CN115191002A - 匹配系统、匹配方法以及匹配程序 - Google Patents

Abstract

提供能够实现更高效的用户彼此的联系的技术。匹配系统包含：存储单元，其保持由多个提问构成的提问集；取得单元，其向用户提示提问集所包含的1个或多个提问，并且取得来自该用户的针对提问的回答；第1匹配处理单元，其基于用户回答的提问，执行第1匹配处理；以及第2匹配处理单元，其在第1匹配处理的结果满足第1判定条件的情况下，基于来自用户的回答所包含的回答内容，执行第2匹配处理。

Description

匹配系统、匹配方法以及匹配程序

技术领域

本发明涉及匹配系统、匹配方法以及匹配程序。

背景技术

例如，在出于雇佣辅助、社交网络形成、约会辅助等目的而将用户彼此联系起来的情况下，优选掌握用户的喜好、爱好、性格、合适度、兴趣等。期望容易地基于这样的用户的喜好、爱好、性格、合适度、兴趣等，将用户彼此联系起来的技术。

作为掌握用户的喜好、爱好等的技术，日本特开2001-067400号公报(专利文献1)公开了以存在于同一时间空间内的人们为对象的、能够进行基于爱好信息的匹配(配对)的通信装置等。在日本特开2001-067400号公报(专利文献1)中，将存储在提问事项存储部中的提问显示在人机界面画面上，使用者对其进行回答，由此输入个人的喜好/爱好信息。

作为交换组合了这样的提问和针对该提问的回答的知识信息的技术，日本特开2002-049786号公报(专利文献2)公开了保持提问者、回答者的匿名性，并且能够利用向邮件、聊天、模拟电话、VoIP通话的全部自动连接，而且回答者能够随时修正应答手段的选择以及当前的应答同意与否的信息交换中介技术。同样地，日本特开2013-016054号公报(专利文献3)公开了如下技术：关于提问回答型内容，例示适合于与关键字相应的类别的提问。

另外，作为自动创建提问的技术，日本特开2004-287745号公报(专利文献4)公开了如下技术：自动创建由符合回答者的属性信息的提问组构成的问卷调查，创建能够在各提问组中根据回答进一步迁移到下位的详细提问来收集详细的回答的问卷调查。

现有技术文献

专利文献

专利文献1：日本特开2001-067400号公报

专利文献2：日本特开2002-049786号公报

专利文献3：日本特开2013-016054号公报

专利文献4：日本特开2004-287745号公报

发明内容

发明所要解决的课题

在日本特开2001-067400号公报(专利文献1)所公开的通信装置中，基于针对预先定义的多个提问的回答来进行匹配。用户需要对预先定义的多个提问的全部进行回答，存在用户费工夫的提问。另外，预先定义的提问反映不出对象用户的潜在的喜好、爱好、性格、合适度、兴趣等，因此难以生成用户的多样的模型。

本发明的一个目的在于提供一种能够实现更高效的用户彼此的联系的技术。

用于解决课题的手段

本发明的一例的匹配系统包含：存储单元，其保持由多个提问构成的提问集；取得单元，其向用户提示提问集所包含的1个或多个提问，并且取得来自该用户的针对提问的回答；第1匹配处理单元，其基于用户回答的提问，执行第1匹配处理；以及第2匹配处理单元，其在第1匹配处理的结果满足第1判定条件的情况下，基于来自用户的回答所包含的回答内容，执行第2匹配处理。

根据该结构，在第1匹配处理中，着眼于各个用户任意选择并回答的提问来评价匹配的可能性，在此基础上，在第2匹配处理中，能够着眼于来自各个用户的回答所包含的回答内容来评价匹配的可能性，因此能够更高效地估计用户彼此联系的可能性。此外，各用户只要对自身认为想要回答的提问进行回答即可，不需要对所提示的所有提问进行回答。

也可以是，第1匹配处理单元评价用户回答的1个或多个提问与其他用户回答的1个或多个提问的相似度，第2匹配处理单元评价来自用户的回答所包含的回答内容与来自其他用户的回答所包含的回答内容的相似度。

根据该结构，在第1匹配处理中，评价各个用户回答的提问的相似度，因此能够提取感兴趣的对象相似的可能性高的用户组。另外，在第2匹配处理中，评价来自各个用户的回答内容的相似度，因此能够在感兴趣的对象相似的可能性高的用户组中，估计价值观、爱好也相似的可能性高的用户。

第1匹配处理单元也可以从多个其他用户中，提取第1匹配处理的结果满足第1判定条件的其他用户。

根据该结构，在存在多个用户的情况下，在第1匹配处理中，能够缩减为某种程度的候选，能够使匹配处理高效化。

第2匹配处理单元也可以针对通过第1匹配处理提取出的其他用户，计算匹配得分。

根据该结构，能够使用匹配得分客观地评价用户彼此的匹配可能性。

第1匹配处理单元也可以基于在用户回答的1个或多个提问与其他用户回答的1个或多个提问之间一致的提问的数量，评价相似度。

根据该结构，只要进行各个用户回答的提问中的何种程度的提问一致这样的评价即可，因此能够简化处理。

第1匹配处理单元也可以基于根据用户回答的1个或多个提问计算出的向潜在空间的映射、和根据其他用户回答的1个或多个提问计算出的向潜在空间的映射，评价相似度。

根据该结构，即使各个用户回答的提问的数量不相同，也能够使用向潜在空间的映射这样的共同的指标来评价相似度。

提问集也可以具有层级结构。也可以是，第1匹配处理单元和第2匹配处理单元中的至少一方基于提问集的层级结构，根据取得了回答的提问进行逻辑上的推理。

在此，逻辑上的推理例如包含如下处理：通过参照提问集的层级结构所包含的信息等，根据所取得的回答，推理适于匹配处理的信息并进行插值。根据该结构，利用提问集具有的层级结构，即使回答的提问相对较少，也能够实现精度更高的评价。例如，对于分别回答了属于共同类别的其他提问的用户彼此，也能够评价为匹配的可能性相对较高。

提问集所包含的提问也可以按类别进行划分。匹配系统也可以还包含更新单元，所述更新单元受理用户创建的提问，更新提问集。

根据该结构，能够使用用户创建出的新的提问来逐次更新提问集。

更新单元也可以决定追加的提问所属的类别。根据该结构，能够以较少的成本依次更新提问集。

更新单元也可以执行以下处理中的至少一方：基于追加的提问与其他提问的相似度，将该追加的提问和与该追加的提问相似的提问汇总来更新提问集的处理；以及利用与该追加的提问对应的代表提问来更新提问集的处理。

根据该结构，能够防止提问集过度细分化。

取得单元也可以仅对提问的类别与用户预先登记的兴趣的范围或估计出的兴趣的范围相符的用户，发布提问集。

根据该结构，能够提高能够取得来自用户的回答的可能性。

匹配系统也可以还包含已学习模型，所述已学习模型以使来自用户的回答率最大化的方式，决定发布提问的用户、或者决定向用户发布的提问。

根据该结构，通过机器学习，能够以使来自用户的回答率最大化的方式，优化发布提问集的用户或者向用户发布的提问。

第1匹配处理单元和第2匹配处理单元中的至少一方也可以针对提问集所包含的提问，赋予与匹配处理相关的任意的权重。此外，第1匹配处理单元和第2匹配处理单元中的至少一方也可以针对从用户取得的响应，赋予与匹配处理相关的权重。进而，与匹配处理相关的权重也可以依赖于对象提问的时期或对象回答的时期来决定。

根据这些结构，能够进一步提高可取得符合目的的评价结果的可能性。

匹配系统也可以还包含通知单元，所述通知单元将第2匹配处理的结果满足第2判定条件的其他用户作为匹配结果进行通知。

根据该结构，各用户能够容易地和与自身具有共同的喜好、爱好、性格、合适度、兴趣等的其他用户联系。

本发明的另一例的计算机执行的匹配方法包含以下步骤：向用户提示由多个提问构成的提问集所包含的1个或多个提问，并且取得来自该用户的针对提问的回答；基于用户回答的提问，执行第1匹配处理；以及在第1匹配处理的结果满足第1判定条件的情况下，基于来自用户的回答所包含的回答内容，执行第2匹配处理。

根据本发明的又一例，提供一种使得执行匹配方法的匹配程序。匹配程序使计算机执行以下步骤：向用户提示由多个提问构成的提问集所包含的1个或多个提问，并且取得来自该用户的针对提问的回答；基于用户回答的提问，执行第1匹配处理；以及在第1匹配处理的结果满足第1判定条件的情况下，基于来自用户的回答所包含的回答内容，执行第2匹配处理。

发明的效果

根据本发明，可提供一种能够实现更高效的用户彼此的联系的技术。

附图说明

图1是表示本实施方式的匹配方法的应用例的示意图。

图2是表示本实施方式的匹配系统的结构例的示意图。

图3是表示本实施方式的匹配系统所包含的服务器的硬件结构例的示意图。

图4是表示本实施方式的匹配系统所包含的终端装置的硬件结构例的示意图。

图5是表示本实施方式的匹配系统中的匹配处理的概要的时序图。

图6是表示在本实施方式的匹配系统中使用的提问集的结构例的示意图。

图7是表示在本实施方式的匹配系统中使用的已回答的提问和回答内容的组的一例的示意图。

图8是表示在本实施方式的匹配系统中使用的提问的数据结构的一例的示意图。

图9是用于说明本实施方式的匹配系统中的评价阶段的处理概要的图。

图10是用于说明本实施方式的匹配系统中的第1匹配处理(选择提问匹配)的一个方法的图。

图11是表示通过图10所示的第1匹配处理(选择提问匹配)的方法计算出的匹配得分的评价结果的一例的图。

图12是用于说明本实施方式的匹配系统中的第1匹配处理(选择提问匹配)的另一方法的图。

图13是用于说明本实施方式的匹配系统中的第1匹配处理(选择提问匹配)的又一方法的图。

图14是用于说明本实施方式的匹配系统中的第2匹配处理(回答内容匹配)的一个方法的图。

图15是用于说明本实施方式的匹配系统中的第2匹配处理(回答内容匹配)的另一方法的图。

图16是表示本实施方式的匹配系统的另一结构例的示意图。

具体实施方式

参照附图对本发明的实施方式进行详细说明。另外，对图中的相同或相应的部分标注相同的标号并不重复其说明。

<A.应用例>

首先，对应用本发明的场景的一例进行说明。

图1是表示本实施方式的匹配方法的应用例的示意图。参照图1，本实施方式的匹配系统保持有由多个提问310构成的提问集300。提问集300所包含的多个提问310也可以按类别进行划分。

匹配系统针对1个或多个用户，向用户提示提问集300所包含的1个或多个提问310，并且取得来自该用户的针对提问的回答。

在图1所示的例子中，示出对2个用户(用户A和用户B)提示了提问集300所包含的1个或多个提问310的例子。另外，提问310的提示可以是一览形式，也可以每次切换或滚动显示规定数量。

各用户选择所提示的提问310中的一部分或全部来进行回答。如图1所示，来自各用户的回答也可以以回答数据集330的形式取得，回答数据集330包含用于确定用户回答的多个提问310的提问ID 332和针对各提问310的回答内容334。

匹配系统基于用户回答的提问执行第1匹配处理(后述的“选择提问匹配”)。在该第1匹配处理中，利用回答数据集330所包含的提问ID 332的信息。

接着，在第1匹配处理的结果满足第1判定条件的情况下，基于来自用户的回答所包含的回答内容来执行第2匹配处理(后述的“回答内容匹配”)。在该第2匹配处理中，利用回答数据集330所包含的、针对特定的提问310的回答内容334的信息。

最终，匹配系统针对满足规定的判定条件的用户之间，计算匹配得分。此外，在本说明书中，“匹配得分”是包含以下指标的用语，该指标表示某个基准用户与其他用户(包含现实的用户以及虚拟的用户中的任意用户)之间的匹配程度或者适合度。或者，“匹配得分”也可以是表示用户间的相容性的良好程度(也包含潜在的情况)的指标。“匹配得分”可以是任何范围的值，可以是标量值，也可以是矢量值。

如图1所示，本实施方式的匹配系统通过采用2个阶段的匹配处理，即使在存在多个用户的情况下，也能够以较少的计算资源以及短时间找到匹配得分高的用户的组合。

<B.匹配系统结构例>

接着，对本实施方式的匹配系统的结构例进行说明。

图2是表示本实施方式的匹配系统1的结构例的示意图。参照图2，匹配系统1包含负责与匹配相关的主要处理的服务器100、和能够经由网络2与服务器100连接的1个或多个终端装置200。另外，如后述那样，不限于由服务器100和终端装置200构成的所谓的服务器客户端形式，也可以使用任意的形式来安装。

在匹配系统1中，用于将用户彼此联系起来的匹配处理典型地包含如下步骤。

首先，从服务器100对1个或多个终端装置200的每一个发布由多个提问构成的提问集((1)提问集发布)。在各个终端装置200中，用户选择所发布的多个提问中的一部分或全部来输入回答((2)提问选择/回答)。从用户经由各个终端装置200输入的回答内容被发送到服务器100((3)回答内容)。

此外，也可以基于Web从终端装置200向服务器100提供提问集。在该情况下，服务器100将提问集保持为能够从任意的终端装置200访问，并且保存从终端装置200输入的回答。在采用了这样的结构的情况下，不需要从服务器100向终端装置200发送提问集的整体。

服务器100基于来自各个终端装置200的回答内容，执行用于计算用户间的适合度等的匹配处理((4)匹配处理)。服务器100也可以根据需要将匹配处理的结果发送给各个终端装置200。由服务器100执行的匹配处理的详细内容将后述。

此外，也可以是，在用户对从服务器100发布的提问集被动地回答的结构例的基础上，或者替代该结构例，选择预定回答的用户自身感兴趣的类别((0)类别选择)，且服务器100发布提问集所包含的提问中的属于所选择的类别的提问((1)提问集发布(选择类别))。通过采用这样的用户主动回答的结构，能够提高匹配的精度。

<C.硬件结构例>

接着，说明本实施方式的匹配系统所包含的服务器100和终端装置200的硬件的结构例。

(c1：服务器100)

图3是表示本实施方式的匹配系统所包含的服务器100的硬件结构例的示意图。作为一例，服务器100也可以使用遵循通用架构的硬件(例如，通用计算机)来实现。

参照图3，服务器100包含处理器102、主存储器104、输入部106、显示部108、储存器110、光学驱动器112、网络控制器116。这些组件经由处理器总线130电连接。

处理器102由CPU(Central Processing Unit：中央处理单元)、GPU(GraphicsProcessing Unit：图形处理单元)等构成，读出保存于储存器110的程序(作为一例，OS(Operating System：操作系统)1102以及匹配程序1104)，在主存储器104中展开并执行，由此实现后述的各种处理。

主存储器104由DRAM(Dynamic Random Access Memory：动态随机存取存储器)或SRAM(Static Random Access Memory：静态随机存取存储器)等易失性存储装置等构成。储存器110例如由HDD(Hard Disk Drive：硬盘驱动器)或SSD(Solid State Drive：固态硬盘)等非易失性存储装置等构成。

在储存器110中保存有用于实现基本功能的OS 102和用于执行后述的匹配处理的匹配程序1104。在储存器110中，也可以还保存所发布的提问集300。即，储存器110相当于保持提问集300的存储部。

输入部106由键盘、鼠标等构成，受理用户操作。显示部108由显示器、各种指示器、打印机等构成，输出来自处理器102的处理结果等。

服务器100具有光学驱动器112，从非暂时性地保存计算机可读取的程序的存储介质114(例如，DVD(Digital Versatile Disc：数字多功能光盘)等光学存储介质)中读取与保存于其中的程序相当的计算机可读取的命令代码并安装于储存器110等。

由服务器100执行的匹配程序1104等可以经由计算机可读取的存储介质114安装，也可以从网络上的文件服务器等下载并安装。另外，本实施方式的服务器100提供的功能有时也以利用OS提供的模块的一部分的形式实现。

网络控制器116经由网络2与终端装置200等任意的信息处理装置之间交换数据。

(c2：终端装置200)

图4是表示本实施方式的匹配系统1所包含的终端装置200的硬件结构例的示意图。终端装置200也可使用遵循通用架构的通用计算机来实现。例如，终端装置200也可以以智能手机、平板电脑、笔记本电脑那样的形式具体化。

参照图4，终端装置200包含处理器202、主存储器204、输入部206、显示部208、储存器210、摄像头212、麦克风214、扬声器216、无线通信控制器218及移动通信控制器220。这些组件经由处理器总线230电连接。

处理器202由CPU或GPU等构成，读出保存在储存器210中的程序(作为一例，OS2102和连接用应用程序2104)，并在主存储器204中展开执行，由此实现后述的各种处理。

连接用应用程序2104显示从服务器100发布的多个提问(提问集300)，并且提供受理用户输入的回答的画面界面。作为连接用应用程序2104，也可以采用浏览器应用。

主存储器204由DRAM或SRAM等易失性存储装置等构成。储存器210例如由HDD或SSD等非易失性存储装置等构成。

在储存器210中保存有用于实现基本功能的OS 2102和连接用应用程序2104。

输入部206由触摸面板、操作键、键盘、鼠标等构成，受理用户的操作。显示部208由液晶显示器、有机EL(Electro Luminescence：电致发光)显示器等构成，输出来自处理器202的处理结果等。摄像头212拍摄视野内的静态图像或动态图像。摄像头212也可配置在终端装置200的任意外表面。麦克风214将任意的声音转换为电信号。扬声器216根据来自处理器202等的指令产生声音。

无线通信控制器218是用于经由网络2与服务器100等之间交换数据的接口。作为无线通信控制器218，也可以采用无线LAN(Local Area Network：局域网)、Bluetooth(注册商标)等无线通信模块。

移动通信控制器220是经由广域无线通信网与因特网等连接，用于与服务器100等之间交换数据的接口。作为移动通信控制器220，也可以采用LTE(Long Term Evolution：长期演进)、WiMAX等无线通信模块。

<D.匹配处理的概要>

接着，说明本实施方式的匹配系统1中的匹配处理的概要。

(d1：处理步骤)

图5是表示本实施方式的匹配系统1中的匹配处理的概要的时序图。典型地，图5所示的处理步骤也可以通过服务器100的处理器102执行匹配程序1104(均参照图3)，并且终端装置200的处理器202根据用户操作执行连接用应用程序2104(均参照图4)来实现。

图5所示的处理步骤包含回答收集阶段(步骤S2～S20)和评价阶段(步骤S20～S28)。为了便于说明，在图5中汇总记载了回答收集阶段以及评价阶段，但各个阶段能够相互独立地执行。例如，评价阶段也可以不在回答收集阶段的执行之后立即执行。即，评价阶段也可以与回答收集阶段的执行独立地执行。另外，回答收集阶段也可以按每个用户分别独立地执行。

参照图5，任意用户对自身的终端装置200输入对匹配处理的参加请求(步骤S2)。此时，优选的是，各用户明确地或隐式地输入作为用于确定自身的识别信息的用户ID(以下，有时也记载为“Subject ID”。)。此外，用户ID只要是能够由其他用户识别各用户的信息就足够了，也可以不是能够确定各用户的个人信息的信息。终端装置200向服务器100发送用户所输入的参加请求(步骤S4)。

服务器100响应于来自任意的终端装置200的用户的参加请求，准备发布由用于向对象用户提供的多个提问构成的提问集300(步骤S6)。然后，服务器100向终端装置200发布所准备的提问集300(步骤S8)。

终端装置200将从服务器100发布的提问集300显示于显示部208等(步骤S10)。用户选择显示于终端装置200的显示部208等的多个提问(提问集300)中的任意提问(步骤S12)，并针对所选择的提问输入回答(步骤S14)。步骤S12及S14的处理重复用户选择及回答的提问的数量(※1的重复)。

最终，终端装置200向服务器100发送用户回答的针对1个或多个提问的回答内容(步骤S16)。

服务器100在从终端装置200接收到回答内容时，将所回答的提问和回答内容的组与对应的用户的用户ID相关联地保存(步骤S18)。另外，也可以在将所回答的提问和回答内容的组特征量化之后进行保存。

这样，服务器100向用户提示提问集300所包含的1个或多个提问310，并且执行取得来自该用户的针对提问310的回答的取得处理。

回答收集阶段(步骤S2～S20)重复输入了参加请求的用户的数量(※2的重复)。

这样，服务器100在收集到来自多个用户的回答内容时，执行评价阶段(步骤S20～S28)的处理。

更具体而言，服务器100基于用户选择和回答的1个或多个提问，执行第1匹配处理(以下，也称为“选择提问匹配”。)(步骤S20)。在第1匹配处理(选择提问匹配)中，服务器100提取满足预先确定的第1判定条件的用户的集合。典型地，服务器100搜索所选择和回答的提问(即，提问集300中的提问的位置)的模式相似的用户的集合。

接着，服务器100针对提取出的用户的集合，执行基于回答内容的第2匹配处理(以下，也称为“回答内容匹配”。)(步骤S22)。在第2匹配处理(回答内容匹配)中，服务器100提取满足预先确定的第2判定条件的用户的组。典型地，服务器100搜索针对所选择的提问的回答内容或表示回答内容的特征量相似的用户彼此。

步骤S20及S22的处理对应于回答提问的用户的数量进行重复(※3的重复)。

这样，服务器100在第1匹配处理的结果满足第1判定条件的情况下，基于来自用户的回答所包含的回答内容来执行第2匹配处理。

最终，服务器100基于第2匹配处理的结果来计算匹配得分(步骤S24)。服务器100根据需要将计算出的匹配得分的全部或一部发布送到终端装置200(步骤S26)。另外，由服务器100计算出的匹配得分也可以发送到上位的服务器等，而不是发送到终端装置200。

终端装置200在从服务器100接收到匹配得分时，将该接收到的匹配得分显示于显示部208等(步骤S28)。

以上，匹配系统1中的处理步骤的执行完成。

另外，作为向用户提供的画面界面，也可以在第1匹配处理(选择提问匹配)(步骤S20)之后，仅提示已匹配的用户。另外，在第2匹配处理(回答内容匹配)(步骤S22)之后，也可以按照对应的匹配得分的顺序排列显示提取出的用户。可以用数值显示匹配得分，但也可以采用表示匹配的强度(强或者弱)的离散的表现(例如，匹配得分越大，越相互接近地显示用户的面部、图标等)。

在第1匹配处理(选择提问匹配)(步骤S20)中，也可以不执行全部的处理。即，也可以输出通过到某个阶段为止的处理而决定的、某种程度粗略的匹配结果。在该情况下，也可以基于剩余的处理中的处理结果，决定表示输出的顺序、匹配的强度的显示方式。

在第1匹配处理(选择提问匹配)的处理中途输出结果的情况下，也可以将第1匹配处理(选择提问匹配)的剩余处理中的处理结果反映到后级的第2匹配处理(回答内容匹配)中。

这样，第1匹配处理(选择提问匹配)(步骤S20)和第2匹配处理(回答内容匹配)(步骤S22)能够以任意的方式结合。

(d2：提问集)

接着，说明在本实施方式的匹配系统1中使用的提问集300的一例。

图6是表示在本实施方式的匹配系统1中使用的提问集300的结构例的示意图。参照图6，提问集300包含按类别划分的多个提问310。对提问310分别赋予提问ID，该提问ID是用于在提问集300中确定各提问310的识别信息。

图6所示的提问集300以具有多个类别的层级结构的类别树302为基础而构成，提问310分别属于层级化后的任意类别。这样，提问集300具有层级结构。

在图6中示出了具有第1层级以及第2层级的类别树302的一例，但也可以采用更多的层级或者更少的层级的类别树302。另外，提问310也可以不属于单一的类别，而属于多个类别。此外，可以是并非所有提问310都属于同一层级的类别(在图6所示的例子中，为第2层级)，例如可以是一些提问310属于第1层级的类别。

在图6中，示出了按类别划分的提问集300(即，被层级化的提问集300)的例子，但提问310的每一个也可以不被分类为特定的类别。换言之，也可以采用由多个提问310构成的提问集300。

(d3：回答收集阶段)

接着，对在图5所示的回答收集阶段中收集的已回答的提问和回答内容的组的一例进行说明。

图7是表示在本实施方式的匹配系统1中使用的已回答的提问和回答内容的组的一例的示意图。参照图7，服务器100收集并保存用户回答的提问310和针对该提问310的回答内容的回答数据集330。

回答数据集330包含用于确定用户已回答的1个或多个提问310的1个或多个提问ID 332、和针对各提问310的回答内容334。即，回答数据集330包含1个或多个相对应的提问ID 332和回答内容334的组。

在回答数据集330中，可包含任意数量的提问ID 332和回答内容334的组，因此为了使包含的组的数量明确化，也可以在最后附加NULL代码338。

在图7中，示出在用户针对作为“提问ID”而被赋予了“127”的提问310A、作为“提问ID”而被赋予了“882”的提问310B、以及作为“提问ID”而被赋予了“1469”的提问310C进行了回答的情况下收集以及保存的回答数据集330的例子。

提问310A的提问内容是“喜欢猫吗？”，针对该提问的回答内容334A是“是”。提问310B的提问内容是“喜欢游泳吗？”，针对该提问的回答内容334B是“否”。提问310C的提问内容是“午餐经常吃的是？”，针对该提问的回答内容334C是“咖喱米饭”。

如图7所示，作为提问，既可以是提问310A及提问310B所示那样的、限定是(YES)/否(NO)这样的回答范围的封闭式题目，也可以是提问310C所示那样的、从用户受理任意的内容作为回答的开放式题目。

在受理开放式题目作为回答的情况下，也可以根据回答内容计算特征量，评价回答的相似度。作为根据回答内容来计算特征量的方法，能够使用Word2vec、BERT(Bidirectional Encoder Representations from Transformers：基于Transformer的双向编码器表示)(https://arxiv.org/abs/1810.04805)等。

当然，作为提问，并不限定于图7所示的内容，能够采用任意的内容。对应于这样的提问的多样性，回答内容也可以受理任意的内容。

在图7中，为了便于说明，示出了与提问ID 332对应的回答内容334的组的简化的例子，但对于在匹配系统1中保存的大规模的提问，也可以包含用于确定提问集300的层级结构的信息。

图8是表示在本实施方式的匹配系统1中使用的提问310的数据结构的一例的示意图。参照图8，每个提问310包含提问ID 332和提问310的属性信息333。属性信息333包含提问310所属的类别以及该所属的类别的上位类别的信息。属性信息333也可以包含表示提问310的内容、提问形式的信息。

通过采用图8所示那样的数据结构的提问集300，即使在保存了大量的提问310的情况下，也能够适当地规定提问集300的层级结构。

(d4：评价阶段)

接着，说明利用了图5所示的评价阶段中的回答数据集330的匹配处理的一例。

图9是用于说明本实施方式的匹配系统1中的评价阶段的处理概要的图。在评价阶段中，执行2阶段的匹配(选择提问匹配以及回答内容匹配)。

在第1匹配处理(选择提问匹配)中，服务器100基于用户选择和回答的1个或多个提问，评价用户间的适合度。即，服务器100在第1匹配处理(选择提问匹配)中，评价用户回答的1个或多个提问与其他用户回答的1个或多个提问的相似度。

例如，服务器100基于从用户A得到的回答数据集330A所包含的1个或多个提问ID332和从用户B得到的回答数据集330B所包含的1个或多个提问ID 332，进行第1匹配处理。在此，服务器100在多个其他用户中，提取第1匹配处理的结果满足第1判定条件的其他用户(的集合)。

接着，在第2匹配处理(回答内容匹配)中，服务器100针对通过第1匹配处理提取出的用户的集合，基于针对所选择的提问的回答内容，评价用户间的适合度。即，服务器100在第2匹配处理(回答内容匹配)中，评价来自用户的回答所包含的回答内容与来自其他用户的回答所包含的回答内容的相似度。

例如，服务器100基于从用户A得到的回答数据集330A所包含的针对1个或多个提问310的回答内容334、以及从用户B得到的回答数据集330B所包含的针对1个或多个提问310的回答内容334，进行第2匹配处理。此时，服务器100也可以针对通过第1匹配处理提取的其他用户计算匹配得分。然后，服务器100提取第2匹配处理的结果(例如，匹配得分)满足第2判定条件的用户的组。

进而，服务器100也可以执行将第2匹配处理的结果满足第2判定条件的其他用户作为匹配结果进行通知的通知处理。即，服务器100也可以在提取出第2匹配处理的结果满足第2判定条件的用户的组时，对该提取出的用户的组所包含的用户，提供能够确定该组所包含的其他用户的信息。

此外，2阶段的匹配处理(选择提问匹配以及回答内容匹配)也可以不仅计算实际的用户间的匹配得分，还计算对象用户与预先设想的虚拟用户之间的匹配得分。在该情况下，设想以某种观点分类的典型的多个虚拟用户，预先准备各虚拟用户要回答的回答模式即可。

关于第1匹配处理以及第2匹配处理，能够采用任意的方法。以下，对作为第1匹配处理以及第2匹配处理而采用的方法的具体例进行说明。

<E.第1匹配处理(选择提问匹配)>

接着，说明图5所示的评价阶段所包含的第1匹配处理(选择提问匹配)的几个具体方法。

(e1：匹配方法1)

作为第1匹配处理(选择提问匹配)的方法，也可以评价回答数据集330所包含的提问ID 332的一致数(重复数)。

图10是用于说明本实施方式的匹配系统1中的第1匹配处理(选择提问匹配)的一个方法的图。参照图10，在多个用户之间，计算各用户的回答数据集330所包含的提问ID332的一致数(重复数)作为匹配得分。

在图10所示的例子中，从用户A(Subject ID：4492)得到的回答数据集330A包含5个提问ID 332，从用户B(Subject ID：102534)得到的回答数据集330B包含7个提问ID 332。若对提问ID 332的重复进行评价，则可知在两者之间提问ID 332的值为“127”以及“1469”这2个一致(重复)。由于2个提问ID 332一致，因此能够将匹配得分计算为“2”。

匹配得分为“2”能够估计为在对象用户间，在2个提问(兴趣)中存在关联点。

这样，在第1匹配处理(选择提问匹配)中，在某个用户回答的1个或多个提问与其他用户回答的1个或多个提问之间，基于一致的提问的数量来评价相似度。

能够对于任意的用户间，分别计算图10所示的匹配得分。另外，在图10中示出了针对2个用户之间计算匹配得分的例子，但也可以针对3个以上的用户之间计算匹配得分。

图11是表示通过图10所示的第1匹配处理(选择提问匹配)的方法计算出的匹配得分的评价结果的一例的图。如图11的(A)和图11的(B)所示，也可以针对每个用户计算与其他用户之间的适合度。另外，在适合度的计算中，也可以采用后述那样的权重。

在图11的(A)中，作为第1匹配处理的评价结果340A，示出了针对基准用户，按照表示相对于该基准用户为从高到低的匹配得分的顺序对其他用户进行排序而得到的结果。更具体而言，评价结果340A包含：基准用户栏342；高排名用户栏344，其规定表示相对于基准用户栏342中规定的用户ID的用户为高匹配得分的用户的用户ID；以及匹配得分栏346，其规定相对于基准用户计算出的匹配得分的值。

此外，也可以进一步关联地显示与排名靠前的用户相关的关联信息。

在图11的(B)中，示出计算表示基准用户选择的提问中的、何种程度的提问一致的匹配率的例子。即，能够计算为匹配率＝(与其他用户之间一致的提问的数量)/(基准用户所选择的提问的总数)。

在图11的(B)所示的第1匹配处理的评价结果340B中，示出了针对基准用户，按照表示相对于该基准用户为从高到低的匹配率的顺序对其他用户进行排序而得到的结果。更具体地，评价结果340B包含基准用户栏342、高排名用户栏344和规定相对于基准用户计算出的匹配率的值的匹配率栏348。

作为上述的第1判定条件，可设想(1)在图11的(A)以及图11的(B)所示的评价结果340A以及340B中处于从上位起规定数量的范围(例如，上位20位以内)、(2)计算出的匹配得分的值超过预先确定的阈值、(3)计算出的匹配率超过预先确定的阈值等。

(e2：匹配方法2)

作为第1匹配处理(选择提问匹配)的另一方法，也可以不评价回答数据集330所包含的提问ID 332，而评价提问ID 332所属的类别的一致数(重复数)。即，在各个用户选择了属于同一类别的不同的提问的情况下，能够根据类别的同一性，估计为相互有关联点。这样的基于类别的同一性的估计是指基于提问集300的层级结构的、根据取得了回答的提问的逻辑推理。

图12是用于说明本实施方式的匹配系统1中的第1匹配处理(选择提问匹配)的另一方法的图。在图12所示的方法中，在评价中使用各用户的回答数据集330所包含的提问ID332所属的类别ID 336。类别ID 336是用于在提问集300中确定各提问310所属的类别的识别信息。更具体而言，计算类别ID 336的一致数(重复数)作为匹配得分。

在图12所示的例子中，从用户A(Subject ID：4492)得到的回答数据集330A包含5个提问，从用户B(Subject ID：102534)得到的回答数据集330B包含7个提问。服务器100决定表示各个提问所属的类别的类别ID 336，对类别ID 336的重复进行评价。可知在两者之间“a10”、“b07”以及“b15”这3个类别ID 336的值一致(重复)。由于3个类别ID 336一致，所以能够将匹配得分计算为“3”。

匹配得分为“3”能够估计为在对象用户间，在3个提问(兴趣)中存在关联点。

能够对于任意的用户间，分别计算图12所示的匹配得分。另外，在图12中示出了针对2个用户之间计算匹配得分的例子，但也可以针对3个以上的用户之间计算匹配得分。

在图12所示的匹配方法中，也能够计算与上述的图11同样的评价结果。计算出的评价结果的内容与上述内容实质上相同，因此不重复详细的说明。

另外，关于上述的第1判定条件也同样地，可设想(1)处于从排序的上位起的规定数量的范围(例如，上位20位以内)、(2)计算出的匹配得分的值超过预先确定的阈值、(3)计算出的匹配率超过预先确定的阈值等。

(e3：匹配方法3)

作为第1匹配处理(选择提问匹配)的又一方法，也可以基于根据回答数据集330所包含的提问ID 332计算出的向潜在空间的映射(或者特征量或特征向量)来计算匹配得分。

图13是用于说明本实施方式的匹配系统1中的第1匹配处理(选择提问匹配)的又一方法的图。参照图13，在多个用户之间，也可以基于根据各用户的回答数据集330所包含的提问ID 332计算出的向潜在空间的映射352，计算匹配得分。

在图13所示的例子中，通过将从用户A(Subject ID：4492)得到的回答数据集330A所包含的5个提问ID 332输入到映射模型350，来计算向潜在空间的映射352A，通过将从用户B(Subject ID：102534)得到的回答数据集330B所包含的7个提问ID332输入到映射模型350，来计算向潜在空间的映射352B。

然后，能够通过评价向潜在空间的映射352A与向潜在空间的映射352B之间的相似度，计算匹配得分。在匹配得分的计算中，例如也可以使用对照模型354。

这样，在第1匹配处理(选择提问匹配)中，基于根据某个用户回答的1个或多个提问计算出的向潜在空间的映射、和根据其他用户回答的1个或多个提问计算出的向潜在空间的映射，评价相似度。

在此，对映射模型350以及对照模型354的详细情况进行说明。映射模型350以及对照模型354都可以通过事先的学习来生成。

映射模型350可以如下学习：作为向潜在空间的映射352，输出基于针对类别之间的相似度的先验知识而创建的特征量。或者，映射模型350也可以利用主成分分析等算法。另外，映射模型350也可以是使用神经网络等进行了学习的模型。

对照模型354也可以计算表示向所输入的多个潜在空间的映射352(特征量)间的相似度的特征量。

作为计算匹配得分的方法，也可以使用表示向潜在空间的映射352之间的距离的指标。例如，可以是，向潜在空间的映射352之间的距离越近，则评价为匹配得分越高，也可以是，在向潜在空间的映射352之间的距离为预先确定的阈值以上的情况下，评价为匹配，并且在除此以外的情况下，评价为不不匹配。

在用于生成映射模型350以及对照模型354的学习中，也可以使用对提问与回答的组标注了实际的匹配得分(或者主观的满意度)的学习数据集。

此外，作为向潜在空间的映射352，也可以在以输出人为设计的特征量的方式设计映射模型350的基础上，使用神经网络作为对照模型354来计算匹配得分。相反，也可以在通过学习来生成映射模型350的基础上，使用表示预先确定的距离的指标来评价计算出的向潜在空间的映射352(特征量)。

能够对于任意的用户间，分别计算图13所示的匹配得分。另外，在图13中示出了针对2个用户之间计算匹配得分的例子，但也可以针对3个以上的用户之间计算匹配得分。

在图13所示的匹配方法中，也能够计算与上述的图11同样的评价结果。计算出的评价结果的内容与上述内容实质上相同，因此不重复详细的说明。

另外，关于上述的第1判定条件也同样地，可设想(1)处于从排序的上位起的规定数量的范围(例如，上位20位以内)、(2)计算出的匹配得分的值超过预先确定的阈值、(3)计算出的匹配率超过预先确定的阈值等。

(e4：匹配方法4)

作为第1匹配处理(选择提问匹配)的再一方法，在图13所示的方法中，也可以不评价回答数据集330所包含的提问ID 332，而评价提问ID 332所属的类别的一致数(重复数)。即，在各个用户选择了属于同一类别的不同的提问的情况下，能够根据类别的同一性，估计为相互有关联点。这样的基于类别的同一性的估计是指基于提问集300的层级结构的、根据取得了回答的提问的逻辑推理。

关于使用提问ID 332所属的类别的处理的详细情况，与在上述的图12以及图13中说明的处理相同，因此在此不重复详细的说明。

<F.第2匹配处理(回答内容匹配)>

接着，对图5所示的评价阶段所包含的第2匹配处理(回答内容匹配)的几个具体方法进行说明。

(f1：匹配方法1)

作为第2匹配处理(回答内容匹配)的方法，也可以评价回答数据集330所包含的针对各提问的回答内容334的一致数(重复数)。

图14是用于说明本实施方式的匹配系统1中的第2匹配处理(回答内容匹配)的一个方法的图。参照图14，在多个用户之间，计算各用户的回答数据集330所包含的针对各提问的回答内容334的一致数(重复数)作为匹配得分。此外，在匹配得分的计算中，也可以采用后述那样的权重。

在图14所示的例子中，假设在从用户A(Subject ID：4492)得到的回答数据集330A与从用户B(Subject ID：102534)得到的回答数据集330B之间，2个提问一致(共同)。在回答数据集330A与回答数据集330B之间，评价针对2个共同的提问的回答内容334是否一致。

在图12所示的例子中，回答数据集330A所包含的回答内容334是“是”以及“否”，回答数据集330B所包含的回答内容334是“是”以及“是”。在该例子中，可知1个回答内容334在两者之间一致(重复)。由于1个回答内容334一致，因此能够将匹配得分计算为“1”。

匹配得分为“1”能够估计为在对象用户间1个喜好、爱好、性格、合适度、兴趣等是共同的。

能够对于任意的用户间，分别计算图14所示的匹配得分。另外，在图14中示出了针对2个用户之间计算匹配得分的例子，但也可以针对3个以上的用户之间计算匹配得分。

进而，也可以基于通过图14所示的第2匹配处理(回答内容匹配)的方法计算出的匹配得分，如上述的图11的(A)以及图11的(B)那样，针对每个用户计算与其他用户之间的适合度。

作为上述的第2判定条件，可设想(1)在匹配得分的排序中处于上位(例如，上位20位以内)、(2)计算出的匹配得分的值超过预先确定的阈值、(3)计算出的匹配率超过预先确定的阈值等。

(f2：匹配方法2)

作为第2匹配处理(回答内容匹配)的另一方法，也可以不评价回答数据集330所包含的提问ID 332，而评价提问ID 332所属的类别的一致数(重复数)。即，在各个用户选择了属于同一类别的不同的提问的情况下，能够根据类别的同一性，估计为相互有关联点。这样的基于类别的同一性的估计是指基于提问集300的层级结构的、根据取得了回答的提问的逻辑推理。

关于使用提问ID 332所属的类别的处理的详细情况，与在上述的图12以及图13中说明的处理相同，因此在此不重复详细的说明。

(f3：匹配方法3)

作为第2匹配处理(回答内容匹配)的另一方法，也可以基于根据回答数据集330所包含的针对各提问的回答内容334计算出的向潜在空间的映射(或者特征量或特征向量)，计算匹配得分。

图15是用于说明本实施方式的匹配系统1中的第2匹配处理(回答内容匹配)的另一方法的图。参照图15，也可以在多个用户之间，基于根据各用户的回答数据集330所包含的针对各提问的回答内容334计算出的向潜在空间的映射362，计算匹配得分。

在图15所示的例子中，通过将从用户A(Subject ID：4492)得到的回答数据集330A所包含的针对各提问的回答内容334A输入到映射模型360，来计算向潜在空间的映射352A，通过将从用户B(Subject ID：102534)得到的回答数据集330B所包含的针对各提问的回答内容334B输入到映射模型360，来计算向潜在空间的映射362B。

然后，能够通过评价向潜在空间的映射362A与向潜在空间的映射362B之间的相似度，计算匹配得分。在匹配得分的计算中，例如也可以使用对照模型364。

映射模型360以及对照模型364能够与上述的图13所示的映射模型350以及对照模型354同样地生成或者构成。在用于生成映射模型360以及对照模型364的学习中，也可以使用对提问与回答的组标注了实际的匹配得分(或者主观的满意度)的学习数据集。

能够对于任意的用户间，分别计算图15所示的匹配得分。另外，在图15中示出了针对2个用户之间计算匹配得分的例子，但也可以针对3个以上的用户之间计算匹配得分。

在图15所示的匹配方法中，也能够计算与上述的图11同样的评价结果。计算出的评价结果的内容与上述内容实质上相同，因此不重复详细的说明。

另外，关于上述的第2判定条件也同样地，可设想(1)在匹配得分的排序中处于上位(例如，上位20位以内)、(2)计算出的匹配得分的值超过预先确定的阈值、(3)计算出的匹配率超过预先确定的阈值等。

(f4：匹配方法4)

作为第2匹配处理(回答内容匹配)的又一方法，在图15所示的方法中，也可以不评价回答数据集330所包含的提问ID 332，而评价提问ID 332所属的类别的一致数(重复数)。即，在各个用户选择了属于同一类别的不同的提问的情况下，能够根据类别的同一性，估计为相互有关联点。这样的基于类别的同一性的估计是指基于提问集300的层级结构的、根据取得了回答的提问的逻辑推理。

关于使用提问ID 332所属的类别的处理的详细情况，与在上述的图12以及图13中说明的处理相同，因此在此不重复详细的说明。

<G.应用例>

以下，说明本实施方式的匹配系统的几个应用例。

(g1：专家客户端型)

作为第1应用例，说明专家客户端型的系统。在专家客户端型的系统中，在提供雇佣、诊断等服务时，在决定适当的人彼此的匹配的情况下使用。

在专家客户端型中，典型地采用图2所示的系统结构。首先，专家准备与提供的服务相应的提问集300。然后，将所准备的提问集300的全部或一部发布给用户。

用户选择被发布的提问集300所包含的提问中的感兴趣的提问来进行回答。用户选择的回答内容被发送到服务器100。

服务器100通过上述那样的2个阶段的匹配(选择提问匹配以及回答内容匹配)来计算匹配得分。然后，服务器100基于计算出的匹配得分，执行雇佣、诊断等服务。

在基于匹配得分的分析中，除了使用针对用户之间计算出的匹配得分的方法以外，还可以采用如下方法：预先准备代表性的人物角色模式，评价与各人物角色模式的相似度或者适合度。在相似度或适合度符合预先确定的条件的情况下，也可以提供与对应的人物角色模式相应的处方或服务。

(g2：SNS(Social Networking Service：社交网络服务)型)

作为第2应用例，对SNS型的系统进行说明。在SNS型的系统中，在各用户更容易发现与作为目标的用户的联系的情况下使用。

图16是表示本实施方式的匹配系统1的另一结构例的示意图。参照图16，各用户创建与自己想要持有的联系相应的提问((1)提问创建)。例如，想要与对动物感兴趣的其他用户联系的用户例如创建“喜欢猫吗？”这样的提问。用户创建的提问从终端装置200向服务器100发送((2)提问内容)。

服务器100分析从终端装置200发送的提问，决定各提问所属的类别，并且更新提问集300((3)提问集更新)。

然后，服务器100针对1个或多个终端装置200的每一个，将更新后的提问集的全部或一部发布给其他用户((4)提问集发布)。用户选择发布的提问集300所包含的提问中的感兴趣的提问并进行回答((5)提问选择/回答)。从用户经由各个终端装置200输入的回答内容被发送到服务器100((6)回答内容)。

服务器100通过上述那样的2阶段的匹配(选择提问匹配以及回答内容匹配)，算出匹配得分((7)匹配处理)。然后，服务器100基于计算出的匹配得分，将表示高匹配得分的用户作为匹配结果应答给创建了提问的用户((8)匹配结果)。由此，创建了提问的用户能够与符合目标的用户联系。

在服务器100的匹配处理中，既可以进行选择提问匹配以及回答内容匹配双方，也可以仅进行选择提问匹配。例如，在选择提问匹配中，对于其他用户对某个用户创建的提问感兴趣地回答这一情况，即使回答内容不同，也能够推理为对相同类别的提问感兴趣。因此，也可以提高对相同类别的提问感兴趣的用户间的匹配得分。

另外，在服务器100的匹配处理中，也可以对特定的提问赋予更大的权重(或者更小的权重)来计算匹配得分。或者，也可以根据用户来变更被赋予权重的提问，或者变更赋予的权重的大小。

(g3：SNS型的变形例)

在图16中，例示了经由服务器100在终端装置200彼此之间发布提问集的结构例，但也可以从某终端装置200向其他终端装置200直接发布提问集。例如在关于某个用户已经存在匹配对象的候选的情况下，从该候选中决定实际匹配的用户的情况下，这样的来自终端装置200的提问集的直接发布是有效的。

另外，不限于上述那样的情况，也可以采用不存在服务器100的类似于点对点(peer-to-peer)的系统。

(g4：AI(artificial intelligence：人工智能)型)

作为第3应用例，对AI型的系统进行说明。在AI型的系统中，不将提问集(或者提问)明确地发布给用户，而是独立对话智能体与用户进行对话，并且在与用户的对话中包含1个或者多个提问，由此收集来自用户的回答(用户回答的提问的类别以及回答内容)。

独立对话智能体(或者服务器100)通过上述那样的2个阶段的匹配(选择提问匹配以及回答内容匹配)来计算匹配得分。然后，基于计算出的匹配得分，执行雇佣、诊断等服务。

在基于匹配得分的分析中，除了使用针对用户之间计算出的匹配得分的方法以外，还可以采用如下方法：预先准备代表性的人物角色模式，评价与各人物角色模式的相似度或者适合度。在相似度或适合度符合预先确定的条件的情况下，也可以提供与对应的人物角色模式相应的处方或服务。

<H.提问集300的构建以及更新>

接着，对提问集300的构建以及更新的一例进行说明。

首先，通过任意的方法收集提问。例如，设想参照公知的知识数据库的方法、经由网络从任意的用户收集的方法等。如上述的图16所示，也可以采用想要具有某种联系的用户创建提问等方法。

提问集300也可以以具有多个类别的层级结构的类别树302为基础而构成，判断新追加的提问属于哪个类别。

例如，匹配系统1的服务器100也可以通过对新追加的提问进行语言分析，并且评价与类别树302所包含的类别(字符以及内容)的相似性，来决定新追加的提问所属的类别。在语言分析中，也可以使用通过机器学习构成的推理模型。

进而，也可以使用如下的推理模型，该推理模型将类别树302的结构以及之前追加的提问的内容作为输入，将该之前追加的提问被分类到的类别(也可以人工决定)作为推理结果的教师数据，通过机器学习而构成。

这样，服务器100也可以在受理用户创建的提问时，自动地决定该受理的提问所属的类别，并且执行更新提问集300的更新处理。通过采用这样的结构，能够以较少的成本构成提问集。

此外，也可以基于新追加的提问与已有的提问集300所包含的其他提问的相似度，将多个提问汇总为单一的提问。例如，在包含“喜欢猫吗？”这样的提问和“喜欢狗吗？”这样的提问的情况下，也可以汇总为“喜欢动物吗？”这样的提问。

或者，在包含“喜欢猫吗？”这样的提问和“喜欢狗吗？”这样的提问的情况下，也可以仅使“喜欢猫吗？”这样的提问有效化。在该情况下，不追加“喜欢狗吗？”这样的提问本身，而追加“喜欢猫吗？”这样的代替提问。

进而或者，也可以不将新追加的提问本身、而将代替提问追加到提问集300中。例如，在追加了“喜欢猫吗？”这样的提问的情况下，也可以不直接追加，而追加“喜欢动物吗？”这样的代替提问。

在汇总这样的提问的处理中，例如能够使用通过机器学习构成的文章相似度判别模型。作为这样的文章相似度判别模型，也可以利用BERT等。通过使用该文章相似度判别模型，能够评价2个提问是否等效。通过使用这样的评价结果，能够将相似的2个提问汇总为1个。

这样，匹配系统1的服务器100也可以基于追加的提问与其他提问的相似度，将该追加的提问和与该追加的提问相似的提问汇总来更新提问集300。或者，服务器100也可以基于追加的提问与其他提问的相似度，以与该追加的提问对应的代表提问来更新提问集300。

匹配系统1的服务器100也可以仅对提问的类别与用户预先登记的兴趣的范围或估计出的兴趣的范围相符的用户发布提问集300(1个或多个提问)。在此，兴趣的范围也可以根据各用户先进行的回答内容来估计。

另外，也可以通过机器学习来实现如下机制：以回答率的最大化为目标来决定发布提问的用户、或者决定向用户发布的提问。在该情况下，作为针对推理模型的输入，也可以使用提问所属的类别等特征量、发布目的地用户的个人简介(也可以包含年龄、性别等属性信息)、发布目的地用户的之前的回答状况、预先准备的提问集300与发布目的地用户的潜在适合度等。可以从推理模型输出各用户的回答率。

以使各用户的回答率最大化的方式，通过机器学习优化推理模型的参数，由此能够决定已学习模型。另外，也可以使用来自用户的新的回答状况，将所决定的已学习模型的参数依次优化(追加学习)。

能够使用所决定的已学习模型，决定应作为提问集300的发布目的地的用户。或者，能够使用所决定的已学习模型，决定与发布目的地用户相应的提问集300。

通过采用这样的使用了机器学习的机制，能够实现更高效的提问集300的发布以及回答的取得。

<I.变形例>

(i1：权重)

在评价阶段(第1匹配处理(选择提问匹配)和/或第2匹配处理(回答内容匹配))中，也可以对提问集300所包含的提问赋予与匹配处理相关的任意的权重。另外，在评价阶段(第1匹配处理(选择提问匹配)和/或第2匹配处理(回答内容匹配))中，也可以对从用户取得的回答赋予与匹配处理相关的权重。

作为这样的权重的一例，也可以是，越是追加到提问集300中的新的提问，则赋予越大的权重，越是旧的提问，则赋予越小的权重。此外，也可以根据评价的目的、主旨等，越是新的提问则赋予越小的权重。

另外，也可以基于取得来自用户的回答的时刻，越是最近取得的回答则赋予越大的权重，越是旧的回答则赋予越小的权重。此外，也可以根据评价的目的、主旨等，对越旧的提问赋予越小的权重。

这样，与匹配处理相关的权重也可以依赖于对象提问的时期或者对象回答的时期来决定。

作为对提问集300所包含的提问赋予的与匹配处理相关的权重的另一例，也可以基于提问集300所包含的提问的特征来设定权重。如果采用流行度作为提问的特征的一例，则可以是，越是流行度低的提问，赋予越大的权重。通过采用这样的结构，能够缓和长尾的问题，能够实现更公平的匹配系统。

作为对提问集300所包含的提问赋予的与匹配处理相关的权重的又一例，也可以采用与各提问所属的类别相应的权重。例如，也可以越是更强地反映评价对象的匹配内容的类别，则赋予越大的权重。在该情况下，在通过机器学习等对每个类别对匹配结果造成的影响进行评价之后，根据该评价结果来决定权重即可。

作为对提问集300所包含的提问赋予的与匹配处理相关的权重的又一例，也可以采用与提问的回答者数相应的权重。例如，也可以是回答者越多的提问则赋予越小的权重。此外，也可以根据评价的目的、主旨等，对回答者越少的提问赋予越小的权重。

此外，用户可以设置任意的优先顺序。在该情况下，赋予与所设定的优先顺序相应的权重。这样，也可以对提问集300人为地设定任意的权重。

作为对从用户取得的回答赋予的与匹配处理相关的权重的另一例，也可以基于回答了提问集300的用户的属性来设定权重。作为用户的属性的一个例子，也可以对属于被判定为越弱立场(即，难以匹配)的组的用户赋予越大的权重。通过采用这样的结构，能够缓和长尾的问题，能够实现更公平的匹配系统。作为用户属性的另一例，可设想重要用户、新登记的用户等。即，也可以对来自重要的用户的回答、来自新登记的用户的回答赋予更大的权重。

这样，也可以对提问集300和/或回答赋予任意的权重，应用于匹配处理。

(i2：逻辑上的推理)

如上所述，逻辑上的推理例如包含如下处理：通过参照提问集的层级结构所包含的信息等，根据所取得的回答来推理适于匹配处理的信息(回答)。通过进行这样的逻辑上的推理，例如，能够根据某个用户针对某提问回答的内容，推理针对其他提问的回答。使用用户实际回答内容和通过推理得到的回答，能够以更高的精度执行第1匹配处理(选择提问匹配)和/或第2匹配处理(回答内容匹配)。

这样的逻辑上的推理能够如下方法来实现：基于提问集300的层级结构，例如推理针对属于与某个用户回答的提问类别相同类别的其他提问的回答。

例如，在某个用户针对“喜欢猫吗？”这样的提问进行了“是”这样的回答的情况下，能够推理为会针对“喜欢动物吗？”这样的提问进行“是”这样的回答。

(i3：安装方式)

在上述的说明中，作为典型例，示出基于由服务器100和1个或多个终端装置200构成的系统的安装例，但也可以采用任意的安装方式。例如，服务器100可以负责所有的功能，也可以由终端装置200执行服务器100所提供的功能的一部分。

另外，服务器100不需要通过单一的计算机来实现，也可以通过网络连接的多个计算机来实现。在该情况下，也可以利用网络上的所谓的被称为云的计算资源来实现。

由终端装置200执行的程序也可以以根据请求从任意的数据服务器下载的形式安装。

另外，在上述的说明中，例示了通过处理器执行程序来实现本实施方式的匹配系统的安装例(软件安装)，但不限于此，也可以使用硬连线电路来安装一部分或全部的处理(硬件安装)。作为硬连线电路的一例，能够使用ASIC(application specific integratedcircuit：专用集成电路)、FPGA(field-programmable gate array：现场可编程门阵列)等。

<J.附记>

如上所述的本实施方式包含以下这样的技术思想。

[结构1]

一种匹配系统(1)，其中，该匹配系统(1)具有：

存储单元(110)，其保持由多个提问(310)构成的提问集(300)；

取得单元(S8、S16、S18)，其向用户提示所述提问集所包含的1个或多个提问，并且取得来自该用户的针对提问的回答；

第1匹配处理单元(S20)，其基于所述用户回答的提问，执行第1匹配处理；以及

第2匹配处理单元(S22、S24)，其在所述第1匹配处理的结果满足第1判定条件的情况下，基于来自所述用户的回答所包含的回答内容，执行第2匹配处理。

[结构2]

在结构1所记载的匹配系统中，

所述第1匹配处理单元评价所述用户回答的1个或多个提问与其他用户回答的1个或多个提问的相似度，

所述第2匹配处理单元评价来自所述用户的回答所包含的回答内容与来自其他用户的回答所包含的回答内容的相似度。

[结构3]

在结构2所记载的匹配系统中，

所述第1匹配处理单元从多个所述其他用户中，提取所述第1匹配处理的结果满足所述第1判定条件的其他用户。

[结构4]

在结构3所记载的匹配系统中，

所述第2匹配处理单元针对通过所述第1匹配处理提取出的其他用户，计算匹配得分(S24)。

[结构5]

在结构2～4中的任意一项所记载的匹配系统中，

所述第1匹配处理单元基于在所述用户回答的1个或多个提问与其他用户回答的1个或多个提问之间一致的提问的数量，评价相似度。

[结构6]

在结构2～4中的任意一项所记载的匹配系统中，

所述第1匹配处理单元基于根据所述用户回答的1个或多个提问计算出的向潜在空间的映射、和根据其他用户回答的1个或多个提问计算出的向潜在空间的映射，评价相似度。

[结构7]

在结构1～6中的任意一项所记载的匹配系统中，

所述提问集具有层级结构，

所述第1匹配处理单元和所述第2匹配处理单元中的至少一方基于所述提问集的层级结构，根据取得了回答的提问进行逻辑上的推理。

[结构8]

在结构1～6中的任意一项所记载的匹配系统中，

所述提问集所包含的提问按类别进行划分，

匹配系统还包含更新单元，所述更新单元受理用户创建的提问，更新所述提问集。

[结构9]

在结构8所记载的匹配系统中，

所述更新单元决定追加的提问所属的类别。

[结构10]

在结构8或9所记载的匹配系统中，

所述更新单元执行以下处理中的至少一方：基于追加的提问与其他提问的相似度，将该追加的提问和与该追加的提问相似的提问汇总来更新所述提问集的处理；以及利用与该追加的提问对应的代表提问来更新所述提问集的处理。

[结构11]

在结构8～10中的任意一项所记载的匹配系统中，

所述取得单元仅对提问的类别与用户预先登记的兴趣的范围或估计出的兴趣的范围相符的用户，发布所述提问集。

[结构12]

在结构11所记载的匹配系统中，

该匹配系统还具有已学习模型，所述已学习模型以使来自用户的回答率最大化的方式，决定发布提问的用户、或者决定向用户发布的提问。

[结构13]

在结构1～12中的任意一项所记载的匹配系统中，

所述第1匹配处理单元和所述第2匹配处理单元中的至少一方针对所述提问集所包含的提问，赋予与匹配处理相关的权重。

[结构14]

在结构1～13中的任意一项所记载的匹配系统中，

所述第1匹配处理单元和所述第2匹配处理单元中的至少一方针对从所述用户取得的响应，赋予与匹配处理相关的权重。

[结构15]

在结构13或14所记载的匹配系统中，

与所述匹配处理相关的权重依赖于对象提问的时期或对象回答的时期来决定。

[结构16]

在结构1～15中的任意一项所记载的匹配系统中，

该匹配系统还具有通知单元，所述通知单元将所述第2匹配处理的结果满足第2判定条件的其他用户作为匹配结果进行通知。

[结构17]

一种匹配方法，由计算机(100)执行，其中，该匹配方法具有以下步骤：

步骤(S8、S16、S18)，向用户提示由多个提问(310)构成的提问集(300)所包含的1个或多个提问，并且取得来自该用户的针对提问的回答；

步骤(S20)，基于所述用户回答的提问，执行第1匹配处理；以及

步骤(S22、S24)，在所述第1匹配处理的结果满足第1判定条件的情况下，基于来自所述用户的回答所包含的回答内容，执行第2匹配处理。

[结构18]

一种匹配程序(1104)，其使得执行匹配方法，其中，该匹配程序(1104)使计算机(100)执行以下步骤：

步骤(S8、S16、S18)，向用户提示由多个提问(310)构成的提问集(300)所包含的1个或多个提问，并且取得来自该用户的针对提问的回答；

步骤(S20)，基于所述用户回答的提问，执行第1匹配处理；以及

步骤(S22、S24)，在所述第1匹配处理的结果满足第1判定条件的情况下，基于来自所述用户的回答所包含的回答内容，执行第2匹配处理。

<K.效果>

本实施方式的匹配系统以及匹配方法采用由基于各个用户回答的提问的第1匹配处理(选择提问匹配)、和基于来自各个用户的回答所包含的回答内容的第2匹配处理(回答内容匹配)构成的2阶段的匹配。通过采用这样的2阶段的匹配，即使在存在多个用户的情况下，也能够高效地找到喜好、爱好、性格、合适度、兴趣等共同且匹配的可能性高的用户的组。

应该认为本次公开的实施方式在所有方面都是例示而不是限制性的。本发明的范围由权利要求书、而不由上述的说明来表示，意在包含与权利要求书等同的意思以及范围内的所有变更。

标号说明

1：匹配系统；2：网络；100：服务器；102、202：处理器；104、204：主存储器；106、206：输入部；108、208：显示部；110、210：储存器；112：光学驱动器；114：存储介质；116：网络控制器；130、230：处理器总线；200：终端装置；212：摄像头；214：麦克风；216：扬声器；218：无线通信控制器；220：移动通信控制器；300：提问集；302：类别树；310、310A、310B、310C：提问；330、330A、330B：回答数据集；332：提问ID；334、334A、334B、334C：回答内容；336：类别ID；338：代码；340A、340B：评价结果；342：基准用户栏；344：高排名用户栏；346：匹配得分栏；348：匹配率栏；350、360：映射模型；352、352A、352B、362、362A、362B：映射；354、364：对照模型；1104：匹配程序；2104：连接用应用程序。

Claims (18)

1.一种匹配系统，其中，该匹配系统具有：

存储单元，其保持由多个提问构成的提问集；

取得单元，其向用户提示所述提问集所包含的1个或多个提问，并且取得来自该用户的针对提问的回答；

第1匹配处理单元，其基于所述用户回答的提问，执行第1匹配处理；以及

第2匹配处理单元，其在所述第1匹配处理的结果满足第1判定条件的情况下，基于来自所述用户的回答所包含的回答内容，执行第2匹配处理。

2.根据权利要求1所述的匹配系统，其中，

所述第1匹配处理单元评价所述用户回答的1个或多个提问与其他用户回答的1个或多个提问的相似度，

所述第2匹配处理单元评价来自所述用户的回答所包含的回答内容与来自其他用户的回答所包含的回答内容的相似度。

3.根据权利要求2所述的匹配系统，其中，

所述第1匹配处理单元从多个所述其他用户中，提取所述第1匹配处理的结果满足所述第1判定条件的其他用户。

4.根据权利要求3所述的匹配系统，其中，

所述第2匹配处理单元针对通过所述第1匹配处理提取出的其他用户，计算匹配得分。

5.根据权利要求2～4中的任意一项所述的匹配系统，其中，

所述第1匹配处理单元基于在所述用户回答的1个或多个提问与其他用户回答的1个或多个提问之间一致的提问的数量，评价相似度。

6.根据权利要求2～4中的任意一项所述的匹配系统，其中，

所述第1匹配处理单元基于根据所述用户回答的1个或多个提问计算出的向潜在空间的映射、和根据其他用户回答的1个或多个提问计算出的向潜在空间的映射，评价相似度。

7.根据权利要求1～6中的任意一项所述的匹配系统，其中，

所述提问集具有层级结构，

所述第1匹配处理单元和所述第2匹配处理单元中的至少一方基于所述提问集的层级结构，根据取得了回答的提问进行逻辑上的推理。

8.根据权利要求1～7中的任意一项所述的匹配系统，其中，

所述提问集所包含的提问按类别进行划分，

该匹配系统还包含更新单元，所述更新单元受理用户创建的提问，更新所述提问集。

9.根据权利要求8所述的匹配系统，其中，

所述更新单元决定追加的提问所属的类别。

10.根据权利要求8或9所述的匹配系统，其中，

所述更新单元执行以下处理中的至少一方：基于追加的提问与其他提问的相似度，将该追加的提问和与该追加的提问相似的提问汇总来更新所述提问集的处理；以及利用与该追加的提问对应的代表提问来更新所述提问集的处理。

11.根据权利要求8～10中的任意一项所述的匹配系统，其中，

所述取得单元仅对提问的类别与用户预先登记的兴趣的范围或估计出的兴趣的范围相符的用户，发布所述提问集。

12.根据权利要求11所述的匹配系统，其中，

该匹配系统还具有已学习模型，所述已学习模型以使来自用户的回答率最大化的方式，决定发布提问的用户、或者决定向用户发布的提问。

13.根据权利要求1～12中的任意一项所述的匹配系统，其中，

所述第1匹配处理单元和所述第2匹配处理单元中的至少一方针对所述提问集所包含的提问，赋予与匹配处理相关的权重。

14.根据权利要求1～12中的任意一项所述的匹配系统，其中，

所述第1匹配处理单元和所述第2匹配处理单元中的至少一方针对从所述用户取得的响应，赋予与匹配处理相关的权重。

15.根据权利要求13或14所述的匹配系统，其中，

与所述匹配处理相关的权重依赖于对象提问的时期或对象回答的时期来决定。

16.根据权利要求1～15中的任意一项所述的匹配系统，其中，

该匹配系统还具有通知单元，所述通知单元将所述第2匹配处理的结果满足第2判定条件的其他用户作为匹配结果进行通知。

17.一种匹配方法，由计算机执行，其中，该匹配方法具有以下步骤：

向用户提示由多个提问构成的提问集所包含的1个或多个提问，并且取得来自该用户的针对提问的回答；

基于所述用户回答的提问，执行第1匹配处理；以及

在所述第1匹配处理的结果满足第1判定条件的情况下，基于来自所述用户的回答所包含的回答内容，执行第2匹配处理。

18.一种匹配程序，其使得执行匹配方法，其中，该匹配程序使计算机执行以下步骤：

向用户提示由多个提问构成的提问集所包含的1个或多个提问，并且取得来自该用户的针对提问的回答；

基于所述用户回答的提问，执行第1匹配处理；以及

在所述第1匹配处理的结果满足第1判定条件的情况下，基于来自所述用户的回答所包含的回答内容，执行第2匹配处理。

Images