JP2024027669A - 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】属性が推測できない利用者の属性を推測することが可能な情報処理装置、情報処理方法、及び情報処理プログラムを提供することを目的とする。【解決手段】本願に係る情報処理装置は、利用者に関する情報を示す利用者情報と、利用者の検索履歴を含む行動情報を取得する取得部と、利用者情報と行動情報と利用者の特定の特徴との関係を学習させた複数のモデルを記憶するモデル記憶部と、複数のモデルを用いて利用者ごとに特定の特徴についての指標を算出する算出部と、算出部が特定の特徴に関する指標を算出した利用者に対して、特定の特徴に関係する質問を行う質問部と、複数のモデルごとに指標の値が所定の範囲の値に算出された利用者を抽出する抽出部と、抽出部が抽出した利用者の利用者情報と、行動情報を複数のモデルに入力して、指標の値が所定の範囲の値に算出されたモデルを特定する特定部と、を備える。【選択図】図３

Description

本開示は、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。

情報の配信先となる利用者の属性を示す属性情報を配信先情報として予め登録しておき、配信先となる利用者の属性情報と対応する広告を選択的に配信するターゲティング配信が行われている。

例えば、広告と属性情報との見かけ上の関連性の程度、及び複数の広告と属性情報との平均的な関連性の程度に基づいて、広告と属性情報との真の関連性を算出する技術が下記の特許文献１に開示されている。

特開２０１５－１９５６号公報

利用者の属性情報を推測する場合に、属性が推測できない利用者が含まれる場合があった。このような場合、利用者の属性に基づいて、広告配信を希望する事業者のニーズを満たすことができない。そのため、属性が推測できない利用者の属性を推測することが求められていた。

本開示は上記の課題を鑑み、属性が推測できない利用者の属性を推測することが可能な情報処理装置、情報処理方法、及び情報処理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、本開示に係る情報処理装置は、利用者に関する情報を示す利用者情報と、利用者の検索履歴を含む行動情報と、を取得する取得部と、前記利用者情報と前記行動情報と利用者の特定の特徴との関係を学習させた複数のモデルを記憶するモデル記憶部と、前記複数のモデルを用いて利用者ごとに特定の特徴についての指標を算出する算出部と、前記算出部が特定の特徴に関する指標を算出した利用者に対して、特定の特徴に関係する質問を行う質問部と、前記複数のモデルごとに前記指標の値が所定の範囲の値に算出された利用者を抽出する抽出部と、前記抽出部が抽出した利用者の利用者情報と、行動情報を複数のモデルに入力して、前記指標の値が所定の範囲の値に算出されたモデルを特定する特定部と、を備える。

実施形態の一態様によれば、属性が推測できない利用者の属性を推測することが可能な情報処理装置、情報処理方法、及び情報処理プログラムを提供することができる。

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システムの構成例を示す図である。 図３は、実施形態に係る情報処理装置の構成例を示す図である。 図４は、実施形態に係る情報処理装置の利用者情報記憶部に記憶される情報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行動情報記憶部に記憶される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モデル記憶部に記憶される情報の一例を示す図である。 図７は、実施形態に係る利用者端末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の一例を示すフローチャートである。 図９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」と記載する。）について図面を参照しつつ詳細に説明する。なお、この実施形態により本願に係る情報処理装置、情報処理方法、及び情報処理プログラムが限定されるものではない。

（実施形態）
〔１－１．実施形態に係る情報処理の一例〕
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。まず、実施形態に係る情報処理の概要を説明した後に、個々の処理を詳細に説明する。

図１では、情報処理装置１００が、複数の利用者端末２００から利用者情報と行動情報とを取得し、取得した利用者情報と行動情報を複数のモデルに入力し、特定の特徴についての指標を算出し、利用者に特定の特徴に関係する質問を行い、複数のモデルごとに指標の値が所定の範囲の利用者を抽出し、抽出した利用者の利用者情報と行動情報を用いて特定の特徴の指標を算出し、指標が所定の範囲の値に算出されたモデルを特定する処理が示されている。以下、図１を用いて、実施形態に係る情報処理の一例についてステップごとに詳細に説明する。

まず、情報処理装置１００は、複数の利用者端末２００から利用者情報と行動情報とを取得する（ステップＳ１）。例えば、情報処理装置１００は、図１に示すように、利用者Ｕ１からＵ６の利用者端末２００Ａから２００Ｆから利用者情報と行動情報を取得する。なお、図１に示す利用者Ｕ１からＵ６、及び利用者端末２００Ａから２００Ｆは例示であって、情報処理装置１００はこれ以上の数の利用者の利用者端末２００から利用者情報と行動情報を取得してよい。

次に、情報処理装置１００は、複数のモデルを用いて、複数のモデルごとに特定の特徴についての指標を算出する（ステップＳ２）。なお、ここにおけるモデルとは、利用者情報と、行動情報と、利用者の特定の特徴に関する指標との関係を学習させたモデルのことを指している。モデルに利用者の利用者情報と行動情報を入力すると、利用者の特定の特徴に関する指標を０から１の値として出力する。また、ここにおける特定の特徴は、利用者の属性情報と言い換えることもでき、例えば、「眼鏡好き」や「本好き」などいった利用者の趣味嗜好や、利用者の特性などを指している。情報処理装置１００は、複数の利用者端末２００から取得した利用者情報と行動情報を、特定の特徴についての指標を算出する複数のモデルに入力し、モデルごとに利用者の特定の特徴についての指標を算出する。

次に、情報処理装置１００は、複数の利用者端末２００に対して、特定の特徴に関係する質問情報を送信する（ステップＳ３）。例えば、情報処理装置１００は、ステップＳ２において特定の特徴に関する指標を算出した複数の利用者の利用者端末２００に対して、特定の特徴としての「眼鏡好き」に該当するか否かに関する質問を択一式または入力式により質問する質問情報を送信し、質問情報を受信した複数の利用者端末２００が出力部２３０に質問情報を表示させることにより、ステップＳ３において特定の特徴に関する指標を算出した利用者に特定の特徴に該当するか否かについて質問してよい。

次に、情報処理装置１００は、複数の利用者端末２００から特定の特徴に関係する質問に対する回答情報を受け付ける（ステップＳ４）。例えば、情報処理装置１００は、利用者端末２００に表示された特定の特徴に関係する質問を確認した利用者Ｕが利用者端末２００の入力部２２０を介して入力した回答情報を利用者端末２００から受け付けてよい。この場合において、利用者Ｕが利用者端末２００の入力部２２０に入力する回答情報は、質問に対する回答を「はい」又は「いいえ」で表したものや、質問に対しての回答を文章で表したものであってよい。図１に示すように、情報処理装置１００は、複数の利用者端末２００から利用者Ｕが入力した回答情報を受け付ける。

次に、情報処理装置１００は、複数のモデルごとに指標の値が所定の範囲の値の利用者を抽出する（ステップＳ５）。例えば、情報処理装置１００は、複数のモデルごとに特定の特徴についての指標が０．０から０．４の範囲の値に算出された利用者を抽出してよい。なお、特定の特徴についての指標が低い値、例えば、０．０から０．４の範囲の値に算出された利用者は、特定の特徴を有していないと推定されたといえる。そのため、広告配信事業者が「眼鏡好き」などの属性を有する利用者を指定して広告配信を行いたいと考えた場合に、属性を推定できない利用者は広告配信の対象とはならないことから、利用者の属性を把握することが求められる。ステップＳ５においては、このような背景から特定の特徴についての指標が低く算出された利用者を抽出する。

次に、情報処理装置１００は、抽出した利用者の利用者情報と、行動情報を用いて、特定の特徴についての指標を算出し、指標が所定の範囲に算出されたモデルを特定する（ステップＳ６）。例えば、図１に示すように、情報処理装置１００は、ステップＳ５において抽出した利用者の利用者情報と、行動情報を、ステップＳ２において特定の特徴に関する指標の算出に用いたモデルＡからＢとは異なるモデルＤからＦを用いて、ステップＳ５において抽出した利用者の特定の特徴についての指標を算出してよい。そして、情報処理装置１００は、モデルＤからＦを用いて算出した利用者の特定の特徴についての指標が所定の範囲の値、例えば、０．８から１．０の範囲の値に算出されたモデルを特定する。モデルごとに定められる特定の特徴が異なることから、モデルを特定することにより、利用者が有する特定の特徴を把握することができる。

これにより、情報処理装置１００は、属性が推測できなかった利用者の属性を推測することが可能となる。そのため、広告配信事業者が特定の特徴を有する利用者に対象を絞って広告配信を行う場合に、特定の特徴を有する利用者を把握して、特定の特徴を有する利用者に対象を絞って広告配信を行うことができる。

〔１－２．実施形態に係る情報処理の他の例１〕
情報処理装置１００は、複数のモデルのカテゴリごとに、利用者の特定の特徴についての指標を算出し、複数のモデルのカテゴリごとに、利用者の指標の値が所定の範囲の利用者を抽出し、複数のモデルのカテゴリごとに、指標の値が所定の範囲の値に算出されたモデルを特定する。

この情報処理について順を追って説明する。まず、情報処理装置１００は、図１に示したステップＳ１と同じ処理を実行する。ステップＳ１の処理は、前述した処理と同じであるから説明を省略する。

次に、情報処理装置１００は、複数のモデルごとに特定の特徴に関する指標を算出する（ステップＳ２）。この場合、情報処理装置１００は、複数のモデルのカテゴリごとに、利用者の特定の特徴についての指標を算出する。ここで、モデルは前述した通り、利用者情報と、行動情報を入力すると、特定の特徴についての指標を算出するモデルである。特定の特徴は、「眼鏡好き」や「本好き」といった利用者の趣味嗜好や特性を示す。特定の特徴は、「ファッション」、「スポーツ」、「映画」などのカテゴリに分類されており、カテゴリごとに特定の特徴が複数、例えば、「ファッション」のカテゴリであれば、「眼鏡好き」、「帽子好き」、「ジャケット好き」などが定義されている。すなわち、この場合、情報処理装置１００は、例えば、カテゴリ「ファッション」に属する「眼鏡好き」、「帽子好き」、「ジャケット好き」などの特定の特徴に関する指標を算出する複数のモデルを用いて、カテゴリごとに利用者の特定の特徴についての指標を算出する。

次に、情報処理装置１００は、図１に示したステップＳ３からステップＳ４までの処理と同じ処理を実行する。ステップＳ３からステップＳ４までの処理は、前述した処理と同じであるから説明を省略する。

次に、情報処理装置１００は、モデルごとに指標の値が所定の範囲の利用者を抽出する（ステップＳ５）。この場合、情報処理装置１００は、複数のモデルのカテゴリごとに、利用者の特定の特徴についての指標の値が所定の範囲の利用者を抽出する。すなわち、ステップＳ２において、情報処理装置１００は、カテゴリごとに利用者の特定の特徴についての指標を算出していることから、カテゴリごとに利用者の特定の特徴についての指標の値が所定の範囲の値の利用者を抽出する。例えば、情報処理装置１００は、カテゴリ「ファッション」に属する特定の特徴「眼鏡好き」、「帽子好き」、「ジャケット好き」についての指標が、所定の範囲の値、例えば、０．０から０．４の範囲の値に算出された利用者を抽出する。

次に、情報処理装置１００は、抽出した利用者の利用者情報と、行動情報を用いて、特定の特徴についての指標を算出し、指標が所定の範囲の値に算出されたモデルを特定する（ステップＳ６）。この場合、情報処理装置１００は、ステップＳ５において抽出した利用者の利用者情報と、行動情報を用いて、複数のモデルのカテゴリごとに、特定の特徴についての指標を算出し、複数のモデルのカテゴリごとに、特定の特徴についての指標が所定の範囲の値に算出されたモデルを特定する。例えば、情報処理装置１００は、ステップＳ５において、カテゴリ「ファッション」に属する特定の特徴「眼鏡好き」、「帽子好き」、「ジャケット好き」のいずれの特定の特徴についての指標の値が所定の範囲の値、例えば、０．０から０．４の値に算出された利用者を抽出したとする。この場合、情報処理装置１００は、カテゴリ「ファッション」に属する特定の特徴「眼鏡好き」、「帽子好き」、「ジャケット好き」以外の特定の特徴についての指標を算出するモデルを用いて、抽出された利用者の特定の特徴についての指標を算出する。そして、情報処理装置１００は、算出された特定の特徴についての指標の値が、所定の範囲の値、例えば、０．８から１．０の値に算出されたモデルを特定する。モデルごとに特定の特徴が定められていることから、モデルを特定することにより、利用者が有する特徴を把握することができる。

これにより、カテゴリごとに属性が推測できない利用者の属性を推測することが可能となる。そのため、広告配信を希望する事業者の事業分野に属するカテゴリについて興味関心を持っている利用者を把握して、カテゴリごとに広告配信の対象となる利用者を把握することができる。

〔２．情報処理システムの構成〕
次に、図２を用いて実施形態に係る情報処理システムの構成について説明する。図２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に示すように、情報処理システム１は、情報処理装置１００と、利用者端末２００を含む。なお、図２に示した情報処理システム１は、複数台の情報処理装置１００や、複数台の利用者端末２００が含まれ構成されていてもよい。情報処理装置１００と、利用者端末２００は所定の通信網（ネットワークＮ）を介して、有線又は無線により通信可能に接続される。

情報処理装置１００は、例えばＰＣ（Ｐｅｒｓｏｎａｌ Ｃｏｍｐｕｔｅｒ）、ＷＳ（Ｗｏｒｋ Ｓｔａｔｉｏｎ）、サーバの機能を備えるコンピュータなどの情報処理装置であってよい。情報処理装置１００は、利用者端末２００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。

利用者端末２００は、利用者が利用する情報処理装置である。利用者端末２００は、例えば、スマートフォン、タブレット型端末、デスクトップ型ＰＣ、ノート型ＰＣ、携帯電話機、ＰＤＡ（Ｐｅｒｓｏｎａｌ Ｄｉｇｉｔａｌ Ａｓｓｉｓｔａｎｔ）等の情報処理装置であってよい。なお、図１に示す例においては、利用者端末２００がスマートフォンである場合を示している。

〔３．情報処理装置の構成〕
次に、図３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３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３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、図３に図示はしていないが、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について）
通信部１１０は、例えば、ＮＩＣ（Ｎｅｔｗｏｒｋ Ｉｎｔｅｒｆａｃｅ Ｃａｒｄ）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と有線または無線で接続され、利用者端末２００との間で情報の送受信を行う。

（記憶部１２０について）
記憶部１２０は、例えば、ＲＡＭ（Ｒａｎｄｏｍ Ａｃｃｅｓｓ Ｍｅｍｏｒｙ)、フラッシュメモリ（Ｆｌａｓｈ Ｍｅｍｏｒｙ）等の半導体メモリ素子、または、ハードディスク、ＳＳＤ（Ｓｏｌｉｄ Ｓｔａｔｅ Ｄｒｉｖｅ）、光ディスク等の記憶装置によって実現される。図３に示すように、記憶部１２０は、利用者情報記憶部１２１と、行動情報記憶部１２２と、モデル記憶部１２３を有する。

（利用者情報記憶部１２１について）
利用者情報記憶部１２１は、利用者に関する情報、すなわち、利用者情報を記憶する。利用者情報は、例えば、利用者が所定の情報サービスを利用する際に、情報サービスの提供事業者に提供する利用者に関する個人情報である。ここで、図４を用いて、利用者情報記憶部１２１が記憶する情報の一例を説明する。図４は、実施形態に係る情報処理装置の利用者情報記憶部に記憶される情報の一例を示す図である。

図４に示す例において、利用者情報記憶部１２１は、「利用者ＩＤ」、「生年月日」、「性別」、「職業」、という項目に係る情報を紐付けて記憶する。

「利用者ＩＤ」は、利用者を識別する識別子であり文字列や番号などによって表される。「生年月日」は、「利用者ＩＤ」に紐付けられた利用者の生年月日に関する情報である。「性別」は、「利用者ＩＤ」に紐付けられた利用者の性別に関する情報である。「職業」は、「利用者ＩＤ」に紐付けられた利用者の職業に関する情報である。

すなわち、図４においては、利用者ＩＤ「ＵＩＤ＃１」により識別された利用者の生年月日が「生年月日＃Ｕ１」であり、性別が「女性」であり、職業が「職業＃Ｕ１」であることを示している。

なお、利用者情報記憶部１２１に記憶される情報は、「利用者ＩＤ」、「生年月日」、「性別」、「職業」という項目に係る情報に限定されるものではなく、その他の任意の利用者の個人情報が記憶されてよい。

（行動情報記憶部１２２について）
行動情報記憶部１２２は、利用者の行動を示す情報、すなわち、行動情報を記憶する。行動情報とは、利用者の所定の情報サービスの利用によって生じる利用者の所定の情報サービスを用いた行動を示す情報である。ここで、図５を用いて、行動情報記憶部１２２が記憶する情報の一例を説明する。図５は、実施形態に係る情報処理装置の行動情報記憶部に記憶される情報の一例を示す図である。

図５に示す例において、行動情報記憶部１２２は、「利用者ＩＤ」、「検索履歴」、「閲覧履歴」、「購入履歴」、「路線検索履歴」、「掲示板投稿履歴」という項目に係る情報を紐付けて記憶する。

「利用者ＩＤ」は、利用者を識別する識別子であり文字列や番号などによって表される。「検索履歴」は、「利用者ＩＤ」に紐付けられた利用者が検索に使用した検索クエリと入力時刻とを含む情報である。「閲覧履歴」は、「利用者ＩＤ」に紐付けられた利用者の閲覧サイトと閲覧時刻とを含む情報である。「購入履歴」は、「利用者ＩＤ」に紐付けられた利用者のインターネット通信販売サイトや所定のサービス契約サイトなどにおける購入商品、又は購入サービスと購入時刻とを含む情報である。「路線検索履歴」は、「利用者ＩＤ」に紐付けられた利用者の路線検索結果と検索時刻とを含む情報である。「掲示板投稿履歴」は、「利用者ＩＤ」に紐付けられた利用者の掲示板投稿と投稿時刻とを含む情報である。

すなわち、図５においては、利用者ＩＤ「ＵＩＤ＃１」により識別された利用者の検索履歴が「検索履歴＃Ｕ１」であり、利用者の閲覧履歴が「閲覧履歴＃Ｕ１」であり、購入履歴が「購入履歴＃Ｕ１」であり、路線検索履歴が「路線検索履歴＃Ｕ１」であり、掲示板投稿履歴が「掲示板投稿履歴＃Ｕ１」であることを示している。

なお、行動情報記憶部１２２に記憶される情報は、「利用者ＩＤ」、「検索履歴」、「閲覧履歴」、「購入履歴」、「路線検索履歴」、「掲示板投稿履歴」という項目に係る情報に限定されるものではなく、その他の任意の利用者の行動に関係する情報が記憶されてよい。

（モデル記憶部１２３について）
モデル記憶部１２３は、利用者情報と行動情報と利用者の特定の特徴との関係を学習させた複数のモデルを記憶する。なお、モデルに利用者情報と行動情報を入力すると特定の特徴についての指標を算出する。図６は、実施形態に係る情報処理装置のモデル記憶部に記憶される情報の一例を示す図である。

図６に示す例において、モデル記憶部１２３は、「モデルＩＤ」、「モデルデータ」という項目に係る情報を紐付けて記憶する。

「モデルＩＤ」は、機械学習モデルを識別する識別子であり文字列や番号などによって表される。「モデルデータ」は、機械学習モデルのモデルデータを示す。例えば、機械学習モデルは、ニューラルネットワークなどであってよい。

すなわち、図６において、モデルＩＤ「Ｍ＃１」で識別されるモデルは、機械学習モデルＭ＃１を示す。また、モデルデータ「ＭＤＴ＃１」は、機械学習モデルＭ＃１のモデルデータを示す。

ここで、機械学習モデルがニューラルネットワークである場合は、モデルデータ「ＭＤＴ＃１」には、例えば、ニューラルネットワークを構成する複数の層のそれぞれに含まれるノードが互いにどのように結合するかという結合情報や、結合されたノード間で入出力される数値に掛け合わされる結合係数などの各種情報が含まれる。

なお、モデル記憶部１２３は、「モデルＩＤ」、「モデルデータ」という項目に係る情報に限定されることなく、その他の任意の機械学習モデルに関係する情報が記憶されてよい。また、モデル記憶部１２３は、モデルを特定の特徴のカテゴリごとに、記憶してもよいし、モデルにカテゴリ情報を紐付けておき、カテゴリによってモデルを検索可能としてもよい。

（制御部１３０について）
次に、図３に戻って、制御部１３０について説明する。制御部１３０は、ＣＰＵ（Ｃｅｎｔｒａｌ Ｐｒｏｃｅｓｓｉｎｇ Ｕｎｉｔ）やＭＰＵ（Ｍｉｃｒｏ Ｐｒｏｃｅｓｓｉｎｇ Ｕｎｉｔ）等によって、情報処理装置１００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、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てもよい。

図３に示すように、制御部１３０は、取得部１３１と、算出部１３２と、質問部１３３と、抽出部１３４と、特定部１３５を有する。

（取得部１３１について）
取得部１３１は、利用者に関する情報を示す利用者情報と、利用者の行動を示す行動情報と、を取得する。ここで、利用者情報は、利用者に関する情報であって、例えば、利用者が所定の情報サービスを利用する際に、情報サービスの提供事業者に提供する情報である。また、行動情報は、利用者の所定の情報サービスの利用によって生じる利用者の所定の情報サービスを用いた行動を示す情報である。取得部１３１は、利用者情報を取得したら、取得した利用者情報を利用者情報記憶部１２１に記憶する。取得部１３１は、行動情報を取得したら、取得した行動情報を行動情報記憶部１２２に記憶する。なお、取得部１３１は、所定日時ごとに利用者情報と、行動情報とのうちのいずれか一方又は両方を取得してもよいし、利用者が情報処理装置１００にアクセスする度に利用者情報と、行動情報とのうちのいずれか一方又は両方を取得してもよい。

また、取得部１３１が利用者情報と行動情報とを取得する取得元は、利用者端末２００に限定されるものではなく、検索サービスや、ショッピングサービス、決済サービス、路線検索サービス、地図提供サービス、旅行サービス、飲食店紹介サービス、天気予報サービス、スケジュール管理サービス、ニュース提供サービス、オークションサービス、動画コンテンツ配信サービス、金融取引（株取引等）サービスといった各種情報サービスを提供するその他のサーバ装置から取得してもよいし、外部の記憶媒体から取得してもよい。

（算出部１３２について）
算出部１３２は、複数のモデルを用いてモデルごとに利用者の特定の特徴についての指標を算出する。算出部１３２は、利用者情報と、行動情報とを入力すると、特定の特徴についての指標を算出するモデルに、利用者情報と行動情報とを入力することによって、利用者の特定の特徴についての指標をモデルごとに算出する。なお、指標の算出に使用するモデルは、モデル記憶部１２３から読み出して使用し、算出部１３２はモデルごとに利用者の特定の特徴についての指標を算出する。また、算出部１３２が利用者の特定の特徴についての指標の算出に使用するモデルの数は任意の数であってよい。

また、算出部１３２は、複数のモデルのカテゴリごとに、利用者の特定の特徴についての指標を算出してもよい。特定の特徴は、「ファッション」、「スポーツ」、「映画」などのカテゴリに分類されており、カテゴリごとに特定の特徴が複数定義されている。例えば、算出部１３２は、カテゴリ「ファッション」に属する「眼鏡好き」、「帽子好き」、「ジャケット好き」などの特定の特徴に関する指標を算出する複数のモデルを用いて、複数のモデルに利用者の利用者情報と、行動情報とを入力することによって、カテゴリごとに利用者の特定の特徴についての指標を算出してよい。

（質問部１３３について）
質問部１３３は、特定の特徴に関する指標を算出した利用者に対して、特定の特徴に関係する質問を行う。図１に示したように算出部１３２は、利用者ごとに特定の特徴に関する指標を算出することから、質問部１３３は、算出部１３２が特定の特徴に関する指標を算出した利用者に対して、特定の特徴に関係する質問を行う。例えば、質問部１３３は、算出部１３２が特定の特徴に関する指標を算出した複数の利用者の利用者端末２００に対して、特定の特徴としての「眼鏡好き」に該当するか否かに関する質問を択一式または入力式により質問する質問情報を送信することにより、利用者に対して特定の特徴に関する質問を行ってよい。また、この場合において、質問部１３３は、質問情報を受信した複数の利用者端末２００が出力部２３０に質問情報を表示させて、利用者端末２００に表示された特定の特徴に関係する質問を確認した利用者Ｕが利用者端末２００の入力部２２０を介して入力した回答情報を利用者端末２００から受け付けてよい。

（抽出部１３４について）
抽出部１３４は、複数のモデルごとに指標の値が所定の範囲の値に算出された利用者を抽出する。例えば、抽出部１３４は、複数のモデルごとに特定の特徴についての指標が０．０から０．４の値の範囲に算出された利用者を抽出してよい。また、抽出部１３４は、複数のモデルにおいて共通して、指標の値が所定の範囲に算出された利用者を抽出してもよい。例えば、利用者Ｕ１の利用者情報と行動情報をモデルＡに入力して指標を算出した場合に、指標の値が０．２と算出され、モデルＢを用いて指標を算出した場合に、指標の値が０．４、モデルＣを用いて指標を算出した場合に、指標の値が０．３と算出された場合であれば、利用者Ｕ１はモデルＡ、モデルＢ、モデルＣの３つモデルにより、指標の値が０．０から０．４の値の範囲に算出されたことになる。そのため、この場合、抽出部１３４は、利用者Ｕ１を複数のモデルを用いても指標の値が所定の範囲の値に算出され、特徴が推定できなかった利用者として抽出してよい。

また、抽出部１３４は、複数のモデルのカテゴリごとに、利用者の指標の値が所定の範囲の利用者を抽出してもよい。算出部１３２が、カテゴリごとに利用者の特定の特徴についての指標を算出した場合、抽出部１３４は、カテゴリごとに利用者の特定の特徴についての指標の値が所定の範囲の値の利用者を抽出してよい。例えば、抽出部１３４は、算出部１３２がカテゴリ「ファッション」に属する特定の特徴「眼鏡好き」、「帽子好き」、「ジャケット好き」のいずれについての指標も、所定の範囲の値、例えば、０．０から０．４の範囲の値として算出した利用者を抽出する。

（特定部１３５について）
特定部１３５は、抽出部１３４が抽出した利用者の利用者情報と、行動情報を複数のモデルに入力して、指標の値が所定の範囲の値に算出されたモデルを特定する。例えば、特定部１３５は、抽出部１３４が抽出した利用者の利用者情報と、行動情報を、算出部１３２が利用者の特定の特徴に関する指標の算出に用いたモデルとは異なるモデルを用いて、抽出した利用者の特定の特徴についての指標を算出してよい。特定部１３５は、算出部１３２が指標の算出に用いたモデルとは異なるモデルを用いて算出した利用者の特定の特徴についての指標が所定の範囲の値、例えば、０．８から１．０の範囲の値に算出されたモデルを特定する。ここで、モデルごとに定められる特定の特徴が異なることから、モデルを特定することにより、利用者が有する特定の特徴を把握することができる。

また、特定部１３５は、複数のモデルのカテゴリごとに、指標の値が所定の範囲の値に算出されたモデルを特定してよい。例えば、抽出部１３４が、カテゴリ「ファッション」に属する特定の特徴「眼鏡好き」、「帽子好き」、「ジャケット好き」のいずれの指標の値についても所定の範囲の値、例えば、０．０から０．４の値に算出された利用者を抽出したとする。この場合、特定部１３５は、カテゴリ「ファッション」に属する特定の特徴「眼鏡好き」、「帽子好き」、「ジャケット好き」以外の特定の特徴についての指標を算出するモデルを用いて、抽出された利用者の特定の特徴についての指標を算出する。そして、特定部１３５は、算出された特定の特徴についての指標の値が、所定の範囲の値、例えば、０．８から１．０の値に算出されたモデルを特定する。モデルごとに特定の特徴が定められていることから、モデルを特定することにより、利用者が有する特徴を把握することができる。

なお、ここで、利用者の特定の特徴についての指標を算出するモデルが当該指標の値を低く算出する、すなわち、利用者の特徴を推定できない原因としては、例えば、特定のアニメの特徴量を使用することによる特徴量の被りや、特定のカテゴリに属するモデルによる推定の場合や、モデルの学習に用いるデータの量が少ない場合や、検索クエリを特徴量に用いた場合や、モデルの学習に用いるデータを平均処理や分散処理した場合や、特殊なニューラルネットワークを用いた場合などが例として挙げられる。

〔４．利用者端末の構成〕
次に、図７を用いて、実施形態に係る利用者端末２００の構成について説明する。図７は、実施形態に係る利用者端末の構成例を示す図である。図７に示すように、利用者端末２００は、通信部２１０と、入力部２２０と、出力部２３０と、制御部２４０と、を有する。

通信部２１０は、例えば、ＮＩＣ等によって実現される。そして、通信部２１０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、情報処理装置１００との間で各種の情報の送受信を行う。

入力部２２０は、利用者から各種の操作情報が入力される。例えば、入力部２２０は、タッチパネルにより表示面（例えば出力部２３０）を介して利用者からの各種操作を受け付けてもよい。また、入力部２２０は、利用者端末２００に設けられたボタンや、利用者端末２００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２３０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型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。つまり、利用者端末２００は、入力部２２０がタッチパネルである場合は、出力部２３０である表示画面により利用者の入力を受け付け、利用者への出力も行う。また、出力部２３０は、スピーカーであり、スピーカーにより音声を出力してよい。

制御部２４０は、例えば、ＣＰＵやＭＰＵ等によって、利用者端末２００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２４０は、例えば、ＡＳＩＣやＦＰＧＡ等の集積回路により実現されてもよい。

図７に示すように、制御部２４０は、受付部２４１を有する。

受付部２４１は、利用者から質問に対する回答を受け付ける。受付部２４１は、情報処理装置１００から送信された質問情報を、通信部２１０を介して受信し、質問情報を出力部２３０に表示させて利用者から質問に対する回答を、入力部２２０を介して受け付ける。なお、受付部２４１が受け付ける回答情報には、質問情報に含まれる質問に対して利用者が回答した「はい」、又は「いいえ」や、質問に対する回答を文章で表したものが含まれていてよい。

〔５．情報処理のフロー〕
次に、図８を用いて、実施形態に係る情報処理装置１００による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処理の一例を示すフローチャートである。例えば、情報処理装置１００は、利用者に関する情報を示す利用者情報と、利用者の検索履歴を含む行動情報と、を取得する（ステップＳ１０１）。そして、情報処理装置１００は、利用者情報と行動情報と利用者の特定の特徴との関係を学習させた複数のモデルを記憶する（ステップＳ１０２）。そして、情報処理装置１００は、複数のモデルを用いて利用者ごとに特定の特徴についての指標を算出する（ステップＳ１０３）。そして、情報処理装置１００は、特定の特徴に関する指標を算出した利用者に対して、特定の特徴に関係する質問を行う（ステップＳ１０４）。そして、情報処理装置１００は、複数のモデルごとに指標の値が所定の範囲の利用者を抽出する（ステップＳ１０５）。そして、情報処理装置１００は、抽出した利用者の利用者情報と、行動情報をモデルに入力して、指標の値が所定の範囲の値に算出されたモデルを特定する（ステップＳ１０６）。

〔６．ハードウェア構成〕
また、上述した実施形態に係る情報処理装置１００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。図９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。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ＩＦ（Ｉｎｔｅｒｆａｃｅ）１０６０、入力ＩＦ１０７０、ネットワークＩＦ１０８０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。一次記憶装置１０４０は、ＲＡＭ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記憶される記憶装置であり、ＲＯＭ(Ｒｅａｄ Ｏｎｌｙ Ｍｅｍｏｒｙ)、ＨＤＤ（Ｈａｒｄ Ｄｉｓｋ Ｄｒｉｖｅ）、フラッシュメモリ等により実現される。

出力ＩＦ１０６０は、モニタやプリンタ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フェースであり、例えば、ＵＳＢ（Ｕｎｉｖｅｒｓａｌ Ｓｅｒｉａｌ Ｂｕｓ）やＤＶＩ（Ｄｉｇｉｔａｌ Ｖｉｓｕａｌ Ｉｎｔｅｒｆａｃｅ）、ＨＤＭＩ（登録商標）（Ｈｉｇｈ Ｄｅｆｉｎｉｔｉｏｎ Ｍｕｌｔｉｍｅｄｉａ Ｉｎｔｅｒｆａｃｅ）といった規格のコネクタにより実現される。また、入力ＩＦ１０７０は、マウス、キーボード、およ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フェースであり、例えば、ＵＳＢ等により実現される。

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、また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。また、入力装置１０２０は、ＵＳＢメモリ等の外付け記憶媒体であってもよい。

ネットワークＩＦ１０８０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ＩＦ１０６０や入力ＩＦ１０７０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が情報処理装置１００として機能する場合、コンピュータ１０００の演算装置１０３０は、一次記憶装置１０４０上にロードされたプログラムを実行することにより、情報処理装置１００の制御部１３０の機能を実現する。

〔７．構成と効果〕
本開示に係る情報処理装置１００は、利用者に関する情報を示す利用者情報と、利用者の検索履歴を含む行動情報を取得する取得部１３１と、利用者情報と行動情報と利用者の特定の特徴との関係を学習させた複数のモデルを記憶するモデル記憶部１２３と、複数のモデルを用いて利用者ごとに特定の特徴についての指標を算出する算出部１３２と、算出部１３２が特定の特徴に関する指標を算出した利用者に対して、特定の特徴に関係する質問を行う質問部１３３と、複数のモデルごとに指標の値が所定の範囲の値に算出された利用者を抽出する抽出部１３４と、抽出部１３４が抽出した利用者の利用者情報と、行動情報を複数のモデルに入力して、指標の値が所定の範囲の値に算出されたモデルを特定する特定部１３５と、を備える。

この構成によれば、属性が推定できない利用者の属性を推定することが可能となる。そのため、蓄積された利用者情報と行動情報を有効に活用して、特定の特徴を有する利用者を対象として広告配信を希望する事業者のニーズを満たすことができる。

本開示に係る情報処理装置１００の算出部１３２は、複数のモデルのカテゴリごとに、利用者の特定の特徴についての指標を算出し、抽出部１３４は、複数のモデルのカテゴリごとに、利用者の指標の値が所定の範囲の利用者を抽出し、特定部１３５は、複数のモデルのカテゴリごとに、指標の値が所定の範囲の値に算出されたモデルを特定する。

この構成によれば、カテゴリごとに属性が推定できない利用者を抽出して、カテゴリごとに利用者の属性を推定することができる。そのため、広告配信を希望する事業者が特定のカテゴリに属する利用者の特徴を指定して広告配信を希望する場合の事業者のニーズを満たすことができる。

本開示に係る情報処理方法は、利用者に関する情報を示す利用者情報と、利用者の検索履歴を含む行動情報を取得するステップと、利用者情報と行動情報と利用者の特定の特徴との関係を学習させた複数のモデルを記憶するステップと、複数のモデルを用いて利用者ごとに特定の特徴についての指標を算出するステップと、特定の特徴に関する指標を算出した利用者に対して、特定の特徴に関係する質問を行うステップと、複数のモデルごとに前記指標の値が所定の範囲の値に算出された利用者を抽出するステップと、抽出した利用者の利用者情報と、行動情報をモデルに入力して、前記指標の値が所定の範囲の値に算出されたモデルを特定するステップと、を含む。

この構成によれば、特徴が把握できない利用者の特徴を把握することが可能となる。そのため、蓄積された利用者情報と行動情報を有効に活用して、特定の特徴を有する利用者を対象として広告配信を希望する事業者のニーズを満たすことができる。

本開示に係る情報処理プログラムは、利用者に関する情報を示す利用者情報と、利用者の検索履歴を含む行動情報を取得するステップと、利用者情報と行動情報と利用者の特定の特徴との関係を学習させた複数のモデルを記憶するステップと、複数のモデルを用いて利用者ごとに特定の特徴についての指標を算出するステップと、特定の特徴に関する指標を算出した利用者に対して、特定の特徴に関係する質問を行うステップと、複数のモデルごとに前記指標の値が所定の範囲の値に算出された利用者を抽出するステップと、抽出した利用者の利用者情報と、行動情報をモデルに入力して、指標の値が所定の範囲の値に算出されたモデルを特定するステップと、をコンピュータに実行させる。

この構成によれば、属性が把握できない利用者の属性を把握することが可能となる。そのため、蓄積された利用者情報と行動情報を有効に活用して、特定の特徴を有する利用者を対象として広告配信を希望する事業者のニーズを満たすことができる。

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１３１は、取得手段や取得回路に読み替えることができる。

１００ 情報処理装置
１１０ 通信部
１２０ 記憶部
１２１ 利用者情報記憶部
１２２ 行動情報記憶部
１２３ モデル記憶部
１３０ 制御部
１３１ 取得部
１３２ 算出部
１３３ 質問部
１３４ 抽出部
１３５ 特定部
２００ 利用者端末
２１０ 通信部
２２０ 入力部
２３０ 出力部
２４０ 制御部
２４１ 受付部
Ｎ ネットワーク

Claims (4)

1. 利用者に関する情報を示す利用者情報と、利用者の検索履歴を含む行動情報を取得する取得部と、
   前記利用者情報と前記行動情報と利用者の特定の特徴との関係を学習させた複数のモデルを記憶するモデル記憶部と、
   前記複数のモデルを用いて利用者ごとに特定の特徴についての指標を算出する算出部と、
   前記算出部が特定の特徴に関する指標を算出した利用者に対して、特定の特徴に関係する質問を行う質問部と、
   前記複数のモデルごとに前記指標の値が所定の範囲の値に算出された利用者を抽出する抽出部と、
   前記抽出部が抽出した利用者の利用者情報と、行動情報を複数のモデルに入力して、前記指標の値が所定の範囲の値に算出されたモデルを特定する特定部と、を備える、
   情報処理装置。
2. 前記算出部は、前記複数のモデルのカテゴリごとに、利用者の特定の特徴についての指標を算出し、
   前記抽出部は、前記複数のモデルのカテゴリごとに、利用者の前記指標の値が所定の範囲の利用者を抽出し、
   前記特定部は、前記複数のモデルのカテゴリごとに、前記指標の値が所定の範囲の値に算出されたモデルを特定する、
   請求項１に記載の情報処理装置。
3. 利用者に関する情報を示す利用者情報と、利用者の検索履歴を含む行動情報を取得するステップと、
   前記利用者情報と前記行動情報と利用者の特定の特徴との関係を学習させた複数のモデルを記憶するステップと、
   前記複数のモデルを用いて利用者ごとに特定の特徴についての指標を算出するステップと、
   特定の特徴に関する指標を算出した利用者に対して、特定の特徴に関係する質問を行うステップと、
   前記複数のモデルごとに前記指標の値が所定の範囲の値に算出された利用者を抽出するステップと、
   抽出した利用者の利用者情報と、行動情報をモデルに入力して、前記指標の値が所定の範囲の値に算出されたモデルを特定するステップと、を含む、
   情報処理方法。
4. 利用者に関する情報を示す利用者情報と、利用者の検索履歴を含む行動情報を取得するステップと、
   前記利用者情報と前記行動情報と利用者の特定の特徴との関係を学習させた複数のモデルを記憶するステップと、
   前記複数のモデルを用いて利用者ごとに特定の特徴についての指標を算出するステップと、
   特定の特徴に関する指標を算出した利用者に対して、特定の特徴に関係する質問を行うステップと、
   前記複数のモデルごとに前記指標の値が所定の範囲の値に算出された利用者を抽出するステップと、
   抽出した利用者の利用者情報と、行動情報をモデルに入力して、前記指標の値が所定の範囲の値に算出されたモデルを特定するステップと、
   をコンピュータに実行させる情報処理プログラム。

Images