JP2019021175A - 広告制作支援システム、方法及びプログラム - Google Patents

Abstract

【課題】 広告を客観的かつ定量的に評価することが可能な広告制作支援システムを提供する。【解決手段】 特徴量行列作成部（４２）は、データベースに記憶されている広告の特徴に基づいて、広告の特徴を示す特徴量を成分とする特徴量行列を作成する。評価量行列作成部（４３）は、データベースに記憶されている広告の評価に基づいて、広告の評価を示す評価量を成分とする評価量行列を作成する。関連度行列算出部（４４）は、特徴量行列と評価量行列とから特徴量と評価量との間の関連を示す関連度を成分とする関連度行列を算出する。特徴量ベクトル作成部（５３）は、入力された広告の所定の特徴に基づいて、広告の特徴を示す特徴量を成分とする所定の特徴量ベクトルを作成する。評価量ベクトル算出部（５４）は、関連度行列と所定の特徴量ベクトルとから広告の評価を示す評価量を成分とする評価量ベクトルを算出する。【選択図】 図１

Description

本発明は、広告制作において広告を評価するための広告制作支援システム、方法及びプログラムに関する。

従来、広告制作を支援するための様々な広告制作支援システムが提案されている（例えば、特許文献１参照）。

特開２００３−２７１０８３号公報

従来の広告業界においては、制作者の感覚、担当者の好悪、広告主の意向といった主観的な要素に基づき、曖昧な評価基準によって広告制作がなされていた。
本発明は上記課題に鑑みてなされたものであり、その目的は、広告を客観的かつ定量的に評価することが可能な広告制作支援システム、方法及びプログラムを提供することにある。

本発明の第１実施態様は、データベースに記憶されている広告の特徴に基づいて、広告の特徴を示す特徴量を成分とする特徴量行列を作成する特徴量行列作成部と、データベースに記憶されている広告の評価に基づいて、広告の評価を示す評価量を成分とする評価量行列を作成する評価量行列作成部と、前記特徴量行列と前記評価量行列とから特徴量と評価量との間の関連を示す関連度を成分とする関連度行列を算出する関連度行列算出部と、入力された広告の所定の特徴量に基づいて、広告の特徴を示す特徴量を成分とする所定の特徴量ベクトルを作成する特徴量ベクトル作成部と、前記関連度行列と前記所定の特徴量ベクトルとから広告の評価を示す評価量を成分とする評価量ベクトルを算出する評価量ベクトル算出部と、を具備することを特徴とする広告制作支援システムである。

本実施態様では、データベースに記憶されている広告の特徴及び評価から特徴量行列及び評価量行列を作成し、当該特徴量行列と評価量行列とから関連度行列を算出したうえで、関連度行列と特徴量ベクトルとから評価量ベクトルを算出している。このように、制作する広告について客観的なデータに基づいて定量的評価を得ることができ、広告を客観的かつ定量的に評価することが可能となっている。

本発明の第２実施態様は、前記広告制作支援システムは、広告の評価に対する所定の種類の特徴の重要度を示す重み付け係数を算出する重み付け係数算出部をさらに具備し、前記特徴量行列作成部は、特徴の種類別に夫々特徴量行列を作成し、前記関連度行列算出部は、特徴の種類別に夫々作成された特徴量行列に基づいて夫々関連度行列を算出し、前記特徴量ベクトル作成部は、特徴の種類別に夫々特徴量ベクトルを作成し、前記評価量ベクトル算出部は、前記特徴の種類別の関連度行列と前記特徴の種類別の特徴量ベクトルとから夫々評価量ベクトルを算出し、当該特徴の種類別の評価量ベクトルを特徴の種類別の重み付け係数を用いて重み付けして総和をとることで評価量ベクトルを算出する、ことを特徴とする広告制作支援システムである。

本実施態様では、所定の種類の特徴別に、夫々、特徴量行列を作成して関連度行列を算出し、関連度行列と特徴量ベクトルとから評価量ベクトルを算出して、評価量ベクトルを所定の種類の特徴の重要度を示す重み付け係数を用いて重み付けして総和をとることで、評価量ベクトルを算出している。このように、特徴の種類に応じた重要度を加味した評価を得ることができ、広告をより的確に評価することが可能となっている。

本発明の第３実施態様は、前記特徴量ベクトル作成部は、入力された広告の所定の特徴がデータベースに記憶されている広告の特徴中に存在しない場合には、当該所定の特徴を新規な特徴として検出する、ことを特徴とする広告制作支援システムである。

本実施態様では、入力された広告の所定の特徴がデータベースに記憶されている広告の特徴中に存在しない場合には、当該所定の特徴を新規な特徴として検出するようにしている。このような新規な特徴を利用して広告を制作することで、従来の広告とは異なる斬新な広告を制作することが可能となっている。

本発明の第４実施態様は、入力された広告の所望の評価に基づいて、広告の評価を示す評価量を成分とする所望の評価量ベクトルを作成する評価量ベクトル作成部と、関連度行列の転置行列と前記所望の評価量ベクトルとから特徴量ベクトルを算出する特徴量ベクトル算出部をさらに具備する、ことを特徴とする広告制作支援システムである。

本実施態様では、入力された所望の評価に基づいて評価量ベクトルを作成し、当該所望の評価量ベクトルから関連度行列の転置行列を用いて特徴量ベクトルを算出している。そして、当該特徴量ベクトルによって表現される特徴を有する広告を制作することで、所望の評価を得られる蓋然性の高い広告を制作することができ、広告目的に適合した効果的な広告を制作することが可能となっている。

本発明の第５実施態様は、データベースに記憶されている広告の特徴に基づいて、広告の特徴を示す特徴量を成分とする特徴量行列を作成する特徴量行列作成ステップと、データベースに記憶されている広告の評価に基づいて、広告の評価を示す評価量を成分とする評価量行列を作成する評価量行列作成ステップと、前記特徴量行列と前記評価量行列とから特徴量と評価量との間の関連を示す関連度を成分とする関連度行列を算出する関連度行列算出ステップと、入力された広告の所定の特徴量に基づいて、広告の特徴を示す特徴量を成分とする所定の特徴量ベクトルを作成する特徴量ベクトル作成ステップと、前記関連度行列と前記所定の特徴量ベクトルとから広告の評価を示す評価量を成分とする評価量ベクトルを算出する評価量ベクトル算出ステップと、を具備することを特徴とする広告制作支援方法である。
本実施態様では、第１実施態様と同様の作用効果を奏する。

本発明の第６実施態様は、コンピュータに、データベースに記憶されている広告の特徴に基づいて、広告の特徴を示す特徴量を成分とする特徴量行列を作成する特徴量行列作成機能と、データベースに記憶されている広告の評価に基づいて、広告の評価を示す評価量を成分とする評価量行列を作成する評価量行列作成機能と、前記特徴量行列と前記評価量行列とから特徴量と評価量との間の関連を示す関連度を成分とする関連度行列を算出する関連度行列算出機能と、入力された広告の所定の特徴量に基づいて、広告の特徴を示す特徴量を成分とする所定の特徴量ベクトルを作成する特徴量ベクトル作成機能と、前記関連度行列と前記所定の特徴量ベクトルとから広告の評価を示す評価量を成分とする評価量ベクトルを算出する評価量ベクトル算出機能と、を実現させるための広告制作支援プログラムである。
本実施態様では、第１実施態様と同様な作用効果を奏する。

本発明では、広告を客観的かつ定量的に評価することが可能となっている。

本発明の第１実施形態の広告制作支援システムを示すブロック図。 本発明の第１実施形態の広告制作支援方法を示すフロー図。 本発明の第１実施形態の単語頻度行列を示す模式図。 本発明の第１実施形態の好感度行列を示す模式図。 本発明の第１実施形態の関連度行列を示す模式図。 本発明の第１実施形態の文章入力画面を示す模式図。 本発明の第１実施形態の好感度表示画面を示す模式図。 本発明の第３実施形態の広告制作支援システムを示すブロック図。 本発明の第３実施形態の広告制作支援方法を示すフロー図。 本発明の第３実施形態の好感度入力画面を示す模式図。 本発明の第３実施形態の単語頻度表示画面を示す模式図。

図１乃至図６を参照して、本発明の第１実施形態について説明する。
本実施形態では、多数のＴＶＣＭについての文章データと好感度データとから関連度行列を算出したうえで、当該関連度行列と文章入力画面から入力された所定の文章データとから好感度データを算出し、当該好感度データを好感度表示画面に表示するようにしている。ここでは、文章の利用態様別に関連度行列と所定の文章データとから好感度データを算出し、文章の利用態様別の好感度データを利用態様別に重み付けして総和を取ることで、好感度データを算出している。

図１を参照して、本実施形態の広告制作支援システムの概略構成を説明する。
図１に示されるように、広告制作支援システムは、データサーバ１０、ユーザ端末２０、及び、処理サーバ３０から構成されている。

データサーバ１０は、データベース１２としての機能を有する。データベース１２は、多数のＣＭについて、ＣＭの特徴として各ＣＭにおける利用態様別の文章データを蓄積し、ＣＭの評価として各ＣＭについての好感度データを蓄積している。

ユーザ端末２０は、表示部２２及び入力部２４から構成されている。表示部２２は、利用態様別に所定の文章データを入力するための文章入力画面を表示する機能を有し、入力部２４は、当該文章データを入力する機能を有する。また、表示部２２は、好感度データを示す好感度表示画面を表示する機能を有する。

処理サーバ３０は、モデル作成システム４１及び予測システム５１から構成されている。
モデル作成システム４１は、単語頻度行列作成部４２、好感度行列作成部４３、関連度行列算出部４４、重み付け係数算出部４５、関連度行列記憶部４６及び重み付け係数記憶部４７とから構成されている。

単語頻度行列作成部４２は、多数のＣＭの文章データから、文章の利用態様別に、各ＣＭについて単語の出現する頻度を単語別に示す単語頻度行列を作成する機能を有する。好感度行列作成部４３は、多数のＣＭの好感度データから、各ＣＭについて好感度を好感度項目別に示す好感度行列を作成する機能を有する。関連度行列算出部４４は、文章の利用態様別に、単語頻度行列と好感度行列とから、各単語の出現頻度と各好感度項目の好感度との関連を示す関連度行列を算出する機能を有する。関連度行列記憶部４６は、算出された関連度行列を記憶する機能を有する。重み付け係数算出部４５は、ＣＭの好感度に対する文章の利用態様別の重要度を示す重み付け係数を算出する機能を有する。重み付け係数記憶部４７は、算出された重み付け係数を記憶する機能を有する。

予測システム５１は、文章データ受付部５２、単語頻度ベクトル作成部５３、好感度ベクトル算出部５４及び出力部５５とから構成されている。
出力部５５は、ユーザ端末２０の表示部２２に文章入力画面を表示させる機能を有する。文章データ受付部５２は、ユーザ端末２０の入力部２４から入力された利用態様別の文章データを受け付ける機能を有する。単語頻度ベクトル作成部５３は、文章の利用態様別に、文章における単語の出現する頻度を単語別に示す単語頻度ベクトルを作成する機能を有する。好感度ベクトル算出部５４は、文章の利用態様別に、記憶された関連度行列及び重み付け係数を取得し、関連度行列と単語頻度ベクトルとから好感度ベクトルを算出して、文章の利用態様別の好感度ベクトルを重み付け係数を用いて重み付けして総和を取ることで、好感度ベクトルを算出する機能を有する。出力部５５は、ユーザ端末２０の表示部２２に好感度表示画面を表示させる機能を有する。

図２乃至図７を参照して、本実施形態の広告制作支援方法について説明する。
図２に示されるように、広告制作支援方法では、以下の各ステップが実行される。

データベース構築ステップ（Ｓ２１）
データベース１２には、多数のＣＭについて、ＣＭの特徴として利用態様別の文章データ、ＣＭの評価としてアンケートによって得られた好感度データが蓄積されている。文章の利用態様としては、台詞、画面表示、状況説明が用いられる。台詞の文章とは、ＣＭ中の出演者の台詞として利用される文章、画面表示の文章とは、ＣＭ中で画面に表示されるテロップとして利用される文章、状況説明の文章とは、ＣＭの状況を説明する字コンテで利用される文章である。好感度データとしては、好感度項目別の投票数が用いられる。好感度項目としては、総好感度、「出演者」「ユーモラス」「セクシー」「宣伝文句」等の投票理由、「試用意向度」「愛用継続度」等の使用状態、「男性」「男性６−１２歳」「女性」「女性６−１２歳」等の性別・年齢が用いられる。なお、総好感度については、「好感がもてる」への投票を＋１、「好感がもてない」への投票を−１として集計している。総好感度について「好感がもてる」へ投票した場合には投票理由及び性別・年齢への投票を＋１、「好感がもてない」へ投票した場合には投票理由及び性別・年齢への投票を−１として集計する。また、使用状態の「試用意向度」については、「使ってみたい」への投票を＋１、「使ってみたくない」への投票を−１として集計しており、「愛用継続度」については、「愛用している」への投票を＋１、「愛用していた」への投票を−１として集計している。

単語頻度行列作成ステップ（Ｓ２２）
データベース１２に蓄積された各ＣＭについての利用態様別の文章データから、利用態様別の単語頻度行列Ｘ^１、Ｘ^２、Ｘ^３を作成する。図３に示されるように、単語頻度行列はＬ行Ｎ列の行列である。各行については、ＣＭ中に出現した単語を示しており、全ＣＭ中に出現した単語の総数が行列の行数となる。各列については、データベース１２に蓄積されている各ＣＭを示しており、全ＣＭの総数が列数となる。ｌ行ｎ列の成分ｘ_ｌｎについては、ｌ番目の単語がｎ番目のＣＭに出現する頻度を示している。

単語頻度行列を作成する際には、文章の利用態様別に、各ＣＭについて、文章データを分割して使用されている単語を抽出し、各単語の出現回数を計数する。文章データの分割には、例えば形態素解析を用いる。そして、各単語の出現回数について、特徴度に応じた重み付けを行う。各単語の出現回数の重み付けには、例えば、ＴＦ−ＩＤＦを用い、同一のＣＭ中で何度も出現している単語については特徴的な単語として重みを重くし、複数のＣＭ中で何度も出現している単語については特徴的でない単語として重みを軽くする。さらに、各ＣＭについて、重み付けをした各単語の出現回数を正規化して、出現頻度を算出する。例えば、式（１）に示されるようにｐノルムを用いて正規化を行う。ここで、ｗ_ｌｎはｌ番目の単語のｎ番目のＣＭにおける重み付けした出現回数であり、Ｗはｗ_ｌｎをｌ番目の成分とするベクトルである。

好感度行列作成ステップ（Ｓ２３）
データベース１２に蓄積された各ＣＭについての好感度データから好感度行列Ｙを作成する。図４に示されるように、好感度行列ＹはＭ行Ｎ列の行列である。各行については、好感度投票における好感度項目を示しており、好感度項目の総数が行列の行数となる。各列については、データベース１２に蓄積されている各ＣＭを示しており、全ＣＭの総数が列数となる。ｍ行ｎ列の成分ｙ_ｍｎについては、ｍ番目の好感度項目についてのｎ番目のＣＭに対する投票率を示している。
好感度行列を作成する際には、各ＣＭについて、所定の好感度項目に対する投票数を当該ＣＭに対する総投票数で除することで投票率を算出する。

関連度行列算出ステップ（Ｓ２４）
単語頻度行列と好感度行列とから、文章の利用態様別の関連度行列Ｔ^１、Ｔ^２、Ｔ^３を算出する。図５に示されるように、関連度行列はＭ行Ｌ列の行列である。関連度行列の成分ｔ_ｉｊについては、ｉ番目の好感度項目の投票率とｊ番目の単語の出現頻度との関連度を示すものである。例えば、式（２）に示されるように、関連度行列を算出する。ここで、ｐ、ｑ、ｒは定数である。このようにして算出した関連度行列を記憶しておく。

重み付け係数算出ステップ（Ｓ２５）
好感度に対する文章の利用態様別の重要度を示す重み付け係数α^１、α^２、α^３を算出する。重み付け係数については、式（３）に示される近似が最適化されるように算出する。ここで、ｘ^１ _ｎはｘ^１ _ｌｎをｌ番目の成分とするベクトル、ｙ_ｎはｙ_ｍｎをｍ番目の成分とするベクトルである。例えば、重み付け係数については、グリッドサーチによって算出することが可能である。このようにして算出した重み付け係数を記憶しておく。

文章データ入力ステップ（Ｓ２６）
制作しようとするＣＭについて、図６に示されるように、ユーザ端末２０の文章入力画面から、台詞、画面表示及び状況説明の利用態様別に、文章データを入力する。

単語頻度ベクトル作成ステップ（Ｓ２７）
文章の利用態様別に、入力された文章データから、単語頻度ベクトルｘ^１、ｘ^２、ｘ^３を作成する。単語頻度ベクトルの成分ｘ_ｌは、入力された文章中でのｌ番目の単語の出現頻度を示す。

単語頻度ベクトルを作成する際には、入力された文章データを単語に分解して、当該文章に出現する単語の出現回数を計数する。そして、各単語の出現回数を正規化して、出現頻度を算出する。正規化の方法については、単語頻度行列の作成において説明した方法と同様である。

好感度ベクトル算出ステップ（Ｓ２８）
記憶された関連度行列及び重み付け係数を取得する。そして、文章の利用態様別に、関連度行列と単語頻度行列とから好感度ベクトルを算出し、文章の利用態様別の好感度ベクトルを重み付け係数を用いて重み付けして総和を取ることにより、好感度ベクトルを算出する。好感度ベクトルの成分ｙ_ｍは、ｍ番目の好感度項目についての好感度の予想値を示す。例えば、式（４）に示されるように、好感度ベクトルを算出する。

好感度データ表示ステップ（Ｓ２９）
ユーザ端末２０の表示部２２に、算出した好感度ベクトルに基づいて、好感度項目別の好感度データを示す好感度出力画面を表示する。例えば、図７に示されるように、好感度項目別に予測される好感度を棒グラフによって表示する。

本実施形態の広告制作支援システム及び方法は以下の効果を奏する。
本実施形態では、データベース１２に蓄積された多数のＴＶＣＭの文章データ及び好感度データから単語頻度行列及び好感度行列を夫々作成し、単語頻度行列と好感度行列とから関連度行列を算出している。そして、入力された文章データから単語頻度ベクトルを作成し、関連度行列と単語頻度ベクトルとから好感度ベクトルを算出して、好感度項目別に好感度データとして表示するようにしている。このように、制作する広告について、客観的なデータに基づいて定量的な好感度データを得ることができ、広告を客観的かつ定量的に評価することが可能となっている。

さらに、台詞、画面表示及び状況説明という文章の利用態様別に、夫々、単語頻度行列を作成して関連度行列を算出して、関連度行列と単語頻度ベクトルとから好感度ベクトルを算出し、好感度ベクトルを利用態様別の重み付け係数を用いて重み付けして総和をとることで、好感度ベクトルを算出している。このように、文章の利用態様に応じた重要度を加味した好感度データを得ることができ、ＴＶＣＭをより的確に評価することが可能となっている。

本発明の第２実施形態について説明する。
以下では、第１実施形態と相違する構成等についてのみ説明する。
本実施形態の広告制作支援システムでは、ユーザ端末２０において、表示部２２は、新規単語データを示す新規単語表示画面を表示する機能を有する。そして、処理サーバ３０において、予測システム５１の単語頻度ベクトル作成部５３は、入力された文章中に、データベース１２の文章中には出現しない単語が出現する場合には、当該単語を新規単語として検出する機能を有する。出力部５５は、ユーザ端末２０の表示部２２に新規単語表示画面を表示させる機能を有する。

本実施形態の広告制作支援方法では、単語頻度ベクトル作成ステップにおいて、入力された文書中に、データベース１２の文章データ中に出現しない単語が出現する場合には、当該単語を新規単語として検出する。そして、新規単語が検出されている場合には、好感度データ表示ステップにおいて、好感度出力画面と共に、新規単語データを示す新規単語表示画面を表示する。

本実施形態では、入力した文章中に、データベース１２の文章中には出現しない単語が出現する場合には、当該単語を新規単語として検出し、新規単語データとして表示するようにしている。データベース１２の文章については、台詞や画面表示だけでなく状況説明にも関連しており、新規単語については、従来のＴＶＣＭでは利用されていない新たな概念を提示するものであるといえる。このため、新規単語を利用してＴＶＣＭを制作することで、従来のＴＶＣＭとは異なる斬新なＴＶＣＭを制作することが可能となっている。

図８乃至図１１を参照して、本発明の第３実施形態について説明する。
以下では、第１実施形態と相違する構成等についてのみ説明する。
本実施形態では、関連度行列の転置行列と、好感度入力画面から入力された好感度項目別の所望の好感度データとから単語頻度データを算出し、単語頻度データを単語頻度表示画面に表示するようにしている。

図８を参照して、本実施形態の広告制作支援システムの概略構成について説明する。
図８に示されるように、ユーザ端末２０の表示部２２は、好感度項目別に所望の好感度データを入力するための好感度入力画面を表示する機能を有し、入力部２４は、当該好感度データを入力する機能を有する。また、表示部２２は、単語頻度データを示す単語頻度表示画面を表示する機能を有する。

処理サーバ３０の予測システム５１は、好感度データ受付部５７、好感度ベクトル作成部５８、単語頻度ベクトル算出部５９及び出力部５５とから構成されている。
出力部５５は、ユーザ端末２０の表示部２２に好感度入力画面を表示させる機能を有する。好感度データ受付部５７は、ユーザ端末２０の入力部２４から入力された好感度項目別の所望の好感度データを受け付ける機能を有する。好感度ベクトル作成部５８は、好感度項目別の好感度を示す好感度ベクトルを作成する機能を有する。単語頻度ベクトル算出部５９は、関連度行列の転置行列と好感度ベクトルとから単語頻度ベクトルを算出する機能を有する。出力部５５は、ユーザ端末２０の表示部２２に単語頻度表示画面を表示させる機能を有する。

図９乃至図１１を参照して、本実施形態の広告制作支援方法について説明する。
図９に示されるように、広告制作支援方法では、以下の各ステップが実行される。

好感度データ入力ステップ（Ｓ４１）
制作しようとするＣＭについて、ユーザ端末２０の好感度入力画面から、好感度項目別の所望の好感度データを入力する。例えば、図１０に示されるように、好感度項目別のスライドバーによって好感度を入力する。

好感度ベクトル作成ステップ（Ｓ４２）
入力された好感度データから、好感度ベクトルｙを作成する。好感度ベクトルの成分ｙ_ｍはｍ番目の好感度項目についての所望の好感度を示す。

単語頻度ベクトル算出ステップ（Ｓ４３）
関連度行列Tの転置行列T^ｔと好感度ベクトルとから単語頻度ベクトルを算出する。単語頻度ベクトルの成分ｘ_ｌはｌ番目の単語についての出現頻度の目標値を示す。例えば、式（５）に示されるように、単語頻度ベクトルを算出する。

単語頻度データ表示ステップ（Ｓ４４）
ユーザ端末２０の表示部２２に、算出した単語頻度ベクトルに基づいて、単語別の出現頻度データを示す単語頻度出力画面を表示する。例えば、図１１に示されるように、単語別の出現頻度をタグクラウドによって表示する。本実施形態では、出現頻度の高い単語ほどフォントを大きくして表示している。

本実施形態の広告作成支援システム及び方法は以下の効果を奏する。
本実施形態では、好感度入力画面から入力された好感度項目別の所望の好感度データから好感度ベクトルを作成し、関連度行列の転置行列と好感度ベクトルとから単語頻度ベクトルを算出して、単語別の単語頻度データを単語頻度出力画面に表示するようにしている。このため、単語頻度出力画面に表示された単語別の単語頻度を利用して広告を作成することで、所望の好感度を得られる蓋然性の高い広告を作成することができ、広告目的に適合した効果的な広告を作成することが可能となっている。

上述した各実施形態では、広告の特徴及び特徴量として文章及び単語頻度を用いているが、出演者、音楽、動画、スクリーンショット、商品・サービス、広告主企業、出稿量、制作年代等の様々な特徴及び当該特徴に基づく特徴量を用いることが可能である。これら各種類の特徴別に関連度行列や重み付け係数を算出するようにしてもよい。また、広告の評価及び評価量として好感度及び好感度投票率を用いているが、広告の評価としては客観的かつ定量的な様々な評価及び当該評価を示す評価量を用いることが可能である。なお、広告としてはＴＶＣＭを用いているが、広告媒体はＴＶに限られず、インターネット、ラジオ、雑誌等の様々な広告媒体が用いられ、広告態様は音声有り動画に限られず、音声無し動画、音声のみ、画像等の様々な広告態様を用いることが可能である。

以上述べた各実施形態及びその変形例では、広告制作支援システム及び方法について説明したが、コンピュータに各実施形態及びその変形例の広告制作支援システムの各種機能を実現させるためのプログラム、コンピュータに各実施形態の広告制作支援方法及びその変形例の各種手順を実行させるためのプログラムも本願発明の範囲に含まれる。

４２ 単語頻度行列作成部
４３ 好感度行列作成部
４４ 関連度行列作成部
４５ 重み付け係数算出部
５２ 文章データ受付部
５３ 単語頻度ベクトル作成部
５４ 好感度ベクトル算出部
５５ 出力部
５７ 好感度データ受付部
５８ 好感度ベクトル作成部
５９ 単語頻度ベクトル算出部

Claims (11)

1. データベースに記憶されている広告の特徴に基づいて、広告の特徴を示す特徴量を成分とする特徴量行列を作成する特徴量行列作成部と、
   データベースに記憶されている広告の評価に基づいて、広告の評価を示す評価量を成分とする評価量行列を作成する評価量行列作成部と、
   前記特徴量行列と前記評価量行列とから特徴量と評価量との間の関連を示す関連度を成分とする関連度行列を算出する関連度行列算出部と、
   入力された広告の所定の特徴に基づいて、広告の特徴を示す特徴量を成分とする所定の特徴量ベクトルを作成する特徴量ベクトル作成部と、
   前記関連度行列と前記所定の特徴量ベクトルとから広告の評価を示す評価量を成分とする評価量ベクトルを算出する評価量ベクトル算出部と、
   を具備することを特徴とする広告制作支援システム。
2. 前記広告制作支援システムは、広告の評価に対する所定の種類の特徴の重要度を示す重み付け係数を算出する重み付け係数算出部をさらに具備し、
   前記特徴量行列作成部は、特徴の種類別に夫々特徴量行列を作成し、
   前記関連度行列算出部は、特徴の種類別に夫々作成された特徴量行列に基づいて夫々関連度行列を算出し、
   前記特徴量ベクトル作成部は、特徴の種類別に夫々特徴量ベクトルを作成し、
   前記評価量ベクトル算出部は、前記特徴の種類別の関連度行列と前記特徴の種類別の特徴量ベクトルとから夫々評価量ベクトルを算出し、当該特徴の種類別の評価量ベクトルを特徴の種類別の重み付け係数を用いて重み付けして総和をとることで評価量ベクトルを算出する、
   ことを特徴とする請求項１に記載の広告制作支援システム。
3. 前記特徴量ベクトル作成部は、入力された広告の所定の特徴がデータベースに記憶されている広告の特徴中に存在しない場合には、当該所定の特徴を新規な特徴として検出する、
   ことを特徴とする請求項１に記載の広告制作支援システム。
4. 入力された広告の所望の評価に基づいて、広告の評価を示す評価量を成分とする所望の評価量ベクトルを作成する評価量ベクトル作成部と、
   前記関連度行列の転置行列と前記所望の評価量ベクトルとから特徴量ベクトルを算出する特徴量ベクトル算出部をさらに具備する、
   ことを特徴とする請求項１に記載の広告制作支援システム。
5. 前記評価量ベクトル算出部によって算出された評価量ベクトルについて評価項目別に評価量をグラフで表示させる評価出力部と、
   をさらに具備することを特徴とする請求項１に記載の広告制作支援システム。
6. 広告の所望の評価について評価項目別に所望の評価量をスライドバーによって受け付ける評価受付部と、
   をさらに具備することを特徴とする請求項４に記載の広告制作支援システム。
7. 前記特徴量は、広告における単語の出現する頻度を示す単語頻度を含み、
   前記評価量は、広告に対する好感の程度を示す好感度を含む、
   ことを特徴とする請求項１に記載の広告制作支援システム。
8. 前記特徴量は、広告における単語の出現する頻度を示す単語頻度を含み、
   前記評価量は、広告に対する好感の程度を示す好感度を含み、
   前記特徴の種類は、広告における文章の利用態様を含む、
   ことを特徴とする請求項２に記載の広告制作支援システム。
9. 入力された広告の所定の特徴に基づいて、広告の特徴を示す特徴量を成分とする所定の特徴量ベクトルを作成する特徴量ベクトル作成部と、
   請求項１に記載の関連度行列を取得し、取得した関連度行列と前記所定の特徴量ベクトルとから広告の評価を示す評価量を成分とする評価量ベクトルを算出する評価量ベクトル算出部と、
   を具備することを特徴とする広告制作支援システム。
10. データベースに記憶されている広告の特徴に基づいて、広告の特徴を示す特徴量を成分とする特徴量行列を作成する特徴量行列作成ステップと、
    データベースに記憶されている広告の評価に基づいて、広告の評価を示す評価量を成分とする評価量行列を作成する評価量行列作成ステップと、
    前記特徴量行列と前記評価量行列とから特徴量と評価量との間の関連を示す関連度を成分とする関連度行列を算出する関連度行列算出ステップと、
    入力された広告の所定の特徴量に基づいて、広告の特徴を示す特徴量を成分とする所定の特徴量ベクトルを作成する特徴量ベクトル作成ステップと、
    前記関連度行列と前記所定の特徴量ベクトルとから広告の評価を示す評価量を成分とする評価量ベクトルを算出する評価量ベクトル算出ステップと、
    を具備することを特徴とする広告制作支援方法。
11. コンピュータに、
    データベースに記憶されている広告の特徴に基づいて、広告の特徴を示す特徴量を成分とする特徴量行列を作成する特徴量行列作成機能と、
    データベースに記憶されている広告の評価に基づいて、広告の評価を示す評価量を成分とする評価量行列を作成する評価量行列作成機能と、
    前記特徴量行列と前記評価量行列とから特徴量と評価量との間の関連を示す関連度を成分とする関連度行列を算出する関連度行列算出機能と、
    入力された広告の所定の特徴量に基づいて、広告の特徴を示す特徴量を成分とする所定の特徴量ベクトルを作成する特徴量ベクトル作成機能と、
    前記関連度行列と前記所定の特徴量ベクトルとから広告の評価を示す評価量を成分とする評価量ベクトルを算出する評価量ベクトル算出機能と、
    を実現させるための広告制作支援プログラム。

Images