JP2019075163A - 推定装置、推定方法、及び推定プログラム - Google Patents

Abstract

【課題】ユーザの特性を適切に推定する。【解決手段】本願に係る推定装置は、抽出部と、推定部とを有する。抽出部は、ユーザの行動に関する履歴情報から、前記ユーザの通常の行動から外れる外れ行動を示す情報である外れ情報を抽出する。推定部は、抽出部により抽出された前記外れ情報に基づいて、前記ユーザがサービスの利用において未登録情報、または、前記外れ情報に含まれる情報である前記ユーザの特性であって、前記外れ行動により顕在化される特性である前記ユーザのパーソナリティを形成するユーザ特性を推定する。【選択図】図３

Description

本発明は、推定装置、推定方法、及び推定プログラムに関する。

近年、種々の情報を収集し分析する技術が提供されている。例えば、移動機から取得された信号を集計して得られた時系列データにおける外れ値の原因を判定する技術が知られている。

特開２０１４−２０４１５５号公報

しかしながら、上記の従来技術では、ユーザの特性を適切に推定することができるとは限らない。例えば、従来技術では、ユーザの属性毎に集計して得られた属性別時系列データが対象であり、既にユーザの属性が特定された状況を対象としており、ユーザが例えば入力していないような属性情報を推定することについては考慮されていない。

本願は、上記に鑑みてなされたものであって、ユーザの特性を適切に推定する推定装置、推定方法、及び推定プログラムを提供することを目的とする。

本願に係る推定装置は、ユーザの行動に関する履歴情報から、前記ユーザの通常の行動から外れる外れ行動を示す情報である外れ情報を抽出する抽出部と、前記抽出部により抽出された前記外れ情報に基づいて、前記ユーザがサービスの利用において未登録情報、または、前記外れ情報に含まれる情報である前記ユーザの特性であって、前記外れ行動により顕在化される特性である前記ユーザのパーソナリティを形成するユーザ特性を推定する推定部と、を備えることを特徴とする。

実施形態の一態様によれば、ユーザの特性を適切に推定することができるという効果を奏する。

図１は、実施形態に係る推定処理の一例を示す図である。 図２は、実施形態に係る推定システムの構成例を示す図である。 図３は、実施形態に係る推定装置の構成例を示す図である。 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５は、実施形態に係る行動情報記憶部の一例を示す図である。 図６は、実施形態に係る外れ関連情報記憶部の一例を示す図である。 図７は、実施形態に係るユーザ特性情報記憶部の一例を示す図である。 図８は、実施形態に係る推定処理の一例を示すフローチャートである。 図９は、実施形態に係る推定処理の一例を示す図である。 図１０は、推定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。

以下に、本願に係る推定装置、推定方法、及び推定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推定装置、推定方法、及び推定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．推定処理〕
図１を用いて、実施形態に係る推定処理の一例について説明する。図１は、実施形態に係る推定処理の一例を示す図である。図１の例では、推定装置１００がユーザの通常の行動から外れる外れ行動を示す情報（以下、「外れ情報」ともいう）を用いて、ユーザの特性（以下、「ユーザ特性」ともいう）を推定する場合を示す。ここでいう、ユーザ特性とは、ユーザの特性であって、外れ行動により顕在化される特性であるユーザの特性を含む概念である。

図１では、推定装置１００は、ユーザの行動に関する履歴情報から、ユーザの通常の行動から外れる外れ行動を示す外れ情報を抽出する。推定装置１００は、抽出した外れ情報に基づいて、ユーザの特性であって、外れ行動により顕在化される特性であるユーザ特性を推定する。また、図１は、推定装置１００が推定したユーザ特性を用いてユーザへサービスの提供を行う場合を示す。

〔推定システムの構成〕
まず、図１に示す推定システム１について説明する。図２に示すように、推定システム１は、端末装置１０と、推定装置１００とが含まれる。端末装置１０と、推定装置１００とは所定のネットワークＮを介して、有線または無線により通信可能に接続される。図２は、実施形態に係る推定システムの構成例を示す図である。なお、図２に示した推定システム１には、複数台の端末装置１０や、複数台の推定装置１００が含まれてもよい。

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（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１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、端末装置１０は、ＧＰＳ（Global Positioning System）センサ等の各種センサにより、各種センサ情報を検知してもよい。また、端末装置１０は、加速度センサの機能を有し、ユーザの移動における加速度情報（センサ情報）を検知し、取得する。また、端末装置１０は、温度センサや気圧センサ等の種々の機能を有し、温度や気圧等のユーザの置かれている環境情報を検知し、取得可能であってもよい。また、端末装置１０は、心拍センサ等の種々の機能を有し、ユーザの生体情報を検知し、取得可能であってもよい。例えば、端末装置１０を利用するユーザは、端末装置１０と通信可能なウェアラブルデバイスを身に付けることにより、端末装置１０によりユーザ自身のコンテキスト情報を取得可能としてもよい。例えば、端末装置１０を利用するユーザは、端末装置１０と通信可能なリストバンド型のウェアラブルデバイスを身に付けることにより、ユーザ自身の心拍（脈拍）に関する情報を端末装置１０が取得可能としてもよい。

推定装置１００は、ユーザの行動に関する履歴情報から、外れ情報を抽出し、抽出した外れ情報に基づいて、ユーザ特性を推定する情報処理装置である。例えば、推定装置１００は、履歴情報から、第１外れ情報と、第１外れ情報とは異なる第２外れ情報とを含む外れ情報を抽出し、抽出した第１外れ情報及び第２外れ情報に基づいて、ユーザ特性を推定する。

また、図１の例では、推定装置１００は、ユーザにコンテンツを提供するサービス（コンテンツ提供サービス）を行う。推定装置１００は、端末装置１０からの要求に応じて、端末装置１０において表示されるコンテンツを配信する。例えば、推定装置１００は、ユーザが利用する端末装置１０からの要求に応じて、そのユーザのユーザ特性に応じたコンテンツを提供する。また、推定システム１においては、推定装置１００が検索サービスや電子商取引サービス等の種々のサービスを提供する。

例えば、推定装置１００は、端末装置１０に商品またはサービス（以下、併せて「商品」ともいう）の情報を提供したり、ユーザからの購入意思を示す情報に応じて、ユーザへの商品の配送等を行ったりする電子商取引サービスを提供する。また、例えば、推定装置１００は、端末装置１０から取得したクエリ（検索クエリ）に対する検索結果を端末装置１０に提供する検索サービスを提供する。

なお、推定装置１００以外の外部の情報処理装置がコンテンツ提供サービスや検索サービスや電子商取引サービス等を行ってもよい。この場合、推定システム１には、コンテンツ提供サービスや検索サービスや電子商取引サービス等を提供するサービス提供装置が含まれてもよい。また、外部の情報処理装置がコンテンツ提供サービスや検索サービスや電子商取引サービスを提供する場合、推定装置１００はコンテンツ提供サービスや検索サービスや電子商取引サービスを提供しなくてもよい。この場合、推定装置１００は、コンテンツ提供サービスや検索サービスや電子商取引サービスを提供する外部の情報処理装置等から各種情報を取得し、取得した各種情報に基づいて推定処理や外部の情報処理装置への情報提供を行ってもよい。

ここから、図１を用いて、ユーザＵ１のユーザ特性を推定する場合を一例として説明する。推定装置１００は、ユーザＵ１の行動に関する履歴情報（以下、「行動履歴」ともいう）を取得済みであるものとする。図１の例では、推定装置１００は、行動情報記憶部１２２に示すように、ユーザＵ１の行動履歴を取得済みであるものとする。

図１中の行動情報記憶部１２２に示す「ユーザＩＤ」は、ユーザを識別するための識別情報を示す。図１中の行動情報記憶部１２２に示す「行動ＩＤ」は、ユーザの行動を識別する情報を示す。図１中の行動情報記憶部１２２に示す「日時」は、対応するユーザの行動が行われた日時を示す。なお、図１の例では、「ｄｔ１１」等で図示するが、「日時」には、「２０１７年９月４日２２時３１分５８秒」等の具体的な日時が記憶されてもよい。また、図１中の行動情報記憶部１２２に示す「種別」は、対応するユーザの行動の種別に関する情報を示す。また、図１中の行動情報記憶部１２２に示す「内容」は、対応するユーザの行動の具体的な内容を示す。

例えば、図１に示す例において、ユーザＵ１は、行動ＡＣ１１や行動ＡＣ１５等の種々の行動を行ったことを示す。このように、「行動ＡＣ＊（＊は任意の数値）」と記載した場合、その行動は行動ＩＤ「ＡＣ＊」により識別される行動であることを示す。例えば、「行動ＡＣ２１」と記載した場合、その行動は行動ＩＤ「ＡＣ２１」により識別される行動である。

例えば、図１に示す例においてユーザＵ１は、行動ＡＣ１１に示すように、日時ｄｔ１１において、Ａ水を購入したことを示す。また、ユーザＵ１は、行動ＡＣ１１に示すように、日時ｄｔ１１において購入したＡ水の配送先に位置ＬＣ１１、すなわちユーザＵ１の自宅を指定したことを示す。

また、例えば、図１に示す例においてユーザＵ１は、行動ＡＣ１５に示すように、日時ｄｔ１５において、Ｂ米を購入したことを示す。また、ユーザＵ１は、行動ＡＣ１５に示すように、日時ｄｔ１５において購入したＢ米の配送先に位置ＬＣ１１、すなわちユーザＵ１の自宅を指定したことを示す。図１の例では、ユーザＵ１は、日常的に電子商取引サービスを利用して商品を購入しているユーザであるものとする。

なお、図１の例では、説明を簡単にするために、ユーザＵ１の行動のうち、商品の購入に関する行動のみを図示するが、ユーザＵ１の行動履歴には、ユーザＵ１のコンテンツの閲覧や検索に関する行動が含まれてもよい。

まず、推定装置１００は、ユーザＵ１の行動履歴から、ユーザＵ１の行動の傾向を抽出する（ステップＳ１０）。例えば、推定装置１００は、ユーザＵ１の行動履歴に基づいて、ユーザＵ１の行動の傾向を示す情報を抽出する。例えば、推定装置１００は、ユーザＵ１の行動履歴から、ユーザＵ１が日常的に購入している商品や通常配送先に指定している位置（住所）等を示す情報を抽出する。なお、図１の例では、ユーザＵ１の自宅の位置は、位置ＬＣ１１であるものとする（図４参照）。

例えば、推定装置１００は、ユーザＵ１の行動履歴から、ユーザＵ１が定期的に購入すること等によりユーザが通常購入している商品（以下、「通常購入商品」ともいう）や通常購入商品の配送先に指定している位置（住所）等を示す情報を抽出する。例えば、推定装置１００は、ユーザＵ１の行動履歴のうち、所定の期間（例えば１ヶ月や３ヶ月等）おきに定期的に購入されている商品を通常購入商品として抽出してもよい。例えば、推定装置１００は、ユーザＵ１の行動履歴のうち、購入した商品の配送先として指定される割合が所定の閾値（例えば７０％や８０％等）以上である位置（住所）を通常配送先として抽出してもよい。

図１の例では、推定装置１００は、傾向情報ＴＬ１１に示すような、ユーザＵ１の行動の傾向を示す情報を抽出する。例えば、推定装置１００は、ユーザＵ１が日常的に購入する対象（購入対象）が「水」や「米」等であり、ユーザＵ１が日常的に指定する配送先が位置ＬＣ１１（ユーザＵ１の自宅）であることを示す傾向情報ＴＬ１１を抽出する。なお、図１の例では、Ｃ花は、ユーザＵ１の通常購入商品には含まれず、ユーザＵ１が日常的に購入する対象（購入対象）には、「花」は含まれないものとする。推定装置１００は、抽出したユーザＵ１の傾向情報ＴＬ１１を記憶部１２０（図３参照）に格納してもよい。なお、推定装置１００が抽出する購入対象は、「水」や「米」のような抽象的な対象（カテゴリ）に限らず、「Ａ水」や「Ｂ米」等の具体的な商品であってもよい。例えば、推定装置１００は、傾向情報ＴＬ１１に示すようなユーザＵ１の行動の傾向を示す情報を、ユーザＩＤ「Ｕ１」に対応付けて記憶部１２０に格納してもよい。そして、推定装置１００は、ユーザＵ１について、抽出処理を行う際に、傾向情報ＴＬ１１に示すようなユーザＵ１の傾向情報を記憶部１２０取得してもよい。

また、推定装置１００は、ユーザＵ１が利用する端末装置１０から行動情報を取得する（ステップＳ１１）。図１の例では、推定装置１００は、日時ｄｔ１９において、ユーザＵ１がＣ花を購入したことを示す行動情報を取得する。また、推定装置１００は、日時ｄｔ１９において購入したＣ花の配送先にユーザＵ１の自宅（位置ＬＣ１１）とは異なる位置ＬＣ１５（Ｆ県の住所）を指定したことを示す行動情報を取得する。

そして、推定装置１００は、取得したユーザＵ１の行動情報を行動情報記憶部１２２に追加する（ステップＳ１２）。図１の例では、推定装置１００は、取得したユーザＵ１の行動情報を行動ＡＣ１９として行動情報記憶部１２２に追加する。

また、推定装置１００は、ユーザＵ１の行動履歴から、外れ情報を抽出する（ステップＳ１３）。例えば、推定装置１００は、ユーザＵ１の行動履歴から、ユーザＵ１の通常の行動から外れる外れ行動を示す情報である外れ情報を抽出する。図１の例では、推定装置１００は、外れ関連情報記憶部１２３や傾向情報ＴＬ１１を用いて、行動情報記憶部１２２に記憶されたユーザＵ１の行動履歴から外れ情報を抽出する。

図１中の外れ関連情報記憶部１２３に示す「外れ値ＩＤ」は、外れ値（外れ関連情）を識別するための識別情報を示す。図１中の外れ関連情報記憶部１２３に示す「第１外れ」は、対応する外れ値ＩＤにより識別される外れ値情報（外れ関連情報）において、第１外れとしての抽出対象を示す。また、図１中の外れ関連情報記憶部１２３に示す「第２外れ」は、第１外れに対応する第２外れとしての抽出対象を示す。図１中の外れ関連情報記憶部１２３に示す「対象特性」は、対応する外れ値情報により推定される対象となるユーザ特性を示す。

例えば、図１に示す例において、外れ値ＩＤ「ＯＬ１」により識別される外れ値情報（外れ値情報ＯＬ１）の第１外れは、「購入対象」を抽出対象とすることを示す。また、外れ値情報ＯＬ１の第２外れは、「配送先」を抽出対象とすることを示す。また、外れ値情報ＯＬ１の対象特性は、ユーザ特性「実家」であることを示す。なお、実家は出身地であってもよい。このように、ユーザ特性は、例えば「実家」等のように、ユーザ自身が登録することが余りないユーザに関する情報であって、そのユーザのパーソナリティを形成する特性を示す情報が含まれる。例えば、ユーザ特性には、ユーザが未登録のユーザに関する情報であって、そのユーザのパーソナリティを形成する特性であれば、どのような情報が含まれてもよい。

図１の例では、推定装置１００は、外れ情報ＥＬ１１に示すような、ユーザＵ１の外れ情報を抽出する。例えば、推定装置１００は、外れ情報ＥＬ１１中の「外れ＃１」や「外れ＃２」に示すように、第１外れや第２外れに対応する情報を抽出する。例えば、推定装置１００は、ユーザＵ１の行動ＡＣ１９から、第１外れ情報や第２外れ情報を抽出する。

図１の例では、推定装置１００は、ユーザＵ１の行動ＡＣ１９では、購入対象が「Ｃ花」であり、傾向情報ＴＬ１１中の通常購入商品である水や米等とは異なる商品であるため、「Ｃ花」を外れ値ＯＬ１の第１外れに対応する情報として抽出する。このように、推定装置１００は、ユーザＵ１の行動履歴のうち、ユーザが通常購入商品以外の商品を購入したことを示す第１外れ情報に基づいて、第２外れ情報を抽出する対象を絞り込む。図１の例では、推定装置１００は、第２外れ情報を抽出する対象を行動ＡＣ１０に絞り込む。

また、推定装置１００は、ユーザＵ１の行動ＡＣ１９では、配送先が「位置ＬＣ１５」であり、傾向情報ＴＬ１１中の通常配送先である位置ＬＣ１１とは異なる位置（住所）であるため、「位置ＬＣ１１」を外れ値ＯＬ１の第２外れに対応する情報として抽出する。推定装置１００は、抽出したユーザＵ１の外れ情報ＥＬ１１を記憶部１２０（図３参照）に格納してもよい。

なお、図１の例では、説明のためにステップＳ１０〜Ｓ１３として処理を示したが、推定装置１００内での処理（ステップＳ１０、Ｓ１２、Ｓ１３）は、例えばステップＳ１１の後など、ユーザＵ１がＣ花を購入した日時ｄｔ１９以後に、一連の処理として行われてもよい。

そして、推定装置１００は、ユーザＵ１のユーザ特性を推定する（ステップＳ１４）。例えば、推定装置１００は、ユーザＵ１の行動履歴から抽出したユーザＵ１の外れ情報を用いて、ユーザＵ１のユーザ特性を推定する。図１の例では、推定装置１００は、外れ値ＯＬ１が推定対象とするユーザ特性であるユーザの「実家」を、外れ情報ＥＬ１１から推定する。具体的には、推定装置１００は、外れ情報ＥＬ１１に示すユーザＵ１の外れ情報が、外れ値ＯＬ１の第１外れと第２外れの両方を満たすため、第２外れの対象である配送先として指定された位置をユーザＵ１の「実家」と推定する。図１の例では、推定装置１００は、ユーザ特性情報記憶部１２４に示すように、ユーザＵ１の実家を位置ＬＣ１５に対応するエリアである「Ｆ県」であると推定する。このように、推定装置１００は、ユーザＵ１の居住地以外の地理的な対象である実家（出身地）を推定する。推定装置１００は、外れ情報に含まれる商品の配送先に基づいて、ユーザＵ１に関連する地点である実家（出身地）を推定する。

そして、推定装置１００は、推定したユーザ特性を用いてサービスを提供する（ステップＳ１５）。例えば、推定装置１００は、推定したユーザ特性を用いて、端末装置１０にコンテンツを提供する。図１の例では、推定装置１００は、ユーザＵ１の実家の位置（エリア）として推定された「Ｆ県」に関するニュース等のコンテンツをユーザＵ１が利用する端末装置１０に提供する。なお、推定装置１００は、コンテンツ提供サービスに限らず、推定したユーザ特性を用いて種々のサービスを提供してもよい。

このように、推定装置１００は、ユーザの行動に関する履歴情報から、外れ情報を抽出し、抽出した外れ情報に基づいて、ユーザ特性を推定することにより、推定装置１００は、ユーザの特性を適切に推定することができる。また、推定装置１００は、第１外れと第２外れの２つの外れ値を用いて、ユーザのユーザ特性を推定することにより、より精度よくユーザのユーザ特性を推定することができる。また、推定装置１００は、推定したユーザのユーザ特性を用いてサービスを提供することにより、ユーザにより適切にサービスを提供することができる。図１の例では、推定装置１００は、推定したユーザのユーザ特性を用いてコンテンツを提供することにより、ユーザが関心を持つ可能性が高いコンテンツをユーザに提供することができる。

例えば、上記のような実家（出身地）のようなユーザ特性を推定する場合のように、普段のユーザの行動には現れない情報を推定することは難しい。すなわち、ユーザの普段の行動に顕在化されないユーザの情報は、ユーザ自身が申告する等により、ユーザ自身が出力しない限り、外部から推定することは難しい。一方で、そのような情報に限って、ユーザの行動規範になっているケースが多く、ユーザにとっては当たり前すぎて検索等の行動には顕在化されず、通常のウェブ行動、センサ情報等からは特定することが難しい。なお、外れ行動による顕在化は、その外れ行動の情報の中にユーザ特性を示す情報自体が含まれることによる顕在化であってもよい。例えば、図１の例では、外れ行動の情報内にユーザＵ１の実家の位置ＬＣ１１を示す情報が含まれており、外れ行動によるユーザＵ１のユーザ特性である実家（出身地）が顕在化されている場合を示す。また、外れ行動による顕在化は、その外れ行動の情報の中に含まれる情報により推定されることであってもよい。なお、上記は一例であり、外れ行動がユーザ特性の推定に利用可能であれば、どのような顕在化の態様であってもよい。

しかしながら、推定装置１００は、ユーザの行動に関する履歴情報から、外れ情報を抽出し、抽出した外れ情報に基づいて、ユーザ特性を推定することにより、推定装置１００は、ユーザの特性を適切に推定することができる。

従来からユーザに関する種々の情報を推定する技術が提供されており、例えば、ユーザの出身地や血液型など、ユーザに自発的に情報登録されにくい情報（ユーザ特性）は、ユーザ行動履歴に基づいて推定される場合がある。例えば、ユーザ特性を日常の状態の中にある癖に着目して推定する方法などが考えられる。このような場合、ユーザ特性を日常の状態の中にある癖に着目するだけでは、ユーザの行動から取得した情報が偶発的な事象に関する情報なのか、有用な情報なのかを適切に判別することが難しく、そのような情報を用いてユーザの特性を適切に推定することは難しい場合がある。

しかしながら、推定装置１００は、２つの外れ値の両方を満たす場合に、その情報を用いてユーザ特性を推定することにより、より確度が高い推定を行うことが可能となる。例えば、１つの外れのみだと、単に偶発的に発生した外れである場合があるが、２つの外れが発生した場合は確率的には偶発的に発生している可能性が低いと推定される。そのため、推定装置１００は、２つの外れ値の両方を満たす場合に、その情報を用いてユーザ特性を推定することにより、偶発的に発生した事象の情報によりユーザ特性を推定する可能性を抑制することにより、ユーザの特性を適切に推定することができる。

〔１−１．ユーザ特性〕
図１の例では、推定装置１００がユーザ特性として、ユーザの実家の位置（エリア）を推定する場合を示したが、推定装置１００は、ユーザの実家の位置（エリア）に限らず、種々のユーザ特性を推定してもよい。例えば、推定装置１００は、ユーザが未登録のユーザに関する情報であって、そのユーザのパーソナリティを形成する特性をユーザ特性として、ユーザ特性の推定を行ってもよい。例えば、推定装置１００は、通常であればサービスの利用において、ユーザが登録しないような情報であって、そのユーザを形成する特性をユーザ特性として、ユーザ特性の推定を行ってもよい。例えば、推定装置１００は、ユーザの人格形成に影響を与えた情報をユーザ特性として、ユーザ特性の推定を行ってもよい。

例えば、推定装置１００は、ユーザ情報記憶部１２１に記憶されたユーザ情報以外のユーザに関する情報をユーザ特性として、ユーザ特性の推定を行ってもよい。例えば、推定装置１００は、ユーザ特性情報記憶部１２４に示すように、「前所属企業」、「血液型」、「持病」等の種々のユーザ特性を推定してもよい。また、推定装置１００は、ユーザの年収や出身校や祖父の家等をユーザ特性として推定してもよい。

〔１−２．第１外れ、第２外れ〕
なお、推定装置１００は、種々の第１外れ情報や第２外れ情報を抽出して、抽出した第１外れ情報や第２外れ情報を用いて、ユーザ特性を推定してもよい。例えば、推定装置１００は、一の外れ行動に含まれる第１要素に関連する第１外れ情報と、一の外れ行動に含まれる第２要素であって、第１要素とは異なる第２要素に関連する第２外れ情報とを抽出してもよい。図１に示すように、推定装置１００は、花を購入するという行動から、購入対象（第１要素）に関連する第１外れ情報である購入対象「Ｃ花」を抽出する。また、推定装置１００は、花を購入するという行動から、購入対象の配送先（第２要素）に関連する第２外れ情報である配送先「ＬＣ１５（Ｆ県）」を抽出する。

また、図１の例では、推定装置１００は、ユーザＵ１がＣ花を購入するという行動と、Ｃ花の配送先を指定するという行動を個別の行動として、ユーザＵ１の行動履歴を収集してもよい。また、図１の例では、ユーザＵ１は、数年に一度の頻度で花を購入し、数か月に一度の頻度で自宅（位置ＬＣ１１）以外を配送先に指定しているものとする。すなわち、ユーザＵ１が花を購入する第１期間（第１サイクル）は、ユーザＵ１が自宅（位置ＬＣ１１）以外を配送先に指定する第２期間（第２サイクル）よりも長い。

この場合、推定装置１００は、ユーザＵ１の行動履歴から、第１期間（例えば、数年等）における第１外れ行動を示す第１外れ情報である「Ｃ花」を購入するという行動を抽出する。また、推定装置１００は、ユーザＵ１の行動履歴から、第１期間よりも短い第２期間（例えば、３か月等）における第２外れ行動を示す第２外れ情報である配送先を自宅（位置ＬＣ１１）以外に指定するという行動を抽出する。

また、推定装置１００は、第１期間におけるユーザの非日常状態を示す第１外れ情報と、ユーザの非日常状態における第２外れ行動を示す第２外れ情報とを抽出してもよい。図１の例では、推定装置１００は、普段花を購入しないユーザＵ１が花を購入したという第１外れ情報に基づく非日常状態において、その配送先が通常とは異なるという第２外れ情報を抽出してもよい。このように、推定装置１００は、第１外れ行動を行ったという非日常状態にいるユーザについて、そのユーザが第２外れ行動を行った場合にその第２外れ行動の第２外れ情報を抽出してもよい。

上記のように、推定装置１００は、ユーザが行動するサイクル（間隔）が第１期間である行動を第１外れ行動として、第１外れ情報を抽出する。例えば、推定装置１００は、ユーザが行動するサイクル（間隔）が第１期間よりも短い第２期間である行動を第２外れ行動として、第２外れ情報を抽出する。例えば、推定装置１００は、第１期間で第１外れ行動を行ったユーザのうち、その第１期間内で第２外れ行動を行ったユーザについて、その第２外れ行動に関する第２外れ情報を抽出する。このように、推定装置１００は、まず第１期間での第１行動有無に応じて第２外れ行動の第２外れ情報を抽出するユーザを絞り込む。これにより、推定装置１００は、抽出する対象となるユーザを絞り込むことにより、処理負荷の増大を抑制するとともに、２つの外れ行動に基づいてユーザを抽出することにより、より精度よくユーザのユーザ特性を推定可能となる。

〔１−３．他の推定例〕
図１の例では、推定装置１００がユーザＵ１の商品の購入に関する行動履歴に基づいて、ユーザ特性を推定する場合を示したが、推定装置１００は、ユーザの行動履歴であれば、どのような情報を用いてユーザのユーザ特性を推定してもよい。例えば、推定装置１００は、異なる種別の行動から外れ情報を抽出し、ユーザのユーザ特性を推定してもよい。例えば、推定装置１００は、第１種別の行動に関する第１外れ行動を示す第１外れ情報と、第１種別とは異なる第２種別の行動に関する第２外れ行動を示す第２外れ情報とを抽出してもよい。例えば、推定装置１００は、ユーザが閲覧したコンテンツや視聴したテレビ番組に関する情報や検索に用いたクエリを用いて、ユーザのユーザ特性を推定してもよい。

推定装置１００は、ユーザが検索に用いた検索クエリであって、外れ情報に含まれる検索クエリに関連する地理的な対象に基づいて、ユーザに関連する地点を示すユーザ特性を推定してもよい。例えば、推定装置１００は、ジャンル「バラエティ」に属するテレビ番組を通常視聴しないユーザ（「ユーザＵ３」とする）が、ジャンル「バラエティ」のテレビ番組（「Ｘ番組」とする）を視聴した場合、その行動を第１外れ行動として抽出する。また、推定装置１００は、ユーザＵ３がＸ番組の視聴後、所定のエリア（「Ｋ県」とする）出身の芸能人を検索した場合、その行動を第２外れ行動として抽出する。例えば、推定装置１００は、ユーザＵ３がＸ番組の視聴後、Ｘ番組に出演していたＫ県出身のタレントＴを検索した場合、その行動を第２外れ行動として抽出する。このように、推定装置１００は、テレビ番組の閲覧と検索という２つ異なる種別の行動から外れ情報を抽出してもよい。

そして、推定装置１００は、ユーザＵ３のユーザ特性を推定する。例えば、推定装置１００は、ユーザＵ３の行動履歴から抽出したユーザＵ３の外れ情報を用いて、ユーザＵ３のユーザ特性を推定する。例えば、推定装置１００は、ユーザＵ３について、第１外れ行動及び第２外れ行動の２つの外れ行動に関する情報が抽出されたため、第２外れ行動の対象、すなわち検索に用いたクエリのタレントＴの出身地である「Ｋ県」を、ユーザＵ３の出身地（実家）として推定する。また、推定装置１００は、ユーザの行動情報（位置情報）とその位置に対応する情報とに基づいて、ユーザのユーザ特性を推定してもよい。例えば、推定装置１００は、通常はスポーツ観戦に行かないユーザがスタジアムへ行き、特定の地域のチーム側のスタンドにいる場合、そのユーザの出身地をそのチームの地域であると推定してもよい。この場合、推定装置１００は、スタジアムへ行くという第１外れ行動と、特定の地域のチーム側のスタンドにいるという第２外れ行動とに基づいて、そのユーザのユーザ特性を推定する。なお、ユーザが閲覧したコンテンツに基づくユーザ特性の推定は図９において詳述する。

〔２．推定装置の構成〕
次に、図３を用いて、実施形態に係る推定装置１００の構成について説明する。図３は、実施形態に係る推定装置の構成例を示す図である。図３に示すように、推定装置１００は、通信部１１０と、記憶部１２０と、制御部１３０とを有する。なお、推定装置１００は、推定装置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、例えば推定システム１に含まれる端末装置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、行動情報記憶部１２２と、外れ関連情報記憶部１２３と、ユーザ特性情報記憶部１２４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、ユーザ属性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」、「自宅」、「勤務地」、「興味」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１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。

また、「自宅」は、ユーザＩＤにより識別されるユーザの自宅の位置情報を示す。なお、図４に示す例では、「自宅」は、「ＬＣ１１」といった抽象的な符号を図示するが、緯度や経度を示す情報であってもよい。また、例えば、「自宅」は、地域名や住所であってもよい。

また、「勤務地」は、ユーザＩＤにより識別されるユーザの勤務地の位置情報を示す。なお、図４に示す例では、「勤務地」は、「ＬＣ１２」といった抽象的な符号を図示するが、緯度や経度を示す情報であってもよい。また、例えば、「勤務地」は、地域名や住所であってもよい。

また、「興味」は、ユーザＩＤにより識別されるユーザの興味を示す。すなわち、「興味」は、ユーザＩＤにより識別されるユーザが関心の高い対象を示す。なお、図４に示す例では、「興味」は、各ユーザに１つずつ図示するが、複数であってもよい。

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、「男性」であることを示す。また、例えば、ユーザＩＤ「Ｕ１」により識別されるユーザは、自宅が「ＬＣ１１」であることを示す。また、例えば、ユーザＩＤ「Ｕ１」により識別されるユーザは、勤務地が「ＬＣ１２」であることを示す。また、例えば、ユーザＩＤ「Ｕ１」により識別されるユーザは、「スポーツ」に興味があることを示す。

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、ユーザのデモグラフィック属性に関する情報やサイコグラフィック属性に関する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、家族構成、収入、興味、ライフスタイル等の情報を記憶してもよい。

（行動情報記憶部１２２）
実施形態に係る行動情報記憶部１２２は、ユーザの行動に関する各種情報を記憶する。図５は、実施形態に係る行動情報記憶部の一例を示す図である。例えば、行動情報記憶部１２２は、各ユーザの行動等の各種の行動情報を記憶する。図５に示す行動情報記憶部１２２には、「ユーザＩＤ」、「行動ＩＤ」、「日時」、「種別」、「内容」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１の例に示したユーザＵ１に対応する。また、「行動ＩＤ」は、ユーザの行動を識別する情報を示す。「日時」は、対応するユーザの行動が行われた日時を示す。なお、図５の例では、「ｄｔ１１」等で図示するが、「日時」には、「２０１７年９月４日２２時３１分５８秒」等の具体的な日時が記憶されてもよい。また、「種別」は、対応するユーザの行動の種別に関する情報を示す。また、「内容」は、対応するユーザの行動の具体的な内容を示す。

例えば、図５に示す例において、ユーザＩＤ「Ｕ１」により識別されるユーザ（ユーザＵ１）は、行動ＩＤ「ＡＣ１１」や行動ＩＤ「ＡＣ１５」や行動ＩＤ「ＡＣ１９」等により各々識別される行動を行ったことを示す。

例えば、図５に示す例においてユーザＵ１は、行動ＡＣ１１に示すように、日時ｄｔ１１において、Ａ水を購入したことを示す。また、ユーザＵ１は、行動ＡＣ１１に示すように、日時ｄｔ１１において購入したＡ水の配送先に位置ＬＣ１１、すなわちユーザＵ１の自宅を指定したことを示す。

また、例えば、図５に示す例においてユーザＵ１は、行動ＡＣ１５に示すように、日時ｄｔ１５において、Ｂ米を購入したことを示す。また、ユーザＵ１は、行動ＡＣ１５に示すように、日時ｄｔ１５において購入したＢ米の配送先に位置ＬＣ１１、すなわちユーザＵ１の自宅を指定したことを示す。

また、例えば、図５に示す例においてユーザＵ１は、行動ＡＣ１９に示すように、日時ｄｔ１９において、Ｃ花を購入したことを示す。また、ユーザＵ１は、行動ＡＣ１９に示すように、日時ｄｔ１９において購入したＣ花の配送先にユーザＵ１の自宅（位置ＬＣ１１）とは異なる位置ＬＣ１５（Ｆ県の住所）を指定したことを示す。

なお、行動情報記憶部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。また、図５では、ユーザＩＤごとに行動情報が行動情報記憶部１２２に記憶される場合を示したが、行動情報は、ユーザＩＤごとに限らず、例えば時刻順に記憶されてもよい。

（外れ関連情報記憶部１２３）
実施形態に係る外れ関連情報記憶部１２３は、外れ値に関する各種情報を記憶する。図６は、実施形態に係る外れ関連情報記憶部の一例を示す図である。図６に示す外れ関連情報記憶部１２３は、「外れ値ＩＤ」、「第１外れ」、「第２外れ」、「対象特性」といった項目が含まれる。

「外れ値ＩＤ」は、外れ値を識別するための識別情報を示す。「第１外れ」は、対応する外れ値ＩＤにより識別される外れ値情報（外れ関連情報）において、第１外れとしての抽出対象を示す。また、「第２外れ」は、第１外れに対応する第２外れとしての抽出対象を示す。「対象特性」は、対応する外れ値情報により推定される対象となるユーザ特性を示す。なお、「対象特性」は、複数であってもよい。

例えば、図６に示す例において、外れ値ＩＤ「ＯＬ１」により識別される外れ値情報（外れ値情報ＯＬ１）の第１外れは、「購入対象」を抽出対象とすることを示す。また、外れ値情報ＯＬ１の第２外れは、「配送先」を抽出対象とすることを示す。また、外れ値情報ＯＬ１の対象特性は、ユーザ特性「実家」であることを示す。

例えば、図６に示す例において、外れ値ＩＤ「ＯＬ２」により識別される外れ値情報（外れ値情報ＯＬ２）の第１外れは、「コンテンツカテゴリ」を抽出対象とすることを示す。また、外れ値情報ＯＬ２の第２外れは、「対象地域」を抽出対象とすることを示す。また、外れ値情報ＯＬ２の対象特性は、ユーザ特性「実家」であることを示す。

なお、外れ関連情報記憶部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、外れ関連情報記憶部１２３は、第１外れ及び第２外れの対象期間等に関する情報を記憶してもよい。

（ユーザ特性情報記憶部１２４）
実施形態に係るユーザ特性情報記憶部１２４は、ユーザ特性に関する各種情報を記憶する。図７は、実施形態に係るユーザ特性情報記憶部の一例を示す図である。図７に示すユーザ特性情報記憶部１２４は、「ユーザＩＤ」、「ユーザ特性」といった項目が含まれる。「ユーザ特性」には、「実家」、「前所属企業」、「血液型」、「持病」といった項目が含まれる。なお、「ユーザ特性」には、ユーザが登録していないユーザ特性を示す情報であれば、どのような情報が含まれてもよい。

「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１の例に示したユーザＵ１に対応する。

また、「ユーザ特性」は、各ユーザについて推定されたユーザ特性を示す。「実家」は、ユーザＩＤにより識別されるユーザの実家を示す。なお、図７の例では、「実家」は、「Ｆ県」等の抽象的な都道府県名のみを図示するが、例えば市町村等を含む住所や地域名や緯度経度情報であってもよい。

また、「前所属企業」は、ユーザＩＤにより識別されるユーザが過去に勤務していた企業名等を示す。なお、図７に示す例では、「前所属企業」は、「Ａ企業」といった抽象的な企業名を図示するが、具体的な企業名や業種等を示す情報であってもよい。なお、「前所属企業」は、複数であってもよい。

また、「血液型」は、ユーザＩＤにより識別されるユーザの血液型を示す。また、「持病」は、ユーザＩＤにより識別されるユーザの持病を示す。なお、「持病」は、複数であってもよい。

例えば、図７に示す例において、ユーザＩＤ「Ｕ１」により識別されるユーザ（ユーザＵ１）の実家は、「Ｆ県」にあることを示す。また、ユーザＵ１の前所属企業は、「Ａ企業」であることを示す。また、ユーザＵ１の血液型は、「−」、すなわち未推定であることを示す。また、ユーザＵ１の持病は、「−」、すなわち未推定であることを示す。

例えば、図７に示す例において、ユーザＩＤ「Ｕ２」により識別されるユーザ（ユーザＵ２）の実家は、「Ｎ県」にあることを示す。また、ユーザＵ２の前所属企業は、「−」、すなわち未推定であることを示す。また、ユーザＵ２の血液型は、「Ｏ型」であることを示す。また、ユーザＵ２の持病は、「片頭痛」であることを示す。

なお、ユーザ特性情報記憶部１２４は、上記に限らず、目的に応じて種々のユーザ情報を記憶してもよい。

（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、推定装置１００内部の記憶装置に記憶されている各種プログラム（推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、抽出部１３２と、推定部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。

（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や行動情報記憶部１２２や外れ関連情報記憶部１２３やユーザ特性情報記憶部１２４から各種情報を取得する。例えば、取得部１３１は、端末装置１０から各種情報を取得する。例えば、取得部１３１は、端末装置１０からユーザの行動情報を取得する。取得部１３１は、ユーザが入力した入力情報を取得する。

図１の例では、取得部１３１は、ユーザＵ１が利用する端末装置１０から行動情報を取得する。例えば、取得部１３１は、日時ｄｔ１９において、ユーザＵ１がＣ花を購入したことを示す行動情報を取得する。例えば、取得部１３１は、日時ｄｔ１９において購入したＣ花の配送先にユーザＵ１の自宅（位置ＬＣ１１）とは異なる位置ＬＣ１５（Ｆ県の住所）を指定したことを示す行動情報を取得する。

（抽出部１３２）
抽出部１３２は、種々の情報を抽出する。例えば、抽出部１３２は、記憶部１２０に記憶された情報に基づいて、種々の情報を抽出する。抽出部１３２は、行動情報記憶部１２２から、種々の情報を抽出する。例えば、抽出部１３２は、端末装置１０から取得した情報に基づいて、種々の情報を抽出する。

抽出部１３２は、ユーザの行動に関する履歴情報から、ユーザの通常の行動から外れる外れ行動を示す情報である外れ情報を抽出する。また、抽出部１３２は、履歴情報から、第１外れ情報と、第１外れ情報とは異なる第２外れ情報と、を含む外れ情報を抽出する。また、抽出部１３２は、一の外れ行動に含まれる第１要素に関連する第１外れ情報と、一の外れ行動に含まれる第２要素であって、第１要素とは異なる第２要素に関連する第２外れ情報と、を含む外れ情報を抽出する。

また、抽出部１３２は、履歴情報から、ユーザの第１外れ行動を示す第１外れ情報と、ユーザの第１外れ行動とは異なる第２外れ行動を示す第２外れ情報と、を含む外れ情報を抽出する。また、抽出部１３２は、第１種別の行動に関する第１外れ行動を示す第１外れ情報と、第１種別とは異なる第２種別の行動に関する第２外れ行動を示す第２外れ情報と、を含む外れ情報を抽出する。また、抽出部１３２は、第１期間における第１外れ行動を示す第１外れ情報と、第１期間よりも短い第２期間における第２外れ行動を示す第２外れ情報と、を含む外れ情報を抽出する。

また、抽出部１３２は、第１期間におけるユーザの非日常状態を示す第１外れ情報と、ユーザの非日常状態における第２外れ行動を示す第２外れ情報と、を含む外れ情報を抽出する。

図１の例では、抽出部１３２は、ユーザＵ１の行動履歴から、ユーザＵ１の行動の傾向を抽出する。また、抽出部１３２は、ユーザＵ１の行動履歴に基づいて、ユーザＵ１の行動の傾向を示す情報を抽出する。また、抽出部１３２は、ユーザＵ１の行動履歴から、ユーザＵ１が日常的に購入している商品や通常配送先に指定している位置（住所）等を示す情報を抽出する。

また、抽出部１３２は、ユーザＵ１の行動履歴から、ユーザＵ１が定期的に購入すること等によりユーザが通常購入している通常購入商品や通常購入商品の配送先に指定している位置（住所）等を示す情報を抽出する。例えば、抽出部１３２は、ユーザＵ１の行動履歴のうち、所定の期間（例えば１ヶ月や３ヶ月等）おきに定期的に購入されている商品を通常購入商品として抽出してもよい。例えば、抽出部１３２は、ユーザＵ１の行動履歴のうち、購入した商品の配送先として指定される割合が所定の閾値（例えば７０％や８０％等）以上である位置（住所）を通常配送先として抽出してもよい。

図１の例では、抽出部１３２は、傾向情報ＴＬ１１に示すような、ユーザＵ１の行動の傾向を示す情報を抽出する。例えば、抽出部１３２は、ユーザＵ１が日常的に購入する対象（購入対象）が「水」や「米」であり、ユーザＵ１が日常的に指定する配送先が位置ＬＣ１１（ユーザＵ１の自宅）であることを示す傾向情報ＴＬ１１を抽出する。

図１の例では、抽出部１３２は、ユーザＵ１の行動履歴から、外れ情報を抽出する。例えば、抽出部１３２は、ユーザＵ１の行動履歴から、ユーザＵ１の通常の行動から外れる外れ行動を示す情報である外れ情報を抽出する。図１の例では、抽出部１３２は、外れ関連情報記憶部１２３や傾向情報ＴＬ１１を用いて、行動情報記憶部１２２に記憶されたユーザＵ１の行動履歴から外れ情報を抽出する。

図１の例では、抽出部１３２は、外れ情報ＥＬ１１に示すような、ユーザＵ１の外れ情報を抽出する。例えば、抽出部１３２は、外れ情報ＥＬ１１中の「外れ＃１」や「外れ＃２」に示すように、第１外れや第２外れに対応する情報を抽出する。例えば、抽出部１３２は、ユーザＵ１の行動ＡＣ１９から、第１外れ情報や第２外れ情報を抽出する。

図１の例では、抽出部１３２は、ユーザＵ１の行動ＡＣ１９では、購入対象が「Ｃ花」であり、傾向情報ＴＬ１１中の通常購入商品である水や米等とは異なる商品であるため、「Ｃ花」を外れ値ＯＬ１の第１外れに対応する情報として抽出する。例えば、抽出部１３２は、ユーザＵ１の行動ＡＣ１９では、配送先が「位置ＬＣ１５」であり、傾向情報ＴＬ１１中の通常配送先である位置ＬＣ１１とは異なる位置（住所）であるため、「位置ＬＣ１５」を外れ値ＯＬ１の第２外れに対応する情報として抽出する。

（推定部１３３）
推定部１３３は、種々の情報を推定する。例えば、抽出部１３２は、記憶部１２０に記憶された情報に基づいて、種々の情報を推定する。抽出部１３２は、ユーザ情報記憶部１２１や行動情報記憶部１２２や外れ関連情報記憶部１２３に記憶された情報に基づいて、種々の情報を推定する。例えば、推定部１３３は、抽出部１３２により抽出された情報を用いて、ユーザの特性を推定する。

推定部１３３は、抽出部１３２により抽出された外れ情報に基づいて、ユーザの特性であって、外れ行動により顕在化される特性であるユーザ特性を推定する。また、推定部１３３は、第１外れ情報または第２外れ情報のいずれか一方により絞り込まれたユーザの履歴情報から、第１外れ情報または第２外れ情報の他方を抽出する。また、推定部１３３は、外れ情報に含まれる対象に基づいて、対象に関連するユーザ特性を推定する。

また、推定部１３３は、外れ情報に含まれる地理的な対象に基づいて、地理的な対象に関連するユーザ特性を推定する。また、推定部１３３は、ユーザの居住地以外の地理的な対象に関連するユーザ特性を推定する。

また、推定部１３３は、外れ情報に含まれる商品の配送先に基づいて、ユーザに関連する地点を示すユーザ特性を推定する。また、推定部１３３は、ユーザが検索に用いた検索クエリであって、外れ情報に含まれる検索クエリに関連する地理的な対象に基づいて、ユーザに関連する地点を示すユーザ特性を推定する。また、推定部１３３は、ユーザが閲覧したコンテンツであって、外れ情報に含まれるコンテンツに関連する地理的な対象に基づいて、ユーザに関連する地点を示すユーザ特性を推定する。

図１の例では、推定部１３３は、ユーザＵ１のユーザ特性を推定する。例えば、推定部１３３は、ユーザＵ１の行動履歴から抽出したユーザＵ１の外れ情報を用いて、ユーザＵ１のユーザ特性を推定する。例えば、推定部１３３は、外れ値ＯＬ１が推定対象とするユーザ特性であるユーザの「実家」を、外れ情報ＥＬ１１から推定する。具体的には、推定部１３３は、外れ情報ＥＬ１１に示すユーザＵ１の外れ情報が、外れ値ＯＬ１の第１外れと第２外れの両方を満たすため、第２外れの対象である配送先として指定された位置をユーザＵ１の「実家」と推定する。例えば、推定部１３３は、ユーザ特性情報記憶部１２４に示すように、ユーザＵ１の実家を位置ＬＣ１５に対応するエリアである「Ｆ県」であると推定する。

（提供部１３４）
提供部１３４は、外部の情報処理装置へ各種情報を提供する。例えば、提供部１３４は、端末装置１０へ各種情報を提供する。提供部１３４は、抽出部１３２により抽出された情報や推定部１３３により推定された情報を用いたサービスを提供する。例えば、提供部１３４は、推定部１３３により推定されたユーザ特性を用いたサービスを提供する。

また、提供部１３４は、推定したユーザ特性を用いてコンテンツを配信するサービスを提供する。例えば、提供部１３４は、推定したユーザ特性を用いて、端末装置１０にコンテンツを提供する。図１の例では、提供部１３４は、ユーザＵ１の実家の位置（エリア）として推定された「Ｆ県」に関するニュース等のコンテンツをユーザＵ１が利用する端末装置１０に提供する。

〔３．推定処理のフロー〕
ここで、図８を用いて、実施形態に係る推定装置１００による推定処理の手順について説明する。図８は、実施形態に係る推定処理の一例を示すフローチャートである。

図８に示すように、推定装置１００は、ユーザの行動に関する履歴情報を取得する（ステップＳ１０１）。例えば、推定装置１００は、行動情報記憶部１２２（図５参照）からユーザの行動履歴を取得する。

また、推定装置１００は、履歴情報から外れ情報を抽出する（ステップＳ１０２）。図１の例では、推定装置１００は、推定装置１００は、外れ情報ＥＬ１１中の「外れ＃１」や「外れ＃２」に示すように、第１外れや第２外れに対応する情報を抽出する。

そして、推定装置１００は、外れ情報に基づいて、ユーザ特性を推定する（ステップＳ１０３）。図１の例では、推定装置１００は、ユーザＵ１の実家を位置ＬＣ１５に対応するエリアである「Ｆ県」であると推定する。

そして、推定装置１００は、ユーザ特性に基づくサービスを提供する（ステップＳ１０４）。図１の例では、推定装置１００は、ユーザＵ１の実家の位置（エリア）として推定された「Ｆ県」に関するニュース等のコンテンツをユーザＵ１が利用する端末装置１０に提供する。

〔４．他の推定処理〕
図１の例では、推定装置１００がユーザＵ１の商品の購入に関する行動履歴に基づいて、ユーザ特性を推定する場合を示したが、推定装置１００は、ユーザの行動履歴であれば、どのような情報を用いてユーザのユーザ特性を推定してもよい。この点について、図９を用いて説明する。図９は、実施形態に係る推定処理の一例を示す図である。

図９の例では、推定装置１００がユーザＵ２のユーザ特性を推定する場合を一例として説明する。推定装置１００は、ユーザＵ２の行動履歴を取得済みであるものとする。図９の例では、推定装置１００は、行動情報記憶部１２２に示すように、ユーザＵ２の行動履歴を取得済みであるものとする。例えば、図９に示す例において、ユーザＵ２は、行動ＡＣ２１や行動ＡＣ２５等の種々の行動を行ったことを示す。

例えば、図９に示す例においてユーザＵ２は、行動ＡＣ２１に示すように、日時ｄｔ２１において、コンテンツＣＴ１を閲覧したことを示す。また、行動ＡＣ２１に示すように、日時ｄｔ２１においてユーザＵ２が閲覧したコンテンツＣＴ１のコンテンツカテゴリ（以下、単に「カテゴリ」ともいう）は、「芸能」であり、「Ｄドラマ」に関する内容であることを示す。例えば、Ｄドラマは、エリア「Ｔ都」を舞台としたドラマであるものとする。

また、例えば、図９に示す例においてユーザＵ２は、行動ＡＣ２５に示すように、日時ｄｔ２５において、コンテンツＣＴ２を閲覧したことを示す。また、ユーザＵ２は、行動ＡＣ２５に示すように、日時ｄｔ２５においてユーザＵ２が閲覧したコンテンツＣＴ２のカテゴリは、「芸能」であり、「Ｅ俳優」に関する内容であることを示す。例えば、Ｅ俳優は、エリア「Ｔ都」出身の有名人であるものとする。図９の例では、ユーザＵ２は、日常的にコンテンツの閲覧を行っているユーザであるものとする。

なお、図９の例では、説明を簡単にするために、ユーザＵ２の行動のうち、コンテンツの閲覧に関する行動のみを図示するが、ユーザＵ２の行動履歴には、ユーザＵ２の商品の購入や検索に関する行動が含まれてもよい。

まず、推定装置１００は、ユーザＵ２の行動履歴から、ユーザＵ２の行動の傾向を抽出する（ステップＳ２０）。例えば、推定装置１００は、ユーザＵ２の行動履歴に基づいて、ユーザＵ２の行動の傾向を示す情報を抽出する。例えば、推定装置１００は、ユーザＵ２の行動履歴から、ユーザＵ２が日常的に閲覧しているコンテンツのカテゴリやそのコンテンツの内容が対象としている地域（エリア）等を示す情報を抽出する。なお、図９の例では、ユーザＵ２の自宅の位置である位置ＬＣ２１（図４参照）は、エリア「Ｔ都」内であるものとする。

例えば、推定装置１００は、ユーザＵ２の行動履歴から、ユーザＵ２が定期的に閲覧しているコンテンツのカテゴリ（以下、「通常閲覧カテゴリ」ともいう）や通常閲覧カテゴリにおける対象地域（エリア）等を示す情報を抽出する。例えば、推定装置１００は、ユーザＵ２の行動履歴のうち、閲覧したコンテンツのカテゴリの割合が所定の閾値（例えば５０％や６０％等）以上であるカテゴリを通常閲覧カテゴリとして抽出してもよい。また、例えば、推定装置１００は、ユーザＵ２の行動履歴のうち、閲覧した通常閲覧カテゴリコンテンツが対象とする地域（エリア）の割合が所定の閾値（例えば３０％や４０％等）以上である地域を通常対象地域として抽出してもよい。なお、図９の例では、説明のために、通常対象地域を「Ｔ都」、すなわち通常対象地域がある場合を説明するが、通常閲覧カテゴリのコンテンツについて、対象地域がないコンテンツの割合が最も多い場合、通常対象地域は「−（無）」等としてもよい。

図９の例では、推定装置１００は、傾向情報ＴＬ２１に示すような、ユーザＵ２の行動の傾向を示す情報を抽出する。例えば、推定装置１００は、ユーザＵ２が日常的に閲覧するコンテンツのカテゴリ（通常閲覧カテゴリ）が「芸能」等であり、対象地域（通常対象地域）が「Ｔ都」であることを示す傾向情報ＴＬ２１を抽出する。なお、カテゴリ「スポーツ」は、ユーザＵ２の通常閲覧カテゴリには含まれないものとする。推定装置１００は、抽出したユーザＵ２の傾向情報ＴＬ２１を記憶部１２０（図３参照）に格納してもよい。なお、推定装置１００が抽出する購入対象は、「芸能」のような抽象的な対象（カテゴリ）に限らず、「Ｄドラマ」や「Ｅ俳優」等の具体的な対象であってもよい。例えば、推定装置１００は、傾向情報ＴＬ２１に示すようなユーザＵ２の行動の傾向を示す情報を、ユーザＩＤ「Ｕ２」に対応付けて記憶部１２０に格納してもよい。そして、推定装置１００は、ユーザＵ２について、抽出処理を行う際に、傾向情報ＴＬ２１に示すようなユーザＵ２の傾向情報を記憶部１２０取得してもよい。

また、推定装置１００は、ユーザＵ２が利用する端末装置１０から行動情報を取得する（ステップＳ２１）。図９の例では、推定装置１００は、日時ｄｔ２９において、ユーザＵ２がコンテンツＣＴ３を閲覧したことを示す行動情報を取得する。具体的には、推定装置１００は、カテゴリが通常閲覧カテゴリと異なるカテゴリ「スポーツ」であり、野球のＮ県の大会に関するコンテンツＣＴ３を閲覧したことを示す行動情報を取得する。

そして、推定装置１００は、取得したユーザＵ２の行動情報を行動情報記憶部１２２に追加する（ステップＳ２２）。図９の例では、推定装置１００は、取得したユーザＵ２の行動情報を行動ＡＣ２９として行動情報記憶部１２２に追加する。

また、推定装置１００は、ユーザＵ２の行動履歴から、外れ情報を抽出する（ステップＳ２３）。例えば、推定装置１００は、ユーザＵ２の行動履歴から、ユーザＵ２の通常の行動から外れる外れ行動を示す情報である外れ情報を抽出する。図９の例では、推定装置１００は、外れ関連情報記憶部１２３や傾向情報ＴＬ２１を用いて、行動情報記憶部１２２に記憶されたユーザＵ２の行動履歴から外れ情報を抽出する。

例えば、図９に示す例において、外れ値ＩＤ「ＯＬ２」により識別される外れ値情報（外れ値情報ＯＬ２）の第１外れは、「コンテンツカテゴリ」を抽出対象とすることを示す。また、外れ値情報ＯＬ２の第２外れは、「対象地域」を抽出対象とすることを示す。また、外れ値情報ＯＬ２の対象特性は、ユーザ特性「実家」であることを示す。

図９の例では、推定装置１００は、外れ情報ＥＬ２１に示すような、ユーザＵ２の外れ情報を抽出する。例えば、推定装置１００は、外れ情報ＥＬ２１中の「外れ＃１」や「外れ＃２」に示すように、第１外れや第２外れに対応する情報を抽出する。例えば、推定装置１００は、ユーザＵ２の行動ＡＣ２９から、第１外れ情報や第２外れ情報を抽出する。

図９の例では、推定装置１００は、ユーザＵ２の行動ＡＣ２９では、カテゴリが「スポーツ」であり、傾向情報ＴＬ２１中の通常閲覧カテゴリである芸能等とは異なるカテゴリであるため、「スポーツ」を外れ値ＯＬ２の第１外れに対応する情報として抽出する。また、推定装置１００は、ユーザＵ２の行動ＡＣ２９では、コンテンツＣＴ３が対象とする地域「Ｎ県」であり、傾向情報ＴＬ２１中の通常対象地域「Ｔ都」とは異なる地域であるため、「Ｎ県」を外れ値ＯＬ２の第２外れに対応する情報として抽出する。推定装置１００は、抽出したユーザＵ２の外れ情報ＥＬ２１を記憶部１２０（図３参照）に格納してもよい。

そして、推定装置１００は、ユーザＵ２のユーザ特性を推定する（ステップＳ２４）。例えば、推定装置１００は、ユーザＵ２の行動履歴から抽出したユーザＵ２の外れ情報を用いて、ユーザＵ２のユーザ特性を推定する。図９の例では、推定装置１００は、外れ値ＯＬ２が推定対象とするユーザ特性であるユーザの「実家」を、外れ情報ＥＬ２１から推定する。具体的には、推定装置１００は、外れ情報ＥＬ２１に示すユーザＵ２の外れ情報が、外れ値ＯＬ２の第１外れと第２外れの両方を満たすため、第２外れの対象である配送先として指定された位置をユーザＵ２の「実家」と推定する。図９の例では、推定装置１００は、ユーザ特性情報記憶部１２４に示すように、ユーザＵ２の実家が「Ｎ県」にあると推定する。このように、推定装置１００は、ユーザＵ２の居住地以外の地理的な対象である実家（出身地）を推定する。推定装置１００は、ユーザＵ２が閲覧したコンテンツであって、外れ情報に含まれるコンテンツに関連する地理的な対象に基づいて、ユーザＵ２に関連する地点である実家（出身地）を推定する。

そして、推定装置１００は、推定したユーザ特性を用いてサービスを提供する（ステップＳ２５）。例えば、推定装置１００は、推定したユーザ特性を用いて、端末装置１０にコンテンツを提供する。図９の例では、推定装置１００は、ユーザＵ２の実家の位置（エリア）として推定された「Ｎ県」に関するニュース等のコンテンツをユーザＵ２が利用する端末装置１０に提供する。

〔５．効果〕
上述してきたように、実施形態に係る推定装置１００は、抽出部１３２と、推定部１３３とを有する。抽出部１３２は、ユーザの行動に関する履歴情報から、ユーザの通常の行動から外れる外れ行動を示す情報である外れ情報を抽出する。推定部１３３は、抽出部１３２により抽出された外れ情報に基づいて、ユーザの特性であって、外れ行動により顕在化される特性であるユーザ特性を推定する。

このように、実施形態に係る推定装置１００は、外れ情報に基づいて、ユーザの特性であって、外れ行動により顕在化される特性であるユーザ特性を推定することにより、ユーザの特性を適切に推定することができる。

また、実施形態に係る推定装置１００において、抽出部１３２は、履歴情報から、第１外れ情報と、第１外れ情報とは異なる第２外れ情報と、を含む外れ情報を抽出する。

このように、実施形態に係る推定装置１００は、履歴情報から、第１外れ情報と、第１外れ情報とは異なる第２外れ情報と、を含む外れ情報を抽出することにより、ユーザの特性を適切に推定することができる。

また、実施形態に係る推定装置１００において、抽出部１３２は、一の外れ行動に含まれる第１要素に関連する第１外れ情報と、一の外れ行動に含まれる第２要素であって、第１要素とは異なる第２要素に関連する第２外れ情報と、を含む外れ情報を抽出する。

このように、実施形態に係る推定装置１００は、一の外れ行動に含まれる第１要素に関連する第１外れ情報と、一の外れ行動に含まれる第２要素であって、第１要素とは異なる第２要素に関連する第２外れ情報と、を含む外れ情報を抽出することにより、ユーザの特性を適切に推定することができる。

また、実施形態に係る推定装置１００において、抽出部１３２は、履歴情報から、ユーザの第１外れ行動を示す第１外れ情報と、ユーザの第１外れ行動とは異なる第２外れ行動を示す第２外れ情報と、を含む外れ情報を抽出する。

このように、実施形態に係る推定装置１００は、履歴情報から、ユーザの第１外れ行動を示す第１外れ情報と、ユーザの第１外れ行動とは異なる第２外れ行動を示す第２外れ情報と、を含む外れ情報を抽出することにより、ユーザの特性を適切に推定することができる。

また、実施形態に係る推定装置１００において、抽出部１３２は、第１種別の行動に関する第１外れ行動を示す第１外れ情報と、第１種別とは異なる第２種別の行動に関する第２外れ行動を示す第２外れ情報と、を含む外れ情報を抽出する。

このように、実施形態に係る推定装置１００は、第１種別の行動に関する第１外れ行動を示す第１外れ情報と、第１種別とは異なる第２種別の行動に関する第２外れ行動を示す第２外れ情報と、を含む外れ情報を抽出することにより、ユーザの特性を適切に推定することができる。

また、実施形態に係る推定装置１００において、抽出部１３２は、第１期間における第１外れ行動を示す第１外れ情報と、第１期間よりも短い第２期間における第２外れ行動を示す第２外れ情報と、を含む外れ情報を抽出する。

このように、実施形態に係る推定装置１００は、第１期間における第１外れ行動を示す第１外れ情報と、第１期間よりも短い第２期間における第２外れ行動を示す第２外れ情報と、を含む外れ情報を抽出することにより、ユーザの特性を適切に推定することができる。

また、実施形態に係る推定装置１００において、抽出部１３２は、第１期間におけるユーザの非日常状態を示す第１外れ情報と、ユーザの非日常状態における第２外れ行動を示す第２外れ情報と、を含む外れ情報を抽出する。

このように、実施形態に係る推定装置１００は、第１期間におけるユーザの非日常状態を示す第１外れ情報と、ユーザの非日常状態における第２外れ行動を示す第２外れ情報と、を含む外れ情報を抽出することにより、ユーザの特性を適切に推定することができる。

また、実施形態に係る推定装置１００において、推定部１３３は、第１外れ情報または第２外れ情報のいずれか一方により絞り込まれたユーザの履歴情報から、第１外れ情報または第２外れ情報の他方を抽出する。

このように、実施形態に係る推定装置１００は、第１外れ情報または第２外れ情報のいずれか一方により絞り込まれたユーザの履歴情報から、第１外れ情報または第２外れ情報の他方を抽出することにより、ユーザの特性を適切に推定することができる。

また、実施形態に係る推定装置１００において、推定部１３３は、外れ情報に含まれる対象に基づいて、対象に関連するユーザ特性を推定する。

このように、実施形態に係る推定装置１００は、外れ情報に含まれる対象に基づいて、対象に関連するユーザ特性を推定することにより、ユーザの特性を適切に推定することができる。

また、実施形態に係る推定装置１００において、推定部１３３は、外れ情報に含まれる地理的な対象に基づいて、地理的な対象に関連するユーザ特性を推定する。

このように、実施形態に係る推定装置１００は、外れ情報に含まれる地理的な対象に基づいて、地理的な対象に関連するユーザ特性を推定することにより、ユーザの特性を適切に推定することができる。

また、実施形態に係る推定装置１００において、推定部１３３は、ユーザの居住地以外の地理的な対象に関連するユーザ特性を推定する。

このように、実施形態に係る推定装置１００は、ユーザの居住地以外の地理的な対象に関連するユーザ特性を推定することにより、ユーザの特性を適切に推定することができる。

また、実施形態に係る推定装置１００において、推定部１３３は、外れ情報に含まれる商品の配送先に基づいて、ユーザに関連する地点を示すユーザ特性を推定する。

このように、実施形態に係る推定装置１００は、外れ情報に含まれる商品の配送先に基づいて、ユーザに関連する地点を示すユーザ特性を推定することにより、ユーザの特性を適切に推定することができる。

また、実施形態に係る推定装置１００において、推定部１３３は、ユーザが検索に用いた検索クエリであって、外れ情報に含まれる検索クエリに関連する地理的な対象に基づいて、ユーザに関連する地点を示すユーザ特性を推定する。

このように、実施形態に係る推定装置１００は、ユーザが検索に用いた検索クエリであって、外れ情報に含まれる検索クエリに関連する地理的な対象に基づいて、ユーザに関連する地点を示すユーザ特性を推定することにより、ユーザの特性を適切に推定することができる。

また、実施形態に係る推定装置１００において、推定部１３３は、ユーザが閲覧したコンテンツであって、外れ情報に含まれるコンテンツに関連する地理的な対象に基づいて、ユーザに関連する地点を示すユーザ特性を推定する。

このように、実施形態に係る推定装置１００は、ユーザが閲覧したコンテンツであって、外れ情報に含まれるコンテンツに関連する地理的な対象に基づいて、ユーザに関連する地点を示すユーザ特性を推定することにより、ユーザの特性を適切に推定することができる。

また、実施形態に係る推定装置１００は、提供部１３４を有する。提供部１３４は、推定部１３３により推定されたユーザ特性を用いたサービスを提供する。

このように、実施形態に係る推定装置１００は、推定したユーザ特性を用いたサービスを提供することにより、推定したユーザに基づくサービスを提供することができる。

〔６．ハードウェア構成〕
上述してきた実施形態に係る推定装置１００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、推定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、ＲＯＭ１３００、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提供する。

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が実施形態に係る推定装置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。

〔７．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生成することができる。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に記載された各処理は、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。

１ 推定システム
１００ 推定装置
１２１ ユーザ情報記憶部
１２２ 行動情報記憶部
１２３ 外れ関連情報記憶部
１２４ ユーザ特性情報記憶部
１３０ 制御部
１３１ 取得部
１３２ 抽出部
１３３ 推定部
１３４ 提供部
１０ 端末装置
２０ 事業者装置
Ｎ ネットワーク

Claims (15)

1. ユーザの行動に関する履歴情報から、前記ユーザの通常の行動から外れる外れ行動を示す情報である外れ情報を抽出する抽出部と、
   前記抽出部により抽出された前記外れ情報に基づいて、前記ユーザがサービスの利用において未登録情報、または、前記外れ情報に含まれる情報である前記ユーザの特性であって、前記外れ行動により顕在化される前記ユーザのパーソナリティを形成する特性であるユーザ特性を推定する推定部と、
   を備えることを特徴とする推定装置。
2. 前記抽出部は、
   前記履歴情報から、第１外れ情報と、前記第１外れ情報とは異なる第２外れ情報と、を含む前記外れ情報を抽出する
   ことを特徴とする請求項１に記載の推定装置。
3. 前記抽出部は、
   一の外れ行動に含まれる第１要素に関連する前記第１外れ情報と、前記一の外れ行動に含まれる第２要素であって、前記第１要素とは異なる第２要素に関連する前記第２外れ情報と、を含む前記外れ情報を抽出する
   ことを特徴とする請求項２に記載の推定装置。
4. 前記抽出部は、
   前記履歴情報から、前記ユーザの第１外れ行動を示す前記第１外れ情報と、前記ユーザの前記第１外れ行動とは異なる第２外れ行動を示す前記第２外れ情報と、を含む前記外れ情報を抽出する
   ことを特徴とする請求項２に記載の推定装置。
5. 前記抽出部は、
   第１種別の行動に関する前記第１外れ行動を示す前記第１外れ情報と、前記第１種別とは異なる第２種別の行動に関する前記第２外れ行動を示す前記第２外れ情報と、を含む前記外れ情報を抽出する
   ことを特徴とする請求項４に記載の推定装置。
6. 前記抽出部は、
   第１期間における前記第１外れ行動を示す前記第１外れ情報と、前記第１期間よりも短い第２期間における前記第２外れ行動を示す前記第２外れ情報と、を含む前記外れ情報を抽出する
   ことを特徴とする請求項４または請求項５に記載の推定装置。
7. 前記抽出部は、
   前記第１期間における前記ユーザの非日常状態を示す前記第１外れ情報と、前記ユーザの非日常状態における前記第２外れ行動を示す前記第２外れ情報と、を含む前記外れ情報を抽出する
   ことを特徴とする請求項６に記載の推定装置。
8. 前記推定部は、
   前記外れ情報に含まれる対象に基づいて、前記対象に関連する前記ユーザ特性を推定する
   ことを特徴とする請求項１〜７のいずれか１項に記載の推定装置。
9. 前記推定部は、
   前記外れ情報に含まれる地理的な対象に基づいて、前記地理的な対象に関連する前記ユーザ特性を推定する
   ことを特徴とする請求項１〜８のいずれか１項に記載の推定装置。
10. 前記推定部は、
    前記ユーザの居住地以外の前記地理的な対象に関連する前記ユーザ特性を推定する
    ことを特徴とする請求項９に記載の推定装置。
11. 前記推定部は、
    前記ユーザが検索に用いた検索クエリであって、前記外れ情報に含まれる検索クエリに関連する地理的な対象に基づいて、前記ユーザに関連する地点を示す前記ユーザ特性を推定する
    ことを特徴とする請求項１〜１０のいずれか１項に記載の推定装置。
12. 前記推定部は、
    前記ユーザが閲覧したコンテンツであって、前記外れ情報に含まれるコンテンツに関連する地理的な対象に基づいて、前記ユーザに関連する地点を示す前記ユーザ特性を推定する
    ことを特徴とする請求項１〜１１のいずれか１項に記載の推定装置。
13. 前記推定部により推定された前記ユーザ特性を用いたサービスを提供する提供部、
    をさらに備えることを特徴とする請求項１〜１２のいずれか１項に記載の推定装置。
14. コンピュータが実行する推定方法であって、
    ユーザの行動に関する履歴情報から、前記ユーザの通常の行動から外れる外れ行動を示す情報である外れ情報を抽出する抽出工程と、
    前記抽出工程により抽出された前記外れ情報に基づいて、前記ユーザがサービスの利用において未登録情報、または、前記外れ情報に含まれる情報である前記ユーザの特性であって、前記外れ行動により顕在化される前記ユーザのパーソナリティを形成する特性であるユーザ特性を推定する推定工程と、
    を含むことを特徴とする推定方法。
15. ユーザの行動に関する履歴情報から、前記ユーザの通常の行動から外れる外れ行動を示す情報である外れ情報を抽出する抽出手順と、
    前記抽出手順により抽出された前記外れ情報に基づいて、前記ユーザがサービスの利用において未登録情報、または、前記外れ情報に含まれる情報である前記ユーザの特性であって、前記外れ行動により顕在化される前記ユーザのパーソナリティを形成する特性であるユーザ特性を推定する推定手順と、
    をコンピュータに実行させることを特徴とする推定プログラム。

Images