JP7153500B2 - データ管理装置およびデータ推奨プログラム - Google Patents

Description

本発明は、加入者に対してデータを推奨する装置およびプログラムに係わる。

近年、データを売買するサービスを提供するデータ流通市場が普及し始めている。データ流通市場の加入者は、自分が保有するデータを市場に提供することができる。また、加入者は、市場に提供されているデータを購入することができる。そして、データ流通市場を活性化するため、或いはデータ流通市場の利用を促進するために、加入者にとって有用なデータを推奨する機能が実用化されている。以下の記載では、加入者にデータを推奨する処理を「リコメンデーション」と呼ぶことがある。

データ流通市場においてデータを管理するデータ管理装置には、加入者から提供されたデータと共に、そのデータの属性を表すメタデータが登録される。メタデータは、データの出所および取得来歴などを表す。一例として、地域Ｘの温度を表す気候データのメタデータは、センサの種別、センサの設置場所、温度データを取得した時刻などを含む。

リコメンデーションは、メタデータのマッチングを利用して行われる。例えば、地域Ｘの温度を表す気候データを保有する加入者に対してリコメンデーションを行う際には、データ管理装置は、「地域Ｘの温度を表す気候データ」に対応するメタデータと類似するメタデータを検索する。そして、データ管理装置は、この検索により得られたメタデータに対応するデータを加入者に推奨する。この場合、例えば、「地域Ｘの湿度を表す気候データ」あるいは「地域Ｘ内のユーザ端末から取得される位置データ」などが加入者に推奨される。

なお、モバイルデバイスのユーザのためのリコメンデーションを生成する方法は、例えば、特許文献１に記載されている。また、特許文献２～３に関連技術が記載されている。

特開２０１３－０５８２１３号公報 特表２０１０－５０８５９２号公報 ＷＯ２０１３／１３６７９２

上述のように、従来技術においては、メタデータに基づいてリコメンデーションが行われることがある。しかし、メタデータに基づくリコメンデーションでは、加入者にとって利用価値の低いデータを推奨してしまうおそれがある。

本発明の１つの側面に係わる目的は、データ流通サービスの加入者に対して適切なリコメンデーションを行う装置または方法を提供することである。

本発明の１つの態様のデータ管理装置は、データおよび前記データの属性を表すメタデータを記憶する記憶部と、前記メタデータに基づいて、指定された第１のデータに関連する第２のデータを前記記憶部から抽出するデータ抽出部と、前記第２のデータの少なくとも一部に基づいて、前記第２のデータの特徴を表す特徴データを生成する特徴データ生成部と、前記特徴データに基づいて、前記第２のデータの推奨度を決定する推奨処理部と、前記第２のデータの推奨度を表す情報を含む推奨情報を出力する出力部と、を備える。

上述の態様によれば、データ流通サービスの加入者に対して適切なリコメンデーションを行うことができる。

データ管理装置の一例を示す図である。 推奨候補データを検索する手順の一例を示す図である。 特徴データを抽出する手順の一例を示す図である。 特徴データを抽出する手順の他の例を示す図である。 推奨情報の一例を示す図である。 推奨情報の他の例を示す図である。 データ管理装置の処理の一例を示すフローチャートである。 データ管理装置の処理の他の例を示すフローチャートである。 データ管理装置のハードウェア構成の一例を示す図である。 第２の実施形態に係わるデータ流通システムの一例を示す図である。 第２の実施形態におけるリコメンデーションシーケンスの一例を示す図である。

図１は、本発明の実施形態に係わるデータ管理装置の一例を示す。データ管理装置１０は、図１に示すように、記憶部１１、データ抽出部１２、特徴データ生成部１３、特徴データ変換部１４、推奨処理部１５、および出力部１６を備える。そして、データ管理装置１０は、データ流通市場において売買されるデータを管理し、加入者に対してデータの購入に係わるリコメンデーションを行う。なお、データ管理装置１０は、図１に示していない他の機能または要素を備えていてもよい。

記憶部１１は、加入者情報、データ、メタデータ、特徴データを記憶する。ただし、記憶部１１は、図１に示していない他のデータ及び／又は情報を記憶してもよい。

加入者情報は、データ流通サービスに加入するユーザ（すなわち、加入者）に係わる情報を表す。加入者は、データ流通市場を介してデータを販売するユーザおよびデータ流通市場を介してデータを購入するユーザを含む。データは、加入者から提供される。図１に示す例では、データＡ～Ｎが記憶部１に記憶されている。メタデータは、対応するデータの属性を表す。即ち、メタデータＡ～Ｎは、それぞれデータＡ～Ｎの属性情報を表す。なお、メタデータは、データを提供する加入者によって作成されてもよいし、データ流通サービスの管理者によって作成されてもよいし、データ管理装置１０により自動的に作成されるようにしてもよい。特徴データは、データの特徴を表す。なお、特徴データは、データ管理装置１０がリコメンデーションを行うときに、データ抽出部１２により抽出されたデータに対して特徴データ生成部１３により生成される。

データ抽出部１２は、データを購入することが期待される加入者に対して推奨すべきデータを記憶部１１から抽出する。以下の記載では、データを購入することが期待される加入者を「対象加入者」と呼ぶことがある。また、対象加入者に対して推奨するデータの候補を「推奨候補データ（または、購入候補者）」と呼ぶことがある。

データ抽出部１２は、加入者情報およびメタデータを参照して記憶部１１から推奨候補データを抽出する。このとき、データ抽出部１２は、特定の加入者に対して自律的にリコメンデーションを行ってもよいし、データ管理装置１０の外部から与えられるトリガに応じてリコメンデーションを行ってもよい。例えば、データ管理装置１０が自律的に加入者Ｘに対してリコメンデーションを行うときは、データ抽出部１２は、メタデータおよび加入者Ｘの加入者情報に基づいて推奨候補データを抽出してもよい。加入者Ｙが過去にデータ流通市場にデータＹを提供しているとき、或いは、加入者Ｙが過去にデータ流通市場からデータＹを購入しているときは、データ抽出部１２は、データＹのメタデータおよび加入者Ｙの加入者情報に基づいて、加入者Ｙのための推奨候補データを抽出してもよい。加入者Ｚが購入したいデータの検索を行ったときは、データ抽出部１２は、メタデータおよび加入者Ｚの加入者情報に加えて、加入者Ｚにより指定された検索条件に基づいて、加入者Ｚのための推奨候補データを抽出してもよい。

特徴データ生成部１３は、データ抽出部１２により抽出されたデータ（すなわち、推奨候補データ）の少なくとも一部に基づいて、その推奨候補データの特徴を表す特徴データを生成する。ここで、特徴データは、推奨候補データの数値または内容に基づいて生成される。そして、特徴データ生成部１３により生成された特徴データは、記憶部１１に記憶される。下記に特徴データの例を列挙する。

（１）基本統計量（平均値、分散、標準偏差、最小値、最大値、中央値、最頻値、範囲、合計など）
（２）データの分布（ヒストグラム）
（３）所定の範囲を超える外れ値およびその個数
（４）時間ごとのデータ数
（５）時系列データの場合、時系列解析により得られる特性（周期変化、トレンド変化、ランダム変化など）
（６）データ間の相関（時系列データの場合、所定の時間間隔でデータを分割して相関を算出してもよい）
（７）クラスタ数（例えば、クラスタリング手法の１つであるk-meansにおいては、最適クラスタ数の推定方法としてx-meansおよびエルボー法が公知である）

特徴データ変換部１４は、特徴データ生成部１３により生成された特徴データを、推奨候補データ中の数値を含まない特徴データに変換する。このとき、特徴データ変換部１４は、特徴データ生成部１３により生成された特徴データを、推奨候補データ中の数値情報を含むことなく推奨候補データの特徴を表す画像に変換してもよい。下記に特徴データ画像の例を列挙する。

（１）点グラフ
（２）線グラフ
（３）棒グラフ
（４）帯グラフ
（５）面グラフ
（６）レーダーチャート
（７）ヒストグラム
（８）箱ひげ図
（９）散布図
（１０）ヒートマップ
なお、データ管理装置１０は、特徴データ変換部１４を備えていなくてもよい。

推奨処理部１５は、特徴データ生成部１３により生成された特徴データに基づいて、推奨候補データの推奨度を決定する。データ抽出部１２により複数の推奨候補データが抽出されたときは、推奨処理部１５は、各推奨候補データの推奨度を決定し、各推奨候補データに対して順位付けを行ってもよい。そして、推奨処理部１５は、推奨候補データの推奨度を表す情報を含む推奨情報を作成する。推奨情報は、推奨度以外の情報を含んでいてもよい。

出力部１６は、推奨処理部１５により作成される推奨情報を出力する。このとき、出力部１６は、推奨情報に加えて、特徴データ変換部１４により得られる、推奨候補データ中の数値情報を含まない特徴データを出力してもよい。

なお、図１に示す例では、加入者から提供されたデータおよびそのメタデータは、データ管理装置１０内に記憶されるが、本発明はこの構成に限定されるものではない。すなわち、加入者から提供されたデータおよびそのメタデータは、データ管理装置１０の外部に接続される記憶装置に記憶されるようにしてもよい。

＜第１の実施形態＞
図２は、推奨候補データを検索する手順の一例を示す。この実施例では、加入者ＩＤとして「Ｓ０１」が割り当てられている加入者に対してリコメンデーションが行われるものとする。なお、以下の記載では、加入者ＩＤとして「Ｓ０１」が割り当てられている加入者を「加入者Ｓ０１」と呼ぶことがある。

各加入者についての加入者情報は、上述したように、記憶部１１に記憶されている。この実施例では、加入者情報は、加入者ＩＤ、加入者の名称、加入者の住所、加入者の業種およびジャンル、提供データ、購入データを表す。なお、提供データは、加入者が過去にデータ流通市場に提供したデータを表す。また、購入データは、加入者が過去にデータ流通市場から購入したデータを表す。この実施例では、加入者Ｓ０１は、過去に、データ流通市場にデータを提供している。このデータには、データＩＤとして「Ｄ０１」が付与されている。以下の記載では、加入者Ｓ０１により提供されたデータを「データＤ０１」と呼ぶことがある。

加入者Ｓ０１により提供されたデータＤ０１およびデータＤ０１の属性を表すメタデータは、記憶部１１に記憶されている。データＤ０１は、この実施例では、ＦＦショップにおける衣料品の販売データを表す。販売データは、ＰＯＳ（Point of Sale）システムにより収集されたＰＯＳデータである。

データＤ０１のメタデータは、この実施例では、データＩＤ、提供者、登録日、種別、取得機器、取得場所、データ項目を表す。提供者は、データＤ０１を提供した加入者を表す。登録日は、データＤ０１がデータ流通市場に登録された年月日（あるいは、データＤ０１がデータ管理装置１０の記憶部１１に記憶された年月日）を表す。種別は、データＤ０１の種別を表す。取得機器は、データＤ０１を取得した機器を表す。取得場所は、データＤ０１を取得した場所を表す。データ項目は、データＤ０１を構成するデータ個目を表す。以下の記載では、データＤ０１の属性を表すメタデータを「メタデータＤ０１」と呼ぶことがある。なお、メタデータを構成する項目は、必ずしもすべてのデータに対して同じである必要はない。

データ管理装置１０が加入者Ｓ０１に対してリコメンデーションが行うときは、データ抽出部１２は、加入者Ｓ０１の加入者情報において提供データおよび購入データを取得する。この実施例では、加入者情報は、加入者Ｓ０１が過去にデータＤ０１を提供していることを表している。この場合、データ抽出部１２は、データＤ０１に関連するデータが加入者Ｓ０１にとって有用であると判定する。よって、データ抽出部１２は、記憶部１１からデータＤ０１の属性を表すメタデータ（すなわち、メタデータＤ０１）を取得する。

ここで、データ抽出部１２は、メタデータＤ０１の種別を参照することにより、データＤ０１が「衣料」および「販売記録」に係わることを認識する。また、データ抽出部１２は、メタデータＤ０１の取得場所を参照することにより、データＤ０１が「有楽町」において取得されたことを認識する。

続いて、データ抽出部１２は、メタデータＤ０１に基づいてデータＤ０１に関連するデータを検索するためのキーワードを決定する。この実施例では、「衣料」および「販売記録」に基づくキーワードとして「人」「顧客」および「プロモーション」が得られるものとする。また、「有楽町」に基づくキーワードとして「有楽町」が得られるものとする。なお、関連するデータを検索するためのキーワードは、例えば、予め作成されているデータベースまたはテーブルを参照することで得られる。この場合、データベースまたはテーブルは、記憶部１１に記憶されていてもよいし、ネットワーク上のサーバに格納されていてもよい。

そして、データ抽出部１２は、これらのキーワードを用いて記憶部１１に記憶されているメタデータを検索する。この場合、例えば、「人or顧客orプロモーション」and「有楽町」で検索が行われる。この結果、この実施例では、「人」および「有楽町」を含むメタデータとして、図３に示すデータＤ０２に対応するメタデータＤ０２、および図４に示すデータＤ０３に対応するメタデータＤ０３が得られる。

メタデータＤ０２は、データＤ０２の属性情報を表す。メタデータＤ０２によれば、データＤ０２は、図３に示すように、以下の属性を有する。
（１）データＤ０２は、２０１８年３月１５日に加入者Ｓ０２により提供された。
（２）データＤ０２は、「人」および「位置情報」に係わる。
（３）データＤ０２は、有楽町エリアにおいてモバイル端末により取得された。
（４）データＤ０２は、各ユーザの年齢、性別、位置（ＧＰＳ情報）、および位置情報が検出された日時を表す。

また、メタデータＤ０３は、データＤ０３の属性情報を表す。メタデータＤ０３によれば、データＤ０３は、図４に示すように、以下の属性を有する。
（１）データＤ０３は、２０１８年２月１５日に加入者Ｓ０３により提供された。
（２）データＤ０３は、「人」および「位置情報」に係わる。
（３）データＤ０３は、有楽町エリアにおいてモバイル端末により取得された。
（４）データＤ０３は、各ユーザの年齢、性別、位置（ＧＰＳ情報）、および位置情報が検出された日時を表す。

このように、データ抽出部１２は、加入者Ｓ０１により提供されたデータＤ０１の属性を表すメタデータＤ０１に基づいて検索キーワードを決定し、これらのキーワードを含むメタデータを検索する。この結果、図３に示すメタデータＤ０２および図４に示すメタデータＤ０３が得られる。そして、データ抽出部１２は、この検索結果に応じて、記憶部１１から推奨候補データを抽出する。すなわち、推奨候補データとして、メタデータＤ０２により表されるデータＤ０２およびメタデータＤ０３により表されるデータＤ０３が抽出される。

次に、図３～図４を参照しながら、特徴データ生成部１３の処理を説明する。特徴データ生成部１３は、データ抽出部１２により抽出された推奨候補データの特徴を表す特徴データを生成する。この実施例では、推奨候補データとして、図３に示すデータＤ０２および図４に示すデータＤ０３が抽出されている。そして、特徴データ生成部１３は、データＤ０２、Ｄ０３について「人の年齢および性別に関する特徴」および「人の位置に関する特徴」を検出する。

特徴データ生成部１３は、図３に示すように、データＤ０２の「年齢」および「性別」についての数値情報に基づいて、各年代／各性別の人数をカウントして度数を集計する。例えば、下記の各年代／各性に属する人の数がカウントされる。

（１）２０歳未満の女性
（２）２０歳未満の男性
（３）２０～２９歳の女性
（４）２０～２９歳の男性
（５）３０～３９歳の女性
（６）３０～３９歳の男性
（７）４０～４９歳の女性
（８）４０～４９歳の男性
（９）５０～５９歳の女性
（１０）５０～５９歳の男性
（１１）６０歳以上の女性
（１２）６０歳以上の男性

そして、特徴データ生成部１３は、各度数（すなわち、各年代／各性別の人数）を合計人数で割算することにより、各年代／各性別について正規化された度数値を計算する。この結果、各年代／各性別の人数の分布を表すヒストグラムが生成される。加えて、特徴データ生成部１３は、この分布の標準偏差を計算する。この実施例では、標準偏差は０．８である。

また、特徴データ生成部１３は、対象エリアを複数のブロックに分割し、データＤ０２の「位置」についての数値情報に基づいて、各ブロック内に位置する人数をカウントする。なお、各ユーザの位置がＧＰＳの経度／緯度で表されている場合には、対象エリアは、経度および緯度に基づいて複数のブロックに分割される。そして、特徴データ生成部１３は、各度数（すなわち、各ブロック内に位置する人の数）を合計人数で割算することにより、各ブロックについて正規化された度数値を計算する。この結果、各ブロック内に位置する人の数の分布を表すヒストグラムが生成される。加えて、特徴データ生成部１３は、この分布の標準偏差を計算する。この実施例では、標準偏差は０．４である。

同様に、特徴データ生成部１３は、図４に示すように、データＤ０３について各年代／各性別の人数の分布を表すヒストグラムを作成し、その標準偏差を計算する。また、特徴データ生成部１３は、データＤ０３について各ブロック内に位置する人の数の分布を表すヒストグラムを作成し、その標準偏差を計算する。

このように、特徴データ生成部１３は、推奨候補データ（データＤ０２、Ｄ０３）の特徴を表す特徴データを生成する。そうすると、特徴データ変換部１４は、特徴データ生成部１３により生成された特徴データを、推奨候補データ中の数値情報を含まない特徴データに変換する。このとき、特徴データ変換部１４は、推奨候補データの数値情報を含まない画像を生成してもよい。例えば、特徴データとしてヒストグラムが生成されたときは、特徴データ変換部１４は、そのヒストグラムから「値」を除去することにより、値が表示されないヒストグラムを作成する。具体的には、特徴データとして人の位置の分布を表すグラフが生成されたときは、そのグラフから緯度および経度の情報が除去される。この結果、「人の分布のばらつきの程度を認識できるが、人が集中している位置を特定できないグラフ」が得られる。

このように、特徴データ生成部１３は、各推奨候補データ（データＤ０２、Ｄ０３）の特徴を表す特徴データを生成し、特徴データ変換部１４は、推奨候補データ中の数値情報を含まない特徴データを作成する。そうすると、推奨処理部１５は、特徴データ生成部１３により生成された特徴データに基づいて、推奨候補データについての推奨情報を生成する。

推奨処理部１５は、加入者Ｓ０１により提供されたデータのメタデータに基づいて、加入者Ｓ０１が興味を示しそうな「テーマ（または、データの使用目的、用途）」を推定する。例えば、推奨処理部１５は、図２に示すメタデータＤ０１を参照することにより、加入者Ｓ０１が有楽町ビルにおいて衣料品を販売していると推定する。この場合、推奨処理部１５は、加入者Ｓ０１が有楽町エリアの人の分布に興味を示すであろう、と推定する。この実施例では、推奨処理部１５は、加入者Ｓ０１が下記のテーマに興味を示すと推定する。
（１）有楽町周辺の潜在顧客の分析
（２）有楽町ビル周辺の人通りの分析

続いて、推奨処理部１５は、各テーマについて、推奨候補データの推奨度を決定する。例えば「有楽町周辺の潜在顧客の分析」においては、「年齢」および「性別」についての分布の偏りが小さいことが好ましい。したがって、推奨処理部１５は、各年代／各性別についての度数の偏差値が０．１であるデータＤ０３に対して高い推奨度を与え、その偏差値が０．８であるデータＤ０２に対して低い推奨度を与える。

また、「有楽町ビル周辺の人通りの分析」においては、「位置」についての分布の偏りが小さいことが好ましい。したがって、推奨処理部１５は、経度／緯度で表される各ブロックについての度数の偏差値が０．４であるデータＤ０２に対して高い推奨度を与え、その偏差値が０．７であるデータＤ０３に対して低い推奨度を与える。

このように、推奨処理部１５は、加入者Ｓ０１に係わる各テーマについて、推奨候補データの推奨度を決定する。そうすると、出力部１６は、推奨候補データの推奨度を表す情報を含む推奨情報を出力する。すなわち、出力部１６は、推奨処理部１５により生成された推奨情報を加入者Ｓ０１に提示する。

図５～図６は、推奨情報の実施例を示す。なお、出力部１６は、図５～図６に示す推奨情報を加入者Ｓ０１の端末に送信する。そうすると、加入者Ｓ０１の端末に推奨情報が表示される。

図５に示す実施例では、推奨情報は「有楽町周辺の潜在顧客の分析」に適したデータを推奨している。具体的には、「有楽町周辺の潜在顧客の分析」を行うために最も適したデータとして「データＤ０３」が推奨されている。加えて、データＤ０３の特徴として「年代、性別の偏りが小さく、ターゲットの客層が広い場合に適しています。」とのコメントが付与されている。このコメントは、「有楽町周辺の潜在顧客の分析」においてデータＤ０３の特徴データ（各年代／各性別の人数の分布）を分析することにより生成される。

「有楽町周辺の潜在顧客の分析」を行うために２番目に適したデータとして「データＤ０２」が推奨されている。加えて、データＤ０２の特徴として「若年層のデータが多く、ターゲットの客層が若年層の場合に適しています。」とのコメントが付与されている。このコメントは、「有楽町周辺の潜在顧客の分析」においてデータＤ０２の特徴データ（各年代／各性別の人数の分布）を分析することにより生成される。

さらに、各推奨候補データＤ０２、Ｄ０３について、年齢および性別の分布を表すヒストグラムも付与されている。ただし、このヒストグラムのデータの数値は、特徴データ変換部１４により除去されている。

図６に示す実施例では、推奨情報は「有楽町ビル周辺の人通りの分析」に適したデータを推奨している。具体的には、「有楽町ビル周辺の人通りの分析」を行うために最も適したデータとして「データＤ０２」が推奨されている。加えて、データＤ０２の特徴として「位置情報の偏りが小さく、人の流れや人通り量の分析などに適しています。」とのコメントが付与されている。このコメントは、「有楽町ビル周辺の人通りの分析」においてデータＤ０２の特徴データ（各ブロック内に位置する人の数の分布）を分析することにより生成される。

「有楽町ビル周辺の人通りの分析」を行うために２番目に適したデータとして「データＤ０３」が推奨されている。加えて、データＤ０３の特徴として「位置情報の偏りが大きく、混雑や密集スポットの分析などに適しています。」とのコメントが付与されている。このコメントは、「有楽町ビル周辺の人通りの分析」においてデータＤ０３の特徴データ（各ブロック内に位置する人の数の分布）を分析することにより生成される。

さらに、各推奨候補データＤ０２、Ｄ０３について、位置情報の分布を表すヒストグラムも付与されている。ただし、このヒストグラムのデータの数値は、特徴データ変換部１４により除去されている。

図７は、データ管理装置１０の処理の一例を示すフローチャートである。データ管理装置１０は、加入者に対してデータの購入に係わるリコメンデーションを行う。

Ｓ１において、データ管理装置１０は、加入者によるデータ検索を検出する。データ検索は、例えば、データ流通サービスを提供するサイトに検索条件が入力されたときに検出される。そして、データ管理装置１０は、データ検索を受け付けると、そのデータ検索を行った加入者に対してＳ２～Ｓ９の推奨処理を実行する。以下の記載では、Ｓ１のデータ検索を行った加入者を「対象加入者」と呼ぶことがある。

なお、データ管理装置１０は、データ流通サービスの加入者の中から自律的に対象加入者を選択し、その対象加入者に対してＳ２～Ｓ９の推奨処理を実行してもよい。或いは、データ管理装置１０は、他のトリガに起因して推奨処理を開始してもよい。例えば、ある加入者がデータ流通市場にデータを提供したとき、或いは、ある加入者がデータ流通市場からデータを購入したときに、その加入者に対して推奨処理を実行してもよい。

Ｓ２において、データ抽出部１２は、加入者情報を参照し、対象加入者の所有データを特定する。例えば、ある加入者の加入者情報において「提供データ」または「購入データ」として記録されているデータは、その加入者により所有されていると判定される。図２に示す例では、加入者Ｓ０１の加入者情報に基づいて、加入者Ｓ０１がデータＤ０１を所有していると判定される。なお、対象加入者が複数のデータを所有しているときは、データ管理装置１０は、各所有データに対してＳ３～Ｓ９の処理を実行する。

Ｓ３において、データ抽出部１２は、対象加入者の所有データについてのメタデータを参照し、推奨候補データを抽出するための検索キーワードを決定する。図２に示す例では、メタデータＤ０１が参照され、検索キーワード「人」「顧客」「プロモーション」「有楽町」が抽出されている。なお、データ抽出部１２は、メタデータＤ０１およびＳ１で受け付けたデータ検索の内容に基づいて検索キーワードを決定してもよい。

Ｓ４において、データ抽出部１２は、Ｓ３で決定した検索キーワードを利用して、記憶部１１に記憶されている全メタデータを検索し、対象加入者の所有データに関連する推奨候補データを抽出する。図３～図４に示す例では、推奨候補データとしてデータＤ０２およびデータＤ０３が抽出されている。なお、対象加入者の所有データは、推奨候補データから除外される。

Ｓ５において、特徴データ生成部１３は、各推奨候補データの特徴データを生成する。特徴データは、各推奨候補データの数値情報および内容に基づいて生成される。図３～図４に示す例では、特徴データとして、ヒストグラム（または、分布図）が作成され、標準偏差が計算されている。

Ｓ６において、推奨処理部１５は、特徴データに基づいて推奨候補データの推奨度を決定する。図３～図６に示す例では、データの偏り（すなわち、標準偏差）に基づいて、推奨候補データの推奨度が決定されている。このとき、対象加入者が興味を示しそうなテーマ（又は、目的、用途）毎に、推奨候補データの推奨度が決定されるようにしてもよい。そして、推奨処理部１５は、推奨候補データの推奨度を表す情報を含む推奨情報を作成する。加えて、図５～図６に示す例では、特徴データを分析することにより、推奨情報として、推奨候補データに好適な用途を提案するコメントが生成されている。

Ｓ７において、特徴データ変換部１４は、特徴データ生成部１３により生成された特徴データを、推奨候補データ中の数値情報を含まない特徴データに変換する。この変換により、推奨候補データの概要を表すが、その詳細な内容までは表していない特徴データが作成される。

Ｓ８において、出力部１５は、推奨候補データについての推奨情報および変換後の特徴データを対象加入者に提示する。このとき、推奨情報および特徴データは、対象加入者の端末に送信される。

Ｓ９において、データ管理装置１０は、すべての所有データについてリコメンデーションが完了しているか否かを判定する。そして、リコメンデーションが実行されていない所有データが残っているときは、データ管理装置１０の処理はＳ３に戻る。すなわち、対象加入者の各所有データに対してＳ３～Ｓ８の処理が実行される。

なお、図７に示すフローチャートにおいて、Ｓ３～Ｓ５の処理は、他の処理から独立して実行されるようしてもよい。すなわち、Ｓ３～Ｓ５の処理は、加入者からデータ管理装置１０へのアクションを契機とせずに実行されるようにしてもよい。例えば、ある加入者がデータ流通市場にデータを提供したとき、或いは、ある加入者がデータ流通市場からデータを購入したときに、データ管理装置１０は、その加入者に対してＳ３～Ｓ５の処理を実行して特徴データを作成しておいてもよい。また、データ管理装置１０は、Ｓ６の前にＳ７を実行してもよい。

このように、第１の実施形態によれば、対象加入者の所有データに関連する推奨候補データの特徴を表す特徴データが生成される。そして、この特徴データを分析することにより推奨候補データの推奨度が決定され、対象加入者に提示される。したがって、対象加入者に対して精度の高いリコメンデーションが実現される。すなわち、対象加入者にとって有用なデータが推奨される。

図８は、データ管理装置の処理の他の例を示すフローチャートである。図８に示す方法では、図７に示すＳ２～Ｓ４の代わりに、Ｓ１１～Ｓ１２が実行される。

Ｓ１１では、データ抽出部１２は、対象加入者の加入者情報および対象加入者から入力された検索キーワードに基づいて、メタデータを検索するための検索キーワードを決定する。Ｓ１２において、データ抽出部１２は、記憶部１１に記憶されている全メタデータを検索し、対象加入者に推奨すべき推奨候補データを抽出する。よって、図８に示す方法によれば、データを所有していない加入者に対してもリコメンデーションを行える。

図９は、データ管理装置１０のハードウェア構成の一例を示す。ここで、データ管理装置１０は、ソフトウェアプログラムを実行するコンピュータにより実現され得る。データ管理装置１０を実現するコンピュータ１００は、図９に示すように、プロセッサ１０１、主記憶装置１０２、入力装置１０３、出力装置１０４、補助記憶装置１０５、着脱可能記録媒体駆動装置１０６、ネットワークインタフェース１０７を備える。

プロセッサ１０１は、例えばＣＰＵ（Central Processing Unit）であり、補助記憶装置１０５または着脱可能記録媒体１１１に保持されているプログラムを主記憶装置１０２にロードして実行する。プロセッサ１０１により実行されるプログラムは、データ推奨プログラムを含む。データ推奨プログラムは、データ抽出部１２、特徴データ生成部１３、特徴データ変換部１４、推奨処理部１５による処理の手順を記述する。よって、プロセッサ１０１がデータ推奨プログラムを実行することにより、データ抽出部１２、特徴データ生成部１３、特徴データ変換部１４、推奨処理部１５の機能が実現される。なお、プロセッサ１０１は、複数のプロセッサエレメントにより構成されてもよい。

主記憶装置１０２は、プロセッサ１０１に記憶領域および作業領域を提供する。主記憶装置１０２は、例えば、半導体メモリにより実現される。

入力装置１０３は、ユーザにより入力される指示をプロセッサ１０１に与える。入力装置１０３は、例えば、キーボード、マウス等のポインティングデバイス、タッチパネル等により実現される。なお、ネットワークインタフェース１０７を介して指示および／またはデータがプロセッサ１０１に与えられるときは、コンピュータ１００は入力装置１０３を備えていなくてもよい。

出力装置１０４は、プロセッサ１０１の処理結果を出力する。出力装置１０４は、例えば、表示装置、プリンタ、スピーカ等の音声出力装置により実現される。なお、プロセッサ１０１の処理結果がネットワークインタフェース１０７を介して出力されるときは、コンピュータ１００は出力装置１０４を備えていなくてもよい。

補助記憶装置１０５は、オペレーティングシステム、アプリケーションプログラム（データ推奨プログラムを含む）を記憶する。また、補助記憶装置１０５は、プロセッサ１０１が使用するデータを記憶する。補助記憶装置１０５は、不揮発性の記憶装置で実現されることが好ましい。不揮発性の記憶装置は、ＥＰＲＯＭ（Erasable Programmable ROM）、ＨＤＤ（Hard Disc Drive）などを含む。なお、補助記憶装置１０５は、コンピュータ１００の外部に接続されてもよい。

着脱可能記録媒体駆動装置１０６は、着脱可能記録媒体１１１からアプリケーションプログラム（データ推奨プログラムを含む）およびデータを読み出してプロセッサ１０１に出力する。なお、着脱可能記録媒体１１１は、例えば、半導体メモリ、光学的作用により信号を入力／出力し得る記録媒体、磁気的作用により信号を入力／出力し得る記録媒体により実現される。

ネットワークインタフェース１０７は、ネットワークに信号を送信し、また、ネットワークから信号を受信する。ネットワークインタフェース１０７は、無線リンクを介してネットワークに接続してもよいし、有線リンクを介してネットワークに接続してもよい。ネットワークインタフェース１０７は、例えば、ＮＩＣ（Network Interface Card）、無線ＬＡＮカードにより実現される。なお、ネットワーク上のプログラムサーバによりデータ推奨プログラムが提供されるときは、コンピュータ１００は、ネットワークインタフェース１０７を介してプログラムサーバからデータ推奨プログラムを取得してもよい。

＜第２の実施形態＞
図１０は、本発明の第２の実施形態に係わるデータ流通システムの一例を示す。データ流通システム２００は、図１０に示すように、複数のデータ管理装置１０（１０ａ、１０ｂ）を備える。複数のデータ管理装置１０は、この実施例では、広域ネットワーク３０を介して接続されている。

各データ管理装置１０には、加入者端末２０が接続され得る。図１０に示す例では、データ管理装置１０ａに加入者端末２０ａ、２０ｂが接続されており、データ管理装置１０ｂに加入者端末２０ｃ、２０ｄが接続されている。

データ管理装置１０は、加入者からデータ流通市場に提供されるデータのメタデータを管理する。メタデータは、加入者により作成されてもよいし、データ管理装置１０により作成されてもよい。図１０に示す例では、データ管理装置１０ａは、加入者端末２０ｂから提供されるデータＤ１のメタデータを取得する。データ管理装置１０ｂは、加入者端末２０ｃ、２０ｄからそれぞれ提供されるデータＤ２、Ｄ３のメタデータを取得する。

データ管理装置１０ａ、１０ｂは、メタデータを共有する。例えば、データ管理装置１０ａは、データＤ１のメタデータを取得すると、そのメタデータをデータ管理装置１０ｂに通知する。同様に、データ管理装置１０ｂは、データＤ２、Ｄ３のメタデータを取得すると、それらのメタデータをデータ管理装置１０ａに通知する。したがって、データ管理装置１０ａ、１０ｂは、同じメタデータ（Ｄ１、Ｄ２、Ｄ３．．．）を管理する。なお、メタデータは、データ管理装置１０ａ、１０ｂ間でブロックチェーン技術を使用して転送および管理されるようにしてもよい。

データ流通市場において実際に売買されるデータは、各加入者端末２０により保持される。すなわち、データ管理装置１０は、各データのメタデータを保持するが、データ自体は保持しない。

上記構成のデータ流通システム２００において、データ管理装置１０は、加入者に対してリコメンデーションを行う。図１１に示す例では、加入者端末２０ａのユーザに対してリコメンデーションが行われる。なお、データ管理装置１０ａ、１０ｂは、メタデータを共有している。

加入者端末２０ａのユーザに対するリコメンデーションは、この実施例では、加入者端末２０ａが接続されるデータ管理装置１０ａにより実行される。なお、データ管理装置１０ａは、加入者端末２０ａからデータ購入に係わる検索を受け付けたときに、図７または図８に示す推奨処理を開始してもよい。ただし、データ管理装置１０ａは、自発的に推奨処理を開始してもよい。

データ管理装置１０ａは、加入者端末２０ａのユーザのための推奨候補データを抽出する。このとき、例えば、図７に示すＳ２～Ｓ４の処理、または、図８に示すＳ１１～Ｓ１２の処理が実行される。そして、データ管理装置１０ａは、推奨候補データを取得する。この実施例では、推奨候補データが、加入者端末２０ｃに保持されているデータＤ２であるものとする。また、データ管理装置１０ａは、データ流通市場に提供されているデータがそれぞれどの加入者端末に保持されているのかを認識しているものとする。

この場合、データ管理装置１０ａは、加入者端末２０ｃに対してデータＤ２の送信を要求する。そうすると、加入者端末２０ｃは、データＤ２をデータ管理装置１０ａに送信する。

データ管理装置１０ａは、データＤ２を解析することにより推奨情報を生成する。このとき、例えば、図７または図８に示すＳ５～Ｓ７の処理が実行される。そして、データ管理装置１０ａは、生成した推奨情報を加入者端末２０ａに送信する。

あるいは、データ管理装置１０ａは、データＤ２を解析することにより推奨情報を生成する処理を、データ管理装置１０ｂへ依頼してもよい。この場合、この依頼を受けたデータ管理装置１０ｂにおいて、例えば、図７または図８に示すＳ５～Ｓ７の処理が実行される。そして、データ管理装置１０ｂは、生成した推奨情報をデータ管理装置１０ａへ通知し、データ管理装置１０ａは、データ管理装置１０ｂから通知された推奨情報を加入者端末２０ａに送信するようにしてもよい。

加入者端末２０ａのユーザは、推奨情報により推奨されているデータＤ２を購入するときは、データ管理装置１０ａに対して購入リクエストを送信する。そうすると、データ管理装置１０ａは、購入リクエストに応じて加入者端末２０ａにデータＤ２を送信する。この後、データ管理装置１０ａは、セキュリティを確保するために、データ管理装置１０ａ内の記憶装置からデータＤ２を削除してもよい。

このように、第２の実施形態では、加入者に対してリコメンデーションを行うデータ管理装置１０は、データ流通市場において実際に売買されるデータを保持することなく、各データのメタデータを保持する。また、各データ管理装置１０は、第１の実施形態と同様に、メタデータだけでなく、データの特徴を表す特徴データを利用してリコメンデーションを行う。よって、データ流通システム２００は、セキュリティを確保しながら加入者に対して精度の高いリコメンデーションを行うことができる。

上述の実施例を含む実施形態に関し、さらに下記の付記を開示する。
（付記１）
データおよび前記データの属性を表すメタデータを記憶する記憶部と、
前記メタデータに基づいて、指定された第１のデータに関連する第２のデータを前記記憶部から抽出するデータ抽出部と、
前記第２のデータの少なくとも一部に基づいて、前記第２のデータの特徴を表す特徴データを生成する特徴データ生成部と、
前記特徴データに基づいて、前記第２のデータの推奨度を決定する推奨処理部と、
前記第２のデータの推奨度を表す情報を含む推奨情報を出力する出力部と、
を備えるデータ管理装置。
（付記２）
前記推奨処理部は、前記第２のデータの使用目的に基づいて前記特徴データを分析することにより、前記第２のデータの推奨度を決定する
ことを特徴とする付記１に記載のデータ管理装置。
（付記３）
前記推奨処理部は、前記データ抽出部が前記第２のデータを抽出するために使用したメタデータに基づいて、前記第２のデータの使用目的に係わるテーマを決定し、決定したテーマに基づいて前記特徴データを分析することにより、前記第２のデータの推奨度を決定する
ことを特徴とする付記２に記載のデータ管理装置。
（付記４）
前記推奨処理部は、前記特徴データを分析することにより、前記第２のデータの特徴についてのコメントを生成し、
前記出力部は、前記第２のデータの推奨度を表す情報および前記コメントを含む推奨情報を出力する
ことを特徴とする付記１に記載のデータ管理装置。
（付記５）
前記特徴データ生成部により生成された特徴データを、前記第２のデータ中の数値を含まない特徴データに変換する特徴データ変換部をさらに備え、
前記出力部は、前記特徴データ変換部により変換された特徴データを出力する
ことを特徴とする付記１に記載のデータ管理装置。
（付記６）
前記特徴データ変換部は、前記特徴データ生成部により生成された特徴データを、前記第２のデータ中の数値を含まない画像で表される特徴データに変換する
ことを特徴とする付記５に記載のデータ管理装置。
（付記７）
前記データ抽出部は、加入者からデータ検索を受け付けたときは、前記メタデータおよび前記データ検索の内容に基づいて前記第２のデータを抽出する
ことを特徴とする付記１に記載のデータ管理装置。
（付記８）
前記出力部は、前記第１のデータを所有する加入者に対して前記推奨情報を提示する
ことを特徴とする付記１に記載のデータ管理装置。
（付記９）
データを記憶する記憶部と、
加入者からデータ検索を受け付けたときに、前記データ検索の内容に基づいて前記記憶部から検索結果データを抽出するデータ抽出部と、
前記検索結果データの少なくとも一部に基づいて、前記検索結果データの特徴を表す特徴データを生成する特徴データ生成部と、
前記特徴データに基づいて、前記検索結果データの推奨度を決定する推奨処理部と、
前記検索結果データの推奨度を表す情報を含む推奨情報を前記加入者に提示する出力部と、
を備えるデータ管理装置。
（付記１０）
記憶装置に記憶されているデータの属性を表すメタデータに基づいて、指定された第１のデータに関連する第２のデータを前記記憶部から抽出し、
前記第２のデータの少なくとも一部に基づいて、前記第２のデータの特徴を表す特徴データを生成し、
前記特徴データに基づいて、前記第２のデータの推奨度を決定し、
前記第２のデータの推奨度を表す情報を含む推奨情報を出力する、
処理をコンピュータに実行させるデータ推奨プログラム。

１０（１０ａ、１０ｂ） データ管理装置
１１ 記憶部
１２ データ抽出部
１３ 特徴データ生成部
１４ 特徴データ変換部
１５ 推奨処理部
１６ 出力部
２０（２０ａ～２０ｄ） 加入者端末
１０１ プロセッサ

Claims (6)

1. データおよび前記データの属性を表すメタデータを記憶する記憶部と、
   前記メタデータに基づいて、指定された第１のデータに関連する第２のデータを前記記憶部から抽出するデータ抽出部と、
   前記第２のデータの少なくとも一部に基づいて、前記第２のデータの特徴を表す特徴データを生成する特徴データ生成部と、
   前記特徴データに基づいて、前記第２のデータの推奨度を決定する推奨処理部と、
   前記特徴データを、前記第２のデータ中の数値を含まない特徴データに変換する特徴データ変換部と、
   前記第２のデータの推奨度を表す情報および前記特徴データ変換部により変換された特徴データを含む推奨情報を出力する出力部と、
   を備えるデータ管理装置。
2. 前記推奨処理部は、前記第１のデータのメタデータに基づいて前記第１のデータに係わる加入者が興味を示しそうなテーマを推定し、推定したテーマに基づいて前記特徴データを分析することにより、前記第２のデータの推奨度を決定する
   ことを特徴とする請求項１に記載のデータ管理装置。
3. 前記推奨処理部は、前記特徴データを分析することにより、前記第２のデータの特徴についてのコメントを生成し、
   前記出力部は、前記第２のデータの推奨度を表す情報、前記特徴データ変換部により変換された特徴データ、および前記コメントを含む推奨情報を出力する
   ことを特徴とする請求項１に記載のデータ管理装置。
4. 前記データ抽出部は、加入者からデータ検索を受け付けたときは、前記メタデータおよび前記データ検索の内容に基づいて前記第２のデータを抽出する
   ことを特徴とする請求項１に記載のデータ管理装置。
5. データを記憶する記憶部と、
   加入者からデータ検索を受け付けたときに、前記データ検索の内容に基づいて前記記憶部から検索結果データを抽出するデータ抽出部と、
   前記検索結果データの少なくとも一部に基づいて、前記検索結果データの特徴を表す特徴データを生成する特徴データ生成部と、
   前記特徴データに基づいて、前記検索結果データの推奨度を決定する推奨処理部と、
   前記特徴データを、前記検索結果データ中の数値を含まない特徴データに変換する特徴データ変換部と、
   前記検索結果データの推奨度を表す情報および前記特徴データ変換部により変換された特徴データを含む推奨情報を前記加入者に提示する出力部と、
   を備えるデータ管理装置。
6. 記憶装置に記憶されているデータの属性を表すメタデータに基づいて、指定された第１のデータに関連する第２のデータを前記記憶装置から抽出し、
   前記第２のデータの少なくとも一部に基づいて、前記第２のデータの特徴を表す特徴データを生成し、
   前記特徴データに基づいて、前記第２のデータの推奨度を決定し、
   前記特徴データを、前記第２のデータ中の数値を含まない特徴データに変換し、
   前記第２のデータの推奨度を表す情報および前記第２のデータ中の数値を含まない状態に変換された特徴データを含む推奨情報を出力する、
   処理をコンピュータに実行させるデータ推奨プログラム。

Images