JP2023121023A - 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】ユーザの興味関心に応じた適切な情報提供を行うこと。【解決手段】本願に係る情報処理装置は、推定部と、判定部と、提供部とを備える。推定部は、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複数の対象のうちユーザが興味関心を有すると推定される複数の対象の各々に対する評価がポジティブであるかネガティブであるかを推定する。判定部は、推定部による推定結果に基づいて、評価がポジティブである対象の興味関心空間における分布領域であるポジティブ領域と評価がネガティブである対象の興味関心空間における分布領域であるネガティブ領域とを判定する。提供部は、推定部によって評価がポジティブであると推定された対象のネガティブ領域への移動を抑制する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、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応じた情報提供を行うことはできるものの、ユーザの興味関心にはポジティブなものに加えてネガティブなものもあり、かかる点は考慮されておらず、改善の余地がある。

本願は、上記に鑑みてなされたものであって、ユーザの興味関心に応じた適切な情報提供を行う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、推定部と、判定部と、提供部とを備える。推定部は、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複数の対象のうちユーザが興味関心を有すると推定される複数の対象の各々に対する評価がポジティブであるかネガティブであるかを推定する。判定部は、推定部による推定結果に基づいて、評価がポジティブである対象の興味関心空間における分布領域であるポジティブ領域と評価がネガティブである対象の興味関心空間における分布領域であるネガティブ領域とを判定する。提供部は、推定部によって評価がポジティブであると推定された対象のネガティブ領域への移動を抑制する情報をユーザに提供する。

実施形態の一態様によれば、ユーザの興味関心に応じた適切な情報提供を行う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特定部によって特定される興味関心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推定部によって推定されるポジティブ領域およびネガティブ領域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判定部によってポジティブ領域からネガティブ領域へ向けて移動している興味関心対象と判定される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判定部によってネガティブ領域からポジティブ領域へ向けて移動している興味関心対象と判定される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処理部による処理手順を示すフローチャートである。 図１１は、実施形態に係る情報処理装置の処理部によるユーザ興味関心判定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、期間ＴＡ毎に更新される興味関心空間に含まれる複数の対象のうちユーザＵが興味関心を有する複数の対象を推定する（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。

ステップＳ６において、情報処理装置１は、まず、期間ＴＡ毎に更新される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。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。

そして、情報処理装置１は、興味関心空間に含まれる複数の対象のうちユーザＵの興味関心範囲に含まれる複数の対象をユーザＵが興味関心を有する複数の対象として推定する処理をユーザＵ毎に行う。

次に、情報処理装置１は、ステップＳ６においてユーザＵが興味関心を有すると推定した複数の対象である複数の興味関心対象の各々に対するユーザＵの評価をユーザＵ毎に推定する（ステップＳ７）。ステップＳ７において、情報処理装置１は、興味関心対象に対するユーザＵの評価として、ユーザＵが興味関心対象に対してポジティブな評価をしているかネガティブな評価をしているかを推定する。

情報処理装置１は、各種のオンラインサービスでのユーザＵの行動などに基づいて、ユーザＵが興味関心対象に対してポジティブな評価をしているかネガティブな評価をしているかを推定する。例えば、情報処理装置１は、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での対象への評価、ＳＮＳ（Social Networking Service）または投稿サイトでのユーザＵの対象への評価、電子商取引（ＥＣ：Electronic Commerce）サイトでのユーザＵの対象（例えば、商品やサービスなどの取引対象）への購入や評価などに基づいて、興味関心対象に対するユーザＵの評価を推定する。

例えば、情報処理装置１は、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「マリトッツォ まずい」などの情報が含まれる場合、ユーザＵの対象「マリトッツォ」に対する評価がネガティブであると推定する。また、情報処理装置１は、ＳＮＳまたは投稿サイトでのユーザＵの書き込み内容やユーザＵが好評価を示した他の人の書き込み内容に「タピオカはおいしい」が含まれる場合、ユーザＵの対象「タピオカ」に対する評価がポジティブであると推定する。

次に、情報処理装置１は、ステップＳ７の推定結果に基づいて、ポジティブ領域とネガティブ領域とをユーザＵ毎に判定する（ステップＳ８）。ポジティブ領域は、ユーザＵの評価がポジティブであると推定される興味関心対象の興味関心空間における分布領域である。また、ネガティブ領域は、ユーザＵの評価がネガティブであると推定される興味関心対象の興味関心空間における分布領域である。

次に、情報処理装置１は、ユーザＵの評価がポジティブである興味関心対象のネガティブ領域への移動を抑制する情報である移動抑制情報をユーザＵに提供する処理をユーザＵ毎に行う（ステップＳ９）。例えば、情報処理装置１は、ユーザＵのポジティブ領域に含まれる興味関心対象の情報を移動抑制情報として繰り返しユーザＵに提供することで、ユーザＵの評価がポジティブである興味関心対象のネガティブ領域への移動を抑制する。

移動抑制情報は、例えば、ユーザＵのポジティブ領域に含まれる興味関心対象にユーザＵがポジティブな感情を持つような情報である。例えば、ユーザＵのポジティブ領域に含まれる興味関心対象が「タピオカ」である場合、対象「タピオカ」を販売する店舗に関する情報、対象「タピオカ」の新商品を紹介する情報、対象「タピオカ」の人気ランキングを示す情報などである。

また、期間ＴＡ毎に複数の対象のベクトルが更新される興味関心領域においてユーザＵの評価がポジティブである興味関心対象のうちユーザＵのネガティブ領域へ向けて移動している興味関心対象があるとする。この場合、情報処理装置１は、興味関心領域においてユーザＵの評価がポジティブである興味関心対象のうちユーザＵのネガティブ領域へ向けて移動している興味関心対象のユーザＵのネガティブ領域への移動を抑制する情報を移動抑制情報としてユーザＵに提供することができる。

また、情報処理装置１は、興味関心領域においてユーザＵの評価がポジティブである興味関心対象のユーザＵのネガティブ領域への移動態様に応じた情報を移動抑制情報としてユーザＵに提供することができる。

例えば、情報処理装置１は、ユーザＵのネガティブ領域への移動の速度が速い興味関心対象ほど、ポジティブである興味関心対象に対するインセンティブが高い情報をユーザＵに提供することができる。インセンティブは、例えば、ユーザＵの評価がポジティブである興味関心対象が「タピオカ」である場合、対象「タピオカ」の割引クーポンである。情報処理装置１は、ユーザＵのネガティブ領域への興味関心移動の速度が速い興味関心対象ほど、割引率が高い割引クーポンを取得するための情報を移動抑制情報とすることができる。

また、情報処理装置１は、ユーザＵのネガティブ領域への移動の速度が速い興味関心対象ほど、インセンティブが高い情報に代えてまたは加えて、ユーザＵへの移動抑制情報の提供頻度を増加させることもできる。

このように、情報処理装置１は、ユーザＵの評価がポジティブである興味関心対象のネガティブ領域への移動を抑制する情報をユーザＵに提供する。これにより、情報処理装置１は、ユーザＵの興味関心に応じた適切な情報提供を行うことができる。

〔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、電子商取引サイト、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」、「購入履歴」、「検索履歴」、および「その他の履歴」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。

「購入履歴」は、情報処理装置１が提供する電子商取引サイトでのサービスでユーザＵが購入した取引対象（商品やサービス）の情報であるサイト購入履歴や実店舗でユーザＵが購入した取引対象の情報である実店舗購入履歴などを含む。サイト購入履歴や実店舗購入履歴には、例えば、ユーザＵが購入した取引対象の情報およびその購入日時などの情報、ユーザＵによって購入された取引対象に対するユーザＵの評価（書き込みや評価点数などを含む）などの情報が含まれる。

「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。

「その他の履歴」は、例えば、購入履歴および検索履歴以外の履歴であり、ユーザＵがオンラインサービスを利用した種々の履歴（利用内容および利用日時などの情報）が含まれる。例えば、「その他の履歴」には、ユーザＵによる端末装置２を用いたＳＮＳまたは投稿サイトなどへの書き込みの履歴、およびユーザＵが閲覧したウェブページの履歴などが含まれる。

〔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、推定部３４と、判定部３５と、提供部３６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対象をユーザＵの興味関心対象として判定する。ユーザＵの興味関心対象は、ユーザＵが興味関心を有すると推定される対象である。

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いてユーザＵの興味関心範囲に含まれる対象をユーザＵの興味関心対象として特定する。

特定部３３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。特定部３３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、特定部３３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、特定部３３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。

特定部３３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、特定部３３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。

特定部３３は、期間ＴＡ毎に更新される興味関心空間において複数の対象のうちユーザＵの興味関心範囲に含まれる対象をユーザＵの興味関心対象として特定する。期間ＴＡ毎に更新される興味関心空間は、例えば、２０２１年１０月～２０２２年２月までの期間において、期間ＴＡが１ヶ月であるとする。この場合、興味関心空間は、２０２１年１０月～２０２２年２月までの各月で順次更新される。

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。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の特定部３３によって特定される興味関心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、興味関心空間において、対象Ｏ_１１，Ｏ_１２，Ｏ_１３，Ｏ_１４，Ｏ_１５，Ｏ_１６，Ｏ_１７，Ｏ_１８，Ｏ_１９，Ｏ_２１，Ｏ_２２，Ｏ_２３，Ｏ_２４，Ｏ_２５，Ｏ_２６，Ｏ_２７，Ｏ_２８，Ｏ_２９が含まれている。

図６に示す例では、対象Ｏ_１１，Ｏ_１２，Ｏ_１３，Ｏ_１４，Ｏ_１５，Ｏ_１６，Ｏ_１７，Ｏ_１８，Ｏ_１９がユーザＵ_１の興味関心範囲内である。そのため、特定部３３は、対象Ｏ_１１，Ｏ_１２，Ｏ_１３，Ｏ_１４，Ｏ_１５，Ｏ_１６，Ｏ_１７，Ｏ_１８，Ｏ_１９がユーザＵ_１の興味関心と類似している興味関心対象であると推定する。また、対象Ｏ_２１，Ｏ_２２，Ｏ_２３，Ｏ_２４，Ｏ_２５，Ｏ_２６，Ｏ_２７，Ｏ_２８，Ｏ_２９は、ユーザＵ_１の興味関心範囲外である。そのため、特定部３３は、対象Ｏ_２１，Ｏ_２２，Ｏ_２３，Ｏ_２４，Ｏ_２５，Ｏ_２６，Ｏ_２７，Ｏ_２８，Ｏ_２９がユーザＵ_１の興味関心と類似していないと推定する。

〔３．３．５．推定部３４〕
推定部３４は、期間ＴＡ毎に更新される興味関心空間において特定部３３によって特定されたユーザＵの各興味関心対象に対する評価がポジティブであるかネガティブであるかを推定する処理をユーザＵ毎に行う。

推定部３４は、例えば、情報処理装置１が提供または仲介する各種のオンラインサービスでのユーザＵの行動などに基づいて、ユーザＵが興味関心対象に対してポジティブな評価をしているかネガティブな評価をしているかを推定する。推定部３４は、例えば、ユーザ情報記憶部２１に記憶されているユーザ情報に含まれる各種の履歴に基づいて、ユーザＵの各興味関心対象に対する評価がポジティブであるかネガティブであるかを推定する。

例えば、推定部３４は、ユーザＵの検索履歴に含まれる過去の検索クエリに「マリトッツォ まずい」などの情報が含まれる場合、ユーザＵの対象「マリトッツォ」に対する評価がネガティブであると推定する。また、推定部３４は、ＳＮＳまたは投稿サイトでのユーザＵの書き込み内容やユーザＵが好評価を示した他の人の書き込み内容に「タピオカはおいしい」が含まれる場合、ユーザＵの対象「タピオカ」に対する評価がポジティブであると推定する。

また、推定部３４は、ニュースサイトにおけるニュースＢに対するユーザＵの書き込みにポジティブなワードが多ければ、ニュースＢに対するユーザＵの評価がポジティブであると推定する。また、推定部３４は、ニュースＢに対するユーザＵの書き込みにネガティブなワードが多ければ、ニュースＢに対するユーザＵの評価がネガティブであると推定する。

また、推定部３４は、例えば、ユーザＵが電子商取引サイトで商品「ピスタチオ」をよく購入したり好評価の書き込みをしたりした場合、ユーザＵの対象「ピスタチオ」に対する評価がポジティブであると推定することもできる。

ユーザＵの各興味関心対象に対する評価がポジティブであるかネガティブであるかの推定は、例えば、指標値とワードとが関連付けられた情報をワードに含む分類辞書を用いて行われる。分類辞書において、ポジティブなワードの場合の指標値は、プラスの値で示され、ネガティブなワードの場合の指標値は、マイナスの値で示される。また、分類辞書において、ポジティブ度合いが高いほど指標値の絶対値が大きな値になり、ネガティブ度合いが高いほど指標値の絶対値が大きな値になる。

推定部３４は、例えば、ユーザＵの興味関心対象に対する履歴の情報に含まれる複数のワードの指標値を分類辞書から判定し、これら複数のワードの指標値の合計値に基づいて、ユーザＵの興味関心対象に対する評価を興味関心対象毎に推定することができる。

例えば、推定部３４は、複数のワードの指標値の合計値または平均値が第１閾値Ｎｔｈ１以上である場合にユーザＵの興味関心対象に対する評価がポジティブであると推定する。また、推定部３４は、例えば、複数のワードの指標値の合計値または平均値が第２閾値Ｎｔｈ２以下である場合にユーザＵの興味関心対象に対する評価がネガティブであると推定する。第１閾値Ｎｔｈ１は、プラスの値であり、第２閾値Ｎｔｈ２は、マイナスの値である。

分類辞書は、線形回帰、ロジスティック回帰、サポートベクタマシンなどの機械学習によって生成することができる。また、分類辞書は、例えば、深層学習（ディープラーニング）の技術を用いて生成することもできる。例えば、分類辞書は、ＤＮＮ（Deep Neural Network）やＲＮＮ（Recurrent Neural Network）やＣＮＮ（Convolutional Neural Network）などの種々の深層学習の技術を適宜用いて生成することができる。

〔３．３．６．判定部３５〕
判定部３５は、推定部３４による推定結果に基づいて、ユーザＵのポジティブ領域とユーザＵのネガティブ領域とを判定する。ユーザＵのポジティブ領域は、ユーザＵの評価がポジティブである興味関心対象の興味関心空間における分布領域である。ユーザＵのネガティブ領域は、ユーザＵの評価がネガティブである興味関心対象の興味関心空間における分布領域である。

図７は、実施形態に係る情報処理装置１の推定部３４によって推定されるポジティブ領域およびネガティブ領域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、対象Ｏ_１１，Ｏ_１２，Ｏ_１３，Ｏ_１４，Ｏ_１５に対するユーザＵの評価がポジティブであり、Ｏ_１６，Ｏ_１７，Ｏ_１８，Ｏ_１９に対するユーザＵの評価がネガティブである。図７に示す例では、判定部３５は、対象Ｏ_１１，Ｏ_１２，Ｏ_１３，Ｏ_１４，Ｏ_１５を含む領域をポジティブ領域と判定し、Ｏ_１６，Ｏ_１７，Ｏ_１８，Ｏ_１９を含む領域をポジティブ領域と判定する。

判定部３５は、ポジティブ領域およびネガティブ領域の判定を、例えば、種々のクラスタリング方法によって行うことができる。例えば、判定部３５は、サポートベクタマシン、ｋ－ｍｅａｎｓ法などの機械学習アルゴリズムによって、ポジティブ領域およびネガティブ領域を判定することができる。なお、判定部３５は、ポジティブ領域およびネガティブ領域を判定することができればよく、判定方法は上述した例に限定されず、推定部３４において種々の判定方法を適用することができる。

また、判定部３５は、期間ＴＡ毎に更新される興味関心領域において推定部３４によってユーザＵの評価がポジティブであると推定された興味関心対象のうちネガティブ領域へ向けて移動している興味関心対象があるか否かを判定する。

図８は、実施形態に係る情報処理装置１の判定部３５によってポジティブ領域からネガティブ領域へ向けて移動している興味関心対象と判定される対象の一例を示す図である。図８では、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おり、対象Ｏ１５以外の対象は図示していない。図８に示す例では、１期間前の興味関心空間における対象Ｏ１５の位置Ｐ_１５（ｔ_－１）と、最新の興味関心空間における対象Ｏ１５の位置Ｐ_１５（ｔ_０）とが示されている。対象Ｏ１５は、興味関心対象の一例である。

図８に示すように、対象Ｏ１５の位置Ｐ_１５（ｔ_－１）は、１期間前の興味関心空間では、ポジティブ領域に入っているが、最新の興味関心空間では、ポジティブ領域から外れてネガティブ領域に向けて移動している。この場合、判定部３５は、推定部３４によってユーザＵの評価がポジティブであると推定された興味関心対象のうちポジティブ領域からネガティブ領域へ向けて移動している興味関心対象が対象Ｏ１５であると判定する。なお、期間ＴＡが１ヶ月であり、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る。

また、例えば、判定部３５は、期間ＴＡ毎に更新される興味関心領域において推定部３４によってユーザＵの評価がポジティブであると推定された興味関心対象のポジティブ領域からネガティブ領域への移動態様を判定することができる。移動態様は、例えば、移動の速度および移動の方向などによって特定される。

また、判定部３５は、期間ＴＡ毎に更新される興味関心領域において推定部３４によってユーザＵの評価がネガティブであると推定された興味関心対象のうちポジティブ領域へ向けて移動している興味関心対象があるか否かを判定する。

図９は、実施形態に係る情報処理装置１の判定部３５によってネガティブ領域からポジティブ領域へ向けて移動している興味関心対象と判定される対象の一例を示す図である。図９では、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おり、対象Ｏ１９以外の対象は図示していない。図９に示す例では、１期間前の興味関心空間における対象Ｏ１９の位置Ｐ_１９（ｔ_－１）と、最新の興味関心空間における対象Ｏ１９の位置Ｐ_１９（ｔ_０）とが示されている。対象Ｏ１９は、興味関心対象の一例である。

図９に示すように、対象Ｏ１９の位置Ｐ_１９（ｔ_－１）は、１期間前の興味関心空間では、ネガティブ領域に入っているが、最新の興味関心空間では、ネガティブ領域から外れてポジティブ領域に向けて移動している。この場合、判定部３５は、推定部３４によってユーザＵの評価がネガティブであると推定された興味関心対象のうちネガティブ領域からポジティブ領域へ向けて移動している興味関心対象が対象Ｏ１９であると判定する。なお、期間ＴＡが１ヶ月であり、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る。

また、判定部３５は、期間ＴＡ毎に更新される興味関心領域において推定部３４によってユーザＵの評価がネガティブであると推定された興味関心対象のうちネガティブ領域からポジティブ領域へ向けて移動している興味関心対象の移動態様を判定する。移動態様は、例えば、移動の速度および移動の方向などによって特定される。

〔３．３．７．提供部３６〕
提供部３６は、期間ＴＡ毎に更新される興味関心領域において推定部３４によってユーザＵの評価がポジティブであると推定された興味関心対象のネガティブ領域への移動を抑制する情報である移動抑制情報をユーザＵに提供する。移動抑制情報のユーザＵへの提供は、提供部３６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３６は、ユーザＵの興味関心に応じた適切な情報提供を行うことができる。以下、推定部３４によってユーザＵの評価がポジティブであると推定された興味関心対象をポジティブ対象と記載する場合がある。

移動抑制情報は、例えば、ポジティブ対象にユーザＵがポジティブな感情を持つような情報である。例えば、ポジティブ対象が「タピオカ」である場合、対象「タピオカ」を販売する店舗に関する情報、対象「タピオカ」の新商品を紹介する情報、対象「タピオカ」の人気ランキングを示す情報などである。

また、ユーザＵが端末装置２を用いて送信した検索クエリにポジティブ対象を示す検索語を含むとする。この場合、情報処理装置１は、検索クエリに対応する検索結果として、検索クエリで示されるポジティブ対象にユーザＵがポジティブな感情を抱くような情報を移動抑制情報とすることもできる。

また、移動抑制情報は、ポジティブ対象の情報に限定されない。例えば、ポジティブ対象の属性の少なくとも一部が共通する対象の情報であってもよい。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）、対象の出現日（商品の発売日など）、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。

また、提供部３６は、ポジティブ対象のうちネガティブ領域へ向けて移動しているポジティブ対象のネガティブ領域への移動を抑制する情報を移動抑制情報としてユーザＵに提供する。例えば、提供部３６は、ネガティブ領域へ向けて移動しているポジティブ対象の情報を移動抑制情報として繰り返しユーザＵに提供することで、ポジティブ対象のネガティブ領域への移動を抑制することができる。これにより、提供部３６は、ユーザＵの興味関心の変化に応じた適切な情報提供を行うことができる。

また、提供部３６は、ポジティブ対象のネガティブ領域への移動態様に応じた情報を移動抑制情報としてユーザＵに提供することもできる。例えば、提供部３６は、ネガティブ領域への移動の速度が速いほど、ネガティブ領域への移動の方向がネガティブ領域の中心に向かうほど、移動抑制情報の提供数を多くしたり、ユーザＵが受けるインセンティブが高くなる移動抑制情報を提供したりすることができる。

インセンティブは、例えば、ユーザＵの評価がポジティブである対象が「タピオカ」である場合、対象「タピオカ」の割引クーポンである。提供部３６は、ユーザＵのネガティブ領域への移動の速度が速い対象ほど、割引率が高い割引クーポンを取得するための情報を移動抑制情報とすることができる。

ネガティブ領域へ向けて移動しているポジティブ対象のネガティブ領域への移動を抑制する情報は、ポジティブ対象の情報に限定されない。例えば、提供部３６は、ポジティブ対象のうちネガティブ領域へ向けて移動しているポジティブ対象が複数ある場合、これら複数のポジティブ対象の属性の共通性に応じた情報を移動抑制情報とすることもできる。

複数のポジティブ対象の属性の共通性に応じた情報は、例えば、複数のポジティブ対象の属性のうちカテゴリが共通する場合、共通するカテゴリに関する情報であり、例えば、共通するカテゴリに属する対象のランキングの情報などである。

また、提供部３６は、期間ＴＡ毎に更新される興味関心領域において推定部３４によってユーザＵの評価がネガティブであると推定された興味関心対象のネガティブ領域からポジティブ領域への移動を促す情報であり移動促進情報をユーザＵに提供する。移動促進情報は、例えば、ユーザＵの評価がネガティブである対象にユーザＵがポジティブな感情を抱くような情報である。以下において、推定部３４によってユーザＵの評価がネガティブであると推定された興味関心対象をネガティブ対象と記載する場合がある。

例えば、ポジティブ対象が「タピオカ」であり、ネガティブ対象が「マリトッツォ」であり、対象「タピオカ」が好きなユーザＵは対象「マリトッツォ」が好きな傾向が高いとする。この場合、移動促進情報は、対象「タピオカ」が好きなユーザＵが対象「マリトッツォ」が好きな傾向が高いことを示す情報などである。また、移動促進情報は、対象「タピオカ」と対象「マリトッツォ」とをセットで購入する場合の割引クーポンの情報などであってもよい。

また、提供部３６は、ネガティブ対象のうちポジティブ領域へ向けて移動している興味関心対象のポジティブ領域への移動を促進する情報を移動促進情報としてユーザＵに提供する。例えば、提供部３６は、ポジティブ領域へ向けて移動しているネガティブ対象の情報を移動促進情報として繰り返しユーザＵに提供することで、ネガティブ対象のポジティブ領域への移動を促進する。

また、提供部３６は、ネガティブ対象のポジティブ領域への移動態様に応じた情報を移動促進情報としてユーザＵに提供する。例えば、提供部３６は、ポジティブ領域への移動の速度が遅いほど、ポジティブ領域への移動の方向がポジティブ領域の中心に向かう方向から外れるほど、移動促進情報の提供数を多くしたり、ユーザＵが受けるインセンティブが高くなる移動促進情報を提供したりすることができる。

なお、提供部３６は、移動抑制情報や移動促進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３６は、移動抑制情報や移動促進情報を端末装置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３６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、移動抑制情報や移動促進情報を端末装置２に送信することで、移動抑制情報や移動促進情報をユーザＵに提供することもできる。なお、ユーザＵへの移動抑制情報や移動促進情報の提供方法は、これらの方法に限定されない。

〔４．処理手順〕
次に、図１０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１０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１０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）、ユーザ興味関心判定処理を実行する（ステップＳ１４）。ステップＳ１４の処理は、図１１に示すステップＳ２０～Ｓ２４の処理であり、後で詳述する。

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ステップＳ１４でユーザＵの興味関心位置が特定された後にユーザ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Ｓ３０，Ｓ３１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１０に示す処理を終了する。

図１１は、実施形態に係る情報処理装置１の処理部１２によるユーザ興味関心判定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、処理部１２は、ユーザＵの興味関心範囲をユーザＵ毎に特定する（ステップＳ２０）。

次に、処理部１２は、ユーザＵの興味関心範囲に含まれる対象をユーザＵの興味関心対象としてユーザＵ毎に特定する（ステップＳ２１）。そして、処理部１２は、ステップＳ２１で特定した各興味関心対象に対するユーザＵの評価をユーザＵ毎に推定する（ステップＳ２２）。

次に、処理部１２は、ステップＳ２２で推定した各興味関心対象に対するユーザＵの評価に基づいて、ユーザＵのポジティブ領域とネガティブ領域とを判定し（ステップＳ２３）、興味関心対象の移動状態を判定して（ステップＳ２４）、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、移動抑制情報をユーザＵに提供し（ステップＳ３０）、さらに、移動促進情報をユーザＵに提供して（ステップＳ３１）、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ＵＡ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、推定部３４と、判定部３５と、提供部３６とを備える。推定部３４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所定期間毎に更新される興味関心空間における複数の対象のうちユーザＵが興味関心を有すると推定される複数の対象の各々に対する評価がポジティブであるかネガティブであるかを推定する。判定部３５は、推定部３４による推定結果に基づいて、評価がポジティブである対象の興味関心空間における分布領域であるポジティブ領域と評価がネガティブである対象の興味関心空間における分布領域であるネガティブ領域とを判定する。提供部３６は、推定部３４によって評価がポジティブであると推定された対象のネガティブ領域への移動を抑制する情報をユーザＵに提供する。これにより、情報処理装置１は、ユーザＵの興味関心の変化などに応じた適切な情報提供を行うことができる。

また、提供部３６は、推定部３４によって評価がポジティブであると推定された対象のうちネガティブ領域へ向けて移動している対象のネガティブ領域への移動を抑制する情報をユーザＵに提供する。これにより、情報処理装置１は、ユーザＵの興味関心の変化などに応じたより適切な情報提供を行うことができる。

また、提供部３６は、推定部３４によって評価がポジティブであると推定されたネガティブ領域への移動態様に応じた情報をネガティブ領域への移動を抑制する情報としてユーザＵに提供する。これにより、情報処理装置１は、ユーザＵの興味関心の変化などに応じたより適切な情報提供を行うことができる。

また、提供部３６は、推定部３４によって評価がネガティブであると推定された対象のネガティブ領域からポジティブ領域への移動を促す情報をユーザＵに提供する。これにより、情報処理装置１は、ユーザＵの興味関心の変化などに応じたより適切な情報提供を行うことができる。

また、提供部３６は、推定部３４によって評価がネガティブであると推定された対象のうちポジティブ領域へ向けて移動している対象のポジティブ領域への移動を促進する情報をユーザＵに提供する。これにより、情報処理装置１は、ユーザＵの興味関心の変化などに応じたより適切な情報提供を行うことができる。

また、提供部３６は、推定部３４によって評価がネガティブであると推定された対象のポジティブ領域への移動態様に応じた情報をポジティブ領域への移動を促す情報としてユーザＵに提供する。これにより、情報処理装置１は、ユーザＵの興味関心の変化などに応じたより適切な情報提供を行うことができる。

また、興味関心空間は、複数のユーザＵに用いられ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基づいて形成される。これにより、情報処理装置１は、ユーザＵの興味関心の変化などに応じたより適切な情報提供を行うことができる。

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 推定部
３５ 判定部
３６ 提供部
１００ 情報処理システム
Ｎ ネットワーク

Claims (10)

1. 複数のユーザ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前記複数の対象のうちユーザが興味関心を有すると推定される複数の対象の各々に対する評価がポジティブであるかネガティブであるかを推定する推定部と、
   前記推定部による推定結果に基づいて、前記評価がポジティブである対象の前記興味関心空間における分布領域であるポジティブ領域と前記評価がネガティブである対象の前記興味関心空間における分布領域であるネガティブ領域とを判定する判定部と、
   前記推定部によって前記評価がポジティブであると推定された対象の前記ネガティブ領域への移動を抑制する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. 前記提供部は、
   前記推定部によって前記評価がポジティブであると推定された対象のうち前記ネガティブ領域へ向けて移動している対象の前記ネガティブ領域への移動を抑制する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に記載の情報処理装置。
3. 前記提供部は、
   前記推定部によって前記評価がポジティブであると推定された対象の前記ネガティブ領域への移動態様に応じた情報を前記ネガティブ領域への移動を抑制する情報として前記ユーザに提供する
   ことを特徴とする請求項２に記載の情報処理装置。
4. 前記提供部は、
   前記推定部によって前記評価がネガティブであると推定された対象の前記ネガティブ領域から前記ポジティブ領域への移動を促す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. 前記提供部は、
   前記推定部によって前記評価がネガティブであると推定された対象のうち前記ポジティブ領域へ向けて移動している対象の前記ポジティブ領域への移動を促進する情報を前記ユーザに提供する
   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、
   前記推定部によって前記評価がネガティブであると推定された対象の前記ポジティブ領域への移動態様に応じた情報を前記ポジティブ領域への移動を促す情報として前記ユーザに提供する
   ことを特徴とする請求項５に記載の情報処理装置。
7. 前記興味関心空間は、
   前記複数のユーザに用いられ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基づいて形成される
   ことを特徴とする請求項１～６のいずれか１つに記載の情報処理装置。
8. 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７に記載の情報処理装置。
9. 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前記複数の対象のうちユーザが興味関心を有すると推定される複数の対象の各々に対する評価がポジティブであるかネガティブであるかを推定する推定工程と、
   前記推定工程による推定結果に基づいて、前記評価がポジティブである対象の前記興味関心空間における分布領域であるポジティブ領域と前記評価がネガティブである対象の前記興味関心空間における分布領域であるネガティブ領域とを判定する判定工程と、
   前記推定工程によって前記評価がポジティブであると推定された対象の前記ネガティブ領域への移動を抑制する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。
10. 複数のユーザ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前記複数の対象のうちユーザが興味関心を有すると推定される複数の対象の各々に対する評価がポジティブであるかネガティブであるかを推定する推定手順と、
    前記推定手順による推定結果に基づいて、前記評価がポジティブである対象の前記興味関心空間における分布領域であるポジティブ領域と前記評価がネガティブである対象の前記興味関心空間における分布領域であるネガティブ領域とを判定する判定手順と、
    前記推定手順によって前記評価がポジティブであると推定された対象の前記ネガティブ領域への移動を抑制する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