知財求人 - 知財ポータルサイト「IP Force」
(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】P2024013279
(43)【公開日】2024-02-01
(54)【発明の名称】視聴予測装置
(51)【国際特許分類】
H04N 21/258 20110101AFI20240125BHJP
G06Q 10/04 20230101ALI20240125BHJP
【ＦＩ】
H04N21/258
G06Q10/04
【審査請求】未請求
【請求項の数】3
【出願形態】ＯＬ
(21)【出願番号】P 2022115232
(22)【出願日】2022-07-20
(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】100106002
【弁理士】
【氏名又は名称】正林 真之
(74)【代理人】
【識別番号】100120891
【弁理士】
【氏名又は名称】林 一好
(72)【発明者】
【氏名】金子 豊
(72)【発明者】
【氏名】上村 真利奈
【テーマコード（参考）】
5C164
5L049
【Ｆターム（参考）】
5C164SC11P
5C164SC31S
5C164YA08
5C164YA10
5L049AA04
(57)【要約】
【課題】対象ユーザの現在までの視聴傾向から長いスパンでの対象ユーザの視聴傾向を予測することを可能とする視聴予測装置を提供すること。
【解決手段】
放送又は配信されるコンテンツを視聴する視聴ユーザの将来の視聴傾向を予測する視聴予測装置が、個々の視聴ユーザの視聴傾向を示す属性データから前記個々の視聴ユーザのスコア値を算出するスコア計算部と、対象ユーザのスコア値に類似するスコア値を持つ所定数の視聴ユーザを抽出するマッチング部と、前記マッチング部が抽出した前記所定数の視聴ユーザの視聴履歴をつなぎ合わせて１つの時系列の擬似視聴履歴を生成する擬似視聴履歴生成部と、を備える。
【選択図】図１
【解決手段】
放送又は配信されるコンテンツを視聴する視聴ユーザの将来の視聴傾向を予測する視聴予測装置が、個々の視聴ユーザの視聴傾向を示す属性データから前記個々の視聴ユーザのスコア値を算出するスコア計算部と、対象ユーザのスコア値に類似するスコア値を持つ所定数の視聴ユーザを抽出するマッチング部と、前記マッチング部が抽出した前記所定数の視聴ユーザの視聴履歴をつなぎ合わせて１つの時系列の擬似視聴履歴を生成する擬似視聴履歴生成部と、を備える。
【選択図】図１
【特許請求の範囲】
【請求項1】
放送又は配信されるコンテンツを視聴する視聴ユーザの将来の視聴傾向を予測する視聴予測装置であって、
個々の視聴ユーザの視聴傾向を示す属性データから前記個々の視聴ユーザのスコア値を算出するスコア計算部と、
対象ユーザのスコア値に類似するスコア値を持つ所定数の視聴ユーザを抽出するマッチング部と、
前記マッチング部が抽出した前記所定数の視聴ユーザの視聴履歴をつなぎ合わせて１つの時系列の擬似視聴履歴を生成する擬似視聴履歴生成部と、
を備える視聴予測装置。
個々の視聴ユーザの視聴傾向を示す属性データから前記個々の視聴ユーザのスコア値を算出するスコア計算部と、
対象ユーザのスコア値に類似するスコア値を持つ所定数の視聴ユーザを抽出するマッチング部と、
前記マッチング部が抽出した前記所定数の視聴ユーザの視聴履歴をつなぎ合わせて１つの時系列の擬似視聴履歴を生成する擬似視聴履歴生成部と、
を備える視聴予測装置。
【請求項2】
複数の視聴ユーザの視聴情報を収集し、前記視聴履歴として蓄積する視聴履歴取得部と、
複数の視聴ユーザそれぞれの前記視聴履歴とユーザ属性から前記属性データを生成する属性データ生成部と、
をさらに備え、
前記視聴情報を収集しながら前記視聴履歴を更新するとともに視聴ユーザの将来の視聴傾向を予測する請求項１に記載の視聴予測装置。
複数の視聴ユーザそれぞれの前記視聴履歴とユーザ属性から前記属性データを生成する属性データ生成部と、
をさらに備え、
前記視聴情報を収集しながら前記視聴履歴を更新するとともに視聴ユーザの将来の視聴傾向を予測する請求項１に記載の視聴予測装置。
【請求項3】
複数の視聴履歴をつなぎ合わせて生成された前記擬似視聴履歴から予測される将来の視聴時間を表示する擬似視聴履歴可視化部をさらに備え、
前記擬似視聴履歴可視化部は、前記予測される将来の視聴時間をグラフで示す請求項１又は請求項２に記載の視聴予測装置。
前記擬似視聴履歴可視化部は、前記予測される将来の視聴時間をグラフで示す請求項１又は請求項２に記載の視聴予測装置。
【発明の詳細な説明】
【技術分野】
【0001】
本発明は、放送又は配信されるコンテンツを視聴する視聴ユーザの将来の視聴傾向を予測する視聴予測装置に関する。具体的には、視聴予測装置において、蓄積された視聴履歴とユーザ属性から生成した属性データから、対象とする視聴ユーザの属性データに近い属性データを持つ視聴ユーザを見つけ、当該視聴ユーザの視聴履歴をつなげて一つの時系列の擬似的な視聴履歴データを作成することによって、対象とする視聴ユーザの将来の視聴時間や視聴時間帯、視聴番組のジャンルなどの視聴傾向を予測し、示すようにしたものである。
【背景技術】
【0002】
従来から、ユーザの視聴意欲や利便性の向上や、ユーザが知らなかったテレビ番組などのコンテンツの発見を促すため、コンテンツ提供者は多くのコンテンツの中からユーザが興味を持つであろうと思われるコンテンツを提示するコンテンツ推薦システムを用いている。多くのコンテンツの中から対象ユーザに推薦すべきコンテンツを抽出する方法（フィルタリング手法）として、非特許文献１には、コンテンツ（内容）に基づくフィルタリング手法と、協調フィルタリング手法が開示されている。
【0003】
内容に基づくフィルタリング（content-based filtering）は、対象ユーザが過去に視聴したコンテンツ（又は対象ユーザが高評価を付けたコンテンツ）に類似したコンテンツを推薦する手法である。コンテンツの類似性を調べる方法としては、コンテンツに関連する出演者や制作者、ジャンルなどのコンテンツの属性データを文書とみなし、ＴＦ－ＩＤＦ（Term Frequency-Inverse Document Frequency）などからそれぞれのコンテンツの特徴ベクトルを求め、特徴ベクトル間の距離を求める方法などがある。
【0004】
協調フィルタリング（collaborative filtering）は、対象ユーザと趣味嗜好が似ている他のユーザ（例えば、対象ユーザが過去に視聴したコンテンツと同じコンテンツを視聴した他のユーザ）を抽出し、そのユーザが視聴したコンテンツの中から対象ユーザが視聴していないコンテンツを推薦する手法である。協調フィルタリングは、対象ユーザと似た視聴傾向の他者の視聴履歴を利用することで、対象ユーザが知らなかったコンテンツを推薦できる特徴がある。そのため、セレンディピティ（予想外のものを発見すること。例えば、何かを探しているときに、探しているものとは別の価値のあるものを偶然見つけること。）を与えるコンテンツ推薦システムに利用することができる。しかし、実際には、対象ユーザが、将来的にどのコンテンツを視聴するかを予測することはできない。
【0005】
対象ユーザが将来視聴するコンテンツを予測する手法として、特許文献１～特許文献３に開示された手法がある。
特許文献１には、購買履歴の購買間隔と購買状態から求めた購入後上昇確率を推定し、それが最大となるようにリコメンドすることで、短期的な収益増加でなく長期的な収益増加を見越した、顧客生涯価値（ＬＴＶ：Lifetime Value of Customer）を高めるリコメンド手法が開示されている。
特許文献２には、複数のユーザの関心事から生成した関心事グラフから対象者の次の関心事を予測し推薦に用いる手法が開示されている。
特許文献３には、ターゲットユーザと嗜好が似ている革新者グループが利用したオブジェクトの中で、利用者数が多いほど小さな値とする人気度、どのくらい先行して利用したかを示す先行度、行動してからの経過時間により減衰する重要度を用いることで、ユーザが気づかない目新しいコンテンツを推薦する手法が開示されている。
特許文献１には、購買履歴の購買間隔と購買状態から求めた購入後上昇確率を推定し、それが最大となるようにリコメンドすることで、短期的な収益増加でなく長期的な収益増加を見越した、顧客生涯価値（ＬＴＶ：Lifetime Value of Customer）を高めるリコメンド手法が開示されている。
特許文献２には、複数のユーザの関心事から生成した関心事グラフから対象者の次の関心事を予測し推薦に用いる手法が開示されている。
特許文献３には、ターゲットユーザと嗜好が似ている革新者グループが利用したオブジェクトの中で、利用者数が多いほど小さな値とする人気度、どのくらい先行して利用したかを示す先行度、行動してからの経過時間により減衰する重要度を用いることで、ユーザが気づかない目新しいコンテンツを推薦する手法が開示されている。
【先行技術文献】
【非特許文献】
【0006】
【非特許文献1】神嶌敏弘：「推薦システム－情報過多時代をのりきる」、情報の科学と技術、５６巻１０号、ｐｐ．４５２～４５７、２００６
【特許文献】
【0007】
【特許文献1】特許第４８４７９１９号公報（発明の名称：リコメンド装置、リコメンド方法、リコメンドプログラムおよびそのプログラムを記録した記録媒体）
【0008】
【特許文献2】特許第５３５８０２４号公報（発明の名称：通信装置のユーザのプロファイルに導入される潜在的な将来の関心事を決定するための装置）
【0009】
【特許文献3】特許第５４８１２９５号公報（発明の名称：オブジェクト推薦装置、オブジェクト推薦方法、オブジェクト推薦プログラムおよびオブジェクト推薦システム）
【発明の概要】
【発明が解決しようとする課題】
【0010】
推薦システムは対象ユーザが将来どのようなコンテンツを視聴するかを予測するシステムと見なすことができる。コンテンツ提供者からすると、将来的に利用者がどのようなコンテンツに興味を持つかを知ることができると、今後のコンテンツの提供やコンテンツの制作等の参考になる。
【0011】
しかし、非特許文献１の内容に基づくフィルタリングは、対象者が過去に視聴したコンテンツと傾向が似たコンテンツを推薦する手法であり、現在、対象者が好んで視聴するコンテンツに類似するものを予測することはできるが、現在はあまり興味がないが、将来的に興味をもつような傾向が異なるコンテンツを予測することはできない。
また、同じく協調フィルタリングは、対象者と趣味嗜好が似た他の利用者の視聴コンテンツを利用することで、セレンディピティのあるコンテンツを推薦できる可能性はあるものの、推薦したコンテンツの中から実際にどのコンテンツに興味を持つかは、対象者がコンテンツを選択するまで分からない。
また、同じく協調フィルタリングは、対象者と趣味嗜好が似た他の利用者の視聴コンテンツを利用することで、セレンディピティのあるコンテンツを推薦できる可能性はあるものの、推薦したコンテンツの中から実際にどのコンテンツに興味を持つかは、対象者がコンテンツを選択するまで分からない。
【0012】
さらに、特許文献１～特許文献３の手法では、近い将来の視聴コンテンツをある程度予測できるとしても、５年先、１０年先といった長いスパンでの対象ユーザの視聴傾向を予測することまではできない。特に、ジャンル別の視聴時間などの長期的にマクロな予測をすることはできない。
【0013】
そこで、本発明は、対象ユーザの現在までの視聴傾向から、５年先、１０年先といった長いスパンでの対象ユーザの視聴傾向を予測することを可能とする視聴予測装置を提供することを目的とする。
なお、ここでいう視聴傾向とは、１日や１カ月単位の視聴時間や、時間帯別の視聴時間、視聴するコンテンツのジャンルなどを含む。
なお、ここでいう視聴傾向とは、１日や１カ月単位の視聴時間や、時間帯別の視聴時間、視聴するコンテンツのジャンルなどを含む。
【課題を解決するための手段】
【0014】
本発明に係る視聴予測装置は、個々の視聴ユーザの視聴傾向を示す属性データから前記個々の視聴ユーザのスコア値を算出するスコア計算部と、対象ユーザのスコア値に類似するスコア値を持つ所定数の視聴ユーザを抽出するマッチング部と、前記マッチング部が抽出した前記所定数の視聴ユーザの視聴履歴をつなぎ合わせて１つの時系列の擬似視聴履歴を生成する擬似視聴履歴生成部と、を備える。
【0015】
前記視聴予測装置が、複数の視聴ユーザの視聴情報を収集し、前記視聴履歴として蓄積する視聴履歴取得部と、複数の視聴ユーザそれぞれの前記視聴履歴とユーザ属性から前記属性データを生成する属性データ生成部と、をさらに備え、前記視聴情報を収集しながら前記視聴履歴を更新するとともに視聴ユーザの将来の視聴傾向を予測するようにしてもよい。
【0016】
視聴予測装置が、複数の視聴履歴をつなぎ合わせて生成された前記擬似視聴履歴から予測される将来の視聴時間を表示する擬似視聴履歴可視化部をさらに備え、前記擬似視聴履歴可視化部は、前記予測される将来の視聴時間をグラフで示すようにしてもよい。
【発明の効果】
【0017】
本発明によれば、対象とする視聴ユーザの将来の視聴傾向の予測値として、属性が似ている他の視聴ユーザの視聴履歴を用いた擬似視聴履歴を作成することが可能となる。そして、この擬似視聴履歴を用いることで、将来の視聴時間や時間帯別の視聴時間、将来的にどのようなジャンルを好んで視聴するようになるかなどを予測することが可能となる。
【図面の簡単な説明】
【0018】
【図1】本発明による視聴予測装置の実施形態の一例を示すブロック図である。
【図2】ユーザ属性Ｃの例を示す図である。
【図3】スコア算出の属性データを示す図である。
【図4】スコアデータＤの例を示す図である。
【図5】擬似視聴履歴生成部３の動作フローを示す図である。
【図6】マッチング部４の動作フローを示す図である。
【図7】擬似視聴履歴の例を示す図である。
【図8】擬似視聴履歴可視化部５の視聴予測の出力例を示す図である。
【図9】擬似視聴履歴可視化部５のジャンル別の視聴予測の出力例を示す図である。
【発明を実施するための形態】
【0019】
以下、添付図面を参照し、本発明の実施形態の一例について説明する。
なお、本実施形態の一例における「視聴」はテレビの放送番組の視聴を例に説明するが、これに限定されるものではなく、オンデマンドサービスなどの配信サービスの動画や音楽などのコンテンツの視聴や、各視聴ユーザが所持する録画機などで録画されたコンテンツの視聴であってもよい。
なお、本実施形態の一例における「視聴」はテレビの放送番組の視聴を例に説明するが、これに限定されるものではなく、オンデマンドサービスなどの配信サービスの動画や音楽などのコンテンツの視聴や、各視聴ユーザが所持する録画機などで録画されたコンテンツの視聴であってもよい。
【0020】
図１は、本発明による視聴予測装置の実施形態の一例を示すブロック図である。
視聴予測装置１００は、視聴履歴取得部１と、スコア計算部２と、擬似視聴履歴生成部３と、マッチング部４と、擬似視聴履歴可視化部５とを備える。また視聴予測装置１００は、さらに、番組情報Ａを蓄積する番組情報データベース６と、視聴履歴Ｂを蓄積する視聴履歴データベース７と、ユーザ属性Ｃを蓄積するユーザ属性データベース８と、スコアデータＤを蓄積するスコアデータデータベース９とを備える。
視聴予測装置１００は、視聴履歴取得部１と、スコア計算部２と、擬似視聴履歴生成部３と、マッチング部４と、擬似視聴履歴可視化部５とを備える。また視聴予測装置１００は、さらに、番組情報Ａを蓄積する番組情報データベース６と、視聴履歴Ｂを蓄積する視聴履歴データベース７と、ユーザ属性Ｃを蓄積するユーザ属性データベース８と、スコアデータＤを蓄積するスコアデータデータベース９とを備える。
【0021】
視聴予測装置１００は、日常的な個々の視聴ユーザの視聴情報Ｖを収集する。本実施形態の一例では、視聴予測装置１００がｎ人の視聴ユーザの視聴情報Ｖ（Ｖ０，Ｖ１，・・・，Ｖｎ－１）を収集し、個々の視聴ユーザは視聴ユーザ識別子ＩＤ（ＩＤ０，ＩＤ１，・・・，ＩＤｎ－１）で管理されている。
そして、視聴予測装置１００は、以下に詳述するように、指定された対象ユーザＩに対して擬似視聴履歴を生成し、生成した擬似視聴履歴に基づいて視聴予測データＥを出力する。
そして、視聴予測装置１００は、以下に詳述するように、指定された対象ユーザＩに対して擬似視聴履歴を生成し、生成した擬似視聴履歴に基づいて視聴予測データＥを出力する。
【0022】
（視聴履歴取得部１の説明）
視聴履歴取得部１は、個々の視聴ユーザの視聴情報Ｖ０～Ｖｎ－１を収集し、視聴履歴Ｂとして視聴履歴データベース７に蓄積する。
視聴履歴取得部１は、個々の視聴ユーザの視聴情報Ｖ０～Ｖｎ－１を収集し、視聴履歴Ｂとして視聴履歴データベース７に蓄積する。
【0023】
（視聴情報Ｖの説明）
本実施形態の一例では、視聴情報Ｖ（Ｖ０～Ｖｎ－１）は、視聴日時情報と、放送チャンネル情報とから構成される。視聴情報Ｖの視聴中の放送チャンネル情報の収集方法は、本発明では特に限定されるものではないので詳しい説明は省略するが、例えば、テレビ用のリモコンから情報を読み取る方法や、専用のリモコンを用いる方法、テレビから選局情報を取得する方法、テレビの映像や音声データから、視聴中の放送チャンネルを認識する方法などを用いることができる。
本実施形態の一例では、視聴情報Ｖ（Ｖ０～Ｖｎ－１）は、視聴日時情報と、放送チャンネル情報とから構成される。視聴情報Ｖの視聴中の放送チャンネル情報の収集方法は、本発明では特に限定されるものではないので詳しい説明は省略するが、例えば、テレビ用のリモコンから情報を読み取る方法や、専用のリモコンを用いる方法、テレビから選局情報を取得する方法、テレビの映像や音声データから、視聴中の放送チャンネルを認識する方法などを用いることができる。
【0024】
（番組情報Ａの説明）
本実施形態の一例では、番組情報Ａは、過去に放送された放送番組の電子番組表（ＥＰＧ）データである。ＥＰＧ情報には、放送日時、放送チャンネル、番組タイトル、番組ジャンルなどが保管されているが、番組情報Ａとしては、これらに限定されるものではなく、例えば、テレビ番組の映像や音声から、テレビ番組を特定するための映像や音声の特徴量データなどを一緒に保管するようにしてもよい。
本実施形態の一例では、番組情報Ａは、過去に放送された放送番組の電子番組表（ＥＰＧ）データである。ＥＰＧ情報には、放送日時、放送チャンネル、番組タイトル、番組ジャンルなどが保管されているが、番組情報Ａとしては、これらに限定されるものではなく、例えば、テレビ番組の映像や音声から、テレビ番組を特定するための映像や音声の特徴量データなどを一緒に保管するようにしてもよい。
【0025】
（視聴履歴Ｂの説明）
本実施形態の一例では、視聴履歴Ｂは、視聴ユーザ識別子ＩＤ、視聴日時、放送チャンネル、番組タイトル、番組ジャンル情報を構成データとする。構成データの視聴日時の粒度は特に限定されるものではないが、本実施形態の一例では、１分毎のデータとする。すなわち、視聴履歴Ｂを蓄積する視聴履歴データベース７には、ｎ人の視聴ユーザの１分毎に視聴した、日時、放送チャンネル、番組タイトル、番組ジャンルが蓄積されている。
視聴履歴取得部１は、視聴ユーザの視聴日時と放送チャンネルから番組情報Ａを検索して、番組タイトルと番組ジャンルを取得し、視聴履歴Ｂを作成する。
本実施形態の一例では、視聴履歴Ｂは、視聴ユーザ識別子ＩＤ、視聴日時、放送チャンネル、番組タイトル、番組ジャンル情報を構成データとする。構成データの視聴日時の粒度は特に限定されるものではないが、本実施形態の一例では、１分毎のデータとする。すなわち、視聴履歴Ｂを蓄積する視聴履歴データベース７には、ｎ人の視聴ユーザの１分毎に視聴した、日時、放送チャンネル、番組タイトル、番組ジャンルが蓄積されている。
視聴履歴取得部１は、視聴ユーザの視聴日時と放送チャンネルから番組情報Ａを検索して、番組タイトルと番組ジャンルを取得し、視聴履歴Ｂを作成する。
【0026】
（ユーザ属性Ｃの説明）
ユーザ属性Ｃは、視聴ユーザの属性情報である。図２に本実施形態の一例におけるユーザ属性Ｃの例を示す。本実施形態の一例では、それぞれ視聴ユーザ識別子ＩＤで管理される各視聴ユーザの調査対象年毎に、性別、年齢、結婚の有無、家族人数、家族構成、好みの番組ジャンルがユーザ属性Ｃとして保管されている。なお、本発明のユーザ属性Ｃはこれらに限定されるものではなく、例えば、住所、家族の年齢、職業、世帯年収、１カ月の小遣いの額、最終学歴など、さまざまなユーザ情報が含まれていてもよい。
ユーザ属性Ｃは、視聴ユーザの属性情報である。図２に本実施形態の一例におけるユーザ属性Ｃの例を示す。本実施形態の一例では、それぞれ視聴ユーザ識別子ＩＤで管理される各視聴ユーザの調査対象年毎に、性別、年齢、結婚の有無、家族人数、家族構成、好みの番組ジャンルがユーザ属性Ｃとして保管されている。なお、本発明のユーザ属性Ｃはこれらに限定されるものではなく、例えば、住所、家族の年齢、職業、世帯年収、１カ月の小遣いの額、最終学歴など、さまざまなユーザ情報が含まれていてもよい。
【0027】
（スコア計算部２の説明）
スコア計算部２は、視聴履歴Ｂとユーザ属性Ｃから、全視聴ユーザの１年毎の視聴傾向を示すスコア値を算出する。本実施形態の一例では１年毎の処理で説明するが、本発明は特にこの期間に限定されるものではなく、もっと短い６か月や、もっと長い２年などを処理単位期間としてもよい。
スコア計算部２は、視聴履歴Ｂとユーザ属性Ｃから、全視聴ユーザの１年毎の視聴傾向を示すスコア値を算出する。本実施形態の一例では１年毎の処理で説明するが、本発明は特にこの期間に限定されるものではなく、もっと短い６か月や、もっと長い２年などを処理単位期間としてもよい。
【0028】
スコア計算部２は、視聴履歴Ｂ及びユーザ属性Ｃから、各視聴ユーザの１年毎に、図３に示すスコア算出のための属性データを作成する。この属性データは、各視聴ユーザの調査対象年毎に、性別（Ｎｏ．３）、年齢（Ｎｏ．４）、結婚の有無（Ｎｏ．５）、家族人数（Ｎｏ．６）、家族構成（Ｎｏ．７）、好みの番組ジャンル（Ｎｏ．８）、１日の平均視聴時間（Ｎｏ．９）、平日の１日平均視聴時間（Ｎｏ．１０）、土日祝の１日平均視聴時間（Ｎｏ．１１）、ジャンル別の１日平均視聴時間（Ｎｏ．１２）、１時間ごとの時間帯別の１日平均視聴時間（Ｎｏ．１３）を含んでいる。図３の性別（Ｎｏ．３）～好みのジャンル（Ｎｏ．８）は、ユーザ属性Ｃから作成でき、Ｎｏ．９～Ｎｏ．１３の各種の平均視聴時間は、視聴履歴Ｂから作成できる。
【0029】
次に、スコア計算部２は、図３で示した属性データから、各視聴ユーザの１年毎のスコア値を算出する。本実施形態の一例では、スコア値として、主成分分析による因子得点を要素とするベクトルを用いる。
Ｎｏ．３～Ｎｏ．１３の各属性データを表現できるパラメータ数は図３に示したとおりであり、本実施形態の一例では、図３に示すパラメータ数の合計である６４パラメータで属性データを表現する。すなわち、６４次元のパラメータにより、視聴履歴Ｂ及びユーザ属性Ｃにより算出した全視聴ユーザの年間の属性データを用いて主成分分析を行う。そして、各視聴ユーザの属性データの主成分得点（各視聴ユーザの属性データのスコア値）を要素とした６４次元ベクトルを、調査対象の各年毎に算出して、スコアデータＤを生成する。
Ｎｏ．３～Ｎｏ．１３の各属性データを表現できるパラメータ数は図３に示したとおりであり、本実施形態の一例では、図３に示すパラメータ数の合計である６４パラメータで属性データを表現する。すなわち、６４次元のパラメータにより、視聴履歴Ｂ及びユーザ属性Ｃにより算出した全視聴ユーザの年間の属性データを用いて主成分分析を行う。そして、各視聴ユーザの属性データの主成分得点（各視聴ユーザの属性データのスコア値）を要素とした６４次元ベクトルを、調査対象の各年毎に算出して、スコアデータＤを生成する。
【0030】
なお、スコア値の計算方法はこれに限定されるものではなく、例えば、好みの番組ジャンル（Ｎｏ．８）の各ジャンルを他の属性データ（Ｎｏ．８を除くＮｏ．３～Ｎｏ．１３）で一般化線形回帰モデルであるロジスティック回帰分析により回帰式を導き、スコアベクトルとすることでもよい。また、ロジスティック回帰分析の代わりにニューラルネットワークを用いてもよい。
【0031】
（スコアデータＤの説明）
図４は本実施形態の一例でスコア計算部２が生成するスコアデータＤを示している。図４のスコアデータＤの各行は調査対象年を示し、各列はそれぞれ視聴ユーザ識別子ＩＤ（ＩＤ０，ＩＤ１，・・・，ＩＤｎ－１）で管理される視聴ユーザを示している。表内のデータは、調査対象時の視聴ユーザの年齢とスコア値を示している。例えば、２０１３年の調査時にはＩＤ０の視聴ユーザは３４歳であり、スコア計算部２が算出したスコア値が０．３であることを示している。また、２０１３年にはＩＤ１、ＩＤ２、ＩＤ３の視聴ユーザには視聴履歴がないことを示している。なお、本実施形態の一例では、スコア計算部２が出力するスコアは６４次元のベクトルであるが、図３では説明のため１次元のスコア値として示している。同様に、例えば、２０１８年の調査では、ＩＤ０の視聴ユーザは３９歳でありスコア値は０．２、ＩＤ１の視聴ユーザは３３歳でスコア値は０．６、ＩＤ２の視聴ユーザの視聴履歴はなし、ＩＤ３の視聴ユーザは３８歳でスコア値は０．４であることを示している。
図４は本実施形態の一例でスコア計算部２が生成するスコアデータＤを示している。図４のスコアデータＤの各行は調査対象年を示し、各列はそれぞれ視聴ユーザ識別子ＩＤ（ＩＤ０，ＩＤ１，・・・，ＩＤｎ－１）で管理される視聴ユーザを示している。表内のデータは、調査対象時の視聴ユーザの年齢とスコア値を示している。例えば、２０１３年の調査時にはＩＤ０の視聴ユーザは３４歳であり、スコア計算部２が算出したスコア値が０．３であることを示している。また、２０１３年にはＩＤ１、ＩＤ２、ＩＤ３の視聴ユーザには視聴履歴がないことを示している。なお、本実施形態の一例では、スコア計算部２が出力するスコアは６４次元のベクトルであるが、図３では説明のため１次元のスコア値として示している。同様に、例えば、２０１８年の調査では、ＩＤ０の視聴ユーザは３９歳でありスコア値は０．２、ＩＤ１の視聴ユーザは３３歳でスコア値は０．６、ＩＤ２の視聴ユーザの視聴履歴はなし、ＩＤ３の視聴ユーザは３８歳でスコア値は０．４であることを示している。
【0032】
（擬似視聴履歴生成部３の説明）
擬似視聴履歴生成部３は、指定された対象ユーザＩの将来の視聴傾向の予測である擬似視聴履歴を、スコアデータＤから作成する。
擬似視聴履歴生成部３は、指定された対象ユーザＩの将来の視聴傾向の予測である擬似視聴履歴を、スコアデータＤから作成する。
【0033】
（擬似視聴履歴の説明）
図７は本実施形態の一例での擬似視聴履歴を示した例である。本実施形態の一例における擬似視聴履歴は、対象ユーザＩの属性データと類似する他の視聴ユーザの視聴履歴を接続した視聴履歴である。図７は対象ユーザＩＤ２の擬似視聴履歴の例を示している。この例では、現在は２０２２年であり、ＩＤ２の視聴ユーザは３３歳である。視聴ユーザ識別子ＩＤ２には２０２０～２０２２年の視聴履歴があり、３４歳以降は他の視聴ユーザの視聴履歴をつなぎ合わせている。すなわち、３４～３９歳はＩＤ０の視聴ユーザ、４０～４２歳はＩＤ３の視聴ユーザの視聴履歴をつなぎ合わせている。このように、本発明では属性データが近い他の視聴ユーザの視聴履歴を用いることで、将来の視聴傾向の予測値とする。
図７は本実施形態の一例での擬似視聴履歴を示した例である。本実施形態の一例における擬似視聴履歴は、対象ユーザＩの属性データと類似する他の視聴ユーザの視聴履歴を接続した視聴履歴である。図７は対象ユーザＩＤ２の擬似視聴履歴の例を示している。この例では、現在は２０２２年であり、ＩＤ２の視聴ユーザは３３歳である。視聴ユーザ識別子ＩＤ２には２０２０～２０２２年の視聴履歴があり、３４歳以降は他の視聴ユーザの視聴履歴をつなぎ合わせている。すなわち、３４～３９歳はＩＤ０の視聴ユーザ、４０～４２歳はＩＤ３の視聴ユーザの視聴履歴をつなぎ合わせている。このように、本発明では属性データが近い他の視聴ユーザの視聴履歴を用いることで、将来の視聴傾向の予測値とする。
【0034】
図５は擬似視聴履歴生成部３の動作フローを示している。擬似視聴履歴生成部３は、対象ユーザＩに対して、予め決められた年齢Ｙまでの擬似視聴履歴をＭ個生成する。
擬似視聴履歴生成部３は、指定された対象ユーザＩの視聴ユーザ識別子ＩＤのスコアデータＤから、対象ユーザＩの最大の年齢を検索し、その年齢＋１の年齢を、次の接続先の視聴ユーザの属性データの条件として設定する（ステップＳ３－１）。また、性別、結婚の有無、家族人数、家族構成、好みの番組ジャンルなどを次の接続先の視聴ユーザ（接続先相手）の属性データの条件として設定することもできる。
次に、擬似視聴履歴生成部３は、マッチング部４を使って、設定した条件にマッチする接続先の視聴ユーザを検索し選択する（ステップＳ３－２）。
擬似視聴履歴生成部３は、指定された対象ユーザＩの視聴ユーザ識別子ＩＤのスコアデータＤから、対象ユーザＩの最大の年齢を検索し、その年齢＋１の年齢を、次の接続先の視聴ユーザの属性データの条件として設定する（ステップＳ３－１）。また、性別、結婚の有無、家族人数、家族構成、好みの番組ジャンルなどを次の接続先の視聴ユーザ（接続先相手）の属性データの条件として設定することもできる。
次に、擬似視聴履歴生成部３は、マッチング部４を使って、設定した条件にマッチする接続先の視聴ユーザを検索し選択する（ステップＳ３－２）。
【0035】
（マッチング部４の説明）
図６はマッチング部４の動作フローを示している。マッチング部４は、指定された接続先相手の属性データの条件にマッチする視聴ユーザ候補の中から、対象ユーザのスコア値に近い、上位Ｋ個の接続先の視聴ユーザを選択する。
図６はマッチング部４の動作フローを示している。マッチング部４は、指定された接続先相手の属性データの条件にマッチする視聴ユーザ候補の中から、対象ユーザのスコア値に近い、上位Ｋ個の接続先の視聴ユーザを選択する。
【0036】
（マッチング手段４の実施例１）
マッチング手段４の実施例１では、スコアベクトル間の距離を導入し、下記評価関数f(id,year)を最小化するidを求める。
マッチング手段４の実施例１では、スコアベクトル間の距離を導入し、下記評価関数f(id,year)を最小化するidを求める。
【0037】
【数1】
【0038】
ベクトルgの要素は、主成分分析の場合は因子得点を用い、ロジスティック回帰分析の場合は適当な属性（例えば、好みのジャンルのアンケート結果など）を目的変数にして求めた回帰係数を用いる。また、ベクトルgの要素数は、主成分分析の場合は６４であり、ロジスティック回帰分析の場合は目的変数を何にするかによって変わり、好みのジャンルを目的変数とした場合はジャンル数の１２となる。
【0039】
マッチング手段４の実施例１では、評価関数f(id,year)を最も小さくするようなＫ個のid（ＩＤ番号）に対応する視聴ユーザを接続先相手として選択する。
【0040】
（マッチング手段４の実施例２）
マッチング手段４の実施例２では属性のうち性別・年齢が同じデータを第一次候補とし、第一次候補の中から性別・年齢以外の属性データについて評価関数を適用して最終候補を選択するという性別・年齢を重視した条件付きで実施する。
評価関数において性別・年齢の属性スコア（a3,id,year,a4,id,year）で候補を選択した後、性別・年齢以外の属性スコアのみで評価関数を実行する（g(id,year)の次元を減らす）ことで接続先相手を選択する。
以下、実施例２を簡略化して年齢のみで第一次候補を選択する場合を例にとり、接続相手の選択及び擬似視聴履歴の生成の仕方を説明する。
マッチング手段４の実施例２では属性のうち性別・年齢が同じデータを第一次候補とし、第一次候補の中から性別・年齢以外の属性データについて評価関数を適用して最終候補を選択するという性別・年齢を重視した条件付きで実施する。
評価関数において性別・年齢の属性スコア（a3,id,year,a4,id,year）で候補を選択した後、性別・年齢以外の属性スコアのみで評価関数を実行する（g(id,year)の次元を減らす）ことで接続先相手を選択する。
以下、実施例２を簡略化して年齢のみで第一次候補を選択する場合を例にとり、接続相手の選択及び擬似視聴履歴の生成の仕方を説明する。
【0041】
マッチング部４は始めにスコアデータＤの中から、接続先相手の属性データの条件である年齢（年齢条件）の視聴履歴がある視聴ユーザを選択する（ステップＳ４－１）。例えば、図４のスコアデータＤで、対象ユーザＩがＩＤ２の場合、接続先相手の年齢条件が３４歳になるので、３４歳の視聴履歴が存在するＩＤ０とＩＤ１が接続先の視聴ユーザ候補として選択される。さらに、年齢条件以外の接続先相手の条件が存在する場合には、ＩＤ０及びＩＤ１のユーザ属性から当該条件に合う視聴ユーザを絞り込む。
【0042】
次に、マッチング部４は、Ｓ４－１で抽出された候補の視聴ユーザの中から、スコアデータＤを使って、対象ユーザＩのスコア値に近い上位Ｋ個の候補を選択する（ステップＳ４－２）。例えば、図４のスコアデータＤの場合、対象ユーザＩＤ２の３３歳のスコア値０．２に近い視聴ユーザとして、１位がＩＤ０（３４歳／０．３）、２位がＩＤ１（３４歳／０．５）となる。
【0043】
本実施形態の一例では、スコア値は６４次元のベクトルであるため、スコア値の近さをスコアベクトル間のユークリッド距離により求める。なお、スコアベクトル間の距離の算出方法としては、ユークリッド距離に限定されるものではなく、コサイン距離（コサイン類似度）やマハラノビス距離など、異なる距離関数を用いることもできる。
【0044】
（擬似視聴履歴生成部３の説明（続き））
擬似視聴履歴生成部３は、マッチング部４が選択した、スコアが近い順のＫ個の視聴ユーザの中から接続先相手を１つ選択する（ステップＳ３－３）。接続先相手の選択方法としては、スコア値が最も高い視聴ユーザとする方法、Ｋ個の中からランダムに選択する方法、すでに使われている視聴ユーザを除いて選択する方法、スコア値で重みづけしてランダムに選択する方法などがあるが特に限定されるものではない。本実施形態の一例では、複数の擬似視聴履歴を作成する場合に、同じ視聴ユーザを利用することを避けるため、擬似視聴履歴生成部３の一連の処理の中でまだ使われていない視聴ユーザの中からスコア値が最大の視聴ユーザを選択する方法を用いる。結果として、図４のスコアデータＤの例ではＩＤ２の視聴ユーザの接続先相手として、３４歳のスコア値が０．２に近いＩＤ０の視聴ユーザ（スコア値０．３）が選択されることになる。
擬似視聴履歴生成部３は、マッチング部４が選択した、スコアが近い順のＫ個の視聴ユーザの中から接続先相手を１つ選択する（ステップＳ３－３）。接続先相手の選択方法としては、スコア値が最も高い視聴ユーザとする方法、Ｋ個の中からランダムに選択する方法、すでに使われている視聴ユーザを除いて選択する方法、スコア値で重みづけしてランダムに選択する方法などがあるが特に限定されるものではない。本実施形態の一例では、複数の擬似視聴履歴を作成する場合に、同じ視聴ユーザを利用することを避けるため、擬似視聴履歴生成部３の一連の処理の中でまだ使われていない視聴ユーザの中からスコア値が最大の視聴ユーザを選択する方法を用いる。結果として、図４のスコアデータＤの例ではＩＤ２の視聴ユーザの接続先相手として、３４歳のスコア値が０．２に近いＩＤ０の視聴ユーザ（スコア値０．３）が選択されることになる。
【0045】
次に、擬似視聴履歴生成部３は、選択した視聴ユーザの継続する視聴履歴の最大年齢を調べ、その年齢が、作成する擬似視聴履歴の最大年齢Ｙに達したかどうかを判定する（ステップＳ３－４）。最大年齢Ｙに達していない場合（ステップＳ３－４で「Ｎｏ」）は、ステップＳ３－１に戻り、選択した視聴ユーザを対象ユーザＩとして新たに設定し、次の接続先相手の選択を行う。図４のスコアデータＤの例で接続先相手としてＩＤ０の視聴ユーザが選択された場合、ＩＤ０の視聴ユーザの視聴履歴の最大年齢は３９歳なので、次の接続先相手の年齢条件は４０歳となる。
【0046】
擬似視聴履歴生成部３は、ステップＳ３－４で「Ｙｅｓ」の場合、対象ユーザＩの１つの擬似視聴履歴の作成が完了したので、次の擬似視聴履歴を作成するかどうかを判定するため、作成した擬似視聴履歴の個数が予め指定した個数Ｍとなったかどうかを判定する（ステップＳ３－５）。作成した擬似視聴履歴の個数がＭより小さい場合（ステップＳ３－５で「Ｎｏ」）には、ステップＳ３－１に戻り、改めて最初から対象ユーザＩの擬似視聴履歴を作成する。ステップＳ３－５で「Ｙｅｓ」の場合には、対象ユーザＩに対するＭ個の擬似視聴履歴の作成が完了したので、擬似視聴履歴生成部３の動作を終了する。
【0047】
以上、説明したように、擬似視聴履歴生成部３は、指定された対象ユーザＩに対する擬似視聴履歴をＭ個出力する。
【0048】
（擬似視聴履歴可視化部５）
擬似視聴履歴可視化部５は、擬似視聴履歴生成部３から出力された、対象ユーザＩの擬似視聴履歴と視聴履歴Ｂから、視聴時間などの視聴予測データＥを作成し、出力する。
図８は、図７の擬似視聴履歴の視聴時間（各ジャンルの視聴時間の合計）をグラフにした例を示している。同様に、図９はジャンル別の視聴時間のグラフであり、ジャンル「アニメ」とジャンル「ニュース」の視聴時間をグラフにした例を示している。
擬似視聴履歴可視化部５は、擬似視聴履歴生成部３から出力された、対象ユーザＩの擬似視聴履歴と視聴履歴Ｂから、視聴時間などの視聴予測データＥを作成し、出力する。
図８は、図７の擬似視聴履歴の視聴時間（各ジャンルの視聴時間の合計）をグラフにした例を示している。同様に、図９はジャンル別の視聴時間のグラフであり、ジャンル「アニメ」とジャンル「ニュース」の視聴時間をグラフにした例を示している。
【0049】
また、擬似視聴履歴可視化部５は、擬似視聴履歴生成部３から出力される複数の異なるＭ個の擬似視聴履歴を用いて、Ｍ個の平均の視聴時間や、ジャンル別の視聴時間を求めることもできる。
さらに、番組情報Ａや視聴履歴Ｂに含まれる番組タイトルや番組概要などの情報から、出演者や地名などのキーワードを抽出することができる。これらを利用することで、擬似視聴履歴から、将来的にどのようなキーワードを受けとるかを表示することも可能である。
さらに、番組情報Ａや視聴履歴Ｂに含まれる番組タイトルや番組概要などの情報から、出演者や地名などのキーワードを抽出することができる。これらを利用することで、擬似視聴履歴から、将来的にどのようなキーワードを受けとるかを表示することも可能である。
【0050】
本実施形態の一例によれば、対象とする視聴ユーザの将来の視聴傾向の予測値として、属性が似ている他の視聴ユーザの視聴履歴を用いた擬似視聴履歴を作成し、この擬似視聴履歴を用いることで、将来の視聴時間や時間帯別の視聴時間、将来的にどのようなジャンルを好んで視聴するようになるかなどを予測することが可能となるという優れた効果を奏する。
【0051】
上述の実施形態の一例は代表的な例として説明したが、本発明の趣旨及び範囲内で、多くの変形及び変更ができることは当業者に明らかである。したがって、本発明は、上述の実施形態の一例に限るものと解するべきではなく、特許請求の範囲から逸脱することなく、種々の変形や変更が可能であり、いくつかの変形例については、各部の説明のところに既に記載している。
【0052】
また、上述の実施形態の一例に記載された効果は、本発明から生じる最も好適な効果を列挙したに過ぎず、本発明による効果は、実施形態の一例に記載されたものに限定されるものではない。
【0053】
さらに、上述した視聴予測装置１００として機能させるためにコンピュータを好適に用いることができ、視聴予測装置１００の各部を実現する処理内容を記述したプログラムをコンピュータの記憶部に格納しておき、該コンピュータのＣＰＵによってこのプログラムを読み出して実行させることで視聴予測装置１００を実現することができる。
【0054】
また、このようなプログラムは、コンピュータ読み取りが可能な媒体に記録されていてもよい。コンピュータ読取可能媒体を用いれば、プログラムをコンピュータにインストールすることが可能である。ここで、プログラムが記録されたコンピュータ読取可能媒体は、非一時的な記録媒体であってもよい。非一時的な記録媒体は、特に限定されるものではないが、例えば、ＣＤ－ＲＯＭやＤＶＤ－ＲＯＭなどの記録媒体であってもよい。
【符号の説明】
【0055】
１ 視聴履歴取得部
２ スコア計算部
３ 擬似視聴履歴生成部
４ マッチング部
５ 擬似視聴履歴可視化部
６ 番組情報データベース
７ 視聴履歴データベース
８ ユーザ属性データベース
９ スコアデータデータベース
２ スコア計算部
３ 擬似視聴履歴生成部
４ マッチング部
５ 擬似視聴履歴可視化部
６ 番組情報データベース
７ 視聴履歴データベース
８ ユーザ属性データベース
９ スコアデータデータベース
【図1】
【図2】
【図3】
【図4】
【図5】
【図6】
【図7】
【図8】
【図9】