JP2004192542A - 情報推薦装置、情報推薦方法、プログラムおよび記録媒体 - Google Patents

Abstract

【課題】膨大なコンテンツの中から、ユーザが、自分にとって必要な情報を、容易かつ迅速に得ることができる情報推薦装置、情報推薦方法、プログラムおよび記録媒体を提供することを目的とするものである。
【解決手段】所定の専門分野に関連する語彙または情報を具備する専門知識リストを備え、情報提供サービスにおけるユーザの操作履歴と上記専門知識リストとに応じて、各ユーザの信頼度を評価し、評価されたユーザ信頼度に基づいて、信頼度の高いユーザを検出し、上記信頼度が所定値以上高いユーザだけに認知されている情報である高信頼度ユーザ認知情報を検出し、上記高信頼度ユーザ認知情報を、上記専門分野に関連する情報として推薦する情報推薦装置である。
【選択図】 図１

Description

【０００１】
【発明の属する技術分野】
本発明は、所定の専門分野にユーザが精通している度合いを、ユーザの信頼度として評価し、信頼性が高いユーザ群に流行している（多用されている）情報を、高品質な情報であるとし、その専門分野に関連する情報として、推薦する情報推薦装置、情報推薦方法、プログラムおよび記録媒体に関する。
【０００２】
【従来の技術】
インターネットの普及によって、コンテンツが膨大な数になり、これら膨大なコンテンツの中から、ユーザが、自分にとって必要な情報を得ることが困難である。
【０００３】
つまり、コンテンツの中には、情報の質が高いものと低いものとがあり、ユーザが探している情報を含む膨大なコンテンツの中から、品質の高い情報だけを選別する場合、従来は、次の手法が知られている。
【０００４】
従来の第１の手法は、その分野に詳しい友人に、電子メールで聞くという手法である。
【０００５】
従来の第２の手法は、当該分野に詳しい専門家が紹介する情報を参考にするという手法である。
【０００６】
従来の第３の手法は、各ユーザと嗜好が類似するユーザの情報選択行動に基づいて、情報を推薦する協調フィルタリングという手法である（たとえば、非特許文献１参照）。
【０００７】
【非特許文献１】
本橋健、佐藤基、金井敦（２００２）ポータルサービスにおける広告・マーケティング技術、ＮＴＴ 技術ジャーナル、Ｖｏｌ１４、Ｎｏ．１、ｐｐ８５−８７。
【０００８】
【発明が解決しようとする課題】
上記従来の第１の手法では、当該分野に詳しい友人に頼り、その友人が信頼できる人ならば、その情報は非常に有効である。
【０００９】
しかし、上記従来の第１の手法では、当該分野に詳しくしかも信頼できる友人が存在しない場合があり、また、存在したとしても、回答する時間的な余裕を、上記友人が有していない場合があり、これらの場合には、直ちに所望の情報を入手することができないという問題がある。
【００１０】
上記第２の手法では、専門家が紹介する情報を参考にするので、入手できる情報は、その専門家の主観に依存するという問題がある。
【００１１】
ここで、重要なことは、情報の提供者がどんな情報発信したかではなく、情報の受け手側で、どの情報が流行しているかということである。つまり、専門家のお勧め情報を利用するのではなく、その情報の受けてに関する情報を利用することが有効、有益、実利的である。
【００１２】
上記従来の第３の手法では、協調フィルタリングでは、嗜好が類似するユーザが参照する情報は、参考になるということが前提である。
【００１３】
しかし、上記従来の第３の手法では、所定の専門分野に関して、信頼性がある情報を得たい場合、類似するユーザ（情報の受け手）が信頼できる人であるとは限らないという問題がある。
【００１４】
本発明は、膨大なコンテンツの中から、ユーザが、自分にとって必要な情報を、容易かつ迅速に得ることができる情報推薦装置、情報推薦方法、プログラムおよび記録媒体を提供することを目的とするものである。
【００１５】
【課題を解決するための手段】
本発明は、ユーザの中から、所定の専門分野に精通し、しかも信頼あるユーザを識別し、この識別されたユーザをランク付けし、信頼性が高いユーザ群による情報検索行動の流行を、情報の推薦に役立てる情報推薦装置である。
【００１６】
【発明の実施の形態および実施例】
［第１の実施例］
図１は、本発明の第１の実施例である情報推薦装置１００を示す図である。
【００１７】
情報推薦装置１００は、ユーザの信頼度に基づいて、情報を推薦する装置であり、情報提供サービスにおけるユーザの中から、所定の専門分野に精通している信頼あるユーザを識別し、この識別されたユーザをランク付けし、信頼性が高いユーザ群の情報検索行動の流行を、情報の推薦に役立てる装置である。
【００１８】
情報推薦装置１００は、初期データ記憶部１０と、処理部２０と、中間データ記憶部３０と、表示部４０とによって構成されている。
【００１９】
初期データ記憶部１０は、専門知識リスト１１と、操作履歴記憶部１２とによって構成されている。
【００２０】
専門知識リスト１１は、所定の専門分野に関連する語彙または情報を具備するリストである。
【００２１】
図２は、第１の実施例における専門知識リスト１１が、蓄積している「建築家」という専門分野に関する語彙の例を示す図である。
【００２２】
専門知識リスト１１は、語彙だけではなく、専門分野に関する情報のＷｅｂページのＵＲＬを蓄積するものであってもよい。専門知識リスト１１は、認知度算出部２１から参照要求があれば、認知度算出部２１にデータを渡す。
【００２３】
操作履歴記憶部１２は、検索条件として入力した検索語の履歴である検索ログや、アクセスしたＷｅｂページのＵＲＬ等のアクセスログを、ユーザＩＤと操作した時点の時刻情報とともに記憶するものである。操作履歴記憶部１２には、検索ログとアクセスログとの両者を記憶する必要がなく、いずれか一方のみを記憶するものであってもよい。
【００２４】
ユーザＩＤは、ＩＰアドレス等、ユーザＩＤを直接表現するものでなくてもよく、ユーザを間接的に特定できるものであってもよい。
【００２５】
図３は、上記実施例において、ユーザがアクセスしたページと、当該ページが掲載されていた検索結果の検索語との両方を同時に記憶している例を示す図である。
【００２６】
なお、図３において、検索語「○○○○」、「△△△△」は、建築家の名前である。
【００２７】
操作履歴記憶部１２は、認知度算出部２１から参照要求があれば、認知度算出部２１に、データを渡す。
【００２８】
処理部２０は、認知度算出部２１と、信頼度算出部２２と、推薦度算出部２３とによって構成されている。
【００２９】
認知度算出部２１は、操作履歴記憶部１２を参照し、各ユーザがアクセスした情報を、認知度情報記憶部３１に記憶する。このときに、専門知識リスト１１で定義した専門知識と、アクセスしたＷｅｂページとを照らし合わせ、各ページが専門知識に関連する情報であるか否かを判定する。
【００３０】
上記判定基準は、たとえば、専門知識リスト１１に存在する語彙を、検索条件として利用しているユーザは、その語彙に関係する専門知識を認知している（専門知識を身に付けている）と判定する基準である。
【００３１】
専門知識が、語彙ではなく、専門知識に関連するＷｅｂページで表現されている場合、上記専門知識に関連するＷｅｂページを参照していれば、その情報に関係する専門知識を、上記アクセスしたユーザが認知していると判定するようにしてもよい。
【００３２】
専門知識に関連するｊ番目のページを、ページｊとし、ｉ番目のユーザを、ユーザｉとする。ユーザｉがページｊをアクセスしたか否かを、ｘ_ijで表現する場合、ｘ_ijを、次の式（１）に示すように定義する。
【００３３】
ｘ_ij＝１（ユーザｉがページｊにアクセスしている場合）
ｘ_ij＝０（ユーザｉがページｊにアクセスしていない場合） ……式（１）
信頼度算出部２２は、認知度情報記憶部３１に記憶されている認知度情報に基づいて、各ユーザが専門知識を認知しているレベルを、ユーザの信頼度として評価する（算出する）。信頼度算出部２２が算出したユーザの信頼度は、信頼度情報記憶部３２に記憶される。
【００３４】
たとえば、専門知識に関するページｊが、ｎ個存在している場合、ｎ個のページｊのうちで、網羅的に参照している割合を、ユーザの信頼度とする場合、ユーザｉの信頼度ＲＬ_iは、次の式（２）に示すように定義することができる。この信頼度ＲＬ_iは、０〜１の範囲に収まるように正規化されている。
【００３５】
【数１】

【００３６】
また、信頼度の閾値を設定し、この設定された閾値を超える信頼度を保持するユーザを、信頼性が高いユーザとして、信頼度情報記憶部３２に記憶する。
【００３７】
推薦度算出部２３は、認知度情報記憶部３１に記憶されている認知度情報と、信頼度情報記憶部３２に記憶されている信頼度情報とに基づいて、各情報の推薦度を算出する。推薦度算出部２３によって算出された推薦度は、推薦情報記憶部３３に記憶される。
【００３８】
全ページのｋ番目のページをページｋとする。この場合ページｋの推薦度は、参照しているユーザの信頼度によって重み付けられたページ信頼度と、信頼あるユーザによってだけ偏って参照されている弁別度の関数で算出される。
【００３９】
弁別度は、文章データベースに用いられるｔｆ・ｉｄｆ法に類似している。信頼あるユーザがそのページを参照している度数と、ユーザ数を、全ユーザがそのページを参照している度合いで割った値の対数との乗数を用いる。すなわち、その専門分野を弁別できる能力を示している。
【００４０】
信頼性が高いユーザのうちで、ページｋを参照している人数を、ＡＲ_kとし、ページｋがアクセスされている人数を、ＡＡ_kとし、ユーザ数を、ｍとし、定式化すると、ページｋの推薦度を、たとえば、次の式（３）のように定義することができる。
【００４１】
【数２】

【００４２】
認知度算出部２１と信頼度算出部２２とは、情報提供サービスにおけるユーザの操作履歴と、上記専門知識リストとに応じて、各ユーザの信頼度を評価するユーザ信頼度評価手段の例である。
【００４３】
信頼度算出部２２は、ユーザ信頼度評価手段が評価したユーザ信頼度に基づいて、信頼度の高いユーザを検出する高信頼度ユーザ検出手段の例であり、上記信頼度が所定値以上高いユーザだけに認知されている情報である高信頼度ユーザ認知情報を検出する高信頼度ユーザ認知情報検出手段の例である。
【００４４】
中間データ記憶部３０は、認知度情報記憶部３１と、信頼度情報記憶部３２と、推薦情報記憶部３３とによって構成されている。
【００４５】
図４は、認知度情報記憶部３１の記憶例を示す図である。
【００４６】
認知度情報記憶部３１は、参照した情報を、ユーザ毎に記憶している記憶部である。また、参照した情報は、図３に示すように、その情報が、専門知識リスト１１において定義した専門知識に関連する情報であるか否かに関する情報を持っている。
【００４７】
認知度算出部２１から書き込み要求があれば、データを受け付け、認知度情報記憶部３１に記憶する。また、信頼度算出部２２、推薦度算出部２３から参照要求があれば、認知度情報記憶部３１が当該データを返す。
【００４８】
図５は、信頼度情報記憶部３２の記憶例を示す図である。
【００４９】
信頼度情報記憶部３２は、少なくともユーザＩＤ、信頼度、信頼性が高いユーザであるか否かの２値データを、図５に示すように、保持する。
【００５０】
各ユーザの信頼度と、信頼できるか否かの２値データとを、信頼度算出部２２が、信頼度情報記憶部３２に書き込む。推薦度算出部２３からデータ参照要求があれば、当該データを返す。
【００５１】
推薦情報記憶部３３は、少なくともアクセスページと、その推薦度とを記憶する。
【００５２】
図６は、推薦情報記憶部３３の記憶例を示す図である。
【００５３】
推薦情報記憶部３３が、図６に示すように、推薦度を計算する途中の情報であるページ信頼度、弁別度を記憶するようにしてもよい。
【００５４】
推薦情報表示部４１から参照要求があれば、当該データを返す。
【００５５】
推薦度算出部２３と推薦情報記憶部３３とは、高信頼度ユーザ認知情報を、専門分野に関連する情報として推薦する情報推薦手段の例である。
【００５６】
表示部４０は、推薦情報表示部４１によって構成されている。
【００５７】
推薦情報表示部４１は、推薦情報記憶部３３を参照し、推薦度が高いアクセスページを優先的に表示する。
【００５８】
アクセスしたページが掲載されていた検索結果の検索語を、ページ群のタイトルとして表示するようにしてもよい。
【００５９】
図７は、推薦情報表示部４１が表示している例を示す図である。
【００６０】
次に、上記実施例において、ユーザの信頼度に基づく情報を推薦する動作について説明する。
【００６１】
図８は、上記実施例において、ユーザの信頼度に基づく情報を推薦する動作を示すフローチャートである。
【００６２】
Ｓ１では、認知度算出部２２が、操作履歴記憶部１２を参照し、各ユーザがアクセスした情報を、認知度情報記憶部３１に記憶し、ステップＳ２へ進む。
【００６３】
Ｓ２では、信頼度算出部２２が、認知度情報記憶部３１に記憶されている情報に基づいて、各ユーザが専門知識を認知しているレベルを、ユーザの信頼度として評価し、信頼度情報記憶部３２に記憶し、ステップＳ３へ進む。
【００６４】
Ｓ３では、ステップＳ１とＳ２との処理が、全ユーザに対して終了したか否かを判定し、終了していれば、ステップＳ４へ進み、終了していなければ、ステップＳ１へ戻る。
【００６５】
Ｓ４では、認知度情報記憶部３１、信頼度情報記憶部３２に記憶されている認知度情報、信頼度情報に基づいて、推薦度算出部２３が、各情報の推薦度を算出し、推薦情報記憶部３３に記憶し、ステップＳ５へ進む。
【００６６】
Ｓ５では、ステップＳ４の処理が、全ページに対して終了したか否かを判定し、終了していれば、全体の処理を終了し、終了していなければ、ステップＳ４へ戻る。
【００６７】
［第２の実施例］
図９は、本発明の第２の実施例である情報推薦装置２００を示す図である。
【００６８】
情報推薦装置２００は、ユーザの信頼度に基づいて情報を推薦する装置であり、未知の専門知識を考慮し、任意の専門分野に関するユーザの信頼度を算出する装置である。
【００６９】
情報推薦装置２００は、情報推薦装置１００と基本的には同じであり、情報推薦装置１００において、処理部２０の代わりに処理部２０ａが設けられている点が情報推薦装置１００と異なる。処理部２０ａは、処理部２０に、専門知識追加部２４が付加されたものである。
【００７０】
専門知識追加部２４は、推薦情報記憶部３３に記憶されている推薦度情報と、専門知識リスト１１に含まれている専門知識とを照合し、専門知識リストに、現在は記載されていないページであって、設定した閾値以上の推薦度を持つページに関する知識を、専門知識リスト１１に追加する。
【００７１】
図６に示すように、推薦情報記憶部３３が記憶している推薦度情報の閾値が０．２である場合、検索条件を、「４つの四角の記号」とし、アクセスページを、「２つの四角の記号」のページに関する専門語彙とし、「４つの四角の記号」という単語を、専門知識リストに追加する。なお、アクセスしたページ自身を、追加するようにしてもよい。
【００７２】
次に、情報推薦装置２００において、ユーザの信頼度に基づく情報を推薦する動作について説明する。
【００７３】
図１０は、情報推薦装置２００において、ユーザの信頼度に基づく情報を推薦する動作を示すフローチャートである。
【００７４】
図１０に示すフローチャートは、Ｓ１１、Ｓ１２以外は、図８に示す情報推薦装置１００のフローチャートと同じである。
【００７５】
Ｓ１１では、推薦情報を定期的に更新するために、処理の開始時刻を設定し、開始時刻であるか否かを常に監視する。開始時刻になれば、ステップＳ１へ進み、そうでなければ、ステップＳ１１に戻り、開始時刻の監視を継続する。
【００７６】
Ｓ１２では、専門知識追加部２４が、推薦情報記憶部３３に記憶されている推薦度情報と、専門知識リスト１１に記載されている専門知識とを照合し、専門知識リストに現在は、記載されていないページであって、設定した閾値以上の推薦度を持つページに関する知識を、専門知識リスト１１に追加する。
【００７７】
［第３の実施例］
図１１は、本発明の第３の実施例である情報推薦装置３００を示す図である。
【００７８】
情報推薦装置３００は、ユーザの信頼度に基づいて情報を推薦する装置であり、新しい専門知識を、早期に認知したユーザ程、信頼度が高くなるように、信頼度を計算する装置である。
【００７９】
情報推薦装置３００は、初期データ記憶部１０ｂと、処理部２０ｂと、中間データ記憶部３０ｂと、表示部４０とを有する。
【００８０】
情報推薦装置３００は、専門知識リスト１１ｂ、認知度算出部２１ｂ、信頼度算出部２２ｂ、専門知識追加部２４ｂ、認知度情報記憶部３１ｂ以外は、情報推薦装置２００と同じ構成である。
【００８１】
専門知識リスト１１ｂは、所定の専門分野に関する語彙や情報等の専門知識と、上記専門知識の発生時刻とを蓄積しているリストである。
【００８２】
上記「専門知識の発生時刻」は、信頼度が高いユーザ群だけに、上記専門知識が使われ、専門知識追加部２４に、初めて追加された時刻である。初期条件として登録されている専門知識の発生時刻は、処理を開始した時刻であるとする。
【００８３】
図１２は、第３の実施例において、「建築家」という専門分野に関する語彙の例を示す図である。
【００８４】
「○○○○」、「△△△△」という語彙は、処理開始前に予め登録されていた専門知識に関連する語彙である。これらの語彙についての処理開始時刻がそれぞれ記憶されている。また、「４つの四角の記号」という語彙のように、処理の途中で、新しい専門知識として追加された語彙については、新しい専門知識として追加された時刻が、発生時刻であるとして記憶されている。
【００８５】
図１３は、認知度情報記憶部３１ｂに記憶されている認知度情報の例を示す図である。
【００８６】
認知度算出部２１ｂは、操作履歴記憶部１２を参照し、図１３に示すように、各ユーザがアクセスした情報と、最初にアクセスした時刻とを、認知度情報記憶部３１ｂに記憶する。
【００８７】
専門知識に関するｊ番目のページを、ページｊとし、ｉ番目のユーザを、ユーザｉとする。ユーザｉがページｊを認知している度合いを、ｘ_ijと表現し、初めてアクセスした時刻を、ｔ_ijと表現し、ページｊに関する専門知識の発生時刻を、ｓｔ_jと表現し、専門知識が発生してから、上記専門知識をいち早く知る間での期間（専門知識が発生してから認知度向上に寄与するまでの期間）を、ａと表現し、ａ期間以降に初めてアクセスしたユーザの認知度を、ｂと表現した場合、上記の例は、記号としては、以下に示す式（４）のように定義される。
【００８８】
図１４は、最初にアクセスした時刻と認知度との関係を示す図である。
【００８９】
ユーザｉがページｊにアクセスしている場合
ｘ_ij＝１ （ｔ_ij＝ｓｔ_jの場合）
ｘ_ij＝１−（ｔ_ij−ｓｔ_j）／ａ （ｔ_ij−ｓｔ_j＜＝ａの場合）
ｘ_ij＝ｂ （ｔ_ij−ｓｔ_j＞ａの場合）
ユーザｉがページｊにアクセスしていない場合
ｘ_ij＝０ ……式（４）
信頼度算出部２２ｂは、認知度情報記憶部３１に記憶した情報に基づいて、各ユーザが専門知識を認知しているレベルを、ユーザの信頼度として評価し、信頼度情報記憶部３２に記憶する。たとえば、専門知識に関するページｊが、ｎ個ある場合、ｎ個のページｊを、網羅的に、しかも、なるべく早く参照している度合いを、ユーザの信頼度として扱う場合は、次に示す式（５）のように、ユーザｉの信頼度ＲＬ_iを定義することができる。この値は、０〜１の範囲に収まるように正規化されている。
【００９０】
また、信頼度の閾値を設定し、この閾値を越える信頼度を保持するユーザを、信頼性が高いユーザとして、信頼度情報記憶部３２に記憶する。
【００９１】
【数３】

【００９２】
専門知識追加部２４ｂは、推薦情報記憶部３３と、専門知識リスト１１とを照合し、専門知識リスト１１ｂに、現在は記載されていないページであって、設定した閾値以上の推薦度を持つページに関する知識を、新規に専門知識リスト１１ｂに追加する。この場合、同時に、その専門知識の発生時刻を記憶する。
【００９３】
図１３は、認知度情報記憶部３１ｂが記憶している内容例を示す図である。
【００９４】
認知度情報記憶部３１ｂは、図１３に示すように、ユーザ毎に、参照した情報と初めてアクセスした時刻とを記憶する。
【００９５】
認知度算出部２１ｂから書き込み要求があれば、データを受け付け、認知度情報記憶部３１ｂに記憶する。また、信頼度算出部２２ｂ、推薦度算出部２３から参照要求があれば、当該データを返す。
【００９６】
次に、情報推薦装置３００の動作について説明する。
【００９７】
図１５は、情報推薦装置３００の動作を示すフローチャートである。
【００９８】
図１５に示すフローチャートは、Ｓ２１、Ｓ２２、Ｓ２３以外は、図１０に示すユーザの信頼度に基づく情報推薦装置２００の動作を示すフローチャートと同様である。
【００９９】
Ｓ２１では、認知度算出部２２ｂが、操作履歴記憶部１２を参照し、各ユーザがアクセスした情報と、初めてアクセスした時刻とを、認知度情報記憶部３１ｂに記憶し、ステップＳ２２へ進む。
【０１００】
Ｓ２２では、信頼度算出部２２ｂが、認知度情報記憶部３１ｂに記憶した情報に基づいて、各ユーザが専門知識を認知しているレベルを、ユーザの信頼度として評価し、信頼度情報記憶部３２に記憶し、ステップＳ３へ進む。
【０１０１】
Ｓ２３では、専門知識追加部２４ｂが、推薦情報記憶部３３に記憶されている内容と、専門知識リスト１１の内容とを照合し、専門知識リスト１１ｂに、現在は記載されていないページであって、設定した閾値以上の推薦度を持つページに関する知識を、専門知識リスト１１ｂに追加する。これと同時に、その専門知識の発生時刻を、推薦情報記憶部３３に記憶する。その後に、ステップＳ１１へ戻る。
【０１０２】
上記実施例において、ユーザ信頼度評価手段は、ユーザの操作履歴と専門知識リストとに基づいて、専門知識リストに具備されている語彙または情報を認知している度合いである認知度を算出し、この算出された認知度に基づいて、各ユーザの信頼度を評価する手段であるが、ユーザの操作履歴と、専門知識リストとに応じて、認知度を算出せずに、各ユーザの信頼度を評価するようにしてもよい。
【０１０３】
上記実施例によれば、情報提供サービスにおいて、各ユーザの操作履歴が記憶されている場合に、所定の専門分野に関連する語彙や情報を具備する専門知識リストを用意し、各ユーザの操作履歴と上記専門知識リストとを照らし合わせ、上記専門知識リストを認知している度合いに応じて、各ユーザの信頼度を評価し、、ユーザの信頼度を評価することによって求められた信頼度に基づいて、信頼度の高いユーザを求め、上記信頼度が高いユーザだけに認知されている情報を、上記専門分野に関連する情報として推薦するので、ユーザの中から、所定の専門分野に精通している信頼性が高いユーザを識別し、ランク付けし、信頼性が高いユーザ群の情報検索行動の流行を、情報の推薦に役立てることができる。
【０１０４】
また、操作履歴が時系列的に逐次更新される場合に、所定の時点で、上記信頼度が高いユーザだけに認知されている語彙や情報を、次回から専門知識として扱うので、未知の専門知識を考慮し、任意の専門分野に関するユーザの信頼度を算出することができる。
【０１０５】
さらに、任意の分野の専門知識が流動的な場合に、各専門知識の発生時刻を記憶し、各ユーザの任意の専門知識を認知した時刻を記憶し、各専門知識の上記発生時刻から、上記認知時刻までの経過時間が短い程、ユーザの信頼度に重み付けするので、新しい専門知識を、早期に認知したユーザ程、信頼度が高くなるように信頼度を計算することができる。
【０１０６】
また、上記実施例をプログラムの発明として把握することができる。つまり、上記実施例は、所定の専門分野に関連する語彙または情報を具備する専門知識リストと、情報提供サービスにおけるユーザの操作履歴とに応じて、信頼度算出部が、上記各ユーザの信頼度を評価するユーザ信頼度評価手順と、上記ユーザ信頼度評価手順で評価したユーザ信頼度に基づいて、上記信頼度算出部が、信頼度の高いユーザを検出する高信頼度ユーザ検出手順と、上記信頼度が所定値以上高いユーザだけに認知されている情報である高信頼度ユーザ認知情報を、認知度算出部が、検出する高信頼度ユーザ認知情報検出手順と、上記高信頼度ユーザ認知情報を、上記専門分野に関連する情報として、推薦情報表示部に推薦させる情報推薦手順とをコンピュータに実行させるプログラムの例である。
【０１０７】
この場合、上記ユーザ信頼度評価手順は、上記ユーザの操作履歴と、上記専門知識リストとに基づいて、上記専門知識リストに具備されている上記語彙または上記情報を認知している度合いである認知度を算出し、この算出された認知度に基づいて、上記各ユーザの信頼度を評価する手順である。
【０１０８】
また、操作履歴が時系列的に逐次更新される場合に、所定の時点で、上記高信頼度ユーザだけに認知されている語彙または情報を、次回から専門知識として扱う。
【０１０９】
さらに、各専門知識の発生時刻を記憶する専門知識発生時刻記憶手順と、所定のユーザが、任意の専門知識を認知した時刻を記憶する認知時刻記憶手順と、各専門知識の発生時刻から、上記認知時刻までの経過時間が短い程、上記所定のユーザの上記信頼度に重み付けする手順とを有するプログラムである。
【０１１０】
そして、上記プログラムを、ＦＤ、ＣＤ、ＤＶＤ、ＨＤ、半導体メモリ等の記録媒体に記録させるようにしてもよい。
【０１１１】
【発明の効果】
本発明によれば、膨大なコンテンツの中から、ユーザが、自分にとって必要な情報を、容易に得ることができるという効果を奏する。
【図面の簡単な説明】
【図１】本発明の第１の実施例である情報推薦装置１００を示す図である。
【図２】第１の実施例における専門知識リスト１１が、蓄積している「建築家」という専門分野に関する語彙の例を示す図である。
【図３】上記実施例において、ユーザがアクセスしたページと、当該ページが掲載されていた検索結果の検索語との両方を同時に記憶している例を示す図である。
【図４】認知度情報記憶部３１の記憶例を示す図である。
【図５】信頼度情報記憶部３２の記憶例を示す図である。
【図６】推薦情報記憶部３３の記憶例を示す図である。
【図７】推薦情報表示部４１が表示している例を示す図である。
【図８】上記実施例において、ユーザの信頼度に基づく情報を推薦する動作を示すフローチャートである。
【図９】本発明の第２の実施例である情報推薦装置２００を示す図である。
【図１０】情報推薦装置２００において、ユーザの信頼度に基づく情報を推薦する動作を示すフローチャートである。
【図１１】本発明の第３の実施例である情報推薦装置３００を示す図である。
【図１２】第３の実施例において、「建築家」という専門分野に関する語彙の例を示す図である。
【図１３】認知度情報記憶部３１ｂに記憶されている認知度情報の例を示す図である。
【図１４】最初にアクセスした時刻と認知度との関係を示す図である。
【図１５】情報推薦装置３００の動作を示すフローチャートである。
【符号の説明】
１００、２００、３００…情報推薦装置、
１０、１０ｂ…初期データ記憶部、
１１、１１ｂ…専門知識リスト、
１２…操作履歴記憶部、
２０、２０ｂ…処理部、
２１、２１ｂ…認知度算出部、
２２、２２ｂ…信頼度算出部、
２３…推薦度算出部、
２４、２４ｂ…専門知識追加部、
３０…中間データ記憶部、
３１、３１ｂ…認知度情報記憶部、
３２…信頼度情報記憶部、
３３…推薦度情報記憶部、
４０…表示部、
４１…推薦情報表示部。

Claims (16)

1. 所定の専門分野に関連する語彙または情報を具備する専門知識リストと；
   情報提供サービスにおけるユーザの操作履歴と、上記専門知識リストとに応じて、各ユーザの信頼度を評価するユーザ信頼度評価手段と；
   上記ユーザ信頼度評価手段が評価したユーザ信頼度に基づいて、信頼度の高いユーザを検出する高信頼度ユーザ検出手段と；
   上記信頼度が所定値以上高いユーザだけに認知されている情報である高信頼度ユーザ認知情報を検出する高信頼度ユーザ認知情報検出手段と；
   上記高信頼度ユーザ認知情報を、上記専門分野に関連する情報として推薦する情報推薦手段と；
   を有することを特徴とする情報推薦装置。
2. 請求項１において、
   上記ユーザ信頼度評価手段は、上記ユーザの操作履歴と、上記専門知識リストとに基づいて、上記専門知識リストに具備されている上記語彙または上記情報を認知している度合いである認知度を算出し、この算出された認知度に基づいて、上記各ユーザの信頼度を評価する手段であることを特徴とする情報推薦装置。
3. 請求項１において、
   操作履歴が時系列的に逐次更新される場合に、所定の時点で、上記高信頼度ユーザだけに認知されている語彙または情報を、次回から専門知識として扱うことを特徴とする情報推薦装置。
4. 請求項３において、
   各専門知識の発生時刻を記憶する専門知識発生時刻記憶手段と；
   所定のユーザが、任意の専門知識を認知した時刻を記憶する認知時刻記憶手段と；
   各専門知識の発生時刻から、上記認知時刻までの経過時間が短い程、上記所定のユーザの上記信頼度に重み付けする手段と；
   を有することを特徴とする情報推薦装置。
5. 所定の専門分野に関連する語彙または情報を具備する専門知識リストを用意する段階と；
   情報提供サービスにおけるユーザの操作履歴と、上記専門知識リストとに応じて、各ユーザの信頼度を評価するユーザ信頼度評価段階と；
   上記ユーザ信頼度評価段階で評価したユーザ信頼度に基づいて、信頼度の高いユーザを検出する高信頼度ユーザ検出段階と；
   上記信頼度が所定値以上高いユーザだけに認知されている情報である高信頼度ユーザ認知情報を検出する高信頼度ユーザ認知情報検出段階と；
   上記高信頼度ユーザ認知情報を、上記専門分野に関連する情報として推薦する情報推薦段階と；
   を有することを特徴とする情報推薦方法。
6. 請求項５において、
   上記ユーザ信頼度評価段階は、上記ユーザの操作履歴と、上記専門知識リストとに基づいて、上記専門知識リストに具備されている上記語彙または上記情報を認知している度合いである認知度を算出し、この算出された認知度に基づいて、上記各ユーザの信頼度を評価する段階であることを特徴とする情報推薦方法。
7. 請求項５において、
   操作履歴が時系列的に逐次更新される場合に、所定の時点で、上記高信頼度ユーザだけに認知されている語彙または情報を、次回から専門知識として扱うことを特徴とする情報推薦方法。
8. 請求項６において、
   各専門知識の発生時刻を記憶する専門知識発生時刻記憶段階と；
   所定のユーザが、任意の専門知識を認知した時刻を記憶する認知時刻記憶段階と；
   各専門知識の発生時刻から、上記認知時刻までの経過時間が短い程、上記所定のユーザの上記信頼度に重み付けする段階と；
   を有することを特徴とする情報推薦方法。
9. 所定の専門分野に関連する語彙または情報を具備する専門知識リストと、情報提供サービスにおけるユーザの操作履歴とに応じて、信頼度算出部が、上記各ユーザの信頼度を評価するユーザ信頼度評価手順と；
   上記ユーザ信頼度評価手順で評価したユーザ信頼度に基づいて、上記信頼度算出部が、信頼度の高いユーザを検出する高信頼度ユーザ検出手順と；
   上記信頼度が所定値以上高いユーザだけに認知されている情報である高信頼度ユーザ認知情報を、認知度算出部が、検出する高信頼度ユーザ認知情報検出手順と；
   上記高信頼度ユーザ認知情報を、上記専門分野に関連する情報として、推薦情報表示部に推薦させる情報推薦手順と；
   をコンピュータに実行させるプログラム。
10. 請求項９において、
    上記ユーザ信頼度評価手順は、上記ユーザの操作履歴と、上記専門知識リストとに基づいて、上記専門知識リストに具備されている上記語彙または上記情報を認知している度合いである認知度を算出し、この算出された認知度に基づいて、上記各ユーザの信頼度を評価する手順であるプログラム。
11. 請求項９において、
    操作履歴が時系列的に逐次更新される場合に、所定の時点で、上記高信頼度ユーザだけに認知されている語彙または情報を、次回から専門知識として扱うことを特徴とするプログラム。
12. 請求項１１において、
    各専門知識の発生時刻を記憶する専門知識発生時刻記憶手順と；
    所定のユーザが、任意の専門知識を認知した時刻を記憶する認知時刻記憶手順と；
    各専門知識の発生時刻から、上記認知時刻までの経過時間が短い程、上記所定のユーザの上記信頼度に重み付けする手順と；
    を有することを特徴とするプログラム。
13. 所定の専門分野に関連する語彙または情報を具備する専門知識リストと、情報提供サービスにおけるユーザの操作履歴とに応じて、信頼度算出部が、上記各ユーザの信頼度を評価するユーザ信頼度評価手順と；
    上記ユーザ信頼度評価手順で評価したユーザ信頼度に基づいて、上記信頼度算出部が、信頼度の高いユーザを検出する高信頼度ユーザ検出手順と；
    上記信頼度が所定値以上高いユーザだけに認知されている情報である高信頼度ユーザ認知情報を、認知度算出部が、検出する高信頼度ユーザ認知情報検出手順と；
    上記高信頼度ユーザ認知情報を、上記専門分野に関連する情報として、推薦情報表示部に推薦させる情報推薦手順と；
    をコンピュータに実行させるプログラムを記録したコンピュータ読み取り可能な記録媒体。
14. 請求項１３において、
    上記ユーザ信頼度評価手順は、上記ユーザの操作履歴と、上記専門知識リストとに基づいて、上記専門知識リストに具備されている上記語彙または上記情報を認知している度合いである認知度を算出し、この算出された認知度に基づいて、上記各ユーザの信頼度を評価する手順であることを特徴とする記録媒体。
15. 請求項１３において、
    操作履歴が時系列的に逐次更新される場合に、所定の時点で、上記高信頼度ユーザだけに認知されている語彙または情報を、次回から専門知識として扱うプログラムを記録したコンピュータ読み取り可能な記録媒体。
16. 請求項１４において、
    各専門知識の発生時刻を記憶する専門知識発生時刻記憶手順と；
    所定のユーザが、任意の専門知識を認知した時刻を記憶する認知時刻記憶手順と；
    各専門知識の発生時刻から、上記認知時刻までの経過時間が短い程、上記所定のユーザの上記信頼度に重み付けする手順と；
    をコンピュータに実行させるプログラムを記録したコンピュータ読み取り可能な記録媒体。

Images