JP5013161B2 - 情報処理装置および情報処理方法、提供装置および提供方法、並びにプログラム - Google Patents

情報処理装置および情報処理方法、提供装置および提供方法、並びにプログラム Download PDF

Info

Publication number
JP5013161B2
JP5013161B2 JP2006051761A JP2006051761A JP5013161B2 JP 5013161 B2 JP5013161 B2 JP 5013161B2 JP 2006051761 A JP2006051761 A JP 2006051761A JP 2006051761 A JP2006051761 A JP 2006051761A JP 5013161 B2 JP5013161 B2 JP 5013161B2
Authority
JP
Japan
Prior art keywords
information
content
preference
numerical
user
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Expired - Fee Related
Application number
JP2006051761A
Other languages
English (en)
Other versions
JP2007233515A (ja
Inventor
拓也 西村
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Sony Corp
Original Assignee
Sony Corp
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Sony Corp filed Critical Sony Corp
Priority to JP2006051761A priority Critical patent/JP5013161B2/ja
Publication of JP2007233515A publication Critical patent/JP2007233515A/ja
Application granted granted Critical
Publication of JP5013161B2 publication Critical patent/JP5013161B2/ja
Expired - Fee Related legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Landscapes

  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Description

本発明は、情報処理装置および情報処理方法、提供装置および提供方法、並びにプログラムに関し、特に、ユーザの嗜好するコンテンツを正確に予測し、推薦することができるようにした情報処理装置および情報処理方法、提供装置および提供方法、並びにプログラムに関する。
近年、インターネットなどのネットワークの普及に伴い、ネットワーク上で販売されるコンテンツの種類や数が増加している。その一方で、ユーザの嗜好も多種多様化しており、ユーザが、ネットワーク上で販売される膨大な量のコンテンツの中から、自分が嗜好するコンテンツを探して、購入することは困難になっている。なお、コンテンツとは、画像や楽曲などのデータである。
また、従来、ヒットチャートなどのランキングが、コンテンツの購入における有力な情報源として利用されてきたが、上述したように販売されるコンテンツの種類や数が増加しているため、ヒットチャートの中から、自分が嗜好するコンテンツを探して、購入することは困難になっている。そこで、ユーザが嗜好するコンテンツを推薦する推薦装置が求められている。
ユーザの嗜好するコンテンツを推薦する方法としては、例えば、推薦候補であるコンテンツに対する、ユーザの嗜好を表す嗜好度を予測し、その嗜好度に基づいて、コンテンツを推薦する方法がある。
この方法においては、例えば、推薦候補とする番組のEPG情報中の文字列に含まれるキーワードと、そのキーワードについて予め計算された嗜好度とに基づいて、推薦候補の嗜好度が予測され、嗜好度が高い順に推薦候補を並べた推薦リストが作成される（例えば、特許文献１参照）。
なお、コンテンツに対するユーザの嗜好を表す情報としては、嗜好度のほか、図１に示す決定木などがある。図１は、楽曲に対するユーザの嗜好を表す決定木を表している。
図１に示すように、決定木は、判別ノード１−１と１−２が、ブランチ２−１乃至２−４を介してクラスノード３−１乃至３−３に接続されるツリー構造となっている。判別ノード１−１と１−２は、根および節に質問を行うノードであり、ブランチ２−１乃至２−４は、その質問に対する個別の回答（ケース）を表している。また、クラスノード３−１乃至３−３は、葉に対応し、判別対象が分類されるクラスを表している。
推薦装置は、楽曲の属性（の属性値）を、この決定木に適用することにより、その楽曲がどのクラスに属するかを判別(分類)することができる。
図１において、判別ノード「ジャンル？」１−１には、ブランチ「ジャズ」２−１を介して、クラスノード「好き」３−１が接続されている。従って、属性「ジャンル」の属性値が「ジャズ」である楽曲は、ユーザが嗜好する楽曲のクラスであるクラス「好き」に分類される。
また、判別ノード「ジャンル？」１−１には、ブランチ「クラッシック」２−２を介して、判別ノード「アーティスト？」１−２が接続されており、判別ノード「アーティスト？」１−２には、ブランチ「管弦一」を介して、クラスノード「好き」３−２が接続されている。従って、属性「ジャンル」の属性値が「クラッシック」である楽曲のうち、属性「アーティスト」の属性値が「管弦一」である楽曲は、クラス「好き」に分類される。
さらに、判別ノード「アーティスト？」１−２には、ブランチ「曲花子」を介して、クラスノード「嫌い」３−３が接続されている。従って、属性「ジャンル」の属性値が「クラッシック」である楽曲のうち、属性「アーティスト」の属性値が「曲花子」である楽曲は、ユーザが嗜好しない（嫌いな）楽曲のクラスであるクラス「嫌い」に分類される。
次に、図２のフローチャートを参照して、推薦装置が、図１の決定木を生成する決定木生成処理について説明する。
なお、推薦装置には、自分自身が記憶している各楽曲の属性Ａ´(いまの場合、ジャンル、アーティスト)ごとの属性値ｖA´（いまの場合、ジャズやクラッシック、管弦一や曲花子）と、各楽曲の視聴の有無を表す情報とが記憶されているものとする。
ステップＳ１において、推薦装置は、集合Ｃ´に含まれるすべての楽曲の視聴の有無が同一であるかどうかを判定する。なお、最初のステップＳ１では、集合Ｃ´は、推薦装置に記憶されているすべての楽曲の集合である。
ステップＳ１において、集合Ｃ´に含まれるすべての楽曲の視聴の有無が同一ではないと判定された場合、推薦装置は、各属性Ａ´の情報利得ＧA´を計算し、ステップＳ３に進む。ステップＳ３において、推薦装置は、ステップＳ２で計算された各情報利得ＧA´に対応する属性Ａ´のうち、最大の情報利得ＧA´maxに対応する属性Ａ´ｍａｘを選択し、ステップＳ４に進む。
ステップＳ４において、推薦装置は、判別ノード「属性Ａ´ｍａｘ？」を作成する。例えば、属性Ａ´ｍａｘが属性「ジャンル」である場合、推薦装置は、図１に示したように、判別ノード「ジャンル？」１−１を作成する。
ステップＳ４の処理後は、ステップＳ５に進み、推薦装置は、属性Ａ´ｍａｘの属性値ｖA´maxごとのブランチを生成し、ステップＳ４で作成された判別ノード「属性Ａ´ｍａｘ？」に接続する。例えば、推薦装置は、図１に示したように、属性Ａ´ｍａｘである属性「ジャズ」の属性値「ジャズ」のブランチ「ジャズ」２−１と、属性値「クラッシック」のブランチ「クラッシック」２−２を生成し、判別ノード「ジャンル？」１−１に接続する。
ステップＳ６において、推薦装置は、属性Ａ´ｍａｘの属性値ｖA´maxごとの部分集合ＣvA´maxを、集合Ｃ´に設定する。ステップＳ６の処理後は、ステップＳ１に戻り、部分集合ＣvA´maxごとに、ステップＳ２乃至Ｓ７の処理を行う。即ち、決定木生成処理のアルゴリズムは、再帰的アルゴリズムである。
一方、ステップＳ１において、集合Ｃ´に含まれるすべての楽曲の視聴の有無が同一であると判定された場合、ステップＳ７に進み、推薦装置は、視聴の有無に基づいて、クラスノードを生成し、集合Ｃ´に対応するブランチに接続する。
例えば、属性Ａ´ｍａｘである属性「ジャンル」の属性値「ジャズ」の部分集合ＣvA´maxのすべての楽曲の視聴が有である（すべての楽曲が視聴されている）場合、推薦装置は、図１に示したように、ノード「好き」を生成し、その部分集合ＣvA´maxに対応するブランチ「ジャズ」に接続する。また、属性Ａ´ｍａｘである属性「ジャンル」の属性値「ジャズ」の部分集合ＣvA´maxのすべての楽曲の視聴が無である（すべての楽曲が視聴されていない）場合、推薦装置は、図１に示したように、ノード「嫌い」を生成し、その部分集合ＣvA´maxに対応するブランチ「曲花子」に接続する。
なお、最初のステップＳ１の処理後のステップＳ７の処理では、集合Ｃ´に対応するブランチはないので、クラスノードはどこにも接続されない。
特開２００４−７２５０２号公報
しかしながら、特許文献１に記載されている方法では、コンテンツに関する情報のうち、数値で表される情報についての嗜好度は計算されないため、推薦候補の嗜好度を正確に予測することは困難である。その結果、ユーザの嗜好するコンテンツであるにもかかわらず、推薦されないものが存在する場合がある。
本発明は、このような状況に鑑みてなされたものであり、ユーザの嗜好するコンテンツを正確に予測し、推薦する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、コンテンツの視聴に関する情報である視聴情報を生成する視聴情報生成手段と、前記視聴情報に基づいて、前記コンテンツに関する、数値で表される情報である数値情報の数値の、ユーザの嗜好範囲を計算する範囲計算手段と、ベイズの定理に基づき、前記嗜好範囲を用いて、前記数値が前記嗜好範囲内にあるコンテンツが、前記ユーザが嗜好するコンテンツである確率を計算する確率計算手段と、前記確率と前記コンテンツの前記数値情報の数値に基づいて、前記嗜好範囲内の前記数値が前記数値の平均値から遠く、かつ、前記確率が高いほど大きくなる前記コンテンツの嗜好度を計算する嗜好度計算手段と、前記嗜好度が閾値より大きいコンテンツを前記ユーザが嗜好するコンテンツと判別することにより得られる前記コンテンツに対する前記ユーザの嗜好と、前記視聴情報に基づいて判別される前記コンテンツに対する前記ユーザの嗜好とに基づいて、前記数値情報の情報利得を計算する数値情報利得計算手段と、前記視聴情報に基づいて、前記コンテンツに関する、非数値で表される情報である非数値情報の情報利得を計算する非数値情報利得計算手段と、前記数値情報の情報利得と、前記非数値情報の情報利得とに基づいて、前記数値情報の情報利得が前記非数値情報の情報利得より大きい場合、前記嗜好度が前記閾値より大きいコンテンツを前記ユーザの嗜好するコンテンツとして表す嗜好情報を生成する嗜好情報生成手段とを備える。
この情報処理装置には、前記ユーザの嗜好するコンテンツに関する情報であるコンテンツ情報を提供する提供装置に、前記嗜好情報を送信する送信手段と、前記嗜好情報に基づいて前記提供装置から送信されてくる、前記コンテンツ情報を受信する受信手段と、前記コンテンツ情報をユーザに提示する提示手段とをさらに設けることができる。
本発明の第１の側面の情報処理方法は、コンテンツの視聴に関する情報である視聴情報を生成し、前記視聴情報に基づいて、前記コンテンツに関する、数値で表される情報である数値情報の数値の、ユーザの嗜好範囲を計算し、ベイズの定理に基づき、前記嗜好範囲を用いて、前記数値が前記嗜好範囲内にあるコンテンツが、前記ユーザが嗜好するコンテンツである確率を計算し、前記確率と前記コンテンツの前記数値情報の数値に基づいて、前記嗜好範囲内の前記数値が前記数値の平均値から遠く、かつ、前記確率が高いほど大きくなる前記コンテンツの嗜好度を計算し、前記嗜好度が閾値より大きいコンテンツを前記ユーザが嗜好するコンテンツと判別することにより得られる前記コンテンツに対する前記ユーザの嗜好と、前記視聴情報に基づいて判別される前記コンテンツに対する前記ユーザの嗜好とに基づいて、前記数値情報の情報利得を計算し、前記視聴情報に基づいて、前記コンテンツに関する、非数値で表される情報である非数値情報の情報利得を計算し、前記数値情報の情報利得と、前記非数値情報の情報利得とに基づいて、前記数値情報の情報利得が前記非数値情報の情報利得より大きい場合、前記嗜好度が前記閾値より大きいコンテンツを前記ユーザの嗜好するコンテンツとして表す嗜好情報を生成するステップを含む。
本発明の第１の側面のプログラムは、コンテンツの視聴に関する情報である視聴情報を生成し、前記視聴情報に基づいて、前記コンテンツに関する、数値で表される情報である数値情報の数値の、ユーザの嗜好範囲を計算し、ベイズの定理に基づき、前記嗜好範囲を用いて、前記数値が前記嗜好範囲内にあるコンテンツが、前記ユーザが嗜好するコンテンツである確率を計算し、前記確率と前記コンテンツの前記数値情報の数値に基づいて、前記嗜好範囲内の前記数値が前記数値の平均値から遠く、かつ、前記確率が高いほど大きくなる前記コンテンツの嗜好度を計算し、前記嗜好度が閾値より大きいコンテンツを前記ユーザが嗜好するコンテンツと判別することにより得られる前記コンテンツに対する前記ユーザの嗜好と、前記視聴情報に基づいて判別される前記コンテンツに対する前記ユーザの嗜好とに基づいて、前記数値情報の情報利得を計算し、前記視聴情報に基づいて、前記コンテンツに関する、非数値で表される情報である非数値情報の情報利得を計算し、前記数値情報の情報利得と、前記非数値情報の情報利得とに基づいて、前記数値情報の情報利得が前記非数値情報の情報利得より大きい場合、前記嗜好度が前記閾値より大きいコンテンツを前記ユーザの嗜好するコンテンツとして表す嗜好情報を生成するステップを含む処理をコンピュータに実行させる。
本発明の第２の側面の提供装置は、コンテンツに関する、非数値で表される情報である非数値情報が所定の情報であり、嗜好度が閾値より大きいコンテンツをユーザの嗜好するコンテンツとして表す嗜好情報を生成する情報処理装置から、前記嗜好情報を受信する受信手段と、所定のコンテンツの前記非数値情報および前記嗜好度、並びに前記嗜好情報に基づいて、前記非数値情報が前記所定の情報であり、前記嗜好度が前記閾値より大きいコンテンツを前記ユーザの嗜好するコンテンツとして選択する選択手段と、前記選択手段により選択されたコンテンツに関する情報であるコンテンツ情報を、前記情報処理装置に提供する提供手段とを備え、前記嗜好度は、ベイズの定理に基づき、コンテンツに関する、数値で表される数値情報の数値の前記ユーザの嗜好範囲を用いて計算された、前記数値が前記嗜好範囲内にあるコンテンツが、前記ユーザが嗜好するコンテンツである確率と、対象となるコンテンツの前記数値情報の数値とに基づいて、前記嗜好範囲内の前記対象となるコンテンツの数値が前記数値の平均値から遠く、かつ、前記確率が高いほど大きくなるように計算される。
この提供装置には、コンテンツのランキングに関する情報であるランキング情報を記憶する記憶手段をさらに設け、前記選択手段は、前記ランキング情報に基づいて、前記ランキングにランクインされたコンテンツのうち、ユーザの嗜好するコンテンツを選択することができる。
本発明の第２の側面の提供方法は、コンテンツに関する、非数値で表される情報である非数値情報が所定の情報であり、嗜好度が閾値より大きいコンテンツをユーザの嗜好するコンテンツとして表す嗜好情報を生成する情報処理装置から、前記嗜好情報を受信し、所定のコンテンツの前記非数値情報および前記嗜好度、並びに前記嗜好情報に基づいて、前記非数値情報が前記所定の情報であり、前記嗜好度が前記閾値より大きいコンテンツを前記ユーザの嗜好するコンテンツとして選択し、その選択されたコンテンツに関する情報であるコンテンツ情報を、前記情報処理装置に提供するステップを含み、前記嗜好度は、ベイズの定理に基づき、コンテンツに関する、数値で表される数値情報の数値の前記ユーザの嗜好範囲を用いて計算された、前記数値が前記嗜好範囲内にあるコンテンツが、前記ユーザが嗜好するコンテンツである確率と、対象となるコンテンツの前記数値情報の数値とに基づいて、前記嗜好範囲内の前記対象となるコンテンツの数値が前記数値の平均値から遠く、かつ、前記確率が高いほど大きくなるように計算される。
本発明の第２の側面のプログラムは、コンテンツに関する、非数値で表される情報である非数値情報が所定の情報であり、嗜好度が閾値より大きいコンテンツをユーザの嗜好するコンテンツとして表す嗜好情報を生成する情報処理装置から、前記嗜好情報を受信し、所定のコンテンツの前記非数値情報および前記嗜好度、並びに前記嗜好情報に基づいて、前記非数値情報が前記所定の情報であり、前記嗜好度が前記閾値より大きいコンテンツを前記ユーザの嗜好するコンテンツとして選択し、その選択されたコンテンツに関する情報であるコンテンツ情報を、前記情報処理装置に提供するステップを含み、前記嗜好度は、ベイズの定理に基づき、コンテンツに関する、数値で表される数値情報の数値の前記ユーザの嗜好範囲を用いて計算された、前記数値が前記嗜好範囲内にあるコンテンツが、前記ユーザが嗜好するコンテンツである確率と、対象となるコンテンツの前記数値情報の数値とに基づいて、前記嗜好範囲内の前記対象となるコンテンツの数値が前記数値の平均値から遠く、かつ、前記確率が高いほど大きくなるように計算される処理をコンピュータに実行させる。
本発明の第１の側面においては、コンテンツの視聴に関する情報である視聴情報が生成され、視聴情報に基づいて、コンテンツに関する、数値で表される情報である数値情報の数値の、ユーザの嗜好範囲が計算され、ベイズの定理に基づき、嗜好範囲を用いて、数値が嗜好範囲内にあるコンテンツが、ユーザが嗜好するコンテンツである確率が計算され、確率とコンテンツの数値情報の数値に基づいて、嗜好範囲内の数値が数値の平均値から遠く、かつ、確率が高いほど大きくなるコンテンツの嗜好度が計算され、嗜好度が閾値より大きいコンテンツをユーザが嗜好するコンテンツと判別することにより得られるコンテンツに対するユーザの嗜好と、視聴情報に基づいて判別されるコンテンツに対するユーザの嗜好とに基づいて、数値情報の情報利得が計算され、視聴情報に基づいて、コンテンツに関する、非数値で表される情報である非数値情報の情報利得が計算され、数値情報の情報利得と、非数値情報の情報利得とに基づいて、数値情報の情報利得が非数値情報の情報利得より大きい場合、嗜好度が閾値より大きいコンテンツをユーザの嗜好するコンテンツとして表す嗜好情報が生成される。
本発明の第２の側面においては、コンテンツに関する、非数値で表される情報である非数値情報が所定の情報であり、嗜好度が閾値より大きいコンテンツをユーザの嗜好するコンテンツとして表す嗜好情報を生成する情報処理装置から、嗜好情報が受信され、所定のコンテンツの非数値情報および嗜好度、並びに嗜好情報に基づいて、非数値情報が所定の情報であり、嗜好度が閾値より大きいコンテンツがユーザの嗜好するコンテンツとして選択され、その選択されたコンテンツに関する情報であるコンテンツ情報が、情報処理装置に提供される。なお、嗜好度は、ベイズの定理に基づき、コンテンツに関する、数値で表される数値情報の数値のユーザの嗜好範囲を用いて計算された、数値が嗜好範囲内にあるコンテンツが、ユーザが嗜好するコンテンツである確率と、対象となるコンテンツの数値情報の数値とに基づいて、嗜好範囲内の対象となるコンテンツの数値が数値の平均値から遠く、かつ、確率が高いほど大きくなるように計算される。
以上のように、本発明の第１の側面によれば、ユーザの嗜好を表す嗜好情報を生成することができる。また、本発明の第１の側面によれば、ユーザの嗜好を正確に表す嗜好情報を生成することができる。
さらに、本発明の第２の側面によれば、ユーザの嗜好するコンテンツを推薦することができる。また、本発明の第２の側面によれば、ユーザの嗜好するコンテンツを正確に予測し、推薦することができる。
以下に本発明の実施の形態を説明するが、本発明の構成要件と、明細書又は図面に記載の実施の形態との対応関係を例示すると、次のようになる。この記載は、本発明をサポートする実施の形態が、明細書又は図面に記載されていることを確認するためのものである。従って、明細書又は図面中には記載されているが、本発明の構成要件に対応する実施の形態として、ここには記載されていない実施の形態があったとしても、そのことは、その実施の形態が、その構成要件に対応するものではないことを意味するものではない。逆に、実施の形態が構成要件に対応するものとしてここに記載されていたとしても、そのことは、その実施の形態が、その構成要件以外の構成要件には対応しないものであることを意味するものでもない。
本発明の第１の側面の情報処理装置（例えば、図５のクライアント）は、第１に、
コンテンツの視聴に関する情報である視聴情報を生成する視聴情報生成手段（例えば、図５の視聴処理部５７）と、
前記視聴情報に基づいて、前記コンテンツに関する、数値で表される情報である数値情報の数値の、ユーザの嗜好範囲を計算する範囲計算手段と、
ベイズの定理に基づき、前記嗜好範囲を用いて、前記数値が前記嗜好範囲内にあるコンテンツが、前記ユーザが嗜好するコンテンツである確率を計算する確率計算手段と、
前記確率と前記コンテンツの前記数値情報の数値に基づいて、前記嗜好範囲内の前記数値が前記数値の平均値から遠く、かつ、前記確率が高いほど大きくなる前記コンテンツの嗜好度を計算する嗜好度計算手段と、
前記嗜好度が閾値より大きいコンテンツを前記ユーザが嗜好するコンテンツと判別することにより得られる前記コンテンツに対する前記ユーザの嗜好と、前記視聴情報に基づいて判別される前記コンテンツに対する前記ユーザの嗜好とに基づいて、前記数値情報の情報利得（例えば、数値情報利得Ｇｎ）を計算する数値情報利得計算手段（例えば、図５の数値情報利得計算部６１）と、
前記視聴情報に基づいて、前記コンテンツに関する、非数値で表される情報である非数値情報の情報利得を計算する非数値情報利得計算手段（例えば、図５の非数値情報利得計算部６２）と、
前記数値情報の情報利得と、前記非数値情報の情報利得（例えば、非数値情報利得ＧA）とに基づいて、前記数値情報の情報利得が前記非数値情報の情報利得より大きい場合、前記嗜好度が前記閾値より大きいコンテンツを前記ユーザの嗜好するコンテンツとして表す嗜好情報（例えば、決定木）を生成する嗜好情報生成手段（例えば、図５の決定木生成部６３）と
を備える。
本発明の第１の側面の情報処理装置は、第２に、
前記ユーザの嗜好するコンテンツに関する情報であるコンテンツ情報を提供する提供装置（例えば、図１３のサーバ１３）に、前記嗜好情報を送信する送信手段（例えば、図５の送信部５４）と、
前記嗜好情報に基づいて前記提供装置から送信されてくる、前記コンテンツ情報を受信する受信手段（例えば、図５の受信部５６）と、
前記コンテンツ情報をユーザに提示する提示手段（例えば、図５の表示部５８）と
をさらに備える。
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、
コンテンツの視聴に関する情報である視聴情報を生成し（例えば、図１２のステップＳ１１１）、
前記視聴情報に基づいて、前記コンテンツに関する、数値で表される情報である数値情報の数値の、ユーザの嗜好範囲を計算し、
ベイズの定理に基づき、前記嗜好範囲を用いて、前記数値が前記嗜好範囲内にあるコンテンツが、前記ユーザが嗜好するコンテンツである確率を計算し、
前記確率と前記コンテンツの前記数値情報の数値に基づいて、前記嗜好範囲内の前記数値が前記数値の平均値から遠く、かつ、前記確率が高いほど大きくなる前記コンテンツの嗜好度を計算し、
前記嗜好度が閾値より大きいコンテンツを前記ユーザが嗜好するコンテンツと判別することにより得られる前記コンテンツに対する前記ユーザの嗜好と、前記視聴情報に基づいて判別される前記コンテンツに対する前記ユーザの嗜好とに基づいて、前記数値情報の情報利得（例えば、数値情報利得Ｇｎ）を計算し（例えば、図１１のステップＳ７４）、
前記視聴情報に基づいて、前記コンテンツに関する、非数値で表される情報である非数値情報の情報利得（例えば、非数値情報利得ＧA）を計算し（例えば、図１１のステップＳ７２）、
前記数値情報の情報利得と、前記非数値情報の情報利得とに基づいて、前記数値情報の情報利得が前記非数値情報の情報利得より大きい場合、前記嗜好度が前記閾値より大きいコンテンツを前記ユーザの嗜好するコンテンツとして表す嗜好情報（例えば、決定木）を生成する（例えば、図１１のステップＳ７６など）
ステップを含む。
本発明の第２の側面の提供装置（例えば、図１３のサーバ１３）は、
コンテンツに関する、非数値で表される情報である非数値情報が所定の情報であり、嗜好度が閾値より大きいコンテンツをユーザの嗜好するコンテンツとして表す嗜好情報（例えば、決定木）を生成する情報処理装置（例えば、クライアント１１）から、前記嗜好情報を受信する受信手段（例えば、図１３の受信部１０１）と、
所定のコンテンツの前記非数値情報および前記嗜好度、並びに前記嗜好情報に基づいて、前記非数値情報が前記所定の情報であり、前記嗜好度が前記閾値より大きいコンテンツを前記ユーザの嗜好するコンテンツとして選択する選択手段（例えば、図１３の判別部１０２）と、
前記選択手段により選択されたコンテンツに関する情報であるコンテンツ情報（例えば、推薦リスト）を、前記情報処理装置に提供する提供手段（例えば、図１３の送信部１０６）と
を備え、
前記嗜好度は、ベイズの定理に基づき、コンテンツに関する、数値で表される数値情報の数値の前記ユーザの嗜好範囲を用いて計算された、前記数値が前記嗜好範囲内にあるコンテンツが、前記ユーザが嗜好するコンテンツである確率と、対象となるコンテンツの前記数値情報の数値とに基づいて、前記嗜好範囲内の前記対象となるコンテンツの数値が前記数値の平均値から遠く、かつ、前記確率が高いほど大きくなるように計算される。
コンテンツのランキングに関する情報であるランキング情報を記憶する記憶手段（例えば、図１６のランキング情報記憶部１３２）
をさらに備え、
前記選択手段は、前記ランキング情報に基づいて、前記ランキングにランクインされたコンテンツのうち、ユーザの嗜好するコンテンツを選択する（例えば、図１７のステップＳ１６４の処理）。
本発明の第２の側面の提供方法またはプログラムは、
コンテンツに関する、非数値で表される情報である非数値情報が所定の情報であり、嗜好度が閾値より大きいコンテンツをユーザの嗜好するコンテンツとして表す嗜好情報（例えば、決定木）を生成する情報処理装置（例えば、図５のクライアント１１）から、前記嗜好情報を受信し（例えば、図１４のステップＳ１２１）、
所定のコンテンツの前記非数値情報および前記嗜好度、並びに前記嗜好情報に基づいて、前記非数値情報が前記所定の情報であり、前記嗜好度が前記閾値より大きいコンテンツを前記ユーザの嗜好するコンテンツとして選択し（例えば、図１４のステップＳ１２４）、
その選択されたコンテンツに関する情報であるコンテンツ情報を、前記情報処理装置に提供する（例えば、図１４のステップＳ１２５）
ステップを含み、
前記嗜好度は、ベイズの定理に基づき、コンテンツに関する、数値で表される数値情報の数値の前記ユーザの嗜好範囲を用いて計算された、前記数値が前記嗜好範囲内にあるコンテンツが、前記ユーザが嗜好するコンテンツである確率と、対象となるコンテンツの前記数値情報の数値とに基づいて、前記嗜好範囲内の前記対象となるコンテンツの数値が前記数値の平均値から遠く、かつ、前記確率が高いほど大きくなるように計算される。
以下、本発明を適用した具体的な実施の形態について、図面を参照しながら詳細に説明する。
図３は、本発明を適用したコンテンツ推薦システム１の一実施の形態の構成例を示すブロック図である。
図３のコンテンツ推薦システム１は、クライアント１１、ネットワーク１２、およびサーバ１３により構成され、ユーザの嗜好するコンテンツをユーザに推薦する。
なお、以下では、コンテンツを楽曲データとして説明するが、コンテンツは、楽曲データではなく、画像のデータであってもよい。
クライアント１１は、楽曲に対するユーザの嗜好を表す決定木を生成し、その決定木を、インターネットやローカルエリアネットワークなどのネットワーク１２を介して、サーバ１３に送信する。また、クライアント１１は、決定木に応じてサーバ１３から送信されてくる、ユーザに推薦する楽曲の、楽曲に関する情報である、楽曲の属性の属性値を表す属性情報のリスト（以下、推薦リストという）を受信する。
ユーザにより、推薦リストの中から、所望の楽曲の属性情報が、視聴対象の属性情報として選択されると、クライアント１１は、視聴対象とする楽曲の送信を、ネットワーク１２を介してサーバ１３に要求する。クライアント１１は、その要求に応じて、ネットワーク１２を介してサーバ１３から送信されてくる楽曲を受信し、その楽曲に対応する楽曲を出力する。これにより、ユーザは、所望の楽曲を視聴することができる。
サーバ１３は、クライアント１１からネットワーク１２を介して送信されてくる決定木に基づいて、自分自身が記憶している楽曲の属性情報の中から、ユーザが嗜好すると予測される楽曲の属性情報を選択する。そして、サーバ１３は、その属性情報のリストを推薦リストとして、ネットワーク１２を介して、クライアント１１に提供することにより、ユーザに楽曲を推薦する。
また、サーバ１３は、クライアント１１からの視聴対象とする楽曲の送信の要求に応じて、自分自身が記憶している楽曲の中から、視聴対象とする楽曲を選択し、ネットワーク１２を介して、クライアント１１に送信する。
図４は、図３のクライアント１１のハードウェア構成例を示すブロック図である。
図４のCPU（Central Processing Unit）３１は、ROM（Read Only Memory）３２、または記録部３８に記憶されているプログラムにしたがって各種の処理を実行する。RAM（Random Access Memory）３３には、CPU３１が実行するプログラムやデータなどが適宜記憶される。これらのCPU３１、ROM３２、およびRAM３３は、バス３４により相互に接続されている。
CPU３１にはまた、バス３４を介して入出力インターフェース３５が接続されている。入出力インターフェース３５には、キーボード、マウス、マイクロホン、図示せぬリモートコントローラから送信されてくる指令を受信する受信部などよりなる入力部３６、ディスプレイ、スピーカなどよりなる出力部３７が接続されている。CPU３１は、入力部３６から入力される指令に対応して各種の処理を実行する。そして、CPU３１は、処理の結果を出力部３７に出力する。
入出力インターフェース３５に接続されている記録部３８は、例えばハードディスクからなり、CPU３１が実行するプログラムや各種のデータを記憶する。通信部３９は、ネットワーク１２を介して、サーバ１３などの外部の装置と通信する。なお、通信部３９は、ネットワーク１２を介してプログラムを取得し、記録部３８に記録してもよい。
入出力インターフェース３５に接続されているドライブ４０は、磁気ディスク、光ディスク、光磁気ディスク、或いは半導体メモリなどのリムーバブルメディア４１が装着されたとき、それらを駆動し、そこに記録されているプログラムやデータなどを取得する。取得されたプログラムやデータは、必要に応じて記録部３８に転送され、記憶される。
なお、図示は省略するが、図３のサーバ１３は、図４のクライアント１１と同様に構成される。但し、クライアント１１の通信部３９は、ネットワーク１２を介してクライアント１１などの外部装置と通信を行う。
図５は、クライアント１１の機能的構成例を示すブロック図である。
図５のクライアント１１は、属性情報記憶部５１、視聴情報記憶部５２、嗜好抽出部５３、送信部５４、指令部５５、受信部５６、視聴処理部５７、および表示部５８により構成される。
なお、属性情報記憶部５１と視聴情報記憶部５２は、例えば、図４の記録部３８に対応し、嗜好抽出部５３、指令部５５、および視聴処理部５７は、例えば、CPU３１に対応する。また、送信部５４と受信部５６は、例えば通信部３９に対応し、表示部５８は、例えば、出力部３７に対応する。
属性情報記憶部５１は、受信部５６から供給される、サーバ１３から受信された推薦リストに含まれる属性情報を記憶する。なお、属性情報記憶部５１には、推薦リストに含まれる属性情報のほか、受信部５６を介してCDDB（Compact Disc Date Base）などから取得された属性情報が記憶されるようにしてもよい。
視聴情報記憶部５２は、視聴処理部５７から供給される、楽曲の視聴に関する情報である視聴情報を記憶する。
嗜好抽出部５３は、数値情報利得計算部６１、非数値情報利得計算部６２、および決定木生成部６３により構成される。
数値情報利得計算部６１は、指令部５５から供給される決定木の送信要求に応じて、属性情報記憶部５１に記憶されている属性情報のうち、属性値が数値で表される情報（以下、数値情報という）を読み出すとともに、視聴情報記憶部５２から視聴情報を読み出す。数値情報利得計算部６１は、数値情報と視聴情報に基づいて、数値情報の情報利得である数値情報利得Ｇｎを計算し、決定木生成部６３に供給する。
非数値情報利得計算部６２は、指令部５５から供給される決定木の送信要求に応じて、属性情報記憶部５１に記憶されている属性情報のうち、属性値が非数値で表される情報(以下、非数値情報という)を読み出すとともに、視聴情報記憶部５２から視聴情報を読み出す。非数値情報利得計算部６２は、非数値情報と視聴情報に基づいて、非数値情報の情報利得である非数値情報利得ＧAを計算し、決定木生成部６３に供給する。
決定木生成部６３は、数値情報利得計算部６１からの数値情報利得Ｇｎと、非数値情報利得ＧAとに基づいて、決定木を生成し、その決定木を送信部５４に供給する。送信部５４は、決定木生成部６３から供給される決定木を、ネットワーク１２を介してサーバ１３に送信する。
なお、まだ属性情報記憶部５１または視聴情報記憶部５２に何も記憶されていない場合、決定木生成部６３は、決定木を生成せず、決定木が生成されなかった旨を表す情報を、送信部５４とネットワーク１２を介してサーバ１３に送信する。この場合、サーバ１３は、自分自身が記憶する楽曲のうち、所定のものをクライアント１１の受信部５６に送信する。
送信部５４はまた、指令部５５から供給される、視聴対象とする楽曲の取得要求に応じて、その楽曲の送信を、ネットワーク１２を介してサーバ１３に要求する。
指令部５５は、ユーザにより入力部３６（図４）から入力された指令を受け付け、その指令に対応する要求を、嗜好抽出部５３、送信部５４、または視聴処理部５７に供給する。
具体的には、指令部５５は、ユーザからの推薦リストの取得の指令を受け付け、その指令に対応する決定木の送信要求を嗜好抽出部５３に供給する。また、指令部５５は、ユーザからの視聴対象とする楽曲の選択の指令を受け付け、その指令に対応する、視聴対象とする楽曲の取得要求を、送信部５４に供給する。さらに、指令部５５は、ユーザからの視聴に関する指令（例えば、再生、早送り、巻き戻し、停止などの指令）に応じて、その指令に対応する視聴に関する要求を、視聴処理部５７に供給したり、推薦リストの表示の指令に応じて、その指令に対応する推薦リストの表示要求を、視聴処理部５７に供給する。
受信部５６は、サーバ１３から送信されてくる推薦リストまたは楽曲を、ネットワーク１２を介して受信する。受信部５６は、受信された推薦リストを、属性情報記憶部５１に供給する。また、受信部５６は、受信された楽曲を、視聴処理部５７に供給する。
視聴処理部５７は、受信部５６からの楽曲を、例えば内蔵するメモリに保持する。視聴処理部５７は、指令部５５から供給される視聴に関する要求に応じて、内蔵するメモリに保持されている楽曲に対して、その要求に対応する処理（例えば、再生、早送り、巻き戻し、停止などの処理）を行う。また、視聴処理部５７は、その処理に応じて、視聴情報を作成し、視聴情報記憶部５２に供給する。
さらに、視聴処理部５７は、指令部５５からの推薦リストの表示要求に応じて、属性情報記憶部５１から推薦リストに含まれる属性情報を読み出し、その属性情報を表示部５８に供給する。表示部５８は、視聴処理部５７からの属性情報を表示（提示）する。
ユーザは、図４の入力部３６を操作して、表示部５８に表示されている、推薦リストに含まれる属性情報のうち、所望の楽曲の属性情報を選択することにより、視聴対象とする楽曲の選択の指令を行う。指令部５５は、その指令を受け付け、視聴対象とする楽曲の取得要求を、送信部５４に供給する。
図６は、属性情報の例を示している。
図６に示すように、属性情報は、楽曲に固有のＩＤ(以下、楽曲ＩＤという)と楽曲の名前（楽曲名）に、その楽曲の各属性の属性値が対応付けられることにより、構成される。
図６の例では、楽曲ＩＤ「楽曲＃１」、「楽曲＃２」、「楽曲＃３」、「楽曲＃４」・・・と、楽曲名「楽曲＃Ａ」、「楽曲＃Ｂ」、「楽曲＃Ｃ」、「楽曲＃Ｄ」・・・に、各楽曲の属性「ジャンル」、「アーティスト」、「発売年」、「テンポ」、「音量変化」、および「音圧変化」の属性値が対応付けられることにより、属性情報が構成されている。
属性情報のうち、属性「ジャンル」、「アーティスト」、および「発売年」の属性値は、楽曲ごとに計算される数値ではない値、即ち非数値で表される非数値情報である。図６の例では、属性「ジャンル」の属性値は、楽曲のジャンルである「ジャズ」、「クラッシック」、「ジャズ」、「クラッシック」・・・となっており、属性「アーティスト」の属性値は、アーティストの名前である「音出太郎」、「曲花子」、「曲花子」、「管弦一」・・・となっている。また、属性「発売年」の属性値は、楽曲が発売された年である「2005年」、「2004年」、「2001年」、「2002年」・・・となっている。
一方、属性「テンポ」、「音量変化」、および「音圧変化」の属性値は、楽曲ごとに計算された数値で表される数値情報である。図６の例では、属性「テンポ」の属性値は、テンポを表す数値である「１００」、「９０」、「７５」、「８０」・・・となっており、属性「音量変化」の属性値は、音量の変化の度合を表す数値である「９０」、「５０」、「８０」、「１００」・・・となっている。また、属性「音圧変化」の属性値は、音圧（ボリューム）の変化の度合を表す数値である「４０」、「３０」、「４５」、「５０」・・・となっている。
なお、属性は、図６の例に限定されず、例えば「コード進行」、「アルバム」などを属性としてもよい。この場合、属性「コード進行」の属性値は、楽曲のコードの進行（変化）を表す数値であり、属性「アルバム」の属性値は、楽曲が収録されているアルバムの名称であり、非数値である。
図７は、視聴情報の例を示している。
図７に示すように、視聴情報は、図６の属性情報に含まれる楽曲ＩＤと同一の楽曲ＩＤに、その楽曲ＩＤに対応する楽曲の視聴に関する情報が対応付けられることにより、構成される。
図７の例では、楽曲ＩＤ「楽曲＃１」、「楽曲＃２」、「楽曲＃３」、「楽曲＃４」・・・に、その楽曲の全長に対する、視聴に関する処理（例えば、再生、早送り、巻き戻しなど）が行われた部分の長さの割合（以下、視聴割合という）と、視聴の合否の判定結果とが対応付けられることにより、視聴情報が構成される。
なお、図７の例では、視聴処理部５７は、視聴割合のうち、楽曲の全長に対する、再生が行われた部分の長さの割合が７０％以上である場合、その楽曲に対して「視聴合格」と判定し、判定結果「視聴判定合」を含む視聴情報を作成し、７０％未満である場合、楽曲に対して「視聴不合格」と判定し、判定結果「視聴判定不」を含む視聴情報を作成するものとする。
従って、判定結果「視聴判定合」に対応する楽曲は、ユーザによりほぼすべてが再生された、ユーザの嗜好する楽曲(好きな楽曲)となり、判定結果「視聴判定不」に対応する楽曲は、ユーザによりほとんど再生されていない、ユーザの嗜好しない楽曲(嫌いな楽曲)となる。
図７の例では、楽曲ＩＤ「楽曲＃１」には、視聴割合「再生１００％」と判定結果「視聴判定合」とが対応付けられている。即ち、楽曲ＩＤ「楽曲＃１」の楽曲においては、すべてが再生されており、視聴処理部５７は、その楽曲に対して「視聴合格」と判定している。
また、楽曲ＩＤ「楽曲＃２」には、視聴割合「再生３０％」と「早送り７０％」、並びに判定結果「視聴判定不」が対応付けられている。即ち、楽曲ＩＤ「楽曲＃２」の楽曲においては、全長の３０％だけ再生されており、全長の７０％は早送りされている（飛ばされている）。従って、視聴処理部５７は、その楽曲に対して「視聴不合格」と判定している。
楽曲ＩＤ「楽曲＃３」には、視聴割合「早送り１５％」、「再生８０％」、および「早送り５％」、並びに判定結果「視聴判定合」が対応付けられている。即ち、楽曲ＩＤ「楽曲＃３」の楽曲においては、全長の８０％が再生されており、全長の２０％が早送りされている。従って、視聴処理部５７は、その楽曲に対して「視聴合格」と判定している。
また、楽曲ＩＤ「楽曲＃４」には、視聴割合「再生８０％」と判定結果「視聴判定合」が対応付けられている。即ち、楽曲ＩＤ「楽曲＃４」の楽曲においては、全長の８０％が再生されている。従って、視聴処理部５７は、その楽曲に対して「視聴合格」と判定している。
次に、図８は、図５の決定木生成部６３が生成する決定木の例を示している。
なお、図８において、図１と同一のものには、同一の符号を付してあり、説明は繰り返しになるので省略する。
図８の例では、ブランチ「管弦一」２−３に、判別ノード「数値情報の嗜好度の総和？」８１が接続されており、その判別ノード「数値情報の嗜好度の総和？」８１には、ブランチ「閾値Ｚｃより大きい」を介して、クラスノード「好き」８３−１が接続されている。
従って、属性「アーティスト」の属性値が「管弦一」である楽曲のうち、数値情報の嗜好度（詳細は図１０で後述する）の総和が閾値Ｚｃより大きい楽曲は、ユーザが嗜好する楽曲のクラスであるクラス「好き」に分類される。
また、判別ノード「数値情報の嗜好度の総和？」８１には、ブランチ「閾値Ｚｃ以下」８２−２を介して、クラスノード「嫌い」８３−２が接続されている。
従って、属性「アーティスト」の属性値が「管弦一」である楽曲のうち、数値情報の嗜好度の総和が閾値Ｚｃ以下である楽曲は、ユーザが嗜好しない（嫌いな）楽曲のクラスであるクラス「嫌い」に分類される。
次に、図９のフローチャートを参照して、図５のクライアント１１が決定木を送信する決定木送信処理について説明する。この決定木送信処理は、例えば、ユーザにより推薦リストの取得が指令されたとき、開始される。
ステップＳ３１において、数値情報利得計算部６１は、ユーザによる推薦リストの取得の指令に対応して指令部５５から供給される、決定木の送信要求に応じて、各楽曲の数値情報についての嗜好度の総和を計算する嗜好度計算処理を行う。この嗜好度計算処理は、後述する図１０を参照して説明する。
ステップＳ３１の処理後は、ステップＳ３２に進み、嗜好抽出部５３は、図８の決定木を生成する決定木生成処理を行う。この決定木生成処理は、後述する図１１を参照して説明する。
ステップＳ３２の処理後は、ステップＳ３３に進み、送信部５４は、決定木生成部６３から供給される決定木を、ネットワーク１２を介してサーバ１３に送信し、処理を終了する。
以上のように、送信部５４は、ユーザの視聴履歴などの個人情報をサーバ１３に送信するのではなく、決定木をサーバ１３に送信するので、ユーザのプライバシを保護することができる。また、送信部５４は、視聴履歴に比べて一般的にデータ量の少ない決定木を送信するので、ネットワーク１２の帯域を節約することができる。
次に、図１０のフローチャートを参照して、図９のステップＳ３１の嗜好度計算処理について説明する。
ステップＳ５１において、数値情報利得計算部６１は、属性情報記憶部５１から、すべての楽曲の数値情報の属性値Ｘijを読み出し、その属性値Ｘijを正規化する。なお、ｉは、楽曲の数値情報の属性「テンポ」を表す１、属性「音量変化」を表す２、または属性「音圧変化」を表す３である。また、ｊは、楽曲ＩＤ「楽曲＃１」を表す１、「楽曲＃２」を表す２、「楽曲＃３」を表す３、「楽曲＃４」を表す４、・・・である。
具体的には、数値情報利得計算部６１は、以下の式（１）にしたがって、属性値Ｘijを正規化し、正規化後の属性値Ｙijを求める。
Figure 0005013161
 ・・・（１）
なお、式（１）において、Ｘｍiは、属性ｉの属性値Ｘijの平均を表し、Ｘｓiは、属性ｉの属性値Ｘijの標準偏差を表している。
ステップＳ５１の処理後は、ステップＳ５２に進み、数値情報利得計算部６１は、視聴情報記憶部５２に記憶されている視聴情報（図７）の判定結果に基づいて、楽曲を「好きな楽曲」と「嫌いな楽曲」に分類し、その「好きな楽曲」と「嫌いな楽曲」のそれぞれに分類された正規化後の属性値Ｙijを用いて、属性ｉごとに、「好きな楽曲」に分類された楽曲の平均Ｇｍiと標準偏差Ｇｓi、並びに「嫌いな楽曲」に分類された楽曲の平均Ｂｍiと標準偏差Ｂｓiを求める。これにより、「好きな楽曲」と「嫌いな楽曲」のそれぞれに分類された楽曲に対応する、正規化後の属性値Ｙijの属性ｉごとの分布が予測される。
ステップＳ５２の処理後は、ステップＳ５３に進み、数値情報利得計算部６１は、「好きな楽曲」の各属性ｉの平均Ｇｍiと標準偏差Ｇｓiを用いて、以下の式（２）にしたがい、各属性ｉの範囲Ｒiを求める。
Figure 0005013161
 ・・・（２）
なお、式（２）において、Ｃｒは、範囲Ｒiの幅を表す定数である。定数Ｃｒとしては、例えば1.5以上2.0以下の値が用いられる。
ステップＳ５３の処理後は、ステップＳ５４に進み、数値情報利得計算部６１は、範囲Ｒiを用いて、ベイズの定理に基づく以下の式（３）にしたがい、各属性ｉの条件付確率Ｐi（Good|Ｒi）を求める。
Figure 0005013161
 ・・・（３）
なお、式（３）において、Goodは、「好きな楽曲」である確率を表し、Badは、「嫌いな楽曲」である確率を表している。即ち、条件付確率Ｐi（Good|Ｒi）は、属性ｉの正規化後の属性値Ｙijが範囲Ｒiにある楽曲が、「好きな楽曲」である確率を表している。
以上のようにして求められた平均Ｇｍi、標準偏差Ｇｓi、および条件付確率Ｐi（Good|Ｒi）は、各属性ｉの、楽曲のクラスを判別する力（判別力）を表している。
ステップＳ５４の処理後は、ステップＳ５５に進み、数値情報利得計算部６１は、各属性ｉの条件付確率Ｐi（Good|Ｒi）を用いて、以下の式（４）にしたがい、楽曲ごとに、各属性ｉの嗜好度Ｚijを求める。
Figure 0005013161
 ・・・（４）
なお、式（４）において、φ（ｔ）はガウス分布の累積分布関数を表している。
ステップＳ５５の処理後は、ステップＳ５６に進み、数値情報利得計算部６１は、楽曲ごとに求められた各属性ｉの嗜好度Ｚijから、以下の式（５）にしたがい、楽曲ごとに、すべての属性ｉの嗜好度Ｚijの総和Ｚａｌｌjを求める。
Figure 0005013161
 ・・・（５）
ステップＳ５６の処理後は、ステップＳ５７に進み、数値情報利得計算部６１は、各楽曲の嗜好度Ｚijの総和Ｚａｌｌjに基づいて、各楽曲を「好きな曲」と「嫌いな曲」に分類する。具体的には、数値情報利得計算部６１は、総和Ｚａｌｌjが所定の閾値Ｚｃより大きいと判定した場合、楽曲ＩＤがｊの楽曲を、「好きな曲」に分類し、総和Ｚａｌｌjが閾値Ｚｃ以下であると判定した場合、楽曲ＩＤがｊの楽曲を、「嫌いな曲」に分類する。
なお、閾値Ｚｃは予め設定されていてもよいし、閾値Ｚｃによる分類の正解率が高くなるように、所定の計算により求められてもよい。
以上のようにして、数値情報利得計算部６１は、各楽曲を「好きな曲」と「嫌いな曲」に分類した後、その分類結果を内蔵するメモリ（図示せず）に保持し、図９のステップＳ３１に戻る。
なお、図１０では、ステップＳ５４において条件付確率Ｐi（Good|Ｒi）を求めたが、例えば、Ｋ−Ｌ情報量などの分布の違いを表す数値を求めるようにしてもよい。
次に、図１１のフローチャートを参照して、図９のステップＳ３２の決定木生成処理について説明する。
ステップＳ７１において、決定木生成部６３は、視聴情報記憶部５２から視聴情報を読み出し、その視聴情報の判定結果のうち、集合Ｃに含まれるすべての楽曲の判定結果が同一であるかどうかを判定する。なお、最初のステップＳ７１では、集合Ｃは、属性情報や視聴情報に含まれるすべての楽曲ＩＤの楽曲の集合である。
ステップＳ７１において、集合Ｃに含まれるすべての楽曲の判定結果が同一でないと判定された場合、ステップＳ７２に進み、非数値情報利得計算部６２は、非数値情報の各属性Ａの非数値情報利得ＧAを計算する。
具体的には、非数値情報利得計算部６２は、まず最初に、集合Ｃにおける、視聴情報の判定結果がｋである楽曲の部分集合Ｃkの割合（部分集合Ｃkの集合Ｃに占める割合）Ｐkを用いて、以下の式（６）にしたがい、集合Ｃの有する情報量Ｉ（Ｃ）を求める。なお、判定結果ｋは、例えば「視聴判定合」を表す０、または「視聴判定不」を表す１である。
Figure 0005013161
 ・・・（６）
次に、非数値情報利得計算部６２は、非数値情報の属性Ａの属性値ｖAごとの部分集合ＣvAにおける、部分集合Ｃkの割合（部分集合ＣvAに占める部分集合Ｃkの割合）ＰvAを用いて、以下の式（７）にしたがい、部分集合ＣvAごとの情報量Ｉ（ＣvA）を求める。なお、属性値ｖAは、各属性Ａの属性値を表す番号として、属性値に１から順に付与された番号を表す。例えば、属性Ａが属性「ジャンル」である場合、属性値ｖAは、属性値「ジャズ」を表す１、または属性値「クラッシック」を表す２である。
Figure 0005013161
 ・・・（７）
そして、非数値情報利得計算部６２は、情報量Ｉ（ＣvA）を用いて、以下の式（８）にしたがい、非数値情報利得ＧAを属性Ａごとに計算する。
Figure 0005013161
 ・・・（８）
なお、式（８）において、｜ＣvA｜は部分集合ＣvAのサイズ、｜Ｃ｜は集合Ｃのサイズである。また、式（８）において、ｍは、属性値ｖAの最大の値（例えば、属性Ａが属性「ジャンル」である場合、２）である。
以上のようにして計算された非数値情報利得ＧAは、属性Ａの属性値ｖAに基づいて、楽曲をクラス「好き」または「嫌い」に分類したときの、その分類と視聴情報の判定結果ｋが表す「好きな曲」または「嫌いな曲」との合致度、即ち分類の正確さの度合を表している。
ステップＳ７２の処理後は、ステップＳ７３に進み、非数値情報利得計算部６２は、ステップＳ７２で計算された非数値情報利得ＧAのうち、最大の非数値情報利得ＧAmaxに対応する属性Ａｍａｘを選択し、その非数値情報利得ＧAmaxと属性Ａｍａｘを決定木生成部６３に供給する。
ステップＳ７３の処理後は、ステップＳ７４に進み、数値情報利得計算部６１は、ステップＳ７２で計算された情報量Ｉ（Ｃ）、視聴情報記憶部５２に記憶されている視聴情報、および図１０のステップＳ５７における分類結果に基づいて、以下の式（９）にしたがい、数値情報利得Ｇｎを求める。
Figure 0005013161
 ・・・（９）
なお、式（９）において、Ｐklは、部分集合Ｃkに含まれる楽曲のうち、ステップＳ５７で分類結果がｌと判定された楽曲の割合を表している。なお、分類結果ｌは、「好きな楽曲」を表す０、または「嫌いな楽曲」を表す１である。
以上のようにして計算された数値情報利得Ｇｎは、嗜好度Ｚａｌｌjが閾値Ｚｃより大きいか、または閾値Ｚｃ以下であるかに基づいて、楽曲をクラス「好き」または「嫌い」に分類したときの、その分類と視聴情報の判定結果ｋが表す「好きな曲」または「嫌いな曲」との合致度、即ち分類の正確さの度合を表している。
ステップＳ７４の処理後は、ステップＳ７５に進み、決定木生成部６３は、最大の非数値情報利得ＧAmaxが、数値情報利得Ｇｎ以上であるかどうかを判定する。ステップＳ７５において、最大の非数値情報利得ＧAmaxが、数値情報利得Ｇｎ以上であると判定された場合、ステップＳ７６に進み、決定木生成部６３は、判別ノード「属性Ａｍａｘ？」を作成する。
ステップＳ７６の処理後は、ステップＳ７７に進み、決定木生成部６３は、属性Ａｍａｘの属性値ｖAmaxごとのブランチを作成し、ステップＳ７６で作成された判別ノード「属性Ａｍａｘ？」に接続して、ステップＳ７８に進む。
ステップＳ７８において、決定木生成部６３は、属性Ａｍａｘの属性値ｖAmaxごとの部分集合ＣvAmaxを集合Ｃに設定する。ステップＳ７８の処理後は、ステップＳ７１に戻り、部分集合ＣvAmaxごとに、ステップＳ７２乃至Ｓ８３の処理を行う。
一方、ステップＳ７４において、非数値情報利得ＧAmaxが数値情報利得Ｇｎ以上ではない（より小さい）と判定された場合、ステップＳ７９に進み、決定木生成部６３は、判別ノード「数値情報の嗜好度の総和？」８１（図８）を作成する。
ステップＳ７９の処理後は、ステップＳ８０に進み、決定木生成部６３は、ブランチ「閾値Ｚｃより大きい」８２−１と「閾値Ｚｃ以下」８２−２を作成し、それぞれを判別ノード「数値情報の嗜好度の総和？」８１に接続する。
ステップＳ８０の処理後は、ステップＳ８１に進み、決定木生成部６３は、クラスノード「好き」を作成し、ブランチ「閾値Ｚｃより大きい」に接続して、ステップＳ８２に進む。
ステップＳ８２において、決定木生成部６３は、クラスノード「嫌い」を作成し、ブランチ「閾値Ｚｃ以下」に接続して、図９のステップＳ３２に戻り、図９のステップＳ３３に進む。
また、ステップＳ７１において、集合Ｃに含まれるすべての楽曲の判定結果ｋが同一であると判定された場合、ステップＳ８３に進み、決定木生成部６３は、その判定結果ｋに対応するクラスノードを作成する。
具体的には、集合Ｃに含まれるすべての楽曲の判定結果ｋが、「視聴判定合」である場合、即ちすべての楽曲が「好きな楽曲」である場合、決定木生成部６３は、クラスノード「好き」を作成する。一方、集合Ｃに含まれるすべての楽曲の視聴判定結果ｋが、「視聴判定不」である場合、即ちすべての楽曲が「嫌いな楽曲」である場合、決定木生成部６３は、クラスノード「嫌い」を作成する。
そして、決定木生成部６３は、集合Ｃに対応するブランチに、作成されたクラスノードを接続し、処理を終了する。なお、最初のステップＳ７１の処理後のステップＳ８２の処理では、集合Ｃに対応するブランチはないので、クラスノードはどこにも接続されない。
以上のようにして生成された決定木に、楽曲の属性情報を適用することにより、その楽曲のクラスがクラス「好き」であるかクラス「嫌い」であるかを判別することができる。
図１２で上述したように、決定木生成部６３は、非数値情報を判別する判別ノードと数値情報を判別する判別ノードの両方を作成し、その両方の判別ノードを組み合わせた決定木を生成することができるので、決定木はユーザの嗜好を正確に表すことができる。
その結果、この決定木に、楽曲の属性情報が適用される場合、非数値情報を判別する判別ノードだけにより構成される決定木に適用される場合に比べて、楽曲をクラス「好き」または「嫌い」に正確に分類することができる。例えば、ユーザの嗜好に応じて、ジャズのテンポの速い曲をクラス「好き」に分類し、ジャズのテンポの遅い曲をクラス「嫌い」に分類することができる。また、楽曲の属性情報が数値情報であるか、非数値情報であるかによらず、属性情報を同一の決定木に適用することができる。
また、図１２では、最大の非数値情報利得ＧAmaxが、数値情報利得Ｇｎ以上である場合、即ち属性Ａｍａｘの属性値ｖAmaxに基づく楽曲の分類が、嗜好度Ｚａｌｌjに基づく分類に比べて正確である場合、決定木生成部６３は、判別ノード「属性Ａｍａｘ？」を作成する。一方、最大の非数値情報利得ＧAmaxが、数値情報利得Ｇｎより小さい場合、即ち嗜好度Ｚａｌｌjに基づく楽曲の分類が、属性Ａｍａｘの属性値ｖAmaxに基づく分類に比べて正確である場合、決定木生成部６３は、判別ノード「数値情報の嗜好度の総和？」を作成する。
従って、図１２の決定木生成処理によって生成された決定木を楽曲の属性情報に適用することにより、その楽曲をクラス「好き」または「嫌い」に正確に分類することができる。
なお、図１１では、ステップＳ７１において、決定木生成部６３が、集合Ｃに含まれるすべての楽曲の判定結果ｋが同一であるかどうかを判定したが、集合Ｃに含まれるすべての楽曲ではなく、集合Ｃに含まれるすべての楽曲のうちの一定の比率以上の楽曲の判定結果ｋが同一であるかどうかを判定するようにしてもよい。
図１２のフローチャートを参照して、図５のクライアント１１が、ユーザに楽曲を視聴させる視聴処理について説明する。この視聴処理は、例えば、ユーザにより推薦リストの表示が指令されたとき、開始される。
ステップＳ１０１において、視聴処理部５７は、指令部５５から供給される視聴リストの表示要求に応じて、属性情報記憶部５１から属性情報を読み出し、表示部５８に表示させる。ここで、ユーザは、図４の入力部３６を操作して、表示部５８に表示された属性情報のうち、所望の楽曲の属性情報を選択することにより、視聴対象とする楽曲の選択を指令する。指令部３５は、その指令を受け付け、指令に対応する要求として、視聴対象とする楽曲の取得要求を送信部５４に供給する。
ステップＳ１０１の処理後は、ステップＳ１０２に進み、送信部５５は、ユーザにより視聴対象とする楽曲が選択されたかどうか、即ち指令部５５から視聴対象とする楽曲の送信要求が供給されたかどうかを判定し、ユーザから視聴対象が選択されていないと判定した場合、ユーザから視聴対象が選択されるまで待機する。
ステップＳ１０２において、ユーザから視聴対象とする楽曲が選択されたと判定された場合、ステップＳ１０３に進み、送信部５５は、視聴対象とする楽曲の送信を、ネットワーク１２を介してサーバ１３に要求する。なお、このとき、視聴処理部５７は、視聴対象とする楽曲の楽曲ＩＤも送信する。
ステップＳ１０４において、受信部５６は、ステップＳ１０３の要求に応じてサーバ１３から送信されてくる楽曲を受信したかどうかを判定し、まだ楽曲を受信していないと判定した場合、楽曲を受信するまで待機する。
一方、ステップＳ１０４において、楽曲を受信したと判定された場合、受信部５６は、受信した楽曲を視聴処理部５７に供給し、ステップＳ１０５に進む。ステップＳ１０５において、視聴処理部５７は、受信部５６から供給される楽曲の再生を開始し、ステップＳ１０６に進む。
ステップＳ１０６において、指令部５５は、ユーザにより視聴に関する指令が行われたかどうか、即ち入力部３６から入力される視聴に関する指令を受け付けたかどうかを判定し、視聴に関する指令が行われたと判定した場合、その指令に対応する要求を視聴処理部５７に供給する。
ステップＳ１０６の処理後は、ステップＳ１０７に進み、視聴処理部５７は、ユーザによる視聴に関する指令が、再生の停止の指令であるかどうか、即ち指令部５５から供給される要求が、停止の指令に対応する停止の要求であるかどうかを判定し、停止の指令ではないと判定した場合、ステップＳ１０８に進む。
ステップＳ１０８において、視聴処理部５７は、指令部５５からの要求に応じて、ユーザからの指令に応じた処理を行う。例えば、ユーザが楽曲の早送り（早送り再生）を指令し、指令部５５から視聴処理部５７に早送りの要求が供給された場合、視聴処理部５７は、楽曲を早送り再生する。
ステップＳ１０８の処理後は、ステップＳ１０９に進み、視聴処理部５７は、楽曲を最後まで再生したかどうかを判定し、最後まで再生していないと判定した場合、ステップＳ１０６に戻り、上述した処理を繰り返す。
ステップＳ１０７で、ユーザによる視聴に関する指令が、再生の停止の指令であると判定された場合、またはステップＳ１０９で、楽曲を最後まで再生したと判定された場合、ステップＳ１１０に進み、視聴処理部５７は、再生を終了する。
ステップＳ１１０の処理後は、ステップＳ１１１に進み、視聴処理部５７は、ステップＳ１０５乃至Ｓ１１０で行われた視聴に関する処理（例えば、再生、早送り、停止、巻き戻しなど）の状況に基づいて、視聴情報を作成し、その視聴情報を視聴情報記憶部５２に供給することにより、視聴対象である楽曲の視聴情報を更新する。
図１３は、図３のサーバ１３の機能的構成例を示すブロック図である。
図１３のサーバ１３は、受信部１０１、判別部１０２、属性情報記憶部１０３、楽曲記憶部１０４、楽曲読出部１０５、および送信部１０６により構成される。
受信部１０１は、図５のクライアント１１の送信部５４から、ネットワーク１２を介して送信されてくる決定木を受信し、その決定木を判別部１０２に供給する。また、受信部１０１は、クライアント１１の送信部５４から送信されてくる、送信要求を受信するとともに、視聴対象とする楽曲の楽曲ＩＤを受信する。受信部１０１は、受信した楽曲ＩＤを楽曲読出部１０５に供給する。
判別部１０２は、属性情報記憶部１０３から属性情報を読み出し、その属性情報を、受信部１０１からの決定木に適用することにより、属性情報に含まれる楽曲ＩＤの楽曲のクラスを判別する。そして、判別部１０２は、クラス「好き」と判別された楽曲の属性情報のリストを、推薦リストとして作成し、送信部１０６に供給する。
属性情報記憶部１０３は、楽曲記憶部１０４に記憶されている楽曲のリストを記憶する。楽曲記憶部１０４は、楽曲を記憶する。楽曲読出部１０５は、受信部１０１からの楽曲ＩＤに基づいて、その楽曲ＩＤに対応する楽曲を、楽曲記憶部１０４から読み出し、送信部１０６に供給する。
送信部１０６は、判別部１０２からの推薦リストを、ネットワーク１２を介してクライアント１１の受信部５６（図５）に送信する。また、送信部１０６は、楽曲読出部１０５からの楽曲を、ネットワーク１２を介して受信部５６に送信する。
次に、図１４のフローチャートを参照して、図１３のサーバ１３が推薦リストを送信するリスト送信処理について説明する。このリスト送信処理は、例えば、図９のステップＳ３３で、クライアント１１の送信部５４から決定木が送信されてきたとき、開始される。
ステップＳ１２１において、受信部１０１は、決定木を受信し、その決定木を判別部１０２に供給して、ステップＳ１２２に進む。ステップＳ１２２において、判別部１０２は、属性情報記憶部１０３から属性情報を読み出し、ステップＳ１２３に進む。ステップＳ１２３において、判別部１０２は、ステップＳ１２２で読み出された属性情報を、決定木に適用することにより、属性情報に含まれる楽曲ＩＤの楽曲のクラスを判別する。
例えば、判別部１０２が、図６に示した属性情報を、図８に示した決定木に適用することにより、属性情報に含まれる楽曲＃４の楽曲のクラスを判別する場合、楽曲＃４の楽曲は、属性「ジャンル」の属性値が「クラッシック」であるので、判別部１０２による判別処理は、判別ノード「ジャンル？」１−１から、ブランチ「クラッシック」２−２を通って、判別ノード「アーティスト？」に進む。
そして、楽曲＃４の楽曲の属性「アーティスト」の属性値は「管弦一」であるので、判別処理は、判別ノード「アーティスト？」から、ブランチ「管弦一」２−３を通って、判別ノード「数値情報の嗜好度の総和？」に進む。その後、判別部１０２は、楽曲＃４の楽曲の嗜好度Ｚａｌｌ4を、図１０のステップＳ５１乃至Ｓ５６の処理と同様の処理を行うことにより求め、その結果得られる嗜好度Ｚａｌｌ4が閾値Ｚｃより大きいかどうかを判定する。
嗜好度Ｚａｌｌ4が閾値Ｚｃより大きいと判定された場合、判別処理は、ブランチ「閾値Ｚｃより大きい」８２−１を通って、クラスノード「好き」８３−１に進み、判別部１０２は、楽曲＃４の楽曲のクラスを、クラス「好き」と判別する。一方、嗜好度Ｚａｌｌ4が閾値Ｚｃ以下であると判定された場合、判別処理は、ブランチ「閾値Ｚｃ以下である」８２−２を通って、クラスノード「嫌い」８３−２に進み、判別部１０２は、楽曲＃４の楽曲のクラスを、クラス「嫌い」と判別する。
ステップＳ１２３の処理後は、ステップＳ１２４に進み、判別部１０２は、クラス「好き」と判別された楽曲、即ちユーザが嗜好すると予測される楽曲を選択し、その楽曲の属性情報のリストを、推薦リストとして作成する。
なお、判別部１０２は、楽曲をクラス「好き」と判別するまでに、判別処理が通ってきた判別ノードの数を、楽曲と決定木との適合の度合を表す適合度として、クラス「好き」と判別された楽曲の中から、適合度の高い順に所定の数の楽曲を選択し、その選択した楽曲の属性情報のリストを推薦リストとして作成するようにしてもよい。また、判別部１０２は、推薦リストの各属性情報に適合度を付加するようにしてもよい。判別部１０２は、作成された推薦リストを送信部１０６に供給する。
ステップＳ１２４の処理後は、ステップＳ１２５に進み、送信部１０６は、判別部１０２からの推薦リストを、ネットワーク１２を介してクライアント１１に送信し、処理を終了する。
このようにして送信された推薦リストは、クライアント１１の受信部５６（図５）により受信される。受信部５６は、推薦リストを属性情報記憶部５１に供給し、推薦リストに含まれる属性情報を属性情報記憶部５１に記憶させる。そして、ユーザにより属性情報の表示が指令されると、図１２のステップＳ１０１で説明したように、表示部５８に、属性情報記憶部５１から読み出された属性情報が表示される。
その結果、表示部５８には、クラス「好き」に分類された楽曲、即ちユーザが嗜好する（と予測される）楽曲の属性情報だけが表示される。従って、ユーザは、表示部５８に表示されている属性情報の中から、所望の楽曲の属性情報を容易に探し出し、その楽曲を視聴することができる。
次に、図１５のフローチャートを参照して、図１３のサーバ１３が楽曲を送信する楽曲送信処理について説明する。この楽曲送信処理は、例えば、図１２のステップＳ１０３で、クライアント１１の送信部５４から、視聴対象とする楽曲の送信要求と、その楽曲の楽曲ＩＤが送信されてきたとき、開始される。
ステップＳ１４１において、受信部１０１は、クライアント１１からネットワーク１２を介して送信されてくる、視聴対象とする楽曲の送信要求を受信するとともに、その楽曲の楽曲ＩＤを受信する。受信部１０１は、受信した楽曲ＩＤを、楽曲読出部１０５に供給する。
ステップＳ１４１の処理後は、ステップＳ１４２に進み、楽曲読出部１０５は、受信部１０１からの楽曲ＩＤに基づいて、その楽曲ＩＤに対応する楽曲を、楽曲記憶部１０４から読み出し、その楽曲を送信部１０６に供給する。
ステップＳ１４２の処理後は、ステップＳ１４３に進み、送信部１０６は、楽曲読出部１０５からの楽曲を、ネットワーク１２を介してクライアント１１に送信し、処理を終了する。このようにして送信された楽曲は、図１２のステップＳ１０４で受信される。
図１６は、図３のサーバ１３の他の機能的構成例を示すブロック図である。
図１６のサーバ１３０では、図１３のサーバ１３の判別部１０２に代えて、判別部１３１が設けられるとともに、新たにランキング情報記憶部１３２が設けられる。
判別部１３１は、ランキング情報記憶部１３２から、ヒットチャートにおけるランキングと、楽曲ＩＤとが対応付けられた情報（以下、ランキング情報という）を読み出す。また、判別部１３１は、そのランキング情報に基づいて、ヒットチャートにランクインされている楽曲の属性情報を、属性情報記憶部１０３から読み出す。
さらに、判別部１３１は、属性情報記憶部１０３から読み出した属性情報を、受信部１０１からの決定木に適用することにより、属性情報に含まれる楽曲ＩＤの楽曲、即ちヒットチャートにランクインされている楽曲の、クラスを判別する。そして、判別部１０２は、クラス「好き」に判別された楽曲のリストを、推薦リストとして作成し、送信部１０６に供給する。
なお、判別部１３１は、推薦リストの各属性情報に、対応する楽曲のランキングを付加するようにしてもよい。
ランキング情報記憶部１３１は、ランキング情報を記憶する。このランキング情報は、例えば、受信部１０１を介して他の装置から随時取得され、記憶（更新）される。
次に、図１７のフローチャートを参照して、図１６のサーバ１３０が推薦リストを送信するリスト送信処理について説明する。このリスト送信処理は、例えば、図９のステップＳ３３で、クライアント１１の送信部５４（図５）から決定木が送信されてきたとき、開始される。
ステップＳ１６１において、受信部１０１は、図１４のステップＳ１２１と同様に、決定木を受信し、その決定木を判別部１３１に供給して、ステップＳ１６２に進む。ステップＳ１６２において、判別部１３１は、ランキング情報記憶部１３２からランキング情報を読み出し、ステップＳ１６３に進む。
ステップＳ１６３において、判別部１３１は、ランキング情報記憶部１３２から読み出されたランキング情報に対応する楽曲の属性情報を、属性情報記憶部１０３から読み出す。具体的には、判別部１３１は、ランキング情報に含まれる楽曲ＩＤに基づいて、その楽曲ＩＤに対応する楽曲の属性情報を、属性情報記憶部１０３から読み出す。
ステップＳ１６４乃至Ｓ１６６の処理は、図１４のステップＳ１２３乃至Ｓ１２５の処理と同様であるので、説明は省略する。
以上のようにして送信された推薦リストは、クライアント１１の受信部５６（図５）により受信され、ユーザにより属性情報の表示が指令されると、図１２のステップＳ１０１で説明したように、表示部５８に、その推薦リストの属性情報が表示される。
その結果、表示部５８には、ヒットチャートにランクインされた流行の楽曲のうち、クラス「好き」に分類された楽曲、即ちユーザが嗜好する（と予測される）楽曲の属性情報だけが表示される。従って、ユーザは、ヒットチャートにランクインしたすべての楽曲の属性情報が表示される場合に比べて、ヒットチャートにランクインした楽曲の属性情報の中から、所望の楽曲の属性情報を容易に探し出し、その楽曲を視聴することができる。
なお、上述した説明では、サーバ１３は、クラス「好き」に判別された楽曲の属性情報を、推薦リストとしてクライアント１１に送信したが、サーバ１３は、その楽曲の属性情報の一部の情報（例えば、楽曲ＩＤ）のリストを、推薦リストとして送信するようにしてもよい。この場合、クライアント１１は、その属性情報の一部に基づいて、属性情報を他の装置から取得し、記憶する。
また、上述した説明では、図５の属性情報記憶部５１に、他の装置から取得される属性情報が記憶されるようにしたが、楽曲に付加されているメタ情報（例えば、MPEG(Moving Picture Experts Group)3のID3タグなど）に含まれる情報が、属性情報として記憶されるようにしてもよい。また、クライアント１１に設けられた図示せぬ解析部が、楽曲を解析することにより、その楽曲の数値情報などを取得し、その数値情報を属性情報記憶部５１に記憶させるようにしてもよい。
さらに、上述した説明では、数値情報利得計算部６１は、数値情報全体を１つの属性として、数値情報利得Ｇｎを計算したが、数値情報の属性ｉをいくつかのグループに分けて、グループごとの数値情報利得Ｇｎを計算するようにしてもよい。
また、嗜好抽出部５３は、情報量の概念を利用した他の基準、例えば、情報利得比やginiインデックスなどを用いて、決定木を生成するようにしてもよい。
さらに、本実施の形態では、楽曲のクラスを判別する手法として、決定木を用いる手法について説明したが、楽曲のクラスを判別する手法としては、例えばILP（Inductive Logic Programming）などの、情報利得によりクラスタリングを行う他の手法を用いてもよい。
また、本実施の形態では、楽曲は、クラス「好き」と「嫌い」の２つに分類されるものとしたが、クラスの種類はこれに限定されず、人物ごとの視聴情報を用いることにより、例えば人物ごとの好きと嫌いのクラスに分類することもできる。この場合、例えば、クラスは、クラス「Ａさんが好き」、「Ａさんが嫌い」、「Ｂさんが好き」、「Ｂさんが嫌い」・・・となる。さらに、視聴情報に視聴した日の天気の情報を加えることにより、例えば「雨の日に合う曲」、「晴れの日に合う曲」、「曇りの日に合う曲」といったクラスに分類することもできる。
なお、本明細書において、プログラム記録媒体に格納されるプログラムを記述するステップは、記載された順序に沿って時系列的に行われる処理はもちろん、必ずしも時系列的に処理されなくとも、並列的あるいは個別に実行される処理をも含むものである。
また、本明細書において、システムとは、複数の装置により構成される装置全体を表すものである。
なお、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。
従来の決定木の一例を示す図である。 図１の決定木を生成する決定木生成処理を説明するフローチャートである。 本発明を適用した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。 クライアントのハードウェア構成例を示すブロック図である。 クライアントの機能的構成例を示すブロック図である。 属性情報の例を示す図である。 視聴情報の例を示す図である。 決定木の例を示す図である。 決定木送信処理を説明するフローチャートである。 嗜好度計算処理を説明するフローチャートである。 決定木生成処理を説明するフローチャートである。 視聴処理を説明するフローチャートである。 サーバの機能的構成例を示すブロック図である。 リスト送信処理を説明するフローチャートである。 楽曲送信処理を説明するフローチャートである。 サーバの他の機能的構成例を示すブロック図である。 他のリスト送信処理を説明するフローチャートである。
符号の説明
１１ クライアント， １３ サーバ， ３１ CPU， ３２ ROM， ３３ RAM， ３８ 記録部， ４１ リムーバブルメディア， ５４ 送信部， ５６ 受信部， ５７ 視聴処理部， ５８ 表示部， ６１ 数値情報利得計算部， ６２ 非数値情報利得計算部， ６３ 決定木生成部， １０１ 受信部， １０２ 判別部， １０６ 送信部

Claims (8)

  1. コンテンツの視聴に関する情報である視聴情報を生成する視聴情報生成手段と、
    前記視聴情報に基づいて、前記コンテンツに関する、数値で表される情報である数値情報の数値の、ユーザの嗜好範囲を計算する範囲計算手段と、
    ベイズの定理に基づき、前記嗜好範囲を用いて、前記数値が前記嗜好範囲内にあるコンテンツが、前記ユーザが嗜好するコンテンツである確率を計算する確率計算手段と、
    前記確率と前記コンテンツの前記数値情報の数値に基づいて、前記嗜好範囲内の前記数値が前記数値の平均値から遠く、かつ、前記確率が高いほど大きくなる前記コンテンツの嗜好度を計算する嗜好度計算手段と、
    前記嗜好度が閾値より大きいコンテンツを前記ユーザが嗜好するコンテンツと判別することにより得られる前記コンテンツに対する前記ユーザの嗜好と、前記視聴情報に基づいて判別される前記コンテンツに対する前記ユーザの嗜好とに基づいて、前記数値情報の情報利得を計算する数値情報利得計算手段と、
    前記視聴情報に基づいて、前記コンテンツに関する、非数値で表される情報である非数値情報の情報利得を計算する非数値情報利得計算手段と、
    前記数値情報の情報利得と、前記非数値情報の情報利得とに基づいて、前記数値情報の情報利得が前記非数値情報の情報利得より大きい場合、前記嗜好度が前記閾値より大きいコンテンツを前記ユーザの嗜好するコンテンツとして表す嗜好情報を生成する嗜好情報生成手段と
    を備える情報処理装置。
  2. 前記ユーザの嗜好するコンテンツに関する情報であるコンテンツ情報を提供する提供装置に、前記嗜好情報を送信する送信手段と、
    前記嗜好情報に基づいて前記提供装置から送信されてくる、前記コンテンツ情報を受信する受信手段と、
    前記コンテンツ情報をユーザに提示する提示手段と
    をさらに備える
    請求項１に記載の情報処理装置。
  3. コンテンツの視聴に関する情報である視聴情報を生成し、
    前記視聴情報に基づいて、前記コンテンツに関する、数値で表される情報である数値情報の数値の、ユーザの嗜好範囲を計算し、
    ベイズの定理に基づき、前記嗜好範囲を用いて、前記数値が前記嗜好範囲内にあるコンテンツが、前記ユーザが嗜好するコンテンツである確率を計算し、
    前記確率と前記コンテンツの前記数値情報の数値に基づいて、前記嗜好範囲内の前記数値が前記数値の平均値から遠く、かつ、前記確率が高いほど大きくなる前記コンテンツの嗜好度を計算し、
    前記嗜好度が閾値より大きいコンテンツを前記ユーザが嗜好するコンテンツと判別することにより得られる前記コンテンツに対する前記ユーザの嗜好と、前記視聴情報に基づいて判別される前記コンテンツに対する前記ユーザの嗜好とに基づいて、前記数値情報の情報利得を計算し、
    前記視聴情報に基づいて、前記コンテンツに関する、非数値で表される情報である非数値情報の情報利得を計算し、
    前記数値情報の情報利得と、前記非数値情報の情報利得とに基づいて、前記数値情報の情報利得が前記非数値情報の情報利得より大きい場合、前記嗜好度が前記閾値より大きいコンテンツを前記ユーザの嗜好するコンテンツとして表す嗜好情報を生成する
    ステップを含む情報処理方法。
  4. コンテンツの視聴に関する情報である視聴情報を生成し、
    前記視聴情報に基づいて、前記コンテンツに関する、数値で表される情報である数値情報の数値の、ユーザの嗜好範囲を計算し、
    ベイズの定理に基づき、前記嗜好範囲を用いて、前記数値が前記嗜好範囲内にあるコンテンツが、前記ユーザが嗜好するコンテンツである確率を計算し、
    前記確率と前記コンテンツの前記数値情報の数値に基づいて、前記嗜好範囲内の前記数値が前記数値の平均値から遠く、かつ、前記確率が高いほど大きくなる前記コンテンツの嗜好度を計算し、
    前記嗜好度が閾値より大きいコンテンツを前記ユーザが嗜好するコンテンツと判別することにより得られる前記コンテンツに対する前記ユーザの嗜好と、前記視聴情報に基づいて判別される前記コンテンツに対する前記ユーザの嗜好とに基づいて、前記数値情報の情報利得を計算し、
    前記視聴情報に基づいて、前記コンテンツに関する、非数値で表される情報である非数値情報の情報利得を計算し、
    前記数値情報の情報利得と、前記非数値情報の情報利得とに基づいて、前記数値情報の情報利得が前記非数値情報の情報利得より大きい場合、前記嗜好度が前記閾値より大きいコンテンツを前記ユーザの嗜好するコンテンツとして表す嗜好情報を生成する
    ステップを含む処理をコンピュータに実行させるプログラム。
  5. コンテンツに関する、非数値で表される情報である非数値情報が所定の情報であり、嗜好度が閾値より大きいコンテンツをユーザの嗜好するコンテンツとして表す嗜好情報を生成する情報処理装置から、前記嗜好情報を受信する受信手段と、
    所定のコンテンツの前記非数値情報および前記嗜好度、並びに前記嗜好情報に基づいて、前記非数値情報が前記所定の情報であり、前記嗜好度が前記閾値より大きいコンテンツを前記ユーザの嗜好するコンテンツとして選択する選択手段と、
    前記選択手段により選択されたコンテンツに関する情報であるコンテンツ情報を、前記情報処理装置に提供する提供手段と
    を備え、
    前記嗜好度は、ベイズの定理に基づき、コンテンツに関する、数値で表される数値情報の数値の前記ユーザの嗜好範囲を用いて計算された、前記数値が前記嗜好範囲内にあるコンテンツが、前記ユーザが嗜好するコンテンツである確率と、対象となるコンテンツの前記数値情報の数値とに基づいて、前記嗜好範囲内の前記対象となるコンテンツの数値が前記数値の平均値から遠く、かつ、前記確率が高いほど大きくなるように計算される
    提供装置。
  6. コンテンツのランキングに関する情報であるランキング情報を記憶する記憶手段
    をさらに備え、
    前記選択手段は、前記ランキング情報に基づいて、前記ランキングにランクインされたコンテンツのうち、ユーザの嗜好するコンテンツを選択する
    請求項５に記載の提供装置。
  7. コンテンツに関する、非数値で表される情報である非数値情報が所定の情報であり、嗜好度が閾値より大きいコンテンツをユーザの嗜好するコンテンツとして表す嗜好情報を生成する情報処理装置から、前記嗜好情報を受信し、
    所定のコンテンツの前記非数値情報および前記嗜好度、並びに前記嗜好情報に基づいて、前記非数値情報が前記所定の情報であり、前記嗜好度が前記閾値より大きいコンテンツを前記ユーザの嗜好するコンテンツとして選択し、
    その選択されたコンテンツに関する情報であるコンテンツ情報を、前記情報処理装置に提供する
    ステップを含み、
    前記嗜好度は、ベイズの定理に基づき、コンテンツに関する、数値で表される数値情報の数値の前記ユーザの嗜好範囲を用いて計算された、前記数値が前記嗜好範囲内にあるコンテンツが、前記ユーザが嗜好するコンテンツである確率と、対象となるコンテンツの前記数値情報の数値とに基づいて、前記嗜好範囲内の前記対象となるコンテンツの数値が前記数値の平均値から遠く、かつ、前記確率が高いほど大きくなるように計算される
    提供方法。
  8. コンテンツに関する、非数値で表される情報である非数値情報が所定の情報であり、嗜好度が閾値より大きいコンテンツをユーザの嗜好するコンテンツとして表す嗜好情報を生成する情報処理装置から、前記嗜好情報を受信し、
    所定のコンテンツの前記非数値情報および前記嗜好度、並びに前記嗜好情報に基づいて、前記非数値情報が前記所定の情報であり、前記嗜好度が前記閾値より大きいコンテンツを前記ユーザの嗜好するコンテンツとして選択し、
    その選択されたコンテンツに関する情報であるコンテンツ情報を、前記情報処理装置に提供する
    ステップを含み、
    前記嗜好度は、ベイズの定理に基づき、コンテンツに関する、数値で表される数値情報の数値の前記ユーザの嗜好範囲を用いて計算された、前記数値が前記嗜好範囲内にあるコンテンツが、前記ユーザが嗜好するコンテンツである確率と、対象となるコンテンツの前記数値情報の数値とに基づいて、前記嗜好範囲内の前記対象となるコンテンツの数値が前記数値の平均値から遠く、かつ、前記確率が高いほど大きくなるように計算される
    処理をコンピュータに実行させるプログラム。
JP2006051761A 2006-02-28 2006-02-28 情報処理装置および情報処理方法、提供装置および提供方法、並びにプログラム Expired - Fee Related JP5013161B2 (ja)

Priority Applications (1)

Application Number Priority Date Filing Date Title
JP2006051761A JP5013161B2 (ja) 2006-02-28 2006-02-28 情報処理装置および情報処理方法、提供装置および提供方法、並びにプログラム

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
JP2006051761A JP5013161B2 (ja) 2006-02-28 2006-02-28 情報処理装置および情報処理方法、提供装置および提供方法、並びにプログラム

Publications (2)

Publication Number Publication Date
JP2007233515A JP2007233515A (ja) 2007-09-13
JP5013161B2 true JP5013161B2 (ja) 2012-08-29

Family

ID=38554075

Family Applications (1)

Application Number Title Priority Date Filing Date
JP2006051761A Expired - Fee Related JP5013161B2 (ja) 2006-02-28 2006-02-28 情報処理装置および情報処理方法、提供装置および提供方法、並びにプログラム

Country Status (1)

Country Link
JP (1) JP5013161B2 (ja)

Families Citing this family (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP5205069B2 (ja) * 2008-01-21 2013-06-05 株式会社エヌ・ティ・ティ・ドコモ 広告配信方法及び広告サーバ
US8745047B2 (en) 2008-08-28 2014-06-03 Empire Technology Development Llc Media recommendation and acquisition system
US8893232B2 (en) 2009-02-06 2014-11-18 Empire Technology Development Llc Media monitoring system
US9077784B2 (en) 2009-02-06 2015-07-07 Empire Technology Development Llc Media file synchronization
JP5296813B2 (ja) * 2011-01-19 2013-09-25 ヤフー株式会社 楽曲レコメンド装置、方法及びプログラム
JP6074702B2 (ja) * 2012-12-04 2017-02-08 三星電子株式会社Ｓａｍｓｕｎｇ Ｅｌｅｃｔｒｏｎｉｃｓ Ｃｏ．，Ｌｔｄ． 情報処理装置及び情報処理方法並びにデータ構造

Family Cites Families (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6727914B1 (en) * 1999-12-17 2004-04-27 Koninklijke Philips Electronics N.V. Method and apparatus for recommending television programming using decision trees
JP3714310B2 (ja) * 2002-08-07 2005-11-09 ソニー株式会社 コンテンツの自動記録装置及び方法、記録媒体、並びにプログラム
WO2004107757A1 (en) * 2003-06-03 2004-12-09 Koninklijke Philips Electronics N.V. Method and device for generating a user profile on the basis of playlists
JP2005018205A (ja) * 2003-06-24 2005-01-20 Matsushita Electric Ind Co Ltd 楽曲検索システム、楽曲検索方法、及び楽曲検索装置
JP4347099B2 (ja) * 2004-03-16 2009-10-21 シャープ株式会社 データ分析装置およびデータ分析方法並びにデータ分析プログラム、記録媒体
JP2005352754A (ja) * 2004-06-10 2005-12-22 Sharp Corp 情報ナビゲーション装置、方法、プログラム、及び記録媒体
JP2006039704A (ja) * 2004-07-23 2006-02-09 Matsushita Electric Ind Co Ltd プレイリスト生成装置
JP2006048319A (ja) * 2004-08-04 2006-02-16 Sony Corp 情報処理装置および方法、記録媒体、並びにプログラム

Also Published As

Publication number Publication date
JP2007233515A (ja) 2007-09-13

Similar Documents

Publication Publication Date Title
US11886522B2 (en) Systems and methods for identifying electronic content using video graphs
CN111241311B (zh) 媒体信息推荐方法、装置、电子设备及存储介质
JP4650541B2 (ja) 推薦装置および方法、プログラム、並びに記録媒体
US8463717B2 (en) Method and apparatus for predicting preference rating for content, and method and apparatus for selecting sample content
US9641879B2 (en) Systems and methods for associating electronic content
JP4678546B2 (ja) 推薦装置および方法、プログラム、並びに記録媒体
US8407230B2 (en) System and method for identifying similar media objects
US8611676B2 (en) Information processing apparatus, feature extraction method, recording media, and program
US7953735B2 (en) Information processing apparatus, method and program
US7849092B2 (en) System and method for identifying similar media objects
JP4538757B2 (ja) 情報処理装置、情報処理方法、およびプログラム
CN109165302A (zh) 多媒体文件推荐方法及装置
US20080235283A1 (en) Generating audio annotations for search and retrieval
US20090055376A1 (en) System and method for identifying similar media objects
CN102187338A (zh) 基于相似性数据的播放列表产生***和方法
US20080275904A1 (en) Method of Generating and Methods of Filtering a User Profile
EP1909194A1 (en) Information processing device, feature extraction method, recording medium, and program
JP2008165759A (ja) 情報処理装置及び方法並びにプログラム
JP5013161B2 (ja) 情報処理装置および情報処理方法、提供装置および提供方法、並びにプログラム
US20200394213A1 (en) Systems, Methods and Computer Program Products for Associating Media Content Having Different Modalities
CN112950325B (zh) 一种社交行为融合的自注意力序列推荐方法
CN111858969B (zh) 多媒体数据推荐方法、装置、计算机设备和存储介质
US11727221B2 (en) Dynamic correlated topic model
JP4804960B2 (ja) 音楽情報検索システム、音楽情報検索方法及びコンピュータプログラム
CN110569447B (zh) 一种网络资源的推荐方法、装置及存储介质

Legal Events

Date Code Title Description
A621 Written request for application examination

Free format text: JAPANESE INTERMEDIATE CODE: A621

Effective date: 20090218

A977 Report on retrieval

Free format text: JAPANESE INTERMEDIATE CODE: A971007

Effective date: 20110727

A131 Notification of reasons for refusal

Free format text: JAPANESE INTERMEDIATE CODE: A131

Effective date: 20110802

A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20110916

A131 Notification of reasons for refusal

Free format text: JAPANESE INTERMEDIATE CODE: A131

Effective date: 20120221

A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20120402

TRDD Decision of grant or rejection written
A01 Written decision to grant a patent or to grant a registration (utility model)

Free format text: JAPANESE INTERMEDIATE CODE: A01

Effective date: 20120510

A01 Written decision to grant a patent or to grant a registration (utility model)

Free format text: JAPANESE INTERMEDIATE CODE: A01

A61 First payment of annual fees (during grant procedure)

Free format text: JAPANESE INTERMEDIATE CODE: A61

Effective date: 20120523

FPAY Renewal fee payment (event date is renewal date of database)

Free format text: PAYMENT UNTIL: 20150615

Year of fee payment: 3

FPAY Renewal fee payment (event date is renewal date of database)

Free format text: PAYMENT UNTIL: 20150615

Year of fee payment: 3

LAPS Cancellation because of no payment of annual fees