番組推薦装置及び方法及びプログラム
【課題】 インターネット回線を利用した映像配信サービスにおいて、ユーザにより適切な番組を推薦する。
【解決手段】 本発明は、ユーザの視聴履歴から視聴した番組に含まれる単語について、単語別に頻度を求め、また、録画履歴からも単語別に頻度を求め、放送予定の番組に対して、その放送予定に含まれる番組の単語についても頻度を求め、これらの頻度を集計することにより、重みを求め、これらの頻度と重みからユーザの番組に対する推薦度を求め、その推薦度に基づいてユーザにより適合した番組を推薦する。
【解決手段】 本発明は、ユーザの視聴履歴から視聴した番組に含まれる単語について、単語別に頻度を求め、また、録画履歴からも単語別に頻度を求め、放送予定の番組に対して、その放送予定に含まれる番組の単語についても頻度を求め、これらの頻度を集計することにより、重みを求め、これらの頻度と重みからユーザの番組に対する推薦度を求め、その推薦度に基づいてユーザにより適合した番組を推薦する。
【発明の詳細な説明】
【技術分野】
【０００１】
本発明は、番組推薦装置及び方法及びプログラムに係り、特に、インターネット回線による映像配信サービスで提供されるユーザのテレビ番組視聴における、番組推薦装置及び方法及びプログラムに関する。
【背景技術】
【０００２】
情報推薦の手法はいくつも提案されている。例えば、ニュース記事を推薦するために、各ニュース記事についてユーザに５段階の評価をつけさせ、過去の評価履歴を見てユーザ間の嗜好の類似度を測り、嗜好が似たユーザの好むニュース記事を推薦する手法が提案されている（例えば、非特許文献１参照）。
【０００３】
また、上記の手法と同様に、各情報に対してユーザに評価をつけさせ、過去の評価履歴でユーザが評価している情報に含まれるテキストに着目する。そのテキストがユーザの興味を反映していると考え、そのテキストと同じような単語が出現している情報を推薦する手法が提案されている（例えば、非特許文献２参照）。
【０００４】
また、利用者に興味を持つ部分のテキストを指定させ、そこに含まれる単語の出現頻度に基づいてユーザの興味を推定し、ユーザの興味を表す単語に基づいてコミュニティ内の情報を検索し、ユーザの興味のある箇所のみの情報を提示する手法がある（例えば、特許文献１参照）。
【先行技術文献】
【特許文献】
【０００５】
【特許文献１】特開平１１-３３８８６９号公報
【非特許文献】
【０００６】
【非特許文献１】Resnick, P. et al., "GroupLens: An open architecture for collaborative filtering of netnews". CSCW '94: Proceedings of the 1994 ACM conference on Computer supported cooperative work, ACM Press New York, 1994.
【非特許文献２】Mooney R.J. et al, `` Content-Based Book Recommending Using Learning for Text Categorization'', Proceedings of the 5th ACM Conference on Digital Libraries, ACM Press New York, 2000
【発明の概要】
【発明が解決しようとする課題】
【０００７】
インターネット回線を利用した映像配信サービスについて、多チャンネル化が進んでいる。こういった中でユーザが本当に興味のある番組を見つけるのは困難である。また興味ある番組をすべて把握し録画することもまた、困難である。
【０００８】
上記の特許文献１の手法を用いて番組を推薦する場合、ユーザが指定した興味のある語に関連する番組が推薦される。この場合、語を指定しなければならないという問題がある。また、指定した語が十分でなければ、ユーザにうまく番組が推薦されない。
【０００９】
非特許文献１、２に記載の手法で番組を推薦する場合、ユーザの視聴した番組の情報を用いてユーザに番組を推薦するが、その番組情報の中でユーザが録画した情報は考慮しない。あるいは録画した番組の情報を用いれば、ユーザが視聴したという情報は考慮されない。視聴・録画の両方の情報を用いなければ、ユーザにさらに適切な番組を推薦することはできない。
【００１０】
本発明は上記の点に鑑みなされたもので、インターネット回線を利用した映像配信サービスにおいて、ユーザの視聴と録画に関するログを利用することでさらに適切に番組を推薦することが可能な番組推薦装置及び方法及びプログラムを提供することを目的とする。
【課題を解決するための手段】
【００１１】
上記の課題を解決するために、本発明（請求項１）は、インターネット回線を利用した映像配信サービスにおいて、利用者の視聴履歴、中でも番組がユーザにより録画されたかどうかの情報を利用する番組推薦装置であって、
インターネット回線を利用した映像配信サービスにおける番組の情報を取得し、番組情報記憶手段に格納する番組情報取得手段と、
番組情報中の内容の要約テキストから単語を抽出する単語抽出手段と、
各番組情報における各単語の統計量を算出し、統計量記憶手段に格納する統計量算出手段と、
インターネット回線を利用した映像配信サービスにおける各ユーザの視聴または録画の視聴情報を取得し、視聴情報記憶手段に格納する視聴情報取得手段と、
取得した視聴情報からユーザと、視聴情報の対象である番組の番組情報記憶手段に格納されている内容の要約テキストから算出した各単語の統計量から、該ユーザの該単語に対する興味量を算出し、ユーザの識別子と、単語と共に興味量記憶手段に格納する興味量算出手段と、
興味量記憶手段に格納されている各ユーザの各単語に対する統計量と、番組情報記憶手段に格納されている番組のうち、放送前の番組のみの各単語の統計量から、該ユーザの該質問に対する興味合致度を算出し、該ユーザの識別子と、該番組の識別子と共に興味合致度記憶手段に格納する興味合致度算出手段と、
番組情報記憶手段の番組のうち、視聴情報記憶手段を参照して、録画された番組のみを選出し、統計量記憶手段に格納されている該録画の対象である番組の各単語の統計量から、該ユーザの該単語に対する良興味量を算出し、ユーザの識別子と、単語と共に良興味量記憶手段に格納する良興味量算出手段と、
良興味量記憶手段に格納されている各ユーザの各単語に対する統計量と、番組情報記憶手段に格納されている番組のうち、放送前の番組のみの各単語の統計量から、該ユーザの該番組に対する良興味合致度を算出し、該ユーザの識別子と、該番組の識別子と共に良興味合致度記憶手段に格納する良興味合致度算出手段と、
番組情報記憶手段に格納されている番組のうち、放送済の番組と、該番組情報記憶手段に格納されているユーザのうち、視聴したことのある番組との全ての組合せについて、該番組情報記憶手段に格納されている該番組について該ユーザが録画したかどうかと、興味合致度記憶手段に格納されている興味合致度と、良興味合致度記憶手段に格納されている良興味合致度とを用いて、重みパラメータを算出し、重みパラメータ記憶手段に格納する重みパラメータ算出手段と、
ユーザの識別子が与えられると、該ユーザの番組情報記憶手段に格納されている放送前の各番組に対して、興味合致度記憶手段に格納されている興味合致度と、良興味合致度記憶手段に格納されている良興味合致度と、重みパラメータ記憶手段に格納された重みパラメータとを用いて、該ユーザの各番組に対する推薦スコアを算出し、推薦スコアの上位Ｎ件の質問の識別子を推薦番組として選択する番組推薦手段と、を有する。
【００１２】
また、本発明（請求項２）は、統計量算出手段において、
各単語の統計量を算出する際に、重要と見做される単語を抽出するためのＴＦ値（単語の出現頻度）、ＴＦＩＤＦ値（単語の出現頻度と逆出現頻度）を用いる。
【００１３】
また、本発明（請求項３）は、重みパラメータ算出手段において、
番組情報記憶手段に格納されている該番組に対して該ユーザが録画したかどうかと、興味合致度記憶手段に格納されている興味合致度と、良興味合致度記憶手段に格納されている良興味合致度に基づいて、ロジスティック回帰分析によって重みパラメータを算出する手段を含む。
【００１４】
また、本発明（請求項４）は、インターネット回線を利用した映像配信サービスにおいて、利用者の視聴履歴、中でも番組がユーザにより録画されたかどうかの情報を利用する番組推薦方法であって、
記憶媒体に、番組情報記憶手段、統計量記憶手段、視聴情報記憶手段、興味量記憶手段、興味合致度記憶手段、良興味量記憶手段、良興味合致度記憶手段、重みパラメータ記憶手段、を格納し、番組情報取得手段、単語抽出手段、視聴情報取得手段、興味量算出手段、興味合致度算出手段、良興味量算出手段、良興味合致度算出手段、重みパラメータ算出手段、番組推薦手段と、を有する装置において、
番組情報取得手段が、インターネット回線を利用した映像配信サービスにおける番組の情報を取得し、番組情報記憶手段に格納する番組情報取得ステップと、
単語抽出手段が、番組情報中の内容の要約テキストから単語を抽出する単語抽出ステップと、
統計量算出手段が、各番組情報における各単語の統計量を算出し、統計量記憶手段に格納する統計量算出ステップと、
視聴情報取得手段が、インターネット回線を利用した映像配信サービスにおける各ユーザの視聴または録画の視聴情報を取得し、視聴情報記憶手段に格納する視聴情報取得ステップと、
興味量算出手段が、取得した視聴情報からユーザと、視聴情報の対象である番組の番組情報記憶手段に格納されている内容の要約テキストから算出した各単語の統計量から、該ユーザの該単語に対する興味量を算出し、ユーザの識別子と、単語と共に興味量記憶手段に格納する興味量算出ステップと、
興味合致度算出手段が、興味量記憶手段に格納されている各ユーザの各単語に対する統計量と、番組情報記憶手段に格納されている番組のうち、放送前の番組のみの各単語の統計量から、該ユーザの該質問に対する興味合致度を算出し、該ユーザの識別子と、該番組の識別子と共に興味合致度記憶手段に格納する興味合致度算出ステップと、
量興味量算出手段が、番組情報記憶手段の番組のうち、視聴情報記憶手段を参照して、録画された番組のみを選出し、統計量記憶手段に格納されている該録画の対象である番組の各単語の統計量から、該ユーザの該単語に対する良興味量を算出し、ユーザの識別子と、単語と共に良興味量記憶手段に格納する良興味量算出ステップと、
良興味合致度算出手段が、良興味量記憶手段に格納されている各ユーザの各単語に対する統計量と、番組情報記憶手段に格納されている番組のうち、放送前の番組のみの各単語の統計量から、該ユーザの該番組に対する良興味合致度を算出し、該ユーザの識別子と、該番組の識別子と共に前期良興味合致度記憶手段に格納する良興味合致度算出ステップと、
重みパラメータ算出手段が、番組情報記憶手段に格納されている番組のうち、放送済の番組と、該番組情報記憶手段に格納されているユーザのうち、視聴したことのある番組との全ての組合せについて、該番組情報記憶手段に格納されている該番組について該ユーザが録画したかどうかと、興味合致度記憶手段に格納されている興味合致度と、良興味合致度記憶手段に格納されている良興味合致度とを用いて、重みパラメータを算出し、重みパラメータ記憶手段に格納する重みパラメータ算出ステップと、
番組推薦手段が、ユーザの識別子が与えられると、該ユーザの番組情報記憶手段に格納されている放送前の各番組に対して、興味合致度記憶手段に格納されている興味合致度と、良興味合致度記憶手段に格納されている良興味合致度と、重みパラメータ記憶手段に格納された重みパラメータとを用いて、該ユーザの各番組に対する推薦スコアを算出し、推薦スコアの上位Ｎ件の質問の識別子を推薦番組として選択する番組推薦ステップと、を行う。
【００１５】
また、本発明（請求項５）は、統計量算出ステップにおいて、
各単語の統計量を算出する際に、重要と見做される単語を抽出するためのＴＦ値（単語の出現頻度）、ＴＦＩＤＦ値（単語の出現頻度と逆出現頻度）を用いる。
【００１６】
また、本発明（請求項６）は、重みパラメータ算出ステップにおいて、
番組情報記憶手段に格納されている該番組に対して該ユーザが録画したかどうかと、興味合致度記憶手段に格納されている興味合致度と、良興味合致度記憶手段に格納されている良興味合致度に基づいて、ロジスティック回帰分析によって重みパラメータを算出する。
【００１７】
また、本発明（請求項７）は、請求項１乃至請求項３のいずれか１項に記載の番組推薦装置を構成する各手段としてシステムを機能させるための番組推薦プログラムである。
【発明の効果】
【００１８】
上記のように本発明によれば、視聴情報だけでなく録画情報を用いて、ユーザの興味により適合した番組を推薦する手法を実現したことにより、従来の技術では不可能であった、インターネット回線を利用した映像配信サービスにおいて、ユーザにより適切な番組を推薦することが可能となる。これはインターネット回線を利用した映像配信サービスにおける視聴／録画の増加につながる。
【図面の簡単な説明】
【００１９】
【図１】本発明の一実施の形態における番組推薦装置の概要図である。
【図２】本発明の一実施の形態における番組情報テーブルの例である。
【図３】本発明の一実施の形態における視聴情報テーブルの例である。
【図４】本発明の一実施の形態における興味情報テーブルの例である。
【図５】本発明の一実施の形態における良興味情報テーブルの例である。
【図６】本発明の一実施の形態における興味合致度テーブルの例である。
【図７】本発明の一実施の形態における良興味合致度テーブルの例である。
【図８】本発明の一実施の形態における番組氏弔辞の処理のフローチャートである。
【図９】本発明の一実施の形態における図８のステップ１２０の詳細な処理のフローチャートである。
【図１０】本発明の一実施の形態における図８のステップ１３０の詳細な処理のフローチャートである。
【図１１】本発明の一実施の形態における番組録画時の処理のフローチャートである。
【図１２】本発明の一実施の形態における図１１のステップ２２０の詳細な処理のフローチャートである。
【図１３】本発明の一実施の形態における図１１のステップ２３０の詳細な処理のフローチャートである。
【図１４】本発明の一実施の形態におけるユーザログオン時の処理のフローチャートである。
【図１５】本発明の一実施の形態における重みパラメータ更新時の処理のフローチャートである。
【発明を実施するための形態】
【００２０】
以下図面と共に、本発明の実施の形態を説明する。
【００２１】
図１は、本発明の一実施の形態における番組推薦装置の構成を示す。
【００２２】
同図に示す番組推薦装置１は、番組情報取得部１０、視聴情報テーブル更新部２０、興味情報テーブル更新部３０、良興味情報テーブル更新部４０、興味合致度テーブル更新部５０、良興味合致度テーブル更新部６０、番組推薦部７０、重みパラメータ更新部８０、記憶部９０、通信部Ａ０、入出力部Ｂ０から構成され、通信部Ａ０はネットワーク３に接続されており、入出力部Ｂ０は、入力装置や表示装置等の外部装置４に接続されている。
【００２３】
記憶部９０は、番組情報テーブル９１、視聴情報テーブル９２、興味情報テーブル９３、良興味情報テーブル９４、興味合致度テーブル９５、良興味合致度テーブル９６、重みパラメータ記録部９７を格納するディスク等の記憶媒体である。以下に、記憶部９０内の各テーブルについて説明する。
【００２４】
＜番組情報テーブル＞
番組情報テーブル９１には、図２に示すように、番組ＩＤフィールド、内容フィールド、放送時間フィールドが含まれる。
【００２５】
番組ＩＤフィールドは、その番組を特定する識別子であり、番組情報取得部１０により設定される。
【００２６】
内容フィールドは、該番組の内容に関する要約が、番組情報取得部１０によりテキストデータにて設定される。
【００２７】
放送時間フィールドは、該番組の放送時間が、番組情報取得部１０により設定される。
【００２８】
＜視聴情報テーブル＞
視聴情報テーブル９２には、図３に示すように、番組ＩＤフィールド、ユーザＩＤフィールド、視聴／録画種別フィールドが含まれる。
【００２９】
番組ＩＤフィールドは、番組情報テーブルに出現する番組の識別子と対応し、視聴情報テーブル更新部２０により設定される。
【００３０】
ユーザＩＤフィールドは、番組を視聴／録画したユーザを特定する識別子が、視聴情報テーブル更新部２０により設定される。
【００３１】
視聴／録画種別フィールドは、該視聴／録画が視聴か、録画かを判定するための値が、視聴情報テーブル更新部２０により設定される。
【００３２】
＜興味情報テーブル＞
興味情報テーブル９３には、図４に示すように、ユーザＩＤフィールドと、単語フィールドと、特徴量フィールドとが含まれる。
【００３３】
ユーザＩＤフィールドは、ユーザＩＤが、興味情報テーブル更新部３０により設定される。
【００３４】
単語フィールドは、単語 w が、興味情報テーブル更新部３０により設定される。
【００３５】
特徴量フィールドは、ユーザ u の視聴した番組の内容中に出現する単語 w の統計量 interest0(u,w) であり、興味情報テーブル更新部３０により設定される。
【００３６】
＜良興味情報テーブル＞
良興味情報テーブル９４には、図５に示すように、ユーザＩＤフィールドと、単語フィールドと、特徴量フィールドとが含まれる。
【００３７】
ユーザＩＤフィールドは、ユーザＩＤが、良興味情報テーブル更新部４０により設定される。
【００３８】
単語フィールドは、単語 w が、良興味情報テーブル更新部４０により設定される。
【００３９】
特徴量フィールドは、ユーザ u の録画した番組の内容中に出現する単語 w の統計量 interest1(u,w)であり、良興味情報テーブル更新部５０により設定される。
【００４０】
＜興味合致度テーブル＞
興味合致度テーブル９５には、図６に示すように、ユーザＩＤフィールドと、番組ＩＤフィールドと、興味合致度フィールドとが含まれる。
【００４１】
興味合致度フィールドは、当該行のユーザ u の過去に視聴した番組と、当該行の番組 pとの内容の類似度 score0(p,u) が興味合致度テーブル更新部４０により設定される。
【００４２】
＜良興味合致度テーブル＞
良興味合致度テーブル９６には、図７に示すように、ユーザＩＤフィールドと、番組ＩＤフィールドと、良興味合致度フィールドとが含まれる。
【００４３】
良興味合致度フィールドは、当該行のユーザ u の過去に録画した番組と、当該行の番組 p との内容の類似度 score1(p,u) が良興味合致度テーブル更新部６０により設定される。
【００４４】
＜重みパラメータ記録部＞
重みパラメータ記録部９７には、番組推薦部７０がユーザ u に番組 p を推薦するための推薦スコア score(p,u) を以下の式（１）のように算出するための重み λ0、λ1 が格納されている。
【００４５】
【数１】
重み λ0、λ1 は、重みパラメータ更新部８０によって設定される。
【００４６】
以下に、上記の構成における番組視聴時の処理を説明する。
【００４７】
図８は、本発明の一実施形態における番組視聴時の処理のフローチャートである。
【００４８】
ステップ１１０）視聴情報テーブル更新部１０が、視聴情報テーブル９２に、視聴された番組、視聴したユーザに応じて番組ＩＤフィールド、ユーザＩＤフィールドを設定する。また、視聴／録画種別フィールドを「視聴」と設定する。そのような行 v を視聴情報テーブル９２に挿入する。
【００４９】
ステップ１２０）興味情報テーブル更新部３０が、上記行 v の情報を元に興味情報テーブル８２を更新する。
【００５０】
ステップ１３０）興味合致度テーブル更新部５０が、上記行 v の情報を元に興味合致度テーブル８４を更新する。
【００５１】
次に、上記の図８のステップ１２０の処理を詳細に説明する。
【００５２】
図９は、本発明の一実施の形態における図８のステップ１２０の詳細な処理のフローチャートである。今、行 v のユーザ、対象となっている番組がそれぞれ u、p であるとする。
【００５３】
ステップ１２１）番組情報取得部１０が、番組情報テーブル９１を参照し、番組ＩＤが p である行の内容フィールドの値を取得する。
【００５４】
ステップ１２２）興味情報テーブル更新部３０が、形態素解析器の分かち書き機能を用いて前記番組 p の内容に含まれる単語集合 W を取得する。
【００５５】
ステップ１２３）興味情報テーブル更新部３０が、上記単語集合 W に含まれる個々の単語 w に対して、番組 p の内容における統計量、例えば、出現頻度（文献３（Manning, C.D. et al., "Introduction to information retrieval", 2008）記載の「ＴＦ値」） tf(p,w) を算出する。単語 w の番組 p の内容における重みを算出するにあたって、出現頻度だけでなく、別の尺度（文献３記載の「ＴＦＩＤＦ値」等）を用いても構わない。
【００５６】
ステップ１２４）興味情報テーブル更新部３０が、興味情報テーブル９３を参照し、ユーザＩＤフィールドの値が u、単語フィールドの値が wの行の特徴量フィールドの値 interest0(u,w) を取得する。ただし、ユーザＩＤフィールドの値が u、単語フィールドの値が wの行が存在しない場合は interest0(u,w) の値は０とする。
【００５７】
ステップ１２５）興味情報テーブル更新部３０が、興味情報テーブル９３に、ユーザＩＤフィールドの値が u、単語フィールドの値が w の行の特徴量フィールドの値を interest0(u,w)+ tf(p,w) とするように更新または挿入する。
【００５８】
次に、上記の図８のステップ１３０の処理を詳細に説明する。
【００５９】
図１０は、本発明の一実施の形態における図８のステップ１３０の詳細な処理のフローチャートである。今、行 v のユーザがそれぞれ u であるとする。
【００６０】
ステップ１３１）興味合致度テーブル更新部５０が、興味情報テーブル９３を参照し、ユーザＩＤが u の行に出現する単語フィールドの値の集合を W とする。
【００６１】
ステップ１３２）興味合致度テーブル更新部５０が、上記単語集合 W に含まれる個々の単語 w に対して、興味情報テーブル９３を参照し、ユーザＩＤが u で単語が w の行の特徴量フィールドの値 interest0(u,w) を取得する。
【００６２】
ステップ１３３）興味合致度テーブル更新部５０が、番組情報テーブル９１を参照し、放送時間フィールドの値が現在時刻よりも未来の番組集合 P を取得する。
【００６３】
ステップ１３４）興味合致度テーブル更新部５０が、前記番組集合 P 中の各番組 p の内容フィールドにおける、前記単語集合 W 内の各単語 w の統計量（例えば文献３記載の「ＴＦ値」） tf(p,w) を算出する。もし番組 p の本文フィールドに単語 w が含まれない場合は、tf(p,w)=0とする。
【００６４】
ステップ１３５）興味合致度テーブル更新部５０が、前記番組 p のユーザu に対する興味合致度 score0(p,u) を以下の式（２）を用いて算出する。
【００６５】
【数２】
式（２）における tf(p,w) は、番組 p における単語 w の重みを意味し、興味情報テーブル９３の特徴量 interest0(u,w)はユーザ u の単語 w に対する興味量を表す。分子は、両者の内積であるが、内積は番組 p に含まれる語数が多ければ多いほど大きくなる傾向を考慮し、分母により正規化する。これは、文献３（Manning, C.D. et al., "Introduction to information retrieval", 2008）記載のコサイン類似度と呼ばれる尺度であり、この尺度によりユーザ u の興味と番組 p の関連の強さが求まる。
【００６６】
ステップ１３６）興味合致度テーブル更新部５０が、興味合致度テーブル９５を、ユーザＩＤが u で、番組ＩＤが p の行の興味合致度フィールドの値が前記興味合致度 score0(p,u) となるように更新する。
【００６７】
次に、番組録画時の処理を説明する。
【００６８】
図１１は、本発明の一実施形態における番組録画時の処理のフローチャートである。
【００６９】
ステップ２１０）視聴情報テーブル更新部１０が、視聴情報テーブル９２に、視聴された番組、視聴したユーザに応じて番組ＩＤフィールド、ユーザＩＤフィールドを設定する。また、視聴／録画種別フィールドを「録画」と設定する。そのような行 r を視聴情報テーブル９２に挿入する。
【００７０】
ステップ２２０）良興味情報テーブル更新部５０が、上記行 r の情報を元に良興味情報テーブル９４を更新する。
【００７１】
ステップ２３０）良興味合致度テーブル更新部５０が、上記行 r の情報を元に良興味合致度テーブル９６を更新する。
【００７２】
次に、上記の図１１のステップ２２０の処理を詳細に説明する。
【００７３】
図１２は、本発明の一実施の形態における図１１のステップ２２０の詳細な処理のフローチャートである。今、行 r のユーザ、対象となっている番組がそれぞれ u、p であるとする。
【００７４】
ステップ２２１）番組情報取得部１０が、番組情報テーブル９１を参照し、番組ＩＤが p である行の内容フィールドの値を取得する。
【００７５】
ステップ２２２）良興味情報テーブル更新部４０が、形態素解析器の分かち書き機能を用いて前記番組 p の内容に含まれる単語集合 W を取得する。
【００７６】
ステップ２２３）良興味情報テーブル更新部４０が、上記単語集合 W に含まれる個々の単語 w に対して、番組 p の内容における統計量、例えば出現頻度（文献３（Manning, C.D. et al., "Introduction to information retrieval", 2008）記載の「ＴＦ値」） tf(p,w) を算出する。単語 w の番組 p の内容における重みを算出するにあたって、出現頻度だけでなく、別の尺度（文献３記載の「ＴＦＩＤＦ値」等）を用いても構わない。
【００７７】
ステップ２２４）良興味情報テーブル更新部４０が、良興味情報テーブル９４を参照し、ユーザＩＤフィールドの値が u、単語フィールドの値が wの行の特徴量フィールドの値 interest1(u,w) を取得する。但し、ユーザＩＤフィールドの値が u、単語フィールドの値が wの行が存在しない場合は interest1(u,w) の値は０とする。
【００７８】
ステップ２２５）良興味情報テーブル更新部４０が、良興味情報テーブル９４に、ユーザＩＤフィールドの値が u、単語フィールドの値が w の行の特徴量フィールドの値を interest1(u,w)+ tf(p,w) とするように更新または挿入する。
【００７９】
次に、上記の図１１のステップ２３０の処理を詳細に説明する。
【００８０】
図１３は、本発明の一実施の形態における図１１のステップ２３０の詳細な処理のフローチャートである。今、行 r のユーザがそれぞれ u であるとする。
【００８１】
ステップ２３１）良興味合致度テーブル更新部６０が、良興味情報テーブル９４を参照し、ユーザＩＤが u の行に出現する単語フィールドの値の集合を W とする。
【００８２】
ステップ２３２）良興味合致度テーブル更新部６０が、上記単語集合 W に含まれる個々の単語 w に対して、良興味情報テーブル９４を参照し、ユーザＩＤが u で単語が w の行の特徴量フィールドの値 interest1(u,w) を取得する。
【００８３】
ステップ２３３）良興味合致度テーブル更新部６０が、番組情報テーブル９１を参照し、放送時間フィールドの値が現在時刻よりも未来の番組集合 P を取得する。
【００８４】
ステップ２３４）良興味合致度テーブル更新部６０が、前記番組集合 P 中の各番組 p の内容フィールドにおける、前記単語集合 W 内の各単語 w の統計量（例えば文献３記載の「ＴＦ値」） tf(p,w) を算出する。もし番組 p の本文フィールドに単語 w が含まれない場合は、tf(p,w)=0とする。
【００８５】
ステップ２３５）良興味合致度テーブル更新部６０が、前記番組 p のユーザuに対する興味合致度 score1(p,u) を以下の式（３）を用いて算出する。
【００８６】
【数３】
上記の式（３）における tf(p,w) は、番組 p における単語 w の重みを意味し、良興味情報テーブル９４の特徴量 interest1(u,w)はユーザ u の単語 w に対する良興味量を表す。分子は、両者の内積であるが、内積は番組 p に含まれる語数が多ければ多いほど大きくなる傾向を考慮し、分母により正規化する。これは、文献３（Manning, C.D. et al., "Introduction to information retrieval", 2008）記載のコサイン類似度と呼ばれる尺度であり、この尺度によりユーザ u の良興味と番組 p の関連の強さが求まる。
【００８７】
ステップ２３６）良興味合致度テーブル更新部６０が、良興味合致度テーブル９６を、ユーザＩＤが u で、番組ＩＤが p の行の良興味合致度フィールドの値が前記良興味合致度 score1(p,u) となるように更新する。
【００８８】
図１４は、本発明の一実施の形態におけるユーザログオン時の処理のフローチャートである。
【００８９】
ユーザ u がログオンすると、
ステップ３１０）番組推薦部７０が、興味合致度テーブル９５を参照し、ユーザＩＤフィールドが u の行 I0u を取得する。
【００９０】
ステップ３２０）番組推薦部７０が、良興味合致度テーブル９６を参照し、ユーザＩＤフィールドが u の行 I1u を取得する。
【００９１】
ステップ３３０）番組推薦部７０が、重みパラメータ記録部９７を参照し、重みパラメータ λ0、λ1 を取得する。
【００９２】
ステップ３４０）番組推薦部７０が、番組情報テーブル９１を参照し、放送時間フィールドの値が現在時刻よりも未来の番組集合 P を取得する。
【００９３】
ステップ３５０）番組推薦部７０が、前記番組集合 P の各番組 p について、前記興味合致度テーブル９５内のユーザＩＤがユーザ uのもの I0u のうち番組ＩＤが pの行の興味合致度score0(p,u)と、前記良興味合致度テーブル９６内のユーザＩＤがユーザ u のもの I1uのうち番組ＩＤが p の行の良興味合致度score1(p,u)とを取得し、式（１）を用いてユーザ u への番組 p の推薦スコア score(p,u)を算出する。
【００９４】
ステップ３６０）番組推薦部７０が、前期番組集合 P 内の各番組 p のユーザ u に対する推薦スコア score(p,u) の値を用いてユーザ u に推薦すべき番組を決定する。その際、推薦スコアフィールドの値が大きいものから順に予め設定した任意の件数 N (N=1,2,3,…)件を推薦すべき番組としてもよいし、推薦スコアに対し、ある閾値を設けて、 推薦スコアがその値を超えるものを推薦すべき番組としてもよい。
【００９５】
次に、重みパラメータ更新部８０による重みパラメータの更新処理を説明する。
【００９６】
図１６は、本発明の一実施の形態における重みパラメータ更新時の処理のフローチャートである。重みパラメータは、本実施の形態のように、文献４（Hosmer, D.W. et al., "Applied logistic regression", 2000）記載のロジスティック回帰モデルを用いて自動で算出してもよいし、文献５（Cristianini, N. et al., "An introduction to support Vector Machines: and other kernel-based learning methods", 2000）記載のサポートベクトルマシン等を用いて自動で算出してもよいし、人手にて適当な重みパラメータを設定してもよい。重みパラメータの更新は、システムの管理者の明示的な入力で開始するようにしてもよいし、定期的にバッチ処理するようにしてもよい。
【００９７】
ステップ４１０）重みパラメータ更新部８０は、視聴情報テーブル９２のユーザＩＤフィールドに出現するユーザ集合 U を取得する。
【００９８】
ステップ４２０）重みパラメータ更新部８０は、番組情報テーブル９１を参照し、放送時間フィールドの値が現在時刻よりも過去の番組集合 P を取得する。
【００９９】
ステップ４３０）重みパラメータ更新部８０は、興味合致度テーブル９５、良興味合致度テーブル９６を参照し、前記番組集合 P の各質問と、前記ユーザ集合 U の各ユーザとの各質問との組合せ (p,u) について、興味合致度 score0(p,u) と、良興味合致度 score1(p,u) を取得し、以下の式を用いて l(p,u)を算出する。
【０１００】
【数４】
上記の式（４）は、Σiλiscorei(p,u) の値を確率化したもので、Σiλiscorei(p,u) の値が高ければ高いほど値が１に近づき、Σiλiscorei(p,u) の値が低ければ低いほど０に近づく。
【０１０１】
ステップ４４０）重みパラメータ更新部８０は、前記番組集合 P 内の各番組 p と、前記ユーザ集合 U 内の各ユーザ u について、視聴情報テーブル９２に、ユーザＩＤが u で、番組ＩＤが p で、視聴／録画フィールドの値が「録画」の行が存在する場合 b(p,u)=α とし、ユーザＩＤが u で、番組ＩＤが p で、視聴／録画フィールドの値が「録画」の行は存在しないが、「視聴」の行が存在する場合は b(p,u)=β とし、ユーザＩＤが u で、番組ＩＤが pの行が存在しない場合は b(p,u)=0 とする。このとき、L(λ0,λ1) を以下の式を用いて算出する。
【０１０２】
【数５】
α、βは人手によって、例えば 0.8、0.5 に設定する。
【０１０３】
上記の式（５）は、λ0とλ1の尤度と呼ばれる尺度で、過去に u が p を録画したか、視聴したか b(p,u) と、各番組のユーザ毎の式（４）で表わされる l(p,u)から、設定したλ0とλ1がどれだけ過去の視聴情報とマッチしているかを表す尺度である。従って、式（５）を最大にするようなλ0、λ1が最も適切な重みパラメータであると考えられる。
【０１０４】
ステップ４５０）重みパラメータ更新部８０は、文献６（Liu, D.C. et al., "On the limited memory BFGS method for large scale optimization", 1989）記載の準ニュートン法等による最適化手法により、式（４）で表わされる L(λ0,λ1) を最大にするλ0、λ1 を算出する。
【０１０５】
ステップ４６０）重みパラメータ更新部８０は、重みパラメータ記録部９７にさきほど算出した重みパラメータλ0、λ1 を記録する。
【０１０６】
なお、上記の番組推薦装置の各構成要素の処理をプログラムとして構築し、番組推薦装置として利用されるコンピュータにインストールして実行させる、または、ネットワークを介して流通させることが可能である。
【０１０７】
また、構築されたプログラムをハードディスクや、フレキシブルディスク、ＣＤ−ＲＯＭ等の可搬記憶媒体に格納し、コンピュータにインストールする、または、配布することが可能である。
【０１０８】
なお、本発明は、上記の実施の形態に限定されることなく、特許請求の範囲内において種々変更・応用が可能である。
【符号の説明】
【０１０９】
１ 番組推薦装置
２ 外部端末
３ ネットワーク
４ 外部装置
Ａ０ 通信部
Ｂ０ 入出力部
１０ 番組情報取得部
２０ 視聴情報テーブル更新部
３０ 興味情報テーブル更新部
４０ 良興味情報テーブル更新部
５０ 興味合致度テーブル更新部
６０ 良興味合致度テーブル更新部
７０ 番組推薦部
８０ 重みパラメータ更新部
９０ 記憶部
９１ 番組情報テーブル
９２ 視聴情報テーブル
９３ 興味情報テーブル
９４ 良興味情報テーブル
９５ 興味合致度テーブル
９６ 良興味合致度テーブル
９７ 重みパラメータ記憶部
【技術分野】
【０００１】
本発明は、番組推薦装置及び方法及びプログラムに係り、特に、インターネット回線による映像配信サービスで提供されるユーザのテレビ番組視聴における、番組推薦装置及び方法及びプログラムに関する。
【背景技術】
【０００２】
情報推薦の手法はいくつも提案されている。例えば、ニュース記事を推薦するために、各ニュース記事についてユーザに５段階の評価をつけさせ、過去の評価履歴を見てユーザ間の嗜好の類似度を測り、嗜好が似たユーザの好むニュース記事を推薦する手法が提案されている（例えば、非特許文献１参照）。
【０００３】
また、上記の手法と同様に、各情報に対してユーザに評価をつけさせ、過去の評価履歴でユーザが評価している情報に含まれるテキストに着目する。そのテキストがユーザの興味を反映していると考え、そのテキストと同じような単語が出現している情報を推薦する手法が提案されている（例えば、非特許文献２参照）。
【０００４】
また、利用者に興味を持つ部分のテキストを指定させ、そこに含まれる単語の出現頻度に基づいてユーザの興味を推定し、ユーザの興味を表す単語に基づいてコミュニティ内の情報を検索し、ユーザの興味のある箇所のみの情報を提示する手法がある（例えば、特許文献１参照）。
【先行技術文献】
【特許文献】
【０００５】
【特許文献１】特開平１１-３３８８６９号公報
【非特許文献】
【０００６】
【非特許文献１】Resnick, P. et al., "GroupLens: An open architecture for collaborative filtering of netnews". CSCW '94: Proceedings of the 1994 ACM conference on Computer supported cooperative work, ACM Press New York, 1994.
【非特許文献２】Mooney R.J. et al, `` Content-Based Book Recommending Using Learning for Text Categorization'', Proceedings of the 5th ACM Conference on Digital Libraries, ACM Press New York, 2000
【発明の概要】
【発明が解決しようとする課題】
【０００７】
インターネット回線を利用した映像配信サービスについて、多チャンネル化が進んでいる。こういった中でユーザが本当に興味のある番組を見つけるのは困難である。また興味ある番組をすべて把握し録画することもまた、困難である。
【０００８】
上記の特許文献１の手法を用いて番組を推薦する場合、ユーザが指定した興味のある語に関連する番組が推薦される。この場合、語を指定しなければならないという問題がある。また、指定した語が十分でなければ、ユーザにうまく番組が推薦されない。
【０００９】
非特許文献１、２に記載の手法で番組を推薦する場合、ユーザの視聴した番組の情報を用いてユーザに番組を推薦するが、その番組情報の中でユーザが録画した情報は考慮しない。あるいは録画した番組の情報を用いれば、ユーザが視聴したという情報は考慮されない。視聴・録画の両方の情報を用いなければ、ユーザにさらに適切な番組を推薦することはできない。
【００１０】
本発明は上記の点に鑑みなされたもので、インターネット回線を利用した映像配信サービスにおいて、ユーザの視聴と録画に関するログを利用することでさらに適切に番組を推薦することが可能な番組推薦装置及び方法及びプログラムを提供することを目的とする。
【課題を解決するための手段】
【００１１】
上記の課題を解決するために、本発明（請求項１）は、インターネット回線を利用した映像配信サービスにおいて、利用者の視聴履歴、中でも番組がユーザにより録画されたかどうかの情報を利用する番組推薦装置であって、
インターネット回線を利用した映像配信サービスにおける番組の情報を取得し、番組情報記憶手段に格納する番組情報取得手段と、
番組情報中の内容の要約テキストから単語を抽出する単語抽出手段と、
各番組情報における各単語の統計量を算出し、統計量記憶手段に格納する統計量算出手段と、
インターネット回線を利用した映像配信サービスにおける各ユーザの視聴または録画の視聴情報を取得し、視聴情報記憶手段に格納する視聴情報取得手段と、
取得した視聴情報からユーザと、視聴情報の対象である番組の番組情報記憶手段に格納されている内容の要約テキストから算出した各単語の統計量から、該ユーザの該単語に対する興味量を算出し、ユーザの識別子と、単語と共に興味量記憶手段に格納する興味量算出手段と、
興味量記憶手段に格納されている各ユーザの各単語に対する統計量と、番組情報記憶手段に格納されている番組のうち、放送前の番組のみの各単語の統計量から、該ユーザの該質問に対する興味合致度を算出し、該ユーザの識別子と、該番組の識別子と共に興味合致度記憶手段に格納する興味合致度算出手段と、
番組情報記憶手段の番組のうち、視聴情報記憶手段を参照して、録画された番組のみを選出し、統計量記憶手段に格納されている該録画の対象である番組の各単語の統計量から、該ユーザの該単語に対する良興味量を算出し、ユーザの識別子と、単語と共に良興味量記憶手段に格納する良興味量算出手段と、
良興味量記憶手段に格納されている各ユーザの各単語に対する統計量と、番組情報記憶手段に格納されている番組のうち、放送前の番組のみの各単語の統計量から、該ユーザの該番組に対する良興味合致度を算出し、該ユーザの識別子と、該番組の識別子と共に良興味合致度記憶手段に格納する良興味合致度算出手段と、
番組情報記憶手段に格納されている番組のうち、放送済の番組と、該番組情報記憶手段に格納されているユーザのうち、視聴したことのある番組との全ての組合せについて、該番組情報記憶手段に格納されている該番組について該ユーザが録画したかどうかと、興味合致度記憶手段に格納されている興味合致度と、良興味合致度記憶手段に格納されている良興味合致度とを用いて、重みパラメータを算出し、重みパラメータ記憶手段に格納する重みパラメータ算出手段と、
ユーザの識別子が与えられると、該ユーザの番組情報記憶手段に格納されている放送前の各番組に対して、興味合致度記憶手段に格納されている興味合致度と、良興味合致度記憶手段に格納されている良興味合致度と、重みパラメータ記憶手段に格納された重みパラメータとを用いて、該ユーザの各番組に対する推薦スコアを算出し、推薦スコアの上位Ｎ件の質問の識別子を推薦番組として選択する番組推薦手段と、を有する。
【００１２】
また、本発明（請求項２）は、統計量算出手段において、
各単語の統計量を算出する際に、重要と見做される単語を抽出するためのＴＦ値（単語の出現頻度）、ＴＦＩＤＦ値（単語の出現頻度と逆出現頻度）を用いる。
【００１３】
また、本発明（請求項３）は、重みパラメータ算出手段において、
番組情報記憶手段に格納されている該番組に対して該ユーザが録画したかどうかと、興味合致度記憶手段に格納されている興味合致度と、良興味合致度記憶手段に格納されている良興味合致度に基づいて、ロジスティック回帰分析によって重みパラメータを算出する手段を含む。
【００１４】
また、本発明（請求項４）は、インターネット回線を利用した映像配信サービスにおいて、利用者の視聴履歴、中でも番組がユーザにより録画されたかどうかの情報を利用する番組推薦方法であって、
記憶媒体に、番組情報記憶手段、統計量記憶手段、視聴情報記憶手段、興味量記憶手段、興味合致度記憶手段、良興味量記憶手段、良興味合致度記憶手段、重みパラメータ記憶手段、を格納し、番組情報取得手段、単語抽出手段、視聴情報取得手段、興味量算出手段、興味合致度算出手段、良興味量算出手段、良興味合致度算出手段、重みパラメータ算出手段、番組推薦手段と、を有する装置において、
番組情報取得手段が、インターネット回線を利用した映像配信サービスにおける番組の情報を取得し、番組情報記憶手段に格納する番組情報取得ステップと、
単語抽出手段が、番組情報中の内容の要約テキストから単語を抽出する単語抽出ステップと、
統計量算出手段が、各番組情報における各単語の統計量を算出し、統計量記憶手段に格納する統計量算出ステップと、
視聴情報取得手段が、インターネット回線を利用した映像配信サービスにおける各ユーザの視聴または録画の視聴情報を取得し、視聴情報記憶手段に格納する視聴情報取得ステップと、
興味量算出手段が、取得した視聴情報からユーザと、視聴情報の対象である番組の番組情報記憶手段に格納されている内容の要約テキストから算出した各単語の統計量から、該ユーザの該単語に対する興味量を算出し、ユーザの識別子と、単語と共に興味量記憶手段に格納する興味量算出ステップと、
興味合致度算出手段が、興味量記憶手段に格納されている各ユーザの各単語に対する統計量と、番組情報記憶手段に格納されている番組のうち、放送前の番組のみの各単語の統計量から、該ユーザの該質問に対する興味合致度を算出し、該ユーザの識別子と、該番組の識別子と共に興味合致度記憶手段に格納する興味合致度算出ステップと、
量興味量算出手段が、番組情報記憶手段の番組のうち、視聴情報記憶手段を参照して、録画された番組のみを選出し、統計量記憶手段に格納されている該録画の対象である番組の各単語の統計量から、該ユーザの該単語に対する良興味量を算出し、ユーザの識別子と、単語と共に良興味量記憶手段に格納する良興味量算出ステップと、
良興味合致度算出手段が、良興味量記憶手段に格納されている各ユーザの各単語に対する統計量と、番組情報記憶手段に格納されている番組のうち、放送前の番組のみの各単語の統計量から、該ユーザの該番組に対する良興味合致度を算出し、該ユーザの識別子と、該番組の識別子と共に前期良興味合致度記憶手段に格納する良興味合致度算出ステップと、
重みパラメータ算出手段が、番組情報記憶手段に格納されている番組のうち、放送済の番組と、該番組情報記憶手段に格納されているユーザのうち、視聴したことのある番組との全ての組合せについて、該番組情報記憶手段に格納されている該番組について該ユーザが録画したかどうかと、興味合致度記憶手段に格納されている興味合致度と、良興味合致度記憶手段に格納されている良興味合致度とを用いて、重みパラメータを算出し、重みパラメータ記憶手段に格納する重みパラメータ算出ステップと、
番組推薦手段が、ユーザの識別子が与えられると、該ユーザの番組情報記憶手段に格納されている放送前の各番組に対して、興味合致度記憶手段に格納されている興味合致度と、良興味合致度記憶手段に格納されている良興味合致度と、重みパラメータ記憶手段に格納された重みパラメータとを用いて、該ユーザの各番組に対する推薦スコアを算出し、推薦スコアの上位Ｎ件の質問の識別子を推薦番組として選択する番組推薦ステップと、を行う。
【００１５】
また、本発明（請求項５）は、統計量算出ステップにおいて、
各単語の統計量を算出する際に、重要と見做される単語を抽出するためのＴＦ値（単語の出現頻度）、ＴＦＩＤＦ値（単語の出現頻度と逆出現頻度）を用いる。
【００１６】
また、本発明（請求項６）は、重みパラメータ算出ステップにおいて、
番組情報記憶手段に格納されている該番組に対して該ユーザが録画したかどうかと、興味合致度記憶手段に格納されている興味合致度と、良興味合致度記憶手段に格納されている良興味合致度に基づいて、ロジスティック回帰分析によって重みパラメータを算出する。
【００１７】
また、本発明（請求項７）は、請求項１乃至請求項３のいずれか１項に記載の番組推薦装置を構成する各手段としてシステムを機能させるための番組推薦プログラムである。
【発明の効果】
【００１８】
上記のように本発明によれば、視聴情報だけでなく録画情報を用いて、ユーザの興味により適合した番組を推薦する手法を実現したことにより、従来の技術では不可能であった、インターネット回線を利用した映像配信サービスにおいて、ユーザにより適切な番組を推薦することが可能となる。これはインターネット回線を利用した映像配信サービスにおける視聴／録画の増加につながる。
【図面の簡単な説明】
【００１９】
【図１】本発明の一実施の形態における番組推薦装置の概要図である。
【図２】本発明の一実施の形態における番組情報テーブルの例である。
【図３】本発明の一実施の形態における視聴情報テーブルの例である。
【図４】本発明の一実施の形態における興味情報テーブルの例である。
【図５】本発明の一実施の形態における良興味情報テーブルの例である。
【図６】本発明の一実施の形態における興味合致度テーブルの例である。
【図７】本発明の一実施の形態における良興味合致度テーブルの例である。
【図８】本発明の一実施の形態における番組氏弔辞の処理のフローチャートである。
【図９】本発明の一実施の形態における図８のステップ１２０の詳細な処理のフローチャートである。
【図１０】本発明の一実施の形態における図８のステップ１３０の詳細な処理のフローチャートである。
【図１１】本発明の一実施の形態における番組録画時の処理のフローチャートである。
【図１２】本発明の一実施の形態における図１１のステップ２２０の詳細な処理のフローチャートである。
【図１３】本発明の一実施の形態における図１１のステップ２３０の詳細な処理のフローチャートである。
【図１４】本発明の一実施の形態におけるユーザログオン時の処理のフローチャートである。
【図１５】本発明の一実施の形態における重みパラメータ更新時の処理のフローチャートである。
【発明を実施するための形態】
【００２０】
以下図面と共に、本発明の実施の形態を説明する。
【００２１】
図１は、本発明の一実施の形態における番組推薦装置の構成を示す。
【００２２】
同図に示す番組推薦装置１は、番組情報取得部１０、視聴情報テーブル更新部２０、興味情報テーブル更新部３０、良興味情報テーブル更新部４０、興味合致度テーブル更新部５０、良興味合致度テーブル更新部６０、番組推薦部７０、重みパラメータ更新部８０、記憶部９０、通信部Ａ０、入出力部Ｂ０から構成され、通信部Ａ０はネットワーク３に接続されており、入出力部Ｂ０は、入力装置や表示装置等の外部装置４に接続されている。
【００２３】
記憶部９０は、番組情報テーブル９１、視聴情報テーブル９２、興味情報テーブル９３、良興味情報テーブル９４、興味合致度テーブル９５、良興味合致度テーブル９６、重みパラメータ記録部９７を格納するディスク等の記憶媒体である。以下に、記憶部９０内の各テーブルについて説明する。
【００２４】
＜番組情報テーブル＞
番組情報テーブル９１には、図２に示すように、番組ＩＤフィールド、内容フィールド、放送時間フィールドが含まれる。
【００２５】
番組ＩＤフィールドは、その番組を特定する識別子であり、番組情報取得部１０により設定される。
【００２６】
内容フィールドは、該番組の内容に関する要約が、番組情報取得部１０によりテキストデータにて設定される。
【００２７】
放送時間フィールドは、該番組の放送時間が、番組情報取得部１０により設定される。
【００２８】
＜視聴情報テーブル＞
視聴情報テーブル９２には、図３に示すように、番組ＩＤフィールド、ユーザＩＤフィールド、視聴／録画種別フィールドが含まれる。
【００２９】
番組ＩＤフィールドは、番組情報テーブルに出現する番組の識別子と対応し、視聴情報テーブル更新部２０により設定される。
【００３０】
ユーザＩＤフィールドは、番組を視聴／録画したユーザを特定する識別子が、視聴情報テーブル更新部２０により設定される。
【００３１】
視聴／録画種別フィールドは、該視聴／録画が視聴か、録画かを判定するための値が、視聴情報テーブル更新部２０により設定される。
【００３２】
＜興味情報テーブル＞
興味情報テーブル９３には、図４に示すように、ユーザＩＤフィールドと、単語フィールドと、特徴量フィールドとが含まれる。
【００３３】
ユーザＩＤフィールドは、ユーザＩＤが、興味情報テーブル更新部３０により設定される。
【００３４】
単語フィールドは、単語 w が、興味情報テーブル更新部３０により設定される。
【００３５】
特徴量フィールドは、ユーザ u の視聴した番組の内容中に出現する単語 w の統計量 interest0(u,w) であり、興味情報テーブル更新部３０により設定される。
【００３６】
＜良興味情報テーブル＞
良興味情報テーブル９４には、図５に示すように、ユーザＩＤフィールドと、単語フィールドと、特徴量フィールドとが含まれる。
【００３７】
ユーザＩＤフィールドは、ユーザＩＤが、良興味情報テーブル更新部４０により設定される。
【００３８】
単語フィールドは、単語 w が、良興味情報テーブル更新部４０により設定される。
【００３９】
特徴量フィールドは、ユーザ u の録画した番組の内容中に出現する単語 w の統計量 interest1(u,w)であり、良興味情報テーブル更新部５０により設定される。
【００４０】
＜興味合致度テーブル＞
興味合致度テーブル９５には、図６に示すように、ユーザＩＤフィールドと、番組ＩＤフィールドと、興味合致度フィールドとが含まれる。
【００４１】
興味合致度フィールドは、当該行のユーザ u の過去に視聴した番組と、当該行の番組 pとの内容の類似度 score0(p,u) が興味合致度テーブル更新部４０により設定される。
【００４２】
＜良興味合致度テーブル＞
良興味合致度テーブル９６には、図７に示すように、ユーザＩＤフィールドと、番組ＩＤフィールドと、良興味合致度フィールドとが含まれる。
【００４３】
良興味合致度フィールドは、当該行のユーザ u の過去に録画した番組と、当該行の番組 p との内容の類似度 score1(p,u) が良興味合致度テーブル更新部６０により設定される。
【００４４】
＜重みパラメータ記録部＞
重みパラメータ記録部９７には、番組推薦部７０がユーザ u に番組 p を推薦するための推薦スコア score(p,u) を以下の式（１）のように算出するための重み λ0、λ1 が格納されている。
【００４５】
【数１】
重み λ0、λ1 は、重みパラメータ更新部８０によって設定される。
【００４６】
以下に、上記の構成における番組視聴時の処理を説明する。
【００４７】
図８は、本発明の一実施形態における番組視聴時の処理のフローチャートである。
【００４８】
ステップ１１０）視聴情報テーブル更新部１０が、視聴情報テーブル９２に、視聴された番組、視聴したユーザに応じて番組ＩＤフィールド、ユーザＩＤフィールドを設定する。また、視聴／録画種別フィールドを「視聴」と設定する。そのような行 v を視聴情報テーブル９２に挿入する。
【００４９】
ステップ１２０）興味情報テーブル更新部３０が、上記行 v の情報を元に興味情報テーブル８２を更新する。
【００５０】
ステップ１３０）興味合致度テーブル更新部５０が、上記行 v の情報を元に興味合致度テーブル８４を更新する。
【００５１】
次に、上記の図８のステップ１２０の処理を詳細に説明する。
【００５２】
図９は、本発明の一実施の形態における図８のステップ１２０の詳細な処理のフローチャートである。今、行 v のユーザ、対象となっている番組がそれぞれ u、p であるとする。
【００５３】
ステップ１２１）番組情報取得部１０が、番組情報テーブル９１を参照し、番組ＩＤが p である行の内容フィールドの値を取得する。
【００５４】
ステップ１２２）興味情報テーブル更新部３０が、形態素解析器の分かち書き機能を用いて前記番組 p の内容に含まれる単語集合 W を取得する。
【００５５】
ステップ１２３）興味情報テーブル更新部３０が、上記単語集合 W に含まれる個々の単語 w に対して、番組 p の内容における統計量、例えば、出現頻度（文献３（Manning, C.D. et al., "Introduction to information retrieval", 2008）記載の「ＴＦ値」） tf(p,w) を算出する。単語 w の番組 p の内容における重みを算出するにあたって、出現頻度だけでなく、別の尺度（文献３記載の「ＴＦＩＤＦ値」等）を用いても構わない。
【００５６】
ステップ１２４）興味情報テーブル更新部３０が、興味情報テーブル９３を参照し、ユーザＩＤフィールドの値が u、単語フィールドの値が wの行の特徴量フィールドの値 interest0(u,w) を取得する。ただし、ユーザＩＤフィールドの値が u、単語フィールドの値が wの行が存在しない場合は interest0(u,w) の値は０とする。
【００５７】
ステップ１２５）興味情報テーブル更新部３０が、興味情報テーブル９３に、ユーザＩＤフィールドの値が u、単語フィールドの値が w の行の特徴量フィールドの値を interest0(u,w)+ tf(p,w) とするように更新または挿入する。
【００５８】
次に、上記の図８のステップ１３０の処理を詳細に説明する。
【００５９】
図１０は、本発明の一実施の形態における図８のステップ１３０の詳細な処理のフローチャートである。今、行 v のユーザがそれぞれ u であるとする。
【００６０】
ステップ１３１）興味合致度テーブル更新部５０が、興味情報テーブル９３を参照し、ユーザＩＤが u の行に出現する単語フィールドの値の集合を W とする。
【００６１】
ステップ１３２）興味合致度テーブル更新部５０が、上記単語集合 W に含まれる個々の単語 w に対して、興味情報テーブル９３を参照し、ユーザＩＤが u で単語が w の行の特徴量フィールドの値 interest0(u,w) を取得する。
【００６２】
ステップ１３３）興味合致度テーブル更新部５０が、番組情報テーブル９１を参照し、放送時間フィールドの値が現在時刻よりも未来の番組集合 P を取得する。
【００６３】
ステップ１３４）興味合致度テーブル更新部５０が、前記番組集合 P 中の各番組 p の内容フィールドにおける、前記単語集合 W 内の各単語 w の統計量（例えば文献３記載の「ＴＦ値」） tf(p,w) を算出する。もし番組 p の本文フィールドに単語 w が含まれない場合は、tf(p,w)=0とする。
【００６４】
ステップ１３５）興味合致度テーブル更新部５０が、前記番組 p のユーザu に対する興味合致度 score0(p,u) を以下の式（２）を用いて算出する。
【００６５】
【数２】
式（２）における tf(p,w) は、番組 p における単語 w の重みを意味し、興味情報テーブル９３の特徴量 interest0(u,w)はユーザ u の単語 w に対する興味量を表す。分子は、両者の内積であるが、内積は番組 p に含まれる語数が多ければ多いほど大きくなる傾向を考慮し、分母により正規化する。これは、文献３（Manning, C.D. et al., "Introduction to information retrieval", 2008）記載のコサイン類似度と呼ばれる尺度であり、この尺度によりユーザ u の興味と番組 p の関連の強さが求まる。
【００６６】
ステップ１３６）興味合致度テーブル更新部５０が、興味合致度テーブル９５を、ユーザＩＤが u で、番組ＩＤが p の行の興味合致度フィールドの値が前記興味合致度 score0(p,u) となるように更新する。
【００６７】
次に、番組録画時の処理を説明する。
【００６８】
図１１は、本発明の一実施形態における番組録画時の処理のフローチャートである。
【００６９】
ステップ２１０）視聴情報テーブル更新部１０が、視聴情報テーブル９２に、視聴された番組、視聴したユーザに応じて番組ＩＤフィールド、ユーザＩＤフィールドを設定する。また、視聴／録画種別フィールドを「録画」と設定する。そのような行 r を視聴情報テーブル９２に挿入する。
【００７０】
ステップ２２０）良興味情報テーブル更新部５０が、上記行 r の情報を元に良興味情報テーブル９４を更新する。
【００７１】
ステップ２３０）良興味合致度テーブル更新部５０が、上記行 r の情報を元に良興味合致度テーブル９６を更新する。
【００７２】
次に、上記の図１１のステップ２２０の処理を詳細に説明する。
【００７３】
図１２は、本発明の一実施の形態における図１１のステップ２２０の詳細な処理のフローチャートである。今、行 r のユーザ、対象となっている番組がそれぞれ u、p であるとする。
【００７４】
ステップ２２１）番組情報取得部１０が、番組情報テーブル９１を参照し、番組ＩＤが p である行の内容フィールドの値を取得する。
【００７５】
ステップ２２２）良興味情報テーブル更新部４０が、形態素解析器の分かち書き機能を用いて前記番組 p の内容に含まれる単語集合 W を取得する。
【００７６】
ステップ２２３）良興味情報テーブル更新部４０が、上記単語集合 W に含まれる個々の単語 w に対して、番組 p の内容における統計量、例えば出現頻度（文献３（Manning, C.D. et al., "Introduction to information retrieval", 2008）記載の「ＴＦ値」） tf(p,w) を算出する。単語 w の番組 p の内容における重みを算出するにあたって、出現頻度だけでなく、別の尺度（文献３記載の「ＴＦＩＤＦ値」等）を用いても構わない。
【００７７】
ステップ２２４）良興味情報テーブル更新部４０が、良興味情報テーブル９４を参照し、ユーザＩＤフィールドの値が u、単語フィールドの値が wの行の特徴量フィールドの値 interest1(u,w) を取得する。但し、ユーザＩＤフィールドの値が u、単語フィールドの値が wの行が存在しない場合は interest1(u,w) の値は０とする。
【００７８】
ステップ２２５）良興味情報テーブル更新部４０が、良興味情報テーブル９４に、ユーザＩＤフィールドの値が u、単語フィールドの値が w の行の特徴量フィールドの値を interest1(u,w)+ tf(p,w) とするように更新または挿入する。
【００７９】
次に、上記の図１１のステップ２３０の処理を詳細に説明する。
【００８０】
図１３は、本発明の一実施の形態における図１１のステップ２３０の詳細な処理のフローチャートである。今、行 r のユーザがそれぞれ u であるとする。
【００８１】
ステップ２３１）良興味合致度テーブル更新部６０が、良興味情報テーブル９４を参照し、ユーザＩＤが u の行に出現する単語フィールドの値の集合を W とする。
【００８２】
ステップ２３２）良興味合致度テーブル更新部６０が、上記単語集合 W に含まれる個々の単語 w に対して、良興味情報テーブル９４を参照し、ユーザＩＤが u で単語が w の行の特徴量フィールドの値 interest1(u,w) を取得する。
【００８３】
ステップ２３３）良興味合致度テーブル更新部６０が、番組情報テーブル９１を参照し、放送時間フィールドの値が現在時刻よりも未来の番組集合 P を取得する。
【００８４】
ステップ２３４）良興味合致度テーブル更新部６０が、前記番組集合 P 中の各番組 p の内容フィールドにおける、前記単語集合 W 内の各単語 w の統計量（例えば文献３記載の「ＴＦ値」） tf(p,w) を算出する。もし番組 p の本文フィールドに単語 w が含まれない場合は、tf(p,w)=0とする。
【００８５】
ステップ２３５）良興味合致度テーブル更新部６０が、前記番組 p のユーザuに対する興味合致度 score1(p,u) を以下の式（３）を用いて算出する。
【００８６】
【数３】
上記の式（３）における tf(p,w) は、番組 p における単語 w の重みを意味し、良興味情報テーブル９４の特徴量 interest1(u,w)はユーザ u の単語 w に対する良興味量を表す。分子は、両者の内積であるが、内積は番組 p に含まれる語数が多ければ多いほど大きくなる傾向を考慮し、分母により正規化する。これは、文献３（Manning, C.D. et al., "Introduction to information retrieval", 2008）記載のコサイン類似度と呼ばれる尺度であり、この尺度によりユーザ u の良興味と番組 p の関連の強さが求まる。
【００８７】
ステップ２３６）良興味合致度テーブル更新部６０が、良興味合致度テーブル９６を、ユーザＩＤが u で、番組ＩＤが p の行の良興味合致度フィールドの値が前記良興味合致度 score1(p,u) となるように更新する。
【００８８】
図１４は、本発明の一実施の形態におけるユーザログオン時の処理のフローチャートである。
【００８９】
ユーザ u がログオンすると、
ステップ３１０）番組推薦部７０が、興味合致度テーブル９５を参照し、ユーザＩＤフィールドが u の行 I0u を取得する。
【００９０】
ステップ３２０）番組推薦部７０が、良興味合致度テーブル９６を参照し、ユーザＩＤフィールドが u の行 I1u を取得する。
【００９１】
ステップ３３０）番組推薦部７０が、重みパラメータ記録部９７を参照し、重みパラメータ λ0、λ1 を取得する。
【００９２】
ステップ３４０）番組推薦部７０が、番組情報テーブル９１を参照し、放送時間フィールドの値が現在時刻よりも未来の番組集合 P を取得する。
【００９３】
ステップ３５０）番組推薦部７０が、前記番組集合 P の各番組 p について、前記興味合致度テーブル９５内のユーザＩＤがユーザ uのもの I0u のうち番組ＩＤが pの行の興味合致度score0(p,u)と、前記良興味合致度テーブル９６内のユーザＩＤがユーザ u のもの I1uのうち番組ＩＤが p の行の良興味合致度score1(p,u)とを取得し、式（１）を用いてユーザ u への番組 p の推薦スコア score(p,u)を算出する。
【００９４】
ステップ３６０）番組推薦部７０が、前期番組集合 P 内の各番組 p のユーザ u に対する推薦スコア score(p,u) の値を用いてユーザ u に推薦すべき番組を決定する。その際、推薦スコアフィールドの値が大きいものから順に予め設定した任意の件数 N (N=1,2,3,…)件を推薦すべき番組としてもよいし、推薦スコアに対し、ある閾値を設けて、 推薦スコアがその値を超えるものを推薦すべき番組としてもよい。
【００９５】
次に、重みパラメータ更新部８０による重みパラメータの更新処理を説明する。
【００９６】
図１６は、本発明の一実施の形態における重みパラメータ更新時の処理のフローチャートである。重みパラメータは、本実施の形態のように、文献４（Hosmer, D.W. et al., "Applied logistic regression", 2000）記載のロジスティック回帰モデルを用いて自動で算出してもよいし、文献５（Cristianini, N. et al., "An introduction to support Vector Machines: and other kernel-based learning methods", 2000）記載のサポートベクトルマシン等を用いて自動で算出してもよいし、人手にて適当な重みパラメータを設定してもよい。重みパラメータの更新は、システムの管理者の明示的な入力で開始するようにしてもよいし、定期的にバッチ処理するようにしてもよい。
【００９７】
ステップ４１０）重みパラメータ更新部８０は、視聴情報テーブル９２のユーザＩＤフィールドに出現するユーザ集合 U を取得する。
【００９８】
ステップ４２０）重みパラメータ更新部８０は、番組情報テーブル９１を参照し、放送時間フィールドの値が現在時刻よりも過去の番組集合 P を取得する。
【００９９】
ステップ４３０）重みパラメータ更新部８０は、興味合致度テーブル９５、良興味合致度テーブル９６を参照し、前記番組集合 P の各質問と、前記ユーザ集合 U の各ユーザとの各質問との組合せ (p,u) について、興味合致度 score0(p,u) と、良興味合致度 score1(p,u) を取得し、以下の式を用いて l(p,u)を算出する。
【０１００】
【数４】
上記の式（４）は、Σiλiscorei(p,u) の値を確率化したもので、Σiλiscorei(p,u) の値が高ければ高いほど値が１に近づき、Σiλiscorei(p,u) の値が低ければ低いほど０に近づく。
【０１０１】
ステップ４４０）重みパラメータ更新部８０は、前記番組集合 P 内の各番組 p と、前記ユーザ集合 U 内の各ユーザ u について、視聴情報テーブル９２に、ユーザＩＤが u で、番組ＩＤが p で、視聴／録画フィールドの値が「録画」の行が存在する場合 b(p,u)=α とし、ユーザＩＤが u で、番組ＩＤが p で、視聴／録画フィールドの値が「録画」の行は存在しないが、「視聴」の行が存在する場合は b(p,u)=β とし、ユーザＩＤが u で、番組ＩＤが pの行が存在しない場合は b(p,u)=0 とする。このとき、L(λ0,λ1) を以下の式を用いて算出する。
【０１０２】
【数５】
α、βは人手によって、例えば 0.8、0.5 に設定する。
【０１０３】
上記の式（５）は、λ0とλ1の尤度と呼ばれる尺度で、過去に u が p を録画したか、視聴したか b(p,u) と、各番組のユーザ毎の式（４）で表わされる l(p,u)から、設定したλ0とλ1がどれだけ過去の視聴情報とマッチしているかを表す尺度である。従って、式（５）を最大にするようなλ0、λ1が最も適切な重みパラメータであると考えられる。
【０１０４】
ステップ４５０）重みパラメータ更新部８０は、文献６（Liu, D.C. et al., "On the limited memory BFGS method for large scale optimization", 1989）記載の準ニュートン法等による最適化手法により、式（４）で表わされる L(λ0,λ1) を最大にするλ0、λ1 を算出する。
【０１０５】
ステップ４６０）重みパラメータ更新部８０は、重みパラメータ記録部９７にさきほど算出した重みパラメータλ0、λ1 を記録する。
【０１０６】
なお、上記の番組推薦装置の各構成要素の処理をプログラムとして構築し、番組推薦装置として利用されるコンピュータにインストールして実行させる、または、ネットワークを介して流通させることが可能である。
【０１０７】
また、構築されたプログラムをハードディスクや、フレキシブルディスク、ＣＤ−ＲＯＭ等の可搬記憶媒体に格納し、コンピュータにインストールする、または、配布することが可能である。
【０１０８】
なお、本発明は、上記の実施の形態に限定されることなく、特許請求の範囲内において種々変更・応用が可能である。
【符号の説明】
【０１０９】
１ 番組推薦装置
２ 外部端末
３ ネットワーク
４ 外部装置
Ａ０ 通信部
Ｂ０ 入出力部
１０ 番組情報取得部
２０ 視聴情報テーブル更新部
３０ 興味情報テーブル更新部
４０ 良興味情報テーブル更新部
５０ 興味合致度テーブル更新部
６０ 良興味合致度テーブル更新部
７０ 番組推薦部
８０ 重みパラメータ更新部
９０ 記憶部
９１ 番組情報テーブル
９２ 視聴情報テーブル
９３ 興味情報テーブル
９４ 良興味情報テーブル
９５ 興味合致度テーブル
９６ 良興味合致度テーブル
９７ 重みパラメータ記憶部
【特許請求の範囲】
【請求項１】
インターネット回線を利用した映像配信サービスにおいて、利用者の視聴履歴、中でも番組がユーザにより録画されたかどうかの情報を利用する番組推薦装置であって、
前記インターネット回線を利用した映像配信サービスにおける番組の情報を取得し、番組情報記憶手段に格納する番組情報取得手段と、
前記番組情報中の内容の要約テキストから単語を抽出する単語抽出手段と、
各番組情報における各単語の統計量を算出し、統計量記憶手段に格納する統計量算出手段と、
前記インターネット回線を利用した映像配信サービスにおける各ユーザの視聴または録画の視聴情報を取得し、視聴情報記憶手段に格納する視聴情報取得手段と、
取得した前記視聴情報からユーザと、前記視聴情報の対象である番組の前記番組情報記憶手段に格納されている内容の要約テキストから算出した前記各単語の統計量から、該ユーザの該単語に対する興味量を算出し、前記ユーザの識別子と、前記単語と共に興味量記憶手段に格納する興味量算出手段と、
前記興味量記憶手段に格納されている各ユーザの各単語に対する統計量と、前記番組情報記憶手段に格納されている番組のうち、放送前の番組のみの前記各単語の統計量から、該ユーザの該質問に対する興味合致度を算出し、該ユーザの識別子と、該番組の識別子と共に興味合致度記憶手段に格納する興味合致度算出手段と、
前記番組情報記憶手段の前記番組のうち、前記視聴情報記憶手段を参照して、録画された番組のみを選出し、前記統計量記憶手段に格納されている該録画の対象である番組の前記各単語の統計量から、該ユーザの該単語に対する良興味量を算出し、前記ユーザの識別子と、前記単語と共に良興味量記憶手段に格納する良興味量算出手段と、
前記良興味量記憶手段に格納されている各ユーザの各単語に対する統計量と、前記番組情報記憶手段に格納されている番組のうち、放送前の番組のみの前記各単語の統計量から、該ユーザの該番組に対する良興味合致度を算出し、該ユーザの識別子と、該番組の識別子と共に良興味合致度記憶手段に格納する良興味合致度算出手段と、
前記番組情報記憶手段に格納されている番組のうち、放送済の番組と、該番組情報記憶手段に格納されているユーザのうち、視聴したことのある番組との全ての組合せについて、該番組情報記憶手段に格納されている該番組について該ユーザが録画したかどうかと、前記興味合致度記憶手段に格納されている興味合致度と、前記良興味合致度記憶手段に格納されている良興味合致度とを用いて、重みパラメータを算出し、重みパラメータ記憶手段に格納する重みパラメータ算出手段と、
ユーザの識別子が与えられると、該ユーザの前記番組情報記憶手段に格納されている放送前の各番組に対して、前記興味合致度記憶手段に格納されている興味合致度と、前記良興味合致度記憶手段に格納されている良興味合致度と、前記重みパラメータ記憶手段に格納された重みパラメータとを用いて、該ユーザの各番組に対する推薦スコアを算出し、前記推薦スコアの上位Ｎ件の質問の識別子を推薦番組として選択する番組推薦手段と、
を有することを特徴とする番組推薦装置。
【請求項２】
前記統計量算出手段は、
前記各単語の統計量を算出する際に、重要と見做される単語を抽出するためのＴＦ値（単語の出現頻度）、ＴＦＩＤＦ値（単語の出現頻度と逆出現頻度）を用いる
請求項１記載の番組推薦装置。
【請求項３】
前記重みパラメータ算出手段は、
前記番組情報記憶手段に格納されている該番組に対して該ユーザが録画したかどうかと、前記興味合致度記憶手段に格納されている興味合致度と、前記良興味合致度記憶手段に格納されている良興味合致度に基づいて、ロジスティック回帰分析によって重みパラメータを算出する手段を含む
請求項１記載の番組推薦装置。
【請求項４】
インターネット回線を利用した映像配信サービスにおいて、利用者の視聴履歴、中でも番組がユーザにより録画されたかどうかの情報を利用する番組推薦方法であって、
記憶媒体に、番組情報記憶手段、統計量記憶手段、視聴情報記憶手段、興味量記憶手段、興味合致度記憶手段、良興味量記憶手段、良興味合致度記憶手段、重みパラメータ記憶手段、を格納し、番組情報取得手段、単語抽出手段、視聴情報取得手段、興味量算出手段、興味合致度算出手段、良興味量算出手段、良興味合致度算出手段、重みパラメータ算出手段、番組推薦手段と、を有する装置において、
前記番組情報取得手段が、前記インターネット回線を利用した映像配信サービスにおける番組の情報を取得し、前記番組情報記憶手段に格納する番組情報取得ステップと、
前記単語抽出手段が、前記番組情報中の内容の要約テキストから単語を抽出する単語抽出ステップと、
統計量算出手段が、各番組情報における各単語の統計量を算出し、前記統計量記憶手段に格納する統計量算出ステップと、
前記視聴情報取得手段が、前記インターネット回線を利用した映像配信サービスにおける各ユーザの視聴または録画の視聴情報を取得し、前記視聴情報記憶手段に格納する視聴情報取得ステップと、
前記興味量算出手段が、取得した前記視聴情報からユーザと、前記視聴情報の対象である番組の前記番組情報記憶手段に格納されている内容の要約テキストから算出した前記各単語の統計量から、該ユーザの該単語に対する興味量を算出し、前記ユーザの識別子と、前記単語と共に前記興味量記憶手段に格納する興味量算出ステップと、
前記興味合致度算出手段が、前記興味量記憶手段に格納されている各ユーザの各単語に対する統計量と、前記番組情報記憶手段に格納されている番組のうち、放送前の番組のみの前記各単語の統計量から、該ユーザの該質問に対する興味合致度を算出し、該ユーザの識別子と、該番組の識別子と共に前記興味合致度記憶手段に格納する興味合致度算出ステップと、
前記量興味量算出手段が、前記番組情報記憶手段の前記番組のうち、前記視聴情報記憶手段を参照して、録画された番組のみを選出し、前記統計量記憶手段に格納されている該録画の対象である番組の前記各単語の統計量から、該ユーザの該単語に対する良興味量を算出し、前記ユーザの識別子と、前記単語と共に前記良興味量記憶手段に格納する良興味量算出ステップと、
前記良興味合致度算出手段が、前記良興味量記憶手段に格納されている各ユーザの各単語に対する統計量と、前記番組情報記憶手段に格納されている番組のうち、放送前の番組のみの前記各単語の統計量から、該ユーザの該番組に対する良興味合致度を算出し、該ユーザの識別子と、該番組の識別子と共に前期良興味合致度記憶手段に格納する良興味合致度算出ステップと、
前記重みパラメータ算出手段が、前記番組情報記憶手段に格納されている番組のうち、放送済の番組と、該番組情報記憶手段に格納されているユーザのうち、視聴したことのある番組との全ての組合せについて、該番組情報記憶手段に格納されている該番組について該ユーザが録画したかどうかと、前記興味合致度記憶手段に格納されている興味合致度と、前記良興味合致度記憶手段に格納されている良興味合致度とを用いて、重みパラメータを算出し、前記重みパラメータ記憶手段に格納する重みパラメータ算出ステップと、
前記番組推薦手段が、ユーザの識別子が与えられると、該ユーザの前記番組情報記憶手段に格納されている放送前の各番組に対して、前記興味合致度記憶手段に格納されている興味合致度と、前記良興味合致度記憶手段に格納されている良興味合致度と、前記重みパラメータ記憶手段に格納された重みパラメータとを用いて、該ユーザの各番組に対する推薦スコアを算出し、前記推薦スコアの上位Ｎ件の質問の識別子を推薦番組として選択する番組推薦ステップと、
を行うことを特徴とする番組推薦方法。
【請求項５】
前記統計量算出ステップにおいて、
前記各単語の統計量を算出する際に、重要と見做される単語を抽出するためのＴＦ値（単語の出現頻度）、ＴＦＩＤＦ値（単語の出現頻度と逆出現頻度）を用いる
請求項４記載の番組推薦方法。
【請求項６】
前記重みパラメータ算出ステップにおいて、
前記番組情報記憶手段に格納されている該番組に対して該ユーザが録画したかどうかと、前記興味合致度記憶手段に格納されている興味合致度と、前記良興味合致度記憶手段に格納されている良興味合致度に基づいて、ロジスティック回帰分析によって重みパラメータを算出する
請求項４記載の番組推薦方法。
【請求項７】
請求項１乃至請求項３のいずれか１項に記載の番組推薦装置を構成する各手段としてシステムを機能させるための番組推薦プログラム。
【請求項１】
インターネット回線を利用した映像配信サービスにおいて、利用者の視聴履歴、中でも番組がユーザにより録画されたかどうかの情報を利用する番組推薦装置であって、
前記インターネット回線を利用した映像配信サービスにおける番組の情報を取得し、番組情報記憶手段に格納する番組情報取得手段と、
前記番組情報中の内容の要約テキストから単語を抽出する単語抽出手段と、
各番組情報における各単語の統計量を算出し、統計量記憶手段に格納する統計量算出手段と、
前記インターネット回線を利用した映像配信サービスにおける各ユーザの視聴または録画の視聴情報を取得し、視聴情報記憶手段に格納する視聴情報取得手段と、
取得した前記視聴情報からユーザと、前記視聴情報の対象である番組の前記番組情報記憶手段に格納されている内容の要約テキストから算出した前記各単語の統計量から、該ユーザの該単語に対する興味量を算出し、前記ユーザの識別子と、前記単語と共に興味量記憶手段に格納する興味量算出手段と、
前記興味量記憶手段に格納されている各ユーザの各単語に対する統計量と、前記番組情報記憶手段に格納されている番組のうち、放送前の番組のみの前記各単語の統計量から、該ユーザの該質問に対する興味合致度を算出し、該ユーザの識別子と、該番組の識別子と共に興味合致度記憶手段に格納する興味合致度算出手段と、
前記番組情報記憶手段の前記番組のうち、前記視聴情報記憶手段を参照して、録画された番組のみを選出し、前記統計量記憶手段に格納されている該録画の対象である番組の前記各単語の統計量から、該ユーザの該単語に対する良興味量を算出し、前記ユーザの識別子と、前記単語と共に良興味量記憶手段に格納する良興味量算出手段と、
前記良興味量記憶手段に格納されている各ユーザの各単語に対する統計量と、前記番組情報記憶手段に格納されている番組のうち、放送前の番組のみの前記各単語の統計量から、該ユーザの該番組に対する良興味合致度を算出し、該ユーザの識別子と、該番組の識別子と共に良興味合致度記憶手段に格納する良興味合致度算出手段と、
前記番組情報記憶手段に格納されている番組のうち、放送済の番組と、該番組情報記憶手段に格納されているユーザのうち、視聴したことのある番組との全ての組合せについて、該番組情報記憶手段に格納されている該番組について該ユーザが録画したかどうかと、前記興味合致度記憶手段に格納されている興味合致度と、前記良興味合致度記憶手段に格納されている良興味合致度とを用いて、重みパラメータを算出し、重みパラメータ記憶手段に格納する重みパラメータ算出手段と、
ユーザの識別子が与えられると、該ユーザの前記番組情報記憶手段に格納されている放送前の各番組に対して、前記興味合致度記憶手段に格納されている興味合致度と、前記良興味合致度記憶手段に格納されている良興味合致度と、前記重みパラメータ記憶手段に格納された重みパラメータとを用いて、該ユーザの各番組に対する推薦スコアを算出し、前記推薦スコアの上位Ｎ件の質問の識別子を推薦番組として選択する番組推薦手段と、
を有することを特徴とする番組推薦装置。
【請求項２】
前記統計量算出手段は、
前記各単語の統計量を算出する際に、重要と見做される単語を抽出するためのＴＦ値（単語の出現頻度）、ＴＦＩＤＦ値（単語の出現頻度と逆出現頻度）を用いる
請求項１記載の番組推薦装置。
【請求項３】
前記重みパラメータ算出手段は、
前記番組情報記憶手段に格納されている該番組に対して該ユーザが録画したかどうかと、前記興味合致度記憶手段に格納されている興味合致度と、前記良興味合致度記憶手段に格納されている良興味合致度に基づいて、ロジスティック回帰分析によって重みパラメータを算出する手段を含む
請求項１記載の番組推薦装置。
【請求項４】
インターネット回線を利用した映像配信サービスにおいて、利用者の視聴履歴、中でも番組がユーザにより録画されたかどうかの情報を利用する番組推薦方法であって、
記憶媒体に、番組情報記憶手段、統計量記憶手段、視聴情報記憶手段、興味量記憶手段、興味合致度記憶手段、良興味量記憶手段、良興味合致度記憶手段、重みパラメータ記憶手段、を格納し、番組情報取得手段、単語抽出手段、視聴情報取得手段、興味量算出手段、興味合致度算出手段、良興味量算出手段、良興味合致度算出手段、重みパラメータ算出手段、番組推薦手段と、を有する装置において、
前記番組情報取得手段が、前記インターネット回線を利用した映像配信サービスにおける番組の情報を取得し、前記番組情報記憶手段に格納する番組情報取得ステップと、
前記単語抽出手段が、前記番組情報中の内容の要約テキストから単語を抽出する単語抽出ステップと、
統計量算出手段が、各番組情報における各単語の統計量を算出し、前記統計量記憶手段に格納する統計量算出ステップと、
前記視聴情報取得手段が、前記インターネット回線を利用した映像配信サービスにおける各ユーザの視聴または録画の視聴情報を取得し、前記視聴情報記憶手段に格納する視聴情報取得ステップと、
前記興味量算出手段が、取得した前記視聴情報からユーザと、前記視聴情報の対象である番組の前記番組情報記憶手段に格納されている内容の要約テキストから算出した前記各単語の統計量から、該ユーザの該単語に対する興味量を算出し、前記ユーザの識別子と、前記単語と共に前記興味量記憶手段に格納する興味量算出ステップと、
前記興味合致度算出手段が、前記興味量記憶手段に格納されている各ユーザの各単語に対する統計量と、前記番組情報記憶手段に格納されている番組のうち、放送前の番組のみの前記各単語の統計量から、該ユーザの該質問に対する興味合致度を算出し、該ユーザの識別子と、該番組の識別子と共に前記興味合致度記憶手段に格納する興味合致度算出ステップと、
前記量興味量算出手段が、前記番組情報記憶手段の前記番組のうち、前記視聴情報記憶手段を参照して、録画された番組のみを選出し、前記統計量記憶手段に格納されている該録画の対象である番組の前記各単語の統計量から、該ユーザの該単語に対する良興味量を算出し、前記ユーザの識別子と、前記単語と共に前記良興味量記憶手段に格納する良興味量算出ステップと、
前記良興味合致度算出手段が、前記良興味量記憶手段に格納されている各ユーザの各単語に対する統計量と、前記番組情報記憶手段に格納されている番組のうち、放送前の番組のみの前記各単語の統計量から、該ユーザの該番組に対する良興味合致度を算出し、該ユーザの識別子と、該番組の識別子と共に前期良興味合致度記憶手段に格納する良興味合致度算出ステップと、
前記重みパラメータ算出手段が、前記番組情報記憶手段に格納されている番組のうち、放送済の番組と、該番組情報記憶手段に格納されているユーザのうち、視聴したことのある番組との全ての組合せについて、該番組情報記憶手段に格納されている該番組について該ユーザが録画したかどうかと、前記興味合致度記憶手段に格納されている興味合致度と、前記良興味合致度記憶手段に格納されている良興味合致度とを用いて、重みパラメータを算出し、前記重みパラメータ記憶手段に格納する重みパラメータ算出ステップと、
前記番組推薦手段が、ユーザの識別子が与えられると、該ユーザの前記番組情報記憶手段に格納されている放送前の各番組に対して、前記興味合致度記憶手段に格納されている興味合致度と、前記良興味合致度記憶手段に格納されている良興味合致度と、前記重みパラメータ記憶手段に格納された重みパラメータとを用いて、該ユーザの各番組に対する推薦スコアを算出し、前記推薦スコアの上位Ｎ件の質問の識別子を推薦番組として選択する番組推薦ステップと、
を行うことを特徴とする番組推薦方法。
【請求項５】
前記統計量算出ステップにおいて、
前記各単語の統計量を算出する際に、重要と見做される単語を抽出するためのＴＦ値（単語の出現頻度）、ＴＦＩＤＦ値（単語の出現頻度と逆出現頻度）を用いる
請求項４記載の番組推薦方法。
【請求項６】
前記重みパラメータ算出ステップにおいて、
前記番組情報記憶手段に格納されている該番組に対して該ユーザが録画したかどうかと、前記興味合致度記憶手段に格納されている興味合致度と、前記良興味合致度記憶手段に格納されている良興味合致度に基づいて、ロジスティック回帰分析によって重みパラメータを算出する
請求項４記載の番組推薦方法。
【請求項７】
請求項１乃至請求項３のいずれか１項に記載の番組推薦装置を構成する各手段としてシステムを機能させるための番組推薦プログラム。
【図１】
【図２】
【図３】
【図４】
【図５】
【図６】
【図７】
【図８】
【図９】
【図１０】
【図１１】
【図１２】
【図１３】
【図１４】
【図１５】
【図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】
【公開番号】特開２０１１−２４４３４０（Ｐ２０１１−２４４３４０Ａ）
【公開日】平成２３年１２月１日（２０１１．１２．１）
【国際特許分類】
【出願番号】特願２０１０−１１６５４３（Ｐ２０１０−１１６５４３）
【出願日】平成２２年５月２０日（２０１０．５．２０）
【出願人】（０００００４２２６）日本電信電話株式会社 (13,992)
【Ｆターム（参考）】
【公開日】平成２３年１２月１日（２０１１．１２．１）
【国際特許分類】
【出願日】平成２２年５月２０日（２０１０．５．２０）
【出願人】（０００００４２２６）日本電信電話株式会社 (13,992)
【Ｆターム（参考）】
[ Back to top ]