JP2023057113A - 情報処理装置、学習装置、情報処理方法、学習情報の生産方法、およびプログラム - Google Patents

Abstract

【課題】従来、複数の商品情報が掲載される電子カタログやウェブページ等の商品群コンテンツの提案を行うことが困難であった。
【解決手段】商品に関する商品情報の１以上の属性値を有する１または２以上の商品属性情報と、１以上の商品の販売に関する販売情報とを有する学習対象情報を学習した学習情報が格納される学習情報格納部と、１以上の属性値を有する１または２以上の対象商品情報を受け付ける受付部と、１以上の各対象商品情報が有する１以上の属性値を学習情報に適用し、販売情報を取得する販売情報取得部と、販売情報を出力する出力部とを具備する情報処理装置により、複数の商品情報が掲載される商品群コンテンツの提案を行える。
【選択図】図２

Description

本発明は、電子カタログやウェブページ等の商品群コンテンツに関する情報処理を行う情報処理装置等に関するものである。

従来技術において、商品販売システムと連動している電子カタログに基づいて、自由にレイアウト可能であって、商品販売システムとの連動が維持されたプレゼンシートを作成することが可能な電子カタログ編集装置があった（例えば、特許文献１参照）。

特開２０１３－２４２６３４号公報

しかしながら、従来技術においては、販売状況が良い、または販売状況が良くなると推定される商品群コンテンツの提案を行うことが困難であった。なお、商品群コンテンツとは、例えば、複数の商品情報が掲載される電子カタログやウェブページ等である。

本第一の発明の情報処理装置は、商品に関する商品情報の１以上の属性値を有する１または２以上の商品属性情報と、１以上の商品の販売に関する販売情報とを有する学習対象情報を学習した学習情報が格納される学習情報格納部と、１以上の属性値を有する１または２以上の対象商品情報を受け付ける受付部と、１以上の各対象商品情報が有する１以上の属性値を学習情報に適用し、販売情報を取得する販売情報取得部と、販売情報を出力する出力部とを具備する情報処理装置である。

かかる構成により、１以上の商品の商品情報である商品群コンテンツの効果である商品の販売情報を予測できる。

また、本第二の発明の情報処理装置は、第一の発明に対して、対象商品情報が有する１以上の属性値は、商品自体の属性値である商品自体属性値、商品情報が有する商品画像の属性値である画像属性値、商品情報が有する商品に関する文字列である商品文字列の属性値である文字列属性値、商品情報の配置の属性値である配置属性値、商品情報の周辺に配置されている商品情報の属性値のうち、１種類以上の属性値を含む情報処理装置である。

かかる構成により、商品群コンテンツの効果である商品の販売情報を予測できる。

また、本第三の発明の情報処理装置は、第二の発明に対して、受付部は、商品自体属性値、画像属性値、のうちの１種類以上の属性値を有する１または２以上の対象商品情報を受け付け、１以上の各対象商品情報の１以上の配置属性値を有する配置パターンの情報である２以上の配置パターン情報を取得する配置パターン情報取得部をさらに具備し、販売情報取得部は、受付部が受け付けた１種類以上の属性値と、配置パターン情報取得部が取得した配置パターン情報とを学習情報に適用し、販売情報を取得することを、２以上の各配置パターン情報ごとに行い、販売情報取得部が取得した２以上の各配置パターン情報ごとの販売情報に対して、予め決められた条件を満たすほど、販売状況が良好であるか否かを判断する判断部と、判断部が販売状況が良好であると判断した場合の配置パターン情報に従って、２以上の対象商品情報を配置し、商品群コンテンツを構成する構成部とをさらに具備し、出力部は、構成部が構成した商品群コンテンツ、または構成部が構成した商品群コンテンツと販売情報とを出力する情報処理装置である。

かかる構成により、販売状況が良いと推定される商品情報の配置を提案できる。

また、本第四の発明の情報処理装置は、第二の発明に対して、受付部は、１以上の属性値を有する１または２以上の対象商品情報を受け付け、受付部が受け付けた１以上の属性値のうちの一部の属性値を変更する属性値変更部をさらに具備し、販売情報取得部は、属性値変更部が変更した属性値と、受付部が受け付けた１以上の属性値の中で属性値変更部が変更していない属性値とを学習情報に適用し、販売情報を取得し、販売情報取得部が取得した販売情報が、予め決められた条件を満たすほど、販売状況が良好であるか否かを判断する判断部と、判断部が販売状況が良好であると判断した場合の属性値を用いて、１以上の対象商品情報を配置し、商品群コンテンツを構成する構成部とをさらに具備し、出力部は、構成部が構成した商品群コンテンツ、または構成部が構成した商品群コンテンツと販売情報とを出力する情報処理装置である。

かかる構成により、販売状況が良いと推定される商品情報の属性値の変更を提案できる。

また、本第五の発明の情報処理装置は、第四の発明に対して、属性値変更部は、受付部が受け付けた１以上の属性値のうちの、商品自体属性値、画像属性値、文字列属性値のいずれかを変更する情報処理装置である。

かかる構成により、販売状況が良いと推定される商品情報の属性値の変更を提案できる。

また、本第六の発明の情報処理装置は、第四の発明に対して、属性値変更部は、受付部が受け付けた１以上の属性値のうちの配置属性値を変更する情報処理装置である。

かかる構成により、販売状況が良いと推定される商品情報の配置の変更を提案できる。

また、本第七の発明の情報処理装置は、第一から第六の発明における情報処理装置が使用する学習情報を構成する学習装置であって、商品に関する商品情報の１以上の属性値を有する１または２以上の商品属性情報と、１以上の商品の販売に関する販売情報とを有する学習対象情報を学習した学習情報が格納される学習情報格納部と、学習対象情報を受け付ける受付部と、学習対象情報を機械学習のアルゴリズムにより学習し、学習情報を取得し、当該学習情報を学習情報格納部に蓄積する学習部とを具備する学習装置である。

かかる構成により、学習情報が容易に取得できる。

本発明による情報処理装置によれば、１以上の商品の商品情報が掲載される商品群コンテンツの提案を行える。

実施の形態１における情報システムＡの概念図を示す図 同情報システムＡのブロック図 同情報処理装置１の動作例について説明するフローチャート 同商品群コンテンツ取得処理の例について説明するフローチャート 同パターン情報取得処理の例について説明するフローチャート 同端末装置２の動作例について説明するフローチャート 同属性値条件管理表を示す図 同レイアウト情報管理表を示す図 同商品情報管理表を示す図 同商品情報管理表を示す図 同自動車カタログのウェブページの例を示す図 同自動車の販売実績の例を示す図 同属性値管理表を示す図 同自動車カタログのウェブページの例を示す図 同出力例を示す図 同出力例を示す図 同学習装置３のブロック図の例を示す図 同コンピュータシステムの概観図 同コンピュータシステムのブロック図

以下、情報処理装置等の実施形態について図面を参照して説明する。なお、実施の形態において同じ符号を付した構成要素は同様の動作を行うので、再度の説明を省略する場合がある。

（実施の形態１）

本実施の形態において、電子カタログやウェブページ等の１以上の商品情報である商品群コンテンツに掲載されている商品の販売状況が予測できる情報処理装置を含む情報システムについて説明する。さらに具体的には、本実施の形態において、１または２以上の商品属性情報と販売情報とを有する学習対象情報を学習した学習情報が格納され、１以上の属性値を有する１または２以上の対象商品情報を受け付け、販売情報を出力する情報処理装置を含む情報システムについて説明する。なお、商品は、ここでは、販売対象という意味であり、サービスも含み、広く解釈する。

また、本実施の形態において、販売状況が良い、または販売状況が良くなると推定できる商品情報の配置の変更や商品情報の属性値の変更等を提案できる情報処理装置を含む情報システムについて説明する。

また、本実施の形態において、販売状況が良い、または販売状況が良くなると推定できる商品群コンテンツを提案できる情報処理装置を含む情報システムについて説明する。

図１は、本実施の形態における情報システムＡの概念図である。情報システムＡは、情報処理装置１、および１または２以上の端末装置２を備える。情報処理装置１は、ここではいわゆるサーバ装置である。情報処理装置１は、例えば、クラウドサーバやＡＳＰサーバであるが、そのタイプや設置場所は問わない。端末装置２は、スマートフォンやタブレット端末や携帯電話等の携帯端末、いわゆるパソコン等であり、そのタイプは問わない。

図２は、本実施の形態における情報システムＡのブロック図である。

情報処理装置１は、格納部１１、受付部１２、処理部１３、および出力部１４を備える。格納部１１は、学習情報格納部１１１、および属性値条件格納部１１２を備える。処理部１３は、学習部１３１、配置パターン情報取得部１３２、属性値変更部１３３、販売情報取得部１３４、判断部１３５、および構成部１３６を備える。販売情報取得部１３４は、属性値集合取得手段１３４１、および販売情報取得手段１３４２を備える。

端末装置２は、端末格納部２１、端末受付部２２、端末処理部２３、端末送信部２４、端末受信部２５、および端末出力部２６を備える。

情報処理装置１を構成する格納部１１は、各種の情報が格納される。各種の情報とは、例えば、後述する学習情報、後述する属性値条件、１または２以上のレイアウト情報、１または２以上の対象商品情報、または１または２以上の対象商品情報を有する商品群コンテンツ等である。対象商品情報は、情報処理装置１の処理対象の商品情報である。

レイアウト情報とは、１または２以上の商品情報の配置を決定するための情報である。レイアウト情報は、例えば、商品情報の配置位置を示す配置属性値（例えば、領域の左上の座標値）、および配置属性値により決定される領域に配置され得る商品情報の１以上の属性値の集合である。商品情報は、商品に関する情報であり、電子カタログやウェブページ等の商品群コンテンツに配置されるコンテンツである。商品群コンテンツは、一つの商品情報を含む情報でも良い。商品群コンテンツは、ページの概念を有するコンテンツでも良いし、ページの概念を有さないコンテンツでも良い。
商品情報は、例えば、商品画像、商品文字列商品動画、商品音声等を有する。商品画像は、商品の画像である。商品文字列は、商品を説明する文字列である。商品動画は商品を説明する動画である。商品音声は商品を説明する音声である。なお、商品情報に対応付けて、当該商品情報の１以上の属性値が格納されていても良い。

商品情報の属性値は、例えば、商品自体属性値、画像属性値、文字列属性値、動画属性値、音声属性値、配置属性値などである。商品自体属性値は、商品自体の属性値であり、例えば、商品の色、商品の形状、商品の重量、商品のタイプ、商品の種類等である。画像属性値は、商品情報が有する商品画像の属性値であり、例えば、商品画像の大きさ、商品画像の色、商品画像の解像度、商品画像の輝度、商品画像の形状である。商品画像の色とは、例えば、商品画像を構成する画素値の色成分の平均値である。商品画像の輝度とは、例えば、商品画像を構成する画素の輝度の平均値である。文字列属性値は、商品を説明する文字列の属性値であり、例えば、フォント、文字サイズ、長さである。動画属性値は商品情報が有する商品動画の属性値であり、例えば、商品動画の１以上の特徴量を含む。特徴量は、例えば、商品動画の長さ、商品動画の解像度、商品動画に字幕が有るか無いかを示す情報、商品動画にＣＭが有るか無いかを示す情報、商品動画の視聴された回数を示す情報、商品動画にコメントが有るか無いかを示す情報、商品動画が分割されているか否かを示す情報、その他の商品動画の各種の特徴量、商品動画を構成する静止画の特徴量である。なお、動画の特徴量、静止画の特徴量には、種々あり得、特徴量を取得する技術は公知技術である。音声属性値は商品情報が有する音声情報の属性値であり、例えば、商品音声の１以上の特徴量を含む。特徴量は、例えば、商品音声の長さ、商品音声の音量、商品音声の音質、商品音声のキー、商品音声の発声者の性別、商品音声にＢＧＭがあるか否かを示す情報、ＢＧＭの挿入位置、商品音声に効果音があるか否かを示す情報、効果音の挿入位置、その他の音声の特徴量である。なお、音声の特徴量には、種々あり得、特徴量を取得する技術は公知技術である。配置属性値は、商品情報の配置の属性値であり、絶対配置属性値または商品情報の周辺の商品情報の属性値等がある。絶対配置属性値は、商品情報自体の配置に関する属性値であり、例えば、ページ内の位置［例えば、上，中、下、左、中央、右］）、座標値、ページ番号等がある。また、商品情報の周辺の商品情報は、例えば、商品情報に隣接する商品情報、商品情報と同一ページに配置されている商品情報である。また、販売情報は、商品の販売に関する情報である。また、販売情報は、例えば、販売数、販売総額などである。販売情報は、２以上の商品の販売総額や総販売数が好適であるが、２以上の各商品の販売額や販売数でも良い。

学習情報格納部１１１は、学習情報が格納される。

学習情報は、例えば、学習部１３１が学習を行い、取得した情報である。なお、学習部１３１の詳細については後述する。学習情報は、例えば、学習対象情報を学習した情報である。また、学習対象情報は、１または２以上の商品属性情報と販売情報とを有する。商品属性情報は、商品情報に対応する１以上の属性値を有する。商品情報に対応する１以上の属性値とは、商品情報が有する１以上の属性値でも良いし、商品情報にリンク付いている１以上の属性値でも良いし、商品情報から取得され得る１以上の属性値でも良い。学習対象情報は、商品群コンテンツと販売情報とを有する情報でも良い。学習対象情報は、商品群コンテンツから取得された２以上の商品属性情報と販売情報とを有する情報でも良い。

学習情報は、１または２以上の各商品情報の１以上の属性値と販売情報との組を複数組有する情報でも良い。

属性値条件格納部１１２には、属性値が採り得る条件に関する１以上の属性値条件が格納される。属性値条件は、属性値を識別する属性識別子、属性値変更条件を有する。

属性識別子は、例えば、属性名、ＩＤである。属性名は、例えば、商品の色を示す「色」、商品の形状を示す「形状」、商品の重量を示す「重量」、商品のタイプを示す「タイプ」、商品画像の大きさを示す「画像サイズ」、商品画像の色を示す「画像色」、商品画像の解像度を示す「解像度」、商品画像の輝度を示す「輝度」、商品画像の形状を示す「画像形状」、商品を説明する文字列のフォントを示す「フォント」、「文字サイズ」、商品を説明する文字列の長さを示す「文字列長」、商品を説明する動画の再生時間を示す「動画時間」、商品を説明する音声の種類を示す「音声タイプ」、ページ内の位置を示す「ページ内位置」、ページ内の座標値を示す「座標値」、商品情報が配置されるページ番号を示す「ページ番号」、周辺の商品情報の商品画像の大きさを示す「周辺画像サイズ」、周辺の商品情報の商品画像の解像度を示す「周辺画像解像度」、周辺の商品情報の文字サイズを示す「周辺商品文字サイズ」、周辺の商品情報の文字列の長さを示す「周辺商品文字列長」等である。「周辺画像サイズ」は、例えば、隣接する上側の商品画像のサイズである「上商品画像サイズ」、隣接する横の商品画像のサイズである「横商品画像サイズ」、隣接する下側の商品画像のサイズである「下商品画像サイズ」等である。「周辺画像解像度」は、例えば、隣接する上側の商品画像の解像度である「上商品画像解像度」、隣接する横の商品画像の解像度である「横商品画像解像度」、隣接する下側の商品画像の解像度である「下商品画像解像度」等である。「周辺商品文字サイズ」は、例えば、隣接する上側の商品文字列の文字サイズである「上商品文字サイズ」、隣接する横の商品文字列の文字サイズである「横商品文字サイズ」、隣接する下側の商品文字列の文字サイズである「下商品文字サイズ」等である。「周辺商品文字列長」は、例えば、隣接する上側の商品文字列の長さである「上商品文字列長」、隣接する横の商品文字列の長さである「横商品文字列長」、隣接する下側の商品文字列の長さである「下商品文字列長」等である。

属性値変更条件は、例えば、属性値が採り得る候補の情報の集合、属性値が採り得る値の範囲の情報である。属性値が採り得る候補の情報の集合は、例えば、「フォント＝ゴシック体，明朝体，・・・」、「文字サイズ＝１０ｐｔ，１２ｐｔ，１４ｐｔ，・・・」、「ページ内位置＝（１番目，左），（１番目，右），（２番目，左），（３番目，右），（３番目，左），（３番目，右），・・・」である。属性値が採り得る値の範囲の情報は、例えば、「（ｘ１，ｙ１）＜＝画像サイズ＜＝（ｘ２，ｙ２）（ｘ１，ｘ２は幅、ｙ１，ｙ２は高さである）」「１＜＝ページ番号＜＝１０」「１０ｐｔ＜＝周辺商品文字サイズ＜＝１６ｐｔ」である。

受付部１２は、１以上の属性値を有する１または２以上の対象商品情報を受け付ける。対象商品情報は、通常、出力される商品群コンテンツを構成する商品情報である。対象商品情報は、例えば、出力される商品群コンテンツを構成する商品情報が有する１以上の属性値でも良い。

ここで、１以上の属性値は、商品自体属性値、画像属性値のうちの１種類以上の属性値であることは好適である。

受付部１２は、例えば、学習指示、提案指示、販売予測指示を受け付けても良い。

学習指示は、学習対象情報を有する。学習対象情報は、学習させる情報である。学習対象情報は、販売情報取得部１３４が販売情報を取得するために使用される情報である。学習対象情報は、１または２以上の各商品の商品属性情報と、販売情報とを有する。商品属性情報は、商品情報の１以上の属性値を有する。

提案指示は、商品群コンテンツの提案を行う指示である。提案指示は、良好な販売状況となると推定される商品群コンテンツを出力する指示でも良いし、販売状況が改善されると推定される商品群コンテンツを出力する指示でも良い。提案指示は、例えば、１または２以上の対象商品情報を有する。提案指示は、例えば、商品群コンテンツを有する。提案指示が商品群コンテンツを有する場合、例えば、受付部１２は、当該商品群コンテンツが有する１または２以上の各商品情報の１以上の属性値を取得する。かかる１以上の属性値は、対象商品情報である。

販売予測指示は、販売予測を出力させる指示である。販売予測指示は、例えば、１または２以上の対象商品情報を有する。販売予測指示は、例えば、商品群コンテンツを有する。販売予測指示が商品群コンテンツを有する場合、例えば、受付部１２は、当該商品群コンテンツが有する１または２以上の各商品情報の１以上の属性値を取得する。かかる１以上の属性値は、対象商品情報である。

ここで、受け付けとは、通常、端末装置２からの受信であるが、キーボードやマウス、タッチパネルなどの入力デバイスから入力された情報の受け付け、光ディスクや磁気ディスク、半導体メモリなどの記録媒体から読み出された情報の受け付けなどを含む概念である。受け付けとは、対象となる情報や指示を取得できる処理であれば良い。

受け付けが入力デバイスから入力された情報の受け付けである場合、その入力手段は、タッチパネルやキーボードやマウスやメニュー画面によるもの等、何でも良い。かかる場合、受付部１２は、タッチパネルやキーボード等の入力手段のデバイスドライバーや、メニュー画面の制御ソフトウェア等で実現され得る。

処理部１３は、各種の処理を行う。各種の処理とは、例えば、学習部１３１、配置パターン情報取得部１３２、属性値変更部１３３、販売情報取得部１３４、判断部１３５、構成部１３６が行う処理である。

学習部１３１は、学習対象情報を機械学習のアルゴリズムにより学習し、学習情報を取得する。ここで、機械学習とは、例えば、ＳＶＲ、深層学習、決定木、ランダムフォレスト、ＳＶＭ等である。ただし、機械学習のアルゴリズムは問わない。

学習対象情報は、１または２以上の商品属性情報と販売情報とを有する。商品属性情報は、商品情報の１以上の属性値を有する。販売情報は、通常、１または２以上の商品属性情報に対応する１または２以上の商品の販売に関する情報である。学習対象情報が有する販売情報は、当該学習対象情報が有する１以上の各商品属性情報に対応する１以上の商品情報を含む商品群コンテンツを用いて、販売された情報であることは好適である。

学習対象情報は、商品群コンテンツと販売情報でも良い。かかる場合、学習部１３１は、当該商品群コンテンツから、１または２以上の商品属性情報を取得する。そして、学習部１３１は、取得した１以上の商品属性情報と、学習対象情報が有する販売情報を、機械学習のアルゴリズムにより学習し、学習情報を取得する。

学習情報は、商品の１以上の属性値を適用した場合に、販売情報が得られるための情報であれば良い。

なお、学習部１３１の処理は公知技術であるので、詳細な説明は省略する。また、学習情報は、例えば、１または２以上の商品属性情報と販売情報との組を複数有する情報でも良い。また、学習情報は、例えば、１または２以上の商品属性情報と販売情報とを対応付ける複数の対応情報でも良い。

配置パターン情報取得部１３２は、２以上の配置パターン情報を取得する。配置パターン情報は、１または２以上の各対象商品情報の１以上の配置属性値を有する情報であり、配置パターンの情報である。

配置パターン情報取得部１３２は、例えば、受付部１２が受け付けた２以上の各対象商品情報の配置順序を、各対象商品情報に対して付加する。なお、かかる場合、配置パターン情報取得部１３２は、例えば、ランダムに、１から順に、配置順序を、任意に選択した対象商品情報に対して、付加しても良い。また、配置パターン情報取得部１３２は、例えば、予め決められた条件（１以上の属性値を用いた条件）に基づいて、各対象商品情報の配置順序を決定し（商品情報をソートし）、当該配置順序を各対象商品情報に対して付加する。また、配置パターン情報取得部１３２は、例えば、予め決められた２以上の各レイアウト情報に従って、１または２以上の対象商品情報を配置し、１または２以上の各対象商品情報の配置属性値を取得する。なお、配置パターン情報は、１または２以上の商品情報を商品群コンテンツの中に配置するための情報である。配置パターン情報が決定されれば、通常、１または２以上の商品情報の配置が決定される。

属性値変更部１３３は、受付部１２が受け付けた１または２以上の各対象商品情報が有する１以上の属性値のうちの一部の属性値を変更する。属性値変更部１３３がどのように属性値を変更するかは問わない。ただし、属性値変更部１３３は、属性値条件に合致するように、属性値を変更することは好適である。属性値条件が、例えば、属性値が採り得る候補の情報の集合である場合、属性値変更部１３３は、例えば、属性値が採り得る候補の中から一の候補を選択し、当該一の候補を変更後の属性値に決定する。また、属性値条件が、例えば、属性値が採り得る値の範囲の情報である場合、属性値変更部１３３は、例えば、当該範囲からランダムに一の値を取得し、当該値を変更後の属性値に決定する。

属性値変更部１３３は、受付部１２が受け付けた１または２以上の各対象商品情報が有する１以上の属性値のうちの、商品自体属性値、画像属性値、文字列属性値のいずれかを変更しても良い。

属性値変更部１３３は、受付部１２が受け付けた１または２以上の各対象商品情報が有する１以上の属性値のうちの配置属性値を変更しても良い。

販売情報取得部１３４は、受付部１２が受け付けた１または２以上の各対象商品情報が有する１以上の属性値を学習情報に適用し、販売情報を取得する。なお、ここでの販売情報は、販売予測の情報である、と言える。

１以上の属性値を学習情報に適用する処理は、例えば、機械学習のアルゴリズムを用いる処理である。また、１以上の属性値を学習情報に適用する処理は、例えば、１以上の属性値に最も近い１以上の属性値を学習情報から選択し、当該選択した学習情報が有する販売情報を取得する処理である。

１以上の属性値を学習情報に適用する処理は、例えば、受付部１２が受け付けた１または２以上の各対象商品情報が有する１以上の属性値に最も近い１以上の属性値を学習情報から選択し、当該選択した１以上の属性値と対になる販売情報を学習情報から取得する処理である。

販売情報取得部１３４は、例えば、機械学習のアルゴリズムを用いて、対象商品情報を学習情報に適用し、販売情報を取得する。なお、機械学習は、例えば、ＳＶＲ、深層学習、決定木、ランダムフォレスト、ＳＶＭ等である。また、ここで受付部１２が受け付けた２以上の対象商品情報は、販売情報を含まないことは好適である。

販売情報取得部１３４は、受付部１２が受け付けた１種類以上の属性値と、配置パターン情報取得部１３２が取得した配置パターン情報とを学習情報に適用し、販売情報を取得することを、２以上の各配置パターン情報ごとに行うことは好適である。２以上の配置パターン情報とは、配置パターン情報取得部１３２が取得した配置パターン情報である。

販売情報取得部１３４は、属性値変更部１３３が変更した属性値と、受付部１２が受け付けた１以上の属性値の中で属性値変更部１３３が変更していない属性値とを学習情報に適用し、販売情報を取得することは好適である。

販売情報取得部１３４は、属性値変更部１３３により属性値の変更の組み合わせごとに、属性値変更部１３３が変更した属性値と、受付部１２が受け付けた１以上の属性値の中で属性値変更部１３３が変更していない属性値とを学習情報に適用し、販売情報を取得することは好適である。

属性値集合取得手段１３４１は、１または２以上の属性値集合を取得する。属性値集合は、受付部１２が受け付けた１または２以上の各対象商品情報が有する１以上の属性値のみから取得される属性値の集合でも良い。また、属性値集合は、受付部１２が受け付けた１または２以上の各対象商品情報が有する１以上の属性値に加えて、配置パターン情報取得部１３２が取得した１以上の配置属性値から、取得される属性値の集合でも良い。また、属性値集合は、受付部１２が受け付けた１または２以上の各対象商品情報が有する１以上の属性値のうち、属性値変更部１３３により変更されていない属性値、および属性値変更部１３３により変更された属性値から、取得される属性値の集合でも良い。また、属性値集合は、受付部１２が受け付けた１または２以上の各対象商品情報が有する１以上の属性値のうち、属性値変更部１３３により変更されていない属性値、属性値変更部１３３により変更された属性値、および配置パターン情報取得部１３２が取得した１以上の配置属性値から、取得される属性値の集合でも良い。属性値集合取得手段１３４１が取得する属性値集合と、受付部１２が受け付けた１または２以上の各対象商品情報が有する１以上の属性値等との構造は同じでも良いし、異なっていても良い。

属性値集合取得手段１３４１は、１または２以上の各属性に対して、各属性に対応する属性値変更条件を満たすように、属性値の採り得る値を取得し、当該属性値の採り得る値の集合から、採り得る属性値の組み合わせを取得することは好適である。属性値の組み合わせは、属性値集合と言っても良い。

販売情報取得手段１３４２は、属性値集合取得手段１３４１が取得した属性値集合を、学習情報に適用し、販売情報を取得する。販売情報取得手段１３４２は、例えば、属性値集合取得手段１３４１が取得した属性値集合を、学習情報に適用し、機械学習のアルゴリズムにより販売情報を取得する。また、販売情報取得手段１３４２は、例えば、属性値集合取得手段１３４１が取得した属性値集合に類似度が予め決められた条件を満たすほど大きい１以上の属性値を学習情報から検索し、当該１以上の属性値と対になる１または２以上の販売情報を学習情報から取得する。なお、販売情報取得手段１３４２は、例えば、属性値集合取得手段１３４１が取得した属性値集合に類似度が最も大きい１以上の属性値を学習情報から検索し、当該１以上の属性値と対になる販売情報を学習情報から取得する。

判断部１３５は、販売情報取得部１３４が取得した２以上の各配置パターン情報ごとの販売情報に対して、予め決められた条件を満たすほど、販売状況が良好であるか否かを判断する。予め決められた条件とは、例えば、販売総額である販売情報が閾値以上または閾値より大きいことである。また、予め決められた条件とは、例えば、総販売数である販売情報が閾値以上または閾値より大きいことである。また、予め決められた条件とは、例えば、受け付けられた販売情報と比較して、販売状況が改善されていることである。かかることは、例えば、受け付けられた販売総額より取得された販売総額が大きいこと、受け付けられた販売総数より取得された販売総数が多いことである。なお、受け付けられた販売総額や受け付けられた販売総数は、通常、改善する商品群コンテンツの販売実績の情報である。

判断部１３５は、販売情報取得部１３４が取得した販売情報が、予め決められた条件を満たすほど、販売状況が良好であるか否かを判断する。

構成部１３６は、例えば、判断部１３５が販売状況が良好であると判断した場合の配置パターン情報に従って、１または２以上の対象商品情報を配置し、商品群コンテンツを構成する。

構成部１３６は、例えば、判断部１３５が販売状況が良好であると判断した場合の属性値を用いて、１または２以上の対象商品情報を配置し、商品群コンテンツを構成する。

２以上の販売情報が取得された場合、構成部１３６は、予め決められた条件を満たす販売情報を選択しても良い。そして、構成部１３６は、選択した販売情報に対応する属性値を用いて、１または２以上の対象商品情報を配置し、商品群コンテンツを構成する。

出力部１４は、例えば、販売情報取得部１３４が取得した販売情報を出力する。出力部１４は、例えば、構成部１３６が構成した商品群コンテンツを出力する。また、出力部１４は、例えば、構成部１３６が構成した商品群コンテンツと販売情報取得部１３４が取得した販売情報とを出力する。なお、出力部１４が出力する商品群コンテンツは、一つの商品の情報でも良い。

ここで、出力とは、通常、外部の装置（通常、端末装置２）への送信であるが、ディスプレイへの表示、プロジェクターを用いた投影、プリンタでの印字、音出力、記録媒体への蓄積、他の処理装置や他のプログラムなどへの処理結果の引渡しなどを含む概念であると考えても良い。

なお、出力が販売情報の引渡しである場合、例えば、判断部１３５への販売情報の引渡しである。

端末装置２を構成する端末格納部２１は、各種の情報が格納される。各種の情報とは、例えば、ユーザを識別するユーザ識別子である。各種の情報は、例えば、端末受信部２５が受信した情報である。なお、ユーザ識別子は、端末装置２を識別する情報でも良い。

端末受付部２２は、各種の指示や情報等を受け付ける。各種の指示や情報等とは、例えば、学習指示、提案指示、販売予測指示、学習対象情報、１または２以上の対象商品情報等である。ここで、受け付けとは、キーボードやマウス、タッチパネルなどの入力デバイスから入力された情報の受け付け、有線もしくは無線の通信回線を介して送信された情報の受信、光ディスクや磁気ディスク、半導体メモリなどの記録媒体から読み出された情報の受け付けなどを含む概念である。

各種の指示や情報等の入力手段は、タッチパネルやキーボードやマウスやメニュー画面によるもの等、何でも良い。端末受付部２２は、タッチパネルやキーボード等の入力手段のデバイスドライバーや、メニュー画面の制御ソフトウェア等で実現され得る。

端末処理部２３は、各種の処理とは、例えば、端末受信部２５が受信した情報を表示されるデータに構成する処理である。各種の処理とは、例えば、端末受付部２２が受け付けた指示等を送信する指示等に構成する処理である。

端末送信部２４は、各種の指示や情報等を情報処理装置１に送信する。各種の指示や情報等とは、例えば、端末処理部２３が構成した指示、端末受付部２２が受け付けた指示や情報等である。

端末受信部２５は、各種の情報を情報処理装置１から受信する。各種の情報とは、例えば、販売情報、商品群コンテンツである。

端末出力部２６は、各種の情報を取得する。各種の情報とは、例えば、端末受付部２２が受け付けた情報、端末受信部２５が受信した情報、端末処理部２３が構成した情報である。各種の情報とは、例えば、販売情報、商品群コンテンツである。

ここで、出力とは、ディスプレイへの表示、プロジェクターを用いた投影、プリンタでの印字、音出力、外部の装置への送信、記録媒体への蓄積、他の処理装置や他のプログラムなどへの処理結果の引渡しなどを含む概念である。

格納部１１、学習情報格納部１１１、属性値条件格納部１１２、および端末格納部２１は、不揮発性の記録媒体が好適であるが、揮発性の記録媒体でも実現可能である。

格納部１１等に情報が記憶される過程は問わない。例えば、記録媒体を介して情報が格納部１１等で記憶されるようになってもよく、通信回線等を介して送信された情報が格納部１１等で記憶されるようになってもよく、あるいは、入力デバイスを介して入力された情報が格納部１１等で記憶されるようになってもよい。

処理部１３、学習部１３１、配置パターン情報取得部１３２、属性値変更部１３３、販売情報取得部１３４、判断部１３５、構成部１３６、および端末処理部２３は、通常、ＭＰＵやメモリ等から実現され得る。処理部１３等の処理手順は、通常、ソフトウェアで実現され、当該ソフトウェアはＲＯＭ等の記録媒体に記録されている。但し、ハードウェア（専用回路）で実現しても良い。

出力部１４、および端末送信部２４は、通常、無線または有線の通信手段で実現されるが、放送手段で実現されても良い。

なお、出力部１４は、出力デバイスのドライバーソフトまたは、出力デバイスのドライバーソフトと出力デバイス等で実現されても良い。

端末出力部２６は、ディスプレイやスピーカー等の出力デバイスを含むと考えても含まないと考えても良い。端末出力部２６は、出力デバイスのドライバーソフトまたは、出力デバイスのドライバーソフトと出力デバイス等で実現され得る。

次に、情報システムＡの動作について説明する。まず、情報処理装置１の動作例について、図３のフローチャートを用いて説明する。

（ステップＳ３０１）受付部１２は、学習指示を受け付けたか否かを判断する。学習指示を受け付けた場合はステップＳ３０２に行き、学習指示を受け付けない場合はステップＳ３０４に行く。

（ステップＳ３０２）学習部１３１は、ステップＳ３０１で受け付けた学習指示が有する学習対象情報を取得する。そして、学習部１３１は、学習対象情報が有する２以上の各商品情報が有する１以上の属性値を取得する。また、学習部１３１は、学習対象情報が有する販売情報を取得する。そして、学習部１３１は、取得した２以上の属性値と販売情報とを対にして機械学習の処理を行い、学習情報を取得する。なお、かかる学習情報に２以上の属性値を適用すると、販売情報が取得される。

なお、学習部１３１は、ステップＳ３０１で受け付けた学習指示が有する商品群コンテンツと販売情報とを取得しても良い。かかる場合、学習部１３１は、商品群コンテンツが有する１または２以上の各商品情報の１または２以上の属性値を取得する。そして、学習部１３１は、１または２以上の各商品情報の１または２以上の属性値と販売情報とを対にして機械学習の処理を行い、学習情報を取得する。なお、かかる学習情報に１または２以上の属性値を適用すると、販売情報が取得される。

（ステップＳ３０３）学習部１３１は、ステップＳ３０２で取得した学習情報を学習情報格納部１１１に蓄積する。ステップＳ３０１に戻る。

（ステップＳ３０４）受付部１２は、端末装置２から提案指示を受信したか否かを判断する。提案指示を受信した場合はステップＳ３０５に行き、提案指示を受信しなかった場合はステップＳ３０７に行く。

（ステップＳ３０５）処理部１３は、提案指示が有する１または２以上の対象商品情報を用いて、商品群コンテンツを取得する。かかる商品群コンテンツ取得処理について、図４のフローチャートを用いて説明する。

（ステップＳ３０６）出力部１４は、ステップＳ３０５で取得された商品群コンテンツを端末装置２に送信する。ステップＳ３０１に戻る。

（ステップＳ３０７）受付部１２は、端末装置２から販売予測指示を受信したか否かを判断する。販売予測指示を受信した場合はステップＳ３０８に行き、販売予測指示を受信しなかった場合はステップＳ３０１に戻る。

（ステップＳ３０８）販売情報取得部１３４は、ステップＳ３０７で受信された販売予測指示が有する１または２以上の対象商品情報を取得する。なお、販売予測指示が商品群コンテンツを有する場合、販売情報取得部１３４は、当該商品群コンテンツから、１または２以上の各商品情報に対応する対象商品情報を取得する。

（ステップＳ３０９）販売情報取得部１３４は、ステップＳ３０８で取得した１または２以上の対象商品情報を学習情報に適用し、販売情報を取得する。なお、１または２以上の対象商品情報を学習情報に適用することは、例えば、１以上の各対象商品情報が有する１または２以上の属性値を学習情報に適用することである。

（ステップＳ３１０）出力部１４は、ステップＳ３０９で取得された販売情報を端末装置２に送信する。ステップＳ３０１に戻る。

なお、図３のフローチャートにおいて、電源オフや処理終了の割り込みにより処理は終了する。

次に、ステップＳ３０５の商品群コンテンツ取得処理の例について、図４のフローチャートを用いて説明する。

（ステップＳ４０１）配置パターン情報取得部１３２等は、パターン情報を取得する。かかるパターン情報取得処理について、図５のフローチャートを用いて説明する。なお、パターン情報は、通常、２以上の属性値の組み合わせである。パターン情報とは、２以上の属性値の集合である、と言っても良い。また、パターン情報取得処理は、２以上の属性値の集合を取得する。なお、２以上の各属性値の集合は、それぞれ、少なくとも一部の属性値は異なる。また、パターン情報は、一つの属性値でも良い場合がある、と考えても良い。

（ステップＳ４０２）販売情報取得部１３４は、カウンタｉに１を代入する。

（ステップＳ４０３）販売情報取得部１３４は、ステップＳ４０１で取得された属性値の集合から、ｉ番目の属性値の組み合わせを取得しようとする。なお、ｉ番目の属性値の組み合わせとは、ｉ番目の属性値の集合である。また、属性値の組み合わせは、一つの属性値でも良い場合がある、と考えても良い。

（ステップＳ４０４）販売情報取得部１３４は、ｉ番目の属性値の組み合わせが取得できた場合はステップＳ４０５に行き、取得できなかった場合はステップＳ４０７に行く。

（ステップＳ４０５）販売情報取得部１３４は、ｉ番目の属性値の組み合わせを、学習情報格納部１１１の学習情報に適用し、販売情報を取得する。そして、販売情報取得部１３４は、取得した販売情報を、ｉ番目の属性値の組み合わせに対応付けて、図示しないバッファに一時蓄積する。

（ステップＳ４０６）販売情報取得部１３４は、カウンタｉを１、インクリメントする。ステップＳ４０３に戻る。

（ステップＳ４０７）判断部１３５は、ステップＳ４０５で取得した１以上の販売情報の中から、予め決められた条件を満たす販売情報を決定する。そして、判断部１３５は、決定した１以上の各販売情報に対応する属性値の組み合わせを図示しないバッファから取得する。なお、予め決められた条件を満たす販売情報は、通常、予め決められた条件を満たすほど販売状況が良い販売情報、または予め決められた条件を満たすほど販売状況が改善される販売情報である。

（ステップＳ４０８）構成部１３６は、カウンタｊに１を代入する。

（ステップＳ４０９）構成部１３６は、ステップＳ４０７で取得された属性値の組み合わせのうち、ｊ番目の属性値の組み合わせが存在するか否かを判断する。ｊ番目の属性値の組み合わせが存在する場合はステップＳ４１０に行き、ｊ番目の属性値の組み合わせが存在しない場合は上位処理にリターンする。

（ステップＳ４１０）構成部１３６は、ｊ番目の属性値の組み合わせに従って、２以上の対象商品情報を配置し、商品群コンテンツを構成する。なお、２以上の対象商品情報は、通常、受付部１２が受け付けた情報であるが、格納部１１に格納されている情報でも良い。

（ステップＳ４１１）出力部１４は、ステップＳ４１０で構成された商品群コンテンツを端末装置２に送信する。

（ステップＳ４１２）構成部１３６は、カウンタｊを１、インクリメントする。ステップＳ４０９に戻る。

次に、ステップＳ４０１のパターン情報取得処理の例について、図５のフローチャートを用いて説明する。

（ステップＳ５０１）属性値変更部１３３は、カウンタｉに１を代入する。

（ステップＳ５０２）属性値変更部１３３は、ｉ番目の種類の属性値が存在するか否かを判断する。ｉ番目の種類の属性値が存在する場合はステップＳ５０３に行き、ｉ番目の種類の属性値が存在しない場合はステップＳ５０５に行く。なお、属性値変更部１３３は、例えば、属性値条件格納部１１２にｉ番目の属性値条件、またはi番目の属性識別子が存在するか否かにより、ｉ番目の種類の属性値が存在するか否かを判断する。

（ステップＳ５０３）属性値変更部１３３は、ｉ番目の種類の属性値の採り得る値をすべて取得する。属性値変更部１３３は、ｉ番目の種類の属性値に対応する属性値変更条件が属性値が採り得る候補の情報の集合である場合、属性値条件格納部１１２から、当該属性値が採り得る候補の情報をすべて取得する。また、属性値変更部１３３は、ｉ番目の種類の属性値に対応する属性値変更条件が属性値が採り得る値の範囲の情報である場合、例えば、属性値条件格納部１１２から、当該範囲の情報を取得し、当該範囲を満たす２以上の候補の情報の集合を取得する。なお、属性値変更部１３３は、当該範囲を満たす２以上の候補の情報の集合をいかに取得しても良い。例えば、属性値変更部１３３は、当該範囲の中の最小値から最大値になるまで、固定値ずらしながら、２以上の候補の情報の集合を、取得しても良いし、当該範囲の中から、ランダムにＮ個（Ｎは、例えば、固定数）の値を取得する等しても良い。

（ステップＳ５０４）属性値変更部１３３は、カウンタｉを１、インクリメントする。ステップＳ５０２に戻る。

（ステップＳ５０５）属性値変更部１３３は、カウンタｊに１を代入する。

（ステップＳ５０６）属性値変更部１３３は、ｊ番目の属性値パターンが存在するか否かを判断する。ｊ番目の属性値パターンが存在する場合はステップＳ５０７に行き、ｊ番目の属性値パターンが存在しない場合は上位処理にリターンする。

なお、属性値変更部１３３は、例えば、ステップＳ５０３で取得された２以上の種類の各属性値の候補の情報の集合から、すべての属性値集合（属性値パターン）を取得する。そして、属性値変更部１３３は、２以上の属性値パターンからｊ番目の属性値パターンが存在するか否かを判断する。また、例えば、対象商品情報が２つ（商品情報Ａ，商品情報Ｂ）であり、各対象商品情報が３つの属性（属性１,属性２，属性３）の属性値を有し、属性１は属性値１１,属性値１２のいずれかを取り得、属性２は属性値２１,属性値２２,属性２３のいずれかを取り得、属性３は属性値３１,属性値３２のいずれかを取り得る、とする。かかる場合、属性値変更部１３３は、２４通りの属性値パターンを取得する。また、対象商品情報が１つ（商品情報Ａ）であり、対象商品情報が２つの属性（属性１,属性２）の属性値を有し、属性１は属性値１１,属性値１２のいずれかを取り得、属性２は属性値２１,属性値２２,属性２３のいずれかを取り得る、とする。かかる場合、属性値変更部１３３は、６通りの属性値パターンを取得する。

（ステップＳ５０７）配置パターン情報取得部１３２は、カウンタｋに１を代入する。

（ステップＳ５０８）配置パターン情報取得部１３２は、ｊ番目の属性値パターンの元、ｋ番目の配置順序の組み合わせが存在するか否かを判断する。ｋ番目の配置順序の組み合わせが存在する場合はステップＳ５０９に行き、ｋ番目の配置順序の組み合わせが存在しない場合はステップＳ５１２に行く。

（ステップＳ５０９）配置パターン情報取得部１３２は、ｊ番目の属性値パターンの元の、ｋ番目の配置順序の組み合わせを取得する。そして、配置パターン情報取得部１３２は、ｋ番目の配置順序の組み合わせを用いて、１または２以上の各商品情報の配置属性値を取得する。なお、１または２以上の各対象商品情報の配置属性値は、配置パターン情報である。また、配置順序の組み合わせとは、１または２以上の各対象商品情報の配置順序を示す情報（例えば、商品群コンテンツの中の左上から１番目に配置する対象商品情報、２番目に配置する対象商品情報、・・・、Ｎ番目に配置する対象商品情報が分かる情報）、または左上の座標値である。また、属性値変更部１３３は、例えば、ｊ番目の属性値パターンの元、ｋ番目の配置順序を示す情報に従って、２以上の対象商品情報を順に配置し、２以上の各対象商品情報の配置属性値を取得する。また、属性値変更部１３３は、例えば、ｊ番目の属性値パターンの元、ｋ番目の配置パターン情報に従って、１つの対象商品情報を配置する。

（ステップＳ５１０）属性値変更部１３３は、ｊ番目の属性値パターン、およびステップＳ５０９で取得された配置パターン情報から、属性値の組み合わせを取得し、図示しないバッファに一時蓄積する。

（ステップＳ５１１）配置パターン情報取得部１３２は、カウンタｋを１、インクリメントする。ステップＳ５０８に戻る。

（ステップＳ５１２）属性値変更部１３３は、カウンタｊを１、インクリメントする。ステップＳ５０６に戻る。

次に、端末装置２の動作例について、図６のフローチャートを用いて説明する。

（ステップＳ６０１）端末受付部２２は、学習指示を受け付けたか否かを判断する。学習指示を受け付けた場合はステップＳ６０２に行き、学習指示を受け付けない場合はステップＳ６０４に行く。

（ステップＳ６０２）端末処理部２３は、送信する学習指示を構成する。なお、送信する学習指示は、通常、２以上の学習対象情報を含む。

（ステップＳ６０３）端末送信部２４は、ステップＳ６０２で構成した学習指示を情報処理装置１に送信する。ステップＳ６０１に戻る。

（ステップＳ６０４）端末受付部２２は、提案指示を受け付けたか否かを判断する。提案指示を受け付けた場合はステップＳ６０５に行き、提案指示を受け付けない場合はステップＳ６１０に行く。

（ステップＳ６０５）端末処理部２３は、送信する提案指示を構成する。なお、送信する提案指示は、２以上の対象商品情報、または商品群コンテンツを含む。

（ステップＳ６０６）端末送信部２４は、ステップＳ６０５で構成した提案指示を情報処理装置１に送信する。

（ステップＳ６０７）端末受信部２５は、情報処理装置１から１以上の商品群コンテンツを受信したか否かを判断する。商品群コンテンツを受信した場合はステップＳ６０８に行き、商品群コンテンツを受信しなかった場合はステップＳ６０７に行く。

（ステップＳ６０８）端末処理部２３は、出力する商品群コンテンツを構成する。

（ステップＳ６０９）端末出力部２６は、ステップＳ６０８で構成された商品群コンテンツを出力する。ステップＳ６０１に戻る。

（ステップＳ６１０）端末受付部２２は、販売予測指示を受け付けたか否かを判断する。販売予測指示を受け付けた場合はステップＳ６１１に行き、販売予測指示を受け付けない場合はステップＳ６０１に戻る。

（ステップＳ６１１）端末処理部２３は、送信する販売予測指示を構成する。なお、送信する販売予測指示は、２以上の対象商品情報、または商品群コンテンツを含む。

（ステップＳ６１２）端末送信部２４は、ステップＳ６１１で構成した販売予測指示を情報処理装置１に送信する。

（ステップＳ６１３）端末受信部２５は、情報処理装置１から販売情報を受信したか否かを判断する。販売情報を受信した場合はステップＳ６１４に行き、販売情報を受信しなかった場合はステップＳ６１３に行く。

（ステップＳ６１４）端末処理部２３は、出力する販売情報を構成する。

（ステップＳ６１５）端末出力部２６は、ステップＳ６１４で構成された販売情報を出力する。ステップＳ６０１に戻る。

なお、図６のフローチャートにおいて、電源オフや処理終了の割り込みにより処理は終了する。

以下、本実施の形態における情報システムＡの具体的な動作について説明する。情報システムＡの概念図は図１である。

今、属性値条件格納部１１２には、図７に示す属性値条件管理表が格納されている。属性値条件管理表は、各属性の属性値変更条件を管理する表である。属性値変更条件は、採り得る属性値を示す情報である。属性値条件管理表は、「ＩＤ」「属性識別子」「属性種類」「属性値変更条件」を有するレコードを変更可能な属性の数だけ有する。「ＩＤ」はレコードを識別する情報である。「属性識別子」はここでは属性名である。「属性種類」は属性の種類を示す。

また、格納部１１には、図８に示すレイアウト情報管理表が格納されている。レイアウト情報管理表は「ＩＤ」「レイアウト識別子」「レイアウト情報」を有するレコードを複数有する。「ＩＤ」はレコードを識別する情報である。「レイアウト識別子」はレイアウト情報を識別する情報であり、ここではレイアウト情報名である。「レイアウト情報」は、ここでは、商品情報を構成する要素を配置するためのレイアウトの図が表現されているが、商品情報を構成する要素を配置する相対的な座標情報を有する。なお、「ＩＤ」をレイアウト識別子と考えても良い。

また、格納部１１には、図９に示す商品情報管理表が格納されている。また、格納部１１には、図１０に示す商品情報管理表も格納されている。商品情報管理表は、２以上の商品情報を管理する。商品情報管理表は、「ＩＤ」「商品画像」「商品自体属性値」「商品名」「商品説明」を有する。「ＩＤ」は商品情報のＩＤである。「商品自体属性値」は、ここでは「価格」「色」等を有する。「商品名」は商品の名称である。「商品説明」は商品を説明する文字列である。

かかる状況において、以下の４つの具体例について、説明する。具体例１は、学習部１３１による学習処理である。具体例２は、学習情報を用いた販売予測処理である。具体例３は、販売状況が改善されるように、商品群コンテンツを変更する処理である。具体例４は、良好な販売結果が得られるように商品群コンテンツを作成する処理である。
（具体例１）

具体例１において、学習部１３１による学習処理について説明する。

まず、端末装置２のユーザは、図１１に示す自動車カタログのウェブページの電子データ、および当該ウェブページを用いたことによる自動車の販売実績（図１２参照）を含む学習指示を端末装置２に入力した、とする。なお、自動車の販売実績は、販売情報の例であり、各自動車の販売台数と、各自動車の販売総額と、全自動車の販売総台数と、全自動車の販売総額とを有する。また、図１２の「ＩＤ」は商品識別子である。

次に、端末受付部２２は、学習指示を受け付ける。端末処理部２３は、受け付けた学習指示に対応して、送信する学習指示を構成する。そして、端末送信部２４は、当該学習指示を情報処理装置１に送信する。

次に、情報処理装置１の受付部１２は、端末装置２から学習指示を受信する。なお、かかる学習指示は、図１１のウェブページの電子データ（当該ウェブページのＵＲＬでも良い）、および図１２に示す販売情報を有する。また、ウェブページの電子データは、２以上の対象商品情報を有する。ここで、対象商品情報は、各自動車の商品情報である。

次に、受付部１２は、図１１のウェブページの電子データから各対象商品情報の属性値を取得する。具体的には、受付部１２は、例えば、「ＩＤ＝Ｃ１」の自動車の商品自体属性値「価格＝２５０万円」「色＝黒」等を取得する。また、受付部１２は、例えば、図１１のウェブページの電子データが有する「ＩＤ＝Ｃ１」の商品画像を解析し、画像属性値「画像サイズ＝（Ｗ_１，Ｈ_１）」「画像形状＝矩形」等を取得する。また、受付部１２は、例えば、図１１のウェブページの電子データが有する「ＩＤ＝Ｃ１」の文字列から「フォント＝明朝体」「文字サイズ＝１１ｐｔ」等を取得する。また、受付部１２は、例えば、図１１のウェブページを解析し、ウェブページ上の各オブジェクトの配置に関する情報を取得し、例えば、「ＩＤ＝Ｃ１」の商品情報から「レイアウト情報＝２」「配置順序＝１」等を取得する。受付部１２は、かかる属性値から図１３に示す属性値管理表を得る。なお、かかる属性値の取得は、属性値の受け付けである、と言っても良い。

次に、学習部１３１は、受付部１２が取得した１以上の属性値（図１３の属性値管理表）を取得する。また、学習部１３１は、受付部１２が受信した図１２の自動車の販売実績から、全自動車の販売総台数と、全自動車の販売総額とを取得する。ここで、学習部１３１は、販売総台数と販売総額との、２種類の販売情報を取得する、とする。そして、学習部１３１は、１以上の属性値（図１３の属性値管理表）と２種類の販売情報とを対応付けて、格納部１１または図示しないバッファに蓄積する。なお、１以上の属性値（図１３の属性値管理表）と販売情報との組は、学習対象情報である。また、学習対象情報は、２以上の各商品情報に対応するベクトルおよび販売情報を連結したベクトルである。つまり、学習対象情報は、例えば、（（２５０万円，１，０，０，・・・，１，０，１，０，・・・，０，１，・・・，２，１，・・・）（３００万円，０，０，１，・・・，１，０，１，０，・・・，０，１，・・・，２，２，・・・）（２１０万円，０，１，０，・・・，１，０，１，０，・・・，０，１，・・・，２，３，・・・）・・・５４８３台，１，４２５，５８０万円）である。なお、かかる学習対象情報の商品情報の間の（）は無くても良い。なお、学習部１３１は、図１２の自動車の販売実績の中の各自動車の販売台数、販売額を学習しても良いことは言うまでもない。

以上の処理を、多数の他のウェブページの電子データおよび販売情報に対して行い、多数の学習対象情報が蓄積された、とする。

次に、学習部１３１は、蓄積された多数の学習対象情報を、機械学習のアルゴリズムにより学習し、学習情報を取得し、当該学習情報格納部１１１に蓄積する。

以上により、２以上の対象商品情報を適用した場合に、販売情報が取得される学習情報が得られた。
（具体例２）

具体例２において、具体例１で蓄積された学習情報を用いて、販売予測処理を行う処理について説明する。

まず、端末装置２のユーザは、図１４に示す自動車カタログによる売り上げの予測を行いたいと思い、図１４に示す自動車カタログのウェブページのＵＲＬを有する販売予測指示を端末装置２に入力した、とする。

次に、端末受付部２２は、販売予測指示を受け付ける。端末処理部２３は、受け付けた販売予測指示に対応して、送信する販売予測指示を構成する。そして、端末送信部２４は、当該販売予測指示を情報処理装置１に送信する。なお、販売予測指示は、図１４に示す自動車カタログのウェブページのＵＲＬを有する。

次に、情報処理装置１の受付部１２は、端末装置２から販売予測指示を受信する。

次に、受付部１２は、受信された販売予測指示が有するＵＲＬを取得する。次に、受付部１２は、当該ＵＲＬに対応する自動車カタログのウェブページを取得する、次に、受付部１２は、当該ウェブページから２以上の対象商品情報を取得する。

次に、販売情報取得部１３４は、当該２以上の各対象商品情報から属性値の集合を取得する。なお、取得した属性値の集合は、例えば、図１３に示す構造を有する。また、取得した属性値の集合は、例えば、ベクトル（（２３０万円，０，１，０，・・・，１，０，１，０，・・・，１，０，・・・，１，１，・・・）（２８０万円，０，０，１，・・・，１，０，１，０，・・・，１，０，・・・，１，２，・・・）（２１０万円，０，１，０，・・・，１，０，１，０，・・・，１，０，・・・，１，３，・・・））である。

次に、販売情報取得部１３４は、上記のベクトルを、格納部１１の学習情報に適応し、機械学習のアルゴリムズムにより、販売情報を取得する。なお、かかるベクトルは、２以上の各対象商品情報に対応するベクトルを連結したベクトルである。ここで、販売情報取得部１３４は、販売総台数「８２１０」、販売総額「２，１０２，４９２」を得た、とする。

次に、出力部１４は、取得された販売情報（販売総台数「８２１０」、販売総額「２，１０２，４９２」）を端末装置２に送信する。

次に、端末受信部２５は、情報処理装置１から当該販売情報を受信する。次に、端末処理部２３は、出力する販売情報を構成する。端末出力部２６は、構成された販売情報を出力する。かかる出力例は、図１５である。
（具体例３）

具体例３において、具体例１で蓄積された学習情報を用いて、販売状況が改善されるように、商品群コンテンツを変更する処理について説明する。

今、図１４に示すウェブページの電子データによる自動車の販売状況が優れないため、ユーザは、端末装置２に対して、図１４に示すウェブページのＵＲＬを含む提案指示を入力した、とする。

次に、端末受付部２２は、当該提案指示を受け付ける。端末処理部２３は、受け付けた提案指示に対応して、送信する提案指示を構成する。そして、端末送信部２４は、当該提案指示を情報処理装置１に送信する。なお、提案指示は、図１４に示す自動車カタログのウェブページのＵＲＬを有する。

次に、情報処理装置１の受付部１２は、端末装置２から当該提案指示を受信する。

次に、受付部１２は、当該提案指示が有するＵＲＬを取得する。次に、受付部１２は、当該ＵＲＬに対応する自動車カタログのウェブページを取得する。次に、受付部１２は、当該ウェブページから２以上の対象商品情報を取得する。

次に、属性値変更部１３３は、２以上の各対象商品情報から１以上の属性値を取得する。かかる属性値の取得方法は、上述した処理により可能である。

次に、属性値変更部１３３は、図７の属性値条件管理表の属性値変更情報を満たすように、各属性値について、採り得る値を取得する。そして、属性値変更部１３３は、２以上の属性値パターンを取得する。

次に、配置パターン情報取得部１３２は、属性値変更部１３３が取得した各属性値パターンごとに、２以上の配置パターン情報を取得する。

以上により、複数の属性値集合（属性値の組み合わせ）が取得できた。なお、かかる属性値集合の取得処理は、図５のフローチャートを用いて説明したので、ここでの詳細な説明は省略する。

次に、販売情報取得部１３４は、複数の各属性値集合を、学習情報格納部１１１の学習情報に適用し、属性値集合に対応付けて販売情報を取得する。

次に、判断部１３５は、属性値集合に対応付けられた各販売情報の中から、予め決められた条件を満たす販売情報を決定する。なお、ここで、例えば、判断部１３５は、販売総額が最大の販売情報を選択した、とする。そして、判断部１３５は、当該選択した販売総額が最大の販売情報に対応する属性値集合を取得する。

次に、構成部１３６は、取得した属性値集合に従って、図９の商品情報の属性値を決定し、かつ商品情報を構成する各要素の配置を決定し、商品群コンテンツを構成する。なお、商品情報の属性値、および商品情報を構成する各要素の配置が決定している状況において、商品情報を構成する要素を用いて、商品群コンテンツを構成する技術は公知技術であるので、詳細な説明は省略する。

次に、出力部１４は、構成された商品群コンテンツ、および販売総額（販売情報の一例）を端末装置２に送信する。

次に、端末装置２の端末受信部２５は、情報処理装置１から商品群コンテンツと販売情報とを受信する。次に、端末処理部２３は、出力する商品群コンテンツと販売情報とを構成する。端末出力部２６は、構成された商品群コンテンツと販売情報とを出力する。かかる出力例は、図１６である。
（具体例４）

具体例４おいて、具体例１で蓄積された学習情報を用いて、良好な販売結果が得られるように商品群コンテンツを生成する処理について説明する。

今、ユーザは、図１０に示す商品情報ＤＢを用いて、新しい自動車販売の電子カタログを作成しようと、図１０の商品情報ＤＢを指定した提案指示を入力した、とする。

次に、端末受付部２２は、当該提案指示を受け付ける。端末処理部２３は、受け付けた提案指示に対応して、送信する提案指示を構成する。そして、端末送信部２４は、当該提案指示を情報処理装置１に送信する。なお、提案指示は、図０に示す商品情報ＤＢの情報を有する。

次に、情報処理装置１の受付部１２は、端末装置２から当該案指示を受信する。そして、受付部１２は、当該提案指示が有する２以上の対象商品情報を取得する。

次に、属性値変更部１３３は、図７の属性値条件管理表の属性値変更情報を満たすように、各属性値について、採り得る値を取得する。そして、属性値変更部１３３は、２以上の属性値パターンを取得する。

次に、配置パターン情報取得部１３２は、属性値変更部１３３が取得した各属性値パターンごとに、２以上の配置パターン情報を取得する。

以上により、複数の属性値集合（属性値の組み合わせ）が取得できた。

次に、販売情報取得部１３４は、複数の各属性値集合を、学習情報格納部１１１の学習情報に適用し、属性値集合に対応付けて販売情報を取得する。

次に、判断部１３５は、属性値集合に対応付けられた各販売情報の中から、予め決められた条件を満たす販売情報を決定する。なお、ここで、例えば、判断部１３５は、販売総数が上位３位までの販売情報を選択した、とする。そして、判断部１３５は、当該選択した３つの各販売情報に対応する属性値集合を取得する。

次に、構成部１３６は、取得した３つの各属性値集合に従って、３つの商品群コンテンツを構成する。

次に、出力部１４は、構成された商品群コンテンツと販売総数（販売情報の一例）の組、３組を端末装置２に送信する。

次に、端末装置２の端末受信部２５は、情報処理装置１から３組の商品群コンテンツと販売情報とを受信する。次に、端末処理部２３は、出力する商品群コンテンツと販売情報の３組を構成する。端末出力部２６は、３組の商品群コンテンツと販売情報とを出力する。

次に、ユーザは、３組の商品群コンテンツと販売情報とをチェックし、例えば、一つの商品群コンテンツを選択する。かかる選択された商品群コンテンツが採用された商品群コンテンツである。

以上、本実施の形態によれば、商品群コンテンツの効果である商品の販売情報を予測できる。

また、本実施の形態によれば、販売状況が良いと推定される商品群コンテンツを提案できる。なお、商品群コンテンツは、上述したように一つの商品の情報でも良い。

また、本実施の形態によれば、販売状況が良いと推定される商品情報の属性値の変更を提案できる。なお、商品情報の属性値の変更は、一つの商品の商品情報の属性値の変更でも良い。

さらに、本実施の形態によれば、販売状況が改善されると推定される商品情報の属性値の変更を提案できる。なお、商品情報の属性値の変更は、一つの商品の商品情報の属性値の変更でも良い。

なお、上述した学習処理は、情報処理装置とは独立した装置でも良い。かかる場合、学習装置３は、格納部１１、受付部１２、および学習部１３１を具備する。かかる学習装置３のブロック図の例は、図１７である。かかる学習装置３は、商品に関する商品情報の１以上の属性値を有する２以上の商品属性情報と、1以上の商品の販売に関する販売情報とを有する学習対象情報を学習した学習情報が格納される学習情報格納部１１１と、学習対象情報を受け付ける受付部１２と、当該学習対象情報を機械学習のアルゴリズムにより学習し、学習情報を取得し、当該学習情報を学習情報格納部１１１に蓄積する学習部１３１とを具備する学習装置である。

また、本実施の形態における処理は、ソフトウェアで実現しても良い。そして、このソフトウェアをソフトウェアダウンロード等により配布しても良い。また、このソフトウェアをＣＤ－ＲＯＭなどの記録媒体に記録して流布しても良い。なお、このことは、本明細書における他の実施の形態においても該当する。なお、本実施の形態における情報処理装置１を実現するソフトウェアは、以下のようなプログラムである。つまり、このプログラムは、例えば、商品に関する商品情報の１以上の属性値を有する１または２以上の商品属性情報と、1以上の商品の販売に関する販売情報とを有する学習対象情報を学習した学習情報が格納される学習情報格納部を具備する記録媒体にアクセス可能なコンピュータを、１以上の属性値を有する１または２以上の対象商品情報を受け付ける受付部と、前記１以上の各対象商品情報が有する１以上の属性値を前記学習情報に適用し、販売情報を取得する販売情報取得部と、前記販売情報を出力する出力部として機能させるためのプログラムである。

また、学習装置３を実現するソフトウェアは、以下のようなプログラムである。つまり、このプログラムは、例えば、情報処理装置１が使用する学習情報を生産するプログラムであって、コンピュータを、商品に関する商品情報の１以上の属性値を有する１または２以上の商品属性情報と、１以上の商品の販売に関する販売情報とを有する学習対象情報を受け付ける受付部と、前記学習対象情報を機械学習のアルゴリズムにより学習し、学習情報を取得し、当該学習情報を記録媒体に蓄積する学習部として機能させるためのプログラムである。

また、図１８は、本明細書で述べたプログラムを実行して、上述した種々の実施の形態の情報処理装置１等を実現するコンピュータの外観を示す。上述の実施の形態は、コンピュータハードウェア及びその上で実行されるコンピュータプログラムで実現され得る。図１８は、このコンピュータシステム３００の概観図であり、図１９は、システム３００のブロック図である。

図１８において、コンピュータシステム３００は、ＣＤ－ＲＯＭドライブを含むコンピュータ３０１と、キーボード３０２と、マウス３０３と、モニタ３０４とを含む。

図１９において、コンピュータ３０１は、ＣＤ－ＲＯＭドライブ３０１２に加えて、ＭＰＵ３０１３と、ＣＤ－ＲＯＭドライブ３０１２等に接続されたバス３０１４と、ブートアッププログラム等のプログラムを記憶するためのＲＯＭ３０１５と、ＭＰＵ３０１３に接続され、アプリケーションプログラムの命令を一時的に記憶するとともに一時記憶空間を提供するためのＲＡＭ３０１６と、アプリケーションプログラム、システムプログラム、及びデータを記憶するためのハードディスク３０１７とを含む。ここでは、図示しないが、コンピュータ３０１は、さらに、ＬＡＮへの接続を提供するネットワークカードを含んでも良い。

コンピュータシステム３００に、上述した実施の形態の情報処理装置１等の機能を実行させるプログラムは、ＣＤ－ＲＯＭ３１０１に記憶されて、ＣＤ－ＲＯＭドライブ３０１２に挿入され、さらにハードディスク３０１７に転送されても良い。これに代えて、プログラムは、図示しないネットワークを介してコンピュータ３０１に送信され、ハードディスク３０１７に記憶されても良い。プログラムは実行の際にＲＡＭ３０１６にロードされる。プログラムは、ＣＤ－ＲＯＭ３１０１またはネットワークから直接、ロードされても良い。

プログラムは、コンピュータ３０１に、上述した実施の形態の情報処理装置１等の機能を実行させるオペレーティングシステム（ＯＳ）、またはサードパーティープログラム等は、必ずしも含まなくても良い。プログラムは、制御された態様で適切な機能（モジュール）を呼び出し、所望の結果が得られるようにする命令の部分のみを含んでいれば良い。コンピュータシステム３００がどのように動作するかは周知であり、詳細な説明は省略する。

なお、上記プログラムにおいて、情報を送信するステップや、情報を受信するステップなどでは、ハードウェアによって行われる処理、例えば、送信ステップにおけるモデムやインターフェースカードなどで行われる処理（ハードウェアでしか行われない処理）は含まれない。

また、上記プログラムを実行するコンピュータは、単数であってもよく、複数であってもよい。すなわち、集中処理を行ってもよく、あるいは分散処理を行ってもよい。

また、上記各実施の形態において、一の装置に存在する２以上の通信手段は、物理的に一の媒体で実現されても良いことは言うまでもない。

また、上記各実施の形態において、各処理は、単一の装置によって集中処理されることによって実現されてもよく、あるいは、複数の装置によって分散処理されることによって実現されてもよい。例えば、情報処理装置１はスタンドアロンで動作しても良いことは言うまでもない。かかる場合、受付部１２は、例えば、ユーザからの指示等を受け付ける。また、出力部１４は、例えば、ディスプレイ等に情報を表示する。

本発明は、以上の実施の形態に限定されることなく、種々の変更が可能であり、それらも本発明の範囲内に包含されるものであることは言うまでもない。

以上のように、本発明にかかる情報処理装置は、複数の商品情報が掲載される商品群コンテンツの提案を行えるという効果を有し、情報処理装置等として有用である。

１ 情報処理装置
２ 端末装置
３ 学習装置
１１ 格納部
１２ 受付部
１３ 処理部
１４ 出力部
２１ 端末格納部
２２ 端末受付部
２３ 端末処理部
２４ 端末送信部
２５ 端末受信部
２６ 端末出力部
１１１ 学習情報格納部
１１２ 属性値条件格納部
１３１ 学習部
１３２ 配置パターン情報取得部
１３３ 属性値変更部
１３４ 販売情報取得部
１３５ 判断部
１３６ 構成部
１３４１ 属性値集合取得手段
１３４２ 販売情報取得手段

Claims (8)

1. 電子カタログまたはウェブページにおける２以上の各商品情報の１以上の属性値を有する２以上の商品属性情報と、当該２以上の商品全体の販売に関する販売情報とを有する２以上の学習対象情報を学習した学習情報が格納される学習情報格納部と、
   １以上の属性値を有する２以上の対象商品情報を受け付ける受付部と、
   前記２以上の各対象商品情報が有する１以上の属性値を前記学習情報に適用し、販売情報を取得する販売情報取得部と、
   前記販売情報を出力する出力部とを具備する情報処理装置。
2. 前記学習情報は、前記２以上の学習対象情報を機械学習のアルゴリズムにより学習された結果、取得された情報であり、
   前記販売情報取得部は、
   機械学習のアルゴリズムを用いて、前記２以上の各対象商品情報が有する１以上の属性値を学習情報に適用し、販売情報を取得する請求項１記載の情報処理装置。
3. 前記受付部が受け付けた１以上の属性値のうちの一部の属性値を変更する属性値変更部をさらに具備し、
   前記販売情報取得部は、
   前記属性値変更部が変更した属性値と、前記受付部が受け付けた１以上の属性値の中で前記属性値変更部が変更していない属性値とを前記学習情報に適用し、販売情報を取得し、
   前記販売情報取得部が取得した販売情報が、予め決められた条件を満たすほど、販売状況が良好であるか否かを判断する判断部と、
   前記判断部が販売状況が良好であると判断した場合の属性値を用いて、前記１以上の対象商品情報を配置し、商品群コンテンツを構成する構成部とをさらに具備し、
   前記出力部は、
   前記構成部が構成した商品群コンテンツ、または前記構成部が構成した商品群コンテンツと前記販売情報とを出力する請求項１または請求項２記載の情報処理装置。
4. 請求項１から請求項３いずれか一項に記載の情報処理装置が使用する学習情報を構成する学習装置であって、
   電子カタログまたはウェブページにおける２以上の各商品に関する商品情報の１以上の属性値を有する２以上の商品属性情報と、当該２以上の商品全体の販売に関する販売情報とを有する２以上の学習対象情報を受け付ける受付部と、
   前記２以上の学習対象情報を機械学習のアルゴリズムにより学習し、学習情報を取得し、当該学習情報を蓄積する学習部とを具備する学習装置。
5. 電子カタログまたはウェブページにおける２以上の各商品情報の１以上の属性値を有する２以上の商品属性情報と、２以上の商品全体の販売に関する販売情報とを有する学習対象情報を学習した学習情報が格納される学習情報格納部、受付部、販売情報取得部、および出力部により実現される情報処理方法であって、
   前記受付部が、１以上の属性値を有する２以上の対象商品情報を受け付ける受付ステップと、
   前記販売情報取得部が、前記２以上の各対象商品情報が有する１以上の属性値を前記学習情報に適用し、販売情報を取得する販売情報取得ステップ、
   前記出力部が、前記販売情報を出力する出力ステップとを具備する情報処理方法。
6. 請求項１から請求項３いずれか一項に記載の情報処理装置が使用する学習情報を生産する学習情報の生産方法であって、受付部、および学習部により実現される学習情報の生産方法であって、
   前記受付部が、商品に関する商品情報の１以上の属性値を有する１または２以上の商品属性情報と、１以上の商品の販売に関する販売情報とを有する学習対象情報を受け付ける受付ステップと、
   前記学習部が、前記学習対象情報を機械学習のアルゴリズムにより学習し、学習情報を取得し、当該学習情報を記録媒体に蓄積する学習ステップとを具備する学習情報の生産方法。
7. 電子カタログまたはウェブページにおける２以上の各商品情報の１以上の属性値を有する２以上の商品属性情報と、当該２以上の商品全体の販売に関する販売情報とを有する２以上の学習対象情報を学習した学習情報が格納される学習情報格納部を具備する記録媒体にアクセス可能なコンピュータを、
   １以上の属性値を有する２以上の対象商品情報を受け付ける受付部と、
   前記２以上の各対象商品情報が有する１以上の属性値を前記学習情報に適用し、販売情報を取得する販売情報取得部と、
   前記販売情報を出力する出力部として機能させるためのプログラム。
8. 請求項１から請求項３いずれか一項に記載の情報処理装置が使用する学習情報を生産するプログラムであって、
   コンピュータを、
   電子カタログまたはウェブページにおける２以上の各商品に関する商品情報の１以上の属性値を有する２以上の商品属性情報と、当該２以上の商品全体の販売に関する販売情報とを有する２以上の学習対象情報を受け付ける受付部と、
   前記２以上の学習対象情報を機械学習のアルゴリズムにより学習し、学習情報を取得し、当該学習情報を記録媒体に蓄積する学習部として機能させるためのプログラム。

Images