JP2004118716A - 個人化広告の提供方法及び個人化広告提供プログラム及び個人化広告提供プログラムを格納した記憶媒体 - Google Patents

Abstract

【課題】ユーザから指定された情報からよりきめの細かく、暗黙的な要求を反映した個人のプロファイルを導出し、このプロファイルに合致した広告を優先的に提示することを可能にする。
【解決手段】本発明は、ユーザから指定された文書を、該文書の特徴を示す複数の属性値によるベクトルで記述し、指定された文書群のベクトルを合成したベクトルを、該ユーザの嗜好を示すベクトルとして計算し、提示候補である広告を、該広告の特徴を示す複数の属性値によるベクトルで記述し、ユーザの嗜好を示すベクトルと広告の特徴を示すベクトルの類似度を計算し、類似度が高い広告を優先的に提示する。
【選択図】　　図１

Description

【０００１】
【発明の属する技術分野】
本発明は、個人化広告の提供方法及び個人化広告提供プログラム及び個人化広告提供プログラムを格納した記憶媒体に係り、特に、ＨＴＭＬ等の構造化文書のページの一部をスクラップしたり、ページ全体をブックマークすることで、ユーザから指定された文書を登録するシステムにおいて、個人化した広告を提示するための個人化広告の提供方法及び個人化広告提供プログラム及び個人化広告提供プログラムを格納した記憶媒体に関する。
【０００２】
【従来の技術】
従来のインタンーネット上で普及しているバナー広告は、任意のトピックスに関するページに広告枠を設け、広告主を募集することで、広告を提示している。広告主は、ページのトピックスから想定されるユーザ層を連想し、自分の商品をターゲットユーザと合致している場合に、広告枠に投資するというのが一般的である（例えば、非特許文献１参照）。
【０００３】
しかし、昨今のインターネットの広告市場は低迷を続け、広告は出したが、誰も見ないといった問題があちこちで生じている。これには、ユーザの嗜好と合致していない広告が出されていたり、嗜好が合致していても、その合致の度合が低いことが考えられる。
【０００４】
また、検索エンジンにおけるバナー広告の中には、検索キーワードに関連した広告を提示する方法が存在する。例えば、「ＮＴＴ」というキーワードで検索すると、検索結果のページに「“ＮＴＴ”に関する本を、このサイトで検索」といったような広告が提示される。この手法は、ユーザの嗜好と、広告の内容の合致度合を向上させる試みである（例えば、非特許文献２参照）。
【０００５】
【非特許文献１】
岸晃司、坂本啓、坂本泰久、（１９９８）、“インターネット広告効果にユーザ行動が与える影響に関する研究”、情報処理学会研究報告、ＨＩ−７７−１，ｐｐ１−６．
【非特許文献２】
ｈｔｔｐ：／／ｗｗｗ．ｇｏｏ．ｎｅ．ｊｐ／ｈｅｌｐ／ｉｎｆｏ／ａｄ／ｒｅｓｕｌｔ．ｈｔｍｌ。
【０００６】
【発明が解決しようとする課題】
しかしながら、上記のように、一般的なインターネット上のバナー広告は、ページのトピックスからユーザ層を連想するしかなく、ユーザの嗜好を間接的にしか取得できない。
【０００７】
また、検索エンジンにおける投入キーワードに関連した広告は、ユーザの要求が、明示的にキーワードで表現できる場合に適している。しかし、ユーザの要求には、自分の欲しい情報を明示的に表現できないような曖昧な場合が存在し、そのような暗黙的な要求を考慮した広告の提示方法が要求されている。
【０００８】
本発明は、上記の点に鑑みなされたもので、Ｗｅｂページ等のページの一部をスクラップしたり、ページ全体をブックマークすることで、ユーザから指定された文書を、個人の嗜好情報を抽出するための情報源とすることに着眼した。Ｗｅｂ上で情報は大量にあり、その中で興味のあるものをスクラップしたり、ブックマークするため、非常に細かい単位の嗜好情報が取得可能である。また、スクラップやブックマークをするときの、ユーザの要求を明示的に言葉で表現するのは難しく、スクラップやブックマークした文書の情報を利用することで、暗黙的なユーザの興味を反映することが可能になることを利用し、当該ユーザが指定した情報をもとに、よりきめの細かく、暗黙的な要求を反映した個人のプロファイルを導出し、このプロファイルに合致した広告を優先的に提示することが可能な個人化広告の提供方法及び個人化広告提供プログラム及び個人化広告提供プログラムを格納した記憶媒体を提供することを目的とする。
【０００９】
【課題を解決するための手段】
図１は、本発明の原理を説明するための図である。
【００１０】
本発明は、コンピュータ上で構造化文書のページの一部をスクラップしたり、ページ全体をブックマークすることで、ユーザから指定された文書を登録するシステムにおける個人化広告の提供方法において、
ユーザから指定された文書を、該文書の特徴を示す複数の属性値によるベクトルで記述する過程（ステップ１）と、
ユーザから指定された文書群のベクトルを合成したベクトルを、該ユーザの嗜好を示すベクトルとして計算する過程（ステップ２）と、
提示候補である広告を、該広告の特徴を示す複数の属性値によるベクトルで記述する過程（ステップ３）と、
ユーザの嗜好を示すベクトルと広告の特徴を示すベクトルの類似度を計算する過程（ステップ４）と、
類似度が高い広告を優先的に提示する過程（ステップ５）と、からなる。
【００１１】
また、本発明は、ユーザから指定された文書にテキストが存在する場合や、広告の特徴を表現したテキストが存在する場合に、
指定された文書内のテキスト、あるいは、広告の特徴を表現したテキスト中の重要な単語を抽出する過程と、
抽出された単語を、指定された文書あるいは、広告の特徴を示すベクトルの属性とする過程と、
抽出された単語の存在を示す２値情報や、出現頻度を属性値として持つベクトルを、指定された文書あるいは、広告の特徴ベクトルとする過程と、からなる。
また、本発明は、指定された文書を更新する際に、
指定された文書を定期的に収集する過程と、
収集した時点での指定文書から重要単語を抽出し、該重要単語の存在を示す２値情報や出現頻度を属性値として持つ文書ベクトルとして記憶手段に蓄積する過程と、
ユーザが指定している文書群の収集時点での文書ベクトルを合成したベクトルを、収集時点でのユーザの嗜好ベクトルとする過程と、
ユーザが情報を閲覧する直前の嗜好ベクトルの各属性値の上昇度合を算出する過程と、
各属性値の上昇度合を属性値とするベクトルを、ユーザが情報を閲覧する時点での嗜好ベクトルとして更新する過程と、からなる。
【００１２】
本発明は、コンピュータ上で構造化文書のページの一部をスクラップしたり、ページ全体をブックマークすることで、ユーザから指定された文書を登録するシステムにおける個人化広告提供プログラムであって、
ユーザから指定された文書を、該文書の特徴を示す複数の属性値によるベクトルで記述するステップと、
ユーザから指定された文書群のベクトルを合成したベクトルを、該ユーザの嗜好を示すベクトルとして計算するステップと、
提示候補である広告を、該広告の特徴を示す複数の属性値によるベクトルで記述するステップと、
ユーザの嗜好を示すベクトルと広告の特徴を示すベクトルの類似度を計算するステップと、
類似度が高い広告を優先的に提示するステップと、をコンピュータ上で実行する。
【００１３】
また、本発明は、ユーザから指定された文書にテキストが存在する場合や、広告の特徴を表現したテキストが存在する場合に、
指定された文書内のテキスト、あるいは、広告の特徴を表現したテキスト中の重要な単語を抽出するステップと、
抽出された単語を、指定された文書あるいは、広告の特徴を示すベクトルの属性とするステップと、
抽出された単語の存在を示す２値情報や、出現頻度を属性値として持つベクトルを、指定された文書あるいは、広告の特徴ベクトルとするステップと、をコンピュータ上で実行する。
【００１４】
また、本発明は、指定された文書を更新する際に、
指定された文書を定期的に収集するステップと、
収集した時点での指定文書から重要単語を抽出し、該重要単語の存在を示す２値情報や出現頻度を属性値として持つ文書ベクトルとして記憶手段に蓄積するステップと、
ユーザから指定されている文書群の収集時点での文書ベクトルを合成したベクトルを、収集時点でのユーザの嗜好ベクトルとするステップと、
ユーザが情報を閲覧する直前の嗜好ベクトルの各属性値の上昇度合を算出するステップと、
各属性値の上昇度合を属性値とするベクトルを、ユーザが情報を閲覧する時点での嗜好ベクトルとして更新するステップと、をコンピュータ上で実行する。
【００１５】
本発明は、コンピュータ上で構造化文書のページの一部をスクラップしたり、ページ全体をブックマークすることで、ユーザから指定された文書を登録するシステムにおける個人化広告提供プログラムを格納した記憶媒体であって、
ユーザから指定された文書を、該文書の特徴を示す複数の属性値によるベクトルで記述するステップと、
ユーザから指定された文書群のベクトルを合成したベクトルを、該ユーザの嗜好を示すベクトルとして計算するステップと、
提示候補である広告を、該広告の特徴を示す複数の属性値によるベクトルで記述するステップと、
ユーザの嗜好を示すベクトルと広告の特徴を示すベクトルの類似度を計算するステップと、
類似度が高い広告を優先的に提示するステップと、を有する。
【００１６】
また、本発明は、ユーザから指定された文書にテキストが存在する場合や、広告の特徴を表現したテキストが存在する場合に、
指定された文書内のテキスト、あるいは、広告の特徴を表現したテキスト中の重要な単語を抽出するステップと、
抽出された単語を、指定された文書あるいは、広告の特徴を示すベクトルの属性とするステップと、
抽出された単語の存在を示す２値情報や、出現頻度を属性値として持つベクトルを、指定された文書あるいは、広告の特徴ベクトルとするステップと、を有する。　また、本発明は、指定された文書を更新する際に、
指定された文書を定期的に収集するステップと、
収集した時点での指定された文書から重要単語を抽出し、該重要単語の存在を示す２値情報や出現頻度を属性値として持つ文書ベクトルとして記憶手段に蓄積するステップと、
ユーザから指定されている文書群の収集時点での文書ベクトルを合成したベクトルを、収集時点でのユーザの嗜好ベクトルとするステップと、
ユーザが情報を閲覧する直前の嗜好ベクトルの各属性値の上昇度合を算出するステップと、
各属性値の上昇度合を属性値とするベクトルを、ユーザが情報を閲覧する時点での嗜好ベクトルとして更新するステップと、を有する。
【００１７】
上記のように、本発明では、ユーザから指定された文書から、よりきめ細かく、暗黙的な要求に対応した個人の嗜好情報を生成でき、当該嗜好情報の関連度が高い広告を、優先的に提示することが可能になる。
【００１８】
また、本発明では、ユーザから指定された文書、及び広告の特徴を示すベクトルを自動的に生成可能となる。
【００１９】
さらに、本発明では、ユーザの嗜好を反映したトピックスで、なおかつ、最近、特に話題になっているトピックスに関連した広告を優先的に提示可能となる。
【発明の実施の形態】
以下、図面と共に本発明の実施の形態について説明する。
【００２０】
［第１の実施の形態］
図２は、本発明の第１の実施の形態における個人化広告の提示方法に対応するシステム構成を示す。
【００２１】
同図に示すシステムは、ユーザから指定された文書から、よりきめ細かく、暗黙的な要求に対応した個人の嗜好情報を生成でき、当該嗜好情報に関連度が高い広告を、優先的に指示することが可能な構成を示す。
【００２２】
同図に示すシステムは、表示部１０、広告表示制御部２０、広告管理部３０、文書管理部４０、嗜好管理部５０から構成される。
【００２３】
表示部１０は、広告表示部１１及び指定文書表示部１２から構成される。
【００２４】
広告表示制御部２０は、広告評価部２１、及び広告評価データ蓄積部２２から構成される。
【００２５】
広告管理部３０は、広告蓄積部３１を有する。
【００２６】
文書管理部４０は、文書定部４１、及び指定文書蓄積部４２から構成される。嗜好管理部５０は、嗜好ベクトル生成部５１、及び嗜好ベクトル蓄積部５２から構成される。
【００２７】
表示部１０の広告表示部１１は、認証されたユーザのユーザＩＤを、広告評価データ蓄積部２２に渡し、ユーザの嗜好と広告の類似度を問い合わせ、類似度が高い広告を広告蓄積部３１に問い合わせ、優先的に提示する。提示の方法は、類似度が高い順番に適当な時間間隔で広告を提示する場合や、広告提示エリアを分割し、類似度が高い広告ほど面積を大きくしたり、目立つ位置に配置することで、優先的に提示する場合もある。広告は、例えば、図３のように認証されたユーザの自分専用のページにおける広告表示エリアに表示される。
【００２８】
表示部１０の指定文書表示部１２は、指定文書蓄積部４２を参照し、認証されたユーザが事前に指定した文書を図３のように表示する。
【００２９】
広告表示制御部２０の広告評価部２１は、認証されたユーザの嗜好ベクトルを生成するように、嗜好ベクトル生成部５１に要求する。生成された嗜好ベクトルを、嗜好ベクトル蓄積部５２から取得し、広告蓄積部３１に蓄積されている各広告ベクトルとの類似度を計算し、図４のように少なくとも認証されたユーザのユーザＩＤ、広告ＩＤと広告の嗜好の類似度を広告評価データ蓄積部２２に記録する。
【００３０】
広告表示制御部２０の広告評価データ蓄積部２２は、広告評価部２１で計算された各広告ベクトルの類似度を、図４のように、少なくとも認証されたユーザのユーザＩＤ、広告ＩＤと広告と嗜好の類似度を記録する。また、広告表示部１１より、ユーザＩＤを渡されると、ユーザＩＤに対応する広告ＩＤと類似度を返す。
【００３１】
広告管理部３０の広告蓄積部３１は、図５に示すように少なくとも広告ＩＤ、広告の内容、広告ベクトルを記録する。広告の内容は、一般的なＷｅｂページのバナー広告のように、ＨＴＭＬのような記述言語で記述されている。また、広告ベクトルは、広告の特徴を示す複数の属性に対応する特徴量により構成されており、これらは手動で入力されたり、あるいは自動で生成される場合がある。
【００３２】
例えば、ベクトルを構成する属性が、ユーザの興味の対象となる「分野」である場合がある。このとき、図５のように広告ベクトルを構成する属性は、「スポーツ」「映画」といった対象の分野を表現した属性をとる場合が考えられる。各広告が属性を示す分野に関連する度合を連続値で表現し、属性値とする場合もある。また、各広告が、属性と対応する分野に関連するか否かの２値情報を属性値とする場合もある。
【００３３】
また、例えば、ベクトルを構成する属性が、各広告である場合もある。このとき、図６のように、広告ベクトルを構成する属性は、「広告１０」、「広告１１」といった広告そのものを表現した属性をとる場合が考えられる。この場合、行列の行と列が両方とも広告となり、その対応関係を示した行列となるため、行列の対角成分が全て「１」で、その他の成分が全て「０」の単位行列となる。
【００３４】
さらに、例えば、ベクトルを構成する属性が、各文書である場合もある。このとき、図７のように、広告ベクトルを構成する属性は、「文書１００」、「文書１０１」といった文書そのものを表現した属性をとる場合が考えられる。この場合、各広告が、属性である文書を指定した場合に出現するか否かの２値情報を属性値とする場合がある。また、２値情報ではなく、属性である文書を指定した場合に出現する可能性を連続値で表現する場合もある。
【００３５】
そして、広告蓄積部３１は、広告表示部１１より広告ＩＤと共に内容参照要求が渡されると、広告ＩＤに対応する広告の内容を返す。また、広告評価部２１より広告ＩＤと共に広告ベクトル参照要求が渡されると、広告ＩＤに対応する広告ベクトルを返す。
【００３６】
文書管理部４０の文書指定部４１は、図３の下部に示すように、Ｗｅｂページの一部分を指定する方法や、一般的なブックマークのように、ＷｅｂページのＵＲＬをユーザに提供する。ここで、ユーザが指定するページの一部や、ページ全体には、テキスト、画像、動画などの情報が組み合わされて表現されている。ユーザが指定した文書は、指定文書蓄積部４２に蓄積される。
【００３７】
文書管理部４０の指定文書蓄積部４２は、文書指定部４１で指定された文書に対して、少なくともユーザＩＤ、文書ＩＤ、文書の内容、文書ベクトルを図８に示すように記憶する。文書の内容は、文書指定部４１で指定したＷｅｂページの一部あるいは全体をＨＴＭＬのような記述形式で記録する。また、文書ベクトルは、文書の特徴を示す複数の属性に対応する特徴量により構成されており、これらは手動で入力されたり、あるいは自動で生成される場合もある。
【００３８】
例えば、ベクトルを構成する属性が、ユーザの興味の対象となる「分野」である場合がある。このとき、図８に示すように、文書ベクトルを構成する属性は、「スポーツ」、「映画」といった対象の分野を表現した属性をとる場合が考えられる。各文書が属性が示す分野に関連する度合を、連続値で表現し、属性値とする場合もある。また、各文書が、属性と対応する分野に関連するか否かを、２値の属性値とする場合もある。
【００３９】
また、例えば、ベクトルを構成する属性が、各広告である場合もある。このとき、図９のように、文書ベクトルを構成する属性は、「広告１０」、「広告１１」といった広告そのものを表現した属性をとる場合が考えられる。この場合、各文書を指定した場合に、属性である広告が出現するか否かの２値情報を属性値とする場合がある。また、各文書を指定した場合に属性である広告が出現する可能性を連続値で表現する場合もある。
【００４０】
さらに、例えば、ベクトルを構成する属性が、各文書である場合もある。このとき、図１０のように、文書ベクトルを構成する属性は、「文書１００」、「文書１０１」といった文書そのものを表現した属性をとる場合が考えられる。この場合、行列の行と列が両方とも文書となり、その対応関係を示した行列になるため、行列の対角成分が全て「１」で、その他の成分が全て「０」の単位行列となる。
【００４１】
また、指定文書蓄積部４２は、嗜好ベクトル生成部５１よりユーザＩＤと共に広告ベクトル参照要求が渡されると、ユーザＩＤに対応する複数の文書ベクトルを返す。
【００４２】
嗜好管理部５０の嗜好ベクトル生成部５１は、認証されたユーザに対応するユーザＩＤを、指定文書蓄積部４２に渡し、当該ユーザＩＤに対応する複数の文書ベクトルを受け取ると、それらのベクトルを合成したベクトルを、当該ユーザの嗜好ベクトルとし、嗜好ベクトル蓄積部５２に記憶する。
【００４３】
例えば、ベクトルを構成する属性が、ユーザの興味の対象となる「分野」である場合がある。このとき、図１１のように、嗜好ベクトルを構成する属性は、「スポーツ」、「映画」といった対象の分野を表現した属性をとる場合が考えられる。図８に示す各ユーザが指定している文書ベクトルの属性値の総和を、嗜好ベクトルの属性値として合成する場合がある。この場合、嗜好ベクトルは、選択した文書群の各分野への関連度を統合的に網羅したような嗜好ベクトルが合成される。
【００４４】
また、例えば、ベクトルを構成する属性が、各広告である場合もある。このとき、図１２に示すように、嗜好ベクトルを構成する属性は、「広告１０」、「広告１１」といった広告そのものを表現した属性をとる場合が考えられる。図９に示す各ユーザが指定している文書の文書ベクトルの属性値の総和を、嗜好ベクトルの属性値として合成する場合がある。この場合、嗜好ベクトルは、選択した文書群が対応する広告を網羅した嗜好ベクトルが合成される。
【００４５】
さらに、例えば、ベクトルを構成する属性が、各文書である場合もある。このとき、図１３のように、嗜好ベクトルを構成する属性は、「文書１００」、「文書１０１」といった文書そのものを表現した属性をとる場合が考えられる。図１０に示すユーザが指定している文書の文書ベクトルの属性値の総和を、嗜好ベクトルの属性値として合成する場合がある。この場合、嗜好ベクトルは、どの文書を選択したのかを示す嗜好ベクトルが合成される。
【００４６】
また、合成の仕方は、文書ベクトルの各属性の総和だけでなく、平均値をとる場合や、その他の総計量を利用する場合もある。
【００４７】
嗜好管理部５０の嗜好ベクトル蓄積部５２は、嗜好ベクトル生成部５１で生成された嗜好ベクトルを、図１１のように少なくともユーザＩＤ、嗜好ベクトルで構成されるデータとして記録する。また、広告評価部２１よりユーザＩＤが渡されると、ユーザＩＤに対応する嗜好ベクトルを返す。
【００４８】
以下に、上記の構成における動作を説明する。
【００４９】
図１４は、本発明の第１の実施の形態における個人化広告の提示方法を示すフローチャートである。
【００５０】
ステップ１０１）　ユーザＩＤとパスワードによって管理されるようなユーザ認証システムを用いて、ユーザを認証し、ステップ１０２に移行する。
【００５１】
ステップ１０２）　広告評価部２１が、嗜好ベクトル生成部５１で認証されたユーザに対する嗜好ベクトルを生成するように要求する。嗜好ベクトル生成部５１は、認証されたユーザのユーザＩＤを、指定文書蓄積部４２に渡し、当該ユーザが指定した文書の文書ＩＤ群を取得する。図６の例では、ユーザＩＤが“１０００”のユーザが指定している文書の文書ＩＤ“１００”、“１０１”、“１０２”等を取得し、ステップ１０３に移行する。
【００５２】
ステップ１０３）　嗜好ベクトル生成部５１が、ステップ１０２にて取得した文書ＩＤ群に対応する文書ベクトルを、指定文書蓄積部４２から逐次取得する。図８の例では、文書ＩＤが、“１００”の場合、この文書に対応する文書ベクトル（０．８０，０．５０，…）を取得し、ステップ１０４に移行する。
【００５３】
ステップ１０４）　ステップ１０３の処理を、ステップ１０２で取得した文書ＩＤ群全てに対して取得したら、ステップ１０５に移行し、そうでない場合には、ステップ１０３に戻る。
【００５４】
ステップ１０５）　嗜好ベクトル生成部５１が取得した、認証されたユーザが指定した文書の文書ベクトル群を合成し、当該ユーザの嗜好ベクトルとし、図１１に示すように、嗜好ベクトル蓄積部５２に蓄積する。合成の仕方は、文書ベクトルの各属性値の総和を、嗜好ベクトルの各属性値にする場合や、総和以外にも、平均値などの他の統計量を利用する場合もある。その後、ステップ１０６に移行する。
【００５５】
ステップ１０６）　広告評価部２１が広告蓄積部３１から蓄積されている広告の広告ＩＤ群を取得し、ステップ１０７に移行する。
【００５６】
ステップ１０７）　広告評価部２１が、ステップ１０６で取得した広告ＩＤ群に対応する広告ベクトルを、広告蓄積部３１から逐次取得する。図５の例では、広告ＩＤが、“１０”の場合、この広告に対応する広告ベクトル（０．４０，０．６０，…）を取得する。次に、ステップ１０１で認証されたユーザの嗜好ベクトルを嗜好ベクトル蓄積部５２から取得する。図１１の例では、ユーザＩＤが、“１０００”の場合、このユーザＩＤに対応する嗜好ベクトル（１．６６，１．５９，…）を取得する。この嗜好ベクトルは、ステップ１０５で生成された値に相当する。さらに現在取得している広告ベクトルと嗜好ベクトルの類似度を求める。類似度の求め方の例としては、広告ベクトルと嗜好ベクトルの、各属性の対応がとれる場合、即ち、両ベクトルの属性１、属性２がそれぞれ同じ特徴、例えば、「分野」、「広告」、「文書」などを表現している場合、両ベクトルの内積を類似度とするような方法が想定される。算出された類似度は、図４のように、認証されたユーザＩＤ、評価対象である広告の広告ＩＤ、類似度の対を一つのレコードとして、広告評価蓄積部２２に記録される。その後、ステップ１０８に移行する。
【００５７】
ステップ１０８）　ステップ１０７の処理を、ステップ１０６で取得した広告ＩＤ群全てに対して取得したら、ステップ１０９に移行し、そうでない場合、ステップ１０７に戻る。
【００５８】
ステップ１０９）　広告表示部１１が、認証されたユーザのユーザＩＤを、広告評価データ蓄積部２２に渡し、ユーザの嗜好と広告の類似度を問い合わせ、類似度が高い広告を優先的に提示する。提示の方法は、類似度が高い順番に適当な時間間隔で広告を提示する場合や、広告提示エリアを分割し、類似度が高い広告ほど面積を大きくしたり、目立つ位置に配置することで、優先的に提示する場合もある。広告は、例えば、図３のように認証されたユーザの自分専用のページにおける広告表示エリアに表示される。
【００５９】
［第２の実施の形態］
図１５は、本発明の第２の実施の形態における個人広告の提示方法に対応するシステム構成を示す。
【００６０】
同図に示すシステムは、指定した文書及び広告の特徴を示すベクトルを、自動的に生成可能な構成を示す。
【００６１】
同図における特徴テキスト蓄積部３２、ベクトル管理部６０以外は、前述の図２と同様の構成であるので、同一符号を付し、その説明を省略する。
【００６２】
特徴テキスト蓄積部３２は、各広告の特徴を示すテキストデータを、少なくとも広告ＩＤと対にして記憶しておく。図１６の広告ＩＤが“１０”の広告の例では、「ＮＴＴ、新商品、インターネット、光ファイバ」など、広告の特徴を表現したテキストデータを蓄積しておく。
【００６３】
ベクトル管理部６０は、テキストベクトル化部６１、重要単語抽出部６２、属性データ蓄積部６３から構成される。
【００６４】
テキストベクトル化部６１は、特徴テキスト蓄積部３２に蓄積されている各広告の特徴を表現したテキスト（図１６）、あるいは、指定文書蓄積部４２に蓄積されている指定文書の内容（図８）を入力として、これらのテキストをベクトル化し、広告の場合は、広告蓄積部３１の広告ベクトル、指定文書の場合は、指定文書蓄積部４２の文書ベクトルに記録する。入力として受け取ったテキストを、重要単語抽出部６２に渡し、重要単語を受け取る。受け取った重要単語に対応する属性ＩＤを属性データ蓄積部６３から取得する。広告の場合は、広告蓄積部３１の広告ベクトルの取得した属性ＩＤに対応する値、また、指定文書の場合は、指定文書蓄積部４２の文書ベクトルの取得した属性ＩＤに対応する値に、当該重要単語が存在することを示す２値情報を記録する（図１７、図１８）。また、ここで、属性値に重要単語が存在するかしないかの２値情報だけでなく、重要単語の出現頻度などの値を利用しても構わない。これにより、当該重要単語が、当該広告の特徴テキスト、あるいは、当該指定文書に存在することを表現する。
【００６５】
重要単語抽出部６２は、テキストベクトル化部６１から渡されるテキストから重要なテキストを抽出し、返す。重要単語の抽出方法は、入力されたテキストを形態素解析し、すべての自立語を抽出する方法や、入力されたテキストが文章である場合には、文脈上、強調されていると判断された単語を抽出する方法などがある。また、入力されたテキストがＨＴＭＬのような構造化文書の場合、強調された書式で表現された単語や、リンクが張られている単語を抽出する方法などがある。
【００６６】
属性データ蓄積部６３は、図１９に示すように、重要単語に対応する属性とその属性ＩＤを蓄積している。テキストベクトル化部６１から重要単語を受け取ると、その重要単語に対応する属性を検索し、対応する属性ＩＤを返す。また、入力された重要単語に対応する属性が存在しない場合、新たに属性ＩＤを新規作成し、その属性ＩＤを返す。
【００６７】
次に、上記の構成における動作を説明する。
【００６８】
図２０は、本発明の第２の実施の形態における個人化広告の提示方法のフローチャートである。
【００６９】
同図において、ステップ２０１からステップ２１１以外は、前述の第１の実施の形態と同様であるため、その説明を省略する。また、ステップ２０１からステップ２０５までの処理は、前述のステップ１０１からステップ１０９までのフローを実行する前に、事前に処理するフローを示している。
【００７０】
ステップ２０１）　広告評価部２１が、広告蓄積部３１から、蓄積されている広告の広告ＩＤ群を取得し、ステップ２０２に移行する。
【００７１】
ステップ２０２）　特徴テキスト蓄積部３２に蓄積されている各広告の特徴を表現したテキスト（図１６）を、重要単語抽出部６２に渡し、重要単語を受け取り、ステップ２０３に移行する。
【００７２】
ステップ２０３）　テキストベクトル化部６１では、重要単語抽出部６２から受け取った重要単語に対応する属性ＩＤを、属性データ蓄積部６３から取得する。
【００７３】
ステップ２０４）　広告蓄積部３１の広告ベクトルのステップ２０３で取得した属性ＩＤに対応する値に、当該重要単語が存在することを示す２値情報を記録する（図１７）。また、ここで、属性値に重要単語が存在するかしないかの２値情報だけでなく、重要単語の出現頻度などの値を利用してもよい。
【００７４】
ステップ２０５）　ステップ２０４の処理を、ステップ２０２で取得した全重要単語に対して処理した場合はステップ２０６へ移行し、そうでない場合は、ステップ２０３に戻る。
【００７５】
ステップ２０６）　ステップ２０５までの処理を、ステップ２０１で取得した全広告に対して処理した場合は処理を終了し、そうでない場合は、ステップ２０２に戻る。
【００７６】
ステップ２０７）　指定文書蓄積部４２に蓄積されている指定文書の内容（図８）を、重要単語抽出部６２に渡し、重要単語を受け取り、ステップ２０８に移行する。
【００７７】
ステップ２０８）　テキストベクトル化部６１は、重要単語抽出部６２から受け取った重要単語に対応する属性ＩＤを、属性データ蓄積部６３から取得する。
ステップ２０９）　指定文書蓄積部４２の文書ベクトルのステップ２０８で取得した属性ＩＤに対応する値に、当該重要単語が存在することを示す２値情報を記録する（図１８）。また、ここで属性値に重要単語が存在するかしないかの２値情報だけでなく、重要単語の出現頻度などの値を利用しても構わない。
【００７８】
ステップ２１０）　ステップ２０９の処理を、ステップ２０７で取得した全重要単語に対して処理した場合はステップ２１１に移行し、そうでない場合には、ステップ２０８へ戻る。
【００７９】
ステップ２１１）　ステップ２１０までの処理を、ステップ１０２で取得した全指定文書に対して処理した場合はステップ１０５に移行し、そうでない場合にはステップ２０７に戻る。
【００８０】
［第３の実施の形態］
図２１は、本発明の第３の実施の形態における個人化広告の提示方法に対応するシステム構成を示す。
【００８１】
同図に示すシステムは、ユーザの嗜好を反映したトピックスで、なおかつ、最近、特に話題になっているトピックスに関連した広告を優先的に提示可能な構成を示す。
【００８２】
同図において、指定文書収集部４３、文書履歴蓄積部４４、テキストベクトル化部６３’、嗜好ベクトル生成部５１’、嗜好履歴蓄積部５３、上昇度計算部５４以外は、前述の第２の実施の形態と同様であるため、同一符号を付し、その説明を省略する。
【００８３】
指定文書収集部４３は、文書蓄積部４２に記録されている認証されたユーザが指定した文書群を、ある一定の時間間隔、例えば、１時間おきに収集し、文書履歴蓄積部４４の指定文書の内容に、ユーザＩＤ、文書ＩＤ、収集時刻と共に記録する。また、指定文書の内容をテキストベクトル化部６１’に渡し、ベクトル化した値を、文書履歴蓄積部４４の文書ベクトルの項目に記録する。
【００８４】
テキストベクトル化部６１’は、特徴テキスト蓄積部３２に蓄積されている各広告の特徴を表現したテキスト（図１６）、あるいは、指定文書蓄積部４２に蓄積されている指定文書の内容（図８）を入力として、これらのテキストをベクトル化し、広告の場合は、広告蓄積部３１の広告ベクトル、指定文書の場合は、文書履歴蓄積部４４の文書ベクトルに記録する。入力として受け取ったテキストを重要単語抽出部６２に渡し、重要単語を受け取る。受け取った重要単語に対応する属性ＩＤを、属性データ蓄積部６３から取得する。広告の場合は、広告蓄積部３１の広告ベクトルの取得した属性ＩＤに対応する値に、当該重要単語の存在を示す２値情報を記録する（図１７）。また、ここで、属性値に重要単語が存在するかしないかの２値情報だけでなく、重要単語の出現頻度などの値を利用しても構わない。また、指定文書の場合は、図２２に示すように、文書履歴蓄積部４４の文書ベクトルの取得した属性ＩＤに対応する値に、当該単語の出現頻度を記録する。これにより、当該重要単語が、指定文書にどれだけ多く存在するかを表現する。また、文書ベクトルの属性値は、当該重要単語の存在を示す２値情報を記録しても構わない。
【００８５】
文書履歴蓄積部４４は、指定文書収集部４３で収集された文書を、少なくとも、ユーザＩＤ、文書ＩＤ、収集時刻、指定文書の内容、文書ベクトルの項目で記録しておく。
【００８６】
嗜好ベクトル生成部５１’は、認証されたユーザに対応するユーザＩＤ、収集時刻を、文書履歴蓄積部４２に渡し、当該ユーザＩＤに対応する当該収集時刻における複数の文書ベクトルを受け取ると、それらのベクトルを合成したベクトルを、当該ユーザの嗜好ベクトルとして、嗜好履歴蓄積部５３に記録する。ベクトルの合成方法は、第１の実施の形態に準ずる。
【００８７】
嗜好履歴蓄積部５３は、図２３に示すように、少なくと、ユーザＩＤ、収集時刻、嗜好ベクトルを記録する。
【００８８】
上昇度計算部５４は、認証されたユーザＩＤに対応する、複数の収集時刻に対応する嗜好ベクトルを取得し、これらから、ベクトルを構成する属性値の、最近の上昇度を計算し、嗜好ベクトル蓄積部５２の嗜好ベクトルの各属性値に、各属性値の上昇度を記録する。上昇度の計算方法は、現在時刻から過去一定期間に、当該属性に対応する属性値の上昇率を用いる方法等が考えられる。また、各属性値の時系列による変動曲線の現在時刻における傾きを用いる場合などもある。
【００８９】
図２４は、本発明の第３の実施の形態における個人化広告の提示方法のフローチャートである。このフローチャートは、ステップ３０１からステップ３０５、ステップ１０５’以外は、前述の第２の実施の形態と同様であるのでその説明を省略する。また、ステップ３０１からステップ３０５は、定期的に実行される処理である。
【００９０】
ステップ３０１）　指定文書収集部４３が、時刻を監視し、ある一定の時間間隔が経過したかを判定する。時間が経過したらステップ３０２へ移行し、そうでない場合は、再帰的にステップ３０１に戻る。
【００９１】
ステップ３０２）　指定文書収集部４３が、文書蓄積部４２に記録されている任意のユーザが指定した文書群を収集し、文書履歴蓄積部４４の指定文書の内容に、ユーザＩＤ、文書ＩＤ、収集時刻と共に記録し、ステップ３０３に移行する。
【００９２】
ステップ３０３）　指定文書収集部４３が、指定文書の内容をテキストベクトル化部６１’に渡し、ベクトル化した値を、文書履歴蓄積部４４（図２２）の文書履歴ベクトルの項目に記録し、ステップ３０４に移行する。
【００９３】
ステップ３０４）　嗜好ベクトル生成部５１’が、処理対象のユーザに対応するユーザＩＤ、収集時刻を、文書履歴蓄積部４２に渡し、当該ユーザＩＤに対応する当該収集時刻における複数の文書ベクトルを受け取ると、それらのベクトルを合成したベクトルを、当該ユーザの嗜好ベクトルとし、嗜好履歴蓄積部５３（図２３）に記録し、ステップ３０５に移行する。
【００９４】
ステップ３０５）　ステップ３０２からステップ３０４までの処理を、全ユーザに対して処理した場合は、ステップ３０１に戻り、そうでない場合には、ステップ３０２に戻る。
【００９５】
ステップ１０５’）　上昇度計算部５４が、認証されたユーザＩＤに対応する、複数の収集時刻に対応する嗜好ベクトルを取得し、これらから、ベクトルを構成する属性の値の、最近の上昇度を計算し、嗜好ベクトル蓄積部５２の嗜好ベクトルの各属性値に、各属性の上昇度を代入する。
【００９６】
上記の第１の実施の形態における図１４、第２の実施の形態における図２０、及び第３の実施の形態における図２４に示すフローチャートの動作をプログラムとして構築し、提示装置として利用されるコンピュータにインストールする、または、ネットワークを介して流通させることも可能である。
【００９７】
また、構築されたプログラムを提示装置として利用されるコンピュータに接続されるハードディスク装置や、フレキシブルディスク、ＣＤ−ＲＯＭ等の可搬記憶媒体に格納しておき、本発明を実施する際にインストールすることにより、容易に本発明を実現できる。
【００９８】
なお、本発明は、上記の実施の形態の例に限定されることなく、特許請求の範囲内において、種々変更・応用が可能である。
【００９９】
【発明の効果】
上述のように、本発明によれば、個人が指定した文書から、よりきめ細かく、暗黙的な要求に対応した個人の嗜好情報を生成でき、当該嗜好情報に関連度が高い広告を、優先的に提示することができる。
【０１００】
また、本発明では、指定した文書、及び広告の特徴を示すベクトルを自動的に生成できる。
【０１０１】
さらに、本発明では、ユーザの嗜好を反映したトピックスで、なおかつ、最近、特に話題になっているトピックスに関連した広告を優先的に提示することができる。
【図面の簡単な説明】
【図１】本発明の原理を説明するための図である。
【図２】本発明の第１の実施の形態における個人化広告の提示方法に対応するシステム構成図である。
【図３】本発明の第１の実施の形態における表示例である。
【図４】本発明の第１の実施の形態における広告評価データ蓄積部の記憶例である。
【図５】本発明の第１の実施の形態における広告蓄積部の記憶例（その１）である。
【図６】本発明の第１の実施の形態における広告蓄積部の記憶例（その２）である。
【図７】本発明の第１の実施の形態における広告蓄積部の記憶例（その３）である。
【図８】本発明の第１の実施の形態における指定文書蓄積部の記憶例（その１）である。
【図９】本発明の第１の実施の形態における指定文書蓄積部の記憶例（その２）である。
【図１０】本発明の第１の実施の形態における指定文書蓄積部の記憶例（その３）である。
【図１１】本発明の第１の実施の形態における指定文書蓄積部の記憶例（その１）である。
【図１２】本発明の第１の実施の形態における指定文書蓄積部の記憶例（その２）である。
【図１３】本発明の第１の実施の形態における指定文書蓄積部の記憶例（その３）である。
【図１４】本発明の第１の実施の形態における個人化広告の提示方法を示すフローチャートである。
【図１５】本発明の第２の実施の形態における個人広告の提示方法に対応するシステム構成図である。
【図１６】本発明の第２の実施の形態における特徴テキストの記憶例である。
【図１７】本発明の第２の実施の形態における広告文書蓄積部の記憶例である。
【図１８】本発明の第２の実施の形態における指定文書蓄積部の記憶例である。
【図１９】本発明の第２の実施の形態における属性データ蓄積部の記憶例である。
【図２０】本発明の第２の実施の形態における個人化広告の提示方法のフローチャートである。
【図２１】本発明の第３の実施の形態における個人化広告の提示方法に対応するシステム構成図である。
【図２２】本発明の第３の実施の形態における文書履歴蓄積部の記憶例である。
【図２３】本発明の第３の実施の形態における嗜好履歴蓄積部の記憶例である。
【図２４】本発明の第３の実施の形態における個人化広告の提示方法のフローチャートである。
【符号の説明】
１０　表示部
１１　広告表示部
１２　指定文書表示部
２０　広告表示制御部
２１　広告評価部
２２　広告評価データ蓄積部
３０　広告管理部
３１　広告蓄積部
３２　特徴テキスト蓄積部
４０　文書管理部
４１　文書指定部
４２　指定文書蓄積部
４３　指定文書収集部
４４　文書履歴蓄積部
５０　嗜好管理部
５１，５１’　嗜好ベクトル生成部
５２　嗜好ベクトル蓄積部
５３　嗜好履歴蓄積部
５４　上昇度計算部
６０　ベクトル管理部
６１　重要単語抽出部
６２　属性データ蓄積部
６３，６３’　テキストベクトル化部

Claims (9)

1. コンピュータ上で構造化文書のページの一部をスクラップしたり、ページ全体をブックマークすることで、ユーザから指定された文書を登録するシステムにおける個人化広告の提供方法において、
   ユーザから指定された文書を、該文書の特徴を示す複数の属性値によるベクトルで記述する過程と、
   前記ユーザから指定された文書群のベクトルを合成したベクトルを、該ユーザの嗜好を示すベクトルとして計算する過程と、
   提示候補である広告を、該広告の特徴を示す複数の属性値によるベクトルで記述する過程と、
   前記ユーザの嗜好を示すベクトルと前記広告の特徴を示すベクトルの類似度を計算する過程と、
   前記類似度が高い広告を優先的に提示する過程と、
   からなることを特徴とする個人化広告の提供方法。
2. 前記ユーザから指定された文書にテキストが存在する場合や、前記広告の特徴を表現したテキストが存在する場合に、
   前記指定された文書内のテキスト、あるいは、前記広告の特徴を表現したテキスト中の重要な単語を抽出する過程と、
   抽出された単語を、前記指定された文書あるいは、前記広告の特徴を示すベクトルの属性とする過程と、
   前記抽出された単語の存在を示す２値情報や、出現頻度を属性値として持つベクトルを、前記指定された文書あるいは、広告の特徴ベクトルとする過程と、
   からなる請求項１記載の個人化広告の提供方法。
3. 前記指定された文書を更新する際に、
   前記指定された文書を定期的に収集する過程と、
   収集した時点での指定された文書から重要単語を抽出し、該重要単語の存在を示す２値情報や出現頻度を属性値として持つ文書ベクトルとして記憶手段に蓄積する過程と、
   前記ユーザから指定されている文書群の収集時点での文書ベクトルを合成したベクトルを、収集時点での該ユーザの嗜好ベクトルとする過程と、
   前記ユーザが情報を閲覧する直前の嗜好ベクトルの各属性値の上昇度合を算出する過程と、
   前記各属性値の上昇度合を属性値とするベクトルを、前記ユーザが情報を閲覧する時点での嗜好ベクトルとして更新する過程と、
   からなる請求項２記載の個人化広告の提供方法。
4. コンピュータ上で構造化文書のページの一部をスクラップしたり、ページ全体をブックマークすることで、ユーザから指定された文書を登録するシステムにおける個人化広告提供プログラムであって、
   ユーザから指定された文書を、該文書の特徴を示す複数の属性値によるベクトルで記述するステップと、
   前記ユーザから指定された文書群のベクトルを合成したベクトルを、該ユーザの嗜好を示すベクトルとして計算するステップと、
   提示候補である広告を、該広告の特徴を示す複数の属性値によるベクトルで記述するステップと、
   前記ユーザの嗜好を示すベクトルと前記広告の特徴を示すベクトルの類似度を計算するステップと、
   前記類似度が高い広告を優先的に提示するステップと、
   をコンピュータ上で実行することを特徴とする個人化広告提供プログラム。
5. 前記ユーザから指定された文書にテキストが存在する場合や、前記広告の特徴を表現したテキストが存在する場合に、
   前記指定された文書内のテキスト、あるいは、前記広告の特徴を表現したテキスト中の重要な単語を抽出するステップと、
   抽出された単語を、前記指定された文書あるいは、前記広告の特徴を示すベクトルの属性とするステップと、
   前記抽出された単語の存在を示す２値情報や、出現頻度を属性値として持つベクトルを、前記指定された文書あるいは、広告の特徴ベクトルとするステップと、
   をコンピュータ上で実行する請求項４記載の個人化広告提供プログラム。
6. 前記指定された文書を更新する際に、
   前記指定された文書を定期的に収集するステップと、
   収集した時点での指定された文書から重要単語を抽出し、該重要単語の存在を示す２値情報や出現頻度を属性値として持つ文書ベクトルとして記憶手段に蓄積するステップと、
   前記ユーザから指定されている文書群の収集時点での文書ベクトルを合成したベクトルを、収集時点での該ユーザの嗜好ベクトルとするステップと、
   前記ユーザが情報を閲覧する直前の嗜好ベクトルの各属性値の上昇度合を算出するステップと、
   前記各属性値の上昇度合を属性値とするベクトルを、前記ユーザが情報を閲覧する時点での嗜好ベクトルとして更新するステップと、
   をコンピュータ上で実行する請求項５記載の個人化広告提供プログラム。
7. コンピュータ上で構造化文書のページの一部をスクラップしたり、ページ全体をブックマークすることで、ユーザから指定された文書を登録するシステムにおける個人化広告提供プログラムを格納した記憶媒体であって、前記ユーザから指定された文書を、該文書の特徴を示す複数の属性値によるベクトルで記述するステップと、
   前記ユーザから指定された文書群のベクトルを合成したベクトルを、該ユーザの嗜好を示すベクトルとして計算するステップと、
   提示候補である広告を、該広告の特徴を示す複数の属性値によるベクトルで記述するステップと、
   前記ユーザの嗜好を示すベクトルと前記広告の特徴を示すベクトルの類似度を計算するステップと、
   類似度が高い広告を優先的に提示するステップと、
   を有することを特徴とする個人化広告提供プログラムを格納した記憶媒体。
8. 前記ユーザから指定された文書にテキストが存在する場合や、前記広告の特徴を表現したテキストが存在する場合に、
   前記指定された文書内のテキスト、あるいは、前記広告の特徴を表現したテキスト中の重要な単語を抽出するステップと、
   抽出された単語を、前記指定された文書あるいは、前記広告の特徴を示すベクトルの属性とするステップと、
   前記抽出された単語の存在を示す２値情報や、出現頻度を属性値として持つベクトルを、前記指定された文書あるいは、広告の特徴ベクトルとするステップと、
   を有する請求項７記載の個人化広告提供プログラムを格納した記憶媒体。
9. 前記指定された文書を更新する際に、
   前記指定された文書を定期的に収集するステップと、
   収集した時点での指定された文書から重要単語を抽出し、該重要単語の存在を示す２値情報や出現頻度を属性値として持つ文書ベクトルとして記憶手段に蓄積するステップと、
   前記ユーザから指定された文書群の収集時点での文書ベクトルを合成したベクトルを、収集時点での該ユーザの嗜好ベクトルとするステップと、
   前記ユーザが情報を閲覧する直前の嗜好ベクトルの各属性値の上昇度合を算出するステップと、
   前記各属性値の上昇度合を属性値とするベクトルを、前記ユーザが情報を閲覧する時点での嗜好ベクトルとして更新するステップと、
   を有する請求項８記載の個人化広告提供プログラムを格納した記憶媒体。

Images