JP2012190061A - 情報処理装置、端末装置、情報提示システム、評価スコアの算出方法、及びプログラム - Google Patents

Abstract

【課題】状況に適合した高精度の推薦結果を得られるように推薦アルゴリズムの組み合わせ方を好適に制御すること。
【解決手段】アイテム間の関連度を示す第１のスコアを算出する第１のスコア算出部と、アイテム間の関連度を示す第２のスコアを算出する第２のスコア算出部と、同じアイテムの組に対して前記第１のスコア算出部により算出された第１のスコアと前記第２のスコア算出部により算出された第２のスコアとの関係を示す関係情報に基づき、前記第２のスコア算出部により算出された第２のスコアを前記第１のスコアと同等の尺度に変換して変換後スコアを算出する尺度変換部と、同じアイテムの組について前記第１のスコア算出部により算出された第１のスコアと前記尺度変換部により算出された変換後スコアとを組み合わせて評価スコアを算出する評価スコア算出部とを備える、情報処理装置が提供される。
【選択図】図１０

Description

本技術は、情報処理装置、端末装置、情報提示システム、評価スコアの算出方法、及びプログラムに関する。

近年、ネットワークを利用したビジネスが急拡大している。例えば、オンラインで商品を購入することが可能なオンラインストアなどのシステムは広く一般に利用されている。こうしたオンラインストアの多くには、ユーザに商品を推薦する仕組みが設けられている。例えば、ある商品の詳細情報をユーザが閲覧すると、その商品に関連する商品の情報が推薦商品としてユーザに提示される。

このような仕組みは、例えば、下記の特許文献１に記載されている協調フィルタリングなどの方法を利用して実現される。この協調フィルタリングとは、嗜好の似たユーザに関する情報（例えば、購入履歴など）を利用して推薦商品を抽出する方法である。この協調フィルタリングを用いると、購入履歴のない新規ユーザに対しても、そのユーザと嗜好が似たユーザに関する情報を利用して推薦商品を提示することが可能になる。但し、ユーザ数が少なく、嗜好が似たユーザが見つかりにくい状況では、対象ユーザの嗜好に合った好適な推薦商品を提示することが難しい。

また、関連商品の抽出には、コンテンツベースフィルタリングと呼ばれる方法が利用されることもある。このコンテンツベースフィルタリングとは、ユーザの購入履歴を利用して、そのユーザに提示すべき推薦商品を抽出する方法である。このコンテンツベースフィルタリングは各ユーザの購入履歴を解析して推薦商品を抽出する方法であるため、この方法を用いると、ユーザ数が少ない場合など、嗜好が似たユーザが見つかりにくい状況においても好適な推薦商品を抽出することができる。但し、購入履歴の少ないユーザに対しては、対象ユーザの嗜好に合った好適な推薦商品を提示することが難しい。

特開２００３−１６７９０１号公報

上記のように、協調フィルタリング及びコンテンツベースフィルタリングは、それぞれ長所と短所とを有している。そのため、高い精度でユーザの嗜好に合った好適な推薦商品を提示するには、これらの方法を状況に応じて使い分けたり、両者を組み合わせて利用したりすることが求められる。なお、ここではユーザに提示すべき対象物として商品を例示したが、他のユーザを提示すべき場合もあるし、音楽コンテンツや映像コンテンツなどを提示すべき場合もあるし、何らかの情報を提示すべき場合もある。そこで、以下では、ユーザに提示すべき対象物のことをアイテムと呼ぶことにする。

アイテムを推薦するための方法として、ここでは一般的な協調フィルタリング及びコンテンツベースフィルタリングを例示したが、これらの方法は多くの人によって改良が進められている。そして、ここで例示した方法の他にも、アイテムの推薦に利用可能な様々な推薦アルゴリズムが提案されている。しかし、どの推薦アルゴリズムも、それぞれ長所と短所とを有しており、どのような状況でも好適な推薦結果を得ることができるような推薦アルゴリズムは知られてない。そのため、状況に応じて複数の推薦アルゴリズムを使い分けたり、複数の推薦アルゴリズムを好適に組み合わせたりする技術が求められている。

そこで、本技術は、上記のような事情を受けて考案されたものであり、本技術の目的とするところは、状況に適合した高精度の推薦結果を得られるように推薦アルゴリズムの組み合わせ方を好適に制御することが可能な、新規かつ改良された情報処理装置、端末装置、情報提示システム、評価スコアの算出方法、及びプログラムを提供することにある。

上記課題を解決するために、本技術のある観点によれば、アイテム間の関連度を示す第１のスコアを算出する第１のスコア算出部と、アイテム間の関連度を示す第２のスコアを算出する第２のスコア算出部と、同じアイテムの組に対して前記第１のスコア算出部により算出された第１のスコアと前記第２のスコア算出部により算出された第２のスコアとの関係を示す関係情報に基づき、前記第２のスコア算出部により算出された第２のスコアを前記第１のスコアと同等の尺度に変換して変換後スコアを算出する尺度変換部と、同じアイテムの組について前記第１のスコア算出部により算出された第１のスコアと前記尺度変換部により算出された変換後スコアとを組み合わせて評価スコアを算出する評価スコア算出部と、を備える、情報処理装置が提供される。

また、上記の情報処理装置は、同じアイテムの組について前記第１のスコア算出部により算出された第１のスコアと前記第２のスコア算出部により算出された第２のスコアとを対象に回帰分析を実行して前記関係情報を生成する関係情報生成部をさらに備えていてもよい。

また、前記関係情報生成部は、定期的に前記関係情報を生成し直す、ように構成されていてもよい。

また、前記評価スコア算出部は、第１の重み値を用いて前記第１のスコアを重み付けし、第２の重み値を用いて前記変換後スコアを重み付けし、重み付け後の前記第１のスコアと、重み付け後の前記変換後スコアとを加算して前記評価スコアを算出する、ように構成されていてもよい。

また、上記の情報処理装置は、ユーザからフィードバックを受けた対象アイテムに関連するアイテムが前記評価スコアに基づいて当該ユーザに推薦され、推薦されたアイテムに対して当該ユーザがフィードバックを与えた場合に、当該推薦されたアイテムに与えられたフィードバックがポジティブな傾向を示すフィードバックであるか否かを判定するフィードバック判定部と、前記推薦されたアイテムに対して前記ユーザがフィードバックを与えた場合に、前記フィードバック判定部による判定結果に応じて前記第１の重み値及び前記第２の重み値を調整する重み値調整部と、をさらに備えていてもよい。この場合、前記重み値調整部は、前記フィードバック判定部によりポジティブな傾向を示すフィードバックであると判定され、かつ、前記第１のスコアが前記変換後スコアより大きい場合に、前記第１の重み値を増加させ、前記第２の重み値を減少させ、前記フィードバック判定部によりポジティブな傾向を示すフィードバックであると判定され、かつ、前記第１のスコアが前記変換後スコアより小さい場合に、前記第１の重み値を減少させ、前記第２の重み値を増加させ、前記フィードバック判定部によりポジティブな傾向を示すフィードバックでないと判定され、かつ、前記第１のスコアが前記変換後スコアより大きい場合に、前記第１の重み値を減少させ、前記第２の重み値を増加させ、前記フィードバック判定部によりポジティブな傾向を示すフィードバックでないと判定され、かつ、前記第１のスコアが前記変換後スコアより小さい場合に、前記第１の重み値を増加させ、前記第２の重み値を減少させる。

また、前記重み値調整部は、前記第１の重み値を増加させる機会が生じた回数ＣＵと、前記第１の重み値を減少させる機会が生じた回数ＣＤとをカウントするカウント部と、所定のタイミングで前記回数ＣＵと前記回数ＣＤとを比較するカウント数比較部と、前記所定のタイミングで前記カウント数比較部による比較結果が得られた場合に、当該比較結果に応じて前記第１の重み値及び前記第２の重み値を調整する調整実行部と、を有していてもよい。この場合、前記調整実行部は、前記回数ＣＵが前記回数ＣＤを上回る場合に、前記第１の重み値を増加させ、前記第２の重み値を減少させ、前記回数ＣＵが前記回数ＣＤを下回る場合に、前記第１の重み値を減少させ、前記第２の重み値を増加させる。

また、上記の情報処理装置は、ユーザからフィードバックを受けた対象アイテムに関連するアイテムが前記評価スコアに基づいて当該ユーザに推薦され、推薦されたアイテムに対して当該ユーザがフィードバックを与えた場合に、当該推薦されたアイテムに与えられたフィードバックがポジティブな傾向を示すフィードバックであるか否かを判定するフィードバック判定部と、前記推薦されたアイテムに対して前記ユーザがフィードバックを与えた場合に、前記フィードバック判定部による判定結果に応じて前記第１の重み値及び前記第２の重み値を調整する重み値調整部と、をさらに備えていてもよい。この場合、前記評価スコア算出部は、第１の重み値を用いて前記第１のスコアを重み付けし、第２の重み値を用いて前記変換後スコアを重み付けし、同じ第３の重み値を用いて前記第１のスコア及び前記変換後スコアをさらに重み付けし、重み付け後の前記第１のスコアと、重み付け後の前記変換後スコアとを加算して前記評価スコアを算出し、前記重み値調整部は、前記第３の重み値が１の場合に前記第１の重み値及び前記第２の重み値を変更せず、前記フィードバック判定部によりポジティブな傾向を示すフィードバックであると判定され、かつ、前記第３の重み値が１より大きい場合に、前記第１の重み値を増加させ、前記第２の重み値を減少させ、前記フィードバック判定部によりポジティブな傾向を示すフィードバックであると判定され、かつ、前記第３の重み値が１より小さい場合に、前記第１の重み値を減少させ、前記第２の重み値を増加させ、前記フィードバック判定部によりポジティブな傾向を示すフィードバックでないと判定され、かつ、前記第３の重み値が１より大きい場合に、前記第１の重み値を減少させ、前記第２の重み値を増加させ、前記フィードバック判定部によりポジティブな傾向を示すフィードバックでないと判定され、かつ、前記第３の重み値が１より小さい場合に、前記第１の重み値を増加させ、前記第２の重み値を減少させる。

また、前記重み値調整部は、前記第１の重み値を増加させる機会が生じた回数ＣＵと、前記第１の重み値を減少させる機会が生じた回数ＣＤとをカウントするカウント部と、所定のタイミングで前記回数ＣＵと前記回数ＣＤとを比較するカウント数比較部と、前記所定のタイミングで前記カウント数比較部による比較結果が得られた場合に、当該比較結果に応じて前記第１の重み値及び前記第２の重み値を調整する調整実行部と、を有していてもよい。この場合、前記調整実行部は、前記回数ＣＵが前記回数ＣＤを上回る場合に、前記第１の重み値を増加させ、前記第２の重み値を減少させ、前記回数ＣＵが前記回数ＣＤを下回る場合に、前記第１の重み値を減少させ、前記第２の重み値を増加させる。

また、上記の情報処理装置は、前記重み値調整部により前記第１の重み値及び前記第２の重み値が変更された場合に、変更後の前記第１の重み値及び変更後の前記第２の重み値をユーザ毎に管理する個別重み値管理部をさらに備えていてもよい。

また、上記の情報処理装置は、前記評価スコア算出部により算出された評価スコアをユーザに提示する評価スコア提示部をさらに備えていてもよい。

また、上記の情報処理装置は、アイテム間の関連度を示す第３〜第Ｎのスコア（Ｎ≧３）を算出する第３〜第Ｎのスコア算出部をさらに備えていてもよい。この場合、前記尺度変換部は、同じアイテムの組に対して前記第１のスコア算出部により算出された第１のスコアと前記第Ｍのスコア算出部（２≦Ｍ≦Ｎ）により算出された第Ｍのスコアとの関係を示す第Ｍの関係情報に基づき、前記第Ｍのスコア算出部により算出された第Ｍのスコアを前記第１のスコアと同等の尺度に変換して第Ｍの変換後スコアを算出し、前記評価スコア算出部は、同じアイテムの組に対応する前記第１のスコア算出部により算出された第１のスコアと前記尺度変換部により算出された第２〜第Ｎの変換後スコアとを組み合わせて評価スコアを算出する。

また、上記の情報処理装置は、ユーザからフィードバックを受けた対象アイテムとの間で、前記評価スコア算出部により算出された評価スコアが高い値となるアイテムを検出する推薦アイテム検出部と、前記推薦アイテム検出部により検出されたアイテムを前記ユーザに推薦する推薦部と、をさらに備えていてもよい。

また、前記関係情報生成部は、ｋ番目（ｋ＝１〜Ｋ）のアイテムの組に対して前記第１のスコア算出部により算出された第１のスコアＸｋと前記第２のスコア算出部により算出された第２のスコアＹｋとを座標点（Ｘｋ，Ｙｋ）とする座標点の分布について線形回帰分析又は非線形回帰分析により回帰直線又は回帰曲線を示す関数を導出し、当該回帰曲線又は回帰曲線を示す関数を前記関係情報とする、ように構成されていてもよい。

また、前記第１のスコア算出部は、協調フィルタリング又はコンテンツベースフィルタリングにより前記第１のスコアを算出し、前記第２のスコア算出部は、コンテンツベースフィルタリング又は協調フィルタリングのうち、前記第１のスコア算出部と異なる方法により前記第２のスコアを算出する、ように構成されていてもよい。

また、上記の情報処理装置は、前記第２のスコアが大きくなりにくいアイテムを強く推薦したい場合に、前記第１の重み値を低下させ、前記第２の重み値を増加させる重み値調整部をさらに備えていてもよい。

また、前記評価スコア算出部は、所定の条件を満たすまで前記第２のスコアが正しく算出されないアイテムがある場合に、前記所定の条件を満たすまでの期間、当該アイテムを含むアイテムの組について前記第１のスコア算出部により算出された第１のスコアを用いて評価スコアを算出するように構成されていてもよい。

また、上記課題を解決するために、本技術の別の観点によれば、アイテムに対してフィードバックを与えるためのフィードバック入力部と、前記フィードバック入力部によりフィードバックが与えられたアイテムの情報をサーバ装置に通知するフィードバック通知部と、前記フィードバック通知部により情報が通知されたアイテムと他のアイテムとの間の関連度を示す評価スコアを前記サーバ装置から取得する評価スコア取得部と、前記評価スコア取得部により取得した評価スコア又は当該評価スコアの高いアイテムに関する情報をユーザに提示する情報提示部と、を備え、前記サーバ装置は、アイテム間の関連度を示す第１のスコアを算出する第１のスコア算出部と、アイテム間の関連度を示す第２のスコアを算出する第２のスコア算出部と、同じアイテムの組に対して前記第１のスコア算出部により算出された第１のスコアと前記第２のスコア算出部により算出された第２のスコアとの関係を示す関係情報に基づき、前記第２のスコア算出部により算出された第２のスコアを前記第１のスコアと同等の尺度に変換して変換後スコアを算出する尺度変換部と、同じアイテムの組について前記第１のスコア算出部により算出された第１のスコアと前記尺度変換部により算出された変換後スコアとを組み合わせて評価スコアを算出する評価スコア算出部と、を有する、端末装置が提供される。

また、上記課題を解決するために、本技術の別の観点によれば、アイテムに対してフィードバックを与えるためのフィードバック入力部と、前記フィードバック入力部によりフィードバックが与えられたアイテムの情報をサーバ装置に通知するフィードバック通知部と、前記フィードバック通知部により情報が通知されたアイテムと他のアイテムとの間の関連度を示す評価スコアを前記サーバ装置から取得する評価スコア取得部と、前記評価スコア取得部により取得した評価スコア又は当該評価スコアの高いアイテムに関する情報をユーザに提示する情報提示部と、を有する、端末装置と；アイテム間の関連度を示す第１のスコアを算出する第１のスコア算出部と、アイテム間の関連度を示す第２のスコアを算出する第２のスコア算出部と、同じアイテムの組に対して前記第１のスコア算出部により算出された第１のスコアと前記第２のスコア算出部により算出された第２のスコアとの関係を示す関係情報に基づき、前記第２のスコア算出部により算出された第２のスコアを前記第１のスコアと同等の尺度に変換して変換後スコアを算出する尺度変換部と、同じアイテムの組について前記第１のスコア算出部により算出された第１のスコアと前記尺度変換部により算出された変換後スコアとを組み合わせて評価スコアを算出する評価スコア算出部と、を有する、前記サーバ装置と；を含む、情報提示システムが提供される。

また、上記課題を解決するために、本技術の別の観点によれば、アイテム間の関連度を示す第１のスコアを算出する第１のスコア算出ステップと、アイテム間の関連度を示す第２のスコアを算出する第２のスコア算出ステップと、同じアイテムの組に対して前記第１のスコア算出ステップで算出された第１のスコアと前記第２のスコア算出ステップで算出された第２のスコアとの関係を示す関係情報に基づき、前記第２のスコア算出ステップで算出された第２のスコアを前記第１のスコアと同等の尺度に変換して変換後スコアを算出する尺度変換ステップと、同じアイテムの組について前記第１のスコア算出ステップで算出された第１のスコアと前記尺度変換ステップで算出された変換後スコアとを組み合わせて評価スコアを算出する評価スコア算出ステップと、を含む、評価スコアの算出方法が提供される。

また、上記課題を解決するために、本技術の別の観点によれば、アイテム間の関連度を示す第１のスコアを算出する第１のスコア算出機能と、アイテム間の関連度を示す第２のスコアを算出する第２のスコア算出機能と、同じアイテムの組に対して前記第１のスコア算出機能により算出された第１のスコアと前記第２のスコア算出機能により算出された第２のスコアとの関係を示す関係情報に基づき、前記第２のスコア算出機能により算出された第２のスコアを前記第１のスコアと同等の尺度に変換して変換後スコアを算出する尺度変換機能と、同じアイテムの組について前記第１のスコア算出機能により算出された第１のスコアと前記尺度変換機能により算出された変換後スコアとを組み合わせて評価スコアを算出する評価スコア算出機能と、をコンピュータに実現させるためのプログラムが提供される。

また、上記課題を解決するために、本技術の別の観点によれば、上記のプログラムが記録された、コンピュータにより読み取り可能な記録媒体が提供される。

以上説明したように本技術によれば、状況に適合した高精度の推薦結果を得られるように推薦アルゴリズムの組み合わせ方を好適に制御することが可能になる。

推薦アルゴリズムの組み合わせ方法の一例を示す説明図である。 推薦アルゴリズムの組み合わせ方法の一例を示す説明図である。 推薦アルゴリズムの組み合わせ方法の一例を示す説明図である。 推薦アルゴリズムの組み合わせ方法の一例を示す説明図である。 推薦アルゴリズムの組み合わせ方法の一例を示す説明図である。 本技術の一実施形態に係る推薦アルゴリズムの組み合わせ方法について説明するための説明図である。 本技術の一実施形態に係る推薦アルゴリズムの組み合わせ方法について説明するための説明図である。 本技術の一実施形態に係る推薦アルゴリズムの組み合わせ方法を実現することが可能な推薦システムのシステム構成について説明するための説明図である。 本技術の一実施形態に係る推薦システムにおいて実行される処理の概要について説明するための説明図である。 本技術の一実施形態に係るサーバ装置の機能構成について説明するための説明図である。 本技術の一実施形態に係るユーザ端末の機能構成について説明するための説明図である。 本技術の一実施形態に係る補正関数の導出方法について説明するための説明図である。 本技術の一実施形態に係る重み値の設定方法について説明するための説明図である。 本技術の一実施形態に係る推薦処理の流れについて説明するための説明図である。 本技術の一実施形態に係る統合関連スコアの算出方法について説明するための説明図である。 スコア体系の違いに起因して生じる関連スコアへの影響について説明するための説明図である。 本技術の一実施形態に係る関連スコアの補正方法を適用した場合に得られる効果について説明するための説明図である。 本技術の一実施形態に係る補正関数の導出方法（拡張例）について説明するための説明図である。 本技術の一実施形態に係る重み値の設定方法（拡張例）について説明するための説明図である。 本技術の一実施形態に係る推薦処理の流れ（拡張例）について説明するための説明図である。 本技術の一実施形態に係る重み値の調整方法について説明するための説明図である。 本技術の一実施形態に係る重み値の調整方法について説明するための説明図である。 本技術の一実施形態に係る重み値の調整方法について説明するための説明図である。 本技術の一実施形態に係る重み値の調整方法について説明するための説明図である。 本技術の一実施形態に係るサーバ装置及びユーザ端末が有する機能を実現することが可能なハードウェア構成例について説明するための説明図である。

以下に添付図面を参照しながら、本技術に係る好適な実施の形態について詳細に説明する。なお、本明細書及び図面において、実質的に同一の機能構成を有する構成要素については、同一の符号を付することにより重複説明を省略する。

［説明の流れについて］
ここで、以下で記載する説明の流れについて簡単に述べる。

まず、図１〜図５を参照しながら、推薦アルゴリズムの組み合わせ方法の一例について説明する。次いで、図６及び図７を参照しながら、本技術の一実施形態に係る推薦アルゴリズムの組み合わせ方法について説明する。次いで、図８を参照しながら、本技術の一実施形態に係る推薦アルゴリズムの組み合わせ方法を実現することが可能な推薦システムのシステム構成について説明する。次いで、図９を参照しながら、本技術の一実施形態に係る推薦システムにおいて実行される処理の概要について説明する。

次いで、図１０を参照しながら、本技術の一実施形態に係るサーバ装置１００の機能構成について説明する。次いで、図１１を参照しながら、本技術の一実施形態に係るユーザ端末２００の機能構成について説明する。次いで、図１２を参照しながら、本技術の一実施形態に係る補正関数の導出方法について説明する。次いで、図１３を参照しながら、本技術の一実施形態に係る重み値の設定方法について説明する。次いで、図１４を参照しながら、本技術の一実施形態に係る推薦処理の流れについて説明する。次いで、図１５を参照しながら、本技術の一実施形態に係る統合関連スコアの算出方法について説明する。

次いで、図１６を参照しながら、スコア体系の違いに起因して生じる関連スコアへの影響について説明する。次いで、図１７を参照しながら、本技術の一実施形態に係る関連スコアの補正方法を適用した場合に得られる効果について説明する。次いで、図１８を参照しながら、本技術の一実施形態に係る補正関数の導出方法（拡張例）について説明する。次いで、図１９を参照しながら、本技術の一実施形態に係る重み値の設定方法（拡張例）について説明する。次いで、図２０を参照しながら、本技術の一実施形態に係る推薦処理の流れ（拡張例）について説明する。

次いで、図２１〜図２４を参照しながら、本技術の一実施形態に係る重み値の調整方法について詳細に説明する。次いで、図２５を参照しながら、本技術の一実施形態に係るサーバ装置１００及びユーザ端末２００が有する機能を実現することが可能なハードウェア構成例について説明する。最後に、同実施形態の技術的思想について纏め、当該技術的思想から得られる作用効果について簡単に説明する。

（説明項目）
１：はじめに
１−１：推薦アルゴリズムの組み合わせ例
１−２：推薦アルゴリズムの組み合わせ方法
１−３：スコア体系の違いについて
２：基本構成
２−１：推薦アルゴリズムの組み合わせ方法
２−２：推薦システムの構成
２−２−１：システム構成
２−２−２：処理の概要
２−２−３：サーバ装置１００の機能構成
２−２−４：ユーザ端末２００の機能構成
２−３：事前処理の流れ
２−３−１：補正関数の導出方法
２−３−２：重み値の設定方法
２−４：推薦処理の流れ
３：拡張例
３−１：事前処理の流れ
３−１−１：補正関数の導出方法
３−１−２：重み値の設定方法
３−２：推薦処理の流れ
４：フィードバックに応じた重み値の調整方法
４−１：システム重み値の調整方法
４−１−１：調整例＃１
４−１−２：調整例＃２
４−２：ユーザ重み値の調整方法
５：補足説明
５−１：フィードバックを利用しない重み値の調整方法
５−２：補正関数の更新について
５−３：関連スコアの付かないアイテムについて
６：ハードウェア構成例
７：まとめ

＜１：はじめに＞
はじめに、複数の推薦アルゴリズムを単純に組み合わせた場合に生じる課題及びその課題を解決する手段の概要について説明する。

［１−１：推薦アルゴリズムの組み合わせ例］
まず、推薦アルゴリズムの組み合わせ例について説明する。ここでは組み合わせる推薦アルゴリズムの例として、協調フィルタリングとコンテンツベースフィルタリングとを挙げるが、組み合わせ可能な推薦アルゴリズムはこれらに限定されない。

一例として、協調フィルタリングとコンテンツベースフィルタリングとを組み合わせる場合について考えてみよう。図１に示すように、協調フィルタリングは、アイテムに対するフィードバックのログが多い場合に高精度の推薦結果が得られるという長所を有する。一方で、協調フィルタリングは、ログが少ない場合に利用できないという短所を有する。なお、ここで言うフィードバックとは、アイテムの購入、アイテムの選択、アイテムの視聴、アイテムに関する詳細情報の閲覧、Ｌｉｋｅ／Ｄｉｓｌｉｋｅボタンの押下、レビュー付けなどを意味する。

また、コンテンツベースフィルタリングは、ログの数に依存せずに安定した推薦結果が得られるという長所を有する。一方で、コンテンツベースフィルタリングは、推薦の際に体系立ったメタ情報を必要とするという短所を有する。また、協調フィルタリングとコンテンツベースフィルタリングとを対比した場合、ログの数が多い場合には協調フィルタリングの方が高精度の推薦結果を出力する。

このように、協調フィルタリングとコンテンツベースフィルタリングとはそれぞれ長所及び短所を有する。そのため、状況に応じて協調フィルタリングとコンテンツベースフィルタリングとを使い分けることが好ましい。例えば、ログが少ない状況では協調フィルタリングを利用し、ログが多い状況ではコンテンツベースフィルタリングを利用することが好ましい。そこで、本件発明者は、複数の推薦アルゴリズム（例えば、協調フィルタリングとコンテンツベースフィルタリング）を組み合わせ、状況に依らずに高精度の推薦結果を得ることが可能な推薦アルゴリズムの開発を試みた。

［１−２：推薦アルゴリズムの組み合わせ方法］
まず、本件発明者は、複数の推薦アルゴリズム（以下、第１の推薦アルゴリズム、第２の推薦アルゴリズム）を単純に組み合わせる方法について検討した。その中で、本件発明者は、第１の推薦アルゴリズムを用いて算出した関連スコアＡと、第２の推薦アルゴリズムを用いて算出した関連スコアＢとを線形結合した関連スコアＱに基づいて推薦アイテムを選択する推薦システムについて検討した。以下、この方法について簡単に説明する。

図２に示すように、まず、この推薦システムは、第１の推薦アルゴリズムを用いてアイテムｉとアイテムｊとの間の関連スコアＡ（ｉ，ｊ）を算出する（Ｓ１１）。また、この推薦システムは、第２の推薦アルゴリズムを用いてアイテムｉとアイテムｊとの間の関連スコアＢ（ｉ，ｊ）を算出する（Ｓ１１）。次いで、この推薦システムは、ステップＳ１１で算出した２つの関連スコアＡ（ｉ，ｊ）及びＢ（ｉ，ｊ）を線形結合して関連スコアＱ（ｉ，ｊ）を算出する（Ｓ１２）。例えば、この推薦システムは、下記の式（１）により関連スコアＱ（ｉ，ｊ）を算出する。但し、ｑ１、ｑ２は、所定の係数である。

次いで、推薦システムは、ステップＳ１２で算出した関連スコアＱ（ｉ，ｊ）に基づいて推薦アイテムを選択する（Ｓ１３）。例えば、推薦システムは、推薦のシードとなるアイテムがｉである場合、推薦アイテムとして、関連スコアＱ（ｉ，ｊ）の大きなアイテムｊを選択する。なお、係数ｑ１、ｑ２は、第１の推薦アルゴリズムを重視するか、第２の推薦アルゴリズムを重視するかを決める重み値である。例えば、ｑ１＞ｑ２に設定すれば第１の推薦アルゴリズムによる推薦結果が強く反映され、ｑ１＜ｑ２に設定すれば第２の推薦アルゴリズムによる推薦結果が強く反映されると期待される。

［１−３：スコア体系の違いについて］
しかし、第１の推薦アルゴリズムのスコア体系と、第２の推薦アルゴリズムのスコア体系とが大きく異なる場合、重み値をｑ１＞ｑ２に設定しても第１の推薦アルゴリズムによる推薦結果が強く反映されないことがある。また、重み値をｑ１＝ｑ２に設定しても、スコア体系の違いにより、一方の推薦アルゴリズムによる推薦結果が強く反映されることがある。例えば、関連スコアＡ（ｉ，ｊ）及びＢ（ｉ，ｊ）が図３に示すような値になったと仮定しよう。この例において、関連スコアＡ（ｉ，ｊ）は、関連スコアＢ（ｉ，ｊ）よりも桁違いに大きい。

一方で、２つの関連スコアＡ（ｉ，ｊ）及びＢ（ｉ，ｊ）をそれぞれ参照すると、関連スコアＡ（ｉ，ｊ）の大きなアイテムの組み合わせ（ｉ，ｊ）に対しては、関連スコアＢ（ｉ，ｊ）も大きな値となっていることが分かる。つまり、図４に示すように、２つの関連スコアＡ（ｉ，ｊ）及びＢ（ｉ，ｊ）には相関関係がある。より詳細にみると、図４の例では、２つの関連スコアＡ（ｉ，ｊ）及びＢ（ｉ，ｊ）の間に近似的に線形の関係が見て取れる。なお、図４の例は、（Ｘｎ，Ｙｎ）＝（Ａ（ｉ，ｊ），Ｂ（ｉ，ｊ））をＸ−Ｙ平面上にプロットしたものである（ｎ＝１〜ｍ）。

しかしながら、関連スコアＡ（ｉ，ｊ）が関連スコアＢ（ｉ，ｊ）よりも桁違いに大きいため、図５に示すように、上記の式（１）に基づいて関連スコアＱ（ｉ，ｊ）を算出すると、第１の推薦アルゴリズムの影響が優勢となる。ここでは２つの推薦アルゴリズムを１：１に組み合わせる例（ｑ１＝ｑ２の場合）を挙げたが、第２の推薦アルゴリズムの影響を強くする意図でｑ１＝０．８、ｑ２＝０．２と設定しても、この例では第１の推薦アルゴリズムの影響が優勢となる。このように、推薦アルゴリズム間におけるスコア体系の違いにより、ユーザの意図とは異なる推薦結果が出てしまうことがある。

なお、本件発明者は、推薦アルゴリズムの組み合わせ毎に重み値を最適化する方法についても検討したが、推薦アルゴリズムの特性を十分に分析した上で最適な重み値を決める必要があるため、このような最適な重み値を決めることは難しいという結論に至った。また、ログの数やメタ情報の数に応じて最適な重み値が変化した場合に、一度決めた重み値を大幅に変更することは難しい。そこで、本件発明者は、スコア体系を適切に補正する方法を考案した。以下、この方法及びこの方法を適用した推薦システムについて説明する。

＜２：基本構成＞
以下、本技術の一実施形態に係る推薦システムの基本構成について説明する。

［２−１：推薦アルゴリズムの組み合わせ方法］
まず、図６を参照しながら、本技術の一実施形態に係る推薦アルゴリズムの組み合わせ方法の概要について説明する。図６は、本技術の一実施形態に係る推薦アルゴリズムの組み合わせ方法の概要について説明するための説明図である。

図６に示すように、まず、推薦システムは、第１の推薦アルゴリズムを用いてアイテムｉとアイテムｊとの間の関連スコアＡ（ｉ，ｊ）を算出する（Ｓ１０１）。また、推薦システムは、第２の推薦アルゴリズムを用いてアイテムｉとアイテムｊとの間の関連スコアＢ（ｉ，ｊ）を算出する（Ｓ１０１）。次いで、推薦システムは、ステップＳ１０１で算出した２つの関連スコアＡ（ｉ，ｊ）及びＢ（ｉ，ｊ）のスコア体系を整合させる（Ｓ１０２）。例えば、推薦システムは、関連スコアＢ（ｉ，ｊ）を補正して関連スコアＢ’（ｉ，ｊ）を算出する（Ｓ１０２）。

次いで、推薦システムは、ステップＳ１０１で算出した関連スコアＡ（ｉ，ｊ）、及びステップＳ１０２で算出した関連スコアＢ’（ｉ，ｊ）を線形結合して関連スコアＱ（ｉ，ｊ）を算出する（Ｓ１０３）。例えば、推薦システムは、下記の式（２）により関連スコアＱ（ｉ，ｊ）を算出する。但し、ｑ１、ｑ２は、所定の係数である。

次いで、推薦システムは、ステップＳ１０３で算出した関連スコアＱ（ｉ，ｊ）に基づいて推薦アイテムを選択する（Ｓ１０４）。例えば、推薦システムは、推薦のシードとなるアイテムがｉである場合、推薦アイテムとして、関連スコアＱ（ｉ，ｊ）の大きなアイテムｊを選択する。なお、係数ｑ１、ｑ２は、第１の推薦アルゴリズムを重視するか、第２の推薦アルゴリズムを重視するかを決める重み値である。

上記のように、本技術の一実施形態に係る推薦システムは、関連スコアＢ（ｉ，ｊ）を補正する。ここで、図７を参照しながら、この補正方法について説明を補足する。

先に参照した図５の例では、関連スコアＡ（ｉ，ｊ）≫Ｂ（ｉ，ｊ）であった。この例に基づき、（Ｘｎ，Ｙｎ）＝（Ａ（ｉ，ｊ），Ｂ（ｉ，ｊ））をＸ−Ｙ平面上にプロットすると、図７のようになる。補正前は関連スコアＡ（ｉ，ｊ）≫Ｂ（ｉ，ｊ）の関係があるため、各点はＹ＝ｗ＊Ｘ＋ｗ０（但し、ｗ≪１）の周辺に位置する。一方、補正後は関連スコアＡ（ｉ，ｊ）≒Ｂ’（ｉ，ｊ）の関係になるため、各点はＹ＝Ｘの周辺に位置する。つまり、推薦システムは、（Ｘｎ，Ｙｎ）の集合に対する回帰直線の傾きが１に近づくように、関連スコアＢ（ｉ，ｊ）を補正する。なお、後述するように、（Ｘｎ，Ｙｎ）に関する回帰分析の結果が直線になるとは限らない点に注意されたい。

以上、本技術の一実施形態に係る推薦アルゴリズムの組み合わせ方法の概要について説明した。以下では、この方法及びこの方法を適用した推薦システムの構成について、より詳細に説明する。

［２−２：推薦システムの構成］
次に、本技術の一実施形態に係る推薦システムの構成について説明する。

（２−２−１：システム構成）
まず、図８を参照しながら、本技術の一実施形態に係る推薦システムのシステム構成について説明する。図８は、本技術の一実施形態に係る推薦システムのシステム構成について説明するための説明図である。

図８に示すように、本技術の一実施形態に係る推薦システムは、主に、サーバ装置１００、及びユーザ端末２００により構成される。また、このサーバ装置１００とユーザ端末２００とは、ネットワーク１０により接続されている。そして、ネットワーク１０には、管理者端末２０が接続されている。さらに、サーバ装置１００には、記憶装置１３０が接続されている。この記憶装置１３０は、サーバ装置１００に内蔵されていてもよいし、ネットワーク１０又はその他の通信網を介してサーバ装置１００に接続されていてもよい。

ここで、記憶装置１３０に格納される情報について説明する。記憶装置１３０には、例えば、アイテム、アイテムに付与されたメタ情報、アイテムに対してユーザが与えたフィードバックのログなどの情報が格納される。また、記憶装置１３０には、個々の推薦アルゴリズムによる関連スコアの算出結果、推薦アルゴリズムを組み合わせる際に用いる重み値、関連スコアの補正に用いる補正関数、重み値の補正量などの情報が格納される。

（２−２−２：処理の概要）
次に、図９を参照しながら、本技術の一実施形態に係る推薦システムにより実行される処理の概要について説明する。図９は、本技術の一実施形態に係る推薦システムにより実行される処理の概要について説明するための説明図である。

図９に示すように、まず、システム管理者は、管理者端末２０を用いて推薦アルゴリズムの組み合わせ毎に重み値を設定する（Ｓ１１１）。ステップＳ１１１で設定された重み値は、サーバ装置１００により記憶装置１３０に格納される。次いで、サーバ装置１００は、個々の推薦アルゴリズムにより関連スコアを算出する（Ｓ１１２）。例えば、あるアイテム（シード）に対してフィードバックが与えられた場合に、サーバ装置１００は、そのアイテムを対象に個々の推薦アルゴリズムにより関連スコアを算出する。ステップＳ１１２で算出された関連スコアは、記憶装置１３０に格納される。

次いで、サーバ装置１００は、記憶装置１３０に格納した関連スコアを用いて補正関数を生成する（Ｓ１１３）。例えば、サーバ装置１００は、第２の推薦アルゴリズムにより算出された関連スコアＢ（ｉ，ｊ）を補正して第１の推薦アルゴリズムにより算出された関連スコアＡ（ｉ，ｊ）のスコア体系に近似するような補正関数ｆを生成する。つまり、サーバ装置１００は、Ａ（ｉ，ｊ）≒ｆ（Ｂ（ｉ，ｊ））となるような補正関数ｆを生成する。ステップＳ１１３で生成された補正関数ｆは、記憶装置１３０に格納される。

次いで、サーバ装置１００は、ユーザ端末２００を介してユーザにより入力されたフィードバックを取得する（Ｓ１１４）。次いで、サーバ装置１００は、ステップＳ１１４で取得したフィードバックに応じてシステム内で共通に用いる重み値を補正する（Ｓ１１５）。ステップＳ１１５で補正されたシステム内で共通の重み値は、記憶装置１３０に格納される。さらに、サーバ装置１００は、ステップＳ１１４で取得したフィードバックに応じてユーザ毎の重み値を補正する（Ｓ１１６）。ステップＳ１１６で補正されたユーザ毎の重み値は、記憶装置１３０に格納される。

次いで、サーバ装置１００は、ステップＳ１１２で算出した関連スコアをステップＳ１１３で生成した補正関数により補正した後、ステップＳ１１５及びＳ１１６で補正した重み値を用いて関連スコアを組み合わせる。さらに、サーバ装置１００は、組み合わせた関連スコアに基づいてユーザに推薦すべきアイテムを選択する。そして、サーバ装置１００は、選択したアイテムをユーザに推薦し（Ｓ１１７）、一連の処理を終了する。以上、本技術の一実施形態に係る推薦システムにより実行される処理の概要について説明した。

（２−２−３：サーバ装置１００の機能構成）
次に、図１０を参照しながら、本技術の一実施形態に係るサーバ装置１００の機能構成について、より詳細に説明する。図１０は、本技術の一実施形態に係るサーバ装置１００の機能構成について、より詳細に説明するための説明図である。

図１０に示すように、サーバ装置１００は、主に、複数の個別関連スコア算出部１０１と、補正関数生成部１０２と、個別関連スコア補正部１０３と、統合関連スコア算出部１０４と、推薦アイテム選択部１０５とを有する。さらに、サーバ装置１００は、重み値調整部１０６と、フィードバック判定部１０７とを有する。また、重み値調整部１０６は、システム重み値補正部１０６１と、ユーザ重み値補正部１０６２とを含む。なお、図１０の例では個別関連スコア算出部１０１が３つ設けられているが、個別関連スコア算出部１０１の数は、組み合わせる推薦アルゴリズムの数に応じて増減される。

以下、（１）事前処理、及び（２）ユーザによりアイテムｓ（以下、シードアイテムｓ）に対して与えられたフィードバックに応じて推薦すべきアイテムｒ（以下、推薦アイテムｒ）を選択する処理の流れに沿ってサーバ装置１００の機能構成について説明する。

（１）事前処理
上記の通り、サーバ装置１００は、補正関数を用いて、組み合わせる関連スコアのスコア体系を整合させる。そのため、サーバ装置１００は、既存のアイテム情報を利用して補正関数ｆを生成する。まず、サーバ装置１００は、シードアイテムｓになる可能性のある所定数のアイテムｓを記憶装置１３０から取得する。さらに、サーバ装置１００は、推薦アイテムｒになる可能性のある所定数のアイテムｒを記憶装置１３０から取得する。ここで取得したアイテムｓ、ｒは、個別関連スコア算出部１０１に入力される。

アイテムｓ，ｒが入力されると、複数の個別関連スコア算出部１０１は、それぞれ割り当てられた推薦アルゴリズムを用いてアイテムｓ、ｒの関連スコアを算出する。例えば、第１の推薦アルゴリズムが割り当てられた個別関連スコア算出部１０１は、関連スコアＡ（ｓ，ｒ）を算出する。また、第２の推薦アルゴリズムが割り当てられた個別関連スコア算出部１０１は、関連スコアＢ（ｓ，ｒ）を算出する。なお、３以上の推薦アルゴリズムを組み合わせる場合、第３〜第Ｎの推薦アルゴリズム（Ｎ≧３）が割り当てられた個別関連スコア算出部１０１は、関連スコアＣ（ｓ，ｒ）、Ｄ（ｓ，ｒ）、…を算出する。但し、ここでは説明の都合上、２つの推薦アルゴリズムを組み合わせる場合について考える。

個別関連スコア算出部１０１により算出された関連スコアＡ（ｓ，ｒ）及びＢ（ｓ，ｒ）は、記憶装置１３０に格納されると共に、補正関数生成部１０２に入力される。なお、補正関数生成部１０２には、関連スコアＡ（ｓ，ｒ）及びＢ（ｓ，ｒ）の組が複数入力される点に注意されたい。関連スコアＡ（ｓ，ｒ）及びＢ（ｓ，ｒ）が入力されると、補正関数生成部１０２は、入力された関連スコアＡ（ｓ，ｒ）及びＢ（ｓ，ｒ）を用いて補正関数ｆを生成する。例えば、関連スコアＡ（ｓ，ｒ）及びＢ（ｓ，ｒ）として、図３に示したＡ（ｉ，ｊ）及びＢ（ｉ，ｊ）（ｉ＝１，２、ｊ＝１，２，３）が入力された場合、補正関数生成部１０２は、回帰分析により補正関数ｆ（この例ではｆ（Ｘ）＝１０＊Ｘ＋０．５；図４を参照）を生成する。

なお、図３の例では、補正関数ｆが線形関数になるが、推薦アルゴリズムの組み合わせによっては補正関数ｆが線形関数になるとは限らない。その場合、補正関数生成部１０２は、多項式回帰、累乗回帰、対数回帰、指数回帰など、非線形回帰分析を実行して非線形の補正関数ｆを生成する。また、補正関数生成部１０２は、回帰分析の際、例えば、ＥＭ（Ｅｅｘｐｅｃｔａｔｉｏｎ Ｍａｘｉｍｉｚａｔｉｏｎ）アルゴリズムやＷａｋｅ−Ｓｌｅｅｐアルゴリズムなどの回帰アルゴリズムを用いる。このようにして補正関数生成部１０２により生成された補正関数ｆは、記憶装置１３０に格納されると共に、個別関連スコア補正部１０３に入力される。なお、補正関数ｆが線形関数になる場合、最小二乗法アルゴリズムを用いると、補正関数ｆ（Ｘ）＝ｗ＊Ｘ＋ｗ０の係数は、下記の式（３）及び式（４）のようになる。但し、回帰分析に用いるサンプル数をｍとする。

以上、事前処理の１つとして補正関数ｆの導出方法について説明した。事前処理としては、補正関数ｆの他、重み値ｑ１、ｑ２の設定がある。この重み値ｑ１、ｑ２は、管理者端末２０を介してシステム管理者により事前に設定される。また、システム管理者により設定された重み値ｑ１、ｑ２は、記憶装置１３０に格納される。

（２）推薦アイテムｒの選択処理
上記の事前処理が完了すると、シードアイテムｓに対する推薦アイテムｒの推薦が可能になる。シードアイテムｓに対する推薦アイテムｒの提示要求を受けると、個別関連スコア算出部１０１は、記憶装置１３０から推薦アイテムｒの候補となるアイテムｒ１、ｒ２、…を取得する。例えば、第１の推薦アルゴリズムを用いる個別関連スコア算出部１０１は、アイテムｒ１Ａ、ｒ２Ａ、…を記憶装置１３０から取得する。また、第２の推薦アルゴリズムを用いる個別関連スコア算出部１０１は、アイテムｒ１Ｂ、ｒ２Ｂ、…を記憶装置１３０から取得する。

推薦アイテムｒの候補となるアイテムｒ１Ａ、ｒ２Ａ、…を取得した個別関連スコア算出部１０１は、シードアイテムｓとアイテムｒ１Ａ、ｒ２Ａ、…との間の関連スコアＡ（ｓ，ｒ１Ａ）、Ａ（ｓ，ｒ２Ａ）、…を算出する。また、推薦アイテムｒの候補となるアイテムｒ１Ｂ、ｒ２Ｂ、…を取得した個別関連スコア算出部１０１は、シードアイテムｓとアイテムｒ１Ｂ、ｒ２Ｂ、…との間の関連スコアＢ（ｓ，ｒ１Ｂ）、Ｂ（ｓ，ｒ２Ｂ）、…を算出する。個別関連スコア算出部１０１により算出された関連スコアＡ（ｓ，ｒ１Ａ）、Ａ（ｓ，ｒ２Ａ）、…、Ｂ（ｓ，ｒ１Ｂ）、Ｂ（ｓ，ｒ２Ｂ）、…は、個別関連スコア補正部１０３に入力される。

関連スコアＡ（ｓ，ｒ１Ａ）、Ａ（ｓ，ｒ２Ａ）、…、Ｂ（ｓ，ｒ１Ｂ）、Ｂ（ｓ，ｒ２Ｂ）、…が入力されると、個別関連スコア補正部１０３は、記憶装置１３０から補正関数ｆを取得する。そして、個別関連スコア補正部１０３は、取得した補正関数ｆを用いて関連スコアＢ（ｓ，ｒ１Ｂ）、Ｂ（ｓ，ｒ２Ｂ）、…を補正し、新たな関連スコアＢ’（ｓ，ｒ１Ｂ）、Ｂ’（ｓ，ｒ２Ｂ）、…を生成する。具体的には、個別関連スコア補正部１０３は、ｆ（Ｂ（ｓ，ｒ１Ｂ））、ｆ（Ｂ（ｓ，ｒ２Ｂ））、…を算出する。個別関連スコア補正部１０３により算出された新たな関連スコアＢ’（ｓ，ｒ１Ｂ）、Ｂ’（ｓ，ｒ２Ｂ）、…及び関連スコアＡ（ｓ，ｒ１Ａ）、Ａ（ｓ，ｒ２Ａ）、…は、統合関連スコア算出部１０４に入力される。

関連スコアＡ（ｓ，ｒ１Ａ）、Ａ（ｓ，ｒ２Ａ）、…、Ｂ’（ｓ，ｒ１Ｂ）、Ｂ’（ｓ，ｒ２Ｂ）、…が入力されると、統合関連スコア算出部１０４は、入力された関連スコアＡ（ｓ，ｒ１Ａ）、Ａ（ｓ，ｒ２Ａ）、…、Ｂ（ｓ，ｒ１Ｂ）、Ｂ（ｓ，ｒ２Ｂ）、…を線形結合して新たな関連スコア（以下、統合関連スコア）Ｑ（ｓ，ｒ）（ｒ∈｛ｒ１Ａ，ｒ２Ａ，…，ｒ１Ｂ，ｒ２Ｂ，…｝）を算出する。このとき、統合関連スコア算出部１０４は、例えば、記憶装置１３０から取得した重み値ｑ１、ｑ２を用いて統合関連スコアＱ（ｓ，ｒ）を算出する。

統合関連スコア算出部１０４により算出された統合関連スコアＱ（ｓ，ｒ）は、ユーザ端末２００に提供される。また、統合関連スコア算出部１０４により算出された統合関連スコアＱ（ｓ，ｒ）は、推薦アイテム選択部１０５に入力される。統合関連スコアＱ（ｓ，ｒ）が入力されると、推薦アイテム選択部１０５は、入力された統合関連スコアＱ（ｓ，ｒ）が大きい順に所定数のアイテムｒを推薦アイテムとして選択する。そして、推薦アイテム選択部１０５は、選択した推薦アイテムｒをユーザ端末２００に提供する。

ここで、重み値ｑ１、ｑ２について説明を補足する。先に説明したように、重み値ｑ１、ｑ２は、システム管理者により事前に設定される。但し、システム管理者により事前に設定された重み値ｑ１、ｑ２がユーザの嗜好に適合していない場合も考えられる。そこで、本技術の一実施形態においては、重み値ｑ１、ｑ２をユーザのフィードバックに応じて調整することが可能な仕組みをサーバ装置１００に搭載することとした。重み値ｑ１、ｑ２の調整は、重み値調整部１０６により実行される。

ユーザが推薦アイテムｒに対してフィードバックを与えた場合、そのフィードバックは、フィードバック判定部１０７に入力される。フィードバックが入力されると、フィードバック判定部１０７は、入力されたフィードバックがポジティブな傾向を示すものか、ネガティブな傾向を示すものかを判定する。例えば、アイテムの購入、アイテムの選択、アイテムの視聴、アイテムに関する詳細情報の閲覧、Ｌｉｋｅボタンの押下、スコアの高いレビュー付けなどは、ポジティブな傾向を示すフィードバックである。一方、ＤｉｓＬｉｋｅボタンの押下、スコアの低いレビュー付けなどはネガティブな傾向を示すフィードバックの一例である。

フィードバック判定部１０７による判定結果は、重み値調整部１０６に入力される。この判定結果が入力されると、重み値調整部１０６は、入力された判定結果に応じて重み値ｑ１、ｑ２を調整する。なお、重み値調整部１０６による重み値の具体的な調整方法については後段において詳述する。重み値調整部１０６により調整された重み値ｑ１、ｑ２は、記憶装置１３０に格納される。

以上、本技術の一実施形態に係るサーバ装置１００の機能構成について説明した。なお、図１０に示したサーバ装置１００の機能構成は一例であり、一部の機能構成を省略したり、新たに機能構成を追加する変形も可能である。例えば、推薦アイテム選択部１０５を省略し、統合関連スコアだけをユーザ端末２００に提供するようにサーバ装置１００を構成してもよい。また、重み値調整部１０６及びフィードバック判定部１０７を省略し、システム管理者により設定された重み値ｑ１、ｑ２を永続的に利用するようにサーバ装置１００を構成してもよい。

（２−２−４：ユーザ端末２００の機能構成）
次に、図１１を参照しながら、本技術の一実施形態に係るユーザ端末２００の機能構成について、より詳細に説明する。図１１は、本技術の一実施形態に係るユーザ端末２００の機能構成について、より詳細に説明するための説明図である。

図１１に示すように、ユーザ端末２００は、主に、フィードバック通知部２０１と、統合関連スコア取得部２０２と、推薦アイテム取得部２０３と、情報提示部２０４とを有する。なお、ユーザ端末２００は、図８に示すように、様々な形態で実施することが可能である。また、ユーザ端末２００は、入力手段や表示手段などを搭載している。入力手段としては、例えば、キーボード、マウス、タッチセンサ、リモートコントローラなどの入力デバイスを例示することができる。また、表示手段としては、液晶ディスプレイや有機電界発光ディスプレイなどのディスプレイデバイスを例示することができる。

ユーザ端末２００は、例えば、アイテムを閲覧したり、アイテムにフィードバックを与えたりするために利用される。入力手段を用いてユーザがアイテムにフィードバックを与えると、そのフィードバックは、フィードバック通知部２０１に入力される。フィードバックが入力されると、フィードバック通知部２０１は、入力されたフィードバックをサーバ装置１００に送信し、サーバ装置１００に対してアイテムの推薦を要求する。この要求を受けると、上記の通り、サーバ装置１００は、シードアイテムｓに関する統合関連スコアＱ（ｓ，ｒ）と推薦アイテムｒとをユーザ端末２００に提供する。

ユーザ端末２００は、統合関連スコア取得部２０２の機能により、サーバ装置１００から統合関連スコアＱ（ｓ，ｒ）を取得する。統合関連スコアＱ（ｓ，ｒ）を取得すると、統合関連スコア取得部２０２は、取得した統合関連スコアＱ（ｓ，ｒ）を情報提示部２０４に入力する。また、ユーザ端末２００は、推薦アイテム取得部２０３の機能により、サーバ装置１００から推薦アイテムｒを取得する。推薦アイテムｒを取得すると、推薦アイテム取得部２０３は、取得した推薦アイテムｒを情報提示部２０４に入力する。統合関連スコアＱ（ｓ，ｒ）及び推薦アイテムｒが入力されると、情報提示部２０４は、入力された統合関連スコアＱ（ｓ，ｒ）の大きい順に推薦アイテムｒをユーザに提示する。

以上、本技術の一実施形態に係るユーザ端末２００の機能構成について説明した。なお、図１１に示したユーザ端末２００の機能構成は一例であり、一部の機能構成を省略したり、新たに機能構成を追加する変形も可能である。例えば、推薦アイテム取得部２０３を省略し、統合関連スコアだけをユーザに提示するようにユーザ端末２００を構成してもよい。また、統合関連スコア取得部２０２を省略し、サーバ装置１００から提供された順に推薦アイテムｒをユーザに提示するようにユーザ端末２００を構成してもよい。

以上、推薦システムの構成について説明した。

［２−３：事前処理の流れ］
次に、本技術の一実施形態に係る推薦処理の前に実行される事前処理の流れについて説明する。なお、以下で説明する事前処理は、主にサーバ装置１００により実行される。

（２−３−１：補正関数の導出方法）
まず、図１２を参照しながら、本技術の一実施形態に係る補正関数の導出方法について説明する。図１２は、本技術の一実施形態に係る補正関数の導出方法について説明するための説明図である。

図１２に示すように、サーバ装置１００は、まず、個別関連スコア算出部１０１の機能により、推薦Ｓｅｅｄ（シードアイテム）になりうるアイテムｓと、推薦Ｒｅｓｕｌｔ（推薦アイテム）になりうるアイテムｒとをそれぞれ所定数ずつ抽出する（Ｓ１２１）。以下、アイテムｓの集合をＳ、アイテムｒの集合をＲと表記する。次いで、サーバ装置１００は、個別関連スコア算出部１０１の機能により、ｓ∈Ｓ及びｒ∈Ｒの全組み合わせについて関連スコアＡ（ｓ，ｒ）及びＢ（ｓ，ｒ）を算出する（Ｓ１２２）。次いで、サーバ装置１００は、補正関数生成部１０２の機能により、関連スコアＡ（ｓ，ｒ）≒ｆ（Ｂ（ｓ，ｒ））（∀ｓ∈Ｓ、∀ｒ∈Ｒ）となる補正関数ｆを導出する（Ｓ１２３）。次いで、サーバ装置１００は、補正関数生成部１０２の機能により、ステップＳ１２３で導出した補正関数ｆを記憶装置１３０に格納する（Ｓ１２４）。

以上、本技術の一実施形態に係る補正関数の導出方法について説明した。

（２−３−２：重み値の設定方法）
次に、図１３を参照しながら、本技術の一実施形態に係る重み値の設定方法について説明する。図１３は、本技術の一実施形態に係る重み値の設定方法について説明するための説明図である。

図１３に示すように、サーバ装置１００は、システム管理者が設定した推薦アルゴリズムの組み合わせに関する重み値ｑ１、ｑ２を記憶装置１３０に格納する（Ｓ１３１）。なお、システム管理者は、管理者端末２０を用いて重み値ｑ１、ｑ２を入力する。管理者端末２０に入力された重み値ｑ１、ｑ２は、ネットワーク１０を介してサーバ装置１００に入力される。そして、サーバ装置１００に入力された重み値ｑ１、ｑ２は、上記のように、記憶装置１３０に格納される。但し、ここで説明した重み値ｑ１、ｑ２の設定方法は、事前処理における重み値の設定方法である。ユーザのフィードバックに応じた重み値ｑ１、ｑ２の調整方法については後段において詳述する。

以上、本技術の一実施形態に係る重み値の設定方法について説明した。

［２−４：推薦処理の流れ］
次に、図１４を参照しながら、本技術の一実施形態に係る推薦処理の流れについて説明する。図１４は、本技術の一実施形態に係る推薦処理の流れについて説明するための説明図である。なお、以下で説明する推薦処理は、主にサーバ装置１００により実行される。

ユーザが推薦Ｓｅｅｄ ｓ’（シードアイテムｓ’）に対してフィードバックを与えると、図１４に示すように、サーバ装置１００は、ユーザ端末２００からシードアイテムｓ’に対する推薦アイテムの提示要求を受信する（Ｓ１４１）。推薦アイテムの提示要求を受信すると、サーバ装置１００は、個別関連スコア算出部１０１の機能により、第１の推薦アルゴリズムＡを用いてシードアイテムｓ’と推薦アイテムの候補ｒ１Ａ、ｒ２Ａ、…との間の関連性を示す関連スコアＡ（ｓ’，ｒ１Ａ）、Ａ（ｓ’，ｒ２Ａ）、…を算出する（Ｓ１４２）。次いで、サーバ装置１００は、個別関連スコア算出部１０１の機能により、第２の推薦アルゴリズムＢを用いてシードアイテムｓ’と推薦アイテムの候補ｒ１Ｂ、ｒ２Ｂ、…との間の関連性を示す関連スコアＢ（ｓ’，ｒ１Ｂ）、Ｂ（ｓ’，ｒ２Ｂ）、…を算出する（Ｓ１４３）。

次いで、サーバ装置１００は、個別関連スコア補正部１０３の機能により、補正関数ｆを用いて関連スコアＢ（ｓ’，ｒ１Ｂ）、Ｂ（ｓ’，ｒ２Ｂ）、…を補正し、新たな関連スコアＢ’（ｓ’，ｒ１Ｂ）、Ｂ’（ｓ’，ｒ２Ｂ）、…を算出する（Ｓ１４４）。但し、Ｂ’（ｓ’，ｒ１Ｂ）＝ｆ（Ｂ（ｓ’，ｒ１Ｂ））、Ｂ’（ｓ’，ｒ２Ｂ）＝ｆ（Ｂ（ｓ’，ｒ２Ｂ））、…である。次いで、サーバ装置１００は、統合関連スコア算出部１０４は、重み値ｑ１、ｑ２を用いて、統合関連スコアＱ（ｓ’，ｒ１Ａ）、Ｑ（ｓ’，ｒ２Ａ）、…、Ｑ（ｓ’，ｒ１Ｂ）、Ｑ（ｓ’，ｒ２Ｂ）、…を算出する（Ｓ１４５）。次いで、サーバ装置１００は、統合関連スコア算出部１０４の機能により、ステップＳ１４５で算出した統合関連スコアＱ（ｓ’，ｒ１Ａ）、Ｑ（ｓ’，ｒ２Ａ）、…、Ｑ（ｓ’，ｒ１Ｂ）、Ｑ（ｓ’，ｒ２Ｂ）、…をユーザ端末２００に提供する（Ｓ１４６）。

以上、本技術の一実施形態に係る推薦処理の流れについて説明した。ここでは統合関連スコアの算出処理に注目して説明したが、統合関連スコアの高いアイテムを推薦することにより精度の高いアイテムの推薦を実現することが可能である。

（具体例）
ここで、図１５を参照しながら、統合関連スコアの算出方法について、具体例を挙げて説明する。図１５の例では、第１の推薦アルゴリズムＡにより、シードアイテムｓ’に対して関連スコア（Ａ（ｓ’，ｒ１Ａ），Ａ（ｓ’，ｒ２Ａ），Ａ（ｓ’，ｒ３Ａ），Ａ（ｓ’，ｒ４Ａ））＝（０．９，０．８，０．７，０．６）が算出されている。また、第２の推薦アルゴリズムＢにより、シードアイテムｓ’に対して関連スコア（Ｂ（ｓ’，ｒ１Ｂ），Ｂ（ｓ’，ｒ２Ｂ），Ｂ（ｓ’，ｒ３Ｂ），Ｂ（ｓ’，ｒ４Ｂ））＝（０．０８，０．０７５，０．０７，０．０６）が算出されている。また、重み値は、ｑ１＝０．２及びｑ２＝０．８に設定されているものとする。さらに、補正関数ｆ（Ｘ）＝１０＊Ｘ＋０．５が事前処理により得られているものとする。

この場合、まず、統合関連スコア算出部１０４は、関連スコアＡ（・）にｑ１を乗算して、（ｑ１＊Ａ（ｓ’，ｒ１Ａ），ｑ１＊Ａ（ｓ’，ｒ２Ａ），ｑ１＊Ａ（ｓ’，ｒ３Ａ），ｑ１＊Ａ（ｓ’，ｒ４Ａ））＝（０．１８，０．１６，０．１４，０．１２）を算出する。また、個別関連スコア補正部１０３は、補正関数ｆを用いて関連スコアＢ（・）を補正し、（ｆ（Ｂ（ｓ’，ｒ１Ｂ）），ｆ（Ｂ（ｓ’，ｒ２Ｂ）），ｆ（Ｂ（ｓ’，ｒ３Ｂ）），ｆ（Ｂ（ｓ’，ｒ４Ｂ）））＝（１．３，１．２５，１．２，１．１）を算出する。次いで、統合関連スコア算出部１０４は、統合関連スコア算出部１０４は、関連スコアｆ（Ｂ（・））にｑ２を乗算して、（ｑ２＊ｆ（Ｂ（ｓ’，ｒ１Ｂ）），ｑ２＊ｆ（Ｂ（ｓ’，ｒ２Ｂ）），ｑ２＊ｆ（Ｂ（ｓ’，ｒ３Ｂ）），ｑ２＊ｆ（Ｂ（ｓ’，ｒ４Ｂ）））＝（１．０４，１．０，０．９６，０．８８）を算出する。

次いで、統合関連スコア算出部１０４は、重み付けした関連スコアｑ１＊Ａ（・）及びｑ２＊ｆ（Ｂ（・））を統合して統合関連スコアＱ（・）を算出する。具体的には、統合関連スコア算出部１０４は、Ｑ（・）＝ｑ１＊Ａ（・）＋ｑ２＊ｆ（Ｂ（・））を算出する。図１５の例では、（Ｑ（ｓ’，ｒ１Ｂ），Ｑ（ｓ’，ｒ２Ｂ），Ｑ（ｓ’，ｒ３Ｂ），Ｑ（ｓ’，ｒ４Ｂ），Ｑ（ｓ’，ｒ１Ａ），Ｑ（ｓ’，ｒ２Ａ），Ｑ（ｓ’，ｒ３Ａ），Ｑ（ｓ’，ｒ４Ａ））＝（１．０４，１．０，０．９６，０．８８，０．１８，０．１６，０．１４，０．１２）となる。補正関数ｆにより関連スコアＢ（・）を補正しない場合、ｑ１＜ｑ２であるにも関わらず、図１６に示すように、ｑ１＊Ａ（・）＞ｑ２＊Ｂ（・）となる。一方、補正関数ｆにより関連スコアＢ（・）を補正した場合、図１７に示すように、ｑ１＊Ａ（・）＜ｑ２＊ｆ（Ｂ（・））となる。

重み値をｑ１＜ｑ２と設定するシステム管理者は、第１の推薦アルゴリズムＡよりも第２の推薦アルゴリズムＢを重視している。しかし、図１６に示すように、補正関数ｆにより関連スコアＢ（・）を補正しない場合には、システム管理者の意図に反して第１の推薦アルゴリズムＡが優勢になってしまうことがある。一方、補正関数ｆにより関連スコアＢ（・）を補正した場合には、この例のようにスコア体系が大きく異なる場合であっても、図１７に示すように、スコア体系の違いに影響を受けずに適切な結果を得ることができる。その結果、重み値の設定に込めた意図を適切に反映させつつ、複数の推薦アルゴリズムを組み合わせることが可能になる。

以上、本技術の一実施形態に係る推薦処理の流れについて説明した。

＜３：拡張例＞
これまで、２つの推薦アルゴリズムを組み合わせる方法について説明してきた。しかし、本技術の一実施形態に係る方法は、３つ以上の推薦アルゴリズムを組み合わせる方法に拡張することも可能である。そこで、３つの推薦アルゴリズムを組み合わせる方法（以下、本拡張例）について説明する。

［３−１：事前処理の流れ］
まず、本拡張例に係る推薦処理の前に実行される事前処理の流れについて説明する。なお、以下で説明する事前処理は、主にサーバ装置１００により実行される。

（３−１−１：補正関数の導出方法）
まず、図１８を参照しながら、本拡張例に係る補正関数の導出方法について説明する。図１８は、本拡張例に係る補正関数の導出方法について説明するための説明図である。

図１８に示すように、サーバ装置１００は、まず、個別関連スコア算出部１０１の機能により、推薦Ｓｅｅｄ（シードアイテム）になりうるアイテムｓと、推薦Ｒｅｓｕｌｔ（推薦アイテム）になりうるアイテムｒとをそれぞれ所定数ずつ抽出する（Ｓ１５１）。以下、アイテムｓの集合をＳ、アイテムｒの集合をＲと表記する。次いで、サーバ装置１００は、個別関連スコア算出部１０１の機能により、ｓ∈Ｓ及びｒ∈Ｒの全組み合わせについて関連スコアＡ（ｓ，ｒ）、Ｂ（ｓ，ｒ）及びＣ（ｓ，ｒ）を算出する（Ｓ１５２）。

次いで、サーバ装置１００は、補正関数生成部１０２の機能により、関連スコアＡ（ｓ，ｒ）≒ｆ（Ｂ（ｓ，ｒ））（∀ｓ∈Ｓ、∀ｒ∈Ｒ）となる補正関数ｆを導出する（Ｓ１５３）。次いで、サーバ装置１００は、補正関数生成部１０２の機能により、関連スコアＡ（ｓ，ｒ）≒ｇ（Ｃ（ｓ，ｒ））（∀ｓ∈Ｓ、∀ｒ∈Ｒ）となる補正関数ｆを導出する（Ｓ１５４）。次いで、サーバ装置１００は、補正関数生成部１０２の機能により、ステップＳ１５３及びＳ１５４で導出した補正関数ｆ及びｇを記憶装置１３０に格納する（Ｓ１５５）。

以上、本拡張例に係る補正関数の導出方法について説明した。

（３−１−２：重み値の設定方法）
次に、図１９を参照しながら、本拡張例に係る重み値の設定方法について説明する。図１９は、本拡張例に係る重み値の設定方法について説明するための説明図である。

図１９に示すように、サーバ装置１００は、システム管理者が設定した推薦アルゴリズムの組み合わせに関する重み値ｑ１、ｑ２を記憶装置１３０に格納する（Ｓ１６１）。なお、システム管理者は、管理者端末２０を用いて重み値ｑ１、ｑ２、ｑ３を入力する。管理者端末２０に入力された重み値ｑ１、ｑ２、ｑ３は、ネットワーク１０を介してサーバ装置１００に入力される。そして、サーバ装置１００に入力された重み値ｑ１、ｑ２、ｑ３は、上記のように、記憶装置１３０に格納される。但し、ここで説明した重み値ｑ１、ｑ２、ｑ３の設定方法は、事前処理における重み値の設定方法である。ここで設定した重み値ｑ１、ｑ２、ｑ３は、ユーザのフィードバックに応じて補正してもよい。

以上、本拡張例に係る重み値の設定方法について説明した。

［３−２：推薦処理の流れ］
次に、図２０を参照しながら、本拡張例に係る推薦処理の流れについて説明する。図２０は、本拡張例に係る推薦処理の流れについて説明するための説明図である。なお、以下で説明する推薦処理は、主にサーバ装置１００により実行される。

ユーザが推薦Ｓｅｅｄ ｓ’（シードアイテムｓ’）に対してフィードバックを与えると、図２０に示すように、サーバ装置１００は、ユーザ端末２００からシードアイテムｓ’に対する推薦アイテムの提示要求を受信する（Ｓ１７１）。推薦アイテムの提示要求を受信すると、サーバ装置１００は、個別関連スコア算出部１０１の機能により、第１の推薦アルゴリズムＡを用いてシードアイテムｓ’と推薦アイテムの候補ｒ１Ａ、ｒ２Ａ、…との間の関連性を示す関連スコアＡ（ｓ’，ｒ１Ａ）、Ａ（ｓ’，ｒ２Ａ）、…を算出する（Ｓ１７２）。

次いで、サーバ装置１００は、個別関連スコア算出部１０１の機能により、第２の推薦アルゴリズムＢを用いてシードアイテムｓ’と推薦アイテムの候補ｒ１Ｂ、ｒ２Ｂ、…との間の関連性を示す関連スコアＢ（ｓ’，ｒ１Ｂ）、Ｂ（ｓ’，ｒ２Ｂ）、…を算出する（Ｓ１７３）。次いで、サーバ装置１００は、個別関連スコア算出部１０１の機能により、第３の推薦アルゴリズムＣを用いてシードアイテムｓ’と推薦アイテムの候補ｒ１Ｃ、ｒ２Ｃ、…との間の関連性を示す関連スコアＣ（ｓ’，ｒ１Ｃ）、Ｃ（ｓ’，ｒ２Ｃ）、…を算出する（Ｓ１７４）。

次いで、サーバ装置１００は、個別関連スコア補正部１０３の機能により、補正関数ｆを用いて関連スコアＢ（ｓ’，ｒ１Ｂ）、Ｂ（ｓ’，ｒ２Ｂ）、…を補正し、新たな関連スコアＢ’（ｓ’，ｒ１Ｂ）、Ｂ’（ｓ’，ｒ２Ｂ）、…を算出する（Ｓ１７５）。但し、Ｂ’（ｓ’，ｒ１Ｂ）＝ｆ（Ｂ（ｓ’，ｒ１Ｂ））、Ｂ’（ｓ’，ｒ２Ｂ）＝ｆ（Ｂ（ｓ’，ｒ２Ｂ））、…である。次いで、サーバ装置１００は、個別関連スコア補正部１０３の機能により、補正関数ｇを用いて関連スコアＣ（ｓ’，ｒ１Ｃ）、Ｃ（ｓ’，ｒ２Ｃ）、…を補正し、新たな関連スコアＣ’（ｓ’，ｒ１Ｃ）、Ｃ’（ｓ’，ｒ２Ｃ）、…を算出する（Ｓ１７６）。但し、Ｃ’（ｓ’，ｒ１Ｃ）＝ｆ（Ｃ（ｓ’，ｒ１Ｃ））、Ｃ’（ｓ’，ｒ２Ｃ）＝ｆ（Ｃ（ｓ’，ｒ２Ｃ））、…である。

次いで、サーバ装置１００は、統合関連スコア算出部１０４は、下記の式（５）に基づき、重み値ｑ１、ｑ２、ｑ３を用いて、統合関連スコアＱ（ｓ’，ｒ１Ａ）、Ｑ（ｓ’，ｒ２Ａ）、…、Ｑ（ｓ’，ｒ１Ｂ）、Ｑ（ｓ’，ｒ２Ｂ）、…、Ｑ（ｓ’，ｒ１Ｃ）、Ｑ（ｓ’，ｒ２Ｃ）、…を算出する（Ｓ１７７）。次いで、サーバ装置１００は、統合関連スコア算出部１０４の機能により、ステップＳ１７７で算出した統合関連スコアＱ（ｓ’，ｒ１Ａ）、Ｑ（ｓ’，ｒ２Ａ）、…、Ｑ（ｓ’，ｒ１Ｂ）、Ｑ（ｓ’，ｒ２Ｂ）、…、Ｑ（ｓ’，ｒ１Ｃ）、Ｑ（ｓ’，ｒ２Ｃ）、…をユーザ端末２００に提供する（Ｓ１７８）。

以上、本拡張例に係る推薦処理の流れについて説明した。ここでは統合関連スコアの算出処理に注目して説明したが、統合関連スコアの高いアイテムを推薦することにより精度の高いアイテムの推薦を実現することが可能である。

＜４：フィードバックに応じた重み値の調整方法＞
これまで、ユーザのフィードバックに応じて重み値を調整する方法については詳細な説明を割愛してきた。以下、これまで割愛してきた重み値の調整方法について説明する。なお、以下で説明する重み値の調整方法は、サーバ装置１００が有する機能のうち、主に重み値調整部１０６の機能により実現される。

［４−１：システム重み値の調整方法］
ここで考える重み値には、システム全体で共通に利用する重み値（以下、システム重み値）と、ユーザ単位で個人化された重み値（以下、ユーザ重み値）とがある。まず、システム重み値の調整方法について説明する。なお、システム重み値の調整処理は、主にシステム重み値補正部１０６１により実行される。

（４−１−１：調整例＃１）
まず、図２１を参照しながら、本技術の一実施形態に係るシステム重み値の調整方法の一例（調整例＃１）について説明する。図２１は、本技術の一実施形態に係るシステム重み値の調整方法の一例（調整例＃１）について説明するための説明図である。

図２１に示すように、サーバ装置１００は、まず、推薦Ｓｅｅｄ ｓ（シードアイテムｓ）に対する推薦Ｒｅｓｕｌｔ ｒ（推薦アイテムｒ）がユーザに推薦された際に、そのユーザが入力したフィードバックを取得する（Ｓ１８１）。次いで、サーバ装置１００は、フィードバック判定部１０７の機能により、取得したフィードバックがポジティブな傾向を示すフィードバックであるか否かを判定する（Ｓ１８２）。取得したフィードバックがポジティブな傾向を示すフィードバックであると判定された場合、サーバ装置１００は、処理をステップＳ１８３に進める。一方、取得したフィードバックがポジティブな傾向を示すフィードバックでないと判定された場合、サーバ装置１００は、処理をステップＳ１８４に進める。

処理がステップＳ１８３に進んだ場合、システム重み値補正部１０６１は、重み値の補正量ｄをｄ＝ｄ０に設定する（Ｓ１８３）。一方、処理がステップＳ１８４に進んだ場合、システム重み値補正部１０６１は、重み値の補正量ｄをｄ＝−ｄ０に設定する（Ｓ１８４）。なお、重み値の変動分ｄ０は、システム管理者が予め設定しておくものとする。

ステップＳ１８３及びＳ１８４の処理を完了すると、サーバ装置１００は、処理をステップＳ１８５に進める。処理がステップＳ１８５に進んだ場合、システム重み値補正部１０６１は、２つの関連スコアＡ（ｓ，ｒ）及びＢ（ｓ，ｒ）がＡ（ｓ，ｒ）＞ｆ（Ｂ（ｓ，ｒ））の条件を満たすか否かを判定する（Ｓ１８５）。Ａ（ｓ，ｒ）＞ｆ（Ｂ（ｓ，ｒ））の条件を満たすと判定された場合、サーバ装置１００は、処理をステップＳ１８６に進める。一方、Ａ（ｓ，ｒ）＞ｆ（Ｂ（ｓ，ｒ））の条件を満たさないと判定された場合、サーバ装置１００は、処理をステップＳ１８７に進める。

処理がステップＳ１８６に進んだ場合、システム重み値補正部１０６１は、重み値ｑ１、ｑ２を下記の式（６）に基づいて補正する（Ｓ１８６）。一方、処理がステップＳ１８７に進んだ場合、システム重み値補正部１０６１は、重み値ｑ１、ｑ２を下記の式（７）に基づいて補正する（Ｓ１８７）。ステップＳ１８６又はＳ１８７の処理が完了した場合、サーバ装置１００は、システム重み値の調整に係る一連の処理を終了する。

（具体例）
ここで、図２２を参照しながら、システム重み値の調整方法の具体例について説明する。例えば、システム管理者が設定した重み値をｑ１＝０．２、ｑ２＝０．８、重み値の変動分をｄ０＝０．１とする。また、補正関数がｆ（Ｘ）＝０．５−０．５Ｘ、関連スコアがＡ（ｓ，ｒ１）＝０．３、Ａ（ｓ，ｒ２）＝０．３、Ｂ（ｓ，ｒ１）＝０．６、Ｂ（ｓ，ｒ２）＝０．２であったとする。この場合、ｆ（Ｂ（ｓ，ｒ１））＝０．２、ｆ（Ｂ（ｓ，ｒ２））＝０．４となる。重み値を調整しない場合、統合関連スコアＱ（・）は、図２２に示すように、Ｑ（ｓ，ｒ１）＝０．２２、Ｑ（ｓ，ｒ２）＝０．３８となる。サーバ装置１００は、これらの統合関連スコアＱ（・）に基づいてユーザにアイテムｒ１、ｒ２を推薦する。

その後、ユーザがｒ１に対してフィードバックを与えると、サーバ装置１００は、重み値ｑ１、ｑ２（システム重み値）を補正する。フィードバックがポジティブな傾向を示すものである場合、サーバ装置１００は、図２２の例において、関連スコアＡ（・）に乗算させる重み値ｑ１をｄ０だけ増加させ、関連スコアＢ（・）に乗算される重み値ｑ２をｄ０だけ減少させる。一方、フィードバックがネガティブな傾向を示すものである場合、サーバ装置１００は、図２２の例において、関連スコアＡ（・）に乗算させる重み値ｑ１をｄ０だけ減少させ、関連スコアＢ（・）に乗算される重み値ｑ２をｄ０だけ増加させる。

本技術の一実施形態において、システム重み値ｑ１、ｑ２は、推薦アイテムに対するユーザのフィードバックに応じて上記の方法により調整されうる。

（４−１−２：調整例＃２）
次に、図２３及び図２４を参照しながら、本技術の一実施形態に係るシステム重み値の調整方法の一例（調整例＃２）について説明する。図２３及び図２４は、本技術の一実施形態に係るシステム重み値の調整方法の一例（調整例＃２）について説明するための説明図である。

図２３に示すように、まず、サーバ装置１００は、重み値調整部１０６の機能により、統合関連スコアの算出方法を複数用意する（Ｓ１９１）。例えば、下記の式（８）〜式（１０）に示す３通りの算出方法が用意される。但し、ｚ１、ｚ２は、条件０＜ｚ２＜１＜ｚ１を満たす所定の係数である。統合関連スコアの算出方法を複数用意した後、推薦Ｓｅｅｄ ｓ（シードアイテムｓ）に対する推薦Ｒｅｓｕｌｔ（推薦アイテム）の提示が要求された場合に、サーバ装置１００は、統合関連スコアの算出方法を１つ選択する（Ｓ１９２）。次いで、サーバ装置１００は、ステップＳ１９２で選択した算出方法を用いて統合関連スコアを算出し、その算出結果に基づいて推薦アイテムｒを推薦する（Ｓ１９４）。

次いで、図２４に示すように、サーバ装置１００は、推薦アイテムｒに対するフィードバックを待ち受け、フィードバックを受けたか否かを判定する（Ｓ１９５）。フィードバックを受けた場合、サーバ装置１００は、処理をステップＳ１９６に進める。一方、フィードバックを受けない場合、サーバ装置１００は、処理をステップＳ１９７に進める。例えば、サーバ装置１００は、推薦アイテムｒをユーザに推薦した後、所定時間だけフィードバックを待ち受け、所定時間が経過してもフィードバックを受けない場合に処理をステップＳ１９７に進める。

処理をステップＳ１９６に進めた場合、サーバ装置１００は、ステップＳ１９３（図２３を参照）において統合関連スコアの算出方法に上記の式（８）に示す方法（以下、Ｑ（・）の方法）を用いたか否かを判定する（Ｓ１９６）。統合関連スコアの算出方法としてＱ（・）の方法を用いた場合、サーバ装置１００は、処理をステップＳ１９７に進める。一方、統合関連スコアの算出方法としてＱ（・）の方法を用いていない場合、サーバ装置１００は、処理をステップＳ１９８に進める。処理をステップＳ１９７に進めた場合、サーバ装置１００は、重み値ｑ１、ｑ２の調整に関して何にもしない（Ｓ１９７）。

処理をステップＳ１９８に進めた場合、サーバ装置１００は、フィードバック判定部１０７の機能により、フィードバックがポジティブな傾向を示すものであるか否かを判定する（Ｓ１９８）。フィードバックがポジティブな傾向を示すものであると判定した場合、サーバ装置１００は、処理をステップＳ１９９に進める。一方、フィードバックがポジティブな傾向を示すものでないと判定した場合、サーバ装置１００は、処理をステップＳ２００に進める。

処理がステップＳ１９９に進んだ場合、システム重み値補正部１０６１は、重み値の補正量ｄをｄ＝ｄ０に設定する（Ｓ１９９）。一方、処理がステップＳ２００に進んだ場合、システム重み値補正部１０６１は、重み値の補正量ｄをｄ＝−ｄ０に設定する（Ｓ２００）。なお、重み値の変動分ｄ０は、システム管理者が予め設定しておくものとする。

ステップＳ１９９及びＳ２００の処理を完了すると、サーバ装置１００は、処理をステップＳ２０１に進める。処理がステップＳ２０１に進んだ場合、システム重み値補正部１０６１は、Ｑ’（・）を用いたか否かを判定する（Ｓ２０１）。Ｑ’（・）を用いた場合、サーバ装置１００は、処理をステップＳ２０２に進める。一方、Ｑ’（・）を用いていない場合、サーバ装置１００は、処理をステップＳ２０３に進める。Ｑ’（・）を用いた推薦結果は、関連スコアＡ（・）が強調されたものである。そのため、Ｑ’（・）を用いた推薦結果にフィードバックが与えられた場合、関連スコアＡ（・）に付される重みを強化することで、よりユーザの嗜好に合った推薦結果が得られるようになる。

処理がステップＳ２０２に進んだ場合、システム重み値補正部１０６１は、重み値ｑ１、ｑ２を上記の式（６）に基づいて補正する（Ｓ２０２）。一方、処理がステップＳ２０３に進んだ場合、システム重み値補正部１０６１は、重み値ｑ１、ｑ２を上記の式（７）に基づいて補正する（Ｓ２０３）。ステップＳ２０２又はＳ２０３の処理が完了した場合、サーバ装置１００は、システム重み値の調整に係る一連の処理を終了する。

以上、本技術の一実施形態に係るシステム重み値の調整方法について説明した。なお、上記の説明においては、ユーザのフィードバックを受ける度にシステム重み値を調整する方法を紹介したが、システム重み値の調整タイミングを次のように変更してもよい。例えば、上記の式（６）又は式（７）により重み値を補正する機会が生じた際に、その機会が生じた回数をカウントしておき、所定のタイミングで、そのカウント数に応じた補正量で重み値を補正する方法が考えられる。

例えば、所定のタイミングで、重み値ｑ１を増加させる機会が生じた回数ＣＵが、重み値ｑ１を減少させる機会が生じた回数ＣＤを上回っていた場合（ＣＵ＞ＣＤ）、重み値ｑ１をｄ０だけ増加させ、重み値ｑ２をｄ０だけ減少させる。逆に、所定のタイミングで、重み値ｑ１を増加させる機会が生じた回数ＣＵが、重み値ｑ１を減少させる機会が生じた回数ＣＤを下回っていた場合（ＣＵ＜ＣＤ）、重み値ｑ１をｄ０だけ減少させ、重み値ｑ２をｄ０だけ増加させる。このような処理にすることで、重み値の変更頻度を減らし、計算コストを低減させると共に安定した推薦結果を得ることが可能になる。

［４−２：ユーザ重み値の調整方法］
次に、本技術の一実施形態に係るユーザ重み値の調整方法について説明する。これまでシステム全体で共通に利用されるシステム重み値ｑ１、ｑ２について説明してきたが、ここで、ユーザ重み値ｑ１’（ｕ）、ｑ２’（ｕ）の考えを導入する。ｕは個々のユーザを識別するためのインデックスを表す。また、ユーザ重み値ｑ１’（ｕ）、ｑ２’（ｕ）は、ユーザ毎に異なる値となる。このユーザ重み値ｑ１’（ｕ）、ｑ２’（ｕ）を考慮する場合、統合関連スコアＱ（・）は、例えば、下記の式（１１）又は式（１２）のように表現される。

ユーザからフィードバックを受けた場合、サーバ装置１００は、図２１や、図２３及び図２４に示した方法により補正量を決定し、その補正量の一部をシステム重み値ｑ１、ｑ２の補正量に割り当て、残りをユーザ重み値ｑ１’、ｑ２’に割り当てる。なお、両者の割合は、システム管理者が予め設定しておくものとする。また、ユーザ重み値ｑ１’、ｑ２’に対して、より大きな補正量が割り当てられるように両者の割合を設定する方が好ましい。さらに、ユーザ重み値ｑ１’、ｑ２’に割り当てられる補正量の割合は、｜Ａ（・）−ｆ（Ｂ（・））｜に応じて決定してもよいし、フィードバックのカウント差｜ＣＵ−ＣＤ｜に応じて決定してもよい。また、この割合の増分は、フィードバックの回数ｍに基づく変化係数ｖ＾ｍ（但し、ｖ＜１）に比例してもよい。

＜５：補足説明＞
これまで、本技術の一実施形態について説明してきた。以下では、この説明に付加可能な構成について簡単に説明する。また、一部の説明を補足する。

［５−１：フィードバックを利用しない重み値の調整方法］
上記の説明においては、フィードバックに応じて重み値を調整する方法について説明してきたが、フィードバックを利用せずに重み値を調整する方法も考えられる。その一つとして、複数の重み値を用意しておき、状況に応じて重み値を使い分ける方法が考えられる。

例えば、協調フィルタリングにより推薦結果が強調されやすいタイプのアイテム群（以下、第１のアイテム群）と、コンテンツベースフィルタリングにより推薦結果が強調されやすいタイプのアイテム群（以下、第２のアイテム群）とが存在するものと仮定する。いま、キャンペーンやイベント、或いは、営業上の理由など、何らかの理由で強調したいアイテムが第１のアイテム群に属しているものとしよう。この場合、協調フィルタリングの重み値を増加させ、コンテンツベースフィルタリングの重み値を低下させることが好ましい。

より具体的な例について考えてみよう。例えば、協調フィルタリングとコンテンツベースフィルタリングとを組み合わせる場合において、新刊の発売日は新刊の推薦結果を強調するために協調フィルタリングの重み値を低下させ、コンテンツベースフィルタリングの重み値を増加させるなどの方法が考えられる。新刊のようにメタ情報の少ないアイテムは、コンテンツベースフィルタリングにより推薦される可能性が低い。一方で、新刊の発売日に新刊を強く推薦したいという要望がある。そこで、このような状況では、新刊の発売日に協調フィルタリングの重み値を増加させ、新刊が推薦されやすい状況を作ることが好ましい。

なお、ここで説明した調整方法と、これまで説明してきたフィードバックを利用する重み値の調整方法とを組み合わせてもよい。

［５−２：補正関数の更新について］
上記の説明においては、補正関数の更新について触れてこなかった。しかし、アイテムに付与されるメタ情報の数や、フィードバックのログが増加することにより、スコア体系に変化が生じることがある。例えば、コンテンツベースフィルタリングの場合、メタ情報の数が増加することによりスコア体系が変化する。一方、協調フィルタリングの場合、ログが増加することによりスコア体系が変化する。そのため、時間の経過に伴って適切な補正関数の形状が変化すると考えられる。そのため、サーバ装置１００は、補正関数生成部１０２の機能により、定期的に補正関数の再生成を実行して記憶装置１３０に格納されている補正関数を更新することが好ましい。

［５−３：関連スコアの付かないアイテムについて］
ところで、推薦アルゴリズムの種類によっては、あるアイテムに対する関連スコアが０となる可能性が考えられる。この場合、これまで説明してきた統合関連スコアの算出方法を用いると、そのアイテムに関する統合関連スコアが重み値の分だけ小さな値となってしまうことになる。このように、ある推薦アルゴリズムにおいて関連スコアが付かないことにより、統合関連スコアが小さな値となってしまうアイテムに対しては、例えば、関連スコアが付かない推薦アルゴリズムを除いた残りの推薦アルゴリズムを用いて統合関連スコアを算出するようにしてもよい。

例えば、コンテンツベースフィルタリングの場合、メタ情報が付与されていないアイテムに対しては関連スコアが存在しない。この場合、メタ情報が蓄積されるまでの期間は、協調フィルタリングなどの他の推薦アルゴリズムを用いて統合関連スコアを算出し、その期間が経過した後、コンテンツベースフィルタリングを含む複数の推薦アルゴリズムを用いて統合関連スコアを算出するなどの方法が考えられる。

また、次のような方法も考えられる。例えば、第２の推薦アルゴリズムＢによる関連スコアＢ（ｓ，ｒ）が０となる場合、統合関連スコアＱ（ｓ，ｒ）は、Ｑ（ｓ，ｒ）＝ｑ１＊Ａ（ｓ，ｒ）となる。例えば、コンテンツベースフィルタリングの場合、メタ情報が付与されていないアイテムに対しては関連スコアが存在しない。そこで、このようなアイテムに対しては、例えば、Ｑ（ｓ，ｒ）＝（ｑ１＋ｑ２）＊Ａ（ｓ，ｒ）により統合関連スコアを算出するようにしてもよい。また、関連スコアＢ（ｓ，ｒ）が０となるようなアイテムに対する統合関連スコアを下げるように調整してもよい。

以上、本技術の一実施形態に係る構成について説明した。

＜６：ハードウェア構成例＞
上記のサーバ装置１００及びユーザ端末２００が有する各構成要素の機能は、例えば、図２５に示すハードウェア構成を用いて実現することが可能である。つまり、当該各構成要素の機能は、コンピュータプログラムを用いて図２５に示すハードウェアを制御することにより実現される。なお、このハードウェアの形態は任意であり、例えば、パーソナルコンピュータ、携帯電話、ＰＨＳ、ＰＤＡ等の携帯情報端末、ゲーム機、又は種々の情報家電がこれに含まれる。但し、上記のＰＨＳは、Ｐｅｒｓｏｎａｌ Ｈａｎｄｙ−ｐｈｏｎｅ Ｓｙｓｔｅｍの略である。また、上記のＰＤＡは、Ｐｅｒｓｏｎａｌ Ｄｉｇｉｔａｌ Ａｓｓｉｓｔａｎｔの略である。

図２５に示すように、このハードウェアは、主に、ＣＰＵ９０２と、ＲＯＭ９０４と、ＲＡＭ９０６と、ホストバス９０８と、ブリッジ９１０と、を有する。さらに、このハードウェアは、外部バス９１２と、インターフェース９１４と、入力部９１６と、出力部９１８と、記憶部９２０と、ドライブ９２２と、接続ポート９２４と、通信部９２６と、を有する。但し、上記のＣＰＵは、Ｃｅｎｔｒａｌ Ｐｒｏｃｅｓｓｉｎｇ Ｕｎｉｔの略である。また、上記のＲＯＭは、Ｒｅａｄ Ｏｎｌｙ Ｍｅｍｏｒｙの略である。そして、上記のＲＡＭは、Ｒａｎｄｏｍ Ａｃｃｅｓｓ Ｍｅｍｏｒｙの略である。

ＣＰＵ９０２は、例えば、演算処理装置又は制御装置として機能し、ＲＯＭ９０４、ＲＡＭ９０６、記憶部９２０、又はリムーバブル記録媒体９２８に記録された各種プログラムに基づいて各構成要素の動作全般又はその一部を制御する。ＲＯＭ９０４は、ＣＰＵ９０２に読み込まれるプログラムや演算に用いるデータ等を格納する手段である。ＲＡＭ９０６には、例えば、ＣＰＵ９０２に読み込まれるプログラムや、そのプログラムを実行する際に適宜変化する各種パラメータ等が一時的又は永続的に格納される。

これらの構成要素は、例えば、高速なデータ伝送が可能なホストバス９０８を介して相互に接続される。一方、ホストバス９０８は、例えば、ブリッジ９１０を介して比較的データ伝送速度が低速な外部バス９１２に接続される。また、入力部９１６としては、例えば、マウス、キーボード、タッチパネル、ボタン、スイッチ、及びレバー等が用いられる。さらに、入力部９１６としては、赤外線やその他の電波を利用して制御信号を送信することが可能なリモートコントローラ（以下、リモコン）が用いられることもある。

出力部９１８としては、例えば、ＣＲＴ、ＬＣＤ、ＰＤＰ、又はＥＬＤ等のディスプレイ装置、スピーカ、ヘッドホン等のオーディオ出力装置、プリンタ、携帯電話、又はファクシミリ等、取得した情報を利用者に対して視覚的又は聴覚的に通知することが可能な装置である。但し、上記のＣＲＴは、Ｃａｔｈｏｄｅ Ｒａｙ Ｔｕｂｅの略である。また、上記のＬＣＤは、Ｌｉｑｕｉｄ Ｃｒｙｓｔａｌ Ｄｉｓｐｌａｙの略である。そして、上記のＰＤＰは、Ｐｌａｓｍａ ＤｉｓｐｌａｙＰａｎｅｌの略である。さらに、上記のＥＬＤは、Ｅｌｅｃｔｒｏ−Ｌｕｍｉｎｅｓｃｅｎｃｅ Ｄｉｓｐｌａｙの略である。

記憶部９２０は、各種のデータを格納するための装置である。記憶部９２０としては、例えば、ハードディスクドライブ（ＨＤＤ）等の磁気記憶デバイス、半導体記憶デバイス、光記憶デバイス、又は光磁気記憶デバイス等が用いられる。但し、上記のＨＤＤは、Ｈａｒｄ Ｄｉｓｋ Ｄｒｉｖｅの略である。

ドライブ９２２は、例えば、磁気ディスク、光ディスク、光磁気ディスク、又は半導体メモリ等のリムーバブル記録媒体９２８に記録された情報を読み出し、又はリムーバブル記録媒体９２８に情報を書き込む装置である。リムーバブル記録媒体９２８は、例えば、ＤＶＤメディア、Ｂｌｕ−ｒａｙメディア、ＨＤ ＤＶＤメディア、各種の半導体記憶メディア等である。もちろん、リムーバブル記録媒体９２８は、例えば、非接触型ＩＣチップを搭載したＩＣカード、又は電子機器等であってもよい。但し、上記のＩＣは、Ｉｎｔｅｇｒａｔｅｄ Ｃｉｒｃｕｉｔの略である。

接続ポート９２４は、例えば、ＵＳＢポート、ＩＥＥＥ１３９４ポート、ＳＣＳＩ、ＲＳ−２３２Ｃポート、又は光オーディオ端子等のような外部接続機器９３０を接続するためのポートである。外部接続機器９３０は、例えば、プリンタ、携帯音楽プレーヤ、デジタルカメラ、デジタルビデオカメラ、又はＩＣレコーダ等である。但し、上記のＵＳＢは、Ｕｎｉｖｅｒｓａｌ Ｓｅｒｉａｌ Ｂｕｓの略である。また、上記のＳＣＳＩは、Ｓｍａｌｌ Ｃｏｍｐｕｔｅｒ Ｓｙｓｔｅｍ Ｉｎｔｅｒｆａｃｅの略である。

通信部９２６は、ネットワーク９３２に接続するための通信デバイスであり、例えば、有線又は無線ＬＡＮ、Ｂｌｕｅｔｏｏｔｈ（登録商標）、又はＷＵＳＢ用の通信カード、光通信用のルータ、ＡＤＳＬ用のルータ、又は各種通信用のモデム等である。また、通信部９２６に接続されるネットワーク９３２は、有線又は無線により接続されたネットワークにより構成され、例えば、インターネット、家庭内ＬＡＮ、赤外線通信、可視光通信、放送、又は衛星通信等である。但し、上記のＬＡＮは、Ｌｏｃａｌ Ａｒｅａ Ｎｅｔｗｏｒｋの略である。また、上記のＷＵＳＢは、Ｗｉｒｅｌｅｓｓ ＵＳＢの略である。そして、上記のＡＤＳＬは、Ａｓｙｍｍｅｔｒｉｃ Ｄｉｇｉｔａｌ Ｓｕｂｓｃｒｉｂｅｒ Ｌｉｎｅの略である。

＜７：まとめ＞
最後に、本実施形態の技術的思想について簡単に纏める。以下に記載する技術的思想は、例えば、ＰＣ、携帯電話、携帯ゲーム機、携帯情報端末、情報家電、カーナビゲーションシステム等、種々の情報処理装置に対して適用することができる。

上記の情報処理装置の機能構成は次のように表現することができる。当該情報処理装置は、次のような第１のスコア算出部、第２のスコア算出部、尺度変換部、及び評価スコア算出部を有する。上記の第１のスコア算出部は、アイテム間の関連度を示す第１のスコアを算出する手段である。また、上記の第２のスコア算出部は、アイテム間の関連度を示す第２のスコアを算出する手段である。例えば、第１のスコア算出部は、第１の推薦アルゴリズムを用いて第１のスコアを算出する。また、第２のスコア算出部は、第１の推薦アルゴリズムとは異なる第２の推薦アルゴリズムを用いて第２のスコアを算出する。

また、上記の尺度変換部は、同じアイテムの組に対して前記第１のスコア算出部により算出された第１のスコアと前記第２のスコア算出部により算出された第２のスコアとの関係を示す関係情報に基づき、前記第２のスコア算出部により算出された第２のスコアを前記第１のスコアと同等の尺度に変換して変換後スコアを算出する手段である。上記のように、第１のスコアと第２のスコアとは異なる推薦アルゴリズムを用いて算出されている。そのため、第１のスコア及び第２のスコアは、互いに異なるスコア体系を有する。そこで、尺度変換部は、第２のスコアを第１のスコアのスコア体系に合わせるように変換する。

例えば、第１のスコアが第２のスコアよりも桁違いに大きくなるようなスコア体系の場合、第２のスコアを強調するような重み付けをしても、第１のスコアが推薦結果に強く影響してしまう。しかし、尺度変換部によりスコア体系を変換しておくことで、両スコアのスコア体系がほぼ同じ尺度になるため、ユーザの意図に関係なく一方のスコアが強調されてしまうことがなくなる。このようにして第２のスコアを変換した後、上記の評価スコア算出部は、同じアイテムの組について前記第１のスコア算出部により算出された第１のスコアと前記尺度変換部により算出された変換後スコアとを組み合わせて評価スコアを算出する。この評価スコアを用いることにより、状況に適合した高精度の推薦結果を得ることが可能になる。

（備考）
上記のサーバ装置１００は、情報処理装置の一例である。上記のユーザ端末２００は、端末装置の一例である。上記の推薦システムは、情報提示システムの一例である。上記の個別関連スコア算出部１０１は、第１のスコア算出部、第２のスコア算出部、第３〜第Ｎのスコア算出部（Ｎ≧３）の一例である。上記の個別関連スコア補正部１０３は、尺度変換部の一例である。上記の統合関連スコア算出部１０４は、評価スコア算出部、評価スコア提示部の一例である。上記の補正関数生成部１０２は、関連情報生成部の一例である。上記の重み値調整部１０６は、カウント部、調整実行部、カウント数比較部、個別重み値管理部の一例である。上記の推薦アイテム選択部１０５は、推薦アイテム検出部、推薦部の一例である。上記の統合関連スコア取得部２０２は、評価スコア取得部の一例である。

以上、添付図面を参照しながら本技術に係る好適な実施形態について説明したが、本技術はここで開示した構成例に限定されないことは言うまでもない。当業者であれば、特許請求の範囲に記載された範疇内において、各種の変更例又は修正例に想到し得ることは明らかであり、それらについても当然に本技術の技術的範囲に属するものと了解される。

１０ ネットワーク
２０ 管理者端末
１００ サーバ装置
１０１ 個別関連スコア算出部
１０２ 補正関数生成部
１０３ 個別関連スコア補正部
１０４ 統合関連スコア算出部
１０５ 推薦アイテム選択部
１０６ 重み値調整部
１０６１ システム重み値補正部
１０６２ ユーザ重み値補正部
１０７ フィードバック判定部
１３０ 記憶装置
２００ ユーザ端末
２０１ フィードバック通知部
２０２ 統合関連スコア取得部
２０３ 推薦アイテム取得部
２０４ 情報提示部

Claims (20)

1. アイテム間の関連度を示す第１のスコアを算出する第１のスコア算出部と、
   アイテム間の関連度を示す第２のスコアを算出する第２のスコア算出部と、
   同じアイテムの組に対して前記第１のスコア算出部により算出された第１のスコアと前記第２のスコア算出部により算出された第２のスコアとの関係を示す関係情報に基づき、前記第２のスコア算出部により算出された第２のスコアを前記第１のスコアと同等の尺度に変換して変換後スコアを算出する尺度変換部と、
   同じアイテムの組について前記第１のスコア算出部により算出された第１のスコアと前記尺度変換部により算出された変換後スコアとを組み合わせて評価スコアを算出する評価スコア算出部と、
   を備える、
   情報処理装置。
2. 同じアイテムの組について前記第１のスコア算出部により算出された第１のスコアと前記第２のスコア算出部により算出された第２のスコアとを対象に回帰分析を実行して前記関係情報を生成する関係情報生成部をさらに備える、
   請求項１に記載の情報処理装置。
3. 前記関係情報生成部は、定期的に前記関係情報を生成し直す、
   請求項２に記載の情報処理装置。
4. 前記評価スコア算出部は、第１の重み値を用いて前記第１のスコアを重み付けし、第２の重み値を用いて前記変換後スコアを重み付けし、重み付け後の前記第１のスコアと、重み付け後の前記変換後スコアとを加算して前記評価スコアを算出する、
   請求項１に記載の情報処理装置。
5. ユーザからフィードバックを受けた対象アイテムに関連するアイテムが前記評価スコアに基づいて当該ユーザに推薦され、推薦されたアイテムに対して当該ユーザがフィードバックを与えた場合に、当該推薦されたアイテムに与えられたフィードバックがポジティブな傾向を示すフィードバックであるか否かを判定するフィードバック判定部と、
   前記推薦されたアイテムに対して前記ユーザがフィードバックを与えた場合に、前記フィードバック判定部による判定結果に応じて前記第１の重み値及び前記第２の重み値を調整する重み値調整部と、
   をさらに備え、
   前記重み値調整部は、
   前記フィードバック判定部によりポジティブな傾向を示すフィードバックであると判定され、かつ、前記第１のスコアが前記変換後スコアより大きい場合に、前記第１の重み値を増加させ、前記第２の重み値を減少させ、
   前記フィードバック判定部によりポジティブなフィードバック傾向を示すであると判定され、かつ、前記第１のスコアが前記変換後スコアより小さい場合に、前記第１の重み値を減少させ、前記第２の重み値を増加させ、
   前記フィードバック判定部によりポジティブな傾向を示すフィードバックでないと判定され、かつ、前記第１のスコアが前記変換後スコアより大きい場合に、前記第１の重み値を減少させ、前記第２の重み値を増加させ、
   前記フィードバック判定部によりポジティブな傾向を示すフィードバックでないと判定され、かつ、前記第１のスコアが前記変換後スコアより小さい場合に、前記第１の重み値を増加させ、前記第２の重み値を減少させる、
   請求項４に記載の情報処理装置。
6. 前記重み値調整部は、
   前記第１の重み値を増加させる機会が生じた回数ＣＵと、前記第１の重み値を減少させる機会が生じた回数ＣＤとをカウントするカウント部と、
   所定のタイミングで前記回数ＣＵと前記回数ＣＤとを比較するカウント数比較部と、
   前記所定のタイミングで前記カウント数比較部による比較結果が得られた場合に、当該比較結果に応じて前記第１の重み値及び前記第２の重み値を調整する調整実行部と、
   を有し、
   前記調整実行部は、
   前記回数ＣＵが前記回数ＣＤを上回る場合に、前記第１の重み値を増加させ、前記第２の重み値を減少させ、
   前記回数ＣＵが前記回数ＣＤを下回る場合に、前記第１の重み値を減少させ、前記第２の重み値を増加させる、
   請求項５に記載の情報処理装置。
7. ユーザからフィードバックを受けた対象アイテムに関連するアイテムが前記評価スコアに基づいて当該ユーザに推薦され、推薦されたアイテムに対して当該ユーザがフィードバックを与えた場合に、当該推薦されたアイテムに与えられたフィードバックがポジティブな傾向を示すフィードバックであるか否かを判定するフィードバック判定部と、
   前記推薦されたアイテムに対して前記ユーザがフィードバックを与えた場合に、前記フィードバック判定部による判定結果に応じて前記第１の重み値及び前記第２の重み値を調整する重み値調整部と、
   をさらに備え、
   前記評価スコア算出部は、
   第１の重み値を用いて前記第１のスコアを重み付けし、第２の重み値を用いて前記変換後スコアを重み付けし、同じ第３の重み値を用いて前記第１のスコア及び前記変換後スコアをさらに重み付けし、重み付け後の前記第１のスコアと、重み付け後の前記変換後スコアとを加算して前記評価スコアを算出し、
   前記重み値調整部は、
   前記第３の重み値が１の場合に前記第１の重み値及び前記第２の重み値を変更せず、
   前記フィードバック判定部によりポジティブな傾向を示すフィードバックであると判定され、かつ、前記第３の重み値が１より大きい場合に、前記第１の重み値を増加させ、前記第２の重み値を減少させ、
   前記フィードバック判定部によりポジティブな傾向を示すフィードバックであると判定され、かつ、前記第３の重み値が１より小さい場合に、前記第１の重み値を減少させ、前記第２の重み値を増加させ、
   前記フィードバック判定部によりポジティブな傾向を示すフィードバックでないと判定され、かつ、前記第３の重み値が１より大きい場合に、前記第１の重み値を減少させ、前記第２の重み値を増加させ、
   前記フィードバック判定部によりポジティブな傾向を示すフィードバックでないと判定され、かつ、前記第３の重み値が１より小さい場合に、前記第１の重み値を増加させ、前記第２の重み値を減少させる、
   請求項４に記載の情報処理装置。
8. 前記重み値調整部は、
   前記第１の重み値を増加させる機会が生じた回数ＣＵと、前記第１の重み値を減少させる機会が生じた回数ＣＤとをカウントするカウント部と、
   所定のタイミングで前記回数ＣＵと前記回数ＣＤとを比較するカウント数比較部と、
   前記所定のタイミングで前記カウント数比較部による比較結果が得られた場合に、当該比較結果に応じて前記第１の重み値及び前記第２の重み値を調整する調整実行部と、
   を有し、
   前記調整実行部は、
   前記回数ＣＵが前記回数ＣＤを上回る場合に、前記第１の重み値を増加させ、前記第２の重み値を減少させ、
   前記回数ＣＵが前記回数ＣＤを下回る場合に、前記第１の重み値を減少させ、前記第２の重み値を増加させる、
   請求項７に記載の情報処理装置。
9. 前記重み値調整部により前記第１の重み値及び前記第２の重み値が変更された場合に、変更後の前記第１の重み値及び変更後の前記第２の重み値をユーザ毎に管理する個別重み値管理部をさらに備える、
   請求項５に記載の情報処理装置。
10. 前記評価スコア算出部により算出された評価スコアをユーザに提示する評価スコア提示部をさらに備える、
    請求項１に記載の情報処理装置。
11. アイテム間の関連度を示す第３〜第Ｎのスコア（Ｎ≧３）を算出する第３〜第Ｎのスコア算出部をさらに備え、
    前記尺度変換部は、
    同じアイテムの組に対して前記第１のスコア算出部により算出された第１のスコアと前記第Ｍのスコア算出部（２≦Ｍ≦Ｎ）により算出された第Ｍのスコアとの関係を示す第Ｍの関係情報に基づき、前記第Ｍのスコア算出部により算出された第Ｍのスコアを前記第１のスコアと同等の尺度に変換して第Ｍの変換後スコアを算出し、
    前記評価スコア算出部は、
    同じアイテムの組に対応する前記第１のスコア算出部により算出された第１のスコアと前記尺度変換部により算出された第２〜第Ｎの変換後スコアとを組み合わせて評価スコアを算出する、
    請求項１に記載の情報処理装置。
12. ユーザからフィードバックを受けた対象アイテムとの間で、前記評価スコア算出部により算出された評価スコアが高い値となるアイテムを検出する推薦アイテム検出部と、
    前記推薦アイテム検出部により検出されたアイテムを前記ユーザに推薦する推薦部と、
    をさらに備える、
    請求項１に記載の情報処理装置。
13. 前記関係情報生成部は、
    ｋ番目（ｋ＝１〜Ｋ）のアイテムの組に対して前記第１のスコア算出部により算出された第１のスコアＸｋと前記第２のスコア算出部により算出された第２のスコアＹｋとを座標点（Ｘｋ，Ｙｋ）とする座標点の分布について線形回帰分析又は非線形回帰分析により回帰直線又は回帰曲線を示す関数を導出し、当該回帰曲線又は回帰曲線を示す関数を前記関係情報とする、
    請求項２に記載の情報処理装置。
14. 前記第１のスコア算出部は、協調フィルタリング又はコンテンツベースフィルタリングにより前記第１のスコアを算出し、
    前記第２のスコア算出部は、コンテンツベースフィルタリング又は協調フィルタリングのうち、前記第１のスコア算出部と異なる方法により前記第２のスコアを算出する、
    請求項１に記載の情報処理装置。
15. 前記第２のスコアが大きくなりにくいアイテムを強く推薦したい場合に、前記第１の重み値を低下させ、前記第２の重み値を増加させる重み値調整部をさらに備える、
    請求項４に記載の情報処理装置。
16. 所定の条件を満たすまで前記第２のスコアが正しく算出されないアイテムがある場合に、前記評価スコア算出部は、前記所定の条件を満たすまでの期間、当該アイテムを含むアイテムの組について前記第１のスコア算出部により算出された第１のスコアを用いて評価スコアを算出する、
    請求項４に記載の情報処理装置。
17. アイテムに対してフィードバックを与えるためのフィードバック入力部と、
    前記フィードバック入力部によりフィードバックが与えられたアイテムの情報をサーバ装置に通知するフィードバック通知部と、
    前記フィードバック通知部により情報が通知されたアイテムと他のアイテムとの間の関連度を示す評価スコアを前記サーバ装置から取得する評価スコア取得部と、
    前記評価スコア取得部により取得した評価スコア又は当該評価スコアの高いアイテムに関する情報をユーザに提示する情報提示部と、
    を備え、
    前記サーバ装置は、
    アイテム間の関連度を示す第１のスコアを算出する第１のスコア算出部と、
    アイテム間の関連度を示す第２のスコアを算出する第２のスコア算出部と、
    同じアイテムの組に対して前記第１のスコア算出部により算出された第１のスコアと前記第２のスコア算出部により算出された第２のスコアとの関係を示す関係情報に基づき、前記第２のスコア算出部により算出された第２のスコアを前記第１のスコアと同等の尺度に変換して変換後スコアを算出する尺度変換部と、
    同じアイテムの組について前記第１のスコア算出部により算出された第１のスコアと前記尺度変換部により算出された変換後スコアとを組み合わせて評価スコアを算出する評価スコア算出部と、
    を有する、
    端末装置。
18. アイテムに対してフィードバックを与えるためのフィードバック入力部と、
    前記フィードバック入力部によりフィードバックが与えられたアイテムの情報をサーバ装置に通知するフィードバック通知部と、
    前記フィードバック通知部により情報が通知されたアイテムと他のアイテムとの間の関連度を示す評価スコアを前記サーバ装置から取得する評価スコア取得部と、
    前記評価スコア取得部により取得した評価スコア又は当該評価スコアの高いアイテムに関する情報をユーザに提示する情報提示部と、
    を有する、端末装置と；
    アイテム間の関連度を示す第１のスコアを算出する第１のスコア算出部と、
    アイテム間の関連度を示す第２のスコアを算出する第２のスコア算出部と、
    同じアイテムの組に対して前記第１のスコア算出部により算出された第１のスコアと前記第２のスコア算出部により算出された第２のスコアとの関係を示す関係情報に基づき、前記第２のスコア算出部により算出された第２のスコアを前記第１のスコアと同等の尺度に変換して変換後スコアを算出する尺度変換部と、
    同じアイテムの組について前記第１のスコア算出部により算出された第１のスコアと前記尺度変換部により算出された変換後スコアとを組み合わせて評価スコアを算出する評価スコア算出部と、
    を有する、前記サーバ装置と；
    を含む、
    情報提示システム。
19. アイテム間の関連度を示す第１のスコアを算出する第１のスコア算出ステップと、
    アイテム間の関連度を示す第２のスコアを算出する第２のスコア算出ステップと、
    同じアイテムの組に対して前記第１のスコア算出ステップで算出された第１のスコアと前記第２のスコア算出ステップで算出された第２のスコアとの関係を示す関係情報に基づき、前記第２のスコア算出ステップで算出された第２のスコアを前記第１のスコアと同等の尺度に変換して変換後スコアを算出する尺度変換ステップと、
    同じアイテムの組について前記第１のスコア算出ステップで算出された第１のスコアと前記尺度変換ステップで算出された変換後スコアとを組み合わせて評価スコアを算出する評価スコア算出ステップと、
    を含む、
    評価スコアの算出方法。
20. アイテム間の関連度を示す第１のスコアを算出する第１のスコア算出機能と、
    アイテム間の関連度を示す第２のスコアを算出する第２のスコア算出機能と、
    同じアイテムの組に対して前記第１のスコア算出機能により算出された第１のスコアと前記第２のスコア算出機能により算出された第２のスコアとの関係を示す関係情報に基づき、前記第２のスコア算出機能により算出された第２のスコアを前記第１のスコアと同等の尺度に変換して変換後スコアを算出する尺度変換機能と、
    同じアイテムの組について前記第１のスコア算出機能により算出された第１のスコアと前記尺度変換機能により算出された変換後スコアとを組み合わせて評価スコアを算出する評価スコア算出機能と、
    をコンピュータに実現させるためのプログラム。
    

Images