JP4538756B2 - 情報処理装置、情報処理端末、情報処理方法、およびプログラム - Google Patents

Description

本発明は、情報処理装置、情報処理端末、情報処理方法、およびプログラムに関し、特に、視聴中の表出を考慮してコンテンツの推薦を行うことができるようにした情報処理装置、情報処理端末、情報処理方法、およびプログラムに関する。

複数のユーザの購買履歴や行動履歴をもとに、対象のユーザと似た反応を示す他のユーザを特定し、特定した他のユーザの履歴から、対象のユーザにとって未経験のコンテンツをその対象のユーザに推薦する技術がある。このような技術は、協調フィルタリング(Collaborative Filtering)と呼ばれる（非特許文献１）。

これにより、対象のユーザは、自分が視聴したことのないコンテンツであって、自分と似ている反応を示す他のユーザが購入し、高い評価をしているコンテンツの推薦を受けたりすることができる。

P. Resnick, N. Iacovou, M. Suchak, P. Bergstrom, and J. Riedl. "GroupLens?: Open Architecture for Collaborative Filtering of Netnews." Conference on Computer Supported Cooperative Work, pp. 175-186, 1994

協調フィルタリングは、商品の購買などのようなユーザの意思決定については効果的であるものの、コンテンツといったような、それを利用しているときにユーザの反応が時系列的に変化するようなものを対象とした推薦には効果的であるとはいえない。

例えば、推薦するコンテンツを選択するときの基準となる他のユーザの反応は、「好き」、「どちらでもない」、「嫌い」といったような、コンテンツに対する最終的な反応だけであり、そのコンテンツのどの部分が好きか、どの部分が嫌いかといったような、コンテンツの最終的な反応に至る経緯については考慮されていない。

また、家庭のリビングで複数のユーザがいる状況でコンテンツを視聴する場合には多く笑ったり、１人の状況でコンテンツを視聴する場合には独り言が多くなったりするように、コンテンツを視聴しているユーザの表出はコンテクスト（状況）の影響を受けやすいが、それについても考慮されていない。

仮に、コンテンツの最終的な反応に至る経緯やコンテンツの視聴中の表出を考慮した上で協調フィルタリングを行い、コンテンツの推薦を行ったりすることができるとすれば、そのことは、協調フィルタリングを推薦に効果的に用いているとすることができると考えられる。

本発明はこのような状況に鑑みてなされたものであり、例えば、視聴中の表出を考慮してコンテンツの推薦を行うことができるようにするものである。

本発明の第１の側面の情報処理装置は、コンテンツの再生中にユーザが示す、笑顔、しかめた顔、独り言、対話、拍手、貧乏ゆすり、タッピング、または姿勢の変化のうちの少なくとも１つを含む複数種類の表出の時系列データを検出する表出検出手段と、再生された各コンテンツに対する前記ユーザの評価を示す評価情報を取得する取得手段と、再生された各コンテンツに対して、取得された前記評価情報と、検出された前記ユーザの複数種類の表出の時系列データとを対応付けて保持する保持手段と、高評価のコンテンツの再生中にユーザが示した複数種類の表出のうち、高評価ではないコンテンツの再生中にユーザが示した複数種類の表出よりも顕著に検出されているものを高評価指標となる表出に特定する特定手段と、高評価のコンテンツに対応して特定された高評価指標となる表出の時系列データと、各コンテンツに対するユーザの評価を示す評価値を推薦参照情報として送信する送信手段とを備える複数の情報処理端末とネットワークを介して接続される情報処理装置において、複数の前記情報処理端末から送信された前記推薦参照情報を受信する受信手段と、受信された前記推薦参照情報に基づき、同一コンテンツに対して、第１の情報処理端末を利用する第１のユーザと類似する高評価指標の表出を示す前記第１のユーザとは異なる他のユーザを表出類似ユーザに特定するユーザ特定手段と、特定された前記表出類似ユーザにとって高評価のコンテンツを、前記第１のユーザに対する前記推薦コンテンツに決定する推薦コンテンツ決定手段と、決定された前記推薦コンテンツの情報を前記第１の情報処理端末に送信する送信手段とを備える。

前記受信手段には、さらに、複数の前記情報処理端末から送信された、ユーザのコンテンツの視聴履歴を表す視聴得履歴情報を受信させ、前記推薦コンテンツ決定手段には、前記第１のユーザが未視聴のコンテンツであって、前記表出類似ユーザにとって高評価のコンテンツを推薦コンテンツに決定させることができる。

前記ユーザ特定手段には、さらに、受信された前記推薦参照情報に基づき、複数のコンテンツに対して、前記第１のユーザと類似する評価を示した前記第１のユーザとは異なる他のユーザを評価類似ユーザに特定させることができる。

前記推薦コンテンツ決定手段には、特定された前記表出類似ユーザにとって高評価のコンテンツであって、かつ、特定された前記評価類似ユーザにとって高評価のコンテンツを、前記第１のユーザに対する前記推薦コンテンツに決定させることができる。

前記受信手段には、複数の前記情報処理端末から送信された、複数の前記情報処理端末により特定されたコンテンツの再生中の前記ユーザの状況を示すとして、少なくとも前記ユーザと一緒に前記コンテンツを視聴している人数の情報を含むコンテクスト毎の前記推薦参照情報を受信させ、前記ユーザ特定手段には、受信されたコンテクスト毎の前記推薦参照情報に基づき、同一コンテンツに対して、第１の情報処理端末を利用する第１のユーザと類似する高評価指標の表出を示す前記第１のユーザとは異なる他のユーザを表出類似ユーザに特定させることができる。

本発明の第１の側面の情報処理方法またはプログラムは、複数の情報処理端末から送信された推薦参照情報を受信し、受信された前記推薦参照情報に基づき、同一コンテンツに対して、第１の情報処理端末を利用する第１のユーザと類似する高評価指標の表出を示す前記第１のユーザとは異なる他のユーザを表出類似ユーザに特定し、特定された前記表出類似ユーザにとって高評価のコンテンツを、前記第１のユーザに対する前記推薦コンテンツに決定し、決定された前記推薦コンテンツの情報を前記第１の情報処理端末に送信するステップを含む。

本発明の第１の側面においては、複数の情報処理端末から送信された推薦参照情報が受信され、受信された推薦参照情報に基づき、同一コンテンツに対して、第１の情報処理端末を利用する第１のユーザと類似する高評価指標の表出を示す前記第１のユーザとは異なる他のユーザが表出類似ユーザに特定され、特定された表出類似ユーザにとって高評価のコンテンツが、第１のユーザに対する前記推薦コンテンツに決定され、推薦コンテンツの情報が第１の情報処理端末に送信される。

本発明の第２の側面の情報処理端末は、コンテンツの再生中にユーザが示す、笑顔、しかめた顔、独り言、対話、拍手、貧乏ゆすり、タッピング、または姿勢の変化のうちの少なくとも１つを含む複数種類の表出の時系列データを検出する表出検出手段と、再生された各コンテンツに対する前記ユーザの評価を示す評価情報を取得する取得手段と、再生された各コンテンツに対して、取得された前記評価情報と、検出された前記ユーザの複数種類の表出の時系列データとを対応付けて保持する保持手段と、高評価のコンテンツの再生中にユーザが示した複数種類の表出のうち、高評価ではないコンテンツの再生中にユーザが示した複数種類の表出よりも顕著に検出されているものを高評価指標となる表出に特定する特定手段と、高評価のコンテンツに対応して特定された高評価指標となる表出の時系列データと、各コンテンツに対するユーザの評価を示す評価値を推薦参照情報として情報処理装置に送信する送信手段と、前記情報処理装置から送信された推薦コンテンツの情報を受信する受信手段と、受信された前記推薦コンテンツの情報に基づいて前記推薦コンテンツをユーザに提示する推薦手段とを備える。

前記送信手段には、さらに、前記ユーザによるコンテンツの視聴履歴を表す視聴履歴情報を前記情報処理装置に送信させることができる。

本発明の第２の側面の情報処理端末は、コンテンツの再生中の前記ユーザの状況を示すコンテクストとして、少なくとも前記ユーザと一緒に前記コンテンツを視聴している人数を特定するコンテクスト特定手段をさらに備えることができ、前記特定手段には、特定された異なるコンテクスト毎に、高評価のコンテンツの再生中にユーザが示した複数種類の表出のうち、高評価ではないコンテンツの再生中にユーザが示した複数種類の表出よりも顕著に検出されているものを高評価指標となる表出に特定させることができる。

本発明の第２の側面の情報処理方法またはプログラムは、コンテンツの再生中にユーザが示す、笑顔、しかめた顔、独り言、対話、拍手、貧乏ゆすり、タッピング、または姿勢の変化のうちの少なくとも１つを含む複数種類の表出の時系列データを検出し、再生された各コンテンツに対する前記ユーザの評価を示す評価情報を取得し、再生された各コンテンツに対して、取得された前記評価情報と、検出された前記ユーザの複数種類の表出の時系列データとを対応付けて保持し、高評価のコンテンツの再生中にユーザが示した複数種類の表出のうち、高評価ではないコンテンツの再生中にユーザが示した複数種類の表出よりも顕著に検出されているものを高評価指標となる表出に特定し、高評価のコンテンツに対応して特定された高評価指標となる表出の時系列データと、各コンテンツに対するユーザの評価を示す評価値を推薦参照情報として情報処理装置に送信し、前記情報処理装置から送信された推薦コンテンツの情報を受信し、受信された前記推薦コンテンツの情報に基づいて前記推薦コンテンツをユーザに提示するステップを含む。

本発明の第２の側面においては、コンテンツの再生中にユーザが示す、笑顔、しかめた顔、独り言、対話、拍手、貧乏ゆすり、タッピング、または姿勢の変化のうちの少なくとも１つを含む複数種類の表出の時系列データが検出され、再生された各コンテンツに対するユーザの評価を示す評価情報が取得され、再生された各コンテンツに対して、取得された評価情報と、検出されたユーザの複数種類の表出の時系列データとが対応付けて保持され、高評価のコンテンツの再生中にユーザが示した複数種類の表出のうち、高評価ではないコンテンツの再生中にユーザが示した複数種類の表出よりも顕著に検出されているものが高評価指標となる表出に特定され、高評価のコンテンツに対応して特定された高評価指標となる表出の時系列データと、各コンテンツに対するユーザの評価を示す評価値が推薦参照情報として情報処理装置に送信される。また、情報処理装置から送信された推薦コンテンツの情報に基づいて推薦コンテンツがユーザに提示される。

本発明によれば、コンテンツの再生中の表出を考慮してコンテンツの推薦を行うことができる。

図１は、本発明の一実施形態に係るコンテンツ推薦システムの構成例を示すブロック図である。

図１に示されるように、このコンテンツ推薦システムは、クライアント１とサーバ２が、インターネットなどのネットワークを介して接続されることによって構成される。

クライアント１は、表出検出部１１、コンテンツDB１２、表出情報処理部１３、表出情報DB１４、送信部１５、受信部１６、およびコンテンツ推薦部１７から構成される。一方、サーバ２は、受信部２１、表出情報DB２２、類似パターングループ特定部２３、推薦コンテンツ特定部２４、コンテンツDB２５、および送信部２６から構成される。

後に詳述するように、サーバ２においては、コンテンツの再生中に同じような表出を示すユーザのグループが特定され、推薦を受けるクライアント１のユーザに対して、クライアント１のユーザと同じグループに属する、他のユーザによって高い評価が得られているコンテンツが推薦されるようになされている。

すなわち、サーバ２は、協調フィルタリングによってコンテンツの推薦を行う装置である。サーバ２には、クライアント１以外に、クライアント１と同様の構成を有する端末がネットワークを介して複数接続される。

ここで、表出とは、笑顔や顔をしかめるなどの表情、独り言や対話などの発話、拍手や貧乏ゆすりやタッピングなどの動作、ひじを付くことや上体が傾くことなどの姿勢、などの、画像や音によって外部から認識可能なユーザの反応である。この表出の時系列データに基づいて、ユーザのグループ分けなどがサーバ２において行われる。

クライアント１の表出検出部１１は、映画やテレビジョン番組などのコンテンツの再生中、コンテンツを視聴しているユーザを撮影して得られた画像や、集音して得られたユーザの音声に基づいて、ユーザが示す複数種類の表出を所定の間隔で検出する。

図２は、コンテンツ再生中の様子を示す図である。

図２の例においては、テレビジョン受像機３１、マイクロフォン３２、およびカメラ３３がクライアント１に接続されている。マイクロフォン３２の指向性とカメラ３３の撮影範囲はテレビジョン受像機３１の前方にある椅子に座ってコンテンツを視聴しているクライアント１のユーザに向けられている。

クライアント１により再生されたコンテンツの映像はテレビジョン受像機３１に表示され、コンテンツの音声はテレビジョン受像機３１のスピーカから出力される。マイクロフォン３２により集音されたユーザの音声と、カメラ３３により撮影されたユーザの画像はクライアント１に供給される。

例えば、上述した笑顔は、カメラ３３により撮影された画像からユーザの顔の範囲が検出され、検出された顔から抽出された特徴と、あらかじめ用意されている笑顔の特徴とのマッチングが行われることによって検出される。表出検出部１１においては、ユーザが笑顔になったタイミングと、笑顔の度合い（爆笑している、ほほえんでいるなど）を表す時系列データが取得される。

同様に、顔をしかめるは、カメラ３３により撮影された画像からユーザの顔の範囲が検出され、検出された顔から抽出された特徴と、あらかじめ用意されている、しかめっ面の特徴とのマッチングが行われることによって検出される。表出検出部１１においては、ユーザが顔をしかめたタイミングと、しかめた度合いを表す時系列データが取得される。

独り言や対話などの発話は、マイクロフォン３２により集音された音声を対象として話者認識が行われることによって話者が特定され、集音された音声が、クライアント１のユーザの独り言であるのか、一緒にコンテンツを視聴している他のユーザとの対話であるのかが認識されることによって検出される。表出検出部１１においては、ユーザの発話のタイミングと、発話の度合いである音量を表す時系列データが取得される。

拍手は、マイクロフォン３２により集音された音に基づいて検出される。表出検出部１１においては、ユーザの拍手のタイミングと、拍手の強弱などの度合いを表す時系列データが取得される。

他の表出についても同様に、マイクロフォン３２とカメラ３３により得られたデータに基づいて検出される。表出の検出は、マイクロフォン３２とカメラ３３により得られたデータがハードディスクなどの記録媒体に一度記録され、記録されたデータを対象として行われるようにしてもよいし、マイクロフォン３２とカメラ３３からデータが供給される毎にリアルタイムで行われるようにしてもよい。

図３は、表出検出部１１により検出される表出の時系列データの例を示す図である。

図３には、上から順に、笑顔、顔をしかめる、拍手、独り言の時系列データが示されている。横軸は時刻を表し、縦軸は度合いを表す。

表出検出部１１は、このようにして検出した表出の時系列データである表出情報を表出情報処理部１３に出力する。クライアント１においては複数のコンテンツが再生され、再生されたコンテンツ毎に、図３に示されるような表出情報が取得される。

表出情報処理部１３は、コンテンツDB１２に記憶されているコンテンツを読み出して再生し、コンテンツの映像や音声をテレビジョン受像機３１に出力させる。表出情報処理部１３は、コンテンツの再生中に表出検出部１１から順次供給される表出情報を取得し、表出情報DB１４に記憶させる。

また、表出情報処理部１３は、コンテンツに対するユーザの評価を取得する。例えば、１つのコンテンツの再生が終了したとき、ユーザに対して評価の入力が求められる。ユーザは、リモートコントローラやマウスを操作するなどして評価を入力する。

表出情報処理部１３は、取得したユーザの評価を、表出情報と対応づけて表出情報DB１４に記憶させる。表出情報DB１４には、再生が行われた複数のコンテンツのそれぞれについて、ユーザの評価と、コンテンツの再生中に取得された表出情報が記憶されることになる。

図４は、表出情報DB１４に記憶される情報の例を示す図である。

図４の例においては、コンテンツに対する評価は５段階評価とされ、それぞれのコンテンツに対して評価を表す数字が設定されている。ここでは、５は最も高い評価となり、１は最も低い評価となる。

コンテンツＡに対する評価は５とされ、その評価と、コンテンツＡの再生中に検出された笑顔、顔をしかめる、拍手、独り言の時系列データが対応づけて記憶されている。

また、コンテンツＢに対する評価は２とされ、その評価と、コンテンツＢの再生中に検出された笑顔、顔をしかめる、拍手、独り言の時系列データが対応づけて記憶されている。コンテンツＣ、コンテンツＤ、コンテンツＥについても同様に、それぞれの評価と、再生中に検出された表出の時系列データが対応づけて記憶されている。

図１の説明に戻り、表出情報処理部１３は、表出情報DB１４に記憶されている情報に基づいて、高評価のコンテンツに特徴的な表出を特定し、特定した表出を高評価指標の表出とする。例えば、表出情報処理部１３は、５段階評価で５の評価がなされたコンテンツの表出情報に注目し、５以外の評価がなされたコンテンツの表出情報と比べて、注目する表出情報に顕著に多く含まれる表出を特定する。

あるユーザはおもしろい（評価の高い）と感じるコンテンツを視聴しているときに多く笑い、違うユーザはおもしろいと感じるコンテンツを視聴しているときに多く拍手するといったように、おもしろいと感じるコンテンツを視聴しているときの表出がユーザ毎に異なると考えられる。表出情報処理部１３により、クライアント１のユーザと、おもしろいと感じるコンテンツを視聴しているときにクライアント１のユーザが多く示す表出が結び付けられることになる。

具体的には、表出情報処理部１３は、全てのコンテンツの分のＮ種類の表出の時系列データをそれぞれ正規化（z変換）し、それぞれの表出の代表値を求める。代表値としては、例えば、正規化して得られたそれぞれの表出の時系列データから、度合いの最大値、閾値となる一定値以上の値が検出された頻度を表す値、閾値となる一定値以上の値が継続して検出された時間を表す値などが求められる。

また、表出情報処理部１３は、高評価のコンテンツの表出情報から求められたそれぞれの表出の代表値と、高評価がされていないコンテンツの表出情報から求められたそれぞれの表出の代表値を比較し、明確な差がある代表値が高評価のコンテンツの表出情報から求められた表出を特定する。明確な差の判断は、統計的有意差、２０％以上値が大きいなどの特定の比率以上の差があることなどの基準を用いることができる。

図４の例の場合、コンテンツＡ乃至Ｅのそれぞれのコンテンツについて、笑顔の時系列データの代表値、顔をしかめるの時系列データの代表値、拍手の時系列データの代表値、独り言の時系列データの代表値が求められる。

また、高評価のコンテンツであるコンテンツＡとコンテンツＤの表出の時系列データから求められた代表値のうち、コンテンツＢ，Ｃ，Ｅの表出の時系列データから求められた代表値と比べて明確な差のある代表値が求められ、その代表値を有する表出が高評価指標の表出として特定される。

高評価指標として特定される表出は１種類であってもよいし、複数種類であってもよい。また、時系列データから求められた代表値を比較することによって特定されるのではなく、時系列パターンを変化パターンとして扱い、時系列パターンのマイニングを行うことによって高評価指標の表出が特定されるようにしてもよい。時系列パターンのマイニングについては、例えば、“E. Keogh and S. Kasetty, “On the Need for Time Series Data Mining Benchmarks: A Survey and Empirical Demonstration”, Data Mining and Knowledge Discovery, vol.7, pp.349-371 (2003)”に記載されている。

以上のようにして特定された高評価指標の表出情報と、それぞれのコンテンツに対するユーザの評価、ユーザの視聴履歴を表す情報は、表出情報処理部１３から送信部１５に供給される。

送信部１５は、表出情報処理部１３から供給された高評価指標の表出情報と、それぞれのコンテンツに対するユーザの評価、ユーザの視聴履歴を表す情報をサーバ２に送信する。

受信部１６は、サーバ２から送信された推薦コンテンツの情報を受信し、受信した情報をコンテンツ推薦部１７に出力する。

コンテンツ推薦部１７は、受信部１６から供給された情報に基づいて、サーバ２により特定された推薦コンテンツの情報をテレビジョン受像機３１などに表示し、ユーザに提示する。

推薦コンテンツの情報として、例えば、推薦コンテンツのタイトル、販売元、概要の情報の他に、推薦コンテンツのうち、クライアント１のユーザにとって評価が高いであろうと考えられる部分（シーン）のサムネイル画像が表示される。サーバ２においては、推薦コンテンツのうち、クライアント１のユーザにとって評価が高いであろうと考えられる部分を特定することも行われる。

サーバ２の受信部２１は、クライアント１の送信部１５から送信された高評価指標の表出情報と、それぞれのコンテンツに対するユーザの評価、ユーザの視聴履歴を表す情報を受信し、受信した情報を表出情報DB２２に記憶させる。

上述したように、サーバ２には、クライアント１と同様の構成を有する端末が複数接続されている。それぞれの端末から送信された情報が受信されることにより、表出情報DB２２には、それぞれのユーザの高評価指標となる表出の表出情報と、コンテンツに対する評価、視聴履歴を表す情報が記憶される。

類似パターングループ特定部２３は、表出情報DB２２に記憶されている情報により表されるそれぞれのユーザの評価に基づいて、評価が類似するユーザを特定する。例えば、評価が類似するか否かは、同じコンテンツについての評価の一致度が求められ、求められた一致度と閾値を比較することによって判断される。

図５は、コンテンツに対するユーザの評価と視聴履歴の例を示す図である。

図５には、コンテンツＡ乃至Ｇに対するユーザ１乃至５の評価と視聴履歴が示されている。ユーザ１はクライアント１のユーザであるとする。

図５において、白抜きの丸印は、視聴済みであり、高い評価をしていることを表し、バツ印は、視聴済みであるが、高い評価をしていないことを表す。空欄は、視聴が行われていない未経験のコンテンツであることを表す。

例えば、ユーザ１はコンテンツＡ，Ｂ，Ｅを視聴済みであり、そのうちのコンテンツＡ，Ｅに対して高い評価をし、コンテンツＢに対して高い評価をしていないことになる。また、ユーザ２はコンテンツＡ，Ｄ，Ｅ，Ｆを視聴済みであり、そのうちのコンテンツＡ，Ｄ，Ｅに対して高い評価をし、コンテンツＦに対して高い評価をしていないことになる。ユーザ３はコンテンツＡ，Ｄ，Ｅ，Ｆ，Ｇを視聴済みであり、そのうちのコンテンツＡ，Ｄ，Ｅ，Ｇに対して高い評価をし、コンテンツＦに対して高い評価をしていないことになる。

この場合、ユーザ１、ユーザ２、ユーザ３は、同じコンテンツであるコンテンツＡとコンテンツＥに対して高い評価をしており、一致度が高いため、評価が類似するユーザとして特定される。

図１の説明に戻り、また、類似パターングループ特定部２３は、同じコンテンツに対する高評価指標の表出の時系列データのパターンが類似するユーザのグループを表出情報DB２２に記憶されている表出情報に基づいて特定する。ここでは、高評価指標の表出の種類が異なるユーザであっても、その時系列データのパターンが類似していれば同じグループに属するユーザとなる。

同じグループに属するユーザは、表出の仕方は違うかもしれないが、同じコンテンツの再生中に、同じ部分（シーン）で、同じような度合いの表出をするユーザ、すなわち、同じような部分でおもしろいと感じたり、ものすごくおもしろいと感じたり、つまらないと感じたりするユーザとなる。

高評価指標の表出の時系列データのパターンが類似するか否かは、例えば、時系列データのパターンに対して所定の方法でクラスタリングを行ったり、時系列データのパターンの相互相関を求めたりして判断される。

図６は、コンテンツＡに対する高評価指標の表出の時系列データの例を示す図である。

図６の例においては、ユーザ１乃至３の高評価指標の表出の時系列データのパターンが示されている。クライアント１のユーザであるユーザ１は笑顔が高評価指標のユーザである。ユーザ２は拍手が高評価指標のユーザであり、ユーザ３は笑顔が高評価指標のユーザである。

ユーザ１乃至３の高評価指標の表出の時系列データのパターンが図６に示されるようなものである場合、ユーザ１の高評価指標の表出の時系列データのパターンと、ユーザ２の高評価指標の表出の時系列データのパターンは類似するから、ユーザ１とユーザ２は、同じグループに属するユーザとなる。以下、適宜、同じコンテンツに対する高評価指標の表出の時系列データのパターンが類似するユーザのグループを類似パターングループという。

コンテンツＡの再生中、同じような部分で、ユーザ１は笑い、ユーザ２は拍手をすることになる。ユーザ１の笑いの度合いも、ユーザ２の拍手の度合いも、正規化すれば同じような度合いとなる。

一方、ユーザ１とユーザ３は同じ類似パターングループに属するユーザではないから、コンテンツＡの再生中、ユーザ１とユーザ３は違う部分で、または、違う度合いで、笑うことになる。

類似パターングループ特定部２３は、以上のようにして特定した、評価が類似するユーザの情報と、類似パターングループの情報を推薦コンテンツ特定部２４に出力する。

推薦コンテンツ特定部２４は、類似パターングループ特定部２３から供給された情報により表される、同じ類似パターングループに属するユーザの高評価指標の時系列データを表出情報DB２２から読み出す。推薦コンテンツ特定部２４は、読み出した時系列データを参照して、評価が類似するユーザによって高い評価がなされているコンテンツ全体のうちの、高評価の部分を特定する。

例えば、同じ類似パターングループに属するユーザのうちの一定数以上のユーザが高い評価をしている部分が高評価の部分として特定される。

図７は、高評価の部分の特定の例を示す図である。

図７の上段に示す帯はコンテンツＡを表し、下段の波形は、コンテンツＡに対するユーザ１の高評価指標の時系列データを表す。下段の水平方向の点線は度合いの閾値を表す。

例えば、上述したようにクライアント１のユーザであるユーザ１がコンテンツＡに対して高い評価をしている場合、図７に示されるように、ユーザ１の高評価指標の時系列データを参照した場合には、コンテンツＡ全体のうち、斜線を付して示す、表出の度合いが閾値より大きくなる部分が、高評価の部分として特定される。

このような高評価の部分の特定が、ユーザ１と同じ類似パターングループに属するユーザの高評価指標の時系列データを参照して行われる。一定数以上のユーザが高い評価をするコンテンツＡの部分は、同じ類似パターングループに属するユーザであれば高い評価をすると考えられる部分となる。

それぞれの類似パターングループのユーザの高評価指標の時系列データが参照され、それぞれのコンテンツについて、高評価の部分が以上のようにして特定される。同じコンテンツであっても、類似パターングループが異なれば異なる部分が高評価の部分として特定されることになる。

また、推薦コンテンツ特定部２４は、類似パターングループ特定部２３から供給された情報に基づいて、コンテンツの推薦を受けるクライアント１のユーザと同じ類似パターングループに属する他のユーザを特定する。

推薦コンテンツ特定部２４は、表出情報DB２２に記憶されている情報により表されるそれぞれのユーザの評価、視聴履歴に基づいて、クライアント１のユーザが未経験のコンテンツであって、特定した他のユーザが高い評価をしているコンテンツを推薦コンテンツとして特定する。この推薦コンテンツの特定は、例えば、所定のタイミングでクライアント１からコンテンツの推薦が要求されたときに行われる。

図５に示されるような評価、視聴履歴が得られている場合、推薦コンテンツ特定部２４においては、クライアント１のユーザであるユーザ１と評価が類似するユーザとしてユーザ２，３が特定され、そのうちの高評価指標の時系列データのパターンが類似するユーザとして図６に示されるようにユーザ２が特定される。

また、ユーザ１が未経験のコンテンツであって、ユーザ２が高い評価をしているコンテンツであるコンテンツＤが推薦コンテンツとして特定される。ユーザ１と評価は類似するが、高評価指標の時系列データのパターンが類似しないユーザ３が高い評価をしているコンテンツＧは、推薦コンテンツとしては選択されない。

推薦コンテンツ特定部２４は、推薦コンテンツのタイトル、販売元、概要などの情報をコンテンツDB２５から読み出すとともに、上述したようにして特定した、推薦コンテンツの高評価の部分の先頭フレームのサムネイル画像をコンテンツDB２５から読み出す。推薦コンテンツ特定部２４は、読み出したそれらの情報を送信部２６に出力する。

サムネイル画像ではなく、高評価の部分がつなぎ合わされて推薦コンテンツのダイジェストが生成され、生成されたダイジェストが出力されるようにしてもよい。

送信部２６は、推薦コンテンツ特定部２４から供給された情報をクライアント１に送信する。

ここで、以上のような構成を有するクライアント１とサーバ２の処理について説明する。

はじめに、図８のフローチャートを参照して、コンテンツを再生するクライアント１の処理について説明する。この処理は、例えば、所定のコンテンツの再生がユーザにより指示されたときに開始される。

ステップＳ１において、クライアント１の表出情報処理部１３は、コンテンツDB１２から読み出したコンテンツを再生する。

ステップＳ２において、表出検出部１１は、マイクロフォン３２やカメラ３３からの出力に基づいて、コンテンツを視聴しているユーザの表出を検出し、表出情報を表出情報処理部１３に出力する。

ステップＳ３において、表出情報処理部１３は、表出検出部１１から供給された表出情報を表出情報DB１４に記憶させる。

ステップＳ４において、表出情報処理部１３は、コンテンツの再生が終了したか否かを判定し、終了していないと判定した場合、ステップＳ１に戻り、以上の処理を繰り返す。

一方、コンテンツの再生が終了したとステップＳ４において判定した場合、ステップＳ５において、表出情報処理部１３は、再生を行ったコンテンツに対するユーザの評価を取得し、表出情報とともに表出情報DB１４に記憶させる。その後、処理は終了される。

以上においては、コンテンツに対する評価として、ユーザによって入力された数字が設定されるものとしたが、高評価をしたと考えられる操作が行われたコンテンツに対して、高い評価が設定されるようにしてもよい。例えば、再生が複数回行われたコンテンツ、削除プロテクトが設定されたコンテンツ、ダビングが行われたコンテンツに対して、高い評価が設定される。

また、コンテンツを検索するときにユーザによりキーワードとして入力された俳優の名前などの単語と同じ単語をメタデータに含むコンテンツに対して高い評価が設定されるようにしてもよい。それぞれのコンテンツには、タイトル、販売元、出演者、概要などの各種のメタデータが付加されている。

さらに、クライアント１のユーザが過去にサーバ２によるコンテンツの推薦を受けている場合、クライアント１のユーザが推薦を受け入れ、購入操作や再生操作などを行ったコンテンツのメタデータと同じメタデータを有するコンテンツに対して高い評価が設定されるようにしてもよい。

次に、図９のフローチャートを参照して、高評価指標の表出を特定するクライアント１の処理について説明する。

ステップＳ１１において、表出情報処理部１３は、表出情報DB１４に記憶されている表出の時系列データをそれぞれ正規化し、それぞれの表出の代表値を求める。

ステップＳ１２において、表出情報処理部１３は、高評価のコンテンツの表出情報から求められた表出の代表値と、高評価がされていないコンテンツの表出情報から求められた表出の代表値を比較し、高評価指標となる表出を高評価のコンテンツ毎に特定する。表出情報処理部１３は、特定した高評価指標の表出情報と、それぞれのコンテンツに対するユーザの評価、ユーザの視聴履歴を表す情報を送信部１５に出力する。

ステップＳ１３において、送信部１５は、表出情報処理部１３から供給された情報をサーバ２に送信し、処理を終了させる。

代表値が比較されることによって高評価指標となる表出が特定されるのではなく、視聴済みのコンテンツのメタデータの中に、過去に検索に用いられたキーワードと同じ単語が含まれる場合は、その視聴済みのコンテンツに特徴的な表出が高評価指標の表出として特定されるようにしてもよい。

また、サーバ２により推薦されたコンテンツをクライアント１のユーザが受け入れた場合、そのコンテンツのメタデータと同じメタデータが視聴済みのコンテンツに含まれるときには、その視聴済みのコンテンツに特徴的な表出が高評価指標の表出として特定されるようにしてもよい。

次に、図１０のフローチャートを参照して、クライアント１から送信された情報を受信するサーバ２の処理について説明する。

ステップＳ２１において、サーバ２の受信部２１は、クライアント１から送信された高評価指標の表出情報と、それぞれのコンテンツに対するユーザの評価、ユーザの視聴履歴を表す情報を受信する。

ステップＳ２２において、受信部２１は、受信した情報を表出情報DB２２に記憶させ、処理を終了させる。

以上の処理が、クライアント１と同様の構成を有する端末から情報が送信されてくる毎に行われる。サーバ２の表出情報DB２２には、複数のユーザの高評価指標の情報、コンテンツに対する評価、視聴履歴の情報が記憶される。

次に、図１１のフローチャートを参照して、コンテンツの推薦を行うサーバ２の処理について説明する。

ステップＳ３１において、類似パターングループ特定部２３は、表出情報DB２２に記憶されているそれぞれのユーザの評価、視聴履歴の情報に基づいて、評価が類似するユーザを特定する。

ステップＳ３２において、類似パターングループ特定部２３は、同じコンテンツに対する高評価指標の表出の時系列データのパターンが類似するユーザからなる類似パターングループを特定する。

ステップＳ３３において、推薦コンテンツ特定部２４は、同じ類似パターングループに属するユーザの高評価指標の時系列データのパターンを参照して、評価が類似するユーザによって高い評価がなされているコンテンツ全体のうちの高評価の部分を特定する。

ステップＳ３４において、推薦コンテンツ特定部２４は、クライアント１のユーザが未経験のコンテンツであって、クライアント１のユーザと同じ類似パターングループに属する他のユーザが高い評価をするコンテンツを推薦コンテンツとして特定する。推薦コンテンツ特定部２４は、推薦コンテンツの情報を送信部２６に出力する。

ステップＳ３５において、送信部２６は、推薦コンテンツ特定部２４から供給された情報をクライアント１に送信し、処理を終了させる。

次に、図１２のフローチャートを参照して、サーバ２から送信された情報を受信し、推薦結果を表示するクライアント１の処理について説明する。この処理は、クライアント１による要求に応じて推薦コンテンツの情報がサーバ２から送信されたときに開始される。

ステップＳ４１において、クライアント１の受信部１６は、サーバ２から送信された推薦コンテンツの情報を受信し、受信した情報をコンテンツ推薦部１７に出力する。

ステップＳ４２において、コンテンツ推薦部１７は、サーバ２により特定された推薦コンテンツの情報をテレビジョン受像機３１に表示し、ユーザに提示する。その後、処理は終了される。

以上の処理により、サーバ２は、それぞれのユーザの表出を考慮して協調フィルタリングを行い、コンテンツを推薦することができる。

以上においては、同じ類似パターングループに属するユーザの高評価指標の時系列データを参照して特定された高評価の部分は、推薦コンテンツの情報としてサムネイル画像を取得したり、ダイジェストを生成したりするために用いられるものとしたが、高評価の部分を表す情報がメタデータとしてコンテンツに付加されるようにしてもよい。

これにより、図１３に示されるように、同じコンテンツに対して、類似パターングループ毎に、異なる部分を表すメタデータが付加されることになる。

図１３において、見所Ａとして示される上向き矢印は、同じ類似パターングループであるグループＡに属するユーザの高評価指標の時系列データが参照されて特定されたコンテンツＡの高評価の部分を表し、見所Ｂとして示される上向き矢印は、グループＢに属するユーザの高評価指標の時系列データが参照されて特定されたコンテンツＡの高評価の部分を表す。見所Ｃとして示される上向き矢印は、グループＣに属するユーザの高評価指標の時系列データが参照されて特定されたコンテンツＡの高評価の部分を表す。

このように、１つのコンテンツに対して類似パターングループの数と同じ数の高評価部分を表すメタデータが付加される。付加されたメタデータは、コンテンツに付加されているメタデータに基づいてフィルタリングを行うCBF(Content Based Filtering)に利用したり、類似コンテンツの提示に利用したりすることができる。すなわち、コンテンツに対する全体的な評価だけではなく、時系列での見所を特定し、ユーザに合った見所を提示することが可能になる。

また、以上においては、クライアント１のユーザの高評価指標の特定はクライアント１において行われるものとしたが、サーバ２において行われるようにしてもよい。この場合、クライアント１により取得された表出情報はサーバ２に送信され、高評価指標の特定に用いられる。

図１４は、コンテンツ推薦システムの他の構成例を示すブロック図である。図１４において、図１に示される構成と同じ構成には同じ符号を付してある。重複する説明については適宜省略する。

図１４のクライアント１は、コンテクスト特定部１８をさらに有している点で、図１のクライアント１と異なる。図１４のクライアント１においては、コンテンツを再生しているときのコンテクスト（状況）と、クライアント１のユーザがコンテンツの推薦を受けるときのコンテクストがコンテクスト特定部１８により特定される。

コンテクストの違いには、夫と一緒にコンテンツを視聴している、子供と一緒にコンテンツを視聴している、一人でコンテンツを視聴している、といったように、コンテンツを一緒に視聴している人の違いや、視聴している部屋の違いなどが含まれる。

すなわち、このようなコンテクストの違いによってユーザの表出は異なってくると考えられるから、上述したような表出だけでなく、コンテクストも考慮されて、コンテンツの推薦などが行われる。コンテクストの違いも、カメラ３３によって撮影された画像などに基づいて特定される。

クライアント１の表出検出部１１は、コンテンツの再生中、コンテンツを視聴しているユーザを撮影して得られた画像や、集音して得られたユーザの音声に基づいて、ユーザが示す複数種類の表出を、コンテンツを視聴しているユーザ毎に、所定の間隔で検出する。

図１５は、コンテンツ再生中の様子を示す他の図である。

図１５の例においては、ユーザ１とユーザ２が一緒にコンテンツを視聴している。この場合、ユーザ１とユーザ２のそれぞれの表出が表出検出部１１により検出される。

図１６は、表出検出部１１により検出される表出の時系列データの例を示す図である。

図１６の例においては、笑顔、顔をしかめる、拍手、独り言のそれぞれの表出の時系列データとして、ユーザ１のものと、ユーザ２のものが示されている。

このようなユーザ毎の表出を表す表出情報が表出検出部１１により取得され、表出情報処理部１３に供給される。

図１４の説明に戻り、コンテクスト特定部１８は、カメラ３３により撮影された画像を対象として画像認識を行い、何人でコンテンツを視聴しているのか、誰とコンテンツを視聴しているのかなどのコンテクストを特定する。コンテクストを特定するために必要な情報はコンテクスト特定部１８にあらかじめ与えられている。コンテクスト特定部１８は、特定したコンテクストを表す情報を表出情報処理部１３に出力する。

表出情報処理部１３は、表出検出部１１から供給された表出情報を、コンテクスト特定部１８により特定されたコンテクスト毎に、異なるプロファイルとして表出情報DB１４に記憶させる。例えば、同じコンテンツについての表出情報であっても、１人で視聴しているときの分の表出情報と、２人で視聴しているときの分の表出情報とで分けて表出情報DB１４に記憶されることになる。

表出情報処理部１３は、コンテンツに対するユーザの評価を取得し、取得した評価を、コンテクスト毎に異なるプロファイルとして記憶されている表出情報と対応づけて表出情報DB１４に記憶させる。

表出情報処理部１３は、表出情報DB１４に記憶されている評価と、コンテクスト毎に異なるプロファイルとして記憶されている表出情報に基づいて高評価指標の表出を特定する。表出情報処理部１３により、コンテクスト毎に、高評価指標となる表出が特定されることになる。

送信部１５は、表出情報処理部１３により特定されたコンテクスト毎の高評価指標の表出情報と、それぞれのコンテンツに対するユーザの評価、ユーザの視聴履歴を表す情報をサーバ２に送信し、コンテンツの推薦を要求する。

受信部１６は、サーバ２から送信された推薦コンテンツの情報を受信し、受信した情報をコンテンツ推薦部１７に出力する。

コンテンツ推薦部１７は、受信部１６から供給された情報に基づいて、サーバ２により特定された推薦コンテンツの情報をユーザに提示する。

サーバ２側の構成は、図１に示されるサーバ２の構成と同じ構成である。すなわち、サーバ２の受信部２１は、クライアント１の送信部１５から送信された、コンテクスト毎の高評価指標の表出情報と、それぞれのコンテンツに対するユーザの評価、ユーザの視聴履歴を表す情報を受信し、受信した情報を表出情報DB２２に記憶させる。

サーバ２においては、１人のユーザに対して、コンテクストの数と同じ数のプロファイル（表出情報）が収集されることになる。

類似パターングループ特定部２３は、表出情報DB２２に記憶されている情報に基づいて、評価が類似するユーザと類似パターングループを特定し、評価が類似するユーザの情報と類似パターングループの情報を推薦コンテンツ特定部２４に出力する。

推薦コンテンツ特定部２４は、同じ類似パターングループに属するユーザの高評価指標の時系列データを参照し、評価が類似するユーザによって高い評価がなされているコンテンツ全体のうちの高評価の部分を特定する。また、推薦コンテンツ特定部２４は、コンテンツの推薦を受けるクライアント１のユーザと同じ類似パターングループに属する他のユーザを特定する。

推薦コンテンツ特定部２４は、クライアント１のユーザが未経験のコンテンツであって、特定した他のユーザが高い評価をしているコンテンツを推薦コンテンツとして特定し、特定した推薦コンテンツの情報を送信部２６に出力する。

コンテクスト毎に異なるプロファイルとして扱われた表出情報に基づいて類似パターングループの特定などが行われているから、ここで特定された推薦コンテンツは、コンテクストの違いを考慮したものになる。

送信部２６は、推薦コンテンツ特定部２４から供給された情報をクライアント１に送信する。

ここで、図１４のクライアント１の処理について説明する。なお、図１４のサーバ２の処理は、上述した図１のサーバ２の処理と基本的に同様の処理である。

はじめに、図１７のフローチャートを参照して、コンテンツを再生するクライアント１の処理について説明する。

ステップＳ１０１において、クライアント１のコンテクスト特定部１８は、カメラ３３により撮影された画像に基づいてコンテクストを特定し、特定したコンテクストを表す情報を表出情報処理部１３に出力する。

ステップＳ１０２において、表出情報処理部１３は、コンテンツDB１２から読み出したコンテンツを再生する。

ステップＳ１０３において、表出検出部１１は、マイクロフォン３２やカメラ３３からの出力に基づいて、コンテンツを視聴しているユーザ毎の表出を検出し、表出情報を表出情報処理部１３に出力する。

ステップＳ１０４において、表出情報処理部１３は、表出検出部１１から供給された表出情報を、コンテクスト特定部１８により特定されたコンテクスト毎に表出情報DB１４に記憶させる。

ステップＳ１０５において、表出情報処理部１３は、コンテンツの再生が終了したか否かを判定し、終了していないと判定した場合、ステップＳ１０２に戻り、以上の処理を繰り返す。

一方、コンテンツの再生が終了したとステップＳ１０５において判定した場合、ステップＳ１０６において、表出情報処理部１３は、再生を行ったコンテンツに対するユーザの評価を取得し、表出情報とともに表出情報DB１４に記憶させる。その後、処理は終了される。

次に、図１８のフローチャートを参照して、高評価指標の表出を特定するクライアント１の処理について説明する。

ステップＳ１１１において、表出情報処理部１３は、表出の時系列データをそれぞれ正規化し、それぞれの表出の代表値を求める。

ステップＳ１１２において、表出情報処理部１３は、高評価のコンテンツの表出情報から求められたそれぞれの表出の代表値と、高評価がされていないコンテンツの表出情報から求められたそれぞれの表出の代表値を比較し、高評価指標となる表出をコンテクスト毎に特定する。

ステップＳ１１３において、送信部１５は、コンテクスト毎に特定された高評価指標の表出情報と、それぞれのコンテンツに対するユーザの評価、ユーザの視聴履歴を表す情報をサーバ２に送信し、処理を終了させる。

次に、図１９のフローチャートを参照して、サーバ２から送信された情報を受信し、推薦結果を表示するクライアント１の処理について説明する。

ステップＳ１２１において、クライアント１のコンテクスト特定部１８は、カメラ３３により撮影された画像に基づいてコンテクストを特定し、特定したコンテクストを表す情報を表出情報処理部１３に出力する。

ステップＳ１２２において、表出情報処理部１３は、コンテクスト特定部１８により特定されたコンテクストに応じたプロファイルを用いてコンテンツの推薦を行うことを、送信部１５を制御してサーバ２に要求する。

サーバ２においては、この要求に応じて、クライアント１から提供されたプロファイルのうち、コンテクスト特定部１８により特定されたコンテクストに応じたプロファイルを用いて推薦コンテンツの特定が行われる。特定された推薦コンテンツの情報は、サーバ２からクライアント１に対して送信される。

ステップＳ１２３において、クライアント１の受信部１６は、サーバ２から送信された推薦コンテンツの情報を受信し、受信した情報をコンテンツ推薦部１７に出力する。

ステップＳ１２４において、コンテンツ推薦部１７は、サーバ２により特定された推薦コンテンツの情報を表示し、ユーザに提示する。その後、処理は終了される。

以上の処理により、サーバ２は、それぞれのユーザの表出に加えて、コンテクストを考慮して協調フィルタリングを行い、コンテンツを推薦することができる。

以上においては、高評価の指標となる表出が特定され、推薦コンテンツの特定に用いられるものとしたが、高評価の指標となる表出だけでなく、低評価の指標となる表出が特定されるようにしてもよい。

低評価の指標となる表出の情報をサーバ側が取得していることにより、例えば、コンテンツを順次推薦するサーバは、低評価の指標となる表出が検出される毎に、別趣向のコンテンツに方略を切り替えてコンテンツを推薦することができる。

また、インターネットショッピングサービスを提供するサーバにおいて、ユーザ毎に、最後に購入に至った表出と至らなかった表出を区別して管理しておき、購入に至らない表出のパターンになったら即座に推薦の方略を変更することもできる。

さらに、視聴率調査の手法として、ユーザの表出から、対象のコンテンツを好きで見ているのか嫌々見ているのかをクライアント側において判別し、その情報を取得したサーバにおいて、好きで見ているユーザの率と嫌々見ているユーザの率を算出するといったように、表出ベースで視聴率（高感度）を算出するようにしてもよい。

以上の処理は、表出の時系列データではなく、コンテンツを視聴しているときにユーザが示す生体反応の時系列データを用いて実現することも可能である。この場合、コンテンツを視聴しているユーザの体には脈拍や脳波などの生体反応を測定する測定器が取り付けられ、生体反応の時系列データが取得される。

生体反応も、表出と同様にユーザのコンテンツに対する感じ方を表すと考えられるから、生体反応の時系列データを用いることによっても、上述した処理を実現することが可能となる。

上述した一連の処理は、ハードウエアにより実行することもできるし、ソフトウエアにより実行することもできる。一連の処理をソフトウエアにより実行する場合には、そのソフトウエアを構成するプログラムが、専用のハードウエアに組み込まれているコンピュータ、または、各種のプログラムをインストールすることで、各種の機能を実行することが可能な汎用のパーソナルコンピュータなどに、プログラム記録媒体からインストールされる。

図２０は、上述した一連の処理をプログラムにより実行するコンピュータのハードウエアの構成例を示すブロック図である。

図１、図１４に示されるクライアント１とサーバ２の構成の少なくとも一部も、図２０に示されるような構成を有するコンピュータのCPU(Central Processing Unit)５１により、所定のプログラムが実行されることによって実現される。

CPU５１、ROM(Read Only Memory)５２、RAM(Random Access Memory)５３は、バス５４により相互に接続されている。

バス５４には、さらに、入出力インタフェース５５が接続されている。入出力インタフェース５５には、キーボード、マウス、マイクロフォンなどよりなる入力部５６、ディスプレイ、スピーカなどよりなる出力部５７、ハードディスクや不揮発性のメモリなどよりなる記憶部５８、ネットワークインタフェースなどよりなる通信部５９、光ディスクや半導体メモリなどのリムーバブルメディア６１を駆動するドライブ６０が接続されている。

以上のように構成されるコンピュータでは、CPU５１が、例えば、記憶部５８に記憶されているプログラムを入出力インタフェース５５及びバス５４を介してRAM５３にロードして実行することにより、上述した一連の処理が行われる。

CPU５１が実行するプログラムは、例えばリムーバブルメディア６１に記録して、あるいは、ローカルエリアネットワーク、インターネット、デジタル放送といった、有線または無線の伝送媒体を介して提供され、記憶部５８にインストールされる。

なお、コンピュータが実行するプログラムは、本明細書で説明する順序に沿って時系列に処理が行われるプログラムであっても良いし、並列に、あるいは呼び出しが行われたとき等の必要なタイミングで処理が行われるプログラムであっても良い。

本発明の実施の形態は、上述した実施の形態に限定されるものではなく、本発明の要旨を逸脱しない範囲において種々の変更が可能である。

本発明の一実施形態に係るコンテンツ推薦システムの構成例を示すブロック図である。 コンテンツ再生中の様子を示す図である。 表出の時系列データの例を示す図である。 表出情報DBに記憶される情報の例を示す図である。 コンテンツに対するユーザの評価と視聴履歴の例を示す図である。 高評価指標の表出の時系列データの例を示す図である。 高評価の部分の特定の例を示す図である。 クライアントのコンテンツ再生処理について説明するフローチャートである。 クライアントの高評価指標特定処理について説明するフローチャートである。 サーバの受信処理について説明するフローチャートである。 サーバのコンテンツ推薦処理について説明するフローチャートである。 クライアントの推薦結果表示処理について説明するフローチャートである。 メタデータの例を示す図である。 コンテンツ推薦システムの他の構成例を示すブロック図である。 コンテンツ再生中の様子を示す他の図である。 表出の時系列データの例を示す図である。 クライアントのコンテンツ再生処理について説明するフローチャートである。 クライアントの高評価指標特定処理について説明するフローチャートである。 クライアントの推薦結果表示処理について説明するフローチャートである。 コンピュータのハードウエア構成例を示すブロック図である。

符号の説明

１ クライアント， ２ サーバ， １１ 表出検出部， １２ コンテンツDB， １３ 表出情報処理部， １４ 表出情報DB， １５ 送信部， １６ 受信部， １７ コンテンツ推薦部， １８ コンテクスト特定部， ２１ 受信部， ２２ 表出情報DB， ２３ 類似パターングループ特定部， ２４ 推薦コンテンツ特定部， ２５ コンテンツDB， ２６ 送信部

Claims (12)

1. コンテンツの再生中にユーザが示す、笑顔、しかめた顔、独り言、対話、拍手、貧乏ゆすり、タッピング、または姿勢の変化のうちの少なくとも１つを含む複数種類の表出の時系列データを検出する表出検出手段と、
   再生された各コンテンツに対する前記ユーザの評価を示す評価情報を取得する取得手段と、
   再生された各コンテンツに対して、取得された前記評価情報と、検出された前記ユーザの複数種類の表出の時系列データとを対応付けて保持する保持手段と、
   高評価のコンテンツの再生中にユーザが示した複数種類の表出のうち、高評価ではないコンテンツの再生中にユーザが示した複数種類の表出よりも顕著に検出されているものを高評価指標となる表出に特定する特定手段と、
   高評価のコンテンツに対応して特定された高評価指標となる表出の時系列データと、各コンテンツに対するユーザの評価を示す評価値を推薦参照情報として送信する送信手段と
   を備える複数の情報処理端末とネットワークを介して接続される情報処理装置において、
   複数の前記情報処理端末から送信された前記推薦参照情報を受信する受信手段と、
   受信された前記推薦参照情報に基づき、同一コンテンツに対して、第１の情報処理端末を利用する第１のユーザと類似する高評価指標の表出を示す前記第１のユーザとは異なる他のユーザを表出類似ユーザに特定するユーザ特定手段と、
   特定された前記表出類似ユーザにとって高評価のコンテンツを、前記第１のユーザに対する前記推薦コンテンツに決定する推薦コンテンツ決定手段と、
   決定された前記推薦コンテンツの情報を前記第１の情報処理端末に送信する送信手段と
   を備える情報処理装置。
2. 前記受信手段は、さらに、複数の前記情報処理端末から送信された、ユーザのコンテンツの視聴履歴を表す視聴得履歴情報を受信し、
   前記推薦コンテンツ決定手段は、前記第１のユーザが未視聴のコンテンツであって、前記表出類似ユーザにとって高評価のコンテンツを推薦コンテンツに決定する
   請求項１に記載の情報処理装置。
3. 前記ユーザ特定手段は、さらに、受信された前記推薦参照情報に基づき、複数のコンテンツに対して、前記第１のユーザと類似する評価を示した前記第１のユーザとは異なる他のユーザを評価類似ユーザに特定する
   請求項１に記載の情報処理装置。
4. 前記推薦コンテンツ決定手段は、特定された前記表出類似ユーザにとって高評価のコンテンツであって、かつ、特定された前記評価類似ユーザにとって高評価のコンテンツを、前記第１のユーザに対する前記推薦コンテンツに決定する
   請求項３に記載の情報処理装置。
5. 前記受信手段は、複数の前記情報処理端末から送信された、複数の前記情報処理端末により特定されたコンテンツの再生中の前記ユーザの状況を示すとして、少なくとも前記ユーザと一緒に前記コンテンツを視聴している人数の情報を含むコンテクスト毎の前記推薦参照情報を受信し、
   前記ユーザ特定手段は、受信されたコンテクスト毎の前記推薦参照情報に基づき、同一コンテンツに対して、第１の情報処理端末を利用する第１のユーザと類似する高評価指標の表出を示す前記第１のユーザとは異なる他のユーザを表出類似ユーザに特定する
   請求項１に記載の情報処理装置。
6. コンテンツの再生中にユーザが示す、笑顔、しかめた顔、独り言、対話、拍手、貧乏ゆすり、タッピング、または姿勢の変化のうちの少なくとも１つを含む複数種類の表出の時系列データを検出する表出検出手段と、
   再生された各コンテンツに対する前記ユーザの評価を示す評価情報を取得する取得手段と、
   再生された各コンテンツに対して、取得された前記評価情報と、検出された前記ユーザの複数種類の表出の時系列データとを対応付けて保持する保持手段と、
   高評価のコンテンツの再生中にユーザが示した複数種類の表出のうち、高評価ではないコンテンツの再生中にユーザが示した複数種類の表出よりも顕著に検出されているものを高評価指標となる表出に特定する特定手段と、
   高評価のコンテンツに対応して特定された高評価指標となる表出の時系列データと、各コンテンツに対するユーザの評価を示す評価値を推薦参照情報として送信する送信手段と
   を備える複数の情報処理端末とネットワークを介して接続される情報処理装置の情報処理方法において、
   前記情報処理装置が、
   複数の前記情報処理端末から送信された前記推薦参照情報を受信し、
   受信された前記推薦参照情報に基づき、同一コンテンツに対して、第１の情報処理端末を利用する第１のユーザと類似する高評価指標の表出を示す前記第１のユーザとは異なる他のユーザを表出類似ユーザに特定し、
   特定された前記表出類似ユーザにとって高評価のコンテンツを、前記第１のユーザに対する前記推薦コンテンツに決定し、
   決定された前記推薦コンテンツの情報を前記第１の情報処理端末に送信する
   ステップを含む情報処理方法。
7. コンテンツの再生中にユーザが示す、笑顔、しかめた顔、独り言、対話、拍手、貧乏ゆすり、タッピング、または姿勢の変化のうちの少なくとも１つを含む複数種類の表出の時系列データを検出する表出検出手段と、
   再生された各コンテンツに対する前記ユーザの評価を示す評価情報を取得する取得手段と、
   再生された各コンテンツに対して、取得された前記評価情報と、検出された前記ユーザの複数種類の表出の時系列データとを対応付けて保持する保持手段と、
   高評価のコンテンツの再生中にユーザが示した複数種類の表出のうち、高評価ではないコンテンツの再生中にユーザが示した複数種類の表出よりも顕著に検出されているものを高評価指標となる表出に特定する特定手段と、
   高評価のコンテンツに対応して特定された高評価指標となる表出の時系列データと、各コンテンツに対するユーザの評価を示す評価値を推薦参照情報として送信する送信手段と
   を備える複数の情報処理端末とネットワークを介して接続される情報処理装置の制御用のプログラムであって、
   複数の前記情報処理端末から送信された前記推薦参照情報を受信し、
   受信された前記推薦参照情報に基づき、同一コンテンツに対して、第１の情報処理端末を利用する第１のユーザと類似する高評価指標の表出を示す前記第１のユーザとは異なる他のユーザを表出類似ユーザに特定し、
   特定された前記表出類似ユーザにとって高評価のコンテンツを、前記第１のユーザに対する前記推薦コンテンツに決定し、
   決定された前記推薦コンテンツの情報を前記第１の情報処理端末に送信する
   ステップを含む処理を情報処理装置のコンピュータに実行させるためのプログラム。
8. コンテンツの再生中にユーザが示す、笑顔、しかめた顔、独り言、対話、拍手、貧乏ゆすり、タッピング、または姿勢の変化のうちの少なくとも１つを含む複数種類の表出の時系列データを検出する表出検出手段と、
   再生された各コンテンツに対する前記ユーザの評価を示す評価情報を取得する取得手段と、
   再生された各コンテンツに対して、取得された前記評価情報と、検出された前記ユーザの複数種類の表出の時系列データとを対応付けて保持する保持手段と、
   高評価のコンテンツの再生中にユーザが示した複数種類の表出のうち、高評価ではないコンテンツの再生中にユーザが示した複数種類の表出よりも顕著に検出されているものを高評価指標となる表出に特定する特定手段と、
   高評価のコンテンツに対応して特定された高評価指標となる表出の時系列データと、各コンテンツに対するユーザの評価を示す評価値を推薦参照情報として情報処理装置に送信する送信手段と、
   前記情報処理装置から送信された推薦コンテンツの情報を受信する受信手段と、
   受信された前記推薦コンテンツの情報に基づいて前記推薦コンテンツをユーザに提示する推薦手段と
   を備え、
   前記情報処理装置は、異なる複数の情報処理端末からそれぞれ送信された前記推薦参照情報に基づき、同一コンテンツに対して、前記ユーザと類似する高評価指標の表出を示す他のユーザを特定し、特定した前記他のユーザにとって高評価のコンテンツを、前記ユーザに対する前記推薦コンテンツに決定し、決定した前記推薦コンテンツの情報を送信するものである
   情報処理端末。
9. 前記送信手段は、さらに、前記ユーザによるコンテンツの視聴履歴を表す視聴履歴情報を前記情報処理装置に送信する
   請求項８に記載の情報処理端末。
10. コンテンツの再生中の前記ユーザの状況を示すコンテクストとして、少なくとも前記ユーザと一緒に前記コンテンツを視聴している人数を特定するコンテクスト特定手段を
    さらに備え、
    前記特定手段は、特定された異なるコンテクスト毎に、高評価のコンテンツの再生中にユーザが示した複数種類の表出のうち、高評価ではないコンテンツの再生中にユーザが示した複数種類の表出よりも顕著に検出されているものを高評価指標となる表出に特定する
    請求項８に記載の情報処理端末。
11. 情報処理端末の情報処理方法において、
    前記情報処置端末が、
    コンテンツの再生中にユーザが示す、笑顔、しかめた顔、独り言、対話、拍手、貧乏ゆすり、タッピング、または姿勢の変化のうちの少なくとも１つを含む複数種類の表出の時系列データを検出し、
    再生された各コンテンツに対する前記ユーザの評価を示す評価情報を取得し、
    再生された各コンテンツに対して、取得された前記評価情報と、検出された前記ユーザの複数種類の表出の時系列データとを対応付けて保持し、
    高評価のコンテンツの再生中にユーザが示した複数種類の表出のうち、高評価ではないコンテンツの再生中にユーザが示した複数種類の表出よりも顕著に検出されているものを高評価指標となる表出に特定し、
    高評価のコンテンツに対応して特定された高評価指標となる表出の時系列データと、各コンテンツに対するユーザの評価を示す評価値を推薦参照情報として情報処理装置に送信し、
    前記情報処理装置から送信された推薦コンテンツの情報を受信し、
    受信された前記推薦コンテンツの情報に基づいて前記推薦コンテンツをユーザに提示するステップを含み、
    前記情報処理装置は、異なる複数の情報処理端末からそれぞれ送信された前記推薦参照情報に基づき、同一コンテンツに対して、前記ユーザと類似する高評価指標の表出を示す他のユーザを特定し、特定した前記他のユーザにとって高評価のコンテンツを、前記ユーザに対する前記推薦コンテンツに決定し、決定した前記推薦コンテンツの情報を送信するものである
    情報処理方法。
12. 情報処理端末の制御用のプログラムであって、
    コンテンツの再生中にユーザが示す、笑顔、しかめた顔、独り言、対話、拍手、貧乏ゆすり、タッピング、または姿勢の変化のうちの少なくとも１つを含む複数種類の表出の時系列データを検出し、
    再生された各コンテンツに対する前記ユーザの評価を示す評価情報を取得し、
    再生された各コンテンツに対して、取得された前記評価情報と、検出された前記ユーザの複数種類の表出の時系列データとを対応付けて保持し、
    高評価のコンテンツの再生中にユーザが示した複数種類の表出のうち、高評価ではないコンテンツの再生中にユーザが示した複数種類の表出よりも顕著に検出されているものを高評価指標となる表出に特定し、
    高評価のコンテンツに対応して特定された高評価指標となる表出の時系列データと、各コンテンツに対するユーザの評価を示す評価値を推薦参照情報として情報処理装置に送信し、
    前記情報処理装置から送信された推薦コンテンツの情報を受信し、
    受信された前記推薦コンテンツの情報に基づいて前記推薦コンテンツをユーザに提示するステップを含み、
    前記情報処理装置は、異なる複数の情報処理端末からそれぞれ送信された前記推薦参照情報に基づき、同一コンテンツに対して、前記ユーザと類似する高評価指標の表出を示す他のユーザを特定し、特定した前記他のユーザにとって高評価のコンテンツを、前記ユーザに対する前記推薦コンテンツに決定し、決定した前記推薦コンテンツの情報を送信するものである
    処理を情報処理端末のコンピュータに実行させるためのプログラム。

Images