JP4539712B2 - 情報処理端末、情報処理方法、およびプログラム - Google Patents

Description

本発明は、情報処理端末、情報処理方法、およびプログラムに関し、特に、生体情報に基づいて、コンテンツの推薦をより適切に行うことができるようにした情報処理端末、情報処理方法、およびプログラムに関する。

複数のユーザの購買履歴や行動履歴をもとに、対象のユーザと似た反応を示す他のユーザを特定し、特定した他のユーザの履歴から、対象のユーザにとって未経験のコンテンツをその対象のユーザに推薦する技術がある。このような技術は、協調フィルタリング(Collaborative Filtering)と呼ばれる（非特許文献１）。

これにより、対象のユーザは、自分が視聴したことのないコンテンツであって、自分と似た反応を示す他のユーザが購入し、高い評価をしているコンテンツの推薦を受けたりすることができる。

P. Resnick, N. Iacovou, M. Suchak, P. Bergstrom, and J. Riedl. "GroupLens?: Open Architecture for Collaborative Filtering of Netnews." Conference on Computer Supported Cooperative Work, pp. 175-186, 1994

協調フィルタリングは、商品の購買などのようなユーザの意思決定については効果的であるものの、コンテンツといったような、それを利用しているときにユーザの反応が時系列的に変化するようなものを対象とした推薦には効果的であるとはいえない。

例えば、推薦するコンテンツを選択するときの基準となる他のユーザの反応は、「好き」、「どちらでもない」、「嫌い」といったような、コンテンツに対する最終的な反応だけであり、そのコンテンツのどの部分が好きか、どの部分が嫌いかといったような、コンテンツの最終的な反応に至る経緯については考慮されていない。

好き嫌いを意識的に評価することはできるが、具体的に、どのように感じているから好きである／嫌いであるということを言語化することは難しい。

一方、脳波の状態を観測したり、発汗の状態を観測したりして得られた生体情報によりユーザの感情を推定する技術がある。

この技術をコンテンツの推薦に適用した場合、例えば、コンテンツの視聴中に生体情報を実際に観測して感情を推定し、推定した感情と同じ感情を過去に示したコンテンツを検索して推薦するようなことも考えられるが、この場合、ユーザが興味を持つであろうと考えられる未知のコンテンツを特定し、推薦することはできない。

本発明はこのような状況に鑑みてなされたものであり、生体情報に基づいて、コンテンツの推薦をより適切に行うことができるようにするものである。

本発明の一側面である情報処理端末は、コンテンツの再生中にユーザが示す、血液中に含まれるヘモグロビンの量、血流量、汗の量、または脈拍のうちの少なくとも１つを含む生体反応を表す生体情報を取得する生体情報取得手段と、前記生体情報が取得されたそれぞれのコンテンツの特徴を表すジャンル、テンポ、速さ、リズム、歌詞の有無、歌手、または作曲家のうちの少なくとも１つを含む複数の属性からなるメタデータを取得するメタデータ取得手段と、コンテンツに対する前記ユーザの操作に応じて対応する前記メタデータを解析し、前記メタデータの各属性の属性値毎の前記ユーザの嗜好を示す嗜好値からなるプロファイルを更新するプロファイル生成手段と、複数のコンテンツにそれぞれ対応する前記生体情報と前記メタデータを比較し、前記メタデータに含まれる複数の属性のうち、前記生体情報の類似性と相関がある属性を特定するとともに、特定した属性の属性値は異なるものの前記ユーザの前記生体情報が類似している複数のコンテンツが存在する場合、前記複数のコンテンツにそれぞれ対応している、特定した属性の異なる属性値を、区別する必要のない属性値として特定する特定手段と、前記ユーザの前記プロファイルを、特定された属性の属性値のうちの区別する必要のない前記属性値に関する嗜好値をマージすることにより再構成するプロファイル管理手段と、再構成されたプロファイルに基づき、前記ユーザの嗜好値が高い属性値に対応するコンテンツを、推薦コンテンツに特定する推薦コンテンツ特定手段と、特定された推薦コンテンツの情報をユーザに提示する推薦手段とを備え、前記プロファイル生成手段は、前記コンテンツに対するユーザの操作毎に、当該コンテンツに対応する属性の属性値に基づいて属性値毎に操作回数の累計を取得して、属性値毎の操作回数の累計を前記ユーザの嗜好値とし、前記属性値毎の嗜好値からなる前記プロファイルを更新し、前記特定手段は、属性値毎に当該属性値に対応するすべてのコンテンツの生体情報が類似する属性値を特定し、前記特定された属性値のうち、値の異なる一の属性値と他の属性値であって、一の属性値に対応するコンテンツの生体情報と他の属性値に対応するコンテンツの生体情報とが類似する前記一の属性値および前記他の属性値を、前記区別する必要のない属性値として特定する。

本発明の一側面である情報処理方法またはプログラムは、コンテンツの再生中にユーザが示す、血液中に含まれるヘモグロビンの量、血流量、汗の量、または脈拍のうちの少なくとも１つを含む生体反応を表す生体情報を取得し、前記生体情報が取得されたそれぞれのコンテンツの特徴を表すジャンル、テンポ、速さ、リズム、歌詞の有無、歌手、または作曲家のうちの少なくとも１つを含む複数の属性からなるメタデータを取得し、コンテンツに対する前記ユーザの操作に応じて対応する前記メタデータを解析し、前記メタデータの各属性の属性値毎の前記ユーザの嗜好を示す嗜好値からなるプロファイルを更新し、複数のコンテンツにそれぞれ対応する前記生体情報と前記メタデータを比較し、前記メタデータに含まれる複数の属性のうち、前記生体情報の類似性と相関がある属性を特定するとともに、特定した属性の属性値は異なるものの前記ユーザの前記生体情報が類似している複数のコンテンツが存在する場合、前記複数のコンテンツにそれぞれ対応している、特定した属性の異なる属性値を、区別する必要のない属性値として特定し、前記ユーザの前記プロファイルを、特定された属性の属性値のうちの区別する必要のない前記属性値に関する嗜好値をマージすることにより再構成し、再構成されたプロファイルに基づき、前記ユーザの嗜好値が高い属性値に対応するコンテンツを、推薦コンテンツに特定し、特定された推薦コンテンツの情報をユーザに提示するステップを含み、前記プロファイルを生成する処理は、前記コンテンツに対するユーザの操作毎に、当該コンテンツに対応する属性の属性値に基づいて属性値毎に操作回数の累計を取得して、属性値毎の操作回数の累計を前記ユーザの嗜好値とし、前記属性値毎の嗜好値からなる前記プロファイルを更新し、前記区別する必要のない属性値を特定する処理は、属性値毎に当該属性値に対応するすべてのコンテンツの生体情報が類似する属性値を特定し、前記特定された属性値のうち、値の異なる一の属性値と他の属性値であって、一の属性値に対応するコンテンツの生体情報と他の属性値に対応するコンテンツの生体情報とが類似する前記一の属性値および前記他の属性値を、前記区別する必要のない属性値として特定する。

本発明の一側面においては、コンテンツの再生中にユーザが示す、血液中に含まれるヘモグロビンの量、血流量、汗の量、または脈拍のうちの少なくとも１つを含む生体反応を表す生体情報が取得され、生体情報が取得されたそれぞれのコンテンツの特徴を表すジャンル、テンポ、速さ、リズム、歌詞の有無、歌手、または作曲家のうちの少なくとも１つを含む複数の属性からなるメタデータが取得される。また、コンテンツに対するユーザの操作に応じて対応するメタデータが解析され、メタデータの各属性の属性値毎のユーザの嗜好を示す嗜好値からなるプロファイルが更新される。さらに、複数のコンテンツにそれぞれ対応する生体情報とメタデータが比較され、メタデータに含まれる複数の属性のうち、生体情報の類似性と相関がある属性が特定されるとともに、特定した属性の属性値は異なるもののユーザの生体情報が類似している複数のコンテンツが存在する場合、複数のコンテンツにそれぞれ対応している、特定した属性の異なる属性値が、区別する必要のない属性値として特定され、ユーザの前記プロファイルが、特定された属性の属性値のうちの区別する必要のない属性値に関する嗜好値をマージすることにより再構成され、再構成されたプロファイルに基づき、ユーザの嗜好値が高い属性値に対応するコンテンツが、推薦コンテンツに特定され、特定された推薦コンテンツの情報がユーザに提示される。なお、プロファイルを生成する処理では、コンテンツに対するユーザの操作毎に、当該コンテンツに対応する属性の属性値に基づいて属性値毎に操作回数の累計が取得されて、属性値毎の操作回数の累計がユーザの嗜好値とされ、属性値毎の嗜好値からなるプロファイルが更新され、区別する必要のない属性値を特定する処理では、属性値毎に当該属性値に対応するすべてのコンテンツの生体情報の類似する属性値が特定され、特定された属性値のうち、値の異なる一の属性値と他の属性値であって、一の属性値に対応するコンテンツの生体情報と他の属性値に対応するコンテンツの生体情報とが類似する一の属性値および他の属性値が、区別する必要のない属性値として特定される。

本発明によれば、生体情報に基づいて、コンテンツの推薦をより適切に行うことができる。

図１は、本発明の一実施形態に係るコンテンツ推薦システムの構成例を示すブロック図である。

図１に示されるように、このコンテンツ推薦システムは、クライアント１とサーバ２が、インターネットなどのネットワークを介して接続されることによって構成される。

クライアント１は、生体情報取得部１１、コンテンツDB１２、生体情報処理部１３、送信部１４、受信部１５、およびコンテンツ推薦部１６から構成される。一方、サーバ２は、受信部２１、生体情報DB２２、類似ユーザ特定部２３、推薦コンテンツ特定部２４、コンテンツDB２５、および送信部２６から構成される。

後に詳述するように、サーバ２においては、コンテンツの視聴中に同じような生体反応を示すユーザが特定され、推薦を受けるクライアント１のユーザに対して、クライアント１のユーザにとって未経験のコンテンツであって、その同じような生体反応を示すユーザによって高い評価が得られているコンテンツが推薦されるようになされている。

すなわち、サーバ２は、協調フィルタリングによってコンテンツの推薦を行う装置である。サーバ２には、クライアント１以外に、クライアント１と同様の構成を有する端末がネットワークを介して複数接続される。

ここで、生体反応には、血液中に含まれるヘモグロビンの量、血流量、汗の量、脈拍などが含まれる。コンテンツを視聴しているユーザが示す反応であればどのようなものが生体反応として用いられるようにしてもよい。

クライアント１の生体情報取得部１１は、コンテンツの再生中、コンテンツを視聴しているユーザの生体反応を検出し、検出した生体反応の時系列データである生体情報を取得する。生体情報には、どのコンテンツの再生中に取得されたものであるのかを表す情報も含まれる。

図２は、コンテンツの再生中の様子を示す図である。

図２の例においては、テレビジョン受像機３１とヘッドギア３２がクライアント１に接続されている。ヘッドギア３２は、テレビジョン受像機３１の前方にある椅子に座ってコンテンツを視聴しているクライアント１のユーザの頭に装着されている。

クライアント１により再生されたコンテンツの映像はテレビジョン受像機３１に表示され、コンテンツの音声はテレビジョン受像機３１のスピーカから出力される。

コンテンツの再生中、ヘッドギア３２においては、ユーザの頭の各部に対して近赤外光を照射し、脳が活動するときに現れる酸素消費に反応するヘモグロビンの量を生体反応として測定することが行われる。測定された生体反応を表す信号はヘッドギア３２からクライアント１に供給され、生体情報が生体情報取得部１１により取得される。

図２は、血液中に含まれるヘモグロビンの量を生体反応として用いる場合の例を示している。他の反応を生体反応として用いる場合も同様に、その測定器が、コンテンツを視聴しているユーザに装着される。

図３は、生体反応の時系列データの例を示す図である。

図３に示されるように、生体反応は時系列データとして取得される。図３の横軸は時刻を表し、縦軸は度合い（上述した例の場合、血液中に含まれるヘモグロビンの量）を表す。

生体情報取得部１１は、このようにして取得した生体情報を生体情報処理部１３に出力する。クライアント１においては複数のコンテンツが再生され、再生されたコンテンツ毎に、図３に示されるような時系列データである生体情報が取得される。

生体情報処理部１３は、コンテンツDB１２に記憶されているコンテンツを読み出して再生し、コンテンツの映像や音声をテレビジョン受像機３１に出力させる。生体情報処理部１３は、コンテンツの再生中に生体情報取得部１１から順次供給される生体情報を取得する。

また、生体情報処理部１３は、コンテンツに対するユーザの評価を取得する。例えば、１つのコンテンツの再生が終了したとき、ユーザに対して評価の入力が求められる。ユーザは、リモートコントローラやマウスを操作するなどして評価を入力する。

生体情報処理部１３は、生体情報取得部１１から供給された生体情報と、それぞれのコンテンツに対する評価、ユーザの視聴履歴を表す情報を送信部１４に出力する。

送信部１４は、生体情報処理部１３から供給された情報をサーバ２に送信する。クライアント１のユーザが経験済みの全てのコンテンツについて、コンテンツ毎に、生体情報と評価がサーバ２に提供されることになる。

受信部１５は、サーバ２から送信された推薦コンテンツの情報を受信し、受信した情報をコンテンツ推薦部１６に出力する。

コンテンツ推薦部１６は、受信部１５から供給された情報に基づいて、サーバ２により特定された推薦コンテンツの情報をテレビジョン受像機３１などに表示し、ユーザに提示する。推薦コンテンツの情報として、例えば、推薦コンテンツのタイトル、販売元、概要などが表示される。

サーバ２の受信部２１は、クライアント１の送信部１４から送信された生体情報と、それぞれのコンテンツに対するユーザの評価、ユーザの視聴履歴を表す情報を受信し、受信した情報を生体情報DB２２に記憶させる。

上述したように、サーバ２には、クライアント１と同様の構成を有する端末が複数接続されている。それぞれの端末から同様の情報が送信されてくることにより、生体情報DB２２には、それぞれのユーザの生体情報と、コンテンツに対する評価、視聴履歴を表す情報が記憶される。

類似ユーザ特定部２３は、生体情報DB２２から生体情報を読み出し、それぞれのユーザの生体反応の時系列データのパターンに基づいて、同じコンテンツの視聴中に、類似する生体反応を示すユーザを特定する。

生体反応の時系列データのパターンが類似するか否かは、例えば、ユーザ毎の生体反応の時系列データのパターンの相互相関を求めたり、特定のパターンとの一致率を求めたり、特定部分（範囲）の閾値に対する一致率を求めたりして判断される。

図４は、コンテンツＡに対する生体情報の例を示す図である。

図４の例においては、ユーザ１乃至３がそれぞれコンテンツＡを視聴しているときに取得された生体反応の時系列データのパターンが上から順に示されている。

ユーザ１乃至３のコンテンツＡに対する生体反応の時系列データのパターンが図４に示されるようなものである場合、ユーザ１の生体反応の時系列データのパターンと、ユーザ２の生体反応の時系列データのパターンは類似するから、ユーザ１とユーザ２は、コンテンツＡを視聴しているときに類似する生体反応を示すユーザである類似ユーザとなる。

コンテンツＡの視聴中、ユーザ１とユーザ２は、同じような部分で、同じような度合いの生体反応を示すことになる。

一方、ユーザ１とユーザ３は類似ユーザではないから、コンテンツＡの視聴中、ユーザ１とユーザ３は違う部分で、または、違う度合いで、生体反応を示すことになる。

上述した血液中のヘモグロビン量の生体反応は脳の活動状況を表し、コンテンツを視聴しているときの感じ方によって活動状況が異なると考えられるから、類似ユーザは、コンテンツのある特徴に対して、似たような感じ方（反応）をするユーザであること、すなわち、似たような視聴の仕方をするユーザであることを表す。映像の一定の明るさに対して無意識のうちに反応を示すような視聴の仕方であったり、一定の周波数の音声に対して無意識のうちに反応を示すような視聴の仕方であったりするように、同じコンテンツでも、その視聴の仕方には人によって違いがある。

なお、１つのコンテンツに対する生体反応の時系列データのパターンに基づいて判断されるのではなく、複数のコンテンツに対する生体反応の時系列データのパターンに基づいて類似ユーザであるか否かが判断されるようにしてもよい。

類似ユーザ特定部２３は、以上のようにして特定した類似ユーザの情報を推薦コンテンツ特定部２４に出力する。

推薦コンテンツ特定部２４は、生体情報DB２２に記憶されている情報により表されるそれぞれのユーザの評価、視聴履歴を参照し、クライアント１のユーザが未経験のコンテンツであって、クライアント１のユーザの類似ユーザが高い評価をしているコンテンツを推薦コンテンツとして特定する。この推薦コンテンツの特定は、例えば、所定のタイミングでクライアント１からコンテンツの推薦が要求されたときに行われる。

図５は、ユーザの評価と視聴履歴の例を示す図である。

図５の例においては、コンテンツＡ乃至Ｇに対するユーザ１乃至３の評価と視聴履歴が示されている。ユーザ１はクライアント１のユーザであるとする。

図５において、白抜きの丸印は、視聴済みであり、高い評価をしていることを表し、バツ印は、視聴済みであるが、低い評価をしていることを表す。空欄は、視聴が行われていない未経験のコンテンツであることを表す。

例えば、ユーザ１はコンテンツＡ，Ｅを視聴済みであり、視聴済みのいずれのコンテンツに対しても高い評価をしていることになる。ユーザ２はコンテンツＡ，Ｃ，Ｄ，Ｅを視聴済みであり、そのうちのコンテンツＡ，Ｄ，Ｅに対して高い評価をし、コンテンツＣに対して低い評価をしていることになる。ユーザ３はコンテンツＡ，Ｅ，Ｆ，Ｇを視聴済みであり、視聴済みのいずれのコンテンツに対しても高い評価をしていることになる。

このような評価、視聴履歴が得られている場合、推薦コンテンツ特定部２４においては、クライアント１のユーザであるユーザ１の類似ユーザは、類似ユーザ特定部２３から供給された情報に基づいてユーザ２として特定される（図４）。

また、ユーザ１が未経験のコンテンツであって、類似ユーザであるユーザ２が高い評価をしているコンテンツであるコンテンツＤが、推薦コンテンツとして特定される。

ユーザ１が未経験のコンテンツであっても、ユーザ２が低い評価をしているコンテンツであるコンテンツＣや、ユーザ１の類似ユーザではないユーザ３が高い評価をしているコンテンツＦ，Ｇは、推薦コンテンツとしては選択されない。

推薦コンテンツ特定部２４は、推薦コンテンツのタイトル、販売元、概要などの情報をコンテンツDB２５から読み出し、読み出したそれらの情報を送信部２６に出力する。コンテンツDB２５には、コンテンツに関する各種の情報が記憶されている。

送信部２６は、推薦コンテンツ特定部２４から供給された情報をクライアント１に送信する。

ここで、以上のような構成を有するクライアント１とサーバ２の処理について説明する。

はじめに、図６のフローチャートを参照して、コンテンツを再生するクライアント１の処理について説明する。この処理は、例えば、所定のコンテンツの再生がユーザにより指示されたときに開始される。

ステップＳ１において、クライアント１の生体情報処理部１３は、コンテンツDB１２から読み出したコンテンツを再生する。

ステップＳ２において、生体情報取得部１１は、ユーザに装着されている測定器からの出力に基づいて、コンテンツを視聴しているユーザの生体反応の時系列データである生体情報を取得し、生体情報処理部１３に出力する。

ステップＳ３において、生体情報処理部１３は、コンテンツの再生が終了したか否かを判定し、終了していないと判定した場合、ステップＳ１に戻り、以上の処理を繰り返す。

一方、コンテンツの再生が終了したとステップＳ３において判定した場合、ステップＳ４において、生体情報処理部１３は、再生を行ったコンテンツに対するユーザの評価を取得する。生体情報処理部１３は、生体情報と、コンテンツに対する評価、ユーザの視聴履歴を表す情報を送信部１４に出力する。

ステップＳ５において、送信部１４は、生体情報処理部１３から供給された情報をサーバ２に送信する。その後、処理は終了される。

以上においては、コンテンツに対する評価はユーザによって手動で入力されるものとしたが、高評価をしたと考えられる操作が行われたコンテンツに対して、高い評価が設定されるようにしてもよい。例えば、再生が複数回行われたコンテンツ、削除プロテクトが設定されたコンテンツ、ダビングが行われたコンテンツに対して、高い評価が設定される。

また、コンテンツを検索するときにユーザによりキーワードとして入力された俳優の名前などの単語と同じ単語をメタデータに含むコンテンツに対して高い評価が設定されるようにしてもよい。それぞれのコンテンツには、タイトル、販売元、出演者、概要などの各種のメタデータが付加されている。

さらに、クライアント１のユーザが過去にサーバ２によるコンテンツの推薦を受けている場合、クライアント１のユーザが推薦を受け入れ、購入操作や再生操作などを行ったコンテンツのメタデータと同じメタデータを有するコンテンツに対して高い評価が設定されるようにしてもよい。

単に、クライアント１のユーザが購入するなどして所持しているコンテンツに対して高い評価が設定されるようにしてもよい。

次に、図７のフローチャートを参照して、コンテンツの推薦を行うサーバ２の処理について説明する。

ステップＳ１１において、サーバ２の受信部２１は、クライアント１から送信された生体情報と、コンテンツに対する評価、ユーザの視聴履歴を表す情報を受信し、受信した情報を生体情報DB２２に記憶させる。

この処理が、クライアント１と同様の構成を有する端末から情報が送信されてくる毎に行われることにより、生体情報DB２２には、複数のユーザの生体情報と、コンテンツに対する評価、視聴履歴を表す情報が記憶される。

ステップＳ１２において、類似ユーザ特定部２３は、生体情報DB２２に記憶されている生体情報に基づいて類似ユーザを特定する。類似ユーザ特定部２３は、特定した類似ユーザの情報を推薦コンテンツ特定部２４に出力する。

ステップＳ１３において、推薦コンテンツ特定部２４は、それぞれのユーザの評価、視聴履歴を参照し、クライアント１のユーザが未経験のコンテンツであって、類似ユーザが高い評価をしているコンテンツを推薦コンテンツとして特定する。推薦コンテンツ特定部２４は、推薦コンテンツの情報を送信部２６に出力する。

ステップＳ１４において、送信部２６は、推薦コンテンツ特定部２４から供給された情報をクライアント１に送信し、処理を終了させる。

次に、図８のフローチャートを参照して、推薦結果を表示するクライアント１の処理について説明する。この処理は、例えば、クライアント１からの要求に応じて推薦コンテンツの情報がサーバ２から送信されたときに開始される。

ステップＳ２１において、クライアント１の受信部１５は、サーバ２から送信された推薦コンテンツの情報を受信し、受信した情報をコンテンツ推薦部１６に出力する。

ステップＳ２２において、コンテンツ推薦部１６は、サーバ２により特定された推薦コンテンツの情報をテレビジョン受像機３１に表示し、推薦コンテンツをユーザに提示する。ユーザは、リモートコントローラなどを操作して、推薦コンテンツをダウンロードして購入したり、ストリーミングの形で視聴したりすることができる。その後、処理は終了される。

以上の処理により、サーバ２は、ユーザが意識的に行うコンテンツに対する評価ではなく、ユーザのコンテンツに対する感じ方そのものを用いて協調フィルタリングを行い、コンテンツの推薦を行うことができる。

また、サーバ２は、ユーザが説明できないコンテンツの類似性などを推薦に利用することができ、評価ベースの推薦とは異なる視点でのコンテンツの推薦を提供することができる。

以上においては、生体反応の時系列データのパターンに基づいて類似ユーザが特定され、類似ユーザによって高い評価がなされているコンテンツが推薦コンテンツとして特定されるものとしたが、コンテンツの視聴中にユーザが示す表出の時系列データのパターンに基づいて同様の処理が行われるようにしてもよい。

ここで、表出とは、笑顔や顔をしかめるなどの表情、独り言や対話などの発話、拍手や貧乏ゆすりやタッピングなどの動作、ひじを付くことや上体が傾くことなどの姿勢、などの、画像や音によって外部から認識可能なユーザの反応である。表出も、コンテンツの視聴中に、生体であるユーザが示す反応といえるので、上述した生体情報には表出の情報も含まれる。

クライアント１の生体情報取得部１１は、コンテンツの再生中、コンテンツを視聴しているユーザを撮影して得られた画像や、集音して得られたユーザの音声に基づいて、ユーザが示す複数種類の表出を所定の間隔で検出する。

図９は、コンテンツの再生中の様子を示す図である。

図９の例においては、テレビジョン受像機３１の他に、マイクロフォン４１とカメラ４２がクライアント１に接続されている。マイクロフォン４１の指向性とカメラ４２の撮影範囲はテレビジョン受像機３１の前方にある椅子に座ってコンテンツを視聴しているクライアント１のユーザに向けられている。

コンテンツの再生中にマイクロフォン４１により集音されたユーザの音声と、カメラ４２により撮影されたユーザの画像はクライアント１に供給される。

例えば、上述した笑顔は、カメラ４２により撮影された画像からユーザの顔の範囲が検出され、検出された顔から抽出された特徴と、あらかじめ用意されている笑顔の特徴とのマッチングが行われることによって検出される。生体情報取得部１１においては、ユーザが笑顔になったタイミングと、笑顔の度合い（爆笑している、ほほえんでいるなど）を表す時系列データが取得される。

同様に、顔をしかめるは、カメラ４２により撮影された画像からユーザの顔の範囲が検出され、検出された顔から抽出された特徴と、あらかじめ用意されている、しかめっ面の特徴とのマッチングが行われることによって検出される。生体情報取得部１１においては、ユーザが顔をしかめたタイミングと、しかめた度合いを表す時系列データが取得される。

独り言や対話などの発話は、マイクロフォン４１により集音された音声を対象として話者認識が行われることによって話者が特定され、集音された音声が、クライアント１のユーザの独り言であるのか、一緒にコンテンツを視聴している他のユーザとの対話であるのかが認識されることによって検出される。生体情報取得部１１においては、ユーザの発話のタイミングと、発話の度合いである音量を表す時系列データが取得される。

拍手は、マイクロフォン４１により集音された音に基づいて検出される。生体情報取得部１１においては、ユーザの拍手のタイミングと、拍手の強弱などの度合いを表す時系列データが取得される。

他の表出についても同様に、マイクロフォン４１とカメラ４２により得られたデータに基づいて検出される。表出の検出は、マイクロフォン４１とカメラ４２により得られたデータがハードディスクなどの記録媒体に一度記録され、記録されたデータを対象として行われるようにしてもよいし、マイクロフォン４１とカメラ４２からデータが供給される毎にリアルタイムで行われるようにしてもよい。

図１０は、表出の時系列データの例を示す図である。

図１０には、上から順に、笑顔、顔をしかめる、拍手、独り言の時系列データが示されている。横軸は時刻を表し、縦軸は度合いを表す。

生体情報取得部１１は、このようにして検出した表出の時系列データを生体情報処理部１３に出力する。クライアント１においては複数のコンテンツが再生され、再生されたコンテンツ毎に、図１０に示されるような時系列データが取得される。

表出の時系列データは、コンテンツに対するユーザの評価や視聴履歴の情報とともにクライアント１からサーバ２に送信される。クライアント１と同様の構成を有する他の端末からも同様にして表出の情報などが送信されることにより、サーバ２には、複数のユーザの表出の情報が収集される。

サーバ２においては、同じコンテンツに対する、同じ種類の表出の時系列データのパターン同士を比較し、特定の表出が検出された位置、度合いが類似する（時系列データのパターンが類似する）ユーザである類似ユーザが特定される。

類似ユーザが特定された後、クライアント１のユーザが未経験のコンテンツであって、類似ユーザが高い評価をしているコンテンツが推薦コンテンツとして特定され、推薦コンテンツの情報がクライアント１に送信される。

あるユーザはおもしろいと感じるコンテンツを視聴しているときに多く笑い、違うユーザはおもしろいと感じるコンテンツを視聴しているときに多く拍手するといったように、ユーザ毎に、コンテンツを視聴しているときの表出が異なると考えられるため、表出の時系列データのパターンを用いることによっても、視聴の仕方の類似するユーザを特定することが可能になる。

図１１は、本発明の他の実施形態に係るコンテンツ推薦システムの構成例を示すブロック図である。

図１１に示されるように、このコンテンツ推薦システムは、クライアント１０１により実現される。

クライアント１０１は、生体情報取得部１１１、コンテンツDB１１２、生体情報処理部１１３、生体情報DB１１４、コンテンツグループ特定部１１５、推薦コンテンツ特定部１１６、およびコンテンツ推薦部１１７から構成される。

後に詳述するように、クライアント１０１においては、視聴しているユーザが同じような生体反応を示すコンテンツのグループが特定される。また、あるコンテンツと類似するコンテンツの推薦が要求されたとき、基準となるコンテンツと同じグループに属する他のコンテンツが推薦されるようになされている。

生体反応には、血液中に含まれるヘモグロビンの量、血流量、汗の量、脈拍などが含まれる。コンテンツを視聴しているユーザが示す反応であればどのようなものが生体反応として用いられるようにしてもよい。

クライアント１０１の生体情報取得部１１１は、コンテンツの再生中、図２に示されるような状況でコンテンツを視聴しているユーザの生体反応の時系列データである生体情報を取得し、取得した生体情報を生体情報処理部１１３に出力する。生体情報には、どのコンテンツの再生中に取得されたものであるのかを表す情報も含まれる。

クライアント１０１においては複数のコンテンツが再生され、再生されたコンテンツ毎に、図３に示されるような時系列データである生体情報が取得される。

生体情報処理部１１３は、コンテンツDB１１２に記憶されているコンテンツを読み出して再生する。生体情報処理部１１３は、コンテンツの再生中に生体情報取得部１１１から順次供給される生体情報を取得し、生体情報DB１１４に記憶させる。複数のコンテンツの再生が行われることにより、生体情報DB１１４には、再生が行われたそれぞれのコンテンツに対する、クライアント１０１のユーザの生体情報が記憶される。

コンテンツグループ特定部１１５は、生体情報DB１１４に記憶されている生体情報により表される生体反応の時系列データのパターンに基づいて、視聴中に、ユーザが同じような生体反応を示すコンテンツのグループを特定する。

生体反応の時系列データのパターンが類似するか否かは、例えば、時系列データのパターンの相互相関を求めたり、特定のパターンとの一致率を求めたり、特定部分の閾値に対する一致率を求めたりして判断される。

図１２は、クライアント１０１のユーザの生体情報の例を示す図である。

図１２の例においては、コンテンツＡ乃至Ｃに対する生体反応の時系列データのパターンが上から順に示されている。

コンテンツＡ乃至Ｃをそれぞれ視聴しているときのユーザの生体反応の時系列データのパターンが図１２に示されるようなものである場合、コンテンツＡを視聴しているときの生体反応の時系列データのパターンと、コンテンツＢを視聴しているときの生体反応の時系列データのパターンは類似するから、コンテンツＡとコンテンツＢは、視聴しているときにクライアント１０１のユーザが類似する生体反応を示すコンテンツである類似コンテンツのグループとなる。

コンテンツＡの視聴中もコンテンツＢの視聴中も、視聴を始めてから同じような時間だけ経過したシーンで、同じような度合いの生体反応をユーザは示すことになる。

上述した血液中のヘモグロビン量の生体反応は脳の活動状況を表し、コンテンツを視聴しているときの感じ方によって活動状況が異なると考えられるから、類似コンテンツは、いずれのコンテンツにも同じようなタイミングで同じような特徴があること、すなわち、似たような視聴の仕方をユーザがしてしまうコンテンツであることを表す。

コンテンツグループ特定部１１５は、以上のようにして特定した類似コンテンツのグループの情報を推薦コンテンツ特定部１１６に出力する。

推薦コンテンツ特定部１１６は、コンテンツの推薦がユーザにより要求されたとき、コンテンツグループ特定部１１５から供給された情報に基づいて、基準となるコンテンツと同じ類似コンテンツのグループに属するコンテンツを推薦コンテンツとして特定する。

ユーザは、例えば、あるコンテンツを視聴しているときに、いま視聴しているコンテンツと似ているものを探すことをリモートコントローラやマウスなどを操作して入力し、コンテンツの推薦をクライアント１０１に対して要求する。クライアント１０１においては、ユーザが視聴しているコンテンツを基準のコンテンツとして、推薦コンテンツの特定が行われる。

図１２に示されるような生体情報に基づいて類似コンテンツのグループが特定されている場合、例えば、コンテンツＢの視聴中に、類似するコンテンツの推薦が要求されたときには、基準となるコンテンツＢと同じ類似コンテンツのグループに属するコンテンツＡが推薦コンテンツとして特定される。

推薦コンテンツ特定部１１６は、推薦コンテンツのタイトル、販売元、概要などの情報をコンテンツDB１１２から読み出し、読み出したそれらの情報をコンテンツ推薦部１１７に出力する。

コンテンツ推薦部１１７は、推薦コンテンツ特定部１１６から供給された情報に基づいて推薦コンテンツの情報をテレビジョン受像機などに表示し、ユーザに提示する。

ここで、以上のような構成を有するクライアント１０１の処理について説明する。

はじめに、図１３のフローチャートを参照して、コンテンツを再生するクライアント１０１の処理について説明する。この処理は、例えば、所定のコンテンツの再生がユーザにより指示されたときに開始される。

ステップＳ１０１において、クライアント１０１の生体情報処理部１１３は、コンテンツDB１１２から読み出したコンテンツを再生する。

ステップＳ１０２において、生体情報取得部１１１は、ユーザに装着されている測定器からの出力に基づいて、コンテンツを視聴しているユーザの生体反応の時系列データである生体情報を取得し、生体情報処理部１１３に出力する。

ステップＳ１０３において、生体情報処理部１１３は、コンテンツの再生が終了したか否かを判定し、終了していないと判定した場合、ステップＳ１０１に戻り、以上の処理を繰り返す。

一方、コンテンツの再生が終了したとステップＳ１０３において判定した場合、ステップＳ１０４において、生体情報処理部１１３は、生体情報を生体情報DB１１４に記憶させる。その後、処理は終了される。

次に、図１４のフローチャートを参照して、コンテンツの推薦を行うクライアント１０１の処理について説明する。

ステップＳ１１１において、コンテンツグループ特定部１１５は、生体情報DB１１４に記憶されている生体情報に基づいて、視聴中に、ユーザが同じような生体反応を示す類似コンテンツのグループを特定する。

コンテンツの推薦がユーザにより要求されたとき、ステップＳ１１２において、推薦コンテンツ特定部１１６は、基準となるコンテンツと同じ類似コンテンツのグループに属するコンテンツを推薦コンテンツとして特定する。

ステップＳ１１３において、コンテンツ推薦部１１７は、推薦コンテンツの情報を表示し、ユーザに提示する。その後、処理は終了される。

以上の処理により、クライアント１０１は、ユーザの視聴の仕方を基準として推薦コンテンツを特定し、コンテンツの推薦を行うことができる。

視聴中にユーザが同じような生体反応を示すコンテンツのグループを特定し、以上のようにしてコンテンツの推薦を行うためには、クライアント１０１は、多くのコンテンツをユーザに実際に視聴させ、生体情報を取得している必要がある。例えば、ユーザが３つのコンテンツしか視聴していない場合、クライアント１０１は、その３つの範囲でしか、推薦コンテンツを選択することができない。

生体情報が不足し、適切な推薦を行うことができない場合、他のユーザの分の生体情報が他の装置から取得され、取得された生体情報も用いてコンテンツの推薦が行われるようにしてもよい。

図１５は、コンテンツ推薦システムの他の構成例を示すブロック図である。図１５において、図１１に示される構成と同じ構成には同じ符号を付してある。重複する説明については適宜省略する。

図１５に示されるコンテンツ推薦システムは、クライアント１０１とサーバ１３１が、インターネットなどのネットワークを介して接続されることによって構成される。

サーバ１３１は、クライアント１０１と同様の構成を有する複数の端末から送信された生体情報を受信し、生体情報DB１４１に記憶させて管理する。生体情報には、どのコンテンツの再生中に取得されたものであるのかを表す情報も含まれる。

図１５のクライアント１０１は、通信部１２１と類似ユーザ特定部１２２をさらに有している点で、図１１のクライアント１０１と異なる。

通信部１２１は、サーバ１３１と通信を行い、クライアント１０１のユーザ以外の複数のユーザの分の生体情報を生体情報DB１４１から取得する。通信部１２１は、取得した生体情報を生体情報DB１１４に記憶させる。

類似ユーザ特定部１２２は、生体情報DB１１４に記憶されている生体情報に基づいて、同じコンテンツの視聴中に、クライアント１０１のユーザと類似する生体反応を示すユーザである類似ユーザを特定する。

すなわち、類似ユーザ特定部１２２は、図１の類似ユーザ特定部２３と同様に、同じコンテンツについての、クライアント１０１のユーザの生体反応の時系列データのパターンと、クライアント１０１のユーザ以外のユーザの生体反応の時系列データのパターンを比較して類似ユーザを特定する。

類似ユーザ特定部１２２は、クライアント１０１のユーザの類似ユーザがどのユーザであるのかを表す情報をコンテンツグループ特定部１１５に出力する。

コンテンツグループ特定部１１５は、クライアント１０１のユーザの生体情報と、クライアント１０１のユーザの類似ユーザの生体情報を生体情報DB１１４から読み出し、読み出した生体情報により表される生体反応の時系列データのパターンに基づいて、視聴中に、ユーザが同じような生体反応を示すコンテンツのグループを特定する。

クライアント１０１のユーザとその類似ユーザは、同じコンテンツの視聴中に同じような生体反応を示すユーザであるから、クライアント１０１のユーザが視聴していないコンテンツであっても、それを視聴したときには、類似ユーザが示す生体反応と同じような生体反応を示すと考えられる。従って、ここでは、類似ユーザの生体情報が、クライアント１０１のユーザの生体情報として用いられ、上述したようなコンテンツのグループが特定されることになる。

図１６は、クライアント１０１のユーザであるユーザ１の生体情報と、類似ユーザであるユーザ２の生体情報の例を示す図である。

図１６の例においては、コンテンツＡ乃至Ｆに対する生体反応の時系列データのパターンが上から順に示されている。

コンテンツＡ乃至Ｃに対する生体反応の時系列データのパターンは、ユーザ１がコンテンツＡ乃至Ｃを実際に視聴したときに取得された生体情報により表されるものである。一方、コンテンツＤ乃至Ｆに対する生体反応の時系列データのパターンは、サーバ１３１から取得された、ユーザ２の生体情報により表されるものである。

この場合、コンテンツＡ，Ｂを視聴しているときのユーザ１の生体反応の時系列データのパターンとコンテンツＦを視聴しているときの、ユーザ１の類似ユーザであるユーザ２の生体反応の時系列データのパターンは類似するから、コンテンツＡ，Ｂ，Ｆは、類似コンテンツのグループとなる。

コンテンツグループ特定部１１５は、以上のようにして特定した類似コンテンツのグループの情報を推薦コンテンツ特定部１１６に出力する。推薦コンテンツ特定部１１６においては、基準となるコンテンツと同じ類似コンテンツのグループに属するコンテンツが推薦コンテンツとして選択される。

ここで、図１７のフローチャートを参照して、図１５に示されるような構成を有するクライアント１０１の処理について説明する。

ステップＳ１２１において、通信部１２１は、サーバ１３１と通信を行い、クライアント１０１のユーザ以外の複数のユーザの分の生体情報を取得する。

ステップＳ１２２において、類似ユーザ特定部１２２は、クライアント１０１のユーザの生体情報と、通信部１２１により取得された、クライアント１０１のユーザ以外のユーザの生体情報に基づいて類似ユーザを特定する。

ステップＳ１２３以降の処理は、図１４のステップＳ１１１以降の処理と同様の処理である。ステップＳ１２３において、コンテンツグループ特定部１１５は、クライアント１０１のユーザの生体反応の時系列データのパターンと、類似ユーザの生体反応の時系列データのパターンに基づいて類似コンテンツのグループを特定する。

コンテンツの推薦がユーザにより要求されたとき、ステップＳ１２４において、推薦コンテンツ特定部１１６は、基準となるコンテンツと同じ類似コンテンツのグループに属するコンテンツを推薦コンテンツとして特定する。

ステップＳ１２５において、コンテンツ推薦部１１７は、推薦コンテンツの情報を表示し、ユーザに提示する。その後、処理は終了される。

以上の処理により、クライアント１０１は、クライアント１０１のユーザの生体情報が不足している場合であっても、コンテンツの推薦を適切に行うことができる。

図１８は、本発明のさらに他の実施形態に係るコンテンツ推薦システムの構成例を示すブロック図である。

図１８に示されるように、このコンテンツ推薦システムは、クライアント２０１により実現される。

クライアント２０１は、生体情報取得部２１１、生体情報処理部２１２、コンテンツDB２１３、生体情報DB２１４、メタデータ取得部２１５、メタデータ別集計比較部２１６、プロファイル構成部２１７、推薦コンテンツ特定部２１８、およびコンテンツ推薦部２１９から構成される。

後に詳述するように、クライアント２０１においては、コンテンツにメタデータとして付加されている各種の属性値(Attribute Value)のうち、クライアント２０１のユーザにとって区別する必要のない属性値が生体情報に基づいて特定される。また、特定された属性値がマージされることによってプロファイルが再構成され、再構成されたプロファイルと、コンテンツに付加されているメタデータに基づいて、コンテンツの推薦が行われる。

すなわち、クライアント２０１は、コンテンツの内容に基づくフィルタリングであるCBF(Content Based Filtering)を行う装置である。

ここで、対象のコンテンツが音楽コンテンツであるとすると、属性は、ジャンル、テンポ、速さ、リズム、歌詞のあり／なし、歌手の名前、作曲家の名前などの、コンテンツの特徴を表すのに用いられる項目である。

属性値は、それぞれの項目として設定される値であり、例えばジャンルの属性に対しては、カントリー、ジャズ、ポップス、クラシックなどが値として設定される。

プロファイルは、ユーザが実際に視聴したコンテンツのメタデータを解析することによって得られる情報である。例えば、ジャンルが「カントリー」であるコンテンツを１０回聴いたことを表す情報や、「ポップス」であるコンテンツを１０回聴いたことを表す情報などがプロファイルに含まれる。

クライアント２０１が有するコンテンツDB２１３に記憶されているそれぞれのコンテンツには、各種の属性値がメタデータとして設定されている。

また、プロファイル構成部２１７により、クライアント２０１のユーザのプロファイルが管理されている。プロファイル構成部２１７が管理するプロファイルは、ユーザがコンテンツを視聴したりダビングしたりするなどの、コンテンツを用いた操作を行う毎に更新される。

クライアント２０１の生体情報取得部２１１は、音楽などのコンテンツの再生中、コンテンツを視聴しているユーザの生体反応の時系列データである生体情報を取得する。

生体反応には、血液中に含まれるヘモグロビンの量、血流量、汗の量、脈拍などが含まれる。コンテンツを視聴しているユーザが示す反応であればどのようなものが生体反応として用いられるようにしてもよい。

生体情報取得部２１１は、生体情報を生体情報処理部２１２に出力する。クライアント２０１においてはメタデータの属性値別に複数のコンテンツが再生され、再生されたコンテンツ毎に、図３に示されるような時系列データである生体情報が取得される。

生体情報処理部２１２は、コンテンツDB２１３に記憶されているコンテンツを読み出して再生する。生体情報処理部２１２は、コンテンツの再生中に生体情報取得部２１１から順次供給される生体情報を取得し、生体情報DB２１４に記憶させる。複数のコンテンツの再生が行われることにより、生体情報DB２１４には、再生が行われたそれぞれのコンテンツに対する、クライアント２０１のユーザの生体情報が記憶される。

メタデータ取得部２１５は、再生が行われ、生体情報が取得されたコンテンツのメタデータをコンテンツDB２１３から読み出し、読み出したメタデータをメタデータ別集計比較部２１６に出力する。コンテンツDB２１３には、コンテンツに関する各種の情報が記憶されている。コンテンツのメタデータを管理するサーバから、メタデータ取得部２１５によりメタデータが取得されるようにしてもよい。

メタデータ別集計比較部２１６は、生体反応の時系列データのパターンを属性値の異なるコンテンツのもの毎に比較し、特定の属性値で特徴的なパターンを抽出する。メタデータ別集計比較部２１６は、抽出したパターンが異なる属性値間で類似しているようであれば、その異なる属性値を同一の属性値とするように、クライアント２０１のユーザにとって区別する必要のない属性値を学習する。

具体的には、まず、メタデータ別集計比較部２１６は、生体情報DB２１４に記憶されている生体情報と、メタデータ取得部２１５から供給されたメタデータに基づいて、生体情報と連動する属性を特定する。次に、メタデータ別集計比較部２１６は、特定した属性の値として設定される属性値のうち、クライアント２０１のユーザにとって区別する必要のない属性値を特定する。

ここで、図１９と図２０を参照して、クライアント２０１のユーザにとって区別する必要のない属性値の特定の仕方について説明する。

図１９は、クライアント２０１のユーザの生体情報の例を示す図である。

図１９の例においては、コンテンツＡ乃至Ｆに対する生体反応の時系列データのパターンが上から順に示されている。コンテンツＡ，Ｂ，Ｄ，Ｅに対する生体反応の時系列データのパターンは相互に類似しているものとする。

どのコンテンツに対する生体反応の時系列データのパターンが類似するか否かは、例えば、時系列データのパターンの相互相関を求めたり、特定のパターンとの一致率を求めたり、特定部分の閾値に対する一致率を求めたりしてメタデータ別集計比較部２１６により判断される。

図２０は、コンテンツＡ乃至Ｆのメタデータの例を示す図である。

図２０の例においては、ジャンル、歌詞のあり／なし、速さの各属性の値が示されている。コンテンツＡのジャンルは「カントリー」とされ、歌詞のあり／なしは「あり」とされ、速さは「速」とされている。歌詞のあり／なしの属性値として白抜きの丸印が設定されていることは「あり」を表し、空欄は「なし」を表す。

同様に、コンテンツＢのジャンルは「カントリー」、歌詞のあり／なしは「なし」、速さは「中」とされ、コンテンツＣのジャンルは「ジャズ」、歌詞のあり／なしは「あり」、速さは「遅」とされている。コンテンツＤのジャンルは「ポップス」、歌詞のあり／なしは「あり」、速さは「遅」とされ、コンテンツＥのジャンルは「ポップス」、歌詞のあり／なしは「なし」、速さは「中」とされている。コンテンツＦのジャンルは「クラシック」、歌詞のあり／なしは「あり」、速さは「速」とされている。

このような生体情報とメタデータが取得された場合、メタデータ別集計比較部２１６においては、生体反応の時系列データのパターンが比較され、生体情報に連動する属性として、ジャンルが特定される。

すなわち、仮に、歌詞のあり／なしの属性が生体情報と連動しているとすると、例えば、歌詞のあり／なしの属性値が「あり」であるコンテンツＡに対する生体反応の時系列データのパターンと、「なし」であるコンテンツＢに対する生体反応の時系列データのパターンは類似しないはずであるが、実際には、図１９に示されるように、これらのコンテンツに対する生体反応の時系列データのパターンは類似している。

また、歌詞のあり／なしの属性値が「あり」であるコンテンツＡに対する生体反応の時系列データのパターンと、同じく「あり」であるコンテンツＣに対する生体反応の時系列データのパターンは類似するはずであるが、実際には、図１９に示されるように、これらのコンテンツに対する生体反応の時系列データのパターンは類似しない。

そうすると、歌詞のあり／なしの属性は、生体情報には連動していないことになる。

同様に、仮に、速さの属性が生体情報と連動しているとすると、例えば、速さの属性値が「速」であるコンテンツＡに対する生体反応の時系列データのパターンと、「遅」であるコンテンツＤに対する生体反応の時系列データのパターンは類似しないはずであるが、実際には、図１９に示されるように、これらのコンテンツに対する生体反応の時系列データのパターンは類似している。

また、速さの属性値が「速」であるコンテンツＡに対する生体反応の時系列データのパターンと、同じく「速」であるコンテンツＦに対する生体反応の時系列データのパターンは類似するはずであるが、実際には、図１９に示されるように、これらのコンテンツに対する生体反応の時系列データのパターンは類似しない。

そうすると、速さの属性も、生体情報には連動していないことになる。

一方、ジャンルの属性に注目すると、例えば、ジャンルの属性値が「カントリー」であるコンテンツＡに対する生体反応の時系列データのパターンと、同じく「カントリー」であるコンテンツＢに対する生体反応の時系列データのパターンは、図１９に示されるように類似している。

また、ジャンルの属性値が「ポップス」であるコンテンツＤに対する生体反応の時系列データのパターンと、同じく「ポップス」であるコンテンツＥに対する生体反応の時系列データのパターンは、図１９に示されるように類似している。

ジャンルの属性値が「カントリー」であるコンテンツＡに対する生体反応の時系列データのパターンと、「ジャズ」であるコンテンツＣに対する生体反応の時系列データのパターンは、図１９に示されるように類似しない。

このことから、ジャンルの属性は、設定される値が生体情報に影響を与えることになり、生体情報と連動していることがわかる。

生体情報はコンテンツの視聴の仕方を表すから、クライアント２０１のユーザは、ジャンルが異なれば異なる視聴の仕方をするし、ジャンルが同じであれば同じ視聴の仕方をすることになる。

このように、生体情報と連動する属性が特定された後、メタデータ別集計比較部２１６においては、生体情報と連動する属性の値として設定される属性値のうち、クライアント２０１のユーザにとって区別する必要のない属性値が特定される。

図１９に示されるような生体情報と図２０に示されるようなメタデータが取得された場合、生体情報に連動する属性であるジャンルの値として設定される属性値のうちの「カントリー」と「ポップス」が、クライアント２０１のユーザにとって区別する必要のない属性値として特定される。

すなわち、上述したように、生体情報はコンテンツの視聴の仕方を表し、クライアント２０１のユーザは、ジャンルが異なれば異なる視聴の仕方をするし、ジャンルが同じであれば同じ視聴の仕方をするユーザのはずである。

従って、本来、コンテンツＡ，Ｂと、コンテンツＤ，Ｅは、ジャンルが「カントリー」と「ポップス」とで異なるから、クライアント２０１のユーザは、異なる視聴の仕方をし、それにより、生体反応の時系列データのパターンも異なるものとして検出されるはずであるが、コンテンツＡ，Ｂに対する生体反応の時系列データのパターンと、コンテンツＤ，Ｅに対する生体反応の時系列データのパターンは、図１９に示されるように相互に類似する。

このことは、クライアント２０１のユーザが、「カントリー」のコンテンツと「ポップス」のコンテンツを区別して視聴していないことを表し、クライアント２０１のユーザにとって、ジャンルの属性値として「カントリー」と「ポップス」を分けて設定することは、いわば意味のないことといえることになる。

メタデータ別集計比較部２１６は、「カントリー」と「ポップス」をクライアント２０１のユーザにとって区別する必要のない属性値として特定し、特定した属性値を表す情報をプロファイル構成部２１７に出力する。

当然、生体反応の時系列データのパターンによっては、「カントリー」と「ポップス」の２つの属性値だけでなく、それより多い数の属性値が、区別する必要のない属性値として特定されることもある。

複数のユーザがクライアント２０１を利用している場合、生体情報の取得と、以上のようにして区別する必要のない属性値を特定することはユーザ毎に行われる。

プロファイル構成部２１７は、クライアント２０１のユーザにとって区別する必要のない、同一の属性値としてメタデータ別集計比較部２１６により特定された属性値をマージしてプロファイルを再構成する。

「カントリー」と「ポップス」の属性値を区別する必要がない場合、ジャンルが「カントリー」であるコンテンツを１０回聴いたことを表す情報と、「ポップス」であるコンテンツを１０回聴いたことを表す情報が再構成前のプロファイルに含まれるときには、プロファイル構成部２１７は、その情報を、例えば、「カントリー・ポップス」のコンテンツを２０回聴いたことを表す情報としてまとめ、プロファイルを再構成する。

プロファイル構成部２１７は、再構成したプロファイルを推薦コンテンツ特定部２１８に出力する。

推薦コンテンツ特定部２１８は、プロファイル構成部２１７により再構成されたプロファイルに基づいて推薦コンテンツを特定する。

例えば、「カントリー・ポップス」を２０回聴いたことを表す情報の他に、「ジャズ」のコンテンツを１５回聴いたことを表す情報がプロファイルに含まれている場合、推薦コンテンツ特定部２１８は、「ジャズ」のコンテンツより、「カントリー」のコンテンツと「ポップス」のコンテンツをクライアント２０１のユーザが好んでいると認識し、「カントリー」のコンテンツや「ポップス」のコンテンツを推薦コンテンツとして特定する。

再構成が行われないとした場合、プロファイルには、「カントリー」であるコンテンツを１０回聴いたことを表す情報と、「ポップス」であるコンテンツを１０回聴いたことを表す情報が別々に含まれるから、「ジャズ」のコンテンツより、「カントリー」のコンテンツと「ポップス」のコンテンツをクライアント２０１のユーザが好んでいるとは認識されないことになる。

クライアント２０１のユーザの中では「カントリー」のコンテンツと「ポップス」のコンテンツが区別されていないのであるから、それぞれのコンテンツを１０回ずつ聴いている場合、視聴回数からすれば、「ジャズ」のコンテンツより、「カントリー」のコンテンツと「ポップス」のコンテンツの方がユーザの好みにあったものとなる。

推薦コンテンツ特定部２１８は、推薦コンテンツのタイトル、販売元、概要などの情報をコンテンツDB２１３から読み出し、読み出したそれらの情報をコンテンツ推薦部２１９に出力する。コンテンツDB２１３には、コンテンツに関する各種の情報が記憶されている。

コンテンツ推薦部２１９は、推薦コンテンツ特定部２１８から供給された情報に基づいて推薦コンテンツの情報を表示し、ユーザに提示する。

ここで、以上のような構成を有するクライアント２０１の処理について説明する。

はじめに、図２１のフローチャートを参照して、コンテンツを再生するクライアント２０１の処理について説明する。この処理は、例えば、所定のコンテンツの再生がユーザにより指示されたときに開始される。

ステップＳ２０１において、クライアント２０１の生体情報処理部２１２は、コンテンツDB２１３から読み出したコンテンツを再生する。

ステップＳ２０２において、生体情報取得部２１１は、ユーザに装着されている測定器からの出力に基づいて、コンテンツを視聴しているユーザの生体反応の時系列データである生体情報を取得し、生体情報処理部２１２に出力する。

ステップＳ２０３において、生体情報処理部２１２は、コンテンツの再生が終了したか否かを判定し、終了していないと判定した場合、ステップＳ２０１に戻り、以上の処理を繰り返す。

一方、コンテンツの再生が終了したとステップＳ２０３において判定した場合、ステップＳ２０４において、生体情報処理部２１２は、生体情報を生体情報DB２１４に記憶させる。その後、処理は終了される。

次に、図２２のフローチャートを参照して、コンテンツの推薦を行うクライアント２０１の処理について説明する。

ステップＳ２１１において、メタデータ別集計比較部２１６は、生体情報DB２１４に記憶されている生体情報と、メタデータ取得部２１５から供給されたメタデータに基づいて、上述したようにして、生体情報と連動する属性を特定する。

ステップＳ２１２において、メタデータ別集計比較部２１６は、特定した属性の値として設定される属性値のうち、クライアント２０１のユーザにとって区別する必要のない属性値として、生体反応の時系列データのパターンが類似する属性値を特定する。

ステップＳ２１３において、プロファイル構成部２１７は、メタデータ別集計比較部２１６により特定された、クライアント２０１のユーザにとって区別する必要のない属性値をマージしてプロファイルを再構成する。

ステップＳ２１４において、推薦コンテンツ特定部２１８は、プロファイル構成部２１７により再構成されたプロファイルに基づいて推薦コンテンツを特定する。

ステップＳ２１５において、コンテンツ推薦部２１９は、推薦コンテンツの情報を表示し、ユーザに提示する。その後、処理は終了される。

以上の処理により、クライアント２０１は、ユーザの中で区別されているか否かに応じて属性値を同一のものと扱ってプロファイルを再構成し、コンテンツの推薦を行うことができる。

なお、コンテンツDB２１３、生体情報DB２１４は、クライアント２０１とネットワークを介して接続されるサーバに設けられるようにしてもよい。

また、上述したようなコンテンツ視聴時のユーザの表出が認識され、笑顔などの特定の表出と、その表出があった際に再生が行われているコンテンツのシーンに設定されているメタデータとの関係が学習されるようにしてもよい。これにより、CBFを用いて、特定の表出が検出されたときに、同じ表出の出そうな番組シーンの検索、推薦などを行うことが可能になる。

上述した一連の処理は、ハードウエアにより実行することもできるし、ソフトウエアにより実行することもできる。一連の処理をソフトウエアにより実行する場合には、そのソフトウエアを構成するプログラムが、専用のハードウエアに組み込まれているコンピュータ、または、各種のプログラムをインストールすることで、各種の機能を実行することが可能な汎用のパーソナルコンピュータなどに、プログラム記録媒体からインストールされる。

図２３は、上述した一連の処理をプログラムにより実行するコンピュータのハードウエアの構成例を示すブロック図である。

図１に示されるクライアント１とサーバ２、図１１、図１５に示されるクライアント１０１、図１５に示されるサーバ１３１、図１８に示されるクライアント２０１の構成の少なくとも一部は、図２３に示されるような構成を有するコンピュータのCPU(Central Processing Unit)３０１により、所定のプログラムが実行されることによって実現される。

CPU３０１、ROM(Read Only Memory)３０２、RAM(Random Access Memory)３０３は、バス３０４により相互に接続されている。

バス３０４には、さらに、入出力インタフェース３０５が接続されている。入出力インタフェース３０５には、キーボード、マウス、マイクロフォンなどよりなる入力部３０６、ディスプレイ、スピーカなどよりなる出力部３０７、ハードディスクや不揮発性のメモリなどよりなる記憶部３０８、ネットワークインタフェースなどよりなる通信部３０９、光ディスクや半導体メモリなどのリムーバブルメディア３１１を駆動するドライブ３１０が接続されている。

以上のように構成されるコンピュータでは、CPU３０１が、例えば、記憶部３０８に記憶されているプログラムを入出力インタフェース３０５及びバス３０４を介してRAM３０３にロードして実行することにより、上述した一連の処理が行われる。

CPU３０１が実行するプログラムは、例えばリムーバブルメディア３１１に記録して、あるいは、ローカルエリアネットワーク、インターネット、デジタル放送といった、有線または無線の伝送媒体を介して提供され、記憶部３０８にインストールされる。

なお、コンピュータが実行するプログラムは、本明細書で説明する順序に沿って時系列に処理が行われるプログラムであっても良いし、並列に、あるいは呼び出しが行われたとき等の必要なタイミングで処理が行われるプログラムであっても良い。

本発明の実施の形態は、上述した実施の形態に限定されるものではなく、本発明の要旨を逸脱しない範囲において種々の変更が可能である。

本発明の一実施形態に係るコンテンツ推薦システムの構成例を示すブロック図である。 コンテンツの再生中の様子を示す図である。 生体反応の時系列データの例を示す図である。 生体情報の例を示す図である。 コンテンツに対するユーザの評価と視聴履歴の例を示す図である。 クライアントのコンテンツ再生処理について説明するフローチャートである。 サーバのコンテンツ推薦処理について説明するフローチャートである。 クライアントの推薦結果表示処理について説明するフローチャートである。 コンテンツの再生中の様子を示す図である。 表出の時系列データの例を示す図である。 本発明の他の実施形態に係るコンテンツ推薦システムの構成例を示すブロック図である。 生体反応の時系列データの例を示す図である。 クライアントのコンテンツ再生処理について説明するフローチャートである。 クライアントのコンテンツ推薦処理について説明するフローチャートである。 本発明の他の実施形態に係るコンテンツ推薦システムの他の構成例を示すブロック図である。 生体反応の時系列データの例を示す図である。 クライアントのコンテンツ推薦処理について説明するフローチャートである。 本発明のさらに他の実施形態に係るコンテンツ推薦システムの構成例を示すブロック図である。 生体反応の時系列データの例を示す図である。 メタデータの例を示す図である。 クライアントのコンテンツ再生処理について説明するフローチャートである。 クライアントのコンテンツ推薦処理について説明するフローチャートである。 コンピュータのハードウエア構成例を示すブロック図である。

符号の説明

１ クライアント， ２ サーバ， １１ 生体情報取得部， １２ コンテンツDB， １３ 生体情報処理部， １４ 送信部， １５ 受信部， １６ コンテンツ推薦部， ２１ 受信部， ２２ 生体情報DB， ２３ 類似ユーザ特定部， ２４ 推薦コンテンツ特定部， ２５ コンテンツDB， ２６ 送信部， １０１ クライアント， １１１ 生体情報取得部， １１２ コンテンツDB， １１３ 生体情報処理部， １１４ 生体情報DB， １１５ コンテンツグループ特定部， １１６ 推薦コンテンツ特定部， １１７ コンテンツ推薦部， １２１ 通信部， １２２ 類似ユーザ特定部， ２０１ クライアント， ２１１ 生体情報取得部， ２１２ 生体情報処理部， ２１３ コンテンツDB， ２１４ 生体情報DB， ２１５ メタデータ取得部， ２１６ メタデータ別集計比較部， ２１７ プロファイル構成部， ２１８ 推薦コンテンツ特定部， ２１９ コンテンツ推薦部

Claims (3)

1. コンテンツの再生中にユーザが示す、血液中に含まれるヘモグロビンの量、血流量、汗の量、または脈拍のうちの少なくとも１つを含む生体反応を表す生体情報を取得する生体情報取得手段と、
   前記生体情報が取得されたそれぞれのコンテンツの特徴を表すジャンル、テンポ、速さ、リズム、歌詞の有無、歌手、または作曲家のうちの少なくとも１つを含む複数の属性からなるメタデータを取得するメタデータ取得手段と、
   コンテンツに対する前記ユーザの操作に応じて対応する前記メタデータを解析し、前記メタデータの各属性の属性値毎の前記ユーザの嗜好を示す嗜好値からなるプロファイルを更新するプロファイル生成手段と、
   複数のコンテンツにそれぞれ対応する前記生体情報と前記メタデータを比較し、前記メタデータに含まれる複数の属性のうち、前記生体情報の類似性と相関がある属性を特定するとともに、特定した属性の属性値は異なるものの前記ユーザの前記生体情報が類似している複数のコンテンツが存在する場合、前記複数のコンテンツにそれぞれ対応している、特定した属性の異なる属性値を、区別する必要のない属性値として特定する特定手段と、
   前記ユーザの前記プロファイルを、特定された属性の属性値のうちの区別する必要のない前記属性値に関する嗜好値をマージすることにより再構成するプロファイル管理手段と、
   再構成されたプロファイルに基づき、前記ユーザの嗜好値が高い属性値に対応するコンテンツを、推薦コンテンツに特定する推薦コンテンツ特定手段と、
   特定された推薦コンテンツの情報をユーザに提示する推薦手段と
   を備え、
   前記プロファイル生成手段は、前記コンテンツに対するユーザの操作毎に、当該コンテンツに対応する属性の属性値に基づいて属性値毎に操作回数の累計を取得して、属性値毎の操作回数の累計を前記ユーザの嗜好値とし、前記属性値毎の嗜好値からなる前記プロファイルを更新し、
   前記特定手段は、属性値毎に当該属性値に対応するすべてのコンテンツの生体情報が類似する属性値を特定し、前記特定された属性値のうち、値の異なる一の属性値と他の属性値であって、一の属性値に対応するコンテンツの生体情報と他の属性値に対応するコンテンツの生体情報とが類似する前記一の属性値および前記他の属性値を、前記区別する必要のない属性値として特定する
   情報処理端末。
2. ユーザに対して推薦コンテンツの情報を提示する情報処理端末の情報処理方法において、
   前記情報処理端末による、
   コンテンツの再生中にユーザが示す、血液中に含まれるヘモグロビンの量、血流量、汗の量、または脈拍のうちの少なくとも１つを含む生体反応を表す生体情報を取得し、
   前記生体情報が取得されたそれぞれのコンテンツの特徴を表すジャンル、テンポ、速さ、リズム、歌詞の有無、歌手、または作曲家のうちの少なくとも１つを含む複数の属性からなるメタデータを取得し、
   コンテンツに対する前記ユーザの操作に応じて対応する前記メタデータを解析し、前記メタデータの各属性の属性値毎の前記ユーザの嗜好を示す嗜好値からなるプロファイルを更新し、
   複数のコンテンツにそれぞれ対応する前記生体情報と前記メタデータを比較し、前記メタデータに含まれる複数の属性のうち、前記生体情報の類似性と相関がある属性を特定するとともに、特定した属性の属性値は異なるものの前記ユーザの前記生体情報が類似している複数のコンテンツが存在する場合、前記複数のコンテンツにそれぞれ対応している、特定した属性の異なる属性値を、区別する必要のない属性値として特定し、
   前記ユーザの前記プロファイルを、特定された属性の属性値のうちの区別する必要のない前記属性値に関する嗜好値をマージすることにより再構成し、
   再構成されたプロファイルに基づき、前記ユーザの嗜好値が高い属性値に対応するコンテンツを、推薦コンテンツに特定し、
   特定された推薦コンテンツの情報をユーザに提示する
   ステップを含み、
   前記プロファイルを生成する処理は、前記コンテンツに対するユーザの操作毎に、当該コンテンツに対応する属性の属性値に基づいて属性値毎に操作回数の累計を取得して、属性値毎の操作回数の累計を前記ユーザの嗜好値とし、前記属性値毎の嗜好値からなる前記プロファイルを更新し、
   前記区別する必要のない属性値を特定する処理は、属性値毎に当該属性値に対応するすべてのコンテンツの生体情報が類似する属性値を特定し、前記特定された属性値のうち、値の異なる一の属性値と他の属性値であって、一の属性値に対応するコンテンツの生体情報と他の属性値に対応するコンテンツの生体情報とが類似する前記一の属性値および前記他の属性値を、前記区別する必要のない属性値として特定する
   情報処理方法。
3. コンテンツの再生中にユーザが示す、血液中に含まれるヘモグロビンの量、血流量、汗の量、または脈拍のうちの少なくとも１つを含む生体反応を表す生体情報を取得し、
   前記生体情報が取得されたそれぞれのコンテンツの特徴を表すジャンル、テンポ、速さ、リズム、歌詞の有無、歌手、または作曲家のうちの少なくとも１つを含む複数の属性からなるメタデータを取得し、
   コンテンツに対する前記ユーザの操作に応じて対応する前記メタデータを解析し、前記メタデータの各属性の属性値毎の前記ユーザの嗜好を示す嗜好値からなるプロファイルを更新し、
   複数のコンテンツにそれぞれ対応する前記生体情報と前記メタデータを比較し、前記メタデータに含まれる複数の属性のうち、前記生体情報の類似性と相関がある属性を特定するとともに、特定した属性の属性値は異なるものの前記ユーザの前記生体情報が類似している複数のコンテンツが存在する場合、前記複数のコンテンツにそれぞれ対応している、特定した属性の異なる属性値を、区別する必要のない属性値として特定し、
   前記ユーザの前記プロファイルを、特定された属性の属性値のうちの区別する必要のない前記属性値に関する嗜好値をマージすることにより再構成し、
   再構成されたプロファイルに基づき、前記ユーザの嗜好値が高い属性値に対応するコンテンツを、推薦コンテンツに特定し、
   特定された推薦コンテンツの情報をユーザに提示する
   ステップを含み、
   前記プロファイルを生成する処理は、前記コンテンツに対するユーザの操作毎に、当該コンテンツに対応する属性の属性値に基づいて属性値毎に操作回数の累計を取得して、属性値毎の操作回数の累計を前記ユーザの嗜好値とし、前記属性値毎の嗜好値からなる前記プロファイルを更新し、
   前記区別する必要のない属性値を特定する処理は、属性値毎に当該属性値に対応するすべてのコンテンツの生体情報が類似する属性値を特定し、前記特定された属性値のうち、値の異なる一の属性値と他の属性値であって、一の属性値に対応するコンテンツの生体情報と他の属性値に対応するコンテンツの生体情報とが類似する前記一の属性値および前記他の属性値を、前記区別する必要のない属性値として特定する
   処理をコンピュータに実行させるためのプログラム。

Images