JP2018005495A - 属性評価装置、販売システム、属性評価方法、および属性評価プログラム - Google Patents

Abstract

【課題】クエリに対する属性の適合性を適切に評価すること。【解決手段】販売コンテンツに対して入力されたクエリと、前記クエリが入力された後に前記販売コンテンツにおいて選択された一以上の商品またはサービス（以下、商品等）とが対応付けたられた商品等選択情報を取得する取得部と、前記商品等に対して付与され得る属性の集合から評価対象の属性を選択し、前記選択した評価対象の属性が付与されている商品等であるか否かで、前記商品等選択情報に基づく処理対象情報を分割し、着目するクエリに対応付けられた商品等の情報が、前記分割した前記処理対象情報のいずれかに偏在するほど、前記着目するクエリに対する前記選択した評価対象の属性の適合性を高く評価する評価部と、を備える属性評価装置。【選択図】図１

Description

本発明は、属性評価装置、販売システム、属性評価方法、および属性評価プログラムに関する。

近年、ｅ−コマースの技術が進歩を続けている。ｅ−コマースでは、端末装置で動作するブラウザ、或いはアプリケーションプログラムを介して販売コンテンツ（販売サイト）が提供される。販売コンテンツでは、ユーザが興味を持つ商品等に関する文言がクエリとして入力され、クエリに関連する商品等が検索されてユーザに提示される。

ここで、クエリとして入力される文言に含まれる単語は、曖昧な情報である。例えば、一般的な検索エンジンの手法をそのままｅ−コマースの分野に適用した場合、文字列のヒットを抽出することで、ノイズが多く発生する。例えば、「テレビ ３２型」といったクエリが入力された場合、文字列のヒットを抽出すると、（１）「３２型の大画面液晶テレビ」（２）「３２型まで入る木目調が美しいテレビ台」（３）「３２型テレビ用取り付け金具」などの文字列が抽出される。ｅ−コマースの分野において、ユーザの意図としては、（１）が正解と考えられるが、一般的な検索エンジンの手法では、（１）を正確に抽出できない場合がある。

これに関連し、ユーザからの検索クエリを取得し、検索クエリに対応する商品情報を決定し、以前に格納されたユーザ情報および検索クエリと、それぞれの最大ニーズレベルカテゴリとの間の対応関係情報に基づいて、検索クエリに応答して、商品情報に対するユーザの個々のニーズを最もよく反映するように決定された最大ニーズレベルカテゴリを決定し、商品情報を順位付けする技術が開示されている（特許文献１参照）。この文献には、カテゴリエクスポージャおよびクリックスルー率に基づいて対応関係情報を作成することについて記載されている。

特表２０１４−５０７７１２号公報

しかしながら、従来の技術では、ユーザにより入力されたクエリ、商品等の選択履歴、およびカテゴリなどの属性情報の相互関係を適切に分析できておらず、クエリに対する属性の適合性を適切に評価することができない場合があった。

本発明は、このような事情を考慮してなされたものであり、クエリに対する属性の適合性を適切に評価することを目的の一つとする。

本発明の一態様は、販売コンテンツに対して入力されたクエリと、前記クエリが入力された後に前記販売コンテンツにおいて選択された一以上の商品またはサービス（以下、商品等）とが対応付けたられた商品等選択情報を取得する取得部と、前記商品等に対して付与され得る属性の集合から評価対象の属性を選択し、前記選択した評価対象の属性が付与されている商品等であるか否かで、前記商品等選択情報に基づく処理対象情報を分割し、着目するクエリに対応付けられた商品等の情報が、前記分割した前記処理対象情報のいずれかに偏在するほど、前記着目するクエリに対する前記選択した評価対象の属性の適合性を高く評価する評価部と、を備える属性評価装置である。

本発明の一態様によれば、クエリに対する属性の適合性を適切に評価することができる。

コンテンツ提供装置２００および属性評価装置３００の機能構成の一例を示す図である。 販売サイトの画面遷移の一例を示す図である。 クエリ／属性変換テーブル２５２の内容の一例を示す図である。 商品等属性テーブル２５４の内容の一例を示す図である。 クリックログ情報２５６の内容の一例を示す図である。 記憶部３４０に格納される処理対象情報３４２の一例を示す図である。 属性評価装置３００により実行される処理の流れの一例を示すフローチャートである。 情報分割部３２４による処理の内容を説明するための図である。 指標値の計算手法を説明するための図である。 属性に重み値が付与されたクエリ／属性変換テーブル２５２Ａの内容の一例を示す図である。 商品等選択部２３０の処理の内容を説明するための図である。 属性評価装置３００のハードウェア構成の一例を示す図である。

［概要］
以下、図面を参照し、本発明の属性評価装置、販売システム、属性評価方法、および属性評価プログラムの実施形態について説明する。属性評価装置は、一以上のプロセッサによって実現される。属性評価装置は、商品またはサービス（以下、商品等）を販売する販売コンテンツに対して入力されたクエリ（より具体的には、クエリとサブクエリの組み合わせ、或いはサブクエリ）に対して、商品等の属性の適合性を評価する装置である。適合性とは、その属性が、クエリを入力したユーザが真に興味を持っている商品等を適切に表現したものであるかを評価した評価指標である。

また、販売システムは、属性評価装置と、販売コンテンツを提供するコンテンツ提供装置とを合わせたものである。コンテンツ提供装置は、端末装置において起動したブラウザなどのＵＡ（User Agent）からのＨＴＴＰリクエストに応じて販売サイト（販売コンテンツの一例）を提供するウェブサーバであってもよいし、端末装置において動作するアプリケーションプログラムと協働して販売コンテンツを提供するアプリ連携サーバであってもよい。以下の説明では、コンテンツ提供装置はウェブサーバであり、販売コンテンツは販売サイトであるものとする。属性評価装置とコンテンツ提供装置は統合されて一つのプロセッサにより実現されてもよいし、更に細分化されて分散処理を行ってもよい。

［全体構成］
図１は、コンテンツ提供装置２００および属性評価装置３００の機能構成の一例を示す図である。図１に示す一以上の端末装置１００と、コンテンツ提供装置２００と、属性評価装置３００は、ネットワークＮＷを介して通信する。ネットワークＮＷに接続される各装置は、ＮＩＣ（Network Interface Card）や無線通信モジュールなどの通信インターフェースを備えている（図１では不図示）。ネットワークＮＷは、例えば、無線基地局、Ｗｉ−Ｆｉアクセスポイント、通信回線、プロバイダ、インターネットなどを含む。なお、図１に示す構成要素の全ての組み合わせが相互に通信可能である必要はなく、ネットワークＮＷは、一部にローカルなネットワークを含んでもよい。

［端末装置］
端末装置１００は、ユーザ（一般利用者）によって使用される装置である。端末装置１００は、例えば、スマートフォンなどの携帯電話、タブレット端末、パーソナルコンピュータなどのコンピュータ装置（通信装置）である。端末装置１００は、ウェブブラウザなどのＵＡ（User Agent）が起動し、ユーザによって所定の操作がなされることで、コンテンツ提供装置２００に対してＨＴＴＰ（Hypertext Transfer Protocol）リクエストを送信する。そして、端末装置１００は、コンテンツ提供装置２００から返信されたウェブページに基づいてウェブ画面を生成し、表示部に表示させる。ウェブページは、例えば、ＨＴＭＬ（Hyper Text Markup Language）等のマークアップ言語で記述されたテキストデータや、スタイルシート、静止画像データ、動画データ、音声データなどを含む。なお、前述したように、販売コンテンツを取得するための手段として、ウェブブラウザに代えて、任意のアプリケーションプログラムが使用されてもよい。

［コンテンツ提供装置］
コンテンツ提供装置２００は、例えば、ＨＴＴＰ処理部２１０と、クエリ／属性変換部２２０と、商品等選択部２３０と、ウェブページ生成部２４０とを備える。これらの構成要素は、例えば、ＣＰＵ（Central Processing Unit）などのプロセッサが、記憶部２５０などに記憶されたプログラムを実行することにより実現される。また、これらの構成要素は、ＬＳＩ（Large Scale Integration）やＡＳＣＩ（Application Specific Integrated Circuit）、ＦＰＧＡ（Field-Programmable Gate Array）などのハードウェア（回路部；circuitry）によって実現されてもよいし、ソフトウェアとハードウェアの協働によって実現されてもよい。記憶部２５０は、例えば、ＨＤＤ（Hard Disk Drive）やフラッシュメモリ、ＲＡＭ（Random Access Memory）、ＲＯＭ（Read Only Memory）、或いはこれらのうち複数を組み合わせたハイブリッド型記憶装置により実現される。記憶部２５０は、コンテンツ提供装置２００からネットワークを介してアクセス可能なＮＡＳ（Network Attached Storage）装置などの外部記憶装置であってもよい。

ＨＴＴＰ処理部２１０は、端末装置１００から受信したＨＴＴＰリクエストに応じた応答処理を行う。クエリ／属性変換部２２０は、販売サイトに対して入力されたクエリを、クエリ／属性変換テーブル２５２を参照して商品等の属性に変換する。商品等選択部２３０は、クエリ／属性変換部２２０により変換された結果である属性を用いて、商品等属性テーブル２５４を検索し、その属性を有する（またはその属性に関連する）商品等を、レコメンドアイテムとして選択する。ウェブページ生成部２４０は、商品等選択部２３０により選択されたレコメンドアイテムを表示するウェブページを生成し、端末装置１００に提供する。

図２は、販売サイトの画面遷移の一例を示す図である。図２の左図に示す画面１００Ａにおいて、検索ウインドウ１００Ａａにクエリが入力され、ＧＯボタン１００Ａｂが操作されると、右図に示す画面１００Ｂに遷移する。クエリは、メインクエリ（図中、「テレビ」）と、サブクエリ（図中、「３２型」）の組み合わせで入力される場合がある。メインクエリとサブクエリは、間にスペースや「＊」などが挿入されることで区別される。ＧＯボタン１００Ａｂの操作は、タップ、マウスによるクリック、或いはＥｎｔｅｒキーの押下等によって行われる。画面１００Ｂでは、クエリによって検索された結果を示すレコメンドアイテム１００Ｂａが表示される。レコメンドアイテム１００Ｂａは、図２に示すようにスクロールによって閲覧されてもよいし、一覧形式で閲覧されてもよい。更に、いずれかのレコメンドアイテム１００Ｂａがユーザによって選択され、そのレコメンドアイテム１００Ｂａの枠が操作されると、操作されたレコメンドアイテム１００Ｂａを詳細に紹介する画面に遷移する。このレコメンドアイテム１００Ｂａの操作の履歴は、クリックログ情報２５６の一部として記憶部２５０に蓄積される。

図３は、クエリ／属性変換テーブル２５２の内容の一例を示す図である。クエリ／属性変換テーブル２５２は、販売サイトに対してユーザによって入力される可能性のあるクエリに対して、属性が対応付けられた情報である。クエリ／属性変換テーブル２５２におけるクエリの項目は、例えば、過去にユーザによって入力された情報からノイズを除去するなどの手法によって、予め決定されている。また、クエリ／属性変換テーブル２５２における属性の項目は、例えば、属性評価装置３００の処理によって、クエリに対応するものとして選択されたものである。図３に示すように、一つのクエリに対して複数の属性が対応付けられてもよいし、一つのクエリに対しては一つの属性のみ対応付けられるものとしてもよい。

図４は、商品等属性テーブル２５４の内容の一例を示す図である。商品等属性テーブル２５４は、コンテンツ提供装置２００が販売サイトにおいて販売する商品等に対して、属性が対応付けられた情報である。この組み合わせは、属性評価装置３００の処理に依存せず、予めコンテンツ提供装置２００の設定情報として、コンテンツ提供装置２００の運営者によって設定されている。図４に示すように、一つの商品等に対して複数の属性が対応付けられてもよいし、一つの商品等に対して一つの属性のみ対応付けられるものとしてもよい。

図５は、クリックログ情報２５６の内容の一例を示す図である。クリックログ情報２５６は、販売サイトにおいてユーザによってクエリが入力された後、レコメンドアイテムの中から（レコメンドアイテムとは別に販売サイトに掲載された商品等を含めてもよい）選択された商品等が、上記の入力されたクエリに対応付けられた情報（商品等選択情報）である。一つの入力されたクエリに対して、複数の商品等が選択された場合、クリックログ情報２５６においては、例えば、クエリと商品等との組み合わせが複数生成される。

［属性評価装置］
図１に戻り、属性評価装置３００は、情報取得部３１０と、属性評価部３２０と、好適属性選択部３３０と、記憶部３４０とを備える。属性評価部３２０は、属性選択部３２２と、情報分割部３２４と、指標値算出部３２６とを備える。情報取得部３１０、属性評価部３２０の各部、および好適属性選択部３３０は、例えば、ＣＰＵなどのプロセッサが、記憶部３４０などに記憶されたプログラムを実行することにより実現される。また、これらの構成要素は、ＬＳＩやＡＳＣＩ、ＦＰＧＡなどのハードウェア（回路部；circuitry）によって実現されてもよいし、ソフトウェアとハードウェアの協働によって実現されてもよい。記憶部３４０は、例えば、ＨＤＤやフラッシュメモリ、ＲＡＭ、ＲＯＭ、或いはこれらのうち複数を組み合わせたハイブリッド型記憶装置により実現される。記憶部３４０は、属性評価装置３００からネットワークを介してアクセス可能なＮＡＳ装置などの外部記憶装置であってもよい。

情報取得部３１０は、コンテンツ提供装置２００から、クリックログ情報２５６の一部または全部を取得し、記憶部３４０に記憶させる。また、情報取得部３１０は、任意のタイミングで、商品等属性テーブル２５４を取得しておき、記憶部３４０に記憶させる。この結果、記憶部３４０には、図６に例示されるような対応関係を把握可能な情報が格納される。図６は、記憶部３４０に格納される処理対象情報３４２の一例を示す図である。

属性評価部３２０の属性選択部３２２は、商品等属性テーブル２５４に含まれる全ての（或いは適宜カテゴライズされて限定された）属性の集合から、評価対象の属性を順次選択する。情報分割部３２４は、属性選択部３２２により選択された属性が付与されている商品等か否かで処理対象情報３４２を分割する。指標値算出部３２６は、着目するクエリに対応付けられた商品等の情報が、分割された情報のいずれかに偏在するほど、着目するクエリに対する属性選択部３２２により選択された属性の適合性を高く評価する。詳細については後述する。

好適属性選択部３３０は、属性評価部３２０の評価結果に基づいて、着目するクエリに対する適合性の高い属性を選択し、コンテンツ提供装置２００に提供する。なお、この好適属性選択部３３０の機能は、コンテンツ提供装置２００の側にあってもよい。

［処理フロー等］
以下、属性評価装置３００により実行される処理の詳細について、フローチャートを参照しながら説明する。図７は、属性評価装置３００により実行される処理の流れの一例を示すフローチャートである。

まず、属性評価部３２０が、着目するクエリ（以下、着目クエリ）を決定する（Ｓ１）。着目クエリは、コンテンツ提供装置２００により指定されてもよいし、属性評価装置３００のオペレータによって入力されてもよい。また、ここで着目クエリとして選択されるクエリは、メインクエリとサブクエリとを組み合わせたクエリの集合から選択されるものとしてもよい。

次に、属性選択部３２２が、属性を一つ選択する（Ｓ２）。次に、情報分割部３２４が、Ｓ２で選択された属性が付与されているか否かで、処理対象情報３４２を分割する（Ｓ３）。

図８は、情報分割部３２４による処理の内容を説明するための図である。情報分割部３２４は、処理対象情報３４２を、属性選択部３２２により選択された属性（図８では「α」）が付与されているか否かで分割する。「分割する」とは便宜的な表現であり、コンピュータ処理の上では、いずれか一方の側にフラグを付与することであってよい。図８に示すように、処理対象情報３４２は、属性αが付与された情報群３４２Ｐと、そうでない情報群３４２Ｎとに分割される。

図７に戻り、指標値算出部３２６は、分割されたそれぞれの情報群について、Ｓ１で決定された着目クエリの偏在程度を示す指標値を算出する（Ｓ４）。指標値算出部３２６は、例えば、以下に例示する指標値１〜指標値３のうちいずれかを算出する。

（指標値１）
指標値１は、式（１）で表される、ジニ係数と称される値ｇｉｎｉ_ｍである。式中、ｍはデータ集合を示す引数である（例えば情報群３４２Ｐ：ｍ＝１、情報群３４２Ｎ：ｍ＝２）である。ｇｉｎｉ_ｍは、情報群３４２Ｐと情報群３４２Ｎのそれぞれについて算出される。また、ｋは着目クエリと、そうでないクエリ（非着目クエリ）とを区別するための引数であり（例えば着目クエリ：ｋ＝１、非着目クエリ：ｋ＝２）、ｐｍ_ｋは、そのデータ集合における、着目クエリの出現割合である。

図９は、指標値の計算手法を説明するための図である。本図において、着目クエリは「クエリＡ」であり、網掛けされたシンボルが着目クエリに対応付けられた情報を表している。図９の例では、ｐ１_１＝３／４、ｐ１_２＝１／４、ｐ２_１＝１／５、ｐ２_２＝４／５である。従って、ｇｉｎｉ_１＝｛３／４・（１−３／４）｝＋｛１／４・（１−１／４）｝＝０．３７５、ｇｉｎｉ_２＝｛１／５・（１−１／５）｝＋｛４／５・（１−４／５）｝＝０．３２となる。

（指標値２）
指標値２は、式（２）で表される、エントロピーと称される値ｅｎｔｒｏｐｙ_ｍである。

図９の例では、ｅｎｔｒｏｐｙ_１＝−｛３／４・ｌｏｇ（３／４）＋１／４・ｌｏｇ（１／４）｝＝０．２４４、ｅｎｔｒｏｐｙ_２＝−｛１／５・ｌｏｇ（１／５）＋４／５・ｌｏｇ（４／５）｝＝０．２１７となる。

（指標値３）
指標値３は、式（３）で表される、誤分類率と称される値ｍｉｓｓｃｌｓ_ｍである。

図９の例では、ｍｉｓｓｃｌｓ_１＝１−ｍａｘ（３／４，１／４）＝０．２５、ｍｉｓｓｃｌｓ_２＝１−ｍａｘ（４／５，１／５）＝０．２となる。

以上例示したいずれの指標値も、着目クエリがいずれかの情報群に偏在する程、小さい値を示すものである。着目クエリがいずれかの情報群に偏在するということは、分割に用いた属性が、着目クエリであるか否かを適切に分類可能な属性であることを意味する。従って、指標値が小さい程、Ｓ１で選択した属性の着目クエリに対する適合性が高いと判断することができる。なお、上記の各指標値はあくまで例示であり、指標値算出部３２６は、着目クエリの偏在程度を示す指標値であれば如何なるものを算出してもよい。

なお、指標値算出部３２６は、指標値を求める際に、スケーリング処理を行ってもよい。一般的に、着目クエリと、それ以外のクエリとを比較すると、着目クエリの方が数が少なくなるため、指標値算出部３２６は、分割された双方の情報群における着目クエリの総数（合計数）と、それ以外のクエリの総数（合計数）が同じになるように補正を行ってよい。例えば、着目クエリの数が１０、それ以外のクエリの数が１００である場合に、着目クエリ一つあたりに１０倍の重みを付与して上記指標値を求めてもよい。

図７に戻り、属性評価部３２０は、式（４）で表される加重和を求め、Ｓ２で選択した属性の評価値とする（Ｓ５）。式中、Ｎは処理対象情報３４２のデータ数、Ｎ_１は情報群３４２Ｐのデータ数、Ｎ_２は情報群３４２Ｎのデータ数である。また、指標値_１とは、例えば、ｇｉｎｉ_１、ｅｎｔｒｏｐｙ_１、ｍｉｓｓｃｌｓ_１のいずれかであり、指標値_２とは、例えば、ｇｉｎｉ_２、ｅｎｔｒｏｐｙ_２、ｍｉｓｓｃｌｓ_２のいずれかである。
Ｓｃｏｒｅ＝（Ｎ_１／Ｎ）×指標値_１＋（Ｎ_２／Ｎ）×指標値_２ …（４）

ここで、属性評価部３２０は、指標値を求める際に導出されるｐ１_１、すなわち分割された処理対象情報３４２のうち、評価対象の属性が付与されている側の情報群３４２Ｐにおける着目クエリの出現割合が１／２未満である場合、その属性に対する評価をエラーとし、評価の対象から除外してもよい。また、評価の対象とするが、評価を下げるように補正してもよい。このような場合、偏在程度を見るまでもなく、属性が着目クエリに適合しない可能性が高いからである。

次に、属性評価部３２０は、Ｓ２において全ての属性を選択したか否かを判定する（Ｓ６）。全ての属性を選択していない場合、Ｓ２に戻り、次の属性を選択する。全ての属性を選択した場合、Ｓ７に進む。

ここで、Ｓ２において選択され、Ｓ６において全ての属性を選択したか否かを判断される属性は、処理対象情報３４２において、着目クエリに対応付けられている属性に限定されてよい。こうすれば、Ｓ２〜Ｓ６の繰り返し処理の回数を低減し、処理負荷を軽減することができる。

そして、好適属性選択部３３０が、Ｓ５において各属性について求められた評価値Ｓｃｏｒｅが小さい（良好な）一以上の属性を、着目クエリに適合する属性として選択する（Ｓ７）。

［商品等選択処理について補足］
このように選択された着目クエリに適合する属性の情報は、例えば、評価値Ｓｃｏｒｅと共に、コンテンツ提供装置２００に送信される。コンテンツ提供装置２００では、受信した情報に基づいてクエリ／属性変換テーブル２５２を生成または更新する。図３では、説明を簡易にするために、一つのクエリに対して一つの属性が対応付けられているように表現したが、一つのクエリに対して複数の属性が対応付けられ、更にそれぞれの属性に対して重み値が付与されてもよい。図１０は、属性に重み値が付与されたクエリ／属性変換テーブル２５２Ａの内容の一例を示す図である。重み値は、属性評価装置３００により提供される評価値Ｓｃｏｒｅが小さいほど大きくなるように計算された値であり、例えば、一つのクエリに対する合計値が１になるように設定されている。なお、このように構成されることは、属性評価装置３００の処理に対して特段の影響を与えない。属性評価装置３００では、重み値を考慮せずに処理を行うことができる。

図１１は、商品等選択部２３０の処理の内容の一例を説明するための図である。本処理は、［”An Election-based Approach to Search Result Diversification”, Van Dang and W. Bruce Croft］に記載された内容に基づいている。ここでは、図１０に例示したクエリＡが入力されたと仮定して説明を行う。また、一つのクエリ入力に対してレコメンドアイテムが１０個選択されるものとする。図示する例は、あくまで一例であり、商品等選択部２３０の処理として他の処理が採用されてもよい。クエリＡが入力されると、クエリに対応する属性α１、α２、α３がクエリ／属性変換テーブル２５２Ａから読み出され、属性ごとの枠数が重み値に応じて決定される。ここで、商品等選択部２３０は、メインクエリのみが入力された場合に、続くサブクエリの割合を統計値から取得し、更に、メインクエリとサブクエリの組み合わせに対して属性と重み値を導出してもよい。この場合の重み値は、例えば、サブクエリの割合とクエリ／属性変換テーブル２５２Ａにおける重み値とを乗算したものである。

商品等選択部２３０は、上記の枠数に応じて、各属性に対応した商品を選択する。まず、商品等選択部２３０は、属性ｔ_ｉごとの選択されやすさを示す値ｑｔ_ｉを式（５）に基づいて算出する。ｑｔ_ｉは、選択処理が進行するのに応じて変化する値である。式中、ｖ_ｉは、その属性ｔ_ｉに対応する商品等が既に選択された数である。
ｑｔ_ｉ＝ｖ_ｉ／（２Ｓ_ｉ＋１） …（５）

次に、商品等選択部２３０は、商品等ｄ_ｊを選択し、レコメンドアイテムの枠に格納する。商品等ｄ_ｊを選択する際には、例えば、Ｐ（ｄ_ｊ｜ｔ_ｉ）なる値が用いられる。Ｐ（ｄ_ｊ｜ｔ_ｉ）とは、その属性ｔ_ｉに対応した商品等を探しているユーザの行動（商品等の紹介ページの閲覧、商品等の購入など）に応じてポイント付けした値である。但し、Ｐ（ｄ_ｊ｜ｔ_ｉ）の最も大きい商品等が、必ず優先的に選択されるのでは、販売サイトに意外性が無くなり、ユーザの興味が薄れる可能性があるため、商品等選択部２３０は、式（６）に基づいて、属性ｔ_ｉに対応した商品等ｄ_ｊを選択する。式（６）は、argmax以降の項を最大化する商品等ｄ_ｊを、商品等ｄ*として求める式である。

［ハードウェア構成］
図１２は、属性評価装置３００のハードウェア構成の一例を示す図である。属性評価装置３００は、ＮＩＣ３００−１、ＣＰＵ３００−２、ＲＡＭ３００−３、ＲＯＭ３００−４、フラッシュメモリやＨＤＤなどの二次記憶装置３００−５、およびドライブ装置３００−６が、内部バスあるいは専用通信線によって相互に接続された構成となっている。ドライブ装置３００−６には、光ディスクなどの可搬型記憶媒体が装着される。二次記憶装置３００−５、またはドライブ装置３００−６に装着された可搬型記憶媒体に記憶されたプログラムがＤＭＡコントローラ（不図示）などによってＲＡＭ３００−３に展開され、ＣＰＵ３００−２によって実行されることで、前述した属性評価装置３００の各機能が実現される。

以上説明した実施形態の属性評価装置３００によれば、販売コンテンツに対して入力されたクエリと、クエリが入力された後に販売コンテンツにおいて選択された一以上の商品等とが対応付けたられた商品等選択情報を取得する情報取得部３１０と、商品等に対して付与され得る属性の集合から評価対象の属性を選択し、選択した評価対象の属性が付与されている商品等であるか否かで、商品等選択情報に基づく処理対象情報３４２を分割し、着目するクエリに対応付けられた商品等の情報が、分割した処理対象情報３４２のいずれかに偏在するほど、着目するクエリに対する選択した評価対象の属性の適合性を高く評価する属性評価部３２０と、を備えることにより、クエリに対する属性の適合性を適切に評価することができる。

以上、本発明を実施するための形態について実施形態を用いて説明したが、本発明はこうした実施形態に何等限定されるものではなく、本発明の要旨を逸脱しない範囲内において種々の変形及び置換を加えることができる。

１００…端末装置、２００…コンテンツ提供装置、２１０…ＨＴＴＰ処理部、２２０…クエリ／属性変換部、２３０…商品等選択部、２４０…ウェブページ生成部、２５０…記憶部、２５２…クエリ／属性変換テーブル、２５４…商品等属性テーブル、２５６…クリックログ情報、３００…属性評価装置、３１０…情報取得部、３２０…属性評価部、３２２…属性選択部、３２４…情報分割部、３２６…指標値算出部、３３０…属性選択部、３４０…記憶部、３４２…処理対象情報

Claims (12)

1. 販売コンテンツに対して入力されたクエリと、前記クエリが入力された後に前記販売コンテンツにおいて選択された一以上の商品またはサービス（以下、商品等）とが対応付けたられた商品等選択情報を取得する取得部と、
   前記商品等に対して付与され得る属性の集合から評価対象の属性を選択し、前記選択した評価対象の属性が付与されている商品等であるか否かで、前記商品等選択情報に基づく処理対象情報を分割し、着目するクエリに対応付けられた商品等の情報が、前記分割した前記処理対象情報のいずれかに偏在するほど、前記着目するクエリに対する前記選択した評価対象の属性の適合性を高く評価する評価部と、
   を備える属性評価装置。
2. 前記評価部は、着目するクエリに対応付けられた商品等の情報が、前記分割した前記処理対象情報に対して偏在する程度を示す指標値を算出し、偏在する程度が高い程、前記着目するクエリに対する前記選択した評価対象の属性の適合性を高く評価する、
   請求項１記載の属性評価装置。
3. 前記評価部は、前記分割した前記処理対象情報のそれぞれについて前記指標値を算出し、それぞれの指標値に対して前記分割した前記処理対象情報のそれぞれのデータ数を乗算した値の和に基づいて、前記着目するクエリに対する前記選択した評価対象の属性の適合性を評価する、
   請求項２記載の属性評価装置。
4. 前記指標値は、式（１）で表され、
   

   

   ｍは分割された処理対象情報のいずれの側であるかを示す引数、ｋは着目するクエリと、そうでないクエリとを区別するための引数、ｐｍ_ｋは、分割された処理対象情報における着目クエリの出現割合である、
   請求項２または３記載の属性評価装置。
5. 前記指標値は、式（２）で表され、
   

   

   ｍは分割された処理対象情報のいずれの側であるかを示す引数、ｋは着目するクエリと、そうでないクエリとを区別するための引数、ｐｍ_ｋは、分割された処理対象情報における着目クエリの出現割合である、
   請求項２または３記載の属性評価装置。
6. 前記指標値は、式（３）で表され、
   

   

   ｍは分割された処理対象情報のいずれの側であるかを示す引数、ｋは着目するクエリと、そうでないクエリとを区別するための引数、ｐｍ_ｋは、分割された処理対象情報における着目クエリの出現割合である、
   請求項２または３記載の属性評価装置。
7. 前記評価部は、分割された処理対象情報のうち前記選択した評価対象の属性が付与されている側の情報において、前記着目するクエリの出現割合が１／２未満である場合、前記評価対象の属性を評価の対象から除外する、
   請求項１から６のうちいずれか１項記載の属性評価装置。
8. 前記評価部は、前記取得部により取得された商品等選択情報において、前記着目するクエリに対応付けられている属性の中から、前記評価対象の属性を選択する、
   請求項１から７のうちいずれか１項記載の属性評価装置。
9. 前記評価部は、前記評価対象の属性を順次選択して評価し、
   前記評価部により評価された結果が良好な一以上の属性を選択する好適属性選択部を更に備える、
   請求項１から８のうちいずれか１項記載の属性評価装置。
10. 請求項１から９のうちいずれか１項記載の属性評価装置と、
    前記販売コンテンツを提供するコンテンツ提供装置と、
    を備える販売システム。
11. コンピュータが、
    販売コンテンツに対して入力されたクエリと、前記クエリが入力された後に前記販売コンテンツにおいて選択された一以上の商品またはサービス（以下、商品等）とが対応付けたられた商品等選択情報を取得し、
    前記商品等に対して付与され得る属性の集合から評価対象の属性を選択し、
    前記選択した評価対象の属性が付与されている商品等であるか否かで、前記商品等選択情報に基づく処理対象情報を分割し、
    着目するクエリに対応付けられた商品等の情報が、前記分割した前記処理対象情報のいずれかに偏在するほど、前記着目するクエリに対する前記選択した評価対象の属性の適合性を高く評価する、
    属性評価方法。
12. コンピュータに、
    販売コンテンツに対して入力されたクエリと、前記クエリが入力された後に前記販売コンテンツにおいて選択された一以上の商品またはサービス（以下、商品等）とが対応付けたられた商品等選択情報を取得させ、
    前記商品等に対して付与され得る属性の集合から評価対象の属性を選択させ、
    前記選択した評価対象の属性が付与されている商品等であるか否かで、前記商品等選択情報に基づく処理対象情報を分割させ、
    着目するクエリに対応付けられた商品等の情報が、前記分割した前記処理対象情報のいずれかに偏在するほど、前記着目するクエリに対する前記選択した評価対象の属性の適合性を高く評価させる、
    属性評価プログラム。

Images