コンテンツ選択候補抽出装置、コンテンツ選択候補抽出方法、行動予測装置および行動予測方法
【課題】簡易な構成でユーザの行動をより正確に推測し、かつ、ユーザに提示されるユーザ行動や目的地などの選択候補にバリエーションを持たせてユーザのコンテンツの選択候補の選択可能性を広げることを可能とする。
【解決手段】本発明のカーナビゲーション装置１０は、ユーザの好みおよびユーザ属性に応じて、行動履歴と、行動履歴から統計可能な行動の特徴である行動習慣と、一般常識データテーブル１２ｅに格納される一般常識とに基づいて、ユーザの行動を予測する行動予測処理をおこなう。さらに、カーナビゲーション装置１０は、ユーザの好みおよびユーザ属性に応じて、ジャンル選択傾向と、ジャンル類推テーブル１２ｉに格納される抽象化特性に基づいて類推される類推ジャンルとに基づいて、ユーザの目的地選択に関連する嗜好を予測する嗜好推定処理をおこなう。
【解決手段】本発明のカーナビゲーション装置１０は、ユーザの好みおよびユーザ属性に応じて、行動履歴と、行動履歴から統計可能な行動の特徴である行動習慣と、一般常識データテーブル１２ｅに格納される一般常識とに基づいて、ユーザの行動を予測する行動予測処理をおこなう。さらに、カーナビゲーション装置１０は、ユーザの好みおよびユーザ属性に応じて、ジャンル選択傾向と、ジャンル類推テーブル１２ｉに格納される抽象化特性に基づいて類推される類推ジャンルとに基づいて、ユーザの目的地選択に関連する嗜好を予測する嗜好推定処理をおこなう。
【発明の詳細な説明】
【技術分野】
【０００１】
本発明は、少なくとも一つの分類項目によって分類可能なコンテンツから所定状況下でユーザによって選択されうるコンテンツの選択候補を抽出して該ユーザに提示するコンテンツ選択候補抽出装置、コンテンツ選択候補抽出方法、行動予測装置および行動予測方法に関する。
【背景技術】
【０００２】
車両に搭載される車載装置であるカーナビゲーション装置は、目的地に関する情報をコンテンツとして、ユーザに目的地および該目的地に関する目的地情報というコンテンツを提供する。目的地は、車両の出発地とともに、カーナビゲーション装置における経路探索で必須の情報である。ここで、膨大なコンテンツから、ユーザが所望する最適なコンテンツ（目的地）を選択して該ユーザに提示することは、コンテンツの選択の利便性の点から重要となってくる。
【０００３】
そのコンテンツの選択方法例として、ユーザの行動をより正確に予測し、その予測に基づいて選択される可能性が高いコンテンツの選択候補を抽出して該ユーザに提示することが挙げられる。例えば、特許文献１には、ユーザの環境、状況、状態、要求、行動、局面といったユーザ情報を、時間および空間によって与えられる影響を考慮して詳細、より正確に推定することを可能にしたユーザ情報推定装置が開示されている。
【０００４】
また、特許文献２には、カーナビゲーション装置において、過去におこなわれた経路探索における時間別の出発地と目的地とを、経路探索頻度に関する情報とともに過去履歴に記憶し、カーナビゲーション装置の起動時において、過去履歴において当該時間帯における経路探索頻度が最も高い出発地、目的地を検索して、今回の経路探索の出発地、目的地とするカーナビゲーション装置が開示されている。
【先行技術文献】
【特許文献】
【０００５】
【特許文献１】特開２００２−９２０２９号公報
【特許文献２】特開平８−２７１２７７号公報
【発明の概要】
【発明が解決しようとする課題】
【０００６】
しかしながら、上記特許文献１に代表される従来技術では、ユーザの行動などの予測をより正確に行うことができるものの、コンピュータ装置において多くの記憶資源や、高い演算能力を必要とする複雑な計算処理を行うため、複雑な構成による製造コストの問題や、処理時間がかかるといった問題を抱えていた。
【０００７】
また、上記特許文献２に代表される従来技術では、時間帯のみを考慮してその他の要因を考慮せずに過去履歴で最も設定頻度が高い出発地、目的地を取得するので、当日では絶対選択され得ない出発地、目的地が取得されるおそれがあり、過去履歴を利用してユーザの目的地を推測して提示することの利便性を没却するおそれがあった。
【０００８】
また、上記特許文献１および２に代表される従来技術を組み合わせたとしても、ユーザ情報や過去履歴に基づいてユーザ行動や目的地などの推定をおこなうので、ユーザ行動や目的地などの候補を絞り込むのみの処理となるために、ユーザに提示されるユーザ行動や目的地などの選択候補はユーザ情報や過去履歴の部分集合に過ぎずバリエーションに乏しく、ユーザの選択の可能性を広げるものではなかった。
【０００９】
本発明は、上記問題点（課題）を解消するためになされたものであって、簡易な構成でユーザの行動をより正確に推測し、かつ、ユーザに提示されるユーザ行動や目的地などの選択候補にバリエーションを持たせてユーザの選択の可能性を広げることを可能とするコンテンツ選択候補抽出装置、コンテンツ選択候補抽出方法、行動予測装置および行動予測方法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】
【００１０】
上述した問題を解決し、目的を達成するため、本発明は、入力された推測条件に基づいて、少なくとも一つの分類項目によって分類可能なコンテンツから所定状況下でユーザによって選択されうるコンテンツの選択候補を抽出して該ユーザに提示するコンテンツ選択候補抽出装置であって、前記ユーザによって選択されたコンテンツの選択履歴を記録する選択履歴記録手段と、前記選択履歴記録手段によって記録された前記選択履歴に基づいて、前記ユーザによる前記コンテンツの選択行為に潜在する周期性を抽出する周期性抽出手段と、前記選択履歴と、前記周期性抽出手段によって抽出された前記周期性とに基づいて、前記ユーザによって選択されうるコンテンツの選択候補を抽出する選択候補抽出手段と、前記選択候補抽出手段によって前記選択候補として抽出されたコンテンツに、前記ユーザに優先度順に提示するために、前記推測条件に対する該コンテンツの分類項目の具体データの一致性、前記周期性または該コンテンツの当日選択回数に基づいて優先度を付与する優先度付与手段とを有することを特徴とする。
【００１１】
また、本発明は、上記発明において、前記選択候補抽出手段は、前記所定状況下では前記コンテンツが常識的に前記選択候補とはなり得ない状況を規定する常識条件に基づいて、該選択候補抽出手段によって抽出された該選択候補からコンテンツを除外する選択候補除外手段をさらに含むことを特徴とする。
【００１２】
また、本発明は、上記発明において、前記選択候補抽出手段によって前記選択候補として抽出されたコンテンツの前記分類項目の具体データに、該分類項目の具体データを抽象化して特性付ける抽象化特性を対応付けて記憶する抽象化特性テーブルに基づいて、該分類項目の該抽象化特性と類似度が所定以上である他のコンテンツの該分類項目の具体データを類推分類項目として取得する類推分類項目取得手段をさらに有し、前記優先度付与手段は、前記選択候補抽出手段によって前記選択候補として抽出されたコンテンツ、および、前記類推分類項目取得手段によって取得された前記類推分類項目で特定されるコンテンツに、それらの選択傾向、目的、特徴要因または属性的要因に基づいてさらに優先度を付与することを特徴とする。
【００１３】
また、本発明は、入力された推測条件に基づいて、少なくとも一つの分類項目によって分類可能なコンテンツから所定状況下でユーザによって選択されうるコンテンツの選択候補を抽出して該ユーザに提示するコンテンツ選択候補抽出方法であって、前記ユーザによって選択されたコンテンツの選択履歴を記録する選択履歴記録ステップと、前記選択履歴記録ステップによって記録された前記選択履歴に基づいて、前記ユーザによる前記コンテンツの選択行為に潜在する周期性を抽出する周期性抽出ステップと、前記選択履歴と、前記周期性抽出ステップによって抽出された前記周期性とに基づいて、前記ユーザによって選択されうるコンテンツの選択候補を抽出する選択候補抽出ステップと、前記所定状況下では前記コンテンツが常識的に前記選択候補とはなり得ない状況を規定する常識条件に基づいて、前記選択候補抽出ステップによって抽出された該選択候補からコンテンツを除外する選択候補除外ステップと、前記選択候補抽出ステップによって前記選択候補として抽出されたコンテンツの前記分類項目の具体データに、該分類項目の具体データを抽象化して特性付ける抽象化特性を対応付けて記憶する抽象化特性テーブルに基づいて、該分類項目の該抽象化特性と類似度が所定以上である他のコンテンツの該分類項目の具体データを類推分類項目として取得する類推分類項目取得ステップと、前記選択候補抽出ステップによって前記選択候補として抽出されたコンテンツ、および、前記類推分類項目取得ステップによって取得された前記類推分類項目で特定されるコンテンツに、前記ユーザに優先度順に提示するために、前記推測条件に対する該コンテンツの分類項目の具体データの一致性、前記周期性、該コンテンツの当日選択回数、該コンテンツに対する選択傾向、該コンテンツの目的、該コンテンツの特徴要因または属性的要因に基づいて優先度を付与する優先度付与ステップとを含むことを特徴とする。
【００１４】
また、本発明は、入力された推測条件に基づいて、少なくとも一つの分類項目によって分類可能なコンテンツからユーザによって選択されうるコンテンツの選択候補の該分類項目で特定される該ユーザの行動を予測する行動予測装置であって、前記ユーザによって選択されたコンテンツの選択履歴を記録する選択履歴記録手段と、前記選択履歴記録手段によって記録された前記選択履歴に基づいて、前記ユーザによる前記コンテンツの選択行為に潜在する周期性を抽出する周期性抽出手段と、前記選択履歴と、前記周期性抽出手段によって抽出された前記周期性とに基づいて、前記ユーザによって選択されうるコンテンツの選択候補の前記分類項目を抽出する分類項目抽出手段と、前記分類項目抽出手段によって抽出された前記分類項目に、前記ユーザに優先度順に提示するために、前記推測条件に対する前記コンテンツの分類項目の具体データの一致性、前記周期性または該コンテンツの当日選択回数に基づいて優先度を付与する優先度付与手段とを有することを特徴とする。
【００１５】
また、本発明は、上記発明において、前記分類項目抽出手段は、前記所定状況下では前記分類項目抽出手段によって抽出された前記分類項目に対応するコンテンツが常識的に前記選択候補とはなり得ない状況を規定する常識条件に基づいて、該選択候補から分類項目を除外する分類項目除外手段をさらに含むことを特徴とする。
【００１６】
また、本発明は、入力された推測条件に基づいて、少なくとも一つの分類項目によって分類可能なコンテンツからユーザによって選択されうるコンテンツの選択候補の該分類項目で特定される該ユーザの行動を予測する行動予測方法であって、前記ユーザによって選択されたコンテンツの選択履歴を記録する選択履歴記録ステップと、前記選択履歴記録ステップによって記録された前記選択履歴に基づいて、前記ユーザによる前記コンテンツの選択行為に潜在する周期性を抽出する周期性抽出ステップと、前記選択履歴と、前記周期性抽出ステップによって抽出された前記周期性とに基づいて、前記ユーザによって選択されうるコンテンツの選択候補の前記分類項目を抽出する分類項目抽出ステップと、前記所定状況下では前記分類項目抽出ステップによって抽出された前記分類項目に対応するコンテンツが常識的に前記選択候補とはなり得ない状況を規定する常識条件に基づいて、該選択候補から分類項目を除外する分類項目除外ステップと、前記分類項目抽出ステップによって抽出され、かつ、前記分類項目除外ステップによって前記選択候補から除外されなかった分類項目に、前記ユーザに優先度順に提示するために、前記推測条件に対する前記コンテンツの分類項目の具体データの一致性、前記周期性、該コンテンツの当日選択回数、または、該コンテンツに対する選択傾向、該コンテンツの目的、該コンテンツの特徴要因または属性的要因に基づいて優先度を付与する優先度付与ステップとを含むことを特徴とする。
【００１７】
また、本発明は、少なくとも一つの分類項目によって分類可能なコンテンツの該分類項目の具体データの入力に基づいて、所定状況下でユーザによって選択されうるコンテンツの分類項目の具体データを抽出して該ユーザに提示する分類項目内容推定装置であって、入力された前記分類項目の具体データに、該分類項目の具体データを抽象化して特性付ける抽象化特性を対応付けて記憶する抽象化特性テーブルに基づいて、該分類項目の該抽象化特性と類似度が所定以上である他のコンテンツの該分類項目の具体データを類推分類項目として取得する類推分類項目取得手段と、前記類推分類項目取得手段によって取得された他のコンテンツの分類項目の具体データで特定されるコンテンツに、前記ユーザに優先度順に提示するために、該コンテンツに対する選択傾向、該コンテンツの目的、該コンテンツの特徴要因または属性的要因に基づいて優先度を付与する優先度付与手段とを有することを特徴とする。
【００１８】
また、本発明は、上記発明において、前記ユーザによって選択されたコンテンツの前記分類項目の具体データを記録する選択分類項目記録手段をさらに有し、前記選択分類項目記録手段に記録される前記分類項目の具体データを入力として、前記所定状況下で前記ユーザによって選択されうるコンテンツの分類項目の具体データを抽出して該ユーザに提示することを特徴とする。
【００１９】
また、本発明は、少なくとも一つの分類項目によって分類可能なコンテンツの該分類項目の具体データの入力に基づいて、所定状況下でユーザによって選択されうるコンテンツの分類項目の具体データを抽出して該ユーザに提示する分類項目内容推定方法であって、入力された前記分類項目の具体データに、該分類項目の具体データを抽象化して特性付ける抽象化特性を対応付けて記憶する抽象化特性テーブルに基づいて、該分類項目の該抽象化特性と類似度が所定以上である他のコンテンツの該分類項目の具体データを類推分類項目として取得する類推分類項目取得ステップと、前記類推分類項目取得ステップによって取得された他のコンテンツの分類項目の具体データで特定されるコンテンツに、前記ユーザに優先度順に提示するために、該コンテンツに対する選択傾向、該コンテンツの目的、該コンテンツの特徴要因または属性的要因に基づいて優先度を付与する優先度付与ステップとを含むことを特徴とする。
【発明の効果】
【００２０】
本発明によれば、ユーザによって選択されうるコンテンツの選択候補を抽出して該ユーザに提示することによって、ユーザは、コンテンツの選択操作を容易におこなうことが可能になるという効果を奏する。
【００２１】
また、本発明によれば、常識的には選択され得ないコンテンツを選択候補から予め除外することによって、ユーザは、真に選択可能性があるコンテンツのみからなるリストから選択操作を容易に行い、誤って意図しないコンテンツの選択をおこなうことを防止することが可能になるという効果を奏する。
【００２２】
また、本発明によれば、ユーザは、過去に選択されたコンテンツの分類項目の具体データから類推される他の分類項目に基づいて、類似するコンテンツまで選択可能対象を広げてコンテンツを選択することが可能になり、広い範囲からコンテンツを選択することが可能になるという効果を奏する。
【００２３】
本発明によれば、過去のコンテンツ選択履歴と、推測条件とに基づいてユーザが選択し得るコンテンツを抽出して所定条件で優先度順に整列することによって、該コンテンツに対応してユーザが取る可能性が高い行動を推定することが可能になるという効果を奏する。
【００２４】
また、本発明によれば、常識的には選択し得ないコンテンツを選択候補から予め除外することによって、ユーザが取り得ない行動を予測することを防止することが可能になるという効果を奏する。
【００２５】
本発明によれば、過去に選択されたコンテンツの分類項目の具体データから他の分類項目を類推するので、類似するコンテンツまで広げてコンテンツをリストからリストアップしてユーザに提示することが可能になるという効果を奏する。
【００２６】
また、本発明によれば、ユーザによって過去に選択されたコンテンツの分類項目の具体データを入力として、類似する分類項目を類推することが可能になるという効果を奏する。
【図面の簡単な説明】
【００２７】
【図１】図１は、実施例にかかるカーナビゲーション装置の処理の概略を示す図である。
【図２】図２は、推測条件の例を示す図である。
【図３】図３は、実施例にかかるカーナビゲーション装置の構成を示す機能ブロック図である。
【図４】図４は、目的地コンテンツテーブルのテーブル例を示す図である。
【図５】図５は、ユーザプロファイルのテーブル例を示す図である。
【図６】図６は、行動履歴テーブルのテーブル例を示す図である。
【図７】図７は、行動習慣テーブルのテーブル例を示す図である。
【図８】図８は、一般常識データテーブルのテーブル例を示す図である。
【図９】図９は、当日選択履歴テーブルのテーブル例を示す図である。
【図１０】図１０は、ジャンル選択傾向テーブルのテーブル例を示す図である。
【図１１】図１１は、行動履歴テーブルから直近Ｎ件のレコードを抽出した一時テーブルの例を示す図である。
【図１２】図１２は、「特化フラグ」がオンとなる状況を示す図である。
【図１３】図１３は、ジャンル類推テーブルのテーブル例を示す図である。
【図１４】図１４は、属性値重み付けテーブルの例を示す図である。
【図１５】図１５は、優先度スコアの算出例を示す図である。
【図１６】図１６は、おすすめ情報テーブルの例を示す図である。
【図１７】図１７は、実施例のカーナビゲーション装置で実行される行動予測処理手順を示すフローチャートである。
【図１８】図１８は、実施例のカーナビゲーション装置で実行される嗜好推定処理手順を示すフローチャートである。
【図１９】図１９は、おすすめ情報の表示例を示す図である。
【発明を実施するための形態】
【００２８】
以下に添付図面を参照し、本発明のコンテンツ選択候補抽出装置、コンテンツ選択候補抽出方法、行動予測装置および行動予測方法にかかる実施例を詳細に説明する。なお、以下の実施例では、本発明にかかるコンテンツ選択候補抽出装置、コンテンツ選択候補抽出方法、行動予測装置および行動予測方法を、車両に搭載されるカーナビゲーション装置として示し、表示する目的地と該目的地に対応付けられた情報をコンテンツとして選択させるために、車両の運転者の目的地設定の行動を予測して選択されるであろうと予想される目的地を上位に位置付けた選択リストを表示する場合を示すこととする。
【００２９】
しかし、本発明は、これに限られるものではない。すなわち、各種コンテンツ属性を有するコンテンツを、ユーザの選択傾向などに基づき、該ユーザが選択するであろうと予想されるコンテンツを上位に位置付けて選択リストを表示するコンテンツ選択リスト表示装置であれば、広く一般的な装置に適用可能である。なお、コンテンツ選択リスト表示装置は、一般的なコンテンツ提供装置と一体であってもよい。
【実施例】
【００３０】
先ず、実施例にかかるカーナビゲーション装置の処理の概略について説明する。図１は、実施例にかかるカーナビゲーション装置の処理の概略を示す図である。なお、以下の実施例では、「行動」とは、ユーザが車両にて「目的地」に到達する行為のことを指す。同図に示すように、カーナビゲーション装置１０は、「推測条件」を入力情報として、最終的に、カーナビゲーション装置１０として推薦する目的地のリストである「おすすめ情報」を出力する。
【００３１】
「推測条件」は、図２に示すように、“目的時間帯”、“日付（曜日を含む）”、“天候”、“当日の選択履歴”を含む。なお、これらの情報は、カーナビゲーション装置１０のシステム内および／またはシステム外から自動的に取得されることとなる。しかし、“目的時間帯”、“日付（曜日を含む）”、“天候”は、図示しない入力装置を用いてユーザによって入力されることとしてもよい。
【００３２】
“目的時間帯”とは、出力する「おすすめ情報」の属性の一つである“時間帯”を設定する情報である。時間帯は、カーナビゲーション装置１０のシステム時刻に基づいて取得可能である。実施例では、“時間帯”として、例えば、「朝」、「午前」、「午後」、「夜」、「深夜」の５つがある。この５つの時間帯は、「朝」、「午前」、「午後」、「夜」、「深夜」の順序で昇順に順序付けられている。
【００３３】
例えば、「朝」は、４：００〜９：００の時間帯であり、「午前」は、９：００〜１２：００の時間帯であり、「午後」は、１２：００〜１８：００の時間帯であり、「夜」は、１８：００〜２３：００の時間帯であり、「深夜」は、２３：００〜翌日４：００の時間帯であるとする。「おすすめ情報」は、その属性として、目的地として設定されるにふさわしい時間帯がある。例えば、「夜景がきれいなベイエリア」は、前述の時間帯では、それが目的地として選択されるにふさわしい時間帯は「夜」である。
【００３４】
“日付（曜日を含む）”は、年月日およびその日の曜日を示す情報である。“日付（曜日を含む）”は、カーナビゲーション装置１０のシステムカレンダに基づいて取得可能である。また、“天候”は、当日当該時刻における気象条件を示す情報であり、晴れ、雨、雪などの情報を含む。“天候”は、気象情報サービスを利用して外部から無線通信によって取得可能である。
【００３５】
“当日の選択履歴”は、当日において選択された目的地の選択履歴である。“当日の選択履歴”は、後述するカーナビゲーション装置１０の当日選択履歴テーブル１２ｆから取得可能である。
【００３６】
カーナビゲーション装置１０は、これらの「推測条件」を入力として「予測エリア」および「予測ジャンル」を出力する「行動予測処理」をおこなう。「予測エリア」は、行動予測処理の結果として「おすすめ情報」に含める目的地が属するエリア情報である。「予測ジャンル」は、行動予測処理の結果として「おすすめ情報」に含める目的地が属するジャンル大分類およびジャンル小分類である。
【００３７】
なお、「行動予測処理」をおこなう契機は、カーナビゲーション装置１０の起動時もしくはユーザによって処理開始の指示がなされたときである。
【００３８】
「行動予測処理」は、後述のユーザプロファイル１２ｂに格納されるユーザの好みおよびユーザ属性に応じて、後述の行動履歴テーブル１２ｃに格納される行動履歴と、後述の行動習慣テーブル１２ｄに格納される、該行動履歴から統計可能な行動の特徴である行動習慣と、後述の一般常識データテーブル１２ｅに格納される、「おすすめ情報」から除外する事由となる目的地の属性である一般常識とに基づいて、ユーザの行動（ニーズ）を予測する処理である。
【００３９】
なお、行動履歴は、カーナビゲーション装置１０にて選択され目的地設定されうるすべての目的地の情報を網羅して格納している後述の目的地コンテンツテーブル１２ａから、実際に目的地設定された目的地の情報の履歴である。
【００４０】
次に、カーナビゲーション装置１０は、後述のジャンル選択傾向テーブル１２ｇに格納されるジャンル選択傾向（もしくは、行動予測処理結果である「予測ジャンル」）を入力として、「おすすめ情報」を出力する「嗜好推定処理」をおこなう。なお、ジャンル選択傾向テーブル１２ｇに格納されるジャンル選択傾向は、行動履歴テーブル１２ｃから所定処理を経て抽出された情報である。
【００４１】
「嗜好推定処理」は、後述のユーザプロファイル１２ｂに格納されるユーザの好みおよびユーザ属性に応じて、後述のジャンル選択傾向テーブル１２ｇに格納されるジャンル選択傾向（もしくは、「行動予測処理」によって推定された「予測ジャンル」）と、後述のジャンル類推テーブル１２ｉに格納される類推ジャンルとに基づいてユーザの目的地選択に関連する嗜好を予測する処理である。
【００４２】
なお、「嗜好推定処理」をおこなう契機は、カーナビゲーション装置１０の起動時もしくはユーザによって処理開始の指示がなされたときである。
【００４３】
次に、実施例にかかるカーナビゲーション装置の構成について説明する。図３は、実施例にかかるカーナビゲーション装置の構成を示す機能ブロック図である。実施例にかかるカーナビゲーション装置１０は、車両に搭載され、目的地設定の際に、選択される可能性が高い目的地の候補を抽出して表示する装置である。なお、コンテンツ選択候補抽出、行動予測、分類項目内推定をおこなう構成が、カーナビゲーション装置と連携可能であれば、別体の装置であってもよい。
【００４４】
同図に示すように、実施例にかかるカーナビゲーション装置１０は、制御部１１と、記憶部１２と、所定の表示画面を有するディスプレイ装置などの表示手段である表示部１３とを有する。
【００４５】
先ず、制御部１１の説明に先立って、記憶部１２について説明する。記憶部１２は、揮発性または不揮発性の記憶手段であり、目的地コンテンツテーブル１２ａと、ユーザプロファイル１２ｂと、行動履歴テーブル１２ｃと、行動習慣テーブル１２ｄと、一般常識データテーブル１２ｅと、当日選択履歴テーブル１２ｆと、ジャンル選択傾向テーブル１２ｇと、属性重み付けテーブル１２ｈと、ジャンル類推テーブル１２ｉとを有する。
【００４６】
目的地コンテンツテーブル１２ａは、目的地とそれに付随する情報を網羅して格納しているテーブルであり、予め用意されるテーブルである。図４に目的地コンテンツテーブル１２ａのテーブル例を示すように、「目的地」、「エリア情報」、「ジャンル大分類」、「ジャンル小分類」、「チェーン店名」、「コンテンツホルダ」、「イベント情報」、「価格帯／料金」、「人気ランキング情報」、「雰囲気」などのカラムを有する。「ジャンル大分類」、「ジャンル小分類」、「チェーン店名」、「コンテンツホルダ」、「イベント情報」、「価格帯／料金」、「人気ランキング情報」、「雰囲気」を、ジャンル属性と呼ぶ。
【００４７】
「目的地」は、カーナビゲーション装置１０で目的地として設定される地図上のスポットである。「目的地」は、例えば、“Ａ１レストラン”などの施設名が入る。「エリア情報」は、対応する「目的地」が属する地図上の領域名である。「エリア情報」は、例えば、「目的地」が“Ａ１レストラン”に対応して“ａ１エリア”が入る。
【００４８】
「ジャンル大分類」は、対応する「目的地」で当該ユーザがおこなう行為である。「ジャンル大分類」は、例えば、「目的地」が“Ａ１レストラン”に対応して“食べる”が入る。「ジャンル小分類」は、対応する「目的地」が属するスポットとしてのカテゴリである。「ジャンル小分類」には、“ファミリーレストラン”、“ショッピングセンター”、“レジャー施設”、“役所”、“公園”などの施設の分類である。「ジャンル小分類」は、例えば、「目的地」が“Ａ１レストラン”に対応して“ファミリーレストラン”が入る。
【００４９】
「チェーン店名」は、対応する「目的地」が店舗の場合に、属するチェーン店の名称である。「チェーン店名」は、例えば、「目的地」が“Ａ１レストラン”に対応して“Ａレストランチャーン”が入る。なお、「目的地」が店舗でない場合は、“Ｎｕｌｌ”が入る。
【００５０】
「コンテンツホルダ」は、対応する「目的地」に関する詳細ガイド情報を提供する情報提供者の名称である。「コンテンツホルダ」は、例えば、「目的地」が“Ａ１レストラン”に対応して“Ｘ１社”が入る。
【００５１】
「イベント情報」は、対応する「目的地」が利用可能な、もしくは利用に最適な期間（例えば、特別イベントなどが開催されている期間も含む）を指す情報である。「イベント情報」は、例えば、「目的地」が“Ｃ１遊園地”に対応して“６/１〜９/３０”が入る。ここで、「イベント情報」が“６/１〜９/３０”であるとは、“Ｃ１遊園地”が当該期間において利用可能である、当該期間において利用に最適である、もしくはイベントが開催されているという特徴を有していることを表している。なお、「イベント情報」が存在しない場合には、“Ｎｕｌｌ”が入る。
【００５２】
「価格帯／料金」は、対応する「目的地」を利用する場合に必要な経費または経費の概算値を指す情報である。「価格帯／料金」は、例えば、「目的地」が“Ａ１レストラン”に対応して“１０００円”が入る。なお、「価格帯／料金」がない、すなわち利用が無料である場合には、“Ｎｕｌｌ”が入る。
【００５３】
「人気ランキング情報」は、対応する「目的地」に対して「コンテンツホルダ」によって付与された人気度を示す順位である。「人気ランキング情報」は、例えば、「目的地」が“Ａ１レストラン”に対応して“１０位”が入る。
【００５４】
「雰囲気」は、対応する「目的地」が持つ施設の雰囲気を示す情報である。「雰囲気」には、例えば、“落ち着く”、“静か”、“にぎやか”、“楽しい”などのムードを示す情報や、“若者向け”、“カップル向け”、“家族（子供）向け”、“シニア向け”などのターゲット世代を示す情報がある。「雰囲気」は、例えば、「目的地」が“Ａ１レストラン”に対応して“にぎやか”が入る。
【００５５】
ユーザプロファイル１２ｂは、ユーザの好関する情報およびユーザの属性に関する情報を格納しているテーブルであり、必要な情報がプロファイル情報としてセットされて予め用意されているテーブルである。図５にユーザプロファイル１２ｂのテーブル例を示すように、「好みのジャンル」、「休日設定」、「車種」、「ユーザ性別」、「ユーザ年齢」、「お気に入りコンテンツホルダ」などのカラムを有する。なお、「お気に入りコンテンツホルダ」は、「ユーザ性別」、「ユーザ年齢」などから推定されたものであってもよい。
【００５６】
「好みのジャンル」の配下には、「ジャンル大分類」と「ジャンル小分類」とのカラムをさらに有する。「ジャンル大分類」および「ジャンル小分類」によって、ユーザがどのような行為をおこなうことを好み、その行為をどのような施設でおこなうことを好むかが特定される。例えば、図５を参照すると、「好みのジャンル」の配下に「ジャンル大分類」が“食べる”と、「ジャンル小分類」が“ファミリーレストラン”のエントリが存在するが、これによって、ユーザが“ファミリーレストラン”で“食べる”ことを好むという事実が特定されることとなる。
【００５７】
なお、図５では、ユーザプロファイル１２ｂに予め設定されるプロファイル情報は、「ジャンル大分類」、「ジャンル小分類」、「休日設定」、「車種」、「ユーザ性別」、「ユーザ年齢」、「お気に入りコンテンツホルダ」のみとしたが、これらに限定されるものではない。すなわち、目的地コンテンツテーブル１２ａに格納されるカラムに基づき、「お気に入りチェーン店名」、「お気に入り出典元カテゴリ」、「お気に入りイベント情報」、「希望する価格帯／料金」、「希望する人気ランキング情報」、「希望する雰囲気」などを含めてもよい。これらのプロファイル情報は、目的地コンテンツテーブル１２ａの「チェーン店名」、「イベント情報」、「価格帯／料金」、「人気ランキング情報」、「雰囲気」にそれぞれ対応するプロファイル情報である。
【００５８】
「休日設定」は、ユーザが特に“休日”とする曜日や日付を格納する。この設定によって、カーナビゲーション装置１０は、土曜日、日曜日を休日として扱わず、設定されている曜日または日付を休日として扱って前述の「行動予測処理」をおこなうことになる。
【００５９】
「車種」は、当該カーナビゲーション装置１０が搭載されるユーザの車両の種別である。また、「ユーザ性別」は、当該車両のユーザの性別である。また、「ユーザ年齢」は、ユーザの実年齢またはユーザの世代を示す情報である。また、「お気に入りコンテンツホルダ」は、ユーザが目的地に関する情報を入手する際に頻繁に利用するコンテンツホルダを指す。
【００６０】
行動履歴テーブル１２ｃは、目的地コンテンツテーブル１２ａからユーザによって実際に目的地として設定されたエントリを、必要なカラムを抽出して格納したテーブルである。図６にテーブル例を示すように、行動履歴テーブル１２ｃは、「日付」、「曜日」、「時刻」、「時間帯」、「目的地」、「エリア情報」、「ジャンル大分類」、「ジャンル小分類」のカラムを有し、「日付」、「曜日」、「時刻」、「時間帯」の降順でレコードがソートされている。
【００６１】
ここで、「日付」、「曜日」、「時刻」、「時間帯」は、当該目的地が目的地設定された日付、曜日、時刻、時間帯であり、「目的地」、「エリア情報」、「ジャンル大分類」、「ジャンル小分類」は、目的地設定に応じて目的地コンテンツテーブル１２ａから抽出されるカラムである。このようにして、ある日付、曜日、時刻、時間帯に、ある目的地がカーナビゲーション装置１０において目的地設定されると、対応する「目的地」、「エリア情報」、「ジャンル大分類」、「ジャンル小分類」のカラムの情報が目的地コンテンツテーブル１２ａから抽出されて行動履歴テーブル１２ｃに格納されることとなる。例えば、図６によると、２００７/７/３０、月曜日、１２:００、昼に、目的地として“Ａそば店”が目的地設定されたことになり、この“Ａそば店”に対応する「エリア情報」、「ジャンル大分類」、「ジャンル小分類」は、“ａエリア”、“食べる”、“そば”である。
【００６２】
行動習慣テーブル１２ｄは、行動履歴テーブル１２ｃに格納される情報に基づいて、ユーザの目的地設定に基づく行動履歴に、例えば全体の７０％以上の頻度で潜在する周期性や選択の特徴を格納したテーブルである。図７に行動習慣テーブル１２ｄのテーブル例を示すように、「ジャンル大分類」、「ジャンル小分類」、「日の周期性」、「曜日の周期性」、「時間帯」、「１日の選択回数」のカラムを有する。
【００６３】
図７を参照すると、例えば、行動履歴テーブル１２ｃに格納される情報に基づくと、ユーザの目的地設定に基づく行動履歴は、「ジャンル大分類」が“食べる”、「ジャンル小分類」が“ファミリーレストラン”、「日の周期性」が“７日”、「曜日の周期性」が“日曜日”、「時間帯」が“夜”、「１日の選択回数」が“１回”のエントリが存在するが、これは、ユーザが“ファミリーレストラン”で“食べる”行為を、“７日”周期で、“日曜日”に、“夜”の時間帯で、１日に１回だけおこなう習慣性があるということを示している。なお、行動習慣テーブル１２ｄにおいて、該当する周期性や特徴が存在しないカラムについては“Ｎｕｌｌ”が格納される。
【００６４】
一般常識データテーブル１２ｅは、当該施設が利用され得ない状況を一般常識として規定するテーブルである。図８に一般常識データテーブル１２ｅのテーブル例を示すように、「ジャンル大分類」、「ジャンル小分類」、「時間帯に関する一般常識」、「天候に関する一般常識」のカラムを有する。「時間帯に関する一般常識」とは、当該「ジャンル大分類」および「ジャンル小分類」で特定される目的地としての施設が営業されていない時間帯もしくは窓口業務がおこなわれていない時間帯を示す情報である。この時間帯には、「朝」、「午前中」、「昼」、「午後」、「夕方」、「夜」、「深夜」の７区分がある。また、「天候に関する一般常識」は、当該「ジャンル小分類」で特定される目的地としての施設が利用され得ない天候を示す情報である。この天候には、「晴れ」、「曇り」、「雨」、「雪」の４区分がある。
【００６５】
図８を参照すると、例えば、「ジャンル大分類」が“食べる”、「ジャンル小分類」が“ラーメン”である場合は、「朝」の区分のカラムに“×”が入っていることから、“朝は営業していない”ということが「時間帯に関する一般常識」である。この一般常識によって、たとえ当該「ジャンル大分類」および「ジャンル小分類」で特定される施設が、行動予測処理による予測結果として「予測エリア」および「予測ジャンル」によって得られたとしても、当該予測結果から除外されるので、常識上あり得ない予測結果が得られることを防止することができる。なお、一般常識データテーブル１２ｅにおいて、該当する一般常識が存在しないカラムについては“Ｎｕｌｌ”が格納される。
【００６６】
当日選択履歴テーブル１２ｆは、今日当日に、カーナビゲーション装置１０において目的地設定された目的地とその関連情報を当日選択履歴として格納するテーブルである。図９に当日選択履歴テーブル１２ｆのテーブル例を示すように、「目的地」、「ジャンル大分類」、「ジャンル小分類」のカラムを有する。これらは、今日当日にカーナビゲーション装置において目的地設定されたことによって、目的地コンテンツテーブル１２ａから抽出されたエントリのカラムである。
【００６７】
図９を参照すると、例えば、「目的地」が“Ａ１レストラン”、「ジャンル大分類」が“食べる”、「ジャンル小分類」が“ファミリーレストラン”のエントリは、“食べる”行為をおこなう“ファミリーレストラン”である“Ａ１レストラン”が、今日当日に目的地設定されたことを示す。
【００６８】
ジャンル選択傾向テーブル１２ｇは、図１０にそのテーブル例を示すように、例えば、行動履歴テーブル１２ｃの直近のＮ（Ｎはある自然数）件のレコードの「集計単位」と、「ジャンル小分類」と、その「集計単位」および「ジャンル小分類」に対応する「重み合計」、「重み合計割合」、「傾き」、「傾き傾向」、「特化フラグ」のカラムを有するエントリを格納するテーブルである。行動履歴テーブル１２ｃから直近のＮ件のレコードを抽出し、ジャンル選択傾向テーブル１２ｇを生成する方法は、次の通りである。
【００６９】
先ず、行動履歴テーブル１２ｃから直近のＮ件のレコードを抽出する。これは、個人の選択傾向は、流行などに左右され、時間経過とともに変化することから、古いレコードを抽出しても無意味であり、より新しいレコードを抽出することによって、最近の流行を受けた個人の行動傾向が把握可能となるためである。
【００７０】
例えば、図６に示した行動履歴テーブル１２ｃの例から、直近８件のレコードを抽出した一時テーブルは、図１１に示すようなものとなる。行動履歴テーブル１２ｃから直近８件のレコードを抽出した一時テーブルは、所定の一時記憶領域に展開される。この一時テーブルは、「選択日付・時間帯」、「ジャンル小分類」、「重みベース値」、「重み値」のカラムを有する。
【００７１】
この展開の際に、行動履歴テーブル１２ｃの「曜日」は、例えば“月”〜“金”が“平日”へ変換され、“土”および“日”が“休日”へ変換される。この変換された“平日”および“休日”の区分は、「日付」、「時間帯」の情報とともにマージされ、一時テーブルにおいて「選択日付・時間帯」の項目に含まれることとなる。
【００７２】
「重みベース値」は、直近のレコードに対して最大値Ｐ（正数）の値を付与し、次に新しいレコードに対して刻み値Ｑ（正数）だけＰから減算した値を付与する。このようにして、全ての抽出レコードに対して刻み値ＱだけＰから順次減算していった値を付与することとなる。なお、すべてのレコードに付与する値が正数であるように、ＰおよびＱは、チューニングされうる数値であって、また、Ｎに依存して変更可能な数値である。
【００７３】
図１１の例によると、「選択日付・時間帯」が“２００７／７／３０”のレコードには、重みベース値“２”が付与され、その他のレコードに対して直近順序で、刻み値を“０．１”として、重みベース値“１．９”、“１．８”、・・・、“１．３”がそれぞれ付与される。そして、この「重みベース値」を自乗することによって「重み値」が得られる。このようにして「重み値」を算出することによって、直近の選択傾向をより際立たせることになる。
【００７４】
そして、「重み値」までが算出されたレコードを、所定の集計単位で集計して「重み値」の合計（「重み合計」）を算出し、この結果を図１０のジャンル選択傾向テーブル１２ｇに格納する。選択傾向は、例えば“食べる”という「ジャンル小分類」では、“朝”、“昼”、“夜”といったシーンでその傾向が変化することが予想できる。また、“遊ぶ” という「ジャンル小分類」では、“平日／休日”で傾向が変化することが予想できる。このように、「ジャンル小分類」の内容により、傾向の変化が予想できる集計単位ごとに選択傾向を集計する。
【００７５】
次に、「重み合計」の最大値に対する各「重み合計」の割合（「重み合計割合」）を算出し、この結果を図１０のジャンル選択傾向テーブル１２ｇに格納する。図１０を参照すると、「重み合計」の最大値は“１０．５”であるので、各「重み合計」“２．２５”、“９．４５”、“１０．５”それぞれを“１０．５”で割って１００を掛けた値“２１．４３％”、“９０．００”、“１００．００％”を、対応する「重み合計割合」のカラムへと格納する。
【００７６】
以上で、集計単位別の選択傾向の把握ができた。しかし、一般に、選択傾向を把握する場合に、特化して選択する傾向に着目する必要がある。例えば、複数のおすすめ候補があり、各候補がさまざまな属性を備えていた場合に、そのなかで特化して選択される属性を備えている候補があったとき、他の属性が選択傾向に沿っていなくとも、特化した属性に着目しておすすめ候補としてよい場合がある。
【００７７】
このような特化した属性を抽出するために、次の処理をおこなう。すなわち、先ず、図１０のジャンル選択傾向テーブル１２ｇの各レコードを、「重み合計」の昇順でソートする。そして、「重み合計」の最大値から最小値へ向かって、１レコード前の「重み合計」との差分を取る。これを「傾き」として、ジャンル選択傾向テーブル１２ｇに格納する。例えば、「集計単位」が“平日 昼”であって、「ジャンル小分類」が“そば”であるレコードの「傾き」は、当該レコードの「重み合計」“１０．５”から、１レコード前の「重み合計」“９．４５”を差し引いた“１．０５”である。
【００７８】
そして、ジャンル選択傾向テーブル１２ｇにおいて、「重み合計」の最大値に対する各「傾き」の割合（「傾き傾向」）を次式に基づき算出し、算出結果をそれぞれのレコードの「傾き傾向」のカラムに格納する。
【００７９】
【数１】
【００８０】
そして、ジャンル選択傾向テーブル１２ｇにおいて、「重み合計」の最小値から最大値へ向かって、順次「傾き傾向」が“特化傾向”Ｔ％以上であるか否かを判定する。なお、このＴは、チューニングパラメータである。そして、「傾き傾向」が特化傾向Ｔ以上であるレコードが存在した場合には、以降のレコードの「特化フラグ」を全てオンにする。
【００８１】
このように「特化フラグ」がオンとなる状況は、図１２に示すようなものである。すなわち、ジャンル選択傾向テーブル１２ｇが図１０に示すようなものであった場合に、Ｔを４０％とする。先ず、“初期値”の「傾き傾向」“０％”から“平日 昼”かつ“うどん”のレコードの「傾き傾向」“２１．４％”へと変化する。“２１．４％”はＴ未満であるので、“平日 昼”かつ“うどん”は、“特化傾向はない”とされる。
【００８２】
次に、“平日 昼”かつ“うどん”の「傾き傾向」“２１．４％”から“平日 昼”かつ“ラーメン”のレコードの「傾き傾向」“６８．６％”へと変化する。“６８．６％”はＴ以上であるので、“平日 昼”かつ“ラーメン”は、“特化傾向がある”とされ、「特化フラグ」がオンにされる。そして、このレコード以降の全てのレコードは、“特化傾向がある”とされ、「特化フラグ」がオンにされる。すなわち、“ラーメン”および“そば”が、特化した属性である。
【００８３】
なお、行動履歴テーブル１２ｃの直近のＮ件のレコードに絞って抽出することによって、特化した属性を確実に抽出することが可能になる。
【００８４】
次に、ジャンル選択傾向テーブル１２ｇに格納される「ジャンル小分類」に基づくジャンル類推処理によって、他の「ジャンル小分類」を類推し、「ジャンル小分類」の範囲を拡張することができる。
【００８５】
図１３に示すように、ジャンル類推テーブル１２ｉは、「ジャンル小分類」に少なくとも一つの「抽象化特性」が対応付けられているテーブルである。そして、ジャンル類推処理によって、「抽象化特性」の類似度が所定以上（例えば、７０％以上の類似度）であると判定される場合に、逆引きで「ジャンル小分類」を取得可能とするテーブルである。図１３にジャンル類推テーブル１２ｉのテーブル例を示すように、「ジャンル小分類」、「抽象化特性」のカラムを有する。「抽象化特性」は、「ジャンル小分類」にエントリされる情報の抽象的な特性であり、例えば、「食材」、「味」、「ボリューム感」などがある。
【００８６】
具体的には、図１３を参照すると、「ジャンル小分類」が“焼肉”の場合、「抽象化特性」は、「食材」が“肉”、「味」が“こってり味”、「ボリューム感」が“ボリューム感あり”、・・・である。以下では「ジャンル小分類」が“焼肉”を“類推元ジャンル”とし、この“類推元ジャンル”によって類推される「ジャンル小分類」を“類推ジャンル”として説明する。
【００８７】
先ず、「食材」のカラムのエントリを全て検索すると、例えば、「ジャンル小分類」が“ステーキ”の「食材」が“牛肉”であるので、例えば７０％以上の類似性ありと判定され、その類似度に応じたスコアが付与される。
【００８８】
次に、「味」のカラムのエントリを全て検索すると、例えば、「ジャンル小分類」が“ステーキ”の「味」が“こってり味”であるので、類似性ありと判定され、その類似度に応じたスコアが付与される（なお、この場合は両者の「味」は一致しているので、類似度は１００％である）。
【００８９】
次に、「ボリューム感」のカラムのエントリを全て検索すると、例えば、「ジャンル小分類」が“ステーキ”の「ボリューム感」が“ボリューム感あり”であるので、類似性ありと判定され、その類似度に応じたスコアが付与される（なお、この場合も両者の「ボリューム感」は一致しているので、類似度は１００％である）。
【００９０】
このようにして全ての「抽象化特性」について全てのカラムの全てのエントリを検索して類似度に応じたスコアを総計した結果が所定以上（例えば、７０％以上の類似度）である「ジャンル小分類」のエントリが、“類推元ジャンル”によって類推される“類推ジャンル”となる。最終的に、このようにして類推された“類推ジャンル”をジャンル選択傾向テーブル１２ｇへ追加する。図１３のジャンル類推テーブル１２ｉによれば、「ジャンル小分類」が“ラーメン”、“うどん”、“そば”である場合には、“スパゲティ”が類推され、追加されることとなる。この“類推ジャンル”が追加されたジャンル選択傾向テーブル１２ｇ内のレコードを、所定の方法に従って順位付けすることになる。
【００９１】
図１４は、ある「ジャンル大分類」における属性値の重み付けテーブルの例である。属性値重み付けテーブル１２ｈは、図１４に示すように、「属性」、「ベース得点」、「特化傾向重み」、「特化傾向Ｔ」のカラムを有する。属性値重み付けテーブル１２ｈは、例えば、「ジャンル大分類」が“食べる”である場合の各属性（「ジャンル小分類」、「チェーン店名」、「コンテンツホルダ」、「イベント情報」、「雰囲気」）を、前述の“特化傾向”の有無に従って重み付け、順位付けするための情報を格納するテーブル例である。
【００９２】
「ベース得点」は、ジャンル選択傾向テーブル１２ｇ内のレコードを各属性値に基づいて順位付けする際にベースとなる点数である。「ジャンル小分類」および「チェーン店名」の「ベース得点」は“２００”点である。また、「コンテンツホルダ」および「雰囲気」の「ベース得点」は“１００”点である。また、「イベント情報」の「ベース得点」は“１５０”点である。
【００９３】
「特化傾向重み」は、ジャンル選択傾向テーブル１２ｇ内のレコードを各属性値に基づいて順位付けする際に、“特化傾向”がある属性である場合に、ベース得点に乗じる乗数である。「ジャンル小分類」、「チェーン店名」および「雰囲気」の「特化傾向重み」は“１．４”である。また、「コンテンツホルダ」および「イベント情報」の「特化傾向重み」は“１．２”である。
【００９４】
「特化傾向Ｔ」は、ジャンル選択傾向テーブル１２ｇ内の各レコードのそれぞれの属性に“特化傾向”があるか否かを判定するための閾値である。「ジャンル小分類」、「チェーン店名」、「コンテンツホルダ」、「イベント情報」および「雰囲気」の「特化傾向Ｔ」は、全て“４０”％である。
【００９５】
ここで、“類推ジャンル”が追加されたジャンル選択傾向テーブル１２ｇ内のレコードに対して属性値重み付けテーブル１２ｈの情報を適用し、“特化傾向”の有無に従って重み付け、順位付けをおこなうと、図１５に示すようになる。この処理に先立ち、候補となる「ジャンル小分類」の属性値が、選択傾向の属性値と一致するか否かを判定する。このとき、前述の“推測条件”と一致する「集計単位」であるレコードをチェック対象とする。
【００９６】
例えば、図１５に示すように、「ジャンル小分類」が“ラーメン”である場合には、（ａ）ベース得点が２００点であり、（ｂ）重み合計割合が９０．００％であることから、（ａ）×（ｂ）を計算することにより、（ｃ）１８０．００が算出される。
【００９７】
さらに、「ジャンル小分類」が“ラーメン”の場合には、図１０のジャンル選択傾向テーブル１２ｇを参照すると、「特化フラグ」が“１”（オン）であることから、この（ｃ）１８０．００に（ｄ）特化傾向重み１．４を乗じることによって、最終的に（ｅ）優先度スコア＝２５２．００が算出される。同様にして、「ジャンル小分類」が“うどん”、“スパゲティ”、“そば”も、それぞれの「ベース得点」、「重み合計割合」、「特化傾向の有無」に基づいて優先度スコアが算出される。
【００９８】
また、「ジャンル小分類」が“うどん”である場合には、（ａ）ベース得点が２００点であり、（ｂ）重み合計割合が２１．４３％であることから、（ａ）×（ｂ）を計算することにより、（ｃ）４２．８６が算出される。さらに、「ジャンル小分類」が“うどん”の場合には、図１０のジャンル選択傾向テーブル１２ｇを参照すると、「特化フラグ」が“０”（オフ）であることから、この（ｃ）４２．８６に（ｄ）特化傾向重み１．０を乗じることによって、最終的に（ｅ）優先度スコア＝４２．８６が算出される。
【００９９】
また、「ジャンル小分類」が“スパゲティ”である場合には、（ａ）ベース得点が２００点であり、（ｂ）重み合計割合が０．０００％であることから、（ａ）×（ｂ）を計算することにより、（ｃ）０．００が算出される。さらに、「ジャンル小分類」が“スパゲティ”の場合には、図１０のジャンル選択傾向テーブル１２ｇを参照すると、対応するレコードがないことから「特化フラグ」が“０”（オフ）であるとみなし、この（ｃ）０．００に（ｄ）特化傾向重み１．０を乗じることによって、最終的に（ｅ）優先度スコア＝０．００が算出される。
【０１００】
なお、優先度スコアは、原則、ジャンル属性ごとに付与された得点の合計値とする。ただし、１つの属性に複数の値が実装される場合には、その複数の値に対する優先度スコアの中で最も値が大きいものを優先度スコアとする。
【０１０１】
また、優先度スコアの算出には、属性値重み付けテーブル１２ｈの「ベース得点」および「特化傾向重み」が大きく寄与する。これらは選択傾向の「集計単位」および対象となる「ジャンル属性」によって変化すると考えられる。「集計単位」は、選択傾向を「集計単位」で集計することにより考慮されている。しかし、全ての「ジャンル属性」ごとに優先度スコアを算出していては、煩雑である。このため、「ジャンル属性」を、「グループＡ（好み・目的）」（「ジャンル小分類」、「チェーン店名」）、「グループＢ（特徴的要因）」（「コンテンツホルダ」、「イベント有無」）、「グループＣ（属性的要因）」（「雰囲気」）の３つに絞ってグルーピングし、これらのグループごとに優先度スコアを算出することによって、効率的な処理を行うことが可能になる。優先度スコアによって、おすすめ情報の表示順序が決定される。
【０１０２】
すなわち、以上では、「ジャンル小分類」に基づいてジャンル選択傾向を把握し、ジャンルを類推し、これらジャンルの優先度スコアに基づいて優先度付けして、お勧め情報として提示する場合を示したが、これに限らず、「チェーン店名」、「コンテンツホルダ（出典元）」、「イベント情報」、「雰囲気」についても同様に処理可能である。換言すれば、「ジャンル小分類」、「チェーン店名」、「コンテンツホルダ」、「イベント情報」、「雰囲気」のジャンル属性のみについて選択傾向を把握できれば、具体的なおすすめ情報としてユーザに提示可能である。
【０１０３】
このようにして順序付けられたおすすめ情報は、図１６に示すようなものになる。図１６は、「ジャンル小分類」に基づいて生成されたおすすめ情報テーブルの例を示す図である。おすすめ情報テーブルは、所定の一時記憶領域に展開される。図１６のおすすめ情報テーブルは、「ジャンル大分類」が“食べる”の場合のテーブルである。
【０１０４】
図１６に示すように、おすすめ情報テーブルは、「グループＡ（好み・目的）」（「ジャンル小分類」、「チェーン店名」）と、「グループＢ（特徴的要因）」（「コンテンツホルダ」、「イベント情報」）と、「グループＣ（属性的要因）」（「雰囲気」）と、「優先スコア」とのカラムを有する。「ジャンル小分類」の“ラーメン”、“そば”、“うどん”、“スパゲティ”が各「優先度スコア」の降順でソートされている。そして、それぞれに対応する「チェーン店名」、「コンテンツホルダ」、「イベント有無」、「雰囲気」のジャンル属性の属性値が格納されている。
【０１０５】
ここで再び図３に戻り、制御部１１について説明する。制御部１１は、カーナビゲーション装置１０の全体制御をつかさどる装置であり、特に実施例と関連する構成要素としては、行動履歴登録部１１ａと、行動習慣抽出処理部１１ｂと、行動予測処理部１１ｃと、ジャンル選択傾向抽出処理部１１ｄと、ジャンル類推処理部１１ｅと、嗜好推定処理部１１ｆと、選択リスト表示制御部１１ｇとを有する。
【０１０６】
行動履歴登録部１１ａは、ユーザによって、カーナビゲーション装置１０において目的地設定された「目的地」に対応する情報を、目的地コンテンツテーブル１２ａから抽出し、行動履歴として該目的地とともに行動履歴テーブル１２ｃに登録する処理をおこなう。
【０１０７】
行動習慣抽出処理部１１ｂは、先ず、（１）行動履歴テーブル１２ｃに登録されて格納されている行動履歴に基づいて、例えば全体の７０％以上の頻度で行動履歴に潜在する「日の周期性」、「曜日の周期性」、「時間帯」を抽出する処理をおこなう。
【０１０８】
次に、行動予測処理部１１ｃは、（２）行動履歴テーブル１２ｃから、全体の７０％の頻度で選択されている曜日に該当するエントリを抽出し、その抽出結果を一般常識データテーブル１２ｅに格納される一般常識に基づいてスクリーニングして最下位の優先度“１０”を付与する。さらに、行動予測処理部１１ｃは、（３）行動習慣テーブル１２ｄに格納されている周期性や特徴に応じて前述の抽出結果それぞれに優先度“１”、“３”、“４”、“７”を付与する。
【０１０９】
そして、行動予測処理部１１ｃは、（４）当日選択履歴テーブル１２ｆに格納される当日選択履歴に基づいて、同一の「ジャンル大分類」および「ジャンル小分類」のエントリ数が行動履歴テーブル１２ｃの「１日の選択回数」と同一の値である場合、すなわち行動履歴が示す１日の選択回数に達している場合に、当該「ジャンル大分類」および「ジャンル小分類」のエントリに優先度“８”を付与する。
【０１１０】
そして、行動予測処理部１１ｃは、前述の抽出結果のうち、上記（１）〜（４）の処理で優先度を付与されていないものに対して、優先度“５”を付与する。最後に、行動予測処理部１１ｃは、前述の抽出結果を、それぞれに付与された優先度の昇順、「時間帯」の昇順、頻度の降順でソートする。
【０１１１】
ジャンル選択傾向抽出処理部１１ｄは、行動履歴テーブル１２ｃから、例えば直近Ｎ件のレコードの「ジャンル小分類」のエントリを、「日付」、「時刻」、「曜日」、「時間帯」とともに抽出し、「日付」、「時刻」、「曜日」、「時間帯」を「選択日付・時間帯」として、各レコードに「重みベース値」、「重み値」を付与する。
【０１１２】
そして、この「選択日付・時間帯」の「平日／休日の別」および「時間帯」を「集計単位」とし、この「集計単位」および「ジャンル小分類」に基づいて「重み値」を集計し、ジャンル選択傾向テーブル１２ｇに登録する。また、集計された各レコードに、集計された「重み値」である「重み合計」、「重み合計割合」、「傾き」、「傾き傾向」、「特化フラグ」をそれぞれ付与する。
【０１１３】
ジャンル類推処理部１１ｅは、ジャンル選択傾向テーブル１２ｇに登録され格納されているエントリの「ジャンル小分類」、またはユーザによって入力された「ジャンル小分類」に基づき、「ジャンル小分類」に少なくとも一つの「抽象化特性」が対応付けられているジャンル類推テーブル１２ｉを参照して、「抽象化特性」の類似度が所定以上（例えば、７０％以上の類似度）であると判定される場合に、逆引きで「ジャンル小分類」を取得することによって、類推元ジャンル小分類から類推される類推ジャンル小分類を取得する。
【０１１４】
なお、ジャンル類推テーブル１２ｉの「抽象化特性」は、ユーザによって頻繁に（例えば、７０％以上の割合で）選択される「ジャンル小分類」を学習し、この「ジャンル小分類」に対して、ユーザが頻繁に（例えば、７０％以上の割合で）選択する「抽象化特性」を学習することとしてもよい。このようにして、後段の嗜好推定処理において処理対象となる「ジャンル小分類」の範囲を拡大することができる。
【０１１５】
嗜好推定処理部１１ｆは、ジャンル類推処理部１１ｅによって拡大された「ジャンル小分類」を、属性値重み付けテーブル１２ｈを参照して取得される「ベース得点」、「特化傾向重み」、「特化傾向Ｔ」に基づいて算出される優先度スコアに基づいて順序付けする。この際、目的地コンテンツテーブル１２ａから取得された「目的地」を、「好み・目的」、「特徴的要因」、「属性的要因」に基づいてスコアリングする。そして、嗜好推定処理部１１ｆは、スコアリングの降順で、「ジャンル小分類」をソートする。
【０１１６】
選択リスト表示制御部１１ｇは、嗜好推定処理部１１ｆによってスコアリングの降順でソートされた「ジャンル小分類」を、目的地コンテンツテーブル１２ａにおいて当該「目的地」に対応する各種情報とともに表示部１３に表示するように表示制御する。
【０１１７】
次に、実施例のカーナビゲーション装置で実行される行動予測処理について説明する。図１７は、実施例のカーナビゲーション装置１０で実行される行動予測処理手順を示すフローチャートである。同図に示すように、先ず、カーナビゲーション装置１０の行動予測処理部１１ｃは、「推測条件」の曜日に基づいて、行動履歴から当該曜日で頻度が高い候補を抽出する（ステップＳ１０１）。ステップＳ１０１によって抽出された候補を、以下、「抽出候補」と呼ぶ。
【０１１８】
なお、ステップＳ１０１では、休日か否かの条件では抽出はおこなわない。これは、休日か否かの傾向は、曜日の傾向で把握可能であるためである。なお、祝祭日はユーザプロファイル１２ｂにて抽出条件とするか否かが設定可能であるが、ユーザプロファイル１２ｂに設定がなければ、ユーザプロファイル１２ｂで休日と設定されている曜日を休日とする。
【０１１９】
また、ステップＳ１０１で、行動履歴から当該曜日で頻度が高い候補を抽出することが不可能でれば、曜日は無視し、平日／休日の区別で頻度が高い候補を所定件数だけ抽出することとしてもよい。
【０１２０】
続いて、行動予測処理部１１ｃは、行動履歴テーブル１２ｃに格納される行動履歴と、
一般常識データテーブル１２ｅに格納される一般常識とに基づいて、ステップＳ１０１で抽出された抽出候補のうち、当該時間帯に選択され得ない候補に、優先度“１０”を設定する（ステップＳ１０２）。
【０１２１】
すなわち、一般常識で「推測条件」の時間帯では“選択しない”と指定されており、かつ、行動履歴で当該時間帯では実際に選択されていなかった抽出候補の優先順位を下げる。なお、一般常識でその時間帯では“選択しない”と指定されていない抽出候補は、当該時間帯で選択される可能性があるので、行動履歴でその時間帯に選択されたことがないだけで優先順位を下げることは問題があるため、条件を“かつ”とする。
【０１２２】
続いて、行動予測処理部１１ｃは、「推測条件」の“天候”に基づいて、当日の天候により選択される可能性が低い抽出候補に、優先度“７”を設定する（ステップＳ１０３）。例えば、「推測条件」が“雨”で、一般常識で雨の場合“選択しない”とされており、かつ行動履歴で“雨”で実際に選択していない抽出候補の優先順位を下げる。なお、一般常識でその時間帯では“選択しない”と指定されていない抽出候補は、当該天候で選択される可能性があるので、行動履歴でその天候で選択されたことがないだけで優先順位を下げることは問題が有るため、条件を“かつ”とする。
【０１２３】
続いて、行動予測処理部１１ｃは、「推測条件」の“曜日”および“時間帯”に基づいて、当該「推測条件」に一致する“曜日”および“時間帯”において選択頻度が所定以上（例えば、７０％以上）の抽出候補に、優先度“１”を設定する（ステップＳ１０４）。これは、「推測条件」の“曜日”と“時間帯”とで選択頻度が例えば７０％以上のものは、選択される可能性が非常に高いものといい得るからである。
【０１２４】
続いて、行動予測処理部１１ｃは、「推測条件」の“曜日”および“時間帯”に基づいて、当該推測条件に一致する“曜日”および“時間帯”において選択頻度が所定以上の候補のうち、時間帯が１単位経過しても選択されなかった候補に、優先度“２”を設定し、時間帯が２単位以上経過しても選択されなかった抽出候補に、優先度“１０”を設定する（ステップＳ１０５）。ここで、“時間帯”の１単位とは、「朝」、「午前」、「午後」、「夜」、「深夜」、「朝」、・・・の順序で経過していく各時間帯をいう。
【０１２５】
ここで、“曜日”と“時間帯”に特化している抽出候補は、時間帯が経過してしまえば選択する可能性がかなり落ちるものと推定できる。当日の選択履歴で、既に選択済という条件で落とすこともできるが、実装を考慮した場合、実際に選択したという事象を把握できない可能性があるため、習慣的であるにもかかわらず時間帯が経過してしまった抽出条件は優先順位を下げるとした。
【０１２６】
続いて、行動予測処理部１１ｃは、周期性に基づき選択される可能性があり、かつ、“時間帯”において選択頻度が所定以上（例えば、７０％以上）の抽出候補に、優先度“３”を設定する（ステップＳ１０６）。なお、“日の周期性”があり、かつ、“時間帯”で特化している抽出条件は、優先度が高いと考えられるが、“曜日”で特化しているものに比べると若干優先度が落ちるためである。
【０１２７】
続いて、行動予測処理部１１ｃは、周期性に基づき選択される可能性があるが、“時間帯”において選択頻度が所定未満（例えば、７０％未満）の抽出候補に、優先度“４”を設定する（ステップＳ１０７）。すなわち、“日の周期性”があるということは、当日選択される可能性が高いものであるが、“時間帯”がまちまちなため、優先度“４”とすることとした。これは、“日の周期性”がある抽出候補は、“曜日”で抽出したものよりは優先度が高いと想定できるためである。“毎週末、スーパーマーケットへ行っている”、“３週間に１回、週末につりに行っているが、今日はその３週間に１回の日である”などが例である。
【０１２８】
続いて、行動予測処理部１１ｃは、１日のうちに所定回数選択される可能性があるが、すでに当該所定回数選択済みの抽出候補に優先度“８”を設定する（ステップＳ１０８）。具体的には、当日選択履歴テーブル１２ｆに基づいて、抽出候補ごとに、１日の最大選択回数の頻度を集計する。この集計結果より１日の最大選択回数の頻度が７０％以上である回数を、“特化した回数”とする。そして、当日の選択履歴より、その特化した回数以上選択済みのものを抽出候補から除外する。
【０１２９】
続いて、行動予測処理部１１ｃは、優先度が設定されていない抽出候補に、優先度“５”を設定する（ステップＳ１０９）。続いて、行動予測処理部１１ｃは、優先度の昇順、時間帯の昇順、頻度の昇順で抽出候補をソートする（ステップＳ１１０）。
【０１３０】
これらの処理をおこなうことによって、抽出候補に基づいて、該抽出候補が含む「エリア情報」によって「予測エリア」を、「ジャンル大分類」および「ジャンル小分類」によって「予測ジャンル」を推測することが可能になる。このようにして推測された「予測エリア」および「予測ジャンル」を、表示部１３の表示画面に一覧表示することとしてもよい。
【０１３１】
次に、実施例のカーナビゲーション装置で実行される嗜好推定処理について説明する。図１８は、実施例のカーナビゲーション装置１０で実行される嗜好推定処理手順を示すフローチャートである。同図に示すように、先ず、カーナビゲーション装置１０の嗜好推定処理部１１ｆは、行動履歴テーブル１２ｃから直近Ｎ件のレコードを抽出する（ステップＳ２０１）。
【０１３２】
続いて、嗜好推定処理部１１ｆは、抽出された行動履歴に重み値を付与する（ステップＳ２０２）。続いて、嗜好推定処理部１１ｆは、曜日、時間帯およびジャンル小分類ごとに重み値の合計である重み合計を集計して、集約された選択傾向を求める（ステップＳ２０３）。続いて、嗜好推定処理部１１ｆは、集計単位ごとに重み合計の割合を算出する（ステップＳ２０４）。
【０１３３】
続いて、嗜好推定処理部１１ｆは、集計単位を重み合計の昇順でソートし、連続する２つ重み合計の差分を、傾きとして算出する（ステップＳ２０５）。続いて、嗜好推定処理部１１ｆは、集計単位ごとに重みの最大値に対する各傾きの割合を傾き傾向として算出する（ステップＳ２０６）。
【０１３４】
続いて、嗜好推定処理部１１ｆは、傾き傾向が特化傾向Ｔ以上であるレコードの特化フラグをオンにする（ステップＳ２０７）。続いて、嗜好推定処理部１１ｆは、抽象化特性に基づきジャンル小分類を類推する（ステップＳ２０８）。続いて、嗜好推定処理部１１ｆは、類推されたジャンル小分類を集約された選択傾向に追加する（ステップＳ２０９）。
【０１３５】
続いて、嗜好推定処理部１１ｆは、選択傾向の属性ごとに、ベース得点と、重み合計割合と、特化傾向重みとの積（優先度スコア）を算出する（ステップＳ２１０）。続いて、積（優先度スコア）の降順に選択履歴をソートし、必要な属性値を付加しておすすめ表示する（ステップＳ２１１）。
【０１３６】
なお、図１９は、行動予測処理および嗜好推定処理を経た処理結果である「おすすめ情報」の表示例である。同図に示すように、「おすすめ情報」は、表示部１３の表示画面１３ａに、ユーザが容易に選択可能に、該ユーザが「推測条件」および「ジャンル選択傾向」に基づいて選択する可能性が高い順に「目的地」を表示制御することによって、選択候補のリストが得られる。このようにして、ユーザは、自身が所望する「目的地」を、手作業で１から設定せずとも、１回の操作で選択することが可能になる。
【０１３７】
以上、本発明の実施例を説明したが、本発明は、これに限られるものではなく、特許請求の範囲に記載した技術的思想の範囲内で、更に種々の異なる実施例で実施されてもよいものである。また、実施例に記載した効果は、これに限定されるものではない。
【０１３８】
また、上記実施例において説明した各処理のうち、自動的におこなわれるものとして説明した処理の全部または一部を手動的におこなうこともでき、あるいは、手動的におこなわれるものとして説明した処理の全部または一部を公知の方法で自動的におこなうこともできる。この他、上記実施例で示した処理手順、制御手順、具体的名称、各種のデータやパラメータを含む情報については、特記する場合を除いて任意に変更することができる。
【０１３９】
また、図示した各装置の各構成要素は機能概念的なものであり、必ずしも物理的に図示のように構成されていることを要しない。すなわち、各装置の分散・統合の具体的形態は図示のものに限られず、その全部または一部を、各種の負荷や使用状況などに応じて、任意の単位で機能的または物理的に分散・統合して構成することができる。
【０１４０】
さらに、各装置にて行なわれる各処理機能は、その全部または任意の一部が、ＣＰＵ（Central Processing Unit）（またはＭＰＵ（Micro Processing Unit）、ＭＣＵ（Micro Controller Unit）などのマイクロ・コンピュータ）および当該ＣＰＵ（またはＭＰＵ、ＭＣＵなどのマイクロ・コンピュータ）にて解析実行されるプログラムにて実現され、あるいは、ワイヤードロジックによるハードウェアとして実現されてもよい。
【産業上の利用可能性】
【０１４１】
本発明は、カーナビゲーション装置などのコンテンツ提供装置においてコンテンツの選択候補をユーザに提示する場合に、簡易な構成でユーザの行動をより正確に推測し、かつ、ユーザに提示されるユーザ行動や目的地などの選択候補にバリエーションを持たせてユーザの選択の可能性を広げることを可能としたい場合に有用である。
【符号の説明】
【０１４２】
１０ カーナビゲーション装置
１１ 制御部
１１ａ 行動履歴登録部
１１ｂ 行動習慣抽出処理部
１１ｃ 行動予測処理部
１１ｄ ジャンル選択傾向抽出処理部
１１ｅ ジャンル類推処理部
１１ｆ 嗜好推定処理部
１１ｇ 選択リスト表示制御部
１２ 記憶部
１２ａ 目的地コンテンツテーブル
１２ｂ ユーザプロファイル
１２ｃ 行動履歴テーブル
１２ｄ 行動習慣テーブル
１２ｅ 一般常識データテーブル
１２ｆ 当日選択履歴テーブル
１２ｇ ジャンル選択傾向テーブル
１２ｈ 属性値重み付けテーブル
１２ｉ ジャンル類推テーブル
１３ 表示部
１３ａ 表示画面
【技術分野】
【０００１】
本発明は、少なくとも一つの分類項目によって分類可能なコンテンツから所定状況下でユーザによって選択されうるコンテンツの選択候補を抽出して該ユーザに提示するコンテンツ選択候補抽出装置、コンテンツ選択候補抽出方法、行動予測装置および行動予測方法に関する。
【背景技術】
【０００２】
車両に搭載される車載装置であるカーナビゲーション装置は、目的地に関する情報をコンテンツとして、ユーザに目的地および該目的地に関する目的地情報というコンテンツを提供する。目的地は、車両の出発地とともに、カーナビゲーション装置における経路探索で必須の情報である。ここで、膨大なコンテンツから、ユーザが所望する最適なコンテンツ（目的地）を選択して該ユーザに提示することは、コンテンツの選択の利便性の点から重要となってくる。
【０００３】
そのコンテンツの選択方法例として、ユーザの行動をより正確に予測し、その予測に基づいて選択される可能性が高いコンテンツの選択候補を抽出して該ユーザに提示することが挙げられる。例えば、特許文献１には、ユーザの環境、状況、状態、要求、行動、局面といったユーザ情報を、時間および空間によって与えられる影響を考慮して詳細、より正確に推定することを可能にしたユーザ情報推定装置が開示されている。
【０００４】
また、特許文献２には、カーナビゲーション装置において、過去におこなわれた経路探索における時間別の出発地と目的地とを、経路探索頻度に関する情報とともに過去履歴に記憶し、カーナビゲーション装置の起動時において、過去履歴において当該時間帯における経路探索頻度が最も高い出発地、目的地を検索して、今回の経路探索の出発地、目的地とするカーナビゲーション装置が開示されている。
【先行技術文献】
【特許文献】
【０００５】
【特許文献１】特開２００２−９２０２９号公報
【特許文献２】特開平８−２７１２７７号公報
【発明の概要】
【発明が解決しようとする課題】
【０００６】
しかしながら、上記特許文献１に代表される従来技術では、ユーザの行動などの予測をより正確に行うことができるものの、コンピュータ装置において多くの記憶資源や、高い演算能力を必要とする複雑な計算処理を行うため、複雑な構成による製造コストの問題や、処理時間がかかるといった問題を抱えていた。
【０００７】
また、上記特許文献２に代表される従来技術では、時間帯のみを考慮してその他の要因を考慮せずに過去履歴で最も設定頻度が高い出発地、目的地を取得するので、当日では絶対選択され得ない出発地、目的地が取得されるおそれがあり、過去履歴を利用してユーザの目的地を推測して提示することの利便性を没却するおそれがあった。
【０００８】
また、上記特許文献１および２に代表される従来技術を組み合わせたとしても、ユーザ情報や過去履歴に基づいてユーザ行動や目的地などの推定をおこなうので、ユーザ行動や目的地などの候補を絞り込むのみの処理となるために、ユーザに提示されるユーザ行動や目的地などの選択候補はユーザ情報や過去履歴の部分集合に過ぎずバリエーションに乏しく、ユーザの選択の可能性を広げるものではなかった。
【０００９】
本発明は、上記問題点（課題）を解消するためになされたものであって、簡易な構成でユーザの行動をより正確に推測し、かつ、ユーザに提示されるユーザ行動や目的地などの選択候補にバリエーションを持たせてユーザの選択の可能性を広げることを可能とするコンテンツ選択候補抽出装置、コンテンツ選択候補抽出方法、行動予測装置および行動予測方法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】
【００１０】
上述した問題を解決し、目的を達成するため、本発明は、入力された推測条件に基づいて、少なくとも一つの分類項目によって分類可能なコンテンツから所定状況下でユーザによって選択されうるコンテンツの選択候補を抽出して該ユーザに提示するコンテンツ選択候補抽出装置であって、前記ユーザによって選択されたコンテンツの選択履歴を記録する選択履歴記録手段と、前記選択履歴記録手段によって記録された前記選択履歴に基づいて、前記ユーザによる前記コンテンツの選択行為に潜在する周期性を抽出する周期性抽出手段と、前記選択履歴と、前記周期性抽出手段によって抽出された前記周期性とに基づいて、前記ユーザによって選択されうるコンテンツの選択候補を抽出する選択候補抽出手段と、前記選択候補抽出手段によって前記選択候補として抽出されたコンテンツに、前記ユーザに優先度順に提示するために、前記推測条件に対する該コンテンツの分類項目の具体データの一致性、前記周期性または該コンテンツの当日選択回数に基づいて優先度を付与する優先度付与手段とを有することを特徴とする。
【００１１】
また、本発明は、上記発明において、前記選択候補抽出手段は、前記所定状況下では前記コンテンツが常識的に前記選択候補とはなり得ない状況を規定する常識条件に基づいて、該選択候補抽出手段によって抽出された該選択候補からコンテンツを除外する選択候補除外手段をさらに含むことを特徴とする。
【００１２】
また、本発明は、上記発明において、前記選択候補抽出手段によって前記選択候補として抽出されたコンテンツの前記分類項目の具体データに、該分類項目の具体データを抽象化して特性付ける抽象化特性を対応付けて記憶する抽象化特性テーブルに基づいて、該分類項目の該抽象化特性と類似度が所定以上である他のコンテンツの該分類項目の具体データを類推分類項目として取得する類推分類項目取得手段をさらに有し、前記優先度付与手段は、前記選択候補抽出手段によって前記選択候補として抽出されたコンテンツ、および、前記類推分類項目取得手段によって取得された前記類推分類項目で特定されるコンテンツに、それらの選択傾向、目的、特徴要因または属性的要因に基づいてさらに優先度を付与することを特徴とする。
【００１３】
また、本発明は、入力された推測条件に基づいて、少なくとも一つの分類項目によって分類可能なコンテンツから所定状況下でユーザによって選択されうるコンテンツの選択候補を抽出して該ユーザに提示するコンテンツ選択候補抽出方法であって、前記ユーザによって選択されたコンテンツの選択履歴を記録する選択履歴記録ステップと、前記選択履歴記録ステップによって記録された前記選択履歴に基づいて、前記ユーザによる前記コンテンツの選択行為に潜在する周期性を抽出する周期性抽出ステップと、前記選択履歴と、前記周期性抽出ステップによって抽出された前記周期性とに基づいて、前記ユーザによって選択されうるコンテンツの選択候補を抽出する選択候補抽出ステップと、前記所定状況下では前記コンテンツが常識的に前記選択候補とはなり得ない状況を規定する常識条件に基づいて、前記選択候補抽出ステップによって抽出された該選択候補からコンテンツを除外する選択候補除外ステップと、前記選択候補抽出ステップによって前記選択候補として抽出されたコンテンツの前記分類項目の具体データに、該分類項目の具体データを抽象化して特性付ける抽象化特性を対応付けて記憶する抽象化特性テーブルに基づいて、該分類項目の該抽象化特性と類似度が所定以上である他のコンテンツの該分類項目の具体データを類推分類項目として取得する類推分類項目取得ステップと、前記選択候補抽出ステップによって前記選択候補として抽出されたコンテンツ、および、前記類推分類項目取得ステップによって取得された前記類推分類項目で特定されるコンテンツに、前記ユーザに優先度順に提示するために、前記推測条件に対する該コンテンツの分類項目の具体データの一致性、前記周期性、該コンテンツの当日選択回数、該コンテンツに対する選択傾向、該コンテンツの目的、該コンテンツの特徴要因または属性的要因に基づいて優先度を付与する優先度付与ステップとを含むことを特徴とする。
【００１４】
また、本発明は、入力された推測条件に基づいて、少なくとも一つの分類項目によって分類可能なコンテンツからユーザによって選択されうるコンテンツの選択候補の該分類項目で特定される該ユーザの行動を予測する行動予測装置であって、前記ユーザによって選択されたコンテンツの選択履歴を記録する選択履歴記録手段と、前記選択履歴記録手段によって記録された前記選択履歴に基づいて、前記ユーザによる前記コンテンツの選択行為に潜在する周期性を抽出する周期性抽出手段と、前記選択履歴と、前記周期性抽出手段によって抽出された前記周期性とに基づいて、前記ユーザによって選択されうるコンテンツの選択候補の前記分類項目を抽出する分類項目抽出手段と、前記分類項目抽出手段によって抽出された前記分類項目に、前記ユーザに優先度順に提示するために、前記推測条件に対する前記コンテンツの分類項目の具体データの一致性、前記周期性または該コンテンツの当日選択回数に基づいて優先度を付与する優先度付与手段とを有することを特徴とする。
【００１５】
また、本発明は、上記発明において、前記分類項目抽出手段は、前記所定状況下では前記分類項目抽出手段によって抽出された前記分類項目に対応するコンテンツが常識的に前記選択候補とはなり得ない状況を規定する常識条件に基づいて、該選択候補から分類項目を除外する分類項目除外手段をさらに含むことを特徴とする。
【００１６】
また、本発明は、入力された推測条件に基づいて、少なくとも一つの分類項目によって分類可能なコンテンツからユーザによって選択されうるコンテンツの選択候補の該分類項目で特定される該ユーザの行動を予測する行動予測方法であって、前記ユーザによって選択されたコンテンツの選択履歴を記録する選択履歴記録ステップと、前記選択履歴記録ステップによって記録された前記選択履歴に基づいて、前記ユーザによる前記コンテンツの選択行為に潜在する周期性を抽出する周期性抽出ステップと、前記選択履歴と、前記周期性抽出ステップによって抽出された前記周期性とに基づいて、前記ユーザによって選択されうるコンテンツの選択候補の前記分類項目を抽出する分類項目抽出ステップと、前記所定状況下では前記分類項目抽出ステップによって抽出された前記分類項目に対応するコンテンツが常識的に前記選択候補とはなり得ない状況を規定する常識条件に基づいて、該選択候補から分類項目を除外する分類項目除外ステップと、前記分類項目抽出ステップによって抽出され、かつ、前記分類項目除外ステップによって前記選択候補から除外されなかった分類項目に、前記ユーザに優先度順に提示するために、前記推測条件に対する前記コンテンツの分類項目の具体データの一致性、前記周期性、該コンテンツの当日選択回数、または、該コンテンツに対する選択傾向、該コンテンツの目的、該コンテンツの特徴要因または属性的要因に基づいて優先度を付与する優先度付与ステップとを含むことを特徴とする。
【００１７】
また、本発明は、少なくとも一つの分類項目によって分類可能なコンテンツの該分類項目の具体データの入力に基づいて、所定状況下でユーザによって選択されうるコンテンツの分類項目の具体データを抽出して該ユーザに提示する分類項目内容推定装置であって、入力された前記分類項目の具体データに、該分類項目の具体データを抽象化して特性付ける抽象化特性を対応付けて記憶する抽象化特性テーブルに基づいて、該分類項目の該抽象化特性と類似度が所定以上である他のコンテンツの該分類項目の具体データを類推分類項目として取得する類推分類項目取得手段と、前記類推分類項目取得手段によって取得された他のコンテンツの分類項目の具体データで特定されるコンテンツに、前記ユーザに優先度順に提示するために、該コンテンツに対する選択傾向、該コンテンツの目的、該コンテンツの特徴要因または属性的要因に基づいて優先度を付与する優先度付与手段とを有することを特徴とする。
【００１８】
また、本発明は、上記発明において、前記ユーザによって選択されたコンテンツの前記分類項目の具体データを記録する選択分類項目記録手段をさらに有し、前記選択分類項目記録手段に記録される前記分類項目の具体データを入力として、前記所定状況下で前記ユーザによって選択されうるコンテンツの分類項目の具体データを抽出して該ユーザに提示することを特徴とする。
【００１９】
また、本発明は、少なくとも一つの分類項目によって分類可能なコンテンツの該分類項目の具体データの入力に基づいて、所定状況下でユーザによって選択されうるコンテンツの分類項目の具体データを抽出して該ユーザに提示する分類項目内容推定方法であって、入力された前記分類項目の具体データに、該分類項目の具体データを抽象化して特性付ける抽象化特性を対応付けて記憶する抽象化特性テーブルに基づいて、該分類項目の該抽象化特性と類似度が所定以上である他のコンテンツの該分類項目の具体データを類推分類項目として取得する類推分類項目取得ステップと、前記類推分類項目取得ステップによって取得された他のコンテンツの分類項目の具体データで特定されるコンテンツに、前記ユーザに優先度順に提示するために、該コンテンツに対する選択傾向、該コンテンツの目的、該コンテンツの特徴要因または属性的要因に基づいて優先度を付与する優先度付与ステップとを含むことを特徴とする。
【発明の効果】
【００２０】
本発明によれば、ユーザによって選択されうるコンテンツの選択候補を抽出して該ユーザに提示することによって、ユーザは、コンテンツの選択操作を容易におこなうことが可能になるという効果を奏する。
【００２１】
また、本発明によれば、常識的には選択され得ないコンテンツを選択候補から予め除外することによって、ユーザは、真に選択可能性があるコンテンツのみからなるリストから選択操作を容易に行い、誤って意図しないコンテンツの選択をおこなうことを防止することが可能になるという効果を奏する。
【００２２】
また、本発明によれば、ユーザは、過去に選択されたコンテンツの分類項目の具体データから類推される他の分類項目に基づいて、類似するコンテンツまで選択可能対象を広げてコンテンツを選択することが可能になり、広い範囲からコンテンツを選択することが可能になるという効果を奏する。
【００２３】
本発明によれば、過去のコンテンツ選択履歴と、推測条件とに基づいてユーザが選択し得るコンテンツを抽出して所定条件で優先度順に整列することによって、該コンテンツに対応してユーザが取る可能性が高い行動を推定することが可能になるという効果を奏する。
【００２４】
また、本発明によれば、常識的には選択し得ないコンテンツを選択候補から予め除外することによって、ユーザが取り得ない行動を予測することを防止することが可能になるという効果を奏する。
【００２５】
本発明によれば、過去に選択されたコンテンツの分類項目の具体データから他の分類項目を類推するので、類似するコンテンツまで広げてコンテンツをリストからリストアップしてユーザに提示することが可能になるという効果を奏する。
【００２６】
また、本発明によれば、ユーザによって過去に選択されたコンテンツの分類項目の具体データを入力として、類似する分類項目を類推することが可能になるという効果を奏する。
【図面の簡単な説明】
【００２７】
【図１】図１は、実施例にかかるカーナビゲーション装置の処理の概略を示す図である。
【図２】図２は、推測条件の例を示す図である。
【図３】図３は、実施例にかかるカーナビゲーション装置の構成を示す機能ブロック図である。
【図４】図４は、目的地コンテンツテーブルのテーブル例を示す図である。
【図５】図５は、ユーザプロファイルのテーブル例を示す図である。
【図６】図６は、行動履歴テーブルのテーブル例を示す図である。
【図７】図７は、行動習慣テーブルのテーブル例を示す図である。
【図８】図８は、一般常識データテーブルのテーブル例を示す図である。
【図９】図９は、当日選択履歴テーブルのテーブル例を示す図である。
【図１０】図１０は、ジャンル選択傾向テーブルのテーブル例を示す図である。
【図１１】図１１は、行動履歴テーブルから直近Ｎ件のレコードを抽出した一時テーブルの例を示す図である。
【図１２】図１２は、「特化フラグ」がオンとなる状況を示す図である。
【図１３】図１３は、ジャンル類推テーブルのテーブル例を示す図である。
【図１４】図１４は、属性値重み付けテーブルの例を示す図である。
【図１５】図１５は、優先度スコアの算出例を示す図である。
【図１６】図１６は、おすすめ情報テーブルの例を示す図である。
【図１７】図１７は、実施例のカーナビゲーション装置で実行される行動予測処理手順を示すフローチャートである。
【図１８】図１８は、実施例のカーナビゲーション装置で実行される嗜好推定処理手順を示すフローチャートである。
【図１９】図１９は、おすすめ情報の表示例を示す図である。
【発明を実施するための形態】
【００２８】
以下に添付図面を参照し、本発明のコンテンツ選択候補抽出装置、コンテンツ選択候補抽出方法、行動予測装置および行動予測方法にかかる実施例を詳細に説明する。なお、以下の実施例では、本発明にかかるコンテンツ選択候補抽出装置、コンテンツ選択候補抽出方法、行動予測装置および行動予測方法を、車両に搭載されるカーナビゲーション装置として示し、表示する目的地と該目的地に対応付けられた情報をコンテンツとして選択させるために、車両の運転者の目的地設定の行動を予測して選択されるであろうと予想される目的地を上位に位置付けた選択リストを表示する場合を示すこととする。
【００２９】
しかし、本発明は、これに限られるものではない。すなわち、各種コンテンツ属性を有するコンテンツを、ユーザの選択傾向などに基づき、該ユーザが選択するであろうと予想されるコンテンツを上位に位置付けて選択リストを表示するコンテンツ選択リスト表示装置であれば、広く一般的な装置に適用可能である。なお、コンテンツ選択リスト表示装置は、一般的なコンテンツ提供装置と一体であってもよい。
【実施例】
【００３０】
先ず、実施例にかかるカーナビゲーション装置の処理の概略について説明する。図１は、実施例にかかるカーナビゲーション装置の処理の概略を示す図である。なお、以下の実施例では、「行動」とは、ユーザが車両にて「目的地」に到達する行為のことを指す。同図に示すように、カーナビゲーション装置１０は、「推測条件」を入力情報として、最終的に、カーナビゲーション装置１０として推薦する目的地のリストである「おすすめ情報」を出力する。
【００３１】
「推測条件」は、図２に示すように、“目的時間帯”、“日付（曜日を含む）”、“天候”、“当日の選択履歴”を含む。なお、これらの情報は、カーナビゲーション装置１０のシステム内および／またはシステム外から自動的に取得されることとなる。しかし、“目的時間帯”、“日付（曜日を含む）”、“天候”は、図示しない入力装置を用いてユーザによって入力されることとしてもよい。
【００３２】
“目的時間帯”とは、出力する「おすすめ情報」の属性の一つである“時間帯”を設定する情報である。時間帯は、カーナビゲーション装置１０のシステム時刻に基づいて取得可能である。実施例では、“時間帯”として、例えば、「朝」、「午前」、「午後」、「夜」、「深夜」の５つがある。この５つの時間帯は、「朝」、「午前」、「午後」、「夜」、「深夜」の順序で昇順に順序付けられている。
【００３３】
例えば、「朝」は、４：００〜９：００の時間帯であり、「午前」は、９：００〜１２：００の時間帯であり、「午後」は、１２：００〜１８：００の時間帯であり、「夜」は、１８：００〜２３：００の時間帯であり、「深夜」は、２３：００〜翌日４：００の時間帯であるとする。「おすすめ情報」は、その属性として、目的地として設定されるにふさわしい時間帯がある。例えば、「夜景がきれいなベイエリア」は、前述の時間帯では、それが目的地として選択されるにふさわしい時間帯は「夜」である。
【００３４】
“日付（曜日を含む）”は、年月日およびその日の曜日を示す情報である。“日付（曜日を含む）”は、カーナビゲーション装置１０のシステムカレンダに基づいて取得可能である。また、“天候”は、当日当該時刻における気象条件を示す情報であり、晴れ、雨、雪などの情報を含む。“天候”は、気象情報サービスを利用して外部から無線通信によって取得可能である。
【００３５】
“当日の選択履歴”は、当日において選択された目的地の選択履歴である。“当日の選択履歴”は、後述するカーナビゲーション装置１０の当日選択履歴テーブル１２ｆから取得可能である。
【００３６】
カーナビゲーション装置１０は、これらの「推測条件」を入力として「予測エリア」および「予測ジャンル」を出力する「行動予測処理」をおこなう。「予測エリア」は、行動予測処理の結果として「おすすめ情報」に含める目的地が属するエリア情報である。「予測ジャンル」は、行動予測処理の結果として「おすすめ情報」に含める目的地が属するジャンル大分類およびジャンル小分類である。
【００３７】
なお、「行動予測処理」をおこなう契機は、カーナビゲーション装置１０の起動時もしくはユーザによって処理開始の指示がなされたときである。
【００３８】
「行動予測処理」は、後述のユーザプロファイル１２ｂに格納されるユーザの好みおよびユーザ属性に応じて、後述の行動履歴テーブル１２ｃに格納される行動履歴と、後述の行動習慣テーブル１２ｄに格納される、該行動履歴から統計可能な行動の特徴である行動習慣と、後述の一般常識データテーブル１２ｅに格納される、「おすすめ情報」から除外する事由となる目的地の属性である一般常識とに基づいて、ユーザの行動（ニーズ）を予測する処理である。
【００３９】
なお、行動履歴は、カーナビゲーション装置１０にて選択され目的地設定されうるすべての目的地の情報を網羅して格納している後述の目的地コンテンツテーブル１２ａから、実際に目的地設定された目的地の情報の履歴である。
【００４０】
次に、カーナビゲーション装置１０は、後述のジャンル選択傾向テーブル１２ｇに格納されるジャンル選択傾向（もしくは、行動予測処理結果である「予測ジャンル」）を入力として、「おすすめ情報」を出力する「嗜好推定処理」をおこなう。なお、ジャンル選択傾向テーブル１２ｇに格納されるジャンル選択傾向は、行動履歴テーブル１２ｃから所定処理を経て抽出された情報である。
【００４１】
「嗜好推定処理」は、後述のユーザプロファイル１２ｂに格納されるユーザの好みおよびユーザ属性に応じて、後述のジャンル選択傾向テーブル１２ｇに格納されるジャンル選択傾向（もしくは、「行動予測処理」によって推定された「予測ジャンル」）と、後述のジャンル類推テーブル１２ｉに格納される類推ジャンルとに基づいてユーザの目的地選択に関連する嗜好を予測する処理である。
【００４２】
なお、「嗜好推定処理」をおこなう契機は、カーナビゲーション装置１０の起動時もしくはユーザによって処理開始の指示がなされたときである。
【００４３】
次に、実施例にかかるカーナビゲーション装置の構成について説明する。図３は、実施例にかかるカーナビゲーション装置の構成を示す機能ブロック図である。実施例にかかるカーナビゲーション装置１０は、車両に搭載され、目的地設定の際に、選択される可能性が高い目的地の候補を抽出して表示する装置である。なお、コンテンツ選択候補抽出、行動予測、分類項目内推定をおこなう構成が、カーナビゲーション装置と連携可能であれば、別体の装置であってもよい。
【００４４】
同図に示すように、実施例にかかるカーナビゲーション装置１０は、制御部１１と、記憶部１２と、所定の表示画面を有するディスプレイ装置などの表示手段である表示部１３とを有する。
【００４５】
先ず、制御部１１の説明に先立って、記憶部１２について説明する。記憶部１２は、揮発性または不揮発性の記憶手段であり、目的地コンテンツテーブル１２ａと、ユーザプロファイル１２ｂと、行動履歴テーブル１２ｃと、行動習慣テーブル１２ｄと、一般常識データテーブル１２ｅと、当日選択履歴テーブル１２ｆと、ジャンル選択傾向テーブル１２ｇと、属性重み付けテーブル１２ｈと、ジャンル類推テーブル１２ｉとを有する。
【００４６】
目的地コンテンツテーブル１２ａは、目的地とそれに付随する情報を網羅して格納しているテーブルであり、予め用意されるテーブルである。図４に目的地コンテンツテーブル１２ａのテーブル例を示すように、「目的地」、「エリア情報」、「ジャンル大分類」、「ジャンル小分類」、「チェーン店名」、「コンテンツホルダ」、「イベント情報」、「価格帯／料金」、「人気ランキング情報」、「雰囲気」などのカラムを有する。「ジャンル大分類」、「ジャンル小分類」、「チェーン店名」、「コンテンツホルダ」、「イベント情報」、「価格帯／料金」、「人気ランキング情報」、「雰囲気」を、ジャンル属性と呼ぶ。
【００４７】
「目的地」は、カーナビゲーション装置１０で目的地として設定される地図上のスポットである。「目的地」は、例えば、“Ａ１レストラン”などの施設名が入る。「エリア情報」は、対応する「目的地」が属する地図上の領域名である。「エリア情報」は、例えば、「目的地」が“Ａ１レストラン”に対応して“ａ１エリア”が入る。
【００４８】
「ジャンル大分類」は、対応する「目的地」で当該ユーザがおこなう行為である。「ジャンル大分類」は、例えば、「目的地」が“Ａ１レストラン”に対応して“食べる”が入る。「ジャンル小分類」は、対応する「目的地」が属するスポットとしてのカテゴリである。「ジャンル小分類」には、“ファミリーレストラン”、“ショッピングセンター”、“レジャー施設”、“役所”、“公園”などの施設の分類である。「ジャンル小分類」は、例えば、「目的地」が“Ａ１レストラン”に対応して“ファミリーレストラン”が入る。
【００４９】
「チェーン店名」は、対応する「目的地」が店舗の場合に、属するチェーン店の名称である。「チェーン店名」は、例えば、「目的地」が“Ａ１レストラン”に対応して“Ａレストランチャーン”が入る。なお、「目的地」が店舗でない場合は、“Ｎｕｌｌ”が入る。
【００５０】
「コンテンツホルダ」は、対応する「目的地」に関する詳細ガイド情報を提供する情報提供者の名称である。「コンテンツホルダ」は、例えば、「目的地」が“Ａ１レストラン”に対応して“Ｘ１社”が入る。
【００５１】
「イベント情報」は、対応する「目的地」が利用可能な、もしくは利用に最適な期間（例えば、特別イベントなどが開催されている期間も含む）を指す情報である。「イベント情報」は、例えば、「目的地」が“Ｃ１遊園地”に対応して“６/１〜９/３０”が入る。ここで、「イベント情報」が“６/１〜９/３０”であるとは、“Ｃ１遊園地”が当該期間において利用可能である、当該期間において利用に最適である、もしくはイベントが開催されているという特徴を有していることを表している。なお、「イベント情報」が存在しない場合には、“Ｎｕｌｌ”が入る。
【００５２】
「価格帯／料金」は、対応する「目的地」を利用する場合に必要な経費または経費の概算値を指す情報である。「価格帯／料金」は、例えば、「目的地」が“Ａ１レストラン”に対応して“１０００円”が入る。なお、「価格帯／料金」がない、すなわち利用が無料である場合には、“Ｎｕｌｌ”が入る。
【００５３】
「人気ランキング情報」は、対応する「目的地」に対して「コンテンツホルダ」によって付与された人気度を示す順位である。「人気ランキング情報」は、例えば、「目的地」が“Ａ１レストラン”に対応して“１０位”が入る。
【００５４】
「雰囲気」は、対応する「目的地」が持つ施設の雰囲気を示す情報である。「雰囲気」には、例えば、“落ち着く”、“静か”、“にぎやか”、“楽しい”などのムードを示す情報や、“若者向け”、“カップル向け”、“家族（子供）向け”、“シニア向け”などのターゲット世代を示す情報がある。「雰囲気」は、例えば、「目的地」が“Ａ１レストラン”に対応して“にぎやか”が入る。
【００５５】
ユーザプロファイル１２ｂは、ユーザの好関する情報およびユーザの属性に関する情報を格納しているテーブルであり、必要な情報がプロファイル情報としてセットされて予め用意されているテーブルである。図５にユーザプロファイル１２ｂのテーブル例を示すように、「好みのジャンル」、「休日設定」、「車種」、「ユーザ性別」、「ユーザ年齢」、「お気に入りコンテンツホルダ」などのカラムを有する。なお、「お気に入りコンテンツホルダ」は、「ユーザ性別」、「ユーザ年齢」などから推定されたものであってもよい。
【００５６】
「好みのジャンル」の配下には、「ジャンル大分類」と「ジャンル小分類」とのカラムをさらに有する。「ジャンル大分類」および「ジャンル小分類」によって、ユーザがどのような行為をおこなうことを好み、その行為をどのような施設でおこなうことを好むかが特定される。例えば、図５を参照すると、「好みのジャンル」の配下に「ジャンル大分類」が“食べる”と、「ジャンル小分類」が“ファミリーレストラン”のエントリが存在するが、これによって、ユーザが“ファミリーレストラン”で“食べる”ことを好むという事実が特定されることとなる。
【００５７】
なお、図５では、ユーザプロファイル１２ｂに予め設定されるプロファイル情報は、「ジャンル大分類」、「ジャンル小分類」、「休日設定」、「車種」、「ユーザ性別」、「ユーザ年齢」、「お気に入りコンテンツホルダ」のみとしたが、これらに限定されるものではない。すなわち、目的地コンテンツテーブル１２ａに格納されるカラムに基づき、「お気に入りチェーン店名」、「お気に入り出典元カテゴリ」、「お気に入りイベント情報」、「希望する価格帯／料金」、「希望する人気ランキング情報」、「希望する雰囲気」などを含めてもよい。これらのプロファイル情報は、目的地コンテンツテーブル１２ａの「チェーン店名」、「イベント情報」、「価格帯／料金」、「人気ランキング情報」、「雰囲気」にそれぞれ対応するプロファイル情報である。
【００５８】
「休日設定」は、ユーザが特に“休日”とする曜日や日付を格納する。この設定によって、カーナビゲーション装置１０は、土曜日、日曜日を休日として扱わず、設定されている曜日または日付を休日として扱って前述の「行動予測処理」をおこなうことになる。
【００５９】
「車種」は、当該カーナビゲーション装置１０が搭載されるユーザの車両の種別である。また、「ユーザ性別」は、当該車両のユーザの性別である。また、「ユーザ年齢」は、ユーザの実年齢またはユーザの世代を示す情報である。また、「お気に入りコンテンツホルダ」は、ユーザが目的地に関する情報を入手する際に頻繁に利用するコンテンツホルダを指す。
【００６０】
行動履歴テーブル１２ｃは、目的地コンテンツテーブル１２ａからユーザによって実際に目的地として設定されたエントリを、必要なカラムを抽出して格納したテーブルである。図６にテーブル例を示すように、行動履歴テーブル１２ｃは、「日付」、「曜日」、「時刻」、「時間帯」、「目的地」、「エリア情報」、「ジャンル大分類」、「ジャンル小分類」のカラムを有し、「日付」、「曜日」、「時刻」、「時間帯」の降順でレコードがソートされている。
【００６１】
ここで、「日付」、「曜日」、「時刻」、「時間帯」は、当該目的地が目的地設定された日付、曜日、時刻、時間帯であり、「目的地」、「エリア情報」、「ジャンル大分類」、「ジャンル小分類」は、目的地設定に応じて目的地コンテンツテーブル１２ａから抽出されるカラムである。このようにして、ある日付、曜日、時刻、時間帯に、ある目的地がカーナビゲーション装置１０において目的地設定されると、対応する「目的地」、「エリア情報」、「ジャンル大分類」、「ジャンル小分類」のカラムの情報が目的地コンテンツテーブル１２ａから抽出されて行動履歴テーブル１２ｃに格納されることとなる。例えば、図６によると、２００７/７/３０、月曜日、１２:００、昼に、目的地として“Ａそば店”が目的地設定されたことになり、この“Ａそば店”に対応する「エリア情報」、「ジャンル大分類」、「ジャンル小分類」は、“ａエリア”、“食べる”、“そば”である。
【００６２】
行動習慣テーブル１２ｄは、行動履歴テーブル１２ｃに格納される情報に基づいて、ユーザの目的地設定に基づく行動履歴に、例えば全体の７０％以上の頻度で潜在する周期性や選択の特徴を格納したテーブルである。図７に行動習慣テーブル１２ｄのテーブル例を示すように、「ジャンル大分類」、「ジャンル小分類」、「日の周期性」、「曜日の周期性」、「時間帯」、「１日の選択回数」のカラムを有する。
【００６３】
図７を参照すると、例えば、行動履歴テーブル１２ｃに格納される情報に基づくと、ユーザの目的地設定に基づく行動履歴は、「ジャンル大分類」が“食べる”、「ジャンル小分類」が“ファミリーレストラン”、「日の周期性」が“７日”、「曜日の周期性」が“日曜日”、「時間帯」が“夜”、「１日の選択回数」が“１回”のエントリが存在するが、これは、ユーザが“ファミリーレストラン”で“食べる”行為を、“７日”周期で、“日曜日”に、“夜”の時間帯で、１日に１回だけおこなう習慣性があるということを示している。なお、行動習慣テーブル１２ｄにおいて、該当する周期性や特徴が存在しないカラムについては“Ｎｕｌｌ”が格納される。
【００６４】
一般常識データテーブル１２ｅは、当該施設が利用され得ない状況を一般常識として規定するテーブルである。図８に一般常識データテーブル１２ｅのテーブル例を示すように、「ジャンル大分類」、「ジャンル小分類」、「時間帯に関する一般常識」、「天候に関する一般常識」のカラムを有する。「時間帯に関する一般常識」とは、当該「ジャンル大分類」および「ジャンル小分類」で特定される目的地としての施設が営業されていない時間帯もしくは窓口業務がおこなわれていない時間帯を示す情報である。この時間帯には、「朝」、「午前中」、「昼」、「午後」、「夕方」、「夜」、「深夜」の７区分がある。また、「天候に関する一般常識」は、当該「ジャンル小分類」で特定される目的地としての施設が利用され得ない天候を示す情報である。この天候には、「晴れ」、「曇り」、「雨」、「雪」の４区分がある。
【００６５】
図８を参照すると、例えば、「ジャンル大分類」が“食べる”、「ジャンル小分類」が“ラーメン”である場合は、「朝」の区分のカラムに“×”が入っていることから、“朝は営業していない”ということが「時間帯に関する一般常識」である。この一般常識によって、たとえ当該「ジャンル大分類」および「ジャンル小分類」で特定される施設が、行動予測処理による予測結果として「予測エリア」および「予測ジャンル」によって得られたとしても、当該予測結果から除外されるので、常識上あり得ない予測結果が得られることを防止することができる。なお、一般常識データテーブル１２ｅにおいて、該当する一般常識が存在しないカラムについては“Ｎｕｌｌ”が格納される。
【００６６】
当日選択履歴テーブル１２ｆは、今日当日に、カーナビゲーション装置１０において目的地設定された目的地とその関連情報を当日選択履歴として格納するテーブルである。図９に当日選択履歴テーブル１２ｆのテーブル例を示すように、「目的地」、「ジャンル大分類」、「ジャンル小分類」のカラムを有する。これらは、今日当日にカーナビゲーション装置において目的地設定されたことによって、目的地コンテンツテーブル１２ａから抽出されたエントリのカラムである。
【００６７】
図９を参照すると、例えば、「目的地」が“Ａ１レストラン”、「ジャンル大分類」が“食べる”、「ジャンル小分類」が“ファミリーレストラン”のエントリは、“食べる”行為をおこなう“ファミリーレストラン”である“Ａ１レストラン”が、今日当日に目的地設定されたことを示す。
【００６８】
ジャンル選択傾向テーブル１２ｇは、図１０にそのテーブル例を示すように、例えば、行動履歴テーブル１２ｃの直近のＮ（Ｎはある自然数）件のレコードの「集計単位」と、「ジャンル小分類」と、その「集計単位」および「ジャンル小分類」に対応する「重み合計」、「重み合計割合」、「傾き」、「傾き傾向」、「特化フラグ」のカラムを有するエントリを格納するテーブルである。行動履歴テーブル１２ｃから直近のＮ件のレコードを抽出し、ジャンル選択傾向テーブル１２ｇを生成する方法は、次の通りである。
【００６９】
先ず、行動履歴テーブル１２ｃから直近のＮ件のレコードを抽出する。これは、個人の選択傾向は、流行などに左右され、時間経過とともに変化することから、古いレコードを抽出しても無意味であり、より新しいレコードを抽出することによって、最近の流行を受けた個人の行動傾向が把握可能となるためである。
【００７０】
例えば、図６に示した行動履歴テーブル１２ｃの例から、直近８件のレコードを抽出した一時テーブルは、図１１に示すようなものとなる。行動履歴テーブル１２ｃから直近８件のレコードを抽出した一時テーブルは、所定の一時記憶領域に展開される。この一時テーブルは、「選択日付・時間帯」、「ジャンル小分類」、「重みベース値」、「重み値」のカラムを有する。
【００７１】
この展開の際に、行動履歴テーブル１２ｃの「曜日」は、例えば“月”〜“金”が“平日”へ変換され、“土”および“日”が“休日”へ変換される。この変換された“平日”および“休日”の区分は、「日付」、「時間帯」の情報とともにマージされ、一時テーブルにおいて「選択日付・時間帯」の項目に含まれることとなる。
【００７２】
「重みベース値」は、直近のレコードに対して最大値Ｐ（正数）の値を付与し、次に新しいレコードに対して刻み値Ｑ（正数）だけＰから減算した値を付与する。このようにして、全ての抽出レコードに対して刻み値ＱだけＰから順次減算していった値を付与することとなる。なお、すべてのレコードに付与する値が正数であるように、ＰおよびＱは、チューニングされうる数値であって、また、Ｎに依存して変更可能な数値である。
【００７３】
図１１の例によると、「選択日付・時間帯」が“２００７／７／３０”のレコードには、重みベース値“２”が付与され、その他のレコードに対して直近順序で、刻み値を“０．１”として、重みベース値“１．９”、“１．８”、・・・、“１．３”がそれぞれ付与される。そして、この「重みベース値」を自乗することによって「重み値」が得られる。このようにして「重み値」を算出することによって、直近の選択傾向をより際立たせることになる。
【００７４】
そして、「重み値」までが算出されたレコードを、所定の集計単位で集計して「重み値」の合計（「重み合計」）を算出し、この結果を図１０のジャンル選択傾向テーブル１２ｇに格納する。選択傾向は、例えば“食べる”という「ジャンル小分類」では、“朝”、“昼”、“夜”といったシーンでその傾向が変化することが予想できる。また、“遊ぶ” という「ジャンル小分類」では、“平日／休日”で傾向が変化することが予想できる。このように、「ジャンル小分類」の内容により、傾向の変化が予想できる集計単位ごとに選択傾向を集計する。
【００７５】
次に、「重み合計」の最大値に対する各「重み合計」の割合（「重み合計割合」）を算出し、この結果を図１０のジャンル選択傾向テーブル１２ｇに格納する。図１０を参照すると、「重み合計」の最大値は“１０．５”であるので、各「重み合計」“２．２５”、“９．４５”、“１０．５”それぞれを“１０．５”で割って１００を掛けた値“２１．４３％”、“９０．００”、“１００．００％”を、対応する「重み合計割合」のカラムへと格納する。
【００７６】
以上で、集計単位別の選択傾向の把握ができた。しかし、一般に、選択傾向を把握する場合に、特化して選択する傾向に着目する必要がある。例えば、複数のおすすめ候補があり、各候補がさまざまな属性を備えていた場合に、そのなかで特化して選択される属性を備えている候補があったとき、他の属性が選択傾向に沿っていなくとも、特化した属性に着目しておすすめ候補としてよい場合がある。
【００７７】
このような特化した属性を抽出するために、次の処理をおこなう。すなわち、先ず、図１０のジャンル選択傾向テーブル１２ｇの各レコードを、「重み合計」の昇順でソートする。そして、「重み合計」の最大値から最小値へ向かって、１レコード前の「重み合計」との差分を取る。これを「傾き」として、ジャンル選択傾向テーブル１２ｇに格納する。例えば、「集計単位」が“平日 昼”であって、「ジャンル小分類」が“そば”であるレコードの「傾き」は、当該レコードの「重み合計」“１０．５”から、１レコード前の「重み合計」“９．４５”を差し引いた“１．０５”である。
【００７８】
そして、ジャンル選択傾向テーブル１２ｇにおいて、「重み合計」の最大値に対する各「傾き」の割合（「傾き傾向」）を次式に基づき算出し、算出結果をそれぞれのレコードの「傾き傾向」のカラムに格納する。
【００７９】
【数１】
【００８０】
そして、ジャンル選択傾向テーブル１２ｇにおいて、「重み合計」の最小値から最大値へ向かって、順次「傾き傾向」が“特化傾向”Ｔ％以上であるか否かを判定する。なお、このＴは、チューニングパラメータである。そして、「傾き傾向」が特化傾向Ｔ以上であるレコードが存在した場合には、以降のレコードの「特化フラグ」を全てオンにする。
【００８１】
このように「特化フラグ」がオンとなる状況は、図１２に示すようなものである。すなわち、ジャンル選択傾向テーブル１２ｇが図１０に示すようなものであった場合に、Ｔを４０％とする。先ず、“初期値”の「傾き傾向」“０％”から“平日 昼”かつ“うどん”のレコードの「傾き傾向」“２１．４％”へと変化する。“２１．４％”はＴ未満であるので、“平日 昼”かつ“うどん”は、“特化傾向はない”とされる。
【００８２】
次に、“平日 昼”かつ“うどん”の「傾き傾向」“２１．４％”から“平日 昼”かつ“ラーメン”のレコードの「傾き傾向」“６８．６％”へと変化する。“６８．６％”はＴ以上であるので、“平日 昼”かつ“ラーメン”は、“特化傾向がある”とされ、「特化フラグ」がオンにされる。そして、このレコード以降の全てのレコードは、“特化傾向がある”とされ、「特化フラグ」がオンにされる。すなわち、“ラーメン”および“そば”が、特化した属性である。
【００８３】
なお、行動履歴テーブル１２ｃの直近のＮ件のレコードに絞って抽出することによって、特化した属性を確実に抽出することが可能になる。
【００８４】
次に、ジャンル選択傾向テーブル１２ｇに格納される「ジャンル小分類」に基づくジャンル類推処理によって、他の「ジャンル小分類」を類推し、「ジャンル小分類」の範囲を拡張することができる。
【００８５】
図１３に示すように、ジャンル類推テーブル１２ｉは、「ジャンル小分類」に少なくとも一つの「抽象化特性」が対応付けられているテーブルである。そして、ジャンル類推処理によって、「抽象化特性」の類似度が所定以上（例えば、７０％以上の類似度）であると判定される場合に、逆引きで「ジャンル小分類」を取得可能とするテーブルである。図１３にジャンル類推テーブル１２ｉのテーブル例を示すように、「ジャンル小分類」、「抽象化特性」のカラムを有する。「抽象化特性」は、「ジャンル小分類」にエントリされる情報の抽象的な特性であり、例えば、「食材」、「味」、「ボリューム感」などがある。
【００８６】
具体的には、図１３を参照すると、「ジャンル小分類」が“焼肉”の場合、「抽象化特性」は、「食材」が“肉”、「味」が“こってり味”、「ボリューム感」が“ボリューム感あり”、・・・である。以下では「ジャンル小分類」が“焼肉”を“類推元ジャンル”とし、この“類推元ジャンル”によって類推される「ジャンル小分類」を“類推ジャンル”として説明する。
【００８７】
先ず、「食材」のカラムのエントリを全て検索すると、例えば、「ジャンル小分類」が“ステーキ”の「食材」が“牛肉”であるので、例えば７０％以上の類似性ありと判定され、その類似度に応じたスコアが付与される。
【００８８】
次に、「味」のカラムのエントリを全て検索すると、例えば、「ジャンル小分類」が“ステーキ”の「味」が“こってり味”であるので、類似性ありと判定され、その類似度に応じたスコアが付与される（なお、この場合は両者の「味」は一致しているので、類似度は１００％である）。
【００８９】
次に、「ボリューム感」のカラムのエントリを全て検索すると、例えば、「ジャンル小分類」が“ステーキ”の「ボリューム感」が“ボリューム感あり”であるので、類似性ありと判定され、その類似度に応じたスコアが付与される（なお、この場合も両者の「ボリューム感」は一致しているので、類似度は１００％である）。
【００９０】
このようにして全ての「抽象化特性」について全てのカラムの全てのエントリを検索して類似度に応じたスコアを総計した結果が所定以上（例えば、７０％以上の類似度）である「ジャンル小分類」のエントリが、“類推元ジャンル”によって類推される“類推ジャンル”となる。最終的に、このようにして類推された“類推ジャンル”をジャンル選択傾向テーブル１２ｇへ追加する。図１３のジャンル類推テーブル１２ｉによれば、「ジャンル小分類」が“ラーメン”、“うどん”、“そば”である場合には、“スパゲティ”が類推され、追加されることとなる。この“類推ジャンル”が追加されたジャンル選択傾向テーブル１２ｇ内のレコードを、所定の方法に従って順位付けすることになる。
【００９１】
図１４は、ある「ジャンル大分類」における属性値の重み付けテーブルの例である。属性値重み付けテーブル１２ｈは、図１４に示すように、「属性」、「ベース得点」、「特化傾向重み」、「特化傾向Ｔ」のカラムを有する。属性値重み付けテーブル１２ｈは、例えば、「ジャンル大分類」が“食べる”である場合の各属性（「ジャンル小分類」、「チェーン店名」、「コンテンツホルダ」、「イベント情報」、「雰囲気」）を、前述の“特化傾向”の有無に従って重み付け、順位付けするための情報を格納するテーブル例である。
【００９２】
「ベース得点」は、ジャンル選択傾向テーブル１２ｇ内のレコードを各属性値に基づいて順位付けする際にベースとなる点数である。「ジャンル小分類」および「チェーン店名」の「ベース得点」は“２００”点である。また、「コンテンツホルダ」および「雰囲気」の「ベース得点」は“１００”点である。また、「イベント情報」の「ベース得点」は“１５０”点である。
【００９３】
「特化傾向重み」は、ジャンル選択傾向テーブル１２ｇ内のレコードを各属性値に基づいて順位付けする際に、“特化傾向”がある属性である場合に、ベース得点に乗じる乗数である。「ジャンル小分類」、「チェーン店名」および「雰囲気」の「特化傾向重み」は“１．４”である。また、「コンテンツホルダ」および「イベント情報」の「特化傾向重み」は“１．２”である。
【００９４】
「特化傾向Ｔ」は、ジャンル選択傾向テーブル１２ｇ内の各レコードのそれぞれの属性に“特化傾向”があるか否かを判定するための閾値である。「ジャンル小分類」、「チェーン店名」、「コンテンツホルダ」、「イベント情報」および「雰囲気」の「特化傾向Ｔ」は、全て“４０”％である。
【００９５】
ここで、“類推ジャンル”が追加されたジャンル選択傾向テーブル１２ｇ内のレコードに対して属性値重み付けテーブル１２ｈの情報を適用し、“特化傾向”の有無に従って重み付け、順位付けをおこなうと、図１５に示すようになる。この処理に先立ち、候補となる「ジャンル小分類」の属性値が、選択傾向の属性値と一致するか否かを判定する。このとき、前述の“推測条件”と一致する「集計単位」であるレコードをチェック対象とする。
【００９６】
例えば、図１５に示すように、「ジャンル小分類」が“ラーメン”である場合には、（ａ）ベース得点が２００点であり、（ｂ）重み合計割合が９０．００％であることから、（ａ）×（ｂ）を計算することにより、（ｃ）１８０．００が算出される。
【００９７】
さらに、「ジャンル小分類」が“ラーメン”の場合には、図１０のジャンル選択傾向テーブル１２ｇを参照すると、「特化フラグ」が“１”（オン）であることから、この（ｃ）１８０．００に（ｄ）特化傾向重み１．４を乗じることによって、最終的に（ｅ）優先度スコア＝２５２．００が算出される。同様にして、「ジャンル小分類」が“うどん”、“スパゲティ”、“そば”も、それぞれの「ベース得点」、「重み合計割合」、「特化傾向の有無」に基づいて優先度スコアが算出される。
【００９８】
また、「ジャンル小分類」が“うどん”である場合には、（ａ）ベース得点が２００点であり、（ｂ）重み合計割合が２１．４３％であることから、（ａ）×（ｂ）を計算することにより、（ｃ）４２．８６が算出される。さらに、「ジャンル小分類」が“うどん”の場合には、図１０のジャンル選択傾向テーブル１２ｇを参照すると、「特化フラグ」が“０”（オフ）であることから、この（ｃ）４２．８６に（ｄ）特化傾向重み１．０を乗じることによって、最終的に（ｅ）優先度スコア＝４２．８６が算出される。
【００９９】
また、「ジャンル小分類」が“スパゲティ”である場合には、（ａ）ベース得点が２００点であり、（ｂ）重み合計割合が０．０００％であることから、（ａ）×（ｂ）を計算することにより、（ｃ）０．００が算出される。さらに、「ジャンル小分類」が“スパゲティ”の場合には、図１０のジャンル選択傾向テーブル１２ｇを参照すると、対応するレコードがないことから「特化フラグ」が“０”（オフ）であるとみなし、この（ｃ）０．００に（ｄ）特化傾向重み１．０を乗じることによって、最終的に（ｅ）優先度スコア＝０．００が算出される。
【０１００】
なお、優先度スコアは、原則、ジャンル属性ごとに付与された得点の合計値とする。ただし、１つの属性に複数の値が実装される場合には、その複数の値に対する優先度スコアの中で最も値が大きいものを優先度スコアとする。
【０１０１】
また、優先度スコアの算出には、属性値重み付けテーブル１２ｈの「ベース得点」および「特化傾向重み」が大きく寄与する。これらは選択傾向の「集計単位」および対象となる「ジャンル属性」によって変化すると考えられる。「集計単位」は、選択傾向を「集計単位」で集計することにより考慮されている。しかし、全ての「ジャンル属性」ごとに優先度スコアを算出していては、煩雑である。このため、「ジャンル属性」を、「グループＡ（好み・目的）」（「ジャンル小分類」、「チェーン店名」）、「グループＢ（特徴的要因）」（「コンテンツホルダ」、「イベント有無」）、「グループＣ（属性的要因）」（「雰囲気」）の３つに絞ってグルーピングし、これらのグループごとに優先度スコアを算出することによって、効率的な処理を行うことが可能になる。優先度スコアによって、おすすめ情報の表示順序が決定される。
【０１０２】
すなわち、以上では、「ジャンル小分類」に基づいてジャンル選択傾向を把握し、ジャンルを類推し、これらジャンルの優先度スコアに基づいて優先度付けして、お勧め情報として提示する場合を示したが、これに限らず、「チェーン店名」、「コンテンツホルダ（出典元）」、「イベント情報」、「雰囲気」についても同様に処理可能である。換言すれば、「ジャンル小分類」、「チェーン店名」、「コンテンツホルダ」、「イベント情報」、「雰囲気」のジャンル属性のみについて選択傾向を把握できれば、具体的なおすすめ情報としてユーザに提示可能である。
【０１０３】
このようにして順序付けられたおすすめ情報は、図１６に示すようなものになる。図１６は、「ジャンル小分類」に基づいて生成されたおすすめ情報テーブルの例を示す図である。おすすめ情報テーブルは、所定の一時記憶領域に展開される。図１６のおすすめ情報テーブルは、「ジャンル大分類」が“食べる”の場合のテーブルである。
【０１０４】
図１６に示すように、おすすめ情報テーブルは、「グループＡ（好み・目的）」（「ジャンル小分類」、「チェーン店名」）と、「グループＢ（特徴的要因）」（「コンテンツホルダ」、「イベント情報」）と、「グループＣ（属性的要因）」（「雰囲気」）と、「優先スコア」とのカラムを有する。「ジャンル小分類」の“ラーメン”、“そば”、“うどん”、“スパゲティ”が各「優先度スコア」の降順でソートされている。そして、それぞれに対応する「チェーン店名」、「コンテンツホルダ」、「イベント有無」、「雰囲気」のジャンル属性の属性値が格納されている。
【０１０５】
ここで再び図３に戻り、制御部１１について説明する。制御部１１は、カーナビゲーション装置１０の全体制御をつかさどる装置であり、特に実施例と関連する構成要素としては、行動履歴登録部１１ａと、行動習慣抽出処理部１１ｂと、行動予測処理部１１ｃと、ジャンル選択傾向抽出処理部１１ｄと、ジャンル類推処理部１１ｅと、嗜好推定処理部１１ｆと、選択リスト表示制御部１１ｇとを有する。
【０１０６】
行動履歴登録部１１ａは、ユーザによって、カーナビゲーション装置１０において目的地設定された「目的地」に対応する情報を、目的地コンテンツテーブル１２ａから抽出し、行動履歴として該目的地とともに行動履歴テーブル１２ｃに登録する処理をおこなう。
【０１０７】
行動習慣抽出処理部１１ｂは、先ず、（１）行動履歴テーブル１２ｃに登録されて格納されている行動履歴に基づいて、例えば全体の７０％以上の頻度で行動履歴に潜在する「日の周期性」、「曜日の周期性」、「時間帯」を抽出する処理をおこなう。
【０１０８】
次に、行動予測処理部１１ｃは、（２）行動履歴テーブル１２ｃから、全体の７０％の頻度で選択されている曜日に該当するエントリを抽出し、その抽出結果を一般常識データテーブル１２ｅに格納される一般常識に基づいてスクリーニングして最下位の優先度“１０”を付与する。さらに、行動予測処理部１１ｃは、（３）行動習慣テーブル１２ｄに格納されている周期性や特徴に応じて前述の抽出結果それぞれに優先度“１”、“３”、“４”、“７”を付与する。
【０１０９】
そして、行動予測処理部１１ｃは、（４）当日選択履歴テーブル１２ｆに格納される当日選択履歴に基づいて、同一の「ジャンル大分類」および「ジャンル小分類」のエントリ数が行動履歴テーブル１２ｃの「１日の選択回数」と同一の値である場合、すなわち行動履歴が示す１日の選択回数に達している場合に、当該「ジャンル大分類」および「ジャンル小分類」のエントリに優先度“８”を付与する。
【０１１０】
そして、行動予測処理部１１ｃは、前述の抽出結果のうち、上記（１）〜（４）の処理で優先度を付与されていないものに対して、優先度“５”を付与する。最後に、行動予測処理部１１ｃは、前述の抽出結果を、それぞれに付与された優先度の昇順、「時間帯」の昇順、頻度の降順でソートする。
【０１１１】
ジャンル選択傾向抽出処理部１１ｄは、行動履歴テーブル１２ｃから、例えば直近Ｎ件のレコードの「ジャンル小分類」のエントリを、「日付」、「時刻」、「曜日」、「時間帯」とともに抽出し、「日付」、「時刻」、「曜日」、「時間帯」を「選択日付・時間帯」として、各レコードに「重みベース値」、「重み値」を付与する。
【０１１２】
そして、この「選択日付・時間帯」の「平日／休日の別」および「時間帯」を「集計単位」とし、この「集計単位」および「ジャンル小分類」に基づいて「重み値」を集計し、ジャンル選択傾向テーブル１２ｇに登録する。また、集計された各レコードに、集計された「重み値」である「重み合計」、「重み合計割合」、「傾き」、「傾き傾向」、「特化フラグ」をそれぞれ付与する。
【０１１３】
ジャンル類推処理部１１ｅは、ジャンル選択傾向テーブル１２ｇに登録され格納されているエントリの「ジャンル小分類」、またはユーザによって入力された「ジャンル小分類」に基づき、「ジャンル小分類」に少なくとも一つの「抽象化特性」が対応付けられているジャンル類推テーブル１２ｉを参照して、「抽象化特性」の類似度が所定以上（例えば、７０％以上の類似度）であると判定される場合に、逆引きで「ジャンル小分類」を取得することによって、類推元ジャンル小分類から類推される類推ジャンル小分類を取得する。
【０１１４】
なお、ジャンル類推テーブル１２ｉの「抽象化特性」は、ユーザによって頻繁に（例えば、７０％以上の割合で）選択される「ジャンル小分類」を学習し、この「ジャンル小分類」に対して、ユーザが頻繁に（例えば、７０％以上の割合で）選択する「抽象化特性」を学習することとしてもよい。このようにして、後段の嗜好推定処理において処理対象となる「ジャンル小分類」の範囲を拡大することができる。
【０１１５】
嗜好推定処理部１１ｆは、ジャンル類推処理部１１ｅによって拡大された「ジャンル小分類」を、属性値重み付けテーブル１２ｈを参照して取得される「ベース得点」、「特化傾向重み」、「特化傾向Ｔ」に基づいて算出される優先度スコアに基づいて順序付けする。この際、目的地コンテンツテーブル１２ａから取得された「目的地」を、「好み・目的」、「特徴的要因」、「属性的要因」に基づいてスコアリングする。そして、嗜好推定処理部１１ｆは、スコアリングの降順で、「ジャンル小分類」をソートする。
【０１１６】
選択リスト表示制御部１１ｇは、嗜好推定処理部１１ｆによってスコアリングの降順でソートされた「ジャンル小分類」を、目的地コンテンツテーブル１２ａにおいて当該「目的地」に対応する各種情報とともに表示部１３に表示するように表示制御する。
【０１１７】
次に、実施例のカーナビゲーション装置で実行される行動予測処理について説明する。図１７は、実施例のカーナビゲーション装置１０で実行される行動予測処理手順を示すフローチャートである。同図に示すように、先ず、カーナビゲーション装置１０の行動予測処理部１１ｃは、「推測条件」の曜日に基づいて、行動履歴から当該曜日で頻度が高い候補を抽出する（ステップＳ１０１）。ステップＳ１０１によって抽出された候補を、以下、「抽出候補」と呼ぶ。
【０１１８】
なお、ステップＳ１０１では、休日か否かの条件では抽出はおこなわない。これは、休日か否かの傾向は、曜日の傾向で把握可能であるためである。なお、祝祭日はユーザプロファイル１２ｂにて抽出条件とするか否かが設定可能であるが、ユーザプロファイル１２ｂに設定がなければ、ユーザプロファイル１２ｂで休日と設定されている曜日を休日とする。
【０１１９】
また、ステップＳ１０１で、行動履歴から当該曜日で頻度が高い候補を抽出することが不可能でれば、曜日は無視し、平日／休日の区別で頻度が高い候補を所定件数だけ抽出することとしてもよい。
【０１２０】
続いて、行動予測処理部１１ｃは、行動履歴テーブル１２ｃに格納される行動履歴と、
一般常識データテーブル１２ｅに格納される一般常識とに基づいて、ステップＳ１０１で抽出された抽出候補のうち、当該時間帯に選択され得ない候補に、優先度“１０”を設定する（ステップＳ１０２）。
【０１２１】
すなわち、一般常識で「推測条件」の時間帯では“選択しない”と指定されており、かつ、行動履歴で当該時間帯では実際に選択されていなかった抽出候補の優先順位を下げる。なお、一般常識でその時間帯では“選択しない”と指定されていない抽出候補は、当該時間帯で選択される可能性があるので、行動履歴でその時間帯に選択されたことがないだけで優先順位を下げることは問題があるため、条件を“かつ”とする。
【０１２２】
続いて、行動予測処理部１１ｃは、「推測条件」の“天候”に基づいて、当日の天候により選択される可能性が低い抽出候補に、優先度“７”を設定する（ステップＳ１０３）。例えば、「推測条件」が“雨”で、一般常識で雨の場合“選択しない”とされており、かつ行動履歴で“雨”で実際に選択していない抽出候補の優先順位を下げる。なお、一般常識でその時間帯では“選択しない”と指定されていない抽出候補は、当該天候で選択される可能性があるので、行動履歴でその天候で選択されたことがないだけで優先順位を下げることは問題が有るため、条件を“かつ”とする。
【０１２３】
続いて、行動予測処理部１１ｃは、「推測条件」の“曜日”および“時間帯”に基づいて、当該「推測条件」に一致する“曜日”および“時間帯”において選択頻度が所定以上（例えば、７０％以上）の抽出候補に、優先度“１”を設定する（ステップＳ１０４）。これは、「推測条件」の“曜日”と“時間帯”とで選択頻度が例えば７０％以上のものは、選択される可能性が非常に高いものといい得るからである。
【０１２４】
続いて、行動予測処理部１１ｃは、「推測条件」の“曜日”および“時間帯”に基づいて、当該推測条件に一致する“曜日”および“時間帯”において選択頻度が所定以上の候補のうち、時間帯が１単位経過しても選択されなかった候補に、優先度“２”を設定し、時間帯が２単位以上経過しても選択されなかった抽出候補に、優先度“１０”を設定する（ステップＳ１０５）。ここで、“時間帯”の１単位とは、「朝」、「午前」、「午後」、「夜」、「深夜」、「朝」、・・・の順序で経過していく各時間帯をいう。
【０１２５】
ここで、“曜日”と“時間帯”に特化している抽出候補は、時間帯が経過してしまえば選択する可能性がかなり落ちるものと推定できる。当日の選択履歴で、既に選択済という条件で落とすこともできるが、実装を考慮した場合、実際に選択したという事象を把握できない可能性があるため、習慣的であるにもかかわらず時間帯が経過してしまった抽出条件は優先順位を下げるとした。
【０１２６】
続いて、行動予測処理部１１ｃは、周期性に基づき選択される可能性があり、かつ、“時間帯”において選択頻度が所定以上（例えば、７０％以上）の抽出候補に、優先度“３”を設定する（ステップＳ１０６）。なお、“日の周期性”があり、かつ、“時間帯”で特化している抽出条件は、優先度が高いと考えられるが、“曜日”で特化しているものに比べると若干優先度が落ちるためである。
【０１２７】
続いて、行動予測処理部１１ｃは、周期性に基づき選択される可能性があるが、“時間帯”において選択頻度が所定未満（例えば、７０％未満）の抽出候補に、優先度“４”を設定する（ステップＳ１０７）。すなわち、“日の周期性”があるということは、当日選択される可能性が高いものであるが、“時間帯”がまちまちなため、優先度“４”とすることとした。これは、“日の周期性”がある抽出候補は、“曜日”で抽出したものよりは優先度が高いと想定できるためである。“毎週末、スーパーマーケットへ行っている”、“３週間に１回、週末につりに行っているが、今日はその３週間に１回の日である”などが例である。
【０１２８】
続いて、行動予測処理部１１ｃは、１日のうちに所定回数選択される可能性があるが、すでに当該所定回数選択済みの抽出候補に優先度“８”を設定する（ステップＳ１０８）。具体的には、当日選択履歴テーブル１２ｆに基づいて、抽出候補ごとに、１日の最大選択回数の頻度を集計する。この集計結果より１日の最大選択回数の頻度が７０％以上である回数を、“特化した回数”とする。そして、当日の選択履歴より、その特化した回数以上選択済みのものを抽出候補から除外する。
【０１２９】
続いて、行動予測処理部１１ｃは、優先度が設定されていない抽出候補に、優先度“５”を設定する（ステップＳ１０９）。続いて、行動予測処理部１１ｃは、優先度の昇順、時間帯の昇順、頻度の昇順で抽出候補をソートする（ステップＳ１１０）。
【０１３０】
これらの処理をおこなうことによって、抽出候補に基づいて、該抽出候補が含む「エリア情報」によって「予測エリア」を、「ジャンル大分類」および「ジャンル小分類」によって「予測ジャンル」を推測することが可能になる。このようにして推測された「予測エリア」および「予測ジャンル」を、表示部１３の表示画面に一覧表示することとしてもよい。
【０１３１】
次に、実施例のカーナビゲーション装置で実行される嗜好推定処理について説明する。図１８は、実施例のカーナビゲーション装置１０で実行される嗜好推定処理手順を示すフローチャートである。同図に示すように、先ず、カーナビゲーション装置１０の嗜好推定処理部１１ｆは、行動履歴テーブル１２ｃから直近Ｎ件のレコードを抽出する（ステップＳ２０１）。
【０１３２】
続いて、嗜好推定処理部１１ｆは、抽出された行動履歴に重み値を付与する（ステップＳ２０２）。続いて、嗜好推定処理部１１ｆは、曜日、時間帯およびジャンル小分類ごとに重み値の合計である重み合計を集計して、集約された選択傾向を求める（ステップＳ２０３）。続いて、嗜好推定処理部１１ｆは、集計単位ごとに重み合計の割合を算出する（ステップＳ２０４）。
【０１３３】
続いて、嗜好推定処理部１１ｆは、集計単位を重み合計の昇順でソートし、連続する２つ重み合計の差分を、傾きとして算出する（ステップＳ２０５）。続いて、嗜好推定処理部１１ｆは、集計単位ごとに重みの最大値に対する各傾きの割合を傾き傾向として算出する（ステップＳ２０６）。
【０１３４】
続いて、嗜好推定処理部１１ｆは、傾き傾向が特化傾向Ｔ以上であるレコードの特化フラグをオンにする（ステップＳ２０７）。続いて、嗜好推定処理部１１ｆは、抽象化特性に基づきジャンル小分類を類推する（ステップＳ２０８）。続いて、嗜好推定処理部１１ｆは、類推されたジャンル小分類を集約された選択傾向に追加する（ステップＳ２０９）。
【０１３５】
続いて、嗜好推定処理部１１ｆは、選択傾向の属性ごとに、ベース得点と、重み合計割合と、特化傾向重みとの積（優先度スコア）を算出する（ステップＳ２１０）。続いて、積（優先度スコア）の降順に選択履歴をソートし、必要な属性値を付加しておすすめ表示する（ステップＳ２１１）。
【０１３６】
なお、図１９は、行動予測処理および嗜好推定処理を経た処理結果である「おすすめ情報」の表示例である。同図に示すように、「おすすめ情報」は、表示部１３の表示画面１３ａに、ユーザが容易に選択可能に、該ユーザが「推測条件」および「ジャンル選択傾向」に基づいて選択する可能性が高い順に「目的地」を表示制御することによって、選択候補のリストが得られる。このようにして、ユーザは、自身が所望する「目的地」を、手作業で１から設定せずとも、１回の操作で選択することが可能になる。
【０１３７】
以上、本発明の実施例を説明したが、本発明は、これに限られるものではなく、特許請求の範囲に記載した技術的思想の範囲内で、更に種々の異なる実施例で実施されてもよいものである。また、実施例に記載した効果は、これに限定されるものではない。
【０１３８】
また、上記実施例において説明した各処理のうち、自動的におこなわれるものとして説明した処理の全部または一部を手動的におこなうこともでき、あるいは、手動的におこなわれるものとして説明した処理の全部または一部を公知の方法で自動的におこなうこともできる。この他、上記実施例で示した処理手順、制御手順、具体的名称、各種のデータやパラメータを含む情報については、特記する場合を除いて任意に変更することができる。
【０１３９】
また、図示した各装置の各構成要素は機能概念的なものであり、必ずしも物理的に図示のように構成されていることを要しない。すなわち、各装置の分散・統合の具体的形態は図示のものに限られず、その全部または一部を、各種の負荷や使用状況などに応じて、任意の単位で機能的または物理的に分散・統合して構成することができる。
【０１４０】
さらに、各装置にて行なわれる各処理機能は、その全部または任意の一部が、ＣＰＵ（Central Processing Unit）（またはＭＰＵ（Micro Processing Unit）、ＭＣＵ（Micro Controller Unit）などのマイクロ・コンピュータ）および当該ＣＰＵ（またはＭＰＵ、ＭＣＵなどのマイクロ・コンピュータ）にて解析実行されるプログラムにて実現され、あるいは、ワイヤードロジックによるハードウェアとして実現されてもよい。
【産業上の利用可能性】
【０１４１】
本発明は、カーナビゲーション装置などのコンテンツ提供装置においてコンテンツの選択候補をユーザに提示する場合に、簡易な構成でユーザの行動をより正確に推測し、かつ、ユーザに提示されるユーザ行動や目的地などの選択候補にバリエーションを持たせてユーザの選択の可能性を広げることを可能としたい場合に有用である。
【符号の説明】
【０１４２】
１０ カーナビゲーション装置
１１ 制御部
１１ａ 行動履歴登録部
１１ｂ 行動習慣抽出処理部
１１ｃ 行動予測処理部
１１ｄ ジャンル選択傾向抽出処理部
１１ｅ ジャンル類推処理部
１１ｆ 嗜好推定処理部
１１ｇ 選択リスト表示制御部
１２ 記憶部
１２ａ 目的地コンテンツテーブル
１２ｂ ユーザプロファイル
１２ｃ 行動履歴テーブル
１２ｄ 行動習慣テーブル
１２ｅ 一般常識データテーブル
１２ｆ 当日選択履歴テーブル
１２ｇ ジャンル選択傾向テーブル
１２ｈ 属性値重み付けテーブル
１２ｉ ジャンル類推テーブル
１３ 表示部
１３ａ 表示画面
【特許請求の範囲】
【請求項１】
入力された推測条件に基づいて、少なくとも一つの分類項目によって分類可能なコンテンツから所定状況下でユーザによって選択されうるコンテンツの選択候補を抽出して該ユーザに提示するコンテンツ選択候補抽出装置であって、
前記ユーザによって選択されたコンテンツの選択履歴を記録する選択履歴記録手段と、
前記選択履歴記録手段によって記録された前記選択履歴に基づいて、前記ユーザによる前記コンテンツの選択行為に潜在する周期性を抽出する周期性抽出手段と、
前記選択履歴と、前記周期性抽出手段によって抽出された前記周期性とに基づいて、前記ユーザによって選択されうるコンテンツの選択候補を抽出する選択候補抽出手段と、
前記所定状況下では前記コンテンツが常識的に前記選択候補とはなり得ない状況を規定する常識条件に基づいて、前記選択候補抽出手段によって抽出された選択候補からコンテンツを除外する選択候補除外手段と、
前記選択候補抽出手段によって前記選択候補として抽出され、かつ、前記選択候補除外手段によって前記選択候補から除外されなかったコンテンツに、前記ユーザに優先度順に提示するために、前記推測条件に対する該コンテンツの分類項目の具体データの一致性、前記周期性または該コンテンツの当日選択回数に基づいて優先度を付与する優先度付与手段と
を有することを特徴とするコンテンツ選択候補抽出装置。
【請求項２】
入力された推測条件に基づいて、少なくとも一つの分類項目によって分類可能なコンテンツから所定状況下でユーザによって選択されうるコンテンツの選択候補を抽出して該ユーザに提示するコンテンツ選択候補抽出方法であって、
前記ユーザによって選択されたコンテンツの選択履歴を記録する選択履歴記録ステップと、
前記選択履歴記録ステップによって記録された前記選択履歴に基づいて、前記ユーザによる前記コンテンツの選択行為に潜在する周期性を抽出する周期性抽出ステップと、
前記選択履歴と、前記周期性抽出ステップによって抽出された前記周期性とに基づいて、前記ユーザによって選択されうるコンテンツの選択候補を抽出する選択候補抽出ステップと、
前記所定状況下では前記コンテンツが常識的に前記選択候補とはなり得ない状況を規定する常識条件に基づいて、前記選択候補抽出ステップによって抽出された該選択候補からコンテンツを除外する選択候補除外ステップと、
前記選択候補抽出ステップによって前記選択候補として抽出されたコンテンツの前記分類項目の具体データに、該分類項目の具体データを抽象化して特性付ける抽象化特性を対応付けて記憶する抽象化特性テーブルに基づいて、該分類項目の該抽象化特性と類似度が所定以上である他のコンテンツの該分類項目の具体データを類推分類項目として取得する類推分類項目取得ステップと、
前記選択候補抽出ステップによって前記選択候補として抽出されたコンテンツ、および、前記類推分類項目取得ステップによって取得された前記類推分類項目で特定されるコンテンツに、前記ユーザに優先度順に提示するために、前記推測条件に対する該コンテンツの分類項目の具体データの一致性、前記周期性、該コンテンツの当日選択回数、該コンテンツに対する選択傾向、該コンテンツの目的、該コンテンツの特徴要因または属性的要因に基づいて優先度を付与する優先度付与ステップと
を含むことを特徴とするコンテンツ選択候補抽出方法。
【請求項３】
入力された推測条件に基づいて、少なくとも一つの分類項目によって分類可能なコンテンツからユーザによって選択されうるコンテンツの選択候補の該分類項目で特定される該ユーザの行動を予測する行動予測装置であって、
前記ユーザによって選択されたコンテンツの選択履歴を記録する選択履歴記録手段と、
前記選択履歴記録手段によって記録された前記選択履歴に基づいて、前記ユーザによる前記コンテンツの選択行為に潜在する周期性を抽出する周期性抽出手段と、
前記選択履歴と、前記周期性抽出手段によって抽出された前記周期性とに基づいて、前記ユーザによって選択されうるコンテンツの選択候補の前記分類項目を抽出する分類項目抽出手段と、
前記所定状況下では前記分類項目抽出手段によって抽出された前記分類項目に対応するコンテンツが常識的に前記選択候補とはなり得ない状況を規定する常識条件に基づいて、該選択候補から分類項目を除外する分類項目除外手段と、
前記分類項目抽出手段によって抽出され、かつ、前記分類項目除外手段によって前記選択候補から除外されなかった分類項目に、前記ユーザに優先度順に提示するために、前記推測条件に対する前記コンテンツの分類項目の具体データの一致性、前記周期性または該コンテンツの当日選択回数に基づいて優先度を付与する優先度付与手段と
を有することを特徴とする行動予測装置。
【請求項４】
入力された推測条件に基づいて、少なくとも一つの分類項目によって分類可能なコンテンツからユーザによって選択されうるコンテンツの選択候補の該分類項目で特定される該ユーザの行動を予測する行動予測方法であって、
前記ユーザによって選択されたコンテンツの選択履歴を記録する選択履歴記録ステップと、
前記選択履歴記録ステップによって記録された前記選択履歴に基づいて、前記ユーザによる前記コンテンツの選択行為に潜在する周期性を抽出する周期性抽出ステップと、
前記選択履歴と、前記周期性抽出ステップによって抽出された前記周期性とに基づいて、前記ユーザによって選択されうるコンテンツの選択候補の前記分類項目を抽出する分類項目抽出ステップと、
前記所定状況下では前記分類項目抽出ステップによって抽出された前記分類項目に対応するコンテンツが常識的に前記選択候補とはなり得ない状況を規定する常識条件に基づいて、該選択候補から分類項目を除外する分類項目除外ステップと、
前記分類項目抽出ステップによって抽出され、かつ、前記分類項目除外ステップによって前記選択候補から除外されなかった分類項目に、前記ユーザに優先度順に提示するために、前記推測条件に対する前記コンテンツの分類項目の具体データの一致性、前記周期性、該コンテンツの当日選択回数、または、該コンテンツに対する選択傾向、該コンテンツの目的、該コンテンツの特徴要因または属性的要因に基づいて優先度を付与する優先度付与ステップと
を含むことを特徴とする行動予測方法。
【請求項１】
入力された推測条件に基づいて、少なくとも一つの分類項目によって分類可能なコンテンツから所定状況下でユーザによって選択されうるコンテンツの選択候補を抽出して該ユーザに提示するコンテンツ選択候補抽出装置であって、
前記ユーザによって選択されたコンテンツの選択履歴を記録する選択履歴記録手段と、
前記選択履歴記録手段によって記録された前記選択履歴に基づいて、前記ユーザによる前記コンテンツの選択行為に潜在する周期性を抽出する周期性抽出手段と、
前記選択履歴と、前記周期性抽出手段によって抽出された前記周期性とに基づいて、前記ユーザによって選択されうるコンテンツの選択候補を抽出する選択候補抽出手段と、
前記所定状況下では前記コンテンツが常識的に前記選択候補とはなり得ない状況を規定する常識条件に基づいて、前記選択候補抽出手段によって抽出された選択候補からコンテンツを除外する選択候補除外手段と、
前記選択候補抽出手段によって前記選択候補として抽出され、かつ、前記選択候補除外手段によって前記選択候補から除外されなかったコンテンツに、前記ユーザに優先度順に提示するために、前記推測条件に対する該コンテンツの分類項目の具体データの一致性、前記周期性または該コンテンツの当日選択回数に基づいて優先度を付与する優先度付与手段と
を有することを特徴とするコンテンツ選択候補抽出装置。
【請求項２】
入力された推測条件に基づいて、少なくとも一つの分類項目によって分類可能なコンテンツから所定状況下でユーザによって選択されうるコンテンツの選択候補を抽出して該ユーザに提示するコンテンツ選択候補抽出方法であって、
前記ユーザによって選択されたコンテンツの選択履歴を記録する選択履歴記録ステップと、
前記選択履歴記録ステップによって記録された前記選択履歴に基づいて、前記ユーザによる前記コンテンツの選択行為に潜在する周期性を抽出する周期性抽出ステップと、
前記選択履歴と、前記周期性抽出ステップによって抽出された前記周期性とに基づいて、前記ユーザによって選択されうるコンテンツの選択候補を抽出する選択候補抽出ステップと、
前記所定状況下では前記コンテンツが常識的に前記選択候補とはなり得ない状況を規定する常識条件に基づいて、前記選択候補抽出ステップによって抽出された該選択候補からコンテンツを除外する選択候補除外ステップと、
前記選択候補抽出ステップによって前記選択候補として抽出されたコンテンツの前記分類項目の具体データに、該分類項目の具体データを抽象化して特性付ける抽象化特性を対応付けて記憶する抽象化特性テーブルに基づいて、該分類項目の該抽象化特性と類似度が所定以上である他のコンテンツの該分類項目の具体データを類推分類項目として取得する類推分類項目取得ステップと、
前記選択候補抽出ステップによって前記選択候補として抽出されたコンテンツ、および、前記類推分類項目取得ステップによって取得された前記類推分類項目で特定されるコンテンツに、前記ユーザに優先度順に提示するために、前記推測条件に対する該コンテンツの分類項目の具体データの一致性、前記周期性、該コンテンツの当日選択回数、該コンテンツに対する選択傾向、該コンテンツの目的、該コンテンツの特徴要因または属性的要因に基づいて優先度を付与する優先度付与ステップと
を含むことを特徴とするコンテンツ選択候補抽出方法。
【請求項３】
入力された推測条件に基づいて、少なくとも一つの分類項目によって分類可能なコンテンツからユーザによって選択されうるコンテンツの選択候補の該分類項目で特定される該ユーザの行動を予測する行動予測装置であって、
前記ユーザによって選択されたコンテンツの選択履歴を記録する選択履歴記録手段と、
前記選択履歴記録手段によって記録された前記選択履歴に基づいて、前記ユーザによる前記コンテンツの選択行為に潜在する周期性を抽出する周期性抽出手段と、
前記選択履歴と、前記周期性抽出手段によって抽出された前記周期性とに基づいて、前記ユーザによって選択されうるコンテンツの選択候補の前記分類項目を抽出する分類項目抽出手段と、
前記所定状況下では前記分類項目抽出手段によって抽出された前記分類項目に対応するコンテンツが常識的に前記選択候補とはなり得ない状況を規定する常識条件に基づいて、該選択候補から分類項目を除外する分類項目除外手段と、
前記分類項目抽出手段によって抽出され、かつ、前記分類項目除外手段によって前記選択候補から除外されなかった分類項目に、前記ユーザに優先度順に提示するために、前記推測条件に対する前記コンテンツの分類項目の具体データの一致性、前記周期性または該コンテンツの当日選択回数に基づいて優先度を付与する優先度付与手段と
を有することを特徴とする行動予測装置。
【請求項４】
入力された推測条件に基づいて、少なくとも一つの分類項目によって分類可能なコンテンツからユーザによって選択されうるコンテンツの選択候補の該分類項目で特定される該ユーザの行動を予測する行動予測方法であって、
前記ユーザによって選択されたコンテンツの選択履歴を記録する選択履歴記録ステップと、
前記選択履歴記録ステップによって記録された前記選択履歴に基づいて、前記ユーザによる前記コンテンツの選択行為に潜在する周期性を抽出する周期性抽出ステップと、
前記選択履歴と、前記周期性抽出ステップによって抽出された前記周期性とに基づいて、前記ユーザによって選択されうるコンテンツの選択候補の前記分類項目を抽出する分類項目抽出ステップと、
前記所定状況下では前記分類項目抽出ステップによって抽出された前記分類項目に対応するコンテンツが常識的に前記選択候補とはなり得ない状況を規定する常識条件に基づいて、該選択候補から分類項目を除外する分類項目除外ステップと、
前記分類項目抽出ステップによって抽出され、かつ、前記分類項目除外ステップによって前記選択候補から除外されなかった分類項目に、前記ユーザに優先度順に提示するために、前記推測条件に対する前記コンテンツの分類項目の具体データの一致性、前記周期性、該コンテンツの当日選択回数、または、該コンテンツに対する選択傾向、該コンテンツの目的、該コンテンツの特徴要因または属性的要因に基づいて優先度を付与する優先度付与ステップと
を含むことを特徴とする行動予測方法。
【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１６】
【図１７】
【図１８】
【図１９】
【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１６】
【図１７】
【図１８】
【図１９】
【公開番号】特開２０１２−１４６１０１（Ｐ２０１２−１４６１０１Ａ）
【公開日】平成２４年８月２日（２０１２．８．２）
【国際特許分類】
【出願番号】特願２０１１−３４８７（Ｐ２０１１−３４８７）
【出願日】平成２３年１月１１日（２０１１．１．１１）
【分割の表示】特願２００７−３１３３５１（Ｐ２００７−３１３３５１）の分割
【原出願日】平成１９年１２月４日（２００７．１２．４）
【出願人】（０００２３７５９２）富士通テン株式会社 (3,383)
【出願人】（０００００３２０７）トヨタ自動車株式会社 (59,920)
【出願人】（０００００４２６０）株式会社デンソー (27,639)
【Ｆターム（参考）】
【公開日】平成２４年８月２日（２０１２．８．２）
【国際特許分類】
【出願日】平成２３年１月１１日（２０１１．１．１１）
【分割の表示】特願２００７−３１３３５１（Ｐ２００７−３１３３５１）の分割
【原出願日】平成１９年１２月４日（２００７．１２．４）
【出願人】（０００２３７５９２）富士通テン株式会社 (3,383)
【出願人】（０００００３２０７）トヨタ自動車株式会社 (59,920)
【出願人】（０００００４２６０）株式会社デンソー (27,639)
【Ｆターム（参考）】
[ Back to top ]