JP2024022368A - 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】ユーザの分類に応じた適切な商品の組み合わせを提案すること。【解決手段】本願に係る情報処理装置は、分類部と、提供部とを備える。分類部は、ユーザをグループ分類する。提供部は、分類部による分類結果に基づいて、複数商品の調和具合を示すスコアがグループに応じた閾値の範囲の商品の組み合わせを提供する。【選択図】図２８

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。

ファッションやインテリアやメイクなどに知識のない人は、ファッションやインテリアやメイクなどのコーディネートの仕方がわからないといったことがある。

従来、コーディネートを支援するための技術が知られている。例えば、所定のルールに基づいて、ファッションの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、従来の技術では、ユーザの分類に応じた適切な商品の組み合わせを提案することができなかった。

本願は、上記に鑑みてなされたものであって、ユーザの分類に応じた適切な商品の組み合わせを提案することを目的とする。

本願に係る情報処理装置は、ユーザをグループ分類する分類部と、前記分類部による分類結果に基づいて、複数商品の調和具合を示すスコアがグループに応じた閾値の範囲の商品の組み合わせを提供する提供部と、を有することを特徴とする。

実施形態の一態様によれば、ユーザの分類に応じた適切な商品の組み合わせを提案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処理の一例を示す図である。 図３は、マッチングスコアの算出結果の一例を示す図である。 図４は、カテゴリに基づくアイテム候補の選択を説明するための説明図である。 図５は、アイテム間の関係性に基づくアイテム候補の選択を説明するための説明図である。 図６は、サブコーデ同士の組み合わせを特定する情報処理を説明するための説明図である。 図７は、実施形態に係る情報表示装置の構成例を示す図である。 図８は、実施形態に係る情報処理装置の構成例を示す図である。 図９は、実施形態に係る購買履歴記憶部の一例を示す図である。 図１０は、実施形態に係るギャラリー記憶部の一例を示す図である。 図１１は、実施形態に係るモデル記憶部の一例を示す図である。 図１２は、実施形態に係る情報処理の一例を示すフローチャートである。 図１３は、コーデ生成の支援を行うＵＩ画面の一例を示す図である。 図１４は、家具のコーディネートを提案するＵＩ画面の一例を示す図である。 図１５は、自撮り画像に対するコーディネートを提案するＵＩ画面の一例を示す図である。 図１６は、カートに加えられたアイテムも含めてコーディネートを提案するＵＩ画面の一例を示す図である。 図１７は、参照画像情報を表示してコーディネートを提案するＵＩ画面の一例を示す図である。 図１８は、特定のアイテムを含めてコーデ生成を行うよう操作する場合のＵＩ画面の一例を示す図である。 図１９は、電子商取引を管理するサーバから配信されたＵＩ画面の一例を示す図である。 図２０は、コーデ生成の支援を行うＵＩ画面の一例を示す図である。 図２１は、家具のコーディネートを提案するＵＩ画面の一例を示す図である。 図２２は、特定のアイテムを含めてコーデ生成を行うようアイテムを指定する場合のＵＩ画面の一例を示す図である。 図２３は、自撮り画像に対するコーディネートを提案するＵＩ画面の一例を示す図である。 図２４は、投稿情報を管理する所定のウェブサービスに実装した場合のＵＩ画面の一例を示す図である。 図２５は、ギャラリーサブコーデのアイテム候補のみを用いてコーディネートを提案するＵＩ画面の一例を示す図である。 図２６は、スワイプ操作でアイテム選択を行う場合のＵＩ画面の一例を示す図である（着用イメージなし）。 図２７Ａは、スワイプ操作でアイテム選択を行う場合のＵＩ画面の一例を示す図である（着用イメージあり、スワイプ操作前）。 図２７Ｂは、スワイプ操作でアイテム選択を行う場合のＵＩ画面の一例を示す図である（着用イメージあり、スワイプ操作後）。 図２８は、実施形態２に係る情報処理装置の構成例を示す図である。 図２９は、実施形態２に係る熟練度記憶部の一例を示す図である。 図３０は、実施形態２に係る提案閾値記憶部の一例を示す図である。 図３１は、商品の組み合わせを提案するためのユーザインターフェースの一例を示す図である。 図３２は、実施形態２に係る情報処理の手順を示すフローチャートである。 図３３は、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）
〔１．情報処理システムの構成〕
図１に示す情報処理システム１について説明する。図１に示すように、情報処理システム１は、情報表示装置１０と、情報処理装置１００とが含まれる。情報表示装置１０と、情報処理装置１００とは所定の通信網（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。図１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。なお、図１に示した情報処理システム１には、複数台の情報表示装置１０や、複数台の情報処理装置１００が含まれてもよい。

情報表示装置１０は、ユーザによって利用される情報処理装置である。情報表示装置１０は、実施形態における処理を実現可能であれば、どのような装置であってもよい。また、情報表示装置１０は、スマートフォンや、タブレット型端末や、ノート型ＰＣや、デスクトップＰＣや、携帯電話機や、ＰＤＡ等の装置であってもよい。図２に示す例においては、情報表示装置１０がスマートフォンである場合を示す。

情報表示装置１０は、例えば、スマートフォンやタブレット等のスマートデバイスであり、３Ｇ（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、情報表示装置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、ユーザ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け付けてもよい。

情報処理装置１００は、各種のコーディネートの生成を実現するための情報処理装置であり、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。例えば、情報処理装置１００は、複数のアイテムを含むアイテム群をクエリとして受け付けて、受け付けられたクエリと対応するクエリとは異なるアイテムを組み合わせたアイテム群ごとに、クエリとなるアイテム群との調和具合を示すスコアを算出する機能を有する。情報処理装置１００は、例えば、ＰＣ、ＷＳ（Work Station）等の情報処理装置であり、情報表示装置１０等からネットワークＮを介して送信されてきた情報に基づいて処理を行う。

なお、図１では、情報表示装置１０と情報処理装置１００とが、別装置である場合を示すが、情報表示装置１０と情報処理装置１００とが一体であってもよい。

〔２．情報処理の一例〕
画像など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、以下実施形態は、この技術を用いた場合に限られないものとする。

以下実施形態では、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、コーディネート全体として調和の高い情報を提供するための情報処理を説明する。なお、以下実施形態では、マッチングスコアの算出の対象となる集合を、適宜、「サブコーデ」と表記する。また、以下実施形態では、サブコーデ同士の組み合わせに基づくコーディネートの生成を、適宜、「コーデ生成」と表記する。そして、以下実施形態では、サブコーデ同士を組み合わせることで一つのコーディネートを完成させる。

以下実施形態では、説明の便宜上、ファッションのコーデ生成を一例として説明するが、ファッションに限らず、どのような特定アイテムのコーデ生成にも応用可能であるものとする。例えば、家具や花束などの外観に特徴がある特定アイテムのコーデ生成にも応用可能であるものとする。

図２は、実施形態に係る情報処理システム１の情報処理の一例を示す図である。図２では、情報表示装置１０を介してユーザＵ１１にコーデ生成結果を提案するものとする。

情報処理装置１００は、ユーザＵ１１が所持していると判定されたアイテム群に関する情報を取得する（ステップＳ１０１）。なお、ユーザＵ１１が所持しているか否かの判定は、どのように行われてもよい。例えば、ユーザＵ１１が所持しているか否かの判定は、ユーザＵ１１の購買履歴に基づいて行われてもよいし、所持しているアイテムとしてユーザＵ１１により予め入力されたアイテム群との比較に基づいて行われてもよい。

情報処理装置１００は、ユーザＵ１１が所持していると判定されたアイテム群のうち、選択された複数のアイテムを含むアイテム群をクエリとして受け付ける。この受け付けられたクエリは、サブコーデとなるため、以下、適宜、「クエリサブコーデ」と表記する。クエリサブコーデは、ユーザ側のサブコーデである。

情報処理装置１００は、クエリサブコーデと組み合わせることでコーデ生成を行う候補となるサブコーデに関する情報を取得する（ステップＳ１０２）。このサブコーデは、例えば、電子商取引で取引される複数のアイテムから構成されるアイテム群であり、電子商取引で取引されると判定された全アイテムを含むアイテム群（以下、適宜、「ギャラリー」とする。）から選択された複数のアイテムを含むアイテム群である。

このような、ギャラリーから選択されたアイテム群も、クエリサブコーデと同様に、複数のアイテムを含むアイテム群であり、サブコーデとなるため、以下、適宜、「ギャラリーサブコーデ」と表記する。ギャラリーサブコーデは、電子商取引を管理するサーバ側のサブコーデである。

ギャラリーサブコーデは、クエリサブコーデと組み合わせることで一つのコーディネートを完成させるための構成の候補であり、候補はクエリサブコーデごとに複数あるものとする。また、ギャラリーサブコーデは、参照データである一のクエリサブコーデに基づいて、最適化時などに取捨選択を繰り返し動的に生成された候補である。なお、ギャラリーサブコーデは、一のクエリサブコーデに紐づくサブコーデとして、クエリサブコーデごとに候補が予め複数定められていてもよい。

具体的な例を挙げると、腕時計とシューズとを含むクエリサブコーデに対して、組み合わせ可能な二つのギャラリーサブコーデがあり、一のギャラリーサブコーデがシャツとパンツとを含み、二のギャラリーサブコーデがトップスとパンツとバッグとを含む場合が挙げられる。情報処理装置１００は、クエリサブコーデと一方のギャラリーサブコーデとを組み合わせることで、コーデ生成を行い、一つのコーディネートを完成させる。

すなわち、情報処理装置１００は、ユーザ側のアイテム群であるクエリサブコーデに対して、補完するようなサーバ側のアイテム群であるギャラリーサブコーデを合わせることで、コーデ生成を行う。これにより、情報処理装置１００は、一つのコーディネートを完成させることができるため、例えば全身のコーディネートを提案することができる。

このように、情報処理装置１００は、ユーザが所持しているアイテム群とのコーディネートに適したアイテム群を提案することができるため、例えば、電子商取引の対象となるアイテム群の購買機会の向上を促進することができる。

一方、情報処理装置１００は、所定のウェブサービスに投稿された投稿情報を教師データ（正解データ）として予め生成されたモデル（学習器）に関する情報を取得する（ステップＳ１０３）。例えば、情報処理装置１００は、ユーザ同士が全身のファッションのコーディネート画像を投稿して、互いの画像を閲覧することでファッションのコーディネートの参考とすることを目的とした所定のウェブサービスに投稿された投稿情報を正解データとして生成されたモデルに関する情報を取得する。

情報処理装置１００は、クエリサブコーデとギャラリーサブコーデとのサブコーデ同士の組み合わせをモデルの入力情報とするが、モデルの詳細は後述する。ここで、所定のウェブサービスに投稿された投稿情報について説明する。コンテンツＣＴ１１は、所定のウェブサービスのウェブコンテンツであり、コンテンツＣＴ１１は種々の投稿情報を含む。

コンテンツＣＴ１１は、画像ＧＡ１１及びＧＡ１２を含む。画像ＧＡ１１及びＧＡ１２は、異なる二人のユーザにより投稿されたコーディネート画像である。画像ＧＡ１１は、アイテムＦＩ１１乃至ＦＩ１４を含む。アイテムＦＩ１１はハットであり、アイテムＦＩ１２は、トップスであり、アイテムＦＩ１３はパンツであり、アイテムＦＩ１４は、シューズである。

画像ＧＡ１１は、アイテムＦＩ１２のアイテム情報ＳＩ１１を含む。アイテム情報ＳＩ１１は、例えば画像ＧＡ１１を投稿したユーザによって、他のユーザがアイテムＦＩ１２を特定できるように設定（例えば、入力や選択）されたアイテム情報である。図２では、アイテム情報ＳＩ１１が、価格情報と、購入のためのカート情報とを含む商品情報である場合を示す。なお、画像ＧＡ１１には、アイテム情報ＳＩ１１が表示される場合を示すが、例えばコンテンツＣＴ１１に対する操作に応じて、他のアイテムのアイテム情報も表示されてもよいものとする。

図２では、画像ＧＡ１１及びＧＡ１２が、投稿したユーザの全身を含み、且つ、複数のアイテムを含む画像である場合を示すが、コンテンツＣＴ１１を提供する所定のウェブサービスを介して購入し得るアイテムなど、アイテム情報が特定され得るアイテムを複数含む画像であれば、どのような画像であってもよい。例えば、全身を含む画像に限らず、半身のみの一部を含む画像であってもよい。なお、画像に含まれるアイテムの検出は、例えば、従来の画像検出技術に基づいて行われてもよい。

図示されていないが、コンテンツＣＴ１１への投稿情報には、画像ＧＡ１１及びＧＡ１２のような画像情報に限らず、他のユーザのコメントやＳＮＳ上で評価や共感を示す際に一般的に用いられる「いいね」などの評価を含んでもよい。また、他のユーザの評価は、コーディネート全体としての評価に限らず、部分的な評価であってもよい。例えば、画像に含まれる個々のアイテム同士の評価であってもよい。また、他のユーザの評価は、画像に含まれる背景（例えば、アイテムではないオブジェクト）や人物などとの調和具合を鑑みた評価であってもよい。

情報処理装置１００は、サブコーデ同士の組み合わせごとにマッチングスコアを算出する（ステップＳ１０４）。具体的には、情報処理装置１００は、ギャラリーサブコーデごとにクエリサブコーデとのマッチングスコアを算出する。

情報処理装置１００は、マッチングスコアが高いほど、クエリサブコーデとギャラリーサブコーデとのサブコーデ同士の相性が高いと推定することができるため、一のクエリサブコーデに対して、最もマッチングスコアが高く算出されたギャラリーサブコーデを特定する（ステップＳ１０５）。

情報処理装置１００は、一のクエリサブコーデに対して、特定されたギャラリーサブコーデがギャラリー中で相性が最も高いサブコーデと推定する。これにより、情報処理装置１００は、サブコーデ同士の相性を、外観などのユーザ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。

図３は、マッチングスコアの算出結果の一例を示す図である。クエリサブコーデＫＳ１１とギャラリーサブコーデＧＳ１１とのマッチングスコアは「２４．４」であり、クエリサブコーデＫＳ１１とギャラリーサブコーデＧＳ１２とのマッチングスコアは「３０．８」である。この場合、情報処理装置１００は、マッチングスコアがより高いギャラリーサブコーデＧＳ１２のほうが、クエリサブコーデＫＳ１１とのサブコーデ同士の相性が高いと推定する。これにより、情報処理装置１００は、サブコーデ同士の組み合わせの最適化を適切に行うことができる。

ここで、サブコーデ同士の相性について説明する。情報処理装置１００は、サブコーデ同士の組み合わせが、マッチングスコアの算出のための原データである投稿情報に近いほど、サブコーデ同士の相性が高いと推定する。

情報処理装置１００は、例えば、クエリサブコーデＫＳ１１とギャラリーサブコーデＧＳ１２との組み合わせに基づくコーディネートのほうが、よりコンテンツＣＴ１１に投稿された投稿情報に基づくコーディネートに近いため、ギャラリーサブコーデＧＳ１２のほうが、クエリサブコーデＫＳ１１との相性が高いと推定する。

具体的には、情報処理装置１００は、コンテンツＣＴ１１に投稿されたコーディネート画像において、クエリサブコーデＫＳ１１とギャラリーサブコーデＧＳ１２との組み合わせと似た画像のアイテムを着用しているユーザが比較的多いほど、マッチングスコアを高く算出し、サブコーデ同士の相性が高いと推定する。

情報処理装置１００は、コンテンツＣＴ１１に投稿された投稿情報を正解データとして学習することで、マッチングスコアを算出する。このため、情報処理装置１００は、よりコンテンツＣＴ１１に投稿されたものに近いほど、マッチングスコアを高く算出する。

以下、コーデ生成の処理の詳細について説明する。ここで、情報処理装置１００が、例えば、ギャラリーのアイテム全てを用いて総当たり方式でコーデ生成を行う場合、アイテム候補が多すぎてマッチングスコアの算出に時間が掛かり過ぎる場合がある。また、総当たり方式でマッチングスコアを算出する場合、情報処理装置１００が提案するコーディネートの質が低下する場合がある。

一般的に、ランダムに取得したアイテムを取捨選択する場合、アイテム候補が多いほど、良い候補を特定することが困難になる。また、算出に掛かる時間が長くなる原因にもなる。これを回避するため、例えば、所定の条件に基づいてアイテム候補を絞ることが考えられる。以下、情報処理装置１００が行う所定の条件に基づく処理について説明する。

（カテゴリに基づくアイテム候補の選択）
図４は、カテゴリに基づくアイテム候補の選択を説明するための説明図である。クエリサブコーデＫＳ２１は、カテゴリＫＡ１１及びＫＡ１２を含む。カテゴリＫＡ１１は腕時計であり、カテゴリＫＡ１２はシューズである。カテゴリＫＡ１１及びＫＡ１２は、例えば購買履歴に基づくユーザが所持しているアイテム、若しくは、そのカテゴリである。また、ギャラリーサブコーデＧＳ２１は、カテゴリＫＡ１３乃至ＫＡ１５を含む。カテゴリＫＡ１３はトップスであり、カテゴリＫＡ１４はパンツであり、カテゴリＫＡ１５はバッグである。

カテゴリＫＡ１１及びＫＡ１２は、コーデ生成の対象として特定されているため、説明の便宜上、画像が表示されている。一方、カテゴリＫＡ１３乃至ＫＡ１５は、特定されていないため、説明の便宜上、疑問符の記号が表示されている。

情報処理装置１００は、クエリサブコーデ、若しくは、クエリサブコーデのカテゴリと、ギャラリーサブコーデのカテゴリとを予め紐づけて記憶しておくことで、クエリサブコーデが選択されると、紐づけに基づいて、ギャラリーサブコーデのアイテム候補を特定する。なお、このようなカテゴリの紐づけを予め複数通り記憶してもよい。例えば、クエリサブコーデのカテゴリとしてトップスとパンツの組み合わせを用意し、これに紐づいたギャラリーサブコーデのカテゴリには、ボトムスとシューズの組み合わせと、スカートとシューズの組み合わせとを用意してもよい。このとき、ギャラリーサブコーデのカテゴリの組み合わせのうちどちらかを選択するかは、ランダムに一つだけ決めてもよいし、ユーザの嗜好の傾向やその他の統計情報に基づいて一つだけ決定してもよいし、一部または全部を使用してマッチングスコアの算出に用いてもよい。ここでユーザの嗜好として、例えばユーザがスカートとパンツどちらを好むかを、アイテムやコーディネートの閲覧回数や購入回数に基づいて決定してもよい。このとき、複数通りのカテゴリの組み合わせに基づいてマッチングスコアの算出を行う場合は、最もマッチングスコアが高かったサブコーデの組み合わせを最終的なコーディネートとしてもよいし、ここで得られた複数のコーディネートを以降の処理に用いてもよい。

情報処理装置１００は、例えば、クエリサブコーデＫＳ２１のように、腕時計とシューズとがクエリサブコーデである場合には、ギャラリーサブコーデＧＳ２１のような、トップスとパンツとバッグとのカテゴリに絞ることで、アイテム候補を特定する。そして、情報処理装置１００は、トップスとパンツとバッグとのカテゴリそれぞれについて特定されたアイテム候補から、アイテムをそれぞれ特定する。

これにより、情報処理装置１００は、トップスとパンツとバッグとのカテゴリの組み合わせに限定してマッチングスコアを算出すればよいため、アウターなどの他のカテゴリのアイテムを用いたマッチングスコアを算出する必要がなくなる。このため、算出時間を短縮することが可能となる。

一方、情報処理装置１００は、ギャラリーサブコーデが選択されることで、紐づけに基づいて、クエリサブコーデのアイテム候補を特定してもよい。

図４では、トップスとパンツとバッグといったギャラリーサブコーデのカテゴリが全て異なる場合を示すが、複数のカテゴリが同一であってもよい。トップスの場合を例に挙げると、冬場などコーディネートとして重ね着をする場合がある。このような場合を鑑みて、ギャラリーサブコーデのカテゴリとして、トップスのカテゴリが複数含まれてもよい。なお、ギャラリーサブコーデに限らず、クエリサブコーデも同様に、複数のカテゴリが同一であってもよい。

情報処理装置１００は、同一のカテゴリを含むサブコーデを用いて、マッチングスコアを算出することにより、コーデ生成を行ってもよい。このような、一のサブコーデに含まれるカテゴリとして、複数あってもよいカテゴリを、以下、適宜、「許容カテゴリ」とする。

一方、サブコーデに含まれるカテゴリの組み合わせとして、除外対象となる組み合わせがあってもよい。例えばワンピースとパンツとの組み合わせなど、コーディネートとして組み合わせが想定され難い場合である。また、トップスは複数あってもよいが、シューズが複数は除外したい場合などである。

情報処理装置１００は、除外対象として予め定められた組み合わせを除外して、マッチングスコアを算出することにより、コーデ生成を行ってもよい。このような、除外対象として予め定められたカテゴリを、以下、適宜、「排他カテゴリ」とする。

情報処理装置１００は、例えば、許容カテゴリと排他カテゴリとに基づいて、サブコーデのカテゴリを選択し、選択されたカテゴリそれぞれについて、アイテム候補の中からアイテムをそれぞれ特定する。

（アイテム間の関係性に基づくアイテム候補の選択）
図５は、アイテム間の関係を示すグラフに基づくアイテム候補の選択を説明するための説明図である。アイテムＦＩ４１乃至ＦＩ４３は、ユーザＵ１２が閲覧や購入などの行動履歴に基づいてユーザ行動したアイテムであり、アイテムＦＩ４２乃至ＦＩ４４は、ユーザＵ１３がユーザ行動したアイテムであるものとする。なお、アイテムＦＩ４２及びＦＩ４３は、ユーザＵ１２及びＵ１３の二人のユーザによりユーザ行動されたアイテムである。情報処理装置１００は、各ユーザがユーザ行動したアイテム同士の関係性を示す情報として、グラフＧＩ１１を生成する。なお、図５ではユーザ行動が一度に一つのアイテムに対して発生する場合について示したが、例えば同時に複数のアイテムを購入する場合においては、当該複数のアイテムに対して発生したユーザ行動として同様に扱ってもよい。

情報処理装置１００は、グラフＧＩ１１に基づいて、アイテム同士の関係性をランダムウォークによって辿ることで、類似する興味を持つユーザが関心を示すアイテムを特定する。この特定されるアイテムは、類似する興味を持つユーザが関心を示すため、類似するアイテムとも考えられる。そして、情報処理装置１００は、このように特定されたアイテムをコーデ生成に用いる。なお、アイテム同士の関係性を辿る回数は調整可能であるものとし、回数が増えればより異なるアイテムを情報処理装置１００が探索できるようにしてもよい。これにより、情報処理装置１００は、探索されるアイテムに統一感を出すことができるため、生成されるコーディネートに統一感を出すことができる。このとき情報処理装置１００は、グラフＧＩ１１においてエッジの張られたアイテム同士を関連するアイテムとしてアイテム候補に用いてもよいし、ランダムウォークによって訪問された回数に基づいて得られた確率分布をもとに、予め決められた閾値よりも高い確率を示すアイテムをアイテム候補として用いてもよい。

グラフＧＩ１１は、各ユーザがユーザ行動したアイテム同士の関係性を示す情報の一例である。情報処理装置１００は、探索されるアイテムに統一感を出すことが可能な情報であれば、どのような情報を用いてもよい。例えば、アイテム同士の特徴空間上の距離によってアイテム間の類似度を算出し、類似度が高いか否かによってアイテム候補の選択を行ってもよい。

情報処理装置１００によるアイテム間の関係に基づくアイテム候補の選択は、カテゴリに基づくアイテム候補の選択とともに行われてもよい。例えば、情報処理装置１００は、カテゴリに基づくアイテム候補の選択を行った上で、アイテム間の関係に基づくアイテム候補の選択を行ってもよい。これにより、情報処理装置１００は、マッチングスコアの算出に掛かる処理の負担を更に低減させることができる。

（季節に基づくアイテム候補の選択）
情報処理装置１００は、季節に関する所定の条件に基づいて、アイテム候補の選択を行う。例えば、情報処理装置１００は、季節に関する所定の条件に基づいてクエリ及び／またはギャラリーを絞ることで、アイテム候補の選択を行う。そして、情報処理装置１００は、選択されたアイテム候補を構成するアイテム群を生成する。例えば、情報処理装置１００は、夏に販売されたアイテムを夏用のアイテムと推定し、夏用のアイテム候補を構成するアイテム群を生成する。

そして、情報処理装置１００は、アイテム候補を構成するアイテム群を用いてサブコーデを生成し、コーデ生成を行う。これにより、情報処理装置１００は、季節に応じたアイテムを用いてコーデ生成を行うことができるため、提案するコーディネートの質の向上を促進することができる。また、これにより、情報処理装置１００は、生成されるコーディネートに季節に基づく統一感を出すことができる。

情報処理装置１００は、例えば、ユーザ行動されたアイテムが夏用のアイテムであり、且つ、季節が夏である場合には、アイテムの探索範囲を夏用のアイテムに絞って処理を行ってもよい。すなわち、情報処理装置１００は、ユーザ行動されたアイテムに共通する季節が夏であり、且つ、ユーザ行動された季節が共通して夏である場合には、アイテムの探索範囲を夏用のアイテムに絞って処理を行ってもよい。これにより、情報処理装置１００は、季節で統一感を出すことができるため、サブコーデ同士の相性が高い、より良いコーディネートの提案を行うことができる。

季節が夏であっても秋に近い場合には、秋用のアイテムの需要も高いと考えられる。このような場合には、情報処理装置１００は、秋用のアイテムに絞って処理を行ってもよい。

以上、所定の条件に基づいてアイテム候補を絞る処理について説明した。このように、情報処理装置１００は、所定の条件に基づいて、クエリサブコーデとギャラリーサブコーデとのそれぞれについてアイテム候補を選択し、選択されたそれぞれのアイテム候補から特定されたアイテムを用いてコーデ生成を行ってもよい。

ここで、具体的な処理の例を説明する。情報処理装置１００は、例えば、あるユーザが購入した購買履歴からランダムに複数のアイテムを選択し、クエリサブコーデを生成する。また、情報処理装置１００は、クエリサブコーデに紐づくカテゴリとして予め定められたカテゴリに属するアイテムをギャラリーサブコーデのアイテム候補として選択して、選択されたアイテム候補の中からアイテムを探索し、カテゴリそれぞれについてアイテムを特定する。ここでは初期値として、アイテム候補の中からランダムにアイテムを決定してもよいし、所定のコーディネートの一部を利用してギャラリーサブコーデの初期値として用いてもよい。例えば、所定のウェブサービスへの投稿情報に含まれるコーディネートのうち、ギャラリーサブコーデに紐づくカテゴリと一致するカテゴリを備えるアイテムをギャラリーサブコーデの初期値として利用してもよい。この際、必要であれば、コーディネート生成処理において、ギャラリーサブコーデの組み合わせを変更せずに固定してもよい。このようにすることで、所定の投稿情報のコーディネートにマッチしたクエリサブコーデが生成されうる。

ただし、情報処理装置１００がアイテム全てを探索対象とすると処理の負担が大きくなるため、情報処理装置１００は、アイテム間の関係や季節を用いた所定の条件に基づいてアイテム候補を絞ることで探索範囲を狭めてアイテムを特定する。

以下、マッチングスコアの最も高いサブコーデ同士の組み合わせを特定するための情報処理について説明する。

図６は、サブコーデ同士の組み合わせを特定する情報処理を説明するための説明図である。クエリサブコーデＫＳ３１は、カテゴリＫＡ２１及びＫＡ２２を含む。カテゴリＫＡ２１は腕時計であり、カテゴリＫＡ２２はシューズである。また、ギャラリーサブコーデＧＳ３１は、カテゴリＫＡ２３乃至ＫＡ２５を含む。カテゴリＫＡ２３はトップスであり、カテゴリＫＡ２４はパンツであり、カテゴリＫＡ２５はバッグである。

情報処理装置１００は、カテゴリごとにアイテムを一つずつ入れ替えていくことで、マッチングスコアがより高くなるアイテムを特定する。例えば、情報処理装置１００は、カテゴリＫＡ２３のアイテム群ＧＧ１３からトップスのアイテムを一つ入れ替えて、マッチングスコアが高くなるか否かを判定する。

情報処理装置１００は、入れ替えによってマッチングスコアが高くなると判定された場合には、新しく入れ替えられたアイテムを暫定的なカテゴリＫＡ２３のアイテムと判定する。なお、情報処理装置１００は、入れ替えによってマッチングスコアが高くならないと判定された場合には、入れ替え前のアイテムを暫定的なカテゴリＫＡ２３のアイテムと判定する。

情報処理装置１００は、アイテム群ＧＧ１３のアイテム全てが試されるまで入れ替え処理を繰り返し、マッチングスコアが最も高くなったアイテムを最終的なカテゴリＫＡ２３のアイテムと判定してもよいし、予め決められた繰り返し回数だけ入れ替え処理を行ってもよいし、マッチングスコアの上り幅が予め決められた閾値を下回った場合に当該処理を打ち切ってもよい。また、情報処理装置１００は、最終的なカテゴリＫＡ２３のアイテムとしてマッチングスコアが最も高くなったと判定されたアイテムを特定する。

情報処理装置１００は、カテゴリＫＡ２３に対する入れ替え処理が終了すると、カテゴリＫＡ２４やＫＡ２５に対しても順番に同様の入れ替え処理を行って、それぞれのカテゴリに対して、マッチングスコアがより高くなったアイテムを特定する。

情報処理装置１００は、ギャラリーサブコーデＧＳ３１に限らず、クエリサブコーデＫＳ３１に対しても同様の入れ替え処理を行って、クエリサブコーデＫＳ３１に含まれるそれぞれのカテゴリに対して、マッチングスコアがより高くなったアイテムを特定してもよい。例えばユーザが腕時計を複数購入していた場合には、どの腕時計を用いてコーデ生成が行われてもユーザに影響しないと考えられる。また、情報処理装置１００は、ギャラリーサブコーデＧＳ３１とクエリサブコーデＫＳ３１の同様の入れ替え処理を複数回交互に行ってもよい。例えば、最初にギャラリーサブコーデＧＳ３１のアイテムの入れ替え処理を行い、次にクエリサブコーデＫＳ３１のアイテムの入れ替え処理を行う、という処理を予め決められた回数繰り返してもよい。このとき所定の回数繰り返すのではなく、マッチングスコアの上り幅が予め決められた閾値を下回る場合にアイテムの入れ替え処理を打ち切ってもよい。

このため、ユーザが所持している腕時計のうちマッチングスコアが最も高くなる一の腕時計に対して一つのコーディネートが生成できればよいとも考えられるため、クエリサブコーデＫＳ３１に対しても同様の入れ替え処理を行ってもよい。

情報処理装置１００は、予め定められたカテゴリごとの処理の順番に従って入れ替え処理を行ってもよい。例えば、トップス、パンツ、バッグの順に入れ替え処理を行うと定められている場合には、情報処理装置１００は、その順番に従ってマッチングスコアが高くなるそれぞれのカテゴリのアイテムを特定してもよい。これにより、情報処理装置１００は、コーデ生成の最適化を促進することができる。

入れ替え処理の順番は、サブコーデの種別（クエリサブコーデ、ギャラリーサブコーデ）、カテゴリの種別、カテゴリ同士の関係性などに基づいて、最適化されてもよい。なお、情報処理装置１００は、入れ替え処理を順番で行う場合に限らず、複数の入れ替え処理を同時に行ってもよいし、一部の入れ替え処理をスキップして入れ替え処理を行ってもよい。このように、情報処理装置１００は、入れ替え処理の種々の制御に基づいて、コーデ生成を行ってもよい。

図２の説明に戻る。情報処理装置１００は、ステップＳ１０５において特定されたギャラリーサブコーデを、一のクエリサブコーデとサブコーデ同士の相性が高いサブコーデとして提案する（ステップＳ１０６）。具体的には、情報処理装置１００は、ステップＳ１０５において特定されたギャラリーサブコーデに関する情報を情報表示装置１０へ送信する。これにより、情報処理装置１００は、クエリサブコーデとギャラリーサブコーデとを組み合わせたコーディネート全体として調和の高い情報を提供することができる。

情報表示装置１０は、情報処理装置１００から送信された情報を表示させることにより、クエリサブコーデとギャラリーサブコーデとを組み合わせたコーディネートを提案する。具体的には、情報表示装置１０は、クエリサブコーデとして受け付けられた複数のアイテムを含むアイテム群の情報を表示させるとともに、クエリサブコーデとは異なるアイテムを組み合わせたアイテム群であって、クエリサブコーデとなるアイテム群と対応するアイテム群の情報を表示させる。

画面ＵＩ１１は、コーディネートを提案するＵＩ画面の一例である。画面ＵＩ１１は、情報処理装置１００から送信された情報に基づいて、情報表示装置１０に表示されたＵＩ画面である。画面ＵＩ１１は、例えば、電子商取引の対象となるアイテムの販売を目的とするウェブコンテンツである。例えば、画面ＵＩ１１は、電子商取引を管理するサーバにより提供されたウェブコンテンツである。

画面ＵＩ１１は、クエリサブコーデのアイテムＦＩ２１及びＦＩ２２を含む。アイテムＦＩ２１及びＦＩ２２は、ユーザＵ１１が購入した購入済みのアイテムである。

画面ＵＩ１１は、ギャラリーサブコーデのアイテムＦＩ３１及びＦＩ３２を含む。アイテムＦＩ３１及びＦＩ３２は、アイテムＦＩ２１及びＦＩ２２とのコーディネートとして情報処理装置１００により提案されたアイテムである。

画面ＵＩ１１は、アイテムＦＩ３１及びＦＩ３２をまとめてカートに加えるためのカート操作項目ＣＡ１１を含む。カート操作項目ＣＡ１１が操作（例えば、クリックやタップ）されると、アイテムＦＩ３１及びＦＩ３２がまとめてカートに加えられる。なお、カート操作項目ＣＡ１１に対する操作に応じてアイテムＦＩ３１及びＦＩ３２を購入するための購入画面に遷移してもよい。

画面ＵＩ１１は、条件を変更してコーディネートを再生成するための条件操作項目ＪＪ１１乃至ＪＪ１９を含む。条件操作項目ＪＪ１１は、アイテムＦＩ２１をクエリサブコーデの一のアイテムとして固定して、他のアイテム（アイテムＦＩ２２、ＦＩ３１、ＦＩ３２）を変更するための操作項目である。また、条件操作項目ＪＪ１２は、アイテムＦＩ２２をクエリサブコーデの一のアイテムとして固定して、他のアイテム（アイテムＦＩ２１、ＦＩ３１、ＦＩ３２）を変更するための操作項目である。

条件操作項目ＪＪ１３は、アイテムＦＩ３１をギャラリーサブコーデの一のアイテムとして固定して、他のアイテム（アイテムＦＩ２１、ＦＩ２２、ＦＩ３２）を変更するための操作項目である。また、条件操作項目ＪＪ１４は、アイテムＦＩ３２をギャラリーサブコーデの一のアイテムとして固定して、他のアイテム（アイテムＦＩ２１、ＦＩ２２、ＦＩ３１）を変更するための操作項目である。

条件操作項目ＪＪ１５は、アイテムの探索範囲を多様性に基づいて変更するための操作項目である。例えば、条件操作項目ＪＪ１５に対する操作に基づいて探索範囲の多様性を広くするほど、マッチングスコアの低いサブコーデのアイテム群が表示される。条件操作項目ＪＪ１５を調整することにより、アイテムの探索範囲に対するユーザの多様性の許容度に応じたアイテム群の情報を表示することができる。例えば、ユーザの興味が薄いと推定されるアイテム群も表示することができる。また、条件操作項目ＪＪ１５に対する操作に基づいて上述したランダムウォークによりアイテム間を巡る回数を増減してもよい。これによって、ランダムウォークの探索範囲が広がるほど、奇抜な組み合わせになるアイテム候補が出現する確率を高めることができる。またこのとき、条件操作項目ＪＪ１５に対する操作に基づいて、ランダムウォークによって高い確率で得られると判明したアイテム候補を除外してもよい。これにより、生成されるコーディネートがより奇抜になりうる。

条件操作項目ＪＪ１６は、アイテムの探索範囲を価格帯に基づいて変更するための操作項目である。例えば、条件操作項目ＪＪ１６に対する操作に基づいて価格帯を高くするほど、価格帯の高いサブコーデのアイテム群が表示される。条件操作項目ＪＪ１６を調整することにより、コーディネート全体としてユーザの予算額に応じたアイテム群の情報を表示することができる。

条件操作項目ＪＪ１７は、アイテムの探索範囲を季節に基づいて限定するための操作項目である。例えば、条件操作項目ＪＪ１７に対する操作に基づいて季節を指定することで、指定された季節に適したサブコーデのアイテム群が表示される。例えば、季節として、夏が指定された場合、夏に適したアイテム群が表示される。

条件操作項目ＪＪ１８は、アイテムの探索範囲をカテゴリに基づいて限定するための操作項目である。例えば、条件操作項目ＪＪ１８に対する操作に基づいてカテゴリを指定することで、指定されたカテゴリに適したサブコーデのアイテム群が表示される。例えば、カテゴリとして、トップス、ボトムス、バッグ、シューズの組み合わせが指定された場合、その組み合わせに適したアイテム群が表示される。

条件操作項目ＪＪ１９は、アイテムの探索範囲をＴＰＯ（時間、場所、場合）に基づいて限定するための操作項目である。例えば、条件操作項目ＪＪ１９に対する操作に基づいてＴＰＯを指定することで、指定されたＴＰＯに適したサブコーデのアイテム群が表示される。例えば、ＴＰＯとして、結婚式が指定された場合、結婚式に適したアイテム群が表示される。

画面ＵＩ１１は、条件を変更してコーディネートを再生成するための再生成操作項目ＳＫ１１を含む。再生成操作項目ＳＫ１１が操作されると、サブコーデのアイテムの探索結果が再生成される。例えば、条件操作項目ＪＪ１１乃至ＪＪ１９に対する操作に基づいて、それぞれの条件操作項目の条件に適した探索結果となるように、探索結果が再生成される。そして、再生成された探索結果が、クエリサブコーデやギャラリーサブコーデのアイテム群に反映される。なお、再生成の際に、サブコーデのアイテム群に含まれるアイテムの数も変更されてもよい。これにより、情報処理装置１００は、複数のアイテムを扱うサブコーデならではのコーディネートの生成を実現することができる。

このように、情報処理装置１００は、条件操作項目ＪＪ１１乃至ＪＪ１９などのユーザの嗜好設定に基づいて、コーデ生成の再生成を行ってもよい。なお、コーデ生成の再生成は、ユーザの操作に応じて、何度繰り返されてもよい。これにより、情報処理装置１００は、複数のアイテムを扱うサブコーデならではのコーディネートの生成を実現することができるため、コーディネート全体として調和の高い情報を提供することができる。

このように、情報処理装置１００は、ユーザが所持するアイテム群を用いたコーディネートにおいて、調和具合の高いアイテム群を適切に提案することができる。そして、情報処理装置１００は、どのようなアイテム群を提案すれば、購買機会を増大することができるのかを適切に把握することができるため、購買機会の向上を促進することができる。

〔３．情報表示装置の構成〕
次に、図７を用いて、実施形態に係る情報表示装置１０の構成について説明する。図７は、実施形態に係る情報表示装置１０の構成例を示す図である。図７に示すように、情報表示装置１０は、通信部１１と、入力部１２と、出力部１３と、制御部１４とを有する。

（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、所定のネットワークＮと有線又は無線で接続され、所定のネットワークＮを介して、情報処理装置１００等との間で情報の送受信を行う。

（入力部１２）
入力部１２は、ユーザからの各種操作を受け付ける。図２に示す例では、ユーザＵ１１からの各種操作を受け付ける。例えば、入力部１２は、タッチパネル機能により表示面を介してユーザからの各種操作を受け付けてもよい。また、入力部１２は、情報表示装置１０に設けられたボタンや、情報表示装置１０に接続されたキーボードやマウスからの各種操作を受け付けてもよい。

（出力部１３）
出力部１３は、例えば液晶ディスプレイや有機ＥＬ（Electro-Luminescence）ディスプレイ等によって実現されるタブレット端末等の表示画面であり、各種情報を表示するための表示装置である。例えば、出力部１３は、情報処理装置１００から送信された情報を表示する。

（制御部１４）
制御部１４は、例えば、コントローラ（controller）であり、ＣＰＵ（Central Processing Unit）やＭＰＵ（Micro Processing Unit）等によって、情報表示装置１０内部の記憶装置に記憶されている各種プログラムがＲＡＭ（Random Access Memory)を作業領域として実行されることにより実現される。例えば、この各種プログラムには、情報表示装置１０にインストールされたアプリケーションのプログラムが含まれる。例えば、この各種プログラムには、コーデ生成の結果情報を表示させるアプリケーションのプログラムが含まれる。また、制御部１４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７に示すように、制御部１４は、第１表示制御部１４１と、第２表示制御部１４２と、受信部１４３と、送信部１４４とを有し、以下に説明する情報処理の作用を実現または実行する。

（第１表示制御部１４１）
第１表示制御部１４１は、クエリサブコーデとして受け付けられた複数のアイテムを含むアイテム群の情報を表示させる。

（第２表示制御部１４２）
第２表示制御部１４２は、クエリサブコーデとは異なるアイテムを組み合わせたアイテム群であって、クエリサブコーデとなるアイテム群と対応するアイテム群の情報を表示させる。

（受信部１４３）
受信部１４３は、各種情報を受信する。受信部１４３は、外部の情報処理装置から各種情報を受信する。受信部１４３は、情報処理装置１００等の他の情報処理装置から各種情報を受信する。例えば、受信部１４３は、コーデ生成の結果情報を表示させるための制御情報を受信する。

（送信部１４４）
送信部１４４は、外部の情報処理装置へ各種情報を送信する。送信部１４４は、情報処理装置１００等の他の情報処理装置へ各種情報を送信する。例えば、送信部１４４は、クエリサブコーデとして選択されたアイテム情報を送信する。

〔４．情報処理装置の構成〕
次に、図８を用いて、実施形態に係る情報処理装置１００の構成について説明する。図８は、実施形態に係る情報処理装置１００の構成例を示す図である。図８に示すように、情報処理装置１００は、通信部１１０と、記憶部１２０と、制御部１３０とを有する。なお、情報処理装置１００は、情報処理装置１００の管理者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。

（通信部１１０）
通信部１１０は、例えば、ＮＩＣ等によって実現される。そして、通信部１１０は、ネットワークＮと有線又は無線で接続され、ネットワークＮを介して、情報表示装置１０等との間で情報の送受信を行う。

（記憶部１２０）
記憶部１２０は、例えば、ＲＡＭ、フラッシュメモリ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。図８に示すように、記憶部１２０は、購買履歴記憶部１２１と、ギャラリー記憶部１２２と、モデル記憶部１２３とを有する。

購買履歴記憶部１２１は、ユーザの購買履歴に関する情報を記憶する。ここで、図９に、実施形態に係る購買履歴記憶部１２１の一例を示す。図９に示すように、購買履歴記憶部１２１は、「購買履歴ＩＤ」、「ユーザＩＤ」、「購買履歴」といった項目を有する。

「購買履歴ＩＤ」は、購買履歴を識別するための識別情報を示す。「ユーザＩＤ」は、ユーザを識別するための識別情報を示す。「購買履歴」は、ユーザの購買履歴を示す。図９に示す例では、「購買履歴」に「購買履歴＃１１」や「購買履歴＃１２」といった概念的な情報が格納される例を示したが、実際には、ユーザが購入したアイテム情報（例えば、サイズや価格や画像などの情報）などが格納される。

すなわち、図９では、購買履歴ＩＤ「ＫＲ１１」によって識別されるユーザが「Ｕ１１」であり、購買履歴が「購買履歴＃１１」である例を示す。

ギャラリー記憶部１２２は、ギャラリーサブコーデを生成するためのギャラリーに関する情報を記憶する。ここで、図１０に、実施形態に係るギャラリー記憶部１２２の一例を示す。図１０に示すように、ギャラリー記憶部１２２は、「ギャラリーＩＤ」、「アイテムＩＤ」、「カテゴリ」、「アイテム情報」といった項目を有する。

「ギャラリーＩＤ」は、ギャラリーを識別するための識別情報を示す。「アイテムＩＤ」は、アイテムを識別するための識別情報を示す。「カテゴリ」は、アイテムのカテゴリを示す。「アイテム情報」は、アイテム情報を示す。図１０に示す例では、「アイテム情報」に「アイテム情報＃１１」や「アイテム情報＃１２」といった概念的な情報が格納される例を示したが、実際には、サイズや価格や画像などの情報が格納される。

すなわち、図１０では、ギャラリーＩＤ「ＧＲ１１」によって識別されるアイテムが「ＦＩ１１１」であり、カテゴリが「トップス」であり、アイテム情報が「アイテム情報＃１１」である例を示す。

モデル記憶部１２３は、サブコーデ同士の組み合わせを入力情報とし、所定のウェブサービスに投稿された投稿情報を正解データとして学習させたモデルに関する情報を記憶する。ここで、図１１に、実施形態に係るモデル記憶部１２３の一例を示す。図１１に示すように、モデル記憶部１２３は、「モデルＩＤ」、「モデル」といった項目を有する。

「モデルＩＤ」は、モデルを識別するための識別情報を示す。「モデル（算出式）」は、モデルの算出式を示す。図１１に示す例では、「モデル（算出式）」に「モデル＃１１」や「モデル＃１２」といった概念的な情報が格納される例を示したが、実際には、入力されるサブコーデ同士の組み合わせのマッチングスコアを算出する算出式の情報などが格納される。

すなわち、図１１では、モデルＩＤ「ＭＤ１１」によって識別されるモデルの算出式が「モデル＃１１」である例を示す。

（制御部１３０）
制御部１３０は、コントローラであり、例えば、ＣＰＵやＭＰＵ等によって、情報処理装置１００内部の記憶装置に記憶されている各種プログラムが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１３０は、コントローラであり、例えば、ＡＳＩＣやＦＰＧＡ等の集積回路により実現される。

図８に示すように、制御部１３０は、取得部１３１と、受付部１３２と、検出部１３３と、生成部１３４と、算出部１３５と、特定部１３６と、提供部１３７とを有し、以下に説明する情報処理の作用を実現または実行する。なお、制御部１３０の内部構成は、図８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。

（取得部１３１）
取得部１３１は、各種情報を取得する。取得部１３１は、外部の情報処理装置から各種情報を取得する。取得部１３１は、情報表示装置１０等の他の情報処理装置から各種情報を取得する。

取得部１３１は、記憶部１２０から各種情報を取得する。取得部１３１は、購買履歴記憶部１２１やギャラリー記憶部１２２やモデル記憶部１２３から各種情報を取得する。また、取得部１３１は、取得した各種情報を記憶部１２０に格納する。取得部１３１は、購買履歴記憶部１２１やギャラリー記憶部１２２やモデル記憶部１２３に各種情報を格納する。

取得部１３１は、ユーザが所持していると判定されたアイテム群に関する情報を取得する。例えば、取得部１３１は、ユーザの購買履歴に基づいて、ユーザが所持していると判定されたアイテム群に関する情報を取得する。

取得部１３１は、電子商取引で取引されると判定された全アイテムを含むギャラリーに関する情報を取得する。

取得部１３１は、所定のウェブサービスに投稿された投稿情報に含まれるアイテムに関する情報を取得する。

（受付部１３２）
受付部１３２は、複数のアイテムを含むアイテム群をクエリサブコーデとして受け付ける。例えば、受付部１３２は、ユーザが所持していると判定されたアイテム群のうち、選択された複数のアイテムを含むアイテム群をクエリサブコーデとして受け付ける。

（検出部１３３）
検出部１３３は、画像情報に基づいてアイテムを検出する。例えば、検出部１３３は、投稿情報に含まれるアイテムを検出する。

検出部１３３は、検出されたアイテムのアイテム情報を特定する。例えば、検出部１３３は、画像情報が与えられると、画像上でのアイテムの位置やアイテム自身のカテゴリなどのアイテム情報を特定する。

検出部１３３は、人物や他のアイテムの映り込みなどの複雑な背景の場合には、例えば従来の画像検出技術を用いることで、アイテムを特定してもよい。

（生成部１３４）
生成部１３４は、クエリサブコーデと対応するクエリサブコーデとは異なるアイテムを組み合わせたアイテム群ごとに、クエリサブコーデとなるアイテム群との調和具合を示すマッチングスコアを算出するモデルを生成する。

生成部１３４は、例えば、ユーザが所持しているアイテム群と、ユーザが所持していないアイテム群とを入力すると、非所持のアイテム群ごとにスコアを算出するモデルを生成する。

生成部１３４は、投稿情報に含まれるアイテムの組み合わせを正解データとして学習させたモデルを生成する。すなわち、生成部１３４は、他のユーザが投稿したコーディネートを正例として学習させたモデルを生成する。

生成部１３４は、入力されるサブコーデ同士の組み合わせが投稿情報のものに近いほど、マッチングスコアを高く算出し、入力されるサブコーデ同士の組み合わせが投稿情報のものから遠いほど、マッチングスコアを低く算出するように学習させたモデルを生成する。

生成部１３４は、例えば、ユーザが所持しているアイテム群と、ユーザが所持していないアイテム群との組み合わせが、投稿情報のものに近いほど、マッチングスコアを高く算出し、所持のアイテム群と、非所持のアイテム群との組み合わせが、投稿情報のものから遠いほど、マッチングスコアを低く算出するように学習させたモデルを生成する。

生成部１３４は、投稿情報のうち、著名人が投稿した投稿情報や、「いいね」の数が多い投稿情報や、ぽっちゃりだけど上手に体型を隠せているユーザが投稿した投稿情報などといった所定の条件を満たす投稿情報に限定して、モデルを生成してもよい。

（算出部１３５）
算出部１３５は、生成部１３４により生成されたモデルを用いて、マッチングスコアを算出する。

（特定部１３６）
特定部１３６は、算出部１３５により算出されたマッチングスコアに基づいて、マッチングスコアが最も高くなったサブコーデ同士の組み合わせを特定する。

（提供部１３７）
提供部１３７は、特定部１３６により特定されたサブコーデ同士の組み合わせに関する情報を提供（送信）する。例えば、提供部１３７は、特定部１３６により特定されたサブコーデ同士の組み合わせに関する情報を表示させるための制御情報を提供する。

〔５．情報処理のフロー〕
次に、図１２を用いて、実施形態に係る情報処理システム１による情報処理の手順について説明する。図１２は、実施形態に係る情報処理システム１による情報処理の手順を示すフローチャートである。

図１２に示すように、情報処理装置１００は、サブコーデ同士の組み合わせを入力情報とし、所定のウェブサービスに投稿された投稿情報を正解データとして学習させたモデルを生成する（ステップＳ２０１）。

情報処理装置１００は、生成されたモデルを用いて、入力されるサブコーデ同士の組み合わせごとに、マッチングスコアを算出する（ステップＳ２０２）。

情報処理装置１００は、マッチングスコアが最も高くなったサブコーデ同士の組み合わせを特定する（ステップＳ２０３）。

情報処理装置１００は、特定されたサブコーデ同士の組み合わせを用いて、一つのコーディネートを提案する（ステップＳ２０４）。

〔６．変形例〕
上述した実施形態に係る情報処理システム１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、情報処理システム１の他の実施形態について説明する。

（その他の条件に基づくアイテム候補の選択）
上記実施形態では、情報処理装置１００が、カテゴリ、アイテム間の関係、季節に基づいて、アイテム候補を選択する場合を示したが、この例に限られない。以下、情報処理装置１００が、他の条件に基づいて、アイテム候補を選択する処理について説明する。

情報処理装置１００は、その他の条件に基づくアイテム候補の選択として、所定のウェブサービスに投稿されたコーディネートを構成するアイテムのカテゴリの統計情報、ユーザの性別、カテゴリの価格帯、購買履歴で一緒に買われるカテゴリ情報、ユーザの好きなショップ、ユーザの好きなブランド、ブランド同士の相性、アイテムのファッションスタイル、ユーザの体型データ（身体情報）、ユーザの肌の色、その他の肌の情報、アイテムの販売時期、ユーザの閲覧履歴、ユーザのお気に入り、アイテムのランキング、アイテムのメタ情報、などに基づいて、サブコーデのアイテム候補の選択を行ってもよい。

情報処理装置１００は、例えば、コーディネートを構成するアイテムのカテゴリの統計情報に基づいて、統計が高いカテゴリのアイテム群に絞ることで、アイテム候補の選択を行ってもよい。例えば、情報処理装置１００は、トップスとともにコーディネートされ易いカテゴリがパンツやバッグである場合には、パンツやバッグのカテゴリのアイテム群に絞ることで、アイテム候補の選択を行ってもよい。

情報処理装置１００は、例えば、ユーザの性別に基づいて、ユーザの性別に適したアイテム群に絞ることで、アイテム候補の選択を行ってもよい。例えば、情報処理装置１００は、ユーザが女性である場合には、女性の属性を有するアイテム群に絞ることで、アイテム候補の選択を行ってもよい。

情報処理装置１００は、例えば、ユーザの購買履歴に基づいて、ユーザがよく購入するカテゴリごとの価格帯のアイテム群に絞ることで、アイテム候補の選択を行ってもよい。例えば、情報処理装置１００は、価格帯が高いバッグをメインに購入するユーザに対しては、価格帯の高いバッグのアイテム群に絞ることで、アイテム候補の選択を行ってもよい。なお、情報処理装置１００は、そのユーザがバッグ以外は価格帯が低いアイテムをメインに購入する場合であっても、価格帯の高いバッグのアイテム群に絞ることで、アイテム候補の選択を行ってもよい。

情報処理装置１００は、例えば、サーバに記憶された購買履歴に基づいて、一緒に購入され易いカテゴリのアイテム群に絞ることで、アイテム候補の選択を行ってもよい。例えば、情報処理装置１００は、一のカテゴリのアイテムと、二のカテゴリのアイテムとが一緒のカートで購入され易い場合には、一のカテゴリが指定された場合、二のカテゴリのアイテム群に絞ることで、アイテム候補の選択を行ってもよい。

情報処理装置１００は、例えば、ユーザ情報に基づいて、ユーザの好きなショップから提供されるアイテム群に絞ることで、アイテム候補の選択を行ってもよい。例えば、情報処理装置１００は、ユーザが一のショップを好きな場合、一のショップから提供されるアイテム群に絞ることで、アイテム候補の選択を行ってもよい。

情報処理装置１００は、例えば、ユーザ情報に基づいて、ユーザの好きなブランドのアイテム群に絞ることで、アイテム候補の選択を行ってもよい。例えば、情報処理装置１００は、ユーザが一のブランドを好きな場合、一のブランドのアイテム群に絞ることで、アイテム候補の選択を行ってもよい。

情報処理装置１００は、例えば、ブランド同士の相性に基づいて、特定のブランドと相性が高いブランドのアイテム群に絞ることで、アイテム候補の選択を行ってもよい。例えば、一のブランドが高級路線であり、二のブランドが高級路線でない場合、ユーザが一のブランドと二のブランドとを同時に着ることは考え難い。このため、情報処理装置１００は、一のブランドが高級路線である場合には、高級路線である三や四のブランドなどのアイテム群に絞ることで、アイテム候補の選択を行ってもよい。

情報処理装置１００は、例えば、アイテムのファッションスタイルに基づいて、特定のアイテムのファッションスタイルと相性が高いファッションスタイルのアイテム群に絞ることで、アイテム候補の選択を行ってもよい。例えば、一のアイテムのファッションスタイルがモードであり、二のアイテムのファッションスタイルがロリータである場合、ユーザが一のファッションスタイルのアイテムと二のファッションスタイルのアイテムとを同時に着ることは考え難い。このため、情報処理装置１００は、一のファッションスタイルがモードである場合には、モードと相性が高い三や四のファッションスタイルなどのアイテム群に絞ることで、アイテム候補の選択を行ってもよい。

情報処理装置１００は、例えば、ユーザの体型データを計測可能な計測対象（例えば、ボディスーツや採寸用の衣類など）から計測された体型データに基づいて、ユーザの体型データに適したアイテム群に絞ることで、アイテム候補の選択を行ってもよい。例えば、情報処理装置１００は、ユーザの体型がスリムの場合には、スリムの体型に適した細身のアイテム群に絞ることで、アイテム候補の選択を行ってもよい。

情報処理装置１００は、例えば、ユーザの肌の情報（例えば、肌の色）に基づいて、アイテム候補の選択を行ってもよい。例えば、情報処理装置１００は、ユーザの肌の色が比較的白い場合には、シャープ感を出すために色の濃いアイテム群に絞ることで、アイテム候補の選択を行ってもよい。

情報処理装置１００は、例えば、アイテムの販売時期に基づいて、アイテム候補の選択を行ってもよい。例えば、情報処理装置１００は、一のアイテムと販売開始月が同じアイテム群に絞ることで、アイテム候補の選択を行ってもよい。また、例えば、情報処理装置１００は、新商品のアイテム群に絞ることで、アイテム候補の選択を行ってもよい。

情報処理装置１００は、例えば、ユーザの閲覧履歴に基づいて、アイテム候補の選択を行ってもよい。例えば、情報処理装置１００は、ランダムウォークによりアイテム間を巡る回数に基づいて、ユーザが興味のあるアイテム群に絞ることで、アイテム候補の選択を行ってもよい。また、例えば、情報処理装置１００は、ユーザが閲覧したアイテム群に絞ることで、アイテム候補の選択を行ってもよい。

情報処理装置１００は、例えば、ユーザのお気に入りに基づいて、アイテム候補の選択を行ってもよい。例えば、情報処理装置１００は、ユーザが予め設定したお気に入りのブランドやアイテムのアイテム群に絞ることで、アイテム候補の選択を行ってもよい。

情報処理装置１００は、例えば、アイテムのランキングに基づいて、アイテム候補の選択を行ってもよい。例えば、情報処理装置１００は、人気のアイテムや在庫が多いアイテムのアイテム群に絞ることで、アイテム候補の選択を行ってもよい。これにより、情報処理装置１００は、例えば在庫が多いアイテムのアイテム群に絞ることで、売れ残りアイテムを優先的に消化させたいといった要望に適切に応えることができる。

情報処理装置１００は、例えば、アイテムのメタ情報に基づいて、アイテム候補の選択を行ってもよい。例えば、情報処理装置１００は、カテゴリ、色、商品説明情報、価格、割引率（例えば、クーポン利用割引率）、アイテムの性別、ファッションスタイルなどのメタ情報に基づいて、それぞれ適したアイテム群に絞ることで、アイテム候補の選択を行ってもよい。

情報処理装置１００は、例えば、ユーザの画像、流行のアイテム、流行の色、天気、気温、日時（例えば、給与日やボーナス日の直後）、ＴＰＯ、好きな芸能人やＳＮＳ上でフォローしている人のファッションスタイル（例えば、時計だけ赤色のものを着用）などに基づいて、それぞれ適したアイテム群に絞ることで、アイテム候補の選択を行ってもよい。天気を例に挙げると、情報処理装置１００は、季節が梅雨である場合には、雨にも対応したアイテム群に絞ることで、アイテム候補の選択を行ってもよい。また、気温を例に挙げると、情報処理装置１００は、一日の気温が変動し易い場合には、寒暖の気温の変動にも対応したアイテム群に絞ることで、アイテム候補の選択を行ってもよい。

情報処理装置１００は、例えば、予め設定された所定のアイテムを少なくとも必ず一つ含むようにアイテム候補の選択を行ってもよい。例えば、情報処理装置１００は、電子商取引上で人気度が高く流行のアイテムや、在庫数が多く早く売りたいアイテムなどを少なくとも必ず一つ含むようにアイテム候補の選択を行ってもよい。具体的には、情報処理装置１００は、電子商取引上で人気度又は在庫数が所定の閾値以上であると判定されたアイテムの中から選択された一のアイテムを少なくとも必ず含むようにアイテム候補の選択を行ってもよい。これにより、情報処理装置１００は、予め設定された所定のアイテムを少なくとも必ず一つ含むコーデ生成を行うことができる。

情報処理装置１００は、例えば、サブコーデのカテゴリの決定において、カテゴリの組み合わせが複数パターンある場合、ユーザの購買履歴に基づいて、ユーザが定期的によく買うカテゴリを含め、そうでないカテゴリや嫌いと判定されたカテゴリを含めないようにアイテム候補の選択を行ってもよい。換言すると、情報処理装置１００は、ユーザの購買履歴に所定の閾値以上含まれるカテゴリを、クエリサブコーデ又はギャラリーサブコーデのカテゴリとして含むようにアイテム候補の選択を行ってもよい。これにより、情報処理装置１００は、例えばクエリサブコーデに含める場合には、コーデ生成の最適化において、バリエーションが担保されたコーデ生成を容易に行うことができる。また、情報処理装置１００は、例えばギャラリーサブコーデに含める場合には、ユーザが好きなカテゴリを推奨することができるため、購買意欲の向上を促進することができる。

情報処理装置１００は、例えば、サブコーデのカテゴリの決定において、カテゴリの組み合わせが複数パターンある場合、所定のカテゴリを優先して含むようにアイテム候補の選択を行ってもよい。例えば、情報処理装置１００は、ユーザが特に買うカテゴリがある場合、そのカテゴリを優先して含むようにアイテム候補の選択を行ってもよい。また、例えば、情報処理装置１００は、電子商取引上で売れているカテゴリを優先して含むようにアイテム候補の選択を行ってもよい。具体的な例を挙げると、情報処理装置１００は、夏の季節にコーデ生成を行う場合、例えば冬のカテゴリであるアウターは電子商取引上で取引可能なアイテム数が少ないと判定して、夏の季節によく売れるカテゴリを優先して含むようにアイテム候補の選択を行ってもよい。

（その他の処理）
上記実施形態では、情報処理装置１００が、購入済みの購買履歴に基づいて、クエリサブコーデを生成する場合を示したが、この例に限られない。例えば、情報処理装置１００は、カートに加えられたが未だ購入されていないアイテムを購買履歴に含めて、クエリサブコーデを生成してもよい。また、例えば、情報処理装置１００は、閲覧されたが未だカートに加えられていないアイテムやお気に入りに登録されたアイテムを購買履歴に含めて、クエリサブコーデを生成してもよい。なお、これらのカートやお気に入り登録に基づくアイテムは一例であり、特に限定されないものとする。情報処理装置１００は、所定の操作が行われたアイテムを購買履歴に含めてクエリサブコーデを生成してもよい。また、例えば、情報処理装置１００は、アクセス数に基づいて閲覧回数が多いと判定されたアイテムや、視線情報に基づいて一定時間注視していると判定されたアイテムなど、ユーザにとって興味があると判定されたアイテムを購買履歴に含めてクエリサブコーデを生成してもよい。また、ＵＩで表示されるアイテムは、購買履歴に含まれるアイテムや、カートに加えられたアイテムや、お気に入りに登録されたアイテムなどに限らず、どのようなものであってもよい。

上記実施形態では、情報処理装置１００が、マッチングスコアを算出し、算出されたマッチングスコアに基づくコーデ生成結果を表示する場合を示したが、コーデ生成の結果情報に限らず、その生成過程の情報を表示してもよい。例えば、情報処理装置１００は、算出されたマッチングスコアを表示してもよい。また、例えば、情報処理装置１００は、サブコーデ同士の相性を示すマッチングスコアなどの情報に限らず、個々のアイテム同士の相性を示す情報を表示してもよい。また、例えば、情報処理装置１００は、生成過程で得られたクエリサブコーデとギャラリーサブコーデとに含まれるアイテムを表示してもよい。

情報処理装置１００は、例えば、サブコーデ同士又はアイテム同士の相性が高い場合、相性が高い理由を表示してもよい。これにより、情報処理装置１００は、コーディネートの提案において、ユーザに説得感を与えることができる。

上記実施形態は、ユーザに応じてパーソナライズされてもよい。例えば、情報処理装置１００は、ユーザの閲覧履歴に基づくサブコーデと、人気アイテムや新着アイテムなどの枠のアイテム群に基づくサブコーデとでコーデ生成を行ってもよい。この場合、情報処理装置１００は、ユーザの属性を特徴量に加味してもよいし、クリック数などの枠の特徴量を加味してもよい。

上記実施形態において、クエリサブコーデのアイテムの選択は、ユーザの購買履歴からランダムに選択されてもよいし、ユーザによって選択されてもよいものとする。例えば、上記実施形態におけるクエリサブコーデの腕時計やシューズは、情報処理装置１００によってランダムに選択されたものであってもよいし、ユーザによって選択されたものであってもよい。

上記実施形態では、情報処理装置１００が、クエリサブコーデのアイテムの選択を、ユーザの購買履歴からランダムに行った場合を示したが、この例に限られない。例えば、情報処理装置１００は、ユーザの購買履歴からユーザが選択したアイテムを、クエリサブコーデのアイテムとして選択してもよい。そして、情報処理装置１００は、ユーザにより選択されたアイテムを、クエリサブコーデのアイテムとしてサブコーデを生成することで、コーデ生成を行ってもよい。

上記実施形態では、情報処理装置１００が、マッチングスコアの算出のための原データである投稿情報として、ファッションのコーディネートを参考とすることを目的とした所定のウェブサービスに投稿された投稿情報に基づいてモデルを生成する場合を示したが、この例に限られない。例えば、コーデ生成の対象が、ファッションではなく、家具や花束である場合には、情報処理装置１００は、家具や花束のコーディネートを参考とすることを目的とした所定のウェブサービスに投稿された投稿情報に基づいてモデルを生成してもよい。

上記実施形態では、情報処理装置１００が、投稿情報に含まれる画像の特徴量を学習することによりモデルを生成する場合を示したが、この例に限られない。例えば、情報処理装置１００は、体型データなどのユーザの特徴量を画像の特徴量に含めて学習することによりモデルを生成してもよいし、メタ情報などのアイテムの特徴量を画像の特徴量に含めて学習することによりモデルを生成してもよい。具体的には、情報処理装置１００は、取得可能な各特徴ベクトルを足し合わせて各画像の特徴量とみなすことによりモデルを生成してもよいし、また、取得可能な各特徴ベクトルと各画像の特徴量とを結合することでより大きな次元の特徴ベクトルを生成し、これを各画像の特徴量とみなしてもよい。

上記実施形態では、情報処理装置１００が、コンテンツＣＴ１１などに投稿された投稿情報の画像を用いてモデルを学習する場合を示したが、この例に限らず、例えば、電子商取引上で提供された画像を用いてモデルを学習してもよい。一般的に、電子商取引上では、各アイテムに対して通常複数の画像が用意されている。情報処理装置１００は、例えば、電子商取引上で提供されるメイン画像（例えば、電子商取引上でアイテムを選択すると最初に現れる画像）を用いてモデルを学習してもよいし、目的に応じた画像を用いてモデルを学習してもよい。また、上記実施形態において、アイテム情報ＳＩ１１は、電子商取引上で提供されるアイテム情報を含んでもよい。

上記実施形態では、情報処理装置１００が、投稿情報を正解データとして学習したモデルを用いてコーデ生成を行う場合を示したが、属性ごとに正解データを分けて学習したモデルを用いてコーデ生成を行ってもよい。情報処理装置１００は、例えば、モデルＩＤで管理することで、ユーザの属性（例えば、性別や年代など）や季節などに応じてモデルを切り替えてコーデ生成を行ってもよい。また、情報処理装置１００は、例えば、属性や行動などでユーザをクラスタリングすることで、クラスタごとにモデルを切り替えてコーデ生成を行ってもよい。

上記実施形態では、情報処理装置１００が、サブコーデ同士を組み合わせてコーデ生成を行う場合を示したが、この例に限られない。例えば、情報処理装置１００は、クエリサブコーデを用いずに、ギャラリーサブコーデのアイテム候補を用いてコーデ生成を行ってもよい。具体的には、情報処理装置１００は、ギャラリー中のアイテム候補の組み合わせごとにマッチングスコアを算出することにより、コーデ生成を行ってもよい。この場合、マッチングスコアは、複数のアイテム同士の調和具合を示すスコアである。すなわち、情報処理装置１００は、電子商取引の対象となる複数のアイテムを組み合わせたアイテム群ごとに、アイテム群に含まれる複数のアイテム同士の調和具合を示すスコアを算出してもよい。

上記実施形態では、情報処理装置１００が、個々のアイテムの特徴量を用いてクエリサブコーデ及びギャラリーサブコーデを生成する場合を示したが、この例に限られない。例えば、情報処理装置１００は、複数のアイテムの特徴量を一つのアイテムの特徴量としてみなしてコーデ生成を行ってもよい。例えば、複数個のアイテムが互いに類似し同一カテゴリのアイテムである場合、これらのアイテムを異なるアイテムとして用いてコーデ生成を行うと、生成されるコーデの品質が変わらないのに計算時間が増大するおそれがある。このように類似するアイテムは異なるアイテムとして扱うのではなく、グループとしてまとめたうえで一つのアイテムとして扱うことで、コーデ生成に掛かる計算時間が低減されると考えられる。この際、アイテム同士が類似するか否かの判定は、従来の技術を用いてアイテムの特徴量や属性の類似度を測ることを通して行ってもよいし、従来の技術によって特徴量のクラスタリングを行うことでグループを作成してもよい。なお、グループの特徴量はグループを構成する各アイテムの特徴量を平均した値（ベクトル）を用いてもよいし、従来の技術によって代表点を決めてもよい。このように、アイテムのグループを用いてコーデ生成を行う場合、以降で示すＵＩ画面においては、当該グループを代表する既定のアイテムを一つ自動的に選択してコーデを構成するアイテムとして表示してもよいし、グループの中から好みのアイテムをユーザに選ばせるための画面をさらに表示してもよい。

このように、ギャラリーサブコーデのアイテム候補を用いてコーデ生成を行う場合、情報処理装置１００は、電子商取引の対象となる複数のアイテムを組み合わせたアイテム群を入力情報とし、マッチングスコアを出力情報とするモデルを生成してもよい。また、情報処理装置１００は、マッチングスコアの最も高いアイテム群に含まれる複数のアイテムの組み合わせに基づく情報を、コーディネートに関する情報として提供してもよい。また、情報処理装置１００は、生成されるコーディネートに季節に基づく統一感が出るように、アイテムごとの季節が共通するように選択された複数のアイテムを含むアイテム群ごとに、マッチングスコアを算出してもよい。

上記実施形態は、コーディネートを定期的にお任せする関係にあるスタイリストのためのコーデ生成の支援に用いられてもよいものとする。例えば、上記実施形態において、スタイリストが、コーディネートをお任せする関係にあるユーザのためにアイテムを選択してもよい。情報処理装置１００は、スタイリストにより選択されたアイテムを、クエリサブコーデのアイテムとしてサブコーデを生成することで、コーデ生成を行ってもよい。

図１３は、コーデ生成の支援を行うＵＩ画面の一例を示す図である。なお、画面ＵＩ１１と同様の説明は適宜省略する。

画面ＵＩ１２は、クエリサブコーデのアイテムＦＩ２３及びＦＩ２４を含む。アイテムＦＩ２３及びＦＩ２４は、スタイリストにより選択されたアイテムである。

画面ＵＩ１２は、ギャラリーサブコーデのアイテムＦＩ３３及びＦＩ３４を含む。アイテムＦＩ３３及びＦＩ３４は、アイテムＦＩ２３及びＦＩ２４とのコーディネートとして情報処理装置１００により提案されたアイテムである。

画面ＵＩ１２は、コーディネートの完成を確定するための確定操作項目ＣＫ１１を含む。確定操作項目ＣＫ１１が操作されると、アイテムＦＩ２３、ＦＩ２４、ＦＩ３３及びＦＩ３４が、例えばユーザに提供されるアイテムとして決定される。

上記実施形態において、情報処理装置１００は、コンテンツＣＴ１１に投稿したユーザが所持しているアイテムの所持情報（以下、適宜、「クローゼット」とする。）をユーザごとに記憶することで、コーデ生成を行ってもよい。ここで、クローゼットには、例えば、ユーザがコンテンツＣＴ１１に投稿するたびに、投稿情報から検出されたアイテムが、ユーザの所持情報として記憶されていくものとする。

情報処理装置１００は、例えば、クローゼットに含まれるアイテムを、クエリサブコーデのアイテムとして選択することで、コーデ生成を行ってもよい。

上記実施形態では、情報処理装置１００が、ファッションの購買履歴に基づいて、ファッションのコーディネートを提案する場合を示したが、この例に限られない。例えば、情報処理装置１００は、家具の購買履歴に基づいて、家具のコーディネートを提案してもよい。一般的に、椅子やタンスなどの家具は、配置される屋内の調和具体に影響すると考えられる。このため、情報処理装置１００は、コーディネート全体として調和の高い家具のコーディネートを提案することができる。なお、家具のコーディネートは、屋内に限らず、屋外であってもよいものとする。

図１４は、家具のコーディネートを提案するＵＩ画面の一例を示す図である。なお、画面ＵＩ１１と同様の説明は適宜省略する。画面ＵＩ１３は、例えば、家具の販売を目的とするウェブコンテンツである。

画面ＵＩ１３は、クエリサブコーデのアイテムＦＩ２５及びＦＩ２６を含む。アイテムＦＩ２５及びＦＩ２６は、ユーザが購入した購入済みのアイテム、若しくは、購入が予定されている購入予定のアイテムである。

画面ＵＩ１３は、ギャラリーサブコーデのアイテムＦＩ３５及びＦＩ３６を含む。アイテムＦＩ３５及びＦＩ３６は、アイテムＦＩ２５及びＦＩ２６とのコーディネートとして情報処理装置１００により提案されたアイテムである。

画面ＵＩ１３は、アイテムＦＩ３５及びＦＩ３６をまとめてカートに加えるためのカート操作項目ＣＡ１２を含む。

画面ＵＩ１３は、条件を変更してコーディネートを再生成するための条件操作項目ＪＪ２１乃至ＪＪ２７、ＪＪ１５及びＪＪ１６を含む。

条件操作項目ＪＪ２５は、アイテムの探索範囲を部屋の広さに基づいて変更するための操作項目である。例えば、条件操作項目ＪＪ２５に対する操作に基づいて部屋の広さを広くするほど、大きめの家具といった広い部屋にも対応可能なサブコーデのアイテム群が表示される。条件操作項目ＪＪ２５を調整することにより、コーディネート全体として部屋の広さに応じたアイテム群の情報を表示することができる。

条件操作項目ＪＪ２６は、アイテムの探索範囲をタイプに基づいて限定するための操作項目である。例えば、条件操作項目ＪＪ２６に対する操作に基づいてタイプを指定することで、指定されたタイプに適したサブコーデのアイテム群が表示される。例えば、タイプとして和風が指定された場合、和風に適したアイテム群が表示される。

条件操作項目ＪＪ２７は、アイテムの探索範囲をカテゴリに基づいて限定するための操作項目である。例えば、条件操作項目ＪＪ２７に対する操作に基づいてカテゴリを指定することで、指定されたカテゴリに適したサブコーデのアイテム群が表示される。例えば、カテゴリとして、椅子、椅子、椅子、テーブルの組み合わせが指定された場合、その組み合わせに適したアイテム群が表示される。

情報処理装置１００は、例えば、花束のコーディネートを提案するためのコーデ生成を行ってもよい。例えば、情報処理装置１００は、ユーザの好きな花をクエリサブコーデのアイテムとして選択し、売られているアイテムをギャラリーサブコーデのアイテムとして選択することで、コーデ生成を行ってもよい。これにより、情報処理装置１００は、一つの花束といった作品を完成させることができる。このため、情報処理装置１００は、コーディネート全体として調和の高い花束のコーディネートを提案することができる。

情報処理装置１００は、クリスマスなどのＴＰＯに応じて、ギャラリーサブコーデのアイテム候補を絞ることで、コーデ生成を行ってもよい。例えば、情報処理装置１００は、クリスマス用の花束のコーディネートである場合には、ギャラリーサブコーデのアイテムをクリスマス用の花に絞ることで、コーデ生成を行ってもよい。

上記実施形態において、情報処理装置１００は、自撮り画像のコーディネートを補完するようにアイテムを提案してもよい。例えば、情報処理装置１００は、自撮り画像において、ユーザがハットを着用していない場合には、ハットを補完するようなコーデ生成を行うことで、ハットを補完したコーディネートを提案してもよい。また、例えば、情報処理装置１００は、自撮り画像においてトップスのみを他のトップスと入れ替えたい場合には、他のアイテム（例えば、ボトムスとハットとシューズ）を固定してコーデ生成を行うことで、トップスのみが入れ替えられたコーディネートを提案してもよい。

図１５は、自撮り画像に対するコーディネートを提案するＵＩ画面の一例を示す図である。なお、画面ＵＩ１１と同様の説明は適宜省略する。

画面ＵＩ１４は、アップロードされた自撮り画像ＰＩ１１を含む。なお、画像ＰＩ１１は、例えば、ユーザの操作に応じてアップロードされたものであってもよいし、自動的にアップロードされたものであってもよい。

画面ＵＩ１４は、クエリサブコーデのアイテムＦＩ２７乃至ＦＩ２９を含む。アイテムＦＩ２７乃至ＦＩ２９は、ユーザが着用していると判定されたアイテムである。

画面ＵＩ１４は、ギャラリーサブコーデのアイテムＦＩ３７及びＦＩ３８を含む。アイテムＦＩ３７及びＦＩ３８は、アイテムＦＩ２７乃至ＦＩ２９とのコーディネートとして情報処理装置１００により提案されたアイテムである。

画面ＵＩ１４は、アイテムＦＩ３７及びＦＩ３８をまとめてカートに加えるためのカート操作項目ＣＡ１３を含む。

画面ＵＩ１４は、条件を変更してコーディネートを再生成するための条件操作項目ＪＪ３１乃至ＪＪ３５、ＪＪ１５乃至ＪＪ１９を含む。条件操作項目ＪＪ３１は、アイテムＦＩ２７を変更するための操作項目である。また、条件操作項目ＪＪ３２は、アイテムＦＩ２８を変更するための操作項目である。また、条件操作項目ＪＪ３３は、アイテムＦＩ２９を変更するための操作項目である。

条件操作項目ＪＪ３４は、アイテムＦＩ３７をギャラリーサブコーデの一のアイテムとして固定して、他のアイテム（アイテムＦＩ２７、ＦＩ２８、ＦＩ２９、ＦＩ３８）を変更するための操作項目である。また、条件操作項目ＪＪ３５は、アイテムＦＩ３８をギャラリーサブコーデの一のアイテムとして固定して、他のアイテム（アイテムＦＩ２７、ＦＩ２８、ＦＩ２９、ＦＩ３７）を変更するための操作項目である。

上記実施形態において、画面ＵＩ１１が、条件操作項目ＪＪ１１乃至ＪＪ１９を有する場合を示したが、条件操作項目はこの例に限られない。例えば、画面ＵＩ１１は、アイテムの探索範囲をユーザの体型データに基づいて変更するための操作項目を有してもよい。例えば、画面ＵＩ１１は、ユーザの体型データを計測可能な計測対象から計測された体型データに基づいて、アイテムの探索範囲を変更するための操作項目を有してもよい。これを調整することにより、コーディネート全体としてユーザの体型（例えば、ぽっちゃりやスリム）に適したアイテム群の情報を表示することができる。

上記実施形態において、クエリサブコーデのアイテム群を記憶するサーバと、ギャラリーサブコーデのアイテム群を記憶するサーバとが同一であってもよいし、異なってもよいものとする。また、クエリサブコーデのアイテム群を記憶するサーバ、若しくは、ギャラリーサブコーデのアイテム群を記憶するサーバと、投稿情報を提供する所定のウェブサービスを管理するサーバとが同一であってもよいし、異なってもよいものとする。

（ＵＩ画面の種々のバリエーション）
以下、実施形態に係るＵＩ画面の種々のバリエーションについて説明する。上述したように、情報処理装置１００は、カートに加えられたが未だ購入されていないアイテムを購買履歴に含めてコーデ生成を行ってもよい。以下では、購買履歴だけでなく、カートに加えられたアイテムも含めてコーデ生成を行う場合を説明する。なお、画面ＵＩ１１乃至ＵＩ１４と同様の説明は適宜省略する。

（バリエーション１：カートを利用したコーデ生成）
図１６は、カートに加えられたアイテムも含めてコーディネートを提案するＵＩ画面の一例を示す図である。

画面ＵＩ１５は、クエリサブコーデのアイテムＦＩ２１１及びＦＩ２１２を含む。アイテムＦＩ２１１及びＦＩ２１２は、ユーザが購入した購入済みのアイテム又はカートに加えられたアイテムから選択されたアイテムである。図１６では、アイテムＦＩ２１１が購入済みのアイテムであり、アイテムＦＩ２１２がカートに加えられたアイテムである。

画面ＵＩ１５は、アイテムＦＩ２１１及びＦＩ２１２のそれぞれをカートに加えるためのカート操作項目ＣＡ１１１及びＣＡ１１２を含む。例えば、カート操作項目ＣＡ１１１が操作されると、アイテムＦＩ２１１がカートに加えられ、カート操作項目ＣＡ１１２が操作されると、アイテムＦＩ２１２がカートに加えられる。

画面ＵＩ１５は、クエリサブコーデに追加可能な未入力のアイテムＦＩ２１３を含む。アイテムＦＩ２１３は、説明の便宜上、未入力のアイテムとして説明するが、アイテムを追加するための操作項目でもある。ユーザは、アイテムＦＩ２１３にアイテムを追加することができる。なお、アイテムＦＩ２１３としてアイテムが追加されると、更に追加可能な未入力のアイテムを画面ＵＩ１５に表示させてもよい。

アイテムＦＩ２１３に対して操作が行われると、クエリサブコーデを構成するためのアイテムが購買履歴又はカートから選択されるものとする。なお、選択されるアイテムのカテゴリは、任意のアルゴリズムに従って決められるものとするが、ユーザがカテゴリを指定したい場合には、条件操作項目ＪＪ１１１のスライドバーを操作することで、指定されてもよい。

アイテムＦＩ２１１及びＦＩ２１２の右上の点線で囲まれた「×」表示は、「×」表示が重畳するアイテムを削除するための操作項目である。「×」表示に対して操作が行われると、操作が行われたアイテムは削除され、例えば、アイテムＦＩ２１３のような未入力のアイテムが表示されてもよい。そして、情報処理装置１００は、削除されたアイテムを除外して、コーデ生成を行ってもよい。

アイテムＦＩ２１１及びＦＩ２１２の右下の点線で囲まれた「＋」表示は、そのアイテムを含むコーディネートを参照するための操作項目である。「＋」表示に対して操作が行われると、図１７に示すような参照画像情報ＦＦ１１を表示させてもよい。なお、図１７は、参照画像情報ＦＦ１１の表示以外が図１６と同様のため、参照画像情報ＦＦ１１の表示以外の説明を省略する。

参照画像情報ＦＦ１１は、アイテムＦＩ２１１の右下の点線で囲まれた「＋」表示に対して操作が行われた際に表示される参照画像情報である。参照画像情報ＦＦ１１は、アイテムＦＩ２１１を使用した複数のコーディネート画像（画像ＰＩ２１乃至ＰＩ２６）を含む。なお、参照画像情報ＦＦ１１に表示されるコーディネート画像の数は特に限定されないものとする。情報処理装置１００は、例えば所定のウェブサービスに投稿された投稿情報から、アイテムＦＩ２１１を含むコーディネート画像を検索することで、表示させる参照画像情報を生成する。

図１６の説明に戻る。画面ＵＩ１５は、ギャラリーサブコーデのアイテムＦＩ３１１及びＦＩ３１２を含む。また、画面ＵＩ１５は、アイテムＦＩ３１１及びＦＩ３１２に対応したカート操作項目ＣＡ１１３及びＣＡ１１４を含む。また、画面ＵＩ１５は、ギャラリーサブコーデに追加可能な未入力のアイテムＦＩ３１３を含む。ここで、アイテムＦＩ３１３の機能は、購買履歴とカートとのどちらにも含まれないアイテムが選択される点以外、アイテムＦＩ２１３と同様である。また、画面ＵＩ１５は、アイテムＦＩ３１３に対応した条件操作項目ＪＪ１１２を含む。

画面ＵＩ１５は、着用イメージを表示させるための画像表示欄を含む。画像ＰＩ１２は、着用イメージを表示させるための画像表示欄に表示された画像である。情報処理装置１００は、完成したコーディネートを実際に着用した画像を、例えば所定のウェブサービスに投稿された投稿情報から検索することで、画像表示欄に表示させるための画像を決定する。なお、情報処理装置１００は、完成したコーディネートを実際に着用した画像が、投稿情報から検索できない場合には、完成したコーディネートを構成するアイテムの大半を着用した画像を検索することで、画像表示欄に表示させるための画像を決定してもよい。

情報処理装置１００は、完成したコーディネートを実際に着用した画像が、投稿情報から検索できない場合には、完成したコーディネートを構成するアイテムのうち、検索できない単数又は複数のアイテムと類似のアイテムを含むコーディネートを着用した画像を検索し、画像表示欄に表示させるための画像を決定してもよい。このように、完成したコーディネートを構成するアイテムを着用したコーディネートを用いずに、当該アイテムに類似したアイテムを着用したコーディネートを用いて着用イメージの例として表示してもよい。この際、類似のアイテムからなるコーディネートは、従来の画像検索技術によって検索することで選択してもよい。具体的な例を挙げると、完成したコーディネートが「トップスＡ、ボトムスＢ、シューズＣ」であり、このうち「トップスＡ、ボトムスＢ」を着用した画像が複数検索できたが、「シューズＣ」を含み着用した画像が検索できなかった場合である。この場合、情報処理装置１００は、「シューズＣ」を画像検索にかけて、「シューズＣ」と類似のアイテムを検索する。そして、情報処理装置１００は、「シューズＣ」と類似のアイテムとして、「シューズＤ」が検索された場合には、「トップスＡ、ボトムスＢ、シューズＤ」のコーディネートを着用した画像を検索し、見つかった場合には、それを画像表示欄に着用イメージとして表示させてもよい。

画面ＵＩ１５は、購買履歴のアイテムを含めずにコーディネートを再生成するための条件操作項目ＪＪ１１３と、カートのアイテムを含めずにコーディネートを再生成するための条件操作項目ＪＪ１１４を含む。情報処理装置１００は、条件操作項目ＪＪ１１３に対して操作が行われた場合には、コーデ生成時に、購買履歴のアイテムを除外してコーデ生成を行ってもよい。図１６の例では、情報処理装置１００は、例えば、購買履歴のアイテムであるアイテムＦＩ２１１を除外して、アイテムＦＩ２１２のみをクエリサブコーデとして、コーデ生成を行ってもよい。

情報処理装置１００は、条件操作項目ＪＪ１１４に対して操作が行われた場合には、コーデ生成時に、カートのアイテムを除外してコーデ生成を行ってもよい。図１６の例では、情報処理装置１００は、例えば、カートのアイテムであるアイテムＦＩ２１２を除外して、アイテムＦＩ２１１のみをクエリサブコーデとして、コーデ生成を行ってもよい。

画面ＵＩ１５は、ランダムウォークの設定を操作するためのランダムウォーク欄が追加されたランダムウォーク情報ＷＷ１１を含む。ランダムウォーク情報ＷＷ１１は、種々の操作項目を含む。例えば、ランダムウォーク情報ＷＷ１１は、アイテムの突飛さ、価格帯、ブランドの類似度、アイテムの新しさ、季節感の統一度、閲覧したアイテム、色の近さ、アイテムの人気度、割引率、スタイルの統一度、お気に入りアイテムの優先度、お気に入りブランドの優先度、在庫の多さ、流行度、同時購入率、性別、サイズ感などの操作項目を含む。

ランダムウォーク情報ＷＷ１１は、それぞれの操作項目に対応したチェック可能な操作項目と、調整可能なトグルの操作項目とを含む。ランダムウォーク情報ＷＷ１１では、例えばチェックが入れられた操作項目が有効化されて、トグルで効かせ具合を調整できるものとする。図１６では、アイテムの突発さ、ブランドの類似度及び閲覧したアイテムの操作項目に対してチェックが入れられて有効化されたものとする。なお、ランダムウォーク情報ＷＷ１１は一例であり、操作態様や操作項目は特に限定されないものとする。

画面ＵＩ１５は、コーディネートの再生成に係る条件を自由に入力してアイテムを絞り込むための条件操作項目ＪＪ１１５を含む。例えば、情報処理装置１００は、条件操作項目ＪＪ１１５に対して入力された入力情報（例えば、文字情報）に基づくアイテムに絞り込んでコーデ生成を行ってもよい。図１６に示すように、ファッションスタイルとして「モード」、ファッションブランドとして「ＡＡＡ１」が入力された場合には、情報処理装置１００は、「ＡＡＡ１」のアイテムで構成されたモード系のコーディネートを再生成するためのコーデ生成を行ってもよい。

画面ＵＩ１５は、電子商取引上で売り切れのアイテムを含めずにコーディネートを再生成するための条件操作項目ＪＪ１１６を含む。図１６では、条件操作項目ＪＪ１１６に対してチェックが入れられて有効化されたものとする。情報処理装置１００は、条件操作項目ＪＪ１１６に対して操作が行われて有効化された場合には、コーデ生成時に、電子商取引上で売り切れのアイテムを除外してコーデ生成を行ってもよい。

画面ＵＩ１５は、性別、身長、体重及び顔の形のそれぞれでアイテムを絞り込むことで、コーディネートを再生成するための条件操作項目ＪＪ１１６乃至ＪＪ１１９を含む。条件操作項目ＪＪ１１６乃至ＪＪ１１９は、外観からアイテムを絞り込み可能な操作項目でもある。なお、条件操作項目ＪＪ１１６乃至ＪＪ１１９は一例であり、これらのような外観からアイテムを絞り込み可能な操作項目の種別や数は特に限定されないものとする。これにより、例えば他人へのプレゼントの際などで効果的になるため、ユーザビリティの向上を促進することができる。

画面ＵＩ１５では、着用イメージを表示させるための画像表示欄に表示可能な画像の数が、画像ＰＩ１２の１つである場合を示したが、着用イメージを表示させるための画像表示欄に表示可能な画像の数は特に限定されず、複数が表示されてもよいものとする。

（バリエーション２：特定のアイテムを含めたコーデ生成）
図１８は、特定のアイテムを含めてコーデ生成を行うよう操作する場合のＵＩ画面の一例を示す図である。例えば、アイテムを閲覧している際に「このアイテムを使用したコーディネートを生成したい」といったようなシチュエーションを考慮したＵＩ画面である。なお、図１６と同様の説明は適宜省略する。

画面ＵＩ１６は、クエリサブコーデのアイテムＦＩ２２１を含む。アイテムＦＩ２２１は、ユーザが閲覧している特定のアイテムである。情報処理装置１００は、アイテムＦＩ２２１が固定して含まれるように、コーデ生成を行ってもよい。なお、画面ＵＩ１６は、アイテムＦＩ２２１に対応したカート操作項目ＣＡ１２１を含む。

（バリエーション３：配信用のＵＩ画面）
図１９は、電子商取引を管理するサーバから配信されたＵＩ画面の一例を示す図である。

画面ＵＩ１７は、ユーザが購入した購入済みのアイテム又はカートに加えられたアイテムであるアイテムＦＩ２３１及びＦＩ２３２を含む。また、画面ＵＩ１７は、アイテムＦＩ２３１及びＦＩ２３２とのコーディネートを提案するアイテムＦＩ３３１及びＦＩ３３２を含む。

画面ＵＩ１７は、アイテムＦＩ２３１、ＦＩ２３２、ＦＩ３３１及びＦＩ３３２のコーデ生成の詳細を示す画面に遷移するための詳細操作項目ＤＤ１１を含む。画面ＵＩ１７は、詳細操作項目ＤＤ１１が操作されると、コーデ生成の詳細を示す画面に遷移する。

（バリエーション４：コーデ生成支援）
図２０は、コーデ生成の支援を行うＵＩ画面の一例を示す図である。画面ＵＩ１８は、画面ＵＩ１２に画面ＵＩ１５の機能を追加した画面である。すなわち、画面ＵＩ１８は、画面ＵＩ１２又はＵＩ１５の変形例である。

図２０では、アイテムＦＩ２４１乃至ＦＩ２４３がクエリサブコーデのアイテムであり、アイテムＦＩ３４１乃至ＦＩ３４３がギャラリーサブコーデのアイテムである。

（バリエーション５：家具のコーデ生成）
図２１は、家具のコーディネートを提案するＵＩ画面の一例を示す図である。画面ＵＩ１９は、画面ＵＩ１３に画面ＵＩ１５の機能を追加した画面である。すなわち、画面ＵＩ１９は、画面ＵＩ１３又はＵＩ１５の変形例である。

図２１では、アイテムＦＩ２５１乃至ＦＩ２５３がクエリサブコーデのアイテムであり、アイテムＦＩ３５１乃至ＦＩ３５３がギャラリーサブコーデのアイテムである。また、画面ＵＩ１９は、家具のコーディネート時の部屋のイメージを表示させるための画像表示欄を含む。画像ＰＩ１３は、部屋のイメージを表示させるための画像表示欄に表示された画像である。

（バリエーション６：アイテムを指定したコーデ生成）
図２２は、特定のアイテムを含めてコーデ生成を行うようアイテムを指定する場合のＵＩ画面の一例を示す図である。

画面ＵＩ２０は、クエリサブコーデのアイテムＦＩ２６１及びＦＩ２６２を含む。アイテムＦＩ２６１及びＦＩ２６２は、ユーザによりコーデ生成に指定された特定のアイテムである。情報処理装置１００は、アイテムＦＩ２６１及びＦＩ２６２が固定して含まれるように、コーデ生成を行ってもよい。すなわち、クエリサブコーデがユーザにより決定されるため、情報処理装置１００は、ユーザにより決定されるクエリサブコーデを用いて、能動的にコーデ生成を行ってもよい。なお、画面ＵＩ１６は、アイテムＦＩ２６１及びＦＩ２６２に対応したカート操作項目ＣＡ１３１及びＣＡ１３２を含む。

（バリエーション７：自撮り画像に対するコーデ生成）
図２３は、自撮り画像に対するコーディネートを提案するＵＩ画面の一例を示す図である。画面ＵＩ２１は、画面ＵＩ１４に画面ＵＩ１５の機能を追加した画面である。すなわち、画面ＵＩ２１は、画面ＵＩ１４又はＵＩ１５の変形例である。

図２３では、アイテムＦＩ２７１乃至ＦＩ２７３がクエリサブコーデのアイテムであり、ユーザが着用していると判定されたアイテムである。また、アイテムＦＩ３７１乃至ＦＩ３７３がギャラリーサブコーデのアイテムであり、アイテムＦＩ２７１乃至ＦＩ２７３とのコーディネートとして情報処理装置１００により提案されたアイテムである。

以下、画面ＵＩ２１の実装例について説明する。図２４は、画面ＵＩ２１を、投稿情報を管理する所定のウェブサービスに実装した場合のＵＩ画面の一例を示す図である。例えば、アイテムを閲覧している際に「このアイテムを使用したコーディネートを生成したい」といったようなシチュエーションを考慮したＵＩ画面である。

画面ＵＩ２２は、ユーザが閲覧している画像を表示させるための画像表示欄を含む。画像ＰＩ１４は、その画像表示欄に表示された画像である。

画面ＵＩ２２は、画像ＰＩ１４のアイテムを、ギャラリーサブコーデのアイテムを管理する電子商取引上で購入するための操作項目ＰＰ１１を含む。また、画面ＵＩ２２は、画像ＰＩ１４のアイテムを、ギャラリーサブコーデのアイテムを管理する電子商取引上で検索するための操作項目ＰＰ１２を含む。操作項目ＰＰ１２は、例えば、ユーザが操作項目ＰＰ１１に紐づく販売元とは異なる販売元から購入したい場合などのための操作項目である。

画面ＵＩ２２は、ユーザが有するアイテム（例えば、クローゼットに含まれるアイテム）の中から、画像ＰＩ１４のアイテムと合わせやすいアイテムを選択して表示させた参照画像情報ＦＦ２１を含む。

画面ＵＩ２２は、ユーザが有するアイテムと、画像ＰＩ１４のアイテムとの組み合わせの例を表示させた参照画像情報ＦＦ２２を含む。情報処理装置１００は、画像ＰＩ１４のアイテムと、参照画像情報ＦＦ２１に含まれるアイテムとをサブコーデ同士のアイテムとして、コーデ生成を行うことによって、参照画像情報ＦＦ２２を生成してもよい。

画面ＵＩ２２は、ギャラリーサブコーデのアイテムを管理する電子商取引上で購入可能なアイテムの中から、画像ＰＩ１４のアイテムと合わせやすいアイテムを選択して表示させた参照画像情報ＦＦ２３を含む。

（バリエーション８：クエリサブコーデを用いないコーデ生成）
図２５は、ギャラリーサブコーデのアイテム候補のみを用いてコーディネートを提案するＵＩ画面の一例を示す図である。

画面ＵＩ２３は、ギャラリーサブコーデのアイテムＦＩ３８１及びＦＩ３８２を含む。アイテムＦＩ３８１及びＦＩ３８２は、ギャラリーサブコーデのアイテム候補から選択されたアイテムである。例えば、ユーザの好きなブランドなどのユーザ情報に基づいて選択されたアイテムである。情報処理装置１００は、例えば、仮想のユーザ像（ペルソナ）を予め定めて、予め定められたペルソナとペルソナ用のサブコーデとを紐づけておくことで、ギャラリーサブコーデを生成してもよい。これにより、情報処理装置１００は、パーソナライズされた情報に基づいて、適切にコーディネートを提案することができる。

情報処理装置１００は、アイテムＦＩ３８１及びＦＩ３８２を用いて、コーデ生成を行い、コーディネートを提案してもよい。なお、画面ＵＩ２３は、アイテムＦＩ３８１及びＦＩ３８２に対応したカート操作項目ＣＡ１４１及びＣＡ１４２を含む。

画面ＵＩ２３は、ギャラリーサブコーデに追加可能な未入力のアイテムＦＩ３８３を含む。アイテムＦＩ３８３が追加された場合、情報処理装置１００は、例えばペルソナに基づいて決定されたアイテムＦＩ３８１及びＦＩ３８２と、アイテムＦＩ３８３とを一つのコーディネートとして提案してもよい。なお、画面ＵＩ２３は、アイテムＦＩ３８３に対応した条件操作項目ＪＪ１２１を含む。

（ＵＩ操作とアイテム選択の一例）
以下、実施形態に係るＵＩ操作とアイテム選択の一例について説明する。以下では、ＵＩ操作の一例として、スワイプ操作でアイテム選択を可能とする場合を説明する。なお、画面ＵＩ１１乃至ＵＩ２３と同様の説明は適宜省略する。

（バリエーション１：全身コーディネート画像が表示されない場合のアイテム選択）
図２６は、着用イメージなどの全身コーディネート画像が表示されない場合において、スワイプ操作でアイテム選択を行う場合のＵＩ画面の一例を示す図である。

画面ＵＩ２４は、ユーザが購入した購入済みのアイテム又はカートに加えられたアイテムであるアイテムＦＩ２８１及びＦＩ２８２を含む。図２６では、アイテムＦＩ２８２に対して、ユーザが親指ＵＵ１１でスワイプ操作ＳＷ１１を行うことによって、アイテムＦＩ２８２が選択されたものとする。情報処理装置１００は、スワイプ操作ＳＷ１１によって選択されたアイテムＳＩ２８２を用いてコーデ生成の再生成を行ってもよい。

画面ＵＩ２４は、アイテムＦＩ２８１及びＦＩ２８２とのコーディネートを提案するアイテムＦＩ３９１及びＦＩ３９２を含む。図２６では、アイテムＦＩ３９２に対して、ユーザが親指ＵＵ１２でスワイプ操作ＳＷ１２を行うことによって、アイテムＦＩ３９２が選択されたものとする。情報処理装置１００は、スワイプ操作ＳＷ１２によって選択されたアイテムＳＩ３９２を用いてコーデ生成の再生成を行ってもよい。なお、図２６では、説明の便宜上、親指ＵＵ１１とＵＵ１２とが同時に操作するように表示されているが、実際は、スワイプ操作ＳＷ１１を行った後にスワイプ操作ＳＷ１２を行う、若しくは、スワイプ操作ＳＷ１２を行った後にスワイプ操作ＳＷ１１を行うものとする。

（全身コーディネート画像が表示された場合のアイテム選択）
図２７Ａは、着用イメージなどの全身コーディネート画像が表示された場合において、スワイプ操作でアイテム選択を行う場合のＵＩ画面の一例を示す図である。なお、図２７Ａは、スワイプ操作前の初期画面の一例を示す。

画面ＵＩ２５は、ユーザが購入した購入済みのアイテムであるアイテムＦＩ２９１乃至ＦＩ２９３を含む。図２７Ａでは、アイテムＦＩ２９１に対して、ユーザが親指ＵＵ１３でスワイプ操作ＳＷ１３を行うことによって、スワイプ操作ＳＷ１３に追従して、アイテムＦＩ２９１がＵＩ画面上を移動する。そして、着用イメージを写す画像ＰＩ１５において、アイテムＦＩ２９１のカテゴリであるトップスに移動すると、着用イメージのトップスが、アイテムＦＩ２９１と置き換わって表示される。情報処理装置１００は、スワイプ操作ＳＷ１３によって選択されたアイテムＦＩ２９１を、着用イメージに重ねてコーディネート画像を表示させるための処理を行ってもよい。これにより、ユーザは、選択したアイテムを人体モデルに重ねることができるため、コーディネート画像を適切に確認することができる。

図２７Ｂは、図２７Ａのスワイプ操作後の画面の一例を示す図である。図２７Ｂでは、図２７Ａにおいてスワイプ操作ＳＷ１３によってアイテムＦＩ２９１が画像ＰＩ１５に移動したため、画像ＰＩ１５に写る人物がアイテムＦＩ２９１を着用しているように表示される。また、図２７Ｂでは、アイテムＦＩ２９１が画像ＰＩ１５に移動したため、スワイプ操作前に表示された、アイテムＦＩ２９１乃至ＦＩ２９３を選択可能な購買履歴のアイテム欄において、アイテムＦＩ２９１が空白で表示される。また、変形例として、情報処理装置１００は、おすすめアイテムを人体モデル上で表示して、表示されたアイテムをスワイプすることで、他のアイテム候補の表示も可能とするための処理を行ってもよい。

〔７．実施形態２〕
ファッションやインテリアやメイクなどに知識のない人は、ファッションやインテリアやメイクなどのコーディネートの仕方がわからないといったことがある。

従来、コーディネートを支援するための技術が知られている。例えば、所定のルールに基づいて、ファッションのコーディネートを生成する技術が知られている。

しかしながら、従来の技術では、ユーザの分類に応じた適切な商品の組み合わせを提案することができなかった。例えば、従来の技術では、ユーザの熟練度に応じた組み合わせを提案することができなかった。例えば、熟練度が高いユーザに、熟練度が高くないユーザよりも調和具合の低い商品の組み合わせを提案することができなかった。

本願は、上記に鑑みてなされたものであって、ユーザの分類に応じた適切な商品の組み合わせを提案することを目的とする。

〔８．実施形態２に係る情報処理装置の構成〕
次に、図２８を用いて、実施形態２に係る情報処理装置１００Ａの構成について説明する。図２８は、実施形態２に係る情報処理装置１００Ａの構成例を示す図である。図２８に示すように、情報処理装置１００Ａは、通信部１１０と、記憶部１２０Ａと、制御部１３０Ａとを有する。なお、情報処理装置１００Ａは、情報処理装置１００Ａの管理者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。なお、上記実施形態と同様の説明は適宜省略する。また、実施形態２に係る調和具合を示すスコアは、例えば、上記実施形態に係るセットマッチングを用いたマッチングスコアである。

（記憶部１２０Ａ）
記憶部１２０Ａは、例えば、ＲＡＭ、フラッシュメモリ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。図２８に示すように、記憶部１２０Ａは、記憶部１２０に加えて、熟練度記憶部１２４と、提案閾値記憶部１２５とを有する。

熟練度記憶部１２４は、ユーザの熟練度に関する情報を記憶する。ここで、図２９に、実施形態２に係る熟練度記憶部１２４の一例を示す。図２９に示すように、熟練度記憶部１２４は、「ユーザＩＤ」、「カテゴリ」、「熟練度」といった項目を有する。

「ユーザＩＤ」は、ユーザを識別するための識別情報を示す。「カテゴリ」は、熟練度の対象となるカテゴリを示す。「熟練度」は、カテゴリに関するユーザの熟練度を示す。

すなわち、図２９では、ユーザＩＤ「Ｕ１」によって識別されるユーザの「ファッション」に関する熟練度が「上級者」であることを示す。

提案閾値記憶部１２５は、調和具合を示すスコアを基に商品の組み合わせを提案するための提案閾値の範囲に関する情報を記憶する。なお、提案閾値の範囲は、カテゴリごと、及び、熟練度ごとに設定される。ここで、図３０に、実施形態２に係る提案閾値記憶部１２５の一例を示す。図３０に示すように、提案閾値記憶部１２５は、「カテゴリ」、「熟練度」、「提案閾値の範囲」といった項目を有する。

「カテゴリ」は、熟練度の対象となるカテゴリを示す。「熟練度」は、熟練度を示す。「提案閾値の範囲」は、カテゴリごと、及び、熟練度ごとに設定される、商品の組み合わせを提案するための提案閾値の範囲を示す。

すなわち、図３０では、「ファッション」の「上級者」に、調和具合を示すスコアが「７０点～８０点」の商品の組み合わせを提案することを示す。

（制御部１３０Ａ）
制御部１３０Ａは、コントローラであり、例えば、ＣＰＵやＭＰＵ等によって、情報処理装置１００Ａ内部の記憶装置に記憶されている各種プログラムが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１３０Ａは、コントローラであり、例えば、ＡＳＩＣやＦＰＧＡ等の集積回路により実現される。

図２８に示すように、制御部１３０Ａは、制御部１３０に加えて、分類部１３８を有し、以下に説明する情報処理の作用を実現または実行する。なお、制御部１３０Ａの内部構成は、図２８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。

（生成部１３４）
生成部１３４は、熟練度が予め定められたユーザの特徴に基づいて、他のユーザの熟練度を推定するモデルを生成する。なお、生成部１３４は、熟練度の対象となるカテゴリごとにモデルを生成する。例えば、生成部１３４は、カテゴリがファッションである場合には、ファッションに関する熟練度が予め定められたユーザに関するファッションの特徴に基づいて、他のユーザのファッションに関する熟練度を推定するモデルを生成する。例えば、生成部１３４は、ファッションに関する熟練度が予め定められたユーザが所有する服の特徴や購入した服の特徴などに基づいて、他のユーザのファッションに関する熟練度を推定するモデルを生成してもよい。また、例えば、生成部１３４は、ファッションに関する熟練度が予め定められたユーザがＳＮＳに投稿したコーディネート画像に含まれる服の特徴や服の組み合わせの特徴などに基づいて、ＳＮＳにコーディネート画像を投稿した他のユーザのファッションに関する熟練度を推定するモデルを生成してもよい。

また、例えば、生成部１３４は、カテゴリがインテリアである場合には、インテリアに関する熟練度が予め定められたユーザに関するインテリアの特徴に基づいて、他のユーザのインテリアに関する熟練度を推定するモデルを生成する。例えば、生成部１３４は、インテリアに関する熟練度が予め定められたユーザが所有する家具の特徴や購入した家具の特徴などに基づいて、他のユーザのインテリアに関する熟練度を推定するモデルを生成してもよい。また、例えば、生成部１３４は、インテリアに関する熟練度が予め定められたユーザがＳＮＳに投稿したコーディネート画像に含まれる家具の特徴や家具の配置や組み合わせの特徴などに基づいて、ＳＮＳにコーディネート画像を投稿した他のユーザのインテリアに関する熟練度を推定するモデルを生成してもよい。

また、例えば、生成部１３４は、カテゴリがメイクである場合には、メイクに関する熟練度が予め定められたユーザに関するメイクの特徴に基づいて、他のユーザのメイクに関する熟練度を推定するモデルを生成する。例えば、生成部１３４は、メイクに関する熟練度が予め定められたユーザが所有する化粧品の特徴や購入した化粧品の特徴などに基づいて、他のユーザのメイクに関する熟練度を推定するモデルを生成してもよい。また、例えば、生成部１３４は、メイクに関する熟練度が予め定められたユーザがＳＮＳに投稿したメイク画像に含まれる化粧品の特徴や化粧品の組み合わせの特徴などに基づいて、ＳＮＳにメイク画像を投稿した他のユーザのメイクに関する熟練度を推定するモデルを生成してもよい。

また、生成部１３４は、生成したモデルの学習を行う。例えば、生成部１３４は、熟練度が高いユーザの特徴の重みが、熟練度が高くないユーザの特徴の重みよりも大きくなるように重み付けを行うことで、生成したモデルを学習させる。例えば、生成部１３４は、上級者のユーザの特徴の重みが、中級者以下のユーザの特徴の重みよりも大きくなるように重み付けを行うことで、生成したモデルを学習させる。

（分類部１３８）
分類部１３８は、ユーザの熟練度に応じてユーザをグループ分類する。例えば、分類部１３８は、熟練度が上級者のユーザを特定し、特定したユーザをまとめて一のグループとする。なお、分類部１３８は、熟練度が上級者でないユーザを特定し、特定したユーザをまとめて二のグループとしてもよい。また、分類部１３８は、熟練度記憶部１２４からユーザの熟練度に関する情報を取得して、熟練度記憶部１２４から取得したユーザの熟練度に応じてユーザをグループ分類してもよいし、生成部１３４により生成されたモデルを用いて推定された熟練度に応じてユーザをグループ分類してもよい。

（提供部１３７）
提供部１３７は、分類部１３８による分類結果に基づいて、複数商品の調和具合を示すスコアがユーザのグループに応じた提案閾値の範囲の商品の組み合わせをユーザに提案する。例えば、提供部１３７は、ユーザの熟練度に応じて分類されたグループに応じた提案閾値の範囲の商品の組み合わせをユーザに提案する。例えば、提供部１３７は、熟練度が上級者のユーザをまとめた一のグループに属するユーザには、熟練度が上級者でないユーザをまとめた二のグループに属するユーザに提案する商品の組み合わせよりも調和具合の低い商品の組み合わせを提案する。例えば、提供部１３７は、熟練度が上級者でないユーザをまとめた二のグループに属するユーザには調和具合を示すスコアが８０点以上の商品の組み合わせを提案するのに対して、熟練度が上級者のユーザをまとめた一のグループに属するユーザには調和具合を示すスコアが７０点～８０点の商品の組み合わせを提案する。

図３１は、商品の組み合わせを提案するためのユーザインターフェースの一例を示す図である。図３１では、タブを切り替えることで熟練度ごとに適した商品の組み合わせを提案する。例えば、タブＴＢ１を選択することで、上級者のグループに応じた提案閾値の範囲の商品の組み合わせが表示され、タブＴＢ２を選択することで、中級者のグループに応じた提案閾値の範囲の商品の組み合わせが表示され、タブＴＢ３を選択することで、初級者のグループに応じた提案閾値の範囲の商品の組み合わせが表示される。なお、図３１では、タブＴＢ１が選択されて、上級者のグループに応じた提案閾値の範囲の商品の組み合わせが画面（画面ＵＩ２７）に表示されている。

（決定部１３９）
決定部１３９は、一のグループに応じた提案閾値の範囲を、他のグループに応じた提案閾値の範囲に基づいて決定する。例えば、決定部１３９は、熟練度が上級者のユーザをまとめた一のグループに応じた提案閾値の範囲を、熟練度が上級者でないユーザをまとめた二のグループに応じた提案閾値の範囲に基づいて決定してもよいし、熟練度が上級者でないユーザをまとめた二のグループに応じた提案閾値の範囲を、熟練度が上級者のユーザをまとめた一のグループに応じた提案閾値の範囲に基づいて決定してもよい。例えば、決定部１３９は、熟練度が上級者のユーザをまとめた一のグループに応じた提案閾値の範囲が７０点～８０点である場合には、熟練度が上級者でないユーザをまとめた二のグループに応じた提案閾値の範囲のほうが調和具合の高い商品の組み合わせを提案するために提案閾値が大きくなるため、熟練度が上級者でないユーザをまとめた二のグループに応じた提案閾値の範囲を８０点以上としてもよい。そして、提供部１３７は、二のグループに属するユーザに、決定部１３９により決定された提案閾値の範囲に基づいて、調和具合を示すスコアが８０点以上の商品の組み合わせを提案してもよい。

以上のように、実施形態２では、例えば、熟練度が所定の条件を満たすユーザとして予め抽出されたユーザの特徴に基づいて他のユーザの熟練度を評価する。ここで、熟練度が所定の条件を満たすか否かを評価する基準は様々なバリエーションがある。以下、熟練度が所定の条件を満たすか否かを評価する基準のバリエーションについて説明する。

（過去に購入した商品の色の組み合わせが「イエベ・ブルべ」理論、「パーソナルカラー」理論に即している度合に基づく評価）
ユーザ自身で自身に似合う色か否かを判断できないユーザは、服の色の選択に一貫性がない場合が多い。このため、一貫性の基準として、肌の色の傾向を黄味寄り、青味寄りで表す「イエベ・ブルべ」理論を用いてユーザの熟練度が評価されていてもよい。また、肌の色の傾向を春色（スプリングカラー）寄り、夏色（サマーカラー）寄り、秋色（オータムカラー）寄り、冬色（ウインターカラー）寄りで表す「パーソナルカラー」理論を用いてユーザの熟練度が評価されていてもよい。

（過去に購入した商品の組み合わせが特定のファッションスタイルを表現している度合に基づく評価）
ファッション熟練者は、ファッションスタイルにこだわりを持ち、商品選びにファッションスタイルの一貫性がある場合が多い。このため、購入済みの服のセットを入力するとファッションスタイル（例えば、フェミニン、スポーティ、カジュアル、フォーマル）を判別するＡＩを用いてユーザの熟練度が評価されていてもよい。しかしながら、個人は時、場所、場合、いわゆる、ＴＰＯに合わせて色々なファッションスタイルをとるため、購入済み商品のセットは様々なファッションスタイルの混合となる。このため、特定のファッションスタイルが強くでる組み合わせを探索するＡＩによって、特定のファッションスタイルが強く表現できる商品の組み合わせが見つかるか否かを判断することでユーザの熟練度が評価されていてもよい。

（過去に購入した商品のシルエットが購入時期のトレンドに沿ったものである度合に基づく評価）
服のサイズ感が大きくデザインされた服であるビッグシルエットが流行し始めた時期にビッグシルエットを早期に取り入れたか否かに基づいてユーザの熟練度が評価されていてもよい。例えば、流行し始めた時期に早期に取り入れた場合にはユーザの熟練度が高いと評価されていてもよい。なお、ビッグシルエットの情報は商品説明等から取得されたものであってもよいし、コンピュータビジョンのＡＩで判定されたものであってもよい。

（売れ筋ランキングの高いものを購入する度合に基づき評価）
服を購入する必要があるがどれを買えばよいか判断できないユーザは売れ筋ランキングから選ぶ傾向にある場合が多い。一方、商品選びに強いこだわりがあるユーザは売れ筋ランキングから選ばない傾向にある場合が多い。このため、売れ筋ランキングの高いものを購入する度合に基づいて熟練度が評価されていてもよい。

（利用者の着こなし画像を入力させることでＡＩが熟練度を評価）
着こなしが上手とされる着こなし画像を正例とし、着こなしが下手とされる着こなし画像を負例とすることで、着こなしのレベルを評価するＡＩを生成し、ユーザの着こなし画像から着こなしのレベルをＡＩが評価することで熟練度が評価されていてもよい。

（親和度の低い商品を買っている／閲覧している／掲載されたリンクをクリックした度合に基づき評価）
他の商品との組み合わせが困難で親和度が低い商品に関する活動量が多いか否かに基づいて熟練度が評価されていてもよい。なお、親和度は、例えば、セットマッチングを用いて電子商店街の商品から規定の回数コーデ生成を行うことで生成されたコーデに基づいて算出されたものであってもよい。また、親和度は、例えば、類似する商品を事前にクラスタリングでまとめておき、クラスタ中心に近い商品を代表商品としてコーデ生成を行うことで生成されたコーデに基づいて算出されたものであってもよい。なお、代表商品が使用されればクラスタに属する商品の親和度が高いと評価される。また、親和度は、例えば、クラスタリングを用いて投稿サイトで掲載された商品が属するクラスタベースで算出されたものであってもよい。また、ブランドが販売している商品の平均的な親和度の低さに基づいて熟練度が評価されていてもよい。また、様々な評価方法により評価された熟練度に基づいて平均値又は最大値を熟練度として熟練度が評価されていてもよい。

（その他１）
レアブランドの閲覧履歴や購買履歴に基づいてユーザの熟練度が評価されていてもよい。また、購入金額の平均額に基づいてユーザの熟練度が評価されていてもよい。また、閲覧した商品の傾向の変化、お気に入りに追加した商品の傾向の変化、購入した商品のブランドの傾向の変化など、傾向の変化に基づいてユーザの熟練度が評価されていてもよい。また、所定期間あたりの電子商店街を閲覧した閲覧時間に基づいてユーザの熟練度が評価されていてもよい。また、検索の実行回数、お気に入りに登録したブランド数、お気に入りに登録した商品数などに基づいてカテゴリ（例えば、ファッション、メイク）ごとにユーザの熟練度が評価されていてもよい。また、商品を同時購入したか否か、商品の種類（例えば、デート用、部屋着用）などに応じて異なる評価方法でユーザの熟練度が評価されていてもよい。

（その他２）
購買履歴を時系列で見たときに、ファッションスタイルや購入商品のサイズが変化しているユーザはファッションに対する考え方に変化がある場合が多いため、熟練度が上がっていると捉えることができる。なお、過去の購買履歴からファッションスタイルの混合分布を推定し、対数尤度が下がっていく又は過去のファッションスタイルからずれていくパターンを検出することで変化を捉えてもよい。このため、ファッションスタイルの変化点が存在するほどユーザの熟練度は高いものとしてユーザの熟練度が評価されていてもよい。

（その他３）
お気に入りのブランドの新作商品が登場したタイミングで閲覧又は購入しているユーザは季節感やトレンドを先取りしており熟練度が高いと言える。また、新作リリース時はセールや割引もされ難いことから、価格よりもトレンドを重要視していると捉えることができる。このため、新作をチェックしている又は購入しているユーザの熟練度は高いものとしてユーザの熟練度が評価されていてもよい。

（その他４）
セットマッチングのタスクをユーザに解いてもらいユーザの正解率が高いほどユーザの熟練度は高いものとしてユーザの熟練度が評価されていてもよい。例えば、完成されているお洒落なコーディネート（商品の集合）を２つの集合（集合Ａ、集合Ｂ）に分解し、ユーザに集合Ａを見せて、関係の強い集合Ｂと関係の薄い集合Ｃや集合Ｄなどの複数の選択肢の中から正解となる集合Ｂを選択させるタスクにおいて、正解率が高いほどユーザの熟練度は高いものとしてユーザの熟練度が評価されていてもよい。

（その他５）
ファッション熟練度などの熟練度の判断が可能な複数の問いを用意して、問いに対するユーザの回答の内容でユーザの熟練度が評価されていてもよい。

（その他６）
購買履歴をもとにファッション熟練度を判断する場合、購買履歴のノイズが問題になる場合がある。例えば、購入者と消費者が一致しない場合がある。購入者と消費者が一致しない場合の一例として、夫が妻や子供のために商品を購入する場合や、不特定の他人に転売するために購入する場合などが挙げられる。このような場合は、購買履歴から購入者のファッション熟練度を判断することが困難になる。このため、購買履歴からファッション熟練度を判断する前段として、購買履歴が単一の消費者で説明できるか、複数の消費者が想定されるかを判断する必要がある。そこで、購買商品の商品が対象とする性別やサイズに関してエントロピーを計算し閾値を超えるか否かで判断する方法が挙げられる。あるユーザの購買ログをｐ_i（ｉ＝１，２，・・・，Ｎ）とし、商品が対象とする性別をs_i(s in (mens, womens, kids)として、性別sの商品が観測された回数をｎ_ｓとする。ここで、Ｎは下記式（１）で算出される。このため、購買ログの商品が対象とする性別の観点からのエントロピーは下記式（２）で算出される。

例えば、mensの商品のみが購入されているログの場合、Ｈ＝０となる。また、例えば、mens, womens, kidsの商品が均等に購入されているログの場合、Ｈ＝１．５８となる。エントロピーが低い場合、購買履歴が単一の消費者で説明できる可能性が高い。一方、エントロピーが高い場合、購買履歴の背景に複数の消費者がいる可能性が高い。また、転売目的などで見境なく商品を購入している場合は、エントロピーの高さと合わせて購入金額の高さを用いることで判断が可能となる。また、男性が女性物を着用する、又は、女性が男性物を着用する場合が挙げられる。この場合には、事前に商品毎にどの性別のユーザに購入され易いかを集計し、女性物でも男性に支持がある商品や、男性物でも女性に支持がある商品は、割合に応じてｎ＿ｓのカウントを分割する方法が挙げられる。また、Ｓサイズの体型のユーザがＬサイズ物を着用する、又は、Ｌサイズの体型のユーザがＳサイズ物を着用する場合が挙げられる。この場合には、事前に商品毎にどのサイズの体型のユーザに購入され易いかを集計し、Ｌサイズ物でもＳサイズの体型のユーザに支持がある商品や、Ｓサイズ物でもＬサイズの体型のユーザに支持がある商品は、割合に応じてｎ＿ｓのカウントを分割する方法が挙げられる。

購買履歴から複数の消費者が想定される場合には熟練度を推定する方法の一例として、複数の消費者の中から購買履歴の大部分を占める消費者を選んで熟練度を推定する方法や、複数の消費者の中から直近の購買履歴と関連する消費者を選んで熟練度を推定する方法が挙げられる。また、利用者に選択肢を与えて決めてもらうことで熟練度を推定する方法が挙げられる。例えば、利用者に利用者の性別を選択させて、男性を選択した場合には、男性向け商品だけを用いて熟練度を推定する方法が挙げられる。

〔９．実施形態２に係る情報処理のフロー〕
次に、図３２を用いて、実施形態２に係る情報処理システム１Ａによる情報処理の手順について説明する。図３２は、実施形態２に係る情報処理システム１Ａによる情報処理の手順を示すフローチャートである。

図３２に示すように、情報処理装置１００Ａは、ユーザをグループ分類する（ステップＳ３０１）。

情報処理装置１００Ａは、複数商品の調和具合を示すスコアがグループに応じた閾値の範囲の商品の組み合わせを提供する（ステップＳ３０２）。

〔１０．効果〕
上述してきたように、実施形態２に係る情報処理装置１００Ａは、分類部１３８と、提供部１３７とを有する。分類部１３８は、ユーザをグループ分類する。提供部１３７は、分類部１３８による分類結果に基づいて、複数商品の調和具合を示すスコアがグループに応じた閾値の範囲の商品の組み合わせを提供する。

これにより、実施形態２に係る情報処理装置１００Ａは、ユーザの分類に応じた適切な商品の組み合わせを提案することができる。

また、分類部１３８は、ユーザの熟練度に応じてグループ分類する。また、提供部１３７は、熟練度に応じて分類されたグループに応じた閾値の範囲の商品の組み合わせを提供する。

これにより、実施形態２に係る情報処理装置１００Ａは、ユーザの熟練度に応じて適切な商品の組み合わせを提案することができる。

また、実施形態２に係る情報処理装置１００Ａは、熟練度が第１条件を満たすユーザとして予め抽出されたユーザのグループに応じた閾値の範囲を、熟練度が第２条件を満たすユーザとして予め抽出されたユーザのグループに応じた閾値の範囲に基づいて決定する決定部１３９を更に有する。また、提供部１３７は、第１条件を満たすユーザに、決定部１３９により決定された閾値の範囲の商品の組み合わせを提供する。

これにより、実施形態２に係る情報処理装置１００Ａは、閾値の範囲を他の閾値の範囲に基づいて決定することができるため、他の閾値の範囲に応じて適切な商品の組み合わせを提案することができる。

また、実施形態２に係る情報処理装置１００Ａは、熟練度が第１条件を満たすユーザとして予め抽出されたユーザの特徴と、熟練度が第２条件を満たすユーザとして予め抽出されたユーザの特徴とに基づいて、熟練度を推定するモデルを生成する生成部１３４を更に有することを特徴とする。

これにより、実施形態２に係る情報処理装置１００Ａは、他のユーザの熟練度を推定することで、他のユーザに適切な商品の組み合わせを提案することができる。

また、生成部１３４は、第１条件を満たすユーザとして抽出されたユーザの特徴の重みが、第２条件を満たすユーザとして抽出されたユーザの特徴の重みよりも大きくなるように重み付けして学習させたモデルを生成する。

これにより、実施形態２に係る情報処理装置１００Ａは、他のユーザの熟練度を推定するモデルの精度を向上させることができるため、他のユーザにより適切な商品の組み合わせを提案することができる。

また、分類部１３８は、商品の集合である第１集合と関連の強い商品の集合である第２集合と第２集合よりも第１集合との関連の低い商品の集合である第３集合とからなる集合に対するユーザの集合の選択に基づいて評価されたユーザの熟練度に応じてユーザを分類する。

これにより、実施形態２に係る情報処理装置１００Ａは、ユーザの集合の選択に基づいて適切に評価されたユーザの熟練度を用いて、ユーザを分類することができる。

また、分類部１３８は、ユーザが第２集合を選択した回答数が多いほど熟練度が高いと評価されたユーザの熟練度に応じてユーザを分類する。

これにより、実施形態２に係る情報処理装置１００Ａは、ユーザの集合の選択の正解数に基づいて適切に評価されたユーザの熟練度を用いて、ユーザを分類することができる。

〔１１．ハードウェア構成〕
また、上述してきた実施形態に係る情報表示装置１０及び情報処理装置１００（１００Ａ）は、例えば、図３３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。図３３は、情報表示装置１０及び情報処理装置１００（１００Ａ）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。コンピュータ１０００は、ＣＰＵ１１００、ＲＡＭ１２００、ＲＯＭ１３００、ＨＤＤ１４００、通信インターフェイス（Ｉ／Ｆ）１５００、入出力インターフェイス（Ｉ／Ｆ）１６００、及びメディアインターフェイス（Ｉ／Ｆ）１７００を有する。

ＣＰＵ１１００は、ＲＯＭ１３００またはＨＤＤ１４００に格納されたプログラムに基づいて動作し、各部の制御を行う。ＲＯＭ１３００は、コンピュータ１０００の起動時にＣＰＵ１１００によって実行されるブートプログラムや、コンピュータ１０００のハードウェアに依存するプログラム等を格納する。

ＨＤＤ１４００は、ＣＰＵ１１００によって実行されるプログラム、及び、かかるプログラムによって使用されるデータ等を格納する。通信インターフェイス１５００は、所定の通信網を介して他の機器からデータを受信してＣＰＵ１１００へ送り、ＣＰＵ１１００が生成したデータを所定の通信網を介して他の機器へ送信する。

ＣＰＵ１１００は、入出力インターフェイス１６００を介して、ディスプレイやプリンタ等の出力装置、及び、キーボードやマウス等の入力装置を制御する。ＣＰＵ１１００は、入出力インターフェイス１６００を介して、入力装置からデータを取得する。また、ＣＰＵ１１００は、生成したデータを、入出力インターフェイス１６００を介して出力装置へ出力する。

メディアインターフェイス１７００は、記録媒体１８００に格納されたプログラムまたはデータを読み取り、ＲＡＭ１２００を介してＣＰＵ１１００に提供する。ＣＰＵ１１００は、かかるプログラムを、メディアインターフェイス１７００を介して記録媒体１８００からＲＡＭ１２００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１８００は、例えば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、または半導体メモリ等である。

例えば、コンピュータ１０００が実施形態に係る情報表示装置１０及び情報処理装置１００（１００Ａ）として機能する場合、コンピュータ１０００のＣＰＵ１１００は、ＲＡＭ１２００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１４及び１３０（１３０Ａ）の機能を実現する。コンピュータ１０００のＣＰＵ１１００は、これらのプログラムを記録媒体１８００から読み取って実行するが、他の例として、他の装置から所定の通信網を介してこれらのプログラムを取得してもよい。

〔１２．その他〕
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。

以上、本願の実施形態のいくつかを図面に基づいて詳細に説明したが、これらは例示であり、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、１Ａ 情報処理システム
１０ 情報表示装置
１１ 通信部
１２ 入力部
１３ 出力部
１４ 制御部
１００、１００Ａ 情報処理装置
１１０ 通信部
１２０、１２０Ａ 記憶部
１２１ 購買履歴記憶部
１２２ ギャラリー記憶部
１２３ モデル記憶部
１２４ 熟練度記憶部
１２５ 提案閾値記憶部
１３０、１３０Ａ 制御部
１３１ 取得部
１３２ 受付部
１３３ 検出部
１３４ 生成部
１３５ 算出部
１３６ 特定部
１３７ 提供部
１３８ 分類部
１３９ 決定部
１４１ 第１表示制御部
１４２ 第２表示制御部
１４３ 受信部
１４４ 送信部
Ｎ ネットワーク

Claims (10)

1. ユーザをグループ分類する分類部と、
   前記分類部による分類結果に基づいて、複数商品の調和具合を示すスコアがグループに応じた閾値の範囲の商品の組み合わせを提供する提供部と、
   を有することを特徴とする情報処理装置。
2. 前記分類部は、
   ユーザの熟練度に応じてグループ分類し、
   前記提供部は、
   前記熟練度に応じて分類されたグループに応じた閾値の範囲の商品の組み合わせを提供する
   ことを特徴とする請求項１に記載の情報処理装置。
3. 前記提供部は、
   前記商品の組み合わせを提案するインターフェイス上での前記ユーザのグループの指定に基づいて、前記熟練度に応じて分類されたグループとは異なるグループが指定された場合には、提供する商品の組み合わせを、指定されたグループに応じた閾値の範囲の商品の組み合わせに変更する
   ことを特徴とする請求項２に記載の情報処理装置。
4. 前記熟練度が第１条件を満たすユーザとして予め抽出されたユーザのグループに応じた閾値の範囲を、前記熟練度が第２条件を満たすユーザとして予め抽出されたユーザのグループに応じた閾値の範囲に基づいて決定する決定部、を更に有し、
   前記提供部は、
   前記第１条件を満たすユーザに、前記決定部により決定された閾値の範囲の商品の組み合わせを提供する
   ことを特徴とする請求項２に記載の情報処理装置。
5. 前記熟練度が第１条件を満たすユーザとして予め抽出されたユーザの特徴と、前記熟練度が第２条件を満たすユーザとして予め抽出されたユーザの特徴とに基づいて、前記熟練度を推定するモデルを生成する生成部、
   を更に有することを特徴とする請求項２に記載の情報処理装置。
6. 前記生成部は、
   前記第１条件を満たすユーザとして抽出されたユーザの特徴の重みが、前記第２条件を満たすユーザとして抽出されたユーザの特徴の重みよりも大きくなるように重み付けして学習させた前記モデルを生成する
   ことを特徴とする請求項５に記載の情報処理装置。
7. 前記分類部は、
   商品の集合である第１集合と関連の強い商品の集合である第２集合と当該第２集合よりも当該第１集合との関連の低い商品の集合である第３集合とからなる集合に対するユーザの集合の選択に基づいて評価された当該ユーザの熟練度に応じて当該ユーザを分類する
   ことを特徴とする請求項２に記載の情報処理装置。
8. 前記分類部は、
   前記ユーザが前記第２集合を選択した回答数が多いほど熟練度が高いと評価された前記ユーザの熟練度に応じて前記ユーザを分類する
   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、
   ユーザをグループ分類する分類工程と、
   前記分類工程による分類結果に基づいて、複数商品の調和具合を示すスコアがグループに応じた閾値の範囲の商品の組み合わせ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. ユーザをグループ分類する分類手順と、
    前記分類手順による分類結果に基づいて、複数商品の調和具合を示すスコアがグループに応じた閾値の範囲の商品の組み合わせを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