内容推荐设备和内容推荐方法

专利名称：内容推荐设备和内容推荐方法
技术领域：
本公开内容涉及数据处理技术，并且具体涉及向用户推荐诸如视频游戏的内容的技术。
背景技术：
至今为止，为了向用户推荐内容，采用了基于用户行为信息或偏好信息的协同过滤。例如，通过基于表示用户特征的简档(profile)将多个用户聚类来设置具有相似行为和偏好的用户组(聚类)。于是，就成为推荐对方的用户而言，用户所属的聚类中的喜爱内容被作为推荐内容推荐给用户。在聚类时，采用了作为自然语言的维数减小方法的概率潜在语义分析(下文中被称作“PLSA”)(可以从协同过滤的潜在语义模型获得关于PLSA的信息)，ACM Transactions on Information Systems,以及 ACM(ACM)，Thomas Hofmann 著，2004 年，卷 22，第一版， 89-115页(非专利文献1)。

发明内容
为了改进协同过滤的内容推荐精度，需要适当地设计用于聚类的输入数据的类型或聚类的数目。然而，由于存在输入数据的类型或聚类数目的多种组合，所以本发明人认为难以从其中选择适当的组合。因此，期望提供一种改进向用户推荐内容的精度的技术。本公开内容的实施例涉及一种用于在多个内容项之中决定要推荐给用户的内容项的内容推荐设备，该内容推荐设备包括聚类部，其通过基于预定指标对多个用户的内容项的使用状态进行聚类，来产生包括多个聚类的聚类集；有效性确定部，其通过在聚类集中评估内容与聚类之间的相关性来确定聚类的有效性；受欢迎内容决定部，其从聚类集选择成为推荐对方的用户所属的聚类，并根据聚类中的多个用户对每个内容项的使用状态来决定每个内容项的受欢迎程度；以及推荐内容决定部，其通过考虑和估计其中的聚类集的有效性来评估成为推荐对方的用户所属的聚类中的每个内容项的受欢迎程度，并且决定多个内容项之中的相对受欢迎的内容项为要推荐的内容项。本公开内容的另一实施例也涉及一种内容推荐设备。该设备在多个内容项之中决定要推荐给用户的内容，并且包括聚类部，其通过基于预定指标对多个用户的内容项的使用状态进行聚类，产生包括多个聚类的聚类集；以及受欢迎内容决定部，其从聚类集选择成为推荐对方的用户所属的聚类，并根据聚类中的多个用户对每个内容项的使用状态来决定每个内容项的受欢迎程度，其中，聚类部产生包括的聚类的总数彼此不同的多类聚类集，其中受欢迎内容决定部通过从多类聚类集的每个聚类集选择成为推荐对方的用户所属的聚类，来决定每个内容项的受欢迎程度，并且其中，内容推荐设备还包括推荐内容决定部，其通过对包括的聚类的总数变得越小的聚类集应用越高的加权，来对成为推荐对方的用户所属的每个聚类集的聚类中的每个内容项的受欢迎程度进行计数，并且决定多个内容项之中的相对受欢迎的内容项为要推荐的内容项。本公开内容的又一实施例涉及一种内容推荐方法。该内容推荐方法由用于在多个内容项之中决定要推荐给用户的内容的内容推荐设备来执行，并且该方法包括通过基于预定指标对多个用户的内容项的使用状态进行聚类，来产生包括多个聚类的聚类集；通过在聚类集中评估内容与聚类之间的相关性来确定聚类的有效性；从聚类集选择成为推荐对方的用户所属的聚类，并根据聚类中的多个用户对每个内容项的使用状态来决定每个内容项的受欢迎程度；以及通过考虑和估计其中的聚类集的有效性来评估成为推荐对方的用户所属的聚类中的每个内容项的受欢迎程度，并且决定多个内容项之中的相对受欢迎的内容项为要推荐的内容项。另外，甚至当通过设备、方法、系统、程序、存储程序的记录介质等来修改本公开内容的上述构成要素和实施例的组合时，这些修改也包括在本公开内容的技术范围之中。根据本公开内容的实施例，可以改进向用户推荐内容的精度。


图1是示出了第一实施例的推荐信息提供系统的配置的图。图2是示出了图1的内容再现设备的外部配置的图。图3是示出了图2的视频游戏机的内部电路的配置的图。图4是示出了图1的内容推荐设备的内部电路的配置的图。图5是示出了图1的内容推荐设备中决定推荐给用户的内容的处理的概况的图。图6是示出了图1的内容推荐设备中决定推荐给用户的内容的处理的概况的图。图7是示出了图1的内容推荐设备的功能配置的框图。图8是示出了短期BF矩阵的示例的图。图9是示出了减小了维数的短期BF矩阵的示例的图。图10是示出了减小了维数的短期BF矩阵的示例的图。图11是示出了菜单画面上的推荐信息的显示示例的图。图12是示出了在线商店中的内容细节画面的显示示例的图。图13是示出了内容推荐设备的操作的流程图。图14是示出了对聚类集加权的设置示例的图。图15是示出了第二实施例的推荐信息提供系统的配置的图。图16是示出了图15的内容推荐设备的功能配置的框图。图17是示出了存储在推荐信息存储部中的数据的配置示例的图。图18是示意性示出了区域布局信息的图。图19是示出了推荐标题的选择约定的示例的图。图20是示出了在内容推荐设备中设置推荐信息的过程的示意图。图21是示出了内容推荐设备的操作的流程图。
具体实施例方式本公开内容的实施例涉及一种用于在多个内容项之中决定要推荐给用户的内容项的内容推荐设备，该内容推荐设备包括聚类部，其通过基于预定指标对多个用户的内容项的使用状态进行聚类，来产生包括多个聚类的聚类集；有效性确定部，其通过在聚类集中评估内容与聚类之间的相关性来确定聚类的有效性；受欢迎内容决定部，其从聚类集选择成为推荐对方的用户所属的聚类，并根据聚类中的多个用户对每个内容项的使用状态来决定每个内容项的受欢迎程度；以及推荐内容决定部，其通过考虑和估计其中的聚类集的有效性来评估成为推荐对方的用户所属的聚类中的每个内容项的受欢迎程度，并且决定多个内容项之中的相对受欢迎的内容项为要推荐的内容项。本公开内容的另一实施例也涉及一种内容推荐设备。该设备在多个内容项之中决定要推荐给用户的内容，并且包括聚类部，其通过基于预定指标对多个用户的内容项的使用状态进行聚类，产生包括多个聚类的聚类集；以及受欢迎内容决定部，其从聚类集选择成为推荐对方的用户所属的聚类，并根据聚类中的多个用户对每个内容项的使用状态来决定每个内容项的受欢迎程度，其中，聚类部产生包括的聚类的总数彼此不同的多类聚类集，其中受欢迎内容决定部通过从多类聚类集的每个聚类集选择成为推荐对方的用户所属的聚类，来决定每个内容项的受欢迎程度，并且其中，内容推荐设备还包括推荐内容决定部，其通过对包括的聚类的总数变得越小的聚类集应用越高的加权，来对成为推荐对方的用户所属的每个聚类集的聚类中的每个内容项的受欢迎程度进行计数，并且决定多个内容项之中的相对受欢迎的内容项为要推荐的内容项。本公开内容的又一实施例涉及一种内容推荐方法。该内容推荐方法由用于在多个内容项之中决定要推荐给用户的内容的内容推荐设备来执行，并且该方法包括通过基于预定指标对多个用户的内容项的使用状态进行聚类，来产生包括多个聚类的聚类集；通过在聚类集中评估内容与聚类之间的相关性来确定聚类的有效性；从聚类集选择成为推荐对方的用户所属的聚类，并根据聚类中的多个用户对每个内容项的使用状态来决定每个内容项的受欢迎程度；以及通过考虑和估计其中的聚类集的有效性来评估成为推荐对方的用户所属的聚类中的每个内容项的受欢迎程度，并且决定多个内容项之中的相对受欢迎的内容项为要推荐的内容项。首先，在描述本公开内容的实施例之前，将描述本公开内容的概况。目前，在各个在线网站中，对正访问网站的用户建议推荐内容。为了通过建议推荐内容刺激用户购买意愿，需要选择和推荐如下内容期望该内容增加用户使用该内容时的满意度。换言之，需要改进推荐内容的精度。另外，当每日推荐的内容项没有充分被更新时， 难以向用户提供新信息和刺激用户的购买意愿。因此，期望建议包括具有多种改变的各种推荐内容项的信息。下文中，在第一实施例中，提供如下技术该技术通过考虑用于协同过滤的用户聚类的有效性并决定推荐内容，来改进推荐内容的精度。另外，在第二实施例中，提供如下技术该技术通过从基于各种指标决定的各种推荐内容项，根据商务规则来切换要向用户建议的推荐内容项，向用户建议各种推荐内容项。在实施例中，“内容”主要表示一个视频游戏标题。也就是，内容和视频游戏标题具有相同的含义，除非存在特定的原因。另外，本说明书中建议的技术应用范围不限于视频游戏，而是当然可以包括推荐给用户的各种内容项，诸如音乐内容、视频内容、以及可以售卖给用户的各种项和商品。(第一实施例)
图1示出了第一实施例的推荐信息提供系统的配置。推荐信息提供系统10包括总称为内容再现设备14的第一内容再现设备14a、第二内容再现设备14b、第三内容再现设备Hc等，内容推荐设备12，以及在线商店服务器16。图1的各设备经由包括现有通信方法的通信网络18(诸如LAN、WAN和因特网)而相互连接。内容再现设备14是再现电子内容的信息处理设备。例如，内容再现设备可以是用户操作的固定视频游戏机、便携式视频游戏机、或者通用PC。内容推荐设备12是对内容再现设备14提供推荐给用户的内容的信息的服务器计算机。在线商店服务器16是打开因特网上的内容销售网站的服务器计算机，并对内容推荐设备12提供销售网站的画面数据(例如，网页数据)。图2示出了图1的内容再现设备14的外部配置。这里，示出固定视频游戏机200 作为内容再现设备14的示例。视频游戏机200连接到控制器202和电视监视器204。视频游戏机200具有执行各种视频游戏、写电子邮件或编辑电子邮件、读网页、再现电影或音乐等的功能。控制器202无线连接到视频游戏机200。电视监视器204连接到视频游戏机 200，以显示视频游戏内容、网页、电影等并输出其声音。[视频游戏机的概况]视频游戏机200包括对应于直径为12cm的光盘的盘插入槽206、USB连接端子208 等。盘插入槽206被配置成在其中载入BD(蓝光盘(商标或注册商标))或诸如DVD-ROM或 CD-ROM的光盘。触摸传感器210是用于取出盘的传感器，而触摸传感器212是用于打开或关闭电源的传感器。另外，虽然附图中未示出，但是视频游戏机200的后表面侧设置有电源开关、音频和视频输出端子、光学数字输出端子、AC电源输入端子、LAN端口、HDMI端子等。 另外，视频游戏机还可以包括IEEE1394端子以与IEEE1394进行通信。视频游戏机200还包括多媒体槽。多媒体槽外壳214包括盖构件。虽然附图中未示出，但是多媒体槽被配置成在打开多媒体槽外壳214时暴露出来。视频游戏机200被配置成执行用于视频游戏、电子邮件或网络浏览器的应用程序，并根据来自用户通过控制器202的命令，执行用于执行视频游戏，书写、编辑和接收电子邮件，以及读网页等的各种处理。应用程序可以从诸如半导体存储器、硬盘驱动器或光盘 (诸如⑶-ROM、DVD-ROM和BD)的各种记录介质被任意读取，或者可以从诸如LAN和CATV (有线电视)线的各种传输介质被下载。另外，视频游戏机200不仅可以基于应用程序执行视频游戏，书写、编辑和接收电子邮件，或者读网页等，而且可以再现(解码)例如记录在DVD和BD上的诸如电影的视频和音频数据或记录在CD上的音频数据。可以基于各种应用程序来操作视频游戏机200。另外，用于再现DVD或BD的驱动器程序例如被记录在嵌入视频游戏机200中的硬盘驱动器 334 中。[控制器的概况]控制器202由电池(未示出)来驱动，并包括用于输入执行视频游戏等的操作输入的多个按钮或按键。当用户操作控制器202的按钮或按键时，操作输入以有线或无线的方式被传送到视频游戏机200。控制器202包括方向键216、类比杆(analog stick) 218和四类操作按钮220。方向键216、类比杆218和操作按钮220是设置在前外壳222中的输入部。分别用不同的图和颜色标记四类按钮224、226、2观和230以将它们彼此区别。也就是，用红色圆圈标记圆形按钮224，用蓝色十字标记十字按钮226，用紫色方块标记方块按钮228，并用绿色三角标记三角按钮230。虽然附图中未示出，但是控制器202的后外壳232设置有多个LED。用户在用左手握住左把持部234b和用右手握住右把持部23 的同时操作控制器 202。方向键216、类比杆218和操作按钮220被设置在前外壳222上，以在用户握住左把持部234b和右把持部23 时被操作。前外壳222还设置有装有LED的按钮236。装有LED的按钮236被用作例如在视频游戏机200上显示菜单画面的按钮。另外，装有LED的按钮236具有根据LED的发光状态通知用户接收到电子邮件或者控制器202的电池是否在充电的功能。例如，LED在电池正充电时变为红色，在电池完成充电时变为绿色，并且在剩余电池电量低时以红色闪烁。方向键216设置有指示“上”、“下”、“左”和“右”方向的方向键，并且由用户操作， 例如以在画面上向上、向下、向左和向右移动视频游戏的视频游戏字符，在写电子邮件画面上向上、向下、向左和向右移动字符输入光标，当读网页时滚动页面，或者在画面上向上、向下、向左和向右移动光标。另外，指示“上”、“下”、“左”和“右”方向的方向键被用于不仅指示上、下、左和右方向，而且指示倾斜方向。例如，当同时按压指示“上”和“右”方向的方向键时，用户可以指示视频游戏机200朝向右斜上方向。同样适用于其它方向键。例如，当同时按压用于指示“下”和“左”方向的方向键时，用户可以指示视频游戏机200朝向左斜下方向。操作按钮220分别具有由应用程序分配的不同的功能。例如，三角按钮230具有显示菜单的功能，十字按钮2 具有删除所选项的功能，圆形按钮2M具有决定所选项的功能，而方块按钮2 具有显示或不显示例如内容表格的功能。类比杆218包括可在任意方向上关于操作轴的旋转支撑点倾斜的旋转部、以及根据旋转部的操作输出可变模拟值的可变模拟值输出部。旋转部被附接到操作轴的前端侧， 使得旋转部由于弹性构件而返回到中间位置。当用户不执行倾斜操作时，旋转部以直立状态(无任何倾斜)保持在参考位置处。可变模拟值输出部包括可变电阻器元件等。可变电阻器元件的电阻根据旋转部的操作改变。当类比杆218的旋转部倾斜时，控制器202检测相对于参考位置的倾斜量和沿着倾斜方向的XY坐标上的坐标值，并且将坐标值作为操作输出信号传送到视频游戏机200。另外，控制器202包括选择按钮M0、开始按钮238等。开始按钮238是用于用户开始视频游戏、显示电子邮件画面、或者开始或暂停电影或音乐的按钮。选择按钮240是用于指示用户选择显示在电视监视器204上的菜单画面等的按钮。控制器202包括设置在左把持部234b和右把持部23 的每个内的振动发生机构。振动发生机构包括例如关于电动机的旋转轴偏心的平衡块(weight)，并且通过旋转电动机中的平衡块使控制器202振动。根据来自视频游戏机200的命令来操作振动发生机构。 控制器202通过操作振动发生机构将振动传递给用户的手。[视频游戏机的内部配置]接下来，将参照图3来描述视频游戏机200的内部电路的配置。视频游戏机200基本上包括主CPU 300,GPU (图形处理器单元)302、输入和输出处理器304、光盘再现部306、 主存储器308、掩模ROM 310、以及声音处理器312。主CPU 300基于诸如用于视频游戏、电子邮件和网络浏览器的应用程序的各种程序来控制信号处理或内部构成要素。GPU 302执行图像处理。输入和输出处理器304执行外部设备与内部设备之间的接口处理或保持向后兼容性的处理。光盘再现部306再现应用程序、或诸如存储多媒体数据的BD、DVD或CD的光盘。主存储器308起到暂时存储从光盘或主CPU 300的工作区读取的数据的缓冲器的作用。掩模R0M310主要存储由主CPU 300或输入和输出处理器304执行的操作系统程序。声音处理器312处理音频数据。另外，视频游戏机200还包括CD/DVD/BD处理器314、光盘再现驱动器316、机构控制器318、硬盘驱动器334、以及卡式连接器(例如，PC卡槽)320。CD/DVD/BD处理器314 对由光盘再现部306从⑶、DVD或BD读取的并在RF (射频)放大器3 中放大的盘再现信号执行例如纠错处理(例如，CIRC(交叉交织里德-索洛蒙编码)处理)或者解压缩解码处理，以再现(恢复)记录在⑶、DVD或BD中的数据。光盘再现驱动器316和机构控制器 318执行光盘再现部306的主轴马达旋转控制、光学拾取器(optical pickup)的焦点和追踪控制、以及盘托盘加载控制。另外，硬盘驱动器334例如存储由光盘再现部306读取的视频游戏或应用程序的保存数据，或者存储诸如经由输入和输出处理器304获得的图片、视频和音乐的数据。卡式连接器320是例如通信卡或外部硬盘驱动器的连接端口。这些各个部主要经由总线322和3 等相互连接。另外，主CPU 300和GPU 302 经由专用总线相互连接。另外，主CPU 300与输入和输出处理器304经由SBUS相互连接。 输入和输出处理器304、CD/DVD/BD处理器314、掩模ROM 310、声音处理器312、卡式连接器 320、以及硬盘驱动器3；34经由SSBUS相互连接。主CPU 300通过执行存储在掩模ROM 310中的用于主CPU的操作系统程序，来控制视频游戏机200的整个操作。另外，主CPU 300从诸如⑶、DVD或BD的光盘读取操作系统程序并且将操作系统程序加载到主存储器308中。另外，主CPU 300执行经由通信网络下载的各种应用程序，并且控制执行视频游戏、写电子邮件和编辑电子邮件、读网页等的操作。输入和输出处理器304通过执行存储在掩模ROM 310中的用于输入和输出处理的操作系统程序，根据用户操作设置来自控制器202的信号或视频游戏，或者控制来自存储内容或电子邮件地址以及网站的URL的存储卡3 的数据的输入和输出。另外，输入和输出处理器304还控制USB连接端子208、以太网(例如，网卡)330、IEEE1394端子(未示出)、 或者PC卡槽(未示出)的数据的输入和输出。另外，输入和输出处理器304还经由PC卡槽(未示出)执行关于存储卡326的数据的输入和输出。经由包括多媒体槽或无线收发端口的接口 332，接收和传送来自控制器202或存储卡的信息。GPU 302具有执行坐标变换等的几何转换引擎功能和渲染(rendering)处理器功能。GPU 302根据来自主CPU 300的图像绘制命令来绘制图像，并且将绘制的图像容纳在帧缓冲器(未示出)中。也就是，例如，当光盘中记录的各种应用程序诸如在视频游戏中使用所谓的三维(3D)图形时，GPU302通过几何计算处理计算形成三维对象的多边形的坐标等。 另外，就渲染处理而言，GPU 302执行用于产生通过经虚拟摄像装置拍摄三维对象获得的图像的计算，也就是，与透视变换相关的计算(当形成三维对象的每个多边形的顶点被投影到虚拟摄像装置屏幕上时的坐标值的计算等)。GPU 302将最后获得的图像数据写入帧缓冲器中。然后，GPU 302输出对应于产生的图像的视频信号。声音处理器312具有ADPCM(自适应差分脉冲编码调制)解码功能、音频信号再现功能、信号转换功能等。ADPCM解码功能表示通过读取附接到声音处理器312的内部或外部的声音缓冲器(未示出)中存储的波形数据来再现和输出诸如声音效果的音频信号的功能。信号转换功能用作所谓的采样声音源，其根据声音缓冲器中存储的波形数据生成诸如声音效果或音乐声的音频信号。在具有上述配置的视频游戏机200中，例如，当打开电源时，从掩模ROM 310读取用于主CPU 300与输入和输出处理器304的操作系统程序。主CPU 300与输入和输出处理器304执行分别与之对应的操作系统程序。因此，主CPU 300总体控制视频游戏机200的各个部。另外，输入和输出处理器304控制控制器202、存储卡3 等之间的信号的输入和输出。另外，当操作系统程序开始时，主CPU 300首先执行诸如操作校验(operation check) 的初始化处理。随后，主CPU 300通过控制光盘再现部306来读取记录在光盘上的视频游戏等的应用程序，并且通过将该应用程序加载到主存储器308来执行视频游戏应用程序。当执行视频游戏应用程序时，主CPU 300根据经由输入和输出处理器304从控制器202接收的用户命令来控制GPU 302或声音处理器312，并且控制图像的显示或声音效果和音乐声的生成。例如，当再现光盘上记录的电影等时，主CPU 300根据经由输入和输出处理器304 从控制器202接收的用户命令来控制GPU 302或声音处理器312，并且控制视频的显示、或从光盘再现的电影的声音效果或音乐等的生成。当需要将数据传送到外部设备时，主CPU 300经由输入和输出处理器304与以太网(例如，网卡)330将数据传送到通信网络18。另外，主CPU 300经由以太网330与输入和输出处理器304接收从外部设备传送的数据，并且适当地执行数据处理。图4是示出了图1的内容推荐设备12的内部电路的配置的图。此外，如上所述， 内容再现设备14可以是PC，并且在这种情况下，内容再现设备14的内部电路具有相同的配置。内容推荐设备12基本上包括主CPTO00、图形处理器单元(GPU) 602、输入部604、输出部 605、驱动器614、主存储器608、以及ROM 610。主CPU 600基于诸如视频游戏、电子邮件或网络浏览器的应用程序的各种程序来控制信号处理或内部构成要素。GPU 602执行图像处理。这些部经由总线622等各自彼此连接。另外，输入和输出接口连接到总线622。输入和输出接口与包括硬盘或非易失性存储器的存储部634、包括显示器或扬声器的输出部 605、包括键盘、鼠标或麦克风的输入部604、包括诸如USB或IEEE1394的接口或诸如有线 LAN或无线LAN的网络接口的通信部630、以及驱动诸如磁盘、光盘或半导体存储器的可拆卸记录介质626的驱动器614相连。主CPU 600通过执行记录在硬盘等中的操作系统程序来控制设备的整个操作。另外，主CPU 600从诸如⑶、DVD或BD的光盘读取操作系统，并将其加载到主存储器608上。 主CPU 600执行经由通信网络下载的各种应用程序，并且控制执行视频游戏、写电子邮件和编辑电子邮件、读网页等的操作。另外，主CPU 600控制根据用户操作经由输入和输出接口 632从输入部604获得的信号、来自可拆卸记录介质6 等的数据的输入和输出、以及通信部630或驱动器614中的数据的输入和输出。GPU 602具有执行坐标变换等的几何转换引擎功能和渲染处理器功能。GPU 602 根据来自主CPU 600的图像绘制命令来绘制图像，并且将绘制的图像容纳在帧缓冲器(未示出)中。也就是，例如，当光盘中记录的各种应用程序如在视频游戏中一样使用所谓的三维(3D)图形时，GPU 602通过几何计算处理计算形成三维对象的多边形的坐标等。另外，就渲染处理而言，GPU 602执行用于产生通过经虚拟摄像装置拍摄三维对象获得的图像的计算，也就是，与透视变换相关的计算(当形成三维对象的每个多边形的顶点被投影到虚拟摄像装置屏幕上时的坐标值的计算等)。GPTO02将最后获得的图像数据写入帧缓冲器中。 然后，GPU 602输出对应于产生的图像的视频信号。在具有上述配置的PC中，例如，当打开电源时，PC通过从作为存储部634的部分的非易失性存储器读取BIOS (基本输入输出系统)来执行初始化处理，并且读取操作系统程序。然后，主CPU 600执行操作系统程序。因此，主CPU 600总体控制PC的各个部。图5示出了图1的内容推荐设备12中决定要推荐给用户的内容的处理的概况。在同一附图中，将利用一个输入数据集描述决定对要向其提供推荐信息的用户(下文中称作 “推荐对象的用户”)的推荐内容的处理。该示例中的输入数据指示表示在内容再现设备14 中每个内容项的激活次数的信息(下文中被简单称作“激活次数”)。首先，作为聚类处理，提供了 BF(启动频率(Boot Frequency))矩阵，其是具有沿着水平轴和竖直轴布置的多个用户和多个内容项的矩阵表格，并且通过设置每个单元中的用户的内容的激活次数来设置。然后，该多个用户被聚类成四个聚类中的任何一个，并且产生包括四个聚类的第一聚类集。以相同的方式，每个用户被聚类成八个聚类中的任何一个， 并且产生包括八个聚类的第二聚类集。另外，每个用户被聚类成十六个聚类中的任何一个， 并且产生包括十六个聚类的第三聚类集。也就是，产生包括的聚类的数目不同的多类聚类集。接下来，作为受欢迎内容决定处理，在第一至第三聚类集的每个中的推荐对象的用户所属的聚类(下文中称作“用户聚类”)内决定受欢迎等级。然后，作为推荐内容决定处理，通过在聚类集中的聚类变得更有效时进行更大的加权(Wl至W3)，来对第一至第三聚类集内的用户聚类中的受欢迎等级进行计数，并且最后决定关于推荐对象的用户的内容的推荐等级。图6示出了图1的内容推荐设备12中决定要推荐给用户的内容的处理的概况。在同一附图中，示出了第一实施例的推荐内容决定处理，并且对多类输入数据的每个执行图5 的聚类决定处理、受欢迎内容决定处理以及推荐内容决定处理。此外，第一实施例的输入数据包括通过将三类输入数据与两类计数时期组合获得的六种类型。三类输入数据包括(1) 激活次数；(2)表示内容再现设备14再现每个内容项的时期的信息(下文中被简单称作 “再现时期”)；以及C3)表示内容再现设备14 一次或多次再现的内容项(换言之，至少使用一次的内容项)的信息(下文中被简单称作“再现标题”)。另外，计数时期包括(1)短期 (例如三个月)和⑵长期(例如一年)。图7是示出了图1的内容推荐设备12的功能配置的框图。内容推荐设备12包括作为在其中存储各种数据的存储区的使用状态存储部20、推荐信息存储部22、以及内容信息存储部M。此外，内容推荐设备12包括作为用于执行各种数据处理的功能块的使用状态获取部洲、聚类部28、受欢迎内容决定部30、有效性确定部32、推荐内容决定部34、请求接收部36、以及推荐信息提供部38。说明书的框图中的各个块就硬件方面可以通过计算机的CPU或存储器、包括HDD 的元件或电子电路、以及机械设备来实现，就软件方面可以通过计算机程序来实现。然而， 在框图中，示出了由它们的组合实现的功能块。因此，本领域的技术人员应理解，在各个实施例中通过硬件和软件的组合实现功能块。例如，图7的每个功能块的程序模块可以被存储在图4的可拆卸记录介质626中，并被安装在存储部634中。另外，图7的用于数据处理的每个功能块可以在被适当地加载到主存储器608上时由主CPU 600或GPU 602来执行。使用状态存储部20存储表示多个用户对内容的使用状态的信息。使用状态存储部20存储与多个用户的每个用户相关的每个内容项的使用状态，其中使用状态具体包括六类数据，即，图6所示出的短期激活次数和长期激活次数、短期再现时期和长期再现时期、以及短期再现标题和长期再现标题。此外，用户对内容的使用状态与内容再现设备14 中的内容的使用状态相同，并且甚至当以下处理被内容再现设备14的处理替代时，也可以为用户建立以下处理。推荐信息存储部22存储与推荐内容决定部34决定的要推荐给用户的内容相关的信息。推荐信息存储部22存储要推荐给多个用户ID的每个的内容的ID以与其相关。推荐信息存储部22可以存储关于每个用户的推荐等级的高等级内容的ID。内容信息存储部M针对多个内容项的每个存储多种信息。在第一实施例中，内容信息存储部M至少存储与每个内容项的ID相关的标题(视频游戏标题)、提供方名称和缩略像的数据。使用状态获取部沈定期地从内容再现设备14收集表示用户对内容的使用状态的信息，并且将该信息存储在使用状态存储部20中。例如，可以在内容再现设备14中安装定期地向内容推荐设备12报告设备自身的内容的使用状态的应用程序。可以定期地激活应用程序，并且内容再现设备14可以经由以太网330将短期激活次数和长期激活次数、短期再现时期和长期再现时期、以及短期再现标题和长期再现标题传送到使用状态获取部26。 使用状态获取部沈可以经由通信部630获取从内容再现设备14传送的六类使用状态数据。聚类部观执行图5的聚类处理，并且通过参考存储在使用状态存储部20中的六类使用状态数据来创建对应于各个使用状态的矩阵表格。具体地，沿着竖直轴和水平轴布置多个用户和多个内容项，并且创建短期BF矩阵，其具有针对每个单元设置的短期激活次数，以及创建长期BF矩阵，其具有针对每个单元设置的长期激活次数。另外，创建短期 PT (播放时间)矩阵，其具有针对每个单元设置的短期再现时期，以及创建长期PT矩阵，其具有针对每个单元设置的长期再现时期。另外，创建短期UT(用户标题)矩阵，其具有针对每个单元设置的短期再现标题，以及创建长期UT矩阵，其具有针对每个单元设置的长期再现标题。图8示出了短期BF矩阵的示例。沿着竖直轴布置用户1至U，并且在水平轴上布置视频游戏标题1至T。例如，用户的数目可以是大约从几万到几十万，而视频游戏标题的数目可以是大约几千。针对同一附图的每个单元设置短期激活次数。这里，例如，附图示出了近三个月用户1激活了视频游戏标题1五次，并且激活了视频游戏标题2十次。另外，在短期UT矩阵和长期UT矩阵的每个单元中，当内容至少被再现了一次时，可以设为“1”，而当内容没有被再现时，可以设为“ 0 ”。这里，基于与每个视频游戏标题有关的特征，多个视频游戏标题的每个被预先分类成对应于第一聚类集的四个聚类中的任何一个。另外，多个视频游戏标题的每个被预先分类成对应于第二聚类集的八个聚类中的任何一个。另外，多个视频游戏标题的每个被预先分类成对应于第三聚类集的十六个聚类中的任何一个。例如，可以基于诸如相似视频游戏内容项的视频游戏标题、相似属类的视频游戏标题、具有相似发行日期的视频游戏标题等的参考，对多个视频游戏标题的每个进行分类。聚类部28通过参考对应于每个使用状态的矩阵，执行基于PLSA的维数减小而将用户聚类。图9示出了减小维数的短期BF矩阵的示例，其中沿着图8的水平轴布置的视频游戏标题1至T被压缩成四个潜在维数。在图9的每个单元中，设置用户的潜在维数的概率，并且聚类部观将每个用户分类成具有潜在维数的最大概率的聚类。同样适用于聚类数目是八或十六的情况。将具体描述聚类部28的聚类处理。这里，示出了对于一类矩阵(例如，短期BF矩阵)的处理。另夕卜，假定用Ui (i = 1...U)来表示多个用户，并且用tj(j = 1...T)来表示多个视频游戏标题。另外，假定用^(k = 1. . . Ζ)来表示潜在变量(聚类集中的聚类数目)。
聚类部沘通过对矩阵的数据应用PLSA来计算ρ (Ui I zk)、p (tj | zk)、p (zk)。ρ (Ui | zk) 表示关于每个潜在变量的每个用户的条件出现概率，p(tj|zk)表示关于每个潜在变量的每个视频游戏标题的条件出现概率，并且P (Zk)表示每个潜在变量的出现概率。在用户Ui所属的聚类Ci中，由于P(Ui)关于用户Ui是恒定的，所以建立Ci = argkmax ρ (zk, Ui) = argkmax P(ZkIui) = argkmax P(UiIzk)P(Zk)0聚类部观决定满足以上关系的、为用户Ui所属的聚类Ci。另外，图9示出了
P(ZkIui)。受欢迎内容决定部30执行图5的受欢迎内容决定处理。受欢迎内容决定部30从使用状态存储部20获取关于属于第一至第三聚类集的每个聚类的用户的短期再现标题。 然后，受欢迎内容决定部30基于每个用户的短期再现标题的计数值(例如，内容再现设备14中近三个月再现一次或多次的视频游戏标题的总和)，来决定每个内容项的受欢迎程度。具体地，随着短期再现标题的计数值变得越大，受欢迎内容决定部30对内容应用越高的受欢迎等级。然后，受欢迎内容决定部30对每个内容项应用根据受欢迎等级而预先设置的点(例如，第一等级情况下为100个点、第二等级情况下为90个点、第三等级情况下为80 个点等，下文中被称作“标题点”)。作为修改示例，受欢迎内容决定部30可以对表示受欢迎程度的标题点应用短期再现标题的计数值。另外，替代短期激活次数的计数值，可以根据短期激活次数和长期激活次数的计数值的平均值、或长期激活次数的计数值，来决定每个内容项的受欢迎程度。另外，受欢迎内容决定部30可以计算聚类中的全部用户之中的再现内容的用户的数目的比率(下文中称作“再现者比率”)。然后，与再现者比率相对低的内容的标题点相比，更大的标题点可以被应用于再现者比率相对高的内容。另外，内容的再现者比率变得越高，则越大的标题点可以被应用于该内容。有效性确定部32在第一至第三聚类集的每个中评估内容与聚类之间的相关性。然后，有效性确定部32确定当相关性变得更高时聚类是有效的，并且根据聚类的有效性设置对每个聚类集的加权。换言之，当聚类在决定内容时被决定的关系(例如，依赖或因果) 变得更强时，确定聚类是有效的。另外，随着聚类集的聚类的有效性变得越高，则对聚类集设置越大的权重。基于本发明人的经验，当执行内容与聚类之间具有高相关性的聚类时，具有相似行为和偏好的用户可以被容易地分类成同一聚类(也就是，聚类精度高)。将详细描述有效性确定部32中的有效性确定处理。第一实施例的有效性确定部 32计算关于每个标题的聚类的条件熵Η(Ζ，Τ)或Η(Ζ|Τ)，作为表示聚类(Z)与视频游戏标题(T)之间的相关性的指标。由于相关性随着熵变得越高而变得越低，所以有效性确定部 32确定聚类随着熵Η(Ζ，Τ)或Η(Ζ|Τ)变得越低而变得越有效，并且对聚类集应用越大的加权。可以预先决定聚类集的加权值，或者可以按照降序进行设置，例如，50、25、10、5、2和1。在用于上述用户的聚类的基于PLSA的维数减小中，计算用户与潜在变量之间的关系，并且计算视频游戏标题与潜在变量之间的关系。图10示出了减小维数的短期BF矩阵的示例，其中沿着竖直轴布置视频游戏标题1至Τ，并且水平轴被压缩成四个潜在维数。在图10的每个单元中，设置视频游戏标题的概率。也就是，也通过对原始矩阵数据应用PLSA 来计算 P (zk, tj)、ρ (zk I tj)和 ρ (tj)。图 10 示出了 ρ ( I tj)。如在图10的Zl和Z2中那样，当特定视频游戏标题的出现概率变得比其它高时， 换言之，当视频游戏标题的出现概率的偏差变得越大且其离差变得越大时，熵变得越小。另一方面，如在图10的和Z4中那样，当视频游戏标题的出现概率比较恒定时，换言之，当视频游戏标题的出现概率的偏差变得越小且其离差变得越小时，熵变得越大。因此，当聚类集包括如Zl或Z2中那样的、视频游戏标题的出现概率具有大偏差的许多聚类时，有效性确定部32计算熵H(Z，T)或H (Ζ I Τ)为低。具体地，熵可以被计算为H (Ζ，Τ) =Σ k,j(p(zk，tj) Iogp (zk, tj))。另外，熵可以被计算为H(Z|T) =Ej(Paj)H(Zltj)) =-Σ ^paj) Σ Jp(ZkItj)
Iogp(ZkItj))。当用Hmax表示熵的最大值时，为了归一化每个聚类集的熵，可以确定聚类随着 (Hmax-H(Z，T)) /Hmax 或(Hmax-H(Ζ | T)) /Hmax 变得越大而变得越有效。推荐内容决定部34执行图5的推荐内容决定处理，并且决定关于多个用户中的每个用户的内容的推荐等级。具体地，在图6所示的十八类的聚类集中，标识特定用户所属的聚类(下文中被称作“用户聚类”)。然后，通过考虑基于其中的聚类集的有效性的加权来对每个用户聚类的标题点进行计数，并且越高的推荐等级被应用于计数的标题点变得越高的内容。如上所述，通过对于具有高有效性的聚类集中的标题点应用更大的权重来对标题点进行计数。推荐内容决定部34针对每个用户执行推荐内容决定处理，并通过将信息与用户关联，将表示高推荐等级的内容的信息(ID等)存储在推荐信息存储部22中。例如，推荐内容决定部34可以对通过将有效性确定部32决定的每个聚类集的加权与受欢迎内容决定部30针对每个视频游戏标题决定的每个用户聚类中的标题点相乘而获得的结果进行计数。另外，标题点的计数结果可以是高推荐等级的内容，并且标识信息可与内容项的数目相关地存储在推荐信息存储部22中，其中该内容项的数目作为推荐内容项被同时建议给内容再现设备14。在第一实施例中，推荐等级在前10内的内容的信息与其等级一起被存储在推荐信息存储部22中。
请求接收部36经由通信部630，从内容再现设备14接收请求获取推荐信息的数据 (下文中被称作“推荐信息请求”)。在推荐信息请求中，指定内容再现设备14的用户ID和显示在内容再现设备14中的画面ID。画面ID包括菜单画面的ID或稍后要在在线商店中描述的内容细节画面的ID。推荐信息提供部38从推荐信息存储部22获取与在推荐信息请求指定的用户ID 对应的推荐内容的ID。然后，推荐信息提供部38通过使用推荐内容的ID作为关键字，从内容信息存储部M获取推荐信息请求中指定的画面ID中需要的内容的信息。例如，当指定菜单画面时，获取推荐内容的缩略像的数据。当指定在线商店中的内容细节画面时，还获取内容的标题名称或提供方名称。推荐信息提供部38经由通信部630，对内容再现设备 14提供从内容信息存储部M获取的内容的信息作为推荐信息。另外，推荐信息提供部38可以对内容再现设备14提供包括预定数目的推荐内容项的推荐信息。另外，推荐信息提供部38可以对内容再现设备14提供包括与根据内容再现设备14的显示画面的布局的数目(可显示内容的数目)相关地提供的推荐内容的推荐信息。在第一实施例中，与第一至第五推荐等级的内容相关的推荐信息和与第六至第十推荐等级的内容相关的推荐信息可以被适当地切换并提供给内容再现设备14。因此，改变的推荐信息可以被容易地提供给内容再现设备14。由推荐信息提供部38提供给内容再现设备14的推荐信息经由内容再现设备14 的GPU 302等显示在电视监视器204上。下文中，将描述内容再现设备14中的推荐信息的显示示例。图11示出了菜单画面中的推荐信息的显示示例。菜单画面350是内容再现设备 14的基本画面，并且在激活或完成内容再现操作时被显示。在菜单画面350中，水平地布置用于选择大类别的图标。例如，图标可以包括用于选择视频游戏的视频游戏图标352、用于连接因特网的因特网图标3M等。另外，竖直地布置用于选择小类别的图标。这里，视频游戏图标352的小类别在其上显示用于选择安装的视频游戏的图标、以及用于访问在线商店的商店图标356。当选择商店图标356时，推荐内容显示区358在其上显示商店入口图标 360 (其显示在线商店的首页)、以及由内容推荐设备12提供给内容再现设备14的推荐内容的缩略图362。图12示出了在线商店中的内容细节画面的显示示例。当请求在线商店中的特定内容的详细显示或选择图11的推荐内容显示区358中的特定缩略图362时，显示内容细节画面370。选择内容显示区372是在其上显示内容的标题、详细信息、价格、缩略像和购买按钮的区，并且由在线商店服务器16来提供显示数据。推荐内容显示区374在其上显示由内容推荐设备12提供的推荐信息。在同一附图中，五个单独的内容显示区376分别显示推荐内容的缩略像、标题、提供方名称等。下面将描述具有上述配置的操作。图13是示出了内容推荐设备12的操作的流程图。在说明书的流程图中，通过表示步骤的S(Mep的首字母)与数字的组合来标记每个部的处理过程。另外，当在用S与数字的组合标记的处理中执行特定处理并且确定结果为肯定的时，对其添加Y (Yes的首字母)， 例如，显示“S10为Y”。相反地，当确定结果为否定的时，对其添加N(No的首字母)，并且显示 “S10 为 N”。
当从内容再现设备14通知内容的使用状态(S10为Y)时，使用状态获取部沈顺序更新存储在使用状态存储部20中的使用状态数据(Si》。当没有通知(S10为N)时，跳过S12。当到达推荐信息的更新定时(S14为Y)时，聚类部观基于六类使用状态数据执行用户的聚类，并创建对应于使用状态数据的第一至第三聚类集(S16)。更新定时可以被设置成预定时刻或从先前更新时刻起经过了预定时期的时刻。有效性确定部32针对每个聚类集确定聚类的有效性，并且对每个聚类集应用加权(S18)。受欢迎内容决定部30决定每个聚类集的每个聚类中的内容的受欢迎等级(S20)。 推荐内容决定部34指定成为推荐对方的用户所属的用户聚类作为每个聚类集，并且通过考虑其中的每个聚类集的加权对每个用户聚类中的内容的受欢迎等级进行计数。然后，推荐内容决定部34决定对每个用户的内容的推荐等级，并将其存储在推荐信息存储部22中 (S22)。当不是推荐信息的更新定时(S14为N)时，跳过S16至S22。当请求接收部36从内容再现设备14接收到推荐信息请求(SM为Y)时，推荐信息提供部38通过参考推荐信息存储部22和内容信息存储部对，来设置表示关于内容再现设备14的用户的推荐内容的推荐信息(S26)。推荐信息提供部38通过将推荐信息的数据传送到内容再现设备14而在内容再现设备14中显示对用户的推荐内容(S28)。当没有接收到推荐信息请求(S24为N)时，跳过S26和S28。根据第一实施例的内容推荐设备12，通过考虑和估计对成为推荐对方的用户所属的用户聚类中的每个内容项的受欢迎程度的聚类的有效性，来决定最终推荐内容。因此，可以根据聚类是否有效来调整推荐内容的内容或其建议，并且可以改进推荐内容的精度。另外，在第一实施例中，设置多类聚类集，但是甚至当仅选择一个聚类集时，也可以有用地评估聚类的有效性。例如，当聚类的有效性高时，基于用户聚类的受欢迎程度来决定推荐内容。当聚类的有效性低时，可以通过其它方法(静态设置促销对象的视频游戏标题的方法) 决定推荐内容。另外，根据内容推荐设备12，根据与内容的使用相关的多类输入数据来执行聚类， 并且根据输入数据来创建多类聚类集。于是，通过根据每个聚类集的有效性动态地加权，来对用户聚类中的内容的受欢迎程度进行计数，并且决定推荐内容。因此，随着用户聚类的聚类结果的有效性变得更高，用户聚类的受欢迎程度在最终推荐内容中得到反映。以这种方式，当执行多类聚类并且通过加权使有效聚类反映在推荐内容中时，甚至当难以预先一次决定有效聚类的类型时，也可以改进推荐内容的精度。另外，根据内容推荐设备12，基于内容再现设备14中的再现内容(也就是，再现标题)来决定每个聚类中的内容的受欢迎程度(也就是，标题点)。由于内容的激活次数或再现时期根据其内容或属类是不同的，所以难以均等地评估多类内容项。相反，当基于再现标题评估内容项时，易于通过均等地评估多类内容项来决定受欢迎程度。另外，可以再次适当地检查聚类的输入数据、聚类的计数时期、或者聚类集中包括的聚类的数目，并且可以适当地添加新类型的输入数据、其计数时期和聚类集。以这种方式，可以实现推荐信息提供系统100，其能够根据管理者进行的有效性评估灵活地改变决定推荐内容的结构。例如，作为聚类的输入数据，可以添加关于内容或内容的进展状态(例如，视频游戏中的完成率等)的用户的评估程度。如上所述，描述了本公开内容的第一实施例。该实施例仅是示例，并且本领域的技术人员应理解，可以以各种形式修改各个构成要素或各个处理的组合，并且其修改示例也包括在本公开内容的范围中。下文中，将描述修改示例。将描述第一修改示例。在第一实施例中，有效性确定部32通过确定聚类的有效性动态地决定聚类集的加权。在修改的示例中，可以由推荐信息提供系统100的管理者预先静态地决定聚类集的加权。例如，可以考虑聚类集的特征而预先决定加权。图14示出了聚类集的加权的设置示例。同一附图的加权ID分别对应于图6的Wl 至W18。在图14的示例中，当计数时期相同时，随着聚类集中包括的聚类的数目变得越小， 越大的加权值被应用于该聚类集。因此，可以添加详细用户分类中的内容的受欢迎程度，同时关注粗略用户分类中的内容的受欢迎程度。在粗略用户分类中，受欢迎内容是具有粗略相似偏好的大量用户支持的内容。另一方面，在详细用户分类中，受欢迎内容是具有细分偏好的较少用户支持的内容。由于此原因，根据本发明人的经验，当对粗略用户分类中的受欢迎内容进行加权时，改进了推荐内容的精度。另外，在图14的示例中，当聚类的数目相同时，较大的加权被应用于短期聚类集， 而不是长期聚类集。这是因为根据本发明人的经验，最接近的受欢迎内容更多地刺激用户购买意愿，并且推荐内容的内容项比较容易改变。另外，可以由确定通过内容推荐设备12 提供推荐信息的效果的管理者再次适当地检查聚类集的加权。将描述第二修改示例。在第一实施例中，有效性确定部32通过使用关于每个标题的聚类的熵Η(Ζ，Τ)或Η(Ζ|Τ)来确定聚类Z与标题T之间的相关度。在修改示例中，可以通过使用共有信息量I (Ζ;Τ)替代熵来确定聚类Z与标题T之间的相关度。具体地，有效性确定部32可以获得如下面的表达式1中示出的共有信息量I (Ζ ；Τ)。另外，由于Z与T之间的相互依赖性随着其共有信息量变得越大而变得越强，所以可以确定聚类随着相互信息量变得越大而变得越有效。
权利要求
1.一种用于在多个内容项之中决定要推荐给用户的内容的内容推荐设备，所述内容推荐设备包括聚类部，其通过基于预定指标对多个用户的内容的使用状态进行聚类，来产生包括多个聚类的聚类集；有效性确定部，其通过在所述聚类集中评估所述内容与所述聚类之间的相关性来确定所述聚类的有效性；受欢迎内容决定部，其从所述聚类集选择成为推荐对方的用户所属的聚类，并根据所述聚类中的所述多个用户对每个内容项的使用状态来决定每个内容项的受欢迎程度；以及推荐内容决定部，其通过考虑和估计其中的所述聚类集的有效性来评估成为所述推荐对方的所述用户所属的所述聚类中的每个内容项的受欢迎程度，并且决定所述多个内容项之中的相对受欢迎的内容项为要推荐的内容项。
2.根据权利要求1所述的内容推荐设备，其中，所述有效性确定部确定随着在聚类时所述聚类与所述多个内容项的部分之间的相关性变得越强，所述聚类有效性变得越高。
3.根据权利要求2所述的内容推荐设备，其中，所述有效性确定部针对每个内容项计算所述聚类的条件熵，并确定随着所述聚类的所述条件熵的值变得越小，所述聚类与所述内容的部分之间的相关性变得越强。
4.根据权利要求1所述的内容推荐设备，其中，所述聚类部基于不同指标产生多类聚类集，所述有效性确定部针对所述多类聚类集中的每个聚类集确定所述聚类的有效性，并且决定每个聚类集的加权，使得与通过具有低有效性的聚类产生的聚类集相比，对通过具有高有效性的聚类产生的聚类集应用大的加权，所述受欢迎内容决定部从所述多类聚类集的每个聚类集选择成为所述推荐对方的所述用户所属的所述聚类，并根据所述多个用户对每个内容项的使用状态来决定每个内容项的受欢迎程度，以及所述推荐内容决定部通过考虑基于每个聚类集的有效性的加权，来对成为推荐对方的用户所属的、每个聚类集的聚类中的每个内容项的受欢迎程度进行计数，并且决定所述多个内容项之中的所述相对受欢迎的内容项为要推荐的内容项。
5.根据权利要求4所述的内容推荐设备，其中，所述聚类部产生包括的聚类的总数彼此不同的聚类集，作为所述多类聚类集。
6.根据权利要求1所述的内容推荐设备，其中，所述聚类部将表示每个内容项是否已在用户终端中被使用的信息、表示所述用户终端中使用每个内容项的次数的信息、表示所述用户终端中使用每个内容项的时期的信息、以及表示在预定循环中重复的预定时期期间在所述用户终端中使用所述内容的频率的信息中的至少一个信息聚类成每个内容项的所述使用状态，并产生基于所述至少一个信息的所述聚类集。
7.根据权利要求1所述的内容推荐设备，其中，所述受欢迎内容决定部根据表示每个内容项是否已在用户终端中被使用的信息，决定每个内容项的受欢迎程度为每个内容项的所述使用状态。
8.根据权利要求1所述的内容推荐设备，其中，所述受欢迎内容决定部评估每个内容项与成为所述推荐对方的所述用户所属的所述聚类之间的相关性，并且随着所述内容的相关性变得越强将所述内容项设置为越受欢迎。
9.一种用于在多个内容项之中决定要推荐给用户的内容的内容推荐设备，所述内容推荐设备包括聚类部，其通过基于预定指标对多个用户的内容项的使用状态进行聚类，产生包括多个聚类的聚类集；以及受欢迎内容决定部，其从所述聚类集选择成为推荐对方的用户所属的聚类，并根据所述聚类中的所述多个用户对每个内容项的使用状态来决定每个内容项的受欢迎程度，其中，所述聚类部产生包括的聚类的总数彼此不同的多类聚类集，所述受欢迎内容决定部通过从所述多类聚类集的每个聚类集选择成为所述推荐对方的所述用户所属的所述聚类，来决定每个内容项的受欢迎程度，并且所述内容推荐设备还包括推荐内容决定部，其通过对包括的聚类的总数变得越小的聚类集应用越高的加权，来对成为推荐对方的用户所属的、每个聚类集的聚类中的每个内容项的受欢迎程度进行计数，并且决定所述多个内容项之中的相对受欢迎的内容项为要推荐的内容项。
10.根据权利要求9所述的内容推荐设备，其中，所述聚类部针对第一时期和第二时期的每个，通过对所述第一时期的每个内容项的使用状态和长于所述第一时期的所述第二时期的每个内容项的使用状态进行聚类来产生多类聚类集，并且所述推荐内容决定部在所述第一和第二时期的所述多类聚类集之中的同类聚类集中， 对所述第一时期的所述聚类集应用比所述第二时期的所述聚类集更高的加权。
11.根据权利要求9所述的内容推荐设备，其中，当所述推荐内容决定部从管理者接收用于调整要应用于所述聚类集的加权的信息时，所述推荐内容决定部通过使用用于所述调整的信息将所调整的加权应用于每个聚类集。
12.—种由内容推荐设备执行的内容推荐方法，所述内容推荐设备用于在多个内容项之中决定要推荐给用户的内容项，所述内容推荐方法包括通过基于预定指标对多个用户的内容项的使用状态进行聚类来产生包括多个聚类的聚类集；通过在所述聚类集中评估所述内容与所述聚类之间的相关性来确定所述聚类的有效性；从所述聚类集选择成为推荐对方的用户所属的聚类，并根据所述聚类中的所述多个用户对每个内容项的使用状态来决定每个内容项的受欢迎程度；以及通过考虑和估计其中的所述聚类集的有效性来评估成为所述推荐对方的所述用户所属的所述聚类中的每个内容项的受欢迎程度，并且决定所述多个内容项之中的相对受欢迎的内容项为要推荐的内容项。
13.一种计算机程序，其使得用于在多个内容项之中决定要推荐给用户的内容的内容推荐设备实现以下功能通过基于预定指标对多个用户的内容项的使用状态进行聚类来产生包括多个聚类的聚类集；通过在所述聚类集中评估所述内容与所述聚类之间的相关性来确定所述聚类的有效性；从所述聚类集选择成为推荐对方的用户所属的聚类，并根据所述聚类中的所述多个用户对每个内容项的使用状态来决定每个内容项的受欢迎程度；以及通过考虑其中的所述聚类集的有效性来评估成为所述推荐对方的所述用户所属的所述聚类中的每个内容项的受欢迎程度，并且决定所述多个内容项之中的相对受欢迎的内容项为要推荐的内容项。
全文摘要
本发明公开了一种内容推荐设备和内容推荐方法，该内容推荐设备用于在多个内容项之中决定要推荐给用户的内容，该内容推荐设备包括聚类部，其通过基于预定指标对用户的内容的使用状态进行聚类来产生包括聚类的聚类集；有效性确定部，其通过在聚类集中评估内容与聚类之间的相关性来确定聚类的有效性；受欢迎内容决定部，其从聚类集选择成为推荐对方的用户所属的聚类，并根据聚类中的用户对每个内容项的使用状态来决定每个内容项的受欢迎程度；以及推荐内容决定部，其通过考虑和估计其中的聚类集的有效性来评估成为推荐对方的用户所属的聚类中的每个内容项的受欢迎程度，并且决定内容项之中的相对受欢迎的内容项为要推荐的内容项。
文档编号G06F17/30GK102279866SQ20111015337
公开日2011年12月14日 申请日期2011年6月1日 优先权日2010年6月8日
发明者池田望, 石井和夫, 高桥良和 申请人:索尼公司