JP2018045412A - 生成装置、生成方法、及び生成プログラム - Google Patents

Abstract

【課題】コンテンツの評価の決定に用いるモデルを適切に生成する。【解決手段】本願に係る提供装置は、取得部と、生成部とを有する。取得部は、電子商取引において提供されることが望ましいとされるコンテンツである正例コンテンツと、電子商取引において提供されることが望ましくないとされるコンテンツである負例コンテンツと、を取得する。生成部は、取得部により取得された正例コンテンツと負例コンテンツとに基づいて、電子商取引において提供されるコンテンツの評価に用いるモデルを生成する。【選択図】図３

Description

本発明は、生成装置、生成方法、及び生成プログラムに関する。

従来、種々の情報に基づいて、コンテンツの評価を決定する技術が提供されている。例えば、ユーザ個々の曖昧な商品選択行動にマッチした柔軟性のある電子カタログを生成する技術が提供されている。

特開２００２−１３３２９１号公報

しかしながら、上記の従来技術では、コンテンツの評価の決定に用いるモデルを適切に生成することが難しい場合がある。例えば、ユーザ個々の選択行動等に基づくだけでは、コンテンツの評価の決定に用いるモデルを適切に生成することは難しい。例えば、このような場合、コンテンツの提供元の観点からの評価を適切にコンテンツの評価に反映させることが難しい場合がある。

本願は、上記に鑑みてなされたものであって、コンテンツの評価の決定に用いるモデルを適切に生成する生成装置、生成方法、及び生成プログラムを提供することを目的とする。

本願に係る生成装置は、電子商取引において提供されることが望ましいとされるコンテンツである正例コンテンツと、前記電子商取引において提供されることが望ましくないとされるコンテンツである負例コンテンツと、を取得する取得部と、前記取得部により取得された前記正例コンテンツと前記負例コンテンツとに基づいて、前記電子商取引において提供されるコンテンツの評価に用いるモデルを生成する生成部と、を備えたことを特徴とする。

実施形態の一態様によれば、コンテンツの評価の決定に用いるモデルを適切に生成することができるという効果を奏する。

図１は、実施形態に係る生成処理の一例を示す図である。 図２は、実施形態に係る決定処理の一例を示す図である。 図３は、実施形態に係る提供装置の構成例を示す図である。 図４は、実施形態に係るユーザ情報記憶部の一例を示す図である。 図５は、実施形態に係る正例情報記憶部の一例を示す図である。 図６は、実施形態に係る負例情報記憶部の一例を示す図である。 図７は、実施形態に係るモデル情報記憶部の一例を示す図である。 図８は、実施形態に係る商品情報記憶部の一例を示す図である。 図９は、実施形態に係る生成処理の一例を示すフローチャートである。 図１０は、実施形態に係る決定処理の一例を示すフローチャートである。 図１１は、実施形態に係る掲載不可の理由の提供の一例を示す図である。 図１２は、実施形態に係る掲載不可の理由の提供処理の一例を示すフローチャートである。 図１３は、提供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、本願に係る生成装置、生成方法、及び生成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生成装置、生成方法、及び生成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．生成処理〕
まず、図１を用いて、実施形態に係る生成処理の一例について説明する。図１は、実施形態に係る生成処理の一例を示す図である。図１では、提供装置１００が所定の編集者ＥＤ１によりラベルが付与されたコンテンツに基づいてモデルの生成を行う場合を示す。例えば、ここでいう所定の編集者ＥＤ１とは、電子商取引のサイト（以下、「対象サイト」ともいう）での情報表示におけるガイドラインに関する知識を有し、コンテンツに適切なラベルを付与できれば、どのような編集者であってもよい。例えば、所定の編集者ＥＤ１は、電子商取引を提供する提供元であってもよい。なお、対象サイトのガイドラインに沿ってラベル付けされるコンテンツは、対象サイトのガイドラインを満たすかどうかのラベル付けが可能であれば、対象サイトに掲載されるコンテンツに限らず、どのようなコンテンツであってもよい。なお、以下では、対象サイトが所定のショップサイトＡである場合を一例として示す。

また、提供装置１００は、生成したモデルを用いて、対象サイトにおける掲載対象となる商品情報（コンテンツ）に対して評価を決定する。なお、ここでいう商品情報とは、所定の商品またはサービス（以下、併せて「商品」とする）に関する情報を意味する。商品情報には、対象となる商品に関する情報であれば、画像情報（以下、単に「画像」ともいう）や文字情報等の種々の情報が含まれてもよい。また、提供装置１００は、決定したコンテンツの評価に基づいて、ユーザにサービスを提供したりするが、この点については図２で説明する。

図１に示すように、提供システム１には、端末装置１０（図２参照）と、編集者装置５０と、提供装置１００とが含まれる。端末装置１０と、編集者装置５０と、提供装置１００とは図示しない所定の通信網を介して、有線または無線により通信可能に接続される。また、図１及び図２に示した提供システム１には、複数台の端末装置１０や、複数台の編集者装置５０や、複数台の提供装置１００が含まれてもよい。例えば、提供装置１００は、コンテンツの評価に用いるモデルを生成する生成装置である。

編集者装置５０は、コンテンツに対するラベルを付与する所定の編集者ＥＤ１によって利用される情報処理装置である。編集者装置５０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。図１は、編集者装置５０がノート型ＰＣである場合を示す。

例えば、所定の編集者ＥＤ１は、編集者装置５０を用いて、各コンテンツにラベルを付与する。例えば、所定の編集者ＥＤ１は、電子商取引の対象サイトのガイドラインに関する情報に基づいて、対象サイトのガイドラインを満たすコンテンツには正例のラベルを付し、対象サイトのガイドラインを満たさないコンテンツには負例のラベルを付す。以下では、正例のラベルが付与されたコンテンツを正例コンテンツとし、負例のラベルが付与されたコンテンツを負例コンテンツとする場合がある。

図１の示す例では、所定の編集者ＥＤ１は、画像ＩＭ１０１や文字情報ＣＨ１０１等を含むコンテンツＣＴ１０１に対して正例のラベルを付与する（ステップＳ１１−１）。例えば、所定の編集者ＥＤ１は、コンテンツＣＴ１０１に含まれる画像ＩＭ１０１や文字情報ＣＨ１０１等が、対象サイトのガイドラインを満たすとして、コンテンツＣＴ１０１に対して正例のラベルを付与する。

なお、上記のように、「コンテンツＣＴ＊（＊は任意の数値）」と記載した場合、その商品はコンテンツＩＤ「ＣＴ＊」により識別されるコンテンツであることを示す。例えば、「コンテンツＣＴ１０１」と記載した場合、その商品はコンテンツＩＤ「ＣＴ１０１」により識別されるコンテンツである。

また、所定の編集者ＥＤ１は、画像ＩＭ１０２や文字情報ＣＨ１０２等を含むコンテンツＣＴ１０２に対して正例のラベルを付与する（ステップＳ１１−２）。例えば、所定の編集者ＥＤ１は、コンテンツＣＴ１０２に含まれる画像ＩＭ１０２や文字情報ＣＨ１０２等が、対象サイトのガイドラインを満たすとして、コンテンツＣＴ１０２に対して正例のラベルを付与する。

また、所定の編集者ＥＤ１は、画像ＩＭ２０１や文字情報ＣＨ２０１等を含むコンテンツＣＴ２０１に対して負例のラベルを付与する（ステップＳ１２−１）。なお、図１中の画像ＩＭ２０１のハッチングは、画像ＩＭ２０１の背景色が対象サイトの掲載において推奨されない色であることを示す。例えば、所定の編集者ＥＤ１は、対象サイトのガイドラインに基づいて、画像ＩＭ２０１の背景色が対象サイトの掲載において推奨されない色であるため、コンテンツＣＴ２０１に対して負例のラベルを付与する。

また、所定の編集者ＥＤ１は、画像ＩＭ２０２や文字情報ＣＨ２０２等を含むコンテンツＣＴ２０２に対して負例のラベルを付与する（ステップＳ１２−２）。例えば、所定の編集者ＥＤ１は、対象サイトのガイドラインに基づいて、文字情報ＣＨ２０２に含まれる「世界最高」の文字列が対象サイトの掲載において禁止される文字列であるため、コンテンツＣＴ２０２に対して負例のラベルを付与する。

なお、ステップＳ１１−１、Ｓ１１−２は、処理を説明するためのものであり、ステップＳ１１−１、Ｓ１１−２のいずれが先に行われてもよく、以下、ステップＳ１１−１、Ｓ１１−２を区別せずに説明する場合、ステップＳ１１と総称する。また、ステップＳ１２−１、Ｓ１２−２は、処理を説明するためのものであり、ステップＳ１２−１、Ｓ１２−２のいずれが先に行われてもよく、以下、Ｓ１２−１、Ｓ１２−２を区別せずに説明する場合、ステップＳ１２と総称する。また、ステップＳ１１とステップＳ１２とはいずれが先に行われてもよく、交互に行われてもよい。

そして、提供装置１００は、正例群ＰＧ１に示すように、ステップＳ１１において正例のラベルが付与されたコンテンツを取得する（ステップＳ１３−１）。具体的には、提供装置１００は、ステップＳ１１において正例のラベルが付与されたコンテンツＣＴ１０１やコンテンツＣＴ１０２等を取得する。

また、提供装置１００は、負例群ＮＧ１に示すように、ステップＳ１２において負例のラベルが付与されたコンテンツを取得する（ステップＳ１３−２）。具体的には、提供装置１００は、ステップＳ１２において負例のラベルが付与されたコンテンツＣＴ２０１やコンテンツＣＴ２０２等を取得する。なお、ステップＳ１３−１、Ｓ１３−２は、処理を説明するためのものであり、ステップＳ１３−１、Ｓ１３−２のいずれが先に行われてもよく、ステップＳ１３−１、Ｓ１３−２は複数回に亘って行われてもよい。

そして、提供装置１００は、ステップＳ１３−１で取得した正例群ＰＧ１に含まれるコンテンツを正例コンテンツとして追加する（ステップＳ１４−１）。具体的には、提供装置１００は、コンテンツＣＴ１０１やコンテンツＣＴ１０２等を正例情報記憶部１２２に追加する。

また、提供装置１００は、ステップＳ１３−２で取得した負例群ＮＧ１に含まれるコンテンツを負例コンテンツとして追加する（ステップＳ１４−２）。具体的には、提供装置１００は、コンテンツＣＴ２０１やコンテンツＣＴ２０２等を負例情報記憶部１２３に追加する。なお、ステップＳ１４−１、Ｓ１４−２は、処理を説明するためのものであり、ステップＳ１４−１、Ｓ１４−２のいずれが先に行われてもよく、ステップＳ１４−１、Ｓ１４−２は複数回に亘って行われてもよい。

そして、提供装置１００は、正例コンテンツや負例コンテンツに基づいてモデルを生成する（ステップＳ１５）。例えば、提供装置１００は、正例情報記憶部１２２中のコンテンツＣＴ１０１、ＣＴ１０２等を正例とし、負例情報記憶部１２３中のコンテンツＣＴ２０１、ＣＴ２０２等を負例として、モデルを生成する。

例えば、提供装置１００は、正例コンテンツが入力された場合に、所定の閾値以上のスコアを出力し、負例コンテンツが入力された場合に所定の閾値未満のスコアを出力するようにモデルを生成する。例えば、提供装置１００は、コンテンツが入力された場合に、０〜１のスコアを出力するモデルを生成してもよい。例えば、提供装置１００は、コンテンツが入力された場合に、そのコンテンツが所定のガイドラインに沿ったコンテンツであるかを示す確率値として、０〜１のスコアを出力するモデルを生成してもよい。例えば、提供装置１００が生成したモデルにコンテンツが入力された場合に５０を出力した場合、そのコンテンツが所定のガイドラインに沿っている確率は５０％であることを示す。また、例えば、提供装置１００が生成したモデルにコンテンツが入力された場合に０．８を出力した場合、そのコンテンツが所定のガイドラインに沿っている確率は８０％であることを示す。なお、上記は一例であり、提供装置１００は、入力されたコンテンツが所定のガイドラインに沿っているかの判定に用いることができれば、どのようなモデルを生成してもよい。

図１の例では、提供装置１００は、モデル情報記憶部１２４に示すように、モデルＭ１を生成する。また、モデル情報記憶部１２４に示すように、モデルＭ１に関するモデル情報は、素性１の重みが「０．５」、素性２の重みが「−０．４」、素性３の重みが「０．２」等であることを示す。例えば、提供装置１００は、モデルＭ１に商品情報（コンテンツ）を入力することにより、入力した商品情報が所定のガイドラインに沿っているかを示す０〜１のスコアを決定（算出）する。

上述したように、提供装置１００は、所定の編集者ＥＤ１が電子商取引の対象サイトのガイドラインに関する情報に基づいてラベル付した正例コンテンツと負例コンテンツとを用いて学習することにより、コンテンツの評価を適切に決定するために用いるモデルを生成することができる。このように、提供装置１００は、電子商取引の対象サイトのガイドラインに応じた情報を用いてモデルを生成することにより、対象サイトにおける掲載ポリシー等に適応しているかを適切に判定するモデルを生成することができる。したがって、提供装置１００は、上述のように生成したモデルを用いることにより、例えば、対象サイトにおいて表示される場合のコンテンツの評価を適切に決定することができる。

なお、図１の例では、所定の編集者ＥＤ１がラベル付した正例コンテンツや負例コンテンツを用いて提供装置１００がモデルを生成する場合を示したが、提供装置１００は、どのようにラベル付けされた正例コンテンツや負例コンテンツを用いてモデルを生成してもよい。

例えば、提供装置１００は、所定の基準を満たすユーザ（「模範ユーザ」ともいう）が選択したコンテンツを正例コンテンツとして用いてもよい。例えば、提供装置１００は、ユーザのデモグラフィック属性またはサイコグラフィック属性が所定の基準を満たすユーザを模範ユーザとして、その模範ユーザが選択したコンテンツを正例コンテンツとして用いてもよい。例えば、提供装置１００は、対象サイトにおいて提供するサービスのターゲットとなるユーザ属性（例えば２０代、女性等）のユーザを模範ユーザとして、その模範ユーザが選択したコンテンツを正例コンテンツとして用いてもよい。

また、例えば、提供装置１００は、所定の基準を満たさないユーザ（「非模範ユーザ」ともいう）が選択したコンテンツを負例コンテンツとして用いてもよい。例えば、提供装置１００は、ユーザのデモグラフィック属性またはサイコグラフィック属性が所定の基準を満たさないユーザを非模範ユーザとして、その非模範ユーザが選択したコンテンツを負例コンテンツとして用いてもよい。例えば、提供装置１００は、対象サイトにおいて提供するサービスのターゲット外のユーザ属性（例えば男性、６０代等）のユーザを非模範ユーザとして、その非模範ユーザが選択したコンテンツを負例コンテンツとして用いてもよい。

また、例えば、提供装置１００は、所定の電子商取引において商品を購入しているユーザ（以下、「センス有ユーザ」ともいう）が選択したコンテンツを正例コンテンツとして用いてもよい。例えば、提供装置１００は、購入ユーザ層や売上等に関する所定の条件を満たす電子商取引Ｘにおいて商品を購入しているユーザをセンス有ユーザとして、そのセンス有ユーザが選択したコンテンツを正例コンテンツとして用いてもよい。例えば、提供装置１００は、センス有ユーザのうち、対象サイトにおいて提供するサービスのターゲットとなるユーザ属性に対応するユーザが選択したコンテンツを正例コンテンツとして用いてもよい。例えば、電子商取引Ｘは、対象サイトの電子商取引とは異なる電子商取引サービスであるものとする。

また、例えば、提供装置１００は、所定の電子商取引において商品を購入していないユーザ（以下、「センス無ユーザ」ともいう）が選択したコンテンツを負例コンテンツとして用いてもよい。例えば、提供装置１００は、購入ユーザ層や売上等に関する所定の条件を満たす電子商取引Ｘにおいて商品を購入していないユーザをセンス無ユーザとして、そのセンス無ユーザが選択したコンテンツを負例コンテンツとして用いてもよい。例えば、提供装置１００は、センス無ユーザのうち、対象サイトにおいて提供するサービスのターゲットとなるユーザ属性に対応するユーザが選択したコンテンツを負例コンテンツとして用いてもよい。

また、例えば、提供装置１００は、所定のキーワードを用いた検索を行ったユーザ（以下、「高感度ユーザ」ともいう）が選択したコンテンツを正例コンテンツとして用いてもよい。例えば、提供装置１００は、流行語やバズワード等のトレンドに関する所定のキーワードを用いて検索を行ったユーザを高感度ユーザとして、その高感度ユーザが選択したコンテンツを正例コンテンツとして用いてもよい。例えば、提供装置１００は、高感度ユーザのうち、対象サイトにおいて提供するサービスのターゲットとなるユーザ属性に対応するユーザが選択したコンテンツを正例コンテンツとして用いてもよい。

また、例えば、提供装置１００は、所定のキーワードを用いた検索を行っていないユーザ（以下、「低感度ユーザ」ともいう）が選択したコンテンツを負例コンテンツとして用いてもよい。例えば、提供装置１００は、流行語やバズワード等のトレンドに関する所定のキーワードを用いて検索を行っていないユーザを低感度ユーザとして、その低感度ユーザが選択したコンテンツを負例コンテンツとして用いてもよい。例えば、提供装置１００は、低感度ユーザのうち、対象サイトにおいて提供するサービスのターゲットとなるユーザ属性に対応するユーザが選択したコンテンツを負例コンテンツとして用いてもよい。

なお、上記の正例コンテンツや負例コンテンツのラベル付けは一例であり、提供装置１００は、どのような情報に基づいてラベル付けされた正例コンテンツや負例コンテンツを用いてモデルを生成してもよい。例えば、提供装置１００は、生成されたモデルにコンテンツが入力された場合に、そのモデルが入力されたコンテンツが対象サイトのガイドラインに沿っている可能性を示すスコアが出力可能であれば、どのような情報に基づいてラベル付けされた正例コンテンツや負例コンテンツを用いてモデルを生成してもよい。

〔２．決定処理〕
図２を用いて、実施形態に係る決定処理の一例について説明する。図２は、実施形態に係る決定処理の一例を示す図である。図２では、提供装置１００は、対象サイトにおける掲載対象となるコンテンツである商品情報の評価として、商品情報のスコアを決定する場合を示す。また、図２では、提供装置１００は、決定した商品情報のスコアに基づいて、各商品情報の対象サイトでの掲載可否を決定したり、掲載可とされた商品情報のランキング（以下、「順位」ともいう）を決定したりする場合を示す。なお、図２の例では、商品に関する商品情報をコンテンツの一例として示すが、コンテンツは商品情報に限らず、対象サイトにおける掲載対象となるコンテンツであれば、どのようなコンテンツであってもよい。

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、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や、デスクトップＰＣや、携帯電話機や、ＰＤＡ等により実現される。図２に示す例においては、端末装置１０がユーザが利用するスマートフォンである場合を示す。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。具体的には、図２では、端末装置１０がユーザＩＤ「Ｕ１」により識別されるユーザ（以下、「ユーザＵ１」とする場合がある）が利用するスマートフォンである場合を示す。

また、図２に示す例においては、端末装置１０の画面の表示に応じて、端末装置１０を端末装置１０−１、１０−２として説明する。なお、端末装置１０−１、１０−２は同一の端末装置１０である。また、以下では、端末装置１０−１、１０−２について、特に区別なく説明する場合には、端末装置１０と記載する。

まず、提供装置１００は、ユーザＵ１が利用する端末装置１０−１から一覧要求を取得する（ステップＳ２１）。例えば、ユーザＵ１は、端末装置１０−１に表示されたショップサイトＡのページＷ１１において所定の操作を行うことにより、提供装置１００に一覧要求を送信する。また、図２の例では、端末装置１０−１は、端末装置１０を利用するユーザＵ１が２０代女性であることを示す情報を提供装置１００に送信する。なお、提供装置１００がユーザＵ１に関するユーザ属性情報を記憶している場合、端末装置１０−１は、端末装置１０を利用するユーザＵ１が２０代女性であることを示す情報を提供装置１００に送信しなくてもよい。

端末装置１０から一覧要求を取得した提供装置１００は、コンテンツの評価を算出するモデルを用いてコンテンツである商品情報の評価を決定する（ステップＳ２２）。図２の例では、提供装置１００は、モデル情報記憶部１２４に記憶されたモデルＭ１に基づいて、商品情報記憶部１２５に記憶された各商品情報のスコアを決定する。

図２の例では、提供装置１００は、スコア一覧ＳＬ１に示すように、各商品ＧＤ１〜ＧＤ７等の商品情報のスコアを決定する。なお、上記のように、「商品ＧＤ＊（＊は任意の数値）」と記載した場合、その商品は商品ＩＤ「ＧＤ＊」により識別される商品であることを示す。例えば、「商品ＧＤ１」と記載した場合、その商品は商品ＩＤ「ＧＤ１」により識別される商品である。なお、以下では、「商品ＧＤ＊（＊は任意の数値）」の商品情報を「商品ＧＤ＊（＊は任意の数値）」と表記する場合がある。例えば、以下では、商品ＧＤ１を商品ＧＤ１の商品情報と読み替えることもできる。

例えば、提供装置１００は、商品ＧＤ１の商品情報とモデルＭ１とにより、商品ＧＤ１のスコアを「０．６」に決定する。また、例えば、提供装置１００は、商品ＧＤ２の商品情報とモデルＭ１とにより、商品ＧＤ２のスコアを「０．７」に決定する。また、例えば、提供装置１００は、商品ＧＤ３の商品情報とモデルＭ１とにより、商品ＧＤ３のスコアを「０．３」に決定する。また、例えば、提供装置１００は、商品ＧＤ４の商品情報とモデルＭ１とにより、商品ＧＤ４のスコアを「０．５」に決定する。また、例えば、提供装置１００は、商品ＧＤ５の商品情報とモデルＭ１とにより、商品ＧＤ５のスコアを「０．２」に決定する。また、例えば、提供装置１００は、商品ＧＤ６の商品情報とモデルＭ１とにより、商品ＧＤ６のスコアを「０．８」に決定する。また、例えば、提供装置１００は、商品ＧＤ７の商品情報とモデルＭ１とにより、商品ＧＤ７のスコアを「０．６５」に決定する。このように、提供装置１００は、モデルＭ１を用いることにより、適切に評価を決定することができる。

その後、提供装置１００は、スコアが所定の閾値未満である商品情報を除外する（ステップＳ２３）。例えば、提供装置１００は、スコアが「０．５」未満である商品情報を除外することにより、ユーザＵ１に提供する候補となる商品情報を絞り込む。図２の例では、提供装置１００は、スコア一覧ＳＬ２に示すように、スコアが「０．５」未満である商品ＧＤ３及び商品ＧＤ５等を除外する。なお、後述するように提供装置１００が予めコンテンツが入稿された時点において、評価が所定の閾値未満であるコンテンツの入稿を不可としている場合、ステップＳ２３の処理を行わなくてもよい。

その後、提供装置１００は、ステップＳ２２において決定したスコアと提供先となるユーザの属性情報とに基づいて、商品情報のランキングを決定する（ステップＳ２４）。例えば、提供装置１００は、ステップＳ２３においてスコアが「０．５」未満の商品情報を除外した商品情報のランキングを決定する。例えば、提供装置１００は、各商品情報とユーザ属性との相関性（クリック率）等に基づいて、各商品情報のスコアを補正した補正スコアを算出し、その補正スコアが高い方から順に各商品情報の順位を決定する。例えば、提供装置１００は、ユーザ情報記憶部１２１に記憶されたユーザＵ１のユーザ属性のユーザのクリック率が他のユーザ属性のクリック率に比べて相対的に高い商品情報のスコアを上昇させた補正スコアを用いる。また、例えば、提供装置１００は、ユーザ情報記憶部１２１に記憶されたユーザＵ１のユーザ属性のユーザのクリック率が他のユーザ属性のクリック率に比べて相対的に低い商品情報のスコアを低下させた補正スコアを用いる。図２の例では、提供装置１００は、補正スコアが最も高い商品ＧＤ２の商品情報の順位を１位に決定する。また、提供装置１００は、補正スコアが商品ＧＤ２の商品情報の次に高い商品ＧＤ４の商品情報の順位を２位に決定する。また、提供装置１００は、補正スコアが商品ＧＤ４の商品情報の次に高い商品ＧＤ７の商品情報の順位を３位に決定する。

上述したように、図２の例では、提供装置１００は、ランキング情報ＲＫ１１に示すように、各商品情報のランキングを決定する。なお、上記のランキングの決定は一例であり、提供装置１００は、種々の情報を適宜用いて商品情報のランキングを決定してもよい。例えば、提供装置１００は、ステップＳ２２において決定したスコアの高い方から順に高い順位に決定してもよい。この場合、提供装置１００は、商品ＧＤ６、商品ＧＤ２、商品ＧＤ７、商品ＧＤ１、商品ＧＤ４の順にランキングを決定してもよい。また、例えば、商品情報にターゲットとするユーザ属性のタグが付与されている場合、提供装置１００は、スコア一覧ＳＬ２中の商品情報からユーザＵ１のユーザ属性（２０代、女性等）に対応するタグが付与された商品情報を抽出してもよい。そして、提供装置１００は、抽出した商品情報について、スコアが高い方から順にランキングを決定してもよい。

その後、提供装置１００は、ステップＳ２４において決定したランキングに基づく検索結果を端末装置１０へ提供する（ステップＳ２５）。図２の例では、提供装置１００は、ランキング情報ＲＫ１１を端末装置１０−１へ提供する。

提供装置１００からランキング情報ＲＫ１１を提供された端末装置１０は、ランキング情報ＲＫ１１を表示する（ステップＳ２６）。図２の例では、端末装置１０−１から端末装置１０−２へ表示が遷移される。

端末装置１０−２の画面には、検索結果を表示するページＷ１２が表示される。図２の例では、端末装置１０−２の画面には、商品ＧＤ２の商品情報や商品ＧＤ４の商品情報が表示される。例えば、端末装置１０−２の画面には、商品ＧＤ２の商品情報に含まれる画像ＩＭ２やタイトルＴＬ２や説明文ＤＣ２等が表示される。また、例えば、端末装置１０−２の画面には、商品ＧＤ４の商品情報に含まれる画像ＩＭ４やタイトルＴＬ４や説明文ＤＣ４等が表示される。なお、端末装置１０を利用するユーザＵ１は、端末装置１０の画面にタッチしスクロール操作等を行うことにより、商品ＧＤ４の商品情報より下に配置された商品ＧＤ７の商品情報、商品ＧＤ１の商品情報、商品ＧＤ６の商品情報等を順次表示させる。

上述したように、提供装置１００は、電子商取引の対象サイトのガイドラインに沿ってラベル付した正例コンテンツと負例コンテンツとを用いて生成されたモデルＭ１により、各商品情報の評価を適切に決定することができる。このように、提供装置１００は、電子商取引の対象サイトのガイドラインに応じて生成されたモデルを用いることにより、対象サイトにおける掲載ポリシー等に適応しているかに基づいて、各商品情報（コンテンツ）の評価を適切に決定することができる。したがって、提供装置１００は、上述のように生成したモデルＭ１を用いることにより、例えば、対象サイトにおいて表示される場合のコンテンツの評価を適切に決定することができる。なお、ステップＳ２２の処理は、ステップＳ２１において一覧要求を取得する前に予め行ってもよい。例えば、提供装置１００は、ステップＳ２１よりも前にコンテンツの評価を算出するモデルを用いてコンテンツである商品情報の評価を決定し、各コンテンツの評価（スコア）に基づいて、各コンテンツのランキングを決定してもよい。例えば、提供装置１００は、ステップＳ２１よりも前にランキング情報ＲＫ１１に示すような各コンテンツのランキング（順位）を決定しておいてもよい。この場合、提供装置１００は、ステップＳ２１において一覧要求を取得した場合、予め決定しておいた各コンテンツのランキング（順位）に基づいて情報提供を行ってもよい。

〔３．提供装置の構成〕
次に、図３を用いて、実施形態に係る提供装置１００の構成について説明する。図３は、実施形態に係る提供装置１００の構成例を示す図である。図３に示すように、提供装置１００は、通信部１１０と、記憶部１２０と、制御部１３０とを有する。なお、提供装置１００は、提供装置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３に示すように、ユーザ情報記憶部１２１と、正例情報記憶部１２２と、負例情報記憶部１２３と、モデル情報記憶部１２４と、商品情報記憶部１２５とを有する。

（ユーザ情報記憶部１２１）
実施形態に係るユーザ情報記憶部１２１は、ユーザに関する各種情報を記憶する。例えば、ユーザ情報記憶部１２１は、ユーザ属性に関する各種情報を記憶する。図４は、実施形態に係るユーザ情報記憶部の一例を示す図である。図４に示すユーザ情報記憶部１２１は、「ユーザＩＤ」、「年齢」、「性別」といった項目が含まれる。

「ユーザＩＤ」は、ユーザを識別するための識別情報を示す。例えば、ユーザＩＤ「Ｕ１」により識別されるユーザは、図２の例に示したユーザＵ１に対応する。また、「年齢」は、ユーザＩＤにより識別されるユーザの年齢を示す。なお、「年齢」は、例えば３５歳など、ユーザＩＤにより識別されるユーザの具体的な年齢であってもよい。また、「性別」は、ユーザＩＤにより識別されるユーザの性別を示す。

例えば、図４に示す例において、ユーザＩＤ「Ｕ１」により識別されるユーザの年齢は、「２０代」であり、性別は、「女性」であることを示す。また、例えば、図４に示す例において、ユーザＩＤ「Ｕ２」により識別されるユーザの年齢は、「３０代」であり、性別は、「男性」であることを示す。

なお、ユーザ情報記憶部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、ユーザ情報記憶部１２１は、年齢や性別に加えて他のデモグラフィック属性情報やサイコグラフィック属性情報を記憶してもよい。例えば、ユーザ情報記憶部１２１は、氏名、自宅、勤務地、興味、家族構成、収入、ライフスタイル等の情報を記憶してもよい。

（正例情報記憶部１２２）
実施形態に係る正例情報記憶部１２２は、正例に関する各種情報を記憶する。図５は、実施形態に係る正例情報記憶部の一例を示す図である。例えば、正例情報記憶部１２２は、モデルの生成に用いる正例コンテンツを記憶する。図５に示す正例情報記憶部１２２には、「コンテンツＩＤ」、「画像」、「文字情報」といった項目が含まれる。

「コンテンツＩＤ」は、コンテンツを識別するための識別情報を示す。例えば、コンテンツＩＤ「ＣＴ１０１」により識別されるコンテンツは、図１の例に示したコンテンツＣＴ１０１に対応する。「画像」は、コンテンツの画像を示す。図５では「画像」に「ＩＭ１０１」といった概念的な情報が格納される例を示したが、実際には、画像情報、または、その格納場所を示すファイルパス名などが格納される。

「文字情報」は、コンテンツの文字情報を示す。図５では「文字情報」に「ＣＨ１０１」といった概念的な情報が格納される例を示したが、実際には、コンテンツのタイトルや説明文等のコンテンツに関する種々の文字情報が格納される。

例えば、図５に示す例において、コンテンツＩＤ「ＣＴ１０１」により識別されるコンテンツ（コンテンツＣＴ１０１）は、画像ＩＭ１０１や文字情報ＣＨ１０１を含むことを示す。また、例えば、図５に示す例において、コンテンツＩＤ「ＣＴ１０２」により識別されるコンテンツ（コンテンツＣＴ１０２）は、画像ＩＭ１０２や文字情報ＣＨ１０２を含むことを示す。

なお、正例情報記憶部１２２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、正例情報記憶部１２２は、正例コンテンツが追加された日時に関する情報を記憶してもよい。また、例えば、正例情報記憶部１２２は、各正例コンテンツがどのような判定処理により追加されたかを示す情報を記憶してもよい。例えば、正例情報記憶部１２２は、各正例コンテンツが管理者の選択により判定されたか等を示す情報を記憶してもよい。

（負例情報記憶部１２３）
実施形態に係る負例情報記憶部１２３は、負例に関する各種情報を記憶する。図６は、実施形態に係る負例情報記憶部の一例を示す図である。例えば、負例情報記憶部１２３は、モデルの生成に用いる負例コンテンツを記憶する。図６に示す負例情報記憶部１２３には、「コンテンツＩＤ」、「画像」、「文字情報」といった項目が含まれる。

「コンテンツＩＤ」は、コンテンツを識別するための識別情報を示す。例えば、コンテンツＩＤ「ＣＴ２０１」により識別されるコンテンツは、図１の例に示したコンテンツＣＴ２０１に対応する。「画像」は、コンテンツの画像を示す。図６では「画像」に「ＩＭ２０１」といった概念的な情報が格納される例を示したが、実際には、画像情報、または、その格納場所を示すファイルパス名などが格納される。

「文字情報」は、コンテンツの文字情報を示す。図６では「文字情報」に「ＣＨ２０１」といった概念的な情報が格納される例を示したが、実際には、コンテンツのタイトルや説明文等のコンテンツに関する種々の文字情報が格納される。

例えば、図６に示す例において、コンテンツＩＤ「ＣＴ２０１」により識別されるコンテンツ（コンテンツＣＴ２０１）は、画像ＩＭ２０１や文字情報ＣＨ２０１を含むことを示す。また、例えば、図６に示す例において、コンテンツＩＤ「ＣＴ２０２」により識別されるコンテンツ（コンテンツＣＴ２０２）は、画像ＩＭ２０２や文字情報ＣＨ２０２を含むことを示す。

なお、負例情報記憶部１２３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、負例情報記憶部１２３は、負例コンテンツが追加された日時に関する情報を記憶してもよい。また、例えば、負例情報記憶部１２３は、各負例コンテンツがどのような判定処理により追加されたかを示す情報を記憶してもよい。例えば、負例情報記憶部１２３は、各負例コンテンツが管理者の選択により判定されたか等を示す情報を記憶してもよい。

（モデル情報記憶部１２４）
実施形態に係るモデル情報記憶部１２４は、モデルに関する情報を記憶する。例えば、モデル情報記憶部１２４は、生成処理により生成されたモデル情報を記憶する。図７は、実施形態に係るモデル情報記憶部の一例を示す図である。図７に示すモデル情報記憶部１２４は、モデル情報として、各モデルＭ１等に対応させて「素性１」〜「素性３」等といった項目を有する。なお、図７では、モデルＭ１のみを図示するが、モデルＭ２、Ｍ３等の複数のモデル情報が記憶されてもよい。

例えば、図７に示す例において、モデルＭ１に関するモデル情報は、素性１の重みが「０．５」、素性２の重みが「−０．４」、素性３の重みが「０．２」等であることを示す。例えば、モデルの素性（特徴量）がｍ次元のベクトルで表現される場合、素性数はｍ個になり、素性１〜素性ｍの重みが記憶される。

なお、モデル情報記憶部１２４は、上記に限らず、目的に応じて種々のモデル情報を記憶してもよい。

（商品情報記憶部１２５）
実施形態に係る商品情報記憶部１２５は、商品に関する各種情報を記憶する。図８に、実施形態に係る商品情報記憶部１２５の一例を示す。図８に示す商品情報記憶部１２５は、「商品ＩＤ」、「画像」、「タイトル」、「説明文」といった項目を有する。

「商品ＩＤ」は、商品を識別するための識別情報を示す。「画像」は、コンテンツである商品情報の画像を示す。図８では「画像」に「ＩＭ１」といった概念的な情報が格納される例を示したが、実際には、画像情報、または、その格納場所を示すファイルパス名などが格納される。

「タイトル」は、商品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、商品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。なお、図８に示す商品情報記憶部１２５では、タイトルをタイトル「ＴＬ１」やタイトル「ＴＬ２」等のように抽象的な記号で示すが、例えば「新品バッグＡ…」や「送料無料…」等のように、各タイトルは対応する商品の具体的なタイトルであるものとする。また、図８に示す商品情報記憶部１２５では、説明文を説明文「ＤＣ１」や説明文「ＤＣ２」等のように抽象的な記号で示すが、例えば「人気ブランドの新作です…」や「送料無料で配送します…」等のように、各説明文は対応する商品の具体的な説明文であるものとする。

例えば、図８に示す例において、商品ＩＤ「ＧＤ１」により識別される商品（商品ＧＤ１）の画像は、画像「ＩＭ１」であることを示す。また、商品ＧＤ１のタイトルは、タイトル「ＴＬ１」であることを示す。また、商品ＧＤ１の説明文は、説明文「ＤＣ１」であることを示す。

なお、商品情報記憶部１２５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。商品情報記憶部１２５は、商品の具体的な名称等を記憶してもよい。

（制御部１３０）
図３の説明に戻って、制御部１３０は、コントローラ（controller）であり、例えば、ＣＰＵ（Central Processing Unit）やＭＰＵ（Micro Processing Unit）等によって、提供装置１００内部の記憶装置に記憶されている各種プログラム（決定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、コントローラであり、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３に示すように、制御部１３０は、取得部１３１と、生成部１３２と、決定部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３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。

（取得部１３１）
取得部１３１は、各種情報を取得する。例えば、取得部１３１は、ユーザ情報記憶部１２１、正例情報記憶部１２２、負例情報記憶部１２３、モデル情報記憶部１２４、商品情報記憶部１２５等から各種情報を取得する。また、取得部１３１は、各種情報を外部の情報処理装置から取得してもよい。

例えば、取得部１３１は、電子商取引を提供する提供元のガイドラインであって、電子商取引のサイトでの情報表示におけるガイドラインに関する情報を取得する。また、例えば、取得部１３１は、電子商取引において提供される商品またはサービスに関するコンテンツを取得する。例えば、取得部１３１は、サイトにおいて表示されるコンテンツの統一感に関する情報をガイドラインに関する情報として取得する。例えば、取得部１３１は、サイトにおいて掲載が規制される文字情報に関する情報をガイドラインに関する情報として取得する。また、例えば、取得部１３１は、サイトにおいて掲載が規制される画像に関する情報をガイドラインに関する情報として取得する。

また、例えば、取得部１３１は、電子商取引において提供されることが望ましいとされるコンテンツである正例コンテンツと、電子商取引において提供されることが望ましくないとされるコンテンツである負例コンテンツと、を取得する。例えば、取得部１３１は、電子商取引を提供する提供元のガイドラインに関する条件を満たすコンテンツを正例コンテンツとして取得する。また、例えば、取得部１３１は、電子商取引を提供する提供元のガイドラインに関する条件を満たさないコンテンツを負例コンテンツとして取得する。例えば、取得部１３１は、複数のカテゴリごとに正例コンテンツと負例コンテンツとを取得する。

また、例えば、取得部１３１は、所定の電子商取引において商品を購入しているユーザが選択したコンテンツを正例コンテンツとして取得する。また、例えば、取得部１３１は、所定の電子商取引において商品を購入していないユーザが選択したコンテンツを負例コンテンツとして取得する。

また、例えば、取得部１３１は、所定のキーワードを用いた検索を行ったユーザが選択したコンテンツを正例コンテンツとして取得する。例えば、取得部１３１は、所定のキーワードを用いた検索を行っていないユーザが選択したコンテンツを負例コンテンツとして取得する。また、例えば、取得部１３１は、サイトにおける表示を希望するコンテンツとして入稿された入稿コンテンツを取得する。

図１の例では、取得部１３１は、正例群ＰＧ１に示すように、所定の編集者ＥＤ１により正例のラベルが付与されたコンテンツを取得する。例えば、取得部１３１は、正例のラベルが付与されたコンテンツＣＴ１０１やコンテンツＣＴ１０２等を取得する。

また、図１の例では、取得部１３１は、負例群ＮＧ１に示すように、所定の編集者ＥＤ１により負例のラベルが付与されたコンテンツを取得する。例えば、取得部１３１は、負例のラベルが付与されたコンテンツＣＴ２０１やコンテンツＣＴ２０２等を取得する。

また、例えば、取得部１３１は、所定の基準を満たす模範ユーザが選択したコンテンツを正例コンテンツとして取得してもよい。例えば、取得部１３１は、ユーザのデモグラフィック属性またはサイコグラフィック属性が所定の基準を満たすユーザを模範ユーザとして、その模範ユーザが選択したコンテンツを正例コンテンツとして取得してもよい。例えば、取得部１３１は、対象サイトにおいて提供するサービスのターゲットとなるユーザ属性（例えば２０代、女性等）のユーザを模範ユーザとして、その模範ユーザが選択したコンテンツを正例コンテンツとして取得してもよい。

また、例えば、取得部１３１は、所定の基準を満たさない非模範ユーザが選択したコンテンツを負例コンテンツとして取得してもよい。例えば、取得部１３１は、ユーザのデモグラフィック属性またはサイコグラフィック属性が所定の基準を満たさないユーザを非模範ユーザとして、その非模範ユーザが選択したコンテンツを負例コンテンツとして取得してもよい。例えば、取得部１３１は、対象サイトにおいて提供するサービスのターゲット外のユーザ属性（例えば男性、６０代等）のユーザを非模範ユーザとして、その非模範ユーザが選択したコンテンツを負例コンテンツとして取得してもよい。

また、例えば、取得部１３１は、所定の電子商取引において商品を購入しているセンス有ユーザが選択したコンテンツを正例コンテンツとして取得してもよい。例えば、取得部１３１は、購入ユーザ層や売上等に関する所定の条件を満たす電子商取引Ｘにおいて商品を購入しているユーザをセンス有ユーザとして、そのセンス有ユーザが選択したコンテンツを正例コンテンツとして取得してもよい。例えば、取得部１３１は、センス有ユーザのうち、対象サイトにおいて提供するサービスのターゲットとなるユーザ属性に対応するユーザが選択したコンテンツを正例コンテンツとして取得してもよい。

また、例えば、取得部１３１は、所定の電子商取引において商品を購入していないセンス無ユーザが選択したコンテンツを負例コンテンツとして取得してもよい。例えば、取得部１３１は、購入ユーザ層や売上等に関する所定の条件を満たす電子商取引Ｘにおいて商品を購入していないユーザをセンス無ユーザとして、そのセンス無ユーザが選択したコンテンツを負例コンテンツとして取得してもよい。例えば、取得部１３１は、センス無ユーザのうち、対象サイトにおいて提供するサービスのターゲットとなるユーザ属性に対応するユーザが選択したコンテンツを負例コンテンツとして取得してもよい。

また、例えば、取得部１３１は、所定のキーワードを用いた検索を行った高感度ユーザが選択したコンテンツを正例コンテンツとして取得してもよい。例えば、取得部１３１は、流行語やバズワード等のトレンドに関する所定のキーワードを用いて検索を行ったユーザを高感度ユーザとして、その高感度ユーザが選択したコンテンツを正例コンテンツとして取得してもよい。例えば、取得部１３１は、高感度ユーザのうち、対象サイトにおいて提供するサービスのターゲットとなるユーザ属性に対応するユーザが選択したコンテンツを正例コンテンツとして取得してもよい。

また、例えば、取得部１３１は、所定のキーワードを用いた検索を行っていない低感度ユーザが選択したコンテンツを負例コンテンツとして取得してもよい。例えば、取得部１３１は、流行語やバズワード等のトレンドに関する所定のキーワードを用いて検索を行っていないユーザを低感度ユーザとして、その低感度ユーザが選択したコンテンツを負例コンテンツとして取得してもよい。例えば、取得部１３１は、低感度ユーザのうち、対象サイトにおいて提供するサービスのターゲットとなるユーザ属性に対応するユーザが選択したコンテンツを負例コンテンツとして取得してもよい。

（生成部１３２）
生成部１３２は、各種情報を生成する。例えば、生成部１３２は、取得部１３１により取得された正例コンテンツと負例コンテンツとに基づいて、電子商取引において提供されるコンテンツの評価に用いるモデルを生成する。また、例えば、生成部１３２は、取得部１３１により取得された複数のカテゴリの各々に対応する正例コンテンツと負例コンテンツとに基づいて、複数のカテゴリの各々に対応する複数のモデルを生成する。

例えば、生成部１３２は、正例コンテンツが入力された場合に、所定の閾値以上のスコアを出力し、負例コンテンツが入力された場合に所定の閾値未満のスコアを出力するようにモデルを生成する。例えば、生成部１３２は、コンテンツが入力された場合に、０〜１のスコアを出力するモデルを生成してもよい。例えば、生成部１３２は、コンテンツが入力された場合に、そのコンテンツが所定のガイドラインに沿ったコンテンツであるかを示す確率値として、０〜１のスコアを出力するモデルを生成してもよい。例えば、生成部１３２が生成したモデルにコンテンツが入力された場合に５０を出力した場合、そのコンテンツが所定のガイドラインに沿っている確率は５０％であることを示す。また、例えば、生成部１３２が生成したモデルにコンテンツが入力された場合に０．８を出力した場合、そのコンテンツが所定のガイドラインに沿っている確率は８０％であることを示す。

例えば、生成部１３２は、正例コンテンツや負例コンテンツに基づいてモデルを生成する。図１の例では、生成部１３２は、正例情報記憶部１２２中のコンテンツＣＴ１０１、ＣＴ１０２等を正例とし、負例情報記憶部１２３中のコンテンツＣＴ２０１、ＣＴ２０２等を負例として、モデルを生成する。図１の例では、生成部１３２は、モデル情報記憶部１２４に示すように、モデルＭ１を生成する。また、例えば、生成部１３２は、モデル情報記憶部１２４に示すように、モデルＭ１に関するモデル情報は、素性１の重みが「０．５」、素性２の重みが「−０．４」、素性３の重みが「０．２」等であるモデルＭ１を生成する。

（決定部１３３）
決定部１３３は、各種情報を決定する。例えば、決定部１３３は、取得部１３１により取得されたガイドラインに基づいて、コンテンツの評価を決定する。例えば、決定部１３３は、コンテンツの評価が所定の閾値未満である場合、電子商取引のサイトにおいて、コンテンツを表示不可と決定する。また、例えば、決定部１３３は、ガイドラインに基づく入稿コンテンツの評価が所定の閾値未満である場合、入稿コンテンツの入稿を不可と決定する。

例えば、決定部１３３は、コンテンツの評価を算出するモデルを用いてコンテンツである商品情報の評価を決定する。図２の例では、決定部１３３は、モデル情報記憶部１２４に記憶されたモデルＭ１に基づいて、商品情報記憶部１２５に記憶された各商品情報のスコアを決定する。

例えば、決定部１３３は、商品ＧＤ１の商品情報とモデルＭ１とにより、商品ＧＤ１のスコアを「０．６」に決定する。また、例えば、決定部１３３は、商品ＧＤ２の商品情報とモデルＭ１とにより、商品ＧＤ２のスコアを「０．７」に決定する。また、例えば、決定部１３３は、商品ＧＤ３の商品情報とモデルＭ１とにより、商品ＧＤ３のスコアを「０．３」に決定する。また、例えば、決定部１３３は、商品ＧＤ４の商品情報とモデルＭ１とにより、商品ＧＤ４のスコアを「０．５」に決定する。また、例えば、決定部１３３は、商品ＧＤ５の商品情報とモデルＭ１とにより、商品ＧＤ５のスコアを「０．２」に決定する。また、例えば、決定部１３３は、商品ＧＤ６の商品情報とモデルＭ１とにより、商品ＧＤ６のスコアを「０．８」に決定する。また、例えば、決定部１３３は、商品ＧＤ７の商品情報とモデルＭ１とにより、商品ＧＤ７のスコアを「０．６５」に決定する。

例えば、決定部１３３は、コンテンツの評価が所定の閾値未満である場合、対象サイトにおいて、コンテンツを表示不可と決定する。図１の例では、決定部１３３は、スコアが所定の閾値未満である商品情報を除外すると決定する。例えば、決定部１３３は、スコアが「０．５」未満である商品情報を除外すると決定することにより、ユーザＵ１に提供する候補となる商品情報を絞り込む。図２の例では、決定部１３３は、スコア一覧ＳＬ２に示すように、スコアが「０．５」未満である商品ＧＤ３及び商品ＧＤ５等を除外する。

また、例えば、決定部１３３は、コンテンツの評価（スコア）に基づいて、コンテンツの順位を決定する。例えば、決定部１３３は、決定したスコアと提供先となるユーザの属性情報とに基づいて、商品情報のランキングを決定する。図２の例では、決定部１３３は、スコアが「０．５」未満の商品情報を除外した商品情報のランキングを決定する。例えば、決定部１３３は、スコアを各商品情報とユーザ属性との相関性（クリック率）等に基づいて、補正した補正スコアを算出し、その補正スコアが高い方から順に各商品情報の順位を決定する。図２の例では、決定部１３３は、補正スコアが最も高い商品ＧＤ２の商品情報の順位を１位に決定する。また、決定部１３３は、補正スコアが商品ＧＤ２の商品情報の次に高い商品ＧＤ４の商品情報の順位を２位に決定する。また、決定部１３３は、補正スコアが商品ＧＤ４の商品情報の次に高い商品ＧＤ７の商品情報の順位を３位に決定する。図２の例では、決定部１３３は、ランキング情報ＲＫ１１に示すように、各商品情報のランキングを決定する。

また、例えば、決定部１３３は、種々の情報を適宜用いて商品情報のランキングを決定してもよい。例えば、決定部１３３は、決定したスコアの高い方から順に高い順位に決定してもよい。この場合、図２の例では、決定部１３３は、商品ＧＤ６、商品ＧＤ２、商品ＧＤ７、商品ＧＤ１、商品ＧＤ４の順にランキングを決定してもよい。また、図２の例では、商品情報にターゲットとするユーザ属性のタグが付与されている場合、決定部１３３は、スコア一覧ＳＬ２中の商品情報からユーザＵ１のユーザ属性（２０代、女性等）に対応するタグが付与された商品情報を抽出してもよい。そして、決定部１３３は、抽出した商品情報について、スコアが高い方から順にランキングを決定してもよい。

（提供部１３４）
提供部１３４は、各種情報を提供する。例えば、提供部１３４は、端末装置１０に各種情報を提供する。例えば、提供部１３４は、決定部１３３により決定されたコンテンツの評価に基づいて、コンテンツに関するサービスを提供する。例えば、提供部１３４は、決定部１３３により決定されたコンテンツの順位で表示されるコンテンツの一覧情報を提供する。例えば、提供部１３４は、決定部１３３により決定されたランキングに基づく検索結果を端末装置１０へ提供する。図２の例では、提供部１３４は、ランキング情報ＲＫ１１を端末装置１０−１へ提供する。

例えば、提供部１３４は、決定部１３３により表示不可と決定されたコンテンツを提供する提供元に、当該コンテンツが表示不可となった理由に関する情報を提供する。また、例えば、提供部１３４は、コンテンツに関する複数の不許可項目に関するスコアに基づいて、表示不可と決定されたコンテンツを提供する提供元に、複数の不許可項目のうち、そのコンテンツが該当する不許可項目に関する情報を提供する。例えば、提供部１３４は、コンテンツに関する複数の不許可項目ごとに生成されたモデルに基づいて、表示不可と決定されたコンテンツを提供する提供元に、複数の不許可項目のうち、そのコンテンツが該当する不許可項目に関する情報を提供する。この点については、図１１において詳述する。

〔４．生成処理のフロー〕
次に、図９を用いて、実施形態に係る提供システム１による生成処理の手順について説明する。図９は、実施形態に係る生成処理の一例を示すフローチャートである。

図９に示すように、提供装置１００は、正例を取得する（ステップＳ１０１）。図１の例では、提供装置１００は、正例群ＰＧ１に示すように、所定の編集者ＥＤ１により正例のラベルが付与されたコンテンツを取得する。例えば、提供装置１００は、正例のラベルが付与されたコンテンツＣＴ１０１やコンテンツＣＴ１０２等を取得する。

また、提供装置１００は、負例を取得する（ステップＳ１０２）。図１の例では、提供装置１００は、負例群ＮＧ１に示すように、所定の編集者ＥＤ１により負例のラベルが付与されたコンテンツを取得する。例えば、提供装置１００は、負例のラベルが付与されたコンテンツＣＴ２０１やコンテンツＣＴ２０２等を取得する。なお、ステップＳ１０２は、ステップＳ１０１より先に行われてもよいし、ステップＳ１０１とステップＳ１０２は、複数回に亘って行われてもよい。

その後、提供装置１００は、正例と負例とに基づきモデルを生成する（ステップＳ１０３）。図１の例では、提供装置１００は、正例情報記憶部１２２中のコンテンツＣＴ１０１、ＣＴ１０２等を正例とし、負例情報記憶部１２３中のコンテンツＣＴ２０１、ＣＴ２０２等を負例として、モデルを生成する。例えば、提供装置１００は、正例コンテンツや負例コンテンツに基づいてモデルＭ１を生成する。

〔５．決定処理のフロー〕
次に、図１０を用いて、実施形態に係る提供システム１による生成処理の手順について説明する。図１０は、実施形態に係る決定処理の一例を示すフローチャートである。

図１０に示すように、提供装置１００は、一覧要求を取得する（ステップＳ２０１）。図２の例では、提供装置１００は、ユーザＵ１が利用する端末装置１０−１から一覧要求を取得する。

また、提供装置１００は、モデルを用いて提供対象となる各コンテンツンの評価を決定する（ステップＳ２０２）。図２の例では、提供装置１００は、モデル情報記憶部１２４に記憶されたモデルＭ１に基づいて、商品情報記憶部１２５に記憶された各商品情報のスコアを決定する。図２の例では、提供装置１００は、スコア一覧ＳＬ１に示すように、各商品ＧＤ１〜ＧＤ７等の商品情報のスコアを決定する。

また、提供装置１００は、評価が閾値未満のコンテンツを除外する（ステップＳ２０３）。図２の例では、提供装置１００は、スコア一覧ＳＬ２に示すように、スコアが「０．５」未満である商品ＧＤ３及び商品ＧＤ５等を除外する。なお、上述のように提供装置１００が予めコンテンツが入稿された時点において、評価が所定の閾値未満であるコンテンツの入稿を不可としている場合、提供装置１００は、ステップＳ２０３の処理を行わなくてもよい。

そして、提供装置１００は、評価と提供先のユーザ情報とに基づいて各コンテンツのランキングを決定する（ステップＳ２０４）。図２の例では、提供装置１００は、補正スコアが最も高い商品ＧＤ２の商品情報の順位を１位に決定する。また、提供装置１００は、補正スコアが商品ＧＤ２の商品情報の次に高い商品ＧＤ４の商品情報の順位を２位に決定する。また、提供装置１００は、補正スコアが商品ＧＤ４の商品情報の次に高い商品ＧＤ７の商品情報の順位を３位に決定する。

そして、提供装置１００は、ランキング情報を提供する（ステップＳ２０５）。図２の例では、提供装置１００は、ランキング情報ＲＫ１１を端末装置１０−１へ提供する。

〔６．掲載不可の理由の提供〕
上述した例では、提供装置１００がユーザに対して商品情報を提供する際のランキングの決定にモデルを用いる例を示したが、提供装置１００は、種々のサービスを提供してもよい。例えば、提供装置１００は、対象サイトにおいて掲載を希望するコンテンツの提供元からコンテンツを取得し、そのコンテンツの掲載可否を事前審査してもよい。この場合、例えば、提供装置１００は、対象サイトにおいてそのコンテンツの掲載が不可であると判定した場合、対象サイトにおいてそのコンテンツが掲載できない理由をコンテンツの提供元にフィードバックしてもよい。この点について、図１１を用いて説明する。

図１１は、実施形態に係る掲載不可の理由の提供の一例を示す図である。具体的には、図１１では、提供装置１００は、コンテンツＣＴ３０１を作成したコンテンツ作成者ＣＭ１からコンテンツＣＴ３０１を取得し、コンテンツＣＴ３０１の対象サイト（例えばショップサイトＡ）における掲載可否を判定する。まず、図１１において用いるモデルについて説明する。

図１１に示す例では、提供装置１００は、モデル情報記憶部１２４Ａに記憶された複数のモデルＭ１〜Ｍ５を用いて、掲載可否や掲載不可の理由を判定する。なお、図１１に示すモデル情報記憶部１２４Ａは、複数のモデルＭ１〜Ｍ５が記憶されている点以外は、図１中のモデル情報記憶部１２４と同様である。図１１中のモデル情報記憶部１２４Ａに示すモデルＭ１は図１中のモデル情報記憶部１２４に示すモデルＭ１と同様である。

図１１の例では、モデル情報記憶部１２４Ａに示すように、モデルＭ２に関するモデル情報は、素性１の重みが「−０．３」、素性２の重みが「０．１」、素性３の重みが「−０．２」等であることを示す。また、図１１の例では、モデルＭ２は、画像の背景が対象サイトのガイドラインのうち、画像の背景に関する条件に沿っているかを判定するために用いるモデルである。

例えば、提供装置１００は、対象サイトのガイドラインのうち、画像の背景に関する条件を満たすコンテンツ（画像）を正例コンテンツとして取得してもよい。また、例えば、提供装置１００は、対象サイトのガイドラインのうち、画像の背景に関する条件を満たさないコンテンツ（画像）を負例コンテンツとして取得してもよい。また、提供装置１００は、画像の背景に関する正例コンテンツを正例情報記憶部１２２に記憶してもよい。

例えば、提供装置１００は、画像の背景に関する正例コンテンツや負例コンテンツを用いて、対象サイトのガイドラインのうち、画像の背景に関する条件を満たすかの判定に用いるモデルを生成してもよい。図１１の例では、提供装置１００は、画像の背景に関する正例コンテンツや負例コンテンツを用いて、画像の背景に関するモデルＭ２を生成する。

例えば、提供装置１００は、コンテンツが入力された場合に、そのコンテンツが対象サイトのガイドラインのうち、画像の背景に関する条件に沿ったコンテンツであるかを示す確率値として、０〜１のスコアを出力するモデルＭ２を生成する。例えば、提供装置１００は、モデルＭ２に画像（コンテンツ）を入力することにより、入力した画像が対象サイトのガイドラインのうち、画像の背景に関する条件に沿っているかを示す０〜１のスコアを決定（算出）する。

図１１の例では、モデル情報記憶部１２４Ａに示すように、モデルＭ４に関するモデル情報は、素性１の重みが「０」、素性２の重みが「−１．４」、素性３の重みが「−２．２」等であることを示す。また、図１１の例では、モデルＭ４は、文字情報が対象サイトのガイドラインのうち、禁止文字に関する条件に沿っているかを判定するために用いるモデルである。

例えば、提供装置１００は、対象サイトのガイドラインのうち、禁止文字に関する条件を満たすコンテンツ（文字情報）を正例コンテンツとして取得してもよい。また、例えば、提供装置１００は、対象サイトのガイドラインのうち、禁止文字に関する条件を満たさないコンテンツ（文字情報）を負例コンテンツとして取得してもよい。また、提供装置１００は、禁止文字に関する正例コンテンツを正例情報記憶部１２２に記憶してもよい。

例えば、提供装置１００は、禁止文字に関する正例コンテンツや負例コンテンツを用いて、対象サイトのガイドラインのうち、禁止文字に関する条件を満たすかの判定に用いるモデルを生成してもよい。図１１の例では、提供装置１００は、禁止文字に関する正例コンテンツや負例コンテンツを用いて、禁止文字に関するモデルＭ４を生成する。

例えば、提供装置１００は、コンテンツが入力された場合に、そのコンテンツが対象サイトのガイドラインのうち、禁止文字に関する条件に沿ったコンテンツであるかを示す確率値として、０〜１のスコアを出力するモデルＭ４を生成する。例えば、提供装置１００は、モデルＭ４に文字情報（コンテンツ）を入力することにより、入力した文字情報が対象サイトのガイドラインのうち、禁止文字に関する条件に沿っているかを示す０〜１のスコアを決定（算出）する。

このように、提供装置１００は、複数のカテゴリごとに正例コンテンツと負例コンテンツとに基づいて、複数のカテゴリの各々に対応する複数のモデルを生成してもよい。また、カテゴリはコンテンツの掲載可否理由に限らず、コンテンツ自体のカテゴリであってもよい。例えば、提供装置１００は、商品情報やニュース記事等の種々のコンテンツごとに対応するモデルを生成してもよい。

ここから、図１１を用いて、コンテンツＣＴ３０１の掲載可否判定と理由の通知の流れについて説明する。

まず、コンテンツ作成者ＣＭ１は、作成装置５１を用いて、画像ＩＭ３０１や文字情報ＣＨ３０１等を含むコンテンツＣＴ３０１を提供装置１００へ入稿する（ステップＳ３１）。例えば、コンテンツ作成者ＣＭ１は、作成装置５１を用いて、画像ＩＭ３０１や文字情報ＣＨ３０１等を含むコンテンツＣＴ３０１を作成し、作成したコンテンツＣＴ３０１を提供装置１００へ入稿する。これにより、提供装置１００は、コンテンツ作成者ＣＭ１が利用する作成装置５１からコンテンツＣＴ３０１を取得する。

コンテンツＣＴ３０１を取得した提供装置１００は、対象サイトにおけるコンテンツＣＴ３０１の掲載可否を判定する。例えば、提供装置１００は、モデルＭ１を用いて、対象サイトにおけるコンテンツＣＴ３０１の掲載可否を判定する。図１１の例では、提供装置１００は、処理群ＰＳ３１に示すような処理により、対象サイトにおけるコンテンツＣＴ３０１の掲載可否を判定する。なお、図１１の例では、提供装置１００は、モデルＭ１が出力するスコアが０．５未満である場合、モデルＭ１に入力されたコンテンツが対象サイトにおいて掲載不可と判定するものとする。

例えば、提供装置１００は、モデルＭ１にコンテンツＣＴ３０１を入力する（ステップＳ３２）。コンテンツＣＴ３０１が入力されたモデルＭ１は、スコアを出力する（ステップＳ３３）。図１１の例では、コンテンツＣＴ３０１が入力されたモデルＭ１は、スコア情報ＳＣ３１に示すように、スコア「０．３５」を出力する。

その後、提供装置１００は、モデルＭ１が出力したスコアに基づいて、モデルＭ１に入力されたコンテンツの対象サイトにおける掲載可否を判定する（ステップＳ３４）。図１１の例では、判定情報ＤＴ３１に示すように、コンテンツＣＴ３０１のスコアが「０．３５」であり閾値「０．５」未満であるため、コンテンツＣＴ３０１を対象サイトにおいて掲載不可と判定する。

そのため、提供装置１００は、他のモデルＭ２〜Ｍ５を用いてコンテンツＣＴ３０１が掲載不可となった理由を判定する。なお、提供装置１００は、モデルＭ１が出力したスコアが閾値「０．５」以上である場合、モデルＭ１に入力されたコンテンツが対象サイトにおいて掲載可であることを示す情報を作成装置５１へ提供して、処理を終了してもよい。

例えば、提供装置１００は、モデルＭ２を用いて、対象サイトのガイドラインのうち、画像の背景に関する条件を満たすかを判定する。図１１の例では、提供装置１００は、処理群ＰＳ３２に示すような処理により、コンテンツＣＴ３０１の画像ＩＭ３０１が対象サイトのガイドラインのうち、画像の背景に関する条件を満たすかを判定する。なお、図１１の例では、提供装置１００は、モデルＭ２が出力するスコアが０．３未満である場合、モデルＭ２に入力されたコンテンツ（画像）が対象サイトのガイドラインのうち、画像の背景に関する条件を満たさないと判定するものとする。

例えば、提供装置１００は、モデルＭ２に画像ＩＭ３０１を入力する（ステップＳ３５−１）。画像ＩＭ３０１が入力されたモデルＭ２は、スコアを出力する（ステップＳ３６−１）。図１１の例では、画像ＩＭ３０１が入力されたモデルＭ２は、スコア情報ＳＣ３２に示すように、スコア「０．１２」を出力する。

その後、提供装置１００は、モデルＭ２が出力したスコアに基づいて、モデルＭ２に入力されたコンテンツ（画像）が対象サイトのガイドラインのうち、画像の背景に関する不可理由を有するかを判定する（ステップＳ３７−１）。図１１の例では、判定情報ＤＴ３２に示すように、画像ＩＭ３０１のスコアが「０．１２」であり閾値「０．３」未満であるため、画像ＩＭ３０１が対象サイトのガイドラインのうち、画像の背景に関する不可理由を有すると判定する。

また、例えば、提供装置１００は、モデルＭ３を用いて、対象サイトのガイドラインのうち、画像における肌の露出に関する条件を満たすかを判定する。例えば、対象サイトのガイドラインには、画像に含まれる人間が所定の割合以上の肌を露出している場合、掲載を不可とする条件が含まれるものとする。

図１１の例では、提供装置１００は、処理群ＰＳ３３に示すような処理により、コンテンツＣＴ３０１の画像ＩＭ３０１が対象サイトのガイドラインのうち、画像における肌の露出に関する条件を満たすかを判定する。なお、図１１の例では、提供装置１００は、モデルＭ３が出力するスコアが０．４未満である場合、モデルＭ３に入力されたコンテンツ（画像）が対象サイトのガイドラインのうち、画像における肌の露出に関する条件を満たさないと判定するものとする。

例えば、提供装置１００は、モデルＭ３に画像ＩＭ３０１を入力する（ステップＳ３５−２）。画像ＩＭ３０１が入力されたモデルＭ３は、スコアを出力する（ステップＳ３６−２）。図１１の例では、画像ＩＭ３０１が入力されたモデルＭ３は、スコア情報ＳＣ３３に示すように、スコア「０．７３」を出力する。

その後、提供装置１００は、モデルＭ３が出力したスコアに基づいて、モデルＭ３に入力されたコンテンツ（画像）が対象サイトのガイドラインのうち、画像における肌の露出に関する不可理由を有するかを判定する（ステップＳ３７−２）。図１１の例では、判定情報ＤＴ３３に示すように、画像ＩＭ３０１のスコアが「０．７３」であり閾値「０．４」以上であるため、画像ＩＭ３０１が対象サイトのガイドラインのうち、画像における肌の露出に関する不可理由を有さないと判定する。

また、提供装置１００は、モデルＭ３〜Ｍ５等を用いて、理由ごとに上述したような処理を行うことにより、各理由の有無を判定する。

その後、提供装置１００は、コンテンツ作成者ＣＭ１へコンテンツＣＴ３０１が掲載不可となった理由を提供する（ステップＳ３８）。提供装置１００は、コンテンツＣＴ３０１の掲載が不可となった理由が画像の背景や禁止文字の使用であることを示す情報を作成装置５１へ送信することにより、コンテンツＣＴ３０１が掲載不可となった理由をコンテンツ作成者ＣＭ１へ提供する。

これにより、コンテンツ作成者ＣＭ１は、提供された掲載不可理由を基にコンテンツＣＴ３０１を変更できるため、対象サイトのガイドラインに沿ったコンテンツを作成することができる。このように、提供装置１００は、対象サイトのガイドラインに沿ったコンテンツの作成を促進させることができる。

〔７．決定処理のフロー〕
次に、図１２を用いて、実施形態に係る提供システム１による決定処理の手順について説明する。図１２は、実施形態に係る掲載不可の理由の提供処理の一例を示すフローチャートである。

図１２に示すように、提供装置１００は、コンテンツを取得する（ステップＳ３０１）。図１１の例では、提供装置１００は、コンテンツ作成者ＣＭ１が利用する作成装置５１からコンテンツＣＴ３０１を取得する。

そして、提供装置１００は、コンテンツが掲載可かどうかを判定する（ステップＳ３０２）。提供装置１００は、コンテンツが掲載可である場合（ステップＳ３０２：ＹＥＳ）、処理を終了する。図１１の例では、提供装置１００は、モデルＭ１が出力したスコアに基づいて、モデルＭ１に入力されたコンテンツの対象サイトにおける掲載可否を判定する。また、図１１の例では、判定情報ＤＴ３１に示すように、コンテンツＣＴ３０１のスコアが「０．３５」であり閾値「０．５」未満であるため、コンテンツＣＴ３０１を対象サイトにおいて掲載不可と判定する。

一方、提供装置１００は、コンテンツが掲載可でない場合（ステップＳ３０２：ＮＯ）、理由ごとのモデルを用いて、理由ごとの評価を決定する（ステップＳ３０３）。例えば、提供装置１００は、モデルＭ２に画像ＩＭ３０１を入力することにより、対象サイトのガイドラインのうち、画像の背景に関するスコアを決定する。また、例えば、提供装置１００は、モデルＭ３に画像ＩＭ３０１を入力することにより、対象サイトのガイドラインのうち、画像における肌の露出に関するスコアを決定する。

そして、提供装置１００は、評価が閾値未満の理由をコンテンツの掲載不可理由に決定する（ステップＳ３０４）。図１１の例では、提供装置１００は、スコアが閾値未満であった、画像の背景や禁止文字の使用が、コンテンツＣＴ３０１の掲載が不可となった理由であると決定する。

その後、提供装置１００は、掲載不可理由を提供する（ステップＳ３０５）。図１１の例では、提供装置１００は、コンテンツＣＴ３０１の掲載が不可となった理由が画像の背景や禁止文字の使用であることを示す情報を作成装置５１へ送信することにより、コンテンツＣＴ３０１が掲載不可となった理由をコンテンツ作成者ＣＭ１へ提供する。

〔８．効果〕
上述してきたように、実施形態に係る提供装置１００は、取得部１３１と、生成部１３２とを有する。取得部１３１は、電子商取引において提供されることが望ましいとされるコンテンツである正例コンテンツと、電子商取引において提供されることが望ましくないとされるコンテンツである負例コンテンツと、を取得する。また、生成部１３２は、取得部１３１により取得された正例コンテンツと負例コンテンツとに基づいて、電子商取引において提供されるコンテンツの評価に用いるモデルを生成する。

これにより、実施形態に係る提供装置１００は、電子商取引において提供されることが望ましいとされるコンテンツである正例コンテンツと、電子商取引において提供されることが望ましくないとされるコンテンツである負例コンテンツとに基づくことにより、コンテンツの評価の決定に用いるモデルを適切に生成することができる。

また、実施形態に係る提供装置１００において、取得部１３１は、電子商取引を提供する提供元のガイドラインに関する条件を満たすコンテンツを正例コンテンツとして取得する。

これにより、実施形態に係る提供装置１００は、電子商取引を提供する提供元のガイドラインに関する条件を満たす正例コンテンツに基づくことにより、コンテンツの評価の決定に用いるモデルを適切に生成することができる。

また、実施形態に係る提供装置１００において、取得部１３１は、電子商取引を提供する提供元のガイドラインに関する条件を満たさないコンテンツを負例コンテンツとして取得する。

これにより、実施形態に係る提供装置１００は、電子商取引を提供する提供元のガイドラインに関する条件を満たさない負例コンテンツに基づくことにより、コンテンツの評価の決定に用いるモデルを適切に生成することができる。

また、実施形態に係る提供装置１００において、取得部１３１は、電子商取引において商品を購入しているユーザが選択したコンテンツを正例コンテンツとして取得する。

これにより、実施形態に係る提供装置１００は、電子商取引において商品を購入しているユーザが選択した正例コンテンツに基づくことにより、コンテンツの評価の決定に用いるモデルを適切に生成することができる。

また、実施形態に係る提供装置１００において、取得部１３１は、電子商取引において商品を購入していないユーザが選択したコンテンツを負例コンテンツとして取得する。

これにより、実施形態に係る提供装置１００は、電子商取引において商品を購入していないユーザが選択した負例コンテンツに基づくことにより、コンテンツの評価の決定に用いるモデルを適切に生成することができる。

また、実施形態に係る提供装置１００において、取得部１３１は、所定のキーワードを用いた検索を行ったユーザが選択したコンテンツを正例コンテンツとして取得する。

これにより、実施形態に係る提供装置１００は、所定のキーワードを用いた検索を行ったユーザが選択した正例コンテンツに基づくことにより、コンテンツの評価の決定に用いるモデルを適切に生成することができる。

また、実施形態に係る提供装置１００において、取得部１３１は、所定のキーワードを用いた検索を行っていないユーザが選択したコンテンツを負例コンテンツとして取得する。

これにより、実施形態に係る提供装置１００は、所定のキーワードを用いた検索を行っていないユーザが選択した負例コンテンツに基づくことにより、コンテンツの評価の決定に用いるモデルを適切に生成することができる。

また、実施形態に係る提供装置１００において、取得部１３１は、複数のカテゴリごとに正例コンテンツと負例コンテンツとを取得する。生成部１３２は、取得部１３１により取得された複数のカテゴリの各々に対応する正例コンテンツと負例コンテンツとに基づいて、複数のカテゴリの各々に対応する複数のモデルを生成する。

これにより、実施形態に係る提供装置１００は、複数のカテゴリの各々に対応する正例コンテンツと負例コンテンツとに基づいて、複数のカテゴリの各々に対応する複数のモデルを生成することにより、コンテンツの評価の決定に用いるモデルを適切に生成することができる。

〔９．ハードウェア構成〕
上述してきた実施形態に係る提供装置１００は、例えば図１３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１３は、提供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。コンピュータ１０００は、ＣＰＵ１１００、ＲＡＭ１２００、ＲＯＭ（Read Only Memory）１３００、ＨＤＤ（Hard Disk Drive）１４００、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が実施形態に係る提供装置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。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。

〔１０．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 提供システム
１００ 提供装置（生成装置）
１２１ ユーザ情報記憶部
１２２ 正例情報記憶部
１２３ 負例情報記憶部
１２４ モデル情報記憶部
１２５ 商品情報記憶部
１３０ 制御部
１３１ 取得部
１３２ 生成部
１３３ 決定部
１３４ 提供部
１０ 端末装置
Ｎ ネットワーク

Claims (10)

1. 電子商取引において提供されることが望ましいとされるコンテンツである正例コンテンツと、前記電子商取引において提供されることが望ましくないとされるコンテンツである負例コンテンツと、を取得する取得部と、
   前記取得部により取得された前記正例コンテンツと前記負例コンテンツとに基づいて、前記電子商取引において提供されるコンテンツの評価に用いるモデルを生成する生成部と、
   を備えることを特徴とする生成装置。
2. 前記電子商取引を提供する提供元のガイドラインに関する条件を満たすコンテンツを前記正例コンテンツとして取得する
   ことを特徴とする請求項１に記載の生成装置。
3. 前記電子商取引を提供する提供元のガイドラインに関する条件を満たさないコンテンツを前記負例コンテンツとして取得する
   ことを特徴とする請求項１または請求項２に記載の生成装置。
4. 前記取得部は、
   前記電子商取引において商品を購入しているユーザが選択したコンテンツを前記正例コンテンツとして取得する
   ことを特徴とする請求項１〜３のいずれか１項に記載の生成装置。
5. 前記取得部は、
   前記電子商取引において商品を購入していないユーザが選択したコンテンツを前記負例コンテンツとして取得する
   ことを特徴とする請求項１〜４のいずれか１項に記載の生成装置。
6. 前記取得部は、
   所定のキーワードを用いた検索を行ったユーザが選択したコンテンツを前記正例コンテンツとして取得する
   ことを特徴とする請求項１〜５のいずれか１項に記載の生成装置。
7. 前記取得部は、
   所定のキーワードを用いた検索を行っていないユーザが選択したコンテンツを前記負例コンテンツとして取得する
   ことを特徴とする請求項１〜６のいずれか１項に記載の生成装置。
8. 前記取得部は、
   複数のカテゴリごとに前記正例コンテンツと前記負例コンテンツとを取得し、
   前記生成部は、
   前記取得部により取得された前記複数のカテゴリの各々に対応する前記正例コンテンツと前記負例コンテンツとに基づいて、前記複数のカテゴリの各々に対応する複数のモデルを生成する
   ことを特徴とする請求項１〜７のいずれか１項に記載の生成装置。
9. コンピュータが実行する生成方法であって、
   電子商取引において提供されることが望ましいとされるコンテンツである正例コンテンツと、前記電子商取引において提供されることが望ましくないとされるコンテンツである負例コンテンツと、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正例コンテンツと前記負例コンテンツとに基づいて、前記電子商取引において提供されるコンテンツの評価に用いるモデルを生成する生成工程と、
   を含むことを特徴とする生成方法。
10. 電子商取引において提供されることが望ましいとされるコンテンツである正例コンテンツと、前記電子商取引において提供されることが望ましくないとされるコンテンツである負例コンテンツと、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正例コンテンツと前記負例コンテンツとに基づいて、前記電子商取引において提供されるコンテンツの評価に用いるモデルを生成する生成手順と、
    をコンピュータに実行させることを特徴とする生成プログラム。

Images