JP2024047941A - 情報処理装置、情報処理方法、および情報処理プログラム - Google Patents

Abstract

【課題】ユーザ間の社会的関係性を考慮してレコメンデーションユーザを決定する。【解決手段】情報処理装置は、ウェブサービス上における複数のユーザによるユーザアクションを検出し、該ユーザアクションに基づいて、該ウェブサービス上に存在するエンティティ間の該ウェブサービス上の関係性を示す第１グラフを作成し、該複数のユーザのユーザ特徴に基づいて、該複数のユーザ間の社会的関係性を示す第２グラフを作成し、該第１グラフと該第２グラフに基づいて、該複数のユーザのうちの対象ユーザに対するレコメンデーションユーザを決定する。【選択図】図９

Description

本発明は、情報処理装置、情報処理方法、および情報処理プログラムに関し、特に、レコメンデーションユーザを決定するための技術に関連する。

ネットワーク上での仮想空間におけるユーザ間の交流を支援するサービスとして、ソーシャルネットワーキングサービス（ＳＮＳ）が知られている。
ＳＮＳでは、対象ユーザと繋がりを有する他のユーザが、レコメンデーションユーザとして当該対象ユーザに提示される（ユーザレコメンデーション）。これにより、対象ユーザは、新たなユーザとの繋がりを構築し、交友関係を拡大することが可能となる。

ユーザレコメンデーションの手法として、一般的に、対象ユーザと共通の興味や共通の友人を有する他のユーザが、レコメンデーションユーザとして当該対象ユーザに提示される。また、興味については、共通の趣味だけでなく、傾向が類似する趣味を有するユーザも、レコメンデーションユーザとして選定されうる。例えば、特許文献１では、対象ユーザと興味の傾向が類似する他のユーザをレコメンデーションユーザ（推薦ユーザ）として選定し、当該レコメンデーションユーザに関する情報を当該対象ユーザに提供することが開示されている。

特開２０１６－１８１０５６号公報

前述のように、従来のＳＮＳでは、対象ユーザと共通または類似する興味や共通の友人を有する他のユーザが、当該対象ユーザに対するレコメンデーションユーザとして選定されている。しかしながら、従来のＳＮＳでは、レコメンデーションユーザを選定する際に、家族やきょうだいといった、ユーザ間の社会的関係性は考慮されていない。よって、従来のＳＮＳでは、対象ユーザと多様な繋がりを有するユーザがレコメンデーションユーザとして十分に選定されているとは言えなかった。また、ＳＮＳに限らず、レコメンデーションユーザを提供可能な他のウェブサービスにおいても同様な課題が生じうる。

本発明は上記課題に鑑みてなされたものであり、ユーザ間の社会的関係性を考慮してレコメンデーションユーザを決定するための仕組みを提供することを目的とする。

上記課題を解決するために、本発明による情報処理装置の一態様は、ウェブサービス上における複数のユーザによるユーザアクションを検出する検出手段と、前記ユーザアクションに基づいて、前記ウェブサービス上に存在するエンティティ間の前記ウェブサービス上の関係性を示す第１グラフを作成する第１グラフ作成手段と、前記複数のユーザのユーザ特徴に基づいて、前記複数のユーザ間の社会的関係性を示す第２グラフを作成する第２グラフ作成手段と、前記第１グラフと前記第２グラフに基づいて、前記複数のユーザのうちの対象ユーザに対するレコメンデーションユーザを決定する決定手段と、を有する。

上記課題を解決するために、本発明による情報処理方法の一態様は、ウェブサービス上における複数のユーザによるユーザアクションを検出する検出工程と、前記ユーザアクションに基づいて、前記ウェブサービス上に存在するエンティティ間の前記ウェブサービス上の関係性を示す第１グラフを作成する第１グラフ作成工程と、前記複数のユーザのユーザ特徴に基づいて、前記複数のユーザ間の社会的関係性を示す第２グラフを作成する第２グラフ作成工程と、前記第１グラフと前記第２グラフに基づいて、前記複数のユーザのうちの対象ユーザに対するレコメンデーションユーザを決定する決定工程と、含む。

上記課題を解決するために、本発明による情報処理プログラムの一態様は、情報処理をコンピュータに実行させるための情報処理プログラムであって、該プログラムは、前記コンピュータに、ウェブサービス上における複数のユーザによるユーザアクションを検出する検出処理と、前記ユーザアクションに基づいて、前記ウェブサービス上に存在するエンティティ間の前記ウェブサービス上の関係性を示す第１グラフを作成する第１グラフ作成処理と、前記複数のユーザのユーザ特徴に基づいて、前記複数のユーザ間の社会的関係性を示す第２グラフを作成する第２グラフ作成処理と、前記第１グラフと前記第２グラフに基づいて、前記複数のユーザのうちの対象ユーザに対するレコメンデーションユーザを決定する決定処理と、を含む処理を実行させるためのものである。

本発明によれば、ユーザ間の社会的関係性を考慮してレコメンデーションユーザを決定するための仕組みが提供される。
上記した本発明の目的、態様および効果並びに上記されなかった本発明の目的、態様および効果は、当業者であれば添付図面および請求の範囲の記載を参照することにより下記の発明を実施するための形態から理解できるであろう。

図１は、情報処理システムの構成例を示す。 図２は、実施形態による情報処理装置１０の機能構成例を示す。 図３Ａは、ＳＮＳ関係情報の概念図を示す。 図３Ｂは、ＳＮＳグラフにおける明示的リンクと暗示的リンクを説明するための図である。 図３Ｃは、ＳＮＳグラフの概念図を示す。 図４Ａは、ショッピングＳＮＳの画面の一例を示す。 図４Ｂは、ショッピングＳＮＳ画面において選択されたアイテムに関する画面の一例を示す。 図４Ｃは、対象ユーザのショッピングＳＮＳのホーム画面の一例を示す。 図５は、ソーシャルグラフの作成処理のフローチャートを示す。 図６Ａは、ソーシャルグラフにおける明示的リンクを説明するための図である。 図６Ｂは、ソーシャルグラフにおける暗示的リンクを説明するための図である。 図７Ａは、リンク間の関係性の推論処理を説明するための図である。 図７Ｂは、ペアをクラスタへグループ化する処理の一例のフローチャートを示す。 図８Ａは、ユーザペアに対する関係性の親密度に基づく親密度スコアの概念図を示す。 図８Ｂは、スコア予測モデル１１２の概略アーキテクチャを示す。 図８Ｃは、ソーシャルグラフの概念図を示す。 図９は、レコメンデーション決定処理を説明するための図である。 図１０は、情報処理装置１０により実行される全体の処理のフローチャートを示す。 図１１は、情報処理装置１０とユーザ装置１１のハードウェア構成例を示す。

以下、添付図面を参照して、本発明を実施するための実施形態について詳細に説明する。以下に開示される構成要素のうち、同一機能を有するものには同一の符号を付し、その説明を省略する。なお、以下に開示される実施形態は、本発明の実現手段としての一例であり、本発明が適用される装置の構成や各種条件によって適宜修正または変更されるべきものであり、本発明は以下の実施形態に限定されるものではない。また、本実施形態で説明されている特徴の組み合わせの全てが本発明の解決手段に必須のものとは限らない。

［情報処理システムの構成例］
図１に、本実施形態による情報処理システムの構成例を示す。本情報処理システムは、その一例として、図１に示すように、情報処理装置１０と、任意の複数のユーザ１～Ｎにより使用される複数のユーザ装置１１－１～１１－Ｎ（Ｎ＞１）を含んで構成される。なお、以下の説明において、特に説明がない限り、ユーザ装置１１－１～１１－Ｎをユーザ装置１１と総称しうる。また、以下の説明において、ユーザ装置とユーザという語は同義に使用されうる。

ユーザ装置１１は、例えば、スマートフォンやタブレットといったデバイスであり、ＬＴＥ（Ｌｏｎｇ Ｔｅｒｍ Ｅｖｏｌｕｔｉｏｎ）等の公衆網や、無線ＬＡＮ（Ｌｏｃａｌ Ａｒｅａ Ｎｅｔｗｏｒｋ）等の無線通信網を介して、情報処理装置１０と通信可能に構成されている。ユーザ装置１１は、液晶ディスプレイ等の表示部（表示面）を有し、各ユーザは、当該液晶ディスプレイに装備されたＧＵＩ（Ｇｒａｐｈｉｃ Ｕｓｅｒ Ｉｎｔｅｒｆａｃｅ）により各種操作を行うことができる。当該操作は、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、画面に表示された画像等のコンテンツに対する各種の操作を含む。
なお、ユーザ装置１１は、図１に示すような形態のデバイスに限らず、デスクトップ型のＰＣ（Ｐｅｒｓｏｎａｌ Ｃｏｍｐｕｔｅｒ）や、ノート型のＰＣといったデバイスであってもよい。その場合、各ユーザによる操作は、マウスやキーボードといった入力装置を用いて行われうる。また、ユーザ装置１１は、表示面を別に備えてもよい。

ユーザ装置１１は、情報処理装置１０から、または、不図示の他の装置から情報処理装置１０を介して提供されるウェブサービス（インターネット関連サービス）を利用することができる。当該ウェブサービスは、ソーシャルネットワーキングサービス（ＳＮＳ）を含む。ＳＮＳは、ネットワーク上での仮想空間においてユーザがコミュニケーションをとることが可能なオンラインサービスである。また、当該ウェブサービスは、オンラインモールやネットスーパー、あるいは、通信、金融、不動産、スポーツ、旅行に関するサービスを含むことができる。これらのウェブサービスは、例えば、情報処理装置１０や他の装置から提供されるＡＰＩ（Ａｐｐｌｉｃａｔｉｏｎ Ｐｒｏｇｒａｍｍｉｎｇ Ｉｎｔｅｒｆａｃｅ）に、ユーザのアカウントでログインすることにより、当該ユーザにより利用されうる。また、当該ウェブサービスは、何らかのメンバーシップサービスを含み、エンティティ間のインタラクション（アクション）を観測可能または管理可能なサービスであれば、その種別に制限はない。なお、本実施形態において、ソーシャルネットワーキングサービス（ＳＮＳ）は、ウェブサービス（サービス）と換言されてよい。

ユーザ装置１１は、ウェブサービスの利用を介して、ユーザ装置１１やユーザ装置１１のユーザに関する情報やユーザによるアクションが示す情報を情報処理装置１０に伝達する。
例えば、ＳＮＳを利用するユーザは、ユーザ装置１１上で投稿やコメントを入力して情報処理装置１０に伝達し、これに応じて、情報処理装置１０は、ユーザ間やユーザとアイテム間の繋がりに関する情報等を登録しうる。
また、ユーザ装置１１は、ユーザ装置１１のＩＰ（Ｉｎｔｅｒｎｅｔ Ｐｒｏｔｏｃｏｌ）アドレスや、ユーザの住所やユーザ１の氏名（名字と名前）といった情報を、情報処理装置１０に伝達しうる。
また、ユーザ装置１１は、ＧＰＳ（Ｇｌｏｂａｌ Ｐｏｓｉｔｉｏｎｉｎｇ Ｓｙｓｔｅｍ）衛星（不図示）から受信される信号等に基づいて測位計算を行い、当該計算により得られた情報を、ユーザ装置１１の位置情報として生成し、情報処理装置１０へ伝達しうる。

情報処理装置１０は、ユーザ装置１１から各種情報を取得し、当該情報に基づいて、ＳＮＳグラフとソーシャルグラフを作成する。ＳＮＳグラフは、ＳＮＳ上に存在するエンティティ（例えば、ユーザやアイテム）間のＳＮＳ上の関係性を示すグラフネットワークである。ソーシャルグラフは、複数のユーザ間の社会的（ソーシャル）関係性を示すグラフネットワークである。そして、情報処理装置１０は、ＳＮＳグラフとソーシャルグラフに基づいて、ＳＮＳにおけるレコメンデーションユーザを決定する。

［情報処理装置１０の機能構成］
図２は、本実施形態による情報処理装置１０の機能構成の一例を示す。
情報処理装置１０は、ユーザ１～Ｎのうちの任意の対象ユーザに対して、レコメンデーションユーザを提示するように構成される。図２に示す情報処理装置１０は、ユーザアクション検出部１０１、ＳＮＳグラフ作成部１０２、ユーザ特徴取得部１０３、ソーシャルグラフ作成部１０４、レコメンデーションユーザ決定部１０５、出力部１０６、学習モデル記憶部１１０、およびデータ記憶部１２０を備える。学習モデル記憶部１１０は、ユーザ特徴予測モデル１１１とスコア予測モデル１１２を記憶している。当該各種学習モデルについては後述する。また、データ記憶部１２０は、ＳＮＳ関係情報１２１とユーザ特徴１２２を記憶している。なお、情報処理装置１０は、各種ウェブサービスを提供するための機能構成も有しうる（不図示）。

ユーザアクション検出部１０１は、ＳＮＳ上でのユーザによるユーザアクション（ユーザ行動）を検出し、当該ユーザアクションによりＳＮＳ上で明示的に構築（確立）される関係性（ＳＮＳ関係）を、ＳＮＳ関係情報１２１としてデータ記憶部１２０に登録する。本実施形態において、ＳＮＳ上でのユーザは、図１に示すユーザ１～Ｎとする。また、本実施形態において、ユーザアクションは、ＳＮＳを利用するユーザによるＳＮＳ上でのアクションを指し、例えば、「フォロー」、「興味（興味提示）」、「投稿」、「コメント（コメント入力）」といったアクションを含む。

本実施形態によるＳＮＳは、ＳＮＳを利用したオンラインショッピングサービスである、ショッピングＳＮＳを想定する。ショッピングＳＮＳにおいて、ユーザは、ユーザアクションを介して他のユーザとの間で構築したＳＮＳ関係を利用して、ショッピングを行うことができる。ショッピングＳＮＳでは、商取引可能なあらゆるアイテム（無形または有形の商品等）を扱うことができる。各アイテムは、各種ショップやユーザ個人により取り扱われる（販売される）。同じアイテムが、複数のショップやユーザで取り扱われてもよい。

図４Ａに、ショッピングＳＮＳの画面の一例を示す。画面４０Ａでは、２ユーザの投稿ページ（以下、ページとも称する）４１、４２が表示されている。ページの投稿者を投稿ユーザとも称する。ページ４１を参照して、各ページの構成例について説明する。なお、本開示において、ショッピングＳＮＳ上における各種情報の表示は、音声等を含むあらゆる出力を含みうる。また、本開示において、画面上の所定の位置やエリアに対する押下は、当該位置やエリアを選択または決定することに対応する。

ページ４１は、投稿ユーザのショッピングＳＮＳ上の名前４０１（＝“ａｂｃ”）の投稿ページである。ページ４１には、ユーザ“ａｂｃ”により登録されたユーザ“ａｂｃ”を識別するための画像（プロフィール画像、アイコン）４０２、および、ユーザ“ａｂｃ”がレコメンドする１つ以上のアイテムを含むアイテムリスト４０３が表示されている。アイテムリスト４０３は、ユーザ“ａｂｃ”が購入したアイテムおよび／または投稿したアイテムのリスト（アイテムの画像のリスト）でありうる。また、ページ４１には、フォローボタン４０５が表示される。ページ４１を閲覧するユーザが、アイテムリスト４０３に含まれるアイテムやユーザ“ａｂｃ”に興味を持った場合に、フォローボタン４０５を押下（選択）することによって、当該ユーザのホーム画面にページ４１が表示されるといった、当該ユーザとユーザ“ａｂｃ”との紐づけが実施される。言い換えると、当該ユーザによるユーザ“ａｂｃ”のアカウントの登録が行われる。ページ４１の例では、フォローボタン４０５の押下が、ユーザアクション検出部１０１により検出される「フォロー」に相当する。

図４Ｂに、ショッピングＳＮＳの画面において選択されたアイテムに関する画面の一例を示す。具体的には、図４Ｂは、ユーザが図４Ａにおけるページ４１に表示されるアイテムリスト４０３におけるアイテム４０４が押下された場合に表示される画面の一例を示す。画面４０Ｂには、アイテム４０４に関する情報と、アイテム４０４に対する反応を入力するためのボタンやエリア（領域）が表示される。アイテム情報４０６は、アイテム４０４を説明するための情報（文字列）であり、ブランド名、アイテム名（商品名）、および価格といった情報を含む。

購入ボタン４０７は、アイテム４０４を購入しようとするユーザが押下するボタンである。購入ボタン４０７が押下されると、アイテム４０４の購入手続きページへ移行する（不図示）。画面４０Ｂの例では、購入ボタン４０７の押下に続いて、最終的にアイテム４０４が購入された場合に、ユーザアクション検出部１０１により「購入」のユーザアクションが検出される。

投稿ボタン４０８は、画面４０Ｂを閲覧するユーザが、アイテム４０４を当該ユーザのページに掲載させるためのボタンである。投稿ボタン４０８が押下されると、例えば、アイテム４０４が、押下したユーザのページのアイテムリストに表示され、ショッピングＳＮＳ上の他のユーザから当該情報を閲覧可能となる。ここで、アイテム４０４に関するウェブサイトへのリンクの情報が、閲覧可能に表示されてもよい。また、投稿ボタン４０８の押下したユーザは、アイテム４０４に対するコメントを付してもよい。また、投稿ボタン４０８の押下により、ユーザ“ａｂｃ”とアイテム４０４の少なくとも一方の情報が、押下したユーザのアカウントに関連付けた情報として登録されてもよい（いわゆる、リツイートやシェアに該当）。また、投稿ボタン４０８が押下されることにより、投稿ボタン４０８の累積の押下回数が画面４０Ｂに表示されうる（不図示）。画面４０Ｂの例では、投稿ボタン４０８の押下が、ユーザアクション検出部１０１により検出される「投稿」に相当する。

いいねボタン４０９は、画面４０Ｂを閲覧するユーザが、アイテム４０４に興味（好印象）を持った場合に押下するボタンである。いいねボタン４０９が押下されることにより、いいねボタン４０９の累積の押下回数が画面４０Ｂに表示されうる（不図示）。画面４０Ｂの例では、いいねボタン４０９の押下が、ユーザアクション検出部１０１により検出される「興味（興味提示）」に相当する。

コメントエリア４１０は、画面４０Ｂを閲覧するユーザが、アイテム４０４に対する使用コメント（すなわち、レビューコメント）や印象コメントを入力するエリア（領域）である。入力されたコメントを投稿することにより、当該コメントの内容が画面４０Ｂに表示され、ショッピングＳＮＳ上の他のユーザから当該情報を閲覧可能となる（不図示）。ユーザは、コメントの入力に加えて、または、コメントの入力に代えて、例えば５段階評価から選択した段階を入力（選択）してもよい。画面４０Ｂの例では、コメントエリア４１０へのコメント入力および投稿が、ユーザアクション検出部１０１により検出される「コメント（コメント入力）」に相当する。

ユーザアクション検出部１０１は、上記のように検出した各ユーザアクションについて、ユーザ（ユーザを識別するユーザＩＤ）、アイテム（アイテムを識別するアイテムＩＤ）、およびそれらの関係（ショッピングＳＮＳ上の関係）を、ＳＮＳ関係情報１２１としてデータ記憶部１２０に登録する。具体的には、ユーザアクション検出部１０１は、アクションを行ったユーザ（ユーザＩＤ）、アクションが行われたアイテム（アイテムＩＤ）および／またはユーザ（ユーザＩＤ）、および、それらの関係を登録する。

例えば、「フォロー」の場合は、フォローボタン４０５を押下したユーザと、フォローボタン４０５を表示した投稿ユーザ（図４Ａにおけるユーザ“ａｂｃ”）とが、「フォロー」関係を有することが登録される。「フォロー」の場合は、「フォロー」した（すなわち、フォローボタン４０５を押下した）側と、「フォロー」された側とが識別されるように登録される。

「投稿」の場合は、投稿ボタン４０８を押下したユーザと、投稿ボタン４０８の対象アイテム（図４Ｂにおけるアイテム４０４）とが、「投稿」関係を有することが登録される。ここで、投稿ボタン４０８を押下したユーザと、当該対象アイテムの投稿ユーザ（図４Ａにおけるユーザ“ａｂｃ”）が「投稿」関係を有することが登録されてもよい。「投稿」の場合は、「投稿」した（すなわち、投稿ボタン４０８を押下した）側（ユーザ）と、「投稿」された側（アイテムおよび／またはユーザ）とが識別されるように登録される。

「興味」の場合は、いいねボタン４０９を押下したユーザと、いいねボタン４０９の対象アイテム（図４Ｂにおけるアイテム４０４）とが、「興味」関係を有することが登録される。ここで、いいねボタン４０９を押下したユーザと、当該対象アイテムの投稿ユーザ（図４Ａにおけるユーザ“ａｂｃ”）が、「興味」関係を有することが登録されてもよい。「興味」の場合は、「興味」を示した（すなわち、いいねボタン４０９を押下した）側（ユーザ）と、「興味」が示された側（アイテムおよび／またはユーザ）とが識別されるように登録される。

「コメント」の場合は、コメントエリア４１０へコメント入力および投稿したユーザと、コメントの対象アイテム（図４Ｂにおけるアイテム４０４）とが、「コメント」関係を有することが登録される。ここで、コメントを投稿したユーザと、当該対象アイテムの投稿ユーザ（図４Ａにおけるユーザ“ａｂｃ”）が、「コメント」関係を有することが登録されてもよい。「コメント」の場合は、「コメント」を投稿した側（ユーザ）と、「コメント」された側（アイテムおよび／またはユーザ）とが識別されるように登録される。

本実施形態では、各アイテムは、当該アイテムを有する（取り扱う、販売する）ショップやユーザが紐づけられており、ユーザアクション検出部１０１は、アイテムを登録する際にショップ（ショップを識別するショップＩＤ）やユーザＩＤも登録しうる。また、ユーザアクション検出部１０１は、ＳＮＳ関係情報１２１に、ユーザアクションが行われた日時を示す時間情報を付して、登録してもよい。

なお、図４Ａと図４Ｂは、アイテムを投稿する主体はユーザである例を示したが、当該主体がショップであってもよい。したがって、ユーザとショップとの間で、上述したような、「フォロー」、「投稿」、「興味」、「コメント」、「購入」の関係が発生しうる。また、「興味」は、ポジティブな評価や反応だけでなく、ネガティブな評価や反応を含む好感度を含んでもよい。

図３Ａに、ＳＮＳ関係情報１２１の概念図を示す。ユーザ、アイテム、ショップ、およびこれらの間における、「フォロー」、「投稿」、「興味」、「コメント」の関係が登録される。また、ユーザと、アイテムと、ショップとの間における「購入」の関係が登録されてもよい。さらに、「フォロー」した側と「フォロー」された側が識別されるように登録される。これは、「投稿」、「興味」、「コメント」、「購入」についても同様である。さらに、ショップがアイテムを有する（取り扱う、販売する）関係も登録される。不図示であるが、ユーザがアイテムを有する（取り扱う、販売する）関係も登録されうる。

なお、ユーザアクションは、「フォロー」、「投稿」、「興味」、「コメント」、「購入」に限定されず、ＳＮＳ上でユーザ関係を構築可能なアクションであればよい。例えば、投稿ページや任意のアイテムを表示するページの閲覧履歴や検索履歴であってもよい。

図２の説明に戻り、ＳＮＳグラフ作成部１０２は、データ記憶部１２０に登録されたＳＮＳ関係情報１２１を用いて、ＳＮＳグラフを作成する。ＳＮＳグラフの作成手順については後述する。

ユーザ特徴取得部１０３は、ユーザ装置１１－１～１１－Ｎのそれぞれから、当該ユーザ装置やユーザについての事実特徴（事実情報）を、ユーザ特徴として取得する。ユーザ特徴は、当該ユーザ装置やユーザから実際に、または、客観的に得られる、事実に基づく特徴（情報）である。ユーザ特徴取得部１０３は例えば、ユーザ装置１１から直接ユーザ特徴を取得することができる。また、ユーザ特徴取得部１０３は、ユーザ装置１１のユーザにより所定のウェブサービスに登録された情報として、ユーザ特徴を取得することができる。ユーザ特徴には、ユーザを識別するユーザＩＤが紐づけられている。

ユーザ特徴は、ユーザ装置のＩＰアドレス、ユーザの住所やユーザの氏名、ユーザが保持するクレジットカードの番号、ユーザのデモグラフィック情報（性別、年齢、居住地域、職業、家族構成等の人口統計学的なユーザ属性）等を含む。

また、ユーザ特徴は、所定のウェブサービス利用時における登録番号や登録名を含んでもよい。また、ユーザ特徴は、通話履歴、所定のウェブサービス利用時における商品のユーザの住所以外の配送先住所、所定のウェブサービス利用時の利用状況、利用履歴、検索履歴、サービスの利用により貯めることが可能なポイントに関する情報を含んでもよい。このように、ユーザ特徴は、ユーザ装置またはユーザ自身に関連する情報や、通信を介した所定のサービス利用に関する情報を含む、あらゆる情報を含むことができる。

また、ユーザ特徴取得部１０３は、取得したユーザ特徴を、学習済みのユーザ特徴予測モデル１１１に適用して、当該ユーザ特徴に対して推定されたユーザ特徴（推定ユーザ特徴（属性））も取得するように構成される。例えば、ユーザ特徴予測モデル１１１は、対象ユーザのユーザ特徴（すなわち、事実特徴）を入力として、複数のユーザ特徴それぞれが当該対象ユーザに該当する（適合する）確率（該当確率）を出力するように構成される。ユーザ特徴取得部１０３は、該当確率から、最終的に、当該対象ユーザの推定ユーザ特徴を決定する。

ユーザ特徴取得部１０３は、対象ユーザのユーザ特徴として、例えば、対象ユーザのデモグラフィック情報と過去のウェブサービスにおける購入履歴や趣向を示すデータをユーザ特徴予測モデル１１１に入力する。ユーザ特徴予測モデル１１１からは、該当確率として、当該対象ユーザが購入すると推定される複数のアイテムや当該対象ユーザが有しうる複数の趣向それぞれに対する確率が出力される。そして、ユーザ特徴取得部１０３は、所定値以上の確率を有するアイテムや趣向を、当該対象ユーザの推定ユーザ特徴として、取得することができる。

ユーザ特徴取得部１０３は、取得および推定したユーザ特徴を、ユーザ特徴１２２としてデータ記憶部１２０に登録する。ユーザ特徴は、ユーザＩＤと紐づけて登録される。

ソーシャルグラフ作成部１０４は、ユーザ特徴取得部１０３により取得された各種ユーザ特徴を用いて、ソーシャルグラフを作成する。ソーシャルグラフの作成手順については後述する。

レコメンデーションユーザ決定部１０５は、ＳＮＳグラフ作成部１０２により作成されたＳＮＳグラフと、ソーシャルグラフ作成部１０４により作成されたソーシャルグラフとを用いて、対象ユーザに対するレコメンデーションユーザを決定する。レコメンデーションユーザの決定手順については後述する。

出力部１０６は、レコメンデーションユーザ決定部１０５により決定されたレコメンデーションユーザを対象ユーザに出力することにより、対象ユーザに提示する。出力部１０６は、当該レコメンデーションユーザに関する情報を生成して出力してもよい。当該出力は、表示による出力や音声による出力といった、あらゆる形態の出力を含みうる。

［ＳＮＳグラフの作成手順］
次に、本実施形態によるＳＮＳグラフの作成手順について説明する。なお、以下の説明においてユーザＡ～Ｆは、説明のために参照するユーザであり、ユーザ装置１１のユーザでありうる。また、アイテムＡ～Ｂは、ユーザＡ～Ｆにより商取引可能なアイテムである。また、ＳＮＳグラフは、複数のエンティティ（図３Ｂと図３Ｃの例では、丸で囲まれたユーザノード、アイテムノード、ショップノードに対応）の接続で構成される。以下の説明では、当該ユーザノード、アイテムノード、ショップノードを単にユーザ、アイテム、ショップと称する。

ＳＮＳグラフ作成部１０２は、まず、ＳＮＳ関係情報１２１が示すショッピングＳＮＳ上の関係に基づいて、ユーザ、アイテム、ショップの間の、ＳＮＳグラフにおける明示的リンクと暗示的リンクを作成する。ＳＮＳグラフにおける明示的リンクとは、ユーザ、アイテム、ショップのうちの２つの間の明示的な関係により作成されるリンクである。本実施形態では、明示的な関係とは、「フォロー」、「投稿」、「興味」、「コメント」、「購入」といった、ユーザアクションによる直接的な関係を指す。一方、ＳＮＳグラフにおける暗示的リンクとは、ユーザ、アイテム、ショップのうちの２つの間の暗示的な関係により作成されるリンクである。

図３Ｂは、ＳＮＳグラフにおける明示的リンクと暗示的リンクを説明するための図である。ＳＮＳグラフ作成部１０２は、ユーザ、アイテム、ショップの間に、「フォロー」、「投稿」、「興味」、「コメント」、「購入」といった直接的な関係がある場合に、当該関係により接続される２つのノードを、明示的リンクでリンク付ける。図３Ｂは、ユーザＡがユーザＢを「フォロー」し、ユーザＢがユーザＣを「フォロー」する関係である例を示している。この場合、ＳＮＳグラフ作成部１０２は、ユーザＡとユーザＢ、ユーザＢとユーザＣとを、それぞれ明示的リンクで接続する。ここで、図３Ｂに示すように、「フォロー」するユーザ（例えば、ユーザＡ）と「フォロー」されるユーザ（例えば、ユーザＢ）の関係が識別されるように、有向線分（有効グラフ）で構成される。

また、ＳＮＳグラフ作成部１０２は、ユーザＡとユーザＣは、ユーザＢを介して関係を有することから、ユーザＡとユーザＣとを暗示的リンク（点線のリンク）でリンクすることができる。このように、ＳＮＳグラフ作成部１０２は、明示的リンクで接続されている複数のノードのうち、明示的リンクが存在しない２ノードを、暗示的リンクで接続することができる。明示的リンクで接続されていない全てのノードを暗示的リンクで接続する場合、関係性が低い（遠い）ノードも暗示的リンクで接続されうる。よって、所定数以下のノードを介して明示的リンクで接続される２つのノードを暗示的リンクで接続するというように、暗示的リンクの設定に制限を設けてもよい。

このように、ＳＮＳグラフ作成部１０２は、ＳＮＳ関係情報１２１に基づいて、ユーザ、アイテム、ショップ間の明示的リンクと暗示的リンクを作成する。リンク作成後、ＳＮＳグラフ作成部１０２は、各ノードペア（エンティティペア）に対して、スコアを割り当てる。

図３Ｃに、ＳＮＳグラフの例を示す。図３におけるＳＮＳグラフ３０は、ユーザＡ～Ｆ、アイテムＡ～Ｂ、ショップＡ間のＳＮＳグラフを示す。ＳＮＳグラフ作成部１０２は、さらに、ＳＮＳ関係情報１２１に基づいてリンク付けした各ノードペアに対して、所定のスコア表３１に基づいて、ＳＮＳ上の関係性の高さ（レベル）を表すスコアを割り当てる。スコア表３１では、ユーザアクションの種別に応じたスコアが設定されている。本開示では、ソーシャルグラフにおいて割り当てられる親密度スコアを区別するために、ＳＮＳグラフ作成部１０２により割り当てられるスコアをＳＮＳスコアと称する。本実施形態において、ＳＮＳスコアは、０～１の間の数値であるが、ＳＮＳスコアが取りうる数値に特定の限定はない。スコア表３１に従い、ＳＮＳグラフ作成部１０２は、「投稿」＝０．７、「興味」＝０．６、「フォロー」＝０．５、「コメント」＝０．４、「購入」＝０．８、「有する」＝０．５、暗示的リンク＝０．１を割り当てる。なお、スコア表３１は一例であり、各ユーザアクション等に対して設定されたＳＮＳスコアの値は、可変であってよい。また、ＳＮＳグラフ作成部１０２は、明示的リンクまたは暗示的リンクが存在しないペア（エンティティペア）に対して、ＳＮＳスコア＝０を割り当てることができる。

なお、ＳＮＳ関係情報１２１に、ユーザアクションが行われた日時を示す時間情報が付されている場合は、ＳＮＳスコアに重みづけを行ってもよい。例えば、図３Ｃにおいて、ユーザＡがユーザＢを「フォロー」した日時より、ユーザＢがユーザＣを「フォロー」した日時が過去である場合に、ユーザＡとユーザＢとの間のＳＮＳスコアを、ユーザＢとユーザＣとの間のＳＮＳスコアより高い値で割り当ててもよい。このために、ＳＮＳグラフ作成部１０２は、重みづけ係数を設定し、所定の条件を満たす（もしくは満たさない）ノードペアのＳＮＳスコアに対して、当該重みづけ係数を乗算し（反映し）、最終的なＳＮＳスコアを決定してもよい。

以上の処理により、複数のエンティティ（本実施形態では、ユーザ、アイテム、およびショップ）間で明示的リンクまたは暗示的リンクが形成され、各リンク間ではＳＮＳスコアが割り当てられ、ＳＮＳグラフが作成される。

［ソーシャルグラフの作成手順］
次に、本実施形態によるソーシャルグラフの作成手順について説明する。なお、以下の説明においてユーザＡ～Ｅは、説明のために参照するユーザであり、ユーザ装置１１のユーザでありうる。また、ソーシャルグラフは、複数のエンティティ（図６Ａと図６Ｂの例では、丸で囲まれたユーザノードに対応）の接続で構成される。以下の説明では、当該ユーザノードを単にユーザと称する。図５に、本実施形態によるソーシャルグラフ作成部１０４により実行されるソーシャルグラフの作成処理のフローチャートを示す。以下、図５の処理の各工程について説明する。

＜Ｓ５１：ソーシャルグラフにおける明示的リンクと暗示的リンクの作成＞
Ｓ５１では、ソーシャルグラフ作成部１０４は、複数のユーザ間の明示的リンクと暗示的リンクを予測して作成する。
ソーシャルグラフにおけるリンクの作成処理について、図６Ａと図６Ｂを参照して説明する。図６Ａは、ソーシャルグラフにおける明示的リンクを説明するための図であり、図６Ｂは、ソーシャルグラフにおける暗示的リンクを説明するための図である。ソーシャルグラフにおける明示的リンクとは、２ユーザ間（ユーザペア）の明示的な共通の特徴により作成されるリンクである。ソーシャルグラフにおける暗示的リンクとは、ユーザペアの明示的な共通の特徴の存在は不明確であるものの、すでに作成されている明示的リンクを利用して、間接的な関係として作成されるリンクである。

図６Ａに、ユーザのユーザ装置のＩＰアドレスを共通な特徴として用いてソーシャルグラフにおける明示的リンクを作成する例を示す。図６Ａは、ユーザＡ～Ｃが利用可能なウェブサービスとして、オンラインモール６１、ゴルフ場予約サービス６２、旅行関連予約サービス６３、およびカード管理システム６４が存在する例を示す。図６Ａでは、これら４つのウェブサービスが示されているが、ウェブサービスの数は特定の数に限定されない。

オンラインモール６１は、オンラインで（インターネットを使用して）利用可能なショッピングモールである。オンラインモール６１は、例えば、ファッション、書籍、食品、コンサートチケット、不動産といった多種多様な商品やサービスを提供することができる。
ゴルフ場予約サービス６２は、オンラインでゴルフ場に関するサービスを提供するウェブサイトで運営され、例えばゴルフ場の検索および予約やレッスン情報を提供することができる。
旅行関連予約サービス６３は、オンラインで利用可能な各種旅行サービスを提供するウェブサイトで運営される。旅行関連予約サービス６３は、例えば、ホテルやトラベルツアーの予約、航空券やレンタカーの予約、観光情報、ホテル、ホテル周辺の情報を提供することができる。
カード管理システム６４は、所定のカード管理会社により発行および管理されるクレジットカードに関するサービスを提供するウェブサイトで運営される。カード管理システム６４は、オンラインモール６１、ゴルフ場予約サービス６２、および旅行関連予約サービス６３の少なくともいずれかと関連して、サービスを提供してもよい。

図６Ａの例では、ユーザＡ～Ｃはそれぞれ、同じＩＰアドレス（＝１９８．４５．６６．ｘｘ）を用いて、オンラインモール６１、ゴルフ場予約サービス６２、旅行関連予約サービス６３を利用している。ＩＰアドレスの情報は、ユーザ特徴取得部１０３により取得されうる。
このような場合、ソーシャルグラフ作成部１０４は、ユーザＡ～Ｃは、リンク状態６５に示すように、同じＩＰアドレスの特徴で、ソーシャルグラフにおける明示的リンク（実線のリンク）を相互に作成する。

図６Ａのほか、共通の特徴として、ユーザの住所の特徴や、ユーザが使用するクレジットカード番号の特徴等を共通な特徴として用いて、ソーシャルグラフにおける明示的リンクを作成することができる。

図６Ｂに、ソーシャルグラフにおいてユーザ間に暗示的リンクを作成する例を示す。図６Ｂの例では、ユーザＡに対して、ユーザＣ、ユーザＤ、ユーザＥが明示的リンクで接続され、ユーザＢに対して、ユーザＣ、ユーザＤ、ユーザＥが明示的リンクで接続されている。このようなリンク特徴（リンク間の関係を示す特徴）を、共通の特徴空間へ埋め込み、各ユーザ（各ノード）間で暗黙的に関係性が構築されるとして推論されたリンクが、暗示的リンクとして作成（確立）される。図６Ｂの例では、ユーザＡとユーザＢは、明示的リンクで接続されていないが、共通の特徴空間で関係性を有すると推論された結果、暗示的リンク（点線のリンク）が作成されている。なお、ソーシャルグラフ作成部１０４は、明示的リンクで接続されたノード（ユーザ）で構成されるユーザ間関係グラフの学習（表現学習、関係学習、埋込学習、知識グラフ埋め込み）を行うことで、ユーザ間の暗示的リンクを予測し作成する。このとき、ソーシャルグラフ作成部１０４は、既知の埋め込みモデルまたはその拡張に適宜、基づき、当該学習を行ってよい。

＜Ｓ５２：リンク間の関係性の推論＞
Ｓ５２では、ソーシャルグラフ作成部１０４は、Ｓ５１で予測および作成されたリンク間の関係性を推論する。リンク間の関係性の推論処理について、図７Ａと図７Ｂを参照して説明する。図７Ａは、リンク間の関係性の推論処理を説明するための図であり、明示的リンクで接続されたユーザＡとユーザＢ間のリンクの関係性を推論する例を示す。

ソーシャルグラフ作成部１０４は、Ｓ５１で作成されたリンクで接続されたユーザのペアをデータポイントとして扱い、ユーザ特徴取得部１０３により取得された各種情報を用いて、当該ペア（データポイント）を、共通のタイプを表すクラスタにグループ化する。当該各種情報は、ＩＰアドレス、住所、クレジットカード、年齢、性別、友人といった情報でありうる。また、各クラスタは、配偶者、親子、近所の人、同じ世帯、同僚、友達、同性別きょうだい、異性別きょうだい等の関係を持つクラスタでありうる。図７Ａの例では、ユーザのペアをバツ印で示し、当該ペアがグループ化されうるクラスタとして、親子クラスタ７１、配偶者クラスタ７２、同性別きょうだいクラスタ７３、友人クラスタ７４、同僚クラスタを示す。なお、図７Ａでは５つのクラスタを示すが、クラスタの数は特定の数に限定されない。

例えば、ソーシャルグラフ作成部１０４は、ユーザＡとユーザＢが、同じ名字、年齢差が１０歳未満、逆の性別、同じ住所、という特徴７０を有する（共有する）場合、ソーシャルグラフ作成部１０４は、ユーザＡとユーザＢのペアを、夫と妻（配偶者）の関係を表すクラスタ（配偶者クラスタ７２）にグループ化することができる。

図７Ｂに、ソーシャルグラフ作成部１０４により実行される、ペアをクラスタへグループ化する処理の一例のフローチャートを示す。
Ｓ７１の開始時点で、グループ化の対象のペアについて、同じ住所と同じ名字の特徴を有するものとする。Ｓ７２では、ソーシャルグラフ作成部１０４は、当該対象のペアについて、同じ性別の特徴を有するか否かを判定する。当該対象のペアが同じ性別の特徴を有する場合（Ｓ７２でＹｅｓ）、Ｓ７３においてソーシャルグラフ作成部１０４は、当該対象のペアについて、年齢の差が所定の閾値（＝Ｘ値）以下か否かを判定する。当該対象のペアの年齢の差がＸ値より大きい場合（Ｓ７３でＮｏ）、ソーシャルグラフ作成部１０４は、当該対象のペアを親子クラスタ７１へグループ化する。年齢の差がＸ値以下の場合（Ｓ７３でＹｅｓ）、ソーシャルグラフ作成部１０４は、当該対象のペアを同性別きょうだいクラスタ７３へグループ化する。また、当該対象のペアが同じ性別の特徴を有さない場合（Ｓ７２でＮｏ）、Ｓ７４においてソーシャルグラフ作成部１０４は、当該対象のペアの年齢の差が所定の閾値（＝Ｙ値）以下か否かを判定する。年齢の差がＹ値より大きい場合（Ｓ７４でＮｏ）、ソーシャルグラフ作成部１０４は、当該対象のペアを親子クラスタ７１へグループ化する。年齢の差がＹ値以下の場合（Ｓ７４でＹｅｓ）、ソーシャルグラフ作成部１０４は、当該対象のペアを配偶者クラスタ７２へグループ化する。

＜Ｓ５３：関係性の親密度に基づく親密度スコアの割り当て＞
Ｓ５３では、ソーシャルグラフ作成部１０４は、Ｓ５２で推論されたペアに対する関係性の親密度に基づくスコア（社会的関係性の高さを表すスコア）を予測し、当該スコアを当該ペアに割り当てる。当該スコアを、本実施形態では、親密度スコアと称する。本実施形態において、親密度スコアは、０～１の間の数値であるが、親密度スコアが取りうる数値に特定の限定はない。図８Ａに、ユーザペアに対する関係性の親密度に基づく親密度スコアの概念図を示す。

図８Ａの例では、明示的リンクで接続されたユーザＡとユーザＢが有する（共有する）特徴によって、当該ユーザペア間の関係性の親密度が変化する。図８Ａの上部では、ユーザＡとユーザＢが、同性別きょうだい、同じ住所、１２００回の通話履歴、５０回のギフトのやり取り、という特徴８０を有する場合、当該ユーザペア間の関係性の親密度（すなわち、親密度スコア）は高くなる。一方、図８Ａの下部では、ユーザＡとユーザＢが、同性別きょうだい、異なる住所、３０回の通話履歴、２回のギフトのやり取り、という特徴８１を有する場合、当該ユーザペア間の関係性の親密度（すなわち、親密度スコア）は低くなる。このように、図８Ａの例のように、同性別きょうだいであるユーザＡとユーザＢであっても、当該ユーザのペアで共有される他の特徴により、当該ペアの関係性の親密度は異なるものとなる。関係性の親密度の高いペアは、互いの社会的距離が近く、高い影響を有することが観察される。一方、関係性の親密度の低いペアは、互いの社会的距離が遠く、近しい関係にないことが観察される。

本実施形態では、ユーザペアに対する親密度スコアを、スコア予測モデル１１２を用いて予測する。図８Ｂに、スコア予測モデル１１２の概略アーキテクチャを示す。スコア予測モデル１１２は、ユーザペアの特徴（ペアが共有する特徴）８２を入力として、当該特徴８２に対する親密度スコア８３を予測する学習モデルである。

スコア予測モデル１１２は例えば、弱教師付き学習（Ｗｅａｋ Ｓｕｐｅｒｖｉｓｅｄ Ｌｅａｒｎｉｎｇ）を行う学習モデルである。本実施形態では、スコア予測モデル１１２は、図６Ａに示したような、ユーザペアに対する複数の特徴に対して付された親密度スコア（０～１）を教師データとして学習された学習モデルとする。例えば、学習段階では、教師データとしては、図８Ａの特徴８０に設定された１に近い親密度スコアと、特徴８１に設定された０に近い親密度スコアといった組み合わせデータが使用される。なお、スコア予測モデル１１２は、ユーザペアの関係性の種別毎に異なってよく、一の関係性の種別に応じてトレーニングされた学習モデルであってよい。

なお、本実施形態では、ユーザペアに対する親密度スコアを、スコア予測モデル１１２を用いて予測したが、ソーシャルグラフ作成部１０４は、他の手法により、当該スコアを予測するように構成されてもよい。このように、ソーシャルグラフ作成部１０４は、ユーザペアにおいて共有される特徴に基づいて、当該ペアに対して親密度スコアを割り当てる。

以上の処理により、複数のユーザ間で明示的リンクまたは暗示的リンクが形成され、各リンク間では親密度スコアが割り当てられ、ソーシャルグラフが作成される。ソーシャルグラフの概念図を図８Ｃに示す。図８Ｃに示すソーシャルグラフ８５では、一例として、ユーザＡとユーザＢのペアに対して親密度スコア＝０．８、ユーザＡとユーザＣのペアに対して親密度スコア＝０．４５、ユーザＢとユーザＣのペアに対して親密度スコア＝０．１が割り当てられる。なお、ソーシャルグラフ作成部１０４は、明示的リンクまたは暗示的リンクが存在しないユーザペア（ユーザノードのペア）に対して、親密度スコア＝０を割り当てることができる。

［レコメンデーションユーザの決定手順］
次に、本実施形態によるレコメンデーションユーザの決定手順について説明する。レコメンデーションユーザ決定部１０５は、前述のように作成されたＳＮＳグラフとソーシャルグラフにおいて割り当てられたＳＮＳスコアと親密度スコアを加算して合計スコアを算出する。そして、レコメンデーションユーザ決定部１０５は、当該合計スコアが所定の閾値以上のユーザを、レコメンデーションユーザとして決定する。なお、合計スコアの算出方法は、ＳＮＳスコアと親密度スコアの加算に限定されず、両スコアが反映された合計スコアを算出する他の方法を用いてもよい。また、ノードペア（エンティティペア）にスコアが割り当てられていない場合は、当該ペアに対するスコアは、スコア＝０と設定して、合計スコアが計算されうる。

図９を参照して、レコメンデーションユーザの決定手順の例について説明する。図９は、レコメンデーション決定処理を説明するための図である。具体的には、図９は、レコメンデーションユーザ決定部１０５が、前述のように作成されたＳＮＳグラフ３０とソーシャルグラフ８５におけるＳＮＳスコアと親密度スコアに基づいて、レコメンデーションユーザを決定する流れを表している。

レコメンデーションユーザ決定部１０５は、ＳＮＳグラフ３０とソーシャルグラフ８５において、共通するノードペア（エンティティペア）のＳＮＳスコアと親密度スコアを加算して、合計スコアを算出する（Ｓ９１）。例えば、ＳＮＳグラフ３０におけるユーザＡとユーザＣは暗示的リンクで接続されており、ＳＮＳスコア＝０．１が割り当てられている（図３Ｃを参照）。また、ソーシャルグラフ８５におけるユーザＡとユーザＣに対して、親密度スコア＝０．４５が割り当てられている。レコメンデーションユーザ決定部１０５は、ＳＮＳスコア＝０．１と親密度スコア＝０．４５を加算した０．５５を、ユーザＡとユーザＣ間の合計スコアとして割り当てる。ここで、レコメンデーションユーザ決定部１０５は、ＳＮＳグラフ３０とソーシャルグラフ８５の構成を連結した連結グラフ９０を作成してもよい。図９では、連結グラフ９０として、ＳＮＳグラフ３０とソーシャルグラフ８５の構成を連結したグラフの一部を示す。ここで、レコメンデーションユーザ決定部１０５は、連結グラフ９０において合計スコアを各ノードペアに割り当てることができる。

レコメンデーションユーザ決定部１０５は、合計スコアの算出した後に、対象ユーザに対するレコメンデーションユーザを決定する（Ｓ９２）。本実施形態では、レコメンデーションユーザ決定部１０５は、対象ユーザと所定の閾値以上の合計スコアでリンクされている１以上の他のユーザを、レコメンデーションユーザとして決定する。例えば、所定の閾値を０．５とすると、対象ユーザと、０．５以上の合計スコアでペアリングされている１以上の他のユーザが、対象ユーザに対するレコメンデーションユーザとして決定される。

このように、本実施形態では、ＳＮＳスコアのみを用いてレコメンデーションユーザを決定する場合よりも、対象ユーザに対して、より多様な関係を有するユーザが、レコメンデーションユーザとして抽出されうる。具体的には、図９において所定の閾値を０．５とする場合、ＳＮＳスコアのみを用いる場合は、ユーザＡとユーザＣ間のＳＮＳスコア＝０．１＜０．５のため、ユーザＡ（対象ユーザ）に対して、ユーザＣはレコメンデーションユーザではない。しかしながら、ＳＮＳスコアと親密度スコアを用いることにより、合計スコア＝０．５５≧０．５となり、ユーザＣはレコメンデーションユーザとなる。これにより、ユーザＡはユーザＣとＳＮＳ上での交流を築くことが可能となる。

なお、本実施形態ではレコメンデーションユーザ決定部１０５は、レコメンデーションユーザを決定するように構成されるが、レコメンドアイテムやレコメンドショップを決定するように構成されてもよい。あるいは、情報処理装置１０は、レコメンドアイテムやレコメンドショップを決定する他の手段を更に備えてもよい。この場合、例えば、対象ユーザと所定の閾値以上のＳＮＳスコアでリンクされているアイテムやショップを、レコメンドアイテムやレコメンドショップとして決定（抽出）されうる。

図４Ｃに、対象ユーザのショッピングＳＮＳのホーム画面の一例を示す。対象ユーザは、例えば、図４Ａに示すホーム画面４０Ｃにおいて、ユーザ“ａｂｃ”とユーザ“ｂｃｄ”を既に「フォロー」しており、既にレコメンデーションユーザとして提示（表示）されているものとする。すなわち、対象ユーザのホーム画面４０Ｃにおいて、ページ４１とページ４２が既に表示されている。本実施形態では、情報処理装置１０が前述の手法で作成したＳＮＳグラフにおけるＳＮＳスコアとソーシャルグラフにおける親密度スコアを合計した合計スコアにより、新たなユーザがレコメンデーションユーザとして決定される。図４Ｃの例では、ユーザ“ｃｄｅ”とユーザ“ｄｅｆ”が新たにレコメンデーションユーザとして決定され、ユーザ“ｃｄｅ”のページ４３とユーザ“ｄｅｆ”のページ４４が、ユーザ“ａｂｃ” のページ４１とユーザ“ｂｃｄ”のページ４２と共に、ホーム画面４０Ｃに表示されている。

ソーシャルグラフを考慮しない（すなわち、親密度スコアを用いない）場合には、ＳＮＳグラフに基づいて決定されたユーザ“ａｂｃ”とユーザ“ｂｃｄ”がレコメンデーションユーザとして提示されていた。本実施形態では、ＳＮＳグラフとソーシャルグラフのそれぞれにおいて割り当てられたスコアを考慮することにより、対象ユーザと社会的や潜在的に繋がりのあるユーザがレコメンデーションユーザとして決定（選定）されうる。

図４Ｃの例では、ユーザ“ａｂｃ”のページ４１とユーザ“ｂｃｄ”のページ４２では、それぞれ、ファッションに関するアイテムが投稿（紹介）されている。一方で、ユーザ“ｃｄｅ”のページ４３では、コスメに関するアイテムが投稿されており、ユーザ“ｄｅｆ”のページ４４では、グルメに関するアイテムが投稿されている。ページ４３とページ４４がホーム画面４０Ｃに表示されることにより、対象ユーザは、ユーザ“ｃｄｅ”とユーザ“ｄｅｆ”との交流を構築して発展できるだけでなく、これらのユーザが投稿するあらゆるアイテムを閲覧することができる。これにより、対象ユーザのプライベートやビジネス上でのユーザ関係の発展や、対象ユーザの興味の拡張や購買意欲の向上という効果が生じうる。

［全体の処理の流れ］
図１０に、本実施形態による情報処理装置１０により実行される全体の処理のフローチャートを示す。図１０の説明のために、図１に示した情報処理システムを参照する。なお、Ｓ１００１～Ｓ１００４の処理の順序は、図１０に示す順序に限定されない。

Ｓ１００１において、ユーザアクション検出部１０１は、ＳＮＳ上でのユーザによるユーザアクションを検出する。当該ユーザアクションは、ユーザ１～Ｎによる、ＳＮＳ上での「フォロー」、「興味（興味提示）」、「投稿」、「コメント（コメント入力）」のいずれかでありうる。さらに、ユーザアクション検出部１０１は、検出した各ユーザアクションについて、ユーザ、アイテム（およびショップ）、およびそれらの関係を、ＳＮＳ関係情報１２１としてデータ記憶部１２０に登録する。

Ｓ１００２において、ユーザ特徴取得部１０３は、ユーザ装置１１－１～１１－Ｎから、各ユーザのユーザ特徴を取得し、ユーザ特徴１２２としてデータ記憶部１２０に登録する。Ｓ１４０２の処理は、過去の一定の期間におけるユーザ特徴および推定したユーザ特徴の取得（収集）処理でありうる。

Ｓ１００３において、ＳＮＳグラフ作成部１０２は、Ｓ１００１で登録されたＳＮＳ関係情報１２１に基づいて、ＳＮＳ上に存在するエンティティ（ユーザ１～Ｎを含む）間のＳＮＳ上の関係性を示すＳＮＳグラフを作成する。ＳＮＳグラフ作成部１０２は、ＳＮＳグラフにおける各エンティティペア（ユーザペアを含む）に対して、ユーザアクションに従って、ＳＮＳ上の関係性の高さを表すＳＮＳスコアを割り当てる。ＳＮＳグラフの作成手順は、上述の通りである。

Ｓ１００４において、ソーシャルグラフ作成部１０４は、Ｓ１００２で登録されたユーザ特徴１２２を用いて、ユーザ１～Ｎについてのソーシャルグラフを作成する。ソーシャルグラフ作成部１０４は、ソーシャルグラフにおける各ユーザペアに対して、当該ペアに共通する特徴に基づいて、親密度スコアを割り当てる。ソーシャルグラフの作成手順は、上述の通りである。

Ｓ１００５において、レコメンデーションユーザ決定部１０５は、Ｓ１００３で作成されたＳＮＳグラフにおいて割り当てられたＳＮＳスコアと、Ｓ１００４で作成されたソーシャルグラフにおいて割り当てられた親密度スコアの合計スコアを算出する。具体的には、レコメンデーションユーザ決定部１０５は、共通するノードペア（エンティティペア）のＳＮＳスコアと親密度スコアを加算して、各ペアについて合計スコアを算出する。

Ｓ１００６において、レコメンデーションユーザ決定部１０５は、対象ユーザに対するレコメンデーションユーザを決定（抽出）する。例えば、図９を参照して説明したように、対象ユーザと所定の閾値以上の合計スコアでリンクされている１以上の他のユーザを、対象ユーザに対するレコメンデーションユーザとして決定する。ここで、レコメンデーションユーザ決定部１０５（もしくは他の処理部）は、対象ユーザに対するレコメンデーションアイテムおよび／またはレコメンデーションショップを決定してもよい。

Ｓ１００７において、出力部１０６は、Ｓ１００６で決定されたレコメンデーションユーザを、対象ユーザに提示する。例えば、図４Ｃを参照して説明したように、出力部１０６は、対象ユーザのショッピングＳＮＳのホーム画面において、レコメンデーションユーザに関する情報を提示する。Ｓ１００６において、レコメンデーションアイテムおよび／またはレコメンデーションショップが決定された場合には、出力部１０６は、レコメンデーションユーザに加えて、もしくは、代えて、これらを対象ユーザに提示してもよい。

［情報処理装置１０のハードウェア構成］
図１１は、本実施形態による情報処理装置１０のハードウェア構成の一例を示すブロック図である。
本実施形態による情報処理装置１０は、単一または複数の、あらゆるコンピュータ、モバイルデバイス、または他のいかなる処理プラットフォーム上にも実装することができる。
図１１を参照して、情報処理装置１０は、単一のコンピュータに実装される例が示されているが、本実施形態による情報処理装置１０は、複数のコンピュータを含むコンピュータシステムに実装されてよい。複数のコンピュータは、有線または無線のネットワークにより相互通信可能に接続されてよい。

図１１に示すように、情報処理装置１０は、ＣＰＵ１１０１と、ＲＯＭ１１０２と、ＲＡＭ１１０３と、ＨＤＤ１１０４と、入力部１１０５と、表示部１１０６と、通信Ｉ／Ｆ１１０７と、システムバス１１０８とを備えてよい。情報処理装置１０はまた、外部メモリを備えてよい。
ＣＰＵ（Ｃｅｎｔｒａｌ Ｐｒｏｃｅｓｓｉｎｇ Ｕｎｉｔ）１１０１は、情報処理装置１０における動作を統括的に制御するものであり、データ伝送路であるシステムバス１１０８を介して、各構成部（１１０２～１１０７）を制御する。

ＲＯＭ（Ｒｅａｄ Ｏｎｌｙ Ｍｅｍｏｒｙ）１１０２は、ＣＰＵ１１０１が処理を実行するために必要な制御プログラム等を記憶する不揮発性メモリである。なお、当該プログラムは、ＨＤＤ（Ｈａｒｄ Ｄｉｓｋ Ｄｒｉｖｅ）１１０４、ＳＳＤ（Ｓｏｌｉｄ Ｓｔａｔｅ Ｄｒｉｖｅ）等の不揮発性メモリや着脱可能な記憶媒体（不図示）等の外部メモリに記憶されていてもよい。
ＲＡＭ（Ｒａｎｄｏｍ Ａｃｃｅｓｓ Ｍｅｍｏｒｙ）１１０３は、揮発性メモリであり、ＣＰＵ１１０１の主メモリ、ワークエリア等として機能する。すなわち、ＣＰＵ１１０１は、処理の実行に際してＲＯＭ１１０２から必要なプログラム等をＲＡＭ１１０３にロードし、当該プログラム等を実行することで各種の機能動作を実現する。図２に示す学習モデル記憶部１１０とデータ記憶部１２０は、ＲＡＭ１１０３で構成されうる。

ＨＤＤ１１０４は、例えば、ＣＰＵ１１０１がプログラムを用いた処理を行う際に必要な各種データや各種情報等を記憶している。また、ＨＤＤ１１０４には、例えば、ＣＰＵ１１０１がプログラム等を用いた処理を行うことにより得られた各種データや各種情報等が記憶される。
入力部１１０５は、キーボードやマウス等のポインティングデバイスにより構成される。
表示部１１０６は、液晶ディスプレイ（ＬＣＤ）等のモニターにより構成される。表示部１１０６は、入力部１１０５と組み合わせて構成されることにより、ＧＵＩ（Ｇｒａｐｈｉｃａｌ Ｕｓｅｒ Ｉｎｔｅｒｆａｃｅ）として機能してもよい。

通信Ｉ／Ｆ１１０７は、情報処理装置１０と外部装置との通信を制御するインタフェースである。
通信Ｉ／Ｆ１１０７は、ネットワークとのインタフェースを提供し、ネットワークを介して、外部装置との通信を実行する。通信Ｉ／Ｆ１１０７を介して、外部装置との間で各種データや各種パラメータ等が送受信される。本実施形態では、通信Ｉ／Ｆ１１０７は、イーサネット（登録商標）等の通信規格に準拠する有線ＬＡＮ（Ｌｏｃａｌ Ａｒｅａ Ｎｅｔｗｏｒｋ）や専用線を介した通信を実行してよい。ただし、本実施形態で利用可能なネットワークはこれに限定されず、無線ネットワークで構成されてもよい。この無線ネットワークは、Ｂｌｕｅｔｏｏｔｈ（登録商標）、ＺｉｇＢｅｅ（登録商標）、ＵＷＢ（Ｕｌｔｒａ Ｗｉｄｅ Ｂａｎｄ）等の無線ＰＡＮ（Ｐｅｒｓｏｎａｌ Ａｒｅａ Ｎｅｔｗｏｒｋ）を含む。また、Ｗｉ－Ｆｉ（Ｗｉｒｅｌｅｓｓ Ｆｉｄｅｌｉｔｙ）（登録商標）等の無線ＬＡＮ（Ｌｏｃａｌ Ａｒｅａ Ｎｅｔｗｏｒｋ）や、ＷｉＭＡＸ（登録商標）等の無線ＭＡＮ（Ｍｅｔｒｏｐｏｌｉｔａｎ Ａｒｅａ Ｎｅｔｗｏｒｋ）を含む。さらに、ＬＴＥ／３Ｇ、４Ｇ、５Ｇ等の無線ＷＡＮ（Ｗｉｄｅ Ａｒｅａ Ｎｅｔｗｏｒｋ）を含む。なお、ネットワークは、各機器を相互に通信可能に接続し、通信が可能であればよく、通信の規格、規模、構成は上記に限定されない。

図２に示す情報処理装置１０の各要素のうち少なくとも一部の機能は、ＣＰＵ１１０１がプログラムを実行することで実現することができる。ただし、図２に示す情報処理装置１０の各要素のうち少なくとも一部の機能が専用のハードウェアとして動作するようにしてもよい。この場合、専用のハードウェアは、ＣＰＵ１１０１の制御に基づいて動作する。

［ユーザ装置１１のハードウェア構成］
図１に示すユーザ装置１１のハードウェア構成は、図１１と同様でありうる。すなわち、ユーザ装置１１は、ＣＰＵ１１０１と、ＲＯＭ１１０２と、ＲＡＭ１１０３と、ＨＤＤ１１０４と、入力部１１０５と、表示部１１０６と、通信Ｉ／Ｆ１１０７と、システムバス１１０８とを備えうる。ユーザ装置１１は、情報処理装置１０により提供された各種情報を、表示部１１０６に表示し、ＧＵＩ（入力部１１０５と表示部１１０６による構成）を介してユーザから受け付ける入力操作に対応する処理を行うことができる。

このように、本実施形態では、ＳＮＳグラフにおいて割り当てられたＳＮＳスコアと、ソーシャルグラフにおいて割り当てられた親密度スコアの両方を用いて、対象ユーザに対するレコメンデーションユーザが決定される。これにより、対象ユーザに対して、社会的や潜在的に繋がりのあるユーザがレコメンデーションユーザとして決定され、ＳＮＳ上での交友関係の更なる拡大が期待される。また、ショッピングＳＮＳでは、レコメンデーションユーザとともに、当該レコメンデーションユーザが投稿したアイテムが対象ユーザに提示されることにより、対象ユーザの興味の拡張や購買意欲の向上に繋がりうる。

なお、上記実施形態におけるＳＮＳグラフにおけるエンティティは、ユーザ、アイテム、ショップであることを想定したが、これに限定されない。エンティティは、ＳＮＳ上で繋がることが可能なイベントやグループ等であってもよい。
また、本実施形態では、ショッピングＳＮＳを例に説明したが、あらゆるタイプのＳＮＳに、本実施形態を適用可能である。

上記実施形態では、レコメンデーションユーザ決定部１０５は、ＳＮＳスコアと親密度スコアとの合計スコアから、レコメンデーションユーザを決定するように構成されている。これに代えて、レコメンデーションユーザ決定部１０５は、ＳＮＳスコアと親密度スコアに基づく判定スコアを決定し、当該判定スコアに基づいて、レコメンデーションユーザを決定するように構成されてもよい。

例えば、レコメンデーションユーザ決定部１０５は、ＳＮＳスコアと親密度スコアのうち大きいスコアを、判定スコアとして決定してよい。あるいは、レコメンデーションユーザ決定部１０５は、ＳＮＳスコアと親密度スコアの平均を、判定スコアとして決定してよい。あるいは、レコメンデーションユーザ決定部１０５は、ＳＮＳスコア又は親密度スコアと対応するリンクの種別に応じて重みづけされたＳＮＳスコアと親密度スコアに基づいて加重平均を算出することにより、判定スコアを決定してよい。あるいは、レコメンデーションユーザ決定部１０５は、各ノードペアにおけるすべてのＳＮＳスコア又は親密度スコアにおける対象のＳＮＳスコア又は親密度スコアのＴ－Ｓｃｏｒｅ（偏差値）などの統計的指標に基づいて、判定スコアを決定してよい。あるいは、レコメンデーションユーザ決定部１０５は、対象のノードペアを構成するノードに関するすべてのＳＮＳスコア又は親密度スコアにおける対象のＳＮＳスコア又は親密度スコアのＴ－Ｓｃｏｒｅ（偏差値）などの統計的指標に基づいて、判定スコアを決定してよい。あるいは、レコメンデーションユーザ決定部１０５は、対ＳＮＳスコア又は親密度スコアに応じた係数を、親密度スコア又はＳＮＳスコアに乗算することにより、判定スコアを決定してよい。あるいは、レコメンデーションユーザ決定部１０５は、対象のノードペアを構成するノードの次数（リンクする他のノードの数量）に基づいて、判定スコアを決定してよい。あるいは、レコメンデーションユーザ決定部１０５は、ＳＮＳスコアおよび親密度スコアの範囲が同様となるように、予めＳＮＳスコアおよび親密度スコアを規格化した上で、判定スコアを決定してよい。さらに、レコメンデーションユーザ決定部１０５は、これらの判定スコアの決定態様を適宜、組み合わせて判定スコアの決定を行ってよい。

上記実施形態では、ユーザアクション検出部１０１は、ＳＮＳ上でのユーザのユーザアクションを検出するように構成されているが、対象となるウェブサービスは、ＳＮＳに限定されない。例えば、複数のエンティティ間の関係を構築可能な任意のウェブサービスにおいて、ユーザアクション検出部１０１は、複数のユーザによるユーザアクションを検出してよい。上記実施形態と同様に、当該ユーザアクションは、例えば、「フォロー」、「興味（興味提示）」、「投稿」、「コメント（コメント入力）」といったアクションを含む。続いて、ＳＮＳグラフ作成部１０２または他の処理部は、当該ウェブサービス上に存在するエンティティ間の、当該ウェブサービス上の関係性を示すグラフネットワーク（ウェブサービスベース関係グラフ）を作成してよい。ここで、ＳＮＳグラフ作成部１０２または他の処理部が、当該ウェブサービスベース関係グラフ上での複数のエンティティ間の関係性の高さを表すスコアをウェブサービスベーススコアとして割り当ててよい。当該ウェブサービスベーススコアは、ユーザアクションの種別に従って割り当てられうる。このように、上記のＳＮＳグラフの作成手順は、ウェブサービスベース関係グラフの作成手順に適用可能である（ＳＮＳをウェブサービス、ＳＮＳグラフをウェブサービスベース関係グラフ、ＳＮＳスコアをウェブサービスベーススコアと読み替える）。そして、レコメンデーションユーザ決定部１０５は、当該ウェブサービスベーススコアと、ソーシャルグラフにおける親密度スコアとの合計スコア（もしくは前述した方法で決定した判定スコア）に基づいて、レコメンデーションユーザを決定してよい。

なお、上記において特定の実施形態が説明されているが、当該実施形態は単なる例示であり、本発明の範囲を限定する意図はない。本明細書に記載された装置および方法は上記した以外の形態において具現化することができる。また、本発明の範囲から離れることなく、上記した実施形態に対して適宜、省略、置換および変更をなすこともできる。かかる省略、置換および変更をなした形態は、請求の範囲に記載されたものおよびこれらの均等物の範疇に含まれ、本発明の技術的範囲に属する。

本実施形態の開示は以下の構成を含む。
［１］ウェブサービス上における複数のユーザによるユーザアクションを検出する検出手段と、前記ユーザアクションに基づいて、前記ウェブサービス上に存在するエンティティ間の前記ウェブサービス上の関係性を示す第１グラフを作成する第１グラフ作成手段と、前記複数のユーザのユーザ特徴に基づいて、前記複数のユーザ間の社会的関係性を示す第２グラフを作成する第２グラフ作成手段と、前記第１グラフと前記第２グラフに基づいて、前記複数のユーザのうちの対象ユーザに対するレコメンデーションユーザを決定する決定手段と、を有する、情報処理装置。

［２］前記検出手段は、前記ウェブサービス上での、前記複数のユーザによる投稿、フォロー、興味提示、およびコメントのうちの少なくともいずれかを、前記ユーザアクションとして検出する、［１］に記載の情報処理装置。

［３］前記エンティティは、前記複数のユーザを含み、前記第１グラフ作成手段は、前記第１グラフにおいて、前記複数のユーザの各ユーザペアに対して、前記ウェブサービス上の関係性の高さを表すウェブサービスベーススコアを割り当て、前記第２作成手段は、前記第２グラフにおいて、前記複数のユーザの各ユーザペアに対して、社会的関係性の高さを表す親密度スコアを割り当て、前記決定手段は、前記第１グラフと前記第２グラフにおける各ユーザペアに割り当てられた前記ウェブサービスベーススコアと前記近さスコアを合計した合計スコアに基づいて、前記レコメンデーションユーザを決定する、［１］または［２］に記載の情報処理装置。

［４］前記決定手段は、前記対象ユーザとペアとなる１以上の他のユーザのうち、前記合計スコアが所定の閾値以上の１以上のユーザを、前記レコメンデーションユーザとして決定する、［３］に記載の情報処理装置。

［５］前記第１グラフ作成手段は、前記第１グラフにおいて、前記複数のユーザの各ユーザペアに対して、前記ユーザアクションの種別に従って前記ウェブサービスベーススコアを割り当てる、［３］または［４］に記載の情報処理装置。

［６］前記第２作成手段は、前記第２グラフにおいて、前記複数のユーザの各ユーザペアに対して、当該ペアに共通する特徴に基づいて前記親密度スコアを割り当てる、［３］から［５］のいずれかに記載の情報処理装置。

［７］前記ユーザ特徴は、前記複数のユーザそれぞれのユーザについて事実特徴と、前記事実特徴に基づいて推定される推定ユーザ特徴を含む、［１］から［６］のいずれかに記載の情報処理装置。

［８］前記決定手段により決定された前記レコメンデーションユーザを前記対象ユーザに提示する提示手段を更に有する、［１］から「７」のいずれかに記載の情報処理装置。

［９］前記ウェブサービスは、ソーシャルネットワーキングサービス（ＳＮＳ）である、
ことを特徴とする［１］から［８］のいずれかに記載の情報処理装置。

［１０］ウェブサービス上における複数のユーザによるユーザアクションを検出する検出工程と、前記ユーザアクションに基づいて、前記ウェブサービス上に存在するエンティティ間の前記ウェブサービス上の関係性を示す第１グラフを作成する第１グラフ作成工程と、前記複数のユーザのユーザ特徴に基づいて、前記複数のユーザ間の社会的関係性を示す第２グラフを作成する第２グラフ作成工程と、前記第１グラフと前記第２グラフに基づいて、前記複数のユーザのうちの対象ユーザに対するレコメンデーションユーザを決定する決定工程と、を有する情報処理方法。

［１１］情報処理をコンピュータに実行させるための情報処理プログラムであって、該プログラムは、前記コンピュータに、ウェブサービス上における複数のユーザによるユーザアクションを検出する検出処理と、前記ユーザアクションに基づいて、前記ウェブサービス上に存在するエンティティ間の前記ウェブサービス上の関係性を示す第１グラフを作成する第１グラフ作成処理と、前記複数のユーザのユーザ特徴に基づいて、前記複数のユーザ間の社会的関係性を示す第２グラフを作成する第２グラフ作成処理と、前記第１グラフと前記第２グラフに基づいて、前記複数のユーザのうちの対象ユーザに対するレコメンデーションユーザを決定する決定処理と、を含む処理を実行させるためのものである。

１～Ｎ：ユーザ、１０：情報処理装置、１１－１～１１－Ｎ：ユーザ装置、１０１：ユーザアクション検出部、１０２：ＳＮＳグラフ作成部、１０３：ユーザ特徴取得部、１０４：ソーシャルグラフ作成部、１０５：レコメンデーションユーザ決定部、１０６：出力部、１１０：学習モデル記憶部、１１１：ユーザ特徴予測モデル、１１２：スコア予測モデル、１２０：データ記憶部、１２１：ＳＮＳ関係情報、１２２：ユーザ特徴

Claims (11)

1. ウェブサービス上における複数のユーザによるユーザアクションを検出する検出手段と、
   前記ユーザアクションに基づいて、前記ウェブサービス上に存在するエンティティ間の前記ウェブサービス上の関係性を示す第１グラフを作成する第１グラフ作成手段と、
   前記複数のユーザのユーザ特徴に基づいて、前記複数のユーザ間の社会的関係性を示す第２グラフを作成する第２グラフ作成手段と、
   前記第１グラフと前記第２グラフに基づいて、前記複数のユーザのうちの対象ユーザに対するレコメンデーションユーザを決定する決定手段と、
   を有することを特徴とする情報処理装置。
2. 前記検出手段は、前記ウェブサービス上での、前記複数のユーザによる投稿、フォロー、興味提示、およびコメントのうちの少なくともいずれかを、前記ユーザアクションとして検出する、
   ことを特徴とする請求項１に記載の情報処理装置。
3. 前記エンティティは、前記複数のユーザを含み、
   前記第１グラフ作成手段は、前記第１グラフにおいて、前記複数のユーザの各ユーザペアに対して、前記ウェブサービス上の関係性の高さを表すウェブサービスベーススコアを割り当て、
   前記第２作成手段は、前記第２グラフにおいて、前記複数のユーザの各ユーザペアに対して、社会的関係性の高さを表す親密度スコアを割り当て、
   前記決定手段は、前記第１グラフと前記第２グラフにおける各ユーザペアに割り当てられた前記ウェブサービスベーススコアと前記近さスコアを合計した合計スコアに基づいて、前記レコメンデーションユーザを決定する、
   ことを特徴とする請求項１に記載の情報処理装置。
4. 前記決定手段は、前記対象ユーザとペアとなる１以上の他のユーザのうち、前記合計スコアが所定の閾値以上の１以上のユーザを、前記レコメンデーションユーザとして決定する、
   ことを特徴とする請求項３に記載の情報処理装置。
5. 前記第１グラフ作成手段は、前記第１グラフにおいて、前記複数のユーザの各ユーザペアに対して、前記ユーザアクションの種別に従って前記ウェブサービスベーススコアを割り当てる、
   ことを特徴とする請求項３に記載の情報処理装置。
6. 前記第２作成手段は、前記第２グラフにおいて、前記複数のユーザの各ユーザペアに対して、当該ペアに共通する特徴に基づいて前記親密度スコアを割り当てる、
   ことを特徴とする請求項３に記載の情報処理装置。
7. 前記ユーザ特徴は、前記複数のユーザそれぞれのユーザについて事実特徴と、前記事実特徴に基づいて推定される推定ユーザ特徴を含む、
   ことを特徴とする請求項１に記載の情報処理装置。
8. 前記決定手段により決定された前記レコメンデーションユーザを前記対象ユーザに提示する提示手段を更に有する、
   ことを特徴とする請求項１に記載の情報処理装置。
9. 前記ウェブサービスは、ソーシャルネットワーキングサービス（ＳＮＳ）である、
   ことを特徴とする請求項１に記載の情報処理装置。
10. ウェブサービス上における複数のユーザによるユーザアクションを検出する検出工程と、
    前記ユーザアクションに基づいて、前記ウェブサービス上に存在するエンティティ間の前記ウェブサービス上の関係性を示す第１グラフを作成する第１グラフ作成工程と、
    前記複数のユーザのユーザ特徴に基づいて、前記複数のユーザ間の社会的関係性を示す第２グラフを作成する第２グラフ作成工程と、
    前記第１グラフと前記第２グラフに基づいて、前記複数のユーザのうちの対象ユーザに対するレコメンデーションユーザを決定する決定工程と、
    を有することを特徴とする情報処理方法。
11. 情報処理をコンピュータに実行させるための情報処理プログラムであって、該プログラムは、前記コンピュータに、
    ウェブサービス上における複数のユーザによるユーザアクションを検出する検出処理と、
    前記ユーザアクションに基づいて、前記ウェブサービス上に存在するエンティティ間の前記ウェブサービス上の関係性を示す第１グラフを作成する第１グラフ作成処理と、
    前記複数のユーザのユーザ特徴に基づいて、前記複数のユーザ間の社会的関係性を示す第２グラフを作成する第２グラフ作成処理と、
    前記第１グラフと前記第２グラフに基づいて、前記複数のユーザのうちの対象ユーザに対するレコメンデーションユーザを決定する決定処理と、を含む処理を実行させるためのものである、
    情報処理プログラム。

Images