JP2015207188A - ウェブ要素マッチング装置とマッチング確率分布生成装置と、それらの方法とプログラム - Google Patents

Abstract

【課題】ウェブ要素を、最適な機器集合にマッチングさせることができるウェブ要素マッチング装置を提供する。
【解決手段】この発明のウェブ要素マッチング装置は、マッチング確率分布と、最適組合せ候補決定部と、を具備する。最適組合せ候補決定部が、クライアント端末（機器）の種類を例えばテレビ（ｄ_１）、スマートフォン（ｄ_２）の２種類とした場合にＤ_１＝{ｄ_１，ｄ_２}，Ｄ_２＝{ｄ_１}，Ｄ_３＝{ｄ_２}，Ｄ_４＝{}，の４種類で表される機器集合Ｄ_＊と、ウェブページを構成要素単位に分割したウェブ要素ｃ_＊との組合せを示す確率分布であるマッチング確率分布に基づく最尤推定により、ウェブ要素ｃ_＊と機器集合Ｄ_＊のマッチング候補（ｃ_１，Ｄ_２），（Ｃ_２，Ｄ_３），（ｃ_３，Ｄ_１），…を決定する。
【選択図】図１

Description

本発明は、ウェブページ内の複数のウェブ要素を複数の機器に分散させるウェブ要素マッチング装置と、マッチング確率分布生成装置と、それらの方法とプログラムに関する。

近年、ＰＣ並みの性能を持つモバイル機器が爆発的に普及し、端末間を、連携したサービスが注目を集めている。同時に、ＨＴＭＬ５と呼ばれるＷ３Ｃ標準のウェブ技術が進化し、様々なＯＳや機器から多機能なウェブページを利用することが可能になった。

こうした背景の中、ウェブページの閲覧体験も多様化している。ウェブページを構成要素単位で分解し、それらを機器の特性に応じて複数の機器で体験することを可能にする技術が検討されている。

例えば非特許文献１には、サーバとクライアントの間に中間プロシキサーバを介入させ、ウェブページを構成要素単位に分割（以降、単に「ウェブ要素」と称する）し、中間サーバに接続されている複数の機器に、ウェブ要素をマッチングさせることを可能にしている。また、非特許文献２には、音楽や動画、広告コンテンツ等のウェブ要素を最適にデザインする手法が開示されている。

中茂睦裕ほか、「中間ブラウザによるマルチデバイス連携技術の提案」日本電信電話株式会社、ＮＴＴサービスエボリューション研究所、第87回グループウェアとネットワークサービス研究会、情報処理学会、巻:2013-GN-87,号:6,ｐ1〜ｐ6,2013-03-11. 廣瀬寛、「最適化アルゴリズムとクラウドソーシングプラットフォームによる広告クリエイティブの効果改善」IEICE technical report. Artificial intelligence and knowledge-based processing 110(212),13-18,2010-09-21.

例えば、映像コンテンツ、広告コンテンツ、リモコン機能、の３つの要素で構成されているウェブページがあるとする。これらの要素の内、映像コンテンツを「テレビ」に、広告コンテンツとリモコン機能を「スマートフォン」に、分散させることで新たな閲覧スタイルを提供できる可能性がある。このように複数のウェブ要素を、複数の機器に最適な組合せで提供できれば新たな価値を提供できる可能性があり、ウェブ要素を最適な機器に組合せる技術が求められている。

しかしながら、非特許文献１に開示された組合せ方法は、開発者によって各ウェブ要素に組合せる機器タイプが一つ指定されているだけである。また、非特許文献２に開示されたウェブ要素のデザイン手法は、膨大な組合せの候補をフィルタリングすることについて論じられておらず、事前知識も考慮されていない。このように複数の機器に最適な組合せでウェブ要素を提供する技術は、未だ開示されていない。

例えば、ウェブ要素が３個で、マッチングさせる機器が３つある場合、マッチングの組合せ数は５１２（２^３×３）通りになる。このような場合、開発者が最適なマッチングの組合せを決定するのは困難である。一方で、ユーザの操作データをもとに、５１２通りの中で最適な解を求めるには膨大な操作データが必要になる。

この発明は、このような課題に鑑みてなされたものであり、ウェブ要素を、最適な機器にマッチングさせるウェブ要素マッチング装置とマッチング確率分布生成装置と、それらの方法とプログラムを提供することを目的とする。

本発明のウェブ要素マッチング装置は、組合せ情報累積部と、最適組合せ候補決定部と、を具備する。組合せ情報累積部は、ウェブページを構成要素単位に分割したウェブ要素と機器集合との組合せの確率を表す確率分布であるマッチング確率分布を記憶する。最適組合せ候補決定部は、ウェブ要素とマッチング確率分布とを入力として、マッチング確率分布に基づく最尤推定により、ウェブ要素と機器集合との組で表されるマッチング候補を決定する。

また、この発明のマッチング確率分布生成装置は、ウェブ要素機能推定部と、組合せ情報累積部と、マッチング確率分布生成部と、を具備する。ウェブ要素機能推定部は、ウェブページを構成要素単位に分割したウェブ要素を入力として、当該ウェブ要素の機能を推定する。組合せ情報累積部は、複数のウェブページ間にわたるウェブ要素の機能と、機器集合との関係の確率分布で表されたウェブ要素マッチングテーブルを記憶する。マッチング確率分布生成部は、ウェブ要素の機能を入力として、ウェブ要素マッチングテーブルを参照し、当該ウェブ要素の機能と機器集合との関係の確率分布を利用してマッチング確率分布を生成する。

また、この発明のウェブ要素マッチング方法は最適組合せ候補決定過程を備える。最適組合せ候補決定過程は、ウェブページを構成要素単位に分割したウェブ要素とマッチング確率分布とを入力として、組合せ情報累積部に記憶されたウェブ要素と機器集合との組合せの確率を表す確率分布であるマッチング確率分布に基づく最尤推定により、ウェブ要素と機器集合との組で表せるマッチング候補を決定する。

また、この発明のマッチング確率分布生成方法は、ウェブ要素機能推定過程と、マッチング確率分布生成過程と、を備える。ウェブ要素機能推定過程は、ウェブページを構成要素単位に分割したウェブ要素を入力として、当該ウェブ要素の機能を推定する。マッチング確率分布生成過程は、ウェブ要素の機能を入力として、組合せ情報累積部に記憶された複数のウェブページ間にわたるウェブ要素の機能と、機器集合との関係の確率分布で表されたウェブ要素マッチングテーブルを参照し、当該ウェブ要素の機能と機器集合との関係の確率分布を利用してマッチング確率分布を生成する。

また、この発明のプログラムは、上記各装置の機能構成部を、コンピュータに機能させるようにしたものである。

この発明のウェブ要素マッチング装置とその方法とプログラムによれば、マッチング確率分布に基づく最尤推定によって、ウェブ要素と機器集合とのマッチング候補を決定するので、ウェブ要素を最適な機器集合にマッチングさせることができる。例えば、Videoコンテンツをテレビ等にリモコン機能をスマートフォン等に、自動的にマッチングさせることが可能である。

また、この発明のマッチング確率分布生成装置とその方法とプログラムによれば、この発明のウェブ要素マッチング装置で利用するマッチング確率分布を生成することができる。

本発明の実施形態１のウェブ要素マッチング装置１００の機能構成例を示す図。 ウェブ要素マッチング装置１００を利用するシステム構成を示す図。 マッチング確率分布テーブルの一例を示す図。 本発明の実施形態１のマッチング確率分布生成装置２００の機能構成例を示す図。 ウェブ要素マッチングテーブル２２１の一例を示す図。 ウェブ要素マッチングテーブル２２１の確率分布が代入されて生成された１０１ページ目のマッチング確率分布テーブルを示す図。 本発明の実施形態２のウェブ要素マッチング装置３００の機能構成例を示す図。 ウェブ要素マッチング装置３００の動作フローを示す図。 本発明の実施形態３のウェブ要素マッチング装置４００の機能構成例を示す図。 ウェブ要素マッチング装置４００の動作フローを示す図。 評価値を併記したマッチング確率分布テーブルの一例を示す図。

以下、この発明の実施の形態を図面を参照して説明する。複数の図面中同一のものには
同じ参照符号を付し、説明は繰り返さない。

〔実施形態１〕
図１に、実施形態１のウェブ要素マッチング装置１００の機能構成例を示す。ウェブ要素マッチング装置１００は、組合せ情報累積部１１０と、最適組合せ候補決定部１２０と、を具備する。ウェブ要素マッチング装置１００は、例えばＲＯＭ、ＲＡＭ、ＣＰＵ等で構成されるコンピュータに所定のプログラムが読み込まれて、ＣＰＵがそのプログラムを実行することで実現されるものである。以降に説明する他の装置についても同様である。

実施形態１のウェブ要素マッチング装置１００を説明する前に、当該装置が用いられるシステム全体の構成を、図２に示して説明する。ウェブ要素マッチング装置１００は、ウェブサーバ９００と機器群８００との間に配置される中間サーバとして機能する。ウェブ要素マッチング装置１００は、ウェブサーバ９００のウェブページ９１０を、ウェブ要素９０１〜９０３に分解した後に、ウェブ要素９０１〜９０３を、機器群８００を構成するクライアント端末に分散させるものである。例えば、Videoコンテンツ９０１はテレビ８０１に、リモコン機能９０２はＰＤＡ（Personal Digital Assistants）８０２に、Audioコンテンツ９０３はスマートフォン８０３に、それぞれ分散される。ウェブ要素を複数のクライアント端末に分散させて組合せることを、ここではマッチングと称する。以降、機器群８００は、機器集合とも称する。

ウェブ要素マッチング装置１００の組合せ情報累積部１１０は、ウェブページを構成要素単位に分割したウェブ要素ｃ_ｉと機器集合Ｄ_＊との組合せの確率を表す確率分布であるマッチング確率分布を記憶する。機器集合は、Ｄ_＊と表記する。例えば、上記したクライアント端末の種類をテレビ（ｄ_１）、スマートフォン（ｄ_２）の２種類とすると、機器集合は、Ｄ_１＝{ｄ_１，ｄ_２}，Ｄ_２＝{ｄ_１}，Ｄ_３＝{ｄ_２}，Ｄ_４＝{}，の４種類となる。Ｄ_４＝{}は機器が何も存在しないヌルを表す。このように機器集合は、テレビやスマートフォン等のクライアント端末を含むものである。機器集合の数は、機器の種類をｍとすると２^ｍ通り（Ｄ_１，…，Ｄ_２ｍ）存在する。

ウェブ要素ｃ_ｉを機器集合に組合せる確率分布をＰ_ｉ（Ｘ_ｉ）とする。機器集合は有限なのでＸ_ｉは離散型確率変数である。ウェブ要素ｃ_ｉと機器集合Ｄ_ｋとが組合される確率を、マッチング確率分布Ｐ_ｉ（Ｘ_ｉ＝Ｄ_ｋ）と表記する。なお、マッチング確率分布には、Σ_ｋＰ_ｉ（Ｘ_ｉ＝Ｄ_ｋ）＝１の関係が成り立つ。

最適組合せ候補決定部１２０は、ウェブ要素とマッチング確率分布とを入力として、マッチング確率分布に基づく最尤推定により、ウェブ要素と機器集合との組で表されるマッチング候補を決定する。最適組合せ候補決定部１２０は、式（１）より、全ての探索候補から尤もらしい候補を決定する。なお、マッチング確率分布Ｐ_ｉ（Ｘ_ｉ＝Ｄ_ｋ）は、予め与えられていることから事前確率分布と称することもある。

図３に、組合せ情報累積部１１０に記憶されたマッチング確率分布テーブルの一例を示す。マッチング確率分布テーブルは、ウェブページ毎にウェブ要素のマッチング確率分布を記憶したものである。

マッチング確率分布テーブルの１列目はあるウェブページＡのウェブ要素を示す。２〜５列目は各機器集合のマッチング確率分布を示す。６列目はウェブ要素の機能を示す（機能について詳しくは後述する）。７列目はウェブ要素を組合せる最適な機器集合を示す。このマッチング確率分布テーブルはウェブページ毎に用意される。

例えば、３つのウェブ要素ｃ_１，ｃ_２，ｃ_３とマッチング確率分布ｐ_１，ｐ_２，ｐ_３とが入力されると、ウェブ要素マッチング装置１００は、例えば式（２）に示すマッチング候補を出力する。式（２）に示す組合せを出力した後に、出力した組合せ以外の組合せの中で式（１）を評価する処理を複数回（Ｌ回）繰り返すようにしても良い。Ｌ＝３とすると、この例では全６４通りの組合せの中から上位３個の組合せを決定することができる。例えば式（３）と式（４）に示す組合せは、２回目と３回目に出力されたマッチング候補である。

式（２）のマッチング候補は、ウェブ要素ｃ_１（Videoコンテンツ：ｆ_１）はテレビＤ_２＝{ｄ_１}、ウェブ要素ｃ_２（リモコン機能：ｆ_３）はスマートフォンＤ_３＝{ｄ_２}、ウェブ要素ｃ_３（広告コンテンツ：ｆ_６）はテレビとスマートフォンＤ_１＝{ｄ_１，ｄ_２}の両方、にそれぞれ組合せることを意味している。この組合せは、マッチング確率分布テーブルが図３に例示した場合に、最適組合せ候補決定部１２０によって決定される。

このように実施形態１のウェブ要素マッチング装置１００によれば、マッチング確率分布に基づいた最尤推定によって、機器集合に最適なウェブ要素を決定することができる。入力されたウェブ要素とマッチング確率分布と、最尤推定によって推定されたマッチング候補（最適な機器集合）とは、組合せ情報累積部１１０に記憶されているマッチング確率分布テーブルに、書き加えられる。このようにウェブ要素とマッチング確率分布は、事前知識として蓄えられる。

次に、マッチング確率分布を生成する実施形態１のマッチング確率分布生成装置２００について説明する。

〔マッチング確率分布生成装置〕
図４に、マッチング確率分布生成装置２００の機能構成例を示す。マッチング確率分布生成装置２００は、ウェブ要素機能推定部２１０と、組合せ情報累積部２２０と、マッチング確率分布生成部２３０と、を具備する。

ウェブ要素機能推定部２１０は、ウェブページを構成要素単位に分割したウェブ要素を入力として、当該ウェブ要素の機能を推定する。ウェブ要素の機能を推定する技術は、従来技術を用いる。その従来方法を簡単に説明する。

ウェブ要素の機能の推定は、htmlタグによるルールベースの判定や、機械学習を用いた方法で行う。例えば、ルールベースを用いることで、＜video＞，＜audio＞，＜navigation＞タグを用いてそれぞれが動画コンテンツか音声コンテンツかメニューかどうかを判定できる。更に、ウェブ要素の中の単語やhtmlタグ情報や構造などを素性とした教師あり機械学習により、メインの記事かどうか、広告コンテンツかどうか等の推定が実行される。推定されるウェブ要素の機能としては、例えば、ｆ_１：Videoコンテンツ、ｆ_２：Audioコンテンツ、ｆ_３：リモコン機能、ｆ_４：メニュー機能、ｆ_５：メインニュース記事、ｆ_６：広告コンテンツ等、である。

マッチング確率分布生成部２３０は、ウェブ要素機能推定部２１０で推定したウェブ要素の機能を入力として、ウェブ要素マッチングテーブル２２１を参照し、当該ウェブ要素の機能と機器集合との関係の確率分布を利用してマッチング確率分布を生成する。

ウェブ要素マッチングテーブル２２１は、複数のウェブページ間にわたるウェブ要素の機能と、機器集合との関係の確率分布で表されたテーブルであって、組合せ情報累積部２２０に記憶されている。ここで確率分布を利用してとは、例えば、ウェブ要素の機能と機器集合との関係の確率分布を示すウェブ要素マッチングテーブル２２１を参照し、当該ウェブ要素の機能と機器集合との組合せ確率値を、マッチング確率分布とすることを意味している。

図５に、ウェブ要素マッチングテーブル２２１の一例を示す。ウェブ要素マッチングテーブル２２１の１列目はウェブ要素の機能を表す。２〜５列目は各機器集合のマッチング確率分布を表す。１行目は、例えば、ｆ_１：Videoコンテンツの最適機器集合は、確率値が0.6の機器集合Ｄ_２＝{ｄ_１}の「テレビ」であることを示している。２行目は、例えば、ｆ_２：Audioコンテンツの最適機器集合は、確率値が0.5の機器集合Ｄ_２＝{ｄ_１}の「テレビ」であることを示している。３行目は、例えば、ｆ_３：リモコン機能の最適機器集合は、確率値0.7の機器集合Ｄ_３＝{ｄ_２}の「スマートフォン」であることを示している。

例えば、図５に示すウェブ要素マッチングテーブル２２１が、１００ページのウェブページ間にわたるウェブ要素の機能と機器集合との関係の確率分布を示すものと仮定する。

ウェブ要素マッチングテーブル２２１から、ｆ_１：Videoコンテンツの機能を持つウェブ要素のマッチング先の最適機器集合は、Ｄ_１＝{ｄ_１，ｄ_２}である場合が１５回、Ｄ_２＝{ｄ_１}である場合が６０回、Ｄ_３＝{ｄ_２}である場合が２５回、Ｄ_４＝{}である場合が０回となり、機能に対する最適な機器の候補の確率分布は（0.15，0.60，0.25，0.0）であることが分かる。

１０１ページ目のウェブ要素ｃ_１の機能がｆ_１であると仮定すると、１０１ページ目の当該ウェブ要素（ｃ_１）と機能（ｆ_１）のマッチング確率分布は、ウェブ要素マッチングテーブル２２１の確率分布に基づいて、最も確率値の高い機器集合Ｄ_２が最適な機器集合とされる。図６に、ウェブ要素マッチングテーブル２２１の確率分布が代入されて生成された１０１ページ目のマッチング確率分布テーブルを示す。

このように実施形態１のマッチング確率分布生成装置２００によれば、ウェブページのウェブ要素と機器集合との組合せの確率を表す確率分布であるマッチング確率分布を生成することができる。

〔実施形態２〕
図７に、実施形態２のウェブ要素マッチング装置３００の機能構成例を示す。ウェブ要素マッチング装置３００は、ウェブ要素マッチング装置１００（図１）に対して、更に、ウェブ要素機能推定部２１０と、マッチング確率分布生成部２３０と、組合せ情報累積部３１０と、マッチング確率分布有無判定部３２０と、を備える点で異なる。

最適組合せ候補決定部１２０は、参照符号から明らかなようにウェブ要素マッチング装置１００と同じものである。また、組合せ情報累積部３１０は、複数のウェブページ間にわたるウェブ要素の機能と機器集合との関係の確率分布で表されたウェブ要素マッチングテーブル２２１も記憶する点で、組合せ情報累積部１１０（図１）と異なる。当該組合せ情報累積部３１０とウェブ要素機能推定部２１０とマッチング確率分布生成部２３０とから成る構成は、マッチング確率分布生成装置２００とほぼ同じ構成であることからその参照符号を２００′と表記している。

なお、マッチング確率分布有無判定部３２０は、ウェブ要素に予めマッチング確率分布が事前確率分布として与えられているか否かを判定する機能構成部である。このマッチング確率分布有無判定部３２０は、ウェブ要素に予めマッチング確率分布が設定されているか否かが明確な場合は不要である。よって、図７に、その構成を破線で示す。マッチング確率分布有無判定部３２０が必要な場合については後述する。

先ず、ウェブ要素に予めマッチング確率分布が設定されていない前提で、ウェブ要素マッチング装置３００の動作を、図８も参照して説明する。ウェブ要素に予めマッチング確率分布が設定されていない場合（ステップＳ３２０のＮｏ）、ウェブ要素機能推定部２１０は、ウェブページを構成要素単位に分割したウェブ要素を入力として、当該ウェブ要素の機能を推定する（ステップＳ２１０）。マッチング確率分布生成部２３０は、ウェブ要素機能推定部２１０で推定したウェブ要素の機能を入力として、当該ウェブ要素の機能と機器集合との関係の確率分布を利用してマッチング確率分布を生成する（ステップＳ２３０）。

そして、最適組合せ候補決定部１２０は、マッチング確率分布生成部２３０で生成されたマッチング確率分布に基づく最尤推定により、ウェブ要素と機器集合との組で表されるマッチング候補を決定する。生成されたマッチング確率分布は、組合せ情報累積部３１０に記憶されているマッチング確率分布テーブルに、書き加えられる。

次に、ウェブ要素に予めマッチング確率分布が設定されている場合の動作を説明する。予めマッチング確率分布が設定されているウェブ要素のみが入力される場合（ステップＳ３２０のＹｅｓ）は、ステップＳ２１０のウェブ要素機能推定部２１０における処理とステップＳ２３０におけるマッチング確率分布生成部２３０における処理は、行われない。この場合、最適組合せ候補決定部１２０は、入力されたマッチング確率分布に基づく最尤推定により、マッチング候補を決定する（ステップＳ１２０）。入力されたウェブ要素とマッチング確率分布と、最尤推定によって推定されたマッチング候補（最適な機器集合）とは、組合せ情報累積部３１０に記憶されているマッチング確率分布テーブルに、書き加えられる。つまり、この場合のウェブ要素マッチング装置３００は、ウェブ要素マッチング装置１００（図１）と同じ処理を行う。

次に、マッチング確率分布有無判定部３２０が必要な場合について説明する。マッチング確率分布有無判定部３２０は、ウェブ要素に予めマッチング確率分布が設定されているか否かが不明な場合に必要な機能構成部である。

マッチング確率分布有無判定部３２０は、ウェブ要素が入力される度に、ウェブ要素にマッチング確率分布が設定済みであるかどうかを判定する（ステップＳ３２０）。ウェブ要素にマッチング確率分布が設定されていない場合（ステップＳ３２０のＮｏ）、ウェブ要素マッチング装置３００は、上記したマッチング確率分布が設定されていない前提で説明したステップＳ２１０とステップＳ２３０を含む処理を行う。したがって、ウェブ要素にマッチング確率分布が設定されていない未知のウェブページのウェブ要素が入力された場合でも、ウェブ要素に最適な機器集合をマッチングさせることが可能である。

ウェブ要素にマッチング確率分布が設定されている場合（ステップＳ３２０のＹｅｓ）、ウェブ要素マッチング装置３００は、入力されたマッチング確率分布に基づく最尤推定によって、機器集合に最適なウェブ要素を決定する（ステップＳ１２０）。この場合のウェブ要素マッチング装置３００は、上記したウェブ要素マッチング装置１００（図１）と同じ処理を行う。

以上説明したように、ウェブ要素マッチング装置３００によれば、マッチング確率分布の事前設定の有無に関わらずウェブ要素を最適な機器集合にマッチングさせることができる。

〔実施形態３〕
図９に、実施形態３のウェブ要素マッチング装置４００の機能構成例を示す。ウェブ要素マッチング装置４００は、ユーザの視点も考慮したマッチングが行えるようにしたものである。

ウェブ要素マッチング装置４００は、上記したウェブ要素マッチング装置１００（図１），３００（図７）の機能構成に、更に、ウェブ要素・機器組合せ部４１０と、クライアント端末マッチング部４２０と、閲覧状況測定部４３０と、マッチング評価部４４０と、を具備したものである。

図１０に示すウェブ要素マッチング装置４００の動作フローも参照して説明する。ウェブ要素・機器組合せ部４１０は、ウェブ要素マッチング装置１００，３００の出力する複数（Ｌ個）のマッチング候補を入力として、当該マッチング候補のウェブ要素のマッチング確率分布の確率値又は評価値の最も高い機器集合を最適な機器集合とした組合せ情報を出力する。ウェブ要素マッチング装置４００が動作を開始した初期状態では、評価値の無いウェブ要素が存在することもある。その場合、ウェブ要素・機器組合せ部４１０は、マッチング確率分布の確率値に基づいて組合せ情報を出力する（ステップＳ４１０）。
ここで複数（Ｌ個）のマッチング候補とは、例えば上記した式（２）〜式（４）で表されるものである。式（２）〜式（４）のウェブ要素ｃ_１のマッチング候補（ｃ_１，Ｄ_２），（ｃ_１，Ｄ_２），（ｃ_１，Ｄ_３）の内、３回目に出力したマッチング候補の（ｃ_１，Ｄ_３）のマッチング確率分布の確率値あるいは評価値が最も高かった場合を仮定すると、ウェブ要素・機器組合せ部４１０は、（ｃ_１，Ｄ_３）を組合せ情報として出力する。

クライアント端末マッチング部４２０は、ウェブ要素・端末組合せ部４１０が出力する組合せ情報に基づいて、ウェブ要素を、機器群８００に含まれるクライアント端末にマッチングさせる（ステップＳ４２０）。例えば、組合せ情報を（ｃ_１，Ｄ_３）とした場合のウェブ要素ｃ_１は、機器集合Ｄ_３＝{ｄ_２}を構成するｄ_２：スマートフォンにマッチングされる。

クライアント端末の１つである例えばスマートフォン８０３は、受信したウェブ要素ｃ_１のレンダリングを実行する。なお、機器群８００は（この例ではスマートフォン８０３）、ウェブ要素マッチング装置に対してユーザの操作情報を定期的に送信する。

閲覧状況測定部４３０は、ウェブ要素ｃ_１がマッチングされたクライアント端末におけるユーザのウェブページの閲覧滞在時間やユーザ操作を検出して閲覧状況を出力する（ステップＳ４３０）。閲覧滞在時間が所定の時間を越えた場合、ユーザは、ウェブ要素とクライアント端末の組合せにある程度満足したと推定できる。また、所定の時間になる前にユーザ操作によってウェブページから離脱したような場合、ユーザは、ウェブ要素とクライアント端末の組合せに不満足であると推定できる。また、ユーザ操作によるページ構成の変更ログデータに基づいてユーザの満足度を推定することもできる。このように、閲覧滞在時間やユーザ操作に基づいてユーザの満足度を推定することが可能である。

閲覧状況測定部４３０は、探索アルゴリズムで用いることができる例えば評価値を、閲覧状況として出力する。なお、閲覧状況として閲覧滞在時間やユーザの操作ログ等をそのまま出力するようにしても良い。

マッチング評価部４４０は、閲覧状況測定部４３０が出力する閲覧状況を元に、探索アルゴリズムを用いてマッチング確率分布に併記されている評価値を更新する（ステップＳ４４０）。

図１１に、実施形態１で説明したマッチング確率分布テーブル（図３）のマッチング確率分布に、評価値を併記したマッチング確率分布テーブルの一例を示す。図１１のマッチング確率分布テーブルの６列目から９列目に、機器集合Ｄ_１の評価値から、機器集合Ｄ_４の評価値までが順に追記されている。評価値は、例えば全ての評価値の和が１になるように正規化された値である。

本実施形態に利用可能な探索アルゴリズムの例を簡単に紹介する。単純な探索アルゴリズムとしては、Ａ／Ｂテストが利用可能である。Ａ／Ｂテストは、組合せＡと組合せＢをランダムにユーザに提示し、クリック数等から成功と失敗を判定する。この探索アルゴリズムは、スプリットランとも称され、一定時間後に成功率の高い組合せを採用する手法である。

また、探索を行う間のユーザの利用の満足度をある程度担保するアルゴリズムとして、バンディットアルゴリズムを採用することも可能である。バンディッドアルゴリズムには、例えばsoftmax法やＵＣＢ（Upper Confidence Bound）法がある。両者は、正解データを考慮して、各試行毎に期待値や試行回数などを考慮した形で定式化される。本実施形態には、どのような探索アルゴリズムを用いても良い。

正解データには、例えば、閲覧滞在時間の所定時間εを用いる。ユーザの閲覧滞在時間が所定時間εを超えたらユーザがウェブ要素と機器の組合せに満足（成功）したと評価し、探索アルゴリズムのフィードバック値を与える。この場合にフィードバックされる評価値は、例えば0.5→0.6に評価値を大きくする。逆にユーザの閲覧滞在時間が所定時間ε以下のばあいは、ユーザは不満足（失敗）と評価し、評価値を例えば0.5→0.4と小さくする。

探索アルゴリズムのフィードバック値は、組合せ情報累積部４５０に記憶されているマッチング確率分布の評価値が更新されることで与えられる。評価値が更新されると、ウェブ要素・端末組合せ部４１０は、更新された評価値に基づいて再び組合せ情報を出力する。このように、マッチング評価部４４０の探索アルゴリズムは、所定の回数、再帰的に繰り返し動作する（ステップＳ４４０〜Ｓ４１０に至るループ）。

このように実施形態３のウェブ要素マッチング装置４００によれば、ユーザのウェブページの閲覧滞在時間や、ウェブページからの離脱や、ページ構成の変更等のログデータに基づいた組合せ探索アルゴリズムによって、ウェブ要素と機器とのマッチングを最適化することが可能である。

なお、ウェブ要素と機器の間を自由にカスタマイズする機能がある場合は、ユーザの変更操作（変更後を正解）をフィードバック値として与え、評価値を更新するようにしても良い。また、上記したように、閲覧状況測定部４３０が出力する閲覧状況として閲覧滞在時間をそのまま出力しても良い。その場合、マッチング評価部４４０において閲覧滞在時間を評価値に変換する。また、閲覧状況としてユーザの操作ログをそのまま出力し、当該操作ログを評価値に変換するようにしても良い。要するに、マッチング評価部４４０は、閲覧状況を元に探索アルゴリズムを用いて当該アルゴリズムで用いる評価値を更新するものであり、閲覧状況はユーザ操作に基づくものであればどのような種類の情報であっても構わない。

以上説明したように実施形態１のウェブ要素マッチング装置１００によれば、マッチング確率分布に基づいた最尤推定によって、機器集合に最適なウェブ要素を決定することができる。また、実施形態１のマッチング確率分布生成装置２００によれば、本実施形態のウェブ要素マッチング装置１００，４００で利用するマッチング確率分布を生成することができる。

また、実施形態２のウェブ要素マッチング装置３００によれば、マッチング確率分布が明らかでない場合でも、ウェブ要素に最適な機器集合をマッチングさせることができる。つまり、ウェブページ提供者側からの事前情報が与えられていない場合でも、その情報を補完して最適なウェブ要素と機器の組合せを推定することができる。

また、実施形態３のウェブ要素マッチング装置４００によれば、ユーザの視点も考慮した機器集合に最適なウェブ要素を決定することができる。つまり、ウェブページ提供側の感覚（センス）とユーザの感覚（センス）の両者を考慮した最適化が可能である。

このように本実施形態のウェブ要素マッチング装置によれば、ウェブページを分割し、クライアント端末間で連携しながらページを閲覧する場合において、ウェブ要素は自動的に最適な機器にマッチングされる。例えば、ユーザがテレビとスマートフォンとで一つのウェブページを閲覧する際に、ユーザの満足度を最大化するウェブ要素と機器の組合せを提供することが可能となる。また、ウェブサービスプロバイダが、広告コンテンツのコンバージェンス（Convergence）率を、最も高める組合せでサービスを提供する際にも、本実施形態のウェブ要素マッチング装置を利用することが可能である。

上記装置における処理手段をコンピュータによって実現する場合、各装置が有すべき機能の処理内容はプログラムによって記述される。そして、このプログラムをコンピュータで実行することにより、各装置における処理手段がコンピュータ上で実現される。

また、このプログラムの流通は、例えば、そのプログラムを記録したＤＶＤ、ＣＤ−ＲＯＭ等の可搬型記録媒体を販売、譲渡、貸与等することによって行う。さらに、このプログラムをサーバコンピュータの記録装置に格納しておき、ネットワークを介して、サーバコンピュータから他のコンピュータにそのプログラムを転送することにより、このプログラムを流通させる構成としてもよい。

また、各手段は、コンピュータ上で所定のプログラムを実行させることにより構成することにしてもよいし、これらの処理内容の少なくとも一部をハードウェア的に実現することとしてもよい。
このように本願発明は、上記した実施形態に限定されるものではなく、その要旨の範囲内で数々の変形が可能である。

１００：ウェブ要素マッチング装置
１１０：組合せ情報累積部
１２０：最適組合せ候補決定部
２００：マッチング確率分布生成装置
２１０：ウェブ要素機能推定部
２２０：組合せ情報累積部
２３０：マッチング確率分布生成部
３００：ウェブ要素マッチング装置
３１０：組合せ情報累積部
３２０：マッチング確率分布有無判定部
４００：ウェブ要素マッチング装置
４１０：ウェブ要素・機器組合せ部
４２０：クライアント端末マッチング部
４３０：閲覧状況測定部
４４０：マッチング評価部
８００：機器群
９００：ウェブサーバ

Claims (8)

1. ウェブページを構成要素単位に分割したウェブ要素と機器集合との組合せの確率を表す確率分布であるマッチング確率分布を記憶した組合せ情報累積部と、
   上記ウェブ要素とマッチング確率分布とを入力として、上記マッチング確率分布に基づく最尤推定により、上記ウェブ要素と上記機器集合との組で表されるマッチング候補を決定する最適組合せ候補決定部と、
   を具備するウェブ要素マッチング装置。
2. ウェブページを構成要素単位に分割したウェブ要素を入力として、当該ウェブ要素の機能を推定するウェブ要素機能推定部と、
   複数のウェブページ間にわたるウェブ要素の機能と、機器集合との関係の確率分布で表されたウェブ要素マッチングテーブルを記憶する組合せ情報累積部と、
   上記ウェブ要素の機能を入力として、上記ウェブ要素マッチングテーブルを参照し、当該ウェブ要素の機能と機器集合との関係の確率分布を利用してマッチング確率分布を生成するマッチング確率分布生成部と、
   を具備するマッチング確率分布生成装置。
3. 請求項１に記載したウェブ要素マッチング装置において、
   上記組合せ情報累積部は、複数のウェブページ間にわたるウェブ要素の機能と機器集合との関係の確率分布で表されたウェブ要素マッチングテーブルも記憶するものであり、
   更に、
   ウェブページを構成要素単位に分割したウェブ要素を入力として、当該ウェブ要素の機能を推定するウェブ要素機能推定部と、
   上記ウェブ要素の機能を入力として、上記ウェブ要素マッチングテーブルを参照し、当該ウェブ要素の機能と機器集合との関係の確率分布を利用してマッチング確率分布を生成するマッチング確率分布生成部と、
   を具備することを特徴とするウェブ要素マッチング装置。
4. 請求項１又は３に記載したウェブ要素マッチング装置において、
   更に、
   複数の上記マッチング候補又は更新情報を入力として、上記マッチング確率分布の確率値又は評価値の最も高い組合せ情報を出力するウェブ要素・機器組合せ部と、
   上記組合せ情報に基づいて上記ウェブ要素を上記機器集合に含まれるクライアント端末にマッチングさせるクライアント端末マッチング部と、
   上記クライアント端末におけるユーザのウェブページの閲覧滞在時間やユーザ操作を検出して閲覧状況を出力する閲覧状況測定部と、
   上記閲覧状況を元に探索アルゴリズムを用いて上記評価値を更新する上記更新情報を出力するマッチング評価部と、
   を具備することを特徴とするウェブ要素マッチング装置。
5. ウェブ要素マッチング装置は最適組合せ候補決定部を備え、
   ウェブページを構成要素単位に分割したウェブ要素とマッチング確率分布とを入力として、組合せ情報累積部に記憶された上記ウェブ要素と機器集合との組合せの確率を表す確率分布であるマッチング確率分布に基づく最尤推定により、上記ウェブ要素と上記機器集合との組みで表されるマッチング候補を決定する最適組合せ候補決定過程、
   を行うウェブ要素マッチング方法。
6. マッチング確率分布生成装置はウェブ要素機能推定部と組合せ情報累積部とマッチング確率分布生成部とを備え、
   ウェブページを構成要素単位に分割したウェブ要素を入力として、当該ウェブ要素の機能を推定するウェブ要素機能推定過程と、
   上記ウェブ要素の機能を入力として、組合せ情報累積部に記憶された複数のウェブページ間にわたるウェブ要素の機能と、機器集合との関係の確率分布で表されたウェブ要素マッチングテーブルを参照し、当該ウェブ要素の機能と機器集合との関係の確率分布を利用してマッチング確率分布を生成するマッチング確率分布生成過程と、
   を行うマッチング確率分布生成方法。
7. 請求項１又は３又は４に記載したウェブ要素マッチング装置としてコンピュータを機能させるためのプログラム。
8. 請求項２に記載したマッチング確率分布生成装置としてコンピュータを機能させるためのプログラム。