JP2021176085A - ブランド辞書作成装置、商品等評価装置、ブランド辞書作成方法及びプログラム - Google Patents

Abstract

【課題】商品等のカテゴリ毎に適切なブランド辞書を作成することができるブランド辞書作成装置、商品等評価装置、ブランド辞書作成方法及びプログラムを提供すること。【解決手段】ネットワークを介して商品またはサービス（以下、商品等）を販売するための販売画面に対して入力されたクエリを取得するクエリ取得部と、前記取得されたクエリに含まれる対象テキスト毎に、前記対象テキストがクエリにおいて出現した位置ごとの出現数に基づいて、前記対象テキストをブランド辞書に含めるか否かを判定する判定部と、を備えるブランド辞書作成装置。【選択図】図１

Description

本発明は、ブランド辞書作成装置、商品等評価装置、ブランド辞書作成方法及びプログラムに関する。

所定の検索クエリと、コンテンツのカテゴリ毎の所定の検索クエリに対する対応度合いとを関連付けた情報が格納されるクエリカテゴリ辞書と、ユーザ端末から送信された過去の検索クエリを示す検索クエリ履歴を取得する検索履歴取得手段と、検索クエリ履歴を用いて、クエリカテゴリ辞書から、コンテンツのカテゴリ毎の過去の検索クエリに対する対応度合いを関連付けた情報を抽出し、抽出された情報に基づき、コンテンツのカテゴリに対するユーザ毎の嗜好性の対応度合いを示すユーザ特徴量を算出するユーザ特徴量算出手段と、ユーザ端末から送信された検索要求時の検索クエリに対応すると共にカテゴリに対応付けられたコンテンツを示す情報を含むコンテンツの検索結果を取得する検索結果取得手段と、ユーザ特徴量に基づき、コンテンツの検索結果を出力する出力手段とを備えるコンテンツ検索結果提供システムが知られている（特許文献１参照）。

特開２０１６−１１０２６０号公報

ショッピングサイトなどで商品やサービス（以下、商品等）を検索するためにクエリが入力されることがある。検索ヒット数は、ショッピングサイトにおける商品等のランキングに影響する場合があるため、検索ヒット数を高くする目的で、タイトルや商品紹介欄に、その商品とは無関係な複数のブランド名を掲載することが行われている。このような行為は、過剰なＳＥＯ（Search Engine Optimization）あるいはブラックハットＳＥＯと称される。過剰なＳＥＯは、商品等の適正なランキング形成を妨げるものであるため、過剰なＳＥＯの目的で販売画面が構成された商品等を発見したいというニーズが存在する。過剰なＳＥＯが行われている商品等を発見するためには、ブランド名を集めた適切な辞書（ブランド辞書）を作成しておくことが望ましい。しかしながら、従来の技術では、精度が不十分であり、適切なブランド辞書を作成することができない場合があった。

本発明は、このような事情を考慮してなされたものであり、より適切なブランド辞書を作成することができるブランド辞書作成装置、商品等評価装置、ブランド辞書作成方法及びプログラムを提供することを目的の一つとする。

本発明の一態様は、ネットワークを介して商品またはサービス（以下、商品等）を販売するための販売画面に対して入力されたクエリを取得するクエリ取得部と、前記取得されたクエリに含まれる対象テキスト毎に、前記対象テキストがクエリにおいて出現した位置ごとの出現数に基づいて、前記対象テキストをブランド辞書に含めるか否かを判定する判定部と、を備えるブランド辞書作成装置である。

本発明の一態様によれば、より適切なブランド辞書を作成することができる。

商品等評価装置を利用した販売仲介サーバ２００と、ブランド辞書作成装置３００との構成および使用環境の一例を示す図である。 商品等の販売画面ＩＭ１の一例を示す図である。 検索結果表示画面ＩＭ２の一例を示す図である。 商品等表示画面ＩＭ３の一例を示す図である。 過剰なＳＥＯがなされた商品等表示画面ＩＭ４の一例である。 商品等データ２２０の内容の一例を示す図である。 ランキングデータ２２２の内容の一例を示す図である。 ブランド辞書２４０の内容の一例を示す図である。 販売仲介サーバ２００の対象語句取得部２３０、ブランド名抽出部２３２、および注意対象商品等特定部２３４により実行される処理の流れの一例を示すフローチャートである。 出現数カウント部３１２による処理の内容を説明するための図である。 ブランド辞書作成装置３００により実行される処理の流れの一例を示すフローチャートである。 Ｓ２１２の処理の一例を示すフローチャートである。

以下、図面を参照し、本発明のブランド辞書作成装置、商品等評価装置、ブランド辞書作成方法及びプログラムの実施形態について説明する。

［全体構成］
図１は、商品等評価装置を利用した販売仲介サーバ２００と、ブランド辞書作成装置３００との構成および使用環境の一例を示す図である。販売仲介サーバ２００は、端末装置１００によってアクセスされ、商品またはサービス（以下、商品等）の販売を仲介するための装置であり、いわゆるショッピングサイトやオークションサイトを提供する装置である。ここで、「サイト」とは、ブラウザによって再生されるウェブサイトの他、アプリケーションプログラムによって表示されるアプリ画面の元データを含むものとする。販売仲介サーバ２００の運営者には、商品等の出品者により出品される商品等に関する商品等データが提供される。商品等データは、商品等のタイトルや詳細説明などを含む。

端末装置１００では、ブラウザやアプリケーションプログラムなどのＵＡ（User Agent）１１０が起動する。ＵＡ１１０は、販売仲介サーバ２００から提供された販売画面を表示すると共に、端末装置１００の利用者によってなされた入力操作に応じたリクエストを販売仲介サーバ２００に送信する。販売仲介サーバ２００は、ＵＡ１１０からのリクエストに応じて商品等の販売を決定する。

また、販売仲介サーバ２００には、ブランド辞書作成装置３００により作成されたブランド辞書が提供される。ブランド辞書とは、ある商品等の紹介画面について原則的に一つのみ掲載される筈のブランド名であって、ブランドの名称である確からしさが高い単語を集めた電子的な辞書である。図では、販売仲介サーバ２００とブランド辞書作成装置３００が別体であるように示しているが、これらは統合されて一つのハードウェアにより実現されてもよい。

端末装置１００、販売仲介サーバ２００、およびブランド辞書作成装置３００は、ネットワークＮＷを介して互いに通信する。これらの構成要素は、ネットワークＮＷに接続するためのネットワークカード、無線通信モジュールなどを備える。ネットワークＮＷは、例えば、インターネット、ＷＡＮ（Wide Area Network）、ＬＡＮ（Local Area Network）、無線基地局、プロバイダ端末、専用回線などを含む。

［販売仲介サーバ］
販売仲介サーバ２００は、例えば、販売画面提供部２１０と、ランキング処理部２１２と、ログ収集部２１４と、対象語句取得部２３０と、ブランド名抽出部２３２と、注意対象商品等特定部２３４とを備える。これらの構成要素は、例えば、ＣＰＵ（Central Processing Unit）などのプロセッサがプログラム（ソフトウェア）を実行することにより実現される。また、これらの構成要素のうち一部または全部は、ＬＳＩ（Large Scale Integration）やＡＳＩＣ（Application Specific Integrated Circuit）、ＦＰＧＡ（Field-Programmable Gate Array）、ＧＰＵ（Graphics Processing Unit）などのハードウェアによって実現されてもよいし、ソフトウェアとハードウェアの協働によって実現されてもよい。

また、販売仲介サーバ２００は、ＲＡＭ（Random Access Memory）やＨＤＤ（Hard Disk Drive）、フラッシュメモリ、ＲＯＭ（Read Only Memory）などの記憶装置に、商品等データ２２０、ランキングデータ２２２、ログ情報２２４、ブランド辞書２４０などのデータを格納している。なお、これらのデータは、販売仲介サーバ２００がネットワークＮＷを介してアクセス可能なＮＡＳ（Network Attached Storage）などに格納されてもよい。

販売画面提供部２１０は、商品等データ２２０およびランキングデータ２２２を参照し、商品等の販売画面を端末装置１００に提供する。図２は、商品等の販売画面ＩＭ１の一例を示す図である。販売画面ＩＭ１には、商品等を検索するためのクエリを入力するためのクエリ入力欄Ａ１、および、入力されたクエリで検索を実行させるための検索ボタンＢ１が設けられている。クエリ入力欄Ａ１にクエリが入力され、検索ボタンＢ１が操作されると、検索結果表示画面ＩＭ２に遷移する。なお、クエリは一語だけのクエリもあるし、複数の子クエリがスペースなどで結合された複数語を含むクエリもある。

図３は、検索結果表示画面ＩＭ２の一例を示す図である。検索結果表示画面ＩＭ２には、検索結果表示欄Ａ２が含まれる。検索結果表示欄Ａ２には、ランキング処理部２１２によって決定されたクエリ毎のランキング順に、商品等の画像や説明が並べて表示される。検索結果表示画面ＩＭ２において一つの商品等の画像や説明が操作されると、商品等表示画面ＩＭ３に遷移する。

図４は、商品等表示画面ＩＭ３の一例を示す図である。商品等表示画面ＩＭ３には、商品等画像表示欄Ａ３−１、タイトル欄Ａ３−２、商品等説明欄Ａ３−３などが含まれる。タイトル欄Ａ３−２や商品等説明欄Ａ３−３には、製造元、商品の素材、使用、その他の内容が掲載される。このような内容が通常の商品等表示画面ＩＭ３であるが、過剰なＳＥＯがなされた商品等表示画面は、異なる態様を示すものとなる。

図５は、過剰なＳＥＯがなされた商品等表示画面ＩＭ４の一例である。商品等表示画面ＩＭ４では、製造元が「○○社」であるにも関わらず、商品等説明欄Ａ４−３に、無関係なＡ社、Ｂ社、Ｃ社（いずれも○○社と同じカテゴリのブランド名）が掲載されている。この結果、クエリとして「Ａ社」、「Ｂ社」、または「Ｃ社」のいずれかを指定して検索が行われた結果、それらの商品等でないにも関わらず、この商品等が検索にヒットする場合がある。このような商品等の掲載を回避あるいは抑制するために、販売仲介サーバ２００は、ブランド辞書２４０を用いた注意対象商品等の特定処理を実行する。これについては、後述する。

話を戻し、販売画面提供部２１０は、図２〜５に例示した各種表示画面を、商品等データ２２０に基づいて生成する。図６は、商品等データ２２０の内容の一例を示す図である。商品等データ２２０は、商品等の識別情報である商品等ＩＤに対して、商品カテゴリ、商品等画像、タイトル、商品等説明、価格（オークションであれば基準価格または入札価格）、発送条件、その他のデータが対応付けられたものである。

ランキング処理部２１２は、過去に入力されたクエリのそれぞれに対して、種々の基準によりランキング処理を行い、ランキングデータ２２２を生成する。図７は、ランキングデータ２２２の内容の一例を示す図である。ランキングデータ２２２は、例えば、クエリに対して、商品等ＩＤのランキングが対応付けられたものである。ランキングデータ２２２は、例えば、ログ収集部２１４により収集されたログ情報に基づいて、クリック数が多い順、購入数が多い順、ＣＶＲ（Conversion Ratio）が高い順、お気に入り登録数が多い順、または価格が安い順、或いはこれらを組み合わせたスコア順に、高いランキングとする。また、ランキング処理は、ランダムに商品等をランキングに含めることを含んでもよい。

ログ収集部２１４は、端末装置１００において入力されたクエリを含む情報であって、端末装置１００からリクエストのあったページを時系列で並べた行動履歴などの情報を、ログ情報２２４として蓄積する。

対象語句取得部２３０は、商品等データ２２０に含まれるデータのうち、商品等ＩＤで示される商品等毎の対象語句を取得する。対象語句は任意に定めてよいが、例えば、タイトルおよび商品等説明に含まれる語句が対象語句に設定される。

ブランド名抽出部２３２は、ブランド辞書２４０を参照し、対象語句取得部２３０により取得された対象語句の中に含まれるブランド名を抽出する。より具体的に、ブランド名抽出部２３２は、対象語句が取得された元の商品等のカテゴリに合致するブランド名を抽出する。図８は、ブランド辞書２４０の内容の一例を示す図である。ブランド辞書２４０は、例えば、商品等のカテゴリ毎にブランド名を列挙したものである。

ブランド名抽出部２３２は、例えば、既に行った検索結果を活かすため、AhoCorasick法などの共通接頭辞検索（Common Prefix Search）を行うことで、辞書中からパターンマッチングを行うオートマトンを構築し、入力テキストに対して線形な計算時間を実現する。

注意対象商品等特定部２３４は、ブランド名抽出部２３２により抽出されたブランド名の数に基づいて、注意対象商品等を特定する。例えば、注意対象商品等特定部２３４は、所定数ｋ以上のブランド名が対象語句に含まれている商品等を、注意対象商品等として特定する。例えばｋ＝２である。

そして、注意対象商品等特定部２３４は、特定した注意対象商品等について、（１）出品者に対する注意を行うため、表示装置に商品等ＩＤを表示させ、あるいは出品者に対して注意する電子メールを生成して送信する、（２）ランキングデータ２２２における当該商品等のランキングを下げる、（３）商品等データ２２０から削除する（出品を取り消す）などの処理を行う。

注意対象商品等特定部２３４は、ブランド名抽出部２３２により特定されたブランド名の数に応じて、上記（１）〜（３）の処理を段階的に行ってもよい。例えば、２つのブランド名が対象語句に含まれている商品等について（１）の処理を、３つのブランド名が対象語句に含まれている商品等について（２）の処理を、４つ以上のブランド名が対象語句に含まれている商品等について（３）の処理を行ってもよい。

また、注意対象商品等特定部２３４は、出品者毎に、注意対象商品等に該当した商品等の数をカウントし、注意対象商品等に該当した商品等の数に応じて上記（１）〜（３）の処理を段階的に行ってもよい。例えば、注意対象商品等に該当した商品等の数が第１閾値Ｃ１以上、第２閾値Ｃ２未満の出品者に対して（１）の処理を、注意対象商品等に該当した商品等の数が第２閾値Ｃ２以上、第３閾値Ｃ３未満の出品者の注意対象商品等に対して（２）の処理を、注意対象商品等に該当した商品等の数が第３閾値Ｃ３以上の出品者の注意対象商品等（或いは全ての商品等）に対して（３）の処理を行ってもよい（Ｃ１＜Ｃ２＜Ｃ３）。

図９は、販売仲介サーバ２００の対象語句取得部２３０、ブランド名抽出部２３２、および注意対象商品等特定部２３４により実行される処理の流れの一例を示すフローチャートである。本フローチャートの処理は、任意のタイミングで開始される。

まず、対象語句取得部２３０が、商品等データ２２０から一つの商品等を選択し（Ｓ１００）、対象語句を取得する（Ｓ１０２）。次に、ブランド名抽出部２３２が、Ｓ１０２で取得された対象語句からブランド名を抽出する（Ｓ１０４）。

次に、注意対象商品等特定部２３４が、Ｓ１０４で抽出されたブランド名が所定数ｋ以上であるか否かを判定する（Ｓ１０６）。Ｓ１０４で抽出されたブランド名が所定数ｋ以上である場合、注意対象商品等特定部２３４は、Ｓ１００で選択した商品等を注意対象商品として特定する（Ｓ１０８）。

次に、対象語句取得部２３０が、商品等データ２２０から今回の処理対象である全ての商品等を選択したか否かを判定する（Ｓ１１０）。全ての商品等を選択していない場合はＳ１００に処理が戻され、全ての商品等を選択した場合は本フローチャートの処理が終了する。なお、図９に例示したループ処理は、並列コンピューティングによって同時並行的に実行されてもよい。

このように、販売仲介サーバ２００（商品等評価装置）によれば、ネットワークＮＷを介して販売される商品等の紹介画面に含まれる対象語句を取得する対象語句取得部２３０と、ブランド名を記述したブランド辞書２４０を参照し、対象語句の中に含まれるブランド名を抽出するブランド名抽出部２３２と、ブランド名抽出部２３２により抽出されたブランド名の数に基づいて、注意対象の商品等を特定する注意対象商品等特定部２３４と、を備えることにより、注意対象の商品等を、効率よく発見することができる。なお、対象語句取得部２３０、ブランド名抽出部２３２、および注意対象商品等特定部２３４を合わせたものが「商品等評価装置」の一例である。また、注意対象商品等特定部２３４は、「監視部」の一例である。

なお、上記の説明では、商品等のカテゴリに応じたブランド辞書２４０を用いて注意対象商品等を特定するものとしたが、カテゴリを特定せずに全てのブランド辞書２４０を用いて注意対象商品等を特定してもよい。

［ブランド辞書作成装置］
以下、ブランド辞書２４０を作成するブランド辞書作成装置３００について説明する。ブランド辞書作成装置３００は、例えば、クエリ取得部３１０と、出現数カウント部３１２と、判定部３１４と、作成部３１６とを備える。これらの構成要素は、例えば、ＣＰＵなどのプロセッサがプログラム（ソフトウェア）を実行することにより実現される。また、これらの構成要素のうち一部または全部は、ＬＳＩやＡＳＩＣ、ＦＰＧＡ、ＧＰＵなどのハードウェアによって実現されてもよいし、ソフトウェアとハードウェアの協働によって実現されてもよい。

また、ブランド辞書作成装置３００は、ＲＡＭやＨＤＤ、フラッシュメモリ、ＲＯＭなどの記憶装置に、クエリログ３２０、作成中のブランド辞書３２２などのデータを格納している。なお、これらのデータは、ブランド辞書作成装置３００がネットワークＮＷを介してアクセス可能なＮＡＳなどに格納されてもよい。

クエリ取得部３１０は、販売仲介サーバ２００が蓄積するログ情報２２４のうち、クエリに関する情報を取得し、クエリログ３２０として記憶装置に格納させる。クエリログ３２０に含まれる各クエリには、そのクエリを用いて検索した結果として表示された商品等およびそのカテゴリが付随している。なお、商品等のカテゴリは階層的に付与されている場合があるが、ここではブランド辞書のカテゴリに対応する階層のカテゴリに着目して説明する。

出現数カウント部３１２は、クエリログ３２０に含まれる各クエリに基づいて、クエリに含まれるテキストであり、ブランド辞書に含めるか否かを判定される判定対象のテキスト（以下、対象テキスト）の出現回数をカウントする。対象テキストは、例えば、形態素解析などの所定のロジックにより、意味的にひとまとまりであると解釈されるものである。また、対象テキストは、スペース等で区切られた子クエリのそれぞれであってもよく、子クエリを複数結合したものであってもよい。出現数カウント部３１２は、カテゴリによっては、対象テキストを３文字以上のカタカナに限定するなど、対象テキストを構成する要素に限定を追加してもよい。

まず、出現数カウント部３１２は、あるカテゴリ（以下、対象カテゴリ）のブランド辞書を作成する際に、クエリログ３２０から対象カテゴリに対応しているクエリ（以下、対象クエリ）を抽出する。クエリログ３２０には、クエリと、クエリの検索結果画面においてクリックされた商品等を示す情報とが、互いに対応付けられて記憶される（クリックログ）。出現数カウント部３１２は、例えば、クリックログにおいて、対象カテゴリに対応する商品等が最も多く対応付けられているクエリを、対象クエリとして抽出する。例えば、クエリログ３２０に含まれるクエリＡに対応付けられる商品等のカテゴリが、ファッション４０％、食品２０％、アウトドア１０％、美容１０、その他２０％である場合、出現数カウント部３１２は、最も比率の高い対象カテゴリである「ファッション」のブランド辞書の作成に用いる対象クエリとして、クエリＡを抽出する。

なお、出現数カウント部３１２は、クエリに対応付けられる商品等のカテゴリのうち、最も比率が高いカテゴリのブランド辞書を作成する際に、当該クエリを用いてもよい。また、出現数カウント部３１２は、クエリに対応付けられる商品等のカテゴリのうち、高い比率のカテゴリが複数存在する場合、当該クエリが多様な意味のクエリとして用いられている可能性が高い（つまり、意味の特定がしづらいクエリである）と推定し、複数の対象カテゴリに関するブランド辞書について当該クエリを処理対象としてもよいし、そもそも、そのような傾向を示すクエリを処理対象から除外してもよい。

次に、出現数カウント部３１２は、抽出された対象クエリを構成する対象テキストの出現回数をカウントする。図１０は、出現数カウント部３１２による処理の内容を説明するための図である。出現数カウント部３１２は、対象クエリに含まれる各対象テキストについて、単独でクエリとして入力された回数をｓ０、複数の対象テキストを含むクエリの中で、一番目に出現した回数をｓ１、二番目に出現した回数をｓ２、三番目以降に出現した回数をｓ３としてカウントする。

また、出現数カウント部３１２は、対象クエリに含まれる各対象テキストが、データ収集期間に出現した回数（つまり、ｓ０〜ｓ３の総和）である総出現数ｎｔをカウントする。データ収集期間とは、ブランド辞書作成装置３００が一回の処理の対象とする期間（対象期間）である。ブランド辞書作成装置３００は、その期間において収集されたクエリログ３２０に基づいて、ブランド辞書の作成処理を行う。データ収集期間は、例えば、１年程度の期間である。

また、出現数カウント部３１２は、対象クエリに含まれる各対象テキストが、データ収集期間において出現した（観測された）日数である出現日数ｃｔを併せてカウントする。図１０の例では、対象テキスト「ａａａ」に関して、一番目に１回出現し、単独で１回出現しているため、ｓ０とｓ１にそれぞれ１が与えられている。

判定部３１４は、出現数カウント部３１２によって、データ収集期間を対象として上記各種指標がカウントされた対象クエリについて、以下の条件のうち一部または全部に基づいて、ブランド辞書に含めるか否かを判定する。

（条件１）
判定部３１４は、条件式（１）で示すように、対象テキストの先頭出現数（つまり、ｓ１）を、対象テキストの総出現数ｎｔによって除した指標値（割合）ｒを導出する。判定部３１４は、導出した指標値ｒが、第１閾値ｔｈｒよりも大きい場合、その他の条件を満たすのであれば、対象テキストをブランド辞書に含めると判定する。式中、ｒは、指標値ｒであり、ｔｈｒは、第１閾値ｔｈｒである（０＜ｔｈｒ＜１、より好ましくは、ｔｈｒは０．５程度）。
ｒ＞ｔｈｒ …（１）

指標値ｒは、複数の対象テキストを含むクエリの一番目に出現した頻度に着目しているが、これは、ファッションのカテゴリに適した規則である。ファッションのカテゴリにおいてクエリ検索を行う場合、一番目にブランド名を入力することが多いという傾向が予め分かっているからである。これによって、判定部３１４は、ブランド名である可能性が高い対象テキストを、より適切にブランド辞書に含めることができる。

（条件２）
判定部３１４は、条件式（２）で示すように、対象テキストの総出現数ｎｔが、所定の閾値（例えば、第２閾値ｔｈｎとデータ収集期間の日数とを乗じた値）よりも大きい場合、その他の条件を満たすのであれば、対象テキストをブランド辞書に含めると判定する。式中、ｎｔは、総出現数ｎｔであり。Ｄは、データ収集期間の日数であり、ｔｈｎは、第２閾値ｔｈｎである（１＜ｔｈｎ、好ましくは、１０〜１００程度）。
ｎｔ＞ｔｈｎ×Ｄ…（２）

総出現数ｎｔが所定の閾値に達していない対象テキストは、例えば、クエリとしてあまり検索されないマイナーな単語である可能性が高い。これによって、判定部３１４は、マイナーな単語以外の対象テキストであり、ブランド名である可能性が高い対象テキストを、ブランド辞書に含めることができる。ここで、対象区間の日数は、「単位期間」の一例であり、第２閾値ｔｈｎとデータ収集期間の日数とを乗じた値は、「単位期間の数の長さに対する比率」の一例である。

（条件３）
判定部３１４は、条件式（３）で示すように、データ収集期間の中で対象テキストを含むクエリが観測された出現日数ｃｔが、所定の閾値（例えば、第３閾値ｔｈｃと出現日数とを乗じた値）よりも大きい場合、その他の条件を満たすのであれば、対象テキストをブランド辞書に含めると判定する。式中、ｃｔは、出現日数ｃｔであり、Ｄは、データ収集期間の日数であり、ｔｈｃは、第３閾値ｔｈｃである（０＜ｔｈｃ＜１、より好ましくは、ｔｈｃは０．５〜０．９程度）。
ｎｔ＞ｔｈｎ×Ｄ…（２）

出現日数ｃｔが所定の閾値に達していない対象テキストは、例えば、流行語に関連して多数検索されたテキスト（バズワード）である可能性が高い。これによって、判定部３１４は、恒常的に用いられているブランド名である可能性が高い対象テキストを、ブランド辞書に含めることができる。

作成部３１６は、判定部３１４による判定の結果、ブランド辞書に含めると判定された対象テキストを集めて、ブランド辞書を作成する。ブランド辞書は、例えば販売仲介サーバ２００に提供される。

以下、ブランド辞書作成装置３００により実行される処理の流れについて、フローチャートを用いて説明する。図１１は、ブランド辞書作成装置３００により実行される処理の流れの一例を示すフローチャートである。

まず、ブランド辞書作成装置３００は、対象カテゴリを決定する（Ｓ２００）。対象カテゴリは、例えば外部（オペレータを含む）からの指示に基づいて決定される。次に、判定部３１４が、対象カテゴリに対応するクエリをクエリログ３２０から抽出する（Ｓ２０２）。

次に、判定部３１４は、Ｓ２０２で抽出したクエリを一つ選び（Ｓ２０４）、クエリを対象テキストに分割する（Ｓ２０６）。次に、判定部３１４は、対象テキスト毎に、出現位置毎の出現数、総出現数ｎｔおよび出現日数ｃｔをカウントアップする（Ｓ２０８）。

そして、判定部３１４は、Ｓ２０４で全てのクエリを選択したか否かを判定する（Ｓ２１０）。全てのクエリを選択していない場合、Ｓ２０４に処理が戻される。

全てのクエリを選択した場合、判定部３１４は、前述した各種条件に基づいて、対象テキストをブランド辞書に含めるか否かを判定する（Ｓ２１２）。Ｓ２１２の処理の詳細については、後述する。作成部３１６は、判定部３１４による判定の結果、ブランド辞書に含めると判定された対象テキストをブランド名として対象カテゴリの辞書に含める（Ｓ２１４）。なお、図１１に例示したＳ２０４〜Ｓ２１０のループ処理は、並列コンピューティングによって同時並行的に実行されてもよい。

図１２は、Ｓ２１２の処理の一例を示すフローチャートである。Ｓ２１２において、判定部３１４は、対象テキストが３文字以上のカタカナで構成されているか否かを判定する（Ｓ３００）。判定部３１４は、対象テキストが３文字のカタカナで構成されていない場合、対象テキストをブランド辞書に含めないと判定し、処理を終了する。

判定部３１４は、対象テキストが３文字以上のカタカナである場合、対象テキストの指標値ｒが、第１閾値ｔｈｒよりも大きいか否かを判定する（条件１）（Ｓ３０２）。判定部３１４は、対象テキストの指標値ｒが、第１閾値ｔｈｒ以下である場合、対象テキストをブランド辞書に含めないと判定し、処理を終了する。

判定部３１４は、対象テキストの指標値ｒが、第１閾値ｔｈｒよりも大きい場合、対象テキストの総出現数ｎｔが、第２閾値ｔｈｎとデータ収集期間の日数とを乗じた値よりも大きいか否かを判定する（条件２）（Ｓ３０４）。判定部３１４は、対象テキストの総出現数ｎｔが、第２閾値ｔｈｎとデータ収集期間の日数とを乗じた値よりも大きくない場合、対象テキストをブランド辞書に含めないと判定し、処理を終了する。判定部３１４は、対象テキストの総出現数ｎｔが、第２閾値ｔｈｎとデータ収集期間の日数とを乗じた値よりも大きい場合、データ収集期間の中で対象テキストを含むクエリが観測された出現日数ｃｔが、第３閾値ｔｈｃと出現日数とを乗じた値よりも大きいか否かを判定する（Ｓ３０６）。

判定部３１４は、データ収集期間の中で対象テキストを含むクエリが観測された出現日数ｃｔが、第３閾値ｔｈｃと出現日数とを乗じた値よりも大きくない場合、対象テキストをブランド辞書に含めないと判定し、処理を終了する。判定部３１４は、象期間の中で対象テキストを含むクエリが観測された出現日数ｃｔが、第３閾値ｔｈｃと出現日数とを乗じた値よりも大きい場合（つまり、条件１〜３を満たす場合）、対象テキストをブランド辞書に含めると判定し、Ｓ２１４に処理を進める。

なお、クエリから対象テキストに分割する手法は、上記の手法に限られない。例えば、「ａａａ ｂｂｂ ｃｃｃ」なるクエリの中に含まれる「ａａａ ｂｂｂ」が、ブランド名として世に広まっているような場合も考えられる。これに対し、ブランド辞書作成装置３００は、「ａａａ ｂｂｂ ｃｃｃ」から「ａａａ」、「ｂｂｂ」、「ｃｃｃ」、「ａａａ ｂｂｂ」、「ｂｂｂ ｃｃｃ」のように、単純に形態素解析などを行った場合には二つ以上の対象テキストとなるようなワードも含めて、一つの対象テキストとして扱ってよい。この場合において、例えば「ａａａ」と「ａａａ ｂｂｂ」の双方が絞り込みを通過して残った場合、条件式（３）の左辺の値が大きい方を採用し、小さい方を除外してもよい。「ａａａ」よりも「ａａａ ｂｂｂ」の方が世間の認知度が高い場合、むしろ「ａａａ ｂｂｂ」を登録した方が適切に過剰なＳＥＯを検出できるからである。

また、作成部３１６のブランド辞書の作成処理は、既に存在するブランド辞書（例えば、ブランド辞書２４０）を更新する処理であってもよい。作成部３１６は、例えば、判定部３１４によってブランド辞書に含めないと判定された対象テキストが、ブランド辞書２４０に含まれる場合、当該対象テキストをブランド辞書２４０から除外し、判定部３１４によってブランド辞書に含めると判定された対象テキストが、ブランド辞書２４０に含まれていない場合、当該対象テキストをブランド辞書２４０に含めることにより、ブランド辞書２４０を更新するようにしてもよい。

以上説明したブランド辞書作成装置３００によれば、ネットワークＮＷを介して商品等を販売するための販売画面に対して入力されたクエリを取得するクエリ取得部３１０と、取得されたクエリに含まれる対象テキスト毎に、対象テキストがクエリの先頭に出現した先頭出現数と、クエリの中における位置を問わず対象テキストがクエリの中に出現した出現数とをカウントする出現数カウント部３１２と、対象テキスト毎に先頭出現数を総出現数ｎｔによって除した指標値ｒを導出し、導出した指標値ｒに基づいて、対象テキストをブランド辞書に含めるか否かを判定する判定部３１４とを備えることにより、より適切なブランド辞書を作成することができる。

以上、本発明を実施するための形態について実施形態を用いて説明したが、本発明はこうした実施形態に何等限定されるものではなく、本発明の要旨を逸脱しない範囲内において種々の変形及び置換を加えることができる。

１００…端末装置、２００…販売仲介サーバ、２１０…販売画面提供部、２１２…ランキング処理部、２１４…ログ収集部、２２０…商品等データ、２２２…ランキングデータ、２２４…ログ情報、２３０…対象語句取得部、２３２…ブランド名抽出部、２３４…注意対象商品等特定部、２４０…ブランド辞書、３００…ブランド辞書作成装置、３１０…クエリ取得部、３１２…出現数カウント部、３１４…判定部、３１６…作成部、３２０…クエリログ、３２２…ブランド辞書、Ｃ１、ｔｈｒ…第１閾値、Ｃ２、ｔｈｎ…第２閾値、Ｃ３、ｔｈｃ…第３閾値、ｃｔ…出現日数、ｋ…所定数、ｎｔ…総出現数、ｒ…指標値

Claims (11)

1. ネットワークを介して商品またはサービス（以下、商品等）を販売するための販売画面に対して入力されたクエリを取得するクエリ取得部と、
   前記取得されたクエリに含まれる対象テキスト毎に、前記対象テキストがクエリにおいて出現した位置ごとの出現数に基づいて、前記対象テキストをブランド辞書に含めるか否かを判定する判定部と、
   を備えるブランド辞書作成装置。
2. 前記判定部は、前記対象テキストがクエリの先頭に出現した割合に基づいて、前記対象テキストをブランド辞書に含めるか否かを判定する、
   請求項１記載のブランド辞書作成装置。
3. 前記判定部は、前記割合が第１閾値よりも大きい場合、前記対象テキストを前記ブランド辞書に含めると判定する、
   請求項２に記載のブランド辞書作成装置。
4. 前記判定部は、更に、前記出現数が観測された期間のデータ収集期間に対する比率に基づいて、前記対象テキストを前記ブランド辞書に含めるか否かを判定する、
   請求項１から３のうちいずれか一項に記載のブランド辞書作成装置。
5. 前記判定部は、更に、データ収集期間の中で前記対象テキストを含むクエリが観測された単位期間の数の、前記データ収集期間の長さに対する比率に基づいて、前記対象テキストを前記ブランド辞書に含めるか否かを判定する、
   請求項１から４のうちいずれか一項に記載のブランド辞書作成装置。
6. 前記判定部は、前記対象テキストが３文字以上のカタカナで構成されない場合、前記対象テキストを前記ブランド辞書に含めないと判定する、
   請求項１から５のうちいずれか一項に記載のブランド辞書作成装置。
7. 請求項１から請求項６のうちいずれか一項に記載のブランド辞書作成装置と、
   ネットワークを介して販売される商品またはサービス（以下、商品等）の紹介画面に含まれる対象語句を取得する対象語句取得部と、
   前記ブランド辞書を参照し、前記対象語句の中に含まれるブランド名を抽出するブランド名抽出部と、
   前記ブランド名抽出部により抽出されたブランド名の数に基づいて、注意対象の商品等を特定する監視部と、
   を備える商品等評価装置。
8. 前記監視部は、前記ブランド名抽出部により抽出されたブランド名の数が所定数以上である場合、前記対象語句が取得された取得元の商品等を前記注意対象の商品等と特定する、
   請求項７に記載の商品等評価装置。
9. 前記監視部は、前記ブランド名抽出部により抽出されたブランド名の数に基づいて、前記注意対象の商品等を出品した出品者に対する段階的な処理を行う、
   請求項７又は請求項８に記載の商品等評価装置。
10. コンピュータが、
    ネットワークを介して商品またはサービス（以下、商品等）を販売するための販売画面に対して入力されたクエリを取得し、
    前記取得されたクエリに含まれる対象テキスト毎に、前記対象テキストがクエリにおいて出現した位置ごとの出現数に基づいて、前記対象テキストをブランド辞書に含めるか否かを判定する、
    ブランド辞書作成方法。
11. コンピュータに、
    ネットワークを介して商品またはサービス（以下、商品等）を販売するための販売画面に対して入力されたクエリを取得させ、
    前記取得されたクエリに含まれる対象テキスト毎に、前記対象テキストがクエリにおいて出現した位置ごとの出現数に基づいて、前記対象テキストをブランド辞書に含めるか否かを判定させる、
    プログラム。

Images