JP2012014659A - レコメンド装置、レコメンド方法、及びプログラム - Google Patents

Abstract

【課題】あるアイテムに関するレコメンドを行う際に、日々発生する種々の行動ログを反映させたレコメンドを行う。
【解決手段】ユーザの複数種類の行動ログに基づいて、特定の種類のアイテムに関するレコメンドを行うレコメンド装置において、ユーザ毎に、前記アイテムに関するレコメンドでの使用に適した行動ログ種別とレコメンド手法とからなるレコメンドパターンを格納したレコメンドパターン格納手段と、前記レコメンドパターン格納手段から、レコメンド対象のユーザに対応するレコメンドパターンを取得し、当該レコメンドパターンにおける行動ログ種別の行動ログを、前記複数種類の行動ログを格納したログ格納手段から抽出するログ抽出手段と、前記ログ抽出手段により抽出された行動ログに基づいて、前記レコメンドパターンにおけるレコメンド手法を用いて前記アイテムに関するレコメンド処理を行うレコメンド処理手段とを備えて構成する。
【選択図】図２

Description

本発明は、視聴ログ等の行動履歴を用いて、映像コンテンツ等をユーザにレコメンドするレコメンド技術に関するものである。

VOD(Video On Demand)サーバを使用したVODサービスが開始されてきており、ユーザは多数の映像コンテンツの中から自分の視聴したいコンテンツを選択することが可能である。しかし、利用可能な映像コンテンツが増加していく中、ユーザは自分の視聴したいコンテンツを見つけることが困難になってきている。

一方、サービス提供側は、新着や視聴数ランキングといった情報を提示して、お薦めを行ってきたが、このような情報は、ユーザの嗜好を反映しておらず、ユーザには興味のない内容であったり、ありきたりであったりするという課題があった。

そこで、ユーザの嗜好に合致したコンテンツを推薦する技術として、特許文献１に記載されているように、個人の映像コンテンツの利用履歴から次回視聴されるコンテンツを予測する方法が提案されている。

また、VOD映像コンテンツの利用履歴が少ない場合には、VODと同様の映像コンテンツであるデジタル放送の視聴履歴からユーザの嗜好データを作成してVOD映像コンテンツの推薦に活用する方法が特許文献２で提案されている。

特開２００４−２２２２３９号公報 特開２００９−３３３７７号公報

特許文献１、２に記載されたような、従来のVODのパーソナルレコメンドでは、VODやデジタル放送といったテレビで利用可能な映像コンテンツの視聴履歴からユーザの嗜好データを作成し、VODコンテンツの推薦を実現している。しかし、これらの従来の手法では、抽出できるユーザの嗜好が、人の行動のごく一部分である放送視聴行動のみで決定されるため、下記のような問題がある。

（１）特に、VOD映像コンテンツやテレビの視聴回数が少ないユーザの場合、好んで視聴しているのかたまたま視聴したかの判断がつかず、この視聴履歴をそのまま採用すると精度の低いレコメンドをしてしまう。

（２）平日の夜は音楽を好んで鑑賞するが休日の昼はドキュメンタリーを好んで視聴する、以前はアニメを好んでいたが、ここ数日で海外ドラマにはまっているといったユーザには、週毎・曜日毎・日毎・時間毎といった特定の期間もしくは直近での視聴嗜好を反映させたレコメンドをするのが効果的であると考えられる。しかし、従来の方法では、そのような特定の期間や直近のVOD視聴行動から、レコメンドを算出するための基となる履歴を抽出すると、（１）と同じ理由で精度の高いレコメンドができない。

（３）また、従来の技術では、映像コンテンツの特性（ジャンルや内容によるコンテンツ数、再生時間の相違）の影響を受けたレコメンドになってしまうという問題もある。例えば、VODに限らずあらゆる分野でドキュメンタリーの商品を好むユーザには、VOD映像コンテンツもドキュメンタリーをレコメンドできることが望ましい。しかし、映像コンテンツ数でアニメがドキュメンタリーの１００倍のコンテンツ数であったとすると、どうしても視聴機会の多いものの視聴履歴が多くなることが考えられ、ドキュメンタリーが好きで視聴はしているものの、アニメをレコメンドされてしまうことが考えられる。

これらの課題に対して、事前にアンケートなどで興味のあるジャンルや視聴傾向等を収集しておいて、レコメンドに反映する方法もあるが、細やかに傾向をつかむために膨大な調査項目を用意しなければならない上に、日々移る興味を反映するためには、定期的な情報のメンテナンスが必要であり、ユーザにも負担をかけてしまうため、アンケートによる嗜好抽出は容易ではない。

本発明は上記の問題点に鑑みてなされたものであり、あるアイテム（例えば映像コンテンツ）のレコメンドを行う際に、当該アイテムと結び付いたログ（映像コンテンツの場合は視聴ログ）のみならず、日々発生する種々の行動ログを反映させたレコメンドを行う技術を提供するとともに、種々の行動ログを反映させたレコメンドを行うために使用する、適切な行動ログ種別とレコメンド手法とを自動的に決定するための技術を提供することを目的とする。

上記の課題を解決するために、本発明は、ユーザの複数種類の行動ログに基づいて、特定の種類のアイテムに関するレコメンドを行うレコメンド装置であって、ユーザ毎に、前記アイテムに関するレコメンドでの使用に適した行動ログ種別とレコメンド手法とからなるレコメンドパターンを格納したレコメンドパターン格納手段と、前記レコメンドパターン格納手段から、レコメンド対象のユーザに対応するレコメンドパターンを取得し、当該レコメンドパターンにおける行動ログ種別の行動ログを、前記複数種類の行動ログを格納したログ格納手段から抽出するログ抽出手段と、前記ログ抽出手段により抽出された行動ログに基づいて、前記レコメンドパターンにおけるレコメンド手法を用いて前記アイテムに関するレコメンド処理を行うレコメンド処理手段とを備えたことを特徴とするレコメンド装置として構成される。

前記レコメンド装置は、前記アイテムとの関連性が高い行動ログ種別を決定し、当該行動ログ種別に対応する前記ユーザの行動ログに基づいて、複数の候補レコメンド手法を用いてレコメンド処理を試行することによりレコメンドパターンを決定し、決定したレコメンドパターンを前記レコメンドパターン格納手段に格納するレコメンドパターン決定手段を更に備えてもよい。

また、前記レコメンドパターン決定手段は、前記アイテムとの関連性が高い行動ログ種別を決定するログ種別決定手段と、前記ログ格納手段から、前記ユーザのある基準点以降の前記アイテムに対応する行動ログからなる正解ログと、前記ログ種別決定手段により決定した行動ログ種別に対応する前記ユーザの行動ログであって、前記基準点より前の行動ログからなる学習用ログとを抽出する評価用ログ抽出手段と、前記評価用ログ抽出手段により抽出された前記学習用ログに基づき、候補レコメンド手法を用いて前記ユーザの行動予測を行い、行動予測結果を行動予測結果格納手段に格納する行動予測手段と、前記行動予測手段により得られた行動予測結果と、前記正解ログとを比較し、両者の一致度合いに基づいて、所定の基準で行動予測結果の評価を行う比較評価手段と、候補レコメンド手法を変更しながら、前記行動予測手段、及び前記比較評価手段による処理を繰り返す制御を行い、繰り返しの結果得られる複数の評価結果のうち最も良い評価結果に対応する候補レコメンド手法を、前記ユーザの前記アイテムに関するレコメンド手法として決定し、前記ログ種別決定手段により決定された行動ログ種別と当該レコメンド手法とをレコメンドパターンとして前記レコメンドパターン格納手段に格納するレコメンド手法決定制御手段とを備えることとしてもよい。
また、最初に示したレコメンド装置は、複数の候補レコメンドパターンを用いてレコメンド処理を試行することによりレコメンドパターンを決定し、決定したレコメンドパターンを前記レコメンドパターン格納手段に格納するレコメンドパターン決定手段を更に備えるようにしてもよい。

前記レコメンドパターン決定手段は、前記ログ格納手段から、前記ユーザのある基準点以降の前記アイテムに対応する行動ログからなる正解ログと、候補レコメンドパターンにおける行動ログ種別に対応する前記ユーザの行動ログであって、前記基準点より前の行動ログからなる学習用ログとを抽出する評価用ログ抽出手段と、前記評価用ログ抽出手段により抽出された前記学習用ログに基づき、前記候補レコメンドパターンにおけるレコメンド手法を用いて前記ユーザの行動予測を行い、行動予測結果を行動予測結果格納手段に格納する行動予測手段と、前記行動予測手段により得られた行動予測結果と、前記正解ログとを比較し、両者の一致度合いに基づいて、所定の基準で行動予測結果の評価を行う比較評価手段と、候補レコメンドパターンを変更しながら、前記評価用ログ抽出手段、前記行動予測手段、及び前記比較評価手段による処理を繰り返す制御を行い、繰り返しの結果得られる複数の評価結果のうち最も良い評価結果に対応する候補レコメンドパターンを、前記ユーザの前記アイテムに関するレコメンドパターンとして決定し、当該レコメンドパターンを前記レコメンドパターン格納手段に格納するレコメンドパターン決定制御手段とを備えることとしてもよい。

また、本発明は、レコメンド装置が実行するレコメンド方法として構成してもよい。更に本発明は、コンピュータを、レコメンド装置の各手段として機能させるためのプログラムとして構成してもよい。

本発明によれば、あるアイテムに関するレコメンドを行う際に、当該アイテムと結び付いたログのみならず、日々発生する種々の行動ログを反映させたレコメンドを行う技術を提供することが可能になる。また、種々の行動ログを反映させたレコメンドを行うために使用する、適切な行動ログ種別とレコメンド手法とを自動的に決定するための技術を提供することができる。

本発明の実施の形態に係るシステムの全体構成図である。 レコメンド装置１０の機能構成図である。 第１の実施の形態におけるレコメンドパターン決定機能部１０３の機能構成図である。 レコメンド機能部１０５の機能構成図である。 ログ格納部１０２に格納されるログの一例を示す図である。 第１の実施の形態におけるレコメンドパターン決定機能部１０３の動作を示すフローチャートである。 利用ログ種別格納部１１２に格納される情報の例を示す図である。 行動予測結果の評価を説明するための例を示す図である。 合致したコンテンツ集合と、正解ログのコンテンツ集合と、行動予測結果のコンテンツ集合との関係を示す図である。 レコメンドパターン格納部１０４に格納される情報の例を示す図である。 レコメンド機能部１０５が実行するレコメンド処理を示すフローチャートである。 レコメンド結果格納部１３３に格納される情報の例を示す図である。 第２の実施の形態におけるレコメンドパターン決定機能部１０３の機能構成図である。 第２の実施の形態におけるレコメンドパターン決定機能部１０３の動作を示すフローチャートである。 レコメンドパターン候補格納部１５１に格納される情報の例を示す図である。

以下、図面を参照して本発明の実施の形態を説明する。

＜第１の実施の形態＞
（システム構成）
図１に、本発明の実施の形態に係るシステムの全体構成図を示す。図１に示すように、本発明の実施の形態に係るシステムは、本発明に係るレコメンド装置１０、ログ収集格納システム２０、映像受信装置３０、及び、種々の行動ログ出力装置４０が、通信ネットワーク５０を介して接続されて構成されている。

本実施の形態に係る映像受信装置３０は、映像コンテンツを受信して表示するとともに、視聴ログを通信ネットワーク５０を介してログ収集格納システム２０に送信する機能を備えた装置である。映像受信装置３０としては、ＳＴＢとＴＶ受像機とからなる装置でもよいし、インターネット経由で配信される映像コンテンツを受信可能なＰＣでもよい。なお、図１には、映像受信装置３０が１つだけ示されているが、実際には多数の映像受信装置が通信ネットワーク５０に接続されている。映像受信装置３０は、行動ログ出力装置４０の一種であり、行動ログの一種である視聴ログとして、例えば、時刻、ユーザID、視聴している映像コンテンツIDを含むログを出力する。

また、本実施の形態では、映像受信装置３０が映像コンテンツのレコメンドを受信して表示することを想定しているが、レコメンドを受信して表示する装置は、映像受信装置３０以外の装置（例えばPC）でもよい。また、本実施の形態において、映像コンテンツは、VODコンテンツ、放送される番組のコンテンツ等を想定しているが、これらに限られるわけではない。

各行動ログ出力装置４０は、行動ログを生成して出力し、ログ収集格納システム２０に送信する装置である。行動ログ出力装置４０は、例えば、PC、GPS装置（携帯電話機内に備えられたもの等）、携帯電話機、カード読み取り機（クレジットカード等を読み取る装置）、POS端末、家電、ゲーム端末、ヘルスメータ等である。例えば、GPS装置の場合、行動ログとして、時刻（ログを取得した時刻）、ユーザID、及び位置情報（経度、緯度）を含む行動ログを出力する。また、例えば、POS端末であれば、行動ログとして、時刻、ユーザID、購入商品名を含む行動ログを出力する。また、ネット上で商品を購入したユーザのPCからは、時刻、ユーザID、購入商品名を含む行動ログが出力される。また、情報検索を行った携帯電話機からは、時刻、ユーザID、検索キーワードを含む行動ログが出力される。

ログ収集格納システム２０は、映像受信装置３０や行動ログ出力装置４０から出力されるログを、通信ネットワーク５０を介して収集し、ユーザを識別するユーザIDを付して記憶手段に格納するシステムである。このシステムは、各行動ログ出力装置に対応した処理サーバ等を含むものである。このような処理サーバとしては、ECサイトサーバ、POS端末のセンタサーバ等がある。

なお、一般に、行動ログ出力装置４０から出力されるユーザIDは、行動ログ出力装置毎に異なるので、例えば、ユーザは、行動ログ出力装置毎（つまり、ログ種別毎）のユーザIDをログ収集格納システム２０に予め登録しておき、ログ収集格納システム２０は、ユーザ毎に、行動ログ出力装置毎のユーザIDと、本実施の形態に係るサービスでの１つのユーザIDとを対応付けて保持しておき、各ユーザに関して、各行動ログを、当該１つのユーザIDに対応付けて格納する。これにより、ユーザ毎に、１つのユーザIDと各種行動ログが対応付けられる。以下、"ユーザID"は、この１つのユーザIDのことである。また、"ユーザ"は、当該ユーザIDにより一意に識別される主体を意味する。

通信ネットワーク５０は、視聴ログを含む行動ログを伝送するネットワーク（例えばインターネット）である。

レコメンド装置１０は、ユーザ毎及び映像コンテンツ種別毎に、レコメンドで利用する利用ログ種別とレコメンド手法（これらをまとめてレコメンドパターンと呼ぶ）を決定するとともに、決定したレコメンドパターンを用いて、映像コンテンツのレコメンドを行う装置である。

図２に、レコメンド装置１０の機能構成図を示す。図２に示すように、本実施の形態に係るレコメンド装置１０は、ログ取得部１０１、ログ格納部１０２、レコメンドパターン決定機能部１０３、レコメンドパターン格納部１０４、レコメンド機能部１０５を備える。

ログ取得部１０１は、ログ収集格納システム２０からログを取得し、ログ格納部１０２に格納する機能部である。レコメンドパターン決定機能部１０５は、ログ格納部１０２に格納されたログを用いて、ユーザ毎及び映像コンテンツ種別毎に、レコメンドに使用するレコメンドパターンを決定し、それらをレコメンドパターン格納部１０４に格納する機能部である。

レコメンド機能部１０５は、ユーザ毎及び映像コンテンツ種別毎に、レコメンドパターン格納部１０４に格納されたレコメンドパターンに従って、ログ格納部１０２に格納されたログを用いてレコメンドを行う機能部である。

図３に、第１の実施の形態におけるレコメンドパターン決定機能部１０３の機能構成図を示す。図３に示すように、レコメンドパターン決定機能部１０３は、利用ログ種別決定部１１１、利用ログ種別格納部１１２、評価用ログ抽出部１１３、学習用ログ格納部１１４、正解ログ格納部１１５、行動予測部１１６、行動予測結果格納部１１７、比較評価部１１８、評価結果格納部１１９、利用レコメンド手法決定制御部１２０、利用レコメンド手法指示部１２１を備える。行動予測部１１６は、レコメンド手法１〜Nに対応したレコメンド計算を行うレコメンド機能１〜Nを備える。

図４に、レコメンド機能部１０５の機能構成図を示す。図４に示すように、レコメンド機能部１０５は、ログ抽出部１３１、レコメンド生成部１３２、レコメンド結果格納部１３３、レコメンド送信部１３４を備える。レコメンド生成部１３２は、レコメンド手法１〜Nに対応したレコメンド計算を行うレコメンド機能１〜Nを備える。

上記各機能部の処理内容については、後述するレコメンド装置１０の動作説明の中で順次説明される。

なお、本実施の形態では、行動予測部１１６における各行動予測機能として、各種レコメンド手法に対応したレコメンドエンジン（レコメンド機能）を用いるが、行動予測部１１６を実現するために採用するものはレコメンドエンジンに限られるわけではない。また、各レコメンド手法に対応した処理を行うにあたって必要なデータは、予め準備され、行動予測部１１６の記憶手段に保持されているものとする。これらのデータとしては、例えば、映像コンテンツに対するルールベースのレコメンドを行うためのルールデータ、ユーザベクトルを用いたレコメンドを行う際に比較の対象となる映像コンテンツ毎のベクトルを構成するデータなどがある。また、協調フィルタリングによって生成されるフィルタ（以下、協調フィルタと呼ぶ）を用いたレコメンド機能等、多くのユーザのログを用いることが望ましいレコメンドに関しては、多くのユーザのログを用いて予め必要なデータを作成しておいてもよいし、本実施の形態におけるレコメンドパターン決定のタイミングで、ログ格納部１０２に格納されたログから必要なデータを生成してもよい。これらのデータは、レコメンド機能部１３２におけるレコメンド生成部１３２においても使用される。レコメンド生成部１３２において作成したデータ（協調フィルタ等）を行動予測部１１６で使用することとしてもよい。

なお、上記の各レコメンド手法は、行動予測部１１６及びレコメンド生成部１３２で使用する手法の一例であり、レコメンド手法は上記のものに限られるわけではない。

レコメンド装置１０は、ＣＰＵ、メモリ、ハードディスク、通信インターフェース等を備えた一般的なコンピュータに、各機能部の処理を記述したプログラムを実行させることにより実現可能である。当該プログラムは、可搬メモリ等の記録媒体に記録して配布することが可能である。また、当該プログラムをネットワーク上のサーバからダウンロードしてインストールすることも可能である。

また、レコメンド装置１０は、１つのコンピュータで実現してもよいし、複数のコンピュータをネットワークを介して接続することにより実現してもよい。例えば、レコメンドパラメータ決定機能部１０３を、１つのコンピュータとプログラムからなる装置（この場合、これをレコメンドパラメータ決定装置と呼ぶことができる）で実現し、レコメンド機能部１０５を、別のコンピュータ及びプログラムで実現してもよい。この場合、ログ取得部１０１、ログ格納部１０２、レコメンドパターン格納部１０４は、例えば、ネットワークで接続されたデータベースサーバとして構成することとしてもよいし、上記レコメンドパラメータ決定機能部１０３（レコメンドパラメータ決定装置）又はレコメンド機能部１０５内に備えてもよい。

（レコメンド装置１０の動作）
次に、レコメンド装置１０の動作を説明する。

まず、ログ取得部１０１が、ログ収集格納システム２０からログを取得し、ログ格納部１０２に格納する。ここで取得するログは、例えば、最近の数時間、もしくは最近の数日といった時間分のログである。ログ格納部１０２に格納されるログの一例を図５に示す。図５に示す例は、ユーザAのログのみを抽出して示した例である。

図５に示す例において、ログ格納部１０２に格納されるログは、ユーザID、時刻、行動内容情報、ログ種別からなる情報である。

ここでの"時刻"は、該当ログが取得された時刻（≒行動を行った時刻）であり、行動内容情報は、行動内容を示す情報である。この行動内容情報は、行動ログ出力装置４０から出力されたログに基づき、ログ収集格納システム２０もしくはログ取得部１０１が生成する情報である。例えば、ログがGPS装置から出力された位置情報である場合において、ログ収集格納システム２０もしくはログ取得部１０１が、位置情報に対応する場所名（店舗名等）を地図情報から取得して図５に示すような行動内容情報（来店店舗名A）とする。なお、映像コンテンツID等のように、特に変換処理を施すことなく生のログから抽出できる情報もある。

ログ種別は、例えば、ログを出力する行動ログ出力装置４０の種別（GPS装置、POS端末等の別）や、行動ログ出力装置４０から出力されるログに含まれる情報（例えば、商品を購入したECサイトの情報）に基づき、ログ収集格納システム２０により付される情報である。このログ種別により、ログの種別を識別できる。

次に、レコメンドパターン決定機能部１０３の動作を、図６に示すフローチャートに示す手順に沿って説明する。説明において、図７〜図１２を適宜参照する。以降の処理は、ユーザ毎に行われ、各ユーザに関して映像コンテンツ種別毎に最適なレコメンドパターンが決定されるが、以下の説明においては、１のユーザ（ここではユーザAとする）に関する処理について説明する。

ステップ１：利用ログ種別決定処理）ここでは、利用ログ種別決定部１１１が、映像コンテンツ種別毎に、どの種別のログ（単一ログ種別又は複数のログ種別の組み合わせ）が、該当種別の映像コンテンツと関連性が高いかを決定する。ここで、映像コンテンツ種別とは、いわゆる映像コンテンツ属性もしくはジャンルと呼ばれるもので、本実施の形態では、例えば、アニメ、ドラマ、スポーツ、ドキュメンタリー等に分類されるものであり、予め定められて記憶手段に保持される。この映像コンテンツ種別は、ログに記録された映像コンテンツIDから識別可能であるものとする。

ステップ１において、例えば、利用ログ種別決定部１１１は、ある映像コンテンツ種別に関して、ユーザAのログの中から、映像コンテンツの各視聴ログ毎に、視聴ログの取得時刻から所定時間だけ前までの行動ログを抽出し、映像コンテンツ視聴の前で、出現頻度の高い行動ログの組み合わせを出力し、これを該当映像コンテンツ種別に関しての利用ログ種別とすることができる。このように情報の出現度合いに基づき、情報間の関連性の強さを推定する技術としては、種々の既存技術（例えば、想起確率等）を用いることができる。なお、関連性が高い（強い）とは、例えば、関連性がある指標値で与えられる場合において、当該指標値が所定の閾値以上であることに対応する。

ステップ１での処理により、利用ログ種別格納部１１２に格納される情報の例を図７に示す。

ステップ２：評価用ログ抽出処理）以降、ステップ２からステップ８までの処理が映像コンテンツ種別毎に行われる。以下の説明は、１の映像コンテンツ種別（処理対象映像コンテンツ種別）に関するものである。

評価用ログ抽出部１１３は、利用ログ種別格納部１１２から、処理対象映像コンテンツ種別に対応する利用ログ種別を取得し、当該利用ログ種別を用いて、ユーザAに関しての評価のために使用するログとして、ログ格納部１０２に格納されたログから、ユーザAに関しての学習用ログと正解ログを取得し、それぞれ学習用ログ格納部１１４、正解ログ格納部１１５に格納する。また、評価用ログ抽出部１１３は、上記の処理対象映像コンテンツ種別及び利用ログ種別を利用レコメンド手法決定制御部１２０に渡し、利用レコメンド手法決定制御部１２０は、当該処理対象映像コンテンツ種別及び利用ログ種別を保持する。

学習用ログは、ログ格納部１０２に格納されたログのうち、ユーザAに関する、上記利用ログ種別に対応するログであって、予め定めた基準点（基準時刻）よりも前のログである。正解ログは、ユーザAに関する、処理対象映像コンテンツ種別に対応するログであって、上記基準点以降のログである。

例えば、ログ格納部１０２に格納されたユーザAのログに、１月１日から３月３１日までのログが含まれる場合において、基準点を３月１日とすると、学習用ログとして、ユーザAに関する、上記利用ログ種別に対応するログであって、１月１日から２月末日までのログを抽出し、正解ログとして、ユーザAに関する、処理対象映像コンテンツ種別に対応するログであって、３月１日から３月３１日までのログを抽出する。

ステップ３：行動予測処理）次に、行動予測部１１６は、利用レコメンド手法決定制御部１２０からの制御に基づき、利用レコメンド手法候補指示部１２１から、利用レコメンド手法の指示を受け、当該指示に対応したレコメンド機能（例えば、ルールベースに対応するレコメンド機能）を用いて、基準点より前のデータである学習用ログに基づいて、行動予測を行う。つまり、例えば、利用レコメンド手法が協調フィルタリングであれば、学習用ログが、予め作成されている協調フィルタの入力となり、行動予測を行う。なお、利用レコメンド手法決定制御部１２０は、上記利用レコメンド手法を評価結果格納部１１９に格納しておく。

ここでの処理により、行動予測結果として、１つ又は複数の映像コンテンツIDが出力され、行動予測結果格納部１１７に格納される。行動予測結果は、学習用ログに基づきレコメンドを行った場合のレコメンド結果に相当する。

ステップ４：比較評価処理）続いて、比較評価部１１８が、行動予測結果と、正解ログ格納部１１５に格納されている正解ログとを比較し、合致するアイテム（本実施形態では、映像コンテンツ（つまり、映像コンテンツＩＤ）である）の個数を算出する。

そして、比較評価部１１８は、合致したアイテム数と行動予測結果のアイテム数との比を適合率として算出し、合致したアイテム数と正解ログに含まれるアイテム数との比を再現率として算出する。

例えば、正解ログにおけるアイテムと、行動予測結果におけるアイテムが図８に示すとおりであったとする。この場合、合致したアイテム数が４であり、行動予測結果のアイテム数が６であるから、適合率は４／６≒６６．６％である。また、正解ログのアイテム数が８であるから、再現率は４／８＝５０％である。なお、再現率は網羅性を表す指標であり、この値が高い場合は、視聴者が視聴したいものを網羅的にレコメンドしていることになる。また、適合率は正確性を表す指標であり、この値が高い場合、レコメンド結果（行動予測結果）に外れが少ないことを示す。図９に、合致したコンテンツ集合と、正解ログのコンテンツ集合と、行動予測結果のコンテンツ集合との関係を示す。

更に比較評価部１１８は、下記の式により再現率と適合率の調和平均であるＦ値を求め、それを、ステップ３で格納した利用レコメンド手法に対応付けて評価結果格納部１１９に格納する。

Ｆ値＝２／（１／再現率＋１／適合率）
図８に示す例では、Ｆ値＝２／（８／４＋６／４）＝２／３．５≒５７．１％となる。この値が高い場合、行動予測（レコメンド）が総合的に高精度（網羅的で外れが少ない）であることを示す。すなわち、本実施の形態では、最も良い評価結果は、最も高いF値に相当する。通常、再現率と適合率は、一方が高くなると他方が低くなる傾向がある。

なお、上記の評価方法は一例に過ぎない。行動予測の正確さを計測できる評価方法であれば、上記の方法以外の方法を用いてもよい。

ステップ５：利用レコメンド手法決定処理終了判定）続いて、利用レコメンド手法決定制御部１２０が、現在の利用ログ種別に関する利用レコメンド手法決定のための繰り返し処理を終了するか否かを判定する。この判定においては、行動予測部１１６が実行可能な全てのレコメンド手法を試したかどうかが終了条件となる。

ステップ６：継続処理）ステップ５で終了でないと判定した場合にステップ６に進み、利用レコメンド手法決定制御部１２０は、異なるレコメンド手法を用いてステップ３からの処理を行うよう各機能部に対する制御を行う。この場合、異なるレコメンド手法を用いてステップ３からの処理が行われる。
ステップ７：利用レコメンド手法決定処理）ステップ５で終了であると判定した場合にはステップ７に進む。ステップ７において、利用レコメンド手法決定制御部１２０は、評価結果格納部１１９に格納された複数のF値のうちの最大のF値を求めるために使用したレコメンド手法を、処理対象映像コンテンツ種別に対応する利用レコメンド手法とし、処理対象映像コンテンツ種別及び利用ログ種別（ステップ２で保持した処理対象映像コンテンツ種別及び利用ログ種別）とともにレコメンドパターン格納部１０４に格納する。図１０に、レコメンドパターン格納部１０４に格納される情報の例を示す。

ステップ８：処理対象映像コンテンツ種別終了判定処理）ステップ７に続き、利用レコメンド手法決定制御部１２０は、予め定められた全ての映像コンテンツ種別に関しての利用レコメンド手法の決定処理が終了したがどうかを判定し、終了した場合は、ユーザAに関するレコメンドパターン決定処理を終了し、終了していない場合、ステップ２に戻って、次の映像コンテンツ種別に関してステップ２からの処理を繰り返す。

上記のようにして各映像コンテンツ種別についてのレコメンドパターンが決定される。次に、決定されたレコメンドパターンを用いてレコメンド機能部１０５が実行するレコメンド処理（ユーザAに関するレコメンド処理）について、図１１のフローチャートの手順に沿って説明する。

ステップ１１：レコメンドパターン取得処理）例えば、レコメンド装置１０が、ユーザAの映像受信装置３０からレコメンド要求（ユーザAのユーザIDを含む）を受けたことを契機として、レコメンド機能部１０５は、ユーザAのレコメンドパターンをレコメンドパターン格納部１０４から取得する。以降の処理は、レコメンドパターン情報（図１０）における映像コンテンツ種別毎に行われる。

ステップ１２：ログ抽出処理）ログ抽出部１３１は、ユーザAのログであって、処理対象映像コンテンツ種別に対応するレコメンドパターンの利用ログ種別のログをログ格納部１０２から抽出し、レコメンド生成部１３２に渡す。

ステップ１３：レコメンド生成処理）レコメンド生成部１３２は、ログ抽出部１３１から受け取ったログに基づき、処理対象映像コンテンツ種別に対応するレコメンドパターンのレコメンド手法を用いてレコメンド処理を行い、処理結果（レコメンドする映像コンテンツID）を、処理対象映像コンテンツ種別とともにレコメンド結果格納部１３３に格納する。なお、ここで、処理対象映像コンテンツ種別以外の種別の映像コンテンツがレコメンド結果として得られた場合、これを削除する。もしくは、これを該当種別の映像コンテンツ種別とともにレコメンド結果としてレコメンド結果格納部１３３に格納することとしてもよい。レコメンド結果格納部１３３に格納される情報の例を図１２に示す。

ステップ１４：終了判定）次に、レコメンド機能部１０５は、全ての映像コンテンツ種別に関してのレコメンド処理が終了したか否かを判定し、終了していればステップ１５に進む。終了していない場合は、ステップ１２に戻り、次の映像コンテンツ種別に関してステップ１２からの処理を繰り返す。

ステップ１５：レコメンド送信処理）レコメンド送信部１３４は、レコメンド結果格納部１３３に格納された映像コンテンツ種別毎のレコメンド結果を読み出し、レコメンド結果を、これに対応する映像コンテンツ種別とともに、ユーザAの映像受信装置３０に送信する。

＜第２の実施の形態＞
次に、第２の実施の形態について説明する。第２の実施の形態は、第１の実施の形態に比べて、レコメンドパターン決定機能部１０３における機能構成及び処理内容が異なり、それ以外は、第１の実施の形態と同じである。

図１３に、第２の実施の形態におけるレコメンドパターン決定機能部１０３の機能構成図を示す。図１３に示すように、第２の実施の形態に係るレコメンドパターン決定機能部１０３は、レコメンドパターン候補格納部１５１、レコメンドパターン候補指示部１５２、評価用ログ抽出部１５３、学習用ログ格納部１５４、正解ログ格納部１５５、行動予測部１５６、行動予測結果格納部１５７、比較評価部１５８、評価結果格納部１５９、利用レコメンドパターン決定制御部１６０を備える。行動予測部１５６は、レコメンド手法１〜Nに対応したレコメンド機能１〜Nを有する。

以下、本実施の形態におけるレコメンドパターン決定機能部１０３の動作を、図１４のフローチャートに沿って説明する。以下の処理は、ユーザ毎に行われ、各ユーザに関して映像コンテンツ種別毎に最適なレコメンドパターンが決定されるが、以下の説明においては、１のユーザ（ここではユーザA）に関する処理について説明する。

ステップ２１：レコメンドパターン候補指示処理）まず、レコメンドパターン候補指示部１５２が、処理対象映像コンテンツ種別における１つのレコメンドパターン候補をレコメンドパターン候補格納部１５１から取得し、当該レコメンドパターン候補における利用ログ種別（これを対象利用ログ候補と呼ぶ）を評価ログ抽出部１５３に渡し、レコメンドパターン候補におけるレコメンド手法（これを対象レコメンド手法と呼ぶ）を行動予測部１５６に渡す。また、レコメンドパターン候補指示部１５２は、上記のレコメンドパターン候補を利用レコメンドパターン決定制御部１６０に渡し、利用レコメンドパターン決定制御部１６０は、当該レコメンドパターン候補を評価結果格納部１５９に格納する。

図１５に、レコメンドパターン候補格納部１５１に格納される情報の例を示す。図１５において、各レコメンドパターン候補としてのレコメンドパターンは、利用ログ種別（１つのログ種別又は複数ログ種別の組み合わせ）と、レコメンド手法（を識別するID）とからなる。レコメンドパターン候補は、映像コンテンツ種別毎にある程度絞って予め定めてもよいし、映像コンテンツ種別と関係なく、あり得る利用ログ種別とレコメンド手法との組み合わせの全てのパターンとしてもよい。いずれにせよレコメンドパターン候補は、予め定めたものである。

ステップ２２：評価用ログ抽出処理）評価用ログ抽出部１５３は、対象利用ログ種別を用いて、ユーザAに関しての評価のために使用するログとして、ログ格納部１０２に格納されたログから、ユーザAに関しての学習用ログと正解ログを取得し、それぞれ学習用ログ格納部１５４、正解ログ格納部１５５に格納する。

第１の実施の形態と同様に、学習用ログは、ログ格納部１０２に格納されたログのうち、ユーザAに関する、上記対象利用ログ種別に対応するログであって、予め定めた基準点（基準時刻）よりも前のログである。正解ログは、ユーザAに関する、処理対象映像コンテンツ種別に対応するログであって、上記基準点以降のログである。

ステップ２３：行動予測処理）次に、行動予測部１５６は、対象レコメンド手法に対応したレコメンド機能を用いて、基準点より前のデータである学習用ログを用いて、行動予測を行う。

ここでの処理により、行動予測結果として、１つ又は複数の映像コンテンツIDが出力され、行動予測結果格納部１５７に格納される。

ステップ２４：比較評価処理）続いて、比較評価部１５８が、行動予測結果と、正解ログ格納部１５５に格納されている正解ログとを比較し、合致するアイテム（本実施形態では、映像コンテンツ（つまり、映像コンテンツＩＤ）である）の個数を算出する。

そして、比較評価部１５８は、第１の実施の形態と同様にして、合致したアイテム数と行動予測結果のアイテム数との比を適合率として算出し、合致したアイテム数と正解ログに含まれるアイテム数との比を再現率として算出するとともに、F値を算出し、それを評価結果格納部１５９に、ステップ２１で格納した処理対象のレコメンドパターン候補に対応付けて格納する。

ステップ２５：終了判定）続いて、利用レコメンドパターン決定制御部１６０が、処理対象映像コンテンツ種別に関する利用レコメンドパターン決定のための繰り返し処理を終了するか否かを判定する。この判定においては、処理対象映像コンテンツ種別に対応する全てのレコメンドパターン候補を試したかどうかが終了条件となる。

ステップ２６：継続処理）ステップ２５で終了でないと判定した場合にステップ２６に進み、利用レコメンドパターン決定制御部１６０は、処理対象映像コンテンツ種別における異なるレコメンドパターン候補を用いてステップ２１からの処理を行うよう各機能部に対する制御を行う。この場合、異なるレコメンドパターン候補を用いてステップ２１からの処理が行われる。
ステップ２７：利用レコメンドパターン決定処理）ステップ２５で終了であると判定した場合にはステップ２７に進む。ステップ２７において、利用レコメンドパターン決定制御部１６０は、評価結果格納部１５９に格納された複数のF値のうちの最大のF値を求めるために使用したレコメンドパターン候補を、処理対象映像コンテンツ種別に対応する利用レコメンドパターンとして決定し、レコメンドパターン格納部１１５に格納する。

ステップ２８：処理対象映像コンテンツ種別終了判定処理）ステップ２７に続き、利用レコメンドパターン決定制御部１６０は、全ての映像コンテンツ種別に関しての利用レコメンドパターンの決定処理が終了したがどうかを判定し、終了した場合は、ユーザAに関するレコメンドパターン決定処理を終了し、終了していない場合、ステップ２１に戻って、次の映像コンテンツ種別に関してステップ２１からの処理を繰り返す。

上記のようにして決定されたレコメンドパターンを使用したレコメンド処理は、第１の実施の形態におけるレコメンド処理と同じである。

（実施の形態の効果）
上述した各実施の形態におけるレコメンド技術によれば、日々発生する種々の行動ログを用いて映像コンテンツのレコメンドを行うので、映像コンテンツの視聴機会の少ないユーザに対しても適切な映像コンテンツのレコメンドが可能になる。また、従来のように視聴ログのみに頼ったレコメンド技術に比べて、リアルタイムのユーザの状況に沿った映像コンテンツのレコメンドが可能になる。

また、映像コンテンツの特性（ジャンルや内容によるコンテンツ数・再生時間の相違・視聴までの敷居）に影響されず、ユーザの生活全体にわたる嗜好に近い映像レコメンドを行うことができる。更に、レコメンド運用者やユーザに負担のかかるアンケートのような嗜好調査を行うことなく日々の生活から自動的に嗜好抽出やその情報のメンテナンスを実現することができる。本実施の形態の効果の例をより具体的に説明すると以下のとおりである。

従来技術であれば、例えば、動物特集のコンテンツを視聴した人に対して、「動物ジャンル」とカテゴリ付けされていたり、「イヌ、ネコ、ゾウ、キリン」といったタグが番組情報として付いていたりする映像コンテンツ（例えば、「ネコカフェの紹介」、「イヌの育て方」、「アフリカ動物のドキュメンタリ」等）が視聴候補としてレコメンドされる。しかし、実際に動物番組を視聴した人は、動物全般ではなく、中でもイヌに興味があってその番組を見たということも考えられる。このような人に対しては、「イヌの育て方」という映像コンテンツをレコメンドすることが有用であるが、従来の技術では、「イヌ」にのみ特化した番組の視聴履歴や、「イヌ」というタグが付いている複数の番組の視聴履歴がない場合、その人が動物の中でも「イヌ」に興味があることを特定し、そのような嗜好に沿った映像コンテンツをレコメンドすることは困難である。

一方、本実施の形態で説明した技術では、視聴ログのみならず、種々の行動ログを用いることができるので、「イヌ」に興味があることを示す行動ログ（ペットショップ来店、ドッグフード購入等）を取得できる可能性が高まり、結果として、「イヌ」に関する映像コンテンツをレコメンドできる可能性を高めることができる。

本発明は、上記の実施の形態に限定されることなく、特許請求の範囲内において、種々変更・応用が可能である。

例えば、上記の各実施の形態で説明した例では、レコメンドの対象を映像コンテンツとしたが、レコメンドの対象は映像コンテンツに限られるわけではなく、上記の各実施の形態で説明した例において、映像コンテンツを他の種類のアイテム（例えば、ECサイト上で販売されている商品）に置き換えることにより、当該種類のアイテムに関するレコメンドを行うことが可能である。もちろん、この置き換えの際には、当該アイテムに適したレコメンド処理用のデータ（レコメンドルール、各アイテム（商品）の属性に関するベクトル、協調フィルタ等）を準備しておく必要がある。

また、各種行動ログの使用方法も上記の各実施の形態で説明した例に限られない。例えば、ユーザが、レコメンドされた映像コンテンツを映像受信装置３０で視聴する際に、その前後もしくは途中に、当該ユーザの行動ログ（購入商品名等）に対応したCMを映像受信装置３０に送信するといった行動ログの使用方法がある。

１０ レコメンド装置
２０ ログ収集格納システム
３０ 映像受信装置
４０ 行動ログ出力装置
５０ 通信ネットワーク
１０１ ログ取得部
１０２ ログ格納部
１０３ レコメンドパターン決定機能部
１０４ レコメンドパターン格納部
１０５ レコメンド機能部
１１１ 利用ログ種別決定部
１１２ 利用ログ種別格納部
１１３ 評価用ログ抽出部
１１４ 学習用ログ格納部
１１５ 正解ログ格納部
１１６ 行動予測部
１１７ 行動予測結果格納部
１１８ 比較評価部
１１９ 評価結果格納部
１２０ 利用レコメンド手法決定制御部
１２１ 利用レコメンド手法指示部
１３１ ログ抽出部
１３２ レコメンド生成部
１３３ レコメンド結果格納部
１３４ レコメンド送信部
１５１ レコメンドパターン候補格納部
１５２ レコメンドパターン候補指示部
１５３ 評価用ログ抽出部
１５４ 学習用ログ格納部
１５５ 正解ログ格納部
１５６ 行動予測部
１５７ 行動予測結果格納部
１５８ 比較評価部
１５９ 評価結果格納部
１６０ 利用レコメンドパターン決定制御部

Claims (8)

1. ユーザの複数種類の行動ログに基づいて、特定の種類のアイテムに関するレコメンドを行うレコメンド装置であって、
   ユーザ毎に、前記アイテムに関するレコメンドでの使用に適した行動ログ種別とレコメンド手法とからなるレコメンドパターンを格納したレコメンドパターン格納手段と、
   前記レコメンドパターン格納手段から、レコメンド対象のユーザに対応するレコメンドパターンを取得し、当該レコメンドパターンにおける行動ログ種別の行動ログを、前記複数種類の行動ログを格納したログ格納手段から抽出するログ抽出手段と、
   前記ログ抽出手段により抽出された行動ログに基づいて、前記レコメンドパターンにおけるレコメンド手法を用いて前記アイテムに関するレコメンド処理を行うレコメンド処理手段と
   を備えたことを特徴とするレコメンド装置。
2. 前記アイテムとの関連性が高い行動ログ種別を決定し、当該行動ログ種別に対応する前記ユーザの行動ログに基づいて、複数の候補レコメンド手法を用いてレコメンド処理を試行することによりレコメンドパターンを決定し、決定したレコメンドパターンを前記レコメンドパターン格納手段に格納するレコメンドパターン決定手段を更に備えることを特徴とする請求項１に記載のレコメンド装置。
3. 前記レコメンドパターン決定手段は、
   前記アイテムとの関連性が高い行動ログ種別を決定するログ種別決定手段と、
   前記ログ格納手段から、前記ユーザのある基準点以降の前記アイテムに対応する行動ログからなる正解ログと、前記ログ種別決定手段により決定した行動ログ種別に対応する前記ユーザの行動ログであって、前記基準点より前の行動ログからなる学習用ログとを抽出する評価用ログ抽出手段と、
   前記評価用ログ抽出手段により抽出された前記学習用ログに基づき、候補レコメンド手法を用いて前記ユーザの行動予測を行い、行動予測結果を行動予測結果格納手段に格納する行動予測手段と、
   前記行動予測手段により得られた行動予測結果と、前記正解ログとを比較し、両者の一致度合いに基づいて、所定の基準で行動予測結果の評価を行う比較評価手段と、
   候補レコメンド手法を変更しながら、前記行動予測手段、及び前記比較評価手段による処理を繰り返す制御を行い、繰り返しの結果得られる複数の評価結果のうち最も良い評価結果に対応する候補レコメンド手法を、前記ユーザの前記アイテムに関するレコメンド手法として決定し、前記ログ種別決定手段により決定された行動ログ種別と当該レコメンド手法とをレコメンドパターンとして前記レコメンドパターン格納手段に格納するレコメンド手法決定制御手段と
   を備えることを特徴とする請求項２に記載のレコメンド装置。
4. 複数の候補レコメンドパターンを用いてレコメンド処理を試行することによりレコメンドパターンを決定し、決定したレコメンドパターンを前記レコメンドパターン格納手段に格納するレコメンドパターン決定手段を更に備えることを特徴とする請求項１に記載のレコメンド装置。
5. 前記レコメンドパターン決定手段は、
   前記ログ格納手段から、前記ユーザのある基準点以降の前記アイテムに対応する行動ログからなる正解ログと、候補レコメンドパターンにおける行動ログ種別に対応する前記ユーザの行動ログであって、前記基準点より前の行動ログからなる学習用ログとを抽出する評価用ログ抽出手段と、
   前記評価用ログ抽出手段により抽出された前記学習用ログに基づき、前記候補レコメンドパターンにおけるレコメンド手法を用いて前記ユーザの行動予測を行い、行動予測結果を行動予測結果格納手段に格納する行動予測手段と、
   前記行動予測手段により得られた行動予測結果と、前記正解ログとを比較し、両者の一致度合いに基づいて、所定の基準で行動予測結果の評価を行う比較評価手段と、
   候補レコメンドパターンを変更しながら、前記評価用ログ抽出手段、前記行動予測手段、及び前記比較評価手段による処理を繰り返す制御を行い、繰り返しの結果得られる複数の評価結果のうち最も良い評価結果に対応する候補レコメンドパターンを、前記ユーザの前記アイテムに関するレコメンドパターンとして決定し、当該レコメンドパターンを前記レコメンドパターン格納手段に格納するレコメンドパターン決定制御手段と
   を備えることを特徴とする請求項４に記載のレコメンド装置。
6. 前記特定の種類のアイテムは映像コンテンツであることを特徴とする請求項１ないし５のうちいずれか1項に記載のレコメンド装置。
7. ユーザの複数種類の行動ログに基づいて、特定の種類のアイテムに関するレコメンドを行うレコメンド装置が実行するレコメンド方法であって、
   前記レコメンド装置は、ユーザ毎に、前記アイテムに関するレコメンドでの使用に適した行動ログ種別とレコメンド手法とからなるレコメンドパターンを格納したレコメンドパターン格納手段を備えており、
   前記レコメンドパターン格納手段から、レコメンド対象のユーザに対応するレコメンドパターンを取得し、当該レコメンドパターンにおける行動ログ種別の行動ログを、前記複数種類の行動ログを格納したログ格納手段から抽出するログ抽出ステップと、
   前記ログ抽出ステップにより抽出された行動ログに基づいて、前記レコメンドパターンにおけるレコメンド手法を用いて前記アイテムに関するレコメンド処理を行うレコメンド処理ステップと
   を備えたことを特徴とするレコメンド方法。
8. コンピュータを、請求項１ないし６のうちいずれか１項に記載のレコメンド装置の各手段として機能させるためのプログラム。

Images