JP2020035072A - 情報処理装置、情報処理方法および情報処理プログラム - Google Patents
情報処理装置、情報処理方法および情報処理プログラム Download PDFInfo
- Publication number
- JP2020035072A JP2020035072A JP2018159439A JP2018159439A JP2020035072A JP 2020035072 A JP2020035072 A JP 2020035072A JP 2018159439 A JP2018159439 A JP 2018159439A JP 2018159439 A JP2018159439 A JP 2018159439A JP 2020035072 A JP2020035072 A JP 2020035072A
- Authority
- JP
- Japan
- Prior art keywords
- information
- user
- feature information
- unit
- feature
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 44
- 230000010365 information processing Effects 0.000 claims abstract description 112
- 239000013598 vector Substances 0.000 claims abstract description 66
- 238000006243 chemical reaction Methods 0.000 claims abstract description 33
- 238000004364 calculation method Methods 0.000 claims description 20
- 238000003672 processing method Methods 0.000 claims description 9
- 230000006835 compression Effects 0.000 claims description 2
- 238000007906 compression Methods 0.000 claims description 2
- 238000004458 analytical method Methods 0.000 abstract description 12
- 238000000605 extraction Methods 0.000 description 26
- 238000010586 diagram Methods 0.000 description 22
- 230000008569 process Effects 0.000 description 21
- 230000006870 function Effects 0.000 description 14
- 238000004891 communication Methods 0.000 description 11
- 239000000284 extract Substances 0.000 description 11
- 238000013528 artificial neural network Methods 0.000 description 5
- 230000006399 behavior Effects 0.000 description 5
- 238000010801 machine learning Methods 0.000 description 4
- 238000013135 deep learning Methods 0.000 description 3
- 238000013527 convolutional neural network Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000004044 response Effects 0.000 description 2
- 239000004065 semiconductor Substances 0.000 description 2
- 238000012706 support-vector machine Methods 0.000 description 2
- 230000009471 action Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000008450 motivation Effects 0.000 description 1
- 238000003058 natural language processing Methods 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 230000000306 recurrent effect Effects 0.000 description 1
Images
Abstract
Description
まず、実施形態に係る情報処理の一例について、図1を用いて説明する。図1は、実施形態に係る情報処理の一例を示す図である。図1では、情報処理システムSに含まれる本願に係る情報処理装置1が、ユーザUの属性を用いてユーザUの特徴を推定するモデル、および、上記属性を用いて推定されたユーザUの特徴に関する推定結果の少なくとも一方を含む特徴情報を異なるサービスそれぞれから取得し、取得された特徴情報をベクトル値へ変換し、変換されたベクトル値に基づいて特徴情報間の関係性を推定する処理を実行する例を示す。
次に、図2を用いて、実施形態に係る情報処理システムSの構成について説明する。図2は、実施形態に係る情報処理システムSの構成例を示す図である。図2に例示するように、実施形態に係る情報処理システムSは、情報処理装置1と、複数のサービス提供サーバ10−1〜10−nと、複数の事業者端末20と、複数のユーザ端末100−1〜100−nとを含む。
次に、図3を用いて、情報処理装置1の構成例について説明する。図3は、実施形態に係る情報処理装置1の構成例を示すブロック図である。なお、図3では、情報処理装置1の説明に必要となる構成要素のみを示しており、一般的な構成要素についての記載を省略している。
通信部2は、例えば、NIC(Network Interface Card)等によって実現される。通信部2は、ネットワークNと有線または無線で接続され、ネットワークNを介して、サービス提供サーバ10や、サービス提供サーバ10に接続された事業者端末20、ユーザ端末100との間で情報の送受信を行う。
記憶部3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、図3の例では、記憶部3は、共有情報31と、サービス情報32と、モデルプログラム情報33と、ベクトル情報34とを記憶する。
共有情報31は、サービス提供サーバ10から取得した特徴情報を含んだ情報である。図4は、共有情報31の一例を示す図である。図4に示すように、共有情報31は、例えば、列項目が「UID」であり、行項目が「特徴情報」であるテーブルである。また、列項目および行項目の各組のデータ項目には、特徴情報におけるモデルの出力であるスコアが入力される。
次に、サービス情報32は、各サービス提供サーバ10が提供するサービスYに関する情報である。図5は、サービス情報32の一例を示す図である。図5に示すように、サービス情報32は、「サービスID」、「提供サービス」および「登録モデル数」といった項目を含む。
次に、モデルプログラム情報33は、特徴情報におけるモデルのプログラムデータを含んだ情報である。図6は、モデルプログラム情報33の一例を示す図である。モデルプログラム情報33は、後述の取得部41が取得した特徴情報におけるモデルのプログラムデータを含む情報である。図6に示すように、モデルプログラム情報33は、「モデルID」、「モデル名称」、「サービスID」および「モデルデータ」等といった項目を含む。
図3の説明に戻り、つづいてベクトル情報34について説明する。ベクトル情報34は、共有情報31に登録された特徴情報のベクトル化に関する情報である。ベクトル情報34は、後述の変換部42によって生成され、例えば特徴情報毎のベクトル値を含む。
制御部4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、情報処理装置1内部の記憶装置に記憶されている各種プログラム(情報処理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4は、例えば、コントローラであり、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。
取得部41は、ユーザUの属性を用いてユーザUの特徴を推定するモデル、および、ユーザUの属性を用いて推定されたユーザUの特徴に関する推定結果の少なくとも一方を含む特徴情報を異なるサービスYそれぞれから取得する。例えば、取得部41は、サービスYに対して予め指定したフォーマットで生成させた特徴情報を取得する。これにより、サービスY間で特徴情報のフォーマットを揃えることができるため、統一した基準の特徴情報を取得することができる。
変換部42は、共有情報31内の各特徴情報をベクトル値へ変換する。例えば変換部42は、既に述べたように、各特徴情報のユーザIDおよびスコアをデータセットとし、ニューラルネットワークによる機械学習の手法等を用いて、各特徴情報を多次元からなる実数値ベクトルへと変換する。
受付部43は、サービス提供サーバ10から各種要求を受け付ける。例えば、受付部43は、特定の特徴を指定する特徴指定の要求をサービスYから受け付ける。特徴指定は、共有情報31に含まれる特徴情報のモデルIDやモデル名称等を指定する。特徴指定による指定は、1つの特徴情報であってもよく、複数の特徴情報であってもよい。あるいは、特徴指定は、分野指定等といった複数の特徴情報を包含する指定であってもよい。
推定部44は、ベクトル情報34に含まれる各特徴情報のベクトル値に基づいて、特徴情報間の関係性を推定する。例えば推定部44は、各特徴情報のベクトル値からコサイン類似度を算出し、かかる類似度に基づいて各特徴情報の近さを推定する。
抽出部45は、上記の特徴指定によって指定された特定の特徴に対応するユーザUを抽出する。例えば抽出部45は、指定された特徴に対応する特徴情報においてスコアが所定値以上のユーザUを抽出する。
提供部46は、抽出部45によって抽出された各種情報に基づく提供情報をサービスYへ提供する。例えば、提供部46は、特徴指定に基づき抽出部45によって抽出されたユーザUのリストを含む提供情報を生成し、サービスYへ提供する。リストのソートは、スコアの大小順や、五十音順、アルファベット順等といった任意の順で並べられてもよい。
次に、これまで説明した実施形態に係る情報処理について、図7A〜図7Gを用いてより具体的に説明する。図7A〜図7Gは、実施形態に係る情報処理の処理説明図(その1)〜(その7)である。
かかる例を前提として、上記した特徴指定による指定の具体例について、図7Bおよび図7Cを用いて説明する。なお、図7B〜図7D、図7Fおよび図7Gには、例えば事業者端末20に表示される「サービス間横断利用サービス」の利用画面イメージの一部を示している。
つづいて、上記したユーザ指定による指定の具体例について、図7Dを用いて説明する。例えば、ユーザ指定による指定方法は、図7Dに示すように、特徴の抽出対象となるユーザUの識別情報を指定することによって行われる。
次に、上記した演算指定による指定の具体例について、図7E〜図7Gを用いて説明する。なお、まず演算指定の概要について図7Eを参照しつつ、自然言語処理として知られているWord2Vecを例に挙げて説明する。
実施形態に係る情報処理方法は、かかるWord2Vecと同様に特徴情報同士をベクトル化したものであるので、こうした特徴情報同士の演算指定が可能となる。
次に、実施形態に係る情報処理装置1が実行する処理手順について説明する。図8は、実施形態に係る情報処理装置1が実行する処理手順を示すフローチャート(その1)である。また、図9は、実施形態に係る情報処理装置1が実行する処理手順を示すフローチャート(その2)である。なお、図8には、特徴情報が取得されて特徴情報間の関係性が推定されるまでの処理手順を示している。また、図9には、提供処理の処理手順を示している。
上述してきた実施形態に係る情報処理装置1やサービス提供サーバ10、事業者端末20、ユーザ端末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。以下、情報処理装置1を例に挙げて説明する。図10は、実施形態に係る情報処理装置1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、CPU(Central Processing Unit)1100、RAM(Random Access Memory)1200、ROM(Read Only Memory)1300、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、およびメディアインターフェイス(I/F)1700を備える。
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変更することができる。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。
実施形態に係る情報処理システムSの情報処理装置1は、取得部41と、変換部42と、推定部44とを備える。取得部41は、ユーザUの属性を用いてユーザUの特徴を推定するモデル、および、上記属性を用いて推定されたユーザUの特徴に関する推定結果の少なくとも一方を含む特徴情報を異なるサービスYそれぞれから取得する。変換部42は、取得部41によって取得された特徴情報をベクトル値へ変換する。推定部44は、変換部42によって変換されたベクトル値に基づいて特徴情報間の関係性を推定する。これにより、異なるサービスの個々の解析結果の関係性を推定することができる。
2 通信部
3 記憶部
4 制御部
10 サービス提供サーバ
20 事業者端末
31 共有情報
32 サービス情報
33 モデルプログラム情報
34 ベクトル情報
41 取得部
42 変換部
43 受付部
44 推定部
45 抽出部
46 提供部
100 ユーザ端末
S 情報処理システム
Claims (9)
- ユーザの属性を用いて前記ユーザの特徴を推定するモデル、および、前記属性を用いて推定された前記ユーザの特徴に関する推定結果の少なくとも一方を含む特徴情報を異なるサービスそれぞれから取得する取得部と、
前記取得部によって取得された前記特徴情報をベクトル値へ変換する変換部と、
前記変換部によって変換された前記ベクトル値に基づいて前記特徴情報間の関係性を推定する推定部と
を備えることを特徴とする情報処理装置。 - 前記推定部は、
前記ベクトル値に基づいて前記特徴情報同士の類似度を判定する
ことを特徴とする請求項1に記載の情報処理装置。 - 前記推定部は、
前記類似度が近いと判定される場合に、前記ユーザが前記特徴情報同士のうちの一方に該当する特徴を有するならば、当該ユーザは他方の前記特徴情報についても該当する特徴を有するものとして推定する
ことを特徴とする請求項2に記載の情報処理装置。 - 前記推定部は、
前記ベクトル値に基づいて前記特徴情報同士を演算した演算結果が示す前記特徴情報を推定する
ことを特徴とする請求項1、2または3に記載の情報処理装置。 - 前記推定部は、
前記演算結果に最も近い前記ベクトル値を有する前記特徴情報を導出する
ことを特徴とする請求項4に記載の情報処理装置。 - 前記特徴情報の前記モデルは、
前記属性を入力することで、前記ユーザの特徴をスコアとして出力するものであって、
前記変換部は、
少なくとも前記属性および前記スコアを素性とする学習に基づき、前記特徴情報それぞれを多次元からなる前記ベクトル値へ変換する
ことを特徴とする請求項1〜5のいずれか一つに記載の情報処理装置。 - 前記変換部は、
前記多次元のうち有意な次元のみを抽出した次元圧縮を行う
ことを特徴とする請求項6に記載の情報処理装置。 - コンピュータが実行する情報処理方法であって、
ユーザの属性を用いて前記ユーザの特徴を推定するモデル、および、前記属性を用いて推定された前記ユーザの特徴に関する推定結果の少なくとも一方を含む特徴情報を異なるサービスそれぞれから取得する取得工程と、
前記取得工程によって取得された前記特徴情報をベクトル値へ変換する変換工程と、
前記変換工程によって変換された前記ベクトル値に基づいて前記特徴情報間の関係性を推定する推定工程と
を含むことを特徴とする情報処理方法。 - ユーザの属性を用いて前記ユーザの特徴を推定するモデル、および、前記属性を用いて推定された前記ユーザの特徴に関する推定結果の少なくとも一方を含む特徴情報を異なるサービスそれぞれから取得する取得手順と、
前記取得手順によって取得された前記特徴情報をベクトル値へ変換する変換手順と、
前記変換手順によって変換された前記ベクトル値に基づいて前記特徴情報間の関係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情報処理プログラム。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2018159439A JP6601888B1 (ja) | 2018-08-28 | 2018-08-28 | 情報処理装置、情報処理方法および情報処理プログラム |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2018159439A JP6601888B1 (ja) | 2018-08-28 | 2018-08-28 | 情報処理装置、情報処理方法および情報処理プログラム |
Publications (2)
Publication Number | Publication Date |
---|---|
JP6601888B1 JP6601888B1 (ja) | 2019-11-06 |
JP2020035072A true JP2020035072A (ja) | 2020-03-05 |
Family
ID=68462386
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2018159439A Active JP6601888B1 (ja) | 2018-08-28 | 2018-08-28 | 情報処理装置、情報処理方法および情報処理プログラム |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP6601888B1 (ja) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2023042436A (ja) * | 2021-09-14 | 2023-03-27 | ヤフー株式会社 | 情報処理装置、情報処理方法、及び情報処理プログラム |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2015230717A (ja) * | 2014-06-06 | 2015-12-21 | ヤフー株式会社 | 抽出装置、抽出方法及び抽出プログラム |
JP2017138880A (ja) * | 2016-02-05 | 2017-08-10 | ヤフー株式会社 | 学習装置、学習方法及び学習プログラム |
-
2018
- 2018-08-28 JP JP2018159439A patent/JP6601888B1/ja active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2015230717A (ja) * | 2014-06-06 | 2015-12-21 | ヤフー株式会社 | 抽出装置、抽出方法及び抽出プログラム |
JP2017138880A (ja) * | 2016-02-05 | 2017-08-10 | ヤフー株式会社 | 学習装置、学習方法及び学習プログラム |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2023042436A (ja) * | 2021-09-14 | 2023-03-27 | ヤフー株式会社 | 情報処理装置、情報処理方法、及び情報処理プログラム |
JP7372958B2 (ja) | 2021-09-14 | 2023-11-01 | ヤフー株式会社 | 情報処理装置、情報処理方法、及び情報処理プログラム |
Also Published As
Publication number | Publication date |
---|---|
JP6601888B1 (ja) | 2019-11-06 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP2017174062A (ja) | 購買行動分析装置およびプログラム | |
JP6703572B2 (ja) | 情報処理装置、情報処理方法および情報処理プログラム | |
JP6404106B2 (ja) | コンテント及び関係距離に基づいて人々をつなげるコンピューティング装置及び方法 | |
JP6023129B2 (ja) | 抽出装置、抽出方法及び抽出プログラム | |
WO2019099913A1 (en) | Aspect pre-selection using machine learning | |
JP2020047121A (ja) | 情報処理装置、情報処理方法および情報処理プログラム | |
US11544333B2 (en) | Analytics system onboarding of web content | |
JP6591012B1 (ja) | 情報処理装置、情報処理方法および情報処理プログラム | |
JP6601888B1 (ja) | 情報処理装置、情報処理方法および情報処理プログラム | |
JP2020035219A (ja) | 情報処理装置、情報処理方法および情報処理プログラム | |
JP2019020930A (ja) | 学習装置、学習方法、学習プログラム、学習用データ及びモデル | |
JP6601889B1 (ja) | 情報処理装置、情報処理方法および情報処理プログラム | |
JP2017076376A (ja) | 算出装置、算出方法および算出プログラム | |
JP2021101391A (ja) | 生成装置、生成方法、及び生成プログラム | |
JP2021149682A (ja) | 学習装置、学習方法及び学習プログラム | |
JP2021149681A (ja) | 判定装置、判定方法及び判定プログラム | |
JP6007300B1 (ja) | 算出装置、算出方法および算出プログラム | |
JP7208286B2 (ja) | 情報処理装置、情報処理方法及び情報処理プログラム | |
JP2019159666A (ja) | 不動産情報提供システム | |
JP7008152B1 (ja) | 情報処理装置、情報処理方法および情報処理プログラム | |
JP6703571B2 (ja) | 情報処理装置、情報処理方法および情報処理プログラム | |
KR102347187B1 (ko) | Ai 마케팅 솔루션을 위해 특정 사이트에 대한 정보를 분석하는 전자 장치 및 그 동작 방법 | |
JP6705869B2 (ja) | 情報処理装置、情報処理方法および情報処理プログラム | |
JP6203339B1 (ja) | 判定装置、判定方法および判定プログラム | |
JP6948425B2 (ja) | 判定装置、判定方法及び判定プログラム |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20181213 |
|
TRDD | Decision of grant or rejection written | ||
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20190903 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20191003 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 6601888 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
A711 | Notification of change in applicant |
Free format text: JAPANESE INTERMEDIATE CODE: A712 Effective date: 20191101 |
|
RD03 | Notification of appointment of power of attorney |
Free format text: JAPANESE INTERMEDIATE CODE: A7423 Effective date: 20191108 |
|
S111 | Request for change of ownership or part of ownership |
Free format text: JAPANESE INTERMEDIATE CODE: R313111 |
|
R360 | Written notification for declining of transfer of rights |
Free format text: JAPANESE INTERMEDIATE CODE: R360 |
|
R370 | Written measure of declining of transfer procedure |
Free format text: JAPANESE INTERMEDIATE CODE: R370 |
|
S111 | Request for change of ownership or part of ownership |
Free format text: JAPANESE INTERMEDIATE CODE: R313111 |
|
R350 | Written notification of registration of transfer |
Free format text: JAPANESE INTERMEDIATE CODE: R350 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
S111 | Request for change of ownership or part of ownership |
Free format text: JAPANESE INTERMEDIATE CODE: R313111 |
|
R350 | Written notification of registration of transfer |
Free format text: JAPANESE INTERMEDIATE CODE: R350 |