JP2023121049A - 情報提供装置、情報提供方法および情報提供プログラム - Google Patents

Abstract

【課題】利用者に対して有益な情報を提供する情報提供装置、情報提供方法及び情報提供プログラムを提供する。【解決手段】情報提供装置と、利用者端末と、ウェブサイトサーバと、態様情報データベースとが、通信可能に接続される情報処理システムにおいて、情報提供装置１０は、利用者が選択した服飾物品に関する物品情報を取得する取得部１３ａと、取得した物品情報に基づいて、服飾物品と髪の態様との組合せの相性の度合を示す相性度を算出する算出部１３ｂと、算出した相性度に基づいて、服飾物品を選択した利用者に対して提供する提供情報を生成する生成部１３ｃと、髪の態様と当該態様の髪を有する対象者が着用した服飾物品との組合せの相性度を出力するように機械学習モデルの学習を行う学習部１３ｅと、を備え、機械学習モデルを用いて、相性度を算出する。【選択図】図２

Description

本発明は、情報提供装置、情報提供方法および情報提供プログラムに関する。

従来、コーディネートを支援する技術が知られている。例えば、ファッションの組合せに関するルールに基づいて、コーディネートを生成する技術が知られている。

特開２０１３－２３５５２８号公報

しかしながら、上述した従来技術は、顧客（適宜、「利用者」）に対して有益な情報を提供する上で改善の余地がある。例えば、従来技術では、利用者が購入した衣服に合わせた髪型を提案することが難しい。

本願は、上記に鑑みてなされたものであって、利用者に対して有益な情報を提供可能にする情報提供装置、情報提供方法および情報提供プログラムを提供することを目的とする。

上述した課題を解決し、目的を達成するために、本発明に係る情報提供装置は、利用者が選択した服飾物品に関する物品情報を取得する取得部と、前記物品情報に基づいて、前記服飾物品と髪の態様との組合せの相性の度合を示す相性度を算出する算出部と、前記相性度に基づいて、前記利用者に対して提供する提供情報を生成する生成部と、を備えることを特徴とする。

また、本発明に係る情報提供方法は、情報提供装置によって実行される情報提供方法であって、利用者が選択した服飾物品に関する物品情報を取得する取得工程と、前記物品情報に基づいて、前記服飾物品と髪の態様との組合せの相性の度合を示す相性度を算出する算出工程と、前記相性度に基づいて、前記利用者に対して提供する提供情報を生成する生成工程と、を含むことを特徴とする。

また、本発明に係る情報提供プログラムは、利用者が選択した服飾物品に関する物品情報を取得する取得手順と、前記物品情報に基づいて、前記服飾物品と髪の態様との組合せの相性の度合を示す相性度を算出する算出手順と、前記相性度に基づいて、前記利用者に対して提供する提供情報を生成する生成手順と、をコンピュータに実行させることを特徴とする。

本発明では、利用者に対して有益な情報を提供することができる。

図１は、実施形態に係る情報提供システムの構成例を示す図である。 図２は、実施形態に係る情報提供装置の構成例を示すブロック図である。 図３は、実施形態に係る物品情報記憶部の一例を示す図である。 図４は、実施形態に係る態様情報記憶部の一例を示す図である。 図５は、実施形態に係る相性度情報記憶部の一例を示す図である。 図６は、実施形態に係る提供情報記憶部の一例を示す図である。 図７は、実施形態に係る情報提供処理の具体例を示す図である。 図８は、実施形態に係る情報提供処理の流れの一例を示すフローチャートである。 図９は、ハードウェア構成の一例を示す図である。

以下に、本願に係る情報提供装置、情報提供方法および情報提供プログラムを実施するための形態（以下、実施形態）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、本願に係る情報提供装置、情報提供方法および情報提供プログラムが限定されるものではない。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。

〔実施形態〕
以下に、実施形態に係る情報提供システム１００の構成、情報提供装置１０の構成、情報提供処理の具体例、情報提供処理の流れを順に説明し、最後に本実施形態の効果を説明する。

〔１．情報提供システム１００の構成〕
図１を用いて、本実施形態に係る情報提供システム（適宜、本システム）１００の処理を説明する。図１は、実施形態に係る情報提供システム１００の構成例を示す図である。以下では、本システム１００の構成例、本システム１００の処理、本システム１００で応用するセットマッチング技術、本システム１００の効果の順に説明する。

（１－１．情報提供システム１００の構成例）
図１に示した情報提供システム１００は、情報提供装置１０と、利用者端末２０と、ウェブサイトサーバ３０と、態様情報データベース４０とを有する。ここで、情報提供装置１０と、利用者端末２０と、ウェブサイトサーバ３０と、態様情報データベース４０とは、図示しない所定の通信網を介して、有線または無線により通信可能に接続される。なお、本システム１００には、複数台の情報提供装置１０、複数台の利用者端末２０、複数台のウェブサイトサーバ３０、または複数台の態様情報データベース４０が含まれてもよい。

（１－１－１．情報提供装置１０）
情報提供装置１０は、利用者端末２０との間、ウェブサイトサーバ３０との間、および態様情報データベース４０との間でデータの送受信を行う装置であり、例えば、サーバ装置やクラウドシステム等により実現される。図１の例では、情報提供装置１０がサーバ装置により実現される場合を示す。

（１－１－２．利用者端末２０）
利用者端末２０は、ウェブページを閲覧したり、ウェブ上でインターネットショッピング等を行ったりする利用者Ｕによって使用されるデバイス（コンピュータ）である。利用者端末２０は、利用者Ｕによる操作を受け付ける。なお、利用者端末２０は、例えば、スマートフォンや、タブレット型端末や、ノート型ＰＣ（Personal Computer）や、デスクトップＰＣや、携帯電話機や、ＰＤＡ（Personal Digital Assistant）等により実現される。図１の例では、利用者端末２０がスマートフォンにより実現される場合を示す。

以下では、利用者端末２０を利用者Ｕと表記する場合がある。すなわち、利用者Ｕを利用者端末２０と読み替えることもできる。また、利用者Ｕを複数の顧客を表わすものとして使用することがある。

（１－１－３．ウェブサイトサーバ３０）
ウェブサイトサーバ３０は、情報提供装置１０との間、および利用者端末２０との間でデータの送受信を行う装置であり、例えば、サーバ装置やクラウドシステム等により実現される。図１の例では、情報提供装置１０がサーバ装置により実現される場合を示す。また、ウェブサイトサーバ３０は、ウェブ上でインターネットショッピング等のサービスを利用者Ｕに提供するサービス提供者によって使用される装置である。

（１－１－４．態様情報データベース４０）
態様情報データベース４０は、後述する髪の態様に関する態様情報を記憶する記憶装置である。なお、態様情報データベース４０は、ウェブサイトサーバ３０の一部として態様情報を記憶してもよい。

（１－２．情報提供システム１００の処理）
以下に、情報提供システム１００の処理として、ステップＳ１～Ｓ７の処理について説明する。なお、下記のステップＳ１～Ｓ７は、異なる順序で実行することもできる。また、下記のステップＳ１～Ｓ７のうち、省略される処理があってもよい。

（１－２－１．ステップＳ１の処理）
本システム１００において、第１に、利用者Ｕは、購入する服飾物品や購入を検討する服飾物品を利用者端末２０を介して選択し、当該服飾物品の選択をウェブサイトサーバ３０に送信する（ステップＳ１）。ここで、服飾物品とは、本システム１００のウェブサイトサーバ３０を使用する事業者によって利用者Ｕに提供される、衣服、履物、装身具等の物品である。例えば、服飾物品は、トップス、ボトムス等の衣服や、靴、靴下等の履物や、帽子、眼鏡、手袋、指輪、ネックレス、イヤリング、髪飾り等の装身具である。また、服飾物品は、鞄、リュックサック、ウエストポーチ等の携行用具であってもよく、特に限定されない。

（１－２－２．ステップＳ２の処理）
本システム１００において、第２に、情報提供装置１０は、ウェブサイトサーバ３０から、利用者Ｕが選択した服飾物品に関する物品情報を取得する（ステップＳ２）。ここで、物品情報とは、服飾物品に関する情報であって、例えば、服飾物品の動画像、物品名、物品の種別・区分、価格、提供可能なサイズ・色の他、メーカ名、ブランド名、関連物品等の情報であるが、特に限定されない。また、図１の例では、情報提供装置１０は、ウェブサイトサーバ３０から物品情報を取得しているが、利用者端末２０や、図示しない端末装置・データベースから物品情報を取得してもよい。

このとき、情報提供装置１０は、利用者端末２０から利用者Ｕの利用者情報を取得してもよい。ここで、利用者情報とは、利用者Ｕの性別、年齢、年代、職業、年収、居住地、既婚・未婚の別、子供の有無、利用者Ｕの動画像、利用者Ｕが興味関心を有するカテゴリ等の利用者属性や、利用者Ｕのウェブサイト上での検索履歴・閲覧履歴、インターネットショッピングでの購買履歴、利用者Ｕの位置情報等の行動履歴を含む情報である。さらに、利用者情報は、利用者端末２０の画面情報、利用者Ｕの生体情報等を含む情報であってもよく、特に限定されない。

（１－２－３．ステップＳ３の処理）
本システム１００において、第３に、情報提供装置１０は、態様情報データベース４０を参照し、態様情報を取得する（ステップＳ３）。ここで、態様情報とは、髪型、髪色等のヘアスタイル全般を示す髪の態様に関する情報である。また、態様情報は、かつらやウィッグ等を用いた髪の態様に関する情報であってもよく、特に限定されない。また、図１の例では、情報提供装置１０は、態様情報データベース４０から態様情報を取得しているが、ウェブサイトサーバ３０や、図示しない端末装置・データベースから態様情報を取得してもよい。

（１－２－４．ステップＳ４の処理）
本システム１００において、第４に、情報提供装置１０は、取得した物品情報および態様情報から、利用者Ｕが選択した服飾物品と髪の態様との相性の度合を示す相性度を算出する（ステップＳ４）。例えば、情報提供装置１０は、機械学習モデルを用いて、服飾物品と髪の態様との組合せの相性の度合に応じて０～１の数値をとるように相性度を算出する。このとき、情報提供装置１０は、利用者Ｕが選択した服飾物品に関わる物品情報と態様情報とを入力した際に、当該服飾物品と髪の態様との組合せごとの相性度を出力するように学習されたＤＮＮ（Deep Neural Network）等の機械学習モデルを用いて、相性度を算出する。また、情報提供装置１０は、ルールベースで相性度を算出してもよい。

上述したステップＳ４について、具体的な例を用いて説明する。例えば、情報提供装置１０は、以下に示すように利用者Ｕごとに学習した機械学習モデル、利用者Ｕの属性ごとに学習した機械学習モデル、利用者Ｕの状況（シチュエーション）ごとに学習した機械学習モデルを用いて、相性度を算出することができる。

情報提供装置１０は、利用者Ｕごとに学習した機械学習モデルを用いて、相性度を算出することができる。例えば、情報提供装置１０は、利用者ＵがＳＮＳ（Social Networking Service）の画像を閲覧し、「いいね」等の高評価を行った画像の服と髪型とのマッチングを機械学習モデルに学習させる。その結果、情報提供装置１０は、利用者Ｕが服を選んだときにコーディネートヘアスタイル提案やサロン提案を行うことができる。

また、情報提供装置１０は、利用者Ｕの趣味趣向等を含む属性ごとに学習した機械学習モデルを用いて、相性度を算出することができる。例えば、情報提供装置１０は、「ＸＸ（例：芸能人、年代、ドラマの種別（アクション等））」が好きな利用者用の機械学習モデルを複数生成し、それぞれの機械学習モデルについて正解データを生成する。具体的には、「ＸＸ」が好きな対象者が「いいね」をしている画像や、「ＸＸ」と合致する画像を正解データとして機械学習モデルを学習させる。その結果、情報提供装置１０は、利用者Ｕがウェブサイトにアクセスした際に、利用者Ｕの利用者属性とマッチする機械学習モデルを選択し、選択した機械学習モデルにより相性度が高いとされたヘアスタイルを提案することができる。

また、情報提供装置１０は、利用者Ｕのシチュエーションごとに学習した機械学習モデルを用いて、相性度を算出することができる。例えば、情報提供装置１０は、新卒、転職、中途採用等の企業採用のシチュエーションごとに、書類選考に通った対象者の就職活動時の画像を正解データとして、新卒、転職、中途採用のそれぞれについて機械学習モデルを生成する。そのため、情報提供装置１０は、例えば、利用者Ｕが「転職」を選んだ場合は、転職時の書類選考に応じたヘアスタイルを提案することができる。

（１－２－５．ステップＳ５の処理）
本システム１００において、第５に、情報提供装置１０は、算出した相性度、取得した態様情報や利用者Ｕの利用者情報に基づいて、利用者Ｕに提供する提供情報を生成する（ステップＳ５）。ここで、提供情報とは、態様情報が示す髪の態様から特定された髪の態様に関する情報であって、利用者Ｕが選択した服飾物品にマッチする髪型、髪色等の髪の態様、当該髪の態様を提供可能である美容室、理容室等の情報であるが、特に限定されない。このとき、情報提供装置１０は、態様情報が示す髪の態様のうち所定の閾値以上の相性度の髪の態様を特定し、提供情報を生成する。例えば、情報提供装置１０は、利用者Ｕが選択したトップスとの相性度が「０．７」以上の髪型の画像を特定し、当該画像および当該画像に示される髪型を提供可能である美容室の情報を提供情報として生成する。

上述したステップＳ５について、具体的な例を用いて説明する。例えば、情報提供装置１０は、以下に示すように利用者Ｕの利用者情報をもとに提供情報を生成したり、美容室等の事業者情報をもとに提供情報を生成したりすることができる。

情報提供装置１０は、利用者情報が示す利用者属性をもとに提供情報を生成することができる。例えば、情報提供装置１０は、利用者Ｕの画像をもとに利用者Ｕの髪色を特定し、髪色が比較的近しい髪型のグループを提案する。また、情報提供装置１０は、髪の態様の候補のうち、利用者Ｕが事前に登録した好みのヘアスタイルと類似するものを優先的に提案してもよい。さらに、情報提供装置１０は、利用者Ｕの髪の態様や好みが不明であっても、インターネットショッピングサイトにおいて利用者Ｕが選択した商品画像の髪色と比較的近しい髪色の画像を優先的に提案することもできる。そのため、情報提供装置１０は、利用者属性等をもとに態様情報から特定された候補の中から類似性が高い髪の態様を提案することができる。

また、情報提供装置１０は、利用者情報が示す行動履歴をもとに提供情報を生成することができる。例えば、情報提供装置１０は、利用者Ｕの購買履歴等の行動履歴をもとに利用者Ｕの所持品が推定できる場合は、当該所持品をもとに髪の態様を提案する。具体的には、情報提供装置１０は、利用者Ｕが「スカート」を購入した履歴がある場合、ウェブサイトサーバ３０から利用者Ｕが選択した「Ｔシャツ」の画像と過去に購入した「スカート」の画像とを取得し、当該「Ｔシャツ」と当該「スカート」とに、様々な髪型を組み合わせて提案する髪の態様を特定する。

さらに、情報提供装置１０は、事業者情報をもとに提供情報を生成することができる。例えば、情報提供装置１０は、ウェブサイトサーバ３０から事業者情報として美容室等の情報や、当該美容室等の予約サイトの情報を取得し、当該情報を含む提案情報を生成する。このため、情報提供装置１０は、利用者Ｕが購入した衣服等にマッチする髪型を提案するだけでなく、当該髪型を実現できる美容室やスタイリストの情報を提供することができる。

（１－２－６．ステップＳ６の処理）
本システム１００において、第６に、情報提供装置１０は、生成した提供情報を利用者Ｕの利用者端末２０に送信する（ステップＳ６）。例えば、情報提供装置１０は、利用者Ｕが選択したトップスとの相性度が「０．７」以上の髪型の画像および当該画像に示される髪型を提供可能である美容室の情報を含む提供情報を、利用者Ｕの利用者端末２０に送信する。このとき、情報提供装置１０は、生成した提供情報をウェブサイトサーバ３０に送信することによって、当該情報を利用者Ｕに提供することもできる。

上述してきたステップＳ１～Ｓ６のように、情報提供装置１０は、例えば、利用者Ｕが選択した服飾品を着用しているファッションモデルのヘアスタイル、髪の色などを解析し、ヘアスタイルや、スタイリスト、理美容室情報（美容室・理容室に関する情報）を提供することができる装置である。すなわち、情報提供装置１０は、上述したステップＳ１で服飾物品が選択された際に、当該服飾物品をファッションモデルが着用していた際、態様情報データベース４０から類似するヘアスタイルやそのヘアスタイルを投稿しているスタイリスト、スタイリストが所属する理美容室情報を利用者Ｕに対して提供することができる。このとき、情報提供装置１０は、理美容室情報として、上記の理美容室の予約サイト等の予約情報を提供してもよい。また、情報提供装置１０は、利用者Ｕから上記の理美容室への予約が入り、実際に施術が行われた場合には、理美容室またはスタイリストに対して送客手数料を請求することもできる。

（１－２－７．ステップＳ７の処理）
本システム１００において、第７に、情報提供装置１０は、算出した相性度を学習する（ステップＳ７）。例えば、情報提供装置１０は、機械学習モデルを用いて、利用者Ｕが選択した服飾物品と髪の態様との組合せの相性がよいことを示す情報が入力された場合には、当該服飾物品に対する髪の態様の相性度が「１」に近づく数値として出力するように、バックプロパゲーション等を用いて学習する。また、情報提供装置１０は、機械学習モデルを用いて、利用者Ｕが選択した服飾物品と髪の態様との組合せの相性が悪いことを示す情報が入力された場合には、当該服飾物品に対する髪の態様の相性度が「０」に近づく数値として出力するように、バックプロパゲーション等を用いて学習する。

（１－３．情報提供システム１００で応用するセットマッチング技術）
ここで、上述してきた情報提供システム１００で応用するセットマッチング技術の詳細について説明する。画像等の特徴量を示す情報の集合に基づいて、集合同士の調和具合を示すスコア（以下、適宜、「マッチングスコア」とする。）を算出する技術の一例として、セットマッチング（Ｓｅｔ Ｍａｔｃｈｉｎｇ）と呼ばれる技術が知られている。セットマッチングは、例えば深層学習を用いた技術であり、マッチングスコアが高いほど、集合同士の相性が高いと推定する。このため、セットマッチングは、集合同士の相性を定量的に評価することができる。セットマッチングを用いたマッチングスコアの算出は、例えば、Y. Saito, T. Nakamura, H. Hachiya, K. Fukumizu "Exchangeable Deep Neural Networks for Set-to-Set Matching and Learning"に開示されている。なお、セットマッチングは一例であり、実施形態は、この技術を用いた場合に限られないものとする。

情報提供装置１０は、セットマッチングのような集合同士のマッチングスコアを算出する技術を応用して、服飾物品と髪の態様との組合せごとにマッチングスコア（相性度）を算出する。具体的には、情報提供装置１０は、利用者Ｕが選択した服飾物品ごとに髪の態様との相性度を算出する。このとき、情報提供装置１０は、相性度が高いほど、利用者Ｕが選択した服飾物品と髪の態様との相性が高いと推定することができるため、一の服飾物品に対して、最も相性度が高く算出された髪の態様を特定する。また、情報提供装置１０は、一の服飾物品に対して、特定された髪の態様が態様情報に含まれる髪の態様の中で相性が最も高い髪の態様と推定する。これにより、情報提供装置１０は、服飾物品と髪の態様との相性を、外観等の利用者Ｕの感覚的な判断ではなく、定量的に判断することができる。

また、情報提供装置１０は、以下のように機械学習モデルの学習を行う。例えば、情報提供装置１０は、ＳＮＳに投稿された画像のうち、利用者Ｕが好意的な評価を行った画像を特定する。次に、情報提供装置１０は、特定した画像における髪の態様と、服飾物品とを識別する。このとき、情報提供装置１０は、各種の識別モデルを用いてもよく、クラウドソーシング等で識別結果を得てもよい。情報提供装置１０は、上記の識別結果を正解データとして使用する。また、情報提供装置１０は、利用者Ｕが投稿した画像から識別した結果を正解データとして使用もよい。そして、情報提供装置１０は、正解データとなる髪の態様と服飾物品とを入力された際に、高いスコアを出力し、正解データにはない髪の態様と服飾物品とを入力された際に、低いスコアを出力するように機械学習モデルの学習を行う。このとき、情報提供装置１０は、このような機械学習モデルを、利用者Ｕの属性ごとに生成してもよく、利用者の状況ごとに生成してもよい。また、情報提供装置１０は、複数のモデルの出力値の操作を機械学習モデルの出力として採用することで、複数の切り口を考慮した相性の度合いを反映させてもよい。

（１－４．情報提供システム１００の効果）
上述してきたように情報提供システム１００では、情報提供装置１０は、利用者Ｕが選択した服飾物品に関する物品情報を取得し、当該物品情報に基づいて、利用者Ｕが選択した服飾物品と髪の態様との組合せの相性の度合を示す相性度を算出し、当該相性度に基づいて、利用者Ｕに対して提供する提供情報を生成する。このとき、情報提供装置１０は、髪の態様と当該態様の髪を有する対象者が着用した服飾物品との組合せの相性の度合を学習した機械学習モデルを用いて、相性度を算出する。このため、本システム１００では、利用者Ｕが閲覧する衣服や購入を希望する衣服とマッチするヘアスタイルを推定し、利用者Ｕに対してヘアスタイルやスタイリストの提案をすることができる。また、本システム１００では、利用者Ｕが選択した衣服以外にも、アクセサリー、靴、鞄等に似合うヘアスタイルを推定し、利用者Ｕに対してヘアスタイルやスタイリストの提案をすることができる。すなわち、本システム１００は、ＥＣ（Electronic Commerce：電子商取引）サイト等の利用者Ｕに対して有益な情報を提供可能にする。

また、本システム１００では、情報提供装置１０は、服飾物品を選択した利用者Ｕに関する利用者情報をさらに取得し、取得した利用者情報に基づいて髪の態様を特定し、提供情報を生成する。また、情報提供装置１０は、髪の態様を提供可能な事業者に関する事業者情報を含む提供情報を生成する。このため、本システム１００では、利用者Ｕに対して、ＳＮＳ等で評価が高い衣服や芸能人等の有名人が着用している衣服等に似合うヘアスタイルを提案するとともに、当該ヘアスタイルを実現できるスタイリスト等のより具体的な提案をすることができる。すなわち、本システム１００は、ＥＣサイト等の利用者Ｕに対して、より具体的かつ有益な情報を提供可能にする。

さらに、本システム１００では、情報提供装置１０は、髪の態様と当該態様の髪を有する対象者が着用した服飾物品との組合せの相性の度合を学習した機械学習モデルを用いて、相性度を算出する。このとき、情報提供装置１０は、服飾物品と髪の態様とを含む動画像により相性の度合を学習した機械学習モデルを用いたり、利用者Ｕごとに相性の度合を学習した機械学習モデルを用いたり、利用者Ｕの属性ごとに相性の度合を学習した機械学習モデルを用いたり、利用者Ｕの状況ごとに相性の度合を学習した機械学習モデルを用いたりして、相性度を算出する。このため、本システム１００では、ＳＮＳ、テレビ、映画等から収集した正解データを用いて学習した様々な機械学習モデルを生成し、利用者Ｕに対してより精度の高いヘアスタイルを提案することができる。すなわち、本システム１００は、ＥＣサイト等の利用者Ｕに対して、より具体的かつ有益な情報を高い精度で提供可能にする。

〔２．情報提供装置１０の構成〕
図２を用いて、実施形態に係る情報提供装置１０の構成について説明する。図２は、実施形態に係る情報提供装置１０の構成例を示すブロック図である。図２に示すように、情報提供装置１０は、通信部１１、記憶部１２および制御部１３を有する。なお、情報提供装置１０は、情報提供装置１０の管理者等から各種操作を受け付ける入力部（例えば、キーボードやマウス等）や、各種情報を表示するための表示部（例えば、液晶ディスプレイ等）を有してもよい。

（２－１．通信部１１）
通信部１１は、例えば、ＮＩＣ（Network Interface Card）等によって実現される。そして、通信部１１は、所定の通信網（ネットワーク）と有線または無線で接続され、各種装置との間で情報の送受信を行う。

（２－２．記憶部１２）
記憶部１２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、または、ハードディスク、光ディスク等の記憶装置によって実現される。実施形態に係る記憶部１２は、図２に示すように、物品情報記憶部１２ａ、態様情報記憶部１２ｂ、相性度情報記憶部１２ｃおよび提供情報記憶部１２ｄを有する。そして、記憶部１２は、制御部１３が動作する際に参照する各種情報や、制御部１３が動作した際に取得した各種情報を記憶する。

（２－２－１．物品情報記憶部１２ａ）
物品情報記憶部１２ａは、利用者Ｕが選択した服飾物品に関する各種の情報（物品情報）を記憶する。ここで、図３を用いて、物品情報記憶部１２ａが記憶する情報の一例を説明する。図３は、実施形態に係る物品情報記憶部１２ａの一例を示す図である。図３の例において、物品情報記憶部１２ａは、「物品ＩＤ」、「物品情報」といった項目を有する。

「物品ＩＤ」は、服飾物品を識別するための識別情報を示す。「物品情報」は、服飾物品に関する情報であって、例えば、服飾物品の動画像、物品名、物品の種別・区分、価格、提供可能なサイズ・色、メーカ名、ブランド名、関連物品等の情報である。

すなわち、図３では、物品ＩＤ「ＩＩＤ＃１」によって識別される服飾物品の物品情報が「物品情報＃１」、物品ＩＤ「ＩＩＤ＃２」によって識別される服飾物品の物品情報が「物品情報＃２」である例を示す。

（２－２－２．態様情報記憶部１２ｂ）
態様情報記憶部１２ｂは、髪の態様に関する各種の情報（態様情報）を記憶する。ここで、図４を用いて、態様情報記憶部１２ｂが記憶する情報の一例を説明する。図４は、実施形態に係る態様情報記憶部１２ｂの一例を示す図である。図４の例において、態様情報記憶部１２ｂは、「態様ＩＤ」、「態様情報」、「事業者情報」といった項目を有する。

「態様ＩＤ」は、髪の態様を識別するための識別情報を示す。「態様情報」は、髪型、髪色等のヘアスタイル全般を示す髪の態様に関する情報や、かつらやウィッグ等を用いた髪の態様に関する情報である。「事業者情報」は、髪の態様を提供可能である美容室・理容室の属性や、当該美容室・理容室において従事する美容師・理容師（スタイリスト）に関する情報である。

すなわち、図４では、態様ＩＤ「ＨＩＤ＃１」によって識別される髪の態様について、態様情報「態様情報＃１」、事業者情報「事業者情報＃１」であって、態様ＩＤ「ＨＩＤ＃２」によって識別される髪の態様について、態様情報「態様情報＃２」、事業者情報「事業者情報＃２」である例を示す。

（２－２－３．相性度情報記憶部１２ｃ）
相性度情報記憶部１２ｃは、制御部１３の算出部１３ｂによって算出された服飾物品に対する髪の態様ごとの相性度（相性度情報）を記憶する。ここで、図５を用いて、相性度情報記憶部１２ｃが記憶する情報の一例を説明する。図５は、実施形態に係る相性度情報記憶部１２ｃの一例を示す図である。図５の例において、相性度情報記憶部１２ｃは、「物品ＩＤ」、「態様ＩＤ」、「相性度」といった項目を有する。

「物品ＩＤ」は、服飾物品を識別するための識別情報を示す。「態様ＩＤ」は、髪の態様を識別するための識別情報を示す。「相性度」は、服飾物品に対する髪の態様ごとの相性の度合を示す数値である。

すなわち、図５では、物品ＩＤ「ＩＩＤ＃１」によって識別される服飾物品について、態様情報「態様情報＃１」、相性度「相性度＃１」であって、物品ＩＤ「ＩＩＤ＃２」によって識別される服飾物品について、態様情報「態様情報＃２」、相性度「相性度＃２」である例を示す。

（２－２－４．提供情報記憶部１２ｄ）
提供情報記憶部１２ｄは、制御部１３の生成部１３ｃによって生成された提供情報を記憶する。ここで、図６を用いて、提供情報記憶部１２ｄが記憶する情報の一例を説明する。図６は、実施形態に係る提供情報記憶部１２ｄの一例を示す図である。図６の例において、提供情報記憶部１２ｄは、「物品ＩＤ」、「提供情報」といった項目を有する。

「物品ＩＤ」は、服飾物品を識別するための識別情報を示す。「提供情報」は、利用者Ｕが選択した服飾物品に相性のよい髪型、髪色等の髪の態様、当該髪の態様を提供可能である美容室、理容室等に関する情報である。

すなわち、図６では、物品ＩＤ「ＩＩＤ＃１」によって識別される服飾物品についての提供情報が「提供情報＃１」、物品ＩＤ「ＩＩＤ＃２」によって識別される服飾物品についての提供情報が「提供情報＃２」である例を示す。

（２－３．制御部１３）
制御部１３は、例えば、ＣＰＵ（Central Processing Unit）やＭＰＵ（Micro Processing Unit）等によって、情報提供装置１０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、制御部１３は、例えば、ＡＳＩＣ（Application Specific Integrated Circuit）やＦＰＧＡ（Field Programmable Gate Array）等の集積回路により実現される。

図２に示すように、制御部１３は、取得部１３ａ、算出部１３ｂ、生成部１３ｃ、送信部１３ｄおよび学習部１３ｅ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、制御部１３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。また、制御部１３が有する各処理部の接続関係は、図２に示した接続関係に限られず、他の接続関係であってもよい。

（２－３－１．取得部１３ａ）
取得部１３ａは、利用者が選択した服飾物品に関する物品情報を取得する。例えば、取得部１３ａは、ウェブサイトサーバ３０から、物品情報として、利用者Ｕが選択した衣服、履物、装身具等の物品に関する情報を取得する。

また、取得部１３ａは、髪の態様に関する態様情報を取得する。例えば、取得部１３ａは、態様情報データベース４０から、態様情報として、髪型、髪色等のヘアスタイル全般を示す髪の態様に関する情報を取得する。このとき、取得部１３ａは、態様情報データベース４０から、ウェブサイトサーバ３０におけるサービス提供者によって関連付けされた態様情報を取得してもよい。また、取得部１３ａは、ウェブサイトサーバ３０から、事前に各服飾物品に対する相性度が高い髪の態様として登録された髪の態様を含む態様情報を取得してもよい。

また、取得部１３ａは、服飾物品を選択した利用者Ｕに関する利用者情報を取得する。
例えば、取得部１３ａは、利用者Ｕの利用者端末２０から、利用者情報として、利用者Ｕの動画像、興味関心を有するカテゴリ等を含む利用者属性や、利用者Ｕの検索履歴・閲覧履歴・購買履歴・位置情報等の行動履歴を取得する。

さらに、取得部１３ａは、ウェブサイトサーバ３０から、登録された美容室やスタイリストの情報を含む事業者情報を取得してもよい。また、取得部１３ａは、態様情報データベース４０から、髪の態様に関連付けされた美容室やスタイリストの情報を含む事業者情報を取得することもできる。

なお、取得部１３ａは、取得した物品情報を物品情報記憶部１２ａに格納する。また、取得部１３ａは、取得した態様情報や事業者情報を態様情報記憶部１２ｂに格納する。さらに、取得部１３ａは、取得した利用者情報を記憶部１２に格納することもできる。

（２－３－２．算出部１３ｂ）
算出部１３ｂは、物品情報に基づいて、服飾物品と髪の態様との組合せの相性の度合を示す相性度を算出する。例えば、算出する手法について説明すると、算出部１３ｂは、髪の態様と当該態様の髪を有する対象者が着用した服飾物品との組合せの相性の度合を学習した機械学習モデルを用いて、相性度を算出する。具体的な例としては、算出部１３ｂは、利用者Ｕが選択した物品情報や態様情報を入力された際に服飾物品に対する髪の態様ごとの相性度を出力するように学習されたＤＮＮ等の機械学習モデルを用いて、相性度を算出する。また、算出部１３ｂは、ルールベースで利用者Ｕが選択した服飾物品に対する髪の態様ごとの相性度を算出してもよい。

また、算出する数値について説明すると、算出部１３ｂは、髪の態様ごとの相性の度合に応じて０～１の数値をとるように相性度を算出する。また、算出部１３ｂは、髪の態様ごとの相性の度合に応じて０～１００％の数値をとるように相性度を算出してもよく、算出する数値の範囲や単位は特に限定されない。

具体的な例を用いて説明すると、例えばアイテムＩとヘアスタイルＨ１との相性度が「０．９」であり、アイテムＩとヘアスタイルＨ２との相性度が「０．８」であり、アイテムＩとヘアスタイルＨ３との相性度が「０．７」である場合、算出部１３ｂは、相性度が最も高いヘアスタイルＨ１が、アイテムＩとの相性が高いと推定する。これにより、算出部１３ｂは、服飾物品と髪の態様との組合せの最適化を適切に行うことができる。

また、算出部１３ｂが用いる機械学習モデルの学習データについて説明すると、算出部１３ｂは、服飾物品と髪の態様とを含む動画像により相性の度合を学習した機械学習モデルを用いて、相性度を算出する。具体的な例としては、算出部１３ｂは、ウェブサイト、ＳＮＳ、テレビ、映画等から収集された服飾物品と髪の態様が同時に映っている動画、静止画等により相性の度合を学習した機械学習モデルを用いて、相性度を算出する。

また、算出部１３ｂが用いる機械学習モデルの種類について説明すると、算出部１３ｂは、利用者Ｕごとに相性の度合を学習した機械学習モデルを用いて、相性度を算出する。具体的な例としては、算出部１３ｂは、利用者ＵがＳＮＳの画像を閲覧し、「いいね」等の高評価を行った画像の服と髪型とのマッチングを学習した機械学習モデルを用いて、相性度を算出する。

さらに、算出部１３ｂは、利用者Ｕの属性ごとに相性の度合を学習した機械学習モデルを用いて、相性度を算出する。具体的な例としては、算出部１３ｂは、利用者Ｕの年代、好きな芸能人やドラマの種類等の趣味趣向を含む利用者属性ごとに生成された複数の機械学習モデルを用いて、相性度を算出する。

また、算出部１３ｂは、利用者Ｕの状況ごとに相性の度合を学習した機械学習モデルを用いて、相性度を算出する。具体的な例としては、情報提供装置１０は、新卒、転職、中途採用等のシチュエーションごとに、書類選考に通った対象者の就職活動時の画像を学習した機械学習モデルを用いて、相性度を算出する。

なお、算出部１３ｂは、利用者Ｕが選択した服飾物品に関する物品情報を物品情報記憶部１２ａから取得する。また、算出部１３ｂは、髪の態様を示す態様情報を態様情報記憶部１２ｂから取得する。一方、算出部１３ｂは、算出した相性度を相性度情報記憶部１２ｃに格納する。

（２－３－３．生成部１３ｃ）
生成部１３ｃは、算出された相性度に基づいて、利用者Ｕに対して提供する提供情報を生成する。例えば、生成部１３ｃは、取得された態様情報が示す髪の態様のうち所定の閾値以上の相性度の髪の態様を特定し、提供情報を生成する。具体的な例を用いて説明すると、生成部１３ｃは、トップスの服飾物品であるアイテムＩに対する髪の態様であるヘアスタイルＨ１、Ｈ２、Ｈ３、・・・のうち、アイテムＩとの相性度が「０．７」以上であるヘアスタイルＨ１、Ｈ２、Ｈ３を特定し、ヘアスタイルＨ１、Ｈ２、Ｈ３の画像等を含んだ提供情報を生成する。

また、生成部１３ｃは、取得された利用者Ｕの利用者情報に基づいて髪の態様を特定し、提供情報を生成する。例えば、生成部１３ｃは、所定の閾値以上の相性度の髪の態様のうち、利用者Ｕの好みとして登録された髪の態様を特定し、当該髪の態様を含む提供情報を生成する。

さらに、生成部１３ｃは、髪の態様を提供可能な事業者に関する事業者情報を含む提供情報を生成する。例えば、生成部１３ｃは、所定の閾値以上の相性度の髪の態様であって、当該髪の態様の画像を提供した美容室やスタイリストに関する情報を含む提供情報を生成する。このとき、生成部１３ｃは、美容室やスタイリストに関する情報として、当該美容室等の予約ページへのリンクを含む情報を生成してもよい。また、生成部１３ｃは、利用者Ｕから上記の美容室等への予約が入り、実際に施術が行われた場合には、利用者Ｕの人数に応じて上記の美容室等またはスタイリストに対して請求する送客手数料に関する情報を生成することもできる。

なお、生成部１３ｃは、相性度情報を相性度情報記憶部１２ｃから取得する。また、生成部１３ｃは、生成した提供情報を提供情報記憶部１２ｄに格納する。

（２－３－４．送信部１３ｄ）
送信部１３ｄは、生成部１３ｃによって生成された提供情報を利用者Ｕに送信する。例えば、送信部１３ｄは、利用者Ｕの利用者端末２０に、利用者Ｕが選択した服飾物品に対する相性度が所定の閾値以上の髪の態様を含む画像を送信する。このとき、送信部１３ｄは、髪の態様を含む画像とともに、当該髪の態様を提供可能な美容室やスタイリスト等の画像や予約可能日等の事業者情報を送信してもよい。

なお、送信部１３ｄは、提供情報を提供情報記憶部１２ｄから取得する。また、送信部１３ｄは、提供情報をウェブサイトサーバ３０や、図示しない事業者端末・データベースに送信してもよい。例えば、送信部１３ｄは、利用者Ｕから上記の美容室等への予約が入り、実際に施術が行われた場合には、上記の美容室等またはスタイリストに対して請求する送客手数料に関する情報を送信することもできる。

（２－３－５．学習部１３ｅ）
学習部１３ｅは、利用者Ｕが選択した物品情報や態様情報を入力された際に服飾物品に対する髪の態様ごとの相性度を出力するように、機械学習モデルの学習を行う。このとき、学習部１３ｅは、バックプロパゲーション等により機械学習モデルの学習を行ってもよい。

例えば、学習部１３ｅは、利用者Ｕ、利用者Ｕの属性、利用者Ｕの状況ごとに、利用者Ｕが選択した服飾物品と髪の態様との組合せの相性がよいことを示す情報が機械学習モデルに入力された場合には、当該服飾物品に対する髪の態様の相性度が「１」に近づく数値として出力されるように、機械学習モデルの学習を行う。

一方、学習部１３ｅは、利用者Ｕ、利用者Ｕの属性、利用者Ｕの状況ごとに、利用者Ｕが選択した服飾物品と髪の態様との組合せの相性が悪いことを示す情報が機械学習モデルに入力された場合には、当該服飾物品に対する髪の態様の相性度が「０」に近づく数値として出力されるように、機械学習モデルの学習を行う。

〔３．情報提供処理の具体例〕
続いて、実施形態に係る情報提供処理の具体例について説明する。以下では、機械学習モデルの学習処理、提供情報の生成処理について説明した上で、利用者Ｕの利用者端末２０に送信される提供情報の具体例について説明する。

（３－１．機械学習モデルの学習処理）
実施形態に係る機械学習モデルの学習処理について説明する。当該処理を実行することによって、情報提供装置１０は、後述する提供情報の生成処理に用いられる学習済みの機械学習モデルを生成することが可能となる。以下では、正解データ収集処理、画像データ抽出処理、画像データ学習処理の順に説明する。

（３－１－１．正解データ収集処理）
まず、情報提供装置１０は、ＳＮＳから正解データを収集する。ここで、収集される正解データは、例えば髪型と衣服とが同時に撮影されている画像であって、評価が所定の条件を満たす画像である。より具体的には、収集される正解データは、所定の人物が投稿した画像、「いいね」の数が所定数を超える画像、コメントの数や好意的内容が所定数を超える画像等である。また、情報提供装置１０は、同様にしてテレビコマーシャルや映画等の動画像から正解データを収集することもできる。

（３－１－２．画像データ抽出処理）
次に、情報提供装置１０は、収集した正解データの画像から、髪部分と、衣服部分（例：身体部分、持ち物部分）を抽出する。このとき、情報提供装置１０は、衣服部分について、トップス、ボトムス、アクセサリー、バッグ等ごとに抽出を行ってもよい。

（３－１－３．画像データ学習処理）
そして、情報提供装置１０は、同一の画像から抽出した髪部分の画像と各衣服部分の画像との組合せ（つまり評価がよいと思われる組合せ）が入力された際に、相性が高い旨の情報（例えば、スコア１）を出力するように機械学習モデルを学習させる。また、情報提供装置１０は、異なる画像から抽出した髪部分の画像と衣服部分の画像との組合せ（つまり、評価がよいかわからない組合せ）が入力された際に、相性が低い旨の情報（例えば、スコア０や、所定値（０．７）以下のランダム数値）を出力するように機械学習モデルを学習させる。上記のような処理によって、情報提供装置１０は、上述したセットマッチングを学習した機械学習モデルを生成する。

（３－２．提供情報の生成処理）
実施形態に係る提供情報の生成処理について説明する。当該処理を実行することによって、情報提供装置１０は、例えば各美容師が投稿したヘアスタイルを提供したり、利用者Ｕがヘアスタイルを選択すると、選択された美容師が所属する美容室の予約サービス（美容師の予約サービス）を提供したりすることが可能となる。以下では、物品情報取得処理、候補情報生成処理、態様特定処理、提供情報送信処理の順に説明する。

（３－２－１．物品情報取得処理）
まず、情報提供装置１０は、例えば美容室等に関する情報を提供するサーバである。一方、ウェブサイトサーバ３０は、例えば服飾物品のＥＣサイトであるウェブサイトのサーバである。ここで、利用者Ｕは、服飾物品のＥＣサイトであるウェブサイトを参照する。このとき、ウェブサイトサーバ３０は、利用者Ｕが検索し、選択した商品（服飾物品）の画像を情報提供装置１０に送信する。すなわち、上記のような処理によって、情報提供装置１０は、利用者Ｕが選択した服飾物品の画像（物品情報）を取得する。

（３－２－２．候補情報生成処理）
次に、情報提供装置１０は、取得した画像から商品部分を切り出した画像を生成するとともに、各ヘアスタイルと、商品部分から切り出した画像とを組み合わせた候補情報を生成する。このとき、情報提供装置１０は、ヘアスタイルの画像（態様情報）を各美容師から受け付けてもよいし、ヘアスタイルの画像を収集した態様情報データベース４０から取得してもよい。

（３－２－３．態様特定処理）
続いて、情報提供装置１０は、生成した候補情報をそれぞれ機械学習モデルに入力し、出力されたスコアが所定の閾値を超える候補情報に含まれるヘアスタイルを特定する。すなわち、上記のような処理によって、情報提供装置１０は、利用者Ｕが選択した服飾物品と相性度が高い髪の態様を特定する。

（３－２－４．提供情報送信処理）
そして、情報提供装置１０は、特定したヘアスタイルの画像に予約ページへのリンクを付与して提供情報を生成し、生成した１つもしくは複数の提供情報をウェブサイトサーバ３０に送信する。この結果、ウェブサイトサーバ３０は、「この服に似合うヘアスタイルはこちらです。予約もされますか？」といった情報を利用者Ｕに提供できる。このとき、情報提供装置１０は、利用者Ｕの利用者端末２０に直接提供情報を送信することもできる。

（３－３．提供情報の具体例）
図７を用いて、実施形態に係る提供情報の具体例について説明する。図７は、実施形態に係る情報提供処理の具体例を示す図である。以下では、利用者Ｕの利用者端末２０に送信され、表示される提供情報の具体例について説明する。

（３－３－１．表示画面Ｗ１）
まず、利用者Ｕの利用者端末２０に表示される提供情報として、利用者Ｕが選択した衣服等の服飾物品に関する表示画面Ｗ１について説明する。表示画面Ｗ１では、利用者ＵがＥＣサイトにおいて選択した服飾物品であるワンピース（アイテムＩ）の画像Ｉ１と、当該服飾物品の商品名、価格、提供可能なサイズ・色の他、購入画面への遷移を行うボタン「カートに入れる」等を含む画面Ｉ２とが表示されている。このとき、利用者Ｕは、後述する表示画面Ｗ２のヘアスタイルや美容室の情報を閲覧した上で、上記のワンピースを購入するか否かを判断することができる。

（３－３－２．表示画面Ｗ２）
また、利用者Ｕの利用者端末２０に表示される提供情報として、利用者Ｕが選択した衣服等の服飾物品に対するヘアスタイル等の髪の態様、美容室等の事業者情報を含む表示画面Ｗ２について説明する。表示画面Ｗ２では、「このアイテムに合うヘアスタイル」として、ヘアスタイルの画像Ｈ１、Ｈ２、Ｈ３と、各ヘアスタイルを提供可能である美容室Ｘ、Ｙ、Ｚの情報として画面Ｂ１、Ｂ２、Ｂ３が表示されている。このとき、利用者Ｕは、ヘアスタイルの画像Ｈ１、Ｈ２、Ｈ３をクリックすることによって、各ヘアスタイルの拡大画面やヘアスタイルの詳細を閲覧することもできる。また、利用者Ｕは、美容室Ｘ、Ｙ、Ｚの情報である画面Ｂ１、Ｂ２、Ｂ３をクリックすることによって、各美容室や所属する美容師の情報を閲覧したり、美容室への予約画面へ遷移したりすることもできる。

〔４．情報提供処理の流れ〕
図８を用いて、実施形態に係る情報提供装置１０の情報処理の手順について説明する。図８は、実施形態に係る情報提供処理の流れの一例を示すフローチャートである。なお、下記のステップＳ１０１～Ｓ１０６は、異なる順序で実行することもできる。また、下記のステップＳ１０１～Ｓ１０６のうち、省略される処理があってもよい。

（４－１．物品情報収集処理）
第１に、情報提供装置１０の取得部１３ａは、物品情報取得処理を実行する（ステップＳ１０１）。例えば、取得部１３ａは、ウェブサイトサーバ３０から利用者Ｕが選択した服飾物品に関する物品情報を取得する。

（４－２．態様情報収集処理）
第２に、情報提供装置１０の取得部１３ａは、態様情報取得処理を実行する（ステップＳ１０２）。例えば、取得部１３ａは、態様情報データベース４０を参照し、髪の態様に関する態様情報を取得する。

（４－３．相性度算出処理）
第３に、情報提供装置１０の算出部１３ｂは、相性度算出処理を実行する（ステップＳ１０３）。例えば、算出部１３ｂは、取得された物品情報および態様情報から、利用者Ｕが選択した服飾物品に対する髪の態様ごとの相性度を算出する。

（４－４．提供情報生成処理）
第４に、情報提供装置１０の生成部１３ｃは、提供情報生成処理を実行する（ステップＳ１０４）。例えば、生成部１３ｃは、算出された相性度や利用者情報に基づいて、利用者Ｕに提供する提供情報を生成する。

（４－５．提供情報送信処理）
第５に、情報提供装置１０の送信部１３ｄは、提供情報送信処理を実行する（ステップＳ１０５）。例えば、送信部１３ｄは、生成された提供情報を利用者Ｕの利用者端末２０に送信する。

（４－６．相性度学習処理）
第６に、情報提供装置１０の学習部１３ｅは、相性度学習処理を実行する（ステップＳ１０６）。例えば、学習部１３ｅは、算出された利用者Ｕが選択した服飾物品に対する髪の態様ごとの相性度を学習する。

〔５．実施形態の効果〕
最後に、実施形態の効果について説明する。以下では、実施形態に係る処理に対応する効果１～９について説明する。

（５－１．効果１）
上述した実施形態に係る処理では、利用者Ｕが選択した服飾物品に関する物品情報を取得し、取得した物品情報に基づいて、服飾物品と髪の態様との組合せの相性の度合を示す相性度を算出する。このため、本処理では、利用者Ｕに対して有益な情報を提供できる。

（５－２．効果２）
上述した実施形態に係る処理では、髪の態様と当該態様の髪を有する対象者が着用した服飾物品との組合せの相性の度合を学習した機械学習モデルを用いて、相性度を算出する。このため、本処理では、利用者Ｕに対して有益な情報を、より効果的に提供できる。

（５－３．効果３）
上述した実施形態に係る処理では、服飾物品と髪の態様とを含む動画像により相性の度合を学習した機械学習モデルを用いて、相性度を算出する。このため、本処理では、利用者Ｕに対して有益な情報を、より効果的にかつ高い精度で提供できる。

（５－４．効果４）
上述した実施形態に係る処理では、利用者Ｕごとに相性の度合を学習した機械学習モデルを用いて、相性度を算出する。このため、本処理では、利用者Ｕに対して有益な情報を、利用者Ｕごとに高い精度で提供できる。

（５－５．効果５）
上述した実施形態に係る処理では、利用者Ｕの属性ごとに相性の度合を学習した機械学習モデルを用いて、相性度を算出する。このため、本処理では、利用者Ｕに対して有益な情報を、利用者Ｕの属性ごとに高い精度で提供できる。

（５－６．効果６）
上述した実施形態に係る処理では、利用者Ｕの状況ごとに相性の度合を学習した機械学習モデルを用いて、相性度を算出する。このため、本処理では、利用者Ｕに対して有益な情報を、利用者Ｕの状況ごとに高い精度で提供できる。

（５－７．効果７）
上述した本実施形態に係る処理では、髪の態様に関する態様情報をさらに取得し、態様情報が示す髪の態様のうち所定の閾値以上の相性度の髪の態様を特定し、提供情報を生成する。このため、本処理では、態様情報を用いることによって、利用者Ｕに対して有益な情報を、より効果的に提供できる。

（５－８．効果８）
上述した本実施形態に係る処理では、服飾物品を選択した利用者Ｕに関する利用者情報をさらに取得し、利用者情報に基づいて髪の態様を特定し、提供情報を生成する。このため、本処理では、利用者情報を用いることによって、利用者Ｕに対して有益な情報を、より効果的に提供できる。

（５－９．効果９）
上述した本実施形態に係る処理では、髪の態様を提供可能な事業者に関する事業者情報を含む提供情報を生成する。このため、本処理では、利用者Ｕに対して事業者情報を含む有益な情報を、より効果的に提供できる。

〔ハードウェア構成〕
また、上述した実施形態に係る情報提供装置１０は、例えば図９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、情報提供装置１０を例に挙げて説明する。図９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イスであり、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イスであり、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が情報提供装置１０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。

〔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、置換また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、上述した情報提供装置１０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ホーム等を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。

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、制御部は、制御手段や制御回路に読み替えることができる。

１０ 情報提供装置
１１ 通信部
１２ 記憶部
１２ａ 物品情報記憶部
１２ｂ 態様情報記憶部
１２ｃ 相性度情報記憶部
１２ｄ 提供情報記憶部
１３ 制御部
１３ａ 取得部
１３ｂ 算出部
１３ｃ 生成部
１３ｄ 送信部
１３ｅ 学習部
２０ 利用者端末
３０ ウェブサイトサーバ
４０ 態様情報データベース
１００ 情報提供システム

Claims (11)

1. 利用者が選択した服飾物品に関する物品情報を取得する取得部と、
   前記物品情報に基づいて、前記服飾物品と髪の態様との組合せの相性の度合を示す相性度を算出する算出部と、
   前記相性度に基づいて、前記利用者に対して提供する提供情報を生成する生成部と、
   を備えることを特徴とする情報提供装置。
2. 前記算出部は、髪の態様と当該態様の髪を有する対象者が着用した服飾物品との組合せの相性の度合を学習した機械学習モデルを用いて、前記相性度を算出する、
   ことを特徴とする請求項１に記載の情報提供装置。
3. 前記算出部は、服飾物品と髪の態様とを含む動画像により前記相性の度合を学習した前記機械学習モデルを用いて、前記相性度を算出する、
   ことを特徴とする請求項２に記載の情報提供装置。
4. 前記算出部は、利用者ごとに前記相性の度合を学習した前記機械学習モデルを用いて、前記相性度を算出する、
   ことを特徴とする請求項２または３に記載の情報提供装置。
5. 前記算出部は、利用者の属性ごとに前記相性の度合を学習した前記機械学習モデルを用いて、前記相性度を算出する、
   ことを特徴とする請求項２から４のいずれか１項に記載の情報提供装置。
6. 前記算出部は、利用者の状況ごとに前記相性の度合を学習した前記機械学習モデルを用いて、前記相性度を算出する、
   ことを特徴とする請求項２から５のいずれか１項に記載の情報提供装置。
7. 前記取得部は、髪の態様に関する態様情報をさらに取得し、
   前記生成部は、前記態様情報が示す前記態様のうち所定の閾値以上の相性度の前記態様を特定し、前記提供情報を生成する、
   ことを特徴とする請求項１から６のいずれか１項に記載の情報提供装置。
8. 前記取得部は、前記服飾物品を選択した前記利用者に関する利用者情報をさらに取得し、
   前記生成部は、前記利用者情報に基づいて前記態様を特定し、前記提供情報を生成する、
   ことを特徴とする請求項１から７のいずれか１項に記載の情報提供装置。
9. 前記生成部は、前記態様を提供可能な事業者に関する事業者情報を含む前記提供情報を生成する、
   ことを特徴とする請求項１から８のいずれか１項に記載の情報提供装置。
10. 情報提供装置によって実行される情報提供方法であって、
    利用者が選択した服飾物品に関する物品情報を取得する取得工程と、
    前記物品情報に基づいて、前記服飾物品と髪の態様との組合せの相性の度合を示す相性度を算出する算出工程と、
    前記相性度に基づいて、前記利用者に対して提供する提供情報を生成する生成工程と、
    を含むことを特徴とする情報提供方法。
11. 利用者が選択した服飾物品に関する物品情報を取得する取得手順と、
    前記物品情報に基づいて、前記服飾物品と髪の態様との組合せの相性の度合を示す相性度を算出する算出手順と、
    前記相性度に基づいて、前記利用者に対して提供する提供情報を生成する生成手順と、
    をコンピュータに実行させることを特徴とする情報提供プログラム。

Images