JP2018156369A - 情報処理システム、情報処理方法、およびプログラム - Google Patents

Abstract

【課題】コンテンツの内容が関係する地域を容易に特定することができる情報処理システム、情報処理方法、およびプログラムを提供すること。【解決手段】コンテンツの内容に関する第１情報を取得する第１取得部と、前記コンテンツにアクセスしたユーザの位置に関する第２情報を取得する第２取得部と、前記第１取得部により取得された前記第１情報と、前記第２取得部により取得された前記第２情報とに基づき、前記コンテンツの内容に含まれる要素と前記ユーザが位置した特定地域とを関係付けた第３情報を導出する導出部と、を備える情報処理システム。【選択図】図１

Description

本発明は、情報処理システム、情報処理方法、およびプログラムに関する。

地名と特定位置とを結び付ける辞書データを参照することで、地名に対応する特定位置を取得する情報処理システムが提案されている（特許文献１参照）。

特開２０１４−９６１２１号公報

ところで、ローカルな話題に関するコンテンツは、その話題が関係する特定地域のユーザには有用であるが、その他の地域のユーザには不要な場合がある。そのため、ローカルな話題に関するコンテンツを配信する場合、コンテンツの内容が関係する地域を予め特定することが好ましい。

しかしながら、コンテンツの内容が関係する地域を特定するためには、コンテンツに含まれる地名と特定地域とを結び付ける辞書データが必要になる。このような辞書データは、人手によって作成され、定期的なメンテナンスが必要になる。このため、コンテンツの内容が関係する地域を特定するシステムを準備するためには、大きな作業負担を伴う場合があった。

本発明は、このような事情を考慮してなされたものであり、コンテンツの内容が関係する地域を容易に特定することができる情報処理システム、情報処理方法、およびプログラムを提供することを目的の一つとする。

本発明の一態様は、コンテンツの内容に関する第１情報を取得する第１取得部と、前記コンテンツにアクセスしたユーザの位置に関する第２情報を取得する第２取得部と、前記第１取得部により取得された前記第１情報と、前記第２取得部により取得された前記第２情報とに基づき、前記コンテンツの内容に含まれる要素と特定地域とを関係付ける第３情報を導出する導出部と、を備える情報処理システムである。

本発明の一態様によれば、コンテンツの内容が関係する地域を容易に特定することができる。

実施形態の情報配信装置１０の使用環境を示す図である。 実施形態の対応テーブルＴ１の内容の一例を示す図である。 実施形態の特定地域Ａの設定例を示す図である。 実施形態の対応テーブルＴ２の内容の一例を示す図である。 実施形態の対応テーブルＴ３の内容の一例を示す図である。 実施形態の対応テーブルＴ４の内容の一例を示す図である。 実施形態の関係情報導出部４００の学習処理の流れの一例を示すフローチャートである。 実施形態の情報配信に関する処理の流れの一例を示すフローチャートである。 実施形態の情報配信装置１０の第１実施例を説明するための図である。 実施形態の情報配信装置１０の第２実施例を説明するための図である。 実施形態の情報配信装置１０の第３実施例を説明するための図である。 実施形態の情報配信装置１０の第４実施例を説明するための図である。

以下、図面を参照して、情報処理システム、情報処理方法、およびプログラムの実施形態について説明する。本実施形態では、情報処理システムが情報配信装置に適用されたものとして説明する。情報配信装置は、インターネットなどのネットワークを介してユーザ端末装置と通信可能に接続され、ユーザ端末装置に対して各種の情報を配信する。また、本実施形態の情報配信装置は、配信されたコンテンツの内容と前記コンテンツにアクセスしたユーザの位置に関する情報とに基づく学習によりコンテンツの内容に含まれる要素と特定地域とを関係付ける関係情報を導出し、導出した関係情報に基づきローカルな話題を含むコンテンツの配信先を決定可能である。以下、実施形態について説明する。

＜１．情報配信装置の構成＞
図１は、実施形態の情報配信装置１０の使用環境を示す図である。情報配信装置１０は、ネットワークＮＷを介してユーザ端末装置ＵＤおよびクライアント端末装置ＣＤと通信可能に接続される。ネットワークＮＷは、インターネットやＷＡＮ（Wide Area Network）、ＬＡＮ（Local Area Network）などを含む。また、情報配信装置１０と通信可能に接続されるユーザ端末装置ＵＤおよびクライアント端末装置ＣＤの数は、例えばそれぞれ複数である。

ユーザ端末装置ＵＤは、コンテンツの提供を受けるユーザによって使用される情報処理装置である。ユーザ端末装置ＵＤは、ユーザがコンテンツを閲覧するために利用される。ユーザ端末装置ＵＤは、例えば、情報配信装置１０が提供するコンテンツを閲覧するためのブラウザやアプリケーションプログラムを有してもよい。この場合、ユーザ端末装置ＵＤは、ブラウザやアプリケーションプログラムがユーザ端末装置ＵＤのプロセッサにより実行されることにより、配信要求部ＵＤａを実現する。

配信要求部ＵＤａは、情報配信装置１０に対してコンテンツの配信要求を送信する場合に、コンテンツの配信要求に加えて、ユーザ端末装置ＵＤの位置情報（ユーザの位置情報）を送信する。ユーザ端末装置ＵＤの位置情報は、例えば、ユーザ端末装置ＵＤが位置する緯度および経度を示す情報である。このようなユーザ端末装置ＵＤの位置情報は、ユーザ端末装置ＵＤに搭載されるＧＰＳ（Global Positioning System）ユニットなどにより取得される。

ただし、ユーザ端末装置ＵＤは、ユーザ端末装置ＵＤの位置情報を送信しなくてもよい。この場合、情報配信装置１０は、ユーザ端末装置ＵＤがネットワークＮＷにアクセスするときに経由する基地局ＢＳが持つＩＰアドレスなどに基づき、ユーザの位置に関する情報を取得してもよい。なおこの内容は、情報配信装置１０の説明のなかで詳しく述べる。

クライアント端末装置ＣＤは、コンテンツの提供者であるクライアントによって使用される情報処理装置である。クライアント端末装置ＣＤは、配信対象となるコンテンツを情報配信装置１０に登録する。

ここで、「コンテンツ」とは、例えば、ニュースやコラムなどテキストデータを含む記事である。ただし、「コンテンツ」は、画像や動画など、テキストデータを含まないコンテンツでもよい。「コンテンツ」は、ブラウザやアプリケーションプログラムによって再生される。本実施形態では、コンテンツがテキストデータを含む記事である例を取り上げて説明する。

情報配信装置１０は、クライアント端末装置ＣＤによって登録されたコンテンツを記憶し、ユーザ端末装置ＵＤからコンテンツの配信要求を受け付けると、記憶したコンテンツをユーザ端末装置ＵＤに対して配信する。

詳しく述べると、情報配信装置１０は、例えば、コンテンツ情報取得部１００と、アクセス情報取得部２００と、インプレッション情報取得部３００と、関係情報導出部４００と、配信部５００と、記憶部６００とを備える。

コンテンツ情報取得部１００、アクセス情報取得部２００、インプレッション情報取得部３００、関係情報導出部４００、および配信部５００は、情報配信装置１０のプロセッサがプログラムを実行することで実現される機能部（以下、「ソフトウェア機能部」と称する）でもよいし、ＬＳＩ（Large Scale Integration）、ＡＳＩＣ（Application Specific Integrated Circuit）、ＦＰＧＡ（Field-Programmable Gate Array）などのハードウェアによって実現されてもよいし、ソフトウェア機能部とハードウェアとが協働することで実現されてもよい。

記憶部６００は、例えば、ＲＡＭ（Random Access Memory）、ＲＯＭ（Read Only Memory）、ＨＤＤ（Hard Disk Drive）、フラッシュメモリ、またはこれらのうち複数が組み合わされたハイブリッド型記憶装置などにより実現される。なお、記憶部６００の全部または一部は、ＮＡＳ（Network Attached Storage）や外部のストレージサーバなど、情報配信装置１０のプロセッサがアクセス可能な外部装置により実現されてもよい。記憶部６００には、コンテンツ情報データベースＤＢ１、アクセス情報データベースＤＢ２、インプレッション情報データベースＤＢ３、および関係情報データベースＤＢ４が格納される。

次に、情報配信装置１０の各機能部について詳しく説明する。

まず、コンテンツ情報取得部１００について説明する。コンテンツ情報取得部１００は、ネットワークＮＷを介してクライアント端末装置ＣＤから配信対象のコンテンツを受信する。コンテンツ情報取得部１００は、クライアント端末装置ＣＤから受信したコンテンツに、コンテンツを識別するためのコンテンツＩＤを付与し、コンテンツとコンテンツＩＤとを対応付けてコンテンツ情報データベースＤＢ１に登録する。

また、コンテンツ情報取得部１００は、取得したコンテンツの内容に基づき、コンテンツの内容をベクトル表現で表したコンテンツ内容ベクトルを導出する。コンテンツ内容ベクトルは、例えば、コンテンツの内容を局所表現で表した疎ベクトルである。

詳しく述べると、コンテンツ情報取得部１００は、疎ベクトルの導出対象となるコンテンツのデータ（例えばテキストデータ）をコンテンツ情報データベースＤＢ１から取得する。コンテンツ情報取得部１００は、まず形態素解析を行うことで、コンテンツに含まれる単語を抽出する。そして、コンテンツ情報取得部１００は、ｔｆ−ｉｄｆ（Term Frequency - Inverse Document Frequency）などの手法を用いて絞り込んだ各単語を数値に置き換えることで、コンテンツの内容を示す疎ベクトルを導出する。コンテンツ情報取得部１００は、導出した疎ベクトルとコンテンツＩＤとを対応付けて、コンテンツ情報データベースＤＢ１に登録する。コンテンツの内容を示す疎ベクトルは、コンテンツの内容に関する情報（第１情報、コンテンツ情報）の一例である。

なお、「第１情報」は、疎ベクトルに限定されない。例えば、「第１情報」は、コンテンツの内容を分散表現で表した密ベクトルでもよい。密ベクトルは、コンテンツの内容を示す疎ベクトルの次元数を圧縮することで導出される。また、コンテンツ情報取得部１００は、後述する学習データを外部装置から受け取る場合、コンテンツ毎に既に導出された疎ベクトルや密ベクトルを外部装置から受け取ってもよい。外部装置から受け取る疎ベクトルや密ベクトルは、「第１情報」の一例である。

次に、アクセス情報取得部２００について説明する。アクセス情報取得部２００は、ネットワークＮＷを介してユーザ端末装置ＵＤからコンテンツの配信要求を受け付ける。本実施形態のアクセス情報取得部２００は、コンテンツの配信要求を受け付ける場合、配信要求を受け付けたコンテンツを示す情報（例えばコンテンツＩＤ）と、配信要求を送信したユーザ端末装置ＵＤの位置情報とを、ユーザ端末装置ＵＤから取得する。ユーザ端末装置ＵＤの位置情報は、コンテンツにアクセスしたユーザの位置に関する情報（第２情報、アクセス位置情報）の一例である。アクセス情報取得部２００は、アクセスされたコンテンツを示す情報と、そのコンテンツにアクセスしたユーザの位置情報とを、アクセス情報データベースＤＢ２に記憶された対応テーブルＴ１に登録する。

図２は、本実施形態の対応テーブルＴ１の内容の一例を示す図である。図２に示すように、対応テーブルＴ１では、例えば、アクセスされたコンテンツのコンテンツＩＤと、そのコンテンツにアクセスしたユーザの位置に関する情報とが対応付けられて管理されている。

なお、「ユーザの位置に関する情報」は、ユーザ端末装置ＵＤの位置情報に限らない。例えば、アクセス情報取得部２００は、ユーザ端末装置ＵＤがネットワークＮＷにアクセスするときに経由する基地局ＢＳのＩＰアドレスを取得し、取得したＩＰアドレスの基地局ＢＳの所在地をユーザの位置と見做してもよい。アクセス情報取得部２００により取得された基地局ＢＳのＩＰアドレスは、ユーザの位置に関する情報（第２情報、アクセス位置情報）の別の一例である。

ここで、本実施形態でいう「特定地域」について説明する。「特定地域」とは、コンテンツが配信される地域全体（例えば国全体または世界全体）が複数に分割されることで規定される１つ１つの地域である。「特定地域」とは、ローカルな話題のコンテンツの内容に含まれる要素（地名や固有名詞など）と関係付けられる地域である。なお、コンテンツの内容に含まれる要素（地名や固有名詞など）は、１つの特定地域のみと関係付けられる場合に限らず、複数の特定地域と関係付けられてもよい。

図３は、本実施形態の特定地域Ａの設定例を示す図である。図３に示すように、本実施形態の特定地域Ａは、コンテンツが配信可能な地域全体が例えばグリッド状に区画されることで規定されている。各特定地域Ａは、例えば、緯度および経度の情報に基づき隣接する特定地域Ａと区別される。なお、以下の説明における「ｉ」および「ｊ」は、コンテンツが配信可能な地域全体に対する特定地域Ａの位置座標を表す。

本実施形態のアクセス情報取得部２００は、アクセスされたコンテンツを示す情報（例えばコンテンツＩＤ）と、そのコンテンツにアクセスしたユーザの位置に関する情報とに基づき、コンテンツにアクセスしたユーザが位置する特定地域Ａを特定する（ユーザがどの特定地域Ａにいるのかを特定する）。そして、アクセス情報取得部２００は、各コンテンツに対する特定地域Ａ毎のアクセス数を集計する。そして、アクセス情報取得部２００は、アクセスされたコンテンツを示す情報（例えばコンテンツＩＤ）と、各コンテンツに対する特定地域Ａ毎のアクセス数とを、アクセス情報データベースＤＢ２に記憶された対応テーブルＴ２に登録する。

図４は、本実施形態の対応テーブルＴ２の内容の一例を示す図である。図４に示すように、対応テーブルＴ２では、例えば、アクセスされたコンテンツのコンテンツＩＤと、各コンテンツに対する特定地域Ａ毎のアクセス数とが対応付けられて管理されている。

なお、アクセス情報取得部２００は、後述する学習データを外部装置から受け取る場合、既に導出された各コンテンツに対する特定地域Ａ毎のアクセス数を示す情報を外部装置から受け取ってもよい。外部装置から受け取る各コンテンツに対する特定地域Ａ毎のアクセス数を示す情報は、「第２情報」の一例である。

次に、インプレッション情報取得部３００について説明する。ここで、本実施形態の配信部５００は、ユーザに対してコンテンツを推薦する推薦情報を配信する。「推薦情報」とは、例えば、コンテンツのタイトルまたはコンテンツの概要を表すテキストデータや画像と、コンテンツへのリンク（ハイパーリンク）とを含む情報である。本実施形態のインプレッション情報取得部３００は、推薦情報の配信先となるユーザ端末装置ＵＤの位置情報または基地局ＢＳのＩＰアドレスなどに基づき、推薦情報の配信先のユーザの位置に関する情報を取得する。インプレッション情報取得部３００は、ユーザに対して推薦されたコンテンツを示す情報（例えばコンテンツＩＤ）と、コンテンツの推薦を受けたユーザの位置に関する情報とを、インプレッション情報データベースＤＢ３に記憶された対応テーブルＴ３に登録する。

図５は、本実施形態の対応テーブルＴ３の内容の一例を示す図である。図５に示すように、対応テーブルＴ３では、例えば、ユーザに対して推薦されたコンテンツのコンテンツＩＤと、コンテンツの推薦を受けたユーザの位置に関する情報とが対応付けられて管理されている。

また、本実施形態のインプレッション情報取得部３００は、ユーザに対して推薦されたコンテンツを示す情報と、そのコンテンツが推薦されたユーザの位置に関する情報とに基づき、コンテンツが推薦されたユーザが位置する特定地域Ａを特定する（ユーザがどの特定地域Ａに位置するか特定する）。そして、インプレッション情報取得部３００は、各コンテンツに対する特定地域Ａ毎のインプレッション数を集計する。「インプレッション数」とは、ユーザ端末装置ＵＤの表示画面に前記コンテンツを推薦する情報が表示された回数である。そして、インプレッション情報取得部３００は、ユーザに対して推薦されたコンテンツを示す情報（例えばコンテンツＩＤ）と、各コンテンツに対する特定地域Ａ毎のインプレッション数とを、インプレッション情報データベースＤＢ３に記憶された対応テーブルＴ４に登録する。

図６は、本実施形態の対応テーブルＴ４の内容の一例を示す図である。図６に示すように、対応テーブルＴ４では、例えば、推薦されたコンテンツのコンテンツＩＤと、各コンテンツに対する特定地域Ａ毎のインプレッション数とが対応付けられて管理されている。

なお、インプレッション情報取得部３００は、後述する学習データを外部装置から受け取る場合、既に導出された各コンテンツに対する特定地域Ａ毎のインプレッション数を示す情報を外部装置から受け取ってもよい。

次に、関係情報導出部４００について説明する。関係情報導出部４００は、コンテンツ情報取得部１００により取得されたコンテンツの内容を示す情報と、アクセス情報取得部２００により取得された前記コンテンツにアクセスしたユーザの位置に関する情報とに基づき、コンテンツの内容に含まれる要素（地名や固有名詞など）と上記要素と関連性が高い特定地域Ａとを関係付ける関係情報を導出する。本実施形態では、関係情報導出部４００は、過去に配信された複数のコンテンツの内容を示す情報と前記複数のコンテンツにアクセスしたユーザの位置を示す情報とを教師データとする学習により前記関係情報を導出する。前記関係情報は、「第３情報」の一例である。

詳しく述べると、前記関係情報は、コンテンツｎの内容を示すコンテンツ内容ベクトル（例えば疎ベクトル）をｘ_ｎとし、コンテンツｎと特定地域Ａ_ｉ，ｊとの関連性の高さを表す指標をｙ_{ｎ，ｉ，ｊ} ^〜とすると、式（１）の関数Ｆ_ｉ，ｊのように表すことができる。例えば、関数Ｆ_ｉ，ｊは、コンテンツｎと特定地域Ａ_ｉ，ｊとの関連性が高い場合に、大きな値を出力する関数である。本実施形態では、この関数Ｆ_ｉ，ｊが上記教師データを用いた機械学習により学習される。なお、「ｎ」は、コンテンツの識別番号を意味する。

例えば、関数Ｆ_ｉ，ｊは、コンテンツ内容ベクトルｘ_ｎと特定地域Ａ_ｉ，ｊとの関連性の高さを示すベクトル（以下、「関係ベクトル」と称する）で表されてもよい。例えば、関数Ｆ_ｉ，ｊは、コンテンツ内容ベクトルｘ_ｎと特定地域Ａ_ｉ，ｊとの関連性の高さを示す関係ベクトルをｒ_ｉ，ｊとすると、ｒ_ｉ，ｊ ^Ｔｘ_ｎのように表されてもよい。関係ベクトルｒ_ｉ，ｊは、例えば、コンテンツ内容ベクトルｘ_ｎと特定地域Ａ_ｉ，ｊとの関連性が高くなるほど、ｒ_ｉ，ｊ ^Ｔｘ_ｎが大きくなるベクトルである。これらの場合、関連ベクトルｒ_ｉ，ｊが上記教師データを用いた機械学習により学習される対象となる。なお、関数Ｆ_ｉ，ｊは、上記例に限定されない。

以下、関係情報導出部４００の学習処理の一例について詳しく述べる。

ここで、「クリック率」について定義する。「クリック率」とは、ＣＴＲ（Click Through Rate）を意味し、各コンテンツに対するアクセス数（クリック数）を、各コンテンツが推薦された回数（インプレッション数）で除算した値である。「クリック率」は、「コンテンツに対する反応度」の一例である。なお本願でいう「クリック」とは、マウスなどのボタンを押して離す動作に限定されず、タッチパネルタイプの入力装置に対するタップなども含む。

本実施形態では、関係情報導出部４００は、アクセス情報データベースＤＢ２の対応テーブルＴ２を参照することで、各コンテンツに対する特定地域Ａ毎のクリック数を取得する。また、関係情報導出部４００は、インプレッション情報データベースＤＢ３の対応テーブルＴ４を参照することで、各コンテンツに対する特定地域Ａ毎のインプレッション数を取得する。

そして、関係情報導出部４００は、各コンテンツに対する地域全体のクリック率ＣＴＲ_ｎを、式（２）に基づいて導出する。なお、「Ｃｌｉｃｋｓ_{ｎ，ｉ，ｊ}」は、各コンテンツに対する特定地域Ａ毎の実際のクリック数を意味する。「Ｉｍｐｓ_{ｎ，ｉ，ｊ}」は、各コンテンツに対する特定地域Ａ毎のインプレッション数を意味する。

また、関係情報導出部４００は、各コンテンツに対する特定地域Ａ毎のクリック率ＣＴＲ_{ｎ，ｉ，ｊ}を、式（３）に基づいて導出する。

ここで、αは、特定地域Ａ毎の人口密度の違いを緩和するための補正値である。すなわち、人口密度が大きな特定地域Ａ（例えば都市部）では、クリック数の総数が大きいため、一部のユーザが特異な行動をした場合であっても、その行動は全体の傾向に反映されにくい。一方で、人口密度が小さな特定地域Ａ（例えば山間部）では、クリック数の総数が小さいため、一部のユーザが特異な行動をした場合、その行動が全体の傾向に大きく反映される場合がある。「特異な行動」とは、例えば、ローカルな話題のコンテンツに、そのコンテンツとは全く関係のない特定地域Ａに位置するユーザがそのコンテンツにたまたまアクセスすることなどを意味する。

そこで、本実施形態では、特定地域Ａ毎の実際のクリック数と、補正値αとに基づき、特定地域Ａ毎のクリック率を導出する。これにより、人口密度が小さな特定地域Ａで一部のユーザが特異な行動をした場合であっても、その行動が全体の傾向に大きく反映されることを抑制することができる。αの値は、特に限定されないが、例えば数十から数百の値である。

また、関係情報導出部４００は、コンテンツの内容と特定地域Ａとの関連性の高さを示す指標（以下、「関連度」と称する）であるｙ_{ｎ，ｉ，ｊ}を、式（４）に基づいて導出する。

ここで、Ｅ_ｉ，ｊ［ＣＴＲ_{ｎ，ｉ，ｊ}］は、式（３）で導出された特定地域Ａ毎のクリック率ＣＴＲ_{ｎ，ｉ，ｊ}を全ての特定地域Ａで合計し、その合計値を特定地域Ａの総数で除算することで得られる平均値である。すなわち、Ｅ_ｉ，ｊ［ＣＴＲ_{ｎ，ｉ，ｊ}］は、各コンテンツに対する複数の特定地域Ａ（全ての特定地域Ａ）のクリック率の平均値である。言い換えると、関係情報導出部４００は、コンテンツに対する特定地域Ａ毎の反応度と、コンテンツに対する複数の特定地域Ａの反応度の平均値とに基づき、前記関係情報を導出する。

また、σ_ｉ，ｊ［ＣＴＲ_{ｎ，ｉ，ｊ}］は、クリック率ＣＴＲ_{ｎ，ｉ，ｊ}の標準偏差を示す。すなわち、式（４）で求める関連度ｙ_{ｎ，ｉ，ｊ}は、特定地域Ａ毎のクリック率ＣＴＲ_{ｎ，ｉ，ｊ}を正規化処理したものである。仮にこの正規化処理がないと、式（３）で求まる値は、コンテンツのＣＴＲ_{ｎ，ｉ，ｊ}が単に高いか低いかを表す情報になる。このため、本実施形態では、式（４）を用いて正規化処理をすることで、コンテンツに対して各特定地域Ａがどの程度関係するかを求めることができる。例えば、式（４）によれば、コンテンツの内容と特定地域Ａとの関連性が小さい場合、ゼロ近傍の値が出力される。一方で、コンテンツの内容と特定地域Ａとの関連性が大きいほど、大きな値が出力される。

また、関係情報導出部４００は、式（５）に基づいて、Ｌ（ｘ_ｎ）を導出する。

ここで、ｙ_{ｎ，ｉ，ｊ}は、学習データに基づいて式（４）により導出される関連度の実測値である。一方で、ｙ_{ｎ，ｉ，ｊ} ^〜は、学習対象である式（１）の関数Ｆ_ｉ，ｊを用いて導出される関連度の推定値である。式（５）中の第１項は、推定値と実装値の二乗誤差を表す。一方で、式（５）中の第２項は、コンテンツに対するある特定地域Ａ_ｉ，ｊの関連度の推定値と、前記コンテンツに対する後述する周辺地域Ａ_{ｉ´，ｊ´}の関連度の推定値との二乗誤差を表す。βは、第１項と第２項との比率を決める定数であり、任意の値である。

本実施形態では、関係情報導出部４００は、上記学習データを用いて、式（５）のＬ（ｘ_ｎ）を最小化するように学習対象である式（１）の関数Ｆ_ｉ，ｊを学習する。これにより、コンテンツの内容に含まれる要素と上記要素と関連性が高い特定地域Ａとを関係付ける関数Ｆ_ｉ，ｊを導出することができる。

ここで、式（５）が上記第１項のみで構成される場合であっても、関数Ｆ_ｉ，ｊを導出するための学習処理を行うことができる。ただし、本実施形態では、式（５）に上記第２項を加えることで、導出される関数Ｆ_ｉ，ｊの精度をさらに高めている。

詳しく述べると、式（５）の「ｉ´」および「ｊ´」は、特定地域Ａ_ｉ，ｊの近傍に位置する周辺地域Ａ_{ｉ´，ｊ´}の位置座標を意味する。周辺地域Ａ_{ｉ´，ｊ´}は、例えば、特定地域Ａ_ｉ，ｊの四方のいずれかに位置して隣接する周辺地域Ａ_{ｉ´，ｊ´}である。式（５）において、第２項を最小化することは、コンテンツに対する特定地域Ａ_ｉ，ｊの関連度と、前記コンテンツに対する周辺地域Ａ_{ｉ´，ｊ´}の関連度とが所定以上乖離しないように正則処理を行うことを意味する。言い換えると、関係情報導出部４００は、コンテンツに対する特定地域Ａ_ｉ，ｊの第１関連度と、前記コンテンツに対する周辺地域Ａ_{ｉ´，ｊ´}の第２関連度とを、前記第１関連度と前記第２関連度とが所定以上乖離しない滑らかな分布に当てはめることで、関数Ｆ_ｉ，ｊを導出する。特定地域Ａ_ｉ，ｊは、「第１特定地域」の一例である。周辺地域Ａ_{ｉ´，ｊ´}は、「第２特定地域」の一例である。なお、上記第２項では、特定地域Ａ_ｉ，ｊの第１関連度と、複数の周辺地域Ａ_{ｉ´，ｊ´}の第２関連度の平均値とが所定以上乖離しないように前記正則処理が行われる。式（５）中の「Ｎ」は、特定地域Ａ_ｉ，ｊと比較される周辺地域Ａ_{ｉ´，ｊ´}の数である。

関係情報導出部４００は、導出した関数Ｆ_ｉ，ｊを表す情報を、関係情報データベースＤＢ４に登録する。すなわち、関係情報導出部４００は、上述の学習処理を通じて導出した関係情報を、関係情報データベースＤＢ４に登録する。

次に、配信部５００について説明する。配信部５００は、情報配信装置１０がユーザ端末装置ＵＤからコンテンツの配信要求を受け付けた場合、配信要求を受け付けたコンテンツをコンテンツ情報データベースＤＢ１から取得し、取得したコンテンツをユーザ端末装置ＵＤに対して配信する。

また、本実施形態の配信部５００は、配信候補のコンテンツが存在する場合、配信候補の地域性を判定する。すなわち、配信部５００は、配信候補のコンテンツの内容を示す情報（例えば疎ベクトル）と、関係情報導出部４００により導出された関係情報とに基づき、配信候補のコンテンツの内容が関係する特定地域Ａを特定する。例えば、配信部５００は、コンテンツの内容を示す情報が入力された場合の関数Ｆ_ｉ，ｊの出力値に基づき、そのコンテンツの内容が関係する特定地域Ａを特定する。そして、配信部５００は、コンテンツの内容が関係する特定地域Ａのみに、そのコンテンツを配信する。

＜２．情報配信装置の処理の流れ＞
次に、情報配信装置１０の処理の流れについて説明する。

＜２−１．関係情報導出部４００による学習処理＞
図７は、本実施形態の関係情報導出部４００の学習処理の流れの一例を示すフローチャートである。図７に示すように、関係情報導出部４００の学習処理では、まず、関係情報導出部４００により教師データが取得される。教師データは、過去にアクセスされた複数のコンテンツの内容に関する情報と、前記コンテンツにアクセスしたユーザの位置に関する情報と、前記コンテンツが推薦されたユーザの位置に関する情報などを含む。これら教師データの全部または一部は、データベースＤＢ１，ＤＢ２，ＤＢ３に蓄積されたデータでもよく、外部装置から新しく登録されるデータでもよい。

次に、関係情報導出部４００は、学習データと式（４）に基づき、各コンテンツに対する特定地域Ａの関連度の実測値ｙ_{ｎ，ｉ，ｊ}を導出する（Ｓ１０２）。また、関係情報導出部４００は、学習対象となる関数Ｆ_ｉ，ｊに基づき、各コンテンツに対する特定地域Ａの関連度の推測値ｙ_{ｎ，ｉ，ｊ} ^〜を導出する（Ｓ１０３）。そして、関係情報導出部４００は、式（５）が最小化されているか否かを判定する（Ｓ１０４）。

関係情報導出部４００は、Ｓ１０４の判定結果が否定的な場合、関数Ｆ_ｉ，ｊの内容を修正する（Ｓ１０５）。そして、関係情報導出部４００は、修正された関数Ｆ_ｉ，ｊを用いて、Ｓ１０３、Ｓ１０４の処理を繰り返す。

関係情報導出部４００は、Ｓ１０４の判定結果が肯定的な場合、最終的に得られた関数Ｆ_ｉ，ｊを、コンテンツの内容に含まれる要素と特定地域Ａとを関係付ける関係情報として、関係情報データベースＤＢ４に登録する（Ｓ１０６）。これにより、関係情報導出部４００の学習処理が完了する。

＜２−２．ローカルな話題を含むコンテンツの情報配信に関する処理＞
次に、ローカルな話題を含むコンテンツの情報配信に関する処理について説明する。図８は、本実施形態の情報配信に関する処理の流れの一例を示すフローチャートである。図８に示すように、配信部５００は、関係情報導出部４００による学習処理を通じて導出された関数Ｆ_ｉ，ｊを関係情報データベースＤＢ４から取得する（Ｓ２０１）。

そして、配信部５００は、配信候補のコンテンツの内容を示す情報と、取得された関数Ｆ_ｉ，ｊとに基づき、配信候補のコンテンツと各特定地域Ａとの関連度の推定値ｙ_{ｎ，ｉ，ｊ} ^〜を導出する（Ｓ２０２）。配信部５００は、各特定地域Ａの関連度の推定値ｙ_{ｎ，ｉ，ｊ} ^〜が所定の条件を満たすか（例えば、所定の閾値以上であるか否か）を、特定地域Ａ毎に判定する（Ｓ２０３）。

配信部５００は、Ｓ２０３の判定結果が肯定的だった特定地域Ａには、前記コンテンツを配信する（Ｓ２０４）。一方で、配信部５００は、Ｓ２０３の判定結果が否定的だった特定地域Ａには、前記コンテンツを配信しない（Ｓ２０５）。これにより、ローカルな話題を含むコンテンツの一連の配信処理が完了する。

＜３．地域性推定の実験結果＞
最後に、上述した情報配信装置１０を実際に用いて地域性推定を行ったいくつかの実施例について述べる。

＜３−１.第１実施例＞
図９は、実施形態の情報配信装置１０の第１実施例を説明するための図である。図９中の「言及県内への配信」とは、各コンテンツに対してそのコンテンツに含まれる地名（言及地）を人手によって付与し、付与した言及地が存在する県内にそのコンテンツが配信された場合のＣＴＲ倍率を算出したものである。同様に、「言及都市内への配信」とは、付与した前記言及地が存在する都市内に前記コンテンツが配信された場合のＣＴＲ倍率を算出したものである。一方で、「モデル出力値降順」とは、本実施形態の情報配信装置１０により選出された特定地域Ａに前記コンテンツが配信された場合のＣＴＲ倍率を算出したものである。「対象範囲（cells）」とは、配信対象として選出した特定地域Ａの数を意味する。

図９に示すように、本実施形態の情報配信装置１０による配信によれば、「言及都市内」に対してコンテンツが配信された場合でも、「言及県内」に対してコンテンツが配信された場合でも、コンテンツに人手によって地名を付与した場合と同程度の高い精度でコンテンツに関係する特定地域Ａにコンテンツを配信することができていることが分かる。

＜３−２.第２実施例＞
図１０は、実施形態の情報配信装置１０の第２実施例を説明するための図である。図１０は、ある記事を情報配信装置１０に登録した場合に、情報配信装置１０により選出された特定地域Ａを示す。第２実施例として情報配信装置１０に登録されたコンテンツは、例えば、鳥取地震に関する記事であり、「[鳥取地震「危険」建物４７棟] 全半壊は４棟、鳥取県中部で起きた地震の被災地で…」というものである。この場合、図１０に示すように、情報配信装置１０により、鳥取地方を中心とした特定地域Ａが選出されることが分かる。

＜３−３.第３実施例＞
図１１は、実施形態の情報配信装置１０の第３実施例を説明するための図である。図１１は、ある単単語を情報配信装置１０に登録した場合に、情報配信装置１０により選出された特定地域Ａを示す。ここで「単単語」とは、通常の記事が複数の単語から構成されるのに対して、情報配信装置１０の推定機能を可視化するため情報処理装置１０に入力される１単語だけからなる仮想の記事を意味する。第３実施例として情報配信装置１０に登録された単単語は、「東海道新幹線」である。この場合、図１１に示すように、情報配信装置１０により、東海道新幹線の沿線にある特定地域Ａが選出されることが分かる。

＜３−４.第４実施例＞
図１２は、実施形態の情報配信装置１０の第４実施例を説明するための図である。図１２は、第３実施例と同様に、ある単単語を情報配信装置１０に登録した場合に、情報配信装置１０により選出された特定地域Ａを示す。第４実施例として情報配信装置１０に登録された単単語は、「作新」である。「作新」とは、栃木県宇都宮にある学校名である。この場合、図１２に示すように、情報配信装置１０により、宇都宮近辺にある特定地域Ａが選出されることが分かる。

以上のような構成の情報配信装置１０によれば、コンテンツが関係する地域を容易に特定することができる。ここで、コンテンツに含まれる地名に基づいてコンテンツを配信する場合、次のような問題が存在する。まず１つ目の問題として、コンテンツに含まれる要素と特定地域とを結び付ける辞書データが作成になり、例えば人手によって地名を１つずつ辞書データに登録する必要がある。また、新しく登場した地名を辞書データに反映させるため、辞書データの定期的なメンテナンスが必要になる。また、２つ目の問題として、コンテンツに複数の地名が含まれる場合、人手によるアノテーション（複数の特定地域に対する対応付け）が必要になる場合がある。さらに、３つ目の問題として、ある地名が存在する地域からどの程度離れた地域までがその地名に関係した地域（コンテンツの配信対象とすべき地域）であるかを判断することが難しい場合がある。

そこで、本実施形態の情報配信装置１０は、コンテンツ情報取得部１００により取得されたコンテンツの内容に関する情報と、アクセス情報取得部２００により取得された前記コンテンツにアクセスしたユーザの位置に関する情報とに基づき、前記コンテンツの内容に含まれる要素と特定地域とを関係付ける関係情報を導出する関係情報導出部４００を備えている。このような構成によれば、コンテンツに反応したユーザの位置に関する情報に基づき、コンテンツの内容に含まれる要素と特定地域とを関係付ける関係情報を導出することができる。これにより、上記のような辞書を人手で作成する作業負担を低減するまたは無くすことができる。また、本構成によれば、ある地名が存在する地域からどの程度離れた範囲までがコンテンツに関係した地域（コンテンツの配信対象とすべき地域）であるかを客観的なデータに基づき判定することができる。

また、人名や施設の名称のような地名以外の固有名詞は、どの地域に関係があるか分かりにくいことが多い。このため、人名や施設の名称のような地名以外の固有名詞を人手によって特定地域と結び付けようとしても、その作業は容易ではない。しかしながら、本実施形態の構成によれば、関係情報導出部４００は、コンテンツに反応したユーザの位置に関する情報に基づくことで、人命や施設の名称のような地名以外の固有名詞と特定地域とを関係付ける関係情報を容易に導出することができる。これにより、コンテンツの内容と関係した地域をより精度良く特定することができるようになる。

本実施形態では、関係情報導出部４００は、過去に配信された複数のコンテンツと前記複数のコンテンツにアクセスしたユーザの位置とを教師データとする学習により前記関係情報を導出する。このような構成によれば、過去の配信結果に基づく学習を通じて前記関係情報を精度良く導出することができる。すなわち、本実施形態の教師データは、正解情報として過去に収集されたユーザの反応を用いるので、人手によって正解情報を登録する必要がない。この観点でも、人手による作業負担を低減することができる。

本実施形態では、関係情報導出部４００は、アクセス情報取得部により取得された情報に基づいてコンテンツに対する特定地域Ａ毎の反応度を導出し、導出した特定地域Ａ毎の反応度に基づいて前記関係情報を導出する。このような構成によれば、コンテンツに反応したユーザの位置分布の偏りに基づき、前記関係情報を導出することができる。これにより、前記関係情報をさらに精度良く導出することができる。

本実施形態では、前記反応度は、特定地域Ａに位置するユーザに対してコンテンツが推薦された回数と、特定地域Ａに位置するユーザのコンテンツに対するアクセス数とに基づき導出される特定地域Ａ毎のクリック率である。このような構成によれば、比較的容易に収集可能な情報により、コンテンツに対する特定地域Ａ毎の反応度を導出することができる。

以上、実施形態の情報配信装置１０について説明したが、実施形態は上記例に限定されない。例えば、コンテンツは、テキストデータに限らない。コンテンツが画像や動画の場合でも、各コンテンツのグレースケールや色彩を示す値をコンテンツの内容に関する情報（第１情報）として使用可能である。

本願において「ＸＸに基づく」とは、「少なくともＸＸに基づく」ことを意味し、ＸＸに加えて別の要素に基づく場合も含む。また「ＸＸに基づく」とは、ＸＸを直接に用いる場合に限定されず、ＸＸに対して演算や加工が行われたものに基づく場合も含む。「ＸＸ」は、任意の要素である。

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

１０…情報配信装置（情報処理システム）、１００…コンテンツ情報取得部（第１取得部）、２００…アクセス情報取得部（第２取得部）、４００…関係情報導出部（導出部）

Claims (9)

1. コンテンツの内容に関する第１情報を取得する第１取得部と、
   前記コンテンツにアクセスしたユーザの位置に関する第２情報を取得する第２取得部と、
   前記第１取得部により取得された前記第１情報と、前記第２取得部により取得された前記第２情報とに基づき、前記コンテンツの内容に含まれる要素と特定地域とを関係付ける第３情報を導出する導出部と、
   を備える情報処理システム。
2. 前記導出部は、過去に配信された複数のコンテンツの内容に関する前記第１情報と、前記複数のコンテンツにアクセスしたユーザの位置に関する前記第２情報とを教師データとする学習により前記第３情報を導出する
   請求項１記載の情報処理システム。
3. 前記導出部は、前記第２情報に基づいて前記コンテンツに対する前記特定地域毎の反応度を導出し、導出した前記特定地域毎の反応度に基づいて前記第３情報を導出する
   請求項１または２に記載の情報処理システム。
4. 前記反応度は、前記特定地域に位置するユーザに対して前記コンテンツが推薦された回数と、前記特定地域に位置するユーザが前記コンテンツにアクセスしたアクセス数とに基づき導出される
   請求項３記載の情報処理システム。
5. 前記導出部は、前記特定地域毎の実際の反応度と、前記特定地域毎の人口密度の違いを緩和するための補正値とに基づき、前記特定地域毎の反応度を導出する
   請求項３または４に記載の情報処理システム。
6. 前記導出部は、前記コンテンツに対する前記特定地域毎の反応度と、前記コンテンツに対する複数の前記特定地域の反応度の平均値とに基づき、前記第３情報を導出する
   請求項３から５のうちいずれか一項に記載の情報処理システム。
7. 前記導出部は、前記コンテンツに対する第１特定地域の関連度と、前記コンテンツに対する前記第１特定地域の近傍に位置した第２特定地域の関連度とを、前記第１特定地域の関連度と前記第２特定地域の関連度とが所定以上乖離しない分布に当てはめることで前記第３情報を導出する
   請求項１から６のうちいずれか一項に記載の情報処理システム。
8. コンピュータが、
   コンテンツの内容に関する第１情報を取得し、
   前記コンテンツにアクセスしたユーザの位置に関する第２情報を取得し、
   取得された前記第１情報と、取得された前記第２情報とに基づき、前記コンテンツの内容に含まれる要素と特定地域とを関係付ける第３情報を導出する
   情報処理方法。
9. コンピュータに、
   コンテンツの内容に関する第１情報を取得させ、
   前記コンテンツにアクセスしたユーザの位置に関する第２情報を取得させ、
   取得させた前記第１情報と、取得させた前記第２情報とに基づき、前記コンテンツの内容に含まれる要素と特定地域とを関係付ける第３情報を導出させる
   プログラム。

Images