推奨情報提供方法、推奨情報送信システム、推奨情報送信装置及び記録媒体
【課題】 顧客に適した推奨対象に関する推奨情報を提供する推奨情報提供方法、推奨情報送信システム、推奨情報送信装置及び記録媒体の提供。
【解決手段】 推奨情報送信装置１は、複数の推奨対象及び各推奨対象間の関係に関する推奨対象情報を記憶している。また顧客が推奨対象に係るリンクをクリックするまたは推奨対象を購入する等を行った場合、その行動に関する行動情報を記憶する。そして、これらの推奨対象情報及び行動情報を用いて各推奨対象夫々の推奨度を算出することにより顧客に対して推奨すべき推奨対象を決定し、その決定した推奨対象に係る推奨情報を顧客へ提供する。
【解決手段】 推奨情報送信装置１は、複数の推奨対象及び各推奨対象間の関係に関する推奨対象情報を記憶している。また顧客が推奨対象に係るリンクをクリックするまたは推奨対象を購入する等を行った場合、その行動に関する行動情報を記憶する。そして、これらの推奨対象情報及び行動情報を用いて各推奨対象夫々の推奨度を算出することにより顧客に対して推奨すべき推奨対象を決定し、その決定した推奨対象に係る推奨情報を顧客へ提供する。
【発明の詳細な説明】
【技術分野】
【０００１】
本発明は、推奨対象に関する推奨情報を顧客に対して提供する推奨情報提供方法、その方法を実施するための推奨情報送信システム及び推奨情報送信装置、並びにコンピュータを推奨情報送信装置として機能させる為のコンピュータプログラムが記録されている記録媒体に関する。
【背景技術】
【０００２】
近年のインターネットの急速な普及に伴い、通信ネットワーク上に仮想店舗を設置し、その仮想店舗にて種々の商品の販売を行ういわゆる電子商取引（ＥＣ）の市場が拡大している。このような電子商取引を行っているＷＷＷサイト（以下、ＥＣサイトという）では、顧客満足度の向上を図るべく、アクセスしてきたすべての顧客に対して同一のコンテンツを提供するのではなく、各顧客夫々の趣味・嗜好に応じて異なるコンテンツを提供するサービス（以下、パーソナライズサービスという）を実現している。
【０００３】
このようなパーソナライズサービスを実現するために、従来から、ルールベース技術又は協調フィルタリング技術が採用されてきた。
【０００４】
ルールベース技術とは、種々の知識をルールとして予め定義しておき、アクセスしてきた顧客に適したコンテンツをこのルールに基づいて導出することにより各顧客によって異なるコンテンツを提供する技術である。
【０００５】
また、協調フィルタリング技術とは、多数の顧客のアクセス履歴をデータとして格納しておき、アクセスしてきた顧客のアクセス履歴と類似するアクセス履歴を前記格納しているデータの中から抽出し、その抽出したアクセス履歴に基づいて、アクセスしてきた顧客に適したコンテンツを作成し提供する技術である。
【０００６】
上述したルールベース技術又は協調フィルタリング技術を用いてパーソナライズサービスを実現することにより、アクセスしてきた顧客に応じて適切な商品を推奨することが可能となり、その結果ＥＣサイトにおける売上の向上を図ることができた。
【発明の開示】
【発明が解決しようとする課題】
【０００７】
しかしながら、ルールベース技術の場合、上述したように予めルールを定義しておく必要があり、そのためには知識エンジニアが、豊富な商品知識を有しているエキスパートから種々の知識を引き出し、その引き出した知識に基づいて膨大な数の妥当なルールを構築し管理しなければならない。このような作業が必要であるため、ルールベース技術を用いたパーソナライズサービスを実現するためには相当なコストを要するという問題があった。
【０００８】
また、一度構築したルールを変更するためには新たにルールを作る場合と同様な作業が必要となるため、柔軟性に乏しいという問題があった。
【０００９】
一方、協調フィルタリング技術の場合、上述したように多数の顧客のアクセス履歴がデータとして必要となるため、このようなデータが予め用意されていることが前提である。したがって、新規にＥＣサイトを開設する場合又は新製品を販売する場合等では、データを十分に用意することができないことが多く、そのために協調フィルタリング技術を利用することができないという問題があった。
【００１０】
本発明は斯かる事情に鑑みてなされたものであり、複数の推奨対象及び各推奨対象間の関係に関する推奨対象情報と顧客の行動に関する行動情報とを用いることにより、従来の場合のように膨大な数のルール又はデータを必要とすることなく、適切な推奨情報を顧客に対して提供することができる推奨情報提供方法、その方法を実施するための推奨情報送信システム及び推奨情報送信装置、並びにコンピュータを推奨情報送信装置として機能させる為のコンピュータプログラムが記録されている記録媒体を提供することを目的とする。
【００１１】
また本発明の他の目的は、意味ネットワークを用いて推奨対象情報を表現することにより、推奨対象情報を視覚的に表すことができる推奨情報提供方法及び推奨情報送信システムを提供することにある。
【００１２】
また本発明の他の目的は、行動情報に含まれている属性情報に基づいて定められる重要度を前記行動情報に付与し、この付与された重要度を含めた行動情報及び推奨対象情報に基づいて推奨度を算出することにより、行動情報の属性に応じたより適切な推奨情報を顧客に対して提供することができる推奨情報提供方法及び推奨情報送信システムを提供することにある。
【００１３】
また本発明の他の目的は、行動情報を行動の種別毎に分類することによって行動情報群を作成し、この行動情報群に対して前記種別に基づいて定められる重要度を付与し、この付与された重要度を含めた行動情報及び推奨対象情報に基づいて推奨度を算出することにより、行動情報群の種別に応じたより適切な推奨情報を顧客に対して提供することができる推奨情報提供方法及び推奨情報送信システムを提供することにある。
【００１４】
さらに本発明の他の目的は、推奨情報を顧客に対して提供した後の顧客の行動に基づいて各推奨対象夫々の推奨度を修正することにより、従来のルールーベース技術に比して柔軟性の高い処理を行うことができる推奨情報提供方法及び推奨情報送信システムを提供することにある。
【課題を解決するための手段】
【００１５】
第１発明に係る推奨情報提供方法は、複数の推奨対象の中から選択した特定の推奨対象に関する推奨情報を顧客に対して提供する推奨情報提供方法において、前記複数の推奨対象及び各推奨対象間の関係に関する推奨対象情報を受け付け、顧客の行動に関する行動情報を収集し、前記受け付けた推奨対象情報及び前記収集した行動情報に基づいて各推奨対象夫々の推奨度を算出し、算出した推奨度に基づいて複数の推奨対象から前記推奨情報に係る推奨対象を選択し、選択した推奨対象に関する推奨情報を提供することを特徴とする。
【００１６】
第２発明に係る推奨情報提供方法は、第１発明に係る推奨情報提供方法において、前記推奨対象情報は、意味ネットワークを用いて表現されていることを特徴とする。
【００１７】
第３発明に係る推奨情報提供方法は、第１発明又は第２発明に係る推奨情報提供方法において、前記行動情報には、行動の属性を示す属性情報が含まれており、該属性情報に基づいて定められる重要度が前記行動情報に付与されていることを特徴とする。
【００１８】
第４発明に係る推奨情報提供方法は、第１発明乃至第３発明の何れかに係る推奨情報提供方法において、前記行動情報を行動の種別毎に分類して行動情報群を作成し、前記行動情報群には、前記種別に基づいて定められる重要度が付与されていることを特徴とする。
【００１９】
第５発明に係る推奨情報提供方法は、第１発明乃至第４発明の何れかに係る推奨情報提供方法において、前記選択された推奨対象に関する推奨情報を顧客に対して提供した後の該顧客の行動に基づいて、各推奨対象夫々の推奨度を修正することを特徴とする。
【００２０】
第６発明に係る推奨情報提供方法は、通信ネットワークを介して商品の販売を行う場合に、該販売に係る商品に関する推奨情報を顧客に対して提供する推奨情報提供方法において、複数の商品及び各商品間の関係に関する情報を含む商品情報を受け付けるステップと、商品の問い合わせに関する情報及び商品の購入に関する情報を含む顧客の行動に関する行動情報を前記通信ネットワークを介して収集するステップと、前記受け付けた商品情報及び前記収集した行動情報に基づいて各商品夫々の推奨度を算出するステップと、算出した推奨度に基づいて複数の商品から前記販売に係る商品を選択するステップと、選択した商品に関する推奨情報を前記通信ネットワークを介して顧客に対して提供するステップとを含むことを特徴とする。
【００２１】
第７発明に係る推奨情報送信システムは、端末装置と、該端末装置に接続され、複数の推奨対象の中から選択した特定の推奨対象に関する推奨情報を前記端末装置へ送信すべくなしてある推奨情報送信装置とを備える推奨情報送信システムにおいて、前記端末装置は、前記推奨情報送信装置へアクセスするアクセス手段を備え、前記推奨情報送信装置は、前記複数の推奨対象及び各推奨対象間の関係に関する推奨対象情報を受け付ける受付手段と、前記端末装置によるアクセスがあった場合に、該アクセスに関するアクセス情報を記憶する記憶手段と、前記受付手段によって受け付けられた推奨対象情報及び前記記憶手段によって記憶されているアクセス情報に基づいて、各推奨対象夫々の推奨度を算出する算出手段と、該算出手段によって算出された推奨度に基づいて前記複数の推奨対象から前記推奨情報に係る推奨対象を選択する選択手段と、該選択手段によって選択された推奨対象に関する推奨情報を前記端末装置へ送信する送信手段とを備えることを特徴とする。
【００２２】
第８発明に係る推奨情報送信システムは、第７発明に係る推奨情報送信システムにおいて、前記推奨対象情報は、意味ネットワークを用いて表現されていることを特徴とする。
【００２３】
第９発明に係る推奨情報送信システムは、第７発明又は第８発明に係る推奨情報送信システムにおいて、前記アクセス情報には、行動の属性を示す属性情報が含まれており、該属性情報に基づいて定められる重要度が付与されていることを特徴とする。
【００２４】
第１０発明に係る推奨情報送信システムは、第７発明乃至第９発明の何れかに係る推奨情報送信システムにおいて、前記推奨情報送信装置は更に、前記アクセス情報をアクセスの種別毎に分類してアクセス情報群を作成する作成手段を備え、前記行動情報群には、前記種別に基づいて定められる重要度が付与されていることを特徴とする。
【００２５】
第１１発明に係る推奨情報送信システムは、第７発明乃至第１０発明の何れかに係る推奨情報送信システムにおいて、前記推奨情報送信装置は更に、前記送信手段によって推奨情報を前記端末装置へ送信した後の前記端末装置によるアクセスに関するアクセス情報に基づいて、各推奨対象夫々の推奨度を修正する修正手段を備えることを特徴とする。
【００２６】
第１２発明に係る推奨情報送信システムは、第７発明乃至第１１発明の何れかに係る推奨情報送信システムにおいて、前記送信手段は、前記推奨情報及び動画像を表示するための画像動作プログラムを送信するよう構成してあり、前記端末装置は、前記送信された画像動作プログラムを実行する実行手段と、前記送信された推奨情報及び前記実行手段により実行された動画像を表示する手段とを備えることを特徴とする。
【００２７】
第１３発明に係る推奨情報送信装置は、端末装置に接続され、複数の推奨対象の中から選択した特定の推奨対象に関する推奨情報を前記端末装置へ送信すべくなしてある推奨情報送信装置において、前記複数の推奨対象及び各推奨対象間の関係に関する推奨対象情報を受け付ける受付手段と、前記端末装置によるアクセスがあった場合に、該アクセスに関するアクセス情報を記憶する記憶手段と、前記受付手段によって受け付けられた推奨対象情報及び前記記憶手段によって記憶されているアクセス情報に基づいて、各推奨対象夫々の推奨度を算出する算出手段と、該算出手段によって算出された推奨度に基づいて前記複数の推奨対象から前記推奨情報に係る推奨対象を選択する選択手段と、該選択手段によって選択された推奨対象に関する推奨情報を前記端末装置へ送信する送信手段とを備えるこ
とを特徴とする。
【００２８】
第１４発明に係る記録媒体は、端末装置に接続されたコンピュータに、複数の推奨対象の中から選択した特定の推奨対象に関する推奨情報を前記端末装置へ送信させるプログラムが記録してあるコンピュータでの読み取りが可能な記録媒体において、コンピュータに、前記複数の推奨対象及び各推奨対象間の関係に関する推奨対象情報を受け付けさせるプログラムコード手段と、コンピュータに、前記端末装置によるアクセスがあった場合に、該アクセスに関するアクセス情報を記憶させるプログラムコード手段と、コンピュータに、前記受付させた推奨対象情報及び前記記憶させたアクセス情報に基づいて、各推奨対象夫々の推奨度を算出させるプログラムコード手段と、コンピュータに、前記算出させた推奨度に基づいて前記複数の推奨対象から前記推奨情報に係る推奨対象を選択させるプログラムコード手段と、コンピュータに、前記選択させた推奨対象に関する推奨情報を前記端末装置へ送信させるプログラムコード手段とを有するプログラムが記録してあることを特徴とする。
【００２９】
第１発明、第６発明、第７発明、第１２発明、第１３発明及び第１４発明による場合、複数の推奨対象及び各推奨対象の関係に関する推奨対象情報を受け付け、また顧客の行動に関する行動情報を収集する。次に、この受け付けた推奨対象情報及び収集した行動情報に基づいて、各推奨対象夫々における推奨度を算出し、その算出した推奨度に基づいて顧客に対して提供すべき推奨情報に係る推奨対象を複数の推奨対象から選択する。そして、この選択された推奨対象に関する推奨情報を顧客に対して提供する。
【００３０】
このように、複数の推奨対象及び各推奨対象間の関係に関する推奨対象情報と顧客の行動に関する行動情報とを用いてパーソナライズサービスを実現する。したがって、従来のルールベース技術の場合のようにルールを構築して管理する必要がないため、より安価にパーソナライズサービスを実現することができる。
【００３１】
また、推奨対象情報は、推奨対象の性質に関する知識であるため、その推奨対象に関する販売実績等がない場合においても、そのような知識を有しているエキスパートから引き出すことが可能である。そのため、新規にＥＣサイトを開設する場合又は新製品を販売する場合等であっても、推奨対象情報を事前に用意することが可能であり、このような場合においてもパーソナライズサービスを実現することができる。
また推奨情報は動画のキャラクタ画像と共に、表示することとした。従って顧客はより楽しく推奨情報の提供を受けることができる。
【００３２】
なお、ここで「推奨対象」とは、ＥＣサイトにて販売している商品に限らず、その商品に関連する概念であってもよい。すなわち、例えば商品がＣＤである場合、そのＣＤに係る音楽家及び音楽様式等の概念も「推奨対象」となり得る。
【００３３】
第２発明及び第８発明による場合、推奨対象情報は意味ネットワークを用いて表現されている。ここで意味ネットワークとは、概念をノード（節点）に、２つの概念間の関係をアーク（弧）に夫々対応付けることによって知識をグラフにて構造的に表現する知識表現のモデルである。したがって意味ネットワークを用いる場合、推奨対象をノードに、２つの推奨対象間の関係をアークに夫々対応づけることによって推奨対象情報を表現することができる。このように表現することによって、推奨対象情報を視覚的に表すことができるため、推奨対象情報が意味している内容を容易に把握することが可能になるとともに、推奨対象情報の修正・変更を容易に行うことができる。
【００３４】
また、意味ネットワークを用いた場合、ある推奨対象に関するすべての情報はその推奨対象に対応するノードからアクセスすることができるため、検索処理の効率化を図ることができる。
【００３５】
第３発明及び第９発明による場合、顧客の行動を示す情報には、その行動の属性を示す属性情報が含まれており、その属性情報に基づいて定められる重要度が付与されている。
【００３６】
例えば「顧客があるＣＤに関する情報を参照するためにそのＣＤに係るリンクをクリックした」という顧客の行動に対しては、そのＣＤに関する情報を顧客が参照している参照時間等の属性がある。この場合、この参照時間の長さにより、顧客のそのＣＤに対する関心度を推測することが可能である。したがって、行動の属性である参照時間に基づいて重要度を定め、定められた重要度を各推奨対象夫々の推奨度の算出に用いることによって、顧客に対して適切な推奨対象に係る推奨情報を提供することが可能になる。
【００３７】
第４発明及び第１０発明による場合、顧客の行動を示す情報を行動の種別毎に分類してまとめることによって行動情報群を作成し、この行動情報群夫々に対して、前記種別に基づいて定められる重要度が付与されている。
【００３８】
ＣＤを販売しているＥＣサイトにおいて、顧客の行動には、例えば「ＣＤに係るリンクをクリックした」及び「ＣＤを購入した」等の種別がある。この場合、前者の種別に係る行動は顧客に対してそのＣＤを推奨することの積極的な理由となり得るが、後者の種別に係る行動はそのような積極的な理由とはなり得ない。なぜなら、顧客が同じＣＤを複数枚購入することは稀だからである。したがって、推奨すべき推奨対象を選択する際には顧客の行動の種別に注目する必要がある。そこで、上述したように、行動の種別に基づいて重要度を定め、その定められた重要度を各推奨対象夫々の推奨度の算出に用いることによって、顧客に対して適切な推奨対象に係る推奨情報を提供することが可能になる。
【００３９】
第５発明及び第１１発明による場合、推奨情報を顧客に対して提供した後の顧客の行動に基づいて、各推奨対象夫々の推奨度を修正する。
【００４０】
例えば、「顧客はジャズが好きである」という仮説に基づいて、ジャズのＣＤに関する情報を推奨情報として顧客に対して提供した場合であって、そのＣＤを顧客が購入したときは、前記の仮説が裏付けられたことになるため、ジャズ及びジャズのＣＤに対する推奨度を高める等の修正を行う。これにより、推奨情報を顧客に提供した場合におけるその顧客の反応を、次に推奨情報を提供する際に活用することができる。
【００４１】
なお、上述の例において、提供した推奨情報に係るジャズのＣＤを顧客が一定期間中に購入しなかった場合、前記の仮説の裏付けが得られなかったと判断することができるため、ジャズ及びジャズのＣＤに対する推奨度を低くする等の修正を行うことも可能である。このように、推奨情報に対する顧客の反応がなかったということも顧客の行動であるとして処理をすることができる。
【発明の効果】
【００４２】
請求項１及び請求項６に記載の推奨情報提供方法、並びに請求項７に記載の推奨情報送信システム、請求項１３に記載の推奨情報送信装置及び請求項１４に記載の記録媒体によれば、複数の推奨対象及び各推奨対象間の関係に関する推奨対象情報及び顧客の行動に関する行動情報に基づいて各推奨対象の推奨度を算出することにより顧客に応じた推奨対象を選択することができるため、従来のルールベース技術の場合のようにルールを構築して管理することなく、安価にパーソナライズサービスを実現することができる。
【００４３】
また、推奨対象情報は推奨対象の性質に関する知識であるため、その推奨対象を販売するＷＷＷサイトを新規に開設する場合又は新製品を販売する場合等であっても、推奨対象情報を事前に用意することが可能であり、このような場合においてもパーソナライズサービスを実現することができる。
【００４４】
また、請求項２に記載の推奨情報提供方法及び請求項８に記載の推奨情報送信システムによれば、意味ネットワークを用いて推奨対象情報を表現することによって、推奨対象情報を視覚的に表すことができるため、推奨対象情報が意味している内容を容易に把握することが可能になるとともに、推奨対象情報の修正・変更を容易に行うことができる。
【００４５】
また、請求項３に記載の推奨情報提供方法及び請求項９に記載の推奨情報送信システムによれば、顧客の行動の属性に基づいて重要度を定め、この参照時間に基づいて重要度を定め、定められた重要度を各推奨対象夫々の推奨度の算出に用いることによって、顧客の行動の属性に応じた適切な推奨対象に係る推奨情報を顧客に対して提供することが可能になる。
【００４６】
また、請求項４に記載の推奨情報提供方法及び請求項１０に記載の推奨情報送信システムによれば、顧客の行動を示す情報を行動の種別毎に分類してまとめることによって行動情報群を作成し、この行動情報群夫々に対して、前記種別に基づいて定められる重要度が付与することにより、「推奨対象に係るリンクをクリックした」及び「推奨対象を購入した」等の種別に応じた適切な推奨対象に係る推奨情報を顧客に対して提供することが可能になる。
【００４７】
また、請求項５に記載の推奨情報提供方法及び請求項１１に記載の推奨情報送信システムによれば、推奨情報を顧客に対して提供した後の顧客の行動に基づいて、各推奨対象夫々の推奨度を修正することにより、顧客の反応を次に推奨情報を提供する際に有効に活用することができる。
【００４８】
また、請求項１２に記載の推奨情報提供システムによれば、推奨情報は動画のキャラクタ画像と共に表示されるので、顧客はより楽しく推奨情報の提供を受けることができる等、本発明は優れた効果を奏する。
【発明を実施するための最良の形態】
【００４９】
以下、本発明をその実施の形態を示す図面に基づいて詳述する。
本実施の形態における推奨情報送信システムは、ＣＤを販売するＷＷＷサイトに応用された場合のシステムである。したがって、本実施の形態においては、ＣＤ並びにＣＤに係る音楽家及び音楽様式等が推奨対象となる。
【００５０】
図１は本発明の推奨情報送信システムの構成を示すブロック図である。図１において、１は特定の推奨対象に係る推奨情報を送信する推奨情報送信装置を示している。推奨情報送信装置１はインターネット等の通信ネットワーク１００と接続されており、通信ネットワーク１００を介してＣＤの販売を行うＷＷＷサイトを運営している。
【００５１】
また、２，２…は、パーソナルコンピュータ，ＰＤＡ（Personal Digital Assistants ）及び携帯電話等である端末装置を示しており、各端末装置２，２…は同じく通信ネットワーク１００に接続されている。これらの端末装置２，２…は、ＷＷＷブラウジング機能を有しており、これにより推奨情報送信装置１によって運営されているＷＷＷサイトから受信する各種の情報の閲覧を行うことができる。
端末装置２のＣＰＵ(Central Processing Unit) ２１にはバス２４を介して、液晶ディスプレイ等の表示部２２，及びＲＡＭ２３が接続されている。ＣＰＵ２１は表示部２２に、推奨情報送信装置１から送信される推奨情報を表示する。また推奨情報送信装置１には動画像を表示するための画像動作プログラムが記憶されている。画像動作プログラムは、推奨情報と共に端末装置２へ送信される。ＣＰＵ２１は送信された画像動作プログラムをＲＡＭ２３にロードして実行する。これにより動画のキャラクタ画像が推奨情報と共に表示される。
【００５２】
図１に示すとおり、推奨情報送信装置１は、ＣＰＵ１１を有しており、該ＣＰＵ１１は以下のハードウェア各部と接続されていて、それらを制御すると共に、ハードディスク１４に格納されている種々のコンピュータプログラムを実行する。
【００５３】
ＲＡＭ１２は、例えばＳＲＡＭ等で構成され、コンピュータプログラムの実行時に発生する一時的なデータを記憶する。
【００５４】
外部記憶装置１３は、本発明の推奨情報送信装置１の動作に必要なコンピュータプログラムが記録されているＣＤ−ＲＯＭ又はフレキシブルディスク等の可搬型記録媒体２００から前記コンピュータプログラムを読み取るＣＤ−ＲＯＭドライブ又はフレキシブルディスクドライブ等から構成される。
【００５５】
ハードディスク１４は、例えばＤＲＡＭ等で構成され、外部記憶装置１３により読み取った前記コンピュータプログラム及び各種のデータを格納している。この格納されているデータには、複数の推奨対象及び各推奨対象間の関係に関する後述する推奨対象情報が含まれる。
【００５６】
通信インタフェース１５は、通信ネットワーク１００と接続するためのインタフェースであり、例えば、アナログ回線を介して通信ネットワーク１００と接続する場合はモデムで構成され、ベースバンド伝送方式のデジタル回線を介して通信ネットワーク１００と接続する場合はＤＳＵ（Digital Service Unit）で構成される。
【００５７】
本発明の推奨情報送信装置１のコンピュータプログラムは可搬型記録媒体２００から読み取る以外にも、通信ネットワーク１００を介して外部サーバコンピュータ３に接続し、外部サーバコンピュータ３に内蔵された前記コンピュータプログラムを記録してある記録媒体３１から推奨情報送信装置１へ前記コンピュータプログラムをダウンロードすることが可能である。そしてこのダウンロードしたコンピュータプログラムをハードディスク１４に格納し、格納したコンピュータプログラムをＣＰＵ１１がＲＡＭ１２にロードすることによって、推奨情報送信装置１は後述する処理を実行することができる。
【００５８】
次に上述した推奨対象情報について、図２に示す推奨対象情報の概念図を用いて説明する。図２に示すとおり、推奨対象情報は意味ネットワークを用いて表現されている。図２において、各ノード間を結んでいるアークは（ａ），（ｂ），（ｃ），（ｄ）又は（ｅ）の何れかの関係を意味していることが示されている。例えば、“ＣＤ１”と“音楽家Ａ”との間には（ａ）「によって作成された」という関係があることが示されている。この関係は、「ＣＤ１は音楽家Ａによって作成された」という知識を表現している。また同様にして、“ＣＤ１”と“ジャズ”との間には（ｂ）「音楽様式である」という関係があることが示されており、これにより「ＣＤ１はジャズの音楽様式である」という知識が表現されている
。
【００５９】
図２に示すとおり、各アークは方向性を有しており、その方向は矢印にて示されている。このように方向性を持つアークのみから構成されるグラフはＤＡＧ（Directed Acyclic Graph）と呼ばれる。ＤＡＧにおいては、すべてのノードが夫々同一のノードに戻るためのパスがないことが保証されている。
【００６０】
上述した推奨対象情報は、知識エンジニアが、豊富な商品知識を有しているエキスパート（例えばＣＤ販売店の販売員等）からその商品知識を引き出した後に手作業にて作成され、推奨情報送信装置１に対して入力される。
【００６１】
なお、本実施の形態では推奨情報送信装置１がＣＤを販売するＷＷＷサイトを運営しているが、ＣＤ以外の商品、例えば本、食品又は洋服等のその他の商品であってもよいことは勿論である。また物販に限らず種々のサービスを提供する場合にも用いることが可能である。例えば、電話センター又はヘルプデスクにおいてオペレータに対して適切なアドバイスを提供したり、各学習者夫々に対して適切な学習指導を行うこと等が可能である。
【００６２】
次に本発明の推奨情報送信システムの動作について説明する。
顧客は、端末装置２，２…を用いて推奨情報送信装置１が運営しているＷＷＷサイトへアクセスし、そのＷＷＷサイトにて販売されているＣＤに関する情報を参照するためにＣＤに係るリンクをクリックすることによりそのＣＤに関する情報を表示させたり、そのＣＤを購入したりする。
【００６３】
上述したようなクリック及びＣＤの購入等のイベントは顧客の行動を示している。推奨情報送信装置１は、このようなイベントを顧客から受け付けることによって顧客の行動を示す行動情報を収集し、ハードディスク１４に格納する。
【００６４】
図３は、行動情報の例を示す概念図である。図３に示すとおり、行動情報にはＩＤフィールド、顧客フィールド、ノードフィールド、種別フィールド、日時フィールド及び重要度フィールドの各フィールドが用意されている。
【００６５】
ここでＩＤフィールドには顧客の行動を示すイベントを識別するための識別子（以下、イベントＩＤという）が、顧客フィールドにはそのイベントの主体である顧客を識別するための識別子が、ノードフィールドにはそのイベントに係る推奨対象を示すノードが夫々格納される。
【００６６】
また、種別フィールドにはそのイベントの種別が、日時フィールドにはそのイベントが発生した日時が、重要度フィールドにはそのイベントに対して定められた重要度が夫々格納される。
【００６７】
図３に示す例では、例えば「１９９８年１０月１７日の８時５２分に顧客１がＣＤ１を購入した」というイベントを受け付けた場合の行動情報が示されており、このイベントのイベントＩＤは“１”であり、またこのイベントに対しては重要度として“２，０００”が付与されていることが示されている。同様にして「１９９８年１０月１７日９時１分に顧客２がＣＤ２に係るリンクをクリックした」というイベントを受け付けた場合の行動情報が示されており、このイベントのイベントＩＤが“２”であり、さらにこのイベントに対しては重要度として“１．０”が付与されていることが示されている。
【００６８】
なお、ここで重要度フィールドに格納されている重要度の値は、種別フィールドに“購入”が格納されている場合は、その購入したＣＤの金額を示す値であり、種別フィールドに“クリック”が格納されている場合は、そのＣＤに係るリンクがクリックされて、そのリンクに係るページが顧客によって参照されている時間を示す値である。
【００６９】
推奨情報送信装置１は、種別フィールドに格納されている値によって、行動情報の分類処理を行う。すなわち、例えば種別フィールドの値が“購入”である行動情報と、“クリック”である行動情報との分類を行う。ここで分類された行動情報の集合のことを、以下ではイベントストリーム（請求項４における行動情報群）と呼ぶ。
【００７０】
図３に示すような行動情報を格納している推奨情報送信装置１は、以下に示す処理を行うことにより各推奨対象の推奨度の算出を行う。この推奨度を算出する場合、推奨情報送信装置１は、推奨対象情報を構成する各ノードにおけるエビデンス値の算出処理を行う。ここでエビデンスとは、ある仮説（例えば「顧客はジャズが好きである」等）に対して証拠となりうるイベント（例えば「顧客がジャズのＣＤに係るリンクをクリックした」又は「顧客がジャズのＣＤを購入した」等）のことであり、エビデンス値とはこのようなエビデンスを数値化した場合の値のことである。以下の説明において、エビデンス値をＥn,s と表す。ここで、ｎはノードを識別する識別子を、ｓはイベントストリームを識別する識別子を夫々示している。
【００７１】
図４は、エビデンス値を更新する場合の本発明の推奨情報送信装置１の処理手順を示すフローチャートである。なお、推奨対象情報を構成する各ノードにおけるエビデンス値には、デフォルト値として０が設定されている。
顧客からイベントを受け付けた場合、推奨情報送信装置１は、受け付けたイベントに係るノードｎを決定する（Ｓ１０１）。ここでイベントに係るノードとは、そのイベントの直接の対象となるノードのことであり、行動情報におけるノードフィールドに格納されている値である。例えば、イベントが「１９９８年１０月１７日の８時５２分に顧客１がＣＤ１を購入した」である場合、“ＣＤ１”に対応するノードがイベントに係るノードとなる。
【００７２】
次にノードｎにおけるＥn,s を後述する式を用いて算出することによりＥn,s の更新を行う（Ｓ１０２）。そしてノードｎにおいてイベントストリームｓ中のｉ番目のイベントについてＥn,s の算出が既に行われたことを示す変数Ｕn,s の値にｉを設定する（Ｓ１０３）。
【００７３】
次に現在の処理の対象であるノードの親ノードをノードｎに設定し（Ｓ１０４）、そのノードｎにおけるＵn,s の値がｉであるか否かを判定する（Ｓ１０５）。ここでＵn,s の値がｉではないと判定した場合（Ｓ１０５でＮＯ）、ステップＳ１０２に戻り処理を繰り返す。一方、ノードｎのＵn,s の値がｉであると判定した場合（Ｓ１０５でＹＥＳ）、そのノードｎにおいてイベントストリームｓ中のｉ番目のイベントについてＥn,s の更新処理が既に行われたものと判断し、処理を終了する。
【００７４】
上述した処理により、ステップＳ１０１にてイベントに係るノードと決定されたノードから到達できるすべてのノードにおけるエビデンス値が順次的に更新される。
【００７５】
次にエビデンス値を算出するために用いるいくつかの式について説明する。第１の式は、Ｅn,s ＝Ｅ’n,s ＋ｅs,i （式（１））である。ここでＥ’n,s は、エビデンス値を更新する前のノードｎにおけるエビデンス値を表しており、ｅs,i は、イベントストリームｓにおけるｉ番目のイベントの重要度（重要度フィールドに格納されている値）を表している。
【００７６】
第２の式は、Ｅn,s ＝ｆ（Ｅ’n,s ，ｅs,i ，ｔn ）（式（２））である。ここでｔn は、ノードｎにおいてエビデンス値が前回更新された時点から経過した経過時間、又は同じく更新されてから実行された処理サイクル数等を示している。なお、この処理サイクル数はｉ−Ｕn,s により算出することができる。
【００７７】
上述した式（１）及び（２）では、イベントの重要度を反映したエビデンス値を算出することが可能であるが、時間的に新しいイベントと古いイベントとの差異を反映させることはできない。顧客の趣味・嗜好は時間とともに変化する場合が多く、その場合では最近受け付けたイベントと以前に受け付けたイベントとを区別して扱う必要がある。このような区別を行うために、後述する式（３）及び（４）を採用する。
【００７８】
第３の式は、Ｅn,s ＝（１−αs ）ｅs,i ＋αs Ｅ’n,s （式（３））である。ここで、αs はイベントストリームｓにおける最新のイベントとそのイベントよりも以前のイベントとの重要度の差異の取り扱いを制御するためのパラメータである。また第４の式は、Ｅn,s ＝（１−αs ）ｅs,i ＋power （αs ，i-Ｕn,s ）Ｅ’n,s （式（４））である。ここでpower は累乗を計算するための関数を表している。
【００７９】
推奨情報送信装置１が顧客からイベントを受け付けた場合に、推奨対象情報を構成する全てのノードにおけるエビデンス値が更新されるときは式（３）を用い、一方いくつかのノードにおけるエビデンス値が更新されないときは式（４）を用いる。
【００８０】
図３中のイベントＩＤが“３”及び“４”である２つのイベントを推奨情報送信装置１が受け付けた場合のエビデンス値の算出結果を表１に示す。なお、ここでは、上述した式（４）を用いてエビデンス値を算出しており、パラメータαs の値は０．５に設定されている。
【００８１】
【表１】
【００８２】
以上のようにして各ノードにおいて更新されたエビデンス値に基づいて、後述する方法により推奨対象の推奨度を決定することができる。推奨度を決定する方法としては、（１）エビデンス値自体を推奨度とする方法、（２）仮説を推奨度とする方法、及び（３）複数のイベントストリームを用いる方法等がある。以下、これらの方法について夫々説明する。
【００８３】
（１）エビデンス値自体を推奨度とする方法
上述したエビデンス値の算出処理を繰り返し実行することにより、各ノードにおけるエビデンス値を更新し、その更新されたエビデンス値に基づいて各ノードを降順に並べ替えた後、フィルタリング基準（例えば、ベスト１００ＣＤ又はある顧客向けに設定されたトップ１０の音楽家等）が設定されている場合はその基準を満足するノードを、一方フィルタリング基準が設定されていない場合は最も高い推奨度に係るノードを選択する。そしてこの選択したノードに対応する推奨対象を顧客に提供すべき推奨情報に係る推奨対象とする。すなわち、この場合はエビデンス値そのものが推奨度となる。
【００８４】
なお、この処理において、分岐限定法（branch and bound）等の探索法を用いることにより、各ノードに対する探索処理をより効率的に行うことが可能である。
【００８５】
（２）仮説を推奨度とする方法
推奨情報送信装置１は、推奨対象情報を構成する複数のノードの中から推奨すべき推奨対象に対応するノードを見つけるために、上述したようにして算出されたエビデンス値のソースが子ノードであるのか又は親ノードであるのかを判別する。ここでエビデンス値のソースとは、そのエビデンス値の算出の際に最も影響を与えたノードのことである。
【００８６】
上述した判別を行うために、ノードｎ０がエビデンス値Ｅn0,sのソースであり、その親ノードＮがそのソースではないことを示す仮説Ｈn0,s,Nを後述する手順にしたがって算出する。この仮説Ｈn0,s,Nは０乃至１の値をとる。
【００８７】
このＨn0,s,Nを算出するために、２つの異なるノードにおけるＥn,s ／Ｏn,s （以下、エビデンス率という）の比較処理を実行する。ここでＯn,s とは、ノードｎにおいてストリームｓに係る種別のイベントが起こり得る機会の総数を表しており、例えば種別が“購入”の場合、ノードｎに対応する推奨対象を購入するために用いられる画面情報を顧客に対して提供した回数の総数等が上述した機会の総数となる。
【００８８】
２つの異なるノードにおけるエビデンス率の比較処理を行う場合、推奨情報送信装置１は、標準正規分布にしたがう確率変数ｚを公知の式を用いて算出し、その算出した確率変数ｚの値に基づいて累積正規分布の表を参照することにより０乃至１の値を得る。
【００８９】
上述した手順にしたがって、推奨情報送信装置１は、ノードｎ０におけるエビデンス率が、ノードｎ０と同じ親ノードＮを親ノードとして有しているノード（以下、兄弟ノードという）におけるエビデンス率よりも大きいか否かを判定し、大きい場合は、Ｈn0,s,Nが成立する、すなわちノードｎ０がエビデンス値Ｅn0,sのソースであると判断することができる。また両者の値が略同じである場合は、ノードｎ０の親ノードＮ（又はそれよりも上位のノード）がエビデンス値Ｅn0,sのソースであると判断する。
【００９０】
例えば、図５に示すように、ノードｎ０におけるエビデンス率が70/80 であり、その親ノードＮにおけるエビデンス率が80/100である場合、ノードｎ０の兄弟ノードであるノードｎ１〜ｎｚのエビデンス率は10/20 となる。この場合、上述した確率変数ｚの値は公知の式により3.75と算出され、この値に基づいて累積正規分布の表を参照することによりＨn0,s,N＝ 99.9912％が得られる。この結果はノードｎ０がエビデンス値のソースであることを裏付けている。
【００９１】
ところで、上述したような統計的手法を用いる場合はデータ数が十分に存在している必要があり、十分ではないときはそのような手法を用いることは適当ではない。そこで、そのようにデータ数が十分ではないときは、ポアソン分布にしたがって顧客からイベントを受け付けたとして、後述する式（５）を用いて確率変数ｚの値を算出する。
【００９２】
【数１】
【００９３】
ここでsqrtは平方根を計算するための関数である。上述したように、兄弟ノードｎ１〜ｎｚのエビデンス値は親ノードＮのエビデンス値からノードｎ０のエビデンス値を減ずることによって算出することができるため、式（５）はｚn0,s,N＝（Ｅn0,s−（ＥN,s −Ｅn0,s））／sqrt（Ｅn0,s＋（ＥN,s −Ｅn0,s））（式（６））と変形することができる。
【００９４】
推奨情報送信装置１は、推奨対象情報における子ノードｎ０と親ノードＮとのすべての組に対して、ｚn0,s,N及びＨn0,s,Nを算出する。表１に示したエビデンス値の算出例を用いて、ｚn0,s,NとＨn0,s,Nを算出した結果を表２に示す。
【００９５】
【表２】
【００９６】
ところで、各ノードは複数の親ノードを有している場合があるため、表２において、同一のノードがノードｎ０となっている行が複数存在している。そこで推奨情報送信装置１は、後述する手順にしたがって親ノードＮを特定しない仮説Ｈn,S を算出する。
【００９７】
まず、ルートノードがノードｎ０である場合のＨn0,sを1.0 とする。そしてルートノードの子ノードがノードｎ０である場合のＨn0,s,Nに上述した1.0 を乗じることによりそれらの子ノードにおけるＨn0,sを算出する。以下この処理を繰り返すことによって各ノードにおけるＨn0,sを算出する。
【００９８】
また、ある子ノードｎ０が複数の親ノードＮ，Ｎ…を有している場合は、各親ノードＮ，Ｎ…に対するＨn0,s,N夫々を用いて算出されたＨn0,sを加算することによってその子ノードｎ０におけるＨn0,sを算出する。このようにして得られたＨn0,sに基づいて各ノードを降順に並べ替えた後、上述したようにフィルタリング基準が設定されている場合はその基準を満足するノードを、一方フィルタリング基準が設定されていない場合は最も高い推奨度に係るノード選択し、選択したノードに対応する推奨対象を顧客に提供すべき推奨情報に係る推奨対象とする。
【００９９】
表２に示した算出例を用いて、各ノードにおけるＨn0,s,Nを算出した結果を表３に示す。
【０１００】
【表３】
【０１０１】
（３）複数のイベントストリームを用いる方法
上述した（１）及び（２）の方法においては、各イベントストリーム毎に推奨度を算出している。３番目の方法は、複数のイベントストリームを用いて推奨度を算出する方法である。
【０１０２】
この方法においては、Ｈn ＝Θs1Ｈn,s1＋Θs2Ｈn,s2＋…＋ΘsiＨn,si（式（７））を用いてノードｎにおける推奨度である仮説Ｈn を算出する。ここでΘsiは複数のイベントストリームｓｉ（ｉは自然数）を組み合わせる際に用いられる重み付け係数である。このΘsiの値は、推奨対象の性質により種々の値が使用される。例えば推奨対象がＣＤである場合、顧客があるＣＤを購入した後に同一のＣＤを購入することは稀である。一方、例えば推奨対象が魚釣り用のルアーである場合、顧客があるルアーを購入した後に同一のルアーを購入する可能性は高いものと考えることができる。したがって、例えばイベントストリームｓ１に係る種別が“購入”である場合、ＣＤに対応するノードｎにおけるＨn,s1に対するΘs1の値は、ルアーに対応するノードｎにおけるＨn,s1に対するΘs1の値に比し、より低い値となる。なお、Θsiの値は、各ノードに応じて、又は各顧客に応じて異なる値であってもよく、すべて同一の値であってもよい。また、Ｈn,siは上述したＨn0,sを算出する場合と同様にして算出する。
【０１０３】
このようにして得られた仮説Ｈn に基づいて各ノードを降順に並べ替えた後、上述したようにフィルタリング基準が設定されている場合はその基準を満足するノードを、一方フィルタリング基準が設定されていない場合は最も高い推奨度に係るノード選択し、選択したノードに対応する推奨対象を顧客に提供すべき推奨情報に係る推奨対象とする。
【０１０４】
推奨情報送信装置１は、顧客からイベントを受け付ける都度、上述した３つの方法の何れかの方法に基づいて算出された推奨度を用いて推奨対象を特定し、その特定した推奨対象に関する推奨情報を顧客が操作する端末装置２，２…に対して送信する。
【０１０５】
このような処理を繰り返すことによって、推奨情報送信装置１は顧客にとってより適切な推奨対象に関する推奨情報を送信するようになる。これは推奨情報送信装置１が学習していることに相当する。
【０１０６】
また、推奨情報送信装置１は、上述した内容とは異なる学習を行うことができる。そのために推奨情報送信装置１は、推奨情報を顧客へ提供した後にその推奨情報に対する反応があった場合、すなわち例えばその推奨情報に係る推奨対象が顧客によって購入された場合、その購入を示すイベントの種別を“反応”として推奨度の算出に利用する。この場合このイベントの重要度を、種別が“購入”であるイベントの重要度に比して高い値に設定することにより、顧客の反応を重視した推奨度を算出することができる。
【０１０７】
また、一定時間顧客からの反応がない場合も同様にして、種別が“反応”であるイベントを受け付けたと判断し、このイベントの重要度を、上述したような実際に反応があった場合のその反応を示すイベントの重要度に比して低い値に設定する。または、種別が“無反応”であるイベントを受け付けたと判断し、種別が“無反応”であるイベントストリームに係るΘ係数の値を、他のイベントストリームに係るΘ係数の値に比して低くする。これにより、顧客から反応がない場合に応じた推奨度を算出することができる。
【０１０８】
なお、このような学習は、例えば公知の技術であるアニーリング、山登り法（hill-climbing ）、遺伝アルゴリズム又はニューラル・ネットワーク等を用いて実行することが可能である。
【図面の簡単な説明】
【０１０９】
【図１】本発明の推奨情報送信システムの構成を示すブロック図である。
【図２】推奨対象情報の例を示す概念図である。
【図３】行動情報の例を示す概念図である。
【図４】エビデンス値を更新する場合の本発明の推奨情報送信装置の処理手順を示すフローチャートである。
【図５】推奨度を説明するための説明図である。
【符号の説明】
【０１１０】
１ 推奨情報送信装置
２ 端末装置
３ 外部サーバコンピュータ
１００ 通信ネットワーク
２００ 可搬型記録媒体
【技術分野】
【０００１】
本発明は、推奨対象に関する推奨情報を顧客に対して提供する推奨情報提供方法、その方法を実施するための推奨情報送信システム及び推奨情報送信装置、並びにコンピュータを推奨情報送信装置として機能させる為のコンピュータプログラムが記録されている記録媒体に関する。
【背景技術】
【０００２】
近年のインターネットの急速な普及に伴い、通信ネットワーク上に仮想店舗を設置し、その仮想店舗にて種々の商品の販売を行ういわゆる電子商取引（ＥＣ）の市場が拡大している。このような電子商取引を行っているＷＷＷサイト（以下、ＥＣサイトという）では、顧客満足度の向上を図るべく、アクセスしてきたすべての顧客に対して同一のコンテンツを提供するのではなく、各顧客夫々の趣味・嗜好に応じて異なるコンテンツを提供するサービス（以下、パーソナライズサービスという）を実現している。
【０００３】
このようなパーソナライズサービスを実現するために、従来から、ルールベース技術又は協調フィルタリング技術が採用されてきた。
【０００４】
ルールベース技術とは、種々の知識をルールとして予め定義しておき、アクセスしてきた顧客に適したコンテンツをこのルールに基づいて導出することにより各顧客によって異なるコンテンツを提供する技術である。
【０００５】
また、協調フィルタリング技術とは、多数の顧客のアクセス履歴をデータとして格納しておき、アクセスしてきた顧客のアクセス履歴と類似するアクセス履歴を前記格納しているデータの中から抽出し、その抽出したアクセス履歴に基づいて、アクセスしてきた顧客に適したコンテンツを作成し提供する技術である。
【０００６】
上述したルールベース技術又は協調フィルタリング技術を用いてパーソナライズサービスを実現することにより、アクセスしてきた顧客に応じて適切な商品を推奨することが可能となり、その結果ＥＣサイトにおける売上の向上を図ることができた。
【発明の開示】
【発明が解決しようとする課題】
【０００７】
しかしながら、ルールベース技術の場合、上述したように予めルールを定義しておく必要があり、そのためには知識エンジニアが、豊富な商品知識を有しているエキスパートから種々の知識を引き出し、その引き出した知識に基づいて膨大な数の妥当なルールを構築し管理しなければならない。このような作業が必要であるため、ルールベース技術を用いたパーソナライズサービスを実現するためには相当なコストを要するという問題があった。
【０００８】
また、一度構築したルールを変更するためには新たにルールを作る場合と同様な作業が必要となるため、柔軟性に乏しいという問題があった。
【０００９】
一方、協調フィルタリング技術の場合、上述したように多数の顧客のアクセス履歴がデータとして必要となるため、このようなデータが予め用意されていることが前提である。したがって、新規にＥＣサイトを開設する場合又は新製品を販売する場合等では、データを十分に用意することができないことが多く、そのために協調フィルタリング技術を利用することができないという問題があった。
【００１０】
本発明は斯かる事情に鑑みてなされたものであり、複数の推奨対象及び各推奨対象間の関係に関する推奨対象情報と顧客の行動に関する行動情報とを用いることにより、従来の場合のように膨大な数のルール又はデータを必要とすることなく、適切な推奨情報を顧客に対して提供することができる推奨情報提供方法、その方法を実施するための推奨情報送信システム及び推奨情報送信装置、並びにコンピュータを推奨情報送信装置として機能させる為のコンピュータプログラムが記録されている記録媒体を提供することを目的とする。
【００１１】
また本発明の他の目的は、意味ネットワークを用いて推奨対象情報を表現することにより、推奨対象情報を視覚的に表すことができる推奨情報提供方法及び推奨情報送信システムを提供することにある。
【００１２】
また本発明の他の目的は、行動情報に含まれている属性情報に基づいて定められる重要度を前記行動情報に付与し、この付与された重要度を含めた行動情報及び推奨対象情報に基づいて推奨度を算出することにより、行動情報の属性に応じたより適切な推奨情報を顧客に対して提供することができる推奨情報提供方法及び推奨情報送信システムを提供することにある。
【００１３】
また本発明の他の目的は、行動情報を行動の種別毎に分類することによって行動情報群を作成し、この行動情報群に対して前記種別に基づいて定められる重要度を付与し、この付与された重要度を含めた行動情報及び推奨対象情報に基づいて推奨度を算出することにより、行動情報群の種別に応じたより適切な推奨情報を顧客に対して提供することができる推奨情報提供方法及び推奨情報送信システムを提供することにある。
【００１４】
さらに本発明の他の目的は、推奨情報を顧客に対して提供した後の顧客の行動に基づいて各推奨対象夫々の推奨度を修正することにより、従来のルールーベース技術に比して柔軟性の高い処理を行うことができる推奨情報提供方法及び推奨情報送信システムを提供することにある。
【課題を解決するための手段】
【００１５】
第１発明に係る推奨情報提供方法は、複数の推奨対象の中から選択した特定の推奨対象に関する推奨情報を顧客に対して提供する推奨情報提供方法において、前記複数の推奨対象及び各推奨対象間の関係に関する推奨対象情報を受け付け、顧客の行動に関する行動情報を収集し、前記受け付けた推奨対象情報及び前記収集した行動情報に基づいて各推奨対象夫々の推奨度を算出し、算出した推奨度に基づいて複数の推奨対象から前記推奨情報に係る推奨対象を選択し、選択した推奨対象に関する推奨情報を提供することを特徴とする。
【００１６】
第２発明に係る推奨情報提供方法は、第１発明に係る推奨情報提供方法において、前記推奨対象情報は、意味ネットワークを用いて表現されていることを特徴とする。
【００１７】
第３発明に係る推奨情報提供方法は、第１発明又は第２発明に係る推奨情報提供方法において、前記行動情報には、行動の属性を示す属性情報が含まれており、該属性情報に基づいて定められる重要度が前記行動情報に付与されていることを特徴とする。
【００１８】
第４発明に係る推奨情報提供方法は、第１発明乃至第３発明の何れかに係る推奨情報提供方法において、前記行動情報を行動の種別毎に分類して行動情報群を作成し、前記行動情報群には、前記種別に基づいて定められる重要度が付与されていることを特徴とする。
【００１９】
第５発明に係る推奨情報提供方法は、第１発明乃至第４発明の何れかに係る推奨情報提供方法において、前記選択された推奨対象に関する推奨情報を顧客に対して提供した後の該顧客の行動に基づいて、各推奨対象夫々の推奨度を修正することを特徴とする。
【００２０】
第６発明に係る推奨情報提供方法は、通信ネットワークを介して商品の販売を行う場合に、該販売に係る商品に関する推奨情報を顧客に対して提供する推奨情報提供方法において、複数の商品及び各商品間の関係に関する情報を含む商品情報を受け付けるステップと、商品の問い合わせに関する情報及び商品の購入に関する情報を含む顧客の行動に関する行動情報を前記通信ネットワークを介して収集するステップと、前記受け付けた商品情報及び前記収集した行動情報に基づいて各商品夫々の推奨度を算出するステップと、算出した推奨度に基づいて複数の商品から前記販売に係る商品を選択するステップと、選択した商品に関する推奨情報を前記通信ネットワークを介して顧客に対して提供するステップとを含むことを特徴とする。
【００２１】
第７発明に係る推奨情報送信システムは、端末装置と、該端末装置に接続され、複数の推奨対象の中から選択した特定の推奨対象に関する推奨情報を前記端末装置へ送信すべくなしてある推奨情報送信装置とを備える推奨情報送信システムにおいて、前記端末装置は、前記推奨情報送信装置へアクセスするアクセス手段を備え、前記推奨情報送信装置は、前記複数の推奨対象及び各推奨対象間の関係に関する推奨対象情報を受け付ける受付手段と、前記端末装置によるアクセスがあった場合に、該アクセスに関するアクセス情報を記憶する記憶手段と、前記受付手段によって受け付けられた推奨対象情報及び前記記憶手段によって記憶されているアクセス情報に基づいて、各推奨対象夫々の推奨度を算出する算出手段と、該算出手段によって算出された推奨度に基づいて前記複数の推奨対象から前記推奨情報に係る推奨対象を選択する選択手段と、該選択手段によって選択された推奨対象に関する推奨情報を前記端末装置へ送信する送信手段とを備えることを特徴とする。
【００２２】
第８発明に係る推奨情報送信システムは、第７発明に係る推奨情報送信システムにおいて、前記推奨対象情報は、意味ネットワークを用いて表現されていることを特徴とする。
【００２３】
第９発明に係る推奨情報送信システムは、第７発明又は第８発明に係る推奨情報送信システムにおいて、前記アクセス情報には、行動の属性を示す属性情報が含まれており、該属性情報に基づいて定められる重要度が付与されていることを特徴とする。
【００２４】
第１０発明に係る推奨情報送信システムは、第７発明乃至第９発明の何れかに係る推奨情報送信システムにおいて、前記推奨情報送信装置は更に、前記アクセス情報をアクセスの種別毎に分類してアクセス情報群を作成する作成手段を備え、前記行動情報群には、前記種別に基づいて定められる重要度が付与されていることを特徴とする。
【００２５】
第１１発明に係る推奨情報送信システムは、第７発明乃至第１０発明の何れかに係る推奨情報送信システムにおいて、前記推奨情報送信装置は更に、前記送信手段によって推奨情報を前記端末装置へ送信した後の前記端末装置によるアクセスに関するアクセス情報に基づいて、各推奨対象夫々の推奨度を修正する修正手段を備えることを特徴とする。
【００２６】
第１２発明に係る推奨情報送信システムは、第７発明乃至第１１発明の何れかに係る推奨情報送信システムにおいて、前記送信手段は、前記推奨情報及び動画像を表示するための画像動作プログラムを送信するよう構成してあり、前記端末装置は、前記送信された画像動作プログラムを実行する実行手段と、前記送信された推奨情報及び前記実行手段により実行された動画像を表示する手段とを備えることを特徴とする。
【００２７】
第１３発明に係る推奨情報送信装置は、端末装置に接続され、複数の推奨対象の中から選択した特定の推奨対象に関する推奨情報を前記端末装置へ送信すべくなしてある推奨情報送信装置において、前記複数の推奨対象及び各推奨対象間の関係に関する推奨対象情報を受け付ける受付手段と、前記端末装置によるアクセスがあった場合に、該アクセスに関するアクセス情報を記憶する記憶手段と、前記受付手段によって受け付けられた推奨対象情報及び前記記憶手段によって記憶されているアクセス情報に基づいて、各推奨対象夫々の推奨度を算出する算出手段と、該算出手段によって算出された推奨度に基づいて前記複数の推奨対象から前記推奨情報に係る推奨対象を選択する選択手段と、該選択手段によって選択された推奨対象に関する推奨情報を前記端末装置へ送信する送信手段とを備えるこ
とを特徴とする。
【００２８】
第１４発明に係る記録媒体は、端末装置に接続されたコンピュータに、複数の推奨対象の中から選択した特定の推奨対象に関する推奨情報を前記端末装置へ送信させるプログラムが記録してあるコンピュータでの読み取りが可能な記録媒体において、コンピュータに、前記複数の推奨対象及び各推奨対象間の関係に関する推奨対象情報を受け付けさせるプログラムコード手段と、コンピュータに、前記端末装置によるアクセスがあった場合に、該アクセスに関するアクセス情報を記憶させるプログラムコード手段と、コンピュータに、前記受付させた推奨対象情報及び前記記憶させたアクセス情報に基づいて、各推奨対象夫々の推奨度を算出させるプログラムコード手段と、コンピュータに、前記算出させた推奨度に基づいて前記複数の推奨対象から前記推奨情報に係る推奨対象を選択させるプログラムコード手段と、コンピュータに、前記選択させた推奨対象に関する推奨情報を前記端末装置へ送信させるプログラムコード手段とを有するプログラムが記録してあることを特徴とする。
【００２９】
第１発明、第６発明、第７発明、第１２発明、第１３発明及び第１４発明による場合、複数の推奨対象及び各推奨対象の関係に関する推奨対象情報を受け付け、また顧客の行動に関する行動情報を収集する。次に、この受け付けた推奨対象情報及び収集した行動情報に基づいて、各推奨対象夫々における推奨度を算出し、その算出した推奨度に基づいて顧客に対して提供すべき推奨情報に係る推奨対象を複数の推奨対象から選択する。そして、この選択された推奨対象に関する推奨情報を顧客に対して提供する。
【００３０】
このように、複数の推奨対象及び各推奨対象間の関係に関する推奨対象情報と顧客の行動に関する行動情報とを用いてパーソナライズサービスを実現する。したがって、従来のルールベース技術の場合のようにルールを構築して管理する必要がないため、より安価にパーソナライズサービスを実現することができる。
【００３１】
また、推奨対象情報は、推奨対象の性質に関する知識であるため、その推奨対象に関する販売実績等がない場合においても、そのような知識を有しているエキスパートから引き出すことが可能である。そのため、新規にＥＣサイトを開設する場合又は新製品を販売する場合等であっても、推奨対象情報を事前に用意することが可能であり、このような場合においてもパーソナライズサービスを実現することができる。
また推奨情報は動画のキャラクタ画像と共に、表示することとした。従って顧客はより楽しく推奨情報の提供を受けることができる。
【００３２】
なお、ここで「推奨対象」とは、ＥＣサイトにて販売している商品に限らず、その商品に関連する概念であってもよい。すなわち、例えば商品がＣＤである場合、そのＣＤに係る音楽家及び音楽様式等の概念も「推奨対象」となり得る。
【００３３】
第２発明及び第８発明による場合、推奨対象情報は意味ネットワークを用いて表現されている。ここで意味ネットワークとは、概念をノード（節点）に、２つの概念間の関係をアーク（弧）に夫々対応付けることによって知識をグラフにて構造的に表現する知識表現のモデルである。したがって意味ネットワークを用いる場合、推奨対象をノードに、２つの推奨対象間の関係をアークに夫々対応づけることによって推奨対象情報を表現することができる。このように表現することによって、推奨対象情報を視覚的に表すことができるため、推奨対象情報が意味している内容を容易に把握することが可能になるとともに、推奨対象情報の修正・変更を容易に行うことができる。
【００３４】
また、意味ネットワークを用いた場合、ある推奨対象に関するすべての情報はその推奨対象に対応するノードからアクセスすることができるため、検索処理の効率化を図ることができる。
【００３５】
第３発明及び第９発明による場合、顧客の行動を示す情報には、その行動の属性を示す属性情報が含まれており、その属性情報に基づいて定められる重要度が付与されている。
【００３６】
例えば「顧客があるＣＤに関する情報を参照するためにそのＣＤに係るリンクをクリックした」という顧客の行動に対しては、そのＣＤに関する情報を顧客が参照している参照時間等の属性がある。この場合、この参照時間の長さにより、顧客のそのＣＤに対する関心度を推測することが可能である。したがって、行動の属性である参照時間に基づいて重要度を定め、定められた重要度を各推奨対象夫々の推奨度の算出に用いることによって、顧客に対して適切な推奨対象に係る推奨情報を提供することが可能になる。
【００３７】
第４発明及び第１０発明による場合、顧客の行動を示す情報を行動の種別毎に分類してまとめることによって行動情報群を作成し、この行動情報群夫々に対して、前記種別に基づいて定められる重要度が付与されている。
【００３８】
ＣＤを販売しているＥＣサイトにおいて、顧客の行動には、例えば「ＣＤに係るリンクをクリックした」及び「ＣＤを購入した」等の種別がある。この場合、前者の種別に係る行動は顧客に対してそのＣＤを推奨することの積極的な理由となり得るが、後者の種別に係る行動はそのような積極的な理由とはなり得ない。なぜなら、顧客が同じＣＤを複数枚購入することは稀だからである。したがって、推奨すべき推奨対象を選択する際には顧客の行動の種別に注目する必要がある。そこで、上述したように、行動の種別に基づいて重要度を定め、その定められた重要度を各推奨対象夫々の推奨度の算出に用いることによって、顧客に対して適切な推奨対象に係る推奨情報を提供することが可能になる。
【００３９】
第５発明及び第１１発明による場合、推奨情報を顧客に対して提供した後の顧客の行動に基づいて、各推奨対象夫々の推奨度を修正する。
【００４０】
例えば、「顧客はジャズが好きである」という仮説に基づいて、ジャズのＣＤに関する情報を推奨情報として顧客に対して提供した場合であって、そのＣＤを顧客が購入したときは、前記の仮説が裏付けられたことになるため、ジャズ及びジャズのＣＤに対する推奨度を高める等の修正を行う。これにより、推奨情報を顧客に提供した場合におけるその顧客の反応を、次に推奨情報を提供する際に活用することができる。
【００４１】
なお、上述の例において、提供した推奨情報に係るジャズのＣＤを顧客が一定期間中に購入しなかった場合、前記の仮説の裏付けが得られなかったと判断することができるため、ジャズ及びジャズのＣＤに対する推奨度を低くする等の修正を行うことも可能である。このように、推奨情報に対する顧客の反応がなかったということも顧客の行動であるとして処理をすることができる。
【発明の効果】
【００４２】
請求項１及び請求項６に記載の推奨情報提供方法、並びに請求項７に記載の推奨情報送信システム、請求項１３に記載の推奨情報送信装置及び請求項１４に記載の記録媒体によれば、複数の推奨対象及び各推奨対象間の関係に関する推奨対象情報及び顧客の行動に関する行動情報に基づいて各推奨対象の推奨度を算出することにより顧客に応じた推奨対象を選択することができるため、従来のルールベース技術の場合のようにルールを構築して管理することなく、安価にパーソナライズサービスを実現することができる。
【００４３】
また、推奨対象情報は推奨対象の性質に関する知識であるため、その推奨対象を販売するＷＷＷサイトを新規に開設する場合又は新製品を販売する場合等であっても、推奨対象情報を事前に用意することが可能であり、このような場合においてもパーソナライズサービスを実現することができる。
【００４４】
また、請求項２に記載の推奨情報提供方法及び請求項８に記載の推奨情報送信システムによれば、意味ネットワークを用いて推奨対象情報を表現することによって、推奨対象情報を視覚的に表すことができるため、推奨対象情報が意味している内容を容易に把握することが可能になるとともに、推奨対象情報の修正・変更を容易に行うことができる。
【００４５】
また、請求項３に記載の推奨情報提供方法及び請求項９に記載の推奨情報送信システムによれば、顧客の行動の属性に基づいて重要度を定め、この参照時間に基づいて重要度を定め、定められた重要度を各推奨対象夫々の推奨度の算出に用いることによって、顧客の行動の属性に応じた適切な推奨対象に係る推奨情報を顧客に対して提供することが可能になる。
【００４６】
また、請求項４に記載の推奨情報提供方法及び請求項１０に記載の推奨情報送信システムによれば、顧客の行動を示す情報を行動の種別毎に分類してまとめることによって行動情報群を作成し、この行動情報群夫々に対して、前記種別に基づいて定められる重要度が付与することにより、「推奨対象に係るリンクをクリックした」及び「推奨対象を購入した」等の種別に応じた適切な推奨対象に係る推奨情報を顧客に対して提供することが可能になる。
【００４７】
また、請求項５に記載の推奨情報提供方法及び請求項１１に記載の推奨情報送信システムによれば、推奨情報を顧客に対して提供した後の顧客の行動に基づいて、各推奨対象夫々の推奨度を修正することにより、顧客の反応を次に推奨情報を提供する際に有効に活用することができる。
【００４８】
また、請求項１２に記載の推奨情報提供システムによれば、推奨情報は動画のキャラクタ画像と共に表示されるので、顧客はより楽しく推奨情報の提供を受けることができる等、本発明は優れた効果を奏する。
【発明を実施するための最良の形態】
【００４９】
以下、本発明をその実施の形態を示す図面に基づいて詳述する。
本実施の形態における推奨情報送信システムは、ＣＤを販売するＷＷＷサイトに応用された場合のシステムである。したがって、本実施の形態においては、ＣＤ並びにＣＤに係る音楽家及び音楽様式等が推奨対象となる。
【００５０】
図１は本発明の推奨情報送信システムの構成を示すブロック図である。図１において、１は特定の推奨対象に係る推奨情報を送信する推奨情報送信装置を示している。推奨情報送信装置１はインターネット等の通信ネットワーク１００と接続されており、通信ネットワーク１００を介してＣＤの販売を行うＷＷＷサイトを運営している。
【００５１】
また、２，２…は、パーソナルコンピュータ，ＰＤＡ（Personal Digital Assistants ）及び携帯電話等である端末装置を示しており、各端末装置２，２…は同じく通信ネットワーク１００に接続されている。これらの端末装置２，２…は、ＷＷＷブラウジング機能を有しており、これにより推奨情報送信装置１によって運営されているＷＷＷサイトから受信する各種の情報の閲覧を行うことができる。
端末装置２のＣＰＵ(Central Processing Unit) ２１にはバス２４を介して、液晶ディスプレイ等の表示部２２，及びＲＡＭ２３が接続されている。ＣＰＵ２１は表示部２２に、推奨情報送信装置１から送信される推奨情報を表示する。また推奨情報送信装置１には動画像を表示するための画像動作プログラムが記憶されている。画像動作プログラムは、推奨情報と共に端末装置２へ送信される。ＣＰＵ２１は送信された画像動作プログラムをＲＡＭ２３にロードして実行する。これにより動画のキャラクタ画像が推奨情報と共に表示される。
【００５２】
図１に示すとおり、推奨情報送信装置１は、ＣＰＵ１１を有しており、該ＣＰＵ１１は以下のハードウェア各部と接続されていて、それらを制御すると共に、ハードディスク１４に格納されている種々のコンピュータプログラムを実行する。
【００５３】
ＲＡＭ１２は、例えばＳＲＡＭ等で構成され、コンピュータプログラムの実行時に発生する一時的なデータを記憶する。
【００５４】
外部記憶装置１３は、本発明の推奨情報送信装置１の動作に必要なコンピュータプログラムが記録されているＣＤ−ＲＯＭ又はフレキシブルディスク等の可搬型記録媒体２００から前記コンピュータプログラムを読み取るＣＤ−ＲＯＭドライブ又はフレキシブルディスクドライブ等から構成される。
【００５５】
ハードディスク１４は、例えばＤＲＡＭ等で構成され、外部記憶装置１３により読み取った前記コンピュータプログラム及び各種のデータを格納している。この格納されているデータには、複数の推奨対象及び各推奨対象間の関係に関する後述する推奨対象情報が含まれる。
【００５６】
通信インタフェース１５は、通信ネットワーク１００と接続するためのインタフェースであり、例えば、アナログ回線を介して通信ネットワーク１００と接続する場合はモデムで構成され、ベースバンド伝送方式のデジタル回線を介して通信ネットワーク１００と接続する場合はＤＳＵ（Digital Service Unit）で構成される。
【００５７】
本発明の推奨情報送信装置１のコンピュータプログラムは可搬型記録媒体２００から読み取る以外にも、通信ネットワーク１００を介して外部サーバコンピュータ３に接続し、外部サーバコンピュータ３に内蔵された前記コンピュータプログラムを記録してある記録媒体３１から推奨情報送信装置１へ前記コンピュータプログラムをダウンロードすることが可能である。そしてこのダウンロードしたコンピュータプログラムをハードディスク１４に格納し、格納したコンピュータプログラムをＣＰＵ１１がＲＡＭ１２にロードすることによって、推奨情報送信装置１は後述する処理を実行することができる。
【００５８】
次に上述した推奨対象情報について、図２に示す推奨対象情報の概念図を用いて説明する。図２に示すとおり、推奨対象情報は意味ネットワークを用いて表現されている。図２において、各ノード間を結んでいるアークは（ａ），（ｂ），（ｃ），（ｄ）又は（ｅ）の何れかの関係を意味していることが示されている。例えば、“ＣＤ１”と“音楽家Ａ”との間には（ａ）「によって作成された」という関係があることが示されている。この関係は、「ＣＤ１は音楽家Ａによって作成された」という知識を表現している。また同様にして、“ＣＤ１”と“ジャズ”との間には（ｂ）「音楽様式である」という関係があることが示されており、これにより「ＣＤ１はジャズの音楽様式である」という知識が表現されている
。
【００５９】
図２に示すとおり、各アークは方向性を有しており、その方向は矢印にて示されている。このように方向性を持つアークのみから構成されるグラフはＤＡＧ（Directed Acyclic Graph）と呼ばれる。ＤＡＧにおいては、すべてのノードが夫々同一のノードに戻るためのパスがないことが保証されている。
【００６０】
上述した推奨対象情報は、知識エンジニアが、豊富な商品知識を有しているエキスパート（例えばＣＤ販売店の販売員等）からその商品知識を引き出した後に手作業にて作成され、推奨情報送信装置１に対して入力される。
【００６１】
なお、本実施の形態では推奨情報送信装置１がＣＤを販売するＷＷＷサイトを運営しているが、ＣＤ以外の商品、例えば本、食品又は洋服等のその他の商品であってもよいことは勿論である。また物販に限らず種々のサービスを提供する場合にも用いることが可能である。例えば、電話センター又はヘルプデスクにおいてオペレータに対して適切なアドバイスを提供したり、各学習者夫々に対して適切な学習指導を行うこと等が可能である。
【００６２】
次に本発明の推奨情報送信システムの動作について説明する。
顧客は、端末装置２，２…を用いて推奨情報送信装置１が運営しているＷＷＷサイトへアクセスし、そのＷＷＷサイトにて販売されているＣＤに関する情報を参照するためにＣＤに係るリンクをクリックすることによりそのＣＤに関する情報を表示させたり、そのＣＤを購入したりする。
【００６３】
上述したようなクリック及びＣＤの購入等のイベントは顧客の行動を示している。推奨情報送信装置１は、このようなイベントを顧客から受け付けることによって顧客の行動を示す行動情報を収集し、ハードディスク１４に格納する。
【００６４】
図３は、行動情報の例を示す概念図である。図３に示すとおり、行動情報にはＩＤフィールド、顧客フィールド、ノードフィールド、種別フィールド、日時フィールド及び重要度フィールドの各フィールドが用意されている。
【００６５】
ここでＩＤフィールドには顧客の行動を示すイベントを識別するための識別子（以下、イベントＩＤという）が、顧客フィールドにはそのイベントの主体である顧客を識別するための識別子が、ノードフィールドにはそのイベントに係る推奨対象を示すノードが夫々格納される。
【００６６】
また、種別フィールドにはそのイベントの種別が、日時フィールドにはそのイベントが発生した日時が、重要度フィールドにはそのイベントに対して定められた重要度が夫々格納される。
【００６７】
図３に示す例では、例えば「１９９８年１０月１７日の８時５２分に顧客１がＣＤ１を購入した」というイベントを受け付けた場合の行動情報が示されており、このイベントのイベントＩＤは“１”であり、またこのイベントに対しては重要度として“２，０００”が付与されていることが示されている。同様にして「１９９８年１０月１７日９時１分に顧客２がＣＤ２に係るリンクをクリックした」というイベントを受け付けた場合の行動情報が示されており、このイベントのイベントＩＤが“２”であり、さらにこのイベントに対しては重要度として“１．０”が付与されていることが示されている。
【００６８】
なお、ここで重要度フィールドに格納されている重要度の値は、種別フィールドに“購入”が格納されている場合は、その購入したＣＤの金額を示す値であり、種別フィールドに“クリック”が格納されている場合は、そのＣＤに係るリンクがクリックされて、そのリンクに係るページが顧客によって参照されている時間を示す値である。
【００６９】
推奨情報送信装置１は、種別フィールドに格納されている値によって、行動情報の分類処理を行う。すなわち、例えば種別フィールドの値が“購入”である行動情報と、“クリック”である行動情報との分類を行う。ここで分類された行動情報の集合のことを、以下ではイベントストリーム（請求項４における行動情報群）と呼ぶ。
【００７０】
図３に示すような行動情報を格納している推奨情報送信装置１は、以下に示す処理を行うことにより各推奨対象の推奨度の算出を行う。この推奨度を算出する場合、推奨情報送信装置１は、推奨対象情報を構成する各ノードにおけるエビデンス値の算出処理を行う。ここでエビデンスとは、ある仮説（例えば「顧客はジャズが好きである」等）に対して証拠となりうるイベント（例えば「顧客がジャズのＣＤに係るリンクをクリックした」又は「顧客がジャズのＣＤを購入した」等）のことであり、エビデンス値とはこのようなエビデンスを数値化した場合の値のことである。以下の説明において、エビデンス値をＥn,s と表す。ここで、ｎはノードを識別する識別子を、ｓはイベントストリームを識別する識別子を夫々示している。
【００７１】
図４は、エビデンス値を更新する場合の本発明の推奨情報送信装置１の処理手順を示すフローチャートである。なお、推奨対象情報を構成する各ノードにおけるエビデンス値には、デフォルト値として０が設定されている。
顧客からイベントを受け付けた場合、推奨情報送信装置１は、受け付けたイベントに係るノードｎを決定する（Ｓ１０１）。ここでイベントに係るノードとは、そのイベントの直接の対象となるノードのことであり、行動情報におけるノードフィールドに格納されている値である。例えば、イベントが「１９９８年１０月１７日の８時５２分に顧客１がＣＤ１を購入した」である場合、“ＣＤ１”に対応するノードがイベントに係るノードとなる。
【００７２】
次にノードｎにおけるＥn,s を後述する式を用いて算出することによりＥn,s の更新を行う（Ｓ１０２）。そしてノードｎにおいてイベントストリームｓ中のｉ番目のイベントについてＥn,s の算出が既に行われたことを示す変数Ｕn,s の値にｉを設定する（Ｓ１０３）。
【００７３】
次に現在の処理の対象であるノードの親ノードをノードｎに設定し（Ｓ１０４）、そのノードｎにおけるＵn,s の値がｉであるか否かを判定する（Ｓ１０５）。ここでＵn,s の値がｉではないと判定した場合（Ｓ１０５でＮＯ）、ステップＳ１０２に戻り処理を繰り返す。一方、ノードｎのＵn,s の値がｉであると判定した場合（Ｓ１０５でＹＥＳ）、そのノードｎにおいてイベントストリームｓ中のｉ番目のイベントについてＥn,s の更新処理が既に行われたものと判断し、処理を終了する。
【００７４】
上述した処理により、ステップＳ１０１にてイベントに係るノードと決定されたノードから到達できるすべてのノードにおけるエビデンス値が順次的に更新される。
【００７５】
次にエビデンス値を算出するために用いるいくつかの式について説明する。第１の式は、Ｅn,s ＝Ｅ’n,s ＋ｅs,i （式（１））である。ここでＥ’n,s は、エビデンス値を更新する前のノードｎにおけるエビデンス値を表しており、ｅs,i は、イベントストリームｓにおけるｉ番目のイベントの重要度（重要度フィールドに格納されている値）を表している。
【００７６】
第２の式は、Ｅn,s ＝ｆ（Ｅ’n,s ，ｅs,i ，ｔn ）（式（２））である。ここでｔn は、ノードｎにおいてエビデンス値が前回更新された時点から経過した経過時間、又は同じく更新されてから実行された処理サイクル数等を示している。なお、この処理サイクル数はｉ−Ｕn,s により算出することができる。
【００７７】
上述した式（１）及び（２）では、イベントの重要度を反映したエビデンス値を算出することが可能であるが、時間的に新しいイベントと古いイベントとの差異を反映させることはできない。顧客の趣味・嗜好は時間とともに変化する場合が多く、その場合では最近受け付けたイベントと以前に受け付けたイベントとを区別して扱う必要がある。このような区別を行うために、後述する式（３）及び（４）を採用する。
【００７８】
第３の式は、Ｅn,s ＝（１−αs ）ｅs,i ＋αs Ｅ’n,s （式（３））である。ここで、αs はイベントストリームｓにおける最新のイベントとそのイベントよりも以前のイベントとの重要度の差異の取り扱いを制御するためのパラメータである。また第４の式は、Ｅn,s ＝（１−αs ）ｅs,i ＋power （αs ，i-Ｕn,s ）Ｅ’n,s （式（４））である。ここでpower は累乗を計算するための関数を表している。
【００７９】
推奨情報送信装置１が顧客からイベントを受け付けた場合に、推奨対象情報を構成する全てのノードにおけるエビデンス値が更新されるときは式（３）を用い、一方いくつかのノードにおけるエビデンス値が更新されないときは式（４）を用いる。
【００８０】
図３中のイベントＩＤが“３”及び“４”である２つのイベントを推奨情報送信装置１が受け付けた場合のエビデンス値の算出結果を表１に示す。なお、ここでは、上述した式（４）を用いてエビデンス値を算出しており、パラメータαs の値は０．５に設定されている。
【００８１】
【表１】
【００８２】
以上のようにして各ノードにおいて更新されたエビデンス値に基づいて、後述する方法により推奨対象の推奨度を決定することができる。推奨度を決定する方法としては、（１）エビデンス値自体を推奨度とする方法、（２）仮説を推奨度とする方法、及び（３）複数のイベントストリームを用いる方法等がある。以下、これらの方法について夫々説明する。
【００８３】
（１）エビデンス値自体を推奨度とする方法
上述したエビデンス値の算出処理を繰り返し実行することにより、各ノードにおけるエビデンス値を更新し、その更新されたエビデンス値に基づいて各ノードを降順に並べ替えた後、フィルタリング基準（例えば、ベスト１００ＣＤ又はある顧客向けに設定されたトップ１０の音楽家等）が設定されている場合はその基準を満足するノードを、一方フィルタリング基準が設定されていない場合は最も高い推奨度に係るノードを選択する。そしてこの選択したノードに対応する推奨対象を顧客に提供すべき推奨情報に係る推奨対象とする。すなわち、この場合はエビデンス値そのものが推奨度となる。
【００８４】
なお、この処理において、分岐限定法（branch and bound）等の探索法を用いることにより、各ノードに対する探索処理をより効率的に行うことが可能である。
【００８５】
（２）仮説を推奨度とする方法
推奨情報送信装置１は、推奨対象情報を構成する複数のノードの中から推奨すべき推奨対象に対応するノードを見つけるために、上述したようにして算出されたエビデンス値のソースが子ノードであるのか又は親ノードであるのかを判別する。ここでエビデンス値のソースとは、そのエビデンス値の算出の際に最も影響を与えたノードのことである。
【００８６】
上述した判別を行うために、ノードｎ０がエビデンス値Ｅn0,sのソースであり、その親ノードＮがそのソースではないことを示す仮説Ｈn0,s,Nを後述する手順にしたがって算出する。この仮説Ｈn0,s,Nは０乃至１の値をとる。
【００８７】
このＨn0,s,Nを算出するために、２つの異なるノードにおけるＥn,s ／Ｏn,s （以下、エビデンス率という）の比較処理を実行する。ここでＯn,s とは、ノードｎにおいてストリームｓに係る種別のイベントが起こり得る機会の総数を表しており、例えば種別が“購入”の場合、ノードｎに対応する推奨対象を購入するために用いられる画面情報を顧客に対して提供した回数の総数等が上述した機会の総数となる。
【００８８】
２つの異なるノードにおけるエビデンス率の比較処理を行う場合、推奨情報送信装置１は、標準正規分布にしたがう確率変数ｚを公知の式を用いて算出し、その算出した確率変数ｚの値に基づいて累積正規分布の表を参照することにより０乃至１の値を得る。
【００８９】
上述した手順にしたがって、推奨情報送信装置１は、ノードｎ０におけるエビデンス率が、ノードｎ０と同じ親ノードＮを親ノードとして有しているノード（以下、兄弟ノードという）におけるエビデンス率よりも大きいか否かを判定し、大きい場合は、Ｈn0,s,Nが成立する、すなわちノードｎ０がエビデンス値Ｅn0,sのソースであると判断することができる。また両者の値が略同じである場合は、ノードｎ０の親ノードＮ（又はそれよりも上位のノード）がエビデンス値Ｅn0,sのソースであると判断する。
【００９０】
例えば、図５に示すように、ノードｎ０におけるエビデンス率が70/80 であり、その親ノードＮにおけるエビデンス率が80/100である場合、ノードｎ０の兄弟ノードであるノードｎ１〜ｎｚのエビデンス率は10/20 となる。この場合、上述した確率変数ｚの値は公知の式により3.75と算出され、この値に基づいて累積正規分布の表を参照することによりＨn0,s,N＝ 99.9912％が得られる。この結果はノードｎ０がエビデンス値のソースであることを裏付けている。
【００９１】
ところで、上述したような統計的手法を用いる場合はデータ数が十分に存在している必要があり、十分ではないときはそのような手法を用いることは適当ではない。そこで、そのようにデータ数が十分ではないときは、ポアソン分布にしたがって顧客からイベントを受け付けたとして、後述する式（５）を用いて確率変数ｚの値を算出する。
【００９２】
【数１】
【００９３】
ここでsqrtは平方根を計算するための関数である。上述したように、兄弟ノードｎ１〜ｎｚのエビデンス値は親ノードＮのエビデンス値からノードｎ０のエビデンス値を減ずることによって算出することができるため、式（５）はｚn0,s,N＝（Ｅn0,s−（ＥN,s −Ｅn0,s））／sqrt（Ｅn0,s＋（ＥN,s −Ｅn0,s））（式（６））と変形することができる。
【００９４】
推奨情報送信装置１は、推奨対象情報における子ノードｎ０と親ノードＮとのすべての組に対して、ｚn0,s,N及びＨn0,s,Nを算出する。表１に示したエビデンス値の算出例を用いて、ｚn0,s,NとＨn0,s,Nを算出した結果を表２に示す。
【００９５】
【表２】
【００９６】
ところで、各ノードは複数の親ノードを有している場合があるため、表２において、同一のノードがノードｎ０となっている行が複数存在している。そこで推奨情報送信装置１は、後述する手順にしたがって親ノードＮを特定しない仮説Ｈn,S を算出する。
【００９７】
まず、ルートノードがノードｎ０である場合のＨn0,sを1.0 とする。そしてルートノードの子ノードがノードｎ０である場合のＨn0,s,Nに上述した1.0 を乗じることによりそれらの子ノードにおけるＨn0,sを算出する。以下この処理を繰り返すことによって各ノードにおけるＨn0,sを算出する。
【００９８】
また、ある子ノードｎ０が複数の親ノードＮ，Ｎ…を有している場合は、各親ノードＮ，Ｎ…に対するＨn0,s,N夫々を用いて算出されたＨn0,sを加算することによってその子ノードｎ０におけるＨn0,sを算出する。このようにして得られたＨn0,sに基づいて各ノードを降順に並べ替えた後、上述したようにフィルタリング基準が設定されている場合はその基準を満足するノードを、一方フィルタリング基準が設定されていない場合は最も高い推奨度に係るノード選択し、選択したノードに対応する推奨対象を顧客に提供すべき推奨情報に係る推奨対象とする。
【００９９】
表２に示した算出例を用いて、各ノードにおけるＨn0,s,Nを算出した結果を表３に示す。
【０１００】
【表３】
【０１０１】
（３）複数のイベントストリームを用いる方法
上述した（１）及び（２）の方法においては、各イベントストリーム毎に推奨度を算出している。３番目の方法は、複数のイベントストリームを用いて推奨度を算出する方法である。
【０１０２】
この方法においては、Ｈn ＝Θs1Ｈn,s1＋Θs2Ｈn,s2＋…＋ΘsiＨn,si（式（７））を用いてノードｎにおける推奨度である仮説Ｈn を算出する。ここでΘsiは複数のイベントストリームｓｉ（ｉは自然数）を組み合わせる際に用いられる重み付け係数である。このΘsiの値は、推奨対象の性質により種々の値が使用される。例えば推奨対象がＣＤである場合、顧客があるＣＤを購入した後に同一のＣＤを購入することは稀である。一方、例えば推奨対象が魚釣り用のルアーである場合、顧客があるルアーを購入した後に同一のルアーを購入する可能性は高いものと考えることができる。したがって、例えばイベントストリームｓ１に係る種別が“購入”である場合、ＣＤに対応するノードｎにおけるＨn,s1に対するΘs1の値は、ルアーに対応するノードｎにおけるＨn,s1に対するΘs1の値に比し、より低い値となる。なお、Θsiの値は、各ノードに応じて、又は各顧客に応じて異なる値であってもよく、すべて同一の値であってもよい。また、Ｈn,siは上述したＨn0,sを算出する場合と同様にして算出する。
【０１０３】
このようにして得られた仮説Ｈn に基づいて各ノードを降順に並べ替えた後、上述したようにフィルタリング基準が設定されている場合はその基準を満足するノードを、一方フィルタリング基準が設定されていない場合は最も高い推奨度に係るノード選択し、選択したノードに対応する推奨対象を顧客に提供すべき推奨情報に係る推奨対象とする。
【０１０４】
推奨情報送信装置１は、顧客からイベントを受け付ける都度、上述した３つの方法の何れかの方法に基づいて算出された推奨度を用いて推奨対象を特定し、その特定した推奨対象に関する推奨情報を顧客が操作する端末装置２，２…に対して送信する。
【０１０５】
このような処理を繰り返すことによって、推奨情報送信装置１は顧客にとってより適切な推奨対象に関する推奨情報を送信するようになる。これは推奨情報送信装置１が学習していることに相当する。
【０１０６】
また、推奨情報送信装置１は、上述した内容とは異なる学習を行うことができる。そのために推奨情報送信装置１は、推奨情報を顧客へ提供した後にその推奨情報に対する反応があった場合、すなわち例えばその推奨情報に係る推奨対象が顧客によって購入された場合、その購入を示すイベントの種別を“反応”として推奨度の算出に利用する。この場合このイベントの重要度を、種別が“購入”であるイベントの重要度に比して高い値に設定することにより、顧客の反応を重視した推奨度を算出することができる。
【０１０７】
また、一定時間顧客からの反応がない場合も同様にして、種別が“反応”であるイベントを受け付けたと判断し、このイベントの重要度を、上述したような実際に反応があった場合のその反応を示すイベントの重要度に比して低い値に設定する。または、種別が“無反応”であるイベントを受け付けたと判断し、種別が“無反応”であるイベントストリームに係るΘ係数の値を、他のイベントストリームに係るΘ係数の値に比して低くする。これにより、顧客から反応がない場合に応じた推奨度を算出することができる。
【０１０８】
なお、このような学習は、例えば公知の技術であるアニーリング、山登り法（hill-climbing ）、遺伝アルゴリズム又はニューラル・ネットワーク等を用いて実行することが可能である。
【図面の簡単な説明】
【０１０９】
【図１】本発明の推奨情報送信システムの構成を示すブロック図である。
【図２】推奨対象情報の例を示す概念図である。
【図３】行動情報の例を示す概念図である。
【図４】エビデンス値を更新する場合の本発明の推奨情報送信装置の処理手順を示すフローチャートである。
【図５】推奨度を説明するための説明図である。
【符号の説明】
【０１１０】
１ 推奨情報送信装置
２ 端末装置
３ 外部サーバコンピュータ
１００ 通信ネットワーク
２００ 可搬型記録媒体
【特許請求の範囲】
【請求項１】
複数の推奨対象の中から選択した特定の推奨対象に関する推奨情報を顧客に対して提供する推奨情報提供方法において、
前記複数の推奨対象及び各推奨対象間の関係に関する推奨対象情報を受け付け、顧客の行動に関する行動情報を収集し、前記受け付けた推奨対象情報及び前記収集した行動情報に基づいて各推奨対象夫々の推奨度を算出し、算出した推奨度に基づいて複数の推奨対象から前記推奨情報に係る推奨対象を選択し、選択した推奨対象に関する推奨情報を提供することを特徴とする推奨情報提供方法。
【請求項２】
前記推奨対象情報は、意味ネットワークを用いて表現されていることを特徴とする請求項１に記載の推奨情報提供方法。
【請求項３】
前記行動情報には、行動の属性を示す属性情報が含まれており、該属性情報に基づいて定められる重要度が前記行動情報に付与されていることを特徴とする請求項１又は請求項２に記載の推奨情報提供方法。
【請求項４】
前記行動情報を行動の種別毎に分類して行動情報群を作成し、前記行動情報群には、前記種別に基づいて定められる重要度が付与されていることを特徴とする請求項１乃至請求項３の何れかに記載の推奨情報提供方法。
【請求項５】
前記選択された推奨対象に関する推奨情報を顧客に対して提供した後の該顧客の行動に基づいて、各推奨対象夫々の推奨度を修正することを特徴とする請求項１乃至請求項４の何れかに記載の推奨情報提供方法。
【請求項６】
通信ネットワークを介して商品の販売を行う場合に、該販売に係る商品に関する推奨情報を顧客に対して提供する推奨情報提供方法において、
複数の商品及び各商品間の関係に関する情報を含む商品情報を受け付けるステップと、商品の問い合わせに関する情報及び商品の購入に関する情報を含む顧客の行動に関する行動情報を前記通信ネットワークを介して収集するステップと、前記受け付けた商品情報及び前記収集した行動情報に基づいて各商品夫々の推奨度を算出するステップと、算出した推奨度に基づいて複数の商品から前記販売に係る商品を選択するステップと、選択した商品に関する推奨情報を前記通信ネットワークを介して顧客に対して提供するステップとを含むことを特徴とする推奨情報提供方法。
【請求項７】
端末装置と、該端末装置に接続され、複数の推奨対象の中から選択した特定の推奨対象に関する推奨情報を前記端末装置へ送信すべくなしてある推奨情報送信装置とを備える推奨情報送信システムにおいて、
前記端末装置は、前記推奨情報送信装置へアクセスするアクセス手段を備え、前記推奨情報送信装置は、前記複数の推奨対象及び各推奨対象間の関係に関する推奨対象情報を受け付ける受付手段と、前記端末装置によるアクセスがあった場合に、該アクセスに関するアクセス情報を記憶する記憶手段と、前記受付手段によって受け付けられた推奨対象情報及び前記記憶手段によって記憶されているアクセス情報に基づいて、各推奨対象夫々の推奨度を算出する算出手段と、該算出手段によって算出された推奨度に基づいて前記複数の推奨対象から前記推奨情報に係る推奨対象を選択する選択手段と、該選択手段によって選択された推奨対象に関する推奨情報を前記端末装置へ送信する送信手段とを備えることを特徴とする推奨情報送信システム。
【請求項８】
前記推奨対象情報は、意味ネットワークを用いて表現されていることを特徴とする請求項７に記載の推奨情報送信システム。
【請求項９】
前記アクセス情報には、行動の属性を示す属性情報が含まれており、該属性情報に基づいて定められる重要度が付与されていることを特徴とする請求項７又は請求項８に記載の推奨情報送信システム。
【請求項１０】
前記推奨情報送信装置は更に、前記アクセス情報をアクセスの種別毎に分類してアクセス情報群を作成する作成手段を備え、前記行動情報群には、前記種別に基づいて定められる重要度が付与されていることを特徴とする請求項７乃至請求項９の何れかに記載の推奨情報送信システム。
【請求項１１】
前記推奨情報送信装置は更に、前記送信手段によって推奨情報を前記端末装置へ送信した後の前記端末装置によるアクセスに関するアクセス情報に基づいて、各推奨対象夫々の推奨度を修正する修正手段を備えることを特徴とする請求項７乃至請求項１０の何れかに記載の推奨情報送信システム。
【請求項１２】
前記送信手段は、
前記推奨情報及び動画像を表示するための画像動作プログラムを送信するよう構成してあり、
前記端末装置は、
前記送信された画像動作プログラムを実行する実行手段と、
前記送信された推奨情報及び前記実行手段により実行された動画像を表示する手段と
を備えることを特徴とする請求項７乃至１１の何れかに記載の推奨情報送信システム。
【請求項１３】
端末装置に接続され、複数の推奨対象の中から選択した特定の推奨対象に関する推奨情報を前記端末装置へ送信すべくなしてある推奨情報送信装置において、
前記複数の推奨対象及び各推奨対象間の関係に関する推奨対象情報を受け付ける受付手段と、前記端末装置によるアクセスがあった場合に、該アクセスに関するアクセス情報を記憶する記憶手段と、前記受付手段によって受け付けられた推奨対象情報及び前記記憶手段によって記憶されているアクセス情報に基づいて、各推奨対象夫々の推奨度を算出する算出手段と、該算出手段によって算出された推奨度に基づいて前記複数の推奨対象から前記推奨情報に係る推奨対象を選択する選択手段と、該選択手段によって選択された推奨対象に関する推奨情報を前記端末装置へ送信する送信手段とを備えることを特徴とする推奨情報送信装置。
【請求項１４】
端末装置に接続されたコンピュータに、複数の推奨対象の中から選択した特定の推奨対象に関する推奨情報を前記端末装置へ送信させるプログラムが記録してあるコンピュータでの読み取りが可能な記録媒体において、
コンピュータに、前記複数の推奨対象及び各推奨対象間の関係に関する推奨対象情報を受け付けさせるプログラムコード手段と、コンピュータに、前記端末装置によるアクセスがあった場合に、該アクセスに関するアクセス情報を記憶させるプログラムコード手段と、コンピュータに、前記受付させた推奨対象情報及び前記記憶させたアクセス情報に基づいて、各推奨対象夫々の推奨度を算出させるプログラムコード手段と、コンピュータに、前記算出させた推奨度に基づいて前記複数の推奨対象から前記推奨情報に係る推奨対象を選択させるプログラムコード手段と、コンピュータに、前記選択させた推奨対象に関する推奨情報を前記端末装置へ送信させるプログラムコード手段とを有するプログラムが記録してあることを特徴とするコンピュータでの読み取りが可能な記録媒体。
【請求項１】
複数の推奨対象の中から選択した特定の推奨対象に関する推奨情報を顧客に対して提供する推奨情報提供方法において、
前記複数の推奨対象及び各推奨対象間の関係に関する推奨対象情報を受け付け、顧客の行動に関する行動情報を収集し、前記受け付けた推奨対象情報及び前記収集した行動情報に基づいて各推奨対象夫々の推奨度を算出し、算出した推奨度に基づいて複数の推奨対象から前記推奨情報に係る推奨対象を選択し、選択した推奨対象に関する推奨情報を提供することを特徴とする推奨情報提供方法。
【請求項２】
前記推奨対象情報は、意味ネットワークを用いて表現されていることを特徴とする請求項１に記載の推奨情報提供方法。
【請求項３】
前記行動情報には、行動の属性を示す属性情報が含まれており、該属性情報に基づいて定められる重要度が前記行動情報に付与されていることを特徴とする請求項１又は請求項２に記載の推奨情報提供方法。
【請求項４】
前記行動情報を行動の種別毎に分類して行動情報群を作成し、前記行動情報群には、前記種別に基づいて定められる重要度が付与されていることを特徴とする請求項１乃至請求項３の何れかに記載の推奨情報提供方法。
【請求項５】
前記選択された推奨対象に関する推奨情報を顧客に対して提供した後の該顧客の行動に基づいて、各推奨対象夫々の推奨度を修正することを特徴とする請求項１乃至請求項４の何れかに記載の推奨情報提供方法。
【請求項６】
通信ネットワークを介して商品の販売を行う場合に、該販売に係る商品に関する推奨情報を顧客に対して提供する推奨情報提供方法において、
複数の商品及び各商品間の関係に関する情報を含む商品情報を受け付けるステップと、商品の問い合わせに関する情報及び商品の購入に関する情報を含む顧客の行動に関する行動情報を前記通信ネットワークを介して収集するステップと、前記受け付けた商品情報及び前記収集した行動情報に基づいて各商品夫々の推奨度を算出するステップと、算出した推奨度に基づいて複数の商品から前記販売に係る商品を選択するステップと、選択した商品に関する推奨情報を前記通信ネットワークを介して顧客に対して提供するステップとを含むことを特徴とする推奨情報提供方法。
【請求項７】
端末装置と、該端末装置に接続され、複数の推奨対象の中から選択した特定の推奨対象に関する推奨情報を前記端末装置へ送信すべくなしてある推奨情報送信装置とを備える推奨情報送信システムにおいて、
前記端末装置は、前記推奨情報送信装置へアクセスするアクセス手段を備え、前記推奨情報送信装置は、前記複数の推奨対象及び各推奨対象間の関係に関する推奨対象情報を受け付ける受付手段と、前記端末装置によるアクセスがあった場合に、該アクセスに関するアクセス情報を記憶する記憶手段と、前記受付手段によって受け付けられた推奨対象情報及び前記記憶手段によって記憶されているアクセス情報に基づいて、各推奨対象夫々の推奨度を算出する算出手段と、該算出手段によって算出された推奨度に基づいて前記複数の推奨対象から前記推奨情報に係る推奨対象を選択する選択手段と、該選択手段によって選択された推奨対象に関する推奨情報を前記端末装置へ送信する送信手段とを備えることを特徴とする推奨情報送信システム。
【請求項８】
前記推奨対象情報は、意味ネットワークを用いて表現されていることを特徴とする請求項７に記載の推奨情報送信システム。
【請求項９】
前記アクセス情報には、行動の属性を示す属性情報が含まれており、該属性情報に基づいて定められる重要度が付与されていることを特徴とする請求項７又は請求項８に記載の推奨情報送信システム。
【請求項１０】
前記推奨情報送信装置は更に、前記アクセス情報をアクセスの種別毎に分類してアクセス情報群を作成する作成手段を備え、前記行動情報群には、前記種別に基づいて定められる重要度が付与されていることを特徴とする請求項７乃至請求項９の何れかに記載の推奨情報送信システム。
【請求項１１】
前記推奨情報送信装置は更に、前記送信手段によって推奨情報を前記端末装置へ送信した後の前記端末装置によるアクセスに関するアクセス情報に基づいて、各推奨対象夫々の推奨度を修正する修正手段を備えることを特徴とする請求項７乃至請求項１０の何れかに記載の推奨情報送信システム。
【請求項１２】
前記送信手段は、
前記推奨情報及び動画像を表示するための画像動作プログラムを送信するよう構成してあり、
前記端末装置は、
前記送信された画像動作プログラムを実行する実行手段と、
前記送信された推奨情報及び前記実行手段により実行された動画像を表示する手段と
を備えることを特徴とする請求項７乃至１１の何れかに記載の推奨情報送信システム。
【請求項１３】
端末装置に接続され、複数の推奨対象の中から選択した特定の推奨対象に関する推奨情報を前記端末装置へ送信すべくなしてある推奨情報送信装置において、
前記複数の推奨対象及び各推奨対象間の関係に関する推奨対象情報を受け付ける受付手段と、前記端末装置によるアクセスがあった場合に、該アクセスに関するアクセス情報を記憶する記憶手段と、前記受付手段によって受け付けられた推奨対象情報及び前記記憶手段によって記憶されているアクセス情報に基づいて、各推奨対象夫々の推奨度を算出する算出手段と、該算出手段によって算出された推奨度に基づいて前記複数の推奨対象から前記推奨情報に係る推奨対象を選択する選択手段と、該選択手段によって選択された推奨対象に関する推奨情報を前記端末装置へ送信する送信手段とを備えることを特徴とする推奨情報送信装置。
【請求項１４】
端末装置に接続されたコンピュータに、複数の推奨対象の中から選択した特定の推奨対象に関する推奨情報を前記端末装置へ送信させるプログラムが記録してあるコンピュータでの読み取りが可能な記録媒体において、
コンピュータに、前記複数の推奨対象及び各推奨対象間の関係に関する推奨対象情報を受け付けさせるプログラムコード手段と、コンピュータに、前記端末装置によるアクセスがあった場合に、該アクセスに関するアクセス情報を記憶させるプログラムコード手段と、コンピュータに、前記受付させた推奨対象情報及び前記記憶させたアクセス情報に基づいて、各推奨対象夫々の推奨度を算出させるプログラムコード手段と、コンピュータに、前記算出させた推奨度に基づいて前記複数の推奨対象から前記推奨情報に係る推奨対象を選択させるプログラムコード手段と、コンピュータに、前記選択させた推奨対象に関する推奨情報を前記端末装置へ送信させるプログラムコード手段とを有するプログラムが記録してあることを特徴とするコンピュータでの読み取りが可能な記録媒体。
【図１】
【図２】
【図３】
【図４】
【図５】
【図２】
【図３】
【図４】
【図５】
【公開番号】特開２００６−１２１１５（Ｐ２００６−１２１１５Ａ）
【公開日】平成１８年１月１２日（２００６．１．１２）
【国際特許分類】
【出願番号】特願２００４−３７７４７５（Ｐ２００４−３７７４７５）
【出願日】平成１６年１２月２７日（２００４．１２．２７）
【分割の表示】特願２００１−２０４１２０（Ｐ２００１−２０４１２０）の分割
【原出願日】平成１３年７月４日（２００１．７．４）
【出願人】（５００３１２０８９）シルバーエッグ・テクノロジー株式会社 (2)
【Ｆターム（参考）】
【公開日】平成１８年１月１２日（２００６．１．１２）
【国際特許分類】
【出願日】平成１６年１２月２７日（２００４．１２．２７）
【分割の表示】特願２００１−２０４１２０（Ｐ２００１−２０４１２０）の分割
【原出願日】平成１３年７月４日（２００１．７．４）
【出願人】（５００３１２０８９）シルバーエッグ・テクノロジー株式会社 (2)
【Ｆターム（参考）】
[ Back to top ]