JP2008134725A - コンテンツ再生装置 - Google Patents

Abstract

【課題】ユーザの意思に適合した映像コンテンツを、簡単に選択する。
【解決手段】コンテンツを蓄積部１７に蓄積（録画）し、解析を行い、コンテンツ間の類似性をコンテンツ間情報蓄積部２１に蓄積する。コンテンツ蓄積部１７に蓄積した複数のコンテンツからユーザの操作に基づいて視聴候補を選定し、表示部２３に表示する。放送受信部３は、ユーザの蓄積指示もしくは視聴履歴等に基づく自動／半自動の蓄積命令により、放送コンテンツをコンテンツ蓄積部１７に蓄積する。コンテンツの蓄積が終わると、コンテンツ解析部２５において、既に蓄積されている他のコンテンツとの類似度を算出する。類似度の算出方法については後述する。さらに、コンテンツ間の関係を明らかにするために、情報空間への配置座標を算出する。詳細な配置方法は後述する。算出された類似度あるいは情報空間上の配置座標は、コンテンツ間情報蓄積部２１に蓄積される。
【選択図】図１Ａ

Description

本発明は、コンテンツ再生装置に関し、特に、コンテンツ再生装置におけるコンテンツ選択技術に関するものである。

近年、ハードディスク等の記録媒体に、番組を自動的または半自動的に録画するハードディスクレコーダが普及し、ハードディスクの大容量化、複数のチューナーを搭載した同時録画など高機能化が進んでいる。このような複数のチューナーと大容量ハードディスクとを搭載したハードディスクレコーダの登場に伴い、放送／配信された映像コンテンツを視聴するか否かに関係なく、とりあえず録画するようになり、未視聴のコンテンツが大量に蓄積されるようになった。

一般に、ユーザがテレビ放送を視聴する場合、より好みに合う番組を探す手段としてチャンネルを順次切り替えるザッピングと呼ばれる視聴方式が行われている。また、例えばＨＤＤレコーダ等に蓄積されたコンテンツを視聴するときには、以下のいずれかの方法でコンテンツを選択するしかなかった。
１）録画リストを表示させ、表示されたタイトル等から選択する。
２）ジャンル等の分類で分けられた録画リストを表示させ、表示されたタイトル等から選択する。
３）キーワードを入力して、該キーワードを番組情報に含むコンテンツのリストを表示し、表示されたタイトル等から選択する。

ザッピングという視聴方式は、すべての視聴可能なコンテンツを確認し、その中でもっとも見たいコンテンツを視聴するというスタイルであり、視聴可能なコンテンツが限定されているとき、例えば、放送されている番組が１０数個以下程度のときに有効な方式である。

ところが、大量のコンテンツが蓄積できるようになってくると、コンテンツ蓄積部に多数のコンテンツが蓄積される状況となるため、多数のコンテンツを仮視聴して比較する必要が出てくるためザッピングという視聴方式は機能しにくくなる。

また、コンテンツが、ジャンルやキーワードで分類されていたとしても、分類された結果を一覧表示しようとすると、コンテンツ数が増大するにつれて探しにくくなるという問題が発生する。すなわち、分類結果が１０数個程度になるならば見やすくなるが、コンテンツ数が十分多くなると一画面に提示できなくなり、操作性、視認性とも悪くなる。

一方、テレビ視聴ユーザは、あらかじめ視聴したいコンテンツを決めて蓄積一覧から探すケースは少なく、コンテンツリストを見ながら視聴コンテンツを決定することが多い。または、放送番組の中から見たいものを探す程度の受身の視聴スタイルである場合も多い。それにもかかわらず、キーワード等による検索やジャンル別の分類では、蓄積されたコンテンツを見ようとするユーザの要求には十分答えることができない。

そこで、似ているコンテンツを集め、一覧性を良くする方法として、「コンテンツを指し示すリンク情報を２次元空間に配置するコンテンツ散策空間生成手段を設け、このコンテンツ散策空間生成手段において生成したコンテンツ散策空間を、ユーザの端末上に表示させ、ユーザは端末上に表示されたコンテンツ散策空間内を移動しながら所望のコンテンツを検索する方法が提案されている（特許文献１参照）。

図２は、上記方法の概略を示す機能ブロック図である。図２に示すように、このコンテンツ検索装置Ｃは、コンテンツ蓄積部１７、蓄積されたコンテンツのプロファイルを生成するコンテンツプロファイル生成部３１、生成されたコンテンツプロファイルを蓄積するコンテンツプロファイル蓄積部２７、コンテンツプロファイルに従ってユーザに提示するコンテンツ散策空間を生成するコンテンツ散策空間生成部３３、コンテンツ散策空間を表示する表示部２３、コンテンツ散策空間内を移動し、コンテンツを探す操作を行う入力部１から構成される。

図３は、上記技術における処理の流れを示すフローチャート図である。処理を開始し（Ｓ１）、コンテンツを蓄積し（Ｓ２）、コンテンツのサムネイルを登録し（Ｓ３）、コンテンツに付随する文書情報からコンテンツプロファイルを生成し（Ｓ４）、すべてのコンテンツプロファイル間の類似度を算出する（Ｓ５）。蓄積対象の文書全てを形態素解析にかけ名詞を抽出し、全ての文書にわたって出現頻度の高い名詞を上位からＮ個選び出す。各々の文書において、Ｎ個の名詞それぞれの出現数を表す次のようなＮ次元のキーワードベクトルを構成してコンテンツプロファイルとする。コンテンツ間のプロファイルの関連の度合いを各キーワードベクトルの内積等で求める。全ての情報コンテンツの間の関連度合いを、多次元尺度構成法を用いて２次元平面空間上の距離尺度として表現し、２次元平面上のコンテンツの配置（座標）を計算する（Ｓ６）。計算されたコンテンツの座標にあらかじめ作成したサムネイルを貼り付け（Ｓ７）、コンテンツ散策空間が生成される。ユーザがサムネイルを選択することにより（Ｓ８）、コンテンツの詳細が提示される（Ｓ９）。

この技術では、ジャンルやキーワードなどのコンテンツに付随するテキスト情報を対象として、同じ表記の単語が出現するか否かで映像コンテンツの類似度を算出し、この類似度に基づいてコンテンツ散策空間（２次元空間）上での表示位置を決定し、ユーザは端末上に表示されたコンテンツ散策空間内を移動しながら所望のコンテンツを検索する方法が開示されている。
特開２００３−１６２５４３号公報

上記特許文献１に開示されている方法では、コンテンツに関する説明文が十分に長い場合には有効に機能するが、放送コンテンツのように、ＥＰＧ（電子番組表）における番組の説明文ではテキスト量が少なく、類似コンテンツを類似と判定するには不十分である場合が多い。したがって放送コンテンツを対象としたコンテンツ蓄積再生装置の場合には有効に機能しない場合がある。すなわち、放送コンテンツを対象とする場合には、ジャンルやサブジャンルに依存する率が高くなり、同じジャンルのものが集まるだけで、ジャンルは異なるが内容は似ているといったコンテンツを類似コンテンツと判定できないという問題が発生する。

本発明は、「視聴者がイメージする視聴を希望する映像コンテンツ」を容易に抽出、選択できるユーザの選択意思に適合した映像コンテンツを、簡単に選択できるコンテンツ選択技術を提供することを目的とする。

本発明は、ジャンルやEPGに含まれるテキスト情報から、ジャンルやキーワードとは異なる切り口の上位概念（イメージ）を構築し、これを基に映像コンテンツをその類似性を元に分類することを特徴とする。

本発明のコンテンツ記録再生装置の第１の構成は、
１）ユーザが入力操作を行う入力部
２）放送受信部
３）コンテンツ蓄積部
４）（入力部から入力された情報を元にコンテンツを選択し、表示部への出力処理を行う）制御部
５）出力部
に加え、
６）コンテンツ蓄積部に蓄積した複数のコンテンツについて、コンテンツ間の類似性（コンテンツ間情報）を算出するコンテンツ解析部
７）前記コンテンツ間情報を蓄積するコンテンツ間情報蓄積部
８）前記コンテンツ間情報蓄積部に蓄積したコンテンツの類似度を用いて、表示部に提示するコンテンツを選定する提示コンテンツ決定部
を備え、コンテンツの類似度に応じて、提示するコンテンツを容易に選択できるようになる。

従来のような、ジャンルに依存した分類ではなく、ジャンル、映像、音声、テキストなど複数の特徴量を用いてコンテンツ間の類似性を評価するため、各特徴量の類似性を反映させた形でコンテンツを選ぶことができるようになる。

さらに、コンテンツ解析部はコンテンツに付随の情報から上位概念への帰属度を算出し、該上位概念の帰属度を用いて類似性を評価する。

各特徴量から上位概念への帰属度を算出することによってコンテンツを説明する文章の語彙の違いや各特徴量の表現の違いを吸収することができ、コンテンツの説明文が短い場合にでもコンテンツ間の類似度を算出できるようになる。

本発明の一実施の形態によれば、入力されたコンテンツを蓄積するコンテンツ蓄積部を備え、該コンテンツ蓄積部に蓄積されたコンテンツを再生するコンテンツ再生装置において、前記コンテンツ蓄積部に蓄積されているコンテンツを解析し、蓄積したコンテンツ間の類似性を求めるコンテンツ解析部と、前記コンテンツ間の類似性に関する情報を記録するコンテンツ間情報蓄積部と、該コンテンツ間情報蓄積部に蓄積された情報とユーザが入力した情報とに基づいて、提示コンテンツを決定する提示コンテンツ決定部とを備えたことを特徴とするコンテンツ再生装置が提供される。

前記コンテンツ解析部は、蓄積したコンテンツの構成要素のうちの少なくとも１つを用いてコンテンツの特徴量を抽出する特徴量抽出部と、蓄積した任意の２つのコンテンツ間の類似度を算出する類似度算出部と、を備えることを特徴とする。コンテンツの構成要素とは、映像、音声、字幕テキストなどである。

コンテンツの類似度を入力する類似度入力部を備え、前記提示コンテンツ決定部は、前記類似度入力部から入力された類似度と基準コンテンツとから提示コンテンツを決定するようにしても良い。

さらに、予め用意した複数の概念であるカテゴリーに対し、コンテンツに各概念が含まれる程度を推定する概念推定部と、該概念推定部での推定結果を用いて蓄積した任意の２つのコンテンツ間の類似度を算出する類似度算出部と、を有するようにしても良い。

前記提示コンテンツ決定部は、基準コンテンツと前記コンテンツ間情報蓄積部に蓄積した２つのコンテンツとその類似度との関係をテーブル化した類似度テーブルに基づいて提示コンテンツを決定することが好ましい。

また、情報空間生成部を備え、前記コンテンツ蓄積部に蓄積したコンテンツのうち、類似度の高いコンテンツ同士を近くに配置するように情報空間内での座標を決定するのでも良い。前記情報空間生成部は、コンテンツ間の類似度を統計的手法により解析し、各コンテンツの情報空間内の座標を決定することでも良い。コンテンツ間情報蓄積部に蓄積された類似度の高いもの同士が近くに配置され、類似度の低いコンテンツは遠くに配置される。

前記情報空間生成部は、前記複数の概念間の配置関係に基づいてコンテンツの情報空間内の座標を決定するのでも良い。例えば、あらかじめ用意した複数の概念（カテゴリー）に対し、各概念にどの程度含まれるかを決定する。

本発明の他の観点によれば、蓄積したコンテンツを解析し、蓄積したコンテンツ間の類似性を求めるステップと、前記解析されたコンテンツ間の類似性に関する情報を記録するステップと、蓄積された情報と入力された情報とに基づいて提示コンテンツを決定するステップと、を有することを特徴とするコンテンツ再生方法が提供される。

本発明によれば、蓄積した大量のコンテンツを対象とし、ユーザが何れかのコンテンツを視聴する際にコンテンツを選択する機能を有するコンテンツ再生装置において、コンテンツ間の類似度に基づいて提示コンテンツを管理することにより、徐々に「何を見たいか」を明確にしながらコンテンツを選択できるようになる。

また、蓄積したコンテンツのすべてを見せることなく、代表コンテンツを選びながらコンテンツを探していけるため、効率よく視聴したいコンテンツにたどり着くことができる。

さらに、ユーザがどれくらい似ているコンテンツを探したいのかを入力するための類似度入力手段を備え、基準コンテンツとユーザが入力した類似度を元にコンテンツを検索することで、「ユーザの意図に近いけれど今表示されているコンテンツとは少し違うコンテンツを探したい」であるとか、「今表示されているコンテンツは全く意にそぐわない。全く違うコンテンツを視聴したい」であるなどのユーザの意図を反映したコンテンツ選択を可能とする。

以下、本発明の実施の形態によるコンテンツ選択技術について図面を参照しながら説明を行う。

図１から図１８までは、本発明の実施の形態に関する図であって、図中、図と同一の符号を付した部分は同一構成を表わしており、基本的な構成は、上述の図２に示すものと同様であるが、本実施の形態によるコンテンツ再生装置の特徴は、図１Ａに示すように、コンテンツ解析部２５とコンテンツ間情報蓄積部２１を設け、コンテンツ蓄積部１７に記録されたコンテンツの間の類似性に関する情報に基づいてコンテンツを選択できるようにした点にある。

以下、本発明の第１の実施の形態によるコンテンツ再生装置について図面を参照しながら説明する。図１Ａでは、コンテンツ間情報蓄積部２１にコンテンツ解析部２５で生成したコンテンツ間の関係を蓄積しており、この蓄積されたコンテンツ間の関係に基づいて表示部２３に提示するコンテンツを提示コンテンツ決定部１１で選定、出力することが図２の構成例とは異なる。尚、図１Ｂに示すように、入力部１に、操作入力部１ａに加えて、類似度を入力する類似度入力部１ｂを設けても良い。

（全体の処理の流れ）
本実施の形態によるコンテンツ再生装置は、大別して２つの機能を有している。
第１の機能は、コンテンツを蓄積部１７に蓄積（録画）し、解析を行い、コンテンツ間の類似性をコンテンツ間情報蓄積部２１に蓄積する機能である。

第２の機能は、コンテンツ蓄積部１７に蓄積した複数のコンテンツからユーザの操作に基づいて視聴候補を選定し、表示部２３に表示する機能である。
上記各機能について以下に詳細に説明する。

（第１の機能：本願の主たる部分）
チューナー数が受信可能な放送局数よりも少ない場合、すべての番組を録画することはできない。このため、放送受信部３は、ユーザの蓄積指示もしくは視聴履歴等に基づく自動／半自動の蓄積命令によって、放送コンテンツをコンテンツ蓄積部１７に蓄積する。尚、十分な数のチューナーを搭載した場合（チューナーの数が受信可能な放送局数と同じか、それ以上のとき）には、すべてのコンテンツを蓄積するようにしてもよい。

尚、チューナー数が１つの場合、同時に録画できるチャンネルは１つに限定されるが、複数個のチューナーを持つことで同時に複数の番組を録画できるようになる。但し、受信可能なチャンネル数（これが十分な数のチューナー数に相当する。）よりも多くのチューナーを設けていても、それ以上の番組を録画することはできない。尚、十分な数のチューナーを持っていない場合には、すべての番組を録画することはできないため、上記のようにユーザの蓄積命令または視聴履歴等に基づく自動/半自動の蓄積命令によってチューナーに対し放送局を割り当てる必要がある。

コンテンツの蓄積が終わると、コンテンツ解析部２５において、既に蓄積されている他のコンテンツとの類似度を算出する。類似度の算出方法については後述する。さらに、コンテンツ間の関係を明らかにするために、情報空間への配置座標を算出する。詳細な配置方法は後述する。算出された類似度あるいは情報空間上の配置座標は、コンテンツ間情報蓄積部２１に蓄積される。

第２の機能は、ユーザが、視聴候補コンテンツ表示要求を入力部１から入力することにより、制御部７は、提示コンテンツ決定部１１に提示するコンテンツ候補リストの作成を命令する。コンテンツ候補リストの作成方法については後述する。出力部１５は、作成されたコンテンツ候補リストを表示部２３に表示させる。ユーザは、提示されたリストの中に視聴したいコンテンツがあれば、そのコンテンツを視聴し、視聴したいコンテンツがない場合には条件を変更し、再度、コンテンツ候補リストを作成させる。コンテンツを視聴する際には、制御部７は当該コンテンツをコンテンツ蓄積部１７から呼び出し、出力部１５を介して表示部２３に出力する。

次に、コンテンツ解析部２５での処理内容（類似度の求め方、情報空間での配置座標の求め方）について詳細に説明する。

コンテンツ解析部２５は、コンテンツ蓄積部１７に蓄積されたＮ個のコンテンツのうちの任意の２つiとjとの類似度s_ijを求め、コンテンツ間情報蓄積部２１に記録する。制御部７は、ユーザの入力操作とコンテンツ間情報蓄積部２１に蓄積したコンテンツ間の類似度情報を基にして、表示部２３に提示するコンテンツを決定し、出力部１５から出力する。

（類似度の求め方）
（第1の類似度の求め方：単純な類似度の算出方法）
図４は、コンテンツ解析部２５の一構成例を示すブロック図である。コンテンツ蓄積部１７に蓄積された任意の２つのコンテンツについて、類似度算出用にコンテンツ特徴量を抽出する。図４の例では、動画像の画像特徴量（映像特徴量抽出部）４１、音情報量（音特徴量抽出部）４３、字幕テキスト（クローズドキャプション：テキスト情報抽出部）４７、番組に付随するＥＰＧ情報（デジタル放送中のＳＩ(Service Information)情報に含まれる：ＥＰＧ情報抽出部）４５から、それぞれ特徴量を抽出し、類似度算出部４９で類似度を算出する。

コンテンツiの特徴量kのl番目の値を

とすると、コンテンツiとコンテンツjの類似度

は

として類似度を求めることができる。ここで

は特徴量ごとの重み付けであり、

である。

例えば、ＥＰＧ情報に含まれるジャンル情報や出演者情報は、その類似性が明らかであるから、このような類似性が明らかである項目の重み付けを大きくし、他の部分を低くするなどしてコンテンツ間の類似度を算出する。

以下に、具体的な例について説明する。
（具体的なコンテンツ：『ＡＢＣ歌謡コンサート』と『歌謡祭 歌い継ぐ日本の名曲（ＸＹＺ）』の比較）
『ＡＢＣ歌謡コンサート』（以降、コンテンツIと称する。）と『歌謡祭 歌い継ぐ日本の名曲（ＸＹＺ）』（以降、コンテンツjと称する。）の類似度を求める場合を例にして上記計算方法について説明する。

特徴量kを、ＥＰＧ情報から得られるキーワード列であるとすると、ＡＢＣ歌謡コンサートには（「一人旅・秋風の名曲集」 〜ＡＢＣホール、出演者：Ａ、Ｂ、Ｃ、Ｄ、Ｅ、Ｆ、Ｇ、Ｈ、Ｉ）、歌謡祭には（Ｊ、Ｋ、Ｌ、Ｍ、Ｎ…豪華出演陣が昭和を彩るヒット曲熱唱▽名歌絶唱十八番…不朽の名曲が続々と登場▽思い出の一曲…曲にまつわるエピソードを ほか Ｊ、Ｋ、ＬＭ、Ｎ、Ｏ）といった情報が含まれる。ここから、（歌謡、名曲、秋風、一人旅、エピソード、Ａ、Ｂ、…、Ｏ）といった特徴ベクトルを生成する。

このとき、二つのコンテンツがそれぞれのキーワードを含んでいれば“１”を、含んでいなければ“０”をとるようにすると、特徴ベクトルはそれぞれ、

として得られる。類似度を計算するときにはベクトルの要素数で正規化する。正規化した後に類似度を求め、

となったと仮定する。

次に、特徴量ｋとして画像のドミナントカラー（代表色）で比較する例を示す。コンテンツiの各フレームについて、ドミナントカラーを求める。ＲＧＢ各８ビットの２４ビットカラーで表現される場合、約１６７７万色表現できるが、例えばこれを２５６色の代表色に分類する。全フレーム分の色情報を加算し、代表色毎に何フレームあったかを集計する。コンテンツ長を考慮し、全フレーム数で正規化してもよい。これを要素とする特徴ベクトルは、例えば以下のようになる。

画像特徴での類似度を求め、

となったと仮定する。

前述の、ＥＰＧから得られた特徴量と画像から得られた特徴量とから類似度を求める。
ＥＰＧから得られた特徴量の方が、画像から得られた特徴量よりも確からしいという例で考えると、確からしい前者の方に重み付けαを高く（例えば０．７）、後者の重み付けを低く（例えば０．３）なったとする。

最終的な類似度は、０．７*０．７+０．９*０．３＝０．７６のように求まり、信頼度の高いＥＰＧから得られた特徴量だけの場合よりも高く、信頼度の低い画像特徴量から得られた類似度よりも低い値が求まり、特徴量の信頼度を反映した類似度が得られる。

ここでは、２つの特徴量の場合で説明したが、コンテンツを比較できる特徴量であれば、何種類の特徴量を用いても良いことは言うまでもない。また、ここでは、画像特徴としてドミナントカラーを用いる場合について説明したが、２つのコンテンツを比較できればどのような特徴量を用いてもかまわない。

（動画像の類似度）
一般的な類似画像（静止画）検索の際には、例えば、カラーヒストグラムやエッジの向きなどの情報を使ってその類似度を算出するが、動画像ならではという特徴を利用した類似度算出方法は確立されていない。

一方で、音声コンテンツを対象とした認識方法において、例えば、『東京駅に行きます』に相当する音声特徴系列の標準パターンを用意しておき、この標準パターンの中に部分的に一致する特徴系列、例えば、『東京駅』が入力音声の特徴系列の中に含まれている時には、その部分的に一致する部分を認識結果として文字コードの形態で出力できる連続音声認識方法（以下、「ＲＩＦＣＤＰ手法」と呼ぶことにする。）が提案されている（信学技報、ＴＥＣＨＮＩＣＡＬ ＲＥＰＯＲＴ ＯＦ ＩＥＩＣＥ、ＳＰ９５−３４、１９９５−０６）。

このような音声認識方法により、音声の標準パターンの中の任意の区間と認識対象の特徴パターンの任意の区間とが部分的に完全一致した場合には、その一致部分を認識結果として出力する。そこで、動画像を構成するフレーム等の単位で画像特徴量を算出し、コンテンツ内での部分一致の割合から類似度を算出する。各フレームの特徴量としては、静止画の類似検索に用いられる、例えば、カラーヒストグラムやエッジ方向のヒストグラム、カラーバランスなどが考えられる。

（処理の流れ）
図１７は、新規コンテンツがコンテンツ蓄積部１７に蓄積された際の処理の流れを示すフローチャート図である。コンテンツが追加されると（Ｓ２１、Ｓ２２でＹｅｓ）、ステップ1として追加されたコンテンツ自身の特徴ベクトルを算出する（Ｓ２３）。ステップ２として、すでに蓄積済みの、他のコンテンツの特徴ベクトルとの間で類似度を算出する（Ｓ２４）。

ステップ３として、すでに作成されている類似度テーブルのテーブルサイズを変更し、算出された類似度を追加する。ここで類似度テーブルとは、あらかじめ求めておいた２つのコンテンツ間の類似度を格納するテーブルのことであり、図８はその一例を示した図である。

ステップ４として、コンテンツ間情報蓄積部２１に蓄積されている上記類似度テーブルを更新するとともに（Ｓ２５）、追加されたコンテンツの特徴ベクトルをコンテンツ間情報蓄積部２１に蓄積する（Ｓ２６）。ステップ４を終了すると元に戻り（Ｓ２２）、新規コンテンツが追加されているかをチェックするループに入る。新規コンテンツの追加がなければ、処理を終了する（Ｓ２７）。

（コンテンツの選び方）
次に、ユーザに提示するコンテンツ候補リストの作り方と、コンテンツの選択方法について詳細に説明する。

図１５は、リモコン装置の操作の流れを示すフローチャート図である。基準コンテンツの変更、類似度の変更、表示コンテンツの決定等の処理を行う。

以下、コンテンツ間情報蓄積部に蓄積されたデータ形式が、１）類似度テーブルである場合、２）情報空間である場合、の２つに分けてコンテンツの選び方の例を示す。

（第１の方法：類似度テーブルを用いてコンテンツを選ぶ例）
本実施の形態では、ユーザはコンテンツ再生装置において、コンテンツを視聴している際に、他のコンテンツを探す例について説明する。尚、一番初めに表示されているコンテンツは何であってもよい。受信部を含んでいるので、前回最後に視聴した放送局の現在放送されている番組を表示してもよい。

図１１は、本実施例による処理の流れを示すシーケンス図である。図１０に示した前述のリモコン装置Ｄを用いて操作する際の例を説明する。

（ステップ１）
ステップ１として、テレビを視聴中にユーザがリモコンＤの“ザッピング”ボタンを押すことで（１２１）、通常の視聴モードからザッピングモードへ移行する（１２２）。リモコンＤからザッピングモードＯＮの指示を制御部７が受け取ると、標準の視聴モードとザッピングモードの違いがわかるよう、まず表示部２３にザッピングモード中である旨を表示する命令を送る（１２３）。次に、提示コンテンツ決定部１１に対し、コンテンツリスト取得命令を送る。このとき、現在表示中のコンテンツを基準コンテンツとし、該基準コンテンツと基準コンテンツからの距離(類似度)を提示コンテンツ決定部に渡す（１２４）。提示コンテンツ決定部は入力された基準コンテンツと距離を元にコンテンツ間情報蓄積部に蓄積されたコンテンツ間情報に対し、問い合わせを実行する（１２５）。制御部７は取得したコンテンツリストを使って、コンテンツ蓄積部に蓄積されたコンテンツから該当するコンテンツを取得し（１２６）、表示部に表示する（１２７）。

（ステップ２）（類似度の入力）
第２のステップとしてコンテンツを選択する際の類似度の入力方法を示す。
ユーザが検索するための類似度を変更したいときに類似度変更入力を行う（１２８）。ユーザは例えば矢印キーのひとつを押している間、前記インジケータに表示される類似度が増減するようになっている。ボタンを離した時点での値をユーザが入力した類似度として確定させる。（別の例として右ボタンを押している間増加し、左ボタンを押すと減少する。類似度が一定の値よりも大きくなったり、小さくなったりしたときには類似度の増減を停止するようにしてもよい。この場合、決定ボタンを押すことで類似度を確定させる。）

リモコンは、制御部に入力された類似度を渡し、類似度を変更させる(１２９）。類似度入力を受けた制御部は新たなコンテンツリストを取得するために入力された類似度と既存の基準コンテンツ情報からコンテンツリストを取得するよう提示コンテンツ決定部に命令を送る（１３０）。提示コンテンツ決定部１１は、入力された類似度と基準コンテンツの情報とを基にして、コンテンツ間情報蓄積部２１から提示候補のコンテンツを決定する（１３１）。コンテンツ情報蓄積部には例えば図８に示すようにN個のコンテンツのうち、任意の２つのコンテンツ間の類似度が記録されている。提示コンテンツ決定部１１は入力された基準コンテンツと類似度から条件に合うコンテンツを検索する。

図８の例では例えば基準コンテンツがコンテンツ２で、類似度が0.5のとき、コンテンツNが抽出される。また入力された類似度が例えば0.45であり、当該類似度のコンテンツがない場合には最も近い0.5のコンテンツNが選ばれる。

制御部７は取得したコンテンツリストを使って、コンテンツ蓄積部に蓄積されたコンテンツから該当するコンテンツを取得し（１３２）、表示部２３に表示する（１３３）。

(ステップ３)（基準コンテンツの変更)
第３のステップとして基準コンテンツを変更する方法を説明する。ここでは基準コンテンツを変更するためにリモコンの選局ボタンを用いる例について説明するが、別のボタンなどで代用しても同様の効果が得られることはいうまでもない。

ステップ１およびステップ２により、コンテンツリストが既に得られている。このコンテンツリストに含まれるコンテンツを選局ボタンに割り当て、選局ボタンを押すことにより基準コンテンツを変更させる。ユーザがリモコンの選局ボタンの番号を押す（１３４）と、リモコンは基準コンテンツを該入力されたボタン番号に変更する(移動方向の決定)ように制御部に命令を送る（１３５）。制御部は、該入力されたボタン番号のコンテンツに基準コンテンツを変更し、該変更された基準コンテンツと保持されている類似度とを使って、コンテンツリストを取得(再取得)するよう提示コンテンツ決定部に命令する（１３７）。提示コンテンツ決定部は、コンテンツ間情報蓄積部からコンテンツリストを取得する(１３８)。制御部は取得したコンテンツリストを用いてコンテンツ蓄積部からコンテンツ情報を取得し（１３９）、表示部に表示する（１４０）。

（ステップ４）（コンテンツの決定）
第４のステップとして視聴コンテンツを決定し、ザッピングモードを終了する方法を説明する。

ユーザの操作に伴い、変更された表示コンテンツを視聴する場合には、リモコンのザッピングボタンを押せばよい（１４１）。制御部７は、ザッピングボタンが押されたことを感知すると、ザッピングモードを終了し（１４２）、表示部に表示されていたザッピングモードであることを示す表示を消去する（１４３）。

以上のステップにより、コンテンツを選択することができる。
表示されているコンテンツとは違うものを選ぶ際には、ステップ２、ステップ３の処理を繰り返すことで、適宜、異なったコンテンツが提示される。また、入力された類似度が高い場合には、少し異なるコンテンツが、類似度が低い場合には全く異なるコンテンツが提示される。

図１２は、コンテンツ間情報蓄積部に蓄積されたコンテンツ間の情報がマップ状に配置された情報空間であった場合の例である。“+”が基準コンテンツ、基準コンテンツを中心とした破線が入力された類似度を半径とする探索対象であり、前述の方法と同様にコンテンツを選択することができる。

（第２の実施例）
次に、前述の第１の実施例とは異なるコンテンツ間の類似度の求め方について説明する。第２の実施例は、前述の第１の実施例とは類似度の求め方が異なるだけで処理の流れは同じである。

（第２の類似度の求め方：カテゴリー分類の導入）
図５は、図４の例と比較して概念推定部６３が追加されている部分が異なる。ここでは、コンテンツからどのような印象を受けるかという印象をコンテンツの上位概念として扱うこととする。予め様々なコンテンツを分析してみたところ、番組タイトルやあらすじ、に含まれるキーワード、放送する局や時間帯、出演者情報などからコンテンツの上位概念に分類できることがわかった。

例えば、トレンディドラマと称される種類のドラマには、俗にトレンディ俳優（女優）と呼ばれる俳優（女優）が出演者の上位に現れる。一方、サスペンスドラマにゲストとしてトレンディ俳優（女優）が出演する場合には、出演者の下位に現れることが多く、別のトレンディ俳優ではない俳優の名前が出演者の上位に現れる。また、昼メロと呼ばれるジャンルのドラマは平日昼間の民放のドラマに多い。

そこで、コンテンツの上位概念として例えば、『トレンディ』らしさ、『サスペンス』らしさ、『昼メロ』らしさといった概念の例を取り入れる。

『トレンディドラマ』とは、都会に生きる男女の恋愛やトレンドを描いた現代ドラマであり、配役はドラマ製作の時点で、演技や芸能活動が活発であり、美男美女、もしくは目立った個性が、視聴者に極めて好意的に受け止められている俳優、歌手、タレントが起用されることが多い。

『サスペンス』とは、危険な事件に挑む姿を描いたドラマである。
『昼メロ』とは、「○×夫人」（２００２年）、「△と□」、「×のソレア」（いずれも２００４年）、「○の輪舞」（２００５年）などに代表される愛憎劇であり、かつ、放送時間が平日の午後のものをいう。

コンテンツ蓄積部１７に蓄積されたコンテンツについて、映像特徴量、音特徴量、ＥＰＧ情報、テキスト情報から、コンテンツの上位概念らしさを算出する。上記例では、『トレンディ』らしさ、『サスペンス』らしさ、『昼メロ』らしさ、を個別に算出する。各上位概念らしさを、例えば０から１の実数で表現し、それらをベクトルの要素とする特徴ベクトルを生成する。

コンテンツiの特徴ベクトルを

とすると、

と表現できる。

ＧＨテレビのＨ曜サスペンス劇場はサスペンスであり、トレンディらしさ、昼メロらしさは皆無であるので、特徴ベクトルは、

のようになる。または、ＩＪテレビ系列で毎週月曜日の21:00〜21:54に放送された連続ドラマである『ＫＬ』（2006年）はトレンディ女優と人気のある歌手グループのメンバーが主役のドラマであり、トレンディらしさ以外は皆無である。したがって特徴ベクトルは

となる。前述の『△と□』はトレンディ女優らが出演しているものの、昼間に放送されている愛憎劇であるので、以下のように表現できる。

尚、数値はあくまでも例であり、算出方法により異なる。
コンテンツiとコンテンツjの類似度は、２つの特徴ベクトル間のユークリッド距離や内積等の従来方式で求めればよい。内積を用いる場合にはベクトルの大きさで正規化し、類似度s_ijは以下のように求められる。

『Ｈサスペンス劇場』と『ＫＬ』の類似度を上記式で求めると、０となり、似ていないことがわかる。『ＫＬ』と『△と□』の場合の類似度は０．３３３となり、『△と□』は『Ｈサスペンス劇場』よりは『ＫＬ』に似ているが、数値的にはあまり似ていないことがわかる。

上記例では『トレンディ』らしさ、『サスペンス』らしさ、『昼メロ』らしさといった３つの上位概念で説明したが、コンテンツからどのような印象を受けるかという印象ベースで上位概念を用いた。したがって、上位概念は、『トレンディ』である必要はなく、別の上位概念であってもよい。また３つの上位概念を例にして説明したが、上位概念数に制限はない。また、ドラマの例で説明したが、バラエティやスポーツなど、他のジャンルのコンテンツも同様にして扱うことができる。

（上位概念の作り方）
上位概念は、どのような条件の場合にどの程度の値となるかというルールを予め用意しておき、そのルールに基づいて、前述の「らしさ」を表現すればよい。

上位概念は、あらかじめ複数のコンテンツを分析し、その分析結果に基づいて上記ルールとともに作成しておく。上位概念を生成する装置は、コンテンツ再生装置の外部に用意し、上位概念のみをコンテンツ再生装置で用いることも可能であり、コンテンツ再生装置と同一の装置内に実装することもできる。

上位概念を生成するために、学習用のデータとして複数のコンテンツを集め、さらに人手で似ているコンテンツをクラスタリングする（印象が似ているコンテンツを、同一クラスとする。）。同一のクラスとなったコンテンツに、付属の映像、音、ＥＰＧ、テキスト等から得られる特徴量から共通項を見つけ出す。

例えば、ＥＰＧに含まれる人名の場合、特定のクラスに含まれる人名には「ばらつき」が発生することが考えられるが、人名をトレンディ俳優、大物俳優、○○俳優などのひとつ上の概念に置き換える。この置き換え操作により、ＥＰＧに含まれる人名の中に共通項が生まれ、ルール化ができるようになる。

『トレンディ』の条件として
・放送の時点で今が旬の男優、女優が出演
・放送時間がゴールデンタイム
・人物達の職業は流行の最先端
などがあげられる。上記概念生成の結果、例えば
・放送の時点で今が旬の男優、女優が出演
・放送時間がゴールデンタイム（平日21：00-、22：00-）
ならばトレンディらしさを“１”とする。
どちらか片方のみ満たすならば、トレンディらしさを０．５とする。
あてはまらない場合には０とする。
というようにルールを図１６に示す概念推定ルール蓄積部９５ｂに格納する。図１６に示す概念推定部９５は、出演者情報抽出部９５−１、時間情報抽出部９５−２、…、楽曲情報抽出部９５−ｎ、とを有し、これにより抽出された情報により概念を推定部９５ａで推定し、概念推定ルール蓄積部９５ｂに蓄積する。

多くの事象からルールを作り出す方法としては、ルール導出などで用いられる帰納学習などの機械学習の手法が知られており、既存のルール導出方法を用いればよい。

（第３の実施例）
本実施例は、実施例１及び実施例２とコンテンツ間情報蓄積部に蓄積するデータとコンテンツとの選び方が異なる。前述の実施例１及び実施例２の例では、コンテンツ蓄積部に蓄積された任意の２つのコンテンツの間の類似度を算出し、コンテンツ間情報蓄積部に蓄積された類似度テーブルを使って提示コンテンツ候補の選定を行っていた。これに対して、本実施例では、コンテンツ間の類似性を一覧できる情報空間を生成し、この情報空間を用いて提示コンテンツ候補の選定を行う。情報空間は、いわばコンテンツの関係をマップ（地図）状にしたもので、類似度の高いコンテンツは近くに、低いコンテンツは遠くに配置される。以下、情報空間の作り方とこの情報空間を用いたコンテンツ選定方法について説明する。

（情報空間での配置座標の求め方）
図６及び図７の例は、図４及び図５の例に、さらに情報空間内での配置座標を決定する情報空間生成部８３、１０１を備えたことが異なる。基準コンテンツとの類似度だけでは、複数の提示候補が見つかる可能性がある。そこで、この提示候補の間の違いを明確にするために情報空間への配置を行う。情報空間内において基準コンテンツとの距離が類似度とほぼ同様の意味を持つが、空間配置を行うことにより、基準コンテンツとの位置関係で提示候補間の違いを表現する。

（処理の流れ）
図１８は、新規コンテンツがコンテンツ蓄積部に蓄積された際の処理の流れを示すフローチャート図である。図１８に示すように、処理を開始し（Ｓ３１）、新規コンテンツが追加されたか否かを判定し（Ｓ３２）、特徴ベクトルを抽出する（Ｓ３３）。次いで、類似度を算出し（Ｓ３４）、コンテンツの配置を決定し（Ｓ３５）、コンテンツ間情報蓄積部に記録する（Ｓ３６）。次いで、Ｓ３２に戻る。新規コンテンツの追加がない場合には（Ｎｏ）、Ｓ３７に進み処理を終了する。このように、コンテンツが追加されるとステップ1として追加されたコンテンツ自身の特徴ベクトルを算出する。ステップ２として、すでに蓄積済みの他のコンテンツの特徴ベクトルとの間で類似度を算出する。ステップ３として追加されたコンテンツの情報空間内での座標値を決定する。具体的な方法は後述する。ステップ４として、コンテンツ間情報蓄積部に蓄積されている前記情報空間に関する情報を更新または置き換えるとともに、追加されたコンテンツの特徴ベクトルをコンテンツ間情報蓄積部に蓄積する。ステップ４を終了すると元に戻り、新規コンテンツが追加されているかをチェックするループに入る。

（第１の配置座標決定方法：類似度から空間配置する事例：数量化理論の利用）
図８は、前述のコンテンツ間情報算出部において求められコンテンツ蓄積部に蓄積されたＮ個のコンテンツのうちの任意の２つiとjとの類似度s_ijを表形式にまとめたものである。

この例では、コンテンツ１とコンテンツ２との類似度は０．９、コンテンツ１とコンテンツＮの類似度は０．２であることを示している。またコンテンツiとコンテンツi（自分自身）との類似度は１となるが計算の都合上０としている。

コンテンツ間の類似度をもとに、ｎ次元空間へのコンテンツ配置方法の一例を説明する。一般に、Ｎ個の対象の任意の２つiとjとの類似度s_ijが与えられているとき、この類似度を反映するように、対象を低次元のユークリッド空間の点として配置する方法として数量化理論IVが知られている。

数量化理論とは林知己夫氏が開発した、一連の定性的データのための多変量データ解析手法で、I類からIV類まで定式化されている。数量化理論IV類を用いて、例えばＮ個の対象を２次元ユークリッド空間に配置することができ、対象群の構造を確認することができる。
数量化理論IV類を用いて３次元空間にコンテンツを配置する。

を最大とするｘを考える。
このとき、

を満たすこととする。この最適化問題の解法としてLagrange乗数法を用いて固有値問題に帰着させることが知られている。

を

と定義すれば

なるｘを求めればよい。

このとき、行列Ｈの最大固有値は０となるため、ここでは固有値が０以外で大きい方から順に３つを選択する（４次元空間に配置するならば４つ：可視化するわけではないため何次元であってもよい）。

図２０は、情報空間生成部８３−２の一例であり、類似度テーブル読込部８３ｃ、対称行列生成部８３ｄ、固有値・固有ベクトル算出部８３ｅ、座標値決定部８３ｄからなる。

類似度テーブル読込部８３ｃは、前段の類似度算出部で算出、生成された類似度テーブルを読み込む。次に対称行列生成部８３ｄにおいて、読み込んだ類似度テーブルの各要素（コンテンツ同士の類似度）から前述の

を要素とする行列Ｈを生成する。

次に、固有値・固有ベクトル算出部８３ｅにより前述の行列Ｈの固有値、固有ベクトルを求める。

最後に座標値決定部８３ｄにおいて、得られた固有値のうち０となるものを除く固有値から大きい順に３個選び、それに対応した固有ベクトルを用いて各コンテンツの座標値を決定する。選択された固有値に対応する固有ベクトルが順に(x,y,z)の座標値となる。本実施例では、コンテンツ間情報蓄積部に蓄積されたコンテンツ間の類似度に対し、数量化理論IV類を用いることで低次元の情報空間（ユークリッド空間）に配置することができる。すなわち、コンテンツ間情報蓄積部に蓄積された類似度の高いもの同士が近くに配置され、類似度の低いコンテンツは遠くに配置される。

また、数量化理論は統計的手法である多次元尺度法の１種であり、他の方法でも同様に対象群の構造がわかるよう低次元のユークリッド空間に配置することが可能であることはいうまでもない。

（第２の方法：情報空間を使ってコンテンツを選ぶ例）
図１１は、本実施例の処理の流れを示すシーケンス図である。図１１のシーケンス図を用いて、処理の流れを説明する。

（ステップ１）
ステップ１として、テレビを視聴中にユーザがリモコンＤの“ザッピング”ボタンを押すことで（１２１）、通常の視聴モードからザッピングモードへ移行する（１２２）。ディスプレイ上では今まで映っていたコンテンツが消え、９個のコンテンツが表示される（１２３）。

ザッピングモードへ移行すると、制御部７は提示コンテンツ決定部１１に現在表示されているコンテンツ（今見ている番組）の情報とあらかじめ設定された距離とを渡し、提示するコンテンツを決定させる（１２４）。

提示コンテンツ決定部１１は、制御部７より与えられたコンテンツ情報(基準コンテンツ)と類似度とを元にコンテンツ間情報蓄積部２１に記録されている情報から提示すべきコンテンツを選定する。

図１３に、提示コンテンツ決定部１１の一構成例を示すブロック図である。類似度抽出部１１ａは与えられた基準コンテンツと類似度とを元にこの類似度に合致する、または近いコンテンツを抽出する。候補リスト生成部１１ｂは所定の基準に基づいて抽出されたコンテンツの順位付けを行い、リスト化する。決定部１１ｃは作成されたリストの上位から所定の数だけのコンテンツを提示コンテンツとして出力する（１２８〜１３１）。

前述の所定の基準とは、
１）基準コンテンツとの類似度が指定された(入力された)類似度に近い順、
２）情報空間を用いている場合には、指定された(入力された)類似度に近く、かつ基準コンテンツからの向きが異なるもの(座標値の分散がもっとも大きくなる８個を選ぶ等)などが考えられる。

決定された提示コンテンツのリストを元に、制御部７はコンテンツ蓄積部１７より当該コンテンツの情報を取り出し、表示部２３に提示する（１３２〜１３３）。ここでは８個のコンテンツを取り出し、基準となるコンテンツ（直前まで表示していたコンテンツ）を含む９コンテンツを表示部に提示する。

（ステップ２）（類似度の変更）
第２のステップとしてコンテンツを選択する際の類似度の変更方法を示す。
図１０は、従来のリモコンに、類似度がどの程度かわかるようにインジケータを設けている。

ユーザは、電源ボタン１０５を押し、例えば矢印キー１１５ａ〜１１５ｄのうちのひとつを押している間に、このインジケータ１１７に表示される類似度１１７ａが増減するように構成されている。矢印キー１１５ａ〜１１５ｄを離した時点での値をユーザが入力した類似度として確定させることができる。（別の例として、右ボタン１１５ｂを押している間は増加し、左ボタン１１５ｄを押している間は減少する。類似度が一定の値よりも大きくなったり、小さくなったりしたときには、類似度の増減が停止されるようにしてもよい。この場合、決定ボタン１１５ｅを押すことで類似度を確定させる。）

次に、提示コンテンツ決定部１１は入力された類似度と基準コンテンツの情報とを基にして、コンテンツ間情報蓄積部２１からステップ１と同様にして提示候補のコンテンツを決定し、ステップ１と同様に表示部２３に抽出したコンテンツを提示する。

（ステップ３）（基準コンテンツの変更）
第３のステップとして、コンテンツを選択する際の基準コンテンツの変更方法を示す。
図１４は、表示部２３の一例(a,b)を表す図である。コンテンツを探索中は、図１４（ａ）に示すように、複数のコンテンツが提示されている。領域５に提示されているコンテンツが現在の基準コンテンツである。そこで、他の領域に表示されているコンテンツの中から、次の基準コンテンツとなるコンテンツを選ぶ。例えば、図１０に示すリモコン装置の選局キーとなる１〜９までのボタンのいずれかを押すことにより、基準コンテンツを変更する。

基準コンテンツが変更されると、提示コンテンツ決定部１１は現在設定されている類似度と変更された基準コンテンツとを元にステップ１と同様に、提示候補のコンテンツを決定し、抽出した該コンテンツを表示部２３に提示する。尚、このとき、（旧）基準コンテンツを、新しく選ばれるコンテンツの中に含むようにしておくと、元の状態に戻りやすいというメリットがある。

（ステップ４）（コンテンツの決定）
ステップ４として、視聴コンテンツを決定する方法を説明する。
表示されている９個のコンテンツの中に視聴したいコンテンツがあるとき、ユーザはザッピングモードから視聴モードへ移行しようとする。視聴したいコンテンツが基準コンテンツでない場合にはステップ３へ戻り、基準コンテンツへ変更する（視聴したいコンテンツが中央の領域５に表示されている）。視聴したいコンテンツが基準コンテンツであるときに、ザッピングボタンを押し、モード移行する。このとき、表示部２３に表示されていたザッピングモードであることを示す表示が消去され、本視聴モードに移行する。

（第４の実施例）
次に、前述の第３の実施例で説明した情報空間の作り方の別の方法について説明する。情報空間を用いたコンテンツの選定方法については前述の方法を用いる。

（第２の配置座標決定方法：コンテンツの特徴ベクトルを用いる場合）
コンテンツの上位概念を用いた空間配置方法について説明する。
図１９は前述の実施例とは別の情報空間生成部８３−１の機能ブロック図である。情報空間生成部８３−１は、特徴ベクトル読み込み部８３ａと座標値算出部８３ｂとで構成される。

図９は本実施例による配置方法の概念を説明する図である。図９に示すように、コンテンツの類似度を求める際に、コンテンツの上位概念（例えば、『トレンディ』らしさ、『サスペンス』らしさ、『昼メロ』らしさなど）を使って特徴ベクトルを構成する方法については前述したとおりである。このときの典型的な『トレンディ』（上位概念a）らしいコンテンツ、典型的な『サスペンス』（上位概念b）らしいコンテンツ、典型的な『昼メロ』（上位概念c）らしいコンテンツのそれぞれの配置座標を決めておく。

図９において『トレンディ』、『サスペンス』、『昼メロ』がそれぞれＡ、Ｂ、Ｃの位置に配置されている。それぞれの座標値を

とする。また座標値が未知であるコンテンツdについて、その座標値を

とすると、

として求めることができる。

ここで、αは各コンテンツの上位概念らしさであり、コンテンツｄの特徴ベクトルの各要素である。

図１９の特徴ベクトル読み込み部８３ａからコンテンツｄの特徴ベクトルを読み込む。図９の例では、コンテンツdの特徴ベクトル(0.0, 0.5, 0.5)とすると、座標値算出部８３ｂでは、以下のように座標値を算出する。

この場合、コンテンツdは、上位概念ｂと上位概念ｃの間に配置されることになる。

以上のようにして、各上位概念の位置関係に基づいて情報空間に配置することができる。すなわち、コンテンツ間情報として、類似度と情報空間との２種ができる。以上、説明したように、本発明の各実施の形態によれば、蓄積した大量のコンテンツを対象とし、ユーザが何れかのコンテンツを視聴する際に、コンテンツを選択する機能を有するコンテンツ再生装置において、コンテンツ間の類似度に基づいて提示コンテンツを管理することにより、徐々に「何を見たいか」を明確にしながらコンテンツを選択できるようなる。

また、蓄積したコンテンツすべてを見せることなく、代表コンテンツを選びながらコンテンツを探していくことができるため、効率よく視聴したいコンテンツにたどり着くことができる。

さらに、ユーザがどれくらい似ているコンテンツを探したいのかを入力するための類似度入力手段を備え、基準コンテンツとユーザが入力した類似度とを元にコンテンツを検索することで、「ユーザの意図に近いけれど今表示されているコンテンツとはちょっと違うコンテンツを探したい」で状態、或いは、「今表示されているコンテンツは全く意にそぐわない。全く異なるコンテンツを視聴したい」である状態などにおけるユーザの意図を反映させてコンテンツ選択を可能とする。

本発明は、コンテンツ再生装置に利用可能である。

本発明の実施の形態によるコンテンツ選択装置の一構成例を示す機能ブロック図である。 入力部の一部として類似度を入力する手段を備えたブロック図である。 一般的なコンテンツ選択装置の一構成例を示すブロック図である。 一般的なコンテンツ選択装置の処理の流れを示すフローチャート図である。 コンテンツ解析部の一構成例を示すブロック図である。 コンテンツ解析部に概念推定部を含めた構成例を示すブロック図である。 コンテンツ解析部に類似度算出部と情報空間生成部を含めた構成例を示すブロック図である。 コンテンツ解析部に概念推定部と類似度算出部と情報空間生成部とを含む構成例を示すブロック図である。 コンテンツ間情報蓄積部に蓄積される類似度テーブルの一例を示す図である。 上位概念の寄与度に基づいて情報空間でのコンテンツの配置を決める概念を示す図である。 類似度入力手段を備えた入力装置（リモコン）の構成例を示す概略図である。 コンテンツを選択するまでの処理の流れを示すシーケンス図である。 基準コンテンツと入力された類似度からコンテンツを決定する際の概念を示す図である。 提示コンテンツ決定部の一構成例を示すブロック図である。 （ａ）、（ｂ）を表示部に提示される画面の一例である。 コンテンツを選択する際の処理の流れを示すフローチャート図である。 概念推定部の構成例を示す機能ブロック図である。 コンテンツ解析部における処理の流れを示すフローチャート図である。 コンテンツ解析部の処理の流れを示すフローチャート図である。 情報空間生成部を構成する機能ブロックの一例である。 情報空間生成部を構成する別の機能ブロック図の一例である。

符号の説明

Ａ…コンテンツ選択装置、１…入力部、３…放送受信部、７…制御部、１１…提示コンテンツ決定部、１５…出力部、１７…コンテンツ蓄積部、２１…コンテンツ間情報蓄積部、２３…表示部、２５…コンテンツ解析部。

Claims (18)

1. 入力されたコンテンツを蓄積するコンテンツ蓄積部を備え、該コンテンツ蓄積部に蓄積されたコンテンツを再生するコンテンツ再生装置において、
   前記コンテンツ蓄積部に蓄積されているコンテンツを解析し、蓄積したコンテンツ間の類似性を求めるコンテンツ解析部と、
   前記コンテンツ間の類似性に関する情報を記録するコンテンツ間情報蓄積部と、
   該コンテンツ間情報蓄積部に蓄積された情報とユーザが入力した情報とに基づいて、提示コンテンツを決定する提示コンテンツ決定部と
   を備えたことを特徴とするコンテンツ再生装置。
2. 前記コンテンツ解析部は、蓄積したコンテンツの構成要素のうちの少なくとも１つを用いてコンテンツの特徴量を抽出する特徴量抽出部と、
   蓄積した任意の２つのコンテンツ間の類似度を算出する類似度算出部と
   を備えることを特徴とする請求項１に記載のコンテンツ再生装置。
3. コンテンツの類似度を入力する類似度入力部を備え、
   前記提示コンテンツ決定部は、前記類似度入力部から入力された類似度と基準コンテンツとから提示コンテンツを決定することを特徴とする請求項２に記載のコンテンツ再生装置。
4. さらに、予め用意した複数の概念であるカテゴリーに対し、コンテンツに各概念が含まれる程度を推定する概念推定部と、
   該概念推定部での推定結果を用いて蓄積した任意の２つのコンテンツ間の類似度を算出する類似度算出部と
   を有することを特徴とする請求項１から３までのいずれか１項に記載のコンテンツ再生装置。
5. 前記提示コンテンツ決定部は、基準コンテンツと前記コンテンツ間情報蓄積部に蓄積した２つのコンテンツとその類似度との関係をテーブル化した類似度テーブルに基づいて提示コンテンツを決定することを特徴とする請求項２から４までのいずれか１項に記載のコンテンツ再生装置。
6. 情報空間生成部を備え、
   前記コンテンツ蓄積部に蓄積したコンテンツのうち、類似度の高いコンテンツ同士を近くに配置するように情報空間内での座標を決定することを特徴とする請求項２から４までのいずれか１項に記載のコンテンツ再生装置。
7. 前記情報空間生成部は、コンテンツ間の類似度を統計的手法により解析し、
   各コンテンツの情報空間内の座標を決定することを特徴とする請求項６に記載のコンテンツ再生装置。
8. 前記情報空間生成部は、前記複数の概念間の配置関係に基づいてコンテンツの情報空間内の座標を決定することを特徴とする請求項６に記載のコンテンツ再生装置。
9. 蓄積したコンテンツを解析し、蓄積したコンテンツ間の類似性を求めるステップと、
   前記解析されたコンテンツ間の類似性に関する情報を記録するステップと、
   蓄積された情報と入力された情報とに基づいて提示コンテンツを決定するステップと
   を有することを特徴とするコンテンツ再生方法。
10. 前記コンテンツ解析ステップは、蓄積したコンテンツの構成要素のうち少なくとも１つを用いて特徴量を抽出するステップと、
    蓄積した任意の２つのコンテンツ間の類似度を算出する類似度算出ステップと
    を備えることを特徴とする請求項９に記載のコンテンツ再生方法。
11. 前記入力するステップは類似度を入力するステップを含み、
    提示コンテンツ決定ステップは、前記類似度入力ステップにより入力された類似度と基準コンテンツとから提示コンテンツを決定するステップであることを特徴とする請求項１０に記載のコンテンツ再生方法。
12. コンテンツ解析ステップはさらに概念推定ステップを含み、あらかじめ用意した複数の概念であるカテゴリーに対し、各概念にどの程度含まれるかを推定し、
    類似度算出ステップは前記概念推定ステップでの推定結果を用いて蓄積した任意の２つのコンテンツ間の類似度を算出するステップであることを特徴とする請求項９から１１に記載のコンテンツ再生方法。
13. 前記提示コンテンツ決定ステップは、基準コンテンツと前記コンテンツ間情報蓄積ステップにより蓄積された類似度テーブルに基づいて提示コンテンツを決定するステップであることを特徴とする請求項１０から１２までのいずれか１項に記載のコンテンツ再生方法。
14. さらに情報空間生成ステップを備え、
    コンテンツ蓄積ステップに蓄積したコンテンツのうち、類似度の高いコンテンツ同士を近くに配置するように情報空間内での座標を決定することを特徴とする請求項１０から１２までのいずれか１項に記載のコンテンツ再生方法。
15. 前記情報空間生成ステップは、コンテンツ間の類似度を統計的手法により解析し、
    各コンテンツの情報空間内の座標を決定することを特徴とする請求項１４に記載のコンテンツ再生方法。
16. 前記情報空間生成ステップは、前記複数の概念間の配置関係に基づいてコンテンツの情報空間内の座標を決定することを特徴とする請求項１４に記載のコンテンツ再生方法。
17. 請求項９から１６までのいずれか１項に記載のコンテンツ再生ステップをコンピュータに実行させるためのプログラム。
18. 請求項１７に記載のプログラムを記録したコンピュータ読み取り可能な記録媒体。

Images