JP2020194204A - 機械学習ベースのマッチング装置およびマッチング方法 - Google Patents

Abstract

【課題】相談者にとって最適な専門家をレコメンドする。【解決手段】ユーザと専門家のマッチングのためのマッチング装置は、受信したユーザ情報に基づいて、ユーザのデモグラフィック情報および第１の重み付きキーフレーズを抽出する。装置は、ユーザのデモグラフィック情報と同じカテゴリーのデモグラフィック情報に関連付けられる第２の重み付きキーフレーズを学習済みデータから読み出し、第１の重み付きキーフレーズと第２の重み付きキーフレーズとを比較して推定したトピックに関連付けられる専門家の中から、予め定められた基準にしたがって選択した専門家をユーザにレコメンドする。【選択図】図６

Description

本発明は、機械学習ベースのマッチング装置およびマッチング方法に関する。より詳細に言えば、本発明は、相談者情報およびＦＰ情報に基づいて、相談者にとって最適なＦＰをレコメンドする、機械学習ベースのマッチング装置およびマッチング方法に関する。また、本発明は、相談者とＦＰがチャットをしている間に生じた情報に基づいて新たなキーフレーズを抽出し、変更されたトピックを提供する、機械学習ベースのマッチング装置およびマッチング方法に関する。

お金やライフプランの相談をする際、専門家であるファイナンシャルプランナー（ＦＰ）に相談する人が徐々に増えている。相談者は、各地で開催される無料相談会で相談したり、特定非営利活動法人（ＮＰＯ法人）日本ファイナンシャル・プランナーズ協会（本明細書では「日本ＦＰ協会」と呼ぶ）のサイト（非特許文献１）で希望の条件を入力して条件に適合するＦＰを探し、コンタクトを取ったりすることによって相談をしている。

ＦＰとの相談は、予めコンタクトを取った上で、対面形式で行われることもあれば、電話や電子媒体（例えば、メール、チャットなど）を介して行われることもある。

相談者が、ＦＰに相談しようとする時、自分自身では相談したいことが分かっているつもりであっても、潜在的なニーズに気が付いていないことがある。また、ＦＰの立場からすると、相談者が実際に相談したいトピックとして挙げた事柄よりも、相談者の属性（年代、性別、居住地域、学歴、家族構成など）によってはより最適な相談内容（例えば、住宅購入よりも貯蓄などの資産形成が重要、など）があったりすることもあり、相談内容のズレが生じてしまうこともある。

日本ＦＰ協会、相談できるファイナンシャル・プランナーを探す、[online]、[2019年5月15日検索]、インターネット<URL:https://www.jafp.or.jp/confer/search/cfp/>

従来技術では、限られた情報に基づいて相談者が能動的に、相談相手となるＦＰを選択するスキームが提供されていた。このため、相談者の潜在的なニーズに適したＦＰが選択できない、および／または相談者の属性にとってより適切な相談内容を得意とするＦＰに相談できないという課題があった。また、従来のスキームでは、ＦＰの側からも、自身の得意分野に適合する相談者を選択することができなかった。

従来、相談者は、最初から対面で相談するよりも、メールやチャットなどで最初にＦＰに相談をした後、その感触が良ければ実際に対面相談を行うケースが多い。それぞれのＦＰにも得意分野があるため、相談者が能動的にＦＰを選択するだけでは、相談者にとって最適な相談を行うことができないこともあり、そのため、相談者の満足度が低下し、実際に対面相談を行えないケースも多々あった。

さらに、相談中の会話の内容から、相談者にとって重要なトピックが導出されることもあり得るが、相談者やＦＰによっては、そのトピックに気が付かないこともあった。

本発明は、このような課題を解決するためになされたものであり、相談者が所定の情報を入力するだけで、相談者にとって最適なＦＰをレコメンドする、機械学習ベースのマッチング装置およびマッチング方法を提供することを目的とする。また、本発明は、相談者とＦＰがチャットをしている間に生じた情報に基づいて新たなキーフレーズを抽出し、変更したトピックを提供する、機械学習ベースのマッチング装置およびマッチング方法を提供することを目的とする。

本発明の一態様である、ユーザと専門家のマッチングのためのマッチング装置は、前記ユーザに関連付けられる第１の端末装置から、ユーザ情報を受信し、受信した前記ユーザ情報を所定のフォーマットにカテゴライズすることにより、前記ユーザのデモグラフィック情報を生成し、受信した前記ユーザ情報に含まれる相談内容の情報に基づいて、予め定められたアルゴリズムを使用して、第１の重み付きキーフレーズを抽出し、前記ユーザのデモグラフィック情報と同じカテゴリーのデモグラフィック情報に関連付けられる第２の重み付きキーフレーズを学習済みデータから読み出し、前記第１の重み付きキーフレーズと前記第２の重み付きキーフレーズとを比較してトピックを推定し、推定された前記トピックに関連付けられる前記専門家のリストを取得し、取得された前記専門家のリストの中から、予め定められた基準にしたがって専門家を選択し、選択された前記専門家を前記ユーザにレコメンドするように構成されたことを特徴とする。

本発明の別の一態様である、ユーザと専門家のマッチングのためのマッチング装置によって実行されるマッチング方法は、前記ユーザに関連付けられる第１の端末装置から、ユーザ情報を受信することと、受信した前記ユーザ情報を所定のフォーマットにカテゴライズすることにより、前記ユーザのデモグラフィック情報を生成することと、受信した前記ユーザ情報に含まれる相談内容の情報に基づいて、予め定められたアルゴリズムを使用して、第１の重み付きキーフレーズを抽出することと、前記ユーザのデモグラフィック情報と同じカテゴリーのデモグラフィック情報に関連付けられる第２の重み付きキーフレーズを学習済みデータから読み出し、前記第１の重み付きキーフレーズと前記第２の重み付きキーフレーズとを比較してトピックを推定することと、推定された前記トピックに関連付けられる前記専門家のリストを取得することと、取得された前記専門家のリストの中から、予め定められた基準にしたがって専門家を選択することと、選択された前記専門家を前記ユーザにレコメンドすることを備えることを特徴とする。

本発明によれば、相談者にとって最適なＦＰをレコメンドすること、および相談の途中であっても相談者とＦＰの会話の中から重要なトピックを抽出して、変更したトピックを提供することが可能となる。これにより、相談者が抱える潜在的なニーズを抽出することができ、それによって、より適切なＦＰからの助言を相談者に提供することができるようになる。

本明細書において開示される実施形態の詳細な理解は、添付図面に関連して例示される以下の説明から得ることができる。
本発明の実施形態に係る装置を含むシステム全体の構成図である。 本発明の実施形態に係る装置のシステム構成図である。 本発明の実施形態に係る相談者情報のデータ構造の一例を示す図である。 本発明の実施形態に係るＦＰ情報のデータ構造の一例を示す図である。 構造化データのイメージを示す図である。 本発明の実施形態に係る装置によって実行されるＦＰレコメンド処理および機械学習処理を説明する図である。 本発明の実施形態に係る装置によって実行されるトピック変更処理を説明する図である。 チャットルームの画面の一例を示す図である。

本明細書では、相談者とＦＰがチャットにより相談を行う実施形態を例として説明するが、本発明の要旨となる技術的思想は、他の技術手段にも適用可能である。すなわち、専門家の例として、本明細書ではＦＰを挙げているが、他の専門家（例えば、法律の専門家、税務・会計の専門家、および様々な分野の専門家）をレコメンドするスキームにも本発明を適用することができる。以下、本発明の実施の形態について詳細に説明する。

（全体構成）
図１は、本発明の実施形態に係る装置１０を含むシステム全体の構成図である。装置１０は、１または複数の相談者端末１１、１または複数のＦＰ端末１２、および１または複数の外部システム１３とネットワークを介して相互に通信可能に接続される。本明細書では、装置１０を１つの装置として説明するが、装置１０によって実行される様々な処理を複数の装置で分散して実行するように構成してもよい。図１において、相談者端末１１、ＦＰ端末１２、および外部システム１３は、１つずつしか示されていないが、これらは複数存在し得る。

装置１０は、相談者端末１１およびＦＰ端末１２から所定の情報を受信し、受信した情報に基づいて相談者にとって最適なＦＰをレコメンドする、機械学習ベースのマッチング装置である。装置１０は、相談者とＦＰとの間で行われたチャットの情報に基づいて新たなキーフレーズを抽出し、変更後のトピックを提供する、機械学習ベースのマッチング装置である。

相談者端末１１は、ＦＰに相談したいと考えているユーザによって使用される端末である。ＦＰ端末１２は、相談を受けるＦＰによって使用される端末である。相談者端末１１およびＦＰ端末１２は、装置１０にアクセス可能なコンピュータであり、チャットなどのリアルタイムメッセージングツールを利用することができる。相談者端末１１およびＦＰ端末１２は、例えば、パーソナルコンピュータ（ＰＣ）、スマートフォン、タブレット型端末などの通信機能を備えたコンピュータとすることができるが、特定のデバイスに限定されることはない。

外部システム１３は、デモグラフィック情報ごとに、様々なトピックについての相談および返答の情報を格納し、それらの情報を外部に提供するシステムである。外部システム１３は、装置１０からの要求に応答して、格納されている情報を装置１０に提供することができる。デモグラフィック情報とは、人口統計学的属性、すなわち、性別、年齢、居住地域、所得、職業、学歴、家族構成などその人のもつ社会経済的な特質データを示す。デモグラフィック情報によって、その属性の人の行動・態度が異なるという考え方から、デモグラフィック情報をベースにデータ分析が行われうる。

装置１０は、相談者端末１１から、ＦＰとの相談結果のフィードバック、および実際にＦＰとの対面相談を行った場合には、その面談情報を受信することができる。

（システム構成）
図２は、本発明の実施形態に係る装置１０のシステム構成図である。図２に示すように、装置１０は、一般的なコンピュータと同様に、バス１２０などによって相互に接続された制御部１０１、主記憶部１０２、補助記憶部１０３、インターフェース（ＩＦ）部１０４および出力部１０５を備える。また、装置１０は、ファイル／データベースなどの形式で、相談者情報１０６、ＦＰ情報１０７、および構造化学習データ１０８を備える。

制御部１０１は、中央処理装置（ＣＰＵ）とも呼ばれ、装置１０の各構成要素の制御やデータの演算を行い、また、補助記憶部１０３に格納されている各種プログラムを主記憶部１０２に読み出して実行する。主記憶部１０２は、メインメモリとも呼ばれ、受信した各種データ、コンピュータ実行可能な命令および当該命令による演算処理後のデータなどを記憶する。補助記憶部１０３は、ハードディスク（ＨＤＤ）などに代表される記憶装置であり、データやプログラムを長期的に保存する際に使用される。

図２の実施形態は、制御部１０１、主記憶部１０２および補助記憶部１０３を同一のコンピュータの内部に設ける実施形態について説明するが、他の実施形態として、装置１０は、制御部１０１、主記憶部１０２および補助記憶部１０３を複数個使用することにより、複数のコンピュータによる並列分散処理を実現するように構成することもできる。また、他の実施形態として、装置１０のための複数のサーバを設置し、複数サーバが一つの補助記憶部１０３を共有する実施形態にすることも可能である。

ＩＦ部１０４は、他のシステムや装置との間でデータを送受信する際のインターフェースの役割を果たし、また、システムオペレータから各種コマンドや入力データ（各種マスタ、テーブルなど）を受け付けるインターフェースを提供する。出力部１０５は、処理されたデータを表示する表示画面や当該データを印刷するための印刷手段などを提供する。

相談者情報１０６は、相談者から受信した情報、当該相談者のデモグラフィック情報、相談内容に関するキーフレーズ、各キーフレーズから導出されたランク付きトピック、および相談結果のフィードバック情報を格納するファイルである。図３は、本発明の実施形態に係る相談者情報１０６のデータ構造の一例を示す図である。相談者情報１０６は、相談者ＩＤ３０１、相談者受信情報３０２、相談者デモグラフィック情報３０３、キーフレーズ３０４、トピック３０５、およびフィードバック情報３０６を含むことができるが、これらのデータ項目に限定されることはなく他のデータ項目（例えば、相談日付、など）も含むことが可能である。

相談者ＩＤ３０１は、相談者を識別する識別子である。相談者受信情報３０２は、相談者から受信した情報、例えば、性別、年齢、配偶者・子供の有無、居住地域、職業、年収、保有金融資産、および相談内容などの情報を示す。相談者デモグラフィック情報３０３は、相談者受信情報３０２に基づいて生成された相談者のデモグラフィック情報を示す。

キーフレーズ３０４は、ＰｏｓｉｔｉｏｎＲａｎｋおよびＥｍｂｅｄＲａｎｋのアルゴリズムによって相談者受信情報３０２から抽出された相談内容に関するキーフレーズを示す。例えば、キーフレーズ３０４は、住宅ローン、変動金利、貯蓄、健康保険、医療費などの用語を示しうる。

ＰｏｓｉｔｉｏｎＲａｎｋは、文書からキーフレーズ（文書のトピックを表すフレーズ）を抽出するためのアルゴリズムである。ＰｏｓｉｔｉｏｎＲａｎｋでは、文書を形態素解析することにより単語の共起情報を表すグラフを生成し、単語の出現位置から各単語の重要度を計算し、重要度の高いフレーズを抽出する。また、ＥｍｂｅｄＲａｎｋは、教師データを用意することなく、文章に含まれる重要なキーフレーズを抽出するアルゴリズムである。ＥｍｂｅｄＲａｎｋでは、品詞（例えば、形容詞＋名詞）の情報を元に、文章中から候補となるフレーズを抽出し、文章埋め込み（Sentence Embedding）を用いて、文章および各フレーズのベクトルを取得し、文章の埋め込みベクトルに対する類似度を用いて、候補となるフレーズをランク付けし、重みが付けられたキーフレーズを決定する。

トピック３０５は、キーフレーズ３０４の各キーフレーズについて、構造化学習データ１０８に格納されている情報とマッチングさせた後の、ランク付けされたキーフレーズを示す。すなわち、トピック３０５は、相談者の相談内容のキーフレーズを、構造化学習データ１０８の情報に基づいて重み付けしたものであり、相談者が属するデモグラフィック情報から見て重要度が高いと推定されたキーフレーズを示す。このため、トピック３０５の情報は、キーフレーズ３０４の情報よりも絞り込まれている場合もあり、あるいはキーフレーズ３０４の情報と同じ場合もある。なお、相談者の相談者デモグラフィック情報３０３およびキーフレーズ３０４の情報は、装置１０によって学習され、構造化学習データ１０８に格納される。

フィードバック情報３０６は、ＦＰとの相談結果のフィードバック情報を格納する。例えば、フィードバック情報３０６は、相談したＦＰのＦＰ識別子４０１や相談者の感想などの情報を格納する。

図２に戻って説明すると、ＦＰ情報１０７は、ＦＰの情報、特に、得意分野や人生経験の情報を格納する。図４は、本発明の実施形態に係るＦＰ情報１０７のデータ構造の一例を示す図である。ＦＰ情報１０７は、ＦＰ識別子４０１、ＦＰ基本情報４０２、得意分野４０３、および人生経験４０４を含むことができるが、これらのデータ項目に限定されることはなく他のデータ項目も含むことが可能である。

ＦＰ識別子４０１は、ＦＰを識別する識別子である。ＦＰ基本情報４０２は、氏名、所属先、連絡先などの情報を示す。得意分野４０３は、ＦＰの得意分野、例えば、相続、マイホーム購入・住宅ローン、金融商品、などを示す。人生経験４０４は、ＦＰ自身の人生経験、例えば、子供の有無、マイホーム取得の有無、投資経験の有無などを示す。

図２に戻って説明すると、構造化学習データ１０８は、装置１０によって収集され、学習されたデモグラフィック情報およびキーフレーズの構造化データを格納する。構造化学習データ１０８は、装置１０によって外部システム１３から収集されたデータに基づいてデモグラフィック情報ごとに集計されたキーフレーズから生成された構造化データであってよい。図５は、構造化データのイメージを示す図である。図５では、デモグラフィック情報の個々の情報と各キーフレーズとが異なる重みで相関付けられていることが示されている。なお、図５に示されている構造化データは単なる例示であって、デモグラフィック情報の属性は、ここに挙げたもの以外にも採用し得る（例えば、性別、年代など）。

（処理フロー：ＦＰレコメンド処理および機械学習処理）
図６は、装置１０によって実行されるＦＰレコメンド処理および機械学習処理を説明する図である。本処理フローを参照しながら、装置１０が、相談者端末１１から相談者の情報を受信し、その情報からキーフレーズを抽出し、構造化データを参照することによりトピックを推定し、得られたトピックに適したＦＰをレコメンドする処理を説明する。

また、本処理フローを参照しながら、装置１０が、相談者のデモグラフィック情報および抽出されたキーフレーズを構造化データとして機械学習する処理を説明する。

なお、本処理フローの前提として、相談者は、相談者端末１１を介して装置１０にアクセスし、認証処理が既に行われているものとする。

Ｓ６０１にて、装置１０は、相談者端末１１から、相談者によって入力された情報を受信する。受信された情報は、相談者受信情報３０２に格納される。相談者端末１１から受信した情報は、例えば、性別、年齢、配偶者・子供の有無、居住地域、職業、年収、保有金融資産、および相談内容などの情報である。

Ｓ６０２にて、装置１０は、相談者受信情報３０２に格納されている相談者情報を読み出し、所定のフォーマットにカテゴライズ（例えば、実際の年齢を年代に変更、居住地域を都道府県に変更、など）することにより、相談者のデモグラフィック情報を生成し、相談者デモグラフィック情報３０３に格納する。なお、所定のフォーマットは、生成するデモグラフィック情報に応じて変化し得る。

Ｓ６０３にて、装置１０は、ＰｏｓｉｔｉｏｎＲａｎｋおよびＥｍｂｅｄＲａｎｋの２つのアルゴリズムを使用して、相談者受信情報３０２から読み出した相談内容の文章（例えば、住宅ローンについて悩んでいる、貯蓄の額が〇〇で・・・、など）の情報に基づいて、キーフレーズを抽出する。抽出されたキーフレーズは、アルゴリズムの処理を通じて重み付けられている。

Ｓ６０４にて、装置１０は、相談者のデモグラフィック情報および抽出したキーフレーズを構造化学習データ１０８に格納することにより、機械学習する。構造化学習データ１０８は、新たに格納された相談者のデモグラフィック情報およびキーフレーズにより更新される。上述したように、デモグラフィック情報に関連付けられている各キーフレーズには重み付けがなされている。

Ｓ６０５にて、装置１０は、相談者のデモグラフィック情報と同じカテゴリーのデモグラフィック情報に関連付けられるキーフレーズを構造化学習データ１０８より読み出し、読み出したキーフレーズとＳ６０３にて抽出された相談者に関連付けられるキーフレーズとを比較することにより、トピックを推定する。

装置１０は、比較の結果、相談者に関連付けられるキーフレーズの重みの傾向が、相談者のデモグラフィック情報と同じカテゴリーのデモグラフィック情報に関連付けられるキーフレーズの重みの傾向と一致しているかどうかを判定する。例えば、東京都在住の２０代の男性というデモグラフィック情報において、住宅ローンの重みが２、貯蓄の重みが１であるケースで、相談者に関連付けられるキーフレーズのうち、住宅ローンの重みが２、貯蓄の重みが１である場合、両者は一致していると判定される。一致している場合、装置１０は、相談者に関連付けられるキーフレーズを相談のトピックとして推定する。推定されたトピックは、重みの高い順にソートされる。例えば、住宅ローンが２、貯蓄が２、医療費が１、健康保険が１、などである。

一方、一致していない場合、装置１０は、相違があったキーフレーズを識別可能なようにデータ処理する。例えば、相談者に関連付けられるキーフレーズでは、医療費の重みが３となっているが、同じデモグラフィック情報のキーフレーズでは、医療費の重みが１となっている場合、両者の重みが識別可能なように、例えば、医療費１（３）となるようにデータ処理される。すなわち、同一カテゴリーのデモグラフィック情報の重みをメイン表示とし、相談者によって入力された文章から導出されたキーフレーズの重みをサブ表示とすることができる。なお、この表示は、逆になっても構わない。本発明の他の実施形態では、一致していない場合、両者の差異が所定の値以上に離れている場合、相談者に関連付けられるキーフレーズのうち、当該キーフレーズはトピックとして採用されないことが可能である。

Ｓ６０６にて、装置１０は、Ｓ６０５にて推定されたトピックに基づいて、当該分野を得意分野とするＦＰのリストをＦＰ情報１０７から取得する。トピックは、相談者に関連付けられるキーフレーズの一部または全てを含むことができる。装置１０は、最も高い重みのトピックに相当する得意分野を持つＦＰを当該リストの中から順番に選択する（複数のＦＰが該当する場合、次に高い重みのトピックに相当する得意分野を持つＦＰを順番に選択する）。これにより、相談者にレコメンドするＦＰの候補順位を決定することができる。あるいは、装置１０は、各トピックに相当する得意分野の数が最も多いＦＰから順番に選択する。例えば、トピックが５個ある場合、経験値はノーマルであるが、５個とも対応可能な得意分野を有するＦＰと、経験値はエクセレントであるが、１個しか対応可能な得意分野がないＦＰとでは、前者の方がレコメンドされる順番が先となる。

装置１０は、順番が高い順に、ＦＰ端末１２に通知を行い、ＦＰ端末１２から相談受諾の返信を受信する。その後、装置１０は、相談者端末１１に相談受諾したＦＰをレコメンドする通知を行う。この通知において、ＦＰがレコメンドされる理由（例えば、〇〇の分野に強い、△△の経験が豊富、など）が通知されてもよい。相談者端末１１は、レコメンドされたＦＰとの相談を開始する場合、相談開始のシグナルを装置１０に送信し、装置１０が提供するチャットルームにてＦＰ端末１２との間でチャットを開始する。

また、装置１０は、ＦＰをレコメンドする際、ＦＰ情報１０７の人生経験４０４の情報を参照し、相談者の属性情報とより一致点の多いＦＰを優先的にレコメンドすることができる。例えば、結婚して子供がいる相談者が住宅購入について相談する場合、同じように、結婚して子供がおり、かつ既に住宅購入をしたことがあるＦＰの方が相談者のニーズをより掴み易くなる。

なお、レコメンドしたＦＰがすぐに相談対応できない場合、装置１０は、所定の時間以内にＦＰから連絡する旨を相談者端末１１に通知することができる。

（処理フロー：トピック変更処理）
図７は、装置１０によって実行されるトピック変更処理を説明する図である。本処理フローを参照しながら、装置１０が、相談者とＦＰの間で行われているチャットの内容に基づいて、トピックを変更する処理を説明する。

Ｓ７０１にて、装置１０は、相談者とＦＰの間で行われているチャットの文章を読み出す。読み出された文章は、主記憶部１０２に格納されてよい。

Ｓ７０２にて、装置１０は、Ｓ７０１にて読み出した文章の情報に基づいて、ＰｏｓｉｔｉｏｎＲａｎｋおよびＥｍｂｅｄＲａｎｋのアルゴリズムの２つのアルゴリズムを使用して、新たにキーフレーズを抽出する。抽出された新たなキーフレーズは、読み出した文章の内容に応じて重み付けられている。

Ｓ７０３にて、装置１０は、相談者のデモグラフィック情報および抽出した新たなキーフレーズを構造化学習データ１０８に格納することにより、機械学習する。構造化学習データ１０８は、新たに格納された相談者のデモグラフィック情報および新たなキーフレーズにより更新される。

Ｓ７０４にて、装置１０は、Ｓ７０２にて抽出された相談者に関連付けられる新たなキーフレーズを、相談者が興味、関心があるトピックであると推定する。推定されたトピックは、相談者とＦＰの間で交わされた会話の内容から、相談者の潜在的なニーズが引き出されたと判定されたものである。

Ｓ７０５にて、装置１０は、Ｓ７０４にて推定されたトピックを、相談者とＦＰの間で行われているチャットルームの画面上に表示する。図８は、チャットルームの画面８００の一例を示す図である。画面８００には、相談者とＦＰの間で行われているチャットの内容と、相談者のデモグラフィック情報８０１と、トピック８０２が表示されている。装置１０は、Ｓ７０４にて推定されたトピックに基づいて、トピック８０２の情報を変更することができる。これにより、ＦＰは、相談者の発言内容から、相談者の潜在的なニーズを知ることができ、よりユーザ満足度の高い相談を行うことができるようになる。

装置１０は、変更前のトピックと変更後のトピックを並列して表示することもでき、あるいは、変更後のトピックのみを表示するようにしてもよい。また、トピック８０２は、ＦＰのみによって参照される情報であるが、相談者が参照できるように構成されていてもよい。

図７を参照しながら説明したトピック変更処理は、予め定められたタイミング（例えば、相談者とＦＰの会話がＮ回（Ｎは自然数）行われた時、など）で繰り返し実行されてよい。

上述したような処理によって、装置１０は、相談者が抱える潜在的なニーズを抽出することができ、それによって、より適切なＦＰからの助言を相談者に提供することができるようになる。さらに、付随する効果として、ＦＰとの相談内容に対する相談者の満足度が高まる結果、チャットの後に実際にＦＰに会って相談するユーザの割合が高まるという効果が得られる。

相談者は、相談者端末１１を使用して、ＦＰとの相談結果のフィードバックを装置１０に提供することができる。装置１０は、提供されたフィードバックをフィードバック情報３０６に格納することができる。さらに、ＦＰおよび／または相談者は、実際に対面相談を行った場合には、面談情報を装置１０にフィードバックすることができる。フィードバックされた面談情報は、装置１０によって、フィードバック情報３０６に格納されることができる。

以上、例示的な実施形態を参照しながら本発明の原理を説明したが、本発明の要旨を逸脱することなく、構成および細部において変更する様々な実施形態を実現可能であることを当業者は理解するだろう。すなわち、本発明は、例えば、システム、装置、方法、プログラムもしくは記憶媒体等としての実施態様をとることが可能である。

１０ 装置
１１ 相談者端末
１２ ＦＰ端末
１３ 外部システム
１０１ 制御部
１０２ 主記憶部
１０３ 補助記憶部
１０４ インターフェース（ＩＦ）部
１０５ 出力部
１０６ 相談者情報
１０７ ＦＰ情報
１０８ 構造化学習データ

Claims (12)

1. ユーザと専門家のマッチングのためのマッチング装置であって、
   前記ユーザに関連付けられる第１の端末装置から、ユーザ情報を受信し、
   受信した前記ユーザ情報を所定のフォーマットにカテゴライズすることにより、前記ユーザのデモグラフィック情報を生成し、
   受信した前記ユーザ情報に含まれる相談内容の情報に基づいて、予め定められたアルゴリズムを使用して、第１の重み付きキーフレーズを抽出し、
   前記ユーザのデモグラフィック情報と同じカテゴリーのデモグラフィック情報に関連付けられる第２の重み付きキーフレーズを学習済みデータから読み出し、前記第１の重み付きキーフレーズと前記第２の重み付きキーフレーズとを比較してトピックを推定し、
   推定された前記トピックに関連付けられる前記専門家のリストを取得し、
   取得された前記専門家のリストの中から、予め定められた基準にしたがって専門家を選択し、
   選択された前記専門家を前記ユーザにレコメンドする
   ように構成されたマッチング装置。
2. 前記マッチング装置は、前記ユーザとレコメンドされた前記専門家とがチャットを行うためのチャットルームを提供するようにさらに構成される、請求項１のマッチング装置。
3. 前記マッチング装置は、
   前記ユーザと前記専門家との間で行われている前記チャットの情報を読み出し、
   読み出した前記チャットの情報に基づいて、前記予め定められたアルゴリズムを使用して、前記ユーザに関連付けられる第３の重み付きキーフレーズを抽出し、
   前記第３の重み付きキーフレーズを前記チャットルームに表示する
   ようにさらに構成される、請求項２のマッチング装置。
4. 前記マッチング装置は、前記ユーザのデモグラフィック情報および前記第１の重み付きキーフレーズを前記学習済みデータに格納することにより機械学習し、更新された前記学習済みデータを生成するようにさらに構成される、請求項１のマッチング装置。
5. 前記比較することは、前記第１の重み付きキーフレーズのそれぞれの重みの傾向と前記第２の重み付きキーフレーズの重みの傾向が一致しているかどうかを判定することによって行われる、請求項１のマッチング装置。
6. 一致していると判定された場合、前記第１の重み付きキーフレーズを前記トピックとして推定するようにさらに構成される、請求項５のマッチング装置。
7. 一致していないと判定された場合、一致していないキーフレーズを識別可能なようにデータ処理するようにさらに構成される、請求項５のマッチング装置。
8. 前記予め定められた基準にしたがって前記専門家を選択することは、前記専門家の得意分野の情報に少なくとも基づいて実行される、請求項１のマッチング装置。
9. 前記マッチング装置は、前記ユーザの属性情報と一致点の多い前記専門家を優先的にレコメンドするようにさらに構成される、請求項１のマッチング装置。
10. 前記マッチング装置は、
    前記ユーザに関連付けられる前記第１の端末装置から、および／または前記専門家に関連付けられる第２の端末装置から、フィードバック情報を受信するようにさらに構成される、請求項１のマッチング装置。
11. 予め定められた前記アルゴリズムは、ＰｏｓｉｔｉｏｎＲａｎｋおよびＥｍｂｅｄＲａｎｋのアルゴリズムの両方である、請求項１のマッチング装置。
12. ユーザと専門家のマッチングのためのマッチング装置によって実行されるマッチング方法であって、
    前記ユーザに関連付けられる第１の端末装置から、ユーザ情報を受信することと、
    受信した前記ユーザ情報を所定のフォーマットにカテゴライズすることにより、前記ユーザのデモグラフィック情報を生成することと、
    受信した前記ユーザ情報に含まれる相談内容の情報に基づいて、予め定められたアルゴリズムを使用して、第１の重み付きキーフレーズを抽出することと、
    前記ユーザのデモグラフィック情報と同じカテゴリーのデモグラフィック情報に関連付けられる第２の重み付きキーフレーズを学習済みデータから読み出し、前記第１の重み付きキーフレーズと前記第２の重み付きキーフレーズとを比較してトピックを推定することと、
    推定された前記トピックに関連付けられる前記専門家のリストを取得することと、
    取得された前記専門家のリストの中から、予め定められた基準にしたがって専門家を選択することと、
    選択された前記専門家を前記ユーザにレコメンドすることと
    を備えるマッチング方法。

Images