JP2023102373A - Information processing device, information processing method, and information processing program - Google Patents
Information processing device, information processing method, and information processing program Download PDFInfo
- Publication number
- JP2023102373A JP2023102373A JP2022002811A JP2022002811A JP2023102373A JP 2023102373 A JP2023102373 A JP 2023102373A JP 2022002811 A JP2022002811 A JP 2022002811A JP 2022002811 A JP2022002811 A JP 2022002811A JP 2023102373 A JP2023102373 A JP 2023102373A
- Authority
- JP
- Japan
- Prior art keywords
- feature
- search
- search keyword
- input mode
- cluster
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Images
Landscapes
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
Description
本発明は、情報処理装置、情報処理方法及び情報処理プログラムに関する。 The present invention relates to an information processing device, an information processing method, and an information processing program.
近年、インターネットの飛躍的な普及に伴い、例えば、インターネット上の種々の情報を用いた分析に関する技術が提供されている。例えば、利用者が入力した検索クエリに基づいて、所定の事業者が提供する対象に対するニーズに関する情報を抽出する技術が提案されている。 2. Description of the Related Art In recent years, with the rapid spread of the Internet, techniques related to analysis using various information on the Internet, for example, have been provided. For example, there has been proposed a technique for extracting information on needs for a target provided by a predetermined business operator based on a search query input by a user.
しかしながら、上記の従来技術では、有用な情報を得ることができるとは限らない。例えば、上記の従来技術では、所定の事業者が提供する対象に対するニーズに関する情報を抽出しているに過ぎないので、検索キーワードの入力パターンから、ユーザの入力態様の傾向を学習することはできない。 However, it is not always possible to obtain useful information with the above-described conventional techniques. For example, the above-described conventional technology only extracts information about the needs of the target provided by a predetermined business operator, so it is not possible to learn the tendency of the user's input mode from the input pattern of the search keyword.
本願は、上記に鑑みてなされたものであって、検索キーワードの入力パターンから、ユーザの入力態様の傾向を学習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 learn the tendency of user's input mode from the input pattern of search keywords.
本願に係る情報処理装置は、検索キーワードの入力態様の時系列的な変化の特徴を特定する特定部と、検索キーワードと入力態様の時系列的な変化の特徴との組ごとに、該特徴で該検索キーワードを検索する利用者のクラスタを学習する学習部と、指定された検索キーワードと入力態様の時系列的な変化の特徴との組に基づいて、該特徴で該検索キーワードを検索する利用者のクラスタを推定する推定部と、推定された利用者のクラスタを示す情報を提供する提供部と、を備えることを特徴とする。 An information processing apparatus according to the present application includes: a specifying unit that specifies a feature of time-series change in input mode of a search keyword; a learning unit that learns, for each set of a search keyword and a feature of time-series change in input mode, a cluster of users who search for a search keyword based on the feature; an estimation unit that estimates a cluster of users who search for a search keyword based on the combination of the specified search keyword and the feature of time-series change in input mode; It is characterized by having
実施形態の一態様によれば、検索キーワードの入力パターンから、ユーザの入力態様の傾向を学習することができる。 According to one aspect of the embodiment, it is possible to learn the tendency of the user's input mode from the input pattern of the search keyword.
以下に、本願に係る情報処理装置、情報処理方法及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、情報処理方法及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 an information processing apparatus, an information processing method, and an information processing program according to the present application (hereinafter referred to as "embodiments") will be described in detail below with reference to the drawings. The information processing apparatus, information processing method, and information processing program according to the present application are not limited to this embodiment. Also, in the following embodiments, the same parts are denoted by the same reference numerals, and overlapping descriptions are omitted.
〔1.情報処理方法の概要〕
まず、図1を参照し、実施形態に係る情報処理装置が行う情報処理方法の概要について説明する。図1は、実施形態に係る情報処理方法の概要を示す説明図である。なお、図1では、検索キーワードの入力パターンから、ユーザの入力態様の傾向を見つけ出す場合を例に挙げて説明する。
[1. Outline of information processing method]
First, an outline of an information processing method performed by an information processing apparatus according to an embodiment will be described with reference to FIG. FIG. 1 is an explanatory diagram showing an outline of an information processing method according to an embodiment. In FIG. 1, a case of finding a tendency of a user's input mode from an input pattern of a search keyword will be described as an example.
図1に示すように、情報処理システム1は、端末装置10とサーバ装置100とを含む。端末装置10とサーバ装置100とは、ネットワークN(図4参照)を介して有線又は無線で互いに通信可能に接続される。本実施形態では、端末装置10は、サーバ装置100と連携する。
As shown in FIG. 1 , the
端末装置10は、利用者U(ユーザ)により使用されるスマートフォンやタブレット端末等のスマートデバイスであり、4G(Generation)やLTE(Long Term Evolution)等の無線通信網を介して任意のサーバ装置と通信を行うことができる携帯端末装置である。また、端末装置10は、液晶ディスプレイ等の画面であって、タッチパネルの機能を有する画面を有し、利用者Uから指やスタイラス等によりタップ操作、スライド操作、スクロール操作等、コンテンツ等の表示データに対する各種の操作を受付ける。なお、画面のうち、コンテンツが表示されている領域上で行われた操作を、コンテンツに対する操作としてもよい。また、端末装置10は、スマートデバイスのみならず、デスクトップPC(Personal Computer)やノートPC等の情報処理装置であってもよい。
The
サーバ装置100は、各利用者Uの端末装置10と連携し、各利用者Uの端末装置10に対して、各種アプリケーション(以下、アプリ)等に対するAPI(Application Programming Interface)サービス等と、各種データを提供する情報処理装置であり、コンピュータやクラウドシステム等により実現される。
The
また、サーバ装置100は、各利用者Uの端末装置10に対して、オンラインで何らかのWebサービスを提供する情報処理装置であってもよい。例えば、サーバ装置100は、Webサービスとして、インターネット接続、検索サービス、SNS(Social Networking Service)、電子商取引(EC:Electronic Commerce)、電子決済、オンラインゲーム、オンラインバンキング、オンライントレーディング、宿泊・チケット予約、動画・音楽配信、ニュース、地図、ルート検索、経路案内、路線情報、運行情報、天気予報等のサービスを提供してもよい。実際には、サーバ装置100は、上記のようなWebサービスを提供する各種サーバと連携し、Webサービスを仲介してもよいし、Webサービスの処理を担当してもよい。
Also, the
なお、サーバ装置100は、利用者Uに関する利用者情報を取得可能である。例えば、サーバ装置100は、利用者Uの性別、年代、居住地域といった利用者Uの属性に関する情報を取得する。そして、サーバ装置100は、利用者Uを示す識別情報(利用者ID等)とともに利用者Uの属性に関する情報を記憶して管理する。
Note that the
また、サーバ装置100は、利用者Uの端末装置10から、あるいは利用者ID等に基づいて各種サーバ等から、利用者Uの行動を示す各種の履歴情報(ログデータ)を取得する。例えば、サーバ装置100は、利用者Uの位置や日時の履歴である位置履歴を端末装置10から取得する。また、サーバ装置100は、利用者Uが入力した検索クエリの履歴である検索履歴を検索サーバ(検索エンジン)から取得する。また、サーバ装置100は、利用者Uが閲覧したコンテンツの履歴である閲覧履歴をコンテンツサーバから取得する。また、サーバ装置100は、利用者Uの商品購入や決済処理の履歴である購入履歴(決済履歴)を電子商取引サーバや決済処理サーバから取得する。また、サーバ装置100は、利用者Uのマーケットプレイスへの出品の履歴である出品履歴や販売履歴を電子商取引サーバや決済処理サーバから取得してもよい。また、サーバ装置100は、利用者Uの投稿の履歴である投稿履歴を口コミの投稿サービスを提供する投稿サーバやSNSサーバから取得する。
In addition, the
〔1-1.クラスタの傾向の分析〕
本実施形態では、サーバ装置100は、検索キーワードの入力パターンから、ユーザの入力態様の傾向を見つけ出す。すなわち、ユーザのクラスタの入力態様の傾向を明確化し、傾向を分析する。
[1-1. Analysis of cluster trends]
In this embodiment, the
図1に示すように、サーバ装置100は、対象者を抽出する(ステップS1)。本実施形態では、サーバ装置100は、同一の検索キーワードを検索したユーザを対象者として抽出する。例えば、サーバ装置100は、大豆ミートを含むキーワードを一定回数以上検索したユーザを、大豆ミートに関心を持つユーザ層(大豆ミート関心層)として抽出する。一定回数以上としたのは、大豆ミートに関心を持っていても関心の薄いユーザを除外するためである。
As shown in FIG. 1, the
このとき、サーバ装置100は、ネットワークN(図4参照)を介して、各利用者Uの端末装置10から検索クエリ(検索キーワード)の入力を受け付けるとともに、各利用者Uの検索クエリのログ(検索履歴)を収集し、特定の事項に興味関心を持つユーザ層を抽出してもよい。なお、実際には、サーバ装置100は、検索クエリの入力を受け付けた検索エンジンから、各利用者Uが入力した検索クエリに関する情報を取得してもよい。すなわち、各利用者Uの端末装置10から検索クエリ(検索キーワード)の入力を受け付けるのは、直接でも間接でもよい。
At this time, the
次に、サーバ装置100は、対象者の関心キーワードを抽出する(ステップS2)。例えば、サーバ装置100は、対象者である大豆ミート関心層の関心キーワードとして、「ヴィーガンシャンプー」、「ベジタリアン食事」、「筋トレ」等の関心キーワードを抽出する。なお、サーバ装置100は、大豆ミート関心層の関心キーワードから「大豆ミート」を除外する。大豆ミート関心層が「大豆ミート」に関心を持っていることはすでに明らかであるためである。すなわち、サーバ装置100は、大豆ミート関心層の関心キーワードとして、「大豆ミート」以外の検索キーワードを抽出する。
Next, the
このとき、サーバ装置100は、各利用者Uの検索クエリのログ(検索履歴)から、「Who(だれが)」、「When(いつ)」、「Where(どこで)」、「What(何を)」、「Why(なぜ)」、「How(どのように)」入力したかといった5W1Hに関する情報を抽出(取得)してもよい。なお、サーバ装置100は、5W1Hの全部(全要素)ではなくいずれか又は任意の組合せに関する情報を抽出(取得)してもよい。
At this time, the
次に、サーバ装置100は、対象者について、検索傾向を元にクラスタリング(グループ分け)する(ステップS3)。例えば、サーバ装置100は、図2に示すように、対象者である大豆ミート関心層を、「信条」群、「食健康」群、「ダイエット」群、「おしゃれ」群、「業界関心」群等のセグメントに分類する。図2は、実施形態に係るクラスタリングの概要を示す説明図である。このように、同じく大豆ミートに関心を持つユーザ層(大豆ミート関心層)であっても、検索傾向によって、複数のクラスタに分類できる。
Next, the
このとき、サーバ装置100は、対象者として抽出されたユーザの関心キーワードを機械的に分類し、ユーザごとに検索回数の多いトピックに割り振る。なお、サーバ装置100は、ユーザごとに最も検索回数の多いトピックに割り振ってもよい。また、一人のユーザが複数のクラスタに属していてもよい。
At this time, the
次に、サーバ装置100は、ネットワークN(図4参照)を介して、クラスタの傾向の分析を希望/実施する利用者Uの端末装置10から、分析対象となるクラスタと、分析対象期間との指定を受け付ける(ステップS4)。
Next, the
次に、サーバ装置100は、指定されたクラスタについて、指定された分析対象期間における検索クエリ(検索キーワード)のカテゴリごとの入力態様の時系列的な変化の特徴(検索ボリュームの変化の波形パターン)を特定する(ステップS5)。例えば、サーバ装置100は、指定されたクラスタについて、指定された分析対象期間における関心キーワードのカテゴリごとの入力態様の時系列的な変化の特徴を特定する。
Next, for the designated cluster,
このとき、サーバ装置100は、指定されたクラスタに属するユーザが指定された分析対象期間に入力した検索クエリをカテゴリごとに分類し、分類されたカテゴリごとにそのカテゴリに属する検索クエリの入力された回数や人数(検索ボリューム)を集計して分析することで、カテゴリごとの入力態様の時系列的な変化の特徴を特定する。なお、サーバ装置100は、検索クエリのカテゴリの代わりに、検索クエリとして入力された店舗名や商品名に対応するブランドごとに、入力態様の時系列的な変化の特徴を特定してもよい。
At this time, the
例えば、サーバ装置100は、時系列に沿って入力された回数や人数(検索ボリューム)が下降し続けているには「特徴1」と特定する。また、サーバ装置100は、少し急上昇して、その後、上昇分よりも大きく下降していった場合には「特徴2」と特定する。また、サーバ装置100は、入力された回数や人数が上昇してから元のレベルまで下降した場合には「特徴3」と特定する。また、サーバ装置100は、上昇してから、元よりも高いレベルまで下降した場合には「特徴4」と特定する。また、サーバ装置100は、上昇し続けている場合には「特徴5」と特定する。このように、サーバ装置100は、検索クエリのカテゴリごとに入力態様の分析対象期間における時系列的な特徴を特定する。また、サーバ装置100は、上記の特徴1~5に限らず、より多くの特徴に分類してもよい。
For example, the
次に、サーバ装置100は、検索クエリのカテゴリを入力態様の時系列的な変化の特徴に応じて分類する(ステップS6)とともに、特徴ごとに検索クエリのカテゴリのランキング(順位付け)を行う(ステップS7)。
Next, the
次に、サーバ装置100は、ネットワークN(図4参照)を介して、クラスタの傾向の分析を希望/実施する利用者Uの端末装置10に、入力態様の時系列的な変化の特徴ごとに検索クエリのカテゴリのランキングを示す情報を出力する(ステップS8)。例えば、サーバ装置100は、図3に示すように、入力態様の時系列的な変化の特徴1~5について、検索クエリのカテゴリのランキングを示す情報を出力する。図3は、入力態様の時系列的な変化の特徴ごとに検索クエリのカテゴリのランキングを示す情報の例を示す図である。
Next, the
(クラスタの内訳)
なお、サーバ装置100は、ネットワークN(図4参照)を介して、利用者Uの端末装置10から、分析対象となるクラスタの代わりに、「大豆ミート」等の分析対象クエリの指定を受け付けてもよい。例えば、サーバ装置100は、各クラスタを含む「対象者」が関心を持つキーワードの指定を受け付けてもよい。
(Cluster breakdown)
Note that the
そして、サーバ装置100は、入力態様の時系列的な変化の特徴ごとに検索クエリのカテゴリのランキングを示す情報を出力する際に、「特徴1:ランク1のカテゴリ-クラスタB(入力1万回)、クラスタA(入力5000回)、・・・」、「特徴1:ランク2のカテゴリ-クラスタF(入力5000回)、クラスタG(入力2000回)、・・・」等のように、特徴ごとに検索クエリのカテゴリごとの各クラスタにより入力された回数や人数(検索ボリューム)の内訳を提示してもよい。
Then, when outputting information indicating the ranking of search query categories for each feature of chronological changes in the input mode, the
すなわち、サーバ装置100は、指定されたクラスタではなく、指定された対象者について、入力態様の時系列的な変化の特徴ごとに検索クエリのカテゴリのランキングを示す情報を出力してもよい。このとき、サーバ装置100は、検索クエリのカテゴリごとに、ユーザのクラスタごとの入力された回数や人数(検索ボリューム)の内訳を集計して提示してもよい。
That is, the
あるいは、サーバ装置100は、検索クエリのカテゴリの代わりにユーザのクラスタに注目し、入力態様の時系列的な変化の特徴ごとにユーザのクラスタのランキングを示す情報を出力するようにしてもよい。例えば、サーバ装置100は、「特徴1:ランク1-クラスタB、ランク2-クラスタA、ランク3-クラスタD、・・・」等のように、特徴ごとにユーザのクラスタのランキングを示す情報を提示してもよい。
Alternatively,
以上のように、本実施形態では、サーバ装置100は、所定の期間において検索クエリ(検索キーワード)のカテゴリごとに、入力態様の時系列的な変化の特徴を特定し、特定した特徴を示す情報を出力する。
As described above, in the present embodiment, the
すなわち、サーバ装置100は、所定の期間内における入力態様の時系列的な変化の特徴を具体化し、特徴ごとに検索クエリ(検索キーワード)のカテゴリを特定して提供する。また、サーバ装置100は、その他についても適宜の具体化を行う。検索クエリのカテゴリは、ブランド単位でもよい(そのブランドを頻繁に買っている、検索している等)。検索クエリのカテゴリと、入力態様の時系列的な変化の特徴との組は表形式であってもよい。また、サーバ装置100は、ランキングにおいて、同系統のカテゴリやブランドを同系色で色分け表示する。
That is, the
〔1-2.クラスタの傾向の学習〕
本実施形態では、サーバ装置100は、検索キーワード(検索クエリ)の入力パターンごとにクラスタの傾向を学習し、対象キーワードを入力しそうなユーザのクラスタを推定(推論)する。
[1-2. Learning cluster tendencies]
In this embodiment, the
図1に示すように、サーバ装置100は、検索キーワード(検索クエリ)の入力態様の時系列的な変化の特徴ごとに、ユーザのクラスタを学習し、モデルを作成する(ステップS11)。例えば、サーバ装置100は、W2V(Word2Vec)で検索キーワードをベクトル化する(ステップS11-1)。この場合、類似するキーワードが類似するベクトルになる。そして、サーバ装置100は、機械学習により、「検索キーワードベクトル」と「特徴1」を入力したら「特徴1に分類されたクラスタを示す情報」が出力されるモデルを作成する(ステップS11-2)。なお、サーバ装置100は、検索キーワード(検索クエリ)のカテゴリごとの入力態様の時系列的な変化の特徴ごとに、ユーザのクラスタを学習してもよい。
As shown in FIG. 1, the
次に、サーバ装置100は、ネットワークN(図4参照)を介して、特定のキーワードに対するクラスタの判定を希望/実施する利用者Uの端末装置10から、対象キーワードの入力を受け付ける(ステップS12)。すなわち、サーバ装置100は、判定対象となる検索キーワードの指定を受け付ける。
Next, the
次に、サーバ装置100は、受け付けた対象キーワードをW2Vでベクトル化する(ステップS13)。すなわち、サーバ装置100は、自然言語処理により、判定対象となる検索キーワードをベクトルに変換する。
Next, the
次に、サーバ装置100は、モデルにベクトル(ベクトル化された対象キーワード)と各特徴1~5をそれぞれ入力して、特徴ごとに、その対象キーワードをその特徴で入力しそうなユーザのクラスタを推定(推論)する(ステップS14)。
Next, the
次に、サーバ装置100は、ネットワークN(図4参照)を介して、クラスタの推定を希望/実施する利用者Uの端末装置10に、推定されたクラスタを示す情報を提供する(ステップS15)。例えば、サーバ装置100は、対象キーワードを「ブランド」にした場合、その対象キーワードが示す商品と相性がいい(その特徴で検索する人に刺さりやすい)ブランドを提案できる。
Next, the
以上のように、本実施形態では、サーバ装置100は、所定の期間において所定の検索クエリを入力した態様の時系列的な特徴を、利用者Uのクラスタごとに特定する。このとき、サーバ装置100は、所定の検索クエリと、時系列的な特徴との組ごとに、その特徴でその所定の検索クエリを検索する利用者Uのクラスタを学習する。モデルの学習方法については任意に変更可能である。
As described above, in the present embodiment, the
また、サーバ装置100は、検索クエリがブランドや商品である場合、検索クエリが示すブランドと相性がいい商品や、検索クエリが示す商品と相性がいいブランドを提案できる。
Further, when the search query is a brand or product, the
また、サーバ装置100は、指定された検索クエリを入力して、特徴ごとにクラスタを示す情報を提供する。また、サーバ装置100は、入力態様の時系列的な変化の特徴ごとに検索クエリのカテゴリのランキングを示す情報を学習してモデルを作成し、モデルを用いて推論してもよい。また、サーバ装置100は、検索クエリのカテゴリのランキングが高い(上位である)クラスタを示す情報を提供する。また、サーバ装置100は、クラスタのクラスタを学習して、クラスタのクラスタを提案する。また、検索クエリは、一旦W2Vでベクトル化して、ベクトルと特徴との組ごとに学習する。
In addition, the
〔2.情報処理システムの構成例〕
次に、図4を用いて、実施形態に係るサーバ装置100が含まれる情報処理システム1の構成について説明する。図4は、実施形態に係る情報処理システム1の構成例を示す図である。図4に示すように、実施形態に係る情報処理システム1は、端末装置10とサーバ装置100とを含む。これらの各種装置は、ネットワークNを介して、有線又は無線により通信可能に接続される。ネットワークNは、例えば、LAN(Local Area Network)や、インターネット等のWAN(Wide Area Network)である。
[2. Configuration example of information processing system]
Next, the configuration of the
また、図4に示す情報処理システム1に含まれる各装置の数は図示したものに限られない。例えば、図4では、図示の簡略化のため、端末装置10を1台のみ示したが、これはあくまでも例示であって限定されるものではなく、2台以上であってもよい。
Also, the number of devices included in the
端末装置10は、利用者Uによって使用される情報処理装置である。例えば、端末装置10は、スマートフォンやタブレット端末等のスマートデバイス、フィーチャーフォン、PC(Personal Computer)、PDA(Personal Digital Assistant)、通信機能を備えたゲーム機やAV機器、カーナビゲーションシステム、スマートウォッチやヘッドマウントディスプレイ等のウェアラブルデバイス(Wearable Device)、スマートグラス等である。
The
また、かかる端末装置10は、LTE(Long Term Evolution)、4G(4th Generation)、5G(5th Generation:第5世代移動通信システム)等の無線通信網や、Bluetooth(登録商標)、無線LAN(Local Area Network)等の近距離無線通信を介してネットワークNに接続し、サーバ装置100と通信することができる。
In addition, the
サーバ装置100は、例えばPCやブレードサーバ(blade server)等のコンピュータ、あるいはメインフレーム又はワークステーション等である。なお、サーバ装置100は、クラウドコンピューティングにより実現されてもよい。
The
〔3.端末装置の構成例〕
次に、図5を用いて、端末装置10の構成について説明する。図5は、端末装置10の構成例を示す図である。図5に示すように、端末装置10は、通信部11と、表示部12と、入力部13と、測位部14と、センサ部20と、制御部30(コントローラ)と、記憶部40とを備える。
[3. Configuration example of terminal device]
Next, the configuration of the
(通信部11)
通信部11は、ネットワークN(図4参照)と有線又は無線で接続され、ネットワークNを介して、サーバ装置100との間で情報の送受信を行う。例えば、通信部11は、NIC(Network Interface Card)やアンテナ等によって実現される。
(Communication unit 11)
The
(表示部12)
表示部12は、位置情報等の各種情報を表示する表示デバイスである。例えば、表示部12は、液晶ディスプレイ(LCD:Liquid Crystal Display)や有機ELディスプレイ(Organic Electro-Luminescent Display)である。また、表示部12は、タッチパネル式のディスプレイであるが、これに限定されるものではない。
(Display unit 12)
The
(入力部13)
入力部13は、利用者Uから各種操作を受け付ける入力デバイスである。例えば、入力部13は、文字や数字等を入力するためのボタン等を有する。なお、入力部13は、入出力ポート(I/O port)やUSB(Universal Serial Bus)ポート等であってもよい。また、表示部12がタッチパネル式のディスプレイである場合、表示部12の一部が入力部13として機能する。また、入力部13は、利用者Uから音声入力を受け付けるマイク等であってもよい。マイクはワイヤレスであってもよい。
(Input unit 13)
The
(測位部14)
測位部14は、GPS(Global Positioning System)の衛星から送出される信号(電波)を受信し、受信した信号に基づいて、自装置である端末装置10の現在位置を示す位置情報(例えば、緯度及び経度)を取得する。すなわち、測位部14は、端末装置10の位置を測位する。なお、GPSは、GNSS(Global Navigation Satellite System)の一例に過ぎない。
(Positioning unit 14)
The positioning unit 14 receives signals (radio waves) transmitted from GPS (Global Positioning System) satellites, and based on the received signals, position information (for example, latitude and longitude) indicating the current position of the
また、測位部14は、GPS以外にも、種々の手法により位置を測位することができる。例えば、測位部14は、位置補正等のための補助的な測位手段として、下記のように、端末装置10の様々な通信機能を利用して位置を測位してもよい。
Also, the positioning unit 14 can measure the position by various methods other than GPS. For example, the positioning unit 14 may measure the position using various communication functions of the
(Wi-Fi測位)
例えば、測位部14は、端末装置10のWi-Fi(登録商標)通信機能や、各通信会社が備える通信網を利用して、端末装置10の位置を測位する。具体的には、測位部14は、Wi-Fi通信等を行い、付近の基地局やアクセスポイントとの距離を測位することにより、端末装置10の位置を測位する。
(Wi-Fi positioning)
For example, the positioning unit 14 measures the position of the
(ビーコン測位)
また、測位部14は、端末装置10のBluetooth(登録商標)機能を利用して位置を測位してもよい。例えば、測位部14は、Bluetooth(登録商標)機能によって接続されるビーコン(beacon)発信機と接続することにより、端末装置10の位置を測位する。
(beacon positioning)
The positioning unit 14 may also use the Bluetooth (registered trademark) function of the
(地磁気測位)
また、測位部14は、予め測定された構造物の地磁気のパターンと、端末装置10が備える地磁気センサとに基づいて、端末装置10の位置を測位する。
(geomagnetic positioning)
Further, the positioning unit 14 positions the position of the
(RFID測位)
また、例えば、端末装置10が駅改札や店舗等で使用される非接触型ICカードと同等のRFID(Radio Frequency Identification)タグの機能を備えている場合、もしくはRFIDタグを読み取る機能を備えている場合、端末装置10によって決済等が行われた情報とともに、使用された位置が記録される。測位部14は、かかる情報を取得することで、端末装置10の位置を測位してもよい。また、位置は、端末装置10が備える光学式センサや、赤外線センサ等によって測位されてもよい。
(RFID positioning)
Further, for example, if the
測位部14は、必要に応じて、上述した測位手段の一つ又は組合せを用いて、端末装置10の位置を測位してもよい。
The positioning unit 14 may measure the position of the
(センサ部20)
センサ部20は、端末装置10に搭載又は接続される各種のセンサを含む。なお、接続は、有線接続、無線接続を問わない。例えば、センサ類は、ウェアラブルデバイスやワイヤレスデバイス等、端末装置10以外の検知装置であってもよい。図5に示す例では、センサ部20は、加速度センサ21と、ジャイロセンサ22と、気圧センサ23と、気温センサ24と、音センサ25と、光センサ26と、磁気センサ27と、画像センサ(カメラ)28とを備える。
(Sensor unit 20)
The
なお、上記した各センサ21~28は、あくまでも例示であって限定されるものではない。すなわち、センサ部20は、各センサ21~28のうちの一部を備える構成であってもよいし、各センサ21~28に加えてあるいは代えて、湿度センサ等その他のセンサを備えてもよい。
The
加速度センサ21は、例えば、3軸加速度センサであり、端末装置10の移動方向、速度、及び、加速度等の端末装置10の物理的な動きを検知する。ジャイロセンサ22は、端末装置10の角速度等に基づいて3軸方向の傾き等の端末装置10の物理的な動きを検知する。気圧センサ23は、例えば端末装置10の周囲の気圧を検知する。
The
端末装置10は、上記した加速度センサ21やジャイロセンサ22、気圧センサ23等を備えることから、これらの各センサ21~23等を利用した歩行者自律航法(PDR:Pedestrian Dead-Reckoning)等の技術を用いて端末装置10の位置を測位することが可能になる。これにより、GPS等の測位システムでは取得することが困難な屋内での位置情報を取得することが可能になる。
Since the
例えば、加速度センサ21を利用した歩数計により、歩数や歩くスピード、歩いた距離を算出することができる。また、ジャイロセンサ22を利用して、利用者Uの進行方向や視線の方向、体の傾きを知ることができる。また、気圧センサ23で検知した気圧から、利用者Uの端末装置10が存在する高度やフロアの階数を知ることもできる。
For example, a pedometer using the
気温センサ24は、例えば端末装置10の周囲の気温を検知する。音センサ25は、例えば端末装置10の周囲の音を検知する。光センサ26は、端末装置10の周囲の照度を検知する。磁気センサ27は、例えば端末装置10の周囲の地磁気を検知する。画像センサ28は、端末装置10の周囲の画像を撮像する。
The temperature sensor 24 detects the temperature around the
上記した気圧センサ23、気温センサ24、音センサ25、光センサ26及び画像センサ28は、それぞれ気圧、気温、音、照度を検知したり、周囲の画像を撮像したりすることで、端末装置10の周囲の環境や状況等を検知することができる。また、端末装置10の周囲の環境や状況等から、端末装置10の位置情報の精度を向上させることが可能になる。
The air pressure sensor 23, the temperature sensor 24, the sound sensor 25, the
(制御部30)
制御部30は、例えば、CPU(Central Processing Unit)、ROM(Read Only Memory)、RAM、入出力ポート等を有するマイクロコンピュータや各種の回路を含む。また、制御部30は、例えば、ASIC(Application Specific Integrated Circuit)やFPGA(Field Programmable Gate Array)等の集積回路等のハードウェアで構成されてもよい。制御部30は、送信部31と、受信部32と、処理部33とを備える。
(control unit 30)
The control unit 30 includes, for example, a microcomputer having a CPU (Central Processing Unit), a ROM (Read Only Memory), a RAM, an input/output port, and various circuits. Also, the control unit 30 may be configured by hardware such as an integrated circuit such as an ASIC (Application Specific Integrated Circuit) or an FPGA (Field Programmable Gate Array). The control unit 30 includes a transmission unit 31 , a reception unit 32 and a
(送信部31)
送信部31は、例えば入力部13を用いて利用者Uにより入力された各種情報や、端末装置10に搭載又は接続された各センサ21~28によって検知された各種情報、測位部14によって測位された端末装置10の位置情報等を、通信部11を介してサーバ装置100へ送信することができる。
(Sending unit 31)
For example, the transmission unit 31 can transmit various information input by the user U using the
(受信部32)
受信部32は、通信部11を介して、サーバ装置100から提供される各種情報や、サーバ装置100からの各種情報の要求を受信することができる。
(Receiver 32)
The receiving unit 32 can receive various information provided by the
(処理部33)
処理部33は、表示部12等を含め、端末装置10全体を制御する。例えば、処理部33は、送信部31によって送信される各種情報や、受信部32によって受信されたサーバ装置100からの各種情報を表示部12へ出力して表示させることができる。
(Processing unit 33)
The
(記憶部40)
記憶部40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、又は、HDD(Hard Disk Drive)、SSD(Solid State Drive)、光ディスク等の記憶装置によって実現される。かかる記憶部40には、各種プログラムや各種データ等が記憶される。
(storage unit 40)
The
〔4.サーバ装置の構成例〕
次に、図6を用いて、実施形態に係るサーバ装置100の構成について説明する。図6は、実施形態に係るサーバ装置100の構成例を示す図である。図6に示すように、サーバ装置100は、通信部110と、記憶部120と、制御部130とを有する。
[4. Configuration example of server device]
Next, the configuration of the
(通信部110)
通信部110は、例えば、NIC(Network Interface Card)等によって実現される。また、通信部110は、ネットワークN(図4参照)と有線又は無線で接続される。
(Communication unit 110)
The communication unit 110 is realized by, for example, a NIC (Network Interface Card) or the like. Also, the communication unit 110 is connected to the network N (see FIG. 4) by wire or wirelessly.
(記憶部120)
記憶部120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、又は、HDD、SSD、光ディスク等の記憶装置によって実現される。図6に示すように、記憶部120は、利用者情報データベース121と、履歴情報データベース122と、特徴情報データベース123とを有する。
(storage unit 120)
The
(利用者情報データベース121)
利用者情報データベース121は、利用者Uに関する利用者情報を記憶する。例えば、利用者情報データベース121は、利用者Uの属性等の種々の情報を記憶する。図7は、利用者情報データベース121の一例を示す図である。図7に示した例では、利用者情報データベース121は、「利用者ID(Identifier)」、「年齢」、「性別」、「自宅」、「勤務地」、「興味」といった項目を有する。
(User information database 121)
The
「利用者ID」は、利用者Uを識別するための識別情報を示す。なお、「利用者ID」は、利用者Uの連絡先(電話番号、メールアドレス等)であってもよいし、利用者Uの端末装置10を識別するための識別情報であってもよい。
“User ID” indicates identification information for identifying the user U. The “user ID” may be the user U's contact information (telephone number, e-mail address, etc.), or may be identification information for identifying the user U's
また、「年齢」は、利用者IDにより識別される利用者Uの年齢を示す。なお、「年齢」は、利用者Uの具体的な年齢(例えば35歳など)を示す情報であってもよいし、利用者Uの年代(例えば30代など)を示す情報であってもよい。あるいは、「年齢」は、利用者Uの生年月日を示す情報であってもよいし、利用者Uの世代(例えば80年代生まれなど)を示す情報であってもよい。また、「性別」は、利用者IDにより識別される利用者Uの性別を示す。 "Age" indicates the age of the user U identified by the user ID. The "age" may be information indicating a specific age of the user U (for example, 35 years old) or information indicating the age of the user U (for example, 30's). Alternatively, the "age" may be information indicating the date of birth of the user U, or information indicating the generation of the user U (for example, born in the 80's). "Gender" indicates the gender of the user U identified by the user ID.
また、「自宅」は、利用者IDにより識別される利用者Uの自宅の位置情報を示す。なお、図7に示す例では、「自宅」は、「LC11」といった抽象的な符号を図示するが、緯度経度情報等であってもよい。また、例えば、「自宅」は、地域名や住所であってもよい。 "Home" indicates location information of the home of the user U identified by the user ID. In the example shown in FIG. 7, "home" is represented by an abstract code such as "LC11", but may be latitude/longitude information or the like. Also, for example, "home" may be an area name or an address.
また、「勤務地」は、利用者IDにより識別される利用者Uの勤務地(学生の場合は学校)の位置情報を示す。なお、図7に示す例では、「勤務地」は、「LC12」といった抽象的な符号を図示するが、緯度経度情報等であってもよい。また、例えば、「勤務地」は、地域名や住所であってもよい。 "Place of work" indicates location information of the place of work (school in the case of a student) of the user U identified by the user ID. In the example shown in FIG. 7, the "place of work" is illustrated as an abstract code such as "LC12", but may be latitude/longitude information or the like. Also, for example, the "place of work" may be an area name or an address.
また、「興味」は、利用者IDにより識別される利用者Uの興味を示す。すなわち、「興味」は、利用者IDにより識別される利用者Uが関心の高い対象を示す。例えば、「興味」は、利用者Uが検索エンジンに入力して検索した検索クエリ(キーワード)等であってもよい。なお、図7に示す例では、「興味」は、各利用者Uに1つずつ図示するが、複数であってもよい。 "Interest" indicates the interest of the user U identified by the user ID. That is, "interest" indicates an object in which the user U identified by the user ID is highly interested. For example, the "interest" may be a search query (keyword) that the user U has entered into a search engine and searched for. In the example shown in FIG. 7, one "interest" is shown for each user U, but there may be more than one.
例えば、図7に示す例において、利用者ID「U1」により識別される利用者Uの年齢は、「20代」であり、性別は、「男性」であることを示す。また、例えば、利用者ID「U1」により識別される利用者Uは、自宅が「LC11」であることを示す。また、例えば、利用者ID「U1」により識別される利用者Uは、勤務地が「LC12」であることを示す。また、例えば、利用者ID「U1」により識別される利用者Uは、「スポーツ」に興味があることを示す。 For example, in the example shown in FIG. 7, the age of the user U identified by the user ID "U1" is "twenties" and the gender is "male". Also, for example, the user U identified by the user ID "U1" indicates that the home is "LC11". Also, for example, the user U identified by the user ID "U1" indicates that the place of work is "LC12". Also, for example, the user U identified by the user ID "U1" indicates that he is interested in "sports".
ここで、図7に示す例では、「U1」、「LC11」及び「LC12」といった抽象的な値を用いて図示するが、「U1」、「LC11」及び「LC12」には、具体的な文字列や数値等の情報が記憶されるものとする。以下、他の情報に関する図においても、抽象的な値を図示する場合がある。 Here, in the example shown in FIG. 7, abstract values such as “U1”, “LC11” and “LC12” are used, but “U1”, “LC11” and “LC12” are assumed to store information such as specific character strings and numerical values. Hereinafter, abstract values may also be illustrated in diagrams relating to other information.
なお、利用者情報データベース121は、上記に限らず、目的に応じて種々の情報を記憶してもよい。例えば、利用者情報データベース121は、利用者Uの端末装置10に関する各種情報を記憶してもよい。また、利用者情報データベース121は、利用者Uのデモグラフィック(人口統計学的属性)、サイコグラフィック(心理学的属性)、ジオグラフィック(地理学的属性)、ベヘイビオラル(行動学的属性)等の属性に関する情報を記憶してもよい。例えば、利用者情報データベース121は、氏名、家族構成、出身地(地元)、職業、職位、収入、資格、居住形態(戸建、マンション等)、車の有無、通学・通勤時間、通学・通勤経路、定期券区間(駅、路線等)、利用頻度の高い駅(自宅・勤務地の最寄駅以外)、習い事(場所、時間帯等)、趣味、興味、ライフスタイル等の情報を記憶してもよい。
The
(履歴情報データベース122)
履歴情報データベース122は、利用者Uの行動を示す履歴情報(ログデータ)に関する各種情報を記憶する。図8は、履歴情報データベース122の一例を示す図である。図8に示した例では、履歴情報データベース122は、「利用者ID」、「位置履歴」、「検索履歴」、「閲覧履歴」、「購入履歴」、「投稿履歴」といった項目を有する。
(History information database 122)
The
「利用者ID」は、利用者Uを識別するための識別情報を示す。また、「位置履歴」は、利用者Uの位置や移動の履歴である位置履歴を示す。また、「検索履歴」は、利用者Uが入力した検索クエリの履歴である検索履歴を示す。また、「閲覧履歴」は、利用者Uが閲覧したコンテンツの履歴である閲覧履歴を示す。また、「購入履歴」は、利用者Uによる購入の履歴である購入履歴を示す。また、「投稿履歴」は、利用者Uによる投稿の履歴である投稿履歴を示す。なお、「投稿履歴」は、利用者Uの所有物に関する質問を含んでいてもよい。 “User ID” indicates identification information for identifying the user U. "Position history" indicates a position history that is a history of the user's U position and movement. Also, "search history" indicates a search history that is a history of search queries input by the user U. FIG. "Browsing history" indicates a browsing history that is a history of contents browsed by the user U. FIG. "Purchase history" indicates the purchase history of the user U's purchases. In addition, “posting history” indicates a posting history that is a history of posts by the user U. FIG. In addition, the “posting history” may include questions about user U's property.
例えば、図8に示す例において、利用者ID「U1」により識別される利用者Uは、「位置履歴#1」の通りに移動し、「検索履歴#1」の通りに検索し、「閲覧履歴#1」の通りにコンテンツを閲覧し、「購入履歴#1」の通りに所定の店舗等で所定の商品等を購入し、「投稿履歴」の通りに投稿したことを示す。
For example, in the example shown in FIG. 8 , the user U identified by the user ID “U1” moves along the “
ここで、図8に示す例では、「U1」、「位置履歴#1」、「検索履歴#1」、「閲覧履歴#1」、「購入履歴#1」及び「投稿履歴#1」といった抽象的な値を用いて図示するが、「U1」、「位置履歴#1」、「検索履歴#1」、「閲覧履歴#1」、「購入履歴#1」及び「投稿履歴#1」には、具体的な文字列や数値等の情報が記憶されるものとする。
Here, in the example shown in FIG. 8, abstract values such as “U1”, “
なお、履歴情報データベース122は、上記に限らず、目的に応じて種々の情報を記憶してもよい。例えば、履歴情報データベース122は、利用者Uの所定のサービスの利用履歴等を記憶してもよい。また、履歴情報データベース122は、利用者Uの実店舗の来店履歴又は施設の訪問履歴等を記憶してもよい。また、履歴情報データベース122は、利用者Uの端末装置10を用いた決済(電子決済)での決済履歴等を記憶してもよい。
Note that the
(特徴情報データベース123)
特徴情報データベース123は、検索キーワードの入力態様の時系列的な変化の特徴に関する各種情報を記憶する。図9は、特徴情報データベース123の一例を示す図である。図9に示した例では、特徴情報データベース123は、ユーザのクラスタ単位で、検索キーワードの入力態様の時系列的な変化の特徴ごとに、検索キーワードのカテゴリを表形式のランキングで示す。
(Characteristic information database 123)
The
なお、実際には、ユーザのクラスタ単位ではなく、不特定多数、あるいは複数のクラスタを含む対象者単位であってもよい。また、特徴情報データベース123は、検索キーワードのカテゴリの代わりに、検索されたブランドや商品、あるいはユーザのクラスタを示してもよい。
Incidentally, in practice, instead of a cluster unit of users, a target person unit including an unspecified number of users or a plurality of clusters may be used. Also, the
また、特徴情報データベース123は、検索キーワードのカテゴリごとに、ユーザのクラスタごとの入力された回数や人数(検索ボリューム)の内訳を記憶してもよい。
Further, the
さらに、特徴情報データベース123は、上記に限らず、目的に応じて種々の情報を記憶してもよい。例えば、特徴情報データベース123は、検索キーワードと入力態様の時系列的な変化の特徴との組ごとに、その特徴でその検索キーワードを検索する利用者のクラスタを学習したモデルを記憶してもよい。
Furthermore, the
(制御部130)
図6に戻り、説明を続ける。制御部130は、コントローラ(Controller)であり、例えば、CPU(Central Processing Unit)、MPU(Micro Processing Unit)、ASIC(Application Specific Integrated Circuit)やFPGA(Field Programmable Gate Array)等によって、サーバ装置100の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等の記憶領域を作業領域として実行されることにより実現される。図6に示す例では、制御部130は、取得部131と、分類部132と、特定部133と、集計部134と、変換部135と、学習部136と、推定部137と、提供部138とを有する。
(control unit 130)
Returning to FIG. 6, the description is continued. The
(取得部131)
取得部131は、利用者Uにより入力された検索クエリを取得する。例えば、取得部131は、利用者Uが検索エンジン等に検索クエリを入力してキーワード検索を行った際に、通信部110を介して、当該検索クエリを取得する。すなわち、取得部131は、通信部110を介して、利用者Uにより検索エンジンやサイト又はアプリの検索窓に入力されたキーワードを取得する。
(Acquisition unit 131)
The
また、取得部131は、通信部110を介して、利用者Uに関する利用者情報を取得する。例えば、取得部131は、利用者Uの端末装置10から、利用者Uを示す識別情報(利用者ID等)や、利用者Uの位置情報、利用者Uの属性情報等を取得する。また、取得部131は、利用者Uのユーザ登録時に、利用者Uを示す識別情報や、利用者Uの属性情報等を取得してもよい。そして、取得部131は、利用者情報を、記憶部120の利用者情報データベース121に登録する。
The
また、取得部131は、通信部110を介して、利用者Uの行動を示す各種の履歴情報(ログデータ)を取得する。例えば、取得部131は、利用者Uの端末装置10から、あるいは利用者ID等に基づいて各種サーバ等から、利用者Uの行動を示す各種の履歴情報を取得する。そして、取得部131は、各種の履歴情報を、記憶部120の履歴情報データベース122に登録する。
In addition, the
(分類部132)
分類部132は、同一の検索キーワードを検索したユーザをさらに関心キーワードの違いに基づいてクラスタリングする。また、分類部132は、ユーザの検索履歴及び購入履歴に基づいてブランドごとにユーザをクラスタリングする。なお、実際には、分類部132は、ユーザの検索履歴及び購入履歴に限らず/に加えて、実店舗の来店履歴等やSNSの投稿履歴に基づいてブランドごとにユーザをクラスタリングしてもよい。
(Classification unit 132)
The
(特定部133)
特定部133は、検索キーワードの入力態様の時系列的な変化の特徴を特定する。例えば、特定部133は、検索キーワードのカテゴリごとの入力態様の時系列的な変化の特徴を特定する。
(Specifying unit 133)
The specifying
また、特定部133は、検索されたブランドの入力態様の時系列的な変化の特徴を特定する。例えば、特定部133は、検索されたブランドごとの入力態様の時系列的な変化の特徴を特定する。
The identifying
また、特定部133は、検索された商品の入力態様の時系列的な変化の特徴を特定する。例えば、特定部133は、検索された商品ごとの入力態様の時系列的な変化の特徴を特定する。
The identifying
また、特定部133は、ユーザのクラスタの入力態様の時系列的な変化の特徴を特定する。例えば、特定部133は、ユーザのクラスタごとの入力態様の時系列的な変化の特徴を特定する。
The identifying
(集計部134)
集計部134は、特定された入力態様の時系列的な変化の特徴ごとの検索キーワードのカテゴリのランキングを行う。また、集計部134は、特定された入力態様の時系列的な変化の特徴ごとのブランドのランキングを行う。
(Aggregating unit 134)
The
(変換部135)
変換部135は、検索キーワードを自然言語処理によりベクトル化する。例えば、変換部135は、検索キーワードをW2V(Word2Vec)でベクトル化する。
(Converter 135)
The conversion unit 135 vectorizes the search keyword by natural language processing. For example, the conversion unit 135 vectorizes the search keyword using W2V (Word2Vec).
(学習部136)
学習部136は、検索キーワードと入力態様の時系列的な変化の特徴との組ごとに、該特徴で該検索キーワードを検索する利用者のクラスタを学習する。また、学習部136は、検索キーワードのカテゴリと、入力態様の時系列的な変化の特徴との組ごとに、該特徴で該検索キーワードを検索する利用者のクラスタを学習する。
(learning unit 136)
The
また、学習部136は、検索キーワードのベクトルと入力態様の時系列的な変化の特徴との組ごとに、該特徴で該検索キーワードを検索する利用者のクラスタを学習する。また、学習部136は、特定された入力態様の時系列的な変化の特徴ごとの検索キーワードのカテゴリのランキングを学習する。
Further, the
また、学習部136は、検索されたブランドと入力態様の時系列的な変化の特徴との組ごとに、該特徴で該検索されたブランドを検索する利用者のクラスタを学習する。また、学習部136は、検索された商品と入力態様の時系列的な変化の特徴との組ごとに、該特徴で該検索された商品を検索する利用者のクラスタを学習する。
Also, the
また、学習部136は、検索キーワードと入力態様の時系列的な変化の特徴との組ごとに、該特徴で該検索キーワードを検索する利用者のクラスタを学習してモデルを作成する。
The
(推定部137)
推定部137は、指定された検索キーワードと入力態様の時系列的な変化の特徴との組に基づいて、該特徴で該検索キーワードを検索する利用者のクラスタを推定(推論)する。また、推定部137は、指定された検索キーワードが属するカテゴリと、入力態様の時系列的な変化の特徴との組に基づいて、該特徴で該検索キーワードを検索する利用者のクラスタを推定する。
(Estimation unit 137)
The estimating unit 137 estimates (infers) a cluster of users who search for the search keyword based on a combination of the specified search keyword and the characteristics of the chronological change of the input mode. Also, the estimation unit 137 estimates a cluster of users who search for the search keyword based on the combination of the category to which the specified search keyword belongs and the feature of the chronological change in the input mode.
また、推定部137は、指定された検索キーワードに応じたベクトルと入力態様の時系列的な変化の特徴との組に基づいて、該特徴で該検索キーワードを検索する利用者のクラスタを推定する。また、推定部137は、入力態様の時系列的な変化の特徴における検索キーワードのカテゴリのランキングが高いクラスタを推定する。 Also, the estimation unit 137 estimates a cluster of users who search for the search keyword based on a set of a vector corresponding to the specified search keyword and a feature of time-series change in the input mode. In addition, the estimation unit 137 estimates a cluster with a high ranking in the category of the search keyword in the feature of the time-series change of the input mode.
また、推定部137は、指定されたブランドと入力態様の時系列的な変化の特徴との組に基づいて、該特徴で該検索されたブランドを検索する利用者のクラスタを推定する。また、推定部137は、指定された商品と入力態様の時系列的な変化の特徴との組に基づいて、該特徴で該検索された商品を検索する利用者のクラスタを推定する。 Moreover, the estimation unit 137 estimates a cluster of users who search for the searched brand based on the combination of the specified brand and the feature of the chronological change in the input mode. Also, the estimation unit 137 estimates a cluster of users who search for the searched product based on the combination of the designated product and the feature of the chronological change in the input mode.
また、推定部137は、指定された検索キーワードと入力態様の時系列的な変化の特徴とをモデルに入力して、該特徴で該検索キーワードを検索する利用者のクラスタを推定する。 The estimating unit 137 also inputs the specified search keyword and the characteristics of the chronological change of the input mode into the model, and estimates a cluster of users searching for the search keyword based on the characteristics.
(提供部138)
提供部138は、通信部110を介して、利用者Uの端末装置10に、特定された入力態様の時系列的な変化の特徴を示す情報を提供する。例えば、提供部138は、通信部110を介して、利用者Uの端末装置10に、入力態様の時系列的な変化の特徴ごとの検索キーワードのカテゴリのランキングを示す情報を提供する。あるいは、提供部138は、通信部110を介して、利用者Uの端末装置10に、入力態様の時系列的な変化の特徴ごとのブランドのランキングを示す情報を提供する。
(Providing unit 138)
The providing
また、提供部138は、通信部110を介して、利用者Uの端末装置10に、特定されたユーザのクラスタごとの入力態様の時系列的な変化の特徴を示す情報を提供する。また、提供部138は、通信部110を介して、利用者Uの端末装置10に、入力態様の時系列的な変化の特徴ごとにユーザのクラスタごとの検索ボリュームの内訳を示す情報を提供する。
The providing
また、提供部138は、通信部110を介して、利用者Uの端末装置10に、入力態様の時系列的な変化の特徴ごとの検索キーワードのカテゴリのランキングを示す情報を提供する際に、表形式で、同系統のカテゴリを同系色で色分け表示する。
Further, when the providing
さらに、提供部138は、推定された利用者のクラスタを示す情報を提供する。また、提供部138は、入力態様の時系列的な変化の特徴における検索キーワードのカテゴリのランキングが高いクラスタを示す情報を提供する。
Further, the providing
〔5.処理手順〕
次に、図10を用いて実施形態に係るサーバ装置100による処理手順について説明する。図10は、実施形態に係る処理手順を示すフローチャートである。なお、以下に示す処理手順は、サーバ装置100の制御部130によって繰り返し実行される。
[5. Processing procedure]
Next, a processing procedure by the
図10に示すように、サーバ装置100の取得部131は、通信部110を介して、各利用者Uの端末装置10から、検索キーワードの入力を受け付ける(ステップS101)。すなわち、取得部131は、通信部110を介して、検索キーワードを収集する。なお、取得部131は、通信部110を介して、外部のサーバ装置から、各利用者Uの属性情報や履歴情報等を取得してもよい。
As shown in FIG. 10, the
続いて、サーバ装置100の分類部132は、各利用者Uの検索履歴から、対象者を抽出する(ステップS102)。
Subsequently, the
続いて、サーバ装置100の分類部132は、対象者の関心キーワードを抽出する(ステップS103)。
Subsequently, the
続いて、サーバ装置100の分類部132は、対象者について、検索傾向を元にクラスタリング(グループ分け)する(ステップS104)。例えば、分類部132は、関心キーワードに基づいて、対象者を複数のクラスタに分類する。
Subsequently, the
続いて、サーバ装置100の特定部133は、検索キーワードの入力態様の時系列的な変化の特徴を特定する(ステップS105)。例えば、特定部133は、ユーザのクラスタごとに、検索キーワードのカテゴリごとの入力態様の時系列的な変化の特徴を特定する。
Subsequently, the specifying
続いて、サーバ装置100の集計部134は、特定された入力態様の時系列的な変化の特徴ごとの検索キーワードのランキングを行う(ステップS106)。例えば、集計部134は、ユーザのクラスタごとに、特定された入力態様の時系列的な変化の特徴ごとの検索キーワードのカテゴリのランキングを行う。
Subsequently, the
続いて、サーバ装置100の変換部135は、検索キーワードをW2V(Word2Vec)でベクトル化する(ステップS107)。なお、変換部135は、W2V以外の自然言語処理により、検索キーワードをベクトル化してもよい。
Subsequently, the conversion unit 135 of the
続いて、サーバ装置100の学習部136は、検索キーワードのベクトルと入力態様の時系列的な変化の特徴との組ごとに、該特徴で該検索キーワードを検索する利用者のクラスタを学習する(ステップS108)。
Subsequently, the
続いて、サーバ装置100の推定部137は、指定された検索キーワードに応じたベクトルと入力態様の時系列的な変化の特徴との組に基づいて、該特徴で該検索キーワードを検索する利用者のクラスタを推定(推論)する(ステップS109)。
Subsequently, the estimating unit 137 of the
続いて、サーバ装置100の提供部138は、通信部110を介して、利用者Uの端末装置10に、入力態様の時系列的な変化の特徴ごとの検索キーワードのカテゴリのランキングを示す情報や、推定された利用者のクラスタを示す情報を提供する(ステップS110)。
Subsequently, the providing
〔6.変形例〕
上述した端末装置10及びサーバ装置100は、上記実施形態以外にも種々の異なる形態にて実施されてよい。そこで、以下では、実施形態の変形例について説明する。
[6. Modification]
The
上記の実施形態において、サーバ装置100が実行している処理の一部又は全部は、実際には、端末装置10が実行してもよい。例えば、スタンドアローン(Stand-alone)で(端末装置10単体で)処理が完結してもよい。この場合、端末装置10に、上記の実施形態におけるサーバ装置100の機能が備わっているものとする。また、上記の実施形態では、端末装置10はサーバ装置100と連携しているため、利用者Uから見れば、サーバ装置100の処理も端末装置10が実行しているように見える。すなわち、他の観点では、端末装置10は、サーバ装置100を備えているともいえる。
In the above embodiment, part or all of the processing executed by the
また、上記の実施形態において、サーバ装置100は、同一の検索キーワードを検索した対象者を抽出した後に、対象者の関心キーワードに基づいて対象者をクラスタリングしているが、実際には、対象者を抽出しなくてもよい。例えば、サーバ装置100は、不特定多数のユーザ層の関心キーワードに基づいて不特定多数のユーザ層をクラスタリングしてもよい。
Further, in the above embodiment, the
また、上記の実施形態において、サーバ装置100は、ユーザのクラスタごとに、入力態様の時系列的な変化の特徴ごとに検索クエリのカテゴリのランキング(順位付け)を行っているが、実際には、入力態様の時系列的な変化の特徴ごとにユーザのクラスタのランキングを行ってもよい。例えば、サーバ装置100は、検索クエリのカテゴリごとにユーザをクラスタリングしてもよい。
In the above-described embodiment, the
〔7.効果〕
上述してきたように、本願に係る情報処理装置(端末装置10及びサーバ装置100)は、検索キーワードの入力態様の時系列的な変化の特徴を特定する特定部133と、検索キーワードと入力態様の時系列的な変化の特徴との組ごとに、該特徴で該検索キーワードを検索する利用者のクラスタを学習する学習部136と、指定された検索キーワードと入力態様の時系列的な変化の特徴との組に基づいて、該特徴で該検索キーワードを検索する利用者のクラスタを推定する推定部137と、推定された利用者のクラスタを示す情報を提供する提供部138と、を備える。
[7. effect〕
As described above, the information processing device (the
特定部133は、検索キーワードのカテゴリごとに入力態様の時系列的な変化の特徴を特定する。学習部136は、検索キーワードのカテゴリと、入力態様の時系列的な変化の特徴との組ごとに、該特徴で該検索キーワードを検索する利用者のクラスタを学習する。推定部137は、指定された検索キーワードが属するカテゴリと、入力態様の時系列的な変化の特徴との組に基づいて、該特徴で該検索キーワードを検索する利用者のクラスタを推定する。
The specifying
また、本願に係る情報処理装置は、検索キーワードを自然言語処理によりベクトル化する変換部135と、をさらに備える。学習部136は、検索キーワードのベクトルと入力態様の時系列的な変化の特徴との組ごとに、該特徴で該検索キーワードを検索する利用者のクラスタを学習する。推定部137は、指定された検索キーワードに応じたベクトルと入力態様の時系列的な変化の特徴との組に基づいて、該特徴で該検索キーワードを検索する利用者のクラスタを推定する。
The information processing apparatus according to the present application further includes a conversion unit 135 that vectorizes the search keyword by natural language processing. The
また、本願に係る情報処理装置は、特定された入力態様の時系列的な変化の特徴ごとの検索キーワードのカテゴリのランキングを行う集計部と、をさらに備える。提供部138は、入力態様の時系列的な変化の特徴における検索キーワードのカテゴリのランキングが高いクラスタを示す情報を提供する。
The information processing apparatus according to the present application further includes a counting unit that ranks the category of the search keyword for each characteristic of the time-series change of the specified input mode. The providing
学習部136は、特定された入力態様の時系列的な変化の特徴ごとの検索キーワードのカテゴリのランキングを学習する。推定部137は、入力態様の時系列的な変化の特徴における検索キーワードのカテゴリのランキングが高いクラスタを推定する。
The
特定部133は、検索されたブランドの入力態様の時系列的な変化の特徴を特定する。学習部136は、検索されたブランドと入力態様の時系列的な変化の特徴との組ごとに、該特徴で該検索されたブランドを検索する利用者のクラスタを学習する。推定部137は、指定されたブランドと入力態様の時系列的な変化の特徴との組に基づいて、該特徴で該検索されたブランドを検索する利用者のクラスタを推定する。提供部138は、推定された利用者のクラスタを示す情報を提供する。
The identifying
特定部133は、検索された商品の入力態様の時系列的な変化の特徴を特定する。学習部136は、検索された商品と入力態様の時系列的な変化の特徴との組ごとに、該特徴で該検索された商品を検索する利用者のクラスタを学習する。推定部137は、指定された商品と入力態様の時系列的な変化の特徴との組に基づいて、該特徴で該検索された商品を検索する利用者のクラスタを推定する。提供部138は、推定された利用者のクラスタを示す情報を提供する。
The specifying
学習部136は、検索キーワードと入力態様の時系列的な変化の特徴との組ごとに、該特徴で該検索キーワードを検索する利用者のクラスタを学習してモデルを作成する。推定部137は、指定された検索キーワードと入力態様の時系列的な変化の特徴とをモデルに入力して、該特徴で該検索キーワードを検索する利用者のクラスタを推定する。
The
上述した各処理のいずれかもしくは組合せにより、本願に係る情報処理装置は、検索キーワードの入力パターンから、ユーザの入力態様の傾向を学習することができる。 By any one or a combination of the processes described above, the information processing apparatus according to the present application can learn the tendency of the user's input mode from the input pattern of the search keyword.
〔8.ハードウェア構成〕
また、上述した実施形態に係る端末装置10やサーバ装置100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。以下、サーバ装置100を例に挙げて説明する。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I/F(Interface)1060、入力I/F1070、ネットワークI/F1080がバス1090により接続された形態を有する。
[8. Hardware configuration]
Also, the
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。演算装置1030は、例えばCPU(Central Processing Unit)、MPU(Micro Processing Unit)、ASIC(Application Specific Integrated Circuit)やFPGA(Field Programmable Gate Array)等により実現される。
一次記憶装置1040は、RAM(Random Access Memory)等、演算装置1030が各種の演算に用いるデータを一次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)、SSD(Solid State Drive)、フラッシュメモリ等により実現される。二次記憶装置1050は、内蔵ストレージであってもよいし、外付けストレージであってもよい。また、二次記憶装置1050は、USB(Universal Serial Bus)メモリやSD(Secure Digital)メモリカード等の取り外し可能な記憶媒体であってもよい。また、二次記憶装置1050は、クラウドストレージ(オンラインストレージ)やNAS(Network Attached Storage)、ファイルサーバ等であってもよい。
The
出力I/F1060は、ディスプレイ、プロジェクタ、及びプリンタ等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ーフェースであり、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I/F1070は、マウス、キーボード、キーパッド、ボタン、及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ーフェースであり、例えば、USB等により実現される。
The output I/
また、出力I/F1060及び入力I/F1070はそれぞれ出力装置1010及び入力装置1020と無線で接続してもよい。すなわち、出力装置1010及び入力装置1020は、ワイヤレス機器であってもよい。
Also, the output I/
また、出力装置1010及び入力装置1020は、タッチパネルのように一体化していてもよい。この場合、出力I/F1060及び入力I/F1070も、入出力I/Fとして一体化していてもよい。
Also, the output device 1010 and the
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、又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。
The
ネットワークI/F1080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。
Network I/
演算装置1030は、出力I/F1060や入力I/F1070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がサーバ装置100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130の機能を実現する。また、コンピュータ1000の演算装置1030は、ネットワークI/F1080を介して他の機器から取得した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してもよい。また、コンピュータ1000の演算装置1030は、ネットワークI/F1080を介して他の機器と連携し、プログラムの機能やデータ等を他の機器の他のプログラムから呼び出して利用してもよい。
For example, when the
〔9.その他〕
以上、本願の実施形態を説明したが、これら実施形態の内容により本発明が限定されるものではない。また、前述した構成要素には、当業者が容易に想定できるもの、実質的に同一のもの、いわゆる均等の範囲のものが含まれる。さらに、前述した構成要素は適宜組み合わせることが可能である。さらに、前述した実施形態の要旨を逸脱しない範囲で構成要素の種々の省略、置換又は変更を行うことができる。
[9. others〕
Although the embodiments of the present application have been described above, the present invention is not limited by the contents of these embodiments. In addition, the components described above include those that can be easily assumed by those skilled in the art, those that are substantially the same, and those within the so-called equivalent range. Furthermore, the components described above can be combined as appropriate. Furthermore, various omissions, replacements, or modifications of components can be made without departing from the gist of the above-described embodiments.
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又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又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。 Further, among the processes described in the above embodiments, all or part of the processes described as being automatically performed can be manually performed, or all or part of the processes described as being manually performed can be automatically performed by a known method. In addition, information including processing procedures, specific names, various data and parameters shown in the above documents 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、その全部又は一部を、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又は物理的に分散・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.
例えば、上述したサーバ装置100は、複数のサーバコンピュータで実現してもよく、また、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等で呼び出して実現するなど、構成は柔軟に変更できる。
For example, the
また、上述してきた実施形態及び変形例は、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。 Also, the above-described embodiments and modifications can be appropriately combined within a range that does not contradict the processing content.
また、上述してきた「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、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。 Also, the above-mentioned "section, module, unit" can be read as "means" or "circuit". For example, the acquisition unit can be read as acquisition means or an acquisition circuit.
1 情報処理システム
10 端末装置
100 サーバ装置
110 通信部
120 記憶部
121 利用者情報データベース
122 履歴情報データベース
123 特徴情報データベース
130 制御部
131 取得部
132 分類部
133 特定部
134 集計部
135 変換部
136 学習部
137 推定部
138 提供部
1
Claims (10)
検索キーワードと入力態様の時系列的な変化の特徴との組ごとに、該特徴で該検索キーワードを検索する利用者のクラスタを学習する学習部と、
指定された検索キーワードと入力態様の時系列的な変化の特徴との組に基づいて、該特徴で該検索キーワードを検索する利用者のクラスタを推定する推定部と、
推定された利用者のクラスタを示す情報を提供する提供部と、
を備えることを特徴とする情報処理装置。 an identification unit that identifies characteristics of time-series changes in the input mode of a search keyword;
a learning unit that learns, for each set of a search keyword and a feature of chronological change in input mode, a cluster of users who search for the search keyword using the feature;
an estimating unit for estimating a cluster of users searching for the search keyword based on a set of a specified search keyword and a feature of chronological change in input mode;
a providing unit that provides information indicating an estimated cluster of users;
An information processing device comprising:
前記学習部は、検索キーワードのカテゴリと、入力態様の時系列的な変化の特徴との組ごとに、該特徴で該検索キーワードを検索する利用者のクラスタを学習し、
前記推定部は、指定された検索キーワードが属するカテゴリと、入力態様の時系列的な変化の特徴との組に基づいて、該特徴で該検索キーワードを検索する利用者のクラスタを推定する
ことを特徴とする請求項1に記載の情報処理装置。 The identifying unit identifies characteristics of time-series changes in input modes for each category of search keywords,
The learning unit learns, for each set of a search keyword category and a feature of a time-series change in an input mode, a cluster of users who search for the search keyword based on the feature,
The information processing apparatus according to claim 1, wherein the estimating unit estimates a cluster of users who search for the search keyword based on a set of a category to which the specified search keyword belongs and a feature of time-series changes in input mode.
をさらに備え、
前記学習部は、検索キーワードのベクトルと入力態様の時系列的な変化の特徴との組ごとに、該特徴で該検索キーワードを検索する利用者のクラスタを学習し、
前記推定部は、指定された検索キーワードに応じたベクトルと入力態様の時系列的な変化の特徴との組に基づいて、該特徴で該検索キーワードを検索する利用者のクラスタを推定する
ことを特徴とする請求項1又は2に記載の情報処理装置。 a conversion unit that vectorizes a search keyword by natural language processing;
further comprising
The learning unit learns, for each set of a search keyword vector and a feature of time-series changes in input mode, a cluster of users who search for the search keyword using the feature,
The information processing apparatus according to claim 1 or 2, wherein the estimation unit estimates a cluster of users who search for the search keyword based on a set of a vector corresponding to the designated search keyword and a feature of a time-series change in input mode based on the feature.
をさらに備え、
前記提供部は、入力態様の時系列的な変化の特徴における検索キーワードのカテゴリのランキングが高いクラスタを示す情報を提供する
ことを特徴とする請求項1~3のうちいずれか1つに記載の情報処理装置。 an aggregating unit that ranks search keyword categories for each feature of time-series changes in the specified input mode;
further comprising
The information processing apparatus according to any one of claims 1 to 3, wherein the providing unit provides information indicating a cluster with a high ranking of a search keyword category in a feature of time-series change in input mode.
前記推定部は、入力態様の時系列的な変化の特徴における検索キーワードのカテゴリのランキングが高いクラスタを推定する
ことを特徴とする請求項1~3のうちいずれか1つに記載の情報処理装置。 The learning unit learns the ranking of the search keyword category for each characteristic of the time-series change in the specified input mode,
The information processing apparatus according to any one of claims 1 to 3, wherein the estimating unit estimates a cluster having a high ranking in the category of the search keyword in the feature of time-series change of the input mode.
前記学習部は、検索されたブランドと入力態様の時系列的な変化の特徴との組ごとに、該特徴で該検索されたブランドを検索する利用者のクラスタを学習し、
前記推定部は、指定されたブランドと入力態様の時系列的な変化の特徴との組に基づいて、該特徴で該検索されたブランドを検索する利用者のクラスタを推定し、
前記提供部は、推定された利用者のクラスタを示す情報を提供する
ことを特徴とする請求項1~5のうちいずれか1つに記載の情報処理装置。 The identifying unit identifies characteristics of time-series changes in the input mode of the searched brand,
The learning unit learns a cluster of users who search for the searched brand with the feature for each set of the searched brand and the feature of the chronological change of the input mode,
The estimating unit estimates a cluster of users who search for the searched brand based on a set of the specified brand and a feature of chronological change in the input mode,
The information processing apparatus according to any one of claims 1 to 5, wherein the providing unit provides information indicating an estimated cluster of users.
前記学習部は、検索された商品と入力態様の時系列的な変化の特徴との組ごとに、該特徴で該検索された商品を検索する利用者のクラスタを学習し、
前記推定部は、指定された商品と入力態様の時系列的な変化の特徴との組に基づいて、該特徴で該検索された商品を検索する利用者のクラスタを推定し、
前記提供部は、推定された利用者のクラスタを示す情報を提供する
ことを特徴とする請求項1~6のうちいずれか1つに記載の情報処理装置。 The identifying unit identifies characteristics of time-series changes in the input mode of the searched product,
The learning unit learns a cluster of users who search for the searched product based on the feature for each combination of the searched product and the feature of the chronological change in the input mode,
The estimating unit estimates a cluster of users who search for the searched product based on a combination of the specified product and a feature of a time-series change in the input mode, and
The information processing apparatus according to any one of claims 1 to 6, wherein the providing unit provides information indicating an estimated cluster of users.
前記推定部は、指定された検索キーワードと入力態様の時系列的な変化の特徴とを前記モデルに入力して、該特徴で該検索キーワードを検索する利用者のクラスタを推定する
ことを特徴とする請求項1~7のうちいずれか1つに記載の情報処理装置。 The learning unit creates a model by learning a cluster of users who search for the search keyword with the feature for each set of the search keyword and the feature of time-series change in the input mode,
The information processing apparatus according to any one of claims 1 to 7, wherein the estimating unit inputs a specified search keyword and a feature of chronological change in input mode into the model, and estimates a cluster of users who search for the search keyword based on the feature.
検索キーワードの入力態様の時系列的な変化の特徴を特定する特定工程と、
検索キーワードと入力態様の時系列的な変化の特徴との組ごとに、該特徴で該検索キーワードを検索する利用者のクラスタを学習する学習工程と、
指定された検索キーワードと入力態様の時系列的な変化の特徴との組に基づいて、該特徴で該検索キーワードを検索する利用者のクラスタを推定する推定工程と、
推定された利用者のクラスタを示す情報を提供する提供工程と、
を含むことを特徴とする情報処理方法。 An information processing method executed by an information processing device,
an identifying step of identifying characteristics of time-series changes in the input mode of a search keyword;
a learning step of learning a cluster of users who search for the search keyword using the feature for each set of a search keyword and a feature of chronological change in input mode;
an estimating step of estimating a cluster of users searching for the search keyword based on a set of a specified search keyword and a feature of chronological change in input mode;
a providing step of providing information indicating the estimated cluster of users;
An information processing method comprising:
検索キーワードと入力態様の時系列的な変化の特徴との組ごとに、該特徴で該検索キーワードを検索する利用者のクラスタを学習する学習手順と、
指定された検索キーワードと入力態様の時系列的な変化の特徴との組に基づいて、該特徴で該検索キーワードを検索する利用者のクラスタを推定する推定手順と、
推定された利用者のクラスタを示す情報を提供する提供手順と、
をコンピュータに実行させるための情報処理プログラム。 an identification procedure for identifying characteristics of time-series changes in the input mode of a search keyword;
a learning procedure for learning a cluster of users who search for the search keyword using the feature for each set of a search keyword and a feature of chronological change in input mode;
an estimation procedure for estimating a cluster of users searching for the search keyword based on a combination of a specified search keyword and a feature of chronological changes in input mode;
a providing procedure for providing information indicative of an estimated cluster of users;
An information processing program for executing a computer.
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2022002811A JP2023102373A (en) | 2022-01-12 | 2022-01-12 | Information processing device, information processing method, and information processing program |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2022002811A JP2023102373A (en) | 2022-01-12 | 2022-01-12 | Information processing device, information processing method, and information processing program |
Publications (1)
Publication Number | Publication Date |
---|---|
JP2023102373A true JP2023102373A (en) | 2023-07-25 |
Family
ID=87377174
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2022002811A Pending JP2023102373A (en) | 2022-01-12 | 2022-01-12 | Information processing device, information processing method, and information processing program |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP2023102373A (en) |
-
2022
- 2022-01-12 JP JP2022002811A patent/JP2023102373A/en active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP7174782B2 (en) | Information processing device, information processing method and information processing program | |
JP7187597B2 (en) | Information processing device, information processing method and information processing program | |
JP2023102373A (en) | Information processing device, information processing method, and information processing program | |
JP2023102384A (en) | Information processing device, information processing method, and information processing program | |
JP7145247B2 (en) | Information processing device, information processing method and information processing program | |
JP7212665B2 (en) | Information processing device, information processing method and information processing program | |
JP7159373B2 (en) | Information processing device, information processing method and information processing program | |
JP7145997B2 (en) | Information processing device, information processing method and information processing program | |
JP7077431B1 (en) | Information processing equipment, information processing methods and information processing programs | |
JP7459026B2 (en) | Information processing device, information processing method, and information processing program | |
JP7168640B2 (en) | Information processing device, information processing method and information processing program | |
JP7337123B2 (en) | Information processing device, information processing method and information processing program | |
JP7317901B2 (en) | Information processing device, information processing method and information processing program | |
JP7122432B1 (en) | Information processing device, information processing method and information processing program | |
JP2023105760A (en) | Information processor, information processing method, and information processing program | |
JP7427634B2 (en) | Information processing device, information processing method, and information processing program | |
JP7193519B2 (en) | Information processing device, information processing method and information processing program | |
JP7244458B2 (en) | Information processing device, information processing method and information processing program | |
JP7191136B2 (en) | Information processing device, information processing method and information processing program | |
JP2023043762A (en) | Information processing device, information processing method, and information processing program | |
JP2023043779A (en) | Information processing device, information processing method, and information processing program | |
JP2023043772A (en) | Information processing device, information processing method, and information processing program | |
JP2023043778A (en) | Information processing device, information processing method, and information processing program | |
JP2023014734A (en) | Information processing apparatus, information processing method, and information processing program | |
JP2023124656A (en) | Information processing device, information processing method, and information processing program |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A711 | Notification of change in applicant |
Free format text: JAPANESE INTERMEDIATE CODE: A712 Effective date: 20231026 |