JP2014063440A - カップリング装置およびカップリングシステム - Google Patents

Abstract

【課題】複数のユーザ同士がＳＮＳを通じた交流を行うのに適しているか否かを実際に交流を始める前に簡易かつ的確に判断できるようにする。
【解決手段】カップリング装置１は、ユーザが所持する各電子書籍の書誌情報をユーザごとに分析する書誌情報分析と、ユーザが所持する各電子書籍の閲覧状況をユーザごとに分析する閲覧状況分析の少なくとも一つを実行する手段と、複数のユーザの前記書誌情報分析による前記書誌情報または／及び前記閲覧状況分析による前記閲覧状況が一致する割合から、複数のユーザ同士のカップリング率を検出するカップリング率検出部３１とを備える。
【選択図】図１

Description

本発明は、ユーザ同士の相性を検出するカップリング装置およびカップリングシステムに関する。

ＰＣ、タブレットまたはスマートフォン等の電子機器を利用して、他人と情報交換を行うソーシャルネットワークシステム（ＳＮＳ）が普及している。そして、ＳＮＳをより便利に利用するための技術もいくつか提案されている（特許文献１〜４参照）。

特公表２０１０−５００６５１号公報 特公表２００８−５３９５２８号公報 特開２００３−１８６９７４号公報 特開２００３−１０８５０７号公報

特許文献１は、ＳＮＳ環境におけるユーザの類似性を評価する技術を開示しているが、この技術を実効化するには、全ユーザが正確な情報を自ら提供することが前提となる。一部のユーザが不正確な情報を提供すると、正確なグループ化が不可能となり、ユーザの類似性を正しく評価することもできなくなる。

特許文献２は、各ユーザが自ら提供する趣味に関する情報をパラメータ化して、ユーザ間の相性を検出する技術を開示しているが、やはりユーザの自己申告に依存しており、一部のユーザが非協力的であると、正確な相性の検出は不可能になる。

特許文献３は、ＳＮＳのユーザに対して、単なるキーワードだけでなく、キーワードに対する心理的な感情の度合いを入力させることで、相性診断を行う各利用者間の心理的な感情をも含めて相性診断を行う技術を開示しているが、各ユーザの主観が入りやすく、客観的な判断はできないため、相性診断の結果の信頼性が高いとはいえない。

特許文献４は、ユーザ間のチャットの回数に基づいて、あるユーザＡに親しい他のユーザＢiを特定し、また、このユーザＢiと性格的に類似度が高い他のユーザＢijとその類似度ｂijを特定し、類似度が高い順にユーザＢijの順位に娯楽性の観点からランダマイズ処理を行って、最終的に残ったユーザをベストマッチユーザとしてユーザＡに紹介する技術を開示している。ところが、特許文献４の技術では、ユーザＡに等しい他のユーザＢiが存在し、ユーザＢiに等しいユーザＢijが存在することが前提となり、ユーザＡに最も好ましいユーザが紹介されるとは限らない。

また、特許文献４では、チャットで用いられた単語を、他のユーザとの相性を判断するために用いているが、音声認識を行って単語を識別するのは技術的に難易度が高く、またチャットで用いられる単語は会話内容によって変化するため、信頼性の高い相性判断ができるとは限らない。

このように、従来の技術では、ＳＮＳを利用するあるユーザと他のユーザとの相性を的確に判断することはできなかった。

ところで、最近、電子書籍が急速に普及している。電子書籍は、ネットワーク上に設けられる電子書籍ストアで購入するのが一般的である。電子書籍ストアは、ユーザごとに電子書籍の購入履歴等を管理しており、各ユーザが所持する電子書籍端末の画面には、購入済みの電子書籍を並べた仮想本棚を表示できるようになっている。

ユーザごとに書籍に関する好みが異なるため、購入する電子書籍の書誌情報や閲覧回数などによって、ユーザの嗜好や性格を比較的正確に推定することができる。

ところが、上述した特許文献１〜４では、他のユーザとの相性診断やＳＮＳ交流の的確性判断のために電子書籍の情報を利用することはまったく想定していない。

本発明は、上述した従来の技術の問題を解決するためになされたものであり、複数のユーザ同士がＳＮＳを通じた交流を行うのに適しているか否かを実際に交流を始める前に簡易かつ的確に判断できるようにしたカップリング装置およびカップリングシステムを提供するものである。

上記の課題を解決するために、本発明の一態様では、ユーザが所持する各電子書籍の書誌情報をユーザごとに分析する書誌情報分析と、ユーザが所持する各電子書籍の閲覧状況をユーザごとに分析する閲覧状況分析の少なくとも一つを実行する手段と、
複数のユーザの前記書誌情報分析による前記書誌情報または／及び前記閲覧状況分析による前記閲覧状況が一致する割合から、前記複数のユーザ同士のカップリング率を検出するカップリング率検出部と、を備えることを特徴とするカップリング装置が提供される。

また、本発明の一態様では、ユーザが所持する電子書籍を閲覧可能な情報通信装置と、複数のユーザ同士の類似度を検出するカップリング装置と、電子書籍の書誌情報を記憶する書籍情報記憶装置と、を備えたカップリングシステムにおいて、
前記書籍情報記憶装置に格納された書誌情報よりも詳細な書誌情報を記憶する独自書誌情報記憶装置を備え、
前記カップリング装置は、
ユーザが所持する各電子書籍の書誌情報をユーザごとに分析する書誌情報分析と、ユーザが所持する各電子書籍の閲覧状況をユーザごとに分析する閲覧状況分析との少なくとも一つを行い、
複数のユーザの書誌情報分析による前記書誌情報または／及び閲覧状況分析が一致する割合から前記複数のユーザ同士のカップリング率を検出するカップリング検出部と
を有することを特徴とするカップリングシステムが提供される。

本発明によれば、複数のユーザ同士がＳＮＳを通じた交流を行うのに適しているか否かを、実際に交流を始める前に簡易かつ的確に判断することができる。

本発明の一実施形態に係るカップリング装置１を備えたカップリングシステム２の概略構成を示すブロック図。 電子書籍の書誌情報を記憶する書誌情報ＤＢ５のデータ構成の一例を示す図。 電子書籍の独自書誌情報を記憶する独自書誌情報ＤＢ６のデータ構成の一例を示す図。 ユーザが電子書籍端末３を利用する手順の一例を示すフローチャート。 カップリング装置１の内部構成の一例を示すブロック図。 図５の書籍情報分析部２１の処理手順の一例を示すフローチャート。 書籍情報分析部２１の処理結果を記憶する個性判定ＤＢ４のデータ構成の一例を示す図。 カップリング装置１内の書籍閲覧分析部２３の処理手順の一例を示すフローチャート。 書籍閲覧分析部２３の処理結果を記憶する個性判定ＤＢ４のデータ構成の一例を示す図。 カップリング装置１内の個性タイプ分析部２５の処理手順の一例を示すフローチャート。 個性タイプ情報の選択を説明する図。 個性タイプ分析部２５の処理結果を記憶する個性判定ＤＢ４のデータ構成の一例を示す図。 本棚生成部３３が生成する仮想本棚の一例を示す図。 カップリング装置１内の本棚構成分析部２７の処理手順の一例を示すフローチャート。 本棚構成分析部２７の処理結果を記憶する個性判定ＤＢ４のデータ構成の一例を示す図。 カップリング装置１内の本棚評価分析部２９の処理手順の一例を示すフローチャート。 カップリング装置１内の総合分析部３０の処理手順の一例を示すフローチャート。 図１７の総合分析部３０の処理結果を記憶する個性判定ＤＢ４のデータ構成の一例を示す図。 カップリング装置１内のカップリング率検出部３１の処理手順の一例を示すフローチャート。 カップリング装置１が行う紹介状生成判定処理の処理手順の一例を示すフローチャート。 図２０の紹介状生成判定処理結果の一例を示す図。 紹介状生成部３２の処理手順の一例を示すフローチャート。 図２２の紹介状生成部３２の処理により生成された紹介状４０の一例を示す図。 紹介状４０に掲載する顔イラスト画像を自動生成する処理手順の一例を示すフローチャート。 広告配信を行う情報提供装置１０の処理手順の一例を示すフローチャート。

以下、本発明の実施の形態について、詳細に説明する。

図１は本発明の一実施形態に係るカップリング装置１を備えたカップリングシステム２の概略構成を示すブロック図である。図１のカップリングシステム２は、カップリング装置１と、ユーザが所持する電子書籍端末３と、各ユーザの個性を判定するのに用いられる各種情報を記憶する個性判定データベース装置（以下、個性判定ＤＢ）４と、電子書籍の標準的な書誌情報を記憶する書誌情報データベース装置（以下、書誌情報ＤＢ）５と、電子書籍の独自の書誌情報を記憶する独自書誌情報データベース装置（以下、独自書誌情報ＤＢ）６と、電子書籍ストアを運営および管理する電子書籍管理サーバ７と、電子書籍ストアにアクセスするユーザの会員情報等を記憶する会員情報管理データベース装置（以下、会員情報管理ＤＢ）８と、ユーザが購入した電子書籍に関する情報を記憶する電子書籍情報データベース装置（以下、電子書籍情報ＤＢ）９と、カップリング装置１の処理結果に基づいて広告情報等の各種の情報提供を行う情報提供装置１０と、情報提供装置１０が提供する各種情報を記憶する情報提供データベース装置（以下、情報提供ＤＢ）１１とを備えている。

電子書籍端末３は、電子書籍を閲覧可能な電子機器（例えば、ＰＣ、タブレット、スマートフォンまたは携帯電話など）であればよく、必ずしも携帯可能である必要はない。

電子書籍端末３とカップリング装置１は、インターネット１２を介して各種の情報の送受を行う。カップリング装置１は、例えば、ＳＮＳサイトまたは企業サイトを運営するサーバの内部に設けてもよい。また、カップリング装置１、電子書籍管理サーバ７および情報提供装置１０のうちの少なくとも２つを統合したサーバを設けてもよい。

図１では、書誌情報ＤＢ５と独自書誌情報ＤＢ６を別個に設けているが、これらを一つのデータベース装置に統合してもよい。また、書誌情報ＤＢ５と独自書誌情報ＤＢ６の少なくとも一方をカップリング装置１に統合してもよい。このように、図１に示した各構成部の機能は、任意に統合または分離してもよい。

個性判定ＤＢ４、書誌情報ＤＢ５、会員情報管理ＤＢ８、電子書籍情報ＤＢ９および情報提供ＤＢ１１は、カップリング装置１や情報提供装置１０に直接的に接続されている必要はなく、インターネット等のネットワークを介してクラウド環境に配置されていてもよい。

また、図１の情報提供装置１０と情報提供ＤＢ１１は必ずしも必須ではなく、省略してもよい。

図１のカップリング装置１は、ＳＮＳのあるユーザＡが他のユーザとＳＮＳを通じて交流を図るのに適しているか否かを、交流を開始する前にユーザＡに提示するものである。また、図１のカップリング装置１は、交流を行うのに適するか否かを判断する指標として、各ユーザが所持および閲覧する電子書籍の情報を利用し、他のユーザが交流に適しているか否かの判断尺度として、マッチング情報とカップリング率を生成する。

図２は電子書籍の書誌情報を記憶する書誌情報ＤＢ５のデータ構成の一例を示す図である。図示のように、書誌情報ＤＢ５に記憶される書誌情報は、書籍名と、対応する日本図書コードとを含んでいる。日本図書コードとは、一般的なＩＳＢＮコードを含むコード情報である。図２に示す書誌情報は一例であり、任意に追加変更しても構わない。

図３は電子書籍の独自書誌情報を記憶する独自書誌情報ＤＢ６のデータ構成の一例を示す図である。独自書誌情報ＤＢ６内の独自書誌情報は、電子書籍ストアや仮想本棚を管理運営する企業等が独自に規格化した書誌情報であり、例えば図３に示すように、電子書籍の書籍名、出版社名、著者名、ジャンル、カテゴリー、読後印象などからなる。これらのうち、ジャンル、カテゴリーおよび読後印象は、個性タイプ情報と呼ばれるものであり、後述するようにユーザが電子書籍の閲覧後に設定するものである。これら以外の書籍名、出版社名および著者名は、電子書籍を提供する出版社側が予め該当する情報を独自書誌情報ＤＢ６に登録する。なお、図３の独自書誌情報は一例であり、任意に追加変更して構わない。

図４はユーザが電子書籍端末３を利用する手順の一例を示すフローチャートである。ユーザが電子書籍ストアにアクセスすると、電子書籍管理サーバ７はユーザがすでに会員登録されているか否かを判定する（ステップＳ１）。まだ、未登録であれば、電子書籍管理サーバ７はユーザの電子書籍端末３に会員登録入力フォームを表示させる（ステップＳ２）。これに応答して、ユーザが電子書籍端末３上でプロフィール情報（氏名、ニックネーム、性別、生年月日、血液型、出身、経歴、自己紹介、ユーザが利用するＳＮＳサイト名など）を入力すると、電子書籍管理サーバ７は審査を行って問題がなければ、ユーザのプロフィール情報を会員情報管理ＤＢ８に登録する（ステップＳ３）。

ステップＳ１で登録済みと判定された場合、あるいはステップＳ３の会員登録処理が終了した場合、電子書籍管理サーバ７は電子書籍ストアの処理モジュールを起動して（ステップＳ４）、サービス利用画面をユーザの電子書籍端末３に表示させる（ステップＳ５）。このサービス利用画面には、書籍購入、仮想本棚表示、書籍ビューアの３つの選択メニューが表示される。

ユーザが電子書籍ストアの初期画面から書籍購入を選択すると（ステップＳ６）、電子書籍管理サーバ７は書籍購入処理を起動する（ステップＳ７）。この書籍購入処理は、販売可能な電子書籍をユーザの電子書籍端末３に一覧表示させたり、ユーザが選択した電子書籍の決済処理などを行う。

ユーザが電子書籍ストアの初期画面から仮想本棚表示を選択すると（ステップＳ８）、電子書籍管理サーバ７は仮想本棚表示処理を起動する（ステップＳ９）。この仮想本棚表示処理は、ユーザが過去に購入した電子書籍の履歴情報を電子書籍情報ＤＢから取得して、ユーザの電子書籍端末３に仮想本棚を表示させるための表示データを生成して、電子書籍端末３に送信する。ユーザは電子書籍端末３を利用して、過去に購入した電子書籍を仮想本棚で任意に並び替えることができる。

ユーザが電子書籍ストアの初期画面から書籍ビューアを選択すると（ステップＳ１０）、電子書籍管理サーバ７は書籍ビューア処理を起動する（ステップＳ１１）。この書籍ビューア処理は、ユーザが閲覧を希望する電子書籍の本体データと書誌データを電子書籍端末３に送信する。電子書籍端末３は、これらのデータを受信するとともに、書籍ビューアを起動する。

ここでは、書籍ストアモジュール（ステップＳ４）は利用者との対話処理のために、書籍購入（ステップＳ６）、仮想本棚（ステップＳ８）、書籍ビューア（ステップＳ１０）のサービスを選択できるメニューを表示する例を示したが、外部からの命令に従って、どれか１つのサービスを表示するように構成してもよい。例えば、外部からの書籍購入のためのおススメ情報表示命令が書籍ストア（ステップＳ４）に入力された場合、書籍ストア（ステップＳ６）は書籍購入（ステップＳ６）のみに処理を引き渡し、特定の書籍購入ページを表示させてもよい。または、外部からの仮想本棚表示のための命令が書籍ストア（ステップＳ４）に入力された場合は、書籍ストア（ステップＳ４）は仮想本棚にのみ処理を引き渡して仮想本棚を表示させてもよい。さらに、外部からの書籍ビューア起動のための命令が書籍ストア（ステップＳ４）に入力された場合は、書籍ストア（ステップＳ４）は書籍ビューア（ステップＳ１０）のみに処理を引き渡して書籍ビューアを表示させてもよい。この時、起動パラメータとして特定の書籍情報（ID)が指定された場合は、特定の電子書籍を表示させた形で書籍ビューア（ステップＳ１０）を起動してもよい。

上述したステップＳ６〜Ｓ１０の各処理結果は、必要に応じて電子書籍管理サーバ７が管理する電子書籍情報ＤＢ９に格納される（ステップＳ１２）。より具体的には、電子書籍情報ＤＢ９は、各ユーザが購入した電子書籍の購入履歴情報、各ユーザが作成した仮想本棚内の電子書籍の並び情報、および各ユーザによる電子書籍の閲覧情報などを格納する。

図５はカップリング装置１の内部構成の一例を示すブロック図である。図５のカップリング装置１は、書籍情報分析部２１と、書籍情報マッチング部２２と、書籍閲覧分析部２３と、書籍閲覧マッチング部２４と、個性タイプ分析部２５と、個性タイプマッチング部２６と、本棚構成分析部２７と、本棚構成マッチング部２８と、本棚評価分析部２９と、総合分析部３０と、カップリング率検出部３１と、紹介状生成部３２と、本棚生成部３３とを有する。

書籍情報分析部２１は、各ユーザが所持する各電子書籍の書誌情報をユーザごとに分析する。書籍情報マッチング部２２は、複数のユーザのそれぞれについての書籍情報分析部２１の分析結果を比較し合って、書誌情報が一致する割合を検出する。なお、書籍情報分析部２１と書籍情報マッチング部２２が使用する書誌情報は、書誌情報ＤＢ５に記憶されている書誌情報と独自書誌情報ＤＢ６に記憶されている独自書誌情報の双方である。

書籍閲覧分析部２３は、各ユーザが所持する各電子書籍の閲覧状況をユーザごとに分析する。書籍閲覧マッチング部２４は、複数のユーザのそれぞれについての書籍閲覧分析部２３の分析結果を比較し合って、各ユーザの閲覧状況が一致する割合を検出する。より具体的には、書籍閲覧マッチング部２４は、各ユーザの閲覧頻度が高い電子書籍の書誌情報同士を比較して、書誌情報が一致する割合を検出する。

個性タイプ分析部２５は、各ユーザが各電子書籍の閲覧後に設定した個性タイプ情報を分析する。個性タイプマッチング部２６は、複数のユーザのそれぞれについての個性タイプ分析部２５の分析結果を比較し合って、個性タイプ情報が一致する割合を検出する。

本棚構成分析部２７は、仮想本棚内の各電子書籍の並びの傾向をユーザごとに分析する。本棚構成マッチング部２８は、複数のユーザのそれぞれについての本棚構成分析部２７の分析結果を比較し合って、仮想本棚内の各電子書籍の並びの傾向が一致する割合を検出する。

本棚評価分析部２９は、仮想本棚内の電子書籍の総数の中で、ユーザが公開設定した電子書籍の割合を検出し、該割合に基づいて該ユーザの信頼度を評価する。

総合分析部３０は、書籍情報分析部２１、書籍閲覧分析部２３、個性タイプ分析部２５、本棚構成分析部２７および本棚評価分析部２９の各分析結果を総合的に分析する。

カップリング率検出部３１は、書籍情報マッチング部２２で検出された書誌情報が一致する割合、書籍閲覧マッチング部２４で検出された閲覧状況が一致する割合、個性タイプマッチングで検出された個性タイプ情報が一致する割合、および本棚構成マッチング部２８で検出された仮想本棚内の各電子書籍の並びの傾向が一致する割合に基づいて、複数のユーザ同士のカップリング率を検出する。

紹介状生成部３２は、ＳＮＳのあるユーザをネットワーク経由で他のユーザに紹介するのに用いる紹介状を生成するとともに、この紹介状に総合分析部３０の分析結果を含める。

図５に示す書籍情報分析部２１と書籍閲覧分析部２３を一つに統合した書籍情報閲覧分析部と、同じく書誌情報マッチング部と書籍閲覧マッチング部２４も一つに統合した書籍閲覧マッチング部とを設けてもよい。書籍情報閲覧分析部は、ユーザが所持する各電子書籍の書誌情報をユーザごとに分析する書誌情報分析と、ユーザが所持する各電子書籍の閲覧状況をユーザごとに分析する閲覧状況分析との少なくとも一つを行う。書籍閲覧マッチング部は、複数のユーザのそれぞれについての書籍情報閲覧分析部の分析結果を比較し合って、書誌情報が一致する割合を検出する。この場合、カップリング率検出部３１と総合分析部３０は、書籍閲覧マッチング部で検出された割合に基づいてカップリング率を検出することになる。

カップリング率の検出と総合分析には、書誌情報分析、閲覧状況分析、本棚構成分析、個性タイプ分析の少なくとも１つを行えばよく、本実施形態は各分析の組み合わせて総合分析を行う例を示している。

図６は図５の書籍情報分析部２１の処理手順の一例を示すフローチャートである。まず、ユーザが所持するすべての電子書籍の書誌情報（独自書誌情報を含む）を書誌情報ＤＢ５と独自書誌情報ＤＢ６から取得する（ステップＳ２１）。

次に、ユーザが所持する各電子書籍を、ステップＳ２１で取得した書誌情報のそれぞれを細分化した複数のクラス情報に分類する（ステップＳ２２）。ここで、クラス情報とは、書誌情報のそれぞれを細分化した個々の情報であり、例えば書誌情報が図３の出版社であれば、具体的な出版社名のそれぞれが各クラス情報となる。したがって、ステップＳ２２では、書誌情報が例えば出版社であれば、ユーザが所持する各電子書籍を具体的な出版社ごとに分類し、書誌情報が例えば著者であれば、各電子書籍を具体的な著者名ごとに分類する。このように、ステップＳ２２では、ユーザが所持する全電子書籍を、書誌情報のそれぞれごとに複数のクラス情報に分類する。

次に、各クラス情報ごとに分類された電子書籍の数Ｘk（ｋは各クラス情報を識別する変数であり、ｋは０以上でクラス情報の総数ｎ以下の整数）を計測し、この数Ｘkをユーザが所持する電子書籍の総数Ｎで割った割合Ｐk＝（Ｘk／Ｎ）×１００を算出する（ステップＳ２３）。
すなわち、ステップＳ２３では、電子書籍の各書誌情報について、クラス情報ごとに割合Ｐkを算出する。書誌情報が出版社の場合は、クラスｋ＝０が○○出版、ｋ＝１が□□出版のように各出版社ごとに識別変数を決めておき、Ｘ0は○○出版社、Ｘ1は□□出版社のそれぞれの所持する冊数を示す。Ｐ0は○○出版社、Ｐ1は□□出版社の電子書籍を所持する割合を示す。

次に、各書誌情報ごとに、各書誌情報を細分化した複数のクラス情報を割合の高い順にランク付けする（ステップＳ２４）。例えば、書誌情報が出版社の場合、ユーザが所持する書籍数の多い出版社から順にランクづけられる。

次に、ステップＳ２４でランク付けした各クラス情報の割合とランク情報とを個性判定ＤＢ４に記憶する（ステップＳ２５）。

このように、書籍情報分析部２１は、各ユーザが所持するすべての電子書籍を、書誌情報ごとに、書誌情報を細分化した複数のクラス情報に分類して、各クラス情報に属する電子書籍の数を総数で割った割合を算出する。これにより、各ユーザが所持している電子書籍の種類を、各書誌情報のクラス情報別の割合で把握できる。

図７は書籍情報分析部２１の処理結果を記憶する個性判定ＤＢ４のデータ構成の一例を示す図である。図示のように、複数の書誌情報（出版社、著者、販売対象、発行形態、大分類、中分類）のそれぞれごとに、複数のクラス情報に細分化されて、各クラス情報には、ユーザが所持する電子書籍の総数に対する割合が百分率で記憶される。例えば図７の例では、書誌情報が発行形態であれば、ユーザが所持する電子書籍の総数に対して６０%がコミックであり、２０％が単行本であることを示している。

図８はカップリング装置１内の書籍閲覧分析部２３の処理手順の一例を示すフローチャートである。まず、ユーザが閲覧する電子書籍の書籍情報（例えば、書籍コードなど）を取得する（ステップＳ３１）。次に、ユーザが電子書籍を閲覧した回数を電子書籍ごとに計測する（ステップＳ３２）。次に、閲覧回数が高い順に、電子書籍をランク付けする（ステップＳ３３）。

次に、最上位のランクから所定数分のランク内に入る複数の電子書籍のそれぞれについて、図５の書籍情報分析部２１と同様に、各電子書籍を、各電子書籍の書誌情報のそれぞれを細分化した複数のクラス情報に分類して、各クラス情報に分類された電子書籍の数Ｘk（ｋは各クラス情報を識別する変数であり、ｋは０以上でクラス情報の総数ｎ以下の整数）を計測して、最上位ランクから所定数分のランク内に入る電子書籍の総数Ｓに対する割合Ｑk＝（Ｘk／Ｓ）×１００を算出する（ステップＳ３４）。

次に、閲覧回数の多い順にランク付けして上位ランクに位置する電子書籍の書籍名と、各書誌情報を細分化した複数のクラス情報を閲覧回数の多い順にランク付けして上位ランクに位置するクラス情報に対応する割合とを個性判定ＤＢ４に記憶する（ステップＳ３５）。

このように、書籍閲覧分析部２３は、各ユーザが閲覧した電子書籍の閲覧回数が多い順に電子書籍をランク付けするとともに、上位ランクに位置する複数の電子書籍を、書誌情報ごとに、書誌情報を細分化した複数のクラス情報に分類して、各クラス情報に属する電子書籍の数を所定数分のランク内に入る電子書籍の総数Ｓで割った割合を算出する。これにより、各ユーザの閲覧回数が多い電子書籍をランク情報とともに把握できるとともに、閲覧回数が多い電子書籍の種類を、各書誌情報のクラス情報別の割合で把握できる。

図９は書籍閲覧分析部２３の処理結果を記憶する個性判定ＤＢ４のデータ構成の一例を示す図である。図示のように、閲覧回数の多い順に書籍名が記憶されるとともに、複数の書誌情報（出版社、著者、販売対象、発行形態、大分類、中分類）のそれぞれごとに、複数のクラス情報に細分化されて、各クラス情報には、ユーザが所持する電子書籍の総数に対する割合が百分率で記憶される。例えば、図９の例では、書誌情報が大分類であれば、閲覧回数が多い電子書籍の中では、「芸術・生活」に関する電子書籍が総数の７０%を占めて、「工学・工業」に関する電子書籍が総数の２０%を占めている。

図１０はカップリング装置１内の個性タイプ分析部２５の処理手順の一例を示すフローチャートである。まず、ユーザが閲覧する電子書籍の書籍情報（例えば、書籍コードなど）を取得する（ステップＳ４１）。書籍情報を取得した電子書籍をユーザが閲覧した後に、この電子書籍についての個性タイプ情報をユーザ自身に入力させる（ステップＳ４２）。個性タイプ情報とは、一部の独自書誌情報を細分化したクラス情報であり、例えば図１１に示すように、ジャンル、カテゴリー、読後印象等の独自書誌情報のそれぞれごとに、ユーザが任意に選択可能なクラス情報を提供して、ユーザに選択させる。ユーザが選択したクラス情報が個性タイプ情報に該当する。

例えば、図１１の例では、ジャンルについては、「科学・テクノロジー」、「プログラム」、「情報」の３つの選択可能なクラス情報をユーザに提供して、そのうちの一つを選択させる。また、カテゴリーについては、「ロボット」、「Ｃ言語」、「入門」の３つの選択可能なクラス情報を提供し、個性タイプについては、「愉しい」、「学ぶ」、「難しい」の３つの選択可能なクラス情報を提供する。

次に、ユーザが選択した個性タイプ情報に該当する電子書籍の数Ｘk（ｋは各個性タイプ情報を識別する変数であり、ｋは０以上で個性タイプ情報の総数ｎ以下の整数）を計測し、この数Ｘkをユーザが所持する電子書籍の総数Ｎで割った割合Ｒk＝（Ｘk／Ｎ）×１００を算出する（ステップＳ４３）。

次に、各割合Ｒkが多い順に個性タイプ情報をランク付けして（ステップＳ４４）、独自書誌情報のそれぞれごとに、ランク順に個性タイプ情報を並べて、各個性タイプ情報の割合とともに個性判定ＤＢ４に記憶する（ステップＳ４５）。

このように、個性タイプ分析部２５は、ユーザが閲覧後に設定した個性タイプ情報別に割合を算出するため、各ユーザが好む個性タイプ情報を持った電子書籍を把握できる。

図１２は個性タイプ分析部２５の処理結果を記憶する個性判定ＤＢ４のデータ構成の一例を示す図である。図１２の例では、独自書誌情報がジャンルであれば、ユーザの所持する電子書籍のうち３０%がＳＦ物であり、１０%がアクション物であることを示している。

図１３は本棚生成部３３が生成する仮想本棚の一例を示す図である。本棚生成部３３は、ユーザが所持する電子書籍を閲覧可能な電子書籍端末３の表示画面に、ユーザが所持する複数の電子書籍を並べた仮想本棚を表示させるための表示データを生成して、電子書籍端末３に送信する。また、本棚生成部３３は、電子書籍の書誌情報（独自書誌情報を含む）ごとや購入日順に自動的に仮想本棚内の電子書籍の並びを決定してもよい。

ユーザは、電子書籍端末３を操作することで、仮想本棚内の電子書籍の並びを任意に変更することができる。ユーザが仮想本棚内の電子書籍の並びを変更指示した場合、その指示を受けた本棚生成部３３が電子書籍の並びの変更処理を行ってもよいし、あるいは電子書籍端末３内で並びの変更処理を行ってもよい。

図１３の例では、仮想本棚の左側半分はジャンル別に電子書籍を並べて、右側半分は閲覧ランク別に電子書籍を並べた例を示している。仮想本棚内の電子書籍Ｇ１は、閲覧頻度が最多の書籍であり、閲覧頻度が多い書籍はユーザの目に届きやすい位置に配置するのが望ましい。

また、図１３では、仮想本棚内の電子書籍を他のユーザに公開するか、非公開にするかを電子書籍ごとに設定可能としている。例えば、ハッチの付けられた電子書籍は非公開設定したことを示し、白抜きの電子書籍は公開設定したことを示している。これにより、他のユーザには、仮想本棚内の公開設定した電子書籍のみが視認されることになる。電子書籍の公開設定は、電子書籍ごとに行う代わりに、電子書籍の書誌情報（例えばジャンル）ごとに行ってもよい。

図１４はカップリング装置１内の本棚構成分析部２７の処理手順の一例を示すフローチャートである。まず、書誌情報ＤＢ５と独自書誌情報ＤＢ６から、仮想本棚内に置かれている各電子書籍の書誌情報（独自書誌情報を含む）を取得する（ステップＳ５１）。

次に、仮想本棚内に置かれている各電子書籍を、書誌情報のそれぞれを細分化したクラス情報に分類する（ステップＳ５２）。

次に、仮想本棚内に置かれている電子書籍のうち、閲覧ランクが上位の電子書籍を検索し、検索された電子書籍の周囲に置かれた各電子書籍を、書誌情報のそれぞれを細分化したクラス情報に分類して、各クラス情報に分類された電子書籍の数Ｘk（ｋは各クラス情報を識別する変数であり、ｋは０以上でクラス情報の総数ｎ以下の整数）を計測し、検索された電子書籍の周囲に置かれた電子書籍の総数Ｍに対する割合Ｓk＝（Ｘk／Ｍ）×１００を算出する（ステップＳ５３）。

次に、閲覧ランクが上位の電子書籍の周囲に置かれた各電子書籍の書誌情報のそれぞれを細分化したクラス情報を割合の高い順にランク付けして本棚を評価する（ステップＳ５４）。そして、ステップＳ５４の結果であるクラス情報ごとの割合とランク情報を個性判定ＤＢ４に記憶する（ステップＳ５５）。

このように、本棚構成分析部２７は、各ユーザの仮想本棚内で閲覧頻度の高い電子書籍の周囲に置かれている電子書籍M冊を、書誌情報ごとに、書誌情報を細分化した複数のクラス情報に分類して、各クラス情報に属する電子書籍の数をMで割った割合を算出し、割合の多い順にクラス情報をランク付けする。これにより、各ユーザの閲覧傾向を把握できるとともに、各ユーザが仮想本棚にどのような種類の電子書籍をどのような順序で並べる傾向があるかを把握できる。

図１５は本棚構成分析部２７の処理結果を記憶する個性判定ＤＢ４のデータ構成の一例を示す図である。図１５の例では、仮想本棚内の閲覧ランクが最も高い電子書籍の周囲には、ジャンル別ではＳＦ物が３０％で、アクション物が１０％置かれており、カテゴリー別ではロボット物が２０％で、青春物が５％置かれており、個性タイプ別では愉しい物が３０％で、学ぶ物が２０％置かれていることを示している。

図１６はカップリング装置１内の本棚評価分析部２９の処理手順の一例を示すフローチャートである。まず、書誌情報ＤＢ５と独自書誌情報ＤＢ６から、仮想本棚内に置かれている各電子書籍の書誌情報（独自書誌情報を含む）を取得する（ステップＳ６１）。

次に、ユーザが所持する電子書籍の総数Ｎに対する、仮想本棚内で公開設定した電子書籍の数Ｘの割合Ｔ＝（Ｘ／Ｎ）×１００を算出する（ステップＳ６２）。

次に、公開設定の割合Ｔが５０を超えていれば「＋」評価とし、５０以下であれば「−」評価とする（ステップＳ６３）。

ユーザが所持する電子書籍の総数が一桁増えるたびに評価を５段階（例えば、Ｓ、Ａ、Ｂ、Ｃ、Ｄ）で表す（ステップＳ６４）。次に、ステップＳ６３とＳ４４の評価結果を組み合わせて、公開設定の評価情報とユーザが所持する電子書籍の総数の評価情報とを個性判定ＤＢ４に記憶する（ステップＳ６５）。例えば、総数Ｎ＝１０００で、割合Ｔ＝８００の場合は、「＋Ｂ」という評価情報を個性判定ＤＢ４に記憶する。

このように、本棚評価分析部２９は、仮想本棚内の公開設定されている電子書籍の割合により、各ユーザの信頼度を把握できる。

上述した図５、図７、図１０、図１４および図１６では、書籍情報分析部２１、書籍閲覧分析部２３、個性タイプ分析部２５、本棚構成分析部２７、および本棚評価分析部２９の各分析結果を個性判定ＤＢ４に記憶する例を説明したが、同一のデータベース装置に記憶する代わりに、いくつかのデータベース装置に分散して記憶してもよい。

図１７はカップリング装置１内の総合分析部３０の処理手順の一例を示すフローチャートである。まず、上述した書籍情報分析部２１、書籍閲覧分析部２３、個性タイプ分析部２５、本棚構成分析部２７および本棚評価分析部２９の各分析結果を取得する（ステップＳ７１）。

次に、各分析結果を統計的に分析する（ステップＳ７２）。そして、割合の高いクラス情報やランクの高い電子書籍ほど、ユーザの関心が高いと判断し（ステップＳ７３）、各書誌情報（独自書誌情報を含む）ごとに割合を数値化して個性判定ＤＢ４に記憶する（ステップＳ７４）。

図１８は図１７の総合分析部３０の処理結果を記憶する個性判定ＤＢ４のデータ構成の一例を示す図である。図１８では、書籍情報分析部２１、書籍閲覧分析部２３、個性タイプ分析部２５、および本棚構成分析部２７の各分析結果をクラス情報別の割合で表しており、本棚評価分析部２９の分析結果を「＋Ｂ」のように表している。また、図１８では、一部の独自書誌情報については、総合的な評価を記憶している。例えば、ジャンルという独自書誌情報については、書籍情報分析ではスポーツ物が３０％となり、書籍閲覧分析では情報が３０％となり、個性タイプ分析ではＳＦが３０％となり、本棚構成分析ではＳＦが３０％となったため、総合的に判断して、「ＳＦに興味があり」という評価結果が得られた。同様に、カテゴリー別ではクラス情報がロボットの割合が最も高いという結果が複数の分析処理で得られたため、「ロボット関連をよく読み」という評価結果が得られた。同様に、読後印象では個性タイプ情報が「愉しい」割合が最も高いという結果が複数の分析処理で得られたため、「愉しいタイプ」という評価結果が得られた。

図１９はカップリング装置１内のカップリング率検出部３１の処理手順の一例を示すフローチャートである。まず、カップリング率を検出する対象となる各ユーザの情報を取得する（ステップＳ８１）。ここでは、あるユーザ（以下、自ユーザ）が他のユーザとのカップリング率を検出する例を説明する。

自ユーザについての書籍情報分析結果のうち上位ランク側のクラス情報のランク付けと、他のユーザについての書籍情報分析結果のうち書誌情報毎に上位ランク側（最上位ランクからＮ１ランク分）のクラス情報のランク付けと、他のユーザについての書籍情報分析結果のうち上位ランク側（最上位ランクから上位Ｎ１分）のクラス情報のランク付けとを比較し、一致するクラス情報の数がｎ１であれば一致する割合Ａ＝（ｎ１／Ｎ１）×１００を算出する。（ステップＳ８２）。

具体例として、比較する書籍情報の項目を出版社として示す。ユーザ１の所持する電子書籍の上位３つが○○社、□□社、△△社、ユーザ２の所持する電子書籍の上位３つが○○社、△△社、☆☆社であれば、同じ出版社は、○○社と△△社なので、一致する割合は２／３になる。

Ａは書誌情報の全ての項目について算出して足し合わせてもよいし、また任意の項目について算出してもよい。

次に、自ユーザについての書籍閲覧分析結果のうち書誌情報毎に上位ランク側（上位Ｎ１位）のクラス情報のランク付けと、他のユーザについての書籍閲覧分析結果のうち上位ランク側（上位Ｎ１）のクラス情報のランク付けとを比較し、一致するクラス情報の数がｎ１であれば、一致する割合Ｂ＝（ｎ１／Ｎ１）×１００を算出する（ステップＳ８３）。

Ｂは書誌情報の全ての項目について算出して足し合わせてもよいし、また任意の項目について算出してもよい。

次に、自ユーザについての個性タイプ分析結果のうち上位ランク側（最上位ランクからＮ１ランク分）の個性タイプ情報のランク付けと、他のユーザについての個性タイプ分析結果のうち上位ランク側（最上位ランクからＮ１ランク分）の個性タイプ情報のランク付けとを比較し、一致する個性タイプのクラス情報の数がｎ１であれば、一致する割合Ｃk＝（ｎ１／Ｎ1）×１００を算出する（ステップＳ８４）。

Ｃは全ての個性タイプのクラス情報について算出し、足し合わせてもよいし、また任意の項目について算出してもよい。

次に、自ユーザについての本棚構成分析結果のうち上位ランク側（最上位ランクからＮ１ランク分）のクラス情報のランク付けと、他のユーザについての本棚構成分析結果のうち上位ランク側（最上位ランクからＮ１ランク分）のクラス情報のランク付けとを比較し、一致するクラス情報の数がｎ１であれば、一致する割合Ｄ＝ｎ１／Ｎ１×１００を算出する（ステップＳ８５）。

Ｄは書誌情報の全ての項目について算出し、足し合わせてもよいし、また任意の項目について算出してもよい。

次に、自ユーザが交流を希望する設定情報（例えば、地域、趣味、好みの書籍のジャンルなどＮ１個）のうち、他のユーザの設定情報と一致する項目の数がｎ１であれば一致の割合Ｅ＝（ｎ１／Ｎ1）×１００を算出する（ステップＳ８６）。

次に、上述したステップＳ８２〜Ｓ８６で算出した各割合（マッチング情報）を用いて、自ユーザと他のユーザとのカップリング率Ｆ＝（Ａ＋Ｂ＋Ｃ＋Ｄ＋Ｅ）／５を算出する（ステップＳ８７）。

次に、上述したステップＳ８２〜Ｓ８６で算出した各マッチング情報と、上述したステップＳ８７で算出したカップリング率とを個性判定ＤＢ４に記憶する（ステップＳ８８）。

図１９のカップリング率検出部３１で算出したカップリング率は、自ユーザの紹介状を他のユーザに自動的に送付するか否かを判定するために用いることができる。

図２０はカップリング装置１が行う紹介状生成判定処理の処理手順の一例を示すフローチャートである。まず、図１９の処理手順にてカップリング率を算出する（ステップＳ９１）。次に、算出したカップリング率が所定の値を超えるか否かを判定する（ステップＳ９２）。所定の値を超えた場合には紹介状生成部３２により紹介状を自動生成し（ステップＳ９３）、所定の値を超えなかった場合には紹介状の自動生成は行わずに処理を終了する。

図２１は図２０の紹介状生成判定処理結果の一例を示す図である。図２１は他の複数のユーザをカップリング率の大小によりランク付けした例を示しており、このうちのランク１位と２位のユーザのみに紹介状が送付される。

図２２は紹介状生成部３２の処理手順の一例を示すフローチャートである。まず、会員情報管理ＤＢ８と個性判定ＤＢ４から自ユーザの情報を取得する（ステップＳ１０１）。次に、紹介状に自ユーザのプロフィール情報（例えば、氏名、性別、生年月日、出身、経歴、自己紹介、使用しているＳＮＳサイトのＩＤ等）を掲載する（ステップＳ１０２）。

次に、紹介状に自ユーザの顔イラスト画像を掲載する（ステップＳ１０３）。次に、紹介状にリンク情報（ＳＮＳサイトへのリンク情報、自ユーザの仮想本棚へのリンク情報、交流している他のユーザへのリンク情報、自ユーザの個性タイプ情報へのリンク情報など）を掲載する（ステップＳ１０４）。

次に、紹介状に自ユーザの総合分析結果を掲載する（ステップＳ１０５）。次に、自ユーザと他のユーザとのマッチング情報とカップリング率を紹介状に掲載する（ステップＳ１０６）。

次に、他のユーザとのリンク（交流）を許可するボタンを紹介状に掲載する（ステップＳ１０７）。

図２３は図２２の紹介状生成部３２の処理により生成された紹介状４０の一例を示す図である。図２３の紹介状４０では、総合分析部３０による分析結果をレーダーチャート４１で図示している。この他、紹介状４０には、自ユーザの顔イラスト画像（アバター画像）４２、プロフィール情報４３、自己紹介４４、本棚評価分析結果４５、仮想本棚へのリンク情報４６、自ユーザが加入しているＳＮＳサイトへのリンク情報４７、総合分析結果４８、カップリング率４９、自ユーザとの交流を行うためのリンクボタン５０、自ユーザと交流を行っている他ユーザへのリンクボタン５１、自ユーザの個性判定表へのリンクボタン５２などが掲載される。仮想本棚へのリンク情報４６が選択された場合、紹介状にて紹介された利用者の公開設定のある本棚の表示を行う。具体的には書籍ストアモジュール（ステップＳ４）に紹介者の識別子と仮想本棚表示に必要な命令を送る。書籍ストアモジュール（ステップＳ４）は命令を受け取ると、仮想本棚（ステップＳ８）を通して本棚生成に必要な処理を仮想本棚処理（ステップＳ９）にて行い、結果を表示する。これにより、照会先の仮想本棚の公開設定がされた本の本棚を表示することができる。なお、本棚の表示にあたっては、書籍情報分析部２１で分類したクラス情報を指定して表示させてもよい。

なお、図２３は紹介状４０の一例にすぎず、紹介状４０に掲載する具体的な情報は適宜変更してもよい。

図２４は紹介状４０に掲載する顔イラスト画像（アバター画像）を自動生成する処理手順の一例を示すフローチャートである。まず、会員情報管理ＤＢ８と個性判定ＤＢ４から自ユーザの情報を取得する（ステップＳ１１１）。

次に、取得した自ユーザの情報に含まれるプロフィール情報と個性判定情報に基づいて、予め用意した複数の顔部品画像の中から適切な画像を自動選択する（ステップＳ１１２）。

顔部品画像は、人間の顔を特徴づける目、口、髪型、眉毛、髭、顔の輪郭などの部品画像からなり、プロフィール情報と個性判定情報との組合せで、どの部品画像を選択するかを予めテーブル化しておく。

次に、ステップＳ１１２で自動選択した顔部品画像を組み合わせて顔イラスト画像を自動生成する（ステップＳ１１３）。生成した顔イラスト画像は、図２３に示す紹介状４０に貼り込まれる。

このように、本実施形態に係るカップリング装置１は、書籍情報分析部２１、書籍閲覧分析部２３、個性タイプ分析部２５、本棚構成分析部２７および本棚評価分析部２９の各分析により、所持する電子書籍のクラス情報別の割合、閲覧回数が多い電子書籍のランク情報、閲覧回数が多い複数の電子書籍のクラス情報別の割合、ユーザが好む個性タイプ情報の割合、仮想本棚内の電子書籍の並べ方、および各ユーザの信頼度を把握できる。

また、これらの分析結果を他のユーザの分析結果と比較して一致する割合（マッチング情報）と両者の相性を示すカップリング率とを算出するため、他のユーザとの相性を具体的な数値で表すことができる。よって、他のユーザがＳＮＳを通じた交流に適するか否かを、ＳＮＳを開始する前に的確に判断できる。

さらに、これらの分析結果、マッチング情報およびカップリング率を自己の紹介状４０に掲載することで、他のユーザに対しても、自分がＳＮＳを通じた交流に適した相手であるかどうかの情報を提供することができる。

ところで、上述した書籍情報分析、書籍閲覧分析、個性タイプ分析、本棚構成分析および本棚評価分析の分析結果を記憶する個性判定ＤＢ４を利用すれば、各ユーザごとに最適な広告配信を行うことができる。

広告配信は、図１のカップリングシステム２内の情報提供装置１０が行う。図１の情報提供ＤＢ１１には、種々の広告媒体が記憶されており、情報提供装置１０は、個性判定ＤＢ４にアクセスして各ユーザの個性判定結果を取得し、各ユーザごとに最適な広告提供を行う。

図２５は広告配信を行う情報提供装置１０の処理手順の一例を示すフローチャートである。まず、広告配信を依頼する依頼主は、広告配信対象情報を設定する（ステップＳ１２１）。次に、会員情報管理ＤＢ８と個性判定ＤＢ４から各ユーザの情報を取得する（ステップＳ１２２）。次に、取得した各ユーザの情報とステップＳ１２１で設定した広告配信対象情報とにより、広告配信を行うユーザを自動選択する（ステップＳ１２３）。次に、自動選択したユーザに依頼主から依頼を受けた広告を配信する（ステップＳ１２４）。

このように、カップリング装置１で生成した個性判定ＤＢ４を利用することで、各ユーザの趣向を把握できるため、興味を持ってくれそうなユーザのみに広告情報を提供でき、広告効果を高めることができる。

上述した実施形態で説明したカップリング装置１およびカップリングシステム２の少なくとも一部は、ハードウェアで構成してもよいし、ソフトウェアで構成してもよい。ソフトウェアで構成する場合には、カップリング装置１およびカップリングシステム２の少なくとも一部の機能を実現するプログラムをフレキシブルディスクやＣＤ−ＲＯＭ等の記録媒体に収納し、コンピュータに読み込ませて実行させてもよい。記録媒体は、磁気ディスクや光ディスク等の着脱可能なものに限定されず、ハードディスク装置やメモリなどの固定型の記録媒体でもよい。

また、カップリング装置１およびカップリングシステム２の少なくとも一部の機能を実現するプログラムを、インターネット１２等の通信回線（無線通信も含む）を介して頒布してもよい。さらに、同プログラムを暗号化したり、変調をかけたり、圧縮した状態で、インターネット１２等の有線回線や無線回線を介して、あるいは記録媒体に収納して頒布してもよい。

本発明の態様は、上述した個々の実施形態に限定されるものではなく、当業者が想到しうる種々の変形も含むものであり、本発明の効果も上述した内容に限定されない。すなわち、特許請求の範囲に規定された内容およびその均等物から導き出される本発明の概念的な思想と趣旨を逸脱しない範囲で種々の追加、変更および部分的削除が可能である。

１ カップリング装置、２ カップリングシステム、３ 電子書籍端末、４ 個性判定ＤＢ、５ 書誌情報ＤＢ、６ 独自書誌情報ＤＢ、７ 電子書籍管理サーバ、８ 会員情報管理ＤＢ、９ 電子書籍情報ＤＢ、１０ 情報提供装置、１１ 情報提供ＤＢ、２１ 書籍情報分析部、２２ 書籍情報マッチング部、２３ 書籍閲覧分析部、２４ 書籍閲覧マッチング部、２５ 個性タイプ分析部、２６ 個性タイプマッチング部、２７ 本棚構成分析部、２８ 本棚構成マッチング部、２９ 本棚評価分析部、３０ 総合分析部、３１ カップリング率検出部、３２ 紹介状生成部、３３ 本棚生成部

Claims (13)

1. ユーザが所持する各電子書籍の書誌情報をユーザごとに分析する書誌情報分析と、ユーザが所持する各電子書籍の閲覧状況をユーザごとに分析する閲覧状況分析との少なくとも一つを実行する手段と、
   複数のユーザの前記書誌情報分析による前記書誌情報または／及び前記閲覧状況分析による前記閲覧状況が一致する割合から、
   前記複数のユーザ同士のカップリング率を検出するカップリング率検出部と、を備えることを特徴とするカップリング装置。
2. 前記書籍情報分析は、ユーザが所持する各電子書籍を、書誌情報のそれぞれを細分化した複数のクラス情報のいずれかに割り振って、各クラス情報に該当する電子書籍の数を該ユーザが所持する電子書籍の総数で割った割合を検出し、該割合が高い順にランク付けすることを特徴とする請求項１に記載のカップリング装置。
3. 前記書籍閲覧分析は、ユーザが所持する各電子書籍の閲覧回数の計測結果に基づいて、閲覧回数が多い順に各電子書籍をランク付けするとともに、閲覧回数が多い順に所定数分のランクに該当する各電子書籍をクラス情報のいずれかに分類して、各クラス情報に該当する電子書籍の数を前記所定数分のランクに入る該ユーザが所持する電子書籍数で割った割合を検出し、該割合を高い順にランク付けすることを特徴とする請求項１または２に記載のカップリング装置。
4. ユーザが各電子書籍の閲覧後に設定した個性タイプ情報を分析する個性タイプ分析により、前記複数のユーザのそれぞれについての分析した結果を比較し合って、前記個性タイプ情報が一致する割合を検出する手段と、を備え、
   前記カップリング率検出部は、更に、前記個性タイプ情報が一致する割合に基づいて、前記複数のユーザ同士のカップリング率を検出することを特徴とする請求項１乃至３のいずれかに記載のカップリング装置。
5. 前記個性タイプ情報は、ユーザが任意に設定可能な予め用意された複数の情報からなり、
   前記個性タイプ分析は、ユーザが各電子書籍の閲覧後に設定した前記個性タイプ情報のそれぞれごとに、該ユーザが設定した電子書籍の数を計測して、この数を該ユーザが所持する電子書籍の総数で割った割合を検出し、該割合を高い順にランク付けすることを特徴とする請求項４に記載のカップリング装置。
6. ユーザが所持する電子書籍を閲覧可能な情報通信装置の表示画面に、該ユーザが所持する複数の電子書籍を並べた仮想本棚を表示させるための表示データを生成する手段と、
   前記仮想本棚内の各電子書籍の並びの傾向をユーザごとに分析する本棚構成分析により、
   前記複数のユーザのそれぞれについて前記電子書籍の並びの傾向を分析した結果を比較し合って、前記仮想本棚内の各電子書籍の並びの傾向が一致する割合を検出する手段と、を備え、
   前記カップリング率検出部は、更に、前記仮想本棚内の各電子書籍の並びの傾向が一致する割合に基づいて、前記複数のユーザ同士のカップリング率を検出することを特徴とする請求項４または５に記載のカップリング装置。
7. 前記電子書籍の並びの傾向は前記仮想本棚内の電子書籍のうち、ユーザの閲覧回数に基づいて選択された特定の電子書籍の周囲に置かれた複数の電子書籍の書誌情報および個性タイプ情報を分析することにより抽出するとこを特徴とする請求項６に記載のカップリング装置。
8. 前記仮想本棚内の電子書籍の総数の中で、ユーザが公開設定した電子書籍の割合を検出し、該割合に基づいて、該ユーザの信頼度を評価する本棚評価分析を実行する手段を備えることを特徴とする請求項６または７に記載のカップリング装置。
9. 前記書誌情報分析、前記閲覧状況分析、前記個性タイプ分析、前記本棚構成分析および前記本棚評価分析の各分析結果を総合的に分析する総合分析部と、
   ネットワークを介してユーザを他のユーザに紹介するのに用いる紹介状を生成するとともに、該紹介状に前記総合分析部の分析結果を含める紹介状生成部と、を備えることを特徴とする請求項８に記載のカップリング装置。
10. 前記書籍情報分析、前記閲覧分析、前記個性タイプ分析、前記本棚構成分析および前記本棚評価分析の各分析結果に基づいて、複数種類の顔イラスト画像の中から一つを選択して前記紹介状に重畳するアバター生成部を備えることを特徴とする請求項９に記載のカップリング装置。
11. ユーザが所持する電子書籍を閲覧可能な情報通信装置と、複数のユーザ同士の類似度を検出するカップリング装置と、電子書籍の書誌情報を記憶する書籍情報記憶装置と、を備えたカップリングシステムにおいて、
    前記書籍情報記憶装置に格納された書誌情報よりも詳細な書誌情報を記憶する独自書誌情報記憶装置を備え、
    前記カップリング装置は、
    ユーザが所持する各電子書籍の書誌情報をユーザごとに分析する書誌情報分析と、ユーザが所持する各電子書籍の閲覧状況をユーザごとに分析する閲覧状況分析との少なくとも一つを行い、複数のユーザの書誌情報分析による前記書誌情報または／及び閲覧状況分析が一致する割合から前記複数のユーザ同士のカップリング率を検出するカップリング検出部と、を有することを特徴とするカップリングシステム。
12. 前記カップリング装置は、ユーザが各電子書籍の閲覧後に設定した個性タイプ情報を分析する手段と、前記複数のユーザのそれぞれについての前記個性タイプ情報の分析結果を比較し合って、前記個性タイプ情報が一致する割合を検出する手段と、を備え、
    前記カップリング率検出部は、更に、前記個性タイプ情報が一致する割合に基づいて、前記複数のユーザ同士のカップリング率を検出することを特徴とする請求項１１に記載のカップリングシステム。
13. 前記書籍情報分析の分析結果と、前記閲覧状況分析の分析結果と、前記個性タイプ情報の分析結果とを記憶する個性判定記憶装置と、
    前記個性判定記憶装置に記憶された情報に基づいて、ユーザの個性タイプに応じた広告情報を該ユーザの前記情報通信装置に提供する広告配信装置と、を備えることを特徴とする請求項１２に記載のカップリングシステム。