JP2019113944A - 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】コンテンツの登録作業を適切に補助することが可能な情報処理装置、情報処理方法、およびプログラムを提供すること。【解決手段】本発明の一態様は、ネットワークを介して配信される候補となる第１コンテンツに対応する第１特徴情報を生成する第１生成部と、ネットワークを介して配信された少なくとも１つの第２コンテンツに対するユーザのアクセス履歴に基づいて、前記ユーザに対応する第２特徴情報を生成する第２生成部と、前記第１特徴情報および前記第２特徴情報に基づいて、前記ユーザの前記第１コンテンツに対する興味度合を予測した指標値を算出する算出部と、を備える情報処理装置である。【選択図】図５

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。

近年、ユーザがインターネットを介してウェブサイトにアクセスした際に、そのウェブサイトに掲載するコンテンツをユーザごとに出し分けることが行われている。例えば、ユーザの過去のアクセス履歴情報に基づいてコンテンツごとのクリック率を予測し、この予測値が高い順にコンテンツを掲載することで、ユーザの関心および興味に適したコンテンツを推薦する技術が提供されている（例えば、特許文献１参照）。

特開２０１７−４９９４１号公報

上記のようなコンテンツ配信の仕組みにおいては、ウェブサイトの編集者等により新規なコンテンツを入稿する作業が行われる。一方、実際にユーザに配信されるコンテンツはクリック率等の予測値に基づいて決定され、その予測にはアクセス実績が反映されるため、新たに入稿されたコンテンツの掲載位置が下位に設定されたり、ユーザに全く配信されなかったりする場合があった。このため、コンテンツの入稿作業が無駄となる場合があった。

また、多くのユーザが興味を持つことが想定される話題に関するコンテンツであっても、この話題に関する多数のコンテンツが既に入稿済みである場合、これら多数の入稿済みコンテンツとの関係で、新たに入稿されたコンテンツが配信対象として選択されにくい場合があった。

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、コンテンツの登録作業を適切に補助することが可能な情報処理装置、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、ネットワークを介して配信される候補となる第１コンテンツに対応する第１特徴情報を生成する第１生成部と、ネットワークを介して配信された少なくとも１つの第２コンテンツに対するユーザのアクセス履歴に基づいて、前記ユーザに対応する第２特徴情報を生成する第２生成部と、前記第１特徴情報および前記第２特徴情報に基づいて、前記ユーザの前記第１コンテンツに対する興味度合を予測した指標値を算出する算出部と、を備える情報処理装置である。

本発明の一態様によれば、コンテンツの登録作業を適切に補助することが可能である。

実施形態に係る入稿装置３０の使用環境の一例を示す図である。 実施形態に係るユーザ情報２２の内容の一例を示す図である。 実施形態に係る配信記事情報２４の内容の一例を示す図である。 実施形態に係る行動ログ２６の内容の一例を示す図である。 実施形態に係る入稿装置３０の機能構成を示す機能ブロック図である。 実施形態に係る記事ベクトル生成部３７の処理の内容を概念的に示す図である。 実施形態に係るユーザベクトル生成部３９の処理の内容を概念的に示す図である。 実施形態に係る入稿装置３０の処理の流れの一例を示すフローチャートである。 実施形態に係る入稿ページの一例を示す図である。 実施形態に係る入稿ページの他の例を示す図である。

以下、図面を参照して、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。

［概要］
実施形態の情報処理装置は、ユーザに提供されるコンテンツの候補の登録を受け付ける。この情報処理装置は、コンテンツの登録作業を行うオペレータ等によって操作される。登録されるコンテンツには、各種ジャンルのニュース等の記事、オークションサイトへの出品情報等が含まれる。記事とは、インターネット等のネットワークを介して提供される電子的な記事であり、テキスト情報を含むものである。

上記の記事は、ブラウザによって再生されるウェブページの一部として提供されるものであってもよいし、アプリケーションプログラムによって表示されるアプリページの一部として提供されるものであってもよい。これらのウェブページおよびアプリページは、検索サイト、ニュースサイト、ショッピングサイト、オークションサイト、天気予報サイト、ＳＮＳ（Social Networking Service）サイト、ゲームサイト等を構成するページである。

以下の実施形態においては、情報処理装置が記事の入稿を受け付ける入稿装置である例について説明する。入稿とは、外部の媒体で作成された記事を短いサマリに書き換えて入稿装置に登録する処理や、外部の媒体で作成された記事をそのまま入稿装置に登録する処理、オペレータが新規に作成した記事を入稿装置に登録する処理等が含まれる。

［全体構成］
図１は、入稿装置３０の使用環境の一例を示す図である。入稿装置３０は、ネットワークＮＷに接続される。ネットワークＮＷには、入稿装置３０の他、例えば、少なくとも１つの端末装置１０と、少なくとも１つのサービス提供装置２０とが接続される。ネットワークＮＷは、例えば、インターネット、ＷＡＮ（Wide Area Network）やＬＡＮ（Local Area Network）、プロバイダ装置、無線基地局、専用回線等のうち一部または全部を含む。

端末装置１０は、サービス提供装置２０によって提供されるウェブページ等のサービスを利用するユーザによって操作される。端末装置１０は、例えば、パーソナルコンピュータ、スマートフォン等の携帯電話やタブレット端末、ＰＤＡ（Personal Digital Assistant）等である。

端末装置１０は、ユーザから所定の操作を受け付けると、予めインストールされたブラウザによって、サービス提供装置２０によって提供されるウェブページを表示する。このウェブページには少なくとも１つの記事が含まれる。また、端末装置１０は、ユーザから所定の操作を受け付けると、予めインストールされたアプリケーションを介してサービス提供装置２０と通信を行い、アプリケーション上で表示或いは再生するコンテンツを取得する。コンテンツは、例えば、動画データや、画像データ、音声データ、テキストデータ等であり、少なくとも１つの記事が含まれる。これによって、端末装置１０には、アプリケーションを介して、上述した各種ウェブページにより提供されるサービスと同様のサービスが提供される。

サービス提供装置２０は、インターネット上において、上述した検索サイト等のウェブページを提供するウェブサーバ装置であってよいし、アプリケーションが起動された端末装置１０と通信を行って、各種情報の受け渡しを行うアプリケーションサーバ装置であってもよい。

サービス提供装置２０により提供されるサービスは、例えば、ユーザＩＤとパスワードを入力しログインすることで、より個別のユーザに対してカスタマイズされたサービスとして提供される。尚、サービス提供装置２０がウェブサーバである場合、ユーザはログインしなくてもウェブページの提供を受けることはできるが、その場合、ユーザに対するカスタマイズがされていない汎用のウェブページが提供される。

サービス提供装置２０は、ユーザによるログインがなされると、例えば、ユーザＩＤにより指定されるユーザに推薦する記事を、所定の画面（例えば、ウェブサイトやアプリページのトップページ）に掲載して端末装置１０に送信する。サービス提供装置２０は、例えば、後述する記事ベクトルおよびユーザベクトルに基づいて、ユーザに推薦する記事を決定する。これにより、ユーザが関心および興味のある内容に近い記事が、当該ユーザに提供されることになり、ウェブページまたはアプリページの魅力を維持および向上させることができる。

サービス提供装置２０は、装置内或いは外部の記憶装置（不図示）に、ユーザ情報２２、配信記事情報２４、および行動ログ２６を記憶させている。

図２は、ユーザ情報２２の内容の一例を示す図である。ユーザ情報２２は、例えば、ユーザの識別情報であるユーザＩＤに対し、パスワード、および年齢、性別、誕生日、職業その他のデモグラ情報が対応付けられた情報である。ユーザＩＤは、サービス提供装置２０によって提供されるウェブサイトのログイン時に使用されるログインＩＤである。尚、ユーザＩＤは、端末装置１０に備えられたウェブブラウザごとに管理されるクッキー（HTTP cookie）、端末装置１０のＩＰアドレス等であってもよい。

図３は、配信記事情報２４の内容の一例を示す図である。配信記事情報２４は、例えば、記事の識別情報である記事ＩＤに対し、記事データが対応付けられた情報である。記事データは、例えば、テキストデータ、画像データ、またはこれらの組み合わせ、或いはＵＲＬ（Uniform Resource Locator）等の参照情報である。

図４は、行動ログ２６の内容の一例を示す図である。行動ログ２６は、例えば、ユーザＩＤごとに、閲覧したページの識別情報である閲覧ページＩＤ、閲覧したページに含まれる記事の記事ＩＤ、閲覧時刻等が互いに対応付けられた情報（アクセス履歴）である。

入稿装置３０は、ユーザに配信される記事の候補（以下、「入稿候補記事」と呼ぶ）の入稿を受け付ける装置である。この入稿装置３０は、例えば記事の入稿作業を行う編集者であるオペレータによって操作される。入稿装置３０は、編集者により入稿された記事の記事データと、新たに付与された記事ＩＤとをサービス提供装置２０に送信する。これにより、入稿された記事に関する情報は、サービス提供装置２０内の記憶装置に配信記事情報２４として記憶される。

入稿装置３０は、編集者により入稿作業が行われる際のインターフェースであるツールを提供する。このインターフェースは、入稿候補記事を入力すると、この記事が実際に入稿された場合にどれぐらいのユーザに対して推薦されるのかを示す情報を編集者に提供する。例えば、このインターフェースは、ウェブページに含まれる記事がユーザごとにカスタマイズされた結果、入稿候補記事がウェブページ内の１番上に表示されるユーザ数の情報を編集者に提供する。

［入稿装置の構成］
以下、入稿装置３０の構成について説明する。図５は、入稿装置３０の機能構成を示す機能ブロック図である。入稿装置３０は、例えば、通信部３１と、受付部３３と、表示部３５と、記事ベクトル生成部３７（第１生成部）と、ユーザベクトル生成部３９（第２生成部）と、順位決定部４１（決定部）と、算出部４３と、画面制御部４５（第３生成部）と、記憶部４７とを備える。

通信部３１は、例えば、ＮＩＣ等の通信インターフェースを含む。通信部３１は、ネットワークＮＷを介して、サービス提供装置２０等と通信する。

受付部３３は、編集者による操作入力を受け付ける。受付部３３は、編集者により入稿される入稿候補記事（第１コンテンツ）の情報の入力を受け付ける。受付部３３は、例えば、タッチパネル、操作ボタン、キーボード、マウス等である。

表示部３５は、記事入稿時のインターフェースとなる運用画面等を表示する。表示部３５は、例えば、ディスプレイ等である。表示部３５が、タッチパネル対応のディスプレイである場合、表示部３５は、受付部３３の上記の機能を備えてもよい。

記事ベクトル生成部３７は、例えば、記事に対応する記事ベクトル（第１特徴情報）を生成する。記事ベクトルは、例えば、記事に含まれる単語を形態素解析等によって抽出した後、word2vec等の手法により分散表現化した単語ベクトルを第１モデルに入力することで生成されるベクトルデータである。

図６は、記事ベクトル生成部３７の処理の内容を概念的に示す図である。記事ベクトル生成部３７には、記事の内容（テキスト）が入力される。入力される記事は、例えば、配信記事情報２４から取得される入稿済み記事（第２コンテンツ）と、受付部３３を介して入力された入稿候補記事とを含む。

記事ベクトル生成部３７は、まず、記事の内容に対して形態素解析等を行って、単語（形態素）に分割する。次に、記事ベクトル生成部３７は、各単語に対してword2vec等の手法を適用して、分散表現化された単語ベクトルを取得する。形態素解析とword2vecとのうち一方または双方は、記事ベクトル生成部３７が自ら処理を行うのではなく、外部装置に処理を依頼することで実現されてもよい。

そして、記事ベクトル生成部３７は、記事から取得された一以上の単語ベクトルを第１モデルに入力することで、記事ベクトルを導出する。第１モデルは、例えば、機械学習によって生成されるモデルである。第１モデルは、例えば、ディープラーニング等の手法により、既知の単語ベクトルと記事ベクトルとの関係が再現できるような、隠れ層の活性化関数のパラメータを求めることで生成される。尚、上記の定義に拘わらず、第１モデルとは、word2vecの特定、すなわち、どのようなコーパスをword2vecに与えるか、までを含んでもよい。

記事ベクトル生成部３７は、生成した記事ベクトルを、記事ベクトル情報５１として、記事ＩＤと共に記憶部４７に記憶させる。

ユーザベクトル生成部３９は、例えば、ユーザが閲覧した記事の履歴に基づいてユーザベクトル（第２特徴情報）を生成する。ユーザベクトルは、そのユーザの興味の対象を示すものと言える。ユーザベクトルは、例えば、上記の記事ベクトルを利用して生成される。例えば、ユーザベクトルは、ユーザが閲覧した記事のそれぞれに対して生成されている記事ベクトルの集合を、第２モデルに入力することで生成される。ユーザベクトルも、分散表現で表されるベクトルデータである。

図７は、ユーザベクトル生成部３９の処理の内容を概念的に示す図である。ユーザベクトル生成部３９には、ユーザＩＤと、そのユーザＩＤにより示されるユーザが閲覧した記事の記事ＩＤとが入力される。ユーザが閲覧した記事の記事ＩＤは、例えば、行動ログ２６から取得される。

ユーザベクトル生成部３９は、まず、ユーザが閲覧した記事の記事ＩＤに対応する記事ベクトルを記事ベクトル情報５１から取得する。次に、ユーザベクトル生成部３９は、取得された一以上の記事ベクトルを第２モデルに入力することで、ユーザベクトルを生成する。第２モデルは、例えば、機械学習によって生成されるモデルである。第２モデルは、例えば、ディープラーニング等の手法により、既知の記事ベクトルとユーザベクトルとの関係が再現できるような、隠れ層の活性化関数のパラメータを求めることで生成される。

ユーザベクトル生成部３９は、生成したユーザベクトルを、ユーザＩＤと共にユーザベクトル情報５３に記憶させる。尚、ユーザベクトルは、閲覧した記事の記事ベクトル以外の要素を反映させて作成されてもよい。記事ベクトル以外の要素とは、例えば、ユーザの入力したクエリ、記事を有さないウェブページの閲覧履歴、ユーザの属性（年齢、性別、職業等）のうち一部または全部である。

順位決定部４１は、サンプルユーザ情報４９に含まれるユーザの各々について、入稿済み記事および入稿候補記事を配信対象とした場合において、ウェブページに含まれる記事の掲載順位を決定する。すなわち、順位決定部４１は、ユーザが視認する表示面における入稿候補記事および入稿済み記事の掲載順位を決定する。順位決定部４１は、ユーザの各々のユーザベクトルとのベクトル間距離が小さい記事ベクトルを探索し、例えば、ベクトル間距離が小さい順に記事の掲載順位を決定する。これにより、ユーザが関心および興味のある内容に近い記事が、より高い順位に掲載されることになる。尚、この際、順位決定部４１は、ｋ近傍探索（k-Nearest neighbor search）に類する手法を用いて検索を行ってもよい。

算出部４３は、順位決定部４１によって決定された記事の掲載順位において、入稿候補記事が第１番目の記事（ユーザが関心および興味のある内容に最も近い記事、最上位の記事）として決定されたユーザの数（以下、「有効ユーザ数」と呼ぶ）を算出する。すなわち、算出部４３は、入稿候補記事が何割のユーザのランキング１位を取れるかを示す情報（例えば、掲載率）を算出する。算出部４３は、記事ベクトルおよびユーザベクトルに基づいて、ユーザの入稿候補記事に対する興味度合を予測した指標値を算出する。

画面制御部４５は、表示部３５に表示される画面の制御を行う。画面制御部４５は、例えば、受付部３３を介して入力された入稿候補記事の情報と、この入稿候補記事の掲載順位が１番となるユーザの数の情報とを含む画面（表示用情報）を、表示部３５に表示させる。

入稿装置３０の各機能部は、例えば、ＣＰＵ（Central Processing Unit）等のハードウェアプロセッサがプログラム（ソフトウェア）を実行することにより実現される。また、これらの構成要素のうち一部または全部は、ＬＳＩ（Large Scale Integration）やＡＳＩＣ（Application Specific Integrated Circuit）、ＦＰＧＡ（Field-Programmable Gate Array）、ＧＰＵ（Graphics Processing Unit）等のハードウェア（回路部；circuitryを含む）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。

記憶部４７は、例えば、サンプルユーザ情報４９と、記事ベクトル情報５１と、ユーザベクトル情報５３とを記憶する。サンプルユーザ情報４９は、サービス提供装置２０により提供されるサービスを利用したユーザの中からサンプリングされた所定数のユーザの情報を含む。サンプルユーザ情報４９は、例えば、サービス提供装置２０のユーザ情報２２に含まれるユーザからサンプリングされたユーザのユーザＩＤの情報を含む。

記憶部４７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等により実現される。また、記憶部４７は、ＮＡＳや外部のストレージサーバ等、入稿装置３０がアクセス可能な外部装置であってもよい。

［入稿装置の動作］
以下、入稿装置３０の動作について説明する。図８は、入稿装置３０の処理の流れの一例を示すフローチャートである。以下においては、入稿装置３０の記憶部４７のサンプルユーザ情報４９に、サービス提供装置２０のユーザ情報２２に含まれているユーザの中からサンプリングされた所定数（例えば、１，０００人）のユーザの情報が予め記憶されているものとする。また、入稿装置３０の記憶部４７の記事ベクトル情報５１に、入稿済み記事の記事ベクトルが予め記憶されているものとする。

まず、入稿装置３０は、受付部３３を介して編集者により入力された入稿候補記事の入力を受け付ける（Ｓ１０１）。入稿装置３０は、例えば、入稿候補記事のテキストデータの入力を受け付ける。

次に、入稿装置３０は、入力された入稿候補記事に対応する記事ベクトルを生成する（Ｓ１０３）。入稿装置３０は、例えば、入稿候補記事に含まれる単語を形態素解析等によって抽出した後、word2vec等の手法により分散表現化した単語ベクトルを第１モデルに入力することにより、記事ベクトルを生成する。

次に、入稿装置３０は、記憶部４７に記憶されたサンプルユーザ情報４９から、例えば、１人のユーザ（以下、「第１サンプルユーザ」と呼ぶ）を抽出し（Ｓ１０５）、抽出したユーザに関する行動ログをサービス提供装置２０の行動ログ２６から取得する（Ｓ１０７）。

次に、入稿装置３０は、取得した行動ログに含まれる少なくとも１つの記事ＩＤに対応する記事ベクトルを記事ベクトル情報５１から読み出し、読み出した記事ベクトルに基づいて、第１サンプルユーザに対応するユーザベクトルを生成する。入稿装置３０は、例えば、取得した行動ログに含まれる少なくとも１つの記事ＩＤに対応する記事ベクトルの集合を、第２モデルに入力することで、ユーザベクトルを生成する（Ｓ１０９）。

次に、入稿装置３０は、生成した第１サンプルユーザに対応するユーザベクトルに基づいて、入稿済み記事および入稿候補記事を配信対象とした場合にウェブページに含まれることになる記事の掲載順位を決定する（Ｓ１１１）。入稿装置３０は、例えば、第１サンプルユーザに対応するユーザベクトルとのベクトル間距離が小さい記事ベクトルを探索し、ベクトル間距離が小さい順に記事の掲載順位を決定する。

次に、入稿装置３０は、決定した掲載順位に基づいて、入稿候補記事が第１番目の記事として決定されるか否かを判定する（Ｓ１１３）。入稿装置３０は、入稿候補記事が１番目の記事として決定されると判定した場合、有効ユーザ数のカウント値を１つインクリメントする（Ｓ１１５）。一方、入稿装置３０は、入稿候補記事が第１番目の記事として決定されないと判定した場合、上記のインクリメント処理を行わない。

次に、入稿装置３０は、記憶部４７に記憶されたサンプルユーザ情報４９に含まれる全サンプルユーザに対する処理が完了したか否かを判定する（Ｓ１１７）。入稿装置３０は、全サンプルユーザに対する処理が完了していないと判定した場合、Ｓ１０５の処理に戻り、未処理のサンプルユーザを抽出して以降の処理を同様に行う。

一方、入稿装置３０は、全サンプルユーザに対する処理が完了したと判定した場合、入稿候補記事の情報と、この入稿候補記事の有効ユーザ数の情報とを含む入稿ページを生成し、表示部３５に表示させる（Ｓ１１９）。

図９は、入稿ページＰ１の一例を示す図である。この入稿ページＰ１においては、入稿装置３０に入稿候補記事として入力された５つの記事のタイトルと、有効ユーザ数と、入稿指示を受け付ける入稿ボタン「入稿する」とが表示されている。編集者は、この入稿ページＰ１を参照することで、入稿候補記事を入稿した場合の有効ユーザ数がどれぐらいであるか、すなわち、どれぐらいのユーザに入稿候補記事が配信されるのかを把握することが可能となる。

この入稿ページＰ１において、編集者は、配信記事として最終的に入稿する入稿候補記事の入稿ボタンを押下し、適宜編集作業を行った後、記事ＩＤおよび記事データを含む情報をサービス提供装置２０に送信することで、入稿候補記事をサービス提供装置２０の配信記事情報２４に登録することができる。以後、サービス提供装置２０により提供されるウェブページ等に入稿候補記事が掲載されることになる。

以上において説明した実施形態の入稿装置によれば、コンテンツの登録作業を適切に補助することが可能である。特に、編集者が、外部の媒体で作成された記事を短いサマリに書き換えて入稿する処理等の編集作業を行う場合には、この編集作業を行う前に、各入稿候補記事の有効ユーザ数を把握することができる。このため、編集者は、例えば、多くのユーザに配信される記事の入稿を優先して行うことができ、ユーザに配信されにくい記事に対する無駄な入稿作業を回避することができる。

尚、上記の実施形態においては、入稿装置３０が有効ユーザ数をカウントして表示する例について説明したが、入稿候補記事が所定の順位（例えば、上位１０位）までの記事として決定されるユーザ数をカウントして表示してもよい。

また、入稿装置３０は、有効ユーザ数に加えて或いは代えて、全サンプルユーザの内の有効ユーザ数の割合を示す占有率の変化度を算出して表示してもよい。例えば、入稿装置３０は、図１０に示すように、入稿済み記事および入稿候補記事を配信対象とした場合における入稿候補記事の占有率から、入稿候補記事が入稿されない場合に入稿済み記事の中で１番目の記事として決定される記事の占有率を減算した値を入稿ページＰ２に表示してもよい。

また、上記の実施形態においては、入稿装置３０が、同装置に予め記憶されたサンプルユーザ情報４９を用いる例について説明したが、サンプルユーザ情報４９に代えて、入稿作業の度に、サービス提供装置２０のユーザ情報２２からユーザ情報を取得するようにしてもよい。

本発明の実施形態による情報処理装置は、ネットワークを介して配信される候補となる第１コンテンツに対応する第１特徴情報を生成する第１生成部と、ネットワークを介して配信された少なくとも１つの第２コンテンツに対するユーザのアクセス履歴に基づいて、前記ユーザに対応する第２特徴情報を生成する第２生成部と、前記第１特徴情報および前記第２特徴情報に基づいて、前記ユーザの前記第１コンテンツに対する興味度合を予測した指標値を算出する算出部とを備えることで、コンテンツの登録作業を適切に補助することが可能である。

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ら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…端末装置
２０…サービス提供装置
３０…入稿装置
３１…通信部
３３…受付部
３５…表示部
３７…記事ベクトル生成部
３９…ユーザベクトル生成部
４１…順位決定部
４３…算出部
４５…画面制御部
４７…記憶部

Claims (10)

1. ネットワークを介して配信される候補となる第１コンテンツに対応する第１特徴情報を生成する第１生成部と、
   ネットワークを介して配信された少なくとも１つの第２コンテンツに対するユーザのアクセス履歴に基づいて、前記ユーザに対応する第２特徴情報を生成する第２生成部と、
   前記第１特徴情報および前記第２特徴情報に基づいて、前記ユーザの前記第１コンテンツに対する興味度合を予測した指標値を算出する算出部と、
   を備える情報処理装置。
2. 前記算出部により算出された指標値を表示装置に表示させるための表示用情報を生成する第３生成部をさらに備える、
   請求項１に記載の情報処理装置。
3. 前記第１特徴情報および前記第２特徴情報に基づいて、前記ユーザが視認する表示面における前記第１コンテンツおよび前記第２コンテンツの掲載順位を決定する決定部をさらに備える、
   請求項１または２に記載の情報処理装置。
4. 前記算出部は、前記第１コンテンツの掲載順位が最上位であるユーザ数を、前記指標値として算出する、
   請求項３に記載の情報処理装置。
5. 前記算出部は、前記第１コンテンツの掲載順位が最上位であるユーザ数の割合の変化度を、前記指標値として算出する、
   請求項４に記載の情報処理装置。
6. 前記算出部は、前記第１コンテンツの掲載順位が所定の順位以内であるユーザ数を、前記指標値として算出する、
   請求項３に記載の情報処理装置。
7. 前記第１特徴情報および前記第２特徴情報の各々は、ベクトルデータである、
   請求項１から６のいずれか一項に記載の情報処理装置。
8. 前記第１コンテンツは、前記ネットワークを介して配信される候補となる記事であり、
   前記第１特徴情報は、前記記事の特徴を示す情報であり、
   前記第２コンテンツは、前記ネットワークを介して配信された記事であり、
   前記第２特徴情報は、前記ネットワークを介して配信され、前記ユーザがアクセスした記事の特徴に基づいて導出される情報である、
   請求項１から７のいずれか一項に記載の情報処理装置。
9. コンピュータが、
   ネットワークを介して配信される候補となる第１コンテンツに対応する第１特徴情報を生成し、
   ネットワークを介して配信された少なくとも１つの第２コンテンツに対するユーザのアクセス履歴に基づいて、前記ユーザに対応する第２特徴情報を生成し、
   前記第１特徴情報および前記第２特徴情報に基づいて、前記ユーザの前記第１コンテンツに対する興味度合を予測した指標値を算出する、
   情報処理方法。
10. コンピュータに、
    ネットワークを介して配信される候補となる第１コンテンツに対応する第１特徴情報を生成させ、
    ネットワークを介して配信された少なくとも１つの第２コンテンツに対するユーザのアクセス履歴に基づいて、前記ユーザに対応する第２特徴情報を生成させ、
    前記第１特徴情報および前記第２特徴情報に基づいて、前記ユーザの前記第１コンテンツに対する興味度合を予測した指標値を算出させる、
    プログラム。

Images