JP5738785B2 - ユーザ嗜好に合った批評者を推薦するレコメンドプログラム、装置及び方法 - Google Patents

Description

本発明は、ユーザの嗜好に合ったアイテムを推薦するレコメンドサービスの技術に関する。

従来、ユーザの暗黙的な行動履歴情報を用いて、当該ユーザの嗜好に基づくアイテムを推薦するレコメンドサービスの技術がある。ここで、「ユーザ」とは、アイテムを購入・閲覧等の嗜好に基づく選択行動を行う主体をいう。また、「アイテム」とは、商品・役務であってもよく、例えば家電等の商品や電子図書等のコンテンツ、ウェブページやテレビ等の視聴コンテンツも含むものとする。行動履歴情報としては、例えば、当該ユーザにおけるアイテムの購入履歴や利用閲覧履歴がある。推薦すべきアイテムを推定するアルゴリズムとして、代表的には「協調フィルタリング(Collaborative Filtering)」がある（例えば非特許文献１及び２参照）。このアルゴリズムによれば、ユーザのアイテムに対する行動履歴、及び、他のユーザのアイテムに対する行動履歴に基づいて、関連度の高いアイテムを当該ユーザに推薦すべきとして推定する。これによって、ユーザに対して推薦されたアイテムは、そのユーザの嗜好に合ったものである可能性が高い。

図１は、従来技術におけるＥＣサイトサーバ及びＳＮＳサイトサーバを含むシステム構成図である。

図１によれば、インターネットに、ＥＣ(Electronic Commerce：電子商取引)サイトサーバ３が接続されている。「ＥＣサイトサーバ」は、アイテムをユーザに販売するサイトであって、具体的には、例えばスマートフォンへアプリケーションをダウンロードさせるサイトであってもよい。ＥＣサイトによれば、アイテムの購入完了ページに、ウェブビーコンが埋め込まれている。例えば、ユーザ１がアイテム３を購入した際に表示される購入完了ページの表示履歴が購入履歴として、データベースに蓄積される。

近年、ＥＣサイトによれば、アイテムを実際に購入又はその検討中の不特定多数のユーザが、その商品等に対する批評コメント（レビュー、review）を投稿することができる。このように批評コメントを投稿したユーザは、一般に「批評者（レビュア、reviewer）」と称される。その批評コメントは、不特定多数の第三者に公開され、その商品等の購入検討中のユーザも、自由にその批評コメントを閲覧し、購入の判断材料にすることができる。

また、図１によれば、インターネットに、ＳＮＳ(Social Networking Service)サイトサーバ５が接続されている。「ＳＮＳサイトサーバ」は、複数のユーザからなるグループの中で、一人のユーザによって投稿された投稿文（特定のアイテムに対する批評コメントとみなせる）を公開する。例えばfacebook（登録商標）やtwitter（登録商標）、google＋（登録商標）、mixi（登録商標）があり、一般にミニブログサイトとも称される。批評コメントとしては、例えば、ＳＮＳサイトサーバにおけるアプリに関する感想のつぶやきや、ブログサイトサーバにおけるアプリの利用方法をまとめた記事などがある。尚、以下では、ＳＮＳサイトサーバとして説明するが、勿論、コミュニケーションサイトサーバであればよく、ブログサーバ、掲示板サイトサーバ又はチャットサーバであってもよい。

例えば、ＥＣサイトサーバ３によれば、批評者によって投稿された批評コメント毎の表示部分に、例えばfacebookの「いいね！」ボタンが表示されている。このボタンは、ユーザが好心証を持ったことを端的に意味するものである。その批評コメントに好心証を持った一般閲覧者は、「いいね！」ボタンをクリックすることができる。ここで、批評コメントに対する評価（段階評価、レーティング）を実施する一般閲覧者を、以下では「批評評価者（レイター、rater）」と称する。批評評価者によってそのボタンがクリックされた場合、当該批評評価者がその批評コメントに対して好心証を持った旨の情報が、ＳＮＳサイトサーバ５へ収集される。そして、その情報が、ＳＮＳサイトサーバサイトのグループに属する他の利用者に対して公開される。これら他の利用者は、その批評評価者が好心証を持った批評コメントを知ることができる。

尚、図１から明らかなとおり、従来技術によれば、インターネットに、レコメンド装置１が備えられる場合も想定できる。このようなレコメンド装置１は、例えばＥＣサイトサーバ３と連携して、各ユーザに対してアイテムをレコメンドするものである。即ち、レコメンド装置１は、ＳＮＳサイトサーバ５とは全く別々に機能するものであった。

従来、会話やチャットのような同期型コミュニケーション中の履歴情報を用いて、円滑にコミュニケーションができるであろう会話相手を推薦する技術がある（例えば特許文献１参照）。この技術によれば、要求元の属性と、情報提供者の属性とを比較し、当該要求元の嗜好に沿った情報を提供するであろう情報提供者を選定することができる。その後、その両者の間の情報交換の活性度を更に収集し、その活性度によって、情報提供者の属性を更に更新することができる。

また、クライアントが、批評コメントを依頼する個人の検索要求をサーバへ送信し、サーバが、批評コメントに対して内容の類似性によって紐付けされた文書を検出し、その文書を作成した批評者を抽出する技術がある（例えば特許文献２参照）。この技術によれば、同一知識分野における批評経験の指標値を算出し、候補となる個人をランク付けすることができる。

更に、ユーザに適合する複数のアイテムを推薦するアイテム選択支援装置について、代表推薦者に類似する類似代表推薦者を抽出し、その類似代表推薦者の推薦アイテムも、ユーザに推薦される技術がある（例えば特許文献３参照）。ユーザには、推薦アイテムを選択可能なように表示される。

特開２０１１−０１３７８６号公報 特開２０１０−０６１１８３号公報 特開２００７−２０００９９号公報

P.Resnick, N.Iacovou, M.Suchak, P.Bergstrom, and J.Riedl. "GroupLens: Open Architecture for Collaborative Filtering of Netnews"In Conference on Computer Supported Cooperative Work, pp. 175-186(1994) Badrul Sarwar, George Karypis, Joseph Konstan, and John Reidl. 2001.Item-based collaborative filtering recommendation algorithms. In Proceedings ofthe 10th international conference on World ’Wide Web (WWW ‘01). ACM, New York,NY, USA, 285-295.

しかしながら、従来のレコメンドサービス技術によれば、当該ユーザに対する嗜好アイテムのみを推測するものであって、無機質な印象があり、ユーザの購入（利用）意欲（マーケティング）に結びつかない場合も多い。特に、レコメンド情報自体が、コマーシャル（広告情報、宣伝情報）としてイメージが強く、購入意欲が低いユーザにとっては興味が薄い場合も多い。また、ユーザによっては、広告情報のようなレコメンド情報の配信自体を希望しない場合も多い。

また、ＳＮＳサイトサーバを通じて、批評者の批評コメントに対して批評評価者の「いいね(Like)！」が付与されている場合、他の利用者にとっては強制的に閲覧させられることとなるが、必ずしも購入意欲にまでつなげるものではない。その理由として、ＳＮＳサイトサーバに属するグループのメンバ（フォロワーや友達）の嗜好性が必ずしも同一ではないからである。

批評評価者の評価としては、批評者の批評コメントに対するレベルを段階評価（単純評価のいいね（like）！、５段階評価の５つ星（★★★☆☆）、２段階評価のBad／Good等）で表したものもあり、その情報は、そのアイテムに興味のあるユーザにとっては確かに有益である。また、批評評価者による批評の評価レベルの区分に応じて批評コメントを表示／非表示等、有益な批評を厳選することも可能であり、ユーザが閲覧しやすいようにもなっている。しかしながら、前述のとおり、そもそものアイテム自体の嗜好がなければ、「いいね！」ボタンによって推薦された批評コメントであっても、当該ユーザにとってその批評コメントを閲覧することが有用であるとは限らない。

特許文献１に記載された技術によれば、適切な１対１のコミュニケーション（会話）相手を発見するにすぎない。また、特許文献２に記載された技術によれば、ユーザ自らが意識的に検索するものであって、暗示的な情報を推薦するものではない。加えて、批評者の評価は、文書作成経験数のような活性度で表されており、レビューの受け手となるユーザを基準としたものではない。更に、特許文献３に記載された技術によれば、ユーザが能動的にアイテムを選択するものであって、ユーザの嗜好に基づいた批評コメントを記載した批評者を、自動的な発見するものでもない。

ここで、発明者らは、ユーザの嗜好に合った批評者を発見することが有益であると考えた。即ち、ユーザに対して、そのユーザの嗜好にあったモノ（アイテム）だけを推薦するのでなく、そのユーザの嗜好にあった批評者を推薦することが好ましいと考えた。そのレビュアにおける各アイテムに対する批評コメントは、当該ユーザの嗜好に合ったものであると想定される。

そこで、本発明は、アイテムに対して多数の批評者によって批評コメントが投稿されている中で、当該ユーザの嗜好に合った批評者を当該ユーザへ推薦することができるレコメンドプログラム、装置及び方法を提供することを目的とする。

本発明によれば、装置に搭載されたコンピュータを、ユーザにおけるアイテムの利用履歴情報に基づいて他のアイテムをレコメンドするように機能させるレコメンドプログラムにおいて、
レビュア識別子とは、各アイテムに批評コメントを投稿した「批評者」の識別子であり、
レイター識別子とは、批評者（レビュア識別子）が批評した各アイテムの批評コメントに対して評価レベルを付与した「批評評価者」の識別子であり、
ユーザ識別子毎に、各アイテムの利用履歴又は評価履歴に基づくユーザ嗜好情報に対する協調フィルタリングによって、各アイテムの推定嗜好度を算出する協調フィルタリング手段と、
ユーザ識別子毎に、各アイテムの推定嗜好度を蓄積したユーザ嗜好度蓄積手段と、
レビュア識別子（批評者）毎に、各レイター識別子（批評評価者）の各アイテムの評価レベルを平均化、累積化、正規化又は最大値化した推定評価度を算出するレビュア評価度算出手段と、
レビュア識別子（批評者）毎に、各アイテムの推定評価度を蓄積したレビュア評価度蓄積手段と、
アイテム毎に、レコメンド対象のユーザ識別子における推定嗜好度と、レビュア識別子における推定評価度との乗算値の和を「有用度」として算出するレビュア有用度算出手段と、
当該ユーザ識別子について、少なくとも最も高い有用度に基づくレビュア識別子（批評者）を選択するレビュア選択手段と、
選択されたレビュア識別子（批評者）を、ユーザ操作の端末へ送信するレコメンド手段と
してコンピュータを機能させることを特徴とする。

本発明のレコメンドプログラムにおける他の実施形態によれば、
レビュア評価度蓄積手段は、レビュア識別子及びアイテムに対応する批評コメントを更に蓄積しており、
レコメンド手段は、選択されたレビュア識別子に基づく批評者が各アイテムに対して批評した批評コメントを、レビュア評価度蓄積手段から取得し、ユーザの操作の端末へ送信することも好ましい。

本発明のレコメンドプログラムにおける他の実施形態によれば、
レコメンド手段は、
ユーザ嗜好度蓄積手段から、当該ユーザについて推定嗜好度が所定閾値以上となるアイテムを選択し、ユーザ操作の端末へ送信すると共に、
選択されたレビュア識別子に基づく批評者が、選択されたアイテムに対して批評した批評コメントを、レビュア評価度蓄積手段又は他のサーバから取得し、ユーザの操作の端末へ送信することも好ましい。

本発明のレコメンドプログラムにおける他の実施形態によれば、
ユーザ嗜好情報蓄積手段について、アイテムの利用履歴は、ユーザ識別子に基づくユーザにおける、商品役務をアイテムとしたその購入・利用の有無、又は、アプリケーションをアイテムとした所有端末へのインストールの有無を記憶したものであるようにコンピュータを更に機能させることも好ましい。

本発明のレコメンドプログラムにおける他の実施形態によれば、
レビュア評価レベル蓄積手段における批評者が判定する評価レベルは、批評コメントに対する心証を表す１段階以上のレベルを記憶したものであるようにコンピュータを更に機能させることも好ましい。

本発明のレコメンドプログラムにおける他の実施形態によれば、
レビュア識別子に基づく批評者の批評コメントは、ＳＮＳ(Social Networking Service)サイト又はブログ(Web log)サイトに投稿されたコメント文章であり、
批評者が判定する評価レベルは、コメント文章に対する「いいね(Like)！」「＋１」「リツィート」「ブックマーク」「good/bad評価」「参考になった／参考にならなかった」「お気に入り」又は「５段階評価」のレベルであるようにコンピュータを機能させることも好ましい。

本発明によれば、ユーザにおけるアイテムの利用履歴情報に基づいて他のアイテムをレコメンドするレコメンド装置において、
レビュア識別子とは、各アイテムに批評コメントを投稿した「批評者」の識別子であり、
レイター識別子とは、批評者（レビュア識別子）が批評した各アイテムの批評コメントに対して評価レベルを付与した「批評評価者」の識別子であり、
ユーザ識別子毎に、各アイテムの利用履歴又は評価履歴に基づくユーザ嗜好情報に対する協調フィルタリングによって、各アイテムの推定嗜好度を算出する協調フィルタリング手段と、
ユーザ識別子毎に、各アイテムの推定嗜好度を蓄積したユーザ嗜好度蓄積手段と、
レビュア識別子（批評者）毎に、各レイター識別子（批評評価者）の各アイテムの評価レベルを平均化、累積化、正規化又は最大値化した推定評価度を算出するレビュア評価度算出手段と、
レビュア識別子（批評者）毎に、各アイテムの推定評価度を蓄積したレビュア評価度蓄積手段と、
アイテム毎に、レコメンド対象のユーザ識別子における推定嗜好度と、レビュア識別子における推定評価度との乗算値の和を「有用度」として算出するレビュア有用度算出手段と、
当該ユーザ識別子について、少なくとも最も高い有用度に基づくレビュア識別子（批評者）を選択するレビュア選択手段と、
選択されたレビュア識別子（批評者）を、ユーザ操作の端末へ送信するレコメンド手段と
を有することを特徴とする。

本発明によれば、装置を用いて、ユーザにおけるアイテムの利用履歴に基づいて他のアイテムをレコメンドするレコメンド方法において、
装置は、
レビュア識別子とは、各アイテムに批評コメントを投稿した「批評者」の識別子であり、
レイター識別子とは、批評者（レビュア識別子）が批評した各アイテムの批評コメントに対して評価レベルを付与した「批評評価者」の識別子であり、
ユーザ識別子毎に、各アイテムの利用履歴又は評価履歴に基づくユーザ嗜好情報に対する協調フィルタリングによって、各アイテムの推定嗜好度を算出し、各アイテムの推定嗜好度を蓄積したユーザ嗜好度蓄積部と、
レビュア識別子（批評者）毎に、各レイター識別子（批評評価者）の各アイテムの評価レベルを平均化、累積化、正規化又は最大値化した推定評価度を算出し、各アイテムの推定評価度を蓄積したレビュア評価度蓄積部と
を有し、
装置は、
アイテム毎に、レコメンド対象のユーザ識別子における推定嗜好度と、レビュア識別子における推定評価度との乗算値の和を「有用度」として算出する第１のステップと、
当該ユーザ識別子について、少なくとも最も高い有用度に基づくレビュア識別子（批評者）を選択する第２のステップと、
選択されたレビュア識別子（批評者）を、ユーザ操作の端末へ送信する第３のステップと
を有することを特徴とする。

本発明のレコメンドプログラム、装置及び方法によれば、アイテムに対して多数の批評者によって批評コメントが投稿されている中で、当該ユーザの嗜好に合った、評価の高い批評者を当該ユーザへ推薦することができる。

従来技術におけるＥＣサイトサーバ及びＳＮＳサイトサーバを含むシステム構成図である。 本発明におけるシステム構成図である。 ユーザ嗜好情報を表す説明図である。 レビュア評価レベルを表す説明図である。 本発明におけるレコメンド装置の機能構成図である。 本発明におけるシーケンス図である。 協調フィルタリングによって算出された推定嗜好度を表す説明図である。 レビュア評価度算出部によって算出されたレビュア評価度を表す説明図である。 各ユーザに対する批評者毎の有用度を表す説明図である。 批評コメント及び評価レベルを収集する第１のシーケンス図である。 批評コメント及び評価レベルを収集する第２のシーケンス図である。 批評コメント及び評価レベルを収集する第３のシーケンス図である。

以下では、本発明の実施の形態について、図面を用いて詳細に説明する。

図２は、本発明におけるシステム構成図である。

図２によれば、インターネットに接続されたレコメンド装置（サーバ）１は、例えばＥＣサイトサーバ３又はユーザ操作に基づく端末２からユーザ嗜好情報を取得する。「ユーザ嗜好情報」とは、例えばユーザ識別子毎に、各アイテムの利用履歴を２値（０，１）で表したものである。勿論、ユーザ嗜好情報は、ユーザによるアイテムの「お気に入り」「good/bad評価」「ブックマーク」「５段階評価」等の行為による、段階的なレベルで表したものであってもよい。また、「アイテムの利用履歴」とは、例えば、ユーザ識別子に基づくユーザにおける、商品役務をアイテムとしたその購入・利用の有無、又は、アプリケーションをアイテムとした所有端末へのインストールの有無を記憶したものである。勿論、アイテムは、商品役務に限られず、商品・役務の詳細を記載したウェブページへのリンク（ＵＲＬ）や商品・役務に関連するハッシュタグのようなものであってあってもよい（ユーザに、ＵＲＬやハッシュタグをレコメンドする等）。

図３は、ユーザ嗜好情報を表す説明図である。

図３によれば、ユーザ識別子（縦列）毎に、過去に当該ユーザが購入又は利用したアイテム（横列）には、「１」が付与されている。逆に、過去に購入又は利用しなかったアイテムには、「０」が付与されている。図３によれば、例えば、ユーザ１は、アプリ１、２、３、５を、自らのスマートフォンにインストール済みであることが理解できる。

また、レコメンド装置１は、例えばＳＮＳサイトサーバ５から、レビュア識別子毎の評価レベルを取得する。「評価レベル」とは、レビュア識別子毎に、その批評者が各アイテムに対して批評した批評コメントを、各批評評価者が評価したものである。批評者の批評コメントとは、ＥＣサイトの同商品詳細ページにて公開されるコメントや、外部のＳＮＳサイト又はブログサイトに投稿されたコメント文章であってもよい。外部のＳＮＳサイト等の批評コメントを利用する際は、共通に定義されたアイテム識別子を用いるか、又は、アイテムに関連するハッシュタグを用いることでどのアイテムに関するコメントかを判別することも望ましい。

ここで、「アイテムの評価レベル」とは、批評評価者が設定した、批評者が当該アイテムに対して批評した批評コメントに対する心証を表す１段階以上のレベルをいう。具体的には、facebookにおける「いいね(Like)！」、google＋における「＋１」、twitterにおける「リツィート」、「ブックマーク」、その他「good/bad評価」「参考になった／参考にならなかった」「お気に入り」又は「５段階評価」のレベルがある。例えば「いいね！」「＋１」がクリックされた回数や「リツィート」の回数を、段階的なレベルで表したものであってもよい。

図４は、レビュア評価レベルを表す説明図である。

図４によれば、レビュア識別子毎に、レイター識別子（縦列）とアイテム（横列）とのテーブルを有する。レイター識別子は、批評評価者毎に付与される識別子である。批評評価者は、批評者の各アイテムの批評コメントに対して、評価レベルを付与する。図４によれば、批評者１がアプリ１に対して批評した批評コメントに対して、批評評価者１が評価レベル「４」を付与している。また、批評者１がアプリ１に対して批評した批評コメントに対して、批評評価者３が評価レベル「２」を付与している。

尚、レコメンド装置１は、ＥＣサイトサーバ３及びＳＮＳサイトサーバ５に対して、ＡＰＩ(Application Programming Interface)を介して、ユーザ嗜好情報及び評価レベルを取得する。ＡＰＩは、アプリケーションサービスの機能を利用するための規則インタフェースである。このＡＰＩは、サーバ毎に異なるものとして用意される。

そして、本発明のレコメンド装置１は、ユーザ嗜好情報及び評価レベルを蓄積することによって、商品等（アイテム）に対して多数の批評者によって批評コメントが投稿されている中で、当該ユーザの嗜好に合った批評者を、当該ユーザへ推薦する。

図５は、本発明におけるレコメンド装置の機能構成図である。
図６は、本発明におけるシーケンス図である。
以下では、図６のシーケンスを参照しつつ、図５の各機能構成部について説明する。

図５によれば、レコメンド装置１は、インターネットに接続する通信インタフェース１０と、ユーザ嗜好度蓄積部１１と、レビュア評価度蓄積部１２と、レビュア有用度算出部１３と、レビュア選択部１４と、レコメンド部１５とを有する。通信インタフェース１０を除くこれら機能構成部は、装置に搭載されたコンピュータを機能させるレコメンドプログラムを実行することによって実現される。

［ユーザ嗜好度蓄積部１１］
ユーザ嗜好度蓄積部１１は、ユーザ識別子毎に、各アイテムの推定嗜好度を記憶する。ここで、図５によれば、レコメンド装置１は、ユーザ嗜好情報蓄積部１１１と、協調フィルタリング部１１２とを有する。

ユーザ嗜好情報蓄積部１１１は、ユーザ嗜好情報（前述した図３参照）を、ユーザ識別子毎に、例えばＥＣサイトサーバ３又はユーザ操作に基づく端末２から受信し蓄積する（図６のＳ６１参照）。

協調フィルタリング部１１２は、ユーザ嗜好情報蓄積部１１１のユーザ嗜好情報から、協調フィルタリングを用いて、ユーザ識別子毎に、各アイテムの推定嗜好度を算出する（図６のＳ６２参照）。算出された推定嗜好度は、ユーザ嗜好度蓄積部１１によって蓄積される（図６のＳ６３参照）。

協調フィルタリングは、ユーザ嗜好情報を用いて、以下の２つのステップで実行される。但し、以下のようなステップは、協調フィルタリングの実施例であって、この方法に限定するものではない。
（Ｓ１）ユーザ同士が同時購入したアイテムの組み合わせの回数を集計する等によって、アイテム間の関連性を分析する。例えば図３によれば、アプリ１及び３について、３人のユーザが購入している。即ち、第１のアイテムと合わせて購入された第２のアイテムとをクロス集計する。
（Ｓ２）次に、組み合わせの総和からセットで購入される推定割合を、算出する。この推定割合を、推定嗜好度とする。

図７は、協調フィルタリングによって算出された推定嗜好度を表す説明図である。

図７によれば、例えばユーザ１はアプリ１、２、３及び５を過去に購入している。これに対して、ユーザ１がアプリ４を購入する推定嗜好度は、０．７３となっている。また、ユーザ１がアプリ６を購入する推定嗜好度は、０．９９となっている。ここでは、ユーザ１は、アプリ６を購入する確率が高いと推定される。尚、協調フィルタリングのアルゴリズムは、例えば表計算ソフトウェアにも、予め標準関数として実装されている。
Pref(U,A)：当該ユーザUに対するアプリＡに対する推定嗜好度
但し、既に購入しているアプリに関する推定嗜好度は、協調フィルタリングについて定義する最大の値を与える。例えば、該協調フィルタリングの嗜好度が0〜1で定義されているとするときは、Pref(U,A)=1とする。

［レビュア評価度蓄積部１２］
レビュア評価度蓄積部１２は、各アイテムに対する批評コメントの推定評価度を、レビュア識別子毎に記憶する。ここで、図５によれば、レコメンド装置１は、レビュア評価レベル蓄積部１２１と、レビュア評価度算出部１２２とを更に有する。

レビュア評価レベル蓄積部１２１は、批評者による各アイテムの批評コメントに対する、各批評評価者の評価レベルを蓄積する（前述した図４参照、図６のＳ６４参照）。尚、評価レベルには、勿論、マイナス評価があってもよい。

レビュア評価度算出部１２２は、レビュア識別子毎に、各アイテムにおける評価レベルを平均化（又は累積化、正規化、最大値）した推定評価度を算出する（図６のＳ６５参照）。
Rev(R,A)：当該批評者RにおけるアプリAに対する評価度
尚、正規化とは、（素値−最小値）／（最大値−最小値）で０〜１間の値にすることをいう。尚、批評者毎に異なる重みαを、批評者毎の評価度に乗算した推定評価度を算出することも好ましい。

レビュア評価度蓄積部１２は、ＳＮＳサイトサーバ５から予め取得した、レビュア識別子及びアイテムに対応する批評コメントを蓄積することも好ましい。批評コメントも、ユーザへ送信できることが望ましい。

図８は、レビュア評価度算出部によって算出されたレビュア評価度を表す説明図である。

図８によれば、レビュア識別子毎に、各アイテムに対する各批評評価者からの評価レベルを平均化した推定評価度が表されている。この推定評価度は、レビュア評価度蓄積部１２によって蓄積される（図６のＳ６６参照）。

［レビュア有用度算出部１３］
レビュア有用度算出部１３は、当該ユーザUに対する批評者Rの有用度Point(U,R)を算出する（図６のＳ６７参照）。

図９は、各ユーザに対する批評者毎の有用度を表す説明図である。

レビュア有用度算出部１３は、レコメンドすべきユーザの当該ユーザ識別子Uにおける各アイテムの推定嗜好度Pref(U,A)に、レビュア識別子Rにおける各アイテムAの推定評価度Rev(R,A)をアイテム毎に乗算し、各アイテムの乗算値を合算する。例えば以下の２つの例示式によって算出する。
Point(U,R)＝Σ(Rev(R,A)*Pref(U,A))
Point(U,R)＝Σ(Rev(R,A)*Pref(U,A))/Num(R)
Num(R)：批評者Rの残した批評コメント数

［レビュア選択部１４］
レビュア選択部１４は、当該ユーザ識別子について、有用度Point(U,R)が最も高いレビュア識別子を選択する（図６のＳ６８参照）。また、有用度Point(U,R)が所定閾値以上となる１つ以上のレビュア識別子を選択するものであってもよい。

［レコメンド部１５］
レコメンド部１５は、選択されたレビュア識別子を、ユーザ操作の端末へ送信する（図６のＳ６９参照）。

ここで、レコメンド部１５は、選択されたレビュア識別子に基づく批評者が各アイテムに対して批評した批評コメントを、レビュア評価度蓄積部１２から取得し、ユーザの操作の端末へ送信することも好ましい。これによって、ユーザは、自らの嗜好に合った批評者の批評コメントを閲覧することができる。

また、レコメンド部１５は、ユーザ嗜好度蓄積部１１から、レコメンドすべき当該ユーザについて、推定嗜好度が所定閾値以上となるアイテムを選択し、ユーザ操作の端末２へ送信することも好ましい。このとき、選択されたレビュア識別子に基づく批評者が、選択されたアイテムに対して批評した批評コメントを、レビュア評価度蓄積部１２から取得し、ユーザの操作の端末２へ送信することも好ましい。これによって、ユーザは、推薦されたアイテムを知ることができると共に、そのアイテムにおける、自らの嗜好に合った批評者の批評コメントを閲覧することもできる。

最後に、批評コメント及びレビュア評価レベルを収集する技術について説明する。即ち、図６のＳ６４におけるレビュア評価レベルをどのように蓄積するかについて詳述する。

図１０は、批評コメント及び評価レベルを収集する第１のシーケンス図である。

図１０によれば、ＥＣサイトサーバ３内に、評価レベルを収集する機能がある。最初に、批評者は、端末４を用いて、ＥＣサイトサーバ３のアイテムページで、所望のアイテムについて「コメントする」ボタンをクリックし、批評コメントを記述する。批評者の端末４は、アイテムに対応付けられた批評コメントを、ＥＣサイトサーバ３へ送信する。

その後、批評評価者は、端末６を用いて、ＥＣサイトサーバ３における当該アイテムを閲覧し、その批評コメントも視認することができる。このとき、批評評価者は、その批評コメントについて例えば評価レベル４を付与したとする。批評評価者の端末６は、この評価レベルを、ＥＣサイトサーバ３へ送信する。

そして、ＥＣサイトサーバ３は、収集した評価レベルを、本発明に基づくレコメンド装置１へ送信する。

図１１は、批評コメント及び評価レベルを収集する第２のシーケンス図である。

図１１によれば、ＥＣサイトサーバ３を介して、ＳＮＳサイトサーバ５によって評価レベルを収集する。最初に、批評者は、端末４を用いて、ＥＣサイトサーバ３のアイテムページで、所望のアイテムについて「コメントする」ボタンをクリックし、批評コメントを記述する。批評者の端末４は、アイテムに対応付けられた批評コメントを、ＥＣサイトサーバ３へ送信する。

その後、批評評価者は、端末６を用いて、ＥＣサイトサーバ３における当該アイテムを閲覧し、その批評コメントも視認することができる。このとき、批評評価者は、その批評コメントについて例えば「いいね！」ボタンをクリックしたとする。批評評価者の端末６は、この評価レベルを、ＥＣサイトサーバ３へ送信する。

ＥＣサイトサーバ３は、「いいね！」ボタンに対応する例えばfacebook（登録商標）のＳＮＳサイトサーバ５へ、その批評コメントを転送する。これによって、ＳＮＳサイトサーバ５は、転送された批評コメントをグループ内に公開する。

ここで、ＥＣサイトサーバ３は、当該アイテムについて、転送した批評コメントの数をカウントし、その数を評価レベルとする。ＥＣサイトサーバ３は、収集した評価レベルを、本発明に基づくレコメンド装置１へ送信する。

図１２は、批評コメント及び評価レベルを収集する第３のシーケンス図である。

図１２によれば、ＳＮＳサイトサーバ５によって評価レベルを収集する。最初に、批評者は、端末４を用いて、ＥＣサイトサーバ３のアイテムページで、所望のアイテムについて「ＳＮＳにコメントする」ボタンをクリックし、批評コメントを記述する。このとき、批評者は、批評コメントに加えて、ハッシュタグ（例えばtwitter（登録商標）における#・・・）も記述する。このハッシュタグは、ボタンクリック時に予め投稿用フォームに自動で付与されることも望ましい。批評者の端末４は、アイテムに対応付けられた批評コメントを、ＥＣサイトサーバ３へ送信する。

これに対し、ＥＣサイトサーバ３は、ハッシュタグが付与された批評コメントを、ＳＮＳサイトサーバ５へ転送する。これによって、ＳＮＳサイトサーバ５は、ハッシュタグと共に批評コメントをグループ内に公開する。

その後、批評評価者は、端末６を用いて、ＳＮＳサイトサーバ５でその批評コメントを閲覧することができる。このとき、批評評価者は、その批評コメントについて例えば「Retweet」ボタン（又は「お気に入り」）をクリックしたとする。批評評価者の端末６は、この「Retweet」ボタンの情報を、ＳＮＳサイトサーバ５へ送信する。

ＳＮＳサイトサーバ５は、「Retweet」の評価レベルが「＋１」であるとすると、その数をカウントする。そして、ＳＮＳサイトサーバ５は、評価レベルを、本発明に基づくレコメンド装置１へ送信する。尚、レコメンド装置１について、ＳＮＳサイトサーバ５の批評コメントを、ハッシュタグを用いて検索し、その検索ヒット数をカウントして評価レベルを収集することもできる。

このように、図１０〜図１２のような様々なシーケンスによって収集された評価レベルを、レコメンド装置１は受信することができる。

以上、詳細に説明したように、本発明のレコメンドプログラム、装置及び方法によれば、商品等（アイテム）に対して多数の批評者によって批評コメントが投稿されている中で、当該ユーザが嗜好している、又は嗜好すると推定されるアイテムの批評コメントを残しており、かつ、当該批評コメントにおいて高評価を得ている批評者を当該ユーザへ推薦することができる。これによって、ユーザは、自らの嗜好に合った、評価の高い批評者を知ることができる。本発明によれば、ユーザ嗜好情報と、アイテムに対する批評者の批評コメントと、その批評コメントに対する批評評価者の評価レベルとの３元情報を用いる。これによって、ユーザには、単なるアイテムだけのレコメンドではなく、当該ユーザの嗜好にあった批評者をレコメンドすることができる。

前述した本発明の種々の実施形態について、本発明の技術思想及び見地の範囲の種々の変更、修正及び省略は、当業者によれば容易に行うことができる。前述の説明はあくまで例であって、何ら制約しようとするものではない。本発明は、特許請求の範囲及びその均等物として限定するものにのみ制約される。

１ レコメンド装置
１０ 通信インタフェース
１１ ユーザ嗜好度蓄積部
１１１ ユーザ嗜好情報蓄積部
１１２ 協調フィルタリング部
１２ レビュア評価度蓄積部
１２１ レビュア評価レベル蓄積部
１２２ レビュア評価度算出部
１３ レビュア有用度算出部
１４ レビュア選択部
１５ レコメンド部
２ ユーザ用の端末
３ ＥＣサイトサーバ
４ 批評者用の端末
５ ＳＮＳサイトサーバ
６ 批評評価者用の端末

Claims (8)

1. 装置に搭載されたコンピュータを、ユーザにおけるアイテムの利用履歴情報に基づいて他のアイテムをレコメンドするように機能させるレコメンドプログラムにおいて、
   レビュア識別子とは、各アイテムに批評コメントを投稿した「批評者」の識別子であり、
   レイター識別子とは、批評者（レビュア識別子）が批評した各アイテムの批評コメントに対して評価レベルを付与した「批評評価者」の識別子であり、
   ユーザ識別子毎に、各アイテムの利用履歴又は評価履歴に基づくユーザ嗜好情報に対する協調フィルタリングによって、各アイテムの推定嗜好度を算出する協調フィルタリング手段と、
   ユーザ識別子毎に、各アイテムの前記推定嗜好度を蓄積したユーザ嗜好度蓄積手段と、
   レビュア識別子（批評者）毎に、各レイター識別子（批評評価者）の各アイテムの評価レベルを平均化、累積化、正規化又は最大値化した推定評価度を算出するレビュア評価度算出手段と、
   レビュア識別子（批評者）毎に、各アイテムの前記推定評価度を蓄積したレビュア評価度蓄積手段と、
   アイテム毎に、レコメンド対象のユーザ識別子における推定嗜好度と、レビュア識別子における推定評価度との乗算値の和を「有用度」として算出するレビュア有用度算出手段と、
   当該ユーザ識別子について、少なくとも最も高い有用度に基づくレビュア識別子（批評者）を選択するレビュア選択手段と、
   選択されたレビュア識別子（批評者）を、ユーザ操作の端末へ送信するレコメンド手段と
   してコンピュータを機能させることを特徴とするレコメンドプログラム。
2. 前記レビュア評価度蓄積手段は、レビュア識別子及びアイテムに対応する前記批評コメントを更に蓄積しており、
   前記レコメンド手段は、選択された前記レビュア識別子に基づく批評者が各アイテムに対して批評した批評コメントを、前記レビュア評価度蓄積手段から取得し、ユーザの操作の端末へ送信することを特徴とする請求項１に記載のレコメンドプログラム。
3. 前記レコメンド手段は、
   前記ユーザ嗜好度蓄積手段から、当該ユーザについて推定嗜好度が所定閾値以上となるアイテムを選択し、ユーザ操作の端末へ送信すると共に、
   選択された前記レビュア識別子に基づく批評者が、選択されたアイテムに対して批評した批評コメントを、前記レビュア評価度蓄積手段又は他のサーバから取得し、ユーザの操作の端末へ送信することを特徴とする請求項２に記載のレコメンドプログラム。
4. 前記ユーザ嗜好情報蓄積手段について、前記アイテムの利用履歴は、前記ユーザ識別子に基づくユーザにおける、商品役務をアイテムとしたその購入・利用の有無、又は、アプリケーションをアイテムとした所有端末へのインストールの有無を記憶したものであるようにコンピュータを更に機能させることを特徴とする請求項１から３のいずれか１項に記載のレコメンドプログラム。
5. 前記レビュア評価レベル蓄積手段における批評者が判定する評価レベルは、批評コメントに対する心証を表す１段階以上のレベルを記憶したものであるようにコンピュータを更に機能させることを特徴とする請求項４に記載のレコメンドプログラム。
6. 前記レビュア識別子に基づく批評者の批評コメントは、ＳＮＳ(Social Networking Service)サイト又はブログ(Web log)サイトに投稿されたコメント文章であり、
   批評者が判定する前記評価レベルは、前記コメント文章に対する「いいね(Like)！」「＋１」「リツィート」「ブックマーク」「good/bad評価」「参考になった／参考にならなかった」「お気に入り」又は「５段階評価」のレベルであるようにコンピュータを機能させることを特徴とする請求項１から５のいずれか１項に記載のレコメンドプログラム。
7. ユーザにおけるアイテムの利用履歴情報に基づいて他のアイテムをレコメンドするレコメンド装置において、
   レビュア識別子とは、各アイテムに批評コメントを投稿した「批評者」の識別子であり、
   レイター識別子とは、批評者（レビュア識別子）が批評した各アイテムの批評コメントに対して評価レベルを付与した「批評評価者」の識別子であり、
   ユーザ識別子毎に、各アイテムの利用履歴又は評価履歴に基づくユーザ嗜好情報に対する協調フィルタリングによって、各アイテムの推定嗜好度を算出する協調フィルタリング手段と、
   ユーザ識別子毎に、各アイテムの前記推定嗜好度を蓄積したユーザ嗜好度蓄積手段と、
   レビュア識別子（批評者）毎に、各レイター識別子（批評評価者）の各アイテムの評価レベルを平均化、累積化、正規化又は最大値化した推定評価度を算出するレビュア評価度算出手段と、
   レビュア識別子（批評者）毎に、各アイテムの前記推定評価度を蓄積したレビュア評価度蓄積手段と、
   アイテム毎に、レコメンド対象のユーザ識別子における推定嗜好度と、レビュア識別子における推定評価度との乗算値の和を「有用度」として算出するレビュア有用度算出手段と、
   当該ユーザ識別子について、少なくとも最も高い有用度に基づくレビュア識別子（批評者）を選択するレビュア選択手段と、
   選択されたレビュア識別子（批評者）を、ユーザ操作の端末へ送信するレコメンド手段と
   を有することを特徴とするレコメンド装置。
8. 装置を用いて、ユーザにおけるアイテムの利用履歴に基づいて他のアイテムをレコメンドするレコメンド方法において、
   前記装置は、
   レビュア識別子とは、各アイテムに批評コメントを投稿した「批評者」の識別子であり、
   レイター識別子とは、批評者（レビュア識別子）が批評した各アイテムの批評コメントに対して評価レベルを付与した「批評評価者」の識別子であり、
   ユーザ識別子毎に、各アイテムの利用履歴又は評価履歴に基づくユーザ嗜好情報に対する協調フィルタリングによって、各アイテムの推定嗜好度を算出し、各アイテムの前記推定嗜好度を蓄積したユーザ嗜好度蓄積部と、
   レビュア識別子（批評者）毎に、各レイター識別子（批評評価者）の各アイテムの評価レベルを平均化、累積化、正規化又は最大値化した推定評価度を算出し、各アイテムの前記推定評価度を蓄積したレビュア評価度蓄積部と
   を有し、
   前記装置は、
   アイテム毎に、レコメンド対象のユーザ識別子における推定嗜好度と、レビュア識別子における推定評価度との乗算値の和を「有用度」として算出する第１のステップと、
   当該ユーザ識別子について、少なくとも最も高い有用度に基づくレビュア識別子（批評者）を選択する第２のステップと、
   選択されたレビュア識別子（批評者）を、ユーザ操作の端末へ送信する第３のステップと
   を有することを特徴とするレコメンド方法。

Images