JP2023015933A - 情報処理装置、情報処理方法および情報処理プログラム - Google Patents

Abstract

【課題】検索結果の質を高めることができる情報処理装置、情報処理方法および情報処理プログラムを提供すること。【解決手段】本願に係る情報処理装置は、分類部と、特定部と、検索部とを備える。分類部は、検索対象となる各コンテンツに対応するコンテンツベクトルをクラスタに分類する。特定部は、ユーザが入力した検索クエリに対応するクエリベクトルと類似するクラスタを特定する。検索部は、特定したクラスタに含まれるコンテンツベクトルに対応するコンテンツを検索対象として検索する。【選択図】図５

Description

本発明は、情報処理装置、情報処理方法および情報処理プログラムに関する。

従来、ユーザが入力したクエリおよび検索対象のコンテンツをベクトル化し、双方のベクトルの類似度により検索処理を行う情報処理装置がある。この種の情報処理装置では、近似最近傍探索（ANN：Approximate Nearest Neighbor algorithms search）により検索対象の検索範囲を絞る技術が提案されている。

特開２０２１－８６５７３号公報

しかしながら、従来の技術では、検索結果の質を高める点で更なる改善の余地があった。

本願は、上記に鑑みてなされたものであって、検索結果の質を高めることができる情報処理装置、情報処理方法および情報処理プログラムを提供することを目的とする。

本願に係る情報処理装置は、分類部と、特定部と、検索部とを備える。前記分類部は、検索対象となる各コンテンツに対応するコンテンツベクトルをクラスタに分類する。前記特定部は、ユーザが入力した検索クエリに対応するクエリベクトルと類似する前記クラスタを特定する。前記検索部は、特定した前記クラスタに含まれる前記コンテンツベクトルに対応するコンテンツを検索対象として検索する。

実施形態の一態様によれば、検索結果の質を高めることができるという効果を奏する。

図１は、実施形態に係る情報処理その１を示す図である。 図２は、実施形態に係る情報処理その２を示す図である。 図３は、実施形態に係る情報処理その３を示す図である。 図４は、実施形態に係る情報処理システムの構成例を示す図である。 図５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６は、コンテンツ情報の一例を示す図である。 図７は、ユーザ情報の一例を示す図である。 図８は、実施形態に係る情報処理装置が実行する情報処理その１の処理手順を示すフローチャートである。 図９は、実施形態に係る情報処理装置が実行する情報処理その２の処理手順を示すフローチャートである。 図１０は、実施形態に係る情報処理装置が実行する情報処理その３の処理手順を示すフローチャートである。 図１１は、ハードウェア構成の一例を示す図である。

以下に、本願に係る情報処理装置、情報処理方法および情報処理プログラムを実施するための形態（以下、「実施形態」と記載する）について図面を参照しつつ詳細に説明する。なお、この実施形態により本願に係る情報処理装置、情報処理方法および情報処理プログラムが限定されるものではない。また、以下の各実施形態において同一の部位には同一の符号を付し、重複する説明は省略される。

（実施形態）
まず、図１～図３を用いて、実施形態に係る情報処理装置が実行する情報処理について説明する。図１～図３は、実施形態に係る情報処理その１～その３を示す図である。なお、図１～図３では、実施形態に係る情報処理装置１を含む情報処理システムＳの動作例を示している。図１～図３に示すように、実施形態に係る情報処理システムＳは、情報処理装置１と、ユーザ端末５０とを含む。

まず、図１を用いて、情報処理その１について説明する。図１に示す情報処理その１では、ユーザが入力した検索クエリおよび検索対象の検索範囲を指定するフィルタ条件それぞれをベクトル化し、フィルタ条件のベクトルに基づいて、検索クエリのベクトルを補正する処理を行った後に検索処理を行う。

具体的には、まず、実施形態に係るユーザ端末５０は、ユーザが入力した検索クエリおよび検索対象の検索範囲を指定するフィルタ条件を送信する（ステップＳ１）。検索クエリは、テキストや画像等である。フィルタ条件は、検索対象のカテゴリ（商品種別や価格帯等）を指定する条件であり、例えば、予め設定されたフィルタ条件の中からユーザが選択することで指定する。また、検索対象は、ショッピングサイトにおける商品や、ドキュメント、画像等といった各種コンテンツである。

つづいて、実施形態に係る情報処理装置１は、取得した検索クエリおよびフィルタ条件を所定の距離空間におけるベクトルに変換する（ステップＳ２）。なお、以下では、検索クエリに対応するベクトルを「クエリベクトル」、フィルタ条件に対応するベクトルを「フィルタベクトル」と記載する場合がある。また、所定の距離空間は、コサイン類似度の空間や、内積空間、ユークリッド距離空間等である。

つづいて、実施形態に係る情報処理装置１は、フィルタベクトルに基づいてクエリベクトルを補正することで補正ベクトルを生成する（ステップＳ３）。例えば、情報処理装置１は、クエリベクトルの向きやノルムを、フィルタベクトルの向きやノルムに基づいて補正した補正ベクトルを生成する。

図１に示す例では、情報処理装置１は、クエリベクトルの向きやノルムをフィルタベクトルの向きやノルムに近づけた補正ベクトルを生成する。なお、補正ベクトルの生成方法については様々なバリエーションが考えられるが、かかる点の詳細については後述する。

つづいて、情報処理装置１は、生成した補正ベクトルに基づいて検索対象を検索する（ステップＳ４）。例えば、情報処理装置１は、補正ベクトルと検索対象のベクトルとの距離（コサイン類似度や、内積距離、ユークリッド距離）を算出し、算出結果に基づいて検索結果を生成する。そして、情報処理装置１は、検索結果をユーザ端末５０へ送信する（ステップＳ５）。

このように、実施形態に係る情報処理その１によれば、フィルタベクトルを用いてクエリベクトル自体を補正するため、従来の手法であるクエリベクトルと距離が近い検索対象を抽出してからフィルタ条件に合致する検索対象を選択する場合に比べて、検索結果に含まれるコンテンツが多くなり、かつ、補正ベクトルにより抽出された各検索対象はフィルタ条件が既に加味されていることとなる。すなわち、実施形態に係る情報処理その１によれば、検索結果の質を高めることができる。

次に、図２を用いて、情報処理その２について説明する。図２に示す情報処理その２では、クエリベクトルと、検索対象となるコンテンツのベクトル（コンテンツベクトル）とのノルム差が所定値以上であるコンテンツ内積計算の対象コンテンツとして設定した後に検索処理を行う。なお、図２に示す情報処理その２では、上記した所定の距離空間が内積空間であることとする。

具体的には、まず、実施形態に係るユーザ端末５０は、ユーザが入力した検索クエリを送信する（ステップＳ１１）。なお、ユーザ端末５０は、検索クエリに加え、上記したフィルタ条件を送信してもよい。

つづいて、実施形態に係る情報処理装置１は、検索クエリと、検索対象となる各コンテンツとを内積空間におけるベクトルに変換する（ステップＳ１２）。なお、以下では、検索クエリに対応するベクトルを上記と同様に「クエリベクトル」、各コンテンツに対応するベクトルを「コンテンツベクトル」と記載する場合がある。このベクトル変換処理は、検索クエリと各コンテンツのベクトルの内積がスコアとして意味をなすような同じ空間（同じ次元数）のベクトルに変換することで実現されるものであり、ベクトルは内積の値の大小を基に機械学習によって獲得された変換手順によって変換される。このような内積空間を用いた検索手順は、内積の値が大きいコンテンツのほうが検索結果に残りやすくする手順を含む。

図２では、コンテンツベクトルは、クエリベクトルと同じタイミングで変換する例を示したが、例えば、検索クエリが入力される前のタイミング（例えば、コンテンツが登録されたタイミング等）で事前に変換されていてもよい。

つづいて、実施形態に係る情報処理装置１は、各コンテンツベクトルの中から、ノルムが所定値以上のコンテンツベクトルを抽出し、抽出したコンテンツベクトルに対応するコンテンツを検索クエリに対応するクエリベクトルとの内積計算の対象コンテンツとして設定する（ステップＳ１３）。

図２に示す例では、領域Ｒ２、Ｒ３に属するコンテンツを対象コンテンツとして設定する。また、領域Ｒ１は、後段のステップＳ１４においてクエリベクトルと類似する（内積が所定条件を満たす）コンテンツ群であり、言い換えれば、内積計算の対象コンテンツである。

つづいて、実施形態に係る情報処理装置１は、領域Ｒ１～Ｒ３に含まれる対象コンテンツを検索対象として検索処理を行う（ステップＳ１４）。例えば、情報処理装置１は、対象コンテンツのコンテンツベクトルと、クエリベクトルとの内積を計算し、計算結果に基づいて検索結果を生成する。

つづいて、実施形態に係る情報処理装置１は、生成した検索結果をユーザ端末５０へ送信する（ステップＳ１５）。

つまり、実施形態に係る情報処理その２では、ノルムが所定値以上である領域Ｒ２、Ｒ３のコンテンツについては、クエリベクトルに関わらず必ず検索対象に含ませるようにする。これは、内積空間においては、ノルムが所定値以上のコンテンツベクトルとクエリベクトルとの類似度は高くなる（検索結果としてユーザが所望しているものに近い）場合があるためである。すなわち、実施形態に係る情報処理装置１によれば、検索結果の質を高めることができる。

次に、図３を用いて、情報処理その３について説明する。図３に示す情報処理その３では、検索対象となる各コンテンツに対応するコンテンツベクトルを事前にクラスタリングしておき、クエリベクトルと類似するクラスタを特定して検索処理を行う。

具体的には、まず、実施形態に係る情報処理装置１は、事前に（検索クエリを取得する前に）、各コンテンツベクトルについて、類似するコンテンツベクトルが同じクラスタとなるように分類する（ステップＳ２１）。図３に示す例では、領域Ｒ１～Ｒ９それぞれをクラスタとして分類する。

つづいて、実施形態に係るユーザ端末５０は、ユーザが入力した検索クエリを送信する（ステップＳ２２）。なお、ユーザ端末５０は、検索クエリに加え、上記したフィルタ条件を送信してもよい。

つづいて、実施形態に係る情報処理装置１は、検索クエリを所定の距離空間におけるクエリベクトルに変換する（ステップＳ２３）。

つづいて、実施形態に係る情報処理装置１は、クエリベクトルと類似するクラスタを特定する（ステップＳ２４）。例えば、情報処理装置１は、クラスタに含まれるコンテンツベクトルの代表ベクトルを算出し、代表ベクトルとクエリベクトルとの類似度に基づいて特定する。

つづいて、実施形態に係る情報処理装置１は、特定したクラスタに含まれるコンテンツを検索対象として検索処理を行う（ステップＳ２５）。例えば、情報処理装置１は、対クラスタに含まれるコンテンツベクトルと、クエリベクトルとの内積を計算し、計算結果に基づいて検索結果を生成する。

つづいて、実施形態に係る情報処理装置１は、生成した検索結果をユーザ端末５０へ送信する（ステップＳ２６）。

つまり、実施形態に係る情報処理その３では、コンテンツベクトルを事前にクラスタリングしておき、クエリベクトルと類似するクラスタを特定することで、検索結果を絞りつつ、全コンテンツをスコアリング（例えば、内積計算）したときと類似した検索結果を生成することができる。つまり、実施形態に係る情報処理装置１によれば、検索結果の質を高めることができる。

次に、図４を用いて、実施形態に係る情報処理システムＳの構成例について説明する。図４は、実施形態に係る情報処理システムＳの構成例を示すブロック図である。図４に示すように、実施形態に係る情報処理システムＳは、情報処理装置１と、複数のユーザ端末５０とがネットワークＮに対して有線又は無線により接続される。ネットワークＮは、例えば、インターネット、ＷＡＮ（Wide Area Network）、ＬＡＮ（Local Area Network）等のネットワークである。

情報処理装置１は、各種コンテンツの検索結果を提供する検索サーバであり、情報処理方法を実行する。情報処理装置１が検索する検索対象は、例えば、ショッピングサイトにおける商品や、ドキュメント、画像等を含む。

ユーザ端末５０は、コンテンツを検索したいユーザが所持する端末装置であり、情報処理装置１へ検索要求を行う端末装置である。ユーザ端末５０は、スマートフォン、デスクトップ型ＰＣ、ノート型ＰＣ、タブレット型ＰＣ等の任意のタイプの端末装置を用いることができる。

なお、図４では、情報処理装置１およびユーザ端末５０を含む情報処理システムＳの構成例を示したが、これら構成の他に、コンテンツを登録する事業者等の端末装置が情報処理システムＳに含まれてもよい。

次に、図５を参照して、情報処理装置１の構成例について説明する。

図５は、実施形態に係る情報処理装置１の構成例を示す図である。図５に示されるように、情報処理装置１は、通信部２と、制御部３と、記憶部４とを有する。制御部３は、取得部３１と、変換部３２と、生成部３３と、分類部３４と、特定部３５と、設定部３６と、検索部３７と、出力部３８とを備える。記憶部４は、コンテンツ情報４１と、ユーザ情報４２とを記憶する。

通信部２は、例えば、ＮＩＣ（Network Interface Card）等によって実現される。通信部２は、有線または無線によりネットワーク網と接続される。

制御部３は、コントローラ（controller）であり、例えば、ＣＰＵ（Central Processing Unit）、ＭＰＵ（Micro Processing Unit）等のプロセッサによって、情報処理装置１内部の記憶装置に記憶されている各種プログラム（情報処理プログラムの一例に相当）がＲＡＭ等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３は、コントローラ（controller）であり、例えば、ＡＳＩＣ（Application Specific Integrated Circuit）、ＦＰＧＡ（Field Programmable Gate Array）、ＧＰＧＰＵ（General Purpose Graphic Processing Unit）等の集積回路により実現されてもよい。

記憶部４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。

コンテンツ情報４１は、検索対象である各コンテンツに関する情報である。図６は、コンテンツ情報４１の一例を示す図である。図６に示すように、コンテンツ情報４１は、「コンテンツＩＤ」、「カテゴリ」、「詳細情報」等の項目を含む。

「コンテンツＩＤ」は、各コンテンツを識別する識別情報である。「カテゴリ」は、コンテンツのカテゴリを示す情報であり、例えば、コンテンツの種別（商品種別やドキュメント種別）や、価格帯、文字列か画像かの情報態様に関する情報である。「詳細情報」は、コンテンツの詳細情報であり、例えば、商品の説明文や、商品画像、ドキュメントのテキスト等の情報である。

ユーザ情報４２は、ユーザに関する情報である。図７は、ユーザ情報４２の一例を示す図である。図７に示すように、ユーザ情報４２は、「ユーザＩＤ」、「属性情報」、「行動情報」等の項目を含む。

「ユーザＩＤ」は、ユーザを識別する識別情報である。「属性情報」は、ユーザの属性に関する情報であり、サイコグラフィック属性や、デモグラフィック属性等を含む。「行動情報」は、ユーザの行動に関する情報であり、例えば、検索行動や、購買行動等を含む。

次に、情報処理装置１の制御部３の各機能（取得部３１、変換部３２、生成部３３、分類部３４、特定部３５、設定部３６、検索部３７および出力部３８）について説明する。

取得部３１は、各種情報を取得する。取得部３１は、ユーザ端末５０から検索クエリおよびフィルタ条件を取得する。なお、取得部３１は、検索ログを収集するサーバから過去の検索クエリおよびフィルタ条件を取得してもよい。また、取得部３１は、ユーザが入力すると想定される検索クエリおよびフィルタ条件を生成してもよい。

変換部３２は、取得部３１が取得した検索クエリおよびフィルタ条件をそれぞれクエリベクトルおよびフィルタベクトルに変換する。また、変換部３２は、コンテンツ情報４１を参照して、検索対象となるコンテンツをコンテンツベクトルに変換する。

ベクトルの変換手法は、例えば、word2vecのようなtokenからベクトルに変換するための対応表を用いた変換手法や、Fasttext、ＢＥＲＴ（Bidirectional Encoder Representations from Transformers）等といった既知の変換手法を用いることができる。

また、ベクトルが配置される所定の距離空間は、コサイン類似度の距離空間や、内積空間、ユークリッド距離空間等である。なお、図２で示した情報処理その２においては、所定の距離空間のうち、内積空間を用いてベクトル変換が行われる。

また、フィルタベクトルは、フィルタ条件毎のベクトルを保持したテーブル情報を用いて変換が行われてもよい。あるいは、フィルタベクトルは、フィルタ条件の文字列を上記した変換手法により変換されてもよい。

生成部３３は、変換部３２によって変換されたフィルタベクトルに基づいてクエリベクトルを補正することで補正ベクトルを生成する。例えば、生成部３３は、フィルタベクトルおよびクエリベクトルを変数として含む関数の出力を補正ベクトルとして生成する。

具体的には、かかる関数は、フィルタベクトルおよびクエリベクトルそれぞれに所定の重みを乗算して足し合わせる関数である。この重みは、例えば固定値であってもよく、変動値であってもよい。

変動値としての重み値は、例えば、フィルタ条件に合致する検索対象の数に応じて決定する。すなわち、フィルタ条件に合致する検索対象の数が多い程、フィルタベクトルに乗算する重み値を大きくし、検索対象の数が少ない程、フィルタベクトルに乗算する重み値を小さくする。これにより、補正ベクトルを用いて検索処理を行う場合に、検索結果に含まれるコンテンツの数が少なくなることを高精度に回避することができる。

また、生成部３３は、フィルタ条件が複数存在する場合、例えば、各フィルタ条件に対応する複数のフィルタベクトルで独立してクエリベクトルを補正してもよい。あるいは、生成部３３は、複数のフィルタベクトルの代表ベクトル（例えば、重心）を算出し、代表ベクトルによりクエリベクトルを補正してもよい。

また、生成部３３は、ユーザ情報４２を加味して補正ベクトルを生成してもよい。例えば、生成部３３は、ユーザの属性情報や行動情報をユーザベクトルに変換し、ユーザベクトルと、フィルタベクトルとに基づいてクエリベクトルを補正してもよい。

また、生成部３３は、検索クエリを入力したユーザとは異なる他のユーザのユーザ情報を用いて補正ベクトルを生成してもよい。他のユーザは、属性情報や行動情報が類似する他のユーザを抽出する。

また、生成部３３は、検索クエリの属性を推定して属性ベクトルに変換し、属性ベクトルに基づいて補正ベクトルを生成してもよい。

分類部３４は、コンテンツベクトルをクラスタに分類する。例えば、分類部３４は、コンテンツベクトルの向きおよびノルムが所定の範囲内であるものを同じクラスタに分類する。あるいは、分類部３４は、ベクトルの向きおよびノルムを所定間隔の領域毎に区切り、各領域に含まれるコンテンツベクトルを同じクラスタに分類する。

特定部３５は、分類部３４によって分類されたクラスタの中から、クエリベクトルと類似するクラスタを特定する。例えば、特定部３５は、クラスタに含まれるコンテンツベクトルの代表ベクトルを算出し、代表ベクトルとクエリベクトルとの距離に基づく類似度によりクラスタを特定する。

なお、代表ベクトルは、クラスタに含まれるコンテンツベクトルの重心や、平均値を用いることができる。

また、特定部３５は、例えば、取得部３１がフィルタ条件を取得した場合、フィルタ条件に合致するコンテンツベクトルが含まれるクラスタを抽出し、抽出したクラスタに対して上記した特定処理を行ってもよい。

また、特定部３５は、クラスタの代表ベクトルのノルムまたは向きがクエリベクトルと類似する場合に、かかるクラスタを特定してもよい。

設定部３６は、各コンテンツに対応するコンテンツベクトルの中から、ノルムが所定値以上のコンテンツベクトルを抽出し、抽出したコンテンツベクトルに対応するコンテンツを検索クエリに対応するクエリベクトルとの内積計算の対象コンテンツとして設定する。

例えば、設定部３６は、上記したノルム差が所定値以上、かつ、コンテンツベクトルのノルムが所定値以上であるコンテンツを対象コンテンツとして設定する。すなわち、設定部３６は、クエリベクトルよりもノルムが極端に長いコンテンツベクトルのコンテンツを対象コンテンツとして設定する。なお、設定部３６は、クエリベクトルよりもノルムが極端に短いコンテンツベクトルのコンテンツを対象コンテンツとして設定してもよい。

また、設定部３６は、ノルムが所定値以上の場合に限らず、例えば、全検索対象のうち、ノルムが上位数％のコンテンツを対象コンテンツとして抽出してもよい。

また、設定部３６は、コンテンツベクトルをノルム毎にクラスタリングし、クラスタの代表ベクトルと、クエリベクトルとのノルム差が所定値以上である場合に、かかるクラスタに含まれるコンテンツを対象コンテンツとして設定してもよい。

また、設定部３６は、ノルム差に加えて、コンテンツベクトルをコンテンツのカテゴリ毎にクラスタリングし、クエリベクトルのカテゴリと一致するクラスタのコンテンツを対象コンテンツとしてもよい。

また、設定部３６は、クエリベクトルと類似するクラスタに含まれるコンテンツを対象コンテンツとして設定する。具体的には、設定部３６は、クラスタの代表ベクトルのノルムおよび向きがクエリベクトルのノルムおよび向きと類似する場合、対象コンテンツとして設定する。

検索部３７は、設定部３６によって設定された対象コンテンツについて、所定の距離空間におけるクエリベクトルとの距離を計算する。例えば、検索部３７は、クエリベクトルと、対象コンテンツのコンテンツベクトルとの内積を計算する。

そして、検索部３７は、内積に応じた類似度に基づいて検索結果を生成する。例えば、検索部３７は、類似度が高いほど上位にランキングされる検索結果を生成する。

出力部３８は、検索部３７によって生成された検索結果をユーザ端末５０へ出力する。

次に、図８～図１０を用いて、実施形態に係る情報処理装置１が実行する情報処理その１～その３の処理手順について説明する。図８～図１０は、実施形態に係る情報処理装置１が実行する情報処理その１～その３の処理手順を示すフローチャートである。

まず、図８を用いて、情報処理その１の処理手順について説明する。

図８に示すように、制御部３は、まず、ユーザ端末５０から検索クエリおよびフィルタ条件を取得する（ステップＳ１０１）。つづいて、制御部３は、検索クエリおよびフィルタ条件をそれぞれクエリベクトルおよびフィルタベクトルに変換する（ステップＳ１０２）。つづいて、制御部３は、フィルタベクトルに基づいてクエリベクトルを補正することで補正ベクトルを生成する（ステップＳ１０３）。つづいて、制御部３は、補正ベクトルに基づいて検索対象を検索する（ステップＳ１０４）。つづいて、制御部３は、検索結果をユーザ端末５０へ出力し（ステップＳ１０５）、処理を終了する。

次に、図９を用いて、情報処理その２の処理手順について説明する。

図９に示すように、制御部３は、まず、ユーザ端末５０から検索クエリを取得する（ステップＳ２０１）。つづいて、制御部３は、内積空間におけるクエリベクトルおよびコンテンツベクトルに変換する（ステップＳ２０２）。つづいて、制御部３は、クエリベクトルとのノルム差が所定値以上のコンテンツを対象コンテンツに設定（ステップＳ２０４）。つづいて、制御部３は、対象コンテンツのコンテンツベクトルとクエリベクトルとの内積計算を行う（ステップＳ２０５）。つづいて、制御部３は、計算結果に基づいて検索結果を生成する（ステップＳ２０６）。つづいて、制御部３は、検索結果をユーザ端末５０へ出力し（ステップＳ２０７）、処理を終了する。

次に、図１０を用いて、情報処理その３の処理手順について説明する。

図１０に示すように、制御部３は、まず、コンテンツベクトルをクラスタに分類する（ステップＳ３０１）。つづいて、制御部３は、検索クエリを取得し、クエリベクトルに変換する（ステップＳ３０２）。つづいて、制御部３は、クエリベクトルと類似するクラスタと特定する（ステップＳ３０３）。つづいて、制御部３は、特定したクラスタに含まれるコンテンツを対象コンテンツに設定する（ステップＳ３０４）。つづいて、制御部３は、対象コンテンツのコンテンツベクトルとクエリベクトルとの内積計算を行う（ステップＳ３０５）。つづいて、制御部３は、計算結果に基づいて検索結果を生成する（ステップＳ３０６）。つづいて、制御部３は、検索結果をユーザ端末５０へ出力し（ステップＳ３０７）、処理を終了する。

〔その他〕
また、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一部を手動的に行うこともできる。あるいは、手動的に行われるものとして説明した処理の全部または一部を公知の方法で自動的に行うこともできる。この他、上記文書中や図面中で示した処理手順、具体的名称、各種のデータやパラメータを含む情報については、特記する場合を除いて任意に変更することができる。例えば、各図に示した各種情報は、図示した情報に限られない。

また、図示した各装置の各構成要素は機能概念的なものであり、必ずしも物理的に図示の如く構成されていることを要しない。すなわち、各装置の分散・統合の具体的形態は図示のものに限られず、その全部または一部を、各種の負荷や使用状況などに応じて、任意の単位で機能的または物理的に分散・統合して構成することができる。

例えば、図５に示した記憶部４の一部又は全部は、各装置によって保持されるのではなく、ストレージサーバ等に保持されてもよい。この場合、各装置は、ストレージサーバにアクセスすることで、各種情報を取得する。

〔ハードウェア構成〕
また、上述してきた実施形態に係る情報処理装置１は、例えば図１１に示すような構成のコンピュータ１０００によって実現される。図１１は、ハードウェア構成の一例を示す図である。コンピュータ１０００は、出力装置１０１０、入力装置１０２０と接続され、演算装置１０３０、一次記憶装置１０４０、二次記憶装置１０５０、出力ＩＦ（Interface）１０６０、入力ＩＦ１０７０、ネットワークＩＦ１０８０がバス１０９０により接続された形態を有する。

演算装置１０３０は、一次記憶装置１０４０や二次記憶装置１０５０に格納されたプログラムや入力装置１０２０から読み出したプログラム等に基づいて動作し、各種の処理を実行する。一次記憶装置１０４０は、ＲＡＭ等、演算装置１０３０が各種の演算に用いるデータを一時的に記憶するメモリ装置である。また、二次記憶装置１０５０は、演算装置１０３０が各種の演算に用いるデータや、各種のデータベースが登録される記憶装置であり、ＲＯＭ（Read Only Memory）、ＨＤＤ（Hard Disk Drive）、フラッシュメモリ等により実現される。

出力ＩＦ１０６０は、モニタやプリンタといった各種の情報を出力する出力装置１０１０に対し、出力対象となる情報を送信するためのインタフェースであり、例えば、ＵＳＢ（Universal Serial Bus）やＤＶＩ（Digital Visual Interface）、ＨＤＭＩ（登録商標）（High Definition Multimedia Interface）といった規格のコネクタにより実現される。また、入力ＩＦ１０７０は、マウス、キーボード、およびスキャナ等といった各種の入力装置１０２０から情報を受信するためのインタフェースであり、例えば、ＵＳＢ等により実現される。

なお、入力装置１０２０は、例えば、ＣＤ（Compact Disc）、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から情報を読み出す装置であってもよい。また、入力装置１０２０は、ＵＳＢメモリ等の外付け記憶媒体であってもよい。

ネットワークＩＦ１０８０は、ネットワークＮを介して他の機器からデータを受信して演算装置１０３０へ送り、また、ネットワークＮを介して演算装置１０３０が生成したデータを他の機器へ送信する。

演算装置１０３０は、出力ＩＦ１０６０や入力ＩＦ１０７０を介して、出力装置１０１０や入力装置１０２０の制御を行う。例えば、演算装置１０３０は、入力装置１０２０や二次記憶装置１０５０からプログラムを一次記憶装置１０４０上にロードし、ロードしたプログラムを実行する。

例えば、コンピュータ１０００が情報処理装置１として機能する場合、コンピュータ１０００の演算装置１０３０は、一次記憶装置１０４０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３の機能を実現する。

〔効果〕
上述してきたように、実施形態に係る情報処理装置１は、変換部３２と、生成部３３と、検索部３７とを備える。変換部３２は、ユーザが入力した検索クエリをクエリベクトルに、検索対象の検索範囲を指定するフィルタ条件をフィルタベクトルにそれぞれ変換する。生成部３３は、フィルタベクトルに基づいてクエリベクトルを補正することで補正ベクトルを生成する。検索部３７は、補正ベクトルに基づいて検索対象を検索する。生成部３３は、フィルタベクトルおよびクエリベクトルを変数として含む関数の出力を補正ベクトルとして生成する。生成部３３は、フィルタベクトルおよびクエリベクトルの変数それぞれに重みを乗算して足し合わせる関数の出力を補正ベクトルとして生成する。重みは、フィルタ条件と一致する検索対象の数に応じた値が設定される。生成部３３は、フィルタベクトルおよびクエリベクトルの重心を補正ベクトルとして生成する。生成部３３は、ユーザに関するユーザ情報をベクトル化したユーザベクトルと、フィルタベクトルとに基づいて補正ベクトルを生成する。ユーザ情報は、ユーザの属性情報および行動情報の少なくとも１つを含む。生成部３３は、ユーザと類似する他のユーザのユーザ情報をベクトル化したベクトルに基づいて補正ベクトルを生成すること。変換部３２は、複数のフィルタ条件それぞれに対応する複数のフィルタベクトルに変換する。生成部３３は、複数のフィルタベクトルに基づいて補正ベクトルを生成する。このような構成により、検索結果の質を高めることができる。

また、上述してきたように、実施形態に係る情報処理装置１は、変換部３２と、設定部３６とを備える。変換部３２は、ユーザが入力した検索クエリと、検索対象となる各コンテンツとをそれぞれ内積空間におけるベクトルに変換する。設定部３６は、各コンテンツに対応するコンテンツベクトルの中から、ノルムが所定値以上のコンテンツベクトルを抽出し、抽出したコンテンツベクトルに対応するコンテンツを検索クエリに対応するクエリベクトルとの内積計算の対象コンテンツとして設定する。設定部３６は、コンテンツベクトルをノルムに応じてクラスタリングし、クラスタに含まれるコンテンツベクトルの代表ベクトルと、クエリベクトルとのノルム差に基づいて対象コンテンツを設定する。代表ベクトルは、クラスタに含まれるコンテンツベクトルの重心である。設定部３６は、ノルム差が所定値以上、かつ、コンテンツベクトルのノルムが所定値以上のコンテンツを対象コンテンツとして設定する。設定部３６は、ノルム差が所定値以上、かつ、コンテンツベクトルのノルムが上位から所定の割合までのコンテンツを対象コンテンツとして設定する。設定部３６は、コンテンツベクトルをコンテンツのカテゴリ毎のクラスタに分類し、検索クエリのカテゴリと一致するクラスタの中から、対象コンテンツを設定する。このような構成により、検索結果の質を高めることができる。

また、上述してきたように、実施形態に係る情報処理装置１は、分類部３４と、特定部３５と、検索部３７とを備える。分類部３４は、検索対象となる各コンテンツに対応するコンテンツベクトルをクラスタに分類する。特定部３５は、ユーザが入力した検索クエリに対応するクエリベクトルと類似するクラスタを特定する。検索部３７は、特定したクラスタに含まれるコンテンツベクトルに対応するコンテンツを検索対象として検索する。特定部３５は、クラスタに含まれるコンテンツベクトルの代表ベクトルがクエリベクトルと類似するクラスタを特定する。代表ベクトルは、クラスタに含まれるコンテンツベクトルの重心である。特定部３５は、検索対象の検索範囲を指定するフィルタ条件に合致するクラスタを抽出し、抽出したクラスタの中からクエリベクトルと類似するクラスタを特定する。特定部３５は、クエリベクトルの向きおよびノルムが類似するクラスタを特定する。このような構成により、検索結果の質を高めることができる。

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。

〔その他〕
また、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、あるいは、手動的に行われるものとして説明した処理の全部または一部を公知の方法で自動的に行うこともできる。この他、上記文書中や図面中で示した処理手順、具体的名称、各種のデータやパラメータを含む情報については、特記する場合を除いて任意に変更することができる。例えば、各図に示した各種情報は、図示した情報に限られない。

また、図示した各装置の各構成要素は機能概念的なものであり、必ずしも物理的に図示の如く構成されていることを要しない。すなわち、各装置の分散・統合の具体的形態は図示のものに限られず、その全部または一部を、各種の負荷や使用状況などに応じて、任意の単位で機能的または物理的に分散・統合して構成することができる。

また、上述してきた実施形態に記載した各処理は、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。

また、上記してきた「部（section、module、unit）」は、「手段」や「回路」などに読み替えることができる。例えば、制御部３は、制御手段や制御回路に読み替えることができる。

１ 情報処理装置
２ 通信部
３ 制御部
４ 記憶部
３１ 取得部
３２ 変換部
３３ 生成部
３４ 分類部
３５ 特定部
３６ 設定部
３７ 検索部
３８ 出力部
４１ コンテンツ情報
４２ ユーザ情報
５０ ユーザ端末
Ｎ ネットワーク
Ｓ 情報処理システム

Claims (9)

1. 検索対象となる各コンテンツに対応するコンテンツベクトルをクラスタに分類する分類部と、
   ユーザが入力した検索クエリに対応するクエリベクトルと類似する前記クラスタを特定する特定部と、
   特定した前記クラスタに含まれる前記コンテンツベクトルに対応するコンテンツを検索対象として検索する検索部と
   を備えることを特徴とする情報処理装置。
2. 前記特定部は、
   前記クラスタに含まれる前記コンテンツベクトルの代表ベクトルが前記クエリベクトルと類似する前記クラスタを特定すること
   を特徴とする請求項１に記載の情報処理装置。
3. 前記代表ベクトルは、
   前記クラスタに含まれる前記コンテンツベクトルの重心であること
   を特徴とする請求項２に記載の情報処理装置。
4. 前記特定部は、
   前記検索対象の検索範囲を指定するフィルタ条件に合致する前記クラスタを抽出し、抽出した前記クラスタの中から前記クエリベクトルと類似する前記クラスタを特定すること
   を特徴とする請求項１～３のいずれか１つに記載の情報処理装置。
5. 前記特定部は、
   前記クエリベクトルの向きおよびノルムが類似する前記クラスタを特定すること
   を特徴とする請求項１～４のいずれか１つに記載の情報処理装置。
6. 前記検索クエリとクエリベクトルに、前記検索対象の検索範囲を指定するフィルタ条件をフィルタベクトルにそれぞれ変換する変換部と、
   前記フィルタベクトルに基づいて前記クエリベクトルを補正する補正ベクトルを生成する生成部と、
   をさらに備え、
   前記特定部は、
   前記補正ベクトルと類似する前記クラスタを特定すること
   を特徴とする請求項１～５のいずれか１つに記載の情報処理装置。
7. 前記検索クエリと、前記検索対象となる各コンテンツとをそれぞれ内積距離空間におけるベクトルに変換する変換部と、
   前記検索クエリに対応するクエリベクトルと、前記各コンテンツに対応するコンテンツベクトルとのノルム差が所定値以上であるコンテンツを内積計算の対象コンテンツとして設定する設定部と
   を備えることを特徴とする請求項１～６のいずれか１つに記載の情報処理装置。
8. コンピュータが実行する情報処理方法であって、
   検索対象となる各コンテンツに対応するコンテンツベクトルをクラスタに分類する分類工程と、
   ユーザが入力した検索クエリに対応するクエリベクトルと類似する前記クラスタを特定する特定工程と、
   特定した前記クラスタに含まれる前記コンテンツベクトルに対応するコンテンツを検索対象として検索する検索工程と
   を含むことを特徴とする情報処理方法。
9. 検索対象となる各コンテンツに対応するコンテンツベクトルをクラスタに分類する分類手順と、
   ユーザが入力した検索クエリに対応するクエリベクトルと類似する前記クラスタを特定する特定手順と、
   特定した前記クラスタに含まれる前記コンテンツベクトルに対応するコンテンツを検索対象として検索する検索手順と
   をコンピュータに実行させることを特徴とする情報処理プログラム。

Images