情報処理装置および方法、並びにプログラム
【課題】コンテンツ推薦のバリエーションを増やすようにする。
【解決手段】装置は、ユーザが好きであると判断できる特定人物をユーザ嗜好情報から抽出する（Ｓ２１）。装置は、特定人物が出演するコンテンツを推薦候補として決定する（Ｓ２２）。装置は、特定人物の類似人物を抽出する処理、即ち類似人物抽出処理を実行する（Ｓ３）。装置は、類似人物が出演するコンテンツを、推薦候補として決定する（Ｓ２４）。装置は、推薦候補の中から、推薦コンテンツを選抜する（Ｓ２５）。装置は、推薦コンテンツの一覧（推薦情報）を出力する（Ｓ２６）。本発明は、テレビジョン放送番組等のコンテンツを推薦する推薦装置に適用可能である。
【解決手段】装置は、ユーザが好きであると判断できる特定人物をユーザ嗜好情報から抽出する（Ｓ２１）。装置は、特定人物が出演するコンテンツを推薦候補として決定する（Ｓ２２）。装置は、特定人物の類似人物を抽出する処理、即ち類似人物抽出処理を実行する（Ｓ３）。装置は、類似人物が出演するコンテンツを、推薦候補として決定する（Ｓ２４）。装置は、推薦候補の中から、推薦コンテンツを選抜する（Ｓ２５）。装置は、推薦コンテンツの一覧（推薦情報）を出力する（Ｓ２６）。本発明は、テレビジョン放送番組等のコンテンツを推薦する推薦装置に適用可能である。
【発明の詳細な説明】
【技術分野】
【０００１】
本発明は、情報処理装置および方法、並びにプログラムに関し、特に、ユーザが嗜好する特定人物に基づくコンテンツ推薦だけではなく、ユーザの嗜好から外れない範囲内でバリエーションのあるコンテンツ推薦ができる情報処理装置および方法、並びにプログラムに関する。
【背景技術】
【０００２】
従来、コンテンツに付与されたメタデータを利用してコンテンツの推薦を行う推薦装置が利用されている（例えば特許文献１）。例えば、コンテンツとしてテレビジョン放送番組（以下、番組と適宜称する）を対象とした従来の推薦装置では、番組の出演者や番組のタイトル等を含む番組毎のメタデータを利用して、ユーザが嗜好する特定人物が出演している番組を認識し、それを推薦番組としてユーザに呈示することができる。
【特許文献１】特開２００４−１９４１０８号公報
【発明の開示】
【発明が解決しようとする課題】
【０００３】
しかしながら、ユーザにとっては、その特定人物への嗜好が強ければ強いほど、その特定人物が出演する番組は既に視聴していたり、既に録画予約している場合が多い。従って、このような場合、特許文献１を含む従来の推薦装置により推薦された番組は、ユーザにとって既知の番組であり、かかる番組の推薦は意味を成していない。このことは、番組のみならず、ユーザに配布されるコンテンツ一般に当てはまることである。
【０００４】
換言すると、ユーザにとっては、ユーザが嗜好する特定人物に基づくコンテンツ推薦だけでは不十分であり、ユーザの嗜好から外れない範囲内でバリエーションのあるコンテンツ推薦をして欲しいという要望が存在する。しかしながら、特許文献１を含む従来の推薦装置では、かかる要望に十分に応えられていないという状況である。
【０００５】
本発明は、このような状況に鑑みてなされたものであり、ユーザが嗜好する特定人物に基づくコンテンツ推薦だけではなく、ユーザの嗜好から外れない範囲内でバリエーションのあるコンテンツ推薦をできるようにするものである。
【課題を解決するための手段】
【０００６】
本発明の一側面の情報処理装置は、ユーザにコンテンツを推薦する情報処理装置であって、ユーザが嗜好する特定人物に関する人物情報を含む嗜好情報を保持する嗜好情報保持手段と、前記特定人物を含む複数の人物間における所定の類似基準に基づく各類似度を示す人物類似情報を保持する人物類似情報保持手段と、前記嗜好情報保持手段に保持された前記嗜好情報に基づいて前記特定人物を認識し、前記人物類似情報保持手段に保持された前記人物類似情報に基づいて、前記特定人物に類似すると判断できる類似人物を認識し、前記特定人物が出演するコンテンツと前記類似人物が出演するコンテンツとのうちの少なくとも一方を、ユーザに対して推薦すべき推薦コンテンツの候補として決定する推薦手段とを備える。
【０００７】
前記所定の類似基準に基づく類似度は、人物が有する顔の特徴に基づく類似度である。
【０００８】
前記所定の類似基準に基づく類似度は、人物が発声する声の特徴に基づく類似度である。
【０００９】
前記所定の類似基準に基づく類似度は、人物が利用する言語の特徴に基づく類似度である。
【００１０】
前記人物類似情報は、複数の類似基準のそれぞれに基づく各類似度を示す各情報からなり、前記推薦手段は、前記複数の類似基準のそれぞれについて、前記類似人物の候補と前記特定人物との間の各類似度を前記人物類似情報から取得し、取得した前記複数の類似基準のそれぞれについての前記各類似度と、コンテンツの内容に応じて変化する前記複数の類似基準の重要度合とに基づいて、前記類似人物の候補の総合的な類似度を演算し、前記総合的な類似度に基づいて、前記類似人物の候補を前記類似人物として認識するか否かを決定する。
【００１１】
前記推薦手段は、前記特定人物として複数人を認識し、前記類似人物の候補と、前記複数の特定人物のそれぞれとの間の各類似度を前記人物類似情報から取得し、取得した前記各類似度に基づいて、前記類似人物の候補の総合的な類似度を演算し、前記総合的な類似度に基づいて、前記類似人物の候補を前記類似人物として認識するか否かを決定する。
【００１２】
前記特定人物を含む前記複数の人物間における前記所定の類似基準に基づく各類似度をそれぞれ演算し、それらの演算結果を前記人物類似情報として前記人物類似情報保持手段に保持させる類似度演算手段をさらに備える。
【００１３】
本発明の一側面の情報処理方法は、ユーザが嗜好する特定人物に関する嗜好情報を保持する嗜好情報保持手段と、前記特定人物を含む複数の人物間における所定の類似基準に基づく各類似度を示す人物類似情報を保持する人物類似情報保持手段とを備え、前記ユーザにコンテンツを推薦する情報処理装置の情報処理方法であって、前記嗜好情報保持手段に保持された前記嗜好情報に基づいて前記特定人物を認識し、前記人物類似情報保持手段に保持された前記人物類似情報に基づいて、前記特定人物に類似すると判断できる類似人物を認識し、前記特定人物が出演するコンテンツと前記類似人物が出演するコンテンツとのうちの少なくとも一方を、ユーザに対して推薦すべき推薦コンテンツの候補として決定するステップを含む。
【００１４】
本発明の一側面のプログラムは、上述した本発明の一側面の情報処理方法に対応するプログラムである。
【００１５】
本発明の一側面の情報処理装置および方法、並びにプログラムにおいては、ユーザが嗜好する特定人物に関する嗜好情報を保持する嗜好情報保持手段と、前記特定人物を含む複数の人物間における所定の類似基準に基づく各類似度を示す人物類似情報を保持する人物類似情報保持手段とを備え、前記ユーザにコンテンツを推薦する情報処理装置または推薦装置が対象となり、次のような処理が実行される。即ち、前記嗜好情報保持手段に保持された前記嗜好情報に基づいて前記特定人物が認識され、前記人物類似情報保持手段に保持された前記人物類似情報に基づいて、前記特定人物に類似すると判断できる類似人物が認識され、前記特定人物が出演するコンテンツと前記類似人物が出演するコンテンツとのうちの少なくとも一方が、ユーザに対して推薦すべき推薦コンテンツの候補として決定される。
【発明の効果】
【００１６】
以上のごとく、本発明によれば、ユーザにコンテンツを推薦することができる。特に、ユーザが嗜好する特定人物に基づくコンテンツ推薦だけではなく、類似人物に基づくコンテンツ推薦ができるようになった。即ち、ユーザの嗜好から外れない範囲内でバリエーションのあるコンテンツ推薦をすることが可能になった。
【発明を実施するための最良の形態】
【００１７】
以下に本発明の実施の形態を説明するが、本発明の構成要件と、発明の詳細な説明に記載の実施の形態との対応関係を例示すると、次のようになる。この記載は、本発明をサポートする実施の形態が、発明の詳細な説明に記載されていることを確認するためのものである。従って、発明の詳細な説明中には記載されているが、本発明の構成要件に対応する実施の形態として、ここには記載されていない実施の形態があったとしても、そのことは、その実施の形態が、その構成要件に対応するものではないことを意味するものではない。逆に、実施の形態が構成要件に対応するものとしてここに記載されていたとしても、そのことは、その実施の形態が、その構成要件以外の構成要件には対応しないものであることを意味するものでもない。
【００１８】
さらに、この記載は、発明の実施の形態に記載されている具体例に対応する発明が、請求項に全て記載されていることを意味するものではない。換言すれば、この記載は、発明の実施の形態に記載されている具体例に対応する発明であって、この出願の請求項には記載されていない発明の存在、すなわち、将来、分割出願されたり、補正により追加される発明の存在を否定するものではない。
【００１９】
本発明の一側面の情報処理装置（例えば図２のコンテンツ推薦処理装置１０）は、
ユーザにコンテンツを推薦する情報処理装置であって、
前記ユーザが嗜好する特定人物に関する嗜好情報（例えば図４の出演者情報Ｐｕｐを含むユーザ嗜好情報）を保持する嗜好情報保持手段（例えば図２のユーザ嗜好情報保持部２９）と、
前記特定人物を含む複数の人物間における所定の類似基準に基づく各類似度を示す人物類似情報（例えば図６の人物類似度情報）を保持する人物類似情報保持手段（例えば図２の人物類似度情報保持部３１）と、
前記嗜好情報保持手段に保持された前記嗜好情報に基づいて前記特定人物を認識し、前記人物類似情報保持手段に保持された前記人物類似情報に基づいて、前記特定人物に類似すると判断できる類似人物を認識し、前記特定人物が出演するコンテンツと前記類似人物が出演するコンテンツとのうちの少なくとも一方を、ユーザに対して推薦すべき推薦コンテンツの候補として決定する推薦手段（例えば図２の推薦コンテンツ抽出部３２）と
を備える。
【００２０】
前記人物類似情報は、複数の類似基準のそれぞれに基づく各類似度を示す各情報からなり（例えば図６の例の人物類似度情報は、類似基準の一例としての「顔」の類似度表、類似基準の一例としての「声」の類似度表、および、類似基準の一例としての「言語」の類似度表からなり）、
前記推薦手段は、
前記複数の類似基準のそれぞれについて、前記類似人物の候補と前記特定人物との間の各類似度を前記人物類似情報から取得し（例えば図８のステップＳ４４の処理を実行し）、
取得した前記複数の類似基準のそれぞれについての前記各類似度と、コンテンツの内容に応じて変化する前記複数の類似基準の重要度合（例えば図１１のコンテンツのジャンル（内容）に応じて変化する各重み係数α，β，γ）とに基づいて、前記類似人物の候補の総合的な類似度を演算し（例えば図８のステップＳ５０（詳細は図１０）の複数の使用類似基準の総合類似度演算処理を実行し）、
前記総合的な類似度に基づいて、前記類似人物の候補を前記類似人物として認識するか否かを決定する（例えば図８のステップＳ５１の処理を実行する）。
【００２１】
前記推薦手段は、
前記特定人物として複数人を認識し、
前記類似人物の候補と、前記複数の特定人物のそれぞれとの間の各類似度を前記人物類似情報から取得し（例えば図８のステップＳ４３乃至Ｓ４５のループ処理を繰り返し実行し）、
取得した前記各類似度に基づいて、前記類似人物の候補の総合的な類似度を演算し（例えば図８のステップＳ４７（詳細は図９）の複数の特定人物の総合類似度演算処理を実行し）、
前記総合的な類似度に基づいて、前記類似人物の候補を前記類似人物として認識するか否かを決定する（例えば、図８のステップＳ５１の処理を実行する）。
【００２２】
前記特定人物を含む前記複数の人物間における前記所定の類似基準に基づく各類似度をそれぞれ演算し、それらの演算結果を前記人物類似情報として前記人物類似情報保持手段に保持させる類似度演算手段（例えば図２の人物類似度情報生成部３０）をさらに備える。
【００２３】
本発明の一側面の情報処理方法（例えば図７のコンテンツ推薦処理に対応する方法）は、
ユーザが嗜好する特定人物に関する嗜好情報（例えば図４の出演者情報Ｐｕｐを含むユーザ嗜好情報）を保持する嗜好情報保持手段（例えば図２のユーザ嗜好情報保持部２９）と、
前記特定人物を含む複数の人物間における所定の類似基準に基づく各類似度を示す人物類似情報（例えば図６の人物類似度情報）を保持する人物類似情報保持手段（例えば図２の人物類似度情報保持部３１）とを備え、
前記ユーザにコンテンツを推薦する情報処理装置（例えば図２のコンテンツ推薦処理装置１０）の情報処理方法であって、
前記嗜好情報保持手段に保持された前記嗜好情報に基づいて前記特定人物を認識し（例えば図７のステップＳ２１）、前記人物類似情報保持手段に保持された前記人物類似情報に基づいて、前記特定人物に類似すると判断できる類似人物を認識し（例えば図７のステップＳ２３、即ち、図８の類似人物抽出処理）、前記特定人物が出演するコンテンツと前記類似人物が出演するコンテンツとのうちの少なくとも一方を、ユーザに対して推薦すべき推薦コンテンツの候補として決定する（例えば図７のステップＳ２２、Ｓ２４）ステップを含む。
【００２４】
本発明の一側面のプログラムは、上述した本発明の一側面の情報処理方法に対応するプログラムであって、例えば図１２のコンピュータにより実行される。
【００２５】
以下、図面を参照して、本発明の実施の形態について説明する。
【００２６】
はじめに、図１を用いて、テレビジョン番組放送、およびストリーミングデータの配信について説明する。
【００２７】
即ち、本実施の形態では、テレビジョン放送番組（ここでも番組と適宜略記する）と、配信ストリーミングデータとがコンテンツの一例として採用されている。
【００２８】
放送局１は、地上波の番組放送を送信するか、もしくは、衛星２を介して衛星波の番組放送を送信する。図１の例では、放送局１は１つだけ図示されているが、放送局１が、複数局存在し得ることはいうまでもない。テレビジョン受信装置４のアンテナ３は、地上波、または衛星波の番組放送を受信する。放送信号には、必要に応じて、EPG（Electronic Program Guide）情報が含まれている。
【００２９】
配信サーバ５は、ストリーミングデータデータベース６から、映像や音声等のコンテンツを構成するストリーミングデータを読み出し、インターネットその他のネットワークを含むネットワーク８を介して、テレビジョン受信装置４に配信する。また、配信サーバ５は、そのストリーミングデータに関するメタデータを含む情報をメタデータデータベース７から読み出して、ネットワーク８を介して、EPG受信装置９に配信する。さらにまた、配信サーバ５は、放送局１から放送される番組に関するEPG情報を、メタデータデータベース７から読み出して、ネットワーク８を介して、EPG受信装置９に配信する。
【００３０】
一般的な放送信号に重畳されるEPG情報の情報量が、以下に説明する処理に十分な情報である場合、処理には、一般的な放送信号に重畳されるEPG情報と同一のものを利用するようにしてもよい。また、一般的な放送信号に重畳されるEPG情報の情報量が、以下に説明する処理に十分な情報であるとはいえない場合、処理には、一般的な放送信号に重畳されるEPG情報に加えて、もしくは単独で、メタデータを利用するようにしても良い。以下、一般的な放送信号に重畳されるEPG情報では、処理に十分な情報量がないため、本実施の形態では、メタデータを含む情報を利用するものとする。そして、この情報と、ストリーミングデータに関するメタデータを含む情報とをあわせたものを、EPGデータと総称するとする。
【００３１】
EPG受信装置９は、配信されたEPGデータを、テレビジョン受信装置４に提供する。
【００３２】
チューナを有するテレビジョン受信装置４は、操作部を有するテレビジョン表示装置１１、または、録画再生装置１２から提供されるチャンネルの選択を示す制御信号に基づいて、アンテナ３を介して、地上波、または衛星波の放送信号を選局して受信するとともに、配信サーバ５からのストリーミングデータの配信をネットワーク８を介して受け、所定の形態の映像／音声信号として、テレビジョン表示装置１１、または、録画再生装置１２に提供する。また、テレビジョン受信装置４は、EPG受信装置９から、EPGデータの供給を受け、テレビジョン表示装置１１、または、録画再生装置１２に提供する。なお、テレビジョン受信装置４は、受信した放送波に、EPGデータが含まれていた場合、番組の信号と分離して、それぞれ、テレビジョン表示装置１１、または、録画再生装置１２に提供する。
【００３３】
コンテンツ推薦処理装置１０は、配信サーバ５から配信された若しくは配信予定のストリーミングデータと、放送局１から放送された若しくは放送予定のテレビジョン放送番組（以下、これらをまとめてコンテンツと称する）のうちの、ユーザの嗜好に合致したコンテンツを推薦するための推薦情報を生成し、テレビジョン表示装置１１および録画再生装置１２に提供する。なお、コンテンツ推薦処理装置１０の詳細については、図２以降の図面を参照して後述する。
【００３４】
テレビジョン表示装置１１は、ユーザの操作入力を基に、テレビジョン受信装置４から提供された映像／音声信号、または、録画再生装置１２から再生された映像／音声信号の表示や音声出力をしたり、コンテンツ推薦処理装置１０から提供された推薦情報に基づいて、チャンネルを自動設定したり、推薦番組情報を表示する。テレビジョン表示装置１１は、ユーザの操作履歴である操作ログをコンテンツ推薦処理装置１０に提供する。
【００３５】
録画再生装置１２は、ユーザの操作入力に基づいて、テレビジョン受信装置４から提供された映像／音声信号を、装着された記録媒体、または、内蔵する記録媒体（例えば、ハードディスク）に録画したり、コンテンツ推薦処理装置１０から提供された推薦情報に基づいて、テレビジョン受信装置４から提供された映像／音声信号を、装着された記録媒体、または、内蔵する記録媒体に自動録画する。また、録画再生装置１２は、装着された記録媒体、または、内蔵する記録媒体に録画されている映像／音声信号を再生し、テレビジョン表示装置１１に提供する。更に、録画再生装置１２は、ユーザの操作履歴である操作ログをコンテンツ推薦処理装置１０に提供する。
【００３６】
ここでは、EPG受信装置９、テレビジョン受信装置４、コンテンツ推薦処理装置１０、テレビジョン表示装置１１、および、録画再生装置１２を、それぞれ異なる装置として説明したが、これらの装置は、必ずしも個別に構成する必要はない。例えば、EPG受信装置９、テレビジョン受信装置４、および、テレビジョン表示装置１１を、チューナ機能を内蔵したテレビジョン受像機１５−１として、一体的に構成するようにしてもよいことはいうまでもない。さらに、録画再生装置１２も一体的に構成して、録画機能を有するテレビジョン受像機１５−２として構成するようにしてもよい。この録画再生装置１２は、記録媒体として、大容量のハードディスクを有する、いわゆるハードディスクレコーダであってもよいことはいうまでもない。また、コンテンツ推薦処理装置１０を、チューナ機能を内蔵したテレビジョン受像機１５−１に内蔵して、テレビジョン受像機１５−３としても、または、録画機能を有するテレビジョン受像機１５−２に内蔵して、テレビジョン受像機１５−４とするようにしてもよい。
【００３７】
図２は、コンテンツ推薦処理装置１０の機能的構成例を示している。
【００３８】
図２の例では、コンテンツ推薦処理装置１０は、データ取得部２１乃至推薦情報保持部３４を含むように構成されている。
【００３９】
データ取得部２１は、配信サーバ５からネットワーク８を介して配信されたデータや、放送局１から放送されてテレビジョン受信装置４に受信されたテレビジョン放送番組のデータを取得する（図１参照）。データ取得部２１は、取得したデータがストリーミングデータやテレビジョン放送番組のデータ（以下、これらをまとめてコンテンツデータと称する）の場合、そのコンテンツデータをコンテンツ情報保持部２４に保持させる。また、データ取得部２１は、取得したデータがEPGデータの場合、そのEPGデータをメタデータ抽出部２２に提供する。
【００４０】
メタデータ抽出部２２は、データ取得部２１から提供されたEPGデータから、図３を用いて後述するコンテンツ情報を生成するために必要な各種メタデータを抽出し、コンテンツ情報生成部２３に提供する。
【００４１】
コンテンツ情報生成部２３は、メタデータ抽出部２２から提供された所定のコンテンツに関するメタデータに基づいて、その所定のコンテンツに関する各種情報群（以下、コンテンツ情報と称する）を生成し、コンテンツ情報保持部２４に提供する。
【００４２】
即ち、コンテンツ情報保持部２４には、複数のコンテンツ毎に、実データであるコンテンツデータと、それに関する各種情報の集合体であるコンテンツ情報とが対応付けられて保持される。
【００４３】
かかるコンテンツ情報の一例が、図３に示されている。図３の例では、コンテンツ情報は、ベクトルPPで表現されている。即ち、図２のコンテンツ情報生成部２３は、メタデータ抽出部２２から抽出された各種メタデータに含まれているＮ個（Ｎは１以上の整数値）の項目の情報を各成分として有するベクトルPPを、コンテンツ情報として生成してコンテンツ情報保持部２４に保持させる。
【００４４】
ここでいうＮ個の項目とは、EPGデータで規定されている項目に限定されず、設計者等が任意に設定可能な項目をいう。例えば、図３の例では、Ｎ＝７の大項目Ｔ，Ｇ，Ｈ，Ｓ，Ｐ，Ａ，Ｋが採用されている。これら７つの大項目のそれぞれについてのコンテンツに関する各情報が、Ｔm，Ｇm，Ｈｍ，Ｓｍ，Ｐm，Ａm，Ｋｍとされている。そして、これらの７つの項目情報Ｔm，Ｇm，Ｈｍ，Ｓｍ，Ｐm，Ａm，Ｋｍが、コンテンツ情報としてのベクトルPPの各成分に代入されている。即ち、ベクトルPP＝（Ｔm，Ｇm，Ｈｍ，Ｓｍ，Ｐm，Ａm，Ｋｍ）が、コンテンツ情報として生成されている。
【００４５】
ただし、後述する図４のユーザ嗜好情報のベクトルUPとのマッチング処理にコンテンツ情報が使用される場合、ベクトルPPそのものではなく、PP'＝（Ｔm，Ｇm，Ｐm，Ａm，Ｋｍ）が使用される。比較相手のユーザ嗜好情報のベクトルUPと次元をあわせるためである。
【００４６】
ここに、大項目Ｔとは「タイトル（Title）」を意味し、タイトル情報Ｔｍ＝｛Title｝が、ベクトルPPの対応する成分に代入される。
【００４７】
大項目Ｇとは「ジャンル（Genre)）を意味し、ジャンル情報Ｇｍ＝｛ドラマ，バラエティ，スポーツ，映画，音楽，子供向け／教育，教養／ドキュメント，ニュース／報道，その他｝が、ベクトルPPの対応する成分に代入される。
【００４８】
大項目Ｈとは「時間帯(Hour)」を意味し、時間帯情報Ｈｍ＝｛朝，昼，夕方，ゴールデン，深夜｝が、ベクトルPPの対応する成分に代入される。
【００４９】
大項目Ｓとは「放送局(TV Station)」を意味し、放送局情報Ｓm＝｛ＮＮＫ総合，ＮＮＫ教育，亜細亜テレビ，ＴＴＳ，ブジ，テレ日，東都，ＮＮＫ衛星第１，ＮＮＫ衛星第２，ＷＯＷＯ｝が、ベクトルPPの対応する成分に代入される。なお、図３の例では図示されていないが、配信サーバ５も１つの放送局とみなして、配信サーバ５の名称も、放送局情報Ｓmに含めてもよい。
【００５０】
大項目Ｐとは「出演者(Person)」を意味し、出演者情報Ｐｍ＝｛person Ａ，person Ｂ，・・・｝が、ベクトルPPの対応する成分に代入される。
【００５１】
大項目Ａとは、「脚本／原作／演出等(Author)」を意味し、脚本／原作／演出等情報Ａｍ＝｛person a，person b，・・・｝が、ベクトルPPの対応する成分に代入される。
【００５２】
大項目Ｋとは、「内容（キーワード）(Keyword)」を意味し、内容情報Ｋｍ＝｛kw１，kw２，・・・｝が、ベクトルPPの対応する成分に代入される。
【００５３】
上述した７つの大項目の中で、大項目「Ｇ：ジャンル」、「Ｓ：放送局」、「Ｈ：時間帯」は、種類が固定できるため、各項目情報Ｇｍ，Ｓｍ，Ｈｍのそれぞれは、数値ベクトルで表すことができる。
【００５４】
具体的には例えば、ジャンル情報Ｇｍ＝｛ドラマ，バラエティ，スポーツ，映画，音楽，子供向け／教育，教養／ドキュメント，ニュース／報道，その他｝において、ベクトルPPの生成対象となっているコンテンツのジャンルが、教養／ドキュメントであった場合、ジャンル情報Ｇｍ＝｛０，０，０，０，０，０，１，０，０｝で表すことができる。
【００５５】
また例えば、放送局Ｓｍ＝｛ＮＮＫ総合，ＮＮＫ教育，亜細亜テレビ，ＴＴＳ，ブジ，テレ日，東都，ＮＮＫ衛星第１，ＮＮＫ衛星第２，ＷＯＷＯ｝において、ベクトルPPの生成対象となっているコンテンツ（ここではテレビジョン放送番組）を放送する放送局が、ＷＯＷＯである場合、放送局情報Ｓｍ＝｛０，０，０，０，０，０，０，０，０，１｝で表すことができる。
【００５６】
時間帯情報Ｈｍも、具体例は記述しないが、上述したジャンル情報Ｇｍや放送局情報Ｓｍと同様に、数値ベクトルで表すことができる。
【００５７】
一方、大項目「Ｔ：タイトル」、「Ｐ：出演者」、「Ａ：脚本／原作／演出」、「Ｋ：内容」などの各項目情報Ｔｍ、Ｐｍ、Ａｍ、Ｋｍは、単純に数値ベクトルで表すことができない。そこで、コンテンツのメタデータ等に含まれる単語の頻度などによって、項目値（単語）と重み（数値）が対応付けられて生成される。例えば、タイトル情報Ｔｍ＝｛東海道−１，三谷−１，怪談−１｝のように、それぞれの項目値−数値で構成される項目情報を各要素とするベクトルによって表すことができる。この例における、例えば、「東海道−１」は、「東海道」の単語の頻度が「１」であることを意味する。具体例は記述しないが、出演者情報Ｐｍ、脚本／原作／演出等情報Ａｍ、および、内容情報Ｋｍも、単語−数値で構成される項目情報を各要素とするベクトルによって表すことができる。
【００５８】
図２に戻り、操作入力部２５は、例えば、キーボード、タッチパッド、マウスなどの入力デバイスで構成され、ユーザが入力した初期登録情報や、ユーザモデル生成のためのトピックの入力を受け、それらの情報を初期登録情報保持部２６に保持させる。即ち、初期登録情報保持部２６は、操作入力部２５から提供された初期登録内容や、ユーザモデル生成のためのトピックを保持し、必要に応じて、ユーザ嗜好情報生成部２８や推薦コンテンツ抽出部３２に提供する。また、初期登録情報保持部２６に保持されている内容は、操作入力部２５から入力されるユーザの操作に基づいて、逐次更新される。初期登録される内容には、例えば、嫌いなジャンル、嫌いなキーワード、嫌いな出演者などの、ユーザが好まないコンテンツを示す情報や、好きなジャンル、好きなキーワード、好きな出演者などの、ユーザが好むコンテンツを示す情報を採用できる。
【００５９】
操作ログ取得部２７は、テレビジョン表示装置１１または録画再生装置１２（図１）から、操作ログを取得し、ユーザ嗜好情報生成部２８に提供する。
【００６０】
ユーザ嗜好情報生成部２８は、この操作ログや、初期登録情報保持部２６に保持されている各種情報等に基づいて、コンテンツ推薦処理装置１０自身或いは図１のテレビジョン表示装置１１や録画再生装置１２を操作するユーザの嗜好の傾向を示す情報（以下、ユーザ嗜好情報と称する）を生成し、ユーザ嗜好情報保持部２９に保持させる。また、ユーザ嗜好情報がユーザ嗜好情報保持部２９に既に保持されている場合、ユーザ嗜好情報生成部２８は、操作ログ取得部２７から新たに提供されてきた操作ログや、初期登録情報保持部２９の更新内容等に基づいて、ユーザ嗜好情報の内容を適宜更新する。
【００６１】
なお、ユーザ嗜好情報としては、例えば正履歴情報と負履歴情報との両者を採用できるが、本実施の形態では、説明の簡略上、正履歴情報のみがユーザ嗜好情報として用いられるとする。
【００６２】
ここに、負履歴情報とは、ユーザが使用（視聴や録画等）するのに消極的である、換言すれば、好ましくないと思うコンテンツを、推薦コンテンツから除外するために用いられる情報をいう。ただし、上述したように、本実施の形態では、負履歴情報は使用されないので、その詳細な説明は省略する。
【００６３】
これに対して、正履歴情報とは、ユーザが積極的に使用（視聴や録画等）するであろう、換言すれば、好ましいと思うであろうコンテンツを、推薦コンテンツの候補として抽出するために用いられる情報をいう。例えば、ユーザが、コンテンツの使用（視聴や録画等）をした場合、または、後述する処理によりユーザに推薦情報として提示された推薦コンテンツが、ユーザに受け入れられて使用（視聴や録画等）された場合、その推薦コンテンツのメタデータは、好印象メタデータとして、正履歴情報の一部として利用される。ここに、一部と記述したのは、正履歴情報は、上述したコンテンツ情報のベクトルPPのようにベクトルとして表現でき、かかるベクトルの一成分に代入される情報自身として、またはその成分情報を生成する情報として、利用されるからである。
【００６４】
このように、本実施の形態では、ユーザ嗜好情報は、ベクトルの形態でユーザ嗜好情報生成部２８により生成されて、ユーザ嗜好情報保持部２９に保持される。具体的には例えば、図４に示されるようなベクトルUPが、ユーザ嗜好情報としてユーザ嗜好情報生成部２８により生成されて、ユーザ嗜好情報保持部２９に保持される。
【００６５】
即ち、図４の例では、大項目として、「タイトル」，「ジャンル」，「出演者」，「脚本／原作／演出」，「内容（キーワード）」が採用されており、それらの各大項目のそれぞれについてのユーザの正履歴情報Ｔｕｐ，Ｇｕｐ，Ｐｕｐ，Ａｕｐ，Ｋｕｐを各成分として構成されるベクトルUP、即ち、UP＝（Ｔm，Ｇm，Ｐm，Ａm，Ｋｍ）がユーザ嗜好情報として生成されている。
【００６６】
この場合、正履歴情報Ｔｕｐ，Ｇｕｐ，Ｐｕｐ，Ａｕｐ，Ｋｕｐのそれぞれは、項目値（単語）と重み（数値）が対応付けられた情報として生成される。この重み（数値）としては、例えばユーザの嗜好度合（好ましいと思う度）を示す値（操作頻度の値含）が採用される。例えば、図４の例では、タイトル正履歴情報Ｔｕｐ＝｛Title1−１２，Title2−３｝のように、それぞれの項目値−数値で構成されるタイトル情報を各要素とするベクトルによって表すことができる。この例における、例えば、「Title1−１２」は、「Title１」に対するユーザの嗜好度合は「１２」であることを意味する。一方、「Title2−３」は、「Title2」に対するユーザの嗜好度合は「３」であることを意味する。即ち、ユーザの嗜好が強いほど嗜好度合の数値も大きくなっていくとすれば、ユーザは、「Title2」よりも「Title1」の方が好きであると判断できることになる。
【００６７】
図２に戻り、人類類似度情報生成部３０は、１以上のコンテンツのそれぞれに出演する人物を対象として、それらの各人物間の類似度に関する情報（以下、人物類似度情報）を生成し、人物類似度情報保持部３１に保持させる。なお、人物類似度情報の詳細については、図５と図６とを参照して後述する。
【００６８】
推薦コンテンツ抽出部３２は、ユーザ嗜好情報保持部２９に保持されているユーザ嗜好情報に基づいて、ユーザの嗜好に合致すると判断できるコンテンツを、ユーザに推薦すべきコンテンツ（以下、推薦コンテンツと称する）として、コンテンツ情報保持部２４から抽出する。なお、ここでいう抽出とは、推薦コンテンツのコンテンツデータそのものの抽出ではなく、推薦コンテンツを特定できる情報、即ち、推薦コンテンツに関するコンテンツ情報の少なくとも一部の抽出を意味する。
【００６９】
なお、この場合の抽出手法は特に限定されず、例えば、コンテンツ情報保持部２４に保持されている複数のコンテンツのそれぞれについての各ベクトルPP'＝（Ｔm，Ｇm，Ｐm，Ａm，Ｋｍ）と（図３参照）、ユーザ嗜好情報保持部２９に保持されているユーザ嗜好情報のベクトルUP ＝（Ｔm，Ｇm，Ｐm，Ａm，Ｋｍ）と（図４参照）のマッチング処理を実行し、ベクトルUPとマッチングしたベクトルPPを有するコンテンツを、推薦コンテンツとして抽出する、という手法を採用してもよい。
【００７０】
ただし、本実施の形態では説明の簡略上、コンテンツの登場人物に着目し、ユーザ嗜好情報保持部２９に保持されているユーザ嗜好情報において、ユーザの嗜好度合いが高い人物を特定人物として抽出し、その特定人物が出演しているコンテンツを推薦コンテンツとして抽出する、という手法を採用しているとする。
【００７１】
即ち、本実施の形態では、推薦コンテンツ抽出部３２は、図４の出演者情報Pupの中で、所定の閾値以上の重み値（嗜好度合）を有するPerson（人物）を特定人物として抽出する。例えば閾値が30である場合には、重み値「43」を有するpersonBが特定人物として抽出される。そして、推薦コンテンツ抽出部３２は、コンテンツ情報保持部２４に保持されている複数のコンテンツのそれぞれに関するコンテンツ情報の図３の出演者情報Ｐｍの中に、特定人物が含まれている（ベクトルの対応する成分が１である）か否かをそれぞれ認識し、特定人物が含まれているコンテンツ情報またはその一部を、推薦コンテンツのコンテンツ情報またはその一部として抽出する。即ち、推薦コンテンツの抽出が行われる。
【００７２】
さらに、推薦コンテンツ抽出部３２は、人類類似度情報保持部３１に保持されている人類類似度情報に基づいて、上述した特定人物に類似すると判断できる人物（以下、類似人物と称する）を認識する。そして、推薦コンテンツ抽出部３２は、図３の出演者情報Ｐｍに類似人物が含まれている（ベクトルの対応する成分が１である）コンテンツ情報を有するコンテンツを、推薦コンテンツとして抽出する。即ち、出演者情報Ｐｍに類似人物が含まれている（ベクトルの対応する成分が１である）コンテンツ情報自身またはそのうちの一部の情報もまた、推薦コンテンツのコンテンツ情報またはその一部として抽出される。なお、この一連の処理の詳細例については、類似人物抽出処理として、図８乃至図１１を参照して後述する。
【００７３】
なお、推薦コンテンツ抽出部３２が類似人物を利用して推薦コンテンツを抽出する処理は、上述した処理例に限定されず、任意の処理を採用することができる。具体的には例えば、ユーザではなくコンテンツの登場人物となり得る人物に関するベクトルUman、例えば、その人物が登場人物となったコンテンツの数や頻度等に基づく各種情報を成分として構成されるベクトルUmanを各人物毎に予め作成しておき、類似人物に関するベクトルUmanと、ベクトルPP'とのマッチング処理を実行し、ベクトルUmanとマッチングしたベクトルPP'を有するコンテンツを、推薦コンテンツとして抽出する、といった手法を採用してもよい。
【００７４】
推薦コンテンツ抽出部３２は、このようにして抽出した推薦コンテンツの一覧を推薦情報として生成し、推薦情報出力部３３に出力する。
【００７５】
なお、推薦コンテンツ抽出部３２は、抽出したコンテンツを直ちに推薦コンテンツとせずに、推薦候補とするに留め、その後、適当な手法で選抜した推薦候補を、推薦コンテンツとして決定するようにしてもよい。換言すると、抽出されたコンテンツを、推薦コンテンツの一覧に含めるか否かの処理を選抜処理と捉え、抽出されたコンテンツの全てを推薦コンテンツの一覧に含めることも許可されていると捉えれば、結局、抽出されたコンテンツはみな推薦候補であると捉えることもできる。
【００７６】
推薦情報出力部３３は、推薦コンテンツ抽出部３２から提供された推薦情報を、テレビジョン表示装置１１や録画再生装置１２（図１）に適宜出力する。また、推薦情報出力部３３は、推薦情報を推薦情報保持部３４に適宜保持させる。
【００７７】
次に、かかる図２の機能的構成を有するコンテンツ推薦処理装置１０の処理のうちの、人物類似度情報を生成または更新する処理（以下、人物類似度情報生成／更新処理と称する）と、その人物類似度情報等を利用して推薦情報を生成して出力するまでの一連の処理（以下、コンテンツ推薦処理と称する）とについて、その順番で個別に説明していく。
【００７８】
図５のフローチャートは、人物類似度情報生成／更新処理の一例を示している。
【００７９】
ステップＳ１において、図２の人物類似度情報生成部３０は、コンテンツ情報保持部２４に保持されているコンテンツ情報に基づいて、複数の出演者を抽出する。
【００８０】
具体的には例えば、人物類似度情報生成部３０は、各コンテンツのそれぞれに関する各コンテンツ情報の出演者情報Ｐｍ（図４参照）にそれぞれ含まれているPerson（人物）を全て抽出する。
【００８１】
ステップＳ２において、人物類似度情報生成部３０は、処理対象類似基準を設定する。
【００８２】
ここで、処理対象類似基準について説明する。
【００８３】
人物間の類似度は、人物が有する様々な特徴のうちの所定の特徴に着目し、その所定の特徴がどの程度類似しているのかを所定の手法に従って演算することで算出可能である。かかる演算の対象となり得る人物の特徴を、ここでは類似基準と称している。
【００８４】
即ち、各人物によって差異を生じる特徴であって、その差異を定性的に表現できる特徴であれば、例えば、人物毎に特徴量を抽出可能でありその特徴量で差異を表現できる特徴であれば、何れの特徴も類似基準として採用可能である。具体的には例えば本実施の形態では、人物が有する顔の特徴（以下、単に「顔」と記述する）、人物が発声する声（以下、単に「声」と記述する）、および、人物が発話したり執筆したりするときに利用する言語の特徴（以下、単に「言語」と記述する）が、それぞれ類似基準として採用されているとする。
【００８５】
従って、本実施の形態では、ステップＳ２の処理によって、「顔」、「声」、および「言語」のうちの所定の１つの類似基準が、処理対象類似基準として設定される。
【００８６】
ステップＳ３において、人物類似度情報生成部３０は、ステップＳ１の処理で抽出された複数の出演者を、処理対象類似度基準の類似度表に登録する。
【００８７】
ここに、類似度表とは、例えば図６に示されるようなテーブル、即ち、所定の類似度基準についての各出演者間の類似度をそれぞれ記述するテーブルをいう。即ち、本実施の形態では、図６に示されるように、「顔」、「声」、および「言語」の類似度表が、人物類似度情報として人物類似度情報保持部３１に保持されることになる。
【００８８】
従って、処理対象類似基準についての類似度表が人物類似度情報保持部３１にまだ保持されていない場合、ステップＳ３の処理では、ステップＳ１の処理で抽出された複数の出演者全員が登録された類似度表（ただし、類似度を示す数値は未記載の類似度表）が新たに生成されて、人物類似度情報保持部３１に保持される。
【００８９】
具体的には例えば、処理対象類似基準が「顔」であって、ステップＳ１の処理で「俳優Ａ」、「俳優Ｂ」、「歌手Ｃ」、「歌手Ｄ」、「司会者Ｅ」、および「司会者Ｆ」が抽出された場合には、ステップＳ３の処理により、図６の「顔」の類似度表（ただし、類似度を示す各数値は未記載の類似度表）が新たに生成されて、人物類似度情報保持部３１に保持される。
【００９０】
これに対して、処理対象類似基準についての類似度表が人物類似度情報保持部３１に既に保持されている場合、ステップＳ３の処理では、ステップＳ１の処理で抽出された複数の出演者のうちの、類似度表に未登録の出演者のみが新たに登録される。即ち、類似度表の内容が更新される。
【００９１】
具体的には例えば、処理対象類似基準が「顔」であって、図６の状態の「顔」の類似度表が人物類似度情報保持部３１に既に保持されていた場合に、人物ＧがステップＳ１の処理で抽出されたときには、図示はしないが、ステップＳ３の処理により、「司会者Ｆ」の列の右方に「人物Ｇ」の列が新規作成され、また、「司会者Ｆ」の行の下方に「人物Ｇ」の行が新規作成される。
【００９２】
ステップＳ４において、人物類似度情報生成部３０は、処理対象類似基準に応じた類似度演算手法に基づいて、出演者の情報を取得する。そして、ステップＳ５において、人物類似度情報生成部３０は、処理対象類似基準に応じた類似度演算手法に従って、各出演者間の類似度をそれぞれ演算する
【００９３】
ここで、処理対象類似基準に応じた類似度演算手法の具体例についてその概略を説明する。
【００９４】
例えば、処理対象類似基準として「顔」が設定されている場合には、次のような類似度演算手法を採用できる。
【００９５】
即ち、人物類似度情報生成部３０は、各出演者の顔データを抽出する。この抽出手法は特に限定されず、例えば、所定の出演者の顔データが外部またはコンテンツ情報保持部２４等に予め保持されていれば、その顔データをそのまま抽出する、という手法を採用できる。また例えば、そのような顔データが存在しない場合には、コンテンツ情報保持部２４に保持されているコンテンツデータのうちの動画データから、抽出対象の出演者の顔が含まれている静止画データを生成し、その静止画データから顔の領域データを顔データとして抽出する、という手法を採用できる。
【００９６】
次に、人物類似度情報生成部３０は、複数の出演者の各顔データから、「顔」の類似度演算手法に応じた特徴量をそれぞれ抽出する。
【００９７】
例えば、「顔」の類似度演算手法として、主成分分析を行った空間上でのEuclid距離を利用する手法が採用されている場合には、顔データ（画像データ）から輝度情報が抽出され、その輝度データが主成分分析により次元圧縮された結果得られるデータが、「顔」の類似度演算手法に応じた特徴量として抽出されることになる。この「顔」の類似度演算手法に応じた特徴量が、ステップＳ４の処理で言う出演者の情報の一例である。
【００９８】
従って、ステップＳ５の処理では、抽出された各人物のそれぞれについての特徴量間の、特徴量空間上での適切な距離尺度に基づいて、各人物間の類似度が計算される。即ち、複数の出演者のそれぞれの顔データ（画像データ）から輝度情報がそれぞれ抽出され、それぞれの輝度情報が主成分分析により次元圧縮された結果得られるそれぞれのデータが、各人物の特徴量となる。かかる各人物の特徴量間の、主成分分析を行った空間上での各Euclid距離がそれぞれ演算される。そして、それらの各Euclid距離が、他の類似基準（「声」や「言語」）と比較できるように正規化された値（例えばここでは、0乃至１の範囲の値）が、各出演者間の類似度として算出される。
【００９９】
また例えば、処理対象類似基準として「声」が設定されている場合には、次のような類似度演算手法を採用できる。
【０１００】
即ち、人物類似度情報生成部３０は、各出演者の音声波形データを抽出する。この抽出手法は特に限定されず、例えば、所定の出演者の音声波形データが外部またはコンテンツ情報保持部２４等に予め保持されていれば、その音声波形データをそのまま抽出する、という手法を採用できる。また例えば、そのような音声波形データが存在しない場合には、コンテンツ情報保持部２４に保持されているコンテンツデータのうちの音声データから、抽出対象の出演者が発声している区間から音声波形データを抽出する、という手法を採用できる。
【０１０１】
次に、人物類似度情報生成部３０は、複数の出演者の各音声波形データから、「声」の類似度演算手法に応じた特徴量をそれぞれ抽出する。
【０１０２】
例えば、「声」の類似度演算手法として、HMM(Hidden Markov Model)やGMM（Gaussian Mixtures Model）等の音響モデルを用いる手法が採用されている場合には、MFCC(Mel Frequency Cepstrum Coefficient)等の特徴量が、「声」の類似度演算手法に応じた特徴量として抽出されることになる。この「声」の類似度演算手法に応じた特徴量が、ステップＳ４の処理で言う出演者の情報の一例である。
【０１０３】
従って、ステップＳ５の処理では、抽出された各人物のそれぞれについての特徴量間の、特徴量空間上での適切な距離尺度に基づいて、各人物間の類似度が計算される。即ち、例えば、複数の出演者のそれぞれの音声波形データから抽出された特徴量分布が混合正規分布でモデル化され、ある話者（出演者）の音声を他者（他の出演者）のモデルに適応した際のスコアが正規化され、それが距離尺度として利用され、それらの各距離尺度が、他の類似基準（「顔」や「言語」）と比較できるように正規化された値（例えばここでは、0乃至１の範囲の値）が、各出演者間の類似度として算出される。
【０１０４】
また例えば、処理対象類似基準として「言語」が設定されている場合には、次のような類似度演算手法を採用できる。
【０１０５】
即ち、人物類似度情報生成部３０は、各出演者のテキスト情報中に出現する単語の頻度を抽出する。出演者のテキスト情報として、例えば、出演者のコンテンツ中での発話を音声認識で書き起こしたものを採用できる。この場合の音声認識の手法は特に限定されず、例えばHMM等の音響モデルを用いる手法を採用できる。また例えば、出演者のテキスト情報として、出演者の著作やインタビュー記事などのテキスト情報を採用できる。出演者の著作やインタビュー記事などのテキスト情報は、外部またはコンテンツ情報保持部２４等から取得すればよい。
【０１０６】
次に、人物類似度情報生成部３０は、複数の出演者の各テキスト情報から、「言語」の類似度演算手法に応じた特徴量をそれぞれ抽出する。
【０１０７】
例えば、「言語」の類似度演算手法として、いわゆるベクトル空間法が採用されている場合には、複数の出演者の各テキスト情報のそれぞれに出現した各単語が、「言語」の類似度演算手法に応じた特徴量として抽出されることになる。この「言語」の類似度演算手法に応じた特徴量が、ステップＳ４の処理で言う出演者の情報の一例である。
【０１０８】
従って、ステップＳ５の処理では、抽出された各人物のそれぞれについての特徴量間の、特徴量空間上での適切な距離尺度に基づいて、各人物間の類似度が計算される。即ち、出現した個々の単語を独立した軸と考え、その出現頻度を値とする多次元空間の多次元ベクトル（多次元空間上の1点）として複数の出演者のそれぞれが表現され、複数の出演者のそれぞれについての各多次元ベクトル間の余弦(cosine)距離が演算され、それらの各余弦距離が、他の類似基準（「顔」や「声」）と比較できるように正規化された値（例えばここでは、0乃至１の範囲の値）が、各出演者間の類似度として算出される。
【０１０９】
なお、「顔」、「声」、および「言語」のそれぞれに応じた類似度演算手法は、上述した例に限定されず、その他の如何なる手法を採用できることはいうまでもない。
【０１１０】
このようにして、ステップＳ５の処理で各出演者間の類似度が演算されると、処理はステップＳ６に進む。
【０１１１】
ステップＳ６において、人物類似度情報生成部３０は、各出演者間の類似度を、処理対象類似基準の類似度表に記述する。
【０１１２】
具体的には例えば、処理対象類似基準が「顔」であって、ステップＳ１の処理で「俳優Ａ」、「俳優Ｂ」、「歌手Ｃ」、「歌手Ｄ」、「司会者Ｅ」、および「司会者Ｆ」が抽出されて、ステップＳ３の処理で、「俳優Ａ」、「俳優Ｂ」、「歌手Ｃ」、「歌手Ｄ」、「司会者Ｅ」、および「司会者Ｆ」が登録された類似度表が新たに生成されたとする。このような場合には、ステップＳ６の処理の結果として、図６に示されるような類似度を示す各数値が、対応する項目にそれぞれ記述された「顔」の類似度表が完成し、人物類似度情報保持部３１に保持されることになる。
【０１１３】
これにより、各人物間の類似度が容易にわかるようになる。例えば、図６の「顔」の類似度表にに着目すると、「俳優Ａ」と「俳優Ｂ」との類似度は「０．６」であり、「俳優Ａ」と「歌手Ｃ」との類似度は「０．３」であることが容易にわかる。これにより、「俳優Ａ」の顔は、「歌手Ｃ」の顔よりも「俳優Ｂ」の顔に類似していることも容易にわかる。
【０１１４】
図５に戻り、ステップＳ７において、人物類似度情報生成部３０は、別の類似基準の類似度表も作成／更新するか否かを判定する。
【０１１５】
ステップＳ７において、別の類似基準の類似度表も作成／更新すると判定された場合、処理はステップＳ２に戻され、それ以降の処理が繰り返される。即ち、本実施の形態では、「顔」、「声」、および「言語」のそれぞれに対して、ステップＳ２乃至Ｓ７のループ処理が繰り返し実行されて、その結果、図６に示されるような「顔」、「声」、および「言語」の各類似度表が完成し、人物類似度情報保持部３１に人物類似度情報として保持されることになる。
【０１１６】
これにより、ステップＳ７において、別の類似基準の類似度表も作成／更新しないと判定されて、人物類似度情報生成／更新処理は終了となる。
【０１１７】
なお、コンテンツ情報保持部２４の保持内容は逐次更新されていくので、人物類似度情報生成部３０は、人物類似度情報生成／更新処理を適宜実行して、例えば周期的に実行して、人物類似度情報保持部３１に保持されている人物類似度情報の内容も適宜更新しておくとよい。
【０１１８】
このような人物類似度情報生成／更新処理が１回以上実行されて、人物類似度情報保持部３１に人物類似度情報が保持されている場合、コンテンツ推薦処理装置１０は、例えば図７に示されるコンテンツ推薦処理を実行することができる。即ち、図７のフローチャートは、コンテンツ推薦処理の一例を示している。
【０１１９】
ステップＳ２１において、図２の推薦コンテンツ抽出部３２は、ユーザが好きであると判断できる特定人物を、ユーザ嗜好情報保持部２９に保持されているユーザ嗜好情報から抽出する。
【０１２０】
なお、特定人物の抽出とは、特定人物の人物情報の抽出を意味する。具体的には例えば本実施の形態では、上述したように、図４の出演者情報Pupの中で、所定の閾値以上の数値（嗜好度合）を有するPerson（人物）という情報が特定人物として抽出される。
【０１２１】
この場合、注意すべき点は、所定の閾値以上の数値（嗜好度合）を有するPerson（人物）が複数人存在する場合、それらの複数人が特定人物としてそれぞれ抽出される点である。即ち、ステップＳ２１の処理で抽出される特定人物の人数は１人とは限らず、複数人である場合もある。
【０１２２】
ステップＳ２２において、推薦コンテンツ抽出部３２は、特定人物が出演するコンテンツを、推薦候補として決定する。即ち、本実施の形態では、推薦コンテンツ抽出部３２は、図３の出演者情報Ｐｍに特定人物が含まれている（ベクトルの対応する成分が１である）コンテンツ情報を有するコンテンツを、推薦候補として決定する。
【０１２３】
ステップＳ２３において、推薦コンテンツ抽出部３２は、人類類似度情報保持部３１に保持されている人類類似度情報に基づいて、特定人物の類似人物を抽出する処理（以下、類似人物抽出処理と称する）を実行する。なお、類似人物抽出処理の詳細例については、図８乃至図１１を参照して後述する。
【０１２４】
ステップＳ２４において、推薦コンテンツ抽出部３２は、類似人物が出演するコンテンツを、推薦候補として決定する。即ち、本実施の形態では、推薦コンテンツ抽出部３２は、図３の出演者情報Ｐｍに類似人物が含まれている（ベクトルの対応する成分が１である）コンテンツ情報を有するコンテンツを、推薦候補として決定する。
【０１２５】
ステップＳ２５において、推薦コンテンツ抽出部３２は、推薦候補の中から、推薦コンテンツを選抜する。
【０１２６】
ステップＳ２６において、推薦コンテンツ抽出部３２は、推薦コンテンツの一覧（推薦情報）を推薦情報出力部３３を介して出力する。
【０１２７】
なお、図７の例では、特定人物が出演するコンテンツと、類似人物が出演するコンテンツとの両者が推薦候補として決定されたが、何れか一方を推薦コンテンツとして決定するようにしてもよい。即ち、従来のように特定人物が出演するコンテンツの一覧を推薦情報として出力することもできるし、類似人物が出演するコンテンツの一覧を推薦情報として出力することもできる。
【０１２８】
次に、図８のフローチャートを参照して、ステップＳ２３の処理、即ち類似人物抽出処理の詳細例について説明する。
【０１２９】
ステップＳ４１において、推薦コンテンツ抽出部３２は、使用類似基準を１種類以上決定する。
【０１３０】
使用類似基準とは、上述した各種の類似基準ののうちの、即ち、本実施の形態では、「顔」、「声」、および「言語」のうちの、類似人物を抽出すべく、特定人物との類似度を演算するときに使用する類似基準をいう。
【０１３１】
ステップＳ４２において、推薦コンテンツ抽出部３２は、使用類似基準のうちの所定の１種類を、処理対象類似基準を設定する。
【０１３２】
ステップＳ４３において、特定人物のうちの所定の１人を、処理対象特定人物に設定する。
【０１３３】
即ち、上述したように、特定人物は複数人である場合があるため、図８の例の類似人物抽出処理では、かかるステップＳ４３の処理が設けられており、さらに、後述するステップＳ４５乃至Ｓ４７の処理が設けられているのである。換言すると、特定人物が1人であることが前提とされているならば、ステップＳ４３およびステップＳ４５乃至Ｓ４７の処理は省略可能である。
【０１３４】
ステップＳ４４において、推薦コンテンツ抽出部３２は、処理対象特定人物に対する各出演者の類似度を、人物類似度情報保持部３１に保持されている人物類似度情報からそれぞれ取得する。
【０１３５】
具体的には例えば、図６の状態の「顔」の類似度表が人物類似度情報保持部３１に保持されており、処理対象類似基準が「顔」であって、処理対象特定人物が「俳優Ａ」である場合には、処理対象特定人物に対する各出演者の類似度として、「俳優Ａ」に対する「俳優Ｂ」の類似度「０．６」、「俳優Ａ」に対する「歌手Ｃ」の類似度「０．３」、「俳優Ａ」に対する「歌手Ｄ」の類似度「０．８」、「俳優Ａ」に対する「司会者Ｅ」の類似度「０．５」、および、「俳優Ａ」に対する「司会者Ｆ」の類似度「０．４」が、それぞれ取得される。
【０１３６】
ステップＳ４５において、推薦コンテンツ抽出部３２は、処理対象特定人物にまだ設定されていない特定人物は存在するか否かを判定する。
【０１３７】
複数の特定人物が存在する場合であって、それらの複数の特定人物の中に、処理対象特定人物にまだ設定されていない人物が存在する場合には、ステップＳ４５の処理でＹＥＳであると判定されて、処理はステップＳ４３に戻され、それ以降の処理が繰り返される。
【０１３８】
即ち、1人以上の特定人物のそれぞれに対してステップＳ４３乃至Ｓ４５のループ処理が繰り返し実行されて、1人以上の特定人物のそれぞれに対する各出演者の類似度がそれぞれ取得されることになる。その後、ステップＳ４５の処理でＮＯであると判定されて、処理はステップＳ４６に進む。
【０１３９】
ステップＳ４６において、推薦コンテンツ抽出部３２は、特定人物は複数人であるか否かを判定する。
【０１４０】
特定人物が複数人である場合、推薦コンテンツ抽出部４６は、ステップＳ４６においてＹＥＳであると判定して、ステップＳ４７において、所定の出演者に対する複数の特定人物の各類似度に基づいて、所定の出演者に対する総合的な類似度を演算する。かかる総合的な類似度は、出演者毎にそれぞれ演算される。なお、以下、このようなステップＳ４７の処理を、複数の特定人物の総合類似度演算処理と称する。複数の特定人物の総合類似度演算処理の詳細については、図９を参照して後述する。このステップＳ４７の複数の特定人物の総合類似度演算処理が終了すると、処理はステップＳ４８に進む。
【０１４１】
これに対して、特定人物が１人である場合、ステップＳ４６においてＮＯであると判定されて、ステップＳ４７の複数の特定人物の総合類似度演算処理は実行されずに、そのまま処理はステップＳ４８に進む。
【０１４２】
ステップＳ４８において、推薦コンテンツ抽出部３２は、処理対象類似基準にまだ設定されていない使用類似基準は存在するか否かを判定する。
【０１４３】
ステップＳ４８の処理でＹＥＳであると判定された場合、即ち、ステップＳ４１の処理で複数種類の使用類似基準が決定されて、それらの複数種類の使用類似規準の中に、処理対象使用類似基準にまだ設定されていない種類が存在する場合には、処理はステップＳ４２に戻され、それ以降の処理が繰り返される。
【０１４４】
即ち、１種類以上の使用類似基準のそれぞれに対してステップＳ４２乃至Ｓ４８のループ処理が繰り返し実行されて、１種類以上の使用類似基準毎に、特定人物に対する各出演者の類似度がそれぞれ取得される。ただし、複数の特定人物が存在する場合には総合的な類似度がそれぞれ演算される。その後、ステップＳ４８の処理でＮＯであると判定されて、処理はステップＳ４９に進む。
【０１４５】
ステップＳ４９において、推薦コンテンツ抽出部３２は、使用類似基準は複数種類であるか否かを判定する。
【０１４６】
ステップＳ４９においてＹＥＳであると判定した場合、即ちステップＳ４１の処理で複数種類の使用類似基準を決定していた場合、推薦コンテンツ抽出部４６は、ステップＳ５０において、複数種類の使用類似基準のそれぞれについての特定人物に対する各出演者の各類似度に基づいて、特定人物に対する各出演者の総合的な類似度をそれぞれ演算する。なお、以下、このようなステップＳ５０の処理を、複数の使用類似基準の総合類似度演算処理と称する。複数の使用類似基準の総合類似度演算処理の詳細については、図１０を参照して後述する。このステップＳ５０の複数の使用類似基準の総合類似度演算処理が終了すると、処理はステップＳ５１に進む。
【０１４７】
これに対してステップＳ４９においてＮＯであると判定された場合、即ちステップＳ４１の処理で１種類の使用類似基準が決定されていた場合、ステップＳ５０の複数の使用類似基準の総合類似度演算処理は実行されずに、そのまま処理はステップＳ５１に進む。
【０１４８】
ステップＳ５１において、推薦コンテンツ抽出部３２は、類似度が閾値以上の出演者を、類似人物として決定する。
【０１４９】
具体的には例えば、図６の状態の「顔」の類似度表が人物類似度情報保持部３１に保持されており、使用類似基準が「顔」のみであって、特定人物が「俳優Ａ」１人のみであった場合に、上述したステップＳ４１乃至Ｓ５０の処理が実行されたとする。このような場合には、ステップＳ５１の処理で閾値と比較される類似度は、「俳優Ａ」に対する「俳優Ｂ」の類似度「０．６」、「俳優Ａ」に対する「歌手Ｃ」の類似度「０．３」、「俳優Ａ」に対する「歌手Ｄ」の類似度「０．８」、「俳優Ａ」に対する「司会者Ｅ」の類似度「０．５」、および、「俳優Ａ」に対する「司会者Ｆ」の類似度「０．４」のそれぞれとなる。従って、例えば閾値として「０．７」が設定されている場合には、類似度「０．８」を有する「歌手Ｄ」が、類似人物として決定される。
【０１５０】
また例えば、ステップＳ４７の複数の特定人物の総合類似度演算処理や、ステップＳ５０の複数の使用類似基準の総合類似度演算処理が実行されていた場合には、それらの演算処理の結果得られる総合的な類似度が、閾値と比較され、総合的な類似度が閾値以上の出演者が、類似人物として決定される。
【０１５１】
このようにして、ステップＳ５１の処理で類似人物が決定されると、類似人物抽出処理が終了し、即ち、上述した図７のステップＳ２３の処理が終了し、次のステップＳ２４の処理で、このステップＳ５１の処理で決定された類似人物が出演するコンテンツが、推薦候補として決定される。
【０１５２】
次に、類似人物抽出処理におけるステップＳ４７とＳ５０との各処理の詳細について、即ち、複数の特定人物の総合類似度演算処理と、複数の使用類似基準の総合類似度演算処理とのそれぞれの詳細について、その順番で個別に説明していく。
【０１５３】
図９のフローチャートは、複数の特定人物の総合類似度演算処理の詳細例を示している。
【０１５４】
ステップＳ７１において、推薦コンテンツ抽出部３２は、複数の特定人物の各嗜好度合を、ユーザ嗜好情報保持部２９に保持されているユーザ嗜好情報から抽出する。
【０１５５】
具体的には例えば本実施の形態では、図４の出演者情報Ｐｕｐのうちの、複数の特定人物のそれぞれに対応付けられた各数値が、複数の特定人物の各嗜好度合として抽出される。即ち、例えば「personA」が特定人物に含まれる場合には、その嗜好度合として「１０」が抽出される。また例えば、「personB」が特定人物に含まれる場合には、その嗜好度合として「４３」が抽出される。
【０１５６】
ステップＳ７２において、推薦コンテンツ抽出部３２は、複数の出演者のうちの所定の1人を、処理対象出演者に設定する。
【０１５７】
ステップＳ７３において、推薦コンテンツ抽出部３２は、複数の特定人物のそれぞれに対する処理対象出演者の各類似度を、対応する特定人物の嗜好度合いを用いて重み付けする。そして、ステップＳ７４において、推薦コンテンツ抽出部３２は、重み付けされた各類似度の総加算を、処理対象出演者の類似度として決定する。
【０１５８】
ステップＳ７５において、推薦コンテンツ抽出部３２は、処理対象出演者にまだ設定されていない出演者は存在するか否かを判定する。
【０１５９】
ステップＳ７５の処理でＹＥＳであると判定された場合、即ち、処理対象出演者にまだ設定されていない出演者が存在する場合、処理はステップＳ７２に戻され、それ以降の処理が繰り返される。
【０１６０】
即ち、複数の出演者のそれぞれに対して、ステップＳ７２乃至Ｓ７５のループ処理が繰り返し実行され、複数の出演者の各総合的な類似度がそれぞれ演算される。
【０１６１】
具体的には例えば、「俳優Ａ」と「歌手Ｄ」とが特定人物であって、ステップＳ７１の処理でそれぞれ抽出された各嗜好度合を正規化した各値が「０．７」と「０．３」とのそれぞれであるとする。そして、「０．７」を「俳優Ａ」の重み値として採用し、また、「０．３」を「歌手Ｄ」の重み値として採用するとする。
【０１６２】
また、「顔」についての総合的な類似度が演算されるとし、その類似度演算の対象人物が、即ち複数の出演者が「俳優Ｂ」、「歌手Ｃ」、「司会者Ｅ」、および「司会者Ｆ」であったとする。また、各人物間の各類似度は、図６の状態の「顔」の類似度表に示されている各値であるとする。
【０１６３】
即ち、「俳優Ａ」に対する類似度は、「俳優Ｂ」については「０．６」であり、「歌手Ｃ」については「０．３」であり、「司会者Ｅ」については「０．５」であり、「司会者Ｆ」については「０．４」であるとする。
【０１６４】
また、「歌手Ｄ」に対する類似度は、「俳優Ｂ」については「０．４」であり、「歌手Ｃ」については「０．５」であり、「司会者Ｅ」については「０．５」であり、「司会者Ｆ」については「０．５」であるとする。
【０１６５】
この場合、ステップＳ７２の処理で「俳優Ｂ」が処理対象出演者に設定されると、ステップＳ７２の処理で、「俳優Ａ」に対する「俳優Ｂ」の類似度「０．６」が重み値「０．７」で重み付けされて「０．６*０．７」となり、また、「歌手Ｄ」に対する「俳優Ｂ」の類似度「０．４」が重み値「０．３」で重み付けされて「０．４*０．３」となる。
【０１６６】
従って、ステップＳ７４の処理で、次の式（１）の演算が実行され、その演算結果である「０．５４」が、「俳優Ｂ」の総合的な類似度として決定される。
【０１６７】
０．６＊０．７＋０．４＊０．３＝０．５４ ・・・（１）
【０１６８】
同様に、「歌手Ｃ」が処理対象出演者に設定されると、ステップＳ７３とＳ７４の処理で、次の式（２）の演算が実行され、その演算結果である「０．３６」が「歌手Ｃ」の総合的な類似度として決定される。
【０１６９】
０．３＊０．７＋０．５＊０．３＝０．３６ ・・・（２）
【０１７０】
また、「司会者Ｅ」が処理対象出演者に設定されると、ステップＳ７３とＳ７４の処理で、次の式（３）の演算が実行され、その演算結果である「０．５」が「司会者Ｅ」の総合的な類似度として決定される。
【０１７１】
０．５＊０．７＋０．５＊０．３＝０．５ ・・・（３）
【０１７２】
また、「司会者Ｆ」が処理対象出演者に設定されると、ステップＳ７３とＳ７４の処理で、次の式（４）の演算が実行され、その演算結果である「０．４３」が「司会者Ｆ」の総合的な類似度として決定される。
【０１７３】
０．４＊０．７＋０．５＊０．３＝０．４３ ・・・（４）
【０１７４】
従って、この数値例では、総合的な類似度は、「俳優Ｂ」＞「司会者Ｅ」＞「司会者Ｆ」＞「歌手Ｃ」となる。
【０１７５】
このようにして、複数の出演者のそれぞれの総合的な類似度が演算されると、ステップＳ７５の処理でＮＯであると判定されて、複数の特定人物の総合類似度演算処理が終了する。即ち、上述した図８のステップＳ４７の処理が終了し、処理はステップＳ４８に進む。
【０１７６】
この場合、ステップＳ４１の処理で決定された使用類似基準が１種類だけであるとすると、ステップＳ５０の複数の使用類似基準の総合類似度演算処理は実行されないので、このステップＳ４７の複数の特定人物の総合類似度演算処理結果、即ち、各出演者の総合的な類似度のそれぞれが、ステップＳ５１の処理において、閾値と比較されることになる。
【０１７７】
具体的には例えば、各出演者の総合的な類似度が上述した数値例であって、閾値が「０．４」の場合、総合的な類似度「０．５４」を有する「俳優Ｂ」と、総合的な類似度「０．５」を有する「司会者Ｅ」とのそれぞれが、類似人物として決定される。
【０１７８】
次に、図１０のフローチャートを参照して、複数の使用類似基準の総合類似度演算処理例、即ち、上述した図８のステップＳ５０の処理の詳細例について説明する。
【０１７９】
ステップＳ９１において、推薦コンテンツ抽出部３２は、推薦候補となり得るコンテンツのジャンルを、コンテンツ情報保持部２４に保持されているコンテンツ情報から取得する。
【０１８０】
ステップＳ９２において、推薦コンテンツ抽出部３２は、取得されたジャンルのうちの所定の1つを、処理対象ジャンルに設定する。
【０１８１】
ステップＳ９３において、推薦コンテンツ抽出部３２は、処理対象ジャンルについて、複数の類似基準の各重み係数をそれぞれ決定する。
【０１８２】
ステップＳ９４において、推薦コンテンツ抽出部３２は、複数の出演者のうちの所定の1人を、処理対象出演者に設定する。
【０１８３】
ステップＳ９５において、推薦コンテンツ抽出部３２は、複数の使用類似基準のそれぞれに対する処理対象出演者の各類似度を、対応する使用類似基準の重み係数を用いて重み付けする。そして、ステップＳ９６において、推薦コンテンツ抽出部３２は、重み付けされた各類似度の総加算を、処理対象出演者の類似度として決定する。
【０１８４】
ステップＳ９７において、推薦コンテンツ抽出部３２は、処理対象出演者にまだ設定されていない出演者は存在するか否かを判定する。
【０１８５】
ステップＳ９７の処理でＹＥＳであると判定された場合、即ち、処理対象出演者にまだ設定されていない出演者が存在する場合、処理はステップＳ９４に戻され、それ以降の処理が繰り返される。
【０１８６】
即ち、処理対象ジャンルについて、複数の出演者のそれぞれに対して、ステップＳ９４乃至Ｓ９８のループ処理が繰り返し実行され、複数の出演者の各総合的な類似度がそれぞれ演算される。その後、ステップＳ９７の処理でＮＯであると判定されて、処理はステップＳ９８に進む。
【０１８７】
ステップＳ９８において、推薦コンテンツ抽出部３２は、処理対象ジャンルにまだ設定されていないジャンルは存在するか否かを判定する。
【０１８８】
ステップＳ９８の処理でＹＥＳであると判定された場合、即ち、処理対象ジャンルにまだ設定されていないジャンルが存在する場合、処理はステップＳ９２に戻され、それ以降の処理が繰り返される。
【０１８９】
即ち、ステップＳ９１の処理で取得された各ジャンルのそれぞれについて、ステップＳ９２乃至Ｓ９８のループ処理が繰り返し実行され、複数の出演者の各総合的な類似度がそれぞれ演算される。その後、ステップＳ９８の処理でＮＯであると判定されて、処理はステップＳ９９に進む。
【０１９０】
ステップＳ９９において、推薦コンテンツ抽出部３２は、ステップＳ９１の処理で取得されたジャンルは複数であるか否かを判定する。
【０１９１】
ステップＳ９１の処理で取得されたジャンルが複数であった場合、ステップＳ９９の処理でＹＥＳであると判定されて、処理はステップＳ１００に進む。ステップＳ１００において、推薦コンテンツ抽出部３２は、複数の出演者毎に、ジャンル統合類似度を演算する。
【０１９２】
ここに、所定の出演者についてのジャンル統合類似度とは、その所定の出演者について、複数のジャンル毎にステップＳ９６の処理で決定された各類似度（以下、ジャンル類似度と称する）を用いて、所定の演算規則に従って算出された１つの類似度をいう。所定の演算規則は、特に限定されず、例えば、各ジャンル類似度を重み付けし、重み付け後の各ジャンル類似度の平均値をジャンル統合類似度とする、といった演算規則を採用できる。また例えば、重み付け後の各ジャンル類似度の総加算値をジャンル統合類似度とする、といった演算規則を採用できる。
【０１９３】
このようなステップＳ１００の処理が終了すると、複数の使用類似基準の総合類似度演算処理は終了となる。即ち、上述した図８のステップＳ５０の処理が終了し、処理はステップＳ５１に進む。
【０１９４】
これに対して、ステップＳ９１の処理で取得されたジャンルが１つだけであった場合、ステップＳ９９の処理でＮＯであると判定されて、ステップＳ１００の処理は実行されずに、複数の使用類似基準の総合類似度演算処理は終了となる。即ち、上述した図８のステップＳ５０の処理が終了し、処理はステップＳ５１に進む。
【０１９５】
以上説明したように、複数の使用類似基準の総合類似度演算処理は、コンテンツの内容（ここではジャンル）によって、重視する使用類似基準を変更することを特徴とする。即ち、所定のジャンルによって、重視する使用類似基準を変更するべく、図１０の例では、その重視度合いを示す値として、ステップＳ９３の処理で決定される重み係数が利用されている。
【０１９６】
換言すると、この重み係数は、どのように重視するのかに応じて任意に決定することができる。即ち、ステップＳ９３の処理は、最終的に重み係数が決定されれば足り、その処理内容は特に限定されない。
【０１９７】
例えば、過去の推薦コンテンツに対するユーザの反応から動的に更新する処理、即ち、所定の演算手法に従って各重み係数をその都度算出する処理を、ステップＳ９３の処理として採用することができる。
【０１９８】
また例えば、ジャンル毎の各類似基準の各重み係数を予め設定して保持しておき、その保持されている各重み係数を抽出する処理を、ステップＳ９３の処理として採用してもよい。具体例には例えば図１１に示されるような重み係数情報を図２の人物類似度情報保持部３１等に予め保持させておき、推薦コンテンツ抽出部３２が、ステップＳ９３の処理として、処理対象ジャンルについての「顔」係数α、「声」係数β、「言語」係数γを取得することで、それらを各重み係数として決定することができる。
【０１９９】
この場合、ステップＳ９５とＳ９６の処理として、次の式（５）が演算されて、処理対象ジャンルについての処理対象出演者の総合的な類似度が決定されることになる。
【０２００】
総合的な類似度= α×「顔」類似度＋β×「声」類似度＋γ×「言語」類似度 ・・・（５）
【０２０１】
なお、式（５）において、「顔」類似度とは、使用類似基準が「顔」の場合の処理対象出演者の類似度をいう。即ち、α×「顔」類似度が、ステップＳ９５の処理により「顔」類似度が重み付けされた結果である。同様に、「声」類似度とは、使用類似基準が「声」の場合の処理対象出演者の類似度をいう。即ち、β×「声」類似度が、ステップＳ９５の処理により「声」類似度が重み付けされた結果である。また、「言語」類似度とは、使用類似基準が「言語」の場合の処理対象出演者の類似度をいう。即ち、γ×「言語」類似度が、ステップＳ９５の処理により「言語」類似度が重み付けされた結果である。
【０２０２】
また、式（５）で算出される「総合的な類似度」とは、処理対象ジャンルとされている１つのジャンルについての類似度、即ち、ステップＳ１００の処理の説明において上述した「ジャンル類似度」をいう。従って、ステップＳ９１の処理で取得されたジャンルが複数であった場合、複数のジャンル毎に、式（５）を利用して各ジャンル類似度が算出される。そして、ステップＳ１００の処理で、複数のジャンルのそれぞれについての各ジャンル類似度が統合された１つの類似度、即ちジャンル統合類似度が演算される。
【０２０３】
なお、上述した図８のステップＳ４１の処理で「顔」が使用類似基準として決定されていない場合、「顔」係数α＝０として取り扱い、「声」係数βと「言語」係数γとについては、それらの加算値が１となるように再度正規化を行えばよい。即ち、かかる処理をステップＳ９３の処理として実行すればよい。
【０２０４】
同様に、上述した図８のステップＳ４１の処理で「声」が使用類似基準として決定されていない場合、「声」係数β＝０として取り扱い、「顔」係数αと「言語」係数γとについては、それらの加算値が１となるように再度正規化を行えばよい。即ち、かかる処理をステップＳ９３の処理として実行すればよい。また、上述した図８のステップＳ４１の処理で「言語」が使用類似基準として決定されていない場合、「言語」係数γ＝０として取り扱い、「顔」係数αと「声」係数βとについては、それらの加算値が１となるように再度正規化を行えばよい。即ち、かかる処理をステップＳ９３の処理として実行すればよい。
【０２０５】
また、ステップＳ９５とＳ９６の処理の代わりに、ベイジアンネットを利用して３つの類似尺度、即ち、「顔」、「声」、「言語」の各類似度を統合することで、処理対象ジャンルについての処理対象出演者の総合的な類似度を決定する処理を採用してもよい。
【０２０６】
また、コンテンツの内容として、図１０の例ではジャンルが採用されたが、図１０の例に特に限定されない。即ち、図１０における「ジャンル」を、任意の「コンテンツの内容」に置き換えるだけで、任意の「コンテンツの内容」についての、複数の使用類似基準の総合類似度演算処理が容易に実現できる。
【０２０７】
さらにまた、複数の使用類似基準の総合類似度演算処理の特徴、即ち、コンテンツの内容（ここではジャンル）によって、重視する使用類似基準を変更するという特徴は、別の処理、例えば図８のステップＳ４１の処理に適用することもできる。即ち、ステップＳ４１の処理の使用類似基準の決定手法として、コンテンツのジャンルに応じて決定する手法を採用することができる。具体的には例えば、コンテンツのジャンルが、情報や教養系の場合には出演者の発話内容を重視しべく「言語」を、アニメの場合は声優の声質を重視すべく「声」を、音楽の場合は歌手の声質を重視すべく「声」を、ドラマや映画の場合は出演者の顔情報を重視すべく「顔」を、それぞれ使用類似基準として決定する、といった手法をステップＳ４１の処理に採用できる。
【０２０８】
以上、図５の人物類似度情報生成／更新処理と、図７等のコンテンツ推薦処理とは何れも、図２の機能的構成を有するコンテンツ推薦処理装置１０により実行されるとして説明してきた。即ち、図５の人物類似度情報生成／更新処理と、図７等のコンテンツ推薦処理とは、同一装置により実行されることを前提に説明してきた。しかしながら、図５の人物類似度情報生成／更新処理と、図７等のコンテンツ推薦処理とは互いに独立した処理であるので、このことを考慮すると、両者の処理を同一装置で実行する必要は必ずしもない。
【０２０９】
例えば、コンテンツ推薦処理装置１０は、図２のコンテンツ情報保持部２４、ユーザ嗜好情報保持部２９、人物類似度情報保持部３１、推薦コンテンツ抽出部３２、推薦情報出力部３３、および推薦情報保持部３４だけ備えるように構成させて、図２の他の機能ブロックの機能については他の装置に委譲することも可能である。
【０２１０】
具体的には例えば、図１の配信サーバ５が、人物類似度情報生成部３０の機能を有するようにしてもよい。この場合、配信サーバ５が、図５の人物類似度情報生成／更新処理を定期的に実行し、その処理結果、即ち、生成または更新された人物類似度情報を、ネットワーク８を介してコンテンツ推薦処理装置１０に配布することができる。実際には、非常に数多くのユーザがそれぞれのコンテンツ推薦処理装置１０を個別に保有することになるので、そのことを考慮すれば、図５の人物類似度情報生成／更新処理は、各コンテンツ推薦処理装置１０側で実行するよりも、配信サーバ５側で実行する方が好適である。
【０２１１】
ところで、上述した一連の処理は、ハードウエアにより実行させることもできるが、ソフトウエアにより実行させることができる。
【０２１２】
この場合、図２のコンテンツ推薦処理装置１０等の少なくとも一部として、例えば、図１２に示されるパーソナルコンピュータを採用してもよい。
【０２１３】
図１２において、CPU（Central Processing Unit）１０１は、ROM（Read Only Memory）１０２に記録されているプログラム、または記憶部１０８からRAM（Random Access Memory）１０３にロードされたプログラムに従って各種の処理を実行する。RAM１０３にはまた、CPU１０１が各種の処理を実行する上において必要なデータなども適宜記憶される。
【０２１４】
CPU１０１、ROM１０２、およびRAM１０３は、バス１０４を介して相互に接続されている。このバス１０４にはまた、入出力インタフェース１０５も接続されている。
【０２１５】
入出力インタフェース１０５には、キーボード、マウスなどよりなる入力部１０６、ディスプレイなどよりなる出力部１０７、ハードディスクなどより構成される記憶部１０８、および、モデム、ターミナルアダプタなどより構成される通信部１０９が接続されている。通信部１０９は、インターネットを含むネットワークを介して他の装置（図示せず）との間で行う通信を制御する。
【０２１６】
入出力インタフェース１０５にはまた、必要に応じてドライブ１１０が接続され、磁気ディスク、光ディスク、光磁気ディスク、或いは半導体メモリなどよりなるリムーバブルメディア１１１が適宜装着され、それらから読み出されたコンピュータプログラムが、必要に応じて記憶部１０８にインストールされる。
【０２１７】
一連の処理をソフトウエアにより実行させる場合には、そのソフトウエアを構成するプログラムが、専用のハードウエアに組み込まれているコンピュータ、または、各種のプログラムをインストールすることで、各種の機能を実行することが可能な、例えば汎用のパーソナルコンピュータなどに、ネットワークや記録媒体からインストールされる。
【０２１８】
このようなプログラムを含む記録媒体は、図１２に示されるように、装置本体とは別に、ユーザにプログラムを提供するために配布される、プログラムが記録されている磁気ディスク（フロッピディスクを含む）、光ディスク（CD-ROM(Compact Disk-Read Only Memory),DVD(Digital Versatile Disk)を含む）、光磁気ディスク（ＭＤ（Mini-Disk）を含む）、もしくは半導体メモリなどよりなるリムーバブル記録媒体（パッケージメディア）１１１により構成されるだけでなく、装置本体に予め組み込まれた状態でユーザに提供される、プログラムが記録されているROM１０２や、記憶部１０８に含まれるハードディスクなどで構成される。
【０２１９】
なお、本明細書において、記録媒体に記録されるプログラムを記述するステップは、その順序に沿って時系列的に行われる処理はもちろん、必ずしも時系列的に処理されなくとも、並列的あるいは個別に実行される処理をも含むものである。
【０２２０】
また、本明細書において、システムとは、複数の装置や処理部により構成される装置全体を表すものである。
【０２２１】
また例えば、コンテンツとして、上述した実施の形態では、テレビジョン放送番組と、配信ストリーミングデータとのみを採用したが、当然ながら上述した実施の形態に限定されるものではない。即ち、コンテンツとは、広く、人間の創造的活動により生み出されるものをいい、このようなコンテンツ全体に対して本発明は適用可能である。
【０２２２】
例えば、映画、音楽、演劇、文芸、写真、漫画、アニメーション、コンピュータゲームその他の文字、図形、色彩、音声、動作若しくは映像若しくはこれらを組み合わせたもの又はこれらに係る情報を電子計算機を介して提供するためのプログラムが、コンテンツの一例であり、何れも本発明に適用可能である。即ち、これらの各種のコンテンツを推薦の対象とすることができる。さらに、この場合、ユーザが嗜好する特定人物に基づくコンテンツ推薦に限定する必要は特に無く、広く特定オブジェクトに基づくコンテンツ推薦を行うことができる。この場合、上述した一連の処理を施すことで、特定オブジェクトに類似する類似オブジェクトを認識し、その類似オブジェクトに基づくコンテンツ推薦を行うことも可能になる。
【図面の簡単な説明】
【０２２３】
【図１】テレビジョン番組放送、およびストリームデータの配信について説明する図である。
【図２】本発明が適用される情報処理装置としての、図１のコンテンツ推薦処理装置の機能的構成例を示す機能ブロック図である。
【図３】図２のコンテンツ情報保持部に保持されるコンテンツ情報の一例を示す図である。
【図４】図２のユーザ嗜好情報保持部に保持されるユーザ嗜好情報の一例を示す図である。
【図５】図２のコンテンツ推薦処理装置が実行する人物類似度情報生成／更新処理例を説明するフローチャートである。
【図６】図５の人物類似度情報生成／更新処理により生成されて、図２の人物類似度情報保持部３１に保持される人物類似度情報の一例を示す図である。
【図７】図２のコンテンツ推薦処理装置が実行するコンテンツ推薦処理例を説明するフローチャートである。
【図８】図７のステップＳ２３の類似人物抽出処理の詳細例を説明するフローチャートである。
【図９】図８のステップＳ４７の複数の特定人物の総合類似度演算処理の詳細例を説明するフローチャートである。
【図１０】図８のステップＳ５０の複数の使用類似基準の総合類似度演算処理の詳細例を説明するフローチャートである。
【図１１】図１０の複数の使用類似基準の総合類似度演算処理で利用される重み係数情報の一例を示す図である。
【図１２】本発明が適用される画像処理装置としてのパーソナルコンピュータの構成例を示すブロック図である。
【符号の説明】
【０２２４】
５ 配信サーバ， １０ コンテンツ推薦処理装置， ２４ コンテンツ情報保持部， ２９ ユーザ嗜好情報保持部， ３０ 人物類似度情報生成部， ３１ 人物類似度情報保持部， ３２ 推薦コンテンツ抽出部， ３３ 推薦情報出力部， １０１ CPU， １０２ ROM， １０３ RAM， １０８ 記憶部， １１１ リムーバブル記録媒体
【技術分野】
【０００１】
本発明は、情報処理装置および方法、並びにプログラムに関し、特に、ユーザが嗜好する特定人物に基づくコンテンツ推薦だけではなく、ユーザの嗜好から外れない範囲内でバリエーションのあるコンテンツ推薦ができる情報処理装置および方法、並びにプログラムに関する。
【背景技術】
【０００２】
従来、コンテンツに付与されたメタデータを利用してコンテンツの推薦を行う推薦装置が利用されている（例えば特許文献１）。例えば、コンテンツとしてテレビジョン放送番組（以下、番組と適宜称する）を対象とした従来の推薦装置では、番組の出演者や番組のタイトル等を含む番組毎のメタデータを利用して、ユーザが嗜好する特定人物が出演している番組を認識し、それを推薦番組としてユーザに呈示することができる。
【特許文献１】特開２００４−１９４１０８号公報
【発明の開示】
【発明が解決しようとする課題】
【０００３】
しかしながら、ユーザにとっては、その特定人物への嗜好が強ければ強いほど、その特定人物が出演する番組は既に視聴していたり、既に録画予約している場合が多い。従って、このような場合、特許文献１を含む従来の推薦装置により推薦された番組は、ユーザにとって既知の番組であり、かかる番組の推薦は意味を成していない。このことは、番組のみならず、ユーザに配布されるコンテンツ一般に当てはまることである。
【０００４】
換言すると、ユーザにとっては、ユーザが嗜好する特定人物に基づくコンテンツ推薦だけでは不十分であり、ユーザの嗜好から外れない範囲内でバリエーションのあるコンテンツ推薦をして欲しいという要望が存在する。しかしながら、特許文献１を含む従来の推薦装置では、かかる要望に十分に応えられていないという状況である。
【０００５】
本発明は、このような状況に鑑みてなされたものであり、ユーザが嗜好する特定人物に基づくコンテンツ推薦だけではなく、ユーザの嗜好から外れない範囲内でバリエーションのあるコンテンツ推薦をできるようにするものである。
【課題を解決するための手段】
【０００６】
本発明の一側面の情報処理装置は、ユーザにコンテンツを推薦する情報処理装置であって、ユーザが嗜好する特定人物に関する人物情報を含む嗜好情報を保持する嗜好情報保持手段と、前記特定人物を含む複数の人物間における所定の類似基準に基づく各類似度を示す人物類似情報を保持する人物類似情報保持手段と、前記嗜好情報保持手段に保持された前記嗜好情報に基づいて前記特定人物を認識し、前記人物類似情報保持手段に保持された前記人物類似情報に基づいて、前記特定人物に類似すると判断できる類似人物を認識し、前記特定人物が出演するコンテンツと前記類似人物が出演するコンテンツとのうちの少なくとも一方を、ユーザに対して推薦すべき推薦コンテンツの候補として決定する推薦手段とを備える。
【０００７】
前記所定の類似基準に基づく類似度は、人物が有する顔の特徴に基づく類似度である。
【０００８】
前記所定の類似基準に基づく類似度は、人物が発声する声の特徴に基づく類似度である。
【０００９】
前記所定の類似基準に基づく類似度は、人物が利用する言語の特徴に基づく類似度である。
【００１０】
前記人物類似情報は、複数の類似基準のそれぞれに基づく各類似度を示す各情報からなり、前記推薦手段は、前記複数の類似基準のそれぞれについて、前記類似人物の候補と前記特定人物との間の各類似度を前記人物類似情報から取得し、取得した前記複数の類似基準のそれぞれについての前記各類似度と、コンテンツの内容に応じて変化する前記複数の類似基準の重要度合とに基づいて、前記類似人物の候補の総合的な類似度を演算し、前記総合的な類似度に基づいて、前記類似人物の候補を前記類似人物として認識するか否かを決定する。
【００１１】
前記推薦手段は、前記特定人物として複数人を認識し、前記類似人物の候補と、前記複数の特定人物のそれぞれとの間の各類似度を前記人物類似情報から取得し、取得した前記各類似度に基づいて、前記類似人物の候補の総合的な類似度を演算し、前記総合的な類似度に基づいて、前記類似人物の候補を前記類似人物として認識するか否かを決定する。
【００１２】
前記特定人物を含む前記複数の人物間における前記所定の類似基準に基づく各類似度をそれぞれ演算し、それらの演算結果を前記人物類似情報として前記人物類似情報保持手段に保持させる類似度演算手段をさらに備える。
【００１３】
本発明の一側面の情報処理方法は、ユーザが嗜好する特定人物に関する嗜好情報を保持する嗜好情報保持手段と、前記特定人物を含む複数の人物間における所定の類似基準に基づく各類似度を示す人物類似情報を保持する人物類似情報保持手段とを備え、前記ユーザにコンテンツを推薦する情報処理装置の情報処理方法であって、前記嗜好情報保持手段に保持された前記嗜好情報に基づいて前記特定人物を認識し、前記人物類似情報保持手段に保持された前記人物類似情報に基づいて、前記特定人物に類似すると判断できる類似人物を認識し、前記特定人物が出演するコンテンツと前記類似人物が出演するコンテンツとのうちの少なくとも一方を、ユーザに対して推薦すべき推薦コンテンツの候補として決定するステップを含む。
【００１４】
本発明の一側面のプログラムは、上述した本発明の一側面の情報処理方法に対応するプログラムである。
【００１５】
本発明の一側面の情報処理装置および方法、並びにプログラムにおいては、ユーザが嗜好する特定人物に関する嗜好情報を保持する嗜好情報保持手段と、前記特定人物を含む複数の人物間における所定の類似基準に基づく各類似度を示す人物類似情報を保持する人物類似情報保持手段とを備え、前記ユーザにコンテンツを推薦する情報処理装置または推薦装置が対象となり、次のような処理が実行される。即ち、前記嗜好情報保持手段に保持された前記嗜好情報に基づいて前記特定人物が認識され、前記人物類似情報保持手段に保持された前記人物類似情報に基づいて、前記特定人物に類似すると判断できる類似人物が認識され、前記特定人物が出演するコンテンツと前記類似人物が出演するコンテンツとのうちの少なくとも一方が、ユーザに対して推薦すべき推薦コンテンツの候補として決定される。
【発明の効果】
【００１６】
以上のごとく、本発明によれば、ユーザにコンテンツを推薦することができる。特に、ユーザが嗜好する特定人物に基づくコンテンツ推薦だけではなく、類似人物に基づくコンテンツ推薦ができるようになった。即ち、ユーザの嗜好から外れない範囲内でバリエーションのあるコンテンツ推薦をすることが可能になった。
【発明を実施するための最良の形態】
【００１７】
以下に本発明の実施の形態を説明するが、本発明の構成要件と、発明の詳細な説明に記載の実施の形態との対応関係を例示すると、次のようになる。この記載は、本発明をサポートする実施の形態が、発明の詳細な説明に記載されていることを確認するためのものである。従って、発明の詳細な説明中には記載されているが、本発明の構成要件に対応する実施の形態として、ここには記載されていない実施の形態があったとしても、そのことは、その実施の形態が、その構成要件に対応するものではないことを意味するものではない。逆に、実施の形態が構成要件に対応するものとしてここに記載されていたとしても、そのことは、その実施の形態が、その構成要件以外の構成要件には対応しないものであることを意味するものでもない。
【００１８】
さらに、この記載は、発明の実施の形態に記載されている具体例に対応する発明が、請求項に全て記載されていることを意味するものではない。換言すれば、この記載は、発明の実施の形態に記載されている具体例に対応する発明であって、この出願の請求項には記載されていない発明の存在、すなわち、将来、分割出願されたり、補正により追加される発明の存在を否定するものではない。
【００１９】
本発明の一側面の情報処理装置（例えば図２のコンテンツ推薦処理装置１０）は、
ユーザにコンテンツを推薦する情報処理装置であって、
前記ユーザが嗜好する特定人物に関する嗜好情報（例えば図４の出演者情報Ｐｕｐを含むユーザ嗜好情報）を保持する嗜好情報保持手段（例えば図２のユーザ嗜好情報保持部２９）と、
前記特定人物を含む複数の人物間における所定の類似基準に基づく各類似度を示す人物類似情報（例えば図６の人物類似度情報）を保持する人物類似情報保持手段（例えば図２の人物類似度情報保持部３１）と、
前記嗜好情報保持手段に保持された前記嗜好情報に基づいて前記特定人物を認識し、前記人物類似情報保持手段に保持された前記人物類似情報に基づいて、前記特定人物に類似すると判断できる類似人物を認識し、前記特定人物が出演するコンテンツと前記類似人物が出演するコンテンツとのうちの少なくとも一方を、ユーザに対して推薦すべき推薦コンテンツの候補として決定する推薦手段（例えば図２の推薦コンテンツ抽出部３２）と
を備える。
【００２０】
前記人物類似情報は、複数の類似基準のそれぞれに基づく各類似度を示す各情報からなり（例えば図６の例の人物類似度情報は、類似基準の一例としての「顔」の類似度表、類似基準の一例としての「声」の類似度表、および、類似基準の一例としての「言語」の類似度表からなり）、
前記推薦手段は、
前記複数の類似基準のそれぞれについて、前記類似人物の候補と前記特定人物との間の各類似度を前記人物類似情報から取得し（例えば図８のステップＳ４４の処理を実行し）、
取得した前記複数の類似基準のそれぞれについての前記各類似度と、コンテンツの内容に応じて変化する前記複数の類似基準の重要度合（例えば図１１のコンテンツのジャンル（内容）に応じて変化する各重み係数α，β，γ）とに基づいて、前記類似人物の候補の総合的な類似度を演算し（例えば図８のステップＳ５０（詳細は図１０）の複数の使用類似基準の総合類似度演算処理を実行し）、
前記総合的な類似度に基づいて、前記類似人物の候補を前記類似人物として認識するか否かを決定する（例えば図８のステップＳ５１の処理を実行する）。
【００２１】
前記推薦手段は、
前記特定人物として複数人を認識し、
前記類似人物の候補と、前記複数の特定人物のそれぞれとの間の各類似度を前記人物類似情報から取得し（例えば図８のステップＳ４３乃至Ｓ４５のループ処理を繰り返し実行し）、
取得した前記各類似度に基づいて、前記類似人物の候補の総合的な類似度を演算し（例えば図８のステップＳ４７（詳細は図９）の複数の特定人物の総合類似度演算処理を実行し）、
前記総合的な類似度に基づいて、前記類似人物の候補を前記類似人物として認識するか否かを決定する（例えば、図８のステップＳ５１の処理を実行する）。
【００２２】
前記特定人物を含む前記複数の人物間における前記所定の類似基準に基づく各類似度をそれぞれ演算し、それらの演算結果を前記人物類似情報として前記人物類似情報保持手段に保持させる類似度演算手段（例えば図２の人物類似度情報生成部３０）をさらに備える。
【００２３】
本発明の一側面の情報処理方法（例えば図７のコンテンツ推薦処理に対応する方法）は、
ユーザが嗜好する特定人物に関する嗜好情報（例えば図４の出演者情報Ｐｕｐを含むユーザ嗜好情報）を保持する嗜好情報保持手段（例えば図２のユーザ嗜好情報保持部２９）と、
前記特定人物を含む複数の人物間における所定の類似基準に基づく各類似度を示す人物類似情報（例えば図６の人物類似度情報）を保持する人物類似情報保持手段（例えば図２の人物類似度情報保持部３１）とを備え、
前記ユーザにコンテンツを推薦する情報処理装置（例えば図２のコンテンツ推薦処理装置１０）の情報処理方法であって、
前記嗜好情報保持手段に保持された前記嗜好情報に基づいて前記特定人物を認識し（例えば図７のステップＳ２１）、前記人物類似情報保持手段に保持された前記人物類似情報に基づいて、前記特定人物に類似すると判断できる類似人物を認識し（例えば図７のステップＳ２３、即ち、図８の類似人物抽出処理）、前記特定人物が出演するコンテンツと前記類似人物が出演するコンテンツとのうちの少なくとも一方を、ユーザに対して推薦すべき推薦コンテンツの候補として決定する（例えば図７のステップＳ２２、Ｓ２４）ステップを含む。
【００２４】
本発明の一側面のプログラムは、上述した本発明の一側面の情報処理方法に対応するプログラムであって、例えば図１２のコンピュータにより実行される。
【００２５】
以下、図面を参照して、本発明の実施の形態について説明する。
【００２６】
はじめに、図１を用いて、テレビジョン番組放送、およびストリーミングデータの配信について説明する。
【００２７】
即ち、本実施の形態では、テレビジョン放送番組（ここでも番組と適宜略記する）と、配信ストリーミングデータとがコンテンツの一例として採用されている。
【００２８】
放送局１は、地上波の番組放送を送信するか、もしくは、衛星２を介して衛星波の番組放送を送信する。図１の例では、放送局１は１つだけ図示されているが、放送局１が、複数局存在し得ることはいうまでもない。テレビジョン受信装置４のアンテナ３は、地上波、または衛星波の番組放送を受信する。放送信号には、必要に応じて、EPG（Electronic Program Guide）情報が含まれている。
【００２９】
配信サーバ５は、ストリーミングデータデータベース６から、映像や音声等のコンテンツを構成するストリーミングデータを読み出し、インターネットその他のネットワークを含むネットワーク８を介して、テレビジョン受信装置４に配信する。また、配信サーバ５は、そのストリーミングデータに関するメタデータを含む情報をメタデータデータベース７から読み出して、ネットワーク８を介して、EPG受信装置９に配信する。さらにまた、配信サーバ５は、放送局１から放送される番組に関するEPG情報を、メタデータデータベース７から読み出して、ネットワーク８を介して、EPG受信装置９に配信する。
【００３０】
一般的な放送信号に重畳されるEPG情報の情報量が、以下に説明する処理に十分な情報である場合、処理には、一般的な放送信号に重畳されるEPG情報と同一のものを利用するようにしてもよい。また、一般的な放送信号に重畳されるEPG情報の情報量が、以下に説明する処理に十分な情報であるとはいえない場合、処理には、一般的な放送信号に重畳されるEPG情報に加えて、もしくは単独で、メタデータを利用するようにしても良い。以下、一般的な放送信号に重畳されるEPG情報では、処理に十分な情報量がないため、本実施の形態では、メタデータを含む情報を利用するものとする。そして、この情報と、ストリーミングデータに関するメタデータを含む情報とをあわせたものを、EPGデータと総称するとする。
【００３１】
EPG受信装置９は、配信されたEPGデータを、テレビジョン受信装置４に提供する。
【００３２】
チューナを有するテレビジョン受信装置４は、操作部を有するテレビジョン表示装置１１、または、録画再生装置１２から提供されるチャンネルの選択を示す制御信号に基づいて、アンテナ３を介して、地上波、または衛星波の放送信号を選局して受信するとともに、配信サーバ５からのストリーミングデータの配信をネットワーク８を介して受け、所定の形態の映像／音声信号として、テレビジョン表示装置１１、または、録画再生装置１２に提供する。また、テレビジョン受信装置４は、EPG受信装置９から、EPGデータの供給を受け、テレビジョン表示装置１１、または、録画再生装置１２に提供する。なお、テレビジョン受信装置４は、受信した放送波に、EPGデータが含まれていた場合、番組の信号と分離して、それぞれ、テレビジョン表示装置１１、または、録画再生装置１２に提供する。
【００３３】
コンテンツ推薦処理装置１０は、配信サーバ５から配信された若しくは配信予定のストリーミングデータと、放送局１から放送された若しくは放送予定のテレビジョン放送番組（以下、これらをまとめてコンテンツと称する）のうちの、ユーザの嗜好に合致したコンテンツを推薦するための推薦情報を生成し、テレビジョン表示装置１１および録画再生装置１２に提供する。なお、コンテンツ推薦処理装置１０の詳細については、図２以降の図面を参照して後述する。
【００３４】
テレビジョン表示装置１１は、ユーザの操作入力を基に、テレビジョン受信装置４から提供された映像／音声信号、または、録画再生装置１２から再生された映像／音声信号の表示や音声出力をしたり、コンテンツ推薦処理装置１０から提供された推薦情報に基づいて、チャンネルを自動設定したり、推薦番組情報を表示する。テレビジョン表示装置１１は、ユーザの操作履歴である操作ログをコンテンツ推薦処理装置１０に提供する。
【００３５】
録画再生装置１２は、ユーザの操作入力に基づいて、テレビジョン受信装置４から提供された映像／音声信号を、装着された記録媒体、または、内蔵する記録媒体（例えば、ハードディスク）に録画したり、コンテンツ推薦処理装置１０から提供された推薦情報に基づいて、テレビジョン受信装置４から提供された映像／音声信号を、装着された記録媒体、または、内蔵する記録媒体に自動録画する。また、録画再生装置１２は、装着された記録媒体、または、内蔵する記録媒体に録画されている映像／音声信号を再生し、テレビジョン表示装置１１に提供する。更に、録画再生装置１２は、ユーザの操作履歴である操作ログをコンテンツ推薦処理装置１０に提供する。
【００３６】
ここでは、EPG受信装置９、テレビジョン受信装置４、コンテンツ推薦処理装置１０、テレビジョン表示装置１１、および、録画再生装置１２を、それぞれ異なる装置として説明したが、これらの装置は、必ずしも個別に構成する必要はない。例えば、EPG受信装置９、テレビジョン受信装置４、および、テレビジョン表示装置１１を、チューナ機能を内蔵したテレビジョン受像機１５−１として、一体的に構成するようにしてもよいことはいうまでもない。さらに、録画再生装置１２も一体的に構成して、録画機能を有するテレビジョン受像機１５−２として構成するようにしてもよい。この録画再生装置１２は、記録媒体として、大容量のハードディスクを有する、いわゆるハードディスクレコーダであってもよいことはいうまでもない。また、コンテンツ推薦処理装置１０を、チューナ機能を内蔵したテレビジョン受像機１５−１に内蔵して、テレビジョン受像機１５−３としても、または、録画機能を有するテレビジョン受像機１５−２に内蔵して、テレビジョン受像機１５−４とするようにしてもよい。
【００３７】
図２は、コンテンツ推薦処理装置１０の機能的構成例を示している。
【００３８】
図２の例では、コンテンツ推薦処理装置１０は、データ取得部２１乃至推薦情報保持部３４を含むように構成されている。
【００３９】
データ取得部２１は、配信サーバ５からネットワーク８を介して配信されたデータや、放送局１から放送されてテレビジョン受信装置４に受信されたテレビジョン放送番組のデータを取得する（図１参照）。データ取得部２１は、取得したデータがストリーミングデータやテレビジョン放送番組のデータ（以下、これらをまとめてコンテンツデータと称する）の場合、そのコンテンツデータをコンテンツ情報保持部２４に保持させる。また、データ取得部２１は、取得したデータがEPGデータの場合、そのEPGデータをメタデータ抽出部２２に提供する。
【００４０】
メタデータ抽出部２２は、データ取得部２１から提供されたEPGデータから、図３を用いて後述するコンテンツ情報を生成するために必要な各種メタデータを抽出し、コンテンツ情報生成部２３に提供する。
【００４１】
コンテンツ情報生成部２３は、メタデータ抽出部２２から提供された所定のコンテンツに関するメタデータに基づいて、その所定のコンテンツに関する各種情報群（以下、コンテンツ情報と称する）を生成し、コンテンツ情報保持部２４に提供する。
【００４２】
即ち、コンテンツ情報保持部２４には、複数のコンテンツ毎に、実データであるコンテンツデータと、それに関する各種情報の集合体であるコンテンツ情報とが対応付けられて保持される。
【００４３】
かかるコンテンツ情報の一例が、図３に示されている。図３の例では、コンテンツ情報は、ベクトルPPで表現されている。即ち、図２のコンテンツ情報生成部２３は、メタデータ抽出部２２から抽出された各種メタデータに含まれているＮ個（Ｎは１以上の整数値）の項目の情報を各成分として有するベクトルPPを、コンテンツ情報として生成してコンテンツ情報保持部２４に保持させる。
【００４４】
ここでいうＮ個の項目とは、EPGデータで規定されている項目に限定されず、設計者等が任意に設定可能な項目をいう。例えば、図３の例では、Ｎ＝７の大項目Ｔ，Ｇ，Ｈ，Ｓ，Ｐ，Ａ，Ｋが採用されている。これら７つの大項目のそれぞれについてのコンテンツに関する各情報が、Ｔm，Ｇm，Ｈｍ，Ｓｍ，Ｐm，Ａm，Ｋｍとされている。そして、これらの７つの項目情報Ｔm，Ｇm，Ｈｍ，Ｓｍ，Ｐm，Ａm，Ｋｍが、コンテンツ情報としてのベクトルPPの各成分に代入されている。即ち、ベクトルPP＝（Ｔm，Ｇm，Ｈｍ，Ｓｍ，Ｐm，Ａm，Ｋｍ）が、コンテンツ情報として生成されている。
【００４５】
ただし、後述する図４のユーザ嗜好情報のベクトルUPとのマッチング処理にコンテンツ情報が使用される場合、ベクトルPPそのものではなく、PP'＝（Ｔm，Ｇm，Ｐm，Ａm，Ｋｍ）が使用される。比較相手のユーザ嗜好情報のベクトルUPと次元をあわせるためである。
【００４６】
ここに、大項目Ｔとは「タイトル（Title）」を意味し、タイトル情報Ｔｍ＝｛Title｝が、ベクトルPPの対応する成分に代入される。
【００４７】
大項目Ｇとは「ジャンル（Genre)）を意味し、ジャンル情報Ｇｍ＝｛ドラマ，バラエティ，スポーツ，映画，音楽，子供向け／教育，教養／ドキュメント，ニュース／報道，その他｝が、ベクトルPPの対応する成分に代入される。
【００４８】
大項目Ｈとは「時間帯(Hour)」を意味し、時間帯情報Ｈｍ＝｛朝，昼，夕方，ゴールデン，深夜｝が、ベクトルPPの対応する成分に代入される。
【００４９】
大項目Ｓとは「放送局(TV Station)」を意味し、放送局情報Ｓm＝｛ＮＮＫ総合，ＮＮＫ教育，亜細亜テレビ，ＴＴＳ，ブジ，テレ日，東都，ＮＮＫ衛星第１，ＮＮＫ衛星第２，ＷＯＷＯ｝が、ベクトルPPの対応する成分に代入される。なお、図３の例では図示されていないが、配信サーバ５も１つの放送局とみなして、配信サーバ５の名称も、放送局情報Ｓmに含めてもよい。
【００５０】
大項目Ｐとは「出演者(Person)」を意味し、出演者情報Ｐｍ＝｛person Ａ，person Ｂ，・・・｝が、ベクトルPPの対応する成分に代入される。
【００５１】
大項目Ａとは、「脚本／原作／演出等(Author)」を意味し、脚本／原作／演出等情報Ａｍ＝｛person a，person b，・・・｝が、ベクトルPPの対応する成分に代入される。
【００５２】
大項目Ｋとは、「内容（キーワード）(Keyword)」を意味し、内容情報Ｋｍ＝｛kw１，kw２，・・・｝が、ベクトルPPの対応する成分に代入される。
【００５３】
上述した７つの大項目の中で、大項目「Ｇ：ジャンル」、「Ｓ：放送局」、「Ｈ：時間帯」は、種類が固定できるため、各項目情報Ｇｍ，Ｓｍ，Ｈｍのそれぞれは、数値ベクトルで表すことができる。
【００５４】
具体的には例えば、ジャンル情報Ｇｍ＝｛ドラマ，バラエティ，スポーツ，映画，音楽，子供向け／教育，教養／ドキュメント，ニュース／報道，その他｝において、ベクトルPPの生成対象となっているコンテンツのジャンルが、教養／ドキュメントであった場合、ジャンル情報Ｇｍ＝｛０，０，０，０，０，０，１，０，０｝で表すことができる。
【００５５】
また例えば、放送局Ｓｍ＝｛ＮＮＫ総合，ＮＮＫ教育，亜細亜テレビ，ＴＴＳ，ブジ，テレ日，東都，ＮＮＫ衛星第１，ＮＮＫ衛星第２，ＷＯＷＯ｝において、ベクトルPPの生成対象となっているコンテンツ（ここではテレビジョン放送番組）を放送する放送局が、ＷＯＷＯである場合、放送局情報Ｓｍ＝｛０，０，０，０，０，０，０，０，０，１｝で表すことができる。
【００５６】
時間帯情報Ｈｍも、具体例は記述しないが、上述したジャンル情報Ｇｍや放送局情報Ｓｍと同様に、数値ベクトルで表すことができる。
【００５７】
一方、大項目「Ｔ：タイトル」、「Ｐ：出演者」、「Ａ：脚本／原作／演出」、「Ｋ：内容」などの各項目情報Ｔｍ、Ｐｍ、Ａｍ、Ｋｍは、単純に数値ベクトルで表すことができない。そこで、コンテンツのメタデータ等に含まれる単語の頻度などによって、項目値（単語）と重み（数値）が対応付けられて生成される。例えば、タイトル情報Ｔｍ＝｛東海道−１，三谷−１，怪談−１｝のように、それぞれの項目値−数値で構成される項目情報を各要素とするベクトルによって表すことができる。この例における、例えば、「東海道−１」は、「東海道」の単語の頻度が「１」であることを意味する。具体例は記述しないが、出演者情報Ｐｍ、脚本／原作／演出等情報Ａｍ、および、内容情報Ｋｍも、単語−数値で構成される項目情報を各要素とするベクトルによって表すことができる。
【００５８】
図２に戻り、操作入力部２５は、例えば、キーボード、タッチパッド、マウスなどの入力デバイスで構成され、ユーザが入力した初期登録情報や、ユーザモデル生成のためのトピックの入力を受け、それらの情報を初期登録情報保持部２６に保持させる。即ち、初期登録情報保持部２６は、操作入力部２５から提供された初期登録内容や、ユーザモデル生成のためのトピックを保持し、必要に応じて、ユーザ嗜好情報生成部２８や推薦コンテンツ抽出部３２に提供する。また、初期登録情報保持部２６に保持されている内容は、操作入力部２５から入力されるユーザの操作に基づいて、逐次更新される。初期登録される内容には、例えば、嫌いなジャンル、嫌いなキーワード、嫌いな出演者などの、ユーザが好まないコンテンツを示す情報や、好きなジャンル、好きなキーワード、好きな出演者などの、ユーザが好むコンテンツを示す情報を採用できる。
【００５９】
操作ログ取得部２７は、テレビジョン表示装置１１または録画再生装置１２（図１）から、操作ログを取得し、ユーザ嗜好情報生成部２８に提供する。
【００６０】
ユーザ嗜好情報生成部２８は、この操作ログや、初期登録情報保持部２６に保持されている各種情報等に基づいて、コンテンツ推薦処理装置１０自身或いは図１のテレビジョン表示装置１１や録画再生装置１２を操作するユーザの嗜好の傾向を示す情報（以下、ユーザ嗜好情報と称する）を生成し、ユーザ嗜好情報保持部２９に保持させる。また、ユーザ嗜好情報がユーザ嗜好情報保持部２９に既に保持されている場合、ユーザ嗜好情報生成部２８は、操作ログ取得部２７から新たに提供されてきた操作ログや、初期登録情報保持部２９の更新内容等に基づいて、ユーザ嗜好情報の内容を適宜更新する。
【００６１】
なお、ユーザ嗜好情報としては、例えば正履歴情報と負履歴情報との両者を採用できるが、本実施の形態では、説明の簡略上、正履歴情報のみがユーザ嗜好情報として用いられるとする。
【００６２】
ここに、負履歴情報とは、ユーザが使用（視聴や録画等）するのに消極的である、換言すれば、好ましくないと思うコンテンツを、推薦コンテンツから除外するために用いられる情報をいう。ただし、上述したように、本実施の形態では、負履歴情報は使用されないので、その詳細な説明は省略する。
【００６３】
これに対して、正履歴情報とは、ユーザが積極的に使用（視聴や録画等）するであろう、換言すれば、好ましいと思うであろうコンテンツを、推薦コンテンツの候補として抽出するために用いられる情報をいう。例えば、ユーザが、コンテンツの使用（視聴や録画等）をした場合、または、後述する処理によりユーザに推薦情報として提示された推薦コンテンツが、ユーザに受け入れられて使用（視聴や録画等）された場合、その推薦コンテンツのメタデータは、好印象メタデータとして、正履歴情報の一部として利用される。ここに、一部と記述したのは、正履歴情報は、上述したコンテンツ情報のベクトルPPのようにベクトルとして表現でき、かかるベクトルの一成分に代入される情報自身として、またはその成分情報を生成する情報として、利用されるからである。
【００６４】
このように、本実施の形態では、ユーザ嗜好情報は、ベクトルの形態でユーザ嗜好情報生成部２８により生成されて、ユーザ嗜好情報保持部２９に保持される。具体的には例えば、図４に示されるようなベクトルUPが、ユーザ嗜好情報としてユーザ嗜好情報生成部２８により生成されて、ユーザ嗜好情報保持部２９に保持される。
【００６５】
即ち、図４の例では、大項目として、「タイトル」，「ジャンル」，「出演者」，「脚本／原作／演出」，「内容（キーワード）」が採用されており、それらの各大項目のそれぞれについてのユーザの正履歴情報Ｔｕｐ，Ｇｕｐ，Ｐｕｐ，Ａｕｐ，Ｋｕｐを各成分として構成されるベクトルUP、即ち、UP＝（Ｔm，Ｇm，Ｐm，Ａm，Ｋｍ）がユーザ嗜好情報として生成されている。
【００６６】
この場合、正履歴情報Ｔｕｐ，Ｇｕｐ，Ｐｕｐ，Ａｕｐ，Ｋｕｐのそれぞれは、項目値（単語）と重み（数値）が対応付けられた情報として生成される。この重み（数値）としては、例えばユーザの嗜好度合（好ましいと思う度）を示す値（操作頻度の値含）が採用される。例えば、図４の例では、タイトル正履歴情報Ｔｕｐ＝｛Title1−１２，Title2−３｝のように、それぞれの項目値−数値で構成されるタイトル情報を各要素とするベクトルによって表すことができる。この例における、例えば、「Title1−１２」は、「Title１」に対するユーザの嗜好度合は「１２」であることを意味する。一方、「Title2−３」は、「Title2」に対するユーザの嗜好度合は「３」であることを意味する。即ち、ユーザの嗜好が強いほど嗜好度合の数値も大きくなっていくとすれば、ユーザは、「Title2」よりも「Title1」の方が好きであると判断できることになる。
【００６７】
図２に戻り、人類類似度情報生成部３０は、１以上のコンテンツのそれぞれに出演する人物を対象として、それらの各人物間の類似度に関する情報（以下、人物類似度情報）を生成し、人物類似度情報保持部３１に保持させる。なお、人物類似度情報の詳細については、図５と図６とを参照して後述する。
【００６８】
推薦コンテンツ抽出部３２は、ユーザ嗜好情報保持部２９に保持されているユーザ嗜好情報に基づいて、ユーザの嗜好に合致すると判断できるコンテンツを、ユーザに推薦すべきコンテンツ（以下、推薦コンテンツと称する）として、コンテンツ情報保持部２４から抽出する。なお、ここでいう抽出とは、推薦コンテンツのコンテンツデータそのものの抽出ではなく、推薦コンテンツを特定できる情報、即ち、推薦コンテンツに関するコンテンツ情報の少なくとも一部の抽出を意味する。
【００６９】
なお、この場合の抽出手法は特に限定されず、例えば、コンテンツ情報保持部２４に保持されている複数のコンテンツのそれぞれについての各ベクトルPP'＝（Ｔm，Ｇm，Ｐm，Ａm，Ｋｍ）と（図３参照）、ユーザ嗜好情報保持部２９に保持されているユーザ嗜好情報のベクトルUP ＝（Ｔm，Ｇm，Ｐm，Ａm，Ｋｍ）と（図４参照）のマッチング処理を実行し、ベクトルUPとマッチングしたベクトルPPを有するコンテンツを、推薦コンテンツとして抽出する、という手法を採用してもよい。
【００７０】
ただし、本実施の形態では説明の簡略上、コンテンツの登場人物に着目し、ユーザ嗜好情報保持部２９に保持されているユーザ嗜好情報において、ユーザの嗜好度合いが高い人物を特定人物として抽出し、その特定人物が出演しているコンテンツを推薦コンテンツとして抽出する、という手法を採用しているとする。
【００７１】
即ち、本実施の形態では、推薦コンテンツ抽出部３２は、図４の出演者情報Pupの中で、所定の閾値以上の重み値（嗜好度合）を有するPerson（人物）を特定人物として抽出する。例えば閾値が30である場合には、重み値「43」を有するpersonBが特定人物として抽出される。そして、推薦コンテンツ抽出部３２は、コンテンツ情報保持部２４に保持されている複数のコンテンツのそれぞれに関するコンテンツ情報の図３の出演者情報Ｐｍの中に、特定人物が含まれている（ベクトルの対応する成分が１である）か否かをそれぞれ認識し、特定人物が含まれているコンテンツ情報またはその一部を、推薦コンテンツのコンテンツ情報またはその一部として抽出する。即ち、推薦コンテンツの抽出が行われる。
【００７２】
さらに、推薦コンテンツ抽出部３２は、人類類似度情報保持部３１に保持されている人類類似度情報に基づいて、上述した特定人物に類似すると判断できる人物（以下、類似人物と称する）を認識する。そして、推薦コンテンツ抽出部３２は、図３の出演者情報Ｐｍに類似人物が含まれている（ベクトルの対応する成分が１である）コンテンツ情報を有するコンテンツを、推薦コンテンツとして抽出する。即ち、出演者情報Ｐｍに類似人物が含まれている（ベクトルの対応する成分が１である）コンテンツ情報自身またはそのうちの一部の情報もまた、推薦コンテンツのコンテンツ情報またはその一部として抽出される。なお、この一連の処理の詳細例については、類似人物抽出処理として、図８乃至図１１を参照して後述する。
【００７３】
なお、推薦コンテンツ抽出部３２が類似人物を利用して推薦コンテンツを抽出する処理は、上述した処理例に限定されず、任意の処理を採用することができる。具体的には例えば、ユーザではなくコンテンツの登場人物となり得る人物に関するベクトルUman、例えば、その人物が登場人物となったコンテンツの数や頻度等に基づく各種情報を成分として構成されるベクトルUmanを各人物毎に予め作成しておき、類似人物に関するベクトルUmanと、ベクトルPP'とのマッチング処理を実行し、ベクトルUmanとマッチングしたベクトルPP'を有するコンテンツを、推薦コンテンツとして抽出する、といった手法を採用してもよい。
【００７４】
推薦コンテンツ抽出部３２は、このようにして抽出した推薦コンテンツの一覧を推薦情報として生成し、推薦情報出力部３３に出力する。
【００７５】
なお、推薦コンテンツ抽出部３２は、抽出したコンテンツを直ちに推薦コンテンツとせずに、推薦候補とするに留め、その後、適当な手法で選抜した推薦候補を、推薦コンテンツとして決定するようにしてもよい。換言すると、抽出されたコンテンツを、推薦コンテンツの一覧に含めるか否かの処理を選抜処理と捉え、抽出されたコンテンツの全てを推薦コンテンツの一覧に含めることも許可されていると捉えれば、結局、抽出されたコンテンツはみな推薦候補であると捉えることもできる。
【００７６】
推薦情報出力部３３は、推薦コンテンツ抽出部３２から提供された推薦情報を、テレビジョン表示装置１１や録画再生装置１２（図１）に適宜出力する。また、推薦情報出力部３３は、推薦情報を推薦情報保持部３４に適宜保持させる。
【００７７】
次に、かかる図２の機能的構成を有するコンテンツ推薦処理装置１０の処理のうちの、人物類似度情報を生成または更新する処理（以下、人物類似度情報生成／更新処理と称する）と、その人物類似度情報等を利用して推薦情報を生成して出力するまでの一連の処理（以下、コンテンツ推薦処理と称する）とについて、その順番で個別に説明していく。
【００７８】
図５のフローチャートは、人物類似度情報生成／更新処理の一例を示している。
【００７９】
ステップＳ１において、図２の人物類似度情報生成部３０は、コンテンツ情報保持部２４に保持されているコンテンツ情報に基づいて、複数の出演者を抽出する。
【００８０】
具体的には例えば、人物類似度情報生成部３０は、各コンテンツのそれぞれに関する各コンテンツ情報の出演者情報Ｐｍ（図４参照）にそれぞれ含まれているPerson（人物）を全て抽出する。
【００８１】
ステップＳ２において、人物類似度情報生成部３０は、処理対象類似基準を設定する。
【００８２】
ここで、処理対象類似基準について説明する。
【００８３】
人物間の類似度は、人物が有する様々な特徴のうちの所定の特徴に着目し、その所定の特徴がどの程度類似しているのかを所定の手法に従って演算することで算出可能である。かかる演算の対象となり得る人物の特徴を、ここでは類似基準と称している。
【００８４】
即ち、各人物によって差異を生じる特徴であって、その差異を定性的に表現できる特徴であれば、例えば、人物毎に特徴量を抽出可能でありその特徴量で差異を表現できる特徴であれば、何れの特徴も類似基準として採用可能である。具体的には例えば本実施の形態では、人物が有する顔の特徴（以下、単に「顔」と記述する）、人物が発声する声（以下、単に「声」と記述する）、および、人物が発話したり執筆したりするときに利用する言語の特徴（以下、単に「言語」と記述する）が、それぞれ類似基準として採用されているとする。
【００８５】
従って、本実施の形態では、ステップＳ２の処理によって、「顔」、「声」、および「言語」のうちの所定の１つの類似基準が、処理対象類似基準として設定される。
【００８６】
ステップＳ３において、人物類似度情報生成部３０は、ステップＳ１の処理で抽出された複数の出演者を、処理対象類似度基準の類似度表に登録する。
【００８７】
ここに、類似度表とは、例えば図６に示されるようなテーブル、即ち、所定の類似度基準についての各出演者間の類似度をそれぞれ記述するテーブルをいう。即ち、本実施の形態では、図６に示されるように、「顔」、「声」、および「言語」の類似度表が、人物類似度情報として人物類似度情報保持部３１に保持されることになる。
【００８８】
従って、処理対象類似基準についての類似度表が人物類似度情報保持部３１にまだ保持されていない場合、ステップＳ３の処理では、ステップＳ１の処理で抽出された複数の出演者全員が登録された類似度表（ただし、類似度を示す数値は未記載の類似度表）が新たに生成されて、人物類似度情報保持部３１に保持される。
【００８９】
具体的には例えば、処理対象類似基準が「顔」であって、ステップＳ１の処理で「俳優Ａ」、「俳優Ｂ」、「歌手Ｃ」、「歌手Ｄ」、「司会者Ｅ」、および「司会者Ｆ」が抽出された場合には、ステップＳ３の処理により、図６の「顔」の類似度表（ただし、類似度を示す各数値は未記載の類似度表）が新たに生成されて、人物類似度情報保持部３１に保持される。
【００９０】
これに対して、処理対象類似基準についての類似度表が人物類似度情報保持部３１に既に保持されている場合、ステップＳ３の処理では、ステップＳ１の処理で抽出された複数の出演者のうちの、類似度表に未登録の出演者のみが新たに登録される。即ち、類似度表の内容が更新される。
【００９１】
具体的には例えば、処理対象類似基準が「顔」であって、図６の状態の「顔」の類似度表が人物類似度情報保持部３１に既に保持されていた場合に、人物ＧがステップＳ１の処理で抽出されたときには、図示はしないが、ステップＳ３の処理により、「司会者Ｆ」の列の右方に「人物Ｇ」の列が新規作成され、また、「司会者Ｆ」の行の下方に「人物Ｇ」の行が新規作成される。
【００９２】
ステップＳ４において、人物類似度情報生成部３０は、処理対象類似基準に応じた類似度演算手法に基づいて、出演者の情報を取得する。そして、ステップＳ５において、人物類似度情報生成部３０は、処理対象類似基準に応じた類似度演算手法に従って、各出演者間の類似度をそれぞれ演算する
【００９３】
ここで、処理対象類似基準に応じた類似度演算手法の具体例についてその概略を説明する。
【００９４】
例えば、処理対象類似基準として「顔」が設定されている場合には、次のような類似度演算手法を採用できる。
【００９５】
即ち、人物類似度情報生成部３０は、各出演者の顔データを抽出する。この抽出手法は特に限定されず、例えば、所定の出演者の顔データが外部またはコンテンツ情報保持部２４等に予め保持されていれば、その顔データをそのまま抽出する、という手法を採用できる。また例えば、そのような顔データが存在しない場合には、コンテンツ情報保持部２４に保持されているコンテンツデータのうちの動画データから、抽出対象の出演者の顔が含まれている静止画データを生成し、その静止画データから顔の領域データを顔データとして抽出する、という手法を採用できる。
【００９６】
次に、人物類似度情報生成部３０は、複数の出演者の各顔データから、「顔」の類似度演算手法に応じた特徴量をそれぞれ抽出する。
【００９７】
例えば、「顔」の類似度演算手法として、主成分分析を行った空間上でのEuclid距離を利用する手法が採用されている場合には、顔データ（画像データ）から輝度情報が抽出され、その輝度データが主成分分析により次元圧縮された結果得られるデータが、「顔」の類似度演算手法に応じた特徴量として抽出されることになる。この「顔」の類似度演算手法に応じた特徴量が、ステップＳ４の処理で言う出演者の情報の一例である。
【００９８】
従って、ステップＳ５の処理では、抽出された各人物のそれぞれについての特徴量間の、特徴量空間上での適切な距離尺度に基づいて、各人物間の類似度が計算される。即ち、複数の出演者のそれぞれの顔データ（画像データ）から輝度情報がそれぞれ抽出され、それぞれの輝度情報が主成分分析により次元圧縮された結果得られるそれぞれのデータが、各人物の特徴量となる。かかる各人物の特徴量間の、主成分分析を行った空間上での各Euclid距離がそれぞれ演算される。そして、それらの各Euclid距離が、他の類似基準（「声」や「言語」）と比較できるように正規化された値（例えばここでは、0乃至１の範囲の値）が、各出演者間の類似度として算出される。
【００９９】
また例えば、処理対象類似基準として「声」が設定されている場合には、次のような類似度演算手法を採用できる。
【０１００】
即ち、人物類似度情報生成部３０は、各出演者の音声波形データを抽出する。この抽出手法は特に限定されず、例えば、所定の出演者の音声波形データが外部またはコンテンツ情報保持部２４等に予め保持されていれば、その音声波形データをそのまま抽出する、という手法を採用できる。また例えば、そのような音声波形データが存在しない場合には、コンテンツ情報保持部２４に保持されているコンテンツデータのうちの音声データから、抽出対象の出演者が発声している区間から音声波形データを抽出する、という手法を採用できる。
【０１０１】
次に、人物類似度情報生成部３０は、複数の出演者の各音声波形データから、「声」の類似度演算手法に応じた特徴量をそれぞれ抽出する。
【０１０２】
例えば、「声」の類似度演算手法として、HMM(Hidden Markov Model)やGMM（Gaussian Mixtures Model）等の音響モデルを用いる手法が採用されている場合には、MFCC(Mel Frequency Cepstrum Coefficient)等の特徴量が、「声」の類似度演算手法に応じた特徴量として抽出されることになる。この「声」の類似度演算手法に応じた特徴量が、ステップＳ４の処理で言う出演者の情報の一例である。
【０１０３】
従って、ステップＳ５の処理では、抽出された各人物のそれぞれについての特徴量間の、特徴量空間上での適切な距離尺度に基づいて、各人物間の類似度が計算される。即ち、例えば、複数の出演者のそれぞれの音声波形データから抽出された特徴量分布が混合正規分布でモデル化され、ある話者（出演者）の音声を他者（他の出演者）のモデルに適応した際のスコアが正規化され、それが距離尺度として利用され、それらの各距離尺度が、他の類似基準（「顔」や「言語」）と比較できるように正規化された値（例えばここでは、0乃至１の範囲の値）が、各出演者間の類似度として算出される。
【０１０４】
また例えば、処理対象類似基準として「言語」が設定されている場合には、次のような類似度演算手法を採用できる。
【０１０５】
即ち、人物類似度情報生成部３０は、各出演者のテキスト情報中に出現する単語の頻度を抽出する。出演者のテキスト情報として、例えば、出演者のコンテンツ中での発話を音声認識で書き起こしたものを採用できる。この場合の音声認識の手法は特に限定されず、例えばHMM等の音響モデルを用いる手法を採用できる。また例えば、出演者のテキスト情報として、出演者の著作やインタビュー記事などのテキスト情報を採用できる。出演者の著作やインタビュー記事などのテキスト情報は、外部またはコンテンツ情報保持部２４等から取得すればよい。
【０１０６】
次に、人物類似度情報生成部３０は、複数の出演者の各テキスト情報から、「言語」の類似度演算手法に応じた特徴量をそれぞれ抽出する。
【０１０７】
例えば、「言語」の類似度演算手法として、いわゆるベクトル空間法が採用されている場合には、複数の出演者の各テキスト情報のそれぞれに出現した各単語が、「言語」の類似度演算手法に応じた特徴量として抽出されることになる。この「言語」の類似度演算手法に応じた特徴量が、ステップＳ４の処理で言う出演者の情報の一例である。
【０１０８】
従って、ステップＳ５の処理では、抽出された各人物のそれぞれについての特徴量間の、特徴量空間上での適切な距離尺度に基づいて、各人物間の類似度が計算される。即ち、出現した個々の単語を独立した軸と考え、その出現頻度を値とする多次元空間の多次元ベクトル（多次元空間上の1点）として複数の出演者のそれぞれが表現され、複数の出演者のそれぞれについての各多次元ベクトル間の余弦(cosine)距離が演算され、それらの各余弦距離が、他の類似基準（「顔」や「声」）と比較できるように正規化された値（例えばここでは、0乃至１の範囲の値）が、各出演者間の類似度として算出される。
【０１０９】
なお、「顔」、「声」、および「言語」のそれぞれに応じた類似度演算手法は、上述した例に限定されず、その他の如何なる手法を採用できることはいうまでもない。
【０１１０】
このようにして、ステップＳ５の処理で各出演者間の類似度が演算されると、処理はステップＳ６に進む。
【０１１１】
ステップＳ６において、人物類似度情報生成部３０は、各出演者間の類似度を、処理対象類似基準の類似度表に記述する。
【０１１２】
具体的には例えば、処理対象類似基準が「顔」であって、ステップＳ１の処理で「俳優Ａ」、「俳優Ｂ」、「歌手Ｃ」、「歌手Ｄ」、「司会者Ｅ」、および「司会者Ｆ」が抽出されて、ステップＳ３の処理で、「俳優Ａ」、「俳優Ｂ」、「歌手Ｃ」、「歌手Ｄ」、「司会者Ｅ」、および「司会者Ｆ」が登録された類似度表が新たに生成されたとする。このような場合には、ステップＳ６の処理の結果として、図６に示されるような類似度を示す各数値が、対応する項目にそれぞれ記述された「顔」の類似度表が完成し、人物類似度情報保持部３１に保持されることになる。
【０１１３】
これにより、各人物間の類似度が容易にわかるようになる。例えば、図６の「顔」の類似度表にに着目すると、「俳優Ａ」と「俳優Ｂ」との類似度は「０．６」であり、「俳優Ａ」と「歌手Ｃ」との類似度は「０．３」であることが容易にわかる。これにより、「俳優Ａ」の顔は、「歌手Ｃ」の顔よりも「俳優Ｂ」の顔に類似していることも容易にわかる。
【０１１４】
図５に戻り、ステップＳ７において、人物類似度情報生成部３０は、別の類似基準の類似度表も作成／更新するか否かを判定する。
【０１１５】
ステップＳ７において、別の類似基準の類似度表も作成／更新すると判定された場合、処理はステップＳ２に戻され、それ以降の処理が繰り返される。即ち、本実施の形態では、「顔」、「声」、および「言語」のそれぞれに対して、ステップＳ２乃至Ｓ７のループ処理が繰り返し実行されて、その結果、図６に示されるような「顔」、「声」、および「言語」の各類似度表が完成し、人物類似度情報保持部３１に人物類似度情報として保持されることになる。
【０１１６】
これにより、ステップＳ７において、別の類似基準の類似度表も作成／更新しないと判定されて、人物類似度情報生成／更新処理は終了となる。
【０１１７】
なお、コンテンツ情報保持部２４の保持内容は逐次更新されていくので、人物類似度情報生成部３０は、人物類似度情報生成／更新処理を適宜実行して、例えば周期的に実行して、人物類似度情報保持部３１に保持されている人物類似度情報の内容も適宜更新しておくとよい。
【０１１８】
このような人物類似度情報生成／更新処理が１回以上実行されて、人物類似度情報保持部３１に人物類似度情報が保持されている場合、コンテンツ推薦処理装置１０は、例えば図７に示されるコンテンツ推薦処理を実行することができる。即ち、図７のフローチャートは、コンテンツ推薦処理の一例を示している。
【０１１９】
ステップＳ２１において、図２の推薦コンテンツ抽出部３２は、ユーザが好きであると判断できる特定人物を、ユーザ嗜好情報保持部２９に保持されているユーザ嗜好情報から抽出する。
【０１２０】
なお、特定人物の抽出とは、特定人物の人物情報の抽出を意味する。具体的には例えば本実施の形態では、上述したように、図４の出演者情報Pupの中で、所定の閾値以上の数値（嗜好度合）を有するPerson（人物）という情報が特定人物として抽出される。
【０１２１】
この場合、注意すべき点は、所定の閾値以上の数値（嗜好度合）を有するPerson（人物）が複数人存在する場合、それらの複数人が特定人物としてそれぞれ抽出される点である。即ち、ステップＳ２１の処理で抽出される特定人物の人数は１人とは限らず、複数人である場合もある。
【０１２２】
ステップＳ２２において、推薦コンテンツ抽出部３２は、特定人物が出演するコンテンツを、推薦候補として決定する。即ち、本実施の形態では、推薦コンテンツ抽出部３２は、図３の出演者情報Ｐｍに特定人物が含まれている（ベクトルの対応する成分が１である）コンテンツ情報を有するコンテンツを、推薦候補として決定する。
【０１２３】
ステップＳ２３において、推薦コンテンツ抽出部３２は、人類類似度情報保持部３１に保持されている人類類似度情報に基づいて、特定人物の類似人物を抽出する処理（以下、類似人物抽出処理と称する）を実行する。なお、類似人物抽出処理の詳細例については、図８乃至図１１を参照して後述する。
【０１２４】
ステップＳ２４において、推薦コンテンツ抽出部３２は、類似人物が出演するコンテンツを、推薦候補として決定する。即ち、本実施の形態では、推薦コンテンツ抽出部３２は、図３の出演者情報Ｐｍに類似人物が含まれている（ベクトルの対応する成分が１である）コンテンツ情報を有するコンテンツを、推薦候補として決定する。
【０１２５】
ステップＳ２５において、推薦コンテンツ抽出部３２は、推薦候補の中から、推薦コンテンツを選抜する。
【０１２６】
ステップＳ２６において、推薦コンテンツ抽出部３２は、推薦コンテンツの一覧（推薦情報）を推薦情報出力部３３を介して出力する。
【０１２７】
なお、図７の例では、特定人物が出演するコンテンツと、類似人物が出演するコンテンツとの両者が推薦候補として決定されたが、何れか一方を推薦コンテンツとして決定するようにしてもよい。即ち、従来のように特定人物が出演するコンテンツの一覧を推薦情報として出力することもできるし、類似人物が出演するコンテンツの一覧を推薦情報として出力することもできる。
【０１２８】
次に、図８のフローチャートを参照して、ステップＳ２３の処理、即ち類似人物抽出処理の詳細例について説明する。
【０１２９】
ステップＳ４１において、推薦コンテンツ抽出部３２は、使用類似基準を１種類以上決定する。
【０１３０】
使用類似基準とは、上述した各種の類似基準ののうちの、即ち、本実施の形態では、「顔」、「声」、および「言語」のうちの、類似人物を抽出すべく、特定人物との類似度を演算するときに使用する類似基準をいう。
【０１３１】
ステップＳ４２において、推薦コンテンツ抽出部３２は、使用類似基準のうちの所定の１種類を、処理対象類似基準を設定する。
【０１３２】
ステップＳ４３において、特定人物のうちの所定の１人を、処理対象特定人物に設定する。
【０１３３】
即ち、上述したように、特定人物は複数人である場合があるため、図８の例の類似人物抽出処理では、かかるステップＳ４３の処理が設けられており、さらに、後述するステップＳ４５乃至Ｓ４７の処理が設けられているのである。換言すると、特定人物が1人であることが前提とされているならば、ステップＳ４３およびステップＳ４５乃至Ｓ４７の処理は省略可能である。
【０１３４】
ステップＳ４４において、推薦コンテンツ抽出部３２は、処理対象特定人物に対する各出演者の類似度を、人物類似度情報保持部３１に保持されている人物類似度情報からそれぞれ取得する。
【０１３５】
具体的には例えば、図６の状態の「顔」の類似度表が人物類似度情報保持部３１に保持されており、処理対象類似基準が「顔」であって、処理対象特定人物が「俳優Ａ」である場合には、処理対象特定人物に対する各出演者の類似度として、「俳優Ａ」に対する「俳優Ｂ」の類似度「０．６」、「俳優Ａ」に対する「歌手Ｃ」の類似度「０．３」、「俳優Ａ」に対する「歌手Ｄ」の類似度「０．８」、「俳優Ａ」に対する「司会者Ｅ」の類似度「０．５」、および、「俳優Ａ」に対する「司会者Ｆ」の類似度「０．４」が、それぞれ取得される。
【０１３６】
ステップＳ４５において、推薦コンテンツ抽出部３２は、処理対象特定人物にまだ設定されていない特定人物は存在するか否かを判定する。
【０１３７】
複数の特定人物が存在する場合であって、それらの複数の特定人物の中に、処理対象特定人物にまだ設定されていない人物が存在する場合には、ステップＳ４５の処理でＹＥＳであると判定されて、処理はステップＳ４３に戻され、それ以降の処理が繰り返される。
【０１３８】
即ち、1人以上の特定人物のそれぞれに対してステップＳ４３乃至Ｓ４５のループ処理が繰り返し実行されて、1人以上の特定人物のそれぞれに対する各出演者の類似度がそれぞれ取得されることになる。その後、ステップＳ４５の処理でＮＯであると判定されて、処理はステップＳ４６に進む。
【０１３９】
ステップＳ４６において、推薦コンテンツ抽出部３２は、特定人物は複数人であるか否かを判定する。
【０１４０】
特定人物が複数人である場合、推薦コンテンツ抽出部４６は、ステップＳ４６においてＹＥＳであると判定して、ステップＳ４７において、所定の出演者に対する複数の特定人物の各類似度に基づいて、所定の出演者に対する総合的な類似度を演算する。かかる総合的な類似度は、出演者毎にそれぞれ演算される。なお、以下、このようなステップＳ４７の処理を、複数の特定人物の総合類似度演算処理と称する。複数の特定人物の総合類似度演算処理の詳細については、図９を参照して後述する。このステップＳ４７の複数の特定人物の総合類似度演算処理が終了すると、処理はステップＳ４８に進む。
【０１４１】
これに対して、特定人物が１人である場合、ステップＳ４６においてＮＯであると判定されて、ステップＳ４７の複数の特定人物の総合類似度演算処理は実行されずに、そのまま処理はステップＳ４８に進む。
【０１４２】
ステップＳ４８において、推薦コンテンツ抽出部３２は、処理対象類似基準にまだ設定されていない使用類似基準は存在するか否かを判定する。
【０１４３】
ステップＳ４８の処理でＹＥＳであると判定された場合、即ち、ステップＳ４１の処理で複数種類の使用類似基準が決定されて、それらの複数種類の使用類似規準の中に、処理対象使用類似基準にまだ設定されていない種類が存在する場合には、処理はステップＳ４２に戻され、それ以降の処理が繰り返される。
【０１４４】
即ち、１種類以上の使用類似基準のそれぞれに対してステップＳ４２乃至Ｓ４８のループ処理が繰り返し実行されて、１種類以上の使用類似基準毎に、特定人物に対する各出演者の類似度がそれぞれ取得される。ただし、複数の特定人物が存在する場合には総合的な類似度がそれぞれ演算される。その後、ステップＳ４８の処理でＮＯであると判定されて、処理はステップＳ４９に進む。
【０１４５】
ステップＳ４９において、推薦コンテンツ抽出部３２は、使用類似基準は複数種類であるか否かを判定する。
【０１４６】
ステップＳ４９においてＹＥＳであると判定した場合、即ちステップＳ４１の処理で複数種類の使用類似基準を決定していた場合、推薦コンテンツ抽出部４６は、ステップＳ５０において、複数種類の使用類似基準のそれぞれについての特定人物に対する各出演者の各類似度に基づいて、特定人物に対する各出演者の総合的な類似度をそれぞれ演算する。なお、以下、このようなステップＳ５０の処理を、複数の使用類似基準の総合類似度演算処理と称する。複数の使用類似基準の総合類似度演算処理の詳細については、図１０を参照して後述する。このステップＳ５０の複数の使用類似基準の総合類似度演算処理が終了すると、処理はステップＳ５１に進む。
【０１４７】
これに対してステップＳ４９においてＮＯであると判定された場合、即ちステップＳ４１の処理で１種類の使用類似基準が決定されていた場合、ステップＳ５０の複数の使用類似基準の総合類似度演算処理は実行されずに、そのまま処理はステップＳ５１に進む。
【０１４８】
ステップＳ５１において、推薦コンテンツ抽出部３２は、類似度が閾値以上の出演者を、類似人物として決定する。
【０１４９】
具体的には例えば、図６の状態の「顔」の類似度表が人物類似度情報保持部３１に保持されており、使用類似基準が「顔」のみであって、特定人物が「俳優Ａ」１人のみであった場合に、上述したステップＳ４１乃至Ｓ５０の処理が実行されたとする。このような場合には、ステップＳ５１の処理で閾値と比較される類似度は、「俳優Ａ」に対する「俳優Ｂ」の類似度「０．６」、「俳優Ａ」に対する「歌手Ｃ」の類似度「０．３」、「俳優Ａ」に対する「歌手Ｄ」の類似度「０．８」、「俳優Ａ」に対する「司会者Ｅ」の類似度「０．５」、および、「俳優Ａ」に対する「司会者Ｆ」の類似度「０．４」のそれぞれとなる。従って、例えば閾値として「０．７」が設定されている場合には、類似度「０．８」を有する「歌手Ｄ」が、類似人物として決定される。
【０１５０】
また例えば、ステップＳ４７の複数の特定人物の総合類似度演算処理や、ステップＳ５０の複数の使用類似基準の総合類似度演算処理が実行されていた場合には、それらの演算処理の結果得られる総合的な類似度が、閾値と比較され、総合的な類似度が閾値以上の出演者が、類似人物として決定される。
【０１５１】
このようにして、ステップＳ５１の処理で類似人物が決定されると、類似人物抽出処理が終了し、即ち、上述した図７のステップＳ２３の処理が終了し、次のステップＳ２４の処理で、このステップＳ５１の処理で決定された類似人物が出演するコンテンツが、推薦候補として決定される。
【０１５２】
次に、類似人物抽出処理におけるステップＳ４７とＳ５０との各処理の詳細について、即ち、複数の特定人物の総合類似度演算処理と、複数の使用類似基準の総合類似度演算処理とのそれぞれの詳細について、その順番で個別に説明していく。
【０１５３】
図９のフローチャートは、複数の特定人物の総合類似度演算処理の詳細例を示している。
【０１５４】
ステップＳ７１において、推薦コンテンツ抽出部３２は、複数の特定人物の各嗜好度合を、ユーザ嗜好情報保持部２９に保持されているユーザ嗜好情報から抽出する。
【０１５５】
具体的には例えば本実施の形態では、図４の出演者情報Ｐｕｐのうちの、複数の特定人物のそれぞれに対応付けられた各数値が、複数の特定人物の各嗜好度合として抽出される。即ち、例えば「personA」が特定人物に含まれる場合には、その嗜好度合として「１０」が抽出される。また例えば、「personB」が特定人物に含まれる場合には、その嗜好度合として「４３」が抽出される。
【０１５６】
ステップＳ７２において、推薦コンテンツ抽出部３２は、複数の出演者のうちの所定の1人を、処理対象出演者に設定する。
【０１５７】
ステップＳ７３において、推薦コンテンツ抽出部３２は、複数の特定人物のそれぞれに対する処理対象出演者の各類似度を、対応する特定人物の嗜好度合いを用いて重み付けする。そして、ステップＳ７４において、推薦コンテンツ抽出部３２は、重み付けされた各類似度の総加算を、処理対象出演者の類似度として決定する。
【０１５８】
ステップＳ７５において、推薦コンテンツ抽出部３２は、処理対象出演者にまだ設定されていない出演者は存在するか否かを判定する。
【０１５９】
ステップＳ７５の処理でＹＥＳであると判定された場合、即ち、処理対象出演者にまだ設定されていない出演者が存在する場合、処理はステップＳ７２に戻され、それ以降の処理が繰り返される。
【０１６０】
即ち、複数の出演者のそれぞれに対して、ステップＳ７２乃至Ｓ７５のループ処理が繰り返し実行され、複数の出演者の各総合的な類似度がそれぞれ演算される。
【０１６１】
具体的には例えば、「俳優Ａ」と「歌手Ｄ」とが特定人物であって、ステップＳ７１の処理でそれぞれ抽出された各嗜好度合を正規化した各値が「０．７」と「０．３」とのそれぞれであるとする。そして、「０．７」を「俳優Ａ」の重み値として採用し、また、「０．３」を「歌手Ｄ」の重み値として採用するとする。
【０１６２】
また、「顔」についての総合的な類似度が演算されるとし、その類似度演算の対象人物が、即ち複数の出演者が「俳優Ｂ」、「歌手Ｃ」、「司会者Ｅ」、および「司会者Ｆ」であったとする。また、各人物間の各類似度は、図６の状態の「顔」の類似度表に示されている各値であるとする。
【０１６３】
即ち、「俳優Ａ」に対する類似度は、「俳優Ｂ」については「０．６」であり、「歌手Ｃ」については「０．３」であり、「司会者Ｅ」については「０．５」であり、「司会者Ｆ」については「０．４」であるとする。
【０１６４】
また、「歌手Ｄ」に対する類似度は、「俳優Ｂ」については「０．４」であり、「歌手Ｃ」については「０．５」であり、「司会者Ｅ」については「０．５」であり、「司会者Ｆ」については「０．５」であるとする。
【０１６５】
この場合、ステップＳ７２の処理で「俳優Ｂ」が処理対象出演者に設定されると、ステップＳ７２の処理で、「俳優Ａ」に対する「俳優Ｂ」の類似度「０．６」が重み値「０．７」で重み付けされて「０．６*０．７」となり、また、「歌手Ｄ」に対する「俳優Ｂ」の類似度「０．４」が重み値「０．３」で重み付けされて「０．４*０．３」となる。
【０１６６】
従って、ステップＳ７４の処理で、次の式（１）の演算が実行され、その演算結果である「０．５４」が、「俳優Ｂ」の総合的な類似度として決定される。
【０１６７】
０．６＊０．７＋０．４＊０．３＝０．５４ ・・・（１）
【０１６８】
同様に、「歌手Ｃ」が処理対象出演者に設定されると、ステップＳ７３とＳ７４の処理で、次の式（２）の演算が実行され、その演算結果である「０．３６」が「歌手Ｃ」の総合的な類似度として決定される。
【０１６９】
０．３＊０．７＋０．５＊０．３＝０．３６ ・・・（２）
【０１７０】
また、「司会者Ｅ」が処理対象出演者に設定されると、ステップＳ７３とＳ７４の処理で、次の式（３）の演算が実行され、その演算結果である「０．５」が「司会者Ｅ」の総合的な類似度として決定される。
【０１７１】
０．５＊０．７＋０．５＊０．３＝０．５ ・・・（３）
【０１７２】
また、「司会者Ｆ」が処理対象出演者に設定されると、ステップＳ７３とＳ７４の処理で、次の式（４）の演算が実行され、その演算結果である「０．４３」が「司会者Ｆ」の総合的な類似度として決定される。
【０１７３】
０．４＊０．７＋０．５＊０．３＝０．４３ ・・・（４）
【０１７４】
従って、この数値例では、総合的な類似度は、「俳優Ｂ」＞「司会者Ｅ」＞「司会者Ｆ」＞「歌手Ｃ」となる。
【０１７５】
このようにして、複数の出演者のそれぞれの総合的な類似度が演算されると、ステップＳ７５の処理でＮＯであると判定されて、複数の特定人物の総合類似度演算処理が終了する。即ち、上述した図８のステップＳ４７の処理が終了し、処理はステップＳ４８に進む。
【０１７６】
この場合、ステップＳ４１の処理で決定された使用類似基準が１種類だけであるとすると、ステップＳ５０の複数の使用類似基準の総合類似度演算処理は実行されないので、このステップＳ４７の複数の特定人物の総合類似度演算処理結果、即ち、各出演者の総合的な類似度のそれぞれが、ステップＳ５１の処理において、閾値と比較されることになる。
【０１７７】
具体的には例えば、各出演者の総合的な類似度が上述した数値例であって、閾値が「０．４」の場合、総合的な類似度「０．５４」を有する「俳優Ｂ」と、総合的な類似度「０．５」を有する「司会者Ｅ」とのそれぞれが、類似人物として決定される。
【０１７８】
次に、図１０のフローチャートを参照して、複数の使用類似基準の総合類似度演算処理例、即ち、上述した図８のステップＳ５０の処理の詳細例について説明する。
【０１７９】
ステップＳ９１において、推薦コンテンツ抽出部３２は、推薦候補となり得るコンテンツのジャンルを、コンテンツ情報保持部２４に保持されているコンテンツ情報から取得する。
【０１８０】
ステップＳ９２において、推薦コンテンツ抽出部３２は、取得されたジャンルのうちの所定の1つを、処理対象ジャンルに設定する。
【０１８１】
ステップＳ９３において、推薦コンテンツ抽出部３２は、処理対象ジャンルについて、複数の類似基準の各重み係数をそれぞれ決定する。
【０１８２】
ステップＳ９４において、推薦コンテンツ抽出部３２は、複数の出演者のうちの所定の1人を、処理対象出演者に設定する。
【０１８３】
ステップＳ９５において、推薦コンテンツ抽出部３２は、複数の使用類似基準のそれぞれに対する処理対象出演者の各類似度を、対応する使用類似基準の重み係数を用いて重み付けする。そして、ステップＳ９６において、推薦コンテンツ抽出部３２は、重み付けされた各類似度の総加算を、処理対象出演者の類似度として決定する。
【０１８４】
ステップＳ９７において、推薦コンテンツ抽出部３２は、処理対象出演者にまだ設定されていない出演者は存在するか否かを判定する。
【０１８５】
ステップＳ９７の処理でＹＥＳであると判定された場合、即ち、処理対象出演者にまだ設定されていない出演者が存在する場合、処理はステップＳ９４に戻され、それ以降の処理が繰り返される。
【０１８６】
即ち、処理対象ジャンルについて、複数の出演者のそれぞれに対して、ステップＳ９４乃至Ｓ９８のループ処理が繰り返し実行され、複数の出演者の各総合的な類似度がそれぞれ演算される。その後、ステップＳ９７の処理でＮＯであると判定されて、処理はステップＳ９８に進む。
【０１８７】
ステップＳ９８において、推薦コンテンツ抽出部３２は、処理対象ジャンルにまだ設定されていないジャンルは存在するか否かを判定する。
【０１８８】
ステップＳ９８の処理でＹＥＳであると判定された場合、即ち、処理対象ジャンルにまだ設定されていないジャンルが存在する場合、処理はステップＳ９２に戻され、それ以降の処理が繰り返される。
【０１８９】
即ち、ステップＳ９１の処理で取得された各ジャンルのそれぞれについて、ステップＳ９２乃至Ｓ９８のループ処理が繰り返し実行され、複数の出演者の各総合的な類似度がそれぞれ演算される。その後、ステップＳ９８の処理でＮＯであると判定されて、処理はステップＳ９９に進む。
【０１９０】
ステップＳ９９において、推薦コンテンツ抽出部３２は、ステップＳ９１の処理で取得されたジャンルは複数であるか否かを判定する。
【０１９１】
ステップＳ９１の処理で取得されたジャンルが複数であった場合、ステップＳ９９の処理でＹＥＳであると判定されて、処理はステップＳ１００に進む。ステップＳ１００において、推薦コンテンツ抽出部３２は、複数の出演者毎に、ジャンル統合類似度を演算する。
【０１９２】
ここに、所定の出演者についてのジャンル統合類似度とは、その所定の出演者について、複数のジャンル毎にステップＳ９６の処理で決定された各類似度（以下、ジャンル類似度と称する）を用いて、所定の演算規則に従って算出された１つの類似度をいう。所定の演算規則は、特に限定されず、例えば、各ジャンル類似度を重み付けし、重み付け後の各ジャンル類似度の平均値をジャンル統合類似度とする、といった演算規則を採用できる。また例えば、重み付け後の各ジャンル類似度の総加算値をジャンル統合類似度とする、といった演算規則を採用できる。
【０１９３】
このようなステップＳ１００の処理が終了すると、複数の使用類似基準の総合類似度演算処理は終了となる。即ち、上述した図８のステップＳ５０の処理が終了し、処理はステップＳ５１に進む。
【０１９４】
これに対して、ステップＳ９１の処理で取得されたジャンルが１つだけであった場合、ステップＳ９９の処理でＮＯであると判定されて、ステップＳ１００の処理は実行されずに、複数の使用類似基準の総合類似度演算処理は終了となる。即ち、上述した図８のステップＳ５０の処理が終了し、処理はステップＳ５１に進む。
【０１９５】
以上説明したように、複数の使用類似基準の総合類似度演算処理は、コンテンツの内容（ここではジャンル）によって、重視する使用類似基準を変更することを特徴とする。即ち、所定のジャンルによって、重視する使用類似基準を変更するべく、図１０の例では、その重視度合いを示す値として、ステップＳ９３の処理で決定される重み係数が利用されている。
【０１９６】
換言すると、この重み係数は、どのように重視するのかに応じて任意に決定することができる。即ち、ステップＳ９３の処理は、最終的に重み係数が決定されれば足り、その処理内容は特に限定されない。
【０１９７】
例えば、過去の推薦コンテンツに対するユーザの反応から動的に更新する処理、即ち、所定の演算手法に従って各重み係数をその都度算出する処理を、ステップＳ９３の処理として採用することができる。
【０１９８】
また例えば、ジャンル毎の各類似基準の各重み係数を予め設定して保持しておき、その保持されている各重み係数を抽出する処理を、ステップＳ９３の処理として採用してもよい。具体例には例えば図１１に示されるような重み係数情報を図２の人物類似度情報保持部３１等に予め保持させておき、推薦コンテンツ抽出部３２が、ステップＳ９３の処理として、処理対象ジャンルについての「顔」係数α、「声」係数β、「言語」係数γを取得することで、それらを各重み係数として決定することができる。
【０１９９】
この場合、ステップＳ９５とＳ９６の処理として、次の式（５）が演算されて、処理対象ジャンルについての処理対象出演者の総合的な類似度が決定されることになる。
【０２００】
総合的な類似度= α×「顔」類似度＋β×「声」類似度＋γ×「言語」類似度 ・・・（５）
【０２０１】
なお、式（５）において、「顔」類似度とは、使用類似基準が「顔」の場合の処理対象出演者の類似度をいう。即ち、α×「顔」類似度が、ステップＳ９５の処理により「顔」類似度が重み付けされた結果である。同様に、「声」類似度とは、使用類似基準が「声」の場合の処理対象出演者の類似度をいう。即ち、β×「声」類似度が、ステップＳ９５の処理により「声」類似度が重み付けされた結果である。また、「言語」類似度とは、使用類似基準が「言語」の場合の処理対象出演者の類似度をいう。即ち、γ×「言語」類似度が、ステップＳ９５の処理により「言語」類似度が重み付けされた結果である。
【０２０２】
また、式（５）で算出される「総合的な類似度」とは、処理対象ジャンルとされている１つのジャンルについての類似度、即ち、ステップＳ１００の処理の説明において上述した「ジャンル類似度」をいう。従って、ステップＳ９１の処理で取得されたジャンルが複数であった場合、複数のジャンル毎に、式（５）を利用して各ジャンル類似度が算出される。そして、ステップＳ１００の処理で、複数のジャンルのそれぞれについての各ジャンル類似度が統合された１つの類似度、即ちジャンル統合類似度が演算される。
【０２０３】
なお、上述した図８のステップＳ４１の処理で「顔」が使用類似基準として決定されていない場合、「顔」係数α＝０として取り扱い、「声」係数βと「言語」係数γとについては、それらの加算値が１となるように再度正規化を行えばよい。即ち、かかる処理をステップＳ９３の処理として実行すればよい。
【０２０４】
同様に、上述した図８のステップＳ４１の処理で「声」が使用類似基準として決定されていない場合、「声」係数β＝０として取り扱い、「顔」係数αと「言語」係数γとについては、それらの加算値が１となるように再度正規化を行えばよい。即ち、かかる処理をステップＳ９３の処理として実行すればよい。また、上述した図８のステップＳ４１の処理で「言語」が使用類似基準として決定されていない場合、「言語」係数γ＝０として取り扱い、「顔」係数αと「声」係数βとについては、それらの加算値が１となるように再度正規化を行えばよい。即ち、かかる処理をステップＳ９３の処理として実行すればよい。
【０２０５】
また、ステップＳ９５とＳ９６の処理の代わりに、ベイジアンネットを利用して３つの類似尺度、即ち、「顔」、「声」、「言語」の各類似度を統合することで、処理対象ジャンルについての処理対象出演者の総合的な類似度を決定する処理を採用してもよい。
【０２０６】
また、コンテンツの内容として、図１０の例ではジャンルが採用されたが、図１０の例に特に限定されない。即ち、図１０における「ジャンル」を、任意の「コンテンツの内容」に置き換えるだけで、任意の「コンテンツの内容」についての、複数の使用類似基準の総合類似度演算処理が容易に実現できる。
【０２０７】
さらにまた、複数の使用類似基準の総合類似度演算処理の特徴、即ち、コンテンツの内容（ここではジャンル）によって、重視する使用類似基準を変更するという特徴は、別の処理、例えば図８のステップＳ４１の処理に適用することもできる。即ち、ステップＳ４１の処理の使用類似基準の決定手法として、コンテンツのジャンルに応じて決定する手法を採用することができる。具体的には例えば、コンテンツのジャンルが、情報や教養系の場合には出演者の発話内容を重視しべく「言語」を、アニメの場合は声優の声質を重視すべく「声」を、音楽の場合は歌手の声質を重視すべく「声」を、ドラマや映画の場合は出演者の顔情報を重視すべく「顔」を、それぞれ使用類似基準として決定する、といった手法をステップＳ４１の処理に採用できる。
【０２０８】
以上、図５の人物類似度情報生成／更新処理と、図７等のコンテンツ推薦処理とは何れも、図２の機能的構成を有するコンテンツ推薦処理装置１０により実行されるとして説明してきた。即ち、図５の人物類似度情報生成／更新処理と、図７等のコンテンツ推薦処理とは、同一装置により実行されることを前提に説明してきた。しかしながら、図５の人物類似度情報生成／更新処理と、図７等のコンテンツ推薦処理とは互いに独立した処理であるので、このことを考慮すると、両者の処理を同一装置で実行する必要は必ずしもない。
【０２０９】
例えば、コンテンツ推薦処理装置１０は、図２のコンテンツ情報保持部２４、ユーザ嗜好情報保持部２９、人物類似度情報保持部３１、推薦コンテンツ抽出部３２、推薦情報出力部３３、および推薦情報保持部３４だけ備えるように構成させて、図２の他の機能ブロックの機能については他の装置に委譲することも可能である。
【０２１０】
具体的には例えば、図１の配信サーバ５が、人物類似度情報生成部３０の機能を有するようにしてもよい。この場合、配信サーバ５が、図５の人物類似度情報生成／更新処理を定期的に実行し、その処理結果、即ち、生成または更新された人物類似度情報を、ネットワーク８を介してコンテンツ推薦処理装置１０に配布することができる。実際には、非常に数多くのユーザがそれぞれのコンテンツ推薦処理装置１０を個別に保有することになるので、そのことを考慮すれば、図５の人物類似度情報生成／更新処理は、各コンテンツ推薦処理装置１０側で実行するよりも、配信サーバ５側で実行する方が好適である。
【０２１１】
ところで、上述した一連の処理は、ハードウエアにより実行させることもできるが、ソフトウエアにより実行させることができる。
【０２１２】
この場合、図２のコンテンツ推薦処理装置１０等の少なくとも一部として、例えば、図１２に示されるパーソナルコンピュータを採用してもよい。
【０２１３】
図１２において、CPU（Central Processing Unit）１０１は、ROM（Read Only Memory）１０２に記録されているプログラム、または記憶部１０８からRAM（Random Access Memory）１０３にロードされたプログラムに従って各種の処理を実行する。RAM１０３にはまた、CPU１０１が各種の処理を実行する上において必要なデータなども適宜記憶される。
【０２１４】
CPU１０１、ROM１０２、およびRAM１０３は、バス１０４を介して相互に接続されている。このバス１０４にはまた、入出力インタフェース１０５も接続されている。
【０２１５】
入出力インタフェース１０５には、キーボード、マウスなどよりなる入力部１０６、ディスプレイなどよりなる出力部１０７、ハードディスクなどより構成される記憶部１０８、および、モデム、ターミナルアダプタなどより構成される通信部１０９が接続されている。通信部１０９は、インターネットを含むネットワークを介して他の装置（図示せず）との間で行う通信を制御する。
【０２１６】
入出力インタフェース１０５にはまた、必要に応じてドライブ１１０が接続され、磁気ディスク、光ディスク、光磁気ディスク、或いは半導体メモリなどよりなるリムーバブルメディア１１１が適宜装着され、それらから読み出されたコンピュータプログラムが、必要に応じて記憶部１０８にインストールされる。
【０２１７】
一連の処理をソフトウエアにより実行させる場合には、そのソフトウエアを構成するプログラムが、専用のハードウエアに組み込まれているコンピュータ、または、各種のプログラムをインストールすることで、各種の機能を実行することが可能な、例えば汎用のパーソナルコンピュータなどに、ネットワークや記録媒体からインストールされる。
【０２１８】
このようなプログラムを含む記録媒体は、図１２に示されるように、装置本体とは別に、ユーザにプログラムを提供するために配布される、プログラムが記録されている磁気ディスク（フロッピディスクを含む）、光ディスク（CD-ROM(Compact Disk-Read Only Memory),DVD(Digital Versatile Disk)を含む）、光磁気ディスク（ＭＤ（Mini-Disk）を含む）、もしくは半導体メモリなどよりなるリムーバブル記録媒体（パッケージメディア）１１１により構成されるだけでなく、装置本体に予め組み込まれた状態でユーザに提供される、プログラムが記録されているROM１０２や、記憶部１０８に含まれるハードディスクなどで構成される。
【０２１９】
なお、本明細書において、記録媒体に記録されるプログラムを記述するステップは、その順序に沿って時系列的に行われる処理はもちろん、必ずしも時系列的に処理されなくとも、並列的あるいは個別に実行される処理をも含むものである。
【０２２０】
また、本明細書において、システムとは、複数の装置や処理部により構成される装置全体を表すものである。
【０２２１】
また例えば、コンテンツとして、上述した実施の形態では、テレビジョン放送番組と、配信ストリーミングデータとのみを採用したが、当然ながら上述した実施の形態に限定されるものではない。即ち、コンテンツとは、広く、人間の創造的活動により生み出されるものをいい、このようなコンテンツ全体に対して本発明は適用可能である。
【０２２２】
例えば、映画、音楽、演劇、文芸、写真、漫画、アニメーション、コンピュータゲームその他の文字、図形、色彩、音声、動作若しくは映像若しくはこれらを組み合わせたもの又はこれらに係る情報を電子計算機を介して提供するためのプログラムが、コンテンツの一例であり、何れも本発明に適用可能である。即ち、これらの各種のコンテンツを推薦の対象とすることができる。さらに、この場合、ユーザが嗜好する特定人物に基づくコンテンツ推薦に限定する必要は特に無く、広く特定オブジェクトに基づくコンテンツ推薦を行うことができる。この場合、上述した一連の処理を施すことで、特定オブジェクトに類似する類似オブジェクトを認識し、その類似オブジェクトに基づくコンテンツ推薦を行うことも可能になる。
【図面の簡単な説明】
【０２２３】
【図１】テレビジョン番組放送、およびストリームデータの配信について説明する図である。
【図２】本発明が適用される情報処理装置としての、図１のコンテンツ推薦処理装置の機能的構成例を示す機能ブロック図である。
【図３】図２のコンテンツ情報保持部に保持されるコンテンツ情報の一例を示す図である。
【図４】図２のユーザ嗜好情報保持部に保持されるユーザ嗜好情報の一例を示す図である。
【図５】図２のコンテンツ推薦処理装置が実行する人物類似度情報生成／更新処理例を説明するフローチャートである。
【図６】図５の人物類似度情報生成／更新処理により生成されて、図２の人物類似度情報保持部３１に保持される人物類似度情報の一例を示す図である。
【図７】図２のコンテンツ推薦処理装置が実行するコンテンツ推薦処理例を説明するフローチャートである。
【図８】図７のステップＳ２３の類似人物抽出処理の詳細例を説明するフローチャートである。
【図９】図８のステップＳ４７の複数の特定人物の総合類似度演算処理の詳細例を説明するフローチャートである。
【図１０】図８のステップＳ５０の複数の使用類似基準の総合類似度演算処理の詳細例を説明するフローチャートである。
【図１１】図１０の複数の使用類似基準の総合類似度演算処理で利用される重み係数情報の一例を示す図である。
【図１２】本発明が適用される画像処理装置としてのパーソナルコンピュータの構成例を示すブロック図である。
【符号の説明】
【０２２４】
５ 配信サーバ， １０ コンテンツ推薦処理装置， ２４ コンテンツ情報保持部， ２９ ユーザ嗜好情報保持部， ３０ 人物類似度情報生成部， ３１ 人物類似度情報保持部， ３２ 推薦コンテンツ抽出部， ３３ 推薦情報出力部， １０１ CPU， １０２ ROM， １０３ RAM， １０８ 記憶部， １１１ リムーバブル記録媒体
【特許請求の範囲】
【請求項１】
ユーザにコンテンツを推薦する情報処理装置において、
前記ユーザが嗜好する特定人物に関する嗜好情報を保持する嗜好情報保持手段と、
前記特定人物を含む複数の人物間における所定の類似基準に基づく各類似度を示す人物類似情報を保持する人物類似情報保持手段と、
前記嗜好情報保持手段に保持された前記嗜好情報に基づいて前記特定人物を認識し、前記人物類似情報保持手段に保持された前記人物類似情報に基づいて、前記特定人物に類似すると判断できる類似人物を認識し、前記特定人物が出演するコンテンツと前記類似人物が出演するコンテンツとのうちの少なくとも一方を、ユーザに対して推薦すべき推薦コンテンツの候補として決定する推薦手段と
を備える情報処理装置。
【請求項２】
前記所定の類似基準に基づく類似度は、人物が有する顔の特徴に基づく類似度である
請求項１に記載の情報処理装置。
【請求項３】
前記所定の類似基準に基づく類似度は、人物が発声する声の特徴に基づく類似度である
請求項１に記載の情報処理装置。
【請求項４】
前記所定の類似基準に基づく類似度は、人物が利用する言語の特徴に基づく類似度である
請求項１に記載の情報処理装置。
【請求項５】
前記人物類似情報は、複数の類似基準のそれぞれに基づく各類似度を示す各情報からなり、
前記推薦手段は、
前記複数の類似基準のそれぞれについて、前記類似人物の候補と前記特定人物との間の各類似度を前記人物類似情報から取得し、
取得した前記複数の類似基準のそれぞれについての前記各類似度と、コンテンツの内容に応じて変化する前記複数の類似基準の重要度合とに基づいて、前記類似人物の候補の総合的な類似度を演算し、
前記総合的な類似度に基づいて、前記類似人物の候補を前記類似人物として認識するか否かを決定する
請求項１に記載の情報処理装置。
【請求項６】
前記推薦手段は、
前記特定人物として複数人を認識し、
前記類似人物の候補と、前記複数の特定人物のそれぞれとの間の各類似度を前記人物類似情報から取得し、
取得した前記各類似度に基づいて、前記類似人物の候補の総合的な類似度を演算し、
前記総合的な類似度に基づいて、前記類似人物の候補を前記類似人物として認識するか否かを決定する
請求項１に記載の情報処理装置。
【請求項７】
前記特定人物を含む前記複数の人物間における前記所定の類似基準に基づく各類似度をそれぞれ演算し、それらの演算結果を前記人物類似情報として前記人物類似情報保持手段に保持させる類似度演算手段
をさらに備える請求項１に記載の情報処理装置。
【請求項８】
ユーザが嗜好する特定人物に関する嗜好情報を保持する嗜好情報保持手段と、
前記特定人物を含む複数の人物間における所定の類似基準に基づく各類似度を示す人物類似情報を保持する人物類似情報保持手段とを備え
前記ユーザにコンテンツを推薦する情報処理装置の情報処理方法であって、
前記嗜好情報保持手段に保持された前記嗜好情報に基づいて前記特定人物を認識し、前記人物類似情報保持手段に保持された前記人物類似情報に基づいて、前記特定人物に類似すると判断できる類似人物を認識し、前記特定人物が出演するコンテンツと前記類似人物が出演するコンテンツとのうちの少なくとも一方を、ユーザに対して推薦すべき推薦コンテンツの候補として決定する
ステップを含む情報処理方法。
【請求項９】
ユーザが嗜好する特定人物に関する嗜好情報を保持する嗜好情報保持手段と、
前記特定人物を含む複数の人物間における所定の類似基準に基づく各類似度を示す人物類似情報を保持する人物類似情報保持手段とを備え、
前記ユーザにコンテンツを推薦する推薦装置を制御するコンピュータが実行するプログラムであって、
前記嗜好情報保持手段に保持された前記嗜好情報に基づいて前記特定人物を認識し、前記人物類似情報保持手段に保持された前記人物類似情報に基づいて、前記特定人物に類似すると判断できる類似人物を認識し、前記特定人物が出演するコンテンツと前記類似人物が出演するコンテンツとのうちの少なくとも一方を、ユーザに対して推薦すべき推薦コンテンツの候補として決定する
ステップを含むプログラム。
【請求項１】
ユーザにコンテンツを推薦する情報処理装置において、
前記ユーザが嗜好する特定人物に関する嗜好情報を保持する嗜好情報保持手段と、
前記特定人物を含む複数の人物間における所定の類似基準に基づく各類似度を示す人物類似情報を保持する人物類似情報保持手段と、
前記嗜好情報保持手段に保持された前記嗜好情報に基づいて前記特定人物を認識し、前記人物類似情報保持手段に保持された前記人物類似情報に基づいて、前記特定人物に類似すると判断できる類似人物を認識し、前記特定人物が出演するコンテンツと前記類似人物が出演するコンテンツとのうちの少なくとも一方を、ユーザに対して推薦すべき推薦コンテンツの候補として決定する推薦手段と
を備える情報処理装置。
【請求項２】
前記所定の類似基準に基づく類似度は、人物が有する顔の特徴に基づく類似度である
請求項１に記載の情報処理装置。
【請求項３】
前記所定の類似基準に基づく類似度は、人物が発声する声の特徴に基づく類似度である
請求項１に記載の情報処理装置。
【請求項４】
前記所定の類似基準に基づく類似度は、人物が利用する言語の特徴に基づく類似度である
請求項１に記載の情報処理装置。
【請求項５】
前記人物類似情報は、複数の類似基準のそれぞれに基づく各類似度を示す各情報からなり、
前記推薦手段は、
前記複数の類似基準のそれぞれについて、前記類似人物の候補と前記特定人物との間の各類似度を前記人物類似情報から取得し、
取得した前記複数の類似基準のそれぞれについての前記各類似度と、コンテンツの内容に応じて変化する前記複数の類似基準の重要度合とに基づいて、前記類似人物の候補の総合的な類似度を演算し、
前記総合的な類似度に基づいて、前記類似人物の候補を前記類似人物として認識するか否かを決定する
請求項１に記載の情報処理装置。
【請求項６】
前記推薦手段は、
前記特定人物として複数人を認識し、
前記類似人物の候補と、前記複数の特定人物のそれぞれとの間の各類似度を前記人物類似情報から取得し、
取得した前記各類似度に基づいて、前記類似人物の候補の総合的な類似度を演算し、
前記総合的な類似度に基づいて、前記類似人物の候補を前記類似人物として認識するか否かを決定する
請求項１に記載の情報処理装置。
【請求項７】
前記特定人物を含む前記複数の人物間における前記所定の類似基準に基づく各類似度をそれぞれ演算し、それらの演算結果を前記人物類似情報として前記人物類似情報保持手段に保持させる類似度演算手段
をさらに備える請求項１に記載の情報処理装置。
【請求項８】
ユーザが嗜好する特定人物に関する嗜好情報を保持する嗜好情報保持手段と、
前記特定人物を含む複数の人物間における所定の類似基準に基づく各類似度を示す人物類似情報を保持する人物類似情報保持手段とを備え
前記ユーザにコンテンツを推薦する情報処理装置の情報処理方法であって、
前記嗜好情報保持手段に保持された前記嗜好情報に基づいて前記特定人物を認識し、前記人物類似情報保持手段に保持された前記人物類似情報に基づいて、前記特定人物に類似すると判断できる類似人物を認識し、前記特定人物が出演するコンテンツと前記類似人物が出演するコンテンツとのうちの少なくとも一方を、ユーザに対して推薦すべき推薦コンテンツの候補として決定する
ステップを含む情報処理方法。
【請求項９】
ユーザが嗜好する特定人物に関する嗜好情報を保持する嗜好情報保持手段と、
前記特定人物を含む複数の人物間における所定の類似基準に基づく各類似度を示す人物類似情報を保持する人物類似情報保持手段とを備え、
前記ユーザにコンテンツを推薦する推薦装置を制御するコンピュータが実行するプログラムであって、
前記嗜好情報保持手段に保持された前記嗜好情報に基づいて前記特定人物を認識し、前記人物類似情報保持手段に保持された前記人物類似情報に基づいて、前記特定人物に類似すると判断できる類似人物を認識し、前記特定人物が出演するコンテンツと前記類似人物が出演するコンテンツとのうちの少なくとも一方を、ユーザに対して推薦すべき推薦コンテンツの候補として決定する
ステップを含むプログラム。
【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２】
【図３】
【図４】
【図５】
【図６】
【図７】
【図８】
【図９】
【図１０】
【図１１】
【図１２】
【公開番号】特開２００８−４８００１（Ｐ２００８−４８００１Ａ）
【公開日】平成２０年２月２８日（２００８．２．２８）
【国際特許分類】
【出願番号】特願２００６−２１９３０３（Ｐ２００６−２１９３０３）
【出願日】平成１８年８月１１日（２００６．８．１１）
【出願人】（０００００２１８５）ソニー株式会社 (34,172)
【Ｆターム（参考）】
【公開日】平成２０年２月２８日（２００８．２．２８）
【国際特許分類】
【出願日】平成１８年８月１１日（２００６．８．１１）
【出願人】（０００００２１８５）ソニー株式会社 (34,172)
【Ｆターム（参考）】
[ Back to top ]