WO2023120737A1 - コンテンツ提案装置 - Google Patents

コンテンツ提案装置 Download PDF

Info

Publication number
WO2023120737A1
WO2023120737A1 PCT/JP2022/047871 JP2022047871W WO2023120737A1 WO 2023120737 A1 WO2023120737 A1 WO 2023120737A1 JP 2022047871 W JP2022047871 W JP 2022047871W WO 2023120737 A1 WO2023120737 A1 WO 2023120737A1
Authority
WO
WIPO (PCT)
Prior art keywords
content
user
selection
unit
tendency
Prior art date
Application number
PCT/JP2022/047871
Other languages
English (en)
French (fr)
Inventor
巳智子 開発
奈帆子 中山
英之 高橋
浩 石黒
伴 碧 高間
隆斗 堀井
雄一郎 吉川
Original Assignee
ダイキン工業株式会社
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Priority claimed from JP2022179553A external-priority patent/JP2023095780A/ja
Application filed by ダイキン工業株式会社 filed Critical ダイキン工業株式会社
Publication of WO2023120737A1 publication Critical patent/WO2023120737A1/ja

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/90—Details of database functions independent of the retrieved data types
    • G06F16/903—Querying
    • G06F16/9035—Filtering based on additional data, e.g. user or group profiles
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F3/00—Input arrangements for transferring data to be processed into a form capable of being handled by the computer; Output arrangements for transferring data from processing unit to output unit, e.g. interface arrangements
    • G06F3/01—Input arrangements or combined input and output arrangements for interaction between user and computer
    • G06F3/048—Interaction techniques based on graphical user interfaces [GUI]
    • G06F3/0481—Interaction techniques based on graphical user interfaces [GUI] based on specific properties of the displayed interaction object or a metaphor-based environment, e.g. interaction with desktop elements like windows or icons, or assisted by a cursor's changing behaviour or appearance

Definitions

  • Patent Document 1 International Publication No. 2016/111065
  • a device that proposes content according to user's taste is known.
  • Patent Document 1 the content proposed to the user is biased toward the user's past tastes, so there is a problem that it is difficult to propose content unknown to the user that the user may like.
  • the content proposal device of the first aspect proposes a plurality of contents to the user.
  • the content proposal device includes a selection reception section, a storage section, and an evaluation section.
  • the selection accepting unit accepts selection of content by the user from a plurality of contents.
  • the storage unit stores selection details of content selected by the user.
  • the evaluation unit evaluates the selection tendency of the user based on the selection content.
  • the content suggesting device has a decision unit.
  • the determination unit determines a method of selecting content to be proposed to the user or a method of presenting content to be proposed to the user, based on the evaluation result of the evaluation unit.
  • the content proposal device of the first aspect determines a method of selecting content or a method of presenting content based on the result of evaluating the user's selection tendency. As a result, the content proposal device can prevent the content proposed to the user from being biased toward the user's past preferences.
  • the content proposal device of the second aspect is the content proposal device of the first aspect, and further includes a presentation unit.
  • the presentation unit presents content to the user.
  • the content proposal device of the third aspect is the content proposal device of either the first aspect or the second aspect, and the determination unit selects the Change method or presentation method.
  • the content proposal device of the third aspect can prevent the content proposed to the user from being biased toward the user's past preferences.
  • the content proposal device of the fourth aspect is the content proposal device of the third aspect, and the evaluation unit calculates entropy regarding the user's selection tendency.
  • the evaluation unit evaluates that the user's selection tendency is biased when the entropy is smaller than a predetermined value.
  • the content proposal device of the fourth aspect can quantitatively evaluate the bias in the user's selection tendency based on the entropy related to the user's selection tendency.
  • the content proposal device of the fifth point of view is the content proposal device of the third point of view, and the evaluation unit calculates the variance regarding the user's selection tendency.
  • the evaluation unit evaluates that the user's selection tendency is biased when the variance is smaller than a predetermined value.
  • the content proposal device of the fifth aspect can quantitatively evaluate the bias of the user's selection tendency based on the distribution of the user's selection tendency.
  • the content proposal device of the sixth viewpoint is the content proposal device of the third viewpoint, and the evaluation unit calculates the amount of mutual information regarding the user's selection tendency.
  • the evaluation unit evaluates that the user's selection tendency is biased when the mutual information is greater than a predetermined value.
  • the content proposal device of the sixth aspect can quantitatively evaluate the bias in the user's selection tendency based on the amount of mutual information regarding the user's selection tendency.
  • the content proposal device of the seventh aspect is the content proposal device of the third aspect, and the evaluation unit calculates Granger causality regarding the user's selection tendency.
  • the evaluation unit evaluates that the user's selection tendency is biased when the Granger causality is greater than a predetermined value.
  • the content proposal device of the seventh aspect can quantitatively evaluate the bias in the user's selection tendency based on Granger causality regarding the user's selection tendency.
  • the content proposal device of the eighth aspect is the content proposal device of the third aspect, and the evaluation unit calculates the Kullback-Leibler information amount regarding the user's selection tendency.
  • the evaluation unit evaluates that the user's selection tendency is biased when the Kullback-Leibler information amount is smaller than a predetermined value.
  • the content proposal device of the eighth aspect can quantitatively evaluate the bias in the user's selection tendency based on the amount of Kullback-Leibler information related to the user's selection tendency.
  • the content proposal device of the ninth aspect is the content proposal device of the third aspect, and the evaluation unit calculates the probability density ratio regarding the user's selection tendency. Based on the difference between the probability density ratio and 1, the evaluation unit evaluates that the user's selection tendency is biased.
  • the content proposal device of the ninth aspect can quantitatively evaluate the bias in the user's selection tendency based on the probability density ratio regarding the user's selection tendency.
  • a content proposal device is the content proposal device according to any one of the third aspect to the ninth aspect, wherein the determination unit changes the selection method so that content with a low selection tendency of the user is selected. .
  • the content proposal device can prevent the content to be proposed to the user from being biased toward the user's past preferences by changing the selection method to select content with a low selection tendency of the user. can.
  • a content proposal device is the content proposal device according to any one of the third aspect to the ninth aspect, wherein the determination unit determines whether the content selected by the user a small number of times or the content never selected by the user. Change the election method so that it is elected.
  • the content proposal device changes the selection method to select content that is selected less frequently by the user or has never been selected by the user, so that the content proposed to the user can It is possible to avoid being biased to the taste of
  • the content proposal device of the twelfth aspect is the content proposal device of any one of the third to ninth aspects, wherein the determination unit changes the selection method so that the number of selected contents is increased or decreased. .
  • the content proposal device of the twelfth aspect changes the selection method so that the number of selected contents is increased or decreased, so that the contents to be proposed to the user are not biased toward the user's past preferences. be able to.
  • a content proposal device is the content proposal device according to any one of the third aspect to the ninth aspect, wherein the determination unit changes the presentation method so as to emphasize content that the user has a low tendency to select. .
  • the content proposal device of the thirteenth aspect can make the user select content without being biased toward the user's past preferences by changing the presentation method to emphasize content that the user has a low tendency to select. .
  • FIG. 1 is a schematic configuration diagram of a content proposal device and a user terminal
  • FIG. 2 is a functional block diagram of a content proposal device
  • FIG. FIG. 10 is a flowchart for explaining an example of processing of the content proposal device
  • FIG. FIG. 4 is a diagram showing changes in entropy of a first content proposal device and a second content proposal device
  • FIG. 10 is a diagram showing the results of text mining on impressions of an experiment heard from participants.
  • the content proposal device 10 proposes a plurality of contents to the user from among contents to be provided to the user.
  • the content to be proposed to the user is arbitrary as long as it can be proposed to the user, such as moving images and music.
  • the content proposal device 10 is used to suggest a recommended moving image to the user on the moving image distribution site.
  • the content proposal device 10 has a function of actually providing content to the user in addition to proposing content to the user.
  • N the number of all contents that can be provided to the user
  • N the total number of contents
  • M the number of contents to be proposed to the user out of the total number of contents N (hereinafter sometimes referred to as the number of proposed contents M).
  • FIG. 1 is a schematic configuration diagram of the content proposal device 10 and the user terminal 50 used by the user.
  • the content proposal device 10 and a plurality of user terminals 50 are communicably connected via a network NW.
  • Network NW is, for example, the Internet.
  • Each user accesses the content proposal device 10 from each user terminal 50 via the network NW and receives content proposals.
  • the content proposal device 10 proposes content for each user.
  • an arbitrary one user terminal 50 out of the plurality of user terminals 50 will be described below.
  • Each content c i is represented by one or more features.
  • the number of feature amounts is set to S (hereinafter sometimes referred to as the number of feature amounts S).
  • each content c i can be regarded as a point in an S-dimensional feature space having S coordinate axes corresponding to S features.
  • a feature amount may be a continuous value or a discrete value.
  • the feature amounts are hue, brightness, saturation, speed of transition, genre, and the like.
  • the feature amount may be, for example, an amount indicating the degree of fun-sorrowful, intense-calm, bright-dark, quiet-noisy, and the like.
  • the feature amounts are range, pitch, length, genre, and the like.
  • FIG. 2 is a functional block diagram of the content proposal device 10. As shown in FIG. As shown in FIG. 2 , the content proposal device 10 mainly includes a storage section 11 , an input section 12 , a display section 13 , a communication section 14 and a control section 19 .
  • the storage unit 11 is a storage device such as RAM, ROM, and HDD (Hard Disk Drive). A program executed by the control unit 19 is stored in the storage unit 11 .
  • the storage unit 11 also stores information on content that can be provided to the user, selection details of content selected by the user, and the like. In this embodiment, the selection details of the content selected by the user are the content selection history by the user.
  • Dn the content selection history after the user has selected content n times
  • the input unit 12 is a keyboard and a mouse. Information on contents that can be provided to the user can be input using the input unit 12 .
  • the display unit 13 is a monitor.
  • the display unit 13 can display content that can be provided to the user, content that is proposed to the user, and the like.
  • the communication unit 14 is a network interface device for communicating with the user terminal 50 via the network NW.
  • the control unit 19 is a processor such as a CPU or GPU.
  • the control unit 19 reads and executes programs stored in the storage unit 11 to realize various functions of the content proposal device 10 . Further, the control unit 19 can write the calculation result to the storage unit 11 and read the information stored in the storage unit 11 according to the program.
  • control unit 19 includes, as functional blocks, a selection unit 21, a selection reception unit 22, a prediction unit 23, an evaluation unit 24, a determination unit 25, a presentation unit 26, and a provision unit 27. and have
  • (2-1-5-1) Selection Unit When the user selects content, the selection unit 21 selects content to be proposed to the user based on a content selection method described later.
  • the selection accepting unit 22 accepts selection of content by the user from a plurality of contents. In this embodiment, the selection accepting unit 22 accepts selection of content from the user terminal 50 via the network NW.
  • the prediction unit 23 predicts the user's selection tendency based on the content selection history.
  • the user's selection tendency is the probability that the user selects each content ci (hereinafter, may be referred to as selection probability).
  • the prediction unit 23 predicts the selection probability of each content c i at the n+1-th selection based on the selection history D n in which the user has selected content n times.
  • the prediction unit 23 predicts the selection probability of each content c i using Bayes' theorem in Equation 1 below.
  • D n ) is the selection probability (posterior probability) of each content c i at the n+1-th selection considering the selection history D n .
  • P(c i ) is the selection probability (prior probability) of content c i at the time of n-th selection.
  • c i ) is the likelihood of the selection history D n when considering content c i to be selected.
  • P(D n ) is a normalization constant for normalizing P(c i
  • the prediction unit 23 predicts the selection probability of each content ci at the time of the next selection.
  • the evaluation section 24 evaluates the user's selection tendency based on the selection history.
  • the evaluation unit 24 calculates the entropy H defined by Equation 2 below regarding the user's selection tendency, and evaluates the user's selection tendency.
  • Equation 2 shows the entropy H regarding the user's selection tendency after the user has selected content n times.
  • the evaluation unit 24 evaluates that the user's selection tendency is biased when the entropy H is smaller than a predetermined value.
  • the determining unit 25 determines a content selection method to be proposed to the user based on the evaluation result of the evaluating unit 24 .
  • the determination unit 25 changes the content selection method when the evaluation unit 24 evaluates that the user's selection tendency is biased.
  • the determination unit 25 changes the content selection method when the evaluation unit 24 evaluates that the entropy H is smaller than the predetermined value.
  • the content selection method when the evaluation unit 24 evaluates that the entropy H is not smaller than a predetermined value may be referred to as a first selection method.
  • a content selection method when the evaluation unit 24 evaluates that the entropy H is smaller than a predetermined value may be referred to as a second selection method.
  • the first selection method is a selection method of ⁇ selecting M pieces of content in descending order of selection probability''.
  • the first selection method may be, for example, "focusing on a specific feature amount, and selecting content whose value of the feature amount is the same as the value of the feature amount of the content with the highest selection probability.” , select M items from the one with the highest selection probability.”
  • the first selection method may be, for example, a selection method of “selecting M pieces of content whose Euclidean distance on the feature amount space is close to the content with the highest selection probability”.
  • the presentation unit 26 presents content to the user.
  • the presentation unit 26 presents to the user terminal 50 content that can be provided to the user and content that is proposed to the user.
  • the providing unit 27 provides the user terminal 50 with the content selected by the user. For example, when the content is a moving image, the providing unit 27 makes the moving image selected by the user reproducible by the user terminal 50 .
  • the function of the content proposal device 10 will be described using a specific example.
  • the content proposal device 10 counts the number of selections of each content ci each time the user selects each content ci .
  • Table 1 below shows the number of selections and the selection probability of each content c i at the time of the first selection.
  • the initial number of selections for each content ci is "1".
  • the initial selection probability of each content c i is assumed to be "1/5". In other words, the initial selection probability of each content c i is assumed to be uniform.
  • the predetermined value of the entropy H that the evaluation unit 24 evaluates as the user's selection tendency being biased is "1".
  • the first selection method is a selection method of ⁇ selecting three contents from the one with the highest selection probability''.
  • the second selection method is a selection method of ⁇ selecting two contents from the lowest selection probability, and from the highest selection probability, excluding the content with the highest selection probability, and selecting one content''.
  • the initial entropy H is "2.32".
  • the evaluation unit 24 does not evaluate that the user's selection tendency is biased because the value of the entropy H is not smaller than the predetermined value "1". Therefore, the determination unit 25 determines the content selection method to be the first selection method.
  • the selection unit 21 selects content to be proposed to the user based on the first selection method.
  • the selection unit 21 randomly selects the contents c 1 , c 3 and c 5 because the selection probabilities of the respective contents c i are equal.
  • the presentation unit 26 presents the selected contents c 1 , c 3 , c 5 to the user.
  • the prediction unit 23 predicts the selection probability P(c i
  • c 1 ) is "2/6" obtained by dividing "2" by "6 ( 2+1+1+1+1)".
  • the prediction unit 23 calculates the selection probability P(c i
  • FIG. As shown in Table 2, the value of the selection probability P(c 1
  • the evaluation unit 24 calculates the entropy H from each selection probability P(c i
  • the selection unit 21 selects content to be proposed to the user based on the first selection method. Since Table 2 shows that the content c1 has a high selection probability, the selection unit 21 selects the content c1 as one of the contents to be proposed to the user. Assume that the selection unit 21 randomly selects the contents c 2 and c 4 as the remaining two contents to be proposed to the user. The presentation unit 26 presents the selected contents c 1 , c 2 , c 4 to the user.
  • the prediction unit 23 predicts the selection probability P(c i
  • the evaluation unit 24 calculates the entropy H from each selection probability P(c i
  • the selection unit 21 selects content to be proposed to the user based on the first selection method. From Table 3, the selection unit 21 selects the contents c 1 and c 4 in descending order of selection probability. Assume that the selection unit 21 randomly selects content c5 as the remaining content to be proposed to the user. The presentation unit 26 presents the selected contents c 1 , c 4 , c 5 to the user.
  • the prediction unit 23 predicts the selection probability P(c i
  • the evaluation unit 24 calculates the entropy H from each selection probability P(c i
  • the selection unit 21 selects content to be proposed to the user based on the first selection method. From Table 4, the selection unit 21 selects the contents c 1 and c 4 in descending order of selection probability. Assume that the selection unit 21 randomly selects content c3 as the remaining content to be proposed to the user. The presentation unit 26 presents the selected contents c 1 , c 3 , c 4 to the user.
  • the prediction unit 23 predicts the selection probability P(c i
  • the evaluation unit 24 calculates the entropy H from each selection probability P(c i
  • the selection unit 21 selects content to be proposed to the user based on the second selection method. From Table 5, the selection unit 21 selects, for example, the contents c 2 and c 3 in descending order of selection probability. In addition, the selection unit 21 selects the content c4 in descending order of the selection probability, excluding the content c1 with the highest selection probability. The presentation unit 26 presents the selected contents c 2 , c 3 and c 4 to the user.
  • the user terminal 50 is a general personal computer.
  • the user terminal 50 may be, for example, a tablet, a smartphone, or the like.
  • the user terminal 50 has a CPU and storage devices such as RAM, ROM, and HDD. Also, the user terminal 50 has a communication unit for connecting to the network NW. The user terminal 50 also has a keyboard and a mouse as information input units. The user terminal 50 also has a display as an information display unit. General applications such as a WEB browser and a mailer are installed in the user terminal 50 .
  • a user accesses the content proposal device 10 from the user terminal 50 using a WEB browser.
  • the user receives content suggestions via the display of the user terminal 50 .
  • the user selects each content ci using the keyboard and mouse of the user terminal 50 .
  • the user receives the selected content via the display of the user terminal 50 .
  • the content proposal device 10 selects content to be proposed to the user based on the first selection method when the user selects content.
  • step S1 the content proposal device 10 presents the content to be proposed to the user as shown in step S2.
  • step S3 the content proposal device 10 receives content selection from the user.
  • step S4 the content proposal device 10 predicts the selection probability of each content ci at the time of next selection based on the selection history up to now.
  • step S5 the content proposal device 10 calculates entropy H from each predicted selection probability.
  • step S6 the content proposal device 10 determines whether the value of entropy H is smaller than a predetermined value. If the entropy value is smaller than the predetermined value, the process proceeds to step S7. If the entropy value is not smaller than the predetermined value, go to step S8.
  • the content proposal device 10 changes the content selection method to the second selection method.
  • the content proposal device 10 determines the content selection method to be the first selection method.
  • the content proposal device 10 selects content to be proposed to the user based on the second selection method.
  • the content proposal device 10 selects content to be proposed to the user based on the first selection method.
  • the first content proposal device 91 is a device that evaluates the user's selection tendency based on entropy and prevents the content to be proposed to the user from being biased toward the user's past preferences.
  • the first content proposal device 91 is a device that proposes content while always grasping the user's multifaceted aspects without converging the user's interests into one.
  • the second content proposal device 92 is a device that performs clustering of contents in advance and, when the user selects a content, increases the probability that another content belonging to the same cluster as the selected content will be proposed next.
  • the second content suggesting device 92 is a conventional content proposing device.
  • the participants evaluate their likes and dislikes for each of the 75 images (contents) in advance.
  • the participant receives a proposal of three images according to the participant's preference from the first content proposal device 91 or the second content proposal device 92 reflecting the evaluation results of the 75 images.
  • the participant selects one favorite image from among the three images proposed by the first content proposal device or the second content proposal device.
  • a participant repeated a trial of receiving and selecting a proposal 20 times for the first content proposal device, and then repeated 20 times for the second content proposal device.
  • a certain participant repeated a trial of receiving and selecting a proposal 20 times for the second content suggesting device, and then repeated 20 times for the first content proposing device.
  • the participants who started the trial from the first content proposal device and the participants who started the trial from the second content proposal device were randomly determined.
  • FIG. 4 is a diagram showing changes in entropy of the first content proposing device 91 and the second content proposing device 92. As shown in FIG. In FIG. 4, the vertical axis represents entropy, and the horizontal axis represents the number of trials. As shown in FIG. 4, the entropy of the first content suggesting device 91 decreases slowly with repeated trials compared to the entropy of the second content suggesting device 92 . In other words, the first content proposal device 91 can suppress proposal convergence (proposal bias) compared to the second content proposal device 92 .
  • Fig. 5 is a diagram showing the results of text mining on the impressions of this experiment that were heard from the participants.
  • the first content proposal device 91 and the words (phrases in circles) appearing in the participants' impressions of the first content proposal device 91 are connected by lines. The larger the circle, the more frequently the phrase appears.
  • the participants' impressions of the first content proposal device 91 are compared to the participants' impressions of the second content proposal device 92, and the participants' impressions are "favorite", “enjoyable”, “fresh”, and " It can be seen that many phrases showing a favorable impression such as "I like you" appear.
  • the content proposal device 10 of this embodiment proposes a plurality of contents to the user.
  • the content proposal device 10 includes a selection reception unit 22, a storage unit 11, and an evaluation unit 24.
  • the selection accepting unit 22 accepts selection of content by the user from among a plurality of contents.
  • the storage unit 11 stores a selection history of content selected by the user.
  • the evaluation unit 24 evaluates the user's selection tendency based on the selection history.
  • the content proposal device 10 has a determination unit 25 . Based on the evaluation result of the evaluation unit 24, the determination unit 25 determines a content selection method to be proposed to the user.
  • the content proposal device 10 determines a content selection method based on the result of evaluating the user's selection tendency. As a result, the content proposal device 10 can prevent the content proposed to the user from being biased toward the user's past preferences. In addition, the content proposal device 10 can keep the user from getting bored when the user selects content. In addition, the content proposal device 10 can give the user an opportunity to encounter value that the user does not know about or that the user does not encounter on a daily basis. Still, the content suggesting device 10 can improve user satisfaction. Also, the content suggesting device 10 can give the user an opportunity for serendipity. In addition, the content proposal device 10 can make proposals that match (match) changes in the user's mood or state.
  • the content proposal device 10 of this embodiment further includes a presentation unit 26 .
  • the presentation unit 26 presents content to the user.
  • the determination unit 25 changes the content selection method when the evaluation unit 24 evaluates that the user's selection tendency is biased.
  • the content proposal device 10 can prevent the content proposed to the user from being biased toward the user's past preferences.
  • the evaluation unit 24 calculates the entropy H regarding the user's selection tendency.
  • the evaluation unit 24 evaluates that the user's selection tendency is biased when the entropy H is smaller than a predetermined value.
  • the content proposal device 10 can quantitatively evaluate the bias in the user's selection tendency based on the entropy H related to the user's selection tendency.
  • the determination unit 25 changes the method of selecting content so that content with a low selection tendency of the user is selected.
  • the content proposal device 10 changes the selection method to select content with a low selection tendency of the user, so that the content proposed to the user is not biased toward the user's past preferences. can.
  • the content proposal device 10 was a computer installed on the cloud.
  • the content proposal device 10 may be a tablet, a smartphone, or the like directly operated by the user.
  • the content proposal device 10 may use a touch panel as the input unit 12 or the display unit 13 to present content that can be provided to the user or content to be proposed to the user.
  • the content proposal device 10 may accept content selection from the user using a touch panel.
  • the content proposal device 10 may be an AR device, a VR device, or a hologram device that is directly operated by the user. At this time, the content proposal device 10 uses AR technology, VR technology, and hologram technology to present content that can be provided to the user and content to be proposed to the user, and accepts content selection from the user. .
  • the determination unit 25 changes the content selection method so that, when the evaluation unit 24 evaluates that the user's selection tendency is biased, the content with the user's low selection tendency is selected. .
  • the determining unit 25 may change the method of selecting content so that content that is selected less frequently by the user or content that has never been selected by the user is selected.
  • the determination unit 25 may change the content selection method so that the number of selected contents is increased or decreased.
  • Content increments are made, for example, by focusing on a specific feature value, and selecting content whose value of the feature value is the same as the value of the feature value of the content with the highest selection probability, in descending order of selection probability. good too.
  • the increment of contents is, for example, focused on a specific feature amount, and selects contents whose value of the feature amount is different from the value of the feature amount of the content with the highest selection probability, in descending order of selection probability. good too.
  • the determination unit 25 may, for example, target content whose selection probability is higher than a predetermined value as a content decrement target.
  • the content proposal device 10 can prevent the content proposed to the user from being biased toward the user's past preferences.
  • the determination unit 25 determines the content selection method to be proposed to the user based on the evaluation result of the evaluation unit 24 .
  • the determination unit 25 may determine the content presentation method to be proposed to the user based on the evaluation result of the evaluation unit 24 .
  • the determination unit 25 changes the content presentation method.
  • the content presentation method may be, for example, "Present the content proposed to the user without emphasizing it by color, size, or the like. is the method of presentation.
  • the method of presenting content may be, for example, "to present content with a low selection tendency of the user so as to be emphasized by color, size, or the like. is the method of presentation.
  • the content proposal device 10 can allow the user to select content without being biased toward the user's past preferences.
  • the determination unit 25 may determine both the content selection method and the content presentation method based on the evaluation result of the evaluation unit 24 . At this time, if the evaluation unit 24 evaluates that the user's selection tendency is biased, the determination unit 25 may change both the content selection method and the content presentation method.
  • the content proposal device 10 may acquire information such as facial expression and line of sight when the user selects content from a camera or the like installed in the user terminal 50 . Also, the content proposal device 10 may acquire the time from when the content is presented to the user terminal 50 until the user selects it.
  • the determination unit 25 changes the content selection method in consideration of this information as well. For example, when the content proposal device 10 determines that the user is not under much load based on information such as the user's facial expression, the determination unit 25 selects content so as to increase the number of selected content. By changing the method, the content increment focuses on a specific feature value, and selects content whose value of the feature value is different from the value of the feature value of the content with the highest selection probability, starting from those with the lowest selection probability. You may
  • the prediction unit 23 may hierarchically use Bayes' theorem to predict the selection probability of each content ci .
  • the prediction unit 23 may calculate P(D n
  • D n ) is the selection probability (posterior probability) of the value of the feature quantity x j at the n+1-th selection considering the selection history D n .
  • P(x j ) is the selection probability (prior probability) of the value of the feature quantity x j at the time of n-th selection.
  • x j ) is the likelihood of the selection history D n when considering that the value of the feature quantity x j is selected.
  • P(D n ) is a normalization constant for normalizing P(x j
  • the prediction unit 23 may also predict the selection probability of each content ci using an approximation model based on a non-linear function such as deep learning or Gaussian process.
  • the content proposal device 10 provided content to the user via the user terminal 50 .
  • the content proposal device 10 may, for example, control a speaker or a projector installed in a building space to provide content such as moving images and music to the user.
  • the speaker and the projector are communicably connected to the content proposal device 10 via, for example, the network NW so that they can be controlled by the content proposal device 10 .
  • the content proposed by the content proposal device 10 may be a spatial environment in a building.
  • the content proposal device 10 provides a spatial environment to the user by controlling the air conditioner, lighting, and light shielding device installed in the space inside the building.
  • the air conditioner, lighting, and light shielding device are communicably connected to the content proposal device 10 via, for example, the network NW so that they can be controlled by the content proposal device 10 .
  • the feature values are, for example, the temperature setting, humidity setting, air volume, lighting brightness and color of the air conditioner, and the concentration of a specific substance in the space inside the building.
  • the feature quantity may be, for example, fluctuations in the environmental conditions.
  • the content proposal device 10 accepts selection of content from content proposed to the user.
  • the content proposal device 10 may receive a selection of content not proposed to the user from the user, for example, by having the user search for content that can be provided to the user.
  • the evaluation unit 24 calculates the entropy H regarding the user's selection tendency to evaluate the user's selection tendency. However, the evaluation unit 24 may calculate the variance of the user's selection tendency to evaluate the user's selection tendency.
  • the evaluation unit 24 models or approximates the selection probability (posterior probability) of the value of the feature quantity x j at the time of n+1-th selection in consideration of the selection history D n using a normal distribution.
  • the variance of the distribution (in other words, the variance of the set of values of the feature quantity xj ) is calculated to evaluate the user's selection tendency.
  • the evaluation unit 24 evaluates that the user's selection tendency is biased when the variance is smaller than a predetermined value.
  • the evaluation unit 24 calculates the entropy H regarding the user's selection tendency to evaluate the user's selection tendency. However, the evaluation unit 24 may calculate the amount of mutual information regarding the user's selection tendency to evaluate the user's selection tendency.
  • the evaluation unit 24 calculates mutual information of two different feature amounts x j and x k to evaluate the user's selection tendency. Since the features x j and x k are more confounded as the mutual information increases, it can be said that the user has a specific selection tendency in the feature space. Therefore, the evaluation unit 24 evaluates that the user's selection tendency is biased when the mutual information amount is greater than a predetermined value.
  • the evaluation unit 24 calculates the entropy H regarding the user's selection tendency to evaluate the user's selection tendency. However, the evaluation unit 24 may calculate Granger causality regarding the user's selection tendency to evaluate the user's selection tendency.
  • the evaluation unit 24 uses the user's content selection sequence (content selection order) in the past (for example, one day ago, one month ago, etc.) and the current user content selection sequence to determine the Granger Conduct causality tests.
  • the evaluation unit 24 calculates the entropy H regarding the user's selection tendency to evaluate the user's selection tendency. However, the evaluation unit 24 may calculate the Kullback-Leibler information amount related to the user's selection tendency to evaluate the user's selection tendency.
  • the evaluation unit 24 compares a set of user content selection results (a record of selected content) in the past (for example, one day ago, one month ago, etc.) and a current user content selection result set. is used to calculate the Kullback-Leibler information content. It can be said that the smaller the Kullback-Leibler information amount is, the more similar the past and current selection result sets are. Therefore, when the Kullback-Leibler information amount is smaller than a predetermined value, the evaluation unit 24 evaluates that the user's selection tendency is biased.
  • the evaluation unit 24 calculates the Kullback-Leibler information amount, for example, using a user's content selection result set (selected content record) and a reference selection tendency.
  • the reference selection tendency is, for example, a set of selection results of different users, or a selection tendency assumed by a content provider. It can be said that the greater the amount of Kullback-Leibler information, the greater the difference between the user's selection tendency and the reference selection tendency. Therefore, when the Kullback-Leibler information amount is larger than a predetermined value, the evaluation unit 24 evaluates that the user's selection tendency is biased.
  • the evaluation unit 24 calculates the entropy H regarding the user's selection tendency to evaluate the user's selection tendency. However, the evaluation unit 24 may calculate the probability density ratio regarding the user's selection tendency to evaluate the user's selection tendency.
  • the evaluation unit 24 compares a set of user content selection results (a record of selected content) in the past (for example, one day ago, one month ago, etc.) and a current user content selection result set. is used to calculate the probability density ratio. It can be said that the closer the probability density ratio is to 1, the more similar the past and current selection result sets are. Therefore, the evaluation unit 24 evaluates that the user's selection tendency is biased when the difference between the probability density ratio and 1 is smaller than a predetermined value.
  • the evaluation unit 24 calculates the probability density ratio, for example, using the user's content selection result set (selected content record) and the reference selection tendency.
  • the reference selection tendency is, for example, the selection tendency assumed by the content provider. As the probability density ratio deviates from 1, it can be said that the user's selection tendency differs from the reference selection tendency. Therefore, the evaluation unit 24 evaluates that the user's selection tendency is biased when the difference between the probability density ratio and 1 is greater than a predetermined value.

Abstract

ユーザに提案するコンテンツが、ユーザのこれまでの好みに偏ってしまうため、ユーザが好む可能性がある、ユーザにとって未知のコンテンツを提案しづらい、という課題がある。コンテンツ提案装置（１０）は、ユーザに複数のコンテンツを提案する。コンテンツ提案装置（１０）は、選択受付部（２２）と、記憶部（１１）と、評価部（２４）と、を備える。選択受付部（２２）は、複数のコンテンツの中から、ユーザによるコンテンツの選択を受け付ける。記憶部（１１）は、ユーザによって選択されたコンテンツの選択履歴を記憶する。評価部（２４）は、選択履歴に基づいて、ユーザの選択傾向を評価する。コンテンツ提案装置（１０）は、決定部（２５）を有する。決定部（２５）は、評価部（２４）の評価結果に基づいて、ユーザに提案するコンテンツの選出方法、又はユーザに提案するコンテンツの提示方法、を決定する。

Description

コンテンツ提案装置
　コンテンツ提案装置に関する。
　特許文献１（国際公開第２０１６／１１１０６５号）に示されているように、ユーザの好みに応じたコンテンツを提案する装置が知られている。
　特許文献１では、ユーザに提案するコンテンツが、ユーザのこれまでの好みに偏ってしまうため、ユーザが好む可能性がある、ユーザにとって未知のコンテンツを提案しづらい、という課題がある。
　第１観点のコンテンツ提案装置は、ユーザに複数のコンテンツを提案する。コンテンツ提案装置は、選択受付部と、記憶部と、評価部と、を備える。選択受付部は、複数のコンテンツの中から、ユーザによるコンテンツの選択を受け付ける。記憶部は、ユーザによって選択されたコンテンツの選択内容を記憶する。評価部は、選択内容に基づいて、ユーザの選択傾向を評価する。コンテンツ提案装置は、決定部を有する。決定部は、評価部の評価結果に基づいて、ユーザに提案するコンテンツの選出方法、又はユーザに提案するコンテンツの提示方法、を決定する。
　第１観点のコンテンツ提案装置は、ユーザの選択傾向を評価した結果に基づいて、コンテンツの選出方法、又はコンテンツの提示方法、を決定する。その結果、コンテンツ提案装置は、ユーザに提案するコンテンツが、ユーザのこれまでの好みに偏らないようにすることができる。
　第２観点のコンテンツ提案装置は、第１観点のコンテンツ提案装置であって、提示部をさらに備える。提示部は、ユーザにコンテンツを提示する。
　第３観点のコンテンツ提案装置は、第１観点又は第２観点のいずれかのコンテンツ提案装置であって、決定部は、評価部によってユーザの選択傾向が偏っていると評価された場合に、選出方法、又は提示方法、を変更する。
　第３観点のコンテンツ提案装置は、このような構成により、ユーザに提案するコンテンツが、ユーザのこれまでの好みに偏らないようにすることができる。
　第４観点のコンテンツ提案装置は、第３観点のコンテンツ提案装置であって、評価部は、ユーザの選択傾向に関するエントロピーを算出する。評価部は、エントロピーが所定値より小さい場合に、ユーザの選択傾向が偏っていると評価する。
　第４観点のコンテンツ提案装置は、ユーザの選択傾向に関するエントロピーに基づくことにより、ユーザの選択傾向の偏りを、定量的に評価することができる。
　第５観点のコンテンツ提案装置は、第３観点のコンテンツ提案装置であって、評価部は、ユーザの選択傾向に関する分散を算出する。評価部は、分散が所定値より小さい場合に、ユーザの選択傾向が偏っていると評価する。
　第５観点のコンテンツ提案装置は、ユーザの選択傾向に関する分散に基づくことにより、ユーザの選択傾向の偏りを、定量的に評価することができる。
　第６観点のコンテンツ提案装置は、第３観点のコンテンツ提案装置であって、評価部は、ユーザの選択傾向に関する相互情報量を算出する。評価部は、相互情報量が所定値より大きい場合に、ユーザの選択傾向が偏っていると評価する。
　第６観点のコンテンツ提案装置は、ユーザの選択傾向に関する相互情報量に基づくことにより、ユーザの選択傾向の偏りを、定量的に評価することができる。
　第７観点のコンテンツ提案装置は、第３観点のコンテンツ提案装置であって、評価部は、ユーザの選択傾向に関するグレンジャー因果性を算出する。評価部は、グレンジャー因果性が所定値より大きい場合に、ユーザの選択傾向が偏っていると評価する。
　第７観点のコンテンツ提案装置は、ユーザの選択傾向に関するグレンジャー因果性に基づくことにより、ユーザの選択傾向の偏りを、定量的に評価することができる。
　第８観点のコンテンツ提案装置は、第３観点のコンテンツ提案装置であって、評価部は、ユーザの選択傾向に関するカルバック・ライブラー情報量を算出する。評価部は、カルバック・ライブラー情報量が所定値より小さい場合に、ユーザの選択傾向が偏っていると評価する。
　第８観点のコンテンツ提案装置は、ユーザの選択傾向に関するカルバック・ライブラー情報量に基づくことにより、ユーザの選択傾向の偏りを、定量的に評価することができる。
　第９観点のコンテンツ提案装置は、第３観点のコンテンツ提案装置であって、評価部は、ユーザの選択傾向に関する確率密度比を算出する。評価部は、確率密度比と１との差に基づいて、ユーザの選択傾向が偏っていると評価する。
　第９観点のコンテンツ提案装置は、ユーザの選択傾向に関する確率密度比に基づくことにより、ユーザの選択傾向の偏りを、定量的に評価することができる。
　第１０観点のコンテンツ提案装置は、第３観点から第９観点のいずれかのコンテンツ提案装置であって、決定部は、ユーザの選択傾向が低いコンテンツが選出されるように、選出方法を変更する。
　第１０観点のコンテンツ提案装置は、ユーザの選択傾向が低いコンテンツを選出する、という選出方法に変更することにより、ユーザに提案するコンテンツが、ユーザのこれまでの好みに偏らないようにすることができる。
　第１１観点のコンテンツ提案装置は、第３観点から第９観点のいずれかのコンテンツ提案装置であって、決定部は、ユーザによる選択回数が少ないコンテンツ、又はユーザが選択したことがないコンテンツ、が選出されるように、選出方法を変更する。
　第１１観点のコンテンツ提案装置は、ユーザによる選択回数が少ない、又はユーザが選択したことがない、コンテンツを選出する、という選出方法に変更することにより、ユーザに提案するコンテンツが、ユーザのこれまでの好みに偏らないようにすることができる。
　第１２観点のコンテンツ提案装置は、第３観点から第９観点のいずれかのコンテンツ提案装置であって、決定部は、選出されるコンテンツの数が増える、又は減るように、選出方法を変更する。
　第１２観点のコンテンツ提案装置は、選出されるコンテンツの数が増える、又は減るように、選出方法を変更することにより、ユーザに提案するコンテンツが、ユーザのこれまでの好みに偏らないようにすることができる。
　第１３観点のコンテンツ提案装置は、第３観点から第９観点のいずれかのコンテンツ提案装置であって、決定部は、ユーザの選択傾向が低いコンテンツが強調されるように、提示方法を変更する。
　第１３観点のコンテンツ提案装置は、ユーザの選択傾向が低いコンテンツを強調する、という提示方法に変更することにより、ユーザのこれまでの好みに偏らないように、ユーザにコンテンツを選択させることができる。
コンテンツ提案装置、及びユーザ端末の概略構成図である。 コンテンツ提案装置の機能ブロック図である。 コンテンツ提案装置の処理の一例を説明するためのフローチャートである。 第１コンテンツ提案装置および第２コンテンツ提案装置のエントロピーの推移を示す図である。 参加者からヒアリングした実験の感想に対して、テキストマイニングを行った結果を示す図である。
　（１）全体構成
　コンテンツ提案装置１０は、ユーザに提供するコンテンツの中から、ユーザに複数のコンテンツを提案する。ユーザに提案するコンテンツは、例えば、動画、音楽等のように、ユーザに提案し得るものであれば、任意である。例えば、コンテンツが動画である場合、コンテンツ提案装置１０は、動画配信サイトにおいて、ユーザにお勧めの動画を提案するために用いられる。本実施形態では、コンテンツ提案装置１０は、ユーザにコンテンツを提案することに加え、ユーザに実際にコンテンツを提供する機能も有することとする。
　以下、ユーザに提供可能なすべてのコンテンツの数を、Ｎとする（以下、全コンテンツ数Ｎと記載することがある。）。また、各コンテンツを、ｃｉ（ｉ＝１，２，…，Ｎ）と記載する。また、全コンテンツ数Ｎの内、ユーザに提案するコンテンツの数を、Ｍとする（以下、提案コンテンツ数Ｍと記載することがある。）。
　図１は、コンテンツ提案装置１０、及びユーザが使用するユーザ端末５０の概略構成図である。図１に示すように、コンテンツ提案装置１０と、複数のユーザ端末５０とは、ネットワークＮＷを介して、通信可能に接続されている。ネットワークＮＷは、例えば、インターネットである。各ユーザは、各ユーザ端末５０から、ネットワークＮＷを介して、コンテンツ提案装置１０にアクセスし、コンテンツの提案を受ける。コンテンツ提案装置１０は、ユーザ毎に、コンテンツの提案を行う。以下では、簡単のため、複数のユーザ端末５０の内の任意の１つのユーザ端末５０について説明する。
　各コンテンツｃｉは、１つ又は複数の特徴量によって表される。以下、特徴量の数を、Ｓとする（以下、特徴量数Ｓと記載することがある。）。言い換えると、各コンテンツｃｉは、Ｓ個の特徴量に対応するＳ個の座標軸、を有するＳ次元特徴量空間内の点とみなすことができる。特徴量は、連続値であってもよいし、離散値であってもよい。例えば、コンテンツが動画である場合、特徴量は、色相、明度、彩度、移り変わりの速さ、ジャンル等である。コンテンツが動画である場合の特徴量は、例えば、楽しい－切ない、激しい－穏やか、明るい－暗い、静か－騒がしい等の程度を示す量であってもよい。また、例えば、コンテンツが音楽である場合、特徴量は、音域、音高、音長、ジャンル等である。
　（２）詳細構成
　（２－１）コンテンツ提案装置
　コンテンツ提案装置１０は、クラウド上に設置されるコンピュータである。図２は、コンテンツ提案装置１０の機能ブロック図である。図２に示すように、コンテンツ提案装置１０は、主として、記憶部１１と、入力部１２と、表示部１３と、通信部１４と、制御部１９と、を有する。
　（２－１－１）記憶部
　記憶部１１は、ＲＡＭ、ＲＯＭ、及びＨＤＤ（ハードディスクドライブ）等の記憶装置である。記憶部１１には、制御部１９が実行するプログラムが記憶される。また、記憶部１１には、ユーザに提供可能なコンテンツの情報や、ユーザによって選択されたコンテンツの選択内容等が記憶される。本実施形態では、ユーザによって選択されたコンテンツの選択内容は、ユーザによるコンテンツの選択履歴である。以下、ユーザがｎ回コンテンツを選択した後の、コンテンツの選択履歴をＤｎと記載する。
　（２－１－２）入力部
　入力部１２は、キーボード、及びマウスである。ユーザに提供可能なコンテンツの情報等は、入力部１２を用いて入力することができる。
　（２－１－３）表示部
　表示部１３は、モニターである。表示部１３には、ユーザに提供可能なコンテンツや、ユーザに提案するコンテンツ等を、表示することができる。
　（２－１－４）通信部
　通信部１４は、ネットワークＮＷを介して、ユーザ端末５０と通信を行うためのネットワークインターフェイス機器である。
　（２－１－５）制御部
　制御部１９は、ＣＰＵやＧＰＵ等のプロセッサである。制御部１９は、記憶部１１に記憶されているプログラムを読み込んで実行し、コンテンツ提案装置１０の様々な機能を実現する。また、制御部１９は、プログラムに従って、演算結果を記憶部１１に書き込んだり、記憶部１１に記憶されている情報を読み出したりすることができる。
　図２に示すように、制御部１９は、機能ブロックとして、選出部２１と、選択受付部２２と、予測部２３と、評価部２４と、決定部２５と、提示部２６と、提供部２７と、を有する。
　（２－１－５－１）選出部
　選出部２１は、ユーザがコンテンツを選択する際に、後述するコンテンツの選出方法に基づいて、ユーザに提案するコンテンツを選出する。
　（２－１－５－２）選択受付部
　選択受付部２２は、複数のコンテンツの中から、ユーザによるコンテンツの選択を受け付ける。本実施形態では、選択受付部２２は、ユーザ端末５０から、ネットワークＮＷを介して、コンテンツの選択を受け付ける。
　（２－１－５－３）予測部
　予測部２３は、コンテンツの選択履歴に基づいて、ユーザの選択傾向を予測する。ユーザの選択傾向とは、ユーザが各コンテンツｃｉを選択する確率である（以下、選択確率と記載することがある。）。具体的には、予測部２３は、ユーザがｎ回コンテンツを選択した選択履歴Ｄｎに基づいて、第ｎ＋１回目の選択時における、各コンテンツｃｉの選択確率を予測する。
　本実施形態では、予測部２３は、以下の数１のベイズの定理を用いて、各コンテンツｃｉの選択確率を予測する。
Figure JPOXMLDOC01-appb-M000001
　ここで、Ｐ（ｃｉ｜Ｄｎ）は、選択履歴Ｄｎを考慮した、第ｎ＋１回目の選択時における、各コンテンツｃｉの選択確率（事後確率）である。Ｐ（ｃｉ）は、第ｎ回目の選択時における、コンテンツｃｉの選択確率（事前確率）である。Ｐ（Ｄｎ｜ｃｉ）は、コンテンツｃｉが選択されると考えたときの、選択履歴Ｄｎの尤度である。Ｐ（Ｄｎ）は、Ｐ（ｃｉ｜Ｄｎ）を正規化するための正規化定数である。
　予測部２３は、ユーザがコンテンツを選択する度に、次回の選択時における、各コンテンツｃｉの選択確率を予測する。
　（２－１－５－４）評価部
　評価部２４は、選択履歴に基づいて、ユーザの選択傾向を評価する。本実施形態では、評価部２４は、ユーザの選択傾向に関する、以下の数２で定義されるエントロピーＨを算出して、ユーザの選択傾向を評価する。
Figure JPOXMLDOC01-appb-M000002
　数２は、ユーザがｎ回コンテンツを選択した後の、ユーザの選択傾向に関するエントロピーＨを示している。エントロピーＨは、ユーザの選択傾向が一様である程、その値が大きくなり、ユーザの選択傾向が偏っている程、その値が小さくなる。本実施形態では、評価部２４は、エントロピーＨが所定値より小さい場合に、ユーザの選択傾向が偏っていると評価する。
　（２－１－５－５）決定部
　決定部２５は、評価部２４の評価結果に基づいて、ユーザに提案するコンテンツの選出方法を決定する。本実施形態では、決定部２５は、評価部２４によってユーザの選択傾向が偏っていると評価された場合に、コンテンツの選出方法を変更する。言い換えると、決定部２５は、評価部２４によってエントロピーＨが所定値より小さいと評価された場合に、コンテンツの選出方法を変更する。以下、評価部２４によってエントロピーＨが所定値より小さくないと評価された場合の、コンテンツの選出方法を、第１の選出方法と記載することがある。また、評価部２４によってエントロピーＨが所定値より小さいと評価された場合の、コンテンツの選出方法を、第２の選出方法と記載することがある。
　本実施形態では、第１の選出方法は、「選択確率が高い方からＭ個のコンテンツを選出する。」という選出方法であるとする。しかし、これに限定されず、第１の選出方法は、例えば「特定の特徴量に着目し、当該特徴量の値が、選択確率が最も高いコンテンツの当該特徴量の値と同じであるコンテンツを、選択確率が高い方からＭ個選出する。」という選出方法であってもよい。また、第１の選出方法は、例えば「選択確率が最も高いコンテンツとの、特徴量空間上のユークリッド距離が近いコンテンツを、近い方からＭ個選出する。」という選出方法であってもよい。
　また、本実施形態では、第２の選出方法は、ユーザの選択傾向が低いコンテンツが選出される選出方法であるとする。例えば、第２の選出方法は、「選択確率が低い方からＭ１個のコンテンツを、選択確率が高い方からＭ２個のコンテンツを、選出する（Ｍ１＋Ｍ２＝Ｍ）。」という選出方法である。しかし、これに限定されず、第２の選出方法は、例えば、「選択確率が低い方からＭ１個のコンテンツを、選択確率が高い方から、選択確率が最も高いコンテンツを除いて、Ｍ２個のコンテンツを、選出する（Ｍ１＋Ｍ２＝Ｍ）。」という選出方法であってもよい。
　（２－１－５－６）提示部
　提示部２６は、ユーザにコンテンツを提示する。本実施形態では、提示部２６は、ユーザ端末５０に対して、ユーザに提供可能なコンテンツや、ユーザに提案するコンテンツを提示する。
　（２－１－５－７）提供部
　提供部２７は、ユーザが選択したコンテンツを、ユーザ端末５０に提供する。例えば、コンテンツが動画である場合、提供部２７は、ユーザが選択した動画を、ユーザ端末５０によって再生可能な状態にする。
　（２－１－６）具体例
　以下、コンテンツ提案装置１０の機能を、具体例によって説明する。ここでは、全コンテンツ数Ｎ＝５、提案コンテンツ数Ｍ＝３とする。また、コンテンツ提案装置１０は、ユーザが各コンテンツｃｉを選択する度に、各コンテンツｃｉの選択回数をカウントする。以下の表１は、第１回目の選択時における、各コンテンツｃｉの選択回数、及び選択確率である。表１に示すように、便宜上、各コンテンツｃｉの初期の選択回数は「１」とする。また、各コンテンツｃｉの初期の選択確率は、「１／５」とする。言い換えると、各コンテンツｃｉの初期の選択確率は、一様とする。
Figure JPOXMLDOC01-appb-T000003
   　 
　評価部２４が、ユーザの選択傾向が偏っていると評価する、エントロピーＨの所定値は、「１」とする。第１の選出方法は、「選択確率が高い方から３個のコンテンツを選出する。」という選出方法であるとする。第２の選出方法は、「選択確率が低い方から２個のコンテンツを、選択確率が高い方から、選択確率が最も高いコンテンツを除いて、１個のコンテンツを、選出する。」という選出方法であるとする。
　表１に示すように、初期のエントロピーＨは、「２．３２」である。評価部２４は、エントロピーＨの値が、所定値である「１」より小さくないため、ユーザの選択傾向が偏っている、と評価しない。そのため、決定部２５は、コンテンツの選出方法を、第１の選出方法に決定する。
　第１回目の選択時において、選出部２１は、第１の選出方法に基づいて、ユーザに提案するコンテンツを選出する。ここでは、各コンテンツｃｉの選択確率が等しいため、選出部２１は、ランダムに、コンテンツｃ１，ｃ３，ｃ５を選出したとする。提示部２６は、選出されたコンテンツｃ１，ｃ３，ｃ５を、ユーザに提示する。
　第１回目の選択時において、選択受付部２２は、ユーザから、提案したコンテンツｃ１の選択を受け付けたとする。このとき、以下の表２に示すように、予測部２３は、選択履歴Ｄ１に基づいて、第２回目の選択時における、各コンテンツｃｉの選択確率Ｐ（ｃｉ｜Ｄ１）を予測する。まず、予測部２３は、コンテンツｃ１の選択回数に、１をカウントする。次に、予測部２３は、各尤度Ｐ（Ｄ１｜ｃｉ）を、選択回数の割合に基づいて算出する。例えば、尤度Ｐ（Ｄ１｜ｃ１）は、「２」を「６（＝２＋１＋１＋１＋１）」で割った「２／６」である。次に、予測部２３は、数１のベイズの定理により、第２回目の選択時における、各コンテンツｃｉの選択確率Ｐ（ｃｉ｜Ｄ１）を算出する。表２に示すように、第１回目にコンテンツｃ１が選択されたため、選択確率Ｐ（ｃ１｜Ｄ１）の値が、比較的高くなっていることがわかる。
　評価部２４は、各選択確率Ｐ（ｃｉ｜Ｄ１）から、エントロピーＨを算出する。今回のエントロピーＨは、「２．２５」であった。評価部２４は、エントロピーＨの値が、所定値である「１」より小さくないため、ユーザの選択傾向が偏っている、と評価しない。そのため、決定部２５は、コンテンツの選出方法を、第１の選出方法に決定する。
Figure JPOXMLDOC01-appb-T000004
　第２回目の選択時において、選出部２１は、第１の選出方法に基づいて、ユーザに提案するコンテンツを選出する。表２により、コンテンツｃ１の選択確率が高いため、選出部２１は、ユーザに提案するコンテンツの１つとして、コンテンツｃ１を選出する。選出部２１は、ユーザに提案する残りの２つのコンテンツとして、ランダムに、コンテンツｃ２，ｃ４を選出したとする。提示部２６は、選出されたコンテンツｃ１，ｃ２，ｃ４を、ユーザに提示する。
　第２回目の選択時において、選択受付部２２は、ユーザから、提案したコンテンツｃ４の選択を受け付けたとする。このとき、以下の表３に示すように、予測部２３は、選択履歴Ｄ２に基づいて、第３回目の選択時における、各コンテンツｃｉの選択確率Ｐ（ｃｉ｜Ｄ２）を予測する。まず、予測部２３は、コンテンツｃ４の選択回数に、１をカウントする。次に、予測部２３は、各尤度Ｐ（Ｄ２｜ｃｉ）を、選択回数の割合に基づいて算出する。次に、予測部２３は、数１のベイズの定理により、第３回目の選択時における、各コンテンツｃｉの選択確率Ｐ（ｃｉ｜Ｄ２）を算出する。表３に示すように、第１回目にコンテンツｃ１が選出され、第２回目にコンテンツｃ４が選択されたため、選択確率Ｐ（ｃ１｜Ｄ２），Ｐ（ｃ４｜Ｄ２）の値が、比較的高くなっていることがわかる。
　評価部２４は、各選択確率Ｐ（ｃｉ｜Ｄ２）から、エントロピーＨを算出する。今回のエントロピーＨは、「２．０６」であった。第３回目の選択時における各選択確率Ｐ（ｃｉ｜Ｄ２）は、第２回目の選択時における各選択確率Ｐ（ｃｉ｜Ｄ１）よりも偏っているため、表２と比較して、表３のエントロピーＨの値は減少している。評価部２４は、エントロピーＨの値が、所定値である「１」より小さくないため、ユーザの選択傾向が偏っている、と評価しない。そのため、決定部２５は、コンテンツの選出方法を、第１の選出方法に決定する。
Figure JPOXMLDOC01-appb-T000005
　第３回目の選択時において、選出部２１は、第１の選出方法に基づいて、ユーザに提案するコンテンツを選出する。表３により、選出部２１は、選択確率が高い方から、コンテンツｃ１，ｃ４を選出する。選出部２１は、ユーザに提案する残りの１つのコンテンツとして、ランダムに、コンテンツｃ５を選出したとする。提示部２６は、選出されたコンテンツｃ１，ｃ４，ｃ５を、ユーザに提示する。
　第３回目の選択時において、選択受付部２２は、ユーザから、提案したコンテンツｃ１の選択を受け付けたとする。このとき、以下の表４に示すように、予測部２３は、選択履歴Ｄ３に基づいて、第４回目の選択時における、各コンテンツｃｉの選択確率Ｐ（ｃｉ｜Ｄ３）を予測する。まず、予測部２３は、コンテンツｃ１の選択回数に、１をカウントする。次に、予測部２３は、各尤度Ｐ（Ｄ３｜ｃｉ）を、選択回数の割合に基づいて算出する。次に、予測部２３は、数１のベイズの定理により、第４回目の選択時における、各コンテンツｃｉの選択確率Ｐ（ｃｉ｜Ｄ３）を算出する。
　評価部２４は、各選択確率Ｐ（ｃｉ｜Ｄ３）から、エントロピーＨを算出する。今回のエントロピーＨは、「１．５６」であった。評価部２４は、エントロピーＨの値が、所定値である「１」より小さくないため、ユーザの選択傾向が偏っている、と評価しない。そのため、決定部２５は、コンテンツの選出方法を、第１の選出方法に決定する。
Figure JPOXMLDOC01-appb-T000006
　第４回目の選択時において、選出部２１は、第１の選出方法に基づいて、ユーザに提案するコンテンツを選出する。表４により、選出部２１は、選択確率が高い方から、コンテンツｃ１，ｃ４を選出する。選出部２１は、ユーザに提案する残りの１つのコンテンツとして、ランダムに、コンテンツｃ３を選出したとする。提示部２６は、選出されたコンテンツｃ１，ｃ３，ｃ４を、ユーザに提示する。
　第４回目の選択時において、選択受付部２２は、ユーザから、提案したコンテンツｃ１の選択を受け付けたとする。このとき、以下の表５に示すように、予測部２３は、選択履歴Ｄ４に基づいて、第５回目の選択時における、各コンテンツｃｉの選択確率Ｐ（ｃｉ｜Ｄ４）を予測する。まず、予測部２３は、コンテンツｃ１の選択回数に、１をカウントする。次に、予測部２３は、各尤度Ｐ（Ｄ４｜ｃｉ）を、選択回数の割合に基づいて算出する。次に、予測部２３は、数１のベイズの定理により、第５回目の選択時における、各コンテンツｃｉの選択確率Ｐ（ｃｉ｜Ｄ４）を算出する。
　評価部２４は、各選択確率Ｐ（ｃｉ｜Ｄ４）から、エントロピーＨを算出する。今回のエントロピーＨは、「０．９３２」であった。評価部２４は、エントロピーＨの値が、所定値である「１」より小さいため、ユーザの選択傾向が偏っている、と評価する。そのため、決定部２５は、コンテンツの選出方法を、第２の選出方法に変更する。
Figure JPOXMLDOC01-appb-T000007
　第５回目の選択時において、選出部２１は、第２の選出方法に基づいて、ユーザに提案するコンテンツを選出する。表５により、選出部２１は、選択確率が低い方から、例えば、コンテンツｃ２，ｃ３を選出する。また、選出部２１は、選択確率が高い方から、選択確率が最も高いコンテンツｃ１を除いて、コンテンツｃ４を選出する。提示部２６は、選出されたコンテンツｃ２，ｃ３，ｃ４を、ユーザに提示する。
　（２－２）ユーザ端末
　ユーザ端末５０は、一般的なパーソナルコンピュータである。ユーザ端末５０は、例えば、タブレットや、スマートフォン等であってもよい。
　ユーザ端末５０は、ＣＰＵや、ＲＡＭ、ＲＯＭ及びＨＤＤ等の記憶装置を有する。また、ユーザ端末５０は、ネットワークＮＷに接続するための通信部を有する。また、ユーザ端末５０は、情報の入力部として、キーボード、及びマウスを有する。また、ユーザ端末５０は、情報の表示部として、ディスプレイを有する。また、ユーザ端末５０には、ＷＥＢブラウザや、メーラー等の一般的なアプリケーションがインストールされている。
　ユーザは、ユーザ端末５０から、ＷＥＢブラウザを用いて、コンテンツ提案装置１０にアクセスする。ユーザは、ユーザ端末５０のディスプレイを介して、コンテンツの提案を受ける。ユーザは、ユーザ端末５０のキーボード、及びマウスを用いて、各コンテンツｃｉを選択する。ユーザは、ユーザ端末５０のディスプレイを介して、選択したコンテンツの提供を受ける。
　（３）処理
　コンテンツ提案装置１０の処理の一例を、図３のフローチャートを用いて説明する。
　ステップＳ１に示すように、コンテンツ提案装置１０は、ユーザがコンテンツを選択する際に、第１の選出方法に基づいて、ユーザに提案するコンテンツを選出する。
　ステップＳ１を終えると、ステップＳ２に示すように、コンテンツ提案装置１０は、ユーザに提案するコンテンツを提示する。
　ステップＳ２を終えると、ステップＳ３に示すように、コンテンツ提案装置１０は、ユーザからコンテンツの選択を受け付ける。
　ステップＳ３を終えると、ステップＳ４に示すように、コンテンツ提案装置１０は、今までの選択履歴に基づいて、次回の選択時における、各コンテンツｃｉの選択確率を予測する。
　ステップＳ４を終えると、ステップＳ５に示すように、コンテンツ提案装置１０は、予測した各選択確率から、エントロピーＨを算出する。
　ステップＳ５を終えると、ステップＳ６に示すように、コンテンツ提案装置１０は、エントロピーＨの値が、所定値より小さいか否かを判定する。エントロピーの値が、所定値より小さい場合、ステップＳ７に進む。エントロピーの値が、所定値より小さくない場合、ステップＳ８に進む。
　ステップＳ６からステップＳ７に進むと、コンテンツ提案装置１０は、コンテンツの選出方法を、第２の選出方法に変更する。
　ステップＳ６からステップＳ８に進むと、コンテンツ提案装置１０は、コンテンツの選出方法を、第１の選出方法に決定する。
　ステップＳ７からステップＳ１に戻ると、コンテンツ提案装置１０は、第２の選出方法に基づいて、ユーザに提案するコンテンツを選出する。
　ステップＳ８からステップＳ１に戻ると、コンテンツ提案装置１０は、第１の選出方法に基づいて、ユーザに提案するコンテンツを選出する。
　（４）実験
　本実験では、第１コンテンツ提案装置９１および第２コンテンツ提案装置９２を用いる。
　第１コンテンツ提案装置９１は、コンテンツ提案装置１０と同様に、エントロピーによりユーザの選択傾向を評価し、ユーザに提案するコンテンツを、ユーザのこれまでの好みに偏らないようにする装置である。言い換えると、第１コンテンツ提案装置９１は、ユーザの興味を１つに収束させず、常にユーザの多面的な側面を捉えながら、コンテンツの提案を行う装置である。第２コンテンツ提案装置９２は、事前にコンテンツのクラスタリングを行っておき、ユーザがコンテンツを選択すると、選択したコンテンツと同じクラスタに属する他のコンテンツの、次に提案する確率を高くする装置である。言い換えると、第２コンテンツ提案装置９２は、従来のコンテンツ提案装置である。
　（４－１）実験内容
　本実験の参加者は、１９歳から２３歳までの１６名（男性９名、女性７名、平均年齢２１．３８歳、標準偏差１．７５歳）である。
　まず、参加者は、事前に、７５個の画像（コンテンツ）それぞれについて、好き嫌いを評価する。次に、参加者は、７５個の画像の評価結果を反映した第１コンテンツ提案装置９１または第２コンテンツ提案装置９２から、参加者の好みに応じた３つの画像の提案を受ける。参加者は、第１コンテンツ提案装置または第２コンテンツ提案装置から提案された３つの画像の中から、好みの画像を１つ選択する。本実験では、ある参加者は、提案を受けて選択する、という試行を、第１コンテンツ提案装置について２０回繰り返し、その後、第２コンテンツ提案装置について２０回繰り返した。また、ある参加者は、提案を受けて選択する、という試行を、第２コンテンツ提案装置について２０回繰り返し、その後、第１コンテンツ提案装置について２０回繰り返した。本実験では、第１コンテンツ提案装置から試行を始める参加者と、第２コンテンツ提案装置から試行を始める参加者とを、ランダムに決定した。
　（４－２）実験結果
　図４は、第１コンテンツ提案装置９１および第２コンテンツ提案装置９２のエントロピーの推移を示す図である。図４では、縦軸がエントロピーを、横軸が試行回数を示す。図４に示すように、第１コンテンツ提案装置９１のエントロピーは、第２コンテンツ提案装置９２のエントロピーと比較して、試行を重ねるにつれ、緩やかに減少している。言い換えると、第１コンテンツ提案装置９１は、第２コンテンツ提案装置９２と比較して、提案の収束（提案の偏り）を抑制することができる。
　図５は、参加者からヒアリングした本実験の感想に対して、テキストマイニングを行った結果を示す図である。図５では、例えば、第１コンテンツ提案装置９１と、第１コンテンツ提案装置９１に対する参加者の感想に登場した語句（円の中の語句）と、が線で結ばれている。円が大きい語句程、登場回数が多いことを示す。図５に示すように、第１コンテンツ提案装置９１に対する参加者の感想には、第２コンテンツ提案装置９２に対する参加者の感想と比較して、「好み」、「楽しい」、「新鮮」、「好き」等の好印象を示す語句が、多く登場することがわかる。
　（５）特徴
　（５－１）
　従来、ユーザの好みに応じたコンテンツを提案する装置が知られている。
　しかし、従来の装置では、ユーザに提案するコンテンツが、ユーザのこれまでの好みに偏ってしまうため、ユーザが好む可能性がある、ユーザにとって未知のコンテンツを提案しづらい、という課題がある。
　本実施形態のコンテンツ提案装置１０は、ユーザに複数のコンテンツを提案する。コンテンツ提案装置１０は、選択受付部２２と、記憶部１１と、評価部２４と、を備える。選択受付部２２は、複数のコンテンツの中から、ユーザによるコンテンツの選択を受け付ける。記憶部１１は、ユーザによって選択されたコンテンツの選択履歴を記憶する。評価部２４は、選択履歴に基づいて、ユーザの選択傾向を評価する。コンテンツ提案装置１０は、決定部２５を有する。決定部２５は、評価部２４の評価結果に基づいて、ユーザに提案するコンテンツの選出方法を決定する。
　コンテンツ提案装置１０は、ユーザの選択傾向を評価した結果に基づいて、コンテンツの選出方法を決定する。その結果、コンテンツ提案装置１０は、ユーザに提案するコンテンツが、ユーザのこれまでの好みに偏らないようにすることができる。また、コンテンツ提案装置１０は、ユーザがコンテンツを選択する際に、ユーザを飽きさせないようにすることができる。また、コンテンツ提案装置１０は、ユーザに対して、ユーザが知らない価値や、ユーザが日ごろ接しない価値に、出会う機会を与えることができる。まだ、コンテンツ提案装置１０は、ユーザの満足感を向上させることができる。また、コンテンツ提案装置１０は、ユーザに対して、セレンディピティの機会を与えることができる。また、コンテンツ提案装置１０は、ユーザの気分や状態の変化に適合（合致）した提案を行うことができる。
　（５－２）
　本実施形態のコンテンツ提案装置１０は、提示部２６をさらに備える。提示部２６は、ユーザにコンテンツを提示する。
　（５－３）
　本実施形態のコンテンツ提案装置１０では、決定部２５は、評価部２４によって、ユーザの選択傾向が偏っていると評価された場合に、コンテンツの選出方法を変更する。
　その結果、コンテンツ提案装置１０は、ユーザに提案するコンテンツが、ユーザのこれまでの好みに偏らないようにすることができる。
　（５－４）
　本実施形態のコンテンツ提案装置１０では、評価部２４は、ユーザの選択傾向に関するエントロピーＨを算出する。評価部２４は、エントロピーＨが所定値より小さい場合に、ユーザの選択傾向が偏っていると評価する。
　その結果、コンテンツ提案装置１０は、ユーザの選択傾向に関するエントロピーＨに基づくことにより、ユーザの選択傾向の偏りを、定量的に評価することができる。
　（５－５）
　本実施形態のコンテンツ提案装置１０では、決定部２５は、ユーザの選択傾向が低いコンテンツが選出されるように、コンテンツの選出方法を変更する。
　その結果、コンテンツ提案装置１０は、ユーザの選択傾向が低いコンテンツを選出する、という選出方法に変更することにより、ユーザに提案するコンテンツが、ユーザのこれまでの好みに偏らないようにすることができる。
　（６）変形例
　（６－１）変形例１Ａ
　本実施形態では、コンテンツ提案装置１０は、クラウド上に設置されるコンピュータであった。しかし、コンテンツ提案装置１０は、ユーザが直接操作する、タブレットや、スマートフォン等であってもよい。このとき、コンテンツ提案装置１０は、例えば、入力部１２や表示部１３としてのタッチパネルを用いて、ユーザに提供可能なコンテンツや、ユーザに提案するコンテンツを提示してもよい。また、コンテンツ提案装置１０は、タッチパネルを用いて、ユーザからコンテンツの選択を受け付けてもよい。
　また、コンテンツ提案装置１０は、ユーザが直接操作する、ＡＲ機器や、ＶＲ機器や、ホログラム機器であってもよい。このとき、コンテンツ提案装置１０は、それぞれ、ＡＲ技術、ＶＲ技術、及びホログラム技術を用いて、ユーザに提供可能なコンテンツや、ユーザに提案するコンテンツを提示し、また、ユーザからコンテンツの選択を受け付ける。
　（６－２）変形例１Ｂ
　本実施形態では、決定部２５は、評価部２４によってユーザの選択傾向が偏っていると評価された場合に、ユーザの選択傾向が低いコンテンツが選出されるように、コンテンツの選出方法を変更した。しかし、決定部２５は、ユーザによる選択回数が少ないコンテンツ、又はユーザが選択したことがないコンテンツ、が選出されるように、コンテンツの選出方法を変更してもよい。
　また、決定部２５は、選出されるコンテンツの数が増える、又は減るように、コンテンツの選出方法を変更してもよい。コンテンツの増分は、例えば、特定の特徴量に着目し、当該特徴量の値が、選択確率が最も高いコンテンツの当該特徴量の値と同じであるコンテンツを、選択確率が低いものから選出してもよい。また、コンテンツの増分は、例えば、特定の特徴量に着目し、当該特徴量の値が、選択確率が最も高いコンテンツの当該特徴量の値と異なるコンテンツを、選択確率が低いものから選出してもよい。また、決定部２５は、例えば、選択確率が所定の値より高いコンテンツを、コンテンツの減分の対象としてもよい。
　その結果、コンテンツ提案装置１０は、ユーザに提案するコンテンツが、ユーザのこれまでの好みに偏らないようにすることができる。
　（６－３）変形例１Ｃ
　本実施形態では、決定部２５は、評価部２４の評価結果に基づいて、ユーザに提案するコンテンツの選出方法を決定した。しかし、決定部２５は、評価部２４の評価結果に基づいて、ユーザに提案するコンテンツの提示方法を決定してもよい。このとき、決定部２５は、決定部２５は、評価部２４によってユーザの選択傾向が偏っていると評価された場合に、コンテンツの提示方法を変更する。
　評価部２４によってユーザの選択傾向が偏っていないと評価された場合の、コンテンツの提示方法は、例えば、「ユーザに提案するコンテンツを、色やサイズ等によって、いずれも強調することなく提示する。」という提示方法である。
　評価部２４によってユーザの選択傾向が偏っていると評価された場合の、コンテンツの提示方法は、例えば、「ユーザの選択傾向が低いコンテンツが、色やサイズ等によって強調されるように提示する。」という提示方法である。
　その結果、コンテンツ提案装置１０は、ユーザのこれまでの好みに偏らないように、ユーザにコンテンツを選択させることができる。
　なお、決定部２５は、評価部２４の評価結果に基づいて、コンテンツの選出方法と、コンテンツの提示方法と、の両方を決定してもよい。このとき、決定部２５は、評価部２４によってユーザの選択傾向が偏っていると評価された場合に、コンテンツの選出方法と、コンテンツの提示方法と、の両方を変更してもよい。
　（６－４）変形例１Ｄ
　コンテンツ提案装置１０は、ユーザ端末５０に設置されるカメラ等から、ユーザがコンテンツを選択する際の、顔の表情や視線等の情報を取得してもよい。また、コンテンツ提案装置１０は、ユーザ端末５０にコンテンツを提示してから、ユーザが選択するまでの時間を取得してもよい。
　決定部２５は、評価部２４によってユーザの選択傾向が偏っていると評価された場合に、これらの情報も考慮して、コンテンツの選出方法を変更する。例えば、コンテンツ提案装置１０が、ユーザの顔の表情等の情報によって、ユーザにあまり負荷がかかっていないと判定した場合、決定部２５は、選出されるコンテンツの数が増えるように、コンテンツの選出方法を変更し、コンテンツの増分は、特定の特徴量に着目して、当該特徴量の値が、選択確率が最も高いコンテンツの当該特徴量の値と異なるコンテンツを、選択確率が低いものから選出してもよい。
　（６－５）変形例１Ｅ
　予測部２３は、ベイズの定理を階層的に用いて、各コンテンツｃｉの選択確率を予測してもよい。例えば、予測部２３は、数１におけるＰ（Ｄｎ｜ｃｉ）を、以下の数３のベイズの定理を用いて算出してもよい。
Figure JPOXMLDOC01-appb-M000008
　ここで、ｘｊ（ｊ＝１，２，…，Ｓ）は、第ｊ番目の特徴量である。Ｐ（ｘｊ｜Ｄｎ）は、選択履歴Ｄｎを考慮した、第ｎ＋１回目の選択時における、特徴量ｘｊの値の選択確率（事後確率）である。Ｐ（ｘｊ）は、第ｎ回目の選択時における、特徴量ｘｊの値の選択確率（事前確率）である。Ｐ（Ｄｎ｜ｘｊ）は、特徴量ｘｊの値が選択されると考えたときの、選択履歴Ｄｎの尤度である。Ｐ（Ｄｎ）は、Ｐ（ｘｊ｜Ｄｎ）を正規化するための正規化定数である。
　例えば、コンテンツｃ１が、（ｘ１，ｘ２）＝（１，２）と表せる場合、以下の数４によってＰ（ｃ１｜Ｄｎ）を算出し、再度、数１によって、Ｐ（Ｄｎ｜ｃ１）を算出してもよい。
Figure JPOXMLDOC01-appb-M000009
　また、予測部２３は、深層学習やガウス過程のような非線形関数による近似モデルを用いて、各コンテンツｃｉの選択確率を予測してもよい。
　（６－６）変形例１Ｆ
　本実施形態では、コンテンツ提案装置１０は、ユーザ端末５０を介して、ユーザにコンテンツを提供した。しかし、コンテンツ提案装置１０は、例えば、建物内の空間に設置された、スピーカーや、プロジェクタを制御して、ユーザに動画、音楽等のコンテンツを提供してもよい。このとき、スピーカーや、プロジェクタは、コンテンツ提案装置１０から制御できるように、例えば、ネットワークＮＷを介して、コンテンツ提案装置１０と通信可能に接続される。
　（６－７）変形例１Ｇ
　コンテンツ提案装置１０が提案するコンテンツは、建物内の空間環境であってもよい。このとき、コンテンツ提案装置１０は、建物内の空間に設置された、空気調和機や、照明や、遮光装置を制御して、ユーザに空間環境を提供する。空気調和機や、照明や、遮光装置は、コンテンツ提案装置１０から制御できるように、例えば、ネットワークＮＷを介して、コンテンツ提案装置１０と通信可能に接続される。
　コンテンツが建物内の空間環境である場合の特徴量は、例えば、空気調和機の設定温度、設定湿度、風量、照明の明るさ、色、及び、建物内の空間における特定の物質の濃度である。また、コンテンツが建物内の空間環境である場合の特徴量は、例えば、環境条件のゆらぎであってもよい。
　（６－８）変形例１Ｈ
　本実施形態では、コンテンツ提案装置１０は、ユーザに提案したコンテンツの中から、コンテンツの選択を受け付けた。しかし、コンテンツ提案装置１０は、ユーザに提供可能なコンテンツを、例えば、ユーザに検索させることによって、ユーザから、ユーザに提案していないコンテンツの選択を受け付けてもよい。
　（６－９）変形例１Ｉ
　本実施形態では、評価部２４は、ユーザの選択傾向に関するエントロピーＨを算出して、ユーザの選択傾向を評価した。しかし、評価部２４は、ユーザの選択傾向に関する分散を算出して、ユーザの選択傾向を評価してもよい。
　評価部２４は、例えば、選択履歴Ｄｎを考慮した、第ｎ＋１回目の選択時における、特徴量ｘｊの値の選択確率（事後確率）を、正規分布によってモデル化、又は近似し、当該正規分布の分散（言い換えると、特徴量ｘｊの値の集合の分散）を算出して、ユーザの選択傾向を評価する。このとき、評価部２４は、分散が所定値より小さい場合に、ユーザの選択傾向が偏っていると評価する。
　（６－１０）変形例１Ｊ
　本実施形態では、評価部２４は、ユーザの選択傾向に関するエントロピーＨを算出して、ユーザの選択傾向を評価した。しかし、評価部２４は、ユーザの選択傾向に関する相互情報量を算出して、ユーザの選択傾向を評価してもよい。
　評価部２４は、例えば、２つの異なる特徴量ｘｊ，ｘｋの相互情報量を算出して、ユーザの選択傾向を評価する。相互情報量が大きい程、特徴量ｘｊ，ｘｋは交絡しているため、ユーザは特徴量空間において特定の選択傾向を有しているといえる。そのため、評価部２４は、相互情報量が所定値より大きい場合に、ユーザの選択傾向が偏っていると評価する。
　（６－１１）変形例１Ｋ
　本実施形態では、評価部２４は、ユーザの選択傾向に関するエントロピーＨを算出して、ユーザの選択傾向を評価した。しかし、評価部２４は、ユーザの選択傾向に関するグレンジャー因果性を算出して、ユーザの選択傾向を評価してもよい。
　評価部２４は、例えば、過去（例えば、１日前や１か月前等）のユーザのコンテンツの選択系列（コンテンツの選択順）と、今回のユーザのコンテンツの選択系列と、を用いて、グレンジャー因果検定を行う。グレンジャー因果性が大きい程、ユーザは特定の選択系列の傾向を有しているといえる。そのため、評価部２４は、グレンジャー因果性が所定値より大きい場合に、ユーザの選択傾向が偏っていると評価する。
　（６－１２）変形例１Ｌ
　本実施形態では、評価部２４は、ユーザの選択傾向に関するエントロピーＨを算出して、ユーザの選択傾向を評価した。しかし、評価部２４は、ユーザの選択傾向に関するカルバック・ライブラー情報量を算出して、ユーザの選択傾向を評価してもよい。
　評価部２４は、例えば、過去（例えば，１日前や１か月前等）のユーザのコンテンツの選択結果集合（選択されたコンテンツの記録）と、今回のユーザのコンテンツの選択結果集合と、を用いて、カルバック・ライブラー情報量を算出する。カルバック・ライブラー情報量が小さいほど、過去と今回の選択結果集合が類似しているといえる。そのため、評価部２４は、カルバック・ライブラー情報量が所定値より小さい場合に、ユーザの選択傾向が偏っていると評価する。
　また、評価部２４は、例えば、ユーザのコンテンツの選択結果集合（選択されたコンテンツの記録）と、基準となる選択傾向と、を用いて、カルバック・ライブラー情報量を算出する。基準となる選択傾向は、例えば、異なるユーザの選択結果集合や、コンテンツの提供者が想定する選択傾向等である。カルバック・ライブラー情報量が大きいほど、ユーザの選択傾向と、基準となる選択傾向とは異なるといえる。そのため、評価部２４は、カルバック・ライブラー情報量が所定値より大きい場合に、ユーザの選択傾向が偏っていると評価する。
　（６－１３）変形例１Ｍ
　本実施形態では、評価部２４は、ユーザの選択傾向に関するエントロピーＨを算出して、ユーザの選択傾向を評価した。しかし、評価部２４は、ユーザの選択傾向に関する確率密度比を算出して、ユーザの選択傾向を評価してもよい。
　評価部２４は、例えば、過去（例えば，１日前や１か月前等）のユーザのコンテンツの選択結果集合（選択されたコンテンツの記録）と、今回のユーザのコンテンツの選択結果集合と、を用いて、確率密度比を算出する。確率密度比が１に近いほど、過去と今回の選択結果集合が類似しているといえる。そのため、評価部２４は、確率密度比と１との差が所定値より小さい場合に、ユーザの選択傾向が偏っていると評価する。
　また、評価部２４は、例えば、ユーザのコンテンツの選択結果集合（選択されたコンテンツの記録）と、基準となる選択傾向と、を用いて、確率密度比を算出する。基準となる選択傾向は、例えば、コンテンツの提供者が想定する選択傾向等である。確率密度比が１から離れるほど、ユーザの選択傾向と、基準となる選択傾向とは異なるといえる。そのため、評価部２４は、確率密度比と１との差が所定値より大きい場合に、ユーザの選択傾向が偏っていると評価する。
　（６－１４）
　以上、本開示の実施形態を説明したが、特許請求の範囲に記載された本開示の趣旨及び範囲から逸脱することなく、形態や詳細の多様な変更が可能なことが理解されるであろう。
　１０　コンテンツ提案装置
　１１　記憶部
　２２　選択受付部
　２４　評価部
　２５　決定部
　２６　提示部
国際公開第２０１６／１１１０６５号

Claims (13)

  1. 　ユーザに複数のコンテンツを提案するコンテンツ提案装置（１０）であって、
    　複数の前記コンテンツの中から、前記ユーザによる前記コンテンツの選択を受け付ける、選択受付部（２２）と、
    　前記ユーザによって選択された前記コンテンツの選択内容を記憶する、記憶部（１１）と、
    　前記選択内容に基づいて、前記ユーザの選択傾向を評価する、評価部（２４）と、
    を備え、
    　前記評価部の評価結果に基づいて、前記ユーザに提案する前記コンテンツの選出方法、又は前記ユーザに提案する前記コンテンツの提示方法、を決定する、決定部（２５）、を有する、
    コンテンツ提案装置（１０）。
  2. 　前記ユーザに前記コンテンツを提示する、提示部（２６）、
    をさらに備える、
    請求項１に記載のコンテンツ提案装置（１０）。
  3. 　前記決定部は、前記評価部によって前記ユーザの前記選択傾向が偏っていると評価された場合に、前記選出方法、又は前記提示方法、を変更する、
    請求項１又は２に記載のコンテンツ提案装置（１０）。
  4. 　前記評価部は、前記ユーザの前記選択傾向に関するエントロピーを算出し、前記エントロピーが所定値より小さい場合に、前記ユーザの前記選択傾向が偏っていると評価する、
    請求項３に記載のコンテンツ提案装置（１０）。
  5. 　前記評価部は、前記ユーザの前記選択傾向に関する分散を算出し、前記分散が所定値より小さい場合に、前記ユーザの前記選択傾向が偏っていると評価する、
    請求項３に記載のコンテンツ提案装置（１０）。
  6. 　前記評価部は、前記ユーザの前記選択傾向に関する相互情報量を算出し、前記相互情報量が所定値より大きい場合に、前記ユーザの前記選択傾向が偏っていると評価する、
    請求項３に記載のコンテンツ提案装置（１０）。
  7. 　前記評価部は、前記ユーザの前記選択傾向に関するグレンジャー因果性を算出し、前記グレンジャー因果性が所定値より大きい場合に、前記ユーザの前記選択傾向が偏っていると評価する、
    請求項３に記載のコンテンツ提案装置（１０）。
  8. 　前記評価部は、前記ユーザの前記選択傾向に関するカルバック・ライブラー情報量を算出し、前記カルバック・ライブラー情報量が所定値より小さい場合に、前記ユーザの前記選択傾向が偏っていると評価する、
    請求項３に記載のコンテンツ提案装置（１０）。
  9. 　前記評価部は、前記ユーザの前記選択傾向に関する確率密度比を算出し、前記確率密度比と１との差に基づいて、前記ユーザの前記選択傾向が偏っていると評価する、
    請求項３に記載のコンテンツ提案装置（１０）。
  10. 　前記決定部は、前記ユーザの前記選択傾向が低い前記コンテンツが選出されるように、前記選出方法を変更する、
    請求項３から９のいずれか１つに記載のコンテンツ提案装置（１０）。
  11. 　前記決定部は、前記ユーザによる選択回数が少ない前記コンテンツ、又は前記ユーザが選択したことがない前記コンテンツ、が選出されるように、前記選出方法を変更する、
    請求項３から９のいずれか１つに記載のコンテンツ提案装置（１０）。
  12. 　前記決定部は、選出される前記コンテンツの数が増える、又は減るように、前記選出方法を変更する、
    請求項３から９のいずれか１つに記載のコンテンツ提案装置（１０）。
  13. 　前記決定部は、前記ユーザの前記選択傾向が低い前記コンテンツが強調されるように、前記提示方法を変更する、
    請求項３から９のいずれか１つに記載のコンテンツ提案装置（１０）。
PCT/JP2022/047871 2021-12-24 2022-12-26 コンテンツ提案装置 WO2023120737A1 (ja)

Applications Claiming Priority (4)

Application Number Priority Date Filing Date Title
JP2021211673 2021-12-24
JP2021-211673 2021-12-24
JP2022-179553 2022-11-09
JP2022179553A JP2023095780A (ja) 2021-12-24 2022-11-09 コンテンツ提案装置

Publications (1)

Publication Number Publication Date
WO2023120737A1 true WO2023120737A1 (ja) 2023-06-29

Family

ID=86902947

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/JP2022/047871 WO2023120737A1 (ja) 2021-12-24 2022-12-26 コンテンツ提案装置

Country Status (1)

Country Link
WO (1) WO2023120737A1 (ja)

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2002041670A (ja) * 2000-05-17 2002-02-08 Matsushita Electric Ind Co Ltd 情報推薦装置、及び情報推薦システム
JP2009123124A (ja) * 2007-11-16 2009-06-04 National Institute Of Advanced Industrial & Technology 楽曲検索システム及び方法並びにそのプログラム
JP2009230334A (ja) * 2008-03-21 2009-10-08 Denso It Laboratory Inc コンテンツ提示装置、コンテンツ提示方法、およびプログラム
JP2016062333A (ja) * 2014-09-18 2016-04-25 株式会社日立製作所 検索サーバ、及び検索方法
WO2016111065A1 (ja) * 2015-01-09 2016-07-14 ソニー株式会社 情報処理システム、情報処理装置、制御方法、およびプログラム
JP2017199362A (ja) * 2016-04-29 2017-11-02 富士通株式会社 非定常時系列データの予測に用いる方法及び装置
JP2019159539A (ja) * 2018-03-09 2019-09-19 オムロン株式会社 メタデータ評価装置、メタデータ評価方法、およびメタデータ評価プログラム

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2002041670A (ja) * 2000-05-17 2002-02-08 Matsushita Electric Ind Co Ltd 情報推薦装置、及び情報推薦システム
JP2009123124A (ja) * 2007-11-16 2009-06-04 National Institute Of Advanced Industrial & Technology 楽曲検索システム及び方法並びにそのプログラム
JP2009230334A (ja) * 2008-03-21 2009-10-08 Denso It Laboratory Inc コンテンツ提示装置、コンテンツ提示方法、およびプログラム
JP2016062333A (ja) * 2014-09-18 2016-04-25 株式会社日立製作所 検索サーバ、及び検索方法
WO2016111065A1 (ja) * 2015-01-09 2016-07-14 ソニー株式会社 情報処理システム、情報処理装置、制御方法、およびプログラム
JP2017199362A (ja) * 2016-04-29 2017-11-02 富士通株式会社 非定常時系列データの予測に用いる方法及び装置
JP2019159539A (ja) * 2018-03-09 2019-09-19 オムロン株式会社 メタデータ評価装置、メタデータ評価方法、およびメタデータ評価プログラム

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
YOSHINOBU SAKURAI, KOH FUJIMURA: "Artist Recommendation for Expanding Musical Preference", IEICE TECHNICAL REPORT, vol. 109, no. 160 (LOIS2009-17), 23 July 2009 (2009-07-23), pages 115 - 120, XP009546525, ISSN: 0913-5685 *

Similar Documents

Publication Publication Date Title
US11748397B2 (en) Dynamic feedback in a recommendation system
US7552060B2 (en) Method for determining compatibility
US20010013009A1 (en) System and method for computer-based marketing
US20080294655A1 (en) Method and apparatus for generation of a user profile
EP2954478A1 (en) Matching users of a network based on profile data
JP2005536816A (ja) 統計的特定個人推奨システム
CN109862431B (zh) 一种基于mcl-hcf算法的电视节目混合推荐方法
US10733561B2 (en) System and method for analyzing media for talent discovery
Hogg et al. Disentangling the effects of social signals
Liang et al. Personalized recommendations for music genre exploration
KR102339377B1 (ko) 사용자 맞춤형 문화 예술 컨텐츠 제공 방법 및 장치
US11334836B2 (en) System and method for analyzing media for talent discovery
WO2023120737A1 (ja) コンテンツ提案装置
JP2023095780A (ja) コンテンツ提案装置
Lee et al. More eagerness, more suffering from search bias: Accuracy incentives and need for cognition exacerbate the detrimental effects of excessive searching in finding romantic partners online
AU2018297311A1 (en) System and method for analyzing media for talent discovery
KR101820250B1 (ko) 사용자 맞춤형 스포츠 콘텐츠 큐레이션 방법 및 시스템
Sands Does stylistic similarity to popular competitors affect consumer evaluations of quality? Evidence from online movie evaluations
KR101820249B1 (ko) 콘텐츠 인포메틱스 제공 시스템 및 이의 사용자 맞춤형 스포츠 콘텐츠 큐레이션을 위한 프로파일 처리 방법
土方嘉徳 Relationship between User Rating Behavior and Personality in Recommender Systems
KR20230165694A (ko) 사용자 프로필 정보 기반 커뮤니티 추천 서비스 제공 방법 및 시스템
CN117312659A (zh) 一种计算机绘画所需的特征标签和提示词生成方法
Johnson et al. PERSONALITY PREDICTION APP USING BIG-FIVE TRAITS

Legal Events

Date Code Title Description
121 Ep: the epo has been informed by wipo that ep was designated in this application

Ref document number: 22911438

Country of ref document: EP

Kind code of ref document: A1