【課題】価格の高いアイテムを比較的多く含めながらも、ユーザの購入意欲を低下させることのない推薦情報を作成する。
【解決手段】アイテムまたはカテゴリを識別する識別子と価格情報とを対応させて格納する価格情報格納部と、利用主体識別子に対して、関連対象となる複数個のアイテムまたはカテゴリの識別子を、関連度とともに格納する関連集合格納部と、関連対象とされた識別子それぞれの価格情報を取得し、少なくとも一部の区間で単調増加し、かつ単調減少区間を持たない価格影響関数を用いて、識別子それぞれの価格影響度を算出する価格影響度算出部と、識別子それぞれの選択指標を、関連度が大きいほど、かつ価格影響度が大きいほど大きな値となる規則に従って算出し、識別子の中から、算出された選択指標の大きな識別子を優先的に選択する情報選択部とを備えた情報選択装置。

【発明の詳細な説明】
【技術分野】
【０００１】
本発明は、アイテムを提供するネットワークシステムにおいて、ユーザに推薦するアイテムを選択する情報選択技術に関する。
【背景技術】
【０００２】
近年、デジタル技術やネットワーク技術の進展により、ネットワークを使ってデジタルコンテンツや物品などのアイテムを配信したり、販売することが増えている。これに伴い、多数のアイテムの中から、ユーザにとって有用なアイテムを推薦する技術へのニーズが高まっている。このニーズに応えるため、ユーザのアイテムに対する評価情報や利用情報を用いてアイテムを推薦する技術がいくつか提案されている。
【０００３】
例えば、特許文献１には、ユーザが過去に購入した商品の価格帯情報に基づいてそのユーザに推薦する商品の価格帯を設定することで、ユーザが購入する可能性が高い商品を効果的に推薦することが提案されている。このとき、過去の購入価格帯よりも所定価格分高い価格帯あるいは所定価格分低い価格帯の商品を推薦することで、売上の増加を図ったり、ユーザに割安感を感じさせたりするようにしている。
【先行技術文献】
【特許文献】
【０００４】
【特許文献１】特開２０１１−４８６６７号公報
【発明の概要】
【発明が解決しようとする課題】
【０００５】
販売側の視点からは、高い価格帯のアイテムを推薦することで売上が増加することが好ましい。一方で、ユーザは他の条件が同じであれば、基本的に価格の安い商品を好むため、むやみに価格の高い商品を推薦することは、推薦情報がユーザに受容されず、購入意欲を低下させるというリスクを伴っている。
【０００６】
ところで、ユーザが高いと感じるか安いと感じるかは、単にアイテムの価格のみならず、アイテムの特性にも依存するため、価格が高いアイテムであっても、ユーザの購入意欲が低下しない場合もある。このようなアイテムを推薦情報に多く含めることができれば、ユーザに割高感を感じさせることなく高額アイテムの販売機会が増え、売上増大につながることが期待される。
【０００７】
そこで、本発明は、価格の高いアイテムを比較的多く含めながらも、ユーザの購入意欲を低下させることのない推薦情報を作成することを目的とする。
【課題を解決するための手段】
【０００８】
上記課題を解決するため、本発明の第１の態様である情報選択装置は、アイテムを識別する識別子またはアイテムごとに定められたカテゴリを識別する識別子と前記識別子に係る価格情報とを対応させて格納する価格情報格納部と、ユーザまたはユーザが利用する端末装置を識別するための利用主体識別子に対して、関連対象となる複数個のアイテムの識別子または複数個のカテゴリの識別子を、関連性の強さを示す関連度とともに格納する関連集合格納部と、情報選択に係る利用主体識別子について、関連対象とされた識別子それぞれの価格情報を、前記価格情報格納部を参照して取得し、少なくとも一部の区間で単調増加し、かつ単調減少区間を持たない価格影響関数を用いて、前記関連対象とされた識別子それぞれの価格影響度を算出する価格影響度算出部と、前記情報選択に係る利用主体識別子について、前記関連対象とされた識別子それぞれの選択指標を、関連度が大きいほど、かつ価格影響度が大きいほど大きな値となる規則に従って算出し、前記関連対象とされた識別子の中から、算出された選択指標の大きな識別子を優先的に選択する情報選択部と、を備えることを特徴とする。
ここで、前記情報選択に係る利用主体識別子に対応するユーザに提供されたアイテムの価格情報に基づく利用価格情報を算出する利用価格情報算出部をさらに備え、前記価格影響度算出部は、前記価格影響関数を、前記情報選択に係る利用主体識別子の利用価格情報に応じて変化させて、前記価格影響度を算出するようにしてもよい。
このとき、前記利用価格情報算出部は、前記情報選択に係る利用主体識別子に対応するユーザに提供されたアイテムの価格の合計額を用いた値である価格水準値、または前記情報選択に係る利用主体識別子に対応するユーザに提供されたアイテムの価格の代表値である価格水準値を前記利用価格情報として算出し、前記価格影響度算出部は、前記価格水準値が大きいほど、出力最大値と出力最小値との差、または出力最小値に対する出力最大値の倍率が大きくなるような傾向で前記価格影響関数を変化させることができる。
また、前記利用価格情報算出部は、前記情報選択に係る利用主体識別子に対応するユーザに提供されたアイテムの価格の合計額を用いた値である価格水準値、または前記情報選択に係る利用主体識別子に対応するユーザに提供されたアイテムの価格の代表値である価格水準値を前記利用価格情報として算出し、前記価格影響度算出部は、前記価格水準値が大きいほど、所定の出力値を得るための入力値が大きくなるような傾向で前記価格影響関数を変化させるようにしてもよい。
また、前記利用価格情報算出部は、前記情報選択に係る利用主体識別子に対応するユーザに提供されたアイテムの価格の合計額を用いた値である価格水準値、または前記情報選択に係る利用主体識別子に対応するユーザに提供されたアイテムの価格の代表値である価格水準値を前記利用価格情報として算出し、前記価格影響度算出部は、前記価格水準値が大きいほど、入力が最小値であるときの出力値が小さくなるような傾向で前記価格影響関数を変化させるようにしてもよい。
また、前記利用価格情報算出部は、前記情報選択に係る利用主体識別子に対応するユーザに提供されたアイテムの価格、または前記情報選択に係る利用主体識別子に対応するユーザに提供されたアイテムの合計額に関するばらつき度合いを示す価格分散値を前記利用価格情報として算出し、前記価格影響度算出部は、前記価格分散値が大きいほど、前記単調増加の区間の幅が大きくなるような傾向で、あるいは、前記価格分散値が大きいほど、出力最大値と出力最小値との差が大きくなるような傾向で、あるいは、前記価格分散値が大きいほど、出力最小値に対する出力最大値の倍率が大きくなるような傾向で、あるいは、前記価格分散値が大きいほど、所定の出力値を得るための入力値が大きくなるような傾向で前記価格影響関数を変化させるようにしてもよい。
また、前記利用価格情報算出部は、前記情報選択に係る利用主体識別子に対応するユーザに提供されたアイテムの価格、および他の利用主体識別子に対応するユーザに提供されたアイテムの価格に基づいて、前記情報選択に係る利用主体識別子の利用価格情報を算出するようにしてもよい。
また、前記アイテムまたはカテゴリ識別子とアイテム区分とを対応させて格納するアイテム区分情報格納部をさらに備え、前記利用価格情報算出部は、前記情報選択に係る利用主体識別子に対して、前記アイテム区分ごとに前記利用価格情報を算出し、前記価格影響度算出部は、前記アイテム区分情報格納部を参照し、前記関連対象とされた識別子に対応するアイテム区分を特定し、前記情報選択に係る利用主体識別子に対して前記特定されたアイテム区分について算出された利用価格情報に基づいて前記価格影響関数を変化させるようにしてもよい。
また、前記価格情報格納部は、単体アイテムおよび複数の単体アイテムを含んで構成される複合アイテムごとに識別子と、その価格情報とを対応させて格納し、前記情報選択部は、ある複合アイテムと、ある単体アイテムとが、前記情報選択に係る利用主体識別子に対して関連度が等しく、かつ両者の価格情報が等しい場合であっても、前記複合アイテムの選択指標の方が大きな値となるように算出するようにしてもよい。
また、前記情報選択部は、前記関連対象とされた識別子のうち、前記選択指標が第１所定値以上の識別子、または前記選択指標の大きい順に第２所定値を超えない数の識別子を選択し、前記選択指標の大きさ順に関する情報を含めて、前記選択された識別子に係る情報を出力するようにしてもよい。
また、ユーザまたはユーザが利用する端末装置を識別するための利用主体識別子ごとに、その利用主体識別子に対応するユーザに提供されたアイテムまたはそのアイテムのカテゴリの識別子を記録した利用履歴を格納する利用履歴格納部と、前記利用履歴に基づいて、前記情報選択に係る利用主体識別子と識別子との前記関連度をそれぞれ算出し、算出された関連度が第３所定値以上の識別子、または算出された関連度の大きい順に第４所定値を超えない数の識別子を抽出し、抽出された識別子を前記情報選択に係る利用主体識別子に対する関連対象となる識別子とする関連度算出部とをさらに備えるようにしてもよい。
このとき、前記関連度算出部は、前記利用履歴に基づいて前記情報選択に係る利用主体識別子と他の利用主体識別子との類似度を算出し、他の利用主体識別子の類似度と当該他の利用主体識別子に対応するユーザに提供されたアイテムの識別子とに基づいて、前記情報選択に係る利用主体識別子と識別子との前記関連度を算出することができる。
また、前記情報選択に係る利用主体識別子に対して過去に選択した識別子が示すアイテムまたは過去に選択した識別子が示すカテゴリに対応するアイテムが、前記情報選択に係る利用主体識別子に対応するユーザに提供された度合いを示す利用度を算出する利用度算出部をさらに備え、前記価格影響度算出部は、前記価格影響関数を、前記情報選択に係る利用主体識別子の利用度に応じて変化させて、前記価格影響度を算出するようにしてもよい。
また、外部から価格帯に関する制御データを受信する受信部をさらに備え、前記価格影響度算出部は、前記制御データに応じて、前記価格影響関数を変化させるようにしてもよい。
上記課題を解決するため、本発明の第２の態様である端末装置は、アイテムを識別する識別子またはアイテムごとに定められたカテゴリを識別する識別子と前記識別子に係る価格情報とを対応させた価格情報データと、ユーザまたはユーザが利用する端末装置を識別するための利用主体識別子に対して、関連対象となる複数個のアイテムの識別子または複数個のカテゴリの識別子を、関連性の強さを示す関連度とともに記録した関連度データとを、ネットワークを介して取得するデータ取得部と、情報選択に係る利用主体識別子について、関連対象とされた識別子それぞれの価格情報を、前記価格情報データを参照して取得し、少なくとも一部の区間で単調増加し、かつ単調減少区間を持たない価格影響関数を用いて、前記関連対象とされた識別子それぞれの価格影響度を算出する価格影響度算出部と、前記情報選択に係る利用主体識別子について、前記関連対象とされた識別子それぞれの選択指標を、関連度が大きいほど、かつ前記価格影響度が大きいほど大きな値となる規則に従って算出し、前記関連対象とされた識別子の中から、算出された選択指標の大きな識別子を優先的に選択する情報選択部と、を備えることを特徴とする。
上記課題を解決するため、本発明の第３の態様である情報選択方法は、アイテムを識別する識別子またはアイテムごとに定められたカテゴリを識別する識別子と前記識別子に係る価格情報とを対応させて格納する価格情報格納ステップと、ユーザまたはユーザが利用する端末装置を識別するための利用主体識別子に対して、関連対象となる複数個のアイテムの識別子または複数個のカテゴリの識別子を、関連性の強さを示す関連度とともに格納する関連集合格納ステップと、情報選択に係る利用主体識別子について、関連対象とされた識別子それぞれの価格情報を、前記価格情報格納部を参照して取得し、少なくとも一部の区間で単調増加し、かつ単調減少区間を持たない価格影響関数を用いて、前記関連対象とされた識別子それぞれの価格影響度を算出する価格影響度算出ステップと、前記情報選択に係る利用主体識別子について、前記関連対象とされた識別子それぞれの選択指標を、関連度が大きいほど、かつ価格影響度が大きいほど大きな値となる規則に従って算出し、前記関連対象とされた識別子の中から、算出された選択指標の大きな識別子を優先的に選択する情報選択ステップと、を有することを特徴とする。
ここで、前記情報選択に係る利用主体識別子に対応するユーザに提供されたアイテムの価格情報に基づく利用価格情報を算出する利用価格情報算出ステップをさらに有し、前記価格影響度算出ステップは、前記価格影響関数を、前記情報選択に係る利用主体識別子の利用価格情報に応じて変化させて、前記価格影響度を算出するようにしてもよい。
また、前記情報選択に係る利用主体識別子に対して過去に選択した識別子が示すアイテムまたは過去に選択した識別子が示すカテゴリに対応するアイテムが、前記情報選択に係る利用主体識別子に対応するユーザに提供された度合いを示す利用度を算出する利用度算出ステップをさらに有し、前記価格影響度算出ステップは、前記価格影響関数を、前記情報選択に係る利用主体識別子の利用度に応じて変化させて、前記価格影響度を算出するようにしてもよい。
上記課題を解決するため、本発明の第４の態様である情報選択方法は、アイテムを識別する識別子またはアイテムごとに定められたカテゴリを識別する識別子と前記識別子に係る価格情報とを対応させた価格情報データと、ユーザまたはユーザが利用する端末装置を識別するための利用主体識別子に対して、関連対象となる複数個のアイテムの識別子または複数個のカテゴリの識別子を、関連性の強さを示す関連度とともに記録した関連度データとを、ネットワークを介して取得するデータ取得ステップと、情報選択に係る利用主体識別子について、関連対象とされた識別子それぞれの価格情報を、前記価格情報データを参照して取得し、少なくとも一部の区間で単調増加し、かつ単調減少区間を持たない価格影響関数を用いて、前記関連対象とされた識別子それぞれの価格影響度を算出する価格影響度算出ステップと、前記情報選択に係る利用主体識別子について、前記関連対象とされた識別子それぞれの選択指標を、関連度が大きいほど、かつ前記価格影響度が大きいほど大きな値となる規則に従って算出し、前記関連対象とされた識別子の中から、算出された選択指標の大きな識別子を優先的に選択する情報選択ステップと、を有することを特徴とする。
上記課題を解決するため、本発明の第５の態様であるコンピュータプログラムは、アイテムを識別する識別子またはアイテムごとに定められたカテゴリを識別する識別子と前記識別子に係る価格情報とを対応させて格納する価格情報格納部、ユーザまたはユーザが利用する端末装置を識別するための利用主体識別子に対して、関連対象となる複数個のアイテムの識別子または複数個のカテゴリの識別子を、関連性の強さを示す関連度とともに格納する関連集合格納部、情報選択に係る利用主体識別子について、関連対象とされた識別子それぞれの価格情報を、前記価格情報格納部を参照して取得し、少なくとも一部の区間で単調増加し、かつ単調減少区間を持たない価格影響関数を用いて、前記関連対象とされた識別子それぞれの価格影響度を算出する価格影響度算出部、前記情報選択に係る利用主体識別子について、前記関連対象とされた識別子それぞれの選択指標を、関連度が大きいほど、かつ価格影響度が大きいほど大きな値となる規則に従って算出し、前記関連対象とされた識別子の中から、算出された選択指標の大きな識別子を優先的に選択する情報選択部、としてコンピュータを機能させることを特徴とする。
このとき、前記情報選択に係る利用主体識別子に対応するユーザに提供されたアイテムの価格情報に基づく利用価格情報を算出する利用価格情報算出部としてさらにコンピュータを機能させ、前記価格影響度算出部は、前記価格影響関数を、前記情報選択に係る利用主体識別子の利用価格情報に応じて変化させて、前記価格影響度を算出するようにしてもよい。
また、前記情報選択に係る利用主体識別子に対して過去に選択した識別子が示すアイテムまたは過去に選択した識別子が示すカテゴリに対応するアイテムが、前記情報選択に係る利用主体識別子に対応するユーザに提供された度合いを示す利用度を算出する利用度算出部としてさらにコンピュータを機能させ、前記価格影響度算出部は、前記価格影響関数を、前記情報選択に係る利用主体識別子の利用度に応じて変化させて、前記価格影響度を算出するようにしてもよい。
上記課題を解決するため、本発明の第６の態様であるコンピュータプログラムは、アイテムを識別する識別子またはアイテムごとに定められたカテゴリを識別する識別子と前記識別子に係る価格情報とを対応させた価格情報データと、ユーザまたはユーザが利用する端末装置を識別するための利用主体識別子に対して、関連対象となる複数個のアイテムの識別子または複数個のカテゴリの識別子を、関連性の強さを示す関連度とともに記録した関連度データとを、ネットワークを介して取得するデータ取得部、情報選択に係る利用主体識別子について、関連対象とされた識別子それぞれの価格情報を、前記価格情報データを参照して取得し、少なくとも一部の区間で単調増加し、かつ単調減少区間を持たない価格影響関数を用いて、前記関連対象とされた識別子それぞれの価格影響度を算出する価格影響度算出部、前記情報選択に係る利用主体識別子について、前記関連対象とされた識別子それぞれの選択指標を、関連度が大きいほど、かつ前記価格影響度が大きいほど大きな値となる規則に従って算出し、前記関連対象とされた識別子の中から、算出された選択指標の大きな識別子を優先的に選択する情報選択部、としてコンピュータを機能させることを特徴とする。
【発明の効果】
【０００９】
本発明によれば、価格の高いアイテムを比較的多く含めながらも、ユーザの購入意欲を低下させることのない推薦情報を作成することができる。
【図面の簡単な説明】
【００１０】
【図１】本実施形態に係るネットワークシステム全体の構成を示すブロック図である。
【図２】本実施形態に係るネットワークシステム全体の別構成を示すブロック図である。
【図３】第１実施例における情報選択装置の構成を示すブロック図である。
【図４】アイテム属性格納部に格納されているアイテム情報テーブルとカテゴリ情報テーブルの例を示す図である。
【図５】利用履歴格納部に格納されるアイテム利用履歴テーブルとカテゴリ利用履歴テーブルの例を示す図である。
【図６】価格情報格納部に格納されるアイテム価格情報テーブルとカテゴリ価格情報テーブルの例を示す図である。
【図７】推薦情報格納部に格納される推薦情報テーブルの例を示す図である。
【図８】関連集合格納部に格納される関連度テーブルの例を示す図である。
【図９】アイテム提供サーバの構成を示すブロック図である。
【図１０】端末装置の構成を示すブロック図である。
【図１１】システム全体の動作を説明するフローチャートである。
【図１２】アイテム提供サーバからの応答データに基づく表示画面例を示す図である。
【図１３】推薦リストを表示する画面例を示す図である。
【図１４】情報選択装置が推薦情報を作成する動作について説明するフローチャートである。
【図１５】「アイテム推薦形式」および「カテゴリ推薦形式」に対応する関連集合作成処理について説明するフローチャートである。
【図１６】価格情報を入力Ｘとし、価格影響度を出力Ｙとする価格影響関数Ｆ（Ｘ）の特性例を示す図である。
【図１７】価格情報を入力Ｘとし、価格影響度を出力Ｙとする価格影響関数Ｆ（Ｘ）の特性例を示す図である。
【図１８】推薦情報の具体例を説明するための図である。
【図１９】第２実施例における情報選択装置の構成を示すブロック図である。
【図２０】第２実施例におけるアイテム提供サーバからの応答データに基づく表示画面例を示す図である。
【図２１】価格影響度を調整するために必要なデータの入力画面例を示す図である。
【図２２】価格影響関数Ｆ（Ｘ）の特性の変化の例を示す図である。
【図２３】指定された価格影響度を含んだ推薦リストを表示する画面例を示す図である。
【図２４】第３実施例における情報選択装置の構成を示すブロック図である。
【図２５】利用価格情報格納部に格納される利用価格情報テーブルの例を示す図である。
【図２６】価格水準値と価格分散値を両方用いて、関数Ｆ（Ｘ）の特性を動的に設定する方法を説明する図である。
【図２７】関数Ｆ（Ｘ）の特性を動的に設定する方法の別例を説明する図である。
【図２８】アイテム属性格納部に格納されている複合アイテム情報テーブルと複合アイテム−単体アイテム対応テーブルの例を示す図である。
【図２９】価格情報格納部に格納される複合アイテム価格情報テーブルの例を示す図である。
【発明を実施するための形態】
【００１１】
本発明の実施の形態であるネットワークシステムについて図面を参照して説明する。以下では、まずシステム全体構成を説明し、その後、第１実施例〜第４実施例の順番で各構成の具体例および具体的動作例について説明する。
＜システム全体構成＞
【００１２】
図１は、本実施形態に係るネットワークシステム全体の構成を示すブロック図である。本図に示すように、ネットワークシステムは、アイテム等の情報を選択する情報選択装置１０と、アイテム提供サーバ２０と、１台以上の端末装置３０（図中では３０Ａ〜３０Ｎ、本実施形態では「端末装置３０」と総称する）がネットワーク４０を介して接続されて構成される。ここで、情報選択装置１０とアイテム提供サーバ２０により、端末装置３０を使用するユーザに対してアイテム提供等のサービスを行なうアイテム提供システム１を構成している。ネットワーク４０は、インターネットに代表される広域ネットワークとすることができる。また、端末装置３０とネットワーク４０との接続形態は、有線・無線を問わない。
【００１３】
ネットワークシステムは、図２に示すような構成としてもよい。すなわち、ネットワーク４０にアイテム提供サーバ２０と１台以上の端末装置３０（３０Ａ〜３０Ｎ）が接続され、情報選択装置１０がネットワーク４０とは別のネットワーク４２を介してアイテム提供サーバ２０と接続している構成である。この場合、ネットワーク４２を介して接続された情報選択装置１０とアイテム提供サーバ２０により、アイテム提供システム２を構成する。ネットワーク４２は、例えば、ＬＡＮ（Local Area Network）等とすることができ、セキュリティ確保の観点から、端末装置３０から情報選択装置１０への直接的なアクセスは制限することが望ましい。
【００１４】
ただし、ネットワークシステムは、上記の例に限られず、種々の構成を用いることができる。例えば、情報選択装置１０とアイテム提供サーバ２０とを同一の装置で構成してもよいし、それぞれを複数台の装置で構成するようにしてもよい。以下では、図１に示した構成でネットワークシステムを実現した場合を例に説明する。
【００１５】
本実施形態におけるアイテムは、ユーザに対して提供対象となるものであり、テキスト、音声、音楽、画像、映像、プログラム等のデジタルコンテンツ、様々な物品、金融商品、不動産、人物情報、ネットワークサービス等を含めることができ、有形か無形かを問わない。また、本実施形態では、各アイテムには、アイテムを分類するための情報であるカテゴリが１つ以上定められているものとするが、カテゴリを用いないで動作することも可能である。
【００１６】
以下、上記構成のネットワークシステムについての実施例を説明する。各実施例について同じブロックについては同じ符号を付すものとし、同じブロックで動作が異なる場合は、第２実施例について「ｂ」、第３実施例について「ｃ」、第４実施例について「ｄ」を符号の末尾に付加して説明する。
【実施例１】
【００１７】
＜情報選択装置＞
【００１８】
図３は、第１実施例における情報選択装置１０の構成を示すブロック図である。本図に示すように情報選択装置１０は、アイテム属性格納部１０１と、利用履歴格納部１０２と、価格情報格納部１０３と、関連度算出部１０４と、関連集合格納部１０５と、価格影響度算出部１０６と、情報選択部１０７と、推薦情報格納部１０８と、送受信部１０９と、制御部１１０とを備えて構成されている。また、情報選択装置１０には、情報選択装置１０の管理者向けに必要な情報を表示するための表示装置１２０と、管理者が操作を行なうためのキーボード、マウス等の入力装置１３０とが接続されている。
【００１９】
情報選択装置１０は、ＣＰＵ、ＲＡＭ、ＲＯＭ、ＨＤＤ（ハードディスクドライブ）、ネットワークインタフェース等を備える一般的なコンピュータを用いて構成することができる。すなわち、一般的なコンピュータは、以下で説明するような処理を行なうためのコンピュータプログラムを実行することにより、情報選択装置１０として機能することができるようになる。
【００２０】
また、上述のように、情報選択装置１０を複数台のコンピュータを用いて構成してもよい。例えば、負荷分散をするために、情報選択装置１０のある処理ブロックに相当するコンピュータを複数台用いて、すなわち、同じ処理ブロックを備える複数台のコンピュータを用いて分散処理を行なうようにしてもよい。また、情報選択装置１０の一部の処理ブロックをあるコンピュータで実施し、他の処理ブロックを別のコンピュータで実施する形態で分散処理を行なってもよい。
【００２１】
アイテム属性格納部１０１は、アイテムに関する情報が記録されたアイテム情報テーブル１０１Ａと、カテゴリに関する情報が記録されたカテゴリ情報テーブル１０１Ｂとを格納している。
【００２２】
図４（ａ）は、アイテム情報テーブル１０１Ａの一例を示している。本図に示すように、アイテム情報テーブル１０８Ａは、アイテム識別子（アイテムＩＤ）と、アイテム属性情報とを対応させたテーブルである。アイテム属性情報は、アイテムの「タイトル（名称）」「カテゴリ識別子」「説明情報」「アイテム時期情報」などで構成されている。
【００２３】
図４（ｂ）は、カテゴリ情報テーブル１０１Ｂの一例を示している。本図に示すように、カテゴリ情報テーブル１０８Ｂは、カテゴリ識別子（カテゴリＩＤ）とカテゴリ属性情報とを対応させたテーブルである。カテゴリ属性情報は、「カテゴリ名」「カテゴリ説明」などで構成されている。２つのテーブルに存在する「カテゴリ識別子」を介して、アイテム情報テーブル１０１Ａのアイテム情報とカテゴリ情報テーブル１０１Ｂのカテゴリ情報とを関連付けることができる。
【００２４】
ここで、カテゴリとは、アイテムを所定の基準で分類した情報であり、１つのアイテムについて１個以上設定される。カテゴリは、例えば、アイテムの「クリエイター（作成者）」とすることができる。なお「クリエイター」は、アイテムの制作者、監督、プロデューサー、執筆者、作曲者、作詞者、演奏者、出演者等である。
【００２５】
また、アイテムが音楽コンテンツの場合、「ロック」「ジャズ」「クラシック」「フォーク」等のジャンル情報をカテゴリとすることができ、アイテムが映画の場合、「ＳＦ」「アクション」「コメディ」「アニメ」「サスペンス」等のジャンル情報をカテゴリとすることができる。さらには、「日本」「アメリカ」「イギリス」など作成者の国や地域を用いた分類情報や、「癒し系」「エキサイティング」「ドラマティック」といったアイテムの雰囲気やムードを示す情報をカテゴリとして用いてもよい。
【００２６】
アイテム属性情報の「説明情報」は、アイテムのあらすじや要約、制作された背景説明などの情報である。「アイテム時期情報」は、アイテムの作成された時期（時点）を示す情報である。ただし、アイテム提供サーバ２０にアイテムが登録された時期や、アイテムが提供開始された時期を用いてもよい。本実施形態では、時期（時点）の表現形式として、「２０１０年１月１日」などの日付を用いるが、他の表現形式を用いてもよい。例えば、「２０１０年１月１日 １０時１５分２０秒」などの秒単位までの日時でもよいし、ミリ秒単位までの日時でもよい。あるいは、「２０１０年１月」などの月単位の表現形式でも、「２０１０年 １Ｑ」などの四半期単位の表現形式でも、「２０１０年」などの年単位の表現形式でも、「２０００年代」などの年単位より大まかな年代の表現形式でもよい。
【００２７】
アイテム情報テーブル１０１Ａのアイテム属性情報においては、１つのアイテムに同じ種類の属性項目が複数存在していてもよい。例えば、１つのアイテムに、「クリエイター１」「クリエイター２」「クリエイター３」「ジャンル１」「ジャンル２」の合計５つのカテゴリが設定されていてもよい。もちろん、ここで挙げたアイテム属性情報とカテゴリ属性情報は、あくまでも例示であり、上記に限定される訳ではない。例えば、アイテム属性情報に「サイズ」や「色」などの属性項目を用いてもよい。
【００２８】
なお、情報選択装置１０が、必要に応じてアイテム提供サーバ２０の後述するアイテム格納部２０２からアイテム情報およびカテゴリ情報を取得できるようにして、アイテム属性格納部１０１を省略することも可能である。
【００２９】
送受信部１０９は、ネットワーク４０（図２の構成の場合は、さらにネットワーク４２）を介して、アイテム提供サーバ２０または端末装置３０との間でデータを送受信する処理を行なう。
【００３０】
制御部１１０は、情報選択装置１０の全体の制御を行なうための種々の処理を行なう。例えば、後述するように、アイテム提供サーバ２０または端末装置３０から送信される利用リクエストを、送受信部１０９を介して受信し、利用リクエストに含まれるユーザ識別子とアイテム識別子とを対応させて、利用履歴情報として利用履歴格納部１０２に格納させる。
【００３１】
利用履歴格納部１０２は、ユーザのアイテム利用履歴情報を記録するアイテム利用履歴テーブル１０２Ａを格納している。アイテム利用は、ユーザからの利用リクエストに対してアイテム提供サーバ２０がアイテムを提供することにより実行される。ただし、アイテム利用は、購入を伴う提供に限られず、アイテムに関する情報の閲覧、視聴等を含めるようにしてもよい。
【００３２】
アイテム利用履歴テーブル１０２Ａは、利用履歴情報の格納形態として、種々の格納形態を採用することができる。例えば、図５（ａ）のアイテム利用履歴テーブル１０２Ａ−１に示すように、利用主体識別子とアイテム識別子とを関連付けて格納することができる。ここで、「利用主体識別子」は、端末装置３０を利用するユーザを一意に識別するユーザ識別子、または端末装置３０を一意に識別するための端末識別子であり、ユーザ識別子と端末識別子とを合わせた概念である。本実施形態では、ユーザ識別子を用いてユーザを識別するものとするが、端末装置３０として携帯電話を用いた場合等には、端末装置３０との接続時に取得可能な端末識別子を用いるようにしてもよい。
【００３３】
本例では、１つの利用リクエストが、テーブルの１行に対応している。テーブルの１行目と４行目がともに「ＵｓｅｒＩＤ−１」と「ＩｔｅｍＩＤ−３」の組み合わせであることから分かるように、利用主体識別子とアイテム識別子の組み合わせが同じであっても、利用リクエストごとにテーブル行のデータを追加して格納している。このため、アイテム識別子が示すアイテムごとの利用回数、およびアイテムごとの利用ユーザ数を他の処理部が容易にカウントすることができる。なお、１つの利用リクエストに複数のアイテム識別子が含まれている場合は、アイテム識別子の数だけのテーブル行を割り当てて格納する。
【００３４】
図５（ｂ）に示すアイテム利用履歴テーブル１０２Ａ−２は、ユーザ識別子とアイテム識別子と利用時期情報とを関連付けて格納する格納形態例である。図５（ａ）に示したアイテム利用履歴テーブル１０２Ａ−１と同様に、１つの利用リクエストが、テーブルの１行に対応している。利用リクエストに利用時期情報が含まれている場合は、その情報を取り出して利用時期情報として格納する。利用リクエストに利用時期情報が含まれていない場合は、制御部１１０に内蔵等されている時計を用いて、情報選択装置１０が利用リクエストを受信した時期（時点）を利用時期情報として格納する。
【００３５】
本実施形態では、利用時期情報の表現形式として、「２０１０年１月１日 １０時１５分２０秒」などの秒単位までの日時を用いるが、それ以外にも、ミリ秒単位までの日時、日単位までの日付、月単位、年単位など種々の形式を用いることができる。なお、利用リクエストの中に、ユーザのアイテムに対する評価値（好き＝３、どちらでもない＝２、嫌い＝１、などの好き嫌いの度合いを示す数値）を含ませた上で、ユーザ識別子とアイテム識別子と利用時期情報と評価値とを関連付けてアイテム利用履歴テーブル１０２Ａ−２に格納するようにしてもよい。
【００３６】
図５（ｃ）に示すアイテム利用履歴テーブル１０２Ａ−３は、利用時期情報を省略し、ユーザ識別子とアイテム識別子と利用回数とを関連付けた格納形態例である。後述するように、関連度算出部１０４において、利用時期情報を用いない場合は、アイテム利用履歴テーブル１０２Ａ−３を用いることで利用履歴格納部１０２の記憶容量を削減することができる。また、利用リクエストの中に、ユーザのアイテムに対する評価値が含まれる場合は、ユーザ識別子とアイテム識別子と利用回数と最新の評価値とを関連付けてアイテム利用履歴テーブル１０２Ａ−３に格納するようにしてもよい。
【００３７】
なお、図５（ｃ）に示すアイテム利用履歴テーブル１０２Ａ−３では、利用時期情報を格納していないが、あるユーザがあるアイテムを利用した最新の利用時期情報を格納してもよい。すなわち、ユーザ識別子とアイテム識別子と利用回数と最新の利用時期情報とを関連付けて格納してもよい。あるいは、ユーザ識別子とアイテム識別子と利用回数と最初の（最も古い）利用時期情報とを関連付けて格納してもよい。
【００３８】
また、利用履歴格納部１０２には、アイテム利用履歴テーブル１０２Ａに加え、図５（ｄ）に示すようなカテゴリ利用履歴テーブル１０２Ｂを格納するようにしてもよい。カテゴリ利用履歴テーブル１０２Ｂは、ユーザ識別子とカテゴリ識別子と利用時期情報とを関連付けたテーブルである。この場合、制御部１１０は、ユーザからの利用リクエストに際し、アイテム属性格納部１０１のアイテム情報テーブル１０１Ａを参照して、利用リクエストのアイテム識別子に対応するカテゴリ識別子を特定し、カテゴリ利用履歴テーブル１０２Ｂに格納する。後述するように、カテゴリ推薦形式に対応する関連集合を作成する際（図１４のステップＳ４００）に、カテゴリ利用履歴テーブル１０２Ｂを格納しておくと、効率よく処理が行なえる場合がある。
【００３９】
価格情報格納部１０３は、アイテムの価格情報を記録したアイテム価格情報テーブル１０３Ａと、カテゴリの価格情報を記録したカテゴリ価格情報テーブル１０３Ｂとを格納している。図６（ａ）は、アイテム価格情報テーブル１０３Ａの一例を示している。本図に示すように、アイテム価格情報テーブル１０３Ａは、アイテム識別子と、価格情報とを対応付けて格納する。アイテムの価格情報は、そのアイテムの価格である。ただし、必ずしも円、ドル、ユーロといった実際の通貨に基づく価格である必要はない。例えば、本実施形態に係るアイテム提供サービスや、提携している関連サービスで使用できる独自のポイントサービスの値であってもよい。なお、本図の例から分かるように、価格情報（価格）が「０円」である無料のアイテムが存在してもよい。また本図に示すように、価格の安い順にアイテムを格納してもよいし、高い順に格納してもよい。もちろんアイテム識別子の順番に格納してもよい。
【００４０】
図６（ｂ）は、カテゴリ価格情報テーブル１０３Ｂの一例を示している。本図に示すように、カテゴリ価格情報テーブル１０３Ｂは、カテゴリ識別子と、価格情報とを対応付けて格納する。カテゴリの価格情報は、そのカテゴリに属する各アイテムの価格の合計値または代表値とすることができる。価格の代表値は、例えば、そのカテゴリに属するアイテムの価格の平均値、中央値、最頻値、四分位値、最大値、最小値などである。
【００４１】
図６（ｂ）に示したカテゴリ価格情報テーブル１０３Ｂでは、そのカテゴリに属するアイテムの価格の合計値をカテゴリの価格情報としている。なお本図から分かるように、価格が「０円」であるカテゴリ（そのカテゴリに属するアイテムがすべて無料）が存在してもよい。またカテゴリ識別子を格納する場合も、価格の安い順または高い順にアイテムを格納してもよい。なお、価格情報をアイテム属性格納部１０１に記録するようにして、価格情報格納部１０３を省略してもよい。
【００４２】
推薦情報格納部１０８は、情報選択部１０７で選択された推薦情報を記録する推薦情報テーブルを格納する。推薦情報は、利用主体識別子と、それに関連する識別子（以下「関連識別子」と称する）とを対応させた情報である。ここで、関連識別子としては、アイテム識別子またはカテゴリ識別子を用いることができる。すなわち、推薦情報格納部１０８は、図７（ａ）、図７（ｂ）に示すような２種類の推薦情報テーブルを格納する。
【００４３】
図７（ａ）は、関連識別子をアイテム識別子（関連アイテム識別子）とし、利用主体識別子と関連アイテム識別子と推薦順位とを対応させて格納したアイテム推薦情報テーブル１０８Ａの例を示している。関連アイテム識別子は、利用主体識別子と関連するアイテムの識別子である。以下では、利用主体識別子に対して関連アイテム識別子に対応するアイテムを推薦する形式を「アイテム推薦形式」と称する。
【００４４】
アイテム推薦情報テーブル１０８Ａでは、１つの利用主体識別子に、１つ以上の関連アイテム識別子が対応付けられている。「ＵｓｅｒＩＤ−１」に対応する関連アイテムはＮ1個格納されており、「ＵｓｅｒＩＤ−２」に対応する関連アイテムはＮ2個格納されている。ここで、Ｎ1とＮ2は同じであっても、異なっていてもよい。すなわち、利用主体識別子ごとの関連識別子の個数がすべて同じであってもよいし、利用主体識別子ごとに関連識別子の個数が異なっていてもよい。
【００４５】
推薦順位は、利用主体識別子ごとに関連アイテムを推薦する順位を示しており、ここでは番号が小さいほど優先順位が高く、優先的にユーザに提示されるものとする。本図では、各々の利用主体識別子に対して、推薦順位の高い順に関連識別子（関連アイテム識別子）を格納しているが、推薦順位と対応付けて関連識別子を格納する場合は、適当な順序で格納してもよい。
【００４６】
なお、推薦順位の代わりに、数値が大きいほど優先順位が高く、優先的にユーザに提示されるような推薦度を格納するようにしてもよい。また、各推薦情報テーブルにおいて推薦順位を省略してもよい。この場合は、各推薦情報テーブルにおいて、利用主体識別子ごとに推薦順位の高い順、または推薦順位の低い順に関連識別子を格納すればよい。すなわち、ある利用主体識別子に対する関連識別子の推薦順位の情報を、関連識別子の格納順序（格納位置）に持たせてもよい。あるいは、記録された関連識別子をすべて同じ順位として扱ったり、各推薦情報テーブルを読み出す際に、ランダムに推薦順位を付与してもよい。
【００４７】
図７（ｂ）は、関連識別子をカテゴリ識別子（関連カテゴリ識別子）とし、利用主体識別子と関連カテゴリ識別子と推薦順位とを対応させて格納したカテゴリ推薦情報テーブル１０８Ｂの例を示している。関連カテゴリ識別子は、利用主体識別子と関連するカテゴリの識別子である。以下では、利用主体識別子に対して関連カテゴリ識別子に対応するカテゴリを推薦する形式を「カテゴリ推薦形式」と称する。カテゴリ推薦形式は、例えば、ユーザにクリエイター（アイテムの作成者）やジャンルに関する推薦情報を提供する場合に用いることができる。
【００４８】
推薦順位は、アイテム推薦情報テーブル１０８Ａと同様な意味であり、同様に推薦順位の格納を省略することも可能である。
【００４９】
以下では、アイテム推薦情報テーブル１０８Ａを用いた情報提供（アイテム推薦形式）とカテゴリ推薦情報テーブル１０８Ｂを用いた情報提供（カテゴリ推薦形式）とを両方実施する場合を例にして説明するが、これらのうちの一方のみを実施するようにしてもよい。その場合、必要な種類の推薦情報テーブルのみ格納すればよい。
【００５０】
関連度算出部１０４は、利用履歴格納部１０２に格納されたデータを用いて、上述した「アイテム推薦形式」「カテゴリ推薦形式」に対応する２種類の関連度を算出して関連集合を作成し、関連集合格納部１０５に格納させる。
【００５１】
関連集合格納部１０５は、利用主体識別子と、関連識別子と、関連度とを対応させた関連度テーブル１０５Ａ／１０５Ｂを格納する。関連度とは、利用主体識別子と関連識別子との関連性の高さを示す数値であり、利用主体識別子に係るユーザが関連識別子に係るアイテムまたはカテゴリを好む程度を予測した数値である。
【００５２】
図８は、関連度テーブル１０５Ａ／１０５Ｂの一例を示している。関連度テーブル１０５Ａ、１０５Ｂに格納されている、ある１つの利用主体識別子に対応する関連識別子の集合をその利用主体識別子の関連集合と称する。
【００５３】
上述したように、関連識別子は、アイテム識別子またはカテゴリ識別子であり、それぞれに応じて、２種類の格納形式があるが、本図では簡略化して示している。以下では、利用主体識別子と関連アイテム識別子との関連度を関連度テーブル１０５Ａに記録し、利用主体識別子と関連カテゴリ識別子との関連度を関連度テーブル１０５Ｂに記録するものとする。
【００５４】
本図の例では、利用主体識別子「ＵｓｅｒＩＤ−１」に対応する関連識別子をＬ1個、利用主体識別子「ＵｓｅｒＩＤ−２」に対応する関連識別子をＬ2個格納している。ここで、Ｌ1とＬ2は同じであっても、異なっていてもよい。すなわち、すべての利用主体識別子に対して同じ数の関連識別子を格納してもよいし、利用主体識別子ごとに異なる数の関連識別子を格納してもよい。また、関連度算出部１０４で関連度が算出された利用主体識別子と関連識別子の組み合わせをすべて格納してもよいし、利用主体識別子との関連度の高い関連識別子のみを関連集合として格納してもよい。一部のみを格納することにより、関連集合格納部１０５記憶容量を削減することができる。また、本図に示すように、利用主体識別子ごとに、関連度の大きい順に関連識別子を格納してもよい。
【００５５】
関連集合の要素数（関連識別子の数）は、基本的には複数であるが、要素数が「１」の関連集合が存在していてもよい。ただし、少なくとも１つ以上の関連集合の要素数は「２」以上である必要がある。なお、情報選択装置１０以外の他の装置で算出された関連集合および関連度を関連度テーブル１０５Ａ、１０５Ｂに記録してもよく、その場合は関連度算出部１０４を省略することができる。
【００５６】
価格影響度算出部１０６は、価格情報格納部１０３および関連集合格納部１０５を参照しながら、関連集合の各々の関連識別子について、その価格情報（価格）が推薦結果に与える影響度である価格影響度を算出する。
【００５７】
情報選択部１０７は、価格影響度算出部１０６で算出された価格影響度と、関連集合格納部１０５の関連度テーブル１０５Ａ、１０５Ｂに格納された関連度とを用いて選択指標を算出し、その選択指標に基づいて、関連集合格納部１０５の関連度テーブル１０５Ａ、１０５Ｂに格納された利用主体識別子ごとに関連識別子を選択し、その選択された関連識別子と利用主体識別子との組み合わせを推薦情報として、推薦情報格納部１０８の各推薦情報テーブル１０８Ａ、１０８Ｂに格納する。
＜アイテム提供サーバ＞
【００５８】
アイテム提供サーバ２０は、端末装置３０からの要求に応じて、アイテムおよびアイテムに関する情報を提供する装置である。図９は、アイテム提供サーバ２０の構成を示すブロック図である。本図に示すように、アイテム提供サーバ２０は、ユーザ管理部２０１と、アイテム格納部２０２と、データ格納部２０３と、送受信部２０４と、制御部２０５とを備えて構成されている。
【００５９】
アイテム提供サーバ２０は、ＣＰＵ、ＲＡＭ、ＲＯＭ、ＨＤＤ（ハードディスクドライブ）、ネットワークインタフェース等を備える一般的なコンピュータを用いて構成することができる。すなわち、一般的なコンピュータは、以下で説明するような処理を行なうためのプログラムを実行することにより、アイテム提供サーバ２０として機能することができるようになる。
【００６０】
送受信部２０４は、ネットワーク４０（図２の構成の場合は、さらにネットワーク４２）を介して情報選択装置１０および端末装置３０との間でデータを送受信する処理を行なう。制御部２０５は、アイテム提供サーバ２０の全体の制御を行なう。
【００６１】
ユーザ管理部２０１は、端末装置３０を利用するユーザを一意に識別するユーザ識別子、または端末装置３０を一意に識別するための端末識別子である利用主体識別子を少なくとも格納している。アイテム提供サーバ２０は、例えば、ユーザにアイテム利用を開始させるに先立ち、入会処理等を行なって、入会処理の終了した利用主体識別子をユーザ管理部２０１に格納する。また、必要に応じて、利用主体識別子に対応させて、ログイン名、パスワード、氏名、生年月日、連絡先、決済方法等のユーザ属性情報をユーザ管理部２０１に格納するようにしてもよい。
【００６２】
アイテム格納部２０２は、アイテム提供サーバ２０が提供するアイテムに関する情報を格納する。アイテム格納部２０２は、情報選択装置１０のアイテム属性格納部１０１と同様な情報を格納する。ただし、アイテムが有体の物品ではなく、デジタルコンテンツ等であって、ネットワーク４０を介して端末装置３０に配信可能である場合には、アイテム属性格納部１０１のデータに加えて、アイテム識別子と、アイテム本体（デジタルコンテンツ等のデータ）とを対応させて格納する。
【００６３】
なお、制御部２０５は、アイテム格納部２０２が更新されるごと、または所定のスケジュールに基づいて、アイテム格納部２０２のデータを、送受信部２０４を介して情報選択装置１０に送信し、アイテム属性格納部１０１に格納させるようにしてもよい。また逆に制御部２０５は、情報選択装置１０から送信されるアイテム属性格納部１０１のデータを受信し、アイテム格納部２０２に格納させるようにしてもよい。あるいは、情報選択装置１０からアイテム提供サーバ２０にアイテム属性情報を要求するメッセージを送信するようにし、制御部２０５が、それに応じたデータをアイテム格納部２０２から読み出して、送受信部２０４を介して情報選択装置１０に送信するようにしてもよい。
【００６４】
データ格納部２０３は、様々なデータを格納することができる。例えば、情報選択装置１０の推薦情報格納部１０８に格納されたデータをコピーしてデータ格納部２０３に格納することができる。この場合、端末装置３０は、アイテム提供サーバ２０から推薦情報を受信することができるので、情報選択装置１０の処理負荷を低減することができる。また、情報選択装置１０の利用履歴格納部１０２と同様なデータを格納してもよい。この場合、情報選択装置１０からデータ格納部２０３を参照できるようにして、情報選択装置１０の利用履歴格納部１０２を省略することも可能である。
＜端末装置＞
【００６５】
端末装置３０は、ユーザが使用する装置である。図１０は、端末装置３０の構成を示すブロック図である。本図に示すように、端末装置３０は、制御部３０１と、送受信部３０２と、ブラウザ部３０３と、アプリケーション部３０４とを備えて構成されている。端末装置３０は、ＣＰＵ、ＲＡＭ、ＲＯＭ、ＨＤＤ（ハードディスクドライブ）、ネットワークインタフェース等を備える一般的なコンピュータ等を用いることができる。すなわち、一般的なコンピュータは、以下で説明するような処理を行なうためのプログラムを実行することにより、端末装置３０として機能することができるようになる。また、端末装置３０は、Ｗｅｂブラウザ機能等を備えた携帯電話や、携帯端末装置等を用いて構成することもできる。
【００６６】
端末装置３０には、Ｗｅｂブラウザに代表されるＷｅｂページにアクセスしてその情報を表示するプログラムがインストールされており、ブラウザ部３０３を構成している。また、種々のアプリケーションプログラムを実行することにより、アプリケーション部３０４が構成される。
【００６７】
端末装置３０としてコンピュータを用いた場合には、ディスプレイ等の表示装置３２０や、キーボード、マウス、トラックボール、リモコン等のユーザからの操作指示を受け付けるための入力装置３３０が接続される。端末装置３０として携帯電話や、携帯端末装置等を用いた場合は、表示装置、入力装置は内蔵されているが、以下では、便宜的に表示装置３２０、入力装置３３０が接続されているものとして説明する。
＜システム動作＞
＜システム全体の動作＞
【００６８】
図１１のフローチャートを参照して、ネットワークシステム全体の基本的な動作を説明する。この基本的な動作は、多少の変更はあるがすべての実施例で共通である。まず、ステップＳ１００において、端末装置３０は、ブラウザ部３０３を用いて、アイテム提供サーバ２０のＵＲＬ（Uniform Resource Locator）にアクセスする。具体的には、アイテム提供サーバ２０の提供する所定のＷｅｂページへのリクエスト（利用開始リクエスト）をアイテム提供サーバ２０に送信する。
【００６９】
端末装置３０としてパーソナルコンピュータ等を用いる場合は、端末装置３０を利用するユーザに、事前に設定させたログイン名（ユーザＩＤ）とパスワードとを入力させ、これらを利用開始リクエストに含めて送信する。あるいは、Ｃｏｏｋｉｅ等の技術を用いて、端末装置３０を利用するユーザを識別可能なデータを利用開始リクエストに含めて送信すれば、ログイン名とパスワードの送信を省略できる。ログイン名とパスワードを利用開始リクエストに含めて送信する場合は、ステップＳ１００の前に、アイテム提供サーバ２０から端末装置３０に、ログイン名とパスワードの入力を受け付けるためのＨＴＭＬ（Hyper Text Markup Language）データ等を送信しておけばよい。
【００７０】
また、端末装置３０として携帯電話等を用いる場合は、端末固有の端末識別子を利用開始リクエストに含めて送信すればよい。この場合は、ログイン名とパスワードの送信を省略することができる。
【００７１】
ステップＳ１１０において、アイテム提供サーバ２０の制御部２０５は、送受信部２０４を介して端末装置３０からの利用開始リクエストを受信し、ユーザ管理部２０１を参照しながら、登録済のユーザか否かを判定する。具体的には、利用開始リクエストにログイン名とパスワードが含まれている場合は、それらをユーザ管理部２０１に格納されているログインおよびパスワードと照合する。また、利用開始リクエストに端末識別子が含まれる場合は、それがユーザ管理部２０１に格納されている利用主体識別子と一致するか判定する。登録済のユーザである場合（Ｙｅｓ）は、ステップＳ１３０に進み、そうでない場合（Ｎｏ）は、ステップＳ１２０に進む。
【００７２】
ステップＳ１２０において、アイテム提供サーバ２０の制御部２０５は、送受信部２０４を介して、端末装置３０に入会処理を行なうためのＷｅｂページ（ＨＴＭＬ）を送信する。本図には示していないが、端末装置３０を利用するユーザは、入力装置３３０を利用して入会処理のＷｅｂページに必要な情報を入力し、アイテム提供サーバに送信する等の操作を行い、アイテム提供サーバ２０は、その情報をユーザ管理部２０１に格納する等の入会処理が行われる。端末装置３０は、入会処理完了後に、改めて利用開始リクエストを送信することができる。
【００７３】
ステップＳ１３０において、アイテム提供サーバ２０の制御部２０５は、アイテム格納部２０２を参照しながら、利用開始リクエストに対応するＷｅｂページの応答データであり、アイテムまたは／およびカテゴリを紹介する情報を含む応答データを作成し、送受信部２０４を介して端末装置３０に送信する。応答データは、ＨＴＭＬデータ、画像データ、映像データ、音声データなどで構成されており、複数回に分けて端末装置３０に送信される場合がある。また、応答データには、あるアイテム（またはカテゴリ）に関連する関連アイテム（または関連カテゴリ）をユーザに表示するための情報と、ユーザにアイテムを利用させるための情報とが含まれている。またＣｏｏｋｉｅ等の技術を用いて、応答データにユーザや端末装置３０を識別するための情報を含めてもよい。
【００７４】
ステップＳ１４０において、端末装置３０は、アイテム提供サーバ２０から応答データを受信し、表示装置３２０にその情報を表示する。表示画面の例を図１２に示す。図１２は、応答データにアイテムを紹介する情報が含まれる場合の表示例である。本図の例は、アイテム提供サーバ２０が最近提供を開始した「新着アイテム」を紹介する表示画面である。ただし、本図に示すようなアイテムを紹介する情報は、種々のタイミングで端末装置３０に送信することができる。
【００７５】
本図において「アイテムＡＢＣ」は１番目のアイテムのタイトルであり、「ＳＦ」は１番目のアイテムのカテゴリ名であり、「このアイテムは、２００１年に制作された映画で…」という表示は１番目のアイテムの説明情報である。また、各々のアイテムごとに、そのアイテムを利用するためのボタンやリンク等（利用リンク）が表示される。２番目以降のアイテムについても同様な表示がされる。
【００７６】
また図１２に示すように、端末装置３０を利用するユーザに対して、そのユーザとの関連度の高い（そのユーザの嗜好や興味に合う可能性の高い）アイテム情報を表示するためのボタンやリンク等（関連アイテムリンク）と、そのユーザとの関連度の高いカテゴリ情報を表示するためのボタンやリンク等（関連カテゴリリンク）とが表示される。以下では、関連アイテムリンクと関連カテゴリリンクを合わせて、関連リンクと称する。
【００７７】
図１２の関連アイテムリンクは、「関連アイテム表示」ボタンに対応付けられており、上述したアイテム推薦形式の推薦情報を表示させるためのリンクである。図１２の関連カテゴリリンクは、「関連カテゴリ表示」ボタンに対応付けられており、カテゴリ推薦形式の推薦情報を表示させるためのリンクである。ユーザは、入力装置３３０を使用したクリック等の操作により、関連リンクまたは利用リンクを選択することができる。なお表示画面には表示されないが、応答データには、各々のアイテムのアイテム識別子、および端末装置３０を利用するユーザに係る利用主体識別子が含まれている。
【００７８】
図１１のフローチャートの説明に戻って、ステップＳ１５０において、端末装置３０は、関連リンク（関連アイテムリンクまたは関連カテゴリリンク）がユーザから入力装置３３０を介して選択されたか否かを判定する。関連リンクが指定された場合（Ｙｅｓ）は、ステップＳ１６０に進み、指定されていない場合（Ｎｏ）は、ステップＳ１９０に進む。
【００７９】
ステップＳ１６０において、端末装置３０は、関連リンクに対応するＵＲＬにリクエスト（推薦リクエスト）を送信する。本実施形態では、関連リンクが情報選択装置１０の所定のＵＲＬに対応する場合を説明するが、関連リンクをアイテム提供サーバ２０の所定のＵＲＬに対応させてもよい。推薦リクエストには、利用主体識別子（端末装置３０を利用するユーザのユーザ識別子または端末装置３０の端末識別子）と、関連アイテムリンクであるか関連カテゴリリンクであるかを示すリンク種別情報とが含まれている。以下では、この推薦リクエストに含まれる利用主体識別子を「リクエスト利用主体識別子」（情報選択に係る利用主体識別子）と称する。 ステップＳ１７０において、情報選択装置１０の制御部１１０は、送受信部１０９を介して、推薦リクエストを受信し、それに含まれるリクエスト利用主体識別子に対応する表示用推薦データを作成して端末装置３０に送信する。このとき、制御部１１０は、以下に説明する「アイテム推薦形式」と「カテゴリ推薦形式」とに対応する２種類の処理を行なう。
【００８０】
＜アイテム推薦形式＞
【００８１】
図７（ａ）に示した推薦情報格納部１０８のアイテム推薦情報テーブル１０８Ａを参照しながら、リクエスト利用主体識別子に一致する利用主体識別子を特定し、それに対応する関連アイテム識別子と推薦順位とを読み出す。さらに、その関連アイテム識別子に対応するアイテム属性情報をアイテム属性格納部１０１のアイテム情報テーブル１０１Ａから読み出す。そして、関連アイテム識別子と、推薦順位と、アイテム属性情報とを対応させた表示用推薦データを作成する。
【００８２】
例えば、図７（ａ）に示した例において、リクエスト利用主体識別子が「ＵｓｅｒＩＤ−１」である場合は、それと同じ利用主体識別子に対応した関連アイテム識別子である「ＩｔｅｍＩＤ−１０００」「ＩｔｅｍＩＤ−１０２０」…「ＩｔｅｍＩＤ−１０３５」と、その推薦順位「１」「２」…「Ｎ1」を読み出す。ただし、特定した利用主体識別子に対応する関連アイテム識別子をすべて読み出してもよいし、推薦順位の高い順に所定個数読み出してもよい。また推薦リクエストの中に、読み出す推薦情報の個数が含まれている場合は、推薦順位の高い順にその個数だけを読み出す。
【００８３】
このとき、利用履歴格納部１０２のアイテム利用履歴テーブル１０２Ａを参照しながら、リクエスト利用主体識別子に係るユーザが過去に利用したアイテム識別子（利用済みアイテム識別子）を特定し、利用済みアイテム識別子（利用済みアイテム）を推薦情報に含めない処理を行なってもよい。このような処理を行なうことで、ユーザが１回しか同じアイテムを購入しない性質を持つようなアイテム提供サービスにおいて、精度の高い推薦が可能になる。例えば、１度購入したデジタルコンテンツは、端末装置３０で繰り返し利用（再生）できる、といったサービスに適している。
【００８４】
また、過去の利用回数が所定数以上のアイテムを推薦情報に含めない処理や、最近３ヶ月以内等の所定期間内に利用したアイテムを推薦情報に含めない処理を行なってもよい。このような処理を行なうことで、ユーザが利用しない可能性の高いアイテムが推薦情報に入り難くなるので、推薦情報に対するユーザの信頼感や興味の度合いを高めることができる。
【００８５】
そして制御部１１０は、アイテム属性格納部１０１を参照しながら、読み出した関連アイテム識別子に対応する「タイトル」「説明情報」などのアイテム属性情報と、「カテゴリ名」などのカテゴリ属性情報とを読み出し、関連アイテム識別子と２つの属性情報と推薦順位とを合わせて表示用推薦データを作成する。
【００８６】
＜カテゴリ推薦形式＞
【００８７】
図７（ｂ）に示した推薦情報格納部１０８のカテゴリ推薦情報テーブル１０８Ｂを参照しながら、リクエスト利用主体識別子に一致する利用主体識別子を特定し、それに対応する関連カテゴリ識別子と推薦順位とを読み出す。ここで、特定した利用主体識別子に対応する関連カテゴリ識別子をすべて読み出してもよいし、推薦順位の高い順に所定個数読み出してもよい。さらに、その関連カテゴリ識別子に対応するカテゴリ属性情報（カテゴリ名およびカテゴリ説明情報）をアイテム属性格納部１０１から読み出す。そして、関連カテゴリ識別子と、推薦順位と、カテゴリ属性情報とを対応させた表示用推薦データを作成する。
【００８８】
このとき、ユーザが過去に利用したカテゴリを除外して表示用推薦データを作成してもよい。具体的には、利用履歴格納部１０２のアイテム利用履歴テーブル１０２Ａとアイテム情報テーブル１０１Ａとを参照しながら、リクエスト利用主体識別子に係るユーザが、過去に利用したアイテムについてのカテゴリ識別子（利用済みカテゴリ識別子）を特定する。なお、カテゴリ利用履歴テーブル１０２Ｂを用いている場合は、カテゴリ利用履歴テーブル１０２Ｂを参照すればよい。
【００８９】
そして、カテゴリ推薦情報テーブル１０８Ｂから関連カテゴリ識別子を読み出す際に、利用済みカテゴリ識別子を除外する処理を行なう。このような処理を行なうことで、ユーザが１回しか同じカテゴリのアイテムを購入しない性質を持つようなアイテム提供サービスにおいて、精度の高い推薦が可能になる。また、過去の利用回数が所定数以上のカテゴリを推薦情報に含めない処理や、最近３ヶ月以内等の所定期間内に利用したカテゴリを推薦情報に含めない処理を行なってもよい。このような処理を行なうことで、ユーザが利用しない可能性の高いカテゴリが推薦情報に入り難くなるので、推薦情報に対するユーザの信頼感や興味の度合いを高めることができる。
【００９０】
なお、アイテム提供サーバ２０のユーザ管理部２０１に、ユーザの氏名やログイン名などのユーザ属性情報が格納されている場合には、上述した「アイテム推薦形式」、「カテゴリ推薦形式」の表示用推薦データを作成する際にこれらを読み出して、表示用推薦データの中に、リクエスト利用主体識別子と、リクエスト利用主体識別子に対応するユーザ属性情報とを含めてもよい。
【００９１】
また、推薦リクエストの種別に対応する推薦情報テーブルにおいて、推薦順位が格納されておらず、関連識別子の格納順序が推薦順位の情報を持っている場合は、その格納順序に従って、表示用推薦データにおける関連識別子の順序を決めればよい。例えば、格納順序が１番目の関連アイテム識別子を表示用推薦データの１番目にし、格納順序が２番目の関連アイテム識別子を表示用推薦データの２番目にすればよい。また、表示用推薦データを作成する際に、ランダムな推薦順位を生成して付与したり、表示用推薦データにおける関連識別子の順序をランダムに決定してもよい。
【００９２】
図１１のフローチャートの説明に戻って、ステップＳ１８０において、端末装置３０は、ステップＳ１７０で情報選択装置１０から送信された表示用推薦データを受信し、例えば、図１３に示す形式で表示装置１２０に推薦リストとして表示する。図１３（ａ）は、「アイテム推薦形式」に対応する処理が行われた場合に、推薦リクエストを発行したユーザとの関連度が高いアイテムを「○○○さんへのおすすめアイテム」として表示する画面の一例である。
【００９３】
「○○○」には、リクエスト利用主体識別子に対応するユーザの氏名やログイン名が表示される。このような表示を行なうことにより、他のユーザに対する推薦情報と共通のものではなく、そのユーザ専用に作成された推薦情報であることをユーザに明確に伝えることができるので、推薦情報に対するユーザの信頼感や興味の度合いを高めることができる。なお、氏名やログイン名を表示しなくても、「あなただけにお知らせする、とっておきアイテムです」など、そのユーザ専用に作成された推薦情報であることが分かる表示を行なうことで、同様の効果を得ることができる。
【００９４】
アイテムの表示順序は、推薦順位に従って決められており、推薦順位が上位のアイテムほど、ユーザの目に留まりやすい位置に表示される。例えば、本図に示すように上下方向に各々のアイテムの情報を配置する場合は、推薦順位が上位のアイテムの表示画面の上側に表示するとよい。また、左右方向に各々のアイテムの情報を配置する場合は、表示画面の左側に表示するとよい。「アイテムＯＰＱ」は１番目のアイテム（推薦順位が「１」のアイテム）のタイトルであり、「サスペンス」は１番目のアイテムのカテゴリ名であり、「このアイテムは、目が離せない…」という表示は、１番目のアイテムの説明情報である。図１２に示した表示例と同様に、各々のアイテムに対して、利用リンクに対応付けられた「アイテム利用」ボタンが表示される。２番目以降のアイテムについても同様な表示がされる。
【００９５】
図１３（ｂ）は、表示用推薦データ作成・送信処理（ステップＳ１７０）で「カテゴリ推薦形式」に対応する処理が行われた場合に、推薦リクエストを発行したユーザとの関連度が高いカテゴリを「○○○さんへのおすすめカテゴリ」として表示する画面の一例である。
【００９６】
カテゴリの表示順序は、推薦順位に従って決められている。「カテゴリＲＳＴ」は１番目のカテゴリ（推薦順位が「１」のカテゴリ）のカテゴリ名であり、「このカテゴリは、最近非常に注目され…」という表示は、１番目のカテゴリの説明情報である。各々のカテゴリに対して、「アイテム一覧表示」ボタンが表示される。ユーザが「アイテム一覧表示」ボタンを押すと、この画面あるいは別の画面に、そのカテゴリに属するアイテムの一覧と、それを利用するための利用ボタン（利用リンク）が表示される。なお、図１３（ｂ）に示す画面に、各々のカテゴリに属する代表的なアイテムのタイトル等をあらかじめ表示してもよい。２番目以降のアイテムについても同様な表示がされる。
【００９７】
図１１のフローチャートの説明に戻って、ステップＳ１９０において、端末装置３０は、利用リンクがユーザから入力装置３３０を利用して選択されたか否かを判定する。この利用リンクは、代表的には、アイテムの購入要求とすることができるが、アイテムの再生、アイテムのプレビュー、アイテムの詳細情報の表示、アイテムに対する評価情報（評価値）の登録などの種々の要求を含めることができる。利用リンクが選択された場合（Ｙｅｓ）は、ステップＳ２００に進み、そうでない場合（Ｎｏ）はステップＳ２５０に進む。
【００９８】
ステップＳ２００において、端末装置３０は、利用リンクに対応するＵＲＬにリクエスト（利用リクエスト）を送信する。本実施形態では、利用リンクがアイテム提供サーバ２０の所定のＵＲＬに対応する場合を説明する。なお端末装置３０は、利用リクエストをアイテム提供サーバ２０に加えて、情報選択装置１０に直接送信してもよい。
【００９９】
各々の利用リンクには、選択対象となるアイテムのアイテム識別子が付与されており、利用リクエストには、ユーザが選択したアイテムのアイテム識別子と、そのユーザまたは端末装置３０を識別する利用主体識別子とが含まれている。なお、ユーザが一度に複数のアイテムを利用する場合は、１つの利用リクエストに複数のアイテムのアイテム識別子を含めてもよいし、複数の利用リクエストを送信してもよい。
【０１００】
ステップＳ２１０において、アイテム提供サーバ２０の送受信部２０４は、端末装置３０から受信した利用リクエストを情報選択装置１０に送信し中継する。このとき、アイテム提供サーバ２０の制御部２０５が、利用リクエストからアイテム識別子や利用主体識別子などの情報を取り出し、利用情報として、データ格納部２０３に格納させるようにしてもよい。
【０１０１】
ステップＳ２２０において、情報選択装置１０の制御部１１０が、送受信部１０９を介して、利用リクエストを受信し、利用履歴情報として利用履歴格納部１０２に格納させる。そして、制御部１１０は、送受信部１０９を介して、利用履歴情報の格納を終了したことを示すメッセージをアイテム提供サーバ２０に送信する。
【０１０２】
ステップＳ２３０において、アイテム提供サーバ２０の制御部２０５が、送受信部２０４を介して情報選択装置１０からの格納終了メッセージを受信した後、端末装置３０にアイテムを提供する処理を行なう。例えば、提供対象のアイテムがデジタルコンテンツである場合には、アイテム格納部２０２から、利用リクエストに含まれるアイテム識別子に対応するアイテム本体を読み出して、送受信部２０４を介して端末装置３０に送信する。また、アイテムが物品である場合には、配送事業者のシステムに配送依頼の情報を送る配送処理などを行なう。このとき必要に応じて、課金処理などを行なう。また、アイテムの詳細情報が要求された場合には、アイテム格納部２０２から「説明情報」などを読み出して、端末装置３０に送信する。
【０１０３】
ステップＳ２４０において、端末装置３０は、アイテム提供サーバ２０から提供されたアイテムの利用に係る処理を行なう。例えば、アイテムがデジタルコンテンツである場合には、アイテムの再生、表示などを行なう。また、アイテムが物品である場合には、配送処理を受付した旨のメッセージ等を画面に表示する。
【０１０４】
ステップＳ２５０において、端末装置３０は、ユーザがブラウザを終了する等の操作終了指示があるか否かを判定する。操作終了指示がある場合（Ｙｅｓ）は、端末装置３０の処理を終了し、操作終了指示がない場合（Ｎｏ）は、ステップＳ１５０に戻って処理を継続する。
【０１０５】
以上がシステム全体の動作の説明である。なお、本実施形態においては、ステップＳ１６０で、端末装置３０から情報選択装置１０に推薦リクエストを送信しているが、これ以外の方法を用いてもよい。例えば、端末装置３０からアイテム提供サーバ２０に推薦リクエストを送信し、アイテム提供サーバ２０が情報選択装置１０に推薦リクエストを中継してもよい。また、適当なタイミングで、情報選択装置１０の制御部１１０が、送受信部１０９を介して、推薦情報格納部１０８に格納されたデータをアイテム提供サーバ２０に送信すると共に、アイテム提供サーバ２０の制御部２０５が、送受信部２０４を介して、そのデータを受信し、データ格納部２０３に格納させておいてもよい。そして、ステップＳ１６０において、端末装置３０からアイテム提供サーバ２０に推薦リクエストを送信し、ステップＳ１７０に相当する処理として、アイテム提供サーバ２０の制御部２０５が、データ格納部２０３から推薦データを読み出し、表示用推薦データを作成して、端末装置３０に送信するようにしてもよい。この場合は、表示用推薦データ作成とその送信に伴う情報選択装置１０の処理負荷を減らすことができる。
【０１０６】
また、本実施形態においては、ステップＳ２１０で、アイテム提供サーバ２０が端末装置３０からの利用リクエストを情報選択装置１０に中継しているが、これ以外の方法を用いてもよい。例えば、ステップＳ２００の利用リクエストの送信と同時、あるいは適当なタイミングで、端末装置３０から情報選択装置１０に直接、利用リクエストを送信してもよい。
【０１０７】
また、ステップＳ２２０において、情報選択装置１０は、利用履歴情報の格納に加えて、利用リクエストに含まれる利用主体識別子に対応する表示用推薦データをステップＳ１７０と同様な方法で作成し、表示用推薦データをアイテム提供サーバ２０に送信してもよい。そして、ステップＳ２３０において、アイテム提供サーバ２０が、アイテム提供処理に加えて、表示用推薦データを端末装置３０に送信してもよい。すなわちこの場合、端末装置３０は、利用リクエストを送信するごとに、利用リクエストに含まれるアイテム識別子に対応する推薦情報を受信することができる。
【０１０８】
また、携帯電話等の端末識別子を利用することができ、特別なユーザ登録処理が不要なアイテム提供サービスにおいて、ステップＳ２００で送信される利用リクエストに、利用主体識別子を含めることができる場合であれば、ステップＳ１１０の登録済ユーザ確認処理と、ステップＳ１２０の入会処理に必要なデータの送信とを省略することも可能である。
＜情報選択装置の動作＞
＜推薦情報作成動作＞
【０１０９】
第１実施例における情報選択装置１０の処理動作について説明する。まず、情報選択装置１０が推薦情報を作成する動作について図１４のフローチャートを参照して説明する。
【０１１０】
情報選択装置１０の制御部１１０は、所定のタイミングで情報選択装置１０の各処理部に指示を出し、推薦情報を作成する処理を開始する。推薦情報作成のタイミングとして、次の３種類を用いることができる。
【０１１１】
推薦情報作成の第１のタイミングは、所定の日時または所定の時間間隔である。例えば、「毎日午前６時と午後６時」「毎週月曜の午前１０時３０分」「１２時間ごと」「２４時間ごと」などである。このとき、「平日は午前６時、土日は午前６時と午後６時」「平日は３時間ごと、土曜日は６時間ごと、日曜日は１２時間ごと」などのように時間間隔が変動してもよい。また、夏は時間間隔を短くして、冬は時間間隔を長くするなど、季節に応じて時間間隔を変えてもよい。この第１のタイミングを用いると、他のタイミングを用いた場合より情報選択装置１０の処理負荷を減らすことができる。特に、推薦リクエスト数が少ない時間帯に推薦情報を作成するように設定すれば、情報選択装置１０の処理負荷の低減に効果的である。
【０１１２】
推薦情報作成の第２のタイミングは、端末装置３０の推薦リクエスト送信処理（図１１ステップＳ１６０）による端末装置３０からの推薦リクエストを所定回数受信するごとである。この場合は、基本的には所定回数を１として、推薦リクエストを受信するごとに推薦情報を作成するのがよい。以下の説明では、所定回数を１とするが、所定回数を２以上にすることも可能である。所定回数を１とする場合は、まず推薦リクエストに含まれる利用主体識別子（リクエスト利用主体識別子）に対する推薦情報を作成し、その後に表示用推薦データ作成・送信処理（ステップＳ１７０）を行なう。このようにすれば、リクエスト利用主体識別子に対して、常に最新の推薦情報を提供することができる。
【０１１３】
推薦情報作成の第３のタイミングは、アイテム提供サーバ２０を中継して送られる（ステップＳ２１０）、端末装置３０の利用リクエスト送信（ステップ２００）による利用リクエストを所定回数受信するごとである。この所定回数を調整することにより、情報選択装置１０の処理負荷の大きさと、推薦情報の新しさとのバランスを調整することができる。
【０１１４】
通常は、所定回数をある程度大きな値として、情報選択装置１０の処理負荷があまり大きくならないようにするのがよい。一般的には、ある程度の数の利用履歴が追加されないと、新たな推薦情報を作成しても前回の推薦情報と似た内容になることが多いので、所定数を適切な値に設定すれば、情報選択装置１０の処理負荷を抑えながら、比較的新しい利用状況を反映させた推薦情報を提供することができる。特に、利用リクエストの数が季節、曜日、時間帯などにより大きく変動する場合や、利用リクエスト数の増減パターンを事前に予測するのが難しい場合には、第１のタイミングで推薦情報を作成するよりも、情報選択装置１０の処理負荷の軽減と、比較的新しい利用状況を推薦情報に反映させることとを両立させやすい。
【０１１５】
以下の説明において、推薦情報を作成する対象となる利用主体識別子（情報選択に係る利用主体識別子）の集合を「推薦基準集合」と称する。第１のタイミングおよび第３のタイミングで推薦情報を作成する場合は基本的に、推薦基準集合の要素数が多数となる。第２のタイミングで推薦情報を作成する場合は、推薦基準集合の要素数は基本的に１つであるが、複数の場合もある。
【０１１６】
まず、ステップＳ４００において、制御部１１０の指示を受けた関連度算出部１０４が、「アイテム推薦形式」および「カテゴリ推薦形式」に対応する２種類の関連度を算出し、これに基づき関連集合を作成し、関連集合を関連集合格納部１０５に格納させる。 ステップＳ４１０において、制御部１１０の指示を受けた価格影響度算出部１０６が、価格情報格納部１０３を参照しながら、アイテムおよびカテゴリの価格が推薦結果に与える影響の度合いを示す価格影響度を算出する。
【０１１７】
ステップＳ４２０において、制御部１１０の指示を受けた情報選択部１０７が、ステップＳ４００で算出された関連度、およびステップＳ４１０で算出された価格影響度を用いて、選択指標を算出する。
【０１１８】
ステップＳ４３０において、情報選択部１０７が、選択指標に基づいて、アイテムまたはカテゴリを選択して、推薦情報格納部１０８に格納させる。そして、推薦情報作成動作が終了した旨を制御部１１０に通知する。
【０１１９】
「アイテム推薦形式」および「カテゴリ推薦形式」に対応する関連集合作成処理（ステップＳ４００）について図１５のフローチャートを参照して説明する。
【０１２０】
ステップＳ５００において、関連度算出部１０４は、利用履歴格納部１０２のアイテム利用履歴テーブル１０２Ａに記録されている利用履歴を読み出す。ここでは、すべての利用履歴を読み出してもよいし、所定の条件を満たす利用履歴を読み出してもよい。例えば、図６（ｂ）に示したアイテム利用履歴テーブル１０２Ａ−２のように利用時期情報を記録した上で、「利用時期が過去４ヶ月以内」「利用時期と現在との差が３日以上かつ３０日未満」などのように、「利用履歴の利用時期情報が所定の範囲にある」という条件を満たす利用履歴を読み出してもよい。
【０１２１】
また、ユーザ（利用主体識別子）ごとに利用時期が新しい順に所定個数以内の利用履歴を読み出してもよい。例えば、所定個数を２０個とした場合、利用回数が２０回以上のユーザに対しては、利用時期が新しい順に２０個ずつの利用履歴を読み出し、利用回数が２０回未満のユーザに対しては、そのユーザに関するすべての利用履歴を読み出すようにする。このようにすれば、利用頻度が少なく、最近アイテムを利用していないようなユーザに対しても効率よく関連集合を作成することができる。
【０１２２】
そして、このステップＳ５００で読み出した利用履歴に含まれるユーザ（利用主体識別子）の集合σを作成する。以下では、このステップで読み出した利用履歴に含まれるアイテムの数（アイテム識別子の種類数）をＭｓ、ユーザの数（利用主体識別子の種類数）をＵｓとする。
【０１２３】
ステップＳ５１０において、関連度算出部１０４は、推薦基準集合Ｋ１を作成する。上述したように、第２タイミングで推薦情報を作成する場合には、リクエスト利用主体識別子を推薦基準集合Ｋ１に入れる。
【０１２４】
第１および第３のタイミングで推薦情報を作成する場合は、ステップＳ５００で作成したアイテムの集合σを推薦基準集合Ｋ１とする。この場合は、所定条件を満たす利用履歴に含まれる利用主体識別子識別子それぞれに対して関連アイテム集合が作成されることになる。なお、ここで作成された推薦基準集合Ｋ１は、情報選択部１０７、制御部１１０などの他の処理部から参照することができる。
【０１２５】
ステップＳ５２０において、関連度算出部１０４は、ステップＳ５１０で作成された推薦基準集合Ｋ１の中から未処理のユーザを１つ選択する。この処理対象となるユーザを基準ユーザｘとする。
【０１２６】
ステップＳ５３０において、関連度算出部１０４は、ステップＳ５００で読み出された利用履歴を用いて、基準ユーザｘと、ユーザ集合σに属する他ユーザｙ（ｙ∈σ、ｘ≠y）との類似度を算出する。
【０１２７】
具体的には、基準ユーザｘと他のユーザｙとが共に利用したことのあるアイテムの数｜Ｉ［ｘ］∩Ｉ［ｙ］｜を算出し、これを類似度とすることができる。また、ユーザｘが利用したアイテムの集合をＩ［ｘ］、ユーザｙが利用したアイテムの集合をＩ［ｙ］、ユーザｘとユーザｙとが共に利用したことのあるアイテムの数を｜Ｉ［ｘ］∩Ｉ［ｙ］｜、ユーザｘとユーザｙの少なくとも一方が利用したことのあるアイテムの数を｜Ｉ［ｘ］∪Ｉ［ｙ］｜としたとき、［数１］に示すように、ジャカード（Ｊａｃｃａｒｄ）係数を用いてユーザｘとユーザｙとの類似度Ｄ［ｘ］［ｙ］を算出することができる。
【数１】

【０１２８】
また、ステップＳ５００で読み出された利用履歴から、利用回数に関する情報やユーザがアイテムに対して行なった評価の情報（評価値）が得られる場合は、コサイン尺度やピアソン積率相関係数を用いて類似度を算出してもよい。例えば、ユーザｘのアイテムｚに対する利用回数または評価値をＥ［ｘ］［ｚ］、ユーザｙのアイテムｚに対する利用回数または評価値をＥ［ｙ］［ｚ］としたとき、［数２］に示すように、コサイン尺度を用いてユーザｘとユーザｙとの類似度Ｄ［ｘ］［ｙ］を算出することができる。ここで、Ｍｓは、ステップＳ５００で読み出された利用履歴に含まれるアイテムの数である。
【数２】

【０１２９】
また、［数３］に示すように、ピアソン積率相関係数を用いて、類似度Ｄ［ｘ］［ｙ］を算出してもよい。
【数３】

【０１３０】
ここで、Ｉｃ［ｘ］［ｙ］は、ユーザｘとユーザｙとが共に利用または評価したアイテムの集合であり、Ｅａ［ｘ］は、Ｉｃ［ｘ］［ｙ］に属するアイテムをユーザｘが利用した回数の平均値、または評価した評価値の平均値である。Ｅａ［ｙ］は、Ｉｃ［ｘ］［ｙ］に属するアイテムをユーザｙが利用した回数の平均値または評価値の平均値である。また、Ｅ［ｘ］［ｚ］とＥ［ｙ］［ｚ］とのユークリッド距離あるいはその他の距離を用いて、類似度Ｄ［ｘ］［ｙ］を算出してもよい。
【０１３１】
また、利用履歴格納部１０２に利用時期情報が格納されている場合は、Ｅ［ｘ］［ｚ］などを算出する際に、利用時期が古い利用履歴より、新しい利用履歴の重みを大きくして算出してもよい。
【０１３２】
さらに、ユーザｘのアイテムｚに対する利用回数または評価値であるＥ［ｘ］［ｚ］（ｘ＝１〜Ｕｓ、ｚ＝１〜Ｍｓ）を行列要素とする行列に対して、主成分分析や数量化３類などの多変量解析を適用し、次元数を削減したベクトルを生成し、コサイン尺度やユークリッド距離などを用いてユーザ間の類似度を算出してもよい。また、上記以外にも、ユーザ間の類似性を表わす指標であれば、どのような方法を用いてもよい。
【０１３３】
このようにして算出されたユーザｘと、ユーザｙ（ｙ∈σ、ｘ≠y）との類似度は、関連度算出部１０４内部のメモリ（図示せず）に格納される。なお、ステップＳ５２０〜Ｓ５７０のループ（繰り返し）処理において、ユーザｘと、ユーザｙとの類似度が既に算出され、関連度算出部１０４内部のメモリに格納されている場合は、新たな算出を行なわずに格納されている値を利用してもよい。
【０１３４】
ステップＳ５４０において、関連度算出部１０４は、基準ユーザｘとアイテムｚとの関連度Ｗ［ｘ］［ｚ］を算出する。
【０１３５】
関連度算出の第１の方法は、ステップＳ５３０で算出された類似度Ｄ［ｘ］［ｙ］が高い「類似ユーザ」を特定し、類似ユーザに多く利用されたアイテムほど関連度が高くなるように算出する方法である。
【０１３６】
具体的にはまず、類似度Ｄ［ｘ］［ｙ］が所定値以上のユーザ、あるいは類似度Ｄ［ｘ］［ｙ］が高い順に所定数のユーザを類似ユーザとして特定する。次に、ステップＳ５００で読み出された利用履歴を対象にして、類似ユーザが利用したアイテムを特定し、アイテムごとに利用回数をカウントし、この利用回数を関連度とする。あるいは利用回数の平方根や対数値などを用いて関連度を算出してもよい。第１の方法によれば、類似ユーザに利用されたアイテムの関連度が算出される。類似ユーザに利用されていないアイテムの関連度は「０」とすればよい。
【０１３７】
この第１の方法は、ユーザがアイテムを気に入った場合に、そのアイテムを複数回利用（購入）する性質を持つようなアイテム提供サービスに適している。例えば、端末装置３０に保存できない形式のデジタルコンテンツや、消耗品の物販などである。
【０１３８】
関連度算出の第２の方法は、多くの類似ユーザに利用されたアイテムほど関連度が高くなるように算出する方法である。第１の方法と同様に、類似ユーザを特定した後、ステップＳ５００で読み出された利用履歴を対象にして、類似ユーザが利用したアイテムを特定し、アイテムごとに利用した人数をカウントし、この利用人数を関連度とする。
【０１３９】
第２の方法は、ユーザが基本的に同じアイテムを１度しか利用（購入）しない性質のアイテム提供サービスに適している。例えば、アイテムが端末装置３０に保存して何回でも再生できる形式のデジタルコンテンツであれば、ユーザが再度購入するのは、ユーザが端末装置３０から間違って消去したような例外的なケースが想定され、基本的には同じアイテムを１回しか購入しないので、この第２の方法が有効である。また、第１および第２の方法によれば、類似ユーザの数を適切に設定することにより、少ない計算量で、精度よく関連度を算出することができる。
【０１４０】
関連度算出の第３の方法は、ユーザ間の類似度を直接用いて関連度を算出する方法である。具体的にはまず、ステップＳ５００で読み出された利用履歴を対象にして、ユーザｙ（ｙ∈σ、ｘ≠y）がアイテムｚを利用した回数Ｃ［ｙ］［ｚ］をカウントする。そして、［数４］に示すように、類似度Ｄ［ｘ］［ｙ］と利用回数Ｃ［ｙ］［ｚ］との積を加算した値を用いてユーザｘとアイテムｚとの関連度Ｗ［ｘ］［ｚ］を算出する。第３の方法では、アイテムｚの利用回数が多く、かつ利用したユーザの類似度が高いほど、関連度が高く算出される。
【数４】

【０１４１】
なお［数４］では、類似度Ｄ［ｘ］［ｙ］が算出されたすべてのユーザの情報を用いて関連度を算出しているが、類似ユーザを対象にして［数４］の計算を行なってもよい。また［数４］において、ユーザｙがアイテムｚを利用した場合にＣ［ｙ］［ｚ］＝１、利用していない場合にＣ［ｙ］［ｚ］＝０として計算してもよい。このようにすれば、アイテムｚを利用したユーザ数が多く、かつ利用したユーザの類似度が高いほど、関連度が高く算出される。この第３の方法によれば、基準ユーザとアイテムとの関連度をさらに精度よく算出することができる。
【０１４２】
さらに関連度算出の第１〜第３の方法において、アイテム属性格納部１０１のアイテム情報テーブル１０１Ａからアイテム時期情報を読み出し、これを用いて処理を行なってもよい。具体的には、アイテム時期情報が新しいアイテムほど大きな値となる重み係数を算出し、利用回数や利用ユーザ数を算出する際に、この重み係数を乗じる等の演算を行なう。このようにすれば、ユーザにとって一般的に価値の高い「新作」アイテムの関連度を高くして、優先的に推薦情報に入れることができる。
【０１４３】
ステップＳ５５０において、関連度算出部１０４は、基準ユーザｘに関する関連アイテム集合Ω［ｘ］を作成し、関連集合格納部１０５に格納させる。関連アイテム集合Ω［ｘ］は、関連識別子がすべてアイテム識別子であるような関連集合である。
【０１４４】
関連アイテム集合作成の第１の方法は、ステップＳ５４０において基準ユーザｘとの関連度を算出したすべてのアイテム（関連度が「０」より大きいすべてのアイテム）を関連アイテム集合Ω［ｘ］に入れる方法である。この方法は、なるべく多くの推薦結果を出力したい場合に適している。
【０１４５】
関連アイテム集合作成の第２の方法は、基準ユーザｘとの関連度が高いアイテムを選出して関連アイテム集合Ω［ｘ］に入れる方法である。具体的には、ステップＳ５４０において関連度を算出したすべてのアイテムの中から、関連度が閾値以上のアイテムを選出する。または、関連度が大きい順に所定値を超えない範囲でアイテムを選出してもよい。例えば、基準ユーザｘとの関連度が算出されたアイテムの数が所定数に満たない場合は、関連度が算出されたすべてのアイテムを選出し、そうでない場合は、関連度が大きい順に所定数のアイテムを選出すればよい。
【０１４６】
さらに、基準ユーザｘとの関連度が所定値以上のアイテムの中から、関連度が大きい順に所定数を超えない範囲でアイテムを選出し、それらを関連アイテム集合Ω［ｘ］としてもよい。また関連アイテム集合Ω［ｘ］の要素が所定数以上得られるように、関連度の閾値を基準ユーザｘごとに調整して選出してもよい。この第２の方法によれば、関連集合格納部１０５に必要な記憶容量を削減でき、さらにステップＳ４１０〜Ｓ４３０の処理を効率よく行なうことができる。
【０１４７】
そして、関連度算出部１０４は、基準ユーザｘの利用主体識別子と、関連アイテム集合Ω［ｘ］の各アイテム識別子と、その関連度とを対応させて、関連集合格納部１０５の関連度テーブル１０５Ａに記録する。具体的には、基準ユーザｘの利用主体識別子を図８に示した関連度テーブル１０５Ａの利用主体識別子に対応させ、関連アイテム集合Ω［ｘ］の各アイテム識別子を関連度テーブル１０５Ａの関連アイテム識別子に対応させて記録する。
【０１４８】
ステップＳ５６０において、関連度算出部１０４は、基準ユーザｘに関する関連カテゴリ集合Φ［ｘ］を作成し、関連集合格納部１０５に格納させる。関連カテゴリ集合Φ［ｘ］は、関連識別子がすべてカテゴリ識別子であるような関連集合である。
【０１４９】
関連度算出部１０４は、図４（ａ）に示したアイテム情報テーブル１０１Ａを参照しながら、ステップＳ５５０で作成された関連アイテム集合Ω［ｘ］を用いて、関連カテゴリ集合Φ［ｘ］を作成する。
【０１５０】
関連カテゴリ集合Φ［ｘ］作成の第１の方法では、関連アイテム集合Ω［ｘ］の各要素に対応するカテゴリ識別子を特定し、特定されたカテゴリ識別子ごとの要素数をカウントし、この要素数をユーザｘとカテゴリとの関連度とする。そして、この要素数が所定数以上のカテゴリ識別子を関連カテゴリ集合Φ［ｘ］に入れる。なお、この所定数を「１」として、特定されたカテゴリ識別子をすべて関連カテゴリ集合Φ［ｘ］に入れてもよい。
【０１５１】
関連カテゴリ集合Φ［ｘ］作成の第２の方法では、関連アイテム集合Ω［ｘ］の各要素に対応するカテゴリ識別子を特定し、特定されたカテゴリ識別子ごとに、関連アイテム集合Ω［ｘ］の各要素に対応する関連度の合計値を算出し、この合計値を関連度とする。そして、この合計値が所定値以上のカテゴリ識別子を選出して、関連カテゴリ集合Φ［ｘ］に入れる。例えば、関連アイテム集合に、Ａ、Ｂ、Ｃの３つの要素（関連アイテム）が存在し、各々の関連度が「１．０」、「０．８」、「０．４」であり、要素Ａはカテゴリ１に対応し、要素Ｂがカテゴリ２に対応し、要素Ｃもカテゴリ２に対応する場合、基準ユーザとカテゴリ１との関連度を「１．０」、基準ユーザとカテゴリ２との関連度を「０．８＋０．４＝１．２」とすればよい。
【０１５２】
ある要素に対応するカテゴリ識別子が複数存在する場合は、各要素に対応する関連度をそのまま用いて合計値を算出してもよいし、各要素に対応する関連度をカテゴリ識別子の数で割った値を用いて合計値を算出してもよい。例えば、基準ユーザと要素Ａ（関連アイテムＡ）との関連度が「１．０」であり、要素Ａに、カテゴリ１とカテゴリ３の２つのカテゴリが対応する場合、基準ユーザとカテゴリ１との関連度の要素Ａに係る部分を「１．０」としてもよいし、「１．０÷２＝０．５」としてもよい。
【０１５３】
なお、この所定値を十分小さな値にして、特定されたカテゴリ識別子をすべて関連カテゴリ集合Φ［ｘ］に入れてもよい。また、合計値の大きい順に所定数を越えない数のカテゴリ識別子を選出し、関連カテゴリ集合Φ［ｘ］に入れてもよい。
【０１５４】
そして、関連度算出部１０４は、基準ユーザｘのアイテム識別子と、関連カテゴリ集合Φ［ｘ］の各カテゴリ識別子と、その関連度とを対応させて、関連集合格納部１０５の関連度テーブル１０５Ｂに記録する。具体的には、基準ユーザｘの利用主体識別子を図８に示した関連度テーブル１０５Ｂの利用主体識別子に対応させ、関連カテゴリ集合Φ［ｘ］の各カテゴリ識別子を関連度テーブル１０５Ｂの関連カテゴリ識別子に対応させて記録する。
【０１５５】
なお、上述したユーザとアイテムとの関連度、およびユーザとカテゴリとの関連度、それぞれの算出工程において、関連度の最大値や合計値が所定値（例えば「１」）になるように、正規化処理を行なってもよい。
【０１５６】
ステップＳ５７０において、関連度算出部１０４は、他の基準ユーザを選択可能か判定する。ステップＳ５１０で作成された推薦基準集合Ｋ１の中で、まだ処理を行なっていないユーザが存在する場合に「Ｙｅｓ」と判定し、未処理のユーザが存在しない場合は、「Ｎｏ」と判定する。「Ｙｅｓ」と判定した場合は、ステップＳ５２０に戻って処理を繰り返し、「Ｎｏ」と判定した場合は、関連度算出処理を終了する。
【０１５７】
この結果、関連集合格納部１０５の関連度テーブル１０５Ａ、Ｂには、ステップＳ５１０で作成された推薦基準集合Ｋ１の利用主体識別子それぞれに対応し、「アイテム推薦形式」および「カテゴリ推薦形式」に対応する関連集合が格納される。
【０１５８】
なお、利用履歴格納部１０２に、図５（ｄ）に示すようなカテゴリ利用履歴テーブル１０２Ｂが格納されている場合には、上述のステップＳ５００〜ステップＳ５５０の処理におけるアイテム識別子をカテゴリ識別子に置き換えて同様の処理を行なうことにより、「カテゴリ推薦形式」に対応する関連集合を作成することができる。この方法では、ステップＳ５５０に相当する処理により関連カテゴリ集合が作成されるため、ステップＳ５６０を実行する必要がない。このため、「アイテム推薦形式」を実施せず、「カテゴリ推薦形式」のみ実施する場合には、効率的に処理を行なうことができる。
＜価格影響度算出処理＞
【０１５９】
ステップＳ４１０における価格影響度算出処理を詳細に説明する。制御部１１０は、ステップＳ４００により関連集合格納部１０５に格納された関連集合（関連識別子）を読み出し、価格情報格納部１０３を参照しながら、各関連識別子に対応する価格情報を価格影響度算出部１０６に入力し、価格影響度を算出させる。
【０１６０】
例えば、関連識別子がアイテム識別子「ＩｔｅｍＩＤ−３」である場合は、図６（ａ）に示したアイテム価格情報テーブル１０３Ａを参照し、その価格情報である「３００円」を価格影響度算出部１０６に入力する。また例えば、関連識別子がカテゴリ識別子「ＣａｔｅｇｏｒｙＩＤ−３」である場合は、図６（ｂ）に示したカテゴリ価格情報テーブル１０３Ｂを参照し、その価格情報である「６０００円」を価格影響度算出部１０６に入力する。
【０１６１】
価格影響度算出部１０６は、価格情報（価格）を入力Ｘとし、価格情報が推薦結果に与える影響を決める価格影響度を出力Ｙとする価格影響関数Ｆ（Ｘ）を内部の記憶領域に記憶している。この関数（対応規則）Ｆ（Ｘ）は、Ｘの増加に対して、Ｙが増加する単調増加区間を有し、かついずれの区間においてもＹが減少しない特性を有しており、種々の形状を採用することができる。関数Ｆ（Ｘ）の特性の例を図１６および図１７に示す。
【０１６２】
図１６（ａ）に示す関数Ｆ１（Ｘ）は、関数の定義域（０≦Ｘ≦Ｘγ）すべてにおいて、Ｘ1＜Ｘ2である入力に対して、Ｙ1＜Ｙ2が常に成立する関数である。すなわち、単調増加関数である。また、Ｘγは価格情報格納部１０３に格納されている価格情報の上限である。このように、価格情報格納部１０３に格納されている価格情報に応じて、関数の入力の上限を設定してもよいし、関数の入力の上限を特に設定しなくてもよい。このような全区間が単調増加の線形関数を用いると、処理が比較的単純になり、情報選択装置１０の処理負荷を低減することができる。また本図の例のように、Ｘ＝０のときにＹ＝０となる関数を用いると、後述するように、価格が「０」の無料のアイテムおよびカテゴリを推薦結果に含めないことが容易にできる。
【０１６３】
図１６（ａ）に示した関数Ｆ１（Ｘ）は線形関数であるが、以下のような非線形関数を用いることもできる。非線形関数を用いることにより、価格影響度をよりきめ細かく、高い精度で算出することができる。
【０１６４】
図１６（ｂ）に示す関数Ｆ２（Ｘ）は、０≦Ｘ≦ＸαにおいてＹ＝Ｙαで一定であり、Ｘα＜Ｘ＜Ｘβにおいて単調増加し、Ｘβ≦ＸにおいてＹ＝Ｙβで一定であるような特性を持つ関数である。すなわち、一部の区間は単調増加であり、かつ単調減少区間を持たない関数である。ここで、単調減少区間とは、Ｘ1＜Ｘ2である入力に対して、Ｙ2＞Ｙ1である出力が得られる区間である。
【０１６５】
なお本図の例では、単調増加区間が１つであるが、複数の単調増加区間を持つ関数を用いてもよい。また本図の例では関数の中央の区間（Ｘα＜Ｘ＜Ｘβ）が単調増加であり、その両側の区間が出力一定区間であるが、他の特性であってもよい。例えば、左側の出力一定区間を無くし、０≦Ｘ＜Ｘβの区間を単調増加としてもよいし、右側の出力一定区間を無くし、Ｘα＜Ｘの区間を単調増加としてもよい。また、Ｙαを０としてもよい。
【０１６６】
本図の例のように、単調増加区間と出力一定区間とを組み合わせた関数を用いると、価格影響度の算出の自由度を大きくすることができる。例えば、Ｙαをある程度大きな値にすれば、価格の安いアイテムおよびカテゴリもある程度推薦結果に入りやすくなる。
【０１６７】
図１６（ｃ）に示す関数Ｆ３（Ｘ）は、階段状の離散的特性を持つ関数である。本図の例ように、価格影響度算出部１０６ａで用いる関数は連続関数でなくてもよい。本図の線分の端点の黒丸はその値を含み、白丸はその値を含まないことを示している。例えば、価格情報格納部１０３にＸ3＜Ｘ＜Ｘ4の区間に対応する価格情報が存在しない場合は、本図に示すように、関数Ｆ３（Ｘ）のＸ3＜Ｘ＜Ｘ4の区間を定義しないようにしてもよい。また、Ｙの値は２種類以上であれば、何種類であってもよい。
【０１６８】
本図の例のように離散的な関数を用いると、処理が比較的単純になり、情報選択装置１０の処理負荷を低減することができる。また出力一定区間が多数ある関数は、細かな価格の違いを価格影響度にあまり反映したくない場合に適している。
【０１６９】
図１７（ａ）に示す関数Ｆ４（Ｘ）は、滑らかな非線形関数である。中央部分で最も勾配（微分係数）が大きく、両側に行くほど勾配が小さくなる特性を持つ。例えば、ロジスティック関数を用いればこのような特性が得られる。本図の例のように滑らかな関数を用いると、価格影響度が急激に変化するのを防ぐことができる。
【０１７０】
また、［数５］に示す関数Ｆ（ｘ）を用いてもよい。
【数５】

【０１７１】
ここでα1は０より大きい定数であり、α2は０以上の定数であり、γは０より大きい定数である。α2は０であっても、正の値であってもどちらでもよい。γ＞１とすると、図１７（ｂ）に示す関数Ｆ５（Ｘ）のように、入力Ｘが大きいほど勾配（微分係数）が大きい単調増加関数（下に凸な関数）となる。この関数Ｆ５（Ｘ）は、価格が高いアイテム（カテゴリ）をより多く推薦結果に入れたい場合に適している。
【０１７２】
また、０＜γ＜１とすると、図１７（ｃ）に示す関数Ｆ６（Ｘ）ように、入力が大きいほど勾配が小さい単調増加関数（上に凸な関数）となる。この関数Ｆ６（Ｘ）は、価格が安いアイテムもある程度推薦結果に入れたい場合に適している。この他に、対数関数や指数関数を用いることができる。
【０１７３】
上述した関数Ｆ１（Ｘ）〜Ｆ６（Ｘ）はあくまでも例示であり、少なくとも一部の区間で単調増加し、かつ単調減少区間を持たない関数であれば、どのような関数（対応規則）を用いてもよい。そのような関数を用いることにより、価格情報（価格）の大きなアイテム（カテゴリ）の価格影響度がより大きな値となるので、関連度など他の条件が同じであれば、価格の高いアイテムおよびカテゴリを優先的に推薦情報に入れることできる。なお、関連識別子がアイテム識別子であるか、カテゴリ識別子であるかに応じて、特性の異なる関数を用いてもよい。
【０１７４】
価格影響度算出部１０６は、価格影響関数Ｆ（Ｘ）を数式として内部の記憶領域に記憶しておき、入力が与えられるごとに、その数式に従って価格影響度を算出してもよい。この方式によれば、必要なメモリ量を少なくすることができ、価格影響度を精度よく（高い解像度で）算出することができる。
【０１７５】
あるいは、関数Ｆ（Ｘ）に従って、入力Ｘに対する出力Ｙをあらかじめ算出しておき、算出結果の（Ｘ，Ｙ）の情報を記憶領域に格納しておいてもよい。例えば、記憶領域のＸに相当するアドレスにＹの値を格納するＬＵＴ（Look-Up Table）方式を用いることができる。この方式によれば、入力が与えられてから出力するまでに、数式を計算する必要がないので、処理量を少なくすることができ、応答時間を短くすることができる。また価格影響度の値が所定の範囲（０以上１以下など）に収まるような正規化を行なってもよいし、行なわなくてもよい。
＜選択指標算出処理＞
【０１７６】
ステップＳ４２０における選択指標算出処理を詳細に説明する。制御部１１０の指示を受けた情報選択部１０７は、ステップＳ４１０で価格影響度が算出された各関連識別子について、その関連度Ｗと価格影響度Ｙとを用いて選択指標Ｓを算出する。この選択指標Ｓは、関連度Ｗが大きいほど、かつ価格影響度が大きいほど大きな値となる数値であり、以下の方法で算出する。
【０１７７】
選択指標算出の第１の方法は、［数６］を用いる方法である。
【数６】

【０１７８】
すなわち、利用主体識別子ｉと関連識別子ｊとの関連度Ｗ［ｉ］［ｊ］を基数としてγａを指数とする累乗値を算出し、価格影響度Ｙ［ｊ］を基数としてγｂを指数とする累乗値を算出し、それらの乗算値を用いて選択指標Ｓ［ｉ］［ｊ］を算出する方法である。ここで、βｃ、γａおよびγｂは０より大きな定数である。
【０１７９】
この第１の方法では、関連度と価格影響度が両方とも大きい関連識別子が推薦結果に入りやすい。また図１６（ａ）に示したような、価格情報が０のときに価格影響度も０になる特性の関数を用いた場合、価格が０の無料アイテムの選択指標は０になるので、無料アイテムを推薦結果から除外することも簡単にできる。さらにγａおよびγｂを調整することにより、推薦結果に入る関連識別子を変えることができる。
【０１８０】
例えば、γａを大きくすることにより、関連度Ｗ［ｉ］［ｊ］が大きい関連識別子がより推薦結果に入りやすくなる。またγｂを大きくすることにより、価格影響度Ｙ［ｊ］が大きい関連識別子がより推薦結果に入りやすくなる。なお、βｃ＝γａ＝γｂ＝１として、関連度と価格影響度との積を選択指標にしてもよい。
【０１８１】
選択指標算出の第２の方法は、［数７］を用いる方法である。
【数７】

【０１８２】
すなわち、関連度Ｗ［ｉ］［ｊ］とβａとの乗算値と、価格影響度Ｙ［ｊ］とβｂとの乗算値を算出し、それらの加算値を選択指標Ｓ［ｉ］［ｊ］とする方法である。ここで、βａおよびβｂは０より大きな定数であり、重み係数である。［数７］は、関連度と価格影響度とをそれぞれ重み付けして加算した値といえる。
【０１８３】
第２の方法でも、関連度と価格影響度が両方とも大きな関連識別子が最も推薦結果に入りやすいが、第１の方法と比べると、関連度と価格影響度のいずれかが大きい関連識別子も推薦結果に比較的入りやすい。さらにβａおよびβｂを調整することにより、推薦結果に入る関連識別子を変えることができる。
【０１８４】
例えば、βａを大きくすることにより、関連度Ｗ［ｉ］［ｊ］が比較的大きい関連識別子がより推薦結果に入りやすくなる。またβｂを大きくすることにより、価格影響度Ｙ［ｊ］が比較的大きい関連識別子がより推薦結果に入りやすくなる。なお、βａ＝βｂ＝１として、関連度と価格影響度との和を選択指標にしてもよい。
【０１８５】
選択指標算出の第３の方法は、［数８］を用いる方法である。
【数８】

【０１８６】
すなわち、関連度Ｗ［ｉ］［ｊ］の対数値とβｄとの乗算値と、価格影響度Ｙ［ｊ］の対数値とβｅとの乗算値を算出し、それらの加算値を選択指標Ｓ［ｉ］［ｊ］とする方法である。ここで、βｄおよびβｅは０より大きな定数であり、重み係数である。［数８］は、関連度の対数値と価格影響度の対数値とをそれぞれ重み付けして加算した値といえる。また、βｄおよびβｅを調整することにより、推薦結果に入る関連識別子を変えることができる。なお、βｄ＝βｅ＝１として、関連度と価格影響度との和を選択指標にしてもよい。第３の方法は、関連度または価格影響度のダイナミックレンジが広い場合や、両者のダイナミックレンジが大きく異なる場合に適している。
【０１８７】
関連度の代わりに、関連度の順位を用いて、順位が高いほど、かつ価格影響度が大きいほど、大きな値となるように選択指標を算出してもよい。例えば、推薦情報格納部１０８と同様に、関連度が大きいほど高い順位を示す番号（順位番号）を関連集合格納部１０５に格納しておき、それを用いるようにすればよい。
【０１８８】
また、関連度および価格影響度だけでなく、さらに他の情報を用いて選択指標を算出してもよい。例えば、情報選択部１０７がアイテム属性格納部１０１のアイテム情報テーブル１０１Ａを参照して、関連識別子ｊのアイテム時期情報Ｔ［ｊ］を読み出し、関連度Ｗ［ｉ］［ｊ］が大きいほど、かつ価格影響度Ｙ［ｊ］が大きいほど、かつアイテム時期情報Ｔ［ｊ］が新しいほど（処理時点とアイテム時期情報との差が小さいほど）、大きな値となるように選択指標を算出してもよい。＜推薦情報選択処理＞
【０１８９】
ステップＳ４３０における推薦情報選択処理を詳細に説明する。ステップＳ４３０において、情報選択部１０７は、ステップＳ４２０で算出された選択指標に基づいて、関連集合の中から関連識別子を選択する。
【０１９０】
具体的には、選択指標Ｓ［ｉ］［ｊ］が所定値θ1以上の関連識別子を関連集合から選択する。または、選択指標Ｓ［ｉ］［ｊ］が大きい順に所定数η1を超えない数の関連識別子を選択してもよい。例えば、関連集合の要素数が所定数η1に満たない場合は、関連集合の要素をすべて選択し、そうでない場合は、選択指標が大きい順に所定数η1の関連識別子を選択すればよい。
【０１９１】
さらに、選択指標が所定値θ2以上の関連識別子を対象にして、選択指標が大きい順に所定数η2を超えない範囲で選択してもよい。この場合、選択指標がθ2以上の関連識別子の数がη2に満たない場合は、θ2以上の関連識別子をすべて選択する。また、利用主体識別子ｉに対して、所定数η3個以上の関連識別子が選択できるように所定値θ3を利用主体識別子ごとに設定し、選択指標がθ3以上の関連識別子を選択してもよい。
【０１９２】
なお、利用履歴格納部１０２を参照しながら、利用主体識別子ｉに対応するユーザが既に利用したアイテムおよびカテゴリを特定し、それらを除外して（利用済み除外処理を行なって）選択集合を作成してもよい。ユーザが１回しか同じアイテム（カテゴリ）を購入しない性質を持つようなアイテム提供サービスでは、このステップＳ４３０において利用済みのものを選択集合から除外しておくと、推薦情報格納部１０８の記憶容量を節約できる。ステップＳ４３０において利用済み除外処理を行なう場合、ステップＳ１７０での利用済み除外処理を省略してもよいし、再度行なってもよい。ステップＳ４３０を実行した後、ステップＳ１７０を実行するまでの間に、新たな利用履歴が格納される可能性がある場合は、両方のステップで利用済み除外処理を行なう方が、推薦精度の向上の面では確実である。
【０１９３】
このような方法で選択された関連識別子の選択指標に従って、推薦順位を付与する。すなわち、選択指標が大きいほど、高い推薦順位を付与する。そして、利用主体識別子と、関連識別子と、推薦順位とを対応させて、図７（ａ）、図７（ｂ）に示す形式で、推薦情報テーブル１０８Ａ、１０８Ｂを推薦情報格納部１０８に格納させる。以上、推薦情報選択処理を説明した。
【０１９４】
第１実施例の最後に、図１８を用いて、推薦情報の具体例を説明する。関連集合格納部１０５には図１８（ａ）に示すような「アイテム推薦形式」のデータが格納されているものとする。本図に示すように、「ＵｓｅｒＩＤ−１」の関連集合は、「ＩｔｅｍＩＤ−３」〜「ＩｔｅｍＩＤ−７」の５つのアイテムである。「ＵｓｅｒＩＤ−２」の関連集合もまったく同じ５つのアイテムであるが、各々の関連度は異なっているものとする。また、図１８（ｂ）に示すように価格情報格納部１０３には、「ＩｔｅｍＩＤ−１」〜「ＩｔｅｍＩＤ−７」の７つのアイテムの価格情報が格納されている。
【０１９５】
説明を簡単にするため、価格影響度算出部１０６では、図１６（ａ）に示した関数Ｆ１（Ｘ）を用いることとし、この関数の傾きが「１」であるとする。情報選択部１０７では、［数７］を用いて選択指標を算出し、βｃ＝γａ＝γｂ＝１であるとする。また、情報選択部１０７は、選択指標の大きい順に３つのアイテムを選択して推薦情報を作成するものとする。
【０１９６】
以上の条件において、仮に、価格情報を使わずに関連度だけでアイテムを選択したとすると、図１８（ａ）から明らかなように、「ＵｓｅｒＩＤ−１」に対応する推薦アイテムは、１位が「ＩｔｅｍＩＤ−３」、２位が「ＩｔｅｍＩＤ−４」、３位が「ＩｔｅｍＩＤ−５」になる。これらの価格は各々「１０００円」「２００円」「４００円」である。
【０１９７】
一方、上述の本実施例を適用した方法で選択指標を算出すると、「ＩｔｅｍＩＤ−３」については、「１０００×１．０＝１０００」となる。他のアイテムについても同様に算出した結果を図１８（ｃ）に示す。本図において選択指標の大きい順に「ＵｓｅｒＩＤ−１」に対するアイテムを３つ選択すると、１位が「ＩｔｅｍＩＤ−６」、２位が「ＩｔｅｍＩＤ−３」、３位が「ＩｔｅｍＩＤ−５」となる。各々の価格は「１５００円」「１０００円」「４００円」である。このように、本実施例の方法によれば、関連度だけでアイテムを選択する場合に比べて、価格の高いアイテムを推薦結果に入れることができる。
【０１９８】
また、価格情報を使わずに関連度だけでアイテムを選択したとすると、「ＵｓｅｒＩＤ−２」に対応する推薦アイテムは、１位が「ＩｔｅｍＩＤ−４」、２位が「ＩｔｅｍＩＤ−５」、３位が「ＩｔｅｍＩＤ−７」になる。これらの価格は各々「２００円」「４００円」「８００円」である。
【０１９９】
一方、上述の本実施例を適用した方法で選択指標を算出すると、１位が「ＩｔｅｍＩＤ−７」、２位が「ＩｔｅｍＩＤ−５」、３位が「ＩｔｅｍＩＤ−４」となり、各々の価格は「８００円」「４００円」「２００円」である。この場合は３つのアイテムの価格の合計は、関連度のみを用いた場合と同じになるが、価格の高いアイテムが上位の推薦順位となり、ユーザの目に留まりやすくなる。
【０２００】
また、「ＵｓｅｒＩＤ−１」に対する推薦結果には、価格の高い「ＩｔｅｍＩＤ−６」と「ＩｔｅｍＩＤ−３」が入るが、「ＵｓｅｒＩＤ−２」に対する推薦結果には、これらが入らない。このことからも分かるように、本実施例では、ユーザと推薦アイテム／カテゴリとの関連度が高い場合、すなわちそのユーザが推薦アイテム／カテゴリを気に入る可能性が高い場合にのみ価格の高いアイテムが推薦されるので、ユーザに不自然な印象を与えることが少なく、価格の高いアイテムの推薦によって、ユーザの購入意欲が低下してしまうリスクを従来技術よりも減らすことができる。このため、アイテム提供サービスの売上を増大させることが期待できる。
【０２０１】
従来技術では、推薦アイテムの価格が所定の範囲（所定の価格帯）に制限されてしまうため、推薦結果のバリエーション（多様性）が少なかったり、推薦アイテム数が少ない場合があった。しかしながら、上記の例で、「ＩｔｅｍＩＤ−１」の推薦アイテムの価格が、「１５００円」「１０００円」「４００円」となり、これらの間の「８００円」が抜けていることからも分かるように、本実施例の方法では、推薦アイテム／カテゴリの価格が所定の範囲に制限されていないため、従来よりも推薦結果のバリエーションが多くなり（多様性があり）、長期間にわたり同じユーザに推薦情報を提供する場合であっても、ユーザが推薦情報に飽きてしまうことが少なく、継続的に推薦情報を利用してもらうことができる。
【０２０２】
また従来技術では、所定の価格帯のアイテムが無い場合や、少ししか存在していない場合には、十分な数の推薦情報を提供することができなかった。一方、第１実施例の方法によれば、所定の価格帯のアイテムが無い場合や、少ししか存在していない場合であっても、十分な数の推薦情報を精度良く選択して提供することができる。
【０２０３】
また、従来技術では、価格が所定の範囲にある推薦アイテムが多数存在する場合、それらを精度良く絞り込むことができず、推薦情報が多くなり過ぎる場合があった。推薦情報は本来、多くの情報の中からユーザに有用な情報を絞り込んで提供するものであり、端末装置３０の表示装置において、推薦情報が表示できる領域にも限りがあることから、推薦情報を必要十分な数にすることは非常に重要である。第１実施例の方法によれば、算出した選択指標に応じて推薦順位を決め、推薦順位の上位のアイテムを優先的にユーザに提供するので、必要十分な数のアイテムを精度良く絞り込んでユーザに提供できる。
【０２０４】
アイテム提供サービスを行なう事業者にとって、推薦情報を提供する目的は、推薦情報によってアイテム利用が促進され、アイテム提供サービスの売上を増大させることである。すなわち、売上増大につながる実効性のある推薦情報が要求される。この目的を達成するためには、ある程度の数の推薦情報が必要であり、多過ぎず、少な過ぎでもない適切な数（量）の推薦情報をユーザに提供する必要がある。第１実施例の方法によれば、適切な数（量）の推薦情報を精度良く選択してユーザに提供できるので、アイテム提供サービスの売上を増大させる実効性が期待できる。
【０２０５】
なお、第１実施例では、情報選択装置１０が、価格影響度を算出し、選択指標を算出して推薦情報を作成するようにしていたが、これらの処理、あるいは、これらの処理の一部を端末装置３０側で行なうようにしてもよい。
【０２０６】
この場合、端末装置３０のアプリケーション部３０４に、価格影響度算出部１０６および情報選択部１０７に相当する動作を行なわせるようにする。例えば、ステップＳ１６０に先立つ適当なタイミングで、アプリケーション部３０４が、アイテム提供サーバ２０を経由して、あるいは直接情報選択装置１０から、アイテム情報テーブル１０１Ａ、カテゴリ情報テーブル１０１Ｂ、関連度テーブル１０５Ａ、１０５Ｂ、およびアイテム価格情報テーブル１０３Ａ、カテゴリ価格情報テーブル１０３Ｂのデータを取得する。このとき、各々のテーブルの全部のデータを取得してもよいし、リクエスト利用主体識別子に関係するデータ等の必要なデータのみを取得するようにしてもよい。そして、ステップＳ１６０において、推薦リクエストを送信する代わりに、上述の手順に従って価格影響度を算出し、算出した価格影響度と取得した関連度とを用いて、選択指標を算出することで推薦情報を作成する。具体的には、ステップＳ４１０、Ｓ４２０、Ｓ４３０、Ｓ１７０に相当する処理をアプリケーション部３０４が実行すればよい。この場合、アプリケーション部３０４に、データ取得部、価格影響度算出部、情報選択部が形成されることになる。以下の実施例においても同様に、情報選択装置１０の一部の動作を端末装置３０で行なうようにしてもよい。
【実施例２】
【０２０７】
本実施形態に係るネットワークシステムの第２実施例について説明する。第２実施例では、端末装置３０を利用するユーザが、好みに応じて、価格影響度を調整することができるようになっている。第２実施例において、アイテム提供サーバ２０および端末装置３０は、第１実施例と同様とすることができる。
【０２０８】
図１９は、第２実施例における情報選択装置１０ｂの構成を示すブロック図である。本図に示すように、情報選択装置１０ｂは、アイテム属性格納部１０１と、利用履歴格納部１０２と、価格情報格納部１０３と、関連度算出部１０４と、関連集合格納部１０５と、価格影響度算出部１０６ｂと、情報選択部１０７ｂと、推薦情報格納部１０８と、送受信部１０９と、制御部１１０ｂとを備えて構成されている。また、情報選択装置１０には、情報選択装置１０の管理者向けに必要な情報を表示するための表示装置１２０と、管理者が操作を行なうためのキーボード、マウス等の入力装置１３０とが接続されている。
【０２０９】
すなわち、第２実施例の情報選択装置１０ｂは、第１実施例の情報選択装置１０と比べて、価格影響度算出部１０６、情報選択部１０７、制御部１１０の動作が一部異なる構成となっている。
【０２１０】
制御部１１０ｂは、第１実施例と同様に、所定のタイミングで推薦情報作成動作を開始する。ただし第２実施例では、図１４に示した推薦情報を作成する動作のフローチャートにおいてステップＳ４００が終了した段階で推薦情報作成動作を終了する。ステップＳ４１０以降に相当する処理は、後述するステップＳ１７０ｂにおいて、表示用推薦データを作成する際に行なう。
【０２１１】
第２実施例におけるシステム全体の動作は、処理ステップ間の関係において図１１に示したフローチャートと同様であり、処理ステップの具体的内容において第１実施例と一部異なる。以下では、第１実施例と動作が異なる処理ステップにについて説明する。異なる処理ステップについては符号の末尾に「ｂ」を付加して表記する。
【０２１２】
図１１のステップＳ１３０ｂにおいて、アイテム提供サーバ２０の制御部２０５は、応答データを端末装置３０に送信する。第２実施例における応答データには、ユーザが価格影響度を調整するための操作画面を表示する情報が含まれている。
【０２１３】
ステップＳ１４０ｂにおいて、端末装置３０は、アイテム提供サーバ２０から応答データを受信し、表示装置３２０にその情報を表示する。表示画面の一例を図２０に示す。図１２に示した第１実施例の表示画面との違いは、画面右上に「価格影響度の調整操作」ボタンが表示される点である。
【０２１４】
「価格影響度の調整操作」ボタンは、価格影響度を調整するために必要なデータ（価格影響度調整データ）をユーザに入力させるためのＧＵＩ（Graphical User Interface）を表示させるためのボタンであり、例えば、図２１に例示するような画面を表示させることができる。画面移動ではなく、図２１に示す情報を、図２０の表示画面に含めるようにしてもよい。
【０２１５】
図２１（ａ）に示す例は、推薦結果に入れるアイテムまたはカテゴリの価格を指定するための画面であり、５つの選択肢に対応して、円形のラジオボタンが表示されている。通常は、本図に黒丸で示した「標準」が選択されているが、ユーザは好みに応じて、他の選択肢を自由に選択できる。ラジオボタンの横の「１」〜「５」の数字は、ラジオボタンを識別するための番号であり、ユーザに選択されたラジオボタンの番号を端末装置３０が読み取れるようになっている。
【０２１６】
図２１（ｂ）に示す例は、図２１（ａ）に示した例と同じく、推薦結果に入れるアイテムまたはカテゴリの価格を指定するための画面であるが、推薦結果に入れる価格のおおよその下限値を具体的に指定するものである。
【０２１７】
図２１（ｃ）に示す例は、推薦結果に入れる価格の高いものの割合を指定するための画面である。ユーザは、図２１に例示した画面でラジオボタンを選択した後、図２０に示す関連リンク（「関連アイテム表示」ボタンまたは「関連カテゴリ表示」ボタン）を選択することで、価格に関する自分の好みが反映された推薦情報を取得することができる。なお、図２１に示した価格影響度の調整操作用画面は、あくまでも一例であり、他の方法で、価格影響度の調整を行なってもよい。例えば、スライダー等のＧＵＩ部品を表示し、推薦結果に入れるアイテムまたはカテゴリの価格をユーザに指定させてもよい。
【０２１８】
図１１のステップＳｌ６０ｂにおいて、端末装置３０は、関連リンクに対応するＵＲＬに推薦リクエストを送信する。この推薦リクエストには、利用主体識別子と、関連アイテムリンクであるか関連カテゴリリンクであるかを示すリンク種別情報とに加えて、図２１に示した画面で指定された価格影響度調整データが含まれている。例えば、図２１に示すラジオボタンの中でユーザに指定されたラジオボタンを識別するための「１」〜「５」などの番号を用いればよい。
【０２１９】
ステップＳ１７０ｂにおいて、情報選択装置１０ｂの制御部１１０ｂは、送受信部１０９を介して、推薦リクエストを受信し、それに含まれるリクエスト利用主体識別子に対応する表示用推薦データを作成して端末装置３０に送信する。以下では、このステップＳ１７０ｂの処理を詳細に説明する。
【０２２０】
ステップＳｌ７０ｂでは、第１実施例の推薦情報作成動作の一部である、図１４に示したステップＳ４１０〜Ｓ４３０に相当する処理（ステップＳ４１０ｂ〜Ｓ４３０ｂ）を行なった後に、図示しないステップＳ４５０で表示用推薦データを作成する。なお、第２のタイミングで推薦情報を作成する場合は、関連集合を作成した後（ステップＳ４００の後）に、ステップＳ４１０ｂ〜４４０ｂを実行すればよい。
【０２２１】
ステップＳ４１０ｂにおける価格影響度算出処理を詳細に説明する。制御部１１０ｂは、関連集合格納部１０５の中から、推薦リクエスト（リクエスト利用主体識別子）に一致する利用主体識別子を特定し、その利用主体識別子に対応する関連集合（関連識別子）を読み出す。以下では、ここで読み出された関連集合を集合Ψとする。
【０２２２】
そして価格情報格納部１０３を参照しながら、集合Ψの各関連識別子に対応する価格情報を取得し、その価格情報と、受信した価格影響度調整データとを価格影響度算出部１０６ｂに入力する。
【０２２３】
第２実施例において、価格影響度算出部１０６ｂは、ユーザによって入力された価格影響度調整データに応じて、価格情報を入力Ｘとし価格影響度を出力Ｙとする価格影響関数Ｆ（Ｘ）の特性を変化させる。この関数（対応規則）は、第１実施例と同様に、少なくとも一部の区間で単調増加し、かつ単調減少区間を持たない関数であり、図１６および図１７に示したような種々の特性の関数を用いることができる。図２２は、価格影響関数Ｆ（Ｘ）の特性の変化の例を示す図である。
【０２２４】
図２２（ａ）は、図１６（ｂ）に示した関数Ｆ２（Ｘ）と同様に、単調増加区間と出力一定区間とを組み合わせた関数の一例である。本図は、傾斜部分について左から右にＦａ1（Ｘ）〜Ｆａ5（Ｘ）（Ｆａ1〜Ｆａ5）の５つの関数を示している。また各々の関数で、入力の増加に伴って出力一定区間から単調増加区間に切り替わる点（カットオフ点）をＸα1〜Ｘα5で示し、単調増加区間から出力一定区間に切り替わる点（飽和点）をＸβ1〜Ｘβ5で示している。カットオフ点Ｘαn、飽和点Ｘβnとも関数名の添字が大きいほど大きい価格値が設定されている。
【０２２５】
Ｆａ1〜Ｆａ5の特性を比較すると、入力が小さい場合に、添字の小さい関数ほど出力が大きくなる傾向を有している。また添字の大きい関数ほど、所定の出力値（例えば、本図のＹθ）を得るための入力値が大きく、添字の小さい関数ほどその入力値が小さくなる傾向を有している。したがって、添字の小さい関数を用いると、添字の大きな関数に比べて、推薦情報に価格の安いアイテム（カテゴリ）が入りやすくなる。本図の例では、各関数の出力の最小値はすべてＹα、最大値はすべてＹβとしているが、関数ごとに最小値が異なっていてもよいし、関数ごとに最大値が異なっていてもよい。
【０２２６】
価格影響度算出部１０６ｂは、価格影響度調整データに応じて、使用する関数を選択する。例えば、図２１（ａ）に示した価格影響度の調整操作部において、「１）非常に安いものも推薦する」が選択された場合に、関数Ｆａ1を選択し、「３）標準」が選択された場合に、関数Ｆａ3を選択し、「５）非常に高いものを推薦する」が選択された場合に、関数Ｆａ5を選択する等の処理を行なう。すなわち、図２１に示したラジオボタンの番号と同じ添字の関数を選択すればよい。
【０２２７】
なお、「非常に安いものも推薦する」とは、価格の非常に安いアイテム（カテゴリ）だけで推薦結果が構成されるという意味ではなく、価格の非常に安いアイテム（カテゴリ）も推薦結果に入る可能性があるという意味である。どのような選択肢であっても、より価格の高いアイテム（カテゴリ）が推薦結果に入りやすいという性質は変わらない。
【０２２８】
また、図２１（ｂ）に示した価格影響度の調整操作部で指定された価格影響度調整データと、関数Ｆａ1〜Ｆａ5とを対応させることもできる。関数のＹαを比較的小さな値とし、推薦結果に入れる価格のおおよその下限値を各関数のカットオフ点の入力値Ｘαに対応させればよい。例えば、図２１（ｂ）の例に対応する場合、関数Ｆａ1〜Ｆａ5のカットオフ点をそれぞれＸα1＝３００円、Ｘα2＝７００円、Ｘα3＝１０００円、Ｘα4＝１５００円、Ｘα5＝２０００円としておき、選択されたラジオボタンの番号と同じ添字の関数を選択すればよい。おおよその下限値をカットオフ点ではなく、単調増加区間の適当な点の入力値に対応させてもよい。
【０２２９】
図２１（ｃ）に示した価格影響度の調整操作部で指定された価格影響度調整データと、関数Ｆａ1〜Ｆａ5とを対応させるようにしてもよい。「１）安いものの割合をなるべく多くする」が選択された場合にＦａ1を選択する等、選択されたラジオボタンの番号と同じ添字の関数を選択すればよい。
【０２３０】
図２２（ｂ）は、価格影響度調整データと関数Ｆ（ｘ）との対応方法の別例を説明するための図である。本図の例では、Ｆｂ1（Ｘ）〜Ｆｂ5（Ｘ）（Ｆｂ1〜Ｆｂ5）の５つの関数を示している。各関数のカットオフ点の入力Ｘαは５つとも同じであるが、出力Ｙαnは異なっている。また、飽和点の入力Ｘβは５つとも同じであるが、出力Ｙβnは異なっている。このため、各関数の単調増加区間の傾きが異なっており、Ｆｂ1の傾きが最も小さく、Ｆｂ5の傾きが最も大きい。
【０２３１】
これらの関数は、添字が大きい関数ほど、所定の区間における出力最大値と出力最小値との差（出力最小値に対する出力最大値の倍率）が大きくなる傾向を有している。最大値Ｙβnと最小値Ｙαnとの差、または最小値Ｙαnに対する最大値Ｙβnの倍率が小さいほど、価格の安いアイテム（カテゴリ）と高いアイテム（カテゴリ）との価格影響度の差が少なくなる。このため、添字の小さい関数を用いると、添字の大きな関数に比べて、推薦情報に価格の安いアイテム（カテゴリ）が入りやすくなる。
【０２３２】
この関数を用いる場合も、図２１に示した画面で選択されたラジオボタンの番号と同じ添字の関数を選択すればよい。カットオフ点の入力Ｘαを関数ごとに変えてもよいし、飽和点の入力Ｘβを関数ごとに変えてもよい。
【０２３３】
図２２（ｃ）は、価格影響度調整データと関数Ｆ（ｘ）との対応方法のさらなる別例を説明するための図である。本図の例では、Ｆｃ1（Ｘ）〜Ｆｃ5（Ｘ）（Ｆｃ1〜Ｆｃ5）の５つの滑らかな単調増加関数を示している。これらの関数の最大出力値は同じであり、添字が大きいほど、所定の出力値を得るための入力値が大きくなる傾向を有している。また、入力値が最小（Ｘ＝０）であるときの出力値は、添字の大きい関数ほど小さい。
【０２３４】
Ｆｃ1では、入力値が小さい場合（Ｘｓ）の傾き（微分係数）が、入力値が大きい場合（Ｘｔ）の傾きに比べて非常に大きい。一方、Ｆｃ5では、入力値が小さい場合（Ｘｓ）の傾き（微分係数）が、入力値が大きい場合（Ｘｔ）の傾きに比べて非常に小さい。このように、添字が小さいほど上に凸の度合いが強く、添字が大きいほど下に凸の度合いが強い傾向となっている。また、添字の小さな関数ほど、入力値が小さい場合（Ｘｓ）の出力値が最大値に近い値となる。
【０２３５】
このため、添字の小さい関数を用いると、添字の大きな関数に比べて、推薦情報に価格の安いアイテム（カテゴリ）が入りやすくなる。本図に示した例では、関数ごとに最小値（Ｘ＝０のときの出力値）が異なっているが、最小値を同じにしても同様な効果を得ることができる。これらの関数を用いる場合も、図２１に示した画面で選択されたラジオボタンの番号と同じ添字の関数を選択すればよい。
【０２３６】
図２２に示した関数はあくまでも例示であり、図１６（ｃ）に示したような階段状の離散的特性を持つ関数や、図１７に示したような滑らかな関数を用いてもよい。また、ユーザが選択できる価格影響度調整データの種類と、これに対応する関数の種類は、上記の例で示した５種類に限られない。
【０２３７】
価格影響度算出部１０６ｂは、Ｆａ1〜Ｆａ5、Ｆｂ1〜Ｆｂ5、Ｆｃ1〜Ｆｃ5などの各関数の数式をあらかじめ記憶領域に記憶しておき、入力された価格影響度調整データに応じて該当する数式を選択して、入力Ｘが与えられるごとに、その数式に従って価格影響度を算出することができる。標準的な関数の数式だけを記憶しておき、入力Ｘと価格影響度調整データが与えられるごとに、標準関数の数式を基に他の関数の数式を作成した上で、その数式に従って価格影響度を算出してもよい。関数ごとに入力Ｘに対する出力Ｙをあらかじめ算出しておき、算出結果の（Ｘ，Ｙ）の情報を記憶領域に格納しておいてもよい。以上、第２実施例のステップＳ４１０ｂを説明した。
【０２３８】
選択指標算出を行なうステップＳ４２０ｂは、第１実施例のステップＳ４２０とほぼ同じである。ただし、制御部１１０ｂは、ステップＳ４１０ｂで読み出された集合Ψを対象に選択指標の算出を行なうように情報選択部１０７ｂを制御する。
【０２３９】
推薦情報を作成するステップＳ４３０ｂにおいて、情報選択部１０７ｂは、ステップＳ４２０ｂで算出された選択指標に基づいて、集合Ψの中から関連識別子を選択する。具体的には、第１実施例で説明した方法を用いればよい。また、選択された関連識別子の選択指標に従って、推薦順位を付与する。そして、利用主体識別子と、関連識別子と、推薦順位とを対応させて、推薦情報テーブル１０８Ａ、１０８Ｂを推薦情報格納部１０８に格納させる。
【０２４０】
第２実施例では、ステップＳ４３０ｂに続いて、図１４では図示していないステップＳ４５０を行なう。第２実施例のステップＳ４５０では、第１実施例のステップＳ１７０と同様な処理を行なえばよい。すなわち、制御部１１０ｂは、アイテム属性格納部１０１と推薦情報格納部１０８とを参照しながら、ステップＳ４３０ｂで格納された関連識別子に対応するアイテム属性情報およびカテゴリ属性情報を読み出し、関連アイテム識別子（関連カテゴリ識別子）と、推薦順位と、アイテム属性情報（カテゴリ属性情報）とを対応させた表示用推薦データを作成し、送受信部１０９を介して端末装置３０に送信する。なお、第１実施例で説明したように、推薦順位の高い順に所定個数選択したアイテムのみを表示用推薦データに入れたり、過去の利用回数が所定数以上のアイテムを表示用推薦データに含めない等の処理を行なってもよい。
【０２４１】
この表示用推薦データには、ステップＳ１８０において端末装置３０が推薦リストを表示する際に、図２３に示すように、「価格影響度の調整操作」ボタン、「関連アイテム表示」ボタン、「関連カテゴリ表示」ボタンをそれぞれ表示するためのデータを含めてもよい。図２３（ａ）は、「アイテム推薦形式」に対応する処理が行われた場合の画面例であり、図２３（ｂ）は、「カテゴリ推薦形式」に対応する処理が行われた場合の画面例である。
【０２４２】
この場合、ユーザは、本図の右上部に示す「価格影響度の調整操作」ボタンを指定して、価格影響度の調整操作を再度行なった後に、本図の下部に示す「関連アイテム表示」または「関連カテゴリ」ボタンを指定することにより、再度設定した価格影響度に応じた新たな推薦情報を表示させることができる。このような方法を用いることで、ユーザは簡単な操作で、納得がいくまで価格影響度を繰り返し調整することができるので、推薦情報に対するユーザの満足度や信頼感を高めることができる。
【０２４３】
また、本図の「指定された価格影響度…」で示すように、ステップＳ１４０ｂにおける価格影響度の調整操作でユーザによって指定された内容（選択肢など）を画面に表示するためのデータを、表示用推薦データに含めてもよい。このようにすれば、ユーザが価格影響度の調整操作を繰り返し行なって、少しずつ推薦情報を変更したいような場合に、ユーザは前回指定した条件を容易に知ることができるので、同じ条件を再度指定するような間違いが減り、操作性が向上する。
【０２４４】
以上が第２実施例におけるシステム動作の説明である。第２実施例によれば、価格の高いアイテムおよびカテゴリを推薦情報に多く入れることが可能である等、第１実施例と同様な効果を得ることができる。さらに第２実施例では、それらの効果に加えて、端末装置３０を利用するユーザが自分の好みに応じて、価格が推薦結果に与える影響を調整することができるので、ユーザが推薦情報を納得して受け入れやすくなる。このため推薦情報に基づくアイテム利用が活発になり、アイテム提供サービスの売上をさらに増大させることが期待できる。
【実施例３】
【０２４５】
本実施形態に係るネットワークシステムの第３実施例について説明する。第３実施例では、端末装置３０を利用するユーザが過去に利用したアイテムの価格に基づいて、価格影響度を算出する関数の特性をユーザごとに変えることができるようになっている。第３実施例において、アイテム提供サーバ２０および端末装置３０は、第１実施例と同様とすることができる。
【０２４６】
図２４は、第３実施例における情報選択装置１０ｃの構成を示すブロック図である。本図に示すように、情報選択装置１０ｃは、アイテム属性格納部１０１と、利用履歴格納部１０２と、価格情報格納部１０３と、関連度算出部１０４と、関連集合格納部１０５と、価格影響度算出部１０６ｃと、情報選択部１０７ｃと、推薦情報格納部１０８と、送受信部１０９と、制御部１１０ｃと、利用価格情報算出部１１１と、利用価格情報格納部１１２とを備えて構成されている。また、情報選択装置１０には、情報選択装置１０の管理者向けに必要な情報を表示するための表示装置１２０と、管理者が操作を行なうためのキーボード、マウス等の入力装置１３０とが接続されている。
【０２４７】
すなわち、第３実施例の情報選択装置１０ｃは、第１実施例の情報選択装置１０に利用価格情報算出部１１１および利用価格情報格納部１１２を追加し、価格影響度算出部１０６、情報選択部１０７、制御部１１０の動作が一部異なる構成となっている。
【０２４８】
制御部１１０ｃは、第１実施例と同様に、所定のタイミングで推薦情報作成動作を開始する。ただし本実施形態では、図１４のフローチャートにおいてステップＳ４００の後に、図示しないステップＳ４１５を実行し、ステップＳ４１５が終了した段階で推薦情報作成動作を終了する。価格影響度算出を行なうステップＳ４１０以降に相当する処理は、後述するステップＳ１７０ｃにおいて、表示用推薦データを作成する際に行なう。
【０２４９】
ステップＳ４１５において、制御部１１０ｃの指示を受けた利用価格情報算出部１１１は、利用履歴格納部１０２を参照しながら、ユーザが利用したアイテムの価格に関する情報である利用価格情報をユーザごとに算出する。なお、利用価格情報における利用は、情報閲覧、視聴等を含めずに、実際に購入した場合とすることが望ましい。
【０２５０】
利用価格情報算出部１１１は、利用履歴格納部１０２に格納されたすべての利用履歴を読み出してもよいし、図１５のステップＳ５００で説明した利用履歴読出処理と同様な方法で、所定の条件を満たす利用履歴を読み出してもよい。
【０２５１】
そして、読み出した利用履歴に対応するユーザを対象にして、それぞれのユーザの利用価格情報を算出する。利用価格情報として、例えば、ユーザが過去に利用したアイテムの価格の高さを指標化した価格水準値と、ユーザの利用したアイテムの価格のばらつき度合いを指標化した価格分散値とを用いることができる。ここでは、利用価格情報算出部１１１は、以下に示す第１〜第６の利用価格情報のうち、１つ以上の値を算出するものとする。
【０２５２】
第１の利用価格情報である第１の価格水準値は、ユーザの利用したアイテムの価格の合計値（合計額）を価格水準値とするものである。第１の価格水準値を算出する場合、利用価格情報算出部１１１は、読み出した利用履歴を参照しながら、ある利用主体識別子（あるユーザ）が利用したアイテムを特定する。そして、価格情報格納部１０３を参照しながら、特定したアイテムの価格の合計値を算出し、その利用主体識別子に対応する第１の価格水準値とする。第１の価格水準値が大きいユーザは、購買能力の高いユーザと推測できる。なお、合計値そのものではなく、合計値に所定の値を乗じた値や、合計値を所定の値で割った値を第１の価格水準値としてもよい。例えば、合計値の桁数が大きくなるような場合に、所定の値で割って扱いやすい桁数の値にしたり、各々の利用価格情報の最大値が「１」になるような正規化を行なってもよい。
【０２５３】
第２の利用価格情報である第２の価格水準値は、ユーザの利用したアイテム１つあたりの価格の高さを示す値（代表値）を価格水準値とするものである。第２の価格水準値を算出する場合、利用価格情報算出部１１１は、読み出した利用履歴を参照しながら、ある利用主体識別子（あるユーザ）が利用したアイテムを特定する。そして、価格情報格納部１０３を参照しながら、特定したアイテムの価格の分布を求め、その代表値を算出し、その利用主体識別子に対応する第２の価格水準値とする。代表値としては、平均値、中央値、最頻度、四分位値、最大値、最小値などを用いることができる。また、利用回数の多いアイテムに大きな重みを付ける等、利用回数に応じた重みづけ行なって代表値を算出してもよい。
【０２５４】
第２の価格水準値が大きいユーザは、高額アイテムや高級アイテムを好むユーザと推測できる。また、第２の価格水準値は、アイテムの価格が広い範囲に分布している場合に適している。
【０２５５】
第３の利用価格情報である第３の価格水準値は、ユーザの利用したアイテムの価格の所定期間ごとの合計額に関する代表値を価格水準値とするものである。この第３の価格水準値は、ユーザの利用したアイテムの価格の合計額を用いた値であり、所定期間としては、１日間、１週間、１ヶ月間などを用いればよい。また、１回の購入において、複数のアイテムをまとめて利用（購入）できるようなアイテム提供サービスでは、所定期間の合計額の代わりに、１回の利用の合計額に関する代表値を用いてもよい。
【０２５６】
第３の価格水準値を算出する場合、利用価格情報算出部１１１は、読み出した利用履歴を参照しながら、ある利用主体識別子（あるユーザ）が利用したアイテムを所定期間ごとに特定する。そして、価格情報格納部１０３を参照しながら、特定したアイテムの価格の合計額を所定期間ごとに算出し、その代表値を算出して、その利用主体識別子に対応する第３の価格水準値とする。代表値としては、第２の価格水準値と同様なものを用いることができる。
【０２５７】
第３の価格水準値は、ユーザがアイテム提供サービスを利用している期間の長さの影響を受けずに、ユーザの購買能力を判断するのに適している。また第３の価格水準値は、アイテムの価格が狭い範囲に分布していたり、価格の範囲は広くても多くのアイテムの価格がほぼ同じような場合に適している。
【０２５８】
第４の利用価格情報である第１の価格分散値は、ユーザの利用したアイテム１つあたりの価格のばらつきの大きさ（ばらつき度）を示す値を価格分散値とするものである。第１の価格分散値を算出する場合、利用価格情報算出部１１１は、読み出した利用履歴を参照しながら、ある利用主体識別子（あるユーザ）が利用したアイテムを特定する。そして、価格情報格納部１０３を参照しながら、特定したアイテムの価格の分布を求め、そのばらつき度を示す値を算出し、その利用主体識別子に対応する第１の価格分散値とする。具体的には、ばらつき度を示す値として、分散、標準偏差、範囲（最大値−最小値）、四分位範囲（第３四分位値−第１四分位値）などを用いることができる。
【０２５９】
第１の価格分散値が大きいユーザは、様々な価格のアイテムを利用するユーザと推測できる。また、第１の価格分散値は、アイテムの価格が広い範囲に分布している場合に適している。
【０２６０】
第５の利用価格情報である第２の価格分散値は、ユーザの利用したアイテムの価格の合計額に関するばらつきの大きさ（ばらつき度）を示す値を価格分散値とするものである。この合計額として、例えば、所定期間ごとの合計額を用いることができる。具体的には、第２の価格分散値を算出する場合、利用価格情報算出部１１１は、読み出した利用履歴を参照しながら、ある利用主体識別子（あるユーザ）が利用したアイテムを所定期間ごとに特定する。そして、価格情報格納部１０３を参照しながら、特定したアイテムの価格の合計額を所定期間ごとに算出し、そのばらつき度を示す値を算出して、その利用主体識別子に対応する第２の価格分散値とする。ばらつき度を示す値は、第１の価格分散値と同様である。また、１回の利用（購入）あたりの合計額を算出し、そのばらつき度を示す値を算出して、第２の価格分散値としてもよい。
【０２６１】
この第２の価格分散値は、アイテムの価格が狭い範囲に分布していたり、価格の範囲は広くても多くのアイテムの価格がほぼ同じような場合に適している。第２の価格分散値が小さいユーザは、コンスタントに安定してアイテムを利用するユーザと推測できる。
【０２６２】
上述した方法では、ある利用主体識別子（あるユーザ）が利用したアイテム（あるユーザの利用履歴）のみを用いて、第１〜第５の利用価格情報を算出するが、あるユーザおよび他のユーザの利用履歴を用いて算出してもよい。すなわち、あるユーザおよび他のユーザが利用したアイテムの価格に基づいて、あるユーザの利用価格情報を算出してもよい。
【０２６３】
例えば、利用価格情報算出部１１１が利用履歴格納部１０２から読み出した利用履歴に、Ｎｕ人の利用主体識別子が含まれているとして、利用主体識別子ごとにアイテム価格の合計値Ｐｓ［ｕ］（ｕ＝１〜Ｎｕ）を算出し、Ｐｓ［ｕ］の平均値Ｐａと標準偏差Ｐｂとを算出する。そして［数９］に従ってユーザｕの標準得点Ｓ［ｕ］、または偏差値等を算出し、第１の利用価格情報に相当する情報である第６の利用価格情報として用いることができる。
【数９】

【０２６４】
この第６の利用価格情報は、あるユーザ（ユーザｕ）が利用したアイテム価格の合計値が、ユーザ集団の中でどの位置にあるかを相対的に示す情報である。第２〜第５の利用価格情報についても、同様にユーザ集団の中での相対値を算出することができる。
【０２６５】
また利用価格情報算出部１１１は、ある利用主体識別子に対して、アイテム区分ごとに利用価格情報を算出してもよい。ここで、アイテム区分とは、アイテムを所定の基準で分類した情報であり、通常はカテゴリよりも上位の概念の分類である。例えば、アイテム提供サービスにおいて、種々のコンテンツを提供する場合、「音楽」「映画」「書籍」といった上位の階層の分類をアイテム区分とし、アイテム区分が「音楽」のアイテムに対しては、「ロック」「ジャズ」「クラシック」「フォーク」等のジャンル情報をカテゴリとすることができる。アイテム区分が「映画」のアイテムに対しては、「ＳＦ」「アクション」「コメディ」「アニメ」「サスペンス」等のジャンル情報をカテゴリとすればよい。
【０２６６】
この場合は、アイテム属性格納部１０１に、各アイテムまたは各カテゴリと、各アイテム区分とを対応させたアイテム区分情報を格納しておく。そして、利用価格情報算出部１１１はアイテム区分情報を参照しながら、ユーザが利用したアイテムのアイテム区分を特定し、アイテム区分ごとに利用価格情報を算出する。上記の例では、「音楽」に対応する利用価格情報と、「映画」に対応する利用価格情報と、「書籍」に対応する利用価格情報とを算出する。ただし、カテゴリをそのままアイテム区分とするようにしてもよい。
【０２６７】
利用価格情報算出部１１１は、算出した利用価格情報を利用価格情報格納部１１２に格納させる。利用価格情報格納部１１２は、図２５に示すような形式で、利用主体識別子と、利用価格情報とを対応させて格納する。図２５（ａ）は、アイテム区分を用いない場合の格納形式である利用価格情報テーブル１１２Ａを示している。複数種類（Ｎｐ個）の利用価格情報が格納されているが、１種類の利用価格情報を格納するようにしてもよい。
【０２６８】
図２５（ｂ）は、アイテム区分を用いる場合の格納形式である利用価格情報テーブル１１２Ｂを示している。アイテム区分１に対応するＮｐ1個の利用価格情報と、アイテム区分２に対応するＮｐ2個の利用価格情報を格納している。ここで、Ｎｐ1≠Ｎｐ2として、アイテム区分ごとに異なる数の利用価格情報を算出して格納するようにしてもよい。以上がステップＳ４１５の説明である。
【０２６９】
第３実施例におけるシステム全体の動作は、処理ステップ間の関係において図１１に示したフローチャートと同様であり、ステップＳ１６０とＳ１７０の具体的内容において第１実施例と一部異なる。第３実施例におけるこれらの処理ステップは、末尾に「ｃ」を付加して表記する。
【０２７０】
ステップＳｌ６０ｃにおいて、端末装置３０は、関連リンクに対応するＵＲＬに推薦リクエストを送信する。ステップＳ１７０ｃにおいて、情報選択装置１０ｃの制御部１１０ｃは、送受信部１０９を介して、推薦リクエストを受信し、それに含まれるリクエスト利用主体識別子に対応する表示用推薦データを作成して端末装置３０に送信する。以下では、このステップＳ１７０ｃの処理を詳細に説明する。
【０２７１】
ステップＳｌ７０ｃでは、第１実施例の推薦情報作成動作の一部である、図１４に示したステップＳ４１０〜Ｓ４３０に相当する処理（ステップＳ４１０ｃ、Ｓ４２０ｃ、Ｓ４３０ｃ）を行なった後に、図示しないステップＳ４５０で表示用推薦データを作成する。なお、第２のタイミングで推薦情報を作成する場合は、利用価格情報を算出した後（ステップＳ４１５の後）にステップＳ４１０ｃ〜４４０ｃを実行すればよい。このうち、ステップＳ４２０ｃ、Ｓ４３０ｃ、Ｓ４５０は、それぞれ第２実施例のステップＳ４２０ｂ、Ｓ４３０ｂ、Ｓ４５０と同じであるため説明を省略し、ステップＳ４１０ｃにおける価格影響度算出処理について詳細に説明する。
【０２７２】
制御部１１０ｃは、関連集合格納部１０５の中から、推薦リクエスト（リクエスト利用主体識別子）に一致する利用主体識別子を特定し、その利用主体識別子に対応する関連集合（関連識別子）を読み出す。以下では、ここで読み出され関連集合を集合Ψとする。
【０２７３】
そして、制御部１１０ｃは、価格情報格納部１０３を参照しながら、集合Ψの各関連識別子に対応する価格情報を取得し、その価格情報と、受信した利用リクエストの利用主体識別子とを価格影響度算出部１０６ｃに入力する。利用価格情報格納部１１２に、図２５（ｂ）に示したアイテム区分ごとに利用価格情報が格納されている利用価格情報テーブル１１２Ｂを格納している場合には、制御部１１０ｃは、アイテム属性格納部１０１のアイテム情報テーブル１０１Ａを参照しながら、関連識別子に対応するアイテム区分を特定し、そのアイテム区分も加えて価格影響度算出部１０６ｃに入力する。
【０２７４】
価格影響度算出部１０６ｃは、利用価格情報格納部１１２を参照しながら、入力された利用主体識別子に応じて、価格情報を入力Ｘとし価格影響度を出力Ｙとする価格影響関数Ｆ（Ｘ）の特性を変える。この関数（対応規則）は、第１実施例と同様に、少なくとも一部の区間で単調増加し、かつ単調減少区間を持たない関数であり、図１６、図１７に示したような種々の特性の関数を用いることができる。
【０２７５】
価格影響度算出部１０６ｃは、入力された利用主体識別子に対応する利用価格情報を利用価格情報格納部１１２から読み出す。利用価格情報格納部１１２に、図２５（ｂ）に示した利用価格情報テーブル１１２Ｂを格納している場合には、入力された利用主体識別子に対応し、かつ入力されたアイテム区分に対応する利用価格情報を読み出す。
【０２７６】
ここでは、利用価格情報格納部１１２に、ユーザｕの価格水準値Ｌ［ｕ］が１つ、ユーザｕの価格分散値Ｖ［ｕ］が１つ格納されており、これらを読み出して利用することとする。ただし、価格水準値と価格分散値のどちらか一方を利用してもよいし、３つ以上の利用価格情報を利用して関数Ｆ（Ｘ）の特性を決定してもよい。第２実施例と同様に、図２２を参照して、関数Ｆ（Ｘ）の特性の決定方法（選択方法）について説明する。
【０２７７】
上述のように、図２２（ａ）は、Ｆａ1（Ｘ）〜Ｆａ5（Ｘ）（Ｆａ1〜Ｆａ5）の５つの関数を示している。添字の大きい関数ほど、所定の出力値を得るための入力値が大きく、添字の小さい関数ほど所定の出力値を得るために必要な入力が小さくて済む。また、添字の大きい関数ほど所定の入力値に対応する出力値が小さくなるともいえる。また、Ｘ≦Ｘαにおいて、出力値はＹαで一定となり、価格がこの区間に相当するアイテム（カテゴリ）は推薦情報に入り難くなるが、添字の大きい関数ほどＸαが大きくなる。また、Ｘ≧Ｘβにおいて、出力値はＹβで一定となり、価格がこの区間に相当するアイテム（カテゴリ）は推薦情報に入りやすくなるが、添字の大きい関数ほどＸβが大きくなる。価格影響度算出部１０６ｃは、ユーザｕの価格水準値Ｌ［ｕ］に応じて、いずれかの関数を選択する。
【０２７８】
具体的には、価格水準値Ｌ［ｕ］に関する閾値δ1〜δ4（δ1＜δ2＜δ3＜δ4）を用意しておき、Ｌ［ｕ］＜δ1であればＦａ1、δ1≦Ｌ［ｕ］＜δ2であればＦａ2、δ2≦Ｌ［ｕ］＜δ3であればＦａ3、δ3≦Ｌ［ｕ］＜δ4であればＦａ4、δ4≦Ｌ［ｕ］であればＦａ5を選択する。すなわち、価格水準値Ｌ［ｕ］が大きいほど添字の大きい関数を選択することにより、価格水準値が大きいほど、所定の出力値を得るための入力値が大きくなる傾向で価格影響関数を変化させているといえる。
【０２７９】
従って、第３実施例では、どのようなユーザにおいても、関連度が同程度であれば、価格の安いアイテム（カテゴリ）よりも価格の高いものが推薦されやすいという効果に加えて、価格水準値の小さいユーザ、すなわち購買能力の低いユーザや低額アイテムをよく利用するユーザ対しては、価格の安いアイテム（カテゴリ）も比較的推薦結果に入りやすいという効果が得られる。
【０２８０】
別の選択方法を、図２２（ｂ）を参照して説明する。上述のように、本図は、Ｆｂ1（Ｘ）〜Ｆｂ5（Ｘ）（Ｆｂ1〜Ｆｂ5）の５つの関数を示しており、添字の大きい関数ほど、最大値Ｙβと最小値Ｙαとの差（最小値Ｙαに対する最大値Ｙβの倍率）が大きく、添字の小さい関数ほど、その差および倍率が小さくなっている。
【０２８１】
図２２（ａ）の例と同様に、価格水準値Ｌ［ｕ］に関する閾値δ1〜δ4（δ1＜δ2＜δ3＜δ4）を用意しておき、Ｌ［ｕ］＜δ1であればＦｂ1、δ1≦Ｌ［ｕ］＜δ2であればＦｂ2、δ2≦Ｌ［ｕ］＜δ3であればＦｂ3、δ3≦Ｌ［ｕ］＜δ4であればＦｂ4、δ4≦Ｌ［ｕ］であればＦｂ5を選択する。すなわち、価格水準値Ｌ［ｕ］が大きいほど添字の大きい関数を選択することにより、価格水準値が大きいほど、出力最大値と出力最小値との差（出力最小値に対する出力最大値の倍率）が大きくなる傾向で価格影響関数を変化させているといえる。また、価格水準値が大きいほど、入力が最小値であるときの出力値（Ｘ＝０のときの出力値）が小さくなる傾向で価格影響関数を変化させているともいえる。この結果、価格水準値が小さいユーザでは、価格の安いアイテム（カテゴリ）も比較的推薦結果に入りやすいという効果が得られる。
【０２８２】
また、ユーザｕの価格分散値Ｖ［ｕ］を用いて、Ｆｂ1〜Ｆｂ5を選択してもよい。価格水準値Ｌ［ｕ］の場合と同様に、価格分散値Ｖ［ｕ］に関する閾値ε1〜ε4（ε1＜ε2＜ε3＜ε4）を用意しておき、価格分散値Ｖ［ｕ］が大きいほど添字の大きい関数を選択する。すなわち、価格分散値が大きいほど、出力最大値と出力最小値との差（出力最小値に対する出力最大値の倍率）が大きくなる傾向で価格影響関数を変化させたり、入力が最小値であるときの出力値が小さくなる傾向で価格影響関数を変化させてもよい。また同様に、Ｆａ１〜Ｆａ５を用いて、価格分散値Ｖ［ｕ］が大きいほど添字の大きな関数を選択することにより、価格分散値が大きいほど、所定の出力値を得るための入力値が大きくなる傾向で価格影響関数を変化させてもよい。
【０２８３】
一般に、価格分散値が小さなユーザは、限られた価格帯のアイテムを利用する傾向や、所定期間ごとの利用アイテムの合計額が安定している傾向がある。すなわち、自分なりの利用パターンが確立しているユーザであるといえる。このようなユーザでは、価格の高いアイテムだけを推薦した場合に受容されないリスクがより高いため、関数Ｆｂ1などを用いて、価格の高いアイテムと安いアイテムとの価格影響度の差があまり大きくないようにし、価格の安いアイテム（カテゴリ）も比較的推薦結果に入りやすいようにする。
【０２８４】
また、図２２（ｃ）に示す関数を用いて、ユーザｕの価格水準値Ｌ［ｕ］が大きいほど、添字の大きい関数を選択してもよい。すなわち、価格水準値が大きいほど、下に凸の度合いが強くなる傾向で価格影響関数を変化させてもよい。また、価格水準値が大きいほど、入力が最小値であるときの出力値が小さくなる傾向で価格影響関数を変化させてもよい。また、ユーザｕの価格分散値Ｖ［ｕ］が大きいほど、添字の大きい関数を選択してもよい。
【０２８５】
次に、図２６を参照して、ユーザｕの価格水準値Ｌ［ｕ］と価格分散値Ｖ［ｕ］を両方用いて、関数Ｆ（Ｘ）の特性を動的に設定する方法を説明する。価格影響度算出部１０６ｃは、図２６（ａ）に示す特性のひな型関数Ｆｕ（Ｘ）の数式を内部の記憶領域に記憶している。そして、価格影響度算出部１０６ｃが、価格水準値Ｌ［ｕ］および価格分散値Ｖ［ｕ］に応じて、Ｆｕ（Ｘ）のパラメータＸｃ、Ｘω、Ｙα、Ｙωを設定し、価格影響度を算出する。ここで、Ｘｃは単調増加区間のＸ方向（Ｘα〜Ｘβ）の中点であり、Ｘωは単調増加区間のＸ方向の幅である。また、Ｙαは単調増加区間の最小出力値であり、Ｙωは単調増加区間のＹ方向の幅である。
【０２８６】
まず、Ｘｃを価格水準値Ｌ［ｕ］が大きいほど大きな値となるように設定する。そして、Ｘωを価格分散値Ｖ［ｕ］が大きいほど大きな値となるように設定する。この結果、単調増加区間の最小入力値Ｘαと最大入力値Ｘβとが設定される。
【０２８７】
次に、Ｙαを価格水準値Ｌ［ｕ］が小さいほど大きな値となるように設定する。そして、Ｙωを価格水準値Ｌ［ｕ］が大きいほど大きな値となるように設定する。この結果、単調増加区間の最大出力値Ｙβが設定される。
【０２８８】
このようにパラメータが設定された関数Ｆｕ（Ｘ）の特性について、図２６（ｂ）および図２６（ｃ）を参照し、ユーザｕ1〜ユーザｕ5の５人のユーザを例にして説明する。
【０２８９】
ユーザｕ1は、価格の安いアイテムのみを利用するため、ユーザｕ1の価格水準値Ｌ［ｕ1］が５人のユーザの中で最も小さく、価格分散値Ｖ［ｕ1］も小さいものとする。図２６（ｂ）に示すように、ユーザｕ1に対応した関数Ｆｕ1（Ｘ）は、Ｘｃ1、Ｘα1、Ｘβ1、Ｘω1、Ｙω1が小さく、Ｙα1が大きい。このため、価格の安いアイテムと価格の高いアイテムとの価格影響度の差（倍率）が小さい等により、５人のユーザの中で価格の安いアイテムが最も推薦結果に入りやすくなる。
【０２９０】
ユーザｕ2は、価格の安いアイテムと高いアイテムの両方を利用するが、安いアイテムをより多く利用するため、価格水準値Ｌ［ｕ2］が５人の中で２番目に小さく、価格分散値Ｖ［ｕ2］は大きいものとする。図２６（ｂ）に示すように、ユーザｕ2に対応する関数Ｆｕ2（Ｘ）のパラメータであるＸｃ2、Ｘω2、Ｙα2、Ｙω2は、それぞれＸｃ1＜Ｘｃ2、Ｘω1＜Ｘω2、Ｙα2＜Ｙα1、Ｙω1＜Ｙω2となる。このため、価格の安いアイテムと価格の高いアイテムとの価格影響度の差（倍率）がＦｕ1より大きくなり、ユーザｕ1に比べると、価格の安いアイテムが推薦結果に入りにくくなる。
【０２９１】
ユーザｕ3は、価格が中程度のアイテムのみ利用するため、価格水準値Ｌ［ｕ3］は、ユーザｕ2の価格水準値Ｌ［ｕ2］と同じであり、価格分散値Ｖ［ｕ3］は、ユーザｕ2よりも小さいものとする。図２６（ｂ）に示すように、ユーザｕ3に対応する関数Ｆｕ3（Ｘ）のパラメータであるＸｃ3、Ｘω3、Ｙα3、Ｙω3は、それぞれＸｃ2＝Ｘｃ3、Ｘω3＜Ｘω2、Ｙα2＝Ｙα3、Ｙω2＝Ｙω3となる。このため、関数Ｆｕ2よりも出力値が大きくなる価格帯（線分Ｐ1で示す価格帯）のアイテムが、ユーザｕ2と比べて推薦結果に入りやすくなる。
【０２９２】
また、ユーザｕ2では、関数Ｆｕ3が最大値となり、かつ関数Ｆｕ2が単調増加である価格帯（線分Ｐ2で示す価格帯）のアイテムは、それより高い価格帯（線分Ｐ3で示す価格帯）のアイテムより、推薦結果に入りにくいのに対し、ユーザｕ3では同程度に入るようになる。
【０２９３】
元々利用している価格帯が狭いユーザｕ3には、高い価格帯Ｐ3に偏って推薦するよりも、それより若干安い価格帯Ｐ2を含めて推薦した方が、推薦結果が受容される可能性が高いと考えられる。一方で、元々幅広い価格帯のアイテムを利用しているユーザｕ2は、ユーザｕ3に比べて、特定の価格帯へのこだわりが少なく、高い価格帯Ｐ3を受容する可能性が高いので、価格帯Ｐ2よりも価格帯Ｐ3をより多く推薦結果に入れた方が、アイテム提供サービスの売上増大という点で効果的である。このように第３実施例では、価格分散値に応じて単調増加区間の幅を設定することにより、価格水準値が同程度のユーザに対しても、推薦情報の内容を適切に変えることができる。
【０２９４】
ユーザｕ4は、価格の安いアイテムと高いアイテムの両方を利用するが、高いアイテムをより多く利用するため、価格水準値Ｌ［ｕ4］が５人のユーザの中で２番目に大きく、価格分散値Ｖ［ｕ4］は、ユーザｕ2と同程度に大きいものとする。図２６（ｃ）に示すように、ユーザｕ4に対応する関数Ｆｕ4（Ｘ）のパラメータであるＸｃ4、Ｙα4、Ｘω4、Ｙω4は、それぞれＸｃ2＜Ｘｃ4、Ｘω1＜Ｘω2≒Ｘω4、Ｙα4＜Ｙα2、Ｙω2＜Ｙω4となる。このため、価格の安いアイテムと価格の高いアイテムとの価格影響度の差（倍率）が関数Ｆｕ2より大きくなり、ユーザｕ2に比べると、価格の安いアイテムが推薦結果に入りにくくなる。
【０２９５】
ユーザｕ5は、価格の高いアイテムのみを利用するため、価格水準値Ｌ［ｕ5］が５人のユーザの中で最も大きく、価格分散値Ｖ［ｕ5］は、ユーザｕ1と同程度に小さいものとする。図２６（ｃ）に示すように、ユーザｕ5に対応する関数Ｆｕ5（Ｘ）のパラメータであるＸｃ5、Ｙα5、Ｘω5、Ｙω5は、それぞれＸｃ5＜Ｘｃ4、Ｘω1≒Ｘω5＜Ｘω4、Ｙα5＜Ｙα4、Ｙω4＜Ｙω5となる。このため、価格の安いアイテムと価格の高いアイテムとの価格影響度の差（倍率）が非常に大きくなり、価格の安いアイテムが５人のユーザの中で最も推薦結果に入りにくくなる。また、価格水準値の最も小さいユーザｕ1に対応する関数Ｆｕ1（Ｘ）と比べると、Ｘα1＜＜Ｘα5、Ｘβ1＜＜Ｘβ5、Ｙα1＞＞Ｙα5、Ｙβ1＜＜Ｙβ5であり、価格水準値の小さいユーザに比べて、価格の高いアイテムが推薦結果に入りやすいことは明らかである。
【０２９６】
このように第３実施例では、利用価格情報に応じて、ユーザごとに関数Ｆ（Ｘ）の特性を設定することにより、価格の高いアイテムを優先的に推薦結果に入れることができることに加えて、価格の安いアイテムを主に利用するユーザ等に対しては、価格の安いアイテムも推薦結果に入れることができる。なお、図２６で説明に用いた関数Ｆｕ（Ｘ）は、あくまでも一例であり、他の特性の関数を用いてもよい。
【０２９７】
例えば、図２７に示す特性の関数Ｆｇ（Ｘ）を用いて価格影響度を算出してもよい。この場合は、Ｆｕ（Ｘ）と同様な方法で、関数Ｆｇ（Ｘ）のパラメータＸｃ、Ｘω、Ｙα、Ｙωを設定する他、価格水準値が小さければ、本図の関数Ｆｇ1のように上に凸の度合いが強い特性とし、価格水準値が中程度であれば、本図の関数Ｆｇ2のように線形に近い特性とし、価格水準値が大きければ、本図の関数Ｆｇ3のように下に凸の度合いが強い特性とする。
【０２９８】
また、上述した説明では、１つの価格水準値と、１つの価格分散値とを使って関数の特性を設定したが、より多くの利用価格情報を用いて関数の特性を設定してもよい。複数の利用価格情報をそれぞれ別々の関数パラメータに対応させてもよい。また、複数の利用価格情報を１つの関数パラメータに対応させてもよい。例えば、第２の利用価格情報である、ユーザの利用したアイテム１つあたりの価格の高さを示す値（代表値）と、第３の利用価格情報である、ユーザの利用したアイテムの価格の合計額に関する代表値とを用いて、１つの関数パラメータを決定してもよい。
【０２９９】
また、各々の関数パラメータを複数の利用価格情報を用いて決定する場合に、各利用価格情報を各次元に対応させた多次元情報空間を用いてもよい。例えば、多次元情報空間を適当な小領域に分割し、各々の小領域に対して関数パラメータの値を対応させる方法により、関数の特性を設定してもよい。また、各利用価格情報の重み付き平均などを用いて１次元の値を算出し、それに基づいて関数パラメータを決定してもよい。以上がステップＳ４１０ｃの説明である。
【０３００】
第３実施例によれば、価格の高いアイテムおよびカテゴリを推薦結果に多く入れることが可能である等、第１実施例と同様な効果が得られる。さらにそれらに加えて、ユーザごとに利用価格情報に応じて適切な価格影響度を算出するため、ユーザに特別な操作をさせることなく、ユーザが受容しやすい推薦情報を提供できる。例えば、価格の安いアイテムだけを利用するユーザには、推薦情報の中に、価格の高いアイテムだけでなく、価格の安いアイテムもある程度入れることができる。従って、ユーザが推薦情報を納得して受け入れやすくなる。このため推薦情報に基づくアイテム利用が活発になり、アイテム提供サービスの売上をさらに増大させることが期待できる。
【０３０１】
また、第２実施例と第３実施例とを組み合わせて、ユーザごとに利用価格情報に応じて価格影響関数を設定した上で、ユーザの好みに応じてこの特性を変更できるようにしてもよい。このようにすれば、さらに受容性の高い推薦情報を提供することができる。
【０３０２】
なお、上述の第３実施例では、ユーザの利用価格情報に基づいて、価格影響関数の特性をユーザごとに変えているが、これとは異なる方法で、価格影響関数の特性をユーザごとに変えてもよい。例えば、ユーザが過去に提供された推薦情報をどの程度受け入れたかに応じて価格影響関数の特性を変更することができる。
【０３０３】
この場合、過去のある時点においてユーザに提供された推薦情報に含まれるアイテムのうち、推薦情報提供後にそのユーザによって実際に利用されたアイテムの数を算出し、その数に基づいてユーザの利用度を算出する。利用度を算出する処理を行なうために、利用度算出部を情報選択装置１０に設けるようにしてもよい。そして、価格影響度算出部１０６ｃは、算出された利用度に応じて価格影響関数Ｆ（Ｘ）の特性を変えればよい。
【０３０４】
具体的には、利用度の高いユーザほど、価格の高いアイテム（カテゴリ）が推薦されやすくなるように処理すればよい。これは、価格水準値が大きいユーザほど、価格の高いアイテム（カテゴリ）が推薦されやすくなるように処理したのと同様である。
【０３０５】
利用度の高いユーザは、過去の推薦情報を多く受容しているので、推薦システムに対する信頼感をある程度持っていると考えられる。また、推薦情報が表示された画面から直接利用していない場合であっても、そのユーザの嗜好に合致した推薦アイテムを選択できたと考えられる。このため、このようなユーザに価格の高いアイテム（カテゴリ）をより多く推薦しても、ユーザの購買意欲の低下につながるリスクが小さいと考えられるからである。
【０３０６】
一方、利用度の低いユーザに、価格の高いアイテム（カテゴリ）をより多く推薦すると、ユーザの購買意欲の低下につながるリスクが大きいと考えられる。このため、利用度の低いユーザには、価格の安いアイテムもある程度推薦されやすくなる処理を行なうようにする。
【０３０７】
このようにユーザの推薦情報に対する利用度に応じて、価格影響関数の特性を変化させることにより、さらにユーザの購買意欲が減少するリスクを減らしつつ、価格の高いアイテム（カテゴリ）を推薦することができる。また、ユーザの推薦情報に対する利用度と、ユーザの利用価格情報を両方用いて、価格影響関数の特性を変えてもよい。
【０３０８】
利用度の具体的な算出方法としては、例えば、１日に１回の頻度で推薦情報を作成しており、前回（前日）にユーザＡに対して１０個の推薦アイテムを提供している場合、次に新たな推薦情報を作成（提供）するまでの期間（約１日間）で、ユーザＡが１０個の推薦アイテムのうち何個を利用したかを、利用履歴格納部１０２とを推薦情報格納部１０８とを参照しながらカウントし、これを利用度とすればよい。
【０３０９】
また、ユーザＡが１つの推薦アイテムを２回以上利用した場合、その回数を考慮して利用度を算出してもよいし、２回以上利用しても１回だけ利用しても同等に扱って利用度を算出してもよい。あるいは、ユーザＡが１０個の推薦アイテムのうちの１つ以上利用した場合に、利用度を「１」、１つも利用しない場合に利用度を「０」などとして、ユーザＡが推薦情報を１回以上利用したか否かの情報を利用度としてもよい。
【０３１０】
ユーザＡが推薦アイテムを利用した場合に、図１３に示すような推薦画面（推薦ページ）から直接利用したのか、他のページで推薦アイテムを偶然見つけて利用したのかを区別可能な情報（アイテム利用ページ識別情報）を利用履歴格納部１０２に格納した上で、推薦ページから直接利用された分だけを利用度に反映させるようにしてもよいし、推薦アイテムが利用されたページの種類を区別せずに利用度を算出してもよい。
【０３１１】
なお、推薦アイテムの利用回数を集計する期間は、その推薦アイテムの情報を提供した時点以降であれば、どのような期間を設定してもよい。例えば、ある推薦アイテムが、推薦情報として提供された期間以降の期間も集計期間に含めてもよい。これは、ユーザがブラウザのブックマーク機能等を用いて、推薦ページのＵＲＬ等を一時的に保存しておき、推薦情報の提供が終了した後に利用したような場合を含めて利用回数をカウントするためである。また、集計開始時点も推薦情報が提供された時点以降であれば、どのように設定してもよい。
【実施例４】
【０３１２】
本実施形態に係るネットワークシステムの第４実施例について説明する。第４実施例では、単体アイテムと複合アイテムの２種類のアイテムを提供するアイテム提供サービスにおいて有効である。ここで、複合アイテムとは、複数の単体アイテムを含むものであり、ユーザの１回の利用操作（購入操作）で、対応する複数の単体アイテムに相当する内容が提供されるものである。
【０３１３】
例えば、音楽コンテンツを提供する場合、個々の楽曲を単体アイテムとして、複数の楽曲を集めたアルバムを複合アイテムとすることができる。また、あるアーティストのすべての楽曲を１つの複合アイテムとしてもよい。また映像コンテンツを提供する場合、連続ドラマの各話を単体アイテムとし、それを複数まとめたものを複合アイテムとすることができる。また、書籍（紙の書籍でも電子書籍でもよい）を提供する場合、１巻を単体アイテムとし、関連のある巻をまとめて複合アイテムとすることができる。
【０３１４】
第４実施例において、アイテム提供サーバ２０および端末装置３０は、第１実施例と同様とすることができる。ただし、アイテム提供サーバ２０は、単体アイテムと複合アイテムの両方を提供するものとする。また、第４実施例における情報選択装置１０ｄは、第１実施例における情報選択装置１０のアイテム属性格納部１０１、情報選択部１０７、制御部１１０をそれぞれアイテム属性格納部１０１ｄ、情報選択部１０７ｄ、制御部１１０ｄとしたものであり、他のブロックは同様である。
【０３１５】
アイテム属性格納部１０１ｄは、図４に示したアイテム情報テーブル１０１Ａ、カテゴリ情報テーブル１０１Ｂに加えて、図２８（ａ）に示す複合アイテム情報テーブル１０１Ｃと、図２８（ｂ）に示す複合アイテム−単体アイテム対応テーブル１０１Ｄとを格納する。
【０３１６】
本図に示すように、複合アイテム情報テーブル１０１Ｃは、複合アイテム識別子と、複合アイテム属性情報とを対応させたテーブルである。複合アイテム属性情報は、複合アイテムの「タイトル（名称）」「カテゴリ識別子」「説明情報」「アイテム時期情報」などで構成されている。
【０３１７】
アイテム情報テーブル１０１Ａには、単体アイテムに関する情報が格納されており、複合アイテム情報テーブル１０１Ｃには、複合アイテムに関する情報が格納されている。このため、あるアイテム識別子がどちらのテーブルに格納されているかを判定することにより、そのアイテム識別子が単体アイテムか複合アイテムかを容易に区別することができる。なお第１実施例〜第３実施例では、単体アイテムと複合アイテムとを区別せずに扱っており、情報選択装置１０、１０ａ〜１０ｃは、単体アイテムと複合アイテムの両方を扱ってもよいし、どちらか一方のみを扱ってもよい。また、これらの実施例でも本実施例と同様に、複合アイテムの概念を適用してもよい。
【０３１８】
複合アイテム−単体アイテム対応テーブル１０１Ｄは、複合アイテムと単体アイテムとの対応を示すテーブルであり、複合アイテム識別子とアイテム識別子とを対応させて格納する。本図の例では、複合アイテム１（ＣｏｍｐＩｔｅｍＩＤ−１）に３つの単体アイテムが対応し、複合アイテム２（ＣｏｍｐＩｔｅｍＩＤ−２）に２つの単体アイテムが対応している。また単体アイテム３（ＩｔｅｍＩＤ−３）が複合アイテム１と複合アイテム２の両方に対応していることから分かるように、１つの単体アイテムが複数の複合アイテムに対応してもよい。
【０３１９】
価格情報格納部１０３ｄは、図６に示したアイテム価格情報テーブル１０３Ａ、カテゴリ価格情報テーブル１０３Ｂに加えて、図２９に示す複合アイテム価格情報テーブル１０３Ｃを格納する。本図に示すように、複合アイテム価格情報テーブル１０３Ｃは、複合アイテム識別子とその価格情報とを対応させて記録する。
【０３２０】
本実施形態におけるシステム全体の動作は、図１１に示した第１実施例のフローチャートと同じである。
【０３２１】
制御部１１０ｄは、第１実施例と同様に、所定のタイミングで推薦情報作成動作を開始する。本実施形態における推薦情報作成動作は、図１４のフローチャートと同様であるが、選択指標算出を行なうステップＳ４２０に相当するステップＳ４２０ｄが、第１実施例と異なっている。
【０３２２】
ステップＳ４２０ｄにおいて、制御部１１０ｄの指示を受けた情報選択部１０７ｄは、ステップＳ４１０で価格影響度が算出された各関連識別子ｊについて、利用主体識別子ｉとの関連度Ｗ［ｉ］［ｊ］と、価格影響度Ｙ［ｊ］とを用いて選択指標Ｓ［ｉ］［ｊ］を算出する。
【０３２３】
まず、情報選択部１０７ｄは、アイテム属性格納部１０１ｄに格納されたアイテム情報テーブル１０１Ａ、および複合アイテム情報テーブル１０１Ｃを参照しながら、関連識別子ｊが単体アイテムであるか複合アイテムであるかを判定する。関連識別子ｊが単体アイテムである場合は、第１実施例で示した方法で選択指標を算出する。関連識別子ｊが複合アイテムである場合は、以下のいずれかの方法で選択指標を算出する。
【０３２４】
複合アイテムの選択指標算出の第１の方法では、複合アイテムに対応する単体アイテムの関連度のうち最大のものを使って選択指標を算出する。具体的には、図２８（ｂ）に示した複合アイテム−単体アイテム対応テーブル１０１Ｄを参照しながら、関連識別子ｊに対応する単体アイテムｋ（ｋ＝１〜Ｎk）を特定し、利用主体識別子ｉと単体アイテムｋとの関連度Ｗ［ｉ］［ｋ］を関連集合格納部１０５の関連度テーブル１０５Ａから読み出す。Ｎkは、対応する単体アイテムｋの個数である。
【０３２５】
Ｎk個の単体アイテムの中で、関連集合格納部１０５の関連度テーブル１０５Ａに関連度Ｗ［ｉ］［ｋ］が格納されているアイテムが１つ以上ある場合は、それらの関連度の中から最も大きな関連度Ｗmax［ｉ］を選択する。そして、Ｗ［ｉ］［ｊ］とＷmax［ｉ］のうち大きい方であるＷh［ｉ］［ｊ］を用いて、選択指標を算出する。例えば、第１実施例で説明した［数６］〜［数８］のＷ［ｉ］［ｊ］をＷh［ｉ］［ｊ］に置き換えて計算すればよい。Ｎk個の単体アイテムの中に、関連集合格納部１０５の関連度テーブル１０５Ａに関連度Ｗ［ｉ］［ｋ］が格納されているアイテムが１つも存在しない場合は、単体アイテムと同じ方法で選択指標を算出する。
【０３２６】
複合アイテムの選択指標算出の第２の方法では、複合アイテムに対応する単体アイテムの関連度の総和を使って選択指標を算出する。具体的には、図２８（ｂ）に示した複合アイテム−単体アイテム対応テーブル１０１Ｄを参照しながら、関連識別子ｊに対応する単体アイテムｋ（ｋ＝１〜Ｎk）を特定し、利用主体識別子ｉと単体アイテムｋとの関連度Ｗ［ｉ］［ｋ］を関連集合格納部１０５の関連度テーブル１０５Ａから読み出す。
【０３２７】
Ｎk個の単体アイテムの中で、関連集合格納部１０５の関連度テーブル１０５Ａに関連度Ｗ［ｉ］［ｋ］が格納されているアイテムが１つ以上ある場合は、Ｗ［ｉ］［ｋ］の総和であるＷsum［ｉ］を算出する。そして、Ｗ［ｉ］［ｊ］とＷsum［ｉ］のうち大きい方であるＷs［ｉ］［ｊ］を用いて、選択指標を算出する。例えば、第１実施例で説明した［数６］〜［数８］のＷ［ｉ］［ｊ］をＷs［ｉ］［ｊ］に置き換えて計算すればよい。Ｎk個の単体アイテムの中に、関連集合格納部１０５の関連度テーブル１０５Ａに関連度Ｗ［ｉ］［ｋ］が格納されているアイテムが１つも存在しない場合は、単体アイテムと同じ方法で選択指標を算出する。
【０３２８】
複合アイテムの選択指標算出の第３の方法は、単体アイテムの選択指標算出に用いる数式と異なる数式を用いる方法である。例えば、［数６］の定数βｃを単体アイテムの場合よりも大きな値にする。［数７］の定数βａ、βｂ、［数８］の定数βｄ、βｅをそれぞれ単体アイテムの場合よりも大きくしてもよい。
【０３２９】
上述した第１〜第３の方法は、ステップＳ４２０ｄにおいて単体アイテムと複合アイテムとに応じた処理を行なっているが、他のステップにおいても単体アイテムと複合アイテムとで異なる方法を用いてもよい。
【０３３０】
例えば、ステップＳ４１０に相当するステップＳ４１０ｄにおいて、制御部１１０ｄが、関連識別子ｊが単体アイテムであるか複合アイテムであるかを判定し、それに応じて関数Ｆ（Ｘ）の特性を設定してもよい。具体的には、同じ入力値に対して、単体アイテムの出力値よりも複合アイテムの出力値が大きくなるように特性を設定する。そして、ステップＳ４２０ｄでは、第１実施例と同じ処理を行なうようにしてもよい。ステップＳ４３０は、第１実施例と同じである。
【０３３１】
上述した方法で選択指標を算出すると、同じ条件の単体アイテムに比べて、複合アイテムの選択指標が大きな値となる。仮に、単体アイテムＡの価格情報と複合アイテムＢの価格情報とが同じで、単体アイテムＡの関連度と複合アイテムＢの関連度とが同じだとしても、複合アイテムＢの選択指標が単体アイテムＡの選択指標よりも大きな値となる。
【０３３２】
一般に、複合アイテムの価格情報は、単体アイテムの価格情報よりも大きいので、関連度が同じであれば、第１実施例の方法で選択指標を算出しても、複合アイテムの方が推薦結果に入りやすいが、第４実施例によれば、複合アイテムをより優先的に推薦情報に入れることができる。
【０３３３】
なお、上述した複合アイテムを優先的に推薦情報に入れる処理と同様に、特定のカテゴリに属するアイテムを優先的に推薦情報に入れる処理を行なってもよい。具体的にはあらかじめ、アイテム属性格納部１０１ｄの優先カテゴリテーブル（図示せず）に優先処理を行なう対象のカテゴリ（カテゴリ識別子）を登録しておく。そしてステップＳ４２０ｄにおいて、情報選択部１０７ｄが、アイテム属性格納部１０１ｄに格納されたアイテム情報テーブル１０１Ａと優先カテゴリテーブルとを参照しながら、関連識別子ｊに対応するカテゴリ識別子が優先処理対象である特定のカテゴリに該当するか否かを判定する。そして、複合アイテムの選択指標算出の第３の方法と同様な方法を用いて、特定のカテゴリに該当する場合は、該当しない場合に比べて、より大きな値となるように選択指標を算出すればよい。
【０３３４】
また、ユーザが単体アイテムおよび複合アイテムを利用した情報を用いて、第３実施例で説明した利用価格情報を算出してもよい。例えば、各ユーザの利用した単体アイテムの価格の合計値と、複合アイテムの価格の合計値をそれぞれ別の利用価格情報（価格水準値）とすることができる。また、各ユーザの利用したアイテム１つあたりの価格の高さを示す値（代表値）を、単体アイテムと複合アイテムごとに算出し、それぞれを利用価格情報（価格水準値）とすることができる。また、各ユーザの利用したアイテムの合計額の代表値を、単体アイテムと複合アイテムごとに算出してもよい。さらに、各ユーザの利用したアイテムの価格の合計値（単体アイテムと複合アイテムの合計額）に占める複合アイテムの価格の合計値の割合を利用価格情報（価格水準値）とすることができる。また、一般的に複合アイテムの価格情報は単体アイテムの価格情報よりも大きいので、各ユーザの利用したアイテムの全体数（単体アイテムと複合アイテムの合計数）に占める複合アイテムの数の割合を利用価格情報（価格水準値）としてもよい。
【０３３５】
また、ユーザの利用した単体アイテム１つあたりの価格のばらつき度（分散値など）と、複合アイテム１つあたりの価格のばらつき度とを算出し、それぞれ利用価格情報（価格分散値）とすることができる。また、ユーザの利用したアイテムの価格の合計額（例えば、１カ月ごとの合計額）に関するばらつき度を、単体アイテムと複合アイテムに分けて算出し、利用価格情報（価格分散値）としてもよい。また、ユーザの利用したアイテムの価格の合計額に占める複合アイテムの価格の合計額の割合を所定期間ごとや、購入１回ごとに算出し、その値に関するばらつき度を算出して、利用価格情報（価格分散値）としてもよい。また、ユーザの利用したアイテムの全体数に占める複合アイテムの数の割合を所定期間ごとや、購入１回ごとに算出し、その値に関するばらつき度を算出して、利用価格情報（価格分散値）としてもよい。
【０３３６】
そして、実施例３で説明した方法と同様な方法により、このような複合アイテムの概念を用いた利用価格情報に基づいて、価格影響関数の特性を変えることができる。例えば図２６に示す関数Ｆｕ（Ｘ）を用いて、Ｘｃを価格水準値が大きいほど大きな値となるように設定し、Ｘωを価格分散値が大きいほど大きな値となるように設定し、Ｙαを価格水準値が小さいほど大きな値となるように設定し、Ｙωを価格水準値が大きいほど大きな値となるように設定すればよい。
【０３３７】
また、第３実施例と第４実施例とを組み合わせた方法により、ユーザの利用価格情報に応じて、推薦結果に複合アイテムを優先して入れる度合いを調整してもよい。例えば、複合アイテムの選択指標算出の第１および第２の方法において、複合アイテムに対する関連度に１より大きな係数をさらに乗じるようにした上で、価格水準値が小さなユーザに対する係数よりも価格水準値が大きなユーザに対する係数を大きくすることにより、価格水準値が大きなユーザの推薦結果に、より多くの複合アイテムが入るようにしてもよい。
【０３３８】
また、複合アイテムの選択指標算出の第３の方法において、例えば［数６］の定数βｃを利用価格情報に応じて変え、価格水準値が小さなユーザに対して使用するβｃよりも、価格水準値が大きなユーザに対して使用するβｃを大きな値にして処理を行なってもよい。
【０３３９】
推薦情報をもとに、ユーザは１回の利用操作で複合アイテムを利用できるので、対応する複数の単体アイテムを利用するために、複数回の利用操作を行なう場合に比べ、ユーザの利便性が向上する。また一般的に、複合アイテムの価格は高いため、複合アイテムの利用率を上げることにより、アイテム提供サービスの売上を増大させることが期待できる。
【符号の説明】
【０３４０】
１０…情報選択装置、２０…アイテム提供サーバ、３０…端末装置、４０…ネットワーク、４２…ネットワーク、１０１…アイテム属性格納部、１０１Ａ…アイテム情報テーブル、１０１Ｂ…カテゴリ情報テーブル、１０１Ｃ…複合アイテム情報テーブル、１０１Ｄ…複合アイテム−単体アイテム対応テーブル、１０２…利用履歴格納部、１０２Ａ…アイテム利用履歴テーブル、１０２Ｂ…カテゴリ利用履歴テーブル、１０３…価格情報格納部、１０３Ａ…アイテム価格情報テーブル、１０３Ｂ…カテゴリ価格情報テーブル、１０３Ｃ…複合アイテム価格情報テーブル、１０４…関連度算出部、１０５…関連集合格納部、１０５Ａ…関連度テーブル、１０５Ｂ…関連度テーブル、１０６…価格影響度算出部、１０７…情報選択部、１０８…推薦情報格納部、１０８Ａ…アイテム推薦情報テーブル、１０８Ｂ…カテゴリ推薦情報テーブル、１０９…送受信部、１１０…制御部、１１１…利用価格情報算出部、１１２…利用価格情報格納部、１１２Ａ…利用価格情報テーブル、１１２Ｂ…利用価格情報テーブル、１２０…表示装置、１３０…入力装置、２０１…ユーザ管理部、２０２…アイテム格納部、２０３…データ格納部、２０４…送受信部、２０５…制御部、３０１…制御部、３０２…送受信部、３０３…ブラウザ部、３０４…アプリケーション部、３２０…表示装置、３３０…入力装置

【特許請求の範囲】
【請求項１】
アイテムを識別する識別子またはアイテムごとに定められたカテゴリを識別する識別子と前記識別子に係る価格情報とを対応させて格納する価格情報格納部と、
ユーザまたはユーザが利用する端末装置を識別するための利用主体識別子に対して、関連対象となる複数個のアイテムの識別子または複数個のカテゴリの識別子を、関連性の強さを示す関連度とともに格納する関連集合格納部と、
情報選択に係る利用主体識別子について、関連対象とされた識別子それぞれの価格情報を、前記価格情報格納部を参照して取得し、少なくとも一部の区間で単調増加し、かつ単調減少区間を持たない価格影響関数を用いて、前記関連対象とされた識別子それぞれの価格影響度を算出する価格影響度算出部と、
前記情報選択に係る利用主体識別子について、前記関連対象とされた識別子それぞれの選択指標を、関連度が大きいほど、かつ価格影響度が大きいほど大きな値となる規則に従って算出し、前記関連対象とされた識別子の中から、算出された選択指標の大きな識別子を優先的に選択する情報選択部と、
を備えることを特徴とする情報選択装置。
【請求項２】
前記情報選択に係る利用主体識別子に対応するユーザに提供されたアイテムの価格情報に基づく利用価格情報を算出する利用価格情報算出部をさらに備え、
前記価格影響度算出部は、
前記価格影響関数を、前記情報選択に係る利用主体識別子の利用価格情報に応じて変化させて、前記価格影響度を算出することを特徴とする請求項１に記載の情報選択装置。
【請求項３】
前記利用価格情報算出部は、
前記情報選択に係る利用主体識別子に対応するユーザに提供されたアイテムの価格の合計額を用いた値である価格水準値、または前記情報選択に係る利用主体識別子に対応するユーザに提供されたアイテムの価格の代表値である価格水準値を前記利用価格情報として算出し、
前記価格影響度算出部は、
前記価格水準値が大きいほど、出力最大値と出力最小値との差、または出力最小値に対する出力最大値の倍率が大きくなるような傾向で前記価格影響関数を変化させる、
ことを特徴とする請求項２に記載の情報選択装置。
【請求項４】
前記利用価格情報算出部は、
前記情報選択に係る利用主体識別子に対応するユーザに提供されたアイテムの価格の合計額を用いた値である価格水準値、または前記情報選択に係る利用主体識別子に対応するユーザに提供されたアイテムの価格の代表値である価格水準値を前記利用価格情報として算出し、
前記価格影響度算出部は、
前記価格水準値が大きいほど、所定の出力値を得るための入力値が大きくなるような傾向で前記価格影響関数を変化させる、
ことを特徴とする請求項２または請求項３に記載の情報選択装置。
【請求項５】
前記利用価格情報算出部は、
前記情報選択に係る利用主体識別子に対応するユーザに提供されたアイテムの価格の合計額を用いた値である価格水準値、または前記情報選択に係る利用主体識別子に対応するユーザに提供されたアイテムの価格の代表値である価格水準値を前記利用価格情報として算出し、
前記価格影響度算出部は、
前記価格水準値が大きいほど、入力が最小値であるときの出力値が小さくなるような傾向で前記価格影響関数を変化させる、
ことを特徴とする請求項２〜請求項４のいずれか１項に記載の情報選択装置。
【請求項６】
前記利用価格情報算出部は、
前記情報選択に係る利用主体識別子に対応するユーザに提供されたアイテムの価格、または前記情報選択に係る利用主体識別子に対応するユーザに提供されたアイテムの合計額に関するばらつき度合いを示す価格分散値を前記利用価格情報として算出し、
前記価格影響度算出部は、
前記価格分散値が大きいほど、前記単調増加の区間の幅が大きくなるような傾向で、あるいは、前記価格分散値が大きいほど、出力最大値と出力最小値との差が大きくなるような傾向で、あるいは、前記価格分散値が大きいほど、出力最小値に対する出力最大値の倍率が大きくなるような傾向で、あるいは、前記価格分散値が大きいほど、所定の出力値を得るための入力値が大きくなるような傾向で前記価格影響関数を変化させる、
ことを特徴とする請求項２〜請求項５のいずれか１項に記載の情報選択装置。
【請求項７】
前記利用価格情報算出部は、
前記情報選択に係る利用主体識別子に対応するユーザに提供されたアイテムの価格、および他の利用主体識別子に対応するユーザに提供されたアイテムの価格に基づいて、前記情報選択に係る利用主体識別子の利用価格情報を算出する、
ことを特徴とする請求項２〜請求項６のいずれか１項に記載の情報選択装置。
【請求項８】
前記アイテムまたはカテゴリ識別子とアイテム区分とを対応させて格納するアイテム区分情報格納部をさらに備え、
前記利用価格情報算出部は、
前記情報選択に係る利用主体識別子に対して、前記アイテム区分ごとに前記利用価格情報を算出し、
前記価格影響度算出部は、
前記アイテム区分情報格納部を参照し、前記関連対象とされた識別子に対応するアイテム区分を特定し、前記情報選択に係る利用主体識別子に対して前記特定されたアイテム区分について算出された利用価格情報に基づいて前記価格影響関数を変化させる、
ことを特徴とする請求項２〜請求項８のいずれか１項に記載の情報選択装置。
【請求項９】
前記価格情報格納部は、
単体アイテムおよび複数の単体アイテムを含んで構成される複合アイテムごとに識別子と、その価格情報とを対応させて格納し、
前記情報選択部は、
ある複合アイテムと、ある単体アイテムとが、前記情報選択に係る利用主体識別子に対して関連度が等しく、かつ両者の価格情報が等しい場合であっても、前記複合アイテムの選択指標の方が大きな値となるように算出することを特徴とする請求項１〜請求項８のいずれか１項に記載の情報選択装置。
【請求項１０】
前記情報選択部は、
前記関連対象とされた識別子のうち、前記選択指標が第１所定値以上の識別子、または前記選択指標の大きい順に第２所定値を超えない数の識別子を選択し、前記選択指標の大きさ順に関する情報を含めて、前記選択された識別子に係る情報を出力する、
ことを特徴とする請求項１〜請求項９のいずれか１項に記載の情報選択装置。
【請求項１１】
ユーザまたはユーザが利用する端末装置を識別するための利用主体識別子ごとに、その利用主体識別子に対応するユーザに提供されたアイテムまたはそのアイテムのカテゴリの識別子を記録した利用履歴を格納する利用履歴格納部と、
前記利用履歴に基づいて、前記情報選択に係る利用主体識別子と識別子との前記関連度をそれぞれ算出し、算出された関連度が第３所定値以上の識別子、または算出された関連度の大きい順に第４所定値を超えない数の識別子を抽出し、抽出された識別子を前記情報選択に係る利用主体識別子に対する関連対象となる識別子とする関連度算出部とをさらに備える、
ことを特徴とする請求項１〜請求項１０のいずれか１項に記載の情報選択装置。
【請求項１２】
前記関連度算出部は、
前記利用履歴に基づいて前記情報選択に係る利用主体識別子と他の利用主体識別子との類似度を算出し、他の利用主体識別子の類似度と当該他の利用主体識別子に対応するユーザに提供されたアイテムの識別子とに基づいて、前記情報選択に係る利用主体識別子と識別子との前記関連度を算出する、
ことを特徴とする請求項１１に記載の情報選択装置。
【請求項１３】
前記情報選択に係る利用主体識別子に対して過去に選択した識別子が示すアイテムまたは過去に選択した識別子が示すカテゴリに対応するアイテムが、前記情報選択に係る利用主体識別子に対応するユーザに提供された度合いを示す利用度を算出する利用度算出部をさらに備え、
前記価格影響度算出部は、
前記価格影響関数を、前記情報選択に係る利用主体識別子の利用度に応じて変化させて、前記価格影響度を算出する、
ことを特徴とする請求項１〜請求項１２のいずれか１項に記載の情報選択装置。
【請求項１４】
外部から価格帯に関する制御データを受信する受信部をさらに備え、
前記価格影響度算出部は、前記制御データに応じて、前記価格影響関数を変化させる、
ことを特徴とする請求項１〜請求項１３のいずれか１項に記載の情報選択装置。
【請求項１５】
アイテムを識別する識別子またはアイテムごとに定められたカテゴリを識別する識別子と前記識別子に係る価格情報とを対応させた価格情報データと、ユーザまたはユーザが利用する端末装置を識別するための利用主体識別子に対して、関連対象となる複数個のアイテムの識別子または複数個のカテゴリの識別子を、関連性の強さを示す関連度とともに記録した関連度データとを、ネットワークを介して取得するデータ取得部と、
情報選択に係る利用主体識別子について、関連対象とされた識別子それぞれの価格情報を、前記価格情報データを参照して取得し、少なくとも一部の区間で単調増加し、かつ単調減少区間を持たない価格影響関数を用いて、前記関連対象とされた識別子それぞれの価格影響度を算出する価格影響度算出部と、
前記情報選択に係る利用主体識別子について、前記関連対象とされた識別子それぞれの選択指標を、関連度が大きいほど、かつ前記価格影響度が大きいほど大きな値となる規則に従って算出し、前記関連対象とされた識別子の中から、算出された選択指標の大きな識別子を優先的に選択する情報選択部と、
を備えることを特徴とする端末装置。
【請求項１６】
アイテムを識別する識別子またはアイテムごとに定められたカテゴリを識別する識別子と前記識別子に係る価格情報とを対応させて格納する価格情報格納ステップと、
ユーザまたはユーザが利用する端末装置を識別するための利用主体識別子に対して、関連対象となる複数個のアイテムの識別子または複数個のカテゴリの識別子を、関連性の強さを示す関連度とともに格納する関連集合格納ステップと、
情報選択に係る利用主体識別子について、関連対象とされた識別子それぞれの価格情報を、前記価格情報格納部を参照して取得し、少なくとも一部の区間で単調増加し、かつ単調減少区間を持たない価格影響関数を用いて、前記関連対象とされた識別子それぞれの価格影響度を算出する価格影響度算出ステップと、
前記情報選択に係る利用主体識別子について、前記関連対象とされた識別子それぞれの選択指標を、関連度が大きいほど、かつ価格影響度が大きいほど大きな値となる規則に従って算出し、前記関連対象とされた識別子の中から、算出された選択指標の大きな識別子を優先的に選択する情報選択ステップと、
を有することを特徴とする情報選択方法。
【請求項１７】
前記情報選択に係る利用主体識別子に対応するユーザに提供されたアイテムの価格情報に基づく利用価格情報を算出する利用価格情報算出ステップをさらに有し、
前記価格影響度算出ステップは、
前記価格影響関数を、前記情報選択に係る利用主体識別子の利用価格情報に応じて変化させて、前記価格影響度を算出することを特徴とする請求項１６に記載の情報選択方法。
【請求項１８】
前記情報選択に係る利用主体識別子に対して過去に選択した識別子が示すアイテムまたは過去に選択した識別子が示すカテゴリに対応するアイテムが、前記情報選択に係る利用主体識別子に対応するユーザに提供された度合いを示す利用度を算出する利用度算出ステップをさらに有し、
前記価格影響度算出ステップは、
前記価格影響関数を、前記情報選択に係る利用主体識別子の利用度に応じて変化させて、前記価格影響度を算出することを特徴とする請求項１６または１７に記載の情報選択方法。
【請求項１９】
アイテムを識別する識別子またはアイテムごとに定められたカテゴリを識別する識別子と前記識別子に係る価格情報とを対応させた価格情報データと、ユーザまたはユーザが利用する端末装置を識別するための利用主体識別子に対して、関連対象となる複数個のアイテムの識別子または複数個のカテゴリの識別子を、関連性の強さを示す関連度とともに記録した関連度データとを、ネットワークを介して取得するデータ取得ステップと、
情報選択に係る利用主体識別子について、関連対象とされた識別子それぞれの価格情報を、前記価格情報データを参照して取得し、少なくとも一部の区間で単調増加し、かつ単調減少区間を持たない価格影響関数を用いて、前記関連対象とされた識別子それぞれの価格影響度を算出する価格影響度算出ステップと、
前記情報選択に係る利用主体識別子について、前記関連対象とされた識別子それぞれの選択指標を、関連度が大きいほど、かつ前記価格影響度が大きいほど大きな値となる規則に従って算出し、前記関連対象とされた識別子の中から、算出された選択指標の大きな識別子を優先的に選択する情報選択ステップと、
を有することを特徴とする情報選択方法。
【請求項２０】
アイテムを識別する識別子またはアイテムごとに定められたカテゴリを識別する識別子と前記識別子に係る価格情報とを対応させて格納する価格情報格納部、
ユーザまたはユーザが利用する端末装置を識別するための利用主体識別子に対して、関連対象となる複数個のアイテムの識別子または複数個のカテゴリの識別子を、関連性の強さを示す関連度とともに格納する関連集合格納部、
情報選択に係る利用主体識別子について、関連対象とされた識別子それぞれの価格情報を、前記価格情報格納部を参照して取得し、少なくとも一部の区間で単調増加し、かつ単調減少区間を持たない価格影響関数を用いて、前記関連対象とされた識別子それぞれの価格影響度を算出する価格影響度算出部、
前記情報選択に係る利用主体識別子について、前記関連対象とされた識別子それぞれの選択指標を、関連度が大きいほど、かつ価格影響度が大きいほど大きな値となる規則に従って算出し、前記関連対象とされた識別子の中から、算出された選択指標の大きな識別子を優先的に選択する情報選択部、
としてコンピュータを機能させることを特徴とするコンピュータプログラム。
【請求項２１】
前記情報選択に係る利用主体識別子に対応するユーザに提供されたアイテムの価格情報に基づく利用価格情報を算出する利用価格情報算出部としてさらにコンピュータを機能させ、
前記価格影響度算出部は、
前記価格影響関数を、前記情報選択に係る利用主体識別子の利用価格情報に応じて変化させて、前記価格影響度を算出することを特徴とする請求項２０に記載のコンピュータプログラム。
【請求項２２】
前記情報選択に係る利用主体識別子に対して過去に選択した識別子が示すアイテムまたは過去に選択した識別子が示すカテゴリに対応するアイテムが、前記情報選択に係る利用主体識別子に対応するユーザに提供された度合いを示す利用度を算出する利用度算出部としてさらにコンピュータを機能させ、
前記価格影響度算出部は、
前記価格影響関数を、前記情報選択に係る利用主体識別子の利用度に応じて変化させて、前記価格影響度を算出することを特徴とする請求項２０または２１に記載のコンピュータプログラム。
【請求項２３】
アイテムを識別する識別子またはアイテムごとに定められたカテゴリを識別する識別子と前記識別子に係る価格情報とを対応させた価格情報データと、ユーザまたはユーザが利用する端末装置を識別するための利用主体識別子に対して、関連対象となる複数個のアイテムの識別子または複数個のカテゴリの識別子を、関連性の強さを示す関連度とともに記録した関連度データとを、ネットワークを介して取得するデータ取得部、
情報選択に係る利用主体識別子について、関連対象とされた識別子それぞれの価格情報を、前記価格情報データを参照して取得し、少なくとも一部の区間で単調増加し、かつ単調減少区間を持たない価格影響関数を用いて、前記関連対象とされた識別子それぞれの価格影響度を算出する価格影響度算出部、
前記情報選択に係る利用主体識別子について、前記関連対象とされた識別子それぞれの選択指標を、関連度が大きいほど、かつ前記価格影響度が大きいほど大きな値となる規則に従って算出し、前記関連対象とされた識別子の中から、算出された選択指標の大きな識別子を優先的に選択する情報選択部、
としてコンピュータを機能させることを特徴とするコンピュータプログラム。

【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】

【公開番号】特開２０１３−９３００１（Ｐ２０１３−９３００１Ａ）
【公開日】平成２５年５月１６日（２０１３．５．１６）
【国際特許分類】
【出願番号】特願２０１１−２３６３３２（Ｐ２０１１−２３６３３２）
【出願日】平成２３年１０月２７日（２０１１．１０．２７）
【出願人】（３０８０３６４０２）株式会社ＪＶＣケンウッド (1,152)