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。