タイムスタンプ情報（ｔｉｍｅｓｔａｍｐ）

　ユーザ識別子（ｕｓｅｒＩｄ）は、コンテンツ出力装置１０４に出力されたコンテンツの視聴者の識別子である。コンテンツ識別子（ｃｏｎｔｅｎｔＩｄ）は、コンテンツ出力装置１０４に出力されたコンテンツの識別子である。フィードバックタイプ情報（ｆｅｅｄｂａｃｋＴｙｐｅ）は、コンテンツ出力装置１０４に出力されたコンテンツの視聴者の感想等のフィードバック情報である。タイムスタンプ情報（ｔｉｍｅｓｔａｍｐ）は、フィードバック情報の入力日時情報である。

　ユーザ嗜好解析部２０７は、コンテンツプロファイル記憶部１１２に格納されたコンテンツプロファイル情報（図１０参照）と、フィードバックログ記憶部２０６に格納されたフィードバックログ情報（図１１参照）を入力し、これらの情報に基づいて、コンテンツ視聴ユーザ各々の嗜好情報を解析し、解析結果として、各ユーザ対応のユーザ嗜好情報を生成してユーザ嗜好情報記憶部２０８に格納する。

　ユーザ嗜好解析部２０７が生成し、ユーザ嗜好情報記憶部２０８に格納するユーザ嗜好情報の一例を図１２に示す。図１２に示すように、ユーザ嗜好情報は、以下の各データの対応データとして構成される。
　アイテムタイプＩＤ
　アイテムＩＤ
　特徴項目（カテゴリ、人物、ムード、キーワード・・・）

　アイテムタイプＩＤは、アイテムタイプの識別子であり、例えばアイテム＝ユーザの場合［０００１］が格納される。アイテムＩＤは、各ユーザの識別子に相当する。特徴項目として、カテゴリ、人物、ムード、キーワード等のコンテンツの特徴を示すデータが記録される。特徴項目の各項目中、点数が高い項目が、各ユーザの興味度が高いと判定される項目である。

　ユーザ嗜好解析部２０７は、コンテンツプロファイル記憶部１１２に格納されたコンテンツプロファイル情報（図１０参照）と、フィードバックログ記憶部２０６に格納されたフィードバックログ情報（図１１参照）を入力して、これらの情報に基づいて、コンテンツ視聴ユーザ各々の嗜好情報を解析し、解析結果として、各ユーザ対応のユーザ嗜好情報、すなわち、図１２に示すユーザ嗜好情報を生成する。

　この嗜好情報の生成は、例えば、機械学習処理によって行われる。図１３を参照して、ユーザ嗜好解析部２０７の実行するユーザ嗜好情報の生成処理例について説明する。

　図１３に示すように、ユーザ嗜好解析部２０７は、コンテンツプロファイル記憶部１１２に格納されたコンテンツプロファイル情報（図１０参照）と、フィードバックログ記憶部２０６に格納されたフィードバックログ情報（図１１参照）を入力する。

　ユーザ嗜好解析部２０７は、コンテンツ出力装置１０４から入力するユーザ操作情報２１２の各々のユーザ嗜好に対する影響度を機械学習による学習処理によって推定する。さらに、この学習結果として得られる各ユーザ操作対応の影響度と、コンテンツプロファイル記憶部１１２に格納されたコンテンツプロファイル情報（図１０参照）に含まれるコンテンツ特徴量を用いて、以下に示す（式１）に従って、ユーザ嗜好を算出する。

　　ユーザ嗜好＝Σ（コンテンツ特徴量ｉ×影響度α）・・・（式１）
　上記（式１）は、あるコンテンツ特徴量ｉを持つコンテンツに対するユーザの嗜好度を示す値を算出する式である。コンテンツ特徴量ｉに乗算する影響度αは、様々なユーザ操作（α＝１，２，３・・・）対応の影響度である。

　ユーザが行う様々なユーザ操作に対して予め影響度αが既定される。例えば以下の設定等である。
　（１）コンテンツ特徴量ｉを持つカテゴリのコンテンツ閲覧操作：影響度α＝１
　（２）コンテンツ特徴量ｉの閲覧操作：影響度α＝３
　（３）コンテンツ特徴量ｉを持つコンテンツの購入操作：影響度α＝５

　具体的な計算例について説明する。ユーザ嗜好算出対象のユーザが、特徴量ａ１を持つコンテンツと同じカテゴリのコンテンツに対して、ユーザが閲覧操作を行い、特徴量ａ２を持つコンテンツに対して、ユーザが閲覧操作を行い、特徴量ａ３を持つコンテンツに対して、ユーザが購入操作を行ったものとする。この場合のユーザ嗜好は、以下の計算式によって算出される。
　ユーザ嗜好＝ａ１×１＋ａ２×３＋ａ３×４

　なお、特徴量は、コンテンツプロファイル記憶部１１２に登録された特徴項目各々に対応する特徴量である。また、ユーザ操作は、例えば、コンテンツの閲覧、参照、購入処理のみならず、コンテンツ視聴時の操作、例えば視聴開始、停止、早送り操作、スキップ操作等の操作情報も含まれる。

　ユーザ嗜好解析部２０７は、コンテンツ出力装置１０４から入力するこれらのユーザ操作情報２１２を解析して、これらのユーザ操作とユーザ嗜好との関連性、すなわち影響度を推定し、この推定値および上記（式１）に基づいて、ユーザ嗜好を算出する。

　このように、ユーザ嗜好解析部２０７は、コンテンツプロファイル記憶部１１２に格納されたコンテンツプロファイル情報（図１０参照）と、フィードバックログ記憶部２０６に格納されたフィードバックログ情報（図１１参照）を入力し、これらの情報に基づいて、コンテンツ視聴ユーザ各々の嗜好情報を解析し、解析結果として、先に図１２を参照して説明したデータによって構成される各ユーザ対応のユーザ嗜好情報を生成してユーザ嗜好情報記憶部２０８に格納する。

　次に、図８に示すコンテンツ推薦サーバ１０３の推薦情報生成部２０９の実行する処理について説明する。推薦情報生成部２０９は、コンテンツプロファイル記憶部１１２に格納されたコンテンツプロファイル情報（図１０参照）と、ユーザ嗜好情報記憶部２０８に格納されたユーザ嗜好情報（図１２参照）を入力して、これらの入力情報に基づく推薦情報２１３を生成してコンテンツ出力装置１０４に出力する。この推薦情報の表示例が、先に図５～図７を参照して説明した表示例（ＵＩ例）である。

　推薦情報生成部２０９の実行する処理例について、図１４を参照して説明する。推薦情報生成部２０９は、コンテンツプロファイル記憶部１１２に格納されたコンテンツプロファイル情報（図１０参照）のコンテンツ各々について、各特徴項目の設定値を要素としたベクトル（特徴量ベクトル）を生成する。

　すなわち、推薦情報生成部２０９は、コンテンツＡの特徴量ベクトル、コンテンツＢの特徴量ベクトル、コンテンツＣの特徴量ベクトル等を含む、コンテンツ各々のコンテンツ特徴量ベクトルを生成する。

　推薦情報生成部２０９は、さらに、推薦情報２１３を出力するコンテンツ出力装置側のコンテンツ視聴ユーザ（ユーザＡとする）のユーザ嗜好情報をユーザ嗜好情報記憶部２０８（図１２参照）から取得する。取得したユーザ嗜好情報についても、各特徴項目の設定値を要素としたベクトル（ユーザ嗜好ベクトル）を生成する。

　推薦情報生成部２０９は、生成したユーザＡのユーザ嗜好ベクトルと、生成した各コンテンツの特徴量ベクトルの近さ（類似度）を検証する。図１４には、ユーザＡのユーザ嗜好ベクトルと、コンテンツＡ～Ｃの特徴量ベクトルを、１つの原点Ｏから延びるベクトルとして示している。

　図１４に示す例では、ユーザＡのユーザ嗜好ベクトルに最も近い特徴量ベクトルは、コンテンツＡの特徴量ベクトルである。この結果、推薦情報生成部２０９は、コンテンツＡが、ユーザ嗜好に最も近い特徴を有するコンテンツであると判定する。

　ユーザＡのユーザ嗜好ベクトルに近い特徴量を持つコンテンツの順番は、コンテンツＡ、コンテンツＢ、コンテンツＣ、となる。推薦情報生成部２０９は、例えば、この順番、すなわち、コンテンツＡ、コンテンツＢ、コンテンツＣの順にコンテンツ画像を配列した表示情報（ＵＩ）を生成し、生成した情報を推薦情報２１３として、コンテンツ出力装置１０４に出力する。

　なお、推薦情報生成部２０９は、コンテンツプロファイル記憶部１１２に格納されたコンテンツプロファイル情報（図１０参照）と、ユーザ嗜好情報記憶部２０８に格納されたユーザ嗜好情報（図１２参照）に加え、さらに、ユーザプロファイル記憶部１１３に格納されたユーザプロファイル情報（図４参照）を入力して、ユーザプロファイルを考慮して推薦コンテンツの選択を行ってもよい。例えば、ユーザの年齢や、性別等を考慮した推薦コンテンツの選定である。

　次に、コンテンツ推薦サーバ１０３のもう一つの処理例として、異なる複数のコンテンツの関連性を判定して推薦コンテンツを決定する処理例について説明する。この処理を実行するコンテンツ推薦サーバ１０３の構成を図１５に示す。

　図１５に示すコンテンツ推薦サーバ１０３は、コンテンツメタ情報取得部２０１、コンテンツメタ情報記憶部２０２、コンテンツプロファイル生成部２０３、ユーザプロファイル生成部２０４、フィードバックログ解析部２０５、フィードバックログ記憶部２０６、コンテンツ関連性情報生成部２２１、コンテンツ関連性情報記憶部２２２、推薦情報生成部２０９、コンテンツプロファイル記憶部１１２、ユーザプロファイル記憶部１１３を有する。

　この図１５に示すコンテンツ推薦サーバ１０３は、先に図８を参照して説明したコンテンツ推薦サーバ１０３の構成要素から、ユーザ嗜好解析部２０７、ユーザ嗜好情報記憶部２０８を削除し、コンテンツ関連性情報生成部２２１、コンテンツ関連性情報記憶部２２２を追加した構成となる。その他の構成は、先に図８を参照して説明したコンテンツ推薦サーバ１０３の構成と同様である。

　図１５に示すコンテンツ推薦サーバ１０３のコンテンツ関連性情報生成部２２１の実行する処理について、図１６を参照して説明する。コンテンツ関連性情報生成部２２１は、コンテンツプロファイル記憶部１１２に格納されたコンテンツプロファイル情報（図１０参照）のコンテンツ各々について、各特徴項目の設定値を要素としたベクトル（特徴量ベクトル）を生成する。

　すなわち、コンテンツ関連性情報生成部２２１は、コンテンツＡの特徴量ベクトル、コンテンツＢの特徴量ベクトル、コンテンツＣの特徴量ベクトル等を含む、コンテンツ各々のコンテンツ特徴量ベクトルを生成する。

　コンテンツ関連性情報生成部２２１は、生成したこれらの各コンテンツの特徴量ベクトルの近さ（類似度）を検証する。図１６には、コンテンツＡ～Ｃの特徴量ベクトルを、１つの原点Ｏから延びるベクトルとして示している。

　コンテンツ関連性情報生成部２２１は、これらの各ベクトルの近さを数値化して、関連性スコア（Ｒｅｌａｔｉｏｎ　Ｓｃｏｒｅ）を算出する。ベクトルが近いほど関連性スコア（Ｒｅｌａｔｉｏｎ　Ｓｃｏｒｅ）の値が高くなる設定である。

　各コンテンツの特徴量ベクトルの近さを検証して、この関連性スコアを算出し、算出したスコアをコンテンツ関連性情報記憶部２２２に格納する。コンテンツ関連性情報記憶部２２２に格納されるデータの例を図１７に示す。

　図１７に示すように、コンテンツ関連性情報記憶部２２２には、関連性の検証対象となる２つのコンテンツの識別子、［ｆｒｏｍＣｏｎｔｅｎｔｓ（ＩＤ）］、［ｔｏＣｏｎｔｅｎｔｓ（ＩＤ）］と、これらの２つのコンテンツの関連性スコア［Ｒｅｌａｔｉｏｎ　Ｓｃｏｒｅ］が格納される。

　次に、図１８を参照して、図１５に示すコンテンツ推薦サーバ１０３の推薦情報生成部２０９の実行する処理について説明する。推薦情報生成部２０９は、コンテンツ関連性情報記憶部２２２に格納された２つのコンテンツの関連性スコア［Ｒｅｌａｔｉｏｎ　Ｓｃｏｒｅ］に基づいて、推薦情報２１３を生成して出力する。

　例えば、フィードバックログ記憶部２０６に格納された情報に基づいて、ユーザの過去の視聴コンテンツがコンテンツＡであることが確認された場合、その視聴コンテンツＡに類似するコンテンツを推薦する推薦情報２１３を生成する。この処理には、図１７に示すデータを格納したコンテンツ関連性情報記憶部２２２のデータが利用される。

　すなわち、コンテンツＡとの関連性スコア［Ｒｅｌａｔｉｏｎ　Ｓｃｏｒｅ］の高いコンテンツが推薦コンテンツとして選択される。具体的には、先に図１６を参照して説明したコンテンツの特徴量ベクトルが近いコンテンツが推薦コンテンツとして選択されることになる。

　なお、推薦情報生成部２０９は、さらに、コンテンツプロファイル記憶部１１２に格納されたコンテンツプロファイル情報（図１０参照）や、ユーザ嗜好情報記憶部２０８に格納されたユーザ嗜好情報（図１２参照）や、ユーザプロファイル記憶部１１３に格納されたユーザプロファイル情報（図４参照）を入力して、これらの情報を考慮して推薦コンテンツの選択を行ってもよい。例えば、ユーザの年齢や、性別等を考慮した推薦コンテンツの選定である。

　　［３－３．（実施例２）コンテンツ視聴ユーザ（ゴースト）同士のマッチングによる推薦情報を生成する実施例］
　次に、実施例２として、コンテンツ視聴ユーザ（ゴースト）同士のマッチングによる推薦情報を生成する実施例について説明する。

　この実施例２における具体的なユースケース（事例）は、例えば、図１９に示すようなユースケースである。音楽ライブやスポーツ観戦において，複数のコンテンツ視聴ユーザ（ゴースト）が１人のコンテンツ提供ユーザ（ボディ）の提供コンテンツを視聴（Ｊａｃｋ－ｉｎ）して楽しむ。例えば、複数のコンテンツ視聴ユーザ（ゴースト）同士でコミュニケーションを取りながら１人のコンテンツ提供ユーザ（ボディ）の目線で共同視聴をする。嗜好や感性が似ている者同士で共同視聴することで盛り上がりが期待できる。

　本実施例２、すなわち、コンテンツ視聴ユーザ（ゴースト）同士のマッチングによる推薦情報を生成する実施例において、コンテンツ視聴ユーザ（ゴースト）側のコンテンツ出力装置１０４に出力する推薦情報の表示例（ＵＩ例）を図２０に示す。

　図２０に示す表示例１（ＵＩ例１）は、コンテンツ出力装置１０４に表示される推薦コンテンツの一例であり、出力メッセージとして、「共同視聴メンバー（コーストメンバー）募集中」を表示し、このメッセージ以下に推薦する共同視聴メンバーのリストと、選択ボックスを表示している。

　この図２０に示す表示例１（ＵＩ例１）は、例えば、上述のＣＢＦやＣＦを利用して選択した情報を表示する処理として実行可能である。例えば、ＣＢＦを利用して、嗜好の似たコンテンツ視聴ユーザ（ゴースト）のマッチング処理を行うことが可能である。また、ＣＦを利用して、行動パターンの似たコンテンツ視聴ユーザ（ゴースト）のマッチング処理を行うことが可能である。

　本実施例２、コンテンツ視聴ユーザ（ゴースト）同士のマッチングによる推薦情報を生成する処理を実行するコンテンツ推薦サーバ１０３の構成を図２１に示す。

　図２１に示すコンテンツ推薦サーバ１０３は、コンテンツメタ情報取得部２０１、コンテンツメタ情報記憶部２０２、コンテンツプロファイル生成部２０３、ユーザプロファイル生成部２０４、フィードバックログ解析部２０５、フィードバックログ記憶部２０６、ユーザ関連性情報生成部２３１、ユーザ関連性情報記憶部２３２、推薦情報生成部２０９、コンテンツプロファイル記憶部１１２、ユーザプロファイル記憶部１１３を有する。

　この図２１に示すコンテンツ推薦サーバ１０３は、先に図８を参照して説明したコンテンツ推薦サーバ１０３の構成要素から、ユーザ嗜好解析部２０７、ユーザ嗜好情報記憶部２０８を削除し、ユーザ関連性情報生成部２３１、ユーザ関連性情報記憶部２３２を追加した構成となる。その他の構成は、先に図８を参照して説明したコンテンツ推薦サーバ１０３の構成と同様である。

　図２１に示すコンテンツ推薦サーバ１０３のユーザ関連性情報生成部２３１の実行する処理について、図２２を参照して説明する。ユーザ関連性情報生成部２３１は、フィードバックログ記憶部２０６に格納された各ユーザの操作情報等（図１１参照）を入力する。ユーザ関連性情報生成部２３１は、入力情報に基づいて、各ユーザのフィードバック情報の類似度を算出し、高類似度ほど関連性スコア（Ｒｅｌａｔｉｏｎ　Ｓｃｏｒｅ）を高く設定したユーザ関連性情報を生成し、生成情報をユーザ関連性情報記憶部２３２に格納する。

　ユーザ関連性情報記憶部２３２に格納されるデータの例を図１７に示す。図２３に示すように、ユーザ関連性情報記憶部２３２には、関連性の検証対象となる２人のユーザの識別子、［ｆｒｏｍＵｓｅｒ（ＩＤ）］、［ｔｏＵｓｅｒ（ＩＤ）］と、これらの２人のユーザの関連性スコア［Ｒｅｌａｔｉｏｎ　Ｓｃｏｒｅ］が格納される。

　次に、図２４を参照して、図２１に示すコンテンツ推薦サーバ１０３の推薦情報生成部２０９の実行する処理について説明する。推薦情報生成部２０９は、ユーザ関連性情報記憶部２３２に格納された２人のユーザの関連性スコア［Ｒｅｌａｔｉｏｎ　Ｓｃｏｒｅ］に基づいて、推薦情報２１３を生成して出力する。

　例えば、フィードバックログ記憶部２０６に格納された各ユーザのフィードバック情報の類似度に基づいて、類似度の高いユーザ（コンテンツ視聴ユーザ（ゴースト））を、共同視聴メンバー（ゴーストメンバー）に選択した推薦情報２１３を生成して出力する。

　なお、図２４には、推薦情報生成部２０９にユーザ関連性情報記憶部２３２と、ユーザ関連性情報記憶部２３２の２つの記憶部の格納情報を力する構成として示しているが、推薦情報生成部２０９は、いずれか一方の記憶部格納データに基づいて推薦情報２１３を生成することが可能である。

　また、推薦情報生成部２０９は、さらに、コンテンツプロファイル記憶部１１２に格納されたコンテンツプロファイル情報（図１０参照）や、ユーザ嗜好情報記憶部２０８に格納されたユーザ嗜好情報（図１２参照）や、ユーザプロファイル記憶部１１３に格納されたユーザプロファイル情報（図４参照）を入力して、これらの情報を考慮して推薦コンテンツの選択を行ってもよい。例えば、ユーザの年齢や、性別等を考慮した推薦コンテンツの選定である。

　次に、本実施例２の変形例について、図２５を参照して説明する。この実施例２の変形例のユースケースも、音楽ライブやスポーツ観戦において，複数のコンテンツ視聴ユーザ（ゴースト）が１人のコンテンツ提供ユーザ（ボディ）の提供コンテンツを視聴（Ｊａｃｋ－ｉｎ）して楽しむという点では、前述した実施例２の基本構成例と同様である。

　この変形例では、例えばＮ人の複数のコンテンツ視聴ユーザ（ゴースト）を仮想的な１人のコンテンツ視聴ユーザ（ゴースト）として設定して処理を行う。このように、１人のコンテンツ視聴ユーザ（ゴースト）として設定することで、先に説明した実施例１と同様の処理も可能となる。

　この本実施例２の変形例において、コンテンツ視聴ユーザ（ゴースト）側のコンテンツ出力装置１０４に出力する推薦情報の表示例（ＵＩ例）を図２６に示す。

　図２６に示す表示例２（ＵＩ例２）は、コンテンツ出力装置１０４に表示される推薦コンテンツの一例であり、出力メッセージとして、「共同視聴メンバー（コーストメンバー）募集中」を表示し、このメッセージ以下に推薦する共同視聴メンバーのリストと、選択ボックスを表示している。ここまでは、先に図２０を参照して説明した実施例２の基本構成と同じである。

　本変形例では、さらに、「このメンバーにおススメのボディ（コンテンツ提供ユーザ）」を表示して、複数のボディ（コンテンツ提供ユーザ）の提供するコンテンツと選択ボックスを表示している。この表示は、先に図５を参照して説明した実施例１に従った表示情報に相当する。この下段の表示情報は、Ｎ人の複数のコンテンツ視聴ユーザ（ゴースト）を、１人のコンテンツ視聴ユーザ（ゴースト）として設定して、先に説明した実施例１と同様の処理を行うことで生成される推薦情報を適用したものである。

　このように、実施例１の処理と実施例２の処理を組み合わせることで、図２６に示すような表示情報をコンテンツ視聴ユーザに提示することが可能となる。

　　［３－４．（実施例３）ＣＢＦ適用処理と、ＣＦ適用処理を組み合わせた推薦情報生成処理を行う実施例］
　次に、実施例３として、推薦情報生成部２０９が、ＣＢＦ適用処理と、ＣＦ適用処理を組み合わせた推薦情報生成処理を行う実施例について説明する。

　先に説明したように、ＣＢＦは、コンテンツ等の推薦情報の内容に基づいて情報を取捨選択する方法である。例えば、情報の内容とユーザの要求を比較してユーザが求める情報を選別することができる。一方、ＣＦは、ユーザの情報に基づいて情報を取捨選択する方法である。例えば、嗜好の類似した他のユーザの情報を用いてユーザが求める情報を選別することができる。

　しかし、ＣＢＦやＣＦを適用した場合の問題点として、以下の問題がある。ＣＢＦの場合は過去にユーザが視聴したことのあるコンテンツに近い物が選択されやすく斬新なコンテンツが推薦されにくい問題がある。一方でＣＦは必ずしも過去に視聴したコンテンツに似たものが選択されるとは限らず、より新鮮味のあるコンテンツを出すことが可能である。そのため、ＣＢＦとＣＦを組み合わせた推薦を適用することが有効であると考えられる。以下に説明する実施例３は、この状況を考慮した構成であり、ＣＢＦ適用処理と、ＣＦ適用処理を組み合わせた推薦情報生成処理を行う実施例である。

　図２７を参照して本実施例３の推薦情報生成部２０９の構成と処理の一例について説明する。なお、図２７に示す推薦情報生成部２０９は、先に実施例１として説明した図８、および図１５に示すコンテンツ推薦サーバ１０３、あるいは、実施例２として説明した図２１に示すコンテンツ推薦サーバ１０３内に構成可能な推薦情報生成部２０９である。すなわち、以下に説明する実施例３に従った推薦情報生成部２０９の実行する処理は、前述した実施例１や、実施例２において推薦情報生成処理に置き換えて実行することが可能な処理である。

　図２７に示す推薦情報生成部２０９は、図に示すように、ＣＦ推薦情報生成部３０１、ＣＢＦ推薦情報生成部３０２、合成推薦情報生成部３０３を有する。

　ＣＦ推薦情報生成部３０１は、ＣＦに基づく推薦情報を生成する。ＣＦは、ユーザの情報に基づいて情報を取捨選択する方法である。例えば、ユーザ嗜好や行動情報を取得して、これらの情報にマッチングする提供情報（コンテンツやボディ）を選択して、選択情報を推薦情報として提供する処理等を行う。

　また、ＣＢＦ推薦情報生成部３０２は、ＣＢＦに基づく推薦情報を生成する。ＣＢＦは、推薦する情報の内容に基づいて情報を取捨選択する方法である。例えば、提供情報となるコンテンツやボディの情報を取得し、この情報とユーザの要求を比較し、ユーザ要求にマッチングする提供情報（コンテンツやボディ）を選択して、選択情報を推薦情報として提供する処理等を行う。

　合成推薦情報生成部３０３は、ＣＦ推薦情報生成部３０１と、ＣＢＦ推薦情報生成部３０２が、各々異なる手法で生成した推薦情報を合成して、最終的にコンテンツ出力装置１０４に出力する推薦情報２１３を生成して出力する。

　図２７を参照して具体的な処理例について説明する。ＣＦ推薦情報生成部３０１は、ＣＦに基づく推薦情報を生成する。ＣＦ推薦情報生成部３０１は、図に示すように推薦アイテム（コンテンツやコンテンツ提供ユーザ（ボディ））として、アイテムａ，ｂ，ｃを選択する。各アイテム対応のアイテムスコアは、以下の通りである。
　ａ＝０．９、
　ｂ＝０．７７
　ｃ＝０．６５

　これらの推薦アイテム、およびアイテムスコアは、ＣＦに基づくマッチング処理によって選択、および算出したアイテムとアイテムスコアである。なお、本例において、アイテムスコアは、コンテンツ視聴ユーザ（ゴースト）の嗜好や行動と、各コンテンツのマッチングレベルを示す０～１．０の範囲の値であり、１に近いほどマッチング率が高く、コンテンツ視聴ユーザ（ゴースト）の嗜好に適合したコンテンツであり、推薦レベルの高いアイテムであることを示す。

　一方、ＣＢＦ推薦情報生成部３０２は、ＣＢＦに基づく推薦情報を生成する。ＣＢＦ推薦情報生成部３０２は、図に示すように推薦アイテム（コンテンツやコンテンツ提供ユーザ（ボディ））として、アイテムａ，ｂ，ｃ，ｄを選択する。各アイテム対応のアイテムスコアは、以下の通りである。
　ａ＝０．８、
　ｂ＝０．６
　ｃ＝０．３
　ｄ＝０．２
　これらの推薦アイテム、およびアイテムスコアは、ＣＢＦに基づくマッチング処理によって選択、および算出したアイテムとアイテムスコアである。アイテムスコアは、提供情報ａ～ｄから取得した特徴量等の情報とユーザ要求とのマッチングレベルを示す０～１．０の範囲の値であり、１に近いほどマッチング率が高く、コンテンツ視聴ユーザ（ゴースト）の要求に適合したコンテンツであり、推薦レベルの高いアイテムであることを示す。

　合成推薦情報生成部３０３は、ＣＦ推薦情報生成部３０１と、ＣＢＦ推薦情報生成部３０２が、各々ＣＦ、ＣＢＦを適用して選択および算出したアイテムとアイテムスコアを入力し、これらを合成して、最終的にコンテンツ出力装置１０４に出力する推薦情報２１３を生成して出力する。

　図２７には、合成推薦情報生成部３０３の実行する処理の一例を示している。合成推薦情報生成部３０３は、予め規定した重み係数を用いて、ＣＦ推薦情報生成部３０１と、ＣＢＦ推薦情報生成部３０２が、各々ＣＦ、ＣＢＦを適用して算出したアイテムスコアを加算して、新たなアイテムスコアを算出する。図に示す例において、重み係数の設定は以下の設定である。
　ＣＦ推薦情報生成部３０１の生成したＣＦ適用アイテムスコアに対する重み係数（Ｗｃｆ）＝０．４、
　ＣＢＦ推薦情報生成部３０２の生成したＣＢＦ適用アイテムスコアに対する重み係数（Ｗｃｂｆ）＝０．６、

　合成推薦情報生成部３０３は、この重み係数を用いて、ＣＦ推薦情報生成部３０１と、ＣＢＦ推薦情報生成部３０２が算出したアイテムスコアを加算して、新たなアイテムスコアを算出する。すなわち、以下のスコア算出処理を行う、
　アイテムスコア（ａ）＝０．９×０．４＋０．８×０．６＝０．８４
　アイテムスコア（ｂ）＝０．７７×０．４＋０．６×０．６＝０．６６８
　アイテムスコア（ｃ）＝０．６５×０．４＋０．３×０．６＝０．４４
　アイテムスコア（ｄ）＝０×０．４＋０．２×０．６＝０．１２

　合成推薦情報生成部３０３は、上記の各式に従って算出したアイタムスコアを各アイテムの最終的な推薦レベルを決定するスコアとする。上記式に従って、最終的なアイテムスコアの高い順にアイテムを並べると、以下のようになる。
　ａ，ｂ，ｃ，ｄ
　合成推薦情報生成部３０３は、例えばこのスコア順にアイテム（コンテンツ、あるいはコンテンツ提供ユーザ（ボディ））を並べた推薦情報２１３を生成してコンテンツ出力装置１０４に出力する。

　このような処理を実行することで、ＣＦ，ＣＢＦ手法、各処理の利点を具備する最終的なスコアに基づく推薦情報の生成が可能となる。なお、上述した処理に適用した重み係数の例は一例にすぎず、合成推薦情報生成部３０３は、状況に応じて様々な重み係数を用いることが可能である。

　図２７を参照して説明した処理において用いてアイテムスコアは、ユーザとコンテンツとのマッチングレベルを示す値であった。次に、図２８を参照してコンテンツ間のマッチングレベルをアイテムスコアとして設定し、ユーザが過去に見たコンテンツ（コンテンツＸ）に近いコンテンツを選択して推薦情報を生成する処理例について説明する。

　図２８に示す推薦情報生成部２０９は、図２７を参照して説明したと同様の構成であり、ＣＦ推薦情報生成部３０１、ＣＢＦ推薦情報生成部３０２、合成推薦情報生成部３０３を有する。

　ＣＦ推薦情報生成部３０１は、ＣＦに基づく推薦情報を生成する。ＣＦは、ユーザの情報に基づいて情報を取捨選択する方法である。また、ＣＢＦ推薦情報生成部３０２は、ＣＢＦに基づく推薦情報を生成する。ＣＢＦは、推薦する情報の内容に基づいて情報を取捨選択する方法である。合成推薦情報生成部３０３は、ＣＦ推薦情報生成部３０１と、ＣＢＦ推薦情報生成部３０２が、各々異なる手法で生成した推薦情報を合成して、最終的にコンテンツ出力装置１０４に出力する推薦情報２１３を生成して出力する。

　この図２８に示す構成では、コンテンツ間のマッチングレベルをアイテムスコアとして設定し、ユーザが過去に見たコンテンツ（コンテンツＸ）に近いコンテンツを選択して推薦情報を生成する

　図２８を参照して具体的な処理例について説明する。ＣＦ推薦情報生成部３０１は、ＣＦに基づく推薦情報を生成する。ＣＦ推薦情報生成部３０１は、図に示すように推薦アイテム（コンテンツやコンテンツ提供ユーザ（ボディ））として、アイテムｍ，ｌ，ｎを選択する。各アイテム対応のアイテムスコアは、以下の通りである。
　ｍ＝０．９、
　ｌ＝０．４
　ｎ＝０．３

　これらの推薦アイテム、およびアイテムスコアは、ＣＦに基づくマッチング処理によって選択、および算出したアイテムとアイテムスコアである。なお、本例において、アイテムスコアは、推薦情報２１３を提供する対象となるユーザが過去に見たコンテンツあるいはボディ（コンテンツＸあるいはボディＸ）と、他のコンテンツ（またはボディ）のマッチングレベルを示す０～１．０の範囲の値であり、１に近いほどマッチング率が高く、ユーザが過去に見たコンテンツ（またはボディ）に近いコンテンツ（またはボディ）であり、推薦レベルの高いアイテムであることを示す。

　一方、ＣＢＦ推薦情報生成部３０２は、ＣＢＦに基づく推薦情報を生成する。ＣＢＦ推薦情報生成部３０２は、図に示すように推薦アイテム（コンテンツやコンテンツ提供ユーザ（ボディ））として、アイテムｍ，ｌ，ｐを選択する。各アイテム対応のアイテムスコアは、以下の通りである。
　ｍ＝０．８、
　ｌ＝０．３
　ｐ＝０．４
　これらの推薦アイテム、およびアイテムスコアは、ＣＢＦに基づくマッチング処理によって選択、および算出したアイテムとアイテムスコアである。アイテムスコアは、推薦情報２１３を提供する対象となるユーザが過去に見たコンテンツあるいはボディ（コンテンツＸあるいはボディＸ）と、他のコンテンツ（またはボディ）ｍ，ｌ，ｐとのマッチングレベルを示す０～１．０の範囲の値であり、１に近いほどマッチング率が高く、ユーザが過去に見たコンテンツ（またはボディ）に近いコンテンツ（またはボディ）であり、推薦レベルの高いアイテムであることを示す。

　図２８には、合成推薦情報生成部３０３の実行する処理の一例を示している。合成推薦情報生成部３０３は、予め規定した重み係数を用いて、ＣＦ推薦情報生成部３０１と、ＣＢＦ推薦情報生成部３０２が、各々ＣＦ、ＣＢＦを適用して算出したアイテムスコアを加算して、新たなアイテムスコアを算出する。図に示す例において、重み係数の設定は以下の設定である。
　ＣＦ推薦情報生成部３０１の生成したＣＦ適用アイテムスコアに対する重み係数（Ｗｃｆ）＝０．１、
　ＣＢＦ推薦情報生成部３０２の生成したＣＢＦ適用アイテムスコアに対する重み係数（Ｗｃｂｆ）＝０．９、

　合成推薦情報生成部３０３は、この重み係数を用いて、ＣＦ推薦情報生成部３０１と、ＣＢＦ推薦情報生成部３０２が算出したアイテムスコアを加算して、新たなアイテムスコアを算出する。すなわち、以下のスコア算出処理を行う、
　アイテムスコア（ｍ）＝０．９×０．１＋０．８×０．９＝０．８１
　アイテムスコア（ｌ）＝０．４×０．１＋０．３×０．９＝０．３１
　アイテムスコア（ｎ）＝０．３×０．１＋０×０．９＝０．０３
　アイテムスコア（ｐ）＝０×０．１＋０．４×０．９＝０．３６

　合成推薦情報生成部３０３は、上記の各式に従って算出したアイタムスコアを各アイテムの最終的な推薦レベルを決定するスコアとする。上記式に従って、最終的なアイテムスコアの高い順にアイテムを並べると、以下のようになる。
　ｍ，ｐ，ｌ，ｎ
　合成推薦情報生成部３０３は、例えばこのスコア順にアイテム（コンテンツ、あるいはコンテンツ提供ユーザ（ボディ））を並べた推薦情報２１３を生成してコンテンツ出力装置１０４に出力する。

　　［３－５．（実施例４）新着コンテンツを考慮した推薦情報生成処理を行う実施例］
　次に、実施例４として、新着コンテンツを考慮した推薦情報生成処理を行う実施例について説明する。

　先に説明したように、ＣＢＦは、推薦する情報の内容に基づいて情報を取捨選択する方法である。例えば、情報の内容とユーザの要求を比較してユーザが求める情報を選別することができる。一方、ＣＦは、ユーザの情報に基づいて情報を取捨選択する方法である。例えば、嗜好の類似した他のユーザの情報を用いてユーザが求める情報を選別することができる。

　しかし、例えば、ＣＦに基づく場合の問題点として、ログが少ないコンテンツや新着コンテンツなどは推薦されにくいという問題がある。多くのコンテンツ視聴ユーザはより新しいコンテンツを早く見たいという欲求が強く、ＣＦを適用すると新着コンテンツが推薦されにくくなるという問題がある。以下に説明する実施例４は、この問題を解決する実施例であり、新着コンテンツを考慮した推薦情報生成処理を行う実施例である。

　図２９を参照して本実施例４の推薦情報生成部２０９の構成と処理の一例について説明する。なお、図２９に示す推薦情報生成部２０９は、先に実施例１として説明した図８、および図１５に示すコンテンツ推薦サーバ１０３、あるいは、実施例２として説明した図２１に示すコンテンツ推薦サーバ１０３内に構成可能な推薦情報生成部２０９である。すなわち、以下に説明する実施例４に従った推薦情報生成部２０９の実行する処理は、前述した実施例１や、実施例２において推薦情報生成処理に置き換えて実行することが可能な処理である。

　図２９に示す推薦情報生成部２０９は、図に示すように、第１段推薦情報生成部３１１、合成推薦情報生成部３１２を有する。

　第１段推薦情報生成部３１１は、ＣＦ、または、ＣＢＦに基づく推薦情報を生成する。ＣＦは、ユーザの情報に基づいて情報を取捨選択する方法である。ＣＢＦは、推薦する情報の内容に基づいて情報を取捨選択する方法である。

　合成推薦情報生成部３１２は、第１段推薦情報生成部３１１の生成した推薦情報を入力し、さらに、コンテンツメタ情報記憶部２０２から、コンテンツメタ情報、具体的にはコンテンツのアップロード時間を入力して、これらの入力情報に基づいて、最終的にコンテンツ出力装置１０４に出力する推薦情報２１３を生成して出力する。

　図２９を参照して具体的な処理例について説明する。第１段推薦情報生成部３１１は、ＣＦ、またはＣＢＦに基づく推薦情報を生成する。図に示すように推薦アイテム（コンテンツやコンテンツ提供ユーザ（ボディ））として、アイテムａ，ｂ，ｃ・・・，ｚを選択する。各アイテム対応のアイテムスコアは、以下の通りである。
　ａ＝０．９、
　ｂ＝０．７７
　ｃ＝０．６５
　　・・・
　ｚ＝０．１

　これらの推薦アイテム、およびアイテムスコアは、ＣＦ、またはＣＢＦに基づくマッチング処理によって選択、および算出したアイテムとアイテムスコアである。なお、本例において、アイテムスコアは、コンテンツ視聴ユーザ（ゴースト）の嗜好や行動と、各コンテンツのマッチングレベルを示す０～１．０の範囲の値であり、１に近いほどマッチング率が高く、コンテンツ視聴ユーザ（ゴースト）の嗜好に適合したコンテンツであり、推薦レベルの高いアイテムであることを示す。

　図２９には、合成推薦情報生成部３１２の実行する処理の一例を示している。合成推薦情報生成部３１２は、以下の式に従って、新たなアイテムスコア（ｉｔｅｍＳｃｏｒｅｎｅｗ）を算出する。
　ｉｔｅｍＳｃｏｒｅ_ｎｅｗ＝ｉｔｅｍＳｃｏｒｅ_ｏｌｄ×ｅ^－ａｔ

　上記式において、
　ｉｔｅｍＳｃｏｒｅ_ｏｌｄは、第１段推薦情報生成部３１１の算出したアイテムスコア、
　ａは規定の定数、
　ｔは、アイテムのアップロードからの経過時間（ｓｅｃ）
　である。

　一例として、ａ＝０．００１とした設定において、上記式に従って新たなアイテムスコア（ｉｔｅｍＳｃｏｒｅｎｅｗ）を算出した場合の算出値の例を図３０に示す。図３０には、アイテムａ～ｚ各々の、
　アップロード後の経過時間、
　ｉｔｅｍＳｃｏｒｅ_ｏｌｄ（第１段推薦情報生成部３１１の算出したアイテムスコア）、
　ｉｔｅｍＳｃｏｒｅ_ｎｅｗ（合成推薦情報生成部３１２の算出したアイテムスコア）、
　正規化ｉｔｅｍＳｃｏｒｅ_ｎｅｗ（合成推薦情報生成部３１２の算出したアイテムスコアを正規化（最大値で正規化））、
　これらを対応付けて示している。

　合成推薦情報生成部３１２は、合成推薦情報生成部３１２の算出したアイテムスコアである「ｉｔｅｍＳｃｏｒｅ_ｎｅｗ」、またはその正規化後のスコアである「正規化ｉｔｅｍＳｃｏｒｅ_ｎｅｗ」のいずれかのスコアを、各アイテムの最終的な推薦レベルを決定するスコアとする。図３０に示されているアイテムについて、最終的なアイテムスコアの高い順に並べると、以下のようになる。
　ｚ，ａ，ｃ，ｂ

　アイテムｚは、アップロード後の経過時間の短い最新のアイテムであり、（ｉｔｅｍＳｃｏｒｅ_ｎｅｗ）、すなわち合成推薦情報生成部３１２の算出したアイテムスコアの値が最も高くなり、推薦アイテムの筆頭に設定される。

　このように、アップロード時間を考慮したスコア算出処理を実行することで、ログの少ない最新のアイテムが推薦対象からはずれてしまうといった問題が解消される。

　図２９を参照して説明した処理において用いてアイテムスコアは、ユーザとコンテンツとのマッチングレベルを示す値であった。次に、図３１を参照してコンテンツ間のマッチングレベルをアイテムスコアとして設定し、ユーザが過去に見たコンテンツ（コンテンツＸ）に近いコンテンツを選択して推薦情報を生成する処理例について説明する。

　図３１に示す推薦情報生成部２０９は、図２９を参照して説明したと同様の構成であり、第１段推薦情報生成部３１１、合成推薦情報生成部３１２を有する。

　図３１を参照して具体的な処理例について説明する。第１段推薦情報生成部３１１は、ＣＦ、またはＣＢＦに基づく推薦情報を生成する。図に示すように推薦アイテム（コンテンツやコンテンツ提供ユーザ（ボディ））として、アイテムａ，ｂ，ｃ・・・，ｚを選択する。各アイテム対応のアイテムスコアは、以下の通りである。
　ａ＝０．９、
　ｂ＝０．７７
　　・・・
　ｚ＝０．１

　これらの推薦アイテム、およびアイテムスコアは、ＣＦ、またはＣＢＦに基づくマッチング処理によって選択、および算出したアイテムとアイテムスコアである。
　なお、本例において、アイテムスコアは、推薦情報２１３を提供する対象となるユーザが過去に見たコンテンツあるいはボディ（コンテンツＸあるいはボディＸ）と、他のコンテンツ（またはボディ）のマッチングレベルを示す０～１．０の範囲の値であり、１に近いほどマッチング率が高く、ユーザが過去に見たコンテンツ（またはボディ）に近いコンテンツ（またはボディ）であり、推薦レベルの高いアイテムであることを示す。

　図３１には、合成推薦情報生成部３１２の実行する処理の一例を示している。合成推薦情報生成部３１２は、以下の式に従って、新たなアイテムスコア（ｉｔｅｍＳｃｏｒｅｎｅｗ）を算出する。
　ｉｔｅｍＳｃｏｒｅ_ｎｅｗ＝ｉｔｅｍＳｃｏｒｅ_ｏｌｄ×ｅ^－ａｔ

　一例として、ａ＝０．００１とした設定において、上記式に従って新たなアイテムスコア（ｉｔｅｍＳｃｏｒｅｎｅｗ）を算出した場合の算出値の例を図３２に示す。図３２には、アイテムａ～ｚ各々の、
　アップロード後の経過時間、
　ｉｔｅｍＳｃｏｒｅ_ｏｌｄ（第１段推薦情報生成部３１１の算出したアイテムスコア）、
　ｉｔｅｍＳｃｏｒｅ_ｎｅｗ（合成推薦情報生成部３１２の算出したアイテムスコア）、
　正規化ｉｔｅｍＳｃｏｒｅ_ｎｅｗ（合成推薦情報生成部３１２の算出したアイテムスコアを正規化（最大値で正規化））、
　これらを対応付けて示している。

　合成推薦情報生成部３１２は、合成推薦情報生成部３１２の算出したアイテムスコアである「ｉｔｅｍＳｃｏｒｅ_ｎｅｗ」、またはその正規化後のスコアである「正規化ｉｔｅｍＳｃｏｒｅ_ｎｅｗ」のいずれかのスコアを、各アイテムの最終的な推薦レベルを決定するスコアとする。図３２に示されているアイテムについて、最終的なアイテムスコアの高い順に並べると、以下のようになる。
　ｚ，ａ，ｂ

　次に、図３３を参照して、ＣＦ、または、ＣＢＦに基づく推薦情報と、新着アイテムに基づく推薦情報を併せたハイブリッド型の推薦情報２１３を生成して、コンテンツ出力装置１０４に出力する構成例について説明する。

　図３３に示す推薦情報生成部２０９は、図２９、図３１を参照して説明したと同様の構成であり、第１段推薦情報生成部３１１、合成推薦情報生成部３１２を有する。

　図３３を参照して具体的な処理例について説明する。第１段推薦情報生成部３１１は、ＣＦ、またはＣＢＦに基づく推薦情報を生成する。図に示すように推薦アイテム（コンテンツやコンテンツ提供ユーザ（ボディ））として、アイテムａ，ｂ，ｃ・・・，ｚを選択する。各アイテム対応のアイテムスコアは、以下の通りである。
　ａ＝０．９、
　ｂ＝０．７７
　　・・・
　ｚ＝０．１

　これらの推薦アイテム、およびアイテムスコアは、ＣＦ、またはＣＢＦに基づくマッチング処理によって選択、および算出したアイテムとアイテムスコアである。なお、本例において、アイテムスコアは、図２９を参照して説明したと同様、コンテンツ視聴ユーザ（ゴースト）の嗜好や行動と、各コンテンツのマッチングレベルを示す０～１．０の範囲の値であり、１に近いほどマッチング率が高く、コンテンツ視聴ユーザ（ゴースト）の嗜好に適合したコンテンツであり、推薦レベルの高いアイテムであることを示す。

　図３３には、合成推薦情報生成部３１２の実行する処理の一例を示している。合成推薦情報生成部３１２は、第１段推薦情報生成部３１１の生成した推薦情報、すなわち、ＣＦ、または、ＣＢＦに基づく推薦情報と、新着アイテムに基づく推薦情報を併せたハイブリッド型の推薦情報２１３を生成して、コンテンツ出力装置１０４に出力する構成例について説明する。

　新着アイテムに基づく推薦情報は、より新しいアイテムを優先的に推薦する構成であり、図に示す例では、アイテムｘ，ｙ，ｚの順に優先的に推薦される。

　この処理の結果として生成されるハイブリッド型の推薦情報２１３を受信したコンテンツ出力装置１０４において表示される表示情報（ＵＩ）の例を図３４に示す。図３４に示す表示情報中の上側には、「あなたにおススメのボディ（コンテンツ提供ユーザ）」が表示され、このメッセージ以下に推薦コンテンツの画像を表示している。

　この表示情報は、先に実施例１において説明した図５に示す表示情報と同様の表示情報である。この表示情報は、第１段推薦情報生成部３１１の生成した推薦情報に従って生成される表示情報である。

　さらに、図３４に示す表示情報中の下側には、「新着ボディ（コンテンツ提供ユーザ）」が表示され、このメッセージ以下に推薦コンテンツの画像が表示されている。これらは、合成推薦情報生成部３１２が、コンテンツメタ情報記憶部２０２から取得したアイテムのアップロード時間に基づいて生成した推薦情報に基づいて生成された表示情報である。

　このように、異なる手法で生成した推薦情報をユーザ側の表示装置であるコンテンツ出力装置１０４に表示することが可能となる。

　なお、図３３を参照して説明した構成において、第１段推薦情報生成部３１１の算出するアイテムスコアは、図２９を参照して説明した構成と同様、コンテンツ視聴ユーザ（ゴースト）の嗜好や行動と、各コンテンツのマッチングレベルを示す値とした例について説明したが、第１段推薦情報生成部３１１は、先に図３１を参照して説明した構成と同様の構成としてもよい。

　すなわち、第１段推薦情報生成部３１１が、推薦情報２１３を提供する対象となるユーザが過去に見たコンテンツあるいはボディ（コンテンツＸあるいはボディＸ）と、他のコンテンツ（またはボディ）のマッチングレベルを示す０～１．０の範囲の値を持つアイテムスコアを算出する構成としてもよい。この場合、合成推薦情報生成部３１２は、このアイテムスコアに基づく推薦情報と、新着順に応じた推薦情報とを合成したハイブリッど型の推薦情報２１３を生成して出力する。

　　［４．情報処理装置のハードウェア構成例について］
　次に、図３５を参照して、情報処理装置のハードウェア構成例について説明する。図３５を参照して説明するハードウェアは、先に図１を参照して説明したコンテンツ配信システムを構成するコンテンツ提供装置１０１や、コンテンツ出力装置１０４を構成する情報処理装置、さらに、コンテンツ配信サーバ１０２、コンテンツ推薦サーバ１０３を構成する情報処理装置のハードウェア構成の一例である。

　ＣＰＵ（Ｃｅｎｔｒａｌ　Ｐｒｏｃｅｓｓｉｎｇ　Ｕｎｉｔ）５０１は、ＲＯＭ（Ｒｅａｄ　Ｏｎｌｙ　Ｍｅｍｏｒｙ）５０２、または記憶部５０８に記憶されているプログラムに従って各種の処理を実行する制御部やデータ処理部として機能する。例えば、上述した実施例において説明したシーケンスに従った処理を実行する。ＲＡＭ（Ｒａｎｄｏｍ　Ａｃｃｅｓｓ　Ｍｅｍｏｒｙ）５０３には、ＣＰＵ５０１が実行するプログラムやデータなどが記憶される。これらのＣＰＵ５０１、ＲＯＭ５０２、およびＲＡＭ５０３は、バス５０４により相互に接続されている。

　ＣＰＵ５０１はバス５０４を介して入出力インタフェース５０５に接続され、入出力インタフェース５０５には、各種スイッチ、キーボード、マウス、マイクロホン、センサなどよりなる入力部５０６、ディスプレイ、スピーカなどよりなる出力部５０７が接続されている。ＣＰＵ５０１は、入力部５０６から入力される指令に対応して各種の処理を実行し、処理結果を例えば出力部５０７に出力する。なお、コンテンツ提供装置１０１の場合、入力部５０６には撮像部が含まれる。

　入出力インタフェース５０５に接続されている記憶部５０８は、例えばハードディスク等からなり、ＣＰＵ５０１が実行するプログラムや各種のデータを記憶する。通信部５０９は、Ｗｉ－Ｆｉ通信、ブルートゥース（登録商標）（ＢＴ）通信、その他インターネットやローカルエリアネットワークなどのネットワークを介したデータ通信の送受信部として機能し、外部の装置と通信する。

　入出力インタフェース５０５に接続されているドライブ５１０は、磁気ディスク、光ディスク、光磁気ディスク、あるいはメモリカード等の半導体メモリなどのリムーバブルメディア５１１を駆動し、データの記録あるいは読み取りを実行する。

　　［５．本開示の構成のまとめ］
　以上、特定の実施例を参照しながら、本開示の実施例について詳解してきた。しかしながら、本開示の要旨を逸脱しない範囲で当業者が実施例の修正や代用を成し得ることは自明である。すなわち、例示という形態で本発明を開示してきたのであり、限定的に解釈されるべきではない。本開示の要旨を判断するためには、特許請求の範囲の欄を参酌すべきである。

　なお、本明細書において開示した技術は、以下のような構成をとることができる。
　（１）　複数のコンテンツ提供ユーザにより撮像され、ネットワークを介して配信される複数のコンテンツに関する推薦情報を生成する推薦情報生成部を有し、
　前記推薦情報生成部は、前記複数のコンテンツうち少なくとも１つを視聴するコンテンツ視聴ユーザの、コンテンツ出力装置に対する操作情報を含むフィードバックログを取得し、前記取得したフィードバックログに基づいて前記推薦情報を生成する情報処理装置。
　（２）　前記情報処理装置は、前記複数のコンテンツ各々の特徴量を含むコンテンツプロファイル、および前記フィードバックログに基づいて、前記コンテンツ視聴ユーザの嗜好に関するユーザ嗜好情報を生成するユーザ嗜好解析部をさらに有し、
　前記推薦情報生成部は、前記コンテンツ視聴ユーザの前記嗜好に近いコンテンツを推薦コンテンツとして含む推薦情報を生成する（１）に記載の情報処理装置。
　（３）　前記推薦情報生成部は、
　　前記コンテンツプロファイルに基づいて生成されるコンテンツ特徴量ベクトルと、前記ユーザ嗜好情報に基づいて生成されるユーザ嗜好ベクトルとの類似性判定を行い、かつ
　　前記ユーザ嗜好ベクトルとの類似度の高いコンテンツ特徴量ベクトルを有するコンテンツを推薦コンテンツとして含む前記推薦情報を生成する（２）に記載の情報処理装置。
　（４）　前記推薦情報は、前記複数のコンテンツの推薦情報、または、前記コンテンツ提供ユーザの推薦情報の少なくともいずれかを含む（１）から（３）のいずれか一項に記載の情報処理装置。
　（５）　前記情報処理装置は、前記複数のコンテンツ各々の特徴量を含むコンテンツプロファイルに基づいて、前記複数のコンテンツの関連性を示すコンテンツ関連性情報を生成するコンテンツ関連性情報生成部をさらに有する（１）から（４）のいずれか一項に記載の情報処理装置。
　（６）　前記推薦情報生成部は、前記コンテンツ関連性情報および前記フィードバックログに基づいて、前記コンテンツ提供ユーザが過去に視聴したコンテンツに類似するコンテンツを推薦コンテンツとして含む推薦情報を生成する（５）に記載の情報処理装置。
　（７）　前記コンテンツ関連性情報生成部は、
　　前記複数のコンテンツ各々の特徴量を含むコンテンツプロファイルに基づいて生成される、前記複数のコンテンツ各々のコンテンツ特徴量ベクトルの類似度を判定し、かつ
　　前記判定された類似度に応じた関連性スコアを設定したコンテンツ関連性情報を生成する（５）に記載の情報処理装置。
　（８）　前記コンテンツ視聴ユーザは、複数のコンテンツ視聴ユーザを含み、
　前記情報処理装置は、前記複数のコンテンツ視聴ユーザ各々のフィードバックログに基づいて、前記複数のコンテンツ視聴ユーザのフィードバック情報の類似度を算出し、前記算出された類似度が大きいほど関連性スコアを高く設定したユーザ関連性情報を生成するユーザ関連性情報生成部をさらに有する（１）から（７）のいずれか一項に記載の情報処理装置。
　（９）　前記推薦情報生成部は、前記ユーザ関連性情報に基づいて、相対的に高い前記関連性スコアを有する前記複数のコンテンツ視聴ユーザのうち少なくとも一人に、前記複数のコンテンツのうち１つに関する共同視聴を推薦する推薦情報を生成する（８）に記載の情報処理装置。
　（１０）　前記コンテンツ視聴ユーザは、少なくとも第１のコンテンツ視聴ユーザおよび第２のコンテンツ視聴ユーザを含む複数のコンテンツ視聴ユーザを含み、
　前記情報処理装置は、前記第１のコンテンツ視聴ユーザの前記フィードバックログおよび前記第２のコンテンツ視聴ユーザの前記フィードバックログに基づいて、前記第１のコンテンツ視聴ユーザに、前記複数のコンテンツのうち１つに関する、前記第２のコンテンツ視聴ユーザとの共同視聴を推薦する推薦情報を生成する（１）から（９）のいずれか一項に記載の情報処理装置。
　（１１）　前記推薦情報生成部は、ＣＢＦ（Ｃｏｎｔｅｎｔ－ｂａｓｅｄ　Ｆｉｌｔｅｒｉｎｇ）、またはＣＦ（Ｃｏｌｌａｂｏｒａｔｉｖｅ　Ｆｉｌｔｅｒｉｎｇ）の少なくともいずれかのフィルタリング処理の前記複数のコンテンツへの適用に基づく推薦コンテンツの選択処理を実行する（１）から（１０）のいずれか一項に記載の情報処理装置。
　（１２）　前記推薦情報生成部は、
　　前記複数のコンテンツにＣＦを適用した処理によって算出したコンテンツ単位の推薦スコアを含むＣＦ適用推薦情報を生成するＣＦ推薦情報生成部と、
　　前記複数のコンテンツにＣＢＦを適用した処理によって算出したコンテンツ単位の推薦スコアを含むＣＢＦ適用推薦情報を生成するＣＢＦ推薦情報生成部と、
　　前記ＣＦ適用推薦情報と前記とＣＢＦ適用推薦情報を合成して、前記コンテンツ出力装置に出力する出力用推薦情報を生成する合成推薦情報生成部を有する（１）から（１１）のいずれか一項に記載の情報処理装置。
　（１３）　前記合成推薦情報生成部は、前記ＣＦ推薦情報に含まれる推薦スコアと、前記ＣＢＦ推薦情報に含まれる推薦スコアに対して、予め設定した重み係数を乗算して加算した値である最終推薦スコアに基づいて推薦情報を生成する（１２）に記載の情報処理装置。
　（１４）　前記推薦情報生成部は、
　　前記複数のコンテンツにＣＦを適用した処理によって算出したコンテンツ単位の推薦スコアを含むＣＦ適用推薦情報、または、前記複数のコンテンツにＣＢＦを適用した処理によって算出したコンテンツ単位の推薦スコアを含むＣＢＦ適用推薦情報の一方を生成する第１段推薦情報生成部と、
　前記生成した推薦スコアに対して予め規定した変換式を適用した推薦スコアに基づいて推薦情報を生成する合成推薦情報生成部を有する（１）から（１３）のいずれか一項に記載の情報処理装置。
　（１５）　前記変換式は、前記複数のコンテンツ各々のアップロード時間からの経過時間が短いほど、高いスコアとなるスコア算出式である（１３）に記載の情報処理装置。
　（１６）　前記推薦情報生成部は、
　　前記複数のコンテンツにＣＦを適用した処理によって算出したコンテンツ単位の推薦スコアを含むＣＦ適用推薦情報、または、前記複数のコンテンツにＣＢＦを適用した処理によって算出したコンテンツ単位の推薦スコアを含むＣＢＦ適用推薦情報のいずれかを生成する第１段推薦情報生成部と、
　　前記推薦スコアに基づく第１の推薦情報と、前記複数のコンテンツのうちアップロード時間からの経過時間が相対的に短い少なくとも１つのコンテンツを推薦コンテンツとして設定した第２の推薦情報とを含む推薦情報を生成する合成推薦情報生成部を有する（１）から（１５）のいずれか一項に記載の情報処理装置。
　（１７）　複数のコンテンツ提供ユーザにより撮像され、ネットワークを介して配信される複数のコンテンツのうち少なくとも１つを視聴するコンテンツ視聴ユーザの、コンテンツ出力装置に対する操作情報を含むフィードバックログを少なくとも１つの情報処理装置で取得すること、および
　前記取得したフィードバックログに基づいて推薦情報を生成するよう前記少なくとも１つの情報処理装置を制御すること、を含む情報処理方法。
　（１８）　少なくとも１つの情報処理装置において情報処理を実行させるための複数の指示を含むプログラムであり、
　複数のコンテンツ提供ユーザにより撮像され、ネットワークを介して配信される複数のコンテンツのうち少なくとも１つを視聴するコンテンツ視聴ユーザの、コンテンツ出力装置に対する操作情報を含むフィードバックログを、前記少なくとも１つの情報処理装置に取得させる指示と、
　前記取得したフィードバックログに基づいて推薦情報を前記少なくとも１つの情報処理装置に生成させる指示と、を含むプログラム。
　（１９）　コンテンツの推薦情報を生成する推薦情報生成部を有し、
　前記推薦情報生成部は、コンテンツを視聴するユーザのコンテンツ出力装置に対する操作情報を含むフィードバックログを取得し、取得したフィードバックログに基づいて推薦情報を生成する情報処理装置。
　（２０）　情報処理装置において実行する情報処理方法であり、
　前記情報処理装置は、コンテンツの推薦情報を生成する推薦情報生成部を有し、
　前記推薦情報生成部が、コンテンツを視聴するユーザのコンテンツ出力装置に対する操作情報を含むフィードバックログを取得し、取得したフィードバックログに基づいて推薦情報を生成する情報処理方法。
　（２１）　情報処理装置において情報処理を実行させるプログラムであり、前記情報処理装置は、コンテンツの推薦情報を生成する推薦情報生成部を有し、
　前記プログラムは、前記推薦情報生成部に、コンテンツを視聴するユーザのコンテンツ出力装置に対する操作情報を含むフィードバックログを取得させ、取得したフィードバックログに基づいて推薦情報を生成させるプログラム。

　また、明細書中において説明した一連の処理はハードウェア、またはソフトウェア、あるいは両者の複合構成によって実行することが可能である。ソフトウェアによる処理を実行する場合は、処理シーケンスを記録したプログラムを、専用のハードウェアに組み込まれたコンピュータ内のメモリにインストールして実行させるか、あるいは、各種処理が実行可能な汎用コンピュータにプログラムをインストールして実行させることが可能である。例えば、プログラムは記録媒体に予め記録しておくことができる。記録媒体からコンピュータにインストールする他、ＬＡＮ（Ｌｏｃａｌ　Ａｒｅａ　Ｎｅｔｗｏｒｋ）、インターネットといったネットワークを介してプログラムを受信し、内蔵するハードディスク等の記録媒体にインストールすることができる。

　なお、明細書に記載された各種の処理は、記載に従って時系列に実行されるのみならず、処理を実行する装置の処理能力あるいは必要に応じて並列的にあるいは個別に実行されてもよい。また、本明細書においてシステムとは、複数の装置の論理的集合構成であり、各構成の装置が同一筐体内にあるものには限らない。

　以上、説明したように、本開示の一実施例の構成によれば、コンテンツ視聴ユーザのコンテンツ出力装置に対する操作情報を含むフィードバックログを取得し、取得ログに基づいて推薦情報を生成する構成が実現される。具体的には、例えば、コンテンツの推薦情報を生成する推薦情報生成部が、コンテンツを視聴するユーザのコンテンツ出力装置に対する操作情報を含むフィードバックログを取得し、取得したフィードバックログに基づいて推薦情報を生成する。例えば、（ａ）コンテンツ各々の特徴量を含むコンテンツプロファイル、（ｂ）フィードバックログ、これら（ａ），（ｂ）の各データを利用して生成されたユーザ嗜好情報に従って、ユーザ嗜好に近いコンテンツを推薦コンテンツとして含む推薦情報を生成する。本構成により、コンテンツ視聴ユーザのコンテンツ出力装置に対する操作情報を含むフィードバックログを取得し、取得ログに基づいて推薦情報を生成する構成が実現される。

　１００　コンテンツ配信システム
　１０１　コンテンツ提供装置
　１０２　コンテンツ配信サーバ
　１０３　コンテンツ推薦サーバ
　１０４　コンテンツ出力装置
　１１０　ネットワーク
　１１１　コンテンツ記憶部
　１１２　コンテンツプロファイル記憶部
　１１３　ユーザプロファイル記憶部
　１２１　制御部
　１２２　入力部
　１２３　センサ
　１２４　出力部
　１２５　撮像部
　１２６　通信部
　１２７　記憶部
　１４１　制御部
　１４２　入力部
　１４３　センサ
　１４４　出力部
　１４５　表示部
　１４６　通信部
　１４７　記憶部
　２０１　コンテンツメタ情報取得部
　２０２　コンテンツメタ情報記憶部
　２０３　コンテンツプロファイル生成部
　２０４　ユーザプロファイル生成部
　２０５　フィードバックログ解析部
　２０６　フィードバックログ記憶部
　２０７　ユーザ嗜好解析部
　２０８　ユーザ嗜好情報記憶部
　２０９　推薦情報生成部
　２１１　ユーザ情報
　２１２　ユーザ操作情報
　２１３　推薦情報
　２２１　コンテンツ関連性情報生成部
　２２２　コンテンツ関連性情報記憶部
　２３１　ユーザ関連性情報生成部
　２３２　ユーザ関連性情報記憶部
　３０１　ＣＦ推薦情報生成部
　３０２　ＣＢＦ推薦情報生成部
　３０３　合成推薦情報生成部
　３１１　第１段推薦情報生成部
　３１２　合成推薦情報生成部
　５０１　ＣＰＵ
　５０２　ＲＯＭ
　５０３　ＲＡＭ
　５０４　バス
　５０５　入出力インタフェース
　５０６　入力部
　５０７　出力部
　５０８　記憶部
　５０９　通信部
　５１０　ドライブ
　５１１　リムーバブルメディア

Claims

　複数のコンテンツ提供ユーザにより撮像され、ネットワークを介して配信される複数のコンテンツに関する推薦情報を生成する推薦情報生成部を有し、
　前記推薦情報生成部は、前記複数のコンテンツうち少なくとも１つを視聴するコンテンツ視聴ユーザの、コンテンツ出力装置に対する操作情報を含むフィードバックログを取得し、前記取得したフィードバックログに基づいて前記推薦情報を生成する情報処理装置。
　前記情報処理装置は、
　前記複数のコンテンツ各々の特徴量を含むコンテンツプロファイル、および前記フィードバックログに基づいて、前記コンテンツ視聴ユーザの嗜好に関するユーザ嗜好情報を生成するユーザ嗜好解析部をさらに有し、
　前記推薦情報生成部は、前記コンテンツ視聴ユーザの前記嗜好に近いコンテンツを推薦コンテンツとして含む推薦情報を生成する請求項１に記載の情報処理装置。
　前記推薦情報生成部は、
　　前記コンテンツプロファイルに基づいて生成されるコンテンツ特徴量ベクトルと、前記ユーザ嗜好情報に基づいて生成されるユーザ嗜好ベクトルとの類似性判定を行い、かつ
　　前記ユーザ嗜好ベクトルとの類似度の高いコンテンツ特徴量ベクトルを有するコンテンツを推薦コンテンツとして含む前記推薦情報を生成する請求項２に記載の情報処理装置。
　前記推薦情報は、前記複数のコンテンツの推薦情報、または、前記コンテンツ提供ユーザの推薦情報の少なくともいずれかを含む請求項１に記載の情報処理装置。
　前記情報処理装置は、前記複数のコンテンツ各々の特徴量を含むコンテンツプロファイルに基づいて、前記複数のコンテンツの関連性を示すコンテンツ関連性情報を生成するコンテンツ関連性情報生成部をさらに有する請求項１に記載の情報処理装置。
　前記推薦情報生成部は、前記コンテンツ関連性情報および前記フィードバックログに基づいて、前記コンテンツ提供ユーザが過去に視聴したコンテンツに類似するコンテンツを推薦コンテンツとして含む推薦情報を生成する請求項５に記載の情報処理装置。
　前記コンテンツ関連性情報生成部は、
　　前記複数のコンテンツ各々の特徴量を含むコンテンツプロファイルに基づいて生成される、前記複数のコンテンツ各々のコンテンツ特徴量ベクトルの類似度を判定し、かつ
　　前記判定された類似度に応じた関連性スコアを設定したコンテンツ関連性情報を生成する請求項５に記載の情報処理装置。
　前記コンテンツ視聴ユーザは、複数のコンテンツ視聴ユーザを含み、
　前記情報処理装置は、前記複数のコンテンツ視聴ユーザ各々のフィードバックログに基づいて、前記複数のコンテンツ視聴ユーザのフィードバック情報の類似度を算出し、前記算出された類似度が大きいほど関連性スコアを高く設定したユーザ関連性情報を生成するユーザ関連性情報生成部をさらに有する請求項１に記載の情報処理装置。
　前記推薦情報生成部は、前記ユーザ関連性情報に基づいて、相対的に高い前記関連性スコアを有する前記複数のコンテンツ視聴ユーザのうち少なくとも一人に、前記複数のコンテンツのうち１つに関する共同視聴を推薦する推薦情報を生成する請求項８に記載の情報処理装置。
　前記コンテンツ視聴ユーザは、少なくとも第１のコンテンツ視聴ユーザおよび第２のコンテンツ視聴ユーザを含む複数のコンテンツ視聴ユーザを含み、
　前記情報処理装置は、前記第１のコンテンツ視聴ユーザの前記フィードバックログおよび前記第２のコンテンツ視聴ユーザの前記フィードバックログに基づいて、前記第１のコンテンツ視聴ユーザに、前記複数のコンテンツのうち１つに関する、前記第２のコンテンツ視聴ユーザとの共同視聴を推薦する推薦情報を生成する請求項１に記載の情報処理装置。
　複数のコンテンツ提供ユーザにより撮像され、ネットワークを介して配信される複数のコンテンツのうち少なくとも１つを視聴するコンテンツ視聴ユーザの、コンテンツ出力装置に対する操作情報を含むフィードバックログを少なくとも１つの情報処理装置で取得すること、および
　前記取得したフィードバックログに基づいて推薦情報を生成するよう前記少なくとも１つの情報処理装置を制御すること、を含む情報処理方法。
　少なくとも１つの情報処理装置において情報処理を実行させるための複数の指示を含むプログラムであり、
　複数のコンテンツ提供ユーザにより撮像され、ネットワークを介して配信される複数のコンテンツのうち少なくとも１つを視聴するコンテンツ視聴ユーザの、コンテンツ出力装置に対する操作情報を含むフィードバックログを、前記少なくとも１つの情報処理装置に取得させる指示と、
　前記取得したフィードバックログに基づいて推薦情報を前記少なくとも１つの情報処理装置に生成させる指示と、を含むプログラム。