JP2018084928A - 選択装置、選択方法および選択プログラム - Google Patents

Abstract

【課題】利用者が興味を有するコンテンツの傾向を推定する精度を向上させる。【解決手段】本願に係る選択装置は、第１のサービスを介して取得された利用者の行動に関する情報である第１情報と、第２のサービスを介して取得された利用者の行動に関する情報である第２情報とを取得する取得部と、前記第１情報と前記第２情報とに基づいて、利用者に対して提供されるコンテンツの傾向を選択する選択部とを有することを特徴とする。【選択図】図１

Description

本発明は、選択装置、選択方法および選択プログラムに関する。

従来、スマートフォンやタブレット端末等の端末装置を利用する利用者の興味等を推定し、推定した興味に応じたコンテンツを配信する技術が知られている。このような技術の一例として、端末装置を利用する利用者の属性情報に基づいて、利用者の興味を推定し、推定結果に応じた種別の広告を配信対象として選択する技術が知られている。また、例えば、利用者の購買履歴や、利用者が閲覧した商品情報の閲覧履歴に基づいて、利用者が興味を有すると推定される商品やサービスを選択する技術が知られている。

特開２０１４−０８６０９６号公報 特開２０１３−２５７７９３号公報

しかしながら、上記の従来技術では、利用者が興味を有するコンテンツの傾向を推定する精度が必ずしも良いとは言えない場合がある。

例えば、上記の従来技術では、利用者から取得可能な情報に基づいて、利用者の興味を推定する。しかしながら、利用者から取得可能な情報は、利用者に対して提供されるサービスの内容に応じて変化するため、利用者の興味を必ずしも反映させているとは言えない場合がある。

本願は、上記に鑑みてなされたものであって、利用者が興味を有するコンテンツの傾向を推定する精度を向上させることを目的とする。

本願に係る選択装置は、第１のサービスを介して取得された利用者の行動に関する情報である第１情報と、第２のサービスを介して取得された利用者の行動に関する情報である第２情報とを取得する取得部と、前記第１情報と前記第２情報とに基づいて、利用者に対して提供されるコンテンツの傾向を選択する選択部とを有することを特徴とする。

実施形態の一態様によれば、利用者が興味を有するコンテンツの傾向を推定する精度を向上させることができる。

図１は、実施形態に係る選択装置が実行する選択処理の一例を示す図である。 図２は、実施形態に係る選択装置が配信する楽曲の傾向を選択する処理の一例を示す図である。 図３は、実施形態に係る選択装置が配信する電子書籍の傾向を選択する処理の一例を示す図である。 図４は、実施形態に係る選択装置がバズ情報を生成する処理の一例を示す図である。 図５は、実施形態に係る選択装置の構成例を示す図である。 図６は、実施形態に係るウェブ関連情報データベースに登録される情報の一例を示す図である。 図７は、実施形態に係る端末関連情報データベースに登録される情報の一例を示す図である。 図８は、実施形態に係る配信サーバの構成例を示す図である。 図９は、実施形態に係る情報選択システムが実行する情報提供処理の流れの一例を示すフローチャートである。 図１０は、ハードウェア構成の一例を示す図である。

以下に、本願に係る選択装置、選択方法および選択プログラムを実施するための形態（以下、「実施形態」と記載する。）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選択装置、選択方法および選択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）
〔１−１．選択装置の一例〕
まず、図１を用いて、選択装置が実行する選択処理の一例について説明する。図１は、実施形態に係る選択装置が実行する選択処理の一例を示す図である。なお、図１に示す例では、選択装置１０を有する情報提供システム１が実行する情報提供処理の一例について記載した。なお、以下の説明では、情報提供システム１が提供する情報提供処理の一部として、選択装置１０が実行する選択処理の一例について記載するが、実施形態は、これに限定されるものではない。例えば、選択処理は、情報提供処理とは独立して実行されてもよい。

情報提供システム１は、インターネット等の所定のネットワークＮを介して、相互に通信が可能なウェブサービスサーバ１００、端末サービスサーバ２００、配信サーバ３００および利用者端末４０１、４０２を有する。なお、情報提供システム１は、任意の数のウェブサービスサーバ１００、端末サービスサーバ２００、配信サーバ３００および利用者端末４０１、４０２を有していてもよい。また、情報提供システム１は、利用者Ｕ０１のみならず、不特定多数の利用者により利用される任意の数の利用者端末４００を有してもよい。

まず、利用者端末４０１、４０２（以下、「利用者端末４００」と総称する。）について説明する。利用者端末４００は、任意の利用者Ｕ０１によって利用される端末装置であり、スマートフォンやタブレット等のスマートデバイスやＰＣ（Personal Computer）等により実現される。また、利用者端末４００は、３Ｇ（3rd Generation）やＬＴＥ（Long Term Evolution）、ＬＡＮ（Local Area Network）等、任意のネットワークを介して、ウェブサービスサーバ１００、端末サービスサーバ２００、配信サーバ３００等、任意のサーバ装置と通信可能な端末装置である。

なお、利用者端末４００は、上述した端末装置以外にも、例えば、ウェアラブルデバイス、カメラ、テレビやレコーダー等のＡＶ（Audio Visual）機器、ＩｏＴ（Internet of Things）関連機器、ゲーム機器等、利用者Ｕ０１の操作により任意の処理を実行する装置であれば、任意の装置が採用可能である。

ウェブサービスサーバ１００は、利用者Ｕ０１に対して各種のウェブサービスを提供するサーバ装置であり、例えば、サーバ装置やクラウドシステム等により実現される。ここで、ウェブサービスサーバ１００は、利用者Ｕ０１に対し、任意の種別のウェブサービスを提供してよい。

例えば、ウェブサービスサーバ１００は、テキスト検索や画像検索等といった検索、ポータルサイト、地図検索、経路検索、天気予報の提供、各種掲示板の提供、ニュース配信、ナビゲーションサービス、オークションや電子商店街等といった電子商取引、電子書籍の販売や配信、楽曲（音声等も含む。）の販売や配信等、インターネットを介した各種のサービス、すなわち、任意のウェブサービスを提供可能である。なお、ウェブサービスサーバ１００が利用者Ｕ０１に対して提供するウェブサービスは、例えば、ブラウザ等の汎用的なアプリケーションを介して提供されるものであってもよく、サービスの提供を行うためのアプリケーションを介して提供されるものであってもよい。

ここで、ウェブサービスサーバ１００は、ウェブサービスの提供に伴い、利用者Ｕ０１の各種情報をログとして収集する。例えば、ウェブサービスサーバ１００は、利用者の年齢、住所、性別、趣味などを示す利用者の属性情報、利用者が入力した検索クエリの履歴、利用者が閲覧したウェブコンテンツの履歴、電子商取引における購入履歴、閲覧履歴および決済履歴、電子書籍や楽曲の視聴履歴や購入履歴、視聴あるいは購入した電子書籍や楽曲のデータ、ナビゲーションにおける出発地、目的地、利用者の位置情報等、ウェブサービスの提供を介して取得可能な任意の情報をログとして収集する。なお、以下の説明では、ウェブサービスを介して取得した情報を第１情報と総称する。ここで、第１情報は、上述した情報以外にも、ウェブサービスを介して取得可能な情報であって、利用者Ｕ０１に関する情報であれば、任意の情報が採用可能である。また、ウェブサービスサーバ１００は、収集したログに基づく利用者Ｕ０１のデモグラフィック情報やサイコグラフィック情報等を生成し、生成した情報を第１情報としてもよい。

端末サービスサーバ２００は、利用者端末４００に関連する各種のサービス（以下、「端末サービス」と総称する。）を提供するサーバ装置であり、例えば、サーバ装置やクラウドシステム等により実現される。ここで、端末サービスサーバ２００は、利用者端末４００に関連するサービスであれば、任意のサービスの提供を行うことができる。例えば、端末サービスサーバ２００は、利用者端末４００の販売や利用者端末４００が実行するアプリケーションのアップデート、利用者端末４００で実行されるゲーム等のアプリケーション配信、利用者端末４００で再生される各種エンターテイメントコンテンツの配信等、利用者端末４００に関する各種のサービスを端末サービスとして提供してよい。

ここで、端末サービスサーバ２００は、端末サービスの提供に伴い、利用者Ｕ０１の各種情報をログとして収集する。例えば、端末サービスサーバ２００は、利用者端末４００にインストールされたアプリケーションの履歴、利用者による利用者端末４００の操作履歴、利用者端末４００に利用者が入力した情報等を収集する。より具体的な例を挙げると、端末サービスサーバ２００は、利用者端末４００がレコーダーである場合、利用者Ｕ０１が視聴した番組の履歴、利用者Ｕ０１が録画した番組の履歴、視聴した番組や録画した番組の傾向、録画対象や検索対象を検索または予約する際に利用者Ｕ０１が入力したキーワードなどをログとして収集する。

また、例えば、端末サービスサーバ２００は、利用者端末４００がテレビジョンである場合は、利用者Ｕ０１が視聴した番組の履歴などをログとして収集する。また、例えば、端末サービスサーバ２００は、利用者端末４００がゲーム機である場合は、ダウンロードしたゲーム、利用者Ｕ０１が行ったゲーム、ゲーム時の操作内容、ゲームプレイ履歴などをログとして収集する。すなわち、端末サービスサーバ２００は、利用者Ｕ０１による利用者端末４００の操作に関する情報を、端末サービスを介して収集する。なお、以下の説明では、端末サービスサーバ２００が収集する情報を、第２情報と総称する。

配信サーバ３００は、利用者Ｕ０１に対して各種のコンテンツを配信する情報処理装置であり、例えば、サーバ装置やクラウドシステム等により実現される。例えば、配信サーバ３００は、選択装置１０が後述する選択処理を実行することで選択したコンテンツの傾向に従って、配信対象となるコンテンツを生成し、生成したコンテンツを利用者端末４００に配信する。

より具体的な例を挙げると、配信サーバ３００は、配信対象となるコンテンツが楽曲である場合は、テンポ、曲調、ジャンル等、楽曲の特徴を示す各種の傾向を示す傾向情報を取得する。このような場合、配信サーバ３００は、既存の楽曲の特徴を傾向情報に応じて編集した楽曲を生成し、生成した楽曲の配信を行う。なお、配信サーバ３００が生成および配信するコンテンツの例については、後述する。

選択装置１０は、配信対象となるコンテンツの傾向を選択する選択処理を実行する情報処理装置であり、例えば、サーバ装置やクラウドシステム等により実現される。例えば、選択装置１０は、選択処理を実行することで、コンテンツの配信先となる利用者Ｕ０１の趣味趣向や、コンテンツの配信目的に応じて、生成するコンテンツの傾向を選択する。より具体的な例を挙げると、選択装置１０は、利用者Ｕ０１が気に入ると推定されるコンテンツの傾向、流行のコンテンツの傾向、将来利用者Ｕ０１が気に入るであろう若しくは流行するであろうコンテンツの傾向を推定してもよく、コンテンツが広告目的で配信される場合には、配信先となる利用者が興味を有すると推定されるコンテンツの傾向等を推定する。そして、選択装置１０は、推定した傾向を示す傾向情報を配信サーバ３００へと送信する。

〔１−２．選択処理の一例〕
ところで、利用者Ｕ０１が興味を有すると推定されるコンテンツ傾向を推定する手法として、それまでに利用者Ｕ０１が購買したコンテンツの履歴等、利用者Ｕ０１の履歴情報から推定する手法が考えられる。しかしながら、ウェブサービスを介して取得可能な情報には、一般に制限があり、利用者Ｕ０１の興味の傾向を推定する精度が必ずしも良いとは言えない場合がある。

例えば、利用者Ｕ０１が購入した楽曲の履歴に基づいて、利用者Ｕ０１が興味を有すると推定される楽曲の種別を推定する手法が考えられる。しかしながら、このような技術では、利用者Ｕ０１が購入したものの、実際に利用者Ｕ０１が視聴したコンテンツに基づいて、利用者Ｕ０１が興味を有すると推定される楽曲の種別を推定することができない。

そこで、情報提供システム１は、以下の選択処理を選択装置１０に実行させる。まず、選択装置１０は、第１のサービスを介して取得された利用者の行動に関する情報である第１情報と、第２のサービスを介して取得された利用者の行動に関する情報である第２情報とを取得する。そして、情報提供システム１は、第１情報と第２情報とに基づいて、利用者に対して提供されるコンテンツの傾向を選択する。

例えば、選択装置１０は、ウェブサービスを介して取得される第１情報のみならず、ウェブサービス以外のサービス（例えば、端末サービス）を介して取得される第２情報も考慮して、利用者Ｕ０１に対して提供されるコンテンツの傾向を選択する。より具体的な例を挙げると、選択装置１０は、ウェブサービス等の第１のサービスを介して第１情報を取得するとともに、第１のサービスを提供する事業者とは異なる事業者により提供される第２のサービスを介して、第２情報を取得する。そして、配信サーバ３００は、選択装置１０によって選択されたコンテンツの傾向に従って、配信するコンテンツを生成し、生成したコンテンツを利用者Ｕ０１に対して提供する。

以下、図１を用いて、選択装置１０が実行する選択処理の一例を説明する。例えば、情報提供システム１は、選択処理の実行に先駆けて、利用者Ｕ０１に第１のサービスおよび第２のサービスを提供するサービスフェイズの処理を実行する。例えば、ウェブサービスサーバ１００は、各種のウェブサービスを第１のサービスとして利用者Ｕ０１に提供する（ステップＳ１）。そして、ウェブサービスサーバ１００は、第１のサービスに関する情報を第１情報として収集する（ステップＳ２）。

例えば、ウェブサービスサーバ１００は、第１情報として、ウェブ上で提供されるサービスを介して取得された情報であって、利用者Ｕ０１の行動に関する情報を第１情報として取得する。より具体的な例を挙げると、ウェブサービスサーバ１００は、第１情報として、利用者に対して配信されたコンテンツの履歴、コンテンツの閲覧履歴、検索クエリの履歴、利用者に対して配信された広告の履歴、電子商取引に関する履歴、または利用者の位置履歴の少なくともいずれか１つを含む情報を取得する。すなわち、ウェブサービスサーバ１００は、ウェブ上で提供されるサービスに関連する利用者Ｕ０１の行動を示す情報を第１情報として収集する。

一方、端末サービスサーバ２００は、利用者端末４００に関連する各種のサービスを第２のサービスとして提供する（ステップＳ３）。そして、端末サービスサーバ２００は、第２のサービスに関する情報である第２情報として、端末サービスを介して取得された情報であって、利用者Ｕ０１の行動に関する情報を第２情報として収集する（ステップＳ４）。例えば、端末サービスサーバ２００は、第２情報として、利用者Ｕ０１が使用するハードウェア、すなわち、利用者端末４００を介して取得された利用者Ｕ０１の行動に関する情報を取得する。より具体的な例を挙げると、端末サービスサーバ２００は、第２情報として、利用者端末４００の利用履歴、利用者端末４００の操作履歴または利用者端末４００に対して利用者Ｕ０１が入力したキーワード（例えば、録画対象となる番組を示すキーワード）の少なくともいずれか１つを含む情報を第２情報として収集する。

このように、ウェブサービスサーバ１００および端末サービスサーバ２００は、利用者Ｕ０１に各種のサービスを提供するとともに、各サービスに関する利用者Ｕ０１の行動に関する情報を第１情報および第２情報として収集する。そして、情報提供システム１は、収集された第１情報および第２情報を用いて、利用者Ｕ０１に対して配信されるコンテンツ（以下「配信コンテンツ」と記載する。）の傾向を選択し、選択した傾向に応じたコンテンツの生成および配信を行う生成フェイズの処理を実行する。

例えば、選択装置１０は、ウェブサービスサーバ１００から第１のサービスに関する情報、すなわち、第１情報を収集する（ステップＳ５）。また、選択装置１０は、端末サービスサーバ２００から第２のサービスに関する情報を収集する（ステップＳ６）。そして、選択装置１０は、第１情報と第２情報とに基づいて、生成する配信コンテンツの傾向を選択する（ステップＳ７）。

例えば、選択装置１０は、所定の第１情報と所定の第２情報とが取得される際に、利用者Ｕ０１が興味を有すると指定されるコンテンツの傾向をあらかじめ学習したモデルを記憶する。また、他の例では、選択装置１０は、所定の第１情報と所定の第２情報とが取得される際に流行しているコンテンツの傾向をあらかじめ学習したモデルを記憶する。なお、選択装置１０は、将来利用者Ｕ０１が興味を有すると指定されるコンテンツの傾向や、将来流行するコンテンツの傾向をあらかじめ学習したモデルを記憶してもよい。

すなわち、所定の第１情報と所定の第２情報とが取得された際に、どのような傾向を有する配信コンテンツを配信するかという設定については、配信コンテンツの配信目的に応じて変化すると考えられる。そこで、選択装置１０は、第１情報の傾向および第２情報の傾向と、その第１情報および第２情報が取得される場合に配信する配信コンテンツの傾向であって、配信コンテンツの配信目的に応じた傾向との関係性を学習したモデルを記憶する。そして、選択装置１０は、ウェブサービスサーバ１００や端末サービスサーバ２００から取得した第１情報および第２情報から、モデルを用いて、配信コンテンツの傾向を選択する。

また、選択装置１０は、選択したコンテンツの傾向を配信サーバ３００に対して送信することで、配信コンテンツの傾向を提案する（ステップＳ８）。このような場合、配信サーバ３００は、提案された傾向に応じた配信コンテンツを生成し（ステップＳ９）、生成したコンテンツを利用者Ｕ０１に対して提供する（ステップＳ１０）。

例えば、選択装置１０は、配信コンテンツが楽曲である場合は、どのような楽曲を購入したか等といったウェブサービスに関する第１情報のみならず、楽曲を何回再生したか等といった利用者端末４００の操作に関する第２情報をも考慮して、利用者Ｕ０１や他の利用者が興味を有する楽曲の傾向を推定する。すなわち、選択装置１０は、第１のサービスを介して取得可能な情報である第１情報のみならず、第１のサービスとは異なる第２のサービスを介して取得可能な情報や、異なる種別の情報である第２情報も考慮して、配信コンテンツの傾向を推定する。この結果、選択装置１０は、利用者Ｕ０１が興味を有すると推定されるコンテンツの傾向を精度良く選択することができる。

〔１−３．エコシステムについて〕
ここで、選択装置１０は、配信コンテンツに関連して利用者Ｕ０１が行った行動に関する情報を、第１情報および第２情報として取得し、取得した第１情報および第２情報に基づいて、さらに利用者Ｕ０１に対して提供される配信コンテンツの傾向を選択してもよい。

例えば、ウェブサービスサーバ１００は、第１のサービスに関する第１情報として、利用者Ｕ０１に配信した配信コンテンツに関連して利用者Ｕ０１が行った行動に関する情報を収集する（ステップＳ１１）。例えば、選択装置１０は、配信コンテンツが楽曲である場合、配信コンテンツに関連する検索クエリの履歴、配信コンテンツの配信履歴や購入履歴、ＳＮＳ（Social Networking Service）等に投稿された配信コンテンツに関する各種のコメント、配信コンテンツに対する評価等といったウェブサービスを介して取得される情報を第１情報として取得する。

また、端末サービスサーバ２００は、第２のサービスに関する第２情報として、利用者Ｕ０１に配信した配信コンテンツに関連して利用者Ｕ０１が行った行動に関する情報を収集する（ステップＳ１２）。例えば、選択装置１０は、配信コンテンツの再生回数や再生履歴、配信コンテンツに関連する利用者端末４００の操作履歴等を第２情報として収集する。

このような場合、選択装置１０は、ステップＳ５〜Ｓ７に示したように、配信コンテンツに関連する第１情報および第２情報に基づいて、さらに利用者Ｕ０１に対して配信するコンテンツの傾向を選択する。この結果、選択装置１０は、利用者Ｕ０１の趣味趣向や、流行に沿った傾向を有するコンテンツの生成を実現することができる。

〔１−４．配信に伴うマネタイズについて〕
また、情報提供システム１は、配信コンテンツの配信に伴う各種のマネタイズを行ってもよい。例えば、情報提供システム１は、配信コンテンツの購入によって生じる報酬や、配信コンテンツとともに配信される広告の閲覧によって生じる報酬を、第１のサービスの提供者および第２のサービスの提供者に対して振り分けてもよい。また、情報提供システム１は、配信コンテンツを広告として配信することで、配信に伴って生じる報酬を各提供者に対して振り分けてもよい。また、情報提供システム１は、配信コンテンツとして広告の生成を行ってもよく、配信コンテンツを無料のコンテンツとして配信してもよい。

また、情報提供システム１は、配信コンテンツを第１のサービスまたは第２のサービスに関連するコンテンツとして配信してもよい。例えば、情報提供システム１は、音楽配信サイトや電子書籍配信サイト等、ウェブサービスにおいて配信されるコンテンツとして配信コンテンツの生成を行ってもよい。また、情報提供システム１は、利用者端末４００がレコーダ等である場合、自動録画の対象となる検索クエリの候補を配信コンテンツとして生成し、配信を行ってもよい。

すなわち、情報提供システム１は、第１のサービスに関する第１情報と、第２のサービスに関する第２情報とに基づいて、配信コンテンツの傾向を選択し、選択した傾向の配信コンテンツを生成する。また、情報提供システム１は、生成した配信コンテンツの配信に伴う報酬を第１のサービスおよび第２のサービスへ還元するとともに、配信コンテンツに関連して行われた利用者の行動に関する新たな第１情報および第２情報を取得する。そして、情報提供システム１は、新たに取得した第１情報および第２情報に基づいて、利用者Ｕ０１に対して新たに配信する配信コンテンツの傾向を選択する。このように、情報提供システム１は、複数のサービスを介して取得される第１情報および第２情報を起点としたエコシステムを構成することができる。この結果、情報提供システム１は、選択処理を含む情報提供処理を繰り返し実行することで、利用者Ｕ０１に対して提供する配信コンテンツの傾向の推定精度を向上させることができる。

〔１−５．傾向の学習について〕
ここで、選択装置１０は、第１情報の傾向および第２情報の傾向と、配信コンテンツの傾向との関係性を学習したモデルを生成し、生成したモデルを用いて、配信コンテンツの傾向を選択する。例えば、選択装置１０は、ＳＶＭ（Support Vector Machine）、連想記憶、ディープラーニング等、任意の学習技術を用いて、第１情報の傾向および第２情報の傾向と、配信コンテンツの傾向との関係性を学習したモデルを生成してよい。

例えば、選択装置１０は、第１情報および第２情報を入力した際に、それら第１情報および第２情報の組が取得される場合に配信コンテンツとして配信したいコンテンツの傾向を出力するように、バックプロパゲーション等の技術を用いて、ＤＮＮ（Deep Neural Network）やＣＮＮ（Convolutional Neural Network）が有するノード間の結合係数を順次修正する。このような処理の結果、選択装置１０は、第１情報の傾向と、第２情報の傾向と、それら第１情報および第２情報の組が取得される場合に配信コンテンツとして配信したいコンテンツの傾向との関係性をモデルに深層学習させることができる。

ここで、配信コンテンツとして配信したいコンテンツの傾向は、配信コンテンツの配信目的に応じて任意の傾向が採用可能である。すなわち、配信コンテンツとして配信したいコンテンツの傾向は、利用者Ｕ０１が興味を有する傾向の配信コンテンツを配信したいのか、流行する傾向の配信コンテンツを配信したいのか、話題となる配信コンテンツを配信したいのか等、配信コンテンツの配信目的に応じた任意の傾向が採用可能である。そして、選択装置１０は、配信コンテンツの配信目的に応じた任意の傾向と、第１情報および第２情報の傾向との関係性をモデルに深層学習させればよい。

また、選択装置１０は、第１情報の傾向、第２情報の傾向および配信コンテンツの傾向の関係性を深層学習したモデルを用いて、新たに取得した第１情報および第２情報から、配信コンテンツの傾向を特定し、特定した傾向を選択した傾向として出力する。このような処理の結果、選択装置１０は、第１情報の傾向および第２情報の傾向から、利用者Ｕ０１に配信したい配信コンテンツの傾向を精度よく取得することができる。

〔１−６．コンテンツの生成について〕
ここで、選択装置１０は、選択した傾向に従って、配信コンテンツの生成を行ってもよい。このような配信コンテンツの生成を行う場合、選択装置１０は、配信サーバ３００と同一のサーバ装置やクラウドシステム等により実現されることとなる。

例えば、選択装置１０は、配信コンテンツの生成を行う場合、第１情報または第２情報として、利用者Ｕ０１に対して提供される配信コンテンツと同種のコンテンツを含む情報を取得する。例えば、選択装置１０は、楽曲の生成を行う場合、利用者Ｕ０１に対して配信された楽曲や、利用者Ｕ０１が視聴した楽曲を第１情報や第２情報として取得する。このような場合、選択装置１０は、選択した傾向に従って、取得した楽曲のリズムや曲調等を変換することで、配信コンテンツとなる楽曲を生成してもよい。

ここで、選択装置１０は、ＤＮＮやＣＮＮを用いた選択処理を実行する場合、合わせてＤＮＮやＣＮＮを用いた配信コンテンツの生成を行ってもよい。例えば、選択装置１０は、第１情報や第２情報を入力した際に、それらの第１情報および第２情報が取得された際に利用者Ｕ０１へと配信したい配信コンテンツを出力するように、ＤＮＮやＣＮＮの学習を行う。ここで、ＤＮＮやＣＮＮに入力される情報には、配信コンテンツと同種のコンテンツが含まれていてもよく、含まれていなくともよい。

そして、選択装置１０は、生成したＤＮＮやＣＮＮに対して、取得した第１情報および第２情報を入力する。このような場合、上述した学習を行ったＤＮＮやＣＮＮは、入力された第１情報および第２情報が取得される場合に、利用者Ｕ０１に配信したいコンテンツを出力することとなる。そこで、選択装置１０は、ＤＮＮやＣＮＮが出力したコンテンツを配信コンテンツとして利用者Ｕ０１に配信する。

〔１−７．傾向について〕
ここで、選択装置１０は、任意の手法に基づいて、配信コンテンツの傾向を選択してもよく、任意の配信コンテンツの配信目的に応じて、配信コンテンツの傾向を選択してよい。例えば、選択装置１０は、第１情報の傾向と、第２情報の傾向とに基づいて、配信コンテンツの傾向を選択してもよい。より具体的な例を挙げると、選択装置１０は、利用者Ｕ０１が良く購入しているコンテンツの傾向（すなわち、第１情報の傾向）と、利用者Ｕ０１が良く視聴しているコンテンツの傾向（すなわち、第２情報の傾向）との共通性に基づいて、利用者Ｕ０１が興味を有すると推定されるコンテンツの傾向を特定し、特定した傾向を配信コンテンツの傾向としてもよい。

また、選択装置１０は、配信コンテンツの傾向として、利用者Ｕ０１が将来興味を有すると推定されるコンテンツの傾向を配信コンテンツの傾向として特定してもよい。また、選択装置１０は、第１情報および第２情報から、特定可能な複数の傾向を抽出し、抽出した傾向のうち、最も利用者Ｕ０１が興味を有する可能性が高い傾向を、配信コンテンツの傾向としてもよい。

また、選択装置１０は、利用者Ｕ０１の行動に関連する第１情報および第２情報から、利用者Ｕ０１に対して配信する配信コンテンツの傾向を選択してもよく、他の利用者の行動に関連する第１情報および第２情報から、利用者Ｕ０１に対して配信する配信コンテンツの傾向を選択してもよい。例えば、選択装置１０は、年齢や性別等といった属性情報が利用者Ｕ０１と共通する他の利用者の行動に関連する第１情報および第２情報から、利用者Ｕ０１に対して配信する配信コンテンツの傾向を選択してもよい。

また、選択装置１０は、不特定多数の利用者の第１情報および第２情報から、流行している又は将来流行すると推定される配信コンテンツの傾向を選択してもよい。すなわち、選択装置１０は、任意の利用者の第１情報および第２情報から、任意の目的で配信される配信コンテンツの傾向を選択してもよく、特定の利用者または任意の利用者に配信される配信コンテンツの傾向を選択して良い。

また、選択装置１０は、配信コンテンツそのものの傾向のみならず、配信コンテンツの提供タイミングや、提供態様等の傾向を選択してもよい。例えば、選択装置１０は、第１情報および第２情報から、利用者Ｕ０１がコンテンツを視聴するタイミングの傾向を特定し、特定した傾向に基づいて、配信コンテンツの提供タイミングをさらに選択してもよい。

〔１−８．配信目的について〕
ここで、選択装置１０は、任意の配信目的に応じた配信コンテンツの傾向を選択してよい。例えば、選択装置１０は、利用者Ｕ０１が興味を有している又は将来有すると推定される配信コンテンツの傾向や、流行している又は将来流行すると推定される配信コンテンツの傾向を選択してよい。また、選択装置１０は、配信コンテンツの配信先となる利用者のグループに応じて、配信コンテンツの傾向を選択してもよい。例えば、配信装置１０は、配信先となる利用者の年代や、配信先となる利用者のグループ、配信先となる利用者が属するコミュニティ等に応じて、利用者が興味を有すると推定される配信コンテンツの傾向を選択してもよい。すなわち、配信装置１０は、利用者ごと或いは利用者のクラスタごとに、配信コンテンツの傾向を推定してもよい。

また、選択装置１０は、利用者Ｕ０１が所望していると推定される配信コンテンツの傾向を選択してもよい。例えば、選択装置１０は、ＩｏＴ機器等の利用者端末４００が取得した情報と、ウェブ関連情報とに基づいて、利用者Ｕ０１が気に入るであろう楽曲の傾向を選択する。より具体的には、選択装置１０は、深層学習やＳＶＭ等の分類技術を用いて、利用者がある行動を行った場合に、どのような楽曲が好まれるかという傾向を特定する。

ここで、選択装置１０は、不特定多数の利用者がある行動を行った場合に、どのような楽曲が好んで選曲されていたかという一般的な傾向に基づいて、利用者Ｕ０１が好む楽曲の傾向を選択してもよく、利用者Ｕ０１がある行動を行った場合に、利用者Ｕ０１がどのような楽曲を好んで選曲していたかという個人的な傾向に基づいて、利用者Ｕ０１が好む楽曲の傾向を選択してもよい。そして、配信サーバ３００は、選択した傾向の楽曲を配信コンテンツとして、ＩｏＴ機器から出力することで、利用者Ｕ０１が所望するであろう楽曲を自動的に選曲することができる。

〔２．取得する情報と生成するコンテンツとの関係の一例〕
次に、図２〜図４を用いて、第１情報および第２情報から、配信コンテンツの傾向を選択し、選択した傾向の配信コンテンツを配信する処理の一例について説明する。なお、以下の説明では、選択装置１０が第１情報および第２情報から、第１情報の傾向および第２情報の傾向から配信コンテンツの傾向を選択し、選択した傾向を有する配信コンテンツを生成する処理の流れの一例について説明する。

〔２−１．楽曲を生成する処理の一例〕
まず、図２を用いて、楽曲を配信する処理の一例について説明する。図２は、実施形態に係る選択装置が配信する楽曲の傾向を選択する処理の一例を示す図である。例えば、選択装置１０は、図２中（Ａ）に示すように、検索履歴、閲覧履歴、広告利益等といったウェブサービスを介して取得される情報であるウェブ関連情報Ｃ１０を第１情報として取得する。また、選択装置１０は、図２中（Ａ）に示すように、利用者Ｕ０１が購入した楽曲のデータである楽曲データ、利用者Ｕ０１が再生した楽曲のデータである再生データ、楽曲を購入した利用者を示す購入者データ等といった利用者端末４００を介して取得される情報である端末関連情報Ｃ２０を第２情報として収集する。

このような場合、選択装置１０は、図２中（Ｂ）に示すように、ウェブ関連情報Ｃ１０および端末関連情報Ｃ２０に基づいて、配信コンテンツとなる楽曲の傾向を選択し、選択した傾向を有する楽曲を生成する。例えば、選択装置１０は、ウェブ関連情報Ｃ１０および端末関連情報Ｃ２０から、配信コンテンツである楽曲に対する利用者の傾向を推定する。そして、選択装置１０は、推定した傾向を有する楽曲を生成する。

例えば、選択装置１０は、ウェブ関連情報Ｃ１０の傾向や端末関連情報Ｃ２０の傾向から、配信コンテンツの配信先となる利用者が興味を有すると推定される楽曲の傾向を推定する。そして、選択装置１０は、端末関連情報Ｃ２０に含まれる楽曲データを編集することで、配信先となる利用者が興味を有すると推定される傾向の楽曲を生成する。

なお、選択装置１０は、既存の楽曲データを編集する処理以外にも、任意の楽曲生成技術により配信コンテンツとなる楽曲を生成してよい。例えば、選択装置１０は、端末関連情報Ｃ２０として楽曲データを取得した場合、楽曲データが示す楽曲を所定の単位に分割し、コード進行や変調、メロディライン、リズム等、楽曲が有する特徴の傾向を特定する。そして、選択装置１０は、特定した傾向の特徴を有する楽曲の生成や再構成を行うことで、配信コンテンツとなる楽曲の楽曲データを生成する。

例えば、選択装置１０は、所定のウェブ関連情報Ｃ１０や所定の端末関連情報Ｃ２０を入力した際に、その所定のウェブ関連情報Ｃ１０や所定の端末関連情報Ｃ２０が取得される場合に配信したい楽曲を出力するように、ＤＮＮやＣＮＮ等の深層学習をあらかじめ行っておく。すなわち、選択装置１０は、ウェブ関連情報Ｃ１０の傾向と、端末関連情報Ｃ２０の傾向と、配信コンテンツの傾向との関連性を深層学習したモデルを生成する。そして、選択装置１０は、生成したＤＮＮやＣＮＮに対し、新たに収集したウェブ関連情報Ｃ１０や端末関連情報Ｃ２０を入力することで、楽曲の生成を行ってもよい。

また、選択装置１０は、図２中（Ｃ）に示すように、生成した楽曲を利用者に配信する興行を行う。例えば、選択装置１０は、楽曲を無償提供若しくは有償提供し、楽曲の提供に伴う広告収入や販売に伴う収入を得る。また、選択装置１０は、楽曲の再生履歴等、楽曲に関する利用者の行動を取得する。そして、選択装置１０は、図２中（Ｄ）に示すように、新たに取得した利用者の行動を新たなウェブ関連情報Ｃ１０や端末関連情報Ｃ２０とし、新たな楽曲の生成を行う。

〔２−２．電子書籍を生成する処理の一例〕
次に、図３を用いて、電子書籍を配信する処理の一例について説明する。図３は、実施形態に係る選択装置が配信する電子書籍の傾向を選択する処理の一例を示す図である。例えば、選択装置１０は、図３中（Ａ）に示すように、ウェブサービスに関する情報として、電子書籍の購買データや、利用者が購買した電子書籍のデータ等を含むウェブ関連情報Ｃ１０を第１情報として取得する。また、選択装置１０は、図３中（Ａ）に示すように、端末関連情報Ｃ２０を第２情報として収集する。

このような場合、選択装置１０は、図３中（Ｂ）に示すように、ウェブ関連情報Ｃ１０および端末関連情報Ｃ２０に基づいて、配信コンテンツとなる電子書籍の傾向を選択し、選択した傾向を有する電子書籍を生成する。例えば、選択装置１０は、ウェブ関連情報Ｃ１０の傾向や端末関連情報Ｃ２０の傾向から、配信先となる利用者が興味を有すると推定される電子書籍の傾向を推定する。そして、選択装置１０は、端末関連情報Ｃ２０に含まれる書籍コンテンツを編集することで、配信先となる利用者が興味を有すると推定される傾向の電子書籍を生成する。

なお、選択装置１０は、任意の文章生成技術や画像生成技術を用いて、配信コンテンツとなる電子書籍を生成してよい。例えば、選択装置１０は、利用者が興味を有すると推定されるプロットやストーリーの傾向を推定し、推定したプロットやストーリーの小説やコミックを生成してもよい。より具体的には、選択装置１０は、枝分かれしたプロットをあらかじめ生成し、推定した傾向に応じて選択するプロットを変更することで、利用者が興味を有するプロットの作成を行ってもよい。

また、例えば、選択装置１０は、利用者が興味を有すると推定されるキャラクターやデザインの傾向を推定し、推定した傾向を反映させたキャラクターやストーリのコミックを生成してもよい。このような生成技術については、例えば、ＤＮＮやＣＮＮ等を用いたプロット、ストーリ、キャラクターの性格、デザイン等の深層学習と、文章生成技術や二次元画像若しくは三次元画像の生成技術の組み合わせにより実現可能である。

そして、選択装置１０は、図３中（Ｃ）に示すように、生成した電子書籍を無償提供若しくは有償提供し、電子書籍の提供に伴う広告収入や販売に伴う収入を得る。また、選択装置１０は、電子書籍の閲覧履歴等、電子書籍に関する利用者の行動を取得する。そして、選択装置１０は、図３中（Ｄ）に示すように、新たに取得した利用者の行動を新たなウェブ関連情報Ｃ１０や端末関連情報Ｃ２０とし、新たな電子書籍の生成を行う。

〔２−３．バズ情報を生成する処理の一例〕
次に、図４を用いて、所定の期間内における利用者からの興味が所定の閾値を超えたコンテンツ、すなわち、バズワード等のコンテンツを示すバズ情報を生成する処理の一例について説明する。図４は、実施形態に係る選択装置がバズ情報を生成する処理の一例を示す図である。例えば、選択装置１０は、図４中（Ａ）に示すように、検索履歴、閲覧履歴、利用者が閲覧した広告の履歴である広告履歴等を含むウェブ関連情報Ｃ１０を第１情報として取得する。また、例えば、選択装置１０は、図４中（Ａ）に示すように、レコーダに対して利用者が設定した録画予約の履歴である予約履歴、予約録画のために利用者が入力したキーワードである予約キーワード、録画された番組のうち再生された番組を示す再生履歴等を含む端末関連情報Ｃ２０を第２情報として収集する。

ここで、ウェブ関連情報Ｃ１０に含まれる検索履歴、閲覧履歴、広告履歴は、流行している単語や話題、すなわち、利用者が興味を有する対象を示す指標となりえる。また、端末関連情報Ｃ２０に含まれる予約キーワードや、予約対象となった番組に関連する情報も、利用者が興味を有する対象を示す指標となりえる。そこで、選択装置１０は、図４中（Ｂ）に示すように、ウェブ関連情報Ｃ１０および端末関連情報Ｃ２０に基づいて、流行に対する利用者の傾向を推定し、推定した傾向を示すバズ情報を生成する。

例えば、選択装置１０は、第１情報として、所定の期間内における利用者からの興味が所定の閾値を超えたコンテンツを示す情報を取得する。また、選択装置１０は、第１情報から、所定の期間内における利用者からの興味が所定の閾値を超えるコンテンツの傾向を選択する。そして、選択装置１０は、選択した傾向を示すコンテンツを、配信コンテンツとして生成する。

例えば、選択装置１０は、利用者の間で流行している話題や単語を紹介する内容の記事コンテンツを生成する。そして、選択装置１０は、図４中（Ｃ）に示すように、生成した記事コンテンツを無償提供若しくは有償提供し、記事コンテンツの提供に伴う広告収入や販売に伴う収入を得る。また、選択装置１０は、記事コンテンツの閲覧履歴等、配信した記事コンテンツに関する利用者の行動を取得し、図４中（Ｄ）に示すように、新たに取得した利用者の行動を新たなウェブ関連情報Ｃ１０や端末関連情報Ｃ２０とし、新たな記事コンテンツの生成を行う。

〔２−４．その他〕
なお、上述した例では、選択装置１０は、所定の種別のコンテンツに関連する第１情報および第２情報から、所定の種別のコンテンツに対する利用者の傾向を推定し、推定結果に従って、所定の種別のコンテンツを配信コンテンツとして生成した。例えば、選択装置１０楽曲に関連するデータから、楽曲に対する利用者の傾向を推定し、推定した傾向を有する楽曲を配信コンテンツとして生成した。しかしながら、実施形態は、これに限定されるものではない。

例えば、選択装置１０は、楽曲に関連する各種の第１情報および第２情報から、電子書籍に対する利用者の傾向を推定し、推定結果に従って、電子書籍の生成を行ってもよい。また、例えば、選択装置１０は、楽曲のみならず、電子書籍やバズ情報に関連する第１情報および第２情報から、楽曲に対する利用者の傾向を推定し、推定結果に従って、楽曲の生成を行ってもよい。すなわち、選択装置１０は、配信コンテンツと同じ種別のコンテンツに関連している第１情報および第２情報のみならず、配信コンテンツとは異なる種別のコンテンツと関連する第１情報および第２情報を用いてもよい。

また、選択装置１０は、第１情報と第２情報との関連性に基づいて、配信コンテンツの傾向を選択してもよい。例えば、選択装置１０は、不特定対数の利用者のゲームのプレイ履歴の傾向と、不特定対数の利用者のコンテンツの視聴履歴の傾向とから、所定のプレイ傾向を有する利用者が興味を有するコンテンツの傾向を特定する。そして、選択装置１０は、利用者Ｕ０１のゲームのプレイ履歴の傾向から、利用者Ｕ０１が興味を有するコンテンツの傾向を推定し、推定した傾向を配信コンテンツの傾向としてもよい。

〔３．選択装置の構成〕
以下、上記した選択処理を実現する選択装置１０が有する機能構成の一例について説明する。図５は、実施形態に係る選択装置の構成例を示す図である。なお、以下の説明では、第１情報としてウェブ関連情報を取得し、第２情報として、端末関連情報を取得する処理を実行する選択装置１０が有する機能構成の一例について説明する。

図５に示すように、選択装置１０は、通信部２０、記憶部３０、および制御部４０を有する。通信部２０は、例えば、ＮＩＣ（Network Interface Card）等によって実現される。そして、通信部２０は、ネットワークＮと有線または無線で接続され、ウェブサービスサーバ１００、端末サービスサーバ２００、配信サーバ３００、および利用者端末４００との間で情報の送受信を行う。

記憶部３０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。また、記憶部３０は、ウェブ関連情報データベース３１、端末関連情報データベース３２、およびモデルデータベース３３を記憶する。

ウェブ関連情報データベース３１には、第１情報として収集されたウェブ関連情報が登録されている。例えば、図６は、実施形態に係るウェブ関連情報データベースに登録される情報の一例を示す図である。例えば、ウェブ関連情報データベース３１には、「利用者ＩＤ（Identifier）」、「検索履歴」、「閲覧履歴」といった項目を有する情報が登録される。

「利用者ＩＤ」とは、利用者を識別するための情報である。また、「検索履歴」とは、対応付けられた「利用者ＩＤ」が識別する利用者が入力した検索クエリの履歴である。また、「閲覧履歴」とは、対応付けられた「利用者ＩＤ」が識別する利用者が閲覧したウェブコンテンツを履歴である。なお、ウェブ関連情報データベース３１には、図６に示す情報以外にも、ウェブサービスを介して取得可能な利用者の情報であれば、任意の情報をウェブ関連情報として登録することができるものとする。

例えば、図６に示す例では、利用者ＩＤ「利用者＃１」、検索履歴「検索履歴＃１」、閲覧履歴「閲覧履歴＃１」といった情報が登録されている。このような情報は、利用者ＩＤ「利用者＃１」により、検索履歴「検索履歴＃１」が示す検索クエリが入力され、閲覧履歴「閲覧履歴＃１」が示すウェブコンテンツが閲覧されている旨を示す。なお、図６に示す例では、「利用者＃１」、「検索履歴＃１」、「閲覧履歴＃１」といった概念的な値について記載したが、実際には、ウェブ関連情報データベース３１には、利用者を識別する文字列や、検索クエリとなる文字列、閲覧したウェブコンテンツのＵＲＬ（Uniform Resource Locator）等が登録されることとなる。

図５に戻り、説明を続ける。端末関連情報データベース３２には、第２情報として収集された端末関連情報が登録されている。例えば、図７は、実施形態に係る端末関連情報データベースに登録される情報の一例を示す図である。例えば、図７に示す例では、端末関連情報データベース３２には、「端末ＩＤ」、「利用者ＩＤ」、「端末種別」、および「端末データ」といった項目を有する情報が登録される。

ここで、「端末ＩＤ」とは、利用者端末４００を識別するための情報である。また、図７に示す「利用者ＩＤ」とは、対応付けられた「端末ＩＤ」が示す利用者端末４００を利用する利用者を識別する利用者ＩＤである。また、「端末種別」とは、対応付けられた「端末ＩＤ」が示す利用者端末４００の種別を示す情報である。また「端末データ」とは、対応付けられた「端末ＩＤ」が示す利用者端末４００を介して取得されたデータであり、例えば、利用者による操作履歴、各種コンテンツの再生履歴、ゲームのリプレイデータ、予約履歴、予約キーワード等、利用者端末４００を介して取得可能な任意のデータが適用される。

例えば、図７に示す例では、端末ＩＤ「端末＃１」、利用者ＩＤ「利用者＃１」、端末種別「携帯電話」、および端末データ「端末データ＃１」といった情報が対応付けて登録されている。このような情報は、端末ＩＤ「端末＃１」が識別する利用者端末４００が、利用者ＩＤ「利用者＃１」が示す利用者によって使用されており、端末の種別が端末種別「携帯電話」である旨を示す。また、このような情報は、端末ＩＤ「端末＃１」が識別する利用者端末４００を介して取得されたデータが端末データ「端末データ＃１」である旨を示す。なお、図７に示す例では、「端末＃１」、「端末データ＃１」といった概念的な値について記載したが、実際には、利用者端末４００を識別する文字列や、利用者端末４００から取得された各種のデータが端末関連情報データベース３２に登録されることとなる。

図５に戻り、説明を続ける。モデルデータベース３３は、第１情報の傾向および第２情報の傾向と、配信コンテンツの傾向との関係性を学習したモデルが登録されている。例えば、モデルデータベース３３には、後述する学習部４５により、第１情報の傾向および第２情報の傾向と、配信コンテンツの傾向との関係性が深層学習されたＤＮＮやＣＮＮのデータが登録されている。

制御部４０は、コントローラ（controller）であり、例えば、ＣＰＵ（Central Processing Unit）、ＭＰＵ（Micro Processing Unit）等のプロセッサによって、選択装置１０内部の記憶装置に記憶されている各種プログラムがＲＡＭ等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４０は、コントローラ（controller）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てもよい。

図４に示すように、制御部４０は、取得部４１、選択部４２、提案部４３、および学習部４４を有する。取得部４１は、第１のサービスを介して取得された利用者の行動に関する情報である第１情報と、第２のサービスを介して取得された利用者の行動に関する情報である第２情報とを取得する。

例えば、取得部４１は、第１情報として、ウェブ上で提供されるサービスを介して取得された利用者の行動に関する情報、すなわち、ウェブ関連情報をウェブサービスサーバ１００から取得する。また、取得部４１は、第２情報として、利用者端末４００等、利用者Ｕ０１が使用するハードウェアを介して取得された情報であって、利用者Ｕ０１の行動に関する情報を端末サービスサーバ２００から取得する。

より具体的には、取得部４１は、第１情報として、利用者Ｕ０１に対して配信されたコンテンツの履歴、コンテンツの閲覧履歴、検索クエリの履歴、利用者に対して配信された広告の履歴、電子商取引に関する履歴、または利用者の位置履歴の少なくともいずれか１つを含む情報を取得する。また、取得部４１は、第２情報として、利用者端末４００等のハードウェアの利用履歴、ハードウェアの操作履歴またはハードウェアに対して利用者Ｕ０１が入力したキーワードの少なくともいずれか１つを含む情報を取得する。

なお、取得部４１は、第１情報または第２情報として、利用者Ｕ０１に対して配信されるコンテンツと同種のコンテンツを含む情報を取得してもよい。例えば、取得部４１は、楽曲等の音声を配信コンテンツとして配信する場合には、第１情報や第２情報として、利用者Ｕ０１に配信された音声を含む情報を取得してもよい。また、取得部４１は、電子書籍を配信コンテンツとして配信する場合には、第１情報として、利用者Ｕ０１に配信された電子書籍の情報を含む情報を取得してもよい。

また、取得部４１は、第１情報または第２情報として、所定の期間内における利用者Ｕ０１からの興味が所定の閾値を超えたコンテンツを示す情報を取得してもよい。例えば、取得部４１は、第１情報として、バズワードを示す検索履歴や閲覧履歴を取得してもよく、第２情報として、利用者Ｕ０１が入力した予約キーワード等が含まれる情報を取得してもよい。そして、取得部４１は、取得したウェブ関連情報をウェブ関連情報データベース３１に登録し、端末関連情報を端末関連情報データベース３２に登録する。

なお、取得部４１は、配信サーバ３００によって配信された配信コンテンツに関連して利用者Ｕ０１が行った行動に関する情報を第１情報または第２情報として取得してもよい。例えば、取得部４１は、第１のサービスを介して取得された利用者の行動に関する情報であって、配信コンテンツに関連して利用者Ｕ０１が行った行動に関する情報を第１情報として取得してもよい。また、例えば、取得部４１は、第２のサービスを介して取得された利用者Ｕ０１の行動に関する情報であって、配信コンテンツに関連して利用者Ｕ０１が行った行動に関する情報を第２情報として取得してもよい。

選択部４２は、第１情報と第２情報とに基づいて、利用者Ｕ０１に対して提供されるコンテンツの傾向を選択する。具体的には、選択部４２は、第１情報の傾向と、第２情報の傾向とに基づいて、利用者Ｕ０１に対して提供される配信コンテンツの傾向を選択する。例えば、選択部４２は、第１情報と第２情報とに基づいて、利用者Ｕ０１が興味を有するコンテンツの傾向を推定し、推定結果に基づいて、配信コンテンツの傾向を選択する。

なお、選択部４２は、第１情報と第２情報とに基づいて、利用者Ｕ０１が将来興味を有すると推定されるコンテンツの傾向や、将来流行すると推定されるコンテンツの傾向等、配信コンテンツの配信目的に応じた傾向を推定し、推定結果に基づいて、配信コンテンツの傾向を選択してもよい。また、選択部４２は、第１情報や第２情報から、所定の期間内における利用者からの興味が所定の閾値を超えるコンテンツの傾向を推定し、推定した傾向を配信コンテンツの傾向として選択してもよい。

例えば、選択部４２は、ウェブ関連情報データベース３１からウェブ関連情報を読出し、端末関連情報データベース３２から端末関連情報を読み出す。また、選択部４２は、モデルデータベース３３から、学習部４４によって学習が行われたモデル、すなわち、第１情報の傾向と第２情報の傾向と、配信コンテンツの配信目的に応じた配信コンテンツの傾向との関係性を深層学習したモデルを読み出す。そして、選択部４２は、読み出したモデルを用いて、第１情報と第２情報とから、利用者Ｕ０１に対して提供される配信コンテンツの傾向を選択する。

提案部４３は、選択部４２によって選択された配信コンテンツの傾向を配信サーバ３００に対して提案する。例えば、提案部４３は、選択部４２が第１情報および第２情報から選択した配信コンテンツの傾向と、配信コンテンツの傾向を選択する際に用いた第１情報および第２情報を配信サーバ３００に対して出力する。

学習部４４は、第１情報の傾向と第２情報の傾向と、配信コンテンツの配信目的に応じた配信コンテンツの傾向との関係性をモデルに学習させる。例えば、学習部４４は、第１情報と第２情報とを取得する。続いて、学習部４４は、取得した第１情報と第２情報とが取得される際に、利用者Ｕ０１に対して提供したい配信コンテンツの傾向を示す情報を、情報提供サービスの提供や管理を行う管理者から受付ける。すなわち、学習部４４は、配信コンテンツを配信する目的に応じた傾向であって、取得した第１情報と第２情報とが取得される際に、利用者Ｕ０１に対して提供したい配信コンテンツの傾向を示す情報を受付ける。

そして、学習部４４は、取得した第１情報と第２情報とを入力した際に、管理者から受付けた情報を出力するように、ＤＮＮやＣＮＮの深層学習を行う。この結果、学習部４４は、第１情報の傾向と、第２情報の傾向と、配信コンテンツの配信目的に応じた配信コンテンツの傾向との関係性をモデルに深層学習させることができる。そして、学習部４４は、学習を行ったモデルデータベース３３に登録する。

〔４．配信サーバの構成〕
次に、配信コンテンツを生成する配信サーバ３００が有する機能構成の一例について説明する。図８は、実施形態に係る配信サーバの構成例を示す図である。図８に示すように、配信サーバ３００は、通信部３２０、記憶部３３０、および制御部３４０を有する。通信部３２０は、例えば、ＮＩＣ等によって実現される。そして、通信部３２０は、ネットワークＮと有線または無線で接続され、選択装置１０や利用者端末４００等との間で情報の送受信を行う。

記憶部３０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。また、記憶部３０は、生成モデルデータベース３３１を記憶する。

生成モデルデータベース３３１には、配信コンテンツを生成するための生成モデルが登録されている。例えば、生成モデルデータベース３３１には、第１情報や第２情報と、選択装置１０が選択した配信コンテンツの傾向を示す情報とを入力した際に、選択装置１０が選択した傾向を有する配信コンテンツを出力するように深層学習が行われたＤＮＮやＣＮＮ等の生成モデルが登録されている。なお、選択装置１０と配信サーバ３００とが同一の装置により実現される場合、生成モデルデータベース３３１には、第１情報と第２情報とが入力されると、その第１情報と第２情報とが取得される際に利用者Ｕ０１に対して提供したい傾向を有する配信コンテンツを出力するように深層学習が行われた生成モデルが登録されてもよい。

図８に戻り、説明を続ける。制御部３４０は、コントローラであり、例えば、ＣＰＵ、ＭＰＵ等のプロセッサによって、配信サーバ３００内部の記憶装置に記憶されている各種プログラムがＲＡＭ等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４０は、コントローラであり、例えば、ＡＳＩＣやＦＰＧＡ等の集積回路により実現されてもよい。

図８に示すように、制御部３４０は、受付部３４１、生成部３４２、および振分部３４３を有する。受付部３４１は、選択装置１０から、第１情報および第２情報と、配信コンテンツの傾向を示す情報とを受付ける。

生成部３４２は、選択装置１０が選択した傾向に従って、配信コンテンツを生成する。例えば、生成部３４２は、第１情報または第２情報に含まれるコンテンツから、選択装置１０が選択した傾向に従って、配信コンテンツの生成を行う。より具体的な例を挙げると、生成部３４２は、生成モデルデータベース３３１から生成モデルを読出し、第１情報および第２情報と、配信コンテンツの傾向を示す情報とを生成モデルに入力する。そして、生成部３４２は、生成モデルが生成した配信コンテンツを、利用者端末４００等に送信することで、配信コンテンツを利用者Ｕ０１へと提供する。

なお、生成部３４２は、第１情報や第２情報に含まれるコンテンツを、選択装置１０が選択した傾向に応じて修正することで、配信コンテンツの生成を行ってもよい。例えば、生成部３４２は、選択装置１０が選択した傾向に従って第２情報に含まれる音声を編集した音声を、配信コンテンツとして生成してもよい。また、生成部３４２は、第１情報に含まれる電子書籍から、選択装置１０が選択した傾向に従う電子書籍を、配信コンテンツとして生成してもよい。また、生成部３４２は、配信コンテンツがバズ情報である場合、選択装置１０が選択した傾向を示す配信コンテンツを生成してもよい。

振分部３４３は、配信コンテンツの配信に伴う報酬を、第１のサービスを提供する提供者および第２のサービスを提供する提供者に対して振り分ける。例えば、振分部３４３は、配信コンテンツが無料提供されている場合、配信コンテンツの提供に関連して閲覧された広告の配信に伴う収入を、各提供者に対して振り分ける。また、振分部３４３は、配信コンテンツが有料提供されている場合、配信コンテンツの購入等に伴う収入を、各提供者に対して振り分ける。

〔５．選択処理の流れの一例〕
次に、図９を用いて、選択処理を含む情報提供処理の流れの一例について説明する。図９は、実施形態に係る情報選択システムが実行する情報提供処理の流れの一例を示すフローチャートである。

例えば、選択装置１０は、第１のサービスに関する情報として、ウェブ関連情報を取得する（ステップＳ１０１）。また、選択装置１０は、第２のサービスに関する情報として、端末関連情報を取得する（ステップＳ１０２）。そして、選択装置１０は、各情報に基づいて、配信コンテンツの配信目的に応じた傾向を選択する（ステップＳ１０３）。そして、配信サーバ３００は、選択した傾向を有する配信コンテンツを生成し（ステップＳ１０４）、生成した配信コンテンツを利用者Ｕ０１に対して提供する（ステップＳ１０５）。

〔６．変形例〕
上記では、選択装置１０による選択処理の一例について説明した。しかしながら、実施形態は、これに限定されるものではない。以下、選択装置１０が実行する選択処理のバリエーションについて説明する。

〔６−１．情報提供処理において用いられる手法について〕
上述した説明では、選択装置１０は、ＤＮＮやＣＮＮ等の深層学習に関する技術を用いて、配信コンテンツの傾向を選択した。しかしながら、実施形態は、これに限定されるものではない。例えば、選択装置１０は、深層学習以外にも、深層強化学習、情報検索、情報分類、自然言語処理、異常値検知、音声処理、画像処理、行動認識、生体認識、ライフサイエンス等、任意の情報処理技術を用いて、配信コンテンツの傾向を、配信コンテンツを配信する目的に応じて選択してよい。

また、配信サーバ３００は、深層学習に関する技術以外にも、ＡＲ（Augmented Reality）やＶＲ（Virtual Reality）の技術を用いて、配信コンテンツの生成を行ってもよい。例えば、配信サーバ３００は、利用者端末４００がＡＲやＶＲを表示するための表示機能を有する場合、ＡＲやＶＲとして表示される配信コンテンツの生成を行ってもよい。

〔６−２．選択装置が用いる情報について〕
ここで、情報提供システム１は、第１のサービスと、第１のサービスとは異なる第２のサービスとを介した情報をそれぞれ取得するのであれば、任意のサービスを第１のサービスおよび第２のサービスとして採用してよい。例えば、情報提供システム１は、ウェブサービス、各種のエンターテイメントコンテンツの管理システム、金融システム等、任意のシステムを第１のサービスおよび第２のサービスとしてもよい。

また、同種のサービスであっても、各サービスを介して利用者から取得可能な情報は、それぞれ異なると予測される。そこで、情報提供システム１は、第１のサービス、および、第１のサービスと同種の第２のサービスを介した情報をそれぞれ第１情報および第２情報として取得してもよい。また、情報提供システム１は、第１情報および第２情報として、各サービス間で共通する利用者の行動に関する情報を取得してもよく、各サービス間で共通しない利用者の行動に関する情報を取得してもよい。すなわち、情報提供システム１は、異なる情報が含まれているのであれば、任意のシステムを第１のサービスおよび第２のサービスとしてもよい。

ここで、選択装置１０は、第１のサービスおよび第２のサービスとは異なる第３のサービスを介して取得可能な情報をさらに用いて、配信コンテンツの傾向を選択してもよい。例えば、選択装置１０は、公共サービスを介して取得可能な情報をさらに用いて、配信コンテンツの傾向を選択してもよい。

より具体的な例を挙げると、選択装置１０は、ウェブ関連情報と、端末関連情報と共に、放置自転車の分布、区画整理に関する情報、交通量調査の結果、駐輪場や駐車場の時間別利用率等といった公共サービスに関連する情報を第３情報として取得する。そして、選択装置１０は、ウェブ関連情報と、端末関連情報と、公共サービスに関連する情報との傾向に基づいて、利用者に対して配信する配信コンテンツの傾向を選択してもよい。

〔６−３．装置構成〕
なお、図１に示す例では、選択装置１０は、選択処理を実行するバックエンドサーバとして動作し、配信サーバ３００が、配信コンテンツの生成や配信を行うフロントエンドサーバとして動作した。しかしながら、実施形態は、これに限定されるものではない。例えば、選択装置１０と配信サーバ３００とは、同一のサーバ装置またはクラウドシステム等により実現されてもよい。また、選択装置１０と配信サーバ３００とは、選択処理と、選択された傾向に応じた配信コンテンツを生成する生成処理とを実行するバックエンドサーバ、および、バックエンドサーバが生成した配信コンテンツを配信するフロントエンドサーバとが協調して動作することで、実現されてもよい。

〔６−４．その他〕
また、上記実施形態において説明した各処理のうち、自動的に行われるものとして説明した処理の全部または一部を手動的に行うこともでき、あるいは、手動的に行われるものとして説明した処理の全部または一部を公知の方法で自動的に行うこともできる。この他、上記文書中や図面中で示した処理手順、具体的名称、各種のデータやパラメータを含む情報については、特記する場合を除いて任意に変更することができる。例えば、各図に示した各種情報は、図示した情報に限られない。

また、図示した各装置の各構成要素は機能概念的なものであり、必ずしも物理的に図示の如く構成されていることを要しない。すなわち、各装置の分散・統合の具体的形態は図示のものに限られず、その全部または一部を、各種の負荷や使用状況などに応じて、任意の単位で機能的または物理的に分散・統合して構成することができる。また、上記してきた各実施形態は、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。

〔７．プログラム〕
また、上述してきた実施形態に係る選択装置１０や配信サーバ３００は、例えば図１０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１０は、ハードウェア構成の一例を示す図である。コンピュータ１０００は、出力装置１０１０、入力装置１０２０と接続され、演算装置１０３０、一次記憶装置１０４０、二次記憶装置１０５０、出力ＩＦ（Interface）１０６０、入力ＩＦ１０７０、ネットワークＩＦ１０８０がバス１０９０により接続された形態を有する。

演算装置１０３０は、一次記憶装置１０４０や二次記憶装置１０５０に格納されたプログラムや入力装置１０２０から読み出したプログラム等に基づいて動作し、各種の処理を実行する。一次記憶装置１０４０は、ＲＡＭ等、演算装置１０３０が各種の演算に用いるデータを一次的に記憶するメモリ装置である。また、二次記憶装置１０５０は、演算装置１０３０が各種の演算に用いるデータや、各種のデータベースが登録される記憶装置であり、ＲＯＭ(Read Only Memory)、ＨＤＤ、フラッシュメモリ等により実現される。

出力ＩＦ１０６０は、モニタやプリンタといった各種の情報を出力する出力装置１０１０に対し、出力対象となる情報を送信するためのインタフェースであり、例えば、ＵＳＢ（Universal Serial Bus）やＤＶＩ（Digital Visual Interface）、ＨＤＭＩ（登録商標）（High Definition Multimedia Interface）といった規格のコネクタにより実現される。また、入力ＩＦ１０７０は、マウス、キーボード、およびスキャナ等といった各種の入力装置１０２０から情報を受信するためのインタフェースであり、例えば、ＵＳＢ等により実現される。

なお、入力装置１０２０は、例えば、ＣＤ（Compact Disc）、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から情報を読み出す装置であってもよい。また、入力装置１０２０は、ＵＳＢメモリ等の外付け記憶媒体であってもよい。

ネットワークＩＦ１０８０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演算装置１０３０へ送り、また、ネットワークＮを介して演算装置１０３０が生成したデータを他の機器へ送信する。

演算装置１０３０は、出力ＩＦ１０６０や入力ＩＦ１０７０を介して、出力装置１０１０や入力装置１０２０の制御を行う。例えば、演算装置１０３０は、入力装置１０２０や二次記憶装置１０５０からプログラムを一次記憶装置１０４０上にロードし、ロードしたプログラムを実行する。

例えば、コンピュータ１０００が選択装置１０として機能する場合、コンピュータ１０００の演算装置１０３０は、一次記憶装置１０４０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４０の機能を実現する。また、コンピュータ１０００が配信サーバ３００として機能する場合、コンピュータ１０００の演算装置１０３０は、一次記憶装置１０４０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３４０の機能を実現する。

〔８．効果〕
上述したように、上述したように、選択装置１０は、第１のサービスを介して取得された利用者の行動に関する情報である第１情報と、第２のサービスを介して取得された利用者の行動に関する情報である第２情報とを取得する。そして、選択装置１０は、第１情報と第２情報とに基づいて、配信コンテンツの傾向を選択する。このように、選択装置１０は、単一のサービスを介して取得された情報のみならず、異なるサービスを介して取得された情報に基づいて、配信コンテンツの傾向を選択する。この結果、選択装置１０は、例えば、利用者が興味を有するコンテンツの傾向を推定する精度を向上させることができる。

また、選択装置１０は、第１のサービスを介して取得された利用者の行動に関する情報であって、配信コンテンツに関連して利用者が行った行動に関する情報を第１情報として取得し、第２のサービスを介して取得された利用者の行動に関する情報であって、配信コンテンツに関連して利用者が行った行動に関する情報を第２情報として取得する。このため、選択装置１０は、配信コンテンツに関連して利用者が行った行動に関する情報に基づいて、新たな配信コンテンツの傾向を選択するので、利用者が興味を有するコンテンツの傾向を推定する精度をさらに向上させることができる。

また、選択装置１０は、第１情報として、ウェブ上で提供されるサービスを介して取得された利用者の行動に関する情報、すなわち、ウェブ関連情報Ｃ１０を取得し、第２情報として、利用者が使用する利用者端末４００を介して取得されたその利用者の行動に関する情報、すなわち、端末関連情報Ｃ２０を取得する。このように、選択装置１０は、ウェブ上で取得される情報と、端末上で取得される情報とに基づいて、配信コンテンツの傾向を選択するので、利用者が興味を有するコンテンツの傾向を推定する精度をさらに向上させることができる。

また、選択装置１０は、第１情報として、利用者に対して配信されたコンテンツの履歴、コンテンツの閲覧履歴、検索クエリの履歴、利用者に対して配信された広告の履歴、電子商取引に関する履歴、または利用者の位置履歴の少なくともいずれか１つを含む情報を取得する。また、選択装置１０は、第２情報として、利用者端末４００の利用履歴、利用者端末４００の操作履歴または利用者端末４００に対して利用者が入力したキーワードの少なくともいずれか１つを含む情報を取得する。このため、選択装置１０は、様々な観点から配信コンテンツの傾向を選択することができる。

また、選択装置１０は、第１情報の傾向と、第２情報の傾向とに基づいて、配信コンテンツの傾向を選択する。また、他の例では、選択装置１０は、第１情報と第２情報との関連性の傾向に基づいて、配信コンテンツの傾向を選択する。また、選択装置１０は、第１情報と第２情報とに基づいて、利用者が興味を有するコンテンツの傾向を推定し、推定結果に基づいて、その配信コンテンツの傾向を選択する。また、選択装置１０は、第１情報と第２情報とに基づいて、利用者が将来興味を有すると推定されるコンテンツの傾向を推定し、推定結果に基づいて、その配信コンテンツの傾向を選択する。このように、選択装置１０は、各情報の関連性や傾向の関連性等に基づいて、配信コンテンツの傾向を選択するので、利用者が興味を有すると推定されるコンテンツの傾向を配信コンテンツの傾向に反映させることができる。

また、配信サーバ３００は、選択装置１０が選択した傾向に従って、配信コンテンツを生成する。例えば、選択装置１０は、第１情報または第２情報として、利用者に対して配信されるコンテンツと同種のコンテンツを含む情報を取得する。そして、配信サーバ３００は、第１情報または第２情報に含まれるコンテンツから、選択装置１０が選択した傾向に従って、配信コンテンツを生成する。

より具体的な例を挙げると、選択装置１０は、第２情報として、利用者に配信される音声を含む情報を取得する。そして、配信サーバ３００は、選択装置１０が選択した傾向に従って第２情報に含まれる音声を編集した音声を、配信コンテンツとして生成する。また、他の例では、選択装置１０は、第１情報として、利用者に配信された書籍の情報を含む情報を取得する。そして、配信サーバ３００は、第１情報に含まれる書籍の情報から、選択部が選択した傾向に従う書籍の情報を、配信コンテンツとして生成する。また、他の例では、選択装置１０は、第１情報または第２情報として、所定の期間内における利用者からの興味が所定の閾値を超えたコンテンツを示す情報を取得し、第１情報または第２情報から、所定の期間内における利用者からの興味が所定の閾値を超えるコンテンツの傾向を選択する。そして、配信サーバ３００は、選択装置１０が選択した傾向を示すコンテンツを、配信コンテンツとして生成する。

このように、選択装置１０および配信サーバ３００は、様々な情報に基づいて配信コンテンツの傾向を選択し、様々な生成手法に基づいて選択した傾向のコンテンツを配信コンテンツとして生成する。このため、選択装置１０および配信サーバ３００は、例えば、利用者が興味を有すると推定される配信コンテンツの提供を実現できる。

また、選択装置１０は、第１情報の傾向と、第２情報の傾向と、コンテンツの配信目的に応じたそのコンテンツの傾向との関係性を深層学習したモデルを用いて、第１情報と第２情報とから、配信コンテンツの傾向を選択する。このため、選択装置１０は、利用者が興味を有すると推定される配信コンテンツの傾向を精度よく選択できる。

また、配信サーバ３００は、選択装置１０の選択に基づいて生成された配信コンテンツの配信に伴う報酬を、第１のサービスを提供する提供者および第２のサービスを提供する提供者に対して振り分ける。このため、配信サーバ３００は、例えば、第１情報および第２情報を提供する提供者であって、経済的或いは社会的に異なる提供者に対して、配信コンテンツの配信に伴う報酬を平等に振り分けることができる。

以上、本願の実施形態のいくつかを図面に基づいて詳細に説明したが、これらは例示であり、発明の開示の欄に記載の態様を始めとして、当業者の知識に基づいて種々の変形、改良を施した他の形態で本発明を実施することが可能である。

また、上記してきた「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、配信部は、配信手段や配信回路に読み替えることができる。

１０ 選択装置
２０、３２０ 通信部
３０、３３０ 記憶部
３１ ウェブ関連情報データベース
３２ 端末関連情報データベース
３３ モデルデータベース
４０、３４０ 制御部
４１ 取得部
４２ 選択部
４３ 提案部
４４ 学習部
１００ ウェブサービスサーバ
２００ 端末サービスサーバ
３００ 配信サーバ
３３１ 生成モデルデータベース
３４１ 受付部
３４２ 生成部
３４３ 振分部
４００ 利用者端末

Claims (18)

1. 第１のサービスを介して取得された利用者の行動に関する情報である第１情報と、第２のサービスを介して取得された利用者の行動に関する情報である第２情報とを取得する取得部と、
   前記第１情報と前記第２情報とに基づいて、利用者に対して提供されるコンテンツの傾向を選択する選択部と
   を有することを特徴とする選択装置。
2. 前記取得部は、前記第１のサービスを介して取得された利用者の行動に関する情報であって、前記選択部による選択に基づいて生成されたコンテンツに関連して前記利用者が行った行動に関する情報を前記第１情報として取得し、前記第２のサービスを介して取得された利用者の行動に関する情報であって、前記選択部による選択に基づいて生成されたコンテンツに関連して前記利用者が行った行動に関する情報を前記第２情報として取得する
   ことを特徴とする請求項１に記載の選択装置。
3. 前記取得部は、前記第１情報として、ウェブ上で提供されるサービスを介して取得された利用者の行動に関する情報を取得し、前記第２情報として、利用者が使用するハードウェアを介して取得された当該利用者の行動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２に記載の選択装置。
4. 前記取得部は、前記第１情報として、利用者に対して配信されたコンテンツの履歴、コンテンツの閲覧履歴、検索クエリの履歴、利用者に対して配信された広告の履歴、電子商取引に関する履歴、または利用者の位置履歴の少なくともいずれか１つを含む情報を取得する
   ことを特徴とする請求項３に記載の選択装置。
5. 前記取得部は、前記第２情報として、前記ハードウェアの利用履歴、前記ハードウェアの操作履歴または前記ハードウェアに対して前記利用者が入力したキーワードの少なくともいずれか１つを含む情報を取得する
   ことを特徴とする請求項３または４に記載の選択装置。
6. 前記選択部は、前記第１情報の傾向と、前記第２情報の傾向とに基づいて、前記利用者に対して提供されるコンテンツの傾向を選択する
   ことを特徴とする請求項１〜５のうちいずれか１つに記載の選択装置。
7. 前記選択部は、前記第１情報と前記第２情報との関連性の傾向に基づいて、前記利用者に対して提供されるコンテンツの傾向を選択する
   ことを特徴とする請求項１〜６のうちいずれか１つに記載の選択装置。
8. 前記選択部は、前記第１情報と前記第２情報とに基づいて、前記利用者が興味を有するコンテンツの傾向を推定し、推定結果に基づいて、当該利用者に対して提供されるコンテンツの傾向を選択する
   ことを特徴とする請求項１〜７のうちいずれか１つに記載の選択装置。
9. 前記選択部は、前記第１情報と前記第２情報とに基づいて、前記利用者が将来興味を有すると推定されるコンテンツの傾向を推定し、推定結果に基づいて、当該利用者に対して提供されるコンテンツの傾向を選択する
   ことを特徴とする請求項８に記載の選択装置。
10. 前記選択部が選択した傾向に従って、前記利用者に対して提供されるコンテンツを生成する生成部
    を有することを特徴とする請求項１〜９のうちいずれか１つに記載の選択装置。
11. 前記取得部は、前記第１情報または前記第２情報として、利用者に対して配信されるコンテンツと同種のコンテンツを含む情報を取得し、
    前記生成部は、前記第１情報または前記第２情報に含まれるコンテンツから、前記選択部が選択した傾向に従って、前記利用者に対して提供されるコンテンツを生成する
    ことを特徴とする請求項１０に記載の選択装置。
12. 前記取得部は、前記第２情報として、前記利用者に配信される音声を含む情報を取得し、
    前記生成部は、前記選択部が選択した傾向に従って前記第２情報に含まれる音声を編集した音声を、前記利用者に対して提供されるコンテンツとして生成する
    ことを特徴とする請求項１０に記載の選択装置。
13. 前記取得部は、前記第１情報として、前記利用者に配信された書籍の情報を含む情報を取得し、
    前記生成部は、前記第１情報に含まれる書籍の情報から、前記選択部が選択した傾向に従う書籍の情報を、前記利用者に対して提供されるコンテンツとして生成する
    ことを特徴とする請求項１０に記載の選択装置。
14. 前記取得部は、前記第１情報または前記第２情報として、所定の期間内における利用者からの興味が所定の閾値を超えたコンテンツを示す情報を取得し、
    前記選択部は、前記第１情報から、所定の期間内における利用者からの興味が所定の閾値を超えるコンテンツの傾向を選択し、
    前記生成部は、前記選択部が選択した傾向を示すコンテンツを、前記利用者に対して提供されるコンテンツとして生成する
    ことを特徴とする請求項１０に記載の選択装置。
15. 前記選択部は、前記第１情報の傾向と、前記第２情報の傾向と、前記コンテンツの配信目的に応じた当該コンテンツの傾向との関係性を深層学習したモデルを用いて、前記取得部により取得された前記第１情報と前記第２情報とから、前記利用者に対して提供されるコンテンツの傾向を選択する
    ことを特徴とする請求項１〜１４のうちいずれか１つに記載の選択装置。
16. 前記選択部による選択に基づいて生成されたコンテンツの配信に伴う報酬を、前記第１のサービスを提供する提供者および前記第２のサービスを提供する提供者に対して振り分ける振分部
    を有することを特徴とする請求項１〜１５のうちいずれか１つに記載の選択装置。
17. 選択装置が実行する選択方法であって、
    第１のサービスを介して取得された利用者の行動に関する情報である第１情報と、第２のサービスを介して取得された利用者の行動に関する情報である第２情報とを取得する取得工程と、
    前記第１情報と前記第２情報とに基づいて、利用者に対して提供されるコンテンツの傾向を選択する選択工程と
    を含むことを特徴とする選択方法。
18. コンピュータに、
    第１のサービスを介して取得された利用者の行動に関する情報である第１情報と、第２のサービスを介して取得された利用者の行動に関する情報である第２情報とを取得する取得手順と、
    前記第１情報と前記第２情報とに基づいて、利用者に対して提供されるコンテンツの傾向を選択する選択手順と
    を実行させるための選択プログラム。

Images