JP2011028596A - 広告表示方法 - Google Patents

Abstract

【課題】ターゲットに最適にアプローチ可能な広告の表示方法を提供する。
【解決手段】広告に割り当てられたキーワードについての素性のスコアを生成するステップと、前記キーワードに対応する共起語についての素性のスコアを生成するステップと、前記「キーワードについての、素性のスコア」及び前記「共起語についての、素性のスコア」から評価値を生成するステップと、前記評価値を有界化し、補正評価値を生成するステップと、記憶されている全ての前記キーワードについての補正評価値の和をとり合計評価値を生成するステップと、前記補正評価値を前記合計評価値で徐することで、前記キーワードに対応する広告の表示確率を生成するステップと、前記表示確率に基づき広告を表示するステップとを含むことを特徴とする、広告表示方法。
【選択図】なし

Description

本発明は、広告表示方法に関する。

インターネットの普及に伴い、Webにおけるバナー広告の重要性が増大しており、近年では新聞広告やテレビ広告といったマスコミに対する広告（いわゆるマス広告）に匹敵する規模となっている。マス広告に対するWeb広告の特徴として、ターゲットに的確にアプローチできる点があげられる。その理由は、ユーザーの嗜好を分析し、それに適した広告を出し分けることができるからである。従来、広告を出し分ける方法としては、例えば、下記特許文献１では、検索エンジンにおける広告は、ユーザーが検索した言葉と同じキーワードを持つ広告を出すことが行われている（検索連動型広告）。また、ウェブページ上にバナー広告領域を用意し、当該ページに含まれる言葉からキーワードを抽出し、同じキーワードを持つ広告を表示することが行われている（コンテンツマッチ広告）。

特開２００８−１０２１７４

上記のような、キーワードにマッチするかどうかにおける広告は、広告提供者が定めたキーワードを含む時のみ表示され、たとえターゲットである人が検索をしても、広告提供者が定めたキーワードを含まないワードで検索した場合には、広告が表示されることはない。また、掲示板やミニブログなど、くだけた文章や短い文章が書きこまれるページでは適切なキーワードが入力されることが少なく、キーワードマッチ型の広告では最適な広告を表示することが難しい。さらに、より適切なターゲットに表示するような自動学習の仕組みは存在せず、ターゲットに最適にアプローチできているとは言い難い。

そこで、本発明は、ターゲットに最適にアプローチ可能な広告の表示方法を提供することを目的とする。

本発明の広告表示方法は、
広告に割り当てられたキーワードについての素性のスコアを生成するステップと、
前記キーワードに対応する共起語についての素性のスコアを生成するステップと、
前記「キーワードについての、素性のスコア」及び前記「共起語についての、素性のスコア」から評価値を生成するステップと、
前記評価値を有界化し、補正評価値を生成するステップと、
記憶されている全ての前記キーワードについての補正評価値の和をとり合計評価値を生成するステップと、
前記補正評価値を前記合計評価値で徐することで、前記キーワードに対応する広告の表示確率を生成するステップと、
前記表示確率に基づき広告を表示するステップと
を含むことを特徴とする。

このような構成により、本発明では、入力された文が必ずしも広告に割り当てられたキーワードと一致していなくても、キーワードと共起度の高い共起語が含まれていれば、その広告が表示される確率が高くなる。一方、文の中にキーワードと同一の形態素が含まれていたとしても、キーワードと共起度の低い共起語が多く含まれている場合には、そのキーワードとは関連性の低い文であると判断し、対応する広告の表示確率が低くなる。このようにすることによって、よりターゲットに近いユーザーに広告を表示することができ、またターゲットから遠いユーザーに表示されることが減るため、より効果の高い広告を表示することが可能となる。

本発明によれば、広告主が想定したキーワードを直接含まない文が入力されたとしても、文にそのキーワードと関連性の高い言葉が含まれていれば、その文を入力したユーザーが広告のターゲットである可能性が高いと判断され、広告が表示される確率があがる。例えば「アメリカ」というキーワードを指定していても「米国」と入力された文にその広告が表示される可能性がある。一方、例えば「旅行嫌い」と入力された場合、従来であれば「旅行」というキーワードがあるため旅行案内などの広告が表示されるが、これは全く無駄な広告となってしまう。逆に、「期末試験終わった」と入力された場合、休み期間に入るため旅行案内を表示する意味があるが、「期末試験」という言葉を旅行案内というキーワードとしていることは少ない。そこで、適切な重みを設定し、重みの値をユーザーアクションによって学習していくことにより、ユーザーのアクションすなわち広告クリック率が高いような広告を自動的に優先的に表示させることができるようになる。

本発明の好適な実施形態の一例に係る広告配信システム１００の全体構成を表すブロック図である。 広告配信システム１００を構成する各サーバーの機能ブロックを示す図である。 各サーバーの処理フローを示す図である。

本発明において、
前記広告に割り当てられたキーワードについてのスコアを生成するステップは、
ユーザー端末から入力された文章を形態素に分類するステップと、
文を入力したユーザーの属性群から任意の属性を取得するステップと、
広告にキーワードを割り当てるステップと、
前記形態素又は前記属性と前記キーワードをペアとし、素性とするステップと、
前記素性と同一コードを持つ「重み」の値を取得するステップと、
すべての組み合わせによって生成された前記素性に対応する前記重みの値を合計するステップと
により、「キーワードについての、素性のスコア」を生成する、という形態であってもよい。

このような構成によれば、ある一つのキーワードと入力された文の形態素一つ一つのペアについての素性が列挙され、対応するスコアが生成される。このようにすることによって、形態素とキーワードの関連性の強さが数値として評価できるようになる。

本発明において、
前記キーワードに対応する共起語についての素性のスコアを生成するステップは、
ユーザー端末から入力された文章を形態素に分類するステップと、
文を入力したユーザーの属性群から任意の属性を取得するステップと、
広告にキーワードを割り当てるステップと、
記憶された共起語群から任意の共起語を取得するステップと、
前記形態素又は前記属性と前記共起語をペアとし、素性とするステップと、
前記素性と同一コードを持つ「重み」の値を取得するステップと、
すべての組み合わせによって生成された前記素性に対応する前記重みの値を合計するステップ、
により、「共起語についての、素性のスコア」を生成する、という形態であってもよい。

このような構成によれば、前記形態と同様に、ある一つの共起語と入力された文の形態素一つ一つのペアについての素性が列挙され、対応するスコアが生成される。

このようにすることによって、形態素と共起語の関連性の強さが数値として評価できるようになる。

本発明において、
前記キーワードと、前記共起語との間の共起度を生成するステップは
下記数式（１）により求められる値を前記共起度としても良い。

（１）

前記数式（１）において、Ｘは前記キーワードであり、Ｙは前記共起語である。

このような構成によれば、任意の検索エンジンにおいて、Ｘ及びＹの両方の単語で検索したときにヒットする件数を、Ｘの単語で検索したときにヒットする件数とＹの単語で検索したときにヒットする件数の少ないほうで割ったときに出てくる値を共起度とすることができる。
なお、前記数式（１）により求められる値はシンプソン係数とよばれるが、ヒットする件数が少ない場合共起度が高く出てしまうというシンプソン係数の欠点を補うために、閾値を設けるなどの構成を追加することもできる。

こうすることによって、前記キーワードと前記共起語との相関関係の強さが数値によって評価される。

本発明において、
前記「前記「キーワードについての、素性のスコア」及び前記「共起語についての、素性のスコア」から評価値を生成するステップ」は
前記共起語それぞれについて、前記「共起語についての、素性のスコア」にその共起語についての素性パラメーターの積をとるステップと
前記「キーワードについての、素性のスコア」と、それぞれの前記共起語についての前記積の総和をとり、評価値とするステップ
により評価値を生成しても良い。また、この場合において、前記素性パラメーターを、前記共起語についての前記共起度としても良い。

このような構成によれば、前記キーワードと形態素の関係に加え、前記キーワードに相関関係がある前記共起語との関係も、その関係性の強さを表す前記共起度をかけることによって、適切な強さで加味することができる。

こうすることによって、入力された文が、ある広告に対してどの程度関係があるのかを評価することができる。

本発明において、
前記「前記評価値を有界化し、補正評価値を生成するステップ」は、
前記評価値をｅ、前記補正評価値をｆとして、ロジスティクス関数式（下記数式（２））を適用することにより求められる値を前記補正評価値としても良い。

（２）

こうすることによって、ばらつきのある評価値を有界化でき、より適切な前記広告表示確率を算出することができる。

本発明において、
前記「前記表示確率に基づき広告を表示するステップ」の後に、表示された広告がクリックされた場合に学習し、前記重みを更新しても良い。

こうすることによって、重みを自動的に更新することができ、より適切な前記広告表示確率を算出することができる。

本発明は、
前記「ユーザー端末から入力された文章を形態素に分類するステップ」において、生成された形態素と共起語群を比較した上で、共起語群に含まれていない形態素があった場合には、当該形態素を共起語群に追加しても良い。

こうすることによって、自動的に共起語群に含まれる共起語を増やすことができ、より正確な評価値を生成することが可能となる。

以下、本発明の実施形態についてさらに具体的に説明する。但し、これらはあくまでも例示であって、本発明の技術的範囲はこれらに限定されるものではない。

本発明の広告表示方法は、例えば、下記の全体処理フローにしたがって行うことができる。

［全体処理フロー］
ユーザー過去発言の形態素解析 （ステップＳＢ１）
↓
共起度生成（ステップＳＢ２）
↓
ユーザー属性を分類器により評価（ステップＳＢ３）
↓
評価値の補正（ステップＳＢ４）
↓
表示確率の算出（ステップＳＢ５）
↓
広告の表示（ステップＳＢ６）
↓
ユーザーが広告をクリック（ステップＳＢ７）→no → → ↓
↓yes
ユーザー属性、過去発言を分類器で学習（ステップＳＢ８） ↓
↓ ← ← ←
end

以下、前記全体処理フローについて説明する。すなわち、まず、ユーザー過去発言の形態素解析を行う（ステップＳＢ１）。解析された形態素及び、広告に与えられたキーワードから、共起語及び共起度を生成する（ステップＳＢ２）。次に、ユーザーから新たな発言があったとき、発言を形態素解析し、ユーザー属性、共起度、キーワードを用いて、分類器により発言を評価し評価値を生成する（ステップＳＢ３）。生成された評価値は、確率を算出するために有界化を行い、補正評価値を生成する（ステップＳＢ４）。生成された補正評価値をすべてのキーワードについて合計し、一つのキーワードについての補正評価値を割ることで表示確率を算出する（ステップＳＢ５）。それぞれのキーワードについての表示確率に基づき、表示する広告を選択し、画面に表示する（ステップＳＢ６）。表示後、ユーザーが広告をクリックしなければ、この後の学習は行わない（ステップＳＢ７のＮ）。広告をクリックしたとき（ステップＳＢ７のＹ）、クリックされた広告を正例とし、それ以外の広告を負例として分類器で学習する（ステップＳＢ８）。

［システム全体の概要］
次に、本発明の広告表示方法を実施するためのシステムの例について、図面を参照しながら説明する。

図１は、前記システムの好適な実施形態の一例に係る広告配信システム１００の全体構成を表すブロック図である。図示の通り、前記広告配信システム１００は、インターネット９０を介してユーザーの入力端末１０１及び検索エンジン１０２及び広告入力端末１０３と接続される。ユーザーの入力端末１０１、広告入力端末１０３は、携帯電話であってもＰＤＡであっても、ＰＣであっても、これ以外のインターネットに接続される端末であってもよい。また検索エンジン１０２は公知のものを用いてよい。図示の通り、広告配信システム１００は、広告サーバー１０、属性サーバー２０、形態素サーバー３０、共起サーバー４０、素性サーバー５０、評価値サーバー６０、広告選択サーバー７０、学習サーバー８０の各サーバーがネットワーク９１に接続されて構成されている。ネットワーク９１は、典型的には構内ネットワーク（ＬＡＮ）または広域ネットワーク（ＷＡＮ）であるが、インターネットであっても、専用回線による遠隔の通信網であってもよい。この広告配信システムの例は、上記の７つのサーバーで構成されているが、サーバーの物理的な構成はこれに限定されるものではない。

広告サーバー１０は、広告出稿者から受け取った広告及び広告に割り当てられるキーワードを関連づけて広告データベース１０ｄに保存する。キーワードは、リクエストがあった時に後述する共起サーバー４０又は後述する素性サーバー５０に送信される。またリクエストがあった時に後述する広告選択サーバー７０にキーワード及び広告データを送信する。

属性サーバー２０は、ユーザーが新たに登録されたときに、ユーザーが入力した属性情報（例えば、年齢、在住都道府県、職業など）を属性データベース２０ｄに記憶する。後述する素性サーバー５０からリクエストがあったときは、属性データベース２０ｄから属性データを送信する。

形態素サーバー３０は、入力端末１０１から入力された文を形態素に分解し、入力を行ったユーザーと関連付けた形で形態素データベース３０ｄに記憶する。生成された形態素は、後述する共起サーバー４０及び後述する素性サーバー５０に送信される。

共起サーバー４０は、共起語データベース４０ｄ及び共起度データベース４１ｄを有する。形態素サーバー３０から形態素データを受信したとき、広告サーバー１０からキーワードを要求し、共起語及び共起度を生成しデータベースに記憶する。共起度の生成には、インターネット９０で接続された検索エンジン１０２を用いる。共起語は、リクエストがあった時に後述する素性サーバー５０に送信される。共起度は、リクエストがあった時に後述する評価値サーバー６０に送信される。

素性サーバー５０は、素性を添え字とする重みを記憶している重みデータベース５０ｄ及び素性データベース５１ｄを有する。形態素サーバー３０から形態素を受信したとき、広告サーバー１０にキーワードを要求し、共起サーバー４０から共起語を要求し素性を作成し素性データベース５１ｄに記憶する。その素性と同一の添え字を持つ重みを重みデータベース５０ｄから抽出する。また、同時に属性サーバー２０及び形態素サーバー３０から素性を作成し素性データベース５１ｄに記憶する。その素性と同一の添え字を持つ重みを重みデータベース５０ｄから抽出する。抽出された重みは、後述する評価値サーバー６０に送信される。また、後述する学習サーバー８０から重みを受信した場合には重みデータベース５０ｄを更新する。

評価値サーバー６０は、素性サーバー５０から重みを受信する。受信したとき共起サーバー４０から共起度を要求し、共起度及び重みから評価値を生成する。さらに、評価値を有界化し、補正評価値を生成する。生成された補正評価値は評価値データベース６０ｄに記憶され、要求があるとき後述する広告選択サーバー７０に送信される。

広告選択サーバー７０は乱数ジェネレーター７０ｇを有する。広告選択サーバー７０は、評価値サーバー６０から送信された補正評価値から、それぞれのキーワードについて表示確率を生成する。乱数に基づき選択されたキーワードに対応する広告を広告サーバー１０に要求する。

学習サーバー８０は。広告のクリックを検出し、それに基づき新たな重みを生成し、生成した重みを素性サーバー５０に送信する。

以上、本システムのサーバー群とデータベース群の概略を示したが、これらの各サーバーとそれぞれのデータベースの組み合わせは一義的に固定されるものではなく、本広告配信システム１００においては、どのサーバーにどのデータベースを備えるかは柔軟に構成されてよい。

［各サーバーの機能ブロック・処理フロー］
図２は、広告配信システム１００を構成する各サーバーの機能ブロックを示す図である。図示の通り、広告サーバー１０は、広告主から新たな広告データ及びキーワードを受け付ける、キーワード受付部１１及び広告データ受付部１２を備える。また、要求があったときに共起サーバー４０及び共起サーバー５０に必要なキーワードを送信するキーワード送信部１３、要求があったときに広告選択サーバー７０に必要な広告データを送信する広告データ送信部１４を備える。

属性サーバー２０は、新規ユーザーがユーザー登録をしたときや、既存のユーザー属性を更新したときにユーザー属性を受け付ける属性受付部２１、要求があったときに必要な属性データを素性サーバー５０に送信する属性送信部２２を備える。

形態素サーバー３０は、ユーザーが入力した文を受け付ける文章受付部３１、受けた文章を形態素解析する形態素解析部３２、共起サーバー４０及び素性サーバー５０に形態素データを送信する形態素送信部３３を備える。

共起サーバー４０は、形態素サーバー３０から形態素を受信する形態素取得部４１、受信した形態素と共起語データベース４０ｄとの内容を照合し、受信した形態素のうち共起語データベース４０ｄに含まれないものをデータベースに追加する共起語照合部４２、新たな共起語が追加されたときや、広告データベース１０ｄに新たなキーワードが追加されたときにキーワードを受信するキーワード受信部４３、キーワードを受信したとき、まだ作られていない共起度を生成する共起度生成部４４、要求があったとき素性サーバー５０に共起語を送信し、要求があったとき評価値サーバー６０に共起度を送信する共起送信部４５を備える。

素性サーバー５０は、形態素サーバー３０から形態素を、広告サーバー１０からキーワードを、共起サーバー４０から共起語を、属性サーバー２０から属性を受信する要素受信部５１、受信した各要素から素性を生成する素性生成部５２、重みデータベース５０ｄから生成された素性に対応する重みを選択する重み選択部５３、選択された重みを送信する重み送信部５４、学習サーバー８０から重みを受信する重み受信部５５を備える。

評価値サーバー６０は、素性サーバー５０から送信される重みを受信する重み受信部６１、共起サーバー４０から共起度を受信する共起受信部６２、受信した重み及び共起度から評価値を生成する評価値生成部６３、評価値を補正評価値に補正する補正評価値生成部６４、補正評価値を広告選択サーバー７０に送信する補正評価値送信部６５を備える。

広告選択サーバー７０は、評価値サーバー６０から補正評価値を受信する補正評価値受信部７１、補正評価値から各キーワードの表示確率を生成する表示確率生成部７２、生成された表示確率及び乱数からキーワードを選択する広告選択部７３、キーワード及び選択されたキーワードに係る広告を広告サーバー１０から受信する広告データ受信部７４を備える。また、０から１までの乱数を生成する乱数ジェネレーター７０ｇを備える。

学習サーバー８０はクリック検出部８１、素性受信部８２、重み生成部８３を備える。クリック検出部８１によって広告のクリックを検出し、このとき素性受信部８２で素性サーバー５０から素性を受信する。その後重み生成部８３で新たな重みを生成し、生成した重みを素性サーバー５０に送信する。

以上、サーバー各部の機能ブロックの概略を示したが、このような各部の構成は単に一例であり、サーバー間で様々なバリエーションが存在し得ることは言うまでもない。

図３は、各サーバーの処理フローを示す図である。図示の通り、まず、広告主から広告の出稿があったとき、広告入力端末１０３から広告データｒ１及びキーワードｐ１が入力されると、広告サーバー１０に送信される（ステップＳＡ１）。広告サーバーは、広告データ及びキーワードを受信したときはこれらを関連付けた状態で広告データベース１０ｄに記憶する（ステップＳＡ２）。例えば、広告データ及びキーワードに共通ＩＤを与える方法をとる。このとき、キーワードを他サーバーに送信するときは同時にＩＤを送信してもよい。また、新たに入力されたキーワードｐ１を共起サーバー４０に送信する（ステップＳＡ３）。キーワードを受信した共起サーバー４０は、検索エンジン１０２を使い、共起語データベース４０ｄに記憶されているすべての共起語との間に共起度を生成する（ステップＳＡ４）。詳しい生成方法は後述する。生成された共起度は、共起度サーバー４１ｄに記憶される。

ユーザー入力端末１０１から入力された文ａ１は、形態素サーバー３０に送信される（ステップＳ１）。形態素サーバー３０は、文ａ１を受信したとき形態素解析を行い、解析された形態素を形態素データベースに記憶する（ステップＳ２）。

上記ステップＳ２は、例えば次のように構成される。まず、ユーザー入力端末１０１から文ａ１を取得する。取得した文ａ１に対し、形態素解析ツールＭｅＣａｂ[工藤ら, 2004]を適用し形態素の集合ａ１−Ｔを取得する。形態素解析の集合ａ１−Ｔから形態素ａ１−ｔ１を取得する。形態素ａ１−ｔ１の品詞が名詞、動詞、形容詞である場合、ユーザー名と関連付けたかたちで形態素データベース３０ｄに、形態素解析の集合Ｕとして記憶する。これを集合ａ１−Ｔに属するすべての形態素について行う。なおＭｅＣａｂを使用する代わりに、この処理の代替として形態素解析ツールJUMAN[Kurohashiら, 1994]、Chasen[松本, 2000]、その他公知技術を使用してもよい。

次に、集合ａ１−Ｔに属する形態素を共起サーバー４０に送信する（ステップＳ３）。共起サーバー４０で受信したとき、集合ａ１−Ｔに属する形態素のうち共起語データベース４０ｄに記憶されている共起語に含まれないものがあるかを検索する（ステップＳ４）。共起語データベースに４０ｄに記憶されていない形態素が存在した場合、検索エンジン１０２を使い、ステップＳＡ３で送信されたキーワードすべてと当該形態素との間に共起度を生成する（ステップ５）。当該形態素は共起語として共起語サーバー４０ｄに記憶され、生成された共起度は、共起度サーバー４１ｄに記憶される（ステップＳ６）。なお、集合ａ１−Ｔに属する形態素がすべて共起語に含まれていれば、ステップＳ５及びステップＳ６は省略される。また、共起語をあらかじめ決めたもののみにしたい場合にはステップＳ３、ステップＳ４、ステップＳ５及びステップＳ６を省略してもよい。

ステップＳＡ４及びステップＳ５は、次のように構成される。共起語データベース４０ｄから共起語ｊを取得する。キーワードｐ１と共起語ｊのシンプソン係数を計算し、共起度ｋとする。共起度ｋが共起度閾値ｓ以上である場合、共起度データベース４１ｄに、共起度連想配列Ｋに共起語ｊを添え字として、共起度ｋを格納する。以上の操作を、ステップＳＡ４では追加されたキーワードとすべての共起語との間で、ステップＳ５では追加された形態素とすべてのキーワードとの間で行うなお、シンプソン係数の代わりに、共起頻度、ダイス係数、相互情報量、コサイン類似度、Ｊａｃｃａｒｄ係数、Ｏｖｅｒｌａｐ係数、その他公知の方法を用いても良い。

また、ステップＳ２の後、集合ａ１−Ｔに属する形態素を素性サーバー５０に送信する（ステップＳ７）。形態素を受信した素性サーバー５０は、共起サーバー４０に共起度連想配列Ｋを要求する（ステップＳ８）。また、広告サーバー１０にすべてのキーワードを要求する（ステップＳ９）。さらに、属性サーバー２０に、文を入力したユーザーの属性データを要求する（ステップＳ１０）。素性サーバー５０は、形態素、属性、広告名、共起語から素性連想配列Ｑを作成する（ステップＳ１１）。

ステップＳ１１は次のように構成される。まず素性連想配列Ｑに形態素の集合ａ１−Ｔに含まれる形態素ａ１−ｔ１及びキーワードｐ１のペアを添え字として素性パラメーターｂに１を代入し素性データベース５１ｄに保存する（ステップＳ１１−１）。ステップＳ１１−１を形態素の集合ａ１−Ｔの要素全てに対し適用する（ステップＳ１１−２）。次に、素性連想配列Ｑに、ユーザー属性の集合Ｚに含まれるユーザー属性ｚ１及びキーワードｐ１のペアを添え字として素性パラメーターｂに１を代入し素性データベース５１ｄに保存する（ステップＳ１１−３）。ステップＳ１１−３をユーザー属性の集合Ｚの要素全てに対し適用する（ステップＳ１１−４）。

また、キーワードｐ１についての共起度連想配列Ｋの添え字の集合から、共起語ｊ１−ｐ１を取得し、これを添え字とする共起度ｋ１−ｐ１を共起度連想配列Ｋから取得し、素性連想配列Ｑに形態素ａ１−ｔ１及び共起語ｊ１−ｐ１のペアを添え字として素性パラメーターｂに共起度ｋ１−ｐ１を代入し保存する（ステップＳ１１−５）。ステップＳ１１−５を、形態素の集合ａ１−Ｔの要素全てに対し適用する（ステップＳ１１−６）。次に、素性連想配列Ｑに、ユーザー属性の集合Ｚに含まれるユーザー属性ｚ１及び共起語ｊ１−ｐ１のペアを添え字として素性パラメーターｂに共起度ｋ１−ｐ１を代入し保存する（ステップＳ１１−７）。ステップＳ１１−７をユーザー属性の集合Ｚの要素全てに対し適用する（ステップＳ１１−８）。最後に、ステップＳ１１−５からステップＳ１１−８を共起度連想配列Ｋの添え字集合の要素すべてに対して行う（ステップＳ１１−９）。

評価値サーバー６０は、素性サーバー５０から素性連想配列Ｑを取得する。（ステップＳ１２）。素性連想配列Ｑの添え字集合から素性ｑ１を取得し、素性連想配列Ｑから素性ｑ１を添え字とする素性パラメーターｂ−ｑ１を取得し、重みデータベース５０ｄに記憶された重みｃから素性ｑ１と同一のコードを持つ重みｃ−ｑ１を取得する。得られた素性パラメーターｂ−ｑ１と重みｃ−ｑ１の積をとり、この乗算を受信した素性連想配列Ｑすべてについて行い、その総和Ｐを過去発言の集合の評価値ｅ１とする（ステップＳ１３）。評価値連想配列に、キーワードｐ１を添え字として評価値ｅ１を評価値データベース６０ｄに保存する（ステップＳ１４）。ステップＳ１２からステップＳ１４をキーワード群Ｐに属するすべてのキーワードについて行う。

評価値連想配列を保存した後、補正評価値ｗ１を生成する。評価値ｅ１にロジスティクス関数（前記数式（２））を適用し、出た値を補正評価値ｗ１とし、補正評価値連想配列Ｖにｐ１を添え字として評価値データベースに記憶する。（ステップＳ１５）ステップ１５を、キーワード群Ｐに属するすべてのキーワードについて行う。

（２）

ページが更新されるなど、広告配信の要求があったとき、広告選択サーバー７０は、広告サーバー１０にキーワードｐ１を要求する（ステップＳ１６）。また、評価値サーバー６０に記憶された補正評価値連想配列から、取得したキーワードｐ１と同一コードを持つ補正評価値ｗ１を要求する（ステップＳ１７）。ステップＳ１６及びステップＳ１７を、キーワード群Ｐに属するすべてのキーワードについて行い、得られた補正評価値を合計し合計補正評価値Ｗを生成する（ステップＳ１８）。

次に表示確率を算出する。ステップＳ１７で取得したキーワードｐ１についての補正評価値ｗ１を、合計補正評価値Ｗで割り、広告表示確率ｈ１を算出し、キーワードｐ１を添字として広告表示確率ｈ１を広告表示確率連想配列Ｍに保存する（ステップＳ１９）。なお、表示確率を高めたい広告があるような場合や、不均衡を是正するために広告表示確率ｈ１に定数をかけるなどの補正を行ってもよい。

次に、表示される広告を選択する。乱数ジェネレーター７０ｇから０以上１以下の乱数ｎを取得する。（ステップＳ２０）次にステップＳ１６で取得したキーワードｐ１と同一コードをもつ広告表示確率ｈ１を広告表示確率連想配列Ｍから取得し、ｑとｈ１を用いて下記数式（３）を適用する。

（３）

ｑの値が負であればキーワードｐ１を表示用キーワードｐ’とする（ステップＳ２１）。表示用キーワードｐ’が定まるまで、ステップＳ２１を繰り返す。

最後に、表示用キーワードｐ’に対応する広告データｒ’を広告サーバー１０に要求する。（ステップＳ２２）

表示された広告がクリックされたとき、クリックされた広告にかかる素性連想配列Ｑを取得する。（ステップＳ２３）これを正例としてConfidence-Weighted Linear Classification [M Dredze,2008]を適用し、重みを更新するとともに、これ以外を負例としてConfidence-Weighted Linear Classification [M Dredze,2008]を適用し、重みを更新する（ステップＳ２４）。更新された重みを素性サーバー５０に送信する。（ステップＳ２５）なお、Confidence-Weighted Linear Classificationの代わりにベイズ推定, ロジスティック回帰, Support Vector Machine[Joachims, 1995], Perceptron [Rosenbaltt, 1958], Averaged, Perceptron [M. Collins, 1998], Passive Aggressive [K. Crammer, 2006]を利用してもよい。

なお、各サーバーのハードウェア構成は、特に制限されず、適宜構成することができる。

以上、本発明の実施形態について説明したが、前述の通り、本発明はこれらの実施形態に限定されるものではない。また、前記実施形態に記載された効果は、本発明から生じる好適な効果を列挙したに過ぎず、前記実施形態に記載された効果によって本発明が限定されるものではない。

１０ 広告サーバー
１０ｄ 広告データベース
１１ キーワード受付部
１２ 広告データ受付部
１３ キーワード配信部
１４ 広告データ配信部
２０ 属性サーバー
２０ｄ 属性データベース
２１ 属性受付部
２２ 属性送信部
３０ 形態素サーバー
３０ｄ 形態素データベース
３１ 文章受付部
３２ 形態素解析部
３３ 形態素送信部
４０ 共起サーバー
４０ｄ 共起語データベース
４１ｄ 共起度データベース
４１ 形態素取得部
４２ 共起語照合部
４３ キーワード受信部
４４ 共起度生成部
４５ 共起送信部
５０ 素性サーバー
５０ｄ 重みデータベース
５１ｄ 素性データベース
５１ 素性生成部
５２ 重み選択部
５３ 重み送信部
６０ 評価値サーバー
６０ｄ 評価値データベース
６１ 重み受信部
６２ 共起受信部
６３ 評価値生成部
６４ 補正評価値生成部
６５ 補正評価値送信部
７０ 広告選択サーバー
７０ｇ 乱数ジェネレーター
７１ 補正評価値受信部
７２ 表示確率生成部
７３ 広告選択部
７４ 広告データ受信部
ａ１ 文
ａ１−Ｔ ａ１に含まれる形態素の集合
ａ１−ｔ１ ａ１に含まれる形態素のひとつ
Ｕ 形態素解析の集合
ｊ１ 共起語
ｊ１−ｐ１ キーワードｐ１についての共起語
ｋ 共起度
Ｋ 共起度連想配列
ｓ 共起度閾値
Ｒ 広告データ群
ｒ１ 広告データ
ｒ’ 表示用広告データ
Ｐ キーワード群
ｐ１ キーワード一つ
ｐ’ 表示用キーワード
Ｚ ユーザー属性の集合
ｚ１ ユーザー属性のひとつ
Ｑ 素性連想配列
Ｑ１ キーワード素性連想配列
Ｑ２ 属性素性連想配列
ｑ１ 素性
Ｖ 補正評価値連想配列
ｗ 合計補正評価値
ｗ１ 補正評価値
ｅ１ 評価値
ｈ１ 広告表示確率
Ｍ 広告表示確率連想配列
ｎ 乱数
ｂ 素性パラメーター
ｂ−ｑ１ ｑ１についての素性パラメーター
ｃ 重み
ｃ−ｑ１ ｑ１についての重み

Claims (9)

1. 広告に割り当てられたキーワードについての素性のスコアを生成するステップと、
   前記キーワードに対応する共起語についての素性のスコアを生成するステップと、
   前記キーワードと、前記共起語との間の共起度を生成するステップと、
   前記「キーワードについての、素性のスコア」及び前記「共起語についての、素性のスコア」から評価値を生成するステップと、
   前記評価値を有界化し、補正評価値を生成するステップと、
   記憶されている全ての前記キーワードについての補正評価値の和をとり合計評価値を生成するステップと、
   前記補正評価値を前記合計評価値で徐することで、前記キーワードに対応する広告の表示確率を生成するステップと、
   前記表示確率に基づき広告を表示するステップと
   を含むことを特徴とする、広告表示方法。
2. 前記広告に割り当てられたキーワードについてのスコアを生成するステップは、
   ユーザー端末から入力された文章を形態素に分類するステップと、
   文を入力したユーザーの属性群から任意の属性を取得するステップと、
   広告にキーワードを割り当てるステップと、
   前記形態素又は前記属性と前記キーワードをペアとし、素性とするステップと、
   前記素性と同一コードを持つ「重み」の値を取得するステップと、
   すべての組み合わせによって生成された前記素性に対応する前記重みの値を合計するステップと
   により、「キーワードについての、素性のスコア」を生成する、請求項１記載の広告表示方法。
3. 前記キーワードに対応する共起語についての素性のスコアを生成するステップは、
   ユーザー端末から入力された文章を形態素に分類するステップと、
   文を入力したユーザーの属性群から任意の属性を取得するステップと、
   広告にキーワードを割り当てるステップと、
   記憶された共起語群から任意の共起語を取得するステップと、
   前記形態素又は前記属性と前記共起語をペアとし、素性とするステップと、
   前記素性と同一コードを持つ「重み」の値を取得するステップと、
   すべての組み合わせによって生成された前記素性に対応する前記重みの値を合計するステップ、
   により、「共起語についての、素性のスコア」を生成する、請求項１または２記載の広告表示方法。
4. 前記キーワードと、前記共起語との間の共起度を生成するステップは、下記数式（１）により求められる値を前記共起度とする、請求項１から３のいずれか一項に記載の広告表示方法。
   

   

   （１）
   
   前記数式（１）中、Ｘは前記キーワードであり、Ｙは前記共起語である。
5. 前記「前記「キーワードについての、素性のスコア」及び前記「共起語についての、素性のスコア」から評価値を生成するステップ」は
   前記共起語それぞれについて、前記「共起語についての、素性のスコア」にその共起語についての素性パラメーターの積をとるステップと
   前記「キーワードについての、素性のスコア」と、それぞれの前記共起語についての前記積の総和をとり、評価値とするステップ
   により評価値を生成する、請求項１から４のいずれか一項に記載の広告表示方法。
6. 前記素性パラメーターは、前記共起語についての前記共起度である、請求項５記載の広告表示方法。
7. 前記「前記評価値を有界化し、補正評価値を生成するステップ」は
   前記評価値をｅ、前記補正評価値をｆとしてロジスティクス関数式（下記数式（２））を適用することにより求められる値を前記補正評価値とする、請求項１から６のいずれか一項に記載の広告表示方法。
   

   

   （２）
8. 前記「前記表示確率に基づき広告を表示するステップ」の後に、表示された広告がクリックされた場合に学習し、前記重みを更新する、請求項１から７のいずれか一項に記載の広告表示方法。
9. 前記「ユーザー端末から入力された文章を形態素に分類するステップ」において、生成された形態素と共起語群を比較した上で、共起語群に含まれていない形態素があった場合には、当該形態素を共起語群に追加する、請求項３から８のいずれか一項に記載の広告表示方法。

Images