JP2007249306A - 情報配信システム、情報配信方法及びプログラム - Google Patents

Abstract

【課題】煩わしい事前登録を要せずに、刻々と変化するユーザの興味に応じた広告等の情報を配信すること。
【解決手段】複数カテゴリーの情報のうちユーザの指定に係るカテゴリーの情報を配信するカテゴリー情報取得部５４及び返信部５８と、前記ユーザのカテゴリーの指定履歴を取得するカテゴリー履歴管理部４０と、前記ユーザのカテゴリーの指定履歴に基づいて、前記ユーザの指定に係るカテゴリーを予測するマルコフモデルエンジン部４２と、予測されるカテゴリーに応じた広告を配信する広告取得部５０及び返信部５８と、を含むことを特徴とする。
【選択図】図７

Description

本発明は情報配信システム、情報配信方法及びプログラムに関し、特に広告等の情報を適切に選択して配信する情報配信システム、情報配信方法及びプログラムに関する。

インターネットの普及により、広告媒体としてのインターネットの重要性が増しており、ホームページ上に固定された広告の画像を付加するだけでなく、年齢や性別などのユーザ属性に応じて適切な広告を選択し、その画像ユーザに配信するシステムも既に提案されている。

しかしながら、年齢や性別などのユーザ属性を取得するために、ユーザに事前にユーザ登録を強いるのでは、こうしたシステムの利用促進が望めない。また、ホームページの閲覧中、ユーザの興味は刻々と変化するが、上記従来のシステムではユーザ属性に応じた広告の画像を配信するのみであり、そのような刻々と変化するユーザの興味に応じた広告を配信することはできなかった。

本発明は上記課題に鑑みてなされたものであって、煩わしい事前登録を要せずに、刻々と変化するユーザの興味に応じた広告等の情報を配信することができる情報配信システム、情報配信方法及びプログラムを提供することにある。

上記課題を解決するために、本発明に係る情報配信システムは、複数カテゴリーの情報のうちユーザの指定に係るカテゴリーの情報を配信する指定カテゴリー情報配信手段と、前記ユーザのカテゴリーの指定履歴を取得するカテゴリー指定履歴取得手段と、前記ユーザのカテゴリーの指定履歴に基づいて、前記ユーザの指定に係るカテゴリーを予測する指定カテゴリー予測手段と、前記指定カテゴリー予測手段により予測されるカテゴリーに応じた情報を配信する予測カテゴリー情報配信手段と、を含むことを特徴とする。

また、本発明に係る情報配信方法は、複数カテゴリーの情報のうちユーザの指定に係るカテゴリーの情報を配信する指定カテゴリー情報配信ステップと、前記ユーザのカテゴリーの指定履歴を取得するカテゴリー指定履歴取得ステップと、前記ユーザのカテゴリーの指定履歴に基づいて、前記ユーザの指定に係るカテゴリーを予測する指定カテゴリー予測ステップと、前記指定カテゴリー予測ステップで予測されるカテゴリーに応じた情報を配信する予測カテゴリー情報配信ステップと、を含むことを特徴とする。

また、本発明に係るプログラムは、複数カテゴリーの情報のうちユーザの指定に係るカテゴリーの情報を配信する指定カテゴリー情報配信手段、前記ユーザのカテゴリーの指定履歴を取得するカテゴリー指定履歴取得手段、前記ユーザのカテゴリーの指定履歴に基づいて、前記ユーザの指定に係るカテゴリーを予測する指定カテゴリー予測手段、及び前記指定カテゴリー予測手段により予測されるカテゴリーに応じた情報を配信する予測カテゴリー情報配信手段としてコンピュータを機能させるためのプログラムである。

本発明では、ユーザの指定に係るカテゴリーの情報（指定カテゴリー情報）が配信される。また、ユーザのカテゴリーの指定履歴が取得される。そして、この指定履歴に基づいて、ユーザの指定に係るカテゴリーが予測され、予測されるカテゴリーに応じた情報（予測カテゴリー情報）が配信される。本発明によれば、複数のカテゴリーからユーザが所望のカテゴリーを順次指定し、それらのカテゴリーの情報配信を受けると、その指定履歴に応じた情報も配信される。このため、ユーザ属性等の煩わしい事前登録を要せずに、刻々と変化するユーザの興味に応じた情報を配信することができる。

本発明の一態様では、前記指定カテゴリー予測手段は、前記ユーザのカテゴリーの指定履歴に基づいて、前記各カテゴリーの指定の次に前記各カテゴリーが指定される確率を示す状態遷移確率行列を推定する状態遷移確率行列推定手段を含む。この場合、前記状態遷移確率行列推定手段は、前記状態遷移確率行列を、予め複数用意された代表状態遷移確率行列の線形和により算出し、前記ユーザのカテゴリーの指定履歴に示される、前記各カテゴリーの指定の次に前記各カテゴリーが指定された回数に基づいて、前記状態遷移確率行列を仮生成するとともに、該仮生成される前記状態遷移確率行列に基づいて、前記線形和の係数を決定するようにしてもよい。こうすれば、予め複数用意された代表状態遷移確率行列を用いて状態遷移確率行列を推定するので、ユーザのカテゴリーの指定履歴が少数であっても、確からしく状態遷移確率行列を推定できる。

以下、本発明の一実施形態について図面に基づき詳細に説明する。

図１は、本発明の一実施形態に係る情報配信システムのネットワーク構成を示す図である。同図に示すように、この情報配信システム１０はインターネット等の通信ネットワーク１２に接続されたポータルサーバ（情報配信装置）１４、複数の企業サーバ１６、複数のユーザ装置１８を含んで構成されており、相互にデータ通信を行うことができるようになっている。ポータルサーバ１４及び企業サーバ１６は、例えば公知のサーバコンピュータ等のコンピュータにより構成されており、ユーザ装置１８は、例えばパーソナルコンピュータ、携帯電話機、携帯情報端末等のコンピュータにより構成されている。

図２は、ユーザ装置１８のディスプレイに表示される情報画面の一例を示している。同図に示すように、情報画面にはポータルサーバ１４から配信される情報を表示するポータルサイト用ウィンドウ２２と、企業サーバ１６から配信される情報を表示する企業サイト用ウィンドウ２４と、が表示されており、このうちポータルサイト用ウィンドウ２２には、広告画像を表示する広告画像表示領域２６、配信情報のカテゴリーを指定するためのカテゴリーボタン２８ａ〜２８ｄを表示するカテゴリーボタン表示領域２８、ユーザの指定に係る情報を表示する指定情報表示領域３０が設けられている。ユーザは、ユーザ装置１８に備えられたマウス等のポインティングデバイスによりカテゴリーボタン２８ａ〜２８ｄのいずれかをクリックすることにより、配信情報のカテゴリーを指定すると、そのカテゴリーに対応する情報がポータルサーバ１４から配信され、その内容が指定情報表示領域３０に表示されるようになっている。また、ポータルサイト用ウィンドウ２２の上部に設けられた広告画像表示領域２６に表示された広告画像をクリックすることにより、その広告画像に関連する企業のホームページが企業サーバ１６のいずれかから送信され、その内容が企業サイト用ウィンドウ２４に表示されるようになっている。

図３は、情報配信システム１０におけるユーザ装置１８、ポータルサーバ１４、及び企業サーバ１６間の通信手順を示す通信シーケンス図である。同図に示すように、ポータルサイト用ウィンドウ２２の内容を表示するためには、まずユーザ装置１８にてユーザが配信情報のカテゴリーを指定するのに応じて（Ｓ１０１）、ユーザ装置１８からユーザＩＤ及びカテゴリーＩＤがポータルサーバ１４に送信される（Ｓ１０２）。ユーザＩＤは、情報配信システム１０のユーザを識別する情報であり、予め各ユーザに付与されているものである。カテゴリーＩＤは、カテゴリーボタン２８ａ〜２８ｄにそれぞれ対応する４つのカテゴリーを識別する番号（ここでは１〜４）である。ポータルサイト用ウィンドウ２２に表示される情報は、具体的にはＨＴＭＬ（HyperText Markup Language）により記述されており、各カテゴリーボタン２８ａ〜２８ｄに関連づけられたカテゴリーＩＤを含んでいる。そして、ユーザ装置１８がカテゴリーボタン２８ａ〜２８ｄのいずれかをクリックすると、そのボタンに関連づけられたカテゴリーＩＤがユーザＩＤとともにポータルサーバ１４に送信されるようになっている。

ポータルサーバ１４では、ユーザＩＤに関連づけて、該ユーザＩＤと共にユーザ装置１８から送信されたカテゴリーＩＤの指定履歴を記憶しており、ユーザ装置１８から送信されたユーザＩＤに関連づけられたカテゴリーＩＤの指定履歴を取得し、これにユーザ装置１８から送信されたカテゴリーＩＤを付加することにより、カテゴリーＩＤの最新の指定履歴を取得するようにしている（Ｓ１０３）。そして、この指定履歴に基づいて、ポータルサーバ１４はユーザが次に指定するカテゴリーを予測し、このカテゴリーに関連づけられた広告画像を取得する。そして、取得した広告画像を広告画像表示領域２６に配するとともに、ユーザ装置１８から送信されてきたカテゴリーＩＤに関連づけられた情報を指定情報表示領域３０に配した情報（広告付き配信情報）を生成し（Ｓ１０４）、これをユーザ装置１８に返信する（Ｓ１０５）。この情報には、広告画像に関連づけて、該広告画像に係る企業サーバ１６のホームページのアドレス（ＵＲＬ；Uniform Resource Locator）が含まれる。また、カテゴリーボタン２８ａ〜２８ｄのそれぞれに関連づけて、そのボタンのカテゴリーを識別するカテゴリーＩＤが含まれる。

ユーザ装置１８では、ポータルサーバ１４から返信される情報を解釈し、ポータルサイト用ウィンドウ２２にその内容を表示する。ユーザがポインティングデバイスによりカテゴリーボタン２８ａ〜２８ｄのいずれかをクリックすると（Ｓ１０６）、上述のようにして、再度新たに指定したカテゴリーに応じた情報が返信される（Ｓ１０７〜Ｓ１１０）。一方、ユーザがポインティングデバイスにより広告画像をクリックすると（Ｓ１１１）、該広告画像に関連づけられたアドレスの企業サーバ１６に対して、ユーザ装置１８から情報配信要求がなされる（Ｓ１１２）。企業サーバ１６では、これに応じて企業ホームページ等の情報を返信し（Ｓ１１３）、ユーザ装置１８ではこの返信された情報を表示する。

情報配信システム１０によれば、ユーザにカテゴリーボタン２８ａ〜２８ｄをクリックさせ、配信情報のカテゴリーを指定させるようにしている。これにより、ユーザは所望のカテゴリーの情報を指定情報表示領域３０に表示させることができる。また、カテゴリーボタン２８ａ〜２８ｄを用いてユーザが指定したカテゴリーの指定履歴がポータルサーバ１４に記憶されるようになっており、この指定履歴に基づいてユーザが次に指定するカテゴリーが予測されるようになっている。そして、この予測されたカテゴリーに対応する広告画像がユーザ装置１８に送信されるようになっている。このため、刻々と変化するユーザの興味に応じた広告を配信することができる。

以下、ユーザが指定するカテゴリーを予測する手法について詳細に説明する。

ユーザが次に指定するカテゴリーは、それまでにユーザが指定したカテゴリー、すなわちユーザがそれまでに閲覧した情報に影響を受ける。これをマルコフ過程と捉えると、カテゴリー間の遷移は、図４のように表される。同図において、１〜４の数字が内部に描かれた円形はそれぞれユーザにより指定されるカテゴリーを示しており、内部の数字はカテゴリーＩＤを示している。また、ａ_ｉｊは、最後に指定されたカテゴリーのカテゴリーＩＤがｉである場合に、次に指定されるカテゴリーＩＤがｊである確率である（ｉ，ｊ＝１〜４）。

本実施形態では、このａ_ｉｊを要素とする行列Ａ、すなわち状態遷移確率行列Ａを推定するとともに、最後にユーザにより指定されたカテゴリーの次に指定される確率が最も高いカテゴリーを、ユーザが次に指定するカテゴリーであると推定するようにしている。また、ユーザから十分な量のカテゴリーの指定履歴を入手するのは必ずしも容易でないから、状態遷移確率行列を精度良く推定するために、事前に多数のモニターにポータルサーバ１４にアクセスさせ、彼らが指定するカテゴリーの指定履歴を取得して、それらを推定処理に用いている。

すなわち、図５に示すように、ユーザが指定するカテゴリーを予測するために、事前に多数のユーザ（モニター）にポータルサーバ１４にアクセスさせ、彼らが指定するカテゴリーの指定履歴を取得する（Ｓ２０１）。そして、そのカテゴリーの指定履歴から複数の代表的なマルコフモデル（代表マルコフモデル））、すなわち代表的な状態遷移確率行列（代表状態遷移確率行列）を算出する（Ｓ２０２）。その後、実際にユーザがポータルサーバ１４にアクセスしてきた場合に、そのユーザが指定するカテゴリーの指定履歴を取得する（Ｓ２０３）。そして、この指定履歴から状態遷移確率行列を仮生成する（Ｓ２０４）。さらに、この仮生成された状態遷移確率行列と各代表状態遷移確率行列との類似度を算出して、この類似度に応じた係数により各代表状態遷移確率行列の線形和を求めて、これをユーザのマルコフモデル（ユーザマルコフモデル）の状態遷移確率行列として推定する（Ｓ２０５）。その後、Ｓ２０５で推定された状態遷移確率行列において、最後にユーザに指定されたカテゴリーの次に指定される確率が最も高いとされるカテゴリーを選択し、これを次に指定されるカテゴリーとする（Ｓ２０６）。

ここで、上記のＳ２０２において代表状態遷移確率行列を算出する手法について説明する。まず、各ユーザについて、次式（１）に示される状態遷移行列Ｔを用意する。ここで、Ｔ_ｉｊは、カテゴリーの指定履歴における、カテゴリーＩＤがｉであるカテゴリーの次にカテゴリーＩＤがｊであるカテゴリーを指定した回数である。

さらに、Ｓ２０１で取得される各ユーザ（モニター）が指定したカテゴリーの指定履歴を用いて、状態遷移行列Ｔの各要素を決定する。すなわち、ユーザのカテゴリーの指定履歴が、下記のようにユーザが指定したカテゴリーのカテゴリーＩＤを順に記したものである場合、履歴の先頭から連続する２つの数値を順に取得し、その数値の並びから状態遷移行列Ｔの各要素を更新する。すなわち、取得される２つの数字がｍ，ｎであれば、行列要素Ｔ_ｍ，ｎを１だけインクリメントする。

そして、この処理を履歴の最後まで繰り返すことにより、各ユーザ（モニター）について、状態遷移行列Ｔを求める。次式（２）は、状態遷移行列Ｔの一例を示している。

その後、この状態遷移行列Ｔから状態遷移確率行列Ａを算出する。ここでは、状態遷移行列Ｔにおける各列の要素を合計した値でその列の要素を除算することで、状態遷移確率行列Ａを算出している。式（２）の状態遷移行列Ｔに対応する状態遷移確率行列Ａを次式（３）に示す。

このようにして状態遷移確率行列Ａを算出するのは、次の理由による。すなわち、いま、時刻０から時刻Ｔまでの状態遷移の履歴をｓ_０，ｓ_１，…，ｓ_Ｔとする。ｓ_ｔは時刻ｔで指定されたカテゴリーのカテゴリーＩＤである。ｍを全カテゴリー数、ｓ_ｔ−１＝ｉからｓ_ｔ＝ｊへの遷移の回数をｎ_ｉ，ｊとすると、履歴がｓ_０，ｓ_１，…，ｓ_Ｔとなる確率は、次式（４）により表される。但し、初期状態は与えられているものとする。

遷移確率ａ_ｉｊ（ｉ＝１〜ｍ；ｊ＝１〜ｍ）は未知であるので、ｎ_ｉｊ（ｉ＝１〜ｍ；ｊ＝１〜ｍ）が与えられても、この確率は計算できない。しかし、式（４）を用いれば、以下のようにａ_ｉｊの推定値を求めることができる。

式（４）を未知パラメータａ_ｉｊ（ｉ＝１〜ｍ；ｊ＝１〜ｍ）の関数とみて、Ｌ（ａ_１１，ａ_１２，…，ａ_ｍｍ）と書く。この関数を尤度関数と呼び、遷移確率の値がａ_ｉｊであることの尤もらしさを表している。この尤度関数の値を最大にするａ_ｉｊの値は、未知遷移確率ａ_ｉｊの最尤推定値と呼ばれる。

最尤推定値を具体的に求めてみる。Ｌが最大の場合にはＬｏｇＬも最大になるので、次式（５）を最大にするａ_ｉｊを求めればよい。

但し、この場合、ａ_ｉ，ｊは確率値であるから、負ではなく、且つａ_ｉ１〜ａ_ｉｍまでの和が１になるという条件を満たしていなければならない。これは制約条件付き最大値問題であり、ラグランジュの未定乗数法を用いて解くことができる。ラグランジュ関数Ｆは、λ_ｉ（ｉ＝１〜ｍ）をラグランジュ乗数とすると、次式（６）のように表される。

但し、この段階ではａ_ｉｊが正であるという条件を考慮しないでおく。ＬｏｇＬを最大にするａ_ｉｊは、Ｆをａ_ｉｊで偏微分し、それを０とおいた連立方程式を解いて求めることができる。ここで、Ｆをａ_ｉｊで微分すると次式（７）のようになる。

式（７）において右辺を０とおくと、次式（８）が得られる。

この式（８）を、ａ_ｉ１〜ａ_ｉｍまでの和が１になるという条件式に代入すると、次式（９）が得られる。

従って、λ_ｉ＝−ｎ_ｉと求められる。ここで、ｎ_ｉは次式（１０）により表される。

従って、未知遷移確率ａ_ｉｊの最尤推定値は次式（１１）のようになる。この値は、カテゴリーＩＤがｉであるカテゴリーが指定された回数に対する、その次にカテゴリーＩＤがｊであるカテゴリーが指定された回数の割合を示しており、我々の直感ともよく一致する。

以上のようにして各ユーザ（モニター）について状態遷移確率行列Ａを推定すると、図６のようにして、それを行列空間にマッピングし、複数の代表的な状態遷移確率行列Ｒ_ｋ（ｋ＝１〜ｎ）を求める。同図では白丸が各ユーザの状態遷移確率行列Ａを示し、黒丸が代表状態遷移確率行列Ｒ_ｋを示している。代表状態遷移確率行列Ｒ_ｋを求めるには、たとえば、ｋＭＥＲ（カーネルベース最大エントロピ学習規則）により各状態遷移確率行列Ａをｋ個にグループ分けして、各グループで状態遷移確率行列Ａの重心を求め、それらを代表状態遷移確率行列Ｒ_ｋ（ｋ＝１〜ｎ）としてもよい。或いは、多変量解析の手法により、代表状態遷移確率行列Ｒ_ｋ（ｋ＝１〜ｎ）を求めてもよい。

本実施形態では、ユーザが実際にポータルサーバ１４にアクセスしてきた場合に、ポータルサーバ１４ではユーザのカテゴリーの指定履歴を取得して、この指定履歴から式（２）の状態遷移行列Ｔを求めるとともに、式（３）の状態遷移確率行列Ａを仮生成する。状態遷移行列Ｔ及び状態遷移確率行列Ａの生成手順は上記と同様である。さらに、この仮生成された状態遷移確率行列Ａから、状態遷移確率行列Ａの推定値である推定状態遷移確率行列Ａ’を算出する。具体的には、仮生成された状態遷移確率行列Ａと、上記のようにして求められた各代表状態遷移確率行列Ｒ_ｋ（ｋ＝１〜ｎ）との類似度ｗ_ｋを、次式（１２）により算出する。ｄは、定数である。

ここで、右辺のノルムは状態遷移確率行列Ａと代表状態遷移確率行列Ｒ_ｋとの行列空間における距離であり、次式（１３）に従って算出される。Ｘ_ｉｊは行列Ｘのｉｊ要素である。

そして、この類似度ｗ_ｋを線形和の係数として、各代表状態遷移確率行列Ｒ_ｋを線形加算することにより、推定状態遷移確率行列Ａ’を算出する。すなわち、推定状態遷移確率行列Ａ’は次式（１４）により求められる。

ポータルサーバ１４では、ユーザのカテゴリーの履歴から、この推定状態遷移確率行列Ａ’を算出するとともに、該推定状態遷移確率行列Ａ’から、最後に指定されたカテゴリーの次に指定される確率が最も高いカテゴリーのカテゴリーＩＤを求め、このカテゴリーＩＤに関連づけられた広告画像をユーザ装置１８に返信する。

ここで、ポータルサーバ１４の構成について説明する。図７は、ポータルサーバ１４の機能ブロック図であり、同図に示すように、ポータルサーバ１４は、カテゴリー履歴管理部４０、マルコフモデルエンジン部４２、広告記憶部４８、広告取得部５０、カテゴリー情報取得部５４、カテゴリー情報記憶部５６、合成部５２及び返信部５８を含んで構成されている。これらの機能は、コンピュータであるポータルサーバ１４で所定のプログラムが実行されることにより実現されるものである。

カテゴリー履歴管理部４０は、ユーザＩＤに関連づけて、該ユーザＩＤとともにユーザ装置１８から送信されてきたカテゴリーＩＤの履歴（カテゴリーの指定履歴）を記憶するものである。そして、ユーザ装置１８から送信されるユーザＩＤ及びカテゴリーＩＤが入力されると、履歴を更新するとともに、最新の履歴をマルコフモデルエンジン部４２に供給する。

マルコフモデルエンジン部４２は、仮状態遷移確率行列算出部４４及び状態遷移確率行列推定部４６を含んで構成されており、仮状態遷移確率行列算出部４４は、カテゴリー履歴管理部４０から供給される最新の履歴に基づき、状態遷移行列Ｔを算出するとともに、状態遷移確率行列Ａを仮生成し、該状態遷移確率行列Ａを後段の状態遷移確率行列推定部４６に供給する。状態遷移確率行列推定部４６は、上述のようにして求められた代表状態遷移確率行列Ｒ_ｋ（ｋ＝１〜ｎ）を記憶しており、仮状態遷移確率行列算出部４４から供給される状態遷移確率行列Ａと各代表状態遷移確率行列Ｒ_ｋとの類似度ｗ_ｋを算出し、この類似度ｗ_ｋ（ｋ＝１〜ｎ）を用いて、代表状態遷移確率行列Ｒ_ｋを線形加算し、これにより推定状態遷移確率行列Ａ’を算出する。

広告記憶部４８では、カテゴリーＩＤに関連づけて、１又は複数の広告画像及び該広告画像に関連する企業サーバ１６のアドレスを記憶している。

広告取得部５０では、状態遷移確率行列推定部４６から供給される推定状態遷移確率行列Ａ’を参照して、最後に指定されたカテゴリーの次に指定される確率が最も高いカテゴリーを判断し、このカテゴリーのカテゴリーＩＤに関連づけて広告記憶部４８に記憶されている広告画像及びアドレスを読み出す。

カテゴリー情報記憶部５６は、カテゴリーＩＤに関連づけて、該カテゴリーＩＤにより識別されるカテゴリーの情報を記憶している。ユーザ装置１８がポータルサーバ１４にアクセスしたことで検出されたカテゴリーＩＤは、カテゴリー情報取得部５４にも供給されており、該カテゴリー情報取得部５４は、受け取ったカテゴリーＩＤに関連づけてカテゴリー情報記憶部５６に記憶されている情報を読み出す。合成部５２では、カテゴリー情報取得部５４が読み出した情報を指定情報表示領域３０に配置するとともに、広告取得部５０が読み出した広告画像を広告画像表示領域２６に配置して、配信情報を生成する。この際、配信情報には広告取得部５０が読み出したアドレスも含まれ、さらにカテゴリーボタン２８ａ〜２８ｄも含まれる。返信部５８は、こうして合成部５２により合成された配信情報を、元のユーザ装置１８に通信ネットワーク１２を介して返信するものである。

なお、合成部５２において、カテゴリー情報取得部５４が読み出した情報や広告取得部５０が読み出した広告画像のレイアウトを示す情報を生成するとともに、該情報を返信部５８によりユーザ装置１８に返信し、指定されたカテゴリーの情報や広告画像は、別途ユーザ装置１８が直接ダウンロードするようにしてもよいのはもちろんである。

以上説明した情報配信システム１０によれば、複数のカテゴリーからユーザが所望のカテゴリーを順次指定し、それらのカテゴリーの情報配信を受けると、その指定履歴に応じた広告画像が配信される。このため、ユーザ属性等の煩わしい事前登録を要せずに、刻々と変化するユーザの興味に応じた情報を配信することができる。

なお、以上の説明では、簡単のためにユーザが指定するカテゴリーは直前に指定されたカテゴリーにのみ影響を受ける、単純マルコフモデルを前提としたが、それ以前に指定されたカテゴリーに影響を受ける、ｍ重マルコフモデルを前提として、これをカテゴリーの指定履歴から推定してよいのはもちろんである。

また、ここではポータルサーバ１４において本発明に係る処理の全てを行うようにしたが、その一部又は全部を他の一又は複数のサーバで行うようにしてもよい。

本発明の実施形態に係る情報配信システムのネットワーク構成を示す図である。 ユーザ装置で表示される広告付き配信情報の閲覧画面の一例を示す図である。 本発明の実施形態に係る情報配信システムにおける通信シーケンス図である。 本発明の実施形態に係る情報配信システムにおいて管理されるマルコフモデルを模式的に示す図である。 ユーザの指定に係るカテゴリーを予測する手順を示すフロー図である。 状態遷移確率行列空間を模式的に示す図である。 本発明の実施形態に係る情報配信システムのポータルサーバ（情報配信装置）の機能ブロック図である。

符号の説明

１０ 情報配信システム、１２ 通信ネットワーク、１４ ポータルサーバ（情報配信装置）、１６ 企業サーバ、１８ ユーザ装置、２０ 表示画面、２２ ポータルサイト用ウィンドウ、２４ 企業サイト用ウィンドウ、２６ 広告画像表示領域、２８ カテゴリーボタン表示領域、３０ 指定情報表示領域、４０ カテゴリー履歴管理部、４２ マルコフモデルエンジン部、４４ 仮状態遷移確率行列算出部、４６ 状態遷移確率行列推定部、４８ 広告記憶部、５０ 広告取得部、５２ 合成部、５４ カテゴリー情報取得部、５６ カテゴリー情報記憶部、５８ 返信部。

Claims (5)

1. 複数カテゴリーの情報のうちユーザの指定に係るカテゴリーの情報を配信する指定カテゴリー情報配信手段と、
   前記ユーザのカテゴリーの指定履歴を取得するカテゴリー指定履歴取得手段と、
   前記ユーザのカテゴリーの指定履歴に基づいて、前記ユーザの指定に係るカテゴリーを予測する指定カテゴリー予測手段と、
   前記指定カテゴリー予測手段により予測されるカテゴリーに応じた情報を配信する予測カテゴリー情報配信手段と、
   を含むことを特徴とする情報配信システム。
2. 請求項１に記載の情報配信システムにおいて、
   前記指定カテゴリー予測手段は、前記ユーザのカテゴリーの指定履歴に基づいて、前記各カテゴリーの指定の次に前記各カテゴリーが指定される確率を示す状態遷移確率行列を推定する状態遷移確率行列推定手段を含む、
   ことを特徴とする情報配信システム。
3. 請求項２に記載の情報配信システムにおいて、
   前記状態遷移確率行列推定手段は、
   前記状態遷移確率行列を、予め複数用意された代表状態遷移確率行列の線形和により算出し、前記ユーザのカテゴリーの指定履歴に示される、前記各カテゴリーの指定の次に前記各カテゴリーが指定された回数に基づいて、前記状態遷移確率行列を仮生成するとともに、該仮生成される前記状態遷移確率行列に基づいて、前記線形和の係数を決定する、
   ことを特徴とする情報配信システム。
4. 複数カテゴリーの情報のうちユーザの指定に係るカテゴリーの情報を配信する指定カテゴリー情報配信ステップと、
   前記ユーザのカテゴリーの指定履歴を取得するカテゴリー指定履歴取得ステップと、
   前記ユーザのカテゴリーの指定履歴に基づいて、前記ユーザの指定に係るカテゴリーを予測する指定カテゴリー予測ステップと、
   前記指定カテゴリー予測ステップで予測されるカテゴリーに応じた情報を配信する予測カテゴリー情報配信ステップと、
   を含むことを特徴とする情報配信方法。
5. 複数カテゴリーの情報のうちユーザの指定に係るカテゴリーの情報を配信する指定カテゴリー情報配信手段、
   前記ユーザのカテゴリーの指定履歴を取得するカテゴリー指定履歴取得手段、
   前記ユーザのカテゴリーの指定履歴に基づいて、前記ユーザの指定に係るカテゴリーを予測する指定カテゴリー予測手段、及び
   前記指定カテゴリー予測手段により予測されるカテゴリーに応じた情報を配信する予測カテゴリー情報配信手段
   としてコンピュータを機能させるためのプログラム。
   

Images