JP2023022512A - ユーザ選定装置、ユーザ選定方法、及びプログラム - Google Patents

Abstract

【課題】情報を拡散することで、ネットワーク内に大きな影響を与えることができるユーザを選定するユーザ選定装置、方法及びプログラムを提供する。【解決手段】ユーザ選定装置１００において、ユーザ影響モデル構築部１３０は、ＳＮＳによる投稿を蓄積する投稿データベース１２０を参照することにより、第一のユーザの投稿を第二のユーザが拡散投稿することで、第三のユーザが当該投稿にインタラクションを行ったかを示すのデータに基づいて、第三のユーザがインタラクションを行う条件をモデル化したユーザ影響モデルを構築し、ユーザ影響モデル保管部１４０に保管する。ユーザ影響算出部１５０は、コミュニティ内の複数のユーザに影響を与えたい話題を入力として受け取り、ユーザ影響モデル保管部１４０に保管されているユーザ影響モデルを利用して、拡散投稿を行うことでコミュニティ内の複数のユーザに影響力を与える可能性が高いユーザを算出する。【選択図】図１

Description

本発明は、ある特定の話題がコミュニティ内で広く興味関心を集めている状態を作り出すための技術に関連するものである。

ある特定の話題がコミュニティ内で広く興味関心を集めている状態を作り出すための従来技術として、注目度の高いユーザに情報発信を依頼するという方法が知られている。この方法では、例えば、ＳＮＳ（ソーシャルネットワークサービス）におけるフォロワー数が多いユーザに情報発信を依頼する。また、情報自体の質が高い方がユーザの興味関心を引く可能性が高いことは自明であり、そのような観点から、一例として、特許文献１には、評価に関する質を高める方法が開示されている。

特開２０２０－０３５０２１号公報

従来技術においては、複数経路で同じ情報が伝わることで人は影響を受けやすくなるという観点を考慮していない。そのため、この観点を考慮することでコミュニティ内でより興味関心を引く効果を高められると考えられる。また、人は自身と関係性の強いユーザから発信された情報のほうが興味関心を引かれやすいということが知られている。つまり、複数経路で自身と関係性の強いユーザから同一の情報を見ることにより、興味関心を引く効果をさらに高められることが考えられる。

しかし、従来技術においては、コミュニティ内に存在するユーザの中でどのユーザが多くの人に対し、複数経路で同じ情報を伝える効果が高いユーザであるかを特定する手段がなかった。

本発明は上記の点に鑑みてなされたものであり、情報を拡散することで、ネットワーク内に大きな影響を与えることができるユーザを選定するための技術を提供することを目的とする。

開示の技術によれば、あるコミュニティに属するユーザに対し、拡散投稿を行うことで広く影響を与える可能性が高いユーザを選定するためのユーザ選定装置であって、
ＳＮＳによる投稿を蓄積する投稿データベースを参照することにより、第一のユーザの投稿を第二のユーザが拡散投稿することで、第三のユーザが当該投稿にインタラクションを行ったかどうかのデータに基づいて、前記第三のユーザがインタラクションを行う条件をモデル化したユーザ影響モデルを構築するユーザ影響モデル構築部と、
前記コミュニティ内の複数のユーザに影響を与えたい話題を入力として受け取り、前記ユーザ影響モデルを利用して、拡散投稿を行うことで前記コミュニティ内の複数のユーザに影響力を与える可能性が高いユーザを算出するユーザ影響力算出部と
を備えるユーザ選定装置が提供される。

開示の技術によれば、情報を拡散することで、ネットワーク内に大きな影響を与えることができるユーザを選定することが可能となる。

本発明の実施の形態における装置構成図である。 ユーザ選定装置の動作を説明するためのフローチャートである。 投稿データベースの例を示す図である。 中間生成データベースの例を示す図である。 フィードフォワードループ構造の例を示す図である。 装置のハードウェア構成例を示す図である。

以下、図面を参照して本発明の実施の形態（本実施の形態）を説明する。以下で説明する実施の形態は一例に過ぎず、本発明が適用される実施の形態は、以下の実施の形態に限られるわけではない。

（実施の形態の概要）
まず、本実施の形態の概要を説明する。本実施の形態では、ユーザＡを示すノード、ユーザＢを示すノード、ユーザＣを示すノードからなる３ノードのフィードフォワードループ構造に基づいて、あるユーザＡが投稿した情報が、ユーザＢによって拡散投稿される。つまり、ユーザＡが投稿した情報を原投稿のまま、もしくはユーザＢの所感を沿えて拡散する投稿が行われ、それをここでの興味関心を引きたいターゲットユーザＣが閲覧したものとする。すなわち、フィードフォワードループ構造とは、ターゲットユーザＣに対し複数のユーザからほぼ同一の情報が伝達されたことを示す最小の構造に相当する。

ここで、通常ＳＮＳ（ソーシャルネットワークサービス）においては、お気に入りに登録しているユーザ（フォローしているユーザ）の情報が自身のホーム画面に表示されることから、ユーザＣはユーザＡとユーザＢをお気に入りに登録していると仮定することでユーザＣが上記の様な閲覧を行う可能性が高いと考える。

ここまでの状況下において、当該の投稿に対して、ユーザＣがインタラクションを行ったか否かのデータに基づいて、例えば、高評価フラグを付与する等の行為を行ったか否かのデータに基づいて、ユーザＣが特定条件下においてインタラクションを行うか、つまりは興味関心を引かれたかの度合いを算出するためのユーザ影響モデルを構築する。

当該モデルを用いて、ある話題に関して、広くコミュニティ内の複数のユーザに影響を与えうるユーザの影響力ランキングを構築し、その話題の投稿を依頼すべきユーザを特定することを可能とする。

上記の方法により、情報を拡散することで、ネットワーク内に大きな影響を与えることができるユーザを特定することが可能となる。以下、上記の動作を実現する装置の構成と動作を詳細に説明する。

（装置構成例）
図１に、本実施の形態におけるユーザ選定装置１００の構成例を示す。ユーザ選定装置１００は、多数の端末１０を接続するネットワーク２００に接続されている。ネットワーク２００は例えばインターネットである。なお、「端末」を「ユーザ」と呼んでもよい。

ネットワーク２００上では、ＳＮＳサービスが提供され、各端末１０によりＳＮＳサービスが利用されている。当該ＳＮＳサービスは、投稿配信、投稿評価（「いいね」等）、拡散投稿等を行うことを可能とするよく知られた一般的なＳＮＳサービスである。拡散投稿の具体例としてリツイート（登録商標）がある。なお、拡散投稿をＲＴと略記してもよい。

図１に示すように、ユーザ選定装置１００は、投稿収集部１１０、投稿データベース１２０、ユーザ影響モデル構築部１３０、ユーザ影響モデル保管部１４０、ユーザ影響力算出部１５０、問い合わせ受付・結果出力部１６０を備える。各部の動作については後述する。

ユーザ選定装置１００は、１つのコンピュータで実現されてもよいし、複数のコンピュータがネットワーク接続されて実現されてもよい。また、ユーザ選定装置１００は、クラウド上の仮想マシンであってもよい。

また、投稿収集部１１０、投稿データベース１２０、ユーザ影響モデル保管部１４０はいずれもユーザ選定装置１００の外部に備えられていてもよい。また、ユーザ影響力算出部１５０内に問い合わせ受付・結果出力部１６０が含まれていてもよい。

（ユーザ選定装置１００の動作例）
以下、図２のフローチャートに示す手順に沿ってユーザ選定装置１００の動作例を説明する。

＜Ｓ１０１：投稿収集＞
Ｓ１０１において、投稿収集部１１０が、ネットワーク２００上のＳＮＳサービスから投稿を収集し、投稿データベース１２０の形式に従う形で整理を行い、投稿データベース１２０に投稿内容を蓄積する。

投稿データベース１２０の形式の例を図３に示す。図３に示すように、投稿データベース１２０は、投稿ＩＤ、投稿ユーザ、投稿ユーザのフォロワー数、投稿内容、ＲＴフラグ（拡散投稿かどうかを示すフラグ）、ＲＴ元投稿ＩＤ（拡散投稿された元の投稿のＩＤ）、投稿ユーザのフォローリスト、「いいね」をしたユーザリストの項目を有する。

＜Ｓ１０２：中間生成データベースを生成＞
Ｓ１０２において、ユーザ影響モデル構築部１３０は、ユーザ影響モデルの構築のために使用するデータを投稿データベース１２０から抽出し、別のデータベース（中間生成データベースと呼ぶ）に保管する。図４に中間生成データベースの形式の例を示す。具体的には下記のようにして中間生成データベースを生成する。

ユーザ影響モデル構築部１３０は、例えば、１日１回深夜にバッチ処理を行うような形で、投稿データベース１２０から、あるユーザＡが投稿した情報が、別のユーザＢにより拡散投稿されたケースにおいて、ユーザＡとユーザＢの両者をお気に入りユーザに登録しているユーザＣが当該拡散投稿された投稿に対して高評価を付与したか否かが判明した場合に、図４に示した各数値を投稿データベース２００から充足する形で１行として保管していく。

図４に加えて図５を参照して例を説明する。図５は、ユーザＡ、ユーザＢ、ユーザＣの３つのノードを有するフィードフォワードループ構造の例を示す。ここでは、図４のレコードの一行目を例にとって説明する。図５における１～５の番号は、図４での１～５の番号に対応する。

図４一行目のユーザ名ａａのユーザが図５のユーザＣであるとする。このとき、図４の「ＲＴユーザ」（拡散投稿をしたユーザ）が図５のユーザＢであり、「ＲＴ元ユーザ」（拡散された投稿を投稿したユーザ）がユーザＡである。

図４の一行目の例において、ユーザＡが投稿した情報が、別のユーザＢにより拡散投稿され、ＡとＢの両者をお気に入りユーザに登録しているユーザＣ（ユーザ名ａａ）が当該投稿に対して高評価を付与している。

この場合、高評価というインタラクションが有なので、「インタラクションの有無」は「ＴＲＵＥ」になる。そして、３に示すユーザＢ（ＲＴユーザ）のフォロワー数、４に示すユーザＣとユーザＢ（ＲＴユーザ）との間のインタラクション数、１に示すユーザＡ（ＲＴ元ユーザ）のフォロワー数、２に示すユーザＣとユーザＡ（ＲＴ元ユーザ）との間のインタラクション数、及び５に示す拡散投稿された投稿のいいねの数が投稿データベース１２０から抽出され、中間生成データベースに格納される。

なお、２に示すユーザＡとユーザＣとの間のインタラクション数とは、例えば、直近ｎ日間において、ユーザＣがユーザＡの投稿に対していいねを行った回数である。４に示すユーザＢとユーザＣとの間のインタラクション数も同様であり、例えば、直近ｎ日間において、ユーザＣがユーザＢの投稿に対していいねを行った回数である。。

投稿データベース１２０から、上記に示した条件に該当するデータを全て中間生成データベースに記録した後、Ｓ１０３に進む。

＜Ｓ１０３：ユーザ影響モデル構築＞
Ｓ１０３において、ユーザ影響モデル構築部１３０は、中間生成データベース（図４）に記録されたデータを用いて、中間生成データベースにおける１～５の各項目の値を説明変数とし、インタラクションの有無に関して、ＴＲＵＥを１、ＦＡＬＳＥを０の形で目的変数とし、ロジスティック回帰を適用して、最尤推定法によって各項目の重みパラメータを得る。このユーザ影響モデルはユーザ毎に算出する。

具体的には、ユーザａａについてのユーザ影響モデルは下記の数式で表される。

上記の数式において、各変数の意味は下記のとおりである。

ｙ＿ａａ…ユーザａａに対する影響度
ａ…ＲＴユーザのフォロワー数
ｂ…ＲＴユーザとのインタラクション数
ｃ…ＲＴ元ユーザのフォロワー数
ｄ…ＲＴ元ユーザとのインタラクション数
ｅ…ＲＴされた投稿のいいねの数
ｋ＿ｎ…最尤推定の結果得られたパラメータ
上記のようなユーザ影響モデルがユーザ毎にユーザ影響モデル保管部１４０に保管される。

ユーザ影響モデル保管部１４０は、ユーザ影響モデルを保管し、ユーザ影響力算出部１５０の求めに応じて、指定されたユーザのユーザ影響モデルを出力する機能を有する。

＜Ｓ１０４：問い合わせ受信＞
Ｓ１０４において、問合せ受付・結果出力部１６０は、広くコミュニティに属するユーザの興味関心を引かせたい話題に関する投稿を問い合わせという形で入力として受信する。

コミュニティに属するユーザとは、例えば、あるＳＮＳサービスを利用しているユーザである。例えば、ある者が、投稿Ｘに対して広くコミュニティに属するユーザの興味関心を引かせたい場合に、その者は、ユーザ選定装置１００に対して、「投稿Ｘ」を問い合わせとして送信し、ユーザ選定装置１００の問合せ受付・結果出力部１６０はこの問い合わせを受信する。

＜Ｓ１０５：ユーザ選定、選定結果出力＞
Ｓ１０５において、ユーザ影響力算出部１５０は、問い合わせ受付・結果出力部１６０から、拡散投稿を実施するユーザ、及び広くコミュニティに属するユーザの興味関心を引かせたい話題に関する投稿を入力という形で受け取る。なお、"拡散投稿を実施するユーザ"とは特定のユーザではなく、拡散投稿を実施する候補となる任意のユーザである。

その後、ユーザ影響力算出部１５０は、当該投稿を実施したユーザ、及び、拡散投稿を実施するユーザの両者をお気に入りユーザとして設定しているユーザ群を抽出する。そして、当該ユーザ群に属するユーザごとのユーザ影響モデルをユーザ影響力保管部１４０に問い合わせた上で、当該ユーザ影響モデルに従い数値を算出する、ことをユーザ群に属するユーザごとに繰り返し、その数値の和を、そのユーザ（拡散投稿を実施するユーザ）のユーザ影響力（ユーザ影響度と呼んでもよい）として問い合わせ受付・結果出力部１６０に出力する。

具体的には、「広くコミュニティに属するユーザの興味関心を引かせたい話題に関する投稿」が「投稿Ｘ」であるとした場合に、図５の構造を例にとって説明すると、「拡散投稿を実施するユーザ」が「ユーザＢ」に対応し、「投稿Ｘを実施したユーザ」が「ユーザＡ」に対応し、「ユーザ群」に属するあるユーザが「ユーザＣ」に対応する。

この場合、ユーザＣに対するユーザ影響モデル（数１の式）において、ａ、ｂ、ｃ、ｄ、ｅはそれぞれ、ユーザＢのフォロワー数、ユーザＣとユーザＢとの間のインタラクション数、ユーザＡのフォロワー数、ユーザＣとユーザＡとの間のインタラクション数、投稿Ｘのいいねの数、として、投稿データベース１２０から得ることができる。

上記のａ、ｂ、ｃ、ｄ、ｅと学習済みのモデルパラメータを使用して、数１の式を計算することにより、ユーザ群に属するあるユーザであるユーザＣに対する、拡散投稿を行うあるユーザであるユーザＢの影響力を算出できる。

上記の計算をユーザ群に属する各ユーザに対して行って、結果の和をとることにより、ユーザＢ（拡散投稿を行うあるユーザ）のユーザ影響力を算出できる。これは、図５において、Ｃを特定せずに、Ｃへの影響度の総和をＢの影響力とすることを意味する。

上記の和まで含めた計算式を下記に示す。下記の計算式による計算は上記の説明における計算と同じである。

上記の式における各変数の意味は下記のとおりである。なお、「トピック」は「投稿」と言い換えてもよい。また、ユーザｉは上記の説明におけるユーザＣに対応し、ユーザａａは上記の説明におけるユーザＢに対応し、トピックＴを投稿したユーザは上記の説明におけるユーザＡに対応する。

Ｉｎｆｌ＿ａａ…ユーザａａの影響力
Ｔ…トピック
ｉ…ユーザ
ａ…ユーザａａのフォロワー数
ｂ…ユーザａａとｉとのインタラクション数
Ｔｃ…トピックＴを投稿したユーザのフォロワー数
Ｔｄ…トピックＴを投稿したユーザとｉとのインタラクション数
Ｔｅ…トピックＴの投稿のいいね数
ｋ＿ｎ…ユーザ影響モデル保管部１４０が保管している最尤推定の結果得られているパラメータ
なお、上述のユーザ群に関しては、ユーザにメタデータ（一例として、年齢や性別、もちろんこれに限らない）が付与されている場合には、例えば、「当該投稿を実施したユーザ、及び、拡散投稿を実施するユーザの両者をお気に入りユーザとして設定しているユーザ群」のうち、２０代女性のみを上記における影響モデルに従い数値を算出する際のユーザ群とすることで、特定のユーザ層に対してのユーザ影響力を算出することも可能である。

問合せ受付・結果出力部１６０は、当該コミュニティに属するユーザごとに、拡散投稿を実施するユーザの候補として、当該投稿と合わせてユーザ影響力算出部１５０の入力として問い合わせを行い、ユーザごとのユーザ影響力を出力として受け取る。このユーザ影響力を数値の降順にしてまとめ、拡散投稿の実施を依頼すべきユーザとして結果を出力する。

一例として、拡散投稿を実施するユーザの候補としてユーザ１、ユーザ２、ユーザ３が存在し、ユーザ１についてユーザ影響力として１００が得られ、ユーザ２についてユーザ影響力として１５００が得られ、ユーザ３についてユーザ影響力として３００が得られた場合、問合せ受付・結果出力部１６０は、ユーザ２、ユーザ３、ユーザ１の順で出力を行う。この出力を受信した者は、例えば、ユーザ２に対して、当該投稿を拡散投稿することを依頼する。

なお、上記の例では、広くコミュニティに属するユーザの興味関心を引かせたい話題に関する投稿という形で問い合わせを入力する例を示したが、これは一例である。話題という粒度で入力を受付け、投稿データベース１２０における投稿内容を検索することにより以降の処理で利用する投稿を定めることとしてもよい。

なお、「投稿」は「話題」の具体例であることから、「話題」の意味に「投稿」が含まれることとしてもよい。

（ハードウェア構成例＞
ユーザ選定装置１００は、例えば、コンピュータにプログラムを実行させることにより実現できる。このコンピュータは、物理的なコンピュータであってもよいし、クラウド上の仮想マシンであってもよい。

すなわち、ユーザ選定装置１００は、コンピュータに内蔵されるＣＰＵやメモリ等のハードウェア資源を用いて、ユーザ選定装置１００で実施される処理に対応するプログラムを実行することによって実現することが可能である。上記プログラムは、コンピュータが読み取り可能な記録媒体（可搬メモリ等）に記録して、保存したり、配布したりすることが可能である。また、上記プログラムをインターネットや電子メール等、ネットワークを通して提供することも可能である。

図６は、上記コンピュータのハードウェア構成例を示す図である。図６のコンピュータは、それぞれバスＢＳで相互に接続されているドライブ装置１０００、補助記憶装置１００２、メモリ装置１００３、ＣＰＵ１００４、インタフェース装置１００５、表示装置１００６、入力装置１００７、出力装置１００８等を有する。

当該コンピュータでの処理を実現するプログラムは、例えば、ＣＤ－ＲＯＭ又はメモリカード等の記録媒体１００１によって提供される。プログラムを記憶した記録媒体１００１がドライブ装置１０００にセットされると、プログラムが記録媒体１００１からドライブ装置１０００を介して補助記憶装置１００２にインストールされる。但し、プログラムのインストールは必ずしも記録媒体１００１より行う必要はなく、ネットワークを介して他のコンピュータよりダウンロードするようにしてもよい。補助記憶装置１００２は、インストールされたプログラムを格納すると共に、必要なファイルやデータ等を格納する。

メモリ装置１００３は、プログラムの起動指示があった場合に、補助記憶装置１００２からプログラムを読み出して格納する。ＣＰＵ１００４は、メモリ装置１００３に格納されたプログラムに従って、ユーザ選定装置１００に係る機能を実現する。インタフェース装置１００５は、ネットワークに接続するためのインタフェースとして用いられる。表示装置１００６はプログラムによるＧＵＩ（Ｇｒａｐｈｉｃａｌ Ｕｓｅｒ Ｉｎｔｅｒｆａｃｅ）等を表示する。入力装置１００７はキーボード及びマウス、ボタン、又はタッチパネル等で構成され、様々な操作指示を入力させるために用いられる。出力装置１００８は演算結果を出力する。

（実施の形態の効果）
本実施の形態に係る技術により、情報を拡散することで、ネットワーク内に大きな影響を与えることができるユーザを選定することが可能となる。これにより、当該選定されたユーザに対して拡散投稿の依頼を行うことが可能となる。

（実施の形態のまとめ）
本明細書には、少なくとも下記各項のユーザ選定装置、ユーザ選定方法、及びプログラムが開示されている。
（第１項）
あるコミュニティに属するユーザに対し、拡散投稿を行うことで広く影響を与える可能性が高いユーザを選定するためのユーザ選定装置であって、
ＳＮＳによる投稿を蓄積する投稿データベースを参照することにより、第一のユーザの投稿を第二のユーザが拡散投稿することで、第三のユーザが当該投稿にインタラクションを行ったかどうかのデータに基づいて、前記第三のユーザがインタラクションを行う条件をモデル化したユーザ影響モデルを構築するユーザ影響モデル構築部と、
前記コミュニティ内の複数のユーザに影響を与えたい話題を入力として受け取り、前記ユーザ影響モデルを利用して、拡散投稿を行うことで前記コミュニティ内の複数のユーザに影響力を与える可能性が高いユーザを算出するユーザ影響力算出部と
を備えるユーザ選定装置。
（第２項）
前記ユーザ影響モデル構築部は、前記第一のユーザのフォロワー数、前記第一のユーザと前記第三のユーザの間でのインタラクションの回数、前記第二のユーザのフォロワー数、前記第二のユーザと前記第三のユーザの間でのインタラクションの回数、前記第一のユーザが投稿した投稿に付与された評価値、及び、前記第三のユーザが当該投稿にインタラクションを行ったかどうかのデータに基づいて前記ユーザ影響モデルを構築する
第１項に記載のユーザ選定装置。
（第３項）
前記ユーザ影響モデル構築部は、ロジスティック回帰モデルにより前記ユーザ影響モデルを構築する
第１項又は第２項に記載のユーザ選定装置。
（第４項）
前記ユーザ影響力算出部は、前記話題についての投稿を実施したユーザ、及び、拡散投稿を実施するユーザ候補の両者をお気に入りユーザとして設定しているユーザ群における各ユーザについて、前記ユーザ影響モデルを利用して影響力を算出し、当該影響力の前記ユーザ群についての和を前記ユーザ候補の影響力として算出する処理を、前記ユーザ候補となる各ユーザに対して実行し、影響力の高い順にユーザを出力する
第１項ないし第３項にうちいずれか１項に記載のユーザ選定装置。
（第５項）
前記ユーザ影響力算出部は、ユーザに付与されたメタデータを活用することで、特定のユーザ層に限定したユーザへの影響力を算出する
第１項ないし第４項のうちいずれか１項に記載のユーザ選定装置。
（第６項）
前記第一のユーザの投稿を前記第二のユーザが拡散投稿することにより、フィードフォワードループ構造が形成される
第１項ないし第５項のうちいずれか１項に記載のユーザ選定装置。
（第７項）
あるコミュニティに属するユーザに対し、拡散投稿を行うことで広く影響を与える可能性が高いユーザを選定するためのユーザ選定装置が実行するユーザ選定方法であって、
ＳＮＳによる投稿を蓄積する投稿データベースを参照することにより、第一のユーザの投稿を第二のユーザが拡散投稿することで、第三のユーザが当該投稿にインタラクションを行ったかどうかのデータに基づいて、前記第三のユーザがインタラクションを行う条件をモデル化したユーザ影響モデルを構築するユーザ影響モデル構築ステップと、
前記コミュニティ内の複数のユーザに影響を与えたい話題を入力として受け取り、前記ユーザ影響モデルを利用して、拡散投稿を行うことで前記コミュニティ内の複数のユーザに影響力を与える可能性が高いユーザを算出するユーザ影響力算出ステップと
を備えるユーザ選定方法。
（第８項）
コンピュータを、第１項ないし第６項のうちいずれか１項に記載のユーザ選定装置の各部として機能させるためのプログラム。

以上、本実施の形態について説明したが、本発明はかかる特定の実施形態に限定されるものではなく、特許請求の範囲に記載された本発明の要旨の範囲内において、種々の変形・変更が可能である。

１０ 端末
１００ ユーザ選定装置
１１０ 投稿収集部
１２０ 投稿データベース
１３０ ユーザ影響モデル構築部
１４０ ユーザ影響モデル保管部
１５０ ユーザ影響力算出部
１６０ 問い合わせ受付・結果出力部
２００ ネットワーク
１０００ ドライブ装置
１００１ 記録媒体
１００２ 補助記憶装置
１００３ メモリ装置
１００４ ＣＰＵ
１００５ インタフェース装置
１００６ 表示装置
１００７ 入力装置
１００８ 出力装置

Claims (8)

1. あるコミュニティに属するユーザに対し、拡散投稿を行うことで広く影響を与える可能性が高いユーザを選定するためのユーザ選定装置であって、
   ＳＮＳによる投稿を蓄積する投稿データベースを参照することにより、第一のユーザの投稿を第二のユーザが拡散投稿することで、第三のユーザが当該投稿にインタラクションを行ったかどうかのデータに基づいて、前記第三のユーザがインタラクションを行う条件をモデル化したユーザ影響モデルを構築するユーザ影響モデル構築部と、
   前記コミュニティ内の複数のユーザに影響を与えたい話題を入力として受け取り、前記ユーザ影響モデルを利用して、拡散投稿を行うことで前記コミュニティ内の複数のユーザに影響力を与える可能性が高いユーザを算出するユーザ影響力算出部と
   を備えるユーザ選定装置。
2. 前記ユーザ影響モデル構築部は、前記第一のユーザのフォロワー数、前記第一のユーザと前記第三のユーザの間でのインタラクションの回数、前記第二のユーザのフォロワー数、前記第二のユーザと前記第三のユーザの間でのインタラクションの回数、前記第一のユーザが投稿した投稿に付与された評価値、及び、前記第三のユーザが当該投稿にインタラクションを行ったかどうかのデータに基づいて前記ユーザ影響モデルを構築する
   請求項１に記載のユーザ選定装置。
3. 前記ユーザ影響モデル構築部は、ロジスティック回帰モデルにより前記ユーザ影響モデルを構築する
   請求項１又は２に記載のユーザ選定装置。
4. 前記ユーザ影響力算出部は、前記話題についての投稿を実施したユーザ、及び、拡散投稿を実施するユーザ候補の両者をお気に入りユーザとして設定しているユーザ群における各ユーザについて、前記ユーザ影響モデルを利用して影響力を算出し、当該影響力の前記ユーザ群についての和を前記ユーザ候補の影響力として算出する処理を、前記ユーザ候補となる各ユーザに対して実行し、影響力の高い順にユーザを出力する
   請求項１ないし３にうちいずれか１項に記載のユーザ選定装置。
5. 前記ユーザ影響力算出部は、ユーザに付与されたメタデータを活用することで、特定のユーザ層に限定したユーザへの影響力を算出する
   請求項１ないし４のうちいずれか１項に記載のユーザ選定装置。
6. 前記第一のユーザの投稿を前記第二のユーザが拡散投稿することにより、フィードフォワードループ構造が形成される
   請求項１ないし５のうちいずれか１項に記載のユーザ選定装置。
7. あるコミュニティに属するユーザに対し、拡散投稿を行うことで広く影響を与える可能性が高いユーザを選定するためのユーザ選定装置が実行するユーザ選定方法であって、
   ＳＮＳによる投稿を蓄積する投稿データベースを参照することにより、第一のユーザの投稿を第二のユーザが拡散投稿することで、第三のユーザが当該投稿にインタラクションを行ったかどうかのデータに基づいて、前記第三のユーザがインタラクションを行う条件をモデル化したユーザ影響モデルを構築するユーザ影響モデル構築ステップと、
   前記コミュニティ内の複数のユーザに影響を与えたい話題を入力として受け取り、前記ユーザ影響モデルを利用して、拡散投稿を行うことで前記コミュニティ内の複数のユーザに影響力を与える可能性が高いユーザを算出するユーザ影響力算出ステップと
   を備えるユーザ選定方法。
8. コンピュータを、請求項１ないし６のうちいずれか１項に記載のユーザ選定装置の各部として機能させるためのプログラム。

Images