JP2012058986A

JP2012058986A - ユーザにアプリケーションを推薦する配信サーバ及び方法

Info

Publication number: JP2012058986A
Application number: JP2010201239A
Authority: JP
Inventors: Yuji Mori; 勇二森; Masaki Wada; 真輝和田; Takeshi Naganuma; 武史長沼
Original assignee: NTT Docomo Inc
Current assignee: NTT Docomo Inc
Priority date: 2010-09-08
Filing date: 2010-09-08
Publication date: 2012-03-22
Anticipated expiration: 2030-09-08
Also published as: JP5384452B2

Abstract

【課題】アプリケーションを配信するサーバが、ユーザの習熟度を考慮して、ユーザにアプリケーションを推薦できるようにすること。
【解決手段】配信サーバは、アプリケーションの利用履歴を示す利用履歴情報を複数のユーザから受信する受信部と、特定のアプリケーションを有する複数のユーザ各々の習熟度を、利用履歴情報から算出する習熟度算出部と、特定のアプリケーションを有する複数のユーザを、ユーザ各々の習熟度に応じて２つ以上のグループに分類し、特定のアプリケーションを何れかのグループに対応付ける対応関係を決定するアプリケーション判別部と、特定のユーザが属するグループに対応するアプリケーションを、対応関係により判別することで、特定のユーザに推薦するアプリケーションを決定するフィルタリング部と、フィルタリング部が推薦することに決定したアプリケーションを推薦するレコメンド信号を、特定のユーザに送信する送信部とを有する。
【選択図】図３

Description

本発明は、ユーザにアプリケーションを推薦する配信サーバ及び方法に関する。

近年の通信端末は、単に通信を行うだけでなく、様々なアプリケーションをサーバからダウンロードし、実行することができる。通信端末は、具体的には、携帯電話、情報端末、スマートフォン、ノート型パーソナルコンピュータ、ラップトップコンピュータ、デスクトップコンピュータ等であるが、これらに限定されない。通信端末にダウンロードすることが可能なアプリケーションは、極めて多数存在するので、アプリケーションの提供者（プロバイダ）は、提供するアプリケーションをユーザに推薦する必要がある。通信端末のユーザにアプリケーションを推薦することについては、例えば特許文献１に記載されている。

特開２０１０−１５７２０７号公報

マーケット上に存在するアプリケーションは、電子メール用のアプリケーションやブラウザ用のアプリケーションのような比較的簡易に使用できるものから、高度な機能を多数備えた複雑なものまで多種多様である。この場合において、あるユーザＡが所有していないアプリケーションの内、ユーザＡと類似するユーザＢが所有するアプリケーションをユーザＡに推薦することが考えられる。しかしながら、このような単純な方法により、推薦するアプリケーションを決定すると、複雑で高度なアプリケーションが、経験に乏しい初心者に推薦されてしまうことが懸念される。あるいは逆に、単純な機能しか備えていないアプリケーションが、経験豊富なベテランユーザに推薦されてしまうことも懸念される。その結果、ユーザに有益なアプリケーションの情報を効率的に提供できないことが懸念される。

本発明の課題は、アプリケーションを配信するサーバが、ユーザの習熟度を考慮して、ユーザにアプリケーションを推薦できるようにすることである。

本発明の一形態による配信サーバは、
アプリケーションの利用履歴を示す利用履歴情報を複数のユーザから受信する受信部と、
特定のアプリケーションを有する複数のユーザ各々の習熟度を、前記利用履歴情報から算出する習熟度算出部と、
前記特定のアプリケーションを有する前記複数のユーザを、ユーザ各々の習熟度に応じて２つ以上のグループに分類し、前記特定のアプリケーションを何れかのグループに対応付ける対応関係を決定するアプリケーション判別部と、
特定のユーザが属するグループに対応するアプリケーションを、前記対応関係により判別することで、前記特定のユーザに推薦するアプリケーションを決定するフィルタリング部と、
前記フィルタリング部が推薦することに決定したアプリケーションを推薦するレコメンド信号を、前記特定のユーザに送信する送信部と
を有する、ユーザにアプリケーションを推薦する配信サーバである。

本発明の一形態によれば、アプリケーションを配信するサーバが、ユーザの習熟度を考慮して、ユーザにアプリケーションを推薦できるようになる。

実施例における通信システムを示す図。通信端末の機能ブロック図。配信サーバの機能ブロック図。習熟度及びユーザ数の関係を表す分布関数を模式的に示す図。ユーザα及びユーザβの情報を特徴空間に投影した様子を示す図。実施例における動作概要を説明するための図。実施例における動作例を示すシーケンス図。別の分布関数を模式的に示す図。さらに別の分布関数を模式的に示す図。変形例における動作例を示すシーケンス図。変形例における動作を説明するための図。

以下の観点から本発明の実施例を説明する。

１．システム
２．通信端末
３．配信サーバ
４．動作概要
５．動作例
６．変形例

＜１．システム＞
図１は、実施例で使用される通信システム１を示す。通信システム１は、通信端末１０、移動通信網２０、配信サーバ３０及びアプリケーション管理サーバ４０を有する。通信端末１０は、移動通信網２０を介して配信サーバ３０と通信を行う。配信サーバ３０は必要に応じてアプリケーション管理サーバ４０と通信する。アプリケーション管理サーバ４０は、プロバイダが提供可能な様々なアプリケーションを有し、配信サーバ３０からの要請に応じてアプリケーションを提供する。なお、図示の例ではアプリケーション管理サーバ４０が、配信サーバ３０とは別のネットワーク要素であるように示されているが、このことは必須ではなく、配信サーバ３０の中にアプリケーション管理サーバ４０が存在してもよい。

＜２．通信端末＞
図２は、通信端末１０の機能ブロック図を示す。図２には、通信端末１０に備わる様々な機能要素の内、本実施例に特に関連するものが示されている。通信端末は、配信サーバ３０からアプリケーションをダウンロードして実行することができる適切な如何なる通信端末でもよい。通信端末は、移動端末でも固定端末でもよく、具体的には、携帯電話、情報端末、スマートフォン、ノート型パーソナルコンピュータ、ラップトップコンピュータ、デスクトップコンピュータ等であるが、これらに限定されない。図示の通信端末１０は、送受信部２０２、端末操作管理部２０４、リソース使用量管理部２０６、アプリケーション管理部２０８、表示部２１０を少なくとも有する。

送受信部２０２は、通信端末の受信部としての機能及び送信部としての機能を有する。送受信部２０２は、移動通信網を介して配信サーバからアプリケーション及びその他の信号を受信する。その他の信号には、例えば、ユーザが何らかのアプリケーションをダウンロードすることを促すレコメンド信号が含まれる。また、送受信部２０２は、移動通信網を介して配信サーバに信号を送信する。送信される信号は、例えば、利用履歴情報を含む。

利用履歴情報は、後述する端末操作管理部２０４、リソース使用量管理部２０６、アプリケーション管理部２０８等により取得される。利用履歴情報は、一定の頻度で配信サーバに報告されてもよいし、ユーザや配信サーバ等からの要求に応じて報告されてもよい。利用履歴情報を一定の頻度で報告する場合の頻度は、例えば、時間、日、週、月等の適切な如何なる頻度でもよい。配信サーバが最新情報を蓄積すること、及び通信端末に保存する利用履歴情報の情報量を少なくする等の観点からは、高い頻度で報告されることが望ましい。ネットワークリソースの有効利用の観点からは、必要に応じて報告されることが望ましい。

端末操作管理部２０４、リソース使用量管理部２０６及びアプリケーション管理部２０８は、利用履歴情報に含めることになる情報を管理及び取得する。通信端末１０に端末操作管理部２０４、リソース使用量管理部２０６及びアプリケーション管理部２０８が備わっていることは一例にすぎず、利用履歴情報になり得る情報を取得及び管理する他の管理部が備わっていてもよい。利用履歴情報は、アプリケーション名、日時、利用時間等に加えて、アプリケーションが使用された場所等の他の情報を含んでもよい。

端末操作管理部２０４は、通信端末の操作量の情報を取得及び管理する。操作量の情報は、例えば、ユーザが通信端末をどの程度長く使用したか（時間）、ユーザインターフェースをどの程度頻繁に操作したか（回数、又は単位時間当たりの回数）、表示部２１０のタッチパネルをどの程度頻繁に操作したか（回数、又は単位時間当たりの回数）、通信端末のボタンをどの程度頻繁に押したか（回数、又は単位時間当たりの回数）等により表現されるが、これらに限定されず、適切な如何なる量で表現されてもよい。操作量の情報は、単位時間当たりの量を示してもよい。単位時間としては、例えば、１日、１週間、１ヶ月等の適切な如何なる長さの期間でもよい。

リソース使用量管理部２０６は、通信端末において使用されているリソース使用量の情報を取得及び管理する。リソース使用量は、例えば、通信端末のCPU使用量（時間）、記憶装置の使用量（ビット、情報量）、通信データ量（ビット、ビット／秒）、GPS受信機の使用時間等により表現されてもよいが、これらに限定されず、適切な如何なる量で表現されてもよい。なお、記憶装置には、通信端末に内蔵された内蔵メモリだけでなく、通信端末に着脱可能に取り付けられた外部メモリも含まれる。

アプリケーション管理部２０８は、通信端末において使用されるアプリケーションの情報を取得及び管理する。アプリケーションの情報は、通信端末にアプリケーションがダウンロード又は保存された日時、及びダウンロード又は保存されたアプリケーション数、通信端末にインストールされたアプリケーション数、アプリケーションを起動した日時及び回数、削除したアプリケーションの情報等により表現されてもよいが、これらに限定されず、適切な如何なる量で表現されてもよい。

表示部２１０は、視覚的なユーザインターフェースの機能を果たす。表示部２１０は、具体的には、液晶ディスプレイ（ＬＣＤ）、プラズマディスプレイ、有機ＥＬパネル等であるが、これらに限定されない。本実施例における表示部２１０は、接触感知式の透明パネルを有するタッチスクリーンを実現し、ユーザの指又はスタイラスの動きで画面の表示を制御することができる。表示部２１０は、文字、図形、記号、静止画像、動画像等を表示することができ、例えば、アプリケーションを表すアイコンが画面上に表示される。

なお、表示部２１０のような視覚的なユーザインターフェースだけでなく、他のユーザインターフェースが、通信端末１０に備わっていてもよい。例えば、キーパッド、制御パネル、キーボード、タッチパッド、マウス、トラックボール、マイクロフォン、スピーカ等が通信端末に備わっていてもよい。

＜３．配信サーバ＞
図３は、配信サーバ３０の機能ブロック図を示す。図３には、配信サーバ３０に備わる様々な機能要素の内、本実施例に特に関連するものが示されている。配信サーバ３０は、アプリケーション管理サーバ４０に記憶されているアプリケーションを検索し、移動通信網２０を介して通信端末１０のユーザにアプリケーションを推薦し、ユーザからの指示に応じてアプリケーションを提供する。図示の配信サーバ３０は、送受信部３０２、利用履歴情報格納部３０４、習熟度算出部３０６、アプリケーション判別部３０８、レコメンド候補決定部（推薦候補決定部）３１０及びフィルタリング部３１２を少なくとも有する。

送受信部３０２は、配信サーバ３０の受信部としての機能及び送信部としての機能を有する。送受信部３０２は、移動通信網２０を介して通信端末１０からの信号を受信する。受信する信号には、例えば、上記の利用履歴情報が含まれる。利用履歴情報は、配信サーバ３０に接続されている複数の通信端末各々から受信される。送受信部３０２は、ユーザに推薦することに決まったアプリケーションについて、そのアプリケーションのダウンロードを勧めるレコメンド信号を作成し、ユーザに送信する。

利用履歴情報格納部３０４は、配信サーバ３０で使用されるパラメータ、計算結果及びその他の情報を格納することに加えて、本実施例では、特に、各ユーザから受信した利用履歴情報を格納する。

習熟度算出部３０６は、様々なユーザからの利用履歴情報に基づいて、ユーザ各自の習熟度を算出する。概して、習熟度は、ユーザが通信端末の操作にどの程度慣れているか（習熟しているか）を示す量であり、１人のユーザに一意に算出される１つの量である。ただし、習熟度は不変ではなく、ユーザによる通信端末の使い方によって変動する性質を有する。本説明における習熟度は、特定の１つのアプリケーションにどの程度慣れているかを直接示すのではなく、１つ以上のアプリケーションを保有する通信端末の操作にどの程度慣れているかを示す。ただし、習熟度が高いユーザは、特定のアプリケーションの操作にも慣れていることが予想される。上述したように、利用履歴情報は、通信端末の操作量の情報、リソース使用量の情報及び使用されるアプリケーションの情報を少なくとも含む（これ以外の情報が含まれていてもよい。）。

第１の例として、あるユーザαによる操作量が多いほど、そのユーザαの習熟度は高く、操作量が少ないほど、そのユーザαの習熟度は低くなるように、習熟度が決定されてもよい。より具体的には、ユーザが通信端末を使用した時間、ユーザインターフェースを操作した回数（又は単位時間当たりの回数）、又は通信端末のボタンを押した回数（又は単位時間当たりの回数）等が多いほど、ユーザの習熟度は高く、それらが少ないほど習熟度は低くなるように、習熟度が決定されてもよい。

第２の例として、あるユーザαの通信端末におけるリソース使用量が多いほど、そのユーザαの習熟度は高く、リソース使用量が少ないほど、そのユーザαの習熟度は低くなるように、習熟度が決定されてもよい。より具体的には、通信端末のCPU使用量（時間）、記憶装置の使用量（ビット、情報量）、通信データ量（ビット、ビット／秒）又はGPS受信機の使用時間等が多いほど、ユーザの習熟度は高く、それらが少ないほど習熟度は低くなるように、習熟度が決定されてもよい。

第３の例として、あるユーザαの通信端末におけるアプリケーションの利用度が多いほど、そのユーザαの習熟度は高く、利用度が少ないほど、そのユーザαの習熟度は低くなるように、習熟度が決定されてもよい。より具体的には、通信端末にダウンロード又は保存されたアプリケーション数、通信端末にインストールされたアプリケーション数、アプリケーションを起動した回数等が多いほど、ユーザの習熟度は高く、それらが少ないほど習熟度は低くなるように、習熟度が決定されてもよい。

習熟度は、上記の第１ないし第３の例に示す様々な量の内の１つ以上に基づいて決定される。例えば、通信端末に保有されているアプリケーション数だけに基づいて、習熟度が決定されてもよい。あるいは、上記に示す様々な量の内の複数個を合成（例えば、線形結合）したものにより、習熟度が決定されてもよい。なお、上記の様々な量を複数個合成する場合、個々の量（成分）を正規化又はスケーリングしておく必要がある。一例として、習熟度に寄与する複数の量（成分）の各々は、平均が０及び分散が１になるように正規化される。

習熟度算出部３０６は、ある習熟度の数値範囲について、習熟度（ｘ）と、その習熟度を有するユーザの数（ｙ）との関係を表す分布関数（ｙ＝ｆ（ｘ））を求める。分布関数はアプリケーション毎に求められる。すなわち、ある特定のアプリケーションを有するユーザが選別され（より適切な方法としては、ある特定のアプリケーションを使用した実績のあるユーザが選別される）、選別されたユーザが、習熟度の観点からどのように分布しているかを調べることで、分布関数が得られる。

図４Ａは、あるアプリケーションＡを有する（又はあるアプリケーションＡの使用実績がある）ユーザに関し、習熟度ｘと、その習熟度を有するユーザの数ｙとの関係を表す分布関数（ｙ＝ｆ（ｘ））を模試的に示す。これは、あるアプリケーションＡを有する様々なユーザが、習熟度の観点からどのように分布しているかを示す。習熟度ｘは、習熟度の定義に応じて、連続値又は離散値をとることができる。図示の例の場合、習熟度が低い値の付近にユーザが多く分布しており、このアプリケーションＡは、低い習熟度のユーザに広く受け入れられていることが分かる。

図３のアプリケーション判別部３０８は、アプリケーション各々について、複数のユーザを、ユーザ各自の習熟度に応じて少なくとも２つのグループに分類する。典型的には、複数のユーザは、初級グループ、中級グループ及び上級グループに分けられるが、グループ数は任意である。グループ分けは、当該技術分野で既知の適切な如何なる方法で行われてもよい。一例として、ウォード法（Ward法）によるクラスタ分析により、グループ分けされてもよい。ウォード法によるクラスタ分析の場合、習熟度の成分（アプリケーション保有数等）により張られるＮ次元空間（特徴空間）におけるユーザ同士の類似度（Ｎ次元空間における距離）に基づいて、グループ分けが行われる。Ｎは１以上である。

一例として、習熟度が、「通信端末に保有しているアプリケーション数」という１つの量又は成分で表現されるとする。この場合、習熟度は一次元で表現可能であり、習熟度の数直線上におけるユーザ同士の間隔又は距離に基づいて、ユーザのグループ分けを行うことができる。

別の例として、習熟度が、「通信端末の操作時間」及び「通信端末に保存しているアプリケーション数」という２つの量又は成分により表現される場合、習熟度に関する２次元の特徴空間における距離に基づいて、ユーザのグループ分けを行うことができる。例えば、ユーザαの操作時間及びアプリケーション数が、それぞれ１時間及び１０個であり、ユーザβの操作時間及びアプリケーション数が、それぞれ７時間及び５個であったとする。

図４Ｂは、ユーザα及びユーザβの情報を、２次元の特徴空間に投影した様子を示す。この場合、ユーザα及びユーザβの間の類似度は、２次元特徴空間におけるユーザ同士の距離で表現される。距離は、一例としてユークリッド距離で表現されてもよいが、他の方法で距離が定義されてもよい。ユークリッド距離の場合、ユーザα及びユーザβの類似度は、［（1−7）²＋（10−5）²］^1／2＝7．8となる。３以上の次元の習熟度の特徴空間についても同様に考えることができる。

アプリケーション判定部３０８は、このようにして算出した類似度又は距離に基づいて、ユーザのグループを決定する。Ｎ次元特徴空間におけるユーザ同士の距離が短いほど、それらのユーザは類似しているので、距離が近いか否かの観点からユーザのグループが決定される。グループ分けできる最大数は、全ユーザ数に等しい。なお、Ｎ次元特徴空間の次元を低減して計算を簡易にする観点からは、相関の高い成分同士を主成分に変換することが好ましい。例えば、「通信端末に保有しているアプリケーション数」の成分と、「通信端末において使用済みの記憶容量」の成分とは互いに相関性が高いと考えられるので、これらの２つの成分の代わりに、これらを総合した１つの主成分を考察することが好ましい。

アプリケーション判別部３０８は、グループ分けの分類結果に基づいて、アプリケーションがどのグループのユーザに使用されることが多いかを判別し、アプリケーションとグループとの対応関係を決める。例えば、あるアプリケーションＡを有するユーザの分布が図４Ａに示されるようになっていたとする。この場合、低い習熟度のユーザが多く分布しており、このアプリケーションＡは、低い習熟度のユーザ、すなわち初級グループに相応しいことが分かる。アプリケーション判別部３０８は、アプリケーションＡが初級グループに対応することを決定する。より詳細な判別法については後述する。アプリケーションＡが初級グループに対応することを示す情報（対応関係の情報）は、典型的には、配信サーバ内の記憶部又は配信サーバ以外の場所にある記憶部に格納されるが、アプリケーションＡのメタデータに含められてもよい。このように、アプリケーション判別部３０８は、何らかのアプリケーションが、複数のグループの内どれに対応するかを決定し、その対応関係を記憶部又はメタデータに保存する。

図３のレコメンド候補決定部（推薦候補決定部）３１０は、各ユーザから受信した利用履歴情報に基づいて、特定のユーザに推薦するアプリケーションの候補が列挙されているマスターリストを作成する。マスターリストは、一例として、特定のユーザαが自身の通信端末にダウンロードしていないアプリケーションを列挙しているリストである。このリストには、特定のユーザαと似ているユーザβが、自身（ユーザβ）の通信端末にダウンロードしているアプリケーションが優先的に含まれる。

例えば、ユーザαが自身の通信端末にアプリケーション１、２、３、４をダウンロードしており、ユーザβが自身の通信端末にアプリケーション１、２、Ｐ、Ｑをダウンロードしており、ユーザγが自身の通信端末にアプリケーションＶ、Ｗをダウンロードしていたとする。先ず、ユーザ同士の類否を判定する。ユーザβは、ユーザαと同じアプリケーション１及び２を所有しているが、ユーザγは、ユーザαと同じアプリケーションを１つも所有していない。したがって、ユーザα及びβは似たような好みの傾向（嗜好）を有し、両者は類似しているが、ユーザα及びγは類似していないことが分かる。こうして、ユーザβが所有するアプリケーションの内、ユーザαが所有していないアプリケーションＰ、Ｑが、ユーザαに推薦する候補として決定される。

フィルタリング部３１２は、マスターリストに列挙されている候補の中から、特定のユーザに実際に推薦するアプリケーションを選別（フィルタリング）する。フィルタリング３１２は、特定のユーザαが属するグループ（例えば、初級グループ）に対応するアプリケーションを、上記の対応関係により判別することで、特定のユーザαに推薦するアプリケーションを決定する。

＜４．動作概要＞
図５は、本発明の実施例による動作概要を説明するための図である。図５には不図示の配信サーバは、様々なユーザから利用履歴情報を取得し、ユーザ各々の習熟度を、利用履歴情報から算出し、ユーザを初級、中級又は上級の３グループに分類する。配信サーバは、特定のアプリケーションＡを有する複数のユーザを選別し、選別されたユーザが習熟度についてどのように分布するかを調べることで、特定のアプリケーションＡと特定のグループとの対応関係を決定する。特定のユーザＰからリコメントリクエスト信号を受信した配信サーバは、特定のユーザＰが属するグループに対応するアプリケーションを、対応関係により判別することで、特定のユーザＰに推薦するアプリケーションを決定し、そのアプリケーションを推薦するレコメンド信号を、特定のユーザＰに送信する。図示の例の場合、ユーザＰは初級グループに属し、初級グループに対応付けられているアプリケーションが、ユーザＰに推薦される。ユーザＰに提示されるリストに該当するアプリケーションは、概して操作が簡単であり、初心者でもすぐに使用できるものが多い。一方、ユーザＱは中級グループに属し、中級グループに対応付けられているアプリケーションが、ユーザＱに推薦される。ユーザＱに提示されるリストに含まれているアプリケーションは、概して、操作がいくらか複雑であり、初心者よりも経験豊富でなければ有効に使用できないものが多い。このように、本実施例によれば、配信サーバが、ユーザの習熟度を考慮して、ユーザにアプリケーションを推薦することができる。

＜５．動作例＞
図６は、実施例における動作例を示すシーケンス図である。この動作例は、通信端末１０及び配信サーバ３０により実行される。

ステップＳ６１において、通信端末１０は、利用履歴情報を収集する。利用履歴情報は、通信端末の操作量の情報、リソース使用量の情報及び使用されるアプリケーションの情報の内の１つ以上又は他の情報を含む。利用履歴情報は、配信サーバ３０の習熟度算出部３０６に通知される。利用履歴情報は、所定の頻度で配信サーバ３０に報告されてもよいし、ユーザや配信サーバ等からの要求に応じて報告されてもよい。

ステップＳ６２において、ユーザの習熟度が算出される。習熟度は、利用履歴情報に含まれている様々な量の内の１つ以上に基づいて決定される。

ステップＳ６３において、配信サーバ３０のフィルタリング部３１２が、アプリケーション毎に習熟度とユーザ数との関係を調べ、特定のアプリケーションを特定のグループに対応付ける。先ず、ある特定のアプリケーションＡを有するユーザが選別される。より正確には、ある特定のアプリケーションＡを使用した実績のあるユーザが選別される。選別されたユーザが、習熟度ｘに関してどのように分布しているかを表す分布関数（ｙ＝ｆ（ｘ））が決定される。これにより、特定のアプリケーションＡが、様々な習熟度のグループの内、どのグループに対応するかを判別できる。

例えば、アプリケーションＡを有するユーザに対する分布関数が、図４Ａに示すような形状であったとする。この場合、低い習熟度の領域（初級グループ）においてユーザ数が多いので、アプリケーションＡは、初級グループに対応付けられる。

アプリケーションＡを有するユーザに対する分布関数が、図７の実線に示すような形状であったとする。この場合、高い習熟度の領域（上級グループ）においてユーザ数が多いので、アプリケーションＡは、上級グループに対応付けられる。

アプリケーションＡを有するユーザに対する分布関数が、図７の破線に示すような形状であったとする。この場合、中程度の習熟度の領域（中級グループ）においてユーザ数が多いので、アプリケーションＡは、中級グループに対応付けられる。

図４Ａ及び図７を参照しながら説明した方法では、アプリケーションＡは、初級、中級、上級のグループの内、最もユーザが多いグループに対応付けられる。しかしながら、ユーザ数が最多のグループが、必ずしも適切であるとは限らない。

例えば、アプリケーションＡを有するユーザに対する分布関数が、図８に示すような形状であったとする。この場合、ユーザ数は、高い習熟度の領域（上級グループ）において最も多い。したがって、図４Ａ及び図７を参照しながら説明した方法によれば、アプリケーションＡは、上級のグループに対応することになる。しかしながら、図８に示す例の場合、中級以上の習熟度を有するユーザは、アプリケーションＡを使用していることを示し、アプリケーションＡを推薦する際は、上級者よりも中級者に推薦した方がよい。通常、習熟度の低い者の方が、推薦を必要とするからである。このような観点からは、アプリケーションＡは、「ユーザ数が最も多いグループ」ではなく、「ユーザ数が所定の閾値を超えた地点におけるグループ」に対応付けることが好ましい。所定の閾値は、例えば、ユーザ数全体の３０％のような値でもよい。

いずれにせよ、フィルタリング部３１２は、アプリケーションＡに対する分布関数の形状に応じて、アプリケーションＡを何らかのグループに対応付けることができるように、所定の規則を使用する。所定の規則は、例えば、図４Ａ、図７、図８を参照しながら説明した判別法であるが、これらに限定されず、分布関数からグループを特定できる適切な如何なる規則が使用されてもよい。

例えば、配信サーバ３０のアプリケーション判別部３０８は、特定のアプリケーションについてグループ毎の使用率を算出し、複数のグループにおける使用率の分散と所定の閾値との比較結果にしたがって、特定のアプリケーションを特定のグループに対応づけてもよい。例えば、初級グループに属するユーザ総数SLの内、あるアプリケーションＡを有するユーザの数SLAの割合が、アプリケーションＡの初級グループにおける使用率rLとして決定される：
rL＝SLA／SL。

同様に、中級グループに属するユーザ総数SMの内、あるアプリケーションＡを有するユーザの数SMAの割合が、アプリケーションＡの中級グループにおける使用率rMとして決定される：
rM＝SMA／SM。

同様に、上級グループに属するユーザ総数SUの内、あるアプリケーションＡを有するユーザの数SUAの割合が、アプリケーションＡの上級グループにおける使用率rUとして決定される：
rU＝SUA／SU。
この場合において、SL＋SM＋SUは総ユーザ数Nに等しい。

こうして算出された、アプリケーションＡについてのグループ毎の使用率が、どのように分散しているかに基づいて（使用率の分散に基づいて）、アプリケーションＡに対応付けられるグループが決定される。例えば、使用率rL、rM及びrUから算出された分散が小さい場合、例えば使用率rL、rM及びrUが同様な値であった場合、そのアプリケーションＡは様々な習熟度のユーザに広く使用されているので、初級グループに対応づけることが好ましい。分散が大きい場合、例えば使用率rUが非常に大きく、rL及びrMが非常に小さかった場合、そのアプリケーションは上級グループで広く使用されているが、初級及び中級グループではそれほど使用されていない。この場合、そのアプリケーションＡは上級グループに対応付けられる。

上記の方法を要約すると、この方法は、ある特定のアプリケーションＡについて、グループ毎の使用率を算出し、グループ毎の使用率の分散sを算出し、分散ｓの大きさに応じてグループを決定する。例えば、rL＝rM＝rU＝0．3であり、閾値ｔが0．04であったとする。この場合、分散ｓは０になり、閾値ｔより小さい。したがって、アプリケーションＡは初級グループに対応付けられる。これに対して、例えば、rL＝rM＝0．1及びrU＝0．7であり（平均は、0．3）、閾値ｔが0．04であったとする。この場合、分散ｓは、［（0．1−0．3）²＋（0．1−0．3）²＋（0．7−0．3）²］／3＝0．08 となり、閾値より大きい。この場合、アプリケーションＡは、使用率が最も高い上級グループに対応付けられる。

図６のステップＳ６１からステップＳ６３までの処理は、ユーザの意向によらず進行し、市場に存在する様々なアプリケーションの各々が、適切なグループに対応付けられ、対応関係の情報がサーバ又はメタデータに保存される。

通信端末１０のユーザが、通信端末１０を操作することで、何らかの画面が通信端末１０の表示部２１０に表示される。この画面を通じて、アプリケーションの推薦が行われる。これを実行するため、ステップＳ６４において、ユーザαが何らかのウェブページを表示部２１０に表示させた場合、通信端末１０は、レコメンドリクエスト信号を配信サーバ３０に送信する。レコメンドリクエスト信号は、本実施例によるアプリケーションを推薦することに対するトリガとなる。

ステップＳ６５において、配信サーバ３０のレコメンド候補決定部３１０は、ユーザαに推薦するアプリケーションの候補（レコメンド候補）を決定する。この候補は、上記のマスターリストに含まれるものであり、マスターリストは、特定のユーザαが自身の通信端末にダウンロードしていないアプリケーションの内、ユーザαに類似するユーザβが所有しているものを列挙している。マスターリストに含まれているレコメンド候補の情報は、レコメンド候補決定部３１０からフィルタリング部３１２に通知される。

ステップＳ６６において、フィルタリング部３１２は、レコメンド候補の中で、ユーザαが属するグループに対応するアプリケーションを判別することで、実際に推薦するアプリケーションを決定する。レコメンド候補の中には、一般に、初級グループに対応するアプリケーション、中級グループに対応するアプリケーション、及び上級グループに対応するアプリケーションが含まれている。３グループに分けられていることを想定しているが、グループ数はいくつでもよい。フィルタリング部３１２は、ユーザαが属するグループ（例えば、初級グループ）に対応するアプリケーションが、レコメンド候補の中から選別され、選別されたアプリケーションが、ユーザαに実際に推薦されるアプリケーションとして決定される。推薦することに決定されたアプリケーションを示すレコメンド信号は、配信サーバ３０から通信端末１０に送信される。

ステップＳ６７において、通信端末１０は、レコメンド信号にしたがって、レコメンド候補でありかつ初級グループに対応しているアプリケーションのリストを表示部２１０に表示する。これにより、通信端末１０のユーザαの習熟度に適したアプリケーションを、ユーザαに適切に推薦することができる。

＜６．変形例＞
上記の方法では、ユーザは習熟度に応じて複数のグループに分けられていた。しかしながら、このようなグループ分けは必須ではない。すなわち、ユーザの習熟度を考慮して、ユーザにアプリケーションを推薦する際に、グループ分けが行われなくてもよい。

図９は、変形例における動作例を示すシーケンス図である。この動作例は、通信端末１０及び配信サーバ３０により実行される。概して図６のシーケンスと同様であるが、少なくともステップＳ９３及びＳ９６における処理が異なる。

ステップＳ６１において、通信端末１０は、利用履歴情報を収集する。

ステップＳ６３において、配信サーバ３０のフィルタリング部３１２が、アプリケーション毎に習熟度とユーザ数との関係を調べる。先ず、ある特定のアプリケーションＡを有するユーザが選別される。より正確には、ある特定のアプリケーションＡを使用した実績のあるユーザが選別される。選別されたユーザが、習熟度ｘに関してどのように分布しているかを表す分布関数（ｙ＝ｆ（ｘ））が決定される。

ステップＳ６１、Ｓ６２、Ｓ９３までの処理は、ユーザの意向によらず進行し、市場に存在する様々なアプリケーションの各々について、分布関数が決定され、分布関数の情報が配信サーバに保存される。

ステップＳ６４において、ユーザが何らかのウェブページを表示部２１０に表示させた場合に、通信端末１０は、レコメンドリクエスト信号を配信サーバ３０に送信する。

ステップＳ６５において、配信サーバ３０のレコメンド候補決定部３１０は、ユーザに推薦するアプリケーションの候補を決定する。この候補は、上記のマスターリストに含まれるものである。マスターリストに含まれているレコメンド候補の情報は、レコメンド候補決定部３１０からフィルタリング部３１２に通知される。

ステップＳ９６において、フィルタリング部３１２は、レコメンド候補の中で、ユーザの習熟度について、ユーザ数が閾値以上であるアプリケーションを判別することで、実際に推薦するアプリケーションを決定する。

図１０は、レコメンド候補に含まれている特定のプリケーションＡ、Ｂについて、習熟度ｘとその習熟度を有するユーザの数ｙとの関係ｙ＝ｆ_Ａ（ｘ）、ｆ_Ｂ（ｘ）を示す。

ユーザＰからレコメンドリクエスト信号を受信した場合、フィルタリング部３１２は、アプリケーションＡに関する分布関数ｙ＝ｆ_Ａ（ｘ）に基づいて、ユーザＰの習熟度におけるユーザ数が所定の閾値を超えているか否かを判別する。図示の例の場合、ユーザ数は閾値を超えている。したがって、アプリケーションＡは、ユーザＰに実際に推薦されるアプリケーションとして判別される。また、フィルタリング部３１２は、特定のアプリケーションＢに関する分布関数ｙ＝ｆ_Ｂ（ｘ）に基づいて、ユーザＰの習熟度におけるユーザ数が所定の閾値を超えているか否かを判別する。図示の例の場合、ユーザ数は閾値を超えていない。したがって、アプリケーションＢは、ユーザＰに実際には推薦されないように判別される。

仮に、ユーザＰとは異なる習熟度を有するユーザＱからレコメンドリクエスト信号を受信した場合、フィルタリング部３１２は、アプリケーションＡに関する分布関数ｙ＝ｆ_Ａ（ｘ）に基づいて、ユーザＱの習熟度におけるユーザ数が所定の閾値を超えているか否かを判別する。図示の例の場合、ユーザ数は閾値を超えていない。したがって、アプリケーションＡは、ユーザＱに実際には推薦されないように判別される。また、フィルタリング部３１２は、特定のアプリケーションＢに関する分布関数ｙ＝ｆ_Ｂ（ｘ）に基づいて、ユーザＱの習熟度におけるユーザ数が所定の閾値を超えているか否かを判別する。図示の例の場合、ユーザ数は閾値を超えている。したがって、アプリケーションＢは、ユーザＱに実際に推薦されるアプリケーションとして判別される。

このように、フィルタリング部３１２は、レコメンド候補の中の各アプリケーションの分布関数を利用して、対象ユーザＰ、Ｑの習熟度におけるユーザ数が、所定の閾値を超えているか否かを判別することで、ユーザＰ、Ｑに実際に推薦するアプリケーションを判別する。推薦することに決定されたアプリケーションを示すレコメンド信号は、配信サーバ３０から通信端末１０に送信される。

ステップＳ６７において、通信端末１０は、レコメンド信号にしたがって、推薦することに決定されたアプリケーションのリストを表示部２１０に表示する。このようにすることで、通信端末１０のユーザの習熟度に適したアプリケーションを、そのユーザに適切に推薦することができる。

以上本発明は特定の実施例を参照しながら説明されてきたが、それらは単なる例示に過ぎず、当業者は様々な変形例、修正例、代替例、置換例等を理解するであろう。例えば、本発明は、アプリケーションをユーザに推薦する適切な如何なる移動通信システムに適用されてもよい。発明の理解を促すため具体的な数値例を用いて説明がなされたが、特に断りのない限り、それらの数値は単なる一例に過ぎず適切な如何なる値が使用されてもよい。発明の理解を促すため具体的な数式を用いて説明がなされたが、特に断りのない限り、それらの数式は単なる一例に過ぎず適切な如何なる数式が使用されてもよい。実施例又は項目の区分けは本発明に本質的ではなく、２以上の項目に記載された事項が必要に応じて組み合わせて使用されてよいし、ある項目に記載された事項が、別の項目に記載された事項に（矛盾しない限り）適用されてよい。説明の便宜上、本発明の実施例に係る装置は機能的なブロック図を用いて説明されたが、そのような装置はハードウェアで、ソフトウェアで又はそれらの組み合わせで実現されてもよい。ソフトウェアは、ランダムアクセスメモリ（RAM）、フラッシュメモリ、読み取り専用メモリ（ROM）、EPROM、EEPROM、レジスタ、ハードディスク（HDD）、リムーバブルディスク、CD−ROM、データベース、サーバその他の適切な如何なる記憶媒体に用意されてもよい。本発明は上記実施例に限定されず、本発明の精神から逸脱することなく、様々な変形例、修正例、代替例、置換例等が本発明に包含される。

以下、本発明の実施例により教示される手段を例示する。

（Ａ１）
アプリケーションの利用履歴を示す利用履歴情報を複数のユーザから受信する受信部と、
特定のアプリケーションを有する複数のユーザ各々の習熟度を、前記利用履歴情報から算出する習熟度算出部と、
前記特定のアプリケーションを有する前記複数のユーザを、ユーザ各々の習熟度に応じて２つ以上のグループに分類し、前記特定のアプリケーションを何れかのグループに対応付ける対応関係を決定するアプリケーション判別部と、
特定のユーザが属するグループに対応するアプリケーションを、前記対応関係により判別することで、前記特定のユーザに推薦するアプリケーションを決定するフィルタリング部と、
前記フィルタリング部が推薦することに決定したアプリケーションを推薦するレコメンド信号を、前記特定のユーザに送信する送信部と
を有する、ユーザにアプリケーションを推薦する配信サーバ。

（Ａ２）
前記アプリケーション判別部は、クラスタ分析法を利用することで、前記複数のユーザを、ユーザ各自の習熟度に応じて２つ以上のグループに分類する、Ａ１に記載の配信サーバ。

（Ａ３）
前記アプリケーション判別部は、前記複数のユーザを、ユーザ各自の習熟度に応じて、初級、中級及び上級の３グループに分類する、Ａ１又はＡ２に記載の配信サーバ。

（Ａ４）
前記アプリケーション判別部は、特定のアプリケーションについてグループ毎の使用率を算出し、複数のグループにおける前記使用率の分散と所定の閾値との比較結果にしたがって、前記特定のアプリケーションを特定のグループに対応づける、Ａ１ないしＡ３の何れか１項に記載の配信サーバ。

（Ａ５）
特定のユーザとアプリケーションの利用傾向が類似する類似ユーザを決定し、前記特定のユーザが所有していないアプリケーションの内、前記類似ユーザが所有しているアプリケーションを判別することで、前記特定のユーザに推薦するアプリケーションの候補を決定する推薦候補決定部をさらに有し、
前記フィルタリング部は、前記特定のユーザに推薦するアプリケーションの候補の中で、前記特定のユーザが属するグループに対応するアプリケーションを、前記対応関係により判別することで、前記特定のユーザに推薦するアプリケーションを決定する、Ａ１ないしＡ４の何れか１項に記載の配信サーバ。

（Ａ６）
前記利用履歴情報は、ユーザが通信端末を使用した時間、ユーザがユーザインターフェースを介して操作した回数、通信端末に保存されているアプリケーション数、通信端末のCPU使用量、通信端末の記憶部の使用量、ユーザが使用したアプリケーション数及びアプリケーションを起動した回数の内の１つ以上を示す情報を含む、Ａ１ないしＡ５の何れか１項に記載の配信サーバ。

（Ａ７）
配信サーバによりユーザにアプリケーションを推薦する方法であって、
アプリケーションの利用履歴を示す利用履歴情報を複数のユーザから受信し、
特定のアプリケーションを有する複数のユーザ各々の習熟度を、前記利用履歴情報から算出し、
前記特定のアプリケーションを有する前記複数のユーザを、ユーザ各々の習熟度に応じて２つ以上のグループに分類し、前記特定のアプリケーションを何れかのグループに対応付ける対応関係を決定し、
特定のユーザが属するグループに対応するアプリケーションを、前記対応関係により判別することで、前記特定のユーザに推薦するアプリケーションを決定し、
推薦することに決定したアプリケーションを推薦するレコメンド信号を、前記特定のユーザに送信するステップ
を有する、ユーザにアプリケーションを推薦する方法。

（Ｂ１）
アプリケーションの利用履歴を示す利用履歴情報を複数のユーザから受信する受信部と、
特定のアプリケーションを有する複数のユーザ各々の習熟度を、前記利用履歴情報から算出し、習熟度と、該習熟度を有するユーザの数との関係を表す分布関数を、アプリケーション各々について決定する習熟度算出部と、
特定のユーザの習熟度に対応するユーザの数が所定値を超えるか否かを、特定のアプリケーションに対する前記分布関数により判別することで、前記特定のアプリケーションを前記特定のユーザに推薦するアプリケーションとするか否かを決定するフィルタリング部と、
前記フィルタリング部が推薦することに決定したアプリケーションを推薦するレコメンド信号を、前記特定のユーザに送信する送信部と
を有する、ユーザにアプリケーションを推薦する配信サーバ。

（Ｂ２）
特定のユーザとアプリケーションの利用傾向が類似する類似ユーザを決定し、前記特定のユーザが所有していないアプリケーションの内、前記類似ユーザが所有しているアプリケーションを判別することで、前記特定のユーザに推薦するアプリケーションの候補を決定する推薦候補決定部をさらに有し、
前記フィルタリング部は、前記特定のユーザに推薦するアプリケーションの候補の中で、特定のアプリケーションを指定し、前記特定のユーザの習熟度に対応するユーザの数が所定値を超えるか否かを、指定した特定のアプリケーションに対する前記分布関数により判別することで、前記特定のアプリケーションを前記特定のユーザに推薦するアプリケーションとするか否かを決定するＢ１に記載の配信サーバ。

（Ｂ３）
前記利用履歴情報は、ユーザが通信端末を使用した時間、ユーザがユーザインターフェースを介して操作した回数、通信端末に保存されているアプリケーション数、通信端末のCPU使用量、通信端末の記憶部の使用量、ユーザが使用したアプリケーション数及びアプリケーションを起動した回数の内の１つ以上を示す情報を含む、Ｂ１又はＢ２に記載の配信サーバ。

（Ｂ４）
配信サーバによりユーザにアプリケーションを推薦する方法であって、
アプリケーションの利用履歴を示す利用履歴情報を複数のユーザから受信し、
特定のアプリケーションを有する複数のユーザ各々の習熟度を、前記利用履歴情報から算出し、習熟度と、該習熟度を有するユーザの数との関係を表す分布関数を、アプリケーション各々について決定し、
特定のユーザの習熟度に対応するユーザの数が所定値を超えるか否かを、特定のアプリケーションに対する前記分布関数により判別することで、前記特定のアプリケーションを前記特定のユーザに推薦するアプリケーションとするか否かを決定し、
推薦することに決定したアプリケーションを推薦するレコメンド信号を、前記特定のユーザに送信するステップ
を有する、ユーザにアプリケーションを推薦する方法。

１通信システム
１０通信端末
２０移動通信網
３０配信サーバ
４０アプリケーション管理サーバ
２０２送受信部
２０４端末操作管理部
２０６リソース使用量管理部
２０８アプリケーション管理部
２１０表示部
３０２送受信部
３０４利用履歴情報格納部
３０６習熟度算出部
３０８アプリケーション判別部
３１０レコメンド候補決定部
３１２フィルタリング部

Claims

アプリケーションの利用履歴を示す利用履歴情報を複数のユーザから受信する受信部と、
特定のアプリケーションを有する複数のユーザ各々の習熟度を、前記利用履歴情報から算出する習熟度算出部と、
前記特定のアプリケーションを有する前記複数のユーザを、ユーザ各々の習熟度に応じて２つ以上のグループに分類し、前記特定のアプリケーションを何れかのグループに対応付ける対応関係を決定するアプリケーション判別部と、
特定のユーザが属するグループに対応するアプリケーションを、前記対応関係により判別することで、前記特定のユーザに推薦するアプリケーションを決定するフィルタリング部と、
前記フィルタリング部が推薦することに決定したアプリケーションを推薦するレコメンド信号を、前記特定のユーザに送信する送信部と
を有する、ユーザにアプリケーションを推薦する配信サーバ。
前記アプリケーション判別部は、クラスタ分析法を利用することで、前記複数のユーザを、ユーザ各自の習熟度に応じて２つ以上のグループに分類する、請求項１に記載の配信サーバ。
前記アプリケーション判別部は、前記複数のユーザを、ユーザ各自の習熟度に応じて、初級、中級及び上級の３グループに分類する、請求項１又は２に記載の配信サーバ。
前記アプリケーション判別部は、特定のアプリケーションについてグループ毎の使用率を算出し、複数のグループにおける前記使用率の分散と所定の閾値との比較結果にしたがって、前記特定のアプリケーションを特定のグループに対応づける、請求項１ないし３の何れか１項に記載の配信サーバ。
特定のユーザとアプリケーションの利用傾向が類似する類似ユーザを決定し、前記特定のユーザが所有していないアプリケーションの内、前記類似ユーザが所有しているアプリケーションを判別することで、前記特定のユーザに推薦するアプリケーションの候補を決定する推薦候補決定部をさらに有し、
前記フィルタリング部は、前記特定のユーザに推薦するアプリケーションの候補の中で、前記特定のユーザが属するグループに対応するアプリケーションを、前記対応関係により判別することで、前記特定のユーザに推薦するアプリケーションを決定する、請求項１ないし４の何れか１項に記載の配信サーバ。
前記利用履歴情報は、ユーザが通信端末を使用した時間、ユーザがユーザインターフェースを介して操作した回数、通信端末に保存されているアプリケーション数、通信端末のCPU使用量、通信端末の記憶部の使用量、ユーザが使用したアプリケーション数及びアプリケーションを起動した回数の内の１つ以上を示す情報を含む、請求項１ないし５の何れか１項に記載の配信サーバ。
配信サーバによりユーザにアプリケーションを推薦する方法であって、
アプリケーションの利用履歴を示す利用履歴情報を複数のユーザから受信し、
特定のアプリケーションを有する複数のユーザ各々の習熟度を、前記利用履歴情報から算出し、
前記特定のアプリケーションを有する前記複数のユーザを、ユーザ各々の習熟度に応じて２つ以上のグループに分類し、前記特定のアプリケーションを何れかのグループに対応付ける対応関係を決定し、
特定のユーザが属するグループに対応するアプリケーションを、前記対応関係により判別することで、前記特定のユーザに推薦するアプリケーションを決定し、
推薦することに決定したアプリケーションを推薦するレコメンド信号を、前記特定のユーザに送信するステップ
を有する、ユーザにアプリケーションを推薦する方法。