JP2020154821A - 記事推奨システム - Google Patents

Abstract

【課題】ユーザの嗜好に合わせて適切な記事を推奨する記事推奨システムを提供する。【解決手段】記事推奨システム１０００は、ユーザの嗜好情報に基づいて、複数の記事を格納したデータベース３００の中からユーザに推奨する記事の候補を選択する記事候補選択手段２１５と、選択された記事のうち、ユーザの嗜好情報に対して肯定的な記事を、ユーザの嗜好情報に対して否定的な記事よりも優先してユーザに推奨するクライアント端末１００と、記事に対するユーザの行動履歴に基づいて、ユーザの嗜好情報を更新するデータベース更新手段２１７と、を備える。【選択図】図３

Description

本発明は、記事推奨システムに関する。

インターネット等に公開されている記事の閲覧を、登録されているユーザに推奨するサービスが種々提案されている。
この種のサービスに利用される技術を開示している先行技術文献として、下記の特許文献１を例示する。

特許文献１には、グループにおけるユーザの情報消費行動について統計処理を行い、グループ内で注目されている話題や内容を示す注目キーワードを抽出し、各ユーザにとって価値ある情報を推奨することを可能とする技術が開示されている。

特開２０１０−２２４６２４号公報

特許文献１に例示される技術を用いて記事を推奨した場合、その注目キーワードに関する肯定的な記事も否定的な記事も区別なくユーザに推奨されるので、時にはユーザに不快感を与えることが懸念される。

本発明は、上記の課題に鑑みなされたものであり、ユーザの嗜好に合わせて適切な記事を推奨する記事推奨システムを提供するものである。

本発明によれば、ユーザの嗜好情報に基づいて、複数の記事を格納したデータベースの中から前記ユーザに推奨する記事の候補を選択する選択手段と、前記選択手段により選択された記事のうち、前記ユーザの嗜好情報に対して肯定的な記事を、前記ユーザの嗜好情報に対して否定的な記事よりも優先して前記ユーザに推奨する推奨手段と、記事に対する前記ユーザの行動履歴に基づいて、前記ユーザの嗜好情報を更新する更新手段と、を備える記事推奨システムが提供される。

上記発明は、ユーザの嗜好情報に対して肯定的な記事が優先的にユーザに推奨され、そのユーザの嗜好情報はユーザの行動履歴に基づいて更新される。従って、ユーザが閲覧する記事は、その時点におけるユーザの嗜好に適したものになる。

本発明によれば、ユーザの嗜好に合わせて適切な記事を推奨する記事推奨システムが提供される。

図１は、記事推奨システムのシステム構成図である。 図２は、クライアント端末及びサーバのハードウェア構成を示す図である。 図３は、記事推奨システムの機能的構成を示すブロック図である。 図４は、サーバが収集した記事データをデータベースに格納するまでの処理手順を示すフローチャートである。 図５は、サーバが、クライアント端末の要求に応じて、推奨する記事を更新させる処理手順を示すフローチャートである。 図６は、記事に対するユーザの行動に基づいて、サーバが各種データを更新させる処理手順を示すフローチャートである。 図７は、記事推奨システムが提供するポータルサイトの表示画像を示す図である。 図８は、ポータルサイト上で選択した記事データを閲覧した場合に表示される表示画像を示す図である。 図９は、個別嗜好データを更新する具体例を示す図である。 図１０は、個別嗜好データを更新する具体例を示す図である。 図１１は、グループ分類手段によるグループデータの分類に関する概念図である。 図１２は、記事解析データを更新する具体例を示す図である。

以下、本発明の実施形態について、図面を用いて説明する。すべての図面において、同様の構成要素には同一の符号を付し、適宜に説明を省略する。
なお、以下に説明する実施形態は、本発明の一例を例示するものであって、当該実施形態の具体的構成に本発明を限定するものではない。従って、本発明の実施にあたっては、本発明の目的を達成する前提において、適切な具体的構成を採用できる。

＜記事推奨システム１０００のハードウェア構成＞
図１は、記事推奨システム１０００のシステム構成図である。
記事推奨システム１０００は、クライアント端末１００とサーバ２００とデータベース３００とを含むコンピュータネットワークであり、サーバ２００が、データベース３００に蓄積されている記事データを、クライアント端末１００に提供するシステムである。
なお、図１に図示する各構成は単一であるかのように図示するが、記事推奨システム１０００は、図１に図示する各構成をそれぞれ複数含んでもよい。

クライアント端末１００は、例えば、パーソナルコンピュータ１００ａやスマートフォン１００ｂ等のような情報通信端末である。クライアント端末１００を実現する情報通信端末は、ここに例示したものに限られず、その種別は特に制限されない。
なお、以下の説明においてクライアント端末１００とは、サーバ２００から記事データの提供を受けることができる情報通信端末の総称として用いる。

サーバ２００は、サーバソフトウェアの稼動に適した汎用コンピュータであることが好ましい。
サーバ２００は、インターネット４００から記事データを収集し、収集した記事データをデータベース３００に蓄積することができる。
また、サーバ２００は、クライアント端末１００からの要求に応じてデータベース３００から記事データを読み出して、クライアント端末１００に記事データを提供することができる。

クライアント端末１００及びサーバ２００は、インターネット４００を介して互いに通信可能に接続する。なお、クライアント端末１００及びサーバ２００は、インターネット４００に通信接続する際に、不図示のローカルエリアネットワーク（ＬＡＮ）や移動通信ネットワーク等を介してもよい。

図２（ａ）は、クライアント端末１００のハードウェア構成を示す図である。
クライアント端末１００は、プロセッサ１０１と、メモリ１０２と、ストレージ１０３と、通信インターフェース（以下、通信ＩＦ）１０４と、表示手段１０５と、操作手段１０６と、を備え、これらの構成は通信バスによって互いに電気的に接続される。

プロセッサ１０１は、ストレージ１０３に記憶されている種々のプログラムや各種データをメモリ１０２にロードし、ロードしたプログラムを実行する。
メモリ１０２は、プロセッサ１０１が実行するプログラムやプログラムの実行中に生成される各種データを格納するために用いられ、例えば、ＤＲＡＭ等によって構成される。
ストレージ１０３は、種々のプログラムや各種データを記憶しており、例えば、磁気ディスクドライブ等によって構成される。
通信ＩＦ１０４は、ハードウェア、ファームウェア、通信用ソフトウェア、又はこれらの組み合わせとして実装され、インターネット４００を介してサーバ２００と通信可能に構成される。
表示手段１０５は、ユーザに対して種々の表示（静止画像及び動画像）を行うグラフィカルユーザーインターフェイスであり、液晶ディスプレイ等によって構成される。
操作手段１０６は、ユーザの操作入力を受け付けるものであり、キーボード等によって構成される。
なお、図２（ａ）においては、表示手段１０５と操作手段１０６とが別々の構成として図示するが、表示手段１０５と操作手段１０６とが一体のデバイス（例えば、タッチスクリーン装置）によって実現されてもよい。

図２（ｂ）は、サーバ２００のハードウェア構成を示す図である。
サーバ２００は、プロセッサ２０１と、メモリ２０２と、ストレージ２０３と、通信ＩＦ２０４と、入出力インターフェース（以下、入出力ＩＦ）２０５と、を備え、これらの構成は通信バスによって互いに電気的に接続される。

プロセッサ２０１は、ストレージ２０３に記憶されている種々のプログラムや各種データをメモリ２０２にロードし、ロードしたプログラムを実行する。
メモリ２０２は、プロセッサ２０１が実行するプログラムやプログラムの実行中に生成される各種データを格納するために用いられ、例えば、ＤＲＡＭ等によって構成される。
ストレージ２０３は、種々のプログラムや各種データを記憶しており、例えば、磁気ディスクドライブ等によって構成される。
通信ＩＦ２０４は、ハードウェア、ファームウェア、通信用ソフトウェア、又はこれらの組み合わせとして実装され、インターネット４００を介してクライアント端末１００と通信可能に構成される。
入出力ＩＦ２０５は、データベース３００に接続しており、各種データを伝送する。また、入出力ＩＦ２０５は、サーバ２００の外部に設けられる不図示の外部装置（例えば、ディスプレイ装置、ポインティングデバイス、スピーカ、マイク等）と電気的に接続されてもよい。

＜記事推奨システム１０００の機能的構成＞
続いて、記事推奨システム１０００の機能的構成について説明する。
図３は、記事推奨システム１０００の機能的構成を示すブロック図である。
なお、図３において図示する機能的構成は、本発明の実施の形態を説明する為に必要なものを例示するものである。従って、図３に図示した機能的構成に対して、本発明の目的を達成する範囲において、不図示の機能的構成が追加されてもよいし、図示した機能的構成が不図示の機能的構成に置換されてもよいし、図示した機能的構成が省かれてもよい。

クライアント端末１００は、通信制御手段１１１と、表示制御手段１１２と、操作制御手段１１３と、を有する。

通信制御手段１１１は、通信ＩＦ１０４を介したインターネット４００との通信を制御する。
表示制御手段１１２は、表示手段１０５の表示を制御する。
操作制御手段１１３は、操作手段１０６が受け付けたユーザの操作入力を制御する。

サーバ２００は、ユーザ登録手段２１１と、記事収集手段２１２と、記事解析手段２１３と、ユーザ嗜好特定手段２１４と、記事候補選択手段２１５と、ユーザ行動解析手段２１６と、データベース更新手段２１７と、グループ分類手段２１８と、通信制御手段２１９と、を有する。

ユーザ登録手段２１１は、記事推奨システム１０００のサービス提供を受けるとき等に、ユーザが任意に自身に関するデータ（ユーザ登録データ３０１）を登録する（アカウント登録する）。
記事収集手段２１２は、インターネット４００に公開されている記事の情報（記事データ３０４）を収集し、収集した記事データはデータベース３００に蓄積される。
記事解析手段２１３は、データベース３００に蓄積されている記事データ３０４の内容を解析し、その解析結果を示すデータ（記事解析データ３０５）は解析対象の記事データ３０４に対応付けられてデータベース３００に蓄積される。
ユーザ嗜好特定手段２１４は、記事推奨システム１０００が提供するサービス内においてユーザが行った行動としてデータベース３００に蓄積されているデータ（行動履歴データ３０６）、又はデータベース３００に蓄積されているユーザ登録データ３０１に基づいて、ユーザの嗜好情報（個別嗜好データ３０２及びグループデータ３０３）を特定する。
記事候補選択手段２１５は、ユーザ嗜好特定手段２１４によって特定されたユーザの嗜好情報（個別嗜好データ３０２及びグループデータ３０３）に基づいて、データベース３００の中から、クライアント端末１００に表示させる記事データ３０４の候補を選択する。このとき、記事候補選択手段２１５は、ユーザの嗜好情報に加えて、記事内容の解析結果（記事解析データ３０５）を加味して、クライアント端末１００に表示させる記事データ３０４の候補を選択してもよい。
ユーザ行動解析手段２１６は、記事推奨システム１０００が提供するサービス内においてユーザが行った行動を解析し、その解析結果である行動履歴データ３０６は、その行動の対象となるもの（ユーザ登録データ３０１や記事データ３０４）に対応付けてデータベース３００に蓄積される。
データベース更新手段２１７は、行動履歴データ３０６に基づいて、データベース３００に蓄積されている個別嗜好データ３０２と記事解析データ３０５とを更新する。
グループ分類手段２１８は、個別嗜好データ３０２の類似性が高いユーザ同士を同じグループに分類し、その分類結果をグループデータ３０３に反映させる。
通信制御手段２１９は、通信ＩＦ２０４を介したインターネット４００との通信を制御する。

データベース３００は、上記のユーザ登録データ３０１、個別嗜好データ３０２、グループデータ３０３、記事データ３０４、記事解析データ３０５、及び行動履歴データ３０６を、それぞれ蓄積している
データベース３００に蓄積されている上記の各種データは、サーバ２００による各種処理に用いられる。
なお、図３においては、各種データが単一のデータベースに蓄積されているかのように図示されているが、各種データの一部又は全部が別々のデータベースに蓄積されてもよい。

ここで、表示制御手段１１２は、記事候補選択手段２１５が選択した記事データ３０４のうち、ユーザ嗜好特定手段２１４が特定したユーザの嗜好情報（個別嗜好データ３０２及びグループデータ３０３）に対して肯定的な解析結果を示す記事解析データ３０５が付与されたものを、当該ユーザの嗜好情報に対して否定的な解析結果を示す記事解析データ３０５が付与されたものに比べて優先して、表示手段１０５に表示させることを特徴とする。

従って、記事推奨システム１０００は、ユーザの嗜好情報に基づいて、複数の記事を格納したデータベース３００の中からユーザに推奨する記事の候補を選択する選択手段（記事候補選択手段２１５）を備えるものと言える。
また、記事推奨システム１０００は、選択手段により選択された記事のうち、ユーザの嗜好情報に対して肯定的な記事を、ユーザの嗜好情報に対して否定的な記事よりも優先してユーザに推奨する推奨手段（表示制御手段１１２）を備えるものと言える。
また、記事推奨システム１０００は、記事に対するユーザの行動履歴に基づいて、ユーザの嗜好情報を更新する更新手段（データベース更新手段２１７）を備えるものと言える。
また、記事推奨システム１０００は、ユーザの行動履歴またはユーザが予め登録した情報の少なくとも一方に基づいて、ユーザの嗜好情報を特定する嗜好特定手段（ユーザ嗜好特定手段２１４）を備えるものと言える。
また、記事推奨システム１０００は、データベースに格納する記事の内容を解析する記事解析手段（記事解析手段２１３）、を備え、選択手段（記事候補選択手段２１５）は、ユーザの嗜好情報および記事解析手段の解析結果に基づいて、データベースの中からユーザに推奨する記事の候補を選択するものと言える。

記事推奨システム１０００は、上記のような特徴を有するため、ユーザの嗜好情報に対して肯定的な記事が優先されるように表示手段１０５に表示される。また、表示の優先度の根拠となるユーザの嗜好情報は、ユーザの行動履歴に基づいて逐次更新されるので、表示手段１０５に表示される記事は、その時点において最新のユーザの嗜好に適したものになる。

＜記事推奨システム１０００の処理手順＞
続いて、記事推奨システム１０００の処理手順について説明する。
図４は、サーバ２００が収集した記事データをデータベース３００に格納するまでの処理手順を示すフローチャートである。
図５は、サーバ２００が、クライアント端末１００の要求に応じて、推奨する記事を更新させる処理手順を示すフローチャートである。
図６は、記事に対するユーザの行動に基づいて、サーバ２００が各種データを更新させる処理手順を示すフローチャートである。
なお、図４から図６は、本発明を実施する処理手順の一具体例に図示するものにすぎず、本発明の目的を達成する範囲において、一部の処理を省く、不図示の処理を追加する、処理の順序を変更する、ことを許容する。

先ず、サーバ２００が収集した記事データをデータベース３００に格納するまでの処理手順について説明する。

ステップＳ１０１において、記事収集手段２１２は、インターネット４００に公開されている記事を収集する。このとき、記事収集手段２１２は、当該記事の発信元のオリジナルＵＲＬ（Uniform Resource Locator）、当該発信元を特定する情報（企業名や個人名等）、当該記事が公開された日時、を当該記事と共にインターネット４００から取得すると共に、データベース３００内における当該記事の識別情報（記事ＩＤ）を付与する。
なお、記事収集手段２１２は、記事の発信元や記事の内容（記事タイトルと記事本文の内容の一致性等）を解析して記事の信頼性を導出し、一定の信頼性を有する記事に限って収集し、一定の信頼性を有していない記事を排除してもよい。

ステップＳ１０３において、記事解析手段２１３は、ステップＳ１０１において収集された記事に対してキーワードを抽出する為の自然言語処理を行い、当該記事から一又は複数のキーワードを抽出する。
ステップＳ１０５において、記事解析手段２１３は、ステップＳ１０３において解析対象になった記事に対して感情表現を抽出する為の自然言語処理を行い、ポジティブな内容の記事であるかネガティブな内容の記事であるかを解析する。
ステップＳ１０７において、記事解析手段２１３は、ステップＳ１０３において抽出したキーワードごとに、ステップＳ１０５の処理結果に基づいて、記事の内容がそのキーワードを肯定する程度又は否定する程度を示す指標（以下、肯定度と称す）を演算する。
なお、本実施形態では、記事解析手段２１３の処理結果を示す指標である肯定度が、数値パラメータ（具体的には、−１００％〜１００％で表すもの）であるものとして説明するが、当該指標は記事の内容が肯定的なものであるか否定的なものであるかを特定可能な態様であれば足り、定性的なパラメータ（例えば、嬉しい、楽しい、悲しい、寂しい等、感情のポジティブ／ネガティブを示すパラメータ）であってもよい。

ステップＳ１０９において、データベース３００は、記事収集手段２１２によって収集された記事データ３０４（記事のタイトル、記事の本文、発信元のオリジナルＵＲＬ、発信元を特定する情報、及び記事の公開日時を含む）と、記事解析手段２１３による処理結果である記事解析データ３０５（キーワード、感情表現、及び貢献度を含む）と、を、記事ＩＤをキーとして対応付けて格納する。

次に、サーバ２００が、クライアント端末１００の要求に応じて、推奨する記事を更新させる処理手順について説明する。

ステップＳ２０１において、サーバ２００は、クライアント端末１００に表示する記事の更新要求を受け付けたか否かを判定する。
当該更新要求を受け付けない場合（ステップＳ２０１のＮＯ）、サーバ２００は、図５に図示する処理フローを終了させる。
当該更新要求を受け付けた場合（ステップＳ２０１のＹＥＳ）、サーバ２００は、ステップＳ２０３の処理に進む。
記事の更新要求がクライアント端末１００からサーバ２００に通知される場合とは、例えば、ユーザが、クライアント端末１００を用いて、記事推奨システム１０００が提供するポータルサイトにアクセスする場合が挙げられる。

図７は、記事推奨システム１０００が提供するポータルサイトの表示画像Ｄ１を示す図である。なお、図７に図示される一点鎖線の四角枠は、表示手段１０５の表示領域Ｗ１のサイズを示すものである。
表示画像Ｄ１は、表示手段１０５の表示領域Ｗ１に比べて縦長の画像であり、表示領域Ｗ１を上下方向にスクロールすることによって全体を閲覧することができる。
表示画像Ｄ１には、「トピックス」に係る記事が表示されるタブ領域Ｔ１と、「オススメ」に係る記事が表示されるタブ領域Ｔ２と、が含まれる。

タブ領域Ｔ１は、ユーザの嗜好情報（個別嗜好データ３０２及びグループデータ３０３）に関わらず、他の情報（例えば、公開日時から現時点までの時間長さ、記事の閲覧総回数、記事の内容の重要度等）に基づいて選択された記事データ３０４が表示される領域である。
タブ領域Ｔ２は、ユーザの嗜好情報（個別嗜好データ３０２及びグループデータ３０３）に基づいて選択された記事データ３０４が表示される領域である。
言い換えれば、タブ領域Ｔ１は、ポータルサイトの運営側が優先的にユーザに閲覧して欲しい記事が表示される領域である。一方、タブ領域Ｔ２は、ユーザ自身の嗜好（過去のユーザの行動履歴に基づいて更新されている嗜好情報）に合致した内容の記事データ３０４が表示される領域である。

ユーザは、図７に図示されるタブ領域Ｔ１やタブ領域Ｔ２等に表示されている複数の記事データ３０４のいずれかを、操作手段１０６を用いて入力した操作によって選択し、選択した記事データ３０４を表示手段１０５に表示させることができる。

ステップＳ２０３において、ユーザ嗜好特定手段２１４は、記事の更新要求を通知したクライアント端末１００のユーザの識別情報（ユーザＩＤ）をキーとして、データベース３００から個別嗜好データ３０２及びグループデータ３０３を読み出して、当該ユーザの嗜好情報を特定する。
なお、ステップＳ２０３において読み出す個別嗜好データ３０２及びグループデータ３０３の内容と、ステップＳ２０３の処理については、後に詳細に説明する。

ステップＳ２０５において、記事候補選択手段２１５は、記事の更新要求を通知したクライアント端末１００に表示させる記事データ３０４の候補を選択する。ここで、記事候補選択手段２１５は、タブ領域Ｔ１に表示させる記事データ３０４の候補と、タブ領域Ｔ２に表示させる記事データ３０４の候補と、は異なる選択条件によって選択する。
具体的には、記事候補選択手段２１５は、タブ領域Ｔ２に表示させる記事データ３０４については、ステップＳ２０３において読み出された個別嗜好データ３０２又はグループデータ３０３に適合する記事解析データ３０５に対応付けられている記事データ３０４を選択する。また、記事候補選択手段２１５は、タブ領域Ｔ１に表示させる記事データ３０４については、ステップＳ２０３において読み出された個別嗜好データ３０２及びグループデータ３０３を用いずに、他の情報に基づいて記事データ３０４を選択する。
ステップＳ２０７において、記事候補選択手段２１５は、ステップＳ２０５において選択した複数の記事データ３０４のそれぞれについて、クライアント端末１００に表示する優先度を定めて付与する。
なお、ステップＳ２０５及びステップＳ２０７の処理において、タブ領域Ｔ２に表示する記事の選択方法と優先度の決定については、後に詳細に説明する。

ステップＳ２０９において、サーバ２００は、記事候補選択手段２１５によって選択されて上記の優先度を付与した記事データ３０４を表示するように、クライアント端末１００に応答する。
この応答を受け付けたクライアント端末１００は、付与された優先度に応じて、ポータルサイトの表示画像Ｄ１のタブ領域Ｔ１やタブ領域Ｔ２に各記事データ３０４を表示させる。

次に、記事に対するユーザの行動に基づいて、サーバ２００が各種データを更新させる処理手順について説明する。

図８は、ポータルサイト上で選択した記事データ３０４を閲覧した場合に表示される表示画像Ｄ２を示す図である。なお、図８に図示される一点鎖線の四角枠は、図７と同様に、表示手段１０５の表示領域Ｗ１のサイズを示すものである。
表示画像Ｄ２は、表示画像Ｄ１と同様に、表示手段１０５の表示領域Ｗ１に比べて縦長の画像であり、表示領域Ｗ１を上下方向にスクロールすることによって全体を閲覧することができる。
表示画像Ｄ２には、記事のタイトルが表示される記事領域Ａ１と、記事本文（本文に画像が付されている場合には当該画像を含む）が表示される記事領域Ａ２と、が含まれる。
表示画像Ｄ２には、記事領域Ａ１及び記事領域Ａ２に表示されている記事に対して、良い評価であることを意思表示する為の「いいね」ボタンＢ１と、悪い評価であることを意思表示する為の「良くない」ボタンＢ２と、が含まれる。
表示画像Ｄ２には、記事領域Ａ１及び記事領域Ａ２に表示されている記事に対してユーザが任意のコメントを入力する為のコメント入力欄Ｃ２と、当該記事に対して既に入力されたコメントの一覧が表示されるコメント表示欄Ｃ１と、が含まれる。
コメント表示欄Ｃ１に表示されている各コメントが表示されている領域（例えば、ユーザＵ００１によるコメントＣ１１の表示領域）には、そのコメントに対して良い評価であることを意思表示する為の「いいね」ボタンＢ１１と、そのコメントに対して悪い評価であることを意思表示する為の「良くない」ボタンＢ１２と、が含まれる。

上記の「記事に対するユーザの行動」とは、記事データ３０４が表示手段１０５に表示されている場合に、操作手段１０６によるユーザの操作入力に基づいて行われる各種処理のうち、行動履歴データ３０６としてデータベース３００に蓄積されるものをいう。
本実施形態における「記事に対するユーザの行動」に該当するものとして、具体的には、ポータルサイト上に表示されている記事データ３０４の中から選択すること、選択した記事データ３０４を閲覧した時間、選択した記事データ３０４を閲覧した量（表示画像Ｄ２をスクロールして表示領域Ｗ１に収めた割合）、「いいね」ボタンＢ１／「良くない」ボタンＢ２の押下、コメント入力欄Ｃ２に入力したコメント、及び「いいね」ボタンＢ１１／「良くない」ボタンＢ１２の押下、が挙げられる。
また、「記事に対する肯定的な行動」に該当するものとして、具体的には、ポータルサイト上に表示されている記事データ３０４の中から選択すること、選択した記事データ３０４を閲覧した時間が長いこと、選択した記事データ３０４を閲覧した量が多いこと、「いいね」ボタンＢ１の押下、コメント入力欄Ｃ２に入力したコメントの内容（感情表現）がポジティブであること、及び「いいね」ボタンＢ１１の押下、が挙げられる。
また、「記事に対する否定的な行動」に該当するものとして、具体的には、選択した記事データ３０４を閲覧した時間が短いこと、選択した記事データ３０４を閲覧した量が少ないこと、「良くない」ボタンＢ２の押下、コメント入力欄Ｃ２に入力したコメントの内容（感情表現）がネガティブであること、及び「良くない」ボタンＢ１２の押下、が挙げられる。

ステップＳ３０１において、サーバ２００は、クライアント端末１００において記事に対するユーザの行動が受け付けられたか否かを判定する。
ユーザの行動を受け付けない場合（ステップＳ３０１のＮＯ）、図６に図示する処理フローが終了する。
ユーザの行動を受け付けた場合（ステップＳ３０１のＹＥＳ）、ステップＳ３０３の処理に進む。

ステップＳ３０３において、ユーザ行動解析手段２１６は、受け付けたユーザの行動を解析した解析結果である行動履歴データ３０６を、データベース３００に新たに追加させる。

ステップＳ３０５において、ステップＳ３０３で行動履歴データ３０６が追加された結果として、個別嗜好データ３０２の更新条件を充足したか否かを判定する。
個別嗜好データ３０２の更新条件を充足した場合、ステップＳ３０７に進み、個別嗜好データ３０２の更新条件を充足しない場合、ステップＳ３０９に進む。

ステップＳ３０７において、データベース更新手段２１７は、個別嗜好データ３０２を更新する。
以下、個別嗜好データ３０２を更新する具体例について、図９及び図１０を用いて説明する。図９及び図１０は、個別嗜好データ３０２を更新する具体例を示す図である。

例えば、或るユーザ（ユーザＩＤ「Ｕ００１」のユーザ、以下「ユーザＵ００１」と称す）が、ユーザ登録データ３０１として関心分野について流行の商品や店舗に関するジャンルである「トレンド」を登録しているものとする。
ここで、ユーザＵ００１は記事推奨システム１０００が提供するサービスに登録したばかりであり、個別嗜好データ３０２である「関心ワード」「関心度」が初期状態である。

図９（ａ）は、ユーザＵ００１が、図８に図示した記事データ３０４（記事ＩＤ「Ａ００１」の記事データ３０４、以下「記事Ａ００１」と称す）を閲覧している間において、ユーザＵ００１の個別嗜好データ３０２が更新される具体例を図示するものである。

記事Ａ００１は、記事解析手段２１３の解析結果として「スマートフォンＡ」と「新発売」が抽出されており、感情表現はポジティブであると解析されており、その肯定度は８０％である。

ユーザＵ００１は関心分野を「トレンド」と登録しているので、「トレンド」に属する「スマートフォンＡ」に関する記事Ａ００１を閲覧している場合のデータベース更新手段２１７による更新において「関心度」の変化度合いが、後述する図１０（ｂ）に図示する場合に比べて大きくなる。
例えば、ユーザＵ００１が記事Ａ００１に対して肯定的な行動を行った場合、その行動が記事の感情表現の解析結果と合致しているので、データベース更新手段２１７は、ユーザＵ００１の「スマートフォンＡ」及び「新発売」に対する関心度について、記事Ａ００１の肯定度の１／５に相当する１６％を加算する。
一方、ユーザＵ００１が記事Ａ００１に対して否定的な行動を行った場合、その行動が記事の感情表現の解析結果と相反しているので、データベース更新手段２１７は、ユーザＵ００１の「スマートフォンＡ」及び「新発売」に対する関心度について、記事Ａ００１の肯定度の１／５に相当する１６％を減算する。

図９（ｂ）は、ユーザＵ００１が、記事Ａ００１とは別の記事データ３０４（記事ＩＤ「Ａ００２」の記事データ３０４、以下「記事Ａ００２」と称す）を閲覧している間において、ユーザＵ００１の個別嗜好データ３０２が更新される具体例を図示するものである。

記事Ａ００１は、記事解析手段２１３の解析結果として「スマートフォンＡ」と「不具合」が抽出されており、感情表現はネガティブであると解析されており、その肯定度は−３０％である。

例えば、ユーザＵ００１が記事Ａ００２に対して肯定的な行動を行った場合、その行動が記事の感情表現の解析結果と相反しているので、データベース更新手段２１７は、ユーザＵ００１の「スマートフォンＡ」及び「不具合」に対する関心度について、記事Ａ００１の肯定度の１／５に相当する６％を減算する。
一方、ユーザＵ００１が記事Ａ００１に対して否定的な行動を行った場合、その行動が記事の感情表現の解析結果と合致しているので、データベース更新手段２１７は、ユーザＵ００１の「スマートフォンＡ」及び「新発売」に対する関心度について、記事Ａ００１の肯定度の１／５に相当する６％を加算する。

図１０（ａ）は、ユーザＵ００１が、記事Ａ００１に対してユーザＵ００１とは別のユーザ（ユーザＩＤ「Ｕ００２」のユーザ、以下「ユーザＵ００２」と称す）が付したコメントに行った行動に基づいて、ユーザＵ００１の個別嗜好データ３０２が更新される具体例を図示するものである。

このとき、ユーザＵ００２の「スマートフォンＡ」及び「新発売」に対する関心度が、ユーザＵ００１の「スマートフォンＡ」及び「新発売」に対する関心度に基づいて、データベース更新手段２１７によって更新される。
例えば、ユーザＵ００１がユーザＵ００２のコメントに対して肯定的な行動を行った場合、その行動がコメントの感情表現の解析結果と合致しているので、データベース更新手段２１７は、ユーザＵ００１の「スマートフォンＡ」に対する関心度について、記事Ａ００１の肯定度とユーザＵ００２の「スマートフォンＡ」に対する関心度とを乗算した値に相当する２４％を加算する。そして、データベース更新手段２１７は、ユーザＵ００１の「新発売」に対する関心度について、記事Ａ００１の肯定度とユーザＵ００２の「新発売」に対する関心度とを乗算した値に相当する８％を加算する。
一方、ユーザＵ００１がユーザＵ００２のコメントに対して否定的な行動を行った場合、その行動がコメントの感情表現の解析結果と相反しているので、データベース更新手段２１７は、ユーザＵ００１の「スマートフォンＡ」に対する関心度について、記事Ａ００１の肯定度とユーザＵ００２の「スマートフォンＡ」に対する関心度とを乗算した値に相当する２４％を減算する。そして、データベース更新手段２１７は、ユーザＵ００１の「新発売」に対する関心度について、記事Ａ００１の肯定度とユーザＵ００２の「新発売」に対する関心度とを乗算した値に相当する８％を減算する。

図１０（ｂ）は、ユーザＵ００１が、記事Ａ００１及び記事Ａ００２のいずれとも別の記事データ３０４（記事ＩＤ「Ａ００３」の記事データ３０４、以下「記事Ａ００３」と称す）を閲覧している間において、ユーザＵ００１の個別嗜好データ３０２が更新される具体例を図示するものである。

記事Ａ００１は、記事解析手段２１３の解析結果として「プロ野球」と「優勝」が抽出されており、感情表現はポジティブであると解析されており、その肯定度は８０％である。

ユーザＵ００１は関心分野を「トレンド」と登録しているので、「トレンド」に属さない「プロ野球」に関する記事Ａ００３を閲覧している場合のデータベース更新手段２１７による更新において「関心度」の変化度合いが、図９（ａ）に図示した場合より小さくなる。
例えば、ユーザＵ００１が記事Ａ００３に対して肯定的な行動を行った場合、その行動が記事の感情表現の解析結果と合致しているので、データベース更新手段２１７は、ユーザＵ００１の「プロ野球」及び「優勝」に対する関心度について、記事Ａ００３の肯定度の１／１０に相当する８％を加算する。
一方、ユーザＵ００１が記事Ａ００３に対して否定的な行動を行った場合、その行動が記事の感情表現の解析結果と相反しているので、データベース更新手段２１７は、ユーザＵ００１の「プロ野球」及び「優勝」に対する関心度について、記事Ａ００３の肯定度の１／１０に相当する８％を減算する。

なお、上記の肯定度に加減算する値の決定方法は例示であり、データベース更新手段２１７は、他の要素を鑑みて決定してもよい。

ステップＳ３０９において、ステップＳ３０７で個別嗜好データ３０２が更新された結果として、グループデータ３０３の更新条件を充足したか否かを判定する。
グループデータ３０３の更新条件を充足した場合、ステップＳ３１１に進み、グループデータ３０３の更新条件を充足しない場合、ステップＳ３１３に進む。

ステップＳ３１１において、グループ分類手段２１８は、グループデータ３０３を更新する。
以下、グループデータ３０３を更新する具体例について、図１１を用いて説明する。図１１は、グループ分類手段２１８によるグループデータ３０３の分類に関する概念図である。

グループ分類手段２１８は、関心ワードをメインワードとサブワードとに分けて、それぞれの関心度を、ユーザごとに対応付けて保持している。
例えば、ユーザＵ００１は、メインワード「スマートフォンＡ」について関心度が「２４％」になっているものとする。そして、ユーザＵ００１は、サブワード「新発売」「不具合」「最安値」「使い方」「アプリ」について、それぞれ関心度が「１６％」「−６％」「７０％」「１０％」「４２％」になっているものとする。
また、ユーザＵ００２は、メインワード「スマートフォンＡ」について関心度が「３０％」になっているものとする。そして、ユーザＵ００２は、サブワード「新発売」「不具合」「最安値」「使い方」「アプリ」について、それぞれ関心度が「１０％」「４％」「５８％」「５％」「４５％」になっているものとする。
また、ユーザＵ００１及びユーザＵ００２とは別のユーザ（ユーザＩＤ「Ｕ００３」のユーザ、以下「ユーザＵ００３」と称す）は、メインワード「スマートフォンＡ」について関心度が「−５％」になっているものとする。そして、ユーザＵ００３は、サブワード「新発売」「不具合」「最安値」「使い方」「アプリ」について、それぞれ関心度が「２％」「−２％」「１３％」「１０％」「６０％」になっているものとする。
また、ユーザＵ００１、ユーザＵ００２及びユーザＵ００３とは別のユーザ（ユーザＩＤ「Ｕ００４」のユーザ、以下「ユーザＵ００４」と称す）は、メインワード「スマートフォンＡ」について関心度が「７０％」になっているものとする。そして、ユーザＵ００４は、サブワード「新発売」「不具合」「最安値」「使い方」「アプリ」について、それぞれ関心度が「３２％」「−２０％」「５２％」「４１％」「１１％」になっているものとする。

上記の状態において、グループ分類手段２１８は、メインワードの関心度とサブワードの関心度との乗算値をユーザ毎に導出し対比する。このとき、ユーザＵ００１とユーザＵ００２については、上記の乗算値が近似しているので、グループ分類手段２１８は、メインワード「スマートフォンＡ」について、ユーザＵ００１とユーザＵ００２とを個別嗜好データ３０２（ユーザの嗜好情報）の類似性が高いユーザ同士であるものと判定し、同じグループに分類する。
一方、他のユーザについては、上記の乗算値が大きく相違しているので、グループ分類手段２１８は、他のユーザを個別嗜好データ３０２の類似性が低いユーザ同士であるものと判定し、別々のグループに分類する。

従って、記事推奨システム１０００は、嗜好情報の類似性が高いユーザを、同じグループに分類する分類手段（グループ分類手段２１８）、を備えるものと言える。
また、分類手段は、図１０（ａ）を用いて説明したように更新される個別嗜好データ３０２を用いてグループ分類をするので、記事に対する第１ユーザ（ユーザＵ００２）の行動に対して行われた第２ユーザ（ユーザＵ００１）の行動に基づいて、 第１ユーザと第２ユーザの類似性を判定するものと言える。
また、ユーザＵ００２のコメントに対してユーザＵ００１が肯定的な行動（コメントの感情表現の解析結果と合致している行動）を行うと関心度が加算され、ユーザＵ００２のコメントに対してユーザＵ００１が否定的な行動（コメントの感情表現の解析結果と相反している行動）を行うと関心度が減算される。従って、分類手段は、第１ユーザの行動に対して行われた第２ユーザの行動が否定的なものである場合、第１ユーザと第２ユーザの嗜好の類似性が低いと判定し、第１ユーザの行動に対して行われた第２ユーザの行動が肯定的なものである場合、第１ユーザと第２ユーザの嗜好の類似性を高いと判定するものと言える。

なお、上記のグループ分類手段２１８によるユーザのグループ分類の方法は一具体例であり、本発明の目的を達成する範囲において、適宜変更することができる。
例えば、本実施形態では、メインワードとサブワードの２つの関心ワードに対する関心度を乗算してメインワードについてユーザ間の類似性を判断したが、１つの関心ワードに基づいてユーザ間の類似性を判断してもよいし、３つ以上の関心ワードに基づいてユーザ間の類似性を判断してもよい。

ステップＳ３１３において、ステップＳ３０３で行動履歴データ３０６が追加された結果として、記事解析データ３０５の更新条件を充足したか否かを判定する。
記事解析データ３０５の更新条件を充足した場合、ステップＳ３１５に進み、記事解析データ３０５の更新条件を充足しない場合、図６に図示した処理フローは終了する。

ステップＳ３１５において、データベース更新手段２１７は、記事解析データ３０５を更新する。
以下、記事解析データ３０５を更新する具体例について、図１２を用いて説明する。図１２は、記事解析データ３０５を更新する具体例を示す図である。

図１２（ａ）は、記事Ａ００１の記事解析データ３０５が更新される具体例を図示するものである。

記事Ａ００１は、データベース３００に格納するとき（ステップＳ１０９の処理）に付与される記事解析データ３０５において、キーワードとして「スマートフォンＡ」と「新発売」が抽出されており、感情表現はポジティブであると解析されており、その肯定度は８０％である。

例えば、或るユーザが記事Ａ００１に対して肯定的な行動を行った場合、その行動が記事の感情表現の解析結果と合致しているので、データベース更新手段２１７は、記事Ａ００１の肯定度に対して所定値（例えば、２％）を加算する。
一方、或るユーザが記事Ａ００１に対して否定的な行動を行った場合、その行動が記事の感情表現の解析結果と相反しているので、データベース更新手段２１７は、記事Ａ００１の肯定度に対して上記の所定値を減算する。

図１２（ｂ）は、記事Ａ００２の記事解析データ３０５が更新される具体例を図示するものである。

記事Ａ００２は、データベース３００に格納するとき（ステップＳ１０９の処理）に付与される記事解析データ３０５において、キーワードとして「スマートフォンＡ」と「不具合」が抽出されており、感情表現はネガティブであると解析されており、その肯定度は−３０％である。

例えば、或るユーザが記事Ａ００１に対して肯定的な行動を行った場合、その行動が記事の感情表現の解析結果と相反しているので、データベース更新手段２１７は、記事Ａ００１の肯定度に対して上記の所定値を減算する。
一方、或るユーザが記事Ａ００１に対して否定的な行動を行った場合、その行動が記事の感情表現の解析結果と合致しているので、データベース更新手段２１７は、記事Ａ００１の肯定度に対して上記の所定値を加算する。

なお、データベース更新手段２１７による肯定度の更新は、加減算処理に限られず、他の演算処理であってもよい。また、データベース更新手段２１７による肯定度の更新によって加減算される所定値についても一定である必要はなく、ユーザの行動に応じて変動してもよい。

以上説明したように、更新手段（データベース更新手段２１７）は、記事に対するユーザの行動履歴および当該記事に関する記事解析手段（記事解析手段２１３）の解析結果に基づいて、ユーザの嗜好情報を更新するものと言える。
また、更新手段（データベース更新手段２１７）は、記事に対するユーザの行動履歴に基づいて、ユーザの嗜好情報および記事解析手段（記事解析手段２１３）の解析結果を更新するものと言える。

＜タブ領域Ｔ２に表示する記事の候補の選択方法と優先度の決定方法＞
記事候補選択手段２１５は、個別嗜好データ３０２をデータベース３００から読み出して、記事の更新要求を通知したクライアント端末１００に表示させる記事データ３０４の候補をデータベース３００の中から選択することできる。
このとき、記事候補選択手段２１５は、ユーザの嗜好情報（個別嗜好データ３０２）である関心ワードに適合するキーワード（完全一致の他に、類似一致も含む）が抽出された記事データ３０４の中から、当該関心ワードに関するユーザの関心度と、当該キーワードに関する記事の肯定度と、の差分を導出し、差分が小さいものほどクライアント端末１００に表示する優先度が高い記事データ３０４であるものとして扱い、優先度の高い順序に従ってクライアント端末１００に表示する記事データ３０４の順番を決定する。
上記のように記事候補選択手段２１５が優先度を定めるので、ユーザの関心度が高い（関心度が正に大きい）ジャンルについては、そのジャンルのキーワードを肯定する内容の記事がクライアント端末１００によってユーザに推奨されやすくなる。また、ユーザの関心度が低い（関心度が負に大きい）ジャンルについては、そのジャンルのキーワードを否定する内容の記事がクライアント端末１００によってユーザに推奨されやすくなる。更に、ユーザの関心度が無い（関心度が零に近い）ジャンルについては、そのジャンルのキーワードを肯定も否定もしない内容の記事（肯定度が零に近い記事）がクライアント端末１００によってユーザに推奨されやすくなる。

また、記事候補選択手段２１５は、グループデータ３０３をデータベース３００から読み出して、記事の更新要求を通知したクライアント端末１００に表示させる記事データ３０４の候補をデータベース３００の中から選択することできる。
このとき、記事候補選択手段２１５は、記事の更新要求を通知したクライアント端末１００のユーザと同じグループ（類似性の高いユーザ）を、ユーザの嗜好情報（グループデータ３０３）に基づいて特定し、特定したユーザの行動履歴に基づいて記事データ３０４の候補を選択する。例えば、記事候補選択手段２１５は、類似性の高いユーザが最後まで閲覧した（閲覧量が１００％である）記事データ３０４や、当該ユーザがコメント入力した記事データ３０４に対して高い優先度を付して、クライアント端末１００に表示させることができる。
上記のように記事候補選択手段２１５が優先度を定めるので、類似性の高いユーザの閲覧行動に合わせた閲覧行動を、クライアント端末１００のユーザに促すことができる。

これまで説明したような特徴を備えるので、記事推奨システム１０００は、ユーザの嗜好に適合する記事データ３０４をデータベース３００から選択し、選択した記事データ３０４をクライアント端末１００に表示してユーザに推奨することができる。

＜本発明の変形例について＞
ここまで各図を用いて説明される実施形態に即して本発明を説明したが、本発明は上述の実施形態に限定されるものではなく、本発明の目的が達成される限りにおける種々の変形、改良等の態様も含む。

上記の実施形態においては、ユーザ嗜好特定手段２１４がユーザの嗜好情報を特定する際に、ユーザの行動履歴（行動履歴データ３０６）を解析した結果を反映したもの（個別嗜好データ３０２及びグループデータ３０３）を読み出すことを説明したが、本発明の実施はこれに限られない。
例えば、ユーザ嗜好特定手段２１４は、データベース３００に蓄積されている行動履歴データ３０６を直接参照してユーザの嗜好情報を特定してもよい。
また、ユーザ嗜好特定手段２１４は、個別嗜好データ３０２及びグループデータ３０３のうち一方のみを読み出して、ユーザの嗜好情報を特定してもよい。

上記の実施形態においては、記事推奨システム１０００が提供するポータルサイトにアクセスするクライアント端末１００に対して記事データ３０４を推奨することを説明したが、本発明の実施はこれに限られない。
例えば、クライアント端末１００にインストールされている記事配信用の専用アプリを起動した際に、クライアント端末１００に対して記事データ３０４を推奨することに、本発明を適用してもよい。

上記の実施形態においては、記事候補選択手段２１５が、記事解析手段２１３の解析結果（記事解析データ３０５）を用いて、クライアント端末１００に表示する記事データ３０４の候補を選択することを説明したが、本発明の実施はこれに限られない。
すなわち、記事候補選択手段２１５は、記事解析データ３０５を用いずに、特定したユーザの嗜好情報のみに基づいて、クライアント端末１００に表示する記事データ３０４の候補を選択してもよい。

上記の実施形態においては、データベース更新手段２１７が、データベース３００に蓄積されている記事解析手段２１３の解析結果（記事解析データ３０５）を更新することを説明したが、本発明の実施はこれに限られない。
すなわち、データベース更新手段２１７は、記事解析データ３０５を更新対象とせずに、個別嗜好データ３０２及びグループデータ３０３の少なくとも一方のみを更新対象としてもよい。

本実施形態は以下の技術思想を包含する。
（１）ユーザの嗜好情報に基づいて、複数の記事を格納したデータベースの中から前記ユーザに推奨する記事の候補を選択する選択手段と、前記選択手段により選択された記事のうち、前記ユーザの嗜好情報に対して肯定的な記事を、前記ユーザの嗜好情報に対して否定的な記事よりも優先して前記ユーザに推奨する推奨手段と、記事に対する前記ユーザの行動履歴に基づいて、前記ユーザの嗜好情報を更新する更新手段と、を備える記事推奨システム。
（２）前記ユーザの行動履歴または前記ユーザが予め登録した情報の少なくとも一方に基づいて、前記ユーザの嗜好情報を特定する嗜好特定手段、を備える（１）に記載の記事推奨システム。
（３）前記嗜好情報の類似性が高いユーザを、同じグループに分類する分類手段、を備え、前記推奨手段は、前記同じグループに属するユーザに対して、前記ユーザの嗜好情報に対して肯定的な記事を、前記ユーザの嗜好情報に対して否定的な記事よりも優先して前記ユーザに推奨する（２）に記載の記事推奨システム。
（４）前記分類手段は、記事に対する第１ユーザの行動に対して行われた第２ユーザの行動に基づいて、前記第１ユーザと前記第２ユーザの類似性を判定する（３）に記載の記事推奨システム。
（５）前記分類手段は、前記第１ユーザの行動に対して行われた前記第２ユーザの行動が否定的なものである場合、前記第１ユーザと前記第２ユーザの嗜好の類似性が低いと判定し、前記第１ユーザの行動に対して行われた前記第２ユーザの行動が肯定的なものである場合、前記第１ユーザと前記第２ユーザの嗜好の類似性を高いと判定する（４）に記載の記事推奨システム。
（６）前記データベースに格納する記事の内容を解析する記事解析手段、を備え、前記更新手段は、記事に対する前記ユーザの行動履歴および当該記事に関する前記記事解析手段の解析結果に基づいて、前記ユーザの嗜好情報を更新する（１）から（５）のいずれか一つに記載の記事推奨システム。
（７）前記データベースに格納する記事の内容を解析する記事解析手段、を備え、前記選択手段は、前記ユーザの嗜好情報および前記記事解析手段の解析結果に基づいて、前記データベースの中から前記ユーザに推奨する記事の候補を選択し、前記更新手段は、記事に対する前記ユーザの行動履歴に基づいて、前記ユーザの嗜好情報および前記記事解析手段の解析結果を更新する（１）から（６）のいずれか一つに記載の記事推奨システム。

１００ クライアント端末
１００ａ パーソナルコンピュータ
１００ｂ スマートフォン
１０１、２０１ プロセッサ
１０２、２０２ メモリ
１０３、２０３ ストレージ
１０４、２０４ 通信ＩＦ
１０５ 表示手段
１０６ 操作手段
１１１ 通信制御手段
１１２ 表示制御手段
１１３ 操作制御手段
２００ サーバ
２０５ 入出力ＩＦ
２１１ ユーザ登録手段
２１２ 記事収集手段
２１３ 記事解析手段
２１４ ユーザ嗜好特定手段
２１５ 記事候補選択手段
２１６ ユーザ行動解析手段
２１７ データベース更新手段
２１８ グループ分類手段
２１９ 通信制御手段
３００ データベース
３０１ ユーザ登録データ
３０２ 個別嗜好データ
３０３ グループデータ
３０４ 記事データ
３０５ 記事解析データ
３０６ 行動履歴データ
４００ インターネット
１０００ 記事推奨システム

Claims (7)

1. ユーザの嗜好情報に基づいて、複数の記事を格納したデータベースの中から前記ユーザに推奨する記事の候補を選択する選択手段と、
   前記選択手段により選択された記事のうち、前記ユーザの嗜好情報に対して肯定的な記事を、前記ユーザの嗜好情報に対して否定的な記事よりも優先して前記ユーザに推奨する推奨手段と、
   記事に対する前記ユーザの行動履歴に基づいて、前記ユーザの嗜好情報を更新する更新手段と、を備える
   記事推奨システム。
2. 前記ユーザの行動履歴または前記ユーザが予め登録した情報の少なくとも一方に基づいて、前記ユーザの嗜好情報を特定する嗜好特定手段、を備える
   請求項１に記載の記事推奨システム。
3. 前記嗜好情報の類似性が高いユーザを、同じグループに分類する分類手段、を備え、
   前記推奨手段は、
   前記同じグループに属するユーザに対して、前記ユーザの嗜好情報に対して肯定的な記事を、前記ユーザの嗜好情報に対して否定的な記事よりも優先して前記ユーザに推奨する
   請求項２に記載の記事推奨システム。
4. 前記分類手段は、
   記事に対する第１ユーザの行動に対して行われた第２ユーザの行動に基づいて、 前記第１ユーザと前記第２ユーザの類似性を判定する
   請求項３に記載の記事推奨システム。
5. 前記分類手段は、
   前記第１ユーザの行動に対して行われた前記第２ユーザの行動が否定的なものである場合、前記第１ユーザと前記第２ユーザの嗜好の類似性が低いと判定し、
   前記第１ユーザの行動に対して行われた前記第２ユーザの行動が肯定的なものである場合、前記第１ユーザと前記第２ユーザの嗜好の類似性を高いと判定する
   請求項４に記載の記事推奨システム。
6. 前記データベースに格納する記事の内容を解析する記事解析手段、を備え、
   前記更新手段は、
   記事に対する前記ユーザの行動履歴および当該記事に関する前記記事解析手段の解析結果に基づいて、前記ユーザの嗜好情報を更新する
   請求項１から５のいずれか一項に記載の記事推奨システム。
7. 前記データベースに格納する記事の内容を解析する記事解析手段、を備え、
   前記選択手段は、
   前記ユーザの嗜好情報および前記記事解析手段の解析結果に基づいて、前記データベースの中から前記ユーザに推奨する記事の候補を選択し、
   前記更新手段は、
   記事に対する前記ユーザの行動履歴に基づいて、前記ユーザの嗜好情報および前記記事解析手段の解析結果を更新する
   請求項１から６のいずれか一項に記載の記事推奨システム。

Images