JP2020149128A - 推定装置、推定方法および推定プログラム - Google Patents

Abstract

【課題】利用者の検索意図の推定精度を向上させること。【解決手段】推定装置は、推定部と、特定部とを備える。推定部は、抽出部によって利用者が入力した検索クエリと対応する紐付けられた他の情報である紐付け情報をデータベースから抽出した当該紐付け情報の共通性に基づいて、当該検索クエリの共通性を推定する。特定部は、推定部により推定された共通性のうち利用者の属性に応じた共通性を、利用者の検索意図として特定する。【選択図】図５

Description

本発明は、推定装置、推定方法および推定プログラムに関する。

従来、種々の需要を予測する技術が提供されている。例えば、利用者が入力した検索クエリのログを解析することで、利用者の検索意図を推定する技術が知られている。

特開２０１５−１４９９３号公報

しかしながら、上述した従来技術では、利用者の検索意図を適切に推定することができない恐れがある。

例えば、上述した従来技術では、過去に入力された検索クエリの同意語との比較結果に基づいて、検索意図が一般的な検索意図であるか、特徴的な検索意図であるかを判断しているに過ぎない。このため、利用者の検索意図を精度良く推定しているとは言えない場合がある。

本願は、上記に鑑みてなされたものであって、利用者の検索意図の推定精度を向上させることを目的とする。

本願に係る推定装置は、利用者が入力した検索クエリの共通性を推定する推定部と、前記推定部により推定された共通性のうち前記利用者の属性に応じた共通性を、前記利用者の検索意図として特定する特定部とを有することを特徴とする。

実施形態の一態様によれば、利用者の検索意図の推定精度を向上させ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、実施形態に係るナレッジデータベースの一例を示す図である。 図３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４は、実施形態に係る端末装置の構成例を示す図である。 図５は、実施形態に係る推定装置の構成例を示す図である。 図６は、実施形態に係る検索情報記憶部の一例を示す図である。 図７は、実施形態に係る属性情報記憶部の一例を示す図である。 図８は、実施形態に係る意図情報記憶部の一例を示す図である。 図９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１０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１１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．情報処理の一例〕
まず、図１を用いて、実施形態に係る情報処理の一例について説明する。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、実施形態に係る情報処理が推定装置１００により実行される例を示す。

図１では、利用者１が検索に用いた検索クエリのログと、利用者１の属性とに基づいて、利用者１の検索意図を特定する場合を示す。また、図１では、利用者１から新たに検索クエリを受け付けると、所定の情報を利用者１に提供する場合を示す。以下、図１を用いて、実施形態に係る推定処理の一例を説明する。

推定装置１００は、利用者１が検索に用いた検索クエリのログを収集する（ステップＳ１０１）。例えば、推定装置１００は、利用者１が検索時に入力した検索クエリのログを収集する。なお、図１では、利用者１の一人の利用者からのログを収集する場合を示しているが、推定装置１００は、複数の利用者が検索に用いた検索クエリのログを収集してもよい。

推定装置１００は、情報同士の関連性を紐付けたデータベースを参照する。例えば、推定装置１００は、ナレッジデータベース１２２を参照する。例えば、推定装置１００は、ナレッジデータベース１２２に格納された情報を取得する。例えば、推定装置１００は、ナレッジデータベース１２２の中から所定の情報を検索し、検索した所定の情報から利用者の属性と対応する情報を取得する。ここで、図２を用いて、ナレッジデータベース１２２の一例を説明する。図２は、ナレッジデータベース１２２の一例を示す。図２に示すように、ナレッジデータベース１２２には、情報の紐付け情報が格納される。例えば、ナレッジデータベース１２２には、２つのデータと、その関係性を示す情報とが格納されている。例えば、ナレッジデータベース１２２には、２つの情報と関係性との３つ組（トリプル）ごとに情報が登録されている。図２は、「データ＃１０」と「データ＃１１」とが「種別＃１１」の関連性を有することを示す。例えば、「種別＃１１」が「出演者」である場合には、「データ＃１１」は「データ＃１０」の出演者の一人であることを示す。また、図２は、「データ＃１０」と「データ＃１３」とが「種別＃１３」の関連性を有することを示す。例えば、「種別＃１３」が「監督」、「データ＃１３」は「データ＃１０」の監督であることを示す。なお、ナレッジデータベース１２２には、「データ＃１０」や「種別＃１１」や「データ＃１１」といった概念的な情報が格納される例を示したが、実際には、コンテンツデータが格納される。なお、コンテンツデータそのものについては、他のデータベースに登録されていてもよい。すなわち、ナレッジデータベース１２２には、所謂エンティティ間の関連性のみが登録され、エンティティと対応するデータそのものについては、他のデータベースに登録されていてもよい。

図１の説明に戻る。推定装置１００は、ナレッジデータベース１２２から所定の情報を特定する。推定装置１００は、利用者が検索に用いた検索クエリに応じて、ナレッジデータベース１２２から所定の情報を特定する。具体的には、推定装置１００は、利用者の検索クエリと対応する情報を検索して、検索した情報から所定の情報を特定する。上記の例では、推定装置１００は、利用者が検索に用いた検索クエリが「データ＃１０」である場合には、「データ＃１０」と対応する「データ＃１１」を検索して、検索した「データ＃１１」から逐次ナレッジデータベース１２２を辿り所定の情報を特定する。このように、推定装置１００は、ナレッジデータベース１２２を参照し、各検索クエリのログと紐付けられた紐付け情報を特定する（ステップＳ１０２）。

図１に示す例では、推定装置１００は、検索クエリ「タイトル＃１」と紐付けられた紐付け情報として、ナレッジデータベース１２２から、「監督：監督＃１」と「原作：小説＃１」と「出演者：俳優＃１」と「出演者：俳優＃２」とを特定する。

推定装置１００は、紐付け情報の種別のうち、共通性が高い種別を特定する（ステップＳ１０３）。例えば、推定装置１００は、特定した各検索クエリの紐付け情報を比較して、共通性が所定の条件を満たす紐付け情報を特定する。例えば、推定装置１００は、特定した各検索クエリの紐付け情報を比較して、共通性が所定の閾値を超える紐付け情報を特定する。ここで、推定装置１００は、各紐付け情報のデータを比較してもよいし、各紐付け情報の種別を比較してもよい。具体的には、推定装置１００は、各紐付け情報のデータを比較して、データの共通性が所定の条件を満たす紐付け情報を特定してもよいし、各紐付け情報の種別を比較して、種別の共通性が所定の条件を満たす紐付け情報を特定してもよい。図１に示す例では、推定装置１００は、「監督＃１」と「監督＃２」とに基づいて、「監督：監督＃１」と、「監督：監督＃２」とを、共通性が所定の条件を満たす紐付け情報として特定してもよい。また、推定装置１００は、「監督」と「監督」とに基づいて、「監督：監督＃１」と、「監督：監督＃２」とを、共通性が所定の条件を満たす紐付け情報として特定してもよい。ここで、推定装置１００は、「監督：監督＃１」と「監督：監督＃２」と「原作：小説＃１」と「原作：小説＃２」を特定したものとする。推定装置１００は、特定した紐付け情報から種別を特定する。図１に示す例では、推定装置１００は、共通性が高い種別として、「監督」と「原作」とを特定する。具体的な例を挙げると、推定装置１００は、「監督：監督＃１」と「監督：監督＃２」とから「監督」を特定し、「原作：小説＃１」と「原作：小説＃２」とから「原作」を特定する。

推定装置１００は、特定した種別の中から、利用者の属性と関連性が高い種別を検索意図として特定する（ステップＳ１０４）。図１は、利用者１の属性として、利用者１が「小説が好き」であり、「音楽が好き」であることを示す。この場合、推定装置１００は、仮に利用者１から「映画」の検索クエリを受け付けたとしても、利用者１の検索意図として、例えば「小説が原作の映画」や「ミュージカルが原作の映画」を特定する。具体的には、推定装置１００は、利用者の属性に「小説が好き」といった情報が含まれている場合には、仮に利用者から「映画」の検索クエリを受け付けたとしても、検索意図として単純に「映画」ではなく、紐付け情報から特定した種別「監督」や「原作」等から、属性「小説が好き」と関連性が高いと推定される種別「原作」を特定する。例えば、推定装置１００は、紐付け情報から特定した種別「監督」若しくは種別「原作」が付与された情報を特定し、特定した情報と、属性「小説が好き」との関連性を特定する。例えば、推定装置１００は、種別「監督」が付与された情報と同じ情報をナレッジデータベース１２２から検索し、検索した情報に対して、属性「小説が好き」に含まれる「小説」が種別として対応付けられている割合をスコアとして算出する。同様に、推定装置１００は、種別「原作」が付与された情報と同じ情報をナレッジデータベース１２２から検索し、検索した情報に対して、属性「小説が好き」に含まれる「小説」が種別として対応付けられている割合をスコアとして算出する。そして、推定装置１００は、スコアが所定の条件を満たす種別（例えば、スコアが最も高い種別や、高い方から順に所定の数の種別）を特定し、特定した種別と属性とを組み合わせた検索意図を推定する。例えば、推定装置１００は、検索クエリと対応する種別「映画」と、利用者の属性「小説が好き」と、利用者の属性との関連性が高い種別「原作」とを組み合わせた検索意図として、例えば「小説が原作の映画」を特定する。これにより、推定装置１００は、ショッピングなどで映画のタイトルをよく検索する利用者に対して、例えば映画のＤＶＤ（Digital Versatile Disc）を提供するのではなく、映画の原作となった小説を提供することができる。

推定装置１００は、利用者１から新たな検索クエリを受け付ける（ステップＳ１０５）。推定装置１００は、利用者１が利用する情報処理装置から送信された検索クエリを受信する。推定装置１００は、受け付けられた検索クエリと対応する情報のうち、検索意図と対応する情報を検索する（ステップＳ１０６）。そして、推定装置１００は、検索結果を利用者１に提供する（ステップＳ１０７）。推定装置１００は、検索結果を、利用者１が利用する情報処理装置に送信する。具体的には、推定装置１００は、利用者１から映画のタイトルの検索クエリを受け付けた場合には、検索意図として、例えば「小説が原作の映画」に対応する情報を検索し、検索結果として、映画の原作となった小説を提供する。これにより、推定装置１００は、利用者の検索意図に適した情報を提供することができるため、訴求効果の向上を促進させることができる。

また、推定装置１００は、モデルを用いて利用者の検索意図を特定してもよい。例えば、推定装置１００は、検索クエリと、紐付け情報と、利用者の属性との間の関係性を学習したモデルを生成してもよい。例えば、推定装置１００は、検索クエリと、紐付け情報と、利用者の属性とを取得し、実際の利用者の検索意図と特定した検索意図とが一致するかを示す指標値を出力するよう、コンピュータを機能させるためのモデルを生成する。また、推定装置１００は、モデルに対して、検索クエリと、紐付け情報と、利用者の属性とを入力した場合に、実際の利用者の検索意図と一致した検索意図を出力するように、モデルの学習を行う。例えば、推定装置１００は、実際の利用者の検索意図と特定した検索意図とが一致するかを示す指標値のビットが「１」になるように、モデルの学習を行う。なお、推定装置１００は、一人の利用者のデータに基づいてモデルの学習を行ってもよいし、複数の利用者のデータに基づいてモデルの学習を行ってもよい。

なお、実施形態に係る利用者の属性は、利用者に対して予め定められた属性であってもよい。例えば、実施形態に係る利用者の属性は、所定のウェブサービス上で利用者が予め入力した属性であってもよい。例えば、実施形態に係る利用者の属性は、外部の情報処理装置からの属性や記憶部１２０に記憶された属性であってもよい。

また、実施形態に係る利用者の属性は、推定された属性であってもよい。例えば、推定装置１００は、利用者が検索した検索クエリのログに基づいて、利用者の属性を推定してもよい。例えば、推定装置１００は、検索クエリの共通性に基づいて、利用者の属性を推定してもよい。例えば、推定装置１００は、検索クエリが属する種別の共通性に基づいて、利用者の属性を推定してもよい。

具体的な例を挙げると、推定装置１００は、利用者が「文学１」、「文学２」、「文学３」、「文学４」の検索を多く行っていた場合には、これらの検索クエリから「純文学」を特定して、利用者は「小説が好き」であると推定する。例えば、推定装置１００は、「アニメ１」、「アニメ２」、「アニメ３」の検索を多く行っていた場合には、これらの検索クエリから「アニメ」を特定して、利用者は「アニメが好き」であると推定する。

推定装置１００は、検索クエリを用いて検索を行った他の利用者の属性に基づいて、利用者の属性を推定してもよい。例えば、推定装置１００は、利用者が「作家１」、「作家２」、「作家３」の検索を多く行っていた場合には、これらの検索クエリから「小説」を特定して、利用者は「小説が好き」であると推定してもよい。例えば、推定装置１００は、「作家１」、「作家２」、「作家３」の検索を多く行っている他の利用者が「ラノベが好き」といった属性を有する場合には、利用者は「ラノベ寄りの小説が好き」であると推定してもよい。

〔情報処理システムの構成〕
図３に示す推定システム１について説明する。図３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とは所定の通信網（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３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３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、利用者によって利用される情報処理装置である。端末装置１０は、実施形態における処理を実現可能であれば、どのような装置であってもよい。また、端末装置１０は、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）等の装置であってもよい。図１に示す例においては、端末装置１０がスマートフォンである場合を示す。

推定装置１００は、検索クエリのログと利用者の属性とに基づいて、利用者の検索意図を特定するために用いられる。推定装置１００は、例えば、ＰＣ、ＷＳ（Work Station）等の情報処理装置であり、端末装置１０からネットワークＮを介して送信されてきた情報に基づいて処理を行う。

〔２．端末装置の構成〕
次に、図４を用いて、実施形態に係る端末装置１０の構成について説明する。図４は、実施形態に係る端末装置１０の構成例を示す図である。図４に示すように、端末装置１０は、通信部１１と、入力部１２と、出力部１３と、制御部１４とを有する。

（通信部１１）
通信部１１は、例えば、ＮＩＣ（Network Interface Card）等によって実現される。そして、通信部１１は、所定のネットワークＮと有線又は無線で接続され、所定のネットワークＮを介して、推定装置１００との間で情報の送受信を行う。

（入力部１２）
入力部１２は、利用者からの各種操作を受け付ける。例えば、入力部１２は、タッチパネル機能により表示面を介して利用者からの各種操作を受け付けてもよい。また、入力部１２は、端末装置１０に設けられたボタンや、端末装置１０に接続されたキーボードやマウスからの各種操作を受け付けてもよい。

（出力部１３）
出力部１３は、例えば液晶ディスプレイや有機ＥＬ（Electro-Luminescence）ディスプレイ等によって実現されるタブレット端末等の表示画面であり、各種情報を表示するための表示装置である。また、出力部１３は、推定装置１００から送信された情報を出力する。例えば、出力部１３は、利用者の検索意図と対応する情報を出力する。

（制御部１４）
制御部１４は、例えば、コントローラ（controller）であり、ＣＰＵ（Central Processing Unit）やＭＰＵ（Micro Processing Unit）等によって、端末装置１０内部の記憶装置に記憶されている各種プログラムがＲＡＭ（Random Access Memory)を作業領域として実行されることにより実現される。例えば、この各種プログラムには、端末装置１０にインストールされたアプリケーションのプログラムが含まれる。例えば、この各種プログラムには、推定装置１００から送信された情報を表示するアプリケーションのプログラムが含まれる。また、制御部１４は、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４に示すように、制御部１４は、送信部１４１と、受信部１４２とを有し、以下に説明する情報処理の作用を実現または実行する。

（送信部１４１）
送信部１４１は、外部の情報処理装置へ各種情報を提供する。送信部１４１は、外部の情報処理装置へ各種情報を送信する。例えば、送信部１４１は、推定装置１００等の他の情報処理装置へ各種情報を送信する。送信部１４１は、所定の記憶部に記憶された情報を送信する。例えば、送信部１４１は、利用者が検索に用いた検索クエリのログ情報を送信する。例えば、送信部１４１は、利用者が入力した検索クエリに関する情報を送信する。

（受信部１４２）
受信部１４２は、各種情報を受信する。受信部１４２は、外部の情報処理装置から各種情報を受信する。受信部１４２は、推定装置１００等の他の情報処理装置から各種情報を受信する。例えば、受信部１４２は、利用者の検索意図と対応する情報を受信する。

〔３．推定装置の構成〕
次に、図５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５は、実施形態に係る推定装置１００の構成例を示す図である。図５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等によって実現される。そして、通信部１１０は、ネットワークＮと有線又は無線で接続され、ネットワークＮを介して、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、フラッシュメモリ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。図５に示すように、記憶部１２０は、検索情報記憶部１２１と、ナレッジデータベース１２２と、属性情報記憶部１２３と、意図情報記憶部１２４とを有する。

検索情報記憶部１２１は、利用者が検索に用いた検索クエリのログ情報を記憶する。ここで、図６に、実施形態に係る検索情報記憶部１２１の一例を示す。図６に示すように、検索情報記憶部１２１は、「利用者ＩＤ」、「検索ＩＤ」、「検索クエリ」といった項目を有する。

「利用者ＩＤ」は、利用者を識別するための識別情報を示す。「検索ＩＤ」は、利用者が行った検索を識別するための識別情報を示す。「検索クエリ」は、利用者が検索に用いた検索クエリを示す。図６に示す例では、「検索クエリ」に「クエリ＃１１」や「クエリ＃１２」といった概念的な情報が格納される例を示したが、実際には、コンテンツデータが格納される。例えば、「検索クエリ」には、「映画名」や「俳優名」といった特定ワード（キーワード）が記憶される。また、「検索クエリ」には、利用者が検索した時間（日時や時刻や時間帯など）に関する情報が記憶されてもよい。例えば、「検索クエリ」には、「映画名」を「２０１９年２月２６日１５時５０分３０秒」に「検索した」といった情報が記憶されてもよい。なお、「検索クエリ」は、「クエリ」や「時間」といった項目を有してもよい。この場合、「クエリ」には、利用者が検索に用いた特定ワードが記憶され、「時間」には、利用者が検索を行った時間に関する情報が記憶されてもよい。

属性情報記憶部１２３は、利用者の属性情報を記憶する。属性情報記憶部１２３は、利用者の趣味や興味や関心などの情報を記憶する。ここで、図７に、実施形態に係る属性情報記憶部１２３の一例を示す。図７に示すように、属性情報記憶部１２３は、「利用者ＩＤ」、「属性ＩＤ」、「属性」といった項目を有する。

「利用者ＩＤ」は、利用者を識別するための識別情報を示す。「属性ＩＤ」は、利用者の属性を識別するための識別情報を示す。「属性」は、利用者の属性情報を示す。図７に示す例では、「属性」に「属性＃１１」や「属性＃１２」といった概念的な情報が格納される例を示したが、実際には、コンテンツデータが格納される。例えば、「属性」には、「小説が好き」、「音楽が好き」といった情報が記憶される。例えば、「属性」には、利用者の年齢、性別、職種、収入、出身地などの情報が記憶される。

意図情報記憶部１２４は、利用者の検索意図に関する情報を記憶する。ここで、図８に、実施形態に係る意図情報記憶部１２４の一例を示す。図８に示すように、意図情報記憶部１２４は、「意図ＩＤ」、「検索クエリ」、「属性」、「検索意図」といった項目を有する。

「意図ＩＤ」は、利用者の検索意図を識別するための識別情報を示す。「検索クエリ」は、利用者が検索に用いた検索クエリを示す。図８に示す例では、「検索クエリ」に「クエリ＃１１１」や「クエリ＃２２２」といった概念的な情報が格納される例を示したが、実際には、コンテンツデータが格納される。「属性」は、利用者の属性情報を示す。図８に示す例では、「属性」に「属性＃１１１」や「属性＃２２２」といった概念的な情報が格納される例を示したが、実際には、コンテンツデータが格納される。「検索意図」は、利用者の検索意図を示す。「検索意図」は、「検索クエリ」と「属性」とに対応した検索意図を示す。例えば、「検索意図」は、「属性＃１１１」の属性を有する利用者が「クエリ＃１１１」の検索をした場合には、利用者の検索意図が「小説ＡＡが原作の映画」であることを示す。

（制御部１３０）
制御部１３０は、コントローラであり、例えば、ＣＰＵやＭＰＵ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やＦＰＧＡ等の集積回路により実現される。

図５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、特定部１３４と、生成部１３５と、受付部１３６と、検索部１３７と、提供部１３８とを有し、以下に説明する情報処理の作用を実現または実行する。なお、制御部１３０の内部構成は、図５に示した構成に限られず、後述する情報処理を行う構成であれば他の構成であってもよい。

（取得部１３１）
取得部１３１は、各種情報を取得する。取得部１３１は、外部の情報処理装置から各種情報を取得する。取得部１３１は、端末装置１０等の他の情報処理装置から各種情報を取得する。

取得部１３１は、記憶部１２０から各種情報を取得する。取得部１３１は、検索情報記憶部１２１やナレッジデータベース１２２や属性情報記憶部１２３や意図情報記憶部１２４から各種情報を取得する。

取得部１３１は、取得した各種情報を記憶部１２０に格納する。取得部１３１は、検索情報記憶部１２１やナレッジデータベース１２２や属性情報記憶部１２３や意図情報記憶部１２４に各種情報を格納する。

取得部１３１は、他の機能構成により抽出、推定、特定、生成、受付、検索された各種情報を取得する。

取得部１３１は、利用者が検索に用いた検索クエリのログ情報を取得する。取得部１３１は、利用者が過去に検索に用いた検索クエリのログ情報を取得する。取得部１３１は、利用者が予め定められた所定の期間内に検索に用いた検索クエリのログ情報を取得する。取得部１３１は、ＳＮＳ（Social Networking System）上で利用者が検索に用いた検索クエリや、利用者が検索に用いたタグ情報や「映画名」や「俳優名」などの特定ワードを取得する。取得部１３１は、利用者が新たに入力した検索クエリに関する情報を取得する。

取得部１３１は、利用者の属性を示す属性情報を取得する。例えば、取得部１３１は、利用者の興味や趣味や関心などに関する情報を取得する。例えば、取得部１３１は、「小説が好き」や「音楽が好き」などの情報を取得する。

（抽出部１３２）
抽出部１３２は、各種情報を抽出する。例えば、抽出部１３２は、外部の情報処理装置からの情報や記憶部１２０に記憶された情報に基づいて、各種情報を抽出する。抽出部１３２は、端末装置１０等の他の情報処理装置からの情報に基づいて、各種情報を抽出する。抽出部１３２は、検索情報記憶部１２１やナレッジデータベース１２２や属性情報記憶部１２３や意図情報記憶部１２４に記憶された情報に基づいて、各種情報を抽出する。

抽出部１３２は、抽出した各種情報を記憶部１２０に格納する。抽出部１３２は、検索情報記憶部１２１やナレッジデータベース１２２や属性情報記憶部１２３や意図情報記憶部１２４に各種情報を格納する。

抽出部１３２は、他の機能構成により取得、推定、特定、生成、受付、検索された各種情報に基づいて、各種情報を抽出する。

抽出部１３２は、検索クエリと対応する情報に紐付けられた他の情報である紐付け情報を抽出する。抽出部１３２は、各検索クエリのログと紐付けられた紐付け情報を抽出する。抽出部１３２は、データベースを参照して、紐付け情報を抽出する。抽出部１３２は、関連性を有する情報同士を紐付けたデータベースを参照して、紐付け情報を抽出する。抽出部１３２は、ナレッジデータベース１２２を参照して、紐付け情報を抽出する。図１に示す例では、抽出部１３２は、検索クエリと対応する情報である「タイトル＃１」に紐付けられた情報として、「監督：監督＃１」などを抽出する。

（推定部１３３）
推定部１３３は、各種情報を推定する。例えば、推定部１３３は、外部の情報処理装置からの情報や記憶部１２０に記憶された情報に基づいて、各種情報を推定する。推定部１３３は、端末装置１０等の他の情報処理装置からの情報に基づいて、各種情報を推定する。推定部１３３は、検索情報記憶部１２１やナレッジデータベース１２２や属性情報記憶部１２３や意図情報記憶部１２４に記憶された情報に基づいて、各種情報を推定する。

推定部１３３は、推定した各種情報を記憶部１２０に格納する。推定部１３３は、検索情報記憶部１２１やナレッジデータベース１２２や属性情報記憶部１２３や意図情報記憶部１２４に各種情報を格納する。

推定部１３３は、他の機能構成により取得、抽出、特定、生成、受付、検索された各種情報に基づいて、各種情報を推定する。

推定部１３３は、検索クエリの共通性を推定する。推定部１３３は、利用者が入力した検索クエリの共通性を推定する。推定部１３３は、検索クエリと対応する情報に紐付けられた紐付け情報に基づいて、検索クエリの共通性を推定する。推定部１３３は、紐付け情報の共通性に基づいて、検索クエリの共通性を推定する。推定部１３３は、紐付け情報の種別に基づいて、検索クエリの共通性を推定する。推定部１３３は、紐付け情報の種別のうち所定の条件を満たす種別に基づいて、検索クエリの共通性を推定する。推定部１３３は、紐付け情報の種別のうち共通性が所定の条件を満たす種別に基づいて、検索クエリの共通性を推定する。

推定部１３３は、特定部１３４により上位種別として特定された種別以外の種別に基づいて、検索クエリの共通性を推定する。言い替えると、推定部１３３は、検索クエリと対応する情報の種別のうち共通性が所定の条件を満たす種別以外の種別に基づいて、検索クエリの共通性を推定する。推定部１３３は、紐付け情報の種別のうち共通性が所定の条件を満たす種別であって、特定された上位種別以外の種別に基づいて、検索クエリの共通性を推定する。

推定部１３３は、推定部１３３は、検索クエリと対応する情報の種別のうち共通性が所定の条件を満たす種別が存在しない場合は、紐付け情報の共通性に基づいて、検索クエリの共通性を推定する。

（特定部１３４）
特定部１３４は、各種情報を特定する。例えば、特定部１３４は、外部の情報処理装置からの情報や記憶部１２０に記憶された情報に基づいて、各種情報を特定する。特定部１３４は、端末装置１０等の他の情報処理装置からの情報に基づいて、各種情報を特定する。特定部１３４は、検索情報記憶部１２１やナレッジデータベース１２２や属性情報記憶部１２３や意図情報記憶部１２４に記憶された情報に基づいて、各種情報を特定する。

特定部１３４は、特定した各種情報を記憶部１２０に格納する。特定部１３４は、検索情報記憶部１２１やナレッジデータベース１２２や属性情報記憶部１２３や意図情報記憶部１２４に各種情報を格納する。

特定部１３４は、他の機能構成により取得、抽出、推定、生成、受付、検索された各種情報に基づいて、各種情報を特定する。

特定部１３４は、利用者が検索に用いた検索クエリと対応する情報を特定する。特定部１３４は、関連性を有する情報同士を紐付けたデータベースから、利用者が検索に用いた検索クエリと対応する情報を特定する。特定部１３４は、ナレッジデータベース１２２から、利用者が検索に用いた検索クエリと対応する情報を特定する。特定部１３４は、各検索クエリのログと紐付けられた紐付け情報を特定する。

特定部１３４は、検索クエリに直接紐付けられた紐付け情報を特定する。特定部１３４は、検索クエリに直接紐付けられた紐付け情報に更に直接紐付けられた紐付け情報を特定する。特定部１３４は、検索クエリに直接紐付けられた紐付け情報以降の紐付け情報を特定する。特定部１３４は、各検索クエリごとに紐付け情報を特定する。

特定部１３４は、特定した紐付け情報の種別のうち、共通性が所定の条件を満たす種別を特定する。特定部１３４は、特定した各検索クエリの紐付け情報を特定して、共通性が所定の条件を満たす紐付け情報を特定する。例えば、特定部１３４は、特定した各検索クエリの紐付け情報を比較して、共通性が所定の閾値を超える紐付け情報を特定する。

特定部１３４は、利用者の検索意図を特定する。特定部１３４は、利用者の属性に応じた共通性を、利用者の検索意図として特定する。特定部１３４は、利用者の属性と関連性が高い種別を、利用者の検索意図として特定する。特定部１３４は、利用者の属性との関連性が最も高い共通性を、利用者の検索意図として特定する。

例えば、特定部１３４は、推定部１３３により推定された共通性のうち利用者の属性に応じた共通性を、利用者の検索意図として特定する。特定部１３４は、推定された共通性のうち、利用者の属性と関連性が高い種別を、利用者の検索意図として特定する。特定部１３４は、推定された共通性のうち、利用者の属性との関連性が最も高い共通性を、利用者の検索意図として特定する。

特定部１３４は、所定のモデルに基づいて、利用者の検索意図を特定する。特定部１３４は、生成部１３５により生成されたモデルに基づいて、利用者の検索意図を特定する。特定部１３４は、検索クエリと、紐付け情報と、利用者の属性との間の関係性を学習したモデルに基づいて、利用者の検索意図を特定する。

（生成部１３５）
生成部１３５は、各種情報を生成する。例えば、生成部１３５は、外部の情報処理装置からの情報や記憶部１２０に記憶された情報に基づいて、各種情報を生成する。生成部１３５は、端末装置１０等の他の情報処理装置からの情報に基づいて、各種情報を生成する。生成部１３５は、検索情報記憶部１２１やナレッジデータベース１２２や属性情報記憶部１２３や意図情報記憶部１２４に記憶された情報に基づいて、各種情報を生成する。

生成部１３５は、生成した各種情報を記憶部１２０に格納する。生成部１３５は、検索情報記憶部１２１やナレッジデータベース１２２や属性情報記憶部１２３や意図情報記憶部１２４に各種情報を格納する。

生成部１３５は、他の機能構成により取得、抽出、推定、特定、受付、検索された各種情報に基づいて、各種情報を生成する。

生成部１３５は、モデルを生成する。生成部１３５は、指標値を出力するよう、コンピュータを機能させるためのモデルを生成する。生成部１３５は、実際の利用者の検索意図と特定した利用者の検索意図とが一致するかを示す指標値を出力するよう、コンピュータを機能させるためのモデルを生成する。

生成部１３５は、検索クエリと、紐付け情報と、利用者の属性との間の関係性を学習したモデルを生成する。生成部１３５は、検索クエリと、紐付け情報と、利用者の属性とを入力した場合に、実際の利用者の検索意図と一致した検索意図を出力するように学習されたモデルを生成する。

生成部１３５は、複数の利用者のデータに基づいてモデルを生成してもよい。生成部１３５は、複数の利用者のデータに基づいてモデルを学習してもよい。生成部１３５は、複数の利用者の検索クエリのログと、各検索クエリの紐付け情報と、複数の利用者の属性とに基づいてモデルを学習してもよい。

（受付部１３６）
受付部１３６は、各種情報を受け付ける。受付部１３６は、各種情報を受信する。例えば、受付部１３６は、外部の情報処理装置からの情報を受け付ける。例えば、受付部１３６は、外部の情報処理装置から送信された情報を受信する。受付部１３６は、端末装置１０等の他の情報処理装置からの情報を受け付ける。

受付部１３６は、受け付けた各種情報を記憶部１２０に格納する。受付部１３６は、検索情報記憶部１２１やナレッジデータベース１２２や属性情報記憶部１２３や意図情報記憶部１２４に各種情報を格納する。

受付部１３６は、検索クエリを受け付ける。受付部１３６は、利用者が新たに入力した検索クエリを受け付ける。受付部１３６は、利用者が新たに入力した検索クエリに関する情報を受信する。図１では、受付部１３６は、利用者１の操作に応じて利用者１が利用する端末装置１０から送信された新たな検索クエリに関する情報を受信する。

（検索部１３７）
検索部１３７は、各種情報を検索する。例えば、検索部１３７は、外部の情報処理装置からの情報や記憶部１２０に記憶された情報に基づいて、各種情報を検索する。検索部１３７は、端末装置１０等の他の情報処理装置からの情報に基づいて、各種情報を検索する。検索部１３７は、検索情報記憶部１２１やナレッジデータベース１２２や属性情報記憶部１２３や意図情報記憶部１２４に記憶された情報に基づいて、各種情報を検索する。

検索部１３７は、検索した各種情報を記憶部１２０に格納する。検索部１３７は、検索情報記憶部１２１やナレッジデータベース１２２や属性情報記憶部１２３や意図情報記憶部１２４に各種情報を格納する。

検索部１３７は、他の機能構成により取得、抽出、推定、特定、生成、受付された各種情報に基づいて、各種情報を検索する。

検索部１３７は、利用者の検索意図と対応する情報を検索する。検索部１３７は、検索クエリと対応する情報のうち、利用者の検索意図と対応する情報を検索する。検索部１３７は、利用者が新たに入力した検索クエリと対応する情報のうち、利用者の検索意図と対応する情報を検索する。

例えば、検索部１３７は、特定部１３４により特定された検索意図と対応する情報を検索する。検索部１３７は、特定された検索意図と対応する種別の情報を検索する。検索部１３７は、利用者が新たに入力した検索クエリと対応する情報のうち、特定された検索意図と対応する種別の情報を検索する。

（提供部１３８）
提供部１３８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１３８は、端末装置１０へ各種情報を提供する。例えば、提供部１３８は、端末装置１０へ各種情報を送信する。

提供部１３８は、他の機能構成により取得、抽出、推定、特定、生成、受付、検索された各種情報を提供する。

提供部１３８は、検索結果を提供する。提供部１３８は、検索結果を利用者に提供する。提供部１３８は、検索結果を対応する利用者が利用する端末装置１０へ送信する。提供部１３８は、利用者の検索クエリと対応する情報を提供する。提供部１３８は、利用者の検索意図と対応する情報を提供する。

〔４．情報処理のフロー〕
次に、図９及び図１０を用いて、実施形態に係る推定システム１による情報処理の手順について説明する。図９及び図１０は、実施形態に係る推定システム１による情報処理の手順を示すフローチャートである。

図９に示すように、推定装置１００は、利用者の検索クエリのログを取得して記憶部に記憶する（ステップＳ２０１）。例えば、推定装置１００は、取得した利用者の検索クエリのログを記憶部１２０に格納する。例えば、推定装置１００は、取得した利用者の検索クエリのログを検索情報記憶部１２１に格納する。推定装置１００は、取得した各検索クエリのログと紐付けられた紐付け情報をナレッジデータベース１２２から特定する（ステップＳ２０２）。推定装置１００は、特定した紐付け情報の種別のうち、共通性が所定の条件を満たす種別を特定する（ステップＳ２０３）。推定装置１００は、特定した種別の中から、利用者の属性と関連性が所定の条件を満たす種別を検索意図として特定する（ステップＳ２０４）。推定装置１００は、検索意図として特定した情報を記憶部に記憶する（ステップＳ２０５）。例えば、推定装置１００は、検索意図として特定した情報を記憶部１２０に格納する。例えば、推定装置１００は、検索意図として特定した情報を意図情報記憶部１２４に格納する。

図１０に示すように、推定装置１００は、利用者から新たな検索クエリを受け付けたかを判定する（ステップＳ３０１）。ここで、推定装置１００は、利用者から新たな検索クエリを受け付けていない場合（ステップＳ３０１；ＮＯ）、利用者から新たな検索クエリを受け付けるまで待機する。推定装置１００は、利用者から新たな検索クエリを受け付けた場合（ステップＳ３０１；ＹＥＳ）、受け付けた検索クエリと対応する情報のうち、検索意図と対応する情報を記憶部から検索する（ステップＳ３０２）。推定装置１００は、検索結果を利用者に提供する（ステップＳ３０３）。

〔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、推定部１３３と、特定部１３４とを有する。推定部１３３は、利用者が入力した検索クエリの共通性を推定する。特定部１３４は、推定部１３３により推定された共通性のうち利用者の属性に応じた共通性を、利用者の検索意図として特定する。

これにより、実施形態に係る推定装置１００は、利用者の検索意図の推定精度を向上させることができる。

また、実施形態に係る推定装置１００は、関連性を有する情報同士を紐付けたデータベースを参照し、検索クエリと対応する情報に紐付けられた他の情報である紐付け情報を抽出する抽出部１３２を有する。また、推定部１３３は、抽出部１３２によって抽出された紐付け情報の共通性に基づいて、検索クエリの共通性を推定する。

これにより、実施形態に係る推定装置１００は、検索クエリ以外の種々の情報に基づいて利用者の検索意図を推定することができるため、利用者の検索意図の推定精度を向上させることができる。

また、推定部１３３は、抽出部１３２によって抽出された紐付け情報の種別のうち共通性が所定の条件を満たす種別に基づいて、検索クエリの共通性を推定する。

これにより、実施形態に係る推定装置１００は、情報の種別の共通性に基づいて利用者の検索意図を推定することができるため、利用者の検索意図の推定精度を向上させることができる。

また、推定部１３３は、検索クエリと対応する情報の種別のうち共通性が所定の条件を満たす種別を上位種別として特定し、抽出部１３２によって抽出された紐付け情報の種別のうち共通性が所定の条件を満たす種別であって、特定された上位種別以外の種別に基づいて、検索クエリの共通性を推定する。

これにより、実施形態に係る推定装置１００は、種別の類似性が上位ではない種別に基づいて利用者の検索意図を推定することができるため、利用者の多様な検索意図を推定することができる。

また、推定部１３３は、検索クエリと対応する情報の種別のうち共通性が所定の条件を満たす種別が存在しない場合は、抽出部１３２によって抽出された紐付け情報の共通性に基づいて、検索クエリの共通性を推定する。

これにより、実施形態に係る推定装置１００は、共通性が少ない場合であっても、利用者の検索意図の推定精度を下げることなく、利用者の検索意図を推定することができる。

また、特定部１３４は、共通性のうち利用者の属性との関連性が最も高い共通性を、利用者の検索意図として特定する。

これにより、実施形態に係る推定装置１００は、利用者の検索意図の推定精度を向上させることができる。

また、実施形態に係る推定装置１００は、利用者が新たに入力した検索クエリと対応する情報のうち、特定部１３４が特定した検索意図と対応する種別の情報を検索する検索部１３７を有する。

これにより、実施形態に係る推定装置１００は、利用者の検索意図に適した情報を提供することができるため、訴求効果の向上を促進させることができる。

〔６．ハードウェア構成〕
また、上述してきた実施形態に係る端末装置１０および推定装置１００は、例えば、図１１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１１は、端末装置１０および推定装置１００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、ＨＤＤ１４００、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、所定の通信網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所定の通信網を介して他の機器へ送信する。

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が実施形態に係る端末装置１０および推定装置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１４および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、他の装置から所定の通信網を介してこれらのプログラムを取得してもよい。

〔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、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。

以上、本願の実施形態のいくつか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、発明の開示の欄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。

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
１０ 端末装置
１００ 推定装置
１１０ 通信部
１２０ 記憶部
１２１ 検索情報記憶部
１２２ ナレッジデータベース
１２３ 属性情報記憶部
１２４ 意図情報記憶部
１３０ 制御部
１３１ 取得部
１３２ 抽出部
１３３ 推定部
１３４ 特定部
１３５ 生成部
１３６ 受付部
１３７ 検索部
１３８ 提供部
Ｎ ネットワーク

Claims (9)

1. 利用者が入力した検索クエリの共通性を推定する推定部と、
   前記推定部により推定された共通性のうち前記利用者の属性に応じた共通性を、前記利用者の検索意図として特定する特定部と
   を有することを特徴とする推定装置。
2. 関連性を有する情報同士を紐付けたデータベースを参照し、前記検索クエリと対応する情報に紐付けられた他の情報である紐付け情報を抽出する抽出部
   を有し、
   前記推定部は、前記抽出部によって抽出された紐付け情報の共通性に基づいて、前記検索クエリの共通性を推定する
   ことを特徴とする請求項１に記載の推定装置。
3. 前記推定部は、前記抽出部によって抽出された紐付け情報の種別のうち共通性が所定の条件を満たす種別に基づいて、前記検索クエリの共通性を推定する
   ことを特徴とする請求項２に記載の推定装置。
4. 前記推定部は、前記検索クエリと対応する情報の種別のうち共通性が所定の条件を満たす種別を上位種別として特定し、前記抽出部によって抽出された紐付け情報の種別のうち共通性が所定の条件を満たす種別であって、特定された上位種別以外の種別に基づいて、前記検索クエリの共通性を推定する
   ことを特徴とする請求項２または３に記載の推定装置。
5. 前記推定部は、前記検索クエリと対応する情報の種別のうち共通性が所定の条件を満たす種別が存在しない場合は、前記抽出部によって抽出された紐付け情報の共通性に基づいて、前記検索クエリの共通性を推定する
   ことを特徴とする請求項２〜４のうちいずれか１つに記載の推定装置。
6. 前記特定部は、前記共通性のうち前記利用者の属性との関連性が最も高い共通性を、前記利用者の検索意図として特定する
   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。
7. 前記利用者が新たに入力した検索クエリと対応する情報のうち、前記特定部が特定した検索意図と対応する種別の情報を検索する検索部
   を有することを特徴とする請求項１〜６のうちいずれか１つに記載の推定装置。
8. 推定装置が実行する推定方法であって、
   利用者が入力した検索クエリの共通性を推定する推定工程と、
   前記推定工程により推定された共通性のうち前記利用者の属性に応じた共通性を、前記利用者の検索意図として特定する特定工程と
   を含むことを特徴とする推定方法。
9. 利用者が入力した検索クエリの共通性を推定する推定手順と、
   前記推定手順により推定された共通性のうち前記利用者の属性に応じた共通性を、前記利用者の検索意図として特定する特定手順と
   をコンピュータに実行させるための推定プログラム。

Images