JP2018156429A - 情報処理装置、情報処理方法、およびプログラム - Google Patents

Abstract

【課題】入力されたクエリに対応する商品カテゴリを推定することができる情報処理装置、情報処理方法、およびプログラムを提供する。【解決手段】本発明の一態様は、電子取引を行う事業者の商品検索ページに対して入力されたクエリの情報と、前記クエリが入力されるのに応じて提供された商品推奨ページにおいてクリックされた商品の情報とを取得する取得部と、前記取得部により取得された情報を参照し、前記クエリと前記クリックされた商品との関連性に基づいて、前記クエリに対応する商品カテゴリを推定するカテゴリ推定部と、を備える情報処理装置である。【選択図】図１

Description

本発明は、情報処理装置、情報処理方法、およびプログラムに関する。

電子取引の分野において、ユーザが検索したクエリに基づいて表示された商品がクリックされた回数によって順位付けを行う技術が知られている（特許文献１参照）。

特開２０１５−１７９４６１号公報

この種の商品検索では、例えば、ユーザの属性や検索している商品のカテゴリ等に応じたリクエストの性質によって、検索後のクリックや購買の傾向が異なる。特許文献１に記載された技術では、クエリに対応する商品のカテゴリを推定することができない。

本発明は、このような事情を考慮してなされたものであり、クエリに対応する商品カテゴリを推定することができる情報処理装置、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、電子取引を行う事業者の商品検索ページに対して入力されたクエリの情報と、前記クエリが入力されるのに応じて提供された商品推奨ページにおいてクリックされた商品の情報とを取得する取得部と、前記取得部により取得された情報を参照し、前記クエリと前記クリックされた商品との関連性に基づいて、前記クエリに対応する商品カテゴリを推定するカテゴリ推定部と、を備える情報処理装置である。

本発明の一態様によれば、クエリに対応する商品カテゴリを推定することができる。

実施形態のショッピングサーバ１の構成図である。 実施形態の店舗情報５１の内容の一例を示す図である。 実施形態のログ情報５２の内容の一例を示す図である。 実施形態の商品カテゴリ推定結果５４の一例を示す図である。 実施形態のランキング学習データ５５から商品カテゴリ特化モデルが構築される状態を示す図である。 実施形態のショッピングサーバ１のクエリ学習における処理の流れを示すフローチャートである。 実施形態のショッピングサーバ１の運用段階における処理の流れを示すフローチャートである。 実施形態の変形例であるショッピングサーバ２の構成図である。 実施形態の変形例であるショッピングサーバ３の構成図である。

以下、図面を参照し、本発明の情報処理装置、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。情報処理装置は、一以上のプロセッサによって実現される。情報処理装置は、ネットワークを介した電子取引を行う事業者の商品検索ページに対して入力されたクエリの情報と、クエリが入力されるのに応じて提供された商品推奨ページにおいてクリックされた商品の情報とを取得し、取得した情報から得られるクエリと商品との関連性に基づいて、クエリに対応する商品カテゴリを推定する装置である。

電子取引を行う事業者とは、電子店舗を運営する事業者からの依頼を受けて商品販売ページを提供する事業者や、電子店舗を運営する事業者などが含まれる。なお、本明細書において、「商品」は「サービス」を含むものとする。商品販売ページは、ユーザが商品を検索するための商品検索ページと、ユーザが検索したクエリに基づいて表示される推奨商品を表示する商品推奨ページとを含むものとする。

情報処理装置は、端末装置において実行されるブラウザからのリクエストに応じてウェブページを提供するウェブサーバであってもよいし、端末装置において実行されるアプリケーションプログラムからのリクエストに応じてアプリページの一部または全部を提供するアプリサーバであってもよい。以下の説明では、情報処理装置はウェブサーバであるものとする。

図１は、実施形態の情報処理装置が適用されたショッピングサーバ１の構成図である。図１の例では、情報処理装置がショッピングサーバ１に含まれるものとしているが、情報処理装置とショッピングサーバ１は、後述するように別体の装置であってもよい。

ショッピングサーバ１は、例えば、サイト提供部１０と、ログ収集部２０と、カテゴリ推定部３０と、順位付け部４０と、インターフェース部ＩＦと、記憶部５０とを備える。

サイト提供部１０、ログ収集部２０、カテゴリ推定部３０、および順位付け部４０のうち一部または全部は、例えば、ＣＰＵ（Central Processing Unit）などのショッピングサーバプロセッサが記憶部５０に格納されたプログラムを実行することで実現される。また、これらのうち一部または全部は、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、ソフトウェアとハードウェアの協働によって実現されてもよい。

インターフェース部ＩＦは、例えばＮＩＣ（Network Interface Card）を備える。ショッピングサーバ１は、インターフェース部ＩＦを用いて、ネットワークＮＷを介してユーザ端末８０と通信する。ネットワークＮＷは、例えば、無線基地局、Ｗｉ−Ｆｉアクセスポイント、通信回線、プロバイダ、インターネットなどを含む。

ユーザ端末８０は、例えば、スマートフォンなどの携帯電話、タブレット端末、パーソナルコンピュータなどのコンピュータ装置（通信装置）である。ユーザ端末８０は、ウェブブラウザなどのＵＡ（User Agent）が起動し、ユーザによって所定の操作がなされることで、ネットワークＮＷを介してショッピングサーバ１にリクエストを送信する。そして、ユーザ端末８０は、ショッピングサーバ１から返信されたウェブページに基づいてウェブ画面を生成し、表示部に表示させる。ユーザ端末８０が送信するリクエストには、商品販売ページにおける検索欄においてユーザによって入力された検索クエリの情報が含まれる。

記憶部５０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。また、記憶部５０の一部または全部は、ＮＡＳ（Network Attached Storage）や外部のストレージサーバなど、ショッピングサーバ１がアクセス可能な外部装置であってもよい。

記憶部５０には、例えば、店舗情報５１と、ログ情報５２と、クエリ学習データ５３と、ランキング学習データ５５とが記憶される。店舗情報５１は、電子取引を行う事業者に出店している店舗の情報である。図２は、店舗情報５１の内容の一例を示す図である。店舗情報５１は、例えば、店舗の識別情報(店舗ＩＤ)に対し、商品情報、在庫情報、配送期間などの情報が対応づけられた情報である。店舗情報は、店舗の管理者により提供される。

ログ情報５２は、例えば、ユーザがユーザ端末８０を用いてショッピングサーバ１にアクセスした履歴を含む。図３は、ログ情報５２の内容の一例を示す図である。ログ情報５２は、例えば、ユーザの識別情報（ユーザＩＤ）に対して、ユーザが検索したクエリ、ユーザがクリックした商品、ユーザが閲覧したページのＵＲＬ等の情報が対応付けられた情報である。

クエリ学習データ５３は、ユーザが入力したクエリと、そのクエリに対応して提示された商品推奨ページにおいてクリックされた商品との組み合わせのデータである。

ランキング学習データ５５は、商品カテゴリごとに有効なモデルを学習するためのデータである。は、商品推奨ページのＰＶ（ページビュー）、画像数、その他、様々な情報を含むデータである。

サイト提供部１０は、記憶部５０に記憶された店舗情報５１とクエリ学習データ５３に基づいて、商品販売ページ（ショッピングサイト）を構築し、ネットワークＮＷを介してユーザ端末８０に提供する。商品販売ページには、種々の階層のページが含まれる。便宜上、検索クエリに応じて提供される、クエリに対応した商品にフォーカスしたページを商品推奨ページ、商品推奨ページ以外のページ（例えば商品販売ページのトップページなどを含む）を商品検索ページと称する。なお、商品推奨ページにも検索欄は存在することが多いが、本明細書では上記の定義で説明する。

ログ収集部（取得部）２０は、ユーザがユーザ端末８０を用いてショッピングサーバ１にアクセスした履歴（ログ）を収集する。ログ収集部２０は、ショッピングサーバ１以外の装置へのアクセスの履歴も収集してよい。この場合、ログ収集部２０は、クッキー（Cookie）を用いてショッピングサーバ１以外の装置へのユーザのアクセス履歴を収集する。ログ情報５２には、商品検索ページに対して入力されたクエリの情報も含まれている。

カテゴリ推定部３０は、ログ情報５２を参照し、クエリと、そのクエリが入力されることで商品推奨ページに表示された複数の商品の中でクリックされた商品と、の関連性に基づいて、クエリに対応する商品カテゴリを推定する。

以下、カテゴリ推定部３０による処理の詳細について説明する。カテゴリ推定部３０は、任意のタイミングでログ情報５２を参照して、クエリと、クエリ入力の後にクリックされた商品に対して予め設定されている商品カテゴリとの関係を学習する。カテゴリ推定部３０は、例えば、クエリからクエリベクトルを生成するものであり、クエリベクトルを疎ベクトル（多数要素のうちごく一部に１が立つベクトル）として生成して用いる。

例えば、「ＴＶ」というクエリに対して商品Ａ（カテゴリ：家電）が１００回、商品Ｂ（カテゴリ：家電）が５０回、商品Ｃ（カテゴリ：書籍）が２０回クリックされたとする。この場合、カテゴリ推定部３０は、「ＴＶ」というクエリに対応する商品カテゴリを、最も出現数の多い「家電」と決定してもよいし、出現数に応じてスコア化してもよい。スコア化する場合、カテゴリ推定部３０は、例えば、「家電」に対して８０、「書籍」に対して２０という様にカテゴリスコアを付与する。

図４は、商品カテゴリ推定結果５４の一例を示す図である。以下の説明では、カテゴリ推定部３０は、クエリに対して一つの商品カテゴリに絞るのではなく、カテゴリスコアを付与するものとする。

なお、商品カテゴリとの関係が未学習である未知のクエリが入力された場合、カテゴリ推定部３０は、例えば、未知のクエリをベクトル化し、そのクエリベクトルに類似し、他の既知のクエリから作成されたクエリベクトルを探索し、発見された既知のクエリベクトルに対応するクエリに対して、既に学習されている商品カテゴリを援用してもよい。また、単語の部分一致や語順の並べ替えによって、入力されたクエリに類似し且つ商品カテゴリが推定されている既知のクエリを探索してもよい。

なお、ユーザの操作に関するログ情報５２が少ない段階（新たな店舗が出店した場合など）では、クエリに対して、商品カテゴリとカテゴリスコアとが予め設定されている。

以下、順位付け部４０による処理の詳細について説明する。順位付け部４０は、クエリごとに、商品カテゴリ推定部３０によって推定された商品カテゴリに応じたモデル（商品カテゴリ特化モデル）を用いて、商品推奨ページに表示する商品の順位付けを行う。

図５は、ランキング学習データ５５から商品カテゴリ特化モデルが構築される状態を示す図である。順位付け部４０は、任意のタイミングで、カテゴリ推定部３０によって推定された商品カテゴリ毎にランキング学習データ５５を分割しておく。

順位付け部４０は、分割されたデータを教師データとして、商品カテゴリ特化モデルを構築する。ここで、モデルとは、例えば、ランキングに用いる素性のうち、どの素性の比重を重くするかを規定する重みパラメータの集合を含む。素性とは、商品推奨ページのＰＶや画像数、ポイント還元率、値段、販売実績、メーカ名など、種々の情報を含む。そして、カテゴリ特化モデルとは、商品カテゴリごとに異なる重みパラメータを設定したモデルである。

順位付け部４０は、分割されたランキング学習データ５５に基づいて、ＣＴＲ等の指標値が最も高くなる重みパラメータを機械学習によって学習する。

例えば、商品カテゴリ「家電」に対応する商品カテゴリ特化モデルによれば、素性のうちＰＶ、値段、販売実績、メーカ名等に対して高い重みパラメータが与えられることが想定される。

また、商品カテゴリが例えば「書籍」に対応する商品カテゴリ特化モデルによれば、例えば、素性のうちポイント還元率に対して高い重みパラメータが与えられることが想定される。

この他、例えば、「ファッション」に対応する商品カテゴリ特化モデルによれば、素性のうち商品推奨ページにおける商品に関する画像数に対して高い重みパラメータが与えられることが想定される。

順位付け部４０は、例えば、以下のいずれかの手法で商品の選択および順位付けを行う。

（１）商品カテゴリ推定結果５４において最大のカテゴリスコアが付与されている商品カテゴリに対応する商品カテゴリ特化モデルを用いて商品スコアを算出する。

（２）商品カテゴリ推定結果５４においてゼロでないカテゴリスコアが付与されている一以上の商品カテゴリに対応する一以上の商品カテゴリ特化モデルを用いて、それぞれ商品カテゴリごとに商品スコアを算出し、カテゴリスコアを重みとして加重和を求めることで、最終的な商品スコアを算出する。

（３）商品カテゴリ推定結果５４においてゼロでないカテゴリスコアが付与されている一以上の商品カテゴリに対応する一以上の商品カテゴリ特化モデルを用いて、それぞれ商品カテゴリごとに商品スコアを算出し、カテゴリスコアに応じた比で、それぞれの商品カテゴリに対応する商品を選択する。

なお、順位付け部４０は、ＰＶを用いる際に、クエリごとのＰＶを求めて使用してもよい。例えば、「ＴＶ」というクエリに対する商品のＰＶは、他のクエリに応じて表示されたことによるＰＶが除外された値であってもよい。また、順位付け部４０は、更に、ユーザ毎に、それぞれ異なる商品カテゴリ特化モデルを生成してもよい。

また、順位付け部４０は、学習が進んでいない初期の段階では、ランキング学習データ５５に予め設定されたデータに基づいて商品カテゴリの複数の商品の順位付けを行ってもよい。

このように商品カテゴリごとの順位付けが決定されると、サイト提供部１０は、入力されたクエリに対して順位付け部４０により決定されている順位に従って、所定数の商品を選択して商品推奨ページに表示する。

次に、ショッピングサーバ１の動作について説明する。

図６は、ショッピングサーバ１のクエリ学習における処理の流れを示すフローチャートである。ログ収集部２０は、ログ情報５２を取得する（Ｓ１００）。

カテゴリ推定部３０は、ログ情報５２を参照して、入力されたクエリと、クエリ入力の後にクリックされた商品に対して予め設定されている商品カテゴリとの関係を学習し、クエリに応じた商品カテゴリを推定する（Ｓ１１０）。

図６の学習段階における処理は、必ずしもクエリの入力の度に行われる必要はなく、カテゴリ推定部３０は、一定のデータが蓄積された場合など、所望のタイミングで、クエリに応じた商品カテゴリを推定してもよい。

図７は、ショッピングサーバ１の運用段階における処理の流れを示すフローチャートである。ユーザは、ユーザ端末８０で商品販売ページにアクセスし、商品検索ページに商品を検索するためのクエリを入力して検索を指示する（Ｓ１２０）。順位付け部４０は、クエリに対応する商品カテゴリを、商品カテゴリ推定結果５４から取得する（Ｓ１３０）。

順位付け部４０は、取得した商品カテゴリに応じた商品カテゴリ特化モデルを用いて、推定された商品カテゴリに属する複数の商品の中から商品推奨ページに表示する商品を選択し、順位付けを行う（Ｓ１４０）。

サイト提供部１０は、順位付け部４０の順位付けに従って、商品カテゴリ毎の商品推奨ページにおいて、商品カテゴリ内で複数の商品を順位付けされた状態で表示する（Ｓ１５０）。

また、図７の運用段階における処理のうちＳ１３０およびＳ１４０の処理は、必ずしもクエリの入力の度に行われる必要はなく、一度、あるクエリに対して商品の選択および順位付けが行われると、順位付け部４０は、一定のデータが蓄積された後、商品を選択および順位付けしてもよい。

上述したようにショッピングサーバ１によると、クエリに関連した商品カテゴリを学習することで、入力されたクエリに関連性が高い商品カテゴリを推定することができる。これによって、クエリに対して固定的に商品カテゴリを割り当てる場合に比して、ユーザの実際の行動に基づいて商品カテゴリを割り当てているため、複数の商品カテゴリに該当するようなクエリが入力された場合でも、大多数のユーザのクリック傾向に基づいて商品カテゴリを割り当てることができる。すなわち、実勢を反映した商品カテゴリの割り当てを行うことができる。また、ショッピングサーバ１によると、ユーザのクリックする行動に基づいて商品カテゴリを学習できるため、ユーザの嗜好に合わせてユーザに商品を適切に提示することができる。

更に、ショッピングサーバ１によると、商品カテゴリ毎に異なるカテゴリ特化モデルを用いて商品の順位付けを行うことで、入力されたクエリに関連する商品カテゴリの性質毎に適切に商品を順位付けすることができ、ユーザが商品を購入する行動を促すことができる。

上記実施形態において、カテゴリ推定部３０と順位付け部４０はショッピングサーバ１の内部機能であるものとして説明したが、これらのうち一方または双方は、外部装置（情報処理装置）の機能であってもよい。

［変形例１］
変形例１では、例えば、カテゴリ推定部３０と順位付け部４０が情報処理装置９０に含まれる場合を例示する。

図８は、変形例であるショッピングサーバ２の構成図である。情報処理装置９０は、カテゴリ推定部３０と、順位付け部４０と、商品カテゴリ推定結果５４を記憶する記憶部６０とを備え、ネットワークＮＷを介してショッピングサーバ２に接続されている。

情報処理装置９０において、カテゴリ推定部３０は、ネットワークＮＷを介してログ情報５２を取得し、上記と同様にクエリと商品カテゴリとの関係を学習し、クエリに応じた商品カテゴリを推定する。カテゴリ推定部３０は、情報処理装置９０内の商品カテゴリ推定結果５４を更新する。

順位付け部４０は、商品カテゴリ推定結果５４を参照し、クエリごとの選択・順位付けを行い、サイト提供部１０に送信する。

サイト提供部１０は、情報処理装置９０から取得した順位付け部４０の結果に基づいて、商品カテゴリ毎の商品推奨ページにおいて、商品カテゴリ内で複数の商品を順位付けされた状態で表示する。

［変形例２］
変形例２は、変形例１と異なり、カテゴリ推定部３０は情報処理装置１００にあるが、順位付け部４０はショッピングサーバ３にある形態である。

図９は、変形例であるショッピングサーバ３の構成図である。情報処理装置１００は、例えば、カテゴリ推定部３０を備え、ネットワークＮＷを介してショッピングサーバ３に接続されている。

情報処理装置１００において、カテゴリ推定部３０は、ネットワークＮＷを介してログ情報５２を取得し、上記と同様にクエリと商品カテゴリとの関係を学習し、クエリに応じた商品カテゴリを推定する。カテゴリ推定部３０は、推定結果を１に送信する。１は、推定結果を、商品カテゴリ推定結果５４として記憶部５０に格納する。

順位付け部４０は、商品カテゴリ推定結果５４を参照し、クエリごとの選択・順位付けを行う。

サイト提供部１０は、情報処理装置１００から取得した順位付け部４０の結果に基づいて、商品カテゴリ毎の商品推奨ページにおいて、商品カテゴリ内で複数の商品を順位付けされた状態で表示する。

上述した情報処理装置の各変形例によると、ネットワークＮＷを介した様々な装置構成でショッピングサイトを提供することができる。

以上、本発明を実施するための形態について実施形態を用いて説明したが、本発明はこうした実施形態に何等限定されるものではなく、本発明の要旨を逸脱しない範囲内において種々の変形及び置換を加えることができる。例えば、上記の商品カテゴリ推定は、ショッピングサイト以外のビジネス場面、例えばオークションなどに適用してもよい。

１、２、３…ショッピングサーバ
１０…サイト提供部
２０…ログ収集部
３０…カテゴリ推定部
４０…順位付け部
８０…ユーザ端末
９０、１００…情報処理装置
ＩＦ…インターフェース部
ＮＷ…ネットワーク

Claims (6)

1. 電子取引を行う事業者の商品検索ページに対して入力されたクエリの情報と、前記クエリが入力されるのに応じて提供された商品推奨ページにおいてクリックされた商品の情報とを取得する取得部と、
   前記取得部により取得された情報を参照し、前記クエリと前記クリックされた商品との関連性に基づいて、前記クエリに対応する商品カテゴリを推定するカテゴリ推定部と、
   を備える情報処理装置。
2. 前記カテゴリ推定部は、前記クリックされた商品に予め付与されているカテゴリ情報に基づいて、前記クエリに対応する商品カテゴリを推定する、
   請求項１記載の情報処理装置。
3. 前記カテゴリ推定部によって推定された前記商品カテゴリ毎に異なる手法を用いて、前記商品推奨ページにおける商品の順位付けを行う順位付け部を更に備える、
   請求項１または２記載の情報処理装置。
4. 前記カテゴリ推定部は、前記クエリと、前記クエリに対応して前記商品推奨ページに表示された商品がクリックされた数とに基づいて前記商品カテゴリを更新する、
   請求項３に記載の情報処理装置。
5. コンピュータが、
   電子取引を行う事業者の商品検索ページに対して入力されたクエリの情報と、前記クエリが入力されるのに応じて提供された商品推奨ページにおいてクリックされた商品の情報とを取得し、
   取得された情報を参照し、前記クエリと前記クリックされた商品との関連性に基づいて、前記クエリに対応する商品カテゴリを推定する、
   情報処理方法。
6. コンピュータに、
   電子取引を行う事業者の商品検索ページに対して入力されたクエリの情報と、前記クエリが入力されるのに応じて提供された商品推奨ページにおいてクリックされた商品の情報とを取得させ、
   取得された情報を参照し、前記クエリと前記クリックされた商品との関連性に基づいて、前記クエリに対応する商品カテゴリを推定させる、
   プログラム。

Images