JP2020095637A - 会員に他の会員を紹介する装置、方法、およびプログラム - Google Patents

Abstract

【課題】サービス登録会員からの種々の入力の受け付けを省略し、サービス登録会員に対してより相性の良い相手を紹介する。【解決手段】複数の会員のそれぞれについて、複数の属性に対応する複数の属性値を記憶するための属性データベースに接続する属性データベース接続部と、複数の会員のうち、他の会員を紹介する紹介サービスに登録した第１会員および第２会員を特定する特定部と、第１会員および第２会員について属性データベースに記憶された複数の属性値の少なくとも一部の評価対象属性値に基づいて、第１会員および第２会員の相性を推測する相性推測部と、第１会員および第２会員の相性の推測結果に基づいて、第１会員に第２会員を紹介する処理を行う紹介処理部とを備える装置を提供する。【選択図】図２

Description

本発明は、会員に他の会員を紹介する装置、方法、およびプログラムに関する。

従来、サービス登録会員が、サービス登録時等に、性別、生年月日、趣味や年収といった個人情報や相手の条件等を入力して、要求する条件や趣味等が合致する他のサービス登録会員を紹介する紹介サービスが提案されている。

しかし、上記のような紹介サービスにおいては、サービス登録時等において、サービス登録会員が多くの個人情報または相手の条件を入力しなければならなかった。また、サービス登録会員が相手の条件を指定しても、サービス登録会員と条件を満たす相手との相性が必ずしも良いとは限らなかった。

上記課題を解決するために、本発明の第１の態様においては、複数の会員のそれぞれについて、複数の属性に対応する複数の属性値を記憶するための属性データベースに接続する属性データベース接続部と、上記複数の会員のうち、他の会員を紹介する紹介サービスに登録した第１会員および第２会員を特定する特定部と、上記第１会員および上記第２会員について上記属性データベースに記憶された上記複数の属性値の少なくとも一部の評価対象属性値に基づいて、上記第１会員および上記第２会員の相性を推測する相性推測部と、上記第１会員および上記第２会員の相性の推測結果に基づいて、上記第１会員に上記第２会員を紹介する処理を行う紹介処理部と、を備える装置を提供する。

本発明の第２の態様においては、コンピュータが、複数の会員のそれぞれについて、複数の属性に対応する複数の属性値を記憶するための属性データベースに接続し、上記コンピュータが、上記複数の会員のうち、他の会員を紹介する紹介サービスに登録した第１会員および第２会員を特定し、上記コンピュータが、上記第１会員および上記第２会員について上記属性データベースに記憶された上記複数の属性値の少なくとも一部の評価対象属性値に基づいて、上記第１会員および上記第２会員の相性を推測し、上記コンピュータが、上記第１会員および上記第２会員の相性の推測結果に基づいて、上記第１会員に上記第２会員を紹介する処理を行う方法を提供する。

本発明の第３の態様においては、コンピュータにより実行され、上記コンピュータを、複数の会員のそれぞれについて、複数の属性に対応する複数の属性値を記憶するための属性データベースに接続する属性データベース接続部と、上記複数の会員のうち、他の会員を紹介する紹介サービスに登録した第１会員および第２会員を特定する特定部と、上記第１会員および上記第２会員について上記属性データベースに記憶された上記複数の属性値の少なくとも一部の評価対象属性値に基づいて、上記第１会員および上記第２会員の相性を推測する相性推測部と、上記第１会員および上記第２会員の相性の推測結果に基づいて、上記第１会員に上記第２会員を紹介する処理を行う紹介処理部として機能させるプログラムを提供する。

なお、上記の発明の概要は、本発明の必要な特徴の全てを列挙したものではない。また、これらの特徴群のサブコンビネーションもまた、発明となりうる。

本実施形態に係るシステム１０を示す。 本実施形態に係る会員サーバ装置１００の構成を、属性ＤＢ１１０、会員端末１２０および店舗サーバ装置１４０と共に示す。 本実施形態に係る属性ＤＢ１１０に格納されるデータ構造の一例を示す。 本実施形態に係る会員サーバ装置１００における、会員と相手との相性情報を処理するフローを示す。 本実施形態に係る相性推測モデル５０の一例を示す。 本実施形態に係る会員サーバ装置１００における相性推測モデル５０の決定に関する処理フローを示す。 本実施形態に係る会員サーバ装置１００における紹介予定者の決定に関する処理フローを示す。 本実施形態に係る会員サーバ装置１００における会員の紹介に関する処理フローを示す。 本実施形態に係る会員サーバ装置１００における属性値の推測に関する処理フローを示す。 本実施形態に係るコンピュータ１９００の構成の一例を示す。

以下、発明の実施の形態を通じて本発明を説明するが、以下の実施形態は特許請求の範囲にかかる発明を限定するものではない。また、実施形態の中で説明されている特徴の組み合わせの全てが発明の解決手段に必須であるとは限らない。

図１は、本実施形態に係るシステム１０を示す。システム１０は、会員サービスを提供するとともに、会員サービスの会員に対して相性の良い他の会員を紹介する紹介サービスを提供する。本実施形態において、紹介サービスは、一例として結婚相手または恋人の候補を紹介する。これに代えてシステム１０は、ビジネスの仲介等の他の種類の紹介サービスを提供するものであってよい。システム１０は、会員サーバ装置１００と、属性データベース（属性ＤＢ）１１０と、会員端末１２０と、店舗端末１３０と、店舗サーバ装置１４０とを備え、これらがネットワーク１５０によって接続された構成をとる。

会員サーバ装置１００は、サーバ・コンピュータ等のコンピュータにより実現されてもよく、複数のコンピュータで実現された装置であってもよく、地域的に分散された複数のコンピュータで実現された分散型装置であってもよい。会員サーバ装置１００は、会員サービスおよび紹介サービスを提供する。会員サーバ装置１００は、一例として、１事業者が提供するポイントシステム、複数の事業者にわたる共通の共通ポイントシステム、クレジットカード、および電子マネーにおける会員サービス、およびその他の任意の会員サービスを提供してよい。会員サービスに関して、会員サーバ装置１００は、一例として、会員または会員登録を行うユーザが使用する会員端末１２０からの要求を受けて、会員サービスの入会処理および退会処理、会員の個人情報の登録処理および変更処理、ポイント残高の確認、交換および移行といったポイント処理、電子商取引サービスの提供および購買に対する購買履歴の蓄積、並びにポイントの付与、および蓄積した購買履歴に基づく商品やサービスのレコメンド等の処理を行う。また、会員サービスに関して、会員サーバ装置１００は、一例として、店舗サーバ装置１４０からの要求を受けて、店舗での購買に対する購買履歴の蓄積、店舗での購買に対するポイントの付与、ポイント残高の確認、並びにポイントの利用、および蓄積した購買履歴に基づく商品やサービスのレコメンド等の処理を行う。ここで、会員とは、会員サービスにおける加入者または会員である。

紹介サービスは、会員サービスによるサービスの一種として、会員サービスに含まれる。紹介サービスに関して、会員サーバ装置１００は、一例として、会員が使用する会員端末１２０からの要求を受けて、紹介サービスの登録処理および退会処理、会員サービスで登録または収集した会員の個人情報および購買履歴に基づく他の会員との相性の推測、紹介した会員間のコミュニケーションの仲介、紹介した会員の属性情報の開示処理およびマスク処理、並びに相手との相性情報の登録処理および変更処理等の処理を行う。また、紹介サービスに関して、会員サーバ装置１００は、必要に応じて、会員端末１２０に対して、相手との相性等に関するアンケートの送信およびその結果の登録処理、他の会員に対する紹介受け入れ可否の確認、相性が良いと推測される他の会員の紹介、並びに属性情報の開示可否に関する確認等の処理を行ってよい。

属性ＤＢ１１０は、会員サーバ装置１００に接続される。属性ＤＢ１１０は、会員サーバ装置１００の処理を行うコンピュータに接続されたハードディスクドライブ等の外部記憶装置の少なくとも一部の記憶領域によって実現されてもよく、例えばクラウドストレージサービス等によって提供される会員サーバ装置１００の外部の記憶装置によって実現されてもよい。属性ＤＢ１１０は、複数の会員のそれぞれについて、複数の属性に対応する複数の属性値を含む属性情報を記憶する。属性ＤＢ１１０はまた、複数の会員のそれぞれについて、紹介サービスに登録したか否かを示す登録情報や紹介履歴等の紹介サービス情報を記憶する。

会員端末１２０は、ネットワーク１５０を介して会員サーバ装置１００および店舗サーバ装置１４０に接続される。会員端末１２０は、パーソナルコンピュータ、ノート型コンピュータ、携帯電話、スマートフォン、タブレット、またはデータ入出力可能なその他の端末装置であってよい。会員サービスに関して、会員端末１２０は、会員サービスの会員または会員登録を行うユーザからの指示を受けて、会員サーバ装置１００に対して、会員サービスの入会や退会の要求、個人情報の登録および変更の要求、ポイント残高の確認、交換および移行の要求、並びに電子商取引サービスにおける商品若しくはサービスの購入の要求等の要求をする。また、紹介サービスに関して、会員端末１２０は、会員サービスの会員からの指示を受けて、会員サーバ装置１００に対して、会員からの紹介サービスの登録および退会の要求、会員間のコミュニケーションの仲介の要求、並びに相手との相性情報の登録および変更の要求等の要求を送信する。また、紹介サービスに関して、会員端末１２０は、会員サーバ装置１００からのアンケートに対する会員からのアンケートの回答の入力および返信、または会員サーバ装置１００からの他の会員についての紹介可否若しくは少なくとも一部の属性情報の開示可否に関する回答の送信をする。

店舗端末１３０は、店舗サーバ装置１４０と接続される。店舗端末１３０は、各種の店舗に設けられたＰＯＳ端末または同等の機能を有するコンピュータ等である。店舗端末１３０は、会員が店舗において商品またはサービスを購入する場合に、購買処理を行うとともに、購買情報を店舗サーバ装置１４０へ送信する。店舗端末１３０は、会員の店舗における購買情報に応じたポイントの付与の要求を、店舗サーバ装置１４０を介して会員サーバ装置１００へと送信する。店舗端末１３０は、会員からのポイント残高の確認の要求を受けて、店舗サーバ装置１４０を介して会員サーバ装置１００へポイント残高の確認の要求を送信し、店舗サーバ装置１４０から受け取ったポイント残高を出力する。店舗端末１３０は、会員からポイントの利用の要求を受けた場合に、店舗サーバ装置１４０を介して会員サーバ装置１００へポイントの利用の要求を送信し、会員サーバ装置１００から受け取ったポイント残高を出力する。店舗端末１３０は、会員が店舗において商品またはサービスを購入することに応じて、店舗サーバ装置１４０を介して会員サーバ装置１００から商品やサービスのレコメンド情報を受け取って、会員に対して商品やサービスのレコメンドを行う。

店舗サーバ装置１４０は、店舗端末１３０およびネットワーク１５０を介して会員サーバ装置１００および会員端末１２０に接続される。店舗サーバ装置１４０は、サーバ・コンピュータ等のコンピュータにより実現されてもよく、複数のコンピュータで実現された装置であってもよく、地域的に分散された複数のコンピュータで実現された分散型装置であってもよい。店舗サーバ装置１４０は、店舗端末１３０から受け取った購買情報および店舗端末１３０からのポイントの付与の要求を会員サーバ装置１００に送信する。店舗サーバ装置１４０は、店舗端末１３０からの要求を受けて、ポイント残高の確認の要求を会員サーバ装置１００に送信し、会員サーバ装置１００から受け取ったポイント残高を店舗端末１３０に送信する。店舗サーバ装置１４０は、店舗端末１３０から受け取ったポイントの利用の要求を会員サーバ装置１００に送信し、会員サーバ装置１００から受け取ったポイント残高を店舗端末１３０に送信する。店舗サーバ装置１４０は、店舗端末１３０から購買情報を受け取ったことに応じて、購買情報を会員サーバ装置１００に送信した場合において、会員サーバ装置１００から商品やサービスのレコメンド情報を受け取り、これらを店舗端末１３０に送信する。

ネットワーク１５０は、一例として、インターネット、広域ネットワーク（ＷＡＮ）、ローカルエリアネットワーク等の各種ネットワークまたはその組み合わせを含んで構成される。

図２は、本実施形態に係る会員サーバ装置１００の構成を、属性ＤＢ１１０、会員端末１２０および店舗サーバ装置１４０と共に示す。会員サーバ装置１００は、属性ＤＢ接続部２０２と、会員サービス処理部２０６と、相性取得部２１０と、相手推測部２２０と、学習処理部２３０と、特定部２４０と、相性推測部２５０と、紹介処理部２６０と、属性推測部２７０とを備える。

属性ＤＢ接続部２０２は、属性ＤＢ１１０に接続され、会員サーバ装置１００の各部から属性ＤＢ１１０に対するアクセスを処理する。

会員サービス処理部２０６は、属性ＤＢ接続部２０２に接続され、会員サービスに含まれる各種の処理を行う。会員サービス処理部２０６は、会員登録を行うユーザが使用する会員端末１２０から会員サービスへの入会の要求を受け取った場合、会員となるユーザに個人識別番号（個人ＩＤ）を発行し、属性ＤＢ１１０にレコードを生成する。このとき、会員サービス処理部２０６は、会員となるユーザの基本属性をユーザが使用する会員端末１２０から受け取り、属性ＤＢ接続部２０２を通じて、属性ＤＢ１１０における生成したレコードに格納する。ここで「個人ＩＤ」は、会員サーバ装置１００において個々の会員個人を識別するための識別子であり、例えば会員サーバ装置１００が提供するサービスの会員番号またはログインＩＤ等である。これに代えて、属性ＤＢ１１０は、「個人ＩＤ」として、会員の名前、電子メールアドレス、住所、電話番号、会員所有の携帯端末の識別情報、またはこれらの少なくとも１つの組み合わせに基づいて生成された情報を用いてもよい。また、会員サービス処理部２０６は、会員端末１２０から会員サービスへの退会の要求を受け取った場合、属性ＤＢ接続部２０２を通じて、属性ＤＢ１１０における退会を要求した会員のレコードに退会の旨を登録する。

会員サービス処理部２０６は、会員サービスの入会登録後において、会員端末１２０から受け取った会員の個人情報に応じた属性値を、属性ＤＢ接続部２０２を通じて、属性ＤＢ１１０における個人情報を送信した会員のレコードに登録する。また、会員サービス処理部２０６は、会員端末１２０から個人情報の変更の要求を受け取ったことに応じて、変更後の個人情報に応じた属性値を、属性ＤＢ接続部２０２を通じて、属性ＤＢ１１０における変更を要求した会員のレコードに記録する。

会員サービス処理部２０６は、会員端末１２０からポイント残高の確認の要求を受け取ったことに応じて、属性ＤＢ１１０における確認を要求した会員のレコードに記憶されたポイント情報を読み込み、ポイント残高を会員端末１２０に送信する。また、会員サービス処理部２０６は、会員端末１２０からポイントの交換または移行の要求を受け取ったことに応じて、属性ＤＢ１１０における交換または移行の要求をした会員のレコードに記憶されたポイント情報を読み込み、ポイントの交換や移行の処理を行う。そして、会員サービス処理部２０６は、交換または移行後のポイント残高を、属性ＤＢ接続部２０２を通じて属性ＤＢ１１０における交換または移行の要求をした会員のレコードに記録する。

会員サービス処理部２０６は、会員端末１２０に対して、電子商取引サービスを提供してもよい。会員サービス処理部２０６は、電子商取引サービスにおいて、会員端末１２０からの商品若しくはサービスの購入の要求に応じて、購買処理を行う。次に会員サービス処理部２０６は、属性ＤＢ１１０における購入の要求をした会員のレコードに記憶されたポイント残高を読み出し、ポイントの付与処理を行う。会員サービス処理部２０６は、また、購買情報および付与したポイントを、属性ＤＢ接続部２０２を通じて属性ＤＢ１１０における購入の要求をした会員のレコードに記録する。会員サービス処理部２０６は、電子商取引サービスにおいて、会員端末１２０からポイントの利用の要求を受け取ったことに応じて、属性ＤＢ１１０におけるポイントの利用の要求をした会員のレコードに記憶されたポイント残高を読み出し、ポイントの利用および残高更新の処理をする。

会員サービス処理部２０６は、属性ＤＢ接続部２０２を通じて属性ＤＢ１１０における各会員のレコードに蓄積された購買履歴を読み出し、これらに基づいて、会員ごとにレコメンドする商品またはサービスを決定する。会員サービス処理部２０６は、また、レコメンドする商品またはサービスの情報を、属性ＤＢ接続部２０２を通じて属性ＤＢ１１０における各会員のレコードに記録する。会員サービス処理部２０６は、レコメンドの実行指示を受けたことに応じて、属性ＤＢ接続部２０２を通じて属性ＤＢ１１０における各会員のレコードに記憶されたレコメンド情報を読み出し、各会員の会員端末１２０に対して、送信する。

会員サービス処理部２０６は、店舗サーバ装置１４０から会員の店舗における商品またはサービスの購買情報を受け取ったことに応じて、属性ＤＢ接続部２０２を通じて属性ＤＢ１１０における商品またはサービスを購入した会員のレコードに購買情報を記録する。会員サービス処理部２０６は、店舗サーバ装置１４０からポイントの付与の要求を受け取ったことに応じて、属性ＤＢ接続部２０２を通じて属性ＤＢ１１０における確認を要求した会員のレコードに記憶されたポイント残高を読み出し、ポイントの付与処理を行う。会員サービス処理部２０６は、会員からのポイント残高の確認の要求を店舗サーバ装置１４０から受け取ったことに応じて、属性ＤＢ接続部２０２を通じて属性ＤＢ１１０における確認を要求した会員のレコードに記憶されたポイント残高を読み出し、店舗サーバ装置１４０にポイント残高を送信する。会員サービス処理部２０６は、会員からポイントの利用の要求を店舗サーバ装置１４０から受け取ったことに応じて、属性ＤＢ１１０におけるポイントの利用の要求をした会員のレコードに記憶されたポイント残高を読み出し、ポイントの利用および残高更新の処理をする。

会員サービス処理部２０６は、会員からの紹介サービスへの登録または退会の要求を会員端末１２０から受け取ったことに応じて、属性ＤＢ接続部２０２を通じて属性ＤＢ１１０における登録または退会を要求した会員のレコードに登録または退会の旨を記録する。

相性取得部２１０は、ネットワーク１５０を介して会員端末１２０に接続される。相性取得部２１０は、複数の会員のうちの少なくとも一部の会員の会員端末１２０から、その会員とその会員の相手との相性に関する相性情報を取得する。そして、相性取得部２１０は、相性情報を相手推測部２２０に送信する。相性情報は、会員に相手がいる場合に、会員と当該会員の相手との相性の良さを示す情報である。相性情報は、数値を含んでよく、たとえば、５段階評価における相対値を含んでよい。本実施形態において、相性情報を入力する会員は、相手の会員が誰かを指定しなくてもよく、相性情報は、相手の個人ＩＤを含まなくてもよい。

相手推測部２２０は、属性ＤＢ接続部２０２に接続される。相手推測部２２０は、相性取得部２１０から相性情報を受け取り、属性ＤＢ接続部２０２を通じて、相性情報を提供した一の会員について属性ＤＢ１１０に記憶された複数の属性値の少なくとも一部と、他の会員について属性ＤＢ１１０に記憶された複数の属性値の少なくとも一部とを取得する。ここで、上記少なくとも一部の属性値は、一の会員および他の会員について属性ＤＢ１１０に記憶された属性値の一部であってもよく、全部であってもよい。相手推測部２２０は、相性情報およびこれらの属性値に基づいて、一の会員の相手が他の会員であるか否かを推測する。また、相手推測部２２０は、属性ＤＢ接続部２０２を通じて属性ＤＢ１１０における一の会員のレコードに、相性情報および相手を格納する。

学習処理部２３０は、属性ＤＢ接続部２０２に接続される。学習処理部２３０は、学習データを用いて、会員間の相性を推測する相性推測モデル５０を学習する。学習データは、属性ＤＢ１１０に記憶された少なくとも一部の会員から取得した相性情報と、少なくとも一部の会員および相手の会員の評価対象属性値とを含む。また、学習処理部２３０は、学習により決定した相性推測モデル５０を相性推測部２５０に送信する。

特定部２４０は、属性ＤＢ接続部２０２に接続される。特定部２４０は、属性ＤＢ接続部２０２を通じて、属性ＤＢ１１０における複数の会員のレコードに記憶された紹介サービスへの登録有無を確認し、複数の会員のうち、他の会員を紹介する紹介サービスに登録した第１会員および第２会員を特定する。特定部２４０は、属性ＤＢ接続部２０２を通じて、属性ＤＢ１１０における第１会員および第２会員のレコードに記憶された複数の属性値の少なくとも一部の評価対象属性値を取得し、特定した第１会員および第２会員の識別情報とこれらの評価対象属性値とを相性推測部２５０に送信する。ここで、特定部２４０は、紹介サービスに登録した全会員同士の各組合せ（男性−女性間の紹介サービスにおいては、男女間の全組合せ）について、第１会員および第２会員を特定してもよく、たとえば、住所、年齢、およびその他の条件により第１会員および第２会員の組合せを絞ってもよい。

相性推測部２５０は、学習処理部２３０、および特定部２４０に接続される。相性推測部２５０は、特定部２４０において特定した第１会員および第２会員について、属性ＤＢ１１０に記憶された複数の属性値の少なくとも一部の評価対象属性値に基づいて、第１会員および第２会員の相性を推測する。このとき、相性推測部は、学習処理部２３０から受け取った相性推測モデル５０を用いて前記第１会員および前記第２会員の相性を推測してもよい。そして、相性推測部２５０は、相性の推測結果に基づいて、第１会員に対する紹介予定者を決定し、属性ＤＢ接続部２０２を通じて、紹介予定者を属性ＤＢ１１０における第１会員のレコードに格納してもよい。

紹介処理部２６０は、属性ＤＢ接続部２０２に接続され、ネットワーク１５０を介して会員端末１２０に接続される。紹介処理部２６０は、第１会員および第２会員の相性の推測結果に基づいて、第１会員に第２会員を紹介する処理を行う。このとき、紹介処理部２６０は、属性ＤＢ接続部２０２を通じて、属性ＤＢ１１０における第１会員のレコードに記憶された相性の推測結果としての紹介予定者を取得し、これに基づいて第１会員に第２会員を紹介してもよい。紹介処理部２６０は、仲介処理部２６２と開示処理部２６４とを有する。

仲介処理部２６２は、紹介した第１会員および第２会員の間のコミュニケーションを仲介する。たとえば、仲介処理部２６２は、ウェブ上で第１会員および第２会員の間のメッセージやチャットのやり取りを仲介する。

開示処理部２６４は、コミュニケーションをした第１会員および第２会員の合意が得られたことを条件として、第１会員および第２会員の間で複数の属性値の少なくとも一部を互いに開示する処理を行う。

属性推測部２７０は、属性ＤＢ接続部２０２に接続される。属性推測部２７０は、ある一の会員の評価対象属性値を、属性ＤＢ１１０における一の会員のレコードに格納された複数の属性値のうち評価対象属性値以外の少なくとも１つの属性値から推測する。属性推測部２７０は、推測した評価対象属性値を、属性ＤＢ１１０における一の会員のレコードに格納する。ここで、評価対象属性値とは、相性を推測するために用いる属性（評価対象属性）の属性値を指し、後述する相性推測モデル５０の入力データとなる。これにより、会員サーバ装置１００は、各会員の属性情報のうち、属性値が得られていない属性については、推測した属性値を利用することが可能となる。

図３は、本実施形態に係る属性ＤＢ１１０に格納されるデータ構造の一例を示す。属性ＤＢ１１０は、複数の会員のそれぞれについて、個人を識別する個人識別番号（個人ＩＤ）、当該個人が有する複数の属性についての属性情報、および紹介サービスに関する紹介サービス情報を記憶する。

「属性情報」は、会員が有する各種の属性についての属性値である。本実施形態に係る「属性情報」は、基本属性、生活属性、志向性、購買属性、および相性情報等が挙げられる。

「基本属性」とは、各会員の基本情報であり、基本属性に分類される１または複数の属性として、例えば名前、生年月日、年令または年代、性別、住所、電話番号等の少なくとも１つを含む。「基本属性」は、主に会員サービスの新規登録時または登録内容変更時等に入力される属性であるが、少なくとも一部の属性は任意登録であってよく、属性推測部２７０の推測対象となってもよい。また、属性ＤＢ１１０は、各会員のポイント情報を基本属性の一部として記憶してもよい。

「生活属性」とは、会員の生活態様に関する情報であり、「生活属性」に分類される１または複数の属性として、例えば既婚／未婚、住居形態、世帯年収、個人年収、職種、自動車の所有有無、および住居の所有有無等の少なくとも１つを含みうる。「生活属性」に関する属性値は、会員サービスの新規登録時等に収集されてもよく、アンケート等の各種の方法によって収集されてもよく、属性推測部２７０の推測対象となってもよい。

「志向性」とは、会員の志向、傾向および／または嗜好を示す情報であり、「志向性」に分類される１または複数の属性として、例えば衣類に対する品質志向／チャレンジ志向／堅実志向／ブランド志向等、食に対する高級志向／倹約志向／値引志向等、住に対するコンビニ志向／都会志向／地域重視志向等、その他健康志向、キャリア志向、およびグローバル志向等の少なくとも１つを含みうる。または、志向性は、会員の嗜好に関する属性として、例えば、ドライブ、グルメ、旅行、およびスポーツ等の各種の趣味に対する嗜好の有無または嗜好度、各種の商品等に対する嗜好の有無または嗜好度、並びに各種のウェブサイト等に対する嗜好の有無または嗜好度等の少なくとも１つを含んでよい。「志向性」に関する属性は、各種の調査において調査の目的に応じて追加されうる。「志向性」に関する属性値は、会員サービスの新規登録時等に収集されてもよく、アンケート等の各種の方法によって収集されてもよく、属性推測部２７０の推測対象となってもよい。

「購買属性」とは、複数の商品等、あるいは複数の商品群またはサービス群のそれぞれに対する各会員の購買可能性を示す属性のセットである。「購買属性」は、一例としてエンターテインメント、食品、および日用品といった商品等のジャンル、種別、または分類のそれぞれについて、そのジャンル等に対応する各商品または各サービスに対応付けられた属性を含んでよい。「購買属性」の各属性は、その属性に対応付けられた商品等に対する会員の嗜好性を示す嗜好属性であってよい。

一例として、「購買属性」は、会員サーバ装置１００が提供する会員サービスによる販売管理の対象とする多数の商品等のそれぞれに対する属性を含む。「購買属性」は、各商品等を識別する例えばＪＡＮコードの各コード値に対応して各属性を含んでもよく、この場合、ＪＡＮコードが割り当てられた１つ１つの商品等に対し、１または２以上の属性が割り当てられる。会員サーバ装置１００が提供する会員サービスが複数の事業者にわたる共通ポイントシステムを提供する場合には、「購買属性」は、数十万〜数百万、あるいはそれ以上の属性を含みうる。また、「購買属性」は、商品群またはサービス群に対応する属性を有していてもよい。例えば、「購買属性」は、例えば、ビール、酒類、および／または飲料といった商品群に対応する属性を有していてもよい。

また、「購買属性」は、各会員について、購買履歴（購買の有無、購買量、購買時期、購買場所等）を数値化した嗜好度等を既知の属性値として格納してもよい。また、「購買属性」は、属性推測部２７０において推測した属性値の少なくとも一部として格納してもよい。

本実施形態に係る「属性情報」は、その他の属性を含んでよい。

「相性情報」は、会員とその会員の相手との相性に関する情報である。「相性情報」は、会員とその会員の相手との相性のほかに、相手の個人ＩＤを含んでもよい。相性は、数値であってよく、たとえば、５段階評価における相対値であってよい。

「紹介サービス情報」は、登録情報および紹介履歴を示す。「登録情報」は、紹介サービス情報の中に含まれ、その会員が紹介サービスに登録したか否かを示す情報である。「紹介履歴」は、過去に紹介した相手、当該相手とのコミュニケーションの段階、および紹介予定者を含んでよい。コミュニケーションの段階とは、たとえば、「紹介を断った／同意した」、あるいは「連絡先の開示を断った／合意した」等である。

本実施形態において相性の評価に用いる評価対象属性は、基本属性の一部または全部を含んでもよく、生活属性の一部または全部を含んでもよく、志向性の一部または全部を含んでもよく、購買属性の一部または全部を含んでもよい。評価対象属性は、一例として、性別または住所等の基本属性、個人年収、職種等の生活属性、アウトドアに対する嗜好度または料理に対する嗜好度といった志向性および購買属性のうち少なくとも一つの属性を含んでよい。なお、相手との結婚等によって変化が生じる属性、すなわち、例えば既婚／未婚、住所、同居家族の数、および子供の数のような属性は、予め評価対象属性から除外されていてもよい。また、評価対象属性の一部は、紹介サービスの登録がない間は属性値が設定されず、紹介サービスの登録時に会員が入力した情報に応じて属性値が設定される紹介サービス専用の属性であってよい。

図４は、本実施形態に係る会員サーバ装置１００における、会員と相手との相性情報を処理するフローを示す。Ｓ４００において、相性取得部２１０は、複数の会員のうちの少なくとも一部の会員に相手がいる場合、その会員の会員端末１２０から、その会員とその会員の相手との相性に関する相性情報を取得する。相性情報は、数値を含んでよく、たとえば、５段階評価における相対値を含んでよい。本実施形態において、相性情報を入力する会員は、相手の会員が誰かを指定しなくてもよく、相性取得部２１０が取得する相性情報は、相手の個人ＩＤを含まなくてもよい。相性取得部２１０は、相性情報の取得にあたり、少なくとも一部または全部の会員が使用する会員端末１２０に対して、事前に相手との相性情報に関するアンケートの依頼を送信してよい。そして、相性取得部２１０は、少なくとも一部または全部の会員が使用する会員端末１２０から相手との相性情報に関するアンケートの回答を受け取ることによって、相手との相性に関する相性情報を取得してもよい。

相性取得部２１０は、複数の会員のうち、紹介サービスに登録している会員から相性情報を取得してもよく、紹介サービスに登録していない会員から相性情報を取得してもよい。また、相性取得部２１０は、複数の会員のうち紹介サービスによるマッチングが成立した会員から相性情報を取得してもよい。ここで、マッチングが成立したか否かの判断は、たとえば、紹介サービスによる紹介を受けた会員同士が夫婦となり、すでに一定期間経過した場合等が挙げられる。次に、相性取得部２１０は、取得した相性情報を相手推測部２２０に送信する。なお、相手の会員が誰かを指定する情報が取得できる場合には、相性取得部２１０は、相性情報を、相手推測部２２０を介さずに、属性ＤＢ１１０におけるその会員のレコードに格納してもよい。

Ｓ４１０において、相手推測部２２０は、相性取得部２１０から相性情報を受け取り、属性ＤＢ接続部２０２を通じて、相性情報を提供した一の会員について属性ＤＢ１１０に記憶された複数の属性値の少なくとも一部と、他の会員について属性ＤＢ１１０に記憶された複数の属性値の少なくとも一部とを取得する。そして、相手推測部２２０は、相性情報およびこれらの属性値に基づいて、一の会員の相手が他の会員であるか否かを推測する。上記少なくとも一部の属性値は、一の会員および他の会員について属性ＤＢ１１０に記憶された属性値の一部であってもよく、全部であってもよい。上記少なくとも一部の属性値は、一例として、姓、性別、年齢、住所、および既婚かどうかのうちの少なくとも一つであってよい。相手推測部２２０は、一例として、相性情報を提供した一の会員と住所が一致した異性の会員のうち既婚の会員を、一の会員の相手と推測してよい。

Ｓ４２０において、相手推測部２２０は、相性情報および推測した相手を、属性ＤＢ接続部２０２を通じて、属性ＤＢ１１０における当該一の会員のレコードに格納する。相手推測部２２０は、一例として、一の会員とその会員の相手との相性情報と、相手と推測された他の会員の個人ＩＤとを、図３に示した属性ＤＢ１１０における当該一の会員のレコード中の相性情報として登録する。

図５は、本実施形態に係る相性推測モデル５０の一例を示す。相性推測モデル５０は、会員の評価対象属性値から、会員間の相性を推測するモデルである。相性推測モデル５０は、ニューラルネットワーク５００と算出部５０６とを有する。

ニューラルネットワーク５００は、１または複数の評価対象属性についての評価対象属性値を入力して特徴ベクトルを出力する。特徴ベクトルとは、会員の１または複数の評価対象属性値を基に、会員の特徴を複数の要素値の組で表現した１つのベクトルである。ニューラルネットワーク５００は、第１ニューラルネットワーク５０２および第２ニューラルネットワーク５０４を有してよい。また、ニューラルネットワーク５００は、算出部５０６とともに、シャムネットワーク（Ｓｉａｍｅｓｅ Ｎｅｔｗｏｒｋ）を構成してよい。

第１ニューラルネットワーク５０２は、入力層５１０、１または複数の中間層５１２、および出力層５１４を有する。入力層５１０は、相性の推測に用いる１または複数の評価対象属性のそれぞれに対応する１または複数の入力ノード（たとえば、５２２）を含む。各入力ノードは、対応する評価対象属性の属性値（評価対象属性値）を入力する。１または複数の中間層５１２は、１または複数の中間ノード（たとえば、５２４）を含む。中間ノードのそれぞれは、直前の層の１または複数のノード（本図においては、入力ノード）のそれぞれにエッジを介して接続される。各エッジには重みパラメータが設定され、各ノードにはバイアスパラメータが設定される。出力層５１４は、第１特徴ベクトルの各要素に対応する１または複数の出力ノード（たとえば、５２６）を含む。各出力ノードは、対応する第１特徴ベクトルの各要素を出力する。出力ノードのそれぞれは、直前の層の１または複数のノードのそれぞれにエッジを介して接続される。各エッジには重みパラメータが設定され、各ノードにはバイアスパラメータが設定される。

第２ニューラルネットワーク５０４は、第１ニューラルネットワーク５０２と同様の構成をとり、入力層５１０に対応する入力層５１６、中間層５１２に対応する中間層５１８、出力層５１４に対応する出力層５２０を有するものであるから、以下相違点を除き、説明を省略する。本実施形態において、第１ニューラルネットワーク５０２および第２ニューラルネットワーク５０４の対応する各エッジおよび各ノードには、それぞれ同一の重みパラメータおよびバイアスパラメータが設定される。

算出部５０６は、第１会員の各評価対象属性値をニューラルネットワークに入力して得られる第１特徴ベクトルと、第２会員の各評価対象属性値をニューラルネットワークに入力して得られる第２特徴ベクトルに基づいて、相性推測値を算出する。相性推測値とは、第１会員と第２会員との相性の良さの程度を示す推測値を指す。相性推測値は、相性取得部２１０が取得する相性または属性ＤＢ１１０が記憶する相性と同一形式であってよく、数値であってよく、たとえば、５段階評価における数値であってよい。ここで、算出部５０６は、第１特徴ベクトルと第２特徴ベクトルとの間の距離に応じて相性推測値を算出する。このような距離の一例としては、ユークリッド距離またはマンハッタン距離等が挙げられる。距離が小さい程、相性推測値が大きくなり、相性が良いと評価される。一方で距離が大きい程、相性推測値が小さくなり、相性が悪いと評価される。

本実施形態において、相性推測モデル５０は、重みパラメータおよびバイアスパラメータ等の各種パラメータを備え、会員サーバ装置１００上でソフトウェア動作によって実現されてよい。学習処理部２３０および相性推測部２５０は、このようなソフトウェアの機能を包含する。これに代えて、相性推測モデル５０は、ニューラルネットワーク処理回路等の専用ハードウェアを用いて実現されてもよい。

このように、学習処理部２３０または相性推測部２５０は、相性推測モデル５０を用いることで、会員サービスによって保持されている属性情報を利用して、第１会員と第２会員との相性を推測することができる。

図６は、本実施形態に係る会員サーバ装置１００における相性推測モデル５０の決定に関する処理フローを示す。Ｓ６００において、学習処理部２３０は、相性情報を提供した少なくとも一部の会員のそれぞれについて、その会員およびその会員の相手の会員の相性情報を、属性ＤＢ１１０におけるその会員のレコードから読み出す。

Ｓ６０２において、学習処理部２３０は、相性情報を提供した少なくとも一部の会員のそれぞれについて、その会員およびその会員の相手の会員の各評価対象属性値を、属性ＤＢ１１０におけるその会員およびその会員の相手の会員のレコードから読み出して、一組の学習データに含める。これにより、学習処理部２３０は、Ｓ６００およびＳ６０２において、複数の会員について、相性情報と、その会員および相手の会員の各評価対象属性値との組を取得し、学習データを有する学習データセットを生成する。学習処理部２３０は、交叉検定を行うために、学習データセットに含まれる複数の学習データのうち、一部を検査用データセットとし、残りを学習用データセットとしてよい。

Ｓ６０４において、学習処理部２３０は、相性推測モデル５０に、学習用データセットの中から選択した対象学習データについてのある会員および相手の会員の各評価対象属性値を入力する。学習処理部２３０は、一例として、第１ニューラルネットワーク５０２の入力層５１０の各入力ノード（５２２など）に、学習用データセットの中から選択した対象学習データについての一の会員の各評価対象属性値（各第１評価対象属性値）を入力し、第２ニューラルネットワーク５０４の入力層５１６の各入力ノード（５２８など）に相手の会員の各評価対象属性値（各第２評価対象属性値）を入力する。

Ｓ６０６において、学習処理部２３０は、相性推測モデル５０を用いて、対象学習データに対応する一の会員およびその相手の会員の相性を推測して、相性推測値を取得する。学習処理部２３０は、Ｓ６０４において第１ニューラルネットワーク５０２および第２ニューラルネットワーク５０４の各入力ノードに、各第１評価対象属性値および各第２評価対象属性値をそれぞれ入力する。第１ニューラルネットワーク５０２において、中間層５１２の各中間ノードは、入力層５１０の各入力ノードから、各入力ノードの値を対応する各エッジの重みにより重み付けた値を受け取って重み付け和をとり、重み付け和に各ノードのバイアスを加えた値を出力関数（たとえば、ｔａｎｈ関数またはシグモイド関数）によって変換した値を出力する。次に、次の中間層５１２の中間ノードは、同様に直前の層の各ノードの出力値を対応するエッジの重みにより重み付けた値を受け取って重み付け和をとり、重み付け和に各ノードのバイアスを加えた値を出力関数によって変換した値を出力する。同様の処理が、最後の中間層５１２に至るまで、繰り返される。そして、出力層５１４の各出力ノードが、最後の中間層５１２の各中間ノードの重み付け和に各出力ノードのバイアスを加えた値を出力関数によって変換した値を出力することで、出力層５１４の各出力ノードにおいて、第１特徴ベクトルの各要素に対応する値が得られる。また、第２ニューラルネットワーク５０４においても、入力層５１６の各入力ノードに入力された各第２評価対象属性値が、第１ニューラルネットワーク５０２と同様に処理された結果、第２ニューラルネットワーク５０４の出力層５２０の各出力ノードにおいて、第２特徴ベクトルの各要素に対応する値が出力される。そして学習処理部２３０は、出力された第１特徴ベクトルおよび第２特徴ベクトルの各要素に対応する各値を算出部５０６に入力し、第１特徴ベクトルおよび第２特徴ベクトル間の距離に応じた相性推測値を取得する。

Ｓ６０８において、学習処理部２３０は、対象学習データに含まれる相性と、相性推測値との誤差を算出する。この誤差は、一例として、相性および相性推測値の差分であってよい。

Ｓ６１０において、学習処理部２３０は、相性と相性推測値との誤差に基づいて、相性推測モデル５０が有するパラメータを更新する。ここで、本実施形態においては、学習処理部２３０は、相性推測モデル５０に含まれるニューラルネットワーク５００の各エッジに設定された各重みパラメータおよび各ノードに設定された各バイアスパラメータを更新する。一例として、学習処理部２３０は、第１ニューラルネットワーク５０２および第２ニューラルネットワーク５０４について、相性と相性推測値との誤差を用いて、バックプロパゲーションにより各層の各ノードの誤差を算出し、誤差が小さくなるように各重みパラメータおよび各バイアスパラメータを更新する。ここで、相性が相性推測値よりも大きい場合には、学習処理部２３０は、第１ニューラルネットワーク５０２および第２ニューラルネットワーク５０４が出力する特徴ベクトルをより近づけるように、第１ニューラルネットワーク５０２および第２ニューラルネットワーク５０４の各特徴ベクトルの誤差を設定して、バックプロパゲーションを行い、第１ニューラルネットワーク５０２および第２ニューラルネットワーク５０４の各種パラメータを更新する。反対に、相性が相性推測値よりも小さい場合には、学習処理部２３０は、第１ニューラルネットワーク５０２および第２ニューラルネットワーク５０４が出力する特徴ベクトルをより遠ざけるように、第１ニューラルネットワーク５０２および第２ニューラルネットワーク５０４の各特徴ベクトルの誤差を設定して、バックプロパゲーションを行い、第１ニューラルネットワーク５０２および第２ニューラルネットワーク５０４の各種パラメータを更新する。なお、第１ニューラルネットワーク５０２と第２ニューラルネットワーク５０４はパラメータを共有しているため、第１ニューラルネットワーク５０２において、各種パラメータが更新されると、第２ニューラルネットワーク５０４においても、第１ニューラルネットワーク５０２と同一の値となるように、各種パラメータが更新される。

Ｓ６１２において、学習処理部２３０は、学習用データセットに含まれる全ての学習データを用いて学習処理を行ったかを判断する。学習処理部２３０は、学習用データセットに含まれるすべての学習データについて学習が終了した場合には、処理をＳ６１４に進め、学習が終了していない場合には、処理をＳ６０４に戻す。

Ｓ６１４において、学習処理部２３０は、検査用データセットに含まれる学習データに基づいて、Ｓ６０４〜Ｓ６０８と同様の処理をすることによって各相性推測値を取得し、検査用データセットに含まれる各学習データ内の相性と対応する相性推測値との誤差を算出する。

Ｓ６１６において、学習処理部２３０は、Ｓ６１４において算出された誤差が閾値未満であるか否かを判断する。学習処理部２３０は、誤差が閾値未満である場合は、処理をＳ６１８に進め、誤差が閾値未満でない場合は、処理をＳ６０４に戻す。学習処理部２３０は、予め定められた回数学習を繰り返しても、誤差が閾値未満とならない場合は、処理をＳ６１８に進めてもよい。ここでの閾値は、会員サーバ装置１００の設計者、システム構築者、ユーザ、および／または管理者等によって予め設定されてよい。

Ｓ６１８において、学習処理部２３０は、相性推測モデル５０を決定する。これにより、学習処理部２３０は、相性が良い会員の組に対しては、特徴ベクトル間の距離を小さくして相性推測値を大きくし、相性が悪い会員の組に対しては、特徴ベクトル間の距離を大きくして相性推測値を小さくするように、相性推測モデル５０を学習することができる。

このように、学習処理部２３０は、学習データに対して、Ｓ６０４〜Ｓ６１６に示した学習処理を繰り返すことによって、相性推測モデル５０の推測の精度を高めることができる。これによって、学習処理部２３０は、相性が未知である会員の組に対して、その会員同士の相性がどの程度良いかを精度良く推測することを可能とする。

図７は、本実施形態に係る会員サーバ装置１００における紹介予定者の決定に関する処理フローを示す。Ｓ７００において、特定部２４０は、属性ＤＢ接続部２０２を通じて、属性ＤＢ１１０における複数の会員のレコードに記憶された紹介サービスへの登録有無を確認し、複数の会員のうち、紹介サービスに登録した第１会員を特定する。そして、特定部２４０は、属性ＤＢ接続部２０２を通じて、属性ＤＢ１１０における第１会員のレコードから第１会員に対応する各評価対象属性値を読み出す。このとき、特定部２４０は、属性ＤＢ接続部２０２を通じて、属性ＤＢ１１０における第１会員のレコードから第１会員の個人ＩＤを読み出してよい。

Ｓ７１０において、特定部２４０は、属性ＤＢ接続部２０２を通じて、属性ＤＢ１１０における複数の会員のレコードに記憶された紹介サービスへの登録有無を確認し、複数の会員のうち紹介サービスに登録した、第１会員とは異なる第２会員を特定する。そして、特定部２４０は、属性ＤＢ接続部２０２を通じて、属性ＤＢ１１０における第２会員のレコードから第２会員に対応する各評価対象属性値を読み出す。このとき、特定部２４０は、属性ＤＢ接続部２０２を通じて、属性ＤＢ１１０における第２会員のレコードから第２会員の個人ＩＤを読み出してよい。次に、特定部２４０は、第１会員および第２会員の個人ＩＤおよび各評価対象属性値を相性推測部２５０に送信する。

Ｓ７２０において、相性推測部２５０は、相性推測モデル５０を用いて、特定部２４０から受け取った第１会員および第２会員の評価対象属性値に基づいて、第１会員および第２会員の相性推測値を取得する。本実施形態において、学習済の相性推測モデル５０における第１ニューラルネットワーク５０２の入力層５１０の入力ノードに第１会員の各評価対象属性値を、第２ニューラルネットワーク５０４の入力層５１６の入力ノードに第２会員の各評価対象属性値をそれぞれ入力して、各ノードの値を入力層（５１０および５１６）から出力層（５１４および５２０）へと各エッジに応じた重み等で伝搬させ、各ノードの値を入力および重み等に応じて算出していくことにより、第１特徴ベクトルおよび第２特徴ベクトルを取得してよい。そして相性推測部２５０は、算出部５０６の処理を行い、第１特徴ベクトルおよび第２特徴ベクトルに基づいて、第１会員および第２会員の相性推測値を算出する。

Ｓ７３０において、相性推測部２５０は、第１会員および第２会員の相性推測値が閾値より大きいか否かを判断する。相性推測部２５０は、第１会員および第２会員の相性推測値が閾値より大きければ、処理をＳ７４０に進め、第１会員および第２会員の相性推測値が閾値より大きくなければ、処理をＳ７１０に戻す。ここでの閾値は、会員サーバ装置１００の設計者、システム構築者、ユーザ、および／または管理者等によって予め設定されてよい。

Ｓ７４０において、相性推測部２５０は、相性推測値が閾値より大きい第２会員を紹介候補リストに加えるために、第１会員に対する紹介候補リストを生成し、またはすでに生成された紹介候補リストを更新する。ここで、紹介候補リストは、一例として、第１会員との相性推測値が大きい順に、上から任意の数の第２会員の個人ＩＤが紹介候補としてリストアップされたものであってよい。

Ｓ７５０において、相性推測部２５０は、全第２会員に対して処理を行ったか否かを判断する。相性推測部２５０は、全第２会員に対して処理を行っていれば、処理をＳ７６０に進め、全第２会員に対して処理を行っていなければ、処理をＳ７１０に戻し、残りの第２会員に対して処理を行う。

Ｓ７６０において、相性推測部２５０は、紹介候補リストに含まれる第２会員を、属性ＤＢ１１０に、紹介予定者として保存する。このとき、相性推測部２５０は、紹介予定者である第２会員を、属性ＤＢ１１０における第１会員のレコード中の、紹介サービス情報に含まれる紹介履歴に、未紹介の会員として保存してもよい。なお、閾値より大きい相性の第２会員の人数が少ないため紹介予定者が不足した場合、閾値以下の相性の第２会員を含めて、紹介予定者を補ってもよい。なお、会員サーバ装置１００は、全第１会員に対して、Ｓ７００〜Ｓ７６０までの処理を行ってよい。

このように、会員サーバ装置１００は、紹介サービスに登録した会員に対して、紹介サービス以外の会員サービスにおいて属性ＤＢ１１０の会員のレコードに格納された各評価対象属性値に基づいて、相性が良いと推測される紹介予定者を決定する。したがって、会員サーバ装置１００は、紹介予定者の決定にあたり、紹介サービス登録時または登録後に、会員から性別、生年月日、趣味および年収といった個人情報並びに相手の条件等について種々の入力を受け付ける手間が省ける。これに伴い、紹介サービスを利用したいと考えるユーザが、従来サービスと比べて、より気軽に紹介サービスを利用することができる。会員サーバ装置１００は、会員サービスにおいて属性ＤＢ１１０に登録された膨大な属性情報を用いて、学習により精度を高めた相性推測モデルによって相性を推測することで、相性推測等の精度を高めることができる。

図８は、本実施形態に係る会員サーバ装置１００における会員の紹介に関する処理フローを示す。Ｓ８００において、紹介処理部２６０は、属性ＤＢ接続部２０２を通じて、属性ＤＢ１１０におけるある第１会員のレコードから第１会員に対する紹介予定者を読み出す。

Ｓ８１０において、紹介処理部２６０は、第１会員に対して、会員間の相性の推測結果として記録された紹介予定者である第２会員を紹介する。ここで、紹介とは、紹介処理部２６０が第１会員に対して第２会員の属性情報を、たとえば限定的に、開示することであってよい。紹介とは、一例として、紹介処理部２６０が第１会員に対して第２会員の個人ＩＤおよび相性推測値を開示し、具体的な他の属性値を開示しなくてもよい。このとき、紹介処理部２６０は、第１会員が使用する会員端末１２０に対して、開示する属性情報を送信してよい。また本実施形態において、紹介処理部２６０は、第１会員が使用する会員端末１２０に対して、第２会員の紹介を受け入れるかどうかの紹介可否についての確認を送信する。次に、紹介処理部２６０からの確認を受け取ったことに応じて、第１会員が使用する会員端末１２０は、紹介受け入れ可否についての回答を紹介処理部２６０に送信する。

Ｓ８２０において、紹介処理部２６０は、紹介に対する第１会員からの紹介の受け入れが可能であるとの回答、すなわち同意を会員端末１２０から取得したか否かを判断する。紹介処理部２６０は、第１会員の同意を取得したことに応じて、処理をＳ８３０に進め、第１会員の同意が取得できなければ、第１会員に対してその第２会員を紹介するフローを終了する。

Ｓ８３０において、仲介処理部２６２は、第１会員および第２会員の間のコミュニケーションを仲介する。ここで、コミュニケーションの仲介とは、たとえば、第１会員および第２会員に対して、ウェブ上においてメッセージまたはチャットを送り合えるようにしたり、紹介サービス用の互いのマイページを閲覧できるようにしたりする処理等の、第１会員の会員端末１２０および第２会員の会員端末１２０との間で、通信を仲介する処理を含む。仲介処理部２６２は、第１会員または第２会員が使用する会員端末１２０からメッセージまたはチャットの送信を受けたことに応じて、相手の会員端末１２０へとメッセージまたはチャットを送信して出力させるとともに、属性ＤＢ１１０における第１会員または第２会員のレコードに記録してよい。また、仲介処理部２６２は、第１会員および第２会員の間のコミュニケーションにおいて、予め定められた種類の個人情報の伝達をマスクしてもよい。ここで、予め定められた種類の個人情報とは、たとえば、第１会員および第２会員のメールアドレス、電話番号、または住所などの連絡先が挙げられる。また、予め定められた種類の個人情報とは、年収若しくは顔写真等の、本紹介サービスにおいてさらに後まで開示させないと定めている個人情報であってよい。たとえば、仲介処理部２６２は、第１会員が使用する会員端末１２０から入力されたメッセージまたはチャットが予め定められた種類の個人情報を含む場合には、第２会員が使用する会員端末１２０に対して、このような属性情報を隠したメッセージやチャットを送信してよい。また、紹介処理部２６０は、適宜、コミュニケーションの段階を属性ＤＢ１１０における第１会員および第２会員のレコードに登録してよい。

Ｓ８４０において、コミュニケーションの段階に基づいて、任意のタイミングで、開示処理部２６４が、第１会員および第２会員に対して、互いの属性値の少なくとも一部を互いに開示してよいか否かの合意をとる。たとえば、開示処理部２６４は、第１会員および第２会員が使用する会員端末１２０に対して、互いの少なくとも一部の属性情報を開示してもよいかどうかの確認を送信する。上記少なくとも一部の属性情報は、属性ＤＢ１１０における第１会員および第２会員のレコードに記憶された属性情報のうち、一部であってもよく、全部であってもよい。開示処理部２６４が、第１会員および第２会員からの合意を取得したことに応じて、処理をＳ８５０に進め、第１会員および第２会員からの合意が取得できなければ、第１会員に対して第２会員を紹介するフローを終了する。ここで、任意のタイミングとは、たとえば、メッセージの受信若しくは送信の回数またはチャットの回数に基づいて決定されてよい。また、開示する情報は、たとえば、年収若しくは顔写真といった紹介を受けるかどうかの判断に大きな影響を与える一部の個人情報、またはメールアドレス、電話番号、若しくは住所などの連絡先が挙げられる。これにより、会員サーバ装置１００は、第１会員および第２会員が面会できるようにする。また、紹介処理部２６０は、マッチングが成立したことに応じて、第１会員および第２会員の相性がよいことを属性ＤＢ１１０における第１会員および第２会員のレコードに登録してよい。一例として、紹介処理部２６０は、第１会員および第２会員がコミュニケーションまたは対面を通して結婚等をする意思の表示があった場合に、第１会員および第２会員の相性を５段階評価における５として登録してよい。

このように、紹介処理部２６０が事前に相性が良い会員を紹介することによって、会員同士のマッチングの成立確率を上げることができる。また、会員間でコミュニケーションを重ね、互いの相性を十分に確認した後に、実際の連絡先の交換等ができるようになるため、マッチングが成立しやすい。さらに、紹介を受けるかどうかの判断に大きな影響を与える一部の個人情報については、第１会員が、第２会員との相性を十分確認した後に開示されることができるため、一部の属性情報のみに基づいて第２会員の紹介を断る等の、紹介の除外率が大幅に減る。

図９は、本実施形態に係る会員サーバ装置１００における属性値の推測に関する処理フローを示す。Ｓ９００において、属性推測部２７０は、推測対象である評価対象属性（推測対象評価対象属性値）に対応する属性推測モデルを選択する。属性推測モデルとは、推測対象評価対象属性以外の既知の属性の属性値から、推測対象評価対象属性の属性値を推測するためのモデルである。属性推測モデルは、未知の推測対象評価対象属性の属性値を推測するために用いられてもよく、既知の推測対象評価対象属性の属性値を推測するために用いられてもよい。ここで、属性推測部２７０は、第１推測対象評価対象属性の属性値の推測に用いる第１属性推測モデル、および第２推測対象評価対象属性の属性値の推測に用いる第２属性推測モデルとして、異なる属性推測モデルを選択してもよい。

Ｓ９１０において、属性推測部２７０は、推測対象評価対象属性以外の属性の属性値を、属性ＤＢ接続部２０２を通じて、属性ＤＢ１１０における各会員のレコードから読み出す。ここで、推測対象評価対象属性以外の属性の属性値は、属性推測モデルの説明変数に対応する属性の属性値である。

Ｓ９２０において、属性推測部２７０は、選択された属性推測モデルを用いて、推測対象評価対象属性の属性値を推測する。本実施形態において、属性推測部２７０は、各会員について、属性推測モデルの説明変数に対応する属性の属性値を属性推測モデルに入力して推測対象評価対象属性の推測値を算出する。ここで、属性推測部２７０は、第２推測対象評価対象属性の属性値を、第１の属性推測モデルにより推測された第１推測対象評価対象属性の推測値を用いて推測してよい。このとき、属性推測部２７０は、第１属性推測モデルによる第１推測対象評価対象属性の推測値を用いて推測対象である第２推測対象評価対象属性の推測値を推測する第２属性推測モデルについては、説明変数となる第１推測対象評価対象属性の属性値として、当該第１推測対象評価対象属性の推測値を第２属性推測モデルに入力し、第２属性推測モデルを用いて、複数の会員のそれぞれについて第２推測対象評価対象属性を更に推測してよい。

Ｓ９３０において、属性推測部２７０は、推測対象評価対象属性の推測値を属性ＤＢ接続部２０２を介して属性ＤＢ１１０に格納する。ここで、属性推測部２７０は、推測対象評価対象属性の推測値が算出できた場合、推測対象評価対象属性の既知の属性値が属性ＤＢ１１０の各会員のレコードに格納されている場合であっても、推測値を属性ＤＢ１１０の各会員のレコードに格納し、相性推測部２５０は、評価対象属性値として推測値を用いて相性の推測を行ってもよい。

このように、会員サーバ装置１００は、評価対象属性値を推測可能とすることにより、属性情報が十分にそろっていない会員に対しても、紹介サービスを提供することを可能とする。

図１０は、本発明の複数の態様が全体的または部分的に具現化されてよいコンピュータ１９００の構成の一例を示す。コンピュータ１９００にインストールされたプログラムは、コンピュータ１９００に、本発明の実施形態に係る装置に関連付けられる操作または当該装置の１または複数のセクションとして機能させることができ、または当該操作または当該１または複数のセクションを実行させることができ、および／またはコンピュータ１９００に、本発明の実施形態に係るプロセスまたは当該プロセスの段階を実行させることができる。そのようなプログラムは、コンピュータ１９００に、本明細書に記載のフローチャートおよびブロック図のブロックのうちのいくつかまたはすべてに関連付けられた特定の操作を実行させるべく、ＣＰＵ２０００によって実行されてよい。

本実施形態に係るコンピュータ１９００は、ホスト・コントローラ２０８２により相互に接続されるＣＰＵ２０００、ＲＡＭ２０２０、グラフィック・コントローラ２０７５、および表示装置２０８０を有するＣＰＵ周辺部と、入出力コントローラ２０８４によりホスト・コントローラ２０８２に接続される通信インターフェイス２０３０、ハードディスクドライブ２０４０、およびＤＶＤドライブ２０６０を有する入出力部と、入出力コントローラ２０８４に接続されるＲＯＭ２０１０、フラッシュメモリ・ドライブ２０５０、および入出力チップ２０７０を有するレガシー入出力部を備える。

ホスト・コントローラ２０８２は、ＲＡＭ２０２０と、高い転送レートでＲＡＭ２０２０をアクセスするＣＰＵ２０００およびグラフィック・コントローラ２０７５とを接続する。ＣＰＵ２０００は、ＲＯＭ２０１０およびＲＡＭ２０２０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。グラフィック・コントローラ２０７５は、ＣＰＵ２０００等がＲＡＭ２０２０内に設けたフレーム・バッファ上に生成する画像データを取得し、表示装置２０８０上に表示させる。これに代えて、グラフィック・コントローラ２０７５は、ＣＰＵ２０００等が生成する画像データを格納するフレーム・バッファを、内部に含んでもよい。

入出力コントローラ２０８４は、ホスト・コントローラ２０８２と、比較的高速な入出力装置である通信インターフェイス２０３０、ハードディスクドライブ２０４０、ＤＶＤドライブ２０６０を接続する。通信インターフェイス２０３０は、有線または無線によりネットワークを介して他の装置と通信する。また、通信インターフェイスは、通信を行うハードウェアとして機能する。ハードディスクドライブ２０４０は、コンピュータ１９００内のＣＰＵ２０００が使用するプログラムおよびデータを格納する。ＤＶＤドライブ２０６０は、ＤＶＤ２０９５からプログラムまたはデータを読み取り、ＲＡＭ２０２０を介してハードディスクドライブ２０４０に提供する。

また、入出力コントローラ２０８４には、ＲＯＭ２０１０と、フラッシュメモリ・ドライブ２０５０、および入出力チップ２０７０の比較的低速な入出力装置とが接続される。ＲＯＭ２０１０は、コンピュータ１９００が起動時に実行するブート・プログラム、および／または、コンピュータ１９００のハードウェアに依存するプログラム等を格納する。フラッシュメモリ・ドライブ２０５０は、フラッシュメモリ２０９０からプログラムまたはデータを読み取り、ＲＡＭ２０２０を介してハードディスクドライブ２０４０に提供する。入出力チップ２０７０は、フラッシュメモリ・ドライブ２０５０を入出力コントローラ２０８４へと接続するとともに、例えばパラレル・ポート、シリアル・ポート、キーボード・ポート、マウス・ポート等を介して各種の入出力装置を入出力コントローラ２０８４へと接続する。

ＲＡＭ２０２０を介してハードディスクドライブ２０４０に提供されるプログラムは、フラッシュメモリ２０９０、ＤＶＤ２０９５、またはＩＣカード等の記録媒体に格納されて利用者によって提供される。プログラムは、記録媒体から読み出され、ＲＡＭ２０２０を介してコンピュータ１９００内のハードディスクドライブ２０４０にインストールされ、ＣＰＵ２０００において実行される。これらのプログラム内に記述される情報処理は、コンピュータ１９００に読み取られ、ソフトウェアと、上記様々なタイプのハードウェア資源との間の協働をもたらす。装置または方法が、コンピュータ１９００の使用に従い情報の操作または処理を実現することによって構成されてよい。

一例として、コンピュータ１９００と外部の装置等との間で通信を行う場合には、ＣＰＵ２０００は、ＲＡＭ２０２０上にロードされた通信プログラムを実行し、通信プログラムに記述された処理内容に基づいて、通信インターフェイス２０３０に対して通信処理を指示する。通信インターフェイス２０３０は、ＣＰＵ２０００の制御を受けて、ＲＡＭ２０２０、ハードディスクドライブ２０４０、フラッシュメモリ２０９０、またはＤＶＤ２０９５等の記憶装置上に設けた送信バッファ領域等に記憶された送信データを読み出してネットワークへと送信し、もしくは、ネットワークから受信した受信データを記憶装置上に設けた受信バッファ領域等へと書き込む。このように、通信インターフェイス２０３０は、ＤＭＡ（ダイレクト・メモリ・アクセス）方式により記憶装置との間で送受信データを転送してもよく、これに代えて、ＣＰＵ２０００が転送元の記憶装置または通信インターフェイス２０３０からデータを読み出し、転送先の通信インターフェイス２０３０または記憶装置へとデータを書き込むことにより送受信データを転送してもよい。

また、ＣＰＵ２０００は、ハードディスクドライブ２０４０、ＤＶＤドライブ２０６０（ＤＶＤ２０９５）、フラッシュメモリ・ドライブ２０５０（フラッシュメモリ２０９０）等の外部記憶装置に格納されたファイルまたはデータベース等の中から、全部または必要な部分をＤＭＡ転送等によりＲＡＭ２０２０へと読み込ませ、ＲＡＭ２０２０上のデータに対して各種の処理を行う。そして、ＣＰＵ２０００は、処理を終えたデータを、ＤＭＡ転送等により外部記憶装置へと書き戻す。このような処理において、ＲＡＭ２０２０は、外部記憶装置の内容を一時的に保持するものとみなせるから、本実施形態においてはＲＡＭ２０２０および外部記憶装置等をメモリ、記憶部、または記憶装置等と総称する。

本実施形態における各種のプログラム、データ、テーブル、データベース等の各種の情報は、このような記憶装置上に格納されて、情報処理の対象となる。なお、ＣＰＵ２０００は、ＲＡＭ２０２０の一部をキャッシュメモリに保持し、キャッシュメモリ上で読み書きを行うこともできる。このような形態においても、キャッシュメモリはＲＡＭ２０２０の機能の一部を担うから、本実施形態においては、区別して示す場合を除き、キャッシュメモリもＲＡＭ２０２０、メモリ、および／または記憶装置に含まれるものとする。

また、ＣＰＵ２０００は、ＲＡＭ２０２０から読み出したデータに対して、プログラムの命令列により指定された、本実施形態中に記載した各種の演算、情報の加工、条件判断、情報の検索・置換等を含む各種の処理を行い、ＲＡＭ２０２０へと書き戻す。例えば、ＣＰＵ２０００は、条件判断を行う場合においては、本実施形態において示した各種の変数が、他の変数または定数と比較して、大きい、小さい、以上、以下、等しい等の条件を満たすか否かを判断し、条件が成立した場合（または不成立であった場合）に、異なる命令列へと分岐し、またはサブルーチンを呼び出す。

また、ＣＰＵ２０００は、記憶装置内のファイルまたはデータベース等に格納された情報を検索することができる。例えば、第１属性の属性値に対し第２属性の属性値がそれぞれ対応付けられた複数のエントリが記憶装置に格納されている場合において、ＣＰＵ２０００は、記憶装置に格納されている複数のエントリの中から第１属性の属性値が指定された条件と一致するエントリを検索し、そのエントリに格納されている第２属性の属性値を読み出すことにより、所定の条件を満たす第１属性に対応付けられた第２属性の属性値を得ることができる。

また、実施形態の説明において複数の要素が列挙された場合には、列挙された要素以外の要素を用いてもよい。例えば、「Ｘは、Ａ、ＢおよびＣを用いてＹを実行する」と記載される場合、Ｘは、Ａ、ＢおよびＣに加え、Ｄを用いてＹを実行してもよい。

以上、本発明を実施の形態を用いて説明したが、本発明の技術的範囲は上記実施の形態に記載の範囲には限定されない。上記実施の形態に、多様な変更または改良を加えることが可能であることが当業者に明らかである。その様な変更または改良を加えた形態も本発明の技術的範囲に含まれ得ることが、特許請求の範囲の記載から明らかである。

特許請求の範囲、明細書、および図面中において示した装置、システム、プログラム、および方法における動作、手順、ステップ、および段階等の各処理の実行順序は、特段「より前に」、「先立って」等と明示しておらず、また、前の処理の出力を後の処理で用いるのでない限り、任意の順序で実現しうることに留意すべきである。特許請求の範囲、明細書、および図面中の動作フローに関して、便宜上「まず、」、「次に、」等を用いて説明したとしても、この順で実施することが必須であることを意味するものではない。

１０ システム
１００ 会員サーバ装置
１１０ 属性ＤＢ
１２０ 会員端末
１３０ 店舗端末
１４０ 店舗サーバ装置
１５０ ネットワーク
２０２ 属性ＤＢ接続部
２０６ 会員サービス処理部
２１０ 相性取得部
２２０ 相手推測部
２３０ 学習処理部
２４０ 特定部
２５０ 相性推測部
２６０ 紹介処理部
２６２ 仲介処理部
２６４ 開示処理部
２７０ 属性推測部
５０ 相性推測モデル
５００ ニューラルネットワーク
５０２ 第１ニューラルネットワーク
５０４ 第２ニューラルネットワーク
５０６ 算出部
５１０ 入力層
５１２ 中間層
５１４ 出力層
５１６ 入力層
５１８ 中間層
５２０ 出力層
５２２ 入力ノード
５２４ 中間ノード
５２６ 出力ノード
５２８ 入力ノード
１９００ コンピュータ
２０００ ＣＰＵ
２０１０ ＲＯＭ
２０２０ ＲＡＭ
２０３０ 通信インターフェイス
２０４０ ハードディスクドライブ
２０５０ フラッシュメモリ・ドライブ
２０６０ ＤＶＤドライブ
２０７０ 入出力チップ
２０７５ グラフィック・コントローラ
２０８０ 表示装置
２０８２ ホスト・コントローラ
２０８４ 入出力コントローラ
２０９０ フラッシュメモリ
２０９５ ＤＶＤ

Claims (12)

1. 複数の会員のそれぞれについて、複数の属性に対応する複数の属性値を記憶するための属性データベースに接続する属性データベース接続部と、
   前記複数の会員のうち、他の会員を紹介する紹介サービスに登録した第１会員および第２会員を特定する特定部と、
   前記第１会員および前記第２会員について前記属性データベースに記憶された前記複数の属性値の少なくとも一部の評価対象属性値に基づいて、前記第１会員および前記第２会員の相性を推測する相性推測部と、
   前記第１会員および前記第２会員の相性の推測結果に基づいて、前記第１会員に前記第２会員を紹介する処理を行う紹介処理部と、
   を備える装置。
2. 前記属性データベースは、前記複数の会員のそれぞれについて、前記紹介サービスに登録したか否かを示す登録情報を記憶し、
   前記特定部は、前記複数の会員のうち前記紹介サービスに登録した会員の中から前記第１会員および前記第２会員を特定する
   請求項１に記載の装置。
3. 前記複数の会員のうちの少なくとも一部の会員から、相手との相性に関する相性情報を取得する相性取得部と、
   前記少なくとも一部の会員から取得した前記相性情報と、前記少なくとも一部の会員および相手の会員の前記評価対象属性値とを含む学習データを用いて、会員間の相性を推測する相性推測モデルを学習する学習処理部と
   を更に備え、
   前記相性推測部は、前記相性推測モデルを用いて前記第１会員および前記第２会員の相性を推測する
   請求項１または２に記載の装置。
4. 前記相性推測モデルは、
   前記評価対象属性値を入力して特徴ベクトルを出力するニューラルネットワークと、
   前記第１会員の前記評価対象属性値を前記ニューラルネットワークに入力して得られる第１特徴ベクトルと、前記第２会員の前記評価対象属性値を前記ニューラルネットワークに入力して得られる第２特徴ベクトルとの間の距離に応じた相性推測値を算出する算出部と、
   を有する請求項３に記載の装置。
5. 一の会員について前記属性データベースに記憶された前記複数の属性値の少なくとも一部と、他の会員について前記属性データベースに記憶された前記複数の属性値の少なくとも一部とに基づいて、前記一の会員の相手が前記他の会員であるか否かを推測する相手相性推測部を更に備える請求項３または４に記載の装置。
6. 前記相性取得部は、前記複数の会員のうち前記紹介サービスに登録していない会員から前記相性情報を取得する請求項３から５のいずれか一項に記載の装置。
7. 前記相性取得部は、前記複数の会員のうち前記紹介サービスによるマッチングが成立した会員から前記相性情報を取得する請求項３から６のいずれか一項に記載の装置。
8. 前記紹介処理部は、
   前記第１会員および前記第２会員の間のコミュニケーションを仲介する仲介処理部と、
   前記コミュニケーションをした前記第１会員および前記第２会員の合意が得られたことを条件として、前記第１会員および前記第２会員の間で前記複数の属性値の少なくとも一部を互いに開示する処理を行う開示処理部と
   を有する請求項１から７のいずれか一項に記載の装置。
9. 前記仲介処理部は、前記第１会員および前記第２会員の間のコミュニケーションにおいて、予め定められた種類の個人情報の伝達をマスクする請求項８に記載の装置。
10. 前記評価対象属性値を、前記複数の属性値のうち前記評価対象属性値以外の少なくとも１つの属性値から推測する属性推測部を更に備える請求項１から９のいずれか一項に記載の装置。
11. コンピュータが、複数の会員のそれぞれについて、複数の属性に対応する複数の属性値を記憶するための属性データベースに接続し、
    前記コンピュータが、前記複数の会員のうち、他の会員を紹介する紹介サービスに登録した第１会員および第２会員を特定し、
    前記コンピュータが、前記第１会員および前記第２会員について前記属性データベースに記憶された前記複数の属性値の少なくとも一部の評価対象属性値に基づいて、前記第１会員および前記第２会員の相性を推測し、
    前記コンピュータが、前記第１会員および前記第２会員の相性の推測結果に基づいて、前記第１会員に前記第２会員を紹介する処理を行う
    方法。
12. コンピュータにより実行され、前記コンピュータを、
    複数の会員のそれぞれについて、複数の属性に対応する複数の属性値を記憶するための属性データベースに接続する属性データベース接続部と、
    前記複数の会員のうち、他の会員を紹介する紹介サービスに登録した第１会員および第２会員を特定する特定部と、
    前記第１会員および前記第２会員について前記属性データベースに記憶された前記複数の属性値の少なくとも一部の評価対象属性値に基づいて、前記第１会員および前記第２会員の相性を推測する相性推測部と、
    前記第１会員および前記第２会員の相性の推測結果に基づいて、前記第１会員に前記第２会員を紹介する処理を行う紹介処理部と
    して機能させるプログラム。