JP6397704B2 - 情報処理装置、情報処理システム、情報処理方法及びプログラム - Google Patents

Description

本発明の実施形態は、情報処理装置、情報処理システム、情報処理方法及びプログラムに関する。

従来、店舗、物品（例えば、商品）またはコンテンツ（例えば、文章、音楽、動画）を、推薦をする対象となる利用者（以下、対象ユーザという）に推薦するシステムが知られている。従来のシステムでは、飲食店、ホテルといったジャンル毎に、対象ユーザに店舗またはホテルを推薦していた。しかしながら、飲食店、ホテルといったジャンルの垣根を超えて、対象ユーザに推薦することが行われていなかった。

特開２００３−６５１２号公報 特開２００４−３２６２２７号公報

そこで本発明の実施形態が解決しようとする課題は、複数のジャンルに渡る情報を対象ユーザに推薦することが可能な情報処理装置、情報処理システム、情報処理方法及びプログラムを提供することである。

一の実施形態によれば、情報処理装置は、推薦をする対象となる対象ユーザの複数のジャンルに渡る嗜好を示す嗜好情報を取得する嗜好情報取得部を備える。情報処理装置は、前記対象ユーザの前記嗜好情報と、アクセス可能な記憶装置に記憶された複数のジャンルに渡る複数の推薦候補に関する推薦候補情報とを用いて、前記複数の推薦候補から前記対象ユーザへ推薦する推薦項目を決定する推薦項目決定部を備える。

第１の実施形態における情報処理システム１００の構成を示す図。 第１の実施形態における情報処理装置１のハードウェア構成を示す図。 第１の実施形態における情報処理装置１の論理的な構成を示す図。 第１の実施形態における処理の一例を示すフローチャート。 第１の実施形態の第１の変形例における情報処理装置１ｂの論理的な構成を示す図。 対象ユーザの対象の推薦候補に対する評価推定値の計算例を説明するための図。 第１の実施形態の第２の変形例における情報処理装置１ｃの論理的な構成を示す図。 第１の実施形態の第３の変形例における情報処理装置１ｄの論理的な構成を示す図。 第１の実施形態の第３の変形例の処理の流れの一例を示す図。 第１の実施形態の第４の変形例における情報処理装置１ｅの論理的な構成を示す図。 第１の実施形態の第５の変形例における情報処理装置１ｆの論理的な構成を示す図。 第２の実施形態における情報処理装置１ｇの論理的な構成を示す図。 各ユーザの購買履歴の一例を示す模式図。 第２の実施形態に係る補正合致度の計算例を示す図。 第２の実施形態における処理の一例を示すフローチャート。

以下、図面を参照しながら、本発明の実施形態について説明する。

（第１の実施形態）
まず、第１の実施形態について説明する。図１は、第１の実施形態における情報処理システム１００の構成を示す図である。図１に示すように、情報処理システム１００は、情報処理装置１、端末装置２−１、２−２、基地局３、及びネットワーク網４を備える。

情報処理装置１は、基地局３とネットワーク網４を介して接続されている。基地局３は、端末装置２−１、２−２と無線通信する。これにより、情報処理装置１は、ネットワーク網４及び基地局３を介して、端末装置２−１、２−２と通信する。情報処理装置１は、例えば、サーバである。

端末装置２−１、２−２は、基地局３と無線通信可能であり、基地局３を介して情報処理装置１と通信する。端末装置２−１、２−２は、例えば、携帯電話、タブレット端末、腕時計型端末、ゴーグル型端末またはノートパソコンなどである。以下、端末装置２−１、２−２を総称して、端末装置２という。

端末装置２が対象ユーザの操作に基づき推薦表示画面を表示すると、端末装置２は、対象ユーザを識別する識別情報等を含む推薦リクエストを情報処理装置１へネットワーク網４を介して送信する。情報処理装置１は、端末装置２から推薦リクエストを受信した場合、後述するような処理を行うことで、対象ユーザ向けの推薦内容を生成し、この推薦内容を端末装置２へ返送する。端末装置２は、情報処理装置１から受信した推薦内容を対象ユーザへ提示する。

図２は、第１の実施形態における情報処理装置１のハードウェア構成を示す図である。情報処理装置１は、記憶装置１１、ＲＡＭ（Random Access Memory）１２、ＣＰＵ（Central Processing Unit）１３、及び通信部１４を備える。

記憶装置１１は、各種データ及びＣＰＵ１３が実行するためのプログラムが記憶されている。

ＲＡＭ１２は、情報を一時記憶する。

ＣＰＵ１３は、記憶装置１１からプログラムをＲＡＭ１２に読み出して実行することにより、図３に示す嗜好情報取得部２１及び推薦項目決定部２２として機能する。

通信部１４は、ネットワーク網４を介して端末装置２と通信する。

図３は、第１の実施形態における情報処理装置１の論理的な構成を示す図である。記憶装置１１は、ユーザ情報記憶部１１１、及び推薦候補記憶部１１２を有する。

ユーザ情報記憶部１１１には、情報処理システム１００のユーザを識別するユーザ識別情報と、当該ユーザの複数のジャンルに渡る嗜好を示す嗜好情報とが関連づけられて記憶されている。ここで、嗜好情報は、例えば、ユーザが登録した情報、ユーザのアンケート回答に基づいた情報、あるいはユーザの行動履歴を予め分析することで得られた情報、または他のサービスでユーザが登録した情報などであるが、それらに限定されるものではない。また、嗜好情報には、ユーザの趣味も含まれる。ユーザが登録した情報には、ユーザの人口統計学的属性（デモグラフィック）を示すデモグラフィック情報が含まれる。例えば、ユーザ情報記憶部１１１には、ユーザの人口統計学的属性（デモグラフィック）を示すデモグラフィック情報とユーザ識別情報とが関連づけられて記憶されている。ここで、デモグラフィックは、性別、年齢、居住地域、所得、職業、学歴、人種、家族構成など、そのユーザの持つ社会経済的な特質データである。

推薦候補記憶部１１２には、推薦候補に関する推薦候補情報が記憶されている。ここで、推薦候補情報は、推薦候補の名称、ジャンル、価格、写真、有効期限などを含むが、それらに限定されない。また、推薦候補記憶部１１２は、推薦項目決定部２２で必要となる固有の情報も記憶する。

嗜好情報取得部２１は、推薦をする対象となる対象ユーザの複数のジャンルに渡る嗜好を示す嗜好情報を取得する。具体的には例えば、嗜好情報取得部２１は、端末装置２から送信されたユーザ識別情報に基づいて、ユーザ情報記憶部１１１から、このユーザ識別情報に対応する嗜好情報を取得する。

推薦項目決定部２２は、対象ユーザの嗜好情報と、アクセス可能な記憶装置１１に記憶された複数のジャンルに渡る複数の推薦候補に関する推薦候補情報とを用いて、複数の推薦候補から対象ユーザへ推薦する推薦項目を決定する。具体的には例えば、推薦項目決定部２２は、取得された嗜好情報と推薦候補記憶部１１２に記憶されている推薦候補とを用いて、対象ユーザに提示する推薦項目リストを生成する。そして、推薦項目決定部２２は、生成した推薦項目リストを含む推薦内容を通信部１４から携帯端末２へ送信させる。

図４は、第１の実施形態における処理の一例を示すフローチャートである。

（ステップＳ１１）まず、ユーザの操作に応じて、端末装置２は、推薦表示画面を表示する。

（ステップＳ１２）次に、端末装置２は、例えば、ＧＰＳ（Global Positioning System）を用いて端末装置２の位置を測定する。これにより、端末装置２は、端末装置２の位置を示す位置情報を取得することができる。

（ステップＳ１３）次に、端末装置２は、ユーザ識別情報と位置情報とを含む推薦リクエストを情報処理装置１へ送信する。

（ステップＳ２１）次に、情報処理装置１の通信部１４は、端末装置２が送信した推薦リクエストを受信する。

（ステップＳ２２）次に、情報処理装置１の嗜好情報取得部２１は、ステップＳ２１で受信された推薦リクエストに含まれるユーザ識別情報に基づいて、嗜好情報を取得する。

（ステップＳ２３）次に、情報処理装置１の推薦項目決定部２２は、ステップＳ２２で取得した嗜好情報と推薦候補情報とを用いて、複数の推薦項目を含む推薦項目リストを生成する。

（ステップＳ２４）次に、情報処理装置１の通信部１４は、推薦項目リストを含む推薦内容を端末装置２へ送信する。

（ステップＳ１４）次に、端末装置２は、情報処理装置１から推薦内容を受信する。

（ステップＳ１５）次に、端末装置２は、ステップＳ１４で受信した推薦内容を表示する。

これにより、端末装置２を使用する対象ユーザは、自らの嗜好に合致し且つ複数のジャンルに渡る推薦項目を知ることができる。

以上、第１の実施形態において、嗜好情報取得部２１は、推薦をする対象となる対象ユーザの複数のジャンルに渡る嗜好を示す嗜好情報を取得する。推薦項目決定部２２は、対象ユーザの嗜好情報と、アクセス可能な記憶装置１１に記憶された複数のジャンルに渡る複数の推薦候補に関する推薦候補情報とを用いて、上記複数の推薦候補から対象ユーザへ推薦する推薦項目を決定する。

これにより、複数のジャンルの推薦候補が推薦項目に決定されるので、複数のジャンルの推薦項目を対象ユーザに提示できる。このように、複数のジャンルに渡る情報を対象ユーザに推薦することができる。

なお、ユーザの来店を検知する来店センサが店舗に設けられており、来店センサが設置された店舗を識別する店舗識別情報を、対象ユーザが使用する端末装置２へ無線で送信してもよい。そして、端末装置２は、店舗識別情報を含む推薦リクエストを情報処理装置１へ送信してもよい。その場合、情報処理装置１の推薦候補記憶部１１２には、予め店舗識別情報と店舗の属性（例えば、名称、住所など）を示す店舗属性情報とが関連づけられて記憶されている。そして、情報処理装置１の通信部１４が、店舗識別情報を含む推薦リクエストを取得した場合、推薦項目決定部２２は、この店舗識別情報に対応する店舗属性情報を推薦候補記憶部１１２から読み出してもよい。これにより、情報処理装置１は、端末装置２を使用する対象ユーザが来店した店舗、及び／または端末装置２の位置すなわち対象ユーザの位置を特定することができる。このため、ＧＰＳによる測位の困難な屋内であっても精度の高い滞在店舗推定または位置推定を行うことができる。

なお、推薦項目決定部２２は、端末装置２の位置を示す位置情報を取得し、嗜好情報と推薦候補情報に加えて、更に位置情報を用いて、推薦項目を決定してもよい。例えば、推薦項目が店舗の場合、推薦項目決定部２２は、嗜好情報が嗜好に合致する推薦候補情報のうち、位置情報が示す位置に応じた範囲内に存在する店舗を抽出し、抽出した店舗を含む推薦項目リストを生成してもよい。ここで、位置情報が示す位置に応じた範囲とは、この位置情報が示す位置を中心に予め決められた範囲であってもよいし、この位置情報が示す位置を含む商業エリアであってもよい。これにより、情報処理装置１は、対象ユーザの嗜好に合致する店舗のうち、対象ユーザの位置から所定の範囲に存在する店舗のみを推薦することができる。

推薦項目決定部２２での処理や、そのために必要な情報の保持方法には、様々な変形例が考えられる。以下では、それらの変形例について説明する。

（第１の変形例）
この変形例では、対象ユーザに対して提示する推薦項目リストを作成するため、情報処理装置１ｂは、対象ユーザの各推薦候補への評価推定値を、対象ユーザに類似する類似ユーザによる各推薦候補への評価値を用いて決定し、決定した評価推定値が高いものから順に推薦候補を並べた一覧を作成する。

図５は、第１の実施形態の第１の変形例における情報処理装置１ｂの論理的な構成を示す図である。なお、図３と共通する要素には同一の符号を付し、その具体的な説明を省略する。第１の実施形態の第１の変形例における情報処理装置１ｂの構成は、第１の実施形態における情報処理装置１の構成に対して、推薦項目決定部２２が推薦項目決定部２２ｂに変更されたものになっている。

推薦項目決定部２２ｂは、評価部２２１と決定部２２２とを備える。

評価部２２１は、対象ユーザの推薦候補それぞれに対する評価推定値を決定する。

決定部２２２は、評価部２２１が決定した評価推定値を用いて、複数の推薦候補から対象ユーザへ推薦する推薦項目を決定する。

評価部２２１は、ユーザ類似度決定部２２１１、評価値取得部２２１２、及び評価値推定部２２１３を備える。

ユーザ類似度決定部２２１１は、対象ユーザの嗜好情報と、複数の他のユーザの嗜好情報とを用いて、対象ユーザと他のユーザそれぞれとの間の類似度を決定する。具体的には例えば、ユーザ類似度決定部２２１１は、ユーザ情報記憶部１１１から、各ユーザの属性情報を読み出す。この属性情報には、デモグラフィック、ユーザの行動履歴、及び他のユーザとのソーシャルネットワーク上の友達関係の近さの情報のうち少なくとも一つが含まれる。

また、ユーザ類似度決定部２２１１は、嗜好情報取得部２１によって取得された各ユーザの嗜好情報を取得する。そしてユーザ類似度決定部２２１１は、読み出した各ユーザの属性情報と取得した各ユーザの嗜好情報とに基づいて、対象ユーザと他のユーザそれぞれとの間の類似度を決定する。

類似度は、例えば、−１．０から１．０の間の数値をとる指標であり、ユーザ同士が似ているほど１．０に近づき、全く似ていないときには０になる。また、反対の嗜好を持っている場合には、類似度は、負の値をとってもよい。類似度の算出には、様々な指標を用いることができる。例えば、ユーザ類似度決定部２２１１は、デモグラフィック（例えば、ユーザの年齢、性別）、嗜好情報、ユーザの行動履歴（例えば、閲覧履歴または購買履歴）、及びソーシャルネットワーク上の友達関係の近さの少なくとも一つを類似度の算出に用いてもよい。嗜好情報は、ユーザからアンケートで取得して得られる場合と、ユーザの行動履歴から推定される場合とがある。

例えば、ユーザ類似度決定部２２１１は、０．５^ａ×０．９^ｂの値を類似度として算出してもよい。ここで、係数ａは性別が違うときに１、性別が同じ時に０であり、係数ｂは年齢の差の絶対値である。なお、これは、年齢及び性別に基づいた類似度の算出例であって、類似度はこれに限定されるものではない。

嗜好情報としては、様々な対象に対する嗜好の強さを数値として表したものをユーザ毎に用意し、それらの間の相関係数を用いてもよいし、ベクトルとしてなす角度のコサインを用いてもよいが、これらに限定されるものではない。

嗜好の強さは、アンケートによって「読書」、「映画」、「ファッション」、「イタリアンレストラン」、「和食」といったジャンル毎の嗜好の強さを取得してもよい。また、ユーザが推薦候補を評価する仕組みがある場合には、推薦候補毎の評価値や購買または閲覧などの履歴を用いてもよいし、あるいはジャンル毎に累計もしくは平均した評価値を用いてもよい。ここで、ユーザが推薦候補を評価する仕組みには、ユーザによる五段階評価またはユーザによる「いいね」ボタンの押下などがある。

計算例として、第１のユーザの「読書」、「映画」、「ファッション」に対する嗜好の強さがそれぞれ（１，２，２）であり、第２のユーザの嗜好の強さがそれぞれ（０，２，４）であった場合、この二つのデータ列の間の相関係数０．８７が類似度としても算出されてもよい。また、これらのベクトルのなす角度のコサイン０．８９が類似度として算出されてもよい。また、ベクトルのなす角度のコサインを用いる場合には、予め全ユーザの平均を計算しておき、それを差し引いた結果のベクトルの角度を用いてもよい。

また、ユーザの嗜好が不明な成分には、平均値を用いてもよい。また、平均値を差し引く場合には、ユーザの嗜好が不明な成分はゼロとなる。

仮に、全ユーザの嗜好の平均が（０，１．５，３）であるとき、これを差し引いた結果の第１のユーザの嗜好の強さ、第２のユーザの嗜好の強さはそれぞれ（１，０．５，−１）， （０，０．５，１）となる。この場合、これらのベクトルのなす角度のコサイン−０．４５が類似度として算出されてもよい。

評価値取得部２２１２は、複数の他のユーザの複数の推薦候補それぞれに対する評価値を取得する。例えば、評価値取得部２２１２は、ユーザと推薦候補の各組に対して、当該ユーザの当該推薦候補に対する評価値が計算可能な場合には計算する。

例えば、ユーザが商品等を五段階評価で評価可能であれば、評価値取得部２２１２は、その評価値を用いてもよい。また、ユーザが「いいね」ボタンの押下や「はずれ」ボタンの押下といったフィードバック及び「購買」、「閲覧」といった行動それぞれに対して点数が予め設けられていてもよい。例えば、「いいね」ボタンの押下ならば２点、「はずれ」ボタンの押下なら−２点、「購買」ならば３点、「閲覧」ならば１点と点数が設けられていてもよい。そして、評価値取得部２２１２は、行われたフィードバックまたは行動に対応する点数の総和を評価値としてもよい。

また、評価値取得部２２１２は、ユーザがいずれの評価も行動も行っていない推薦候補に対しては評価不能として扱ってもよい。また、評価値は、そのユーザの評価値の平均を差し引いたものを評価値としてもよい。そうすることによって、ユーザによる評価値のバイアスの影響を低減できる。

評価値推定部２２１３は、決定された複数の類似度と取得された複数の評価値とを用いて、対象ユーザの推薦候補それぞれに対する評価推定値を決定する。具体的には例えば、評価値推定部２２１３は、対象ユーザｖに類似したユーザの各推薦候補ｉに対する評価値に基づいて、対象ユーザｖの各推薦候補ｉに対する評価推定値を推定する。

ここで、評価値推定部２２１３は、例えば、類似したユーザとして、ユーザ類似度決定部２２１１によって決定された、対象ユーザｖとの類似度が大きい順に予め設定された上限人数までのユーザを用いる。この際、評価値推定部２２１３は、評価値取得部２２１２で評価不能になったユーザは除いたうえで上限人数に達するまでのユーザを用いてもよい。また、類似度が負になるようなユーザは除いてもよい。

そうして得られた類似ユーザの集合Ｎを用いて、各類似ユーザｕの類似度がｓｉｍ＿ｕ、対象の推薦候補に対する評価値がｖａｌ＿ｕであるときに、評価値推定部２２１３は、その重み付き和Ｓ＝Σｕ∈Ｎ．ｓｉｍ＿ｕ×ｖａｌ＿ｕを、対象ユーザｖの対象の推薦候補に対する評価推定値としてもよい。あるいは、評価値推定部２２１３は、その重み付き和Ｓを類似度の絶対値の総和で割った Ｓ／（Σｕ∈Ｎ｜ｓｉｍ＿ｕ｜）を、対象ユーザｖの対象の推薦候補に対する評価推定値としてもよい。後者の場合の計算例を図６を用いて説明する。

図６は、対象ユーザの対象の推薦候補に対する評価推定値の計算例を説明するための図である。図６に示すように、例えば、対象の推薦候補に対する評価推定値は、第１のユーザＵ１が２で、第２のユーザＵ２が５で、第３のユーザＵ３が３である。また、第４のユーザＵ４が未評価である。対象ユーザＵＴとの類似度は、第１のユーザが０．７で、第２のユーザが０．３で、第３のユーザが０．２で、第４のユーザＵ４が０．４である。

第４のユーザＵ４が未評価であるので、一例として第４のユーザＵ４を無視する。このとき、対象ユーザＵＴの対象の推薦候補に対する評価推定値は、（０．７×２＋０．３×５＋０．２×３）／（０．７＋０．３＋０．２）≒２．９１７である。

続いて、決定部２２２は、例えば、決定された評価推定値が高いものから順に並んだ推薦項目リストを生成する。なお、この推薦項目リストは、推薦候補全てを含んでもよいし、評価推定値が高いものから順に一定個数まで含む一覧でもよいし、評価推定値が一定以上のものだけからなる一覧でもよいし、あるいは評価推定値が高いものから順に前者二ついずれかの条件に接触するまでの項目からなる一覧でもよい。

以上、第１の変形例における情報処理装置１ｂにおいて、ユーザ類似度決定部２２１１は、対象ユーザの嗜好情報と、複数の他のユーザの嗜好情報とを用いて、対象ユーザと他のユーザそれぞれとの間の類似度を決定する。また、評価値取得部２２１２は、複数の他のユーザの複数の推薦候補それぞれに対する評価値を取得する。そして、評価値推定部２２１３は、決定された複数の類似度と取得された複数の評価値とを用いて、対象ユーザの推薦候補それぞれに対する評価推定値を決定する。決定部２２２は、評価値推定部２２１３が決定した評価推定値を用いて、複数の推薦候補から前記対象ユーザへ推薦する推薦項目を決定する。

これにより、対象ユーザとの類似度が高い他のユーザの評価値が、対象ユーザの評価推定値により反映されるので、対象ユーザの嗜好をより反映した推薦項目を対象ユーザに提示することができる。

（第２の変形例）
続いて、第２の変形例について説明する。第２の変形例では、ユーザに提示する推薦項目リストを生成するために、対象ユーザの嗜好情報に合致する推薦候補を選択し、選択した推薦候補を用いて、推薦項目リストを生成する。

図７は、第１の実施形態の第２の変形例における情報処理装置１ｃの論理的な構成を示す図である。なお、図５と共通する要素には同一の符号を付し、その具体的な説明を省略する。第１の実施形態の第２の変形例における情報処理装置１ｃの構成は、第１の実施形態における第１の変形例における情報処理装置１ｂの構成に対して、推薦候補記憶部１１２が推薦候補記憶部１１２ｃに変更され、推薦項目決定部２２ｂが推薦項目決定部２２ｃに変更されたものになっている。

推薦候補記憶部１１２ｃには、第１の変形例の推薦候補記憶部１１２内に保存されている情報に加えて、複数の推薦候補それぞれ毎に当該推薦候補が有する複数のジャンルに渡る属性が関連づけられて記憶されている。具体的には例えば、推薦候補記憶部１１２ｃには、推薦候補それぞれ毎に、予め設定された複数の属性それぞれを有するか否かの情報が関連づけられて記憶されている。

この「複数の属性それぞれを有するか否かの情報」は、例えば、その推薦候補が「イタリアン料理である」という属性、「クラシック音楽である」という属性、「対象顧客層が女性である」という属性、「対象顧客年齢層がＦ１／Ｍ１層（女性２０〜３４歳か男性２０〜３４歳）である」という属性を有するか否かの情報である。

推薦項目決定部２２ｃは、推薦の対象となる対象ユーザの嗜好情報と、複数の推薦候補それぞれ毎に関連づけられた複数のジャンルに渡る属性とを比較し、比較結果に応じて、複数の推薦候補から対象ユーザへ推薦する推薦項目を決定する。その一例として、推薦項目決定部２２ｃは、対象ユーザの嗜好情報に加えて、対象ユーザのデモグラフィックを示すデモグラフィック情報を、複数の推薦候補それぞれ毎に関連づけられた複数のジャンルに渡る属性と比較し、比較結果に応じて、複数の推薦候補から対象ユーザへ推薦する推薦項目を決定する。

ここで、推薦項目決定部２２ｃは、推薦候補抽出部２２３と、推薦項目選択部２２４とを備える。

推薦候補抽出部２２３は、推薦の対象となる対象ユーザのデモグラフィック情報及び嗜好情報と、複数の属性それぞれを有するか否かの情報とを比較し、比較結果に応じて、複数の推薦候補から対象ユーザへ推薦する推薦項目を抽出する。

具体的には例えば、推薦候補抽出部２２３は、推薦候補のうち、推薦候補の対象顧客層の性別と年齢層が対象ユーザの性別と年齢とそれぞれと合致し、かつ推薦候補に関連づけられた嗜好性に関する属性のいずれかが対象ユーザの嗜好情報が示す嗜好に合致する推薦候補を抽出する。 ここで、嗜好性に関する属性は、例えば「イタリアン料理」、「フランス料理」、「中華」、「和食」、「軽食」である。ユーザの属性に対する嗜好は、アンケートでその属性を有する項目を好きと答えていたり、その属性を有する店舗の利用頻度が閾値以上であったり、あるいは行動履歴（例えば、購買履歴、閲覧履歴など）において当該属性を有する商品を頻繁に購入または閲覧などを行っているといったことで判定する。

なお、推薦候補抽出部２２３は、アンケート回答に、扶養家族に関する情報を回答している場合など、扶養家族の情報がある場合には、本人の情報もしくは扶養家族の情報のいずれかが合致する場合に合致すると判断してもよい。

また、合致の判定は「レストラン」、「ファッション」、「映画」などの推薦候補のジャンル毎にそれぞれ別々の判定の仕方をしてもよい。特に、嗜好性が合致するか否かを判断する際に用いる属性は、それぞれのジャンル毎に異なる属性を用いることが好ましい。

続いて、推薦項目選択部２２４は、例えば、推薦候補抽出部２２３により抽出された推薦候補から最終的な推薦項目を選択し、選択した推薦項目リストを生成する。例えば、推薦項目選択部２２４は、抽出された推薦候補から予め決められた個数を上限としてランダムに選択してもよい。但し、完全にランダムに選択されると、推薦候補の件数が多いジャンルの推薦候補が、推薦項目リストの上位の多くの割合を占めることになり、推薦項目の多様性が損なわれる。これを避けるために、例えば、ジャンル（例えば、「食料品」、「洋菓子」、「和菓子」、「レストラン」、「カフェ」、「居酒屋」など）毎に推薦項目の数の上限を設定してもよい。そして、推薦項目選択部２２４は、ランダムに推薦候補を選択する際に、選択した推薦候補が、既に上限に達したジャンルに属する場合、その選択した推薦項目は一旦除外し、残りの推薦候補から再度ランダムに選択してもよい。その後、残りの推薦候補が尽きた場合、推薦項目選択部２２４は、一旦除外した推薦候補を再度含めて、選択された推薦候補の数が予め設定された指定件数に達するまで完全にランダムに選択してもよい。このようにすることで、推薦項目リストに含まれる上位の推薦項目のジャンルの多様性を向上させることができる。

以上、第２の変形例の情報処理装置１ｃは、対象ユーザの嗜好情報と、複数の推薦候補それぞれ毎に関連づけられた複数のジャンルに渡る属性とを比較し、比較結果に応じて、複数の推薦候補から対象ユーザへ推薦する推薦項目を決定する推薦項目決定部２２ｃを備える。これにより、推薦候補の属性と対象ユーザの嗜好とが合致する推薦候補が推薦項目に決定される。これにより、情報処理装置１ｃは、対象ユーザの嗜好性を反映した推薦項目を対象ユーザに提示することができる。

（第３の変形例）
続いて、第３の変形例について説明する。第２の変形例では、推薦項目決定部２２ｃは、推薦候補の属性が対象ユーザの嗜好に合致するか否かの０、１の判定を行った。それに対し、第３の変形例では、推薦項目決定部２２ｄは、推薦候補に対するユーザの嗜好の合致度を連続的な数値として決定し、合致度が大きな順に推薦項目が並んだ推薦項目リストを生成する。

図８は、第１の実施形態の第３の変形例における情報処理装置１ｄの論理的な構成を示す図である。なお、図７と共通する要素には同一の符号を付し、その具体的な説明を省略する。第１の実施形態の第３の変形例における情報処理装置１ｄの構成は、第１の実施形態における第２の変形例における情報処理装置１ｃの構成に対して、推薦項目決定部２２ｃが推薦項目決定部２２ｄに変更されたものになっている。

推薦項目決定部２２ｄは、評価部２２５と決定部２２２ｄとを備える。

評価部２２５は、推薦候補に対するユーザの嗜好の合致度を前記推薦候補毎に評価する。ここで、評価部２２５は、嗜好度決定部２２５１と合致度評価部２２５２とを備える。

嗜好度決定部２２５１は、対象ユーザの回答または行動履歴（例えば、購買履歴または閲覧履歴）に基づいて、複数の推薦候補それぞれ毎に関連づけられた複数のジャンルに渡る各属性への対象ユーザの嗜好度を決定する。

合致度評価部２２５２は、推薦候補それぞれに関連づけられた複数のジャンルに渡る属性と、各属性への対象ユーザの嗜好度とを用いて、推薦候補毎に、当該推薦候補に対するユーザの嗜好の合致度を評価する。

決定部２２２ｄは、推薦候補それぞれに対するユーザの嗜好の上記合致度を用いて、対象ユーザへ推薦する推薦項目を決定する。例えば、決定部２２２ｄは、各推薦候補に対する嗜好度が高いものから順に並んだ推薦項目の一覧を生成する。

以下、図９を用いて、嗜好度決定部２２５１の処理例について説明する。図９は、第１の実施形態の第３の変形例の処理の流れの一例を示す図である。

図９の例では、記憶装置１１は、アンケート回答−属性加算値対応テーブルＴ１を保持している。アンケート回答−タグ加算値対応テーブルＴ１は、アンケートの回答毎に、嗜好度が加算される属性とその加算値とが対応づけられている。

（ステップＳ１０１）まず、嗜好度決定部２２５１は、アンケート回答−属性加算値対応テーブルＴ１を参照して、アンケート回答に関連づけられた属性に対して対応する加算値を加算することにより、各属性への嗜好度を計算する。

（ステップＳ１０２）次に、嗜好度決定部２２５１は、ある推薦候補に対して、対象ユーザが購買または評価（例えば、「いいね」ボタンの押下または「はずれ」ボタンの押下）を行った場合、当該推薦候補に関連づけられた属性への嗜好度を補正する。

この補正は、例えば、プラスの評価（例えば、「いいね」ボタンの押下）、購買などの場合、予め設定された数値を加算し、マイナスの評価（例えば、「はずれ」ボタンの押下）の場合、予め設定された数値を減算する補正である。嗜好度決定部２２５１は、この補正を、行動履歴に含まれる履歴の分だけ繰り返す。

これにより、図９の結果Ｒ１に示すように、ユーザ毎に、属性と嗜好度の組が得られる。このように、嗜好度決定部２２５１は、以上のような処理を行うことによって、ユーザ毎に、当該ユーザの各属性への嗜好度を計算することができる。

（ステップＳ１０３）次に、合致度評価部２２５２は、推薦候補毎に、当該推薦候補に対するユーザの嗜好の合致度を計算する。これにより、図９の結果Ｒ２に示すように、ユーザ毎に推薦候補毎の合致度が得られる。図９では、推薦候補の一例としてアイテムＡ、アイテムＤ、アイテムＢが示されており、その合致度は、それぞれ１３点、１０点、５点である。

計算方法の一例として、合致度評価部２２５２は、推薦候補に付与された各属性についてのユーザの嗜好度の総和を、当該推薦候補に対するユーザの嗜好の合致度として計算する。これは推薦候補に付与された各属性の有無を示す第１のベクトルと、ユーザの各属性への嗜好度のベクトルの内積を計算していることに等しい。ここで、第１のベクトルは、各属性の有無を互いに異なる次元の成分に割り当てたベクトルである。第１のベクトルは、属性が付与されているときには対応する成分が１、属性が付与されていないときには対応する成分が０である。

更に、他の方法として、合致度評価部２２５２は、上記第１のベクトルと、各属性のユーザの嗜好度を表す第２のベクトルのコサイン類似度を計算してもよい。

また、合致度評価部２２５２は、各推薦候補について、第２のベクトルの成分の平均値を求め、第２のベクトルから対応する平均値を差し引いた第３のベクトルと第１のベクトルとのコサイン類似度を計算してもよい。また、合致度評価部２２５２は、ユーザ毎に、第２のベクトルの成分の平均値を求め、第２のベクトルから対応する平均値を差し引いた第４のベクトルと第１のベクトルとのコサイン類似度を計算してもよい。

（ステップＳ１０４）次に、決定部２２２ｄは、合致度が高いものから順に並べた推薦項目リストを生成する。これにより、図９の結果Ｒ３に示すように、ユーザ毎に推薦項目リストが得られる。

なお、決定部２２２ｄは、推薦項目リストに推薦候補全てを含んでもよいし、合致度が高いものから順に一定個数まで推薦候補を含んでもよい。また、決定部２２２ｄは、合致度が一定以上の推薦候補だけから推薦項目リストを生成してもよいし、あるいは合致度が高いものから順に前者二ついずれかの条件に達するまでの推薦候補を含む推薦項目リストを生成してもよい。

以上、第３の変形例において、嗜好度決定部２２５１は、対象ユーザの回答または行動履歴に基づいて、複数の推薦候補それぞれ毎に関連づけられた複数のジャンルに渡る各属性への対象ユーザの嗜好度を決定する。そして、合致度評価部２２５２は、推薦候補それぞれに関連づけられた複数のジャンルに渡る属性と、各属性への対象ユーザの嗜好度とを用いて、推薦候補の属性と対象ユーザの嗜好の合致度を推薦候補毎に評価する。そして、決定部２２２ｄは、推薦候補それぞれに対するユーザの嗜好の上記合致度を用いて、対象ユーザへ推薦する推薦項目を決定する。

これにより、合致度の高い推薦候補を推薦項目に決定することができるので、より対象ユーザの嗜好に合致する推薦項目を対象ユーザに提示することができる。

(第４の変形例)
続いて、第４の変形例について説明する。第１の変形例から第３の変形例までの単一の方法によって推薦項目を決定した。それに対し、第４の変形例では、複数の方法で決定した推薦項目を互い違いに並べることによって、最終的な推薦項目リストを生成する。

図１０は、第１の実施形態の第４の変形例における情報処理装置１ｅの論理的な構成を示す図である。なお、図８と共通する要素には同一の符号を付し、その具体的な説明を省略する。第１の実施形態の第４の変形例における情報処理装置１ｅの構成は、第１の実施形態における第３の変形例における情報処理装置１ｄの構成に対して、推薦項目決定部２２ｄが削除され、推薦項目決定部２２−１、…、２２−Ｍ（Ｍは正の整数）と統合部２３が追加されたものになっている。

推薦項目決定部２２−１、…、２２−ＭまでのＭ個の推薦項目決定部２２−ｉ（ｉは１からＭまでの整数）それぞれは、第１の変形例から第３の変形例まで推薦項目決定部２２ｂ、２２ｃ、２２ｄのいずれかの構成を有する。

なお、一部の推薦項目決定部２２−ｉは、その他の方法により、推薦項目を決定してもよい。また、上記の構成に限らず、第４の変形例における情報処理装置１ｅは、第１の変形例から第３の変形例までの推薦項目決定部２２ｂ、２２ｃ、２２ｄのうち、互いに異なる推薦項目決定部を少なくとも二つ有していればよい。

統合部２３は、複数の推薦項目決定部２２−ｉが決定した推薦項目を統合することにより、対象ユーザへ推薦する項目を決定する。例えば、統合部２３は、複数の推薦項目決定部２２−ｉが決定した推薦項目を互い違いに並べた推薦項目リストを生成する。

例えば、Ｍが３の場合に、推薦項目決定部２２−１が第１の変形例の推薦項目決定部２２ｂで、推薦項目決定部２２−２が第２の変形例の推薦項目決定部２２ｃであり、推薦項目決定部２２−３が第３の変形例の推薦項目決定部２２ｄである場合を想定する。

その場合に、推薦項目決定部２２−１が「Ａ、Ｂ、Ｃ」という第１の推薦項目リストを生成し、推薦項目決定部２２−２が「Ｅ、Ｆ、Ｇ」という第２の推薦項目リストを生成し、推薦項目決定部２２−３が「Ｉ、Ｊ、Ｋ」という第３の推薦項目リストを生成した例について説明する。その例において、統合部２３は、「Ａ、Ｂ、Ｃ」、「Ｅ、Ｆ、Ｇ」、「Ｉ、Ｊ、Ｋ」を互い違いに並べて、推薦項目が「Ａ、Ｅ、Ｉ、Ｂ、Ｆ、Ｊ、Ｃ、Ｇ、Ｋ」の順に並んだ推薦項目リストとして生成する。

但し、同じ推薦項目が第１〜第３の推薦項目に含まれる場合があるため、統合部２３が先頭から順に並べる推薦項目を選択していく際に、既に選択した推薦項目があった場合には、その推薦項目を飛ばし、その次の推薦項目を選択してもよい。例えば、「Ａ、Ｂ、Ｃ」、「Ｅ、Ａ、Ｇ」、「Ｉ、Ｊ、Ｋ」という第１〜第３の推薦項目リストが与えられた場合、「Ａ、Ｅ、Ｉ、Ｂ」の次は、第２の推薦項目リストのＡは既に選択されているので、これを飛ばして次のＧを選ぶことにより、「Ａ，Ｅ，Ｉ，Ｂ，Ｇ，…」となる。統合部２３は、生成する推薦項目リストに含まれる推薦項目の数が、予め指定した件数以下となるように推薦項目リストを生成してもよい。

以上、第４の変形例に係る情報処理装置１ｅは、第１の変形例から第３の変形例までの推薦項目決定部２２ｂ、２２ｃ、２２ｄのうち、互いに異なる推薦項目決定部を少なくとも二つと、複数の推薦項目決定部が決定した推薦項目を統合することにより、対象ユーザへ推薦する項目を決定する統合部２３とを備える。

これにより、推薦の生成手法はそれぞれ異なる情報を用いて、異なった傾向を持った推薦項目を決定できるため、ユーザに対して多様な推薦項目を提示することができる。

（第５の変形例）
続いて、第５の変形例について説明する。第４の変形例に係る情報処理装置１ｅは、互いに異なる推薦項目決定部が決定した推薦項目を統合することにより、対象ユーザへ推薦する項目を決定した。それに対し、第５の変形例に係る情報処理装置１ｆは、第１の変形例の評価部２２１が決定した評価推定値と、第３の変形例の評価部２２５が評価した合致度とを用いて、推薦項目を決定する。

図１１は、第１の実施形態の第５の変形例における情報処理装置１ｆの論理的な構成を示す図である。なお、図８と共通する要素には同一の符号を付し、その具体的な説明を省略する。第１の実施形態の第５の変形例における情報処理装置１ｆの構成は、第１の実施形態における第３の変形例における情報処理装置１ｄの構成に対して、推薦項目決定部２２ｄが推薦項目決定部２２ｆに変更されたものになっている。

推薦項目決定部２２ｆは、評価部２２１−１、…、２２１−Ｎ（Ｎは正の整数）と、決定部２２２ｆとを備える。

評価部２２１−１、…、２２１−ＮまでのＮ個の評価部２２１−ｊ（ｊは１からＮまでの整数）それぞれは、第１の変形例の評価部２２１、または第３の変形例の評価部２２５いずれかの構成を有する。なお、評価部２２１−ｊは、第１の変形例の評価部２２１及び第３の変形例の評価部２２５とは異なる方法によって評価推定値を決定してもよい。

決定部２２ｆは、第１の変形例の評価部２２１が推定した対象ユーザの推薦候補それぞれに対する評価推定値と、第３の変形例の評価部２２５が評価した推薦候補に対するユーザの嗜好の合致度とを用いて、複数の推薦候補から対象ユーザへ推薦する推薦項目を決定する。より詳細には、決定部２２ｆは、対象ユーザの推薦候補それぞれに対する評価推定値と、対象ユーザの推薦候補それぞれに対する嗜好の合致度とを用いて第２の評価推定値を決定し、この第２の評価推定値に基づいて、対象ユーザに推薦する推薦項目を決定する。ここで、決定部２２２ｆは、評価値決定部２２２１と推薦項目選択部２２２２とを備える。

評価値決定部２２２１は、対象ユーザの推薦候補それぞれに対する評価推定値と、対象ユーザの推薦候補それぞれに対する嗜好度とを用いて、第２の評価推定値を決定する。

例えば、評価部２２１−１、…、２２１−Ｎは、評価推定値または合致度として、値ｖ１、…、ｖＮを決定した場合を想定する。その場合、評価値決定部２２２１は、例えば、予め与えられた関数ｆを用いて、第２の評価推定値ｆ（ｖ_１，…，ｖ_Ｎ）を計算する。予め与えられた定数ｃ_１、…、ｃ_Ｎを用いて、関数ｆは例えば、ｆ（ｖ_１，…，ｖ_Ｎ）＝ｃ_１×ｖ_１＋…＋ｃ_Ｎ×ｖ_Ｎである。

推薦項目選択部２２２２は、第２の評価推定値ｆ（ｖ_１，…，ｖ_Ｎ）に基づいて、複数の推薦候補から対象ユーザに推薦する推薦項目を選択する。例えば、推薦項目選択部２２２２は、推薦候補のうち、この第２の評価推定値ｆ（ｖ_１，…，ｖ_Ｎ）が大きいものから順に含めた推薦項目リストを生成する。なお、推薦項目リストに含まれる推薦項目の数には、予め指定した件数が上限として設定されていてもよい。

以上、第５に変形例に係る情報処理装置１ｆは、第１の変形例の評価部２２１と、第３の変形例の評価部２２５とを備える。そして、決定部２２２ｆは、評価部２２１が推定した対象ユーザの推薦候補それぞれに対する評価推定値と、評価部２２５が評価した推薦候補に対するユーザの嗜好の合致度とを用いて、複数の推薦候補から対象ユーザへ推薦する推薦項目を決定する。

これにより、評価部２２１が推定した評価推定値と評価部２２５が評価した合致度とを組み合わせて決定された第２の評価推定値の高い推薦項目を対象ユーザに推薦することができる。それによって、例えば類似ユーザ層からの評価が高く、かつ対象ユーザ自身の嗜好にもあっている推薦項目を対象ユーザに推薦することができる。

なお、第５の変形例では、評価推定値と合致度を引数とする関数を用いて、新たな第２の評価推定値を決定したがこれに限ったものではない。決定部２２２ｆは、評価推定値と合致度とを用いて、予め設定された辞書式順序に従って、複数の推薦候補から対象ユーザへ推薦する推薦項目を決定してもよい。具体的には、決定部２２２ｆは、対象ユーザの推薦候補それぞれに対する評価推定値と推薦候補に対するユーザの嗜好の合致度とを、予め設定された評価推定値と合致度との関係と推薦候補間の第２の評価値の比較結果との対応関係を参照することによって、複数の推薦候補から対象ユーザへ推薦する推薦項目を決定してもよい。

例えば、推薦候補Ａへの評価推定値がａ１、合致度がａ２、推薦候補Ｂへの評価推定値がｂ１、合致度がｂ２であるとき、推薦候補Ａの第２の評価推定値が推薦候補Ｂの第２の評価推定値よりも高いのは、ａ１＞ｂ１であるか、ａ１＝ｂ１かつａ２＞ｂ２であるときであるとする対応関係が予め設定されているものとする。このとき、実際のデータが例えばａ１＞ｂ１であった場合には、推薦候補Ａが推薦候補Ｂより第２の評価推定値が高いので、決定部２２２ｆは例えば、推薦候補Ａを推薦候補Ｂより上位に並べた推薦項目リストを生成する。

このように、決定部２２２ｆは、評価推定値ａ１、ｂ１、合致度ａ２、ｂ２と予め設定された対応関係とを照合することにより、第２の評価推定値の高いものから推薦候補を順に含めた推薦項目リストを生成してもよい。なお、推薦項目リストに含まれる推薦項目の数には、予め指定した件数が上限として設定されていてもよい。

（第２の実施形態）
続いて、第２の実施形態について説明する。従来、ネットショッピングにおいては、多数の人の購買履歴やチェック履歴を解析し、それに基づいた商品の推薦が広く行われているが、実店舗を対象とした推薦はこれまで行われてこなかった。それに対し、本実施形態では、実店舗を対象とした推薦が可能な情報処理装置１について説明する。

ここで、携帯端末を利用しながら行動中のユーザに対し実店舗を推薦する場合、ユーザが現在滞在している店舗と競合する店舗や商品を推薦することは、その店舗にとっては商機を逃す行為となるため一般に嫌われ、店舗を超えた単位での推薦サービスの導入への障壁となる。

このような推薦を避けるため、従来は、競合店を個別に定義して個別に制御するか、店舗のカテゴリ分けや、扱っている商品による属性付けを行って、ある店舗にユーザがいるときに同種の他店舗の推薦を行わないといったことが行われていた。

しかし、そのような処理には細かな調整のために多大な労力を要する。また、例えば、 惣菜店とレストランなど異種の店舗間で競合関係にある場合もあるし、惣菜屋同士が補完関係にある場合もあるので、どのような店舗が競合するかは自明ではない。ここで、店舗間の競合関係とは、ほぼ同様な目的で顧客が来店し、且つほぼ同種類の満足を顧客に与えるため、一方の店舗での顧客の来店が増えると、他方の店舗での顧客の来店が減る関係である。店舗の補完関係とは、お茶を販売する店舗とお茶菓子を販売する店舗との関係のように、一方の店舗での顧客の来店が増えると、他方の店舗での顧客の来店が増える関係である。

このため、本来競合しないものを推薦できないことに繋がるか、逆に実際には競合しているものを誤って推薦してしまうことに繋がってしまう可能性がある。前者の場合には推薦項目が限られることでユーザにとっての推薦の魅力が低下し、後者の場合には競合店舗を推薦することで顧客店舗の満足度が低下してしまうという問題がある。

そこで、上述した問題に鑑み、本実施形態に係る情報処理装置１ｇは、対象ユーザが滞在している店舗と競合関係にある店舗の推薦頻度を低減させつつ、補完関係にある店舗を優先的に推薦することを目的とする。

本実施形態に係る情報処理装置１ｇは、嗜好情報と、アクセス可能な記憶装置に記憶された複数のジャンルに渡る複数の推薦候補とを用いて、推薦候補に対するユーザの嗜好の合致度を決定する。そして、情報処理装置１ｇは、推薦候補毎に、対象項目と当該推薦候補との間が競合関係か補完関係かを表す関係情報に応じて、当該推薦候補に対応する合致度を補正し、補正して得た補正合致度に応じて、推薦候補から推薦項目を決定する。

本実施形態に係る情報処理システムの構成は、図１に示す第１の実施形態に係る情報処理システム１００の構成と同様であるので、その説明を省略する。

続いて、本実施形態に係る情報処理システムの処理の概要について説明する。端末装置２が対象ユーザの操作に基づいて推薦表示画面を表示すると、端末装置２はＧＰＳによる測位を行って端末装置２の位置を示す位置情報を取得する。端末装置２は、この位置情報及びユーザ識別情報を含む推薦リクエストを情報処理装置１ｇへ、基地局３及びネットワーク網４を介して送信する。

情報処理装置１ｇは、端末装置２から推薦リクエストを受信した場合、後述するような処理を行うことにより、対象ユーザ向けの推薦内容を生成し、生成した推薦内容を端末装置２へ返送する。端末装置２は、情報処理装置１ｇから受信した推薦内容を対象ユーザへ提示する。

続いて、本実施形態に係る情報処理装置１ｇの構成について説明する。本実施形態に係る情報処理装置１ｇのハードウェア構成は、図２に示す第１の実施形態に係る情報処理装置１のハードウェア構成と同様であるので、その説明を省略する。

続いて、図１２を用いて第２の実施形態における情報処理装置１ｇの論理的な構成について説明する。図１２は、第２の実施形態における情報処理装置１ｇの論理的な構成を示す図である。なお、図３と共通する要素には同一の符号を付し、その具体的な説明を省略する。第２の実施形態における情報処理装置１ｇの構成は、図３の第１の実施形態における情報処理装置１の構成に対して、推薦項目決定部２２が推薦項目決定部２２ｇに変更され、対象項目取得部２４と関係情報生成部２５が追加され、記憶装置１１の推薦候補記憶部１１２が推薦候補記憶部１１２ｇに変更され、記憶装置１１が更に購買履歴情報記憶部１１３と関係情報記憶部１１４を有するようになったものである。

購買履歴情報記憶部１１３は、複数のユーザの購買履歴を示す購買履歴情報が記憶されている。

関係情報生成部２５は、購買履歴情報を用いて、推薦候補の組毎に、競合関係か補完関係かを表す関係情報を生成する。具体的には例えば、関係情報生成部２５は、購買履歴情報記憶部１１３から購買履歴情報を読み出し、読み出した購買履歴情報を用いて、推薦候補の組毎に、競合関係か補完関係かを表す関係情報を生成する。

そして、関係情報生成部２５は、得られた関係情報を、推薦候補の組毎に関連づけて関係情報記憶部１１４に記憶させる。これにより、関係情報記憶部１１４には、推薦候補の組と、競合関係か補完関係かを表す関係情報とが関連づけられて記憶される。

以下、関係情報生成部２５による関係情報の生成処理の一例について説明する。

（１）まず、関係情報生成部２５は、購買データをユーザ毎に、規定の時間（例えば、一時間、一日など）毎に分類し、まとめられた購買データの集合をＴ_１，Ｔ_２，Ｔ_３，…，Ｔ_ｎとする。

以下、この購買データの集合Ｔ_１，Ｔ_２，Ｔ_３，…，Ｔ_ｎを図１３を用いて説明する。

図１３は、各ユーザの購買履歴の一例を示す模式図である。図１３に示すように、第１のユーザは、例えば、第１の日に店舗Ａ、Ｂ、Ｃで購入したので、Ｔ_１＝｛Ａ，Ｂ，Ｃ｝に設定される。また、第１のユーザは、第２の日に店舗Ａで購入したので、Ｔ_２＝｛Ａ｝に設定される。また、第２のユーザは、第１の日に店舗Ｃ、Ｄで購入したので、Ｔ_３＝｛Ｃ，Ｄ｝に設定される。また、第２のユーザは、第２の日に店舗Ｂ、Ａで購入したので、Ｔ_４＝｛Ｂ，Ａ｝に設定される。

（２）次に、関係情報生成部２５は、購買データの集合Ｔ_１〜Ｔ_ｎの中で第１の推薦候補Item1を含む購買データの割合α = |{T_i | Item1∈T_i}| / nと、購買データの集合Ｔ_１〜Ｔ_ｎの中で、第２の推薦候補Item2を含む購買データの中での第１の推薦候補Item1を含む購買データの割合β = |{T_i | Item1∈T_i, Item2∈T_i}| / |{T_i | Item2∈T_i}|とを算出する。そして、関係情報生成部２５は、割合αと割合βの比β/αを関係情報として算出する。関係情報生成部２５は、この比β/αを、推薦候補Item1と推薦候補Item２の組と関連づけて関係情報記憶部１１４に記憶させる。

ここで、β≫αであれば、第２の推薦候補Item2で購買される際には、第１の推薦候補Item1での購買も増えているため、これらは補完関係にある。

一方、β≪αであれば、第２の推薦候補Item2で購買される際には、第１の推薦候補Item1での購買は減少しているため、これらは競合関係にある。

また、β≒αであれば、第１の推薦候補Item1と第２の推薦候補Item2の間の関係性は小さい。

よって、第１の推薦候補Item1と第２の推薦候補Item2とは、比β/αが１より大きくなるほど補完関係が強くなり、比β/αが１より小さくなるほど競合関係が強くなる。

このように、関係情報は、規定の時間毎に分類された複数の購買データのうち第１の推薦候補を含む購買データの割合αと、上記複数の購買データのうち第２の推薦候補を含む購買データ中での第１の推薦候補を含む購買データの割合βとに基づく情報であり、本実施形態では一例として、割合αと割合βの比β/αである。

推薦候補記憶部１１２ｇには、推薦候補に関する推薦候補情報の他に、店舗の位置を示す位置情報と店舗の属性（例えば、名称など）を示す店舗属性情報とが関連づけられて記憶されている。

対象項目取得部２４は、ユーザによる興味対象、訪問対象、消費対象、受領対象、参加対象、または閲覧対象となる対象項目を取得する。ここで、本実施形態では、一例として、対象項目は、対象ユーザが滞在する店舗である。例えば、対象項目取得部２４は、通信部１４が端末装置２から受信した推薦リクエストに含まれる位置情報と、推薦候補記憶部１１２ｇに記憶された位置情報を照合する。そして、対象項目取得部２４は、推薦リクエストに含まれる位置情報が示す位置に最も近い店舗を対象ユーザが滞在する店舗として取得する。

なお、対象項目取得部２４は例えば、文献「Learning to Rank for Spatiotemporal Search」(Blake Shaw, Jon Shea, Siddhartha Sinha, Andrew Hogue; WSDM 2013)に記載されている高度な推定方法を用いて、対象ユーザが滞在する店舗を推定してもよい。

推薦項目決定部２２ｇは、対象ユーザに推薦する推薦項目を決定する。例えば、推薦項目決定部２２ｇは、上記嗜好情報と上記推薦候補情報とに加えて、対象項目と推薦候補との間が競合関係か補完関係かを表す関係情報を用いて、複数の推薦候補から上記推薦項目を決定する。ここで、本実施形態に係る推薦項目は、一例として、対象ユーザが滞在する店舗とは異なる店舗である。ここで、推薦項目決定部２２ｇは、推薦決定部２２６と決定部２２２ｇとを備える。

推薦決定部２２６は、対象ユーザの嗜好情報と、アクセス可能な記憶装置１１に記憶された複数のジャンルに渡る複数の推薦候補とを用いて、推薦候補毎に、当該推薦候補に対するユーザの嗜好の合致度を決定する。具体的には例えば、推薦決定部２２６は、ユーザの嗜好情報と推薦候補記憶部１１２ｇに記憶された推薦候補とを用いて、推薦候補毎に、当該推薦候補に対するユーザの嗜好の合致度を決定する。そして、例えば、推薦決定部２２６は、合致度の高い順に全てもしくは一部のみ推薦候補を抽出する。ここで、合致度の決定の処理の詳細については、第１の実施形態の変形例３と同様であるので、その説明を省略する。

決定部２２２ｇは、推薦候補毎に、対象項目と当該推薦候補との間が競合関係か補完関係かを表す関係情報に応じて、当該推薦候補に対応する合致度を補正し、補正して得た補正合致度に応じて、推薦候補から推薦項目を決定する。本実施形態では一例として、この補正は、推薦決定部２２６が抽出した推薦候補毎に行われる。

また補正の際、決定部２２ｇは、対象項目と当該推薦候補との間が競合関係である場合、当該推薦候補に対する合致度を下げるように補正し、対象項目と当該推薦候補との間が補完関係である場合、当該推薦候補に対する合致度を上げるように補正する。具体的には、決定部２２ｇは、推薦候補それぞれの合致度Ｓに、補正係数（β／α）^Ｃを乗じて（Ｃは定数）、補正合致度Ｓ´を算出する。そして、例えば、決定部２２ｇは、補正合致度Ｓ´の大きい順に推薦候補を並べた推薦項目リストを生成する。

続いて、図１４を用いて、決定部２２ｇによる合致度Ｓの補正について説明する。図１４は、第２の実施形態に係る補正合致度の計算例を示す図である。この図１４は、対象ユーザの現在の滞在店舗が「和食の惣菜屋Ｅ」である場合の、推薦候補となる各店舗についての合致度Ｓと、補正係数（β／α）^Ｃと、補正合致度Ｓ´との組を示す表である。

例えば、レストランＧは、合致度が５．０に補正係数０．３を乗じることにより、補正合致度Ｓ´の値が１．５となる。一方、味噌汁専門店Ｍは、合致度が２．０に補正係数２．５を乗じることにより、補正合致度Ｓ´の値が５となる。これにより、決定部２２ｇは、補完関係にある味噌汁専門店Ｍの方が、競合関係にあるレストランＧよりも推薦項目リストの上位に並べることができるので、競合関係にある店舗の推薦頻度を低減させつつ、補完関係にある店舗を優先的に推薦することができる。

なお、決定部２２ｇは、補正係数（β／α）^Ｃが１より小さいものは競合関係にあるものとして、推薦項目リストに含めないようにしてもよい。

続いて、図１５は、第２の実施形態における処理の一例を示すフローチャートである。

（ステップＳ３１）まず、ユーザの操作に応じて、端末装置２は、推薦表示画面を表示する。

（ステップＳ３２）次に、端末装置２は、例えば、ＧＰＳ（Global Positioning System）を用いて端末装置２の位置を測定する。これにより、端末装置２は、端末装置２の位置を示す位置情報を取得することができる。

（ステップＳ３３）次に、端末装置２は、ユーザ識別情報と位置情報とを含む推薦リクエストを情報処理装置１ｇへ送信する。

（ステップＳ４１）次に、情報処理装置１ｇの通信部１４は、端末装置２が送信した推薦リクエストを受信する。

続いて、情報処理装置１ｇは、ステップＳ４２及びＳ４３の一連の処理と、ステップＳ４４の処理とを並行して行う。なお、ステップＳ４２及びＳ４３の一連の処理と、ステップＳ４４の処理とは、順不同である。

（ステップＳ４２）次に、情報処理装置１の嗜好情報取得部２１は、ステップＳ４１で受信された推薦リクエストに含まれるユーザ識別情報に基づいて、嗜好情報を取得する。

（ステップＳ４３）次に、情報処理装置１の推薦決定部２２６は、嗜好情報と推薦候補情報とを用いて、合致度と推薦候補との組からなる推薦リストを生成する。

（ステップＳ４４）ステップＳ４２及びＳ４３と並行して、情報処理装置１ｇの対象項目取得部２４は、ステップＳ４１で受信された推薦リクエストに含まれる位置情報を用いて、滞在店舗を推定する。

（ステップＳ４５）次に、情報処理装置１ｇの決定部２２２ｇは、滞在店舗と推薦候補との間における関係情報に応じて、合致度を補正する。

（ステップＳ４６）次に、情報処理装置１ｇの決定部２２２ｇは、例えば、補正合致度が大きい順に所定の数の推薦候補を含む推薦項目リストを生成する。

（ステップＳ４７）次に、情報処理装置１ｇの通信部１４は、推薦項目リストを含む推薦内容を端末装置２へ送信する。

（ステップＳ３４）次に、端末装置２は、情報処理装置１から推薦内容を受信する。

（ステップＳ３５）次に、端末装置２は、ステップＳ３４で受信した推薦内容を表示する。

以上、第２の実施形態において、対象項目取得部２４は、対象ユーザが滞在している店舗を対象項目として取得する。そして、推薦決定部２２６は、対象ユーザの嗜好情報と、アクセス可能な記憶装置１１に記憶された複数のジャンルに渡る複数の推薦候補とを用いて、推薦候補毎に、当該推薦候補に対するユーザの嗜好の合致度を決定する。決定部２２２ｇは、推薦候補毎に、対象項目と当該推薦候補との間が競合関係か補完関係かを表す関係情報に応じて、当該推薦候補に対応する合致度を補正し、補正して得た補正合致度に応じて、推薦候補から推薦項目を決定する。

これにより、対象ユーザが滞在している店舗と競合関係にある店舗が推薦項目に含まれる確率を低減させることができるので、競合店舗の推薦頻度を低減させることができる。このため、顧客店舗の満足度を向上させることができる。その一方、対象ユーザが滞在している店舗と補完関係にある店舗を優先的に推薦項目に含ませることができるので、補完店舗を優先的に推薦することができる。このため、ユーザの購買意欲を向上させることができる。また、従来手法のように競合店排除を個別に設定する労力が必要ないので、運用に係るコストを低減することができる。

また、本実施形態では、決定部２２２ｇは一例として、補正合致度Ｓ´の大きい順に推薦候補を並べた推薦項目リストを生成する。これにより、推薦項目が必要以上に絞られてしまうことがないので、ユーザにとっての魅力が低下することを避けることができる。

なお、本実施形態では、一例として、推薦する対象の項目を店舗としたが、これに限らず、物品（例えば、商品）、サービス、イベントまたはコンテンツを推薦してもよい。例えば、推薦する対象の項目を商品とする場合、対象ユーザが購入した商品の競合財の推薦頻度を低減させつつ、対象ユーザが購入した商品の補完財を優先的に推薦することができる。ここで、競合財（代替財）とは、対象の商品またはサービスと競合関係にある商品またはサービスである。具体的には競合財は、パンとご飯、コーヒーと紅茶、バターとマーガリンなどのように、ほぼ同様な目的に使用され、ほぼ同種類の満足を与えることから競合する財である。補完財とは、対象の商品またはサービスと組み合わせて利用する商品またはサービスである。具体的には、補完財は、パンとバターなどのように、一方の消費または利用が増えるにつれ、他方の消費または利用も増えるという補完的関係にある商品またはサービスである。

これにより、競合財の推薦頻度を低減させることができるので、対象ユーザが対象の商品またはサービスを購入または利用した顧客店舗の満足を高めることができる。また補完財を優先的に対象ユーザに推薦することができるので、対象ユーザの購買意欲を向上させることができる。

なお、記憶装置１１の関係情報記憶部１１４には、互いに補完関係にある項目同士が関連づけられて記憶されていてもよい。その場合、推薦項目決定部２２ｇは、互いに補完関係にある項目同士が関連づけられて記憶されている記憶装置１１を参照して、複数の推薦候補のうち対象項目と補完関係にある項目を推薦項目に決定してもよい。

具体的には例えば、推薦決定部２２６は、嗜好情報と、アクセス可能な記憶装置１１に記憶された複数のジャンルに渡る複数の推薦候補とを比較し、比較結果に応じて、複数の推薦候補から推薦項目を決定してもよい。そして、決定部２２２ｇは、互いに補完関係にある項目同士が関連づけられて記憶されている記憶装置１１を参照して、推薦候補のうち対象項目と補完関係にある項目を推薦項目に決定してもよい。

なお、第１の実施形態と同様に、ユーザの来店を検知する来店センサが店舗に設けられており、来店センサが設置された店舗を識別する店舗識別情報を、対象ユーザが使用する端末装置２へ無線で送信してもよい。そして、端末装置２は、店舗識別情報を含む推薦リクエストを情報処理装置１へ送信してもよい。

その場合、情報処理装置１ｇの推薦候補記憶部１１２には、予め店舗識別情報と店舗の属性（例えば、名称、住所など）を示す店舗属性情報とが関連づけられて記憶されている。そして、情報処理装置１の通信部１４が、店舗識別情報を含む推薦リクエストを取得した場合、推薦項目決定部２２ｇは、この店舗識別情報に対応する店舗属性情報を推薦候補記憶部１１２ｇから読み出してもよい。これにより、情報処理装置１は、対象ユーザが来店した店舗を特定することができる。このため、ＧＰＳによる測位の困難な屋内であっても精度の高い滞在店舗推定を行うことができる。

なお、推薦決定部２２６は、推薦候補毎に、当該推薦候補に対するユーザの嗜好の合致度を決定したが、これに限らず、第１の実施形態の第１の変形例と同じ手順で、対象ユーザの推薦候補それぞれに対する評価推定値を決定する場合もある。その場合、決定部２２２ｇは、推薦候補毎に、対象項目と当該推薦候補との間が競合関係か補完関係かを表す関係情報に応じて、当該推薦候補に対する評価推定値を補正し、補正して得た補正評価推定値に応じて、推薦候補から推薦項目を決定してもよい。

なお、各実施形態の情報処理装置の各構成が複数の装置に分散しており、これら複数の装置を備えるシステムが、各実施形態の情報処理装置の各処理を、これらの複数の装置で分散して処理してもよい。また、各実施形態において、端末装置は、情報処理装置の一部の構成を、情報処理装置の替わりに有していてもよい。

また、各実施形態の情報処理装置の各処理を実行するためのプログラムをコンピュータ読み取り可能な記録媒体に記録して、当該記録媒体に記録されたプログラムをコンピュータシステムに読み込ませ、プロセッサが実行することにより、各実施形態の情報処理装置に係る上述した種々の処理を行ってもよい。

なお、ここでいう「コンピュータシステム」とは、ＯＳや周辺機器等のハードウェアを含むものであってもよい。また、「コンピュータシステム」は、ＷＷＷシステムを利用している場合であれば、ホームページ提供環境（あるいは表示環境）も含むものとする。また、「コンピュータ読み取り可能な記録媒体」とは、フレキシブルディスク、光磁気ディスク、ＲＯＭ、フラッシュメモリ等の書き込み可能な不揮発性メモリ、ＣＤ−ＲＯＭ等の可搬媒体、コンピュータシステムに内蔵されるハードディスク等の記憶装置のことをいう。

更に、「コンピュータ読み取り可能な記録媒体」とは、インターネット等のネットワークや電話回線等の通信回線を介してプログラムが送信された場合のサーバやクライアントとなるコンピュータシステム内部の揮発性メモリ（例えばＤＲＡＭ（Dynamic Random Access Memory））のように、一定時間プログラムを保持しているものも含むものとする。また、上記プログラムは、このプログラムを記憶装置等に格納したコンピュータシステムから、伝送媒体を介して、あるいは、伝送媒体中の伝送波により他のコンピュータシステムに伝送されてもよい。ここで、プログラムを伝送する「伝送媒体」は、インターネット等のネットワーク（通信網）や電話回線等の通信回線（通信線）のように情報を伝送する機能を有する媒体のことをいう。また、上記プログラムは、前述した機能の一部を実現するためのものであってもよい。更に、前述した機能をコンピュータシステムに既に記録されているプログラムとの組み合わせで実現できるもの、いわゆる差分ファイル（差分プログラム）であってもよい。

以上、本発明は上記実施形態そのままに限定されるものではなく、実施段階ではその要旨を逸脱しない範囲で構成要素を変形して具体化できる。また、上記実施形態に開示されている複数の構成要素の適宜な組み合わせにより、種々の発明を形成できる。例えば、実施形態に示される全構成要素から幾つかの構成要素を削除してもよい。更に、異なる実施形態に渡る構成要素を適宜組み合わせてもよい。

１００ 情報処理システム
１、１ｂ、１ｃ、１ｄ、１ｅ、１ｆ、１ｇ 情報処理装置
１１ 記憶装置
１１１ ユーザ情報記憶部
１１２、１１２ｃ、１１２ｇ 推薦候補記憶部
１１３ 購買履歴情報記憶部
１１４ 関係情報記憶部
１２ ＲＡＭ
１３ ＣＰＵ
１４ 通信部
２、２−１、２−２ 端末装置
３ 基地局
４ ネットワーク網
２１ 嗜好情報取得部
２２、２２ｂ、２２ｃ、２２ｄ、２２−１、…、２２−Ｍ、２２ｆ、２２ｇ 推薦項目決定部
２２１、２２５、２２１−１、…、２２１−Ｎ 評価部
２２１１ ユーザ類似度決定部
２２１２ 評価値取得部
２２１３ 評価値推定部
２２２、２２２ｄ、２２２ｆ、２２２ｇ 決定部
２２２１ 評価値決定部
２２３ 推薦候補抽出部
２２４、２２２２ 推薦項目選択部
２２５１ 嗜好度決定部
２２５２ 合致度評価部
２２６ 推薦決定部
２３ 統合部
２４ 対象項目取得部
２５ 関係情報生成部

Claims (13)

1. 推薦をする対象となる対象ユーザの複数のジャンルに渡る嗜好を示す嗜好情報を取得する嗜好情報取得部と、
   前記対象ユーザの前記嗜好情報と、アクセス可能な記憶装置に記憶された複数のジャンルに渡る複数の推薦候補に関する推薦候補情報とを用いて、前記複数の推薦候補から前記対象ユーザへ推薦する推薦項目を決定する推薦項目決定部と、
   少なくとも前記対象ユーザによる興味対象、訪問対象、消費対象、受領対象、参加対象、または閲覧対象のいずれかである対象項目を取得する対象項目取得部と、
   前記対象ユーザの購買履歴に基づいて、前記対象項目と推薦候補との間が競合関係か補完関係かを表す関係情報を生成する関係情報生成部と、を備え、
   前記推薦項目決定部は、前記嗜好情報と前記推薦候補情報とに加えて、前記関係情報に基づいて、前記複数の推薦候補から前記推薦項目を決定する情報処理装置。
2. 前記推薦項目決定部は、
   前記対象ユーザの前記嗜好情報と、アクセス可能な記憶装置に記憶された複数のジャンルに渡る複数の推薦候補とを用いて、前記推薦候補毎に、当該推薦候補に対するユーザの嗜好の合致度を決定する推薦決定部と、
   前記推薦候補毎に、前記対象項目と当該推薦候補との間が競合関係か補完関係かを表す関係情報に応じて、当該推薦候補に対応する合致度を補正し、補正して得た補正合致度に応じて、前記推薦候補から前記推薦項目を決定する決定部と、
   を備える請求項１に記載の情報処理装置。
3. 推薦をする対象となる対象ユーザの複数のジャンルに渡る嗜好を示す嗜好情報を取得する嗜好情報取得部と、
   前記対象ユーザの前記嗜好情報と、アクセス可能な記憶装置に記憶された複数のジャンルに渡る複数の推薦候補に関する推薦候補情報とを用いて、前記複数の推薦候補から前記対象ユーザへ推薦する推薦項目を決定する推薦項目決定部と、
   少なくとも前記対象ユーザによる興味対象、訪問対象、消費対象、受領対象、参加対象、または閲覧対象のいずれかである対象項目を取得する対象項目取得部と、を備え、
   前記推薦項目決定部は、
   前記対象ユーザの前記嗜好情報と、アクセス可能な記憶装置に記憶された複数のジャンルに渡る複数の推薦候補とを用いて、前記推薦候補毎に、当該推薦候補に対するユーザの嗜好の合致度を決定する推薦決定部と、
   前記推薦候補毎に、前記対象項目と当該推薦候補との間が競合関係か補完関係かを表す関係情報に応じて、当該推薦候補に対応する合致度を補正し、補正して得た補正合致度に応じて、前記推薦候補から前記推薦項目を決定する決定部と、を備える情報処理装置。
4. 推薦をする対象となる対象ユーザの複数のジャンルに渡る嗜好を示す嗜好情報を取得する嗜好情報取得部と、
   前記対象ユーザの前記嗜好情報と、アクセス可能な記憶装置に記憶された複数のジャンルに渡る複数の推薦候補に関する推薦候補情報とを用いて、前記複数の推薦候補から前記対象ユーザへ推薦する推薦項目を決定する推薦項目決定部と、
   少なくとも前記対象ユーザによる興味対象、訪問対象、消費対象、受領対象、参加対象、または閲覧対象のいずれかである対象項目を取得する対象項目取得部と、を備え、
   前記推薦項目決定部は、
   前記対象ユーザの前記推薦候補それぞれに対する評価推定値を決定する推薦決定部と、
   前記推薦候補毎に、前記対象項目と当該推薦候補との間が競合関係か補完関係かを表す関係情報に応じて、当該推薦候補に対する評価推定値を補正し、補正して得た補正評価推定値に応じて、前記推薦候補から前記推薦項目を決定する決定部と、を備える情報処理装置。
5. 前記決定部は、前記対象項目と当該推薦候補との間が競合関係で有る場合、当該推薦候補に対する合致度を下げるように補正し、前記対象項目と当該推薦候補との間が補完関係で有る場合、当該推薦候補に対する合致度を上げるように補正する
   請求項２乃至４のいずれか一項に記載の情報処理装置。
6. 前記関係情報は、規定の時間毎に分類された複数の購買データのうち第１の推薦候補を含む購買データの割合と、第２の推薦候補を含む購買データ中の前記第１の推薦候補を含む購買データの割合とに基づく情報である
   請求項１乃至５のいずれか一項に記載の情報処理装置。
7. 前記推薦項目決定部は、
   前記対象ユーザの前記推薦候補それぞれに対する評価推定値を決定する推薦決定部と、
   前記推薦候補毎に、前記対象項目と当該推薦候補との間が競合関係か補完関係かを表す関係情報に応じて、当該推薦候補に対する評価推定値を補正し、補正して得た補正評価推定値に応じて、前記推薦候補から前記推薦項目を決定する決定部と、
   を備える請求項１に記載の情報処理装置。
8. コンピュータに、
   推薦をする対象となる対象ユーザの複数のジャンルに渡る嗜好を示す嗜好情報を取得するステップと、
   前記対象ユーザの前記嗜好情報と、アクセス可能な記憶装置に記憶された複数のジャンルに渡る複数の推薦候補に関する推薦候補情報とを用いて、前記複数の推薦候補から前記対象ユーザへ推薦する推薦項目を決定するステップと、
   前記対象ユーザによる興味対象、訪問対象、消費対象、受領対象、参加対象、または閲覧対象となる対象項目を取得するステップと、
   前記対象ユーザの購買履歴に基づいて、前記対象項目と推薦候補との間が競合関係か補完関係かを表す関係情報を生成するステップと、を実行させ、
   前記推薦項目を決定するステップは、前記嗜好情報と前記推薦候補情報とに加えて、前記関係情報に基づいて、前記複数の推薦候補から前記推薦項目を決定する情報処理方法。
9. コンピュータに、
   推薦をする対象となる対象ユーザの複数のジャンルに渡る嗜好を示す嗜好情報を取得するステップと、
   前記対象ユーザの前記嗜好情報と、アクセス可能な記憶装置に記憶された複数のジャンルに渡る複数の推薦候補に関する推薦候補情報とを用いて、前記複数の推薦候補から前記対象ユーザへ推薦する推薦項目を決定するステップと、
   少なくとも前記対象ユーザによる興味対象、訪問対象、消費対象、受領対象、参加対象、または閲覧対象のいずれかである対象項目を取得するステップと、を実行させ、
   前記推薦項目を決定するステップは、
   前記対象ユーザの前記嗜好情報と、アクセス可能な記憶装置に記憶された複数のジャンルに渡る複数の推薦候補とを用いて、前記推薦候補毎に、当該推薦候補に対するユーザの嗜好の合致度を決定するステップと、
   前記推薦候補毎に、前記対象項目と当該推薦候補との間が競合関係か補完関係かを表す関係情報に応じて、当該推薦候補に対応する合致度を補正し、補正して得た補正合致度に応じて、前記推薦候補から前記推薦項目を決定するステップと、を実行させる情報処理方法。
10. コンピュータに、
    推薦をする対象となる対象ユーザの複数のジャンルに渡る嗜好を示す嗜好情報を取得するステップと、
    前記対象ユーザの前記嗜好情報と、アクセス可能な記憶装置に記憶された複数のジャンルに渡る複数の推薦候補に関する推薦候補情報とを用いて、前記複数の推薦候補から前記対象ユーザへ推薦する推薦項目を決定するステップと、
    少なくとも前記対象ユーザによる興味対象、訪問対象、消費対象、受領対象、参加対象、または閲覧対象のいずれかである対象項目を取得するステップと、を実行させ、
    前記推薦項目を決定するステップは、
    前記対象ユーザの前記推薦候補それぞれに対する評価推定値を決定するステップと、
    前記推薦候補毎に、前記対象項目と当該推薦候補との間が競合関係か補完関係かを表す関係情報に応じて、当該推薦候補に対する評価推定値を補正し、補正して得た補正評価推定値に応じて、前記推薦候補から前記推薦項目を決定するステップと、を実行させる情報処理方法。
11. コンピュータに、
    推薦をする対象となる対象ユーザの複数のジャンルに渡る嗜好を示す嗜好情報を取得するステップと、
    前記対象ユーザの前記嗜好情報と、アクセス可能な記憶装置に記憶された複数のジャンルに渡る複数の推薦候補に関する推薦候補情報とを用いて、前記複数の推薦候補から前記対象ユーザへ推薦する推薦項目を決定するステップと、
    前記対象ユーザによる興味対象、訪問対象、消費対象、受領対象、参加対象、または閲覧対象となる対象項目を取得するステップと、
    前記対象ユーザの購買履歴に基づいて、前記対象項目と推薦候補との間が競合関係か補完関係かを表す関係情報を生成するステップと、を実行させ、
    前記決定するステップは、前記嗜好情報と前記推薦候補情報とに加えて、前記関係情報に基づいて、前記複数の推薦候補から前記推薦項目を決定する、ためのプログラム。
12. コンピュータに、
    推薦をする対象となる対象ユーザの複数のジャンルに渡る嗜好を示す嗜好情報を取得するステップと、
    前記対象ユーザの前記嗜好情報と、アクセス可能な記憶装置に記憶された複数のジャンルに渡る複数の推薦候補に関する推薦候補情報とを用いて、前記複数の推薦候補から前記対象ユーザへ推薦する推薦項目を決定するステップと、
    少なくとも前記対象ユーザによる興味対象、訪問対象、消費対象、受領対象、参加対象、または閲覧対象のいずれかである対象項目を取得するステップと、を実行させ、
    前記推薦項目を決定するステップは、
    前記対象ユーザの前記嗜好情報と、アクセス可能な記憶装置に記憶された複数のジャンルに渡る複数の推薦候補とを用いて、前記推薦候補毎に、当該推薦候補に対するユーザの嗜好の合致度を決定するステップと、
    前記推薦候補毎に、前記対象項目と当該推薦候補との間が競合関係か補完関係かを表す関係情報に応じて、当該推薦候補に対応する合致度を補正し、補正して得た補正合致度に応じて、前記推薦候補から前記推薦項目を決定するステップと、を備えるプログラム。
13. コンピュータに、
    推薦をする対象となる対象ユーザの複数のジャンルに渡る嗜好を示す嗜好情報を取得するステップと、
    前記対象ユーザの前記嗜好情報と、アクセス可能な記憶装置に記憶された複数のジャンルに渡る複数の推薦候補に関する推薦候補情報とを用いて、前記複数の推薦候補から前記対象ユーザへ推薦する推薦項目を決定するステップと、
    少なくとも前記対象ユーザによる興味対象、訪問対象、消費対象、受領対象、参加対象、または閲覧対象のいずれかである対象項目を取得するステップと、を実行させ、
    前記推薦項目を決定するステップは、
    前記対象ユーザの前記推薦候補それぞれに対する評価推定値を決定するステップと、
    前記推薦候補毎に、前記対象項目と当該推薦候補との間が競合関係か補完関係かを表す関係情報に応じて、当該推薦候補に対する評価推定値を補正し、補正して得た補正評価推定値に応じて、前記推薦候補から前記推薦項目を決定するステップと、を備えるプログラム。

Images