JP5126633B2 - アイテム選択装置、アイテム選択方法およびコンピュータプログラム - Google Patents

Description

本発明は、ユーザのアイテム利用情報に基づいて、ユーザに適した推薦アイテムを選択するアイテム選択装置、アイテム選択方法およびコンピュータプログラムに関する。

近年、デジタル技術やネットワーク技術の進展により、ネットワークを使ってデジタルコンテンツや商品などのアイテムを配信したり、販売することが増えている。これに伴い、多数のアイテムの中から、ユーザの所望するアイテムの情報を選択して提供する技術へのニーズが高まっており、ユーザのアイテムに対する評価情報や利用情報を用いて、ユーザの嗜好や興味に合致するアイテムの情報を提供する技術が提案されている。

さらに、特許文献１および特許文献２に開示されているように、ユーザの嗜好や興味に合致するだけでなく、アイテムを販売する販売者の方針に合ったアイテムを推薦する技術も提案されている。

特開２００１−２３６４０５号公報 特開２００１−２０２５７１号公報

特許文献１には、販売者が商品推薦のための推薦ルールを用意し、ユーザが過去に購入した商品やアクセスしたＷｅｂページなどの情報に基づいて、ユーザに合った推薦ルールを選別して商品を推薦することが開示されている。これにより、ユーザに嗜好に合致し、かつ販売者の販売方針に合致するアイテムをユーザに推薦することができる。

また、特許文献２には、顧客が過去に購入した商品等の情報を蓄積し、販売者の商品戦略に基づくキャンペーン商品の中から顧客に適したキャンペーン商品を選んで表示することが開示されている。これにより、ユーザの購入履歴に対応したキャンペーン商品をユーザに推薦することができる。

しかしながら、特許文献１あるいは特許文献２に開示された方法では、ユーザに推薦される商品の全てが、販売者の販売方針に合ったアイテムに限定されてしまう。したがって、推薦情報が特定の商品や特定の分野に偏る傾向があり、推薦情報を受けるユーザの立場からすると、必ずしも魅力的な情報とはいえなかった。

また、推薦される商品は全て、販売者の販売方針に合致した商品であることから、ユーザが、それらに通底する共通性を察知し、販売者の押し付けや、押し売り姿勢などを感じ取ることもあった。このため、ユーザは推薦商品を素直に受容できず、逆に不信感を抱いてしまい、推薦情報の提供が商品の売上げに十分に結びつかない場合があるものと考えられる。

そこで本発明は、ユーザの嗜好と販売者の販売方針とになるべく合致し、かつ、販売者の販売方針だけに偏ることなく、ユーザが受容しやすいアイテムを選択できるようにすることを目的とする。

上記課題を解決するため、本発明の第１の態様であるアイテム選択装置は、ユーザとユーザの利用に係るアイテムとを対応付けた利用履歴を用いて、処理対象ユーザについて、所定の手順に従って算出される嗜好度の大きい順に第１所定数のアイテム、または、前記嗜好度が第１所定値以上のアイテムを選択し、前記処理対象ユーザの嗜好に適合すると判定されたアイテムの集合である嗜好アイテム集合を作成する嗜好アイテム集合作成部と、前記嗜好アイテム集合に含まれる少なくとも一部のアイテムの集合、または前記利用履歴において前記処理対象ユーザの利用に係るアイテムの集合である第１の集合を対象にして、推薦アイテムと判定するための条件を示す推薦アイテム条件を満たすアイテムの割合である第１割合を計算する第１割合計算部と、前記第１割合を用いて、前記処理対象ユーザの嗜好と前記推薦アイテム条件との関連の強さを指標化したユーザ特性値を計算するユーザ特性値計算部と、前記嗜好アイテム集合に含まれるアイテムから、前記推薦アイテム条件を満たすアイテムを含む複数のアイテムを選択し、結果アイテム集合を作成するアイテム選択部とを備え、前記アイテム選択部は、前記ユーザ特性値が所定のユーザ特性値条件を満たす場合に、前記結果アイテム集合における前記推薦アイテム条件を満たすアイテムの割合が、前記第１割合が１の場合を除き、前記第１割合よりも大きく、かつ１より小さくなるように、前記結果アイテム集合を作成することを特徴とする。

ここで、前記アイテム選択部は、前記ユーザ特性値が所定のユーザ特性値条件を満たさない場合に、前記結果アイテム集合における前記推薦アイテム条件を満たすアイテムの割合が前記第１割合となるように、前記結果アイテム集合を作成することができる。

また、前記第１の集合に含まれるアイテム以外のアイテムを含むアイテムの集合である第２の集合を作成し、前記第２の集合を対象にして、前記推薦アイテム条件を満たすアイテムの割合である第２割合を計算する第２割合計算部をさらに備え、前記ユーザ特性値計算部は、前記第１割合と前記第２割合とを用いて、前記処理対象ユーザについてのユーザ特性値を計算するようにしてもよい。

このとき、前記第２割合計算部は、前記利用履歴を参照し、前記処理対象ユーザ以外のユーザについてアイテムごとの前記嗜好度をそれぞれ計算し、計算された嗜好度の大きい順に第２所定数のアイテム、または前記嗜好度が第２所定値以上のアイテムを選択し、前記第２の集合を作成することができる。

あるいは、前記第２割合計算部は、前記利用履歴を参照し、前記処理対象ユーザについてアイテムごとの前記嗜好度をそれぞれ計算し、計算された嗜好度の大きい順にアイテムをソートした場合に、前記第１所定数より後の順位となるアイテム、または前記嗜好度が前記第１の所定値未満のアイテムを選択し、前記第２の集合を作成することができる。あるいは、前記第２割合計算部は、前記利用履歴を参照し、前記処理対象ユーザ以外のユーザの利用に係るアイテムを選択し、前記第２の集合を作成することができる。

また、前記ユーザ特性値計算部は、前記第１割合から前記第２割合を減算した値、または前記第１割合を前記第２割合で除算した値を用いて、前記ユーザ特性値を計算することができる。

また、前記アイテム選択部は、前記嗜好アイテム集合に含まれる前記推薦アイテム条件を満たすアイテムと、前記嗜好アイテム集合に含まれる前記推薦アイテム条件を満たさないアイテムとを用いて、前記結果アイテム集合を作成することができる。

また、前記アイテム選択部は、前記結果アイテム集合における前記推薦アイテム条件を満たすアイテムの割合が、前記第１割合が１の場合を除き、前記第１割合より大きく、かつ１より小さくなるのに加え、前記第１割合が大きいほど大きな値となるよう、前記結果アイテム集合を作成することができる。

また、前記アイテム選択部は、前記所定のユーザ特性値条件として、前記ユーザ特性値が第３所定値以上であり、かつ第４所定値未満という条件を用い、このユーザ特性値条件を満たす場合に、前記結果アイテム集合における前記推薦アイテム条件を満たすアイテムの割合が、前記第１割合が１の場合を除き、前記第１割合より大きく、かつ１より小さくなるように前記結果アイテム集合を作成し、前記ユーザ特性が前記第４所定値より大きい場合は、前記結果アイテム集合における前記推薦アイテム条件を満たすアイテムの割合が、前記第１割合より小さくなるように前記結果アイテム集合を作成することができる。

また、前記推薦アイテム条件は、前記利用履歴に含まれるアイテムの利用回数の順位についての範囲、または前記利用履歴に含まれるアイテムの利用ユーザ数の順位についての範囲が設定されていることができる。あるいは、前記推薦アイテム条件は、前記利用履歴に含まれるアイテムの利用回数についての範囲、または前記利用履歴に含まれるアイテムの利用ユーザ数についての範囲が設定されているようにしてもよい。

いずれの場合も、作成された前記結果アイテム集合を、ネットワークを介して出力する出力部をさらに備えることができる。

上記課題を解決するため、本発明の第２の態様であるアイテム選択方法は、情報処理装置において実行されるアイテム選択方法であって、ユーザとユーザの利用に係るアイテムとを対応付けた利用履歴を用いて、処理対象ユーザについて、所定の手順に従って算出される嗜好度の大きい順に第１所定数のアイテム、または、前記嗜好度が第１所定値以上のアイテムを選択し、前記処理対象ユーザの嗜好に適合すると判定されたアイテムの集合である嗜好アイテム集合を作成する嗜好アイテム集合作成ステップと、前記嗜好アイテム集合に含まれる少なくとも一部のアイテム、または前記利用履歴において前記処理対象ユーザの利用に係るアイテムの集合である第１の集合を対象にして、推薦アイテムと判定するための条件を示す推薦アイテム条件を満たすアイテムの割合である第１割合を計算する第１割合計算ステップと、前記第１割合を用いて、前記処理対象ユーザの嗜好と前記推薦アイテム条件との関連の強さを指標化したユーザ特性値を計算するユーザ特性値計算ステップと、前記嗜好アイテム集合に含まれるアイテムから、前記推薦アイテム条件を満たすアイテムを含む複数のアイテムを選択し、結果アイテム集合を作成するアイテム選択ステップとを有し、前記アイテム選択ステップは、前記ユーザ特性値が所定のユーザ特性値条件を満たす場合に、前記結果アイテム集合における前記推薦アイテム条件を満たすアイテムの割合が、前記第１割合が１の場合を除き、前記第１割合よりも大きく、かつ１より小さくなるように、前記結果アイテム集合を作成することを特徴とする。

ここで、前記アイテム選択ステップは、前記ユーザ特性値が所定のユーザ特性値条件を満たさない場合に、前記結果アイテム集合における前記推薦アイテム条件を満たすアイテムの割合が前記第１割合となるように、前記結果アイテム集合を作成することができる。

また、前記第１の集合に含まれるアイテム以外のアイテムを含むアイテムの集合である第２の集合を作成し、前記第２の集合を対象にして、前記推薦アイテム条件を満たすアイテムの割合である第２割合を計算する第２割合計算ステップをさらに有し、前記ユーザ特性値計算ステップは、前記第１割合と前記第２割合とを用いて、前記処理対象ユーザについてのユーザ特性値を計算するようにしてもよい。

上記課題を解決するため、本発明の第３の態様であるコンピュータプログラムは、ユーザとユーザの利用に係るアイテムとを対応付けた利用履歴を用いて、処理対象ユーザについて、所定の手順に従って算出される嗜好度の大きい順に第１所定数のアイテム、または、前記嗜好度が第１所定値以上のアイテムを選択し、前記処理対象ユーザの嗜好に適合すると判定されたアイテムの集合である嗜好アイテム集合を作成する嗜好アイテム集合作成部と、前記嗜好アイテム集合に含まれる少なくとも一部のアイテム、または前記利用履歴において前記処理対象ユーザの利用に係るアイテムの集合である第１の集合を対象にして、推薦アイテムと判定するための条件を示す推薦アイテム条件を満たすアイテムの割合である第１割合を計算する第１割合計算部と、前記第１割合を用いて、前記処理対象ユーザの嗜好と前記推薦アイテム条件との関連の強さを指標化したユーザ特性値を計算するユーザ特性値計算部と、前記嗜好アイテム集合に含まれるアイテムから、前記推薦アイテム条件を満たすアイテムを含む複数のアイテムを選択して、結果アイテム集合を作成し、前記ユーザ特性値が所定のユーザ特性値条件を満たす場合には、前記結果アイテム集合における前記推薦アイテム条件を満たすアイテムの割合が、前記第１割合が１の場合を除き、前記第１割合よりも大きく、かつ１より小さくなるように、前記結果アイテム集合を作成するアイテム選択部として情報処理装置を機能させることを特徴とする。

ここで、前記アイテム選択部は、前記ユーザ特性値が所定のユーザ特性値条件を満たさない場合に、前記結果アイテム集合における前記推薦アイテム条件を満たすアイテムの割合が前記第１割合となるように、前記結果アイテム集合を作成することができる。

また、前記第１の集合に含まれるアイテム以外のアイテムを含むアイテムの集合である第２の集合を作成し、前記第２の集合を対象にして、前記推薦アイテム条件を満たすアイテムの割合である第２割合を計算する第２割合計算部としてさらに情報処理装置を機能させ、前記ユーザ特性値計算部は、前記第１割合と前記第２割合とを用いて、前記処理対象ユーザについてのユーザ特性値を計算するようにしてもよい。

本発明によれば、ユーザの嗜好と販売者の販売方針とになるべく合致し、かつ、販売者の販売方針だけに偏ることなく、ユーザが受容しやすいアイテムを選択できるようになる。

本実施形態に係るシステム全体の構成を示すブロック図である。 システムの別構成を示すブロック図である。 アイテム提供サーバの構成を示すブロック図である。 アイテム格納部の格納形式例を示す図である。 推薦情報格納部の格納形式例を示す図である。 情報選択装置の構成を示すブロック図である。 アイテム属性格納部の格納形式例を示す図である。 利用履歴格納部の格納形式例を示す図である。 推薦アイテム条件格納部の格納形式例を示す図である。 ユーザ属性格納部の格納形式例を示す図である。 推薦対象ユーザのユーザ識別子と、選出した類似ユーザのユーザ識別子と、その類似度とを関連付けたテーブルを示す図である。 システム全体の動作を説明する。フローチャートである。 アイテム情報を取得するための操作メニューの表示例を示す図である。 推薦情報に基づくアイテム情報の表示例を示す図である。 情報選択装置が推薦情報を作成して送信し、アイテム提供サーバが受信する動作について説明するフローチャートである。 嗜好アイテム集合作成処理の第１の方法について説明するフローチャートである。 嗜好アイテム集合作成処理の第２の方法について説明するフローチャートである。 嗜好アイテム集合作成処理の第３の方法について説明するフローチャートである。 推薦情報作成の第１の方法について説明するフローチャートである。 第１割合に基づいて第３割合を設定する方法について説明する図である。 推薦情報作成の第２の方法について説明するフローチャートである。 第１割合に基づいて第３割合を設定する方法の別例について説明する図である。

本発明の実施の形態であるネットワークシステムについて図面を参照して、システム構成、システム動作の順で詳細に説明する。
＜１．システム構成＞
＜１．１．全体構成＞

図１は、本実施形態に係るネットワークシステム全体の構成を示すブロック図である。本図に示すように、ネットワークシステムは、アイテム等の情報を選択する情報選択装置１０と、アイテム提供サーバ２０と、１台以上の端末装置３０（図中では３０ａ〜３０ｎ、本実施形態では「端末装置３０」と総称する）がネットワーク４０を介して接続されて構成される。ここで、情報選択装置１０とアイテム提供サーバ２０により、端末装置３０を使用するユーザに対してアイテム提供等のサービスを行なうアイテム提供システム１を構成している。ネットワーク４０は、インターネットに代表される広域ネットワークとすることができる。また、端末装置３０とネットワーク４０との接続形態は、有線・無線を問わない。

ネットワークシステムは、図２に示すような構成としてもよい。すなわち、ネットワーク４０にアイテム提供サーバ２０と１台以上の端末装置３０（３０ａ〜３０ｎ）が接続され、情報選択装置１０がネットワーク４０とは別のネットワーク４２を介してアイテム提供サーバ２０と接続している構成である。この場合、ネットワーク４２を介して接続された情報選択装置１０とアイテム提供サーバ２０により、アイテム提供システム２を構成する。ネットワーク４２は、例えば、ＬＡＮ（Local Area Network）等とすることができ、セキュリティ確保の観点から、端末装置３０から情報選択装置１０への直接的なアクセスは制限することが望ましい。

ただし、ネットワークシステムは、上記の例に限られず、種々の構成を用いることができる。例えば、情報選択装置１０とアイテム提供サーバ２０とを同一の装置で構成してもよいし、それぞれを複数台の装置で構成するようにしてもよい。以下では、図１に示した構成でネットワークシステムを実現した場合を例に説明する。
＜１．２．アイテム提供サーバ＞

アイテム提供サーバ２０は、端末装置３０からの要求に応じて、アイテムおよびアイテムに関する情報を提供する装置である。ここでアイテムとは、テキスト、音声、音楽、映像等のデジタルコンテンツや様々な物品あるいはサービスであり、さらには金融商品、不動産、人物についての情報等であってもよい。すなわち本実施形態におけるアイテムは、有形か無形かを問わず、有料か無料かも問わない。

図３は、アイテム提供サーバ２０の構成を示すブロック図である。本図に示すように、アイテム提供サーバ２０は、認証部２０１と、アイテム格納部２０２と、推薦情報格納部２０３と、送受信部２０４と、制御部２０５とを備えて構成されている。アイテム提供サーバ２０は、ＣＰＵ、ＲＡＭ、ＲＯＭ、ＨＤＤ（ハードディスクドライブ）、ネットワークインタフェース等を備える一般的なコンピュータを用いて構成することができる。すなわち、一般的なコンピュータは、以下で説明するような処理を行なうためのプログラムを実行することにより、アイテム提供サーバ２０として機能することができるようになる。

認証部２０１は、端末装置３０または端末装置３０を利用するユーザを認証する処理を行なう。認証部２０１は、端末装置３０を利用するユーザを一意に識別するユーザ識別子、または端末装置３０を一意に識別するための端末識別子と、パスワードとを関連付けて格納している。これらの情報は、例えば、ユーザの最初の利用時においてユーザ登録処理を行なうことで取得・設定し、認証部２０１内の記憶領域に格納することができる。

本実施形態では、ユーザ識別子を用いてユーザを識別するものとするが、端末装置３０として携帯電話を用いた場合等には、端末装置３０との接続時に取得可能な端末識別子を用いるようにしてもよい。なお、ユーザ識別子と端末識別子とを合わせて、利用主体識別子と呼ぶ。ただし、認証部２０１は省略することも可能である。また、認証部２０１に利用主体識別子のみを格納し、パスワードの格納と認証処理とを省略することも可能である。例えば、端末装置３０の製造時に設定される端末識別子など、容易には変更できない識別子を利用主体識別子として用いる等の場合は、パスワードの格納と認証処理を省略することができる。

アイテム格納部２０２は、アイテム提供サーバ２０が提供するアイテムに関する情報を格納する。アイテム格納部２０２は、例えば、図４に示すようなテーブル形式でアイテムに関する情報を格納する。

本図に示すように、アイテム格納部２０２は、アイテムを一意に識別するアイテム識別子（アイテムＩＤ）と、アイテムの「タイトル（名称）」、「作成者」、「カテゴリ」、「説明情報」、「アイテム時期情報」などのアイテム属性情報と、アイテム本体とを関連付けて格納している。

「作成者」は、アイテムの種類に応じて幅広い意味を持つ情報であり、例えば、アイテムの制作者、監督者、プロデューサー、執筆者、作曲者、作詞者、演奏者、出演者などである。

「カテゴリ」とは、アイテムを所定の基準で分類した情報であり、例えば、アイテムが音楽の場合、「ロック」、「ジャズ」、「クラシック」、「フォーク」等のジャンル情報とすることができ、アイテムが映画の場合、「ＳＦ」、「アクション」、「コメディ」、「アニメ」等のジャンル情報とすることができる。また、「日本」、「アメリカ」、「イギリス」、など作成者の国や地域を用いた分類情報でもよい。また、「癒し系」、「エキサイティング」、「ドラマティック」といったアイテムの雰囲気やムードを示す情報を「カテゴリ」として用いてもよい。「説明情報」は、アイテムのあらすじや要約、制作された背景説明などの情報である。

「アイテム時期情報」は、アイテムの作成された時期（時点）を示す情報であるが、アイテム提供サーバ２０にアイテムが登録された時期や、アイテムが提供開始された時期を用いてもよい。本実施形態では、時期（時間）の単位として、「２０１０年１月１日」などの日付を用いるが、他の単位を用いてもよい。例えば、「２０１０年１月１日 １０時１５分２０秒」などの秒単位までの日時でもよいし、ミリ秒単位までの日時でもよい。さらに「２０１０年１月」などの月単位の情報でも、「２０１０年 １Ｑ」などの四半期単位の情報でも、「２０１０年」などの年単位の情報でも、「２０００年代」などの年単位より大まかな年代の情報でもよい。

アイテム格納部２０２のアイテム属性情報においては、１つのアイテムに同じ種類の属性項目が複数存在していてもよい。例えば、１つのアイテムに３つのカテゴリが対応していてもよい。もちろん、ここで挙げたアイテム属性情報は、あくまでも例示であり、上記に限定される訳ではない。例えば、「価格」、「サイズ」などの属性項目を用いてもよい。

アイテム本体は、アイテムそのものであるテキストデータやバイナリデータ、またはアイテムの存在位置を示す情報（例えばＵＲＬ：Uniform Resource Locator）とすることができる。なお、アイテム本体は、アイテムがデジタルコンテンツ等であって、ネットワーク４０を介して端末装置３０に配信可能なアイテムに関して格納するものであり、アイテムが、物品やサービス等の場合は、アイテム本体の格納を省略することができる。

推薦情報格納部２０３は、情報選択装置１０から受信した推薦情報を格納する。推薦情報は、ユーザ毎に推薦するアイテムを示す情報である。推薦情報格納部２０３は、例えば、図５に示すような形式で推薦情報を格納することができる。本図に示すように、推薦情報格納部２０３は、ユーザ識別子とアイテム識別子と推薦順位とを関連付けて格納する。

この推薦順位は、ユーザ識別子ごとにアイテムを推薦する順位を示しており、ここでは数字が小さいほど、優先的にユーザに提示されるものとする。なお、推薦順位の代わりに、数値が大きいほど、優先的にユーザに提示されるような推薦度を格納するようにしてもよい。また、推薦順位の格納を省略して、推薦情報格納部２０３に格納された推薦情報を同じ順位で扱うようにしてもよい。

送受信部２０４は、ネットワーク４０（図２の構成の場合は、さらにネットワーク４２）を介して、情報選択装置１０および端末装置３０との間でデータを送受信する処理を行なう。制御部２０５は、アイテム提供サーバ２０の全体の制御を行なう。
＜１．３．端末装置＞

端末装置３０は、ユーザが使用する装置であり、ＣＰＵ、ＲＡＭ、ＲＯＭ、ＨＤＤ（ハードディスクドライブ）、ネットワークインタフェース等を備える一般的なコンピュータ等を用いることができる。端末装置３０には、Ｗｅｂブラウザに代表されるアイテム情報をアイテム提供サーバ２０から取得するためのプログラムがインストールされている。また、端末装置３０は、Ｗｅｂブラウザ機能等を備えた携帯電話や、携帯端末装置等を用いて構成することもできる。

端末装置３０としてコンピュータを用いた場合には、図示してないがディスプレイ等の表示装置や、キーボード、マウス、トラックボール、リモコン等のユーザからの操作指示を受け付けるための入力装置が接続される。端末装置３０として携帯電話等を用いた場合は、表示装置、入力装置は内蔵されているが、以下では、便宜的に表示装置、入力装置が接続されているものとして説明する。
＜１．４．情報選択装置＞

図６は、アイテム選択装置として機能する情報選択装置１０の構成を示すブロック図である。情報選択装置１０は、ユーザ毎に推薦するアイテムを選択する装置である。本図に示すように情報選択装置１０は、アイテム属性格納部１０１と、利用履歴格納部１０２と、推薦アイテム条件格納部１０３と、嗜好アイテム集合作成部１０４と、第１割合計算部１０５と、第２割合計算部１０６と、ユーザ特性値計算部１０７と、アイテム選択部１０８と、送受信部１０９と、制御部１１０と、ユーザ属性格納部１１１とを備えて構成されている。また、情報選択装置１０には、情報選択装置１０の管理者向けに必要な情報を表示するための表示装置１２０と、管理者が操作を行なうためのキーボード、マウス等の入力装置１３０とが接続されている。

情報選択装置１０は、ＣＰＵ、ＲＡＭ、ＲＯＭ、ＨＤＤ（ハードディスクドライブ）、ネットワークインタフェース等を備える一般的なコンピュータを用いて構成することができる。すなわち、一般的なコンピュータは、以下で説明するような処理を行なうためのプログラムを実行することにより、情報選択装置１０として機能することができるようになる。

また、上述のように、情報選択装置１０を複数台のコンピュータを用いて構成してもよい。例えば、負荷分散をするために、情報選択装置１０のある処理ブロックに相当するコンピュータを複数台用いて、すなわち、同じ処理ブロックを備える複数台のコンピュータを用いて分散処理を行なうようにしてもよい。また、情報選択装置１０の一部の処理ブロックをあるコンピュータで実施し、他の処理ブロックを別のコンピュータで実施する形態で分散処理を行なってもよい。

アイテム属性格納部１０１のデータ格納形式を図７に示す。本図に示すように、アイテム属性格納部１０１は、アイテム識別子と、アイテム属性情報とを関連付けて格納する。アイテム識別子およびアイテム属性情報は、図４に示したアイテム提供サーバ２０のアイテム格納部２０２と同様であり、アイテム提供サーバ２０のアイテム格納部２０２との違いは、アイテム本体が存在しない点である。情報選択装置１０では、アイテム本体を必要としないが、アイテム提供サーバ２０のアイテム格納部２０２のデータをそのまま使用して格納することも可能である。あるいは、情報選択装置１０からアイテム提供サーバ２０のアイテム格納部２０２のデータを直接参照できるようにして、アイテム属性格納部１０１を省略することも可能である。

アイテム属性情報は、上述したように、アイテムの「タイトル」、「作成者」、「カテゴリ」、「説明情報」、「アイテム時期情報」などである。ただし、後述するように、推薦アイテム条件格納部１０３において、アイテム属性情報に関係しない推薦アイテム条件のみ格納する場合には、アイテム属性格納部１０１を省略してもよい。

制御部１１０は、情報選択装置１０の全体の制御を行なうための種々の処理を行なう。例えば、制御部１１０は、図８に示すようなテーブル形式で、アイテム提供サーバ２０から送られる後述する利用要求メッセージに含まれるユーザ識別子とユーザが指定したアイテムのアイテム識別子とを対応させた利用履歴を利用履歴格納部１０２に格納させる。

利用履歴格納部１０２は、例えば、図８に示すように種々の格納形態を採用することができる。図８（ａ）は、ユーザ識別子とアイテム識別子とを関連付けて格納する格納形態を示している。本例では、１つの利用要求メッセージが、テーブルの１行に対応している。テーブルの１行目と４行目がともに「ＵｓｅｒＩＤ−１」と「ＩｔｅｍＩＤ−３」の組み合わせであることから分かるように、ユーザ識別子とアイテム識別子の組み合わせが同じであっても、利用要求メッセージごとにテーブル行のデータを追加して格納している。このため、アイテム識別子が示すアイテムごとの利用回数と、アイテムごとの利用ユーザ数すなわち、ユーザ識別子の数を他の処理部が容易にカウントすることができる。なお、１つの利用メッセージに複数のアイテム識別子が含まれている場合は、アイテム識別子の数だけのテーブル行を割り当てて格納する。

図８（ｂ）は、ユーザ識別子とアイテム識別子と利用時期情報とを関連付けて格納する格納形態を示している。図８（ａ）に示した例と同様に、１つの利用要求メッセージが、テーブルの１行に対応している。アイテムの利用要求メッセージに利用時期情報が含まれている場合は、その情報を取り出して利用時期情報として格納する。利用要求メッセージに利用時期情報が含まれていない場合は、制御部１１０に内蔵等されている時計を用いて、情報選択装置１０が利用要求メッセージを受信した時期（時間）を利用時期情報として格納する。

本実施形態では、利用時期情報の形式として、「２０１０年１月１日 １０時１５分２０秒」などの秒単位までの日時を用いるが、それ以外にも、ミリ秒単位までの日時、日単位までの日付、月単位、年単位など種々の形式を用いることができる。なお、利用要求メッセージの中に、ユーザのアイテムに対する評価値（好き＝３、どちらでもない＝２、嫌い＝１、などの好き嫌いの度合いを示す数値）を含ませた上で、ユーザ識別子とアイテム識別子と利用時期情報と評価値とを関連付けて利用履歴格納部１０２に格納するようにしてもよい。

また、利用履歴格納部１０２は、図８（ｃ）に示すように、利用時期情報を省略し、ユーザ識別子とアイテム識別子と利用回数とを関連付けた格納形式としてもよい。後述するように、嗜好アイテム集合作成部１０４において、利用時期情報を用いない場合は、図８（ｃ）に示す形式で格納することにより、記憶容量を削減することができる。また、利用要求メッセージの中に、ユーザのアイテムに対する評価値が含まれる場合は、ユーザ識別子とアイテム識別子と利用回数と最新の評価値とを関連付けて利用履歴格納部１０２に格納するようにしてもよい。

推薦アイテム条件格納部１０３は、アイテムの販売者がユーザに薦めたいアイテムの条件を示す推薦アイテム条件データを格納する記憶領域である。他の処理ブロックで選択されたアイテムのうち、推薦アイテム条件データとして登録された条件を満たすアイテムが、推薦アイテム条件に合致するアイテムと判定される。

販売者は、アイテムの在庫状況や仕入れ価格、販売方針等に応じて、推薦アイテム条件を自由に設定することができる。推薦アイテム条件データは、アイテム提供サーバ２０の運営者が、情報選択装置１０の管理者に委託して入力してもらう。あるいは、アイテム提供サーバ２０の運営者が推薦アイテム条件データをアイテム提供サーバ２０において登録し、それを情報選択装置１０に送信してもよい。

推薦アイテム条件格納部１０３は、例えば、図９（ａ）に示すようなテーブルで推薦アイテム条件データを格納することができる。本例は最も単純な格納形式であり、入力装置１３０を使って情報選択装置１０の管理者が指定したアイテムのアイテム識別子が格納されている。

推薦アイテム条件格納部１０３は、図９（ｂ）に示すような対象タイプと対象項目とを対応付けた規則を用いて、図９（ｃ）に示すようなテーブルで推薦アイテム条件データを格納するようにしてもよい。

図９（ｂ）に示すように、対象タイプ「１」は、対象データが「アイテム識別子」であることを示している。対象タイプ「２」は、対象データが「作成者」であることを示しており、対象データには、作成者の名前または作成者識別子が登録さる。対象タイプ「３」は、対象データが「カテゴリ」であることを示しており、対象データには、カテゴリ名またはカテゴリ識別子が登録される。対象タイプ「４」は、対象データが「キーワード」であることを示しており、アイテム属性の中の「タイトル」、「作成者」、「カテゴリ」、「説明情報」などの属性項目に、この「キーワード」が含まれる場合に、推薦アイテム条件に合致すると判定される。対象タイプ「５」は、対象データが「アイテム時期情報」であることを示す。図９（ｃ）に示された例のように「アイテム時期情報」の範囲を格納してもよいし、単一の「アイテム時期情報」を格納してもよい。対象タイプ「６」は、対象データが「価格」であることを示している。図９（ｃ）に示された例のように「価格」の範囲を格納してもよいし、単一の「価格」を格納してもよい。

また、対象タイプ「７」は、アイテムの利用回数の順位または順位の範囲を示す。図９（ｃ）の例では、利用回数が多い方から「１０００位〜１９９９位」に相当するアイテムが対象であることを示している。利用履歴格納部１０２に格納されている利用履歴に含まれるアイテムが全部で３０００種類あるとすると、この例では、人気度が中くらいのアイテムを指定していることになる。対象タイプ「７」のデータが推薦アイテム条件格納部１０３に格納されると、制御部１１０は、利用履歴格納部１０２に格納された利用履歴を読み出し、それに含まれるアイテム識別子ごとに利用回数をカウントし、利用回数の多い順にソートして、指定された順位に該当するアイテム識別子を推薦アイテム条件格納部１０３内部の記憶領域に記憶させる。なお、この処理において、利用時期情報が所定の範囲に入っている等の所定条件を満たす利用履歴のみを対象に、利用回数をカウントしてもよい。また、利用回数ではなく、アイテム毎に利用したユーザ数（ユーザ識別子の数）をカウントし、利用ユーザ数が多い順にアイテムに順位をつけ、その順位またはその順位の範囲を推薦アイテム条件データとして用いてもよい。

対象タイプ「８」は、アイテムの利用回数を示す。図９（ｃ）の例では、利用回数が「２００回〜３００回」に相当するアイテムが対象であることを示している。制御部１１０は、利用履歴格納部１０２に格納された利用履歴を読み出し、それに含まれるアイテム識別子ごとに利用回数をカウントし、指定された回数に該当するアイテム識別子を推薦アイテム条件格納部１０３内部の記憶領域に記憶させる。また、対象タイプ「７」と同様に、利用回数に代えて、利用したユーザ数（ユーザ識別子の数）を用いてもよい。すなわち、利用履歴格納部１０２に格納された利用履歴を対象にして、アイテムごとに利用したユーザの数（ユーザ識別子の数）をカウントし、その利用ユーザ数またはその利用ユーザ数の範囲を推薦アイテム条件データとして用いてもよい。

なお、対象タイプ「２」〜「６」を用いる場合は、アイテム属性格納部１０１が必要であるが、対象タイプ「１」「７」「８」を用いる場合は、アイテム属性格納部１０１を省略することも可能である。

図９（ｃ）の形式を用いることにより、多様な推薦アイテム条件データを自由に登録して格納することができる。なおテーブルに複数の行（複数のルール）が登録されている場合、１つ以上の行に該当するアイテムを推薦アイテム条件に合致すると判定すればよい。この場合は、各行を論理和（ＯＲ）結合して処理を行なうことに相当する。また、同一の対象タイプの行を論理和（ＯＲ）結合し、異なる対象タイプの行を論理積（ＡＮＤ）結合して処理してもよい。

例えば、図９（ｃ）の１〜３行目を取り出すと、（「ＩｔｅｍＩＤ−３」∪「ＩｔｅｍＩＤ−１０」）∩「Ｃｒｅａｔｏｒ−２」という条件になる。ここで、「∩」は論理積（ＡＮＤ）を表し、「∪」は論理和（ＯＲ）を表わしている。

図９（ｃ）に示した格納方式を用いることにより、多様で自由度の高い推薦アイテム条件を設定することが可能になり、販売者の販売方針が複雑であっても対応することができるようになる。

さらに、図９（ｄ）に示すような格納形式を用いてもよい。この場合、制御部１１０は、以下のようにこのテーブルを解釈して、最終的な推薦アイテム条件データとする。なお、対象タイプと対象データは、図９（ｃ）と同じ意味である。

まず、結合レベルが小さい順に、同じ結合レベルの行を結合する。その際に、同じ結合レベルで、かつ行番号が連続している区間（ブロック）ごとに分け、行番号の小さいブロックから順に処理を行う。

本図の例では、結合レベルが「１」である行は、（行番号「１」〜「３」）および（行番号「５」〜「６」）であるが、これらの間の行番号「４」が異なる結合レベルなので、２つのブロック分かれる。すなわち、行番号「１」〜「３」のブロック１と、行番号「５」〜「６」のブロック２に分けて、行番号の小さいブロック１から先に処理を行う。行番号「２」および「３」の論理タイプが論理和「∪」であるため、ブロック１の３行を論理和で結合することにより、ブロック１の部分は、（「作者がＣｒｅａｔｏｒ−３」または「作者がＣｒｅａｔｏｒ−１０」または「カテゴリがＣａｔｅｇｏｒｙ−５」）という条件式になる。

ブロック２の２行の結合において、行番号「５」には否定フラグが設定されているため（本図の「○」）、行番号「５」は否定形として解釈される。「〜２０１０／３／３１」という表記は、アイテム時期情報が２０１０年３月３１日以前であることを示しており、否定フラグが「○」に設定されているため、アイテム時期情報が２０１０年３月３１日より後（新しい）という意味に解釈される。行番号「６」の論理タイプは、論理積「∩」であるため、ブロック２は、（「アイテム時期情報が２０１０年３月３１日より後」かつ「利用回数順位が１０００位から１９９９位までの間）という条件式となる。

次に、各ブロックを作成するのに使用した結合レベルより１つ大きな値の結合レベルに該当する論理タイプを用いて、各ブロックを結合する。本図の例では、結合レベルが「２」である行番号「４」の論理タイプである論理積「∩」を使って、ブロック１とブロック２を結合する。そして、（（「作者がＣｒｅａｔｏｒ−３」または「作者がＣｒｅａｔｏｒ−１０」または「カテゴリがＣａｔｅｇｏｒｙ−５」）かつ（「アイテム時期情報が２０１０年３月３１日より後」かつ「利用回数順位が１０００位から１９９９位までの間））という条件式が作成され、この条件式を満たすアイテムが推薦アイテム条件を満たすアイテムと判定される。図９（ｄ）に示された格納方式を用いることにより、さらに多様で自由度の高い推薦アイテム条件を設定することが可能になる。

このように、図９（ｃ）または図９（ｄ）に示したような格納方式を用いることにより、推薦アイテム条件を柔軟に設定できるので、販売方針に合致するアイテムが多すぎたり、少なすぎたりすることを防ぐことができる。

ユーザ属性格納部１１１は、図１０に示すような形式で、ユーザ識別子とユーザ属性情報とを格納する。ユーザ属性情報は、氏名、性別、生年月日、居住地域、血液型、入会時期、趣味、好きなカテゴリ、好きなキーワードなどの情報である。趣味、好きなカテゴリ、好きなキーワードなど項目は、１人のユーザについて、それぞれ複数存在していてもよい。これらの情報は、例えば、ユーザ登録を行なう際に、ユーザから取得してユーザ属性格納部１１１に格納することができる。

第１割合計算部１０５は、処理対象となっているユーザに対して、そのユーザが好むアイテム（ユーザ嗜好を示すアイテム）の集合である第１の集合を作成し、第１の集合における推薦アイテム条件に合致するアイテムの割合である第１割合を算出し、第１割合計算部１０５内部の記憶領域に格納する。第１割合計算部１０５の詳細な処理手順については後述する。

第２割合計算部１０６は、処理対象となっているユーザに対して、第１の集合のアイテム以外のアイテムを含むアイテム集合である第２の集合を作成し、第２の集合の中で推薦アイテム条件に合致する割合である第２割合をそれぞれ算出し、第２割合計算部１０６内部の記憶領域に格納する。第２の集合は、推薦対象ユーザの嗜好をあまり強く表さないアイテムの集合といえる。第２割合計算部１０６の詳細な処理手順については後述する。

なお、第１割合計算部１０５と第２割合計算部１０６とは、あるアイテムが推薦アイテム条件に合致するか、合致しないかの２値的な判断ではなく、テーブルの各行の推薦アイテム条件に合致する数を用いて、アイテムと推薦アイテム条件とが適合する度合い（適合度）を多値的（連続量的）に細かく算出してもよい。

例えば、図９（ｃ）に示した例において、あるアイテムＡが、「Ｃａｔｅｇｏｒｙ−３」と「Ｃａｔｅｇｏｒｙ−５」と「エキサイティング」の３つのアイテム属性情報を持っている場合には、適合度を「３」とすることができる。また、別のアイテムＢが、「Ｃａｔｅｇｏｒｙ−５」と「ドラマティック」の２つのアイテム属性情報を持っている場合には、適合度を「２」とすることができる。この２つのアイテムは、両方とも推薦アイテム条件を満たすが、アイテムＡの方が、適合度が高くなる。また、合致する条件数を推薦アイテム条件の総数（推薦アイテム条件を格納するテーブルの行数）で割った値や、合致する条件数を複数のアイテムの合致する条件数の最大値で割った値などを用いて、正規化された適合度を算出してもよい。

ユーザ特性値計算部１０７は、処理対象となっているユーザに対して、推薦対象ユーザの嗜好と推薦アイテム条件との関連の強さを示すユーザ特性値をそれぞれ算出する。そして、ユーザ識別子とユーザ特性値とを対応させてユーザ特性値計算部１０７内部の記憶領域に格納する。ユーザ特性値計算部１０７の詳細な処理手順については後述する。

アイテム選択部１０８は、ユーザ特性値と嗜好アイテム集合とを用いて、処理対象となっているユーザに適したアイテムを選択し、推薦情報を作成する。アイテム選択部１０８の詳細な処理手順については後述する。送受信部１０９は、ネットワーク４０、または、ネットワーク４２を介して、アイテム提供サーバ２０との間でデータを送受信する処理を行なう。
＜２．システム動作＞
＜２．１．システム全体の動作＞

図１２のフローチャートを参照して、システム全体の動作を説明する。所定の操作により端末装置３０からアイテム提供サーバ２０にアクセスすると、図１３に示すようなアイテム情報を取得するための操作メニューが端末装置３０の表示装置に表示される。ユーザは、表示装置の画面を見て、利用したい操作メニューがあれば、入力装置を操作して、その表示箇所をクリックする操作を行なうことにより、操作メニューを選択する。また、操作を終了するための「終了」ボタンが表示されている。操作メニューにおいて、「１）推薦アイテム情報を表示」は、情報選択装置１０で作成された推薦情報を表示する選択肢である。「２）アイテム一覧を表示」は、例えばアイテムのタイトルや作成者の「あいうえお順」または「ＡＢＣ順」に、アイテム提供サーバ２０の保有するアイテムの一覧リストを表示するための選択肢である。「３）アイテム検索」は、ユーザにキーワードを入力させ、そのキーワードがアイテムのタイトルや説明情報に含まれるアイテムを表示したり、ユーザに所望のカテゴリを指定させ、それに合致するアイテムを表示するための選択肢である。また、推薦情報を表示させる場合に、ユーザが指定したキーワードやカテゴリに合致する推薦情報のみを表示させるようにしてもよい。なお、ここで示した操作メニューの選択肢は、あくまでも一例であり、他の選択肢を用意してもよい。

まず、ステップ（Ｓ１０１）において、端末装置３０が、入力装置を介してユーザからの指示を受け付けると、アイテム情報を要求するメッセージをアイテム提供サーバ２０に送信する。このメッセージには、あらかじめ設定されたユーザを識別するユーザ識別子と、パスワードと、上記の操作メニューで選択された選択肢を示す情報（要求情報の種類）とが含まれている。また、表示する推薦情報を絞り込むために、ユーザがキーワードやカテゴリを指定した場合には、それらの情報が含まれている。

次に、ステップ（Ｓ１０２）において、アイテム提供サーバ２０の認証部２０１が、送受信部２０４を介してアイテム情報要求のメッセージを受信し、認証処理を行なって、認証成功か否かを判定する。

受信したメッセージに含まれるユーザ識別子とパスワードが、あらかじめ認証部２０１に格納されているものと一致する場合（Ｙｅｓ）は、認証成功として、ステップ（Ｓ１０３）に進む。そうでない場合（Ｎｏ）は、認証失敗として、認証失敗メッセージを、送受信部２０４を介して端末装置３０に通知し、ステップ（Ｓ１０１）から再度処理を行なうように要求する。なお、ステップ（Ｓ１０１）において、アイテム情報要求メッセージにパスワードを含めず、ステップ（Ｓ１０２）において、パスワードを用いた処理を行なわないようにすることも可能である。

次に、ステップ（Ｓ１０３）において、アイテム提供サーバ２０の制御部２０５が、アイテム情報要求のメッセージに含まれる要求情報の種類が、推薦情報要求か否かを判定する。推薦情報が要求された場合（Ｙｅｓ）は、ステップ（Ｓ１０４）に進み、それ以外の情報が要求された場合（Ｎｏ）は、ステップ（Ｓ１０５）に進む。

ステップ（Ｓ１０４）では、アイテム提供サーバ２０の制御部２０５が、推薦情報に基づくアイテム情報のリストを作成し、送受信部２０４を介して端末装置３０に送信する。このリストには、アイテム識別子とアイテム属性情報と、推薦順位の情報が含まれている。具体的には、制御部２０５が、推薦情報格納部２０３に格納されたデータから、ステップ（Ｓ１０２）で認証を行ったユーザ識別子と一致するユーザ識別子を持つ推薦情報を抽出し、アイテム格納部２０２を参照しながら、抽出した推薦情報のアイテム識別子に対応するアイテム属性情報を読み出して、さらに、推薦順位と合わせて推薦アイテムのリストを作成し、これを送信する。

ユーザが特定のカテゴリを指定して、推薦情報を要求した場合には、推薦情報格納部２０３およびアイテム格納部２０２を参照して、ステップ（Ｓ１０１）で認証を行ったユーザ識別子と一致するユーザ識別子を持つ推薦情報であり、かつ指定されたカテゴリと一致するカテゴリを持つアイテムに対応する推薦情報を提供する。また、ユーザがキーワードを指定して、推薦情報を要求した場合には、推薦情報格納部２０３およびアイテム格納部２０２を参照して、ステップ（Ｓ１０１）で認証を行ったユーザ識別子と一致するユーザ識別子を持つ推薦情報であり、かつ指定されたキーワードが「タイトル」、「作成者」、「説明情報」などのアイテム属性情報の内に存在するアイテムを特定し、それに対応する推薦情報を提供する。

ステップ（Ｓ１０５）では、アイテム提供サーバ２０の制御部２０５が、推薦情報以外の情報に基づいてアイテム情報のリストを作成し、送受信部２０４を介して端末装置３０に送信する。このリストには、アイテム識別子とアイテム属性情報が含まれている。

例えば、図１３に示した操作メニューの中で、「２）アイテム一覧を表示」が選択された場合は、アイテム格納部２０２を参照しながら、アイテムのタイトルや作成者の「あいうえお順」または「ＡＢＣ順」の一覧リストを作成し、これを送信する。なお、このような一覧リストをあらかじめ作成してアイテム格納部２０２に格納しておき、ステップ（Ｓ１０５）で、これを読み出して送信してもよい。

また、図１３に示した操作メニューの中で、「３）アイテム検索」が選択され、アイテム情報要求のメッセージにキーワード等の検索条件が含まれている場合は、ステップ（Ｓ１０５）において、制御部２０５が、その検索条件に合致するアイテムのリストを作成して送信する。

ステップ（Ｓ１０６）において、端末装置３０は、ステップ（Ｓ１０４）またはステップ（Ｓ１０５）によって送信されたアイテム情報を受信し、その情報を表示装置に表示させる。

図１４は、ステップ（Ｓ１０４）において送信された推薦アイテム情報の表示形式の一例を示す図である。図１４に示した例では、アイテムは音楽であり、アイテム属性情報として、曲名（タイトル）、アーティスト名（作成者）、ジャンル（カテゴリ）が推薦順位と合わせて表示されている。

ユーザは、表示装置の画面を見て、利用したいアイテムがあれば、入力装置を操作して、その表示箇所をクリックする操作を行なう。例えば、アイテムが音楽の場合、ユーザは再生したい曲をマウス等でクリックして指定する。また、操作を終了するための「終了」ボタンが表示されている。また、図１４の画面例では表示していないが、推薦情報以外のアイテム情報を表示させるための「一覧表示」ボタンと、キーワードを指定してそれに該当するアイテムを表示させるための「検索条件指定」ボタンなどを表示させた上で、ユーザからの指示を受け付けて、それに対応した処理を行なってもよい。なお、受信したアイテム情報に含まれるアイテム識別子は、表示装置に表示されていないが、画面に表示した各々のアイテムに対応するアイテム識別子は、端末装置３０が記憶管理している。

ステップ（Ｓ１０７）において、端末装置３０は、アイテムの利用要求がユーザから入力装置を介して入力されたか否かを判定する。このアイテムの利用要求は、代表的には、アイテムの購入要求とすることができるが、アイテムの再生、アイテムのプレビュー、アイテムの詳細情報の表示、アイテムに対する評価情報（評価値）の登録などの種々の要求を含めることができる。

アイテムの利用要求が入力された場合（Ｙｅｓ）は、ステップ（Ｓ１０９）に進み、そうでない場合（Ｎｏ）はステップ（Ｓ１０８）に進む。ステップ（Ｓ１０８）において、端末装置３０は、操作終了の指示が入力装置を介してユーザから入力された否かを判定する。操作終了の指示が入力された場合（Ｙｅｓ）は、処理を終了し、そうでない場合（Ｎｏ）は、ステップ（Ｓ１０７）に戻って処理を繰り返す。

ステップ（Ｓ１０９）において、端末装置３０は、アイテムの利用要求を示すメッセージをアイテム提供サーバ２０に送信する。このメッセージには、端末装置３０を利用しているユーザのユーザ識別子と、ユーザが指定したアイテムのアイテム識別子とが含まれている。さらに、利用要求を送信する日時などを示す利用時期情報をメッセージに含めてもよい。また、利用要求の種類に応じて、必要なパラメータ（評価情報など）がメッセージに含まれている。なお、ユーザが一度に複数のアイテムを利用する場合は、１つの利用要求メッセージに複数のアイテムのアイテム識別子を含めてもよいし、複数の利用要求メッセージを送信してもよい。

ステップ（Ｓ１１０）において、アイテム提供サーバ２０の送受信部２０４が、端末装置３０からのアイテムの利用要求メッセージを受信すると、アイテム提供サーバ２０の制御部２０５は、端末装置３０を利用するユーザに対して、アイテムを提供する処理を行なう。例えば、提供対象のアイテムがデジタルコンテンツである場合には、アイテム格納部２０２から、利用要求メッセージに含まれるアイテム識別子に対応するアイテム本体を読み出して、送受信部２０４を介して端末装置３０に送信する。また、アイテムが物品である場合には、配送事業者のシステムに配送依頼の情報を送る配送処理などを行なう。このとき必要に応じて、課金処理などを行なう。また、アイテムの詳細情報が要求された場合には、アイテム格納部２０２から「説明情報」などを読み出して、端末装置３０に送信する。

ステップ（Ｓ１１１）において、アイテム提供サーバ２０の送受信部２０４は、端末装置３０から受信したアイテムの利用要求メッセージを情報選択装置１０に送信し中継する。

次に、ステップ（Ｓ１１２）において、情報選択装置１０の制御部１１０が、送受信装置１０９を介して、アイテムの利用要求メッセージを受信し、アイテムの利用情報を利用履歴格納部１０２に格納する。そして、ステップ（Ｓ１１３）において、情報選択装置１０の制御部１１０は、送受信部１０９を介して、アイテム利用情報の格納を終了したことを示すメッセージをアイテム提供サーバ２０に送信する。

次に、ステップ（Ｓ１１４）において、アイテム提供サーバ２０の制御部２０５は、送受信部２０４を介してアイテム利用情報の格納終了メッセージを受信し、送受信部２０４を介して、それを端末装置３０に送信する。端末装置３０は、そのメッセージを受信するとステップ（Ｓ１０７）からの処理を繰り返す。以上が、ユーザがアイテムを利用する際のシステム全体の動作である。

なお、本実施形態においては、ステップ（Ｓ１０１）で、端末装置３０からアイテム提供サーバ２０に推薦情報を要求するメッセージを送信し、ステップ（Ｓ１０４）で、アイテム提供サーバ２０から端末装置３０に推薦情報を送信しているが、これ以外の方法を用いてもよい。例えば、端末装置３０から情報選択装置１０に直接、またはアイテム提供サーバ２０を経由して推薦情報を要求するメッセージを送信し、情報選択装置１０から端末装置３０に直接、またはアイテム提供サーバ２０を経由して推薦情報を送信してもよい。この場合は、アイテム提供サーバ２０の推薦情報格納部２０３を省略することができる。

また、本実施形態においては、ステップ（Ｓ１１１）で、アイテム提供サーバ２０がアイテム利用情報（アイテムの利用要求メッセージ）を中継しているが、これ以外の方法を用いてもよい。例えば、適当なタイミングで、端末装置３０から情報選択装置１０に直接アイテム利用情報を送信してもよい。また、ステップ（Ｓ１１３）において、情報選択装置１０がアイテム提供サーバ２０または端末装置３０に推薦情報を送信するようにしてもよい。例えば、利用要求メッセージに含まれるユーザ（ユーザ識別子）に対応する推薦情報を送信してもよい。
＜２．１．情報選択装置の動作＞
＜２．１．１．推薦情報作成・送信動作＞

次に、情報選択装置１０の処理動作について説明する。まず、情報選択装置１０が推薦情報を作成して送信し、アイテム提供サーバ２０がそれを受信する動作について図１５のフローチャートを参照して説明する。

情報選択装置１０の制御部１１０が、所定のタイミングで嗜好アイテム集合作成部１０４に動作開始の指示を与えることにより、本処理が開始される。所定のタイミングとしては、種々の条件を用いることができる。例えば、１２時間ごと、２４時間ごと等の所定の時間間隔を用いてもよい。このとき、月曜日〜金曜日までは３時間ごと、土曜日は６時間ごと、日曜日は１２時間ごと、というように時間間隔が変動してもよい。また、夏は時間間隔を短くして、冬は時間間隔を長くするなど、季節に応じて時間間隔を変えてもよい。

あるいは、所定のタイミングとして、利用要求メッセージ（利用情報）を所定回数受信するごととしてもよい。この場合、所定回数を１回として、利用情報を受信するごとに推薦情報を作成するようにしてもよい。さらには、端末装置３０またはアイテム提供サーバ２０から、推薦情報を要求されるごとに推薦情報を作成するようにしてもよい。

以下の説明において、推薦情報を作成する対象のユーザの集合を推薦対象ユーザ集合と呼び、推薦対象ユーザ集合に属する１人のユーザを推薦対象ユーザ（対象ユーザ）と呼ぶことにする。所定の時間間隔等のタイミングで推薦情報を作成する場合には、その時点で推薦情報が作成可能な複数のユーザに対して、それぞれの推薦情報を作成する。すなわち、推薦対象ユーザ集合は複数人である。また、利用情報を受信するごとに推薦情報を作成する場合には、推薦対象ユーザ集合に含まれるユーザは、利用情報を要求したユーザ１人であり、このユーザの推薦情報だけ作成するようにすればよい。また、推薦情報を要求されるごとに推薦情報を作成する場合においても、推薦対象ユーザ集合に含まれるユーザは、推薦情報を要求したユーザ１人である。

まずステップ（Ｓ２１）において、嗜好アイテム集合作成部１０４が、利用履歴格納部１０２に格納された利用履歴を用いて、推薦対象ユーザ集合の各ユーザについて、アイテムに対する嗜好度を計算し、嗜好度の大きいアイテム（アイテム識別子）を選択して、推薦対象ユーザ集合の各ユーザに対応する嗜好アイテム集合を作成する。なお、端末装置３０がアイテム提供サーバ２０からダウンロードしたコンテンツを格納し、格納したコンテンツを繰り返し再生できるサービス（ダウンロード型サービス）など、原則的にユーザが同じアイテムを複数回利用（購入）しない性質のアイテムを扱う場合は、対象ユーザが既に購入済のアイテムは嗜好アイテム集合に含めないようにすることが望ましい。

次にステップ（Ｓ２２）において、第１割合計算部１０５が、ステップ（Ｓ２１）で算出された推薦対象ユーザの嗜好アイテム集合、または利用履歴格納部１０２に格納された推薦対象ユーザの利用履歴に対応するアイテムの集合である第１の集合を対象にして、推薦アイテム条件格納部１０３に格納されている推薦アイテム条件に合致する割合である第１割合を計算する。

次に、ステップ（Ｓ２３）において、第２割合計算部１０６が、第１の集合のアイテム以外のアイテムを含むアイテム集合である第２の集合を作成し、第２の集合を対象にして、推薦アイテム条件格納部１０３に格納されている推薦アイテム条件に合致する割合である第２割合を計算する。

次に、ステップ（Ｓ２４）において、ユーザ特性値計算部１０７が、推薦対象ユーザの嗜好と推薦アイテム条件との関連の強さを示すユーザ特性値を計算する。

次に、ステップ（Ｓ２５）において、アイテム選択部１０８が、ユーザ特性値と嗜好アイテム集合とを用いて、推薦対象ユーザに適したアイテムを選択し、推薦情報を作成する。この推薦情報は、アイテム提供サーバ２０の推薦情報格納部２０３で説明したデータ形式と同様に、ユーザ識別子（推薦対象ユーザのユーザ識別子）と、アイテム識別子と、推薦順位とが対応付けられたものである。

次に、ステップ（Ｓ２６）において、制御部１１０が、ステップ（Ｓ２５）で作成された推薦情報を、送受信部１０９を介して、アイテム提供サーバ２０に送信する。

最後に、ステップ（Ｓ２７）において、アイテム提供サーバ２０の制御部２０５は、送受信部２０４を介して推薦情報を受信し、図５に示した形式で推薦情報格納部２０３に格納させる。アイテム提供サーバ２０は、ステップ（Ｓ１０４）において、この格納した推薦情報を用いて、アイテム情報のリスト（表示用の推薦情報）を作成する。なお、既に推薦情報格納部２０３に推薦情報が格納されている場合は、古い推薦情報を消去した後に格納すればよい。また、格納する日時をバージョン情報として合わせて格納し、複数のバージョンの推薦情報を同時に格納するようにしてもよい。

なお、上述したように、端末装置３０から情報選択装置１０に直接、またはアイテム提供サーバ２０を経由して推薦情報を要求するメッセージを送信し、情報選択装置１０から端末装置３０に直接、またはアイテム提供サーバ２０を経由して推薦情報を送信するようにし、アイテム提供サーバ２０の推薦情報格納部２０３を省略した場合は、ステップ（Ｓ２６）およびステップ（Ｓ２７）を省略する。

そして、情報選択装置１０から端末装置３０に直接、またはアイテム提供サーバ２０を経由して推薦情報を送信する際に、情報選択装置１０の制御部１１０が、アイテム属性格納部１０１とアイテム選択部１０８とを参照しながら、ステップ（Ｓ１０４）で述べた方法と同様な方法で、アイテム識別子とアイテム属性情報と、推薦順位の情報とが含まれる推薦情報に基づくアイテム情報のリストを作成し、送受信部１０９を介して端末装置３０に直接、またはアイテム提供サーバ２０を経由してアイテム情報のリストを送信する。

あるいは、情報選択装置１０から端末装置３０にアイテム提供サーバ２０を経由して推薦情報を送信する場合は、情報選択装置１０からアイテム提供サーバ２０に推薦情報を送信し、アイテム提供サーバ２０において、受信した推薦情報に基づくアイテム情報のリストを作成する処理を行った上で、アイテム提供サーバ２０から端末装置３０にアイテム情報のリストを送信してもよい。
＜２．１．２．嗜好アイテム集合作成処理＞
（嗜好アイテム集合作成処理の第１の方法）

情報選択装置１０における嗜好アイテム集合の作成処理（Ｓ２１）について詳細に説明する。まず、嗜好アイテム集合作成処理の第１の方法について図１６のフローチャートを参照して説明する。

ステップ（Ｓ２１１１）において、嗜好アイテム集合作成部１０４は、利用履歴格納部１０２に格納されている利用履歴を読み出す。ここでは、全ての利用履歴を読み出してもよいし、所定の条件を満たす利用履歴を読み出してもよい。例えば、「利用時期が過去４ヶ月以内」、「利用時期と現在との差が３日以上かつ３０日未満」などのように、「利用履歴の利用時期情報が所定の範囲にある」という条件を満たす利用履歴を読み出してもよい。また、ユーザごとに利用時期が新しい順に所定個数以内の利用履歴を読み出してもよい。例えば、所定個数を２０個とした場合、利用回数が２０回以上のユーザに対しては、利用時期が新しい順に２０個ずつの利用履歴を読み出し、利用回数が２０回未満のユーザに対しては、そのユーザのすべての利用履歴を読み出すようにする。このようにすれば、利用頻度が少なく、アイテムを最近利用していないようなユーザに対しても嗜好アイテム集合を作成することができる。このステップで読み出した利用履歴に含まれるユーザ（ユーザ識別子）の集合をσ、ユーザの数（ユーザ識別子の異なる種類数）をＵｓ、アイテムの数（アイテムの異なる種類数）をＭｓとする。

次に、ステップ（Ｓ２１１２）において、嗜好アイテム集合作成部１０４は、推薦対象ユーザｕを選択する。上述したように、他の装置（端末装置３０またはアイテム提供サーバ２０）から利用情報または推薦情報要求を受信するごとに推薦情報を作成する場合には、利用情報または推薦情報要求に含まれるユーザ（ユーザ識別子）が推薦対象ユーザｕとなる。そうでない場合は、ステップ（Ｓ２１１１）で作成したユーザ集合σを推薦対象ユーザ集合として扱う。そして、ユーザ集合σの内から、まだ処理を行なっていないユーザ（未処理のユーザ）を１人選択し、推薦対象ユーザｕとする。すなわち、所定条件を満たす利用履歴に含まれるユーザ識別子それぞれに対して嗜好アイテム集合が作成されることになる。

次に、ステップ（Ｓ２１１３）において、嗜好アイテム集合作成部１０４は、ステップ（Ｓ２１１１）で読み出された利用履歴を用いて、推薦対象ユーザｕと、ユーザ集合σに属する他のユーザｙ（ｙ∈σ、ｕ≠y）との類似度を算出する。

具体的には、ユーザｕの利用したことのあるアイテム集合をＩ［ｕ］、ユーザｙの利用したことのあるアイテム集合をＩ［ｙ］、ユーザｕとユーザｙが共に利用したことのあるアイテム数を｜Ｉ［ｕ］∩Ｉ［ｙ］｜、ユーザｕとユーザｙの少なくとも一方が利用したことのあるアイテムの種類数を｜Ｉ［ｕ］∪Ｉ［ｙ］｜としたとき、［数１］に示すように、ジャカード（Ｊａｃｃａｒｄ）係数を用いてユーザｕとユーザｙの類似度Ｗ［ｕ］［ｙ］を算出することができる。

また、ステップ（Ｓ２１１１）で読み出された利用履歴から、利用回数に関する情報やユーザがアイテムに対して行なった評価の情報（評価値）が得られる場合は、コサイン尺度やピアソン積率相関係数を用いて類似度を算出してもよい。例えば、ユーザｕのアイテムｉに対する利用回数または評価値をＥ［ｕ］［ｉ］、ユーザｙのアイテムｉに対する利用回数または評価値をＥ［ｙ］［ｉ］としたとき、［数２］に示すように、コサイン尺度を用いてユーザｕとユーザｙの類似度Ｗ［ｕ］［ｙ］を算出することができる。

また、［数３］に示すように、ピアソン積率相関係数を用いて、類似度Ｗ［ｕ］［ｙ］を算出してもよい。

ここで、Ｉｃ［ｕ］［ｙ］は、ユーザｕとユーザｙが共に利用したアイテムの集合であり、Ｅａ［ｕ］は、Ｉｃ［ｕ］［ｙ］を対象としたユーザｕの利用回数または評価値の平均値、Ｅａ［ｙ］は、Ｉｃ［ｕ］［ｙ］を対象としたユーザｙの利用回数または評価値の平均値である。また、Ｅ［ｕ］［ｉ］とＥ［ｙ］［ｉ］とのユークリッド距離あるいはその他の距離を用いて、類似度Ｗ［ｕ］［ｙ］を算出してもよい。

さらに、ユーザｕのアイテムｉに対する利用回数または評価値であるＥ［ｕ］［ｉ］（ｕ＝１〜Ｕｓ、ｉ＝１〜Ｍｓ）を行列要素とする行列に対して、主成分分析や数量化３類などの多変量解析を適用し、次元数を削減したベクトルを生成し、コサイン尺度やユークリッド距離などを用いて類似度を算出してもよい。また、上記以外にも、２ユーザ間の類似性を表わす指標であれば、どのような方法を用いてもよい。

次に、ステップ（Ｓ２１１４）において、嗜好アイテム集合作成部１０４は、推薦対象ユーザｕとの類似度の高い「類似ユーザ」を選出する。具体的には、推薦対象ユーザｕとの類似度がしきい値（所定値）以上の他のユーザをユーザ集合σから選出し、類似ユーザとする。また、推薦対象ユーザｕとの類似度が高い順に所定数を超えない範囲で他のユーザを選出し、類似ユーザとしてもよい。

例えば、類似度を０以上の数値として算出した場合、推薦対象ユーザｕとの類似度が０より大きい値のユーザの数が所定数に満たない場合は、類似度が算出された全てのユーザを類似ユーザとし、所定数以上のユーザの類似度が算出された場合は、類似度が高い順に所定数のユーザを選出すればよい。

さらに、推薦対象ユーザｕとの類似度が所定値以上の他のユーザの中から、類似度が高い順に所定数を超えない範囲でユーザを選出し、それを類似ユーザとしてもよい。また類似ユーザが所定数以上得られるように、類似度のしきい値を推薦対象ユーザｕごとに調整して類似ユーザを選出してもよい。

そして、嗜好アイテム集合作成部１０４は、図１１に示すような形式で、推薦対象ユーザｕのユーザ識別子と、選出した類似ユーザのユーザ識別子と、その類似度とを関連付けて、嗜好アイテム集合作成部１０４内部の記憶領域に格納する。

図１１においては、各々の推薦対象ユーザに対して、類似度の高い順に類似ユーザを格納している。推薦対象ユーザｕによって、類似ユーザの数は異なっていても、同じであってもよい。このステップで算出された推薦対象ユーザｕの類似ユーザの集合（類似ユーザのユーザ識別子の集合）をω［ｕ］とする。

次にステップ（Ｓ２１１５）において、嗜好アイテム集合作成部１０４は、推薦対象ユーザｕの各アイテムに対する嗜好度を計算する。具体的には、類似ユーザの利用したアイテム（あるいは評価したアイテム）を対象にして、以下のいずれかの方法で、推薦対象ユーザｕのアイテムｉに対する嗜好度Ｐ［ｕ］［ｉ］を算出する。

嗜好度算出の第１の方法は、類似ユーザにより利用された回数をアイテムごとにカウントする方法である。すなわち、ステップ（Ｓ２１１１）で読み出されたデータ、および嗜好アイテム集合作成部１０４内部の記憶領域を参照しながら、類似ユーザ集合ω［ｕ］に属するユーザが利用したアイテムの集合を特定し、そのアイテム集合に属するアイテムｉごとに利用回数をカウントした値を嗜好度Ｐ［ｕ］［ｉ］（ｉ＝１〜Ｌｓ［ｕ］）とする。ここでＬｓ［ｕ］は、類似ユーザが利用したアイテムの集合に含まれるアイテムの個数である。なお、アイテムの利用回数の代わりに、アイテムを利用したユーザ数（異なるユーザ識別子の数）をカウントしてもよい。

嗜好度算出の第２の方法は、ユーザ間の類似度を用いる方法である。例えば、推薦対象ユーザｕの類似ユーザｚ（ｚ∈ω［ｕ］）がアイテムｉを利用した回数をＦ［ｚ］［ｉ］、推薦対象ユーザｕと類似ユーザｚとの類似度をＷ［ｕ］［ｚ］として、［数４］に従って、嗜好度Ｐ［ｕ］［ｉ］を算出する。この場合、類似度の高いユーザが多く使っているアイテムほど、人気指標が大きな値となる。

嗜好度算出の第３の方法は、ユーザ間の類似度と利用時期情報とを用いて、次の［数５］に従って算出する方法である。

［数５］において、Ｔａ［ｚ］［ｉ］［ｋ］は、類似ユーザｚがアイテムｉをｋ回目に利用したときの利用時期情報であり、Ｔｃは、アイテムの利用時期よりも新しい所定の時期（例えば、この計算を行なう時点の日時）であり、関数ｆ（ｘ）は、入力値が小さいほど出力値が大きくなるような単調減少関数である。［数５］によれば、類似度の高いユーザが、最近多く使っているアイテムほど、嗜好度Ｐ［ｕ］［ｉ］が大きな値となる。

嗜好度算出の第４の方法は、利用履歴格納部１０２に、ユーザのアイテムに対する評価値が格納されている場合に用いられる方法であり、アイテム識別子ごとに類似ユーザの評価値を加算した値Ｆｅ［ｉ］を嗜好度Ｐ［ｕ］［ｉ］（ｉ＝１〜Ｌｓ）とする。また、ユーザの評価がある程度高い評価値のみを加算してもよい。例えば、大好き＝５、やや好き＝４、どちらでもない＝３、やや嫌い＝２、大嫌い＝１という５段階の評価値を用いた場合、評価値が４以上の場合に加算するような処理を行なってもよい。

また、上記の各方法においてさらに、アイテム属性格納部１０１を参照しながら、アイテム時期情報（アイテムが作成された時期などの情報）が新しいアイテムほど、嗜好度が大きくなるような処理を行なってもよい。

次に、ステップ（Ｓ２１１６）において、嗜好アイテム集合作成部１０４は、嗜好度Ｐ［ｕ］［ｉ］の高いアイテムを選択し、推薦対象ユーザｕに対応させた嗜好アイテム集合を作成し、推薦対象ユーザｕのユーザ識別子と嗜好アイテム集合とを対応させて嗜好アイテム集合作成部１０４内部の記憶領域に記憶する。

具体的には、嗜好度が高い順（大きい順）に第１の所定数あるいは第１の所定数を超えない数のアイテムを選択する。なお、嗜好度が算出されたアイテムの個数が第１の所定数に満たない場合は、嗜好度が算出されたアイテム全てを選択する。また、この第１の所定数をユーザごとに変更してもよい。あるいは、ステップ（Ｓ２１１５）で算出された嗜好度が所定のしきい値（第１の嗜好しきい値）よりも高い（大きい）アイテムを選択する。この際に、第１の所定数以上のアイテムが選択されるように、第１の嗜好しきい値をユーザごとに調整してアイテムを選択してもよい。

次に、ステップ（Ｓ２１１７）において、嗜好アイテム集合作成部１０４は、別の推薦対象ユーザを選択可能か判定する。利用情報または推薦情報要求を受信するごとに推薦情報を作成する場合には、推薦対象ユーザｕは１人なので、「Ｎｏ」という判定になる。それ以外の場合は、ユーザ集合σの中で、まだ処理を行なっていない未処理のユーザが存在する場合に「Ｙｅｓ」と判定し、未処理のユーザが存在しない場合は、「Ｎｏ」と判定する。「Ｙｅｓ」と判定した場合は、ステップ（Ｓ２１１２）に戻って処理を繰り返し、「Ｎｏ」と判定した場合は、嗜好アイテム集合作成処理を終了する。以上が本実施形態における、嗜好アイテム集合作成の第１の方法の説明である。
（嗜好アイテム集合作成処理の第２の方法）

次に図１７のフローチャートを参照して、上記のステップ（Ｓ２１）における嗜好アイテム集合作成処理の第２の方法について説明する。この第２の方法を用いる場合は、アイテム属性格納部１０１にアイテム属性情報が格納されている必要がある。

ステップ（Ｓ２１２１）は、利用履歴を読み出す処理であり、第１の方法におけるステップ（Ｓ２１１１）と同じである。ただし、推薦対象ユーザが１人である場合には、そのユーザの利用履歴のみを読み出せばよく、他のユーザの利用履歴を読み出す必要はない。

ステップ（Ｓ２１２２）は、推薦対象ユーザを選択する処理であり、第１の方法におけるステップ（Ｓ２１１２）と同じである。

次に、ステップ（Ｓ２１２３）において、嗜好アイテム集合作成部１０４は、推薦対象ユーザの利用属性データを作成する。具体的にはまず、ステップ（Ｓ２１２１）で読み出した推薦対象ユーザｕの利用履歴に含まれるアイテム識別子をアイテム属性格納部１０１に対応させ、対応するアイテム属性情報を読み出す。

そして、そのアイテム属性情報に含まれるキーワードまたは識別子の集合を利用属性データＳ［ｕ］とする。アイテム属性情報のうちの「作者」については、作者名をキーワードとするか、作者を識別する作者識別子をキーワードとして扱えばよい。また「カテゴリ」については、カテゴリ名をキーワードとするか、カテゴリを識別するカテゴリ識別子をキーワードとして扱えばよい。また、アイテムの「タイトル」と「説明情報」とに関しては、形態素解析処理を行なって、所定の品詞を抽出し、キーワードとすればよい。推薦対象ユーザｕが過去に利用したアイテムは、推薦対象ユーザｕが好きなアイテムである可能性が高いため、推薦対象ユーザｕが過去に利用したアイテムに対応するキーワードである利用属性データＳ［ｕ］は、推薦対象ユーザｕの嗜好を表わすデータといえる。

次に、ステップ（Ｓ２１２４）において、嗜好アイテム集合作成部１０４は、ステップ（Ｓ２１２３）で作成した利用属性データと、アイテム属性格納部１０１に格納されている各アイテムとを照合し、推薦対象ユーザｕの各アイテムに対する嗜好度Ｐ［ｕ］［ｉ］を計算する。

ここでは、ステップ（Ｓ２１２３）と同様な方法で、アイテム属性格納部１０１に格納されている各アイテムｉに対して、アイテムキーワード集合Ｋ［ｉ］を作成し、そのキーワード集合と、ステップ（Ｓ２１２３）で作成した利用属性データＳ［ｕ］との嗜好度を計算する。嗜好度の計算方法としては、種々の方法を用いることができる。

例えば、利用属性データＳ［ｕ］とアイテムキーワード集合Ｋ［ｉ］に共通するキーワードの数を｜Ｓ［ｕ］∩Ｋ［ｉ］｜、利用属性データＳ［ｕ］とアイテムキーワード集合Ｋ［ｉ］の少なくとも一方に存在するキーワードの数を｜Ｓ［ｕ］∪Ｋ［ｉ］｜としたとき、［数６］に示すように、ジャカード（Ｊａｃｃａｒｄ）係数を用いて嗜好度Ｐ［ｕ］［ｉ］を算出することができる。また、Ｓ［ｕ］とＫ［ｉ］とを、同じ次元数のベクトルデータとなるように作成した上で、２つのベクトルのコサイン尺度やピアソン積率相関係数を用いて嗜好度Ｐ［ｕ］［ｉ］を算出してもよい。

次のステップ（Ｓ２１２５）は、嗜好アイテム集合を作成する処理であり、第１の方法におけるステップ（Ｓ２１１６）と同じである。また、次のステップ（Ｓ２１２６）は、別の推薦対象ユーザを選択可能か判定する処理であり、第１の方法におけるステップ（Ｓ２１１７）と同じである。

以上が本実施形態における、嗜好アイテム集合作成の第２の方法の説明である。この第２の方法は、利用履歴格納部１０２に、推薦対象ユーザｕ以外の他のユーザの利用履歴が格納されていない場合でも用いることができる。また、利用履歴格納部１０２に格納されていないアイテム、すなわち、どのユーザからも利用されていないアイテム（新作アイテム等）を嗜好アイテム集合に含めることも可能である。
（嗜好アイテム集合作成処理の第３の方法）

嗜好アイテム集合作成の第１の方法および第２の方法では、ステップ（Ｓ２１１１）で読み出した利用履歴の中に、推薦対象ユーザの利用履歴が存在する必要がある。推薦情報要求を受信するごとに推薦情報を作成する場合などでは、その条件が満たされない可能性があるが、図１８のフローチャートに示す第３の方法を用いれば、推薦対象ユーザの利用履歴が存在しない場合でも、嗜好アイテム集合を作成できる。

推薦アイテム集合作成の第３の方法を用いる場合は、ユーザ属性格納部１１１が必要である。一方、嗜好アイテム集合作成の第１の方法および第２の方法を用いる場合は、ユーザ属性格納部１１１を省略することができる。

ステップ（Ｓ２１３１）は、利用履歴を読み出す処理であり、第１の方法におけるステップ（Ｓ２１１１）と同じである。なお、ここで読み出す利用履歴には、推薦対象ユーザの利用履歴が含まれていなくてもよい。また、ステップ（Ｓ２１３２）は、推薦対象ユーザを選択する処理であり、第１の方法におけるステップ（Ｓ２１１２）と同じである。

次に、ステップ（Ｓ２１３３）において、嗜好アイテム集合作成部１０４は、ユーザ属性格納部１１１に格納されているユーザ属性情報を用いて、ユーザ間の類似度を算出する。

嗜好アイテム集合作成部１０４は、推薦対象ユーザｕと、ステップ（Ｓ２１３１）で作成されたユーザ集合σに属する他のユーザｙ（ｙ∈σ、ｕ≠y）との類似度を算出する。

具体的には、２人のユーザのユーザ属性情報において、一致する項目数を計数（カウント）すればよい。また、「生年月日」や「入会時期」などの項目については、２人の項目の時間差が所定以内であれば、一致するとして処理を行なってもよい。また、「好きなカテゴリ」や「好きなキーワード」などの項目については、完全に一致する場合に一致と見なす他、あらかじめカテゴリ同士やキーワード同士の一致度を示すルールを格納しておき、それに基づいて類似度を算出してもよい。また、「血液型」については、同じ血液型だけでなく、いわゆる相性の良い血液型の組み合わせである場合に、２人の項目が一致するとしてもよい。また、「氏名」の項目は類似度の算出に用いなくてもよいが、氏名の画数や表音などに基づく姓名判断を用いて、２人の類似度を算出してもよい。また、各々の項目について、「一致する」／「一致しない」の２値ではなく、一致する度合いを示す実数値を用いて類似度を算出してもよい。なお、空欄の項目に関しては、類似度の算出に用いなくてもよいし、一致すると見なして処理を行なってもよいし、完全一致ではなく、やや一致するとして処理を行なってもよい。

続くステップ（Ｓ２１３４〜Ｓ２１３７）は、第１の方法におけるステップ（Ｓ２１１４〜Ｓ２１１７）と同じである。

嗜好アイテム集合作成の第３の方法では、推薦対象ユーザと他のユーザとの類似度を利用履歴ではなく、ユーザ属性情報を用いて算出するため、推薦対象ユーザの利用履歴が全く存在しない場合であっても嗜好アイテム集合を作成することができる。
＜２．１．３．第１割合計算処理＞

ステップ（Ｓ２２）における第１割合計算処理を詳細に説明する。第１割合計算部１０５は、以下のいずれかの方法を用いて、推薦対象ユーザ集合の各ユーザに対して、そのユーザが好むアイテム（ユーザ嗜好を示すアイテム）の集合である第１の集合を作成し、第１の集合における推薦アイテム条件に合致するアイテムの割合である第１割合Ｒ１を算出して、第１割合計算部１０５内部の記憶領域に格納する。以下では、説明を簡単にするために、推薦対象ユーザ集合の中の１人のユーザ（推薦対象ユーザｕ）についての処理を説明する。推薦対象ユーザが複数である場合は、それぞれのユーザに対して同様の処理を行なう。
（第１割合計算処理の第１の方法）

まず、ステップ（Ｓ２２）における第１割合計算処理の第１の方法について説明する。第１の方法は、ステップ（Ｓ２１）の嗜好アイテム集合作成処理で作成された推薦対象ユーザｕの嗜好アイテム集合から第１の集合を作成し、この第１の集合を対象にして、推薦アイテム条件格納部１０３に格納されている推薦アイテム条件に合致する割合を計算し、第１割合とする方法である。

ここで、嗜好アイテム集合に属する全アイテムを第１の集合としてもよいし、嗜好アイテム集合の中の一部のアイテムを第１の集合としてもよい。後者の場合は、嗜好アイテム集合の全アイテム数よりも少ない所定数だけ、ランダムにアイテムを選択するか、嗜好度の高い順に選択して、第１の集合とする。また、この際の所定数をステップ（Ｓ２５）の推薦情報作成処理において選択されるアイテム数と同じ個数にしてもよい。

次に、第１割合計算部１０５は、第１の集合のアイテム数をカウントし、これをＮＡとする。そして、第１割合計算部１０５は、第１の集合のアイテム識別子を図９に示した推薦アイテム条件格納部１０３の推薦アイテム条件と対応させ、推薦アイテム条件に合致するアイテム識別子をカウントし、これをＮＢとする。

なお、推薦アイテム条件が図９（ｃ）や図９（ｄ）の形式のように、対象タイプを用いている場合は、アイテム属性格納部１０１を参照しながら、推薦アイテム条件に合致するアイテム識別子をカウントすればよい。また、対象タイプが「７」の利用回数順位または「８」の利用回数である場合は、推薦アイテム条件格納部１０３内部の記憶領域にその条件に合致するアイテム識別子（アイテム識別子の集合）が格納されているので、その集合と第１の集合とを比較し、一致するアイテム識別子をカウントすればよい。

そして、第１割合計算部１０５は、（ＮＢ÷ＮＡ）の値を算出し、第１割合Ｒ１とする。また、上述のように、図９（ｃ）の形式で推薦アイテム条件が格納されており、適合度が算出可能な場合は、適合度を用いて第１割合を算出してもよい。具体的には、第１の集合に属する各アイテムについて適合度を算出し、それぞれの適合度の代表値（平均値、中央値、最頻値など）を第１割合とする。この際に適合度の値が０から１の範囲に収まるように正規化して適合度を算出しておけば、その代表値も０から１の範囲に収まるので都合がよい。
（第１割合計算処理の第２の方法）

次に、ステップ（Ｓ２２）における第１割合計算処理の第２の方法について説明する。第２の方法は、利用履歴格納部１０２に格納された推薦対象ユーザｕの利用履歴を用いて第１の集合を作成し、この第１の集合を対象にして、推薦アイテム条件格納部１０３に格納されている推薦アイテム条件に合致する割合を計算し、第１割合とする方法である。

推薦対象ユーザｕが過去に利用したアイテムは、推薦対象ユーザｕが好むアイテムである確率が高いので、利用履歴を用いて作成される第１の集合は、第１の方法と同様に、推薦対象ユーザｕの嗜好を表しているといえる。

まず、第１割合計算部１０５は、利用履歴格納部１０２から推薦対象ユーザｕの利用履歴を読み出し、これに含まれるアイテム識別子の集合を第１の集合とする。この際に、推薦対象ユーザｕの全ての利用履歴を読み出してもよいし、利用時期が所定の範囲にある利用履歴に限定して読み出してもよい。また、ランダムに所定数の利用履歴を読み出してもよいし、利用時期の新しい順に所定数の利用履歴を読み出してもよい。なお、この際の所定数をステップ（Ｓ２５）の推薦情報作成処理において選択されるアイテム数と同じ個数にしてもよい。

そして、第１割合計算部１０５は、第１の集合のアイテム数をカウントし、これをＮＣとする。次に、第１割合計算部１０５は、第１の集合のアイテム識別子を図９に示した推薦アイテム条件格納部１０３の推薦アイテム条件と対応させ、推薦アイテム条件に合致するアイテム識別子をカウントし、これをＮＤとする。

なお、推薦アイテム条件が図９（ｃ）や図９（ｄ）の形式のように、対象タイプを用いている場合は、アイテム属性格納部１０１を参照しながら、推薦アイテム条件に合致するアイテム識別子をカウントすればよい。

そして、第１割合計算部１０５は、（ＮＤ÷ＮＣ）の値を算出し、第１割合Ｒ１とする。なお、第１の方法と同様に、適合度を用いて第１割合を算出してもよい。
＜２．１．４．第２割合計算処理＞

ステップ（Ｓ２３）における第２割合計算処理を詳細に説明する。第２割合計算部１０６は、以下のいずれかの方法を用いて、推薦対象ユーザ集合の各ユーザに対して、第１の集合のアイテム以外のアイテムを含むアイテム集合である第２の集合をそれぞれ作成し、第２の集合の中で推薦アイテム条件に合致する割合である第２割合Ｒ２をそれぞれ算出する。この第２の集合は、推薦対象ユーザの嗜好をあまり強く表さないアイテムの集合といえる。そして、推薦対象ユーザのユーザ識別子と第２割合とを対応させて第２割合計算部１０６内部の記憶領域に格納する。以下では、説明を簡単にするために、推薦対象ユーザ集合の中の１人のユーザ（推薦対象ユーザｕ）についての処理を説明する。推薦対象ユーザが複数である場合は、それぞれのユーザに対して同様の処理を行なう。
（第２の集合作成の第１の方法）

まず、ステップ（Ｓ２３）における第２の集合作成処理の第１の方法について説明する。第１の方法は、推薦対象ユーザｕ以外の他のユーザを含む比較ユーザ集合を作成し、比較ユーザ集合の各ユーザと、各アイテムとの嗜好度を計算し、比較ユーザ集合の各ユーザの嗜好度の高いアイテムをユーザごとに選択した候補集合を作成し、候補集合から第２の集合を作成する方法である。

嗜好度の計算および嗜好度の高いアイテムの選択は、嗜好アイテム集合作成部１０４の動作と同様な方法で行なうことができる。また、比較ユーザ集合のユーザは１人であっても、複数人であってもよい。また、比較ユーザ集合のユーザをランダムに選んでもよいし、推薦対象ユーザｕとの類似度が所定値以下のユーザの中から選んでもよい。また、比較ユーザ集合のユーザが複数人である場合、その中の１人が推薦対象ユーザｕであってもよい。例えば、推薦対象ユーザ集合に複数のユーザが含まれる場合は、それ自体を比較ユーザ集合としてもよい。

ただし、第２の集合が、第１の集合のアイテム以外のアイテムを含むように比較ユーザ集合に入れるユーザを選択する。すなわち、第２の集合が、第１の集合の部分集合にならないようにする。なお、あるユーザの候補集合が、第１の集合の部分集合であっても、別のユーザの候補集合が、第１の集合の部分集合でなければよい。すなわち、第２の集合の一部のアイテムが第１の集合に含まれていてもよい。

候補集合から第２の集合を作成する方法としては、各候補集合の和集合を第２の集合とする方法がある。また、各候補集合の和集合の中から嗜好度の高い順に所定個数のアイテムを選択し、第２の集合とする方法がある。また、各候補集合の和集合から嗜好度が所定値以上のアイテムを選択して、第２の集合としてもよい。
（第２の集合作成の第２の方法）

次に、ステップ（Ｓ２３）における第２の集合作成処理の第２の方法について説明する。第２の方法は、推薦対象ユーザｕと各アイテムとの嗜好度を計算し、嗜好アイテム集合に含まれるアイテムよりも嗜好度の低いアイテムを選択し、それを第２の集合とする方法である。

嗜好度の計算は、嗜好アイテム集合作成部１０４の動作と同様な方法で行なうことができる。そして、ステップ（Ｓ２１１６）の嗜好アイテム集合作成処理において、嗜好度に関するしきい値を用いて嗜好アイテム集合を作成した場合には、嗜好度がそのしきい値（第１の嗜好しきい値）未満のアイテムを選択する。

例えば、嗜好度が第１の嗜好しきい値未満のアイテムを嗜好度が大きい順または小さい順に所定個数選択すればよい。あるいは、嗜好度が第１の嗜好しきい値未満のアイテムの中からランダムに所定個数のアイテムを選択してもよい。また、第１の嗜好しきい値以下の第２の嗜好しきい値と、第２の嗜好しきい値より小さい第３の嗜好しきい値とを用意し、嗜好度が第３のしきい値以上でかつ第２の嗜好しきい値以上であるアイテムを選択してもよい。

また、ステップ（Ｓ２１１６）の嗜好アイテム集合作成処理において、嗜好度が高い順（大きい順）に所定数を超えない範囲でアイテムを選択した場合は、選択されたアイテムの個数（嗜好アイテム集合の要素数）よりも大きな値である第１の順位値を用意し、嗜好度が高いほど順位値が小さくなるようにアイテムをソートし、順位値が第１の順位値以上であるアイテムを選択する。

例えば、嗜好アイテム集合の要素数が２０個である場合には、嗜好度が高い順にソートした場合の順位値が２１位以降のアイテムを選択すればよい。この場合、２１位以降のアイテムから嗜好度が大きい順または小さい順に所定個数選択してもよいし、２１位以降のアイテムからランダムに所定個数を選択してもよい。さらに、第１の順位値よりも大きな値である第２の順位値を用意し、順位値がそれらの間にあるアイテムを選択してもよい。例えば、上述した例において、第２の順位値を４０位として、順位値が２１位から４０位までのアイテムを選択してもよい。
（第２の集合作成の第３の方法）

第２の集合作成の第３の方法は、推薦対象ユーザｕ以外の他のユーザを含む比較ユーザ集合を作成し、比較ユーザ集合のユーザの利用履歴を用いる方法である。すなわち、利用履歴格納部１０２に格納されている比較ユーザ集合のユーザの利用履歴を読み出し、それに含まれるアイテム識別子の集合を第２の集合とする。ここでは、比較ユーザ集合のユーザに対応する全ての利用履歴を読み出してもよいし、比較ユーザ集合のユーザに対応する所定の条件を満たす利用履歴を読み出してもよい。

例えば、「利用時期が過去４ヶ月以内」、「利用時期と現在との差が３日以上かつ３０日未満」などのように、「利用履歴の利用時期情報が所定の範囲にある」という条件を満たす利用履歴を読み出してもよい。比較ユーザ集合の各ユーザに対応する利用履歴の中から、ユーザごとに利用時期が新しい順に所定個数の利用履歴を選択してもよい。比較ユーザ集合のユーザは１人であっても、複数人であってもよい。また、比較ユーザ集合のユーザをランダムに選んでもよいし、推薦対象ユーザｕとの類似度が所定値以下のユーザの中から選んでもよい。また、比較ユーザ集合のユーザが複数人である場合、その中の１人が推薦対象ユーザｕであってもよい。例えば、推薦対象ユーザ集合に複数のユーザが含まれる場合は、それ自体を比較ユーザ集合としてもよい。また、利用履歴格納部１０２に格納されている全てのユーザ識別子を比較ユーザ集合に入れてもよい。

ただし、第２の集合が、第１の集合のアイテム以外のアイテムを含むように比較ユーザ集合に入れるユーザを選択する。すなわち、第２の集合が、第１の集合の部分集合にならないようにする。さらに、読み出した利用履歴に含まれるアイテム識別子ごとに、利用回数を集計し、利用回数の順位（利用回数の多い順にソートした場合の順位）が所定の範囲にあるアイテムのアイテム識別子を第２の集合としてもよい。例えば、利用回数の順位が１位から１０位までの１０個のアイテムを第２の集合に入れてもよいし、利用回数の順位が１１位から３０位までの２０個のアイテムを第２の集合に入れるようにしてもよい。また、利用回数が所定の範囲にあるアイテムのアイテム識別子を第２の集合としてもよい。
（第２の集合作成の第４の方法）

第２の集合作成の第４の方法は、アイテム属性格納部１０１に格納されているアイテム識別子、または利用履歴格納部１０２に格納されているアイテム識別子から、ランダムに所定数のアイテム識別子を選択し、それを第２の集合とする方法である。この場合も、第２の集合が、第１の集合の部分集合にならないようにする。
（第２割合計算処理）

上述したいずれかの方法で第２の集合を作成した後、第２割合計算部１０６は、第２の集合の要素数ＮＥをカウントする。第２の集合の要素数は、第１の集合の要素数と同じであっても、異なっていてもよい。次いで、第２割合計算部１０６は、第２の集合を対象として、嗜好アイテム集合のアイテム識別子を図９に示した推薦アイテム条件格納部１０３の推薦アイテム条件と対応させ、推薦アイテム条件に合致するアイテム識別子の個数ＮＦをカウントする。

そして、（ＮＦ÷ＮＥ）の値を算出し、第２割合Ｒ２とする。推薦対象ユーザが複数存在する場合は、それぞれについて第２割合Ｒ２を算出する。なお、第２の集合作成の第１の方法および第３の方法において、比較ユーザ集合のユーザが複数人である場合、ユーザごとに中間処理的な第２割合を算出し、それらの代表値（平均値、中央値、最頻値など）を算出して、最終的な第２割合としてもよい。

また、上述のように、図９（ｃ）の形式で推薦アイテム条件が格納されており、適合度が算出可能な場合は、適合度を用いて第２割合を算出してもよい。具体的には、第２の集合に属する各アイテムについて適合度を算出し、それぞれの適合度の代表値（平均値、中央値、最頻値など）を第２割合とする。この際に適合度の値が０から１の範囲に収まるように正規化して適合度を算出しておけば、その代表値も０から１の範囲に収まるので都合がよい。
＜２．１．５．ユーザ特性値算出処理＞

ステップ（Ｓ２４）におけるユーザ特性値算出処理について詳細に説明する。ユーザ特性値計算部１０７は、以下のいずれかの方法を用いて、推薦対象ユーザ集合の各ユーザに対して、推薦対象ユーザの嗜好と推薦アイテム条件との関連の強さを示すユーザ特性値をそれぞれ算出する。そして、推薦対象ユーザのユーザ識別子とユーザ特性値とを対応させてユーザ特性値計算部１０７内部の記憶領域に格納する。以下の説明では、推薦対象ユーザ集合の中の１人のユーザ（推薦対象ユーザｕ）を処理対象にした場合の動作を説明する。
（ユーザ特性値算出の第１の方法）

まず、ユーザ特性値算出の第１の方法について説明する。第１の方法は、ステップ（Ｓ２２）で算出された第１割合Ｒ１をそのままユーザ特性値とする方法である。この第１の方法を用いる場合は、第２割合計算部１０６およびステップ（Ｓ２３）を省略することができる。第１の方法は、最も処理量が少なく簡便な方法である。
（ユーザ特性値算出の第２の方法）

ユーザ特性値算出の第２の方法は、第１割合Ｒ１を第２割合Ｒ２で割った値、すなわち（Ｒ１÷Ｒ２）をユーザ特性値とする方法である。このユーザ特性値は、比較ユーザを基準として、推薦対象ユーザの嗜好と推薦アイテム条件との関連度の強さを相対的に示す値といえる。

ユーザ特性値算出の第１の方法では、多数のアイテムに該当する推薦アイテム条件が推薦アイテム条件格納部１０３に格納されている場合は、ユーザ特性値が大きな値となり、少数のアイテムにしか該当しない推薦アイテム条件が推薦アイテム条件格納部１０３に格納されている場合は、ユーザ特性値が小さな値となる。すなわち、推薦アイテム条件の設定のし方によって、ユーザ特性値が大きく変動し、影響を受ける。

一方、ユーザ特性値算出の第２の方法では、Ｒ１とＲ２の両方を用いているため、推薦アイテム条件が変化した場合でも、ユーザ特性値はその影響を受けにくい。特に、多人数のデータを用いて第２割合Ｒ２を算出した場合には、推薦アイテム条件の変化の影響をより低減することができる。このため、推薦対象ユーザｕの嗜好と推薦アイテム条件との関連の強さを精度良く数値化できる。
（ユーザ特性値算出の第３の方法）

ユーザ特性値算出の第３の方法は、第１割合Ｒ１から第２割合Ｒ２を引いた値、すなわち（Ｒ１−Ｒ２）をユーザ特性値とする方法である。このユーザ特性値は、比較ユーザを基準として、推薦対象ユーザの嗜好と推薦アイテム条件との関連度の強さを相対的に示す値といえる。第２の方法と同様に、推薦アイテム条件の設定のし方の影響を受けにくいため、推薦対象ユーザｕの嗜好と推薦アイテム条件との関連の強さを精度良く数値化できる。

上述した各方法で算出されたユーザ特性値は、推薦対象ユーザｕの嗜好と推薦アイテム条件との関連の強さが強いほど大きな値となる。また、第１割合Ｒ１が増加すれば、ユーザ特性値も単調に増加する特性を持っている。
＜２．１．６．推薦情報作成処理＞
（推薦情報作成の第１の方法）

ステップ（Ｓ２５）における推薦情報作成処理について詳細に説明する。まず、図１９のフローチャートを参照して、推薦情報作成の第１の方法について説明する。

ステップ（Ｓ２５１１）において、アイテム選択部１０８は、推薦対象ユーザ集合から、処理対象である１人のユーザ（推薦対象ユーザｕ）を選択する。具体的には、ステップ（Ｓ２１１６）の嗜好アイテム集合作成処理において、嗜好アイテム集合作成部１０４内部の記憶領域に、推薦対象ユーザのユーザ識別子と嗜好アイテム集合とが記憶されているので、このユーザ識別子の中から未処理のユーザ識別子を１つ選択する。

次に、ステップ（Ｓ２５１２）において、アイテム選択部１０８は、ステップ（Ｓ２５１１）で選択されたユーザのユーザ特性値が所定のユーザ特性値条件を満たすか否かを判定する。「Ｙｅｓ」の場合はステップ（Ｓ２５１３）に進み、「Ｎｏ」の場合はステップ（Ｓ２５１４）に進む。

具体的には、ユーザ特性値計算部１０７内部の記憶領域から、推薦対象ユーザｕに対応するユーザ特性値αを読み出し、ユーザ特性値条件を満たすか否かを判定する。このユーザ特性値条件としては、「α＞θ１」という条件を用いることができる。この条件を、判定条件Ａとする。ここで、θ１は所定のしきい値である。すなわち、判定条件Ａは、「ユーザ特性値が、所定のしきい値θ１より大きい」という条件である。判定条件Ａを用いると、「ユーザ嗜好と推薦アイテム条件との関連の強さが、ある程度以上強いユーザ」を判定することができる。

また、判定条件Ａに替えて、「θ２＞α＞θ１」という条件を用いるようにしてもよい。この条件を、判定条件Ｂとする。ここで、θ２は、θ１より大きい（θ２＞θ１）所定のしきい値である。判定条件Ｂを用いると、「ユーザ嗜好と推薦アイテム条件との関連の強さが、ある程度以上強いが、極端には強くないユーザ」を判定することができる。

なお、ユーザ特性値算出の第１の方法の説明で述べたように、第１割合Ｒ１を直接使って判定することも可能である。この方法は、簡便な方法であるが、推薦アイテム条件格納部１０３に格納された推薦アイテム条件が変化する場合には、しきい値（θ１、θ２）を固定値として設定しておくのが難しいことがあり、推薦アイテム条件の変化に合わせて、しきい値（θ１、θ２）を調整する必要が生じる場合がある。一方、ユーザ特性値の第２の方法および第３の方法を用いた場合は、しきい値（θ１、θ２）を調整する必要性を減らすことができる。

ステップ（Ｓ２５１３）において、アイテム選択部１０８は、推薦情報に入れるアイテムにおける推薦アイテム条件に合致するアイテムの割合を設定する。この割合を第３割合と称する。

ステップ（Ｓ２５１３）では、第３割合Ｒ３は、第１割合計算部１０５で算出された第１割合Ｒ１よりも大きな値であり、かつ１より小さな値になるように設定する。ここで、Ｒ３をＲ１より大きな値にする理由は、推薦対象ユーザの推薦情報の中に、推薦アイテム条件（販売者の販売方針）に合致するアイテムをより多く入れるためである。

ステップ（Ｓ２２）の第１割合計算で第１の方法を用いた場合のＲ１は、推薦アイテム条件を考慮せずにユーザの嗜好に従ってアイテムを選択した場合の推薦情報（通常の推薦情報）における推薦アイテム条件に合致するアイテムの割合である。従って、通常の推薦情報に比べて、推薦アイテム条件に合致する割合が高くなる。

また、ステップ（Ｓ２２）の第１割合計算で第２の方法を用いた場合のＲ１は、推薦対象ユーザｕが過去に利用したアイテム集合における推薦アイテム条件に合致するアイテムの割合である。従って、ユーザが推薦情報に含まれるアイテムを均等な確率で利用すると仮定すれば、ユーザが今後利用するアイテムは、過去に利用したアイテムに比べて、推薦アイテム条件に合致する割合が高くなると期待できる。

また、Ｒ３を１より小さな値にする理由は、推薦情報のアイテムの全てが、販売者の販売方針に合致していると、ユーザによっては、それらの共通性を敏感に感じ取り、販売者の押し付けがましさや、押し売り方針として解釈する場合があるので、このようなリスクを小さくするためである。
（第３割合設定の第１の方法）

第３割合設定の第１の方法は、ステップ（Ｓ２５１２）で「Ｙｅｓ」と判定された全てのユーザに対して、同一の値を設定する方法である。例えば、「Ｒ３＝０．８」とすればよい。この場合、判定条件Ｂを用いた上で、Ｒ１が０．８より大きなユーザがステップＳ６１０で「Ｙｅｓ」とならないように、判定条件Ｂのθ２の値を設定してもよい。
（第３割合設定の第２の方法）

第３割合設定の第２の方法は、Ｒ１に基づきＲ３を設定する方法である。図２０を用いて、この方法を説明する。図２０（ａ）は、ステップ（Ｓ２５１２）において、判定条件Ａを用いた場合に用いるＲ１からＲ３への変換関数の特性を示す図である。

本図において横軸はＲ１の値を示し、縦軸はＲ３の値を示しており、それぞれ０から１までの値をとる。斜め４５度の破線は、Ｒ３をＲ１と同じにした場合、すなわち「Ｒ３＝Ｒ１」となる場合を示している。Ｒ１ｕは、推薦対象ユーザｕのＲ１の値である。またＲ１ａは、推薦対象ユーザｕのユーザ特性値のしきい値θ１をＲ１に換算した値である。

本特性において、Ｒ１が０からＲ１ａの範囲では、変換関数は斜め４５度の破線と一致する、すなわち「Ｒ３＝Ｒ１」となる。「Ｒ１ａ＜Ｒ１＜１」の範囲では、「Ｒ３＞Ｒ１」となる。

ステップ（Ｓ２５１２）の処理を行なうユーザのＲ１であるＲ１ｕは、Ｒ１ａ以上であるため、Ｒ１より大きく、かつ１より小さい値のＲ３が得られる。ただし、元々のＲ１が１であるユーザは、Ｒ３も１となる。

図２０（ｂ）は、ステップ（Ｓ２５１２）において、判定条件Ｂを用いた場合に用いるＲ１からＲ３への変換関数の特性を示す図である。Ｒ１ｂは、推薦対象ユーザｕのユーザ特性値のしきい値θ２をＲ１に換算した値である。

本特性では、「０≦Ｒ１≦Ｒ１ａ」の範囲は、斜め４５度の破線と一致し、「Ｒ３＝Ｒ１」となる。「Ｒ１ａ＜Ｒ１＜Ｒ１ｂ」の範囲は、「Ｒ３＞Ｒ１」となる。また、「Ｒ１ｂ≦Ｒ１≦１」の範囲は、「Ｒ３＝Ｒ１」となる。

「ステップ（Ｓ２５１３）の処理を行なうユーザのＲ１であるＲ１ｕについては、「Ｒ１ａ＜Ｒ１ｕ＜Ｒ１ｂ」であるため、Ｒ１より大きく、かつ１より小さい値のＲ３が得られる。また、図２０（ａ）および図２０（ｂ）に示した変換関数では、Ｒ１の増加に対してＲ３が減少する区間は存在しないので、Ｒ１の値が大きいほど、大きな値となるＲ３が得られることになる。

ステップ（Ｓ２５１２）において、「Ｙｅｓ」と判定されたユーザは、「ユーザ嗜好と推薦アイテム条件との関連の強さが、ある程度以上強いユーザ」であるので、ステップ（Ｓ２５１２）で「Ｎｏ」と判定されたユーザに比べると、推薦アイテム条件に合致するアイテムが推薦情報に多く入っていても、「販売者の押し付け」と受け取る可能性が低く、素直に受容する可能性が高いと考えられる。従って、このような処理を行なうことにより、ユーザが受容しやすい形で、販売方針に沿ったアイテムを多く推薦できる。また、判定条件Ｂを用いることにより、ユーザに「販売者の押し付け」と感じさせるリスクをさらに減らすことができる。

ステップ（Ｓ２５１２）で「Ｎｏ」と判定されたユーザについては、アイテム選択部１０８は、ステップ（Ｓ２５１４）において、Ｒ３をＲ１と同じ値に設定する。すなわち、推薦アイテム条件（販売方針）に合致するアイテムの数を増やさない。これは、ステップ（Ｓ２５１２）で「Ｎｏ」と判定されたユーザは、「ユーザ嗜好と推薦アイテム条件との関連の強さが、あまり強くない」ユーザなので、推薦アイテム条件（販売方針）に合致するアイテムを増やさない方が、推薦情報がユーザに受容される可能性が高いと考えられるからである。

次に、ステップ（Ｓ２５１５）において、アイテム選択部１０８は、Ｒ３に従って、推薦情報に入れるアイテムを選択する。推薦情報のアイテム数ＮＲが決まっている場合は、嗜好アイテム集合作成部１０４内部の記憶領域に格納されている、推薦対象ユーザｕの嗜好アイテム集合を読み出し、推薦アイテム条件格納部１０３を参照しながら、嗜好アイテム集合の中の推薦アイテム条件に合致するアイテムを嗜好度の高い順に（ＮＲ×Ｒ３）個選択する。

次に、嗜好アイテム集合の中の推薦アイテム条件に合致しないアイテムを嗜好度の高い順に（ＮＲ×（１−Ｒ３））個選択する。そして、選択された２つのグループのアイテムを合わせて嗜好度の大きい順に推薦順位を付け、推薦情報を作成する。ここで、ＮＲ個のアイテムが選択できるように、ステップ（Ｓ２１１６）で用いる第１の所定数および第１の嗜好しきい値を設定し、十分な数の嗜好アイテム集合を作成しておく。なお、嗜好アイテム集合の中の推薦アイテム条件に合致しないアイテムが、少なくとも１つは推薦情報に入るように調整してもよい。

推薦情報のアイテム数ＮＲが決まっていない場合は、以下の処理を行なう。まず、嗜好アイテム集合の中の推薦アイテム条件に合致するアイテムの個数ＮＸと、嗜好アイテム集合の中の推薦アイテム条件に合致しないアイテムの個数ＮＹとをカウントする。

次に、（ＮＸ／Ｒ３）と（ＮＹ／（１−Ｒ３））の値を比較する。（ＮＸ／Ｒ３）の方が小さい場合は、嗜好アイテム集合の中の推薦アイテム条件に合致するアイテムを全て（ＮＸ個）選択し、嗜好アイテム集合の中の推薦アイテム条件に合致しないアイテムを、嗜好度の大きい順に、（（ＮＸ／Ｒ３）×（１−Ｒ３））個選択して、これらを推薦情報に入れる。

逆に、（ＮＹ／（１−Ｒ３））の方が小さい場合は、嗜好アイテム集合の中の推薦アイテム条件に合致しないアイテムを全て（ＮＹ個）選択し、嗜好アイテム集合の中の推薦アイテム条件に合致するアイテムアイテムを、嗜好度の大きい順に、（（ＮＹ／（１−Ｒ３））×Ｒ３）個選択して、これらを推薦情報に入れる。なお、嗜好アイテム集合の中の推薦アイテム条件に合致しないアイテムが、少なくとも１つは推薦情報に入るように調整してもよい。

次に、ステップ（Ｓ２５１６）において、アイテム選択部１０８は、別の推薦対象ユーザを選択可能か判定する。利用情報または推薦情報要求を受信するごとに推薦情報を作成する場合には、推薦対象ユーザｕは１人なので、「Ｎｏ」という判定になる。それ以外の場合は、嗜好アイテム集合が作成されたユーザの中で、まだ処理を行なっていない未処理のユーザが存在する場合に「Ｙｅｓ」と判定し、未処理のユーザが存在しない場合は、「Ｎｏ」と判定する。「Ｙｅｓ」と判定した場合は、ステップ（Ｓ２５１１）に戻って処理を繰り返し、「Ｎｏ」と判定した場合は、ステップ（Ｓ２５）の推薦情報作成処理を終了する。
（推薦情報作成の第２の方法）

次に、図２１のフローチャートを参照して、ステップ（Ｓ２５）における推薦情報作成の第２の方法について説明する。ステップ（Ｓ２５２１）の推薦対象ユーザ選択処理は、第１の方法のおけるステップ（Ｓ２５１１）と同じである。

ステップ（Ｓ２５２２）では、第１の方法のステップ（Ｓ２５１２）の判定条件Ｂと同様に、推薦対象ユーザｕのユーザ特性値αと、所定のしきい値θ１、θ２との大きさを比較する。ただし、θ１＜θ２である。そして、「θ１＜α＜θ２」である場合は、ステップ（Ｓ２５２４）に進み、「α≦θ１」の場合は、ステップ（Ｓ２５２３）に進み、「α≧θ２」である場合は、ステップ（Ｓ２５２５）に進む。

ステップ（Ｓ２５２４）では、ステップ（Ｓ２５１３）における図２０（ｂ）で示した変換関数を用いた処理と同様の処理を行なって、第１割合Ｒ１より大きな値として第３割合Ｒ３を設定する。

ステップ（Ｓ２５２３）は、第１の方法におけるステップ（Ｓ２５１４）と同様に「Ｒ３＝Ｒ１」として設定する。

ステップ（Ｓ２５２５）では、第３割合Ｒ３を第１割合Ｒ１以下の値に設定する。図２２を参照して、この方法について説明する。図２２（ａ）は、Ｒ１に基づきＲ３を算出するための変換関数を示しており、図中における各記号は、図２０（ｂ）で説明した記号と同様であり、Ｒ１ｂは、推薦対象ユーザｕのユーザ特性値のしきい値θ２をＲ１に換算した値である。

「０≦Ｒ１≦Ｒ１ａ」の範囲では、変換特性は斜め４５度の破線と一致し、「Ｒ３＝Ｒ１」となる。「Ｒ１ａ＜Ｒ１＜Ｒ１ｂ」の範囲では、「Ｒ３＞Ｒ１」となる。ステップ（Ｓ２５２５）にて処理が行われるのは、「α≧θ２」である場合、すなわち「Ｒ１ｂ≦Ｒ１≦１」である場合であり、この場合は「Ｒ３≦Ｒ１」となる。

図２２（ａ）の変換特性は、この部分の特性が図２０（ｂ）と異なっており、特に、「Ｒ１＝１」の場合であっても、「Ｒ３＜１」であることに特徴がある。すなわち、どのユーザの推薦情報においても、販売方針に合致したアイテムが１００％を占めることはない。このため、ユーザが推薦情報におけるアイテムの共通性を感じることがさらに少なくなり、ユーザに「販売者の押し付け」と受け取られるリスクをさらに減らすことができる。

この処理では、「Ｒ１ｂ≦Ｒ１≦１」の範囲で、通常の推薦情報よりも販売方針に合致するアイテムの割合が減少する。しかしながら、多数のユーザのＲ１が一様に分布していると仮定すると、図２２（ｂ）の実線より下の面積が、斜め４５度の破線より下の面積よりも大きければ、多数のユーザの推薦情報に含まれる販売方針に合致するアイテムの平均的な割合は、通常の推薦情報に含まれる販売方針に合致するアイテムの平均的な割合よりも多くなるので、「ユーザに販売方針に合ったアイテムを薦める」という販売者の目的は達せられる。図２２（ｂ）の例では、実線と破線で囲まれた三角形Ａ１の面積が、三角形Ａ２の面積よりも大きいため、上記の条件が成立しており、販売者の目的は達せられる。

以下のステップ（Ｓ２５２６）、ステップ（Ｓ２５２７）は、第１の方法におけるステップ（Ｓ２５１５）、ステップ（Ｓ２５１６）と同じである。
＜３．まとめ＞

従来技術においては、推薦情報の中の商品（アイテム）が販売方針に合致したものに限られるため、販売者が設定する推薦ルールの内容によっては、推薦できる商品の数が少なくなり、十分でない場合があった。例えば、販売者が推薦ルールに登録する商品の数が少ない場合には、推薦できる商品も少なくなってしまう問題があった。十分な数の商品を推薦するためには、推薦ルールを適切に設定する必要があり、推薦ルール設定のための専門家が必要であったり、推薦ルール設定の工数が負担となる場合があった。

一方、本実施形態では、推薦アイテム条件格納部１０３に格納されているアイテム識別子が少ない場合には、第１割合Ｒ１が小さくなる。それに伴って、Ｒ３も比較的小さな値となるので、（１−Ｒ３）は逆に比較的大きな値となり、販売方針に合致しないアイテムを（１−Ｒ３）の割合で推薦情報に入れるため、推薦ルールの設定の仕方によらず、十分な数のアイテムを推薦することができる。

本実施形態では、ユーザの嗜好と推薦アイテム条件（販売方針）との関連の強さを示すユーザ特性値をユーザごとに算出し、ユーザ特性値が所定条件を満たすユーザに対して、推薦情報における推薦アイテム条件に合致するアイテムの割合が１未満になる範囲で適切に調整するため、ユーザの嗜好と販売者の販売方針になるべく合致し、かつ販売方針だけに偏らない推薦情報を作成できる。従って、推薦情報が販売者の押し付けであるとユーザに感じさせるリスクを減らすことができ、ユーザが受容しやすい推薦情報を提供できるため、ユーザのアイテム利用を活性化することができる。

また本実施形態では、推薦対象ユーザの嗜好を強く表わすアイテムの集合である第１の集合と、それ以外のアイテムの集合である第２の集合を作成し、２つの集合における推薦アイテム条件に合致する割合をそれぞれ算出し、その２つの割合を用いてユーザ特性値を算出しているので、推薦アイテム条件の設定の仕方に左右されずに、ユーザの嗜好と推薦アイテム条件（販売方針）との関連の強さを精度よく数値化できる。

従って、ユーザがより受容しやすい適切な推薦情報を作成できる。また、販売者は、販売条件を変更した際に、推薦処理のしきい値等のパラメータ変更を情報選択装置１０の管理者に依頼する必要がないので、販売条件を自由に変更しやすくなるという効果も得られる。

１…アイテム提供システム、２…アイテム提供システム、１０…情報選択装置、２０…アイテム提供サーバ、３０…端末装置、４０…ネットワーク、４２…ネットワーク、１０１…アイテム属性格納部、１０２…利用履歴格納部、１０３…推薦アイテム条件格納部、１０４…嗜好アイテム集合作成部、１０５…第１割合計算部、１０６…第２割合計算部、１０７…ユーザ特性値計算部、１０８…アイテム選択部、１０９…送受信部、１１０…制御部、１１１…ユーザ属性格納部、１２０…表示装置、１３０…入力装置、２０１…認証部、２０２…アイテム格納部、２０３…推薦情報格納部、２０４…送受信部、２０５…制御部

Claims (19)

1. ユーザとユーザの利用に係るアイテムとを対応付けた利用履歴を用いて、処理対象ユーザについて、所定の手順に従って算出される嗜好度の大きい順に第１所定数のアイテム、または、前記嗜好度が第１所定値以上のアイテムを選択し、前記処理対象ユーザの嗜好に適合すると判定されたアイテムの集合である嗜好アイテム集合を作成する嗜好アイテム集合作成部と、
   前記嗜好アイテム集合に含まれる少なくとも一部のアイテムの集合、または前記利用履歴において前記処理対象ユーザの利用に係るアイテムの集合である第１の集合を対象にして、推薦アイテムと判定するための条件を示す推薦アイテム条件を満たすアイテムの割合である第１割合を計算する第１割合計算部と、
   前記第１割合を用いて、前記処理対象ユーザの嗜好と前記推薦アイテム条件との関連の強さを指標化したユーザ特性値を計算するユーザ特性値計算部と、
   前記嗜好アイテム集合に含まれるアイテムから、前記推薦アイテム条件を満たすアイテムを含む複数のアイテムを選択し、結果アイテム集合を作成するアイテム選択部とを備え、
   前記アイテム選択部は、前記ユーザ特性値が所定のユーザ特性値条件を満たす場合に、前記結果アイテム集合における前記推薦アイテム条件を満たすアイテムの割合が、前記第１割合が１の場合を除き、前記第１割合よりも大きく、かつ１より小さくなるように、前記結果アイテム集合を作成することを特徴とするアイテム選択装置。
2. 前記アイテム選択部は、前記ユーザ特性値が所定のユーザ特性値条件を満たさない場合に、前記結果アイテム集合における前記推薦アイテム条件を満たすアイテムの割合が前記第１割合となるように、前記結果アイテム集合を作成することを特徴とする請求項１に記載のアイテム選択装置。
3. 前記第１の集合に含まれるアイテム以外のアイテムを含むアイテムの集合である第２の集合を作成し、前記第２の集合を対象にして、前記推薦アイテム条件を満たすアイテムの割合である第２割合を計算する第２割合計算部をさらに備え、
   前記ユーザ特性値計算部は、前記第１割合と前記第２割合とを用いて、前記処理対象ユーザについてのユーザ特性値を計算することを特徴とする請求項１または請求項２に記載のアイテム選択装置。
4. 前記第２割合計算部は、
   前記利用履歴を参照し、前記処理対象ユーザ以外のユーザについてアイテムごとの前記嗜好度をそれぞれ計算し、計算された嗜好度の大きい順に第２所定数のアイテム、または前記嗜好度が第２所定値以上のアイテムを選択し、前記第２の集合を作成することを特徴とする請求項３に記載のアイテム選択装置。
5. 前記第２割合計算部は、
   前記利用履歴を参照し、前記処理対象ユーザについてアイテムごとの前記嗜好度をそれぞれ計算し、計算された嗜好度の大きい順にアイテムをソートした場合に、前記第１所定数より後の順位となるアイテム、または前記嗜好度が前記第１所定値未満のアイテムを選択し、前記第２の集合を作成することを特徴とする請求項３に記載のアイテム選択装置。
6. 前記第２割合計算部は、
   前記利用履歴を参照し、前記処理対象ユーザ以外のユーザの利用に係るアイテムを選択し、前記第２の集合を作成することを特徴とする請求項３に記載のアイテム選択装置。
7. 前記ユーザ特性値計算部は、
   前記第１割合から前記第２割合を減算した値、または前記第１割合を前記第２割合で除算した値を用いて、前記ユーザ特性値を計算することを特徴とする請求項１〜請求項６のいずれか１項に記載のアイテム選択装置。
8. 前記アイテム選択部は、
   前記嗜好アイテム集合に含まれる前記推薦アイテム条件を満たすアイテムと、前記嗜好アイテム集合に含まれる前記推薦アイテム条件を満たさないアイテムとを用いて、前記結果アイテム集合を作成することを特徴とする請求項１〜請求項７のいずれか１項に記載のアイテム選択装置。
9. 前記アイテム選択部は、
   前記ユーザ特性値が前記所定のユーザ特性値条件を満たす場合に、前記結果アイテム集合における前記推薦アイテム条件を満たすアイテムの割合が、前記第１割合が１の場合を除き、前記第１割合より大きく、かつ１より小さくなるのに加え、前記第１割合が大きいほど大きな値となるよう、前記結果アイテム集合を作成することを特徴とする請求項１〜請求項８のいずれか１項に記載のアイテム選択装置。
10. 前記アイテム選択部は、
    前記所定のユーザ特性値条件として、前記ユーザ特性値が第３所定値以上でありかつ第４所定値未満という条件を用い、このユーザ特性値条件を満たす場合に、前記結果アイテム集合における前記推薦アイテム条件を満たすアイテムの割合が、前記第１割合が１の場合を除き、前記第１割合より大きく、かつ１より小さくなるように前記結果アイテム集合を作成し、前記ユーザ特性値が前記第４所定値より大きい場合は、前記結果アイテム集合における前記推薦アイテム条件を満たすアイテムの割合が、前記第１割合より小さくなるように前記結果アイテム集合を作成することを特徴とする請求項１〜請求項９のいずれか１項に記載のアイテム選択装置。
11. 前記推薦アイテム条件は、
    前記利用履歴に含まれるアイテムの利用回数の順位についての範囲、または前記利用履歴に含まれるアイテムの利用ユーザ数の順位についての範囲が設定されていることを特徴とする請求項１〜請求項１０のいずれか１項に記載のアイテム選択装置。
12. 前記推薦アイテム条件は、
    前記利用履歴に含まれるアイテムの利用回数についての範囲、または前記利用履歴に含まれるアイテムの利用ユーザ数についての範囲が設定されていることを特徴とする請求項１〜請求項１０のいずれか１項に記載のアイテム選択装置。
13. 作成された前記結果アイテム集合を、ネットワークを介して出力する出力部をさらに備えたことを特徴とする請求項１〜請求項１２のいずれか１項に記載のアイテム選択装置。
14. 情報処理装置において実行されるアイテム選択方法であって、
    ユーザとユーザの利用に係るアイテムとを対応付けた利用履歴を用いて、処理対象ユーザについて、所定の手順に従って算出される嗜好度の大きい順に第１所定数のアイテム、または、前記嗜好度が第１所定値以上のアイテムを選択し、前記処理対象ユーザの嗜好に適合すると判定されたアイテムの集合である嗜好アイテム集合を作成する嗜好アイテム集合作成ステップと、
    前記嗜好アイテム集合に含まれる少なくとも一部のアイテムの集合、または前記利用履歴において前記処理対象ユーザの利用に係るアイテムの集合である第１の集合を対象にして、推薦アイテムと判定するための条件を示す推薦アイテム条件を満たすアイテムの割合である第１割合を計算する第１割合計算ステップと、
    前記第１割合を用いて、前記処理対象ユーザの嗜好と前記推薦アイテム条件との関連の強さを指標化したユーザ特性値を計算するユーザ特性値計算ステップと、
    前記嗜好アイテム集合に含まれるアイテムから、前記推薦アイテム条件を満たすアイテムを含む複数のアイテムを選択し、結果アイテム集合を作成するアイテム選択ステップとを有し、
    前記アイテム選択ステップは、前記ユーザ特性値が所定のユーザ特性値条件を満たす場合に、前記結果アイテム集合における前記推薦アイテム条件を満たすアイテムの割合が、前記第１割合が１の場合を除き、前記第１割合よりも大きく、かつ１より小さくなるように、前記結果アイテム集合を作成することを特徴とするアイテム選択方法。
15. 前記アイテム選択ステップは、前記ユーザ特性値が所定のユーザ特性値条件を満たさない場合に、前記結果アイテム集合における前記推薦アイテム条件を満たすアイテムの割合が前記第１割合となるように、前記結果アイテム集合を作成することを特徴とする請求項１４に記載のアイテム選択方法。
16. 前記第１の集合に含まれるアイテム以外のアイテムを含むアイテムの集合である第２の集合を作成し、前記第２の集合を対象にして、前記推薦アイテム条件を満たすアイテムの割合である第２割合を計算する第２割合計算ステップをさらに有し、
    前記ユーザ特性値計算ステップは、前記第１割合と前記第２割合とを用いて、前記処理対象ユーザについてのユーザ特性値を計算することを特徴とする請求項１４または請求項１５に記載のアイテム選択方法。
17. ユーザとユーザの利用に係るアイテムとを対応付けた利用履歴を用いて、処理対象ユーザについて、所定の手順に従って算出される嗜好度の大きい順に第１所定数のアイテム、または、前記嗜好度が第１所定値以上のアイテムを選択し、前記処理対象ユーザの嗜好に適合すると判定されたアイテムの集合である嗜好アイテム集合を作成する嗜好アイテム集合作成部と、
    前記嗜好アイテム集合に含まれる少なくとも一部のアイテムの集合、または前記利用履歴において前記処理対象ユーザの利用に係るアイテムの集合である第１の集合を対象にして、推薦アイテムと判定するための条件を示す推薦アイテム条件を満たすアイテムの割合である第１割合を計算する第１割合計算部と、
    前記第１割合を用いて、前記処理対象ユーザの嗜好と前記推薦アイテム条件との関連の強さを指標化したユーザ特性値を計算するユーザ特性値計算部と、
    前記嗜好アイテム集合に含まれるアイテムから、前記推薦アイテム条件を満たすアイテムを含む複数のアイテムを選択して、結果アイテム集合を作成し、前記ユーザ特性値が所定のユーザ特性値条件を満たす場合には、前記結果アイテム集合における前記推薦アイテム条件を満たすアイテムの割合が、前記第１割合が１の場合を除き、前記第１割合よりも大きく、かつ１より小さくなるように、前記結果アイテム集合を作成するアイテム選択部として情報処理装置を機能させることを特徴とするコンピュータプログラム。
18. 前記アイテム選択部は、前記ユーザ特性値が所定のユーザ特性値条件を満たさない場合に、前記結果アイテム集合における前記推薦アイテム条件を満たすアイテムの割合が前記第１割合となるように、前記結果アイテム集合を作成することを特徴とする請求項１７に記載のコンピュータプログラム。
19. 前記第１の集合に含まれるアイテム以外のアイテムを含むアイテムの集合である第２の集合を作成し、前記第２の集合を対象にして、前記推薦アイテム条件を満たすアイテムの割合である第２割合を計算する第２割合計算部としてさらに情報処理装置を機能させ、
    前記ユーザ特性値計算部は、前記第１割合と前記第２割合とを用いて、前記処理対象ユーザについてのユーザ特性値を計算することを特徴とする請求項１７または請求項１８に記載のコンピュータプログラム。