CN101896902A - 信息提供系统 - Google Patents

Abstract

本发明提供一种信息提供系统，其能正确地预测用户的行动模式，在每个时间点选择最适当的信息进行提供。在文件存储部(100)内存储有许多店铺的提供信息文件(F1，F2...)。如果用户通过移动电话(10)访问检索条件输入部(130)，发送包括位置信息和关键词的检索条件，则检索执行部(120)检索与该检索条件的匹配度达到基准以上的文件。在列表提供部(140)内准备了按各地理区域、按各时段、按各店铺类型表示统计上的用户感兴趣度的表。列表提供部(140)基于表内的相应的感兴趣度对检索出的文件的匹配度进行校正，向移动电话(10)提供按照校正匹配度的降序分类的列表。通过信息配送部(110)向移动电话(19)配送用户从列表中选择的店铺信息。

Description

信息提供系统

技术领域

本发明涉及信息提供系统，尤其涉及向具有识别自身位置的功能的移动终端装置提供关于指定店铺的店铺信息的系统。

背景技术

近年来，信息的提供方法正在从过去的利用电视、收音机等广播的信息提供方法向利用网络的网页等的新的信息提供方法转变。尤其是由于移动电话等移动终端装置的普及，用户可以从任何地方获取需要的信息，便利性大大提高。并且，对于提供商品或服务的企业方来说，可以通过网页广泛地向用户提供店铺宣传或指南信息。用户即使在移动中也能利用移动终端装置浏览这样的网页，从而获取关于打算利用的店铺的各种信息。

这样，在利用网络获取信息的情况下，重要的是从大量的信息中提取与自己的要求匹配的信息。因此，用户通常利用所需要的关键词进行检索，访问显示了必要信息的网页。例如在饮食或购物等的情况下，用户通过使用“意大利料理”或“女士服装”等关键词进行检索，可以浏览意大利餐厅或女士服装店等网页。

并且，为了对每个用户分别高效率地提供恰当的信息，提出了各种技术。例如在日本特开2003-296358号公报中公开了事先收集表示每个用户的嗜好的信息，并提供与每个人的嗜好匹配的信息的信息配送系统，在日本特开2004-326211号公报中公开了以包括同伴在内的情况信息为基础将各用户的嗜好度作为个人资料(profile)进行存储的方法。而且，在日本特开2002-108918号公报中公开了基于用户的行动历史学习该用户的嗜好的嗜好学习装置，在日本特开2007-193352号公报中公开了利用从移动终端装置获取的终端位置信息来配送利用价值更高的广告信息的方法。

如上述各文献中所述，已经提出了一些把握每个用户的嗜好或当前位置以向各个用户提供恰当信息的技术。但是，任何一种技术都很难正确地预测每个用户在每个时间点打算进行什么样的行动，因此，很难提供反映用户行动模式的信息。

因此，本发明的目的在于提供一种能够尽可能正确预测用户的行动模式、并在每个时间点选择最适当的信息向用户提供的信息提供系统。

发明内容

本发明的第一方式是一种信息提供系统，向具有识别自身位置功能的移动终端装置提供关于指定店铺的店铺信息，包括：提供信息文件存储部，存储有多个提供信息文件，所述提供信息文件具有构成作为提供对象的店铺信息的店铺信息本体数据以及该店铺信息本体数据附带的元数据；检索条件输入部，用于接受移动终端装置的访问，输入至少包括表示移动终端装置自身位置的终端位置信息的检索条件；检索执行部，用于从存储在提供信息文件存储部内的多个提供信息文件中检索与检索条件的匹配度达到规定基准以上的提供信息文件；列表提供部，用于向移动终端装置发送检索执行部检索出的提供信息文件的列表；以及信息配送部，在从移动终端装置收到从列表中选择一个的选择指示时，信息配送部从提供信息文件存储部中读出选择指示所涉及的提供信息文件内的店铺信息本体数据，并向移动终端装置配送该店铺信息本体数据，元数据包括用于指定提供信息文件的信息识别代码、表示提供信息文件所涉及的店铺的类型的店铺类型代码以及表示提供信息文件所涉及的店铺的位置的店铺位置代码，检索执行部至少参考“检索条件中包含的终端位置信息与元数据中包含的店铺位置代码的匹配程度”进行检索，将使检索出的提供信息文件的信息识别代码与表示该提供信息文件的匹配程度的匹配度相互对应的信息作为检索结果提交给列表提供部，列表提供部包括：检索结果存储部，用于存储检索执行部提交的检索结果；表存储部，用于存储感兴趣度表，感兴趣度表将地图划分成多个地区区域，按为每个地区区域的每个时段设定的组块设定了与各店铺类型对应的感兴趣度；校正处理部，当从检索执行部提交了检索结果时，校正处理部通过参考感兴趣度表，识别针对包括由终端位置信息所表示的位置在内的地区区域的与当前时间对应的组块设定的对各店铺类型的感兴趣度，并采用针对该提供信息文件所涉及的店铺类型识别出的感兴趣度，对存储在检索结果存储部中的“各提供信息文件的匹配度”进行校正，从而求出校正匹配度；校正结果存储部，用于存储将检索结果存储部中所存储的检索结果中的匹配度置换成校正匹配度后的信息；以及列表发送部，用于基于存储在校正结果存储部中的信息，按照校正匹配度的降序对信息识别代码进行分类，创建店铺信息的索引按照分类后的顺序排列的列表，并将该列表发送至移动终端装置。

(2)本发明的第二方式是如上述第一方式所述的信息提供系统，其中，元数据包括关键词代码，关键词代码包括与店铺信息本体数据关联的关键词和赋予该关键词的加权分，检索条件输入部输入包括终端位置信息和用户指定的规定关键词的检索条件，检索执行部参考位置匹配度和关键词匹配度两者进行检索，并将考虑了位置匹配度和关键词匹配度两者所得出的匹配度作为检索结果提交给列表提供部，其中位置匹配度表示检索条件中包含的终端位置信息与元数据中包含的店铺位置代码的匹配程度，关键词匹配度表示考虑到检索条件中包含的关键词和元数据中包含的关键词的加权分而计算出的匹配程度。

(3)本发明的第三方式是如上述第一或第二方式所述的信息提供系统，其中，列表发送部通过将店铺信息本体数据内的索引行的字符串按照分类顺序排列来创建列表。

(4)本发明的第四方式是如上述第一至第三方式所述的信息提供系统，其中，使用将一星期中的每一天的时段分别作为单独的组块的感兴趣度表。

(5)本发明的第五方式是如上述第一至第四方式所述的信息提供系统，其中，校正处理部通过将存储在检索结果存储部中的匹配度乘以或加上感兴趣度来求出校正匹配度。

(6)本发明的第六方式是如上述第一至第四方式所述的信息提供系统，其中，表存储部存储有多个感兴趣度表，校正处理部通过参考这些多个感兴趣度表来识别多种感兴趣度，并利用识别出的多种感兴趣度进行校正，从而求出校正匹配度。

(7)本发明的第七方式使如上述第六方式所述的信息提供系统，其中，校正处理部具有分别对识别出的多种感兴趣度设定权值参数的功能，校正处理部将各感兴趣度与权值参数的乘积值与匹配度相乘或相加，从而求出校正匹配度。

(8)本发明的第八方式是如上述第一至第七方式所述的信息提供系统，其中，信息提供系统还包括感兴趣度表创建部，感兴趣度表创建部基于从许多用户携带的移动终端装置获取的信息新建感兴趣度表，更新表存储部内的感兴趣度表。

(9)本发明的第九方式是如上述第八方式所述的信息提供系统，其中，信息配送部具有在从移动终端装置收到选择指示时将感兴趣信息提交给感兴趣度表创建部的功能，感兴趣信息包括该移动终端装置的终端位置信息、表示收到选择指示的时间点的时间信息以及表示选择指示所涉及的提供信息文件的店铺类型的店铺类型信息，感兴趣度表创建部具有频率统计部，频率统计部基于所提交的感兴趣信息，针对包括由终端位置信息所表示的位置在内的地区区域的与时间信息对应的组块，记录对由店铺类型信息所表示的店铺类型表示出兴趣，并按每个组块统计对各店铺类型表示出兴趣的频率，感兴趣度表创建部基于该统计结果创建预制订感兴趣度表。

(10)本发明的第十方式是如上述第八方式所述的信息提供系统，其中，感兴趣度表创建部包括：附近店铺识别部，基于表示各个移动终端装置在每个规定采样时间的位置变化的位置变化信息识别各个移动终端装置在移动路径上的经过点，参考存储在提供信息文件存储部内的提供信息文件内的店铺位置代码，计算每个经过点分别与各店铺的距离，按照距离由小到大的顺序将规定数量的m个店铺识别为与该经过点相关的附近店铺；滞留时间识别部，针对移动路径上的连续的经过点所共用的共用附近店铺，将从第一个经过点的经过时刻到最后一个经过点的经过时刻所经过的时间识别为滞留时间；滞留系数计算部，求出共用附近店铺与从第一个经过点到最后一个经过点的全部经过点的距离之和，将该滞留时间除以和所得出的值作为滞留系数计算；以及滞留系数统计部，将为每个共用附近店铺计算出的滞留系数作为表示对该共用附近店铺的店铺类型的感兴趣程度的值统计在包括该共用附近店铺的位置的地区区域的与识别出的该共用附近店铺的滞留时间对应的组块上，感兴趣度表创建部基于滞留系数统计部的统计结果创建逗留利用感兴趣度表。

(11)本发明的第十一方式是如上述第十方式所述的信息提供系统，其中，如果滞留时间跨越多个组块的时段，则对应于各组块统计按照滞留时间与各个组块的时段的重合度而按比例划分的滞留系数。

(12)本发明的第十二方式是如上述第一至第十一方式所述的信息提供系统，其中，表存储部存储有分别与各提供信息文件对应的广告主意向度表，在广告主意向度表上设置有与感兴趣度表相同的组块，按每个组块分别设定提供店铺信息的广告主的意向度，信息提供系统还具有广告主意向度表创建部，广告主意向度表创建部基于根据广告主的指示从外部输入的输入操作，分别创建针对各提供信息文件的广告主意向度表，并将广告主意向度表存储在表存储部内，校正处理部通过参考作为匹配度的校正对象的提供信息文件的广告主意向度表来识别设置在相应组块上的意向度，利用感兴趣度和意向度两者进行校正，从而求出校正匹配度。

(13)本发明的第十三方式是如上述第十二方式所述的信息提供系统，其中，广告主意向度表创建部具有基于广告主的输入操作设定指定提供信息文件的指定组块的意向度的功能以及通过参考表存储部内的感兴趣度表来识别对指定组块设定的与指定提供信息文件的店铺类型对应的感兴趣度，并向广告主提供所识别的感兴趣度的功能。

(14)本发明的第十四方式是如上述第十三方式所述的信息提供系统，其中，广告主意向度表创建部向广告主提供“用于对应于各个组块分别输入规定的意向度的输入栏”，用与识别出的各组块的感兴趣度对应的显示方式显示各输入栏。

(15)本发明的第十五方式是如上述第十二方式所述的信息提供系统，其中，广告主意向度表创建部具有基于广告主的输入操作设定指定提供信息文件的各组块的意向度的功能以及通过参考表存储部内的感兴趣度表来识别对各组块设定的与指定提供信息文件的店铺类型对应的感兴趣度、并按照考虑了感兴趣度大小的优先顺序向广告主提供组块的功能。

(16)本发明的第十六方式是如上述第十二至第十五方式所述的信息提供系统，其中，校正处理部具有分别对感兴趣度和意向度设定权值参数的功能，校正处理部将感兴趣度与其权值参数的乘积值以及意向度与其权值参数的乘积值分别与匹配度相乘或相加，从而求出校正匹配度。

(17)本发明的第十七方式是如上述第一至第十六方式所述的信息提供系统，其中，表存储部存储有分别与各提供信息文件对应的用户评价值表，在用户评价值表中记录了用户对与各提供信息文件对应的店铺的评价值，信息提供系统还具有用户评价值表创建部，用户评价值表创建部通过从用户收集对各店铺的评价值，分别创建针对各提供信息文件的用户评价值表，并将用户评价值表存储在表存储部中，校正处理部针对作为匹配度的校正对象的提供信息文件，通过参考该提供信息文件的用户评价值表来识别评价值，利用感兴趣度和评价值两者进行校正，从而求出校正匹配度。

(18)本发明的第十八方式是如上述第十七方式所述的信息提供系统，其中，校正处理部具有分别对感兴趣度和评价值设定权值参数的功能，将感兴趣度与其权值参数的乘积值以及评价值与其权值参数的乘积值分别与匹配度相乘或相加，从而求出校正匹配度。

(19)本发明的第十九方式是如上述第十七或十八方式所述的信息提供系统，其中，用户评价值表创建部创建记录了每个用户的个人评价值的用户评价值表，检索条件输入部在输入检索条件的同时，输入用于识别进行访问的访问用户的信息，校正处理部将具有与访问用户的评价相似的评价倾向的用户识别为嗜好相似者，利用嗜好相似者的个人评价值进行校正。

(20)本发明的第二十方式是如上述第十九方式所述的信息提供系统，其中，在作为匹配度的校正对象的提供信息文件的用户评价值表上登载了访问用户自身的个人评价值的情况下，校正处理部将访问用户自身识别为嗜好相似者，利用访问用户自身的个人评价值进行校正。

(21)本发明的第二十一方式是如上述第十九或第二十方式所述的信息提供系统，其中，校正处理部具有：第一装置，用于提取具有与作为匹配度的校正对象的提供信息文件相同的店铺类型的提供信息文件的用户评价值表；第二装置，用于从第一装置提取的用户评价值表中提取登载了访问用户的个人评价值的表；第三装置，用于利用第二装置提取的用户评价值表，计算访问用户与其他用户的关联度；第四装置，用于将第三装置算出的关联度在规定基准值以上的人或按照第三装置算出的关联度由高到低的顺序选择的规定数量的人识别为访问用户的嗜好相似者；以及第五装置，用于基于记录在作为匹配度的校正对象的提供信息文件的用户评价值表上的嗜好相似者的个人评价值，确定用于校正的评价值。

(22)本发明的第二十二方式是如上述第二十一方式所述的信息提供系统，其中，第三装置在计算用户X与用户Y的关联度R(X，Y)时，从第二装置提取的用户评价值表中选择同时登载了用户X的个人评价值和用户Y的个人评价值的表，基于选择出的n个表进行以下运算

Sxx＝∑_i＝1～n(Exi-Exa)²

Syy＝∑_i＝1～n(Eyi-Eya)²

Sxy＝∑_i＝1～n(Exi-Exa)(Eyi-Eya)

其中Exi是所选择的第i个表中的用户X的个人评价值，Eyi是所选择的第i个表中的用户Y的个人评价值，Exa是所选择的n个表中的用户X的个人评价值的平均值，Eya是所选择的n个表中的用户Y的个人评价值的平均值，而且，进行

$R(X,Y)=\mathrm{Sxy}/(\sqrt{\mathrm{Sxx}}\·\sqrt{\mathrm{Syy}})$

的运算，计算关联度R(X，Y)，校正处理部分别计算访问用户与K名嗜好相似者的关联度，将记录在作为匹配度的校正对象的提供信息文件的用户评价值表上的第k个嗜好相似者的个人评价值设为Ek，将访问用户与第k个嗜好相似者的关联度设为Rk，通过

γ＝∑_k＝1～K(Ek×Rk)/∑_k＝1～K(Rk)

的运算，求出用于校正的评价值γ，其中在作为匹配度的校正对象的提供信息文件的用户评价值表上没有记录第k个嗜好相似者的个人评价值的情况下，Ek＝0，Rk＝0。

(23)本发明的第二十三方式是如上述第一至第二十二方式所述的信息提供系统，其中，表存储部存储有各个用户的个人感兴趣度表，在个人感兴趣度表上设定了用户对各店铺类型的个人感兴趣度，信息提供系统还具有个人感兴趣度表创建部，个人感兴趣度表创建部通过收集关于各用户的信息，分别创建各用户的个人感兴趣度表，并将个人感兴趣度表存储在表存储部中，校正处理部通过参考作为列表提供对象的提供对象用户的个人感兴趣度表，识别提供对象用户对作为匹配度的校正对象的提供信息文件的店铺类型的个人感兴趣度，利用感兴趣度和个人感兴趣度两者进行校正，从而求出校正匹配度。

(24)本发明的第二十四方式是如上述第二十三方式所述的信息提供系统，其中，个人感兴趣度表创建部基于从检索条件输入部获取的检索条件，创建进行了检索条件输入操作的指定用户的个人感兴趣度表。

(25)本发明的第二十五方式是如上述第二十三方式所述的信息提供系统，其中，个人感兴趣度表创建部将从信息配送部获取的“向指定用户配送的店铺信息的店铺类型”作为指定用户的个人感兴趣信息进行收集，基于所收集的第二装置，用于从第一装置提取的用户评价值表中提取登载了访问用户的个人评价值的表个人感兴趣信息创建指定用户的个人感兴趣度表。

(26)本发明的第二十六方式是如上述第二十三至第二十五方式所述的信息提供系统，其中，个人感兴趣度表创建部按对每个地区区域的每个时段设定的组块，创建设定了与各店铺类型对应的个人感兴趣度的个人感兴趣度表，校正处理部通过参考个人感兴趣度表中的、针对包括终端位置信息所表示的位置在内的地区区域的与当前时间对应的组块设定的对各店铺类型的个人感兴趣度来进行校正。

(27)本发明的第二十七方式是如上述第二十三至第二十六方式的信息提供系统，其中，校正处理部具有分别对感兴趣度和个人感兴趣度设定权值参数的功能，将感兴趣度与其权值参数的乘积值以及个人感兴趣度与其权值参数的乘积值分别与匹配度相乘或相加，从而求出校正匹配度。

(28)本发明的第二十八方式通过将专用程序编入计算机中，构成了如上述第一至第二十七方式所述的信息提供系统。

根据本发明的信息提供系统，通过进行地理上和时间上的划分定义多个组块，按每个组块设定对各店铺类型的感兴趣度。所设定的感兴趣度成为基于许多用户过去的行动模式按各组块表示一般用户对哪种类型的店铺感兴趣的参数。在本发明的信息提供系统中，根据该感兴趣度来校正作为检索结果显示的店铺信息列表的登载顺序。因此，能够根据用户进行访问的地理位置和时段，尽量正确地预测用户的行动模式，选择最适当的信息提供给用户。

附图说明

图1是本发明的基本实施方式所涉及的信息提供系统的构成框图；

图2是存储在图1所示的提供信息文件存储部100内的提供信息文件F1的具体构成例图；

图3是本发明使用的店铺类型的具体设定例示意图；

图4是通过图1所示的检索条件输入部130输入的检索条件示例图；

图5是通过图1所示的检索执行部120的检索操作获取的检索结果示例图；

图6是显示直接利用图5所示的检索结果创建的列表的终端屏幕图；

图7是示出通过从图6所示的列表中选择最上面的一项所提供的一例店铺信息的终端屏幕图；

图8是将地图划分成多个地区区域的示例平面图；

图9是本发明使用的感兴趣度表的构成例的平面图；

图10是存储在图9所示的感兴趣度表的一个组块内的感兴趣度的具体示例图；

图11是存储在图9所示的感兴趣度表的一个组块内的信息的其他具体示例图；

图12是示出图1所示的列表提供部140的内部结构的框图；

图13是通过图12所示的校正处理部142的校正处理对与各信息识别代码对应的匹配度进行了校正的状态图；

图14是在图13所示的例子中，按照校正匹配度的降序将各信息识别代码进行分类后的状态图；

图15是显示了利用图14所示的分类后的检索结果创建的列表的终端屏幕图；

图16是具有自动创建感兴趣度表的功能的实施方式所涉及的信息提供系统的结构框图；

图17是示出预制订感兴趣度表的创建原理的框图；

图18是示出逗留利用感兴趣度表的创建原理的框图；

图19是逗留利用感兴趣度表的创建步骤的一个程序图；

图20是逗留利用感兴趣度表的创建步骤的另一个程序图；

图21是示出在逗留利用感兴趣度表的创建程序中识别出各经过点的附近店铺及其距离的状态的图；

图22是示出从图21所示的识别结果中把握共用附近店铺并计算出其滞留系数的状态的图；

图23是用于说明求出共用附近店铺的滞留系数的一般方法的平面图；

图24是示出在图23所示的例子中求出共用附近店铺Sj的滞留系数的具体方法的表；

图25是示出图16所示的感兴趣度表创建部150的内部结构的框图；

图26是在图16所示的列表提供部140内进行的校正处理的示例框图；

图27是利用了广告主意向度表的实施方式所涉及的信息提供系统的结构框图；

图28是图27所示的广告主意向度表创建部160所创建的广告主意向度表的具体示例图；

图29是在图27所示的列表提供部140内进行的校正处理的示例框图；

图30是利用了用户评价值表的实施方式所涉及的信息提供系统的结构框图；

图31是图30所示的用户评价值表创建部170所创建的用户评价值表的具体示例图；

图32是在图30所示的列表提供部140内进行的校正处理的示例框图；

图33是图32所示的评价值γ的计算步骤的流程图；

图34是图33所示的流程图中的步骤S3的关联度计算所使用的n组个人评价值对的示意图；

图35是示出图33所示的流程图中的步骤S3的关联度计算所使用的运算公式的图；

图36是利用了个人感兴趣度表的实施方式所涉及的信息提供系统的构成框图；

图37是图36所示的个人感兴趣度表创建部180所创建的个人感兴趣度表的具体例示意图；以及

图38是在图36所示的列表提供部140内进行的校正处理的示例框图。

具体实施方式

下面，基于图示的实施方式对本发明进行说明。

§1.本发明所涉及的系统的基本构成

图1是本发明的基本实施方式所涉及的信息提供系统的结构框图。如图所示，该系统包括提供信息文件存储部100、信息配送部110、检索执行部120、检索条件输入部130以及列表提供部140，可以通过网络N接受移动终端装置10的访问。

本发明的信息提供系统是用于对具有识别自身位置的功能的移动终端装置10提供关于指定店铺的店铺信息的系统。可用于本发明的移动终端装置10的典型例是带GPS功能的移动电话、小型电脑、PDA等设备。这些设备可以利用GPS获取表示自身位置的经纬度信息。在此，将这样获取的经纬度信息称为“终端位置信息”。

从移动终端装置10访问本发明的系统可以使用任意的方法，但在此所示的实施方式中，对使用移动终端装置10所具有的网页浏览器功能通过网络N来访问系统的典型例进行说明。

图示的提供信息文件存储部100是存储有多个提供信息文件F1、F2、F3.....的构成元件，实际上由文件服务器装置构成。每个提供信息文件中分别收容有与指定店铺有关的店铺信息(向用户配送的店铺广告信息)。如图所示，一个提供信息文件F1由构成作为提供对象的店铺信息的店铺信息本体数据D1和该店铺信息本体数据D1附带的元数据D2构成。在此，元数据D2包括：用于指定提供信息文件F1的信息识别代码C0、与店铺信息本体数据D 1相关的关键词代码C1、表示提供信息文件F1所涉及的店铺类型的店铺类型代码C2以及表示提供信息文件F1所涉及的店铺位置的店铺位置代码C3。

图2是存储在该提供信息文件存储部100内的提供信息文件F1的具体构成例的示意图。在该例中，提供信息文件F1是表示关于“东京XXX”印度餐厅的店铺信息的文件，在店铺信息本体数据D1中收容了“印度餐厅：东京XXX”的索引行的字符串，然后是店铺广告的字符串。该店铺信息本体数据D1被配送到用户操作的移动终端装置10，从而在移动终端装置10的显示屏幕上显示图示的字符串。另外，为了能被移动终端装置10上的网页浏览器解释，店铺信息本体数据D1用文本格式或HTML格式描述。

如上所述，元数据D2由信息识别代码C0、关键词代码C1、店铺类型代码C2以及店铺位置代码C3构成。在图2的示例中，作为信息识别代码C0，示出了代码“DDD111111”，这是用于指定提供信息文件F1的独特的代码，例如也可以直接使用提供信息文件F1的文件名。

关键词代码C1是由与店铺信息本体数据D1关联的关键词和赋予该关键词的加权分构成的代码。在图2所示的例子中，“XXX”、“饮食”、“餐厅”、“印度”等字符串分别是关键词，括号中的数值是赋予该关键词的加权分。如后所述，加权分用于计算检索时的匹配度。

店铺类型代码C2是表示店铺信息本体数据D1的作为广告对象的店铺的类型的代码。如何对店铺类型进行分类全凭该系统管理者的判断，是可以在实施本发明时任意设定的事项。但在此为了方便起见，进行了图3所示的具体店铺类型的设定，以下进行说明。

一般，提到“店铺”有提供饮食的店铺、销售物品的店铺、提供电影戏剧的店铺、提供游乐设施的店铺等，其业务内容各种各样。因此，在图3所示的店铺类型的设定例中，首先设定“餐饮”、“购物”、“观看”、“游乐”四大分类的店铺类型，进而作为其下位概念设定小分类的店铺类型。例如，在“餐饮”的下位概念中设定“法国料理”、“意大利料理”、“中国料理”等小分类的店铺类型。并且，作为元数据D2内的店铺类型代码C2，以“大分类/小分类”的形式表示该店铺的类型。图2所示的例子中的“餐饮/印度料理”这一店铺类型代码C2表示“东京XXX”印度餐厅的店铺类型属于“大分类：餐饮”、“小分类：印度料理”。

如上所述，由于店铺类型的设定是全凭系统管理者的判断的任意事项，因此也可以进行其他各种各样的设定。例如，店铺类型代码C2可以只使用“大分类”，店铺类型代码C2也可只使用“小分类”。或者，也可以使用其中间的“中分类”。并且，类型的分类方法也不局限于关于该店铺提供的服务或该店铺销售的商品的分类，例如也可以“年轻人”、“壮年”、“情侣”、“家庭”等客户层为标准进行分类，或以“低价位”、“中价位”、“高价位”等价格范围为标准进行分类。

另外，为了便于说明，在此就将“餐饮”、“购物”、“法国料理”、“意大利料理”等由人能够直接辨认的字符串形成的代码直接用作店铺类型代码C2的例子进行说明，但实际上根据需要，也可使用由字母和数字的组合等形成的人不能直接辨认的店铺类型代码C2。

店铺位置代码C3是表示店铺信息本体数据D1的作为广告对象的店铺的位置的代码，在此，将表示店铺所在地的经纬度的代码用作店铺位置代码C3。例如，图2所示的例中的“N35.6238，E139.7308”的店铺位置代码C3表示“东京XXX”印度餐厅的店铺所在地位于北纬35.6238度，东经139.7308度。

以上基于图2所示的例子对信息提供文件F1的具体数据结构进行了说明，在提供信息文件存储部100内分别对多家店铺(例如数千家至数万家)存储了具有相同数据结构的提供信息文件。另外，系统管理者基于广告主(店铺信息的提供主体)的意向确定这样的提供信息文件的内容。根据系统管理者的判断，可以任意设定例如关键词代码C1的关键词选择什么样的语句、将加权分设为几分、店铺类型代码C2选择什么样的类型等事项。

用户使用移动终端装置10访问系统，请求从存储在提供信息文件存储部100内的许多店铺信息中发送所需要的店铺信息。因此，用户首先从移动终端装置10访问检索条件输入部130，输入所需要的检索条件。可以利用移动终端装置10的网页浏览器功能，通过网络N来访问检索条件输入部130。换句话说，用户只要使用移动终端装置10的网页浏览器访问检索条件输入部130提供的规定网页，并在该网页上输入所需要的检索条件即可。

检索条件输入部130实际上由网站服务器设备构成，一旦接到来自移动终端装置10的访问，则向移动终端装置10发送规定的网页数据，然后对移动终端装置10发送来的检索条件进行读出处理。在这里所示的实施方式中，从移动终端装置10向检索条件输入部130发送由“终端位置信息和关键词”构成的检索条件。如上所述，由于移动终端装置10可以利用GPS自动获取表示自身位置的经纬度信息，因此，用户实际上无需进行输入终端位置信息的操作，只要在网页上进行关键词的输入操作即可。

图4是根据上述方式从移动终端装置10向检索条件输入部130发送的检索条件的示例图。如图所示，在该例中，从移动终端装置10向检索条件输入部130发送由关键词“民族特色”和终端位置信息“(N35.6221，E139.7310)”构成的检索条件。在此，关键词“民族特色”是通过用户的操作输入到移动终端装置10的，而终端位置信息“(N35.6221，E139.7310)”是通过移动终端装置10的GPS功能自动获取的。如果在移动终端装置10上设置了向检索条件输入部130自动发送该终端位置信息的功能，则用户只要进行关键词的输入操作，图4所示的检索条件就被提交给检索条件输入部130。

通过检索条件输入部130输入到系统的检索条件(包括终端位置信息和用户指定的规定关键词的检索条件)被提交给检索执行部120。检索执行部120执行检索处理，即，从存储在提供信息文件存储部100中的多个提供信息文件F1、F2、F3...中检索与检索条件的匹配度达到规定基准以上的提供信息文件。这里所述的实施方式的情况下，检索执行部120参考位置匹配度和关键词匹配度两者进行检索。

对位置匹配度进行参考的目的是优先选择适合用户当前位置的店铺信息，即与靠近移动终端装置10的当前位置的店铺有关的店铺信息。这是出于以下考虑，即，在对准备采取某些行动的用户发起的访问提供与检索条件匹配的店铺信息时，优先配送与靠近该用户的当前位置的店铺(用户在短时间内可到达的店铺)有关的信息更方便用户。

移动终端装置10的当前位置与各店铺的距离可以通过运算(求出地理上的两地点间距离的运算)求出，该运算使用检索条件中包含的终端位置信息和各提供信息文件内的元数据中包含的店铺位置代码。因此，如果事先确定距离与位置匹配度的对应关系，使距离越小位置匹配度越大，则可以对存储在提供信息文件存储部100内的各提供信息文件F1、F2、F3...求出位置匹配度。

例如，如果距离为100m以下，则位置匹配度＝10，如果距离为100～300m，则位置匹配度＝8，如果距离为300m～1km，则位置匹配度＝5，如果距离为1～2km，则位置匹配度＝3，如果距离为2～4km，则位置匹配度＝1，如果距离在4km以上，则位置匹配度＝0，如果预先进行这样的设定，则可以一致地计算出各提供信息文件的位置匹配度。

另一方面，关键词匹配度可以基于检索条件中含有的关键词与元数据中含有的关键词的字符串是否一致以及一致的关键词的加权分进行计算。例如，利用包含关键词“民族特色”的检索条件进行的检索中，与图2所示的关键词代码C1的关键词匹配度为5(赋予关键词“民族特色”的加权分)。并且，在给出包含多个关键词的检索条件的情况下，例如也可以通过预先规定“将字符串一致的关键词的加权分之和作为关键词匹配度”来计算关键词匹配度。例如，当作为检索条件给出的关键词是“饮食”、“民族特色”、“午餐”时，与图2所示的关键词代码C1的关键词匹配度为19(加权分之和＝10+5+4)。

检索执行部120如此对各个提供信息文件F1、F2、F3...求出位置匹配度和关键词匹配度后，将两者之和确定为该提供信息文件的匹配度，并提取匹配度达到规定基准以上的提供信息文件作为检索结果。

这样，在此所述的实施方式的情况下，检索执行部120执行下述处理：参考位置匹配度和关键词匹配度两者进行检索，将使匹配度达到规定基准以上的提供信息文件的信息识别代码与该提供信息文件的匹配度(考虑了位置匹配度和关键词匹配度两者所得到的匹配度)相互对应的信息作为检索结果输出，将其提交给列表提供部140，其中位置匹配度表示检索条件中含有的终端位置信息与元数据中含有的店铺位置代码的匹配程度，关键词匹配度表示考虑了检索条件中含有的关键词和元数据中含有的关键词的加权分所计算出的匹配程度。

另外，在此对将终端位置信息和关键词用作检索条件的例子进行了说明，但检索条件也可设为其他各种条件。例如，如果在元数据D2内收容了表示店铺的价格范围的价格范围代码，则可以将用户所希望的价格范围作为检索条件进行检索。

或者，设置将每个用户的嗜好或过去的使用历史等个人信息登记在系统侧的机制，从移动终端装置10访问检索条件输入部130时，如果向检索条件输入部130侧发送了用于指定进行访问的用户(以下称为访问用户)的信息，则也可以将关于该访问用户的个人信息添加到检索条件的一部分中进行检索。例如，作为个人信息登记了对“佛教”感兴趣、喜欢“咖喱”这样的内容的情况下，即使移动终端装置10没有给出“佛教”、“咖喱”这样的关键词，也可以自动将这些字符串添加到关键词中进行检索。

个人信息的收集只要在每个用户每次向检索条件输入部130输入一些检索条件时，将该检索条件作为该用户的检索历史保存下来即可。这样累积下来的检索历史可作为该用户的个人信息使用。例如，如果从某个用户的检索历史中确认出过去频繁地使用关键词“佛教”、“咖喱”进行了检索，则可将对“佛教”感兴趣、喜欢“咖喱”的内容作为该用户的个人信息进行登记。

以上，例举了检索执行部120进行的检索处理的几个示例，但是一般在各种检索条件下检索用户所需要的网页的技术已经是公知技术。并且，除了进行以上例举的检索处理的功能之外，还可以在检索执行部120中添加进行各种检索处理的功能。

在本发明的系统中，检索条件只要至少包含表示移动终端装置10自身位置的终端位置信息即可。因此，用户即使不输入任何关键词等，也只要从移动终端装置10向检索条件输入部130发送终端位置信息，检索执行部120就可以执行检索处理。检索执行部120可以至少参考“检索条件中包含的终端位置信息与元数据中包含的店铺位置代码的匹配程度”进行检索，并且可以将使检索到的提供信息文件的信息识别代码与表示该提供信息文件的匹配程度的匹配度相互对应的信息作为检索结果提交给列表提供部140。

总之，本发明的检索执行部120只要具有以下功能即可，即，基于至少包含终端位置信息的一些检索条件，识别存储在提供信息文件存储部100内的各提供信息文件F1、F2、F3...的匹配度，并将使匹配度达到规定基准以上的提供信息文件的信息识别代码与表示该提供信息文件的匹配程度的匹配度相互对应的信息作为检索结果提交给列表提供部。

图5是通过检索执行部120的检索操作获取的检索结果的示例图。如上所述，检索执行部120提交给列表提供部140的检索结果只要是使信息识别代码与匹配度相互对应的信息即可。但在图5的示例中，将其中附加了店铺类型代码的信息作为检索结果进行提交，检索结果由信息识别代码·匹配度·店铺类型代码相互对应的信息构成。另外，图5第一列所示的“顺序”信息用于表示按照匹配度大小的顺序对检索结果进行分类时的顺序，检索结果无需包含该“顺序”信息。

图5所示的检索结果的第一位中，“匹配度：85”、“信息识别代码：DDD111111”、“店铺类型代码：饮食/印度料理”这三个信息相互对应，这表示经过检索处理，由信息识别代码“DDD111111”指定的提供信息文件的匹配度为85，按照匹配度大小的顺序分类时为第一位，其店铺类型代码为“饮食/印度料理”。并且，得到匹配度“79”的由信息识别代码“DDD222222”指定的提供信息文件(店铺类型代码是“购物/装饰品”)为第二位，得到匹配度“64”的由信息识别代码“DDD333333”指定的提供信息文件(店铺类型代码是“游乐/主题公园”)为第三位...，下同。

在此，如果列表提供部140直接将图5所示的检索结果按照该顺序排列来创建提供信息文件的列表，则可得到图6所示的列表。即，如果列表提供部140创建这样的列表，并将该列表作为检索结果向移动终端装置10发送(具体只要发送文本格式或HTML格式的网页数据即可)，则在移动终端装置10的显示屏幕上进行图6所示的显示。这样，列表提供部140发挥将检索执行部120检索出的提供信息文件的列表发送至移动终端装置10的功能。

图6的列表中显示的字符串是各提供信息文件内的店铺信息本体数据的索引行的字符串。例如，列表的第一位显示的“印度餐厅：东京XXX”的字符串是图2所示的提供信息文件F1内的店铺信息本体数据D1的索引行的字符串。并且，列表的第二位显示的“亚洲店”的字符串是由信息识别代码“DDD222222”指定的提供信息文件(店铺类型代码为“购物/装饰品”)内的索引行的字符串，列表的第三位显示的“民族特色乐园ZZZ”的字符串是由信息识别代码“DDD333333”指定的提供信息文件(店铺类型代码为“游乐/主题公园”)内的索引行的字符串，...下同。

在此，用户一面浏览显示在移动终端装置10上的图6所示的列表，一面进行点击“印度餐厅：东京XXX”的字符串部分等操作，发出选择列表中的一个的选择指示，则如图1所示，该选择指示被发送到信息配送部110。如果各店铺信息的信息识别代码C0与各店铺信息的索引字符串一起嵌入到列表提供部140向移动终端装置10提供的列表数据内，则移动终端装置10可以将用户点击的店铺信息的信息识别代码C0本身作为选择指示向信息配送部110发送。

信息配送部110在收到来自移动终端装置10的选择指示时进行以下处理，即，从提供信息文件存储部100读出与该选择指示相关的提供信息文件F1内的店铺信息本体数据D1，将其向移动终端装置10配送。如上所述，作为选择指示给出信息识别代码C0的情况下，信息配送部110可用该信息识别代码C0来把握相应的提供信息文件F1。其结果，在移动终端装置10的显示屏幕上形成图7所示的显示。该显示是与图2所示的店铺信息本体数据D1对应的显示。

但是，图6所示的列表是现有的一般信息提供系统中提供的列表，实际上不是本发明的系统中提供的列表。换句话说，列表提供部140并不是将图5所示的检索结果直接按照其顺序排列来创建提供信息文件的列表，而是在创建列表时进行修正登载顺序的处理。本发明最重要的特征就是该列表提供部140执行的列表登载顺序的修正处理，通过向移动终端装置10发送经过这种修正处理的列表来实现本发明的目的，即，尽量正确地预测用户的行动模式，在各个时间点选择最适当的信息提供给用户。在以下的§2中对该列表提供部140执行的修正处理的基本概念进行说明。

§2.列表提供部进行的修正处理的基本概念

在§1中说明了例如基于图4所示的检索条件(关键词+终端位置信息)，由检索执行部120进行检索处理后得到了图5所示的检索结果的具体例。在该检索结果中，匹配度高的提供信息文件与作为检索条件给出的关键词的符合性高，并且是靠近移动终端装置10的当前位置的店铺信息所涉及的文件。

但是，从这样的匹配度高的文件起优先登载在列表前面的方法并不一定是适合用户需要的方法。这是因为通过检索处理获取的匹配度不能充分预测用户的行动模式。

例如，用户使用“民族特色”这一关键词进行检索的情况下，作为匹配度高的店铺信息，将会检索到提供民族特色料理的餐厅(店铺类型：饮食)、销售民族特色杂货、家具等商品的商店(店铺类型：购物)、展示民族特色美术品的美术馆(店铺类型：观看)、民族特色气氛的游乐设施(店铺类型：游乐)等店铺信息。这种情况下，如果用户使用“民族特色”这一关键词进行检索的目的是为了检索提供民族特色料理的餐厅，则本应优先将与“店铺类型：饮食”相符的店铺信息登载在列表的前面。但是，§1所述的方法由于不能预测用户的“饮食”这一行动，因此如图6所示，形成甚至将杂货店、游乐设施、家具店、美术馆等店铺信息都登载在列表前面的结果。

当然，要确切地知道访问系统的每个用户接下来的行动意图是非常困难的。但是，通过统计地分析多数用户的行动，能够在某种程度预测行动模式。因此，本发明通过采用基于统计分析结果预测用户的行动模式，并基于该预测结果对列表的登载顺序进行修正处理的方法，能在每个时间点选择最适当的信息提供给用户。

用于预测行动模式的第一线索是用户的地理位置。如果用户从餐厅密集的地区进行访问，则可判断为该用户接下来要进行“饮食”这一行动的可能性很高。或者，如果用户从去往多个游乐设施的巴士总站进行访问，则可判断该用户接下来要进行“游乐”这一行动的可能性很高。这样，可以认为进行访问的用户的地理位置包含了用于预测该用户的行动模式的某些信息，其对于预测用户需要的店铺信息的类型是很有用的线索。

用于预测行动模式的第二线索是访问时段。如果用户在接近正午的时间访问，则可判断为该用户接下来要进行“吃”午饭这一行动的可能性很高。并且，如果将时段这一概念扩大到星期几考虑，则可以判断出：用户在星期日上午进行访问与在星期一上午进行访问相比，接下来要进行“游乐”这一行动的可能性更高。这样，可以认为进行访问的时段也包含了用于预测该用户的行动模式的某些信息，其对于预测用户需要的店铺信息的类型是很有用的线索。

本申请的发明人认为将这两个线索相互组合，通过其协同效果可以进一步正确地预测行动模式。例如，如果能准备在某个地理位置、某个时段，多数用户进行了什么样的行动这一统计数据，则在用户从该地理位置、在该时段进行访问的情况下，能够预测该用户的行动。当然，该预测仅表示从统计的角度得到的行动概率，但通过基于该预测对列表的登载顺序进行修正处理，能够选择在概率上对用户来说更优选的信息来提供。

因此，为了基于作为第一线索的用户的地理位置来预测行动模式，将地图划分成多个区域，并对每个地区区域进行定义。图8是将地图划分成多个地区区域的示例平面图。在图示的例子中，通过将地图在东西方向划分来定义坐标A～N，通过将地图在南北方向划分来定义坐标1～8，通过组合坐标A～N和坐标1～8可以表示一个地区区域。例如，图中划上影线的部分成为“地区区域4M”。

图8所示的例子由于是单纯的模型，因此所有地区区域都由尺寸相同的正方形构成，但当然可以任意设定各个地区区域的大小和形状。例如，可将总站的周边地区区域设为一个地区区域，或将商业区的一个街区设为一个地区区域。并且，如果店铺是沿路存在的，则也可以假设用户沿着该路移动，考虑到人容易沿路移动这一因素来进行地区区域设定，例如将沿着该路的地区区域设为一个地区区域等。

而且，为了基于作为第二线索的时段预测行动模式，基于时段划分图8所示的各地区区域。在此，将如此划分的各个时段称为“组块”。例如，如果将各个地区区域沿水平方向排列，并将每个时段沿垂直方向排列，从而以二维矩阵来表示由指定地区区域和指定时段表示的组块，则得到图9所示的表。如后所述，由于对该表内的各组块分别设定固有的感兴趣度，因此在此将该表称为“感兴趣度表”。

图9所示的感兴趣度表的水平方向所示的1A、2A、3A、...6N、7N、8N的划分与图8所示的地图上的各地区区域1A～8N相对应。即，在图8中，地图上的各地区区域1A～8N设置在二维平面上，而在图9中设置在一维的水平方向轴上。

另一方面，图9的感兴趣度表的垂直方向所示的星期日0～23、星期一0～23、...星期六0～23的划分与时间轴上的各时段相对应。具体是，例如“星期日0”的时段表示星期日0:00～1:00的时段，“星期日1”的时段表示星期日1:00～2:00的时段，...“星期六23”的时段表示星期六23:00～星期日0:00的时段。

该感兴趣度表上的每个矩形分别表示一个组块。换句话说，感兴趣度表上的每个组块分别表示指定的地区区域和指定的时段。并且，在一个组块内设定了在相应的地区区域和相应的时段统计求出的多数用户对各店铺类型的感兴趣度。

图10是存储在图9所示的感兴趣度表的一个组块内的感兴趣度的具体示例图。在该例中，以设定在组块“1A：星期日14”中的感兴趣度为例，对大分类的店铺类型设定了“餐饮：20％”、“购物：60％”、“观看：15％”、“游乐：5％”的感兴趣度。这表示：如果按照店铺类型对在地图上的地区区域1A内、在星期日的14:00～15:00的时段内的用户在该时间点的感兴趣程度进行分析，则对“饮食”这一类型的感兴趣概率为20％，对“购物”这一类型的感兴趣概率为60％、对“观看”这一类型的感兴趣概率为15％、对“游乐”这一类型的感兴趣概率为5％。

这样，本发明中的“感兴趣度”是表示用户在每个时间点作为即将进行的行动对各个类型的感兴趣程度的参数。这里的重点是本发明中的“感兴趣度”不是表示每个用户的一般嗜好上的感兴趣程度，而是表示在指定地区区域、指定时段这一指定条件下对每个类型的感兴趣程度的数值。

例如，如果向一般被称为“美食家”的人们询问一般嗜好上的感兴趣程度，则得到的回答应该是对“饮食”这一类型的感兴趣最高。但即使是这样被称为“美食家”的人们，如果在购物中心密集的地区区域1A内，在星期日的14:00～15:00的时段(午饭后的时段)，作为即将进行的行动也应该是“购物”这一类型的行动的可能性较高。因此，这种情况下，即使进行访问的用户是被称为“美食家”的人们，也最好优先提供“购物”这一类型的店铺信息，而不是“饮食”这一类型的店铺信息。

这样，为了求得指定条件下的感兴趣度，必须调查许多用户的行动，进行统计分析。具体是，例如对在地图上的地区区域1A内、在星期日的14:00～15:00的时段的许多用户进行以下的问卷调查，即，从“饮食”、“购物”、“观看”、“游乐”这四个类型中选择回答接下来计划干什么或者现在正在干什么，如果用百分比求出每个分类的选择比例，则可得到图10所示的感兴趣度的数值。如果对地图上的所有地区区域的所有时段进行这样的调查，则可以创建所有组块都收录了图10所示的感兴趣度数值的感兴趣度表。图9所示的感兴趣度表就是这样创建的表。

这样，感兴趣度表是基于许多用户的过去行动所得到的统计信息，是统计地表示指定地区区域内的指定时段的用户感兴趣的类型的信息，但也可以作为表示各个用户今后采取哪种行动的可能性高的信息进行使用。即，可以作为用于预测用户的行动模式的材料使用。

例如，对于图10的示例，感兴趣度表内的各数值表示如下的过去的调查结果：经过对在地区区域1A内、在星期日的14:00～15:00的时段内的用户进行调查，对“饮食”这一类型感兴趣的人为20％，对“购物”这一类型感兴趣的人为60％，对“观看”这一类型感兴趣的人为15％，对“游乐”这一类型感兴趣的人为5％。如果将该调查结果作为用于预测用户的行动模式的材料进行使用，则可以预测在地区区域1A内、在星期日的14:00～15:00的时段内的用户计划的行动是“饮食”这一类型的概率为20％，“购物”这一类型的概率为60％，“观看”这一类型的概率为15％，“游乐”这一类型的概率为5％。

因此，如果准备了作为过去的调查结果得到的感兴趣度表，并基于该感兴趣度表内的各个类型的感兴趣度，修正检索结果的列表登载顺序，则可以基于用户的行动模式的预测结果进行修正，从而可以在各时间点选择最适合的信息提供给用户。例如，在地区区域1A内、在星期日的14:00～15:00的时段内有用户发起访问时，只要基于图10所示的感兴趣度表的内容修正列表的登载顺序，以将显示出最高值的感兴趣度60％的“购物”这一店铺类型所涉及的店铺信息的登载顺序提到更前面即可。根据过去的调查结果，该组块内的60％的用户对“购物”这一行动感兴趣，因此，通过进行修正，将与“购物”这一店铺类型有关的店铺信息的登载顺序提到前面，可以提供用户认为最合适的列表。

另外，在图10中，作为感兴趣度表的内容示例，显示了收录了对“饮食”、“购物”、“观看”、“游乐”这四大分类类型的感兴趣度的示例，当然也可以收录对小分类类型的感兴趣度。图11就是收录了这种对小分类类型的感兴趣度的示例图。如图所示，在“饮食”这个大分类类型下设置了“法国料理”、“意大利料理”、“中国料理”等小分类类型，用百分比对各个小分类类型表示感兴趣度。

这样，如果使用按各个小分类类型收录感兴趣度的感兴趣度表，则可以更细地修正店铺信息的登载顺序。例如图11的示例，虽然同是“饮食”这一大分类类型，但“中国料理”这一小分类类型的感兴趣度为1％，而“意大利料理”这一小分类类型的感兴趣度为3％。因此，修正登载顺序，使“意大利料理”的店铺信息比“中国料理”的店铺信息优先。

但是，为了创建如图11的示例所示的按照小分类类型收录感兴趣度的感兴趣度表，对用户的行动调查也必须按照小分类类型进行。例如，请在地图上的地区区域1A内、在星期日的14:00～15:00的时段的许多用户回答接下来计划干什么或者现在正在干什么的问题时，不是仅回答“饮食”这一大分类类型，而需要回答“吃意大利料理”、“吃中国料理”这样的小分类类型。

另外，在图10和图11的示例中，进行了使所有类型的感兴趣度总和为100％的标准化处理，并用百分比表示感兴趣度，但感兴趣度不一定要用百分比表述，可用任意的数值表述。并且，在图9中示出了将一星期中的每一天的时段作为单独的组块的感兴趣度表，但不一定要按星期几单独设定时段。例如，如果完全不区分星期几，则只要设定诸如0:00～1:00、1:00～2:00、2:00～3:00、...23:00～0:00这样的时间单位的时段即可。当然，也可以区分工作日和周末来代替星期几。并且，时段的划分单位也不一定是以小时为单位，也可用30分钟、10分钟等任意的时间单位进行划分。

§3.列表提供部的具体结构及其动作

在上述§2中就列表提供部140进行的修正处理的基本概念进行了说明，在此对列表提供部140的具体结构及其动作进行说明。图12是示出图1所示的列表提供部140的内部结构的框图。如图所示，列表提供部140由检索结果存储部141、校正处理部142、表存储部143、校正结果存储部144以及列表发送部145构成。

检索结果存储部141是存储检索执行部120提交的检索结果的构成元件。如在§1中所述，检索执行部120提交的检索结果例如如图5的示例所示，是使检索到的提供信息文件的信息识别代码与表示该提供信息文件的匹配程度的匹配度相互对应的信息。

表存储部143是存储§2中所述的感兴趣度表的构成元件。感兴趣度表是将地图划分成多个地区区域，并按照对每个地区区域的每个时段设定的组块收录与各店铺类型对应的感兴趣度的表。在此，如上所述，“感兴趣度”是表示在指定地区区域、指定时段的指定条件下许多用户对各个类型的感兴趣程度的数值，可通过调查许多用户的过去的行动来求出。在此，具有图9所示的组块的感兴趣度表存储在表存储部143内，如图10所示，在每个组块内分别以百分比按大分类的店铺类型(饮食、购物、观看、游乐这四个类型)收录了感兴趣度。

在从检索执行部120向检索结果存储部141提交图5所示的检索结果(使信息识别代码与匹配度相互对应的信息)时，校正处理部142通过参考表存储部143内的感兴趣度表，识别针对包括终端位置信息所表示的位置在内的地区区域的与当前时间对应的组块设定的对各店铺类型的感兴趣度。

在此，为了便于说明试着考虑以下情况，即，图8所示的地区区域1A内的用户使用移动终端装置10在星期日的14:25访问检索条件输入部130，作为检索条件输入某个关键词后，通过检索执行部120得到图5所示的检索结果。如上所述，检索执行部120将这样的检索结果提交给检索结果存储部141。另一方面，如图1的框图所示，移动终端装置10发送的检索条件中包含的终端位置信息从检索条件输入部130被提交给列表提供部140。在图12中，提供给校正处理部142的终端位置信息就是如此从检索条件输入部130提交的信息。

校正处理部142可以基于该终端位置信息识别进行访问的移动终端装置10的当前位置，即访问用户的当前位置，从而可以指定包括该当前位置的地区区域。在上述的例子中，访问用户的当前位置被识别为地区区域1A。另一方面，校正处理部142可以通过系统具有的时钟功能识别目前是星期几以及几点。在上述的例子中，将星期日的14:25识别为当前时间。

严格地说，检索执行部120的检索处理多少需要花费些时间，因此，从用户向移动终端装置10输入检索条件到检索结果被提交到检索结果存储部141会产生一些时滞，因此，校正处理部142识别到的时间与用户访问的时间不完全一致。但是，这种程度的时滞几乎不妨碍实际应用。但在检索执行部120的检索处理需要很长时间的情况下，如果用户进行访问的时间也一并从检索条件输入部130提交给列表提供部140，并且校正处理部142将该提交的时间作为当前时间执行以下处理，则解决了时滞的问题。

校正处理部142基于“地区区域1A”这一用户所在地以及“星期日的14:25”这一当前时间，通过参考图9所示的感兴趣度表上的相应组块“1A：星期日14”，可以识别图10所示的各个店铺类型的感兴趣度。因此，通过使用识别出的与该提供信息文件涉及的店铺类型有关的感兴趣度对存储在检索结果存储部141中的“各提供信息文件的匹配度”进行校正，从而执行求出校正匹配度的校正处理。具体可以通过将存储在检索结果存储部141中的各匹配度乘以感兴趣度来求出校正匹配度。

图13是利用图10所示的感兴趣度对图5的检索结果进行校正的状态图。图13的表的第一列所示的信息识别代码和第二列所示的匹配度的数据是图5的表的各对应栏所示的数据。

并且，图13的表的第三列所示的感兴趣度的数据是利用图5的表的店铺类型代码一栏的数据并参考图10而得到的数据。例如，图13中的第一行的感兴趣度为“20％”是由于与信息识别代码“DDD111111”对应的店铺信息(提供信息文件)的店铺类型代码是“饮食”，通过参考图10获取的“饮食”这一类型的感兴趣度是“20％”。

并且，图13的表的第四列所示的校正匹配度的数据是通过第二列的匹配度数据乘以第三列的感兴趣度数据而得到的数据。例如，图13的第一行的校正匹配度“17.0”是通过匹配度“85”乘以感兴趣度“20％”算出的，第二行的校正匹配度“47.4”是通过匹配度“79”乘以感兴趣度“60％”算出的。

校正处理部142对存储在检索结果存储部141内的检索结果中的各匹配度进行上述的校正处理，算出校正匹配度后，将匹配度置换成校正匹配度后的信息存储在校正结果存储部144中。因此，校正结果存储部144中存储的是将存储在检索结果存储部141内的检索结果中的匹配度置换成校正匹配度后的信息。

列表发送部145进行以下处理，即，基于存储在该校正结果存储部144中的信息，按照校正匹配度的降序对信息识别代码进行分类，创建店铺信息的索引按照分类后的顺序排列的列表，并将该列表发送到移动终端装置10。可以通过利用“信息识别代码”查询存储在提供信息文件存储部100内的各提供信息文件来获取登载在列表上的各店铺信息的索引。即，列表发送部145只要通过将相应的店铺信息本体数据D1内的索引行的字符串按照分类顺序进行排列来创建列表即可(当然也可以在元数据D2内备好索引字符串)。图14表示将存储在校正结果存储部144内的校正后的检索结果按照校正匹配度的降序进行分类后的状态。图15是按照分类后的顺序排列的店铺信息索引列表显示在移动终端装置10的屏幕上的状态图。

即，图15所示的列表中的“亚洲店”这一索引是信息识别代码“DDD222222”所示的提供信息文件(图14中第一位的文件)的索引，“热带家具”这一索引是信息识别代码“DDD444444”所示的提供信息文件(图14中第二位的文件)的索引，“印度餐厅：东京XXX”这一索引是信息识别代码“DDD111111”所示的提供信息文件(图14中第三位的文件)的索引，“咖喱店：YYY”这一索引是信息识别代码“DDD666666”所示的提供信息文件(图14中第四位的文件)的索引，“佛教美术犍陀罗”这一索引是信息识别代码“DDD555555”所示的提供信息文件(图14中第五位的文件)的索引，“民族特色乐园ZZZ”这一索引是信息识别代码“DDD333333”所示的提供信息文件(图14中第六位的文件)的索引。

如§1所述，列表提供部140如果将图5所示的检索按照其顺序直接排列来创建提供信息文件的列表，则可以得到图6所示的列表。但实际上，如上所述，列表提供部140将图5所示的检索结果进行如图14所示的校正后，创建按照校正匹配度的降序进行分类的列表，因此，移动终端装置10的屏幕上显示的是图15所示的列表，而不是图6所示的列表。

在此，如果用户发出从该图15所示的列表中选择一个的选择指示，则从移动终端装置10向信息配送部110发送选择指示，信息配送部110从提供信息文件存储部100读出与该选择指示有关的提供信息文件内的店铺信息本体数据，并向移动终端装置10配送该数据，这一点如§1中所述。例如，用户如果一面浏览显示在移动终端装置10上的图15所示的列表，一面进行点击“印度餐厅：东京XXX”的字符串部分等操作，则提供信息文件F1内的店铺信息本体数据D1被配送到移动终端装置10，在显示屏幕上形成图7所示的显示。

这样，列表提供部140进行的修正处理是对检索执行部120提交的检索结果的显示顺序(向用户提供的优先顺序)的修正，可以被称为调换检索出的店铺信息索引的排列顺序的处理。实际上，比较图5所示的检索结果和图14所示的校正后的检索结果，两者的不同点仅在于：前者的“匹配度”在后者中被置换为“校正匹配度”；以及前者是按“匹配度”的降序分类的，而后者是按“校正匹配度”的降序分类的。并且，比较图6所示的列表和图15所示的列表，两者只是各索引的显示顺序不同。

这样，本发明的本质特征在于：在列表上一览显示检索结果时，根据用户在每个时间点的情况适当地修正索引的显示顺序。例如，图5所示的检索结果是按匹配度的降序将各店铺信息分类的结果，与店铺类型代码无关。但如果在地区区域1A内的用户在星期日的14:25进行这样的检索，则该用户对各类型的感兴趣度在统计上采用图10所示的分布。即，该用户接下来计划的行动是“饮食”的概率只有20％，而“购物”的概率有60％。

因此，本发明考虑这样的每个类型的感兴趣度进行修正，以更优先地提供“购物”这一类型的店铺信息。具体是，如图13所示，将与“购物”这一类型的店铺信息相关的匹配度乘以“60％”这一感兴趣度，求出校正匹配度，将与“饮食”这一类型的店铺信息相关的匹配度乘以“20％”这一感兴趣度，求出校正匹配度，由此进行调整。其结果，在图14所示的校正后的检索结果中，“购物”这一类型的店铺信息的排位与“饮食”这一类型的店铺信息的排位相比，相对上升，在图15所示的列表中，“购物”这一类型的店铺信息索引显示在前面。

在此为了方便起见，以前六位的检索结果的顺序修正处理为例进行了说明，因此比较图6所示的列表和图15所示的列表，可能在对用户的提示效果方面看不出太大的差别。但实际上会提供更多的店铺信息作为检索结果，因此列表上索引的提供顺序是左右用户方便与否的主要原因。例如，如果在列表上共显示100条店铺信息索引，是否被列在前十位，会极大地改变用户对该店铺信息发出选择指示的可能性。

尤其是，由于移动终端装置10的显示屏幕的显示面积一般都很小，因此可在一个屏幕中一览显示的索引数量有限。因此，为了显示提供优先级别低的索引，用户必须进行滚动操作或翻页操作。因此，实际上用户倾向于只对提供优先级别高的索引发出选择指示。出于这样的理由，基于用户在每个时间点的情况预测用户的行动模式，优先提出与用户接下来可能要进行的行动类型匹配的店铺信息也是非常重要的。

另外，图5的表和图14的表的第一列所示的“顺序”信息用于表示分类顺序，以方便说明，检索结果中无需包含该“顺序”信息。并且，由于可以通过利用“信息识别代码”查找存储在提供信息文件存储部100内的各提供信息文件的元数据，从而识别图5的表和图14的表的第四列所示的“店铺类型代码”信息，因此，检索结果中也不必包括该“店铺类型代码”信息。在实施本发明时，作为检索结果必要的信息只有信息识别代码和匹配度。

§4.具有感兴趣度表创建功能的实施方式

正如在§3中所述，在图12所示的列表提供部140内的表存储部143中事先准备了感兴趣度表，感兴趣度表例如对图9所示的组块收录了每个店铺类型的感兴趣度。并且，校正处理部142利用收录在该感兴趣度表中的感兴趣度对检索结果内的匹配度进行校正。因此，该感兴趣度表在本发明中发挥极为重要的功能。

收录在感兴趣度表中的感兴趣度是基于许多用户过去的行动获取的统计信息，是统计地表示指定地区区域内的指定时段的用户对什么类型感兴趣的信息。因此，为了求出感兴趣度表内的各组块的感兴趣度，必须调查许多用户的行动，进行统计分析。这样的调查例如可以用问卷调查等方法进行，但人工进行这样的调查需要很多的时间和费用。

并且，可以预测到各组块的感兴趣度随着时代而变化。例如，在某地区区域内开设了很大的商业设施等情况下，估计该地区区域的各类型的感兴趣度会发生变化。因此，在实际应用中，必须每隔规定的周期(例如每三个月)进行一次更新，以使感兴趣度表的内容反映最新的调查结果。

只要使系统本身具有感兴趣度表自动创建功能就可以解决该问题。图16是具有这样的感兴趣度表创建功能的实施方式的框图。与图1所示的基本实施方式不同的只是新增了感兴趣度表创建部150。

感兴趣度表创建部150具有基于从许多用户携带的移动终端装置10获取的信息创建新的感兴趣度表，更新表存储部143内的感兴趣度表的功能。另外，在初始导入该系统时，只要存储设定了任意感兴趣度(例如对任何店铺类型都是50％的数值)的初始感兴趣度表并开始应用，在感兴趣度表创建部150进行更新之前进行临时应用即可。在此所述的实施方式的情况下，感兴趣度表创建部150具有基于两种算法创建两种感兴趣度表的功能。以下依次说明这两种算法。

§4-1：预制订感兴趣度表

第一算法采用的方法是：从“每个用户制订了属于哪种类型的行动计划”的观点出发，确定各组块的每个类型的感兴趣度。因此，在此将通过第一算法创建的感兴趣度表称为“预制订感兴趣度表”。

图17是示出预制订感兴趣度表的创建原理的框图。如图所示，可以通过对多数感兴趣信息I1进行统计处理来创建预制订感兴趣度表T1。如图所示，感兴趣信息I1是由终端位置信息、时间信息、店铺类型信息构成的信息，是从信息配送部110提交给感兴趣度表创建部150的信息。

这里所示的实施方式中，信息配送部110具有从移动终端装置10接到选择指示时，将感兴趣信息I1提交给感兴趣度表创建部150的功能，其中感兴趣信息I1包括该移动终端装置10的终端位置信息、表示接到该选择指示的时间点的时间信息以及表示该选择指示涉及的提供信息文件的店铺类型的店铺类型信息。图17所示的感兴趣信息I1就是这样从信息配送部110提交给感兴趣度表创建部150的信息。

提交这样的感兴趣信息I1之前的经过如下所述。例如，位于规定地区区域的用户利用移动终端装置10访问检索条件输入部130，并输入一些检索条件。这种情况下，如上所述，由检索执行部120进行检索，检索结果被提交给列表提供部140，在移动终端装置10的显示屏幕上例如显示图15所示的列表。

在此，如果用户发出选择指示，选择与该列表提供的第三个“东京XXX”印度餐厅有关的店铺信息，则该选择指示被发送到信息配送部110。信息配送部110基于该选择指示从提供信息文件存储部100读出相应的提供信息文件F1内的店铺信息本体数据D1，将其配送到移动终端装置10。其结果，在移动终端装置10的显示屏幕上显示图7所示的店铺信息。此时，信息配送部110进行以下处理，即向移动终端装置10配送信息，同时向感兴趣度表创建部150提交图17所示的感兴趣信息I1。

在图示的例子中，感兴趣信息I1内的终端位置信息是“N35.6221，E139.7310”的经纬度信息，是表示移动终端装置10在现时间点(发送选择指示的时间点)的位置的信息。只要在从移动终端装置10向信息配送部110发送选择指示时附带发送这样的终端位置信息即可。如上所述，由于移动终端装置10具有GPS功能，因此，发送选择指示时，能向信息配送部110自动发送通过GPS功能识别的经纬度信息。

另外，如果是用户向检索条件输入部130发送检索条件的时间与根据基于该检索条件提供的列表向信息配送部110发送选择指示的时间的时间差预计较小的使用环境，则感兴趣信息I1内的终端位置信息可以直接使用输入到检索条件输入部130的终端位置信息(即检索条件中包含的终端位置信息)。

在图示的例子中，感兴趣信息I1内的时间信息是包含星期几的信息，即“星期日14:23”，这是由于这里所述的实施方式的情况下，如图9的示例所示，感兴趣度表上的时段是一星期中的每一天的时段。该时间信息基本上表示用户向信息配送部110发送选择指示时的时间，但如果是用户发送检索条件的时间与针对基于该检索条件提供的列表发送选择指示的时间的时间差预计较小的使用环境，则也可以不使用发送选择指示时的时间，而使用发送检索条件时的时间。

在图示的例子中，感兴趣信息I1内的店铺类型信息是“饮食/印度料理”这一信息，这是通过直接读出作为配送对象的提供信息文件F1的元数据D2内的店铺类型代码C2获取的信息。另外，如图11的示例所示，为了创建收录了对小分类店铺类型的感兴趣度的感兴趣度表，在感兴趣信息I1内也需要小分类的店铺类型，而如图10的示例所示，在创建收录了对大分类店铺类型的感兴趣度的感兴趣度表时，只要在感兴趣信息I1内准备“饮食”这一大分类店铺类型代码即可。

在此，图17所示的感兴趣信息I1所含的具体意思是表示这样一个事实，即，在“星期日14:23”，位于“N35.6221，E139.7310”地点的用户请求发送属于“饮食/印度料理”这一店铺类型的指定店铺信息。可以推测用户进行这样的配送请求是该用户在该时间点对属于“饮食/印度料理”这一店铺类型的店铺感兴趣，正计划使用属于该类型的店铺。因此，在给出图17所示的感兴趣信息I1的情况下，感兴趣度表创建部150对“1A：星期日14”的组块，给“饮食/印度料理”的店铺类型加上一分。

但是，即使采用用户发送检索条件的时间、或针对基于该检索条件提供的列表发送选择指示的时间作为感兴趣信息I1内的时间信息，这些时间也都是表示用户制订接下来的行动计划的时间，并不表示实施该行动的时间(例如如果是“饮食”这一类型，实际在餐厅用餐的时间)。换句话说，实际实施行动的时间要比感兴趣信息I1内的时间信息晚规定的时间。

因此，对感兴趣信息I1进行统计处理时，考虑到该延迟时间，可以并不是在时间信息所显示的时间所属的时段的组块进行统计，而是在其后的时段(时间轴上的未来时段)的组块进行统计。例如，在给出图17所示的感兴趣信息I1的情况下，不是对“1A：星期日14”的组块进行统计，而是对时间轴上位于下一个的“1A：星期日15”的组块进行统计。即，对“1A：星期日15”的组块，给“饮食/印度料理”的店铺类型加上一分。最终，将图17所示的感兴趣信息I1的“星期日14:23”的时间认定为用户正考虑利用属于“饮食/印度料理”这一店铺类型的店铺(正制订计划)的时间，预测该用户实际利用店铺的时段不是“星期日的14:00～15:00”，而可能是“星期日的15:00～16:00”。总之，通过感兴趣信息I 1中包含的时间信息预测用户实际可能利用店铺的时间，对该预测时间所属的组块进行该感兴趣信息I1的统计处理。在以十分钟为单位等比较细地划分时段的划分单位时，这样的运用尤其有效。

实际上，用移动终端装置10利用本系统的用户很多(例如数千人到数万人)。并且，许多用户每当点击列表内的所需店铺信息索引时，如图17所示的感兴趣信息I1就被提交给感兴趣度表创建部150。因此，感兴趣度表创建部150中可以收集足够用于统计处理的量的感兴趣信息I1。这样，可以按构成图9所示的感兴趣度表的每个组块内的各店铺类型得到各个得分的总和后，将该总和直接用作感兴趣度值。这样创建的感兴趣度表由于表示与多数用户制订计划有关的感兴趣度，因此如上所述，在此将其称为“预制订感兴趣度表T1”。

为了进行这样的分数统计，只要在感兴趣度表创建部150中设置统计对各店铺类型的感兴趣频率的功能即可。即，从信息配送部110提交如图17所示的感兴趣信息I1时，只要利用该感兴趣信息I1内包含的终端位置信息、时间信息、店铺类型信息，对包括终端位置信息所表示的位置在内的地区区域并与时间信息对应的组块，记录对店铺类型信息表示的店铺类型感兴趣这一内容，按每个组块统计对各店铺类型的感兴趣频率(上述的分数)，并基于这样得到的统计结果创建预制订感兴趣度表即可。

另外，在实际应用中，优选对在规定期间(例如一个月)收集的许多感兴趣信息I1统计分数，将各统计值的标准化值作为感兴趣度创建预制订感兴趣度表。例如，图10是进行了使一个组块内的所有店铺类型的感兴趣度之和为100％的标准化处理的示例。

具有图10所示内容的预制订感兴趣度表是通过基于以下事实的统计处理而创建的，即，在“星期日的14:00～15:00的时段”位于“地区区域1A”的许多用户向信息配送部110发出的选择指示中，20％请求发送属于“饮食”这一类型的店铺信息，60％请求发送属于“购物”这一类型的店铺信息，15％请求发送属于“观看”这一类型的店铺信息，5％请求发送属于“游乐”这一类型的店铺信息。

§4-2：逗留利用感兴趣度表

第二算法采用的方法是：从“每个用户逗留、利用了属于哪种类型的店铺”的观点出发，确定关于各组块的每个类型的感兴趣度。因此，在此将通过第二算法创建的感兴趣度表称为“逗留利用感兴趣度表”。

例如，只要能把握在“星期日的14:00～15:00的时段”位于“地区区域1A”内的许多用户实际上利用了属于哪种类型的店铺这一事实，就可以通过收集许多这样的事实进行统计处理，来求出关于“1A：星期日14”这一组块的各个店铺类型的感兴趣度。如果存在用户实际上在指定的店铺逗留或利用了该店铺的事实，则很明显该用户对该店铺的类型感兴趣。

但是，很难自动收集每个用户实际上在哪个店铺逗留或实际上利用了哪个店铺的事实。因此，这里所述的实施方式采用了以下方法，即，通过分析每个用户的移动路径，定量评价顺便去该移动路径周边的各个店铺的可能性。例如，如果能用数值分别评价在“星期日的14:00～15:00的时段”位于“地区区域1A”的许多用户顺便去店铺S1的可能性、顺便去店铺S2的可能性、顺便去店铺S3的可能性、...，通过按各店铺类型统计该评价值，则可以求出关于“1A：星期日14”这一组块的各店铺类型的感兴趣度。这样求出的感兴趣度表示用户在属于该类型的店铺逗留或利用了属于该类型的店铺的可能性。

图18是示出逗留利用感兴趣度表的创建原理的框图。如图所示，可以通过对许多位置变化信息I2进行统计处理来创建逗留利用感兴趣度表T2。位置变化信息I2是表示某个指定的移动终端装置在每个规定的采样时间的位置变化的信息，如图所示，由列举了终端位置信息和时间信息的数据构成。移动终端装置10具有GPS功能，能将任意时间的自身位置识别为经纬度信息。因此，例如在移动终端装置10上设置在每个规定的采样时间记录终端位置信息的功能。这样，在移动终端装置10内创建图18所示的位置变化信息I2。例如，如果将采样时间设定为以一分钟为周期，则14:01时的位置、14:02时的位置、14:03时的位置、...等终端位置信息与时间信息一起被记录在移动终端装置10内。当然，如果在GPS功能允许的范围内，采样时间周期也可以更细地设为例如8秒钟一个周期等。

在规定的定时将这样创建的位置变化信息I2发送至感兴趣度表创建部150。例如，如果设定每24小时发送一次，则每天向感兴趣度表创建部150发送由以下数据构成的24小时的位置变化信息，该数据是0:00时的位置、0:01时的位置、0:02时的位置、...23:58时的位置、23:59时的位置。因此，例如在一个月的期间许多用户发送来的位置变化信息I2成为足够用于统计处理的信息，感兴趣度表创建部150可以通过基于这些信息的统计处理来创建逗留利用感兴趣度表T2。

下面对基于位置变化信息I2创建逗留利用感兴趣度表T2的算法进行说明。如上所述，由于位置变化信息I2是表示指定的移动终端装置在每个规定的采样时间(这里所述的实施方式是每一分钟)的位置变化的信息，因此，基于该信息可以识别每个移动终端装置的移动路径上的经过点。

图19是示出这样识别的移动路径R1和经过点P1～P8的平面图。图中黑点表示的各经过点P1～P8的位置基于位置变化信息I2中包含的终端位置信息(移动路径信息)来确定。而图中实线所示的移动路径R1是按照位置变化信息I2中包含的时间信息所示的时间顺序连接各经过点P1～P8而形成的直线。当然，两个相邻的经过点之间的实际移动路径不一定是直线，因此，图示的移动路径R1并不表示移动终端装置10的正确移动路径。

并且，图19中X符号所示的各点S1～S7表示移动路径R1周边的店铺位置。这里所示的店铺如果是店铺类型及其位置已知的店铺，则可以是任何店铺。但本实施方式将与存储在提供信息文件存储部100内的各个提供信息文件对应的店铺作为X符号所示的各店铺S1～S7来使用。如图16的框图所示，由于在各个提供信息文件内的元数据D2内包含店铺类型代码C2和店铺位置代码C3，因此，只要是与各个提供信息文件对应的店铺，通过参考元数据D2就可以识别店铺类型及其位置。

如图19的示例所示，基于位置变化信息I1识别了其经过点P1～P8后，通过参考存储在提供信息文件存储部100中的许多提供信息文件内的店铺位置代码C3，计算每个经过点与各店铺的距离，按照距离由近到远的顺序将规定数量的m个店铺识别为与该经过点有关的附近店铺。在此，为了方便起见，设为规定数量m＝3，以此为例进行说明。实际上无需对一个经过点计算其与所有店铺的距离，优选省略计算与认为明显很远的店铺之间的距离。

图19是对一个经过点P5识别了三个附近店铺S3、S4、S5的示例。图中虚线的长度是经过点P5与各附近店铺S3、S4、S5的距离，可以通过利用了点P5的位置信息以及点S3、S4、S5的位置信息的几何运算进行计算。图示的示例中，离经过点P5最近的店铺是店铺S4，第二近的店铺是店铺S3，第三近的店铺是店铺S5。因此，对于经过点P5，店铺S3、S4、S5被识别为附近店铺。

当然，要对每个经过点求出独立的附近店铺。例如，图20表示经过点P6的附近店铺为店铺S4、S5、S6。图21是对各个经过点P1～P8求出的附近店铺列表。在该表中还一并示出了各经过点的经过时间(位置变化信息I2中包含的时间信息)和各经过点与各附近店铺之间的距离。例如，关于经过点P1显示了经过时间为“14:01”，三个附近店铺为“S1、S2、S4”，经过点P1与各附近店铺S1、S2、S4的距离为“40m、28m、56m”。在这里作为一个示例示出了根据以m为单位的精度计算距离的示例，实际上该距离的精度取决于GPS的位置获取精度。

观察该图21的表，可以识别出在移动路径R1上连续的多个经过点具有共同的附近店铺。例如，经过点P1、P2在移动路径R1上是连续的经过点，附近店铺S1、S2、S4是这两个经过点P1、P2共用的。而且，观察经过点P1～P3，这三个经过点在移动路径R1上也是连续的经过点，附近店铺S4是这三个经过点P1～P3共用的。实际上该店铺S4是七个连续的经过点P1～P7共用的店铺。这里，将这样移动路径上的连续经过点共用的附近店铺称为共用附近店铺。

图21的表是着眼于每个经过点示出其附近店铺的表，试着创建一个相反着眼于每个附近店铺示出将该附近店铺作为共用附近店铺的经过点的表。图22的表就是这样着眼于每个共用附近店铺的表，可以基于图21的表创建。例如，在图22中，对共用附近店铺S1登载了两个经过点P1、P2，这意味着：在图21的表中，将S1作为附近店铺的连续经过点是P1和P2。同样，在图22的表中，对共用附近店铺S4登载了七个经过点P1～P7，这意味着：在图21的表中，将S4作为附近店铺的连续经过点是P1～P7。

另外，图22的表中的时间栏的数据表示图21的表中的各经过点的经过时间，图22的表中的距离栏的数据表示图21的表中的各经过点与各附近店铺的距离。并且，图22的表中的滞留系数栏的数据表示通过运算对各共用附近店铺求出的滞留系数的值。在此，指定的共用附近店铺的滞留系数是从该共用附近店铺涉及的第一个经过点的经过时间到最后一个经过点的经过时间所经过的时间(滞留时间)除以该共用附近店铺涉及的第一个经过点到最后一个经过点的所有经过点与该共用附近店铺的距离之和所得出的数值。

例如，图22的表所示的共用附近店铺S1的滞留时间是从第一个经过点P1的经过时间“14:01”到最后一个经过点P2的经过时间“14:02”所经过的时间，因此滞留时间＝1分钟＝60秒。而第一个经过点P1与共用附近店铺S1的距离是40m，最后一个经过点P2与共用附近店铺S1的距离是33m，因此“该共用附近店铺S1涉及的第一个经过点到最后一个经过点的所有经过点与该共用附近店铺S1的距离之和”为40m+33m。因此，与共用附近店铺S1相关的滞留系数为滞留时间60秒除以距离之和“40m+33m”所得出的数值“60/(40+33)”。

同样，图22的表所示的共用附近店铺S4的滞留时间是从第一个经过点P1的经过时间“14:01”到最后一个经过点P7的经过时间“14:07”所经过的时间，因此滞留时间＝6分钟＝360秒。而第一个经过点P1与共用附近店铺S4的距离是56m，下一个经过点P2与共用附近店铺S4的距离是35m，再下一个经过点P3与共用附近店铺S4的距离是20m，再下一个经过点P4与共用附近店铺S4的距离是15m，再下一个经过点P5与共用附近店铺S4的距离是22m，再下一个经过点P6与共用附近店铺S4的距离是39m，最后一个经过点P7与共用附近店铺S4的距离是44m，因此“该共用附近店铺S4涉及的第一个经过点到最后一个经过点的所有经过点与该共用附近店铺S4的距离之和”为56m+35m+20m+15m+22m+39m+44m。因此，与共用附近店铺S4相关的滞留系数为滞留时间360秒除以距离之和“56m+35m+20m+15m+22m+39m+44m”所得出的数值“360/(56+35+20+15+22+39+44)”。

而关于图22的表中所示的共用附近店铺S7，由于经过点P8是唯一的经过点，因此，从第一个经过点P8的经过时间“14:08”到最后一个经过点P8的经过时间“14:08”所经过的时间为0，滞留时间＝0。这样滞留时间为0的共用附近店铺的滞留系数为0，在实际应用中，无需将这种只有唯一的一个经过点的附近店铺视为共用附近店铺。

这样，求滞留系数的公式的分子(滞留时间)为0的情况下，滞留系数＝0，但分母(距离之和)为0的情况下，滞留系数＝无限大。当然，理论上可将滞留系数的范围定义在0～无限大。但在实际应用中，一般的计算机多数不进行分母为0的运算。为了解决这样的问题，例如事先确定滞留系数的上限值，在分母(距离之和)为0的情况下，将该上限值作为滞留系数处理即可。

或者，解决上述问题的其他方法也可以是对滞留系数的定义进行一些修改。例如，只要将关于指定共用附近店铺的滞留系数定义为下述的值即可，即从该共用附近店铺涉及的第一个经过点的经过时间到最后一个经过点的经过时间所经过的时间(滞留时间)除以该共用附近店铺的第一个经过点到最后一个经过点的所有经过点与该共用附近店铺的距离之和与规定常数Δ的相加值所得出的数值。如果将规定常数Δ设为不为0的正数，则即使距离的总和为0，求滞留系数的公式的分母也为Δ，而不是0。

另外，在此以滞留时间的单位为秒，距离的单位为m，对滞留系数的数值进行了定义，但可以任意地设定滞留时间或距离的单位。使用什么样的单位定义滞留系数的问题只是比例的问题，而不是本质问题。

这里考虑一下对各共用附近店铺求出的滞留系数的含义。如上所述，滞留系数是被定义为滞留时间除以距离之和所得出的数值的参数，是滞留时间为分子，距离之和为分母的分式。因此，分子的滞留时间越大，滞留系数则越大，而分母的距离之和越大，则滞留系数越小。这样的参数可以用作定量评价用户顺便去共用附近店铺的可能性的参数。

当然，作为该分式的分子的滞留时间仅表示该店铺被识别为附近店铺的时间，不表示用户实际在该店铺滞留的时间。原本位置变化信息I2就是每个采样时间的经纬度信息的罗列，并不表示用户在指定的店铺逗留或实际使用了该店铺的事实。但是，由于可以判断对指定店铺计算出的上述滞留时间越长，实际在该店铺滞留的可能性越高，因此，上述滞留时间可以用作表示用户顺便去该店铺的可能性的定量值。例如，图22的示例中，店铺S1的滞留时间为60秒，而店铺S4的滞留时间为360秒，因此可推断顺便去店铺S4的可能性高于顺便去店铺S1的可能性。

而作为该分式的分母的距离之和表示各经过点与店铺相距多远，可以判断距离之和越小，实际在该店铺滞留的可能性越高，因此，同样可以用作表示用户顺便去该店铺的可能性的定量值。由于用于计算距离的各店铺的位置是经纬度信息所表示的店铺的代表点位置(例如店铺用地的大约中央点)，因此即使实际上用户顺便去了该店铺，距离之和通常也不是0。但是，如果用户实际上顺便去了该店铺，则在其滞留期间中的各采样时间得到的经过点与该店铺的距离可视为非常小，因此可以将距离之和作为分母的分式的数值用作表示顺便去店铺的可能性的数值。反过来说，即使对指定的店铺计算出的滞留时间很长，如果距离之和很大，则该店铺的滞留系数变小，这是由于实际上滞留在其他场所而不是该店铺的可能性提高。

图23是说明求出共用附近店铺的滞留系数的一般方法的平面图。该图表示从移动路径R1上连续的第(i-2)个经过点P(i-2)到第(i+n+3)个经过点P(i+n+3)，第j个店铺Sj成为共用附近店铺的示例。在图中，用同一个黑点表示总共(n+1)个经过点P(i)～P(i+n)，这是由于它们具有相同的经纬度信息。由于店铺Sj是图23所示的所有经过点P(i-2)～P(i+n+3)共用的共用附近店铺，因此，对这些各经过点来说，店铺Sj都是按照由近到远的顺序进入前m位(上述的例中m＝3)的店铺。

该图23所示的位置变化是用户实际利用了店铺Sj的情况下的典型示例。例如店铺Sj是餐厅，作为该店铺的店铺位置代码C3登载了图中的点Sj的经纬度信息，在客人坐席的位置是图中表示经过点P(i)～P(i+n)的黑点的位置的情况下，如果用户利用该餐厅，则得到图示的位置变化信息。如果经过点P(i)～P(i+n)的经过时间为时间t(i)～t(i+n)，则该时间为用户在餐厅用餐的时间。

图24的表示出了在图23的示例中求出共用附近店铺Sj的滞留系数的具体方法。该表中的经过点P(i-2)～P(i+n+3)表示图23中黑点所示的各经过点，该表中的时间t(i-2)～t(i+n+3)表示各经过点P(i-2)～P(i+n+3)的经过时间，该表中的距离L(i-2)～L(i+n+3)表示各经过点P(i-2)～P(i+n+3)与共用附近店铺Sj之间的距离。

在该示例中，与共用附近店铺Sj相关的连续的一连串经过点中，由于第一个经过点P(i-2)的经过时间为t(i-2)，最后一个经过点P(i+n+3)的经过时间为t(i+n+3)，因此，滞留时间通过t(i+n+3)-t(i-2)求出。另一方面，距离之和通过L(i-2)+L(i-1)+L(i)+...+L(i+n+3)求出。最终，店铺Sj的滞留系数通过图24的表的右栏所示的分式算出。

以上，对基于一个用户的一部分移动路径识别共用附近店铺从而计算该店铺的滞留系数的方法进行了说明。通常根据一个用户一天的移动路径来识别多个共用附近店铺。并且，根据情况有时也在上午和下午分别独立地将同一个店铺作为共用附近店铺进行识别。分别对这样识别出的各个共用附近店铺计算上述的滞留系数。这样的滞留系数的计算值是分别针对许多用户的移动路径获得的，并且例如在30天这一期间进行收集。

因此，只要将计算出的各个共用附近店铺的滞留系数作为表示对该共用附近店铺的店铺类型的感兴趣程度的数值统计在包括该共用附近店铺位置在内的地区区域且与识别出的该共用附近店铺的滞留时间对应的组块上，就可以基于该统计结果创建逗留利用感兴趣度表。

具体地，图22的表的右栏所示的各滞留系数是通过下述方法进行统计的。例如，对于与包含共用附近店铺S1的位置(店铺位置代码C3所表示的位置)的地区区域有关的且与滞留时间星期日14:01～14:02对应的组块，将店铺S1的滞留系数“60/(40+33)”作为对店铺S1的店铺类型的感兴趣度进行统计。具体是，如果店铺S1是属于地区区域1A的电影院，则对组块“1A：星期日14”的店铺类型“观看”加上滞留系数“60/(40+33)”的分数。

同样，对于与包含共用附近店铺S4的位置的地区区域有关且与滞留时间星期日14:01～14:07对应的组块，将店铺S4的滞留系数“360/(56+35+20+15+22+39+44)”作为对店铺S4的店铺类型的感兴趣度进行统计。具体是，如果店铺S4是属于地区区域1A的餐厅，则对组块“1A：星期日14”的店铺类型“饮食”加上滞留系数“360/(56+35+20+15+22+39+44)”的分数。

如果在规定期间对许多用户进行这样的统计，得到每个组块的统计值(累加的总分数)，则可以创建将该统计值作为感兴趣度的逗留利用感兴趣度表。在实际应用中，优选将各统计值的标准化值作为感兴趣度来创建逗留利用感兴趣度表。例如，图10是进行了使一个组块内的所有店铺类型的感兴趣度总和为100％的标准化处理的示例。

具有该图10所示内容的逗留利用感兴趣度表体现了这样一个推测结果，即，在“星期日的14:00～15:00的时段”位于“地区区域1A”内的多数用户可能实际在店铺逗留或利用了的店铺中，20％是属于“饮食”这一类型的店铺，60％是属于“购物”这一类型的店铺，15％是属于“观看”这一类型的店铺，5％是属于“游乐”这一类型的店铺。

§4-3：感兴趣度表创建部的具体结构

在此，参考图25的框图对图16所示的感兴趣度表创建部150的内部结构及其动作进行说明。这里所示的感兴趣度表创建部150具有创建§4-1所述的预制订感兴趣度表T1和§4-2所述的逗留利用感兴趣度表T2两种感兴趣度表的功能。

图25所示的频率统计部151是用于基于信息配送部110提交的感兴趣信息I1创建预制订感兴趣度表T1的构成元件。即，频率统计部151进行以下处理，即，基于如图17所示的感兴趣信息I1，针对包括终端位置信息所表示的位置在内的地区区域且与时间信息对应的组块，记录对店铺类型信息所示的店铺类型感兴趣这一内容，按每个组块统计对各店铺类型感兴趣的频率，并基于该统计结果创建预制订感兴趣度表。其具体的处理内容如§4-1中所述。

另一方面，图25所示的附近店铺识别部152、滞留时间识别部153、滞留系数计算部154、滞留系数统计部155是用于基于各移动终端装置10提交的位置变化信息I2创建逗留利用感兴趣度表T2的构成元件。

首先，附近店铺识别部152进行以下处理，即，基于表示各个移动终端装置10在每个采样时间的位置变化的位置变化信息I2识别各个移动终端装置10的移动路径上的经过点P，通过参考存储在提供信息文件存储部100中的提供信息文件内的店铺位置代码C3，计算每个经过点P与各店铺的距离，按照距离由短到长的顺序将规定数量的m个店铺识别为与该经过点P相关的附近店铺S。例如，图19、图20的示例的情况下，分别对各经过点P1～P8识别图21的表所示的附近店铺。

然后，滞留时间识别部153进行以下处理，即，对于移动路径上的连续经过点共用的共用附近店铺，将从第一个经过点的经过时间到最后一个经过点的经过时间所经过的时间识别为滞留时间。例如，图19、图20的示例的情况下，对图22的表所示的各共用附近店铺S1～S7求出从第一个经过点的经过时间到最后一个经过点的经过时间所经过的滞留时间。

另外，基本上将共用附近店铺定义为一个移动路径上的“连续”经过点共用的附近店铺。因此，即使存在一个移动路径上的“断续”的经过点共用的附近店铺，也不应将该附近店铺识别为这些“断续”的经过点的共用附近店铺。例如，在图19的示例中，考虑在经过点P8的后面有经过点P9、P10、P11、P12，并且店铺S2是经过点P11和P12的一个附近店铺的情况。

这种情况下，虽然店铺S2是经过点P1、P2、P11、P12的附近店铺，但不能成为这四个经过点P1、P2、P11、P12的共用附近店铺。这是因为虽然经过点P1、P2是在移动路径上“连续”的经过点，经过点P11、P12也是在移动路径上“连续”的经过点，但经过点P2和P11之间是不连续的，因此，经过点P1、P2、P11、P12这四点不是在一个移动路径上“连续”的经过点。这种情况下，对于经过点P1、P2，将店铺S2识别为共用附近店铺S2，对于经过点P11、P12，将店铺S2识别为另一个共用附近店铺S2。

但是，在实际应用中，对“连续”这一条件的解释最好留有一些余地。例如，图23示出了用户在时间t(i)～t(i+n)的时段在店铺Sj用过餐的示例。该示例的情况下，本来店铺Sj应该成为移动路径上的所有“连续”经过点P(i-2)～P(i+n+3)的附近店铺，店铺Sj应该成为经过点P(i-2)～P(i+n+3)的共用附近店铺。但由于某种原因，在获取经过点P(i-2)～P(i+n+3)中的一点的经纬度信息时发生了错误，对该发生了错误的经过点，店铺Sj不成为附近店铺。

这种情况下，如果严格地解释“连续”这一条件，店铺Sj不成为经过点P(i-2)～P(i+n+3)的共用附近店铺，而是分别对于在发生了错误的经过点的前后被分割的两组经过点，将店铺Sj识别为独立的共用附近店铺。虽然进行这样的识别处理，也不会产生重大的障碍，但为了防止这样的识别处理，例如进行如下处理即可：即使中途的经过点部分的连续性中断，如果中断的经过点的数量在规定数量以下，仍将其解释为“连续”。

并且，识别移动终端装置的位置的系统采用一般的GPS的情况下，不擅长获取室内的位置信息。因此，对于图23的示例，如果店铺Sj是室内餐厅，则有可能不能获取图中的经过点P(i)～P(i+n)的位置信息。像这样经过点的信息在一定的期间丢失的情况下，只要基于该丢失期间紧前面和紧后面的经过点的位置信息，判断两者在移动路径上是否连续即可。具体进行如下处理即可：如图23所示，如果紧前面的经过点P(i-1)和紧后面的经过点P(i+n+1)非常接近(例如满足“两者的距离小于等于30m”的标准)，则即使在途中有许多经过点(在图23的示例中为“n+1”个)中断，仍解释为两个经过点P(i-1)、P(i+n+1)在移动路径上是连续的。

然后，图25所示的滞留系数计算部154进行以下处理，即，求出各共用附近店铺与从第一个经过点到最后一个经过点的所有经过点的距离之和，将滞留时间识别部153求出的滞留时间除以距离之和所得出的数值作为滞留系数进行计算。例如，图19、图20的示例中，通过图22的表的右栏所示的分式来求出各共用附近店铺的滞留系数。另外，当距离之和为0妨碍运算时，如上所述，将滞留时间除以“距离之和与规定常数Δ的相加值”所得出的数值作为滞留系数即可。

最后的滞留系数统计部155进行以下处理，即，将滞留系数计算部154计算出的各个共用附近店铺的滞留系数作为表示对该共用附近店铺的店铺类型的感兴趣程度的数值统计在包括该共用附近店铺位置在内的地区区域且与识别出的该共用附近店铺的滞留时间对应的组块上，并基于该统计结果创建逗留利用感兴趣度表。

另外，在进行统计处理时，如果滞留时间跨越多个组块的时段，则对应于各组块统计按滞留时间与各个组块的时段的重合度来按比例划分的滞留系数即可。例如，在图22的示例中，在包含滞留时间“星期日的14:01～14:07”的时段，即“星期日14”的时段(星期日14:00～15:00的时段)的组块上统计店铺S4的滞留系数。这样，滞留时间包含在一个组块的时段中的情况下，对该组块统计滞留时间即可。

但是，滞留时间例如是“星期日的13:30～14:20”的情况下，该滞留时间跨越了“星期日13”和“星期日14”两个时段。这种情况下，如果求滞留时间与每个组块的时段的重合度，则与“星期日13”这一时段重合30分钟，与“星期日14”这一时段重合20分钟。因此，将作为统计对象的滞留系数以30∶20的比例划分，在“星期日13”这一时段的组块上统计滞留系数的30/50的部分，在“星期日14”这一时段的组块上统计滞留系数的20/50的部分即可。

§4-4：多个感兴趣度表的处理

如图25的框图所示，这里所述的实施方式的情况下，感兴趣度表创建部150具有创建预制订感兴趣度表T1和逗留利用感兴趣度表T2两种感兴趣度表的功能。这样创建的各感兴趣度表T1、T2存储在图12所示的列表提供部140内的表存储部143中，用于校正处理部142进行的匹配度校正处理。

这样，将多个感兴趣度表存储在表存储部143内，校正处理部142通过参考这些多个感兴趣度表识别多种感兴趣度，利用识别出的多种感兴趣度进行校正，从而求出校正匹配度，这是很有用的。

例如，这里所示的实施方式的情况下，预制订感兴趣度表T1是从“每个用户制订了属于哪种类型的行动计划”的观点出发来定义各用户的感兴趣度的表，而逗留利用感兴趣度表T2是从“每个用户在属于哪种类型的店铺逗留、利用了属于哪种类型的店铺”的观点出发来定义各用户的感兴趣度的表。这样，如果使用从不同观点出发创建的多个感兴趣度表，可以定义更确切的感兴趣度，可以增强实现本发明目的的效果，即选择最适当的信息提供给用户。

为了参考多个感兴趣度表求出校正匹配度，校正处理部142只要事先对从各感兴趣度表得到的感兴趣度分别设定权值参数，并将各感兴趣度与权值参数的乘积值乘以匹配度即可。

图26是表示基于这样的方针在列表提供部140内进行的校正处理的示例框图。如图所示，预制订感兴趣度表T1和逗留利用感兴趣度表T2存储在表存储部143内。各表T1、T2是按水平方向为地区区域、垂直方向为时段的每个组块设定了与各店铺类型对应的感兴趣度的表，由感兴趣度表创建部150每隔规定的期间(例如每一个月)进行创建、更新。

在此，将设定在预制订感兴趣度表T1内的感兴趣度作为α1，并将设定在逗留利用感兴趣度表T2内的感兴趣度作为α2。在图中，在各感兴趣度表T1、T2内影线所示的部分是各表内的一个组块。如图所示，在预制订感兴趣度表T1内的各组块上设定了“饮食”类型的感兴趣度α1(1)、“购物”类型的感兴趣度α1(2)、“观看”类型的感兴趣度α1(3)、“游乐”类型的感兴趣度α1(4)。同样，如图所示，在逗留利用感兴趣度表T2内的各组块上设定了“饮食”类型的感兴趣度α2(1)、“购物”类型的感兴趣度α2(2)、“观看”类型的感兴趣度α2(3)、“游乐”类型的感兴趣度α2(4)。在此示出了对大分类的类型设定的感兴趣度，当然也可以对小分类的类型设定感兴趣度。

如§3中所述，校正处理部142进行以下处理，即，通过参考感兴趣度表，识别针对包括终端位置信息所表示的位置在内的地区区域的与当前时间对应的组块设定的各店铺类型的感兴趣度，利用识别出的与该提供信息文件相关的店铺类型的感兴趣度校正存储在检索结果存储部141中的“各提供信息文件的匹配度”，求出校正匹配度。图26所示的实施方式的情况下，校正处理部142通过参考两个感兴趣度表T1、T2，识别对相应的组块设定的相应类型的各感兴趣度。

例如，作为匹配度M的校正对象的提供信息文件的店铺类型是第j个类型的情况下，校正处理部142从预制订感兴趣度表T1的相应组块读出感兴趣度α1(j)，从逗留利用感兴趣度表T2的相应组块读出感兴趣度α2(j)。然后，进行以下处理：利用事先设定的权值参数k1、k2对作为校正对象的匹配度M进行M^*＝M×(k1·α1(j))×(k2·α2(j))的运算，从而求出校正匹配度M^*。在此，k1是表示预制订感兴趣度表T1内的感兴趣度的权值的参数，k2是表示逗留利用感兴趣度表T2内的感兴趣度的权值的参数。考虑重视两个感兴趣度表T1、T2中的哪个表进行校正，适当地设定k1、k2的数值即可。

§5.使用广告主意向度表的实施方式

本发明的信息提供系统的重要特征在于基于作为过去的调查结果获得的感兴趣度表校正检索结果的匹配度，修正向用户提供的检索结果的列表登载顺序这一方法。这里利用的感兴趣度表都是从用户方的角度出发，显示在什么情况下对什么样的类型的兴趣高的感兴趣度。

这里所述的实施方式是除了这样的用户的感兴趣度之外，还考虑广告主的意向度来校正检索结果的匹配度，修正向用户提供的检索结果的列表登载顺序。这里，广告主的意向度是表示想要向在指定的时段位于指定地区区域的用户配送自己店铺信息的意向程度的参数。这里所述的实施方式的情况下，为了在校正处理中反映广告主的意向度而使用广告主意向度表。

图27是具有考虑到这样的广告主意向度进行处理的功能的实施方式的框图。与图16所示的实施方式的不同点在于新增了广告主意向度表创建部160以及列表提供部140考虑到意向度进行处理。广告主意向度表创建部160进行以下处理：基于根据广告主的指示从外部输入的输入操作，分别创建关于各提供信息文件的广告主意向度表，将其存储在列表提供部140内的表存储部143中。

图28是通过图27所示的广告主意向度表创建部160创建的广告主意向度表T3的具体示例图。如图所示，在广告主意向度表T3上设置与图9所示的感兴趣度表相同的组块，对每个组块设置分别提供店铺信息的广告主的意向度。即，广告主意向度表T3的基本结构是通过在水平方向排列各个地区区域，并在垂直方向排列各个时段，定义与指定地区区域以及指定时段对应的许多组块。图28的表内影线所示的部分表示一个组块。

不过，感兴趣度表与广告主意向度表的第一不同点在于：如图10或图11的示例所示，感兴趣度表的每个组块上设置了对多个店铺类型的感兴趣度，而广告主意向度表的每个组块上只设置了一个意向度。例如，图28中影线所示的组块只设置了一个意向度β。

感兴趣度表与广告主意向度表的第二不同点在于：广告主意向度表按各个提供信息文件分别单独准备。在图28中重叠地描绘了多张广告主意向度表，这表示对一个提供信息文件准备一个广告主意向度表。在图28中，显示在最上面的广告主意向度表T3(DDD111111)是为由识别信息代码“DDD111111”指定的提供信息文件F1(图2所示文件)准备的广告主意向度表。因此，在提供信息文件存储部100内存储了一万组提供信息文件的情况下，广告主意向度表也要准备一万组。

如上所述，广告主的意向度是表示想要向在指定的时段位于指定地区区域的用户配送自己店铺信息的意向程度的参数。例如，图28所示的广告主意向度表T3(DDD111111)是按每个组块分别设定图2所示的店铺信息的广告主(通常是“印度餐厅：东京XXX”的经营者)想要配送该店铺信息的意向程度的表。即，图28中影线所示的组块上设定的意向度β是表示想要对处于与该组块对应的地区区域以及时段的用户配送图2所示的店铺信息本体数据D1的意向程度的数值。

可将意向度β的值设为任何数值，例如可设为0～100的任意数值。意向度100表示强烈希望配送该店铺信息的意向，意向度0表示不希望配送该店铺信息的意向。当然，也可将意向度β的数值设定成“配送(β＝1)”或“不配送(β＝0)”的二值数据。广告主意向度表创建部160进行以下处理，即，基于根据广告主的指示从外部输入的输入操作创建这样的广告主意向度表，并将该表存储在列表提供部140内的表存储部143中。

具体是，例如向广告主所操作的计算机等终端装置发送用于显示各组块部分为空白栏的空白广告主意向度表的网页数据，并在该网页上，让广告主进行在空白栏部分输入表示所希望的意向度的数值的操作，则可以通过读出广告主输入的数值来创建广告主意向度表。当然，优选能够根据需要更新过去设定的意向度值。

图27所示的实施方式的情况下，如图29所示，最终在列表提供部140内的表存储部143中除了存储有预制订感兴趣度表T1和逗留利用感兴趣度表T2以外，还存储了与每个提供信息文件对应的多个广告主意向度表T3。这些表T1、T2、T3的相同点在于：都是按水平方向为地区区域、垂直方向为时段的每个组块设定了规定参数的表。

并且，这里所示的实施方式的情况下，校正处理部142进行以下处理，即，通过参考作为匹配度的校正对象的提供信息文件的广告主意向度表T3，识别设定在相应组块上的意向度，利用感兴趣度和意向度两者进行校正，从而求出校正匹配度。具体是，校正处理部142具有分别对感兴趣度和意向度设定权值参数的功能，将感兴趣度与该权值参数的乘积值以及意向度与该权值参数的乘积值分别乘以匹配度，从而求出校正匹配度。

这里试着考虑以下情况，例如，在“星期日的14:00～15:00的时段”、位于“地区区域1A”内的指定用户通过输入一些检索条件，检索执行部120得到了规定的检索结果。此时，作为检索结果，假设与图2所示的“印度餐厅：东京XXX”有关的店铺信息具有匹配度M。这种情况下，图29所示的校正处理部142通过以下的处理对匹配度M进行校正。

首先，校正处理部142从预制订感兴趣度表T1的相应组块“1A：星期日14”中读出感兴趣度α1(j)，从逗留利用感兴趣度表T2的相应组块“1A：星期日14”中读出感兴趣度α2(j)。在此，由于“印度餐厅：东京XXX”的店铺类型是“饮食”，因此j＝1。校正处理部142进一步从“印度餐厅：东京XXX”的广告主意向度表T3(DDD111111)的相应组块“1A：星期日14”中读出意向度β。

然后，进行下述处理：利用事先设定的权值参数k1、k2、k3对作为校正对象的匹配度M进行M^*＝M×(k1·α1(j))×(k2·α2(j))×(k3·β)的运算，从而求出校正匹配度M^*。在此，k1是表示预制订感兴趣度表T1内的感兴趣度的权值的参数，k2是表示逗留利用感兴趣度表T2内的感兴趣度的权值的参数，k3是表示广告主意向度表T3内的意向度的权值的参数。考虑重视三个表T1、T2、T3中的哪个表进行校正，适当地设定k1、k2、k3的数值即可。

广告主通过适当地改变广告主意向度表T3内的各组块的意向度设定，可以在某种程度上控制各店铺信息的配送概率。例如，假设经营着位于地区区域1A的店铺A和位于地区区域1F的店铺F两个店铺的经营者要向地区区域1A附近的用户配送店铺A的店铺信息，向位于地区区域1F附近的用户配送店铺F的店铺信息。这种情况下，在针对店铺A的店铺信息的广告主意向度表上，将靠近地区区域1A的组块的意向度设定得高，将靠近地区区域1F的组块的意向度设定得低，同时，在针对店铺F的店铺信息的广告主意向度表上，将靠近地区区域1A的组块的意向度设定得低，将靠近地区区域1F的组块的意向度设定得高即可。这样，形成以下趋势，即，在向地区区域1A附近的用户提供的列表上，店铺A的索引显示在店铺F的索引的前面，而在向地区区域1F附近的用户提供的列表上，店铺F的索引显示在店铺A的索引的前面。

或者，如果对同一店铺准备了登载了午餐菜单的日用店铺信息和登载了晚餐菜单的夜用店铺信息两种店铺信息，则会认为在白天的时段要配送日用店铺信息，在晚上的时段要配送夜用店铺信息。这种情况下，在针对日用店铺信息的广告主意向度表上，将与白天的时段对应的组块的意向度设定得高，将与晚上的时段对应的组块的意向度设定得低，同时在针对夜用店铺信息的广告主意向度表上，将与白天的时段对应的组块的意向度设定得低，将与晚上的时段对应的组块的意向度设定得高即可。这样，形成以下趋势，即，在向在白天进行检索的用户提供的列表上，日用店铺信息的索引显示在夜用店铺信息的索引前面，而在向在晚上进行检索的用户提供的列表上，夜用店铺信息的索引显示在日用店铺信息的索引前面。

另外，为了设定广告主设定意向度β，如上所述，在广告主操作的电脑等屏幕上显示空白的广告主意向度表，使其在空白栏部分输入表示意向度的数值，这是很实用的，但如果以某种形式在该空白的广告主意向度表上显示感兴趣度表创建部150创建的感兴趣度表上的感兴趣度α，则可以对广告主设定意向度β提供有用的信息。

如图9的示例所示，在本发明的感兴趣度表上例如设置有多个组块(由地区区域和时段划分的块)。并且，如图28的示例所示，在本发明的广告主意向度表上也设置有多个组块(由地区区域和时段划分的块)。因此，图28所示的广告主意向度表T3(DDD111111)的各个组块与图9所示的感兴趣度表的各个组块一一对应。因此，向广告主提供空白的广告主意向度表，要求其在每个空白栏设定意向度β时，如果能够参考感兴趣度表，用某种形式显示对与每个空白栏对应的组块上的对应店铺类型的感兴趣度α，则广告主可以参考该感兴趣度α来设定意向度β。

例如图28所示的广告主意向度表T3(DDD111111)是关于“印度餐厅：东京XXX”的店铺信息的空白表，试着考虑广告主在该空白栏(输入栏)对意向度β进行设定操作的情况。这种情况下，在每个输入栏显示感兴趣度表上的对应组块上的对应店铺类型，即，类型“饮食”的感兴趣度α即可。

总之，广告主意向度表创建部160在基于广告主的输入操作设定指定提供信息文件的指定组块的意向度时，进行以下处理即可，即，通过参考表存储部143内的感兴趣度表T1、T2，识别对该指定的组块设定的与该指定提供信息文件的店铺类型(上述示例的情况下为“饮食”)对应的感兴趣度α，并向广告主操作的电脑等终端装置提供所识别的感兴趣度α。

在实际应用中，如果用输入栏的颜色表示感兴趣度α的大小，代替直接显示表示感兴趣度α的数值，则能对广告主进行直观的提示。例如，在用0～100％的范围的数值设定感兴趣度α的情况下，用颜色进行如下的区分即可，即，对“饮食”的感兴趣度α取100％≥α≥80％的范围内的值的输入栏用红色显示，取80％＞α≥60％的范围内的值的输入栏用橙色显示，取60％＞α≥40％的范围内的值的输入栏用黄色显示，取40％＞α≥20％的范围内的值的输入栏用绿色显示，取20％＞α≥0％的范围内的值的输入栏用蓝色显示。当然，也可以采用对感兴趣度α不到40％的输入栏不上任何颜色的显示形式。

另外，在意向度β的输入栏显示感兴趣度α的方法不局限于改变颜色的方法。例如也可以用对应于相应感兴趣度α的影线显示各输入栏，或用对应于相应感兴趣度α的亮度显示各输入栏，或用对应于相应感兴趣度α的字体显示各输入栏，也可以在各输入栏显示与感兴趣度α对应的标记(例如圆、正方形、三角形等几何图形等)。

总之，广告主意向度表创建部160向广告主提供“用于对应于各个组块分别输入规定的意向度β的输入栏”，用与针对各组块识别出的感兴趣度α对应的显示方式显示各输入栏即可。

本发明中的“感兴趣度”是表示在指定地区区域、指定时段的标准用户要进行一些行动时对各个类型的感兴趣程度的统计数据。可以说这样的统计数据是对广告主设定意向度β有很大参考意义的数据。例如，在与组块“1A：星期日14”对应的空白栏设定意向度β的情况下(即，设定表示向在地区区域1A、星期日14:00～15:00的时段的用户发送信息的意向度β的情况下)，如果该空白栏用红色显示，则统计上显示在该地区区域该时段的大多数用户对“饮食”非常感兴趣，因此，通常“印度餐厅：东京XXX”的广告主为了进行高效率的广告配送，可能会在该空白栏设定数值高的意向度β。相反，如果该空白栏用蓝色显示，则统计上显示在该地区区域该时段的大多数用户对“饮食”不感兴趣，因此，该广告主可能会设定低意向度β。

在意向度β的设定画面上采用上述的显示方式的情况下，广告主意向度表创建部160参考存储在表存储部143内的感兴趣度表，获取对应组块的对应类型的感兴趣度α的值即可。另外，作为参考的感兴趣度α可使用预制订感兴趣度表T1内的感兴趣度α1，也可使用逗留利用感兴趣度表T2内的感兴趣度α2。当然也可使用根据α1和α2求出的感兴趣度α(例如两者的积或其标准化值等)。

使广告主对各组块通过考虑该组块的感兴趣度α来设定意向度β的方法不局限于在各栏中用颜色等提示感兴趣度α的方法。例如，也可以采用按照感兴趣度α的降序排列提供各个组块的方法。该方法通过广告主意向度表创建部160向广告主优先提供感兴趣度α大的组块，以推荐感兴趣度α大的组块。广告主通过对顺序在前的组块设定更高的意向度β，可以进行能够更有效地配送广告的设定。

总之，广告主意向度表创建部160在基于广告主的输入操作对指定的提供信息文件设定各组块的意向度时，通过参考表存储部143内的感兴趣度表T1、T2，识别对各组块设定的与该指定的提供信息的店铺类型对应的感兴趣度，考虑感兴趣度的大小按照优先顺序向广告主提供组块即可。

并且，如上述的示例那样对组块安排优先顺序时，不仅可以参酌感兴趣度α，也可参酌组块的地区区域与广告对象店铺之间的距离。这里所述的实施方式的情况下，如上所述，由于在各信息提供文件内准备了店铺位置代码C3作为元数据，因此，可以计算作为广告对象的店铺的位置与各地区区域之间的距离。因此，如果是设定关于“印度餐厅：东京XXX”的意向度β的情况下，例如也可以采用以下方法，即，只将离该店铺1km以内的地区区域的组块作为推荐对象，并按照感兴趣度α的降序排列提供作为该推荐对象的组块。

如果进一步扩展这样的方法，广告主意向度表创建部160也可以基于规定的算法自动地设定意向度β，来代替通过广告主的输入操作设定意向度β。例如，如果是设定关于“印度餐厅：东京XXX”的意向度β的情况下，如果事先确定如下的算法，即，在离该店铺1km以内的地区区域的组块中，对“饮食”类型的感兴趣度α大于等于60％的组块一律设为意向度β＝100％，其余的组块一律设为意向度β＝0％，则不用广告主进行输入操作，就能对各组块自动设定100％或0％的意向度β。

§6.使用用户评价值数据的实施方式

在§5中，说明了使用表示用户感兴趣度的感兴趣度表以及表示广告主意向度的广告主意向度表来校正检索结果的匹配度，修正向用户提供的检索结果列表的登载顺序的实施例。这里所述的实施方式除了考虑用户的感兴趣度以及广告主的意向度之外，还考虑用户的评价值来校正检索结果的匹配度，修正向用户提供的检索结果列表的登载顺序。在此，用户的评价值是表示用户对每个店铺的评价的参数，表示想要向其他用户推荐该店铺的程度。这里所述的实施方式的情况下，为了在校正处理中反映用户的评价值，使用了用户评价值表。

图30是具有考虑这样的用户评价值进行处理的功能的实施方式的框图。与图27所示的实施方式的不同点在于新增了用户评价值创建部170以及列表提供部140考虑用户评价值进行处理。用户评价值创建部170进行以下处理，即，通过从用户收集对各店铺的评价，分别创建关于各提供信息文件的用户评价值表T4，将其存储在列表提供部140内的表存储部143中。

图31是图30所示的用户评价值创建部170创建的用户评价值表T4的具体示例图。该用户评价值表T4与以上所述的感兴趣度表T1、T2和广告主意向度表T3有一些不同。即，用户评价值表T4上没有设置组块，没有地区区域和时段的概念。

用户评价值表T4按各个提供信息文件分别单独准备(该特征与广告主意向度表T3的特征相同)。在图31中重叠地描绘了多张用户评价值表T4，这表示对一个提供信息文件准备一个用户评价值表T4。在图31中，显示在最上面的用户评价值表T4(DDD111111)是为由识别信息代码“DDD111111”指定的提供信息文件F1(图2所示文件)准备的用户评价值表。因此，在提供信息文件存储部100内存储了一万组提供信息文件的情况下，用户评价值表也要准备一万组。不过，没有从用户得到评价值回答的提供信息文件的用户评价值表是空白表。

如上所述，用户对指定店铺的评价值是表示用户对该店铺的评价的参数。例如，在图31所示的用户评价值表T4(DDD111111)上收录了以下评价值，即，用户ID“U000X”的个人评价值E＝3，用户ID“U000Y”的个人评价值E＝5，用户ID“U000Z”的个人评价值E＝2，这表示每个用户对由信息识别代码“DDD111111”指定的店铺即图2所示的“印度餐厅：东京XXX”的“满意度”或“推荐度”。具体表示以下结果，即，具有用户ID“U000X”的用户给予评价值3，具有用户ID“U000Y”的用户给予评价值5，具有用户ID“U000Z”的用户给予评价值2。

个人评价值E的值可以设为任何数值，在这里的示例中，进行“E＝5：非常好，E＝4：好，E＝3：一般，E＝2：差，E＝1：非常差”的五个级别的评价。用户评价值创建部170进行以下处理，即，通过从用户收集对各店铺的评价值，分别创建关于各提供信息文件的用户评价值表，并将该表存储在列表提供部140内的表存储部143中。

具体是，例如准备可从移动终端装置10访问的评价值输入网页，使每个用户在该网页上输入关于所需要店铺的个人评价值即可。在实际应用中进行以下处理即可，即，使每个用户进行会员注册，发布用户ID，将用户输入的对于指定店铺的个人评价值E与用户ID相对应地记录在关于该指定店铺的提供信息文件的用户评价值表上。

或者也可以采用以下方法，即，在从信息配送部110配送店铺信息本体数据D1时，使用户回答对该店铺信息本体数据D1的个人评价值E。例如，如果在信息配送部110配送的店铺信息本体数据D1的最后加上用于回答个人评价值E的网页URL，则可以通过向该网页引导，敦促输入个人评价值E。并且，也可以在信息配送部110配送的店铺信息本体数据D1的最后加上用于回复个人评价值E的电子邮箱地址，使用户向该电子邮箱地址发送回答个人评价值E的邮件。

用于给出个人评价值E的评价标准可以凭借每个用户的任意判断。例如，对于餐厅，通过基于各个用户的自主评判对味道、价格、内部装饰、服务员的服务等进行综合判断，获取个人评价值的设定即可。并且，个人评价值的回答者不用局限于实际使用了该店铺的用户。例如，从信息配送部110接受了信息配送的用户也可以仅基于该配送内容来回答个人评价值。

另外，从同一个用户(具有同一用户ID的用户)多次收到对同一店铺的评价值的情况下，将最新的评价值作为该用户的个人评价值收录在表中即可(或者也可收录多个评价值的平均值)。

这样，在表存储部143内存储有分别与各提供信息文件对应的用户评价值表，在各用户评价值表中记录了用户对与各提供信息文件对应的店铺的评价值。这样，基本上是与各个提供信息文件对应地准备用户评价值表。但对同一个店铺准备了多种提供信息文件的情况下(例如对同一个店铺准备了登载午餐菜单的日用店铺信息和登载晚餐菜单的夜用店铺信息两种店铺信息的情况下)，对多种提供信息文件准备一个共用的用户评价值表即可。

最终，在图30所示的实施方式的情况下，如图32所示，在列表提供部140内的表存储部143中除了存储有预制订感兴趣度表T1、逗留利用感兴趣度表T2以及与每个提供信息文件对应的多个广告主意向度表T3以外，还存储了与每个提供信息文件对应的多个用户评价值表T4。

这里所示的实施方式的情况下，校正处理部142进行以下处理，即，通过参考关于作为匹配度的校正对象的提供信息文件的用户评价值表T4的内容，识别对该店铺设定的用户评价值，利用所有的感兴趣度、意向度以及用户评价值进行校正，从而求出校正匹配度。具体是，校正处理部142具有分别对感兴趣度、意向度以及用户评价值设定权值参数的功能，通过将感兴趣度与其权值参数的乘积值、意向度与其权值参数的乘积值、用户评价值与其权值参数的乘积值分别乘以匹配度来求出校正匹配度。

另外，如图31的示例所示，由于在关于一个店铺的用户评价值表上收录了许多用户各自的个人评价值E，因此校正处理部142必须基于这些多个个人评价值来确定匹配度的校正运算使用的评价值。最简单的方法是将收录在表中的所有用户的个人评价值E的平均值用于匹配度的校正运算的方法。以下对通过该方法实际进行的匹配度的校正运算的一个例子进行说明。

例如，与§5中所述的例子相同，试着考虑以下情况，即，在“星期日的14:00～15:00的时段”位于“地区区域1A”内的指定的用户通过输入一些检索条件，检索执行部120得到了规定的检索结果。此时，作为检索结果，与图2所示的“印度餐厅：东京XXX”有关的店铺信息具有匹配度M。这种情况下，图32所示的校正处理部142通过以下处理对匹配度M进行校正。

首先，校正处理部142从预制订感兴趣度表T1的相应组块“1A：星期日14”中读出感兴趣度α1(j)，从逗留利用感兴趣度表T2的相应组块“1A：星期日14”中读出感兴趣度α2(j)。在此，由于“印度餐厅：东京XXX”的店铺类型是“饮食”，因此j＝1。然后，校正处理部142从“印度餐厅：东京XXX”的广告主意向度表T3(DDD111111)的相应组块“1A：星期日14”中读出意向度β。校正处理部142通过进一步参考“印度餐厅：东京XXX”的用户评价值表T4(DDD111111)，确定用于校正运算的评价值γ。具体只要将收录在用户评价值表T4(DDD111111)中的所有用户的个人评价值E的平均值确定为评价值γ即可。

然后，进行以下处理，即，利用事先设定的权值参数k1、k2、k3、k4对作为校正对象的匹配度M进行M^*＝M×(k1·α1(j))×(k2·α2(j))×(k3·β)×(k4·γ)的运算，由此求出校正匹配度M^*。在此，k1是表示预制订感兴趣度表T1内的感兴趣度的权值的参数，k2是表示逗留利用感兴趣度表T2内的感兴趣度的权值的参数，k3是表示广告主意向度表T3内的感兴趣度的权值的参数，k4是表示用户评价值表T4内的评价值的权值的参数。考虑重视四个表T1、T2、T3、T4中的哪个表进行校正，适当地设定k1、k2、k3、k4的数值即可。

这样，如果考虑用户评价值表的内容，更改在列表上提供检索结果的优先度，则一般将评价高的店铺索引显示在评价低的店铺索引之前。

以上，对将收录在一个用户评价值表上的所有用户的个人评价值E的平均值作为用于校正运算的评价值γ的一个简单例子进行了说明。如果一直这样利用个人评价值E进行匹配度的校正运算，则在各用户评价值表上无需单独收录许多用户的个人评价值E，只收录其平均值即可。但是，一般每个人的嗜好是千差万别的，其他人对指定店铺的评价未必与自己的评价相似。因此，在实际应用中，最好用具有与自己的嗜好相似嗜好的用户(以下称为嗜好相似者)的个人评价值E代替许多用户的个人评价值E的平均值作为评价值γ，进行匹配度的校正运算。以下对利用该方法进行匹配度的校正运算的具体步骤进行说明。

该方法通过用户评价值创建部170对各提供信息文件创建记录了每个用户的个人评价值E的用户评价值表T4，并将该表存储在表存储部143内。具体是，如图31的示例所示，按各提供信息文件准备同时收录了许多用户的个人评价值E和该用户的用户ID的用户评价值表T4即可。

另一方面，检索条件输入部130在输入检索条件时，要求输入用于识别正在访问的访问用户的信息(用户ID)。例如，如果使用户在检索网页上输入自己的用户ID，则检索条件输入部130可以获取访问用户的用户ID。或者也可以使移动终端装置10侧具有自动发送用户ID的功能。

并且，在通过列表提供部140将检索结果作为列表提供时，由校正处理部142基于图32所示的算法进行将匹配度M校正为校正匹配度M^*的处理，此时，将具有与访问用户的评价相似的评价倾向的用户识别为嗜好相似者，使用该嗜好相似者的个人评价值E计算评价值γ进行校正。

图33是示出该评价值γ的计算步骤的流程图。首先，在步骤S1中，提取具有与作为匹配度的校正对象的提供信息文件相同的店铺类型的提供信息文件的用户评价值表。例如，对图2所示的提供信息文件(关于“印度餐厅：东京XXX”的店铺信息)的匹配度M进行校正的情况下，由于大分类的店铺类型是“饮食”，因此，从许多用户评价值表中提取关于属于“饮食”类型的店铺的用户评价值表(当然也可以只提取小分类的类型相同的文件)。

这样，提取与作为校正对象的提供信息文件相同类型的用户评价值表是因为可以认为每个人的嗜好相似性具有类型依赖性。例如考虑有两个用户X、Y对十家餐厅的各个个人评价值非常相似的情况。这种情况下，用户X、Y对“饮食”这一类型的嗜好具有相似性，可以预测两者对第十一家餐厅的个人评价值也相似。但不确定是否对“购物”等其他类型的嗜好也有相似性。因此，这种情况下，应将用户X、Y当作与“饮食”这一类型的嗜好相关的嗜好相似者对待。

在接下来的步骤S2中，从在步骤S1中提取的用户评价值表中提取登载了访问用户(指定检索条件、请求提供列表的用户)的个人评价值E的表。当然，如果在步骤S1中提取的用户评价值表(关于属于“饮食”这一类型的店铺的用户评价值表)内根本没有收录访问用户自身的个人评价值E，则在该步骤S2中无法进行表的提取，因此，无法实施该图33的流程图所示的步骤。这是由于：关于“饮食”这一类型的嗜好，尽管要寻找具有与访问用户相似嗜好的嗜好相似者，但如果表示访问用户自身嗜好的信息(即，访问用户自身对指定店铺的个人评价值E)不存在，则根本就不可能寻找到嗜好相似者。这种情况下，中止该图33的流程图所示的步骤，切换至其他方法即可。例如，切换至上述的简单方法(将收录在表中的所有用户的个人评价值E的平均值用作评价值γ进行校正运算的方法)，或切换至不考虑用户评价值的方法(例如§5中所述的校正运算方法)即可。当然，也可以组合这些方法。

然后，在步骤S3中，利用在步骤S2中提取的用户评价值表计算访问用户与其他用户的关联度。例如，在关于第一店铺的用户评价值表上收录了访问用户X自身的个人评价值Ex1和其他用户Y的个人评价值Ey 1的情况下，由于这些个人评价值Ex1、Ey1为关于同一个店铺的两个人的个人评价值，因此，Ex1与Ey1的差越小，用户X、Y的嗜好越相似，两者的关联度越大。但是，两者的关联度本来应该是统计算出的，只比较关于一个店铺的个人评价值不能计算正确的关联度。用户X、Y共同评价的店铺数量越多，越能正确地计算两者的关联度。

图34是该步骤S3的关联度计算所使用的n组个人评价值对的示意图。该示例是两个用户X、Y都分别对总共n家共同店铺进行了评价的情况。例如，关于由店铺识别代码“DDD111111”指定的第一个店铺，如图示的用户评价值表T4(DDD111111)所示，收录了具有用户ID“U000X”的用户X的个人评价值Ex1和具有用户ID“U000Y”的用户Y的个人评价值Ey 1。同样，关于由店铺识别代码“DDDnnnnnn”指定的第n个店铺，如图示的用户评价值表T4(DDDnnnnnn)所示，收录了具有用户ID“U000X”的用户X的个人评价值Exn和具有用户ID“U000Y”的用户Y的个人评价值Eyn。

可以基于图34所示的n组评价值对利用统计学上的运算来计算用户X、Y关于指定类型的嗜好的关联度R(X，Y)。图35是用于该关联度计算的运算公式的示例图。即，关联度R(X、Y)可以通过以下公式求出：

$R(X,Y)=\mathrm{Sxy}/(\sqrt{\mathrm{Sxx}}\·\sqrt{\mathrm{Syy}})$

其中

Sxx＝∑_i＝1～n(Exi-Exa)²

Syy＝∑_i＝1～n(Eyi-Eya)²

Sxy＝∑_i＝1～n(Exi-Exa)(Eyi-Eya)

这里，Exi是图34所示的n组个人评价值对中的、用户X对第i家店铺的个人评价值，Eyi是图34所示的n组个人评价值对中的、用户Y对第i家店铺的个人评价值。并且，Exa是图34所示的n组个人评价值对中的、用户X的共n个的个人评价值的平均值，Eya是图34所示的n组个人评价值对中的、用户Y的共n个的个人评价值的平均值。

根据上述公式，如果用户X、Y对总共n家店铺的个人评价值完全一致，则Sxx＝Syy＝Sxy，因此R(X，Y)＝1。因此，关联度R(X，Y)的最大值为1。并且，关联度R(X，Y)的最小值为-1。关联度R(X，Y)＝0的情况下，表示两者之间完全没有相关性，关联度R(X，Y)＞0的情况下，表示两者之间具有正的相关性，关联度R(X，Y)＜0的情况下，表示两者之间具有负的相关性。

最终，利用上述公式的运算成为下述运算，即，在计算用户X与用户Y的关联度R(X，Y)时，从在步骤S2中提取的用户评价值表中选择同时登载了用户X的个人评价值和用户Y的个人评价值的表，基于所选择的n个表，进行以下运算，

Sxx＝∑_i＝1～n(Exi-Exa)²

Syy＝∑_i＝1～n(Eyi-Eya)²

Sxy＝∑_i＝1～n(Exi-Exa)(Eyi-Eya)

(其中Exi是所选择的第i个表中的用户X的个人评价值，Eyi是所选择的第i个表中的用户Y的个人评价值，Exa是所选择的n个表中的用户X的个人评价值的平均值，Eya是所选择的n个表中的用户Y的个人评价值的平均值)，而且，进行

$R(X,Y)=\mathrm{Sxy}/(\sqrt{\mathrm{Sxx}}\·\sqrt{\mathrm{Syy}})$

的运算，以计算关联度R(X，Y)。

以上说明了计算访问用户X与其他用户Y之间的关联度R(X，Y)的示例，实际上在步骤S2中提取的用户评价值表上还收录有各种用户的个人评价值。因此在步骤S3中，进行利用同样的方法计算访问用户X与其他各种用户之间的关联度的处理。其结果，可以得到访问用户X与用户Y的关联度R(X，Y)、与用户Z的关联度R(X，Z)、与用户W的关联度R(X，W)等。

在图33的流程图的步骤S4中进行以下处理，即，比较在步骤S3中如此计算出的访问用户X与每个用户之间的关联度，将与访问用户X的关联度高的人识别为嗜好相似者。具体将关联度在规定的基准值以上的人识别为嗜好相似者即可。例如，如果将基准值设定为0.8，则如果R(X，Y)≥0.8，就将用户Y认定为访问用户X的嗜好相似者。

但在将关联度在规定的基准值以上的人作为嗜好相似者的方法中，有一个嗜好相似者都没有认定的情况，也有认定了非常多的嗜好相似者的情况。因此，要将嗜好相似者的人数保持在规定数量的情况下，可以将按照步骤S3中计算出的关联度的降序选择出的规定数量的人识别为嗜好相似者。这种情况下，与实际的关联度值无关地、按照关联度的降序将规定数量的人认定为嗜好相似者。

在最后的步骤S5中，基于记录在作为匹配度的校正对象的提供信息文件的用户评价值表上的嗜好相似者的个人评价值，确定用于校正的评价值γ。具体是，在步骤S4中，总共对访问用户X识别了K名嗜好相似者的情况下，将记录在作为匹配度的校正对象的提供信息文件的用户评价值表上的第k个嗜好相似者的个人评价值设为Ek，将与第k个嗜好相似者的关联度设为Rk，如图35的最下行的公式所示，通过

γ＝∑_k＝1～K(Ek×Rk)/∑_k＝1～K(Rk)

的运算确定用于校正的评价值γ即可。但在作为匹配度的校正对象的提供信息文件的用户评价值表上未记录第k个嗜好相似者的个人评价值的情况下，Ek＝0，Rk＝0。

例如，如果作为匹配度的校正对象的提供信息文件是图2所示的文件F1，通过基于记录在图31所示的用户评价值表T4(DDD111111)(文件F1的用户评价值表)上的总共K名嗜好相似者的个人评价值，进行基于上述公式的运算，来确定校正运算使用的评价值γ。

上述公式的分子∑_k＝1～K(Ek×Rk)是各嗜好相似者的个人评价值与其关联度(表示权值的参数)的乘积值的累计，相当于考虑了总共K名嗜好相似者的个人评价值的权值(关联度)所得出的总和。而分母∑_k＝1～K(Rk)是总共K名嗜好相似者的关联度的总和，起到将评价值γ标准化的作用。另外，由于在该用户评价值表上未记录第k个嗜好相似者的个人评价值的情况下，进行Ek＝0，Rk＝0的运算，因此，这样的嗜好相似者对于求评价值γ的运算没有任何帮助。

如果用这样的方法计算评价值γ，则在对图2所示的提供信息文件(关于“印度餐厅：东京XXX”的店铺信息)的匹配度M进行校正时所使用的评价值γ的值是基于访问用户X的嗜好相似者(被认为对于“饮食”这一类型与访问用户X的嗜好相似的其他用户)对该“印度餐厅：东京XXX”给出的评价值来确定的，因此，从向访问用户X提供的列表这一角度出发，能够创建以更适当的顺序来排列检索结果索引的列表。

另外，在作为匹配度的校正对象的提供信息文件的用户评价值表上登载了访问用户X自身的个人评价值的情况下，也可将访问用户X自身识别为嗜好相似者，利用访问用户X自身的个人评价值进行校正。例如，在上述示例的情况下，如果访问用户X自身过去对“印度餐厅：东京XXX”回答了一些评价值，则在图31所示的用户评价值表上登载有访问用户X自身的个人评价值。这种情况下，将访问用户X自身当作具有最大关联度(R(X，X＝1))的嗜好相似者对待，通过基于上述公式的运算计算评价值γ即可。或者在这种情况下，也可以不参考任何其他用户的评价值，直接将访问用户X自身的个人评价值确定为评价值γ。

§7.使用个人感兴趣度表的实施方式

在§6中说明了使用表示用户的感兴趣度的感兴趣度表、表示广告主的意向度的广告主意向度表以及表示用户的评价值的用户评价值表校正检索结果的匹配度，修正向用户提供的检索结果列表的登载顺序的实施例。这里所述的实施方式除了考虑“用户的感兴趣度”、“广告主的意向度”以及“用户的评价值”以外，还考虑“用户的个人感兴趣度”来校正检索结果的匹配度，修正向每个用户提供的检索结果列表的登载顺序。

这里，“感兴趣度”与“个人感兴趣度”的不同点在于：“感兴趣度”是通过统计处理每个人的感兴趣度而得到的、表示所有用户共同的一般倾向的参数，而“个人感兴趣度”是表示每一个用户对每个类型的感兴趣程度的、为每个人确定的参数。

图36是具有考虑到这样的个人感兴趣度进行处理的功能的实施方式的框图。与图30所示的实施方式的主要不同点在于新增了个人感兴趣度表创建部180以及列表提供部140考虑用户的个人感兴趣度来进行处理。另外，为了方便起见，图36省略了提供信息文件存储部100内的文件结构的图示，但图36所示的提供信息文件存储部100与图30所示的提供信息文件存储部100是相同的。图36所示的个人感兴趣度表创建部180进行以下处理，即，基于对每个用户收集的各种信息，分别创建各个用户的个人感兴趣度表T5，将其存储在列表提供部140内的表存储部143中。

图37是图36所示的个人感兴趣度表创建部180创建的个人感兴趣度表T5的具体示例图。该个人感兴趣度表T5的结构与以上所述的感兴趣度表T1、T2和广告主意向度表T3有一些不同。即，在个人感兴趣度表T5上没有设置组块，没有地区区域和时段的概念。即，如图9的感兴趣度表所示，“感兴趣度”是按每个组块分别独立设定的参数，而本实施例中的“个人感兴趣度”是与这样的组块无关地被设定的参数。

个人感兴趣度表T5是表示指定的用户对各店铺类型的个人感兴趣度的表，按每个用户分别单独地准备。图37中重叠地描绘了多张个人感兴趣度表T5，这表示对一个用户准备一组个人感兴趣度表T5。图37上显示在最上面的个人感兴趣度表T5(U000X)是由用户ID“U000X”指定的对一个用户准备的个人感兴趣度表。因此，如果有一万个用户登记在该系统中，也要准备一万组个人感兴趣度表T5。

但是，由于无法把握没有收集到足够信息的用户的个人感兴趣度，因此，关于这样的用户的感兴趣度表是空白表。在实际应用中，在开始运用该系统时，可能所有的个人感兴趣度表T5都是空白表，但通过持续使用系统，逐渐收集了表示各用户的个人感兴趣度的信息，因此，不久就可以准备关于所有用户的个人感兴趣度表T5。

这里所示的实施例的情况下，关于指定用户的个人感兴趣度成为表示该用户对各店铺类型的一般嗜好的参数。例如，在图37所示的个人感兴趣度表T5(U000X)上显示了具有用户ID“U000X”的用户的一般嗜好，对“饮食”这一类型的感兴趣度为50％，对“购物”这一类型的感兴趣度为10％，对“观看”这一类型的感兴趣度为40％，对“游乐”这一类型的感兴趣度为0％。

个人感兴趣度表创建部180进行以下处理，即，通过收集关于各用户的信息，对各用户创建这样的个人感兴趣度表T5，并将该表存储在列表提供部140内的表存储部143中。这里所示的实施方式的情况下，个人感兴趣度表创建部180具有基于从信息配送部110获取的个人感兴趣信息以及从检索条件输入部130获取的检索条件创建个人感兴趣度表T5的功能。

例如，假设具有用户ID“U000X”的用户对检索条件输入部130使用“饮食”或“午餐”这一关键词作为检索条件进行了检索。这种情况下，使得从检索条件输入部130向个人感兴趣度表创建部180同时报告检索条件和用户ID“U000X”。这样，每当该用户进行检索时，个人感兴趣度表创建部180就能把握该用户输入的检索条件，因此通过分析该检索条件，可以识别该用户对各店铺分类的个人感兴趣度。总之，个人感兴趣度表创建部180基于从检索条件输入部130获取的检索条件，创建关于进行了该检索条件的输入操作的指定用户的个人感兴趣度表。

具体是，在检索条件中包含“饮食”、“午餐”、“晚餐”、“餐厅”等关键词的情况下，给“饮食”这一类型加分，在检索条件中包含“购物”、“百货店”、“时装店”等关键词的情况下，给“购物”这一类型加分等，通过这样的方法，按各类型进行加分，基于该统计值创建关于该用户的个人感兴趣度表T5(U000X)即可。

并且，在检索条件中包含“民族特色”这一关键词的情况下，仅通过该关键词很难指定用户所感兴趣的类型，但即使在这种情况下，如果将实际向该用户配送的店铺信息的类型作为个人感兴趣信息获取，也能识别个人感兴趣度。

例如，假设具有用户ID“U000X”的用户使用“民族特色”这一关键词进行检索，其结果，提供了图15所示的列表。在此，浏览了该列表的用户向信息配送部110发出选择“亚洲店”的指示时，从信息配送部110向该用户配送关于“亚洲店”这一店铺的店铺信息，此时，使得从信息配送部110向个人感兴趣度表创建部180报告“亚洲店”店铺的“购物”类型和用户ID“U000X”作为个人感兴趣信息。个人感兴趣度表创建部180接到该报告后，对该用户进行给“购物”这一类型加分的处理。这样，仍可以基于各类型的分数统计值来创建关于该用户的个人感兴趣度表T5(U000X)。

总之，个人感兴趣度表创建部180将从信息配送部110获取的“配送给指定用户的店铺信息的店铺类型”作为该指定用户的个人感兴趣信息进行收集，基于收集到的个人感兴趣信息创建该指定用户的个人感兴趣度表即可。

这样，个人感兴趣度表T5可基于从信息配送部110获取的个人感兴趣信息创建，也可基于从检索条件输入部130获取的检索条件创建。在实际应用中，优选组合两种方法来创建个人感兴趣度表T5。当然，由于在应用该系统的期间，随时向个人感兴趣度表创建部180报告各用户输入的检索条件或各用户的个人感兴趣信息，因此，优选定期更新个人感兴趣度表T5。

以上，说明了两种通过个人感兴趣度表创建部180创建个人感兴趣度表T5的方法，但个人感兴趣度表T5的创建方法不局限于这两种方法，也可采用其他各种方法。例如，也可以在利用本系统时，要求各用户进行会员登记，此时，要求用户自己申报对各店铺类型的个人感兴趣度。具体是在网页上提供图37所示的个人感兴趣度表(使个人感兴趣度的数值部分为空白栏)，使每个用户自己输入个人感兴趣度数值即可。

最终，图36所示的实施方式的情况下，如图38所示，在列表提供部140内的表存储部143中除了存储有预制订感兴趣度表T1、逗留利用感兴趣度表T2、与各提供信息文件对应的多个广告主意向度表T3以及与各提供信息文件对应的多个用户评价值表T4以外，还存储了与各用户对应的多个个人感兴趣度表T5。

这里所示的实施方式的情况下，校正处理部142进行以下处理，即，通过参考进行了检索的用户(作为列表提供部140提供列表的对象的用户)的个人感兴趣度表T5的内容，识别该用户对作为匹配度M的校正对象的店铺类型的个人感兴趣度，使用所有的感兴趣度、意向度、用户评价值以及个人感兴趣度进行校正，由此求出校正匹配度。具体是，校正处理部142具有分别对感兴趣度、意向度、用户评价值以及个人感兴趣度设定权值参数的功能，将感兴趣度与其权值参数的乘积值、意向度与其权值参数的乘积值、用户评价值与其权值参数的乘积值、个人感兴趣度与其权值参数的乘积值分别乘以匹配度，由此求出校正匹配度。

具体是，如图38所示，进行以下处理，即，利用事先设定的权值参数k1、k2、k3、k4、k5对作为校正对象的匹配度M进行M^*＝M×(k1·α1(j))×(k2·α2(j))×(k3·β)×(k4·γ)×(k5·δ)的运算，由此求出校正匹配度M^*。在此，δ是通过参考个人感兴趣度表T5获取的指定的个人感兴趣度(进行检索的用户对作为匹配度M的校正对象的店铺类型的个人感兴趣度)，k5是表示其权值的参数。

这样，如果考虑个人感兴趣度表T5的内容，更改在列表上提供检索结果的优先度，则将作为列表的提供对象的用户通常感兴趣度高的类型的店铺的索引显示在前面。例如，在向创建了图37所示的个人感兴趣度表T5(U000X)的用户提供的列表中，“饮食”这一类型的店铺索引往往优先显示在前面，“游乐”这一类型的店铺索引几乎不显示。

这样，“个人感兴趣度”表示每个人对各类型的个人感兴趣度，因此，在实际应用中，即使将类型的分类进一步细化，“个人感兴趣度”也可以作为具有充分意义的信息被利用。在上述的实施方式中，如图3的示例所示，将店铺类型分为“饮食”、“购物”、“观看”、“游乐”四大分类，而且作为其下位概念分成“法国料理”、“意大利料理”、“中国料理”等小分类。但是，“个人感兴趣度”可以说是表示个人嗜好，因此，实际上可以进行更细化的分类。

例如，在“法国料理”的更下位的概念中设置“蜗牛”这一分类，即使同样是法国餐厅，提供“蜗牛”的餐厅和不提供“蜗牛”的餐厅也属于不同的类型。这样，如果是喜欢“蜗牛”的用户，则对“蜗牛”这一分类的个人感兴趣度高，因此，即使同样是法国餐厅，也可以进行校正，将提供“蜗牛”的餐厅显示在列表的更前面。同样，在大分类“购物”、小分类“书籍”的更下位的概念中设置“推理小说”这一类型，即使同样是书店，也使“推理小说”品种齐备丰富的书店和“推理小说”品种不多的书店属于不同的类型，这样，在对“推理小说”这一类型的个人感兴趣度高的用户进行检索时，可以进行校正，将“推理小说”齐备丰富的书店显示在列表的更前面。

这样，由于“个人感兴趣度”是明显反映个人嗜好或性格等的极其个人的信息，因此将分类也与其对应是很有效果的。例如也可以根据“明亮的店铺”、“昏暗的店铺”等气氛进行分类，根据“现代式的店铺”、“古典式的店铺”等装饰样式进行分类，根据“以红色为基调装饰的店铺”、“以蓝色为基调装饰的店铺”等颜色进行分类。

以上实施例中的讨论前提是：“个人感兴趣度”是与“组块”(指定地区区域和指定时段所示的二维矩阵上的块)无关地被设定的参数。例如，图37所示的个人感兴趣度表T5(U000X)是由用户ID(U000X)指定的为一个用户准备的个人感兴趣度表，其上没有进行指定地区区域或指定时段的划分。这是立足于“每个用户的个人嗜好不会随着地点或时间而变化”这一基本理念。

当然，喜欢“蜗牛”或喜欢“推理小说”等个人嗜好通常不会被地点或时间所左右。但是，本发明的目的在于尽量正确预测用户的行动模式，在每个时间点选择最适当的信息提供给用户。并且，从实现该目的的角度来看，尽量正确预测“各用户在该时间点需要什么”是很重要的。

例如，假设某个用户从事的职业的定期休息日是星期二。并且假设该用户具有在定期休息日星期二从下午三点左右开始吃“意大利料理”作为推迟的午餐的习惯。这种情况下，如果考虑“组块”，则该指定用户的“个人感兴趣度”与一般大众的平均“感兴趣度”可能有很大的不同。例如，对于星期一，由于该指定用户也要工作，因此“个人感兴趣度”与一般大众的平均“感兴趣度”可能没有大的不同，但星期日一般大众休息，而该指定用户的休息日是星期二，因此对于星期日和星期二，该指定用户的“个人感兴趣度”可能与一般大众的平均“感兴趣度”非常不同。当然，也可能存在具有只在访问了某个指定地区区域时利用指定类型的店铺的特性的用户。这种情况下，对于该指定的地区区域，该指定的用户的“个人感兴趣度”可能与一般大众的平均“感兴趣度”有很大不同。

因此，个人感兴趣度表创建部180在收集指定用户给出的检索条件或指定用户的个人感兴趣信息时，如果考虑指定地区区域和指定时段所示的组块进行收集(用与§4中所述的感兴趣度表的创建方法相同的方法收集即可)，则可以与图9所示的“感兴趣度表”一样，对每个用户分别创建具有二维矩阵结构的“个人感兴趣度表”。

这样，在图38所示的表存储部143内准备了考虑组块的二维矩阵形的个人感兴趣度表T5的情况下，校正处理部142进行以下处理，即，从相应的用户的个人感兴趣度表T5中的相应组块中读出个人感兴趣度δ。因此，如上述的示例所示，具有从星期二下午三点左右起吃推迟的午餐(意大利料理)的习惯的指定用户在星期二下午三点前进行了检索访问的情况下，进行校正处理，在列表的更前面显示“意大利料理”。

§8·各种变形例

以上基于几个实施方式对本发明进行了说明，但本发明不局限于这些实施方式，也可以用其他各种方式进行实施。以下就例举几个变形例。

(1)信息提供系统的结构

在上述的实施方式中，本发明的信息提供系统被表示为用各个模块表示的各功能元件的集合体，但实际上该系统是通过将专用的程序编入到用数据库服务器或网站服务器等构建的计算机系统中来形成的。

(2)移动终端装置的位置识别功能

在上述的实施方式中，以具有GPS功能的便携式电话为例对移动终端装置10进行了说明，但移动终端装置的位置识别功能不一定要通过GPS来实现。例如，也可以使用通过与周围的基站进行通讯从而基于各基站发出的电波强度获取自身位置坐标的方法。

(3)省略关键词代码

在上述的实施方式中，在各提供信息文件内的元数据中设置关键词代码C1，基于该关键词代码C1与作为检索条件给出的关键词的匹配度进行检索。但元数据内的关键词代码C1不是实施本发明的必要要素。例如，如果基于店铺信息本体数据D1内的各个字符串与作为检索条件给出的关键词的匹配度进行检索，则即使在元数据内没有关键词代码C1，也能够进行检索。这种情况下，例如事先确定分数，使与索引行的字符串一致的情况为三分，与正文中的字符串一致的情况为一次一分，并将分数的总和定义为匹配度即可。

(4)感兴趣度+意向度+评价值+个人感兴趣度的组合

如图38所示，在§7中所述的实施方式中说明了利用预制订感兴趣度表T1、逗留利用感兴趣度表T2、广告主意向度表T3、用户评价值表T4、个人感兴趣度表T5这五个表中的所有表，对匹配度M进行校正的示例。但校正时所参考的表的组合是任意的，这五个表不一定要全部使用。例如，如果只利用预制订感兴趣度表T1和用户评价值表T4这两个表进行校正，则可以通过进行M^*＝M×(k1·α1(j))×(k4·γ)的运算来求出校正匹配度M^*。

(5)采用各校正项之和的校正运算

在上述的实施方式中，作为求出校正匹配度M^*的校正运算的公式，使用了匹配度M乘以各种校正项(包括从各表获取的感兴趣度、意向度、评价值、个人感兴趣度等参数的项)的形式的公式。例如，在图38中例举了以下处理示例，即，通过进行M^*＝M×(k1·α1(j))×(k2·α2(j))×(k3·β)×(k4·γ)×(k5·δ)的运算，求出校正匹配度M^*。但是，这些各校正项不一定要作为与匹配度M相乘的乘法项，根据情况也可作为加法项。

实际上，在上述的实施方式中，将感兴趣度、意向度、评价值、个人感兴趣度等参数乘以权值参数k1、k2、k3、k4、k5等来创建校正项，通过将这些校正项与匹配度M相乘，求出校正匹配度M^*。但是，只要将各校正项作为与匹配度M相乘的乘法项，各权值参数k1、k2、k3、k4、k5就没有实质的意义。例如，如果对上述公式M^*＝M×(k1·α1(j))×(k2·α2(j))×(k3·β)×(k4·γ)×(k5·δ)进行整理，则为M^*＝M×(k1·k2·k3·k4·k5)×α1(j)×α2(j)×(β)×(γ)×(δ)，因此，分别单独设置权值参数k1、k2、k3、k4、k5实质上没有意义。并且，哪怕α1、α2、β、γ、δ中的一个为0，校正匹配度M^*也为0。

但是，如M^*＝M+(k1·α1(j))+(k2·α2(j))+(k3·β)+(k4·γ)+(k5·δ)那样，使用将各校正项作为与匹配度M相加的加法项的运算公式代替上面示例的公式，也能求出校正匹配度M^*。这种情况下，权值参数k1、k2、k3、k4、k5确实用作对各校正项进行加权的参数。当然，如M^*＝M×(k1·α1(j))×(k2·α2(j))+(k3·β)×(k5·δ)+(k4·γ)那样，使用乘法项和加法项混合的运算公式，也能求出校正匹配度M^*。并且，如M^*＝M×((k1·α1(j))+(k2·α2(j))+(k3·β)+(k4·γ))×(k5·δ)那样，使用包含括弧的运算公式，也能求出校正匹配度M^*。在该最后一个运算公式中，即使α1、α2、β、γ中的任何一个为0，校正匹配度M^*也不一定为0，但δ为0的情况下，校正匹配度M^*肯定为0，因此，能进行重视个人意向度δ的校正。这样，在实际应用中，通过将权值参数k1、k2、k3、k4、k5的各值或构成运算公式的括弧、乘法项、加法项的组合进行各种变化，可以适当地设定是进行重视哪个参数的校正。

本发明的信息提供系统可广泛用于利用网页的形式向具有GPS功能的便携式电话等具有识别自身位置的功能的移动终端装置提供与各种店铺有关的广告信息。

Claims (28)

1.一种信息提供系统，用于向具有识别自身位置的功能的移动终端装置(10)提供关于指定店铺的店铺信息，其特征在于，包括：

提供信息文件存储部(100)，存储有多个提供信息文件(F1，F2，F3)，所述提供信息文件具有构成作为提供对象的店铺信息的店铺信息本体数据(D1)以及该店铺信息本体数据附带的元数据(D2)；

检索条件输入部(130)，用于接受所述移动终端装置(10)的访问，输入至少包括表示所述移动终端装置自身位置的终端位置信息的检索条件；

检索执行部(120)，用于从存储在所述提供信息文件存储部(100)内的多个提供信息文件(F1，F2，F3)中检索与所述检索条件的匹配度达到规定基准以上的提供信息文件；

列表提供部(140)，用于向所述移动终端装置(10)发送所述检索执行部(120)检索出的提供信息文件的列表；以及

信息配送部(110)，在从所述移动终端装置(10)收到从所述列表中选择一个的选择指示时，所述信息配送部(110)从所述提供信息文件存储部(100)中读出所述选择指示所涉及的提供信息文件内的店铺信息本体数据(D1)，并向所述移动终端装置(10)配送该店铺信息本体数据(D1)，

所述元数据(D2)包括用于指定提供信息文件(F1、F2、F3)的信息识别代码(C0)、表示提供信息文件所涉及的店铺的类型的店铺类型代码(C2)以及表示提供信息文件所涉及的店铺的位置的店铺位置代码(C3)，

所述检索执行部(120)至少参考“所述检索条件中包含的终端位置信息与所述元数据(D2)中包含的店铺位置代码(C3)的匹配程度”进行检索，将使检索出的提供信息文件的信息识别代码(C0)与表示该提供信息文件的匹配程度的匹配度(M)相互对应的信息作为检索结果提交给所述列表提供部(140)，

所述列表提供部(140)包括：

检索结果存储部(141)，用于存储所述检索执行部(120)提交的所述检索结果；

表存储部(143)，用于存储感兴趣度表(T1，T2)，所述感兴趣度表(T1，T2)将地图划分成多个地区区域，按为每个地区区域的每个时段设定的组块设定了与各店铺类型对应的感兴趣度；

校正处理部(142)，当从所述检索执行部(120)提交了所述检索结果时，所述校正处理部(142)通过参考所述感兴趣度表(T1，T2)，识别针对包括由所述终端位置信息所表示的位置在内的地区区域的与当前时间对应的组块设定的对各店铺类型的感兴趣度(α1，α2)，并采用针对该提供信息文件所涉及的店铺类型识别出的感兴趣度(α1，α2)，对存储在所述检索结果存储部(141)中的“各提供信息文件的匹配度(M)”进行校正，从而求出校正匹配度(M^*)；

校正结果存储部(144)，用于存储将所述检索结果存储部(141)中所存储的检索结果中的匹配度(M)置换成所述校正匹配度(M^*)后的信息；以及

列表发送部(145)，用于基于存储在所述校正结果存储部(144)中的信息，按照所述校正匹配度(M^*)的降序对所述信息识别代码(C0)进行分类，创建店铺信息的索引按照分类后的顺序排列的列表，并将该列表发送至所述移动终端装置(10)。

2.根据权利要求1所述的信息提供系统，其特征在于，

元数据(D2)包括关键词代码(C1)，所述关键词代码(C1)包括与店铺信息本体数据(D1)关联的关键词和赋予该关键词的加权分，

检索条件输入部(130)输入包括终端位置信息和用户指定的规定关键词的检索条件，

检索执行部(120)参考位置匹配度和关键词匹配度两者进行检索，并将考虑了所述位置匹配度和所述关键词匹配度两者所得出的匹配度(M)作为检索结果提交给列表提供部(140)，其中所述位置匹配度表示所述检索条件中包含的所述终端位置信息与所述元数据(D2)中包含的店铺位置代码(C3)的匹配程度，所述关键词匹配度表示考虑到所述检索条件中包含的关键词和所述元数据(D2)中包含的关键词的所述加权分而计算出的匹配程度。

3.根据权利要求1或2所述的信息提供系统，其特征在于，

列表发送部(145)通过将店铺信息本体数据(D1)内的索引行的字符串按照分类顺序排列来创建列表。

4.根据权利要求1至3中任一项所述的信息提供系统，其特征在于，

使用将一星期中的每一天的时段分别作为单独的组块的感兴趣度表(T1，T2)。

5.根据权利要求1至4中任一项所述的信息提供系统，其特征在于，

校正处理部(142)通过将存储在检索结果存储部(141)中的匹配度(M)乘以或加上感兴趣度(α1，α2)来求出校正匹配度(M^*)。

6.根据权利要求1至4中任一项所述的信息提供系统，其特征在于，

表存储部(143)存储有多个感兴趣度表(T1，T2)，

校正处理部(142)通过参考这些多个感兴趣度表来识别多种感兴趣度(α1，α2)，并利用识别出的多种感兴趣度进行校正，从而求出校正匹配度(M^*)。

7.根据权利要求6所述的信息提供系统，其特征在于，

校正处理部(142)具有分别对识别出的多种感兴趣度(α1，α2)设定权值参数(k1，k2)的功能，所述校正处理部(142)将各感兴趣度与权值参数的乘积值与匹配度(M)相乘或相加，从而求出校正匹配度(M^*)。

8.根据权利要求1至7中任一项所述的信息提供系统，其特征在于，

所述信息提供系统还包括感兴趣度表创建部(150)，所述感兴趣度表创建部(150)基于从多个用户携带的移动终端装置(10)获取的信息新建感兴趣度表(T1，T2)，并更新表存储部(143)内的感兴趣度表。

9.根据权利要求8所述的信息提供系统，其特征在于，

信息配送部(110)具有在从移动终端装置(10)收到选择指示时将感兴趣信息(I1)提交给感兴趣度表创建部(150)的功能，所述感兴趣信息(I1)包括该移动终端装置的终端位置信息、表示收到选择指示的时间点的时间信息以及表示所述选择指示所涉及的提供信息文件的店铺类型的店铺类型信息，

感兴趣度表创建部(150)具有频率统计部(151)，所述频率统计部(151)基于所提交的感兴趣信息(I1)，针对包括由所述终端位置信息所表示的位置在内的地区区域的与所述时间信息对应的组块，记录对由所述店铺类型信息所表示的店铺类型表示出兴趣，并按每个组块统计对各店铺类型表示出兴趣的频率，所述感兴趣度表创建部(150)基于该统计结果创建预制订感兴趣度表(T1)。

10.根据权利要求8所述的信息提供系统，其特征在于，

感兴趣度表创建部(150)包括：

附近店铺识别部(152)，基于表示各个移动终端装置(10)在每个规定采样时间的位置变化的位置变化信息(I2)识别各个移动终端装置(10)在移动路径上的经过点(P1～P8)，参考存储在提供信息文件存储部(100)内的提供信息文件(F1，F2，F3)内的店铺位置代码(C3)，计算每个经过点分别与各店铺(S1～S7)的距离，按照距离由小到大的顺序将规定数量的m个店铺识别为与该经过点相关的附近店铺；

滞留时间识别部(153)，针对所述移动路径上的连续的经过点所共用的共用附近店铺，将从第一个经过点的经过时刻到最后一个经过点的经过时刻所经过的时间识别为滞留时间；

滞留系数计算部(154)，求出所述共用附近店铺与从所述第一个经过点到所述最后一个经过点的全部经过点的距离之和，将该滞留时间除以所述和所得出的值作为滞留系数计算；以及

滞留系数统计部(155)，将为每个共用附近店铺计算出的滞留系数作为表示对该共用附近店铺的店铺类型的感兴趣程度的值统计在包括该共用附近店铺的位置的地区区域的与识别出的该共用附近店铺的滞留时间对应的组块上，

所述感兴趣度表创建部(150)基于所述滞留系数统计部(155)的统计结果创建逗留利用感兴趣度表(T2)。

11.根据权利要求10所述的信息提供系统，其特征在于，

如果滞留时间跨越多个组块的时段，则对应于各组块统计按照滞留时间与各个组块的时段的重合度而按比例划分的滞留系数。

12.根据权利要求1至11中任一项所述的信息提供系统，其特征在于，

表存储部(143)存储有分别与各提供信息文件(F1，F2，F3)对应的广告主意向度表(T3)，在所述广告主意向度表(T3)上设置有与感兴趣度表(T1，T2)相同的组块，按每个组块分别设定提供店铺信息的广告主的意向度(β)，

所述信息提供系统还具有广告主意向度表创建部(160)，所述广告主意向度表创建部(160)基于根据广告主的指示从外部输入的输入操作，分别创建针对各提供信息文件的所述广告主意向度表(T3)，并将所述广告主意向度表(T3)存储在表存储部(143)内，

校正处理部(142)通过参考作为匹配度(M)的校正对象的提供信息文件的广告主意向度表(T3)来识别设置在相应组块上的意向度(β)，利用感兴趣度(α1，α2)和意向度(β)两者进行校正，从而求出校正匹配度(M^*)。

13.根据权利要求12所述的信息提供系统，其特征在于，

广告主意向度表创建部(160)具有基于广告主的输入操作设定指定提供信息文件的指定组块的意向度的功能以及通过参考表存储部(143)内的感兴趣度表(T1，T2)来识别对所述指定组块设定的与所述指定提供信息文件的店铺类型对应的感兴趣度(α1，α2)，并向所述广告主提供所识别的感兴趣度的功能。

14.根据权利要求13所述的信息提供系统，其特征在于，

广告主意向度表创建部(160)向广告主提供“用于对应于各个组块分别输入规定的意向度的输入栏”，用与识别出的各组块的感兴趣度(α1，α2)对应的显示方式显示各输入栏。

15.根据权利要求12所述的信息提供系统，其特征在于，

广告主意向度表创建部(160)具有基于广告主的输入操作设定指定提供信息文件的各组块的意向度(β)的功能以及通过参考表存储部(143)内的感兴趣度表(T1，T2)来识别对各组块设定的与所述指定提供信息文件的店铺类型对应的感兴趣度(α1，α2)、并按照考虑了感兴趣度大小的优先顺序向广告主提供组块的功能。

16.根据权利要求12至15中任一项所述的信息提供系统，其特征在于，

校正处理部(142)具有分别对感兴趣度(α1，α2)和意向度(β)设定权值参数(k1，k2，k3)的功能，所述校正处理部(142)将感兴趣度与其权值参数的乘积值以及意向度与其权值参数的乘积值分别与匹配度(M)相乘或相加，从而求出校正匹配度(M^*)。

17.根据权利要求1至16中任一项所述的信息提供系统，其特征在于，

表存储部(143)存储有分别与各提供信息文件(F1，F2，F3)对应的用户评价值表(T4)，在所述用户评价值表中记录了用户对与各提供信息文件对应的店铺的评价值(E)，

所述信息提供系统还具有用户评价值表创建部(170)，所述用户评价值表创建部(170)通过从用户收集对各店铺的评价值，分别创建针对各提供信息文件(F1，F2，F3)的用户评价值表(T4)，并将所述用户评价值表(T4)存储在所述表存储部(143)中，

校正处理部(142)针对作为匹配度(M)的校正对象的提供信息文件，通过参考该提供信息文件的用户评价值表(T4)来识别评价值(γ)，利用感兴趣度(α1，α2)和评价值(γ)两者进行校正，从而求出校正匹配度(M^*)。

18.根据权利要求17所述的信息提供系统，其特征在于，

校正处理部(142)具有分别对感兴趣度(α1，α2)和评价值(γ)设定权值参数(k1，k2，k4)的功能，将感兴趣度与其权值参数的乘积值以及评价值与其权值参数的乘积值分别与匹配度相乘或相加，从而求出校正匹配度(M^*)。

19.根据权利要求17或18所述的信息提供系统，其特征在于，

用户评价值表创建部(170)创建记录了每个用户的个人评价值(E)的用户评价值表(T4)，

检索条件输入部(130)在输入检索条件的同时，输入用于识别进行访问的访问用户的信息，

校正处理部(142)将具有与所述访问用户的评价相似的评价倾向的用户识别为嗜好相似者，利用所述嗜好相似者的个人评价值进行校正。

20.根据权利要求19所述的信息提供系统，其特征在于，

在作为匹配度(M)的校正对象的提供信息文件的用户评价值表(T4)上登载了访问用户自身的个人评价值的情况下，校正处理部(142)将所述访问用户自身识别为嗜好相似者，利用所述访问用户自身的个人评价值进行校正。

21.根据权利要求19或20所述的信息提供系统，其特征在于，校正处理部(142)具有：

第一装置，用于提取具有与作为匹配度(M)的校正对象的提供信息文件相同的店铺类型的提供信息文件的用户评价值表(T4)；

第二装置，用于从所述第一装置提取的用户评价值表(T4)中提取登载了访问用户的个人评价值的表；

第三装置，用于利用所述第二装置提取的用户评价值表(T4)，计算所述访问用户与其他用户的关联度；

第四装置，用于将所述第三装置算出的关联度在规定基准值以上的人或按照所述第三装置算出的关联度由高到低的顺序选择的规定数量的人识别为所述访问用户的嗜好相似者；以及

第五装置，用于基于记录在作为匹配度(M)的校正对象的提供信息文件的用户评价值表(T4)上的所述嗜好相似者的个人评价值，确定用于校正的评价值(γ)。

22.根据权利要求21所述的信息提供系统，其特征在于，

第三装置在计算用户X与用户Y的关联度R(X，Y)时，从第二装置提取的用户评价值表(T4)中选择同时登载了所述用户X的个人评价值和所述用户Y的个人评价值的表，基于选择出的n个表进行以下运算

Sxx＝∑_i＝1～n(Exi-Exa)²

Syy＝∑_i＝1～n(Eyi-Eya)²

Sxy＝∑_i＝1～n(Exi-Exa)(Eyi-Eya)

其中Exi是所选择的第i个表中的用户X的个人评价值，Eyi是所选择的第i个表中的用户Y的个人评价值，Exa是所选择的n个表中的用户X的个人评价值的平均值，Eya是所选择的n个表中的用户Y的个人评价值的平均值，而且，进行

$R(X,Y)=\mathrm{Sxy}/(\sqrt{\mathrm{Sxx}}\·\sqrt{\mathrm{Syy}})$

的运算，计算关联度R(X，Y)，

所述校正处理部(142)分别计算访问用户与K名嗜好相似者的关联度，将记录在作为匹配度(M)的校正对象的提供信息文件的用户评价值表(T4)上的第k个嗜好相似者的个人评价值设为Ek，将访问用户与第k个嗜好相似者的关联度设为Rk，通过

γ＝∑_k＝1～K(Ek×Rk)/∑_k＝1～K(Rk)

的运算，求出用于校正的评价值γ，其中在作为匹配度的校正对象的提供信息文件的用户评价值表上没有记录第k个嗜好相似者的个人评价值的情况下，Ek＝0，Rk＝0。

23.根据权利要求1至22中任一项所述的信息提供系统，其特征在于，

表存储部(143)存储有各个用户的个人感兴趣度表(T5)，在所述个人感兴趣度表上设定了用户对各店铺类型的个人感兴趣度(δ)，

所述信息提供系统还具有个人感兴趣度表创建部(180)，所述个人感兴趣度表创建部(180)通过收集关于各用户的信息，分别创建各用户的所述个人感兴趣度表(T5)，并将所述个人感兴趣度表(T5)存储在所述表存储部(143)中，

校正处理部(142)通过参考作为列表提供对象的提供对象用户的个人感兴趣度表(T5)，识别所述提供对象用户对作为匹配度(M)的校正对象的提供信息文件的店铺类型的个人感兴趣度(δ)，利用感兴趣度(α1，α2)和个人感兴趣度(δ)两者进行校正，从而求出校正匹配度(M^*)。

24.根据权利要求23所述的信息提供系统，其特征在于，

个人感兴趣度表创建部(180)基于从检索条件输入部(130)获取的检索条件，创建进行了所述检索条件输入操作的指定用户的个人感兴趣度表(T5)。

25.根据权利要求23所述的信息提供系统，其特征在于，

个人感兴趣度表创建部(180)将从信息配送部(110)获取的“向指定用户配送的店铺信息的店铺类型”作为所述指定用户的个人感兴趣信息进行收集，基于所收集的个人感兴趣信息创建所述指定用户的个人感兴趣度表(T5)。

26.根据权利要求23至25中任一项所述的信息提供系统，其特征在于，

个人感兴趣度表创建部(180)按对每个地区区域的每个时段设定的组块，创建设定了与各店铺类型对应的个人感兴趣度(δ)的个人感兴趣度表(T5)，

校正处理部(142)通过参考个人感兴趣度表(T5)中的、针对包括终端位置信息所表示的位置在内的地区区域的与当前时间对应的组块设定的对各店铺类型的个人感兴趣度(δ)来进行校正。

27.根据权利要求23至26中任一项所述的信息提供系统，其特征在于，

校正处理部(142)具有分别对感兴趣度(α1，α2)和个人感兴趣度(δ)设定权值参数(k1，k2，k5)的功能，将感兴趣度与其权值参数的乘积值以及个人感兴趣度与其权值参数的乘积值分别与匹配度(M)相乘或相加，从而求出校正匹配度(M^*)。

28.一种程序，使计算机用作权利要求1至27中任一项所述的信息提供系统。

Images