Nothing Special   »   [go: up one dir, main page]

JP4909033B2 - 番組検索装置 - Google Patents

番組検索装置 Download PDF

Info

Publication number
JP4909033B2
JP4909033B2 JP2006324767A JP2006324767A JP4909033B2 JP 4909033 B2 JP4909033 B2 JP 4909033B2 JP 2006324767 A JP2006324767 A JP 2006324767A JP 2006324767 A JP2006324767 A JP 2006324767A JP 4909033 B2 JP4909033 B2 JP 4909033B2
Authority
JP
Japan
Prior art keywords
preference
program
period
information
weight
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Expired - Fee Related
Application number
JP2006324767A
Other languages
English (en)
Other versions
JP2008141416A (ja
Inventor
高弘 松田
彰 烏谷
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Fujitsu Ltd
Original Assignee
Fujitsu Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Fujitsu Ltd filed Critical Fujitsu Ltd
Priority to JP2006324767A priority Critical patent/JP4909033B2/ja
Priority to US11/847,150 priority patent/US8429690B2/en
Priority to EP07115326.6A priority patent/EP1928170B1/en
Priority to KR1020070094796A priority patent/KR100899831B1/ko
Publication of JP2008141416A publication Critical patent/JP2008141416A/ja
Application granted granted Critical
Publication of JP4909033B2 publication Critical patent/JP4909033B2/ja
Expired - Fee Related legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
    • H04N21/40—Client devices specifically adapted for the reception of or interaction with content, e.g. set-top-box [STB]; Operations thereof
    • H04N21/47—End-user applications
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
    • H04N21/40—Client devices specifically adapted for the reception of or interaction with content, e.g. set-top-box [STB]; Operations thereof
    • H04N21/43—Processing of content or additional data, e.g. demultiplexing additional data from a digital video stream; Elementary client operations, e.g. monitoring of home network or synchronising decoder's clock; Client middleware
    • H04N21/432—Content retrieval operation from a local storage medium, e.g. hard-disk
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
    • H04N21/40—Client devices specifically adapted for the reception of or interaction with content, e.g. set-top-box [STB]; Operations thereof
    • H04N21/43—Processing of content or additional data, e.g. demultiplexing additional data from a digital video stream; Elementary client operations, e.g. monitoring of home network or synchronising decoder's clock; Client middleware
    • H04N21/433—Content storage operation, e.g. storage operation in response to a pause request, caching operations
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
    • H04N21/40—Client devices specifically adapted for the reception of or interaction with content, e.g. set-top-box [STB]; Operations thereof
    • H04N21/43—Processing of content or additional data, e.g. demultiplexing additional data from a digital video stream; Elementary client operations, e.g. monitoring of home network or synchronising decoder's clock; Client middleware
    • H04N21/433—Content storage operation, e.g. storage operation in response to a pause request, caching operations
    • H04N21/4334—Recording operations
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
    • H04N21/40—Client devices specifically adapted for the reception of or interaction with content, e.g. set-top-box [STB]; Operations thereof
    • H04N21/43—Processing of content or additional data, e.g. demultiplexing additional data from a digital video stream; Elementary client operations, e.g. monitoring of home network or synchronising decoder's clock; Client middleware
    • H04N21/442—Monitoring of processes or resources, e.g. detecting the failure of a recording device, monitoring the downstream bandwidth, the number of times a movie has been viewed, the storage space available from the internal hard disk
    • H04N21/44204—Monitoring of content usage, e.g. the number of times a movie has been viewed, copied or the amount which has been watched
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
    • H04N21/40—Client devices specifically adapted for the reception of or interaction with content, e.g. set-top-box [STB]; Operations thereof
    • H04N21/43—Processing of content or additional data, e.g. demultiplexing additional data from a digital video stream; Elementary client operations, e.g. monitoring of home network or synchronising decoder's clock; Client middleware
    • H04N21/442—Monitoring of processes or resources, e.g. detecting the failure of a recording device, monitoring the downstream bandwidth, the number of times a movie has been viewed, the storage space available from the internal hard disk
    • H04N21/44213—Monitoring of end-user related data
    • H04N21/44222—Analytics of user selections, e.g. selection of programs or purchase activity
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
    • H04N21/40—Client devices specifically adapted for the reception of or interaction with content, e.g. set-top-box [STB]; Operations thereof
    • H04N21/45—Management operations performed by the client for facilitating the reception of or the interaction with the content or administrating data related to the end-user or to the client device itself, e.g. learning user preferences for recommending movies, resolving scheduling conflicts
    • H04N21/4508—Management of client data or end-user data
    • H04N21/4532—Management of client data or end-user data involving end-user characteristics, e.g. viewer profile, preferences
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
    • H04N21/40—Client devices specifically adapted for the reception of or interaction with content, e.g. set-top-box [STB]; Operations thereof
    • H04N21/45—Management operations performed by the client for facilitating the reception of or the interaction with the content or administrating data related to the end-user or to the client device itself, e.g. learning user preferences for recommending movies, resolving scheduling conflicts
    • H04N21/466—Learning process for intelligent management, e.g. learning user preferences for recommending movies
    • H04N21/4667—Processing of monitored end-user data, e.g. trend analysis based on the log file of viewer selections
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
    • H04N21/40—Client devices specifically adapted for the reception of or interaction with content, e.g. set-top-box [STB]; Operations thereof
    • H04N21/45—Management operations performed by the client for facilitating the reception of or the interaction with the content or administrating data related to the end-user or to the client device itself, e.g. learning user preferences for recommending movies, resolving scheduling conflicts
    • H04N21/466—Learning process for intelligent management, e.g. learning user preferences for recommending movies
    • H04N21/4668—Learning process for intelligent management, e.g. learning user preferences for recommending movies for recommending content, e.g. movies
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
    • H04N21/40—Client devices specifically adapted for the reception of or interaction with content, e.g. set-top-box [STB]; Operations thereof
    • H04N21/47—End-user applications
    • H04N21/482—End-user interface for program selection
    • H04N21/4828—End-user interface for program selection for searching program descriptors
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
    • H04N21/80—Generation or processing of content or additional data by content creator independently of the distribution process; Content per se
    • H04N21/83—Generation or processing of protective or descriptive data associated with content; Content structuring
    • H04N21/84—Generation or processing of descriptive data, e.g. content descriptors
    • H04N21/8405—Generation or processing of descriptive data, e.g. content descriptors represented by keywords
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N5/00—Details of television systems
    • H04N5/76—Television signal recording
    • H04N5/78—Television signal recording using magnetic recording
    • H04N5/782—Television signal recording using magnetic recording on tape
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N7/00—Television systems
    • H04N7/16—Analogue secrecy systems; Analogue subscription systems
    • H04N7/162—Authorising the user terminal, e.g. by paying; Registering the use of a subscription channel, e.g. billing
    • H04N7/163—Authorising the user terminal, e.g. by paying; Registering the use of a subscription channel, e.g. billing by receiver means only

Landscapes

  • Engineering & Computer Science (AREA)
  • Multimedia (AREA)
  • Signal Processing (AREA)
  • Databases & Information Systems (AREA)
  • Social Psychology (AREA)
  • General Health & Medical Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Human Computer Interaction (AREA)
  • Computer Security & Cryptography (AREA)
  • Two-Way Televisions, Distribution Of Moving Picture Or The Like (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
  • Indexing, Searching, Synchronizing, And The Amount Of Synchronization Travel Of Record Carriers (AREA)
  • Management Or Editing Of Information On Record Carriers (AREA)
  • Television Signal Processing For Recording (AREA)

Description

本発明は、利用者の嗜好に基づいてテレビ番組を検索するテレビ番組の番組検索装置に関する。
近年、テレビ技術のデジタル化により、テレビの視聴や録画を、より便利にするための機能が開発されている。中でも、例えば、ＨＤ(hard disk）などの大容量の記憶装置を用いたテレビ録画装置では、電子番組情報（ＥＰＧ：Electric Program Guide）と組合わせて手軽に録画予約を設定することが出来るようになっていて、利用者のテレビ視聴スタイルを大きく変化させている。
さらに、利用者が興味を持つキーワードを持つ番組を自動録画したり、利用者の録画履歴から自動的に利用者の嗜好を判断して、その嗜好に類似する番組を利用者に勧める機能も実現されている。このような利用者の嗜好を反映した番組を利用者に勧める機能では、利用者の嗜好と利用者に勧める番組との一致度合い（精度）が重要なポイントとなる。
録画履歴から利用者の嗜好を類推する技術としては、先ず、テレビ番組の録画履歴（録画された番組、利用者の好みの番組）を調べ、その録画された番組の内容を、ＥＰＧの内容（テキスト情報）から取得し、このＥＰＧの内容に基づいて、録画番組の共通点を利用者の嗜好情報として抽出する。そして、今後放送される番組から、上記の共通点（嗜好情報）と類似した内容を持つ番組を検索する、という方法が一般的である。
このような利用者の嗜好に基づく番組の検索に関連する技術としては、利用者が好みの番組を録画も視聴もしていないときは、その番組を予約なしでも自動的に録画する自動学習録画装置が提案されている。（例えば、特許文献１参照。）
また、嗜好と番組との類似度では、視聴頻度によらずに利用者が視聴した番組の組み合わせ単位で類似度を判断するテレビジョン番組検索装置が提案されている。（例えば、特許文献２参照。）
また、キーワードの出現頻度とキーワードを含む番組数とを掛け合わせて嗜好の重みを算出するテレビジョン番組検索装置が提案されている。（例えば、特許文献３参照。）
また、放送端末に、利用者の利用履歴から利用者に適した番組を判断する機能を取り付け、利用者からの能動的な操作なしで利用者に適した番組を自動的に録画する放送端末装置が提案されている。（例えば、特許文献４参照。）
特開平０５−０６２２８３号公報 特開２００５−１９１８１６号公報 特開２００５−１９１８１７号公報 特開２００１−８６４２０号公報
ところで、上記の特許文献１〜４に示される技術は、いずれも、利用者の嗜好を自動的に抽出して推薦番組を検索することは出来るが、利用者の嗜好が普遍的で経時的に変化しないことを前提としている。
つまり、特許文献１〜４に示される技術には、利用者の嗜好が変化したとき、その変化した利用者の嗜好に自動的に追随して推薦番組を検索するという技術思想は含まれていない。
そのため、利用者の嗜好が変化した場合に、変化した嗜好に対応する検索要求が直ぐには生成されない。したがって、本来は変化した嗜好の番組も、嗜好の変化に応じて推薦されるべきものであるのに推薦されず、推薦結果が利用者の嗜好とかけ離れた結果となり、番組検索の精度が低下するという問題がある。
上記いずれの方法も、もし利用者の嗜好が変化した場合は、変化した嗜好に基づく番組を番組検索装置に推薦させるために、つまり変化した嗜好情報の履歴を新たに蓄積するために、嗜好情報の履歴を利用者自身でリセットする必要があり、手数が掛かるという問題がある。
また、嗜好情報をリセットしない場合は、変化した嗜好に係わる情報（例えば、語句）は、変化した時点における頻度が低いので嗜好情報として抽出されない。したがって、上記のように推薦結果が利用者の嗜好とかけ離れた結果となり、番組検索の精度が低下するという問題に直結する。
本来、「番組お勧め機能」は、利用者が嗜好する番組を自動的に見つけ出すためのものである。したがって、嗜好を変えた時点で利用者が操作履歴をリセットするなどの余計な手間が掛からず、嗜好の変化にも追従できる、精度の高い番組お勧め機能が求められていた。
また、本来、嗜好の変化は、全面的または総合的に突然変わるものではなく、利用者自身が気づかないうちに徐々に変化していく場合が多い。したがって、嗜好が変わった時点で操作履歴をリセットすることを利用者に求めることにも困難が伴う。
本発明の課題は、上記従来の実情に鑑み、利用者の嗜好変化に追従した推薦番組を自動的に検索する番組検索装置を提供することである。
本発明の番組検索装置は、番組情報を格納する番組情報格納手段と、テレビ操作履歴を格納する操作履歴格納手段と、上記番組情報と上記テレビ操作履歴とから嗜好情報を生成し、該嗜好情報を所定期間ごとに管理する嗜好情報管理手段と、上記所定期間ごとに管理された上記嗜好情報の変化量を算出する嗜好変化量算出手段と、を備え、上記嗜好情報の変化量に応じて重みを調整した検索要求を生成し、該検索要求により上記番組情報から推薦番組を検索するように構成される。
この番組検索装置は、上記嗜好情報として、例えば、電子番組情報から取得した、語句および番組名の統計量から算出した語句の重みと、番組名からなるベクトル情報を生成する手段を備えて構成され、また、例えば、電子番組情報から取得した番組名とジャンルの頻度からなる、嗜好情報生成手段を備えるように構成される。
また、この番組検索装置は、例えば、上記検索要求を生成するに際し、上記テレビ操作履歴に含まれるテレビ操作内容に応じて、上記検索要求に含まれる語句の重みを調整する操作内容重み調整手段を更に備えるように構成される。
また、例えば、上記所定期間ごとに管理すべき上記嗜好情報を生成するに際し、上記テレビ操作履歴に含まれるテレビ操作内容に応じて、上記嗜好情報に含まれる語句の重みを調整する嗜好情報重み調整手段を更に備えるように構成される。
また、例えば、上記検索要求を生成するに際し、上記所定期間ごとの嗜好の類似度に応じて、上記検索要求に含まれる語句の重みを調整する類似度重み調整手段を更に備えるように構成される。
また、上記嗜好変化量算出手段は、例えば、上記嗜好情報の変化量を算出する対象期間を、最新期間と１つ前の期間とするように構成される。
また、この番組検索装置は、例えば、上記嗜好の変化の継続期間を算出する変化継続期間算出手段を更に備えるように構成される。
また、例えば、対象期間を最新期間とし、この期間の検索要求を生成するに際し、該検索要求を形成する語句の重みに一定値以上の係数を掛けるように構成される。
本発明によれば、利用者の嗜好と、その嗜好の変化を自動的に抽出して推薦番組を検索するため、より精度の高い推薦番組の検索ができ、これにより、利用者の嗜好変化に追従した精度の高い推薦番組を検索する番組検索装置を提供することが可能となる。
以下、本発明の実施の形態を図面に基づいて詳細に説明する。
尚、本実施の形態では、テレビ機能一体型の情報処理装置を例に説明するが、いわゆるビデオレコーダのような専用装置であっても、動作上の違いは無い。
また、テレビ操作の内容として、録画操作の履歴を例にあげて説明するが、テレビ操作の履歴は、録画操作に限らず、視聴や録画済番組の編集や削除など、利用者の嗜好に関連するテレビ操作は、すべて本発明の対象範囲となる。
図１は、第１の実施例における番組検索装置の回路構成を示すブロック図である。図１に示す番組検索装置１は、テレビ機能一体型の情報処理装置を表している。
図１に示すように、番組検索装置１は、ＣＰＵ(central processing unit）２と、このＣＰＵ２にバス３を介して接続された入出力部４、ＴＶチューナ５、映像・音声出力部６、記憶装置７、及びメモリ８等を備えている。尚、上記のＴＶチューナ５にはアンテナ９が接続されている。
記憶装置７内には、テレビ視聴プログラムが格納されおり、テレビ視聴時には、ＣＰＵ２により、メモリ８上にプログラムがロードされ、アンテナ９を介してＴＶチューナ５から入力されるＴＶ放送が処理される。
その処理結果は、映像・音声出力部６を通じて、モニタやスピーカに出力される。また利用者は、キーボード、マウス、リモコンなどから成る入出力装置を備えた入出力部４を使って、テレビの視聴や録画設定などの操作を行う。
本発明の番組検索装置に係わる基本原理を以下に説明する。まず、利用者の嗜好を抽出して、推薦番組の検索を行う基本的な処理を説明する。
先ず、推薦番組の検索を行う基本的な処理としては、テレビ番組の録画履歴から、利用者の嗜好を抽出するために、録画番組の共通点を算出する。この算出した結果を嗜好情報と呼ぶ。この嗜好情報から、推薦番組を検索するための検索要求（以下、嗜好情報に基づいた検索要求の意味で「嗜好クエリ」ともいう）を生成し、この嗜好クエリを用いて電子番組情報（ＥＰＧ）から推薦番組を検索する。
図２は、利用者の嗜好を抽出して推薦番組の検索を行う基本的な処理におけるＥＰＧから検索インデックスを生成する処理を説明するフローチャートである。
図２において、まず、ＥＰＧを取得する（ステップＳ１）。
このＥＰＧには、検索対象となる放送予定番組のＥＰＧと、嗜好情報を生成するための録画済番組のＥＰＧが含まれている。
次に、そのＥＰＧから、１番目の番組を選択する（ステップＳ２）。そして、その１番組分の番組情報を取得する（ステップ３）。
このように、ＥＰＧから番組毎に番組情報を取り出す。番組情報としては、番組タイトルや番組内容を説明した文章、出演者やジャンルなど、番組の内容を説明するテキストであれば、すべての情報が、取り出し処理の対象となる。
そして、その番組情報から語句を抽出する（ステップＳ４）。
この語句の抽出には、日本語であれば、形態素解析を用いることができるが、形態素解析に限ることなく、語句を抽出できる方法であれば、語句の抽出処理方法に特段の制限はない。
続いて、上記抽出した語句からインデックスを作成する（ステップＳ５）。
このインデックスの作成方法としては、「ＴＦ×１／ＤＦ」が利用できる。ＴＦ(Term Frequency)は、ある番組中に特定の語句（キーワード）などの情報が出現する頻度である。またＤＦ(Document Frequency)は、全番組の中で特定の語句（キーワード）を含む番組の数である。
そして、上記の語句（キーワード）の統計量がすなわち「ＴＦ×１／ＤＦ」であり、これが各語句（キーワード）の重みである。
「ＴＦ×１／ＤＦ」を用いる検索装置は、文書検索で一般的に用いられる検索装置である。この方法でインデックスを作成すると、番組数をi、番組から抽出された語句の種類をjとした時、i×jのベクトル空間でインデックスが生成される。このインデックスの各要素の重みＷとして、上記の「ＴＦ×１／ＤＦ」の値が用いられる。
上記のインデックス生成に続いて、最後の番組か否かを判別し（ステップＳ６）、最後の番組でなければ（Ｓ６がＮ）、次の番組を選択して（ステップＳ７）、ステップＳ３の処理に戻る。そして、ステップＳ３〜Ｓ６（又は更にＳ７）の処理を繰り返す。これにより、ＥＰＧの全番組のインデックスが生成される。
そして、ステップＳ６の判別で、最後の番組であることが判別されたときは（Ｓ６がＹ）、処理を終了する。
図３は、利用者の嗜好を抽出して推薦番組の検索を行う基本的な処理における録画履歴の情報から嗜好クエリを生成する方法を説明するフローチャートである。
図３において、まず録画履歴から１番目の録画番組を選択する（ステップＳ１１）。続いて、図２に示した処理で生成されているインデックスから、上記選択した録画番組に含まれる各語句の重みを取得する（ステップ１２）。この処理で、重みの取得された語句が「嗜好クエリ」である。
そして、この処理において、同じ語句が繰り返して出てきた場合は、その都度その重みを加算する（ステップＳ１３）。
続いて、最後の録画番組か否かを判別し（ステップＳ１４）、最後の録画番組でなければ（Ｓ１４がＮ）、次の録画番組を選択して（ステップＳ１５）、ステップＳ１２の処理に戻る。
そして、ステップＳ１２〜Ｓ１４（又は更にＳ１５）の処理を繰り返す。これにより、全録画番組に含まれる語句それぞれの重みが各個に加算された嗜好クエリが生成される。
そして、ステップＳ１４の判別で、最後の録画番組であることが判別されたときは（Ｓ１４がＹ）、上記生成された嗜好クエリを正規化して（ステップＳ１６）、処理を終了する。
この正規化された嗜好クエリが、録画番組の嗜好に基づいて実際に番組を検索する際の嗜好クエリとなる。尚、嗜好クエリの正規化については、例えば、コサイン正規化や、ピボット正規化などがあるが、正規化する手法であれば、どのような方法を用いてもよい。
図４は、利用者の嗜好を抽出して推薦番組の検索を行う基本的な処理における推薦番組を検索する方法を説明するフローチャートである。
図４において、まず、図３に示した処理と同様の方法で、嗜好クエリを作成する（ステップＳ２１）。
次に、ＥＰＧから１番目の番組を選択し（ステップＳ２２）、その選択した番組と、図２に示した処理で作成したインデックスを使って、嗜好クエリと選択した番組との類似度を算出する（ステップＳ２３）。
この類似度の算出では、嗜好クエリと検索対象の各番組に共通に含まれる語句の重みの積を算出し、番組内での積の和を算出することにより実現できる。
そして嗜好クエリに類似する番組は、類似度の値が大きくなるため、類似度が大きな番組を推薦番組とすることができる。
尚、この類似度の算出処理では、結果として、特には図示しないが、嗜好クエリと番組の類似度を示すテーブルが例えば類似度の値の大きい順に生成される。
その後、最後の番組か否かを判別し（ステップＳ２４）、最後の番組でなければ（Ｓ２４がＮ）、次の番組を選択して（ステップＳ２５）、ステップＳ２３の処理に戻り、ステップＳ２３、Ｓ２４（又は更にＳ２５）の処理を繰り返す。
そして、ステップＳ２４の判別で、最後の番組であることを判別すると（Ｓ２４がＹ）、処理を終了する。これにより、嗜好クエリに基づく番組の検索が終了する。そして、例えば、嗜好クエリと類似度の高い順に番組がユーザに紹介される。
以上説明した推薦番組の検索装置では、利用者の嗜好が経時的に変化せず普遍的である場合に、録画番組数が増加すると、嗜好情報が安定し、推薦番組の精度（利用者の嗜好に一致する確率）が向上する原理である。
ただし、利用者の嗜好が変化してしまうと、過去の嗜好の影響が大きく作用し、新しい嗜好を反映した番組推薦が出来ないという問題が生じる。
図５は、そのような利用者の嗜好が変化した例を示す或る期間の嗜好情報の例を示す図である。尚、図５は、月単位で１月〜６月まで管理した嗜好情報の例を示している。
この使用者の図５に示す嗜好情報は、録画番組に含まれる語句のデータベースとして、左から右へ「Ｎｏ．」列、「期間」列、「録画番組に含まれる主な語句」列が設けられている。
各列に対応する行では、「Ｎｏ．」列には、１〜６まで行番号が記録されている。また、「期間」列には、「Ｎｏ．」列の１〜６までの行番号に対応して、１月〜６月までの月が記録されている。
そして、「録画番組に含まれる主な語句」列には、「期間」列の１月に対応する行として「レシピ、クッキング、料理、旬、野菜、・・・」等が記録されている。また、「期間」列の２月に対応する行として「シェフ、和食、レシピ、野菜、素材、・・・」等が記録されている。
同様に、「期間」列の３月に対応する行として「野菜、中華、ごはん、料理、・・・」等が記録され、「期間」列の４月の行として「和食、レシピ、クッキング、魚介、・・・」等が記録されている。
更に、「期間」列の５月に対応する行として「魚介、レシピ、シェフ、ごはん、・・・」等が記録され、また、「期間」列の６月の行として「料理、サッカー、ドイツ、レシピ、Ｗ杯、・・・」等が記録されている。
図５の嗜好情報に明らかなように、この利用者の録画番組に含まれる語句は、１月〜５月まではレシピ、料理、食材など、ほとんど料理関連の語句となっている。つまり、この利用者は、１月〜５月の期間は、料理番組に強い嗜好を示している。
そして、６月になってから、今までのような「料理」、「レシピ」のほかに、１月〜５月では記録されていない「サッカー」、「ドイツ」、「Ｗ杯」などのＷ杯（サッカーワールドカップ）関連の語句が嗜好情報として記録されている。
つまり、この利用者の録画番組に対する嗜好が６月に変化し、料理番組に加えサッカー関連の嗜好が加わったことを示している。すなわち、この６月は、ユーザの嗜好がＷ杯関係に変化した月（嗜好記録の変化部分）である。
図６は、上記の嗜好情報を用いて番組を検索するための嗜好クエリを生成する処理の流れを示す図である。図６は、上に処理の流れを示し、下に嗜好クエリ生成処理で生成された語句・重みテーブルを示している。
上に示す処理の流れとしては、録画操作処理１１、録画履歴記録処理１２、嗜好クエリ生成処理１３、及びＥＰＧ検索処理１４を示している。
録画操作処理１１は、利用者が録画操作をする操作パネルを制御して利用者の録画操作イベントを全て取り出す処理である。
録画履歴記録処理１２は、番組録画に係わる利用者の操作イベントを全て、所定の記憶装置のデータベース領域に録画履歴として蓄積する処理である。
嗜好クエリ生成処理１３は、図２及び図３に示したと同様の処理により、図５の嗜好情報に基づいて嗜好クエリを生成する処理である。
この嗜好クエリ生成処理により、図６の下に示す語句・重みテーブル１５が生成される。語句・重みテーブル１５には、使用者の嗜好として抽出される語句に付与された重みが示されている。
そして、この語句・重みテーブル１５に示される重みを持った嗜好クエリにより、ＥＰＧ検索処理１４、すなわち、利用者への推薦番組を検索する処理が行われ、重みの大きい嗜好クエリに類似する語句を持った放送予定番組が利用者に推薦される。
図５に示した最新期間の６月では、「サッカー」、「ドイツ」の語句は録画番組の記録にでてくる頻度が少なく、「サッカー」、「ドイツ」の語句の重みが小さくなっている。
このように、図５に示す嗜好情報のように最新期間で嗜好が変化している嗜好情報から１月〜６月の期間で嗜好クエリを生成すると、サッカー関連語句の重みが小さくなり、なかなかサッカー関連番組が推薦されないという問題が発生する。
従来、この問題を解決するために、嗜好が変化した時点で、利用者が過去の嗜好をクリアする方法が取られてきた。しかし、利用者が自分の嗜好の変化を判断して嗜好情報のクリア操作を行うことは、手間の掛かる作業である。
また、一般に利用者の嗜好が急激に変化することはなく、過去の嗜好から段階的に別の嗜好へと変化していくことが想定される。
本発明においては、以下に説明するように、利用者の嗜好変化を検出し、その変化量に応じて嗜好クエリを生成することで、利用者の嗜好に追従した番組推薦機能を実現することができる。
図７は、本発明の利用者の嗜好に追従した番組推薦機能を実現する原理を示す図である。図７に示す本発明の処理の原理では、処理の流れが、録画操作処理１６、録画履歴記録処理１７、嗜好変化の分析処理１８、嗜好クエリ生成処理１９、及びＥＰＧ検索処理２０から成っている。
尚、上記の録画操作処理１６、録画履歴記録処理１７、嗜好クエリ生成処理１９、及びＥＰＧ検索処理２０は、図６に示した従来の処理の流れの録画履歴記録処理１２、嗜好クエリ生成処理１３、及びＥＰＧ検索処理１４とほぼ同様の処理である。
そして、図７の処理の流れに示すように、本発明では、利用者の嗜好の変化を検出するために、図６に示した従来の処理の流れの録画履歴記録処理１２と嗜好クエリ生成処理１３の間に嗜好変化の分析処理１８を設ける。また、これに伴って、本発明では、嗜好変化の分析処理１８に続く嗜好クエリ生成処理１９の処理も従来とは異なる。
この処理では、各期間毎（例では１ヶ月）に嗜好情報を算出し、その算出した嗜好情報と前月の嗜好情報との類似度を算出する。これにより、嗜好の変化量を算出することができる。
図７の下左側に示す前期間の嗜好情報との類似度テーブル２１に示す例では、「期間」列に示す期間「１月、２月、３月、４月、５月、６月」に対応する「前期間の嗜好情報との類似度」列に示す類似度は「―、０．８、０．９、０．８、０．８、０．３」となっており、１月〜５月までの期間は、類似度が０．８以上と高い状態を示している。
そして、６月に類似度が０．３に下がっているため、６月に利用者の嗜好が大きく変化したことが分かる。
図７の処理の流れでは、上記のように利用者の嗜好が変化したことを受けて、嗜好クエリ生成処理１９における嗜好クエリの生成時には、直近（本例では６月期）の録画番組に含まれる語句（本例では、サッカー、ドイツ）の重みを強調（本例では、５倍）して嗜好クエリを作成する。
これにより、図６の下の語句・重みテーブル１５に示した、サッカー、ドイツの語句のそれぞれの重み「０．１」が、本発明の例では５倍に強調される。
すなわち、図７の下右側の語句・重みテーブル２２に示すように、他の語句「レシピ、料理、シェフ、・・・」の場合は、重みが「０．８、０．７、０．６、・・・」のままであって図６の下の場合と変わらないのに、嗜好の変化による新しい語句「サッカー、ドイツ」の場合は、それぞれの重みが「０．５」となって、サッカーＷ杯関連語句の重みが強調されている。
このように、嗜好が変化した６月録画番組の重みを強調して、１月〜６月の録画履歴から嗜好クエリ（平均ベクトル）を生成し、ＥＰＧ検索処理２０で、ＥＰＧから推薦番組を検索する。これにより、サッカーＷ杯関連の番組が上位で推薦されるようになる。
図８は、上記嗜好変化の分析処理１８による嗜好の変化を捉える処理を詳細に説明するフローチャートである。尚、この処理では、図２に示したインデックス生成の処理が前もって行われているものとする。
図８において、処理が開始されると、先ず、最新期間が選択される（ステップＳ１０１）。そして、選択された最新期間中の１番目の録画番組が選択される（ステップＳ１０２）。
続いて、インデックスから録画番組に含まれる各語句の重みを取得する（ステップＳ１０３）。この処理で得られている期間内の嗜好情報を期間嗜好として、その期間嗜好に上記各語句の重みを加算する（ステップＳ１０４）。
そして、最後の録画番組か否かを判別し（ステップＳ１０５）、最後の録画番組でなければ（Ｓ１０５がＮ）、次の録画番組を選択して（ステップＳ１０６）、ステップＳ１０３の処理に戻る。
そして、ステップＳ１０３〜Ｓ１０５（又は更にＳ１０６）の処理を繰り返す。これにより、最新期間の全録画番組に含まれる語句それぞれの重みが各個に加算された期間嗜好が生成される。
そして、ステップＳ１０５の判別で、最後の録画番組であることが判別されたときは（Ｓ１０５がＹ）、上記生成された期間嗜好を正規化する（ステップＳ１０７）。
上記の最新期間を選択した後、１番目の録画番組を選択するステップＳ１０２から、期間嗜好を正規化するステップＳ１０７までの処理は、基本的に、図３のステップＳ１１〜Ｓ１６の処理と同様である。
すなわち、図８では、ある期間内の嗜好情報を期間嗜好と呼んでいるが、この期間嗜好の生成方法は、基本的には図３に示した嗜好クエリの生成方法と同じである。
図８で図３の場合と異なるのは、期間嗜好の処理対象となる録画番組が、特定の期間（最新期間とその前の期間（前期間））に限定されていることである。
また、図８では、最新期間の嗜好変化のみを分析する処理の例を示しているが、各期間毎の嗜好変化を分析する場合でも、処理内容は同様である。
そして、図８に示す例では、最新期間の期間嗜好と前期間の期間嗜好を求め、両者の類似度を求めている。
すなわち、図８において、上記ステップＳ１０７の処理に続いて、最新期間であるか否かを判別し（ステップＳ１０８）、最新期間であれば（Ｓ１０８がＹ）、その最新期間の前の期間（前期間）を選択して（ステップＳ１０６）、ステップＳ１０３の処理に戻り、上述したステップＳ１０２〜Ｓ１０７の処理を行って、前期間の期間嗜好を正規化する。
そして、ステップＳ１０８の判別で、最新期間でないことを判別すると（Ｓ１０８がＮ）、最新期間嗜好と前期間嗜好の類似度を算出して（ステップＳ１１０）、処理を終了する。これにより、例えば、図７の下左側に示す前期間の嗜好情報との類似度テーブル２１が生成される。
ここで、類似度が高い場合は、嗜好の変化がなく、類似度が低い場合は、嗜好が変化したと判断することができる。そのような嗜好変化の分析結果を用いて、嗜好クエリを生成する方法を以下に説明する。
図９は、嗜好変化の分析結果を用いて、図７の嗜好クエリ生成処理１９による重みを強調した嗜好クエリを生成する処理を詳細に説明するフローチャートである。
尚、本例における基本的な嗜好クエリの生成方法は、図３の場合とほぼ同様である。ただし本例が図３の場合と異なるのは、嗜好クエリを生成した番組が最新期間の番組であった場合に、嗜好変化の分析結果に応じて語句の重みを調整する処理が設けられていることである。
すなわち、図９において、ステップＳ２０１及びＳ２０２の処理は、図３のステップＳ１１及びＳ１２の処理と同一である。また、図９におけるステップＳ２０５〜Ｓ２０８の処理は図３のステップＳ１３〜Ｓ１６の処理と同一である。
そして、図９は、図３のステップＳ１２とＳ１３の間に、ステップＳ２０３とＳ２０４の処理が挿入された流れになっている。
そして、ステップＳ２０３で、本例の処理で嗜好クエリを生成した番組が最新期間の番組であるか否かを判別し、最新期間の番組であった場合に（Ｓ２０３がＹ）、ステップＳ２０４で、嗜好変化の分析結果に応じて語句の重みを調整する。
このステップＳ２０３及びＳ２０４の処理により、図７の下右側に示す語句・重みテーブル２２が生成される。
前述したように、本例では、最新期間の語句における重みの調整は「５倍」であるが、この倍数は設計段階で決められているものである。ただし、重みの決め方には後述するように他の方法もあり、倍数で行うと限るものでないことは言うまでも無い。
また、本例では、最新期間の語句でないものは（Ｓ２０３がＮ）、過去の語句であるとみなして重みの調整は行わない。
以上の方法により、利用者の嗜好変化を検出して、変化量に応じた推薦番組の算出が可能となり、従来よりも、利用者の要望に的確に答える番組推薦機能が実現できる。
尚、図８に示した、嗜好変化の分析方法では、ＥＰＧに含まれる語句と番組名から成るベクトル空間を用いて変化量を算出しているが、この方法は、高精度な嗜好変化の分析が期待できる一方、繰り返し計算が多いため計算量が多くなり、時間が掛かるという問題が残されている。
また、嗜好変化を分析する方法は、上記の方法に限らず、嗜好変化を定量的に捉えることができる方法であれば、上述したとは異なる他の方法であっても良いことは、勿論である。
図１０は、嗜好変化の分析例の他の例として、ジャンルを用いた嗜好変化の分析例を示す図である。通常、ＥＰＧには、各番組の種類を分類するためのジャンル情報が含まれている。
本例では、各期間毎の録画履歴から、各ジャンルが録画された割合を求め、期間毎に管理する。そして、この管理データから、例えば図１０の上下に示すようなテーブルが生成される。
図１０の上下に示す例では、左から右へ「ジャンル」列、前期間を示す「５月」列、最新期間を示す「６月」列、ジャンル毎の最新期間と前期間の差（絶対値）を示す「変化量」列のテーブルが作成されている。上記の「ジャンル」列には「スポーツ、ドラマ、料理」のジャンルが含まれている。
これらの「スポーツ、ドラマ、料理」のジャンルの期間毎の録画された割合は、図１０の上に示すテーブル２３の例では、ジャンルが「スポーツ」で、前期間の５月期では「５」、最新期間の６月期では「２」、したがて、変化量は「３」となっている。
また、ジャンルが「ドラマ」で、前期間の５月期では「３」、最新期間の６月期では「５」、したがて、変化量は「２」となっている。そして、ジャンルが「料理」で、前期間の５月期では「２」、最新期間の６月期では「３」、したがて、変化量は「１」となっている。
上記の各ジャンル毎の差「３、２、１」を加算すると嗜好変化量の大きさ「６」を求めることができる。
また、図１０の下に示すテーブル２４の例では、各ジャンル「スポーツ、ドラマ、料理」それぞれの前期間の５月期での録画された割合は「５、３、２」で図１０の上に示すテーブル２３の例と変わらないが、最新期間の６月期で録画された割合は「４、４、２」となって、図１０の上に示すテーブル２３の例とは異なっており、したがて、その変化量も「１、１、０」となっている。
そして各ジャンル毎の差「１、１、０」を加算すると嗜好変化量の大きさ「２」を求めることができる。
すなわち、図１０の上に示すテーブル２３の例では変化量が大きく、図１０の下に示すテーブル２４の例では変化量が小さいことがわかる。
ところで、図７に示した例は、テレビ操作の内容として録画履歴を用いたが、利用者の嗜好を反映した操作であれば、録画に限らず、例えば、視聴操作も同様に利用することができる。
ただし、操作内容に応じて利用者の嗜好の強さを表す値は変わってくる。一般的には、視聴された番組よりも、録画された番組の方が、より利用者の嗜好が強い情報として捉えられる。
ところで、先に図７に示した嗜好クエリの生成においては、利用者による操作内容に応じて、嗜好クエリに加算する語句の重みとして、例えば、録画であれば係数＝２、視聴であれば係数＝１、消去であれば係数＝−２といった情報を予め設定して保持し、操作内容に応じて語句の重みに掛ける係数を変化させることで重みを調整することにより、より利用者の嗜好を的確に反映した嗜好クエリを作成することができる。
図１１は、そのように操作内容に応じて語句の重みに掛ける係数を変化させることで重みを調整する処理のフローチャートである。
図１１において、処理が開始されると、先ず、１番目の操作番組を選択し（ステップＳ３０１）、インデックスから操作番組に含まれる各語句の重みを取得する（ステップＳ３０２）。これらの処理は、図３のステップＳ１１、Ｓ１２の処理を同一である。
次に、操作の内容から語句の重みに掛ける係数を取得する（ステップＳ３０３）。この処理では、上述したように、計数は、例えば録画＝２．０、観る＝１．０、消す＝−２．０のように予め設定されている。
そして、嗜好クエリに語句の（重み×係数）を加算する（ステップＳ３０４）。すなわち、図３のステップ１３の処理において、単に重みを加算するのではなく、重みに係数を乗算して強調された重みを加算することになる。
続いて、最後の操作番組か否かを判別し（ステップＳ３０５）、最後の操作番組でなければ（Ｓ３０５がＮ）、次の操作番組を選択して（ステップＳ３０６）、ステップＳ３０２の処理に戻る。
そして、ステップＳ３０２〜Ｓ３０５（又は更にＳ３０６）の処理を繰り返す。これにより、全録画番組に含まれる語句それぞれの重みに係数を乗算した強調された重みが各個に加算された嗜好クエリが生成される。
そして、ステップＳ３０５の判別で、最後の操作番組であることが判別されたときは（Ｓ３０５がＹ）、上記生成された嗜好クエリを正規化して（ステップＳ３０７）、処理を終了する。
この正規化された嗜好クエリが、録画番組の最新期間の期間嗜好に基づいて番組を検索する際の、利用者の変化した最新嗜好に即応した嗜好クエリとなる。
なお、先に示した図８における期間嗜好の算出においても、上記と同様の原理において操作内容に応じた処理が可能である。
図１２は、操作内容に応じて期間嗜好の算出を行う処理のフローチャートである。なおこの図１２におけるステップＳ４０４〜Ｓ４０６の処理は、図８に示したステップＳ１０４及びＳ１０５の処理と入れ替わった流れとなっている。
また、嗜好を示す語句に付加する重みの算出方法において、単に録画番組の出現頻度を調べるだけと、操作内容に応じて重み変化させることとの違いを示すため、図８のＳ１０５の判別処理の「最後の録画番組？」の表現は、図１２ではＳ４０６の判別処理「最後の操作番組？」の表現に変わっている。
図１２において、処理が開始されると、先ず、最新期間が選択される（ステップＳ４０１）。そして、選択された最新期間中の１番目の録画番組が選択される（ステップＳ４０２）。次に、インデックスから録画番組に含まれる各語句の重みが取得される（ステップＳ４０３）。
上記に続いて本例では、利用者の番組操作履歴の内容から語句の重みに掛ける係数が取得される（ステップＳ４０４）。この処理では、ステップＳ４０４の処理にリンクして示す操作係数テーブル２５が使用される。
すなわち、図に示すように操作係数テーブル２５には、操作の内容「録画、視聴」に対応する係数が「２、１」に設定されている。勿論、前述したように、操作の内容に「消去」を加え、これに対応する係数を例えば「−２」に設定するようにしてもよい。
上記の処理に続いて、期間嗜好に語句の重みが加算される（ステップＳ４０５）。すなわち、操作の内容に応じて語句の重みが強調された（操作の内容が録画又は視聴の場合）期間嗜好が逐次形成されていく。
そして、最後の操作番組であるか否かを判別し（ステップＳ４０６）、最後の操作番組でなければ（Ｓ４０５がＮ）、次の操作番組を選択して（ステップＳ４０７）、ステップＳ４０３の処理に戻る。
そして、ステップＳ４０３〜Ｓ４０６（又は更にＳ４０７）の処理を繰り返す。これにより、最新期間の全操作番組に含まれる語句それぞれの重みが操作の内容に応じて強調され、各個に加算された期間嗜好が生成される。
そして、ステップＳ４０６の判別で、最後の操作番組であることが判別されたときは（Ｓ４０６がＹ）、上記生成された期間嗜好を正規化する（ステップＳ４０８）。
続いて、最新期間であるか否かを判別し（ステップＳ４０９）、最新期間であれば（Ｓ４０９がＹ）、その最新期間の前の期間（前期間）を選択して（ステップＳ４１０）、ステップＳ４０２の処理に戻り、上述したステップＳ４０２〜Ｓ４０８の処理を行って、前期間の期間嗜好を正規化する。
そして、ステップＳ４０９の判別で、最新期間でないことを判別すると（Ｓ４０９がＮ）、最新期間嗜好と前期間嗜好の類似度を算出して（ステップＳ４１１）、処理を終了する。
このステップＳ４１１における算出結果は、図８のステップＳ１１０における算出結果のように語句の出現頻度だけによるものではなく、利用者の操作の内容に応じて変わっている。
ところで、図７の下左側の「前期間の嗜好情報との類似度テーブル２１」に示した例では、嗜好が大きく変化した場合に一律に語句の重みを５倍していた。
しかし、一律に語句の重みを倍数にするのではなく、嗜好の変化量に応じて語句の重みに掛ける係数を調整することで、より利用者の嗜好変化に的確に追従することができるようになる。
嗜好の変化量は、期間嗜好の類似度で表せるため、嗜好の変化量を類似度に応じた係数として管理することができる。つまり、利用者の嗜好の変化の大小に応じて語句の、ひいては嗜好クエリの、重みを変えることができる。
図１３は、そのように嗜好の変化量に応じて語句の重みに掛ける係数を嗜好の類似度に応じて調整する方法の処理を示すフローチャートである。
なおこの図１３におけるステップＳ５０４及びＳ５０５の処理は、図９に示したステップＳ２０４及びＳ２０５の処理と入れ替わった流れとなっている。そして、更に図１２の操作係数テーブル２５を類似度係数テーブル２６に入替えた処理となっている。
図１３において、処理が開始されると、先ず、１番目の録画番組が選択される（ステップＳ５０１）。次に、インデックスから録画番組に含まれる各語句の重みが取得される（ステップＳＳ５０２）。
上記に続いて本例では、最新期間の番組であるか否かが判別され（ステップＳ５０３）、最新期間の番組であれば（Ｓ５０３がＹ）、語句の重みに掛ける係数が取得される（ステップＳ５０４）。
この処理では、図１２の最終処理ステップＳ４１１で求められている類似度に基づいて本例のステップＳ５０４の処理にンクしている類似度係数テーブル２６が使用される。
すなわち、図１３に示すように、類似度係数テーブル２６には、類似度「０．８〜１．０」「０．６〜０．８」「０．４〜０．６」「０．２〜０．４」「０．０〜０．２」に対応して、係数が「１」「２」「３」「４」「５」と示されている。
つまり、類似度が大きい（嗜好の変化が少ない）と、係数が小さく、類似度が小さい（嗜好の変化が大きい）と、係数が大きくなっている。この係数が語句の重みに掛けられるので、変化した嗜好の重みが強調される。
上記の処理に続いて、嗜好クエリに上記の語句の「重み×係数」が加算される（ステップＳ５０５）。
続いて、最後の録画番組か否かが判別され（ステップＳ５０６）、最後の録画番組でなければ（Ｓ５０６がＮ）、次の録画番組を選択して（ステップＳ５０７）、ステップＳ５０２の処理に戻る。
そして、ステップＳ５０２〜Ｓ５０６（又は更にＳ５０７）の処理を繰り返す。これにより、嗜好の変化に応じて語句の重みが調整された１番組における嗜好クエリが逐次形成されていく。
そして、ステップＳ５０６の判別で、最後の録画番組であることが判別されたときは（Ｓ５０６がＹ）、上記生成された嗜好クエリを正規化して（ステップＳ５０８）、処理を終了する。
この正規化された嗜好クエリが、利用者の変化した嗜好に即応した嗜好クエリとなる。
ところで、図８に示した例では期間嗜好の比較を最新期間と前期間のみで行っていた。これは、利用者の最新の嗜好を反映させる目的では、有効な方法である。
ただし、嗜好の変化が１時的なものか、継続的なものかということを判断できれば、さらに利用者の嗜好変化に敏感に対応することができると考えられる。
図１４は、利用者の嗜好の変化が１時的なものか継続的なものかを判断するための期間類似度テーブルの例を示す図である。
図１４に示す「前期間の嗜好情報との類似度テーブル２７」は、図７の下左側の「前期間の嗜好情報との類似度テーブル２１」で示した嗜好変化の分析例を、さらに翌月まで進めたものである。
図１４の前期間の嗜好情報との類似度テーブル２７の例を見ると、２月から５月まで類似度が「０．８又は０．９」と高かった（変化していなかった）嗜好が、６月で変化し（類似度が「０．３」と低くなり）、７月では類似度が「０．８」と高くなっている（前月と嗜好の変化が無くなっている）。
つまり、１月〜５月までの嗜好は類似しているが、６月で変化し、その変化が７月も継続している（６月と７月は同じ番組をみている）と判断することができる。
このように嗜好の変化が継続している場合は、図９において最新の期間のみの語句の重みを調整していた処理を、最新期間（図１４の例では変化が継続している７月）と前期間（図１４の例では嗜好が変化した６月）に拡張することで、更に利用者の嗜好変化を強く反映した処理が可能となる。
特にはフローチャートで示さないが、本例の処理を実行するに際しては、最初の変化つまり６月の変化では控え目に重みをつける。そして、変化した嗜好が７月のように継続しているようだと、この類似度の高い嗜好の重みを強調するようにする。これで、利用者の嗜好変化を強く反映した処理が可能となる。
尚、これまで説明してきた例では、嗜好の変化を算出して、語句の重みを調整してきたが、嗜好変化の分析処理を省いても、最新の嗜好を強く反映した処理を行えば、簡易的に利用者の嗜好に追従した処理が可能となる。
これは、嗜好クエリの生成処理において、最新期間の語句に大きな重みを与え、過去の期間になるほど小さな重みとすることで、実現可能である。
以上、説明したように、本発明によれば、利用者の嗜好変化を検出して、変化量に応じた検索要求（嗜好クエリ）を自動生成するため、利用者の嗜好変化に追従した精度の高い番組推薦機能を実現することができる。
（付記１）
番組情報を格納する番組情報格納手段と、
テレビ操作履歴を格納する操作履歴格納手段と、
前記番組情報と前記テレビ操作履歴とから嗜好情報を生成し、該嗜好情報を所定期間ごとに管理する嗜好情報管理手段と、
前記所定期間ごとに管理された前記嗜好情報の変化量を算出する嗜好変化量算出手段と、
を備え、
前記嗜好情報の変化量に応じて重みを調整した検索要求を生成し、該検索要求により前記番組情報から推薦番組を検索する
ことを特徴とする番組検索装置。
（付記２）
前記嗜好情報として、電子番組情報から取得した、語句および番組名の統計量から算出した語句の重みと、番組名からなるベクトル情報を生成する手段を備えることを特徴とする、付記１記載の番組検索装置。
（付記３）
前記嗜好情報として、電子番組情報から取得した番組名とジャンルの頻度からなる、嗜好情報生成手段を備えることを特徴とする、付記１記載の番組検索装置。
（付記４）
前記検索要求を生成するに際し、前記テレビ操作履歴に含まれるテレビ操作内容に応じて、前記検索要求に含まれる語句の重みを調整する操作内容重み調整手段を更に備える、ことを特徴とする付記１記載の番組検索装置。
（付記５）
前記所定期間ごとに管理すべき前記嗜好情報を生成するに際し、前記テレビ操作履歴に含まれるテレビ操作内容に応じて、前記嗜好情報に含まれる語句の重みを調整する嗜好情報重み調整手段を更に備える、ことを特徴とする付記１記載の番組検索装置。
（付記６）
前記検索要求を生成するに際し、前記所定期間ごとの嗜好の類似度に応じて、前記検索要求に含まれる語句の重みを調整する類似度重み調整手段を更に備える、ことを特徴とする付記１記載の番組検索装置。
（付記７）
前記嗜好変化量算出手段は、前記嗜好情報の変化量を算出する対象期間を、最新期間と１つ前の期間とする、ことを特徴とする付記１記載の番組検索装置。
（付記８）
前記嗜好の変化の継続期間を算出する変化継続期間算出手段を更に備える、ことを特徴とする付記１記載の番組検索装置。
（付記９）
対象期間を最新期間とし、この期間の検索要求を生成するに際し、該検索要求を形成する語句の重みに一定値以上の係数を掛ける、ことを特徴とする付記１記載の番組検索装置。
（付記１０）
番組情報を格納する番組情報格納工程と、
テレビ操作履歴を格納する操作履歴格納工程と、
前記番組情報と前記テレビ操作履歴とから嗜好情報を生成し、該嗜好情報を所定期間ごとに管理する嗜好情報管理工程と、
前記所定期間ごとに管理された前記嗜好情報の変化量を算出する嗜好変化量算出工程と、
を有し、
前記嗜好情報の変化量に応じて重みを調整した検索要求を生成し、該検索要求により前記番組情報から推薦番組を検索する
ことを特徴とする番組検索方法。
（付記１１）
前記嗜好情報として、電子番組情報から取得した、語句および番組名の統計量から算出した語句の重みと、番組名からなるベクトル情報を生成する工程を有することを特徴とする、付記１０記載の番組検索方法。
（付記１２）
前記嗜好情報として、電子番組情報から取得した番組名とジャンルの頻度からなる、嗜好情報生成工程を有することを特徴とする、付記１０記載の番組検索方法。
（付記１３）
前記検索要求を生成するに際し、前記テレビ操作履歴に含まれるテレビ操作内容に応じて、前記検索要求に含まれる語句の重みを調整する操作内容重み調整工程を更に有する、ことを特徴とする付記１０記載の番組検索方法。
（付記１４）
前記所定期間ごとに管理すべき前記嗜好情報を生成するに際し、前記テレビ操作履歴に含まれるテレビ操作内容に応じて、前記嗜好情報に含まれる語句の重みを調整する嗜好情報重み調整工程を更に有する、ことを特徴とする付記１０記載の番組検索方法。
（付記１５）
前記検索要求を生成するに際し、前記所定期間ごとの嗜好の類似度に応じて、前記検索要求に含まれる語句の重みを調整する類似度重み調整工程を更に有する、ことを特徴とする付記１０記載の番組検索方法。
（付記１６）
前記嗜好変化量算出工程は、前記嗜好情報の変化量を算出する対象期間を、最新期間と１つ前の期間とする、ことを特徴とする付記１０記載の番組検索方法。
（付記１７）
前記嗜好の変化の継続期間を算出する変化継続期間算出工程を更に有する、ことを特徴とする付記１０記載の番組検索方法。
（付記１８）
対象期間を最新期間とし、この期間の検索要求を生成するに際し、該検索要求を形成する語句の重みに一定値以上の係数を掛ける、ことを特徴とする付記１０記載の番組検索方法。
第１の実施形態における番組検索装置の回路構成を示すブロック図である。 利用者の嗜好を抽出して推薦番組の検索を行う基本的な処理におけるＥＰＧから検索インデックスを生成する処理を説明するフローチャートである。 利用者の嗜好を抽出して推薦番組の検索を行う基本的な処理における録画履歴の情報から嗜好クエリを生成する方法を説明するフローチャートである。 利用者の嗜好を抽出して推薦番組の検索を行う基本的な処理における推薦番組を検索する方法を説明するフローチャートである。 利用者の嗜好が変化した例を示す或る期間の嗜好情報の例を示す図である。 図５の嗜好情報を用いて番組を検索するための嗜好クエリを生成する処理の流れを示す図である。 本発明の利用者の嗜好に追従した番組推薦機能を実現する原理を示す図である。 嗜好変化の分析処理による嗜好の変化を捉える処理を詳細に説明するフローチャートである。 嗜好クエリ生成処理による重みを付けて強調する処理を詳細に説明するフローチャートである。 嗜好変化の分析例の他の例としてジャンルを用いた嗜好変化の分析例を示す図である。 番組の操作内容に応じて語句の重みに掛ける係数を変化させることにより重みを調整する処理のフローチャートである。 番組の操作内容に応じて期間嗜好の算出を行う処理のフローチャートである。 嗜好の変化量に応じて語句の重みに掛ける係数を嗜好の類似度に応じて調整する方法の処理を示すフローチャートである。 利用者の嗜好の変化が１時的なものか継続的なものかを判断するための期間類似度テーブルの例を示す図である。
符号の説明
１ 番組検索装置
２ ＣＰＵ(central processing unit）
３ バス
４ 入出力部
５ ＴＶチューナ
６ 映像・音声出力部
７ 記憶装置
８ メモリ
９ アンテナ
１０ 一定期間内の利用者の嗜好情報の例
１１ 録画操作処理
１２ 録画履歴記録処理
１３ 嗜好クエリ生成処理
１４ ＥＰＧ検索処理
１５ 語句・重みテーブル
１６ 録画操作処理
１７ 録画履歴記録処理
１８ 嗜好変化の分析処理
１９ 嗜好クエリ生成処理
２０ ＥＰＧ検索処理
２１ 前期間の嗜好情報との類似度テーブル
２２ 語句・重みテーブル
２３、２４ ジャンル毎最新期間と前期間の変化量テーブル
２５ 操作係数テーブル
２６ 類似度係数テーブル
２７ 前期間の嗜好情報との類似度テーブル

Claims (9)

  1. 番組情報を格納する番組情報格納手段と、
    テレビ操作履歴を格納する操作履歴格納手段と、
    前記番組情報と前記テレビ操作履歴とから嗜好情報を生成し、該嗜好情報を所定期間ごとに管理する嗜好情報管理手段と、
    前記所定期間ごとに管理された前記嗜好情報の変化量を算出する嗜好変化量算出手段と、
    を備え、
    前記嗜好情報の変化量に応じて重みを調整した検索要求を生成し、該検索要求により前記番組情報から推薦番組を検索する
    ことを特徴とする番組検索装置。
  2. 前記嗜好情報として、電子番組情報から取得した、語句および番組名の統計量から算出した語句の重みと、番組名からなるベクトル情報を生成する手段を備えることを特徴とする、請求項１記載の番組検索装置。
  3. 前記嗜好情報として、電子番組情報から取得した番組名とジャンルの頻度からなる、嗜好情報生成手段を備えることを特徴とする、請求項１記載の番組検索装置。
  4. 前記検索要求を生成するに際し、前記テレビ操作履歴に含まれるテレビ操作内容に応じて、前記検索要求に含まれる語句の重みを調整する操作内容重み調整手段を更に備える、ことを特徴とする請求項１記載の番組検索装置。
  5. 前記所定期間ごとに管理すべき前記嗜好情報を生成するに際し、前記テレビ操作履歴に含まれるテレビ操作内容に応じて、前記嗜好情報に含まれる語句の重みを調整する嗜好情報重み調整手段を更に備える、ことを特徴とする請求項１記載の番組検索装置。
  6. 前記検索要求を生成するに際し、前記所定期間ごとの嗜好の類似度に応じて、前記検索要求に含まれる語句の重みを調整する類似度重み調整手段を更に備える、ことを特徴とする請求項１記載の番組検索装置。
  7. 前記嗜好変化量算出手段は、前記嗜好情報の変化量を算出する対象期間を、最新期間と１つ前の期間とする、ことを特徴とする請求項１記載の番組検索装置。
  8. 前記嗜好の変化の継続期間を算出する変化継続期間算出手段を更に備える、ことを特徴とする請求項１記載の番組検索装置。
  9. 対象期間を最新期間とし、この期間の検索要求を生成するに際し、該検索要求を形成する語句の重みに一定値以上の係数を掛ける、ことを特徴とする請求項１記載の番組検索装置。
JP2006324767A 2006-11-30 2006-11-30 番組検索装置 Expired - Fee Related JP4909033B2 (ja)

Priority Applications (4)

Application Number Priority Date Filing Date Title
JP2006324767A JP4909033B2 (ja) 2006-11-30 2006-11-30 番組検索装置
US11/847,150 US8429690B2 (en) 2006-11-30 2007-08-29 TV program search apparatus
EP07115326.6A EP1928170B1 (en) 2006-11-30 2007-08-30 TV program search apparatus
KR1020070094796A KR100899831B1 (ko) 2006-11-30 2007-09-18 프로그램 검색 장치

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
JP2006324767A JP4909033B2 (ja) 2006-11-30 2006-11-30 番組検索装置

Publications (2)

Publication Number Publication Date
JP2008141416A JP2008141416A (ja) 2008-06-19
JP4909033B2 true JP4909033B2 (ja) 2012-04-04

Family

ID=38694927

Family Applications (1)

Application Number Title Priority Date Filing Date
JP2006324767A Expired - Fee Related JP4909033B2 (ja) 2006-11-30 2006-11-30 番組検索装置

Country Status (4)

Country Link
US (1) US8429690B2 (ja)
EP (1) EP1928170B1 (ja)
JP (1) JP4909033B2 (ja)
KR (1) KR100899831B1 (ja)

Families Citing this family (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2010041163A (ja) * 2008-08-01 2010-02-18 Fujitsu Ltd 表示装置，遠隔操作装置および表示プログラム
JP4962979B2 (ja) * 2008-12-08 2012-06-27 ヤフー株式会社 流行語検知装置、方法及びシステム
CN102342097A (zh) * 2009-04-24 2012-02-01 松下电器产业株式会社 节目间重复部分检测方法及装载其的影像声音记录装置
JP5505009B2 (ja) * 2010-03-19 2014-05-28 富士通株式会社 通信端末装置、コンピュータプログラムおよびコンテンツ検索方法
US8788371B2 (en) * 2010-05-26 2014-07-22 Ebay Inc. Personalized search widgets for customized user interface
JP4940348B1 (ja) * 2010-12-27 2012-05-30 株式会社東芝 映像出力装置および映像出力方法
JP5741242B2 (ja) * 2011-06-21 2015-07-01 コニカミノルタ株式会社 プロファイル更新装置およびその制御方法、ならびに、プロファイル更新用プログラム
JP2013131165A (ja) * 2011-12-22 2013-07-04 Toshiba Corp 情報再生装置とその制御方法
US9473730B1 (en) * 2012-02-13 2016-10-18 Nbcuniversal Media, Llc Method and system for personalized recommendation modeling
US10575055B2 (en) * 2016-07-11 2020-02-25 Sony Corporation Using automatic content recognition (ACR) to weight search results for audio video display device (AVDD)
KR102384215B1 (ko) * 2017-08-01 2022-04-07 삼성전자주식회사 전자 장치 및 그의 제어방법
US10860642B2 (en) 2018-06-21 2020-12-08 Google Llc Predicting topics of potential relevance based on retrieved/created digital media files
US10732789B1 (en) * 2019-03-12 2020-08-04 Bottomline Technologies, Inc. Machine learning visualization
JP7417889B2 (ja) 2019-10-21 2024-01-19 パナソニックＩｐマネジメント株式会社 コンテンツ推薦システム

Family Cites Families (21)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH0562283A (ja) 1991-08-29 1993-03-12 Toshiba Corp 磁気記録再生装置における自動学習録画装置
US9286294B2 (en) * 1992-12-09 2016-03-15 Comcast Ip Holdings I, Llc Video and digital multimedia aggregator content suggestion engine
JPH0946689A (ja) * 1995-07-28 1997-02-14 Hitachi Ltd 映像ソフト紹介システムおよび映像ソフト紹介方法
US6426778B1 (en) * 1998-04-03 2002-07-30 Avid Technology, Inc. System and method for providing interactive components in motion video
JP2001086420A (ja) 1999-09-16 2001-03-30 Matsushita Electric Ind Co Ltd 放送端末装置
US7779097B2 (en) * 2000-09-07 2010-08-17 Sonic Solutions Methods and systems for use in network management of content
JP3654349B2 (ja) * 2001-07-09 2005-06-02 ソニー株式会社 コンテンツ嗜好度算出方法およびコンテンツ受信装置
FR2840480B1 (fr) * 2002-05-31 2004-11-26 Cit Alcatel Procede de gestion auto-adaptative de pertinence de contenus multimedia pour recepteur de ces contenus et recepteur associe
KR100594963B1 (ko) * 2002-09-18 2006-07-03 한국전자통신연구원 사용자 선호 시청 시간대에 선호 프로그램의 제공을 위한개인 채널 서비스 제공 방법 및 그 장치
WO2004054245A1 (ja) * 2002-12-12 2004-06-24 Sony Corporation 情報処理装置および情報処理方法、情報処理システム、記録媒体、並びにプログラム
JP2004194108A (ja) * 2002-12-12 2004-07-08 Sony Corp 情報処理装置および情報処理方法、記録媒体、並びにプログラム
JP4333254B2 (ja) * 2003-07-18 2009-09-16 ソニー株式会社 情報処理装置および方法、記録媒体、並びにプログラム
KR101102638B1 (ko) 2003-11-13 2012-01-04 파나소닉 주식회사 프로그램 추천장치, 프로그램 추천장치의 프로그램 추천방법 및 기록매체
JP4235949B2 (ja) 2003-12-25 2009-03-11 日本ビクター株式会社 テレビジョン番組検索方法及びテレビジョン番組検索装置
JP4314568B2 (ja) 2003-12-25 2009-08-19 日本ビクター株式会社 テレビジョン番組検索方法及びテレビジョン番組検索装置
US7412435B2 (en) * 2004-01-06 2008-08-12 Matsushita Electric Industrial Co., Ltd. Information retrieval apparatus and information retrieval support apparatus
JP2005352754A (ja) * 2004-06-10 2005-12-22 Sharp Corp 情報ナビゲーション装置、方法、プログラム、及び記録媒体
JP2006048319A (ja) * 2004-08-04 2006-02-16 Sony Corp 情報処理装置および方法、記録媒体、並びにプログラム
JP2006148853A (ja) * 2004-10-18 2006-06-08 Sharp Corp 情報作成装置、番組推薦装置、情報作成方法、番組推薦プログラムおよびそのプログラムを記録した記録媒体
JP4566693B2 (ja) * 2004-10-28 2010-10-20 シャープ株式会社 コンテンツ推薦装置、コンテンツ推薦方法、コンテンツ推薦プログラム及びこれを記録したコンピュータ読み取り可能な記録媒体
JP2007096560A (ja) * 2005-09-28 2007-04-12 Hitachi Ltd ユーザ嗜好抽出装置

Also Published As

Publication number Publication date
EP1928170A3 (en) 2010-12-29
EP1928170A2 (en) 2008-06-04
EP1928170B1 (en) 2014-12-31
US8429690B2 (en) 2013-04-23
KR20080049604A (ko) 2008-06-04
US20080134248A1 (en) 2008-06-05
JP2008141416A (ja) 2008-06-19
KR100899831B1 (ko) 2009-05-27

Similar Documents

Publication Publication Date Title
JP4909033B2 (ja) 番組検索装置
JP5285196B1 (ja) お薦めコンテンツ提供装置、お薦めコンテンツ提供プログラムおよびお薦めコンテンツ提供方法
JP4505418B2 (ja) 番組推薦装置及び番組推薦装置の番組推薦方法並びにプログラム
JP4768208B2 (ja) 暗黙的及び明示的な視聴の選択を使用した推薦スコアを生成するための方法及び装置
US10255353B2 (en) Individualized detailed program recommendations with active updating of viewer preferences
RU2524840C2 (ru) Адаптивное неявное изучение для рекомендательных систем
JP4464463B2 (ja) 関連語提示装置
JP5205895B2 (ja) 情報推奨装置
JP4370850B2 (ja) 情報処理装置および方法、プログラム、並びに記録媒体
CN102265276A (zh) 基于上下文的推荐系统
JP2004516565A (ja) 選択の一貫性に基づいて推奨提案を生成する方法及び装置
JP2010066837A (ja) 情報処理装置および方法、プログラム、並びに記録媒体
JP2005352754A (ja) 情報ナビゲーション装置、方法、プログラム、及び記録媒体
KR100915929B1 (ko) 정보 검색 장치 및 정보 검색 방법
JP4253532B2 (ja) 情報推薦装置、情報推薦プログラム及び記録媒体
JP2006094018A (ja) 番組推薦装置、番組推薦方法、プログラムおよびそのプログラムを記録した記録媒体
JP4698545B2 (ja) 情報処理装置及び方法及びプログラム並びに記憶媒体
JP4305865B2 (ja) 番組自動選択装置、番組自動選択方法、及び番組自動選択プログラム
JP2009230306A (ja) 映像記録再生装置
JP5008250B2 (ja) 情報処理装置および方法、プログラム、並びに記録媒体
KR101473250B1 (ko) 디지털 방송 시스템에서 사용자 선호 프로그램 추천 방법및 장치
JP4305860B2 (ja) 番組自動選択装置、番組自動選択方法、及び番組自動選択プログラム
JP4305862B2 (ja) 番組順位付け装置、番組順位付け方法、及び番組順位付けプログラム
JP4305863B2 (ja) 番組順位付け装置、番組順位付け方法、及び番組順位付けプログラム
JP4305861B2 (ja) 番組順位付け装置、番組順位付け方法、及び番組順位付けプログラム

Legal Events

Date Code Title Description
A621 Written request for application examination

Free format text: JAPANESE INTERMEDIATE CODE: A621

Effective date: 20090810

TRDD Decision of grant or rejection written
A977 Report on retrieval

Free format text: JAPANESE INTERMEDIATE CODE: A971007

Effective date: 20111228

A01 Written decision to grant a patent or to grant a registration (utility model)

Free format text: JAPANESE INTERMEDIATE CODE: A01

Effective date: 20120110

A01 Written decision to grant a patent or to grant a registration (utility model)

Free format text: JAPANESE INTERMEDIATE CODE: A01

A61 First payment of annual fees (during grant procedure)

Free format text: JAPANESE INTERMEDIATE CODE: A61

Effective date: 20120113

FPAY Renewal fee payment (event date is renewal date of database)

Free format text: PAYMENT UNTIL: 20150120

Year of fee payment: 3

R150 Certificate of patent or registration of utility model

Free format text: JAPANESE INTERMEDIATE CODE: R150

LAPS Cancellation because of no payment of annual fees