特開 2024-155778 チャットルームの特徴とチャットルーム内でのユーザの特徴に基づいてコンテンツを推薦する方法、コンピュータ装置、およびコンピュータプログラム

(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】P2024155778

(43)【公開日】2024-10-31

(54)【発明の名称】チャットルームの特徴とチャットルーム内でのユーザの特徴に基づいてコンテンツを推薦する方法、コンピュータ装置、およびコンピュータプログラム

(51)【国際特許分類】

   G06F 16/38 20190101AFI20241024BHJP

【ＦＩ】

G06F16/38

【審査請求】未請求

【請求項の数】20

【出願形態】ＯＬ

【外国語出願】

(21)【出願番号】P 2024064654

(22)【出願日】2024-04-12

(31)【優先権主張番号】10-2023-0051884

(32)【優先日】2023-04-20

(33)【優先権主張国・地域又は機関】KR

(71)【出願人】

【識別番号】516014409

【氏名又は名称】ライン プラス コーポレーション

【氏名又は名称原語表記】ＬＩＮＥ Ｐｌｕｓ Ｃｏｒｐｏｒａｔｉｏｎ

(74)【代理人】

【識別番号】110003199

【氏名又は名称】弁理士法人高田・高橋国際特許事務所

(72)【発明者】

【氏名】ジャン ヒョンジェ

(72)【発明者】

【氏名】キム ユンジェ

(72)【発明者】

【氏名】ジョ ヒョンジ

(72)【発明者】

【氏名】イ ヒョンドク

(72)【発明者】

【氏名】スン ドンギュ

(72)【発明者】

【氏名】イ ジョンウン

【テーマコード（参考）】

5B175

【Ｆターム（参考）】

5B175DA01

5B175EA01

5B175FB03

5B175GB03

(57)【要約】

【課題】チャットルームの特徴とチャットルーム内でのユーザの特徴に基づいてコンテンツを推薦する方法、コンピュータ装置、およびコンピュータプログラムを提供する。
【解決手段】コンテンツ推薦方法は、チャットルームごとに、前記チャットルームに含まれる会話内容を利用して前記チャットルームを表現するチャットルーム特徴ベクトル（ｆｅａｔｕｒｅ ｖｅｃｔｏｒ）を生成するステップ、前記チャットルームに参加中のユーザごとに、前記チャットルーム内での前記ユーザの会話内容を利用して前記ユーザを表現するユーザ特徴ベクトルを生成するステップ、および前記チャットルーム内で、前記チャットルーム特徴ベクトルと前記ユーザ特徴ベクトルを利用してコンテンツを推薦するステップを含んでよい。
【選択図】図３

【特許請求の範囲】

【請求項1】

コンピュータ装置で実行されるコンテンツ推薦方法であって、
前記コンピュータ装置は、メモリに含まれるコンピュータ読み取り可能な命令を実行するように構成された少なくとも１つのプロセッサを含み、
前記コンテンツ推薦方法は、
前記少なくとも１つのプロセッサにより、チャットルームごとに、前記チャットルームに含まれる会話内容を利用して前記チャットルームを表現するチャットルーム特徴ベクトルを生成するステップ、
前記少なくとも１つのプロセッサにより、前記チャットルームに参加中のユーザごとに、前記チャットルーム内での前記ユーザの会話内容を利用して前記ユーザを表現するユーザ特徴ベクトルを生成するステップ、および
前記少なくとも１つのプロセッサにより、前記チャットルーム内で、前記チャットルーム特徴ベクトルと前記ユーザ特徴ベクトルを利用してコンテンツを推薦するステップ
を含む、コンテンツ推薦方法。

【請求項2】

前記コンテンツ推薦方法は、
前記少なくとも１つのプロセッサにより、前記チャットルームに含まれる会話内容を機械学習モデルに入力可能な形態に前処理するステップ
をさらに含む、請求項１に記載のコンテンツ推薦方法。

【請求項3】

前記前処理するステップは、
会話メッセージを連結するために、会話メッセージごとに、単位文章を区分する特殊トークンまたは符号を追加するステップ
を含む、請求項２に記載のコンテンツ推薦方法。

【請求項4】

前記前処理するステップは、
会話メッセージを連結するために、会話メッセージ間の時間間隔または内容ベースのトピックに基づいて段落を区分する特殊トークンまたは記号を追加するステップ
含む、請求項２に記載のコンテンツ推薦方法。

【請求項5】

前記前処理するステップは、
絵文字やスタンプ、写真、動画、または音声のうちの少なくとも１つの非テキスト形態の会話メッセージをテキストに変換するステップ
を含む、請求項２に記載のコンテンツ推薦方法。

【請求項6】

前記前処理するステップは、
各会話メッセージに、会話の主体を示す話者名、ＩＤ、または電話番号のうちの少なくとも１つの話者識別情報を追加するステップ
を含む、請求項２に記載のコンテンツ推薦方法。

【請求項7】

前記チャットルーム特徴ベクトルを生成するステップおよび前記ユーザ特徴ベクトルを生成するステップは、
文書埋め込みモデル、シーケンスモデル、または言語モデルのうちの少なくとも１つの機械学習モデルを利用して、会話内容から１つの特徴ベクトルを取得するステップ
を含む、請求項１に記載のコンテンツ推薦方法。

【請求項8】

前記推薦するステップは、
前記チャットルームで前記ユーザによって特定された会話メッセージに対して、前記チャットルーム特徴ベクトルと前記ユーザ特徴ベクトルに基づいて推薦コンテンツを提供するステップ
を含む、請求項１に記載のコンテンツ推薦方法。

【請求項9】

前記推薦するステップは、
前記チャットルームで前記ユーザによって選択された会話メッセージに対して、前記チャットルーム特徴ベクトルと前記ユーザ特徴ベクトルに基づくリアクションアイコンまたは返信メッセージのうちの少なくとも１つを推薦するステップ
を含む、請求項１に記載のコンテンツ推薦方法。

【請求項10】

前記推薦するステップは、
前記チャットルームで前記ユーザによって入力された会話メッセージに対して、前記チャットルーム特徴ベクトルと前記ユーザ特徴ベクトルに基づく絵文字またはスタンプのうちの少なくとも１つを推薦するステップ
を含む、請求項１に記載のコンテンツ推薦方法。

【請求項11】

前記提供するステップは、
前記会話メッセージと関連する相手の前記チャットルーム内での特徴ベクトルを利用して、前記推薦コンテンツを選定するステップ
を含む、請求項８に記載のコンテンツ推薦方法。

【請求項12】

前記提供するステップは、
前記会話メッセージと関連する相手の前記チャットルーム内での特徴ベクトルを利用して、前記推薦コンテンツに対する前記相手の予想反応情報を提供するステップ
を含む、請求項８に記載のコンテンツ推薦方法。

【請求項13】

前記提供するステップは、
前記チャットルームと特徴ベクトルが類似する他のチャットルームで使用されたコンテンツを利用して、前記推薦コンテンツを選定するステップ
を含む、請求項８に記載のコンテンツ推薦方法。

【請求項14】

請求項１から１３のいずれか一項に記載のコンテンツ推薦方法を前記コンピュータ装置に実行させるために非一時的なコンピュータ読み取り可能な記録媒体に記録される、コンピュータプログラム。

【請求項15】

コンピュータ装置であって、
メモリに含まれるコンピュータ読み取り可能な命令を実行するように構成された少なくとも１つのプロセッサ
を含み、
前記少なくとも１つのプロセッサは、
チャットルームごとに、前記チャットルームに含まれる会話内容を利用して前記チャットルームを表現するチャットルーム特徴ベクトルを生成するプロセス、
前記チャットルームに参加中のユーザごとに、前記チャットルーム内での前記ユーザの会話内容を利用して前記ユーザを表現するユーザ特徴ベクトルを生成するプロセス、および
前記チャットルーム内で、前記チャットルーム特徴ベクトルと前記ユーザ特徴ベクトルを利用してコンテンツを推薦するプロセス
を処理する、コンピュータ装置。

【請求項16】

前記少なくとも１つのプロセッサは、
前記チャットルームに含まれる会話内容を機械学習モデルに入力可能な形態に前処理するものであって、
会話メッセージを連結するために、会話メッセージごとに、単位文章を区分する特殊トークンまたは符号を追加すること
を特徴とする、請求項１５に記載のコンピュータ装置。

【請求項17】

前記少なくとも１つのプロセッサは、
前記チャットルームに含まれる会話内容を機械学習モデルに入力可能な形態に前処理するものであって、
絵文字やスタンプ、写真、動画、または音声のうちの少なくとも１つの非テキスト形態の会話メッセージをテキストに変換し、
各会話メッセージに、会話の主体を示す話者名、ＩＤ、または電話番号のうち少なくとも１つの話者識別情報を追加すること
を特徴とする、請求項１５に記載のコンピュータ装置。

【請求項18】

前記少なくとも１つのプロセッサは、
文書埋め込みモデル、シーケンスモデル、または言語モデルのうちの少なくとも１つの機械学習モデルを利用して、会話内容から前記チャットルーム特徴ベクトルと前記ユーザ特徴ベクトルを取得すること
を特徴とする、請求項１５に記載のコンピュータ装置。

【請求項19】

前記少なくとも１つのプロセッサは、
前記チャットルームで前記ユーザによって特定された会話メッセージに対して、前記チャットルーム特徴ベクトルと前記ユーザ特徴ベクトルに基づいて推薦コンテンツを提供すること
を特徴とする、請求項１５に記載のコンピュータ装置。

【請求項20】

前記少なくとも１つのプロセッサは、
前記会話メッセージと関連する相手の前記チャットルーム内での特徴ベクトルまたは前記チャットルームと特徴ベクトルが類似する他のチャットルームで使用されたコンテンツを利用して、前記推薦コンテンツを選定すること
を特徴とする、請求項１９に記載のコンピュータ装置。

【発明の詳細な説明】

【技術分野】

【0001】

以下の説明は、ソーシャルプラットフォーム（ｓｏｃｉａｌ ｐｌａｔｆｏｒｍ）内でコンテンツを推薦する技術に関する。

【背景技術】

【0002】

一般的なコミュニケーションツールであるインスタントメッセンジャー（ｉｎｓｔａｎｔ ｍｅｓｓｅｎｇｅｒ）は、メッセージやデータをリアルタイムで送受信するためのソフトウェアであって、ユーザがメッセンジャー上にトークの相手を登録し、トークリストに登録された相手とリアルタイムでメッセージをやり取りすることができる。

【0003】

このようなメッセンジャー機能の使用は、ＰＣはもちろん、移動通信端末のモバイル環境でも普遍化している。

【0004】

例えば、特許文献１（公開日２００２年９月３０日）には、携帯端末機にインストールされたモバイルメッセンジャー間にメッセンジャーサービスを提供することができるようにした、無線通信網を利用した携帯端末機のモバイルメッセンジャーサービスシステムおよび方法が開示されている。

【0005】

インスタントメッセンジャー利用の大衆化により、インスタントメッセンジャーで提供する機能がどんどん多様化しており、メッセンジャー内で絵文字やスタンプ、リアクションアイコン、返信メッセージなどの多様なコンテンツを推薦する機能がサービスされている。

【先行技術文献】

【特許文献】

【0006】

【特許文献1】韓国公開特許第１０－２００２－００７４３０４号公報

【発明の概要】

【発明が解決しようとする課題】

【0007】

チャットルームの特徴（ｆｅａｔｕｒｅ）とこのチャットルーム内でのユーザの特徴を利用して、メッセンジャー内のコンテンツを推薦することができる。

【0008】

チャットルームごとにこのチャットルームで示されるユーザのスタイルを考慮して、各チャットルームにパーソナライズしたコンテンツを推薦することができる。

【課題を解決するための手段】

【0009】

コンピュータ装置で実行されるコンテンツ推薦方法であって、前記コンピュータ装置は、メモリに含まれるコンピュータ読み取り可能な命令を実行するように構成された少なくとも１つのプロセッサを含み、前記コンテンツ推薦方法は、前記少なくとも１つのプロセッサにより、チャットルームごとに、前記チャットルームに含まれる会話内容を利用して前記チャットルームを表現するチャットルーム特徴ベクトル（ｆｅａｔｕｒｅ ｖｅｃｔｏｒ）を生成するステップ、前記少なくとも１つのプロセッサにより、前記チャットルームに参加中のユーザごとに、前記チャットルーム内での前記ユーザの会話内容を利用して前記ユーザを表現するユーザ特徴ベクトルを生成するステップ、および前記少なくとも１つのプロセッサにより、前記チャットルーム内で、前記チャットルーム特徴ベクトルと前記ユーザ特徴ベクトルを利用してコンテンツを推薦するステップを含む、コンテンツ推薦方法を提供する。

【0010】

一側によると、前記コンテンツ推薦方法は、前記少なくとも１つのプロセッサにより、前記チャットルームに含まれる会話内容を機械学習モデルに入力可能な形態に前処理するステップをさらに含んでよい。

【0011】

他の側面によると、前記前処理するステップは、会話メッセージを連結するために、各会話メッセージに単位文章を区別する特殊トークンまたは符号を追加するステップを含んでよい。

【0012】

また他の側面によると、前記前処理するステップは、会話メッセージを連結するために、会話メッセージ間の時間間隔または内容ベースのトピックに基づいて段落を区分する特殊トークンまたは符号を追加するステップを含んでよい。

【0013】

また他の側面によると、前記前処理するステップは、絵文字やスタンプ、写真、動画、または音声のうちの少なくとも１つの非テキスト（ｎｏｎ－ｔｅｘｔ）形態の会話メッセージをテキストに変換するステップを含んでよい。

【0014】

また他の側面によると、前記前処理するステップは、各会話メッセージに、会話の主体を示す話者名、ＩＤ、または電話番号のうちの少なくとも１つの話者識別情報を追加するステップを含んでよい。

【0015】

また他の側面によると、前記チャットルーム特徴ベクトルを生成するステップおよび前記ユーザ特徴ベクトルを生成するステップは、文書埋め込みモデル（ｅｍｂｅｄｄｉｎｇ ｍｏｄｅｌ）、シーケンスモデル（ｓｅｑｕｅｎｃｅ ｍｏｄｅｌ）、または言語モデル（ｌａｎｇｕａｇｅ ｍｏｄｅｌ）のうちの少なくとも１つの機械学習（ｍａｃｈｉｎｅ ｌｅａｒｎｉｎｇ）モデルを利用して、会話内容から１つの特徴ベクトルを取得するステップを含んでよい。

【0016】

また他の側面によると、前記推薦するステップは、前記チャットルームで前記ユーザによって特定された会話メッセージに対して、前記チャットルーム特徴ベクトルと前記ユーザ特徴ベクトルに基づいて推薦コンテンツを提供するステップを含んでよい。

【0017】

また他の側面によると、前記推薦するステップは、前記チャットルームで前記ユーザによって選択された会話メッセージに対して、前記チャットルーム特徴ベクトルと前記ユーザ特徴ベクトルに基づいたリアクションアイコンまたは返信メッセージのうちの少なくとも１つを推薦するステップを含んでよい。

【0018】

また他の側面によると、前記推薦するステップは、前記チャットルームで前記ユーザによって入力された会話メッセージに対して、前記チャットルーム特徴ベクトルと前記ユーザ特徴ベクトルに基づいた絵文字またはスタンプのうちの少なくとも１つを推薦するステップを含んでよい。

【0019】

また他の側面によると、前記提供するステップは、前記会話メッセージと関連する相手の前記チャットルーム内での特徴ベクトルを利用して、前記推薦コンテンツを選定するステップを含んでよい。

【0020】

また他の側面によると、前記提供するステップは、前記会話メッセージと関連する相手の前記チャットルーム内での特徴ベクトルを利用して、前記推薦コンテンツに対する前記相手の予想反応情報を提供するステップを含んでよい。

【0021】

さらに他の側面によると、前記提供するステップは、前記チャットルームと特徴ベクトルが類似する他のチャットルームで使用されたコンテンツを利用して、前記推薦コンテンツを選定するステップを含んでよい。

【0022】

前記コンテンツ推薦方法を前記コンピュータ装置に実行させるために非一時的なコンピュータ読み取り可能な記録媒体に記録されるコンピュータプログラムを提供する。

【0023】

コンピュータ装置であって、メモリに含まれるコンピュータ読み取り可能な命令を実行するように構成された少なくとも１つのプロセッサを含み、前記少なくとも１つのプロセッサは、チャットルームごとに、前記チャットルームに含まれる会話内容を利用して前記チャットルームを表現するチャットルーム特徴ベクトルを生成するプロセス、前記チャットルームに参加中のユーザごとに、前記チャットルーム内の前記ユーザの会話内容を利用して前記ユーザを表現するユーザ特徴ベクトルを生成するプロセス、および前記チャットルーム内で、前記チャットルーム特徴ベクトルと前記ユーザ特徴ベクトルを利用してコンテンツを推薦するプロセスを処理するコンピュータ装置を提供する。

【図面の簡単な説明】

【0024】

【図1】本発明の一実施形態における、ネットワーク環境の例を示した図である。

【図2】本発明の一実施形態における、コンピュータ装置の例を示したブロック図である。

【図3】本発明の一実施形態における、コンピュータ装置が実行することができる方法の一例を示したフローチャートである。

【図4】本発明の一実施形態における、会話内容を前処理するプロセスの一例を示した図である。

【図5】本発明の一実施形態における、チャットルーム特徴ベクトルとユーザ特徴ベクトルを生成する方法の例を示した図である。

【図6】本発明の一実施形態における、チャットルーム特徴ベクトルとユーザ特徴ベクトルを生成する方法の例を示した図である。

【図7】本発明の一実施形態における、チャットルーム特徴ベクトルとユーザ特徴ベクトルを生成する方法の例を示した図である。

【図8】本発明の一実施形態における、チャットルーム特徴ベクトルとユーザ特徴ベクトルを生成する方法の例を示した図である。

【図9】本発明の一実施形態における、チャットルーム特徴ベクトルとユーザ特徴ベクトルを生成する方法の例を示した図である。

【図10】本発明の一実施形態における、チャットルーム特徴ベクトルとユーザ特徴ベクトルを生成する方法の例を示した図である。

【図11】本発明の一実施形態における、チャットルーム特徴ベクトルとユーザ特徴ベクトルを利用して推薦コンテンツを提供するプロセスの一例を示した図である。

【図12】本発明の一実施形態における、推薦コンテンツの例を示した図である。

【図13】本発明の一実施形態における、推薦コンテンツの例を示した図である。

【図14】本発明の一実施形態における、推薦コンテンツの例を示した図である。

【図15】本発明の一実施形態における、推薦コンテンツの例を示した図である。

【発明を実施するための形態】

【0025】

以下、本発明の実施形態について、添付の図面を参照しながら詳しく説明する。

【0026】

本発明の実施形態は、ソーシャルプラットフォーム内でコンテンツを推薦する技術に関する。

【0027】

本明細書に具体的に開示される事項を含む実施形態は、ユーザにパーソナライズされたコンテンツとして、チャットルームの会話スタイルや雰囲気などはもちろん、チャットルーム内でのユーザの会話スタイルや雰囲気などに合わせて、チャットルームとユーザごとに異なるコンテンツを推薦することができる。

【0028】

本発明の実施形態に係るコンテンツ推薦システムは、少なくとも１つのコンピュータ装置によって実現されてよく、本発明の実施形態に係るコンテンツ推薦方法は、コンテンツ推薦システムに含まれる少なくとも１つのコンピュータ装置によって実行されてよい。このとき、コンピュータ装置においては、本発明の一実施形態に係るコンピュータプログラムがインストールされて実行されてよく、コンピュータ装置は、実行されたコンピュータプログラムの制御にしたがって本発明の実施形態に係るコンテンツ推薦方法を実行してよい。上述したコンピュータプログラムは、コンピュータ装置と結合してコンテンツ推薦方法をコンピュータに実行させるためにコンピュータ読み取り可能な記録媒体に記録されてよい。

【0029】

図１は、本発明の一実施形態における、ネットワーク環境の例を示した図である。図１のネットワーク環境は、複数の電子機器１１０、１２０、１３０、１４０、複数のサーバ１５０、１６０、およびネットワーク１７０を含む例を示している。このような図１は、発明の説明のための一例に過ぎず、電子機器の数やサーバの数が図１のように限定されることはない。また、図１のネットワーク環境は、本実施形態に適用可能な環境のうちの一例を説明したものに過ぎず、本実施形態に適用可能な環境が図１のネットワーク環境に限定されることはない。

【0030】

複数の電子機器１１０、１２０、１３０、１４０は、コンピュータ装置によって実現される固定端末や移動端末であってよい。複数の電子機器１１０、１２０、１３０、１４０の例としては、スマートフォン、携帯電話、ナビゲーション、ＰＣ（Ｐｅｒｓｏｎａｌ Ｃｏｍｐｕｔｅｒ）、ノート型ＰＣ、デジタル放送用端末、ＰＤＡ（Ｐｅｒｓｏｎａｌ Ｄｉｇｉｔａｌ Ａｓｓｉｓｔａｎｔ）、ＰＭＰ（Ｐｏｒｔａｂｌｅ Ｍｕｌｔｉｍｅｄｉａ Ｐｌａｙｅｒ）、タブレットなどがある。一例として、図１では、電子機器１１０の例としてスマートフォンを示しているが、本発明の実施形態において、電子機器１１０は、実質的に無線または有線通信方式を利用し、ネットワーク１７０を介して他の電子機器１２０、１３０、１４０および／またはサーバ１５０、１６０と通信することのできる多様な物理的なコンピュータ装置のうちの１つを意味してよい。

【0031】

通信方式が限定されることはなく、ネットワーク１７０が含むことのできる通信網（一例として、移動通信網、有線インターネット、無線インターネット、放送網）を利用する通信方式だけではなく、機器間の近距離無線通信が含まれてもよい。例えば、ネットワーク１７０は、ＰＡＮ（Ｐｅｒｓｏｎａｌ Ａｒｅａ Ｎｅｔｗｏｒｋ）、ＬＡＮ（Ｌｏｃａｌ Ａｒｅａ Ｎｅｔｗｏｒｋ）、ＣＡＮ（Ｃａｍｐｕｓ Ａｒｅａ Ｎｅｔｗｏｒｋ）、ＭＡＮ（Ｍｅｔｒｏｐｏｌｉｔａｎ Ａｒｅａ Ｎｅｔｗｏｒｋ）、ＷＡＮ（Ｗｉｄｅ Ａｒｅａ Ｎｅｔｗｏｒｋ）、ＢＢＮ（Ｂｒｏａｄｂａｎｄ Ｎｅｔｗｏｒｋ）、インターネットなどのネットワークのうちの１つ以上の任意のネットワークを含んでよい。さらに、ネットワーク１７０は、バスネットワーク、スターネットワーク、リングネットワーク、メッシュネットワーク、スター－バスネットワーク、ツリーまたは階層的ネットワークなどを含むネットワークトポロジのうちの任意の１つ以上を含んでもよいが、これらに限定されることはない。

【0032】

サーバ１５０、１６０それぞれは、複数の電子機器１１０、１２０、１３０、１４０とネットワーク１７０を介して通信して命令、コード、ファイル、コンテンツ、サービスなどを提供する１つ以上のコンピュータ装置によって実現されてよい。例えば、サーバ１５０は、ネットワーク１７０を介して接続した複数の電子機器１１０、１２０、１３０、１４０にサービス（一例として、メッセンジャーサービスなど）を提供するシステムであってよい。

【0033】

図２は、本発明の一実施形態における、コンピュータ装置の例を示したブロック図である。上述した複数の電子機器１１０、１２０、１３０、１４０それぞれやサーバ１５０、１６０それぞれは、図２に示したコンピュータ装置２００によって実現されてよい。

【0034】

このようなコンピュータ装置２００は、図２に示すように、メモリ２１０、プロセッサ２２０、通信インタフェース２３０、および入力／出力インタフェース２４０を含んでよい。メモリ２１０は、コンピュータ読み取り可能な記録媒体であって、ＲＡＭ（Ｒａｎｄｏｍ Ａｃｃｅｓｓ Ｍｅｍｏｒｙ）、ＲＯＭ（Ｒｅａｄ Ｏｎｌｙ Ｍｅｍｏｒｙ）、およびディスクドライブのような永続的大容量記録装置を含んでよい。ここで、ＲＯＭやディスクドライブのような永続的大容量記録装置は、メモリ２１０とは区別される別の永続的記録装置としてコンピュータ装置２００に含まれてもよい。また、メモリ２１０には、オペレーティングシステムと、少なくとも１つのプログラムコードが記録されてよい。このようなソフトウェアコンポーネントは、メモリ２１０とは別のコンピュータ読み取り可能な記録媒体からメモリ２１０にロードされてよい。このような別のコンピュータ読み取り可能な記録媒体は、フロッピードライブ、ディスク、テープ、ＤＶＤ／ＣＤ－ＲＯＭドライブ、メモリカードなどのコンピュータ読み取り可能な記録媒体を含んでよい。他の実施形態において、ソフトウェアコンポーネントは、コンピュータ読み取り可能な記録媒体ではない通信インタフェース２３０を通じてメモリ２１０にロードされてもよい。例えば、ソフトウェアコンポーネントは、ネットワーク１７０を介して受信されるファイルによってインストールされるコンピュータプログラムに基づいてコンピュータ装置２００のメモリ２１０にロードされてよい。

【0035】

プロセッサ２２０は、基本的な算術、ロジック、および入出力演算を実行することにより、コンピュータプログラムの命令を処理するように構成されてよい。命令は、メモリ２１０または通信インタフェース２３０によって、プロセッサ２２０に提供されてよい。例えば、プロセッサ２２０は、メモリ２１０のような記録装置に記録されたプログラムコードにしたがって受信される命令を実行するように構成されてよい。

【0036】

通信インタフェース２３０は、ネットワーク１７０を介してコンピュータ装置２００が他の装置（一例として、上述した記録装置）と互いに通信するための機能を提供してよい。一例として、コンピュータ装置２００のプロセッサ２２０がメモリ２１０のような記録装置に記録されたプログラムコードにしたがって生成した要求や命令、データ、ファイルなどが、通信インタフェース２３０の制御にしたがってネットワーク１７０を介して他の装置に伝達されてよい。これとは逆に、他の装置からの信号や命令、データ、ファイルなどが、ネットワーク１７０を経てコンピュータ装置２００の通信インタフェース２３０を通じてコンピュータ装置２００に受信されてよい。通信インタフェース２３０を通じて受信された信号や命令、データなどは、プロセッサ２２０やメモリ２１０に伝達されてよく、ファイルなどは、コンピュータ装置２００がさらに含むことのできる記録媒体（上述した永続的記録装置）に記録されてよい。

【0037】

入力／出力インタフェース２４０は、入力／出力装置２５０とのインタフェースのための手段であってよい。例えば、入力装置は、マイク、キーボード、またはマウスなどの装置を、出力装置は、ディスプレイ、スピーカのような装置を含んでよい。他の例として、入力／出力インタフェース２４０は、タッチスクリーンのように入力と出力のための機能が１つに統合された装置とのインタフェースのための手段であってもよい。入力／出力装置２５０は、コンピュータ装置２００と１つの装置で構成されてもよい。

【0038】

また、他の実施形態において、コンピュータ装置２００は、図２の構成要素よりも少ないか多くの構成要素を含んでもよい。しかし、大部分の従来技術の構成要素を明確に図に示す必要はない。例えば、コンピュータ装置２００は、上述した入力／出力装置２５０のうちの少なくとも一部を含むように実現されてもよいし、トランシーバ、データベースなどのような他の構成要素をさらに含んでもよい。

【0039】

以下では、チャットルームの特徴とチャットルーム内でのユーザの特徴に基づいてコンテンツを推薦する方法および装置の具体的な実施形態について説明する。

【0040】

本明細書において、ソーシャルプラットフォームは、メッセンジャーや各種コミュニティなどのソーシャルネットワークサービスはもちろん、ソーシャルネットワークサービス内のユーザのプロフィール情報、友達関係などのリソースを活用する各種サービスを提供するサービスプラットフォームを意味するものとする。

【0041】

以下では、ソーシャルプラットフォームの具体的な実施形態としてメッセンジャーを例に挙げて説明するが、これに限定されてはならず、ユーザのアカウントや電話番号などを利用して多様なコンテンツを共有することができるコミュニケーションプラットフォームであれば、すべて適用可能である。

【0042】

近年、メッセンジャーでは、チャットルーム内の会話を分析して多様な機能を提供しているが、例えば、自然言語処理技術を利用して、コンテンツ推薦、会話要約、感情推論などのような多様なサービスを提供している。

【0043】

ユーザは複数のチャットルームで多様な人たちと会話をかわすようになるが、チャットルームの雰囲気はそれぞれ異なる。例えば、同一人物が、家族のチャットルーム、高校同期のチャットルーム、会社のチャットルームなど、各チャットルームのニーズに合わせてそれぞれ違った姿を見せるようになる。

【0044】

本実施形態では、メッセンジャーのチャットルームにおいて、チャットルーム内のユーザを対象に、絵文字やスタンプ（ユーザの感情や意思を表現するために利用可能なすべての画像型表現手段を含む）、リアクションアイコン、返信メッセージなどのコンテンツを推薦するときに、チャットルームの特徴とこのチャットルーム内でのユーザの特徴に合わせてコンテンツを推薦することができる。

【0045】

実施形態に係るコンピュータ装置２００は、クライアント（ｃｌｉｅｎｔ）を対象に、クライアント上にインストールされた専用アプリケーションやコンピュータ装置２００と関連するウェブ／モバイルサイトへの接続によってメッセンジャーサービスを提供してよい。コンピュータ装置２００には、コンピュータで実現されたコンテンツ推薦システムが構成されてよい。一例として、コンテンツ推薦システムは、独立的に動作するプログラム形態で実現されてもよいし、特定のアプリケーションのイン－アプリ（ｉｎ－ａｐｐ）形態で構成されて前記特定のアプリケーション上で動作が可能となるように実現されてもよい。

【0046】

コンピュータ装置２００のプロセッサ２２０は、以下のコンテンツ推薦方法を実行するための構成要素で実現されてよい。実施形態によって、プロセッサ２２０の構成要素は、選択的にプロセッサ２２０に含まれても除外されてもよい。また、実施形態によって、プロセッサ２２０の構成要素は、プロセッサ２２０の機能の表現のために分離されても併合されてもよい。

【0047】

このようなプロセッサ２２０およびプロセッサ２２０の構成要素は、以下のコンテンツ推薦方法に含まれるステップを実行するようにコンピュータ装置２００を制御してよい。例えば、プロセッサ２２０およびプロセッサ２２０の構成要素は、メモリ２１０が含むオペレーティングシステムのコードと、少なくとも１つのプログラムのコードとによる命令（ｉｎｓｔｒｕｃｔｉｏｎ）を実行するように実現されてよい。

【0048】

ここで、プロセッサ２２０の構成要素は、コンピュータ装置２００に記録されたプログラムコードが提供する命令にしたがってプロセッサ２２０によって実行される、互いに異なる機能（ｄｉｆｆｅｒｅｎｔ ｆｕｎｃｔｉｏｎｓ）の表現であってよい。

【0049】

プロセッサ２２０は、コンピュータ装置２００の制御に関する命令がロードされたメモリ２１０から必要な命令を読み取ってよい。この場合、前記読み取られた命令は、プロセッサ２２０が以下で説明するステップを実行するように制御するための命令を含んでよい。

【0050】

以下で説明するメッセージ移動方法に含まれるステップは、図に示したものとは異なる順序で実行されてもよいし、ステップのうちの一部が省略されたり追加のプロセスがさらに含まれたりしてもよい。

【0051】

コンテンツ推薦方法に含まれるステップは、サーバ１５０で実行されてよいが、実施形態によっては、ステップのうちの少なくとも一部がクライアントで実行されることも可能である。

【0052】

図３は、本発明の一実施形態における、コンピュータ装置が実行することができる方法の一例を示したフローチャートである。

【0053】

図３を参照すると、ステップ３１０で、プロセッサ２２０は、チャットルームごとに、チャットルームに含まれる会話内容を利用して、このチャットルームを表現する埋め込みベクトル（ｅｍｂｅｄｄｉｎｇ）であるチャットルーム特徴ベクトル（ｆｅａｔｕｒｅ ｖｅｃｔｏｒ）を生成してよい。プロセッサ２２０は、チャットルームごとに、チャットルーム内の全体の会話内容あるいは予め定められた一定期間（例えば、ここ最近６ヶ月間）の会話内容を分析して、このチャットルームの会話スタイルや雰囲気などを代表する特徴ベクトルを生成してよい。チャットルーム特徴ベクトルを生成するためには、チャットルームに会話の参加者として参加中の全てのユーザがやり取りした会話内容を活用してよい。このとき、プロセッサ２２０は、文書分類のための埋め込みモデル（ｅｍｂｅｄｄｉｎｇ ｍｏｄｅｌ）、シーケンスモデル（ｓｅｑｕｅｎｃｅ ｍｏｄｅｌ）、言語モデル（ｌａｎｇｕａｇｅ ｍｏｄｅｌ）などのような公知の機械学習（ｍａｃｈｉｎｅ ｌｅａｒｎｉｎｇ）モデルを利用して、会話内容からチャットルームを表現する特徴ベクトルを抽出してよい。

【0054】

ステップ３２０で、プロセッサ２２０は、各チャットルームに対して、チャットルームに会話の参加者として参加中のユーザごとに、ユーザがやり取りした会話内容を利用して、このユーザを表現する埋め込みベクトルであるユーザ特徴ベクトルを生成してよい。プロセッサ２２０は、チャットルームに含まれる会話内容のうちでユーザの会話内容を分析して、このチャットルーム内でのユーザの会話スタイルや雰囲気などを代表する特徴ベクトルを生成してよい。ユーザ特徴ベクトルを生成するためには、チャットルーム内でのユーザの全体の会話内容あるいは予め定められた一定期間（例えば、ここ最近６ヶ月間）の会話内容を活用してよい。チャットルーム特徴ベクトルと同様に、文書埋め込みモデル、シーケンスモデル、言語モデルなどの機械学習モデルを利用して、チャットルーム内でのユーザの会話内容からこのチャットルーム内のユーザを表現する特徴ベクトルを抽出してよい。ユーザは１つ以上のチャットルームに参加可能であり、参加中のチャットルームごとにユーザの会話内容は異なるため、チャットルームごとに異なるユーザ特徴ベクトルを有するようになる。プロセッサ２２０は、ユーザに対して、チャットルームごとにユーザ特徴ベクトルを生成し、チャットルームと関連付けてユーザ特徴ベクトルを管理してよい。

【0055】

ステップ３３０で、プロセッサ２２０は、ターゲットチャットルームでターゲットユーザによって与えられた会話文に対して推薦コンテンツを提供するにあたり、ターゲットチャットルームに該当するチャットルーム特徴ベクトル（すなわち、ターゲットチャットルーム特徴ベクトル）とターゲットチャットルームでのターゲットユーザに該当するユーザ特徴ベクトル（すなわち、ターゲットユーザ特徴ベクトル）に基づいて会話文に対応する推薦コンテンツを提供してよい。機械学習モデルベースの推薦エンジンは、ターゲットチャットルーム内でターゲットユーザによって特定のメッセージが与えられた場合、これを入力として、このメッセージに適合するコンテンツを推薦することができる。特に、プロセッサ２２０は、ユーザによって特定されたメッセージとともに、ターゲットチャットルーム特徴ベクトルとターゲットユーザ特徴ベクトルを推薦エンジンに追加入力して、ターゲットチャットルームの特徴とターゲットユーザの特徴に適合したコンテンツを推薦することができる。例えば、プロセッサ２２０は、ターゲットチャットルーム内でターゲットユーザが選択した他のユーザの会話メッセージに対してリアクションアイコンや返信メッセージなどを推薦することができ、ターゲットチャットルーム内でターゲットユーザが送信のために入力したメッセージに対してスタンプなどを推薦することができる。このとき、プロセッサ２２０は、ターゲットチャットルーム内でターゲットユーザが特定した会話文に対して、ターゲットチャットルームの全体的な特徴とターゲットチャットルームでのターゲットユーザの特徴に適合したコンテンツを推薦することができる。

【0056】

図４は、本発明の一実施形態における、会話内容を前処理するプロセスの一例を示した図である。

【0057】

本実施形態では、チャットルーム特徴ベクトルとユーザ特徴ベクトルを生成するためにチャットルーム内の会話内容を活用するにあたり、会話内容を機械学習モデルの入力形態、すなわち、自然言語処理が可能な形態に前処理するプロセスが必要となる。

【0058】

図４を参照すると、ステップ４０１で、プロセッサ２２０は、会話メッセージのうちで非テキスト（ｎｏｎ－ｔｅｘｔ）形態の会話メッセージをテキストに変換してよい。例えば、メッセンジャーのチャットルームには、テキスト形態でやり取りする会話メッセージの他に、スタンプ、写真、動画、音声などのような非テキストタイプの会話メッセージが存在する。このとき、スタンプの場合は、事前に定義されたタグ（ｔａｇ）情報を活用して、チャットルームでやり取りしたスタンプをこのスタンプのタグ情報に変換してよい。写真の場合は、画像分析ベースの画像分類技術（ｉｍａｇｅ ｃｌａｓｓｉｆｉｃａｔｉｏｎ）を利用して、この写真に対応するテキストを取得してよい。動画の場合は、画像分析ベースの画像分類技術または映像要約技術（ｖｉｄｅｏ ｓｕｍｍａｒｉｚａｔｉｏｎ）を利用して、この動画に対応するテキストを取得してよい。音声の場合は、音声認識技術（ｓｐｅｅｃｈ ｔｏ ｔｅｘｔ）を利用して、この音声に対応するテキストを取得してよい。

【0059】

ステップ４０２で、プロセッサ２２０は、会話メッセージに、この会話の主体を示す話者識別情報を追加で表記してよい。話者識別情報としては、話者名（例えば、話者が設定した自身のプロフィール名、ユーザが話者に対して設定したニックネームなど）、メッセンジャーＩＤ、電話番号などが活用されてよい。例えば、メッセンジャーＩＤが１２５８４である話者「キム部長」が送信した会話メッセージ「みなさん出勤しましたか？」に対して、話者名を追加する場合は＜［ｎｉｃｋｎａｍｅ：キム部長］みなさん出勤しましたか？＞のように処理し、ＩＤを追加する場合は＜［ＩＤ：１２５８４］みなさん出勤しましたか？＞のように処理してよい。話者名を追加する場合は、話者名から起因される追加的な意味を特徴ベクトルに追加で反映してよい。一方、話者情報として固有のＩＤや電話番号を追加する場合は、同一人物の特徴を持続的にトラッキングして反映してよい。

【0060】

ステップ４０３で、プロセッサ２２０は、特徴ベクトルの生成のために活用される会話内容に含まれる各会話メッセージを単位文章として区別して連結してよい。会話内容を機械学習モデルの入力として使用するためには、会話メッセージを時間順に連結する必要がある。例えば、プロセッサ２２０は、各会話メッセージに単位文章を意味する特殊トークン（例えば、［ｓｅｐ］など）または文章符号（例えば、ピリオド（．）など）を付けた後、会話メッセージを時間順に連結してよい。言い換えれば、プロセッサ２２０は、事前に定義された文章トークンや文章符号を利用して、１つの吹き出しの会話メッセージを１つの文章として区別して連結してよい。さらに、プロセッサ２２０は、会話メッセージを連結するときに、段落を区別することも可能である。例えば、プロセッサ２２０は、会話メッセージ間の時間間隔が一定時間以上となる場合、前のメッセージグループと次のメッセージグループを互いに異なる段落として区別して連結してよい。他の例として、プロセッサ２２０は、内容分析によって会話のトピックを把握し、会話のトピックが変わったときに、前のメッセージグループと次のメッセージグループを異なる段落として区別して連結してよい。同じように、会話メッセージを連結するときには、段落を区別するためのトークンや符号を付けて段落を区別してよい。

【0061】

プロセッサ２２０は、多様な機械学習モデルを利用して、上述したプロセス４０１～４０３で前処理された会話内容から特徴ベクトル（チャットルーム特徴ベクトルとユーザ特徴ベクトル）を取得してよい。

【0062】

一方法として、文書埋め込みアルゴリズムを利用して、チャットルーム特徴ベクトルとユーザ特徴ベクトルを計算してよい。

【0063】

一例として、図５を参照すると、プロセッサ２２０は、チャットルーム特徴ベクトルの生成のために活用される会話全体の各単語をワード埋め込みベクトル（ｗｏｒｄ ｅｍｂｅｄｄｉｎｇ ｖｅｃｔｏｒ）に置換した後、置換されたすべてのベクトルを集計（ａｇｇｒｅｇａｔｉｏｎ）することによってチャットルーム特徴ベクトルを取得してよい。このとき、ワード埋め込みベクトルの集計は、ベクトル空間での合計（ｓｕｍ）、平均値（ａｖｇ）、最大値（ｍａｘ）、最小値（ｍｉｎ）、中央値（ｍｅｄｉａｎ）などの関数を利用してよい。

【0064】

他の例として、図６を参照すると、プロセッサ２２０は、チャットルーム特徴ベクトルの生成のために活用される会話全体の各単語をワード埋め込みベクトルに置換した後、トピックモデリングを利用して、事前に定義されたトピックベクトル（ｔｏｐｉｃ ｖｅｃｔｏｒ）と加重（ｗｅｉｇｈｔ）に基づいて、各ワード埋め込みベクトルに対応するトピックベクトルの加重合計（ｗｅｉｇｈｔｅｄ ｓｕｍ）形態でチャットルーム特徴ベクトルを生成してよい。このとき、ＬＳＡ（Ｌａｔｅｎｔ Ｓｅｍａｎｔｉｃ Ａｎａｌｙｓｉｓ）のようなトピックモデリングアルゴリズムを利用して文書分類のためのトピックを定義してよく、行列（ｍａｔｒｉｘ）演算によって、文書表現を単なる単語のベクトルではなく単語の潜在的な意味に基づいて文書を示すアイゲンベクトル（ｅｉｇｅｎ ｖｅｃｔｏｒ）を作成してトピックベクトルとして活用してよい。

【0065】

また他の例として、図７を参照すると、プロセッサ２２０は、チャットルーム特徴ベクトルの生成のために活用される会話全体に対して、先ずは単語のクラスタリングを実行した後、各クラスタの中心単語を単語埋め込みベクトルに置換し、この単語の単語トピックベクトル（ｗｏｒｄ ｔｏｐｉｃ ｖｅｃｔｏｒ）を集計することによってチャットルーム特徴ベクトルを取得してよい。このとき、プロセッサ２２０は、ＳＣＤＶ（Ｓｐａｒｓｅ Ｃｏｍｐｏｓｉｔｅ Ｄｏｃｕｍｅｎｔ Ｖｅｃｔｏｒｓ）法を活用して、チャットルーム内の会話内容からチャットルーム特徴ベクトルを計算してよい。すなわち、プロセッサ２２０は、会話全体の各単語をベクトルとして生成してＳＣＤＶによって単語ベクトルをクラスタリングした後、クラスタ中心点を算出し、これを累積（ａｃｃｕｍｕｌａｔｅ）することによって、この結果をチャットルーム特徴ベクトルとして活用してよい。ＳＣＤＶ法の核心アイディアは、文書を部分的にクラスタリングすることにある。一般的な文書埋め込み方法は、単語をベクトルに変換した後、文書のすべての単語ベクトルを平均または合計して文書ベクトルを生成するのに対し、ＳＣＤＶは、文書を単語のクラスタに分割した後、各クラスタの中心点を計算して文書ベクトルを生成する。これにより、ＳＣＤＶ法は、文書内の単語の重要度を反映することができる。

【0066】

文書埋め込みアルゴリズムを利用してユーザ特徴ベクトルを生成するプロセスも、チャットルームの特徴ベクトルを生成する、上述したプロセスと同じである。

【0067】

他の方法として、シーケンスモデルを利用して、チャットルーム特徴ベクトルとユーザ特徴ベクトルを生成してもよい。

【0068】

一例として、図８を参照すると、プロセッサ２２０は、シーケンスモデルの１つであるＬＳＴＭ（Ｌｏｎｇ Ｓｈｏｒｔ－Ｔｅｒｍ Ｍｅｍｏｒｙ）モデルに、チャットルーム特徴ベクトルの生成のために活用される会話全体を貼り付けて入力して１つのベクトルであるＬＳＴＭ表現（ＬＳＴＭ ｒｅｐｒｅｓｅｎｔａｔｉｏｎ）を生成して、チャットルーム特徴ベクトルとして活用してよい。

【0069】

他の例として、図９を参照すると、プロセッサ２２０は、チャットルーム特徴ベクトルの生成のために活用される会話全体を対象に、ＬＳＴＭに単位文に該当する各会話メッセージを入力して文章ベクトル（ｓｅｎｔｅｎｃｅ ｖｅｃｔｏｒ）を求めてから文章ベクトルを再びＬＳＴＭに入力して、１つのベクトルとして最終的なチャットルーム特徴ベクトルを求めてよい。

【0070】

シーケンスモデルを利用してユーザ特徴ベクトルを生成するプロセスも、チャットルーム特徴ベクトルを生成する、上述したプロセスと同じである。

【0071】

また他の方法として、言語モデルを利用して、チャットルーム特徴ベクトルとユーザ特徴ベクトルを生成してもよい。

【0072】

一例として、図１０を参照すると、プロセッサ２２０は、チャットルーム特徴ベクトルの生成のために活用される会話全体を大規模言語モデル（ｌａｒｇｅ ｌａｎｇｕａｇｅ ｍｏｄｅｌ）の１つであるＢＥＲＴ（Ｂｉｄｉｒｅｃｔｉｏｎａｌ Ｅｎｃｏｄｅｒ Ｒｅｐｒｅｓｅｎｔａｔｉｏｎｓ ｆｒｏｍ Ｔｒａｎｓｆｏｒｍｅｒｓ）に入力して取得したベクトルを集計して、チャットルーム特徴ベクトルを求めてよい。プロセッサ２２０は、単位文章に該当する各会話メッセージを、［ＳＥＰ］トークンに続いてＢＥＲＴモデルに入力してよい。この後、プロセッサ２２０は、ＢＥＲＴの分類表現であるＣＬＳ出力を集計する方式でチャットルーム特徴ベクトルを求めてよい。実施形態によっては、ＢＥＲＴのＣＬＳ出力をＬＳＴＭの入力として再入力してＬＳＴＭによって１つのベクトルとして生成して、これをチャットルーム特徴ベクトルとして活用することも可能である。

【0073】

言語モデルを利用してユーザ特徴ベクトルを生成するプロセスも、チャットルーム特徴ベクトルを生成する、上述したプロセスと同じである。

【0074】

チャットルーム特徴ベクトルとユーザ特徴ベクトルは、上述した方法の他にも、文書表現のための多様な自然言語処理技術を利用して生成することが可能である。

【0075】

図１１は、本発明の一実施形態における、チャットルーム特徴ベクトルとユーザ特徴ベクトルを利用して推薦コンテンツを提供するプロセスの一例を示した図である。

【0076】

図１１を参照すると、プロセッサ２２０は、ターゲットチャットルームでターゲットユーザが他のユーザの会話メッセージを選択するか、ターゲットユーザが送信のために会話メッセージを入力する場合、この会話メッセージをターゲットユーザによって与えられた会話文１１０１として認識する。この後、プロセッサ２２０は、ターゲットチャットルームに対する特徴ベクトルであるターゲットチャットルーム特徴ベクトルとターゲットチャットルームでのターゲットユーザに対する特徴ベクトルであるターゲットユーザ特徴ベクトルからなる特徴ベクトル１１０２を、会話文１１０１とともに機械学習モデル（例えば、ＢＥＲＴなど）ベースの推薦エンジン１１００に入力してよい。言い換えれば、推薦エンジン１１００の入力パラメータは、ターゲットユーザによって与えられた会話文１１０１、特徴ベクトル１１０２であるターゲットチャットルーム特徴ベクトル、およびターゲットチャットルーム内でのターゲットユーザ特徴ベクトルとなる。プロセッサ２２０は、推薦エンジン１１００を利用して、会話文１１０１に対する推薦コンテンツとして、特徴ベクトル１１０２に基づいた絵文字やスタンプ、リアクションアイコン、返信メッセージなどのコンテンツを提供してよい。

【0077】

図１２～図１５は、本発明の一実施形態における、推薦コンテンツの例を示した図である。図１２～図１４は、ユーザＩの電子機器にインストールされたメッセンジャーのチャットルームＡ画面１２００であると仮定する。

【0078】

一例として、プロセッサ２２０は、チャットルームでメッセージを作成する人物の、このチャットルーム内での普段の会話スタイルを推論し、これに適合する絵文字やスタンプを推薦してよい。

【0079】

図１２を参照すると、プロセッサ２２０は、チャットルームＡ画面１２００のメッセージ入力ウィンドウ１２１０にユーザＩが送信しようとする会話文１２０１を入力した場合、会話文１２０１に対する推薦コンテンツの１つとしてスタンプ１２２０を提供してよい。このとき、スタンプ１２２０は、チャットルームＡの特徴を示した特徴ベクトルと、チャットルームＡでのユーザＩの特徴を示した特徴ベクトルに基づいて選定されてよい。同じ会話文１２０１に対して、チャットルームやユーザごとに推薦コンテンツが異なるようにしてよい。すなわち、ユーザＩが同じ会話文１２０１をチャットルームＡで入力するときの推薦スタンプとチャットルームＢで入力するときの推薦スタンプは異なってよい。例えば、ユーザＩに、チャットルームＡでは「ご飯行こう」というテキストが含まれたスタンプが推薦されるが、チャットルームＢでは「ご飯！」というテキストが含まれたスタンプが推薦されてよい。また、同じ会話文１２０１を、チャットルームＡに参加中のユーザのうちでユーザＩが入力するときの推薦スタンプとユーザＩＩが入力するときの推薦スタンプが異なるようにしてよい。実施形態によっては、感情推論を利用して、ユーザＩが作成した会話文１２０１に対して、ユーザＩの感情推論に基づいてユーザＩがどのような感情であるかを示すスタンプを推薦してよい。

【0080】

図に示してはいないが、他の実施形態によると、プロセッサ２２０は、チャットルームＡ画面１２００のメッセージ入力ウィンドウ１２１０にユーザＩが送信しようとする会話文１２０１を入力した場合、会話文１２０１に対する推薦コンテンツのうちでスタンプに含まれる変更可能なテキスト領域に推薦テキストを挿入してスタンプを提供してよい。例えば、ユーザＩに、食事をしている同じ画像のスタンプを推薦するときに、チャットルームＡでは「ご飯行こう」というテキストを挿入したスタンプを、チャットルームＢでは「ご飯！」というテキストを挿入したスタンプを推薦してよい。

【0081】

他の例として、プロセッサ２２０は、チャットルームでメッセージを読む人物の、このチャットルーム内での普段の会話スタイルを推論し、これに適合するリアクションアイコンや返信メッセージなどを推薦してよい。

【0082】

図１３を参照すると、プロセッサ２２０は、チャットルームＡ画面１２００の会話文のうちからユーザＩが選択した会話文１３０１に対して、リアクションアイコン１３３０を推薦してよい。このとき、プロセッサ２２０は、チャットルームＡの特徴を示した特徴ベクトルとチャットルームＡでのユーザＩの特徴を示した特徴ベクトルに基づいてリアクションアイコン１３３０を選定して提供してよい。チャットルームＡに参加中のユーザのうちで会話文１３０１を選択したユーザが誰であるかによって推薦コンテンツが異なってよい。チャットルームＡで会話文１３０１をユーザＩが選択したときの推薦リアクションアイコンとユーザＩＩが選択したときの推薦リアクションアイコンは異なってよい。

【0083】

図１４を参照すると、プロセッサ２２０は、チャットルームＡ画面１２００の会話文のうちからユーザＩが１つの会話文１３０１を選択すると、メッセージ活用機能で構成されたメニューリスト（図１３の１３４０）を提供するようになるが、このとき、メニューリストから返信機能が選択された場合、会話文１３０１に対する返信メッセージ１４５０を推薦してよい。メッセンジャーは、メッセージ活用機能として、メッセージの内容をコピーするコピー機能、メッセージをブックマークに追加するブックマーク機能、メッセージに対する返信のための返信機能、メッセージを他のユーザと共有するための共有機能、メッセージをチャットルームのお知らせに登録するためのお知らせ機能、メッセージをキャプチャするためのキャプチャ機能、メッセージを削除するための削除機能などを提供してよい。このとき、プロセッサ２２０は、チャットルームＡの特徴を示した特徴ベクトルとチャットルームＡでのユーザＩの特徴を示した特徴ベクトルに基づいて、チャットルームＡとチャットルームＡでのユーザＩに適合する返信メッセージ１４５０を推薦してよい。チャットルームＡに参加中のユーザのうちで会話文１３０１を選択したユーザが誰であるかによって推薦コンテンツが異なってよい。チャットルームＡで会話文１３０１をユーザＩが選択したときの推薦返信メッセージとユーザＩＩが選択したときの推薦返信メッセージは異なってよい。

【0084】

また他の例では、メッセージを読む人物とこのメッセージを送った人物の普段の会話スタイルをともに考慮して推薦コンテンツを提供することも可能である。メッセンジャーサーバは、チャットルームＡに参加中のユーザＩとユーザＩＩの特徴ベクトルの両方を有している。ユーザＩＩが送ったメッセージに対してユーザＩが返信しようとするときに、ユーザＩの特徴だけでなく、ユーザＩＩの特徴も併せて考慮してコンテンツを推薦してよい。

【0085】

図１５を参照すると、プロセッサ２２０は、チャットルームＡ画面１２００の会話文のうちからユーザＩＩが送信した会話文１３０１に対してユーザＩが返信機能を選択した場合、チャットルームＡの特徴を示した特徴ベクトルとチャットルームＡでのユーザＩの特徴を示した特徴ベクトルを利用して返信メッセージ１４５０を推薦するようになるが、このとき、返信メッセージ１４５０に対するユーザＩＩの反応を予測して、予想反応情報１５６０をともに提供してよい。例えば、返信メッセージ１４５０の特徴ベクトルとチャットルームＡでのユーザＩＩの特徴ベクトルの類似度に基づいて肯定反応と否定反応を把握することによって、予想反応情報１５６０を提供してよい。実施形態によっては、会話文１３０１に対してユーザＩに推薦する返信メッセージ１４５０が複数ある場合、ユーザＩＩの肯定反応が高い順に少なくとも一部だけを推薦してもよい。

【0086】

他の例において、チャットルームＡ画面１２００の会話文に対して、チャットルームＡの特徴ベクトルとチャットルームＡでのユーザＩの特徴ベクトルを利用して絵文字やスタンプ、リアクションアイコン、返信メッセージなどのコンテンツを推薦するにあたり、他のチャットルーム特徴ベクトルを利用して推薦コンテンツを選定してよい。例えば、コサイン類似度（ｃｏｓｉｎｅ ｓｉｍｉｌａｒｉｔｙ）などによって各チャットルーム特徴ベクトルを比較して、チャットルームＡと類似するチャットルームで頻繁に使用されたり多く推薦されるコンテンツのうちでチャットルームＡに適合するコンテンツをチャットルームＡで推薦することも可能である。チャットルームＡと類似するチャットルームＢで多く使用されるコンテンツのうちから、チャットルームＡで推薦するコンテンツを選定してよい。

【0087】

このように、本発明の実施形態によると、メッセンジャー内でコンテンツを推薦するにあたり、チャットルームの特徴とこのチャットルーム内でのユーザの特徴を利用することによって、ユーザに適したコンテンツを推薦することができる。

【0088】

上述した装置は、ハードウェアコンポーネント、ソフトウェアコンポーネント、および／またはハードウェアコンポーネントとソフトウェアコンポーネントとの組み合わせによって実現されてよい。例えば、実施形態で説明された装置およびコンポーネントは、プロセッサ、コントローラ、ＡＬＵ（Ａｒｉｔｈｍｅｔｉｃ Ｌｏｇｉｃ Ｕｎｉｔ）、デジタル信号プロセッサ、マイクロコンピュータ、ＦＰＧＡ（Ｆｉｅｌｄ Ｐｒｏｇｒａｍｍａｂｌｅ Ｇａｔｅ Ａｒｒａｙ）、ＰＬＵ（Ｐｒｏｇｒａｍｍａｂｌｅ Ｌｏｇｉｃ Ｕｎｉｔ）、マイクロプロセッサ、または命令を実行して応答することができる様々な装置のように、１つ以上の汎用コンピュータまたは特殊目的コンピュータを利用して実現されてよい。処理装置は、オペレーティングシステム（ＯＳ）およびＯＳ上で実行される１つ以上のソフトウェアアプリケーションを実行してよい。また、処理装置は、ソフトウェアの実行に応答し、データにアクセスし、データを記録、操作、処理、および生成してもよい。理解の便宜のために、１つの処理装置が使用されるとして説明される場合もあるが、当業者であれば、処理装置が複数個の処理要素および／または複数種類の処理要素を含んでもよいことが理解できるであろう。例えば、処理装置は、複数個のプロセッサまたは１つのプロセッサおよび１つのコントローラを含んでよい。また、並列プロセッサのような、他の処理構成も可能である。

【0089】

ソフトウェアは、コンピュータプログラム、コード、命令、またはこれらのうちの１つ以上の組み合わせを含んでもよく、所望の動作をするように処理装置を構成したり、独立的または集合的に処理装置に命令したりしてよい。ソフトウェアおよび／またはデータは、処理装置に基づいて解釈されたり、処理装置に命令またはデータを提供したりするために、いかなる種類の機械、コンポーネント、物理装置、コンピュータ記録媒体または装置に実装されてよい。ソフトウェアは、ネットワークによって接続されたコンピュータシステム上に分散され、分散された状態で記録されても実行されてもよい。ソフトウェアおよびデータは、１つ以上のコンピュータ読み取り可能な記録媒体に記録されてよい。

【0090】

実施形態に係る方法は、多様なコンピュータ手段によって実行可能なプログラム命令の形態で実現されてコンピュータ読み取り可能な媒体に記録されてよい。このとき、媒体は、コンピュータで実行可能なプログラムを継続して記録するものであっても、実行またはダウンロードのために一時的に記録するものであってもよい。また、媒体は、単一または複数のハードウェアが結合した形態の多様な記録手段または格納手段であってよく、あるコンピュータシステムに直接接続する媒体はもちろん、ネットワーク上に分散して存在するものであってもよい。媒体の例としては、ハードディスク、フロッピーディスク、および磁気テープのような磁気媒体、ＣＤ－ＲＯＭ、ＤＶＤのような光媒体、フロプティカルディスク（ｆｌｏｐｔｉｃａｌ ｄｉｓｋ）のような光磁気媒体、およびＲＯＭ、ＲＡＭ、フラッシュメモリなどのようなプログラム命令が記録されるように構成されたものであってよい。また、他の媒体の例として、アプリケーションを流通するアプリストアや、その他の多様なソフトウェアを供給したり流通したりするサイト、サーバなどで管理する記録媒体や格納媒体も含まれる。

【0091】

以上のように、実施形態を、限定された実施形態および図面に基づいて説明したが、当業者であれば、上述した記載から多様な修正および変形が可能であろう。例えば、説明された技術が、説明された方法とは異なる順序で実行されたり、かつ／あるいは、説明されたシステム、構造、装置、回路などの構成要素が、説明された方法とは異なる形態で結合されたりまたは組み合わされたり、他の構成要素または均等物によって対置されたり置換されたとしても、適切な結果を達成することができる。

【0092】

したがって、異なる実施形態であっても、特許請求の範囲と均等なものであれば、添付の特許請求の範囲に属する。

【符号の説明】

【0093】

１１０、１２０、１３０、１４０：電子機器
１５０、１６０：サーバ
１７０：ネットワーク

【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】

【図14】

【図15】

【外国語明細書】