JP2013073489A - 情報処理装置、情報処理方法、及び、プログラム - Google Patents

Abstract

【課題】現実に起きた事象に影響を受けているユーザに対して、当該事象に影響を受けていることに起因するユーザの行動に適合するコンテンツを適切なタイミングで配信する技術を提供する。
【解決手段】本発明の一実施形態に係る情報処理装置は、現実に起きた事象を知らせるために他の情報処理装置から配信される、該事象と該事象が起きた場所を示す環境情報を取得する環境情報取得部と、該事象が起きた場所とユーザの存在する位置を示す位置情報とから、該事象に影響を受けるユーザを特定するユーザ特定部と、該事象と特定されたユーザについて得られる情報とから、該事象に影響を受けるユーザの行動を推測し、推測したユーザの行動に適合するコンテンツを抽出するコンテンツ抽出部と、事象が生じている間に、抽出された前記コンテンツを、特定されたユーザのユーザ端末に配信するコンテンツ配信部と、を備える。
【選択図】図１１

Description

本発明は、情報処理装置、情報処理方法、及び、プログラムの技術に関する。

近年、商品やサービスを宣伝する方法として、ユーザが所有するユーザ端末に広告情報を配信する方法が広く活用されている。そして、この方法による広告の効果を高めるために、ユーザの所在場所に応じた店舗の宣伝を行う方法が知られている。

例えば、特許文献１には、ユーザの行動エリアと当該行動エリア内における滞在時間とからユーザの行動パターンを推測して、当該推測した行動パターンに適合したコンテンツを配信する技術が開示されている。また、特許文献２には、移動通信端末の測位履歴と、当該移動通信端末で閲覧されたコンテンツの位置情報に基づいて、ユーザの関心度の高いエリアを特定し、当該エリアに関する情報を配信する技術が開示されている。

特開２００７−２７９８５３号公報 特開２０１０−２１７９７６号公報

しかしながら、従来の技術では、例えば、電車事故等の事象に影響を受けることで変化するユーザの行動が考慮されていなかった。そのため、従来の技術では、現実に起きた事象に影響を受けているユーザに対して、当該事象に影響を受けていることに起因するユーザの行動に適合するコンテンツを適切なタイミングで配信することはできなかった。

本発明は、このような点を考慮してなされたものであり、現実に起きた事象に影響を受けているユーザに対して、当該事象に影響を受けていることに起因するユーザの行動に適合するコンテンツを適切なタイミングで配信する技術を提供する。

本発明の一実施形態に係る情報処理装置は、現実に起きた事象を知らせるために他の情報処理装置から配信される、該事象と該事象が起きた場所を示す環境情報を取得する環境情報取得部と、前記環境情報により示される前記事象が起きた場所とユーザの存在する位置を示す位置情報とから、前記事象に影響を受けるユーザを特定するユーザ特定部と、前記環境情報により示される前記事象と特定された前記ユーザについて得られる情報とから、前記事象に影響を受ける前記ユーザの行動を推測し、推測した前記ユーザの行動に適合するコンテンツを抽出するコンテンツ抽出部と、前記事象が生じている間に、抽出された前記コンテンツを、特定された前記ユーザのユーザ端末に配信するコンテンツ配信部と、を備える。

上記実施形態によれば、現実に起きた事象に影響を受けるユーザが特定される。そして、当該事象に影響を受けるユーザの行動が推測され、推測されたユーザの行動に適合するコンテンツが抽出される。そして、事象が生じている間に、当該コンテンツが配信される。

したがって、上記実施形態によれば、現実に起きた事象に影響を受けることで推測され
るユーザの行動に適合するコンテンツを配信することができる。また、上記実施形態によれば、当該事象が生じている間に、当該コンテンツをユーザに配信することができる。すなわち、上記実施形態によれば、現実に起きた事象に影響を受けているユーザに対して、当該事象に影響を受けていることに起因するユーザの行動に適合するコンテンツを適切なタイミングで配信することができる。

また、上記実施形態の別態様として、上記ユーザについて得られる情報には、ユーザに同行する他人の人数を示す情報が含まれてもよい。そして、上記コンテンツ抽出部は、現実に起きた事象に影響を受ける、当該人数の他人と同行するユーザの行動を推測し、推測したユーザの行動に適合するコンテンツを抽出してもよい。

上記実施形態によれば、コンテンツの抽出に、ユーザと一緒にいる他人（同行者）の人数が考慮される。そのため、上記実施形態によれば、現実に起きた事象の影響に加え、更に、ユーザに同行する他人の人数に起因するユーザの行動に適合するコンテンツを提供することができる。

また、上記実施形態の別態様として、上記ユーザについて得られる情報には、当該ユーザに同行する他人と当該ユーザとの関係を示す情報が含まれてもよい。そして、上記コンテンツ抽出部は、当該他人と当該ユーザとの関係から、現実に起きた事象に影響を受ける、当該他人と同行するユーザの行動を推測し、推測したユーザの行動に適合するコンテンツを抽出してもよい。

上記実施形態によれば、コンテンツの抽出に、ユーザと同行者との関係が考慮される。そのため、上記構成によれば、現実に起きた事象の影響に加え、更に、ユーザと同行者との関係に起因するユーザの行動に適合するコンテンツを提供することができる。

なお、上記実施形態の別態様としては、以上の各構成を実現する情報処理方法であってもよいし、プログラムであってもよいし、このようなプログラムを記録したコンピュータその他装置、機械等が読み取り可能な記憶媒体であってもよい。ここで、コンピュータ等が読み取り可能な記録媒体とは、プログラム等の情報を、電気的、磁気的、光学的、機械的、又は、化学的作用によって蓄積する媒体である。

本発明によれば、現実に起きた事象に影響を受けているユーザに対して、当該事象に影響を受けていることに起因するユーザの行動に適合するコンテンツを適切なタイミングで配信することができる。

図１は、実施の形態に係る情報処理装置に、ネットワークを介して接続される装置を例示する。 図２は、実施の形態に係る情報処理装置の処理の流れを例示する。 図３は、実施の形態に係る情報処理装置によるコンテンツ選択の処理を例示する。 図４は、実施の形態に係る情報処理装置を例示する。 図５は、実施の形態に係る情報処理装置の記憶部を例示する。 図６は、実施の形態に係る情報処理装置が予測モデルを生成する前に行う処理を例示する。 図７は、実施の形態に係る情報処理装置による予測モデル生成処理に用いられる実績情報を例示する。 図８は、実施の形態に係る情報処理装置による予測モデル生成処理を例示する。 図９は、実施の形態に係る情報処理装置により生成される予測モデルにより算出される予測値と実測値とを比較するグラフを例示する。 図１０は、実施の形態に係る情報処理装置により算出される予測値を例示する。 図１１は、実施の形態に係る情報処理装置の動作を例示するフローチャートである。 図１２は、実施の形態に係る情報処理装置によりコンテンツが提供されるシチュエーションを例示する。

以下、本発明の一側面に係る実施の形態（以下、「本実施形態」とも表記する）を、図面に基づいて説明する。ただし、以下で説明する本実施形態は、あらゆる点において本発明の例示に過ぎず、その範囲を限定しようとするものではない。本発明の範囲を逸脱することなく種々の改良や変形を行うことができることは言うまでもない。つまり、本発明の実施にあたって、本実施形態に応じた具体的構成が適宜採用されてもよい。

なお、本実施形態において登場するデータを自然言語（日本語等）により説明しているが、より具体的には、コンピュータが認識可能な疑似言語、コマンド、パラメタ、マシン語等で指定される。

§１ サービス例
まず、図１〜３を用いて、本実施形態に係る情報処理装置により提供されるコンテンツ配信サービスの一例を説明する。

図１は、本実施形態に係る情報処理装置１によりネットワーク５を介して接続される装置を例示する。本実施形態に係る情報処理装置１は、外部サーバ２Ａから配信される環境情報を取得する。また、情報処理装置１は、取得した環境情報により示される事象に影響を受けるユーザを特定し、特定したユーザの行動を推測する。そして、情報処理装置１は、推測したユーザの行動に適合するコンテンツを当該ユーザのユーザ端末３に配信する。情報処理装置１は、このようなコンテンツ配信のサービスをユーザに提供する。

外部サーバ２Ａは、現実に起きた事象を知らせるために、当該事象と当該事象が起きた場所とを示す環境情報を配信する。当該環境情報は、例えば、電車等の交通手段における事故等を知らせる交通情報、近隣で発生した犯罪等の事件を知らせるニュース、天候の移り変わり等を知らせる気象情報、地震又は津波等の災害を知らせる災害情報等である。本実施形態では、環境情報の一例として、電車事故による運行遅延を示す交通情報が例示される。

外部サーバ２Ａは、例えば、１又は複数のサーバマシン、又は、ＰＣ（Personal Computer）等の汎用コンピュータによって実現される。外部サーバ２Ａは、オペレータによる
操作に応じて、又は、他のサーバにより配信される情報を受信したことに応じて、当該環境情報を配信してもよい。また、外部サーバ２Ａは、検索エンジンの急上昇キーワードとして登場したことに応じて、当該キーワードから取得可能な情報に基づいて環境情報を特定し、当該特定した環境情報を配信してもよい。外部サーバ２Ａによる環境情報の配信方法は、本実施形態を限定するものではなく、適宜選択される。

なお、本実施形態に係る情報処理装置１により提供されるコンテンツは、例えば、ユーザに商材を訴求するためのコンテンツである。ここで、商材とは、取引の対象となる物品やサービスを示す。ユーザに商材を訴求するためのコンテンツとは、例えば、商材の内容
を示す情報、及び、商材についての割引・優待情報等、商材に対する購買意欲をユーザに惹起させるためのコンテンツである。なお、商材についての割引・優待情報とは、いわゆる商材についてのクーポンの情報（クーポン情報）である。

本実施形態に係る情報処理装置１は、このようなコンテンツを提供することで、現実に起きた事象に影響を受けているユーザに対して、当該事象に影響を受けていることに起因するユーザの購買意欲を満たす商材に関するコンテンツを配信する。

ただし、本実施形態に係る情報処理装置１により提供されるコンテンツは、このような商材に関するコンテンツに限定されない。例えば、本実施形態に係る情報処理装置１により、電車運行遅延時における代替ルート及び代替の交通手段の利用等、ユーザに推奨する行動を示すコンテンツが提供されてもよい。

本実施形態において、情報処理装置１は、このようなコンテンツを外部サーバ２Ｂから取得する。外部サーバ２Ｂは、存在する店舗それぞれの情報（店舗情報）を提供する。外部サーバ２Ｂは、外部サーバ２Ａと同様、例えば、１又は複数のサーバマシン、又は、ＰＣ等の汎用コンピュータによって実現される。提供される店舗情報には、当該店舗において取り扱われている商材の内容を示す情報、及び、当該商材についてのクーポン情報等が含まれる。外部サーバ２Ｂは、このような情報を含む複数件の店舗情報を格納している。そして、要求に応じて、外部サーバ２Ｂは、格納している複数件の店舗情報のうち、当該要求に対応する店舗情報を提供する。

また、本実施形態に係る情報処理装置１は、取得した環境情報により示される事象に影響を受けるユーザを特定する。情報処理装置１は、取得した環境情報により示される場所とユーザの存在する位置を示す位置情報とから、当該事象に影響を受けるユーザを特定する。

情報処理装置１は、例えば、ユーザの存在する位置を示す位置情報をユーザ端末３から取得する。ユーザ端末３は、例えば、スマートフォン等の携帯端末、ＰＣ等の汎用コンピュータである。

ユーザ端末３は、例えば、ＧＰＳ（Global Positioning System）受信部を備えてもよ
い。ＧＰＳ受信部は、複数のＧＰＳ衛星からの信号を受信して、信号を受信した時刻におけるユーザ端末３の存在する位置（ユーザの位置）を測定する。ユーザ端末３は、このようなＧＰＳ受信部の動作により、その時刻におけるユーザの位置を示す位置情報を取得する。そして、ユーザ端末３は、例えば、定期的な送信処理により、又は、ユーザの操作により、取得した位置情報を情報処理装置１に送信する。情報処理装置１は、ユーザ端末３から送信される位置情報を受信することで、ユーザの存在する位置を示す位置情報を取得する。なお、情報処理装置１は、取得した環境情報により示される事象に影響を受けるユーザを特定する際、当該ユーザ特定の処理を実行する時刻の直近に受信した位置情報を利用する。

ただし、ユーザの存在する位置を示す位置情報は、このような情報に限定される訳ではない。例えば、ユーザの存在する位置を示す位置情報は、ユーザ端末３の入力装置を介してユーザにより入力された、ユーザの居場所を示す文字情報等であってもよい。また、このような情報は、ユーザの居場所及び滞在時刻を予め申告した情報であってもよい。この場合、情報処理装置１は、取得した環境情報により示される事象に影響を受けるユーザを特定する際、当該ユーザ特定の処理を実行する時刻におけるユーザの居場所として予め申告された情報を利用する。

なお、ネットワーク５に接続される各装置間における情報の伝達は、３Ｇ（3rd Generation）ネットワーク、インターネット、電話網、及び、専用網等のネットワーク５を介したデータ通信で実現される。ネットワーク５の種類は、各データ通信に応じて、適宜選択される。

図２は、情報処理装置１により提供されるサービスに係る処理の一例を示す。本実施形態に係る情報処理装置１は、ユーザに配信するコンテンツを抽出する判断材料として、事前情報とリアルタイム情報とを取得する。

情報処理装置１は、コンテンツ配信サービスを提供する事前に取得される事前情報として、例えば、ユーザのデモグラフィック情報と行動ログ情報とを取得する。

デモグラフィック情報は、人口統計学的属性、例えば、性別、年齢、住んでいる地域、所得、職業、学歴、家族構成等、ユーザのもつ社会経済的な特質を示す。情報処理装置１は、例えば、コンテンツ配信サービスを提供する前に実施されるユーザ登録により、当該ユーザのデモグラフィック情報を取得する。

行動ログ情報は、例えば、ユーザのネットワーク上における言動履歴、購買履歴、ソーシャル情報等である。ソーシャル情報とは、ネットワーク上におけるユーザの人間関係に関する情報であり、例えば、ソーシャルネットワークサービス（ＳＮＳ）において、当該ユーザについて取得可能な情報である。ソーシャル情報には、例えば、ＳＮＳにおける当該ユーザのアカウント名、ＳＮＳにおける当該ユーザの知人のアカウント名、投稿したコメント等の情報が含まれる。情報処理装置１は、例えば、当該ユーザのユーザ端末３を特定した後、当該ユーザ端末３からの通信ログを解析することで、ユーザの行動ログ情報を取得する。

また、情報処理装置１は、コンテンツ配信のサービスを提供する時刻近傍の時間帯で取得されるリアルタイム情報として、例えば、ユーザの位置を示す位置情報、環境情報、地理情報（ロケーション情報）、及び、性格情報等を取得する。

位置情報は、上述のとおり、ユーザが存在する位置を示す。具体的には、位置情報は、サービスを提供する時刻近傍の時間帯にユーザが存在すると推測される位置を示す。情報処理装置１は、当該位置情報をユーザ端末３から取得する。また、環境情報は、現実に起きた事象を知らせるために外部サーバ２Ａから配信される情報であり、当該現実に起きた事象と当該事象が起きた場所とを示す。

地理情報は、地図情報や様々な付加情報を含み、対象の位置に存在する道路、施設、河川等を示す。地理情報には、例えば、対象の位置に関する場所属性情報や通行路情報が含まれる。場所属性情報は、例えば、商業地、工業地、又は、住宅街等、対象の位置を含む地域の利用形態を示す。また、通行路情報は、対象の位置に存在する道路に関する情報を示す。通行路情報は、例えば、対象の位置に存在する道路の進行方向に存在する施設を示す。当該施設とは、例えば、駅、繁華街、ユーザの自宅、競技場等である。情報処理装置１は、当該地理情報に含まれる情報のうち、ユーザ端末３から取得される位置情報により示されるユーザの位置に対応する情報を取得する。

性格情報は、ユーザの嗜好等の性格を示す。情報処理装置１は、例えば、行動ログ情報を解析することで、又は、ユーザ端末３を介して入力される情報より、当該性格情報を取得する。

情報処理装置１は、これらの他、リアルタイム情報として、ユーザに同行する同行者に
関する情報（同行者情報）を取得する。同行者情報は、ユーザと一緒にいる他人の属性情報を含む。同行者情報は、例えば、ユーザと一緒にいる他人（同行者）の人数を示す。また、例えば、同行者情報は、ユーザと同行者との関係を示す。同行者情報により示されるユーザと同行者との関係とは、例えば、夫婦、又は、兄弟等の血縁関係である。また、同行者情報により示されるユーザと同行者との関係とは、例えば、会社の上司と部下、又は、学校の先輩と後輩等の社会的地位に基づく関係である。

情報処理装置１は、取得されたこれらの情報を判断材料として、ユーザに配信するコンテンツを抽出する。具体的には、情報処理装置１は、取得されたこれらの情報を、説明変数として、予測モデルに適用する。これにより、情報処理装置１は、各コンテンツについて、当該各コンテンツをユーザが利用する期待の度合いを示す予測値を求めることができる。情報処理装置１は、当該予測値に基づいて、ユーザに配信するコンテンツを抽出する。なお、本実施形態において、ユーザに配信されるコンテンツは、商材情報又はクーポン情報である。

ここで、情報処理装置１が、環境情報により示される事象に影響を受けるユーザの行動を推測し、推測したユーザの行動に適合するコンテンツを抽出するために、予測モデルは利用される。本実施形態に係る予測モデルは、下記数１のように、事前情報又はリアルタイム情報に含まれる情報の項目に対応する説明変数を持つ関数で表現される。

[数１]
目的変数ｙ＝ｆ（説明変数ｘ₁、説明変数ｘ₂、・・・・、説明変数ｘ_n）
ｎは、１以上の整数であり、説明変数に適用される項目の数に対応する。また、目的変数ｙは、予測値、又は、実測値に対応する。詳細は、図７及び８等を用いて、以下で説明する。

図３は、ユーザに配信されるコンテンツを抽出する処理の一例を示す。図３により示される例では、下記数２のような関数で表現される予測モデルにより、ユーザに配信されるコンテンツが抽出される。

[数２]
ｙ＝ａ₁ｘ₁＋ａ₂ｘ₂＋ａ₃ｘ₃＋・・・・＋ａ_mｘ_m
ｍは、１以上の整数であり、説明変数ｘに適用される項目の数に対応する。図３により示される例では、ｍは、「５」である。また、説明変数ｘ₁〜ｘ₅は、それぞれ、項目「通行路の属性」、「行動人数」、「曜日／時間／天候／気温」、「交通情報」、及び、「ネット上の言動／購買／ソーシャル情報」に対応する。更に、説明変数ｘ₁〜ｘ₅の係数ａ₁
〜ａ₅は、それぞれ、「５」、「３」、「２」、「２」、「１０」である。本例の予測モ
デルは、このような説明変数、及び、説明変数の係数により、ユーザの状況とユーザの趣味又は嗜好とに適合するコンテンツを抽出する。

図３により示される例では、説明変数の係数ａ₁〜ａ₅は、１から１０までの整数であり、各説明変数に対応する項目が重視される度合いを示す。図３では、項目「ネット上の言動／購買／ソーシャル情報」が一番重視され、その次に項目「通行路の属性」が重視される。

また、図３により示される例では、説明変数ｘ₁〜ｘ₅には、各項目の情報とコンテンツとのマッチング度合いを示す値が代入される。マッチング度合いは、例えば、０から３までの整数により表現される。マッチング度合いは、例えば、所定の規則に従って求められる。

図３では、項目「ネット上の言動／購買／ソーシャル情報」について、「野球好き」「ビール好き」という情報が得られている。図３では、このような情報が得られている項目「ネット上の言動／購買／ソーシャル情報」とクーポン情報７とのマッチング度合いは、「３」である。なお、図３では、項目「ネット上の言動／購買／ソーシャル情報」と商材情報６とのマッチング度合いは、「１」である。

このように得られるマッチング度合いを示す値が数２の各説明変数ｘ₁〜ｘ₅に代入されることで、目的変数ｙの値が算出される。このように算出される目的変数ｙの値を、予測値、又は、評価値と呼ぶ。図３では、商材情報６の予測値（評価値）は、「１９」である。また、クーポン情報７の予測値（評価値）は、「６４」である。図３により示される例では、予測値がより高いクーポン情報７が抽出される。そして、抽出されたクーポン情報７がユーザ端末３に配信される。すなわち、クーポン情報７により示されるクーポンがユーザに訴求される。

情報処理装置１は、このような方法により、ユーザの状況と、ユーザの趣味及び嗜好とを考慮したコンテンツを抽出してもよい。ただし、以下で具体的に示す情報処理装置１は、このような方法ではなく、重回帰分析により求められる予測モデルを用いることで、ユーザに配信するコンテンツを抽出する。

また、情報処理装置１により配信されるコンテンツの件数は、１件に限られない。例えば、情報処理装置１は、所定の閾値を超える予測値が算出された複数件のコンテンツをユーザ端末３に配信してもよい。

なお、本実施形態では、図２に示されるように、配信された商材情報及びクーポン情報が活用されたか否かを示す実績値が予測モデルにフィードバックされる。これにより、情報処理装置１は、予測モデルの予測精度を向上させる。

§２ 情報処理装置
次に、図４及び５を用いて、本実施形態に係る情報処理装置１の構成例を説明する。情報処理装置１は、図４により示されるとおり、そのハードウェア構成として、バス１３に接続される、記憶部１１、制御部１２、入出力部１４、及び、通信部１５等を有している。情報処理装置１は、例えば、１又は複数のサーバマシン、又は、ＰＣ（Personal Computer）等の汎用コンピュータによって実現される。

記憶部１１は、制御部１２で実行される処理で利用される各種データ及びプログラムを記憶する（不図示）。記憶部１１は、例えば、ハードディスク、フラッシュメモリ等の記憶装置によって実現される。

図５は、本実施形態において、記憶部１１に格納される情報を例示する。記憶部１１は、図５により示されるとおり、地理情報２１、予測モデル情報２４を格納する。また、記憶部１１は、ソースデータベース２２、ユーザ情報データベース２３、及び、実績データベース２５を含む。

地理情報２１は、上記のとおり、地図情報や様々な付加情報を含み、対象の位置に存在する道路、施設、河川等を示す。地理情報２１には、場所属性情報、及び、通行路情報が含まれる。本実施形態において、場所属性情報、及び、通行路情報は、予測モデルの説明変数に対応付けられる項目として設定される対象となる。なお、現実に起きた事象に影響を受けるユーザを特定する際、当該地理情報２１が活用されてもよい。

予測モデル情報２４は、本実施形態で利用される予測モデルを示す。具体的には、予測
モデル情報２４は、各説明変数に対応する情報の項目、各説明変数の係数、比例定数の値、及び、各説明変数間の演算子を示す。本実施形態で利用される予測モデルは、数１の関数により表現される。

また、記憶部１１に含まれるソースデータベース２２には、店舗毎に複数件の店舗情報４０が格納される。また、ソースデータベース２２には、発生した事象毎に環境情報４１が格納される。

店舗情報４０は、対象となる店舗に関する情報を示す。店舗情報４０は、例えば、対象となる店舗の業種、及び、住所を示す。また、店舗情報４０には、キャンペーン情報、商材情報、クーポン情報等が含まれる。キャンペーン情報は、対象となる店舗において実施されているキャンペーンを示す。商材情報は、対象となる店舗において取り扱われている商材の内容を示す。クーポン情報は、対象となる店舗において取り扱われている商材についてのクーポンを示す。なお、本実施形態では、店舗情報４０により示される少なくともこれら５つの情報は、予測モデルの説明変数に対応付けられる項目として設定される対象となる。また、本実施形態では、キャンペーン情報、商材情報、クーポン情報が、それぞれ、ユーザに配信されるコンテンツの対象となる。

環境情報４１は、現実に起きた事象と当該事象が起きた場所とを示す。上記のとおり、環境情報４１は、当該事象が発生したことに応じて、外部サーバ２Ａから配信される。

例えば、電車等の交通手段において事故等が発生した場合、環境情報４１（交通情報）は、発生した事故、事故が発生した場所、事故の影響を受ける範囲、事故の影響が無くなるまでの見込み時間、事故の影響を受けている交通機関の混雑度等を示す。なお、事故の影響を受ける範囲とは、例えば、電車の運行が停止している路線範囲である。また、事故の影響が無くなるまでの見込み時間とは、例えば、電車の運行が再開するまでの時間である。

また、例えば、犯罪などの事件が発生した場合、環境情報４１（ニュース）は、発生した事件、事件が発生した場所、事件の影響を受ける範囲等を示す。事件の影響を受ける範囲とは、例えば、当該事件の犯人が潜伏している可能性のある範囲である。なお、ニューズは、発生した事件以外に、流感、新商品発売、金利等の流行情報、テレビ番組及びロケ地の情報等を含んでもよい。

また、例えば、天候の変化が予測された場合、環境情報４１（気象情報）は、予測される天候、及び、当該天候の対象となる範囲等を示す。また、例えば、地震または津波等の災害が発生した場合、環境情報４１（災害情報）は、発生した災害、及び、発生した災害に影響を受ける範囲等を示す。

また、例えば、催し物が開催される場合、環境情報４１（イベント情報）は、催されるイベント、及び、イベントが催される場所等を示す。なお、イベントは、例えば、スポーツ競技、音楽ライブ、映画上映、物産展、美術展、祭り、デパート等のセール、桜の開花宣言等を示す。

なお、上記のとおり、環境情報４１は、事象が起きた場所に加えて、又は、代えて、当該事象の影響を受ける範囲を示してもよい。この情報は、事象に影響を受けるユーザを特定するために活用される。

また、環境情報４１に含まれる、現実に起きた事象を示す情報は、予測モデルの説明変数に対応付けられる項目として設定される対象となる。

なお、環境情報４１には、これらの事象が発生した、日付、曜日、時刻、季節を示す情報が含まれてもよい。また、これらの情報も、予測モデルの説明変数に対応付けられる項目として設定されてもよい。

また、記憶部１１に含まれるユーザ情報データベース２３には、ユーザ毎に、デモグラフィック情報５０、性格情報５１、及び、行動情報５２が格納される。

デモグラフィック情報５０は、性別、年齢、職業、家族構成、趣味、及び、住居形態等、各ユーザの属性を示す。デモグラフィック情報５０は、上記のとおり、対象となるユーザの社会経済的特質を示す。本実施形態では、ユーザの属性を示す各情報が、予測モデルの説明変数に対応付けられる項目として設定される対象となる。

性格情報５１は、各ユーザの嗜好等の性格を示す。性格情報５１は、例えば、ユーザの、嗜好性、せっかち度、慎重度、消費意欲等を示す情報を含む。本実施形態では、性格情報５１に含まれる各情報が、予測モデルの説明変数に対応付けられる項目として設定される対象となる。

なお、ユーザの嗜好性とは、例えば、対象のユーザが好む商材を示す。対象のユーザが好む商材は、例えば、当該ユーザによって指定されることで、特定される。また、対象のユーザが好む商材は、当該ユーザの購買履歴から特定される。そして、特定された商材が、対象のユーザが好む商材（ユーザの嗜好性）として設定される。

ユーザのせっかち度は、対象のユーザがせっかちである度合いを示す。せっかち度は、ユーザがせっかちであるか否かを２値によって表現してもよいし、ユーザのせっかち度合いを段階的に表現してもよい。当該せっかち度は、ユーザによって指定されることで、特定されてもよい。また、当該せっかち度は、歩行していると推測されるユーザについて、定期的に取得されるユーザの位置情報から算出可能である当該ユーザの歩行速度と一般人の歩行速度として設定される閾値との差に応じて、特定されてもよい。

ユーザの慎重度は、対象のユーザが商材を購入する際における慎重の度合いを示す。慎重度は、せっかち度と同様で、ユーザが慎重であるか否かを２値によって表現してもよいし、ユーザの慎重度合いを段階的に表現してもよい。当該慎重度は、ユーザによって指定されることで、特定されてもよい。また、当該慎重度は、同一種別の異なる商材に関するコンテンツの閲覧回数に応じて、特定されてもよい。

ユーザの消費意欲は、対象のユーザが商材を購入する意欲の度合いを示す。消費意欲の度合いは、せっかち度と同様で、ユーザの消費意欲が高いか否かを２値によって表現してもよいし、意欲の度合いを段階的に表現してもよい。当該消費意欲の度合いは、ユーザによって指定されることで、特定されもよい。また、当該消費意欲の度合いは、購買履歴から算出される一定期間内における消費金額に応じて、特定されてもよい。

行動情報５２は、各ユーザの行動を示す。例えば、各ユーザの現実世界における行動を示す情報として、行動情報５２には、位置情報と同行者情報とが含まれる。

位置情報は、ユーザが存在する位置を示す。本実施形態では、情報処理装置１は、ユーザ端末３から定期的に送信される当該位置情報を受信することで、当該位置情報を定期的に取得する。当該位置情報は、現実に起きている事象に影響を受けるユーザと特定するために活用される。なお、当該位置情報が定期的に取得されることで、ユーザの進行方向が特定されてもよい。

同行者情報は、ユーザに同行する他人に関する情報である。例えば、同行者情報は、ユーザと一緒にいる同行者の人数と、ユーザと当該同行者との関係とを示す。また、同行者情報には、同行者の性別を示す情報が含まれてもよい。同行者情報に含まれるこれらの情報は、予測モデルの説明変数に対応付けられる項目として設定される対象となる。当該同行者情報は、ユーザ端末３を介した申告によって、取得されてもよい。また、情報処理装置１は、各ユーザのユーザ端末３から配信される位置情報により示される各ユーザが存在する位置基づいて、対象のユーザについて、当該対象のユーザの近傍に存在する他のユーザを特定する。そして、情報処理装置１は、当該他のユーザを対象のユーザの同行者と推定してもよい。さらに、情報処理装置１は、対象のユーザのユーザ端末３に対して、当該推定が正しいか否かを問い合わせてもよい。このとき、ユーザ端末３からの返信に基づいて、情報処理装置１は、対象のユーザの同行者の人数を特定してもよい。また、情報処理装置１は、対象のユーザのデモグラフィック情報５０と特定された同行者のデモグラフィック情報５０とから、対象のユーザと同行者との関係を特定してもよい。なお、対象のユーザと同行者との関係は、対象のユーザのソーシャル情報により特定されてもよい。

また、各ユーザのネットワーク上での行動を示す情報として、行動情報５２には、購買履歴、検索ワード履歴、ソーシャル情報が含まれる。購買履歴は、ユーザがネットワーク上で購入した商材の履歴を示す。また、検索ワード履歴は、ユーザが検索エンジンに投入したワードの履歴を示す。さらに、ソーシャル情報は、上述のとおり、ネットワーク上のおけるユーザの人間関係を示す。これらの情報は、予測モデルの説明変数に対応付けられる項目として設定される対象となる。

また、記憶部１１に含まれる実績データベース２５には、情報処理装置１によって配信されたコンテンツの利用実績を示す複数件の実績情報が格納される。当該実績情報については、後述する。

なお、情報処理装置１は、これらの情報を格納する記憶部１１を備えていなくてもよい。例えば、情報処理装置１は、必要に応じて、これらの情報を格納するサーバにアクセスして、これらの情報を参照してもよい。

図４に戻り、制御部１２は、マイクロプロセッサ又はＣＰＵ（Central Processing Unit）等の１又は複数のプロセッサと、このプロセッサの処理に利用される周辺回路（ＲＯ
Ｍ（Read Only Memory）、ＲＡＭ（Random Access Memory）、インタフェース回路等）と、を有する。制御部１２は、記憶部１１に格納されている各種データ及びプログラムを実行することにより、本実施形態における情報処理装置１の処理を実現する。ＲＯＭ、ＲＡＭ等は、制御部１２内のプロセッサが取り扱うアドレス空間に配置されているという意味で主記憶装置と呼ばれてもよい。

図４に示される制御部１２は、環境情報取得部３１、ユーザ特定部３２、コンテンツ抽出部３３、コンテンツ配信部３４、及び、予測モデル管理部３５を含む。環境情報取得部３１、ユーザ特定部３２、コンテンツ抽出部３３、コンテンツ配信部３４、及び、予測モデル管理部３５は、例えば、記憶部１１に格納されたプログラム等が制御部１２の周辺回路であるＲＡＭ等に展開され、制御部１２のプロセッサにより実行されることによって実現される。

環境情報取得部３１は、現実に起きた事象を知らせるために他の情報処理装置から配信される、該事象と該事象が起きた場所を示す環境情報を取得する。本実施形態では、外部サーバ２Ａが、他の情報処理装置に相当する。なお、取得された環境情報は、環境情報４１として、記憶部１１に格納される。

ユーザ特定部３２は、環境情報４１により示される事象が起きた場所とユーザの存在する位置を示す位置情報とから、当該事象に影響を受けるユーザを特定する。ユーザ特定部３２は、所定の規則に従って、事象に影響を受けるユーザを特定する。当該規則は、適宜設定される。例えば、事象が発生した場所とユーザの存在する位置とが合致する場合、ユーザ特定部３２は、当該ユーザを、当該事象に影響を受けるユーザと特定する。また、例えば、事象が発生した場所が、当該ユーザの存在する位置から推定されるユーザの進行路上である場合、ユーザ特定部３２は、当該ユーザを、当該事象に影響を受けるユーザと特定する。

コンテンツ抽出部３３は、環境情報４１により示される事象と、ユーザについて得られる情報とから、当該事象により影響を受けるユーザの行動を推測し、推測したユーザの行動に適合するコンテンツを抽出する。本実施形態では、当該推定には、後述する予測モデルが利用される。なお、ユーザについて得られる情報は、ユーザ情報データベース２３に格納される各情報に相当する。

本実施形態では、コンテンツ抽出部３３は、同行者情報により示される対象のユーザに同行する他人の人数を考慮して、ユーザの行動を推測し、推測したユーザの行動に適合するコンテンツを抽出してもよい。また、コンテンツ抽出部３３は、同行者情報により示される対象のユーザと同行者との関係を考慮して、ユーザの行動を推測し、推測したユーザの行動に適合するコンテンツを抽出してもよい。なお、コンテンツ抽出部３３は、予測モデルの説明変数に対象の情報を対応づけることで、当該対象の情報をユーザの行動予測の考慮対象とする。

コンテンツ配信部３４は、事象が発生している間に、コンテンツ抽出部３３によって抽出されたコンテンツを、対象のユーザのユーザ端末３に配信する。本実施形態において、ユーザに配信されるコンテンツは、例えば、店舗情報４０に含まれるキャンペーン情報、商材情報、及び、クーポン情報の少なくともいずれかである。

予測モデル管理部３５は、後述する予測モデルの生成、及び、更新を管理する。なお、予測モデルは、記憶部１１に格納される予測モデル情報２４によって示される。予測モデル管理部３５は、記憶部１１に格納される予測モデル情報２４を生成し、又は、更新することで、予測モデルを管理する。

入出力部１４は、情報処理装置１の外部に存在する装置とデータの送受信を行うための１又は複数のインタフェースである。入出力部１４は、例えば、入力装置及び出力装置等のユーザインタフェースと接続するためのインタフェース、若しくは、ＵＳＢ（Universal Serial Bus）メモリ等の装置とＵＳＢ接続するためのインタフェース、又は、これらのインタフェースの組合せである。

通信部１５は、ネットワーク５を介して、他の装置とデータ通信を行うための１又は複数のインタフェースである。本実施形態では、情報処理装置１は、当該通信部１５により、外部サーバ２Ａ、外部サーバ２Ｂ、及び、ユーザ端末３とデータ通信を行う。

§３ 動作例
最後に、図６〜１２を用いて、情報処理装置１の動作例を説明する。

＜予測モデルの作成＞
図６は、予測モデルが生成される前段階における、情報処理装置１のコンテンツ配信処理の流れを例示する。なお、図６では、ステップを「Ｓ」と略称する。後述する図１１に
おいても当該略称を利用する。

本段階では、配信されるコンテンツの利用実績を蓄積することを目的として、コンテンツが配信される。よって、本段階では、オペレータに操作されることによって、情報処理装置１は、コンテンツを配信してもよい。

ステップ１０１では、オペレータの操作により地理情報２１において位置が指定されることに応じて、制御部１２によって、記憶部１１に格納されている情報のうち、指定された位置に関連する情報が収集される。なお、収集される店舗情報４０により示される店舗の住所は、指定された位置に合致していなくてもよい。例えば、制御部１２は、指定された位置から、ユーザの行動範囲内と推定される範囲内に存在する店舗の店舗情報４０を収集する。

ステップ１０２では、制御部１２によって、収集した情報から、配信するユーザ（ユーザ端末３）及びコンテンツがランダムに選定される。選定されるコンテンツは、店舗情報４０に含まれるキャンペーン情報、商材情報、及び、クーポン情報の少なくともいずれかである。

ステップ１０３では、選定されたユーザのユーザ端末３に、選定されたコンテンツが配信される。例えば、情報処理装置１は、選定されたコンテンツを含む電子メールをユーザ端末３に配信する。これにより、選定されたコンテンツがユーザに提供される。

ステップ１０４では、配信されたコンテンツについて、ステップ１０１で収集した情報のうち、予測モデルの説明変数に設定される情報が選択される。例えば、環境情報４１に含まれる情報とデモグラフィック情報５０に含まれる情報とがそれぞれ説明変数に設定される。これにより、予測モデルは、環境情報４１により示される事象に影響を受けるユーザの行動を推測し、当該推測したユーザの行動に適合するコンテンツを抽出することが可能になる。

また、例えば、同行者情報に含まれる同行者の人数を示す情報が説明変数に設定されることで、予測モデルは、同行者の人数を考慮したコンテンツを抽出することができる。更に、例えば、同行者情報に含まれるユーザと同行者との関係を示す情報が説明変数に設定されることで、予測モデルは、ユーザと同行者との関係を考慮したコンテンツを抽出することができる。予測モデルの説明変数に設定される情報（項目）は、適宜、選択される。

ステップ１０５では、配信されたコンテンツが利用されたか否かの実績が特定される。本実施形態において、予測モデルの目的変数の値は、対象となるコンテンツが利用されたか否かを示す実績値に対応する。例えば、配信されるコンテンツには有効期限が定められているとする。この場合に、当該有効期限内に、ユーザ端末３から当該コンテンツを利用したことを通知する返信があるか否かに応じて、情報処理装置１は、配信されたコンテンツが利用されたか否かの実績を特定する。そして、情報処理装置１は、このように特定した実績を蓄積する。

ステップ１０６では、それぞれの変数が数量化される。これにより、ステップ１０５で特定された利用実績の件数分の実績情報が生成され、生成された実績情報は実績データベース２５に格納される。

図７は、実績データベース２５に格納される実績情報を例示する。図７において示されるテーブルの１行１行のデータにより示される情報が、１件の実績情報に該当する。１件の実績情報は、上記配信されたコンテンツの１件の利用実績に対応する。よって、例えば
、ステップ１０３において、２つのコンテンツがそれぞれ１０人のユーザに配信された場合、制御部１２は、２０件の実績情報を生成することができる。なお、図７において示されるテーブルに格納された情報のうち、１〜１０行目までに格納された情報が、実績情報である。

本実施形態では、予測モデルの説明変数に対応付けられる項目として設定される各情報の内容を識別する値が、当該予測モデルの、各情報に対応する説明変数に代入される。例えば、予測モデルの説明変数に、デモグラフィック情報５０に含まれるユーザの性別を示す情報が対応付けられるとする。この場合、ユーザの性別「男性」は「０」に対応し、「女性」は「１」に対応する。このように、本実施形態では、各項目に設定された情報の内容を識別する値が、予測モデルの、各項目に対応する説明変数に代入される。なお、各情報の内容と当該内容を識別する値との対応関係は、適宜、設定される。制御部１２は、当該設定に基づいて、説明変数を数量化する。

また、予測モデルの目的変数の値に対応する実績値「１」は、対象となるコンテンツが利用されたことを示す。他方、実績値「０」は、対象となるコンテンツが利用されなかったことを示す。制御部１２は、ステップ１０５で特定された実績に基づいて、目的変数を数量化する。なお、図７〜１０では、実測値は、ＣＶ率（conversion rate）で表現され
ている。

図６に戻り、ステップ１０７では、蓄積された実績情報を用いて、予測モデル管理部３５は、予測モデルを生成する。図７に示されるとおり、本実施形態に係る予測モデル管理部３５は、蓄積された全件の実績情報のうち、８０％の件数に該当する実績情報を予測モデルの生成に利用する。また、予測モデル管理部３５は、蓄積された全件の実績情報のうち、２０％の件数に該当する実績情報を予測モデルの検証に利用する。このように、予測モデル管理部３５は、蓄積された実績情報を、予測モデルの生成に利用する実績情報と予測モデルの検証に利用する実績情報とに分けてもよい。なお、予測モデルの生成に利用する実績情報の件数と予測モデルの検証に利用する実績情報の件数との割合は、適宜、設定される。

予測モデル管理部３５は、重回帰分析により、予測モデルの生成に利用される各件の実績情報によりそれぞれ示される目的変数の値と各説明変数の値との間の関数を求める。具体的な方法は、図８により示される。

図８は、予測モデルを生成する処理を例示する。まず、予測モデル管理部３５は、各説明変数の係数の値を設定する。各説明変数の係数に設定される値は、乱数として得られる値でよい。次に、予測モデル管理部３５は、各説明変数間の演算子を決定した複数の関数パターンからランダムに１つの関数パターンを選択し、選択した関数パターンにより、各説明変数間の演算子を設定する。これにより、予測モデルの関数のサンプルが作成される。

そして、予測モデル管理部３５は、各説明変数に値を代入し、当該関数のサンプルにより示される演算を実行する。これにより、当該関数のサンプルに基づく予測値が算出される。予測モデル管理部３５は、実測値と予測値との誤差が所定の閾値以下となるような関数のサンプルが得られるまで、上記設定を繰り返し、予測モデルの関数のサンプルを生成する。

また、予測モデル管理部３５は、実測値と予測値との誤差が所定の閾値以下となるような関数のサンプルが得られた後、更に、当該関数のサンプルを、予測モデルの検証に利用される実績情報に適用する。当該予測モデルの検証に利用される実績情報についても適切
な予測値が算出される場合、予測モデル管理部３５は、当該関数のサンプルを、予測モデルと認定する。そして、予測モデル管理部３５は、当該関数のサンプルとして設定された各説明変数の係数と各説明変数間の演算子とを示す情報を生成し、予測モデル情報２４として、記憶部１１に格納する。なお、当該予測モデルの検証に利用される実績情報について適切に予測値が算出されない場合、予測モデル管理部３５は、上記関数のサンプルの作成から処理を繰り返す。

図９は、予測モデルのサンプルにより算出される予測値と実測値とを比較するためのグラフを例示する。予測モデル管理部３５は、適切な予測値が算出されるサンプルが見つかるまで、繰り返し予測モデルのサンプルを作成する。

なお、予測モデルは、重回帰分析により求められる関数に限定されない。例えば、予測モデルは、ニューラルネットワークにより表現されてもよい。この場合、例えば、上記各説明変数に代入される値が、ニューラルネットワークの入力に利用される。また、ニューラルネットワークの出力が、実測値、又は、予測値に対応する。なお、新たな実績情報が得られる度に、ニューラルネットワークの各素子間の重みが更新されることで、当該ニューラルネットワークによる予測の精度を向上させることが可能である。

このようにして得られた予測モデルを利用することで、情報処理装置１は、実績値が得られていない説明変数の値の組合せについて、実績値を予測することができる。すなわち、情報処理装置１は、説明変数の値により示される状況において、コンテンツが実際にユーザに利用されるか否かを予測することができる。

図１０は、実績値が得られていない説明変数の値の組合せについて算出される予測値を例示する。予測値は、各組合せについて実績値として予測される値である。図１０により示されるリストは、図７により示されるリストの１１行目以下の部分に該当する。図１０に示されるように、得られた予測モデルによって、実績値が得られていない説明変数の値の組合せについて、実績値を予測することができる。すなわち、適切に説明変数が設定されることで、予測モデルは、現実に起きた事象に影響を受ける前記ユーザの行動を推測し、推測した前記ユーザの行動に適合するコンテンツを抽出することが可能となる。

＜コンテンツ配信＞
図１１は、予測モデルを利用することにより情報処理装置１がコンテンツを配信する動作を例示するフローチャートである。

ステップ２０１から２０３では、ユーザ端末３から情報処理装置１に対して、ユーザ情報が送信される。例えば、ユーザ登録において、当該ユーザのデモグラフィック情報が入力される（ステップ２０１）。また、ユーザ端末３からウェブサイトのアクセスログが得られる（ステップ２０２）。更に、ユーザ端末３から一定の時間間隔で位置情報が送信される（ステップ２０３）。そして、ステップ２０４では、このようにユーザ端末３から送信される情報がユーザ情報として収集され、ユーザ毎に、ユーザ情報データベース２３に格納される。

ステップ２０５では、現実に事象が発生したことに応じて、外部サーバ２Ａより、当該事象を知らせるための環境情報が配信される。環境情報取得部３１は、外部サーバ２Ａから配信される環境情報を取得し、記憶部１１に格納する。

ステップ２０６では、ユーザの位置情報が把握される。ユーザの位置情報は、ユーザ端末３から定期的に配信される（ステップ２０３）。ステップ２０７では、ユーザ特定部３２によって、安協情報により示される事象が起きた場所と位置情報により示されるユーザ
の存在する位置とから、当該事象に影響を受けているユーザが特定される。

ステップ２０８では、ステップ２０７で特定されたユーザのユーザ端末３に対して、環境情報により示される事象と同行者に関する情報を問い合わせるためのアンケートとを電子メールで通知する。ステップ２０９では、ユーザにより操作されることで、当該アンケートに対する回答がユーザ端末３から返信される。

ステップ２１０では、情報処理装置１において、ステップ２０８で送信したアンケートに対する回答に基づいて、各ユーザの同行者情報が取得される。また、ステップ２１１では、外部サーバ２Ｂから、店舗情報が提供される。

ステップ２１２では、外部サーバ２Ｂ、及び、ユーザ端末３から送信される情報により、情報処理装置１において、各ユーザのユーザ情報と店舗情報とが収集される。

ステップ２１３では、予測モデルに基づいて、各ユーザの行動が推測され、推測された行動に適合する商材／クーポンが抽出され、各ユーザに当該商材／クーポンが訴求される。具体的には、コンテンツ抽出部３３は、予測モデル情報２４に示される予測モデルを用いることで、ユーザの行動を推測し、推測した行動に適合するコンテンツ（商材情報／クーポン情報）を抽出する。そして、コンテンツ配信部３４は、環境情報により示される事象が発生している間に、抽出したコンテンツを対象のユーザのユーザ端末３に配信する。なお、予測モデルについては、上述のとおりであり、説明を省略する。

なお、コンテンツ配信部３４は、環境情報により示される事象が発生している間であるか否かを適宜判断する。例えば、環境情報を提供する外部サーバ２Ａから、環境情報により示される事象が終了したことを示す通知が送信されるとする。この場合、コンテンツ配信部３４は、当該通知を受信したか否かに応じて、環境情報により示される事象が発生している間であるか否かを判断する。また、例えば、環境情報には、当該事象が継続するだろう時間を示す情報が含まれるとする。この場合、コンテンツ配信部３４は、当該事象が計測するだろう時間が経過したか否かに応じて、環境情報により示される事象が発生している間であるか否かを判断する。

ステップ２１４では、ユーザ端末３において、コンテンツ配信部３４によって配信されたコンテンツが取得される。そして、ステップ２１５では、ユーザ端末３から情報処理装置１に対して、配信されたコンテンツの利用実績が返信される。

ステップ２１６では、ユーザ端末３から返信される利用実績に基づいて生成される実績情報が、実績データベース２５に蓄積される。そして、ステップ２１７では、蓄積された新たな実績情報に基づいて、予測モデルが更新される。例えば、予測モデル管理部３５は、ステップ２１６において取得された新たな実績情報を加えて、再度、上述した予測モデル作成処理を実行することで、予測モデルを更新する。
＜適用場面例＞
図１２は、情報処理装置１によりコンテンツが提供される状況を例示する。図１２は、２名のサラリーマンが、Ａ町での営業商談後Ａ町駅に向かう途中に、人身事故によりＡ町を含む路線の電車が運転見合わせという事象が発生した状況を例示する。なお、ここでは、説明を簡単にするため、当該２名のサラリーマンのうちの１名が、情報処理装置１により提供されるサービスのユーザであるとする。

この場合、外部サーバ２Ａから、当該運転見合わせを知らせる環境情報（交通情報）が配信される。情報処理装置１は、環境情報により示される当該運転見合わせの影響が受ける範囲（Ａ町駅）とユーザの位置情報（Ａ町付近）とから、Ａ町付近にいる当該ユーザを
、当該運転見合わせの影響を受けるユーザとして特定する。そして、情報処理装置１は、図１２に示される各情報を説明変数に設定した予測モデルにより、当該ユーザに配信するコンテンツを抽出する。このとき抽出されたコンテンツが、例えば、図１２に示されるクーポン情報である。

例えば、この場面では、ユーザと同僚とは、Ａ町駅付近で電車の運転再開を待つと推定されているため、Ａ町駅付近の店舗のクーポン情報が当該ユーザに配信されている。本実施形態によれば、説明変数として設定される対象に地理情報２１を含めることができるため、更に、迂回経路を知らせるコンテンツ、及び、迂回経路に存在する店舗の商材を訴求するコンテンツが配信される可能性がある。

また、例えば、本実施形態に係る予測モデルの説明変数には、ユーザに同行する同行者の人数を示す情報、ユーザと同行者との関係を示す情報、及び、同行者の性別を示す情報を設定することができる。そのため、本実施形態によれば、ユーザ（男性）が会社の上司（男性）二名以上と同行している場合に、上記電車事故が発生したとき、同行している人数に適切な飲食店を通知するコンテンツをユーザに提供することができる。

更に、本実施形態に係る予測モデルの説明変数には、曜日を示す情報、及び、ユーザの位置情報を設定することができる。そのため、本実施形態によれば、例えば、ユーザと同行者とが夫婦であり、ユーザが自宅に存在する場合に、大雨警報が発令されたとき、ビデオオンデマンドで提供されている作品のうち、夫婦向けの作品を推奨するコンテンツをユーザに提供することができる。

１ 情報処理装置
２Ａ、２Ｂ 外部サーバ
３ ユーザ端末
５ ネットワーク
１１ 記憶部
１２ 制御部
１３ バス
１４ 入出力部
１５ 通信部
３１ 環境情報取得部
３２ ユーザ特定部
３３ コンテンツ抽出部
３４ コンテンツ配信部
３５ 予測モデル管理部

Claims (5)

1. 現実に起きた事象を知らせるために他の情報処理装置から配信される、該事象と該事象が起きた場所を示す環境情報を取得する環境情報取得部と、
   前記環境情報により示される前記事象が起きた場所とユーザの存在する位置を示す位置情報とから、前記事象に影響を受けるユーザを特定するユーザ特定部と、
   前記環境情報により示される前記事象と特定された前記ユーザについて得られる情報とから、前記事象に影響を受ける前記ユーザの行動を推測し、推測した前記ユーザの行動に適合するコンテンツを抽出するコンテンツ抽出部と、
   前記事象が生じている間に、抽出された前記コンテンツを、特定された前記ユーザのユーザ端末に配信するコンテンツ配信部と、
   を備えた情報処理装置。
2. 前記ユーザについて得られる情報には、前記ユーザに同行する他人の人数を示す情報が含まれ、
   前記コンテンツ抽出部は、前記事象に影響を受ける、前記人数の他人と同行する前記ユーザの行動を推測し、推測した前記ユーザの行動に適合するコンテンツを抽出する
   請求項１に記載の情報処理装置。
3. 前記ユーザについて得られる情報には、前記ユーザに同行する他人と前記ユーザとの関係を示す情報が含まれ、
   前記コンテンツ抽出部は、前記他人と前記ユーザとの関係から、前記事象に影響を受ける、前記他人と同行する前記ユーザの行動を推測し、推測した前記ユーザの行動に適合するコンテンツを抽出する
   請求項１に記載の情報処理装置。
4. 情報処理装置が、
   現実に起きた事象を知らせるために他の情報処理装置から配信される、該事象と該事象が起きた場所を示す環境情報を取得するステップと、
   前記環境情報により示される前記事象が起きた場所とユーザの存在する位置を示す位置情報とから、前記事象に影響を受けるユーザを特定するステップと、
   前記環境情報により示される前記事象と特定された前記ユーザについて得られる情報とから、前記事象に影響を受ける前記ユーザの行動を推測し、推測した前記ユーザの行動に適合するコンテンツを抽出するステップと、
   前記事象が生じている間に、抽出された前記コンテンツを、特定された前記ユーザのユーザ端末に配信するステップと、
   を実行する情報処理方法。
5. 情報処理装置に、
   現実に起きた事象を知らせるために他の情報処理装置から配信される、該事象と該事象が起きた場所を示す環境情報を取得するステップと、
   前記環境情報により示される前記事象が起きた場所とユーザの存在する位置を示す位置情報とから、前記事象に影響を受けるユーザを特定するステップと、
   前記環境情報により示される前記事象と特定された前記ユーザについて得られる情報とから、前記事象に影響を受ける前記ユーザの行動を推測し、推測した前記ユーザの行動に適合するコンテンツを抽出するステップと、
   前記事象が生じている間に、抽出された前記コンテンツを、特定された前記ユーザのユーザ端末に配信するステップと、
   を実行させるためのプログラム。

Images