JP2022144959A

JP2022144959A - Estimation apparatus, estimation method, and estimation program

Info

Publication number: JP2022144959A
Application number: JP2021046174A
Authority: JP
Inventors: 孝太坪内; Kota Tsubouchi; 立日暮; Ritsu Higure; 修司山口; Shuji Yamaguchi; 拓明田口; Hiroaki Taguchi
Original assignee: Yahoo Japan Corp
Current assignee: Yahoo Japan Corp
Priority date: 2021-03-19
Filing date: 2021-03-19
Publication date: 2022-10-03
Anticipated expiration: 2041-03-19
Also published as: JP7043650B1

Abstract

To identify the change of context of a user in accordance with a search query.SOLUTION: An estimation apparatus includes: an acquisition unit which acquires history information indicating a history of search queries input by a user; a calculation unit which calculates a degree of association between the user and a predetermined event, on the basis of a search query indicated by the history information acquired by the acquisition unit and association information indicating association of the search query with respect to the predetermined event; a detection unit which detects an event for which time-series changes of the association calculated by the calculation unit satisfy a predetermined condition, out of a plurality of predetermined events; and an estimation unit which estimates context of the user on the basis of the event detected by the detection unit.SELECTED DRAWING: Figure 1

Description

本発明は、推定装置、推定方法及び推定プログラムに関する。 The present invention relates to an estimating device, an estimating method, and an estimating program.

従来、インターネットを介して様々な情報を利用者に提供する技術が知られている。このような技術の一例として、広告を閲覧した利用者が入力した検索キーワードのうち、入力頻度が高い検索キーワードを、検索連動型広告のキーワードとする技術が知られている。 2. Description of the Related Art Conventionally, techniques for providing various information to users via the Internet are known. As an example of such a technology, a technology is known in which, among search keywords input by a user viewing an advertisement, a search keyword with a high input frequency is used as a keyword for a search-linked advertisement.

特開２０１４－００６７５７号公報JP 2014-006757 A

しかしながら、上述した技術では、検索クエリに応じた利用者のコンテキストの変化を把握できるとは言えない場合がある。 However, with the above-described technology, there are cases where it cannot be said that changes in the user's context can be grasped according to the search query.

例えば、上述した技術では、ログデータから対象広告の広告主の広告を閲覧したユーザを特定し、当該ユーザが入力した検索キーワードを抽出しているに過ぎず、検索クエリに応じた利用者のコンテキストの変化を把握しているとは言えない場合がある。 For example, in the above-described technology, the user who viewed the advertisement of the advertiser of the target advertisement is specified from the log data, and the search keyword entered by the user is only extracted. changes in

本願は、上記に鑑みてなされたものであって、検索クエリに応じた利用者のコンテキストの変化を把握す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 grasp changes in the user's context according to the search query.

本願に係る推定装置は、利用者が入力した検索クエリの履歴を示す履歴情報を取得する取得部と、前記取得部により取得された履歴情報が示す検索クエリと、所定の事象に対する検索クエリの関連性を示す関連情報とに基づいて、前記利用者と当該所定の事象との関連度を算出する算出部と、複数の前記所定の事象のうち、前記算出部により算出された関連度の時系列的な変化が所定の条件を満たす事象を検出する検出部と、前記検出部により検出された事象に基づいて、前記利用者のコンテキストを推定する推定部とを有することを特徴とする。 The estimation device according to the present application includes an acquisition unit that acquires history information indicating a history of search queries input by a user, a search query indicated by the history information acquired by the acquisition unit, and a relationship between the search query and a predetermined event. a calculation unit that calculates the degree of relevance between the user and the predetermined event based on related information indicating the nature of the event, and a time series of the degrees of relevance calculated by the calculation unit among the plurality of predetermined events and an estimation unit for estimating the context of the user based on the event detected by the detection unit.

実施形態の一態様によれば、検索クエリに応じた利用者のコンテキストの変化を把握することができるという効果を奏する。 According to one aspect of the embodiment, there is an effect that it is possible to grasp the change of the user's context according to the search query.

図１は、実施形態に係る推定処理の一例を示す図である。FIG. 1 is a diagram illustrating an example of estimation processing according to the embodiment. 図２は、実施形態に係る情報処理装置の構成例を示す図である。FIG. 2 is a diagram illustrating a configuration example of an information processing apparatus according to the embodiment; 図３は、実施形態に係る履歴情報データベースの一例を示す図である。FIG. 3 is a diagram illustrating an example of a history information database according to the embodiment; 図４は、実施形態に係る関連情報データベースの一例を示す図である。FIG. 4 is a diagram illustrating an example of a related information database according to the embodiment; 図５は、実施形態に係る推定処理の手順の一例を示すフローチャートである。FIG. 5 is a flowchart illustrating an example of an estimation process procedure according to the embodiment. 図６は、情報処理装置の機能を実現するコンピュータの一例を示すハードウェア構成図である。FIG. 6 is a hardware configuration diagram showing an example of a computer that implements the functions of the information processing apparatus.

以下に、本願に係る推定装置、推定方法及び推定プログラムを実施するための形態（以下、「実施形態」と呼ぶ）について図面を参照しつつ説明する。なお、この実施形態により本願に係る推定装置、推定方法及び推定プログラムが限定されるものではない。また、以下の実施形態において、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。 Embodiments for implementing the estimation device, estimation method, and estimation program according to the present application (hereinafter referred to as "embodiments") will be described below with reference to the drawings. Note that the estimation device, estimation method, and estimation program according to the present application are not limited by this embodiment. In addition, in the following embodiments, the same parts are denoted by the same reference numerals, and overlapping descriptions are omitted.

〔１．実施形態〕
図１を用いて、本実施形態の推定装置等により実現される推定処理を説明する。図１は、実施形態に係る推定処理の一例を示す図である。なお、図１では、本願に係る推定装置の一例である情報処理装置１０によって、実施形態に係る推定処理などが実現されるものとする。 [1. embodiment]
The estimation processing realized by the estimation device and the like of this embodiment will be described with reference to FIG. FIG. 1 is a diagram illustrating an example of estimation processing according to the embodiment. In addition, in FIG. 1, the estimation process etc. which concerns on embodiment shall be implement|achieved by the information processing apparatus 10 which is an example of the estimation apparatus which concerns on this application.

図１に示すように、実施形態に係る推定システム１は、情報処理装置１０と、端末装置１００とを含む。情報処理装置１０及び端末装置１００は、ネットワークＮ（例えば、図２参照）を介して有線または無線により相互に通信可能に接続される。ネットワークＮは、例えば、インターネットなどのＷＡＮ（Wide Area Network）である。なお、図１に示した推定システム１には、複数台の情報処理装置１０及び複数台の端末装置１００が含まれていてもよい。 As shown in FIG. 1, the estimation system 1 according to the embodiment includes an information processing device 10 and a terminal device 100. As shown in FIG. The information processing device 10 and the terminal device 100 are communicably connected to each other by wire or wirelessly via a network N (see FIG. 2, for example). The network N is, for example, a WAN (Wide Area Network) such as the Internet. Note that the estimation system 1 shown in FIG. 1 may include a plurality of information processing devices 10 and a plurality of terminal devices 100 .

図１に示す情報処理装置１０は、推定処理を行う情報処理装置であり、例えば、サーバ装置やクラウドシステム等により実現される。例えば、情報処理装置１０は、利用者が所定の検索サービスにおいて入力した検索クエリの履歴を示す情報を取得し、取得した情報に基づいて、所定の事象に対応付けられる利用者群と、当該利用者群が各種のサービスにおいて入力した検索クエリの履歴との関連性を示す関連情報に基づき、利用者のコンテキストを推定する。 An information processing apparatus 10 illustrated in FIG. 1 is an information processing apparatus that performs an estimation process, and is realized by, for example, a server device, a cloud system, or the like. For example, the information processing apparatus 10 acquires information indicating a history of search queries input by a user in a predetermined search service, and based on the acquired information, the user group associated with a predetermined event and The context of the user is estimated based on the related information that indicates the relationship with the history of the search queries input by the group of users in various services.

図１に示す端末装置１００は、利用者によって利用される情報処理装置である。端末装置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）等により実現される。なお、図１に示す例において、端末装置１００は、利用者によって利用されるスマートフォンである場合を示す。 A terminal device 100 shown in FIG. 1 is an information processing device used by a user. The terminal device 100 is implemented by, for example, a smart phone, a tablet terminal, a notebook PC (Personal Computer), a desktop PC, a mobile phone, a PDA (Personal Digital Assistant), or the like. Note that in the example shown in FIG. 1, the terminal device 100 is a smart phone used by a user.

以下、図１を用いて、情報処理装置１０が行う推定処理の一例について説明する。なお、以下の説明において、端末装置１００は、利用者ＩＤ「ＵＩＤ＃１」により識別される利用者（利用者Ｕ１）により使用されるものとする。 An example of estimation processing performed by the information processing apparatus 10 will be described below with reference to FIG. In the following description, it is assumed that the terminal device 100 is used by a user (user U1) identified by the user ID "UID#1".

また、以下の説明において、情報処理装置１０は、所定の事象と、各検索クエリとの関連性を示す関連情報（モデル）を自装置の記憶部に管理するものとする。例えば、情報処理装置１０は、所定の事象に対応付けられる利用者（例えば、基準となる検索クエリを入力した利用者、特定の属性を有する利用者、特定の施設に行った利用者、特定の商品を購入した利用者など）をシード利用者として抽出し、シード利用者が入力した検索クエリの共通性に基づいて、所定の事象と検索クエリとの関連性を示すスコア（正の値）を算出する。また、情報処理装置１０は、シード利用者以外の対比利用者をランダムに選択し、対比利用者が入力した検索クエリのうちシード利用者が入力しなかった検索クエリを非入力クエリとして特定し、所定の事象との関連性を示すスコア（負の値）を算出する。そして、各検索クエリについて算出したスコアを検索クエリに紐付けた関連情報を生成する。 Further, in the following description, the information processing apparatus 10 manages related information (model) indicating the relationship between a predetermined event and each search query in its own storage unit. For example, the information processing apparatus 10 may identify a user associated with a predetermined event (for example, a user who has entered a reference search query, a user who has a specific attribute, a user who has visited a specific facility, a specific Users who purchased products) are extracted as seed users, and based on the commonality of search queries entered by seed users, a score (positive value) that indicates the relevance between a given event and a search query is calculated. calculate. In addition, the information processing device 10 randomly selects a comparison user other than the seed user, identifies a search query that the seed user did not input among the search queries input by the comparison user as a non-input query, A score (negative value) indicating relevance to a given event is calculated. Then, related information is generated in which the score calculated for each search query is associated with the search query.

具体的な例を挙げると、情報処理装置１０は、シード利用者が入力した検索クエリごとに、シード利用者が入力した回数（若しくは、検索クエリを入力したシード利用者の数）を計数し、計数した回数が多い程より高い値のスコアを検索クエリと紐付ける。また、情報処理装置１０は、非入力クエリを対比利用者が入力した回数（若しくは、非入力クエリを入力した対比利用者の数）を計数し、計数した回数が多い程より低いスコアを非入力クエリである検索クエリを紐付ける。 As a specific example, the information processing device 10 counts the number of times the seed user has entered the search query (or the number of seed users who have entered the search query) for each search query entered by the seed user, The higher the number of counts, the higher the score associated with the search query. In addition, the information processing apparatus 10 counts the number of times the non-input query is input by the comparison user (or the number of comparison users who input the non-input query), and the higher the counted number of times, the lower the non-input score. Associate a search query that is a query.

なお、関連情報の生成は、機械学習に関する種々の従来技術を適宜用いて行われてもよい。例えば、関連情報の生成は、教師あり学習や教師なし学習などの機械学習に関する技術を用いて行われてもよい。具体的な例を挙げると、関連情報の生成は、ＳＶＭ（Support Vector Machine）等の機械学習に関する技術を用いて行われてもよく、ＤＮＮ（Deep Neural Network）や、ＲＮＮ（Recurrent Neural Network）、ＣＮＮ（Convolutional Neural Network）等の種々の深層学習（ディープラーニング）の技術を適宜用いて行われてもよい。なお、上記関連情報の生成に関する記載は例示であり、関連情報の生成は、取得可能な情報等に応じて適宜選択された学習手法により行われてもよい。 Note that related information may be generated using various conventional techniques related to machine learning as appropriate. For example, related information may be generated using techniques related to machine learning, such as supervised learning and unsupervised learning. As a specific example, the generation of related information may be performed using techniques related to machine learning such as SVM (Support Vector Machine), DNN (Deep Neural Network), RNN (Recurrent Neural Network), Various deep learning techniques such as CNN (Convolutional Neural Network) may be used as appropriate. It should be noted that the description of the generation of the related information is an example, and the generation of the related information may be performed by a learning method that is appropriately selected according to the information that can be obtained.

また、以下の説明において、情報処理装置１０は、属性「趣味：自転車」と各検索クエリとの関連性を示す関連情報Ｍ＃１、属性「趣味：料理」と各検索クエリとの関連性を示す関連情報Ｍ＃２、属性「興味の対象：保険」と各検索クエリとの関連性を示す関連情報Ｍ＃３、・・・等を自装置の記憶部に管理するものとする。 Further, in the following description, the information processing apparatus 10 determines related information M#1 indicating the relationship between the attribute "hobby: bicycle" and each search query, and the relationship between the attribute "hobby: cooking" and each search query. related information M#2, related information M#3 representing the relationship between the attribute "object of interest: insurance" and each search query, etc. are managed in the storage unit of the own device.

まず、情報処理装置１０は、利用者Ｕ１の各種のサービスにおける検索クエリの履歴を示す履歴情報を取得する（ステップＳ１）。例えば、情報処理装置１０は、自装置や他のサーバ装置などから提供される各種のサービスにおいて利用者Ｕ１が所定の期間内（例えば、直近の１日間）に入力した検索クエリを、端末装置１００や他のサーバ装置などから取得する。 First, the information processing device 10 acquires history information indicating a history of search queries in various services of the user U1 (step S1). For example, the information processing apparatus 10 receives search queries input by the user U1 within a predetermined period (for example, the last or from another server device.

なお、情報処理装置１０や、他のサーバ装置などが提供するサービスは、例えば、検索サービスや、ショッピングサービス、決済サービス、路線検索サービス、地図提供サービス、旅行サービス、飲食店紹介サービス、天気予報サービス、スケジュール管理サービス、ニュース提供サービス、オークションサービス、動画コンテンツ配信サービス、金融取引（株取引等）サービスなどのサービスであってもよい。 Services provided by the information processing device 10 and other server devices include, for example, a search service, a shopping service, a payment service, a route search service, a map providing service, a travel service, a restaurant introduction service, and a weather forecast service. , schedule management service, news provision service, auction service, video content distribution service, financial transaction (stock trading, etc.) service, and the like.

続いて、情報処理装置１０は、利用者Ｕ１と各事象との関連度を算出する（ステップＳ２）。例えば、情報処理装置１０は、履歴情報が示す検索クエリについて、関連情報Ｍ＃１が示す各スコアの合計値（言い換えると、属性「趣味：自転車」と利用者Ｕ１との関連度）を算出する。同様に、情報処理装置１０は、履歴情報が示す検索クエリについて関連情報Ｍ＃２が示す各スコアの合計値、履歴情報が示す検索クエリについて関連情報Ｍ＃３が示す各スコアの合計値、・・・等を算出する。 Subsequently, the information processing device 10 calculates the degree of association between the user U1 and each event (step S2). For example, the information processing apparatus 10 calculates the total value of each score indicated by the related information M#1 (in other words, the degree of association between the attribute “hobby: bicycle” and the user U1) for the search query indicated by the history information. . Similarly, the information processing apparatus 10 calculates the total value of the scores indicated by the related information M#2 for the search query indicated by the history information, the total value of the scores indicated by the related information M#3 for the search query indicated by the history information, . . . etc. are calculated.

図１の例において、情報処理装置１０は、上記のステップＳ１及びＳ２の処理を所定の期間ごと（例えば、１日ごと）に実施することにより、所定の期間ごとの利用者Ｕ１と各事象との関連度を示す情報を蓄積する。 In the example of FIG. 1, the information processing apparatus 10 performs the processes of steps S1 and S2 described above every predetermined period (for example, every day), so that the user U1 and each event for every predetermined period. accumulates information indicating the degree of relevance of

続いて、情報処理装置１０は、関連度の時系列的な変化が相関する複数の事象を検出する（ステップＳ３）。例えば、情報処理装置１０は、関連情報Ｍ＃１、Ｍ＃２、Ｍ＃３に基づき算出した各事象と利用者Ｕ１との関連度の時系列的な自己回帰に基づいて、関連度に変化が生じた事象を検出する。具体的な例を挙げると、情報処理装置１０は、同時期において関連度が所定の閾値以上上昇または低下した複数の事象を検出する。 Subsequently, the information processing apparatus 10 detects a plurality of events with correlated chronological changes in the degrees of association (step S3). For example, the information processing device 10 changes the degree of association based on time-series autoregression of the degree of association between each event calculated based on the related information M#1, M#2, and M#3 and the user U1. Detects events that occur. As a specific example, the information processing apparatus 10 detects multiple events in which the degrees of association have increased or decreased by a predetermined threshold value or more at the same time.

より具体的な例を挙げると、情報処理装置１０は、属性「趣味：自転車」と利用者Ｕ１との関連度の時系列的な変化を示す情報Ｄ＃１、属性「趣味：料理」と利用者Ｕ１との関連度の時系列的な変化を示す情報Ｄ＃２、属性「興味の対象：保険」と利用者Ｕ１との関連度の時系列的な変化を示す情報Ｄ＃３、・・・等を出力する。そして、図１の例において、情報処理装置１０は、時点Ｔ＃１を境に利用者Ｕ１との関連度が所定の閾値以上上昇した属性「趣味：自転車」及び属性「興味の対象：保険」を検出する。 To give a more specific example, the information processing apparatus 10 uses information D#1 indicating a time-series change in the degree of association between the attribute “hobby: bicycle” and the user U1, the attribute “hobby: cooking”, and the usage information D#1. information D#2 indicating a time-series change in the degree of association with the user U1, information D#3 indicating a time-series change in the degree of association between the attribute "object of interest: insurance" and the user U1, .・etc. In the example of FIG. 1, the information processing apparatus 10 selects the attribute "hobby: bicycle" and the attribute "object of interest: insurance" for which the degree of association with the user U1 has increased by a predetermined threshold or more from time T#1. to detect

続いて、情報処理装置１０は、検出した事象に基づいて利用者Ｕ１のコンテキストを推定する（ステップＳ４）。例えば、情報処理装置１０は、属性「趣味：自転車」及び属性「興味の対象：保険」の関連度が同時期に上昇したため、利用者Ｕ１が自転車の事故に遭ったと推定する。 Subsequently, the information processing device 10 estimates the context of the user U1 based on the detected event (step S4). For example, the information processing apparatus 10 estimates that the user U1 has had a bicycle accident because the association degrees of the attribute "hobby: bicycle" and the attribute "object of interest: insurance" increased at the same time.

続いて、情報処理装置１０は、推定したコンテキストに基づき利用者Ｕ１に情報を提供する（ステップＳ５）。例えば、情報処理装置１０は、自転車保険に関するサービスの情報を利用者Ｕ１に提供する。 Subsequently, the information processing device 10 provides information to the user U1 based on the estimated context (step S5). For example, the information processing device 10 provides the user U1 with information on services related to bicycle insurance.

以上のように、実施形態に係る情報処理装置１０は、関連度の時系列的な変化が相関する複数の事象を検出し、検出した事象に基づき利用者のコンテキストを推定する。これにより、実施形態に係る情報処理装置１０は、入力した検索クエリに基づき、利用者が現時点で対応付けられる事象のみならず、利用者と事象との対応付けの時系列的な変化に基づき利用者のコンテキストの変化を把握することができる。すなわち、実施形態に係る情報処理装置１０は、検索クエリに応じた利用者のコンテキストの変化を把握することができる。 As described above, the information processing apparatus 10 according to the embodiment detects a plurality of events in which chronological changes in the degrees of association are correlated, and estimates the user's context based on the detected events. As a result, the information processing apparatus 10 according to the embodiment, based on the input search query, can be used not only based on the event associated with the user at the present time, but also based on the time-series change in the association between the user and the event. It is possible to grasp the change of the context of the person. That is, the information processing apparatus 10 according to the embodiment can grasp changes in the user's context according to the search query.

〔２．情報処理装置の構成〕
次に、図２を用いて、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. Configuration of Information Processing Device]
Next, the configuration of the information processing device 10 will be described with reference to FIG. FIG. 2 is a diagram illustrating a configuration example of an information processing apparatus according to the embodiment; As shown in FIG. 2 , the information processing device 10 has a communication section 20 , a storage section 30 and a control section 40 .

（通信部２０について）
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等との間で情報の送受信を行う。 (Regarding communication unit 20)
The communication unit 20 is realized by, for example, a NIC (Network Interface Card) or the like. The communication unit 20 is connected to the network N by wire or wirelessly, and transmits and receives information to and from the terminal device 100 and the like.

（記憶部３０について）
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。図２に示すように、記憶部３０は、履歴情報データベース３１と、関連情報データベース３２と有する。 (Regarding storage unit 30)
The storage unit 30 is implemented by, for example, a semiconductor memory device such as a RAM (Random Access Memory) or a flash memory, or a storage device such as a hard disk or an optical disk. As shown in FIG. 2 , the storage unit 30 has a history information database 31 and a related information database 32 .

（履歴情報データベース３１について）
履歴情報データベース３１は、利用者が入力した検索クエリの履歴や、検索クエリに基づいて算出される関連度に関する各種の情報を記憶する。ここで、図３を用いて、履歴情報データベース３１が記憶する情報の一例を説明する。図３は、実施形態に係る履歴情報データベースの一例を示す図である。図３の例において、履歴情報データベース３１は、「利用者ＩＤ」、「検索履歴」、「関連度情報」といった項目を有する。 (Regarding history information database 31)
The history information database 31 stores a history of search queries input by the user and various types of information related to the degree of association calculated based on the search queries. An example of information stored in the history information database 31 will now be described with reference to FIG. FIG. 3 is a diagram illustrating an example of a history information database according to the embodiment; In the example of FIG. 3, the history information database 31 has items such as "user ID", "search history", and "relationship information".

「利用者ＩＤ」は、利用者を識別するための識別情報を示す。「検索履歴」は、利用者が入力した検索クエリの履歴を示す。「関連度情報」は、検索クエリと、関連情報データベース３２に格納された関連情報とに基づいて算出される関連度に関するに基づいて算出される関連度に関する情報を示し、例えば、「関連情報ＩＤ」、「関連度」、「日時」といった項目を有する。「関連情報ＩＤ」は、関連度の算出に用いられる関連情報を識別するための識別情報を示す。「関連度」は、検索履歴及び関連情報に基づき算出された関連度を示す。「日時」は、関連度が算出された日時を示す。 "User ID" indicates identification information for identifying a user. "Search history" indicates the history of search queries input by the user. "Relevance information" indicates information about the degree of relevance calculated based on the search query and the relevant information stored in the related information database 32. For example, "Relevant information ID ”, “relevance”, and “date and time”. “Related information ID” indicates identification information for identifying related information used for calculating the degree of association. "Relevance" indicates the degree of relevance calculated based on the search history and related information. "Date and time" indicates the date and time when the degree of association was calculated.

すなわち、図３では、利用者ＩＤ「ＵＩＤ＃１」により識別される利用者の検索履歴が「検索履歴＃１」であり、関連情報ＩＤ「ＭＩＤ＃１」により識別される関連情報に基づき日時「日時＃１」に算出された関連度が「関連度＃１」である例を示す。 That is, in FIG. 3, the search history of the user identified by the user ID "UID#1" is "search history #1", and the date and time is based on the related information identified by the related information ID "MID#1". An example in which the degree of relevance calculated for "date and time #1" is "relevance #1" is shown.

（関連情報データベース３２について）
関連情報データベース３２は、関連情報に関する各種の情報を記憶する。ここで、図４を用いて、関連情報データベース３２が記憶する情報の一例を説明する。図４は、実施形態に係る関連情報データベースの一例を示す図である。図４の例において、関連情報データベース３２は、「関連情報ＩＤ」、「事象」、「検索クエリ」、「スコア」といった項目を有する。 (Regarding the related information database 32)
The related information database 32 stores various information related to related information. An example of information stored in the related information database 32 will now be described with reference to FIG. FIG. 4 is a diagram illustrating an example of a related information database according to the embodiment; In the example of FIG. 4, the related information database 32 has items such as "related information ID", "event", "search query", and "score".

「関連情報ＩＤ」は、関連情報を識別するための識別情報を示す。「事象」は、関連情報の生成の対象となった事象を示す。「検索クエリ」は、事象との関連性を示すスコアが算出された検索クエリを示す。「スコア」は、事象と検索クエリの関連性を示すスコアを示す。 “Related information ID” indicates identification information for identifying related information. "Event" indicates an event for which related information is generated. "Search query" indicates a search query for which a score indicating relevance to the event was calculated. "Score" indicates a score that indicates the relevance of an event and a search query.

すなわち、図４では、関連情報ＩＤ「ＭＩＤ＃１」により識別される関連情報が、事象「事象＃１」を対象として生成され、「事象＃１」と、検索クエリ「検索クエリ＃１１」との関連性を示すスコアが「５．２」である例を示す。 That is, in FIG. 4, the related information identified by the related information ID "MID#1" is generated for the event "event #1", and the event "event #1" and the search query "search query #11" are generated. An example in which the score indicating the relevance of is "5.2" is shown.

（制御部４０について）
制御部４０は、コントローラ（controller）であり、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、コントローラであり、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。実施形態に係る制御部４０は、図２に示すように、取得部４１と、算出部４２と、検出部４３と、推定部４４と、提供部４５とを有し、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。 (Regarding the control unit 40)
The control unit 40 is a controller, and various programs stored in a storage device inside the information processing apparatus 10 are stored in the RAM by, for example, a CPU (Central Processing Unit) or an MPU (Micro Processing Unit). It is realized by executing as Also, the control unit 40 is a controller, and is implemented by an integrated circuit such as an ASIC (Application Specific Integrated Circuit) or an FPGA (Field Programmable Gate Array). As shown in FIG. 2, the control unit 40 according to the embodiment includes an acquisition unit 41, a calculation unit 42, a detection unit 43, an estimation unit 44, and a provision unit 45, and performs information processing described below. realize or perform the function or action of

（取得部４１について）
取得部４１は、利用者が入力した検索クエリの履歴を示す履歴情報を取得する。例えば、図１の例において、取得部４１は、情報処理装置１０や他のサーバ装置などから提供される各種のサービスにおいて利用者Ｕ１が所定の期間内に入力した検索クエリを、端末装置１００や他のサーバ装置などから取得し、履歴情報データベース３１に格納する。 (Regarding the acquisition unit 41)
The acquisition unit 41 acquires history information indicating a history of search queries input by the user. For example, in the example of FIG. 1, the acquisition unit 41 retrieves a search query input by the user U1 within a predetermined period in various services provided by the information processing apparatus 10 or other server apparatus, to the terminal apparatus 100 or the like. It acquires from another server device or the like and stores it in the history information database 31 .

また、取得部４１は、所定の利用者群が入力した検索クエリの履歴を示す履歴情報を取得してもよい。例えば、取得部４１は、所定の属性（デモグラフィック属性やサイコグラフィック属性）を有する利用者群が入力した検索クエリの履歴を示す履歴情報を取得する。 The acquisition unit 41 may also acquire history information indicating a history of search queries input by a predetermined group of users. For example, the acquisition unit 41 acquires history information indicating a history of search queries input by a group of users having a predetermined attribute (demographic attribute or psychographic attribute).

（算出部４２について）
算出部４２は、取得部４１により取得された履歴情報が示す検索クエリと、所定の事象に対する検索クエリの関連性を示す関連情報とに基づいて、利用者と当該所定の事象との関連度を算出する。例えば、図１の例において、算出部４２は、履歴情報データベース３１及び関連情報データベース３２を参照し、履歴情報が示す検索クエリについて、関連情報Ｍ＃１が示す各スコアの合計値（関連度）を算出する。 (Regarding the calculator 42)
The calculation unit 42 calculates the degree of relevance between the user and the predetermined event based on the search query indicated by the history information acquired by the acquisition unit 41 and the related information indicating the relevance of the search query to the predetermined event. calculate. For example, in the example of FIG. 1, the calculation unit 42 refers to the history information database 31 and the related information database 32, and for the search query indicated by the history information, the total value (relevance) of each score indicated by the related information M#1 Calculate

また、算出部４２は、履歴情報が示す検索クエリと、関連情報とに基づいて、所定の利用者群と所定の事象との関連度を算出してもよい。例えば、算出部４２は、所定の利用者群に含まれる各利用者の履歴情報が示す検索クエリと、関連情報とに基づいて各利用者と所定の事象との関連度を算出する。具体的な例を挙げると、算出部４２は、属性が「２０代女性」である利用者群や、「趣味：カメラ」である利用者群などに含まれる各利用者の履歴情報が示す検索クエリと、関連情報とに基づいて各利用者と所定の事象との関連度を算出する。 Further, the calculation unit 42 may calculate the degree of association between a predetermined user group and a predetermined event based on the search query indicated by the history information and the related information. For example, the calculation unit 42 calculates the degree of association between each user and a predetermined event based on the search query indicated by the history information of each user included in the predetermined user group and the related information. As a specific example, the calculation unit 42 performs a search indicated by history information of each user included in a group of users whose attribute is “female in their twenties” or a group of users whose attribute is “hobby: camera”. A degree of relevance between each user and a predetermined event is calculated based on the query and related information.

（検出部４３について）
検出部４３は、複数の所定の事象のうち、算出部４２により算出された関連度の時系列的な変化が所定の条件を満たす事象を検出する。例えば、図１の例において、検出部４３は、履歴情報データベース３１を参照し、各事象と利用者Ｕ１との関連度の時系列的な自己回帰に基づいて、関連度に変化が生じた事象を検出する。 (Regarding the detection unit 43)
The detection unit 43 detects, from among a plurality of predetermined events, events for which the time-series change in the degree of association calculated by the calculation unit 42 satisfies a predetermined condition. For example, in the example of FIG. 1, the detection unit 43 refers to the history information database 31, and based on time-series autoregression of the degree of relevance between each event and the user U1, detects an event whose degree of relevance has changed. to detect

また、検出部４３は、所定の期間内において関連度が所定の閾値以上変動した事象を検出してもよい。例えば、検出部４３は、複数の事象のうち、一定の期間（例えば、１日、１週間、１か月）内に利用者との関連度が所定の閾値以上上昇または低下した事象を検出する。また、検出部４３は、複数の事象のうち、一定の期間内に利用者との関連度が、負の値から正の値まで上昇、または、正の値から負の値まで低下した事象を検出する。 Further, the detection unit 43 may detect an event in which the degree of association fluctuates by a predetermined threshold or more within a predetermined period. For example, the detection unit 43 detects an event in which the degree of association with the user has increased or decreased by a predetermined threshold value or more within a certain period of time (for example, one day, one week, one month) among a plurality of events. . Further, the detection unit 43 detects events in which the degree of association with the user increases from a negative value to a positive value or decreases from a positive value to a negative value within a certain period of time, among the plurality of events. To detect.

また、検出部４３は、関連度の周期性が所定の条件を満たす事象を検出してもよい。例えば、検出部４３は、複数の事象のうち、一定の期間ごとに利用者との関連度が所定の閾値以上上昇または低下する事象を検出する。また、検出部４３は、複数の事象のうち、一定の期間ごとに利用者との関連度が、負の値から正の値まで上昇、または、正の値から負の値まで低下する事象を検出する。 Further, the detection unit 43 may detect an event in which the periodicity of the degree of association satisfies a predetermined condition. For example, the detection unit 43 detects events in which the degree of association with the user rises or falls by a predetermined threshold or more at regular intervals among the plurality of events. Further, the detection unit 43 detects events in which the degree of association with the user increases from a negative value to a positive value or decreases from a positive value to a negative value at regular intervals among the plurality of events. To detect.

また、検出部４３は、第１の期間における関連度の周期性と、第２の期間における関連度の周期性とが対応しない事象を検出してもよい。例えば、検出部４３は、複数の事象のうち、第１の期間における利用者との関連度の周期性と、当該第１の期間とは異なる第２の期間における利用者との関連度の周期性とが変化した事象を検出する。具体的な例を挙げると、検出部４３は、第１の期間において利用者との関連度が所定の閾値以上上昇する回数と、第２の期間において利用者との関連度が所定の閾値以上上昇する回数とが異なる事象を検出する。また、検出部４３は、第１の期間において利用者との関連度が所定の閾値以上低下する回数と、第２の期間において利用者との関連度が所定の閾値以上低下する回数とが異なる事象を検出する。 Further, the detection unit 43 may detect an event in which the periodicity of the degree of association in the first period does not correspond to the periodicity of the degree of association in the second period. For example, the detection unit 43 detects, among the plurality of events, the periodicity of the degree of association with the user in a first period and the period of the degree of association with the user in a second period different from the first period. Detects gender change events. As a specific example, the detection unit 43 determines the number of times the degree of association with the user rises by a predetermined threshold or more in the first period, and the number of times the degree of association with the user rises by a predetermined threshold or more in the second period Detect events that differ from the number of rises. Further, the detection unit 43 determines that the number of times the degree of association with the user decreases by a predetermined threshold or more in the first period differs from the number of times the degree of association with the user decreases by a predetermined threshold or more in the second period. Detect events.

また、検出部４３は、関連度の時系列的な変化が相関する複数の事象を検出してもよい。例えば、図１の例において、検出部４３は、利用者Ｕ１との関連度の時系列的な変化が相関する属性「趣味：自転車」及び属性「興味の対象：保険」を検出する。 Moreover, the detection unit 43 may detect a plurality of events in which time-series changes in the degrees of association are correlated. For example, in the example of FIG. 1, the detection unit 43 detects the attribute "hobby: bicycle" and the attribute "object of interest: insurance" with which the chronological change in the degree of association with the user U1 is correlated.

また、検出部４３は、所定の期間内において関連度が所定の閾値以上変動した複数の事象を検出してもよい。例えば、図１の例において、検出部４３は、時点Ｔ＃１を境に利用者Ｕ１との関連度が所定の閾値以上変動した属性「趣味：自転車」及び属性「興味の対象：保険」を検出する。 Further, the detection unit 43 may detect a plurality of events in which the degrees of association fluctuate by a predetermined threshold or more within a predetermined period. For example, in the example of FIG. 1, the detection unit 43 detects the attribute "hobby: bicycle" and the attribute "object of interest: insurance" whose degree of association with the user U1 has changed by a predetermined threshold or more from time T#1. To detect.

また、検出部４３は、所定の期間内において関連度が所定の閾値以上上昇した複数の事象を検出してもよい。例えば、図１の例において、検出部４３は、時点Ｔ＃１を境に利用者Ｕ１との関連度が所定の閾値以上上昇した属性「趣味：自転車」及び属性「興味の対象：保険」を検出する。 Moreover, the detection unit 43 may detect a plurality of events in which the degree of association has increased by a predetermined threshold or more within a predetermined period. For example, in the example of FIG. 1, the detection unit 43 selects the attribute "hobby: bicycle" and the attribute "object of interest: insurance" for which the degree of association with the user U1 has increased by a predetermined threshold or more from time T#1. To detect.

なお、検出部４３は、一定の期間内に利用者との関連度が負の値から正の値まで上昇した複数の事象を検出してもよい。また、検出部４３は、一定の期間内に利用者との関連度が正の値から負の値まで低下した複数の事象を検出してもよい。 Note that the detection unit 43 may detect a plurality of events in which the degree of association with the user has increased from a negative value to a positive value within a certain period of time. Further, the detection unit 43 may detect a plurality of events in which the degree of association with the user has decreased from a positive value to a negative value within a certain period of time.

また、検出部４３は、所定の期間内において関連度が所定の閾値以上上昇した事象と、当該所定の期間内において関連度が所定の閾値以上低下した事象とを検出してもよい。例えば、検出部４３は、一定の期間内において、利用者との関連度が所定の閾値以上上昇した事象と、利用者との関連度が所定の閾値以上低下した事象とを検出する。 Further, the detection unit 43 may detect an event in which the degree of association has increased by a predetermined threshold or more within a predetermined period and an event in which the degree of association has decreased by a predetermined threshold or more within the predetermined period. For example, the detection unit 43 detects an event in which the degree of association with the user has increased by a predetermined threshold or more and an event in which the degree of association with the user has decreased by a predetermined threshold or more within a certain period of time.

また、検出部４３は、関連度の周期性が相関する複数の事象を検出してもよい。例えば、検出部４３は、一定の期間ごとに利用者との関連度が所定の閾値以上上昇または低下する複数の事象を検出する。また、検出部４３は、一定の期間ごとに利用者との関連度が、負の値から正の値まで上昇、または、正の値から負の値まで低下する複数の事象を検出する。 Further, the detection unit 43 may detect a plurality of events whose association degrees are correlated with each other in periodicity. For example, the detection unit 43 detects a plurality of events in which the degree of association with the user rises or falls by a predetermined threshold or more at regular intervals. Further, the detection unit 43 detects a plurality of events in which the degree of association with the user increases from a negative value to a positive value or decreases from a positive value to a negative value at regular intervals.

また、検出部４３は、関連度の周期性が正の相関関係を有する複数の事象、若しくは、関連度の周期性が負の相関関係を有する複数の事象を検出してもよい。例えば、検出部４３は、一方の事象の関連度が上昇する場合、他方の事象の関連度も上昇する関係性にある組み合わせの事象を検出する。また、検出部４３は、一方の事象の関連度が上昇する場合、他方の事象の関連度が低下する関係性にある組み合わせの事象を検出する。 Further, the detection unit 43 may detect a plurality of events having a positive correlation in the periodicity of the degree of association or a plurality of events having a negative correlation in the periodicity of the degree of association. For example, when the degree of relevance of one event increases, the detection unit 43 detects a combination of events in which the degree of relevance of the other event also increases. Further, the detection unit 43 detects a combination of events in which the degree of relevance of one event increases and the degree of relevance of the other event decreases.

また、検出部４３は、第１の期間における関連度の周期性が相関せず、第２の期間における関連度の周期性が相関する複数の事象を検出してもよい。例えば、検出部４３は、特定の時点まで利用者との関連度の周期性が相関せず、特定の時点を境に関連度の周期性が相関する複数の事象を検出する。 Further, the detection unit 43 may detect a plurality of events in which the periodicities of the degrees of association are uncorrelated in the first period and the periodicities of the degrees of association in the second period are correlated. For example, the detection unit 43 detects a plurality of events in which the periodicity of the degree of association with the user is not correlated up to a specific point of time and the periodicity of the degree of association is correlated after the specific point of time.

また、検出部４３は、第１の事象の関連度の周期性と、第２の事象の関連度の周期性とが第１の期間において相関し、第２の期間において相関しない場合は、当該第１の事象、若しくは、当該第２の事象のいずれかと当該第２の期間において関連度の周期性が相関する事象を検出してもよい。例えば、検出部４３は、特定の時点まで利用者との関連度の周期性が相関し、特定の時点を境に関連度の周期性が相関しない複数の事象を検出する。そして、検出部４３は、特定の時点を境に、検出した複数の事象のいずれかと関連度の周期性が相関する事象を検出する。 Further, if the periodicity of the degree of association of the first event and the periodicity of the degree of association of the second event are correlated in the first period and are not correlated in the second period, the detection unit 43 An event may be detected in which the periodicity of the relevance is correlated with either the first event or the second event in the second time period. For example, the detection unit 43 detects a plurality of events in which the periodicity of the degree of association with the user is correlated up to a specific time point and the periodicity of the degree of association is not correlated beyond the specific time point. Then, the detection unit 43 detects an event whose relevance degree is correlated with any of the plurality of detected events at a specific point in time.

なお、検出部４３は、複数の所定の事象のうち、所定の利用者群に含まれる利用者の関連度の時系列的な変化が所定の条件を満たす事象を検出してもよい。例えば、検出部４３は、特定の利用者群に含まれる所定の割合以上の利用者の関連度の時系列的な変化が所定の条件を満たす事象を検出する。 Note that the detection unit 43 may detect, from among a plurality of predetermined events, an event in which a time-series change in the degree of association of users included in a predetermined user group satisfies a predetermined condition. For example, the detection unit 43 detects an event in which a time-series change in the degree of association of a predetermined percentage or more of users included in a specific user group satisfies a predetermined condition.

（推定部４４について）
推定部４４は、検出部４３により検出された事象に基づいて、利用者のコンテキストを推定する。例えば、図１を例にして説明すると、属性「興味の対象：保険」の利用者Ｕ１との関連度が所定の閾値以上上昇（若しくは、関連度が負の値から正の値に上昇）した場合、推定部４４は、利用者Ｕ１が保険に興味を持ったと推定する。また、属性「趣味：自転車」の利用者Ｕ１との関連度が所定の閾値以上低下（若しくは、関連度が正の値から負の値に低下）した場合、推定部４４は、利用者Ｕ１が自転車に対する興味を失ったと推定する。また、属性「趣味：自転車」の利用者Ｕ１との関連度が、第１の期間において所定の閾値以上上昇する回数よりも、その後の第２の期間において所定の閾値以上上昇する回数が多い場合、推定部４４は、第２の期間において利用者Ｕ１の自転車に対する興味がより強くなったと推定する。また、属性「趣味：自転車」の利用者Ｕ１との関連度が、第１の期間において所定の閾値以上低下する回数よりも、その後の第２の期間において所定の閾値以上低下する回数が多い場合、推定部４４は、第２の期間において利用者Ｕ１の自転車に対する興味が低下したと推定する。 (Regarding the estimation unit 44)
The estimation unit 44 estimates the user's context based on the events detected by the detection unit 43 . For example, using FIG. 1 as an example, the degree of relevance of the attribute “object of interest: insurance” with the user U1 has increased by a predetermined threshold or more (or the degree of relevance has increased from a negative value to a positive value). In this case, the estimation unit 44 estimates that the user U1 is interested in insurance. Further, when the degree of relevance of the attribute “hobby: bicycle” to user U1 decreases by a predetermined threshold or more (or the degree of relevance decreases from a positive value to a negative value), the estimation unit 44 determines that user U1 Assume that you have lost interest in cycling. In addition, when the degree of relevance of the attribute "hobby: bicycle" with the user U1 increases by a predetermined threshold or more during the subsequent second period more than the number of times when it increases by a predetermined threshold or more during the first period. , the estimating unit 44 estimates that the interest in the bicycle of the user U1 has increased during the second period. Also, when the degree of relevance of the attribute “hobby: bicycle” with the user U1 decreases more times than the predetermined threshold in the second period after that, than the number of times the degree decreases more than the predetermined threshold in the first period. , the estimation unit 44 estimates that user U1's interest in the bicycle has decreased during the second period.

また、推定部４４は、検出部４３により検出された複数の事象に基づいて、利用者のコンテキストを推定してもよい。例えば、図１の例において、推定部４４は、属性「趣味：自転車」及び属性「興味の対象：保険」の関連度が同時期に上昇したため、利用者Ｕ１が自転車の事故に遭ったと推定する。 Also, the estimation unit 44 may estimate the user's context based on a plurality of events detected by the detection unit 43 . For example, in the example of FIG. 1, the estimating unit 44 estimates that the user U1 had a bicycle accident because the association degrees of the attribute "hobby: bicycle" and the attribute "object of interest: insurance" increased at the same time. .

なお、例えば、同時期に属性「趣味：自転車」と利用者との関連度が所定の閾値以上低下し、属性「趣味：自動車」の関連度が上昇した場合、推定部４４は、利用者が移動手段を自転車から自動車に変更したと推定してもよい。また、属性「趣味：自転車」と利用者との関連度と、属性「趣味：釣り」の関連度の周期性が正の相関関係を有する場合、推定部４４は、自転車を移動手段として用いて釣りに行く利用者であると推定してもよい。また、属性「趣味：自転車」と利用者との関連度と、属性「趣味：釣り」の関連度の周期性が負の相関関係を有する場合、推定部４４は、自転車を移動手段として用いずに釣りに行く利用者であると推定してもよい。 Note that, for example, when the degree of relevance between the attribute “hobby: bicycle” and the user decreases by a predetermined threshold or more at the same time and the degree of relevance with the attribute “hobby: automobile” increases, the estimating unit 44 determines that the user It may be presumed that the means of transportation has been changed from a bicycle to a car. Further, when the degree of association between the attribute “hobby: bicycle” and the user and the periodicity of the degree of association with the attribute “hobby: fishing” have a positive correlation, the estimation unit 44 uses the bicycle as a means of transportation. It may be estimated that the user is going fishing. Further, when the degree of association between the attribute “hobby: bicycle” and the user and the periodicity of the degree of association with the attribute “hobby: fishing” have a negative correlation, the estimation unit 44 does not use the bicycle as a means of transportation. You may presume that it is a user who goes fishing in Japan.

また、推定部４４は、第２の期間において関連度の周期性が第１の事象と関連する事象が検出部により検出された場合は、第１の事象と、検出部により検出された事象とに基づいて利用者のコンテキストを推定し、第２の期間において関連度の周期性が第２の事象と関連する事象が検出部により検出された場合は、第２の事象と、検出部により検出された事象とに基づいて利用者のコンテキストを推定してもよい。例えば、第１の期間において、属性「趣味：自転車」との利用者の関連度の周期性と、属性「趣味：釣り」との関連度の周期性とが正の相関関係を有し、その後の第２の期間において双方の周期性が相関せず、属性「趣味：自動車」の関連度の周期性と、属性「趣味：釣り」との関連度の周期性とが正の相関関係を有する場合、推定部４４は、利用者が釣りに行く際の移動手段を、自転車から自動車に変更したと推定してもよい。 Further, when the detecting unit detects an event whose degree of association is related to the first event in the second period, the estimating unit 44 determines that the first event and the event detected by the detecting unit and if the detection unit detects an event whose relevance periodicity is related to the second event in the second period, the second event and the detection unit detect The context of the user may be inferred based on the events presented. For example, in the first period, there is a positive correlation between the periodicity of the degree of association of the user with the attribute "hobby: bicycle" and the periodicity of the degree of association with the attribute "hobby: fishing". Both periodicities are not correlated in the second period of , and the periodicity of the relevance of the attribute "hobby: automobile" and the periodicity of the relevance of the attribute "hobby: fishing" have a positive correlation In this case, the estimation unit 44 may estimate that the user has changed the means of transportation for fishing from a bicycle to a car.

ここで、個人のコンテキストのみならず、利用者群のコンテキストの変化（例えば、流行）を把握したいといった要望が考えられる。したがって、推定部４４は、検出部４３により検出された事象に基づいて、所定の利用者群のコンテキストを推定してもよい。例えば、所定の属性を有する利用者群のうち所定の割合以上の利用者について、所定の期間内に関連度が所定の閾値以上上昇した事象が検出された場合、推定部４４は、当該所定の属性を有する利用者群において当該事象に関する流行（ブーム）が広まっていると推定する。具体的な例を挙げると、属性が「２０代女性」である利用者群のうち所定の割合以上の利用者について、所定の期間内に属性「趣味：自動車」との関連度が所定の閾値以上上昇した場合、推定部４４は、属性が「２０代女性」である利用者群において、「趣味：自動車」の流行が広まっていると推定する。また、属性が「趣味：カメラ」である利用者群のうち所定の割合以上の利用者について、所定の期間内に属性「趣味：自動車」との関連度が所定の閾値以上上昇した場合、推定部４４は、属性が「趣味：カメラ」である利用者群において、自転車を移動手段としてカメラの撮影に行くことが流行となっていると推定する。 Here, there may be a desire to grasp not only individual contexts but also changes (for example, trends) in the contexts of a group of users. Therefore, the estimation unit 44 may estimate the context of a predetermined group of users based on the events detected by the detection unit 43 . For example, when an event is detected in which the degree of relevance increases by a predetermined threshold or more within a predetermined period of time for a predetermined percentage or more of users having a predetermined attribute, the estimating unit 44 determines that the predetermined It is assumed that the trend (boom) related to the event is spreading among the user group having the attribute. As a specific example, for a user group with the attribute "female in her twenties", a predetermined percentage or more of the users have a degree of association with the attribute "hobbies: automobiles" within a predetermined period of time. In the case of the above increase, the estimating unit 44 estimates that the popularity of "hobbies: automobiles" is widespread in the group of users whose attribute is "female in their twenties". In addition, if the degree of relevance to the attribute "hobby: automobiles" rises by a predetermined threshold or more within a predetermined period for a predetermined percentage or more of the user group with the attribute "hobby: camera", the estimated The unit 44 presumes that among the group of users whose attribute is "hobby: camera", it is popular to use a bicycle as a means of transportation to go camera shooting.

なお、推定部４４は、所定の属性を有する利用者群に含まれる利用者について検出部４３により検出された事象に基づいて、当該利用者のコンテキストを推定してもよい。例えば、属性が「２０代女性」である利用者群に含まれる利用者と、属性「趣味：自転車」との関連度が所定の閾値以上上昇した場合、推定部４４は、当該利用者が自転車に対する興味を持った２０代女性であると推定する。また、属性が「趣味：カメラ」である利用者群に含まれる利用者と、属性「趣味：自転車」との関連度が所定の閾値以上上昇した場合、推定部４４は、当該利用者が自転車を移動手段としてカメラの撮影に行くようになった利用者であると推定する。 Note that the estimating unit 44 may estimate the context of the user based on the event detected by the detecting unit 43 regarding the user included in the user group having the predetermined attribute. For example, when the degree of association between a user included in a group of users whose attribute is “female in their 20s” and the attribute “hobby: bicycle” increases by a predetermined threshold or more, the estimation unit 44 determines that the user is a bicycle. Presumed to be a woman in her twenties with an interest in Further, when the degree of association between a user included in the user group whose attribute is “hobby: camera” and the attribute “hobby: bicycle” increases by a predetermined threshold or more, the estimation unit 44 determines that the user is a bicycle. is assumed to be a user who started to take pictures with a camera as a means of transportation.

（提供部４５について）
提供部４５は、推定部４４により推定されたコンテキストに基づいて、利用者に所定の情報を提供する。例えば、図１の例において、利用者Ｕ１が自転車の事故に遭ったと推定される場合、提供部４５は、自転車保険に関するサービスの情報を利用者Ｕ１に提供する。 (Regarding the providing unit 45)
The provision unit 45 provides predetermined information to the user based on the context estimated by the estimation unit 44 . For example, in the example of FIG. 1, when the user U1 is presumed to have had a bicycle accident, the providing unit 45 provides the user U1 with service information regarding bicycle insurance.

〔３．推定処理のフロー〕
図５を用いて、実施形態に係る情報処理装置１０の推定処理の手順について説明する。図５は、実施形態に係る推定処理の手順の一例を示すフローチャートである。 [3. Estimation process flow]
A procedure of estimation processing of the information processing apparatus 10 according to the embodiment will be described with reference to FIG. 5 . FIG. 5 is a flowchart illustrating an example of an estimation process procedure according to the embodiment.

図５に示すように、情報処理装置１０は、利用者が入力した検索クエリの履歴を示す履歴情報を取得する（ステップＳ１０１）。続いて、情報処理装置１０は、履歴情報が示す検索クエリと、所定の事象に対する検索クエリの関連性を示す関連情報とに基づいて、利用者と当該所定の事象との関連度を算出する（ステップＳ１０２）。続いて、情報処理装置１０は、複数の所定の事象のうち、算出された関連度の時系列的な変化が所定の条件を満たす事象を検出する（ステップＳ１０３）。続いて、情報処理装置１０は、検出された事象に基づいて、利用者のコンテキストを推定し（ステップＳ１０４）、処理を終了する。 As shown in FIG. 5, the information processing apparatus 10 acquires history information indicating a history of search queries input by the user (step S101). Subsequently, the information processing apparatus 10 calculates the degree of relevance between the user and the predetermined event based on the search query indicated by the history information and the related information indicating the relevance of the search query to the predetermined event ( step S102). Subsequently, the information processing apparatus 10 detects an event in which the time-series change in the calculated degree of association satisfies a predetermined condition, among the plurality of predetermined events (step S103). Subsequently, the information processing apparatus 10 estimates the user's context based on the detected event (step S104), and terminates the process.

〔４．変形例〕
上述の実施形態は一例を示したものであり、種々の変更及び応用が可能である。 [4. Modification]
The above-described embodiment is an example, and various modifications and applications are possible.

〔４－１．コンテキストの推定について〕
上述の実施形態において、推定部４４が、検出部４３により利用者について検出された事象に基づいてコンテキストを推定する例を示したが、推定部４４の機能はこのような例に限定されない。例えば、利用者の関連度の時系列的な変化が、所定の属性を有する利用者群の関連度の時系列的な変化と対応する場合、推定部４４が、当該所定の属性に基づき利用者のコンテキストを推定してもよい。具体的な例を挙げると、特定の時点を境として、利用者の関連度の時系列的な変化が、属性「子持ち」を有する利用者群の関連度の時系列的な変化と対応する場合、推定部４４は、当該利用者に子供が生まれたと推定する。 [4-1. About context estimation]
In the above-described embodiment, an example was shown in which the estimation unit 44 estimates the context based on the event detected about the user by the detection unit 43, but the function of the estimation unit 44 is not limited to such an example. For example, when a time-series change in the degree of relevance of a user corresponds to a time-series change in the degree of relevance of a group of users having a predetermined attribute, the estimating unit 44 determines whether the user based on the predetermined attribute context may be inferred. To give a specific example, a time-series change in the degree of relevance of a user at a specific point in time corresponds to a time-series change in the degree of relevance of a group of users with the attribute "children". , the estimation unit 44 estimates that a child has been born to the user.

〔４－２．処理態様について〕
上記実施形態において説明した各処理のうち、自動的に行われるものとして説明した処理の全部または一部を手動的に行うこともでき、逆に、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、上記文章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。 [4-2. About processing mode]
Of the processes described in the above embodiments, all or part of the processes described as being automatically performed can be manually performed, and conversely, all of the processes described as being manually performed can be performed manually. Alternatively, some can be done automatically by known methods. In addition, information including processing procedures, specific names, and various data and parameters shown in the above text and drawings can be arbitrarily changed unless otherwise specified. For example, the various information shown in each drawing 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。 Also, each component of each device illustrated is functionally conceptual, and does not necessarily need to be physically configured as illustrated. In other words, the specific form of distribution and integration of each device is not limited to the one shown in the figure, and all or part of them can be functionally or physically distributed and integrated in arbitrary units according to various loads and usage conditions. Can be integrated and configured.

また、上記してきた各実施形態は、処理内容を矛盾させない範囲で適宜組み合わせることが可能である。 Moreover, each of the embodiments described above can be appropriately combined within a range that does not contradict the processing contents.

〔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、算出部４２と、検出部４３と、推定部４４と、提供部４５とを有する。取得部４１は、利用者が入力した検索クエリの履歴を示す履歴情報を取得する。また、取得部４１は、所定の利用者群が入力した検索クエリの履歴を示す履歴情報を取得する。算出部４２は、取得部４１により取得された履歴情報が示す検索クエリと、所定の事象に対する検索クエリの関連性を示す関連情報とに基づいて、利用者と当該所定の事象との関連度を算出する。また、算出部４２は、履歴情報が示す検索クエリと、関連情報とに基づいて、所定の利用者群と所定の事象との関連度を算出する。検出部４３は、複数の所定の事象のうち、算出部４２により算出された関連度の時系列的な変化が所定の条件を満たす事象を検出する。推定部４４は、検出部４３により検出された事象に基づいて、利用者のコンテキストを推定する。また、推定部４４は、検出部４３により検出された事象に基づいて、所定の利用者群のコンテキストを推定する。提供部４５は、推定部４４により推定されたコンテキストに基づいて、利用者に所定の情報を提供する。 [5. effect〕
As described above, the information processing apparatus 10 according to the embodiment has the acquisition unit 41 , the calculation unit 42 , the detection unit 43 , the estimation unit 44 and the provision unit 45 . The acquisition unit 41 acquires history information indicating a history of search queries input by the user. The acquisition unit 41 also acquires history information indicating a history of search queries input by a predetermined group of users. The calculation unit 42 calculates the degree of relevance between the user and the predetermined event based on the search query indicated by the history information acquired by the acquisition unit 41 and the related information indicating the relevance of the search query to the predetermined event. calculate. Further, the calculation unit 42 calculates the degree of association between a predetermined user group and a predetermined event based on the search query indicated by the history information and the related information. The detection unit 43 detects, from among a plurality of predetermined events, events for which the time-series change in the degree of association calculated by the calculation unit 42 satisfies a predetermined condition. The estimation unit 44 estimates the user's context based on the events detected by the detection unit 43 . Also, the estimation unit 44 estimates the context of a predetermined group of users based on the events detected by the detection unit 43 . The provision unit 45 provides predetermined information to the user based on the context estimated by the estimation unit 44 .

これにより、実施形態に係る情報処理装置１０は、入力された検索クエリに基づき、利用者が現時点で対応付けられる事象のみならず、利用者と事象との対応付けの時系列的な変化に基づき利用者のコンテキストの変化を把握することができるため、検索クエリに応じた利用者のコンテキストの変化を把握することができる。 As a result, the information processing apparatus 10 according to the embodiment, based on the input search query, not only events with which the user is currently associated, but also time-series changes in the association between the user and the event Since changes in the user's context can be grasped, changes in the user's context according to the search query can be grasped.

また、実施形態に係る情報処理装置１０において、例えば、検出部４３は、所定の期間内において関連度が所定の閾値以上変動した事象を検出する。また、検出部４３は、関連度の周期性が所定の条件を満たす事象を検出する。また、検出部４３は、第１の期間における関連度の周期性と、第２の期間における関連度の周期性とが対応しない事象を検出する。 Further, in the information processing apparatus 10 according to the embodiment, for example, the detection unit 43 detects an event in which the degree of association fluctuates by a predetermined threshold or more within a predetermined period. Further, the detection unit 43 detects an event in which the periodicity of the degree of association satisfies a predetermined condition. Further, the detection unit 43 detects an event in which the periodicity of the degree of association in the first period does not correspond to the periodicity of the degree of association in the second period.

これにより、実施形態に係る情報処理装置１０は、入力された検索クエリに基づき、利用者と対応付けの時系列的な変化が各種の条件を満たす事象を検出し、利用者のコンテキストを推定することができるため、コンテキスト推定の精度を向上させることができる。 As a result, the information processing apparatus 10 according to the embodiment detects an event in which a time-series change in association with a user satisfies various conditions based on an input search query, and estimates the context of the user. Therefore, the accuracy of context estimation can be improved.

また、実施形態に係る情報処理装置１０において、例えば、検出部４３は、関連度の時系列的な変化が相関する複数の事象を検出する。そして、推定部４４は、検出部４３により検出された複数の事象に基づいて、利用者のコンテキストを推定する。また、検出部４３は、所定の期間内において関連度が所定の閾値以上変動した複数の事象を検出する。また、検出部４３は、所定の期間内において関連度が所定の閾値以上上昇した複数の事象を検出する。また、検出部４３は、所定の期間内において関連度が所定の閾値以上上昇した事象と、当該所定の期間内において関連度が所定の閾値以上低下した事象とを検出する。また、検出部４３は、関連度の周期性が相関する複数の事象を検出する。また、検出部４３は、関連度の周期性が正の相関関係を有する複数の事象、若しくは、関連度の周期性が負の相関関係を有する複数の事象を検出する。また、検出部４３は、第１の期間における関連度の周期性が相関せず、第２の期間における関連度の周期性が相関する複数の事象を検出する。 Further, in the information processing apparatus 10 according to the embodiment, for example, the detection unit 43 detects a plurality of events in which chronological changes in the degrees of association are correlated. Then, the estimation unit 44 estimates the user's context based on the multiple events detected by the detection unit 43 . Further, the detection unit 43 detects a plurality of events in which the degrees of association fluctuate by a predetermined threshold or more within a predetermined period. Further, the detection unit 43 detects a plurality of events in which the degree of association has increased by a predetermined threshold value or more within a predetermined period. The detection unit 43 also detects an event in which the degree of association has increased by a predetermined threshold or more within a predetermined period, and an event in which the degree of association has decreased by a predetermined threshold or more within the predetermined period. Further, the detection unit 43 detects a plurality of events whose association degrees are correlated with each other in periodicity. Further, the detection unit 43 detects a plurality of events in which the periodicity of association degrees has a positive correlation or a plurality of events in which the periodicity of association degrees has a negative correlation. Further, the detection unit 43 detects a plurality of events in which the periodicities of the degrees of association are uncorrelated in the first period and the periodicities of the degrees of association in the second period are correlated.

これにより、実施形態に係る情報処理装置１０は、関連度の時系列的な変化が相関する複数の事象を検出し、検出した事象に基づき利用者のコンテキストを推定することができるため、コンテキスト推定の精度を向上させることができる。 As a result, the information processing apparatus 10 according to the embodiment can detect a plurality of events in which time-series changes in the degree of association are correlated, and can estimate the user's context based on the detected events. can improve the accuracy of

また、実施形態に係る情報処理装置１０において、例えば、検出部４３は、第１の事象の関連度の周期性と、第２の事象の関連度の周期性とが第１の期間において相関し、第２の期間において相関しない場合は、当該第１の事象、若しくは、当該第２の事象のいずれかと当該第２の期間において関連度の周期性が相関する事象を検出する。そして、推定部４４は、第２の期間において関連度の周期性が第１の事象と関連する事象が検出部により検出された場合は、第１の事象と、検出部により検出された事象とに基づいて利用者のコンテキストを推定し、第２の期間において関連度の周期性が第２の事象と関連する事象が検出部により検出された場合は、第２の事象と、検出部により検出された事象とに基づいて利用者のコンテキストを推定する。 Further, in the information processing apparatus 10 according to the embodiment, for example, the detection unit 43 determines whether the periodicity of the degree of association of the first event and the periodicity of the degree of association of the second event are correlated in the first period. If there is no correlation in the second period, an event is detected in which the periodicity of the relevance is correlated with either the first event or the second event in the second period. Then, when the detecting unit detects an event whose degree of association is related to the first event in the second period, the estimating unit 44 determines that the first event and the event detected by the detecting unit and if the detection unit detects an event whose relevance periodicity is related to the second event in the second period, the second event and the detection unit detect Infer the user's context based on the events presented.

これにより、実施形態に係る情報処理装置１０は、利用者のコンテキストの変化を推定することができるため、コンテキスト推定の精度を向上させることができる。 As a result, the information processing apparatus 10 according to the embodiment can estimate a change in the user's context, thereby improving the accuracy of context estimation.

〔６．ハードウェア構成〕
また、上述してきた各実施形態に係る情報処理装置１０は、例えば、図６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。以下、情報処理装置１０を例に挙げて説明する。図６は、情報処理装置の機能を実現するコンピュータの一例を示すハードウェア構成図である。コンピュータ１０００は、ＣＰＵ１１００、ＲＯＭ１２００、ＲＡＭ１３００、ＨＤＤ１４００、通信インターフェイス（Ｉ／Ｆ）１５００、入出力インターフェイス（Ｉ／Ｆ）１６００、及びメディアインターフェイス（Ｉ／Ｆ）１７００を有する。 [6. Hardware configuration]
Also, the information processing apparatus 10 according to each of the embodiments described above is implemented by, for example, a computer 1000 configured as shown in FIG. The information processing apparatus 10 will be described below as an example. FIG. 6 is a hardware configuration diagram showing an example of a computer that implements the functions of the information processing apparatus. Computer 1000 has CPU 1100 , ROM 1200 , RAM 1300 , HDD 1400 , communication interface (I/F) 1500 , input/output interface (I/F) 1600 and media interface (I/F) 1700 .

ＣＰＵ１１００は、ＲＯＭ１２００又は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。ＲＯＭ１２００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 CPU 1100 operates based on programs stored in the ROM 1200 or HDD 1400 and controls each section. The ROM 1200 stores a boot program executed by the CPU 1100 when the computer 1000 is started, programs dependent on the hardware of the computer 1000, and the like.

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記憶する。通信インターフェイス１５００は、通信網５００（実施形態のネットワークＮに対応する）を介して他の機器からデータを受信してＣＰＵ１１００へ送り、また、通信網５００を介してＣＰＵ１１００が生成したデータを他の機器へ送信する。 The HDD 1400 stores programs executed by the CPU 1100, data used by the programs, and the like. Communication interface 1500 receives data from another device via communication network 500 (corresponding to network N in the embodiment) and sends it to CPU 1100, and also transmits data generated by CPU 1100 via communication network 500 to other devices. Send to device.

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、入出力インターフェイス１６００を介して生成したデータを出力装置へ出力する。 The CPU 1100 controls output devices such as displays and printers, and input devices such as keyboards and mice, through an input/output interface 1600 . CPU 1100 acquires data from an input device via input/output interface 1600 . Also, CPU 1100 outputs the generated data to an output device via input/output interface 1600 .

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又はデータを読み取り、ＲＡＭ１３００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ＲＡＭ１３００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。 Media interface 1700 reads programs or data stored in recording medium 1800 and provides them to CPU 1100 via RAM 1300 . CPU 1100 loads such a program from recording medium 1800 onto RAM 1300 via media interface 1700, and executes the loaded program. The recording medium 1800 is, for example, an optical recording medium such as a DVD (Digital Versatile Disc) or a PD (Phase change rewritable disc), a magneto-optical recording medium such as an MO (Magneto-Optical disk), a tape medium, a magnetic recording medium, or a semiconductor memory. etc.

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、ＲＡＭ１３００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４０の機能を実現する。また、ＨＤＤ１４００には、情報処理装置１０の記憶装置内の各データが格納される。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 computer 1000 functions as the information processing apparatus 10 , the CPU 1100 of the computer 1000 implements the functions of the control unit 40 by executing programs loaded on the RAM 1300 . Moreover, each data in the storage device of the information processing apparatus 10 is stored in the HDD 1400 . CPU 1100 of computer 1000 reads these programs from recording medium 1800 and executes them, but as another example, these programs may be obtained from another device via a predetermined communication network.

〔７．その他〕
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。 [7. others〕
As described above, some of the embodiments of the present application have been described in detail based on the drawings. It is possible to carry out the invention in other forms with modifications.

また、上述した情報処理装置１０は、機能によっては外部のプラットフォーム等をＡＰＩ（Application Programming Interface）やネットワークコンピューティングなどで呼び出して実現するなど、構成は柔軟に変更できる。 Further, the configuration of the information processing apparatus 10 described above can be flexibly changed, for example, by calling an external platform or the like using an API (Application Programming Interface), network computing, or the like, depending on the function.

また、特許請求の範囲に記載した「部」は、「手段」や「回路」などに読み替えることができる。例えば、取得部は、取得手段や取得回路に読み替えることができる。 In addition, the "unit" described in the claims can be read as "means", "circuit", or the like. For example, the acquisition unit can be read as acquisition means or an acquisition circuit.

１０情報処理装置
２０通信部
３０記憶部
３１履歴情報データベース
３２関連情報データベース
４０制御部
４１取得部
４２算出部
４３検出部
４４推定部
４５提供部
１００端末装置 10 information processing device 20 communication unit 30 storage unit 31 history information database 32 related information database 40 control unit 41 acquisition unit 42 calculation unit 43 detection unit 44 estimation unit 45 provision unit 100 terminal device

Claims

an acquisition unit that acquires history information indicating a history of search queries input by a user;
A calculation unit that calculates the degree of relevance between the user and the predetermined event based on the search query indicated by the history information acquired by the acquisition unit and related information indicating the relevance of the search query to the predetermined event. When,
a detection unit that detects, from among the plurality of predetermined events, an event in which the time-series change in the degree of association calculated by the calculation unit satisfies a predetermined condition;
and an estimation unit that estimates the context of the user based on the event detected by the detection unit.

The detection unit is
The estimating device according to claim 1, wherein an event in which the degree of association fluctuates by a predetermined threshold or more within a predetermined period is detected.

The detection unit is
3. The estimating device according to claim 1, wherein the periodicity of the degree of association detects an event that satisfies a predetermined condition.

The detection unit is
The estimation device according to claim 3, wherein an event is detected in which the periodicity of the degree of relevance in the first period and the periodicity of the degree of relevance in the second period do not correspond.

The detection unit is
Detecting a plurality of events in which the time-series changes in the relevance are correlated;
The estimation unit
The estimation device according to any one of claims 1 to 4, wherein the user's context is estimated based on a plurality of events detected by the detection unit.

The detection unit is
6. The estimation device according to claim 5, wherein a plurality of events in which the degrees of association fluctuate by a predetermined threshold or more within a predetermined period are detected.

The detection unit is
The estimating device according to claim 6, wherein a plurality of events in which the degree of association has increased by a predetermined threshold or more within a predetermined period are detected.

The detection unit is
8. An event in which the degree of relevance increases by a predetermined threshold or more within a predetermined period and an event in which the degree of relevance decreases by a predetermined threshold or more within the predetermined period are detected. Estimation device as described.

The detection unit is
The estimating device according to any one of claims 5 to 8, wherein a plurality of events in which the periodicities of the association degrees are correlated are detected.

The detection unit is
10. The estimation of claim 9, wherein the periodicity of relevance detects multiple events with positive correlation or multiple events with negative correlation with periodicity of relevance. Device.

The detection unit is
11. Estimation according to claim 9 or 10, characterized in that it detects a plurality of events in which the periodicities of the relevance measures in a first time period are uncorrelated and the periodicities of the relevance measures in a second time period are correlated. Device.

The detection unit is
if the periodicity of the degree of relevance of a first event and the periodicity of the degree of relevance of a second event are correlated in a first time period and are not correlated in a second time period, then the first event; Alternatively, detecting an event in which the periodicity of the degree of association correlates with any of the second events in the second period,
The estimation unit
When the detection unit detects an event in which the periodicity of the degree of association is related to the first event in the second period, the first event and the event detected by the detection unit and estimating the context of the user based on the second event, and if the detection unit detects an event in which the periodicity of the degree of association is related to the second event in the second period, the second event and , and the event detected by the detection unit, the estimating device according to any one of claims 9 to 11, wherein the context of the user is estimated based on.

The acquisition unit
Acquiring the history information indicating the history of search queries input by a predetermined group of users;
The calculation unit
calculating a degree of association between the predetermined user group and the predetermined event based on the search query indicated by the history information and the related information;
The detection unit is
Detecting, from among the plurality of predetermined events, an event in which the time-series change in the degree of association calculated by the calculation unit satisfies a predetermined condition;
The pre-estimating part is
The estimation device according to any one of claims 1 to 12, wherein the context of the predetermined user group is estimated based on the event detected by the detection unit.

A computer implemented estimation method comprising:
an obtaining step of obtaining history information indicating a history of search queries entered by a user;
A calculation step of calculating a degree of relevance between the user and the predetermined event based on the search query indicated by the history information obtained by the obtaining step and related information indicating the relevance of the search query to the predetermined event. When,
a detecting step of detecting, from among the plurality of predetermined events, an event in which the time-series change in the degree of association calculated by the calculating step satisfies a predetermined condition;
and an estimation step of estimating the user's context based on the event detected by the detection step.

an acquisition procedure for acquiring history information indicating a history of search queries entered by a user;
A calculation procedure for calculating the degree of relevance between the user and the predetermined event based on the search query indicated by the history information acquired by the acquisition step and related information indicating the relevance of the search query to the predetermined event. When,
a detection procedure for detecting, from among the plurality of prescribed events, an event in which the time-series change in the degree of association calculated by the calculation procedure satisfies a prescribed condition;
an estimation program for causing a computer to execute an estimation procedure for estimating the user's context based on the events detected by the detection procedure;