JP2016006592A - 表示制御装置、表示制御方法及び表示制御プログラム - Google Patents

Abstract

【課題】広告効果を高めること。
【解決手段】本願に係る表示制御装置は、受付部と、予測部と、表示制御部とを有する。受付部は、端末画面上で利用者が閲覧したコンテンツの遷移に関する視線情報を受け付ける。予測部は、利用者が閲覧したコンテンツの遷移の特徴に応じて当該利用者が将来閲覧するコンテンツと対応するノードが所定の値を出力する学習器に対し、受付部が受け付けた視線情報を入力して、利用者が将来閲覧するコンテンツを予測する。表示制御部は、予測部によって予測されたコンテンツに応じて、端末画面上に表示されるコンテンツの表示制御を行う。
【選択図】図３

Description

本発明は、表示制御装置、表示制御方法及び表示制御プログラムに関する。

従来、利用者の属性に応じて広告を配信する技術が知られている。例えば、配信装置は、利用者の属性に応じて広告を抽出し、抽出した広告をウェブページ上に表示する。

特開平１１−０２４６０３号公報

しかしながら、上記の従来技術方法では、広告効果を高めることができるとは限らなかった。例えば、上記の従来技術では、配信装置は、単に利用者の属性に応じた広告をウェブページ上に表示するに過ぎず、利用者が広告を閲覧するとは限らない。このようなことから、上記の従来技術では、広告効果を高めることができるとは限らなかった。

本願は、上記に鑑みてなされたものであって、広告効果を高めることができる表示制御装置、表示制御方法及び表示制御プログラムを提供することを目的とする。

本願に係る表示制御装置は、端末画面上で利用者が閲覧したコンテンツの遷移に関する視線情報を受け付ける受付部と、前記利用者が閲覧したコンテンツの遷移の特徴に応じて当該利用者が将来閲覧するコンテンツと対応するノードが所定の値を出力する学習器に対し、前記受付部が受け付けた視線情報を入力して、前記利用者が将来閲覧するコンテンツを予測する予測部と前記予測部によって予測されたコンテンツに応じて、前記端末画面上に表示されるコンテンツの表示制御を行う表示制御部とを備えたことを特徴とする。

実施形態の一態様によれば、広告効果を高めることができるという効果を奏する。

図１は、実施形態に係る配信装置による表示制御処理の一例を示す説明図である。 図２は、実施形態に係る配信システムの構成例を示す図である。 図３は、実施形態に係る配信装置の構成例を示す図である。 図４は、実施形態に係る視線情報記憶部の一例を示す図である。 図５は、実施形態に係る学習器の一例を示す図である。 図６は、実施形態に係る配信装置による生成処理手順を示すフローチャートである。 図７は、実施形態に係る配信装置による表示制御処理手順を示すフローチャートである。 図８は、変形例に係る配信装置による表示制御処理の一例を示す説明図である。 図９は、変形例に係る視線情報の一例を示す図である。 図１０は、変形例に係る視線情報の一例を示す図である。 図１１は、変形例に係る配信装置による表示制御処理の一例を示す説明図である。 図１２は、変形例に係る配信装置による表示制御処理の一例を示す説明図である。 図１３は、変形例に係る学習器の一例を示す説明図である。 図１４は、配信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、本願に係る表示制御装置、表示制御方法及び表示制御プログラムを実施するための形態（以下、「実施形態」と呼ぶ）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表示制御装置、表示制御方法及び表示制御プログラムが限定されるものではない。また、以下の実施形態において同一の部位には同一の符号を付し、重複する説明は省略される。

〔１．表示制御処理〕
まず、図１を用いて、実施形態に係る表示制御処理の一例について説明する。図１は、実施形態に係る配信装置による表示制御処理の一例を示す説明図である。図１の例では、配信装置１００によってウェブページに表示されるコンテンツを制御する表示制御処理が行われる例を示す。

配信装置１００は、入力データに対する演算結果を出力するＤＮＮ（Deep Neural Network）である学習器Ｌｅを用いてウェブページに表示されるコンテンツの表示を制御するサーバ装置である。具体的には、配信装置１００は、入力データとして利用者の視線の遷移に関する視線情報を学習器Ｌｅに入力して視線の遷移先を示す将来の視線情報を予測し、予測した将来の視線情報を予測に基づいてコンテンツ（例えば、広告コンテンツ）を表示制御する。この点について図１を用いて詳細に説明する。

学習器Ｌｅは、入力データに対する演算結果を出力する複数のノード（例えば、ニューロン）を接続したＤＮＮであって将来の視線情報を出力するＤＮＮである。具体的には、学習器Ｌｅは、入力データとして現在までの視線情報が入力された場合に、将来の視線情報に対応するノードが所定の値を出力する。

図１の例では、学習器Ｌｅは、入力層と、多段のノード群によって形成される中間層と、出力層とから構成される。ここで、出力層は、例えば、入力データとして利用者の現在までの視線情報が学習器Ｌｅに入力された場合に将来の視線情報を出力するノードを有する。

初めに、配信装置１００が学習器を生成する生成処理について説明する。まず、配信装置１００は、入力データとして利用者の視線の遷移に関する視線情報を受け付ける（ステップＳ１）。例えば、配信装置１００は、視線情報として利用者が閲覧したコンテンツの種別の順序を受け付ける。すなわち、配信装置１００は、コンテンツの種別の順序を時系列データとして受け付ける。図１の一例では、利用者は、ウェブページＷ１を閲覧しているものとする。ここで、ウェブページＷ１は、テキストであるコンテンツＴ１１と、画像であるコンテンツＴ１２と、広告であるコンテンツＴ１３とを含む。そして、利用者は、コンテンツＴ１１、コンテンツＴ１２、コンテンツＴ１３の順に閲覧したものとする。この場合、配信装置１００は、視線情報として、「テキスト」、「画像」、「広告」といったコンテンツの種別の順序を受け付ける。すなわち、配信装置１００は、利用者が視認したコンテンツを示す時系列情報を受け付ける。なお、後述するように、配信装置１００は、コンテンツの種別以外にも、コンテンツの位置やコンテンツの内容（例えば、テキストに含まれる文章の内容や画像に描画されたオブジェクトの種別、コンテンツの色彩等）を学習してもよい。

続いて、配信装置１００は、利用者により閲覧されたコンテンツの遷移の特徴に応じて、利用者が将来閲覧するコンテンツと対応するノードが所定の値を出力する学習器Ｌｅを生成する（ステップＳ２）。例えば、配信装置１００は、視線情報として、テキスト、画像といった利用者が閲覧したコンテンツの種別の順を受け付けた場合に種別が広告であるコンテンツに対応するノードが所定の値を出力する学習器Ｌｅを生成する。すなわち、配信装置１００は、利用者が広告を閲覧するまでに閲覧したコンテンツの情報を入力データとした際に、種別が広告であるコンテンツに対応するノードが所定の値を出力するように学習器の学習を行う。例えば、配信装置１００は、視線情報としてテキスト、画像、広告といった情報を受け付けた場合は、テキスト、画像に対応する入力ノードに対して所定の値を入力した際に、広告に対応する出力ノードが所定の値を出力するように、学習器の学習を行う。なお、配信装置１００は、バックプロパゲーション法や教師有り学習法といった各種の方法によって、学習器Ｌｅの学習を行ってもよい。なお、図１の例では、説明を簡単にするため、学習器Ｌｅは、１つの視線情報を学習する例を示したが、実際には十分な数の視線情報を用いて学習を行う。

次に、配信装置１００が学習器を用いてコンテンツを表示制御する表示制御処理について説明する。配信装置１００は、まず、受け付けられた視線情報に対して将来の視線情報に対応するノードが所定の値を出力する学習器Ｌｅを用いて将来の視線情報を予測する。具体的には、配信装置１００は、学習器Ｌｅに対して現在までの視線情報を入力した場合に出力するノードに基づいて将来の視線情報を予測する。例えば、利用者は、ウェブページＷ２を閲覧しているものとする。そして、利用者は、種別がテキストであるコンテンツＴ２１、種別が画像であるコンテンツＴ２２といったコンテンツの種別の順に閲覧したものとする。この場合、配信装置１００は、まず、現在までの視線情報として、テキスト、画像といったコンテンツの種別の順を受け付ける（ステップＳ３）。

続いて、配信装置１００は、受け付けた現在までの視線情報であるコンテンツの種別の順を学習器Ｌｅに入力する。そして、配信装置１００は、学習器Ｌｅが出力するノードに基づいて将来の視線情報を予測する（ステップＳ４）。例えば、学習器Ｌｅは、テキスト、画像といったコンテンツの種別の順を入力した場合に、広告に対応するノードを学習器Ｌｅが出力したものとする。この場合、配信装置１００は、将来の視線情報として、利用者が次に閲覧するコンテンツの種別を広告と予測する。

続いて、配信装置１００は、予測された将来の視線情報に基づいてコンテンツを表示制御する（ステップＳ５）。例えば、配信装置１００は、図１に示すように、利用者がコンテンツＴ１１およびコンテンツＴ１２を閲覧し終えた際に、ウェブページＷ２上に広告ＣＡを表示する。一例としては、配信装置１００は、ウェブページＷ２に含まれる広告枠に既に表示されている広告を優先度（例えば、入札価格）がより高い広告ＣＡに変更して表示する。もしくは、配信装置１００は、利用者の視線の先に広告ＣＡを表示してもよく、利用者の視線の先に広告ＣＡを移動させてもよい。

このように、実施形態に係る配信装置１００は、入力データとして利用者の視線の遷移に関する視線情報を受け付ける。また、配信装置１００は、利用者により閲覧されたコンテンツの遷移の特徴に応じて、利用者が将来閲覧するコンテンツと対応するノードが所定の値を出力する学習器を生成する。また、配信装置１００は、受け付けられた視線情報に対して将来の視線情報に対応するノードが所定の値を出力する学習器を用いて将来の視線情報を予測する。また、配信装置１００は、予測された将来の視線情報に基づいてコンテンツを表示制御する。

これにより、配信装置１００は、利用者の視線に応じて広告を表示することができるので、広告効果を高めることができる。例えば、配信装置１００は、利用者が現在までに閲覧したコンテンツの種別に基づいて利用者が次に閲覧するコンテンツの種別を予測することができるので、利用者に閲覧されるタイミングで広告を表示することができる。

また、配信装置１００は、広告効果を高めることができるので、広告主の売上を向上させることができる。例えば、配信装置１００は、広告効果を高めることで広告主が広告する商品の売上を上げることができる。

また、配信装置１００は、利用者に閲覧されるタイミングで広告を表示することができるので、利用者の利便性を向上させることができる。例えば、配信装置１００は、利用者が優先して閲覧したいコンテンツを閲覧した後で広告を表示することができるので、広告に対する利用者の注目を引き付けるとともに、利用者が広告をクリックして広告主のページへ遷移する確率を高めることができる。

〔２．配信システムの構成〕
図２を用いて、実施形態に係る配信システムの構成について説明する。図２は、実施形態に係る配信システムの構成例を示す図である。図２に示すように、配信システム１には、端末装置１０と、広告装置５０と、配信装置１００とが含まれる。端末装置１０、広告装置５０および配信装置１００は、ネットワークを介して、有線又は無線により通信可能に接続される。なお、図２に示した配信システム１には、複数台の端末装置１０や、複数台の広告装置５０や、複数台の配信装置１００が含まれてもよい。

端末装置１０は、例えば、デスクトップ型ＰＣや、ノート型ＰＣや、タブレット型端末や、スマートフォンや、携帯電話機や、ＰＤＡ（Personal Digital Assistant）等の情報処理装置である。例えば、端末装置１０は、ウェブページを閲覧する利用者によって利用される。端末装置１０は、利用者の視線の遷移に関する視線情報を配信装置１００に送信する。一例としては、端末装置１０は、利用者の視線情報を検出するウェアラブル端末から視線情報を取得し、取得した視線情報を配信装置１００に送信する。

広告装置５０は、広告コンテンツを提供するサーバ装置である。具体的には、広告装置５０は、ウェブページに含まれる広告枠に表示される広告コンテンツを端末装置１０や配信装置１００に配信する。例えば、広告装置５０は、端末装置１０や配信装置１００から広告コンテンツの取得要求を受信した場合に、広告コンテンツを端末装置１０や配信装置１００に配信する。

配信装置１００は、各種のコンテンツを含むウェブページを端末装置１０に提供するサーバ装置である。具体的には、配信装置１００は、学習器Ｌｅを用いてコンテンツを表示制御し、表示制御したコンテンツを端末装置１０に配信する。例えば、配信装置１００は、テキストや画像などのコンテンツを含むニュースサイトに表示される広告コンテンツの表示態様を制御する。なお、配信装置１００は、ニュースサイトに限らず、技術解説サイト、検索エンジンサイト、ショッピングサイト、ＥＣサイト、オークションサイト、ファイナンスサイト（株価サイト）等といった各種のウェブページも提供してもよい。

〔３．配信装置の構成〕
次に、図３を用いて、実施形態に係る配信装置１００の構成について説明する。図３は、実施形態に係る配信装置１００の構成例を示す図である。図３に示すように、配信装置１００は、通信部１１０と、記憶部１２０と、制御部１３０とを有する。なお、配信装置１００は、配信装置１００を管理する管理者等から各種操作を受け付ける入力部（例えば、キーボードやマウス等）や、各種情報を表示するための表示部（例えば、液晶ディスプレイ等）を有してもよい。

（通信部１１０について）
通信部１１０は、例えば、ＮＩＣ等によって実現される。通信部１１０は、ネットワークと有線又は無線で接続され、ネットワークを介して、端末装置１０や広告装置５０との間で情報の送受信を行う。

（記憶部１２０について）
記憶部１２０は、例えば、ＲＡＭ（Random Access Memory)、フラッシュメモリ（Flash Memory）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によって実現される。記憶部１２０は、視線情報記憶部１２１と、学習器情報記憶部１２２を有する。

（視線情報記憶部１２１について）
視線情報記憶部１２１は、利用者の視線の遷移に関する視線情報を記憶する。具体的には、視線情報記憶部１２１は、端末装置１０から送信される利用者が閲覧したコンテンツに関する情報などを記憶する。

ここで、図４に、実施形態に係る視線情報記憶部１２１の一例を示す。図４に示した例では、視線情報記憶部１２１は、「ページＩＤ」、「ページ内容」、「コンテンツＩＤ」、「配置座標」、「コンテンツ種別」、「コンテンツ内容」といった項目を有する。「ページＩＤ」は、ウェブページを識別するための識別情報を示す。「ページ内容」は、ウェブページの内容のカテゴリを示す。「コンテンツＩＤ」は、ウェブページに含まれるコンテンツを識別するための識別情報を示す。「配置座標」は、コンテンツが位置するウェブページ上の座標を示す。「コンテンツ種別」は、コンテンツの種別を示す。「コンテンツ内容」は、コンテンツの内容のカテゴリを示す。

すなわち、図４では、ページＩＤ「Ｗ１」に対応するウェブページＷ１は、ページ内容が「ニュース」である例を示している。また、図４では、ページＩＤ「Ｗ１」に対応するウェブページＷ１は、コンテンツＴ１１、コンテンツＴ１２、コンテンツＴ１３の順に利用者によって閲覧された例を示している。また、図４では、ページＩＤ「Ｗ１」に対応するウェブページＷ１に含まれるコンテンツＴ１１は、ウェブページ上の（Ｘ１、Ｙ１）座標に配置されている例を示している。また、図４では、コンテンツＴ１１は、コンテンツの種別が「テキスト」である例を示している。また、図４では、コンテンツＴ１１は、コンテンツの内容が「スポーツ」である例を示している。

（学習器情報記憶部１２２について）
学習器情報記憶部１２２は、学習器（例えば、ＤＮＮ）に関する情報を記憶する。具体的には、学習器情報記憶部１２２は、ＤＮＮに含まれる入力層、中間層および出力層のノードや、ノード間の結合係数に関する情報を記憶する。例えば、学習器情報記憶部１２２は、図１に示す学習器Ｌｅを記憶する。

（コンテンツ記憶部１２３）
コンテンツ記憶部１２３は、コンテンツの一例として、ウェブページやウェブページを形成する部品を記憶する。例えば、コンテンツ記憶部１２３は、ウェブページを形成する部品として、ウェブページに表示されるテキストである記事データや画像等を記憶する。

（制御部１３０について）
制御部１３０は、例えば、ＣＰＵ（Central Processing Unit）やＭＰＵ（Micro Processing Unit）等によって、配信装置１００内部の記憶装置に記憶されている各種プログラム（表示制御プログラムの一例に相当）がＲＡＭを作業領域として実行されることにより実現される。また、制御部１３０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１３０は、図３に示すように、受付部１３１と、生成部１３２と、予測部１３３と、表示制御部１３４と、配信部１３５とを有し、以下に説明する情報処理の機能や作用を実現または実行する。なお、制御部１３０の内部構成は、図３に示した構成に限られず、後述する生成処理を行う構成であれば他の構成であってもよい。また、制御部１３０が有する各処理部の接続関係は、図３に示した接続関係に限られず、他の接続関係であってもよい。

（受付部１３１について）
受付部１３１は、入力データを受け付ける。具体的には、受付部１３１は、端末画面上で利用者が閲覧したコンテンツの遷移に関する視線情報を受け付ける。例えば、受付部１３１は、視線情報として、利用者が閲覧したコンテンツの種別の順序を受け付ける。そして、受付部１３１は、受け付けた視線情報を視線情報記憶部１２１に格納する。

また、受付部１３１は、将来の視線情報を予測する際には、現在までの視線情報を受け付ける。例えば、受付部１３１は、利用者が現在までに閲覧したコンテンツの種別の順序を受け付ける。また、受付部１３１は、広告コンテンツを広告装置５０から受け付ける。

（生成部１３２について）
生成部１３２は、学習器（例えば、ＤＮＮ）を生成する。具体的には、生成部１３２は、利用者により閲覧されたコンテンツの遷移の特徴に応じて、利用者が将来閲覧するコンテンツと対応するノードが所定の値を出力する学習器Ｌｅを生成する。なお、生成部１３２は、学習に必要な数の視線情報を受け付けた際に、学習器Ｌｅを生成する。一例としては、生成部１３２は、バックプロパゲーション法や教師あり学習によりＤＮＮに含まれるニューロンの間の結合係数を算出することで学習器Ｌｅを生成する。

例えば、生成部１３２は、受付部１３１によってテキスト、画像といった利用者が閲覧したコンテンツの種別の順を視線情報として受け付けた場合に種別が広告であるコンテンツに対応するノードが所定の値を出力するノード間の結合係数を算出する。すなわち、生成部１３２は、ページ内のコンテンツごとに遷移を学習したノード間の結合係数を算出する。一例としては、生成部１３２は、利用者が閲覧したコンテンツの種別の順から次に閲覧するコンテンツの種別を学習するノード間の結合係数を算出する。

その後、生成部１３２は、算出した結合係数を学習器に含まれるノード間に設定することで学習器Ｌｅを生成する。これにより、生成部１３２は、受付部１３１によって受け付けられた視線情報に対して将来の視線情報に対応するノードが所定の値を出力する学習器を生成することができる。そして、生成部１３２は、生成した学習器Ｌｅを学習器情報記憶部１２２に格納する。

ここで、図５を用いて、学習器Ｌｅについて説明する。図５は、学習器の一例を示す図である。図５に示すように、学習器Ｌｅには、入力データとして、視線情報とページ情報とが入力される。ここで、視線情報は視線の遷移に関する情報である。ページ情報は、利用者が閲覧するウェブページの内容情報、ウェブページに含まれるコンテンツの配置座標、コンテンツの種別情報、コンテンツの内容情報といったページに関する各種の情報である。学習器Ｌｅは、例えば、図５に示すように、ページの内容に対応するノード群と、コンテンツの内容に対応するノード群と、コンテンツの種別に対応するノード群とによって中間層が形成される。例えば、生成部１３２は、各情報に対応するノード群を含む学習器をそれぞれ作成して、各情報を入力とした際の出力の誤差が小さくなるようにプレトレーニングを行うとともに、プレトレーニングを行った各学習器からノード群を取り出し、取り出したノード群を中間層とする学習器Ｌｅを作成する。そして、生成部１３２は、視線情報を用いて学習器Ｌｅの学習を行い、学習済みの学習器Ｌｅを学習器情報記憶部１２２に格納する。

（予測部１３３について）
予測部１３３は、将来の視線情報を予測する。具体的には、予測部１３３は、利用者が閲覧したコンテンツの遷移の特徴に応じて利用者が将来閲覧するコンテンツと対応するノードが所定の値を出力する学習器に対し、受付部１３１が受け付けた視線情報を入力して、利用者が将来閲覧するコンテンツを予測する。例えば、予測部１３３は、学習器Ｌｅに対して現在までの視線情報を入力した場合に出力するノードに基づいて将来の視線情報を予測する。一例としては、予測部１３３は、まず、受付部１３１によって受け付けられた現在までの視線情報であるコンテンツの種別の順を学習器Ｌｅに入力する。そして、例えば、テキスト、画像といったコンテンツの種別の順を学習器Ｌｅに入力すると広告に対応するノードが出力された場合には、予測部１３３は、将来の視線情報として、利用者が次に閲覧するコンテンツの種別を広告と予測する。

（表示制御部１３４について）
表示制御部１３４は、コンテンツを表示制御する。具体的には、表示制御部１３４は、予測部１３３によって予測されたコンテンツに応じて、端末画面上に表示されるコンテンツの表示制御を行う。例えば、表示制御部１３４は、予測部１３３によって次に閲覧するコンテンツの種別が広告であると予測された場合に、広告コンテンツをウェブページ上に表示するように制御する。一例としては、表示制御部１３４は、利用者が次に広告を閲覧すると予測された際に、ウェブページに含まれる広告枠に既に表示されている広告コンテンツを優先度（例えば、入札価格）がより高い広告コンテンツに変更して表示するように制御する。なお、表示制御部１３４は、広告コンテンツに限らず、各種のコンテンツを表示するように表示制御してもよい。また、表示制御部１３４は、例えば、広告装置５０から配信された広告コンテンツを用いてコンテンツの表示制御を行う。そして、表示制御部１３４は、例えば、コンテンツを表示制御する指示を後述の配信部１３５に通知する。

（配信部１３５について）
配信部１３５は、コンテンツを配信する。具体的には、配信部１３５は、表示制御部１３４の指示に従って表示制御したコンテンツを配信する。例えば、配信部１３５は、コンテンツ記憶部１２３に記憶されたコンテンツや広告装置５０から受け付けた広告コンテンツを表示制御部１３４の指示に従って表示制御して端末装置１０に配信する。一例としては、配信部１３５は、利用者が次に広告を閲覧すると予測された際に、ウェブページに含まれる広告枠に既に表示されている広告を優先度（例えば、入札価格）がより高い広告に変更して表示するウェブページを配信する。

〔４．生成処理手順〕
次に、図６を用いて、実施形態に係る配信装置１００による生成処理の手順について説明する。図６は、実施形態に係る配信装置１００による生成処理手順を示すフローチャートである。

図６に示すように、配信装置１００は、学習に必要な数の視線情報を受け付ける（ステップＳ１０１）。例えば、配信装置１００は、視線情報として利用者が閲覧したコンテンツの種別の順序を受け付ける。そして、配信装置１００は、学習に必要な数の視線情報を受け付けていない場合には（ステップＳ１０１；Ｎｏ）、学習に必要な数の視線情報を受け付けるまで待機する。

一方、配信装置１００は、学習に必要な数の視線情報を受け付けた場合（ステップＳ１０１；Ｙｅｓ）、受け付けた視線情報を学習器に入力する（ステップＳ１０２）。例えば、配信装置１００は、視線情報として利用者が閲覧したコンテンツの種別の順序を学習器に入力する。

その後、配信装置１００は、受付部１３１によって受け付けられた視線情報に対して将来の視線情報に対応するノードが所定の値を出力する学習器を生成する。例えば、配信装置１００は、利用者が閲覧したコンテンツの種別の順序に対して利用者が次に閲覧するコンテンツの種別に対応するノードが所定の値を出力するようにノード間の結合係数を算出する。一例としては、配信装置１００は、バックプロパゲーション法により結合係数を算出する（ステップＳ１０３）。

そして、配信装置１００は、学習器を生成する（ステップＳ１０４）。例えば、配信装置１００は、算出した結合係数をノード間に設定することで、視線情報に対して将来の視線情報に対応するノードが所定の値を出力する学習器を生成する。その後、配信装置１００は、生成した学習器を学習器情報記憶部１２２に格納する（ステップＳ１０５）。

〔５．配信処理手順〕
次に、図７を用いて、実施形態に係る配信装置１００による表示制御処理の手順について説明する。図７は、実施形態に係る配信装置１００による表示制御処理手順を示すフローチャートである。

図７に示すように、配信装置１００は、入力データとして現在までの視線情報を受け付ける（ステップＳ２０１）。例えば、配信装置１００は、入力データとして利用者が現在までに閲覧したコンテンツの種別の順序を受け付ける。そして、配信装置１００は、入力データとして現在までの視線情報を受け付けていない場合には（ステップＳ２０１；Ｎｏ）、入力データとして現在までの視線情報を受け付けるまで待機する。

一方、配信装置１００は、入力データとして現在までの視線情報を受け付けた場合（ステップＳ２０１；Ｙｅｓ）、受け付けた入力データである現在までの視線情報を学習器に入力する（ステップＳ２０２）。

その後、配信装置１００は、将来の視線情報を予測する（ステップＳ２０３）。例えば、配信装置１００は、テキスト、画像といったコンテンツの種別の順を学習器Ｌｅに入力すると広告に対応するノードが出力された場合に、将来の視線情報として利用者が次に閲覧するコンテンツの種別を広告と予測する。

そして、配信装置１００は、予測された将来の視線情報に基づいてコンテンツを表示制御する（ステップＳ２０４）。例えば、配信装置１００は、次に閲覧するコンテンツの種別が広告であると予測された場合に、広告コンテンツをウェブページ上に表示するように制御する。一例としては、配信装置１００は、利用者が次に広告を閲覧すると予測された際に、ウェブページに含まれる広告枠に既に表示されている広告を優先度がより高い広告に変更して表示するように制御する。

〔６．変形例〕
上述した実施形態に係る配信装置１００は、上記実施形態以外にも種々の異なる形態にて実施されてよい。そこで、以下では、上記の配信装置１００の他の実施形態について説明する。

〔６−１．視線情報（１）〕
上記実施形態では、配信装置１００は、視線情報として利用者が閲覧したコンテンツの種別の順から将来閲覧するコンテンツの種別を予測する例を示した。ここで、配信装置１００は、利用者が閲覧したコンテンツの位置の遷移から利用者が将来閲覧するコンテンツの位置を予測してもよい。

具体的には、配信装置１００は、将来の視線情報として、学習器に対して利用者の現在までの視点の位置の遷移を入力した場合に出力するノードに基づいて利用者の将来の視点の位置の遷移を予測する。この点について、図８を用いて説明する。図８は、変形例に係る配信装置による表示制御処理の一例を示す説明図である。

配信装置１００は、まず、視線情報として利用者が閲覧したコンテンツの位置の遷移を受け付ける。例えば、配信装置１００は、図８に示すように、利用者の現在までの視点の位置の遷移Ｌ１を受け付ける。

続いて、配信装置１００は、現在までの視点の位置の遷移Ｌ１を学習器Ｌｅに入力する。ここで、学習器Ｌｅは、視点の位置の遷移Ｌ２に対応するノードを出力したものとする。この場合、配信装置１００は、利用者が将来閲覧するコンテンツの位置の遷移Ｌ２と予測する。

そして、配信装置１００は、予測された将来の視点の位置の遷移Ｌ２に基づいてコンテンツを表示制御する。例えば、図８に示すように、配信装置１００は、利用者の視点の位置が遷移Ｌ１から遷移Ｌ２に切り替わる際に、ウェブページＷ１に含まれるコンテンツである写真ＣＰの位置に広告コンテンツＣＡを表示するように制御する。

このように、配信装置１００は、視線情報として利用者が閲覧したコンテンツの位置の遷移を受け付ける。また、配信装置１００は、利用者が閲覧したコンテンツの位置の遷移の特徴に応じて利用者が将来閲覧するコンテンツの位置と対応するノードが所定の値を出力する学習器に対し、受付部１３１が受け付けた視線情報を入力して、利用者が将来閲覧するコンテンツの位置を予測する。また、配信装置１００は、予測部１３３によって予測された予測された将来のコンテンツの位置の遷移に基づいてコンテンツを表示制御する。

これにより、配信装置１００は、利用者の将来の視点の位置を予測することができるので、利用者の将来の視点の位置に応じてコンテンツの表示を制御することができる。例えば、配信装置１００は、利用者が次に閲覧する位置にあるコンテンツを広告コンテンツに変更することで広告コンテンツの存在を利用者に気づかせることができるので、広告効果を高めることができる。

また、配信装置１００は、利用者の視点の位置とコンテンツの種別とを組み合わせて学習した学習器を生成してもよい。例えば、配信装置１００は、学習器の学習を行う際には、ある時点より前に利用者が閲覧したコンテンツの種別の順序および位置と、その後のコンテンツおよび位置とを視線情報として学習器に入力し、学習器の学習を行う。その後、配信装置１００は、将来の視線情報の予測を行う際には、現在までに利用者が閲覧したコンテンツの種別の順序および位置を視線情報として学習器に入力し、出力されたノードに基づいて利用者が将来閲覧するコンテンツの種別および位置を将来の視線情報として予測する。そして、配信装置１００は、予測されたコンテンツの種別が広告である場合に、予測された位置にコンテンツを表示するように表示制御する。これにより、配信装置１００は、広告コンテンツの存在を利用者に気付かせることができるので、広告効果を高めることができる。

〔６−２．視線情報（２）〕
上記実施形態では、配信装置１００は、視線情報として利用者が閲覧したコンテンツの種別の順序を受け付ける例を示した。ここで、配信装置１００は、視線情報として利用者が閲覧した領域の遷移を画像として受け付けてもよい。

具体的には、配信装置１００は、画像の遷移の特徴に応じて利用者が将来閲覧するコンテンツの画像と対応するノードが所定の値を出力する学習器に対し、受付部１３１が受け付けた視線情報を入力して、利用者が将来閲覧するコンテンツの画像を予測する。すなわち、配信装置１００は、ページ全体を１つの画像として学習する学習器を用いて利用者が将来閲覧する領域の遷移を予測する。この点について、図９を用いて説明する。図９は、変形例に係る視線情報の一例を示す図である。

配信装置１００は、まず、視線情報として利用者の注視点を含む所定の範囲に含まれるコンテンツの画像を受け付ける。具体的には、配信装置１００は、視線情報として利用者の注視点を含む所定の範囲に含まれるコンテンツの画像を受け付ける。例えば、配信装置１００は、図９に示すように、利用者の視野の領域ＡＲ１を画像として受け付ける。そして、配信装置１００は、同様に、所定時間後の利用者の視野の領域を画像として受け付ける。これにより、配信装置１００は、所定時間間隔で利用者の視野の領域の遷移を示す画像を連続的に集めることで視線動画を取得することができる。

続いて、配信装置１００は、画像の遷移の特徴に応じて利用者が将来閲覧するコンテンツの画像と対応するノードが所定の値を出力する学習器に対し、受付部１３１が受け付けた視線情報を入力して、利用者が将来閲覧するコンテンツの画像を予測する。具体的には、配信装置１００は、利用者が現在までに閲覧した領域の遷移を示す画像を学習器Ｌｅに入力する。すなわち、配信装置１００は、視線動画を学習器Ｌｅに入力する。そして、配信装置１００は、学習器Ｌｅに対して利用者が現在までに閲覧した領域の遷移を示す画像を入力した場合に出力するノードに基づいて利用者が将来閲覧する領域の遷移を予測する。例えば、配信装置１００は、利用者が現在までに閲覧した領域の色合いや形状の遷移から利用者が次に閲覧する領域の色合いや形状等を予測する。そして、配信装置１００は、予測した領域の色合いや形状に基づいてコンテンツを表示制御する。例えば、配信装置１００は、利用者が次に閲覧すると予測された画像と色や形状などの特徴が類似する広告コンテンツを表示するように表示制御する。また、他の例では、配信装置１００は、利用者が閲覧中のコンテンツから予測した領域の色合いや形状に近い領域を特定し、特定した位置に広告を表示してもよい。

このように、配信装置１００は、視線情報として利用者の注視点を含む所定の範囲に含まれるコンテンツの画像を受け付ける。また、配信装置１００は、画像の遷移の特徴に応じて利用者が将来閲覧するコンテンツの画像と対応するノードが所定の値を出力する学習器に対し、受付部１３１が受け付けた視線情報を入力して、利用者が将来閲覧するコンテンツの画像を予測する。また、配信装置１００は、予測部１３３によって予測された画像に基づいてコンテンツを表示制御。

これにより、配信装置１００は、利用者が将来閲覧する領域を予測することができるので、利用者が将来閲覧する領域に応じてコンテンツの表示を制御することができる。例えば、配信装置１００は、利用者が次に閲覧する領域にあるコンテンツを広告コンテンツに変更することで広告コンテンツの存在を利用者に気づかせることができるので、広告効果を高めることができる。また、配信装置１００は、コンテンツごとに学習する場合と比較して、コンテンツ間の境界付近の情報を高い精度で学習することができる。

〔６−３．視線情報（３）〕
上記実施形態では、配信装置１００は、利用者の視線の遷移に関する視線情報を受け付ける例を示した。ここで、配信装置１００は、視線情報としてコンテンツが配置されたウェブページの遷移を含んだ視線情報を受け付けてもよい。

この点について、図１０を用いて説明する。図１０は、変形例に係る視線情報の一例を示す図である。図１０の例では、利用者は、まず、ウェブページＷ３を閲覧する。ここで、利用者は、ウェブページＷ３に含まれるコンテンツを、テキストＴ３１、画像Ｔ３２の順に閲覧する。次に、利用者は、ウェブページＷ３から遷移してウェブページＷ４を閲覧する。ここで、利用者は、ウェブページＷ４に含まれるコンテンツを画像Ｔ４１、テキストＴ４２、広告Ｔ４３の順に閲覧する。この場合、配信装置１００は、視線情報として、テキスト、画像、画像、テキスト、広告といったコンテンツの種別の順序を受け付ける。すなわち、配信装置１００は、ウェブページをまたいで利用者が閲覧したコンテンツの種別の順序を受け付ける。なお、配信装置１００は、ウェブページの遷移自体を１つの要素として受け付けてもよい。

このように、配信装置１００は、視線情報としてコンテンツが配置されたウェブページの遷移を含んだ視線情報を受け付ける。これにより、配信装置１００は、ウェブページをまたいで視線情報を受け付けることができるので、利用者の視線の遷移をより厳密に取得することができる。このため、配信装置１００は、将来の視線情報の予測精度を高めることができる。

〔６−４．視線情報（４）〕
上述した例では、配信装置１００は、視線情報として利用者が視認したコンテンツの種別を用いた。しかしながら、実施形態はこれに限定されるものではない。例えば、配信装置１００は、コンテンツの位置やコンテンツの内容（例えば、テキストに含まれる文章の内容や画像に描画されたオブジェクトの種別、コンテンツの色彩等）を視線情報として利用してもよい。

例えば、配信装置１００は、利用者が広告を視認した場合に、かかる広告を視認するまでに視認したコンテンツの種別、コンテンツに含まれる文章の内容、コンテンツの色彩等を視線情報として取得する。また、配信装置１００は、取得した視線情報を入力データとした際に、広告と対応するノードが所定の値を出力するように、学習器Ｌｅの学習を行う。そして、配信装置１００は、判定時に取得された視線情報を学習器Ｌｅへ入力した際に、広告と対応するノードが所定の値を出力した場合には、利用者の視野内に広告を表示してもよい。

また、配信装置１００は、広告の種別を学習器Ｌｅの出力としてもよい。例えば、配信装置１００は、利用者が広告を視認した場合に、かかる広告を視認するまでの視線情報を取得する。また、配信装置１００は、取得した視線情報を入力データとした際に、利用者が視認した広告の種別と対応するノードが所定の値を出力するように、学習器Ｌｅの学習を行う。そして、配信装置１００は、判定時に取得された視線情報を学習器Ｌｅへ入力した際に、あるノードが所定の値を出力した場合には、かかるノードと対応する種別の広告を表示してもよい。例えば、配信装置１００は、表示済みの広告を、所定の値を出力したノードと対応する種別の広告に変更してもよく、所定の値を出力したノードと対応する種別の広告を利用者の視野内に表示させてもよい。

〔６−５．表示制御〕
上記実施形態では、配信装置１００は、予測部１３３によって予測された将来の視線情報に基づいてコンテンツを表示制御する例を示した。ここで、配信装置１００は、コンテンツを各種の態様で表示制御してもよい。

具体的には、配信装置１００は、予測部１３３によって予測された将来の視線情報に応じてコンテンツの配置を変更する。この点について、図１１を用いて説明する。図１１は、変形例に係る配信装置による表示制御処理の一例を示す説明図である。

図１１の例では、配信装置１００は、まず、利用者の現在までの視点の位置の遷移Ｌ３を受け付ける。続いて、配信装置１００は、現在までの視点の位置の遷移Ｌ３を学習器Ｌｅに入力する。ここで、学習器Ｌｅは、視点の位置の遷移Ｌ４に対応するノードを出力したものとする。この場合、配信装置１００は、利用者の将来の視点の位置の遷移を視点の位置の遷移Ｌ４と予測する。

そして、配信装置１００は、予測された将来の視点の位置の遷移Ｌ４に応じてコンテンツの配置を変更する。例えば、配信装置１００は、図１１に示すように、利用者の視点の位置が遷移Ｌ３から遷移Ｌ４に切り替わる際に、広告コンテンツＣＡを予測された将来の視点の位置の遷移Ｌ４上に配置する。

他の例では、配信装置１００は、予測部１３３によって予測された将来の視線情報に応じて既に表示されているコンテンツを他のコンテンツに変更する。この点について、図１２を用いて説明する。図１２は、変形例に係る配信装置による表示制御処理の一例を示す説明図である。

図１２の例では、配信装置１００は、まず、利用者の現在までの視点の位置の遷移Ｌ５を受け付ける。続いて、配信装置１００は、現在までの視点の位置の遷移Ｌ５を学習器Ｌｅに入力する。ここで、学習器Ｌｅは、視点の位置の遷移Ｌ６に対応するノードを出力したものとする。この場合、配信装置１００は、利用者の将来の視点の位置の遷移を視点の位置の遷移Ｌ６と予測する。

そして、配信装置１００は、予測された将来の視点の位置の遷移Ｌ６に応じて既に表示されているコンテンツを他のコンテンツに変更する。例えば、配信装置１００は、図１２に示すように、利用者の視点の位置が遷移Ｌ５から遷移Ｌ６に切り替わる際に、広告コンテンツＣＡ１を、広告コンテンツＣＡ１より優先度（例えば、入札価格）が高い広告コンテンツＣＡ２に変更する。

また、配信装置１００は、利用者が次に画像を閲覧すると予測した場合には、画像と関連する広告コンテンツを表示するようにコンテンツを表示制御してもよい。例えば、配信装置１００は、利用者がニュースサイトで新製品のパソコンの画像を次に閲覧すると予測した場合に、パソコンに対応する広告コンテンツを表示する。

このように、配信装置１００は、予測部１３３によって予測された将来の視線情報に応じてコンテンツの配置を変更、または、既に表示されているコンテンツを他のコンテンツに変更する。

これにより、配信装置１００は、利用者が将来閲覧する位置に広告を配置することができるので、広告効果を高めることができる。また、配信装置１００は、利用者が将来閲覧する位置により優先度の高い広告を表示することができるので、広告効果を高めることができる。

〔６−６．学習器（１）〕
上記実施形態では、配信装置１００は、現在までの視線情報に対して将来の視線情報を出力する学習器を生成する例を示した。ここで、配信装置１００は、脳の視覚情報処理に対応して学習器を生成してもよい。

この点について、図１３を用いて説明する。図１３は、変形例に係る学習器の一例を示す説明図である。脳の視覚情報処理は、図１３に示すように、位置や向きＶ１、アングルやジャンクションＶ２、眼球運動ＭＴ、幾何学的形状Ｖ４といった各種の情報処理によって構成される。

そこで、配信装置１００は、位置や向きＶ１、アングルやジャンクションＶ２、眼球運動ＭＴ、幾何学的形状Ｖ４に対応するノード群の層によって中間層が形成される学習器を生成する。具体的には、配信装置１００は、図１３に示すように、入力層側から、位置や向きＶ１の特徴を学習したノード群、アングルやジャンクションＶ２の特徴を学習したノード群、眼球運動ＭＴの特徴を学習したノード群、幾何学的形状Ｖ４の特徴を学習したノード群といった順に中間層が構成された学習器を生成する。そして、配信装置１００は、このように生成された学習器を用いて将来の視線情報を予測する。

このように、配信装置１００は、脳の視覚情報処理に対応して学習器を生成する。これにより、配信装置１００は、脳の視覚情報処理に従って学習器を生成することができるので、将来の視線情報の予測精度を高めることができる。

〔６−７．学習器（２）〕
上記実施形態では、配信装置１００は、現在までの視線情報に対して将来の視線情報を出力する学習器を生成する例を示した。ここで、配信装置１００は、各種の情報を学習する学習器を生成してもよい。

例えば、配信装置１００は、まず、広告コンテンツのＣＴＲ（Click Through Ratio）が所定の値より高い視線情報やウェブページに含まれるコンテンツのレイアウト、広告コンテンツの内容などを学習器に入力する。そして、配信装置１００は、広告コンテンツのＣＴＲやコンテンツのレイアウト、広告コンテンツの内容などの関係を学習する学習器を生成する。その後、配信装置１００は、生成した学習器に現在までの視線情報と広告コンテンツの内容とを入力する。続いて、配信装置１００は、入力した視線情報と広告コンテンツの内容とに対する出力結果に基づいて、コンテンツのレイアウトの中でＣＴＲが最も高いレイアウトを特定する。すなわち、配信装置１００は、視線情報を学習してＣＴＲを予測する。そして、配信装置１００は、特定したコンテンツのレイアウトに変更する。

このように、配信装置１００は、広告コンテンツのＣＴＲやコンテンツのレイアウト、広告コンテンツの内容などの関係を学習する学習器を生成する。これにより、配信装置１００は、コンテンツのレイアウトの中でＣＴＲが最も高いレイアウトを表示することができるので、広告コンテンツによる売り上げやクリック数を高めることができる。また、配信装置１００は、視線のふらつきによるノイズの影響を低減することができる。これにより、配信装置１００は、広告コンテンツのマッチングやページ構成のレコメンド、視線情報への広告入札などに学習器を活用することができる。

〔６−８．ＤＮＮ〕
上記実施形態では、配信装置１００は、入力層、中間層および出力層によって構成される学習器を生成する例を示した。ここで、配信装置１００は、各種の層に任意の数のノード群を含む学習器を生成してもよい。例えば、配信装置１００は、中間層に複数のノード群が含まれる多段の学習器を生成する。また、学習器に含まれるノード群は、任意の数のノードによって構成されてもよい。

〔６−９．装置構成〕
上記実施形態では、配信装置１００は、広告装置５０と一体となって構成されてもよい。この場合、配信装置１００は、広告コンテンツを配信する。例えば、配信装置１００は、予測部１３３によって予測された将来の視線情報に応じて表示制御した広告コンテンツを端末装置１０に配信する。

また、配信装置１００は、コンテンツを予測する予測処理やコンテンツを表示制御する表示制御処理、コンテンツを配信する配信処理は行わず、生成部１３２による生成処理のみを行う生成装置であってもよい。この場合、配信装置１００は、少なくとも予測部１３３や表示制御部１３４や配信部１３５を有しない。そして、予測部１３３を有する予測装置が、配信装置１００によって生成された学習器を用いて将来の視線情報を予測する。また、表示制御部１３４を有する表示制御装置が、予測装置によって予測された将来の視線情報に基づいてコンテンツを表示制御する。また、配信部１３５を有する配信装置が、表示制御装置によって表示制御されたコンテンツを端末装置１０に配信する。

〔６−１０．その他〕
上記実施形態において説明した各処理のうち、自動的に行われるものとして説明した処理の全部または一部を手動的に行うこともでき、あるいは、手動的に行われるものとして説明した処理の全部または一部を公知の方法で自動的に行うこともできる。この他、上記文書中や図面中で示した処理手順、具体的名称、各種のデータやパラメータを含む情報については、特記する場合を除いて任意に変更することができる。例えば、各図に示した各種情報は、図示した情報に限られない。

また、図示した各装置の各構成要素は機能概念的なものであり、必ずしも物理的に図示の如く構成されていることを要しない。すなわち、各装置の分散・統合の具体的形態は図示のものに限られず、その全部または一部を、各種の負荷や使用状況などに応じて、任意の単位で機能的または物理的に分散・統合して構成することができる。例えば、図３に示した表示制御部１３４および配信部１３５は統合されてもよい。

〔６−１１．ハードウェア構成〕
また、上述してきた実施形態に係る配信装置１００は、例えば図１４に示すような構成のコンピュータ１０００によって実現される。以下、配信装置１００を例に挙げて説明する。図１４は、配信装置１００の機能を実現するコンピュータ１０００の一例を示すハードウェア構成図である。コンピュータ１０００は、ＣＰＵ１１００、ＲＡＭ１２００、ＲＯＭ１３００、ＨＤＤ１４００、通信インターフェイス（Ｉ／Ｆ）１５００、入出力インターフェイス（Ｉ／Ｆ）１６００、およびメディアインターフェイス（Ｉ／Ｆ）１７００を有する。

ＣＰＵ１１００は、ＲＯＭ１３００またはＨＤＤ１４００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。ＲＯＭ１３００は、コンピュータ１０００の起動時にＣＰＵ１１００によって実行されるブートプログラムや、コンピュータ１０００のハードウェアに依存するプログラム等を格納する。

ＨＤＤ１４００は、ＣＰＵ１１００によって実行されるプログラム、および、かかる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１５００は、通信網５００を介して他の機器からデータを受信してＣＰＵ１１００へ送り、ＣＰＵ１１００が生成したデータを、通信網５００を介して他の機器へ送信する。

ＣＰＵ１１００は、入出力インターフェイス１６００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。ＣＰＵ１１００は、入出力インターフェイス１６００を介して、入力装置からデータを取得する。また、ＣＰＵ１１００は、生成したデータを、入出力インターフェイス１６００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１７００は、記録媒体１８００に格納されたプログラムまたはデータを読み取り、ＲＡＭ１２００を介してＣＰＵ１１００に提供する。ＣＰＵ１１００は、かかるプログラムを、メディアインターフェイス１７００を介して記録媒体１８００からＲＡＭ１２００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１８００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。

例えば、コンピュータ１０００が実施形態に係る配信装置１００として機能する場合、コンピュータ１０００のＣＰＵ１１００は、ＲＡＭ１２００上にロードされたプログラムを実行することにより、制御部１３０の機能を実現する。また、ＨＤＤ１４００には、記憶部１２０内のデータが格納される。コンピュータ１０００のＣＰＵ１１００は、これらのプログラムを記録媒体１８００から読み取って実行するが、他の例として、他の装置から通信網５００を介してこれらのプログラムを取得してもよい。

〔７．効果〕
上述してきたように、実施形態に係る配信装置１００は、受付部１３１と、予測部１３３と、表示制御部１３４とを有する。受付部１３１は、端末画面上で利用者が閲覧したコンテンツの遷移に関する視線情報を受け付ける。予測部１３３は、利用者が閲覧したコンテンツの遷移の特徴に応じて利用者が将来閲覧するコンテンツと対応するノードが所定の値を出力する学習器に対し、受付部１３１が受け付けた視線情報を入力して、利用者が将来閲覧するコンテンツを予測する。表示制御部１３４は、予測部１３３によって予測されたコンテンツに応じて、前記端末画面上に表示されるコンテンツの表示制御を行う。

また、実施形態に係る配信装置１００において、生成部１３２は、受付部１３１によって受け付けられた視線情報に基づいて、視線情報を入力した場合に将来の視線情報に対応するノードが所定の値を出力する学習器を生成する。

また、実施形態に係る配信装置１００において、受付部１３１は、視線情報として利用者が閲覧したコンテンツの種別の遷移を受け付ける。予測部１３３は、利用者が閲覧したコンテンツの種別の遷移の特徴に応じて利用者が将来閲覧するコンテンツの種別と対応するノードが所定の値を出力する学習器に対し、受付部１３１が受け付けた視線情報を入力して、利用者が将来閲覧するコンテンツの種別を予測する。表示制御部１３４は、予測部１３３によって予測されたコンテンツの種別に基づいて、表示制御を行う。

これにより、実施形態に係る配信装置１００は、利用者の視線に応じて広告を表示することができるので、広告効果を高めることができる。例えば、配信装置１００は、利用者が現在までに閲覧したコンテンツの種別に基づいて利用者が次に閲覧するコンテンツの種別を予測することができるので、利用者に閲覧されるタイミングで広告を表示することができる。

また、配信装置１００は、広告効果を高めることができるので、広告主の売上を向上させることができる。例えば、配信装置１００は、広告効果を高めることで広告主が広告する商品の売上を上げることができる。

また、配信装置１００は、利用者に閲覧されるタイミングで広告を表示することができるので、利用者の利便性を向上させることができる。例えば、配信装置１００は、利用者が優先して閲覧したいコンテンツを閲覧した後で広告を表示することができるので、広告に対する利用者の注目を引き付けるとともに、利用者が広告をクリックして広告主のページへ遷移する確率を高めることができる。

また、変形例に係る配信装置１００において、受付部１３１は、視線情報として利用者が閲覧したコンテンツの位置の遷移を受け付ける。予測部１３３は、利用者が閲覧したコンテンツの位置の遷移の特徴に応じて利用者が将来閲覧するコンテンツの位置と対応するノードが所定の値を出力する学習器に対し、受付部１３１が受け付けた視線情報を入力して、利用者が将来閲覧するコンテンツの位置を予測する。表示制御部１３４は、予測部１３３によって予測された将来のコンテンツの位置の遷移に基づいてコンテンツを表示制御する。

これにより、変形例に係る配信装置１００は、利用者の将来の視点の位置を予測することができるので、利用者の将来の視点の位置に応じてコンテンツの表示を制御することができる。例えば、配信装置１００は、利用者が次に閲覧する位置にあるコンテンツを広告コンテンツに変更することで広告コンテンツの存在を利用者に気づかせることができるので、広告効果を高めることができる。

また、変形例に係る配信装置１００において、受付部１３１は、視線情報として利用者の注視点を含む所定の範囲に含まれるコンテンツの画像を受け付ける。予測部１３３は、画像の遷移の特徴に応じて当該利用者が将来閲覧するコンテンツの画像と対応するノードが所定の値を出力する学習器に対し、受付部１３１が受け付けた視線情報を入力して、利用者が将来閲覧するコンテンツの画像を予測する。表示制御部１３４は、予測部１３３によって予測された画像に基づいてコンテンツを表示制御する。

これにより、変形例に係る配信装置１００は、利用者が将来閲覧する領域を予測することができるので、利用者が将来閲覧する領域に応じてコンテンツの表示を制御することができる。例えば、配信装置１００は、利用者が次に閲覧する領域にあるコンテンツを広告コンテンツに変更することで広告コンテンツの存在を利用者に気づかせることができるので、広告効果を高めることができる。また、配信装置１００は、コンテンツごとに学習する場合と比較して、コンテンツ間の境界付近の情報を高い精度で学習することができる。

また、変形例に係る配信装置１００において、受付部１３１は、視線情報としてコンテンツが配置されたウェブページの遷移を含んだ視線情報を受け付ける。

これにより、変形例に係る配信装置１００は、ウェブページをまたいで視線情報を受け付けることができるので、利用者の視線の遷移をより厳密に取得することができる。このため、配信装置１００は、将来の視線情報の予測精度を高めることができる。

また、変形例に係る配信装置１００において、表示制御部１３４は、予測部１３３によって予測された将来の視線情報に応じてコンテンツの配置を変更、または、既に表示されているコンテンツを他のコンテンツに変更する。

これにより、変形例に係る配信装置１００は、利用者が将来閲覧する位置に広告を配置することができるので、広告効果を高めることができる。また、配信装置１００は、利用者が将来閲覧する位置により優先度の高い広告を表示することができるので、広告効果を高めることができる。

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。

１０ 端末装置
５０ 広告装置
１００ 配信装置
１２１ 視線情報記憶部
１２２ 学習器情報記憶部
１２３ コンテンツ記憶部
１３１ 受付部
１３２ 生成部
１３３ 予測部
１３４ 表示制御部
１３５ 配信部

Claims (9)

1. 端末画面上で利用者が閲覧したコンテンツの遷移に関する視線情報を受け付ける受付部と、
   前記利用者が閲覧したコンテンツの遷移の特徴に応じて当該利用者が将来閲覧するコンテンツと対応するノードが所定の値を出力する学習器に対し、前記受付部が受け付けた視線情報を入力して、前記利用者が将来閲覧するコンテンツを予測する予測部と
   前記予測部によって予測されたコンテンツに応じて、前記端末画面上に表示されるコンテンツの表示制御を行う表示制御部と
   を備えたことを特徴とする表示制御装置。
2. 前記受付部は、
   前記視線情報として前記利用者が閲覧したコンテンツの種別の遷移を受け付け、
   前記予測部は、
   前記利用者が閲覧したコンテンツの種別の遷移の特徴に応じて当該利用者が将来閲覧するコンテンツの種別と対応するノードが所定の値を出力する学習器に対し、前記受付部が受け付けた視線情報を入力して、前記利用者が将来閲覧するコンテンツの種別を予測し、
   前記表示制御部は、
   前記予測部によって予測されたコンテンツの種別に基づいて、前記表示制御を行う
   ことを特徴とする請求項１に記載の表示制御装置。
3. 前記受付部は、
   前記視線情報として前記利用者が閲覧したコンテンツの位置の遷移を受け付け、
   前記予測部は、
   前記利用者が閲覧したコンテンツの位置の遷移の特徴に応じて当該利用者が将来閲覧するコンテンツの位置と対応するノードが所定の値を出力する学習器に対し、前記受付部が受け付けた視線情報を入力して、前記利用者が将来閲覧するコンテンツの位置を予測し、
   前記表示制御部は、
   前記予測部によって予測された将来のコンテンツの位置の遷移に基づいてコンテンツを表示制御する
   ことを特徴とする請求項１または２に記載の表示制御装置。
4. 前記受付部は、
   前記視線情報として前記利用者の注視点を含む所定の範囲に含まれるコンテンツの画像を受け付け、
   前記予測部は、
   前記画像の遷移の特徴に応じて当該利用者が将来閲覧するコンテンツの画像と対応するノードが所定の値を出力する学習器に対し、前記受付部が受け付けた視線情報を入力して、前記利用者が将来閲覧するコンテンツの画像を予測し、
   前記表示制御部は、
   前記予測部によって予測された画像に基づいてコンテンツを表示制御する
   ことを特徴とする請求項１〜３のいずれか１つに記載の表示制御装置。
5. 前記受付部は、
   前記視線情報として前記コンテンツが配置されたウェブページの遷移を含んだ視線情報を受け付ける
   ことを特徴とする請求項１〜４のいずれか１つに記載の表示制御装置。
6. 前記表示制御部は、
   前記予測部によって予測された将来の視線情報に応じてコンテンツの配置を変更、または、既に表示されているコンテンツを他のコンテンツに変更する
   ことを特徴とする請求項１〜５のいずれか１つに記載の表示制御装置。
7. 利用者により閲覧されたコンテンツの遷移の特徴に応じて、当該利用者が将来閲覧するコンテンツと対応するノードが所定の値を出力する学習器を生成する生成部
   をさらに有することを特徴とする請求項１〜６のいずれか１つに記載の表示制御装置。
8. 表示制御装置が実行する表示制御方法であって、
   端末画面上で利用者が閲覧したコンテンツの遷移に関する視線情報を受け付ける受付工程と、
   前記利用者が閲覧したコンテンツの遷移の特徴に応じて当該利用者が将来閲覧するコンテンツと対応するノードが所定の値を出力する学習器に対し、前記受付工程で受け付けた視線情報を入力して、前記利用者が将来閲覧するコンテンツを予測する予測工程と
   前記予測工程によって予測されたコンテンツに応じて、前記端末画面上に表示されるコンテンツの表示制御を行う表示制御工程と、
   を含んだことを特徴とする表示制御方法。
9. 端末画面上で利用者が閲覧したコンテンツの遷移に関する視線情報を受け付ける受付手順と、
   前記利用者が閲覧したコンテンツの遷移の特徴に応じて当該利用者が将来閲覧するコンテンツと対応するノードが所定の値を出力する学習器に対し、前記受付手順で受け付けた視線情報を入力して、前記利用者が将来閲覧するコンテンツを予測する予測手順と
   前記予測手順によって予測されたコンテンツに応じて、前記端末画面上に表示されるコンテンツの表示制御を行う表示制御手順と、
   をコンピュータに実行させることを特徴とする表示制御プログラム。

Images