情報推薦装置，方法，およびプログラム
【課題】 ユーザの嗜好に応じてアイテムを推薦する情報推薦装置を提供することを目的とする。
【解決手段】 情報推薦装置１は，ユーザのアイテムに対する評価履歴を記憶する評価履歴記憶部３と，未評価の複数のアイテムデータを記憶するアイテムデータ記憶部４と，評価履歴をもとに，評価済みのアイテムを高評価アイテムと低評価アイテムに分類し，スカイラインを形成する高評価アイテムが最多数となるように，アイテムに与えられた各属性で設定されている複数の属性値の優劣を示す順序関係を学習する属性値順序学習部１１と，アイテムデータ記憶部４の未評価のアイテムについて，各属性の属性値の順序関係にもとづいてスカイラインアイテム集合を抽出して推薦データ５として出力するスカイライン問合せ部１３を備える。
【解決手段】 情報推薦装置１は，ユーザのアイテムに対する評価履歴を記憶する評価履歴記憶部３と，未評価の複数のアイテムデータを記憶するアイテムデータ記憶部４と，評価履歴をもとに，評価済みのアイテムを高評価アイテムと低評価アイテムに分類し，スカイラインを形成する高評価アイテムが最多数となるように，アイテムに与えられた各属性で設定されている複数の属性値の優劣を示す順序関係を学習する属性値順序学習部１１と，アイテムデータ記憶部４の未評価のアイテムについて，各属性の属性値の順序関係にもとづいてスカイラインアイテム集合を抽出して推薦データ５として出力するスカイライン問合せ部１３を備える。
【発明の詳細な説明】
【技術分野】
【０００１】
本発明は，ユーザの嗜好を，事物や事柄に対する評価や関心の有無などの情報をもとに学習し，学習結果にもとづいてユーザが評価または関心が高いと予測される事物や事柄を推薦する情報処理技術に関する。
【背景技術】
【０００２】
商品やサービスに対する評価や関心の有無などの情報を収集してユーザの嗜好を学習し，未評価のものに関する情報を推薦情報として提供する情報推薦が知られている。
【０００３】
情報推薦は，ＥＣ（電子商取引）サイトやコンテンツ共有サイトなどに導入され，ユーザに推薦する商品やコンテンツなどのアイテムを提示する処理技術である。ユーザの嗜好をアイテムが持つ属性で表現し，ユーザの嗜好とアイテムが有する属性とを照合することによって，ユーザに提示するべきアイテムを選別する。例えば，アイテムがＤＶＤである場合に，ジャンル，制作年，出演者などの属性を示す属性値をアイテムに与え，ユーザの評価や関心が高い属性とアイテムが持つ属性とを照合して，より合致するアイテムを選別して推薦する。
【０００４】
情報推薦の従来手法として，ユーザがアイテムに対して高い評価値を与えた場合に，そのアイテムが持つ属性値に高い重みを与え，得られた属性値の重みの総和を，未評価アイテムへの予測評価とする処理が知られている。
【先行技術文献】
【特許文献】
【０００５】
【特許文献１】特開２００７−４３４７１号公報
【発明の概要】
【発明が解決しようとする課題】
【０００６】
上述の従来手法の場合に，ユーザが高く評価したアイテムと同じ属性値を持つアイテムが高く評価される。そのため，同じような属性値を持つアイテム群が高評価と予測され，相互に類似するアイテムばかりが推薦されてしまうという問題がある。
【０００７】
この問題を，図３２を用いて，ＤＶＤについてユーザの嗜好にあったものを推薦する場合を例に説明する。
【０００８】
ＤＶＤには，属性として「ジャンル」，「制作年」が与えられる。ジャンルには「ＳＦ，アクション，コメディ，ホラー」，制作年代には「６０年代（６０ｓ），７０年代（７０ｓ），８０年代（８０ｓ），９０年代（９０ｓ）」という属性値がそれぞれ設定されていると想定する。
【０００９】
図３２（Ａ）に，ユーザが過去に行ったアイテムに対する評価例を示す。図３２（Ａ）に示す評価例から，属性ごとに属性値の重みが算出される。例えば，ジャンルの各属性値「ＳＦ，アクション，コメディ，ホラー」の重みが「４．５，１０，４．５，２」であり，制作年の各属性値「６０年代，７０年代，８０年代，９０年代」の重みが，「７，７，２，６」とする。
【００１０】
この属性値の重みの平均をもとに，ユーザ嗜好を示す属性の組合せに対する重みを算出する。図３２（Ｂ）に，属性の組合せの重み例を示す。ここで，属性の組合せの重みは，「ＳＦ，６０年代（重み＝１７）」，「ＳＦ，７０年代（重み＝１７）」，「ＳＦ，９０年代（重み＝１６）」，「ＳＦ，８０年代（重み＝１２）」，「アクション，６０年代（重み＝１１．５）」，…，となる。
【００１１】
図３２（Ｃ）に算出した重みから選択された推薦アイテム例を示す。属性の重み値をもとに未評価ＤＶＤの評価を予測した推薦アイテムの上位は，ジャンルにおいて重みが大きい属性値「ＳＦ」で占められ，推薦対象となるべき「アクション」や「コメディ」のものは下位に埋もれてしまうという問題がある。
【００１２】
ところで，推薦対象が類似するアイテムとなることを解消する手法として，スカイライン問合せが知られている。
【００１３】
スカイライン問合せは，アイテムが複数の属性によって特徴づけられ，さらに，各属性の属性値の間に順序関係（例えば優劣関係）が与えられている場合に，「全ての属性において属性値が自身の属性値と同じか上位（優位）となり，かつ，そのうちの１つ以上の属性値が自己の属性値より上位（優位）である他アイテムが存在しない」という条件を満たすアイテムのみを，スカイラインアイテムとして抽出する。
【００１４】
図３３は，スカイライン問合せを，ホテルについてユーザ嗜好に応じて推薦する場合の例を説明するための図である。
【００１５】
図３３（Ａ）に，推薦対象を示すホテルデータの例を示す。ホテルには，最寄り駅からの距離（ｄｉｓｔａｎｃｅ）と料金（ｐｒｉｃｅ）という属性が与えられているとする。
【００１６】
図３３（Ｂ）に，図３３（Ａ）のホテルデータの各ホテルを，距離と料金の２次元グラフ上に配置した例を示す。
【００１７】
図３３（Ｃ）に，図３３（Ａ）に示すホテルデータに対してスカイライン問合せを行うクエリ（スカイラインクエリ）を，ＳＱＬを用いて表現したものを示す。スカイラインクエリは，「２つの属性の属性値が，自身のそれ以下であり（５，６行目），かつ，そのうち１つ以上の属性値がより小さい（７，８行目）という他のホテル」が存在しないホテルの集合を要求することを表す。
【００１８】
図３３（Ｄ）に，スカイラインクエリの結果例を示す。スカイラインクエリの結果では，スカイラインアイテムに該当するアイテムとしてホテルａ，ｂ，ｃが抽出される。抽出されたホテルは，距離または料金において属性値が劣位となる他のホテルがないようなホテルが抽出される。
【００１９】
したがって，「ユーザは，他より優れている点があるようなアイテムを高評価する」というモデルにもとづく情報推薦において，スカイライン問合せを採用することにより，各属性での評価が高いアイテムを偏りなく推薦することが可能となる。
【００２０】
ホテルの評価のように，属性「距離，料金」における属性値の優劣の順序関係が一意に決定する，すなわち，より近い距離かつより安い料金のホテルがより高く評価されるようなアイテムを対象として推薦する場合に，スカイライン問合せは有用である。しかし，ユーザの嗜好に応じてアイテムを推薦する場合には，各属性での属性値の優劣の順序はユーザごとに変化するため，スカイライン問合せをそのまま採用することができない。
【００２１】
本発明の目的は，ユーザ嗜好に応じて情報推薦する場合に，スカイライン問合せにユーザ嗜好を反映させ，属性に偏りがないアイテムを推薦できる技術を提供することである。
【課題を解決するための手段】
【００２２】
本願において開示される情報推薦装置は，複数の属性が与えられたアイテムデータを，ユーザの嗜好にもとづいて推薦する情報推薦装置であって，アイテムデータに対する評価を示す評価履歴を記憶する評価履歴記憶部と，推薦対象となる未評価の複数のアイテムデータを記憶するアイテムデータ記憶部と，前記評価履歴をもとに，アイテムデータを，前記アイテムデータに対する評価と所定の閾値により高評価アイテムと低評価アイテムに分類し，全ての属性において評価が自身に対する評価と同じか優位であり，かつ，そのうちの１つ以上の評価が自身に対する評価より優位である他アイテムが存在しない条件を満たすスカイラインを形成する前記高評価アイテムが最多数となる場合における，前記アイテムデータに与えられた各属性で設定されている複数の属性値の優劣を示す順序関係を学習する属性値順序学習部と，前記アイテムデータ記憶部に記憶されている未評価のアイテムデータについて，前記属性値順序学習部で学習された各属性の属性値の順序関係にもとづいて，前記スカイラインを形成するアイテム集合を抽出し，抽出したアイテムデータを推薦アイテムとするスカイライン問合せ部とを，備える。
【発明の効果】
【００２３】
上記の開示される情報推薦装置によれば，ユーザ嗜好にもとづいて情報推薦する場合に，スカイライン問合せにユーザ嗜好を反映させ，属性に偏りがないアイテムを推薦することが可能となる。
【図面の簡単な説明】
【００２４】
【図１】本発明の一態様として開示する情報推薦装置の一実施形態における構成例を示す図である。
【図２】一実施形態におけるアイテム属性記憶部に記憶されているアイテム属性の例を示す図である。
【図３】一実施形態におけるアイテムデータ記憶部に記憶されているアイテムデータの例を示す図である。
【図４】一実施形態における情報推薦装置の処理の流れを示す図である。
【図５】ステップＳ１の処理の，より詳細な処理フロー例を示す図（その１）である。
【図６】ステップＳ１の処理の，より詳細な処理フロー例を示す図（その２）である。
【図７】一実施形態における高評価アイテム表および低評価アイテム表の例を示す図である。
【図８】一実施形態における属性値順序表の例を示す図である。
【図９】属性値順序組合せ表の例を示す図である。
【図１０】取り出された属性値順序組合せにおけるアイテムの２次元グラフ上での配置例を示す図である。
【図１１】一実施形態における高評価スカイラインアイテム表の例を示す図である。
【図１２】処理ループにおける高評価スカイラインアイテム表の例を示す図である。
【図１３】取り出された属性値順序組合せにおけるアイテムの２次元グラフ上での配置例を示す図である。
【図１４】処理ループが完了した後の高評価スカイラインアイテム表の例を示す図である。
【図１５】一実施形態における属性値スコア表の例を示す図である。
【図１６】一実施形態における属性値順序スコア計算表の例を示す図である。
【図１７】高評価スカイラインアイテム表のスコア欄の記入例を示す図である。
【図１８】処理のループにおける属性値スコア表および属性値順序スコア計算表の例を示す図である。
【図１９】処理のループにおける高評価スカイラインアイテム表の例を示す図である。
【図２０】処理ループが完了した後の高評価スカイラインアイテム表の例を示す図である。
【図２１】一実施形態における，別の処理手法による，属性値順序生成処理の処理フロー例を示す図である。
【図２２】一実施形態における属性値分類表の例を示す図である。
【図２３】一実施形態における属性値順序表の例を示す図
【図２４】一実施形態における属性値分類表の例を示す図である。
【図２５】一実施形態における属性値順序表の例を示す図である。
【図２６】一実施形態におけるスカイラインクエリの例を示す図である。
【図２７】一実施形態における属性値スコア表の例を示す図である。
【図２８】一実施形態における問合せ結果表の例を示す図である。
【図２９】問合せ結果表におけるアイテムの２次元グラフ上での配置例を示す図である。
【図３０】一実施形態におけるスカイラインクエリの実行結果例を示す図である。
【図３１】一実施形態における情報推薦装置のハードウェア構成例を示す図である。
【図３２】従来手法のユーザ嗜好による推薦の問題を説明するための図である。
【図３３】スカイライン問合せを説明するための図である。
【発明を実施するための形態】
【００２５】
図１は，本発明の一態様として開示する情報推薦装置の一実施形態における構成例を示す図である。
【００２６】
本実施形態において，情報推薦装置１は，ユーザの嗜好にもとづいてアイテムの優劣を推定し，優位のアイテムを示す推薦情報を出力する装置である。
【００２７】
情報推薦装置１は，属性値順序学習部１１，スカイライン問合せ部１３，アイテム属性記憶部２，評価履歴記憶部３，およびアイテムデータ記憶部４を備える。
【００２８】
属性値順序学習部１１は，アイテムに与えられる複数の属性について，ユーザの評価をもとに，高評価のアイテムの多数がスカイラインアイテムとなるように，各属性に設定されている属性値の優劣を示す順序関係を学習する。
【００２９】
スカイラインアイテムは，スカイラインを形成する要素となるアイテムである。すなわち，スカイラインアイテムは，アイテムが複数の属性によって特徴づけられ，さらに，各属性の属性値の間に順序関係（例えば優劣関係）が与えられている場合に，「全ての属性において属性値が自身の属性値と同じか上位（優位）となり，かつ，そのうちの１つ以上の属性値が自身の属性値より上位（優位）である他アイテムが存在しない」という条件を満たすアイテムである。
【００３０】
属性値順序学習部１１は，各属性での属性値の様々な順序（属性値の並び）の組合せのうち，スカイラインアイテムとなる高評価のアイテムが最多数となるような属性値の順序の組合せを求め，求めた組合せでの各属性の属性値の順序を，スカイライン問合せ部に渡す。
【００３１】
属性値順序学習部１１は，各属性の属性値の順序関係を学習する際に，他の条件により学習することができる。例えば，属性値順序学習部１１は，アイテムに与えられた属性のうち，「１つの属性の属性値のみが異なるアイテム同士が高評価と低評価とに分かれる場合に，その異なる属性において高評価となったアイテムが持つ属性値を優位とする」という条件を満たす属性値の順序関係を学習することができる。
【００３２】
また，属性値順序学習部１１は，上記の学習により得られた順序関係において，さらに，高評価のアイテムが持つ属性値をより優位とするような順序関係を特定してもよい。例えば，属性値順序学習部１１は，アイテムの評価にもとづくスコア（優位であるほどスコア値が小さいとする）と，アイテムの持つ各属性値の順位（優位であるほど値が小さいとする）の和の積を最小とするような順序関係を求めることができる。
【００３３】
スカイライン問合せ部１３は，属性値順序学習部１１で決定された属性値の順序関係を，スカイラインアイテムを要求するクエリ（スカイラインクエリ）に与えて，未評価のアイテムからスカイラインアイテムを抽出する。抽出されたスカイラインアイテムは，推薦データ５として抽出され，ユーザに提示される。
【００３４】
アイテム属性記憶部２は，アイテムに与えられる複数の属性と，各属性に設定される属性値を示すアイテム属性を記憶する。
【００３５】
評価履歴記憶部３は，ユーザが過去に行ったアイテムに対する評価を示す評価履歴を記憶する。
【００３６】
アイテムデータ記憶部４は，推薦対象となる，ユーザによる評価がされていないアイテムに関するデータ（アイテムデータ）を記憶する。アイテムデータ記憶部４は，データベースとして実施されてもよい。
【００３７】
本実施例で，情報推薦装置１は，ＤＶＤ（デジタルバーサタイルディスク）で提供されるデジタルコンテンツを推薦対象であるアイテムとし，以下の説明では，アイテムまたは単にＤＶＤと記す。
【００３８】
図２に，アイテム属性記憶部２に記憶されているアイテム属性の例を示す。
【００３９】
アイテム属性として，「ジャンル」，「制作年」が設定される。また，ジャンルの属性値として「アクション，ＳＦ，コメディ，ホラー」が，制作年の属性値として「６０年第，７０年代，８０年代，９０年代」が，それぞれ設定される。
【００４０】
評価履歴記憶部３に記憶される評価履歴は，図３２（Ａ）に例示するようなデータ項目を有する。すなわち，評価履歴は，各ＤＶＤの属性とユーザ評価とが対応付けられて記憶される。図３２（Ａ）の評価履歴で，評価は，値が大きいほど評価が高いことを示す。
【００４１】
図３に，アイテムデータ記憶部４に記憶されるアイテムデータの例を示す。
【００４２】
アイテムデータは，各ＤＶＤを識別する識別情報および複数の属性についての属性値が含まれる。
【００４３】
図４は，情報推薦装置１の処理の流れを示す図である。
【００４４】
ステップＳ１： 情報推薦装置１の属性値順序学習部１１は，アイテム属性記憶部２のアイテム属性および評価履歴記憶部３の評価履歴をもとに，各属性における属性値の順序関係を学習する。
【００４５】
ステップＳ２： スカイライン問合せ部１３は，学習された属性値順序をもとに，アイテムデータ記憶部４に対してスカイラインクエリを実行する。
【００４６】
ステップＳ３： スカイライン問合せ部１３は，スカイラインクエリで抽出したスカイラインアイテムを推薦データ５として出力する。
【００４７】
図５および図６は，ステップＳ１の処理の，より詳細な処理フロー例を示す図である。
【００４８】
属性値順序学習部１１は，評価履歴記憶部３から評価履歴を取り出し，アイテムを評価のレベルで区分けして，評価が高いアイテムを設定した高評価アイテム表と，評価の低いアイテムを設定した低評価アイテム表を作成する（ステップＳ１０１）。
【００４９】
図７（Ａ）は，高評価アイテム表の例，図７（Ｂ）は低評価アイテム表の例を示す図である。
【００５０】
図３２（Ａ）の履歴評価から，属性値順序学習部１１は，ユーザの平均評価（＝５）を計算し，平均評価を上回るＤＶＤａ，ｂ，ｃを高評価アイテム表に設定し，平均評価以下のＤＶＤｘ，ｙ，ｚを低評価アイテム表に設定する。
【００５１】
属性値順序学習部１１は，アイテム属性記憶部２からアイテム属性を取り出し，各属性について，可能な全ての属性値順序を列挙し，属性値順序を作成する（ステップＳ１０２）。
【００５２】
属性値順序学習部１１は，例えば，属性「ジャンル」の４つの属性値を要素とする属性値集合について，重複のない順列を展開し，順列の要素（属性値）間の「区切り（，）」を「＜」で置き換えて，２４通りの属性値順序を生成する。
【００５３】
属性値をつなぐ「＜」は，属性値間の優劣関係を表し，「＜」の左辺の属性値が右辺の属性値より優れている（評価が高い）ことを表す。
【００５４】
図８は，属性値順序表の例を示す図である。図８（Ａ）は，属性「ジャンル」の属性値順序表の例を，図８（Ｂ）は，属性「制作年」の属性値順序表の例を示す。
【００５５】
図８（Ａ）に示す（アクション＜ＳＦ＜コメディ＜ホラー）は，属性「ジャンル」の１つの属性値順序を示し，図８（Ｂ）に示す（６０ｓ＜７０ｓ＜８０ｓ＜９０ｓ）は，属性「制作年」の１つの属性値順序を示す。
【００５６】
属性値順序学習部１１は，さらに，各属性の属性順序１つずつの組合せを全て列挙し，属性値順序組合せ表を作成する（ステップＳ１０３）。
【００５７】
図９は，属性値順序組合せ表の例を示す図である。
【００５８】
属性値順序学習部１１は，ジャンルと制作年の２つの属性の属性値順序の組合せ，例えば，｛（アクション＜ＳＦ＜コメディ＜ホラー），（６０ｓ＜７０ｓ＜８０ｓ＜９０ｓ）｝を生成する。ステップＳ１０２の処理で，各属性について２４通りの属性値順序から，５７６通りの属性値順序組合せを列挙して属性値順序組合せ表に設定する。
【００５９】
属性値順序学習部１１は，高評価スカイラインアイテム最大数Ｍを０で初期化し（ステップＳ１０４），属性値順序組合せ表から１行（１属性値順序組合せ）ずつ取り出して，以下のステップＳ１０６〜Ｓ１１１の処理を行う（ステップＳ１０５）。
【００６０】
属性値順序学習部１１は，属性値順序組合せ表の全ての行を処理していない限り（ステップＳ１０６のＮ），ステップＳ１０７の処理へ進む。
【００６１】
属性値順序学習部１１は，取り出した行（属性値順序組合せ）におけるスカイラインアイテムＳを取得し（ステップＳ１０７），スカイラインアイテムＳのうち，高評価アイテム表に含まれるアイテムを，高評価スカイラインアイテムＴとし，その数Ｎを算出する（ステップＳ１０８）。
【００６２】
属性値順序学習部１１は，属性値順序組合せ｛（アクション＜ＳＦ＜コメディ＜ホラー），（６０ｓ＜７０ｓ＜８０ｓ＜９０ｓ）｝を取り出した場合に，図１０に示す，属性値順序組合せにおけるアイテムの２次元グラフ上の配置例からもわかるように，スカイラインアイテムは｛ｂ｝となる。ＤＶＤｂは，高評価アイテム表に含まれるので，高評価スカイラインアイテム数Ｎ＝１となる。
【００６３】
属性値順序学習部１１は，高評価スカイラインアイテム数Ｎと高評価スカイラインアイテム最大数Ｍとを比較する（ステップＳ１０９），Ｎ＜Ｍであれば，ステップＳ１０５の処理へ戻り，Ｎ＞ＭであればステップＳ１１０の処理へ進み，Ｎ＝ＭであればステップＳ１１１の処理へ進む。
【００６４】
ステップＳ１１０では，属性値順序学習部１１は，最大数Ｍを，アイテム数Ｎで更新し，高評価スカイラインアイテム表を全てクリアする。
【００６５】
ステップＳ１１１では，属性値順序学習部１１は，図１１に示すように，処理中の属性値順序組合せ，スカイラインアイテムＳ，高評価スカイラインアイテムＴを高評価スカイラインアイテム表に追加し，アイテム数Ｎを更新する。
【００６６】
属性値順序学習部１１は，ステップＳ１０５の処理で，属性値順序組合せ表から次の１行（１属性値順序組合せ）を取り出し，全ての行を取り出していなければ（ステップＳ１０６のＮ），２ループ目のステップＳ１０６〜Ｓ１１１の処理を行う。
【００６７】
属性値順序学習部１１は，属性値順序組合せ表の全ての行が処理されるまで，ステップＳ１０６〜Ｓ１１１の処理を繰り返し，５７６ループの処理により，全ての行を処理した場合に（ステップＳ１０６のＹ），ステップＳ１２１の処理へ進む。
【００６８】
図１２（Ａ）は，２ループ目が終了した場合の，高評価スカイラインアイテム表の例を示す図，図１２（Ｂ）は，７ループ目が終了した場合の，高評価スカイラインアイテム表の例を示す図である。
【００６９】
２ループ目の処理では，ステップＳ１０８で，高評価スカイラインアイテムＴ＝｛ｂ｝，アイテム数Ｎ＝１となるので（図１０参照），Ｎ＝Ｍとなることから（ステップＳ１０８），ステップＳ１１１へ進み，図１２（Ａ）に示すように，処理中の属性値順序組合せ，スカイラインアイテムＳ，高評価スカイラインアイテムＴが追加され，アイテム数Ｎが更新される。
【００７０】
７ループ目の処理では，図１３に示す，属性値順序組合せにおけるアイテムの２次元グラフ上の配置例からもわかるように，スカイラインアイテムが｛ｂ，ｃ｝となる。ＤＶＤｂ，ｃは，高評価アイテム表に含まれるので，高評価スカイラインアイテム数Ｎ＝２となり，Ｎ＞Ｍとなり（最大数Ｍ＝１），高評価スカイラインアイテム表がクリアされ，最大数Ｍ＝２に更新される（ステップＳ１１０）。
【００７１】
図１４は，属性値順序組合せ表の全ての行を処理した後，すなわちステップＳ１０６〜Ｓ１１１の処理ループを５７６回繰り返した後の高評価スカイラインアイテム表の例を示す図である。
【００７２】
次に，属性値順序学習部１１は，高評価スカイラインアイテム表から１行（１属性値順序組合せ）ずつ取り出し（図６：ステップＳ１２１），以下のステップＳ１２２〜Ｓ１２６の処理を繰り返す。
【００７３】
属性値順序学習部１１は，高評価スカイラインアイテム表の全ての行を処理していなければ（ステップＳ１２２のＮ），ステップＳ１２３の処理へ進む。
【００７４】
ステップＳ１２３では，属性値順序学習部１１は，属性値順序組合せ欄の各属性値の並びを参照し，属性値スコアを作成する。属性値のスコアは，属性値順序組合せでの属性値の並び順序に対応して，先頭から，１，２，３，…と定義する。
【００７５】
例えば，処理対象が属性値順序組合せ｛（アクション＜ＳＦ＜コメディ＜ホラー），（７０ｓ＜９０ｓ＜６０ｓ＜８０ｓ）｝である場合に，図１５の属性値スコア表の例に示すように，アクション＝１，ＳＦ＝２，コメディ＝３，ホラー＝４，６０ｓ＝３，７０ｓ＝１，８０ｓ＝４，９０ｓ＝２となる。ここで，属性値に対するスコアは，値が小さい程，評価が優れることを示し，属性値の順序関係において，より原点に近い位置となることを意味する。
【００７６】
属性値順序学習部１１は，属性値順序スコア計算表を全てクリアし（ステップＳ１２４），評価履歴および属性値スコア表を参照して，属性値順序スコア計算表のセルに値を設定する（ステップＳ１２５）。次に，属性値順序学習部１１は，属性値順序スコア計算表の合計欄を計算し，その値を，高評価スカイラインアイテム表のスコア欄に記入する（ステップＳ１２６）。
【００７７】
例えば，図１６の属性値順序スコア計算表の例に示すように，属性値順序学習部１１は，高評価アイテムのＤＶＤａの属性値に対応するスコアを，属性値スコア表から求めて，属性値順序スコア計算表のＤＶＤａのジャンル（ＳＦ）＝２，制作年（９０ｓ）＝２のように設定し，合計（＝４）を計算する。他のＤＶＤｂ，ＤＶＤｃについても同様に処理する。そして，属性値順序学習部１１は，図１６に示す属性値順序スコア計算表において，ＤＶＤａ，ｂ，ｃのジャンルのスコアの合計を計算し，合計した値（＝１２）を，図１７に示すように，高評価スカイラインアイテム表の対応する属性値順序のスコア欄に記入する。
【００７８】
属性値順序学習部１１は，ステップＳ１２１の処理で，高評価スカイラインアイテム表から次の１行（１属性値順序組合せ）を取り出し，２ループ目のステップＳ１２２〜Ｓ１２６の処理を繰り返す。
【００７９】
図１８（Ａ）は，２ループ目のＳ１２３の処理において生成される属性値スコア表の例を示す図，図１８（Ｂ）は，２ループ目のＳ１２５の処理において計算される属性値順序スコア計算表の合計の例を示す図である。図１９は，２ループ目が終了した場合の，高評価スカイラインアイテム表の例を示す図である。
【００８０】
図１９の上から２行目の属性値順序組合せに対するスコアとして，図１８に示す属性値順序スコア計算表で計算されたスコアの合計値（＝１３）が設定されている。
【００８１】
図２０は，高評価スカイラインアイテム表の全ての行を処理した後，すなわちステップＳ１２１〜Ｓ１２６の処理ループを２０回繰り返した後の高評価スカイラインアイテム表の例を示す図である。
【００８２】
属性値順序学習部１１は，高評価スカイラインアイテム表の全ての行を処理した場合に（ステップＳ１２２のＹ），ステップＳ１２７の処理へ進む。
【００８３】
ステップＳ１２７で，属性値順序学習部１１は，高評価スカイラインアイテム表のスコアが最小値である属性値順序組合せを出力する。例えば，属性値順序学習部１１は，図２０に示す高評価スカイラインアイテム表から，スコアの値＝１２である属性値順序組合せ｛（アクション＜ＳＦ＜コメディ＜ホラー），（７０ｓ＜９０ｓ＜６０ｓ＜８０ｓ）｝を出力する。
【００８４】
上述の処理例では，図５に示すステップＳ１０２の処理で，アイテム属性をもとに全ての属性値順序を生成したが，属性値順序学習部１１は，別の処理手法で属性値順序を生成することができる。
【００８５】
図２１は，別の処理手法による，属性値順序生成処理の処理フロー例を示す図である。
【００８６】
属性値順序学習部１１は，アイテム属性から属性を１つ選択し，その属性の空の属性値分類表と属性値順序表とを作成する（ステップＳ２０１）。
【００８７】
属性値順序学習部１１は，高評価アイテム表に設定されたアイテム（高評価アイテム）のみが持つ属性値を，高評価属性値に分類し，属性値分類表の高評価属性値欄に記入する（ステップＳ２０２）。さらに，属性値順序学習部１１は，低評価アイテム表に設定されたアイテム（低評価アイテム）のみが持つ属性値を，低評価属性値に分類し，属性値分類表の低評価属性値欄に記入する（ステップＳ２０３）。さらに，属性値順序学習部１１は，ステップＳ２０１，Ｓ２０２で設定されなかったそれ以外の属性値を，中立属性値に分類し，属性値分類表の中立評価属性値欄に記入する（ステップＳ２０４）。
【００８８】
図２２は，属性値分類表の例を示す図である。図２２の属性値分類表では，属性「ジャンル」の属性値が，高評価，低評価，中立の３分類に分類されていることを示す。
【００８９】
次に，属性値順序学習部１１は，（高評価属性値＜低評価属性値＜中立属性値）となる属性値順序を列挙し，属性値順序表に追加する（ステップＳ２０５）。さらに，属性値順序学習部１１は，（高評価属性値＜中立属性値＜低評価属性値）となる属性値順序を列挙し，属性値順序表に追加する（ステップＳ２０６）。さらに，属性値順序学習部１１は，（中立属性値＜高評価属性値＜低評価属性値）となる属性値順序を列挙し，属性値順序表に追加する（ステップＳ２０７）。
【００９０】
図２３は，属性値順序表の例を示す図である。図２３（Ａ）は，図２２に示す属性値分類表をもとに，属性値順序表に，（高評価属性値＜低評価属性値＜中立属性値）となる２つの属性値順序（ＳＦ＜ホラー＜アクション＜コメディ），（ＳＦ＜ホラー＜コメディ＜アクション）が追加されたことを示す。図２３（Ｂ）は，属性値順序表に，さらに（高評価属性値＜中立属性値＜低評価属性値）となる属性値順序（ＳＦ＜アクション＜コメディ＜ホラー），（ＳＦ＜コメディ＜アクション＜ホラー）が追加されたことを示す。図２３（Ｃ）は，さらに，属性値順序表に，（中立属性値＜高評価属性値＜低評価属性値）となる属性値順序（アクション＜コメディ＜ＳＦ＜ホラー），（コメディ＜アクション＜ＳＦ＜ホラー）が追加されたことを示す。
【００９１】
属性値順序学習部１１が，アイテム属性の全ての属性を処理していなければ（ステップＳ２０８のＮ），ステップＳ２０１〜Ｓ２０７の処理を繰り返す。
【００９２】
図２４は，属性値分類表の例を示す図であり，属性「制作年」の属性値が，高評価，低評価，中立の３分類に分類されていることを示す。
【００９３】
図２５は，ステップＳ２０１〜Ｓ２０７の処理の終了後，属性「制作年」についての属性値順序表の例を示す図である。
【００９４】
属性値順序学習部１１が，アイテム属性の全ての属性を処理していれば（ステップＳ２０８のＹ），処理が終了され，図５のステップＳ１０３の処理が実行されることになる。
【００９５】
図２１に示す処理によれば，列挙する属性値順序を限定して，各属性の属性値順序のデータサイズを小さくすることができる。よって，全ての属性値順序を作成する場合に比べて，処理時間を短縮することができる。
【００９６】
属性値順序学習部１１が上述の処理により出力した属性値順序組合せ｛（アクション＜ＳＦ＜コメディ＜ホラー），（７０ｓ＜９０ｓ＜６０ｓ＜８０ｓ）｝は，スカイライン問合せ部１３に渡される。
【００９７】
スカイライン問合せ部１３は，スカイラインクエリを，アイテムデータ記憶部４に対して実行する。
【００９８】
スカイライン問合せ部１３は，属性値順序組合せの属性「ジャンル」の属性値の順序（アクション＜ＳＦ＜コメディ＜ホラー）と属性「制作年」の属性値の順序（７０ｓ＜９０ｓ＜６０ｓ＜８０ｓ）にもとづいて，アイテムデータの各属性値に，その順序関係に応じたスコアを与え，スカイラインアイテムを特定する。
【００９９】
図２６および図２７を用いて，スカイライン問合せ部１３のより具体的な処理例を説明する。
【０１００】
図２６は，スカイライン問合せ部１３が，アイテムデータ記憶部４に対して行うスカイラインクエリの例を示す図である。
【０１０１】
スカイライン問合せ部１３は，図２６に示すスカイラインクエリの実行の前に，図３に示すアイテムデータ記憶部４のアイテムデータをもとに，各属性の属性値のスコアが付与される列（ｇｒａｎｋ列，ｅｒａｎｋ列）を有する問合せ結果表（ビューテーブル）を作成する。問合せ結果表（テーブル名：ｊｏｉｎｅｄ＿ｄｖｄｓ）には，属性値に対する評価が格納される。
【０１０２】
スカイライン問合せ部１３は，属性値順序学習部１１が出力した属性値順序組合せをもとに，各属性の属性値の順序に対応するスコアを設定したテーブルを作成する。
【０１０３】
図２７（Ａ）は，ジャンルの属性値スコア表（テーブル名：ｇｅｎｒｅ＿ｒａｎｋ）の例を示す図であり，図２７（Ｂ）は，ジャンルの属性値スコア表（テーブル名：ｅｒａ＿ｒａｎｋ）の例を示す図である。図２８は，問合せ結果表（テーブル名：ｊｏｉｎｅｄ＿ｄｖｄｓ）の例を示す図である。
【０１０４】
スカイライン問合せ部１３は，図２７の属性値スコア表を参照して，図２８に示す問合せ結果表のｇｒａｎｋ，ｅｒａｎｋに対応スコアを記入する。
【０１０５】
図２９は，図２８に示す問合せ結果表における各ＤＶＤの２次元グラフ上での配置例を示す図である。
【０１０６】
図２６に示すスカイラインクエリでは，ｇｒａｎｋ，ｅｒａｎｋの値を用いてアイテムの優劣が比較される。具体的には，「属性値に対するスコアｇｒａｎｋ，ｅｒａｎｋの値が，自身の値以下であり（図２６のクエリの１１，１２行目），かつ，そのうちの１つ以上の属性値がより小さい値である（図２６のクエリの１３，１４行目）である他のＤＶＤ」が存在しないＤＶＤ（スカイラインアイテム）が要求される。
【０１０７】
図２９に示すように，ＤＶＤｋ，ｊ，ｏがスカイラインアイテムとなる。スカイライン問合せ部１３は，スカイラインクエリによる出力結果（スカイラインアイテム集合｛ｋ，ｊ，ｏ｝）を出力する。
【０１０８】
図３０は，スカイラインクエリの実行結果例を示す図である。
【０１０９】
図３０に示すように，実行結果として，ＤＶＤｊ（ＳＦ，６０ｓ），ＤＶＤｋ（アクション，８０ｓ），ＤＶＤｏ（ホラー，７０ｓ）のＤＶＤ群（スカイラインアイテム集合）が抽出され，多様な属性のアイテムが抽出されることがわかる。図３０に示す実行結果のＤＶＤｊ，ｋ，ｏが，推薦データ５として出力される。
【０１１０】
図３１は，情報推薦装置１のハードウェア構成例を示す図である。
【０１１１】
情報推薦装置１は，演算装置（ＣＰＵ）１０１，一時記憶装置（ＤＲＡＭ，フラッシュメモリ等）１０２，永続性記憶装置（ＨＤＤ，フラッシュメモリ等）１０３を有するコンピュータと，入力装置（キーボード，マウス等）１２０および出力装置（ディスプレイ，・プリンタ等）１３０とによって実施することができる。また，情報推薦装置１は，このコンピュータ１００が実行可能なプログラムによっても実施することができる。この場合に，情報推薦装置１が有すべき機能の処理内容を記述したプログラムが提供される。提供されたプログラムをコンピュータ１００が実行することによって，上記説明した情報推薦装置１の処理機能がコンピュータ１００上で実現される。
【０１１２】
なお，コンピュータ１００は，可搬型記録媒体から直接プログラムを読み取り，そのプログラムに従った処理を実行することもできる。さらに，上記プログラムは，コンピュータで読み取り可能な記録媒体に記録しておくことができる。
【０１１３】
以上説明したように，開示する情報推薦装置１によれば，スカイライン問合せ処理をユーザ嗜好に応じた情報推薦に利用することが可能となり，相互に類似するようなアイテムが高評価となって推薦されることを解消することができる。また，他のアイテムとの比較において優れた点があるアイテムのみを推薦することが可能となり，よりユーザが望む推薦結果を出力することができる。
【符号の説明】
【０１１４】
１ 情報推薦装置
１１ 属性値順序学習部
１３ スカイライン問合せ部
２ アイテム属性記憶部
３ 評価履歴記憶部
４ アイテムデータ記憶部
５ 推薦データ
【技術分野】
【０００１】
本発明は，ユーザの嗜好を，事物や事柄に対する評価や関心の有無などの情報をもとに学習し，学習結果にもとづいてユーザが評価または関心が高いと予測される事物や事柄を推薦する情報処理技術に関する。
【背景技術】
【０００２】
商品やサービスに対する評価や関心の有無などの情報を収集してユーザの嗜好を学習し，未評価のものに関する情報を推薦情報として提供する情報推薦が知られている。
【０００３】
情報推薦は，ＥＣ（電子商取引）サイトやコンテンツ共有サイトなどに導入され，ユーザに推薦する商品やコンテンツなどのアイテムを提示する処理技術である。ユーザの嗜好をアイテムが持つ属性で表現し，ユーザの嗜好とアイテムが有する属性とを照合することによって，ユーザに提示するべきアイテムを選別する。例えば，アイテムがＤＶＤである場合に，ジャンル，制作年，出演者などの属性を示す属性値をアイテムに与え，ユーザの評価や関心が高い属性とアイテムが持つ属性とを照合して，より合致するアイテムを選別して推薦する。
【０００４】
情報推薦の従来手法として，ユーザがアイテムに対して高い評価値を与えた場合に，そのアイテムが持つ属性値に高い重みを与え，得られた属性値の重みの総和を，未評価アイテムへの予測評価とする処理が知られている。
【先行技術文献】
【特許文献】
【０００５】
【特許文献１】特開２００７−４３４７１号公報
【発明の概要】
【発明が解決しようとする課題】
【０００６】
上述の従来手法の場合に，ユーザが高く評価したアイテムと同じ属性値を持つアイテムが高く評価される。そのため，同じような属性値を持つアイテム群が高評価と予測され，相互に類似するアイテムばかりが推薦されてしまうという問題がある。
【０００７】
この問題を，図３２を用いて，ＤＶＤについてユーザの嗜好にあったものを推薦する場合を例に説明する。
【０００８】
ＤＶＤには，属性として「ジャンル」，「制作年」が与えられる。ジャンルには「ＳＦ，アクション，コメディ，ホラー」，制作年代には「６０年代（６０ｓ），７０年代（７０ｓ），８０年代（８０ｓ），９０年代（９０ｓ）」という属性値がそれぞれ設定されていると想定する。
【０００９】
図３２（Ａ）に，ユーザが過去に行ったアイテムに対する評価例を示す。図３２（Ａ）に示す評価例から，属性ごとに属性値の重みが算出される。例えば，ジャンルの各属性値「ＳＦ，アクション，コメディ，ホラー」の重みが「４．５，１０，４．５，２」であり，制作年の各属性値「６０年代，７０年代，８０年代，９０年代」の重みが，「７，７，２，６」とする。
【００１０】
この属性値の重みの平均をもとに，ユーザ嗜好を示す属性の組合せに対する重みを算出する。図３２（Ｂ）に，属性の組合せの重み例を示す。ここで，属性の組合せの重みは，「ＳＦ，６０年代（重み＝１７）」，「ＳＦ，７０年代（重み＝１７）」，「ＳＦ，９０年代（重み＝１６）」，「ＳＦ，８０年代（重み＝１２）」，「アクション，６０年代（重み＝１１．５）」，…，となる。
【００１１】
図３２（Ｃ）に算出した重みから選択された推薦アイテム例を示す。属性の重み値をもとに未評価ＤＶＤの評価を予測した推薦アイテムの上位は，ジャンルにおいて重みが大きい属性値「ＳＦ」で占められ，推薦対象となるべき「アクション」や「コメディ」のものは下位に埋もれてしまうという問題がある。
【００１２】
ところで，推薦対象が類似するアイテムとなることを解消する手法として，スカイライン問合せが知られている。
【００１３】
スカイライン問合せは，アイテムが複数の属性によって特徴づけられ，さらに，各属性の属性値の間に順序関係（例えば優劣関係）が与えられている場合に，「全ての属性において属性値が自身の属性値と同じか上位（優位）となり，かつ，そのうちの１つ以上の属性値が自己の属性値より上位（優位）である他アイテムが存在しない」という条件を満たすアイテムのみを，スカイラインアイテムとして抽出する。
【００１４】
図３３は，スカイライン問合せを，ホテルについてユーザ嗜好に応じて推薦する場合の例を説明するための図である。
【００１５】
図３３（Ａ）に，推薦対象を示すホテルデータの例を示す。ホテルには，最寄り駅からの距離（ｄｉｓｔａｎｃｅ）と料金（ｐｒｉｃｅ）という属性が与えられているとする。
【００１６】
図３３（Ｂ）に，図３３（Ａ）のホテルデータの各ホテルを，距離と料金の２次元グラフ上に配置した例を示す。
【００１７】
図３３（Ｃ）に，図３３（Ａ）に示すホテルデータに対してスカイライン問合せを行うクエリ（スカイラインクエリ）を，ＳＱＬを用いて表現したものを示す。スカイラインクエリは，「２つの属性の属性値が，自身のそれ以下であり（５，６行目），かつ，そのうち１つ以上の属性値がより小さい（７，８行目）という他のホテル」が存在しないホテルの集合を要求することを表す。
【００１８】
図３３（Ｄ）に，スカイラインクエリの結果例を示す。スカイラインクエリの結果では，スカイラインアイテムに該当するアイテムとしてホテルａ，ｂ，ｃが抽出される。抽出されたホテルは，距離または料金において属性値が劣位となる他のホテルがないようなホテルが抽出される。
【００１９】
したがって，「ユーザは，他より優れている点があるようなアイテムを高評価する」というモデルにもとづく情報推薦において，スカイライン問合せを採用することにより，各属性での評価が高いアイテムを偏りなく推薦することが可能となる。
【００２０】
ホテルの評価のように，属性「距離，料金」における属性値の優劣の順序関係が一意に決定する，すなわち，より近い距離かつより安い料金のホテルがより高く評価されるようなアイテムを対象として推薦する場合に，スカイライン問合せは有用である。しかし，ユーザの嗜好に応じてアイテムを推薦する場合には，各属性での属性値の優劣の順序はユーザごとに変化するため，スカイライン問合せをそのまま採用することができない。
【００２１】
本発明の目的は，ユーザ嗜好に応じて情報推薦する場合に，スカイライン問合せにユーザ嗜好を反映させ，属性に偏りがないアイテムを推薦できる技術を提供することである。
【課題を解決するための手段】
【００２２】
本願において開示される情報推薦装置は，複数の属性が与えられたアイテムデータを，ユーザの嗜好にもとづいて推薦する情報推薦装置であって，アイテムデータに対する評価を示す評価履歴を記憶する評価履歴記憶部と，推薦対象となる未評価の複数のアイテムデータを記憶するアイテムデータ記憶部と，前記評価履歴をもとに，アイテムデータを，前記アイテムデータに対する評価と所定の閾値により高評価アイテムと低評価アイテムに分類し，全ての属性において評価が自身に対する評価と同じか優位であり，かつ，そのうちの１つ以上の評価が自身に対する評価より優位である他アイテムが存在しない条件を満たすスカイラインを形成する前記高評価アイテムが最多数となる場合における，前記アイテムデータに与えられた各属性で設定されている複数の属性値の優劣を示す順序関係を学習する属性値順序学習部と，前記アイテムデータ記憶部に記憶されている未評価のアイテムデータについて，前記属性値順序学習部で学習された各属性の属性値の順序関係にもとづいて，前記スカイラインを形成するアイテム集合を抽出し，抽出したアイテムデータを推薦アイテムとするスカイライン問合せ部とを，備える。
【発明の効果】
【００２３】
上記の開示される情報推薦装置によれば，ユーザ嗜好にもとづいて情報推薦する場合に，スカイライン問合せにユーザ嗜好を反映させ，属性に偏りがないアイテムを推薦することが可能となる。
【図面の簡単な説明】
【００２４】
【図１】本発明の一態様として開示する情報推薦装置の一実施形態における構成例を示す図である。
【図２】一実施形態におけるアイテム属性記憶部に記憶されているアイテム属性の例を示す図である。
【図３】一実施形態におけるアイテムデータ記憶部に記憶されているアイテムデータの例を示す図である。
【図４】一実施形態における情報推薦装置の処理の流れを示す図である。
【図５】ステップＳ１の処理の，より詳細な処理フロー例を示す図（その１）である。
【図６】ステップＳ１の処理の，より詳細な処理フロー例を示す図（その２）である。
【図７】一実施形態における高評価アイテム表および低評価アイテム表の例を示す図である。
【図８】一実施形態における属性値順序表の例を示す図である。
【図９】属性値順序組合せ表の例を示す図である。
【図１０】取り出された属性値順序組合せにおけるアイテムの２次元グラフ上での配置例を示す図である。
【図１１】一実施形態における高評価スカイラインアイテム表の例を示す図である。
【図１２】処理ループにおける高評価スカイラインアイテム表の例を示す図である。
【図１３】取り出された属性値順序組合せにおけるアイテムの２次元グラフ上での配置例を示す図である。
【図１４】処理ループが完了した後の高評価スカイラインアイテム表の例を示す図である。
【図１５】一実施形態における属性値スコア表の例を示す図である。
【図１６】一実施形態における属性値順序スコア計算表の例を示す図である。
【図１７】高評価スカイラインアイテム表のスコア欄の記入例を示す図である。
【図１８】処理のループにおける属性値スコア表および属性値順序スコア計算表の例を示す図である。
【図１９】処理のループにおける高評価スカイラインアイテム表の例を示す図である。
【図２０】処理ループが完了した後の高評価スカイラインアイテム表の例を示す図である。
【図２１】一実施形態における，別の処理手法による，属性値順序生成処理の処理フロー例を示す図である。
【図２２】一実施形態における属性値分類表の例を示す図である。
【図２３】一実施形態における属性値順序表の例を示す図
【図２４】一実施形態における属性値分類表の例を示す図である。
【図２５】一実施形態における属性値順序表の例を示す図である。
【図２６】一実施形態におけるスカイラインクエリの例を示す図である。
【図２７】一実施形態における属性値スコア表の例を示す図である。
【図２８】一実施形態における問合せ結果表の例を示す図である。
【図２９】問合せ結果表におけるアイテムの２次元グラフ上での配置例を示す図である。
【図３０】一実施形態におけるスカイラインクエリの実行結果例を示す図である。
【図３１】一実施形態における情報推薦装置のハードウェア構成例を示す図である。
【図３２】従来手法のユーザ嗜好による推薦の問題を説明するための図である。
【図３３】スカイライン問合せを説明するための図である。
【発明を実施するための形態】
【００２５】
図１は，本発明の一態様として開示する情報推薦装置の一実施形態における構成例を示す図である。
【００２６】
本実施形態において，情報推薦装置１は，ユーザの嗜好にもとづいてアイテムの優劣を推定し，優位のアイテムを示す推薦情報を出力する装置である。
【００２７】
情報推薦装置１は，属性値順序学習部１１，スカイライン問合せ部１３，アイテム属性記憶部２，評価履歴記憶部３，およびアイテムデータ記憶部４を備える。
【００２８】
属性値順序学習部１１は，アイテムに与えられる複数の属性について，ユーザの評価をもとに，高評価のアイテムの多数がスカイラインアイテムとなるように，各属性に設定されている属性値の優劣を示す順序関係を学習する。
【００２９】
スカイラインアイテムは，スカイラインを形成する要素となるアイテムである。すなわち，スカイラインアイテムは，アイテムが複数の属性によって特徴づけられ，さらに，各属性の属性値の間に順序関係（例えば優劣関係）が与えられている場合に，「全ての属性において属性値が自身の属性値と同じか上位（優位）となり，かつ，そのうちの１つ以上の属性値が自身の属性値より上位（優位）である他アイテムが存在しない」という条件を満たすアイテムである。
【００３０】
属性値順序学習部１１は，各属性での属性値の様々な順序（属性値の並び）の組合せのうち，スカイラインアイテムとなる高評価のアイテムが最多数となるような属性値の順序の組合せを求め，求めた組合せでの各属性の属性値の順序を，スカイライン問合せ部に渡す。
【００３１】
属性値順序学習部１１は，各属性の属性値の順序関係を学習する際に，他の条件により学習することができる。例えば，属性値順序学習部１１は，アイテムに与えられた属性のうち，「１つの属性の属性値のみが異なるアイテム同士が高評価と低評価とに分かれる場合に，その異なる属性において高評価となったアイテムが持つ属性値を優位とする」という条件を満たす属性値の順序関係を学習することができる。
【００３２】
また，属性値順序学習部１１は，上記の学習により得られた順序関係において，さらに，高評価のアイテムが持つ属性値をより優位とするような順序関係を特定してもよい。例えば，属性値順序学習部１１は，アイテムの評価にもとづくスコア（優位であるほどスコア値が小さいとする）と，アイテムの持つ各属性値の順位（優位であるほど値が小さいとする）の和の積を最小とするような順序関係を求めることができる。
【００３３】
スカイライン問合せ部１３は，属性値順序学習部１１で決定された属性値の順序関係を，スカイラインアイテムを要求するクエリ（スカイラインクエリ）に与えて，未評価のアイテムからスカイラインアイテムを抽出する。抽出されたスカイラインアイテムは，推薦データ５として抽出され，ユーザに提示される。
【００３４】
アイテム属性記憶部２は，アイテムに与えられる複数の属性と，各属性に設定される属性値を示すアイテム属性を記憶する。
【００３５】
評価履歴記憶部３は，ユーザが過去に行ったアイテムに対する評価を示す評価履歴を記憶する。
【００３６】
アイテムデータ記憶部４は，推薦対象となる，ユーザによる評価がされていないアイテムに関するデータ（アイテムデータ）を記憶する。アイテムデータ記憶部４は，データベースとして実施されてもよい。
【００３７】
本実施例で，情報推薦装置１は，ＤＶＤ（デジタルバーサタイルディスク）で提供されるデジタルコンテンツを推薦対象であるアイテムとし，以下の説明では，アイテムまたは単にＤＶＤと記す。
【００３８】
図２に，アイテム属性記憶部２に記憶されているアイテム属性の例を示す。
【００３９】
アイテム属性として，「ジャンル」，「制作年」が設定される。また，ジャンルの属性値として「アクション，ＳＦ，コメディ，ホラー」が，制作年の属性値として「６０年第，７０年代，８０年代，９０年代」が，それぞれ設定される。
【００４０】
評価履歴記憶部３に記憶される評価履歴は，図３２（Ａ）に例示するようなデータ項目を有する。すなわち，評価履歴は，各ＤＶＤの属性とユーザ評価とが対応付けられて記憶される。図３２（Ａ）の評価履歴で，評価は，値が大きいほど評価が高いことを示す。
【００４１】
図３に，アイテムデータ記憶部４に記憶されるアイテムデータの例を示す。
【００４２】
アイテムデータは，各ＤＶＤを識別する識別情報および複数の属性についての属性値が含まれる。
【００４３】
図４は，情報推薦装置１の処理の流れを示す図である。
【００４４】
ステップＳ１： 情報推薦装置１の属性値順序学習部１１は，アイテム属性記憶部２のアイテム属性および評価履歴記憶部３の評価履歴をもとに，各属性における属性値の順序関係を学習する。
【００４５】
ステップＳ２： スカイライン問合せ部１３は，学習された属性値順序をもとに，アイテムデータ記憶部４に対してスカイラインクエリを実行する。
【００４６】
ステップＳ３： スカイライン問合せ部１３は，スカイラインクエリで抽出したスカイラインアイテムを推薦データ５として出力する。
【００４７】
図５および図６は，ステップＳ１の処理の，より詳細な処理フロー例を示す図である。
【００４８】
属性値順序学習部１１は，評価履歴記憶部３から評価履歴を取り出し，アイテムを評価のレベルで区分けして，評価が高いアイテムを設定した高評価アイテム表と，評価の低いアイテムを設定した低評価アイテム表を作成する（ステップＳ１０１）。
【００４９】
図７（Ａ）は，高評価アイテム表の例，図７（Ｂ）は低評価アイテム表の例を示す図である。
【００５０】
図３２（Ａ）の履歴評価から，属性値順序学習部１１は，ユーザの平均評価（＝５）を計算し，平均評価を上回るＤＶＤａ，ｂ，ｃを高評価アイテム表に設定し，平均評価以下のＤＶＤｘ，ｙ，ｚを低評価アイテム表に設定する。
【００５１】
属性値順序学習部１１は，アイテム属性記憶部２からアイテム属性を取り出し，各属性について，可能な全ての属性値順序を列挙し，属性値順序を作成する（ステップＳ１０２）。
【００５２】
属性値順序学習部１１は，例えば，属性「ジャンル」の４つの属性値を要素とする属性値集合について，重複のない順列を展開し，順列の要素（属性値）間の「区切り（，）」を「＜」で置き換えて，２４通りの属性値順序を生成する。
【００５３】
属性値をつなぐ「＜」は，属性値間の優劣関係を表し，「＜」の左辺の属性値が右辺の属性値より優れている（評価が高い）ことを表す。
【００５４】
図８は，属性値順序表の例を示す図である。図８（Ａ）は，属性「ジャンル」の属性値順序表の例を，図８（Ｂ）は，属性「制作年」の属性値順序表の例を示す。
【００５５】
図８（Ａ）に示す（アクション＜ＳＦ＜コメディ＜ホラー）は，属性「ジャンル」の１つの属性値順序を示し，図８（Ｂ）に示す（６０ｓ＜７０ｓ＜８０ｓ＜９０ｓ）は，属性「制作年」の１つの属性値順序を示す。
【００５６】
属性値順序学習部１１は，さらに，各属性の属性順序１つずつの組合せを全て列挙し，属性値順序組合せ表を作成する（ステップＳ１０３）。
【００５７】
図９は，属性値順序組合せ表の例を示す図である。
【００５８】
属性値順序学習部１１は，ジャンルと制作年の２つの属性の属性値順序の組合せ，例えば，｛（アクション＜ＳＦ＜コメディ＜ホラー），（６０ｓ＜７０ｓ＜８０ｓ＜９０ｓ）｝を生成する。ステップＳ１０２の処理で，各属性について２４通りの属性値順序から，５７６通りの属性値順序組合せを列挙して属性値順序組合せ表に設定する。
【００５９】
属性値順序学習部１１は，高評価スカイラインアイテム最大数Ｍを０で初期化し（ステップＳ１０４），属性値順序組合せ表から１行（１属性値順序組合せ）ずつ取り出して，以下のステップＳ１０６〜Ｓ１１１の処理を行う（ステップＳ１０５）。
【００６０】
属性値順序学習部１１は，属性値順序組合せ表の全ての行を処理していない限り（ステップＳ１０６のＮ），ステップＳ１０７の処理へ進む。
【００６１】
属性値順序学習部１１は，取り出した行（属性値順序組合せ）におけるスカイラインアイテムＳを取得し（ステップＳ１０７），スカイラインアイテムＳのうち，高評価アイテム表に含まれるアイテムを，高評価スカイラインアイテムＴとし，その数Ｎを算出する（ステップＳ１０８）。
【００６２】
属性値順序学習部１１は，属性値順序組合せ｛（アクション＜ＳＦ＜コメディ＜ホラー），（６０ｓ＜７０ｓ＜８０ｓ＜９０ｓ）｝を取り出した場合に，図１０に示す，属性値順序組合せにおけるアイテムの２次元グラフ上の配置例からもわかるように，スカイラインアイテムは｛ｂ｝となる。ＤＶＤｂは，高評価アイテム表に含まれるので，高評価スカイラインアイテム数Ｎ＝１となる。
【００６３】
属性値順序学習部１１は，高評価スカイラインアイテム数Ｎと高評価スカイラインアイテム最大数Ｍとを比較する（ステップＳ１０９），Ｎ＜Ｍであれば，ステップＳ１０５の処理へ戻り，Ｎ＞ＭであればステップＳ１１０の処理へ進み，Ｎ＝ＭであればステップＳ１１１の処理へ進む。
【００６４】
ステップＳ１１０では，属性値順序学習部１１は，最大数Ｍを，アイテム数Ｎで更新し，高評価スカイラインアイテム表を全てクリアする。
【００６５】
ステップＳ１１１では，属性値順序学習部１１は，図１１に示すように，処理中の属性値順序組合せ，スカイラインアイテムＳ，高評価スカイラインアイテムＴを高評価スカイラインアイテム表に追加し，アイテム数Ｎを更新する。
【００６６】
属性値順序学習部１１は，ステップＳ１０５の処理で，属性値順序組合せ表から次の１行（１属性値順序組合せ）を取り出し，全ての行を取り出していなければ（ステップＳ１０６のＮ），２ループ目のステップＳ１０６〜Ｓ１１１の処理を行う。
【００６７】
属性値順序学習部１１は，属性値順序組合せ表の全ての行が処理されるまで，ステップＳ１０６〜Ｓ１１１の処理を繰り返し，５７６ループの処理により，全ての行を処理した場合に（ステップＳ１０６のＹ），ステップＳ１２１の処理へ進む。
【００６８】
図１２（Ａ）は，２ループ目が終了した場合の，高評価スカイラインアイテム表の例を示す図，図１２（Ｂ）は，７ループ目が終了した場合の，高評価スカイラインアイテム表の例を示す図である。
【００６９】
２ループ目の処理では，ステップＳ１０８で，高評価スカイラインアイテムＴ＝｛ｂ｝，アイテム数Ｎ＝１となるので（図１０参照），Ｎ＝Ｍとなることから（ステップＳ１０８），ステップＳ１１１へ進み，図１２（Ａ）に示すように，処理中の属性値順序組合せ，スカイラインアイテムＳ，高評価スカイラインアイテムＴが追加され，アイテム数Ｎが更新される。
【００７０】
７ループ目の処理では，図１３に示す，属性値順序組合せにおけるアイテムの２次元グラフ上の配置例からもわかるように，スカイラインアイテムが｛ｂ，ｃ｝となる。ＤＶＤｂ，ｃは，高評価アイテム表に含まれるので，高評価スカイラインアイテム数Ｎ＝２となり，Ｎ＞Ｍとなり（最大数Ｍ＝１），高評価スカイラインアイテム表がクリアされ，最大数Ｍ＝２に更新される（ステップＳ１１０）。
【００７１】
図１４は，属性値順序組合せ表の全ての行を処理した後，すなわちステップＳ１０６〜Ｓ１１１の処理ループを５７６回繰り返した後の高評価スカイラインアイテム表の例を示す図である。
【００７２】
次に，属性値順序学習部１１は，高評価スカイラインアイテム表から１行（１属性値順序組合せ）ずつ取り出し（図６：ステップＳ１２１），以下のステップＳ１２２〜Ｓ１２６の処理を繰り返す。
【００７３】
属性値順序学習部１１は，高評価スカイラインアイテム表の全ての行を処理していなければ（ステップＳ１２２のＮ），ステップＳ１２３の処理へ進む。
【００７４】
ステップＳ１２３では，属性値順序学習部１１は，属性値順序組合せ欄の各属性値の並びを参照し，属性値スコアを作成する。属性値のスコアは，属性値順序組合せでの属性値の並び順序に対応して，先頭から，１，２，３，…と定義する。
【００７５】
例えば，処理対象が属性値順序組合せ｛（アクション＜ＳＦ＜コメディ＜ホラー），（７０ｓ＜９０ｓ＜６０ｓ＜８０ｓ）｝である場合に，図１５の属性値スコア表の例に示すように，アクション＝１，ＳＦ＝２，コメディ＝３，ホラー＝４，６０ｓ＝３，７０ｓ＝１，８０ｓ＝４，９０ｓ＝２となる。ここで，属性値に対するスコアは，値が小さい程，評価が優れることを示し，属性値の順序関係において，より原点に近い位置となることを意味する。
【００７６】
属性値順序学習部１１は，属性値順序スコア計算表を全てクリアし（ステップＳ１２４），評価履歴および属性値スコア表を参照して，属性値順序スコア計算表のセルに値を設定する（ステップＳ１２５）。次に，属性値順序学習部１１は，属性値順序スコア計算表の合計欄を計算し，その値を，高評価スカイラインアイテム表のスコア欄に記入する（ステップＳ１２６）。
【００７７】
例えば，図１６の属性値順序スコア計算表の例に示すように，属性値順序学習部１１は，高評価アイテムのＤＶＤａの属性値に対応するスコアを，属性値スコア表から求めて，属性値順序スコア計算表のＤＶＤａのジャンル（ＳＦ）＝２，制作年（９０ｓ）＝２のように設定し，合計（＝４）を計算する。他のＤＶＤｂ，ＤＶＤｃについても同様に処理する。そして，属性値順序学習部１１は，図１６に示す属性値順序スコア計算表において，ＤＶＤａ，ｂ，ｃのジャンルのスコアの合計を計算し，合計した値（＝１２）を，図１７に示すように，高評価スカイラインアイテム表の対応する属性値順序のスコア欄に記入する。
【００７８】
属性値順序学習部１１は，ステップＳ１２１の処理で，高評価スカイラインアイテム表から次の１行（１属性値順序組合せ）を取り出し，２ループ目のステップＳ１２２〜Ｓ１２６の処理を繰り返す。
【００７９】
図１８（Ａ）は，２ループ目のＳ１２３の処理において生成される属性値スコア表の例を示す図，図１８（Ｂ）は，２ループ目のＳ１２５の処理において計算される属性値順序スコア計算表の合計の例を示す図である。図１９は，２ループ目が終了した場合の，高評価スカイラインアイテム表の例を示す図である。
【００８０】
図１９の上から２行目の属性値順序組合せに対するスコアとして，図１８に示す属性値順序スコア計算表で計算されたスコアの合計値（＝１３）が設定されている。
【００８１】
図２０は，高評価スカイラインアイテム表の全ての行を処理した後，すなわちステップＳ１２１〜Ｓ１２６の処理ループを２０回繰り返した後の高評価スカイラインアイテム表の例を示す図である。
【００８２】
属性値順序学習部１１は，高評価スカイラインアイテム表の全ての行を処理した場合に（ステップＳ１２２のＹ），ステップＳ１２７の処理へ進む。
【００８３】
ステップＳ１２７で，属性値順序学習部１１は，高評価スカイラインアイテム表のスコアが最小値である属性値順序組合せを出力する。例えば，属性値順序学習部１１は，図２０に示す高評価スカイラインアイテム表から，スコアの値＝１２である属性値順序組合せ｛（アクション＜ＳＦ＜コメディ＜ホラー），（７０ｓ＜９０ｓ＜６０ｓ＜８０ｓ）｝を出力する。
【００８４】
上述の処理例では，図５に示すステップＳ１０２の処理で，アイテム属性をもとに全ての属性値順序を生成したが，属性値順序学習部１１は，別の処理手法で属性値順序を生成することができる。
【００８５】
図２１は，別の処理手法による，属性値順序生成処理の処理フロー例を示す図である。
【００８６】
属性値順序学習部１１は，アイテム属性から属性を１つ選択し，その属性の空の属性値分類表と属性値順序表とを作成する（ステップＳ２０１）。
【００８７】
属性値順序学習部１１は，高評価アイテム表に設定されたアイテム（高評価アイテム）のみが持つ属性値を，高評価属性値に分類し，属性値分類表の高評価属性値欄に記入する（ステップＳ２０２）。さらに，属性値順序学習部１１は，低評価アイテム表に設定されたアイテム（低評価アイテム）のみが持つ属性値を，低評価属性値に分類し，属性値分類表の低評価属性値欄に記入する（ステップＳ２０３）。さらに，属性値順序学習部１１は，ステップＳ２０１，Ｓ２０２で設定されなかったそれ以外の属性値を，中立属性値に分類し，属性値分類表の中立評価属性値欄に記入する（ステップＳ２０４）。
【００８８】
図２２は，属性値分類表の例を示す図である。図２２の属性値分類表では，属性「ジャンル」の属性値が，高評価，低評価，中立の３分類に分類されていることを示す。
【００８９】
次に，属性値順序学習部１１は，（高評価属性値＜低評価属性値＜中立属性値）となる属性値順序を列挙し，属性値順序表に追加する（ステップＳ２０５）。さらに，属性値順序学習部１１は，（高評価属性値＜中立属性値＜低評価属性値）となる属性値順序を列挙し，属性値順序表に追加する（ステップＳ２０６）。さらに，属性値順序学習部１１は，（中立属性値＜高評価属性値＜低評価属性値）となる属性値順序を列挙し，属性値順序表に追加する（ステップＳ２０７）。
【００９０】
図２３は，属性値順序表の例を示す図である。図２３（Ａ）は，図２２に示す属性値分類表をもとに，属性値順序表に，（高評価属性値＜低評価属性値＜中立属性値）となる２つの属性値順序（ＳＦ＜ホラー＜アクション＜コメディ），（ＳＦ＜ホラー＜コメディ＜アクション）が追加されたことを示す。図２３（Ｂ）は，属性値順序表に，さらに（高評価属性値＜中立属性値＜低評価属性値）となる属性値順序（ＳＦ＜アクション＜コメディ＜ホラー），（ＳＦ＜コメディ＜アクション＜ホラー）が追加されたことを示す。図２３（Ｃ）は，さらに，属性値順序表に，（中立属性値＜高評価属性値＜低評価属性値）となる属性値順序（アクション＜コメディ＜ＳＦ＜ホラー），（コメディ＜アクション＜ＳＦ＜ホラー）が追加されたことを示す。
【００９１】
属性値順序学習部１１が，アイテム属性の全ての属性を処理していなければ（ステップＳ２０８のＮ），ステップＳ２０１〜Ｓ２０７の処理を繰り返す。
【００９２】
図２４は，属性値分類表の例を示す図であり，属性「制作年」の属性値が，高評価，低評価，中立の３分類に分類されていることを示す。
【００９３】
図２５は，ステップＳ２０１〜Ｓ２０７の処理の終了後，属性「制作年」についての属性値順序表の例を示す図である。
【００９４】
属性値順序学習部１１が，アイテム属性の全ての属性を処理していれば（ステップＳ２０８のＹ），処理が終了され，図５のステップＳ１０３の処理が実行されることになる。
【００９５】
図２１に示す処理によれば，列挙する属性値順序を限定して，各属性の属性値順序のデータサイズを小さくすることができる。よって，全ての属性値順序を作成する場合に比べて，処理時間を短縮することができる。
【００９６】
属性値順序学習部１１が上述の処理により出力した属性値順序組合せ｛（アクション＜ＳＦ＜コメディ＜ホラー），（７０ｓ＜９０ｓ＜６０ｓ＜８０ｓ）｝は，スカイライン問合せ部１３に渡される。
【００９７】
スカイライン問合せ部１３は，スカイラインクエリを，アイテムデータ記憶部４に対して実行する。
【００９８】
スカイライン問合せ部１３は，属性値順序組合せの属性「ジャンル」の属性値の順序（アクション＜ＳＦ＜コメディ＜ホラー）と属性「制作年」の属性値の順序（７０ｓ＜９０ｓ＜６０ｓ＜８０ｓ）にもとづいて，アイテムデータの各属性値に，その順序関係に応じたスコアを与え，スカイラインアイテムを特定する。
【００９９】
図２６および図２７を用いて，スカイライン問合せ部１３のより具体的な処理例を説明する。
【０１００】
図２６は，スカイライン問合せ部１３が，アイテムデータ記憶部４に対して行うスカイラインクエリの例を示す図である。
【０１０１】
スカイライン問合せ部１３は，図２６に示すスカイラインクエリの実行の前に，図３に示すアイテムデータ記憶部４のアイテムデータをもとに，各属性の属性値のスコアが付与される列（ｇｒａｎｋ列，ｅｒａｎｋ列）を有する問合せ結果表（ビューテーブル）を作成する。問合せ結果表（テーブル名：ｊｏｉｎｅｄ＿ｄｖｄｓ）には，属性値に対する評価が格納される。
【０１０２】
スカイライン問合せ部１３は，属性値順序学習部１１が出力した属性値順序組合せをもとに，各属性の属性値の順序に対応するスコアを設定したテーブルを作成する。
【０１０３】
図２７（Ａ）は，ジャンルの属性値スコア表（テーブル名：ｇｅｎｒｅ＿ｒａｎｋ）の例を示す図であり，図２７（Ｂ）は，ジャンルの属性値スコア表（テーブル名：ｅｒａ＿ｒａｎｋ）の例を示す図である。図２８は，問合せ結果表（テーブル名：ｊｏｉｎｅｄ＿ｄｖｄｓ）の例を示す図である。
【０１０４】
スカイライン問合せ部１３は，図２７の属性値スコア表を参照して，図２８に示す問合せ結果表のｇｒａｎｋ，ｅｒａｎｋに対応スコアを記入する。
【０１０５】
図２９は，図２８に示す問合せ結果表における各ＤＶＤの２次元グラフ上での配置例を示す図である。
【０１０６】
図２６に示すスカイラインクエリでは，ｇｒａｎｋ，ｅｒａｎｋの値を用いてアイテムの優劣が比較される。具体的には，「属性値に対するスコアｇｒａｎｋ，ｅｒａｎｋの値が，自身の値以下であり（図２６のクエリの１１，１２行目），かつ，そのうちの１つ以上の属性値がより小さい値である（図２６のクエリの１３，１４行目）である他のＤＶＤ」が存在しないＤＶＤ（スカイラインアイテム）が要求される。
【０１０７】
図２９に示すように，ＤＶＤｋ，ｊ，ｏがスカイラインアイテムとなる。スカイライン問合せ部１３は，スカイラインクエリによる出力結果（スカイラインアイテム集合｛ｋ，ｊ，ｏ｝）を出力する。
【０１０８】
図３０は，スカイラインクエリの実行結果例を示す図である。
【０１０９】
図３０に示すように，実行結果として，ＤＶＤｊ（ＳＦ，６０ｓ），ＤＶＤｋ（アクション，８０ｓ），ＤＶＤｏ（ホラー，７０ｓ）のＤＶＤ群（スカイラインアイテム集合）が抽出され，多様な属性のアイテムが抽出されることがわかる。図３０に示す実行結果のＤＶＤｊ，ｋ，ｏが，推薦データ５として出力される。
【０１１０】
図３１は，情報推薦装置１のハードウェア構成例を示す図である。
【０１１１】
情報推薦装置１は，演算装置（ＣＰＵ）１０１，一時記憶装置（ＤＲＡＭ，フラッシュメモリ等）１０２，永続性記憶装置（ＨＤＤ，フラッシュメモリ等）１０３を有するコンピュータと，入力装置（キーボード，マウス等）１２０および出力装置（ディスプレイ，・プリンタ等）１３０とによって実施することができる。また，情報推薦装置１は，このコンピュータ１００が実行可能なプログラムによっても実施することができる。この場合に，情報推薦装置１が有すべき機能の処理内容を記述したプログラムが提供される。提供されたプログラムをコンピュータ１００が実行することによって，上記説明した情報推薦装置１の処理機能がコンピュータ１００上で実現される。
【０１１２】
なお，コンピュータ１００は，可搬型記録媒体から直接プログラムを読み取り，そのプログラムに従った処理を実行することもできる。さらに，上記プログラムは，コンピュータで読み取り可能な記録媒体に記録しておくことができる。
【０１１３】
以上説明したように，開示する情報推薦装置１によれば，スカイライン問合せ処理をユーザ嗜好に応じた情報推薦に利用することが可能となり，相互に類似するようなアイテムが高評価となって推薦されることを解消することができる。また，他のアイテムとの比較において優れた点があるアイテムのみを推薦することが可能となり，よりユーザが望む推薦結果を出力することができる。
【符号の説明】
【０１１４】
１ 情報推薦装置
１１ 属性値順序学習部
１３ スカイライン問合せ部
２ アイテム属性記憶部
３ 評価履歴記憶部
４ アイテムデータ記憶部
５ 推薦データ
【特許請求の範囲】
【請求項１】
複数の属性が与えられたアイテムデータを，ユーザの嗜好にもとづいて推薦する情報推薦装置であって，
アイテムデータに対する評価を示す評価履歴を記憶する評価履歴記憶部と，
推薦対象となる未評価の複数のアイテムデータを記憶するアイテムデータ記憶部と，
前記評価履歴をもとに，アイテムデータを，前記アイテムデータに対する評価と所定の閾値により高評価アイテムと低評価アイテムに分類し，全ての属性において評価が自身に対する評価と同じか優位であり，かつ，そのうちの１つ以上の評価が自身に対する評価より優位である他アイテムが存在しない条件を満たすスカイラインを形成する前記高評価アイテムが最多数となる場合における，前記アイテムデータに与えられた各属性で設定されている複数の属性値の優劣を示す順序関係を学習する属性値順序学習部と，
前記アイテムデータ記憶部に記憶されている未評価のアイテムデータについて，前記属性値順序学習部で学習された各属性の属性値の順序関係にもとづいて，前記スカイラインを形成するアイテム集合を抽出し，抽出したアイテムデータを推薦アイテムとするスカイライン問合せ部とを，備える
ことを特徴とする情報推薦装置。
【請求項２】
前記属性値順序学習部は，前記属性のうち１つの属性の属性値のみが異なるアイテムデータが高評価アイテムと低評価アイテムとに分類される場合に，該異なる属性において，前記高評価アイテムが持つ属性値を優位とする条件を備えて，前記条件を満たす属性値の順序関係を学習する
ことを特徴とする請求項１に記載の情報推薦装置。
【請求項３】
複数の属性が与えられたアイテムデータを，ユーザの嗜好にもとづいて推薦する情報推薦方法であって，
評価履歴記憶部とアイテムデータ記憶部とを備えるコンピュータが，
前記評価履歴記憶部に記憶された，アイテムデータに対する評価を示す評価履歴をもとに，アイテムデータを，前記アイテムデータに対する評価と所定の閾値により高評価アイテムと低評価アイテムに分類し，全ての属性において評価が自身に対する評価と同じか優位であり，かつ，そのうちの１つ以上の評価が自身に対する評価より優位である他アイテムが存在しない条件を満たすスカイラインを形成する前記高評価アイテムが最多数となる場合における，前記アイテムデータに与えられた各属性で設定されている複数の属性値の優劣を示す順序関係を学習する処理ステップと，
前記アイテムデータ記憶部に記憶されている未評価のアイテムデータについて，前記学習された各属性の属性値の順序関係にもとづいて，前記スカイラインを形成するアイテム集合を抽出し，抽出したアイテムデータを推薦アイテムとする処理ステップとを実行する
ことを特徴とする情報推薦方法。
【請求項４】
複数の属性が与えられたアイテムデータを，ユーザの嗜好にもとづいて推薦する情報推薦プログラムであって，
評価履歴記憶部とアイテムデータ記憶部とを備えるコンピュータに，
前記評価履歴記憶部に記憶された，アイテムデータに対する評価を示す評価履歴をもとに，アイテムデータを，前記アイテムデータに対する評価と所定の閾値により高評価アイテムと低評価アイテムに分類し，全ての属性において評価が自身に対する評価と同じか優位であり，かつ，そのうちの１つ以上の評価が自身に対する評価より優位である他アイテムが存在しない条件を満たすスカイラインを形成する前記高評価アイテムが最多数となる場合における，前記アイテムデータに与えられた各属性で設定されている複数の属性値の優劣を示す順序関係を学習する処理と，
前記アイテムデータ記憶部に記憶されている未評価のアイテムデータについて，前記学習された各属性の属性値の順序関係にもとづいて，前記スカイラインを形成するアイテム集合を抽出し，抽出したアイテムデータを推薦アイテムとする処理とを実行させるためのものである
ことを特徴とする情報推薦プログラム。
【請求項１】
複数の属性が与えられたアイテムデータを，ユーザの嗜好にもとづいて推薦する情報推薦装置であって，
アイテムデータに対する評価を示す評価履歴を記憶する評価履歴記憶部と，
推薦対象となる未評価の複数のアイテムデータを記憶するアイテムデータ記憶部と，
前記評価履歴をもとに，アイテムデータを，前記アイテムデータに対する評価と所定の閾値により高評価アイテムと低評価アイテムに分類し，全ての属性において評価が自身に対する評価と同じか優位であり，かつ，そのうちの１つ以上の評価が自身に対する評価より優位である他アイテムが存在しない条件を満たすスカイラインを形成する前記高評価アイテムが最多数となる場合における，前記アイテムデータに与えられた各属性で設定されている複数の属性値の優劣を示す順序関係を学習する属性値順序学習部と，
前記アイテムデータ記憶部に記憶されている未評価のアイテムデータについて，前記属性値順序学習部で学習された各属性の属性値の順序関係にもとづいて，前記スカイラインを形成するアイテム集合を抽出し，抽出したアイテムデータを推薦アイテムとするスカイライン問合せ部とを，備える
ことを特徴とする情報推薦装置。
【請求項２】
前記属性値順序学習部は，前記属性のうち１つの属性の属性値のみが異なるアイテムデータが高評価アイテムと低評価アイテムとに分類される場合に，該異なる属性において，前記高評価アイテムが持つ属性値を優位とする条件を備えて，前記条件を満たす属性値の順序関係を学習する
ことを特徴とする請求項１に記載の情報推薦装置。
【請求項３】
複数の属性が与えられたアイテムデータを，ユーザの嗜好にもとづいて推薦する情報推薦方法であって，
評価履歴記憶部とアイテムデータ記憶部とを備えるコンピュータが，
前記評価履歴記憶部に記憶された，アイテムデータに対する評価を示す評価履歴をもとに，アイテムデータを，前記アイテムデータに対する評価と所定の閾値により高評価アイテムと低評価アイテムに分類し，全ての属性において評価が自身に対する評価と同じか優位であり，かつ，そのうちの１つ以上の評価が自身に対する評価より優位である他アイテムが存在しない条件を満たすスカイラインを形成する前記高評価アイテムが最多数となる場合における，前記アイテムデータに与えられた各属性で設定されている複数の属性値の優劣を示す順序関係を学習する処理ステップと，
前記アイテムデータ記憶部に記憶されている未評価のアイテムデータについて，前記学習された各属性の属性値の順序関係にもとづいて，前記スカイラインを形成するアイテム集合を抽出し，抽出したアイテムデータを推薦アイテムとする処理ステップとを実行する
ことを特徴とする情報推薦方法。
【請求項４】
複数の属性が与えられたアイテムデータを，ユーザの嗜好にもとづいて推薦する情報推薦プログラムであって，
評価履歴記憶部とアイテムデータ記憶部とを備えるコンピュータに，
前記評価履歴記憶部に記憶された，アイテムデータに対する評価を示す評価履歴をもとに，アイテムデータを，前記アイテムデータに対する評価と所定の閾値により高評価アイテムと低評価アイテムに分類し，全ての属性において評価が自身に対する評価と同じか優位であり，かつ，そのうちの１つ以上の評価が自身に対する評価より優位である他アイテムが存在しない条件を満たすスカイラインを形成する前記高評価アイテムが最多数となる場合における，前記アイテムデータに与えられた各属性で設定されている複数の属性値の優劣を示す順序関係を学習する処理と，
前記アイテムデータ記憶部に記憶されている未評価のアイテムデータについて，前記学習された各属性の属性値の順序関係にもとづいて，前記スカイラインを形成するアイテム集合を抽出し，抽出したアイテムデータを推薦アイテムとする処理とを実行させるためのものである
ことを特徴とする情報推薦プログラム。
【図１】
【図２】
【図３】
【図４】
【図５】
【図６】
【図７】
【図８】
【図９】
【図１０】
【図１１】
【図１２】
【図１３】
【図１４】
【図１５】
【図１６】
【図１７】
【図１８】
【図１９】
【図２０】
【図２１】
【図２２】
【図２３】
【図２４】
【図２５】
【図２６】
【図２７】
【図２８】
【図２９】
【図３０】
【図３１】
【図３２】
【図３３】
【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２０】
【図２１】
【図２２】
【図２３】
【図２４】
【図２５】
【図２６】
【図２７】
【図２８】
【図２９】
【図３０】
【図３１】
【図３２】
【図３３】
【公開番号】特開２０１２−１２８７０６（Ｐ２０１２−１２８７０６Ａ）
【公開日】平成２４年７月５日（２０１２．７．５）
【国際特許分類】
【出願番号】特願２０１０−２８０１００（Ｐ２０１０−２８０１００）
【出願日】平成２２年１２月１６日（２０１０．１２．１６）
【出願人】（０００００５２２３）富士通株式会社 (25,993)
【Ｆターム（参考）】
【公開日】平成２４年７月５日（２０１２．７．５）
【国際特許分類】
【出願日】平成２２年１２月１６日（２０１０．１２．１６）
【出願人】（０００００５２２３）富士通株式会社 (25,993)
【Ｆターム（参考）】
[ Back to top ]