JP2017116977A - 予測装置、予測方法、及び予測プログラム - Google Patents

Abstract

【課題】オークションにおける相場を適切に予測する予測装置、予測方法、及び予測プログラムを提供する。【解決手段】予測装置１００は、取得部１３１と、予測部１３３とを有する。取得部１３１は、オークションにおけるキーワードに対応付けられた落札価格に関する情報を取得する。予測部１３３は、取得部１３１により取得されたキーワードに対応付けられた落札価格に関する情報に基づいて、キーワードに対応付けられた商品に関する相場を予測する。例えば、取得部１３１は、商品を分類するカテゴリとキーワードとの組み合わせに対応付けられた落札価格に関する情報を取得する。【選択図】図２

Description

本発明は、予測装置、予測方法、及び予測プログラムに関する。

従来、オークションにおける商品等の相場に関する情報を提供する技術が提供されている。例えば、ユーザが指定する商品等が出品中かつ入札可能であれば、各運営サイトの最高値を抽出し、抽出された最高値の最小値と最大値を相場情報としてユーザへ提供する技術が提供されている。

特開２００９−２６５８４９号公報

しかしながら、上記の従来技術ではオークションにおける相場を適切に予測することができるとは限らない。例えば、各運営サイトの最高値の比較のみでは、各オークションにおいて商品が落札される価格帯等の相場を適切に予測することは難しい。

本願は、上記に鑑みてなされたものであって、オークションにおける相場を適切に予測する予測装置、予測方法、及び予測プログラムを提供することを目的とする。

本願に係る予測装置は、オークションにおけるキーワードに対応付けられた落札価格に関する情報を取得する取得部と、前記取得部により取得された前記キーワードに対応付けられた落札価格に関する情報に基づいて、前記キーワードに対応付けられた商品に関する相場を予測する予測部と、を備えたことを特徴とする。

実施形態の一態様によれば、オークションにおける相場を適切に予測することができるという効果を奏する。

図１は、実施形態に係る予測処理の一例を示す図である。 図２は、実施形態に係る予測装置の構成例を示す図である。 図３は、実施形態に係るオークション情報記憶部の一例を示す図である。 図４は、実施形態に係る落札情報記憶部の一例を示す図である。 図５は、実施形態に係る予測情報記憶部の一例を示す図である。 図６は、実施形態に係る端末装置の構成例を示す図である。 図７は、実施形態に係る予測処理の一例を示すフローチャートである。 図８は、実施形態に係るカテゴリの階層の一例を示す図である。 図９は、実施形態に係るキーワードの共通化の一例を示す図である。 図１０は、実施形態に係るキーワードの除外の一例を示す図である。 図１１は、変形例に係る予測処理の一例を示す図である。 図１２は、変形例に係る予測装置の構成例を示す図である。 図１３は、変形例に係るオークション情報記憶部の一例を示す図である。 図１４は、変形例に係るランキング情報記憶部の一例を示す図である。 図１５は、予測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、本願に係る予測装置、予測方法、及び予測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予測装置、予測方法、及び予測プログラムが限定されるものではない。また、以下の各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。

（実施形態）
〔１．予測処理〕
まず、図１を用いて、実施形態に係る予測処理の一例について説明する。図１は、実施形態に係る予測処理の一例を示す図である。図１では、予測装置１００は、相場の予測対象となる商品に関する情報（以下、「商品情報」とする場合がある）を端末装置１０から取得し、商品情報から抽出したキーワードに対応付けられた落札価格に関する情報に基づいて、商品情報に対応する商品に関する相場を予測する。そして、予測装置１００は、予測した相場に関する情報（以下、「相場情報」とする場合がある）を端末装置１０へ提供する。なお、ここでいう商品には、サービス等の役務を含むものとする。すなわち、ここでいう商品は、有体物であるか無体物であるかを問わず、商取引の対象となり、相場の予測対象となり得るものを含む概念である。

図１に示すように、予測システム１には、端末装置１０と、予測装置１００とが含まれる。端末装置１０と、予測装置１００とは図示しない所定のネットワークを介して、有線または無線により通信可能に接続される。なお、図１に示した予測システム１には、複数台の端末装置１０や、複数台の予測装置１００が含まれてもよい。

端末装置１０は、ユーザによって利用される情報処理装置である。端末装置１０は、ユーザによる操作に従って、相場を予測したい商品の商品情報を予測装置１００に送信する。そして、端末装置１０は、予測装置１００が予測した商品に関する相場情報の提供を予測装置１００から受ける。なお、以下では、端末装置１０をユーザと表記する場合がある。すなわち、以下では、ユーザを端末装置１０と読み替えることもできる。なお、上述した端末装置１０は、例えば、スマートフォンや、タブレット型端末や、ノート型ＰＣ（Personal Computer）や、デスクトップＰＣや、携帯電話機や、ＰＤＡ（Personal Digital Assistant）等により実現される。

予測装置１００は、端末装置１０から取得した商品情報からキーワードを抽出し、抽出したキーワードに対応付けられた落札価格に関する情報に基づいて、端末装置１０から取得した商品情報に対応する商品に関する相場を予測する。例えば、予測装置１００は、オークションにおける取引履歴に含まれる商品の落札価格に関する情報とその商品のキーワードとに基づいて、商品に関する相場を予測する。また、予測装置１００は、予測した商品に関する相場に基づいて、相場情報を端末装置１０に提供する。

図１に示す例においては、予測装置１００は、商品情報に含まれる商品の分類情報（以下、「カテゴリ」とする場合がある）と商品情報から抽出したキーワードとの組み合わせ（以下、単に「組み合わせ」とする場合がある）に基づいて、商品情報に対応する商品に関する相場を予測する。具体的には、予測装置１００は、組み合わせに対応する商品の落札価格に関する情報に基づいて、商品情報に対応する商品に関する相場を予測する。

以下、図１を用いて、予測処理の一例を説明する。図１に示す例においては、端末装置１０を利用するユーザがユーザＵ１である場合を示す。まず、端末装置１０は、相場を予測したい商品の商品情報を予測装置１００に送信する（ステップＳ１１）。図１では、端末装置１０は、カテゴリ「ファッション」、タイトル「新品ワンピース」、説明文「ブランドＸのワンピースです。」といった情報を含む商品情報ＧＤ１１を予測装置１００へ送信する。すなわち、図１では、端末装置１０は、新品のブランドＸのワンピースを、相場を予測したい商品として、商品情報ＧＤ１１を予測装置１００へ送信する。このように、端末装置１０は、例えばインターネットオークションに出品する商品の相場を予測したい場合、そのインターネットオークションへの出品物の商品情報を予測装置１００に送信する。

端末装置１０から商品の商品情報ＧＤ１１を取得した予測装置１００は、商品情報ＧＤ１１からキーワードを抽出する（ステップＳ１２）。例えば、予測装置１００は、商品情報ＧＤ１１に含まれるタイトル「新品ワンピース」及び説明文「ブランドＸのワンピースです。」からキーワードを抽出する。図１では、予測装置１００は、キーワードリストＫＬ１１に示すように、商品情報ＧＤ１１に含まれるタイトル及び説明文から、キーワード「新品」、「ワンピース」、及び「ブランドＸ」を抽出する。なお、予測装置１００は、形態素解析等の種々の従来技術を適宜用いて、キーワードの抽出を行う。

その後、予測装置１００は、カテゴリとキーワードとの組み合わせに対応付けられた落札価格に関する情報に基づいて、キーワードに対応付けられた商品に関する相場を予測する（ステップＳ１３）。図１では、予測装置１００は、落札リストＬＴ１１に示すように、オークションにおける取引履歴に含まれるカテゴリ及びキーワードに対応付けられた落札価格に関する情報に基づいて、商品に関する相場を予測する。落札リストＬＴ１１に含まれるキーワードは、過去にオークションで取引された商品の商品情報から抽出されたキーワードであってもよい。

ここで、予測装置１００は、落札リストＬＴ１１に示すように、カテゴリ及びキーワードに対応付けられた落札価格に関する情報として、オークションにおいて過去にカテゴリ及びキーワードに対応する商品の価格帯を用いる。図１では、説明を簡単にするために、１〜１０００（円）、１０００〜５０００（円）、５０００〜１００００（円）、及び１００００〜（円）の４つの価格帯に分割される場合を示す。なお、価格帯は、上記に限らず、目的に応じて種々の分割がされてもよい。例えば、価格帯は、１００円単位や１０００円単位で分割されてもよい。

例えば、図１に示す落札リストＬＴ１１は、カテゴリ「ファッション」及びキーワード「新品」に対応する商品の落札数が１００００（回）であることを示す。また、カテゴリ「ファッション」及びキーワード「新品」に対応する商品は、１〜１０００（円）の価格帯での落札数が１０００（回）であり、その確率が１０％（＝１０００／１００００×１００）であることを示す。すなわち、カテゴリ「ファッション」及びキーワード「新品」に対応する商品は、１００００（回）の取引（落札）のうち、１〜１０００（円）の価格で取引された回数が１０００（回）であることを示す。また、カテゴリ「ファッション」及びキーワード「新品」に対応する商品は、１〜１０００（円）の価格で取引された割合が１０％であることを示す。落札リストＬＴ１１の１行目の情報は、カテゴリ「ファッション」及びキーワード「新品」に対応する商品における価格帯の分布を示す。また、カテゴリ「ファッション」及びキーワード「新品」に対応する商品は、１０００〜５０００（円）の価格帯での落札数が２０００（回）であり、その確率が２０％（＝２０００／１００００×１００）であることを示す。

図１では、予測装置１００は、落札リストＬＴ１１のうち、商品情報ＧＤ１１に含まれるカテゴリ「ファッション」と、キーワードリストＫＬ１１に示すキーワードとに対応する情報に基づいて、商品情報ＧＤ１１に対応する商品の相場を予測する。例えば、予測装置１００は、カテゴリ「ファッション」及びキーワード「新品」の組み合わせに対応する情報、カテゴリ「ファッション」及びキーワード「ワンピース」の組み合わせに対応する情報、及びカテゴリ「ファッション」及びキーワード「ブランドＸ」の組み合わせに対応する情報に基づいて、商品の価格帯を予測する。具体的には、予測装置１００は、落札リストＬＴ１１のうち、１行目の情報、３行目の情報、及び４行目の情報に基づいて、商品情報ＧＤ１１に対応する商品の相場を予測する。

ここで、予測装置１００は、落札リストＬＴ１１のうち、１行目の情報、３行目の情報、及び４行目の情報の各価格帯の同時確率を算出することにより、商品情報ＧＤ１１に対応する商品の相場を予測する。例えば、予測装置１００は、落札リストＬＴ１１のうち、１行目の情報、３行目の情報、及び４行目の情報を用いて、商品情報ＧＤ１１に対応する商品の価格帯の分布を示す価格分布ＭＲ１１を生成する。例えば、予測装置１００は、各価格帯の同時確率を以下の式（１）により算出する。

各価格帯の同時確率＝ Π該当行で各価格帯の確率 … （１）

上記の式（１）において、「Π該当行で各価格帯の確率」は、同時確率の算出に用いる各行での価格帯の確率の積算を示す。図１では、価格帯１〜１０００（円）の同時確率は、１行目の１〜１０００（円）の価格帯の確率１０％、３行目の１〜１０００（円）の価格帯の確率５％、及び４行目の１〜１０００（円）の価格帯の確率２％の掛け算により算出される。例えば、予測装置１００は、価格帯１〜１０００（円）の同時確率を以下の式（２）により算出する。

１〜１０００（円）の同時確率＝０．１×０．０５×０．０２×１００（％）…（２）

上記の式（２）により、予測装置１００は、価格帯１〜１０００（円）の同時確率を０．０１（％）と算出する。また、予測装置１００は、価格帯１０００〜５０００（円）の同時確率を０．６４（％）と算出する。また、予測装置１００は、価格帯１０００〜５０００（円）の同時確率を０．６４（％）と算出する。また、予測装置１００は、価格帯５０００〜１００００（円）の同時確率を１５．６（％）と算出する。また、予測装置１００は、価格帯１００００〜（円）の同時確率を０．１３（％）と算出する。

そして、予測装置１００は、最も同時確率が高い価格帯を想定落札価格として予測してもよい。図１では、予測装置１００は、最も同時確率が高い価格帯５０００〜１００００（円）を想定落札価格として予測してもよい。また、予測装置１００は、最も同時確率が高い価格帯における所定の値を想定落札価格としてもよい。例えば、予測装置１００は、最も同時確率が高い価格帯の最小値と最大値との平均値を想定落札価格としてもよい。例えば、予測装置１００は、価格帯５０００〜１００００の場合、平均値７５００（円）（＝（５０００＋１００００）／２）を想定落札価格としてもよい。なお、予測装置１００は、平均値に限らず、例えば中央値など、目的に応じて種々の値を想定落札価格としてもよい。また、予測装置１００は、落札数の割合に応じて各行の情報の重みを変動させて、同時確率を算出してもよい。例えば、予測装置１００は、落札数が多い行の情報の重みを大きくして、同時確率を算出してもよい。

そして、予測装置１００は、価格分布ＭＲ１１に基づいて、ユーザＵ１へ提供する相場情報を生成する（ステップＳ１４）。図１では、予測装置１００は、価格分布ＭＲ１１に基づいて、商品情報ＧＤ１１に対応する商品の各価格帯における同時確率の分布を示す分布図を相場情報ＭＤ１１として生成する。なお、図１に示す相場情報ＭＤ１１は、一例であり、価格分布ＭＲ１１に示す情報をユーザＵ１に提供可能であれば、どのような情報であってもよい。例えば、予測装置１００は、価格分布ＭＲ１１に基づいて、商品情報ＧＤ１１に対応する商品の各価格帯における割合を数値で示す情報を、相場情報ＭＤ１１として生成してもよい。

その後、予測装置１００は、生成した相場情報を端末装置１０へ送信する（ステップＳ１５）。図１では、予測装置１００は、相場情報ＭＤ１１や想定価格帯を数値で示す数値情報ＰＢ１１を端末装置１０へ送信する。また、例えば、予測装置１００は、カテゴリ「ファッション」やキーワードリストＫＬ１１に示すキーワード等を含む予測対象情報ＴＤ１１を端末装置１０へ送信する。

そして、予測装置１００から相場情報を受信した端末装置１０は、受信した相場情報を表示する（ステップＳ１６）。例えば、端末装置１０は、ウェブページ等の所定のページＷ１１に相場情報ＭＤ１１や数値情報ＰＢ１１や予測対象情報ＴＤ１１を表示する。その後、端末装置１０に表示された相場情報ＭＤ１１や数値情報ＰＢ１１や予測対象情報ＴＤ１１を閲覧したユーザＵ１は、自身が入力した商品情報ＧＤ１１に対応する商品が価格帯５０００〜１００００（円）で落札される可能性が最も高いことを認識する。

上述したように、予測装置１００は、取得した商品情報に含まれるカテゴリやキーワードに基づいて、商品情報に対応する商品に関する相場を予測する。具体的には、予測装置１００は、カテゴリとキーワードとの組み合わせに対応付けられた落札価格に関する情報に基づいて、キーワードに対応付けられた商品に関する相場を予測する。これにより、予測装置１００は、商品情報に対応する商品がどの価格帯で落札される可能性が高いかを予測することができる。したがって、予測装置１００は、オークションにおける相場を適切に予測することができる。

なお、端末装置１０が予測装置１００に送信する商品情報には、商品の画像等、商品に関する情報であればどのような情報が含まれてもよい。また、予測装置１００は、商品の画像に基づいて、商品に関する相場を予測してもよい。例えば、予測装置１００は、画像の有無に応じて、商品に関する相場を予測してもよい。例えば、予測装置１００は、画像有りの場合、予測した商品に関する相場を所定の割合だけ増加させてもよい。例えば、予測装置１００は、画像有りの場合、予測した商品に関する相場を１．１倍してもよい。また、予測装置１００は、商品の属性に基づいて、商品に関する相場を予測してもよい。例えば、予測装置１００は、商品の色やサイズやスペック（仕様）等に基づいて、商品に関する相場を予測してもよい。例えば、予測装置１００は、商品の色に応じて需要の多寡がある場合、需要の多い色の場合、予測した商品に関する相場を所定の割合だけ増加させてもよい。また、例えば、予測装置１００は、商品のスペックに応じて需要の多寡がある場合、需要の多いスペックの場合、予測した商品に関する相場を所定の割合だけ増加させてもよい。例えば、予測装置１００は、スマートフォンの記憶容量の大きさに応じて需要の多寡がある場合、需要の多い記憶容量の場合、予測した商品に関する相場を所定の割合だけ増加させてもよい。また、予測装置１００は、商品の出品者の評価に関する情報に基づいて、商品に関する相場を予測してもよい。例えば、予測装置１００は、商品の出品者の評価が所定の閾値以上である場合、予測した商品に関する相場を所定の割合だけ増加させてもよい。

また、上記の例では、予測装置１００がカテゴリとキーワードとの組み合わせに対応する商品の落札価格に関する情報に基づいて、商品情報に対応する商品に関する相場を予測する例を示したが、予測装置１００は、カテゴリを用いなくてもよい。例えば、予測装置１００は、キーワードの組み合わせを用いて対応する商品のカテゴリ分類を行ってもよい。この場合、予測装置１００は、キーワードに対応する商品の落札価格に関する情報に基づいて、商品情報に対応する商品に関する相場を予測してもよい。例えば、予測装置１００は、複数のキーワードの組み合わせに対応する商品の落札価格に関する情報に基づいて、商品情報に対応する商品に関する相場を予測してもよい。例えば、予測装置１００は、キーワードがカテゴリの異なる複数の商品に対応する概念である場合、複数のキーワードの組み合わせに商品の落札価格に関する情報を対応させてもよい。なお、予測装置１００は、「スマートフォン」のように対応する概念（意味内容）が１つのカテゴリ（例えば、「家電」）の商品である場合、１つのキーワードに商品の落札価格に関する情報を対応付けてもよい。また、予測装置１００は、商品情報に商品の画像が含まれる場合、商品の画像に基づいて、商品のカテゴリを特定してもよい。例えば、予測装置１００は、キーワードと商品の画像とに基づいて、商品のカテゴリを特定してもよい。

また、予測装置１００は、オークション以外のサービスに関する情報に基づいて、キーワードに対応付けられた商品に関する相場を予測してもよい。例えば、予測装置１００は、ショッピングサイト等により提供される電子商取引サービスに関する情報に基づいて、商品に関する相場を予測してもよい。例えば、予測装置１００は、電子商取引サービスにおいて商品が販売される価格に関する情報に基づいて、商品に関する相場を予測してもよい。例えば、予測装置１００は、電子商取引サービスにおける商品の価格（例えば、定価）よりも安くなるように商品に関する相場を予測してもよい。また、例えば、予測装置１００は、電子商取引サービスにおける商品の価格（例えば、定価）から所定の割合だけ減額した価格帯が最も高い確率になるように、各価格帯の確率を補正してもよい。また、予測装置１００は、検索サービスにおける商品に関する検索履歴に基づいて、商品に関する相場を予測してもよい。例えば、予測装置１００は、検索サービスにおける商品名と価格（数値）に関する検索履歴に基づいて、商品に関する相場を予測してもよい。

また、予測装置１００は、複数の商品に関する相場を予測する場合、各商品について個別に商品に関する相場を予測してもよいし、複数の商品を併せて商品に関する相場を予測してもよい。例えば、予測装置１００は、書籍等のように１巻や２巻等の複数の商品を含む場合、１巻や２巻を各々１つの商品としてもよいし、１巻や２巻等を併せて１つ商品としてもよい。すなわち、予測装置１００は、１つの商品として相場を予測するかを適宜変更させてもよい。言い換えると、予測装置１００は、商品情報に含まれる情報やその商品の属性（特徴）に応じて、相場の予測対象となる商品の概念を動的に変更してもよい。例えば、予測装置１００は、商品情報のタイトルが「書籍○○の第１巻」であった場合、第１巻の書籍○○を相場の予測対象となる商品としてもよい。また、例えば、予測装置１００は、商品情報のタイトルが「書籍○○の全巻セット」であった場合、書籍○○の全ての巻を合わせて１つの商品として相場の予測対象としてもよい。このように、予測装置１００は、商品情報に含まれるキーワードに応じて、商品の概念を動的に変更して相場の予測対象となる商品を決定してもよい。

また、例えば、予測装置１００は、３巻について個別に商品に関する相場と４巻について個別に商品に関する相場とを合成して、商品に関する相場を予測してもよい。また、例えば、予測装置１００は、２つの商品を併せて商品に関する相場を予測してもよい。すなわち、予測装置１００は、３巻と４巻とを１つの商品として、商品に関する相場を予測してもよい。また、予測装置１００は、個別に予測した相場を合成した相場と、複数の商品を併せて予測した相場との両方を用いて商品に関する相場を予測してもよい。例えば、予測装置１００は、個別に予測した相場の合成した相場と、複数の商品を併せて予測した相場との平均で商品に関する相場を予測してもよい。

また、上記の例では、説明を簡単にするために、商品情報から抽出した単語をキーワードとする場合を説明したが、キーワードは単語に限らず種々の情報であってもよい。例えば、キーワードは、１つ以上の対応する概念があるものであれば形態素等であってもよい。また、キーワードは、同義語や類義語を合わせたものであってもよい。例えば、予測装置１００は、１つのキーワードを同様の概念に対応する複数の単語等に対応させてもよい。この点を示す例については後述するが、例えば、予測装置１００は、「車」や「四輪車」や「自動車」等を同一または類似する概念を示すものとして、１つのキーワード（例えば、「四輪自動車」）に対応させてもよい。この場合、予測装置１００は、分散表現等の種々の従来技術を適宜用いて、各単語等の概念の関連を抽出してもよい。また、キーワードは、商品に関するトピック（話題）であってもよい。例えば、キーワードは、商品情報に含まれる情報から抽出されたトピックであってもよい。この場合、予測装置１００は、種々の従来技術を適宜用いて、商品に関する情報からトピックを抽出してもよい。例えば、予測装置１００は、商品のタイトルや説明文からトピックを抽出してもよい。

なお、予測装置１００は、オークションサービスを提供する外部装置からオークションに関する各種情報を取得し、予測処理を行ってもよい。また、予測装置１００は、オークションサービスを提供し、オークションに関する各種情報に基づいて予測処理を行ってもよい。すなわち、予測装置１００は、オークションサービスを提供する装置と一体であってもよい。また、予測装置１００とオークションサービスを提供する装置とは別体でもよい。

〔２．予測装置の構成〕
次に、図２を用いて、実施形態に係る予測装置１００の構成について説明する。図２は、実施形態に係る予測装置１００の構成例を示す図である。図２に示すように、予測装置１００は、通信部１１０と、記憶部１２０と、制御部１３０とを有する。なお、予測装置１００は、予測装置１００の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）
通信部１１０は、例えば、ＮＩＣ（Network Interface Card）等によって実現される。そして、通信部１１０は、ネットワークと有線または無線で接続され、端末装置１０との間で情報の送受信を行う。

（記憶部１２０）
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。実施形態に係る記憶部１２０は、図２に示すように、オークション情報記憶部１２１と、落札情報記憶部１２２と、予測情報記憶部１２３とを有する。

（オークション情報記憶部１２１）
実施形態に係るオークション情報記憶部１２１は、オークションに関する情報を記憶する。例えば、オークション情報記憶部１２１には、オークションに出品された商品の落札価格を含むオークションに関する情報が記憶される。図３は、実施形態に係るオークション情報記憶部の一例を示す図である。図３には、オークション情報記憶部１２１に記憶されるオークションに関する情報の一例を示す。図３に示すように、オークション情報記憶部１２１は、オークションに関する情報として、「出品物ＩＤ」、「出品者ＩＤ」、「カテゴリ」、「タイトル」、「説明文」、「落札価格」といった項目が含まれる。

「出品物ＩＤ」は、商品（出品物）を識別するための識別情報を示す。また、「出品者ＩＤ」は、対応する商品を出品したユーザを識別するための識別情報を示す。また、「カテゴリ」は、出品物ＩＤにより識別される商品が分類されるカテゴリを示す。例えば、「カテゴリ」は、出品物ＩＤにより識別される商品情報に含まれるカテゴリを示す。また、「タイトル」は、出品物ＩＤにより識別される商品の商品情報に含まれるタイトルを示す。また、「説明文」は、出品物ＩＤにより識別される商品の商品情報に含まれる説明文を示す。例えば、「落札価格」は、出品物ＩＤにより識別される商品の落札価格を示す。

例えば、図３に示す例において、出品物ＩＤ「ＡＤ１１」により識別される商品の出品者は、出品者ＩＤ「Ｅ１１」により識別されるユーザであることを示す。また、出品物ＩＤ「ＡＤ１１」により識別される商品は、カテゴリが「ファッション」であり、タイトルが「［送料無料］アクセサリ・・・」であることを示す。また、出品物ＩＤ「ＡＤ１１」により識別される商品は、説明文が「新品のブランドＹの・・・」であり、落札価格が「８０００」（円）であることを示す。

なお、オークション情報記憶部１２１は、上記に限らず、目的に応じて種々の情報を記憶してもよい。例えば、オークション情報記憶部１２１は、商品が落札された日時に関する情報を記憶してもよい。オークションＩＤなどオークションを識別する情報を記憶してもよい。例えば、オークション情報記憶部１２１は、オークションＩＤなどオークションを識別する情報を記憶してもよい。オークション情報記憶部１２１は、入札された入札数を示す情報を記憶してもよい。また、オークション情報記憶部１２１は、商品の写真などの画像を示す情報を記憶してもよい。なお、予測装置１００は、落札情報記憶部１２２に示す落札情報を外部の情報処理装置から取得する場合、オークション情報記憶部１２１を有さなくてもよい。

（落札情報記憶部１２２）
実施形態に係る落札情報記憶部１２２は、オークションにおける落札に関する情報（以下、単に「落札情報」とする場合がある）を記憶する。図４は、実施形態に係る落札履歴情報記憶部の一例を示す図である。図４には、落札情報記憶部１２２に記憶される落札情報の一例を示す。図４に示すように、落札情報記憶部１２２は、落札情報として、「落札情報ＩＤ」、「カテゴリ」、「キーワード」、「落札数」、「価格帯」といった項目が含まれる。

「落札情報ＩＤ」は、落札情報を識別するための識別情報を示す。また、「カテゴリ」は、落札情報ＩＤにより識別される落札情報に対応するカテゴリを示す。また、「キーワード」は、落札情報ＩＤにより識別される落札情報に対応するキーワードを示す。また、「落札数」は、落札情報ＩＤにより識別される落札情報の落札数を示す。すなわち、図４では、カテゴリ及びキーワードに対応する商品の落札数を示す。また、「価格帯」は、落札情報ＩＤにより識別される落札情報に対応する各価格帯での落札数に関する情報を示す。図４では、１〜１０００（円）、１０００〜５０００（円）、５０００〜１００００（円）、及び１００００〜（円）の４つの価格帯に分割される場合を示す。

例えば、図４では、カテゴリ「家電」及びキーワード「スマホ」に対応する商品の落札数が２００００（回）であることを示す。また、カテゴリ「家電」及びキーワード「スマホ」に対応する商品は、１〜１０００（円）の価格帯での落札数が１０００（回）であり、その確率が５％（＝１０００／２００００×１００）であることを示す。すなわち、カテゴリ「家電」及びキーワード「スマホ」に対応する商品は、１〜１０００（円）の価格で取引された割合が５％であることを示す。また、カテゴリ「家電」及びキーワード「スマホ」に対応する商品は、１０００〜５０００（円）の価格帯での落札数が３０００（回）であり、その確率が１５％であることを示す。また、カテゴリ「家電」及びキーワード「スマホ」に対応する商品は、５０００〜１００００（円）の価格帯での落札数が６０００（回）であり、その確率が３０％であることを示す。また、カテゴリ「家電」及びキーワード「スマホ」に対応する商品は、１００００〜（円）の価格帯での落札数が１００００（回）であり、その確率が５０％であることを示す。なお、落札情報記憶部１２２は、上記は入札履歴に関する情報の一例であって、落札情報であれば目的に応じて種々の情報を記憶してもよい。

（予測情報記憶部１２３）
実施形態に係る予測情報記憶部１２３は、相場に関する予測情報（相場情報）を記憶する。図５は、実施形態に係る予測情報記憶部の一例を示す図である。図５に、実施形態に係る予測情報記憶部１２３に記憶される予測情報の一例を示す。図５に示す予測情報記憶部１２３は、「対象」、「カテゴリ」、「キーワード」、「価格帯」といった項目が含まれる。

「対象」は、相場を予測する対象（「相場予測対象」とする場合がある）を識別するための識別情報を示す。また、「カテゴリ」は、相場を予測する対象に対応するカテゴリを示す。また、「キーワード」は、対象ＩＤにより識別される相場予測対象に対応するキーワードを示す。また、「価格帯」は、対象ＩＤにより識別される相場予測対象に対応する各価格帯の同時確率に関する情報を示す。図４では、１〜１０００（円）、１０００〜５０００（円）、５０００〜１００００（円）、及び１００００〜（円）の４つの価格帯に分割される場合を示す。

例えば、図５に示す例において、対象ＩＤ「ＧＤ１１」により識別される相場予測対象（商品情報ＧＤ１１）は、キーワードが「ファッション」であり、キーワードが「新品」、「ワンピース」、及び「ブランドＸ」であることを示す。また、「価格帯」は、対象ＩＤ「ＧＤ１１」により識別される相場予測対象における価格帯１〜１０００（円）の同時確率が０．０１（％）であり、価格帯１０００〜５０００（円）の同時確率が０．６４（％）であることを示す。また、「価格帯」は、対象ＩＤ「ＧＤ１１」により識別される相場予測対象における価格帯５０００〜１００００（円）の同時確率が１５．６（％）であり、価格帯１００００〜（円）の同時確率が０．１３（％）であることを示す。

なお、予測情報記憶部１２３は、上記に限らず、スコアの算出に用いる指標に関する情報であれば、目的に応じて種々の情報を記憶してもよい。例えば、予測情報記憶部１２３は、各価格帯における同時確率の分布を示す分布図を記憶してもよい。なお、予測装置１００は、予測情報記憶部１２３に示す予測情報を端末装置１０へ送信するのみである場合、予測情報記憶部１２３を有さなくてもよい。

（制御部１３０）
図２の説明に戻って、制御部１３０は、例えば、ＣＰＵ（Central Processing Unit）やＭＰＵ（Micro Processing Unit）等によって、予測装置１００内部の記憶装置に記憶されている各種プログラム（予測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。

図２に示すように、制御部１３０は、取得部１３１と、生成部１３２と、予測部１３３と、提供部１３４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２に示した構成に限られず、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。また、制御部１３０が有する各処理部の接続関係は、図２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。

（取得部１３１）
取得部１３１は、オークションにおけるキーワードに対応付けられた落札価格に関する情報を取得する。例えば、取得部１３１は、商品を分類するカテゴリとキーワードとの組み合わせに対応付けられた落札価格に関する情報を取得する。例えば、取得部１３１は、商品を分類するカテゴリとキーワードとの組み合わせに対応付けられた落札帯に関する情報を落札情報として取得する。例えば、取得部１３１は、落札情報記憶部１２２から落札情報を取得する。取得部１３１は、価格帯ごとに分割された落札価格に関する情報を取得する。取得部１３１は、価格帯の各々の落札数を含む落札価格に関する情報を取得する。

また、取得部１３１は、商品に関する文字情報から抽出されたキーワードに対応付けられた商品の落札価格に関する情報を取得する。例えば、取得部１３１は、商品情報から抽出されたキーワードに対応付けられた落札情報を取得する。また、取得部１３１は、商品に関する文字情報から抽出された単語の概念に基づくキーワードに対応付けられた商品の落札価格に関する情報を取得する。例えば、取得部１３１は、商品情報から抽出された単語の概念に基づくキーワードに対応付けられた商品の落札情報を取得する。また、取得部１３１は、オークションへの商品の出品者により入力される文字情報に基づくキーワードに対応付けられた商品の落札価格に関する情報を取得する。例えば、取得部１３１は、オークションへの商品の出品者により入力される商品情報に基づくキーワードに対応付けられた落札情報を取得する。また、取得部１３１は、商品に関する画像情報に対応付けられた落札価格に関する情報を取得してもよい。

取得部１３１は、オークション以外のサービスに関する情報を取得してもよい。例えば、取得部１３１は、サービスに関する情報として商品の所定のショッピングサイトにおける価格に関する情報を取得してもよい。また、取得部１３１は、サービスに関する情報として商品に関する検索履歴を取得してもよい。

また、例えば、予測装置１００がオークションサービスを提供する場合、取得部１３１は、出品者が使用する情報処理装置からオークションに出品する商品に関する情報を取得する。この場合、取得部１３１は、取得したオークションに出品する商品に関する情報をオークション情報記憶部１２１に記憶する。また、例えば、予測装置１００がオークションサービスを提供する場合、取得部１３１は、入札者が使用する情報処理装置から入札に関する情報を取得する。この場合、取得部１３１は、取得した入札に関する情報を落札情報記憶部１２２に記憶する。

また、予測装置１００がオークションサービスを提供しない場合、取得部１３１は、オークションサービスを提供する外部装置からオークションに関する各種情報を取得する。この場合、取得部１３１は、取得したオークションに出品された商品に関する情報をオークション情報記憶部１２１に記憶する。また、例えば、取得部１３１は、落札情報を取得する。この場合、取得部１３１は、取得した落札情報を落札情報記憶部１２２に記憶する。

（生成部１３２）
生成部１３２は、オークションに関する情報から落札情報を生成する。例えば、生成部１３２は、オークション情報記憶部１２１に記憶されたオークションに関する情報から落札情報を生成する。例えば、生成部１３２は、オークションに関する情報に含まれるタイトルや説明文からキーワードを抽出する。例えば、生成部１３２は、形態素解析等の種々の従来技術を適宜用いて、キーワードの抽出を行う。なお、生成部１３２は、オークションの日時に関する情報に基づいて、落札情報の生成に用いるオークションに関する情報を決定してもよい。例えば、生成部１３２は、落札された日時に関する情報に基づいて、落札情報の生成に用いるオークションに関する情報を決定してもよい。例えば、生成部１３２は、落札された日時が所定の期間内（例えば、３ヶ月以内等）のオークションに関する情報を落札情報の生成に用いる情報として決定してもよい。

図１では、生成部１３２は、オークションに関する情報に基づいて、落札リストＬＴ１１を生成する。例えば、生成部１３２は、抽出したキーワードごとにカテゴリおよび落札価格と対応付けて、キーワードおよびカテゴリが対応する情報ごとに落札数や各価格帯における落札数および確率を示す落札情報を生成する。この場合、生成部１３２は、生成した落札情報を落札情報記憶部１２２に記憶する。また、図１では、生成部１３２は、商品情報ＧＤ１１に基づいて、キーワードリストＫＬ１１を生成する。また、生成部１３２は、予測部１３３により予測された相場に基づいて、相場情報を生成してもよい。図１では、生成部１３２は、価格分布ＭＲ１１に基づいて、ユーザＵ１へ提供する相場情報を生成する。

（予測部１３３）
予測部１３３は、取得部１３１により取得されたキーワードに対応付けられた落札価格に関する情報に基づいて、キーワードに対応付けられた商品に関する相場を予測する。例えば、予測部１３３は、カテゴリとキーワードとの組み合わせに対応付けられた落札価格に関する情報に基づいて、キーワードに対応付けられた商品に関する相場を予測する。例えば、予測部１３３は、価格帯の各々の落札数を含む落札価格に関する情報に基づいて、キーワードに対応付けられた商品に関する相場を予測する。予測部１３３は、相場として、商品の落札価格の分布に関する情報を予測する。

例えば、予測部１３３は、落札情報記憶部１２２に記憶された落札情報に基づいて、商品の相場を予測する。例えば、予測部１３３は、商品情報に含まれるカテゴリとキーワードの各々に対応する落札情報に基づいて、商品の相場を予測する。例えば、予測部１３３は、商品情報に含まれるカテゴリとキーワードの各々に対応する落札情報から各価格帯の同時確率を算出し、商品の相場を予測する。

図１では、予測部１３３は、落札リストＬＴ１１のうち、商品情報ＧＤ１１に含まれるカテゴリ「ファッション」と、キーワードリストＫＬ１１に示すキーワードとに対応する情報に基づいて、商品情報ＧＤ１１に対応する商品の相場を予測する。例えば、予測部１３３は、カテゴリ「ファッション」及びキーワード「新品」の組み合わせに対応する情報、カテゴリ「ファッション」及びキーワード「ワンピース」の組み合わせに対応する情報、及びカテゴリ「ファッション」及びキーワード「ブランドＸ」の組み合わせに対応する情報に基づいて、商品の価格帯を予測する。具体的には、予測部１３３は、落札リストＬＴ１１のうち、１行目の情報、３行目の情報、及び４行目の情報に基づいて、商品情報ＧＤ１１に対応する商品の相場を予測する。また、予測部１３３は、落札リストＬＴ１１のうち、１行目の情報、３行目の情報、及び４行目の情報の各価格帯の同時確率を算出することにより、商品情報ＧＤ１１に対応する商品の相場を予測する。例えば、予測装置１００は、各価格帯の同時確率を上記の式（１）により算出する。

図１では、予測部１３３は、価格帯１〜１０００（円）の同時確率を０．０１（％）と算出する。また、予測装置１００は、価格帯１０００〜５０００（円）の同時確率を０．６４（％）と算出する。また、予測装置１００は、価格帯５０００〜１００００（円）の同時確率を１５．６（％）と算出する。また、予測装置１００は、価格帯１００００〜（円）の同時確率を０．１３（％）と算出する。そして、予測部１３３は、各価格帯の同時確率に基づいて、商品に関する相場を予測する。例えば、予測部１３３は、各価格帯の同時確率の大小関係に基づいて、商品に関する相場を予測する。例えば、予測部１３３は、最も同時確率が高い価格帯を想定落札価格として予測してもよい。図１では、予測装置１００は、最も同時確率が高い価格帯５０００〜１００００（円）を想定落札価格として予測してもよい。なお、予測部１３３は、落札数の割合に応じて各行の情報の重みを変動させて、同時確率を算出してもよい。例えば、予測部１３３は、落札数が多い行の情報の重みを大きくして、同時確率を算出してもよい。

（提供部１３４）
提供部１３４は、予測部１３３により予測された商品に関する相場に基づいて、相場に関する情報を提供する。例えば、提供部１３４は、予測部１３３により予測された商品に関する相場に基づいて、相場に関する情報を端末装置１０へ提供する。例えば、提供部１３４は、予測部１３３により予測された商品に関する相場に基づいて、相場情報を端末装置１０へ送信する。

〔３．端末装置の構成〕
次に、図６を用いて、実施形態に係る端末装置１０の構成について説明する。図６は、実施形態に係る端末装置１０の構成例を示す図である。図６に示すように、端末装置１０は、通信部１１と、記憶部１２と、入力部１３と、出力部１４と、制御部１５とを有する。

（通信部１１）
通信部１１は、例えば、通信回路等によって実現される。そして、通信部１１は、図示しない所定のネットワークと有線または無線で接続され、予測装置１００との間で情報の送受信を行う。

（記憶部１２）
記憶部１２は、例えば、ＲＡＭ、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によって実現される。記憶部１２は、例えば、端末装置１０にインストールされているアプリケーションに関する情報、例えばプログラム等を記憶する。

（入力部１３）
入力部１３は、ユーザからの各種操作を受け付ける。例えば、入力部１３は、タッチパネル機能により表示面を介してユーザからの各種操作を受け付けてもよい。また、入力部１３は、端末装置１０に設けられたボタンや、端末装置１０に接続されたキーボードやマウスからの各種操作を受け付けてもよい。

（出力部１４）
出力部１４は、例えば液晶ディスプレイや有機ＥＬ（Electro-Luminescence）ディスプレイ等によって実現されるタブレット端末等の表示画面であり、各種情報を表示するための表示装置である。

（制御部１５）
制御部１５は、例えば、ＣＰＵやＭＰＵ等によって、端末装置１０内部の記憶部１２などの記憶装置に記憶されている各種プログラムがＲＡＭを作業領域として実行されることにより実現される。例えば、この各種プログラムは、インストールされているアプリケーションのプログラムが含まれる。また、制御部１５は、例えば、ＡＳＩＣやＦＰＧＡ等の集積回路により実現される。

図６に示すように、制御部１５は、送信部１５１と、受信部１５２と、表示部１５３とを有し、以下に説明する予測処理の機能や作用を実現または実行する。なお、制御部１５の内部構成は、図６に示した構成に限られず、後述する予測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１５が有する各処理部の接続関係は、図６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。

送信部１５１は、外部の情報処理装置へ各種情報を送信する。例えば、送信部１５１は、入力部１３により受け付けたユーザ操作に従って、商品情報を予測装置１００へ送信する。図１に示す例において、送信部１５１は、所定のアプリや所定のブラウザにおいて商品情報を入力することにより、商品情報を予測装置１００へ送信する。

受信部１５２は、外部の情報処理装置から各種情報を受信する。受信部１５２は、予測装置１００から提供された相場情報やオークションに関する情報（以下、「オークション情報」とする場合がある）を受信する。また、受信部１５２は、相場情報やオークション情報を受信した場合、受信した相場情報やオークション情報を記憶部１２に格納してもよい。

表示部１５３は、各種情報を表示する。例えば、表示部１５３は、予測装置１００から提供された相場情報やオークション情報を表示する。図１では、端末装置１０は、ウェブページ等の所定のページＷ１１に相場情報ＭＤ１１や数値情報ＰＢ１１や測対象情報ＴＤ１１を表示する。

なお、上述した制御部１５による予測処理等の処理は、例えば、ＪａｖａＳｃｒｉｐｔ（登録商標）などにより実現されてもよい。また、上述したオークション情報の表示に関する処理が専用アプリにより行われる場合、制御部１５は、例えば、所定のアプリや専用アプリを制御するアプリ制御部を有してもよい。

〔４．予測処理のフロー〕
次に、図７を用いて、実施形態に係る予測システム１による予測処理の手順について説明する。図７は、実施形態に係る予測処理の一例を示すフローチャートである。

図７に示すように、予測装置１００の取得部１３１は、商品情報を取得する（ステップＳ１０１）。例えば、取得部１３１は、端末装置１０から商品情報を取得する。その後、取得部１３１は、商品情報に対応する落札情報を取得する（ステップＳ１０２）。例えば、取得部１３１は、落札情報記憶部１２２から商品情報に対応する落札情報を取得する。例えば、落札情報記憶部１２２から商品情報に含まれるキーワードの各々とカテゴリとの組み合わせに対応する落札情報を取得する。

その後、予測装置１００の予測部１３３は、相場を予測する（ステップＳ１０３）。例えば、予測部１３３は、ステップＳ１０２において取得した落札情報に基づいて相場を予測する。

その後、予測装置１００の提供部１３４は、相場情報を送信する（ステップＳ１０４）。例えば、提供部１３４は、予測部１３３により予測された相場に基づく相場情報を送信する。図１では、提供部１３４は、予測部１３３により予測された相場に基づく相場情報ＭＤ１１を端末装置１０に送信する。

〔５．カテゴリについて〕
上記の実施形態においては、カテゴリが「ファッション」や「家電」といったカテゴリである場合を例に説明したが。カテゴリはより詳細なカテゴリであってもよい。すなわち、予測装置１００は、階層化されたカテゴリを用いて、より詳細なカテゴリに基づいてキーワードに対応付けられた商品に関する相場を予測してもよい。この点について図８を用いて説明する。図８は、実施形態に係るカテゴリの階層の一例を示す図である。

図８に示すカテゴリ階層図ＣＴ１１において、最上位のカテゴリ階層である階層ＨＲ１には、「ファッション」や「家電」といったカテゴリが含まれる。また、階層ＨＲ１の直下のカテゴリ階層である階層ＨＲ２には、「ファッション」の下位カテゴリとして「衣類」や「アクセサリ」といったカテゴリが含まれる。また、階層ＨＲ２の直下のカテゴリ階層である階層ＨＲ３には、「衣類」の下位カテゴリとして「ワンピース」や「シャツ」といったカテゴリが含まれる。また、各カテゴリの下に示す落札数は、各カテゴリに対応する商品の落札数を示す。例えば、「ワンピース」の下に示す落札数「１０００」は、カテゴリ「ワンピース」に対応する商品の落札数が１０００（回）であることを示す。例えば、「ワンピース」の上位のカテゴリである「衣類」の下に示す落札数「１００００」は、カテゴリ「衣類」に対応する商品の落札数が１００００（回）であることを示す。このように、カテゴリに対応する商品の落札数は、上位の階層に行くほど多くなる。

例えば、予測装置１００は、階層ＨＲ１より下位の階層ＨＲ２、ＨＲ３等に含まれるカテゴリとキーワードとの組み合わせに対応付けられた落札価格に関する情報に基づいて、キーワードに対応付けられた商品に関する相場を予測してもよい。例えば、予測装置１００は、所定の閾値以上に達したカテゴリ階層のオークションに関する情報を用いて、落札情報を生成してもよい。例えば、所定の閾値を１００００とした場合、商品情報に含まれるカテゴリが「シャツ」である場合、「シャツ」に対応する商品の落札数が２５００（回）であるため、さらに以上のカテゴリに対応する商品の落札数が１００００（回）以上になるまで、カテゴリ「シャツ」の上位カテゴリを検索する。図８では、「シャツ」の上位のカテゴリである「衣類」に対応する商品の落札数が１００００（回）であるため、予測装置１００は、カテゴリ「衣類」を用いる。すなわち、予測装置１００は、カテゴリ「衣類」とキーワードとの組み合わせに対応付けられた落札価格に関する情報に基づいて、商品に関する相場を予測する。

上述したように、予測装置１００は、取得した商品情報に含まれるカテゴリやキーワードに基づいて、商品情報に対応する商品に関する相場を予測する。具体的には、予測装置１００は、カテゴリとキーワードとの組み合わせに対応付けられた落札価格に関する情報に基づいて、キーワードに対応付けられた商品に関する想定落札価格を予測する。したがって、予測装置１００は、オークションにおける相場を適切に予測することができる。

また、予測装置１００は、商品情報に対応する商品であって、入札中の商品について、その商品の現在価格と予測した想定落札価格との価格差に基づいて、ランキングを決定する。これにより、予測装置１００は、各商品の相場（想定落札価格）と現在価格との乖離に基づいて、各商品のランキングを決定することができる。また、予測装置１００は、予測した相場に基づいて、各商品のランキングを決定することにより、ユーザに情報提供する際に、どの情報をユーザに提供するかを適切に決定することができる。したがって、予測装置１００は、ユーザに適切に情報提供を行うことができる。

なお、予測装置１００は、最下層のカテゴリとキーワードとの組み合わせに対応する落札情報を生成し、相場の予測を行う際に落札数が所定の閾値以上になるまで、落札情報を合成してもよい。予測装置１００は、カテゴリ「衣類」を用いる場合、カテゴリ「衣類」の下位に属する最下層のカテゴリとキーワードとの組み合わせに対応する落札情報を合成してもよい。例えば、階層ＨＲ３が最下層である場合、予測装置１００は、カテゴリ「ワンピース」とキーワードとの組み合わせに対応付けられた落札価格に関する情報やカテゴリ「シャツ」とキーワードとの組み合わせに対応付けられた落札価格に関する情報等に基づいて、商品に関する相場を予測する。なお、予測装置１００は、カテゴリを動的に変動させて商品に関する相場を予測可能であれば、どのように情報を保持してもよい。

〔６．キーワードについて〕
また、上記の実施形態においては、説明を簡単にするために、商品情報から抽出した単語をキーワードとする場合を説明したが、キーワードは単語に限らず種々の情報であってもよい。この点について、図９を用いて説明する。図９は、実施形態に係るキーワードの共通化の一例を示す図である。具体的には、図９は、キーワードの概念による共通化の一例を示す図である。

例えば、図９に示す落札情報記憶部１２２に記憶される落札情報には、カテゴリ「家電」とキーワード「スマホ」の組み合わせに対応する落札情報が含まれ、カテゴリ「家電」とキーワード「スマートフォン」の組み合わせに対応する落札情報が含まれる。ここで、カテゴリ「家電」に属するキーワード「スマホ」とカテゴリ「家電」に属するキーワード「スマートフォン」とは、いわゆる携帯電話機の一形態である多機能携帯電話という共通の概念に対応するキーワード（単語）である。

そこで、予測装置１００は、落札情報記憶部１２２に記憶される落札情報を概念単位で共通化する（ステップＳ２１）。例えば、予測装置１００は、落札情報記憶部１２２Ａに示すように落札情報を更新する。具体的には、予測装置１００は、落札情報ＩＤ「ＳＢ１５」により識別される落札情報と落札情報ＩＤ「ＳＢ１６」により識別される落札情報とを合成し、落札情報ＩＤ「ＳＢ１１１」により識別される１つの落札情報とする。すなわち、予測装置１００は、共通の概念に対応するキーワード（単語）は、共通の商品を示すものとして共通化する。これにより、予測装置１００は、概念によりキーワードを共通化して多くの情報を相場予測に用いることができ、相場をより精度よく予測することが可能となる。

なお、上記の概念による共通化は一例であって、キーワードは、同義語や類義語を合わせたものであってもよい。また、上述したように、この場合、予測装置１００は、分散表現等の種々の従来技術を適宜用いて、各単語等の概念の関連を抽出してもよい。また、キーワードは、商品に関するトピック（話題）であってもよい。例えば、キーワードは、商品情報に含まれる情報から抽出されたトピックであってもよい。この場合、予測装置１００は、種々の従来技術を適宜用いて、商品に関する情報からトピックを抽出してもよい。

〔７．不要なキーワードについて〕
また、予測装置１００は、相場の予測に不要なキーワードに対応する落札情報を除外して、相場を予測してもよい。この点について、図１０を用いて説明する。図１０は、実施形態に係るキーワードの除外の一例を示す図である。

例えば、図１０に示す落札情報記憶部１２２に記憶される落札情報には、カテゴリ「家電」とキーワード「★」の組み合わせに対応する落札情報が含まれる。ここで、カテゴリ「家電」に属するキーワード「★」は、カテゴリ「家電」における商品の相場を予測するために有用な概念（意味）を示すキーワードではない。すなわち、カテゴリ「家電」におけるキーワード「★」は、相場の予測の精度向上に寄与しない不要なキーワードであり、カテゴリ「家電」とキーワード「★」の組み合わせに対応する落札情報は、不要な情報となる。

そこで、予測装置１００は、落札情報記憶部１２２に記憶される落札情報から不要なキーワードに対応する落札情報を除外する（ステップＳ２２）。例えば、予測装置１００は、落札情報記憶部１２２Ｂに示すように落札情報を更新する。具体的には、予測装置１００は、落札情報ＩＤ「ＳＢ１００」により識別される落札情報を除外する。これにより、予測装置１００は、相場の予測の精度向上に寄与すると想定されるキーワードに対応する落札情報のみを相場予測に用いることができ、相場をより精度よく予測することが可能となる。

なお、上記例においては、生成した落札情報から不要なキーワードの落札情報を除外する例を示したが、予測装置１００は、不要なキーワードに対応する落札情報を生成しなくてもよい。また、予測装置１００は、キーワードに対応する各価格帯の確率分布が一様な（例えば、４つの価格帯の確率が全て２５％である）場合、そのキーワードを不要なキーワードとして除外してもよい。

〔８．変形例〕
上述した実施形態に係る予測システム１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、予測システム１の他の実施形態について説明する。

〔８−１．変形例：価格差に基づく情報提供〕
例えば、予測システム２は、想定予測価格と現在価格との差に基づいて、オークション情報を提供してもよい。この点について、図１１〜図１４を用いて説明する。図１１は、変形例に係る予測処理の一例を示す図である。なお、実施形態と同様の構成については、同一の符号を付して説明を省略する。

〔８−１−１．予測処理〕
まず、図１１を用いて、変形例に係る予測処理の一例について説明する。図１１は、変形例に係る予測処理の一例を示す図である。図１１では、予測装置２００は、予測した相場に基づく価格差によりランキングされた商品を含むオークション情報を端末装置１０に提供する。

図１１に示すように、予測システム２は、端末装置１０と、予測装置２００とが含まれる。端末装置１０と、予測装置２００とは図示しない所定のネットワークを介して、有線または無線により通信可能に接続される。なお、図１１に示した予測システム２には、複数台の端末装置１０や、複数台の予測装置２００が含まれてもよい。

予測装置２００は、端末装置１０から取得した商品情報からキーワードを抽出し、抽出したキーワードに対応付けられた落札価格に関する情報に基づいて、端末装置１０から取得した商品情報に対応する商品に関する相場を予測する。例えば、予測装置２００は、オークションにおける取引履歴に含まれる商品の落札価格に関する情報とその商品のキーワードとに基づいて、商品に関する相場を予測する。また、予測装置２００は、予測した商品に関する相場に基づいて、オークション情報を端末装置１０に提供する。

まず、端末装置１０は、オークション情報の取得要求を予測装置２００へ送信する（ステップＳ３１）。例えば、端末装置１０は、オークション情報の取得したい商品情報を予測装置２００へ送信する。図１１では、端末装置１０は、カテゴリ「ファッション」、キーワード「新品」、「ワンピース」、「ブランドＸ」といった情報を含む商品情報ＧＤ２１を予測装置２００へ送信する。このように、端末装置１０は、例えばインターネットオークションで購入したい商品に関する商品情報を予測装置２００に送信する。

その後、予測装置２００は、カテゴリとキーワードとの組み合わせに対応付けられた落札価格に関する情報に基づいて、キーワードに対応付けられた商品に関する相場を予測する。例えば、予測装置２００は、価格分布ＭＲ２１を生成する。この点については、図１に示すステップＳ１３と同様の処理のため説明を省略する。その後、予測装置２００は、カテゴリ「ファッション」、キーワード「新品」、「ワンピース」、「ブランドＸ」に対応する商品の想定落札価格を算出する（ステップＳ３２）。図１２では、予測装置２００は、想定落札価格表ＥＰ２１に示すように、カテゴリ「ファッション」、キーワード「新品」、「ワンピース」、「ブランドＸ」に対応する商品の想定落札価格を「７５００」（円）と算出する。

そして、予測装置２００は、想定落札価格表ＥＰ２１とオークションリストＡＬ２１とに基づいて、ランキングを決定する（ステップＳ３３）。具体的には、予測装置２００は、想定落札価格表ＥＰ２１中の７５００（円）とオークションリストＡＬ２１に含まれるカテゴリが「ファッション」であり、タイトルや説明文にキーワード「新品」、「ワンピース」、及び「ブランドＸ」を含む出品物とに基づいて、ランキングを決定する。図１１では、予測装置２００は、オークションリストＡＬ２１のうち、カテゴリが「ファッション」であり、タイトルや説明文にキーワード「新品」、「ワンピース」、及び「ブランドＸ」を含む出品物ＩＤ「ＡＤ２１」により識別される商品と出品物ＩＤ「ＡＤ２２」により識別される商品とのランキングを決定する。なお、図１１では、説明を簡単にするために、想定落札価格表ＥＰ２１には１つの想定落札価格が含まれる例を示すが、想定落札価格表ＥＰ２１には複数の想定落札価格が含まれてもよい。

図１１では、予測装置２００は、ランキングリストＬＬ２１に示すように、出品物ＩＤ「ＡＤ２２」により識別される商品がランキング１位であり、出品物ＩＤ「ＡＤ２１」により識別される商品がランキング２位であることを示す情報を生成する。具体的には、ランキングリストＬＬ２１に示すように、ランキング「１」位の出品物ＩＤ「ＡＤ２２」により識別される商品は、想定落札価格が「７５００」（円）であり、現在価格が「２５００」（円）であり、価格差が「５０００」（円）である。また、ランキング「２」位の出品物ＩＤ「ＡＤ２１」により識別される商品は、想定落札価格が「７５００」（円）であり、現在価格が「７０００」（円）であり、価格差が「５００」（円）であることを示す。すなわち、出品物ＩＤ「ＡＤ２２」により識別される商品は、価格差が出品物ＩＤ「ＡＤ２１」により識別される商品の価格差よりも大きいため、ランキングが上位になる。

取得要求に対応する商品のランキングを決定した後、予測装置２００は、ステップＳ３１において取得要求を送信した端末装置１０へオークション情報を提供する（ステップＳ３４）。例えば、予測装置２００は、オークション情報として、順位が高い商品に関する情報ほど上位に表示される一覧情報を提供する。図１１に示す例において、予測装置２００は、オークション情報として、出品物ＩＤ「ＡＤ２２」により識別される商品、出品物ＩＤ「ＡＤ２１」により識別される商品の順に表示される一覧情報を端末装置１０へ提供する。

予測装置２００からオークション情報を受信した端末装置１０は、受信したオークション情報を表示する（ステップＳ３５）。例えば、端末装置１０は、ランキングが高い商品に関する情報ほど上位に表示する。図１１に示す例において、端末装置１０は、カテゴリ「ワンピース」のオークション情報を表示するページＷ２１において、最も順位の高い商品に関する情報を表示する領域ＡＲ２１に、ランキング１位である出品物ＩＤ「ＡＤ２２」により識別される商品に関する情報を表示する。また、端末装置１０は、ページＷ２１において、２番目に順位の高い商品に関する情報を表示する領域ＡＲ２２に、ランキング２位である出品物ＩＤ「ＡＤ２１」により識別される商品に関する情報を表示する。このように、端末装置１０は、予測装置２００において決定されたランキングに基づいて、商品に関する情報を表示する。

なお、上記例では、説明を簡単にするために、１つの想定落札価格を用い、２つの商品のランキングを決定する例を説明したが、複数の想定落札価格を用い、多数の商品のランキングを決定してもよい。すなわち、予測装置２００は、種々の商品のランキングを、各々の想定落札価格と現在価格とに基づいて決定してもよい。また、上記例では、価格差が大きい商品のランキングを高くする場合を説明したが、価格差が小さい商品ほどランキングを高くしてもよい。例えば、予測装置２００は、価格差が小さい商品ほどランキングを高くすることにより、想定落札価格に近い現在価格の商品を上位に表示させることにより、その商品の落札価格を想定落札価格に達する可能性を高めることができる。なお、上記のランキングは一例であって、予測装置２００は、想定落札価格や現在価格に加えて、種々の情報に基づいてランキングを決定してもよい。

〔８−１−２．予測装置の構成〕
次に、図１２を用いて、変形例に係る予測装置２００の構成について説明する。図１２は、変形例に係る予測装置２００の構成例を示す図である。図１２に示すように、予測装置２００は、通信部１１０と、記憶部２２０と、制御部２３０とを有する。なお、予測装置２００は、予測装置２００の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。

（記憶部２２０）
記憶部２２０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。変形例に係る記憶部２２０は、図１２に示すように、オークション情報記憶部２２１と、落札情報記憶部１２２と、予測情報記憶部１２３、ランキング情報記憶部２２４とを有する。なお、オークション情報記憶部２２１については、対象の項目における「ＧＤ１１」を「ＧＤ２１」に、「ＧＤ１２」を「ＧＤ２２」に読み替えるものとする。

（オークション情報記憶部２２１）
変形例に係るオークション情報記憶部２２１は、オークションに関する情報を記憶する。図１３は、変形例に係るオークション情報記憶部の一例を示す図である。図１３には、オークション情報記憶部２２１に記憶されるオークションに関する情報の一例を示す。図１３に示すように、オークション情報記憶部２２１は、オークションに関する情報として、「出品物ＩＤ」、「出品者ＩＤ」、「カテゴリ」、「タイトル」、「説明文」、「落札価格」、「現在価格」といった項目が含まれる。なお、図１３に示すオークション情報記憶部２２１において、「現在価格」以外は、オークション情報記憶部１２１と同様であるため、説明を省略する。「現在価格」は、出品物ＩＤにより識別される商品の現在入札されている最高価格を示す。例えば、図１３に示す例において、オークション情報記憶部２２１には、出品物ＩＤ「ＡＤ２１」により識別される出品物（商品）に関する情報や出品物ＩＤ「ＡＤ２２」により識別される出品物（商品）に関する情報が含まれる。

（ランキング情報記憶部２２４）
変形例に係るランキング情報記憶部２２４は、相場に関する予測情報（相場情報）を記憶する。図１４は、変形例に係るランキング情報記憶部の一例を示す図である。図１４に、変形例に係るランキング情報記憶部２２４の一例を示す。図１４に示すランキング情報記憶部２２４は、「ランキング」、「出品者ＩＤ」、「想定落札価格」、「現在価格」、「価格差」といった項目が含まれる。

「ランキング」は、各出品物のランキングを示す。例えば、「ランキング」は、各出品物の想定落札価格と現在価格との価格差に基づく順位を示す。「出品物ＩＤ」は、商品（出品物）を識別するための識別情報を示す。「想定落札価格」は、出品物ＩＤにより識別される商品の想定落札価格を示す。また、「現在価格」は、出品物ＩＤにより識別される商品の現在入札されている最高価格を示す。

例えば、図１４に示す例において、ランキング「１」位の出品物ＩＤ「ＡＤ２２」により識別される商品は、想定落札価格が「７５００」（円）であり、現在価格が「２５００」（円）であり、価格差が「５０００」（円）であることを示す。また、例えば、ランキング「２」位の出品物ＩＤ「ＡＤ２１」により識別される商品は、想定落札価格が「７５００」（円）であり、現在価格が「７０００」（円）であり、価格差が「５００」（円）であることを示す。

なお、ランキング情報記憶部２２４は、上記に限らず、スコアの算出に用いる指標に関する情報であれば、目的に応じて種々の情報を記憶してもよい。例えば、ランキング情報記憶部２２４は、各出品物のオークションの残り時間や即決価格等の情報を記憶してもよい。なお、予測装置２００は、ランキング情報記憶部２２４に示す予測情報を端末装置１０へ送信するのみである場合、ランキング情報記憶部２２４を有さなくてもよい。

（制御部２３０）
図１２の説明に戻って、制御部２３０は、例えば、ＣＰＵ（Central Processing Unit）やＭＰＵ（Micro Processing Unit）等によって、予測装置２００内部の記憶装置に記憶されている各種プログラム（予測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２３０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。

図１２に示すように、制御部２３０は、取得部１３１と、生成部２３２と、予測部１３３と、提供部２３４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２３０の内部構成は、図１２に示した構成に限られず、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。また、制御部２３０が有する各処理部の接続関係は、図１２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。

（生成部２３２）
生成部２３２は、オークションに関する情報から落札情報を生成する。この点は、生成部１３２と同様であるため、説明を省略する。また、生成部２３２は、予測部１３３により予測された相場に基づいて、オークション情報を生成してもよい。例えば、生成部２３２は、想定落札価格表ＥＰ２１とオークションリストＡＬ２１とに基づいて、ユーザＵ１へ提供するオークション情報を生成する。例えば、生成部２３２は、想定落札価格表ＥＰ２１とオークションリストＡＬ２１とに基づくランキングリストＬＬ２１から、オークション情報を生成する。

（提供部２３４）
提供部２３４は、予測部１３３により予測された商品に関する相場に基づいて、相場に関する情報を提供する。例えば、提供部２３４は、相場に関する情報として、相場に基づいて推定される落札価格（想定落札価格）と商品の現在価格との価格差に基づいて、商品に関する情報（オークション情報）を提供する。例えば、提供部２３４は、予測部１３３により予測された商品に関する相場に基づいて、オークション情報を端末装置１０へ提供する。例えば、提供部２３４は、予測部１３３により予測された商品に関する相場に基づいて、オークション情報を端末装置１０へ送信する。

〔９．効果〕
上述してきたように、実施形態に係る予測装置１００及び変形例に係る予測装置２００は、取得部１３１と、予測部１３３とを有する。取得部１３１は、オークションにおけるキーワードに対応付けられた落札価格に関する情報を取得する。予測部１３３は、取得部１３１により取得されたキーワードに対応付けられた落札価格に関する情報に基づいて、キーワードに対応付けられた商品に関する相場を予測する。

これにより、実施形態に係る予測装置１００及び変形例に係る予測装置２００は、商品情報に対応する商品がどの価格帯で落札される可能性が高いかを予測することができる。したがって、予測装置１００は、オークションにおける相場を適切に予測することができる。

また、実施形態に係る予測装置１００及び変形例に係る予測装置２００において、取得部１３１は、商品を分類するカテゴリとキーワードとの組み合わせに対応付けられた落札価格に関する情報を取得する。予測部１３３は、カテゴリとキーワードとの組み合わせに対応付けられた落札価格に関する情報に基づいて、キーワードに対応付けられた商品に関する相場を予測する。

これにより、実施形態に係る予測装置１００及び変形例に係る予測装置２００は、カテゴリとキーワードとの組み合わせに対応する商品がどの価格帯で落札される可能性が高いかを予測することができる。したがって、予測装置１００は、オークションにおける相場を適切に予測することができる。

また、実施形態に係る予測装置１００及び変形例に係る予測装置２００において、取得部１３１は、商品に関する文字情報から抽出されたキーワードに対応付けられた商品の落札価格に関する情報を取得する。

これにより、実施形態に係る予測装置１００及び変形例に係る予測装置２００は、商品に関する文字情報から抽出されたキーワードに対応する商品がどの価格帯で落札される可能性が高いかを予測することができる。したがって、予測装置１００は、オークションにおける相場を適切に予測することができる。

また、実施形態に係る予測装置１００及び変形例に係る予測装置２００において、取得部１３１は、商品に関する文字情報から抽出された単語の概念に基づくキーワードに対応付けられた商品の落札価格に関する情報を取得する。

これにより、実施形態に係る予測装置１００及び変形例に係る予測装置２００は、商品に関する文字情報から抽出された単語の概念に対応する商品がどの価格帯で落札される可能性が高いかを予測することができる。したがって、予測装置１００は、オークションにおける相場を適切に予測することができる。

また、実施形態に係る予測装置１００及び変形例に係る予測装置２００において、取得部１３１は、オークションへの商品の出品者により入力される文字情報に基づくキーワードに対応付けられた商品の落札価格に関する情報を取得する。

これにより、実施形態に係る予測装置１００及び変形例に係る予測装置２００は、オークションへの商品の出品者により入力される文字情報に対応する商品がどの価格帯で落札される可能性が高いかを予測することができる。したがって、予測装置１００は、オークションにおける相場を適切に予測することができる。

また、実施形態に係る予測装置１００及び変形例に係る予測装置２００において、取得部１３１は、商品に関する画像情報に対応付けられた落札価格に関する情報を取得する。

これにより、実施形態に係る予測装置１００及び変形例に係る予測装置２００は、商品に関する画像情報に対応する商品がどの価格帯で落札される可能性が高いかを予測することができる。したがって、予測装置１００は、オークションにおける相場を適切に予測することができる。

また、実施形態に係る予測装置１００及び変形例に係る予測装置２００において、取得部１３１は、価格帯ごとに分割された落札価格に関する情報を取得する。予測部１３３は、価格帯ごとに分割された落札価格に関する情報に基づいて、キーワードに対応付けられた商品に関する相場を予測する。

これにより、実施形態に係る予測装置１００及び変形例に係る予測装置２００は、価格帯ごとに分割された落札価格に関する情報に基づいてキーワードに対応する商品がどの価格帯で落札される可能性が高いかを予測することができる。したがって、予測装置１００は、オークションにおける相場を適切に予測することができる。

また、実施形態に係る予測装置１００及び変形例に係る予測装置２００において、取得部１３１は、価格帯の各々の落札回数を含む落札価格に関する情報を取得する。予測部１３３は、価格帯の各々の落札回数を含む落札価格に関する情報に基づいて、キーワードに対応付けられた商品に関する相場を予測する。

これにより、実施形態に係る予測装置１００及び変形例に係る予測装置２００は、価格帯の各々の落札回数に基づいて商品がどの価格帯で落札される可能性が高いかを予測することができる。したがって、予測装置１００は、オークションにおける相場を適切に予測することができる。

また、実施形態に係る予測装置１００及び変形例に係る予測装置２００において、予測部１３３は、相場として、商品の落札価格の分布に関する情報を予測する。

これにより、実施形態に係る予測装置１００及び変形例に係る予測装置２００は、相場として、商品の落札価格の分布に関する情報を予測することにより、オークションにおける相場を適切に予測することができる。

また、実施形態に係る予測装置１００及び変形例に係る予測装置２００において、取得部１３１は、オークション以外のサービスに関する情報を取得する。予測部１３３は、取得部１３１により取得したサービスに関する情報に基づいて、キーワードに対応付けられた商品に関する相場を予測する。

これにより、実施形態に係る予測装置１００及び変形例に係る予測装置２００は、オークション以外のサービスに関する情報を用いることにより、オークションにおける相場を適切に予測することができる。

また、実施形態に係る予測装置１００及び変形例に係る予測装置２００において、取得部１３１は、サービスに関する情報として商品の所定のショッピングサイトにおける価格に関する情報を取得する。

これにより、実施形態に係る予測装置１００及び変形例に係る予測装置２００は、商品の所定のショッピングサイトにおける価格に関する情報を用いることにより、オークションにおける相場を適切に予測することができる。

また、実施形態に係る予測装置１００及び変形例に係る予測装置２００において、取得部１３１は、サービスに関する情報として商品に関する検索履歴を取得する。

これにより、実施形態に係る予測装置１００及び変形例に係る予測装置２００は、サービスに関する情報として商品に関する検索履歴を用いることにより、オークションにおける相場を適切に予測することができる。

また、実施形態に係る予測装置１００及び変形例に係る予測装置２００は、提供部１３４、２３４を有する。提供部１３４、２３４は、予測部１３３により予測された商品に関する相場に基づいて、相場に関する情報を提供する。

これにより、実施形態に係る予測装置１００及び変形例に係る予測装置２００は、適切に予測された商品に関する相場に基づいて、相場に関する情報を提供する。すなわち、適切な相場に関する情報を提供することができる。

また、変形例に係る予測装置２００において、提供部２３４は、相場に関する情報として、相場に基づいて推定される落札価格と商品の現在価格との価格差に基づいて、商品に関する情報を提供する。

これにより、変形例に係る予測装置２００は、現在価格と推定される落札価格との差に基づいて、適切にランキングされた商品に関する情報を提供することができる。

〔１０．ハードウェア構成〕
上述してきた実施形態及び変形例に係る予測装置１００、２００は、例えば図１５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。図１５は、予測装置１００、２００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、及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、及び、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、ネットワークＮ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ネットワークＮ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、及び、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が実施形態及び変形例に係る予測装置１００、２００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、２３０の機能を実現する。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、他の装置からネットワークＮを介してこれらのプログラムを取得してもよい。

以上、本願の実施形態及び変形例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、発明の開示の行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。

〔１１．その他〕
また、上記実施形態及び変形例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。

また、上述してきた実施形態及び変形例は、処理内容を矛盾させない範囲で適宜組み合わせることが可能である。

また、上述してきた「部（section、module、unit）」は、「手段」や「回路」などに読み替えることができる。例えば、取得部は、取得手段や取得回路に読み替えることができる。

１ 予測システム
１００ 予測装置
１２１ オークション情報記憶部
１２２ 落札情報記憶部
１２３ 予測情報記憶部
１３０ 制御部
１３１ 取得部
１３２ 生成部
１３３ 予測部
１３４ 提供部

Claims (16)

1. オークションにおけるキーワードに対応付けられた落札価格に関する情報を取得する取得部と、
   前記取得部により取得された前記キーワードに対応付けられた落札価格に関する情報に基づいて、前記キーワードに対応付けられた商品に関する相場を予測する予測部と、
   を備えたことを特徴とする予測装置。
2. 前記取得部は、
   前記商品を分類するカテゴリと前記キーワードとの組み合わせに対応付けられた落札価格に関する情報を取得し、
   前記予測部は、
   前記カテゴリと前記キーワードとの組み合わせに対応付けられた落札価格に関する情報に基づいて、前記キーワードに対応付けられた商品に関する相場を予測する
   ことを特徴とする請求項１に記載の予測装置。
3. 前記取得部は、
   前記商品に関する文字情報から抽出されたキーワードに対応付けられた前記商品の落札価格に関する情報を取得する
   ことを特徴とする請求項１または請求項２に記載の予測装置。
4. 前記取得部は、
   前記商品に関する文字情報から抽出された単語の概念に基づくキーワードに対応付けられた前記商品の落札価格に関する情報を取得する
   ことを特徴とする請求項１〜３のいずれか１項に記載の予測装置。
5. 前記取得部は、
   前記オークションへの前記商品の出品者により入力される前記文字情報に基づくキーワードに対応付けられた前記商品の落札価格に関する情報を取得する
   ことを特徴とする請求項３または請求項４に記載の予測装置。
6. 前記取得部は、
   前記商品に関する画像情報に対応付けられた落札価格に関する情報を取得する
   ことを特徴とする請求項１〜５のいずれか１項に記載の予測装置。
7. 前記取得部は、
   価格帯ごとに分割された前記落札価格に関する情報を取得し、
   前記予測部は、
   前記価格帯ごとに分割された前記落札価格に関する情報に基づいて、前記キーワードに対応付けられた商品に関する相場を予測する
   ことを特徴とする請求項１〜６のいずれか１項に記載の予測装置。
8. 前記取得部は、
   前記価格帯の各々の落札数を含む前記落札価格に関する情報を取得し、
   前記予測部は、
   前記価格帯の各々の落札数を含む前記落札価格に関する情報に基づいて、前記キーワードに対応付けられた商品に関する相場を予測する
   ことを特徴とする請求項７に記載の予測装置。
9. 前記予測部は、
   前記相場として、前記商品の落札価格の分布に関する情報を予測する
   ことを特徴とする請求項１〜８のいずれか１項に記載の予測装置。
10. 前記取得部は、
    前記オークション以外のサービスに関する情報を取得し、
    前記予測部は、
    前記取得部により取得した前記サービスに関する情報に基づいて、前記キーワードに対応付けられた商品に関する相場を予測する
    ことを特徴とする請求項１〜９のいずれか１項に記載の予測装置。
11. 前記取得部は、
    前記サービスに関する情報として前記商品の所定のショッピングサイトにおける価格に関する情報を取得する
    ことを特徴とする請求項１０に記載の予測装置。
12. 前記取得部は、
    前記サービスに関する情報として前記商品に関する検索履歴を取得する
    ことを特徴とする請求項１０に記載の予測装置。
13. 前記予測部により予測された前記商品に関する相場に基づいて、前記相場に関する情報を提供する提供部、
    さらに備えたことを特徴とする請求項１〜１２のいずれか１項に記載の予測装置。
14. 前記提供部は、
    前記相場に関する情報として、前記相場に基づいて推定される落札価格と前記商品の現在価格との価格差に基づいて、前記商品に関する情報を提供する
    ことを特徴とする請求項１３に記載の予測装置。
15. コンピュータが実行する予測方法であって、
    オークションにおけるキーワードに対応付けられた落札価格に関する情報を取得する取得工程と、
    前記取得工程により取得された前記キーワードに対応付けられた落札価格に関する情報に基づいて、前記キーワードに対応付けられた商品に関する相場を予測する予測工程と、
    を含むことを特徴とする予測方法。
16. オークションにおけるキーワードに対応付けられた落札価格に関する情報を取得する取得手順と、
    前記取得手順により取得された前記キーワードに対応付けられた落札価格に関する情報に基づいて、前記キーワードに対応付けられた商品に関する相場を予測する予測手順と、
    をコンピュータに実行させることを特徴とする予測プログラム。