JP2021022279A

JP2021022279A - 情報処理装置、情報処理方法およびプログラム

Info

Publication number: JP2021022279A
Application number: JP2019139636A
Authority: JP
Inventors: 茂樹川森; Shigeki Kawamori
Original assignee: NTT Data Corp
Current assignee: NTT Data Group Corp
Priority date: 2019-07-30
Filing date: 2019-07-30
Publication date: 2021-02-18

Abstract

【課題】ブロック上に格納されたトランザクションデータを好適に活用する。【解決手段】情報処理装置は、トランザクションが発生したことに基づいて、ネットワーク内に構築されるハッシュチェーンで連結されるデータブロックに、トランザクションのデータを格納する。そして、格納されたトランザクションのデータのうち、所定のトランザクションのデータを抽出し、抽出したトランザクションのデータにより特定される取引対象のうちの特定の取引対象を推薦対象者とし、推薦対象者に関連する全ての取引対象について、トランザクションのデータに基づき予め定められた演算を行う。そして演算手段による演算結果の値を、予め設定された条件に応じて増減させ推薦対象者の好みに対応する対象を推薦する。【選択図】図１４

Description

本発明は、情報処理装置、情報処理方法およびプログラムに関する。

近年、ビットコイン（登録商標）等の仮想通貨を用いた商取引が行われている。当該仮想通貨を用いた商取引では、中央集権的な管理を必要とせずに不正を防止するため、ブロックチェーンと呼ばれる技術が用いられている。ブロックチェーンでは、複数のトランザクションデータ、直前のハッシュ値及びその他の情報を「ブロック」として定義し、参加者全体で形成されるネットワーク内での合意形成のプロセスによって当該「ブロック」内の情報の信頼性を担保している。しかしながら、このようなブロックチェーンの技術により仮想通貨の商取引を行う場合、１秒あたりに処理可能な件数が少ないといった問題がある。

このような問題に対応するため、例えば非特許文献１には、ハッシュグラフと呼ばれる技術が開示されている。

"ブロックチェーンを超える技術が存在！分散型台帳「Hashgraph」とは？"、［Online］、［平成30年9月3日検索］、インターネット<URL：https://coin-otaku.com/topic/7754>

非特許文献１に開示されているハッシュグラフの技術では、ランダムに選ばれた一部のユーザの承認によりトランザクションデータの記録を行うことから、ブロックチェーンの技術を用いた処理よりも高速な処理が実現可能となる。しかしながら、複数のトランザクションデータを時系列に格納したブロックを複数つないでいく点ではいずれの技術も共通であり、ブロック上に格納したトランザクションデータを好適に活用するという面からすると未だ十分ではなかった。

本発明は、上述のような事情に鑑みてなされたものであり、ブロック上に格納されたトランザクションデータを好適に活用することができる情報処理装置、情報処理方法およびプログラムを提供することを目的としている。

上記目的を達成するため、本発明の第１の観点に係る情報処理装置は、
トランザクションが発生したことに基づいて、ネットワーク内に構築されるハッシュチェーンで連結されるデータブロックに、前記トランザクションのデータを格納するデータ格納手段と、
前記データ格納手段に格納された前記トランザクションのデータのうち、所定の前記トランザクションのデータを抽出する抽出手段と、
前記抽出手段で抽出した前記トランザクションのデータに基づいて、予め定められた演算を行う演算手段と、
前記演算手段による演算結果の値を増減させる増減手段と、
前記増減手段による増減後の値に応じて、推薦対象者の好みに対応する推薦先を推薦する推薦手段と、を備え、
前記トランザクションのデータには、前記トランザクションの取引対象を特定する情報が含まれ、
前記演算手段は、前記抽出手段で抽出した前記トランザクションのデータにより特定される前記取引対象のうちの特定の前記取引対象を前記推薦対象者とし、前記推薦対象者に関連する全ての前記取引対象について、前記トランザクションのデータに基づき前記予め定められた演算を行い、
前記増減手段は、前記演算手段による演算結果の値を、予め設定された条件に応じて増減させる、
ことを特徴とする。

前記抽出手段は、前記データ格納手段に前記トランザクションのデータが新たに格納された場合、該トランザクションのデータを新たに抽出し、
前記演算手段は、前記抽出手段で新たに抽出した前記トランザクションのデータにより特定される前記取引対象を前記推薦対象者とし、前記推薦対象者に関連する全ての前記取引対象について、前記トランザクションのデータに基づき前記予め定められた演算を行うことで、前記演算手段により既に行われた演算結果の値を更新する、
ようにしてもよい。

前記演算手段は、前記予め定められた演算として、前記推薦対象者に初期値を割り振り、前記推薦対象者に関連する全ての前記取引対象について、前記初期値を基準に、前記トランザクションのデータにより算出される重みを乗じた値を算出する、
ようにしてもよい。

前記予め設定された条件には、時間的条件および前記推薦先に空席があるか否かの空席条件が含まれ、
前記増減手段は、少なくとも前記時間的条件および前記空席条件のいずれかに基づいて前記演算結果の値を増減させる、
ようにしてもよい。

前記推薦先に空席があるか否かの空席条件を判定する空席条件判定手段をさらに備え、
前記増減手段は、前記空席条件判定手段により前記推薦先に空席がないと判定した場合、所定時間後に前記推薦先が空席となるか否かを、前記トランザクションのデータに基づいて予想し、予想結果に応じて前記演算結果の値を増減させる、
ようにしてもよい。

前記抽出手段で抽出した前記トランザクションデータに基づいて、前記取引対象の行動連続性を判定する行動連続性判定手段をさらに備え、
前記増減手段は、前記予め設定された条件として前記行動連続性判定手段による判定結果を反映させる設定がなされている場合、前記判定結果に応じて前記演算結果の値を増減させる、
ようにしてもよい。

上記目的を達成するため、本発明の第２の観点に係る情報処理方法は、
情報処理装置における情報処理方法であって、
トランザクションが発生したことに基づいて、ネットワーク内に構築されるハッシュチェーンで連結されるデータブロックに、前記トランザクションのデータを格納するデータ格納ステップと、
前記データ格納ステップで格納された前記トランザクションのデータのうち、所定の前記トランザクションのデータを抽出する抽出ステップと、
前記抽出ステップで抽出した前記トランザクションのデータに基づいて、予め定められた演算を行う演算ステップと、
前記演算ステップによる演算結果の値を増減させる増減ステップと、
前記増減ステップによる増減後の値に応じて、推薦対象者の好みに対応する推薦先を推薦する推薦ステップと、を備え、
前記トランザクションのデータには、前記トランザクションの取引対象を特定する情報が含まれ、
前記演算ステップでは、前記抽出ステップで抽出した前記トランザクションのデータにより特定される前記取引対象のうちの特定の前記取引対象を前記推薦対象者とし、前記推薦対象者に関連する全ての前記取引対象について、前記トランザクションのデータに基づき前記予め定められた演算を行い、
前記増減ステップは、前記演算ステップによる演算結果の値を、予め設定された条件に応じて増減させる、
ことを特徴とする。

上記目的を達成するため、本発明の第３の観点に係るプログラムは、
コンピュータを、
トランザクションが発生したことに基づいて、ネットワーク内に構築されるハッシュチェーンで連結されるデータブロックに、前記トランザクションのデータを格納するデータ格納手段、
前記データ格納手段に格納された前記トランザクションのデータのうち、所定の前記トランザクションのデータを抽出する抽出手段、
前記抽出手段で抽出した前記トランザクションのデータに基づいて、予め定められた演算を行う演算手段、
前記演算手段による演算結果の値を増減させる増減手段、
前記増減手段による増減後の値に応じて、推薦対象者の好みに対応する推薦先を推薦する推薦手段、として機能させ、
前記トランザクションのデータには、前記トランザクションの取引対象を特定する情報が含まれ、
前記演算手段は、前記抽出手段で抽出した前記トランザクションのデータにより特定される前記取引対象のうちの特定の前記取引対象を前記推薦対象者とし、前記推薦対象者に関連する全ての前記取引対象について、前記トランザクションのデータに基づき前記予め定められた演算を行い、
前記増減手段は、前記演算手段による演算結果の値を、予め設定された条件に応じて増減させる、
ことを特徴とする。

本発明によれば、ブロック上に格納されたトランザクションデータを好適に活用することができる。

本発明の実施形態に係る情報処理システムの一例を示すブロック図である。本発明の実施形態に係る情報処理装置の一例を示すブロック図である。初期登録処理の一例を示すフローチャートである。データブロック登録処理の一例を示すフローチャートである。（Ａ）はハッシュチェーンの構成例を示す図、（Ｂ）は新たなデータブロックが連結されたハッシュチェーンの構成例を示す図である。発生したトランザクションの一例を示す図である。ハッシュチェーンの登録内容の例を示す図である。ハッシュチェーンの登録内容の例を示す図である。グラフ生成処理の一例を示すフローチャートである。（Ａ）および（Ｂ）は重みの算出例を説明するための説明図である。グラフ生成処理により生成される有向二部グラフの一例を示す図である。レコメンド処理の一例を示すフローチャートである。レコメンド値算出処理の一例を示すフローチャートである。レコメンド対象決定処理の一例を示すフローチャートである。レコメンド値を算出する場合における説明図である。レコメンド値を算出する場合における説明図である。店舗２のハッシュチェーンの登録内容と席数の例を示す図である。レコメンド値を算出する場合における説明図である。レコメンド値を算出する場合における説明図である。店舗２に着目した場合における各顧客のハッシュチェーンの登録内容の例を示す図である。レコメンド対象決定処理の一例を示すフローチャートである。

本発明における情報処理装置１００を、図１に示す情報処理システム１に適用した例を用いて説明する。情報処理システム１では、図１に示すように、情報処理装置１００Ａ〜１００Ｃ（情報処理装置１００Ａ〜１００Ｃを単に情報処理装置１００ともいう）、顧客Ａ〜Ｄの端末１００Ｄのそれぞれがネットワーク２１０を介して通信可能に接続されている。なお、顧客Ａ〜Ｄの端末１００Ｄは、それぞれ単体で情報処理装置１００としても機能することが可能であるが、理解を容易にするため、この実施の形態では、これらを情報処理装置１００と区別して説明する。

情報処理装置１００は、携帯電話やスマートフォン、タブレットやＰＣ（ＰｅｒｓｏｎａｌＣｏｍｐｕｔｅｒ）等の情報端末（所謂コンピュータ）であり、Ｐ２Ｐ（ＰｅｅｒｔｏＰｅｅｒ）等の分散型のネットワーク２１０を構築している。なお、情報処理システム１は、Ｐ２Ｐ型のシステムに限られず、例えばクラウドコンピューティング型であってもよい。

情報処理装置１００は、例えば、顧客Ｃが店舗２に入店した、などといった、顧客と店舗等（店舗や移動手段など）との間で発生した事象を示すデータ（トランザクションデータ）をネットワーク２１０から受信したことに基づいて、新たなデータブロックを生成して当該受信データを格納し、既存のハッシュチェーンに連結する、ハッシュチェーン登録装置として機能する。この実施の形態では、当該トランザクションの発生は、顧客が所有するクーポンを入店時に使用したことや、会計を行ったこと等により行われることとしている。具体的には、顧客の端末１００Ｄに表示されたクーポンを店舗側が読み取ることにより当該顧客が当該店舗に入店したというトランザクションデータが新たなデータブロックに登録され、会計を行ったタイミングにおいて、退店したというトランザクションデータが新たなデータブロックに登録されればよい。なお、移動手段についても同様に、乗車時と会計時とで利用開始と終了を示すトランザクションデータがそれぞれ登録されればよい。

なお、上述したように、顧客Ａ〜Ｄの端末１００Ｄが情報処理装置１００として機能することもあることから、情報処理装置１００は、トランザクションデータを生成し、ネットワーク２１０へ配信する機能を有するトランザクション生成装置として機能することもある。ハッシュチェーン登録装置にて登録された内容は、ネットワーク２１０を介して、各情報処理装置１００で共有される。また、通常、一定数のトランザクションデータが一つのデータブロックに格納される（一定数のトランザクションデータをひとまとめにして一つのブロックに格納する）が、この実施の形態では、理解を容易にするため、一つのトランザクションデータが一つのデータブロックに格納されるものとする。

この実施の形態において、顧客と店舗等（店舗や移動手段など）との間で発生した事象により生成された（端末１００Ｄがトランザクション生成装置として機能して生成された）トランザクションデータは、データブロックと呼ばれる一つの単位に格納され、当該データブロックを時系列に連結したそれぞれの種別のハッシュチェーンによって管理される。例えば、顧客Ｃが店舗２に入店した、といった事象のトランザクションデータは、顧客Ｃの種別のハッシュチェーンおよび店舗２の種別のハッシュチェーンとに、それぞれ新たなデータブロックとして同内容のデータが登録されて管理される。

また、この実施の形態における情報処理装置１００は、各種別のハッシュチェーンに含まれるデータブロックから、ユーザにより指定された登録データを対象として、対象となる顧客に対し、おすすめの店舗等を提示するレコメンド装置としても機能する。

この実施の形態における情報処理装置１００のレコメンド装置としての機能は、詳しくは後述するが、複数登録されたデータブロックから、対象となるトランザクションデータを抽出して所定の演算を行うとともに、有向二部グラフを生成してレコメンド値を算出することで、対象となる顧客に対し、おすすめの店舗等を提示する。なお、レコメンド値をそのまま用いておすすめの店舗を顧客に提示すると、満席の店舗を提示してしまうことがある（移動手段についても同様）。そのため、この実施の形態ではこのようなことを防止して、より適格な店舗を提示できるよう、店舗側のリアルタイムの空席状況を判定し、レコメンド値と判定結果に基づいて、おすすめの店舗を提示する。

次に、図２を参照し、この実施の形態における情報処理装置１００の構成について説明する。なお、図示する例では、情報処理装置１００Ａを例としているが、情報処理装置１００Ｂおよび１００Ｃ、端末１００Ｄが情報処理装置１００として機能する場合についても同様であるため、説明は省略する。なお、図示は省略しているが、トランザクション生成装置としての機能を有する機能部が設けられていてもよい。

図２に示すように、情報処理装置１００Ａ（以下、情報処理装置１００）は、記憶部１１０と、制御部１２０と、入出力部１３０と、通信部１４０と、これらを相互に接続するシステムバス（図示省略）と、を備えている。

記憶部１１０は、ＲＯＭ（ＲｅａｄＯｎｌｙＭｅｍｏｒｙ)やＲＡＭ（ＲａｎｄｏｍＡｃｃｅｓｓＭｅｍｏｒｙ）等を備える。ＲＯＭは制御部１２０のＣＰＵ（ＣｅｎｔｒａｌＰｒｏｃｅｓｓｉｎｇＵｎｉｔ）が実行するプログラム及び、プログラムを実行する上で予め必要なデータを記憶する（図示省略）。具体的に、この実施の形態では、当該情報処理装置１００を、ハッシュチェーン登録装置およびレコメンド装置として機能させるためのプログラムが、予めインストールされている。ＲＡＭは、プログラム実行中に作成されたり変更されたりするデータを記憶する。記憶部１１０は、制御部１２０が実行するプログラムが用いる主要な情報として、各種別のハッシュチェーン１１１を記憶する。

各種別のハッシュチェーン１１１は、例えば、顧客Ａ〜Ｄ、店舗１〜３、移動手段１といった、それぞれの種別に対応するハッシュチェーンであり、それぞれのハッシュチェーンは、トランザクションデータが格納されたデータブロックが連結されたものである。各種別のハッシュチェーン１１１は、後述するデータブロック登録処理にて当該記憶部１１０に記憶され、後述するグラフ生成処理やレコメンド処理により参照される。

制御部１２０は、ＣＰＵやＡＳＩＣ（ＡｐｐｌｉｃａｔｉｏｎＳｐｅｃｉｆｉｃＩｎｔｅｇｒａｔｅｄＣｉｒｃｕｉｔ）等から構成される。制御部１２０は、記憶部１１０に記憶されたプログラムに従って動作し、当該プログラムに従った処理を実行する。制御部１２０は、記憶部１１０に記憶されたプログラムにより提供される主要な機能部として、初期登録部１２１と、同期処理部１２２と、データブロック登録部１２３と、データ取得部１２４と、グラフ生成部１２５と、レコメンド処理部１２６と、を備える。

初期登録部１２１は、ユーザの入出力部１３０に対する操作や、通信部１４０を介して受信した要求に基づいて、新たな種別のハッシュチェーンを生成するために必要な初期情報を登録する機能を実現する機能部である。詳しくは後述するが、初期登録部１２１は、例えば、顧客Ｃの種別のハッシュチェーンを生成するために必要な初期情報として、顧客Ｃのアドレス、インデックス値などを登録する機能（すなわち、後述するハッシュチェーンの土台情報を登録する機能）を有している。

同期処理部１２２は、当該情報処理装置１００に記憶された各種別のハッシュチェーンと、他の情報処理装置１００に記憶された各種別のハッシュチェーンとを同期する機能を実現する機能部である。詳しくは後述するが、同期処理部１２２は、後述するデータブロック登録処理にてトランザクションデータを当該情報処理装置１００におけるデータブロックに登録する前と後に、他の情報処理装置１００と同期する機能を有している。また、同期処理部１２２は、後述する初期登録処理において他の情報処理装置１００へ、ハッシュチェーンの土台情報を同期させる機能を有している。

データブロック登録部１２３は、発生したトランザクションのトランザクションデータを含むデータブロックを、当該情報処理装置１００の各種別のハッシュチェーン１１１のうち、対応する種別のハッシュチェーンに追加する機能を実現する機能部である。詳しくは後述するが、データブロック登録部１２３は、例えば、顧客Ｃが店舗２を訪れた場合、顧客Ｃと店舗２のそれぞれの種別のハッシュチェーンに、当該内容（トランザクションデータ）を、新たなデータブロックとして登録する機能を有している。

データ取得部１２４は、ユーザの指定に基づいて、登録された各種別のハッシュチェーン１１１に含まれるデータブロックに含まれるトランザクションデータを取得する機能を実現する機能部である。

グラフ生成部１２５は、データ取得部１２４により取得したトランザクションデータに基づいて有向二部グラフを生成する機能を実現する機能部である。

レコメンド処理部１２６は、グラフ生成部１２５により生成された有向二部グラフを編成し、レコメンド対象者に対しおすすめの店舗等を提示する機能を実現する機能部である。

これら各機能部が協働して、当該情報処理装置１００をハッシュチェーン登録装置およびレコメンド装置として機能させる。

入出力部１３０は、キーボード、マウス、カメラ、マイク、液晶ディスプレイ、有機ＥＬ（Ｅｌｅｃｔｒｏ−Ｌｕｍｉｎｅｓｃｅｎｃｅ）ディスプレイ等から構成され、データの入出力を行うための装置である。

通信部１４０は、他の情報処理装置１００や顧客Ａ〜Ｄの端末１００とネットワーク２１０を介して通信を行うためのデバイスである。

以上が、情報処理装置１００の構成である。続いて情報処理装置１００の動作などについて、図３〜図１９を参照して説明する。まず、ハッシュチェーン登録装置として機能した場合における情報処理装置１００の動作について、図３〜図７を参照して説明する。

まず、ユーザの入出力部１３０に対する操作（入力操作）や、端末１００Ｄから受信した要求（登録要求）に基づいて、図３に示す初期登録処理が行われる。初期登録処理は、新たな種別のハッシュチェーンを生成するために必要な初期情報を登録する処理である。この例では、理解を容易にするため、顧客Ｃについての初期登録を行う場合について説明する。初期登録処理を開始すると、情報処理装置１００は、初期登録部１２１の機能により、種別データを生成する（ステップＳ１０１）。具体的に、ステップＳ１０１では、入力操作や登録要求に含まれる、種別情報である顧客Ｃの情報および顧客Ｃのアドレスを、顧客Ｃの種別のハッシュチェーンを生成するための情報として、記憶部１１０へ登録する。なお、当該情報は、各種別のハッシュチェーン１１１のうちの顧客Ｃの種別のハッシュチェーンとして登録されればよい。また、種別情報は登録せず、アドレスのみ登録するようにしてもよい。なお、この実施の形態では、顧客Ａ〜Ｄのアドレスをそれぞれ０１〜０４、店舗１〜３のアドレスをＸ１〜Ｘ３、移動手段１のアドレスをＸ４としている。

次に、情報処理装置１００は、初期登録部１２１の機能により、登録した顧客Ｃの種別のハッシュチェーンのインデックス値に、初期値である「０」を登録する（ステップＳ１０２）。インデックス値が「０」であることは、当該ハッシュチェーンが初期状態であること（何らデータブロックが登録されていない状態であること）を示している。すなわち、ステップＳ１０１およびステップＳ１０２の処理では、データブロックがチェーンで連結されてはいないものの、データブロックが未登録のハッシュチェーン（ハッシュチェーンの土台情報）が生成されていると言える。なお、この状態では、データブロックがチェーンで連結されていないため、データを削除でき、また、削除したことを検証することができない、といった問題がある。そこで、対改ざん性を高めるため、ランダムで選択したハッシュチェーンに対して特別なトランザクションを発生させ、インデックス値が「０」のデータブロックをチェーンで連結する処理を行うようにしてもよい。

ステップＳ１０２の処理を実行した後、情報処理装置１００は、同期処理部１２２の機能により、他の情報処理装置１００へ、当該内容を登録し（ステップＳ１０３）、初期登録処理を終了する。具体的に、ステップＳ１０３では、当該情報処理装置１００における顧客Ｃの種別のハッシュチェーン（ハッシュチェーンの土台情報）の内容を、他の情報処理装置１００の記憶部１１０における各種別のハッシュチェーン１１１へコピーする。これにより、全ての情報処理装置１００において顧客Ｃの種別のハッシュチェーン（ハッシュチェーンの土台情報）が共有されることとなる。

次に、発生したトランザクションについて、当該トランザクションデータを対応する種別のハッシュチェーンのデータブロックへ登録するデータブロック登録処理について説明する。当該データブロック登録処理は、発生したトランザクションに対応するトランザクションデータを受信することにより実行される。トランザクションデータは、端末１００Ｄにより受信するものであるが、入出力部１３０に入力されてもよい。なお、この実施の形態では、上述したように、一つのトランザクションにつき一つのデータブロックが作成され登録されることから、当該データブロック登録処理は、登録すべきトランザクションの数が複数ある場合、繰り返し実行されることとなる。

図４は、データブロック登録処理の一例を示すフローチャートである。この例では、理解を容易にするため、顧客Ｃが店舗２に入店したというトランザクションが発生した場合のデータブロック登録処理（図５（Ａ）の状態から（Ｂ）の状態へと移行する場合）について説明する。

顧客Ｃが店舗２に入店したというトランザクションが発生すると、これに対応するトランザクションデータが顧客Ｃの端末１００Ｄから送信される。これにより、情報処理装置１００は、データブロック登録部１２３の機能により、データブロック登録処理を開始する。なお、例えば、顧客Ｃの端末１００Ｄと、店舗２の端末の両方から同内容のトランザクションデータを受信することをもってデータブロック登録処理を開始するようにしてもよい。この場合、異なる内容のトランザクションデータを受信した場合には、エラーを出力するようにしてもよい。

データブロック登録処理を開始すると、情報処理装置１００は、まず、同期処理部１２２の機能により、当該情報処理装置１００における対象のハッシュチェーンと、他の情報処理装置１００における対象のハッシュチェーンとが、同期しているか否かを判定する（ステップＳ２０１）。具体的に、この例におけるステップＳ２０１の処理では、各種別のハッシュチェーン１１１のうち、顧客Ｃの種別のハッシュチェーンに含まれる最新のデータブロックのインデックス値とハッシュ値、および店舗２の種別のハッシュチェーンに含まれる最新のデータブロックのインデックス値とハッシュ値とが、他の全ての情報処理装置１００に記憶されたものと同一であるか否かを判定することで、同期しているか否かを判定する。

図５（Ａ）に示す例を用いて説明すると、当該情報処理装置１００（トランザクションデータを受信した情報処理装置１００のことをいう、以下同様）の各種別のハッシュチェーン１１１のうち、顧客Ｃのハッシュチェーンには、インデックス値「Ｎ−１」のデータブロックが最新のデータブロックとして登録されており、店舗２のハッシュチェーンには、インデックス値「Ｚ−１」のデータブロックが最新のデータブロックとして登録されている。なお、図示するように、この実施の形態におけるハッシュチェーンのデータブロック（第ｍのデータブロック）には、登録データ（トランザクションデータ）と、現在のハッシュチェーンの末尾（１つ前）のデータブロック（第ｍ−１のデータブロック）のハッシュ値（２５６ビット）が含まれる点は、従来のブロックチェーンの仕組みと同様である。また、データブロックには、例えば、当該データブロックに登録データが登録された日時を示すタイムスタンプなどの分析用付加データが含まれる（図示省略）点についても、従来のブロックチェーンの仕組みと同様である。

図４のステップＳ２０１の処理では、インデックス値「Ｎ−１」と当該Ｎ−１のハッシュ値、およびインデックス値「Ｚ−１」と当該Ｚ−１のハッシュ値が、他の全ての情報処理装置１００に記憶されているものと一致するか否かを判定することで、同期しているか否かを判定する。例えば、インデックス値「Ｎ」と当該Ｎのハッシュ値が記憶されている情報処理装置１００が存在する場合には、当該情報処理装置１００に記憶されている顧客Ｃの種別のハッシュチェーンの情報が古いと判定する（インデックス値「Ｚ」および当該Ｚのハッシュ値の場合には店舗２の種別のハッシュチェーン）。一方、インデックス値「Ｎ−２」と当該Ｎ−２のハッシュ値が記憶されている情報処理装置１００が存在する場合には、その情報処理装置１００に記憶されている顧客Ｃの種別のハッシュチェーンの情報が古いと判定する（インデックス値「Ｚ−２」および当該Ｚ−２のハッシュ値の場合には店舗２の種別のハッシュチェーン）。

同期していない場合（ステップＳ２０１；Ｎｏ）、情報処理装置１００は、同期処理部１２２の機能により、最新のハッシュチェーンの内容を、古いと判定したハッシュチェーンが登録されている情報処理装置１００へコピーする同期処理を実行する（ステップＳ２０２）。なお、ステップＳ２０２の処理では、ハッシュチェーン全体をコピーしてもよいし、不足しているデータブロックのみ（インデックス値やハッシュ値も含む）コピーしてもよい。

ステップＳ２０１にて同期していると判定した場合（ステップＳ２０１；Ｙｅｓ）、またはステップＳ２０２の処理を実行した場合、情報処理装置１００は、対象のハッシュチェーンに同一の登録データを格納したデータブロックをそれぞれ追加する（ステップＳ２０３）。なお、上述したように、新たなデータブロック（第ｍのデータブロック）をハッシュチェーンに追加する場合、登録データ（トランザクションデータ）と、現在のハッシュチェーンの末尾（１つ前）のデータブロック（第ｍ−１のデータブロック）のハッシュ値（２５６ビット）をデータブロックに格納し、現在のハッシュチェーンの末尾（１つ前）のデータブロック（第ｍ−１のデータブロック）に連結する点は、従来のブロックチェーンの仕組みと同様である。

具体的に、ステップＳ２０３の処理では、図５（Ｂ）に示すように、顧客Ｃの種別のハッシュチェーンには、インデックス値「Ｎ」のデータブロックがインデックス値「Ｎ−１」のデータブロックに連結されるとともに、店舗２の種別のハッシュチェーンには、インデックス値「Ｚ」のデータブロックがインデックス値「Ｚ−１」のデータブロックに連結される。連結されるそれぞれのデータブロックは、同一のトランザクションデータが含まれる。具体的に、顧客Ｃが（Ｆｒｏｍ：０３）店舗２（Ｔｏ：Ｘ２）に入店したことを示す内容が登録される（退店した場合についても同様）。図示するように、「Ｆｒｏｍ」と「Ｔｏ」により、どの顧客がどの店舗を訪れたかが示される。なお、入店と退店とで同内容のデータブロックが登録されることから、例えば、店舗２の種別のハッシュチェーンに登録されたデータブロックを時系列に確認し、同内容のデータブロックの組以外の数を予め定められた席数から差し引くことで、リアルタイムの空席数を把握することができる。席数は、例えば図３の初期登録時に店舗等の種別のハッシュチェーンにおけるインデックス値「０」のデータブロックに登録されていればよい。また、この他にも、顧客が店舗にて商品を購入したことを示す場合には、価値の大きさを、例えばコインの移動量を示すデータをさらに登録することで示してもよい。なお、顧客Ｃの種別のハッシュチェーンにおけるインデックス値「Ｎ」のデータブロックには、Ｎ−１のハッシュ値が格納され、店舗２の種別のハッシュチェーンにおけるインデックス値「Ｚ」のデータブロックには、Ｚ−１のハッシュ値が格納される。このように、この実施の形態における情報処理装置１００は、対応するそれぞれのハッシュチェーンに、同一のトランザクションデータを追加する。

図４に戻り、ステップＳ２０３の処理を実行した後、情報処理装置１００は、同期処理部１２２の機能により、ステップＳ２０３にてデータブロックを追加した種別のハッシュチェーンを他の情報処理装置１００へ登録することにより、当該情報処理装置１００と他の情報処理装置１００とを同期してから（ステップＳ２０４）、データブロック登録処理を終了する。なお、ステップＳ２０４の処理では、当該情報処理装置１００における顧客Ｃおよび店舗２の種別のハッシュチェーンそれぞれの内容を、他の情報処理装置１００の記憶部１１０における各種別のハッシュチェーン１１１へコピーする。なお、ステップＳ２０５の処理では、ステップＳ２０２の処理と同様に、ハッシュチェーン全体をコピーしてもよいし、不足しているデータブロックのみ（インデックス値やハッシュ値も含む）コピーしてもよい。

このように、トランザクションが発生する度に、図４に示すデータブロック登録処理が行われ、トランザクションデータが対象のハッシュチェーンに登録されることとなる。例えば、図６に示すように、所定の日に１３個のトランザクションが発生した場合には、図４に示すデータブロック登録処理が１３回行われ、対象となる種別のハッシュチェーンにそれぞれのトランザクションデータが登録されることとなる。図７は、図６に示す１３個のトランザクションについて図４に示すデータブロック登録処理が１３回行われた場合におけるそれぞれのハッシュチェーンの登録内容を示している。なお、図７に示す例では、理解を容易にするため、各データブロックに格納されているハッシュ値や分析用付加データについては省略している。

具体的に、図６の１つ目のトランザクションに対応する顧客Ａが店舗１に入店したというトランザクションデータは、図４に示すデータブロック登録処理が行われることにより、図７に示す顧客Ａの種別のハッシュチェーンにおけるデータブロック（１）および店舗１の種別のハッシュチェーンにおけるデータブロック（１）に登録される。図６の２つ目のトランザクションに対応する顧客Ｂが店舗２に入店したというトランザクションデータは、図４に示すデータブロック登録処理が再度行われることにより、図７に示す顧客Ｂの種別のハッシュチェーンにおけるデータブロック（１）および店舗２の種別のハッシュチェーンにおけるデータブロック（１）に登録される。そして、図６の３つ目のトランザクションに対応する顧客Ａが店舗１を退店したというトランザクションデータは、図４に示すデータブロック登録処理が再度行われることにより、図７に示す顧客Ａの種別のハッシュチェーンにおけるデータブロック（２）および店舗１の種別のハッシュチェーンにおけるデータブロック（２）に登録される。このように、トランザクションの数に対応した回数のデータブロック登録処理が行われることにより、それぞれのトランザクションデータが対応する種別のハッシュチェーンに連結する（図６の４つ目以降のトランザクションについても同様）。なお、図７に示す例では、簡略化のため、移動手段について、利用終了を示すトランザクションデータの登録を省略している。

以上がハッシュチェーン登録装置として機能した場合における情報処理装置１００の動作である。続いてレコメンド装置として機能した場合における情報処理装置１００の動作について、図８〜図１９を参照して説明する。なお、理解を容易にするため、以下の例では、図４に示すデータブロック登録処理が複数回行われ、図８に示すように各ハッシュチェーンのデータブロックが登録されているものとする。また、その後に顧客Ｄが店舗２に入店し、その内容が顧客Ｄの種別のハッシュチェーンおよび店舗２の種別のハッシュチェーンにそれぞれ登録されるものとして、以下説明する。なお、図８に示す例では、理解を容易にするため、店舗の入店と退店および移動手段の利用開始と利用終了をそれぞれ一組として示しており、また、店舗の種別のハッシュチェーンについては省略しているが、具体的な登録構成については図７に示したように、入店と退店（利用開始と利用終了についても同様）とでそれぞれ１つのデータブロックが登録され、各顧客の種別のハッシュチェーンと同内容のデータブロックが、対応する店舗等の種別のハッシュチェーンにも登録されている。また、この実施の形態では、入店と退店の組のトランザクションデータ１つにつき、当該店舗を１回訪問したとカウントし、利用開始と利用終了の組のトランザクションデータ１つにつき、当該移動手段を１回利用したとカウントするものとする。また、この例では、顧客Ｄが店舗２に入店した後、当該顧客Ｄをレコメンド対象者として、当該顧客Ｄに対して次の入店先をレコメンドする場合について説明する。

図９は、グラフ生成処理の一例を示すフローチャートである。当該グラフ生成処理は、ユーザの入出力部１３０に対する操作（入力操作）に基づいて開始される。なお、端末１００Ｄからの要求を受信することにより開始されてもよい。当該グラフ生成処理は、各種別のハッシュチェーン１１１からユーザに所望された期間のトランザクションデータを取得し、有向二部グラフを生成するための処理である。有向二部グラフの詳細については後述する。なお、この実施の形態では、図４に示すデータブロック登録処理により、図８に示す登録内容のハッシュチェーンが生成されており、図８に示す「ＸＸ年○月○日」〜「ＸＸ年○月□日」を対象とした有向二部グラフを生成する場合を例に説明する。

図９に示すグラフ生成処理を開始すると、情報処理装置１００は、データ取得部１２４の機能により、まず、グラフ生成の対象が指定されているか否かを判定する（ステップＳ３０１）。具体的に、ステップＳ３０１では、ユーザの入力操作により対象の期間（開始時間と終了時間）が指定されているか否かを判定する。上述したように、この例では図８に示す「ＸＸ年○月○日」〜「ＸＸ年○月□日」が対象として指定されたものとする。

ステップＳ３０１にて対象の期間が指定されていると判定した場合（ステップＳ３０１；Ｙｅｓ）、情報処理装置１００は、データ取得部１２４の機能により、指定された期間に対応するデータブロックのトランザクションデータ（対象データ）を取得する（ステップＳ３０２）。ステップＳ３０２では、ユーザの入力操作により指定された期間に対応するデータブロックを、分析用付加データに含まれるタイムスタンプに基づいて特定し、当該データブロックに登録されたトランザクションデータ（対象データ）を取得する。この例では、ステップＳ３０２において、顧客Ａ〜顧客Ｃの種別のハッシュチェーンに登録されたデータブロック、店舗１〜３および移動手段１の種別のハッシュチェーンに登録されたデータブロックのうち、図８に示す「ＸＸ年○月○日」〜「ＸＸ年○月□日」の期間におけるそれぞれのデータブロックに登録されたトランザクションデータ（対象データ）を抽出する。

一方、ステップＳ３０１にて対象の期間が指定されていないと判定した場合（ステップＳ３０１；Ｎｏ）、情報処理装置１００は、データ取得部１２４の機能により、全てのデータブロックのトランザクションデータ（対象データ）を取得する（ステップＳ３０３）。

ステップＳ３０２またはステップＳ３０３の処理を実行した後、情報処理装置１００は、グラフ生成部１２５の機能により、トランザクションデータの内容に基づいて、種別毎に重みを算出する（ステップＳ３０４）。具体的に、ステップＳ３０４の処理では、図１０（Ａ）に示すように、顧客Ｃが店舗２を３回訪問しており、店舗３を１回訪問しており、移動手段１を１回利用しているといったように合計で５回訪問（利用）しているような場合、ステップＳ３０４では、図１０（Ｂ）に示すように、各店舗への訪問回数および移動手段の利用回数を合計値で除算して重みを算出する。顧客Ｃは、店舗２を３回訪問し、店舗３を１回訪問しており、移動手段１を１回利用していることから、図１０（Ｂ）に示すように、それぞれの重みは、０．６０と０．２０と０．２０となる。ステップＳ３０４では、この処理を全ての顧客について行うとともに、店舗や移動手段側についても同様の処理を行う。例えば、店舗１については、顧客Ａのみが２回訪問していることから、店舗１から顧客Ａに対する重みは１．００となる（図１１参照）。店舗２については、顧客Ｂが２回、顧客Ｃが３回訪問しているため、店舗２から顧客Ｂに対する重みが０．４０、顧客Ｃに対する重みが０．６０となる（図１１参照）。

図９に戻り、ステップＳ３０４の処理にて全ての種別について重みを算出した後、情報処理装置１００は、グラフ生成部１２５の機能により、それぞれの種別のうち、起点（Ｆｒｏｍ）と終点（Ｔｏ）により示される取引対象（顧客や店舗および移動手段）をそれぞれ頂点とし、それぞれの頂点を辺で結んだ有向二部グラフを生成し（ステップＳ３０５）、グラフ生成処理を終了する。具体的に、ステップＳ３０５の処理では、それぞれの顧客を起点とし、それぞれの店舗および移動手段（店舗等）を終点とした頂点同士を、訪問有無に応じて辺で結び、図１１に示すような有向二部グラフを生成する。なお、図示する例では、理解を容易にするため、顧客側から店舗等方向への矢印のみにて辺を表し、かつ、図９のステップＳ３０４にて算出した重みを、顧客側と店舗等側のそれぞれで記載しているが、実際には、辺（矢印）の太さにより片側方向（顧客から店舗等方向）の重みを表す（辺が太いほど重みが大きい）。この場合、店舗等側から顧客側方向への辺（矢印）の太さにより、店舗等側から（店舗等から顧客方向）の重みを表せばよい。すなわち、ステップＳ３０５では、ステップＳ３０４にて算出した重みに応じた太さの辺（矢印）で、頂点をそれぞれの方向から結べばよい。

この実施の形態における顧客Ａは、店舗１と店舗３を訪れており、移動手段１を利用していることから（図８参照）、図１１に示すように、顧客Ａの頂点は、店舗１と店舗３および移動手段１の頂点と結ばれる。顧客Ｂは、店舗２と店舗３を訪れているため（図８参照）、図１１に示すように、顧客Ｂの頂点は、店舗２と店舗３の頂点と結ばれる。顧客Ｃは、店舗２と店舗３を訪れており、移動手段１を利用していることから（図８参照）、図１１に示すように、顧客Ｃの頂点は、店舗２と店舗３および移動手段１の頂点と結ばれる。なお、当該有向二部グラフには、図１１に示すように、訪問回数に応じて図９のステップＳ３０４で算出された重みが含まれる（顧客側からの辺（矢印）の太さや、店舗等側からの辺（矢印）の太さによりそれぞれの方向からの重みが表される）。

このように、グラフ生成処理が実行されることにより、図１１に示す有向二部グラフが生成されることとなる。このような状態において、顧客Ｄが店舗２に入店したといったトランザクションが発生すると、図４のデータブロック登録処理により、当該内容が、顧客Ｄの種別のハッシュチェーンおよび店舗２の種別のハッシュチェーンにそれぞれ登録される（図示省略）。このような状況において、顧客Ｄに対しておすすめの店舗等を提示する場合（顧客Ｄを推薦対象者（レコメンド対象とも言う）としておすすめの店舗等を推薦する場合）におけるレコメンド処理について、以下説明する。なお、通常は、様々なトランザクションが発生するため、図１１に示す有向二部グラフについても、これに合わせてリアルタイムで更新されるが、この実施の形態では、理解を容易にするため、顧客Ｄが店舗２を訪れたという内容のトランザクションのみ発生し、その他のトランザクションについては発生しないものとして以下説明する。

図１２は、レコメンド処理の一例を示すフローチャートである。当該レコメンド処理は、端末１００Ｄにより実行指示を受信することで実行されるものであるが、ユーザの入出力部１３０に対する操作（入力操作）に基づいて開始されてもよい。また、会計処理が行われることで実行されてもよい。

図１２に示すレコメンド処理を開始すると、情報処理装置１００は、レコメンド処理部１２６の機能により、指定されたデータブロック（対象ブロック）のトランザクションデータを取得する（ステップＳ４０１）。この例では、顧客Ｄが店舗２に入店したというトランザクションデータが対象であることから、顧客Ｄの種別のハッシュチェーンと店舗２の種別のハッシュチェーンから当該内容のトランザクションデータを取得する。なお、対象のトランザクションデータの取得については、例えば、ＦｒｏｍとＴｏの内容と期間とを指定して行えばよい。

ステップＳ４０１の処理を実行した後、情報処理装置１００は、レコメンド処理部１２６の機能により、図９のグラフ生成処理にて生成した有向二部グラフを編成する（ステップＳ４０２）。この例では、顧客Ｄが店舗２を訪れたというトランザクションが追加されたことから、図１１に示す有向二部グラフに、当該新たなトランザクションデータに対応する有向二部グラフが加算される。具体的に、この例におけるステップＳ４０２では、図１５に示すように、顧客Ｄの頂点を店舗２と結ぶ処理が行われる。なお、この例では、新たな顧客Ｄが店舗２を訪れたというトランザクションであったため、新たな辺（矢印）で結ぶ例を示したが、例えば、既存の顧客が既に訪問した店舗を再度訪問した（移動手段を再度利用した）ような場合、すなわち訪問回数が増加した場合については、辺（矢印）の太さを、重みに応じて太い態様へと編成すればよい。

また、この例では、顧客Ｄが店舗２を訪れたというトランザクションが追加された場合について示していることから、新たなトランザクションデータに対応する有向二部グラフが図１１に示す有向二部グラフに加算される例を示したが、過去のトランザクションデータに対応する有向二部グラフを減算するようにしてもよい。例えば、顧客Ａが店舗１を訪れたというトランザクションを削除する場合には、顧客Ａが店舗１への訪問回数が１減少するため（２回から１回となる）、図１１における顧客Ａから店舗１への辺（矢印）の太さを、重みに応じて細い態様へと編成すればよい（なお、店舗１から顧客Ａへの辺（矢印）については、当該店舗１には顧客Ａのみが訪問していることから重みが変更されないため、編成しなくてよい）。また、顧客Ａが移動手段１を利用したというトランザクションを削除する場合には、顧客Ａの移動手段１の利用回数が０回となるため、図１１における顧客Ａから移動手段１への辺（矢印）を削除する編成を行うとともに、移動手段１から顧客Ａへの辺（矢印）を合わせて削除する編成を行えばよい。

図１２のステップＳ４０２の処理を実行した後、情報処理装置１００は、レコメンド処理部１２６の機能により、レコメンド値を算出するレコメンド値算出処理を実行する（ステップＳ４０３）。具体的に、ステップＳ４０３では、レコメンド対象の顧客が訪問した店舗等のスコア（値１）を算出し、当該店舗等を訪問（または利用）した顧客のスコア（値２）を、値１に基づいて算出し、当該顧客が訪問した店舗のスコアをレコメンド値として、値２に基づいて算出する。換言すると、レコメンド対象者と似た行動を行っている顧客のスコアを算出し、当該スコアとその顧客の行動（訪れた店舗や利用した移動手段）から、レコメンド対象の顧客に対する行動（店舗や移動手段）のレコメンド値を算出する。以下、顧客Ｄが店舗２を訪れた場合における、図１２のステップＳ４０３におけるレコメンド値算出処理について、図１３、図１５および図１６を用いて説明する。

図１３は、図１２のステップＳ４０３の処理において実行されるレコメンド値算出処理の一例を示すフローチャートである。図１３に示すレコメンド値算出処理において、情報処理装置１００は、まず、レコメンド対象の顧客（推薦対象者）に初期値である１．００の値を与え、当該レコメンド対象者と結ばれた頂点（すなわち、推薦対象者に関連する取引対象）について、順方向（顧客から店舗等方向）の重みを乗じて値１を算出する（ステップＳ５０１）。具体的に、ステップＳ５０１では、図１５に示すように、レコメンド対象である顧客Ｄに１．００の値を与える。そして、顧客Ｄに結ばれている辺は店舗２のみであることから、重みの１．００を乗じて、顧客Ｄから見た店舗２の値を１．００と算出する（図１５に示す店舗２の値１）。図１３のステップＳ５０１の処理を実行した後、情報処理装置１００は、値１を持つ頂点に結ばれた頂点（すなわち、値１の取引対象に関連する取引対象）について、逆方向（店舗等から顧客方向）の重みを乗じて値２を算出する（ステップＳ５０２）。具体的に、ステップＳ５０２では、店舗２側からの重みは、顧客Ｂへの重みが０．４０、顧客Ｃへの重みが０．６０であることから、店舗２から見た顧客Ｂの値を、値１の１．００に重みの０．４０を乗じて０．４０（図１５に示す顧客Ｂの値２）と算出し、顧客Ｃの値を、値１の１．００に重みの０．６０を乗じて０．６０と算出する（図１５に示す顧客Ｃの値２）。

図１３のステップＳ５０２の処理を実行した後、情報処理装置１００は、値２を持つ頂点と結ばれた頂点（すなわち、値２の取引対象に関連する取引対象）について、順方向（顧客から店舗等方向）の重みを乗じてレコメンド値を算出し（ステップＳ５０３）、レコメンド値算出処理を終了する。具体的に、ステップＳ５０３では、図１６に示すように、値２を持つ頂点である顧客Ｂと顧客Ｃのそれぞれの値（図１５に示す顧客Ｂおよび顧客Ｃの値２）に、顧客側から店舗等側方向の重みを乗じて、それぞれの店舗等のレコメンド値を算出する。より具体的に、情報処理装置１００は、レコメンド処理部１２６の機能により、顧客Ｂの値２の０．４０に店舗２への重み０．４０を乗じて０．１６を算出する。また、顧客Ｃから店舗２への辺も存在することから、顧客Ｃの値２の０．６０に店舗２への重み０．６０を乗じて０．３６を算出する。そして、これらの値を合計して（０．１６＋０．３６）、店舗２のレコメンド値０．５２（図１６に示す店舗２のレコメンド値）を算出する。また、情報処理装置１００は、レコメンド処理部１２６の機能により、顧客Ｂの値２の０．４０に店舗３への重み０．６０を乗じて０．２４を算出する。また、顧客Ｃから店舗３への辺も存在することから、顧客Ｃの値２の０．６０に店舗３への重み０．２０を乗じて０．１２を算出する。そして、これらの値を合計して（０．２４＋０．１２）、店舗３のレコメンド値０．３６（図１６に示す店舗３のレコメンド値）を算出する。また、情報処理装置１００は、レコメンド処理部１２６の機能により、顧客Ｃの値２の０．６０に移動手段１への重み０．２０を乗じて０．１２を算出する。当該移動手段１については顧客Ｃのみが利用しており、顧客Ｂは利用していないことから、当該０．１２の値をそのまま移動手段１のレコメンド値（図１６に示す移動手段１のレコメンド値）とする。

このように、図１３に示すレコメンド値算出処理では、レコメンド対象者に１．００の値を与え、当該レコメンド対象者と似た行動を取った者のスコア（値２）から当該レコメンド対象者向けのレコメンド値を算出する。

図１２に戻り、ステップＳ４０３の処理にてレコメンド値を算出した後、情報処理装置１００は、レコメンド処理部１２６の機能により、ステップＳ４０３の処理で算出したレコメンド値に基づいて、レコメンド対象である店舗等を決定するレコメンド対象決定処理を実行し（ステップＳ４０４）、レコメンド処理を終了する。

図１４は、図１２のステップＳ４０４の処理において実行されるレコメンド対象決定処理の一例を示すフローチャートである。図１４に示すレコメンド対象決定処理において、情報処理装置１００は、まず、最も高いレコメンド値の店舗等をレコメンド対象として設定する（ステップＳ６０１）。この例では、図１６に示すように店舗２のレコメンド値が最も高いことから、ステップＳ６０１の処理において店舗２をレコメンド対象として設定する。

続いて情報処理装置１００は、ステップＳ６０１で設定したレコメンド対象の店舗等が現在入店中（または利用中）の店舗等であるか否かを判定する（ステップＳ６０２）。現在入店中の店舗等であるかは、レコメンド対象者の種別のハッシュチェーンのデータブロックに登録された最新のトランザクションデータを確認し、そのＴｏの内容が当該レコメンド対象の店舗等である場合に、ステップＳ６０１で設定したレコメンド対象の店舗等が現在入店中（または利用中）の店舗等であると判定すればよい。この例では、上述したように、ステップＳ６０１において店舗２がレコメンド対象として設定されており、当該レコメンド対象者である顧客Ｄは店舗２に入店中であることから、ステップＳ６０２の処理において「Ｙｅｓ」と判定されることとなる。

ステップＳ６０２においてレコメンド対象は現在入店中の店舗等であると判定した場合（ステップＳ６０２；Ｙｅｓ）、情報処理装置１００は、次にレコメンド値の高い店舗等をレコメンド対象として設定し（ステップＳ６０５）、ステップＳ６０２に戻る。この例では、図１６に示すように、店舗２のレコメンド値の次に高いレコメンド値である店舗３がレコメンド対象として設定されることとなる。そして、ステップＳ６０２において、店舗３は当該レコメンド対象者である顧客Ｄが入店中の店舗２とは異なるため、「Ｎｏ」と判定され、ステップＳ６０３の処理に移行する。

レコメンド対象の店舗等が現在入店中（または利用中）の店舗等でない場合（ステップＳ６０２；Ｎｏ）、情報処理装置１００は、当該レコメンド対象の店舗等が空いているか否かを判定する（ステップＳ６０３）。ステップＳ６０３の処理では、レコメンド対象の店舗等の種別のハッシュチェーンのデータブロックから、当該レコメンド処理を行った日付における入店と退店の組（同内容のトランザクションデータが登録されたデータブロックの組）以外のデータブロックの数を、予め定められた席数から差し引いた値が正の数である場合に、レコメンド対象の店舗等に空席有りと判定する。具体的に、図１７に示すように、店舗２の席数が予め「５」であると登録されている場合、当該レコメンド処理を行った日付における入店と退店の組（同内容のトランザクションデータが登録されたデータブロックの組）は、データブロック（１）と（３）、データブロック（２）と（４）であり、同内容のトランザクションデータが登録されたデータブロックの組以外のデータブロック（組になっていないデータブロック）は、データブロック（５）の１つである。そのため、図１４のステップＳ６０３では、店舗２の席数「５」から「１」を減算し、正の数である「４」を得るため、空席有りと判定する。

ステップＳ６０３にて空席有りと判定した場合（ステップＳ６０３；Ｙｅｓ）、情報処理装置１００は、当該レコメンド対象の店舗等（この例では店舗３）を入出力部１３０に表示することで、レコメンド対象者である顧客Ｄに対してレコメンドし（ステップＳ６０４）、レコメンド対象決定処理を終了する。一方、ステップＳ６０３にて空席無しと判定した場合（ステップＳ６０３；Ｎｏ）、情報処理装置１００は、ステップＳ６０５の処理に移行し、次にレコメンド値の高い店舗等をレコメンド対象として設定してステップＳ６０２以降の処理を実行する。したがって、リアルタイムな空席状況に応じた店舗等をレコメンドすることができ、ブロック上に格納されたトランザクションデータを好適に活用することができる。なお、ステップＳ６０４では、端末１００Ｄにより実行指示を受信することで実行された場合には、端末１００Ｄの入出力部１３０へ表示し、ユーザの入出力部１３０に対する操作（入力操作）に基づいて開始された場合には、当該入出力部１３０へ表示すればよい。

なお、この例では、レコメンド対象として移動手段を含む例を示したが、移動手段についてはレコメンド対象から除外してもよい。また、予めユーザの設定によりレコメンド対象として移動手段を含むか否かが設定可能であってよいし、例えば、当該レコメンド処理が実行された時間が２２：００前であれば移動手段をレコメンド対象から除外し、２２：００以降であればレコメンド対象として含むようにするなど、ユーザにより設定可能な所定時刻よりも前であるか否かによりレコメンド対象として移動手段を含むか否か、すなわち店舗のみとするか否かが異なっていてもよい。

また、ステップＳ６０４の処理では、レコメンド対象の店舗等（この例では店舗３）を入出力部１３０に表示することで顧客Ｄに対してレコメンドする例を示したが、これに加えステップＳ６０３にて算出した空席数をさらに表示してもよい。これによれば現状の空席数をリアルタイムで把握することができる。また、図４のデータブロック登録処理において、入店および退店のトランザクションデータを登録する際に、例えば分析用付加データとして、カウンター席やテーブル席といった区分とその使用席数を合わせて登録しておき、カウンター席の空席数やテーブル席の空席数を表示するようにしてもよい。この場合、予めカウンター席の席数とテーブル席の席数とが、図３の初期登録処理時に店舗等の種別のハッシュチェーンにおけるインデックス値「０」のデータブロックに予め登録されていればよい。これによれば、グループでの入店を検討中のユーザについて、それぞれの席が離れてしまうといったことを防止できる。すなわち、レコメンドされた店舗等についてのグループ単位での入店が可能であるか否かをリアルタイムで把握することができ、ブロック上に格納されたトランザクションデータをより好適に活用することができる。

また、この例では、ステップＳ６０４の処理において入出力部１３０にレコメンド対象の店舗等を１つ表示する例を示したが、例えば３つ表示するなど、レコメンド対象の店舗等を複数表示してもよい。この場合、記憶部１１０に表示数カウンタを設け、ステップＳ６０３にてＹｅｓと判定する度に、当該店舗等を出力用として記憶するとともに、当該表示数カウンタの値を１減算してステップＳ６０５、Ｓ６０２、Ｓ６０３の処理を行い、当該表示数カウンタの値が「０」となったときに当該出力用として複数（この場合は３つ）記憶した店舗等をステップＳ６０４の処理により表示すればよい（合わせて空席数も表示してもよい）。なお、表示数カウンタの値はステップＳ６０４の処理にて「３」にクリアされればよく、また、当該表示数カウンタの値は、ユーザにより変更可能であればよい。これによれば複数の店舗等がレコメンドされるため、ユーザの選択肢の幅を広げることができる。

さらに、図３の初期登録処理時に店舗等の種別のハッシュチェーンにおけるインデックス値「０」のデータブロックに当該店舗等の住所（緯度経度情報など）を登録しておき、当該出力用として記憶された店舗等のうち、ユーザにより設定された距離範囲内（現在位置から設定範囲内）に位置する店舗等を表示するようにしてもよい。また、図１４のレコメンド対象決定処理におけるステップＳ６０１の処理において、予めユーザにより設定された距離範囲（設定範囲）外の店舗等を除外し、設定範囲内の店舗等のうち最も高いレコメンド値の店舗等をレコメンド対象としてもよい（ステップＳ６０５についても同様）。なお、現在地については、ユーザの所有する携帯端末の位置情報から取得すればよい。これによれば、現在地から遠い店舗等がレコメンドされてしまうことを防止でき、好適なレコメンドが可能となる。

このように、この実施の形態における情報処理装置１００は、ハッシュチェーンで連結されたデータブロックに格納されたトランザクションデータから、任意の期間のデータを抽出して、有向二部グラフを生成する。そして、当該有向二部グラフを生成した後に発生したトランザクションデータをデータブロックから抽出して新たな有向二部グラフを生成し、それを加算することで有向二部グラフを編成して最新化することができる。また過去のトランザクションデータに対応する部分の有向二部グラフを減算することで、当該有向二部グラフから、時間が経過した過去分の影響を減ずることができる。すなわち、加算や減算を行うことで、いずれの期間のトランザクションを対象にレコメンドを行うかといった時間軸を任意に調整することが可能となる。そして、このように任意に調整可能な時間軸に含まれるトランザクションデータを対象としてレコメンド値を算出し、リアルタイムな空席状況に応じた店舗等をレコメンドすることで、トランザクションデータを好適に分析可能となり、さらに、当該分析結果に基づいて対象者に対し好適なレコメンドが可能となる。すなわち、ブロック上に格納されたトランザクションデータを好適に活用することができる。

次に、顧客の行動変化に伴うレコメンド値の遷移について、図１６、図１８および図１９を用いて説明する。

顧客Ｄが店舗２を訪れたといった内容のトランザクションデータが、顧客Ｄの種別のハッシュチェーンおよび店舗２の種別のハッシュチェーンにそれぞれ登録された後、レコメンド処理が実行されることにより、上述したように図１６に示す有向二部グラフが生成され、顧客Ｄに店舗３がレコメンドされる。このような状態で、顧客Ｄがさらに店舗１を訪れた場合（店舗２を退店して店舗１に入店した場合）を例に、以下説明する。

顧客Ｄがさらに店舗１に入店したという新たなトランザクションが発生することで、図４のデータブロック登録処理により、当該トランザクションの内容が顧客Ｄの種別のハッシュチェーンおよび店舗１の種別のハッシュチェーンにそれぞれ登録される（図示省略）。そして、図１２に示すレコメンド処理が実行されると、ステップＳ４０１の処理において、情報処理装置１００は、顧客Ｄの種別のハッシュチェーンと店舗１の種別のハッシュチェーンから当該内容のトランザクションデータを取得する。

続いて、情報処理装置１００は、ステップＳ４０２の処理により、図１６に示す有向二部グラフを編成して図１８に示す有向二部グラフとする。具体的には、図１６に示す有向二部グラフに対し、顧客Ｄの頂点と店舗１とを結ぶ辺（矢印）を加算する（図１８参照）。なお、この場合、顧客Ｄの辺が２つになり、いずれも訪問回数が１回であることから、顧客Ｄから店舗１への重みが０．５となり、また、店舗２への重みが０．５となる。そのため、ステップＳ４０２の処理では、図１６における顧客Ｄから店舗２への辺の太さを０．５の重みに対応した太さへと編成するとともに、店舗１への辺の太さを０．５の重みに対応した太さで加算する（図１８参照）。

続いて、図１２のステップＳ４０３の処理、すなわち図１３のレコメンド値算出処理において、情報処理装置１００は、図１８に示すように、レコメンド対象である顧客Ｄに１．００の値を与える。そして、顧客Ｄに結ばれている辺は店舗１と店舗２であることから、それぞれの重みの０．５０を乗じて、顧客Ｄから見た店舗１の値を０．５０（図１８に示す店舗１の値１）、店舗２の値を０．５０（図１８に示す店舗２の値１）をそれぞれ算出する（図１３のステップＳ５０１）。

また、店舗１側からの重みは、顧客Ａへの重みが１．００であることから、図１３のステップＳ５０２の処理において、店舗１から見た顧客Ａの値を、値１の０．５０に重みの１．００を乗じて０．５０（図１８に示す顧客Ａの値２）と算出する。また、店舗２側からの重みは、顧客Ｂへの重みが０．４０、顧客Ｃへの重みが０．６０であることから、図１３のステップＳ５０２の処理において、店舗２から見た顧客Ｂの値を、値１の０．５０に重みの０．４０を乗じて０．２０（図１８に示す顧客Ｂの値２）と算出し、顧客Ｃの値を、値１の０．５０に重みの０．６０を乗じて０．３０と算出する（図１８に示す顧客Ｃの値２）。

そして、情報処理装置１００は、図１３のステップＳ５０３の処理において、図１９に示すように、顧客Ａ、顧客Ｂおよび顧客Ｃのそれぞれの値（図１６に示す顧客Ａ、顧客Ｂおよび顧客Ｃの値２）に、顧客側から店舗側方向の重みを乗じて、それぞれの店舗のレコメンド値を算出する。

具体的に、情報処理装置１００は、図１３のステップＳ５０３の処理において、レコメンド処理部１２６の機能により、顧客Ａの値２の０．５０に店舗１への重み０．４０を乗じて０．２０を算出し、店舗１のレコメンド値（図１９に示す店舗１のレコメンド値）とする。また、情報処理装置１００は、レコメンド処理部１２６の機能により、顧客Ａの値２の０．５０に店舗３への重み０．４０を乗じて０．２０を算出する。また、顧客Ｂから店舗３への辺も存在することから、顧客Ｂの値２の０．２０に店舗３への重み０．６０を乗じて０．１２を算出する。さらに、顧客Ｃから店舗３への辺も存在することから、顧客Ｃの値２の０．３０に店舗３への重み０．２０を乗じて０．０６を算出する。そして、これらの値を合計して（０．２０＋０．１２＋０．０６）、店舗３のレコメンド値０．３８（図１９に示す店舗３のレコメンド値）とする。続いて情報処理装置１００は、レコメンド処理部１２６の機能により、顧客Ａの値２の０．５０に移動手段１への重み０．２０を乗じて０．１０を算出する。また、顧客Ｃから移動手段１への辺も存在することから、顧客Ｃの値２の０．３０に移動手段１への重み０．２０を乗じて０．０６を算出する。そして、これらの値を合計して（０．１０＋０．０６）、移動手段１のレコメンド値０．１６（図１９に示す移動手段１のレコメンド値）とする。次に、情報処理装置１００は、レコメンド処理部１２６の機能により、顧客Ｂの値２の０．２０に店舗２への重み０．４０を乗じて０．０８を算出する。また、顧客Ｃから店舗２への辺も存在することから、顧客Ｃの値２の０．３０に店舗２への重み０．６０を乗じて０．１８を算出する。そして、これらの値を合計して（０．０８＋０．１８）、店舗２のレコメンド値０．２６（図１９に示す店舗２のレコメンド値）とする。

その後、図１２のステップＳ４０４の処理において、情報処理装置１００は、レコメンド処理部１２６の機能により、ステップＳ４０３で算出したレコメンド値に基づいて、おすすめの店舗等を入出力部１３０に表示することで顧客Ｄに対してレコメンドする。この例におけるレコメンド値は、図１９に示すように、店舗３のレコメンド値（０．３８）が最も大きく、次いで店舗２のレコメンド値（０．２６）、その次が店舗１のレコメンド値（０．２０）となっており、移動手段１のレコメンド値（０．１６）が最も小さくなっている。店舗３については、顧客Ｄが現在入店中の店舗等ではないため、図１４のステップＳ６０２の処理にて「Ｎｏ」と判定され、ステップＳ６０３の処理において当該店舗３に空席があれば店舗３が表示されることとなる。なお、店舗１〜３の他にも多くの店舗があってよく、レコメンド値の高さまたは空席数の多さの順に表示するようにしてもよい。

このように、顧客Ｄが店舗１に入店したという新たなトランザクションが１つ発生するだけで、店舗２を訪れた顧客の影響が低下し、レコメンド値が変化する。また、上述したように、顧客Ｄの行動だけでなく、通常は、様々な顧客の行動に対応したトランザクションが発生し、それに伴って有向二部グラフはリアルタイムで更新が行われていることから、発生したトランザクションデータの影響をさらに受けることでレコメンド値が逐一変更されるとともに、空席状況についても逐一変更されることとなる。したがって、レコメンド対象者に対し、より精度良くリアルタイムなレコメンドを行うことができる。

（変形例）
なお、この発明は、上記実施の形態に限定されず、様々な変形及び応用が可能である。例えば、情報処理装置１００では、上記実施の形態で示した全ての技術的特徴を備えるものでなくてもよく、従来技術における少なくとも１つの課題を解決できるように、上記実施の形態で説明した一部の構成を備えたものであってもよい。また、下記の変形例それぞれについて、少なくとも一部を組み合わせてもよい。

上記実施の形態におけるレコメンド処理では、レコメンド値の高い店舗が現状空席であるか否かを判定してレコメンドする例を示したが、これは一例である。上記実施の形態におけるレコメンド処理において、例えば店舗毎の滞在時間やトランザクションデータの順序性を考慮したレコメンド処理を行うようにしてもよい。具体的に、店舗２を訪れた顧客は平均して入店から１時間以内に退店する可能性が高いといったことや、店舗３については入店から３時間以内に退店する可能性が高いといった店舗毎の平均滞在時間を用いたレコメンドを行うようにしてもよい。また、店舗２を訪れた顧客は、次に店舗３を訪れる可能性が高いといったことや、店舗３から店舗２といった順に訪問する顧客は少ないといったこと、さらに、２３：００を越えると移動手段１の利用が増加する、などといった順序性（行動連続性）を用いたレコメンドを行うようにしてもよい。

この場合、例えば、図２０に示すように、店舗２に着目し、店舗２と結ばれた顧客のトランザクションデータ（顧客Ｂ〜顧客Ｄ）を抽出する。これにより、抽出した顧客のハッシュチェーンに連なる一連のトランザクションデータに店舗２が含まれることとなる。その前後のトランザクションデータが何であるか、および入店と退店の時間間隔がいかほどであるか、を分析することが可能となる。

そして、抽出したトランザクションデータについて、着目した店舗２を基準として、その前後のトランザクションデータが何であるか、すなわち頻度が高いトランザクションデータの種類を特定することができる。図示する例では、店舗２を退店した後に、顧客Ｂおよび顧客Ｃが店舗３に入店していることから、着目した店舗２を訪問した顧客は、次に店舗３を訪れる可能性が高いことがわかる。そして、顧客Ｂと顧客Ｃは移動手段１を利用しており、いずれも２３：００以降であることから、２３：００を過ぎた場合に、移動手段１を利用する可能性が高いことがわかる。また、図示する例では、顧客Ｂは店舗２に５０分間滞在し、顧客Ｃは店舗２に４０分滞在し、顧客Ｄは店舗２に３０分滞在している。そのため、店舗２を訪問した顧客の平均滞在時間は４０分と算出できる。なお、滞在時間は、退店を示すトランザクションデータと入店を示すトランザクションデータ、すなわち同内容のトランザクションデータについての時間差を、タイムスタンプに基づいて算出すればよい。

次に、店舗毎の滞在時間やトランザクションデータの順序性に着目してレコメンドを行う場合について、図２１を参照して具体的に説明する。図２１は、図１２のステップＳ４０４の処理にて行われるレコメンド対象決定処理の一例を示すフローチャートであり、図１４に示すレコメンド対象決定処理と同内容の処理については説明を省略する。

図２１のレコメンド対象決定処理を開始すると、情報処理装置１００は、まず、行動連続性の判定と限界時間を指定する（ステップＳ６０１Ａ）。具体的にステップＳ６０１Ａの処理では、各店舗に着目し、当該店舗の前後に訪れる店舗を特定する。図２０に示す例で説明すると、ステップＳ６０１Ａでは、店舗２を訪問した顧客は、次に店舗３を訪れる可能性が高いといった行動連続性を、店舗毎に着目して判定する。また、ステップＳ６０１Ａでは、移動手段１を利用する時間、すなわちこれ以上時間が経過した場合には店舗を訪れる可能性が低い（移動手段１を利用する可能性が高い）ことを示す限界時間を指定する。図２０に示す例で説明すると、２３：００を過ぎた場合に、移動手段１を利用する可能性が高いことから、ステップＳ６０１Ａでは限界時間として２３：００を指定する。なお、限界時間についてはユーザにより設定可能であってもよい。なお、限界時間は、例えば、各顧客が１日の最後に滞在していた店舗を退店して移動手段１を利用した時間の平均値であってもよいし、中央値であってもよく、予め定められた算出手法により算出されればよい。

ステップＳ６０１Ａの処理を実行した後、情報処理装置１００は、当該レコメンド対象決定処理を実行した時刻である現在時刻が限界時間より前であるか否かを判定する（ステップＳ６０１Ｂ）。図２０に示す例で説明すると、ステップＳ６０１Ｂでは、２３：００より前であるか否かを判定する。限界時間より前である場合（ステップＳ６０１Ｂ；Ｙｅｓ）、行動連続性の判定に基づいてレコメンド値を更新し（ステップＳ６０１Ｃ）、ステップＳ６０１の処理（図１４の処理と同様）に移行する。ステップＳ６０１Ｃの処理では、図２０に示す例で説明すると、店舗２を訪問した顧客は、次に店舗３を訪れる可能性が高いことから、現在入店中の店舗が店舗２である場合、店舗３に対応するレコメンド値に０．５０を加算して更新する。なお、加算する値（連続性加算値）は、次に入店する可能性のある店舗の割合に応じて決定すればよい。例えば店舗２の次に入店する店舗として店舗１と店舗３とがあり、店舗１に入店した顧客が２名、店舗３に入店した顧客が２名存在した場合、店舗２から店舗１に入店する割合は０．５、店舗２から店舗３に入店する割合は０．５となることから、ステップＳ６０１Ｂの処理では、それぞれ、その半分の値を加算する。具体的に、店舗１に対応するレコメンド値に０．２５を加算するとともに、店舗３に対応するレコメンド値に０．２５を加算する。なお、この例では割合の半分の値を加算する例を示したが、割合の値そのままを加算してもよい。また、行動連続性による加算をいかほどとするか、ユーザにより選択可能としてもよい。また、例えば店舗２から店舗４に入店する顧客がいないような場合（そのような履歴情報を示すトランザクションデータが存在しない場合）、レコメンド値を減算させるよう更新可能であってもよい。このように、行動連続性によりレコメンド値を更新することで、現在入店中の店舗から次に入店する店舗について、行動連続性に沿った店舗をレコメンドすることができる。さらに、当該処理を実行した時間帯（例えば２０：３０など）を考慮し、例えば所定の曜日の２０：００〜２１：００に店舗２に滞在していた顧客（当該時間に店舗２に入店中の顧客のトランザクションデータを抽出すればよい）が次に入店した店舗の割合を算出し、当該割合に基づいてレコメンド値を更新してもよい。これによれば、定休日の店舗や営業時間終了後の店舗をレコメンドするといったことを防止できるとともに、当該時間帯の行動連続性に沿った店舗をレコメンドすることができる。また、店舗２を２軒目の訪問店舗とした顧客のトランザクションデータを抽出し、次に（３軒目として）入店した店舗の割合を算出し、当該割合に基づいてレコメンド値を更新してもよい。これによれば、２軒目として店舗２を訪問した顧客が次に入店した店舗がレコメンドされ易く、顧客の好みに沿った店舗をレコメンドすることが可能となる。さらに、当該店舗２の滞在時間がレコメンド対象のユーザと近似している顧客が次に入店した店舗のレコメンド値を加算するようにしてもよい。この場合、レコメンド対象のユーザと滞在時間が近似している程、加算値が高くなるようにすればよい。これによれば、レコメンド対象のユーザと似た行動パターンの顧客が入店した店舗がレコメンドされるため、ユーザの好みに合った店舗をレコメンドすることができる。

また、平均滞在時間については、ステップＳ６０３の処理にてレコメンド対象の店舗に空席無しと判定したとき（ステップＳ６０３；Ｎｏ）に、当該平均滞在時間を活用すればよい。具体的に、レコメンド対象に設定されている店舗、すなわちレコメンド値の高い店舗（レコメンド対象店舗）について、現在満席であるとステップＳ６０３で判定した場合（ステップＳ６０３；Ｎｏ）、情報処理装置１００は、現在レコメンド対象店舗に滞在中の顧客について、現在時刻と入店時刻を比較し、平均滞在時間から所定時間前の顧客（すなわち滞在時間が所定時間後に平均滞在時間となる顧客）を、当該店舗の種別のハッシュチェーンに登録されたデータブロックの内容から確認し、現在は満席ではあるものの、所定時間後にレコメンド対象店舗が空きとなる可能性を予想する（ステップＳ６０３Ａ）。そして、所定時間後に空きとなるか否かを判定し（ステップＳ６０３Ｂ）、空きとなる可能性が高い（空き予想有り）と判定した場合（ステップＳ６０３Ｂ；Ｙｅｓ）には、ステップＳ６０４の処理に移行し、空きとなる可能性が低い（空き予想無し）と判定した場合（ステップＳ６０３Ｂ；Ｎｏ）には、ステップＳ６０５の処理に移行すればよい。なお、所定時間については、ユーザにより設定可能であればよい。また、所定時間後に空きとなる可能性については、平均滞在時間から所定時間前の顧客が存在する場合に高いと判定し、存在しない場合には低いと判定すればよい。また、ステップＳ６０４の処理にて、平均滞在時間から所定時間前の顧客が１人である場合は６５％、３人である場合は８０％など、平均滞在時間から所定時間前の顧客の人数に応じて所定時間後に空きとなる可能性を上下させ視認表示してもよい。このように、着目した店舗のハッシュチェーンに連結されたデータブロックから、顧客の平均滞在時間を算出して活用することで、当該レコメンド値と平均滞在時間に基づいて、店舗の空き状況をより精度よく分析してリアルタイムなレコメンドを行うことができるとともに、店舗側にとって顧客の回転率を向上させ集客率を向上させることができる。

また、図１４に示すレコメンド対象決定処理では、理解を容易にするために、ステップＳ６０２にて現在入店中と判定した場合や、ステップＳ６０３にて空席無しと判定した場合、ステップＳ６０５の処理にて次点のレコメンド値の店舗等をレコメンド対象とする例を示したが、例えば、当該ステップＳ６０５の処理には、現在入店中の店舗等や空席無しと判定した店舗等に対応するレコメンド値を減算（例えば「０」にするなど）してから（空席有りと判定した店舗等のレコメンド値に「１」を加算してもよい）次点のレコメンド値の店舗等をレコメンド対象とする処理を行うことが含まれていてよい。そして、ステップＳ６０４の処理では、全ての店舗等について、空席状況に応じてレコメンド値を更新し、更新後のレコメンド値の高い順にレコメンドすればよい。また、図２１に示すレコメンド対象決定処理におけるステップＳ６０５およびステップＳ６０４の処理についても同様である。さらに、ステップＳ６０１Ｂにて限界時間前ではないと判定した場合、ステップＳ６０１Ｄの処理においても、移動手段１に対応するレコメンド値以外のレコメンド値を全て減算して「０」にし（移動手段１に対応するレコメンド値に「１」を加算してもよい）、最も高いレコメンド値に対応する店舗等をレコメンドすることが含まれていてよい。すなわち、限界時間であるか否か、行動連続性、および空席の有無、といった複数種類の条件に応じて、対応するレコメンド値を増減させ、当該増減後のレコメンド値に基づいて、レコメンドを行うようにしてもよい。これによれば、ユーザの所望する条件に沿った店舗等をリアルタイムでレコメンドすることができ、ブロック上に格納されたトランザクションデータを好適に活用することができる。なお、これらの条件は、例えば行動連続性によってのみレコメンド値を増減させるといったように１つのみであってもよいし、行動連続性と空席の有無により増減させるといったように２つの条件を組み合わせてもよいし、全ての条件を組み合わせてもよい。当該条件の組合せはユーザによる設定により変更可能であればよい。増減させる値（増減値）は、条件に応じて異なる値であってもよいし、条件によらず共通の値であってよい。増減値についてもユーザにより設定可能であればよい。また、当該条件は、上記の３種類に限られず、現在位置からの距離や天気、用途や人数など複数条件あってよい。

また、この例では、行動連続性を用いてレコメンド値を更新し、顧客に店舗等をレコメンドする例を示したが、この他にも、店舗等が当該行動連続性を用いて顧客に対しクーポンの発行を行うようにしてもよい。図２０に示す例で説明すると、店舗２を訪問した顧客は、次に店舗３を訪れる可能性が高いという行動連続性を用いて、店舗３は、現在店舗２に滞在している顧客についてクーポンを発行するようにしてもよい。これによれば、入店する可能性の高い顧客に対してクーポンを発行することができ、より集客率を向上させることが可能となる。また、現在店舗２に滞在している顧客で、かつ平均滞在時間から所定時間前の顧客（すなわち滞在時間が所定時間後に平均滞在時間となる顧客）に対してクーポンを発行してもよい。また、限界時間から所定時間前の顧客（すなわち所定時間後に限界時間となる顧客）に対して、移動手段１がクーポンを発行するようにしてもよい。なお、クーポンの発行は、対象の顧客の端末１００Ｄに送信されることで発行されればよい。

また、上記実施の形態では、レコメンド対象者へのレコメンド（レコメンド処理）がレコメンド対象者である顧客Ｄが店舗２に入店したというトランザクションが発生した後に行われる例を示した。すなわち、１軒目の店舗から２軒目の店舗をレコメンドするなど、レコメンド対象者が何らかの店舗に入店していることを前提としたが、情報処理装置１００は、例えば、１軒目に入店する店舗をレコメンドする機能も備えていてよい。

この場合、例えば、レコメンド対象者のユーザから指定された期間および地域に対応する店舗のデータブロックを抽出し、顧客からの評価の平均値を算出し、当該平均値の高い順にレコメンドすればよい。顧客からの評価については、退店のトランザクションデータの登録時に、分析用付加データとして合わせて登録されていればよい（例えば５段階評価）。また、評価の平均値の高い順に限られず、レコメンド対象者の現在値に近い順にレコメンドするようにしてもよい。これによれば、評価の高い店舗が常に表示され易く特定の店舗へ集中してしまうことを防止することができる。なお、評価の平均値の低い順に表示するようにしてもよい。さらに、退店のトランザクションデータの登録時に、分析用付加データとして会計金額を登録しておき、顧客の平均支払い金額を算出し、当該平均支払い金額の低い順（または高い順）にレコメンドするようにしてもよい。さらに、これらを組み合わせ、優先順位（距離＞金額＞評価の順の優先順位など任意に設定可能であればよい）に基づいてレコメンドしてもよい。

なお、上述の機能を、ＯＳ（ＯｐｅｒａｔｉｎｇＳｙｓｔｅｍ）とアプリケーションとの分担、またはＯＳとアプリケーションとの協同により実現する場合等には、ＯＳ以外の部分のみを媒体に格納してもよい。

また、搬送波にプログラムを重畳し、通信ネットワークを介して配信することも可能である。例えば、通信ネットワーク上の掲示板（ＢＢＳ、ＢｕｌｌｅｔｉｎＢｏａｒｄＳｙｓｔｅｍ）に当該プログラムを掲示し、ネットワークを介して当該プログラムを配信してもよい。そして、これらのプログラムを起動し、オペレーティングシステムの制御下で、他のアプリケーションプログラムと同様に実行することにより、上述の処理を実行できるように構成してもよい。

１情報処理システム、１００，１００Ａ〜Ｃ情報処理装置、１００Ｄ顧客Ａ〜Ｄの端末、１１０記憶部、１１１各種別のハッシュチェーン、１２０制御部、１２１初期登録部、１２２同期処理部、１２３データブロック登録部、１２４データ取得部、１２５グラフ生成部、１２６レコメンド処理部、１３０入出力部、１４０通信部、２１０ネットワーク

Claims

トランザクションが発生したことに基づいて、ネットワーク内に構築されるハッシュチェーンで連結されるデータブロックに、前記トランザクションのデータを格納するデータ格納手段と、
前記データ格納手段に格納された前記トランザクションのデータのうち、所定の前記トランザクションのデータを抽出する抽出手段と、
前記抽出手段で抽出した前記トランザクションのデータに基づいて、予め定められた演算を行う演算手段と、
前記演算手段による演算結果の値を増減させる増減手段と、
前記増減手段による増減後の値に応じて、推薦対象者の好みに対応する推薦先を推薦する推薦手段と、を備え、
前記トランザクションのデータには、前記トランザクションの取引対象を特定する情報が含まれ、
前記演算手段は、前記抽出手段で抽出した前記トランザクションのデータにより特定される前記取引対象のうちの特定の前記取引対象を前記推薦対象者とし、前記推薦対象者に関連する全ての前記取引対象について、前記トランザクションのデータに基づき前記予め定められた演算を行い、
前記増減手段は、前記演算手段による演算結果の値を、予め設定された条件に応じて増減させる、
ことを特徴とする情報処理装置。
前記抽出手段は、前記データ格納手段に前記トランザクションのデータが新たに格納された場合、該トランザクションのデータを新たに抽出し、
前記演算手段は、前記抽出手段で新たに抽出した前記トランザクションのデータにより特定される前記取引対象を前記推薦対象者とし、前記推薦対象者に関連する全ての前記取引対象について、前記トランザクションのデータに基づき前記予め定められた演算を行うことで、前記演算手段により既に行われた演算結果の値を更新する、
ことを特徴とする請求項１に記載の情報処理装置。
前記演算手段は、前記予め定められた演算として、前記推薦対象者に初期値を割り振り、前記推薦対象者に関連する全ての前記取引対象について、前記初期値を基準に、前記トランザクションのデータにより算出される重みを乗じた値を算出する、
ことを特徴とする請求項１または２に記載の情報処理装置。
前記予め設定された条件には、時間的条件および前記推薦先に空席があるか否かの空席条件が含まれ、
前記増減手段は、少なくとも前記時間的条件および前記空席条件のいずれかに基づいて前記演算結果の値を増減させる、
ことを特徴とする請求項１〜３のいずれか１項に記載の情報処理装置。
前記推薦先に空席があるか否かの空席条件を判定する空席条件判定手段をさらに備え、
前記増減手段は、前記空席条件判定手段により前記推薦先に空席がないと判定した場合、所定時間後に前記推薦先が空席となるか否かを、前記トランザクションのデータに基づいて予想し、予想結果に応じて前記演算結果の値を増減させる、
ことを特徴とする請求項１〜４のいずれか１項に記載の情報処理装置。
前記抽出手段で抽出した前記トランザクションデータに基づいて、前記取引対象の行動連続性を判定する行動連続性判定手段をさらに備え、
前記増減手段は、前記予め設定された条件として前記行動連続性判定手段による判定結果を反映させる設定がなされている場合、前記判定結果に応じて前記演算結果の値を増減させる、
ことを特徴とする請求項１〜５のいずれか１項に記載の情報処理装置。
情報処理装置における情報処理方法であって、
トランザクションが発生したことに基づいて、ネットワーク内に構築されるハッシュチェーンで連結されるデータブロックに、前記トランザクションのデータを格納するデータ格納ステップと、
前記データ格納ステップで格納された前記トランザクションのデータのうち、所定の前記トランザクションのデータを抽出する抽出ステップと、
前記抽出ステップで抽出した前記トランザクションのデータに基づいて、予め定められた演算を行う演算ステップと、
前記演算ステップによる演算結果の値を増減させる増減ステップと、
前記増減ステップによる増減後の値に応じて、推薦対象者の好みに対応する推薦先を推薦する推薦ステップと、を備え、
前記トランザクションのデータには、前記トランザクションの取引対象を特定する情報が含まれ、
前記演算ステップでは、前記抽出ステップで抽出した前記トランザクションのデータにより特定される前記取引対象のうちの特定の前記取引対象を前記推薦対象者とし、前記推薦対象者に関連する全ての前記取引対象について、前記トランザクションのデータに基づき前記予め定められた演算を行い、
前記増減ステップは、前記演算ステップによる演算結果の値を、予め設定された条件に応じて増減させる、
ことを特徴とする情報処理方法。
コンピュータを、
トランザクションが発生したことに基づいて、ネットワーク内に構築されるハッシュチェーンで連結されるデータブロックに、前記トランザクションのデータを格納するデータ格納手段、
前記データ格納手段に格納された前記トランザクションのデータのうち、所定の前記トランザクションのデータを抽出する抽出手段、
前記抽出手段で抽出した前記トランザクションのデータに基づいて、予め定められた演算を行う演算手段、
前記演算手段による演算結果の値を増減させる増減手段、
前記増減手段による増減後の値に応じて、推薦対象者の好みに対応する推薦先を推薦する推薦手段、として機能させ、
前記トランザクションのデータには、前記トランザクションの取引対象を特定する情報が含まれ、
前記演算手段は、前記抽出手段で抽出した前記トランザクションのデータにより特定される前記取引対象のうちの特定の前記取引対象を前記推薦対象者とし、前記推薦対象者に関連する全ての前記取引対象について、前記トランザクションのデータに基づき前記予め定められた演算を行い、
前記増減手段は、前記演算手段による演算結果の値を、予め設定された条件に応じて増減させる、
ことを特徴とするプログラム。