JP2021149468A - Information processing apparatus, information processing method, and program - Google Patents
Information processing apparatus, information processing method, and program Download PDFInfo
- Publication number
- JP2021149468A JP2021149468A JP2020048355A JP2020048355A JP2021149468A JP 2021149468 A JP2021149468 A JP 2021149468A JP 2020048355 A JP2020048355 A JP 2020048355A JP 2020048355 A JP2020048355 A JP 2020048355A JP 2021149468 A JP2021149468 A JP 2021149468A
- Authority
- JP
- Japan
- Prior art keywords
- event
- information
- user
- information processing
- unit
- 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
- 230000010365 information processing Effects 0.000 title claims abstract description 206
- 238000003672 processing method Methods 0.000 title claims description 6
- 238000000034 method Methods 0.000 claims description 18
- 238000004364 calculation method Methods 0.000 claims description 13
- 230000008569 process Effects 0.000 claims description 3
- 239000013598 vector Substances 0.000 description 140
- 238000006243 chemical reaction Methods 0.000 description 39
- 230000006399 behavior Effects 0.000 description 24
- 238000010586 diagram Methods 0.000 description 13
- 238000004891 communication Methods 0.000 description 10
- 230000000391 smoking effect Effects 0.000 description 9
- 230000035622 drinking Effects 0.000 description 6
- 230000006870 function Effects 0.000 description 5
- 230000009471 action Effects 0.000 description 4
- 230000003542 behavioural effect Effects 0.000 description 4
- 230000004048 modification Effects 0.000 description 4
- 238000012986 modification Methods 0.000 description 4
- 238000013528 artificial neural network Methods 0.000 description 3
- 238000013527 convolutional neural network Methods 0.000 description 3
- 230000015654 memory Effects 0.000 description 3
- 230000004308 accommodation Effects 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 239000004065 semiconductor Substances 0.000 description 2
- 238000012706 support-vector machine Methods 0.000 description 2
- 238000003287 bathing Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 235000013410 fast food Nutrition 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 230000006855 networking Effects 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 230000000306 recurrent effect Effects 0.000 description 1
- 230000006403 short-term memory Effects 0.000 description 1
Images
Landscapes
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
Description
本発明は、情報処理装置、情報処理方法及びプログラムに関する。 The present invention relates to an information processing device, an information processing method and a program.
従来、複数の対象間における類似性を推定する技術が知られている。このような技術の一例として、利用者の移動経路の類似性に基づいて、相互に類似する複数の施設を識別する技術が知られている。 Conventionally, a technique for estimating the similarity between a plurality of objects has been known. As an example of such a technique, a technique for identifying a plurality of facilities that are similar to each other based on the similarity of the movement routes of users is known.
しかしながら、上述した技術では、地域や施設で開催されるイベント間の類似性を適切に判定することができない場合がある。 However, with the above-mentioned techniques, it may not be possible to properly determine the similarity between events held in a region or facility.
例えば、上述した技術では、利用者の移動経路が類似する施設を識別しているに過ぎず、例えば、参加する利用者のニーズや傾向が類似するイベントを識別しているとは言えない。 For example, the above-mentioned technology merely identifies facilities with similar movement routes of users, and cannot be said to identify events with similar needs and tendencies of participating users, for example.
本願は、上記に鑑みてなされたものであって、イベントを適切に識別することで、イベント間の類似性の判定精度を向上させることを目的とする。 The present application has been made in view of the above, and an object of the present application is to improve the accuracy of determining similarity between events by appropriately identifying events.
本願に係る情報処理装置は、イベントと関連性を有する利用者のネットワーク上の情報を取得する取得部と、前記取得部が取得した情報に基づいて、前記イベントの特徴を示す特徴情報を生成する生成部とを有することを特徴とする。 The information processing apparatus according to the present application generates characteristic information indicating the characteristics of the event based on the acquisition unit that acquires information on the user's network related to the event and the information acquired by the acquisition unit. It is characterized by having a generating unit.
実施形態の一態様によれば、イベント間の類似性の判定精度を向上させることができるといった効果を奏する。 According to one aspect of the embodiment, there is an effect that the accuracy of determining the similarity between events can be improved.
以下に、本願に係る情報処理装置情報処理装置、情報処理方法及び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情報処理装置情報処理装置、情報処理方法及び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。 Hereinafter, an information processing apparatus according to the present application, an information processing method, and a mode for carrying out a program (hereinafter referred to as “the embodiment”) will be described in detail with reference to the drawings. The information processing device, information processing method, and program according to the present application are not limited by this embodiment. Further, in each of the following embodiments, the same parts are designated by the same reference numerals, and duplicate description is omitted.
〔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の例では、情報処理システム1は、情報処理装置10と端末装置100とログサーバ200を有する。これらの各種装置は、ネットワークN(例えば、インターネット)を介して、有線又は無線により通信可能に接続される。なお、図1に示した情報処理システム1には、任意の数の情報処理装置10と任意の数の端末装置100と任意の数のログサーバ200が含まれていてもよい。
[1. An example of information processing]
First, an example of information processing according to the embodiment will be described with reference to FIG. FIG. 1 is a diagram showing an example of information processing according to an embodiment. In the example of FIG. 1, the
情報処理装置10は、利用者から指定された指定イベントと類似する類似イベントを示す情報を提供する情報処理装置である。図1に示す例では、情報処理装置10は、利用者からイベントの指定を受付ける。また、情報処理装置10は、利用者から指定された指定イベントと類似する類似イベントを特定する。そして、情報処理装置10は、特定した類似イベントを示す情報を利用者に対して提供する。
The
具体的には、情報処理装置10は、イベント誘致・開催計画などに利用される。例えば、事業者A1がイベント#1を誘致・開催して成功したとする。また、事業者A1は、イベント#1の誘致・開催が成功したので、成功したイベント#1と類似する他のイベントを誘致・開催する計画を立てているとする。このような場合に、情報処理装置10は、事業者A1からイベント#1の指定を受け付ける。また、情報処理装置10は、事業者A1から指定されたイベント#1と類似する類似イベントを特定する。そして、情報処理装置10は、特定した類似イベントを示す情報を利用者に対して提供する。例えば、情報処理装置10は、イベント#1と類似する複数の類似イベントを特定する。そして、情報処理装置10は、特定した複数の類似イベントを示すリストを事業者A1に対して提供する。
Specifically, the
端末装置100は、利用者により使用される情報処理装置である。端末装置100は、例えば、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)等である。端末装置100は、利用者の操作に従い、利用者によって指定された指定イベントに関する情報を情報処理装置10に送信する。また、端末装置100は、指定イベントと類似する類似イベントに関する情報を情報処理装置10から受信する。そして、端末装置100は、受信した類似イベントに関する情報を端末装置100の画面に表示する。なお、以下では、端末装置100を利用者と同一視する場合がある。すなわち、以下では、利用者を端末装置100と読み替えることもできる。
The
また、以下では、利用者ID「U1」により特定される利用者を「利用者U1」とする場合がある。このように、以下では、「利用者U*(*は任意の数値)」と記載した場合、その利用者は利用者ID「U*」により特定される利用者であることを示す。例えば、「利用者U2」と記載した場合、その利用者は利用者ID「U2」により特定される利用者である。 Further, in the following, the user specified by the user ID "U1" may be referred to as "user U1". As described above, in the following, when "user U * (* is an arbitrary numerical value)" is described, it means that the user is a user specified by the user ID "U *". For example, when "user U2" is described, the user is a user specified by the user ID "U2".
また、以下では、端末装置100を利用する利用者に応じて、端末装置100を端末装置101、102として説明する。例えば、端末装置101は、利用者U1により使用される端末装置100である。また、例えば、端末装置102は、利用者U2により使用される端末装置100である。また、以下では、端末装置101、102について、特に区別なく説明する場合には、端末装置100と記載する。
Further, in the following, the
ログサーバ200は、各種のログデータを取得する情報処理装置である。具体的には、ログサーバ200は、各イベントと関連性を有する利用者のネットワーク上の行動を示すログデータを取得する。より具体的には、ログサーバ200は、各イベントに参加した利用者のネットワーク上の行動を示すログデータを取得する。
The
ここから、図1を用いて、情報処理の流れについて説明する。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に示す例では、ログサーバ200は、各種のログデータを取得する(ステップS1)。具体的には、ログサーバ200は、各イベントに参加した利用者のネットワーク上の行動を示すログデータを取得する。例えば、ログサーバ200は、利用者の位置の履歴である位置履歴を端末装置100から取得する。また、ログサーバ200は、利用者が入力した検索クエリの履歴である検索履歴を検索サーバから取得する。また、ログサーバ200は、利用者が閲覧したコンテンツの履歴である閲覧履歴をコンテンツサーバから取得する。また、ログサーバ200は、利用者による購買の履歴である購買履歴を電子商取引サーバから取得する。また、ログサーバ200は、利用者による投稿の履歴である投稿履歴を口コミの投稿サービスを提供する投稿サーバやSNS(Social Networking Service)サーバから取得する。なお、ログサーバ200は、上述した情報の他にも各種の情報を取得可能である。例えば、ログサーバ200は、利用者の年齢、性別、家族構成、経済状況といった利用者の属性に関する情報を取得する。
From here, the flow of information processing will be described with reference to FIG. FIG. 1 is a diagram showing an example of information processing according to an embodiment. In the example shown in FIG. 1, the
また、ログサーバ200は、各イベントが開催される会場に関するネットワーク上の情報を取得する。例えば、ログサーバ200は、各イベントが開催される会場の名称、所在地、平均価格(平均客単価)、形態(例えば、会議室/多目的ホール/スタジアム/アリーナ/野外ステージ等の会場の形態や、大規模ホール/中規模ホール/小規模ホール等の規模の形態等)、周辺環境(例えば、近隣の交通機関/宿泊施設/飲食店/観光地等)に関する情報を各会場の端末装置から取得する。また、ログサーバ200は、上述した情報の他にも各種の情報を取得可能である。例えば、ログサーバ200は、会場の収容人数、営業時間、会場における喫煙の可否、飲食の可否、トイレの有無、屋根のある場所の有無、駐車場の有無といった会場に関する情報を取得する。
In addition, the
また、ログサーバ200は、各イベントに関するネットワーク上の情報を取得する。例えば、ログサーバ200は、取得した投稿履歴に基づいて、各イベントに参加した利用者により投稿された情報であって、イベントに関する情報を取得する。また、ログサーバ200は、各イベントのカテゴリ、出演者/競技者/団体、演目/競技/展示物、主催者、開催地、会場、参加費、開催時期、開催期間、時間帯、当日の気温、天気といった各イベントに関するネットワーク上の情報を取得する。各イベントのカテゴリは、例えば、スポーツ大会系/芸能・音楽系/展示会系/博覧会系/祭り系といった分野のカテゴリや、オリンピック/ワールドカップ/高校野球大会/マラソン大会といった大会のカテゴリ、又はサッカー/野球/テニス/バスケットボールといった種目のカテゴリ等である。また、入学試験や合同説明会等もイベントに含まれる。
In addition, the
情報処理装置10は、各種のログデータをログサーバ200から取得する(ステップS2)。具体的には、情報処理装置10は、各イベントと関連するネットワーク上の情報をログサーバ200から取得する。より具体的には、情報処理装置10は、各イベントに参加した利用者の行動を示すネットワーク上のログデータをログサーバ200から取得する。例えば、情報処理装置10は、利用者の位置の履歴である位置履歴をログサーバ200から取得する。また、情報処理装置10は、利用者が入力した検索クエリの履歴である検索履歴をログサーバ200から取得する。また、情報処理装置10は、利用者が閲覧したコンテンツの履歴である閲覧履歴をログサーバ200から取得する。また、情報処理装置10は、利用者による購買の履歴である購買履歴をログサーバ200から取得する。また、情報処理装置10は、利用者による投稿の履歴である投稿履歴をログサーバ200から取得する。なお、情報処理装置10は、上述した情報の他にも各種の情報を取得する。例えば、情報処理装置10は、利用者の年齢、性別、家族構成、経済状況といった利用者属性に関する情報をログサーバ200から取得する。
The
情報処理装置10は、各イベントが開催される会場に関するネットワーク上の情報をログサーバ200から取得する。例えば、また、情報処理装置10は、各イベントが開催される会場の名称、所在地、平均価格(平均客単価)、形態、周辺環境に関する情報をログサーバ200から取得する。なお、情報処理装置10は、上述した情報の他にも各種の情報を取得する。例えば、情報処理装置10は、会場の収容人数、営業時間、会場における喫煙の可否、飲食の可否、トイレの有無、屋根のある場所の有無、駐車場の有無といった会場に関する情報をログサーバ200から取得する。
The
なお、情報処理装置10は、各イベントに関するネットワーク上の情報をログサーバ200から取得する。例えば、情報処理装置10は、ログサーバ200から取得した投稿履歴に基づいて、各イベントに参加した利用者により投稿された情報であって、イベントに関する情報を取得する。情報処理装置10は、各イベントのカテゴリ、出演者/競技者/団体、演目/競技/展示物、主催者、開催地、会場、参加費、開催時期、開催期間、時間帯、当日の気温、天気といった各イベントに関するネットワーク上の情報をログサーバ200から取得する。
The
続いて、情報処理装置10は、各種のログデータを取得すると、各イベントと関連性を有する利用者を特定し、特定した利用者のログデータを取得する(ステップS3)。具体的には、情報処理装置10は、利用者の位置履歴に基づいて、各イベントに参加した利用者を特定する。続いて、情報処理装置10は、各イベントに参加した利用者として特定した各利用者のログデータを取得する。
Subsequently, when the
例えば、情報処理装置10は、利用者の位置履歴に基づいて、イベント#1に参加した利用者である利用者#1、利用者#2、利用者#3、…を特定する。続いて、情報処理装置10は、イベント#1に参加した利用者である利用者#1、利用者#2、利用者#3、…のログデータを取得する。例えば、情報処理装置10は、利用者#1のログデータとして、利用者#1の検索履歴、利用者#1の閲覧履歴、利用者#1の購買履歴、…を取得する。また、情報処理装置10は、利用者#2のログデータとして、利用者#2の検索履歴、利用者#2の閲覧履歴、利用者#2の購買履歴、…を取得する。このようにして、情報処理装置10は、イベント#1に参加した各利用者のログデータを取得する。
For example, the
続いて、情報処理装置10は、取得したログデータと、各イベントが開催される会場に関する情報とに基づいて、各イベントのコンテキストを示す多次元量(例えば、ベクトル)を算出する(ステップS4)。具体的には、情報処理装置10は、ネットワーク上の情報間の類似性に基づいて情報を多次元量に変換するモデルを用いて、ネットワーク上の情報を多次元量に変換する。より具体的には、情報処理装置10は、取得した利用者のログデータの類似性に基づいて利用者のログデータを多次元量に変換するモデルを用いて、利用者のログデータをベクトルに変換する。また、情報処理装置10は、各イベントが開催される会場に関する情報の類似性に基づいて各イベントが開催される会場に関する情報を多次元量に変換するモデルを用いて、各イベントが開催される会場に関する情報をベクトルに変換する。続いて、情報処理装置10は、変換したベクトルに基づいて、各イベントのコンテキストを示す多次元量を算出する。
Subsequently, the
このとき、情報処理装置10は、ベクトル表現化方式(例えば、Word2Vec)等の学習手法や同様の手法を用いて、モデルにネットワーク上の情報間の類似性を学習させ、学習済モデルを用いて、ネットワーク上の情報を多次元量に変換してもよい。多次元量は、分散表現(単語埋め込み)により表現されてもよい。
At this time, the
なお、モデルは、任意の種別のモデルが採用可能である。例えば、情報処理装置10は、SVM(Support Vector Machine)やDNN(Deep Neural Network)をモデルとして採用してもよい。ここで、DNNは、CNN(Convolutional Neural Network)やRNN(Recurrent Neural Network)であってもよい。また、RNNは、LSTM(Long short-term memory)等であってもよい。すなわち、モデルは、任意の形式のモデルが採用可能である。また、モデルは、例えば、CNNとRNNとを組み合わせたモデル等、複数のモデルを組み合わせることで実現されるモデルであってもよい。このように、情報処理装置10は、回帰モデルやニューラルネットワーク等、任意の構造を有するモデルを用いて、ネットワーク上の情報を多次元量に変換する。
Any type of model can be adopted as the model. For example, the
例えば、情報処理装置10は、取得した利用者のログデータの類似性に基づいて利用者のログデータを多次元量に変換するモデル#1を用いて、イベント#1に参加した利用者#1のログデータをベクトル#1に変換する。
For example, the
また、情報処理装置10は、取得した利用者のログデータに基づいて、利用者のコンテキストを推定する。例えば、情報処理装置10は、利用者のコンテキストとして、利用者のイベントにおける行動のコンテキストを推定する。また、情報処理装置10は、利用者のコンテキストとして、利用者の興味に関する情報を推定する。また、情報処理装置10は、取得した利用者のログデータに基づいて、利用者の特徴を示すスコアを算出する。
Further, the
例えば、情報処理装置10は、取得した利用者#1のログデータに基づいて、イベント#1に参加した利用者#1のコンテキストを推定する。また、情報処理装置10は、取得した利用者#1のログデータに基づいて、利用者#1の特徴を示すスコアを算出する。続いて、情報処理装置10は、推定した利用者のコンテキストと算出した利用者の特徴を示すスコアの類似性に基づいて利用者のコンテキストと利用者の特徴を示すスコアを多次元量に変換するモデル#2を用いて、イベント#1に参加した利用者#1のコンテキストと利用者#1の特徴を示すスコアをベクトル#2に変換する。
For example, the
また、情報処理装置10は、イベントが開催される会場の類似性に基づいてイベントが開催される会場を多次元量に変換するモデル#3を用いて、イベント#1が開催される会場をベクトル#3に変換する。また、情報処理装置10は、イベントが開催される会場の平均利用額の類似性に基づいてイベントが開催される会場の平均利用額を多次元量に変換するモデル#4を用いて、イベント#1が開催される会場の平均利用額をベクトル#4に変換する。
Further, the
続いて、情報処理装置10は、変換したベクトル#1、ベクトル#2、ベクトル#3、ベクトル#4、…に基づいて、イベント#1のコンテキストを示すベクトル#A1を算出する。具体的には、情報処理装置10は、変換したベクトルの組の類似性に基づいてベクトルの組を多次元量に変換するモデルを用いて、ベクトルの組を多次元量に変換する。例えば、情報処理装置10は、ベクトルの組である(ベクトル#1、ベクトル#2、ベクトル#3、ベクトル#4、…)を、ベクトルの組を多次元量に変換するモデルを用いて変換したベクトル#A1を、イベント#1のコンテキストを示すベクトル#A1として算出する。
Subsequently, the
また、情報処理装置10は、利用者U2からイベントの指定を受付ける(ステップS5)。ここで、利用者U2は、例えば、出店が成功したイベントと類似する他のイベントを誘致・開催する計画を立てている事業者A1の担当者である。具体的には、情報処理装置10は、利用者U2から指定された指定イベントを示す情報を端末装置102から取得する。
Further, the
続いて、情報処理装置10は、指定イベントを示す情報を取得すると、指定イベントとコンテキストを示すベクトルが類似する他のイベントを特定する(ステップS6)。具体的には、情報処理装置10は、指定イベントのコンテキストを示すベクトル#Qを特定する。続いて、情報処理装置10は、特定したベクトル#Qと他のイベントのコンテキストを示すベクトルとの類似度を算出する。続いて、情報処理装置10は、算出した類似度が所定の閾値を超えるベクトルを特定する。例えば、情報処理装置10は、算出した類似度が所定の閾値を超えるベクトルとして、イベント#1のコンテキストを示すベクトル#A1、イベント#2のコンテキストを示すベクトル#A2、…を特定する。続いて、情報処理装置10は、指定イベントのコンテキストを示すベクトル#Qとの類似度が所定の閾値を超えるベクトルに対応するイベントを指定イベントと類似する類似イベントとして特定する。例えば、情報処理装置10は、ベクトル#A1に対応するイベント#1、ベクトル#A2に対応するイベント#2、…を類似イベントとして特定する。
Subsequently, when the
続いて、情報処理装置10は、類似イベントを特定すると、特定した類似イベントのリストを利用者U2に提供する(ステップS7)。具体的には、情報処理装置10は、類似イベントとして特定したイベント#1、イベント#2、…のリストを端末装置102に送信する。より具体的には、情報処理装置10は、類似イベントとして特定したイベント#1、イベント#2、…を類似度が高い方から順に並べて表示したリストを生成する。続いて、情報処理装置10は、生成したリストを端末装置102に送信する。
Subsequently, when the
上述したように、情報処理装置10は、各イベントと関連するネットワーク上の情報を取得する。また、情報処理装置10は、判定対象となる対象イベントとネットワーク上の情報が類似する他のイベントを特定する。これにより、情報処理装置10は、判定対象となる対象イベントと、参加する利用者のニーズや傾向が類似するイベントを特定することができる。したがって、情報処理装置10は、イベント間の類似性の判定精度を向上させることができる。また、情報処理装置10は、利用者のニーズや傾向が類似するイベントを精度よく判定することができるので、利用者のニーズや傾向とイベントとのミスマッチを防ぎ、事業者のイベント誘致・開催計画を適切に支援することができる。
As described above, the
なお、図1に示す例では、情報処理装置10が利用者から一つの指定イベントを受け付けて、複数の類似イベントのリストを利用者に対して提供する例について説明したが、これに限られない。具体的には、図1のステップS5において、情報処理装置10は、利用者U2から複数のイベントの指定を受付ける。情報処理装置10は、利用者U2から指定された複数の指定イベントを示す情報を端末装置102から取得する。
In the example shown in FIG. 1, an example in which the
続いて、図1のステップS6において、情報処理装置10は、複数の指定イベントを示す情報を取得すると、複数の指定イベントとコンテキストを示すベクトルが類似する他のイベントを特定する。具体的には、情報処理装置10は、複数の指定イベントに対応する各コンテキストベクトルを特定する。例えば、情報処理装置10は、複数の指定イベントに対応する各コンテキストベクトルとして、ベクトル#Q1、ベクトル#Q2、ベクトル#Q3、…を特定する。続いて、情報処理装置10は、ベクトルの組の類似性に基づいてベクトルの組を多次元量に変換するモデルを用いて、ベクトルの組を多次元量に変換する。例えば、情報処理装置10は、ベクトルの組である(ベクトル#Q1、ベクトル#Q2、ベクトル#Q3、…)を、ベクトルの組を多次元量に変換するモデルを用いて変換したベクトル#V1を、複数の指定イベントのコンテキストを示すベクトル#V1として算出する。
Subsequently, in step S6 of FIG. 1, when the
続いて、情報処理装置10は、算出したベクトル#V1と他のイベントのコンテキストを示すベクトルとの類似度を算出する。続いて、情報処理装置10は、算出した類似度が所定の閾値を超えるベクトルを特定する。続いて、情報処理装置10は、複数の指定イベントのコンテキストを示すベクトル#V1との類似度が所定の閾値を超えるベクトルに対応するイベントを複数の指定イベントと類似する類似イベントとして特定する。
Subsequently, the
〔2.情報処理装置の構成〕
次に、図2を用いて、実施形態に係る情報処理装置10の構成について説明する。図2は、実施形態に係る情報処理装置10の構成例を示す図である。図2に示すように、情報処理装置10は、通信部20と、記憶部30と、制御部40とを有する。
[2. Information processing device configuration]
Next, the configuration of the
(通信部20)
通信部20は、例えば、NIC(Network Interface Card)等によって実現される。そして、通信部20は、ネットワークNと有線または無線で接続され、端末装置100とログサーバ200との間で情報の送受信を行う。
(Communication unit 20)
The communication unit 20 is realized by, for example, a NIC (Network Interface Card) or the like. Then, the communication unit 20 is connected to the network N by wire or wirelessly, and transmits / receives information between the
(記憶部30)
記憶部30は、例えば、RAM(Random Access Memory)、フラッシュメモリ(Flash Memory)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。また、記憶部30は、図2に示すように、イベントデータベース31と利用者データベース32と会場データベース33を有する。
(Memory unit 30)
The
(イベントデータベース31)
イベントデータベース31は、イベントに関する各種情報を記憶する。図3を用いて、実施形態に係るイベントデータベースの一例について説明する。図3は、実施形態に係るイベントデータベースの一例を示す図である。図3に示す例では、イベントデータベース31は、「イベントID」、「イベント名」、「カテゴリ」、「開催地」、「会場ID」、「コンテキストベクトル」といった項目を有する。
(Event database 31)
The
「イベントID」は、各イベントを識別するための識別情報を示す。「イベント名」は、各イベントの名称を示す。「カテゴリ」は、会場のカテゴリを示す。例えば、「カテゴリ」は、スポーツ大会系/芸能・音楽系/展示会系/博覧会系/祭り系といった分野のカテゴリであってもよいし、オリンピック/ワールドカップ/高校野球大会/マラソン大会といった大会のカテゴリであってもよい。「開催地」は、イベントの開催地の位置を示す。例えば、「開催地」は、各イベントの開催地の所定の位置(例えば、イベントの開催地の中心)を示す緯度や経度の情報であってもよいし、各イベントの開催地の地名(例えば、都道府県名、区市町村名等)の情報であってもよい。「会場ID」は、会場を識別するための識別情報を示す。「コンテキストベクトル」は、各イベントのコンテキストを示す多次元量を示す。 The "event ID" indicates identification information for identifying each event. "Event name" indicates the name of each event. "Category" indicates the category of the venue. For example, the "category" may be a category of sports competitions / entertainment / music / exhibitions / exhibitions / festivals, or competitions such as the Olympics / World Cup / high school baseball / marathon. It may be in the category of. "Venue" indicates the location of the venue of the event. For example, the "venue" may be latitude or longitude information indicating a predetermined position of the venue of each event (for example, the center of the venue of the event), or the place name of the venue of each event (for example). , Prefecture name, ward, city, town, village name, etc.) information may be used. The "venue ID" indicates identification information for identifying the venue. The "context vector" indicates a multidimensional quantity indicating the context of each event.
なお、イベントデータベース31は、上記に限らず、目的に応じて種々の情報を記憶してもよい。例えば、イベントデータベース31は、各イベントの出演者/競技者/団体、演目/競技/展示物、主催者、開催時期、開催期間、時間帯、当日の気温、天気といった各イベントに関する情報を記憶してもよい。
The
(利用者データベース32)
利用者データベース32は、利用者に関する各種情報を記憶する。図4を用いて、実施形態に係る利用者データベースの一例について説明する。図4は、実施形態に係る利用者データベースの一例を示す図である。図4に示す例では、利用者データベース32は、「利用者ID」、「位置履歴」、「検索履歴」、「閲覧履歴」、「購買履歴」、「投稿履歴」といった項目を有する。
(User database 32)
The
「利用者ID」は、利用者を識別するための識別情報を示す。「位置履歴」は、利用者の位置の履歴を示す。「検索履歴」は、利用者が入力した検索クエリの履歴を示す。「閲覧履歴」は、利用者が閲覧したコンテンツの履歴を示す。「購買履歴」は、利用者による購買の履歴を示す。「投稿履歴」は、利用者による投稿の履歴を示す。 The "user ID" indicates identification information for identifying a user. "Position history" indicates the history of the user's position. The "search history" indicates the history of the search query entered by the user. The "browsing history" indicates the history of the content browsed by the user. “Purchase history” indicates the history of purchases made by users. "Posting history" indicates the history of postings by users.
なお、利用者データベース32は、上記に限らず、目的に応じて種々の情報を記憶してもよい。例えば、利用者データベース32は、利用者の年齢、性別、家族構成、経済状況といった利用者の属性に関する情報を記憶してもよい。さらに、利用者データベース32は、利用者のデモグラフィック(人口統計学的属性)、サイコグラフィック(心理学的属性)、ジオグラフィック(地理学的属性)、ベヘイビオラル(行動学的属性)といった各種属性に関する情報を記憶してもよい。
The
(会場データベース33)
会場データベース33は、会場に関する各種情報を記憶する。図5を用いて、実施形態に係る会場データベースの一例について説明する。図5は、実施形態に係る会場データベースの一例を示す図である。図5に示す例では、会場データベース33は、「会場ID」、「会場名」、「所在地」、「平均価格」、「形態」、「周辺環境」といった項目を有する。
(Venue database 33)
The venue database 33 stores various information about the venue. An example of the venue database according to the embodiment will be described with reference to FIG. FIG. 5 is a diagram showing an example of a venue database according to the embodiment. In the example shown in FIG. 5, the venue database 33 has items such as "venue ID", "venue name", "location", "average price", "form", and "surrounding environment".
「会場ID」は、会場を識別するための識別情報を示す。「会場名」は、会場の名称を示す。「所在地」は、会場の所在地の具体的な地名や住所を示す。「平均価格」は、会場を訪れた利用者の平均利用額を示す。例えば、「平均価格」は、会場の入場料やイベントの参加費等であってもよいし、さらに会場内の飲食店やグッズ販売所等での平均的な商品購入額を含めた金額であってもよい。「形態」は、会場の形態を示す。例えば、「形態」は、会議室/多目的ホール/スタジアム/アリーナ/野外ステージ等の会場の形態であってもよいし、大規模ホール/中規模ホール/小規模ホール等の規模の形態であってもよい。「周辺環境」は、会場の周辺環境を示す。例えば、「周辺環境」は、近隣の交通機関/宿泊施設/飲食店/観光地等の情報であってもよい。 The "venue ID" indicates identification information for identifying the venue. "Venue name" indicates the name of the venue. "Location" indicates a specific place name or address of the location of the venue. The "average price" indicates the average usage amount of the users who visited the venue. For example, the "average price" may be the entrance fee of the venue, the participation fee of the event, etc., and is the amount including the average purchase price of products at restaurants, goods sales offices, etc. in the venue. You may. "Form" indicates the form of the venue. For example, the "form" may be a venue such as a conference room / multipurpose hall / stadium / arena / outdoor stage, or a large-scale hall / medium-scale hall / small-scale hall or the like. May be good. "Peripheral environment" indicates the surrounding environment of the venue. For example, the "surrounding environment" may be information on nearby transportation facilities / accommodation facilities / restaurants / sightseeing spots and the like.
なお、会場データベース33は、上記に限らず、目的に応じて種々の情報を記憶してもよい。例えば、会場データベース33は、会場の収容人数、営業時間、会場における喫煙の可否、飲食の可否、トイレの有無、屋根のある場所の有無、駐車場の有無といった会場に関する情報を記憶してもよい。 The venue database 33 is not limited to the above, and various information may be stored depending on the purpose. For example, the venue database 33 may store information about the venue such as the number of people accommodated in the venue, business hours, smoking in the venue, eating and drinking, toilets, roofed places, and parking lots. ..
(制御部40)
制御部40は、例えば、CPU(Central Processing Unit)やMPU(Micro Processing Unit)等によって、情報処理装置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40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。
(Control unit 40)
The
図2に示すように、制御部40は、取得部41と、推定部42と、算出部43と、変換部44と、特定部45と、受付部46と、提供部47を有し、以下に説明する情報処理の機能や作用を実現または実行する。なお、制御部40の内部構成は、図2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。
As shown in FIG. 2, the
(取得部41)
取得部41は、各種のログデータをログサーバ200から取得する。取得部41は、各イベントと関連するネットワーク上の情報を取得する。具体的には、取得部41は、各イベントに関するネットワーク上の情報をログサーバ200から取得する。例えば、取得部41は、各イベントのカテゴリ、出演者/競技者/団体、演目/競技/展示物、主催者、開催地、会場、参加費、開催時期、開催期間、時間帯、当日の気温、天気といった各イベントに関するネットワーク上の情報をログサーバ200から取得する。続いて、取得部41は、取得した各イベントに関するネットワーク上の情報をイベントIDと対応付けてイベントデータベース31に格納する。
(Acquisition unit 41)
The
また、取得部41は、各イベントと関連性を有する利用者の行動を示すネットワーク上の情報を取得する。取得部41は、各イベントと関連性を有する利用者の行動を示すネットワーク上の情報をログサーバ200から取得する。取得部41は、各イベントに参加した利用者の行動を示すネットワーク上の情報を取得する。例えば、取得部41は、利用者の位置の履歴である位置履歴を取得する。また、取得部41は、利用者が入力した検索クエリの履歴である検索履歴を取得する。また、取得部41は、利用者が閲覧したコンテンツの履歴である閲覧履歴を取得する。また、取得部41は、利用者による購買の履歴である購買履歴を取得する。また、取得部41は、利用者による投稿の履歴である投稿履歴を取得する。続いて、取得部41は、利用者の行動を示すネットワーク上の情報を取得すると、取得した情報を利用者IDと対応付けて利用者データベース32に格納する。なお、取得部41は、上述した情報の他にも各種の情報を取得する。例えば、取得部41は、利用者の年齢、性別、家族構成、経済状況といった利用者の属性に関する情報をログサーバ200から取得する。続いて、取得部41は、利用者の属性に関する情報をログサーバ200から取得すると、取得した情報を利用者IDと対応付けて利用者データベース32に格納する。
In addition, the
また、取得部41は、各イベントが開催される会場に関するネットワーク上の情報を取得する。取得部41は、各イベントが開催される会場に関するネットワーク上の情報をログサーバ200から取得する。例えば、取得部41は、各イベントが開催された会場を訪問した利用者に関するネットワーク上の情報を取得する。なお、会場を訪問した利用者には、会場内に入場した利用者に限らず、例えば入場チケット等が入手できずイベント時に会場周辺にはいたが会場内には入場できなかった利用者を含む。また、下見のためにイベント前に会場を訪問した利用者や、余韻に浸るためイベント後に会場を訪問した利用者等も含めてもよい。例えば、取得部41は、各イベントが開催された会場を訪問した利用者により投稿された情報であって、会場に関する情報を取得する。取得部41は、ログサーバ200から取得した投稿履歴に基づいて、各イベントが開催された会場を訪問した利用者により投稿された情報であって、会場に関する情報を取得する。また、取得部41は、各イベントが開催される会場の名称、所在地、平均価格(平均客単価)、形態、周辺環境に関する情報をログサーバ200から取得する。なお、取得部41は、上述した情報の他にも各種の情報を取得する。例えば、取得部41は、会場の収容人数、営業時間、会場における喫煙の可否、飲食の可否、トイレの有無、屋根のある場所の有無、駐車場の有無といった会場に関する情報をログサーバ200から取得する。続いて、取得部41は、各イベントが開催される会場に関するネットワーク上の情報を取得すると、取得した情報を会場IDと対応付けて会場データベース33に格納する。
In addition, the
また、取得部41は、各イベントに参加した利用者の行動を示すネットワーク上の情報を取得する。また、取得部41は、利用者が利用する端末装置から取得した位置情報に基づいて、利用者を特定し、特定した利用者の行動を示すネットワーク上の情報を取得する。具体的には、取得部41は、各種のログデータを取得すると、各イベントと関連性を有する利用者を特定し、特定した利用者のログデータを取得する。例えば、取得部41は、利用者データベース32の位置履歴を参照して、利用者の位置履歴に基づいて、各イベントに参加した利用者を特定する。また、取得部41は、利用者の位置履歴に基づいて、各イベントに参加した利用者を特定する。続いて、取得部41は、利用者を特定すると、利用者データベース32を参照して、特定した利用者のログデータを取得する。
In addition, the
図1に示す例では、取得部41は、利用者データベース32の位置履歴を参照して、利用者の位置履歴に基づいて、イベント#1に参加した利用者である利用者#1、利用者#2、利用者#3、…を特定する。続いて、取得部41は、利用者を特定すると、利用者データベース32を参照して、特定した利用者のログデータを取得する。例えば、取得部41は、利用者データベース32を参照して、利用者#1の検索履歴、利用者#1の閲覧履歴、利用者#1の購買履歴、…等の利用者#1のログデータを取得する。また、取得部41は、利用者データベース32を参照して、利用者#1の年齢、性別、家族構成、経済状況といった利用者の属性に関する情報を取得する。また、取得部41は、利用者データベース32を参照して、利用者#2の検索履歴、利用者#2の閲覧履歴、利用者#2の購買履歴、…等の利用者#2のログデータを取得する。また、取得部41は、利用者データベース32を参照して、利用者#2の年齢、性別、家族構成、経済状況といった利用者の属性に関する情報を取得する。このようにして、取得部41は、イベント#1に参加した各利用者のログデータを取得する。また、取得部41は、イベント#1に参加した各利用者の属性に関する情報を取得する。
In the example shown in FIG. 1, the
(推定部42)
推定部42は、取得部41により取得された情報に基づいて、利用者に関する情報を推定する。例えば、推定部42は、取得部41により取得された情報に基づいて、利用者に関する情報を推定するモデルを用いて、利用者に関する情報を推定する。また、推定部42は、利用者のイベントにおける行動のコンテキストを推定する。例えば、推定部42は、取得部41により取得された情報に基づいて、利用者のイベントにおける行動のコンテキストを推定するモデルを用いて、利用者のイベントにおける行動のコンテキストを推定してもよい。
(Estimation unit 42)
The
また、推定部42は、取得部41により取得された利用者の位置履歴に基づいて、利用者の行動の種類を推定してもよい。例えば、推定部42は、取得部41により取得された利用者の位置履歴に基づいて、利用者の訪問場所を推定する。続いて、推定部42は、推定した訪問場所に基づいて、利用者の行動を推定する。例えば、推定部42は、推定した訪問場所がイベント会場である場合、利用者がイベント会場を訪問したと推定する。また、推定部42は、取得部41により取得された利用者の購買履歴に基づいて、利用者の行動を推定してもよい。例えば、推定部42は、取得部41により取得された利用者の購買履歴に基づいて、利用者が購入した商品またはサービスを特定する。例えば、推定部42は、利用者の位置履歴の日時と購買履歴の日時との比較に基づいて、利用者の行動を推定する。例えば、推定部42は、位置履歴に基づいて利用者がイベント会場を訪問したと推定される日時に、購買履歴に基づいて同じ利用者がイベント会場内で商品購入していた場合には、利用者がイベントに参加していたと推定してもよい。
Further, the
また、推定部42は、取得部41により取得された利用者の位置履歴に基づいて、利用者の移動速度を算出してもよい。続いて、推定部42は、算出した移動速度に基づいて、利用者の移動手段を推定してもよい。例えば、推定部42は、算出した移動速度が所定の時速である場合には、利用者が歩いていると推定する。また、推定部42は、算出した移動速度が所定の時速を超える場合には、利用者が自動車や鉄道に乗車したと推定する。例えば、推定部42は、算出した移動速度が所定の時速を超える場合において、利用者の位置が道路上であれば利用者が自動車に乗車したと推定し、利用者の位置が線路上であれば利用者が鉄道に乗車したと推定する。
Further, the
また、推定部42は、利用者の興味に関する情報を推定する。例えば、推定部42は、利用者の興味に関する情報を推定するモデルを用いて、取得部41により取得された情報に基づいて、利用者の興味に関する情報を推定する。
In addition, the
また、推定部42は、取得部41により取得された利用者の検索履歴に基づいて、利用者の興味分野を推定してもよい。例えば、推定部42は、取得部41により取得された利用者の検索履歴に基づいて、利用者が所定期間内に所定の回数以上、経済分野に関する検索クエリを検索していた場合には、利用者の興味分野が経済分野であると推定する。
Further, the
また、推定部42は、取得部41により取得された利用者の閲覧履歴に基づいて、利用者の興味分野を推定してもよい。例えば、推定部42は、取得部41により取得された利用者の閲覧履歴に基づいて、利用者が所定期間内に所定の回数以上、海外旅行に関するコンテンツを閲覧していた場合には、利用者が海外旅行に興味を持っていると推定する。
Further, the
図1に示す例では、推定部42は、取得部41により取得された利用者#1のログデータに基づいて、イベント#1に参加した利用者#1のコンテキストを推定する。例えば、推定部42は、利用者#1のイベント#1における行動のコンテキストを推定する。また、推定部42は、利用者#1の興味に関する情報を推定する。
In the example shown in FIG. 1, the
(算出部43)
算出部43は、取得部41により取得された情報に基づいて、利用者の特徴を示すスコアを算出する。例えば、推定部42は、取得部41により取得された情報に基づいて、利用者の特徴を示すスコアを算出するモデルを用いて、利用者の特徴を示すスコアを算出する。図1に示す例では、算出部43は、利用者の特徴を示すスコアを算出するモデルを用いて、取得した利用者#1のログデータに基づいて、利用者#1の特徴を示すスコアを算出する。
(Calculation unit 43)
The
(変換部44)
変換部44は、取得部41によって取得された各利用者のログデータと、各イベントが開催される会場に関する情報とに基づいて、各イベントのコンテキストを示す多次元量(例えば、ベクトル)を算出する。具体的には、変換部44は、ネットワーク上の情報間の類似性に基づいて情報を多次元量に変換するモデルを用いて、ネットワーク上の情報を多次元量に変換する。変換部44は、各イベントのコンテキストを示す多次元量(以下、「コンテキストベクトル」と記載する)を算出すると、算出したコンテキストベクトルをイベントIDと対応付けてイベントデータベース31に格納する。
(Conversion unit 44)
The
より具体的には、変換部44は、取得部41によって取得された利用者のログデータの類似性に基づいて利用者のログデータを多次元量に変換するモデル#1を用いて、利用者のログデータをベクトルに変換する。図1に示す例では、変換部44は、利用者のログデータの類似性に基づいて利用者のログデータを多次元量に変換するモデル#1を用いて、イベント#1に参加した利用者#1のログデータをベクトル#1に変換する。より具体的には、変換部44は、利用者#1の検索履歴、利用者#1の閲覧履歴、利用者#1の購買履歴、利用者#1の投稿履歴、…といった利用者#1のログデータをベクトル#1に変換する。なお、変換部44は、上述したログデータの他にも各種のログデータの類似性に基づいて、利用者のログデータをベクトルに変換してよい。また、上術した例では、変換部44が利用者の検索履歴、閲覧履歴、購買履歴、…といった複数のログデータの類似性に基づいて、複数のログデータをまとめて一つのベクトル#1に変換する例について説明したが、これに限られない。例えば、変換部44は、検索履歴、閲覧履歴、購買履歴、投稿履歴、…といった利用者の各ログデータの類似性に基づいて利用者の各ログデータを各ベクトルに変換する各モデルを用いて、利用者の各ログデータをそれぞれ個別のベクトルに変換してもよい。
More specifically, the
また、変換部44は、利用者の属性に関する情報の類似性に基づいて利用者の属性に関する情報を多次元量に変換するモデル#11を用いて、利用者の属性に関する情報をベクトルに変換する。例えば、変換部44は、年齢、性別、家族構成、経済状況といった利用者の属性に関する情報の類似性に基づいて利用者の属性に関する情報を多次元量に変換するモデル#11を用いて、イベント#1に参加した利用者#1の属性に関する情報をベクトル#11に変換する。なお、変換部44は、利用者の属性に関する情報と利用者のログデータとを合わせた情報である利用者情報の類似性に基づいて利用者情報の類似性に基づいて、利用者情報を多次元量に変換するモデル#12を用いて、イベント#1に参加した利用者#1の利用者情報をベクトル#12に変換してもよい。
Further, the
また、変換部44は、推定部42によって推定された利用者のコンテキストと算出部43によって算出された利用者の特徴を示すスコアの類似性に基づいて利用者のコンテキストと利用者の特徴を示すスコアを多次元量に変換するモデル#2を用いて、利用者のコンテキストと利用者の特徴を示すスコアをベクトルに変換する。図1に示す例では、変換部44は、利用者のコンテキストと利用者の特徴を示すスコアを多次元量に変換するモデル#2を用いて、推定部42によって推定された利用者#1のコンテキストと算出部43によって算出された利用者#1の特徴を示すスコアをベクトル#2に変換する。
Further, the
また、変換部44は、各イベントが開催される会場に関する情報の類似性に基づいて各イベントが開催される会場に関する情報を多次元量に変換するモデルを用いて、各イベントが開催される会場に関する情報をベクトルに変換する。例えば、変換部44は、イベントが開催される会場の類似性に基づいてイベントが開催される会場を多次元量に変換するモデル#3を用いて、イベント#1が開催される会場をベクトル#3に変換する。また、変換部44は、イベントが開催される会場の平均利用額の類似性に基づいてイベントが開催される会場の平均利用額を多次元量に変換するモデル#4を用いて、イベント#1が開催される会場の平均利用額をベクトル#4に変換する。また、変換部44は、会場の営業時間の類似性に基づいてイベントが開催される会場の営業時間を多次元量に変換するモデル#5を用いて、イベント#1が開催される会場の営業時間をベクトル#5に変換する。また、変換部44は、会場における喫煙の可否の類似性に基づいてイベントが開催される会場における喫煙の可否を多次元量に変換するモデル#6を用いて、イベント#1が開催される会場における喫煙の可否をベクトル#6に変換する。また、変換部44は、上述した各イベントが開催される会場に関する情報の他にも各種の各イベントが開催される会場に関する情報の類似性に基づいて、各イベントが開催される会場に関する情報をベクトルに変換してよい。なお、変換部44は、イベントが開催される会場、会場の平均利用額、会場の収容人数、営業時間、会場における喫煙の可否、飲食の可否、トイレの有無、屋根のある場所の有無、駐車場の有無といった会場に関する複数の情報の類似性に基づいて、会場に関する複数の情報をまとめて一つのベクトルに変換してもよい。
In addition, the
また、変換部44は、各イベントに関するネットワーク上の情報の類似性に基づいて各イベントに関するネットワーク上の情報を多次元量に変換するモデルを用いて、各イベントに関するネットワーク上の情報をベクトルに変換する。例えば、変換部44は、各イベントのカテゴリ、出演者/競技者/団体、演目/競技/展示物、主催者、開催地、会場、参加費、開催時期、開催期間、時間帯、当日の気温、天気といった各イベントに関するネットワーク上の各情報の類似性に基づいて各イベントに関するネットワーク上の各情報を多次元量に変換する各モデルを用いて、各イベントに関するネットワーク上の各情報を各ベクトルに変換する。なお、変換部44は、各イベントのカテゴリ、出演者/競技者/団体、演目/競技/展示物、主催者、開催地、会場、参加費、開催時期、開催期間、時間帯、当日の気温、天気といった各イベントに関するネットワーク上の複数の情報の類似性に基づいて、各イベントに関するネットワーク上の複数の情報をまとめて一つのベクトルに変換してもよい。
Further, the
続いて、変換部44は、各モデルによって変換されたベクトルに基づいて、各イベントのコンテキストを示す多次元量を算出する。例えば、変換部44は、各モデルによって変換されたベクトルの組の類似性に基づいてベクトルの組を多次元量に変換するモデルを用いて、ベクトルの組を多次元量に変換する。図1に示す例では、変換部44は、各モデルによって変換されたベクトルの組である(ベクトル#1、ベクトル#2、ベクトル#3、ベクトル#4、…)を、ベクトルの組を多次元量に変換するモデルを用いて、イベント#1のコンテキストを示すベクトル#A1に変換する。
Subsequently, the
なお、上述した例では、変換部44が、取得部41によって取得された各利用者のログデータと、各イベントが開催される会場に関する情報と、各イベントに関するネットワーク上の情報とをそれぞれ各ベクトルに変換したうえで、変換した各ベクトルに基づいて各イベントのコンテキストベクトルを算出する例について説明したが、これに限られない。具体的には、変換部44は、取得部41によって取得された各利用者のログデータと、各イベントが開催される会場に関する情報と、各イベントに関するネットワーク上の情報とに基づいて、各イベントのコンテキストベクトルを算出する。例えば、変換部44は、取得部41によって取得された各利用者の検索履歴、閲覧履歴、購買履歴、…等の各ログデータ、各利用者の年齢、性別、家族構成、経済状況といった利用者の属性に関する各情報、各イベントが開催される会場、会場の平均利用額、会場の収容人数、営業時間、会場における喫煙の可否、飲食の可否、トイレの有無、屋根のある場所の有無、駐車場の有無といった会場に関する各情報、各イベントのカテゴリ、出演者/競技者/団体、演目/競技/展示物、主催者、開催地、会場、参加費、開催時期、開催期間、時間帯、当日の気温、天気といった各イベントに関するネットワーク上の各情報の類似性に基づいて、これらの各情報を多次元量に変換するモデルを用いてこれらの各情報を多次元量に変換することにより、各イベントのコンテキストベクトルを算出する。
In the above example, the
(特定部45)
特定部45は、判定対象となる対象イベントとネットワーク上の情報が類似する他のイベントを特定する。具体的には、特定部45は、受付部46によって指定イベントを受け付けると、指定イベントとコンテキストを示すベクトルが類似する他のイベントを特定する。より具体的には、特定部45は、多次元量の類似性に基づいて、対象イベントとネットワーク上の情報が類似する他のイベントを特定する。例えば、特定部45は、利用者のネットワーク上の行動が対象イベントと類似する他のイベントを特定する。また、特定部45は、推定部42により推定された利用者に関する情報が対象イベントと類似する他のイベントを特定する。また、特定部45は、算出部43により算出されたスコアの傾向が対象イベントと類似する他のイベントを特定する。また、特定部45は、会場に関するネットワーク上の情報が対象イベントと類似する他のイベントを特定する。また、特定部45は、対象イベントとネットワーク上の情報が類似する複数の他のイベントを特定する。
(Specific part 45)
The
図1に示す例では、特定部45は、受付部46によって指定イベントを受け付けると、指定イベントとコンテキストを示すベクトルが類似する他のイベントを特定する。具体的には、特定部45は、受付部46によって受け付けられた指定イベントのコンテキストを示すベクトル#Qを特定する。続いて、特定部45は、特定したベクトル#Qと他のイベントのコンテキストを示すベクトルとの類似度を算出する。続いて、特定部45は、算出した類似度が所定の閾値を超えるベクトルを特定する。例えば、特定部45は、算出した類似度が所定の閾値を超えるベクトルとして、イベント#1のコンテキストを示すベクトル#A1、イベント#2のコンテキストを示すベクトル#A2、…を特定する。続いて、特定部45は、指定イベントのコンテキストを示すベクトル#Qとの類似度が所定の閾値を超えるベクトルに対応するイベントを指定イベントと類似する類似イベントとして特定する。例えば、特定部45は、ベクトル#A1に対応するイベント#1、ベクトル#A2に対応するイベント#2、…等の複数の類似イベントを特定する。
In the example shown in FIG. 1, when the
なお、図1に示す例では、情報処理装置10が利用者から一つの指定イベントを受け付けて、複数の類似イベントのリストを利用者に対して提供する例について説明したが、これに限られない。具体的には、受付部46は、利用者から複数のイベントの指定を受付ける。受付部46は、利用者から指定された複数の指定イベントを示す情報を端末装置100から取得する。
In the example shown in FIG. 1, an example in which the
続いて、特定部45は、受付部46によって複数の指定イベントを受け付けると、複数の指定イベントとコンテキストを示すベクトルが類似する他のイベントを特定する。具体的には、特定部45は、複数の指定イベントに対応する各コンテキストベクトルを特定する。例えば、特定部45は、複数の指定イベントに対応する各コンテキストベクトルとして、ベクトル#Q1、ベクトル#Q2、ベクトル#Q3、…を特定する。続いて、特定部45は、ベクトルの組の類似性に基づいてベクトルの組を多次元量に変換するモデルを用いて、ベクトルの組を多次元量に変換する。例えば、特定部45は、ベクトルの組である(ベクトル#Q1、ベクトル#Q2、ベクトル#Q3、…)を、ベクトルの組を多次元量に変換するモデルを用いて変換したベクトル#V1を、複数の指定イベントのコンテキストを示すベクトル#V1として算出する。
Subsequently, when the
続いて、特定部45は、算出したベクトル#V1と他のイベントのコンテキストを示すベクトルとの類似度を算出する。続いて、特定部45は、算出した類似度が所定の閾値を超えるベクトルを特定する。続いて、特定部45は、複数の指定イベントのコンテキストを示すベクトル#V1との類似度が所定の閾値を超えるベクトルに対応するイベントを複数の指定イベントと類似する類似イベントとして特定する。
Subsequently, the
(受付部46)
受付部46は、判定対象となる対象イベントの指定を利用者から受付ける。具体的には、受付部46は、利用者から判定対象となる対象イベントとして指定された指定イベントを示す情報を端末装置100から取得する。図1に示す例では、受付部46は、利用者U2からイベントの指定を受付ける。具体的には、受付部46は、利用者U2から指定された指定イベントを示す情報を端末装置102から取得する。
(Reception Department 46)
The
(提供部47)
提供部47は、特定部45が特定した他のイベントを示す情報を利用者に提供する。例えば、提供部47は、特定部45によって類似イベントが特定されると、特定された類似イベントのリストを端末装置100に送信する。例えば、提供部47は、特定した複数の類似イベントを類似度が高い方から順に並べて表示したリストを生成する。続いて、提供部47は、生成したリストを端末装置100に送信する。図1に示す例では、提供部47は、類似イベントを特定すると、特定した類似イベントのリストを利用者U2に提供する。具体的には、提供部47は、類似イベントとして特定したイベント#1、イベント#2、…といった複数の類似イベントのリストを端末装置102に送信する。より具体的には、提供部47は、類似イベントとして特定したイベント#1、イベント#2、…を類似度が高い方から順に並べて表示したリストを生成する。続いて、提供部47は、生成したリストを端末装置102に送信する。
(Providing Department 47)
The providing
〔3.情報処理のフロー〕
次に、図6を用いて、実施形態に係る情報処理の手順について説明する。図6は、実施形態に係る情報処理手順を示すフローチャートである。図6に示す例では、情報処理装置10は、所定のタイミングであるか否かを判定する(ステップS101)。情報処理装置10は、所定のタイミングでないと判定した場合(ステップS101;No)、所定のタイミングがくるまで待機する。
[3. Information processing flow]
Next, the procedure of information processing according to the embodiment will be described with reference to FIG. FIG. 6 is a flowchart showing an information processing procedure according to the embodiment. In the example shown in FIG. 6, the
一方、情報処理装置10は、所定のタイミングであると判定した場合(ステップS101;Yes)、各イベントと関連性を有する利用者の行動を示すネットワーク上のログデータを取得する(ステップS102)。続いて、情報処理装置10は、ログデータを取得すると、取得したログデータ同士の類似性を反映させたコンテキストベクトルをイベントごとに生成する(ステップS103)。
On the other hand, when the
続いて、情報処理装置10は、利用者から指定イベントを受け付けたか否かを判定する(ステップS104)。情報処理装置10は、利用者から指定イベントを受け付けていないと判定した場合(ステップS104;No)、利用者から指定イベントを受け付けるまで待機する。
Subsequently, the
一方、情報処理装置10は、利用者から指定イベントを受け付けたと判定した場合(ステップS104;Yes)、指定イベントのコンテキストベクトルを特定する(ステップS105)。続いて、情報処理装置10は、指定イベントのコンテキストベクトルを特定すると、コンテキストベクトルが指定イベントと類似する類似イベントを特定する(ステップS106)。続いて、情報処理装置10は、特定した類似イベントを示す情報を出力する(ステップS107)。
On the other hand, when the
〔4.変形例〕
上述した情報処理装置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よい。そこで、以下では、実施形態の変形例について説明する。
[4. Modification example]
The
上記の実施形態において、情報処理装置10は、コンテキストベクトルが指定イベントと類似する類似イベントを特定しているが、指定イベントから派生した派生イベントを類似イベントの一種とみなしてとしてもよい。例えば、あるイベントの前後に、そのイベントと関連性を有する関連イベント(例えば、前夜祭/後夜祭、応援イベント等)が開催されることがある。また、あるイベントに参加する利用者が、イベント前に近くの喫茶店やファストフード店等で待ち合わせや時間潰しをしたり、イベント後にその地域の飲食店や酒場等に向かったりすることがある。また、地方のイベントに参加した利用者が、イベント参加のついでに、その地方の名所や有名施設等を巡ったり、その地方の温泉等の入浴施設を利用したりすることもある。このような派生イベントは、対象イベントとコンテキストベクトルが類似する他のイベントとなり得る。また、指定イベントに付随して発生する派生イベントを類似イベントとすることで、あるイベントに参加予定の利用者に対して、そのイベントの前後に発生する派生イベントやそれに関連する施設等に関する情報を提供(紹介/提案/推奨)してもよい。
In the above embodiment, the
また、あるイベントに参加した利用者に対して、そのイベントに類似する類似イベントに関する情報を提供する際、併せて、その類似イベントの前後に発生する派生イベントやそれに関連する施設等に関する情報を提供してもよい。また、あるイベントに参加予定の利用者に対して、そのイベントと類似する過去の類似イベントの際に参加者が立ち寄った観光地や施設等に関する情報を提供してもよい。さらに、あるイベントに参加予定の利用者に対して、そのイベントの前後に発生する派生イベントから副次的に発生する二次派生イベントやそれに関連する施設等に関する情報を提供してもよい。 In addition, when providing information on similar events similar to the event to users who participated in a certain event, information on derivative events that occur before and after the similar event and related facilities is also provided. You may. In addition, users who are planning to participate in a certain event may be provided with information on sightseeing spots, facilities, etc. that the participants stopped by at the time of a similar event in the past similar to the event. Further, a user who is scheduled to participate in a certain event may be provided with information on a secondary derivative event that occurs secondarily from a derivative event that occurs before and after the event, a facility related thereto, and the like.
また、上記の実施形態において、情報処理装置10は、各利用者のログデータと、各イベントが開催される会場に関する情報とに基づいて、各イベントのコンテキストを示す多次元量を算出しているが、さらに各イベントが開催される地域に関する情報に基づいて、各イベントのコンテキストを示す多次元量を算出してもよい。例えば、祭り系のイベントやその他のご当地イベントのように、地域に定着したイベントの場合には、各イベントが開催される地域に関する情報も、各イベントのコンテキストを示す多次元量に影響を及ぼすと推測される。なお、各利用者のログデータや、各イベントが開催される会場に関する情報に、各イベントが開催される地域に関する情報が含まれていてもよい。
Further, in the above embodiment, the
また、上記の実施形態において、情報処理装置10は、イベント間の類似性の判定を行っているが、イベント間に限らず、イベントと、そのイベントの開催地である地域の特徴を示すキーワードとの類似性の判定を行ってもよい。これにより、情報処理装置10は、対象イベントと利用者のニーズや傾向が類似する観光資源を示すキーワードを精度よく判定することができるので、利用者のイベント参加に伴う観光等を適切に支援することができる。例えば、ある地域で開催されるイベントと、その地域にある特定の施設との類似性から、イベント終了後に、利用者をその特定の施設に案内することができる。
Further, in the above embodiment, the
また、上記の実施形態において、情報処理装置10は、イベント間の類似性の判定を行っているが、エリアの特徴となり得る様々な事項に関するキーワード間の類似性の判定を行ってもよい。すなわち、あるエリアの特徴を示すキーワード間の類似性の判定を行ってもよい。具体的には、エリアの特徴を示す各キーワードと関連するネットワーク上の情報を取得する。そして、判定対象となる対象キーワードとネットワーク上の情報が類似する他のキーワードを特定する。例えば、ある地域における集客力のある事項とそれ以外の事項とのそれぞれに関するキーワード間の類似性の判定を行ってもよい。なお、そのエリアで開催されるイベントも、エリアの特徴の1つである。
Further, in the above embodiment, the
〔5.効果〕
上述してきたように、実施形態に係る情報処理装置10は、取得部41と生成部を有する。取得部41は、イベントと関連性を有する利用者のネットワーク上の情報を取得する。生成部は、取得部が取得した情報に基づいて、イベントの特徴を示す特徴情報を生成する。なお、生成部は、上記の実施形態における変換部44に相当する。また、イベントの特徴を示す特徴情報は、例えばイベントのコンテキストを示す多次元量(例えば、ベクトル)である。
[5. effect〕
As described above, the
これにより、情報処理装置10は、イベントを適切に識別することができ、その結果、イベント間の類似性の判定精度を向上させることができる。具体的には、イベントと関連性を有する利用者のネットワーク上の情報の類似性に基づいて、イベント間の類似性を判定することができる。
As a result, the
また、実施形態に係る情報処理装置は、特定部45をさらに有する。特定部45は、取得部41が取得した情報に基づいて、判定対象となる対象イベントと類似する他のイベントを特定する。
Further, the information processing apparatus according to the embodiment further includes a
これにより、情報処理装置10は、判定対象となる対象イベントと、参加する利用者のニーズや傾向が類似するイベントを特定することができる。したがって、情報処理装置10は、イベント間の類似性の判定精度を向上させることができる。また、情報処理装置10は、利用者のニーズや傾向が類似するイベントを精度よく判定することができるので、事業者のイベント誘致・開催計画を適切に支援することができる。
As a result, the
また、取得部41は、各イベントに参加した利用者のネットワーク上の行動を示す情報を取得する。また、取得部41は、利用者が利用する端末装置から取得した位置情報に基づいて、イベントと関連性を有する位置に所在した利用者を特定し、特定した利用者のネットワーク上の行動を示す情報を取得する。
In addition, the
これにより、情報処理装置10は、各イベントに参加した利用者のネットワーク上の行動を示す情報の類似性に基づいて、イベント間の類似性を判定することができる。
As a result, the
また、取得部41は、利用者が入力した検索クエリの履歴に基づいて、前記イベントと関連性を有する検索クエリを入力した利用者を特定し、特定した利用者の行動を示すネットワーク上の情報を取得する。
Further, the
これにより、情報処理装置10は、各イベントと関連性を有する利用者の検索履歴の類似性に基づいて、イベント間の類似性を判定することができる。
Thereby, the
また、取得部41は、利用者が閲覧したコンテンツの履歴に基づいて、前記イベントと関連性を有するコンテンツを閲覧した利用者を特定し、特定した利用者の行動を示すネットワーク上の情報を取得する。
In addition, the
これにより、情報処理装置10は、各イベントと関連性を有する利用者の閲覧履歴の類似性に基づいて、イベント間の類似性を判定することができる。
Thereby, the
また、取得部41は、利用者による購買の履歴に基づいて、前記イベントと関連性を有する取引対象を購買した利用者を特定し、特定した利用者の行動を示すネットワーク上の情報を取得する。
In addition, the
これにより、情報処理装置10は、各イベントと関連性を有する利用者の購買履歴の類似性に基づいて、イベント間の類似性を判定することができる。
Thereby, the
また、実施形態に係る情報処理装置10は、推定部42を有する。推定部42は、取得部41により取得された情報に基づいて、利用者に関する情報を推定する。生成部は、推定部42により推定された情報に基づいて、前記イベントの特徴を示す特徴情報を生成する。
Further, the
これにより、情報処理装置10は、各イベントと関連性を有する利用者に関する推定情報の類似性に基づいて、イベント間の類似性を判定することができる。
Thereby, the
また、推定部42は、利用者のイベントにおける行動のコンテキストを推定する。
In addition, the
これにより、情報処理装置10は、各イベントと関連性を有する利用者のイベントにおける行動のコンテキストの類似性に基づいて、イベント間の類似性を判定することができる。
Thereby, the
また、推定部42は、利用者の興味に関する情報を推定する。
In addition, the
これにより、情報処理装置10は、各イベントと関連性を有する利用者の興味に関する情報の類似性に基づいて、イベント間の類似性を判定することができる。
Thereby, the
また、実施形態に係る情報処理装置10は、算出部43を有する。算出部43は、取得部41により取得された情報に基づいて、利用者の特徴を示すスコアを算出する。生成部は、算出部43により算出されたスコアに基づいて、イベントの特徴を示す特徴情報を生成する。
Further, the
これにより、情報処理装置10は、各イベントと関連性を有する特徴を示すスコアの類似性に基づいて、イベント間の類似性を判定することができる。
Thereby, the
また、取得部41は、各イベントが開催される会場と関連する利用者のネットワーク上の情報を取得する。生成部は、会場と関連する利用者のネットワーク上の情報に基づいて、当該会場において開催されるイベントの特徴を示す特徴情報を生成する。
In addition, the
これにより、情報処理装置10は、各イベントが開催される会場に関するネットワーク上の情報の類似性に基づいて、イベント間の類似性を判定することができる。
Thereby, the
また、取得部41は、各イベントが開催された会場を訪問した利用者に関するネットワーク上の情報を取得する。
In addition, the
これにより、情報処理装置10は、各イベントが開催された会場を訪問した利用者に関するネットワーク上の情報の類似性に基づいて、イベント間の類似性を判定することができる。
Thereby, the
また、取得部41は、各イベントに参加した利用者により投稿された情報であって、各イベント及び会場の少なくとも一方に関する情報を取得する。
In addition, the
これにより、情報処理装置10は、各イベントが開催された会場を訪問した利用者により投稿された情報のうち、各イベント及び会場の少なくとも一方に関する情報の類似性に基づいて、イベント間の類似性を判定することができる。
As a result, the
また、取得部41は、さらに各イベントと関連するネットワーク上の情報を取得し、生成部は、各イベントと関連性を有する利用者の情報と、各イベントと関連するネットワーク上の情報とに基づいて、各イベントの特徴を示す特徴情報を生成する。
Further, the
これにより、情報処理装置10は、各イベントのカテゴリ、出演者/競技者/団体、演目/競技/展示物、主催者、開催地、会場、参加費、開催時期、開催期間、時間帯、当日の気温、天気といった各イベントに関するネットワーク上の情報を取得することができる。
As a result, the
生成部は、取得部41により取得されたネットワーク上の情報間の類似性に基づいて情報を多次元量に変換するモデルを用いて、ネットワーク上の情報を多次元量に変換する。
The generation unit converts the information on the network into a multidimensional quantity by using a model that converts the information into a multidimensional quantity based on the similarity between the information on the network acquired by the
これにより、情報処理装置10は、各イベントの特徴を示すベクトルの類似性に基づいて、客観的にイベント間の類似性を判定することができる。
As a result, the
また、実施形態に係る情報処理装置10は、受付部46と提供部47を有する。受付部46は、判定対象となる対象イベントの指定を利用者から受付ける。提供部47は、特定部45が特定した他のイベントを示す情報を利用者に提供する。
Further, the
これにより、情報処理装置10は、類似イベントの提供サービスに関するユーザビリティを向上させることができる。
As a result, the
また、提供部47は、他のイベントに付随して発生する派生イベントに関する情報を利用者に提供する。
In addition, the providing
これにより、情報処理装置10は、類似イベントを利用者に紹介する際に、類似イベントの前後に発生する関連イベントや、類似イベントの前後に行う休憩や観光のための施設等を、利用者に適切に紹介することができる。
As a result, when introducing a similar event to the user, the
他の観点では、実施形態に係る情報処理装置は、取得部41と生成部と特定部45を有する。なお、生成部は、上記の実施形態における変換部44に相当する。取得部41は、イベントと関連するネットワーク上の情報と、イベントの開催地であるエリアの特徴を示すキーワードと関連するネットワーク上の情報とを取得する。生成部は、取得部が取得した情報に基づいて、イベントの特徴を示す特徴情報と、キーワードの特徴を示す特徴情報とを生成する。特定部45は、前記イベントの特徴を示す特徴情報と前記キーワードの特徴を示す特徴情報との類似性に基づいて、キーワードと類似するキーワードを特定する。
From another viewpoint, the information processing apparatus according to the embodiment includes an
これにより、情報処理装置10は、対象イベントと利用者のニーズや傾向が類似する観光資源を示すキーワードを精度よく判定することができるので、利用者のイベント参加に伴う観光等を適切に支援することができる。例えば、ある地域で開催されるイベントと、その地域にある特定の施設との類似性から、イベント終了後に、利用者をその特定の施設に案内することができる。
As a result, the
さらに他の観点では、実施形態に係る情報処理装置10は、取得部41と生成部と特定部45を有する。なお、生成部は、上記の実施形態における変換部44に相当する。取得部41は、エリアの特徴を示す各キーワードと関連するネットワーク上の情報を取得する。生成部は、取得部が取得した情報に基づいて、各キーワードの特徴を示す特徴情報を生成する。特定部45は、各キーワードの特徴情報の類似性に基づいて、判定対象となる対象キーワードと類似する他のキーワードを特定する。
From yet another viewpoint, the
これにより、情報処理装置10は、エリアの特徴を示す各キーワードについて、判定対象となる対象キーワードと、参加する利用者のニーズや傾向が類似するキーワードを特定することができる。したがって、情報処理装置10は、キーワード間の類似性の判定精度を向上させることができる。
As a result, the
〔6.ハードウェア構成〕
また、上述してきた実施形態に係る情報処理装置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、情報処理装置10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を備える。
[6. Hardware configuration]
Further, the
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。
The
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。
The
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。
The
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。
The
例えば、コンピュータ1000が情報処理装置10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130または制御部52または制御部15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。
For example, when the
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。 Although some of the embodiments of the present application have been described in detail with reference to the drawings, these are examples, and various modifications are made based on the knowledge of those skilled in the art, including the embodiments described in the disclosure column of the invention. It is possible to practice the present invention in other improved forms.
〔7.その他〕
また、上記実施形態及び変形例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。
[7. others〕
Further, among the processes described in the above-described embodiments and modifications, all or part of the processes described as being automatically performed can be manually performed, or are described as being manually performed. It is also possible to automatically perform all or part of the processed processing by a known method. In addition, the processing procedure, specific name, and information including various data and parameters shown in the above document and drawings can be arbitrarily changed unless otherwise specified. For example, the various information shown in each figure is not limited to the illustrated information.
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。 Further, each component of each of the illustrated devices is a functional concept, and does not necessarily have to be physically configured as shown in the figure. That is, the specific form of distribution / integration of each device is not limited to the one shown in the figure, and all or part of the device is functionally or physically dispersed / physically distributed in any unit according to various loads and usage conditions. Can be integrated and configured.
また、上述してきた実施形態及び変形例は、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。 Further, the above-described embodiments and modifications can be appropriately combined as long as the processing contents do not contradict each other.
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、特定部は、特定手段や特定回路に読み替えることができる。 Further, the above-mentioned "section, module, unit" can be read as "means" or "circuit". For example, the specific unit can be read as a specific means or a specific circuit.
1 情報処理システム
10 情報処理装置
20 通信部
30 記憶部
31 イベントデータベース
32 利用者データベース
33 会場データベース
40 制御部
41 取得部
42 推定部
43 算出部
44 変換部
45 特定部
46 受付部
47 提供部
100 端末装置
200 ログサーバ
1
Claims (21)
前記取得部が取得した情報に基づいて、前記イベントの特徴を示す特徴情報を生成する生成部と
を有することを特徴とする情報処理装置。 An acquisition unit that acquires information on the user's network that is related to the event,
An information processing device having a generation unit that generates feature information indicating the characteristics of the event based on the information acquired by the acquisition unit.
をさらに有することを特徴とする請求項1に記載の情報処理装置。 The information processing apparatus according to claim 1, further comprising a specific unit that identifies another event similar to the target event to be determined based on the similarity of the feature information generated for each event. ..
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。 The acquisition unit identifies a user located at a position related to the event based on the position information acquired from the terminal device used by the user, and indicates the behavior of the identified user on the network. The information processing apparatus according to claim 1 or 2, wherein information is acquired.
ことを特徴とする請求項1〜3のうちいずれか1つに記載の情報処理装置。 Based on the history of the search query entered by the user, the acquisition unit identifies the user who has entered the search query related to the event, and provides information on the network indicating the behavior of the identified user. The information processing apparatus according to any one of claims 1 to 3, wherein the information processing apparatus is to be acquired.
ことを特徴とする請求項1〜4のうちいずれか1つに記載の情報処理装置。 The acquisition unit identifies a user who has browsed the content related to the event based on the history of the content browsed by the user, and acquires information on the network indicating the behavior of the identified user. The information processing apparatus according to any one of claims 1 to 4.
ことを特徴とする請求項1〜5のうちいずれか1つに記載の情報処理装置。 The acquisition unit identifies a user who has purchased a transaction target related to the event based on the purchase history by the user, and acquires information on a network indicating the behavior of the specified user. The information processing apparatus according to any one of claims 1 to 5.
を有し、
前記生成部は、前記推定部により推定された情報に基づいて、前記イベントの特徴を示す特徴情報を生成する
ことを特徴とする請求項1〜6のうちいずれか1つに記載の情報処理装置。 It has an estimation unit that estimates information about the user based on the information acquired by the acquisition unit.
The information processing apparatus according to any one of claims 1 to 6, wherein the generation unit generates feature information indicating the characteristics of the event based on the information estimated by the estimation unit. ..
ことを特徴とする請求項7に記載の情報処理装置。 The information processing device according to claim 7, wherein the estimation unit estimates the context of the behavior of the user in the event.
ことを特徴とする請求項7または8に記載の情報処理装置。 The information processing device according to claim 7 or 8, wherein the estimation unit estimates information regarding the interests of the user.
を有し、
前記生成部は、前記算出部により算出されたスコアに基づいて、前記イベントの特徴を示す特徴情報を生成する
ことを特徴とする請求項1〜9のうちいずれか1つに記載の情報処理装置。 It has a calculation unit that calculates a score indicating the characteristics of the user based on the information acquired by the acquisition unit.
The information processing apparatus according to any one of claims 1 to 9, wherein the generation unit generates feature information indicating the characteristics of the event based on the score calculated by the calculation unit. ..
前記生成部は、会場と関連する利用者のネットワーク上の情報に基づいて、当該会場において開催されるイベントの特徴を示す特徴情報を生成する
ことを特徴とする請求項1〜10のうちいずれか1つに記載の情報処理装置。 The acquisition department acquires information on the user's network related to the venue where each event is held, and obtains information.
Any one of claims 1 to 10, wherein the generation unit generates characteristic information indicating the characteristics of the event held at the venue based on the information on the network of users related to the venue. The information processing device according to one.
ことを特徴とする請求項11に記載の情報処理装置。 The information processing device according to claim 11, wherein the acquisition unit acquires information on a network regarding a user who has visited the venue where each event is held.
ことを特徴とする請求項11または12に記載の情報処理装置。 The acquisition unit according to claim 11 or 12, which is information posted by a user who visits the venue where each event is held, and is characterized by acquiring information about each event and at least one of the venues. Information processing equipment.
前記生成部は、各イベントと関連性を有する利用者の情報と、各イベントと関連するネットワーク上の情報とに基づいて、各イベントの特徴を示す特徴情報を生成する
ことを特徴とする請求項1〜13のうちいずれか1つに記載の情報処理装置。 The acquisition unit further acquires information on the network related to each event, and obtains information on the network.
The claim is characterized in that the generation unit generates feature information indicating the characteristics of each event based on the information of the user related to each event and the information on the network related to each event. The information processing apparatus according to any one of 1 to 13.
ことを特徴とする請求項1〜14のうちいずれか1つに記載の情報処理装置。 The generation unit converts the information on the network into a multidimensional quantity by using a model that converts the information into a multidimensional quantity based on the similarity between the information on the network acquired by the acquisition unit. The information processing apparatus according to any one of claims 1 to 14.
前記特定部が特定した他のイベントを示す情報を前記利用者に提供する提供部と
を有することを特徴とする請求項2に記載の情報処理装置。 The reception department that accepts the designation of the target event to be judged from the user,
The information processing apparatus according to claim 2, further comprising a providing unit that provides information indicating another event specified by the specific unit to the user.
ことを特徴とする請求項16に記載の情報処理装置。 The information processing device according to claim 16, wherein the providing unit provides information on a derived event that occurs in association with the other event to the user.
前記取得部が取得した情報に基づいて、前記イベントの特徴を示す特徴情報と、前記キーワードの特徴を示す特徴情報とを生成する生成部と、
前記イベントの特徴を示す特徴情報と前記キーワードの特徴を示す特徴情報との類似性に基づいて、前記イベントと類似する前記キーワードを特定する特定部と
を備えることを特徴とする情報処理装置。 An acquisition unit that acquires information on the network related to the event, keywords indicating the characteristics of the area where the event is held, and information on the network related to the event.
A generation unit that generates feature information indicating the characteristics of the event and feature information indicating the characteristics of the keyword based on the information acquired by the acquisition unit.
An information processing device including a specific unit that identifies the keyword similar to the event based on the similarity between the feature information indicating the characteristics of the event and the feature information indicating the characteristics of the keyword.
前記取得部が取得した情報に基づいて、前記各キーワードの特徴を示す特徴情報を生成する生成部と
前記各キーワードの特徴情報の類似性に基づいて、判定対象となる対象キーワードと類似する他のキーワードを特定する特定部と
を有することを特徴とする情報処理装置。 An acquisition unit that acquires information on the network related to each keyword that indicates the characteristics of the area,
Others similar to the target keyword to be determined based on the similarity between the generation unit that generates the feature information indicating the characteristics of each keyword based on the information acquired by the acquisition unit and the feature information of each keyword. An information processing device characterized by having a specific unit that specifies a keyword.
イベントと関連性を有する利用者のネットワーク上の情報を取得する取得工程と、
前記取得工程で取得した情報に基づいて、前記イベントの特徴を示す特徴情報を生成する生成工程と
を含むことを特徴とする情報処理方法。 It is an information processing method executed by an information processing device.
The acquisition process to acquire information on the network of users related to the event,
An information processing method including a generation step of generating feature information indicating the features of the event based on the information acquired in the acquisition step.
前記取得手順で取得した情報に基づいて、前記イベントの特徴を示す特徴情報を生成する生成手順と
をコンピュータに実行させるためのプログラム。 Acquisition procedure to acquire information on the network of users related to the event,
A program for causing a computer to execute a generation procedure for generating feature information indicating the characteristics of the event based on the information acquired in the acquisition procedure.
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2020048355A JP7330919B2 (en) | 2020-03-18 | 2020-03-18 | Information processing device, information processing method and program |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2020048355A JP7330919B2 (en) | 2020-03-18 | 2020-03-18 | Information processing device, information processing method and program |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2021149468A true JP2021149468A (en) | 2021-09-27 |
JP7330919B2 JP7330919B2 (en) | 2023-08-22 |
Family
ID=77848891
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2020048355A Active JP7330919B2 (en) | 2020-03-18 | 2020-03-18 | Information processing device, information processing method and program |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP7330919B2 (en) |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2003085347A (en) * | 2001-09-11 | 2003-03-20 | Fuji Xerox Co Ltd | Device and method for supporting analysis of organization communication |
JP2010198281A (en) * | 2009-02-25 | 2010-09-09 | Hyogo Prefecture | Information processing apparatus, information processing method, and program |
JP2011215964A (en) * | 2010-03-31 | 2011-10-27 | Sony Corp | Server apparatus, client apparatus, content recommendation method and program |
JP2014182681A (en) * | 2013-03-21 | 2014-09-29 | Hitachi Systems Ltd | Shared information providing system |
WO2016063615A1 (en) * | 2014-10-21 | 2016-04-28 | ソニー株式会社 | Information processing apparatus, information processing method, and program |
KR20170036874A (en) * | 2015-09-18 | 2017-04-03 | 충북대학교 산학협력단 | Method and apparatus for recommendation of social event based on users preference |
JP2017072964A (en) * | 2015-10-07 | 2017-04-13 | Necソリューションイノベータ株式会社 | Information analyzing apparatus and information analyzing method |
JP2017107431A (en) * | 2015-12-10 | 2017-06-15 | 株式会社Nttドコモ | Information processing device |
JP2018073183A (en) * | 2016-10-31 | 2018-05-10 | ヤフー株式会社 | Certificate issuance program, certificate issuance device, and certificate issuance method |
US20190373101A1 (en) * | 2018-05-31 | 2019-12-05 | Microsoft Technology Licensing, Llc | User event pattern prediction and presentation |
-
2020
- 2020-03-18 JP JP2020048355A patent/JP7330919B2/en active Active
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2003085347A (en) * | 2001-09-11 | 2003-03-20 | Fuji Xerox Co Ltd | Device and method for supporting analysis of organization communication |
JP2010198281A (en) * | 2009-02-25 | 2010-09-09 | Hyogo Prefecture | Information processing apparatus, information processing method, and program |
JP2011215964A (en) * | 2010-03-31 | 2011-10-27 | Sony Corp | Server apparatus, client apparatus, content recommendation method and program |
JP2014182681A (en) * | 2013-03-21 | 2014-09-29 | Hitachi Systems Ltd | Shared information providing system |
WO2016063615A1 (en) * | 2014-10-21 | 2016-04-28 | ソニー株式会社 | Information processing apparatus, information processing method, and program |
KR20170036874A (en) * | 2015-09-18 | 2017-04-03 | 충북대학교 산학협력단 | Method and apparatus for recommendation of social event based on users preference |
JP2017072964A (en) * | 2015-10-07 | 2017-04-13 | Necソリューションイノベータ株式会社 | Information analyzing apparatus and information analyzing method |
JP2017107431A (en) * | 2015-12-10 | 2017-06-15 | 株式会社Nttドコモ | Information processing device |
JP2018073183A (en) * | 2016-10-31 | 2018-05-10 | ヤフー株式会社 | Certificate issuance program, certificate issuance device, and certificate issuance method |
US20190373101A1 (en) * | 2018-05-31 | 2019-12-05 | Microsoft Technology Licensing, Llc | User event pattern prediction and presentation |
Also Published As
Publication number | Publication date |
---|---|
JP7330919B2 (en) | 2023-08-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Liu et al. | The roles of social media in tourists’ choices of travel components | |
Liang et al. | Be a “Superhost”: The importance of badge systems for peer-to-peer rental accommodations | |
Brown et al. | Mitigating theme park crowding with incentives and information on mobile devices | |
Hu et al. | Data source combination for tourism demand forecasting | |
Roblek et al. | Complexity of a sharing economy for tourism and hospitality | |
Vu et al. | Cross-country analysis of tourist activities based on venue-referenced social media data | |
Polo Peña et al. | Online marketing strategy and market segmentation in the Spanish rural accommodation sector | |
Balandina et al. | Innovative e-tourism services on top of Geo2Tag LBS platform | |
JP6767952B2 (en) | Estimator, estimation method and estimation program | |
Gunter et al. | An exploratory analysis of geotagged photos from Instagram for residents of and visitors to Vienna | |
Draper | An exploratory study of the differences in prior travel experience and tourist information sources | |
JP2020184253A (en) | Behavior analyzer, advertisement delivery device, behavior analysis method, advertisement delivery method, behavior analysis program, and advertisement delivery program | |
Denizci Guillet et al. | Segmenting hotel customers based on rate fences through conjoint and cluster analysis | |
US20140188851A1 (en) | Social Media Platform for Sharing Entity Type and or Product Type and or Prospective Event Type Internet Related Data | |
JP7001508B2 (en) | Information processing equipment, information processing methods, and programs. | |
Wörndl et al. | Generating paths through discovered places-of-interests for city trip planning | |
US20150199441A1 (en) | Method and apparatus for providing tour plan service | |
Milman et al. | The influence of dynamic pricing on consumer trust, value, and loyalty relationships in theme parks | |
Wills | The ins and the outs of electronic publishing | |
Bachrach et al. | Building a personalized tourist attraction recommender system using crowdsourcing | |
Vavpotič et al. | Using a market basket analysis in tourism studies | |
Prasanna | Marketing strategies for standalone hotels: with reference to mayur Aaditya Resort, Dharwad, India | |
JP6813545B2 (en) | Information processing equipment, information processing methods and information processing programs | |
JP7212103B2 (en) | Information processing device, information processing method and information processing program | |
US20140229500A1 (en) | Social Media Platform for Sharing Entity Type and or Product Type and or Prospective Event Type Internet Related Data |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20211020 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20220816 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20220920 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20221116 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20230314 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20230512 |
|
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: 20230725 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20230809 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 7330919 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 |