JP7209484B2 - 情報処理装置、情報処理方法および情報処理プログラム - Google Patents

Description

本発明は、情報処理装置、情報処理方法および情報処理プログラムに関する。

近年、インターネットの飛躍的な普及および配信技術の向上により、インターネットを介して多様なコンテンツの閲覧が可能になっている。例えば、映画やドラマなどの動画コンテンツを、インターネットを介して閲覧する者も多い。

特開２０１３－１４２９３５号公報

しかしながら、動画コンテンツは、テキストなどの静止画のコンテンツに比べて情報量が多いため、Ｗｉ－Ｆｉ通信環境がない環境においては、動画コンテンツの閲覧が不安定になったり、莫大な通信費用がかかるなど、動画コンテンツを閲覧することが困難となる場合がある。

本願は、上記に鑑みてなされたものであって、最適な通信環境が整えられていない環境でも動画コンテンツの閲覧を実現することができる情報処理装置、情報処理方法および情報処理プログラムを提供することを目的とする。

本願に係る情報処理装置は、予測部と、決定部とを備える。予測部は、ユーザがコンテンツを閲覧する閲覧時間帯を予測する。決定部は、前記予測部によって予測された前記閲覧時間帯に基づいて、ユーザ端末が事前取得する取得データを決定する。

実施形態の一態様によれば、最適な通信環境が整えられていない環境でも動画コンテンツの閲覧を実現することができる情報処理装置、情報処理方法および情報処理プログラムを提供することができる。

図１は、実施形態に係る情報処理方法の一例を示す説明図である。 図２は、実施形態に係る情報処理システムの構成の一例を示す説明図である。 図３は、実施形態に係る情報処理装置の構成の一例を示す説明図である。 図４は、実施形態に係る学習モデル記憶部の一例を示す説明図である。 図５は、実施形態に係る情報処理装置の動作の一例を示す説明図である。 図６は、実施形態に係る情報処理装置の動作の一例を示す説明図である。 図７は、実施形態に係る情報処理装置の動作の一例を示す説明図である。 図８は、実施形態に係る情報処理装置の動作の一例を示す説明図である。 図９は、実施形態に係る情報処理装置の制御部が実行する処理を示すフローチャートである。 図１０は、実施形態に係る情報処理装置の機能を実現するコンピュータの一例を示すハードウェア構成図である。

以下に、本願に係る情報処理装置、情報処理方法および情報処理プログラムを実施するための形態（以下、「実施形態」と呼ぶ）について図面を参照しつつ詳細に説明する。なお、この実施形態により本願に係る情報処理装置、情報処理方法および情報処理プログラムが限定されるものではない。また、各実施形態は、処理内容を矛盾させない範囲で適宜組み合わせることが可能である。また、以下の各実施形態において同一の部位には同一の符号を付し、重複する説明は省略される。

〔１．情報処理方法〕
まず、実施形態に係る情報処理装置１が行う情報処理方法について説明する。図１は、実施形態に係る情報処理方法の一例を示す説明図である。ここでは、ユーザ端末２が無線通信のネットワークＮを介してコンテンツ配信装置３（図２参照）から動画コンテンツであるコンテンツＶ１を取得して再生する場合に行う情報処理方法について説明する。

なお、コンテンツＶ１は、図１に示す動画コンテンツに限定されるものではなく、動画が含まれないコンテンツ（例えば、ニュースサイトなど）であってもよい。

ここで、図１の（ａ）～（ｃ）に示す黒色の三角形は、コンテンツＶ１全体の中で、ユーザ端末２が取得中の部分を示す取得ポインタＤである。また、図１の（ａ）～（ｃ）に示す白色の三角形は、コンテンツＶ１全体の中で、ユーザ端末２が再生中の部分を示す再生ポインタＰである。なお、図１の（ａ）～（ｃ）に示す斜線ハッチングの部分は、コンテンツＶ１全体の中でユーザ端末２がバッファリングしている部分を示している。

図１の（ａ）に示すように、ユーザ端末２は、例えば、スマートフォンやタブレット端末のように、ネットワークＮを介してコンテンツＶ１を配信するコンテンツ配信装置３からコンテンツＶ１を取得して再生可能な可搬型の携帯端末装置である。かかるユーザ端末２は、コンテンツＶ１を順次取得しながら、同時にコンテンツＶ１の再生を行う。

このため、図１の（ａ）～（ｃ）に示す例では、ユーザ端末２がコンテンツＶ１の取得および再生を行う場合、取得ポインタＤおよび再生ポインタＰは、時間の経過に伴って、左から右へと移動する。

また、ユーザ端末２の通信環境は常時同じではない。具体的には、ユーザ端末２は、可搬型の端末装置であるため、動画再生に最適な通信環境であるＷｉ－Ｆｉ通信環境から、動画再生に最適ではないその他の通信環境（例えば、３Ｇ（Generation）や４Ｇなど）へ移動することがあり、また、その逆もある。

そこで、実施形態に係る情報処理装置１は、あらかじめユーザの行動をモデル化し、モデル化されたユーザの行動に基づいて、コンテンツ配信装置３から事前に取得する閲覧コンテンツＶの取得データＶａを決定する。そして、ユーザ端末２は、決定した閲覧コンテンツＶの取得データＶａをコンテンツ配信装置３から事前取得する。

例えば、図１に（ａ）で示すように、情報処理装置１は、ユーザの行動履歴をモデル化した行動モデルＭを作成する。かかる行動モデルＭは、例えば、ユーザ端末２の位置情報やＷｉ－Ｆｉの観測情報、ユーザ端末２に対する操作の履歴である操作履歴、コンテンツを閲覧した履歴である閲覧履歴などのユーザの行動履歴に基づいて作成することができる。

例えば、図１の（ａ）に示す例において、行動モデルＭには、コンテンツＶ１の閲覧が開始された時刻Ｔ１から時刻Ｔ２までは自宅におり、時刻Ｔ２から時刻Ｔ３までは通勤で移動し、時刻Ｔ３以降は会社にいるとモデル化されている。また、図１には図示していないが、行動モデルＭには、時刻Ｔ２から時刻Ｔ３までの通勤時間帯に、動画コンテンツの閲覧履歴が存在している。

そこで、情報処理装置１は、動画コンテンツの閲覧が開始された時刻Ｔ１の時点で、移動中である時刻Ｔ２から時刻Ｔ３までの時間帯を「閲覧時間帯」と予測する（ステップＳ０１）。かかる閲覧時間帯とは、例えば、ユーザ端末２がＷｉ－Ｆｉ通信環境下ではなく、動画再生に最適な環境下でないため、動画コンテンツを快適に閲覧することが困難であるとともに、過去に動画コンテンツの閲覧履歴が存在している時間帯のことである。すなわち、閲覧時間帯は、動画コンテンツの閲覧履歴に基づき、ユーザが動画コンテンツを閲覧する可能性が高い時間帯である。

次に、情報処理装置１は、時刻Ｔ１の時点で、予測された閲覧時間帯で閲覧されるコンテンツ（以下、閲覧コンテンツＶとも呼称する。）を予測する。例えば、図１の（ａ）に示すように、時刻Ｔ１で閲覧中のコンテンツＶ１が時刻Ｔ２から時刻Ｔ３まで閲覧可能なボリュームである場合には、ユーザが閲覧時間帯でコンテンツＶ１の続きを閲覧する可能性が高い。そこで、この場合、情報処理装置１は、かかるコンテンツＶ１を閲覧コンテンツＶとして予測する（ステップＳ０２）。

次に、情報処理装置１は、時刻Ｔ１の時点で、図１の（ｂ）に示すように、予測された閲覧コンテンツＶおよび閲覧時間帯に基づいて、ユーザ端末２が事前取得する取得データＶａを決定する（ステップＳ０３）。例えば、情報処理装置１は、閲覧コンテンツＶのうち、閲覧時間帯（すなわち、時刻Ｔ２から時刻Ｔ３まで）に対応する部分を取得データＶａとして決定する。そして、情報処理装置１は、決定された取得データＶａを時刻Ｔ１の時点から取得するよう、ユーザ端末２に指示する。

すなわち、時刻Ｔ１から時刻Ｔ２までは動画コンテンツである閲覧コンテンツＶを自宅で閲覧済みであるとともに、時刻Ｔ２からは閲覧コンテンツＶの続きを動画再生する事が予測されるため、情報処理装置１は、時刻Ｔ２から移動時間を考慮した時刻Ｔ３までの動画データを時刻Ｔ１の時点から取得するようユーザ端末２に指示する。

すると、ユーザ端末２は、図１の（ｃ）に示すように、コンテンツＶ１の再生を行いながら、決定された取得データＶａの事前取得を動画コンテンツの閲覧が開始された時刻Ｔ１の時点から並行して行う。なお、図１の（ｃ）の中で取得データＶａに隣接する黒色の三角形は、閲覧コンテンツＶ全体のなかで、ユーザ端末２が事前取得中の部分を示す事前取得ポインタＤａである。

そして、ユーザ端末２は、取得データＶａの取得が完了した場合に、事前取得ポインタＤａによって示される取得データＶａの事前取得を終了する。なお、ユーザ端末２は、取得データＶａの取得中にも、取得ポインタＤによって示される視聴中のコンテンツＶ１の取得は継続する。

これにより、ユーザ端末２は、その後、時刻Ｔ２から時刻Ｔ３までＷｉ－Ｆｉ通信環境ではない環境下におかれたとしても、その時点では、既に取得データＶａを取得しているため、動画コンテンツである閲覧コンテンツＶを快適に閲覧することができる。すなわち、実施形態によれば、動画再生に最適な環境でない場合でも動画コンテンツの閲覧を実現することができる。

また、実施形態では、定額制のＷｉ－Ｆｉ通信環境から従量制で３Ｇや４Ｇ通信環境に移動した場合に、既に取得データＶａを取得しているため、通信コストを抑えて閲覧コンテンツＶを閲覧することができる。

また、情報処理装置１は、閲覧コンテンツＶのうち、閲覧時間帯に対応する部分を取得データＶａとして決定する。これにより、事前取得する取得データＶａのデータ量を抑制することができることから、ユーザ端末２の限られた記憶領域をムダなく活用することができる。

また、情報処理装置１は、ユーザの行動履歴をモデル化した行動モデルＭに基づいて閲覧時間帯を予測する。これにより、ユーザが取る普段の行動に基づいて、閲覧時間帯を予測することができる。

〔２．情報処理システムの構成〕
次に、図２を参照して、実施形態に係る情報処理システム１００の構成について説明する。図２は、実施形態に係る情報処理システム１００の構成の一例を示す説明図である。図２に示すように、実施形態に係る情報処理システム１００は、情報処理装置１、ユーザ端末２、およびコンテンツ配信装置３を含む。

情報処理装置１は、例えば、サーバであり、ユーザの行動履歴をモデル化した行動モデルＭを作成する。また、情報処理装置１は、ユーザ端末２からコンテンツ配信装置３へコンテンツＶ１の閲覧要求があった場合などに、閲覧時間帯および閲覧コンテンツＶを予測し、閲覧コンテンツＶの取得データＶａを決定する。

ユーザ端末２は、スマートフォンやタブレット端末、モバイルＰＣ（Personal Computer）などの携帯型無線端末である。コンテンツ配信装置３は、例えば、ＰＣであり、ユーザ端末２から映画やドラマ、プロモーションビデオなどの動画やウェブページなどの静止画であるコンテンツＶ１の閲覧要求を取得した場合に、ユーザ端末２へコンテンツＶ１を配信する。

これら情報処理装置１とユーザ端末２とコンテンツ配信装置３とは、例えば、無線ＬＡＮ（Local Area Network）通信や、ＷＡＮ（Wide Area Network）通信、携帯電話通信などによってネットワーク（例えば、インターネット）Ｎを介して接続され、双方の間で各種情報の通信が可能である。

〔３．情報処理装置の構成〕
次に、図３を参照して、実施形態に係る情報処理装置１の構成について説明する。図３は、実施形態に係る情報処理装置１の構成の一例を示す説明図である。図３に示すように、情報処理装置１は、通信部１１と、記憶部１２と、制御部１３とを備える。なお、情報処理装置１は、かかる情報処理装置１を利用する管理者等から各種操作を受け付ける入力部（例えば、キーボードやマウス等）や、各種情報を表示するための表示部（例えば、液晶ディスプレイ等）を有してもよい。

（通信部１１について）
通信部１１は、例えば、ＮＩＣ（Network Interface Card）等によって実現される。通信部１１は、ネットワークＮと有線又は無線で接続され、ネットワークＮを介して、ユーザ端末２や、コンテンツ配信装置３との間で情報の送受信を行う。

（記憶部１２について）
記憶部１２は、例えば、ＲＡＭ（Random Access Memory)、フラッシュメモリ（Flash Memory）等の半導体メモリ素子、または、ハードディスク、光ディスク等の記憶装置によって実現される。図３に示すように、記憶部１２は、学習データ記憶部１２１と、モデル１２２とを有する。

（学習データ記憶部１２１について）
学習データ記憶部１２１は、ユーザ端末２から取得したユーザの行動履歴を記憶する。図４は、実施形態に係る学習データ記憶部１２１の一例を示す説明図である。

図４に示す学習データ記憶部１２１は、「時間帯」、「行動」、「動画コンテンツの閲覧履歴」、「Ｗｉ－Ｆｉ通信環境」といった項目を有する。また、図４に示すように、学習データ記憶部１２１は、ユーザ毎に異なる学習データ記憶部１２１ａ、１２１ｂ、１２１ｃ・・を有する。

「時間帯」は、ユーザの行動毎の各時間帯を示す。「行動」は、各時間帯毎のユーザの行動を示す。なお、かかる「行動」は、ユーザ端末２の位置履歴から推定したものである。「動画コンテンツの閲覧履歴」とは、各時間帯毎にユーザが動画コンテンツを閲覧した履歴の有無を示す。「Ｗｉ－Ｆｉ通信環境」とは、ユーザの周囲でのＷｉ－Ｆｉ通信環境の有無を示す。

すなわち、図４の例では、「時間帯」が時刻Ｔ０から時刻Ｔ２まで（以下、「Ｔ０～Ｔ２」とも呼称する。）のユーザＡの「行動」は「在宅」であり、その際には「動画コンテンツの閲覧履歴」が「あり」であり、「Ｗｉ－Ｆｉ通信環境」が「あり」であることを示している。

また、「時間帯」が時刻Ｔ２から時刻Ｔ３まで（以下、「Ｔ２～Ｔ３」とも呼称する。）のユーザＡの「行動」は「通勤」であり、その際には「動画コンテンツの閲覧履歴」が「あり」であり、「Ｗｉ－Ｆｉ通信環境」が「なし」であることを示している。

さらに、「時間帯」が時刻Ｔ３から時刻Ｔ４まで（以下、「Ｔ３～Ｔ４」とも呼称する。）のユーザＡの「行動」は「会社で勤務」であり、その際には「動画コンテンツの閲覧履歴」が「なし」であり、「Ｗｉ－Ｆｉ通信環境」が「あり」であることを示している。

なお、図４には図示していないが、かかる「時間帯」のデータには時刻の他に曜日の情報も含まれる。これにより、実施形態では、平日と休日とを区別することが可能であることから、たとえば、休日は通勤しないので、平日は通勤で移動する時間分のデータを取得しないようにすることができる。

また、このようにユーザの行動履歴をまとめた学習データ記憶部１２１は、ユーザ端末２などから取得されるユーザの位置情報や、Ｗｉ－Ｆｉ通信の観測情報、ユーザ端末２に対する操作の履歴である操作履歴、コンテンツを閲覧した履歴である閲覧履歴などに基づいて作成することができる。

また、かかる学習データ記憶部１２１は、公知の種々の手法、例えば、最尤推定や平均化処理、マトリックスファクトライゼーションなどを適用することにより作成することができる。

（モデル１２２について）
モデル１２２は、ユーザの行動履歴をモデル化した行動モデルＭを記憶する。例えば、モデル１２２は、ＳＶＭ（Support Vector Machine）やＤＮＮ（Deep Neural Network）等といった任意の分類器により実現される。ここで、ＤＮＮは、ＣＮＮ（Convolutional Neural Network）やＲＮＮ（Recurrent Neural Network）であってもよい。また、ＲＮＮは、ＬＳＴＭ（Long short-term memory）等であってもよい。

（制御部１３について）
制御部１３は、コントローラ（controller）であり、例えば、ＣＰＵ（Central Processing Unit）やＭＰＵ（Micro Processing Unit）等によって、情報処理装置１内部の記憶装置に記憶されている各種プログラム（情報処理プログラムの一例に相当）がＲＡＭを作業領域として実行されることにより実現される。また、制御部１３は、例えば、コントローラであり、ＡＳＩＣ（Application Specific Integrated Circuit）やＦＰＧＡ（Field Programmable Gate Array）等の集積回路により実現される。

図３に示すように、制御部１３は、受付部１３１と、モデル作成部１３２と、予測部１３３と、決定部１３４と、指示部１３５とを備え、以下に説明する情報処理の機能や作用を実現または実行する。なお、制御部１３の内部構成は、図３に示した構成に限られず、後述する情報処理を行う構成であれば他の構成であってもよい。

（受付部１３１について）
受付部１３１は、各種情報を受け付ける。例えば、受付部１３１は、ユーザ端末２の位置情報やＷｉ－Ｆｉ通信の観測情報など、ユーザの行動履歴に関する各種情報を受け付ける。また、受付部１３１は、ユーザ端末２からコンテンツ配信装置３へコンテンツＶ１の閲覧要求があった際に、かかるコンテンツＶ１の閲覧要求があったことをユーザ端末２などから受け付ける。

（モデル作成部１３２について）
モデル作成部１３２は、ユーザの行動履歴をまとめた学習データ記憶部１２１、およびユーザの行動履歴をモデル化したモデル１２２を作成する。例えば、モデル作成部１３２は、受付部１３１で受け付けられたユーザの行動履歴に関する各種情報に基づいて、学習データ記憶部１２１を作成する。

例えば、モデル作成部１３２は、ユーザ端末２が時間帯Ｔ２～Ｔ３で自宅の位置から会社の位置まで移動する行動履歴を受け付けた場合に、ユーザＡが自宅から会社まで移動していると推定する。これにより、モデル作成部１３２は、時間帯Ｔ２～Ｔ３におけるユーザＡの行動が通勤であることを学習データ記憶部１２１に記憶させることができる。

また、モデル作成部１３２は、時間帯Ｔ２～Ｔ３で動画コンテンツを視聴する行動履歴を受け付けた場合に、時間帯Ｔ２～Ｔ３における動画コンテンツの閲覧履歴を「あり」として学習データ記憶部１２１に記憶させることができる。

また、モデル作成部１３２は、学習データ記憶部１２１に基づいて、モデル１２２を作成する。具体的には、モデル作成部１３２は、学習データの時間帯、行動、およびＷｉ－Ｆｉ通信環境を示す情報を入力した際に、動画コンテンツの閲覧履歴を示す情報を出力するように、バックプロパゲーション等の技術を用いて、モデル１２２に行動履歴の特徴を学習させる。

より具体的には、モデル作成部１３２は、モデル１２２に対し、ユーザがどのような時間帯において、どのような通信環境において、どのような行動を行っている際に、動画コンテンツを試聴しているかをモデル１２２に学習させる。

なお、モデル作成部１３２は、時間帯、行動および通信環境以外にも、ユーザの属性や天候等といった任意の情報と、ユーザが動画像を試聴したか否かの関係性をモデル１２２に学習させてもよい。

また、モデル作成部１３２は、上述した情報の一部のみを利用してもよい。すなわち、モデル作成部１３２は、所定の時間帯においてユーザが動画コンテンツを視聴するか否かを推定するモデルであれば、任意のモデルの学習を行ってよい。

（予測部１３３について）
予測部１３３は、ユーザが閲覧する閲覧コンテンツＶ（図１参照）、およびかかる閲覧コンテンツＶを閲覧する閲覧時間帯を予測する。例えば、予測部１３３は、モデル１２２に記憶された情報や、受付部１３１で受け付けられたユーザの行動履歴に関する各種情報を用いることにより、閲覧時間帯を予測する。

例えば、予測部１３３は、モデル１２２を用いて、「Ｗｉ－Ｆｉ通信環境」が「なし」であるとともに「動画コンテンツの閲覧履歴」が「あり」である「時間帯Ｔ２～Ｔ３」を閲覧時間帯として予測する。なぜなら、「時間帯Ｔ２～Ｔ３」は、Ｗｉ－Ｆｉ通信環境がない、すなわち動画再生に最適な環境ではない一方で、過去に動画コンテンツの閲覧履歴があることから、バッファリングの必要性が高いとみなされる時間帯だからである。

また、予測部１３３は、例えば、ユーザ端末２から閲覧要求があったコンテンツ情報（例えば、コンテンツＶ１）に基づいて閲覧コンテンツＶを予測する。例えば、予測部１３３は、閲覧時間帯である時間帯Ｔ２～Ｔ３までコンテンツＶ１が閲覧可能なボリュームである場合に、コンテンツＶ１を閲覧コンテンツＶとして予測する。

さらに、予測部１３３は、ユーザーの属性を示す属性情報を取得し、公知の種々の手法を適用することにより、ユーザの属性情報に基づいて閲覧コンテンツＶとして予測することができる。

例えば、予測部１３３は、ユーザの属性情報と対応するコンテンツを閲覧コンテンツＶとして予測することができる。例えば、予測部１３３は、ユーザの属性情報が女性を示す場合に、女性による閲覧履歴が多いコンテンツを閲覧コンテンツＶとして選択することができる。

なお、実施形態において、ユーザーの属性情報はデモグラフィック属性であってもよく、サイコグラフィック属性でもよい。また、ユーザの属性情報は、あらかじめ登録されたものであってもよく、公知の種々の推定技術により推定されたものであってもよい。

（決定部１３４について）
決定部１３４は、予測部１３３によって予測された閲覧コンテンツＶおよび閲覧時間帯に基づいて、ユーザ端末２が事前取得する取得データＶａを決定する。決定部１３４は、例えば、閲覧コンテンツＶのうち、閲覧時間帯である時間帯Ｔ２～Ｔ３に再生される部分を取得データＶａとして決定する。

（指示部１３５について）
指示部１３５は、決定部１３４から取得データＶａに関するデータを受け付けた場合に、ユーザ端末２に対してかかる取得データＶａを事前取得するよう指示する。例えば、指示部１３５は、動画コンテンツの閲覧を開始した時刻Ｔ１の時点から取得データＶａを事前取得するようユーザ端末２に指示する。これにより、動画コンテンツをバッファリングする時間を十分にとれることから、最適な通信環境が整えられていない環境でも問題なく動画コンテンツを閲覧することができる。

なお、指示部１３５がユーザ端末２に取得データＶａの事前取得を開始させるタイミングは、動画コンテンツの閲覧を開始した時刻Ｔ１の時点に限られず、かかる時刻Ｔ１の時点から通勤を開始する時刻Ｔ２の時点までの間であれば、どのタイミングであってもよい。

〔４．情報処理装置の動作〕
次に、図５～図８を参照して、情報処理装置１の動作の一例について説明する。図５～図８は、情報処理装置１の動作の一例を示す説明図である。

〔４－１．別のコンテンツの予測〕
図５の（ａ）に示すように、時刻Ｔ１にユーザ端末２からコンテンツ配信装置３へ動画コンテンツであるコンテンツＶ１の閲覧要求があった際に、情報処理装置１は、かかるコンテンツＶ１の閲覧要求があったことをユーザ端末２などから受け付ける。そして、情報処理装置１は、動画コンテンツの閲覧が開始された時刻Ｔ１の時点で、モデル１２２に記憶されたユーザの行動モデルＭに基づいて、時間帯Ｔ２～Ｔ３を閲覧時間帯として予測する（ステップＳ１１）。

ここで、図５に示す例では、図１の例と異なり、コンテンツＶ１は時刻Ｔ２から時刻Ｔ３まで閲覧可能なボリュームではなく、時刻Ｔ２より前の時刻Ｔ１ａで閲覧が終了してしまう。

この場合、情報処理装置１は、時刻Ｔ１の時点で、図５の（ｂ）に示すように、コンテンツＶ１とは別のコンテンツを閲覧コンテンツＶとして予測する（ステップＳ１２）。例えば、情報処理装置１は、時刻Ｔ１で閲覧要求のあったコンテンツＶ１に関連するコンテンツ（例えば、コンテンツＶ１の次回の話や続編のコンテンツ）を閲覧コンテンツＶとして予測することができる。

これにより、情報処理装置１は、その後の閲覧時間帯で閲覧する可能性の高いコンテンツを閲覧コンテンツＶとしてユーザ端末２に時刻Ｔ１の時点から事前取得させることができる。

また、情報処理装置１は、ユーザの属性情報に基づいて閲覧コンテンツＶを予測することができる。これにより、情報処理装置１は、予測する際にユーザ端末２でコンテンツが閲覧されていない場合であっても、閲覧コンテンツＶを予測することができる。

次に、情報処理装置１は、図５の（ｂ）に示すように、時刻Ｔ１の時点で、予測された閲覧コンテンツＶおよび閲覧時間帯に基づいて、ユーザ端末２が事前取得する取得データＶａを決定する（ステップＳ１３）。そして、情報処理装置１は、決定された取得データＶａを時刻Ｔ１の時点から取得するよう、ユーザ端末２に指示する。

すると、ユーザ端末２は、図５の（ｃ）に示すように、決定された取得データＶａの事前取得を動画コンテンツの閲覧が開始された時刻Ｔ１の時点から行う。そして、ユーザ端末２は、図５の（ｄ）に示すように、取得データＶａの取得が完了した場合に、事前取得ポインタＤａによって示される取得データＶａの事前取得を終了する。

これにより、情報処理装置１は、予測する際に閲覧されているコンテンツＶ１が閲覧時間帯まで閲覧可能なボリュームではない場合でも、ユーザ端末２に閲覧コンテンツＶを事前取得させることができる。

〔４－２．ニュースサイトの事前取得〕
ここまで示した例では、閲覧コンテンツＶが動画コンテンツである場合について示したが、閲覧コンテンツＶは動画コンテンツに限られない。図６では、閲覧コンテンツＶの別の例として、閲覧コンテンツＶがニュースサイトである場合について説明する。

図６の（ａ）に示すように、時刻Ｔ１にユーザ端末２からコンテンツ配信装置３へニュースサイトＮＳの閲覧要求があった際に、情報処理装置１は、かかるニュースサイトＮＳの閲覧要求があったことをユーザ端末２などから受け付ける。そして、情報処理装置１は、モデル１２２に記憶されたユーザの行動モデルＭに基づいて、時間帯Ｔ２～Ｔ３を閲覧時間帯として予測する（ステップＳ２１）。

そして、情報処理装置１は、時刻Ｔ１で閲覧中のニュースサイトＮＳが時刻Ｔ２から時刻Ｔ３まで閲覧可能なボリュームである場合に、かかるニュースサイトＮＳを閲覧コンテンツＶとして予測する（ステップＳ２２）。

次に、情報処理装置１は、図６の（ｂ）に示すように、予測された閲覧コンテンツＶおよび閲覧時間帯に基づいて、ユーザ端末２が事前取得する取得データＶａを決定する（ステップＳ２３）。

図６の（ｂ）に示す例では、時刻Ｔ１でニュースサイトＮＳの「主要」欄を閲覧している場合に、情報処理装置１は、閲覧時間帯（時間帯Ｔ２～Ｔ３）でニュースサイトＮＳの「スポーツ」欄および「ＩＴ」欄が閲覧されると予測して、かかる「スポーツ」欄および「ＩＴ」欄を取得データＶａとして決定する。そして、情報処理装置１は、決定された取得データＶａを取得するよう、ユーザ端末２に指示する。

これにより、情報処理装置１は、閲覧コンテンツＶが動画コンテンツではない場合でも、ユーザ端末２に閲覧コンテンツＶを事前取得させることができる。なお、閲覧コンテンツＶの例は動画コンテンツやニュースサイトに限られず、ユーザ端末２で事前取得および閲覧が可能なコンテンツであればどのようなコンテンツであってもよい。

たとえば、閲覧コンテンツＶは、ポータルサイト、ニュースサイト、オークションサイト、天気予報サイト、ショッピングサイト、ファイナンス（株価）サイト、路線検索サイト、地図提供サイト、旅行サイト、飲食店紹介サイト、ウェブブログなどに関連する各種コンテンツであってもよい。

〔４－３．スケジュールに基づいた閲覧時間帯の予測〕
ここまで示した例では、ユーザの行動履歴をモデル化した行動モデルＭに基づいて閲覧時間帯を予測する場合について示したが、閲覧時間帯を予測する情報手段は行動モデルＭに限られない。図７および図８では、行動モデルＭ以外の情報手段に基づいた閲覧時間帯の予測方法について説明する。

図７に示すように、ユーザ端末２などにユーザのスケジュールが登録されている場合に、情報処理装置１は、かかるユーザのスケジュールに基づいて閲覧時間帯を予測することができる。

まず、情報処理装置１は、ユーザ端末２などからユーザのスケジュール情報を取得する（ステップＳ３１）。例えば、図７に示すように、ユーザのスケジュールに「１３：００－１４：００ 本社に電車で移動」と登録されている場合、情報処理装置１は、「電車で移動」というキーワードから、かかるスケジュールの際には動画再生に最適な環境下ではないと予測する。

そこで、情報処理装置１は、かかるスケジュールの時間帯「１３：００－１４：００」を閲覧時間帯として予測する（ステップＳ３２）。その後、情報処理装置１は、上述のように閲覧コンテンツＶを予測し、予測された閲覧時間帯および閲覧コンテンツＶに基づいて取得データＶａを決定する。

これにより、情報処理装置１は、ユーザの行動が普段とる行動とは異なる場合でも、閲覧時間帯を予測することができる。

〔４－４．乗り換え案内に基づいた閲覧時間帯の予測〕
また、図８に示すように、ユーザがユーザ端末２などで各種交通手段の乗り換え案内サービスを利用した場合に、情報処理装置１は、かかる乗り換え案内サービスの検索結果に基づいて閲覧時間帯を予測することができる。

まず、情報処理装置１は、ユーザ端末２などから乗り換え案内サービスの検索結果に関する情報を取得する（ステップＳ４１）。そして、検索結果として「１２：００品川発－山手線－１２：２０新宿着」と出力された場合、情報処理装置１は、かかる移動時間の際には動画再生に最適な環境下ではないと予測する。

そこで、情報処理装置１は、かかる移動時間の時間帯「１２：００－１２：２０」を閲覧時間帯として予測する（ステップＳ４２）。その後、情報処理装置１は、上述のように閲覧コンテンツＶを予測し、予測された閲覧時間帯および閲覧コンテンツＶに基づいて取得データＶａを決定する。

これにより、情報処理装置１は、ユーザが取る可能性が高い具体的な行動に基づいて、閲覧時間帯を予測することができる。

〔４－５．その他の情報に基づいた閲覧時間帯の予測〕
なお、閲覧時間帯を予測する別の情報手段は、スケジュール情報や乗り換え案内サービスの検索結果に限られず、ユーザが行動するより前に生じ、情報処理装置１で取得することができる情報であればどのような情報であってもよい。

例えば、情報処理装置１は、記憶部１２にあらかじめ記憶されている時刻表データと、取得したユーザの行動予定とに基づいてユーザの移動時間帯を推定し、かかる移動時間帯を閲覧時間帯として予測してもよい。また、情報処理装置１は、ユーザのカレンダーに登録された予定に基づいて、閲覧時間帯を予測してもよい。さらに、情報処理装置１は、ユーザが送受信するメールの記載内容に基づいて、閲覧時間帯を予測してもよい。

このような種々の情報に基づいて、通常の行動パターンとは異なるユーザの行動パターンを推定し、推定された行動パターンに合わせて閲覧時間帯を予測することにより、通常の行動パターンとは異なる場合でも動画コンテンツ等のバッファリングを実現することができる。

〔４－６．編集された閲覧コンテンツの取得〕
また、実施形態では、動画コンテンツである閲覧コンテンツＶのうち、閲覧時間帯に対応する部分をそのまま取得データＶａとして取得する例について示したが、編集された閲覧コンテンツＶを取得データとして取得してもよい。

例えば、閲覧コンテンツＶが長さ１時間のニュース動画である一方、閲覧時間帯の長さが４５分と予測された場合に、情報処理装置１は、長さ１時間のニュース動画を４５分の長さに編集する。そして、ユーザ端末２は、長さ４５分に編集されたニュース動画を取得データＶａとして取得してもよい。

〔５．処理手順〕
次に、図９を参照して、情報処理装置１の制御部１３が実行する処理について説明する。図９は、実施形態に係る情報処理装置１の制御部１３が実行する処理を示すフローチャートである。

図９に示すように、制御部１３は、まず、閲覧時間帯を予測する（ステップＳ１０１）。例えば、制御部１３は、記憶部１２のモデル１２２に記憶されたユーザの行動モデルＭに基づいて閲覧時間帯を予測する。

次に、制御部１３は、ユーザ端末２で閲覧中のコンテンツがあるか否かを判定する（ステップＳ１０２）。そして、ユーザ端末２で閲覧中のコンテンツがある場合（ステップＳ１０２，Ｙｅｓ）、制御部１３は、かかる閲覧中のコンテンツが閲覧時間帯まで閲覧可能なボリュームを有するか否かを判定する（ステップＳ１０３）。

そして、閲覧中のコンテンツが閲覧時間帯まで閲覧可能なボリュームを有する場合（ステップＳ１０３，Ｙｅｓ）、制御部１３は、かかる閲覧中のコンテンツを閲覧コンテンツＶとして予測する（ステップＳ１０４）。

次に、制御部１３は、予測された閲覧時間帯および閲覧コンテンツＶに基づいて、取得データＶａを決定する（ステップＳ１０５）。そして、制御部１３は、取得データＶａを事前取得するようユーザ端末２に指示し（ステップＳ１０６）、処理を終了する。

一方、ステップＳ１０２において、ユーザ端末２で閲覧中のコンテンツがない場合（ステップＳ１０２，Ｎｏ）、制御部１３は、ユーザの属性を示す属性情報に基づいて閲覧コンテンツＶを予測し（ステップＳ１０７）、処理をステップＳ１０５へ移す。

また、ステップＳ１０３において、閲覧中のコンテンツが閲覧時間帯まで閲覧可能なボリュームを有さない場合（ステップＳ１０３，Ｎｏ）、制御部１３は、処理をステップＳ１０７へ移す。

〔６．ハードウェア構成〕
なお、実施形態における情報処理装置１は、例えば図１０に示すような構成のコンピュータ５０によって実現される。図１０は、情報処理装置１の機能を実現するコンピュータの一例を示すハードウェア構成図である。コンピュータ５０は、ＣＰＵ（Central Processing Unit）５１、ＲＡＭ（Random Access Memory）５２、ＲＯＭ（Read Only Memory）５３、ＨＤＤ（Hard Disk Drive）５４、通信インターフェイス（Ｉ／Ｆ）５５、入出力インターフェイス（Ｉ／Ｆ）５６、およびメディアインターフェイス（Ｉ／Ｆ）５７を備える。

ＣＰＵ５１は、ＲＯＭ５３またはＨＤＤ５４に記憶されたプログラムに基づいて動作し、各部の制御を行う。ＲＯＭ５３は、コンピュータ５０の起動時にＣＰＵ５１によって実行されるブートプログラムや、コンピュータ５０のハードウェアに依存するプログラム等を記憶する。

ＨＤＤ５４は、ＣＰＵ５１によって実行されるプログラム、および当該プログラムによって使用されるデータ等を記憶する。通信インターフェイス５５は、通信部１１に対応し、ネットワークＮを介して他の機器からデータを受信してＣＰＵ５１へ送り、ＣＰＵ５１が生成したデータを、ネットワークＮを介して他の機器へ送信する。

ＣＰＵ５１は、入出力インターフェイス５６を介して、ディスプレイやプリンタ等の出力装置、および、キーボードやマウス等の入力装置を制御する。ＣＰＵ５１は、入出力インターフェイス５６を介して、入力装置からデータを取得する。また、ＣＰＵ５１は、生成したデータを、入出力インターフェイス５６を介して出力装置へ出力する。

メディアインターフェイス５７は、記録媒体５８に記憶されたプログラムまたはデータを読み取り、ＲＡＭ５２を介してＣＰＵ５１に提供する。ＣＰＵ５１は、当該プログラムを、メディアインターフェイス５７を介して記録媒体５８からＲＡＭ５２上にロードし、ロードしたプログラムを実行する。記録媒体５８は、例えばＤＶＤ（Digital Versatile Disc）、ＰＤ（Phase change rewritable Disk）等の光学記録媒体、ＭＯ（Magneto-Optical disk）等の光磁気記録媒体、テープ媒体、磁気記録媒体、または半導体メモリ等である。

例えば、コンピュータ５０が実施形態に係る情報処理装置１として機能する場合、コンピュータ５０のＣＰＵ５１は、ＲＡＭ５２上にロードされたプログラムを実行することにより、制御部１３の機能を実現する。また、ＨＤＤ５４には、記憶部１２内のデータが記憶される。コンピュータ５０のＣＰＵ５１は、これらのプログラムを記録媒体５８から読み取って実行するが、他の例として、他の装置からネットワークＮを介してこれらのプログラムを取得してもよい。

〔７．その他〕
また、上記実施形態において説明した各処理のうち、自動的に行われるものとして説明した処理の全部または一部を手動的に行うこともでき、あるいは、手動的に行われるものとして説明した処理の全部または一部を公知の方法で自動的に行うこともできる。この他、上記文書中や図面中で示した処理手順、具体的名称、各種のデータやパラメータを含む情報については、特記する場合を除いて任意に変更することができる。例えば、各図に示した各種情報は、図示した情報に限られない。

また、図示した各装置の各構成要素は機能概念的なものであり、必ずしも物理的に図示の如く構成されていることを要しない。すなわち、各装置の分散・統合の具体的形態は図示のものに限られず、その全部または一部を、各種の負荷や使用状況などに応じて、任意の単位で機能的または物理的に分散・統合して構成することができる。例えば、実施形態では、自宅でコンテンツＶ１を閲覧する端末と閲覧時間帯に閲覧コンテンツＶを閲覧する端末とを同じユーザ端末２で行った例について示したが、自宅でコンテンツＶ１を閲覧する端末と閲覧時間帯に閲覧コンテンツＶを閲覧する端末とは同じ端末に限られない。

例えば、ユーザがコンテンツＶ１を自宅に据え付けられた据え付け端末で閲覧する際に、情報処理装置１は、かかる据え付け端末と同じユーザＩＤを有するスマートフォンに閲覧コンテンツＶを事前取得するよう指示してもよい。

また、実施形態では、モデル作成部１３２が作成したモデル１２２を用いて閲覧時間帯を予測した。しかしながら、実施形態は、これに限定されるものではなく、たとえばルールベースで閲覧時間帯を予測してもよい。たとえば、例えば、平日の９時から１０時の間は、通勤中に動画が見られるので、かかる時間帯を閲覧時間帯として予測し、取得データＶａを先にダウンロードするルールを設定してもよい。

また、実施形態では、情報処理装置１が自動的にユーザ端末２などから各種情報を受け取り、かかる各種情報に基づいて閲覧時間帯を予測した例について示したが、ユーザが閲覧時間帯を手動で設定してもよい。

また、上述してきた実施形態は、処理内容を矛盾させない範囲で適宜組み合わせることが可能である。

〔８．効果〕
上述してきたように、実施形態に係る情報処理装置１は、予測部１３３と、決定部１３４とを備える。予測部１３３は、ユーザが閲覧するコンテンツを閲覧する閲覧時間帯を予測する。決定部１３４は、予測部１３３によって予測された閲覧時間帯に基づいて、ユーザ端末２が事前取得する取得データＶａを決定する。

これにより、情報処理装置１は、最適な通信環境が整えられていない環境でも動画コンテンツの閲覧を実現することができる。

また、実施形態に係る情報処理装置１において、予測部１３３は、閲覧時間帯に閲覧される閲覧コンテンツＶを予測する。

これにより、情報処理装置１は、最適な通信環境が整えられていない環境でも動画コンテンツである閲覧コンテンツＶの閲覧を実現することができる。

また、実施形態に係る情報処理装置１において、決定部１３４は、閲覧コンテンツＶのうち閲覧時間帯に対応する部分を取得データＶａとして決定する。

これにより、事前取得する取得データＶａのデータ量を抑制することができることから、ユーザ端末２の限られた記憶領域をムダなく活用することができる。

また、実施形態に係る情報処理装置１において、予測部１３３は、ユーザの属性を示す属性情報に基づいて、閲覧コンテンツＶを予測する。

これにより、情報処理装置１は、予測する際にユーザ端末２でコンテンツが閲覧されていない場合であっても、閲覧コンテンツＶを予測することができる。

また、実施形態に係る情報処理装置１において、予測部１３３は、予測する際にユーザが閲覧しているコンテンツを閲覧コンテンツＶとして予測する。

これにより、情報処理装置１は、その後の閲覧時間帯で続きを閲覧する可能性の高いコンテンツＶ１を閲覧コンテンツＶとしてユーザ端末２に事前取得させることができる。

また、実施形態に係る情報処理装置１において、予測部１３３は、ユーザの行動履歴に基づいて、閲覧時間帯を予測する。

これにより、ユーザが取る普段の行動に基づいて、閲覧時間帯を予測することができる。

また、実施形態に係る情報処理装置１において、予測部１３３は、ユーザ端末２がＷｉ－Ｆｉ通信環境下ではなく、かつ動画コンテンツの閲覧履歴がある時間帯を閲覧時間帯として予測する。

これにより、バッファリングの必要性が高いとみなされる時間帯を閲覧時間帯として予測することができる。

また、実施形態に係る情報処理装置１は、決定部１３４によって決定された取得データを事前取得するようユーザ端末２に指示する指示部１３５をさらに備え、指示部１３５は、動画コンテンツの閲覧を開始した時点から取得データを事前取得するようユーザ端末２に指示する。

これにより、動画コンテンツをバッファリングする時間を十分にとれることから、最適な通信環境が整えられていない環境でも問題なく動画コンテンツを閲覧することができる。

以上、本願の実施形態を図面に基づいて詳細に説明したが、これは例示であり、発明の開示の欄に記載の態様を始めとして、当業者の知識に基づいて種々の変形、改良を施した他の形態で本発明を実施することが可能である。

また、上述してきた「部（section、module、unit）」は、「手段」や「回路」などに読み替えることができる。例えば、予測部は、予測手段や予測回路に読み替えることができる。

１ 情報処理装置
２ ユーザ端末
３ コンテンツ配信装置
１１ 通信部
１２ 記憶部
１３ 制御部
１００ 情報処理システム
１２１ 学習データ記憶部
１２２ モデル
１３１ 受付部
１３２ モデル作成部
１３３ 予測部
１３４ 決定部
１３５ 指示部
Ｖ 閲覧コンテンツ
Ｖａ 取得データ

Claims (8)

1. ユーザがコンテンツを閲覧する閲覧時間帯を予測する予測部と、
   前記予測部によって予測された前記閲覧時間帯に基づいて、ユーザ端末が事前取得する取得データを決定する決定部と、
   を備え、
   前記予測部は、前記閲覧時間帯に閲覧される閲覧コンテンツを予測し、
   前記決定部は、前記閲覧コンテンツのうち前記閲覧時間帯に対応する部分の動画データを前記ユーザ端末が事前取得する前記取得データとして決定し、
   前記予測部は、
   前記ユーザ端末がＷｉ－Ｆｉ通信環境下ではなく、かつ動画コンテンツの閲覧履歴がある時間帯を前記閲覧時間帯として予測する
   ことを特徴とする情報処理装置。
2. 前記予測部は、
   前記ユーザの属性を示す属性情報に基づいて、前記閲覧コンテンツを予測する
   ことを特徴とする請求項１に記載の情報処理装置。
3. 前記予測部は、予測する際に前記ユーザが閲覧しているコンテンツを前記閲覧コンテンツとして予測する
   ことを特徴とする請求項１または２に記載の情報処理装置。
4. 前記予測部は、
   前記ユーザの行動履歴に基づいて、前記閲覧時間帯を予測する
   ことを特徴とする請求項１～３のいずれか一つに記載の情報処理装置。
5. 前記予測部は、
   前記ユーザの行動予定に関する情報に基づいて、前記閲覧時間帯を予測する
   ことを特徴とする請求項１～３のいずれか一つに記載の情報処理装置。
6. 前記決定部によって決定された前記取得データを、動画コンテンツの閲覧を開始した時点から事前取得するよう前記ユーザ端末に指示する指示部をさらに備え、
   前記指示部は、動画コンテンツの閲覧を開始した時点から前記取得データを事前取得するよう前記ユーザ端末に指示する
   ことを特徴とする請求項１～５のいずれか一つに記載の情報処理装置。
7. コンピュータが実行する情報処理方法であって、
   ユーザがコンテンツを閲覧する閲覧時間帯を予測する予測工程と、
   前記予測工程によって予測された前記閲覧時間帯に基づいて、ユーザ端末が事前取得する取得データを決定する決定工程と、
   を含み、
   前記予測工程は、前記閲覧時間帯に閲覧される閲覧コンテンツを予測し、
   前記決定工程は、前記閲覧コンテンツのうち前記閲覧時間帯に対応する部分の動画データを前記ユーザ端末が事前取得する前記取得データとして決定し、
   前記予測工程は、
   前記ユーザ端末がＷｉ－Ｆｉ通信環境下ではなく、かつ動画コンテンツの閲覧履歴がある時間帯を前記閲覧時間帯として予測する
   ことを特徴とする情報処理方法。
8. ユーザがコンテンツを閲覧する閲覧時間帯を予測する予測手順と、
   前記予測手順によって予測された前記閲覧時間帯に基づいて、ユーザ端末が事前取得する取得データを決定する決定手順と、
   をコンピュータに実行させ、
   前記予測手順は、前記閲覧時間帯に閲覧される閲覧コンテンツを予測し、
   前記決定手順は、前記閲覧コンテンツのうち前記閲覧時間帯に対応する部分の動画データを前記ユーザ端末が事前取得する前記取得データとして決定し、
   前記予測手順は、
   前記ユーザ端末がＷｉ－Ｆｉ通信環境下ではなく、かつ動画コンテンツの閲覧履歴がある時間帯を前記閲覧時間帯として予測する
   ことを特徴とする情報処理プログラム。

Images