JP2023120934A - 情報処理装置、情報処理方法、および情報処理プログラム - Google Patents

Abstract

【課題】ユーザが興味関心を有する可能性がある対象の情報を適切に提供すること。【解決手段】本願に係る情報処理装置は、第１特定部と、第２特定部と、提供部とを備える。第１特定部は、複数のユーザの興味関心に対する関連性に応じて第１対象を含む複数の対象の各々がベクトルで示され且つベクトルが所定期間毎に更新される興味関心空間におけるユーザの興味関心範囲に含まれるようになった第１対象と過去に類似していた第２対象を特定する。第２特定部は、第１対象と類似していた過去の時点の第２対象を基準とした場合に基準に類似している第３対象を特定する。提供部は、第３対象の情報をユーザに提供する。【選択図】図１

Description

本発明は、情報処理装置、情報処理方法、および情報処理プログラムに関する。

従来、ユーザに情報提供を行うための種々の技術が提供されている。例えば、特許文献１には、ユーザが興味関心を持っているカテゴリを、商取引に関連する要素に基づいて分類した複数の象限のうち、ユーザが興味関心を持っているカテゴリが属する象限に基づいて、象限に応じた広告を配信する技術が提案されている。

特開２０２１－０９９６３１号公報

しかしながら、上記の従来技術には、改善の余地がある。上記の従来技術では、象限に依存した情報提供を行っており、情報提供を柔軟に行うという点では改善の余地があり、ユーザが興味関心を有する可能性がある対象の情報を適切に提供することが望まれている。

本願は、上記に鑑みてなされたものであって、ユーザが興味関心を有する可能性がある対象の情報を適切に提供することができる情報処理装置、情報処理方法、および情報処理プログラムを提供することを目的とする。

本願に係る情報処理装置は、第１特定部と、第２特定部と、提供部とを備える。第１特定部は、複数のユーザの興味関心に対する関連性に応じて第１対象を含む複数の対象の各々がベクトルで示され且つベクトルが所定期間毎に更新される興味関心空間におけるユーザの興味関心範囲に含まれるようになった第１対象と過去に類似していた第２対象を特定する。第２特定部は、第１対象と類似していた過去の時点の第２対象を基準とした場合に基準に類似している第３対象を特定する。提供部は、第３対象の情報をユーザに提供する。

実施形態の一態様によれば、ユーザが興味関心を有する可能性がある対象の情報を適切に提供することができるという効果を奏する。

図１は、実施形態に係る情報処理の一例を示す図である。 図２は、実施形態に係る情報処理装置を含む情報処理システムの構成の一例を示す図である。 図３は、実施形態に係る情報処理装置のユーザ情報記憶部に記憶されるユーザ情報テーブルの一例を示す図である。 図４は、実施形態に係る情報処理装置のコンテンツ記憶部に記憶されるコンテンツテーブルの一例を示す図である。 図５は、実施形態に係る情報処理装置の興味関心空間情報記憶部に記憶される興味関心空間情報の一例を示す図である。 図６は、実施形態に係る情報処理装置の第１特定部によって特定される第１対象の一例を示す図である。 図７は、実施形態に係る情報処理装置の第１特定部によって特定される第２対象の一例を示す図である。 図８は、実施形態に係る情報処理装置の第１特定部によって特定される第２対象の一例を示す図である。 図９は、実施形態に係る情報処理装置の第２特定部によって特定される第３対象の一例を示す図である。 図１０は、実施形態に係る情報処理装置の第３特定部によって特定される第４対象の一例を示す図である。 図１１は、実施形態に係る情報処理装置の処理部による処理手順を示すフローチャートである。 図１２は、実施形態に係る情報処理装置の処理部による情報提供手順を示すフローチャートである。 図１３は、実施形態に係る情報処理装置の機能を実現するコンピュータの一例を示すハードウェア構成図である。

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

〔１．情報処理の一例〕
まず、図１を用いて、実施形態に係る情報処理の一例について説明する。図１は、実施形態に係る情報処理の一例を示す図である。実施形態に係る情報処理は、情報処理装置１によって実行される処理であり、検索処理、モデル生成処理、および情報提供処理を含む。

まず、検索処理およびモデル生成処理について説明する。図１に示す情報処理装置１は、ユーザＵ_１～Ｕ_ｎに検索サービスを提供する。例えば、情報処理装置１は、検索対象がインデックスされて格納されたデータベースである検索対象データベースなどを有しており、かかる検索対象データベースなどの情報を対象として検索処理を実行する。例えば、検索対象データベースの情報は記憶部１１（図２参照）に格納される。

図１に示すように、ユーザＵ_１～Ｕ_ｎは、端末装置２_１～２_ｎを操作することで、端末装置２_１～２_ｎから検索クエリを情報処理装置１に送信する処理を端末装置２_１～２_ｎに実行させる（ステップＳ１_１～Ｓ１_ｎ）。ｎは、２以上の整数である。

例えば、ステップＳ１_１において、ユーザＵ_１は、端末装置２_１を操作することで、端末装置２_１から検索クエリを情報処理装置１に送信する処理を端末装置２_１に実行させる。また、ステップＳ１_ｎにおいて、ユーザＵ_ｎは、端末装置２_ｎを操作することで、端末装置２_ｎから検索クエリを情報処理装置１に送信する処理を端末装置２_ｎに実行させる。以下において、ユーザＵ_１～Ｕ_ｎの各々を個別に区別せずに示す場合、ユーザＵと記載し、端末装置２_１～２_ｎの各々を個別に区別せずに示す場合、端末装置２と記載する場合がある。

検索クエリは、ユーザＵによって端末装置２に入力された１以上の検索語（検索キーワード）を含む。例えば、ユーザＵによって端末装置２に１以上の検索語として「スニーカ」が入力された場合、検索クエリには、「スニーカ」が含まれる。また、ユーザＵによって端末装置２に１以上の検索語として「スニーカ レディース」が入力された場合、検索クエリには、「スニーカ レディース」が含まれる。「スニーカ レディース」には、「スニーカ」と「レディース」の２つの検索語がスペース区切りで含まれている。

情報処理装置１は、端末装置２_１～２_ｎから各々送信される検索クエリを受け付ける（ステップＳ２_１～Ｓ２_ｎ）。例えば、情報処理装置１は、ステップＳ２_１で、端末装置２_１から検索クエリを受け付け、ステップＳ２_ｎで、端末装置２_ｎから検索クエリを受け付ける。

次に、情報処理装置１は、ステップＳ２_１～Ｓ２_ｎで受け付けた検索クエリに基づいて検索処理を実行する（ステップＳ３_１～Ｓ３_ｎ）。例えば、情報処理装置１は、ステップＳ３_１において、端末装置２_１から送信されステップＳ２_１で受け付けた検索クエリに含まれる１以上の検索語に対応する対象を検索対象データベースから検索する検索処理を実行する。また、情報処理装置１は、ステップＳ３_ｎにおいて、端末装置２_ｎから送信されステップＳ２_ｎで受け付けた検索クエリに含まれる１以上の検索語に対応する対象を検索対象データベースから検索する検索処理を実行する。

次に、情報処理装置１は、ステップＳ３_１～Ｓ３_ｎによる検索処理の結果である検索結果を端末装置２_１～２_ｎに送信する（ステップＳ４_１～Ｓ４_ｎ）。例えば、情報処理装置１は、ステップＳ４_１において、ステップＳ３_１の検索処理の結果である検索結果を端末装置２_１に送信する。また、情報処理装置１は、ステップＳ４_ｎにおいて、ステップＳ３_ｎの検索処理の結果である検索結果を端末装置２_ｎに送信する。

次に、情報処理装置１は、ステップＳ２_１～Ｓ２_ｎで受け付けた検索クエリに基づいて、興味関心モデルを生成する（ステップＳ５）。ステップＳ５で生成される興味関心モデルは、複数の対象の各々を示す情報を入力とし、Ｍ次元のベクトルを出力とするモデルである。Ｍは、例えば、５００～２０００の範囲の整数であるが、かかる例に限定されない。また、Ｍ次元のベクトルは、例えば、分散表現で示されてもよく、分散表現以外で示されてもよい。以下、Ｍ次元のベクトルを単にベクトルと記載する。

ステップＳ５において、情報処理装置１は、予め定められた条件を満たす２以上の検索語を類似する特徴を有するものとして複数の検索語の各々が有する特徴を学習することによって学習済みモデルである興味関心モデルを生成する。予め定められた条件を満たす２以上の検索語は、同一検索クエリに含まれる複数の検索語、または同一のユーザＵによって予め定められた時間内に端末装置２から送信される複数の検索クエリに含まれる検索語である。

情報処理装置１は、予め定められた条件を満たす２以上の検索語を学習データとして、２以上の検索語のベクトルが互いに類似するように学習を行う。情報処理装置１は、同一のユーザＵによって端末装置２から送信される検索クエリに含まれる検索語を、検索クエリの送信時期にかかわらず、予め定められた条件を満たす２以上の検索語として扱うこともできる。

なお、検索語は、１つの検索キーワードで構成されるが、２以上の検索キーワードから構成されてもよい。情報処理装置１は、例えば、検索クエリに文字列「スニーカ レディース」が含まれる場合、「スニーカ」と「レディース」とを異なる検索語として扱うが、「スニーカ」と「レディース」との組を１つの検索語として扱うこともできる。

情報処理装置１は、例えば、再帰的ニューラルネットワークとも呼ばれるＲＮＮ（Recurrent Neural Network）の一種であるＬＳＴＭ（Long Short-Term Memory）をベクトル生成（例えば、分散表現生成）に用いたＤＳＳＭ（Deep Structured Semantic Model）の技術を用いて、検索語などの対象を示す情報からベクトル（例えば、分散表現）を出力する興味関心モデルを生成する。なお、対象を示す情報からベクトルを出力する興味関心モデルの生成方法は、上述した例に限定されない。

情報処理装置１は、予め定められた期間ＴＡ毎に興味関心モデルの生成を行う。例えば、予め定められた期間ＴＡが１ヶ月である場合、情報処理装置１は、２０２２年１月、２月、３月、・・・の各々の月単位で興味関心モデルの生成を行う。

次に、情報提供処理について説明する。情報処理装置１は、興味関心空間での各ユーザＵの興味関心範囲を特定する（ステップＳ６）。興味関心空間では、複数のユーザＵの興味関心に対する関連性に応じて複数の対象の各々がベクトルで示される。興味関心空間において、ベクトルで示される対象は、検索語で示される対象に限定されず、検索語で示される対象以外の対象であってもよい。

情報処理装置１は、ステップＳ５で生成された興味関心モデルに対象を示す情報を入力し、興味関心モデルから出力される対象のベクトルを取得する処理を対象毎に行うことによって、各対象のベクトルを含む興味関心空間を生成する。情報処理装置１は、例えば、期間ＴＡ毎の興味関心モデルを用いて期間ＴＡ毎に興味関心空間を生成する。

そして、情報処理装置１は、同一のユーザＵによって端末装置２から送信される複数の検索クエリに含まれる検索語をステップＳ５で生成された興味関心モデルに入力し、興味関心モデルから出力される検索語のベクトルを取得する処理を検索語毎に行う。

情報処理装置１は、同一のユーザＵによって端末装置２から送信される複数の検索クエリに含まれる検索語のベクトルを平均化して平均ベクトルを算出し、算出した平均ベクトルをユーザ興味関心ベクトルとして判定する。そして、情報処理装置１は、ユーザ興味関心ベクトルと類似する範囲を各ユーザＵの興味関心範囲として特定する。なお、情報処理装置１は、例えば、受信した日時が新しい検索クエリの検索語ほど検索語のベクトルの重みを大きくして平均ベクトルを算出することもできる。

情報処理装置１は、期間ＴＡ毎の興味関心モデルを用いて期間ＴＡ毎に各ユーザＵの興味関心範囲を特定する。情報処理装置１は、例えば、期間ＴＡ内に同一のユーザＵによって端末装置２から送信された複数の検索クエリに基づいてその期間ＴＡにおける興味関心範囲をユーザＵ毎に特定する。

次に、情報処理装置１は、ユーザＵの興味関心範囲に含まれるようになった第１対象と過去の時点で類似していた第２対象を特定する（ステップＳ７）。次に、情報処理装置１は、第１対象と過去の時点で類似していた第２対象を基準とし、基準に類似している第３対象を特定定する（ステップＳ８）。

そして、情報処理装置１は、ステップＳ８で特定した第３対象の情報をユーザＵに提供する（ステップＳ９）。ステップＳ６～Ｓ９の処理は、ユーザＵ毎に行われる。

例えば、興味関心モデルの生成周期が１ヶ月であり、２０２２年２月の興味関心モデルが最新の興味関心モデルであるとする。また、２０２２年１月の興味関心モデルを用いて２０２２年１月の興味関心空間が生成され、２０２２年２月の興味関心モデルを用いて２０２２年２月の興味関心空間が生成されるとする。

また、２０２２年１月の興味関心空間において、対象「タピオカ」と対象「マリトッツォ」とが類似しているが、対象「タピオカ」と対象「マリトッツォ」とはユーザＵ_１の興味関心範囲に含まれないとする。また、２０２２年２月の興味関心空間において、対象「マリトッツォ」は継続してユーザＵ_１の興味関心範囲に含まれないが、対象「タピオカ」がユーザＵ_１の興味関心範囲に含まれることになったとする。

この場合、情報処理装置１は、対象「タピオカ」を第１対象として特定し、対象「マリトッツォ」を第２対象として特定する。そして、情報処理装置１は、２０２２年１月の興味関心空間における対象「マリトッツォ」と２０２２年２月の興味関心空間において類似する対象を第３対象として特定する。例えば、２０２２年１月の興味関心空間における対象「マリトッツォ」と２０２２年２月の興味関心空間において類似する対象が対象「ピスタチオ」であるとする。この場合、情報処理装置１は、対象「ピスタチオ」を第３対象として特定する。そして、情報処理装置１は、第３対象として特定した対象「ピスタチオ」の情報をユーザＵ_１に提供する。

このように、情報処理装置１は、興味関心空間においてユーザＵの興味関心範囲に含まれることとなった第１対象と過去の時点で類似していた第２対象を基準とし、かかる基準に類似している第３対象を特定し、かかる第３対象の情報をユーザＵに提供する。これにより、情報処理装置１は、ユーザＵの興味関心を有する可能性がある対象の情報を適切に提供することができる。

〔２．情報処理システムの構成〕
図２は、実施形態に係る情報処理装置１を含む情報処理システムの構成の一例を示す図である。図２に示すように、情報処理システム１００は、情報処理装置１と、複数の端末装置２_１～２_ｎとを含む。情報処理装置１および複数の端末装置２_１～２_ｎは、ネットワークＮを介して、有線または無線により通信可能に接続される。

情報処理装置１は、インターネットなどの所定のネットワークＮを介して、各種の装置と通信可能な情報処理装置であり、例えば、サーバ装置またはクラウドシステムなどにより実現される。例えば、情報処理装置１は、ネットワークＮを介して、他の各種装置と通信可能に接続される。

また、情報処理装置１は、各ユーザＵの端末装置２に対して、ウェブサービスなどのオンラインサービスを提供する。例えば、情報処理装置１は、オンラインサービスとして、上述した検索サービスおよび情報提供サービスの他、例えば、ＳＮＳ（Social Networking Service）、電子商取引（ＥＣ：Electronic Commerce）サイト、投稿サイト、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、天気予報などのサービスを提供する。なお、情報処理装置１は、上述したオンラインサービスを提供する各種サーバと連携し、オンラインサービスを仲介することもできる。

端末装置２は、ブラウザに表示されるウェブページやアプリケーション用のコンテンツなどのコンテンツにアクセスするユーザＵによって利用される情報処理装置である。例えば、端末装置２は、デスクトップ型ＰＣ（Personal Computer）、ノート型ＰＣ、タブレット端末、携帯電話機、ＰＤＡ（Personal Digital Assistant）などである。なお、端末装置２は、上述した例に限定されなくともよく、例えば、スマートウォッチまたはウェアラブルデバイス（Wearable Device）などであってもよい。

〔３．情報処理装置１の構成〕
以下、上述した情報処理装置１が有する機能構成の一例について説明する。図２に示すように、情報処理装置１は、通信部１０と、記憶部１１と、処理部１２とを有する。

〔３．１．通信部１０〕
通信部１０は、例えば、ＮＩＣ（Network Interface Card）などによって実現される。そして、通信部１０は、ネットワークＮと有線または無線で接続され、他の各種装置との間で情報の送受信を行う。例えば、通信部１０は、端末装置２_１～２_ｎとの間でネットワークＮを介して情報の送受信を行う。

〔３．２．記憶部１１〕
記憶部１１は、例えば、ＲＡＭ（Random Access Memory）、フラッシュメモリ（Flash Memory）などの半導体メモリ素子、または、ハードディスク、光ディスクなどの記憶装置によって実現される。また、記憶部１１は、検索情報記憶部２０と、ユーザ情報記憶部２１と、コンテンツ記憶部２２と、興味関心空間情報記憶部２３とを有する。

〔３．２．１．検索情報記憶部２０〕
検索情報記憶部２０は、検索サービスで情報処理装置１が提供する複数の検索対象の情報を記憶する。例えば、検索情報記憶部２０は、複数の検索対象の各々がインデックスされて格納されたデータベースである検索対象データベースを格納する。

検索対象の情報は、例えば、クローラなどによって収集されるウェブページなどの種々のコンテンツの情報である。検索情報記憶部２０に記憶される検索対象の情報は、コンテンツのＵＲＬ（Uniform Resource Locator）および概要などであるが、かかる例に限定されない。

〔３．２．２．ユーザ情報記憶部２１〕
ユーザ情報記憶部２１は、ユーザＵ_１～Ｕ_ｎの情報を含むユーザ情報を記憶する。図３は、実施形態に係る情報処理装置１のユーザ情報記憶部２１に記憶されるユーザ情報テーブルの一例を示す図である。

図３に示すように、ユーザ情報記憶部２１に記憶されるユーザ情報テーブルは、「ユーザＩＤ（Identifier）」、「ユーザ名」、「属性」、および「検索履歴」などの情報をユーザＵ毎に含む。「ユーザＩＤ」は、各ユーザＵに固有の識別情報である。「ユーザ名」は、ユーザＵの名称を示す情報である。

「属性」は、ユーザＵの属性を示す情報である。ユーザＵの属性は、ユーザＵのデモグラフィック属性またはサイコグラフィック属性などである。デモグラフィック属性は、人口統計学的なユーザＵの属性である。サイコグラフィック属性は、ユーザＵの価値観、ライフスタイル、性格、興味関心などを示す属性である。

図３に示す例では、ユーザＵのデモグラフィック属性として、「性別」および「年齢」などの情報を含む。「性別」は、ユーザＵの性別を示す情報であり、「年齢」は、ユーザＵの年齢を示す情報である。なお、ユーザＵのデモグラフィック属性は、例えば、ユーザＵの役職、担当業務、年収、住所、通勤経路、研修履歴、家族構成などがさらに含まれる。ユーザＵの嗜好は、例えば、服、旅行、車、バイク、コンピュータ、ランチなどの各対象に対するユーザＵの興味関心度合いなどを含む。

「検索履歴」は、情報処理装置１が提供するオンラインサービスまたは情報処理装置１がユーザＵによって仲介されるオンラインサービスでの検索履歴の情報である。かかる「検索履歴」には、例えば、情報処理装置１による検索クエリの受信日時を示す情報、および検索クエリに含まれる１以上の検索語（検索キーワード）の情報などが検索クエリ毎に含まれる。

〔３．２．３．コンテンツ記憶部２２〕
コンテンツ記憶部２２は、検索サービス以外のオンラインサービスで情報処理装置１が提供するコンテンツを記憶する。図４は、実施形態に係る情報処理装置１のコンテンツ記憶部２２に記憶されるコンテンツテーブルの一例を示す図である。図４に示した例では、コンテンツ記憶部２２は、「コンテンツＩＤ」、および「コンテンツ」などをコンテンツ毎に含む。

「コンテンツＩＤ」は、コンテンツ毎に固有の識別情報である。「コンテンツ」は、「コンテンツＩＤ」に対応付けられたコンテンツに関する情報である。具体的には、コンテンツは、コンテンツの内容に関する情報を示してもよい。例えば、コンテンツは、オンラインサービスで提供されるコンテンツである。例えば、コンテンツは、ポータルサイト、ニュースサイト、オークションサイト、天気予報サイト、ショッピングサイト、またはファイナンス（株価）サイトなどに関するコンテンツである。また、コンテンツは、路線検索サイト、地図提供サイト、旅行サイト、飲食店紹介サイト、ウェブブログサイト、投稿サイト、音楽配信サイト、動画配信サイト、またはＳＮＳサイトなどに関するコンテンツであってもよい。

例えば、図４では、コンテンツＩＤ「Ｃ１」のコンテンツは、「ＣＯ１」である。なお、図４に示した例では、コンテンツを、「ＣＯ１」などの抽象的な符号で表現したが、コンテンツは、具体的な数値、具体的な文字列、および各種情報などを含むファイル形式などであってもよい。なお、コンテンツ記憶部２２は、上述した例に限定されず、目的に応じて種々の情報を記憶してもよい。

〔３．２．４．興味関心空間情報記憶部２３〕
興味関心空間情報記憶部２３は、予め定められた期間ＴＡ毎の興味関心空間情報を記憶する。興味関心空間情報には、興味関心空間に配置される複数の対象のベクトルなどの情報が含まれる。興味関心空間は、Ｍ次元の空間である。期間ＴＡは、例えば、１ヶ月であるが、かかる例に限定されず、例えば、１週間、２週間、または３ヶ月などであってもよい。また、期間ＴＡは、情報処理装置１によって新たに受け付けられた検索クエリの数または新たな検索語の数が予め設定された閾値以上になる期間であってもよい。

図５は、実施形態に係る情報処理装置１の興味関心空間情報記憶部２３に記憶される興味関心空間情報の一例を示す図である。図５に示した例では、興味関心空間情報記憶部２３に記憶される興味関心空間情報は、「対象ＩＤ」、「対象」、および「ベクトル」などを対象毎に含む。

「対象ＩＤ」は、対象毎に固有の識別情報である。「対象」は、興味関心空間に配置されるユーザＵの興味関心となりうる対象であり、例えば、ショッピング、旅行、ニュース、スポーツ、エンターテイメント、ファイナンス、ゲーム、映画、または音楽などの種々のカテゴリに属する対象である。

例えば、図５では、対象ＩＤ「Ｑ１」の対象は、「Ｏ１」であり、ベクトルは、「Ｖ１」である。なお、図５に示した例では、対象を、「Ｏ１」などの抽象的な符号で表現したが、対象は、具体的な文字列で示されるが、画像などで示されてもよい。また、図５に示した例では、ベクトルを、「Ｖ１」などの抽象的な符号で表現したが、ベクトルは、Ｍ次元のベクトルであり、例えば、各次元のベクトル成分の値で示される。

〔３．３．処理部１２〕
処理部１２は、コントローラ（Controller）であり、例えば、ＣＰＵ（Central Processing Unit）やＭＰＵ（Micro Processing Unit）などのプロセッサによって、情報処理装置１内部の記憶装置に記憶されている各種プログラム（情報処理プログラムの一例）がＲＡＭを作業領域として実行されることにより実現される。また、処理部１２は、コントローラであり、例えば、ＡＳＩＣ（Application Specific Integrated Circuit）やＦＰＧＡ（Field Programmable Gate Array）などの集積回路により実現される。

図２に示すように、処理部１２は、受付部３０と、検索部３１と、学習部３２と、特定部３３と、算出部３４と、提供部３５とを有し、以下に説明する情報処理の機能や作用を実現または実行する。なお、処理部１２の内部構成は、図２に示した構成に限られず、後述する情報処理を行う構成であれば他の構成であってもよい。

〔３．３．１．受付部３０〕
受付部３０は、各種要求を受け付ける。受付部３０は、外部の情報処理装置から各種要求を受け付ける。例えば、受付部３０は、各端末装置２からの要求を受け付ける。

受付部３０は、ユーザＵが入力した１以上の検索語（検索キーワード）を含む検索クエリを端末装置２からネットワークＮおよび通信部１０を介して受け付ける。また、受付部３０は、ユーザＵのコンテンツ送信要求をネットワークＮおよび通信部１０を介して端末装置２から受け付ける。コンテンツ送信要求は、コンテンツを特定した要求である。

〔３．３．２．検索部３１〕
検索部３１は、受付部３０によって受け付けられた検索クエリに含まれる１以上の検索語に応じた検索対象の情報を検索情報記憶部２０に記憶されている複数の検索対象の情報の中から検索する。検索部３１は、検索した検索対象の情報を検索結果としてネットワークＮおよび通信部１０を介して検索クエリを送信した端末装置２に送信する。

また、検索部３１は、受付部３０によって受け付けられた検索クエリに含まれる１以上の検索語に応じた検索対象の情報をコンテンツ記憶部２２に記憶されている複数のコンテンツの中から検索することもできる。検索部３１は、検索したコンテンツを検索結果としてネットワークＮおよび通信部１０を介して検索クエリを送信した端末装置２に送信する。

〔３．３．３．学習部３２〕
学習部３２は、予め定められた条件を満たす２以上の検索語を類似する特徴を有するものとして複数の検索語の各々が有する特徴を学習した学習済みモデルである興味関心モデルを期間ＴＡ毎に生成する。

予め定められた条件を満たす２以上の検索語は、同一検索クエリに含まれる複数の検索語、または同一のユーザＵによって予め定められた時間内に端末装置２から送信される複数の検索クエリに含まれる検索語である。なお、学習部３２は、同一のユーザＵによって端末装置２から送信される検索クエリに含まれる検索語を、検索クエリの送信時期にかかわらず、予め定められた条件を満たす２以上の検索語として扱うこともできる。

学習部３２は、期間ＴＡ内を検索日時とする検索クエリに含まれる検索語を用いて学習用データを生成する。例えば、学習部３２は、期間ＴＡ毎に予め定められた条件を満たす２以上の検索語をユーザ情報記憶部２１から取得し、取得した２以上の検索語を学習用データとして用いて興味関心モデルを生成する。例えば、学習部３２は、予め定められた条件を満たす２以上の検索語を学習データとして、２以上の検索語のベクトルが互いに類似するように学習を行う。

学習部３２は、例えば、再帰的ニューラルネットワークとも呼ばれるＲＮＮの一種であるＬＳＴＭをベクトル生成に用いたＤＳＳＭの技術を用いて、検索語などの対象を示す情報からベクトルを出力する興味関心モデルを生成する。なお、検索語などの対象を示す情報からベクトルを出力する興味関心モデルの生成方法は、上述した例に限定されず、類似する複数の対象を示すベクトルが互いに類似するように学習を行うことができればよく、種々の公知技術を用いることができる。

学習部３２は、生成した期間ＴＡ毎の興味関心モデルを用いて複数の対象の各々のベクトルを取得し、取得した複数の対象のベクトルの情報を含む情報を興味関心空間情報として期間ＴＡ毎に記憶部１１における興味関心空間情報記憶部２３に記憶させる。

〔３．３．４．特定部３３〕
特定部３３は、複数のユーザＵの興味関心に対する関連性に応じて複数の対象の各々がベクトルで示され且つベクトルが期間ＴＡ毎に更新される興味関心空間におけるユーザＵの興味関心範囲に含まれるようになった第１対象を特定する。

そして、特定部３３は、特定した第１対象と過去に類似していた第２対象を特定し、第１対象と類似していた過去の時点の第２対象を基準とした場合に基準に類似している第３対象を特定する。また、特定部３３は、第１対象が第２対象と類似するよりも前に類似していた第４対象を特定する。特定部３３は、第１特定部４０と、第２特定部４１と、第３特定部４２とを備える。まず、第１特定部４０について説明する。

〔３．３．４．１．第１特定部４０〕
第１特定部４０は、複数のユーザＵの興味関心に対する関連性に応じて複数の対象の各々がベクトルで示され且つベクトルが期間ＴＡ毎に更新される興味関心空間においてユーザＵの興味関心範囲に含まれるようになった第１対象を特定する。

第１特定部４０は、例えば、期間ＴＡ毎の興味関心モデルを用いて期間ＴＡ毎に各ユーザＵの興味関心範囲を特定する。第１特定部４０は、例えば、各期間ＴＡ内において同一のユーザＵによって端末装置２から送信されたすべての検索クエリの各々に含まれる検索語をユーザ情報記憶部２１からユーザＵ毎に取得する。そして、第１特定部４０は、取得した複数の検索語のベクトルを平均化して平均ベクトルを算出し、算出した平均ベクトルをユーザ興味関心ベクトルとしてユーザＵ毎に判定する処理を期間ＴＡ毎に行う。なお、第１特定部４０は、例えば、受信した日時が新しいほど検索語のベクトルの重みを大きくして平均ベクトルを算出することもできる。

第１特定部４０は、ユーザＵのユーザ興味関心ベクトルと類似する範囲をユーザＵの興味関心範囲としてユーザＵ毎に特定する。ユーザ興味関心ベクトルとの類似範囲は、例えば、コサイン類似度が予め定められた範囲であるが、かかる例に限定されない。なお、第１特定部４０は、例えば、同一のユーザＵの新たな検索クエリの数または新たな検索語の数が予め設定された閾値以上になる毎にそのユーザＵの興味関心範囲を特定することもできる。

第１特定部４０は、複数の対象のうち最新の興味関心空間においてユーザＵの興味関心範囲に含まれるようになった第１対象を特定する。例えば、２０２１年１０月～２０２２年２月までの各月の興味関心空間がある場合、最新の興味関心空間は、２０２２年２月の興味関心空間である。２０２１年１０月～２０２２年２月までの各月の興味関心空間は、２０２１年１０月～２０２２年２月までの各月の興味関心モデルによって得られる。

例えば、２０２１年１０月の興味関心空間は、２０２１年１０月の興味関心モデルに複数の対象の各々を示す情報を入力することによって得られ、２０２２年２月の興味関心空間は、２０２２年２月の興味関心モデルに複数の対象の各々を示す情報を入力することによって得られる。また、興味関心空間は、２０２１年１０月の興味関心空間の状態、２０２１年１１月の興味関心空間の状態、２０２１年１２月の興味関心空間の状態、２０２２年１月の興味関心空間の状態、２０２２年２月の興味関心空間の状態に順次更新される。

図６は、実施形態に係る情報処理装置１の第１特定部４０によって特定される第１対象の一例を示す図である。図６では、Ｍ次元の興味関心空間を低次元化して可視化した興味関心空間の一部が示されている。図６に示す例では、２期間前の興味関心空間における対象Ｏ１の位置Ｐ_１（ｔ_－２）と、１期間前の興味関心空間における対象Ｏ１の位置Ｐ_１（ｔ_－１）と、最新の興味関心空間におけるＯ１の位置Ｐ_１（ｔ_０）とが示されている。

図６に示すように、対象Ｏ１は、２期間前の興味関心空間および１期間前の興味関心空間では、ユーザＵ_１の興味関心範囲に入っていないが、最新の興味関心空間では、ユーザＵ_１の興味関心範囲に入っている。この場合、第１特定部４０は、対象Ｏ１を第１対象として特定する。なお、最新の興味関心空間が２０２２年２月の興味関心空間である場合、１期間前の興味関心空間は、例えば、２０２２年１月の興味関心空間であり、２期間前の興味関心空間は、例えば、２０２１年１２月の興味関心空間である。

また、第１特定部４０は、例えば、過去の予め定められた期間前までの興味関心空間においてユーザＵの興味関心範囲内になかったが最新の興味関心空間において、新たにユーザＵの興味関心範囲に含まれるようになった対象を第１対象として特定することができる。

なお、上述した例では、対象がユーザＵの興味関心範囲内であるか否かは、同一の期間ＴＡの興味関心モデルを用いて各々得られる興味関心空間とユーザＵの興味関心範囲とを用いて判定されるが、かかる例に限定されない。例えば、第１特定部４０は、各期間ＴＡの興味関心モデルを用いて得られる各期間ＴＡの興味関心空間で対象の各期間ＴＡのベクトルと最新の興味関心モデルを用いて得られるユーザＵの興味関心範囲とを用いて対象がユーザＵの興味関心範囲内であるか否かを判定することもできる。

第１特定部４０は、第１対象と過去に類似していた第２対象を特定する。具体的には、第１特定部４０は、第１対象と１期間以上前の興味関心空間において、第１対象と類似していた対象を第２対象として特定する。第１対象の類似範囲は、例えば、第１対象とのコサイン類似度が予め定められた範囲であるが、かかる例に限定されない。

図７は、実施形態に係る情報処理装置１の第１特定部４０によって特定される第２対象の一例を示す図である。図７では、図６と同様に、Ｍ次元の興味関心空間を低次元化して可視化した興味関心空間の一部が示されている。

図７に示す例では、図６に示す例と同様に、２期間前の興味関心空間における対象Ｏ１の位置Ｐ_１（ｔ_－２）と、１期間前の興味関心空間における対象Ｏ１の位置Ｐ_１（ｔ_－１）と、最新の興味関心空間における対象Ｏ１の位置Ｐ_１（ｔ_０）とが示されている。また、図７に示す例では、２期間前の興味関心空間における対象Ｏ２の位置Ｐ_２（ｔ_－２）と、１期間前の興味関心空間における対象Ｏ２の位置Ｐ_２（ｔ_－１）と、最新の興味関心空間における対象Ｏ２の位置Ｐ_２（ｔ_０）とが示されている。

２期間前の興味関心空間と１期間前の興味関心空間において、対象Ｏ１の類似範囲には、対象Ｏ２が含まれており、第１特定部４０は、対象Ｏ２を第２対象として特定する。

また、第１特定部４０は、第２対象が過去の予め定められた期間にユーザＵの興味関心範囲に含まれなかったか否かを判定することもできる。図８は、実施形態に係る情報処理装置１の第１特定部４０によって特定される第２対象の一例を示す図である。図８では、図６および図７と同様に、Ｍ次元の興味関心空間を低次元化して可視化した興味関心空間の一部が示されている。

図８に示す例では、図７に示す状態に比べて、３期間前の興味関心空間における対象Ｏ２の位置Ｐ_２（ｔ_－３）が示されている。３期間前の興味関心空間において、対象Ｏ２がユーザＵの興味関心範囲に含まれている。この場合、第１特定部４０は、第２対象として特定した対象Ｏ２が過去の予め定められた期間にユーザＵの興味関心範囲に含まれていると判定する。

予め定められた期間は、例えば、Ｋ期間前までの期間ＴＣ＝ＴＡ×Ｋである。Ｋは、例えば、１０以上の整数であるが、かかる例に限定されない。ここで、Ｋ＋１期間前以前の興味関心空間で第２対象がユーザＵの興味関心範囲に含まれており、Ｋ期間前の興味関心空間から１期間前までの興味関心空間までまたはＫ期間前の興味関心空間から最新の興味関心空間まで第２対象がユーザＵの興味関心範囲に含まれていないとする。この場合、第１特定部４０は、第２対象が過去の予め定められた期間にユーザＵの興味関心範囲に含まれなかったと判定する。

〔３．３．４．２．第２特定部４１〕
第２特定部４１は、期間ＴＡ毎に更新される興味関心空間において、第１対象と類似していた過去の時点の第２対象を基準とした場合に基準に類似している第３対象を特定する。基準の類似範囲は、例えば、基準とのコサイン類似度が予め定められた範囲である。

図９は、実施形態に係る情報処理装置１の第２特定部４１によって特定される第３対象の一例を示す図である。図９では、図６と同様に、Ｍ次元の興味関心空間を低次元化して可視化した興味関心空間の一部が示されている。

図９に示す例では、図７に示すように、対象Ｏ１（第１対象の一例）と類似していた過去の時点の対象Ｏ２が基準Ｏｓとして示されている。具体的には、図９において、２期間前の興味関心空間における対象Ｏ２の位置Ｐ_２（ｔ_－２）が基準Ｏｓの位置Ｐｓ（ｔ_－２）として示され、１期間前の興味関心空間における対象Ｏ２の位置Ｐ_２（ｔ_－１）が基準Ｏｓの位置Ｐｓ（ｔ_－１）として示されている。図９に示す例では、第２特定部４１は、最新の興味関心空間において基準Ｏｓと類似する対象Ｏ３を第３対象として特定する。

第２特定部４１は、例えば、基準Ｏｓに類似している対象のうち第２対象と属性が共通する対象を第３対象として特定することもできる。対象の属性は、例えば、カテゴリ、利用シーン、スペック（取引対象の仕様または機能など）、対象により解決され得る課題、対象により解決され得る人の悩みなど、対象に対応する様々な属性が含まれる。これにより、第２特定部４１は、第２対象と関連性が高い対象を第３対象として特定することができる。なお、第２特定部４１は、例えば、予め定められた条件を満たす場合に第２対象と属性が共通する対象を第３対象として特定することもできる。予め定められた条件は、例えば、基準Ｏｓに類似している対象の数が閾値以上であるという条件、または第２対象が特定のカテゴリであるという条件などである。

また、第２特定部４１は、第３対象が過去の予め定められた期間にユーザＵの興味関心範囲に含まれなかったか否かを判定することもできる。第３対象が過去の予め定められた期間にユーザＵの興味関心範囲に含まれなかったか否かの判定方法は、第２対象が過去の予め定められた期間にユーザＵの興味関心範囲に含まれなかったか否かの第１特定部４０による判定方法と同じである。

〔３．３．４．３，第３特定部４２〕
第３特定部４２は、期間ＴＡ毎に更新される興味関心空間において、第１対象が第２対象と類似するよりも前に類似していた第４対象を特定する。第１対象の類似範囲は、例えば、第１対象とのコサイン類似度が予め定められた範囲である。

図１０は、実施形態に係る情報処理装置１の第３特定部４２によって特定される第４対象の一例を示す図である。図１０では、図６～図９と同様に、Ｍ次元の興味関心空間を低次元化して可視化した興味関心空間の一部が示されている。図１０に示す例では、図８に示す状態に比べて、３期間回の興味関心空間から最新の興味関心空間までの各興味関心空間における対象Ｏ４の位置Ｐ_４（ｔ_－３）、位置Ｐ_４（ｔ_－２）、位置Ｐ_４（ｔ_－１）、位置Ｐ_４（ｔ_０）などがさらに示されている。

図１０に示す例では、対象Ｏ２は、２期間回の興味関心空間から対象Ｏ１に類似しており、対象Ｏ４は、３期間回の興味関心空間で対象Ｏ１に類似している。このように、対象Ｏ１は、対象Ｏ２と類似する前の対象Ｏ４と類似しているため、第３特定部４２は、対象Ｏ４を第４対象として特定する。

また、第３特定部４２は、第４対象が過去の予め定められた期間にユーザＵの興味関心範囲に含まれなかったか否かを判定することもできる。第４対象が過去の予め定められた期間にユーザＵの興味関心範囲に含まれなかったか否かの判定方法は、第２対象が過去の予め定められた期間にユーザＵの興味関心範囲に含まれなかったか否かの第１特定部４０による判定方法と同じである。

また、第３特定部４２は、例えば、第１対象が第２対象と類似するよりも前に類似していた第１対象のうち第２対象と属性が共通する対象を第４対象として特定することもできる。対象の属性は、例えば、カテゴリ、利用シーン、スペック（取引対象の仕様または機能など）、対象により解決され得る課題、対象により解決され得る人の悩みなど、対象に対応する様々な属性が含まれる。これにより、第２特定部４１は、第１対象と関連性が高い対象を第３対象として特定することができる。

〔３．３．５．算出部３４〕
算出部３４は、第３対象の基準Ｏｓとの類似期間および類似度のうち少なくとも一方に基づいて、第３対象のスコアＳｃ３を第３対象毎に算出する。

過去の類似期間は、例えば、Ｋ期間前の期間ＴＡから最新の期間ＴＡまでにおいて、第３対象が基準Ｏｓと類似していた期間のトータルの期間である。例えば、Ｋ＝４であり、ＴＡ＝１ヶ月である場合、４ヶ月前から最新月までの期間において、３ヶ月前の期間で基準Ｏｓの類似範囲にない第３対象の類似期間は、４ヶ月間である。この場合、算出部３４は、例えば、スコアＳｃ３を４０（＝１０×４）とする。

また、算出部３４は、類似期間が新しいほど重みを大きくして第３対象が基準Ｏｓと類似していた期間を重み付け加算することで、スコアＳｃ３を算出することができる。例えば、Ｋ＝１０であり、Ｋ期間前の期間ＴＡから最新の期間ＴＡまでの重みを順に、ｗ_Ｋ、ｗ_Ｋ-１、・・・、ｗ_１、ｗ_０とし、ｗ_Ｋ＜ｗ_Ｋ-１＜・・・＜ｗ_１＜ｗ_０とすると、算出部３４は、例えば、下記式（１）を用いてスコアＳｃ３を算出することができる。
Ｓｃ３＝ｗ_０×ａ_０＋ｗ_１×ａ_１＋・・・・＋ｗ_Ｋ-１×ａ_Ｋ-１＋ｗ_Ｋ×ａ_Ｋ
・・・（１）

上記式（１）において、ａ_０は、最新の期間ＴＡにおいて類似した場合に「１」が代入され、そうでない場合に「０」が代入され、ａ_１は、１期間前の期間ＴＡにおいて類似した場合に「１」が代入され、そうでない場合に「０」が代入される。また、ａ_Ｋ-１は、Ｋ－１期間前の期間ＴＡにおいて類似した場合に「１」が代入され、そうでない場合に「０」が代入され、ａ_Ｋは、Ｋ期間前の期間ＴＡにおいて類似した場合に「１」が代入され、そうでない場合に「０」が代入される。なお、以下において、重みｗ_Ｋ、ｗ_Ｋ-１、・・・、ｗ_１、ｗ_０の各々を個別に区別せずに示す場合、重みｗと記載する場合がある。

また、算出部３４は、第３対象の基準Ｏｓとの類似度に基づいて、第３対象のスコアＳｃ３を算出することができる。例えば、算出部３４は、第３対象の基準Ｏｓとの類似度が高い期間ほど重みｗを大きくして、上記式（１）を用いて、スコアＳｃ３を算出することができる。

また、算出部３４は、第３対象の基準Ｏｓとの類似度の変化態様に基づいて、第３対象のスコアＳｃ３を算出することができる。例えば、算出部３４は第３対象の基準Ｏｓとの類似度の上昇速度または下降速度が高いほどスコアＳｃ３を大きくすることができる。また、算出部３４は、第３対象の基準Ｏｓとの類似度が高く且つ類似度の変化が少ない第３対象のスコアＳｃ３を大きくすることもできる。

また、算出部３４は、第４対象の第１対象との過去の類似期間および類似度のうち少なくとも一方に基づいて、第４対象のスコアＳｃ４を第４対象毎に算出する。スコアＳｃ４の算出方法は、スコアＳｃ３の算出方法と同じである。例えば、算出部３４は、下記式（２）を用いてスコアＳｃ４を算出することができる。下記式（“）において、第４対象が最後に類似していた期間を「Ｑ」として表している。
Ｓｃ４＝ｗ_Ｑ×ａ_Ｑ＋ｗ_Ｑ＋１×ａ_Ｑ＋１＋・・・・＋ｗ_Ｋ-１×ａ_Ｋ-１＋ｗ_Ｋ×ａ_Ｋ
・・・（２）

また、算出部３４は、第４対象の第１対象との過去の類似度に基づいて、第４対象のスコアＳｃ４を算出することができる。例えば、算出部３４は、第４対象の第１対象との類似度が高い期間ほど重みｗを大きくして、上記式（２）を用いて、スコアＳｃ４を算出することができる。

また、算出部３４は、第４対象の第１対象との類似度の変化態様に基づいて、第４対象のスコアＳｃ４を算出することができる。例えば、算出部３４は、第４対象の第１対象との類似度の上昇速度または下降速度が高いほどスコアＳｃ４を大きくすることができる。また、算出部３４は、第４対象の第１対象との類似度が高く且つ類似度の変化が少ない第４対象のスコアＳｃ４を大きくすることもできる。

このように、算出部３４は、第３対象の基準Ｏｓとの類似期間および類似度のうち少なくとも一方に基づいて、第３対象のスコアＳｃ３を第３対象毎に算出することができる。また、算出部３４は、第４対象の第１対象との過去の類似期間および類似度のうち少なくとも一方に基づいて、第４対象のスコアＳｃ４を第４対象毎に算出することができる。

〔３．３．６．提供部３５〕
提供部３５は、特定部３３によって特定された第３対象の情報をユーザＵに提供する。第３対象の情報のユーザＵへの提供は、提供部３５から通信部１０およびネットワークＮを介して端末装置２に送信することによって行われる。これにより、提供部３５は、ユーザＵの興味関心を有する可能性がある対象の情報を適切に提供することができる。

第３対象の情報は、例えば、第３対象が「マリトッツォ」である場合、マリトッツォの情報であり、第３対象が「タピオカ」である場合、タピオカの情報である。提供部３５は、例えば、記憶部１１のコンテンツ記憶部２２に記憶されているコンテンツの中から、第３対象の情報を取得し、取得した第３対象の情報を通信部１０およびネットワークＮを介して端末装置２に送信する。

また、提供部３５は、第３対象が予め定められた期間にユーザＵの興味関心範囲に含まれなかったと特定部３３によって判定された場合に、第３対象の情報をユーザＵに提供する。これにより、提供部３５は、ユーザＵが知らない可能性が高いがユーザＵの興味関心を有する可能性がある対象の情報を適切に提供することができる。

また、提供部３５は、最新の期間ＴＡにおける興味関心空間において、第３対象とユーザＵの興味関心範囲との類似度が予め定められた範囲外でない場合に、第３対象の情報をユーザに提供することができる。これによっても、提供部３５は、ユーザＵが知らない可能性が高いがユーザＵの興味関心を有する可能性がある対象の情報を適切に提供することができる。

また、提供部３５は、複数の第３対象のうち算出部３４によって算出されるスコアＳｃ３が予め定められた条件を満たす第３対象の情報をユーザＵに提供することもできる。例えば、提供部３５は、複数の第３対象のうち算出部３４によって算出されるスコアＳｃ３が閾値以上である第３対象の情報をユーザＵに提供する。また、提供部３５は、複数の第３対象のうち算出部３４によって算出されるスコアＳｃ３が最も高い第３対象の情報をユーザＵに提供する。

このように、提供部３５は、算出部３４によって算出されるスコアＳｃ３に基づいて、第３対象の情報をユーザＵに提供することから、複数の第３対象がある場合において、より適切な第３対象の情報をユーザＵに提供することができる。

また、提供部３５は、特定部３３によって特定された第３対象の情報に加えて、特定部３３によって特定された第４対象の情報をユーザＵに提供することもできる。第４対象の情報のユーザＵへの提供は、提供部３５から通信部１０およびネットワークＮを介して端末装置２に送信することによって行われる。これにより、提供部３５は、ユーザＵの興味関心を有する可能性がある対象の情報を適切に提供する。

また、提供部３５は、第４対象が予め定められた期間にユーザＵの興味関心範囲に含まれなかったと第３特定部４２によって判定された場合に、第４対象の情報をユーザＵに提供する。このように、提供部３５は、第１対象が過去に類似していた第４対象の情報をユーザＵに提供することから、ユーザＵの興味関心を有する可能性がある対象の情報を適切に提供することができる。また、提供部３５は、第４対象を次の期間ＴＡ以降の興味関心空間において第１対象に近づけることができ、ユーザＵが第４対象に興味関心を持つ可能性を高めることができる。

また、提供部３５は、最新の期間ＴＡにおける興味関心空間において、第４対象とユーザＵの興味関心範囲との類似度が予め定められた範囲外でない場合に、第４対象の情報をユーザに提供することができる。これによっても、提供部３５は、ユーザＵが知らない可能性が高いがユーザＵの興味関心を有する可能性がある対象の情報を適切に提供することができる。

また、提供部３５は、複数の第４対象のうち算出部３４によって算出されるスコアＳｃ４が予め定められた条件を満たす第４対象の情報をユーザＵに提供することもできる。例えば、提供部３５は、複数の第４対象のうち算出部３４によって算出されるスコアＳｃ４が閾値以上である第４対象の情報をユーザＵに提供する。また、提供部３５は、複数の第４対象のうち算出部３４によって算出されるスコアＳｃ４が最も高い第４対象の情報をユーザＵに提供する。

このように、提供部３５は、算出部３４によって算出されるスコアＳｃ４に基づいて、第４対象の情報をユーザＵに提供することから、複数の第４対象がある場合において、より適切な第４対象の情報をユーザＵに提供することができる。

なお、提供部３５は、第３対象の情報や第４対象の情報をプッシュ型でユーザＵに提供したりプル型でユーザＵに提供したりすることができる。例えば、提供部３５は、第３対象の情報や第４対象の情報を端末装置２にインストールされたアプリケーションにより端末装置２にポップアップ表示させたり、電子メールでユーザＵのメールアドレスへ送信したりすることができる。また、提供部３５は、ユーザＵが端末装置２を用いて情報処理装置１にアクセスした際に、第３対象の情報や第４対象の情報を端末装置２に送信することで、第３対象の情報や第４対象の情報をユーザＵに提供することもできる。なお、ユーザＵへの第３対象の情報や第４対象の情報の提供方法は、これらの方法に限定されない。

〔４．処理手順〕
次に、図１１を用いて、実施形態に係る情報処理装置１による処理の手順について説明する。図１１は、実施形態に係る情報処理装置１の処理部１２による処理手順を示すフローチャートである。

図１１に示すように、情報処理装置１の処理部１２は、興味関心モデルの学習処理タイミングになったか否かを判定する（ステップＳ１０）。興味関心モデルの学習処理タイミングは、例えば、期間ＴＡ毎に発生するタイミングであるが、かかる例に限定されない。

処理部１２は、興味関心モデルの学習処理タイミングになったと判定した場合（ステップＳ１０：Ｙｅｓ）、興味関心モデルの生成を行う（ステップＳ１１）。そして、処理部１２は、ステップＳ１１で生成した興味関心モデルを用いて興味関心空間情報を生成し、生成した興味関心空間情報を記憶部１１に記憶させる（ステップＳ１２）。

処理部１２は、ステップＳ１２の処理が終了した場合、または興味関心モデルの学習処理タイミングになっていないと判定した場合（ステップＳ１０：Ｎｏ）、ユーザ興味関心判定タイミングになったか否かを判定する（ステップＳ１３）。ユーザ興味関心判定タイミングは、例えば、期間ＴＡ毎に発生するタイミングであるが、かかる例に限定されない。

処理部１２は、ユーザ興味関心判定タイミングになったと判定した場合（ステップＳ１３：Ｙｅｓ）、ユーザＵの検索クエリに基づいて、ユーザＵの興味関心位置を特定する（ステップＳ１４）。

処理部１２は、ステップＳ１４の処理が終了した場合、またはユーザ興味関心判定タイミングになっていないと判定した場合（ステップＳ１３：Ｎｏ）、情報提供対象判定タイミングになったか否かを判定する（ステップＳ１５）。情報提供対象判定タイミングは、ステップＳ１４でユーザＵの興味関心位置が特定された後のタイミングである。例えば、情報提供対象判定タイミングは、ステップＳ１４でユーザＵの興味関心位置が特定された直後のタイミングまたはユーザＵが端末装置２を用いて情報処理装置１にアクセスしたタイミングである。

処理部１２は、情報提供対象判定タイミングになったと判定した場合（ステップＳ１５：Ｙｅｓ）、情報提供処理を行う（ステップＳ１６）。ステップＳ１６の処理は、図１２に示すステップＳ２０～Ｓ２５の処理であり、後で詳述する。

処理部１２は、ステップＳ１６の処理が終了した場合、または情報提供対象判定タイミングになったと判定した場合（ステップＳ１５：Ｎｏ）、動作終了タイミングになったか否かを判定する（ステップＳ１７）。処理部１２は、例えば、情報処理装置１の電源がオフにされた場合などに動作終了タイミングになったと判定する。

処理部１２は、動作終了タイミングになっていないと判定した場合（ステップＳ１７：Ｎｏ）、処理をステップＳ１０へ移行し、動作終了タイミングになったと判定した場合（ステップＳ１７：Ｙｅｓ）、図１１に示す処理を終了する。

図１２は、実施形態に係る情報処理装置１の処理部１２による情報提供手順を示すフローチャートである。図１２に示すように、処理部１２は、図１１のステップＳ１２で生成された興味関心空間情報で示される興味関心空間においてユーザＵの興味関心範囲に含まれるようになった第１対象を特定する（ステップＳ２０）。

次に、処理部１２は、ステップＳ２０で特定した第１対象と過去に類似していた第２対象を特定する（ステップＳ２１）。さらに、処理部１２は、ステップＳ２１で特定した第２対象の第１対象と類似していた過去の時点の状態を基準Ｏｓの状態とした場合に、かかる基準Ｏｓの状態と類似している対象を第３対象として特定する（ステップＳ２２）。そして、処理部１２は、ステップＳ２２で特定した第３対象の情報をユーザＵに提供する（ステップＳ２３）。

また、処理部１２は、第１対象が第２対象よりも前に類似していた対象を第４対象として特定し（ステップＳ２４）、特定した第４対象の情報をユーザＵに提供して（ステップＳ２５）、図１２に示す処理を終了する。

〔５．変形例〕
上述した情報処理装置１は、上述した実施形態以外にも種々の異なる形態にて実施されてもよい。そこで、以下では、情報処理装置１の他の実施形態について説明する。

情報処理装置１の処理部１２は、興味関心モデルを複数種類生成することができる。例えば、処理部１２は、地域毎の興味関心モデルを生成し、地域毎の興味関心モデルに基づいて、地域毎の興味関心空間を形成することができる。例えば、処理部１２は、対象地域内の複数のユーザＵが用いた複数の検索語のうち予め定められた条件を満たす２以上の検索語を類似する特徴を有するものとして複数の検索語の各々が有する特徴を学習した興味関心モデルを地域毎に生成することもできる。

また、処理部１２は、ユーザＵの属性毎の興味関心モデルに基づいて、ユーザＵの属性毎の興味関心空間を形成することができる。例えば、処理部１２は、特定属性を有する複数のユーザＵが用いた複数の検索語のうち予め定められた条件を満たす２以上の検索語を類似する特徴を有するものとして複数の検索語の各々が有する特徴を学習した興味関心モデルを特定属性毎に生成することもできる。

また、処理部１２は、期間ＴＡ内に複数のユーザＵによって複数の端末装置２から送信された複数の検索クエリに基づいてその期間ＴＡにおける興味関心モデルを生成するが、かかる例に限定されない。例えば、処理部１２は、Ｐ期間前の期間ＴＡと最新の期間ＴＡとを含む期間において期間ＴＡ内に複数のユーザＵによって複数の端末装置２から送信された複数の検索クエリに基づいて最新の期間ＴＡにおける興味関心モデルを生成することもできる。Ｐは、１以上の整数である。

また、処理部１２は、期間ＴＢ毎に、期間ＴＢ内において同一のユーザＵによって端末装置２から送信された複数の検索クエリに基づいて、ユーザＵの興味関心範囲をユーザＵ毎に特定することもできる。期間ＴＢは、例えば、期間ＴＡよりも長いまたは短い期間である。なお、期間ＴＢは、情報処理装置１によって同一のユーザＵから新たに受け付けられた検索クエリの数または新たな検索語の数が予め設定された閾値以上になる期間であってもよい。

〔６．ハードウェア構成〕
上述してきた実施形態に係る情報処理装置１は、例えば図１３に示すような構成のコンピュータ８０によって実現される。図１３は、実施形態に係る情報処理装置１の機能を実現するコンピュータ８０の一例を示すハードウェア構成図である。コンピュータ８０は、ＣＰＵ８１、ＲＡＭ８２、ＲＯＭ（Read Only Memory）８３、ＨＤＤ（Hard Disk Drive）８４、通信インターフェイス（Ｉ／Ｆ）８５、入出力インターフェイス（Ｉ／Ｆ）８６、およびメディアインターフェイス（Ｉ／Ｆ）８７を有する。

ＣＰＵ８１は、ＲＯＭ８３またはＨＤＤ８４に記憶されたプログラムに基づいて動作し、各部の制御を行う。ＲＯＭ８３は、コンピュータ８０の起動時にＣＰＵ８１によって実行されるブートプログラムや、コンピュータ８０のハードウェアに依存するプログラムなどを記憶する。

ＨＤＤ８４は、ＣＰＵ８１によって実行されるプログラム、および、かかるプログラムによって使用されるデータなどを記憶する。通信インターフェイス８５は、ネットワークＮ（図２参照）を介して他の機器からデータを受信してＣＰＵ８１へ送り、ＣＰＵ８１が生成したデータを、ネットワークＮを介して他の機器に送信する。

ＣＰＵ８１は、入出力インターフェイス８６を介して、ディスプレイやプリンタなどの出力装置、および、キーボードまたはマウスなどの入力装置を制御する。ＣＰＵ８１は、入出力インターフェイス８６を介して、入力装置からデータを取得する。また、ＣＰＵ８１は、入出力インターフェイス８６を介して生成したデータを出力装置へ出力する。

メディアインターフェイス８７は、記録媒体８８に記憶されたプログラムまたはデータを読み取り、ＲＡＭ８２を介してＣＰＵ８１に提供する。ＣＰＵ８１は、かかるプログラムを、メディアインターフェイス８７を介して記録媒体８８からＲＡＭ８２上にロードし、ロードしたプログラムを実行する。記録媒体８８は、例えばＤＶＤ（Digital Versatile Disc）、ＰＤ（Phase change rewritable Disk）などの光学記録媒体、ＭＯ（Magneto-Optical disk）などの光磁気記録媒体、テープ媒体、磁気記録媒体、または半導体メモリなどである。

コンピュータ８０のＣＰＵ８１は、ＲＡＭ８２上にロードされたプログラムを実行することにより、処理部１２の機能を実現する。また、ＨＤＤ８４には、記憶部１１内のデータが記憶される。コンピュータ８０のＣＰＵ８１は、これらのプログラムを記録媒体８８から読み取って実行するが、他の例として、他の装置からネットワークＮを介してこれらのプログラムを取得してもよい。

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

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

また、上述してきた実施形態および変形例は、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。

〔８．効果〕
上述してきたように、実施形態に係る情報処理装置１は、第１特定部４０と、第２特定部４１と、提供部３５とを備える。第１特定部４０は、複数のユーザＵの興味関心に対する関連性に応じて第１対象を含む複数の対象の各々がベクトルで示され且つベクトルが所定期間毎に更新される興味関心空間におけるユーザＵの興味関心範囲に含まれるようになった第１対象と過去に類似していた第２対象を特定する。第２特定部４１は、第１対象と類似していた過去の時点の第２対象を基準とした場合に基準に類似している第３対象を特定する。提供部３５は、第３対象の情報をユーザＵに提供する。これにより、情報処理装置１は、ユーザＵの興味関心を有する可能性がある対象の情報を適切に提供することができる。

また、第２特定部４１は、基準に類似している対象であって第２対象と属性が共通する対象を記第３対象として特定する。これにより、情報処理装置１は、第２特定部４１は、第２対象と関連性が高い対象を第３対象として特定することができる。

また、情報処理装置１は、第３対象の基準との類似期間および類似度のうち少なくとも一方に基づいて、第３対象のスコアＳｃ３を第３対象毎に算出する算出部３４を備える。提供部３５は、複数の第３対象のうち算出部３４によって算出されるスコアＳｃ３が予め定められた条件を満たす第３対象の情報をユーザＵに提供する。これにより、情報処理装置１は、ユーザＵの興味関心を有する可能性がある対象の情報をより適切に提供することができる。

また、提供部３５は、第３対象がユーザＵの興味関心範囲から予め定められた範囲外でない場合に、第３対象の情報をユーザＵに提供する。これにより、情報処理装置１は、ユーザＵの興味関心を有する可能性がある対象の情報をより適切に提供することができる。

また、情報処理装置１は、第１対象が第２対象と類似するよりも前に類似していた第４対象を特定する第３特定部４２を備える。提供部３５は、第３対象の情報に加えて第４対象をさらに含む情報をユーザＵに提供する。これにより、情報処理装置１は、ユーザＵの興味関心を有する可能性がある対象の情報をより適切に提供することができる。

また、第１特定部４０は、複数のユーザＵが用いた複数の検索語のうち予め定められた条件を満たす２以上の検索語を類似する特徴を有するものとして複数の検索語の各々が有する特徴を学習した学習済みモデルにユーザＵが用いた検索語を入力して得られる検索語のベクトルに基づいて、ユーザＵの興味関心範囲を特定する。これにより、情報処理装置１は、ユーザＵの興味関心を有する可能性がある対象の情報をより適切に提供することができる。

また、情報処理装置１は、複数のユーザＵが用いた複数の検索語を用いて学習済みモデルを生成する学習部３２を備える。これにより、情報処理装置１は、ユーザＵの興味関心を有する可能性がある対象の情報をより適切に提供することができる。

以上、本願の実施形態を図面に基づいて詳細に説明したが、これは例示であり、発明の開示の欄に記載の態様を始めとして、当業者の知識に基づいて種々の変形、改良を施した他の形態で本発明を実施することが可能である。

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 情報処理装置
２，２_１～２_ｎ 端末装置
１０ 通信部
１１ 記憶部
１２ 処理部
２０ 検索情報記憶部
２１ ユーザ情報記憶部
２２ コンテンツ記憶部
２３ 興味関心空間情報記憶部
３０ 受付部
３１ 検索部
３２ 学習部
３３ 特定部
３４ 算出部
３５ 提供部
４０ 第１特定部
４１ 第２特定部
１００ 情報処理システム
Ｎ ネットワーク

Claims (9)

1. 複数のユーザの興味関心に対する関連性に応じて第１対象を含む複数の対象の各々がベクトルで示され且つ前記ベクトルが所定期間毎に更新される興味関心空間におけるユーザの興味関心範囲に含まれるようになった前記第１対象と過去に類似していた第２対象を特定する第１特定部と、
   前記第１対象と類似していた過去の時点の前記第２対象を基準とした場合に前記基準に類似している第３対象を特定する第２特定部と、
   前記第３対象の情報を前記ユーザに提供する提供部と、を備える
   ことを特徴とする情報処理装置。
2. 前記第２特定部は、
   前記基準に類似している対象であって前記第２対象と属性が共通する対象を前記第３対象として特定する
   ことを特徴とする請求項１に記載の情報処理装置。
3. 前記第３対象の前記基準との類似期間および類似度のうち少なくとも一方に基づいて、前記第３対象のスコアを前記第３対象毎に算出する算出部を備え、
   前記提供部は、
   複数の前記第３対象のうち前記算出部によって算出されるスコアが予め定められた条件を満たす第３対象の情報を前記ユーザに提供する
   ことを特徴とする請求項１または２に記載の情報処理装置。
4. 前記提供部は、
   前記第３対象が前記ユーザの前記興味関心範囲から予め定められた範囲外でない場合に、前記第３対象の情報を前記ユーザに提供する
   ことを特徴とする請求項１～３のいずれか１つに記載の情報処理装置。
5. 前記第１対象が前記第２対象と類似するよりも前に類似していた第４対象を特定する第３特定部を備え、
   前記提供部は、
   前記第３対象の情報に加えて前記第４対象をさらに含む情報を前記ユーザに提供する
   ことを特徴とする請求項１～４のいずれか１つに記載の情報処理装置。
6. 前記第１特定部は、
   前記複数のユーザが用いた複数の検索語のうち予め定められた条件を満たす２以上の検索語を類似する特徴を有するものとして前記複数の検索語の各々が有する特徴を学習した学習済みモデルに前記ユーザが用いた前記検索語を入力して得られる前記検索語のベクトルに基づいて、前記ユーザの前記興味関心範囲を特定する
   ことを特徴とする請求項１～５のいずれか１つに記載の情報処理装置。
7. 前記複数のユーザが用いた前記複数の検索語を用いて前記学習済みモデルを生成する学習部を備える
   ことを特徴とする請求項６に記載の情報処理装置。
8. コンピュータが実行する情報処理方法であって、
   複数のユーザの興味関心に対する関連性に応じて第１対象を含む複数の対象の各々がベクトルで示され且つ前記ベクトルが所定期間毎に更新される興味関心空間におけるユーザの興味関心範囲に含まれるようになった前記第１対象と過去に類似していた第２対象を特定する第１特定工程と、
   前記第１対象と類似していた過去の時点の前記第２対象を基準とした場合に前記基準に類似している第３対象を特定する第２特定工程と、
   前記第３対象の情報を前記ユーザに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。
9. 複数のユーザの興味関心に対する関連性に応じて第１対象を含む複数の対象の各々がベクトルで示され且つ前記ベクトルが所定期間毎に更新される興味関心空間におけるユーザの興味関心範囲に含まれるようになった前記第１対象と過去に類似していた第２対象を特定する第１特定手順と、
   前記第１対象と類似していた過去の時点の前記第２対象を基準とした場合に前記基準に類似している第３対象を特定する第２特定手順と、
   前記第３対象の情報を前記ユーザに提供する提供手順と、をコンピュータに実行させる
   ことを特徴とする情報処理プログラム。

Images