JP2022145991A - プログラム、方法、情報処理装置、及びシステム - Google Patents

Abstract

【課題】推薦したコンテンツに対するユーザの納得感を高めること。【解決手段】本開示のプログラムは、プロセッサと、メモリとを備えるコンピュータに実行させるためのプログラムである。プログラムは、プロセッサに、ユーザの趣向の特徴を表すプロファイル特徴タグと、コンテンツの特徴を表すコンテンツ特徴タグとを取得するステップと、プロファイル特徴タグと、コンテンツ特徴タグとが関連付けられた、コンテンツをユーザに推薦する理由を記載した推薦理由文を蓄積するデータベースから、取得したプロファイル特徴タグと、コンテンツ特徴タグとが関連付けられた推薦理由文を検索するステップと、検索を経て取得した推薦理由文をユーザへ提示するステップとを実行させる。【選択図】図８

Description

本開示は、プログラム、方法、情報処理装置、及びシステムに関する。

例えば、電子商取引において、ユーザが参照している商品と調和する別商品を、ユーザへ推薦する機能がある（特許文献１参照）。特許文献１では、ユーザが参照している商品と、当該商品と調和する別商品とを組み合わせた効果を含む推薦理由を提示することで、調和型推薦による販売促進の効果を高めるようにしている。

特開２０１５－１７９４４１号公報

特許文献１のように、推薦する商品の特徴に基づく推薦理由を提示する技術は存在する。しかしながら、商品の特徴に基づく推薦理由は、全ユーザに共通して推薦する内容であり、ユーザ毎の嗜好に基づくものではない。つまり、ユーザからすると、商品の特徴に基づく推薦理由は、自身の嗜好が反映されていないという点で、納得感が薄い。

そこで、本開示の目的は、推薦しようとする（商品等の）コンテンツの推薦理由に対するユーザの納得感を高めることである。

上記課題を解決するため、本開示のプログラムは、プロセッサと、メモリとを備えるコンピュータに実行させるためのプログラムである。プログラムは、プロセッサに、ユーザの趣向の特徴を表すプロファイル特徴タグと、コンテンツの特徴を表すコンテンツ特徴タグとを取得するステップと、プロファイル特徴タグと、コンテンツ特徴タグとが関連付けられた、コンテンツをユーザに推薦する理由を記載した推薦理由文を蓄積するデータベースから、取得したプロファイル特徴タグと、コンテンツ特徴タグとが関連付けられた推薦理由文を検索するステップと、検索を経て取得した推薦理由文をユーザへ提示するステップとを実行させる。

本開示によれば、コンテンツが推薦された理由に対するユーザの納得感を高めることができる。

本実施形態に係るシステムの全体構成を示す図である。 図１に示すサーバの機能的な構成を示す図である。 記憶部に記憶されるプロファイル特徴タグデータベースのデータ構造を示す図である。 記憶部に記憶されるコンテンツ特徴タグデータベースのデータ構造を示す図である。 記憶部に記憶される推薦理由データベースのデータ構造を示す図である。 記憶部に記憶されるユーザデータベースのデータ構造を示す図である。 記憶部に記憶されるコンテンツデータベースのデータ構造を示す図である。 本実施形態に係るサーバがコンテンツを推薦し、推薦理由文をユーザへ提示する際の制御部の動作を表すフローチャートである。 端末装置での推薦理由文の表示例を表す図である。 本実施形態に係るサーバがプロファイル特徴タグを推定し、推薦理由文をユーザへ提示する際の制御部の動作を表すフローチャートである。 端末装置での推薦理由文の表示例を表す図である。

以下、図面を参照しながら、実施の形態について説明する。なお、以下に説明する本実施形態は、特許請求の範囲に記載された本開示の内容を不当に限定するものではない。また本実施形態で説明される構成の全てが、本開示の必須構成要件であるとは限らない。

＜概要＞
本実施形態に係るサーバ２０は、コンテンツを推薦する際にユーザに提示する推薦理由文を、ユーザの趣向の特徴を表すプロファイル特徴タグと、コンテンツの特徴を表すコンテンツ特徴タグと関連付けて記憶している。サーバ２０は、指定されるプロファイル特徴タグとコンテンツ特徴タグとに基づき、推薦理由文を取得する。サーバ２０は、取得した推薦理由文をユーザへ提示する。また、サーバ２０は、取得した推薦理由文を、管理者の指示に基づいて編集した後、ユーザへ提示する。サーバ２０は、ユーザへ提示した推薦理由文を、プロファイル特徴タグとコンテンツ特徴タグと関連付けて蓄積する。

＜１ 全体構成＞
図１は、本実施形態に係るシステム１の全体構成の例を示す図である。図１に示すように、システム１は、端末装置１０と、サーバ２０とを備えている。端末装置１０と、サーバ２０とは、有線又は無線の通信規格を用い、ネットワーク８０を介して相互に通信可能に接続されている。ネットワーク８０は、例えば、インターネット、及び／又は通信事業者が提供する通信網等により実現される。図示の例では、複数の端末装置１０がシステム１に含まれている。

なお、図１では、サーバ２０が１台のコンピュータである場合を示しているが、サーバ２０は、複数台のコンピュータが組み合わされて実現されてもよい。また、図１では、端末装置１０が３台である場合を示しているが、システム１に収容される端末装置１０の台数は、３台に限定されない。

端末装置１０は、サーバ２０により提供されるサービスを利用するユーザが使用する端末である。端末装置１０は、例えば、スマートフォン、又はタブレット端末等の携行性を備えた端末である。端末装置１０は、据え置き型のＰＣ（Personal Computer）、ラップトップＰＣ、又はヘッドマウントディスプレイ等により実現されもよい。

例えば、ユーザは、端末装置１０を操作し、サーバ２０により提供されるサービスを利用する。サーバ２０により提供されるサービスは、例えば、ユーザからの入力に応じて所定の情報を提供するサービスである。ユーザは、端末装置１０を操作し、所望の情報、又は、サーバ２０から要求される情報を入力する。ユーザは、例えば、テキスト、又は音声で、情報を入力する。

端末装置１０は、ユーザから入力された情報をサーバ２０へ送信する。端末装置１０は、サーバ２０から提供される情報を受信する。端末装置１０は、サーバ２０から提供された情報を、ディスプレイに表示させる。または、端末装置１０は、サーバ２０から提供された情報を、スピーカーから再生させる。

サーバ２０は、所定のサービスを提供する。サーバ２０は、例えば、ネットワーク８０に接続されたコンピュータである。サーバ２０は、サービスを提供する一環として、例えば、ユーザが気に入りそうなコンテンツをユーザに推薦する。サーバ２０は、コンテンツを推薦すると共に、コンテンツを推薦した理由を表す推薦理由文をユーザへ提示する。

図１に示すように、サーバ２０は、通信ＩＦ（Interface）２２と、入出力ＩＦ２３と、メモリ２５と、ストレージ２６と、プロセッサ２９とを備える。通信ＩＦ２２、入出力ＩＦ２３、メモリ２５、ストレージ２６、及びプロセッサ２９は、例えば、バスを介して互いに通信可能に接続されている。

通信ＩＦ２２は、サーバ２０が外部の装置と通信するため、信号を送受信するためのインタフェースである。入出力ＩＦ２３は、管理者からの入力操作を受け付けるための入力装置、及び、管理者に対し情報を提示するための出力装置とのインタフェースとして機能する。メモリ２５は、プログラム、及び、プログラム等で処理されるデータ等を一時的に記憶するためのものであり、例えばＤＲＡＭ（Dynamic Random Access Memory）等の揮発性のメモリにより実現される。

ストレージ２６は、データを保存するための記憶装置であり、例えばフラッシュメモリ、ＨＤＤ（Hard Disc Drive）等の不揮発性のメモリにより実現される。ストレージ２６は、必ずしも単独の回路により実現されなくてもよい。ストレージ２６は、例えば、複数の記憶回路により実現されてもよい。プロセッサ２９は、プログラムに記述された命令セットを実行するためのハードウェアであり、演算装置、レジスタ、周辺回路等により構成される。

＜１．１ サーバの機能的な構成＞
図２は、サーバ２０の機能的な構成を示す図である。図２に示すように、サーバ２０は、通信部２０１と、記憶部２０２と、制御部２０３としての機能を発揮する。

通信部２０１は、サーバ２０が外部の装置と通信するための処理を行う。

記憶部２０２は、例えば、メモリ２５、及びストレージ２６等により実現され、サーバ２０が使用するデータ、及びプログラムを記憶する。記憶部２０２は、例えば、プロファイル特徴タグデータベース２０２１、コンテンツ特徴タグデータベース２０２２、推薦理由データベース２０２３、ユーザデータベース２０２４、コンテンツデータベース２０２５、及び学習済みモデル２０２６を有する。

プロファイル特徴タグデータベース２０２１は、ユーザの趣向の特徴を表すタグを蓄積する。詳細は後述する。

コンテンツ特徴タグデータベース２０２２は、コンテンツの特徴を表すタグを蓄積する。詳細は後述する。

推薦理由データベース２０２３は、コンテンツを推薦する理由が記載された推薦理由文を、推薦理由文の提示先として想定されるユーザのプロファイル特徴タグと、推薦されるコンテンツのコンテンツ特徴タグと共に蓄積する。つまり、推薦理由データベース２０２３は、推薦理由文を、プロファイル特徴タグと、コンテンツ特徴タグと関連付けて蓄積する。詳細は後述する。

ユーザデータベース２０２４は、ユーザについて把握された趣向のログをタグで蓄積する。詳細は後述する。

コンテンツデータベース２０２５は、コンテンツについての特徴をタグで蓄積する。詳細は後述する。

学習済みモデル２０２６は、モデル学習プログラムに従い、サーバ２０で機械学習モデルに機械学習を行わせることで生成されるモデルである。なお、学習済みモデル２０２６は、例えば、外部の装置で学習されて、サーバ２０に記憶されてもよい。

学習済みモデル２０２６は、例えば、入力されるデータに基づき、所定の推論を実施する、複数の関数が合成されたパラメータ付き合成関数である。パラメータ付き合成関数は、複数の調整可能な関数及びパラメータの組合せにより定義される。本実施形態に係る学習済みモデルは、上記の要請を満たす如何なるパラメータ付き合成関数であってもよい。

例えば、学習済みモデル２０２６が順伝播型の多層化ネットワークを用いて生成される場合、パラメータ付き合成関数は、例えば、重み行列を用いた各層間の線形関係、各層における活性化関数を用いた非線形関係（又は線形関係）、及びバイアスの組み合わせとして定義される。重み付行列、及びバイアスは、多層化ネットワークのパラメータと呼ばれる。パラメータ付き合成関数は、パラメータをどのように選ぶかで、関数としての形を変える。多層化ネットワークでは、構成するパラメータを適切に設定することで、出力層から好ましい結果を出力することが可能な関数を定義することができる。

本実施形態に係る多層化ネットワークとしては、例えば、深層学習（Deep Learning）の対象となる多層ニューラルネットワークである深層ニューラルネットワーク（Deep Neural Network：ＤＮＮ）が用いられ得る。ＤＮＮとしては、例えば、時系列情報等を対象とする再帰型ニューラルネットワーク（Recurrent Neural Network：ＲＮＮ）を用いてもよい。また「Transformer」と呼ばれる注意機構（アテンション ）を用いた多層ニューラルネットワークを用いても良い。

学習済みモデル２０２６は、プロファイル特徴タグと、コンテンツ特徴タグとが入力されると、推薦理由文を出力するモデルである。

制御部２０３は、プロセッサ２９が記憶部２０２に記憶されるプログラムを読み込み、プログラムに含まれる命令を実行することにより実現される。制御部２０３は、プログラムに従って動作することにより、受信制御モジュール２０３１、送信制御モジュール２０３２、検索モジュール２０３３、生成モジュール２０３４、編集モジュール２０３５、学習モジュール２０３６、提示モジュール２０３７、及び記憶制御モジュール２０３８として示す機能を発揮する。

受信制御モジュール２０３１は、サーバ２０が外部の装置から通信プロトコルに従って信号を受信する処理を制御する。具体的には、例えば、受信制御モジュール２０３１は、端末装置１０から送信された情報を受信する。

送信制御モジュール２０３２は、サーバ２０が外部の装置に対し通信プロトコルに従って信号を送信する処理を制御する。具体的には、例えば、送信制御モジュール２０３２は、生成した情報を端末装置１０へ送信する。

検索モジュール２０３３は、推薦理由データベース２０２３に記憶されている推薦理由文から、特定されるプロファイル特徴タグと、コンテンツ特徴タグとに関連付けられている推薦理由文を検索する。

具体的には、例えば、検索モジュール２０３３は、指定されるプロファイル特徴タグと関係性の高いコンテンツ特徴タグを取得する。プロファイル特徴タグからコンテンツ特徴タグを取得する手法は既存の技術を利用してよい。例えば、プロファイル特徴タグが類似するユーザ群の動向を統計的に把握し、当該ユーザ群が選択すると予想されるコンテンツについてのコンテンツ特徴タグを取得する。

また、検索モジュール２０３３は、指定されるコンテンツ特徴タグと関係性の高いプロファイル特徴タグを取得してもよい。コンテンツ特徴タグからプロファイル特徴タグを取得する手法は既存の技術を利用してよい。例えば、コンテンツ特徴タグにより特定されるコンテンツ群に興味を持っているユーザ群を統計的に把握し、当該ユーザ群のプロファイル特徴タグを取得する。

検索モジュール２０３３は、取得したプロファイル特徴タグと、コンテンツ特徴タグとが関連付けられている推薦理由文を、推薦理由データベース２０２３から検索する。

生成モジュール２０３４は、特定されるプロファイル特徴タグと、コンテンツ特徴タグとに基づいて、推薦理由文を生成する。

具体的には、例えば、生成モジュール２０３４は、取得したプロファイル特徴タグと、コンテンツ特徴タグとを学習済みモデル２０２６に入力し、学習済みモデル２０２６から推薦理由文を出力させることで推薦理由文を生成する。

編集モジュール２０３５は、検索された推薦理由文、又は、生成された推薦理由文を編集する。

具体的には、例えば、検索された推薦理由文、又は、生成された推薦理由文には、以下のような違和感のある表現を含む場合がある。
・推薦するコンテンツに対して推薦理由文の内容がずれている場合
・推薦するユーザへの認識がずれている場合
・不適切な表現を含む場合
・誤記を含む場合
・理解が難しい表現を含む場合

編集モジュール２０３５は、例えば、サービスの管理者からの指示に基づき、違和感のある表現がなくなるように、推薦理由文を編集する。編集モジュール２０３５は、検索された推薦理由文、又は、生成された推薦理由文に基づき、新たな推薦理由文を編集してもよい。

編集モジュール２０３５による推薦理由文の編集には、推薦理由文に関連付けられるプロファイル特徴タグ又はコンテンツ特徴タグの編集も含まれる。具体的には、例えば、編集モジュール２０３５は、推薦理由文と関連付けられるプロファイル特徴タグを追加してもよいし、変更してもよいし、関連付けを解除してもよい。また、例えば、編集モジュール２０３５は、推薦理由文と関連付けられるコンテンツ特徴タグを追加してもよいし、変更してもよいし、関連付けを解除してもよい。

学習モジュール２０３６は、学習用データに基づき、機械学習モデルに機械学習を行わせることで学習済みモデル２０２６を生成する。

具体的には、例えば、学習モジュール２０３６は、推薦理由データベース２０２３において推薦理由文と関連付けられているプロファイル特徴タグと、コンテンツ特徴タグとを入力データとし、推薦理由データベース２０２３においてこれらの特徴タグと関連付けられている推薦理由文を正解出力データとして機械学習モデルを学習させる。

また、学習モジュール２０３６は、新たに追加される学習用データに基づき、学習済みモデル２０２６を再学習させる。具体的には、例えば、学習モジュール２０３６は、以下の場合に、学習済みモデル２０２６を再学習させる。
・新たなプロファイル特徴タグが追加された場合
・新たなコンテンツ特徴タグが追加された場合
・新たな推薦理由文が記憶された場合

提示モジュール２０３７は、検索モジュール２０３３で検索された推薦理由文、生成モジュール２０３４で生成された推薦理由文、又は編集モジュール２０３５で編集された推薦理由文を端末装置１０のユーザに提示する。具体的には、例えば、提示モジュール２０３７は、検索モジュール２０３３で検索された推薦理由文、生成モジュール２０３４で生成された推薦理由文、又は編集モジュール２０３５で編集された推薦理由文を、端末装置１０のディスプレイに表示させる。提示モジュール２０３７は、検索モジュール２０３３で検索された推薦理由文、生成モジュール２０３４で生成された推薦理由文、又は編集モジュール２０３５で編集された推薦理由文を、端末装置１０のスピーカーから再生してもよい。

記憶制御モジュール２０３８は、記憶部２０２への情報の記憶を制御する。

具体的には、例えば、記憶制御モジュール２０３８は、プロファイル特徴タグが新たに作成されると、作成されたプロファイル特徴タグをプロファイル特徴タグデータベース２０２１に記憶する。プロファイル特徴タグは、管理者により作成されてもよいし、他のサービスにおいて作成されてもよいし、所定のアルゴリズムにより自動的に作成されてもよい。例えば、制御部２０３は、対話の内容を解析し、頻出の単語に基づいてプロファイル特徴タグを作成してもよい。

また、例えば、記憶制御モジュール２０３８は、コンテンツ特徴タグが新たに作成されると、作成されたコンテンツ特徴タグをコンテンツ特徴タグデータベース２０２２に記憶する。コンテンツ特徴タグは、管理者により作成されてもよいし、他のサービスにおいて作成されてもよいし、所定のアルゴリズムにより自動的に作成されてもよい。例えば、制御部２０３は、所定のウェブサイトの内容を解析し、ウェブサイト内で表示されているコンテンツについてのコンテンツ特徴タグを作成してもよい。

また、例えば、記憶制御モジュール２０３８は、生成モジュール２０３４で推薦理由文が新たに生成されると、生成された推薦理由文を、プロファイル特徴タグとコンテンツ特徴タグと関連付けて推薦理由データベース２０２３に記憶する。また、例えば、記憶制御モジュール２０３８は、編集モジュール２０３５で推薦理由文が編集されると、編集された推薦理由文を、プロファイル特徴タグとコンテンツ特徴タグと関連付けて推薦理由データベース２０２３に記憶する。

また、例えば、記憶制御モジュール２０３８は、ユーザとの対話により、ユーザについてのプロファイル特徴タグが取得されると、取得されたプロファイル特徴タグをユーザデータベース２０２４に記憶する。

また、例えば、記憶制御モジュール２０３８は、新たなコンテンツについての情報をコンテンツデータベース２０２５に記憶する。記憶制御モジュール２０３８は、例えば、管理者からの指示に従い、コンテンツについての情報をコンテンツデータベース２０２５に記憶する。また、記憶制御モジュール２０３８は、例えば、所定のアルゴリズムにより自動的にレコードを追加してもよい。例えば、制御部２０３は、所定のウェブサイトの内容を解析し、ウェブサイト内で表示されているコンテンツと、このコンテンツについてのコンテンツ特徴タグを取得する。記憶制御モジュール２０３８は、取得されたコンテンツと、コンテンツ特徴タグとをコンテンツデータベース２０２５に記憶する。

＜２ データ構造＞
図３～図７は、サーバ２０が記憶するデータベースのデータ構造を示す図である。なお、図３～図７は一例であり、記載されていないデータを除外するものではない。

図３は、記憶部２０２に記憶されるプロファイル特徴タグデータベース２０２１のデータ構造を示す図である。図３に示すように、プロファイル特徴タグデータベース２０２１のレコードの各々は、項目「カテゴリ」と、項目「属性」と、項目「プロファイル特徴タグ」等とを含む。

項目「カテゴリ」は、ユーザの趣向の特徴を表す情報の範疇を示す。具体的には、項目「カテゴリ」は、例えば、プロファイル特徴タグの大分類を表す。

項目「属性」は、ユーザの趣向の特徴を表す情報の属性を示す。具体的には、項目「属性」は、例えば、プロファイル特徴タグの小分類を表す。項目「属性」は、例えば、項目「カテゴリ」毎に複数設定されている。

項目「プロファイル特徴タグ」は、ユーザの趣向の特徴を表すタグを示す。具体的には、項目「プロファイル特徴タグ」は、例えば、対応する属性に設定され得るプロファイルの特徴を表す。

例えば、割り当てられている項目「属性」が「年齢」である場合、タグＡ－１は１０代、タグＡ－２は２０代等となる。また、割り当てられている項目「属性」が「職業」である場合、タグＣ－１は公務員、タグＣ－２は会社員、タグＣ－３は自営業、タグＣ－４は学生等となる。

図４は、記憶部２０２に記憶されるコンテンツ特徴タグデータベース２０２２のデータ構造を示す図である。図４に示すように、コンテンツ特徴タグデータベース２０２２のレコードの各々は、コンテンツ特徴タグデータベースは、項目「カテゴリ」と、項目「属性」と、項目「コンテンツ特徴タグ」等とを含む。

項目「カテゴリ」は、コンテンツの特徴を表す情報の範疇を示す。具体的には、項目「カテゴリ」は、例えば、コンテンツ特徴タグの大分類を表す。

項目「属性」は、コンテンツの特徴を表す情報の属性を示す。具体的には、項目「属性」は、例えば、コンテンツ特徴タグの小分類を表す。項目「属性」は、例えば、項目「カテゴリ」毎に複数設定されている。

項目「コンテンツ特徴タグ」は、コンテンツの特徴を表すタグを示す。具体的には、項目「コンテンツ特徴タグ」は、例えば、対応する属性に設定され得るコンテンツの特徴を表す。

例えば、割り当てられている項目「属性」が「料理」である場合、タグＪ－１はイタリア料理、タグＪ－２はインド料理、タグＪ－３は辛い等となる。また、割り当てられている項目「属性」が「テレビ」である場合、タグＮ－１は液晶、タグＮ－２は有機ＥＬ、タグＮ－３は４Ｋ対応、タグＮ－４はネットワーク対応等となる。また、割り当てられている項目「属性」が「旅行」である場合、タグＰ－１は家族、タグＰ－２は個人、タグＰ－３は周遊、タグＰ－４は滞在等となる。

図５は、記憶部２０２に記憶される推薦理由データベース２０２３のデータ構造を示す図である。図５に示すように、推薦理由データベース２０２３のレコードの各々は、項目「推薦理由ＩＤ」と、項目「推薦理由文」と、項目「プロファイル特徴タグ」と、項目「コンテンツ特徴タグ」等とを含む。

項目「推薦理由ＩＤ」は、推薦理由文の識別情報を示す。

項目「推薦理由文」は、推薦理由文そのものを示す。

項目「プロファイル特徴タグ」は、推薦理由文と関連付けられているプロファイル特徴タグを示す。

項目「コンテンツ特徴タグ」は、推薦理由文と関連付けられているコンテンツ特徴タグを示す。

図６は、記憶部２０２に記憶されるユーザデータベース２０２４のデータ構造を示す図である。図６に示すように、ユーザデータベース２０２４のレコードの各々は、項目「取得日時」と、項目「プロファイル特徴タグ」等とを含む。なお、図６に示すデータベースでは、単一のユーザについてのプロファイル特徴タグが蓄積される場合を表している。複数のユーザについてのプロファイル特徴タグが蓄積される場合には、ユーザを識別するためのユーザＩＤ等がレコードに含まれる。

項目「取得日時」は、プロファイル特徴タグを取得した日時を示す。

項目「プロファイル特徴タグ」は、ユーザについて取得したプロファイル特徴タグを示す。プロファイル特徴タグは、例えば、ユーザと対話エージェントとが対話することで取得される。制御部２０３は、例えば、既存の自然言語処理アルゴリズムを用い、対話エージェントとユーザとの対話の内容からユーザの趣向の特徴を取得する。制御部２０３は、趣向の特徴を表すタグを、プロファイル特徴タグとして、取得された日時と共にユーザデータベース２０２４に書き込む。

図７は、記憶部２０２に記憶されるコンテンツデータベース２０２５のデータ構造を示す図である。図３に示すように、コンテンツデータベース２０２５のレコードの各々は、項目「コンテンツ」と、項目「属性」と、項目「説明文」と、項目「コンテンツ特徴タグ」等とを含む。

項目「コンテンツ」は、登録されているコンテンツの名称を示す。

項目「属性」は、登録されているコンテンツの属性を示す。

項目「説明文」は、登録されているコンテンツに対して作成されている説明文を示す。具体的には、項目「説明文」は、コンテンツ自体の特徴を説明した文であり、予め作成されたものである。コンテンツによっては、説明文に、例えば、年齢等のユーザの特徴を表す情報が記載されている場合がある。しかしながら、説明文で記載されるユーザの特徴は、コンテンツについて想定されているユーザの特徴を記載したものであり、コンテンツが推薦されるユーザ毎に記載が切り替わるものではない。

項目「コンテンツ特徴タグ」は、登録されているコンテンツの特徴を表すタグを示す。

＜３．動作＞
ユーザへ推薦理由文を提示する際のサーバ２０の動作について説明する。

（コンテンツの推薦、及び推薦理由文の提示）
コンテンツの推薦と共に推薦理由文がユーザへ提示される場合を説明する。ここでは例として、対話エージェントとユーザとの対話の中で、対話エージェントからコンテンツが推薦され、コンテンツの推薦と共に推薦理由文がユーザへ提示される場合を説明する。

図８は、本実施形態に係るサーバ２０がコンテンツを推薦し、推薦理由文をユーザへ提示する際の制御部２０３の動作の一例を表すフローチャートである。

図８で記載する動作の前段において、サーバ２０は、ユーザとの対話の履歴に基づき、ユーザについてのプロファイル特徴タグをユーザデータベース２０２４に記憶している。具体的には、例えば、サーバ２０は、対話システムにおける対話エージェントにより、ユーザと対話する。対話エージェントは、例えば、テキスト形式、又は、音声形式により、ユーザと対話する。対話エージェントは、例えば、既存の自然言語処理アルゴリズムを利用してユーザと対話する。対話エージェントを実現させるためのプログラムは、端末装置１０に記憶されていてもよいし、サーバ２０に記憶されていてもよい。

制御部２０３は、例えば、既存の自然言語処理アルゴリズムを用い、対話エージェントとユーザとの対話の内容からプロファイル特徴タグを取得する。制御部２０３は、取得したプロファイル特徴タグを、取得された日時と共にユーザデータベース２０２４に書き込む。

制御部２０３は、例えば、所定のタイミングで図８に示す動作を開始する。所定のタイミングは、例えば、以下である。
・ユーザからコンテンツの推薦が要求されたタイミング
・ユーザが所定の行動をとったタイミング
・所定の周期
・所定の時期への到達
・コンテンツに関するタイミング（発売日への到達、発売日の発表等）
・ランダムなタイミング
ユーザが所定の行動をとったタイミングとは、例えば、以下である。
・対話中であるにも関わらず、ユーザから所定期間入力がないタイミング（つまり、対話で暇そうにしているタイミング）
・ユーザが所定のコンテンツを話題にしたタイミング

図８に示す処理を開始すると、制御部２０３は、ステップＳ１１において、プロファイル特徴タグからコンテンツ特徴タグを予測する。具体的には、制御部２０３は、検索モジュール２０３３により、ユーザデータベース２０２４に記憶されているプロファイル特徴タグを参照し、対話エージェントと対話しているユーザが関心を持つと予想されるコンテンツ特徴タグを推定する。

検索モジュール２０３３は、例えば、ユーザデータベース２０２４に記憶されているプロファイル特徴タグと同一のプロファイル特徴タグに基づいて、コンテンツ特徴タグを推定してもよい。また、検索モジュール２０３３は、例えば、ユーザデータベース２０２４に記憶されているプロファイル特徴タグに対して協調フィルタをかけ、ユーザデータベース２０２４に記憶されているプロファイル特徴タグと類似するプロファイル特徴タグを取得してもよい。検索モジュール２０３３は、ユーザデータベース２０２４に記憶されているプロファイル特徴タグと同一及び類似のプロファイル特徴タグに基づいて、コンテンツ特徴タグを推定する。

ステップＳ１２において、制御部２０３は、推定したコンテンツ特徴タグからコンテンツを推定する。具体的には、例えば、制御部２０３は、検索モジュール２０３３により、推定したコンテンツ特徴タグが設定されているコンテンツを、コンテンツデータベース２０２５から取得する。

検索モジュール２０３３は、例えば、推定したコンテンツ特徴タグと完全一致するコンテンツ特徴タグが設定されているコンテンツを、コンテンツデータベース２０２５から取得してもよい。また、検索モジュール２０３３は、例えば、推定したコンテンツ特徴タグと一部が一致するコンテンツ特徴タグが設定されているコンテンツを、コンテンツデータベース２０２５から取得してもよい。

なお、ステップＳ１１、Ｓ１２では、プロファイル特徴タグから、コンテンツ特徴タグを推定し、推定したコンテンツ特徴タグからコンテンツを推定する例を説明した。しかしながら、制御部２０３の処理はこれに限定されない。例えば、制御部２０３は、プロファイル特徴タグから、コンテンツを推定し、推定したコンテンツからコンテンツ特徴タグを推定してもよい。

ステップＳ１３において、制御部２０３は、推薦理由文を検索する。具体的には、例えば、制御部２０３は、検索モジュール２０３３により、ユーザデータベース２０２４から取得したプロファイル特徴タグ、及び、推定したコンテンツ特徴タグと関連付けられている推薦理由文を推薦理由データベース２０２３から検索する。

検索モジュール２０３３は、例えば、取得したプロファイル特徴タグ、及び、推定したコンテンツ特徴タグと同一のプロファイル特徴タグ及びコンテンツ特徴タグと関連付けられている推薦理由文を検索してもよい。また、検索モジュール２０３３は、例えば、取得したプロファイル特徴タグ、及び、推定したコンテンツ特徴タグに対して協調フィルタをかけ、取得したプロファイル特徴タグと類似するプロファイル特徴タグ、及び、推定したコンテンツ特徴タグと類似するコンテンツ特徴タグを取得してもよい。検索モジュール２０３３は、取得したプロファイル特徴タグ、及び、推定したコンテンツ特徴タグと同一及び類似の特徴タグに基づいて、推薦理由文を検索する。

ステップＳ１４において、制御部２０３は、検索により推薦理由文が取得できたか否かを判断する。制御部２０３は、推薦理由データベース２０２３から所望の推薦理由文を取得できた場合、処理をステップＳ１５に移行させる。一方、制御部２０３は、推薦理由データベース２０２３から所望の推薦理由文を取得できない場合、処理をステップＳ１６に移行させる。

ステップＳ１５において、制御部２０３は、推薦理由データベース２０２３から取得した推薦理由文を、ユーザへ提示する推薦理由文として設定する。制御部２０３は、推薦理由文を設定したことを、推薦理由データベース２０２３に記憶する。

制御部２０３は、ステップＳ１３で取得した推薦理由文を、編集モジュール２０３５により、例えば、管理者からの指示に従って編集してもよい。管理者は、例えば、管理者用の端末装置１０を介してサーバ２０を操作して推薦理由文を編集する。また、管理者は、例えば、サーバ２０を直接操作して推薦理由文を編集してもよい。制御部２０３は、編集した推薦理由文を、ユーザへ提示する推薦理由文として設定する。制御部２０３は、記憶制御モジュール２０３８により、編集した推薦理由文を推薦理由データベース２０２３に記憶させる。

検索された推薦理由文が複数ある場合、制御部２０３は、例えば、以下の推薦理由文を、ユーザへ提示する推薦理由文として設定する。
・使用された回数が最も多い推薦理由文
・更新日時が最新の推薦理由文
・関連付けられているプロファイル特徴タグとコンテンツ特徴タグとの適合度が最も高い推薦理由文
・取得したプロファイル特徴タグ及び推定したコンテンツ特徴タグと同一のプロファイル特徴タグ及びコンテンツ特徴タグが関連付けられている推薦理由文
・評価が最も高い推薦理由文

ステップＳ１６において、制御部２０３は、ステップＳ１２で推定したコンテンツに、大衆向けの説明文がついているか否かを判断する。具体的には、例えば、制御部２０３は、検索モジュール２０３３により、コンテンツデータベース２０２５を参照し、推定したコンテンツに付されている説明文を取得する。制御部２０３は、推定したコンテンツに説明文が付されている場合、処理をステップＳ１７に移行させる。一方、制御部２０３は、推定したコンテンツに説明文が付されていない場合、処理をステップＳ１８に移行させる。

ステップＳ１７において、制御部２０３は、大衆向けの説明文が、プロファイル特徴タグと対応しているか否かを判断する。具体的には、例えば、サーバ２０は、検索モジュール２０３３により、説明文に含まれる情報と、取得したプロファイル特徴タグとの適合度を算出する。具体的には、例えば、制御部２０３は、説明文の中で推薦する対象のユーザの特徴を記述している表現と、プロファイル特徴タグとの適合度を算出する。検索モジュール２０３３は、適合度が所定の閾値を超える場合、説明文は、対話しているユーザのプロファイル特徴タグに対応していると判断する。

制御部２０３は、説明文がプロファイル特徴タグと対応している場合、処理をステップＳ１９に移行させる。一方、制御部２０３は、説明文がプロファイル特徴タグと対応していない場合、処理をステップＳ１８に移行させる。

ステップＳ１８において、制御部２０３は、プロファイル特徴タグとコンテンツ特徴タグとに基づいて推薦理由文を生成し、生成した推薦理由文をユーザへ提示する推薦理由文として設定する。具体的には、例えば、制御部２０３は、生成モジュール２０３４により、取得したプロファイル特徴タグと、推定したコンテンツ特徴タグとを学習済みモデル２０２６に入力し、学習済みモデル２０２６から推薦理由文を出力させる。生成モジュール２０３４は、生成した推薦理由文を、ユーザへ提示する推薦理由文として設定する。制御部２０３は、記憶制御モジュール２０３８により、生成した推薦理由文を推薦理由データベース２０２３に記憶させる。

また、制御部２０３は、生成モジュール２０３４により、例えば、取得したプロファイル特徴タグ、及び、推定したコンテンツ特徴タグに対して協調フィルタをかけ、取得したプロファイル特徴タグと類似するプロファイル特徴タグ、及び、推定したコンテンツ特徴タグと類似するコンテンツ特徴タグを取得してもよい。生成モジュール２０３４は、取得したプロファイル特徴タグ、及び、推定したコンテンツ特徴タグと同一及び類似の特徴タグに基づいて、推薦理由文を生成する。

制御部２０３は、生成した推薦理由文を、編集モジュール２０３５により、例えば、管理者からの指示に従って編集してもよい。制御部２０３は、編集した推薦理由文を、ユーザへ提示する推薦理由文として設定する。制御部２０３は、記憶制御モジュール２０３８により、編集した推薦理由文を推薦理由データベース２０２３に記憶させる。

ステップＳ１９において、制御部２０３は、大衆向けの説明文を推薦理由文として設定する。

制御部２０３は、説明文を、編集モジュール２０３５により、例えば、管理者からの指示に従って編集してもよい。制御部２０３は、編集した説明文を、ユーザへ提示する推薦理由文として設定する。制御部２０３は、記憶制御モジュール２０３８により、編集した説明文を推薦理由文として推薦理由データベース２０２３に記憶させる。

ステップＳ１１０において、制御部２０３は、コンテンツと推薦理由文とを提示する。具体的には、例えば、制御部２０３は、推定したコンテンツをユーザに推薦し、ステップＳ１５、ステップＳ１８、又はステップＳ１９で設定した推薦理由文をユーザへ提示する。

図９は、推薦理由文の端末装置１０での表示例を表す模式図である。図９で示す表示例は、ユーザと対話エージェントとがテキスト形式で対話する際の端末装置１０の表示例である。

図９において、ユーザは、入力オブジェクト１４１に、「何かおすすめの本はある？」と入力する。これにより、対話エージェントに、「何かおすすめの本はある？」と質問することになる。

サーバ２０は、ユーザからの質問を受け付けると、図８に示す処理を実行し、コンテンツとしての小説「ＡＡＡＡ」を、ユーザが興味を持つと推定する。サーバ２０は、推定した小説「ＡＡＡＡ」をユーザに提示する。つまり、サーバ２０は、端末装置１０のディスプレイの回答オブジェクト１４２に「小説「ＡＡＡＡ」をお勧めします。」を表示させる

サーバ２０は、ユーザのプロファイル特徴タグと、プロファイル特徴タグから推定されるコンテンツ特徴タグとに基づいて推薦理由データベース２０２３から推薦理由文を検索する。

サーバ２０は、検索した推薦理由文をユーザに提示する。検索した推薦理由文を編集する必要がある場合には、サーバ２０は、編集後の推薦理由文をユーザに提示する。具体的には、サーバ２０は、端末装置１０のディスプレイの回答オブジェクト１４３に「２０代の、独身男性に人気で、最近話題の賞を受賞した作品です。この商品は、シリアスなサスペンスであるため、喜んでいただけると思います。」を表示させる。

なお、図８の説明では、ユーザが対話エージェントからコンテンツを推薦される場合を例に説明した。しかしながら、ユーザがコンテンツの推薦を受けるのは、対話エージェントからに限定されない。ユーザは、電子商取引における閲覧の際にコンテンツの推薦を受ける共に、推薦理由文を提示されてもよい。

電子商取引を提供するサーバは、例えば、ユーザの閲覧履歴、又は購入履歴等に基づき、ユーザのプロファイル特徴タグを取得する。サーバは、取得したプロファイル特徴タグと、プロファイル特徴タグから推定されるコンテンツ特徴タグとに基づき、推薦理由文を取得する。

また、図８の説明では、ステップＳ１３において、制御部２０３が推薦理由文を検索する場合を例に説明した。しかしながら、制御部２０３は、推薦理由文を検索しなくてもよい。具体的には、例えば、制御部２０３は、検索処理を経ずに、プロファイル特徴タグとコンテンツ特徴タグとに基づいて推薦理由文を生成してもよい。例えば、制御部２０３は、生成モジュール２０３４により、取得したプロファイル特徴タグと、推定したコンテンツ特徴タグとを学習済みモデル２０２６に入力し、学習済みモデル２０２６から推薦理由文を出力させる。

また、制御部２０３は、生成モジュール２０３４により、例えば、取得したプロファイル特徴タグ、及び、推定したコンテンツ特徴タグに対して協調フィルタをかけ、取得したプロファイル特徴タグと類似するプロファイル特徴タグ、及び、推定したコンテンツ特徴タグと類似するコンテンツ特徴タグを取得してもよい。生成モジュール２０３４は、取得したプロファイル特徴タグ、及び、推定したコンテンツ特徴タグと同一及び類似の特徴タグに基づいて、推薦理由文を生成する。

また、図８の説明では、制御部２０３は、編集した推薦理由文を、ユーザへ提示する推薦理由文として設定する場合を例に説明している。しかしながら、制御部２０３は、ユーザへ提示された推薦理由文を、管理者からの指示に従って編集してもよい。具体的には、例えば、制御部２０３は、提示モジュール２０３７により、検索により発見された推薦理由文以外の推薦理由文がユーザに提示された場合、その旨を編集者（管理者）へ通知してもよい。検索により発見された推薦理由文以外の推薦理由文とは、例えば、生成モジュール２０３４により生成された推薦理由文、又は、大衆向けの説明文に基づく推薦理由文である。通知を受けた管理者は、ユーザに提示されている推薦理由文を編集する指示をサーバ２０に入力する。

（プロファイル特徴タグの推定、及び推薦理由文の提示）
プロファイル特徴タグと共に推薦理由文がユーザへ提示される場合を説明する。ここでは例として、新規コンテンツの推薦理由文を作成するユーザ（例えば、コンテンツ作成者等）が、サーバ２０に対してコンテンツ特徴タグを指定し、顧客層のプロファイル特徴タグと、推薦理由文とを提示される場合を説明する。

図１０は、本実施形態に係るサーバ２０がプロファイル特徴タグを推定し、推薦理由文をユーザへ提示する際の制御部２０３の動作の一例を表すフローチャートである。

まず、ユーザは、新規コンテンツについてのコンテンツ特徴タグを選択する。具体的には、例えば、端末装置１０のディスプレイに、コンテンツ特徴タグの選択画面が表示されている。ユーザは、端末装置１０を操作してコンテンツ特徴タグを選択する。端末装置１０は、ユーザにより選択されたコンテンツ特徴タグについての情報をサーバ２０へ送信する。

ステップＳ２１において、制御部２０３は、端末装置１０から送信されるコンテンツ特徴タグを受け付ける。

ステップＳ２２において、制御部２０３は、コンテンツ特徴タグからプロファイル特徴タグを予測する。具体的には、制御部２０３は、検索モジュール２０３３により、ユーザから入力されたコンテンツ特徴タグを参照し、当該コンテンツ特徴タグにより特定されるコンテンツに関心を持つと予想される推定顧客のプロファイル特徴タグを推定する。

検索モジュール２０３３は、例えば、受け付けたコンテンツ特徴タグと同一のコンテンツ特徴タグに基づいて、プロファイル特徴タグを推定してもよい。また、検索モジュール２０３３は、例えば、受け付けたコンテンツ特徴タグに対して協調フィルタをかけ、受け付けたコンテンツ特徴タグと類似するコンテンツ特徴タグを取得してもよい。検索モジュール２０３３は、受け付けたコンテンツ特徴タグと同一及び類似のコンテンツ特徴タグに基づいて、プロファイル特徴タグを推定する。

ステップＳ２３において、制御部２０３は、推薦理由文を検索する。具体的には、例えば、制御部２０３は、検索モジュール２０３３により、ユーザから受け付けたコンテンツ特徴タグ、及び、推定したプロファイル特徴タグと関連付けられている推薦理由文を推薦理由データベース２０２３から検索する。

検索モジュール２０３３は、例えば、ユーザから受け付けたコンテンツ特徴タグ、及び、推定したプロファイル特徴タグと同一のコンテンツ特徴タグ及びプロファイル特徴タグと関連付けられている推薦理由文を検索してもよい。また、検索モジュール２０３３は、例えば、受け付けたコンテンツ特徴タグ、及び、推定したプロファイル特徴タグに対して協調フィルタをかけ、受け付けたコンテンツ特徴タグと類似するコンテンツ特徴タグ、及び、推定したプロファイル特徴タグと類似するコンテンツ特徴タグを取得してもよい。検索モジュール２０３３は、受け付けたコンテンツ特徴タグ、及び、推定したプロファイル特徴タグと同一及び類似の特徴タグに基づいて、推薦理由文を検索する。

ステップＳ２４において、制御部２０３は、検索により推薦理由文が取得できたか否かを判断する。制御部２０３は、推薦理由データベース２０２３から所望の推薦理由文を取得できた場合、処理をステップＳ２５に移行させる。一方、制御部２０３は、推薦理由データベース２０２３から所望の推薦理由文を取得できない場合、処理をステップＳ２６に移行させる。

ステップＳ２５において、制御部２０３は、推薦理由データベース２０２３から取得した推薦理由文を、ユーザへ提示する推薦理由文として設定する。

制御部２０３は、ステップＳ２３で取得した推薦理由文を、編集モジュール２０３５により、例えば、管理者からの指示に従って編集してもよい。制御部２０３は、編集した推薦理由文を、ユーザへ提示する推薦理由文として設定する。制御部２０３は、記憶制御モジュール２０３８により、編集した推薦理由文を推薦理由データベース２０２３に記憶させる。

ステップＳ２６において、制御部２０３は、プロファイル特徴タグとコンテンツ特徴タグとに基づいて推薦理由文を生成し、生成した推薦理由文をユーザへ提示する推薦理由文として設定する。具体的には、例えば、制御部２０３は、生成モジュール２０３４により、受け付けたコンテンツ特徴タグと、推定したプロファイル特徴タグとを学習済みモデル２０２６に入力し、学習済みモデル２０２６から推薦理由文を出力させる。生成モジュール２０３４は、生成した推薦理由文を、ユーザへ提示する推薦理由文として設定する。制御部２０３は、記憶制御モジュール２０３８により、生成した推薦理由文を推薦理由データベース２０２３に記憶させる。

また、制御部２０３は、生成モジュール２０３４により、例えば、受け付けたコンテンツ特徴タグ、及び、推定したプロファイル特徴タグに対して協調フィルタをかけ、受け付けたコンテンツ特徴タグと類似するコンテンツ特徴タグ、及び、推定したプロファイル特徴タグと類似するプロファイル特徴タグを取得してもよい。生成モジュール２０３４は、受け付けたコンテンツ特徴タグ、及び、推定したプロファイル特徴タグと同一及び類似の特徴タグに基づいて、推薦理由文を生成する。

制御部２０３は、生成した推薦理由文を、編集モジュール２０３５により、例えば、管理者からの指示に従って編集してもよい。制御部２０３は、編集した推薦理由文を、ユーザへ提示する推薦理由文として設定する。制御部２０３は、記憶制御モジュール２０３８により、編集した推薦理由文を推薦理由データベース２０２３に記憶させる。

ステップＳ２７において、制御部２０３は、プロファイル特徴タグと推薦理由文とを提示する。具体的には、例えば、制御部２０３は、推定したプロファイル特徴タグをユーザに提示し、ステップＳ２５、又はステップＳ２６で設定した推薦理由文をユーザへ提示する。

図１１は、推薦理由文の端末装置１０での表示例を表す模式図である。図１１で示す表示例は、ユーザが新規コンテンツの推薦理由文を作成する場合の端末装置１０の表示例である。

図１１において、表示オブジェクト１４４に、コンテンツ特徴タグである、「液晶テレビ」、「４Ｋ対応」、「ネットワーク接続」が表示されている。表示オブジェクト１４４で表示されるコンテンツ特徴タグは、コンテンツ特徴タグの選択画面において、ユーザが選択したコンテンツ特徴タグである。

図１１において、表示オブジェクト１４５に、プロファイル特徴タグである、「３０代」、「会社員」、「独身」、「ゲーム好き」が表示されている。表示オブジェクト１４５で表示されるプロファイル特徴タグは、入力されたコンテンツ特徴タグに基づいてサーバ２０で推定されたプロファイル特徴タグである。

図１１において、表示オブジェクト１４６に、推薦理由文が表示されている。表示オブジェクト１４６で表示される推薦理由文は、入力されたコンテンツ特徴タグと、推定したプロファイル特徴タグとに基づいてサーバ２０で検索された推薦理由文のうちの一つである。他の検索理由文が存在する場合、表示オブジェクト１４６の下方には、他の検索理由文を確認するための選択オブジェクト１４６１が表示される。サーバ２０は、ユーザにより選択オブジェクト１４６１が押下されると、その他の検索理由文を端末装置１０に表示させる。

コンテンツ特徴タグを変えて推薦理由文を再度検索する場合、ユーザは、コンテンツ特徴タグの選択画面に戻り、コンテンツ特徴タグを再度選択する。

なお、図１０の説明では、ステップＳ２３において、制御部２０３が推薦理由文を検索する場合を例に説明した。しかしながら、制御部２０３は、推薦理由文を検索しなくてもよい。具体的には、例えば、制御部２０３は、検索処理を経ずに、プロファイル特徴タグとコンテンツ特徴タグとに基づいて推薦理由文を生成してもよい。例えば、制御部２０３は、生成モジュール２０３４により、受け付けたコンテンツ特徴タグと、推定したプロファイル特徴タグとを学習済みモデル２０２６に入力し、学習済みモデル２０２６から推薦理由文を出力させる。

また、制御部２０３は、生成モジュール２０３４により、例えば、受け付けたコンテンツ特徴タグ、及び、推定したプロファイル特徴タグに対して協調フィルタをかけ、受け付けたコンテンツ特徴タグと類似するコンテンツ特徴タグ、及び、推定したプロファイル特徴タグと類似するプロファイル特徴タグを取得してもよい。生成モジュール２０３４は、受け付けたコンテンツ特徴タグ、及び、推定したプロファイル特徴タグと同一及び類似の特徴タグに基づいて、推薦理由文を生成する。

以上のように、本実施形態では、制御部２０３は、検索モジュール２０３３により、ユーザの趣向の特徴を表すプロファイル特徴タグと、コンテンツの特徴を表すコンテンツ特徴タグとを取得する。検索モジュール２０３３は、プロファイル特徴タグと、コンテンツ特徴タグとが関連付けられた、コンテンツをユーザに推薦する理由を記載した推薦理由文を蓄積するデータベース２０２３から、取得したプロファイル特徴タグと、コンテンツ特徴タグとが関連付けられた推薦理由文を検索する。そして、制御部２０３は、提示モジュール２０３７により、検索を経て取得した推薦理由文をユーザへ提示するようにしている。

これにより、サーバ２０は、プロファイル特徴タグ及びコンテンツ特徴タグに基づいて推薦理由文を取得するため、ユーザの趣向を表す情報から、単語の抽出等により理由を作成する場合よりも、高精度に推薦理由文をユーザへ提示することが可能となる。また、サーバ２０は、プロファイル特徴タグ及びコンテンツ特徴タグに基づき、推薦理由データベース２０２３から推薦理由文を取得するため、例えば、所定のウェブサイトに記載されているレビューコメントを抽出する場合よりも、高精度に推薦理由文をユーザへ提示することが可能となる。つまり、推薦理由の品質を担保することが可能となる。

したがって、本実施形態に係るサーバ２０によれば、コンテンツが推薦された理由に対するユーザの納得感を高めることができる。

また、本実施形態では、検索モジュール２０３３は、ユーザから取得されたプロファイル特徴タグに基づいてコンテンツ特徴タグを推定することで、コンテンツ特徴タグを取得するようにしている。これにより、ユーザのプロファイル特徴タグ、及び、ユーザが所望すると推定されるコンテンツのコンテンツ特徴タグに適した推薦理由文が、ユーザへ提示されることになる。つまり、コンテンツを所望するユーザの趣向と、コンテンツの特徴（コンセプト、又はアピールポイント等）とを反映させた推薦理由文が、ユーザへ提示されることになる。

また、上記実施形態では、検索モジュール２０３３は、ユーザから指定されるコンテンツ特徴タグに基づいてプロファイル特徴タグを推定することで、プロファイル特徴タグを取得するようにしている。これにより、ユーザが指定するコンテンツ特徴タグ、及び、当該コンテンツ特徴タグから推定される顧客のプロファイル特徴タグに適した推薦理由文が、ユーザへ提示されることになる。つまり、コンテンツを所望するユーザの趣向と、コンテンツの特徴（コンセプト、又はアピールポイント等）とを反映させた推薦理由文が、ユーザへ提示されることになる。

また、上記実施形態では、制御部２０３は、生成モジュール２０３４により、検索により推薦理由文が発見できない場合、取得したプロファイル特徴タグと、コンテンツ特徴タグとに基づいて推薦理由文を生成するようにしている。このとき、生成モジュール２０３４は、プロファイル特徴タグ及びコンテンツ特徴タグを入力データとし、当該プロファイル特徴タグ及びコンテンツ特徴タグと関連付けられている推薦理由文を正解出力データとして学習させた学習済みモデルに、取得したプロファイル特徴タグと、コンテンツ特徴タグとを入力することで、推薦理由文を作成するようにしている。これにより、生成モジュール２０３４は、推薦理由データベース２０２３に蓄積されたプロファイル特徴タグ及びコンテンツ特徴タグの組み合わせの集合に含まれない、プロファイル特徴タグ及びコンテンツ特徴タグの組み合わせを入力として、学習済みモデル２０２６を用いて推薦理由文を生成可能となる。

また、上記実施形態では、検索モジュール２０３３は、取得したプロファイル特徴タグに基づき、コンテンツを推定し、検索により推薦理由文が発見できない場合、推定したコンテンツに付されている説明文を推薦理由文とするようにしている。これにより、サーバ２０は、推薦理由データベース２０２３に適当な推薦理由文が蓄積されていない場合であっても、ユーザに適した説明文がコンテンツに付されている場合には、この説明文を推薦理由文としてユーザへ提示することが可能となる。

また、上記実施形態では、検索モジュール２０３３は、推薦理由データベース２０２３から、取得したプロファイル特徴タグと類似するプロファイル特徴タグと、取得したコンテンツ特徴タグと類似するコンテンツ特徴タグとが関連付けられた推薦理由文を検索するようにしている。これにより、サーバ２０は、推薦理由データベース２０２３をより広い範囲で検索することが可能となる。

また、上記実施形態では、制御部２０３は、編集モジュール２０３５により、検索を経て取得した推薦理由文を編集する。そして、制御部２０３は、提示モジュール２０３７により、編集後の推薦理由文をユーザへ提示するようにしている。これにより、サーバ２０は、推薦理由データベース２０２３に蓄積された推薦理由文から検索された推薦理由文を編集するため、理由説明の論理展開、又は表現スタイルの一貫性を維持することが可能となる。特に、複数人の編集者が携わって推薦理由文を作成する場合に、編集者毎の文章作成のスキル、又はクセのバラツキにより、作成される推薦理由文の一貫性が損なわれることを回避することが可能となる。また、サーバ２０は、新たに生成された推薦理由文を編集するため、新規な推薦理由文を作成する際にも効率的に推薦理由文を作成することが可能となる。

また、上記実施形態では、編集モジュール２０３５は、検索を経て取得した推薦理由文に関連付けられるプロファイル特徴タグ又はコンテンツ特徴タグを編集するようにしている。これにより、サーバ２０は、新規のプロファイル特徴タグ及びコンテンツ特徴タグにも対応することが可能となる。

また、上記実施形態では、制御部２０３は、記憶制御モジュール２０３８により、生成した推薦理由文を、生成の際に用いたプロファイル特徴タグとコンテンツ特徴タグと関連付けて推薦理由データベース２０２３に記憶するようにしている。これにより、サーバ２０は、推薦理由文を推薦理由データベース２０２３に効率的に蓄積することが可能となる。

また、上記実施形態では、記憶制御モジュール２０３８は、編集後の推薦理由文を、プロファイル特徴タグとコンテンツ特徴タグと関連付けて推薦理由データベース２０２３に記憶するようにしている。これにより、サーバ２０は、推薦理由文を推薦理由データベース２０２３に効率的に蓄積することが可能となる。

また、上記実施形態では、制御部２０３は、ユーザの趣向の特徴を表すプロファイル特徴タグと、コンテンツの特徴を表すコンテンツ特徴タグとを取得する。制御部２０３は、生成モジュール２０３４により、取得したプロファイル特徴タグと、コンテンツ特徴タグとに基づいて推薦理由文を生成する。そして、制御部２０３は、提示モジュール２０３７により、生成した推薦理由文をユーザへ提示するようにしている。これにより、サーバ２０は、プロファイル特徴タグ及びコンテンツ特徴タグに応じた推薦理由文をユーザへ提示することが可能となる。

＜４．変形例＞
サーバ２０は、推薦理由文を提示したユーザから、提示した推薦理由文についての評価を受けてもよい。制御部２０３は、端末装置１０からユーザの評価を受信すると、受信した評価を、提示した推薦理由文と関連付けて推薦理由データベース２０２３に記憶する。

また、上記実施形態では、サーバ２０が、例えば、図８及び図１０に示す動作を実施する場合を例に説明した。しかしながら、図８及び図１０に示す動作を実施するのはサーバ２０に限定されない。端末装置１０が図８及び図１０に示す動作を実施してもよい。このとき、例えば、端末装置１０は、図２に示す、検索モジュール２０３３、生成モジュール２０３４、編集モジュール２０３５、学習モジュール２０３６、又は記憶制御モジュール２０３８としての機能を有する。

以上、本開示のいくつかの実施形態を説明したが、これら実施形態は、その他の様々な形態で実施されることが可能であり、発明の要旨を逸脱しない範囲で種々の省略、置き換え、変更を行うことができる。これら実施形態やその変形は、発明の範囲や要旨に含まれると同様に、特許請求の範囲に記載された発明とその均等の範囲に含まれるものとする。

＜付記＞
以上の各実施形態で説明した事項を以下に付記する。

（付記１）
プロセッサ２９と、メモリ２５とを備えるコンピュータに実行させるためのプログラムであって、プログラムは、プロセッサに、ユーザの趣向の特徴を表すプロファイル特徴タグと、コンテンツの特徴を表すコンテンツ特徴タグとを取得するステップ（ステップＳ１１、１２）と、プロファイル特徴タグと、コンテンツ特徴タグとが関連付けられた、コンテンツをユーザに推薦する理由を記載した推薦理由文を蓄積するデータベースから、取得したプロファイル特徴タグと、コンテンツ特徴タグとが関連付けられた推薦理由文を検索するステップ（ステップＳ１３）と、検索を経て取得した推薦理由文をユーザへ提示するステップ（ステップＳ１１０）とを実行させるプログラム。

（付記２）
取得するステップにおいて、ユーザから取得されたプロファイル特徴タグに基づいてコンテンツ特徴タグを推定することで、コンテンツ特徴タグを取得する（付記１）に記載のプログラム。

（付記３）
取得するステップにおいて、ユーザから指定されるコンテンツ特徴タグに基づいてプロファイル特徴タグを推定することで、プロファイル特徴タグを取得する（付記１）に記載のプログラム。

（付記４）
検索により推薦理由文が発見できない場合、取得したプロファイル特徴タグと、コンテンツ特徴タグとに基づいて推薦理由文を生成するステップをプロセッサに実行させる（付記１）から（付記３）のいずれかに記載のプログラム。

（付記５）
生成するステップにおいて、プロファイル特徴タグ及びコンテンツ特徴タグを入力データとし、当該プロファイル特徴タグ及びコンテンツ特徴タグと関連付けられている推薦理由文を正解出力データとして学習させた学習済みモデルに、取得したプロファイル特徴タグと、コンテンツ特徴タグとを入力することで、推薦理由文を生成する（付記４）に記載のプログラム。

（付記６）
検索するステップにおいて、取得したプロファイル特徴タグに基づき、コンテンツを推定し、検索により推薦理由文が発見できない場合、推定したコンテンツに付されている説明文を推薦理由文とする（付記１）から（付記５）のいずれかに記載のプログラム。

（付記７）
検索するステップにおいて、データベースから、取得したプロファイル特徴タグと類似するプロファイル特徴タグと、取得したコンテンツ特徴タグと類似するコンテンツ特徴タグとが関連付けられた推薦理由文を検索する（付記１）から（付記６）のいずれかに記載のプログラム。

（付記８）
検索を経て取得した推薦理由文を編集するステップをプロセッサに実行させ、提示するステップにおいて、編集後の推薦理由文をユーザへ提示する（付記１）から（付記７）のいずれかに記載のプログラム。

（付記９）
編集するステップにおいて、検索を経て取得した推薦理由文に関連付けられるプロファイル特徴タグ又はコンテンツ特徴タグを編集する（付記８）に記載のプログラム。

（付記１０）
生成した推薦理由文を、生成の際に用いたプロファイル特徴タグとコンテンツ特徴タグと関連付けてデータベースに記憶するステップをプロセッサに実行させる（付記４）に記載のプログラム。

（付記１１）
編集後の推薦理由文を、プロファイル特徴タグとコンテンツ特徴タグと関連付けてデータベースに記憶するステップをプロセッサに実行させる（付記８）又は（付記９）に記載のプログラム。

（付記１２）
プロセッサと、メモリとを備えるコンピュータに実行させるためのプログラムであって、プログラムは、プロセッサに、ユーザの趣向の特徴を表すプロファイル特徴タグと、コンテンツの特徴を表すコンテンツ特徴タグとを取得するステップと、取得したプロファイル特徴タグと、コンテンツ特徴タグとに基づいて推薦理由文を生成するステップと、生成した推薦理由文をユーザへ提示するステップとを実行させるプログラム。

（付記１３）
プロセッサと、メモリとを備えるコンピュータが実行する方法であって、ユーザの趣向の特徴を表すプロファイル特徴タグと、コンテンツの特徴を表すコンテンツ特徴タグとを取得するステップと、プロファイル特徴タグと、コンテンツ特徴タグとが関連付けられた、コンテンツをユーザに推薦する理由を記載した推薦理由文を蓄積するデータベースから、取得したプロファイル特徴タグと、コンテンツ特徴タグとが関連付けられた推薦理由文を検索するステップと、検索を経て取得した推薦理由文をユーザへ提示するステップとを実行する方法。

（付記１４）
プロセッサと、メモリとを備える情報処理装置であって、ユーザの趣向の特徴を表すプロファイル特徴タグと、コンテンツの特徴を表すコンテンツ特徴タグとを取得するステップと、プロファイル特徴タグと、コンテンツ特徴タグとが関連付けられた、コンテンツをユーザに推薦する理由を記載した推薦理由文を蓄積するデータベースから、取得したプロファイル特徴タグと、コンテンツ特徴タグとが関連付けられた推薦理由文を検索するステップと、検索を経て取得した推薦理由文をユーザへ提示するステップとを実行する情報処理装置。

（付記１５）
ユーザの趣向の特徴を表すプロファイル特徴タグと、コンテンツの特徴を表すコンテンツ特徴タグとを取得する手段と、プロファイル特徴タグと、コンテンツ特徴タグとが関連付けられた、コンテンツをユーザに推薦する理由を記載した推薦理由文を蓄積するデータベースから、取得したプロファイル特徴タグと、コンテンツ特徴タグとが関連付けられた推薦理由文を検索する手段と、検索を経て取得した推薦理由文をユーザへ提示する手段とを具備するシステム。

１…システム
１０…端末装置
２０…サーバ
２０１…通信部
２０２…記憶部
２０２１…プロファイル特徴タグデータベース
２０２２…コンテンツ特徴タグデータベース
２０２３…推薦理由データベース
２０２４…ユーザデータベース
２０２５…コンテンツデータベース
２０２６…学習済みモデル
２０３…制御部
２０３１…受信制御モジュール
２０３２…送信制御モジュール
２０３３…検索モジュール
２０３４…生成モジュール
２０３５…編集モジュール
２０３６…学習モジュール
２０３７…提示モジュール
２０３８…記憶制御モジュール
２５…メモリ
２６…ストレージ
２９…プロセッサ
８０…ネットワーク

Claims (15)

1. プロセッサと、メモリとを備えるコンピュータに実行させるためのプログラムであって、前記プログラムは、前記プロセッサに、
   ユーザの趣向の特徴を表すプロファイル特徴タグと、コンテンツの特徴を表すコンテンツ特徴タグとを取得するステップと、
   プロファイル特徴タグと、コンテンツ特徴タグとが関連付けられた、コンテンツをユーザに推薦する理由を記載した推薦理由文を蓄積するデータベースから、前記取得したプロファイル特徴タグと、コンテンツ特徴タグとが関連付けられた推薦理由文を検索するステップと、
   前記検索を経て取得した推薦理由文を前記ユーザへ提示するステップと
   を実行させるプログラム。
2. 前記取得するステップにおいて、ユーザから取得されたプロファイル特徴タグに基づいてコンテンツ特徴タグを推定することで、前記コンテンツ特徴タグを取得する請求項１記載のプログラム。
3. 前記取得するステップにおいて、ユーザから指定されるコンテンツ特徴タグに基づいてプロファイル特徴タグを推定することで、前記プロファイル特徴タグを取得する請求項１記載のプログラム。
4. 前記検索により推薦理由文が発見できない場合、前記取得したプロファイル特徴タグと、コンテンツ特徴タグとに基づいて推薦理由文を生成するステップを前記プロセッサに実行させる請求項１乃至３のいずれかに記載のプログラム。
5. 前記生成するステップにおいて、プロファイル特徴タグ及びコンテンツ特徴タグを入力データとし、当該プロファイル特徴タグ及びコンテンツ特徴タグと関連付けられている推薦理由文を正解出力データとして学習させた学習済みモデルに、前記取得したプロファイル特徴タグと、コンテンツ特徴タグとを入力することで、前記推薦理由文を生成する請求項４記載のプログラム。
6. 前記検索するステップにおいて、前記取得したプロファイル特徴タグに基づき、コンテンツを推定し、前記検索により推薦理由文が発見できない場合、推定したコンテンツに付されている説明文を推薦理由文とする請求項１乃至５のいずれかに記載のプログラム。
7. 前記検索するステップにおいて、前記データベースから、取得したプロファイル特徴タグと類似するプロファイル特徴タグと、取得したコンテンツ特徴タグと類似するコンテンツ特徴タグとが関連付けられた推薦理由文を検索する請求項１乃至６のいずれかに記載のプログラム。
8. 前記検索を経て取得した推薦理由文を編集するステップを前記プロセッサに実行させ、
   前記提示するステップにおいて、編集後の推薦理由文を前記ユーザへ提示する請求項１乃至７のいずれかに記載のプログラム。
9. 前記編集するステップにおいて、前記検索を経て取得した推薦理由文に関連付けられるプロファイル特徴タグ又はコンテンツ特徴タグを編集する請求項８記載のプログラム。
10. 前記生成した推薦理由文を、生成の際に用いたプロファイル特徴タグとコンテンツ特徴タグと関連付けて前記データベースに記憶するステップを前記プロセッサに実行させる請求項４記載のプログラム。
11. 前記編集後の推薦理由文を、プロファイル特徴タグとコンテンツ特徴タグと関連付けて前記データベースに記憶するステップを前記プロセッサに実行させる請求項８又は９に記載のプログラム。
12. プロセッサと、メモリとを備えるコンピュータに実行させるためのプログラムであって、前記プログラムは、前記プロセッサに、
    ユーザの趣向の特徴を表すプロファイル特徴タグと、コンテンツの特徴を表すコンテンツ特徴タグとを取得するステップと、
    前記取得したプロファイル特徴タグと、コンテンツ特徴タグとに基づいて推薦理由文を生成するステップと、
    前記生成した推薦理由文を前記ユーザへ提示するステップと
    を実行させるプログラム。
13. プロセッサと、メモリとを備えるコンピュータが実行する方法であって、
    ユーザの趣向の特徴を表すプロファイル特徴タグと、コンテンツの特徴を表すコンテンツ特徴タグとを取得するステップと、
    プロファイル特徴タグと、コンテンツ特徴タグとが関連付けられた、コンテンツをユーザに推薦する理由を記載した推薦理由文を蓄積するデータベースから、前記取得したプロファイル特徴タグと、コンテンツ特徴タグとが関連付けられた推薦理由文を検索するステップと、
    前記検索を経て取得した推薦理由文を前記ユーザへ提示するステップと
    を実行する方法。
14. プロセッサと、メモリとを備える情報処理装置であって、
    ユーザの趣向の特徴を表すプロファイル特徴タグと、コンテンツの特徴を表すコンテンツ特徴タグとを取得するステップと、
    プロファイル特徴タグと、コンテンツ特徴タグとが関連付けられた、コンテンツをユーザに推薦する理由を記載した推薦理由文を蓄積するデータベースから、前記取得したプロファイル特徴タグと、コンテンツ特徴タグとが関連付けられた推薦理由文を検索するステップと、
    前記検索を経て取得した推薦理由文を前記ユーザへ提示するステップと
    を実行する情報処理装置。
15. ユーザの趣向の特徴を表すプロファイル特徴タグと、コンテンツの特徴を表すコンテンツ特徴タグとを取得する手段と、
    プロファイル特徴タグと、コンテンツ特徴タグとが関連付けられた、コンテンツをユーザに推薦する理由を記載した推薦理由文を蓄積するデータベースから、前記取得したプロファイル特徴タグと、コンテンツ特徴タグとが関連付けられた推薦理由文を検索する手段と、
    前記検索を経て取得した推薦理由文を前記ユーザへ提示する手段と
    を具備するシステム。
    
    
    
    

Images