JP2020135770A - 推定装置、推定方法および推定プログラム - Google Patents
推定装置、推定方法および推定プログラム Download PDFInfo
- Publication number
- JP2020135770A JP2020135770A JP2019032116A JP2019032116A JP2020135770A JP 2020135770 A JP2020135770 A JP 2020135770A JP 2019032116 A JP2019032116 A JP 2019032116A JP 2019032116 A JP2019032116 A JP 2019032116A JP 2020135770 A JP2020135770 A JP 2020135770A
- Authority
- JP
- Japan
- Prior art keywords
- information
- model
- classification
- target
- user
- 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 description 49
- 230000008569 process Effects 0.000 claims description 29
- 239000013598 vector Substances 0.000 claims description 21
- 230000006399 behavior Effects 0.000 claims description 9
- 238000012545 processing Methods 0.000 description 20
- 238000003860 storage Methods 0.000 description 17
- 238000010586 diagram Methods 0.000 description 12
- 230000000052 comparative effect Effects 0.000 description 10
- 235000015220 hamburgers Nutrition 0.000 description 9
- 230000010365 information processing Effects 0.000 description 6
- 238000004891 communication Methods 0.000 description 4
- 238000004364 calculation method Methods 0.000 description 3
- 239000000284 extract Substances 0.000 description 3
- 239000011521 glass Substances 0.000 description 3
- 238000013528 artificial neural network Methods 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000009826 distribution Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 239000004065 semiconductor Substances 0.000 description 2
- 230000009471 action Effects 0.000 description 1
- 230000002776 aggregation Effects 0.000 description 1
- 238000004220 aggregation Methods 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 210000002569 neuron Anatomy 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Images
Landscapes
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
【解決手段】本願に係る推定装置は、分類対象に関する対象情報が入力されると当該分類対象の分類を示す出力情報を出力するモデルにより対象情報から類似する出力情報が出力された複数の分類対象を特定する特定部と、前記特定部により特定された複数の分類対象の対象情報に基づいて、前記モデルが前記分類対象を分類する際の指標を推定する推定部とを有することを特徴とする。
【選択図】図1
Description
〔1.情報提供装置の一例について〕
まず、図1を用いて、推定装置の一例として、情報提供装置10の一例について説明する。図1は、実施形態に係る情報提供装置が実行する推定処理の一例を示す図である。なお、図1に示す例では、推定処理の一例として、利用者のサイコグラフィック属性、デモグラフィック属性、検索履歴、購買履歴、若しくは閲覧履歴等、利用者に関する各種の情報である利用者情報から利用者の分類を行うモデルについて、モデルがどのような指標に従って利用者の分類を行うかを推定する処理の流れについて記載したが、実施形態は、これに限定されるものではない。後述する説明で明らかとなるように、情報提供装置10は、利用者以外にも、各種のコンテンツ等といった任意の分類対象について、推定処理を実行することが可能である。
ここで、情報提供装置10が実行する推定処理の説明に先駆けて、情報提供装置10が実行する提供処理の一例について説明する。例えば、情報提供装置10は、各事業者により登録された情報を他の事業者に対して提供する提供処理を実行する。すなわち、情報提供装置10は、各事業者が所有する情報の集約化や共有化を促進する情報共有サービスを提供する。
このように、DNN等のモデルは、特徴に基づいた分類処理が接続係数の羅列により実現されるので、モデルそのものを解析したとしても、モデルがどのような指標に基づいて分類処理を行うのかが明確ではない。このため、利用したいモデルがどのような特徴を学習しているかを確認することが難しい場合がある。このように、モデルがどのような特徴を学習しているのか、モデルがどのような指標に基づいて分類処理を行っているのかが明確ではない場合、利用者の安全に関する利用目的に供することは、困難となる。
そこで、情報提供装置10は、以下の処理を実行することで、学習済のモデルが分類処理を行う際の分類指標を推定する。より具体的には、情報提供装置10は、出力情報の類似性と、利用者情報の類似性とに基づいて、各モデルの分類指標を推定する(ステップS8)。より具体的には、情報提供装置10は、分類対象に関する対象情報が入力されると当該分類対象の分類を示す出力情報を出力するモデルにより対象情報から類似する出力情報が出力された複数の分類対象を特定する。そして、情報提供装置10は、特定された複数の分類対象の対象情報に基づいて、モデルが分類対象を分類する際の指標を推定する。
ここで、上述した説明では、情報提供装置10は、出力情報が類似する利用者、すなわち、同一のグループに分類された利用者を分類利用者とし、分類利用者の利用者情報に基づいて、分類を行ったモデルの分類指標を推定した。ここで、情報提供装置10は、少なくとも分類利用者の利用者情報を用いて、モデルによる分類結果と相関性が高い利用者情報を特定し、特定した利用者情報から分類指標を推定するのであれば、任意の手法により分類指標の推定を行ってよい。そこで、以下の説明では、情報提供装置10が分類指標を推定する処理のバリエーションについて説明する。
例えば、検索クエリの内容に応じて、利用者が所定の広告を選択するか否かを推定するモデルを学習するには、所定の広告や類似する広告を選択した利用者と、選択していない利用者とが入力した検索クエリの履歴である検索履歴を準備し、広告を選択した利用者の検索履歴を入力した際に、利用者が広告を選択する旨を出力し、広告を選択していない利用者の検索履歴を入力した際に、利用者が広告を選択しない旨を出力するように、モデルの学習を行うこととなる。しかしながら、このような学習の際に、検索履歴以外の利用者情報を入力した場合は、検索履歴以外の利用者情報に基づいて、利用者が広告を選択するか否かを推定するように学習が行われてしまう恐れがある。一方で、検索履歴以外の利用者情報を入力しなかった場合は、分類精度が低下したり、検索履歴が無い利用者の分類ができなくなる恐れがある。このため、モデルを利用する際の分類精度を担保するため、モデルの学習においては、複数種別の利用者情報を入力とした学習が行われる場合が多い。
また、情報提供装置10は、あるグループに分類された分類利用者の利用者情報と、他のグループに分類された分類利用者(以下、「比較利用者」と記載する。)の利用者情報との比較結果に基づいて、推定指標を推定してもよい。例えば、情報提供装置10は、モデルにより対象情報から類似する出力情報が出力された分類対象を第1グループとして特定するとともに、対象情報が所定の類似性を有する分類対象を第2グループとして特定する。そして、情報提供装置10は、第1グループに属する分類対象の対象情報と、第2グループに属する分類対象の対象情報との比較に基づいて、モデルが分類対象を分類する際の指標を推定する。
なお、情報提供装置10は、同一グループに分類された分類対象の対象情報と、モデルが出力する出力情報との相関性に基づいて、モデルが分類対象を分類する際の指標を推定してもよい。例えば、情報提供装置10は、各利用者の利用者情報をモデルに入力し、出力情報を得る。例えば、情報提供装置10は、モデルが出力した値(すなわち、入力された利用者情報と対応する利用者が所定のグループに分類される確度を示す値)を得る。
ここで、他クラス分類を行うようにモデルの学習を行った場合等には、モデルがベクトル等の多次元量を出力する場合がある。このような場合、各次元の値がどのような種別の利用者情報に対応しているのかが必ずしも明確ではない。そこで、情報提供装置10は、各次元の値ごとに、利用者情報との相関性を推定してもよい。すなわち、情報提供装置10は、出力情報としてベクトルを出力するモデルにより対象情報から所定の次元の値が同一のベクトルが出力された複数の分類対象を特定し、特定された分類対象の対象情報に基づいて、モデルが出力するベクトルのうち所定の次元の値と対応する指標を推定してもよい。
なお、情報提供装置10には、複数の事業者により登録されたモデルが複数登録されることとなる。そこで、情報提供装置10は、それぞれ異なるモデルにより分類された分類利用者の利用者情報同士を比較することで、各モデルの推定指標を推定してもよい。例えば、情報提供装置10は、推定対象となるモデルを用いて分類した第1グループの利用者情報と、他のモデルを用いて分類した第2グループの利用者情報との比較結果に基づいて、推定対象となるモデルの推定指標を特定してもよい。
以下、上記した情報提供装置10が有する機能構成の一例について説明する。図3は、実施形態に係る情報提供装置の構成例を示す図である。図3に示すように、情報提供装置10は、通信部20、記憶部30、および制御部40を有する。
次に、図6を用いて、実施形態に係る情報提供装置10による推定処理の流れの一例について説明する。図6は、実施形態に係る推定処理の流れの一例を示すフローチャートである。
上述した情報提供装置10は、上記実施形態以外にも種々の異なる形態にて実施されてもよい。そこで、以下では、情報提供装置10の他の実施形態について説明する。
上述した例では、情報提供装置10は、利用者情報に基づいて、利用者の分類を行うモデルの推定指標を推定した。しかしながら、実施形態は、これに限定されるものではない。例えば、情報提供装置10は、広告の分類や利用者に対して配信される各種コンテンツ等、任意の分類対象の分類を行うモデルについて、上述した推定指標の推定を行ってよい。例えば、情報提供装置10は、広告を分類対象とし、広告の対象となる取引対象の種別、名称、価格、製造者、販売者等を対象情報とし、入力された対象情報からその広告を好む利用者を推定するモデルについて、上述した推定処理を実行してもよい。
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、逆に、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。
また、上述した実施形態に係る情報提供装置10は、例えば図7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7は、ハードウェア構成の一例を示す図である。コンピュータ1000は、出力装置1010、入力装置1020と接続され、演算装置1030、一次記憶装置1040、二次記憶装置1050、出力IF(Interface)1060、入力IF1070、ネットワークIF1080がバス1090により接続された形態を有する。
上述してきたように、情報提供装置10は、分類対象に関する対象情報が入力されると入力された分類対象の分類を示す出力情報を出力するモデルにより、対象情報から類似する出力情報が出力された複数の分類対象を特定する。そして、情報提供装置10は、特定された複数の分類対象の対象情報に基づいて、モデルが分類対象を分類する際の指標を推定する。このような処理の結果、情報提供装置10は、モデルが本当に学習した分類指標を推定することができるので、モデルが学習した特徴を示す情報を提供することができる。
20 通信部
30 記憶部
31 利用者データベース
32 モデルデータベース
40 制御部
41 受付部
42 生成部
43 特定部
44 推定部
45 提供部
100、200 外部端末
Claims (13)
- 分類対象に関する対象情報が入力されると当該分類対象の分類を示す出力情報を出力するモデルにより対象情報から類似する出力情報が出力された複数の分類対象を特定する特定部と、
前記特定部により特定された複数の分類対象の対象情報に基づいて、前記モデルが前記分類対象を分類する際の指標を推定する推定部と
を有することを特徴とする推定装置。 - 前記推定部は、前記特定部により特定された分類対象に関する対象情報の共通性に基づいて、前記モデルが前記分類対象を分類する際の指標を推定する
ことを特徴とする請求項1に記載の推定装置。 - 前記特定部は、前記モデルとして、前記対象情報のうち所定の種別の情報が有する特徴に応じた出力情報を出力するように学習が行われた前記モデルにより、類似する出力情報が出力された複数の分類対象を特定し、
前記推定部は、前記特定部により特定された分類対象の対象情報のうち、前記所定の種別以外の種別の情報の共通性に基づいて、前記モデルが前記分類対象を分類する際の指標を推定する
ことを特徴とする請求項1または2に記載の推定装置。 - 前記特定部は、前記モデルにより前記対象情報から類似する出力情報が出力された分類対象を第1グループとして特定するとともに、前記対象情報が所定の類似性を有する分類対象を第2グループとして特定し、
前記推定部は、前記第1グループに属する分類対象の対象情報と、前記第2グループに属する分類対象の対象情報との比較に基づいて、前記モデルが前記分類対象を分類する際の指標を推定する
ことを特徴とする請求項1に記載の推定装置。 - 前記特定部は、前記第2グループとして、前記モデルとは異なるモデルであって、対象情報が所定の条件を満たすか否かに応じて前記分類対象を分類するモデルにより同じグループに分類された分類対象を特定する
ことを特徴とする請求項4に記載の推定装置。 - 前記推定部は、前記特定部により特定された分類対象の対象情報と、前記モデルが出力する出力情報との相関性に基づいて、前記モデルが前記分類対象を分類する際の指標を推定する
ことを特徴とする請求項1〜5のうちいずれか1つに記載の推定装置。 - 前記推定部は、前記対象情報のうち、前記出力情報との相関性が所定の条件を満たす情報の種別を、前記モデルが前記分類対象を分類する際の指標とする
ことを特徴とする請求項6に記載の推定装置。 - 前記推定部は、前記モデルが出力する出力情報との相関性が所定の条件を満たす情報の種別の組を、前記モデルが前記分類対象を分類する際の指標とする
ことを特徴とする請求項7に記載の推定装置。 - 前記特定部は、前記出力情報としてベクトルを出力するモデルにより前記対象情報から所定の次元の値が同一のベクトルが出力された複数の分類対象を特定し、
前記推定部は、前記特定部により特定された分類対象の対象情報に基づいて、前記モデルが出力するベクトルのうち前記所定の次元の値と対応する前記指標を推定する
ことを特徴とする請求項1〜8のうちいずれか1つに記載の推定装置。 - 前記特定部は、前記分類対象である利用者に関する対象情報が入力されると当該分類対象の分類を示す出力情報を出力する前記モデルにより対象情報から類似する出力情報が出力された複数の利用者を特定し、
前記推定部は、前記モデルが前記利用者を分類する際の指標を推定する
ことを特徴とする請求項1〜9のうちいずれか1つに記載の推定装置。 - 前記特定部は、前記利用者に関する対象情報として、当該利用者の属性を示す属性情報又は当該利用者の行動を示す行動情報が入力されると当該利用者の分類を示す出力情報を出力する前記モデルにより、前記属性情報または前記行動情報から類似する出力情報が出力された複数の利用者を特定する
ことを特徴とする請求項10に記載の推定装置。 - 推定装置が実行する推定方法であって、
分類対象に関する対象情報が入力されると当該分類対象の分類を示す出力情報を出力するモデルにより対象情報から類似する出力情報が出力された複数の分類対象を特定する特定工程と、
前記特定工程により特定された複数の分類対象の対象情報に基づいて、前記モデルが前記分類対象を分類する際の指標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。 - 分類対象に関する対象情報が入力されると当該分類対象の分類を示す出力情報を出力するモデルにより対象情報から類似する出力情報が出力された複数の分類対象を特定する特定手順と、
前記特定手順により特定された複数の分類対象の対象情報に基づいて、前記モデルが前記分類対象を分類する際の指標を推定する推定手順と
をコンピュータに実行させるための推定プログラム。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2019032116A JP6947768B2 (ja) | 2019-02-25 | 2019-02-25 | 推定装置、推定方法および推定プログラム |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2019032116A JP6947768B2 (ja) | 2019-02-25 | 2019-02-25 | 推定装置、推定方法および推定プログラム |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2020135770A true JP2020135770A (ja) | 2020-08-31 |
JP6947768B2 JP6947768B2 (ja) | 2021-10-13 |
Family
ID=72278837
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2019032116A Active JP6947768B2 (ja) | 2019-02-25 | 2019-02-25 | 推定装置、推定方法および推定プログラム |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP6947768B2 (ja) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP6945708B1 (ja) * | 2020-10-21 | 2021-10-06 | ヤフー株式会社 | 情報処理装置、情報処理方法および情報処理プログラム |
JP7032595B1 (ja) * | 2021-05-20 | 2022-03-08 | ヤフー株式会社 | 情報提供装置、情報処理方法、およびプログラム |
JP7032594B1 (ja) * | 2021-05-20 | 2022-03-08 | ヤフー株式会社 | 情報提供装置、情報処理方法、およびプログラム |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH07114531A (ja) * | 1993-10-14 | 1995-05-02 | Nippon Telegr & Teleph Corp <Ntt> | 非線形システム同定方法 |
JP2006221329A (ja) * | 2005-02-09 | 2006-08-24 | Toshiba Corp | 行動予測装置、行動予測方法および行動予測プログラム |
US20100094767A1 (en) * | 2008-06-12 | 2010-04-15 | Tom Miltonberger | Modeling Users for Fraud Detection and Analysis |
-
2019
- 2019-02-25 JP JP2019032116A patent/JP6947768B2/ja active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH07114531A (ja) * | 1993-10-14 | 1995-05-02 | Nippon Telegr & Teleph Corp <Ntt> | 非線形システム同定方法 |
JP2006221329A (ja) * | 2005-02-09 | 2006-08-24 | Toshiba Corp | 行動予測装置、行動予測方法および行動予測プログラム |
US20100094767A1 (en) * | 2008-06-12 | 2010-04-15 | Tom Miltonberger | Modeling Users for Fraud Detection and Analysis |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP6945708B1 (ja) * | 2020-10-21 | 2021-10-06 | ヤフー株式会社 | 情報処理装置、情報処理方法および情報処理プログラム |
JP2022068001A (ja) * | 2020-10-21 | 2022-05-09 | ヤフー株式会社 | 情報処理装置、情報処理方法および情報処理プログラム |
JP7032595B1 (ja) * | 2021-05-20 | 2022-03-08 | ヤフー株式会社 | 情報提供装置、情報処理方法、およびプログラム |
JP7032594B1 (ja) * | 2021-05-20 | 2022-03-08 | ヤフー株式会社 | 情報提供装置、情報処理方法、およびプログラム |
WO2022244858A1 (ja) * | 2021-05-20 | 2022-11-24 | ヤフー株式会社 | 情報提供装置、情報処理方法、およびプログラム |
Also Published As
Publication number | Publication date |
---|---|
JP6947768B2 (ja) | 2021-10-13 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Yang et al. | A survey of collaborative filtering based social recommender systems | |
Sahoo et al. | Research note—the halo effect in multicomponent ratings and its implications for recommender systems: The case of yahoo! movies | |
US8700468B2 (en) | Micro-segment definition system | |
JP6947768B2 (ja) | 推定装置、推定方法および推定プログラム | |
Lu et al. | Identifying your customers in social networks | |
JP6814115B2 (ja) | 特定装置、特定方法および特定プログラム | |
JP2018045553A (ja) | 選択装置、選択方法および選択プログラム | |
Yan et al. | Implementation of a product-recommender system in an IoT-based smart shopping using fuzzy logic and apriori algorithm | |
KR101639656B1 (ko) | 광고 제공 방법 및 서버 장치 | |
JP2018045505A (ja) | 判定装置、判定方法および判定プログラム | |
Rahim et al. | An efficient recommender system algorithm using trust data | |
JP6546254B2 (ja) | 推定装置、推定方法、および推定プログラム | |
Ortal et al. | Similarity measure for product attribute estimation | |
CN111400567B (zh) | 一种基于ai的用户数据的处理方法、装置及系统 | |
JP7127080B2 (ja) | 判定装置、判定方法及び判定プログラム | |
JP7312134B2 (ja) | 学習装置、学習方法及び学習プログラム | |
JP2019021210A (ja) | 特定装置および特定方法 | |
JP6541737B2 (ja) | 選択装置、選択方法、選択プログラム、モデルおよび学習データ | |
Ting et al. | Transfer-learning based model for reciprocal recommendation | |
Srifi et al. | A concise survey on content recommendations | |
Liu et al. | Customer preference analysis towards online shopping decisions based on optimized feature extraction | |
JP6956133B2 (ja) | モデル | |
JP2020035072A (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 | |
JP2018045551A (ja) | 決定装置、決定方法および決定プログラム | |
Liao et al. | Improved recommendation system using friend relationship in SNS |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
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 |
|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20200917 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20210813 |
|
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: 20210831 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20210916 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 6947768 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
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 |