(19)【発行国】日本国特許庁(JP)
(12)【公報種別】公開特許公報(A)
(11)【公開番号】P2023177648
(43)【公開日】2023-12-14
(54)【発明の名称】興味推定装置、推薦装置及びプログラム
(51)【国際特許分類】
G06F 16/335 20190101AFI20231207BHJP
【ＦＩ】
G06F16/335
【審査請求】未請求
【請求項の数】9
【出願形態】ＯＬ
(21)【出願番号】P 2022090428
(22)【出願日】2022-06-02
【新規性喪失の例外の表示】特許法第３０条第２項適用申請有り （１）発行日（公開日） 令和４年（西暦２０２２年）３月１６日 刊行物 ２０２１年度 映像情報メディア学会研究会 ヒューマンインフォメーション研究会（ＨＩ） 講演論文 映情学技報，Ｖｏｌ．４６， ｎｏ．１３，ＨＩ２０２２－１７，ｐｐ．３３－３５ 一般社団法人 映像情報メディア学会 発行（ 令和４年３月３日 Ｗｅｂ公開（抄録）ＵＲＬ：ｈｔｔｐｓ：／／ｗｗｗ．ｉｔｅ．ｏｒ．ｊｐ／ｋｅｎ／ｐａｐｅｒ／２０２２０３２３２ＡＫｇ／ ） ＜資 料＞２０２１年度 映像情報メディア学会研究会 （ＨＩ） 講演論文抄録 ＜資 料＞２０２１年度 映像情報メディア学会研究会 （ＨＩ） 講演論文 （２） 開催日（公開日） 令和４年（西暦２０２２年）３月２３日 集会名、開催場所 ２０２１年度 映像情報メディア学会研究会 ヒューマンインフォメーション研究会（ＨＩ） 一般社団法人 映像情報メディア学会 主催 インターネットによる通信を用いたオンライン開催 ＜資 料＞２０２１年度 映像情報メディア学会研究会 （ＨＩ） プログラム
(71)【出願人】
【識別番号】000004352
【氏名又は名称】日本放送協会
(74)【代理人】
【識別番号】100141139
【弁理士】
【氏名又は名称】及川 周
(74)【代理人】
【識別番号】100171446
【弁理士】
【氏名又は名称】高田 尚幸
(74)【代理人】
【識別番号】100114937
【弁理士】
【氏名又は名称】松本 裕幸
(74)【代理人】
【識別番号】100171930
【弁理士】
【氏名又は名称】木下 郁一郎
(72)【発明者】
【氏名】奥田 誠
(72)【発明者】
【氏名】金子 豊
(72)【発明者】
【氏名】西本 友成
(72)【発明者】
【氏名】星 祐太
(72)【発明者】
【氏名】上村 真利奈
【テーマコード（参考）】
5B175
【Ｆターム（参考）】
5B175DA01
5B175FA01
5B175HA01
(57)【要約】
【課題】ユーザが興味を持っている単語を精度よく検出する。
【解決手段】興味推定装置は、複数の文書を取得する文書情報取得部と、取得した複数の前記文書から１以上のキーワードを抽出するキーワード抽出部と、抽出されたキーワードについて、前記文書ごとのｔｆ―ｉｄｆ（Ｔｅｒｍ ｆｒｅｑｕｅｎｃｙ－Ｉｎｖｅｒｓｅ ｄｏｃｕｍｅｎｔ ｆｒｅｑｕｅｎｃｙ）を算出する算出部と、抽出されたキーワードごとに、算出された前記ｔｆ―ｉｄｆの統計演算をする統計演算部と、前記ｔｆ―ｉｄｆが統計演算された結果に基づいて、抽出されたキーワードごとの興味度を算出する興味度算出部と、抽出されたキーワードと、算出された興味度とを対応付けて出力する出力部とを備える。
【選択図】図６
【解決手段】興味推定装置は、複数の文書を取得する文書情報取得部と、取得した複数の前記文書から１以上のキーワードを抽出するキーワード抽出部と、抽出されたキーワードについて、前記文書ごとのｔｆ―ｉｄｆ（Ｔｅｒｍ ｆｒｅｑｕｅｎｃｙ－Ｉｎｖｅｒｓｅ ｄｏｃｕｍｅｎｔ ｆｒｅｑｕｅｎｃｙ）を算出する算出部と、抽出されたキーワードごとに、算出された前記ｔｆ―ｉｄｆの統計演算をする統計演算部と、前記ｔｆ―ｉｄｆが統計演算された結果に基づいて、抽出されたキーワードごとの興味度を算出する興味度算出部と、抽出されたキーワードと、算出された興味度とを対応付けて出力する出力部とを備える。
【選択図】図６
【特許請求の範囲】
【請求項1】
複数の文書を取得する文書情報取得部と、
取得した複数の前記文書から１以上のキーワードを抽出するキーワード抽出部と、
抽出されたキーワードについて、前記文書ごとのｔｆ―ｉｄｆ（Ｔｅｒｍ ｆｒｅｑｕｅｎｃｙ－Ｉｎｖｅｒｓｅ ｄｏｃｕｍｅｎｔ ｆｒｅｑｕｅｎｃｙ）を算出する算出部と、
抽出されたキーワードごとに、算出された前記ｔｆ―ｉｄｆの統計演算をする統計演算部と、
前記ｔｆ―ｉｄｆが統計演算された結果に基づいて、抽出されたキーワードごとの興味度を算出する興味度算出部と、
抽出されたキーワードと、算出された興味度とを対応付けて出力する出力部と
を備える興味推定装置。
取得した複数の前記文書から１以上のキーワードを抽出するキーワード抽出部と、
抽出されたキーワードについて、前記文書ごとのｔｆ―ｉｄｆ（Ｔｅｒｍ ｆｒｅｑｕｅｎｃｙ－Ｉｎｖｅｒｓｅ ｄｏｃｕｍｅｎｔ ｆｒｅｑｕｅｎｃｙ）を算出する算出部と、
抽出されたキーワードごとに、算出された前記ｔｆ―ｉｄｆの統計演算をする統計演算部と、
前記ｔｆ―ｉｄｆが統計演算された結果に基づいて、抽出されたキーワードごとの興味度を算出する興味度算出部と、
抽出されたキーワードと、算出された興味度とを対応付けて出力する出力部と
を備える興味推定装置。
【請求項2】
前記統計演算部は、抽出された１以上のキーワードそれぞれについて、前記文書ごとに算出された前記ｔｆ―ｉｄｆの最大値を算出し、
前記興味度算出部は、前記統計演算部により算出された最大値を興味度として算出する
請求項１に記載の興味推定装置。
前記興味度算出部は、前記統計演算部により算出された最大値を興味度として算出する
請求項１に記載の興味推定装置。
【請求項3】
前記文書とは、映像及び音声を含むコンテンツに付随する概要文、出演者情報、字幕、他者のコメント、コンテンツの音声を音声認識処理することにより得られるテキストの少なくともいずれかを含む
請求項１に記載の興味推定装置。
請求項１に記載の興味推定装置。
【請求項4】
前記文書とは、ソーシャルネットワーキングサービスにおいて発信された情報を含む
請求項１に記載の興味推定装置。
請求項１に記載の興味推定装置。
【請求項5】
映像及び音声を含むコンテンツに付随する概要文、出演者情報、字幕、他者のコメント、コンテンツの音声を音声認識処理することにより得られるテキストの少なくともいずれかを含む文書であって、複数の前記文書を取得する文書情報取得部と、
取得した複数の前記文書を結合し、結合文書を生成する結合部と、
前記結合文書から１以上のキーワードを抽出するキーワード抽出部と、
抽出されたキーワードについて、前記結合文書のｔｆ―ｉｄｆを算出する算出部と、
算出された前記ｔｆ―ｉｄｆに基づいて、抽出されたキーワードごとの興味度を算出する興味度算出部と、
算出された興味度を出力する出力部と
を備える興味推定装置。
取得した複数の前記文書を結合し、結合文書を生成する結合部と、
前記結合文書から１以上のキーワードを抽出するキーワード抽出部と、
抽出されたキーワードについて、前記結合文書のｔｆ―ｉｄｆを算出する算出部と、
算出された前記ｔｆ―ｉｄｆに基づいて、抽出されたキーワードごとの興味度を算出する興味度算出部と、
算出された興味度を出力する出力部と
を備える興味推定装置。
【請求項6】
請求項１から請求項４のいずれか一項に記載の興味推定装置により出力された複数のキーワードにそれぞれ応じた複数の前記興味度に基づき、興味ベクトルを算出する興味ベクトル算出部と、
算出された前記興味ベクトルに基づき、文書ごとに算出されたベクトルとの類似度を示すスコアを算出するスコア算出部と、
算出された前記スコアに基づいて、類似度が高い文書を推薦文書として特定する特定部と、
特定された前記推薦文書を出力する出力部と
を備える推薦装置。
算出された前記興味ベクトルに基づき、文書ごとに算出されたベクトルとの類似度を示すスコアを算出するスコア算出部と、
算出された前記スコアに基づいて、類似度が高い文書を推薦文書として特定する特定部と、
特定された前記推薦文書を出力する出力部と
を備える推薦装置。
【請求項7】
請求項１から請求項４のいずれか一項に記載の興味推定装置により出力された複数のキーワードにそれぞれ応じた複数の前記興味度に基づき、第１興味ベクトルを算出する第１興味ベクトル算出部と、
算出された前記第１興味ベクトルに基づき、文書ごとに算出されたベクトルとの類似度を示す第１スコアを算出する第１スコア算出部と、
複数の文書を取得する文書情報取得部と、取得した複数の前記文書を結合することにより生成された結合文書から１以上のキーワードを抽出し、抽出されたキーワードについて、前記結合文書のｔｆ―ｉｄｆを算出し、算出された前記ｔｆ―ｉｄｆに基づいて、抽出されたキーワードごとの興味度を算出する興味推定装置により出力された複数のキーワードにそれぞれ応じた複数の前記興味度に基づき、第２興味ベクトルを算出する第２興味ベクトル算出部と、
算出された前記第２興味ベクトルに基づき、文書ごとに算出されたベクトルとの類似度を示す第２スコアを算出する第２スコア算出部と、
算出された前記第１スコア及び前記第２スコアに基づいて、類似度が高い文書を推薦文書として特定する特定部と、
特定された前記推薦文書を出力する出力部と
を備える推薦装置。
算出された前記第１興味ベクトルに基づき、文書ごとに算出されたベクトルとの類似度を示す第１スコアを算出する第１スコア算出部と、
複数の文書を取得する文書情報取得部と、取得した複数の前記文書を結合することにより生成された結合文書から１以上のキーワードを抽出し、抽出されたキーワードについて、前記結合文書のｔｆ―ｉｄｆを算出し、算出された前記ｔｆ―ｉｄｆに基づいて、抽出されたキーワードごとの興味度を算出する興味推定装置により出力された複数のキーワードにそれぞれ応じた複数の前記興味度に基づき、第２興味ベクトルを算出する第２興味ベクトル算出部と、
算出された前記第２興味ベクトルに基づき、文書ごとに算出されたベクトルとの類似度を示す第２スコアを算出する第２スコア算出部と、
算出された前記第１スコア及び前記第２スコアに基づいて、類似度が高い文書を推薦文書として特定する特定部と、
特定された前記推薦文書を出力する出力部と
を備える推薦装置。
【請求項8】
請求項１から請求項４のいずれか一項に記載の興味推定装置により出力された複数のキーワードにそれぞれ応じた複数の前記興味度に基づき、第１興味ベクトルを算出する第１興味ベクトル算出部と、
算出された前記第１興味ベクトルに基づき、文書ごとに算出されたベクトルとの類似度を示す第１スコアを算出する第１スコア算出部と、
算出された前記第１スコアに基づいて、類似度が高い文書を第１推薦文書として特定する第１特定部と、
複数の文書を取得する文書情報取得部と、取得した複数の前記文書を結合することにより生成された結合文書から１以上のキーワードを抽出し、抽出されたキーワードについて、前記結合文書のｔｆ―ｉｄｆを算出し、算出された前記ｔｆ―ｉｄｆに基づいて、抽出されたキーワードごとの興味度を算出する興味推定装置により出力された複数のキーワードにそれぞれ応じた複数の前記興味度に基づき、第２興味ベクトルを算出する第２興味ベクトル算出部と、
算出された前記第２興味ベクトルに基づき、文書ごとに算出されたベクトルとの類似度を示す第２スコアを算出する第２スコア算出部と、
算出された前記第２スコアに基づいて、類似度が高い文書を第２推薦文書として特定する第２特定部と、
特定された前記第１推薦文書と、前記第２推薦文書とを出力する出力部と
を備える推薦装置。
算出された前記第１興味ベクトルに基づき、文書ごとに算出されたベクトルとの類似度を示す第１スコアを算出する第１スコア算出部と、
算出された前記第１スコアに基づいて、類似度が高い文書を第１推薦文書として特定する第１特定部と、
複数の文書を取得する文書情報取得部と、取得した複数の前記文書を結合することにより生成された結合文書から１以上のキーワードを抽出し、抽出されたキーワードについて、前記結合文書のｔｆ―ｉｄｆを算出し、算出された前記ｔｆ―ｉｄｆに基づいて、抽出されたキーワードごとの興味度を算出する興味推定装置により出力された複数のキーワードにそれぞれ応じた複数の前記興味度に基づき、第２興味ベクトルを算出する第２興味ベクトル算出部と、
算出された前記第２興味ベクトルに基づき、文書ごとに算出されたベクトルとの類似度を示す第２スコアを算出する第２スコア算出部と、
算出された前記第２スコアに基づいて、類似度が高い文書を第２推薦文書として特定する第２特定部と、
特定された前記第１推薦文書と、前記第２推薦文書とを出力する出力部と
を備える推薦装置。
【請求項9】
コンピュータに、
複数の文書を取得する文書情報取得ステップと、
取得した複数の前記文書から１以上のキーワードを抽出するキーワード抽出ステップと、
抽出されたキーワードについて、前記文書ごとのｔｆ―ｉｄｆを算出する算出ステップと、
抽出されたキーワードごとに、算出された前記ｔｆ―ｉｄｆの統計演算をする統計演算ステップと、
前記ｔｆ―ｉｄｆが統計演算された結果に基づいて、抽出されたキーワードごとの興味度を算出する興味度算出ステップと、
抽出されたキーワードと、算出された興味度とを対応付けて出力する出力ステップと
を実行させるプログラム。
複数の文書を取得する文書情報取得ステップと、
取得した複数の前記文書から１以上のキーワードを抽出するキーワード抽出ステップと、
抽出されたキーワードについて、前記文書ごとのｔｆ―ｉｄｆを算出する算出ステップと、
抽出されたキーワードごとに、算出された前記ｔｆ―ｉｄｆの統計演算をする統計演算ステップと、
前記ｔｆ―ｉｄｆが統計演算された結果に基づいて、抽出されたキーワードごとの興味度を算出する興味度算出ステップと、
抽出されたキーワードと、算出された興味度とを対応付けて出力する出力ステップと
を実行させるプログラム。
【発明の詳細な説明】
【技術分野】
【0001】
本発明は、興味推定装置、推薦装置及びプログラムに関する。
【背景技術】
【0002】
従来、ユーザの行動に基づき興味を推定する手法があった。例えばソーシャルメディアの分野においては、ユーザの発信情報に基づきユーザの興味を推定する手法が知られている。また、推定した興味に基づきユーザに他のユーザが発信した情報を提示する手法が活発に研究されている（例えば、非特許文献１を参照）。これらの興味推定手法の一例として、ユーザが発信した情報から得られるｔｆ－ｉｄｆ（Ｔｅｒｍ ｆｒｅｑｕｅｎｃｙ－Ｉｎｖｅｒｓｅ ｄｏｃｕｍｅｎｔ ｆｒｅｑｕｅｎｃｙ）を、ユーザ興味度として推定する技術があった（例えば、非特許文献２を参照）。
【先行技術文献】
【非特許文献】
【0003】
【非特許文献1】F. Zarinkalam et al., “Extracting, Mining, and Predicting User’s Interests from Social Media,” Foundations and Trends(R) in Information Retrieval, vol. 14, no. 5, 2020年.
【非特許文献2】C. Nishioka and A. Scherp, “Profiling vs. Time vs. Content: What does Matter for Top-k Publication Recommendation based on Twitter Profiles,” 2016 IEEE/ACM Joint Conference on Digital Libraries (JCDL), pages 171-180, 2016年.
【発明の概要】
【発明が解決しようとする課題】
【0004】
上述したような従来技術によれば、一定期間にユーザが発信した複数の情報を１つに結合し、他者が発信した情報を別々の文書として捉えてｔｆ－ｉｄｆを算出し、算出されたｔｆ－ｉｄｆに基づき興味度を推定する。ユーザは世間で起こっているニュースやイベントに引っ張られて情報を発信することがあるため、推定された興味度が世間で起こっているニュースやイベントに引っ張られたものになる場合があった。また、ユーザは必ずしも一定期間に、興味をもっている単語に関して多数の文書を発信するわけではない。したがって、ユーザの発信頻度が低い場合等、ユーザが興味を持っている単語を精度よく検出できない場合があった。
【0005】
そこで本発明は、ユーザが興味を持っている単語を精度よく検出することが可能な興味推定装置、推薦装置及びプログラムを提供しようとするものである。
【課題を解決するための手段】
【0006】
［１］上記の課題を解決するため、本発明の一態様による興味推定装置は、複数の文書を取得する文書情報取得部と、取得した複数の前記文書から１以上のキーワードを抽出するキーワード抽出部と、抽出されたキーワードについて、前記文書ごとのｔｆ―ｉｄｆ（Ｔｅｒｍ ｆｒｅｑｕｅｎｃｙ－Ｉｎｖｅｒｓｅ ｄｏｃｕｍｅｎｔ ｆｒｅｑｕｅｎｃｙ）を算出する算出部と、抽出されたキーワードごとに、算出された前記ｔｆ―ｉｄｆの統計演算をする統計演算部と、前記ｔｆ―ｉｄｆが統計演算された結果に基づいて、抽出されたキーワードごとの興味度を算出する興味度算出部と、抽出されたキーワードと、算出された興味度とを対応付けて出力する出力部とを備えるものである。
【0007】
［２］また、本発明の一態様は、上記［１］に記載の興味推定装置において、前記統計演算部は、抽出された１以上のキーワードそれぞれについて、前記文書ごとに算出された前記ｔｆ―ｉｄｆの最大値を算出し、前記興味度算出部は、前記統計演算部により算出された最大値を興味度として算出するものである。
【0008】
［３］また、本発明の一態様は、上記［１］又は［２］に記載の興味推定装置において、前記文書とは、映像及び音声を含むコンテンツに付随する概要文、出演者情報、字幕、他者のコメント、コンテンツの音声を音声認識処理することにより得られるテキストの少なくともいずれかを含むものである。
【0009】
［４］また、本発明の一態様は、上記［１］又は［２］に記載の興味推定装置において、前記文書とは、ソーシャルネットワーキングサービスにおいて発信された情報を含むものである。
【0010】
［５］また、本発明の一態様による興味推定装置は、映像及び音声を含むコンテンツに付随する概要文、出演者情報、字幕、他者のコメント、コンテンツの音声を音声認識することにより得られるテキストの少なくともいずれかを含む文書であって、複数の前記文書を取得する文書情報取得部と、取得した複数の前記文書を結合し、結合文書を生成する結合部と、前記結合文書から１以上のキーワードを抽出するキーワード抽出部と、抽出されたキーワードについて、前記結合文書のｔｆ―ｉｄｆを算出する算出部と、算出された前記ｔｆ―ｉｄｆに基づいて、抽出されたキーワードごとの興味度を算出する興味度算出部と、算出された興味度を出力する出力部とを備えるものである。
【0011】
［６］また、本発明の一態様による推薦装置は、上記［１］から［４］のいずれかに記載の興味推定装置により出力された複数のキーワードにそれぞれ応じた複数の前記興味度に基づき、興味ベクトルを算出する興味ベクトル算出部と、算出された前記興味ベクトルに基づき、文書ごとに算出されたベクトルとの類似度を示すスコアを算出するスコア算出部と、算出された前記スコアに基づいて、類似度が高い文書を推薦文書として特定する特定部と、特定された前記推薦文書を出力する出力部とを備えるものである。
【0012】
［７］また、本発明の一態様による推薦装置は、上記［１］から［４］のいずれかに記載の興味推定装置により出力された複数のキーワードにそれぞれ応じた複数の前記興味度に基づき、第１興味ベクトルを算出する第１興味ベクトル算出部と、算出された前記第１興味ベクトルに基づき、文書ごとに算出されたベクトルとの類似度を示す第１スコアを算出する第１スコア算出部と、映像及び音声を含むコンテンツに付随する概要文、出演者情報、字幕、他者のコメント、コンテンツの音声を音声認識処理することにより得られるテキストの少なくともいずれかを含む文書であって、複数の前記文書を結合することにより生成された結合文書から１以上のキーワードを抽出し、抽出されたキーワードについて、前記結合文書のｔｆ―ｉｄｆを算出し、算出された前記ｔｆ―ｉｄｆに基づいて、抽出されたキーワードごとの興味度を算出する興味推定装置により出力された複数のキーワードにそれぞれ応じた複数の前記興味度に基づき、第２興味ベクトルを算出する第２興味ベクトル算出部と、算出された前記第２興味ベクトルに基づき、文書ごとに算出されたベクトルとの類似度を示す第２スコアを算出する第２スコア算出部と、算出された前記第１スコア及び前記第２スコアに基づいて、類似度が高い文書を推薦文書として特定する特定部と、特定された前記推薦文書を出力する出力部とを備えるものである。
【0013】
［８］また、本発明の一態様による推薦装置は、上記［１］から［４］のいずれかに記載の興味推定装置により出力された複数のキーワードにそれぞれ応じた複数の前記興味度に基づき、第１興味ベクトルを算出する第１興味ベクトル算出部と、算出された前記第１興味ベクトルに基づき、文書ごとに算出されたベクトルとの類似度を示す第１スコアを算出する第１スコア算出部と、算出された前記第１スコアに基づいて、類似度が高い文書を第１推薦文書として特定する第１特定部と、映像及び音声を含むコンテンツに付随する概要文、出演者情報、字幕、他者のコメント、コンテンツの音声を音声認識処理することにより得られるテキストの少なくともいずれかを含む文書であって、複数の前記文書を結合することにより生成された結合文書から１以上のキーワードを抽出し、抽出されたキーワードについて、前記結合文書のｔｆ―ｉｄｆを算出し、算出された前記ｔｆ―ｉｄｆに基づいて、抽出されたキーワードごとの興味度を算出する興味推定装置により出力された複数のキーワードにそれぞれ応じた複数の前記興味度に基づき、第２興味ベクトルを算出する第２興味ベクトル算出部と、算出された前記第２興味ベクトルに基づき、文書ごとに算出されたベクトルとの類似度を示す第２スコアを算出する第２スコア算出部と、算出された前記第２スコアに基づいて、類似度が高い文書を第２推薦文書として特定する第２特定部と、特定された前記第１推薦文書と、前記第２推薦文書とを出力する出力部とを備えるものである。
【0014】
［９］また、本発明の一態様によるプログラムは、コンピュータに、複数の文書を取得する文書情報取得ステップと、取得した複数の前記文書から１以上のキーワードを抽出するキーワード抽出ステップと、抽出されたキーワードについて、前記文書ごとのｔｆ―ｉｄｆを算出する算出ステップと、抽出されたキーワードごとに、算出された前記ｔｆ―ｉｄｆの統計演算をする統計演算ステップと、前記ｔｆ―ｉｄｆが統計演算された結果に基づいて、抽出されたキーワードごとの興味度を算出する興味度算出ステップと、抽出されたキーワードと、算出された興味度とを対応付けて出力する出力ステップとを実行させるものである。
【発明の効果】
【0015】
本発明によれば、ユーザが興味を持っている単語を精度よく検出することができる。
【図面の簡単な説明】
【0016】
【図1】第１の実施形態に係る第１の興味推定システムの一例について概略機能構成を示すブロック図である。
【図2】第１の実施形態に係る興味推定装置の一例について概略機能構成を示すブロック図である。
【図3】第１の実施形態に係る文書情報の第一の例について説明するための図である。
【図4】第１の実施形態に係る文書情報の第二の例について説明するための図である。
【図5】第１の実施形態に係る興味推定装置の内部構成の一例を示すブロック図である。
【図6】第２の実施形態に係る興味推定装置の一例について概略機能構成を示すブロック図である。
【図7】第２の実施形態に係る文書情報の第一の例について説明するための図である。
【図8】第２の実施形態に係る文書情報の第二の例について説明するための図である。
【図9】第２の実施形態に係る統計演算の一例について説明するための図である。
【図10】第３の実施形態に係る推薦装置の一例について概略機能構成を示すブロック図である。
【図11】第３の実施形態に係る推薦装置の変形例について概略機能構成を示すブロック図である。
【図12】第３の実施形態に係る推薦装置を用いた評価実験の方法について説明するための図である。
【図13】第３の実施形態に係る推薦装置を用いた評価実験の結果について説明するための図である。
【発明を実施するための形態】
【0017】
［実施形態］
まず、実施形態の前提となる事項を説明する。
まず、実施形態の前提となる事項を説明する。
【0018】
本実施形態に係る興味推定システム１は、ユーザの行動に基づき、当該ユーザが興味を有している事項を推定する。本実施形態においてユーザとは、スマートフォン、タブレット端末、ノート型パソコン、又はテレビ受像機等の情報処理装置を操作する人物である。当該情報処理装置は、ユーザの操作により、まとまりのある情報を発信する。興味推定システム１は、ユーザにより情報処理装置から発信された情報を取得する。興味推定システム１は、取得した情報に基づきユーザの興味がある事項を推定する。
なお、興味推定システム１は、ユーザによる操作を情報処理装置から直接的に検出することにより情報を取得してもよいし、所定の通信ネットワークを介して情報を取得してもよい。
なお、興味推定システム１は、ユーザによる操作を情報処理装置から直接的に検出することにより情報を取得してもよいし、所定の通信ネットワークを介して情報を取得してもよい。
【0019】
以下の説明において、情報処理装置を介してユーザから発信されたまとまりのある情報を、「文書」と記載する。詳細には、特定のユーザにより発信された情報であるか、又は不特定多数のユーザにより発信された情報かを問わず、いずれかのユーザにより発信された情報を「文書」と記載する。いずれか単一のユーザにより発信された情報を指して「文書」と記載する場合もあるし、複数のユーザにより発信された情報をまとめて「文書」と記載する場合もある。
【0020】
ユーザが興味を有している事項であって興味推定システム１により検出される事項とは、特定の単語（キーワード）により識別される事項である。特定の単語（キーワード）とは、１つの単語から構成されるものであってもよいし、複数の単語から構成されるものであってもよい。以下の説明においては、興味推定システム１により検出されるユーザの興味がある事項が、１つの単語から構成されるものである場合の一例について説明する。
【0021】
［第１の実施形態］
以下、本発明の第１の実施形態について、図面を参照しながら説明する。
以下、本発明の第１の実施形態について、図面を参照しながら説明する。
【0022】
［興味推定システムの機能構成］
図１は、実施形態に係る第１の興味推定システムの一例について概略機能構成を示すブロック図である。まず、同図を参照しながら、興味推定システム１の概略機能構成について説明する。興味推定システム１は、第１情報処理装置３１と、興味推定装置１０と、第２情報処理装置３２とを備える。第１情報処理装置３１、興味推定装置１０及び第２情報処理装置３２は、それぞれ所定の通信方式により互いに接続される。第１情報処理装置３１、興味推定装置１０及び第２情報処理装置３２は、同一の筐体（例えばスマートフォン、タブレット端末、ノート型パソコン、又はテレビ受像機等の情報処理端末の筐体）内に配置され、コンピュータを用いて各機能を有する装置として実現されてもよい。また、第１情報処理装置３１、興味推定装置１０及び第２情報処理装置３２は、それぞれ異なる筐体内に配置され、イーサネット等の所定の通信ネットワークを介して互いに接続されていてもよい。
図１は、実施形態に係る第１の興味推定システムの一例について概略機能構成を示すブロック図である。まず、同図を参照しながら、興味推定システム１の概略機能構成について説明する。興味推定システム１は、第１情報処理装置３１と、興味推定装置１０と、第２情報処理装置３２とを備える。第１情報処理装置３１、興味推定装置１０及び第２情報処理装置３２は、それぞれ所定の通信方式により互いに接続される。第１情報処理装置３１、興味推定装置１０及び第２情報処理装置３２は、同一の筐体（例えばスマートフォン、タブレット端末、ノート型パソコン、又はテレビ受像機等の情報処理端末の筐体）内に配置され、コンピュータを用いて各機能を有する装置として実現されてもよい。また、第１情報処理装置３１、興味推定装置１０及び第２情報処理装置３２は、それぞれ異なる筐体内に配置され、イーサネット等の所定の通信ネットワークを介して互いに接続されていてもよい。
【0023】
なお、興味推定システム１は、複数のユーザについての興味を推定してもよいし、単一のユーザについての興味を推定してもよい。興味推定システム１が複数のユーザについての興味を推定する場合、一の興味推定装置１０及び一の第２情報処理装置３２に、複数の第１情報処理装置３１が接続されてもよい。興味推定装置１０に複数の第１情報処理装置３１が接続される場合、興味推定装置１０は、例えば複数のユーザをユーザ固有のユーザ識別情報により識別してもよい。以下の説明においては、説明の簡略化のため、興味推定システム１には一の第１情報処理装置３１が接続され、単一のユーザについての興味を推定する場合の一例について説明する。
【0024】
第１情報処理装置３１は、ユーザから発信された文書についての情報を取得する。換言すれば、第１情報処理装置３１とは、文書情報取得装置である。第１情報処理装置３１は、ユーザにより操作される情報処理端末（スマートフォン、タブレット端末、ノート型パソコン、又はテレビ受像機等）に備えられることにより文書についての情報を取得してもよいし、当該情報処理端末と所定の通信方式により互いに接続されることにより文書についての情報を取得してもよい。第１情報処理装置３１は、取得した文書についての情報を文書情報ＤＩとして興味推定装置１０に出力する。
【0025】
興味推定装置１０は、第１情報処理装置３１から複数の文書情報ＤＩを取得する。興味推定装置１０は、取得した複数の文書情報ＤＩに基づき、ユーザの興味を推定する。興味推定装置１０は、ユーザの興味の一例として興味度ＩＬを推定する。興味推定装置１０は、推定した興味度ＩＬを第２情報処理装置３２に出力する。
【0026】
第２情報処理装置３２は、興味推定装置１０から興味度ＩＬを取得する。第２情報処理装置３２は、取得した興味度ＩＬに基づいた処理を行う。興味度ＩＬに基づいた処理とは、例えば興味度ＩＬを記憶することであってもよい。また、第２情報処理装置３２は、不図示の制御部や、外部から取得する不図示の制御信号に応じて、記憶した興味度ＩＬを出力してもよい。第２情報処理装置３２は、例えば、興味度ＩＬに基づく情報を、不図示の音声出力装置により音声出力してもよいし、不図示の表示装置に視覚的認識可能なよう表示してもよい。
なお、興味推定システム１が複数のユーザの興味を推定する場合、第２情報処理装置３２は、ユーザ識別情報と興味度ＩＬとを互いに対応付けて記憶してもよい。
なお、興味推定システム１が複数のユーザの興味を推定する場合、第２情報処理装置３２は、ユーザ識別情報と興味度ＩＬとを互いに対応付けて記憶してもよい。
【0027】
［興味推定装置の機能構成］
図２は、第１の実施形態に係る興味推定装置の一例について概略機能構成を示すブロック図である。同図を参照しながら、興味推定装置１０の概略機能構成の一例について説明する。興味推定装置１０は、文書情報取得部１１と、文書情報記憶部１２と、結合部１３と、キーワード抽出部１４と、ｔｆ－ｉｄｆ算出部１５と、興味度算出部１７と、出力部１８とを備える。興味推定装置１０は、バスで接続された不図示のＣＰＵ（Central Processing Unit）、ＲＯＭ（Read only memory）又はＲＡＭ（Random access memory）等の記憶装置等を備え、興味推定プログラムを実行することによって各部を備える装置として機能する。
図２は、第１の実施形態に係る興味推定装置の一例について概略機能構成を示すブロック図である。同図を参照しながら、興味推定装置１０の概略機能構成の一例について説明する。興味推定装置１０は、文書情報取得部１１と、文書情報記憶部１２と、結合部１３と、キーワード抽出部１４と、ｔｆ－ｉｄｆ算出部１５と、興味度算出部１７と、出力部１８とを備える。興味推定装置１０は、バスで接続された不図示のＣＰＵ（Central Processing Unit）、ＲＯＭ（Read only memory）又はＲＡＭ（Random access memory）等の記憶装置等を備え、興味推定プログラムを実行することによって各部を備える装置として機能する。
【0028】
なお、興味推定装置１０の各機能の全てまたは一部は、ＡＳＩＣ（Application Specific Integrated Circuit）、ＰＬＤ（Programmable Logic Device）又はＦＰＧＡ（Field-Programmable Gate Array）等のハードウェアを用いて実現されてもよい。興味推定プログラムは、コンピュータ読み取り可能な記録媒体に記録されてもよい。コンピュータ読み取り可能な記録媒体とは、例えばフレキシブルディスク、光磁気ディスク、ＲＯＭ、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である。興味推定プログラムは、電気通信回線を介して送信されてもよい。
【0029】
文書情報取得部１１は、第１情報処理装置３１から複数の文書情報ＤＩを取得する。ここで、本実施形態における文書の一例として、ソーシャルメディアに投稿された情報が挙げられる。興味推定装置１０がソーシャルメディアに投稿された情報を文書として興味推定を行う場合、文書情報ＤＩにはユーザがソーシャルメディアに投稿した情報が含まれる。また、本実施形態における文書の一例として、テレビ等の映像及び音声を含むコンテンツについての情報が挙げられる。映像及び音声を含むコンテンツについての情報とは、具体的には電子番組表（ＥＰＧ：Ｅｌｅｃｔｒｏｎｉｃ Ｐｒｏｇｒａｍ ｇｕｉｄｅ）に含まれる情報や字幕、他者のコメントのことである。なお、電子番組表とは、テレビ等の映像及び音声を含むコンテンツについての概要文、出演者、放送時間及び放送局等が対応付けられた情報である。興味推定装置１０がコンテンツ情報を文書として興味推定を行う場合、文書情報ＤＩには、映像及び音声を含むコンテンツに付随する概要文、出演者情報、字幕、他者のコメントの少なくともいずれかが含まれる。さらには、コンテンツの音声を音声認識処理することにより得られるテキストが含まれていてもよい。すなわち、文書情報取得部１１は、映像及び音声を含むコンテンツに付随する概要文、出演者情報、字幕、他者のコメント、コンテンツの音声を音声認識処理することで得られるテキストの少なくともいずれかを含む文書を取得する。
なお、文書情報取得部１１は、過去一定期間に放送された番組の概要文や出演者情報等が記載された電子番組表データと、未来の一定期間に放送予定の番組の概要文や出演者情報等が記載された電子番組表データが文書として入力されてもよい。併せて、ユーザの過去一定期間の番組視聴履歴も入力されてもよい。
なお、文書情報取得部１１は、過去一定期間に放送された番組の概要文や出演者情報等が記載された電子番組表データと、未来の一定期間に放送予定の番組の概要文や出演者情報等が記載された電子番組表データが文書として入力されてもよい。併せて、ユーザの過去一定期間の番組視聴履歴も入力されてもよい。
【0030】
文書情報記憶部１２は、文書情報取得部１１により取得された複数の文書情報ＤＩを記憶する。文書情報記憶部１２は、文書情報ＤＩと、当該文書情報ＤＩを出力したユーザを識別するユーザ識別情報とを対応付けて記憶してもよい。また、文書情報記憶部１２は、文書情報ＤＩと、当該文書情報ＤＩが出力された日時に関する日時情報とを対応付けて記憶してもよい。なお、ユーザ識別情報及び日時情報は、文書情報ＤＩに含まれていてもよい。文書情報記憶部１２は、記憶した文書情報ＤＩを結合部１３及びｔｆ－ｉｄｆ算出部１５に出力する。
文書情報記憶部１２は、興味度推定の対象となるユーザにより発信された文書に加えて、他のユーザにより発信された文書についての情報を記憶していてもよい。文書情報記憶部１２は、他のユーザにより発信された文書についての情報を結合部１３及びｔｆ－ｉｄｆ算出部１５に出力する。
文書情報記憶部１２は、興味度推定の対象となるユーザにより発信された文書に加えて、他のユーザにより発信された文書についての情報を記憶していてもよい。文書情報記憶部１２は、他のユーザにより発信された文書についての情報を結合部１３及びｔｆ－ｉｄｆ算出部１５に出力する。
【0031】
結合部１３は文書情報記憶部１２から複数の文書情報ＤＩを取得する。結合部１３は、取得した複数の文書情報ＤＩに含まれる複数の文書を結合し、結合文書を生成する。結合部１３により結合される文書は、過去ｎ日間（ｎは１以上の自然数）における文書であってもよい。ｎは任意に設定される値であって、例えば７日間等であってもよい。文書がソーシャルメディアに投稿された情報である場合、結合文書とは、すなわちユーザが過去ｎ日間に投稿した全情報を結合した文書である。また、文書が映像・音声コンテンツについての情報である場合、結合文書とは、すなわちユーザが過去ｎ日間に視聴した全コンテンツに関する情報を結合した文書である。さらに、結合文１３により結合される文書は、過去ｍ個（ｍは１以上の自然数）の文書であってもよい。文書がソーシャルメディアに投稿された情報である場合、結合文書とは、ユーザが過去に投稿した情報のうち、最新のｍ個の情報を結合した文書である。また、文書が映像・音声コンテンツに関連した情報の場合、結合文書とは、ユーザが過去に視聴した全コンテンツのうち、最新のｍ個のコンテンツに関する情報を結合した文書である。結合部１３は、結合文書に関する情報を結合文書情報ＣＤＩとしてキーワード抽出部１４に出力する。
【0032】
キーワード抽出部１４は、結合部１３から結合文書情報ＣＤＩを取得する。キーワード抽出部１４は、取得した結合文書情報ＣＤＩに含まれる結合文書から１以上のキーワードを抽出する。キーワード抽出部１４は、既知のキーワード抽出アルゴリズムにより結合文書から１以上のキーワードを抽出する。キーワード抽出部１４は、抽出したキーワードに関する情報をキーワード情報ＫＩとしてｔｆ－ｉｄｆ算出部１５に出力する。
キーワードの抽出は、具体的には形態素解析により行われてもよい。既知の形態素解析エンジンの一例としては、オープンソースの「ＭｅＣａｂ」を例示することができる。また、ＭｅＣａｂ実行時に用いる分かち書き辞書の一例として、「ｍｅｃａｂ―ｉｐａｄｉｃ―ＮＥｏｌｏｇｄ」を例示することができる。「ｍｅｃａｂ―ｉｐａｄｉｃ―ＮＥｏｌｏｇｄ」は、新語や固有表現に強いという特徴を有している。
キーワードの抽出は、具体的には形態素解析により行われてもよい。既知の形態素解析エンジンの一例としては、オープンソースの「ＭｅＣａｂ」を例示することができる。また、ＭｅＣａｂ実行時に用いる分かち書き辞書の一例として、「ｍｅｃａｂ―ｉｐａｄｉｃ―ＮＥｏｌｏｇｄ」を例示することができる。「ｍｅｃａｂ―ｉｐａｄｉｃ―ＮＥｏｌｏｇｄ」は、新語や固有表現に強いという特徴を有している。
【0033】
ｔｆ－ｉｄｆ算出部１５は、キーワード抽出部１４からキーワード情報ＫＩを取得する。また、ｔｆ－ｉｄｆ算出部１５は、文書情報記憶部１２から文書情報ＤＩを取得する。ｔｆ－ｉｄｆ算出部１５は、取得したキーワード情報ＫＩ及び文書情報ＤＩに基づき、抽出されたキーワードについて、結合文書のｔｆ―ｉｄｆ（term frequency - inverse document frequency）を算出する。ｔｆ－ｉｄｆ算出部１５は、算出したｔｆ―ｉｄｆを含む情報を算出結果情報ＣＲＩとして興味度算出部１７に出力する。
なお、ｔｆ－ｉｄｆ算出部１５を単に算出部と記載する場合がある。
なお、ｔｆ－ｉｄｆ算出部１５を単に算出部と記載する場合がある。
【0034】
ここで、ｔｆ－ｉｄｆの算出の一例について説明する。一例として、文書がテレビの電子番組表である場合におけるｔｆ－ｉｄｆの算出の一例について説明する。
まず、ｔｆ－ｉｄｆ算出部１５は、単語頻度ｔｆｗｉ，ｄｖを算出する。ユーザが視聴したテレビ番組の概要文や出演者等、電子番組表に記載された情報を文書ｄｖとし、キーワード抽出部１４により抽出されたキーワードを単語ｗｉとすると、単語頻度ｔｆｗｉ，ｄｖは、下の式（１）で示される。
まず、ｔｆ－ｉｄｆ算出部１５は、単語頻度ｔｆｗｉ，ｄｖを算出する。ユーザが視聴したテレビ番組の概要文や出演者等、電子番組表に記載された情報を文書ｄｖとし、キーワード抽出部１４により抽出されたキーワードを単語ｗｉとすると、単語頻度ｔｆｗｉ，ｄｖは、下の式（１）で示される。
【0035】
【数1】
【0036】
このとき、ｎｗｉ，ｄｖは文書ｄｖにおける単語ｗｉの出現頻度を示す。また、Σｊｎｗｉ，ｄｖは文書ｄｖにおける全単語の出現頻度の和を示す。すなわち、単語頻度ｔｆｗｉ，ｄｖは、文書ｄｖにおける単語ｗｉの出現頻度を、文書ｄｖにおける全単語の出現頻度の和で割った値ということもできる。
【0037】
次に、ｔｆ－ｉｄｆ算出部１５は、逆文書頻度ｉｄｆｗｉを算出する。総文書数｜Ｄ｜とすると、逆文書頻度ｉｄｆｗｉは、下の式（２）で示される。
【0038】
【数2】
【0039】
このとき、｜｛ｄ：ｄ∋ｗｉ｝｜は、単語ｗｉを含む文書の数を示す。具体的には、｜｛ｄ：ｄ∋ｗｉ｝｜は、単語ｗｉをテレビ番組の概要文等に含むテレビ番組の数を示す。逆文書頻度ｉｄｆとは、総文書数｜Ｄ｜を、単語ｗｉを含む文書の数で割り、更に対数をとった値であるということもできる。
【0040】
最後に、ｔｆ－ｉｄｆ算出部１５は、算出した単語頻度ｔｆｗｉ，ｄｖと、逆文書頻度ｉｄｆとに基づき、ｔｆ－ｉｄｆを算出する。ｔｆ－ｉｄｆは、単語頻度ｔｆｗｉ，ｄｖと、逆文書頻度ｉｄｆとを乗じることにより算出される。ｔｆ－ｉｄｆ算出部１５は、算出したｔｆ－ｉｄｆを、算出結果情報ＣＲＩとして出力する。
なお、上述した手法では、ｔｆ－ｉｄｆ算出部１５は、ユーザが視聴した複数のテレビ番組に関する情報を１つの文書ｄｖとして捉え、視聴しなかった番組の、電子番組表内の情報をそれぞれ別々の文書として捉えているともいうことができる。
なお、上述した手法では、ｔｆ－ｉｄｆ算出部１５は、ユーザが視聴した複数のテレビ番組に関する情報を１つの文書ｄｖとして捉え、視聴しなかった番組の、電子番組表内の情報をそれぞれ別々の文書として捉えているともいうことができる。
【0041】
興味度算出部１７は、ｔｆ－ｉｄｆ算出部１５から算出結果情報ＣＲＩを取得する。興味度算出部１７は、取得した算出結果情報ＣＲＩに含まれるｔｆ―ｉｄｆに基づいて、抽出されたキーワードごとの興味度ｉｎｔを算出する。ユーザｖの単語ｗｉに対する興味度ｉｎｔＵｎｉ，ｗｉ，ｖは、例えば、下の式（３）で示される。
【0042】
【数3】
【0043】
すなわち、本実施形態において興味度算出部１７は、算出されたｔｆ－ｉｄｆを加工せず、そのまま興味度ｉｎｔＵｎｉ，ｗｉ，ｖとして算出する。興味度算出部１７は、算出した興味度ｉｎｔＵｎｉ，ｗｉ，ｖを、興味度ＩＬとして出力する。
なお、興味度算出部１７は、算出されたｔｆ－ｉｄｆに基づいて、重み付けを行う等の所定の演算を行うことにより、興味度ｉｎｔＵｎｉ，ｗｉ，ｖを算出してもよい。
なお、興味度算出部１７は、算出されたｔｆ－ｉｄｆに基づいて、重み付けを行う等の所定の演算を行うことにより、興味度ｉｎｔＵｎｉ，ｗｉ，ｖを算出してもよい。
【0044】
出力部１８は、算出された興味度ＩＬを第２情報処理装置３２に対して出力する。なお、出力部１８は、抽出されたキーワードと、算出された興味度ＩＬとを対応付けて第２情報処理装置３２に対して出力してもよい。
【0045】
［文書情報］
次に、図３及び図４を参照しながら、本実施形態における文書情報ＤＩの一例について説明する。なお、本実施形態における文書情報ＤＩとは、ユーザから発信される情報を広く含み、以下に説明する実施形態に限定されるものではない。
次に、図３及び図４を参照しながら、本実施形態における文書情報ＤＩの一例について説明する。なお、本実施形態における文書情報ＤＩとは、ユーザから発信される情報を広く含み、以下に説明する実施形態に限定されるものではない。
【0046】
図３は、第１の実施形態に係る文書情報の第一の例について説明するための図である。同図を参照しながら、興味推定装置１０がソーシャルメディアに投稿された情報を文書として興味推定を行う場合における一例について説明する。興味推定装置１０がソーシャルメディアに投稿された情報を文書として興味推定を行う場合における文書情報ＤＩを、文書情報ＤＩ１と記載する。
文書情報ＤＩ１は、複数の投稿情報ＰＯを含む。投稿情報ＰＯとは、ユーザによりソーシャルメディアに投稿されたまとまりのある文書である。同図には、投稿情報ＰＯとして投稿情報ＰＯ１１、投稿情報ＰＯ１２、…、投稿情報ＰＯ１ｎ（ｎは１以上の自然数）が含まれる場合の一例を記載する。
文書情報ＤＩ１は、複数の投稿情報ＰＯを含む。投稿情報ＰＯとは、ユーザによりソーシャルメディアに投稿されたまとまりのある文書である。同図には、投稿情報ＰＯとして投稿情報ＰＯ１１、投稿情報ＰＯ１２、…、投稿情報ＰＯ１ｎ（ｎは１以上の自然数）が含まれる場合の一例を記載する。
【0047】
投稿情報ＰＯは、ある時間に投稿された情報である。複数の投稿情報ＰＯは、それぞれ異なる時刻に投稿されたものであってもよい。投稿情報ＰＯには、例えば文字情報が含まれる。投稿情報ＰＯには、文字情報に加えて、又は代えて、画像情報や位置情報等が含まれていてもよい。また、投稿情報ＰＯに含まれる文字情報には、１つの又は複数のキーワードＫＷが含まれる。キーワードＫＷは、キーワード抽出部１４により所定のキーワード抽出アルゴリズムを用いて抽出される。
【0048】
なお、図３に示す文書情報ＤＩ１は、文書情報ＤＩ１に含まれる要素を概念的に説明したものである。ユーザにより用いられるスマートフォン、タブレット端末又はノート型パソコン、又はテレビ受像機等の情報処理装置は、文書情報ＤＩ１に示すような表示画面を表示してもよい。ユーザにより用いられる情報処理装置により文書情報ＤＩ１に示すような表示画面を表示する場合、複数の投稿情報ＰＯは、画面スクロール等のユーザの操作により表示が切り替えられてもよい。
【0049】
図４は、第１の実施形態に係る文書情報の第二の例について説明するための図である。同図を参照しながら、興味推定装置１０が電子番組表を文書として興味推定を行う場合における一例について説明する。興味推定装置１０が電子番組表を文書として興味推定を行う場合における文書情報ＤＩを、文書情報ＤＩ２と記載する。なお、以下の説明においては、映像及び音声を含むコンテンツの一例としてテレビ番組の電子番組表について説明する。
【0050】
文書情報ＤＩ２は例えばテレビ受像機から取得される。文書情報ＤＩ２は、複数の番組情報ＰＲを含む。番組情報ＰＲとは、テレビ番組の放送に関する情報である。番組情報ＰＲには当該番組が放送される放送時刻、当該番組を放送する放送局、当該番組の概要文、当該番組に出演する出演者に関する情報、当該番組の字幕情報、当該番組に対する他者のコメント等が広く含まれる。同図には一例として、番組情報ＰＲとして２０時及び２１時の時間帯における第１放送局、第２放送局、…、及び第ｎ放送局（ｎは１以上の自然数）の放送番組の情報が表示されている。
【0051】
具体的には、第１放送局が２０時から２１時の間に放映するテレビ番組についての情報は番組情報ＰＲ２１１であり、２１時から２２時の間に放映するテレビ番組についての情報は番組情報ＰＲ２１２である。また、第２放送局が２０時から２１時の間に放映するテレビ番組についての情報は番組情報ＰＲ２２１であり、２１時から２２時の間に放映するテレビ番組についての情報は番組情報ＰＲ２２２である。…。また、第ｎ放送局が２０時から２１時の間に放映するテレビ番組についての情報は番組情報ＰＲ２ｎ１であり、２１時から２２時の間に放映するテレビ番組についての情報は番組情報ＰＲ２ｎ２である。
【0052】
１つの番組情報ＰＲには、１つの又は複数のキーワードＫＷが含まれる。キーワードＫＷは、番組の概要文、当該番組に出演する出演者に関する情報、当該番組の字幕情報、当該番組に対する他者のコメント等のいずれの情報に含まれていてもよい。キーワードＫＷは、キーワード抽出部１４により所定のキーワード抽出アルゴリズムを用いて抽出される。
【0053】
なお、図４に示す文書情報ＤＩ２は、文書情報ＤＩ２に含まれる要素を概念的に説明したものである。ユーザにより用いられるスマートフォン、タブレット端末又はノート型パソコン、又はテレビ受像機等の情報処理装置は、文書情報ＤＩ２に示すような表示画面を表示してもよい。ユーザにより用いられる情報処理装置により文書情報ＤＩ２に示すような表示画面を表示する場合、複数の番組情報ＰＲは、スクロールやリモートコントローラによる操作等のユーザの操作により表示が切り替えられてもよい。
【0054】
［興味推定装置の内部構成］
図５は、第１の実施形態に係る興味推定装置の内部構成の一例を示すブロック図である興味推定装置１０の少なくとも一部の機能は、コンピュータを用いて実現され得る。図示するように、そのコンピュータは、中央処理装置９０１と、ＲＡＭ９０２と、入出力ポート９０３と、入出力デバイス９０４や９０５等と、バス９０６と、を含んで構成される。コンピュータ自体は、既存技術を用いて実現可能である。中央処理装置９０１は、ＲＡＭ９０２等から読み込んだプログラムに含まれる命令を実行する。中央処理装置９０１は、各命令にしたがって、ＲＡＭ９０２にデータを書き込んだり、ＲＡＭ９０２からデータを読み出したり、算術演算や論理演算を行ったりする。ＲＡＭ９０２は、データやプログラムを記憶する。ＲＡＭ９０２に含まれる各要素は、アドレスを持ち、アドレスを用いてアクセスされ得るものである。なお、ＲＡＭは、「ランダムアクセスメモリー」の略である。入出力ポート９０３は、中央処理装置９０１が外部の入出力デバイス等とデータのやり取りを行うためのポートである。入出力デバイス９０４や９０５は、入出力デバイスである。入出力デバイス９０４や９０５は、入出力ポート９０３を介して中央処理装置９０１との間でデータをやりとりする。バス９０６は、コンピュータ内部で使用される共通の通信路である。例えば、中央処理装置９０１は、バス９０６を介してＲＡＭ９０２のデータを読んだり書いたりする。また、例えば、中央処理装置９０１は、バス９０６を介して入出力ポートにアクセスする。
図５は、第１の実施形態に係る興味推定装置の内部構成の一例を示すブロック図である興味推定装置１０の少なくとも一部の機能は、コンピュータを用いて実現され得る。図示するように、そのコンピュータは、中央処理装置９０１と、ＲＡＭ９０２と、入出力ポート９０３と、入出力デバイス９０４や９０５等と、バス９０６と、を含んで構成される。コンピュータ自体は、既存技術を用いて実現可能である。中央処理装置９０１は、ＲＡＭ９０２等から読み込んだプログラムに含まれる命令を実行する。中央処理装置９０１は、各命令にしたがって、ＲＡＭ９０２にデータを書き込んだり、ＲＡＭ９０２からデータを読み出したり、算術演算や論理演算を行ったりする。ＲＡＭ９０２は、データやプログラムを記憶する。ＲＡＭ９０２に含まれる各要素は、アドレスを持ち、アドレスを用いてアクセスされ得るものである。なお、ＲＡＭは、「ランダムアクセスメモリー」の略である。入出力ポート９０３は、中央処理装置９０１が外部の入出力デバイス等とデータのやり取りを行うためのポートである。入出力デバイス９０４や９０５は、入出力デバイスである。入出力デバイス９０４や９０５は、入出力ポート９０３を介して中央処理装置９０１との間でデータをやりとりする。バス９０６は、コンピュータ内部で使用される共通の通信路である。例えば、中央処理装置９０１は、バス９０６を介してＲＡＭ９０２のデータを読んだり書いたりする。また、例えば、中央処理装置９０１は、バス９０６を介して入出力ポートにアクセスする。
【0055】
［第１の実施形態のまとめ］
以上説明した実施形態によれば、興味推定装置１０は、文書情報取得部１１を備えることにより文書情報ＤＩからを取得し、結合部１３を備えることにより複数の文書から結合文書を生成し、キーワード抽出部１４を備えることにより結合文書から１以上のキーワードを抽出し、ｔｆ－ｉｄｆ算出部１５を備えることにより抽出されたキーワードについて結合文書のｔｆ―ｉｄｆを算出し、興味度算出部１７を備えることにより算出されたｔｆ―ｉｄｆに基づいて抽出されたキーワードごとの興味度を算出し、出力部１８を備えることにより算出された興味度を出力する。また、本実施形態において文書とは、映像及び音声を含むコンテンツに付随する概要文、出演者情報、字幕、他者のコメント、コンテンツの音声を音声認識処理することにより得られるテキストの少なくともいずれかを含む。すなわち、本実施形態において文書とは、電子番組表を含む。したがって、興味推定装置１０によれば、ユーザの視聴履歴や電子番組表に基づいて、当該ユーザが興味を有している単語を検出することができる。
以上説明した実施形態によれば、興味推定装置１０は、文書情報取得部１１を備えることにより文書情報ＤＩからを取得し、結合部１３を備えることにより複数の文書から結合文書を生成し、キーワード抽出部１４を備えることにより結合文書から１以上のキーワードを抽出し、ｔｆ－ｉｄｆ算出部１５を備えることにより抽出されたキーワードについて結合文書のｔｆ―ｉｄｆを算出し、興味度算出部１７を備えることにより算出されたｔｆ―ｉｄｆに基づいて抽出されたキーワードごとの興味度を算出し、出力部１８を備えることにより算出された興味度を出力する。また、本実施形態において文書とは、映像及び音声を含むコンテンツに付随する概要文、出演者情報、字幕、他者のコメント、コンテンツの音声を音声認識処理することにより得られるテキストの少なくともいずれかを含む。すなわち、本実施形態において文書とは、電子番組表を含む。したがって、興味推定装置１０によれば、ユーザの視聴履歴や電子番組表に基づいて、当該ユーザが興味を有している単語を検出することができる。
【0056】
［第２の実施形態］
次に、第２の実施形態について説明する。まず、第２の実施形態が解決しようとする課題の概要について説明する。まず、電子番組表を文書として興味推定を行う場合の課題について説明する。第１の実施形態に係る興味推定装置１０によれば、ユーザが興味を持つ単語に関連した番組の放送頻度が高い場合には上述した式（３）により適切な興味度ｉｎｔを得ることができる。ここで、興味推定装置１０によれば、他者が発信した情報に応じて興味度が算出される。一方、ユーザが強い興味を持つ番組は必ずしも頻繁に放送されるわけではない。したがって、放送頻度に応じて興味度が変動してしまい、例えばユーザが強い興味を持つ番組の放送頻度が低い場合、興味度が低く算出されてしまう場合があった。
次に、第２の実施形態について説明する。まず、第２の実施形態が解決しようとする課題の概要について説明する。まず、電子番組表を文書として興味推定を行う場合の課題について説明する。第１の実施形態に係る興味推定装置１０によれば、ユーザが興味を持つ単語に関連した番組の放送頻度が高い場合には上述した式（３）により適切な興味度ｉｎｔを得ることができる。ここで、興味推定装置１０によれば、他者が発信した情報に応じて興味度が算出される。一方、ユーザが強い興味を持つ番組は必ずしも頻繁に放送されるわけではない。したがって、放送頻度に応じて興味度が変動してしまい、例えばユーザが強い興味を持つ番組の放送頻度が低い場合、興味度が低く算出されてしまう場合があった。
【0057】
次に、ソーシャルメディアに投稿された情報を文書として興味推定を行う場合の課題について説明する。ソーシャルメディアのユーザは世間で起こっているニュースやイベントに引っ張られて情報を発信することも多い。また、ユーザは必ずしも一定期間に興味をもっている単語に関して多数の文書を発信するわけではない。したがって、第１の実施形態に係る興味推定装置１０によれば、例えユーザが興味を持っている単語であっても、ユーザの発信頻度によっては当該単語の興味度が低くなってしまうという欠点があった。
【0058】
このような課題を解決するため、第２の実施形態に係る興味推定装置１０Ａは、ユーザの発信頻度や、番組の放送頻度が少ない場合であっても、精度よく興味度を推定することを目的とする。具体的には、興味推定装置１０Ａは、放送頻度が低い番組内の単語や、世間で起こっているニュースやイベントとは無関係な単語に対する興味度が強調されるような演算により興味度を算出する。より具体的には、興味推定装置１０Ａは、ユーザが発信する文書情報ＤＩ内の情報（番組情報ＰＲや投稿情報ＰＯ等）を別々の文書として捉え、さらに視聴しなかった番組や他者が発信した情報をそれぞれ別々の文書として捉え、演算を行う。
【0059】
図６は、第２の実施形態に係る興味推定装置の一例について概略機能構成を示すブロック図である。同図を参照しながら、第２の実施形態に係る興味推定装置１０Ａの概略機能構成について説明する。興味推定装置１０Ａは、結合部１３を備えておらず、統計演算部１６を備える点において興味推定装置１０とは異なる。興味推定装置１０Ａの説明において、興味推定装置１０と同様の構成については同様の符号を付すことにより説明を省略する場合がある。
【0060】
興味推定装置１０Ａは結合部１３を備えないため、キーワード抽出部１４は、取得した複数の文書それぞれから１以上のキーワードを抽出する。
また、興味推定装置１０Ａは結合部１３を備えないため、ｔｆ－ｉｄｆ算出部１５は、キーワード抽出部１４により抽出されたキーワードについて、文書ごとのｔｆ―ｉｄｆを算出する。
また、興味推定装置１０Ａは結合部１３を備えないため、ｔｆ－ｉｄｆ算出部１５は、キーワード抽出部１４により抽出されたキーワードについて、文書ごとのｔｆ―ｉｄｆを算出する。
【0061】
ここで、第２の実施形態におけるｔｆ―ｉｄｆの算出の一例について具体的に説明する。文書ｄｖｋにおける単語ｗｉの単語頻度ｔｆｗｉ，ｄｖｋは、下の式（４）で示される。
【0062】
【数4】
【0063】
このとき、ｎは文書ｄｖｋにおける単語ｗｉの出現頻度を示す。また、Σｎは文書ｄｖｋにおける全単語の出現頻度の和を示す。すなわち、単語頻度ｔｆｗｉ，ｄｖｋは、文書ｄｖにおける単語ｗｉの出現頻度を、文書ｄｖにおける全単語の出現頻度の和で割った値ということもできる。
【0064】
統計演算部１６は、キーワード抽出部１４により抽出されたキーワードごとに、ｔｆ－ｉｄｆ算出部１５により算出されたｔｆ―ｉｄｆに基づく所定の統計演算をする。具体的には、統計演算部１６は、文書ごとに算出されたｔｆ―ｉｄｆに基づく所定の統計演算をすることにより、キーワードごとに統計演算結果を算出する。統計演算部１６は、統計演算結果を含む情報を統計演算情報ＳＯＩとして興味度算出部１７に出力する。
【0065】
所定の統計演算の一例としては、文書ごとに算出されたｔｆ―ｉｄｆの値のうち、キーワードごとに最大値を求めることであってもよい。すなわち統計演算部１６は、抽出された１以上のキーワードそれぞれについて、文書ごとに算出されたｔｆ―ｉｄｆの最大値を算出してもよい。所定の統計演算が最大値を求めることである場合、興味度算出部１７は、統計演算部１６により算出された最大値を興味度として算出する。すなわち、第２の実施形態におけるユーザｖの単語ｗｉに対する興味度ｉｎｔは、例えば、下の式（５）のように記載することができる。
【0066】
【数5】
【0067】
次に、図７及び図８を参照しながら、第２の実施形態における文書情報ＤＩの一例について説明する。図７を参照しながら説明する一例は、図３を参照しながら説明した文書情報ＤＩ１の変形例である。図８を参照しながら説明する一例は、図４を参照しながら説明した文書情報ＤＩ２の変形例である。
【0068】
図７は、第２の実施形態に係る文書情報の第一の例について説明するための図である。同図を参照しながら、興味推定装置１０Ａがソーシャルメディアに投稿された情報を文書として興味推定を行う場合における一例について説明する。換言すれば、本一例において文書とは、ユーザによりソーシャルメディア（ソーシャルネットワーキングサービス）において発信された情報を含む。興味推定装置１０Ａがソーシャルメディアに投稿された情報を文書として興味推定を行う場合における文書情報ＤＩを、文書情報ＤＩ３と記載する。
【0069】
ユーザにより投稿された複数の投稿情報ＰＯを投稿情報群ＰＯＧとすると、投稿情報群ＰＯＧには、複数の文書情報ＤＩ３が含まれる。１つの文書情報ＤＩ３には、１つの投稿情報ＰＯが含まれる。同図には、文書情報ＤＩ３として文書情報ＤＩ３－１、文書情報ＤＩ３－２、…、文書情報ＤＩ３－ｎ（ｎは１以上の自然数）が含まれる場合の一例を記載する。文書情報ＤＩ３－１には投稿情報ＰＯとして投稿情報ＰＯ３１が含まれ、文書情報ＤＩ３－２には投稿情報ＰＯとして投稿情報ＰＯ３２が含まれ、…、文書情報ＤＩ３－ｎには投稿情報ＰＯとして投稿情報ＰＯ３ｎが含まれる。
【0070】
図８は、第２の実施形態に係る文書情報の第二の例について説明するための図である。同図を参照しながら、興味推定装置１０Ａが電子番組表を文書として興味推定を行う場合における一例について説明する。換言すれば、本一例において文書とは、映像及び音声を含むコンテンツに付随する概要文、出演者情報、字幕、他者のコメント、コンテンツの音声を音声認識処理することにより得られるテキストの少なくともいずれかを含む。興味推定装置１０Ａが電子番組表を文書として興味推定を行う場合における文書情報ＤＩを、文書情報ＤＩ４と記載する。なお、以下の説明においては、映像及び音声を含むコンテンツの一例としてテレビ番組の電子番組表について説明する。
【0071】
電子番組表ＥＰＧには、複数の文書情報ＤＩ４が含まれる。１つの文書情報ＤＩ４には、１つの番組情報ＰＲが含まれる。同図には、文書情報ＤＩ４として文書情報ＤＩ４－１１、文書情報ＤＩ４－２１、…、文書情報ＤＩ４－ｎ１及び文書情報ＤＩ４－１２、文書情報ＤＩ４－２２、…、文書情報ＤＩ４－ｎ２が含まれる場合の一例を記載する。文書情報ＤＩ４－１１には番組情報ＰＲとして番組情報ＰＲ４１１が含まれ、文書情報ＤＩ４－２１には番組情報ＰＲとして番組情報ＰＲ４２１が含まれ、文書情報ＤＩ４－ｎ１には番組情報ＰＲとして番組情報ＰＲ４ｎ１が含まれ、文書情報ＤＩ４－１２には番組情報ＰＲとして番組情報ＰＲ４１２が含まれ、文書情報ＤＩ４－２２には番組情報ＰＲとして番組情報ＰＲ４２２が含まれ、文書情報ＤＩ４－ｎ２には番組情報ＰＲとして番組情報ＰＲ４ｎ２が含まれる。
【0072】
図９は、第２の実施形態に係る統計演算の一例について説明するための図である。同図を参照しながら、統計演算部１６がｔｆ－ｉｄｆの最大値を求めることにより統計演算結果を算出する場合の一例について説明する。
【0073】
同図には、第１文書、第２文書及び第３文書に基づき興味度を算出する場合の一例を示す。第１キーワード、第２キーワード及び第３キーワードは、第１文書、第２文書及び第３文書から抽出されたキーワードである。第１キーワード、第２キーワード及び第３キーワードは、それぞれの文書から抽出される必要はなく、いずれの文書から抽出されてもよい。ｔｆ－ｉｄｆ算出部１５は、それぞれの文書と、それぞれのキーワードの全ての組み合わせについて、例えば上述した式（４）に基づきｔｆ－ｉｄｆを算出する。また、統計演算部１６及び興味度算出部１７は、算出されたｔｆ－ｉｄｆと上述した式（５）に基づき興味度ｉｎｔを算出する。
【0074】
具体的には、第１キーワード及び第１文書に基づいて算出されたｔｆ－ｉｄｆは３．８であり、第１キーワード及び第２文書に基づいて算出されたｔｆ－ｉｄｆは０であり、第１キーワード及び第３文書に基づいて算出されたｔｆ－ｉｄｆは２．５である。この場合、第１キーワードについての興味度は最大値である３．８となる。
また、第２キーワード及び第１文書に基づいて算出されたｔｆ－ｉｄｆは４．６であり、第２キーワード及び第２文書に基づいて算出されたｔｆ－ｉｄｆは４．１であり、第２キーワード及び第３文書に基づいて算出されたｔｆ－ｉｄｆは２．５である。この場合、第２キーワードについての興味度は最大値である４．６となる。
また、第３キーワード及び第１文書に基づいて算出されたｔｆ－ｉｄｆは０であり、第３キーワード及び第２文書に基づいて算出されたｔｆ－ｉｄｆは０．２であり、第３キーワード及び第３文書に基づいて算出されたｔｆ－ｉｄｆは６．１である。この場合、第３キーワードについての興味度は最大値である６．１となる。
また、第２キーワード及び第１文書に基づいて算出されたｔｆ－ｉｄｆは４．６であり、第２キーワード及び第２文書に基づいて算出されたｔｆ－ｉｄｆは４．１であり、第２キーワード及び第３文書に基づいて算出されたｔｆ－ｉｄｆは２．５である。この場合、第２キーワードについての興味度は最大値である４．６となる。
また、第３キーワード及び第１文書に基づいて算出されたｔｆ－ｉｄｆは０であり、第３キーワード及び第２文書に基づいて算出されたｔｆ－ｉｄｆは０．２であり、第３キーワード及び第３文書に基づいて算出されたｔｆ－ｉｄｆは６．１である。この場合、第３キーワードについての興味度は最大値である６．１となる。
【0075】
図９を参照しながら説明した一例からも明らかなように、ｔｆ－ｉｄｆの和を取れば第２キーワードの興味度が最も大きくなるところ、本実施形態によれば、最大値を興味度としているため、第３キーワードの興味度が高くなる。すなわち、第２の実施形態に係る興味推定装置１０Ａによれば、それぞれの文書のｔｆ－ｉｄｆの和が大きいか否かに関わらず、それぞれの文書のｔｆ－ｉｄｆの大きさに応じて興味度が算出される。よって、第２実施形態によれば、ユーザの発信頻度や視聴頻度に依存せず、興味度を算出することができる。
【0076】
［第２の実施形態のまとめ］
以上説明した実施形態によれば、興味推定装置１０Ａは、文書情報取得部１１を備えることにより複数の文書を取得し、キーワード抽出部１４を備えることにより取得した複数の文書から１以上のキーワードを抽出し、ｔｆ－ｉｄｆ算出部１５を備えることにより抽出されたキーワードについて文書ごとのｔｆ―ｉｄｆを算出し、統計演算部１６を備えることにより抽出されたキーワードごとに算出されたｔｆ―ｉｄｆの統計演算をし、興味度算出部１７を備えることによりｔｆ―ｉｄｆが統計演算された結果に基づいて、抽出されたキーワードごとの興味度を算出する。すなわち、本実施形態によれば、興味推定装置１０Ａは、ユーザが発信する複数の文書をそれぞれ別々の文書として捉え、視聴しなかった番組や他者が発信した情報をそれぞれ別々の文書として捉えることによりｔｆ―ｉｄｆを算出し、算出されたｔｆ―ｉｄｆに基づいた統計演算をすることにより興味度を算出する。したがって、興味推定装置１０Ａによれば、統計演算に応じて、ユーザの発信頻度や番組の放送頻度に依存しない興味度を算出することができる。よって、本実施形態によれば、ユーザの発信頻度や番組の放送頻度が低い場合であっても、ユーザが興味を持っている単語を精度よく検出することができる。
以上説明した実施形態によれば、興味推定装置１０Ａは、文書情報取得部１１を備えることにより複数の文書を取得し、キーワード抽出部１４を備えることにより取得した複数の文書から１以上のキーワードを抽出し、ｔｆ－ｉｄｆ算出部１５を備えることにより抽出されたキーワードについて文書ごとのｔｆ―ｉｄｆを算出し、統計演算部１６を備えることにより抽出されたキーワードごとに算出されたｔｆ―ｉｄｆの統計演算をし、興味度算出部１７を備えることによりｔｆ―ｉｄｆが統計演算された結果に基づいて、抽出されたキーワードごとの興味度を算出する。すなわち、本実施形態によれば、興味推定装置１０Ａは、ユーザが発信する複数の文書をそれぞれ別々の文書として捉え、視聴しなかった番組や他者が発信した情報をそれぞれ別々の文書として捉えることによりｔｆ―ｉｄｆを算出し、算出されたｔｆ―ｉｄｆに基づいた統計演算をすることにより興味度を算出する。したがって、興味推定装置１０Ａによれば、統計演算に応じて、ユーザの発信頻度や番組の放送頻度に依存しない興味度を算出することができる。よって、本実施形態によれば、ユーザの発信頻度や番組の放送頻度が低い場合であっても、ユーザが興味を持っている単語を精度よく検出することができる。
【0077】
また、上述した実施形態によれば、興味推定装置１０Ａにおいて、統計演算部１６は、抽出された１以上のキーワードそれぞれについて、文書ごとに算出されたｔｆ―ｉｄｆの最大値を算出し、興味度算出部１７は、統計演算部１６により算出されたｔｆ―ｉｄｆの最大値を興味度として算出する。したがって、本実施形態によれば、最大値に基づいて興味度を算出するため、ユーザの発信頻度や番組の放送頻度が低い場合であっても、ユーザが興味を持っている単語を精度よく検出することができる。
【0078】
また、上述した実施形態によれば、興味推定装置１０Ａにおいて、文書とは、映像及び音声を含むコンテンツに付随する概要文、出演者情報、字幕、他者のコメント、コンテンツの音声を音声認識処理することにより得られるテキストの少なくともいずれかを含む。したがって、本実施形態によれば、興味推定装置１０Ａは、電子番組表に基づいてユーザの興味度を算出することができる。
【0079】
また、上述した実施形態によれば、興味推定装置１０Ａにおいて、文書とは、ソーシャルネットワーキングサービスにおいて発信された情報を含む。したがって、興味推定装置１０Ａは、ユーザがソーシャルネットワーキングサービスにおいて発信した情報に基づいてユーザの興味度を算出することができる。
【0080】
［第３の実施形態］
次に、第３の実施形態について説明する。第３の実施形態に係る推薦装置２０は、第１の実施形態に係る興味推定装置１０又は第２の実施形態に係る興味推定装置１０Ａの少なくとも一方を用いて算出されたキーワードごとの興味度に基づき、推薦すべき文書を特定する。推薦装置２０は特定した文書に基づきユーザに推薦を行う。文書に基づいた推薦とは、文書に基づく商品またはサービス等を推薦することであってもよい。例えば、文書に基づく推薦とは、文書に関連する商品（すなわち、ユーザが興味を有しており、購買可能性のある商品）を推薦すること等であってもよい。以下の説明においては、文書に基づく推薦が、ユーザの興味度に基づいた放送番組を推薦することである場合の一例について説明する。
次に、第３の実施形態について説明する。第３の実施形態に係る推薦装置２０は、第１の実施形態に係る興味推定装置１０又は第２の実施形態に係る興味推定装置１０Ａの少なくとも一方を用いて算出されたキーワードごとの興味度に基づき、推薦すべき文書を特定する。推薦装置２０は特定した文書に基づきユーザに推薦を行う。文書に基づいた推薦とは、文書に基づく商品またはサービス等を推薦することであってもよい。例えば、文書に基づく推薦とは、文書に関連する商品（すなわち、ユーザが興味を有しており、購買可能性のある商品）を推薦すること等であってもよい。以下の説明においては、文書に基づく推薦が、ユーザの興味度に基づいた放送番組を推薦することである場合の一例について説明する。
【0081】
図１０は、第３の実施形態に係る推薦装置の一例について概略機能構成を示すブロック図である。同図を参照しながら、推薦装置２０の概略機能構成の一例について説明する。推薦装置２０は、興味推定装置１０又は興味推定装置１０Ａのいずれかにより算出された興味度に基づいた推薦を行う。以下の説明においては、一例として興味推定装置１０により算出された興味度に基づいた推薦を行う場合の一例について説明する。推薦装置２０は、興味ベクトル算出部２１と、スコア算出部２２と、特定部２３と、出力部２４と、ｔｆ－ｉｄｆベクトル算出部２５とを備える。
【0082】
興味推定装置１０には、過去一定期間に放送された番組の概要文や出演者情報等が記載された電子番組表データと未来の一定期間に放送予定の番組の概要文や出演者情報等が記載された電子番組表データが文書として入力される。さらには、ユーザの過去一定期間の番組視聴履歴も入力される。興味推定装置１０はユーザの各キーワードに対する興味度を出力する。さらには、未来の一定期間に放送予定のそれぞれの番組について、概要文や出演者情報等が記載された電子番組表データを文書として扱い、それぞれについて各キーワードに対するｔｆ－ｉｄｆを出力する。
興味ベクトル算出部２１は、興味推定装置１０から複数の興味度ＩＬとｔｆ－ｉｄｆを取得する。複数の興味度ＩＬとは、興味推定装置１０により推定されたキーワードに応じた興味度である。興味ベクトル算出部２１は、取得した複数の興味度ＩＬに基づき、興味ベクトルＩＶを算出する。換言すれば、興味ベクトル算出部２１は、興味推定装置１０により出力された複数のキーワードにそれぞれ応じた複数の興味度に基づき、興味ベクトルＩＶを算出する。興味ベクトルＩＶは、興味推定装置１０により推定された複数のキーワードの興味度に基づき算出される。興味度ベクトルＩＶは、例えばキーワードの数に応じた次元数を有し、キーワードに応じた興味度ＩＬに基づいて決定される。興味ベクトル算出部２１は、算出した興味度ベクトルＩＶをスコア算出部２２に出力する。
ｔｆ－ｉｄｆベクトル算出部２５は、未来の一定期間に放送予定の番組に対して得られた各キーワードに対するｔｆ－ｉｄｆに基づき、ｔｆ－ｉｄｆベクトルＴＩＶを算出する。具体的には、ｔｆ－ｉｄｆベクトル算出部２５は、興味推定装置１０からｔｆ－ｉｄｆ算出部１５により算出された結果である算出結果情報ＣＲＩを取得し、取得したｔｆ－ｉｄｆに基づき、ｔｆ－ｉｄｆベクトルＴＩＶを算出する。ｔｆ－ｉｄｆベクトル算出部２５は、算出したｔｆ－ｉｄｆベクトルＴＩＶをスコア算出部２２に出力する。
興味ベクトル算出部２１は、興味推定装置１０から複数の興味度ＩＬとｔｆ－ｉｄｆを取得する。複数の興味度ＩＬとは、興味推定装置１０により推定されたキーワードに応じた興味度である。興味ベクトル算出部２１は、取得した複数の興味度ＩＬに基づき、興味ベクトルＩＶを算出する。換言すれば、興味ベクトル算出部２１は、興味推定装置１０により出力された複数のキーワードにそれぞれ応じた複数の興味度に基づき、興味ベクトルＩＶを算出する。興味ベクトルＩＶは、興味推定装置１０により推定された複数のキーワードの興味度に基づき算出される。興味度ベクトルＩＶは、例えばキーワードの数に応じた次元数を有し、キーワードに応じた興味度ＩＬに基づいて決定される。興味ベクトル算出部２１は、算出した興味度ベクトルＩＶをスコア算出部２２に出力する。
ｔｆ－ｉｄｆベクトル算出部２５は、未来の一定期間に放送予定の番組に対して得られた各キーワードに対するｔｆ－ｉｄｆに基づき、ｔｆ－ｉｄｆベクトルＴＩＶを算出する。具体的には、ｔｆ－ｉｄｆベクトル算出部２５は、興味推定装置１０からｔｆ－ｉｄｆ算出部１５により算出された結果である算出結果情報ＣＲＩを取得し、取得したｔｆ－ｉｄｆに基づき、ｔｆ－ｉｄｆベクトルＴＩＶを算出する。ｔｆ－ｉｄｆベクトル算出部２５は、算出したｔｆ－ｉｄｆベクトルＴＩＶをスコア算出部２２に出力する。
【0083】
スコア算出部２２は、興味ベクトル算出部２１により算出された興味ベクトルＩＶと未来に放送予定の番組のｔｆ－ｉｄｆベクトルに基づいたスコアを算出する。スコア算出部２２は、例えば、取得した興味度ベクトルＩＶと未来に放送予定の番組のｔｆ－ｉｄｆベクトルとのコサイン類似度を算出し、算出した類似度をスコアとして算出してもよい。すなわち、スコア算出部２２は、算出された興味ベクトルＩＶに基づき、推薦候補である文書ごとに算出されたベクトルとの類似度を示すスコアを算出する。スコア算出部２２は、推薦する対象となる複数の文書とのコサイン類似度を算出することにより、複数のスコアを算出する。スコア算出部２２は、算出した複数のスコアをスコア情報ＳＩとして特定部２３に出力する。
【0084】
特定部２３は、スコア算出部２２からスコア情報ＳＩを取得する。特定部２３は、スコア算出部２２により算出された複数のスコアに基づいて、推薦文書を特定する。特定部２３は、例えば興味度ベクトルＩＶと最も類似する文書を推薦文書として特定する。特定部２３は、特定した推薦文書を含む情報を、推薦情報ＲＩとして出力する。
出力部２４は、特定部２３から推薦情報ＲＩを取得する。出力部２４は、取得した推薦情報ＲＩに含まれる推薦文書を出力する。出力部２４は、例えば不図示の表示部に推薦文書を表示させることにより推薦キーワードを出力してもよい。また、出力部２４は、例えば不図示の音声出力部に推薦文書を読み上げさせることにより推薦文書を出力してもよい。
出力部２４は、特定部２３から推薦情報ＲＩを取得する。出力部２４は、取得した推薦情報ＲＩに含まれる推薦文書を出力する。出力部２４は、例えば不図示の表示部に推薦文書を表示させることにより推薦キーワードを出力してもよい。また、出力部２４は、例えば不図示の音声出力部に推薦文書を読み上げさせることにより推薦文書を出力してもよい。
【0085】
図１１は、第３の実施形態に係る推薦装置の変形例について概略機能構成を示すブロック図である。同図を参照しながら、第３の実施形態の変形例に係る推薦装置２０Ａの概略機能構成の一例について説明する。推薦装置２０Ａは、興味推定装置１０及び興味推定装置１０Ａによりそれぞれ算出された興味度に基づいた推薦を行う点において、推薦装置２０とは異なる。推薦装置２０Ａは、第１興味ベクトル算出部２１Ａと、第１スコア算出部２２Ａと、第１ｔｆ－ｉｄｆベクトル算出部２５Ａと、第２興味ベクトル算出部２１Ｂと、第２スコア算出部２２Ｂと、第２ｔｆ－ｉｄｆベクトル算出部２５Ｂと、特定部２３Ａと、出力部２４とを備える。興味推定装置１０Ａの説明において、興味推定装置１０と同様の構成については同様の符号を付すことにより説明を省略する場合がある。
【0086】
第１興味ベクトル算出部２１Ａは、興味推定装置１０から第１の興味度ＩＬ１を取得する。第１の興味度ＩＬ１とは、興味推定装置１０により推定されたキーワードごとの興味度である。第１興味ベクトル算出部２１Ａは、興味推定装置１０により出力されたキーワードごとの興味度に基づき、１の第１興味ベクトルＩＶ１を算出する。換言すれば、第１興味ベクトル算出部２１Ａは、興味推定装置１０により出力された複数のキーワードにそれぞれ応じた複数の興味度に基づき、第１興味ベクトルＩＶ１を算出する。第１興味ベクトル算出部２１Ａは、算出した第１興味度ベクトルＩＶ１を第１スコア算出部２２Ａに出力する。
第１ｔｆ－ｉｄｆベクトル算出部２５Ａは、未来の一定期間に放送予定の番組に対して得られた各キーワードに対するｔｆ－ｉｄｆに基づき、第１ｔｆ－ｉｄｆベクトルＴＩＶ１を算出する。具体的には、第１ｔｆ－ｉｄｆベクトル算出部２５Ａは、興味推定装置１０からｔｆ－ｉｄｆ算出部１５により算出された結果である第１算出結果情報ＣＲＩ１を取得し、取得したｔｆ－ｉｄｆに基づき、第１ｔｆ－ｉｄｆベクトルＴＩＶ１を算出する。第１ｔｆ－ｉｄｆベクトル算出部２５Ａは、算出した第１ｔｆ－ｉｄｆベクトルＴＩＶ１を第１スコア算出部２２Ａに出力する。
第１スコア算出部２２Ａは、算出された第１興味ベクトルＩＶ１と、第１ｔｆ－ｉｄｆベクトル算出部２５Ａにより算出された推薦候補の文書のｔｆ－ｉｄｆベクトルである第１ｔｆ－ｉｄｆベクトルＴＩＶ１の類似度を示す第１スコアを算出する。スコア算出部２２は、算出した第１スコアを第１スコア情報ＳＩ１として特定部２３Ａに出力する。
第１ｔｆ－ｉｄｆベクトル算出部２５Ａは、未来の一定期間に放送予定の番組に対して得られた各キーワードに対するｔｆ－ｉｄｆに基づき、第１ｔｆ－ｉｄｆベクトルＴＩＶ１を算出する。具体的には、第１ｔｆ－ｉｄｆベクトル算出部２５Ａは、興味推定装置１０からｔｆ－ｉｄｆ算出部１５により算出された結果である第１算出結果情報ＣＲＩ１を取得し、取得したｔｆ－ｉｄｆに基づき、第１ｔｆ－ｉｄｆベクトルＴＩＶ１を算出する。第１ｔｆ－ｉｄｆベクトル算出部２５Ａは、算出した第１ｔｆ－ｉｄｆベクトルＴＩＶ１を第１スコア算出部２２Ａに出力する。
第１スコア算出部２２Ａは、算出された第１興味ベクトルＩＶ１と、第１ｔｆ－ｉｄｆベクトル算出部２５Ａにより算出された推薦候補の文書のｔｆ－ｉｄｆベクトルである第１ｔｆ－ｉｄｆベクトルＴＩＶ１の類似度を示す第１スコアを算出する。スコア算出部２２は、算出した第１スコアを第１スコア情報ＳＩ１として特定部２３Ａに出力する。
【0087】
第２興味ベクトル算出部２１Ｂは、興味推定装置１０Ａから第２の興味度ＩＬ２を取得する。第２の興味度ＩＬ２とは、興味推定装置１０Ａにより推定されたキーワードごとの興味度である。第２興味ベクトル算出部２１Ｂは、興味推定装置１０Ａにより出力されたキーワードごとの興味度に基づき、１の第２興味ベクトルＩＶ２を算出する。換言すれば、第２興味ベクトル算出部２１Ｂは、興味推定装置１０Ａにより出力された複数のキーワードにそれぞれ応じた複数の興味度に基づき、第２興味ベクトルＩＶ２を算出する。第２興味ベクトル算出部２１Ｂは、算出した第２興味度ベクトルＩＶ２を第２スコア算出部２２Ｂに出力する。
第２ｔｆ－ｉｄｆベクトル算出部２５Ｂは、未来の一定期間に放送予定の番組に対して得られた各キーワードに対するｔｆ－ｉｄｆに基づき、第２ｔｆ－ｉｄｆベクトルＴＩＶ２を算出する。具体的には、第２ｔｆ－ｉｄｆベクトル算出部２５Ｂは、興味推定装置１０Ａからｔｆ－ｉｄｆ算出部１５により算出された結果である第２算出結果情報ＣＲＩ２を取得し、取得したｔｆ－ｉｄｆに基づき、第２ｔｆ－ｉｄｆベクトルＴＩＶ２を算出する。第２ｔｆ－ｉｄｆベクトル算出部２５Ｂは、算出した第２ｔｆ－ｉｄｆベクトルＴＩＶ２を第２スコア算出部２２Ｂに出力する。
第２スコア算出部２２Ｂは、算出された第２興味ベクトルＩＶ２と、第１ｔｆ－ｉｄｆベクトル算出部２５Ａにより算出された推薦候補の文書のｔｆ－ｉｄｆベクトルである第１ｔｆ－ｉｄｆベクトルＴＩＶ１の類似度を示す第２スコアを算出する。第２スコア算出部２２Ｂは、算出した第２スコアを第２スコア情報ＳＩ２として特定部２３Ａに出力する。
第２ｔｆ－ｉｄｆベクトル算出部２５Ｂは、未来の一定期間に放送予定の番組に対して得られた各キーワードに対するｔｆ－ｉｄｆに基づき、第２ｔｆ－ｉｄｆベクトルＴＩＶ２を算出する。具体的には、第２ｔｆ－ｉｄｆベクトル算出部２５Ｂは、興味推定装置１０Ａからｔｆ－ｉｄｆ算出部１５により算出された結果である第２算出結果情報ＣＲＩ２を取得し、取得したｔｆ－ｉｄｆに基づき、第２ｔｆ－ｉｄｆベクトルＴＩＶ２を算出する。第２ｔｆ－ｉｄｆベクトル算出部２５Ｂは、算出した第２ｔｆ－ｉｄｆベクトルＴＩＶ２を第２スコア算出部２２Ｂに出力する。
第２スコア算出部２２Ｂは、算出された第２興味ベクトルＩＶ２と、第１ｔｆ－ｉｄｆベクトル算出部２５Ａにより算出された推薦候補の文書のｔｆ－ｉｄｆベクトルである第１ｔｆ－ｉｄｆベクトルＴＩＶ１の類似度を示す第２スコアを算出する。第２スコア算出部２２Ｂは、算出した第２スコアを第２スコア情報ＳＩ２として特定部２３Ａに出力する。
【0088】
特定部２３Ａは、第１スコア算出部２２Ａから第１スコア情報ＳＩ１を取得し、第２スコア算出部２２Ｂから第２スコア情報ＳＩ２を取得する。特定部２３Ａは、算出された第１スコアＳＩ１及び第２スコアＳＩ２に基づいて、推薦文書を特定する。具体的には、特定部２３Ａは、算出された第１スコアＳＩ１及び第２スコアＳＩ２に基づいて、類似度が高い文書を推薦文書として特定してもよい。特定部２３は、特定した推薦文書を含む情報を、推薦情報ＲＩとして出力する。
【0089】
すなわち、第３の実施形態の変形例によれば、興味推定装置１０により推定された興味度及び興味推定装置１０Ａにより推定された興味度のそれぞれについて、興味ベクトルを算出し、算出されたそれぞれの興味度ベクトルに基づき、推薦文書を特定する。ここで、興味推定装置１０によれば、ユーザにより発信された頻度が高いキーワードの興味度が高くなり、興味推定装置１０Ａによれば、ユーザにより発信された頻度が低いキーワードでも興味度が高くなる。したがって、推薦装置２０Ａによれば、双方の興味推定装置１０により推定された興味度に基づいた推薦を行うことができる。
【0090】
なお、推薦装置２０Ａは、興味推定装置１０により推定された興味度に基づいた推薦文書及び興味推定装置１０Ａにより推定された興味度に基づく推薦文書の双方を出力してもよい。この場合、特定部２３Ａは、不図示の第１特定部２３Ａ１と、不図示の第２特定部２３Ａ２とを有していてもよい。第１特定部２３Ａ１は、算出された第１スコアＳＩ１に基づいて類似度が高い文書を第１推薦文書として特定する。第２特定部２３Ａ２は、算出された第２スコアＳＩ２に基づいて類似度が高い文書を第２推薦文書として特定する。出力部２４は、第１特定部２３Ａ１により特定された第１推薦文書と、第２特定部２３Ａ２により特定された第２推薦文書の双方を出力する。
【0091】
［評価実験］
次に、図１２及び図１３を参照しながら、上述した推薦装置２０Ａを用いた場合における評価実験の手法と結果について説明する。評価実験では、過去のある対象期間においてユーザが視聴した放送番組に基づいて、興味推定装置１０及び興味推定装置１０Ａにより推定した興味度を用いて番組推薦を行い、当該対象期間経過後に実際にユーザが視聴した放送番組と、推薦装置２０Ａにより推薦された放送番組とを比較することにより、評価を行った。評価実験の対象とした視聴者数は５名であり、評価期間は２０１６年１月１日から２０１７年１月８日までとした。
なお、以下の説明においては、興味推定装置１０を用いた手法を第１手法と記載し、興味推定装置１０Ａを用いた手法を第２手法と記載する場合がある。
次に、図１２及び図１３を参照しながら、上述した推薦装置２０Ａを用いた場合における評価実験の手法と結果について説明する。評価実験では、過去のある対象期間においてユーザが視聴した放送番組に基づいて、興味推定装置１０及び興味推定装置１０Ａにより推定した興味度を用いて番組推薦を行い、当該対象期間経過後に実際にユーザが視聴した放送番組と、推薦装置２０Ａにより推薦された放送番組とを比較することにより、評価を行った。評価実験の対象とした視聴者数は５名であり、評価期間は２０１６年１月１日から２０１７年１月８日までとした。
なお、以下の説明においては、興味推定装置１０を用いた手法を第１手法と記載し、興味推定装置１０Ａを用いた手法を第２手法と記載する場合がある。
【0092】
図１２は、第３の実施形態に係る推薦装置を用いた評価実験の方法について説明するための図である。まず、同図を参照しながら評価実験の方法について説明する。同図に記載された１から１４の数字は日付を示す。すなわち同図には２０１６年１月１日から１４日までの日にちが示されている。本評価実験では学習期間を７日間とする。学習期間とは、興味推定装置１０及び興味推定装置１０Ａが興味推定のために用いる文書をユーザから取得するための期間である。また、本評価実験では学習期間の翌日をテスト日とする。テスト日とは、学習期間に取得された文書に基づいて興味度の推定を行う日である。テスト日には、学習期間に取得された文書、学習期間のユーザの番組視聴履歴、テスト期間に取得された文書に基づき、興味推定装置１０及び興味推定装置１０Ａによりユーザの各キーワードに対する興味度が算出される。また、テスト日には、算出された興味度に基づき、推薦装置２０Ａにより推薦文書（すなわち、本評価実験においては放送番組）が算出される。
【0093】
ここで、本評価実験では過去の情報を用いているため、推薦装置２０により推薦された放送番組と、実際にユーザが視聴した放送番組とが一致するか否かを比較することにより評価を行うことができる。本評価実験では、スコアが大きかった上位１０番組が実際に視聴された割合により評価を行った。
【0094】
学習期間と、対応するテスト日とをまとめて、ウィンドウとも記載する。２０１６年１月１日から８日までのウィンドウをウィンドウＷ１と記載する。上述した方法によりウィンドウＷ１におけるスコアが算出されると、ウィンドウを１日ずらして、次のウィンドウにおけるスコアが算出される。具体的には、２０１６年１月２日から９日までのウィンドウＷ２、２０１６年１月３日から１０日までのウィンドウＷ３、…、２０１６年１２月３１日から２０１７年１月７日までのウィンドウＷ３６５についてそれぞれスコアが算出される。
【0095】
図１３は、第３の実施形態に係る推薦装置を用いた評価実験の結果について説明するための図である。同図を参照しながら、図１２を参照しながら説明した方法により行われた実験の結果について説明する。同図には、視聴者１から視聴者５について実験を行った結果を示す。視聴者１は、５９才の女性である。視聴者２は、３１才の女性である。視聴者３は、３６才の男性である。視聴者４は、５２才の男性である。視聴者５は、２５才の男性である。
【0096】
図１３には、視聴者１から視聴者５について実験を行った結果を示す。具体的には、視聴者１から視聴者５それぞれについて、チャンスレベル、第１手法による結果、第２手法による結果、及び興味度上位１０単語の類似度(Ｊａｃｃａｒｄ係数)を示す。同図に示す値は、図１２を参照しながら説明した方法により得られた３６５個のウィンドウの平均値を示す。
【0097】
チャンスレベルとは、視聴者が実際に視聴した番組数を、放送番組数で割った値である。視聴者が実際に視聴した番組数は視聴者によって異なるが、放送番組数は各視聴者共通である。第１手法による結果とは、第１手法により算出された興味度に基づいた結果である。第２手法による結果とは、第２手法により算出された興味度に基づいた結果である。さらに、第１手法により算出された興味度上位１０単語と第２手法により算出された興味度上位１０単語の類似度をＪａｃｃａｒｄ係数で示した。Ｊａｃｃａｒｄ係数とは、集合間の類似度であり、１に近いほど２つの集合が類似していることを示し、０に近いほど２つの集合が類似していないことを示す。
【0098】
図１３に示すように、視聴者１のチャンスレベルは“０．０５６”であり、第１手法による結果は“０．２２６”であり、第２手法による結果は“０．２２１”であり、Ｊａｃｃａｒｄ係数は“０．１４３”である。視聴者２のチャンスレベルは“０．０２８”であり、第１手法による結果は“０．１０４”であり、第２手法による結果は“０．１０６”であり、Ｊａｃｃａｒｄ係数は“０．５６６”である。視聴者３のチャンスレベルは“０．０２９”であり、第１手法による結果は“０．１４１”であり、第２手法による結果は“０．１１４”であり、Ｊａｃｃａｒｄ係数は“０．３６６”である。視聴者４のチャンスレベルは“０．０９３”であり、第１手法による結果は“０．３１２”であり、第２手法による結果は“０．３９７”であり、Ｊａｃｃａｒｄ係数は“０．０６３”である。
【0099】
第１手法による結果及び第２手法による結果のいずれを見ても、チャンスレベルを大きく上回る推薦精度であることが分かる。また、５人中３人の視聴者（視聴者２、視聴者４及び視聴者５）については、第１手法より第２手法の方がより高い推薦精度が得られた。また、第１手法により得られた興味度上位１０単語と第２手法により得られた興味度上位１０単語の類似度は低く、それぞれ性質の異なる興味度が得られたことが分かる。
【0100】
［第３の実施形態のまとめ］
以上説明した実施形態によれば、推薦装置２０は、興味ベクトル算出部２１を備えることにより興味推定装置１０又は興味推定装置１０Ａにより出力された複数のキーワードにそれぞれ応じた複数の興味度と各推薦文書のｔｆ－ｉｄｆに基づき、それぞれ興味ベクトルとｔｆ－ｉｄｆベクトルを生成し、スコア算出部２２を備えることにより生成されたユーザの興味ベクトルと推薦候補文書のｔｆ－ｉｄｆベクトルに基づき類似度を示す推薦候補文書のスコアを算出し、特定部２３を備えることにより算出されたスコアに基づいて類似度が高い文書を推薦文書として特定し、出力部２４を備えることにより特定部２３により特定された推薦文書を出力する。すなわち、推薦装置２０によれば、興味推定装置１０又は興味推定装置１０Ａにより出力されたキーワードごとの興味度に基づき、ユーザが興味を有している文書を推薦する。したがって、本実施形態によれば、推薦装置２０は、ユーザの興味度に基づいた推薦を行うことができる。
以上説明した実施形態によれば、推薦装置２０は、興味ベクトル算出部２１を備えることにより興味推定装置１０又は興味推定装置１０Ａにより出力された複数のキーワードにそれぞれ応じた複数の興味度と各推薦文書のｔｆ－ｉｄｆに基づき、それぞれ興味ベクトルとｔｆ－ｉｄｆベクトルを生成し、スコア算出部２２を備えることにより生成されたユーザの興味ベクトルと推薦候補文書のｔｆ－ｉｄｆベクトルに基づき類似度を示す推薦候補文書のスコアを算出し、特定部２３を備えることにより算出されたスコアに基づいて類似度が高い文書を推薦文書として特定し、出力部２４を備えることにより特定部２３により特定された推薦文書を出力する。すなわち、推薦装置２０によれば、興味推定装置１０又は興味推定装置１０Ａにより出力されたキーワードごとの興味度に基づき、ユーザが興味を有している文書を推薦する。したがって、本実施形態によれば、推薦装置２０は、ユーザの興味度に基づいた推薦を行うことができる。
【0101】
また、上述した実施形態によれば、推薦装置２０Ａは、第１興味ベクトル算出部２１Ａを備えることにより興味推定装置１０により出力された複数のキーワードにそれぞれ応じた複数の興味度に基づき第１興味ベクトルを算出し、第１ｔｆ－ｉｄｆベクトル算出部２５Ａを備えることによりｔｆ－ｉｄｆベクトルを生成し、第１スコア算出部２２Ａを備えることにより算出された第１興味ベクトルとｔｆ－ｉｄｆベクトルとに基づき類似度を示す推薦候補文書の第１スコアを算出し、第２興味ベクトル算出部２１Ｂを備えることにより興味推定装置１０Ａにより出力された複数のキーワードにそれぞれ応じた複数の興味度に基づき第２興味ベクトルを算出し、第２ｔｆ－ｉｄｆベクトル算出部２５Ｂを備えることによりｔｆ－ｉｄｆベクトルを生成し、第２スコア算出部２２Ｂを備えることにより算出された第２興味ベクトルとｔｆ－ｉｄｆベクトルとに基づき類似度を示す第２スコアを算出し、特定部２３Ａを備えることにより算出された第１スコア及び第２スコアに基づいて、類似度が高い文書を推薦文書として特定し、出力部２４を備えることにより特定された推薦文書を出力する。すなわち、推薦装置２０Ａによれば、興味推定装置１０により出力されたキーワードごとの興味度に基づき推薦された文書と、興味推定装置１０Ａにより出力されたキーワードごとの興味度に基づき推薦された文書との双方に基づいた推薦を行う。
ここで、興味推定装置１０による第１手法は、ユーザが興味を持つキーワードに関連した文書が高頻度に発行される場合の推薦に向いており、番組推薦に応用される場合はユーザがニュース番組や天気予報のような毎日放送される番組に興味を持つ場合に効果を発揮する。一方、興味推定装置１０Ａによる第２手法は、ユーザが興味を持つキーワードに関連した文書の発行頻度が低い場合の推薦に向いており、番組推薦に応用される場合はユーザがドラマなど週に1回しか放送されない番組に興味を持つ場合に効果を発揮する。本実施形態によれば、推薦装置２０Ａは第１手法により推薦された文書と、第２手法により推薦された文書の双方に基づいて、精度よくユーザが興味を有している番組を推薦することができる。
ここで、興味推定装置１０による第１手法は、ユーザが興味を持つキーワードに関連した文書が高頻度に発行される場合の推薦に向いており、番組推薦に応用される場合はユーザがニュース番組や天気予報のような毎日放送される番組に興味を持つ場合に効果を発揮する。一方、興味推定装置１０Ａによる第２手法は、ユーザが興味を持つキーワードに関連した文書の発行頻度が低い場合の推薦に向いており、番組推薦に応用される場合はユーザがドラマなど週に1回しか放送されない番組に興味を持つ場合に効果を発揮する。本実施形態によれば、推薦装置２０Ａは第１手法により推薦された文書と、第２手法により推薦された文書の双方に基づいて、精度よくユーザが興味を有している番組を推薦することができる。
【0102】
また、上述した実施形態によれば、推薦装置２０Ａは、第１興味ベクトル算出部２１Ａを備えることにより興味推定装置１０により出力された複数のキーワードにそれぞれ応じた複数の興味度に基づき第１興味ベクトルを算出し、第１ｔｆ－ｉｄｆベクトル算出部２５Ａを備えることによりｔｆ－ｉｄｆベクトルを生成し、第１スコア算出部２２Ａを備えることにより算出された第１興味ベクトルとｔｆ－ｉｄｆベクトルとに基づき類似度を示す推薦候補文書の第１スコアを算出し、第１特定部２３Ａ１を備えることにより算出された第１スコアに基づいて類似度が高い文書を第１推薦文書として特定し、第２興味ベクトル算出部２１Ｂを備えることにより興味推定装置１０Ａにより出力された複数のキーワードにそれぞれ応じた複数の興味度に基づき第２興味ベクトルを算出し、第２ｔｆ－ｉｄｆベクトル算出部２５Ｂを備えることによりｔｆ－ｉｄｆベクトルを生成し、第２スコア算出部２２Ｂを備えることにより算出された第２興味ベクトルとｔｆ－ｉｄｆベクトルとに基づき類似度を示す第２スコアを算出し、第２特定部２３Ａ２を備えることにより算出された第２スコアに基づいて類似度が高い文書を第２推薦文書として特定し、出力部２４を備えることにより特定された第１推薦文書と第２推薦文書とを出力する。すなわち、推薦装置２０Ａによれば、興味推定装置１０により出力されたキーワードごとの興味度に基づき推薦された文書と、興味推定装置１０Ａにより出力されたキーワードごとの興味度に基づき推薦された文書との双方を出力する。
よって、本実施形態によれば、推薦装置２０Ａは第１手法により推薦された文書と、第２手法により推薦された文書の双方をユーザに推薦することができるため、精度よくユーザが興味を有している番組を推薦することができる。
よって、本実施形態によれば、推薦装置２０Ａは第１手法により推薦された文書と、第２手法により推薦された文書の双方をユーザに推薦することができるため、精度よくユーザが興味を有している番組を推薦することができる。
【0103】
なお、上述した実施形態における興味推定装置１０及び推薦装置２０が備える各部の機能全体あるいはその一部は、これらの機能を実現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、この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、実行することによって実現しても良い。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とする。
【0104】
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、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部のことをいう。さらに「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を送信する場合の通信線のように、短時間の間、動的にプログラムを保持するもの、その場合のサーバー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のように、一定時間プログラムを保持しているものも含んでも良い。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良く、さらに前述した機能をコンピュータシステムにすで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であっても良い。
【0105】
また、本明細書に記載された効果は、あくまで説明的または例示的なものであって限定的ではない。つまり、本開示に係る技術は、上記の効果とともに、または上記の効果に代えて、本明細書の記載から当業者には明らかな他の効果を奏しうる。また、本発明はこうした実施形態に何ら限定されるものではなく、本発明の趣旨を逸脱しない範囲内において種々の変形及び置換を加えることができる。
【符号の説明】
【0106】
１ 興味推定システム
１０ 興味推定装置
１１ 文書情報取得部
１２ 文書情報記憶部
１３ 結合部
１４ キーワード抽出部
１５ ｔｆ－ｉｄｆ算出部
１６ 統計演算部
１７ 興味度算出部
１８ 出力部
２０ 推薦装置
２１ 興味ベクトル算出部
２２ スコア算出部
２３ 特定部
２４ 出力部
３１ 第１情報処理装置
３２ 第２情報処理装置
ＤＩ 文書情報
ＣＤＩ 結合文書情報
ＫＩ キーワード情報
ＣＲＩ 算出結果情報
ＳＯＩ 統計演算情報
ＩＬ 興味度
ＰＯ 投稿情報
ＰＲ 番組情報
１０ 興味推定装置
１１ 文書情報取得部
１２ 文書情報記憶部
１３ 結合部
１４ キーワード抽出部
１５ ｔｆ－ｉｄｆ算出部
１６ 統計演算部
１７ 興味度算出部
１８ 出力部
２０ 推薦装置
２１ 興味ベクトル算出部
２２ スコア算出部
２３ 特定部
２４ 出力部
３１ 第１情報処理装置
３２ 第２情報処理装置
ＤＩ 文書情報
ＣＤＩ 結合文書情報
ＫＩ キーワード情報
ＣＲＩ 算出結果情報
ＳＯＩ 統計演算情報
ＩＬ 興味度
ＰＯ 投稿情報
ＰＲ 番組情報
【図1】
【図2】
【図3】
【図4】
【図5】
【図6】
【図7】
【図8】
【図9】
【図10】
【図11】
【図12】
【図13】