コンテンツ推薦装置、コンテンツ推薦方法、及びコンテンツ推薦プログラム
【課題】サーバ装置の保持する全てのコンテンツのメタデータを受信することなくコンテンツを推薦すること。
【解決手段】コンテンツリスト受信部１０７は検索条件をサーバ装置３に送信して検索させ、サーバ装置３から検索条件に基づくコンテンツリストを受信し、コンテンツリスト記憶部１１７に記憶する。パラメータ生成部１１５は、コンテンツリスト記憶部１１７からコンテンツリストを読み出し、嗜好情報記憶部１１２からユーザの嗜好情報を読み出し、前記コンテンツリストに掲載されたコンテンツのメタデータと、読み出された嗜好情報とに基づいてコンテンツの嗜好度を算出するためのパラメータを生成する。コンテンツ推薦部１０５は、ユーザの操作により検索されたコンテンツの嗜好度を算出し、コンテンツの嗜好度に基づいてコンテンツリストを並び替え出力する。
【解決手段】コンテンツリスト受信部１０７は検索条件をサーバ装置３に送信して検索させ、サーバ装置３から検索条件に基づくコンテンツリストを受信し、コンテンツリスト記憶部１１７に記憶する。パラメータ生成部１１５は、コンテンツリスト記憶部１１７からコンテンツリストを読み出し、嗜好情報記憶部１１２からユーザの嗜好情報を読み出し、前記コンテンツリストに掲載されたコンテンツのメタデータと、読み出された嗜好情報とに基づいてコンテンツの嗜好度を算出するためのパラメータを生成する。コンテンツ推薦部１０５は、ユーザの操作により検索されたコンテンツの嗜好度を算出し、コンテンツの嗜好度に基づいてコンテンツリストを並び替え出力する。
【発明の詳細な説明】
【技術分野】
【０００１】
本発明は、コンテンツを推薦するコンテンツ推薦装置、コンテンツ推薦方法、及びコンテンツ推薦プログラムに関するものである。
【背景技術】
【０００２】
コンテンツの内容を説明するメタデータを用いてコンテンツを推薦するコンテンツ推薦装置として、例えば、ユーザＩＤ及びユーザの状況（例えば、時刻情報など）に基づき、ユーザの再生（視聴）履歴であるユーザプロファイルをプロファイルデータベースから取得し、各コンテンツの推薦度のスコア値を計算して、各コンテンツの推薦度のスコア値に基づき、コンテンツをスコア順に並べ替え、推薦するコンテンツのリストを推薦結果として表示することにより、ユーザに負担をかけることなく、ユーザの状況に応じた最適なコンテンツを推薦するようにしたコンテンツ推薦装置が提案されている（例えば、特許文献１の段落番号[００４７]〜[００６２]等参照。）。
【先行技術文献】
【特許文献】
【０００３】
【特許文献１】特開２００５−１６５４５４号公報
【発明の概要】
【発明が解決しようとする課題】
【０００４】
しかし、前記特許文献１に記載のコンテンツ推薦装置では、クライアント端末は、サーバ装置から配信されるコンテンツのメタデータを用いて、ユーザが視聴するであろうコンテンツの推薦を、ユーザの状況に応じたユーザの嗜好を考慮してユーザに提示しているため、サーバ装置が有する膨大な数のコンテンツのメタデータをクライアント端末に送信した場合、サーバ装置や、ネットワーク、クライアント端末に大きな負荷をかける、という課題がある。
【０００５】
そこで、本発明は、サーバ装置の保持する全てのコンテンツのメタデータを受信することなくコンテンツを推薦することができる、コンテンツ推薦装置、コンテンツ推薦方法およびコンテンツ推薦プログラムを提供することを目的とする。
【課題を解決するための手段】
【０００６】
上記目的を達成するため、本発明に係るコンテンツ推薦装置の第１の特徴は、ユーザの操作により入力された検索条件をサーバ装置に対し送信してコンテンツを検索させ、当該サーバ装置から前記検索条件に基づくコンテンツリストを受信するコンテンツリスト受信手段と、前記コンテンツリストを記憶するコンテンツリスト記憶手段と、前記検索条件を検索履歴として記憶する検索履歴記憶手段と、前記検索履歴に基づいて前記ユーザの嗜好情報を生成する嗜好情報生成手段と、前記ユーザの嗜好情報を記憶する嗜好情報記憶手段と、前記コンテンツリスト記憶手段から前記コンテンツリストを読み出すと共に、前記嗜好情報記憶手段から前記ユーザの嗜好情報を読み出し、前記コンテンツリストに掲載されたコンテンツのメタデータと、前記読み出された嗜好情報とに基づいて前記コンテンツの嗜好度を算出するためのパラメータを生成するパラメータ生成手段と、前記パラメータに基づいて、ユーザの操作により検索された前記コンテンツの嗜好度を算出し、算出した前記コンテンツの嗜好度に基づいて前記コンテンツリストを並び替えて出力するコンテンツ推薦手段と、を備えたことにある。
【０００７】
上記目的を達成するため、本発明に係るコンテンツ推薦装置の第２の特徴は、前記サーバ装置から受信したコンテンツを再生するコンテンツ再生手段と、前記コンテンツ再生手段により再生されたコンテンツの識別情報を再生履歴として記憶する再生履歴記憶手段と、を更に備え、前記嗜好情報生成手段は、前記検索履歴記憶手段に記憶された検索履歴と、前記再生履歴記憶手段に記憶された再生履歴とに基づいて、前記ユーザの嗜好情報を生成することにある。
【０００８】
上記目的を達成するため、本発明に係るコンテンツ推薦装置の第３の特徴は、前記パラメータ生成手段は、受信した前記メタデータと、前記嗜好情報とに基づいて、受信した前記メタデータの嗜好度を算出すると共に、前記再生履歴を読み出し、読み出した前記再生履歴に基づいて前記コンテンツリストに掲載されたコンテンツを再生したか否かを判定し、前記メタデータの嗜好度を入力値とし、かつ、前記コンテンツを再生したか否かの判定結果を出力層への教師信号として教師あり学習を行い、前記コンテンツの嗜好度を算出するためのパラメータを生成し、前記コンテンツ推薦手段は、前記ニューラルネットワークに前記パラメータを適用し、かつ、前記メタデータの嗜好度を入力値として前記コンテンツの嗜好度を算出し、算出した前記コンテンツの嗜好度に基づいて前記コンテンツリストを並び替えて出力することにある。
【０００９】
上記目的を達成するため、本発明に係るコンテンツ推薦方法の第１の特徴は、ユーザの操作により入力された検索条件をサーバ装置に対し送信してコンテンツを検索させ、当該サーバ装置から前記検索条件に基づくコンテンツリストを受信するコンテンツリスト受信ステップと、前記コンテンツリストをコンテンツリスト記憶手段に記憶させるコンテンツリスト記憶ステップと、前記検索条件を検索履歴として検索履歴記憶手段に記憶させる検索履歴記憶ステップと、前記検索履歴に基づいて前記ユーザの嗜好情報を生成する嗜好情報生成ステップと、前記ユーザの嗜好情報を嗜好情報記憶手段に記憶させる嗜好情報記憶ステップと、前記コンテンツリスト記憶手段から前記コンテンツリストを読み出すと共に、前記嗜好情報記憶手段から前記ユーザの嗜好情報を読み出し、前記コンテンツリストに掲載されたコンテンツのメタデータと、前記読み出された嗜好情報とに基づいて前記コンテンツの嗜好度を算出するためのパラメータを生成するパラメータ生成ステップと、前記パラメータに基づいて、ユーザの操作により検索された前記コンテンツの嗜好度を算出し、算出した前記コンテンツの嗜好度に基づいて前記コンテンツリストを並び替えて出力するコンテンツ推薦ステップと、を有することにある。
【００１０】
上記目的を達成するため、本発明に係るコンテンツ推薦方法の第２の特徴は、前記サーバ装置から受信したコンテンツを再生するコンテンツ再生ステップと、前記コンテンツ再生ステップにより再生されたコンテンツの識別情報を再生履歴として再生履歴記憶手段に記憶させる再生履歴記憶ステップと、を更に有し、前記嗜好情報生成ステップは、前記検索履歴記憶手段に記憶された検索履歴と、前記再生履歴記憶手段に記憶された再生履歴とに基づいて、前記ユーザの嗜好情報を生成することにある。
【００１１】
上記目的を達成するため、本発明に係るコンテンツ推薦方法の第３の特徴は、前記パラメータ生成ステップは、受信した前記メタデータと、前記嗜好情報とに基づいて、受信した前記メタデータの嗜好度を算出すると共に、前記再生履歴を読み出し、読み出した前記再生履歴に基づいて前記コンテンツリストに掲載されたコンテンツを再生したか否かを判定し、前記メタデータの嗜好度を入力値とし、かつ、前記コンテンツを再生したか否かの判定結果を出力層への教師信号として教師あり学習を行い、前記コンテンツの嗜好度を算出するためのパラメータを生成し、前記コンテンツ推薦ステップは、前記ニューラルネットワークに前記パラメータを適用し、かつ、前記メタデータの嗜好度を入力値として前記コンテンツの嗜好度を算出し、算出した前記コンテンツの嗜好度に基づいて前記コンテンツリストを並び替えて出力することにある。
【００１２】
上記目的を達成するため、本発明に係るコンテンツ推薦プログラムの第１の特徴は、ユーザの操作により入力された検索条件をサーバ装置に対し送信してコンテンツを検索させ、当該サーバ装置から前記検索条件に基づくコンテンツリストを受信するコンテンツリスト受信ステップと、前記コンテンツリストをコンテンツリスト記憶手段に記憶させるコンテンツリスト記憶ステップと、前記検索条件を検索履歴として検索履歴記憶手段に記憶させる検索履歴記憶ステップと、前記検索履歴に基づいて前記ユーザの嗜好情報を生成する嗜好情報生成ステップと、前記ユーザの嗜好情報を嗜好情報記憶手段に記憶させる嗜好情報記憶ステップと、前記コンテンツリスト記憶手段から前記コンテンツリストを読み出すと共に、前記嗜好情報記憶手段から前記ユーザの嗜好情報を読み出し、前記コンテンツリストに掲載されたコンテンツのメタデータと、前記読み出された嗜好情報とに基づいて前記コンテンツの嗜好度を算出するためのパラメータを生成するパラメータ生成ステップと、前記パラメータに基づいて、ユーザの操作により検索された前記コンテンツの嗜好度を算出し、算出した前記コンテンツの嗜好度に基づいて前記コンテンツリストを並び替えて出力するコンテンツ推薦ステップとを、コンピュータに実行させることにある。
【００１３】
上記目的を達成するため、本発明に係るコンテンツ推薦プログラムの第２の特徴は、前記サーバ装置から受信したコンテンツを再生するコンテンツ再生ステップと、前記コンテンツ再生ステップにより再生されたコンテンツの識別情報を再生履歴として再生履歴記憶手段に記憶させる再生履歴記憶ステップと、を更に前記コンピュータに実行させ、前記嗜好情報生成ステップは、前記検索履歴記憶手段に記憶された検索履歴と、前記再生履歴記憶手段に記憶された再生履歴とに基づいて、前記ユーザの嗜好情報を生成することにある。
【００１４】
上記目的を達成するため、本発明に係るコンテンツ推薦プログラムの第３の特徴は、前記パラメータ生成ステップは、受信した前記メタデータと、前記嗜好情報とに基づいて、受信した前記メタデータの嗜好度を算出すると共に、前記再生履歴を読み出し、読み出した前記再生履歴に基づいて前記コンテンツリストに掲載されたコンテンツを再生したか否かを判定し、前記メタデータの嗜好度を入力値とし、かつ、前記コンテンツを再生したか否かの判定結果を出力層への教師信号として教師あり学習を行い、前記コンテンツの嗜好度を算出するためのパラメータを生成し、前記コンテンツ推薦ステップは、前記ニューラルネットワークに前記パラメータを適用し、かつ、前記メタデータの嗜好度を入力値として前記コンテンツの嗜好度を算出し、算出した前記コンテンツの嗜好度に基づいて前記コンテンツリストを並び替えて出力することにある。
【発明の効果】
【００１５】
本発明に係るコンテンツ推薦装置、コンテンツ推薦方法およびコンテンツ推薦プログラムによれば、サーバ装置が保持する全てのコンテンツのメタデータを受信することなく、ユーザの嗜好に合ったコンテンツを推薦することができる。
【図面の簡単な説明】
【００１６】
【図１】本発明の実施例１であるコンテンツ嗜好装置とサーバ装置との接続例を示す構成図である。
【図２】本発明の実施例１のコンテンツ推薦装置の構成例を示す構成図である。
【図３】本発明の実施例１のサーバ装置の構成例を示す構成図である。
【図４】本発明の実施例１のコンテンツ推薦装置のコンテンツ検索部におけるコンテンツ検索処理を示すフローチャートである。
【図５】本発明の実施例１のコンテンツ推薦装置のコンテンツ検索部におけるコンテンツ検索処理により表示される検索条件の入力画面の例を示す図である。
【図６】本発明の実施例１のコンテンツ推薦装置のコンテンツ検索部におけるコンテンツ検索処理により表示される検索結果のコンテンツリスト画面の一例である。
【図７】本発明の実施例１のコンテンツ推薦装置のコンテンツ再生部におけるコンテンツ再生処理を示すフローチャートである。
【図８】本発明の実施例１のコンテンツ推薦装置の嗜好情報生成部における嗜好情報生成処理のうちの１周期分の主要な処理を示すフローチャートである。
【図９】本発明の実施例１のコンテンツ推薦装置の嗜好情報生成部における再生履歴分析処理の詳細を示すフローチャートである。
【図１０】本発明の実施例１のコンテンツ推薦装置の嗜好情報生成部における検索履歴分析処理の詳細を示すフローチャートである。
【図１１】本発明の実施例１のコンテンツ推薦装置のパラメータ生成部におけるパラメータ生成処理のうちの１周期分の主要な処理を示すフローチャートである。
【図１２】本発明の実施例１のコンテンツ推薦装置におけるパラメータ生成処理で用いるニューラルネットワークの構成例を示す図である。
【図１３】本発明の実施例１のコンテンツ推薦装置のコンテンツ推薦部におけるコンテンツ推薦処理を示すフローチャートである。
【図１４】本発明の実施例２のコンテンツ推薦装置の構成例を示す構成図である。
【図１５】本発明の実施例２のコンテンツ推薦装置のコンテンツ分析部におけるコンテンツ分析処理のうちの１周期分の主要な処理を示すフローチャートである。
【発明を実施するための形態】
【００１７】
以下、本発明のコンテンツ推薦装置、コンテンツ推薦方法、及びコンテンツ推薦プログラムの実施例について説明する。
【実施例１】
【００１８】
まず、本発明のコンテンツ推薦装置、コンテンツ推薦方法、及びコンテンツ推薦プログラムの実施例１について説明する。
【００１９】
＜コンテンツ推薦装置とサーバ装置３との接続＞
図１は、本発明に係る実施例１のコンテンツ推薦装置を、ネットワークを介してサーバ装置に接続する接続例を示す構成図である。
【００２０】
図１に示すように、本発明に係る実施例１の複数のコンテンツ推薦装置１は、ネットワーク２を介してサーバ装置３と接続されている。
【００２１】
コンテンツ推薦装置１は、ネットワーク２を介してサーバ装置３に対して、コンテンツの送信を要求するコンテンツ送信要求信号を送信すると、サーバ装置３は、ネットワーク２を介してコンテンツ推薦装置１から受信したコンテンツ送信要求信号に対する応答として、コンテンツ推薦装置１にコンテンツを送信する。
【００２２】
また、コンテンツ推薦装置１は、ネットワーク２を介してサーバ装置３に対して、検索の実行を要求する検索実行要求信号を送信すると、サーバ装置３は、ネットワーク２を介してコンテンツ推薦装置１から受信した検索実行要求信号に対する応答として、コンテンツ推薦装置１に対し、検索結果であるコンテンツの題名（番組名）や簡単な内容紹介、サムネイル等が記述されたリスト、すなわちコンテンツリストを送信する。
【００２３】
また、コンテンツ推薦装置１は、ネットワーク２を介してサーバ装置３に対して、コンテンツのメタデータの送信を要求するメタデータ送信要求信号を送信すると、サーバ装置３は、ネットワーク２を介してコンテンツ推薦装置１から受信したメタデータ送信要求信号に対する応答として、コンテンツ推薦装置１に要求されたコンテンツのメタデータを送信する。
【００２４】
＜コンテンツ推薦装置の構成＞
まず、実施例１のコンテンツ推薦装置１の構成について説明する。
【００２５】
図２は、実施例１のコンテンツ推薦装置１の構成例を示す構成図である。
【００２６】
図２において、実施例１のコンテンツ推薦装置１は、出力部１０１と、入力部１０２と、コンテンツ再生部１０３と、コンテンツ検索部１０４と、コンテンツ推薦部１０５と、コンテンツ受信部１０６と、コンテンツリスト受信部１０７と、メタデータ受信部１０８と、ネットワーク接続部１０９と、履歴収集部１１０と、嗜好情報生成部１１１と、嗜好情報記憶部１１２と、検索履歴記憶部１１３と、再生履歴記憶部１１４と、パラメータ生成部１１５と、パラメータ記憶部１１６と、コンテンツリスト記憶部１１７とを備える。
【００２７】
出力部１０１は、液晶ディスプレイ等の画像出力装置、スピーカー等の音声出力装置を備え、コンテンツ再生部１０３、コンテンツ検索部１０４、またはコンテンツ推薦部１０５から供給された映像や音声を再生して出力するものである。
【００２８】
入力部１０２は、リモコン等の入力装置を備え、ユーザの操作によりコンテンツの再生、コンテンツの検索、推薦コンテンツの表示等の操作信号を生成してコンテンツ再生部１０３、コンテンツ検索部１０４、及びコンテンツ推薦部１０５へ供給するものである。
【００２９】
コンテンツ再生部１０３は、入力部１０２からコンテンツ識別情報と共にコンテンツの再生操作信号が供給されると、コンテンツ受信部１０６に対し入力部１０２から供給されたコンテンツ識別情報と共に、サーバ装置３に対しコンテンツの送信を要求するコンテンツ送信要求信号を出力し、コンテンツ受信部１０６が受信したコンテンツを出力部１０１で出力可能な形式の映像や音声の信号に変換して、出力部１０１に供給することによりコンテンツを再生すると共に、履歴収集部１１０に対し入力部１０２から供給されたコンテンツ識別情報を、再生履歴（視聴履歴）として出力するものである。
【００３０】
コンテンツ検索部１０４は、入力部１０２から検索条件と共にコンテンツの検索を指示する操作信号が供給されると、コンテンツリスト受信部１０７に対し入力部１０２から供給された検索条件と共にコンテンツの検索の実行をサーバ装置３に対し要求する検索実行要求信号を出力し、コンテンツリスト受信部１０７が受信した検索結果であるコンテンツリストを出力部１０１で出力するための形式に変換して、出力部１０１に供給すると共に、履歴収集部１１０に対し入力部１０２から供給された検索条件を、検索履歴として出力するものである。
【００３１】
コンテンツ推薦部１０５は、入力部１０２からコンテンツの推薦を指示する操作信号が供給されると、嗜好情報記憶部１１２から嗜好情報を読み出し、読み出した嗜好情報をコンテンツリスト受信部１０７に検索を実行させるための検索条件に変換し、コンテンツリスト受信部１０７にこの検索条件と共に検索実行要求信号を出力するものである。
【００３２】
また、コンテンツ推薦部１０５は、パラメータ記憶部１１６からパラメータ生成部１１５がニューラルネットワークを用いたバックプロパゲーションにより学習したパラメータを読み出し、読み出したパラメータによりパラメータ生成部１１５と同じニューラルネットワークを構築して、メタデータの嗜好度を入力値としてコンテンツの嗜好度を算出し、コンテンツリスト受信部１０７から供給される検索結果のコンテンツリストをコンテンツの嗜好度に基づいて並び替え、並び替えたコンテンツリストを出力部１０１で出力するための形式に変換し、推薦コンテンツリストとして出力部１０１に供給する。
【００３３】
コンテンツ受信部１０６は、コンテンツ再生部１０３からコンテンツ識別情報と共にコンテンツの受信を指示する信号が供給されると、ネットワーク接続部１０９を介してサーバ装置３（図１参照）に対し、コンテンツ再生部１０３から供給されたコンテンツ識別情報により識別されるコンテンツ送信要求信号を送信し、サーバ装置３から送信されるコンテンツを受信して、受信したコンテンツをコンテンツ再生部１０３に供給するものである。
【００３４】
コンテンツリスト受信部１０７は、コンテンツ検索部１０４またはコンテンツ推薦部１０５から検索条件と共に検索実行要求信号が供給されると、ネットワーク接続部１０９を介してネットワーク２に接続されたサーバ装置３に対し、コンテンツ検索部１０４またはコンテンツ推薦部１０５から供給された検索条件による検索実行要求信号を送信し、サーバ装置３に検索を実行させ、サーバ装置における検索結果であるコンテンツリストを受信し、受信したコンテンツリストをコンテンツ検索部１０４またはコンテンツ推薦部１０５に供給すると共に、コンテンツリスト記憶部１１７に記憶するものである。
【００３５】
メタデータ受信部１０８は、嗜好情報生成部１１１またはパラメータ生成部１１５からコンテンツ識別情報と共に、サーバ装置３に対しメタデータの送信を要求するメタデータ送信要求信号が供給されると、ネットワーク接続部１０９を介してネットワーク２に接続されたサーバ装置３に対し、嗜好情報生成部１１１またはパラメータ生成部１１５から供給されたコンテンツ識別情報により識別されるコンテンツのメタデータ送信要求信号を送信し、サーバ装置３から送信されたメタデータを受信し、受信したメタデータを嗜好情報生成部１１１またはパラメータ生成部１１５に供給するものである。
【００３６】
なお、本実施例１におけるコンテンツのメタデータとは、番組コンテンツや、映像コンテンツ、音楽コンテンツ等のコンテンツの内容についての情報であり、例えば、番組タイトルや、内容記述、ジャンル、時間の長さ、言語等の情報を含むものである。
【００３７】
ネットワーク接続部１０９は、ネットワークカードなどの通信インタフェースであり、このネットワーク接続部１０９によりネットワーク２に接続することによって、ネットワーク２に接続されたサーバ装置３と通信するものである。
【００３８】
履歴収集部１１０は、コンテンツ再生部１０３から再生したコンテンツの識別情報が供給されると、供給されたコンテンツ識別情報を再生履歴（視聴履歴）として再生履歴記憶部１１４に記憶させると共に、コンテンツ検索部１０４から検索条件が供給されると、供給された検索条件を検索履歴として検索履歴記憶部１１３に記憶させるものである。
【００３９】
嗜好情報生成部１１１は、例えば、１日や、１２時間、１週間等の予め定められた時間間隔で定期的に動作し、再生履歴記憶部１１４から再生履歴として記憶された再生コンテンツ識別情報を読み出し、読み出した再生コンテンツ識別情報と共に、サーバ装置３に再生コンテンツのメタデータの送信を要求するメタデータ送信要求信号をメタデータ受信部１０８に対し出力すると共に、検索履歴記憶部１１３から検索履歴としての検索条件を読み出し、メタデータ受信部１０８から供給されるメタデータと、検索履歴記憶部１１３から読み出した検索条件とに基づいて嗜好情報を生成し、生成した嗜好情報を嗜好情報記憶部１１２に記憶するものである。
【００４０】
嗜好情報記憶部１１２は、例えば、ハードディスクやメモリ等の記憶装置により構成され、嗜好情報を記憶するものである。
【００４１】
検索履歴記憶部１１３は、例えば、ハードディスクやメモリ等の記憶装置により構成され、検索履歴として複数の検索条件を記憶するものである。
【００４２】
再生履歴記憶部１１４は、例えばハードディスクやメモリ等の記憶装置により構成され、再生履歴として再生したコンテンツのコンテンツ識別情報を記憶するものである。
【００４３】
パラメータ生成部１１５は、例えば、１日や、１２時間、１週間等の予め定められた時間間隔で定期的に動作し、コンテンツリスト記憶部１１７に検索結果として記憶されたコンテンツリストからコンテンツ識別情報を読み出すと共に、再生履歴記憶部１１４に再生履歴として記憶されたコンテンツ識別情報を読み出し、コンテンツリストに掲載された各コンテンツについて、そのコンテンツを再生したか否かを判別し、コンテンツリストに掲載された各コンテンツについて、メタデータ受信部１０８に対しコンテンツ識別情報と共にメタデータ送信要求信号を出力し、メタデータ受信部１０８から供給されるメタデータと、コンテンツリスト記憶部１１７から読み出したコンテンツリストに掲載されたコンテンツ識別情報と、コンテンツの再生履歴とに基づいて、例えば、ニューラルネットワークを用いたバックプロパゲーション等の教師あり学習による機械学習によりパラメータの生成を行って、生成したパラメータをパラメータ記憶部１１６に記憶するものである。ここで、本実施例では、ユーザの嗜好情報として、ユーザの再生履歴を使用しているが、本発明では、これに限らず、例えば、ユーザの検索履歴等を使用しても良い。また、本実施例では、メタデータ受信部１０８からサーバ装置３に対しコンテンツ識別情報と共にメタデータ送信要求信号が送られ、メタデータ受信部１０８がサーバ装置３からメタデータを受信するように説明するが、本発明では、これに限らず、コンテンツリストやコンテンツ自体等に初めから各コンテンツのメタデータが含まれていたりしても良い。また、本実施例では、ニューラルネットワークを用いたバックプロパゲーション等の教師あり学習による機械学習により説明しているが、これも一例であり、コンテンツリストに掲載されたコンテンツ識別情報と、コンテンツの再生履歴とに基づいて、パラメータの生成が可能であれば、他の方法でも勿論良い。
【００４４】
パラメータ記憶部１１６は、例えばハードディスクやメモリ等の記憶装置により構成され、パラメータ生成の際のパラメータを記憶するものである。
【００４５】
コンテンツリスト記憶部１１７は、例えばハードディスクやメモリ等の記憶装置により構成され、コンテンツの検索結果として複数のコンテンツ識別情報が記述されたコンテンツリストを記憶するものである。
【００４６】
なお、本実施例１のコンテンツ推薦装置１は、嗜好情報記憶部１１２、検索履歴記憶部１１３、再生履歴記憶部１１４、パラメータ記憶部１１６、及びコンテンツリスト記憶部１１７を別々の記憶装置として構成しているが、各々の記憶部を部分的に共用したり、全ての記憶部を１つの記憶装置で共用したりする構成としてもよい。
【００４７】
また、本実施例１のコンテンツ推薦装置１は、検索履歴記憶部１１３と、再生履歴記憶部１１４のどちらか一方のみを備える構成としてもよい。この場合、嗜好情報生成部１１１は、検索履歴記憶部１１３から読み出した検索履歴として複数の検索条件、または再生履歴記憶部１１４から読み出した再生履歴として複数のコンテンツ識別情報それぞれについてメタデータ受信部１０８に受信させて供給されたメタデータのどちらか一方のみを分析し、嗜好情報を生成する。
【００４８】
＜サーバ装置の構成＞
次に、サーバ装置３の構成について説明する。
【００４９】
図３は、本実施例１のサーバ装置の構成例を示す構成図である。
【００５０】
サーバ装置３は、ネットワーク接続部３０１と、受信部３０２と、メタデータ送信部３０３と、検索部３０４と、コンテンツ送信部３０５と、メタデータ記憶部３０６と、コンテンツ記憶部３０７とを備える。
【００５１】
ネットワーク接続部３０１は、ネットワークカードなどの通信インタフェースであり、このネットワーク接続部３０１によりネットワーク２に接続することによって、ネットワーク２に接続されたコンテンツ推薦装置１と通信するものである。
【００５２】
受信部３０２は、ネットワーク接続部３０１を介してネットワーク２に接続された本実施例１のコンテンツ推薦装置１と通信し、コンテンツ推薦装置１から送信されたコンテンツ識別情報により識別されるコンテンツ送信要求信号を受信すると、受信したコンテンツ識別情報により識別されるコンテンツを読み出させるためのコンテンツ読出し要求信号をコンテンツ送信部３０５に出力し、コンテンツ送信部３０５からコンテンツが供給されると、供給されたコンテンツをネットワーク２を介してコンテンツ推薦装置１に送信するものである。
【００５３】
また、受信部３０２は、コンテンツ推薦装置１から送信された検索実行要求信号を受信すると、受信した検索実行要求信号を検索部３０４に出力し、検索部３０４から検索結果であるコンテンツリストが供給されると、供給されたコンテンツリストをネットワーク２を介してコンテンツ推薦装置１に送信するものである。
【００５４】
また、受信部３０２は、コンテンツ推薦装置１から送信されたコンテンツ識別情報により識別されるコンテンツのメタデータ送信要求信号を受信すると、受信したコンテンツ識別情報により識別されるコンテンツのメタデータを読み出させるためのメタデータ読出し信号をメタデータ送信部３０３に出力し、メタデータ送信部３０３から供給されたメタデータをコンテンツ推薦装置１に送信する。
【００５５】
メタデータ送信部３０３は、受信部３０２からコンテンツ識別情報により識別されるコンテンツのメタデータ読出し信号が供給されると、コンテンツ識別情報により識別されるコンテンツのメタデータをメタデータ記憶部３０６から読み出し、メタデータを受信部３０２に供給するものである。
【００５６】
検索部３０４は、受信部３０２から検索実行要求信号が供給されると、メタデータ記憶部３０６からコンテンツのメタデータを読み出し、読み出したコンテンツのメタデータから検索条件に合致するコンテンツを選択し、選択したコンテンツのリストを検索結果として受信部３０２に供給するものである。
【００５７】
コンテンツ送信部３０５は、受信部３０２からコンテンツ識別情報により識別されるコンテンツ読出し指示信号が供給されると、供給されたコンテンツ識別情報により識別されるコンテンツをコンテンツ記憶部３０７から読み出し、読み出したコンテンツを受信部３０２に供給するものである。
【００５８】
メタデータ記憶部３０６は、例えばハードディスクやメモリ等の記憶装置により構成され、予めコンテンツのメタデータを記憶している。
【００５９】
コンテンツ記憶部３０７は、例えばハードディスクやメモリ等の記憶装置により構成され、予めコンテンツを記憶している。
【００６０】
なお、本実施例１のサーバ装置３でも、メタデータ記憶部３０６、及びコンテンツ記憶部３０７を別々の記憶装置として構成しているが、各々の記憶部を部分的に共用したり、全ての記憶部を１つの記憶装置で共用したりする構成としてもよい。
【００６１】
＜コンテンツ推薦装置の動作＞
次に、図２に示す本実施例１のコンテンツ推薦装置１の動作について説明する。
【００６２】
≪コンテンツ検索処理≫
まずは、本実施例１のコンテンツ推薦装置１のコンテンツ検索部１０４におけるコンテンツ検索処理の詳細について説明する。
【００６３】
図４は、本実施例１のコンテンツ推薦装置１のコンテンツ検索部１０４におけるコンテンツ検索処理を示すフローチャートである。
【００６４】
コンテンツ推薦装置１のコンテンツ検索部１０４は、入力部１０２からコンテンツ検索の開始を指示する操作信号が供給されると、コンテンツ検索処理を開始し、検索条件の入力画面を出力部１０１に表示させる（ステップＳ４０１）。
【００６５】
次に、コンテンツ検索部１０４は、検索の指示があったか否かを判定する（ステップＳ４０２）。具体的には、コンテンツ検索部１０４は、ステップＳ４０１の処理により出力部１０１に表示された検索条件の入力画面において、ユーザが入力操作を行うことにより、入力部１０２から、検索条件と共にコンテンツの検索を指示する操作信号が供給されたか否かを判定する。
【００６６】
ステップＳ４０２において、検索の指示があったと判定された場合、コンテンツ検索部１０４は、ユーザにより入力された検索条件を、履歴収集部１１０に検索履歴として記録させると共に（ステップＳ４０３）、検索を実行する（ステップＳ４０４）。具体的には、コンテンツ検索部１０４は、入力部１０２から供給された検索条件と共に検索実行要求信号をコンテンツリスト受信部１０７に供給し、コンテンツリスト受信部１０７から供給される検索結果のコンテンツリストを受け取る。
【００６７】
コンテンツ検索部１０４は、ステップＳ４０４にてコンテンツリスト受信部１０７からサーバ装置３におけるコンテンツの検索結果であるコンテンツリストを受け取ると、そのコンテンツリストを出力部１０１で出力するための形式に変換し、出力部１０１に出力して表示する（ステップＳ４０５）。
【００６８】
図５は、図４のステップＳ４０１により出力部１０１に表示される検索条件の入力画面の例を示す図である。
【００６９】
図５において、出力部１０１に表示される、検索条件の入力画面５０は、キーワード入力欄５０１と、ジャンル選択欄５０２と、時間選択欄５０３と、言語選択欄５０４と、検索ボタン５０５とを備える。
【００７０】
キーワード入力欄５０１は、検索に使用するキーワードをテキストで入力する欄である。
【００７１】
ジャンル選択欄５０２は、検索の対象とするコンテンツのジャンルを、予め定められた選択肢の中から選択する欄である。ジャンルの選択肢は、例えば、「バラエティ」「スポーツ」「音楽」等のコンテンツの内容を示すジャンルと、すべてのジャンルのコンテンツを検索の対象とすることを示す「すべてのジャンル」とにより構成される。
【００７２】
時間選択欄５０３は、検索の対象とするコンテンツの時間の長さの範囲を、予め定められた選択肢の中から選択する欄である。時間の選択肢は、例えば、「５分未満」、「５分から３０分」、「３０分以上」等の時間の長さの範囲を示すものと、すべての時間のコンテンツを検索の対象とすることを示す「すべての長さ」とにより構成される。
【００７３】
言語選択欄５０４は、検索の対象とするコンテンツの言語を、予め定められた選択肢の中から選択する欄である。言語の選択肢は、例えば、「日本語」、「英語」、「フランス語」等の言語と、すべての言語のコンテンツを検索の対象とすることを示す「すべての言語」とにより構成される。
【００７４】
検索ボタン５０５は、検索の実行を指示するためのボタンである。ユーザが検索ボタン５０５を押すと、キーワード入力欄５０１に入力されたキーワード、及びジャンル選択欄５０２、時間選択欄５０３、及び言語選択欄５０４で選択された選択肢の組を検索条件として、コンテンツ検索の開始を指示する操作信号がコンテンツ検索部１０４に供給される。
【００７５】
図６は、図４のステップＳ４０５の処理により出力部１０１に表示される検索結果のコンテンツリスト画面の一例である。
【００７６】
ステップＳ４０４の検索実行処理により、コンテンツリスト受信部１０７から供給される検索結果のコンテンツリストは、検索されたそれぞれのコンテンツについてのコンテンツ識別情報や、タイトル等のコンテンツのメタデータの一部、及びコンテンツの映像の１つのフレームを静止画として抽出したサムネイル画像等により構成される。ステップＳ４０５では、これらの情報から図６に示すような出力部１０１での出力に適したコンテンツリスト画面を生成する。
【００７７】
コンテンツリスト画面６は、サムネイル画像６０１〜６０３と、タイトル６０４〜６０６と、選択カーソル６０７とを備える。
【００７８】
サムネイル画像６０１〜６０３は、それぞれのコンテンツのサムネイル画像を表示したものである。
【００７９】
タイトル６０４〜６０６は、それぞれのコンテンツのタイトルを対応するサムネイル画像６０１〜６０３の横に表示したものである。
【００８０】
選択カーソル６０７は、コンテンツリストに含まれるコンテンツのうちの１つを選択するものであり、入力部１０２による操作によって上下に動かし、選択するコンテンツを変更できるものである。
【００８１】
なお、図６では、コンテンツ検索部１０４は、コンテンツ識別情報をメモリ等の一時記憶装置に記憶しておくか、または非表示のオブジェクトとしてコンテンツリスト画面６に含めておき、コンテンツリスト画面６にコンテンツ識別情報を表示しないようにしているが、コンテンツリスト画面６に表示するようにしても勿論よい。
【００８２】
≪コンテンツ再生処理≫
次に、本実施例１のコンテンツ推薦装置１のコンテンツ再生部１０３におけるコンテンツ再生処理の詳細について説明する。
【００８３】
図７は、本実施例１のコンテンツ推薦装置１のコンテンツ再生部１０３におけるコンテンツ再生処理を示すフローチャートである。
【００８４】
コンテンツ再生部１０３におけるコンテンツ再生処理は、コンテンツ検索部１０４におけるコンテンツ検索処理、またはコンテンツ推薦部１０５におけるコンテンツ推薦処理により、出力部１０１に図６に示すようなコンテンツリスト画面６が表示された状態で、開始する。
【００８５】
そして、コンテンツ再生部１０３は、ユーザによりコンテンツが選択されたか否かを判定する（ステップＳ７００）。具体的には、図６に示すコンテンツリスト画面６において、ユーザが入力部１０２による操作により再生したいコンテンツを選択カーソル６０７によって選択し、再生開始を指示する操作を行うことにより、コンテンツ再生部１０３は、入力部１０２からコンテンツの再生を指示する再生操作信号が供給されたか否かを判定する。
【００８６】
ステップＳ７００においてコンテンツが選択されたと判定された場合（ＹＥＳの場合）、コンテンツ再生部１０３は、ステップＳ７００において選択されたコンテンツのコンテンツ識別情報と、コンテンツの再生操作信号を受信する（ステップＳ７０１）。
【００８７】
すると、コンテンツ再生部１０３は、受信したコンテンツ識別情報を履歴収集部１１０に供給し、再生履歴記憶部１１４に記憶する（ステップＳ７０２）。なお、このコンテンツ識別情報が再生履歴（視聴履歴）となる。
【００８８】
また、コンテンツ再生部１０３は、ステップＳ７０１において入力部１０２から供給されたコンテンツ識別情報と共にコンテンツの再生操作信号をコンテンツ受信部１０６に出力し、コンテンツ受信部１０６にネットワーク２を介しサーバ装置３に対しコンテンツ要求信号を送信させ、そのコンテンツ識別情報に対応したコンテンツを受信させ、コンテンツ受信部１０６が受信したコンテンツを入力する（ステップＳ７０３）。
【００８９】
すると、コンテンツ再生部１０３は、ステップＳ７０３においてコンテンツ受信部１０６から入力したコンテンツを出力部１０１で出力することが可能な形式の映像や音声の信号に変換し、出力部１０１に供給して、コンテンツを再生する（ステップＳ７０４）。
【００９０】
≪嗜好情報生成処理≫
次に、本実施例１のコンテンツ推薦装置１の嗜好情報生成部１１１における嗜好情報生成処理の詳細について説明する。
【００９１】
図８は、本実施例１のコンテンツ推薦装置１の嗜好情報生成部１１１において、予め定められた時間間隔で定期的に動作している嗜好情報生成処理のうちの１周期分の主要な処理を示すフローチャートである。
【００９２】
コンテンツ推薦装置１の嗜好情報生成部１１１は、嗜好情報生成処理を開始すると、図９にて後述する所定の再生履歴分析処理を行う（ステップＳ８０１）。
【００９３】
次に、嗜好情報生成部１１１は、図１０にて後述する所定の検索履歴分析処理を行う（ステップＳ８０２）。
【００９４】
次に、嗜好情報生成部１１１は、再生履歴に基づく嗜好情報と、検索履歴に基づく嗜好情報とを統合する（ステップＳ８０３）。具体的には、それぞれの嗜好情報は、図９や図１０にて示すように、複数のキーワード、複数のジャンル、複数の時間の長さ、及び複数の言語それぞれについての嗜好度により構成される。嗜好度は０以上１以下の実数値であるので、嗜好情報生成部１１１は、再生履歴に基づく嗜好情報に含まれる嗜好度と、検索履歴に基づく嗜好情報に含まれる嗜好度とを重み付けして足し合わせる。例えば、再生履歴の重みをＷｖ、操作履歴の重みをＷｓとし、あるキーワードの再生履歴に基づく嗜好情報に含まれる嗜好度がＰｖ、検索履歴に基づく嗜好情報に含まれる嗜好度がＰｓであるとすると、キーワードの統合された嗜好度Ｐは、次の数１の式によって求められる。
【００９５】
【数１】
ここで、重みＷｖ、Ｗｓは再生履歴と操作履歴とをコンテンツ再生に反映させる度合いを考慮して、合計が１になるように予め定める。また、再生履歴に基づく嗜好情報と検索履歴に基づく嗜好情報の一方にのみ含まれるキーワードについては、含まれない方の嗜好度を０とする。
【００９６】
次に、嗜好情報生成部１１１は、ステップＳ８０３で統合された嗜好情報を嗜好情報記憶部１１２に記憶する（ステップＳ８０４）。
【００９７】
なお、コンテンツ推薦装置１が検索履歴記憶部１１３のみを備える構成の場合、すなわち、再生履歴記憶部１１４を備えない構成の場合、嗜好情報生成部１１１における嗜好情報生成処理では、ステップＳ８０１及びステップＳ８０３を行わない。また、コンテンツ推薦装置１が再生履歴記憶部１１４のみを備える構成の場合、すなわち、検索履歴記憶部１１３を備えない構成の場合、嗜好情報生成部１１１における嗜好情報生成処理は、ステップＳ８０２及びステップＳ８０３を行わない。
【００９８】
次に、図８に示す嗜好情報生成処理のステップＳ８０１で行う再生履歴分析処理の詳細について説明する。
【００９９】
図９は、図８のステップＳ８０１で行う再生履歴分析処理の詳細を示すフローチャートである。
【０１００】
嗜好情報生成部１１１は、再生履歴分析処理を開始すると、再生履歴記憶部１１４から再生履歴として記憶した再生したコンテンツのコンテンツ識別情報を読み出す（ステップＳ９０１）。
【０１０１】
次に、嗜好情報生成部１１１は、読み出した再生履歴として記憶したコンテンツのメタデータを取得する（ステップＳ９０２）。具体的には、嗜好情報生成部１１１は、ステップＳ９０１で読み出したコンテンツ識別情報それぞれについて、メタデータ受信部１０８に対しコンテンツ識別情報と共に、メタデータ送信要求信号を出力し、メタデータ受信部１０８からメタデータを受け取る。
【０１０２】
次に、嗜好情報生成部１１１は、ステップＳ９０２で取得したメタデータからキーワードを抽出する（ステップＳ９０３）。具体的には、嗜好情報生成部１１１は、メタデータに含まれるタイトルや内容記述等の文字列に対して形態素解析を行い、名詞等の特定の品詞の単語をキーワードとして抽出する。
【０１０３】
次に、嗜好情報生成部１１１は、キーワードの出現頻度を計算する（ステップＳ９０４）。具体的には、嗜好情報生成部１１１は、ステップＳ９０３で抽出したキーワードのそれぞれについて、ステップＳ９０２で取得した全てのメタデータの中での出現回数を数え、これを出現頻度とする。
【０１０４】
次に、嗜好情報生成部１１１は、キーワードの出現頻度を正規化する（ステップＳ９０５）。具体的には、嗜好情報生成部１１１は、ステップＳ９０４で求めた出現頻度の最大値をＦｍａｘとし、計算対象キーワードｋのステップＳ９０４で求めた出現頻度をＦ’ｋとすると、正規化された出現頻度Ｆｋを、次の数２の式によって求める。
【０１０５】
【数２】
この式によって求められる正規化された出現頻度をキーワードの嗜好度であるキーワード嗜好度とする。
【０１０６】
次に、嗜好情報生成部１１１は、ジャンルの出現率を計算する（ステップＳ９０６）。具体的には、嗜好情報生成部１１１は、ステップＳ９０２で取得したメタデータの数をＮとし、計算対象ジャンルｇについて、ステップＳ９０２で取得したメタデータの中でジャンルが計算対象ジャンルｇであるものの数をＮｇとすると、出現率Ｒｇを次の数３の式によって求める。
【０１０７】
【数３】
この数３の式によって求められるジャンルの出現率をジャンルの嗜好度であるジャンル嗜好度とする。
【０１０８】
次に、嗜好情報生成部１１１は、時間の長さの出現率を計算する（ステップＳ９０７）。具体的には、嗜好情報生成部１１１は、ステップＳ９０２で取得したメタデータに含まれる時間の長さを、図５の検索条件の入力画面の例を示す図における時間選択欄５０３の選択肢のどれに該当するかによって分類し、時間選択欄５０３の選択肢毎に分類された時間の長さについて出現率を計算する。時間の長さの出現率の計算式は、ステップＳ９０６のジャンルの出現率と同様である。求められた時間の長さの出現率を、時間の長さの嗜好度である時間長嗜好度とする。
【０１０９】
次に、嗜好情報生成部１１１は、言語の出現率を計算する（ステップＳ９０８）。具体的には、嗜好情報生成部１１１は、ステップＳ９０２で取得したメタデータに含まれる言語について、Ｓ９０６のジャンルの出現率と同様の式で出現率を求める。求められた出現率を言語の嗜好度である言語嗜好度とする。
【０１１０】
次に、図８に示す嗜好情報生成処理のステップＳ８０２で行う検索履歴分析処理の詳細について説明する。
【０１１１】
図１０は、図８のステップＳ８０２で行う検索履歴分析処理の詳細を示すフローチャートである。
【０１１２】
嗜好情報生成部１１１は、検索履歴分析処理を開始すると、検索履歴記憶部１１３から検索条件を読み出す（ステップＳ１００１）。
【０１１３】
次に、嗜好情報生成部１１１は、図９のステップＳ９０４の処理と同様に、キーワードの出現頻度を計算する（ステップＳ１００２）。具体的には、嗜好情報生成部１１１は、ステップＳ１００１で読み出した検索条件に含まれるキーワードのそれぞれについて、全ての検索条件の中での出現回数を数え、これを出現頻度とする。
【０１１４】
次に、嗜好情報生成部１１１は、図９のステップＳ９０５の処理と同様に、キーワードの出現頻度を正規化する（ステップＳ１００３）。具体的には、嗜好情報生成部１１１は、図９の再生履歴分析処理のステップＳ９０５と同様の式で正規化された出現頻度を求める。求められた正規化された出現頻度をキーワード嗜好度とする。
【０１１５】
次に、嗜好情報生成部１１１は、図９のステップＳ９０６の処理と同様に、ジャンルの出現率を計算する（ステップＳ１００４）。具体的には、嗜好情報生成部１１１は、ステップＳ１００１で読み出した検索条件の数をＭとし、計算対象ジャンルｇについて、ステップＳ１００１で読み出した検索条件の中でジャンルが計算対象ジャンルｇであるものの数をＭｇとすると、出現率Ｓｇを、次の数４の式によって求める。
【０１１６】
【数４】
この数４の式によって求められる出現率をジャンル嗜好度とする。ただし、ジャンルの指定が「すべてのジャンル」である検索条件は、検索条件の数Ｍの中には含めるが、「すべてのジャンル」の出現率は計算しない。
【０１１７】
次に、嗜好情報生成部１１１は、図９のステップＳ９０７の処理と同様に、時間の長さの出現率を計算する（ステップＳ１００５）。具体的には、嗜好情報生成部１１１は、ステップＳ１００１で読み出した検索条件に含まれる時間の長さについて、ステップＳ１００４のジャンルの出現率と同様の式で出現率を求める。求められた出現率を時間長嗜好度とする。ただし、時間の長さの指定が「すべての長さ」である検索条件は検索条件の数Ｍの中には含めるが、「すべての長さ」の出現率は計算しない。
【０１１８】
次に、嗜好情報生成部１１１は、図９のステップＳ９０８の処理と同様に、言語の出現率を計算する（ステップＳ１００６）。具体的には、嗜好情報生成部１１１は、ステップＳ１００１で読み出した検索条件に含まれる言語について、Ｓ１００４のジャンルの出現率と同様の式で出現率を求める。求められた出現率を言語嗜好度とする。ただし、言語の指定が「すべての言語」である検索条件は検索条件の数Ｍの中には含めるが、「すべての言語」の出現率は計算しない。
【０１１９】
≪パラメータ生成処理≫
次に本実施例１のコンテンツ推薦装置１のパラメータ生成部１１５におけるパラメータ生成処理の詳細について説明する。
【０１２０】
図１１は、本実施例１のコンテンツ推薦装置１のパラメータ生成部１１５において、予め定められた時間間隔で定期的に動作しているパラメータ生成処理のうちの１周期分の主要な処理を示すフローチャートである。
【０１２１】
パラメータ生成部１１５は、パラメータ生成処理を開始すると、コンテンツリスト記憶部１１７からユーザの入力した検索条件に基づくコンテンツの検索結果であるコンテンツリストに掲載されたコンテンツの識別情報を読み出す（ステップＳ１１０１）。
【０１２２】
次に、パラメータ生成部１１５は、嗜好情報記憶部１１２から嗜好情報を読み出す（ステップＳ１１０２）。
【０１２３】
次に、パラメータ生成部１１５は、コンテンツのメタデータを取得する（ステップＳ１１０３）。具体的には、パラメータ生成部１１５は、ステップＳ１１０１で読み出したコンテンツリストに掲載されたコンテンツ識別情報それぞれについて、メタデータ受信部１０８に対しコンテンツ識別情報と共にメタデータ送信要求信号を出力してサーバ装置３からそのコンテンツのメタデータを送信させ、メタデータ受信部１０８がサーバ装置３からのメタデータを受信すると、メタデータ受信部１０８からそのメタデータを受け取る。
【０１２４】
次に、パラメータ生成部１１５は、コンテンツリストに掲載された各コンテンツの嗜好を分析する（ステップＳ１１０４）。具体的には、パラメータ生成部１１５は、ステップＳ１１０３で取得したコンテンツリストに掲載された各コンテンツのメタデータに含まれるタイトルや内容記述等の文字列に対して、ステップＳ１１０２で読み出した嗜好情報に含まれるキーワードが含まれるか否かを判定し、メタデータに含まれるタイトルや内容記述等の文字列に含まれるキーワードの嗜好度を足し合わせた値を、コンテンツに対するキーワード嗜好度とする。
【０１２５】
また、パラメータ生成部１１５は、ステップＳ１１０３で取得したメタデータに含まれるジャンルに対して、ステップＳ１１０２で読み出した嗜好情報に含まれるジャンルのうち該当するジャンルの嗜好度をコンテンツに対するジャンル嗜好度とする。
【０１２６】
また、パラメータ生成部１１５は、ステップＳ１１０３で取得したメタデータに含まれる時間の長さを、図５の検索条件の入力画面の例を示す図における時間選択欄５０３の選択肢のどれに該当するかによって分類し、ステップＳ１１０２で読み出した嗜好情報に含まれる時間の長さのうち該当する時間の長さの嗜好度をコンテンツに対する時間長嗜好度とする。
【０１２７】
また、パラメータ生成部１１５は、ステップＳ１１０３で取得したメタデータに含まれる言語に対して、ステップＳ１１０２で読み出した嗜好情報に含まれる言語のうち該当する言語の嗜好度をコンテンツに対する言語嗜好度とする。
【０１２８】
次に、パラメータ生成部１１５は、再生履歴記憶部１１４から再生したコンテンツのコンテンツ識別情報が掲載された再生履歴を読み出す（ステップＳ１１０５）。
【０１２９】
次に、パラメータ生成部１１５は、検索結果の各コンテンツを再生したか否かを判定する（ステップＳ１１０６）。具体的には、パラメータ生成部１１５は、ステップＳ１１０１で読み出した検索結果のコンテンツリストに掲載されたコンテンツ識別情報それぞれについて、ステップＳ１１０５で読み出した再生履歴のコンテンツ識別情報の中に同一のものが含まれるか否かを調べ、同一のものが含まれる場合に検索結果のコンテンツを再生したと判定し、同一のものが含まれない場合に検索結果のコンテンツを再生していないと判定する。
【０１３０】
次に、パラメータ生成部１１５は、コンテンツリストに掲載された各コンテンツの嗜好情報と、再生したか否かを教師データとして機械学習を行い、パラメータを生成する（ステップＳ１１０７）。具体的には、パラメータ生成部１１５は、例えば、ステップＳ１１０４で求めたコンテンツに対するキーワード嗜好度、ジャンル嗜好度、時間長嗜好度、及び言語嗜好度の４つの値を入力とし、コンテンツ嗜好度を出力とするニューラルネットワークを構成し、ステップＳ１１０６で判定したコンテンツを再生したか否かの情報に基づき、コンテンツを再生した場合は出力であるコンテンツ嗜好度の値を１とし、コンテンツを再生していない場合は出力であるコンテンツ嗜好度の値を０として、バックプロパゲーションによる教師あり学習を行い、パラメータを生成する。
【０１３１】
図１２は、パラメータ生成部１１５のパラメータ生成処理で用いるニューラルネットワークの構成例を示す図である。
【０１３２】
ニューラルネットワーク１８は、入力層のニューロンｉ１〜ｉ４、中間層のニューロンｎ１〜ｎ４、及び出力層のニューロンｏ１とにより構成される。なお、中間層のニューロンの数は４つに限定されるものではない。また、２層以上の中間層を備える構成としてもよい。
【０１３３】
ステップＳ１１０７のパラメータ生成処理では、ステップＳ１１０４で求めたコンテンツに対するキーワード嗜好度、ジャンル嗜好度、時間長嗜好度、及び言語嗜好度を入力層のニューロンｉ１〜ｉ４のそれぞれの入力値とする。また、出力層のニューロンｏ１の出力値であるコンテンツ嗜好度の値を、コンテンツを再生した場合は１とし、コンテンツを再生していない場合は０として、バックプロパゲーションによる教師あり学習を行う。教師あり学習により、各ニューロンｉ１〜ｉ４、ｎ１〜ｎ４の重み値等のパラメータが最適化される。
【０１３４】
次に、パラメータ生成部１１５は、例えばステップＳ１１０７においてニューラルネットワークによる教師あり学習を行う場合、ニューラルネットワーク１８を構成する各ニューロンｉ１〜ｉ４、ｎ１〜ｎ４、及びｏ１のパラメータをパラメータ記憶部１１６に記憶する（ステップＳ１１０８）。
【０１３５】
なお、ステップＳ１１０４でコンテンツの嗜好を分析して求める値は、コンテンツに対するキーワード嗜好度、ジャンル嗜好度、時間長嗜好度、及び言語嗜好度の４つに限定するものではない。メタデータに含まれるその他の情報についての嗜好度を求めてもよいし、上記の４つの値のいずれかを省略してもよい。
【０１３６】
なお、ステップＳ１１０７におけるパラメータ生成処理は、図１２に示すようなニューラルネットワーク１８に限定するものではない、コンテンツのキーワード嗜好度等の嗜好に関する値、及びコンテンツを再生したか否かの情報を教師データとして用いる任意の教師あり学習の技術が適用可能である。
【０１３７】
≪コンテンツ推薦処理≫
次に、本実施例１のコンテンツ推薦装置１のコンテンツ推薦部１０５におけるコンテンツ推薦処理の詳細について説明する。
【０１３８】
図１３は、本実施例１のコンテンツ推薦装置１のコンテンツ推薦部１０５におけるコンテンツ推薦処理を示すフローチャートである。
【０１３９】
なお、このコンテンツ推薦部１０５におけるコンテンツ推薦処理では、コンテンツ検索部１０４におけるコンテンツ検索処理と同様に、コンテンツリスト受信部１０７に対し、ユーザの嗜好に適合するコンテンツを検索させるための検索条件を送る。この検索条件は、コンテンツ検索部１０４におけるコンテンツ検索処理においてユーザによって入力される検索条件と同じ構造を持つものであるが、ユーザによって入力される検索条件と区別するために、コンテンツ推薦部１０５によって生成される検索条件を嗜好検索条件と呼ぶことにする。
【０１４０】
コンテンツ推薦部１０５は、入力部１０２からコンテンツ推薦を指示する操作信号が供給されると、コンテンツ推薦処理を開始し、嗜好情報記憶部１１２から嗜好情報を読み出す（ステップＳ１３０１）。
【０１４１】
次に、コンテンツ推薦部１０５は、検索に使用するキーワードの予め定められた個数、または、ステップＳ１３０１で読み出した嗜好情報に含まれるキーワードの数が予め定められた個数より少ない場合には、嗜好情報に含まれるキーワードの数をＮとし、変数ｉに０を代入する（ステップＳ１３０２）。
【０１４２】
次に、コンテンツ推薦部１０５は、変数ｉの値がＮ未満であるか否かを判定する（ステップＳ１３０３）。コンテンツ推薦部１０５は、変数ｉの値がＮ未満であると判定された場合、ステップＳ１３０３へ処理を移行し、変数ｉの値がＮ未満ではない、すなわちＮ以上であると判定された場合、ステップＳ１３０７へ処理を移行する。
【０１４３】
ステップＳ１３０３において、変数ｉの値がＮ未満であると判定した場合（ＹＥＳの場合）、コンテンツ推薦部１０５は、変数ｉの値を１だけ加算する（ステップＳ１３０４）。
【０１４４】
次に、コンテンツ推薦部１０５は、ステップＳ１３０１で読み出した嗜好情報に含まれるキーワードのうち、嗜好度が大きい方から数えてｉ番目のキーワードを嗜好検索条件に設定して（ステップＳ１３０５）、検索を実行する（ステップＳ１３０６）。具体的には、コンテンツ推薦部１０５は、コンテンツリスト受信部１０７に対し、ステップＳ１３０４でキーワードを設定した嗜好検索条件とともに検索実行要求信号を出力し、コンテンツリスト受信部１０７がサーバ装置３から受信した検索結果のコンテンツリストを受け取り、ステップＳ１３０３の処理へ戻る。
【０１４５】
一方、ステップＳ１３０３において、変数ｉの値がＮ未満ではないと判定した場合（ＮＯの場合）、コンテンツ推薦部１０５は、ステップＳ１３０５を１回以上実行することによって得られた検索結果のコンテンツのうち、重複するコンテンツがあれば、合わせて１つのコンテンツとする（ステップＳ１３０７）。
【０１４６】
次に、コンテンツ推薦部１０５は、ステップＳ１３０８で重複するコンテンツが１つに統合された検索結果のコンテンツリストに対して、各コンテンツのメタデータを取得する（ステップＳ１３０８）。具体的には、コンテンツ推薦部１０５は、ステップＳ１３０７で重複するコンテンツが１つに統合された検索結果としてのコンテンツのコンテンツ識別情報それぞれについて、メタデータ受信部１０８に対し、コンテンツ識別情報とともにメタデータを受信させるためのメタデータ送信要求信号を出力し、メタデータ受信部１０８からメタデータを受け取る。
【０１４７】
次に、コンテンツ推薦部１０５は、検索結果の各コンテンツの嗜好を分析する（ステップＳ１３０９）。具体的な分析の内容は、図１１に示すメタデータ嗜好度生成部１１５によるステップＳ１１０４のコンテンツ嗜好分析処理と同様である。
【０１４８】
次に、コンテンツ推薦部１０５は、パラメータ記憶部１１６からパラメータを読み出す（ステップＳ１３１０）。ここで読み出すパラメータは、例えば、図１１のステップＳ１１０８の処理によりパラメータ記憶部１１６に記憶した、例えば、図１２に示すニューラルネットワーク１８を構成する各ニューロンｉ１〜ｉ４、ｎ１〜ｎ４、及びｏ１のパラメータである。
【０１４９】
次に、コンテンツ推薦部１０５は、読み出したパラメータによりニューラルネットワークを構成して、コンテンツの嗜好度を算出する（ステップＳ１３１１）。具体的には、コンテンツ推薦部１０５は、例えば、ステップＳ１３１０で読み出したパラメータに基づいて、図１２に示すようにニューラルネットワーク１８を構成し、ステップＳ１３０９で求めた各コンテンツのメタデータ嗜好度、例えば、キーワード嗜好度、ジャンル嗜好度、時間長嗜好度、及び言語嗜好度を入力層のニューロンｉ１〜ｉ４それぞれの入力値としたときの出力層のニューロンｏ１の出力値を求め、その出力値をコンテンツ嗜好度とする。
【０１５０】
次に、コンテンツ推薦部１０５は、ステップＳ１３０７で重複するコンテンツが１つに統合された検索結果のコンテンツリストに対して、コンテンツをステップＳ１３１３で求めた嗜好度の大きい順に並び替える（ステップＳ１３１２）。
【０１５１】
そして最後に、コンテンツ推薦部１０５は、ステップＳ１３１８で嗜好度の大きい順に並び替えたコンテンツリストの先頭から画面に出力するのに適当な数のコンテンツを選択し、図６の例に示すようなコンテンツリスト画面を生成する（ステップＳ１３１２）。
【０１５２】
従って、本実施例１のコンテンツ推薦装置１によれば、ユーザによって入力された検索条件をサーバ装置に対し送信してコンテンツを検索させ、当該サーバ装置から前記検索条件に基づくコンテンツリストを受信して記憶すると共に、ユーザによって入力された検索条件を検索履歴として記憶し、またその検索履歴に基づいてユーザの嗜好情報を生成して記憶し、記憶したコンテンツリストを読み出すと共に、ユーザの嗜好情報を読み出し、コンテンツリストに掲載されたコンテンツの識別情報をサーバ装置に送信して検索させ、コンテンツリストに掲載されたコンテンツのメタデータを受信し、受信したメタデータと、ユーザの嗜好情報とに基づいてパラメータを生成し、そのパラメータに基づいてコンテンツの嗜好度を算出し、算出したコンテンツの嗜好度に基づいてコンテンツリストを並び替えユーザに推薦するようにしたので、ユーザが入力した検索条件に基づくコンテンツリストに掲載されたコンテンツのメタデータをサーバ装置から受信することになり、サーバ装置の保持する全てのコンテンツのメタデータを受信することなく、ユーザにコンテンツを推薦することができる。
【０１５３】
特に、本実施例１のコンテンツ推薦装置１によれば、コンテンツリストに掲載されたコンテンツのメタデータを受信し、受信したメタデータと、ユーザの嗜好情報とに基づいてパラメータを生成し、そのパラメータに基づいてコンテンツの嗜好度を算出し、算出したコンテンツの嗜好度に基づいてコンテンツリストを並び替えユーザに推薦するので、ユーザが入力した検索条件に基づくコンテンツのメタデータだけを受信するのみではなく、検索履歴や再生履歴に基づくコンテンツの嗜好度に基づいてコンテンツリストを並び替えてユーザに推薦することが可能となり、より精度良くユーザにコンテンツを推薦することができる。
【０１５４】
また、本実施例１のコンテンツ推薦装置１では、コンテンツの再生履歴を記憶し、検索履歴と、その再生履歴とに基づいて、ユーザの嗜好情報を生成しているので、検索履歴だけでなく、再生履歴に基づいて、メタデータの嗜好度を生成することができる。
【０１５５】
また、本実施例１のコンテンツ推薦装置では、コンテンツの嗜好度を算出するためのパラメータを生成する際、受信したメタデータと、嗜好情報とに基づいて、メタデータの嗜好度を求めると共に、再生履歴を読み出し、読み出した再生履歴に基づいてコンテンツリストに掲載されたコンテンツを再生したか否かを判定し、メタデータの嗜好度を入力値とし、かつ、コンテンツを再生したか否かの判定結果を出力層への教師信号としてニューラルネットワークを用いたバックプロパゲーションによる教師あり学習を行ってパラメータを生成し、コンテンツリストを並び替えてユーザに推薦する際には、ニューラルネットワークにパラメータを適用し、かつ、メタデータの嗜好度を入力値としてコンテンツの嗜好度を算出し、算出したコンテンツの嗜好度に基づいてコンテンツリストを並び替えてユーザに推薦するので、例えばキーワードやジャンル等のメタデータの種類毎の嗜好度をコンテンツの嗜好度に反映させる度合いをもユーザに合わせて最適化し、さらに精度良く並び替えたコンテンツリストを、ユーザに推薦することができる。
【０１５６】
なお、上述した本実施例１のコンテンツ推薦装置１は、コンピュータにインストールしたコンテンツ推進プログラムを実行させることにより実現することもできる。このコンテンツ推進プログラムは、例えば、コンテンツ推進プログラムが記憶された記録媒体から読み出され、ＣＰＵで実行されることによりコンテンツ推薦装置を構成するようにしてもよいし、通信ネットワークを介して伝送されてインストールされ、ＣＰＵで実行されることによりコンテンツ推薦装置を構成するようにしてもよい。
【実施例２】
【０１５７】
次に、本実施例２のコンテンツ推薦装置について説明する。
【０１５８】
図１４は、本実施例２のコンテンツ推薦装置の構成例を示す構成図である。
【０１５９】
コンテンツ推薦装置１２は、出力部１０１と、入力部１０２と、コンテンツ再生部１０３と、コンテンツ検索部１０４と、コンテンツ受信部１０６と、コンテンツリスト受信部１０７と、メタデータ受信部１０８と、ネットワーク接続部１０９と、履歴収集部１１０と、嗜好情報生成部１１１と、嗜好情報記憶部１１２と、検索履歴記憶部１１３と、再生履歴記憶部１１４と、パラメータ生成部１１５と、パラメータ記憶部１１６と、コンテンツリスト記憶部１１７と、本実施例２特有のコンテンツ推薦部１２０５と、コンテンツ分析部１２１８と、および推薦情報記憶部１２１９とを備える。
【０１６０】
ここで、本実施例２のコンテンツ推薦装置１２に備えられた構成のうち、図２に示すものと同じ構成には、同一符号を付して、その説明を省略し、本実施例２特有のコンテンツ推薦部１２０５、コンテンツ分析部１２１８、および推薦情報記憶部１２１９についてその機能を説明する。
【０１６１】
つまり、本実施例２のコンテンツ推薦部１２０５は、入力部１０２からコンテンツの推薦を指示する操作信号が供給されると、推薦情報記憶部１２１９から推薦情報として記憶しておいたコンテンツリストを読み出し、読み出したコンテンツリストを出力部１０１で出力するための形式に変換し、推薦コンテンツリストとして出力部１０１に供給するものである。ここで、読み出す推薦情報とは、推薦するコンテンツリストである。
【０１６２】
コンテンツ分析部１２１８は、例えば、１日や、１２時間、１週間等の予め定められた時間間隔で定期的に動作し、嗜好情報記憶部１１２から嗜好情報を読み出し、読み出した嗜好情報をコンテンツリスト受信部１０７に検索を実行させるための検索条件に変換し、コンテンツリスト受信部１０７にこの検索条件と共に検索実行要求信号を出力すると共に、パラメータ記憶部１１６からメタデータ嗜好度を読み出し、読み出したメタデータ嗜好度に基づきコンテンツリスト受信部１０７から供給される検索結果であるコンテンツリストを並び替えるものである。ただし、コンテンツ分析部１２１８は、実施例１のコンテンツ推薦部１０５とは異なり、並び替えたコンテンツリストを出力部１０１に出力するのではなく、推薦情報として推薦情報記憶部１２１９に記憶する。
【０１６３】
推薦情報記憶部１２１９は、例えばハードディスク等の記憶装置により構成され、推薦情報としてコンテンツリストを記憶する。
【０１６４】
次に、実施例２のコンテンツ推薦装置１２の動作について説明する。
【０１６５】
図１５は、本実施例２のコンテンツ推薦装置１２のコンテンツ分析部１２１８におけるコンテンツ分析処理を示すフローチャートである。
【０１６６】
ここで、図１５に示す実施例２のコンテンツ推薦装置１２のコンテンツ分析部１３１８によるコンテンツ分析処理のうち、図１３に示す実施例１のコンテンツ推薦装置１のコンテンツ推薦部１０５によるコンテンツ推薦処理のステップＳ１３０１〜Ｓ１３１２までの処理と同じであるので、同一ステップ番号を付して、説明を省略する。
【０１６７】
そして、実施例２のコンテンツ推薦装置１２のコンテンツ分析部１３１８は、ステップＳ１３１２の処理により、検索結果であるコンテンツリストをコンテンツ嗜好度の順に並び替えると、次のステップＳ１５００の処理により、並び替えたコンテンツリストを推薦情報として推薦情報記憶部１２１９に記憶する。例えば、コンテンツ分析部１３１８は、ステップＳ１３１８で嗜好度の大きい順に並び替えたコンテンツリストの先頭から出力部１１の画面に出力するのに適当な数のコンテンツを選択したコンテンツリストを、推薦情報として推薦情報記憶部１２１９に記憶する。
【０１６８】
そして、本実施例２のコンテンツ推薦部１２０５は、入力部１０２からコンテンツの推薦を指示する操作信号が供給されると、推薦情報記憶部１２１９から推薦情報として記憶しておいたコンテンツリストを読み出して、出力部１０１で出力するための形式に変換し、推薦コンテンツリストとして出力部１０１に供給する。
【０１６９】
従って、本実施のコンテンツ推薦装置１２によれば、実施例１のコンテンツ推薦装置１と同様に、サーバ装置の保持する全てのコンテンツのメタデータを受信することなく、ユーザにコンテンツを推薦することができると共に、ユーザが入力した検索条件に基づくコンテンツのメタデータだけを受信するのみではなく、そのメタデータの嗜好度に基づいてコンテンツリストを並び替えてユーザに推薦することが可能となり、精度良くユーザにコンテンツを推薦することができる。
【０１７０】
特に、本実施のコンテンツ推薦装置１２では、コンテンツ分析部１２１８が予め並び替えたコンテンツリストを推薦情報として推薦情報記憶部１２１９に記憶しておき、入力部１０２からコンテンツの推薦を指示する操作信号が供給された場合に、推薦情報記憶部１２１９から推薦情報として記憶しておいたコンテンツリストを読み出して、ユーザに提示するので、ユーザに迅速に最適なコンテンツリストを提供することができる。
【０１７１】
なお、上述した本実施例２のコンテンツ推薦装置１２は、実施例１のコンテンツ推薦装置１と同様に、コンピュータにインストールしたコンテンツ推進プログラムを実行させることにより実現することもできる。このコンテンツ推進プログラムは、例えば、コンテンツ推進プログラムが記憶された記録媒体から読み出され、ＣＰＵで実行されることによりコンテンツ推薦装置を構成するようにしてもよいし、通信ネットワークを介して伝送されてインストールされ、ＣＰＵで実行されることによりコンテンツ推薦装置を構成するようにしてもよい。
【符号の説明】
【０１７２】
１，１２…コンテンツ推薦装置
３…サーバ装置
１０…コンテンツリスト受信部
１１…出力部
１０１…出力部
１０２…入力部
１０３…コンテンツ再生部
１０４…コンテンツ検索部
１０５…コンテンツ推薦部
１０６…コンテンツ受信部
１０７…コンテンツリスト受信部
１０８…メタデータ受信部
１０９…ネットワーク接続部
１１０…履歴収集部
１１１…嗜好情報生成部
１１２…嗜好情報記憶部
１１３…検索履歴記憶部
１１４…再生履歴記憶部
１１５…パラメータ生成部
１１５…メタデータ嗜好度生成部
１１６…パラメータ記憶部
１１７…コンテンツリスト記憶部
１２０５…コンテンツ推薦部
１２１８…コンテンツ分析部
１２１９…推薦情報記憶部
１３１８…コンテンツ分析部
【技術分野】
【０００１】
本発明は、コンテンツを推薦するコンテンツ推薦装置、コンテンツ推薦方法、及びコンテンツ推薦プログラムに関するものである。
【背景技術】
【０００２】
コンテンツの内容を説明するメタデータを用いてコンテンツを推薦するコンテンツ推薦装置として、例えば、ユーザＩＤ及びユーザの状況（例えば、時刻情報など）に基づき、ユーザの再生（視聴）履歴であるユーザプロファイルをプロファイルデータベースから取得し、各コンテンツの推薦度のスコア値を計算して、各コンテンツの推薦度のスコア値に基づき、コンテンツをスコア順に並べ替え、推薦するコンテンツのリストを推薦結果として表示することにより、ユーザに負担をかけることなく、ユーザの状況に応じた最適なコンテンツを推薦するようにしたコンテンツ推薦装置が提案されている（例えば、特許文献１の段落番号[００４７]〜[００６２]等参照。）。
【先行技術文献】
【特許文献】
【０００３】
【特許文献１】特開２００５−１６５４５４号公報
【発明の概要】
【発明が解決しようとする課題】
【０００４】
しかし、前記特許文献１に記載のコンテンツ推薦装置では、クライアント端末は、サーバ装置から配信されるコンテンツのメタデータを用いて、ユーザが視聴するであろうコンテンツの推薦を、ユーザの状況に応じたユーザの嗜好を考慮してユーザに提示しているため、サーバ装置が有する膨大な数のコンテンツのメタデータをクライアント端末に送信した場合、サーバ装置や、ネットワーク、クライアント端末に大きな負荷をかける、という課題がある。
【０００５】
そこで、本発明は、サーバ装置の保持する全てのコンテンツのメタデータを受信することなくコンテンツを推薦することができる、コンテンツ推薦装置、コンテンツ推薦方法およびコンテンツ推薦プログラムを提供することを目的とする。
【課題を解決するための手段】
【０００６】
上記目的を達成するため、本発明に係るコンテンツ推薦装置の第１の特徴は、ユーザの操作により入力された検索条件をサーバ装置に対し送信してコンテンツを検索させ、当該サーバ装置から前記検索条件に基づくコンテンツリストを受信するコンテンツリスト受信手段と、前記コンテンツリストを記憶するコンテンツリスト記憶手段と、前記検索条件を検索履歴として記憶する検索履歴記憶手段と、前記検索履歴に基づいて前記ユーザの嗜好情報を生成する嗜好情報生成手段と、前記ユーザの嗜好情報を記憶する嗜好情報記憶手段と、前記コンテンツリスト記憶手段から前記コンテンツリストを読み出すと共に、前記嗜好情報記憶手段から前記ユーザの嗜好情報を読み出し、前記コンテンツリストに掲載されたコンテンツのメタデータと、前記読み出された嗜好情報とに基づいて前記コンテンツの嗜好度を算出するためのパラメータを生成するパラメータ生成手段と、前記パラメータに基づいて、ユーザの操作により検索された前記コンテンツの嗜好度を算出し、算出した前記コンテンツの嗜好度に基づいて前記コンテンツリストを並び替えて出力するコンテンツ推薦手段と、を備えたことにある。
【０００７】
上記目的を達成するため、本発明に係るコンテンツ推薦装置の第２の特徴は、前記サーバ装置から受信したコンテンツを再生するコンテンツ再生手段と、前記コンテンツ再生手段により再生されたコンテンツの識別情報を再生履歴として記憶する再生履歴記憶手段と、を更に備え、前記嗜好情報生成手段は、前記検索履歴記憶手段に記憶された検索履歴と、前記再生履歴記憶手段に記憶された再生履歴とに基づいて、前記ユーザの嗜好情報を生成することにある。
【０００８】
上記目的を達成するため、本発明に係るコンテンツ推薦装置の第３の特徴は、前記パラメータ生成手段は、受信した前記メタデータと、前記嗜好情報とに基づいて、受信した前記メタデータの嗜好度を算出すると共に、前記再生履歴を読み出し、読み出した前記再生履歴に基づいて前記コンテンツリストに掲載されたコンテンツを再生したか否かを判定し、前記メタデータの嗜好度を入力値とし、かつ、前記コンテンツを再生したか否かの判定結果を出力層への教師信号として教師あり学習を行い、前記コンテンツの嗜好度を算出するためのパラメータを生成し、前記コンテンツ推薦手段は、前記ニューラルネットワークに前記パラメータを適用し、かつ、前記メタデータの嗜好度を入力値として前記コンテンツの嗜好度を算出し、算出した前記コンテンツの嗜好度に基づいて前記コンテンツリストを並び替えて出力することにある。
【０００９】
上記目的を達成するため、本発明に係るコンテンツ推薦方法の第１の特徴は、ユーザの操作により入力された検索条件をサーバ装置に対し送信してコンテンツを検索させ、当該サーバ装置から前記検索条件に基づくコンテンツリストを受信するコンテンツリスト受信ステップと、前記コンテンツリストをコンテンツリスト記憶手段に記憶させるコンテンツリスト記憶ステップと、前記検索条件を検索履歴として検索履歴記憶手段に記憶させる検索履歴記憶ステップと、前記検索履歴に基づいて前記ユーザの嗜好情報を生成する嗜好情報生成ステップと、前記ユーザの嗜好情報を嗜好情報記憶手段に記憶させる嗜好情報記憶ステップと、前記コンテンツリスト記憶手段から前記コンテンツリストを読み出すと共に、前記嗜好情報記憶手段から前記ユーザの嗜好情報を読み出し、前記コンテンツリストに掲載されたコンテンツのメタデータと、前記読み出された嗜好情報とに基づいて前記コンテンツの嗜好度を算出するためのパラメータを生成するパラメータ生成ステップと、前記パラメータに基づいて、ユーザの操作により検索された前記コンテンツの嗜好度を算出し、算出した前記コンテンツの嗜好度に基づいて前記コンテンツリストを並び替えて出力するコンテンツ推薦ステップと、を有することにある。
【００１０】
上記目的を達成するため、本発明に係るコンテンツ推薦方法の第２の特徴は、前記サーバ装置から受信したコンテンツを再生するコンテンツ再生ステップと、前記コンテンツ再生ステップにより再生されたコンテンツの識別情報を再生履歴として再生履歴記憶手段に記憶させる再生履歴記憶ステップと、を更に有し、前記嗜好情報生成ステップは、前記検索履歴記憶手段に記憶された検索履歴と、前記再生履歴記憶手段に記憶された再生履歴とに基づいて、前記ユーザの嗜好情報を生成することにある。
【００１１】
上記目的を達成するため、本発明に係るコンテンツ推薦方法の第３の特徴は、前記パラメータ生成ステップは、受信した前記メタデータと、前記嗜好情報とに基づいて、受信した前記メタデータの嗜好度を算出すると共に、前記再生履歴を読み出し、読み出した前記再生履歴に基づいて前記コンテンツリストに掲載されたコンテンツを再生したか否かを判定し、前記メタデータの嗜好度を入力値とし、かつ、前記コンテンツを再生したか否かの判定結果を出力層への教師信号として教師あり学習を行い、前記コンテンツの嗜好度を算出するためのパラメータを生成し、前記コンテンツ推薦ステップは、前記ニューラルネットワークに前記パラメータを適用し、かつ、前記メタデータの嗜好度を入力値として前記コンテンツの嗜好度を算出し、算出した前記コンテンツの嗜好度に基づいて前記コンテンツリストを並び替えて出力することにある。
【００１２】
上記目的を達成するため、本発明に係るコンテンツ推薦プログラムの第１の特徴は、ユーザの操作により入力された検索条件をサーバ装置に対し送信してコンテンツを検索させ、当該サーバ装置から前記検索条件に基づくコンテンツリストを受信するコンテンツリスト受信ステップと、前記コンテンツリストをコンテンツリスト記憶手段に記憶させるコンテンツリスト記憶ステップと、前記検索条件を検索履歴として検索履歴記憶手段に記憶させる検索履歴記憶ステップと、前記検索履歴に基づいて前記ユーザの嗜好情報を生成する嗜好情報生成ステップと、前記ユーザの嗜好情報を嗜好情報記憶手段に記憶させる嗜好情報記憶ステップと、前記コンテンツリスト記憶手段から前記コンテンツリストを読み出すと共に、前記嗜好情報記憶手段から前記ユーザの嗜好情報を読み出し、前記コンテンツリストに掲載されたコンテンツのメタデータと、前記読み出された嗜好情報とに基づいて前記コンテンツの嗜好度を算出するためのパラメータを生成するパラメータ生成ステップと、前記パラメータに基づいて、ユーザの操作により検索された前記コンテンツの嗜好度を算出し、算出した前記コンテンツの嗜好度に基づいて前記コンテンツリストを並び替えて出力するコンテンツ推薦ステップとを、コンピュータに実行させることにある。
【００１３】
上記目的を達成するため、本発明に係るコンテンツ推薦プログラムの第２の特徴は、前記サーバ装置から受信したコンテンツを再生するコンテンツ再生ステップと、前記コンテンツ再生ステップにより再生されたコンテンツの識別情報を再生履歴として再生履歴記憶手段に記憶させる再生履歴記憶ステップと、を更に前記コンピュータに実行させ、前記嗜好情報生成ステップは、前記検索履歴記憶手段に記憶された検索履歴と、前記再生履歴記憶手段に記憶された再生履歴とに基づいて、前記ユーザの嗜好情報を生成することにある。
【００１４】
上記目的を達成するため、本発明に係るコンテンツ推薦プログラムの第３の特徴は、前記パラメータ生成ステップは、受信した前記メタデータと、前記嗜好情報とに基づいて、受信した前記メタデータの嗜好度を算出すると共に、前記再生履歴を読み出し、読み出した前記再生履歴に基づいて前記コンテンツリストに掲載されたコンテンツを再生したか否かを判定し、前記メタデータの嗜好度を入力値とし、かつ、前記コンテンツを再生したか否かの判定結果を出力層への教師信号として教師あり学習を行い、前記コンテンツの嗜好度を算出するためのパラメータを生成し、前記コンテンツ推薦ステップは、前記ニューラルネットワークに前記パラメータを適用し、かつ、前記メタデータの嗜好度を入力値として前記コンテンツの嗜好度を算出し、算出した前記コンテンツの嗜好度に基づいて前記コンテンツリストを並び替えて出力することにある。
【発明の効果】
【００１５】
本発明に係るコンテンツ推薦装置、コンテンツ推薦方法およびコンテンツ推薦プログラムによれば、サーバ装置が保持する全てのコンテンツのメタデータを受信することなく、ユーザの嗜好に合ったコンテンツを推薦することができる。
【図面の簡単な説明】
【００１６】
【図１】本発明の実施例１であるコンテンツ嗜好装置とサーバ装置との接続例を示す構成図である。
【図２】本発明の実施例１のコンテンツ推薦装置の構成例を示す構成図である。
【図３】本発明の実施例１のサーバ装置の構成例を示す構成図である。
【図４】本発明の実施例１のコンテンツ推薦装置のコンテンツ検索部におけるコンテンツ検索処理を示すフローチャートである。
【図５】本発明の実施例１のコンテンツ推薦装置のコンテンツ検索部におけるコンテンツ検索処理により表示される検索条件の入力画面の例を示す図である。
【図６】本発明の実施例１のコンテンツ推薦装置のコンテンツ検索部におけるコンテンツ検索処理により表示される検索結果のコンテンツリスト画面の一例である。
【図７】本発明の実施例１のコンテンツ推薦装置のコンテンツ再生部におけるコンテンツ再生処理を示すフローチャートである。
【図８】本発明の実施例１のコンテンツ推薦装置の嗜好情報生成部における嗜好情報生成処理のうちの１周期分の主要な処理を示すフローチャートである。
【図９】本発明の実施例１のコンテンツ推薦装置の嗜好情報生成部における再生履歴分析処理の詳細を示すフローチャートである。
【図１０】本発明の実施例１のコンテンツ推薦装置の嗜好情報生成部における検索履歴分析処理の詳細を示すフローチャートである。
【図１１】本発明の実施例１のコンテンツ推薦装置のパラメータ生成部におけるパラメータ生成処理のうちの１周期分の主要な処理を示すフローチャートである。
【図１２】本発明の実施例１のコンテンツ推薦装置におけるパラメータ生成処理で用いるニューラルネットワークの構成例を示す図である。
【図１３】本発明の実施例１のコンテンツ推薦装置のコンテンツ推薦部におけるコンテンツ推薦処理を示すフローチャートである。
【図１４】本発明の実施例２のコンテンツ推薦装置の構成例を示す構成図である。
【図１５】本発明の実施例２のコンテンツ推薦装置のコンテンツ分析部におけるコンテンツ分析処理のうちの１周期分の主要な処理を示すフローチャートである。
【発明を実施するための形態】
【００１７】
以下、本発明のコンテンツ推薦装置、コンテンツ推薦方法、及びコンテンツ推薦プログラムの実施例について説明する。
【実施例１】
【００１８】
まず、本発明のコンテンツ推薦装置、コンテンツ推薦方法、及びコンテンツ推薦プログラムの実施例１について説明する。
【００１９】
＜コンテンツ推薦装置とサーバ装置３との接続＞
図１は、本発明に係る実施例１のコンテンツ推薦装置を、ネットワークを介してサーバ装置に接続する接続例を示す構成図である。
【００２０】
図１に示すように、本発明に係る実施例１の複数のコンテンツ推薦装置１は、ネットワーク２を介してサーバ装置３と接続されている。
【００２１】
コンテンツ推薦装置１は、ネットワーク２を介してサーバ装置３に対して、コンテンツの送信を要求するコンテンツ送信要求信号を送信すると、サーバ装置３は、ネットワーク２を介してコンテンツ推薦装置１から受信したコンテンツ送信要求信号に対する応答として、コンテンツ推薦装置１にコンテンツを送信する。
【００２２】
また、コンテンツ推薦装置１は、ネットワーク２を介してサーバ装置３に対して、検索の実行を要求する検索実行要求信号を送信すると、サーバ装置３は、ネットワーク２を介してコンテンツ推薦装置１から受信した検索実行要求信号に対する応答として、コンテンツ推薦装置１に対し、検索結果であるコンテンツの題名（番組名）や簡単な内容紹介、サムネイル等が記述されたリスト、すなわちコンテンツリストを送信する。
【００２３】
また、コンテンツ推薦装置１は、ネットワーク２を介してサーバ装置３に対して、コンテンツのメタデータの送信を要求するメタデータ送信要求信号を送信すると、サーバ装置３は、ネットワーク２を介してコンテンツ推薦装置１から受信したメタデータ送信要求信号に対する応答として、コンテンツ推薦装置１に要求されたコンテンツのメタデータを送信する。
【００２４】
＜コンテンツ推薦装置の構成＞
まず、実施例１のコンテンツ推薦装置１の構成について説明する。
【００２５】
図２は、実施例１のコンテンツ推薦装置１の構成例を示す構成図である。
【００２６】
図２において、実施例１のコンテンツ推薦装置１は、出力部１０１と、入力部１０２と、コンテンツ再生部１０３と、コンテンツ検索部１０４と、コンテンツ推薦部１０５と、コンテンツ受信部１０６と、コンテンツリスト受信部１０７と、メタデータ受信部１０８と、ネットワーク接続部１０９と、履歴収集部１１０と、嗜好情報生成部１１１と、嗜好情報記憶部１１２と、検索履歴記憶部１１３と、再生履歴記憶部１１４と、パラメータ生成部１１５と、パラメータ記憶部１１６と、コンテンツリスト記憶部１１７とを備える。
【００２７】
出力部１０１は、液晶ディスプレイ等の画像出力装置、スピーカー等の音声出力装置を備え、コンテンツ再生部１０３、コンテンツ検索部１０４、またはコンテンツ推薦部１０５から供給された映像や音声を再生して出力するものである。
【００２８】
入力部１０２は、リモコン等の入力装置を備え、ユーザの操作によりコンテンツの再生、コンテンツの検索、推薦コンテンツの表示等の操作信号を生成してコンテンツ再生部１０３、コンテンツ検索部１０４、及びコンテンツ推薦部１０５へ供給するものである。
【００２９】
コンテンツ再生部１０３は、入力部１０２からコンテンツ識別情報と共にコンテンツの再生操作信号が供給されると、コンテンツ受信部１０６に対し入力部１０２から供給されたコンテンツ識別情報と共に、サーバ装置３に対しコンテンツの送信を要求するコンテンツ送信要求信号を出力し、コンテンツ受信部１０６が受信したコンテンツを出力部１０１で出力可能な形式の映像や音声の信号に変換して、出力部１０１に供給することによりコンテンツを再生すると共に、履歴収集部１１０に対し入力部１０２から供給されたコンテンツ識別情報を、再生履歴（視聴履歴）として出力するものである。
【００３０】
コンテンツ検索部１０４は、入力部１０２から検索条件と共にコンテンツの検索を指示する操作信号が供給されると、コンテンツリスト受信部１０７に対し入力部１０２から供給された検索条件と共にコンテンツの検索の実行をサーバ装置３に対し要求する検索実行要求信号を出力し、コンテンツリスト受信部１０７が受信した検索結果であるコンテンツリストを出力部１０１で出力するための形式に変換して、出力部１０１に供給すると共に、履歴収集部１１０に対し入力部１０２から供給された検索条件を、検索履歴として出力するものである。
【００３１】
コンテンツ推薦部１０５は、入力部１０２からコンテンツの推薦を指示する操作信号が供給されると、嗜好情報記憶部１１２から嗜好情報を読み出し、読み出した嗜好情報をコンテンツリスト受信部１０７に検索を実行させるための検索条件に変換し、コンテンツリスト受信部１０７にこの検索条件と共に検索実行要求信号を出力するものである。
【００３２】
また、コンテンツ推薦部１０５は、パラメータ記憶部１１６からパラメータ生成部１１５がニューラルネットワークを用いたバックプロパゲーションにより学習したパラメータを読み出し、読み出したパラメータによりパラメータ生成部１１５と同じニューラルネットワークを構築して、メタデータの嗜好度を入力値としてコンテンツの嗜好度を算出し、コンテンツリスト受信部１０７から供給される検索結果のコンテンツリストをコンテンツの嗜好度に基づいて並び替え、並び替えたコンテンツリストを出力部１０１で出力するための形式に変換し、推薦コンテンツリストとして出力部１０１に供給する。
【００３３】
コンテンツ受信部１０６は、コンテンツ再生部１０３からコンテンツ識別情報と共にコンテンツの受信を指示する信号が供給されると、ネットワーク接続部１０９を介してサーバ装置３（図１参照）に対し、コンテンツ再生部１０３から供給されたコンテンツ識別情報により識別されるコンテンツ送信要求信号を送信し、サーバ装置３から送信されるコンテンツを受信して、受信したコンテンツをコンテンツ再生部１０３に供給するものである。
【００３４】
コンテンツリスト受信部１０７は、コンテンツ検索部１０４またはコンテンツ推薦部１０５から検索条件と共に検索実行要求信号が供給されると、ネットワーク接続部１０９を介してネットワーク２に接続されたサーバ装置３に対し、コンテンツ検索部１０４またはコンテンツ推薦部１０５から供給された検索条件による検索実行要求信号を送信し、サーバ装置３に検索を実行させ、サーバ装置における検索結果であるコンテンツリストを受信し、受信したコンテンツリストをコンテンツ検索部１０４またはコンテンツ推薦部１０５に供給すると共に、コンテンツリスト記憶部１１７に記憶するものである。
【００３５】
メタデータ受信部１０８は、嗜好情報生成部１１１またはパラメータ生成部１１５からコンテンツ識別情報と共に、サーバ装置３に対しメタデータの送信を要求するメタデータ送信要求信号が供給されると、ネットワーク接続部１０９を介してネットワーク２に接続されたサーバ装置３に対し、嗜好情報生成部１１１またはパラメータ生成部１１５から供給されたコンテンツ識別情報により識別されるコンテンツのメタデータ送信要求信号を送信し、サーバ装置３から送信されたメタデータを受信し、受信したメタデータを嗜好情報生成部１１１またはパラメータ生成部１１５に供給するものである。
【００３６】
なお、本実施例１におけるコンテンツのメタデータとは、番組コンテンツや、映像コンテンツ、音楽コンテンツ等のコンテンツの内容についての情報であり、例えば、番組タイトルや、内容記述、ジャンル、時間の長さ、言語等の情報を含むものである。
【００３７】
ネットワーク接続部１０９は、ネットワークカードなどの通信インタフェースであり、このネットワーク接続部１０９によりネットワーク２に接続することによって、ネットワーク２に接続されたサーバ装置３と通信するものである。
【００３８】
履歴収集部１１０は、コンテンツ再生部１０３から再生したコンテンツの識別情報が供給されると、供給されたコンテンツ識別情報を再生履歴（視聴履歴）として再生履歴記憶部１１４に記憶させると共に、コンテンツ検索部１０４から検索条件が供給されると、供給された検索条件を検索履歴として検索履歴記憶部１１３に記憶させるものである。
【００３９】
嗜好情報生成部１１１は、例えば、１日や、１２時間、１週間等の予め定められた時間間隔で定期的に動作し、再生履歴記憶部１１４から再生履歴として記憶された再生コンテンツ識別情報を読み出し、読み出した再生コンテンツ識別情報と共に、サーバ装置３に再生コンテンツのメタデータの送信を要求するメタデータ送信要求信号をメタデータ受信部１０８に対し出力すると共に、検索履歴記憶部１１３から検索履歴としての検索条件を読み出し、メタデータ受信部１０８から供給されるメタデータと、検索履歴記憶部１１３から読み出した検索条件とに基づいて嗜好情報を生成し、生成した嗜好情報を嗜好情報記憶部１１２に記憶するものである。
【００４０】
嗜好情報記憶部１１２は、例えば、ハードディスクやメモリ等の記憶装置により構成され、嗜好情報を記憶するものである。
【００４１】
検索履歴記憶部１１３は、例えば、ハードディスクやメモリ等の記憶装置により構成され、検索履歴として複数の検索条件を記憶するものである。
【００４２】
再生履歴記憶部１１４は、例えばハードディスクやメモリ等の記憶装置により構成され、再生履歴として再生したコンテンツのコンテンツ識別情報を記憶するものである。
【００４３】
パラメータ生成部１１５は、例えば、１日や、１２時間、１週間等の予め定められた時間間隔で定期的に動作し、コンテンツリスト記憶部１１７に検索結果として記憶されたコンテンツリストからコンテンツ識別情報を読み出すと共に、再生履歴記憶部１１４に再生履歴として記憶されたコンテンツ識別情報を読み出し、コンテンツリストに掲載された各コンテンツについて、そのコンテンツを再生したか否かを判別し、コンテンツリストに掲載された各コンテンツについて、メタデータ受信部１０８に対しコンテンツ識別情報と共にメタデータ送信要求信号を出力し、メタデータ受信部１０８から供給されるメタデータと、コンテンツリスト記憶部１１７から読み出したコンテンツリストに掲載されたコンテンツ識別情報と、コンテンツの再生履歴とに基づいて、例えば、ニューラルネットワークを用いたバックプロパゲーション等の教師あり学習による機械学習によりパラメータの生成を行って、生成したパラメータをパラメータ記憶部１１６に記憶するものである。ここで、本実施例では、ユーザの嗜好情報として、ユーザの再生履歴を使用しているが、本発明では、これに限らず、例えば、ユーザの検索履歴等を使用しても良い。また、本実施例では、メタデータ受信部１０８からサーバ装置３に対しコンテンツ識別情報と共にメタデータ送信要求信号が送られ、メタデータ受信部１０８がサーバ装置３からメタデータを受信するように説明するが、本発明では、これに限らず、コンテンツリストやコンテンツ自体等に初めから各コンテンツのメタデータが含まれていたりしても良い。また、本実施例では、ニューラルネットワークを用いたバックプロパゲーション等の教師あり学習による機械学習により説明しているが、これも一例であり、コンテンツリストに掲載されたコンテンツ識別情報と、コンテンツの再生履歴とに基づいて、パラメータの生成が可能であれば、他の方法でも勿論良い。
【００４４】
パラメータ記憶部１１６は、例えばハードディスクやメモリ等の記憶装置により構成され、パラメータ生成の際のパラメータを記憶するものである。
【００４５】
コンテンツリスト記憶部１１７は、例えばハードディスクやメモリ等の記憶装置により構成され、コンテンツの検索結果として複数のコンテンツ識別情報が記述されたコンテンツリストを記憶するものである。
【００４６】
なお、本実施例１のコンテンツ推薦装置１は、嗜好情報記憶部１１２、検索履歴記憶部１１３、再生履歴記憶部１１４、パラメータ記憶部１１６、及びコンテンツリスト記憶部１１７を別々の記憶装置として構成しているが、各々の記憶部を部分的に共用したり、全ての記憶部を１つの記憶装置で共用したりする構成としてもよい。
【００４７】
また、本実施例１のコンテンツ推薦装置１は、検索履歴記憶部１１３と、再生履歴記憶部１１４のどちらか一方のみを備える構成としてもよい。この場合、嗜好情報生成部１１１は、検索履歴記憶部１１３から読み出した検索履歴として複数の検索条件、または再生履歴記憶部１１４から読み出した再生履歴として複数のコンテンツ識別情報それぞれについてメタデータ受信部１０８に受信させて供給されたメタデータのどちらか一方のみを分析し、嗜好情報を生成する。
【００４８】
＜サーバ装置の構成＞
次に、サーバ装置３の構成について説明する。
【００４９】
図３は、本実施例１のサーバ装置の構成例を示す構成図である。
【００５０】
サーバ装置３は、ネットワーク接続部３０１と、受信部３０２と、メタデータ送信部３０３と、検索部３０４と、コンテンツ送信部３０５と、メタデータ記憶部３０６と、コンテンツ記憶部３０７とを備える。
【００５１】
ネットワーク接続部３０１は、ネットワークカードなどの通信インタフェースであり、このネットワーク接続部３０１によりネットワーク２に接続することによって、ネットワーク２に接続されたコンテンツ推薦装置１と通信するものである。
【００５２】
受信部３０２は、ネットワーク接続部３０１を介してネットワーク２に接続された本実施例１のコンテンツ推薦装置１と通信し、コンテンツ推薦装置１から送信されたコンテンツ識別情報により識別されるコンテンツ送信要求信号を受信すると、受信したコンテンツ識別情報により識別されるコンテンツを読み出させるためのコンテンツ読出し要求信号をコンテンツ送信部３０５に出力し、コンテンツ送信部３０５からコンテンツが供給されると、供給されたコンテンツをネットワーク２を介してコンテンツ推薦装置１に送信するものである。
【００５３】
また、受信部３０２は、コンテンツ推薦装置１から送信された検索実行要求信号を受信すると、受信した検索実行要求信号を検索部３０４に出力し、検索部３０４から検索結果であるコンテンツリストが供給されると、供給されたコンテンツリストをネットワーク２を介してコンテンツ推薦装置１に送信するものである。
【００５４】
また、受信部３０２は、コンテンツ推薦装置１から送信されたコンテンツ識別情報により識別されるコンテンツのメタデータ送信要求信号を受信すると、受信したコンテンツ識別情報により識別されるコンテンツのメタデータを読み出させるためのメタデータ読出し信号をメタデータ送信部３０３に出力し、メタデータ送信部３０３から供給されたメタデータをコンテンツ推薦装置１に送信する。
【００５５】
メタデータ送信部３０３は、受信部３０２からコンテンツ識別情報により識別されるコンテンツのメタデータ読出し信号が供給されると、コンテンツ識別情報により識別されるコンテンツのメタデータをメタデータ記憶部３０６から読み出し、メタデータを受信部３０２に供給するものである。
【００５６】
検索部３０４は、受信部３０２から検索実行要求信号が供給されると、メタデータ記憶部３０６からコンテンツのメタデータを読み出し、読み出したコンテンツのメタデータから検索条件に合致するコンテンツを選択し、選択したコンテンツのリストを検索結果として受信部３０２に供給するものである。
【００５７】
コンテンツ送信部３０５は、受信部３０２からコンテンツ識別情報により識別されるコンテンツ読出し指示信号が供給されると、供給されたコンテンツ識別情報により識別されるコンテンツをコンテンツ記憶部３０７から読み出し、読み出したコンテンツを受信部３０２に供給するものである。
【００５８】
メタデータ記憶部３０６は、例えばハードディスクやメモリ等の記憶装置により構成され、予めコンテンツのメタデータを記憶している。
【００５９】
コンテンツ記憶部３０７は、例えばハードディスクやメモリ等の記憶装置により構成され、予めコンテンツを記憶している。
【００６０】
なお、本実施例１のサーバ装置３でも、メタデータ記憶部３０６、及びコンテンツ記憶部３０７を別々の記憶装置として構成しているが、各々の記憶部を部分的に共用したり、全ての記憶部を１つの記憶装置で共用したりする構成としてもよい。
【００６１】
＜コンテンツ推薦装置の動作＞
次に、図２に示す本実施例１のコンテンツ推薦装置１の動作について説明する。
【００６２】
≪コンテンツ検索処理≫
まずは、本実施例１のコンテンツ推薦装置１のコンテンツ検索部１０４におけるコンテンツ検索処理の詳細について説明する。
【００６３】
図４は、本実施例１のコンテンツ推薦装置１のコンテンツ検索部１０４におけるコンテンツ検索処理を示すフローチャートである。
【００６４】
コンテンツ推薦装置１のコンテンツ検索部１０４は、入力部１０２からコンテンツ検索の開始を指示する操作信号が供給されると、コンテンツ検索処理を開始し、検索条件の入力画面を出力部１０１に表示させる（ステップＳ４０１）。
【００６５】
次に、コンテンツ検索部１０４は、検索の指示があったか否かを判定する（ステップＳ４０２）。具体的には、コンテンツ検索部１０４は、ステップＳ４０１の処理により出力部１０１に表示された検索条件の入力画面において、ユーザが入力操作を行うことにより、入力部１０２から、検索条件と共にコンテンツの検索を指示する操作信号が供給されたか否かを判定する。
【００６６】
ステップＳ４０２において、検索の指示があったと判定された場合、コンテンツ検索部１０４は、ユーザにより入力された検索条件を、履歴収集部１１０に検索履歴として記録させると共に（ステップＳ４０３）、検索を実行する（ステップＳ４０４）。具体的には、コンテンツ検索部１０４は、入力部１０２から供給された検索条件と共に検索実行要求信号をコンテンツリスト受信部１０７に供給し、コンテンツリスト受信部１０７から供給される検索結果のコンテンツリストを受け取る。
【００６７】
コンテンツ検索部１０４は、ステップＳ４０４にてコンテンツリスト受信部１０７からサーバ装置３におけるコンテンツの検索結果であるコンテンツリストを受け取ると、そのコンテンツリストを出力部１０１で出力するための形式に変換し、出力部１０１に出力して表示する（ステップＳ４０５）。
【００６８】
図５は、図４のステップＳ４０１により出力部１０１に表示される検索条件の入力画面の例を示す図である。
【００６９】
図５において、出力部１０１に表示される、検索条件の入力画面５０は、キーワード入力欄５０１と、ジャンル選択欄５０２と、時間選択欄５０３と、言語選択欄５０４と、検索ボタン５０５とを備える。
【００７０】
キーワード入力欄５０１は、検索に使用するキーワードをテキストで入力する欄である。
【００７１】
ジャンル選択欄５０２は、検索の対象とするコンテンツのジャンルを、予め定められた選択肢の中から選択する欄である。ジャンルの選択肢は、例えば、「バラエティ」「スポーツ」「音楽」等のコンテンツの内容を示すジャンルと、すべてのジャンルのコンテンツを検索の対象とすることを示す「すべてのジャンル」とにより構成される。
【００７２】
時間選択欄５０３は、検索の対象とするコンテンツの時間の長さの範囲を、予め定められた選択肢の中から選択する欄である。時間の選択肢は、例えば、「５分未満」、「５分から３０分」、「３０分以上」等の時間の長さの範囲を示すものと、すべての時間のコンテンツを検索の対象とすることを示す「すべての長さ」とにより構成される。
【００７３】
言語選択欄５０４は、検索の対象とするコンテンツの言語を、予め定められた選択肢の中から選択する欄である。言語の選択肢は、例えば、「日本語」、「英語」、「フランス語」等の言語と、すべての言語のコンテンツを検索の対象とすることを示す「すべての言語」とにより構成される。
【００７４】
検索ボタン５０５は、検索の実行を指示するためのボタンである。ユーザが検索ボタン５０５を押すと、キーワード入力欄５０１に入力されたキーワード、及びジャンル選択欄５０２、時間選択欄５０３、及び言語選択欄５０４で選択された選択肢の組を検索条件として、コンテンツ検索の開始を指示する操作信号がコンテンツ検索部１０４に供給される。
【００７５】
図６は、図４のステップＳ４０５の処理により出力部１０１に表示される検索結果のコンテンツリスト画面の一例である。
【００７６】
ステップＳ４０４の検索実行処理により、コンテンツリスト受信部１０７から供給される検索結果のコンテンツリストは、検索されたそれぞれのコンテンツについてのコンテンツ識別情報や、タイトル等のコンテンツのメタデータの一部、及びコンテンツの映像の１つのフレームを静止画として抽出したサムネイル画像等により構成される。ステップＳ４０５では、これらの情報から図６に示すような出力部１０１での出力に適したコンテンツリスト画面を生成する。
【００７７】
コンテンツリスト画面６は、サムネイル画像６０１〜６０３と、タイトル６０４〜６０６と、選択カーソル６０７とを備える。
【００７８】
サムネイル画像６０１〜６０３は、それぞれのコンテンツのサムネイル画像を表示したものである。
【００７９】
タイトル６０４〜６０６は、それぞれのコンテンツのタイトルを対応するサムネイル画像６０１〜６０３の横に表示したものである。
【００８０】
選択カーソル６０７は、コンテンツリストに含まれるコンテンツのうちの１つを選択するものであり、入力部１０２による操作によって上下に動かし、選択するコンテンツを変更できるものである。
【００８１】
なお、図６では、コンテンツ検索部１０４は、コンテンツ識別情報をメモリ等の一時記憶装置に記憶しておくか、または非表示のオブジェクトとしてコンテンツリスト画面６に含めておき、コンテンツリスト画面６にコンテンツ識別情報を表示しないようにしているが、コンテンツリスト画面６に表示するようにしても勿論よい。
【００８２】
≪コンテンツ再生処理≫
次に、本実施例１のコンテンツ推薦装置１のコンテンツ再生部１０３におけるコンテンツ再生処理の詳細について説明する。
【００８３】
図７は、本実施例１のコンテンツ推薦装置１のコンテンツ再生部１０３におけるコンテンツ再生処理を示すフローチャートである。
【００８４】
コンテンツ再生部１０３におけるコンテンツ再生処理は、コンテンツ検索部１０４におけるコンテンツ検索処理、またはコンテンツ推薦部１０５におけるコンテンツ推薦処理により、出力部１０１に図６に示すようなコンテンツリスト画面６が表示された状態で、開始する。
【００８５】
そして、コンテンツ再生部１０３は、ユーザによりコンテンツが選択されたか否かを判定する（ステップＳ７００）。具体的には、図６に示すコンテンツリスト画面６において、ユーザが入力部１０２による操作により再生したいコンテンツを選択カーソル６０７によって選択し、再生開始を指示する操作を行うことにより、コンテンツ再生部１０３は、入力部１０２からコンテンツの再生を指示する再生操作信号が供給されたか否かを判定する。
【００８６】
ステップＳ７００においてコンテンツが選択されたと判定された場合（ＹＥＳの場合）、コンテンツ再生部１０３は、ステップＳ７００において選択されたコンテンツのコンテンツ識別情報と、コンテンツの再生操作信号を受信する（ステップＳ７０１）。
【００８７】
すると、コンテンツ再生部１０３は、受信したコンテンツ識別情報を履歴収集部１１０に供給し、再生履歴記憶部１１４に記憶する（ステップＳ７０２）。なお、このコンテンツ識別情報が再生履歴（視聴履歴）となる。
【００８８】
また、コンテンツ再生部１０３は、ステップＳ７０１において入力部１０２から供給されたコンテンツ識別情報と共にコンテンツの再生操作信号をコンテンツ受信部１０６に出力し、コンテンツ受信部１０６にネットワーク２を介しサーバ装置３に対しコンテンツ要求信号を送信させ、そのコンテンツ識別情報に対応したコンテンツを受信させ、コンテンツ受信部１０６が受信したコンテンツを入力する（ステップＳ７０３）。
【００８９】
すると、コンテンツ再生部１０３は、ステップＳ７０３においてコンテンツ受信部１０６から入力したコンテンツを出力部１０１で出力することが可能な形式の映像や音声の信号に変換し、出力部１０１に供給して、コンテンツを再生する（ステップＳ７０４）。
【００９０】
≪嗜好情報生成処理≫
次に、本実施例１のコンテンツ推薦装置１の嗜好情報生成部１１１における嗜好情報生成処理の詳細について説明する。
【００９１】
図８は、本実施例１のコンテンツ推薦装置１の嗜好情報生成部１１１において、予め定められた時間間隔で定期的に動作している嗜好情報生成処理のうちの１周期分の主要な処理を示すフローチャートである。
【００９２】
コンテンツ推薦装置１の嗜好情報生成部１１１は、嗜好情報生成処理を開始すると、図９にて後述する所定の再生履歴分析処理を行う（ステップＳ８０１）。
【００９３】
次に、嗜好情報生成部１１１は、図１０にて後述する所定の検索履歴分析処理を行う（ステップＳ８０２）。
【００９４】
次に、嗜好情報生成部１１１は、再生履歴に基づく嗜好情報と、検索履歴に基づく嗜好情報とを統合する（ステップＳ８０３）。具体的には、それぞれの嗜好情報は、図９や図１０にて示すように、複数のキーワード、複数のジャンル、複数の時間の長さ、及び複数の言語それぞれについての嗜好度により構成される。嗜好度は０以上１以下の実数値であるので、嗜好情報生成部１１１は、再生履歴に基づく嗜好情報に含まれる嗜好度と、検索履歴に基づく嗜好情報に含まれる嗜好度とを重み付けして足し合わせる。例えば、再生履歴の重みをＷｖ、操作履歴の重みをＷｓとし、あるキーワードの再生履歴に基づく嗜好情報に含まれる嗜好度がＰｖ、検索履歴に基づく嗜好情報に含まれる嗜好度がＰｓであるとすると、キーワードの統合された嗜好度Ｐは、次の数１の式によって求められる。
【００９５】
【数１】
ここで、重みＷｖ、Ｗｓは再生履歴と操作履歴とをコンテンツ再生に反映させる度合いを考慮して、合計が１になるように予め定める。また、再生履歴に基づく嗜好情報と検索履歴に基づく嗜好情報の一方にのみ含まれるキーワードについては、含まれない方の嗜好度を０とする。
【００９６】
次に、嗜好情報生成部１１１は、ステップＳ８０３で統合された嗜好情報を嗜好情報記憶部１１２に記憶する（ステップＳ８０４）。
【００９７】
なお、コンテンツ推薦装置１が検索履歴記憶部１１３のみを備える構成の場合、すなわち、再生履歴記憶部１１４を備えない構成の場合、嗜好情報生成部１１１における嗜好情報生成処理では、ステップＳ８０１及びステップＳ８０３を行わない。また、コンテンツ推薦装置１が再生履歴記憶部１１４のみを備える構成の場合、すなわち、検索履歴記憶部１１３を備えない構成の場合、嗜好情報生成部１１１における嗜好情報生成処理は、ステップＳ８０２及びステップＳ８０３を行わない。
【００９８】
次に、図８に示す嗜好情報生成処理のステップＳ８０１で行う再生履歴分析処理の詳細について説明する。
【００９９】
図９は、図８のステップＳ８０１で行う再生履歴分析処理の詳細を示すフローチャートである。
【０１００】
嗜好情報生成部１１１は、再生履歴分析処理を開始すると、再生履歴記憶部１１４から再生履歴として記憶した再生したコンテンツのコンテンツ識別情報を読み出す（ステップＳ９０１）。
【０１０１】
次に、嗜好情報生成部１１１は、読み出した再生履歴として記憶したコンテンツのメタデータを取得する（ステップＳ９０２）。具体的には、嗜好情報生成部１１１は、ステップＳ９０１で読み出したコンテンツ識別情報それぞれについて、メタデータ受信部１０８に対しコンテンツ識別情報と共に、メタデータ送信要求信号を出力し、メタデータ受信部１０８からメタデータを受け取る。
【０１０２】
次に、嗜好情報生成部１１１は、ステップＳ９０２で取得したメタデータからキーワードを抽出する（ステップＳ９０３）。具体的には、嗜好情報生成部１１１は、メタデータに含まれるタイトルや内容記述等の文字列に対して形態素解析を行い、名詞等の特定の品詞の単語をキーワードとして抽出する。
【０１０３】
次に、嗜好情報生成部１１１は、キーワードの出現頻度を計算する（ステップＳ９０４）。具体的には、嗜好情報生成部１１１は、ステップＳ９０３で抽出したキーワードのそれぞれについて、ステップＳ９０２で取得した全てのメタデータの中での出現回数を数え、これを出現頻度とする。
【０１０４】
次に、嗜好情報生成部１１１は、キーワードの出現頻度を正規化する（ステップＳ９０５）。具体的には、嗜好情報生成部１１１は、ステップＳ９０４で求めた出現頻度の最大値をＦｍａｘとし、計算対象キーワードｋのステップＳ９０４で求めた出現頻度をＦ’ｋとすると、正規化された出現頻度Ｆｋを、次の数２の式によって求める。
【０１０５】
【数２】
この式によって求められる正規化された出現頻度をキーワードの嗜好度であるキーワード嗜好度とする。
【０１０６】
次に、嗜好情報生成部１１１は、ジャンルの出現率を計算する（ステップＳ９０６）。具体的には、嗜好情報生成部１１１は、ステップＳ９０２で取得したメタデータの数をＮとし、計算対象ジャンルｇについて、ステップＳ９０２で取得したメタデータの中でジャンルが計算対象ジャンルｇであるものの数をＮｇとすると、出現率Ｒｇを次の数３の式によって求める。
【０１０７】
【数３】
この数３の式によって求められるジャンルの出現率をジャンルの嗜好度であるジャンル嗜好度とする。
【０１０８】
次に、嗜好情報生成部１１１は、時間の長さの出現率を計算する（ステップＳ９０７）。具体的には、嗜好情報生成部１１１は、ステップＳ９０２で取得したメタデータに含まれる時間の長さを、図５の検索条件の入力画面の例を示す図における時間選択欄５０３の選択肢のどれに該当するかによって分類し、時間選択欄５０３の選択肢毎に分類された時間の長さについて出現率を計算する。時間の長さの出現率の計算式は、ステップＳ９０６のジャンルの出現率と同様である。求められた時間の長さの出現率を、時間の長さの嗜好度である時間長嗜好度とする。
【０１０９】
次に、嗜好情報生成部１１１は、言語の出現率を計算する（ステップＳ９０８）。具体的には、嗜好情報生成部１１１は、ステップＳ９０２で取得したメタデータに含まれる言語について、Ｓ９０６のジャンルの出現率と同様の式で出現率を求める。求められた出現率を言語の嗜好度である言語嗜好度とする。
【０１１０】
次に、図８に示す嗜好情報生成処理のステップＳ８０２で行う検索履歴分析処理の詳細について説明する。
【０１１１】
図１０は、図８のステップＳ８０２で行う検索履歴分析処理の詳細を示すフローチャートである。
【０１１２】
嗜好情報生成部１１１は、検索履歴分析処理を開始すると、検索履歴記憶部１１３から検索条件を読み出す（ステップＳ１００１）。
【０１１３】
次に、嗜好情報生成部１１１は、図９のステップＳ９０４の処理と同様に、キーワードの出現頻度を計算する（ステップＳ１００２）。具体的には、嗜好情報生成部１１１は、ステップＳ１００１で読み出した検索条件に含まれるキーワードのそれぞれについて、全ての検索条件の中での出現回数を数え、これを出現頻度とする。
【０１１４】
次に、嗜好情報生成部１１１は、図９のステップＳ９０５の処理と同様に、キーワードの出現頻度を正規化する（ステップＳ１００３）。具体的には、嗜好情報生成部１１１は、図９の再生履歴分析処理のステップＳ９０５と同様の式で正規化された出現頻度を求める。求められた正規化された出現頻度をキーワード嗜好度とする。
【０１１５】
次に、嗜好情報生成部１１１は、図９のステップＳ９０６の処理と同様に、ジャンルの出現率を計算する（ステップＳ１００４）。具体的には、嗜好情報生成部１１１は、ステップＳ１００１で読み出した検索条件の数をＭとし、計算対象ジャンルｇについて、ステップＳ１００１で読み出した検索条件の中でジャンルが計算対象ジャンルｇであるものの数をＭｇとすると、出現率Ｓｇを、次の数４の式によって求める。
【０１１６】
【数４】
この数４の式によって求められる出現率をジャンル嗜好度とする。ただし、ジャンルの指定が「すべてのジャンル」である検索条件は、検索条件の数Ｍの中には含めるが、「すべてのジャンル」の出現率は計算しない。
【０１１７】
次に、嗜好情報生成部１１１は、図９のステップＳ９０７の処理と同様に、時間の長さの出現率を計算する（ステップＳ１００５）。具体的には、嗜好情報生成部１１１は、ステップＳ１００１で読み出した検索条件に含まれる時間の長さについて、ステップＳ１００４のジャンルの出現率と同様の式で出現率を求める。求められた出現率を時間長嗜好度とする。ただし、時間の長さの指定が「すべての長さ」である検索条件は検索条件の数Ｍの中には含めるが、「すべての長さ」の出現率は計算しない。
【０１１８】
次に、嗜好情報生成部１１１は、図９のステップＳ９０８の処理と同様に、言語の出現率を計算する（ステップＳ１００６）。具体的には、嗜好情報生成部１１１は、ステップＳ１００１で読み出した検索条件に含まれる言語について、Ｓ１００４のジャンルの出現率と同様の式で出現率を求める。求められた出現率を言語嗜好度とする。ただし、言語の指定が「すべての言語」である検索条件は検索条件の数Ｍの中には含めるが、「すべての言語」の出現率は計算しない。
【０１１９】
≪パラメータ生成処理≫
次に本実施例１のコンテンツ推薦装置１のパラメータ生成部１１５におけるパラメータ生成処理の詳細について説明する。
【０１２０】
図１１は、本実施例１のコンテンツ推薦装置１のパラメータ生成部１１５において、予め定められた時間間隔で定期的に動作しているパラメータ生成処理のうちの１周期分の主要な処理を示すフローチャートである。
【０１２１】
パラメータ生成部１１５は、パラメータ生成処理を開始すると、コンテンツリスト記憶部１１７からユーザの入力した検索条件に基づくコンテンツの検索結果であるコンテンツリストに掲載されたコンテンツの識別情報を読み出す（ステップＳ１１０１）。
【０１２２】
次に、パラメータ生成部１１５は、嗜好情報記憶部１１２から嗜好情報を読み出す（ステップＳ１１０２）。
【０１２３】
次に、パラメータ生成部１１５は、コンテンツのメタデータを取得する（ステップＳ１１０３）。具体的には、パラメータ生成部１１５は、ステップＳ１１０１で読み出したコンテンツリストに掲載されたコンテンツ識別情報それぞれについて、メタデータ受信部１０８に対しコンテンツ識別情報と共にメタデータ送信要求信号を出力してサーバ装置３からそのコンテンツのメタデータを送信させ、メタデータ受信部１０８がサーバ装置３からのメタデータを受信すると、メタデータ受信部１０８からそのメタデータを受け取る。
【０１２４】
次に、パラメータ生成部１１５は、コンテンツリストに掲載された各コンテンツの嗜好を分析する（ステップＳ１１０４）。具体的には、パラメータ生成部１１５は、ステップＳ１１０３で取得したコンテンツリストに掲載された各コンテンツのメタデータに含まれるタイトルや内容記述等の文字列に対して、ステップＳ１１０２で読み出した嗜好情報に含まれるキーワードが含まれるか否かを判定し、メタデータに含まれるタイトルや内容記述等の文字列に含まれるキーワードの嗜好度を足し合わせた値を、コンテンツに対するキーワード嗜好度とする。
【０１２５】
また、パラメータ生成部１１５は、ステップＳ１１０３で取得したメタデータに含まれるジャンルに対して、ステップＳ１１０２で読み出した嗜好情報に含まれるジャンルのうち該当するジャンルの嗜好度をコンテンツに対するジャンル嗜好度とする。
【０１２６】
また、パラメータ生成部１１５は、ステップＳ１１０３で取得したメタデータに含まれる時間の長さを、図５の検索条件の入力画面の例を示す図における時間選択欄５０３の選択肢のどれに該当するかによって分類し、ステップＳ１１０２で読み出した嗜好情報に含まれる時間の長さのうち該当する時間の長さの嗜好度をコンテンツに対する時間長嗜好度とする。
【０１２７】
また、パラメータ生成部１１５は、ステップＳ１１０３で取得したメタデータに含まれる言語に対して、ステップＳ１１０２で読み出した嗜好情報に含まれる言語のうち該当する言語の嗜好度をコンテンツに対する言語嗜好度とする。
【０１２８】
次に、パラメータ生成部１１５は、再生履歴記憶部１１４から再生したコンテンツのコンテンツ識別情報が掲載された再生履歴を読み出す（ステップＳ１１０５）。
【０１２９】
次に、パラメータ生成部１１５は、検索結果の各コンテンツを再生したか否かを判定する（ステップＳ１１０６）。具体的には、パラメータ生成部１１５は、ステップＳ１１０１で読み出した検索結果のコンテンツリストに掲載されたコンテンツ識別情報それぞれについて、ステップＳ１１０５で読み出した再生履歴のコンテンツ識別情報の中に同一のものが含まれるか否かを調べ、同一のものが含まれる場合に検索結果のコンテンツを再生したと判定し、同一のものが含まれない場合に検索結果のコンテンツを再生していないと判定する。
【０１３０】
次に、パラメータ生成部１１５は、コンテンツリストに掲載された各コンテンツの嗜好情報と、再生したか否かを教師データとして機械学習を行い、パラメータを生成する（ステップＳ１１０７）。具体的には、パラメータ生成部１１５は、例えば、ステップＳ１１０４で求めたコンテンツに対するキーワード嗜好度、ジャンル嗜好度、時間長嗜好度、及び言語嗜好度の４つの値を入力とし、コンテンツ嗜好度を出力とするニューラルネットワークを構成し、ステップＳ１１０６で判定したコンテンツを再生したか否かの情報に基づき、コンテンツを再生した場合は出力であるコンテンツ嗜好度の値を１とし、コンテンツを再生していない場合は出力であるコンテンツ嗜好度の値を０として、バックプロパゲーションによる教師あり学習を行い、パラメータを生成する。
【０１３１】
図１２は、パラメータ生成部１１５のパラメータ生成処理で用いるニューラルネットワークの構成例を示す図である。
【０１３２】
ニューラルネットワーク１８は、入力層のニューロンｉ１〜ｉ４、中間層のニューロンｎ１〜ｎ４、及び出力層のニューロンｏ１とにより構成される。なお、中間層のニューロンの数は４つに限定されるものではない。また、２層以上の中間層を備える構成としてもよい。
【０１３３】
ステップＳ１１０７のパラメータ生成処理では、ステップＳ１１０４で求めたコンテンツに対するキーワード嗜好度、ジャンル嗜好度、時間長嗜好度、及び言語嗜好度を入力層のニューロンｉ１〜ｉ４のそれぞれの入力値とする。また、出力層のニューロンｏ１の出力値であるコンテンツ嗜好度の値を、コンテンツを再生した場合は１とし、コンテンツを再生していない場合は０として、バックプロパゲーションによる教師あり学習を行う。教師あり学習により、各ニューロンｉ１〜ｉ４、ｎ１〜ｎ４の重み値等のパラメータが最適化される。
【０１３４】
次に、パラメータ生成部１１５は、例えばステップＳ１１０７においてニューラルネットワークによる教師あり学習を行う場合、ニューラルネットワーク１８を構成する各ニューロンｉ１〜ｉ４、ｎ１〜ｎ４、及びｏ１のパラメータをパラメータ記憶部１１６に記憶する（ステップＳ１１０８）。
【０１３５】
なお、ステップＳ１１０４でコンテンツの嗜好を分析して求める値は、コンテンツに対するキーワード嗜好度、ジャンル嗜好度、時間長嗜好度、及び言語嗜好度の４つに限定するものではない。メタデータに含まれるその他の情報についての嗜好度を求めてもよいし、上記の４つの値のいずれかを省略してもよい。
【０１３６】
なお、ステップＳ１１０７におけるパラメータ生成処理は、図１２に示すようなニューラルネットワーク１８に限定するものではない、コンテンツのキーワード嗜好度等の嗜好に関する値、及びコンテンツを再生したか否かの情報を教師データとして用いる任意の教師あり学習の技術が適用可能である。
【０１３７】
≪コンテンツ推薦処理≫
次に、本実施例１のコンテンツ推薦装置１のコンテンツ推薦部１０５におけるコンテンツ推薦処理の詳細について説明する。
【０１３８】
図１３は、本実施例１のコンテンツ推薦装置１のコンテンツ推薦部１０５におけるコンテンツ推薦処理を示すフローチャートである。
【０１３９】
なお、このコンテンツ推薦部１０５におけるコンテンツ推薦処理では、コンテンツ検索部１０４におけるコンテンツ検索処理と同様に、コンテンツリスト受信部１０７に対し、ユーザの嗜好に適合するコンテンツを検索させるための検索条件を送る。この検索条件は、コンテンツ検索部１０４におけるコンテンツ検索処理においてユーザによって入力される検索条件と同じ構造を持つものであるが、ユーザによって入力される検索条件と区別するために、コンテンツ推薦部１０５によって生成される検索条件を嗜好検索条件と呼ぶことにする。
【０１４０】
コンテンツ推薦部１０５は、入力部１０２からコンテンツ推薦を指示する操作信号が供給されると、コンテンツ推薦処理を開始し、嗜好情報記憶部１１２から嗜好情報を読み出す（ステップＳ１３０１）。
【０１４１】
次に、コンテンツ推薦部１０５は、検索に使用するキーワードの予め定められた個数、または、ステップＳ１３０１で読み出した嗜好情報に含まれるキーワードの数が予め定められた個数より少ない場合には、嗜好情報に含まれるキーワードの数をＮとし、変数ｉに０を代入する（ステップＳ１３０２）。
【０１４２】
次に、コンテンツ推薦部１０５は、変数ｉの値がＮ未満であるか否かを判定する（ステップＳ１３０３）。コンテンツ推薦部１０５は、変数ｉの値がＮ未満であると判定された場合、ステップＳ１３０３へ処理を移行し、変数ｉの値がＮ未満ではない、すなわちＮ以上であると判定された場合、ステップＳ１３０７へ処理を移行する。
【０１４３】
ステップＳ１３０３において、変数ｉの値がＮ未満であると判定した場合（ＹＥＳの場合）、コンテンツ推薦部１０５は、変数ｉの値を１だけ加算する（ステップＳ１３０４）。
【０１４４】
次に、コンテンツ推薦部１０５は、ステップＳ１３０１で読み出した嗜好情報に含まれるキーワードのうち、嗜好度が大きい方から数えてｉ番目のキーワードを嗜好検索条件に設定して（ステップＳ１３０５）、検索を実行する（ステップＳ１３０６）。具体的には、コンテンツ推薦部１０５は、コンテンツリスト受信部１０７に対し、ステップＳ１３０４でキーワードを設定した嗜好検索条件とともに検索実行要求信号を出力し、コンテンツリスト受信部１０７がサーバ装置３から受信した検索結果のコンテンツリストを受け取り、ステップＳ１３０３の処理へ戻る。
【０１４５】
一方、ステップＳ１３０３において、変数ｉの値がＮ未満ではないと判定した場合（ＮＯの場合）、コンテンツ推薦部１０５は、ステップＳ１３０５を１回以上実行することによって得られた検索結果のコンテンツのうち、重複するコンテンツがあれば、合わせて１つのコンテンツとする（ステップＳ１３０７）。
【０１４６】
次に、コンテンツ推薦部１０５は、ステップＳ１３０８で重複するコンテンツが１つに統合された検索結果のコンテンツリストに対して、各コンテンツのメタデータを取得する（ステップＳ１３０８）。具体的には、コンテンツ推薦部１０５は、ステップＳ１３０７で重複するコンテンツが１つに統合された検索結果としてのコンテンツのコンテンツ識別情報それぞれについて、メタデータ受信部１０８に対し、コンテンツ識別情報とともにメタデータを受信させるためのメタデータ送信要求信号を出力し、メタデータ受信部１０８からメタデータを受け取る。
【０１４７】
次に、コンテンツ推薦部１０５は、検索結果の各コンテンツの嗜好を分析する（ステップＳ１３０９）。具体的な分析の内容は、図１１に示すメタデータ嗜好度生成部１１５によるステップＳ１１０４のコンテンツ嗜好分析処理と同様である。
【０１４８】
次に、コンテンツ推薦部１０５は、パラメータ記憶部１１６からパラメータを読み出す（ステップＳ１３１０）。ここで読み出すパラメータは、例えば、図１１のステップＳ１１０８の処理によりパラメータ記憶部１１６に記憶した、例えば、図１２に示すニューラルネットワーク１８を構成する各ニューロンｉ１〜ｉ４、ｎ１〜ｎ４、及びｏ１のパラメータである。
【０１４９】
次に、コンテンツ推薦部１０５は、読み出したパラメータによりニューラルネットワークを構成して、コンテンツの嗜好度を算出する（ステップＳ１３１１）。具体的には、コンテンツ推薦部１０５は、例えば、ステップＳ１３１０で読み出したパラメータに基づいて、図１２に示すようにニューラルネットワーク１８を構成し、ステップＳ１３０９で求めた各コンテンツのメタデータ嗜好度、例えば、キーワード嗜好度、ジャンル嗜好度、時間長嗜好度、及び言語嗜好度を入力層のニューロンｉ１〜ｉ４それぞれの入力値としたときの出力層のニューロンｏ１の出力値を求め、その出力値をコンテンツ嗜好度とする。
【０１５０】
次に、コンテンツ推薦部１０５は、ステップＳ１３０７で重複するコンテンツが１つに統合された検索結果のコンテンツリストに対して、コンテンツをステップＳ１３１３で求めた嗜好度の大きい順に並び替える（ステップＳ１３１２）。
【０１５１】
そして最後に、コンテンツ推薦部１０５は、ステップＳ１３１８で嗜好度の大きい順に並び替えたコンテンツリストの先頭から画面に出力するのに適当な数のコンテンツを選択し、図６の例に示すようなコンテンツリスト画面を生成する（ステップＳ１３１２）。
【０１５２】
従って、本実施例１のコンテンツ推薦装置１によれば、ユーザによって入力された検索条件をサーバ装置に対し送信してコンテンツを検索させ、当該サーバ装置から前記検索条件に基づくコンテンツリストを受信して記憶すると共に、ユーザによって入力された検索条件を検索履歴として記憶し、またその検索履歴に基づいてユーザの嗜好情報を生成して記憶し、記憶したコンテンツリストを読み出すと共に、ユーザの嗜好情報を読み出し、コンテンツリストに掲載されたコンテンツの識別情報をサーバ装置に送信して検索させ、コンテンツリストに掲載されたコンテンツのメタデータを受信し、受信したメタデータと、ユーザの嗜好情報とに基づいてパラメータを生成し、そのパラメータに基づいてコンテンツの嗜好度を算出し、算出したコンテンツの嗜好度に基づいてコンテンツリストを並び替えユーザに推薦するようにしたので、ユーザが入力した検索条件に基づくコンテンツリストに掲載されたコンテンツのメタデータをサーバ装置から受信することになり、サーバ装置の保持する全てのコンテンツのメタデータを受信することなく、ユーザにコンテンツを推薦することができる。
【０１５３】
特に、本実施例１のコンテンツ推薦装置１によれば、コンテンツリストに掲載されたコンテンツのメタデータを受信し、受信したメタデータと、ユーザの嗜好情報とに基づいてパラメータを生成し、そのパラメータに基づいてコンテンツの嗜好度を算出し、算出したコンテンツの嗜好度に基づいてコンテンツリストを並び替えユーザに推薦するので、ユーザが入力した検索条件に基づくコンテンツのメタデータだけを受信するのみではなく、検索履歴や再生履歴に基づくコンテンツの嗜好度に基づいてコンテンツリストを並び替えてユーザに推薦することが可能となり、より精度良くユーザにコンテンツを推薦することができる。
【０１５４】
また、本実施例１のコンテンツ推薦装置１では、コンテンツの再生履歴を記憶し、検索履歴と、その再生履歴とに基づいて、ユーザの嗜好情報を生成しているので、検索履歴だけでなく、再生履歴に基づいて、メタデータの嗜好度を生成することができる。
【０１５５】
また、本実施例１のコンテンツ推薦装置では、コンテンツの嗜好度を算出するためのパラメータを生成する際、受信したメタデータと、嗜好情報とに基づいて、メタデータの嗜好度を求めると共に、再生履歴を読み出し、読み出した再生履歴に基づいてコンテンツリストに掲載されたコンテンツを再生したか否かを判定し、メタデータの嗜好度を入力値とし、かつ、コンテンツを再生したか否かの判定結果を出力層への教師信号としてニューラルネットワークを用いたバックプロパゲーションによる教師あり学習を行ってパラメータを生成し、コンテンツリストを並び替えてユーザに推薦する際には、ニューラルネットワークにパラメータを適用し、かつ、メタデータの嗜好度を入力値としてコンテンツの嗜好度を算出し、算出したコンテンツの嗜好度に基づいてコンテンツリストを並び替えてユーザに推薦するので、例えばキーワードやジャンル等のメタデータの種類毎の嗜好度をコンテンツの嗜好度に反映させる度合いをもユーザに合わせて最適化し、さらに精度良く並び替えたコンテンツリストを、ユーザに推薦することができる。
【０１５６】
なお、上述した本実施例１のコンテンツ推薦装置１は、コンピュータにインストールしたコンテンツ推進プログラムを実行させることにより実現することもできる。このコンテンツ推進プログラムは、例えば、コンテンツ推進プログラムが記憶された記録媒体から読み出され、ＣＰＵで実行されることによりコンテンツ推薦装置を構成するようにしてもよいし、通信ネットワークを介して伝送されてインストールされ、ＣＰＵで実行されることによりコンテンツ推薦装置を構成するようにしてもよい。
【実施例２】
【０１５７】
次に、本実施例２のコンテンツ推薦装置について説明する。
【０１５８】
図１４は、本実施例２のコンテンツ推薦装置の構成例を示す構成図である。
【０１５９】
コンテンツ推薦装置１２は、出力部１０１と、入力部１０２と、コンテンツ再生部１０３と、コンテンツ検索部１０４と、コンテンツ受信部１０６と、コンテンツリスト受信部１０７と、メタデータ受信部１０８と、ネットワーク接続部１０９と、履歴収集部１１０と、嗜好情報生成部１１１と、嗜好情報記憶部１１２と、検索履歴記憶部１１３と、再生履歴記憶部１１４と、パラメータ生成部１１５と、パラメータ記憶部１１６と、コンテンツリスト記憶部１１７と、本実施例２特有のコンテンツ推薦部１２０５と、コンテンツ分析部１２１８と、および推薦情報記憶部１２１９とを備える。
【０１６０】
ここで、本実施例２のコンテンツ推薦装置１２に備えられた構成のうち、図２に示すものと同じ構成には、同一符号を付して、その説明を省略し、本実施例２特有のコンテンツ推薦部１２０５、コンテンツ分析部１２１８、および推薦情報記憶部１２１９についてその機能を説明する。
【０１６１】
つまり、本実施例２のコンテンツ推薦部１２０５は、入力部１０２からコンテンツの推薦を指示する操作信号が供給されると、推薦情報記憶部１２１９から推薦情報として記憶しておいたコンテンツリストを読み出し、読み出したコンテンツリストを出力部１０１で出力するための形式に変換し、推薦コンテンツリストとして出力部１０１に供給するものである。ここで、読み出す推薦情報とは、推薦するコンテンツリストである。
【０１６２】
コンテンツ分析部１２１８は、例えば、１日や、１２時間、１週間等の予め定められた時間間隔で定期的に動作し、嗜好情報記憶部１１２から嗜好情報を読み出し、読み出した嗜好情報をコンテンツリスト受信部１０７に検索を実行させるための検索条件に変換し、コンテンツリスト受信部１０７にこの検索条件と共に検索実行要求信号を出力すると共に、パラメータ記憶部１１６からメタデータ嗜好度を読み出し、読み出したメタデータ嗜好度に基づきコンテンツリスト受信部１０７から供給される検索結果であるコンテンツリストを並び替えるものである。ただし、コンテンツ分析部１２１８は、実施例１のコンテンツ推薦部１０５とは異なり、並び替えたコンテンツリストを出力部１０１に出力するのではなく、推薦情報として推薦情報記憶部１２１９に記憶する。
【０１６３】
推薦情報記憶部１２１９は、例えばハードディスク等の記憶装置により構成され、推薦情報としてコンテンツリストを記憶する。
【０１６４】
次に、実施例２のコンテンツ推薦装置１２の動作について説明する。
【０１６５】
図１５は、本実施例２のコンテンツ推薦装置１２のコンテンツ分析部１２１８におけるコンテンツ分析処理を示すフローチャートである。
【０１６６】
ここで、図１５に示す実施例２のコンテンツ推薦装置１２のコンテンツ分析部１３１８によるコンテンツ分析処理のうち、図１３に示す実施例１のコンテンツ推薦装置１のコンテンツ推薦部１０５によるコンテンツ推薦処理のステップＳ１３０１〜Ｓ１３１２までの処理と同じであるので、同一ステップ番号を付して、説明を省略する。
【０１６７】
そして、実施例２のコンテンツ推薦装置１２のコンテンツ分析部１３１８は、ステップＳ１３１２の処理により、検索結果であるコンテンツリストをコンテンツ嗜好度の順に並び替えると、次のステップＳ１５００の処理により、並び替えたコンテンツリストを推薦情報として推薦情報記憶部１２１９に記憶する。例えば、コンテンツ分析部１３１８は、ステップＳ１３１８で嗜好度の大きい順に並び替えたコンテンツリストの先頭から出力部１１の画面に出力するのに適当な数のコンテンツを選択したコンテンツリストを、推薦情報として推薦情報記憶部１２１９に記憶する。
【０１６８】
そして、本実施例２のコンテンツ推薦部１２０５は、入力部１０２からコンテンツの推薦を指示する操作信号が供給されると、推薦情報記憶部１２１９から推薦情報として記憶しておいたコンテンツリストを読み出して、出力部１０１で出力するための形式に変換し、推薦コンテンツリストとして出力部１０１に供給する。
【０１６９】
従って、本実施のコンテンツ推薦装置１２によれば、実施例１のコンテンツ推薦装置１と同様に、サーバ装置の保持する全てのコンテンツのメタデータを受信することなく、ユーザにコンテンツを推薦することができると共に、ユーザが入力した検索条件に基づくコンテンツのメタデータだけを受信するのみではなく、そのメタデータの嗜好度に基づいてコンテンツリストを並び替えてユーザに推薦することが可能となり、精度良くユーザにコンテンツを推薦することができる。
【０１７０】
特に、本実施のコンテンツ推薦装置１２では、コンテンツ分析部１２１８が予め並び替えたコンテンツリストを推薦情報として推薦情報記憶部１２１９に記憶しておき、入力部１０２からコンテンツの推薦を指示する操作信号が供給された場合に、推薦情報記憶部１２１９から推薦情報として記憶しておいたコンテンツリストを読み出して、ユーザに提示するので、ユーザに迅速に最適なコンテンツリストを提供することができる。
【０１７１】
なお、上述した本実施例２のコンテンツ推薦装置１２は、実施例１のコンテンツ推薦装置１と同様に、コンピュータにインストールしたコンテンツ推進プログラムを実行させることにより実現することもできる。このコンテンツ推進プログラムは、例えば、コンテンツ推進プログラムが記憶された記録媒体から読み出され、ＣＰＵで実行されることによりコンテンツ推薦装置を構成するようにしてもよいし、通信ネットワークを介して伝送されてインストールされ、ＣＰＵで実行されることによりコンテンツ推薦装置を構成するようにしてもよい。
【符号の説明】
【０１７２】
１，１２…コンテンツ推薦装置
３…サーバ装置
１０…コンテンツリスト受信部
１１…出力部
１０１…出力部
１０２…入力部
１０３…コンテンツ再生部
１０４…コンテンツ検索部
１０５…コンテンツ推薦部
１０６…コンテンツ受信部
１０７…コンテンツリスト受信部
１０８…メタデータ受信部
１０９…ネットワーク接続部
１１０…履歴収集部
１１１…嗜好情報生成部
１１２…嗜好情報記憶部
１１３…検索履歴記憶部
１１４…再生履歴記憶部
１１５…パラメータ生成部
１１５…メタデータ嗜好度生成部
１１６…パラメータ記憶部
１１７…コンテンツリスト記憶部
１２０５…コンテンツ推薦部
１２１８…コンテンツ分析部
１２１９…推薦情報記憶部
１３１８…コンテンツ分析部
【特許請求の範囲】
【請求項１】
ユーザの操作により入力された検索条件をサーバ装置に対し送信してコンテンツを検索させ、前記サーバ装置から前記検索条件に基づくコンテンツリストを受信するコンテンツリスト受信手段と、
前記コンテンツリストを記憶するコンテンツリスト記憶手段と、
前記検索条件を検索履歴として記憶する検索履歴記憶手段と、
前記検索履歴に基づいて前記ユーザの嗜好情報を生成する嗜好情報生成手段と、
前記ユーザの嗜好情報を記憶する嗜好情報記憶手段と、
前記コンテンツリスト記憶手段から前記コンテンツリストを読み出すと共に、前記嗜好情報記憶手段から前記ユーザの嗜好情報を読み出し、前記コンテンツリストに掲載されたコンテンツのメタデータと、前記読み出された嗜好情報とに基づいて前記コンテンツの嗜好度を算出するためのパラメータを生成するパラメータ生成手段と、
前記パラメータに基づいて、ユーザの操作により検索された前記コンテンツの嗜好度を算出し、算出した前記コンテンツの嗜好度に基づいて前記コンテンツリストを並び替えて出力するコンテンツ推薦手段と、
を備えたことを特徴とするコンテンツ推薦装置。
【請求項２】
前記サーバ装置から受信したコンテンツを再生するコンテンツ再生手段と、
前記コンテンツ再生手段により再生されたコンテンツの識別情報を再生履歴として記憶する再生履歴記憶手段と、
を更に備え、
前記嗜好情報生成手段は、
前記検索履歴記憶手段に記憶された検索履歴と、前記再生履歴記憶手段に記憶された再生履歴とに基づいて、前記ユーザの嗜好情報を生成する
ことを特徴とする請求項１記載のコンテンツ推薦装置。
【請求項３】
前記パラメータ生成手段は、
受信した前記メタデータと、前記嗜好情報とに基づいて、受信した前記メタデータの嗜好度を算出すると共に、前記再生履歴を読み出し、読み出した前記再生履歴に基づいて前記コンテンツリストに掲載されたコンテンツを再生したか否かを判定し、前記メタデータの嗜好度を入力値とし、かつ、前記コンテンツを再生したか否かの判定結果を出力層への教師信号として教師あり学習を行い、前記コンテンツの嗜好度を算出するためのパラメータを生成し、
前記コンテンツ推薦手段は、
前記ニューラルネットワークに前記パラメータを適用し、かつ、前記メタデータの嗜好度を入力値として前記コンテンツの嗜好度を算出し、算出した前記コンテンツの嗜好度に基づいて前記コンテンツリストを並び替えて出力する
ことを特徴とする請求項２記載のコンテンツ推薦装置。
【請求項４】
ユーザの操作により入力された検索条件をサーバ装置に対し送信してコンテンツを検索させ、前記サーバ装置から前記検索条件に基づくコンテンツリストを受信するコンテンツリスト受信ステップと、
前記コンテンツリストをコンテンツリスト記憶手段に記憶させるコンテンツリスト記憶ステップと、
前記検索条件を検索履歴として検索履歴記憶手段に記憶させる検索履歴記憶ステップと、
前記検索履歴に基づいて前記ユーザの嗜好情報を生成する嗜好情報生成ステップと、
前記ユーザの嗜好情報を嗜好情報記憶手段に記憶させる嗜好情報記憶ステップと、
前記コンテンツリスト記憶手段から前記コンテンツリストを読み出すと共に、前記嗜好情報記憶手段から前記ユーザの嗜好情報を読み出し、前記コンテンツリストに掲載されたコンテンツのメタデータと、前記読み出された嗜好情報とに基づいて前記コンテンツの嗜好度を算出するためのパラメータを生成するパラメータ生成ステップと、
前記パラメータに基づいて、ユーザの操作により検索された前記コンテンツの嗜好度を算出し、算出した前記コンテンツの嗜好度に基づいて前記コンテンツリストを並び替えて出力するコンテンツ推薦ステップと、
を有することを特徴とするコンテンツ推薦方法。
【請求項５】
前記サーバ装置から受信したコンテンツを再生するコンテンツ再生ステップと、
前記コンテンツ再生ステップにより再生されたコンテンツの識別情報を再生履歴として再生履歴記憶手段に記憶させる再生履歴記憶ステップと、
を更に有し、
前記嗜好情報生成ステップは、
前記検索履歴記憶手段に記憶された検索履歴と、前記再生履歴記憶手段に記憶された再生履歴とに基づいて、前記ユーザの嗜好情報を生成する
ことを特徴とする請求項４記載のコンテンツ推薦方法。
【請求項６】
前記パラメータ生成ステップは、
受信した前記メタデータと、前記嗜好情報とに基づいて、受信した前記メタデータの嗜好度を算出すると共に、前記再生履歴を読み出し、読み出した前記再生履歴に基づいて前記コンテンツリストに掲載されたコンテンツを再生したか否かを判定し、前記メタデータの嗜好度を入力値とし、かつ、前記コンテンツを再生したか否かの判定結果を出力層への教師信号として教師あり学習を行い、前記コンテンツの嗜好度を算出するためのパラメータを生成し、
前記コンテンツ推薦ステップは、
前記ニューラルネットワークに前記パラメータを適用し、かつ、前記メタデータの嗜好度を入力値として前記コンテンツの嗜好度を算出し、算出した前記コンテンツの嗜好度に基づいて前記コンテンツリストを並び替えて出力する
ことを特徴とする請求項５記載のコンテンツ推薦方法。
【請求項７】
ユーザの操作により入力された検索条件をサーバ装置に対し送信してコンテンツを検索させ、前記サーバ装置から前記検索条件に基づくコンテンツリストを受信するコンテンツリスト受信ステップと、
前記コンテンツリストをコンテンツリスト記憶手段に記憶させるコンテンツリスト記憶ステップと、
前記検索条件を検索履歴として検索履歴記憶手段に記憶させる検索履歴記憶ステップと、
前記検索履歴に基づいて前記ユーザの嗜好情報を生成する嗜好情報生成ステップと、
前記ユーザの嗜好情報を嗜好情報記憶手段に記憶させる嗜好情報記憶ステップと、
前記コンテンツリスト記憶手段から前記コンテンツリストを読み出すと共に、前記嗜好情報記憶手段から前記ユーザの嗜好情報を読み出し、前記コンテンツリストに掲載されたコンテンツのメタデータと、前記読み出された嗜好情報とに基づいて前記コンテンツの嗜好度を算出するためのパラメータを生成するパラメータ生成ステップと、
前記パラメータに基づいて、ユーザの操作により検索された前記コンテンツの嗜好度を算出し、算出した前記コンテンツの嗜好度に基づいて前記コンテンツリストを並び替えて出力するコンテンツ推薦ステップと、
を、コンピュータに実行させるためのコンテンツ推薦プログラム。
【請求項８】
前記サーバ装置から受信したコンテンツを再生するコンテンツ再生ステップと、
前記コンテンツ再生ステップにより再生されたコンテンツの識別情報を再生履歴として再生履歴記憶手段に記憶させる再生履歴記憶ステップと、
を更に前記コンピュータに実行させ、
前記嗜好情報生成ステップは、
前記検索履歴記憶手段に記憶された検索履歴と、前記再生履歴記憶手段に記憶された再生履歴とに基づいて、前記ユーザの嗜好情報を生成する
ことを特徴とする請求項７記載のコンテンツ推薦プログラム。
【請求項９】
前記パラメータ生成ステップは、
受信した前記メタデータと、前記嗜好情報とに基づいて、受信した前記メタデータの嗜好度を算出すると共に、前記再生履歴を読み出し、読み出した前記再生履歴に基づいて前記コンテンツリストに掲載されたコンテンツを再生したか否かを判定し、前記メタデータの嗜好度を入力値とし、かつ、前記コンテンツを再生したか否かの判定結果を出力層への教師信号として教師あり学習を行い、前記コンテンツの嗜好度を算出するためのパラメータを生成し、
前記コンテンツ推薦ステップは、
前記ニューラルネットワークに前記パラメータを適用し、かつ、前記メタデータの嗜好度を入力値として前記コンテンツの嗜好度を算出し、算出した前記コンテンツの嗜好度に基づいて前記コンテンツリストを並び替えて出力する
ことを特徴とする請求項８記載のコンテンツ推薦プログラム。
【請求項１】
ユーザの操作により入力された検索条件をサーバ装置に対し送信してコンテンツを検索させ、前記サーバ装置から前記検索条件に基づくコンテンツリストを受信するコンテンツリスト受信手段と、
前記コンテンツリストを記憶するコンテンツリスト記憶手段と、
前記検索条件を検索履歴として記憶する検索履歴記憶手段と、
前記検索履歴に基づいて前記ユーザの嗜好情報を生成する嗜好情報生成手段と、
前記ユーザの嗜好情報を記憶する嗜好情報記憶手段と、
前記コンテンツリスト記憶手段から前記コンテンツリストを読み出すと共に、前記嗜好情報記憶手段から前記ユーザの嗜好情報を読み出し、前記コンテンツリストに掲載されたコンテンツのメタデータと、前記読み出された嗜好情報とに基づいて前記コンテンツの嗜好度を算出するためのパラメータを生成するパラメータ生成手段と、
前記パラメータに基づいて、ユーザの操作により検索された前記コンテンツの嗜好度を算出し、算出した前記コンテンツの嗜好度に基づいて前記コンテンツリストを並び替えて出力するコンテンツ推薦手段と、
を備えたことを特徴とするコンテンツ推薦装置。
【請求項２】
前記サーバ装置から受信したコンテンツを再生するコンテンツ再生手段と、
前記コンテンツ再生手段により再生されたコンテンツの識別情報を再生履歴として記憶する再生履歴記憶手段と、
を更に備え、
前記嗜好情報生成手段は、
前記検索履歴記憶手段に記憶された検索履歴と、前記再生履歴記憶手段に記憶された再生履歴とに基づいて、前記ユーザの嗜好情報を生成する
ことを特徴とする請求項１記載のコンテンツ推薦装置。
【請求項３】
前記パラメータ生成手段は、
受信した前記メタデータと、前記嗜好情報とに基づいて、受信した前記メタデータの嗜好度を算出すると共に、前記再生履歴を読み出し、読み出した前記再生履歴に基づいて前記コンテンツリストに掲載されたコンテンツを再生したか否かを判定し、前記メタデータの嗜好度を入力値とし、かつ、前記コンテンツを再生したか否かの判定結果を出力層への教師信号として教師あり学習を行い、前記コンテンツの嗜好度を算出するためのパラメータを生成し、
前記コンテンツ推薦手段は、
前記ニューラルネットワークに前記パラメータを適用し、かつ、前記メタデータの嗜好度を入力値として前記コンテンツの嗜好度を算出し、算出した前記コンテンツの嗜好度に基づいて前記コンテンツリストを並び替えて出力する
ことを特徴とする請求項２記載のコンテンツ推薦装置。
【請求項４】
ユーザの操作により入力された検索条件をサーバ装置に対し送信してコンテンツを検索させ、前記サーバ装置から前記検索条件に基づくコンテンツリストを受信するコンテンツリスト受信ステップと、
前記コンテンツリストをコンテンツリスト記憶手段に記憶させるコンテンツリスト記憶ステップと、
前記検索条件を検索履歴として検索履歴記憶手段に記憶させる検索履歴記憶ステップと、
前記検索履歴に基づいて前記ユーザの嗜好情報を生成する嗜好情報生成ステップと、
前記ユーザの嗜好情報を嗜好情報記憶手段に記憶させる嗜好情報記憶ステップと、
前記コンテンツリスト記憶手段から前記コンテンツリストを読み出すと共に、前記嗜好情報記憶手段から前記ユーザの嗜好情報を読み出し、前記コンテンツリストに掲載されたコンテンツのメタデータと、前記読み出された嗜好情報とに基づいて前記コンテンツの嗜好度を算出するためのパラメータを生成するパラメータ生成ステップと、
前記パラメータに基づいて、ユーザの操作により検索された前記コンテンツの嗜好度を算出し、算出した前記コンテンツの嗜好度に基づいて前記コンテンツリストを並び替えて出力するコンテンツ推薦ステップと、
を有することを特徴とするコンテンツ推薦方法。
【請求項５】
前記サーバ装置から受信したコンテンツを再生するコンテンツ再生ステップと、
前記コンテンツ再生ステップにより再生されたコンテンツの識別情報を再生履歴として再生履歴記憶手段に記憶させる再生履歴記憶ステップと、
を更に有し、
前記嗜好情報生成ステップは、
前記検索履歴記憶手段に記憶された検索履歴と、前記再生履歴記憶手段に記憶された再生履歴とに基づいて、前記ユーザの嗜好情報を生成する
ことを特徴とする請求項４記載のコンテンツ推薦方法。
【請求項６】
前記パラメータ生成ステップは、
受信した前記メタデータと、前記嗜好情報とに基づいて、受信した前記メタデータの嗜好度を算出すると共に、前記再生履歴を読み出し、読み出した前記再生履歴に基づいて前記コンテンツリストに掲載されたコンテンツを再生したか否かを判定し、前記メタデータの嗜好度を入力値とし、かつ、前記コンテンツを再生したか否かの判定結果を出力層への教師信号として教師あり学習を行い、前記コンテンツの嗜好度を算出するためのパラメータを生成し、
前記コンテンツ推薦ステップは、
前記ニューラルネットワークに前記パラメータを適用し、かつ、前記メタデータの嗜好度を入力値として前記コンテンツの嗜好度を算出し、算出した前記コンテンツの嗜好度に基づいて前記コンテンツリストを並び替えて出力する
ことを特徴とする請求項５記載のコンテンツ推薦方法。
【請求項７】
ユーザの操作により入力された検索条件をサーバ装置に対し送信してコンテンツを検索させ、前記サーバ装置から前記検索条件に基づくコンテンツリストを受信するコンテンツリスト受信ステップと、
前記コンテンツリストをコンテンツリスト記憶手段に記憶させるコンテンツリスト記憶ステップと、
前記検索条件を検索履歴として検索履歴記憶手段に記憶させる検索履歴記憶ステップと、
前記検索履歴に基づいて前記ユーザの嗜好情報を生成する嗜好情報生成ステップと、
前記ユーザの嗜好情報を嗜好情報記憶手段に記憶させる嗜好情報記憶ステップと、
前記コンテンツリスト記憶手段から前記コンテンツリストを読み出すと共に、前記嗜好情報記憶手段から前記ユーザの嗜好情報を読み出し、前記コンテンツリストに掲載されたコンテンツのメタデータと、前記読み出された嗜好情報とに基づいて前記コンテンツの嗜好度を算出するためのパラメータを生成するパラメータ生成ステップと、
前記パラメータに基づいて、ユーザの操作により検索された前記コンテンツの嗜好度を算出し、算出した前記コンテンツの嗜好度に基づいて前記コンテンツリストを並び替えて出力するコンテンツ推薦ステップと、
を、コンピュータに実行させるためのコンテンツ推薦プログラム。
【請求項８】
前記サーバ装置から受信したコンテンツを再生するコンテンツ再生ステップと、
前記コンテンツ再生ステップにより再生されたコンテンツの識別情報を再生履歴として再生履歴記憶手段に記憶させる再生履歴記憶ステップと、
を更に前記コンピュータに実行させ、
前記嗜好情報生成ステップは、
前記検索履歴記憶手段に記憶された検索履歴と、前記再生履歴記憶手段に記憶された再生履歴とに基づいて、前記ユーザの嗜好情報を生成する
ことを特徴とする請求項７記載のコンテンツ推薦プログラム。
【請求項９】
前記パラメータ生成ステップは、
受信した前記メタデータと、前記嗜好情報とに基づいて、受信した前記メタデータの嗜好度を算出すると共に、前記再生履歴を読み出し、読み出した前記再生履歴に基づいて前記コンテンツリストに掲載されたコンテンツを再生したか否かを判定し、前記メタデータの嗜好度を入力値とし、かつ、前記コンテンツを再生したか否かの判定結果を出力層への教師信号として教師あり学習を行い、前記コンテンツの嗜好度を算出するためのパラメータを生成し、
前記コンテンツ推薦ステップは、
前記ニューラルネットワークに前記パラメータを適用し、かつ、前記メタデータの嗜好度を入力値として前記コンテンツの嗜好度を算出し、算出した前記コンテンツの嗜好度に基づいて前記コンテンツリストを並び替えて出力する
ことを特徴とする請求項８記載のコンテンツ推薦プログラム。
【図１】
【図２】
【図３】
【図４】
【図５】
【図６】
【図７】
【図８】
【図９】
【図１０】
【図１１】
【図１２】
【図１３】
【図１４】
【図１５】
【図２】
【図３】
【図４】
【図５】
【図６】
【図７】
【図８】
【図９】
【図１０】
【図１１】
【図１２】
【図１３】
【図１４】
【図１５】
【公開番号】特開２０１１−１０７８０８（Ｐ２０１１−１０７８０８Ａ）
【公開日】平成２３年６月２日（２０１１．６．２）
【国際特許分類】
【出願番号】特願２００９−２５９６０４（Ｐ２００９−２５９６０４）
【出願日】平成２１年１１月１３日（２００９．１１．１３）
【出願人】（０００００４３２９）日本ビクター株式会社 (3,896)
【Ｆターム（参考）】
【公開日】平成２３年６月２日（２０１１．６．２）
【国際特許分類】
【出願日】平成２１年１１月１３日（２００９．１１．１３）
【出願人】（０００００４３２９）日本ビクター株式会社 (3,896)
【Ｆターム（参考）】
[ Back to top ]