JP2023102384A - 情報処理装置、情報処理方法及び情報処理プログラム - Google Patents

Abstract

【課題】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。【解決手段】情報処理装置は、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特定部と、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提供部と、を備える。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、提供部は、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。【選択図】図１

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。

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。

特開２０１９－３２７７６号公報

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見つけ出すことはできない。

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見つけ出すことを目的とする。

本願に係る情報処理装置は、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特定部と、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提供部と、を備えることを特徴とする。

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見つけ出すことができる。

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。 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。 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。 図４は、実施形態に係る情報処理システムの構成例を示す図である。 図５は、実施形態に係る端末装置の構成例を示す図である。 図６は、実施形態に係るサーバ装置の構成例を示す図である。 図７は、利用者情報データベースの一例を示す図である。 図８は、履歴情報データベースの一例を示す図である。 図９は、特徴情報データベースの一例を示す図である。 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。 図１１は、ハードウェア構成の一例を示す図である。

以下に、本願に係る情報処理装置、情報処理方法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。

〔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。

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。

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。

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。

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。

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。

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。

〔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。

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。

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。

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。

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。

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。

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。

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）。

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。

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。

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。

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）。

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。

（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。

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。

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。

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。

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。

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。

〔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。

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。

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。

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。

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）。

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。

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。

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。

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。

〔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。

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。

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。

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。

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。

〔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。

（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。

（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。

（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。

（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。

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。

（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。

（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。

（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。

（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。

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。

（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。

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。

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。

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。

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。

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。

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。

（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。

（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。

（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。

（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。

（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。

〔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。

（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。

（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。

（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。

「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。

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。

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。

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。

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。

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。

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。

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。

（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。

「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。

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。

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。

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。

（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。

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。

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。

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。

（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。

（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。

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。

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。

（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。

（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。

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。

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。

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。

（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。

（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。

（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。

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。

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。

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。

（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。

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。

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。

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。

（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。

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。

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。

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。

〔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。

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。

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）。

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）。

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。

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。

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。

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。

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）。

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）。

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）。

〔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。

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。

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。

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。

〔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特定部１３３と、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提供部１３８と、を備える。

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１３４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。

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。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。提供部１３８は、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。

また、本願に係る情報処理装置は、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分類部１３２と、をさらに備える。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。提供部１３８は、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。

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。提供部１３８は、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。

提供部１３８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ごとの検索ボリュームの内訳を示す情報を提供する。

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。

提供部１３８は、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。

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見つけ出すことができる。

〔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。

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。

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。

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。

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。

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。

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。

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。

〔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。

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。

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。

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。

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。

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。

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

Claims (10)

1. 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特定部と、
   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提供部と、
   を備えることを特徴とする情報処理装置。
2. 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、
   前記提供部は、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
   ことを特徴とする請求項１に記載の情報処理装置。
3. 前記特定部は、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し、
   前記集計部は、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い、
   前記提供部は、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
   ことを特徴とする請求項２に記載の情報処理装置。
4. 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分類部と、
   をさらに備え、
   前記特定部は、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し、
   前記提供部は、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
   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。
5. 前記特定部は、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し、
   前記提供部は、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
   ことを特徴とする請求項４に記載の情報処理装置。
6. 前記提供部は、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ごとの検索ボリュームの内訳を示す情報を提供する
   ことを特徴とする請求項４又は５に記載の情報処理装置。
7. 前記分類部は、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
   ことを特徴とする請求項４～６のうちいずれか１つに記載の情報処理装置。
8. 前記提供部は、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
   ことを特徴とする請求項２に記載の情報処理装置。
9. 情報処理装置が実行する情報処理方法であって、
   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特定工程と、
   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提供工程と、
   を含むことを特徴とする情報処理方法。
10. 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特定手順と、
    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。

Images