JP2015225549A - 予測値演算装置、予測値演算方法および予測値演算プログラム - Google Patents

Abstract

【課題】所定指標の予測値を高速に求めることができる予測値演算装置、予測値演算方法および予測値演算プログラムを提供すること。【解決手段】本願に係る予測値演算装置は、演算結果記憶部と、受付部と、演算結果取得部と、予測部とを備える。演算結果記憶部は、所定指標の予測値演算のうち一部の演算の結果を予め記憶する。受付部は、リクエストを受け付ける。演算結果取得部は、受付部によって受け付けたリクエストに対応する一部の演算の結果を演算結果記憶部から取得する。予測部は、演算結果取得部によって取得された一部の演算の結果とリクエストにより特定される情報とに基づいて予測値演算のうち残りの演算を行って、リクエストに対応する予測値を求める。【選択図】図４

Description

本発明は、予測値演算装置、予測値演算方法および予測値演算プログラムに関する。

近年、インターネットの飛躍的な普及に伴い、インターネットを介した広告配信が盛んに行われている。例えば、広告媒体（例えば、ウェブページ）に設定された広告枠に、企業や商品等の広告コンテンツを表示し、かかる広告コンテンツがクリックされた場合に広告主のウェブページへ遷移させる広告配信が行われている。

広告媒体を有する媒体社には、広告枠在庫の販売を広告配信業者に委託する媒体社がある。媒体社にとっては広告枠による収益を最大化することが望ましく、広告配信元の選択を適切に行うことが望まれる。そこで、例えば、ｅＣＰＭ（effective Cost Per Mille）などの評価指標の予測値を演算し、かかる演算結果に基づいて広告配信元を選択することで、媒体社の収益を向上させる技術が提案されている（例えば、特許文献１参照）。

特開２０１２−０９３７９６号公報

評価指標の予測値演算を行う場合、評価指標の精度を上げるために用いる情報を増やすと、評価指標を予測するための演算時間が長くなるおそれがある。このことは、広告に関する評価指標に限らず、その他の指標の予測値を演算する場合についても同様である。

本願は、上記に鑑みてなされたものであって、所定指標の予測値を高速に求めることができる予測値演算装置、予測値演算方法および予測値演算プログラムを提供することを目的とする。

本願に係る予測値演算装置は、演算結果記憶部と、受付部と、演算結果取得部と、予測部とを備える。前記演算結果記憶部は、所定指標の予測値演算のうち一部の演算の結果を予め記憶する。前記受付部は、リクエストを受け付ける。前記演算結果取得部は、前記受付部によって受け付けた前記リクエストに対応する前記一部の演算の結果を前記演算結果記憶部から取得する。前記予測部は、前記演算結果取得部によって取得された前記一部の演算の結果と前記リクエストにより特定される情報とに基づいて前記予測値演算のうち残りの演算を行って、前記リクエストに対応する予測値を求める。

実施形態の一態様によれば、所定指標の予測値を高速に求めることができる予測値演算装置、予測値演算方法および予測値演算プログラムを提供することができる。

図１は、実施形態に係る予測値演算処理の説明図である。 図２は、第１実施形態に係る広告配信システムの構成例を示す図である。 図３は、図２に示すモデリング装置の構成例を示す図である。 図４は、図２に示す予測値演算装置の構成例を示す図である。 図５は、実施形態に係るモデリング装置の情報処理を示すフローチャートである。 図６は、実施形態に係る予測値演算装置の情報処理を示すフローチャートである。 図７は、他の実施形態に係るモデリング装置の構成例を示す図である。 図８は、他の実施形態に係る予測値演算装置の構成例を示す図である。 図９は、モデリング装置および予測値演算装置の機能を実現するコンピュータの一例を示すハードウェア構成図である。

以下に、本願に係る予測値演算装置、予測値演算方法および予測値演算プログラムの実施形態について図面を参照しつつ詳細に説明する。なお、この実施形態により本願に係る予測値演算装置、予測値演算方法および予測値演算プログラムが限定されるものではない。

［１．予測値演算処理］
まず、実施形態に係る予測値演算処理について説明する。図１は、実施形態に係る予測値演算処理の説明図であり、以下においては、予測値演算装置によって予測値演算処理が行われる。

図１に示す例では、所定指標の予測値を演算するための予測モデルの一例として下記式（１）に示す予測モデルが用いられる。ａ_iは、係数であり、ｘ_ｉは、素性（説明変数）である。かかる式（１）により、所定指標の予測値を求めることができる。

なお、予測モデルは、上記式（１）に示す予測モデルに限定されず、また、予測値演算は、かかる予測モデルを用いた演算に限定されない。なお、図１では、一例として、ｎ＝８であり、８つの素性を用いる予測モデルが示される。

予測値演算装置の記憶部には、素性の情報が記憶されており、予測値演算装置の演算部は、記憶部に記憶されている素性の情報を取得する（ステップＳ１）。演算部は、取得した素性の情報に基づき、予測モデルによる予測値演算のうち一部の演算を行い、かかる演算結果を演算結果記憶部に記憶する（ステップＳ２）。

例えば、演算部は、記憶部から素性ｘ₁、ｘ₂、ｘ₃、ｘ₄の情報を取得し、かかる素性ｘ₁、ｘ₂、ｘ₃、ｘ₄の情報に基づいて、ｆ１（ｘ）＝ａ_1・ｘ₁＋ａ_2・ｘ₂＋ａ_3・ｘ₃＋ａ_4・ｘ₄を演算する。演算部は、かかる演算結果を演算結果記憶部に記憶する。これにより、演算結果記憶部に所定指標の予測値を演算する前に予測値演算のうち一部の演算の結果（以下、部分演算結果と記載する場合がある）が記憶される。

予測値演算装置の受付部がリクエストを受け付けると（ステップＳ３）、予測値演算装置の取得部は、当該リクエストにより特定される素性ｘ₅、ｘ₆、ｘ₇、ｘ₈の情報を予測値演算装置の記憶部または外部装置から取得する（ステップＳ４）。また、取得部は、演算結果記憶部からリクエストにより特定される部分演算結果を取得する（ステップＳ５）。

予測部は、取得部によって取得された部分演算結果と素性ｘ₅、ｘ₆、ｘ₇、ｘ₈の情報に基づいて予測モデルによる予測値演算を行い、所定指標の予測値を求める（ステップＳ６）。

このように、本実施形態に係る予測値演算処理において、予測値演算装置は、リクエストを受け付ける前に、予測値の演算のうち一部の演算を行い、かかる演算結果を事前に演算結果記憶部に記憶する。そのため、リクエストを受け付けた場合に、予測値演算のうち一部の演算を省くことができることから、所定指標の予測値を高速に求めることができる。

時間的な変動が少ない素性は、予測値の精度に影響が少なく、また、リアルタイムで取得が難しい素性は、予測値の高速な演算を妨げるおそれがある。そこで、予測値演算装置は、リクエストを受け付ける前に、予測値の演算のうち、例えば、時間的な変動が少ない素性やリアルタイムで取得が難しい素性に関する演算を行うことで、所定指標の予測値を高速に求めることができる。

また、リクエストを受け付けた際に予測値を演算するための情報がメモリデータベースに記憶される場合、かかるメモリデータベースには、一部の素性の情報に代えて部分演算結果が記憶される。そのため、メモリデータベースの記憶容量が大きくなることを防止することができ、また、メモリデータベースを用いることで、予測値の演算を高速に行うことができる。

なお、メモリデータベースは、インメモリデータベースとも呼ばれ、メモリ（例えば、半導体メモリ）上にデータを格納することで、ハードディスクなどにデータを格納するオンディスクデータベースに比べ、高速なデータ処理を可能とするデータベースである。

以下、所定指標の一例として、広告効果に関する指標の予測値を演算する予測値演算装置を含む広告配信システムの実施形態について説明する。

［２．第１実施形態に係る広告配信システム］
次に、図２を用いて、第１実施形態に係る広告配信システム１の構成例について説明する。図２に示すように、第１実施形態に係る広告配信システム１は、ウェブサーバ２と、モデリング装置３と、予測値演算装置４と、広告配信装置５、６と、複数の端末装置７とを備える。これらの装置は、通信ネットワーク８を介して互いに通信可能に接続される。通信ネットワーク８は、例えば、インターネットなどである。

ウェブサーバ２、モデリング装置３、予測値演算装置４および広告配信装置５は、例えば、媒体社ＣＡによって管理・運営され、広告配信装置６は、例えば、広告配信業者ＣＢによって管理・運営される。

モデリング装置３は、例えば、広告リクエストに対して広告配信装置５で広告コンテンツを配信した場合に予測される収益値（以下、収益予測値と記載する）を演算するための予測モデルを生成する。モデリング装置３は、生成した予測モデルの情報を予測値演算装置４へ通知する。なお、以下においては、収益予測値として、ｅＣＰＭ（effective Cost Per Mille）予測値を一例として説明するが、収益予測値は、その他の予測値であってもよい。

端末装置７は、例えば、ユーザＵによって利用されるＰＣ（Personal Computer）、ＰＤＡ（Personal Digital Assistant）、タブレット端末、スマートフォンなどである。かかる端末装置７には、例えば、ブラウザアプリケーション（以下、ブラウザと記載する）がインストールされている。

ウェブサーバ２は、広告枠が設定された複数のウェブページを記憶している。ウェブサーバ２の制御部は、通信ネットワーク８を介して端末装置７のブラウザからのアクセスがあると、端末装置７によって指定されたＵＲＬ（Uniform Resource Locator）に対応するウェブページを提供する。

端末装置７のブラウザは、ウェブサーバ２からウェブページを受信すると、ウェブページに設定された広告枠に対応する広告リクエストを予測値演算装置４へ送信する。広告リクエストは、広告枠に表示する広告コンテンツの配信要求であり、例えば、端末装置７のユーザＵの識別情報（以下、ユーザＩＤと記載する）や広告枠の識別情報（以下、広告枠ＩＤと記載する）を含む。

予測値演算装置４は、広告リクエストに対応する広告コンテンツを広告配信装置５、６のいずれかから配信させる。予測値演算装置４は、広告リクエストに対して収益予測値を演算する。予測値演算装置４は、収益予測値に応じた価格情報を含む広告配信の問い合わせを広告配信装置６に対して行い、かかる問い合わせに対する広告配信装置６の応答に応じて、広告配信装置５、６のうちいずれか一方の広告配信装置から広告コンテンツを端末装置７へ配信させる。なお、かかる広告コンテンツは、例えば、バナー広告であり、ユーザＵによりクリックされた場合に広告主のウェブページへ遷移させる。

以下、モデリング装置３および予測値演算装置４の構成例について、順にさらに詳細に説明する。

［２．１．モデリング装置３］
図３は、モデリング装置３の構成例を示す図である。図３に示すように、モデリング装置３は、通信部１０と、記憶部１１と、制御部１２とを有する。

通信部１０は、通信ネットワーク８との間で情報の送受信を行う通信インターフェイスであり、通信ネットワーク８との接続を有線または無線で行う。制御部１２は、通信部１０および通信ネットワーク８を介して、予測値演算装置４やその他の装置との間で各種の情報を送受信することができる。

記憶部１１は、ユーザ情報記憶部１３および広告枠情報記憶部１４を有する。ユーザ情報記憶部１３および広告枠情報記憶部１４は、例えば、ＲＡＭ（Random Access Memory)、フラッシュメモリ等の半導体メモリ素子、または、ハードディスク、光ディスク等の記憶装置である。

制御部１２は、例えば、ＡＳＩＣ（Application Specific Integrated Circuit）やＦＰＧＡ（Field Programmable Gate Array）等の集積回路により実現される。制御部１２は、内部のＣＰＵ（Central Processing Unit）またはＭＰＵ（Micro Processing Unit）によって内部の記憶装置に記憶されたプログラムがＲＡＭを作業領域として実行されることで、取得部１５、集計部１６、モデリング部１７および通知部１８として機能する。なお、制御部１２の構成は、かかる構成に限られず、後述する情報処理を行う構成であれば他の構成であってもよい。

［２．１．１．取得部１５］
取得部１５は、端末装置７のユーザＵに関する情報や広告枠に関する情報を取得し、ユーザ情報記憶部１３および広告枠情報記憶部１４に記憶する。取得部１５は、例えば、ウェブサーバ２、広告配信装置５、６および端末装置７などの外部装置から端末装置７のユーザＵに関する情報や広告枠に関する情報を取得する。

ユーザＵに関する情報には、例えば、ユーザＵの性別、年齢、居住地域、閲覧したウェブページ、ウェブページの閲覧時間、配信広告情報、検索キーワードなどの情報である。配信広告情報は、例えば、広告枠ＩＤ、広告時刻（例えば、広告リクエストの受付時刻または広告コンテンツの配信時刻）、広告コンテンツの種類、広告コンテンツに対するユーザＵのクリック有無などが含まれ、これらの情報がユーザＩＤ毎に関連付けられてユーザ情報記憶部１３に記憶される。

また、広告枠に関する情報には、例えば、広告枠の種類、サイズ、ウェブページ内の位置、広告枠が設定されるウェブページなどの情報が含まれ、これらの情報が広告枠ＩＤ毎に関連付けられて広告枠情報記憶部１４に記憶される。

［２．１．２．集計部１６］
集計部１６は、例えば、ユーザ情報記憶部１３に記憶されたユーザＵに関する情報に基づいて、所定周期（例えば、１時間毎）に、ユーザＩＤ毎に、興味ジャンルの個数、平均ＣＴＲ（Click Through Ratio）、平均ＣＰＣ（Cost Per Click）、平均ページ閲覧時間、リターゲティングサイトの個数、検索キーワードの個数などを集計する。集計部１６は、集計した情報をユーザＩＤに対応付けてユーザ情報記憶部１３に記憶する。

集計部１６は、例えば、ユーザＵがアクセスしたウェブページの種類やクリックした広告コンテンツの種類からユーザＵが興味があるジャンル（例えば、車、洋服、時計など）を判定し、かかるジャンルの個数を興味ジャンルの個数として集計する。

また、集計部１６は、例えば、ユーザＵの端末装置７に配信された広告コンテンツ（例えば、バナー広告）のクリック有無（選択有無）や広告コンテンツの配信価格に基づき、ユーザＵ毎の平均ＣＴＲや平均ＣＰＣを求める。また、集計部１６は、例えば、ユーザＵの端末装置７に配信されたウェブページのユーザＵによる閲覧時間（ページ閲覧時間）に基づき、平均ページ閲覧時間を求める。

さらに、集計部１６は、ユーザＵの端末装置７に配信された広告コンテンツに基づき、ターゲティングサイトの個数を求め、また、端末装置７のユーザＵが検索サイトで検索に用いたキーワード（検索キーワード）に基づき、検索キーワードの個数を集計する。また、集計部１６は、広告時刻の情報に基づき、広告コンテンツの配信頻度（以下、広告配信頻度と記載する）を求める。

なお、集計部１６は、例えば、ユーザＵに関する情報のうち、所定時間前（例えば、１ヶ月前）までの情報に基づき、所定期間毎（例えば、１週間毎）に各種の情報を集計することで、古い情報が含まれることを回避することができる。

また、集計部１６は、取得部１５によって性別、年齢、居住地域が収集できないユーザＵがある場合、取得部１５によって収集したその他の情報に基づいて、ユーザＵの性別、年齢、住居地域を推定し、ユーザ情報記憶部１３に記憶することができる。例えば、集計部１６は、ウェブページへのアクセス元ＩＰアドレスのうち、最も出現頻度が多いＩＰアドレスに対応する地域をユーザＵの居住地域として推定し、また、ユーザＵがアクセスしたウェブページの種類に基づき、ユーザＵの性別や年齢を推定することができる。

ユーザ情報記憶部１３には、ユーザＵ毎に、取得部１５によって取得された情報や集計部１６によって集計された情報が含まれる。

［２．１．３．モデリング部１７］
モデリング部１７は、ユーザ情報記憶部１３および広告枠情報記憶部１４に記憶された情報に基づき、所定周期（例えば、１週間周期や１ヶ月周期）で、広告に関する評価指標の予測モデルを生成する。広告に関する評価指標は、例えば、ＣＴＲ予測値およびＣＰＣ予測値である。

以下、モデリング部１７によるＣＴＲ予測値の予測モデル（以下、ＣＴＲ予測モデルと記載する）の生成方法およびＣＰＣ予測値の予測モデル（以下、ＣＰＣ予測モデルと記載する）の生成方法について説明する。

［２．１．３．１．ＣＴＲ予測モデル］
ＣＴＲ予測モデルは、例えば、ＳＶＭ（Support Vector Machine）とシグモイドフィッティングとを組み合わせた予測モデルである。

モデリング部１７は、例えば、上述した式（１）に示すＳＶＭにおいて、広告枠に表示される広告コンテンツへのユーザＵのクリックの有無を従属変数にし、上述したユーザ情報や広告枠情報を素性（説明変数）ｘ_ｉにすることで、素性ｘ_ｉに対応する係数ａ_ｉを求める。

素性ｘ_ｉは、例えば、ユーザＵの性別、年齢、居住地域、広告時刻、閲覧ウェブページ、広告枠のサイズ、興味ジャンルの個数、リターゲティングサイトの個数、検索キーワードの個数、平均ＣＴＲ、平均ＣＰＣ、広告配信頻度、平均ページ閲覧時間などである。

例えば、素性ｘ_１は、「男性」であり、ユーザＵが男性の場合に「１」に設定され、それ以外は「０」に設定される。また、素性ｘ_２は、「女性」であり、ユーザＵが女性の場合に「１」に設定され、それ以外は「０」に設定される。また、素性ｘ_３は、「性別不明」であり、ユーザＵの性別が不明のときに「１」に設定され、それ以外は「０」に設定される。このように、ユーザ情報や広告枠情報が素性ｘ_ｉに割り当てられる。

また、従属変数は、例えば、直近の所定期間（例えば、５日前から現在まで）において、ユーザＵが広告コンテンツをクリックした場合には「１」が設定され、そうでない場合には、「−１」が設定される。

モデリング部１７は、各ユーザＵの素性ｘ_ｉおよび従属変数を設定し、素性ｘ_ｉに対応する係数ａ_ｉを求める。さらに、モデリング部１７は、シグモイドフィッティングによって、後述するＣＰＣ予測値との乗算結果が所定のｅＣＰＭの分布に合うように下記式（２）の係数Ａや定数Ｂを求める。

このように、モデリング部１７は、ＣＴＲ予測モデルとしてＳＶＭとシグモイドフィッティングとを組み合わせた予測モデルを生成する。なお、上述した従属変数や素性（説明変数）は、一例であり、モデリング部１７は、その他の情報や上述した情報の一部を用いてＣＴＲ予測モデルを生成することもできる。また、モデリング部１７は、例えば、ロジスティック回帰分析による予測モデルを用いてＣＴＲ予測値を求めることもできる。

［２．１．３．２．ＣＰＣ予測モデル］
ＣＰＣ予測モデルは、例えば、重回帰分析による予測モデルである。モデリング部１７は、例えば、下記式（３）に示す線形重回帰の式において、ＣＰＣの値を従属変数にし、上述したユーザ情報や広告枠情報を素性ｙ_ｊ（説明変数）にすることで、素性ｙ_ｊに対応する係数ｕ_ｊおよび定数ｗ_０を求める。

素性ｙ_ｊは、例えば、ユーザＵの性別、年齢、居住地域、広告時刻、サイト、広告枠のサイズ、興味ジャンルの個数、リターゲティングサイトの個数、検索キーワードの個数、平均ＣＴＲ、平均ＣＰＣ、広告配信頻度、平均ページ閲覧時間などである。

例えば、素性ｙ_１は、「男性」であり、ユーザＵが男性の場合に「１」に設定され、それ以外は「０」に設定される。また、素性ｙ_２は、「女性」であり、ユーザＵが女性の場合に「１」に設定され、それ以外は「０」に設定される。このように、ユーザ情報や広告枠情報が素性ｙ_ｊに割り当てられる。

また、従属変数は、例えば、直近の所定期間（例えば、５日前から現在まで）において、ユーザＵに配信された広告コンテンツの配信単価の平均値が設定される。

このように、モデリング部１７は、ＣＰＣ予測モデルとして重回帰分析による予測モデルを生成する。なお、上述した従属変数や素性（説明変数）は、一例であり、モデリング部１７は、その他の情報や上述した情報の一部を用いてＣＰＣ予測モデルを生成することもできる。また、モデリング部１７は、例えば、ポアソン回帰分析による予測モデルを用いてＣＰＣ予測値を求めることもできる。

［２．１．４．通知部１８］
通知部１８は、モデリング部１７によってＣＴＲ予測モデルの情報（例えば、係数ａ_ｉ、係数Ａおよび定数Ｂ）やＣＰＣ予測モデル（例えば、係数ｕ_ｊおよび定数ｗ_０）の情報が生成されると、これらの情報を予測値演算装置４へ通知する。

また、通知部１８は、ユーザ情報記憶部１３に記憶されたユーザＵに関する情報（以下、ユーザ情報と記載する場合がある）や広告枠情報記憶部１４に記憶された広告枠に関する情報（以下、広告枠情報と記載する場合がある）のうち、例えば、更新された情報を所定周期（例えば、３分毎）で予測値演算装置４へ通知する。

［２．２．予測値演算装置４］
図４は、予測値演算装置４の構成例を示す図である。図４に示すように、予測値演算装置４は、通信部２０と、記憶部２１と、制御部２２とを有する。

通信部２０は、通信ネットワーク８との間で情報の送受信を行う通信インターフェイスであり、通信ネットワーク８との接続を有線または無線で行う。制御部２２は、通信部２０および通信ネットワーク８を介して、例えば、端末装置７やモデリング装置３との間で各種の情報を送受信することができる。

記憶部２１は、第１情報記憶部３１と、第２情報記憶部３２と、モデル情報記憶部３３と、演算結果記憶部３４とを有する。第１情報記憶部３１は、例えば、ハードディスク、光ディスク等の記憶装置により構成されたオンディスクデータベースである。また、第２情報記憶部３２、モデル情報記憶部３３および演算結果記憶部３４は、例えば、ＲＡＭ、フラッシュメモリ等の半導体メモリ素子により構成されたメモリデータベースである。なお、第２情報記憶部３２、モデル情報記憶部３３および演算結果記憶部３４は、一つのメモリデータベースで構成することもできる。

制御部２２は、例えば、ＡＳＩＣやＦＰＧＡ等の集積回路により実現される。制御部２２は、内部のＣＰＵまたはＭＰＵによって内部の記憶装置に記憶されたプログラム（予測値演算プログラムの一例）がＲＡＭを作業領域として実行されることで、取得部４１、演算部４２、受付部４３、取得部４４、予測部４５および選択部４６として機能する。なお、制御部２２の構成は、かかる構成に限られず、後述する情報処理を行う構成であれば他の構成であってもよい。

［２．２．１．取得部４１］
取得部４１は、モデリング装置３から送信されるユーザ情報を取得し、取得したユーザ情報を第１情報記憶部３１に記憶する。かかるユーザ情報は、ＣＴＲ予測モデルやＣＰＣ予測モデルの一部の演算に用いられる。

また、取得部４１は、モデリング装置３から送信されるユーザ情報のうち、例えば、ユーザＩＤおよび直近の広告時刻の情報を第２情報記憶部３２に記憶し、また、モデリング装置３から送信される広告枠情報を取得し、かかる広告枠情報を第２情報記憶部３２に記憶する。直近の広告時刻の情報や広告枠情報は、ＣＴＲ予測モデルやＣＰＣ予測モデルによる広告リクエストに対する予測値の演算に用いられる。

さらに、取得部４１は、モデリング装置３からＣＴＲ予測モデルの情報やＣＰＣ予測モデルの情報を取得し、かかる予測モデルの情報をモデル情報記憶部３３に記憶する。ＣＴＲ予測モデルの情報には、例えば、係数ａ_ｉ、係数Ａおよび定数Ｂの情報が含まれる。また、ＣＰＣ予測モデルの情報には、例えば、係数ｕ_ｊおよび定数ｗ_０の情報が含まれる。

［２．２．２．演算部４２］
演算部４２は、ＣＴＲ予測モデルによる予測値の演算のうち一部の演算（以下、ＣＴＲ部分演算と記載する）を行い、また、ＣＰＣ予測モデルによる予測値の演算のうち一部の演算（以下、ＣＰＣ部分演算と記載する）を行う。演算部４２は、ＣＴＲ部分演算の結果とＣＰＣ部分演算の結果を演算結果記憶部３４に記憶する。

例えば、演算部４２は、上記式（１）に示す素性ｘ₁〜ｘ_nのうち、相対的に静的な素性（説明変数）について演算を行い、また、上記式（３）に示す素性ｙ_１〜ｙ_ｍのうち、相対的に静的な素性（説明変数）について演算を行う。

相対的に静的な素性は、例えば、変化が少ない素性や、集計が必要でリアルタイムの取得が困難な素性である。変化が少ない素性は、例えば、ユーザＵの性別、年齢、居住地域であり、集計が必要な素性は、例えば、平均ＣＴＲ、平均ＣＰＣ、平均ページ閲覧時間、興味ジャンルの個数、リターゲティングサイトの個数、検索キーワードの個数である。

上記式（１）に示す素性ｘ_１〜ｘ_ｎのうち、相対的に静的な素性が例えばｘ₁〜ｘ_k（２＜ｋ＜ｎ）である場合、演算部４２は、ｘ_1・ａ₁＋ｘ_2・ａ＋_・・・＋ｘ_k・ａ_kの演算を行い、演算結果（以下、第１静的スコアと記載する）をユーザＩＤに対応付けて演算結果記憶部３４に記憶する。

また、上記式（３）に示す素性ｙ_１〜ｙ_ｍのうち、相対的に静的な素性が例えばｙ₁〜ｙ_p（２＜ｐ＜ｍ）である場合、演算部４２は、ｙ_1・ａ₁＋ｙ_2・ａ₂＋_・・・＋ｙ_p・ａ_pの演算を行い、演算結果（以下、第２静的スコアと記載する）をユーザＩＤに対応付けて演算結果記憶部３４に記憶する。

演算部４２は、第１情報記憶部３１に記憶されたユーザＩＤのうち、例えば、一部のユーザＩＤについて、第１静的スコアおよび第２静的スコアを求め、演算結果記憶部３４に記憶する。これにより、全てのユーザＩＤについて静的スコアを求める場合に比べ、演算部４２における演算負荷を軽減することができ、また、演算結果記憶部３４に記憶する情報量（データ量）を低減することができる。

なお、演算部４２は、例えば、ｅＣＰＭ予測値が高いと予測されるユーザＵのユーザＩＤを優先して選択し、選択したユーザＩＤそれぞれについて第１静的スコアおよび第２静的スコアを求め、演算結果記憶部３４に記憶することができる。

ｅＣＰＭ予測値が高いと予測されるユーザＵは、例えば、所定期間（例えば、直近の１０日間）に広告コンテンツのクリックの有無が「有」となっているユーザＵ、平均ＣＴＲや平均ｅＣＰＭ（＝平均ＣＴＲ×平均ＣＰＣ）が所定値以上のユーザＵ、または、所定の属性情報（例えば、３０歳代女性）を有するユーザＵである。

また、演算部４２は、ｅＣＰＭ予測値が高いと予測されるユーザＵ以外のユーザＵのユーザＩＤについては、相対的に静的な素性の平均値を演算し、かかる平均値に基づいて予測値演算のうち一部の演算を行う。演算部４２は、かかる演算結果（所定の固定値の一例）をユーザＩＤに対応付けて演算結果記憶部３４に記憶する。

例えば、上記式（１）に示す素性ｘ₁〜ｘ_nのうち、相対的に静的な素性がｘ₁〜ｘ_k（２＜ｋ＜ｎ）である場合、演算部４２は、素性ｘ₁〜ｘ_kのそれぞれについてユーザＵ全体の平均値を演算する。演算部４２は、演算した素性の平均値を素性ｘ₁〜ｘ_kに設定してｘ_1・ａ₁＋ｘ_2・ａ₂＋_・・・・＋ｘ_k・ａ_kの演算を行い、演算結果（以下、第１静的平均スコアと記載する）をｅＣＰＭ予測値が高いと予測されるユーザＵ以外のユーザＵのユーザＩＤに対応付けて演算結果記憶部３４に記憶する。

また、例えば、上記式（３）に示す素性ｙ₁〜ｙ_mのうち、相対的に静的な素性がｙ₁〜ｙ_p（２＜ｐ＜ｍ）である場合、演算部４２は、素性ｙ₁〜ｙ_pのそれぞれについてユーザＵ全体の平均値を演算する。演算部４２は、演算した素性の平均値を素性ｙ₁〜ｙ_pに設定し、ｙ_1・ａ₁＋ｙ_2・ａ₂＋_・・・＋ｙ_p・ａ_pの演算を行い、演算結果（以下、第２静的平均スコアと記載する）をｅＣＰＭ予測値が高いと予測されるユーザＵ以外のユーザＵのユーザＩＤに対応付けて演算結果記憶部３４に記憶する。

なお、演算部４２は、相対的に静的な素性の平均値に基づいて第１静的平均スコアおよび第２静的平均スコアを演算することに代えて、例えば、第１静的スコアおよび第２静的スコアに基づいて第１静的平均スコアおよび第２静的平均スコアを求めることができる。

例えば、演算部４２は、第１静的スコアの最低値よりも低い値（例えば、第１静的スコアの最低値のｑ１倍（１＞ｑ１）の値）を第１静的平均スコアとし、第２静的スコアの最低値よりも低い値（例えば、第２静的スコアの最低値のｑ２倍（１＞ｑ２）の値）を第２静的平均スコアとすることができる。

［２．２．３．受付部４３］
受付部４３は、端末装置７から送信される広告リクエストを受け付ける。受付部４３によって受け付けられた広告リクエスト（以下、受付広告リクエストと記載する）には、例えば、ユーザＩＤや広告枠ＩＤが含まれる。受付部４３は、受付広告リクエストの情報（例えば、ユーザＩＤや広告枠ＩＤ）を取得部４４へ通知する。

［２．２．４．取得部４４］
取得部４４は、受付部４３から受付広告リクエストの情報を取得すると、かかる受付広告リクエストに対応する情報を記憶部２１から取得する。

例えば、取得部４４は、受付広告リクエストに含まれるユーザＩＤに対応する第１静的スコアおよび第２静的スコアを演算結果記憶部３４から取得する。また、取得部４４は、受付広告リクエストに含まれる広告枠ＩＤに対応する広告枠情報を第２情報記憶部３２から取得する。

また、取得部４４は、受付広告リクエストに含まれるユーザＩＤに対応するユーザ情報のうち直近の広告時刻の情報を第１情報記憶部３１から取得する。そして、取得部４４は、例えば、受付部４３による受付広告リクエストの受付時刻と広告コンテンツの直近の広告時刻との差を演算することにより、広告コンテンツがユーザに提示される頻度（以下、広告提示頻度と記載する）の情報を取得する。

さらに、取得部４４は、モデル情報記憶部３３からＣＴＲ予測モデルの情報とＣＰＣ予測モデルの情報とを取得する。そして、取得部４４は、第１静的スコア、第２静的スコア、広告枠情報、広告提示頻度の情報、ＣＴＲ予測モデルの情報とＣＰＣ予測モデルの情報を予測部４５へ通知する。

なお、広告リクエストに含まれるユーザＩＤに対応する情報が、第１静的スコアおよび第２静的スコアではなく、第１静的平均スコアおよび第２静的平均スコアである場合、取得部４４は、第１静的平均スコアおよび第２静的平均スコアを演算結果記憶部３４から取得する。

また、広告リクエストに含まれるユーザＩＤに対応する情報が演算結果記憶部３４に記憶されていない場合、取得部４４は、ＣＴＲ部分演算やＣＰＣ部分演算に用いられる素性の情報を第１情報記憶部３１から取得する。また、取得部４４は、広告リクエストに含まれるユーザＩＤに対応する情報が演算結果記憶部３４に記憶されておらず、さらに、第１情報記憶部３１にユーザＩＤに対応する情報が記憶されていない場合、モデリング装置３からユーザＩＤに対応する情報を取得する。

さらに、取得部４４は、モデリング装置３からユーザＩＤに対応する情報を取得しようとしてもユーザＩＤに対応する情報を取得できない場合、第１静的平均スコアおよび第２静的平均スコアを演算結果記憶部３４から取得する。なお、広告リクエストに含まれるユーザＩＤに対応する情報が演算結果記憶部３４に記憶されていない場合、第１情報記憶部３１にユーザＩＤに対応する情報が記憶されていても、第１静的平均スコアおよび第２静的平均スコアを演算結果記憶部３４から取得することもできる。

［２．２．５．予測部４５］
予測部４５は、受付広告リクエストによって特定される情報に基づいてｅＣＰＭ予測値を求める。例えば、予測部４５は、受付広告リクエストに応じて取得部４４によって取得された情報に基づいて、受付広告リクエストに対応するＣＴＲ予測値とＣＰＣ予測値を演算する。

予測部４５は、下記式（４）に示すように、ＣＴＲ予測値とＣＰＣ予測値とを乗算することにより、広告リクエストに対するｅＣＰＭ予測値を求める。
ｅＣＰＭ予測値＝ＣＴＲ予測値×ＣＰＣ予測値 ・・・（４）

予測部４５は、ＣＴＲ予測値を演算する際に、予め演算されている第１静的スコアを用い、ＣＰＣ予測値を演算する際に、予め演算されている第２静的スコアを用いる。

例えば、予測部４５は、受付広告リクエストに含まれるユーザＩＤに対応する第１静的スコア、広告枠情報および広告提示頻度の情報を第２情報記憶部３２およびモデル情報記憶部３３から読み出し、これらの情報に基づき、演算結果記憶部３４から読み出したＣＴＲ予測モデルの情報を用いて上記式（１）の演算を行う。広告枠情報は、上述したように、例えば、広告枠の種類、サイズ、ウェブページ内の位置、広告枠が設定されるウェブページの情報などの情報である。

例えば、上記式（１）に示す素性ｘ₁〜ｘ_nのうち、相対的に静的な素性がｘ₁〜ｘ_k（２＜ｋ＜ｎ）である場合、演算部４２は、例えば、広告枠情報および広告提示頻度の情報に基づき、ｘ_k+1・ａ_k+1＋ｘ_k+2・ａ_k+2＋_・・・＋ｘ_n・ａ_nの演算を行い、かかる演算結果に第１静的スコアを加算する。これにより、上記式（１）の演算を行う。

さらに、予測部４５は、上記式（１）の演算結果に基づき、ＣＴＲ予測モデルの情報を用いて上記式（２）に示す演算を行う。これにより、予測部４５は、受付部４３によって受け付けた広告リクエストに対するＣＴＲ予測値を求めることができる。

また、例えば、予測部４５は、受付広告リクエストに含まれるユーザＩＤに対応する第２静的スコア、広告枠情報および広告提示頻度の情報を第２情報記憶部３２およびモデル情報記憶部３３から読み出し、これらの情報に基づき、演算結果記憶部３４から読み出したＣＰＣ予測モデルの情報を用いて上記式（３）の演算を行う。

例えば、上記式（３）に示す素性ｙ_１〜ｙ_ｍのうち、相対的に静的な素性がｙ₁〜ｙ_p（２＜ｐ＜ｍ）である場合、予測部４５は、例えば、広告枠情報および広告提示頻度の情報に基づき、演算部４２は、ｙ_p+1・ａ_p+1＋ｙ_p+2・ａ_p+2＋_・・・＋ｙ_m・ａ_mの演算を行い、かかる演算結果に第２静的スコアを加算する。これにより、予測部４５は、受付部４３によって受け付けた広告リクエストに対するＣＰＣ予測値を求めることができる。

なお、上述のように、取得部４４によって、第１静的スコアおよび第２静的スコアに代えて、第１静的平均スコアおよび第２静的平均スコアが取得される場合がある。この場合、予測部４５は、第１静的スコアに代えて第１静的平均スコアを用いてＣＴＲ予測値を演算し、第２静的スコアに代えて第２静的平均スコアを用いてＣＰＣ予測値を演算する。これにより、ｅＣＰＭ予測値が高いと予測されるユーザＵ以外のユーザＵのユーザＩＤに対してもｅＣＰＭ予測値を高速に求めることができる。

また、取得部４４は、上述のように、例えば、第１静的スコア、第２静的スコア、第１静的平均スコアおよび第２静的平均スコアが第２情報記憶部３２に記憶されていない場合、上述のように、例えば、第１情報記憶部３１から相対的に静的な素性の情報を取得する。予測部４５は、取得部４４で取得された相対的に静的な素性の情報を含む、ＣＴＲ予測値およびＣＰＣ予測値の演算に必要な全ての素性の情報に基づいて、ＣＴＲ予測値およびＣＰＣ予測値を演算する。

このように、予測部４５は、ＣＴＲ予測値を演算する際に、予め演算されている第１静的スコアを用い、ＣＰＣ予測値を演算する際に、予め演算されている第２静的スコアを用いる。これにより、予測部４５は、端末装置７から広告リクエストを取得した場合に、ｅＣＰＭ予測値を高速に求めることができる。

さらに、第２情報記憶部３２、モデル情報記憶部３３および演算結果記憶部３４が、例えば、メモリデータベースである場合、ｅＣＰＭ予測値をより高速に求めることができる。また、第１静的スコアおよび第２静的スコアは、演算結果であり、演算前の素性の情報に比べ、情報量が少ない。そのため、メモリデータベースの記憶容量が大きくなることを防止することができる。

［２．２．６．選択部４６］
選択部４６は、予測部４５によって演算されたｅＣＰＭ予測値に応じた価格（以下、提供価格と記載する）で受付広告リクエストに対する広告コンテンツの配信を行うか否かの問い合わせを広告配信装置６に行う。

例えば、選択部４６は、広告配信装置６に配信クエリを送信する。配信クエリには、例えば、提供価格の情報の他、例えば、ユーザＵの情報、広告枠情報などを含めることができる。広告配信装置６は、配信クエリに含まれる情報に基づいて、広告リクエストに対する広告コンテンツの配信を行うか否かを決定する。

選択部４６は、配信クエリに対して広告配信装置６から広告コンテンツの配信を行う旨の応答を取得すると、広告リクエストに対する広告コンテンツの配信元となる広告配信装置（以下、配信元広告配信装置と記載する）を、広告配信装置６にする。一方、選択部４６は、配信クエリに対して広告配信装置６から広告コンテンツの配信を行わない旨の応答を取得すると、配信元広告配信装置を広告配信装置５にする。

このように、選択部４６は、広告リクエストに対する広告コンテンツの配信を提供価格で行う広告配信装置６がない場合に、配信元広告配信装置として広告配信装置５を選択する。したがって、広告配信装置５でのｅＣＰＭと同等以上の収益を得ることができる提供価格を設定することで、広告枠による収益を向上させることができる。

［２．３．モデリング装置３および予測値演算装置４の処理フロー］
次に、モデリング装置３による情報提供処理の手順について説明する。図５は、モデリング装置３の情報処理の一例を示すフローチャートである。かかる動作は、モデリング装置３の制御部１２によって繰り返し実行される処理である。

図５に示すように、モデリング装置３の制御部１２は、情報更新契機になったか否かを判定する（ステップＳ１０）。情報更新契機は、例えば、所定周期（例えば、３分毎）で発生する。情報更新契機になったと判定した場合（ステップＳ１０；Ｙｅｓ）、制御部１２は、端末装置７のユーザＵに関する情報や広告枠に関する情報を外部装置から取得し、かかる情報に基づいて記憶部１１に記憶される情報を更新する（ステップＳ１１）。

ステップＳ１１の処理が終了した場合、または、情報更新契機になっていないと判定した場合（ステップＳ１０；Ｎｏ）、制御部１２は、情報集計契機になったか否かを判定する（ステップＳ１２）。情報集計契機は、例えば、所定周期（例えば、１時間毎）で発生する。

情報集計契機になったと判定した場合（ステップＳ１２；Ｙｅｓ）、制御部１２は、記憶部１１に記憶されたユーザＵに関する情報に基づいて、情報集計処理を行う（ステップＳ１３）。かかる処理において、制御部１２は、例えば、ユーザＩＤ毎に、興味ジャンルの個数、平均ページ閲覧時間などを集計する。制御部１２は、集計した情報に基づいて記憶部１１に記憶される情報を更新する。

ステップＳ１３の処理が終了した場合、または、情報集計契機になっていないと判定した場合（ステップＳ１２；Ｎｏ）、制御部１２は、予測モデルの更新契機になったか否かを判定する（ステップＳ１４）。予測モデルの更新契機は、例えば、所定周期（例えば、１週間周期や１ヶ月周期）で発生する。

予測モデルの更新契機になったと判定した場合（ステップＳ１４；Ｙｅｓ）、制御部１２は、ＣＴＲ予測モデルおよびＣＰＣ予測モデルを生成し（ステップＳ１５）、生成したＣＴＲ予測モデルおよびＣＰＣ予測モデルを予測値演算装置４へ通知する（ステップＳ１６）。

ステップＳ１６の処理が終了した場合、または、予測モデルの更新契機になっていないと判定した場合（ステップＳ１４；Ｎｏ）、制御部１２は、情報通知契機になったか否かを判定する（ステップＳ１７）。情報通知契機は、例えば、記憶部１１の情報が更新された場合に発生する。

情報通知契機になったと判定した場合（ステップＳ１７；Ｙｅｓ）、制御部１２は、記憶部１１に記憶されている情報のうち、例えば、更新された情報を予測値演算装置４へ通知する（ステップＳ１８）。ステップＳ１８の処理が終了した場合、または、情報通知契機になっていないと判定した場合（ステップＳ１７；Ｎｏ）、制御部１２は、図５に示す情報処理を終了する。

次に、予測値演算装置４による情報提供処理の手順について説明する。図６は、予測値演算装置４の情報処理の一例を示すフローチャートである。かかる動作は、予測値演算装置４の制御部２２によって繰り返し実行される処理である。

図６に示すように、予測値演算装置４の制御部２２は、情報更新契機になったか否かを判定する（ステップＳ２０）。情報更新契機は、例えば、モデリング装置３から情報が通知された場合に発生する。情報更新契機になったと判定した場合（ステップＳ２０；Ｙｅｓ）、制御部２２は、モデリング装置３から取得した情報に基づいて記憶部２１に記憶される情報を更新する（ステップＳ２１）。

ステップＳ２１の処理が終了した場合、または、情報更新契機になっていないと判定した場合（ステップＳ２０；Ｎｏ）、制御部２２は、部分演算契機になったか否かを判定する（ステップＳ２２）。かかる部分演算契機は、例えば、モデリング装置３から予測モデルの情報が通知された場合に発生する。部分演算契機になったと判定した場合（ステップＳ２２；Ｙｅｓ）、制御部２２は、部分演算（例えば、ＣＴＲ部分演算およびＣＰＣ部分演算）を実行する（ステップＳ２３）。

ステップＳ２３の処理が終了した場合、または、部分演算契機になっていないと判定した場合（ステップＳ２２；Ｎｏ）、制御部２２は、端末装置７から広告リクエストを受け付けたか否かを判定する（ステップＳ２４）。

広告リクエストを受け付けたと判定すると（ステップＳ２４；Ｙｅｓ）、制御部２２は、予測値演算に用いる情報を記憶部２１から取得し（ステップＳ２５）、取得した情報に基づいてｅＣＰＭ予測値を演算する（ステップＳ２６）。その後、制御部２２は、ｅＣＰＭ予測値に基づき、配信元広告配信装置を選択する（ステップＳ２７）。ステップＳ２７の処理が終了した場合、または、広告リクエストを受け付けていないと判定した場合（ステップＳ２４；Ｎｏ）、制御部２２は、図６に示す情報処理を終了する。

［３．第２実施形態に係る広告配信システム］
上述した第１実施形態に係る広告配信システムは、予測値演算装置４において部分演算を行うが、第２実施形態に係る広告配信システムは、モデリング装置によって部分演算を行う。なお、以下においては、モデリング装置３および予測値演算装置４と同一機能を有する構成要素については同一符号を付し、重複する説明は省略する。

図７は、第２実施形態に係る広告配信システムのモデリング装置の構成例を示す図である。図７に示すように、モデリング装置３Ａは、通信部１０と、記憶部１１と、制御部１２Ａとを有する。制御部１２Ａは、取得部１５と、集計部１６と、モデリング部１７と、通知部１８Ａと、演算部４２Ａとを有する。

演算部４２Ａは、ユーザ情報記憶部１３および広告枠情報記憶部１４に記憶されている情報に基づいて、ＣＴＲ部分演算およびＣＰＣ部分演算を行う。かかる部分演算は、演算部４２による部分演算と同様である。

通知部１８Ａは、通知部１８と同様に、ＣＴＲ予測モデルの情報、ＣＰＣ予測モデルの情報および広告枠情報を予測値演算装置４へ通知する。また、通知部１８Ａは、ユーザ情報記憶部１３に記憶されたユーザ情報のうち、直近の広告時刻の情報を予測値演算装置４へ通知する。さらに、通知部１８Ａは、演算部４２Ａの部分演算による演算結果（例えば、第１静的スコア、第２静的スコア、第１静的平均スコアおよび第２静的平均スコア）を予測値演算装置４Ａへ通知する。

図８は、第２実施形態に係る広告配信システムの予測値演算装置の構成例を示す図である。図８に示すように、予測値演算装置４Ａは、通信部２０と、記憶部２１Ａと、制御部２２Ａとを有する。

記憶部２１Ａは、モデル情報記憶部３３と、演算用情報記憶部３５とを備える。モデル情報記憶部３３および演算用情報記憶部３５（演算結果記憶部の一例）は、ＲＡＭ、フラッシュメモリ等の半導体メモリ素子により構成されたメモリデータベースである。

また、制御部２２Ａは、取得部４１Ａと、受付部４３と、取得部４４Ａと、予測部４５と、選択部４６とを有する。

取得部４１Ａは、モデリング装置３から送信される情報（例えば、ＣＴＲ予測モデルの情報、ＣＰＣ予測モデルの情報、広告枠情報、直近の広告時刻の情報および部分演算による演算結果の情報）を取得する。取得部４１Ａは、取得した予測モデルの情報をモデル情報記憶部３３に記憶し、取得した広告枠情報、直近の広告時刻の情報および部分演算による演算結果の情報を演算用情報記憶部３５に記憶する。

取得部４４Ａは、受付部４３から受付広告リクエストの情報を取得すると、かかる受付広告リクエストに対応する情報を演算用情報記憶部３５から取得し、また、予測モデルの情報をモデル情報記憶部３３から取得する。取得部４４Ａが取得する情報は、取得部４４が取得する情報と同じである。

例えば、取得部４４Ａは、受付広告リクエストに含まれるユーザＩＤに対応する第１静的スコア、第２静的スコアおよび直近の広告時刻の情報と、受付広告リクエストに含まれる広告枠ＩＤに対応する広告枠情報を演算用情報記憶部３５から取得する。

このように、第２の実施形態に係る予測値演算装置４Ａは、モデリング装置３Ａから部分演算による演算結果（例えば、第１静的スコアおよび第２静的スコア）を取得し、メモリデータベースに記憶する。そのため、予測値演算装置４Ａは、予測値演算装置４に比べ、演算処理の負荷が軽減し、また、記憶部２１Ａに記憶する情報量を低減することができる。そのため、予測値演算装置４Ａを複数配置した場合であっても、広告配信システムのコストを抑えることができる。

［４．その他の実施形態］
上述した予測部４５は、予測モデルを各指標に対してそれぞれ１つ割り当てた例を説明したが、予測モデルは、例えば、広告リクエストの送信時間や送信地域に応じて複数設けることもできる。

例えば、モデリング部１７は、記憶部１１に記憶された情報のうち、平日の情報（例えば、平日におけるユーザＵの平均ＣＴＲ、平均ＣＰＣ、広告配信頻度、平均ページ閲覧時間などの情報）により平日用の予測モデルを生成する。また、モデリング部１７は、記憶部１１に記憶された情報のうち、休日の情報（例えば、休日におけるユーザＵの平均ＣＴＲ、平均ＣＰＣ、広告配信頻度、平均ページ閲覧時間などの情報）により休日用の予測モデルを生成する。

この場合、演算部４２、４２Ａや予測部４５は、平日に広告リクエストが受付部４３により受け付けられた場合には、平日用の予測モデルを用いて演算を行い、休日に広告リクエストが受付部４３により受け付けられた場合には、休日用の予測モデルを用いて演算を行う。これにより、ｅＣＰＭ予測値の精度を向上させることができる。

また、例えば、モデリング部１７は、記憶部１１に記憶された情報をユーザＵの居住地域（例えば、市町村）単位で分け、かかる地域毎の情報により地域毎の予測モデルを生成することもできる。

この場合、演算部４２、４２Ａや予測部４５は、広告リクエストに含まれるユーザＩＤのユーザの居住地域や広告リクエストの送信元ＩＰアドレスに応じた地域に対応する予測モデルを用いて演算を行う。これによっても、ｅＣＰＭ予測値の精度を向上させることができる。なお、モデリング部１７は、地域毎に平日用と休日用とに分けた予測モデルを生成することもできる。

また、上述した第１および第２実施形態においては、予測モデルとしてＣＴＲ予測モデルとＣＰＣ予測モデルを例示したが、予測モデルは、ＣＴＲ予測モデルとＣＰＣ予測モデルに限定されない。例えば、ユーザの興味ジャンルを予測するための予測モデルであってもよい。この場合、予測値演算装置は、かかる予測モデルを用いて演算した予測値に基づいて、適切なコンテンツ（例えば、動画コンテンツ、音楽コンテンツ、書籍コンテンツなど）を端末装置７のユーザＵへ提供することができる。

また、上述した第１および第２実施形態においては、予測モデルの生成および予測値の演算を行うための情報を例示したが、予測モデルの生成および予測値の演算を行うための情報は、例示した情報に限定されるものではなく、種々の変形が可能である。

また、上述した第１および第２実施形態において、予測部４５は、ユーザＩＤに対応する静的スコアに基づいてＣＴＲ予測値およびＣＰＣ予測値を演算したが、ユーザＩＤに対応する静的スコアがある場合であっても、かかる静的スコアを用いないこともできる。

例えば、広告リクエストにユーザＵの性別や年齢の情報が含まれ、かつ、広告リクエストに含まれるユーザＵの性別や年齢の情報が第１情報記憶部３１に記憶されているユーザＵの性別や年齢の情報と異なるとする。この場合、予測部４５は、ユーザＩＤに対応する静的スコアを用いずに、ユーザＩＤに対応する全ての素性の情報のうち、広告リクエストに含まれるユーザＵの性別や年齢の情報を除く情報を記憶部２１から取得する。そして、予測部４５は、記憶部２１から取得した情報と広告リクエストに含まれるユーザＵの性別や年齢の情報とに基づき、ＣＴＲ予測値およびＣＰＣ予測値を演算する。

また、上述した第１および第２実施形態において、受付部４３は、ユーザＵの興味ジャンルの予測値を要求するリクエストを外部装置から受け付けた場合、かかるリクエストで特定されるユーザＵの興味ジャンルの予測値を演算することもできる。

また、上述した第１および第２実施形態において、演算部４２、４２Ａは、ｅＣＰＭ予測値が高いと予測されるユーザＵ以外のユーザＵのユーザＩＤについて、所定の固定値として第１静的平均スコアおよび第２静的平均スコアを用いたが、予測モデルを用いて演算される固定値でない、予め決定された固定値であってもよい。

［５．ハードウェア構成］
なお、実施形態におけるモデリング装置３および予測値演算装置４は、例えば図９に示すような構成のコンピュータ６０によって実現される。図９は、モデリング装置３および予測値演算装置４の機能を実現するコンピュータの一例を示すハードウェア構成図である。コンピュータ６０は、ＣＰＵ６１、ＲＡＭ６２、ＲＯＭ６３、ＨＤＤ（Hard Disk Drive）６４、通信インターフェイス（Ｉ／Ｆ）６５、入出力インターフェイス（Ｉ／Ｆ）６６、およびメディアインターフェイス（Ｉ／Ｆ）６７を備える。

ＣＰＵ６１は、ＲＯＭ６３またはＨＤＤ６４に格納されたプログラムに基づいて動作し、各部の制御を行う。ＲＯＭ６３は、コンピュータ６０の起動時にＣＰＵ６１によって実行されるブートプログラムや、コンピュータ６０のハードウェアに依存するプログラム等を格納する。

ＨＤＤ６４は、ＣＰＵ６１によって実行されるプログラムおよび当該プログラムによって使用されるデータ等を格納する。通信インターフェイス６５は、通信部１０、２０にそれぞれ対応し、通信ネットワーク８を介して他の機器からデータを受信してＣＰＵ６１へ送り、ＣＰＵ６１が生成したデータを、通信ネットワーク８を介して他の機器へ送信する。

ＣＰＵ６１は、入出力インターフェイス６６を介して、ディスプレイやプリンタ等の出力装置、および、キーボードやマウス等の入力装置を制御する。ＣＰＵ６１は、入出力インターフェイス６６を介して、入力装置からデータを取得する。また、ＣＰＵ６１は、生成したデータを、入出力インターフェイス６６を介して出力装置へ出力する。

メディアインターフェイス６７は、記録媒体６８に格納されたプログラムまたはデータを読み取り、ＲＡＭ６２を介してＣＰＵ６１に提供する。ＣＰＵ６１は、当該プログラムを、メディアインターフェイス６７を介して記録媒体６８からＲＡＭ６２上にロードし、ロードしたプログラムを実行する。記録媒体６８は、例えばＤＶＤ（Digital Versatile Disc）、ＰＤ（Phase change rewritable Disk）等の光学記録媒体、ＭＯ（Magneto-Optical disk）等の光磁気記録媒体、テープ媒体、磁気記録媒体、または半導体メモリ等である。

コンピュータ６０がモデリング装置３として機能する場合、コンピュータ６０のＣＰＵ６１は、ＲＡＭ６２上にロードされたプログラムを実行することにより、取得部１５、集計部１６、モデリング部１７および通知部１８、１８Ａの各機能を実現する。また、ＨＤＤ６４は、記憶部１１の機能を実現し、各種の情報が格納される。

また、コンピュータ６０が予測値演算装置４として機能する場合、コンピュータ６０のＣＰＵ６１は、ＲＡＭ６２上にロードされたプログラムを実行することにより、取得部４１、４１Ａ、演算部４２、４２Ａ、受付部４３、取得部４４、４４Ａ、予測部４５および選択部４６の各機能を実現する。また、ＨＤＤ６４は、記憶部２１の機能を実現し、各種の情報が格納される。

コンピュータ６０のＣＰＵ６１は、これらのプログラムを、記録媒体６８から読み取って実行するが、他の例として、他の装置から、通信ネットワーク８を介してこれらのプログラムを取得してもよい。

［６．効果］
上述した実施形態にかかる予測値演算装置４、４Ａは、演算結果記憶部３４、３５と、受付部４３と、取得部４４、４４Ａ（演算結果取得部の一例）と、予測部４５とを備える。演算結果記憶部３４、３５は、所定指標（例えば、ＣＴＲやＣＰＣ）の予測値演算のうち一部の演算の結果を予め記憶する。受付部４３は、リクエスト（例えば、広告リクエスト）を受け付ける。取得部４４、４４Ａは、受付部４３によって受け付けたリクエストに対応する一部の演算の結果を演算結果記憶部３４、３５から取得する。予測部４５は、取得部４４、４４Ａによって取得された一部の演算の結果とリクエストにより特定される情報とに基づいて予測値演算のうち残りの演算を行って、リクエストに対応する予測値を求める。これにより、実施形態にかかる予測値演算装置４、４Ａは、リクエストを受け付けた場合に、予測値演算のうち一部の演算を省くことができることから、所定指標の予測値を高速に求めることができる。

また、演算結果記憶部３４、３５は、一部の演算の結果を端末装置のユーザＵに対応させて記憶し、受付部４３は、端末装置７からリクエスト（例えば、広告リクエスト）を受け付ける。また、取得部４４、４４Ａは、受付部４３によって受け付けられたリクエストに基づき、端末装置７のユーザＵに対応する一部の演算の結果を演算結果記憶部３４、３５から取得する。これにより、予測値演算装置４、４Ａは、ユーザ毎に所定指標の予測値を高速に求めることができる。

また、予測値演算装置４は、取得部４１（ユーザ情報取得部の一例）と演算部４２とを備える。取得部４１は、ユーザＵに関する情報を取得する。演算部４２は、取得部４１によって取得された情報に基づいて予測値演算のうち一部の演算を行い、演算の結果を演算結果記憶部３４に記憶する。これにより、予測値演算装置４は、取得したユーザＵに関する情報に基づいて予測値演算のうち一部の演算を行うことができる。

また、演算結果記憶部３４、３５は、端末装置７のユーザＵのうち一部のユーザＵに対応する一部の演算の結果（例えば、第１静的スコアおよび第２静的スコア）と所定の固定値（例えば、第１静的平均スコアおよび第２静的平均スコア）とを記憶する。取得部４４、４４Ａは、一部のユーザＵ以外のユーザＵの端末装置７からのリクエストが受付部４３によって受け付けられた場合、所定の固定値を演算結果記憶部３４、３５から取得する。予測部４５は、一部のユーザＵ以外のユーザＵの端末装置７からのリクエストが受付部４３によって受け付けられた場合、所定の固定値とリクエストにより特定される情報とに基づいて予測値演算のうち残りの演算を行って、リクエストに対応する予測値を求める。これにより、端末装置７のユーザＵのうち一部のユーザＵに対応する一部の演算を行えばよいことから、演算処理負荷が軽減され、また、残りのユーザＵに対しては所定の固定値でよいため、演算結果記憶部３４、３５の記憶容量を低減することができる。

また、固定値は、ユーザＵに関する情報に含まれる素性の値を平均化した値に基づく一部の演算の結果である。これにより、所定の固定値をユーザＵに関する情報に応じた値にすることができ、ユーザＵに関する情報の変動に応じて適切に所定の固定値を設定することができる。

また、予測値演算装置４は、第１情報記憶部３１（ユーザ情報記憶部の一例）を備える。第１情報記憶部３１は、ユーザＵに関する情報を記憶する。予測部４５は、受付部４３によって受け付けられたリクエストに対応する一部の演算の結果が演算結果記憶部３４に記憶されていない場合、第１情報記憶部３１に記憶されたユーザＵに関する情報とリクエストにより特定される情報とに基づいて予測値演算を行って、リクエストに対応する予測値を求める。これにより、リクエストに対応する一部の演算の結果が演算結果記憶部３４に記憶されていない場合においても、リクエストに対応する予測値を求めることができる。

また、予測値演算は、期間および／または地域の条件に応じた予測モデルによって行われる。これにより、予測値の精度を向上させることができる。

［７．その他］
以上、本願の実施形態のいくつかを図面に基づいて詳細に説明したが、これらは例示であり、発明の開示の欄に記載の態様を始めとして、当業者の知識に基づいて種々の変形、改良を施した他の形態で本発明を実施することが可能である。

上述したモデリング装置３および予測値演算装置４は、複数のサーバコンピュータで実現してもよく、また、機能によっては外部のプラットフォーム等をＡＰＩ（Application Programming Interface）やネットワークコンピューティングなどで呼び出して実現するなど、構成は柔軟に変更できる。また、モデリング装置３および予測値演算装置４は、一つのサーバコンピュータで実現してもよい。

１ 広告配信システム
２ ウェブサーバ
３、３Ａ モデリング装置
４、４Ａ 予測値演算装置
５、６ 広告配信装置
７ 端末装置
８ 通信ネットワーク
１０、２０ 通信部
１１、２１、２１Ａ 記憶部
１２、１２Ａ、２２、２２Ａ 制御部
１３ ユーザ情報記憶部
１４ 広告枠情報記憶部
１５、４１、４１Ａ、４４、４４Ａ 取得部
１６ 集計部
１７ モデリング部
１８、１８Ａ 通知部
３１ 第１情報記憶部
３２ 第２情報記憶部
３３ モデル情報記憶部
３４ 演算結果記憶部
３５ 演算用情報記憶部（演算結果記憶部の一例）
４２、４２Ａ 演算部
４３ 受付部
４５ 予測部
４６ 選択部

Claims (9)

1. 所定指標の予測値演算のうち一部の演算の結果を予め記憶する演算結果記憶部と、
   リクエストを受け付ける受付部と、
   前記受付部によって受け付けた前記リクエストに対応する前記一部の演算の結果を前記演算結果記憶部から取得する演算結果取得部と、
   前記演算結果取得部によって取得された前記一部の演算の結果と前記リクエストにより特定される情報とに基づいて前記予測値演算のうち残りの演算を行って、前記リクエストに対応する予測値を求める予測部と、を備える
   ことを特徴とする予測値演算装置。
2. 前記演算結果記憶部は、
   前記一部の演算の結果を端末装置のユーザに対応させて記憶し、
   前記受付部は、
   前記端末装置から前記リクエストを受け付け、
   前記演算結果取得部は、
   前記リクエストに基づき、前記端末装置のユーザに対応する前記一部の演算の結果を前記演算結果記憶部から取得する
   ことを特徴とする請求項１に記載の予測値演算装置。
3. 前記ユーザに関する情報を取得するユーザ情報取得部と、
   前記ユーザ情報取得部によって取得された情報に基づいて前記一部の演算を行い、当該演算の結果を前記演算結果記憶部に記憶する演算部と、を備える
   ことを特徴とする請求項２に記載の予測値演算装置。
4. 前記演算結果記憶部は、
   前記端末装置のユーザのうち一部のユーザに対応する前記一部の演算の結果と、所定の固定値とを記憶し、
   前記演算結果取得部は、
   前記一部のユーザ以外のユーザの端末装置からの前記リクエストが前記受付部によって受け付けられた場合、前記所定の固定値を前記演算結果記憶部から取得し、
   前記予測部は、
   前記一部のユーザ以外のユーザの端末装置からの前記リクエストが前記受付部によって受け付けられた場合、前記所定の固定値と前記リクエストにより特定される情報とに基づいて前記予測値演算のうち残りの演算を行って、前記リクエストに対応する予測値を求める
   ことを特徴とする請求項２または３に記載の予測値演算装置。
5. 前記所定の固定値は、前記ユーザに関する情報に含まれる素性の値を平均化した値に基づく前記一部の演算の結果である
   ことを特徴とする請求項４に記載の予測値演算装置。
6. 前記ユーザに関する情報を記憶するユーザ情報記憶部を備え、
   前記予測部は、
   前記受付部によって受け付けられた前記リクエストに対応する前記一部の演算の結果が前記演算結果記憶部に記憶されていない場合、前記ユーザ情報記憶部に記憶された前記ユーザに関する情報と前記リクエストにより特定される情報とに基づいて前記予測値演算を行って、前記リクエストに対応する予測値を求める
   ことを特徴とする請求項２または３に記載の予測値演算装置。
7. 前記予測値演算は、期間および／または地域の条件に応じた予測モデルによって行われる
   ことを特徴とする請求項１〜６のいずれか１つに記載の予測値演算装置。
8. コンピュータが実行する予測値演算方法であって、
   端末装置からのリクエストを受け付ける受付工程と、
   所定指標の予測値演算のうち一部の演算の結果を予め記憶する演算結果記憶部から、前記受付工程によって受け付けた前記リクエストに対応する前記一部の演算の結果を取得する演算結果取得工程と、
   前記演算結果取得工程によって取得された前記一部の演算の結果と前記リクエストにより特定される情報とに基づいて前記予測値演算のうち残りの演算を行って、前記リクエストに対応する予測値を求める予測工程と、を含む
   ことを特徴とする予測値演算方法。
9. 端末装置からのリクエストを受け付ける受付手順と、
   所定指標の予測値演算のうち一部の演算の結果を予め記憶する演算結果記憶部から、前記受付手順によって受け付けた前記リクエストに対応する前記一部の演算の結果を取得する演算結果取得手順と、
   前記演算結果取得手順によって取得された前記一部の演算の結果と前記リクエストにより特定される情報とに基づいて前記予測値演算のうち残りの演算を行って、前記リクエストに対応する予測値を求める予測手順と、をコンピュータに実行させる
   ことを特徴とする予測値演算プログラム。

Images