JP6100741B2 - 抽出装置、抽出方法および抽出プログラム - Google Patents

Description

本発明は、抽出装置、抽出方法および抽出プログラムに関する。

インターネット上には膨大な情報が開示されており、ユーザは、知りたい情報を探す際には検索サイトを利用する場合が多い。かかる検索サイトでは、検索マッチング広告や検索連動広告と呼ばれる広告配信が行われることがある。

この種の広告配信において、広告主が広告の入稿時に一又は二以上の広告関連キーワードを指定する技術が知られている。この技術では、広告関連キーワードがユーザから検索キーワードとして入力された場合に、検索キーワードに応じた検索結果に隣接させて、広告関連キーワードに関連する広告を表示する。

特開２０１０−２１１７７７号公報

しかしながら、上記の従来技術では、コンテンツの訴求効果を高めることができるとは限らない。具体的には、上記の従来技術では、入稿されたコンテンツである広告に対して広告主が適切に広告関連キーワードを指定する手法については開示されていない。そして、検索連動型の広告配信においては、広告関連キーワードが適切に指定されなければ、適切な広告を配信することができない。これにより、配信される広告の訴求効果が十分に発揮されないおそれがある。

なお、上記では、コンテンツとして広告を例に挙げて、訴求効果を高めることができるとは限らない点について説明した。しかし、広告目的以外のコンテンツにおいても同様に、訴求効果を高めることができるとは限らない。すなわち、上記のような検索連動型の広告配信の例に限られず、キーワードに関連するコンテンツを配信する技術分野においては、キーワードが適切に指定されなければ、適切なコンテンツを配信することができず、コンテンツの訴求効果を高めることができるとは限らない。

本願に係る抽出装置は、キーワードに紐づけられた第１コンテンツの特徴情報と、任意の単語を含む第２コンテンツの特徴情報との類似度を算出する算出部と、前記算出部によって算出された類似度が所定の閾値以上の前記特徴情報に対応するキーワードを抽出する抽出部と、を備えたことを特徴とする。

実施形態の一態様によれば、コンテンツの訴求効果を高めることができるという効果を奏する。

図１は、実施形態に係る広告コンテンツが表示されるウェブページの一例を示す図である。 図２は、実施形態に係る抽出処理の一例を示す図である。 図３は、実施形態に係る広告装置の構成例を示す図である。 図４は、実施形態に係るＬＰ情報記憶部の一例を示す図である。 図５は、実施形態に係るキーワード情報記憶部の一例を示す図である。 図６は、実施形態に係る生成処理の一例を示す概念図である。 図７は、実施形態に係る広告装置による抽出処理手順を示すフローチャートである。 図８は、変形例に係るＬＰ情報記憶部の一例を示す図である。 図９は、広告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、本願に係る抽出装置、抽出方法及び抽出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抽出装置、抽出方法及び抽出プログラムが限定されるものではない。また、以下の実施形態において同一の部位には同一の符号を付し、重複する説明は省略される。

〔１．抽出処理〕
以下では、図１及び図２を用いて、実施形態に係る抽出処理の一例について説明する。図１及び図２では、本願に係る抽出装置に対応する広告装置１００によって配信処理及び抽出処理が行われる例を示す。まず、図１を用いて、実施形態に係る広告配信の一例を説明する。図１は、実施形態に係る広告コンテンツが表示されるウェブページの一例を示す図である。

図１には、実施形態に係る広告コンテンツが表示されるウェブページとして、ユーザ端末１０に表示される検索結果ページ５０を示す。検索結果ページ５０は、ユーザから入力される検索クエリに基づいて検索されたウェブページに関する情報が表示されるウェブページである。

図１に示すように、検索結果ページ５０には、検索クエリ入力部５２が含まれる。検索結果ページ５０を利用するユーザは、ユーザ端末１０を介して、検索クエリ入力部５２に検索クエリを入力する。図１では、ユーザが検索クエリ入力部５２に入力した「英会話教室」という検索クエリに基づいて、検索結果ページ５０に検索結果が表示される例を示す。すなわち、検索結果ページ５０には、検索結果として、「英会話教室」に関連のあるウェブページのリンク等の情報が表示される。

また、検索結果ページ５０には、検索結果であるウェブページの情報とは別に、広告コンテンツが表示される。例えば、広告コンテンツは、検索結果ページ５０に含まれる広告枠５４又は広告枠５６に表示される。広告コンテンツには、広告主の業務を宣伝するテキストなどが含まれる。そして、広告コンテンツには、広告主の提供するウェブページへのリンクが張られる。このような広告コンテンツのリンク先であるウェブページは、ランディングページ（Landing Page、以下「ＬＰ」と表記する場合がある）などと呼ばれる。すなわち、広告主は、広告コンテンツを表示させることで、ユーザにＬＰへの移動を促し、自身が提供するウェブページを閲覧させたり、ウェブページ上で商品の購入をさせたりするといった営業に活用する。

このような検索サービスと連動する広告配信サービスにおいて、広告主は、広告コンテンツを入稿する際に、所定のキーワードに対して入札を行う。そして、広告主は、ユーザが所定のキーワードを検索クエリとして入力した場合に、ＬＰへのリンクが張られた広告コンテンツをユーザに配信させる権利を取得する。すなわち、広告主は、検索サービスにおいて、ユーザが広告コンテンツと紐づけられたキーワードと同一又は類似のキーワードを検索クエリとして入力した場合に、検索サービスと連動して、検索結果ページ５０に広告コンテンツを表示させることができる。これにより、広告主は、特定の情報への欲求がユーザに発生しているタイミングで広告コンテンツを配信させることができるので、より高い広告効果が見込める広告コンテンツの配信を行うことができる。

ここで、検索サービスと連動する広告コンテンツの配信処理の流れについて説明する。検索サービスと連動する広告コンテンツの配信処理は、広告装置１００と、検索サーバ３０と、ユーザ端末１０とにより、図示しないネットワークＮ（例えば、インターネット）を介して行われる。

ユーザ端末１０は、ユーザによって利用される情報処理装置である。ユーザ端末１０は、例えば、スマートフォンやタブレット端末やＰＤＡ（Personal Digital Assistant）等の移動端末や、デスクトップ型ＰＣ（Personal Computer）や、ノート型ＰＣ等である。

検索サーバ３０は、検索サービスを提供するサーバ装置である。例えば、検索サーバ３０は、所定の検索サイトにおいて、ユーザから検索クエリの入力を受け付ける。そして、検索サーバ３０は、検索クエリに基づいた検索結果をユーザに提供する。

広告装置１００は、検索サーバ３０と連動して広告配信を行うサーバ装置である。広告装置１００は、広告主から広告コンテンツの入稿とともに、キーワードに対する入札を受け付ける。そして、広告装置１００は、以下に説明する手順により、検索サービスにおいて入札キーワードを入力したユーザに広告コンテンツを配信する。

まず、ユーザは、ユーザ端末１０を介して、検索サーバ３０が提供する検索サイトにアクセスする。そして、ユーザは、検索サイトにおいて検索クエリを入力する。これにより、ユーザ端末１０は、検索サーバ３０に検索クエリを送信する（ステップＳ０１）。検索サーバ３０は、検索クエリに対応する検索結果を表示するウェブページである検索結果ページ５０をユーザに提供する(ステップＳ０２)。

また、検索クエリを受信した検索サーバ３０は、検索クエリに関する情報を広告装置１００に送信する（ステップＳ０３）。これにより、広告装置１００は、ユーザから入力された検索クエリに関する情報を取得する。そして、広告装置１００は、検索クエリが入札キーワードである場合には、入札キーワードに紐づく広告コンテンツを配信候補として選択する（ステップＳ０４）。

上述のように、検索結果ページ５０には、広告枠５４及び広告枠５６が含まれる。そこで、ユーザ端末１０は、検索結果ページ５０を表示する際に、広告装置１００に広告配信の要求を行う（ステップＳ０５）。広告配信の要求を受け付けた広告装置１００は、入札キーワードに紐づく広告コンテンツをユーザ端末１０に配信する（ステップＳ０６）。これにより、例えば、「英会話教室」というキーワードに入札していた広告主が提供する広告コンテンツが、広告枠５４に表示される。また、同じキーワードに入札していた他の広告主が提供する広告コンテンツが、広告枠５６に表示される。このように、広告装置１００は、検索サービスと連動して、広告コンテンツをユーザに配信することができる。なお、ステップＳ０３において、検索サーバ３０がクエリ情報を広告装置１００に送信する例を示したが、クエリ情報は、ユーザ端末１０から広告装置１００に送信されてもよい。

ところで、図１の例のように、広告主は、検索結果ページ５０に広告コンテンツを表示させるために、所定のキーワードに入札を行うことになる。図１の例の場合、広告主は、ＬＰをリンク先とする広告コンテンツを配信させるためには、「英会話教室」というキーワードに入札することになる。しかしながら、広告主にとって、適切なキーワードに入札することは容易でない。例えば、入札したキーワードと、広告主が提供する広告コンテンツとの対応関係が適切であり、検索結果に興味を持つユーザに対して適切な広告コンテンツが配信されているか否かを広告主が判断することは困難である。

そこで、実施形態に係る広告装置１００は、図１で示したような検索連動型の広告配信サービスにおいて、広告主にとって適切な入札キーワードを抽出する。以下、図２を用いて、実施形態に係る抽出処理を説明する。図２は、実施形態に係る抽出処理の一例を示す図である。図２では、抽出システム１を例に挙げて、抽出処理の一例を説明する。

図２に示すように、抽出システム１には、広告主端末２０と、広告装置１００とが含まれる。広告装置１００は、図示しないネットワークＮ（例えば、インターネット）を介して、広告主端末２０と通信可能に接続される。

広告主端末２０は、広告主によって利用される情報処理装置である。広告主端末２０は、例えば、スマートフォンやタブレット端末やＰＤＡ等の移動端末や、デスクトップ型ＰＣや、ノート型ＰＣ等である。

広告装置１００は、以下に説明する抽出処理によって、広告主が入札する入札キーワードとして適切なキーワードを抽出するサーバ装置である。

広告装置１００は、予め、既存のＬＰと、既存のＬＰに紐づく入札キーワードとに関する情報を保持する。既存のＬＰとは、所定の広告主によって過去に広告装置１００に入稿された広告コンテンツであって、既にユーザ端末１０へ配信される可能性がある広告コンテンツのリンク先を示す。例えば、広告装置１００は、ＬＰのＵＲＬ（Uniform Resource Locator）に基づき、ＨＴＭＬ（HyperText Markup Language）ファイルなどのＬＰに関するデータを所定のウェブサーバから収集し、収集したデータを既存のＬＰとして保持する。また、既存のＬＰに紐づく入札キーワードとは、ユーザから検索クエリとして入力された場合に、既存のＬＰをリンク先とする広告コンテンツが表示される契機となるキーワードであり、所定の広告主から既に入札を受け付けているキーワードである。

ここで、広告装置１００は、既存のＬＰ及び入札キーワードの特徴情報を生成する。例えば、広告装置１００は、特徴情報として、既存のＬＰ及び入札キーワードの単語ベクトルを生成する（ステップＳ１１）。まず、広告装置１００は、既存のＬＰに対応する単語ベクトルを生成する。ＬＰに対応する単語ベクトルとは、例えば、ＬＰに含まれる単語の種類と出現回数とに対して所定の重みを付した上で、ＬＰをベクトルモデルで表現したものである。このように、広告装置１００は、ＬＰに出現する単語の傾向などを単語ベクトルで表すことにより、ＬＰの特徴情報を生成する。

続いて、広告装置１００は、入札キーワードに対応する単語ベクトルを生成する。広告装置１００は、入札キーワードに紐づく既存のＬＰの単語ベクトルを用いることにより、入札キーワードの単語ベクトルを生成する。例えば、広告装置１００は、入札キーワードに紐づく既存のＬＰの単語ベクトルを入札キーワードの単語ベクトルとする。また、入札キーワードに紐づく既存のＬＰが複数ある場合（すなわち、複数の広告主が同じキーワードに対して入札している場合）には、広告装置１００は、入札キーワードに紐づけられている複数のＬＰの各単語ベクトルの重心ベクトルを生成する。そして、広告装置１００は、生成した重心ベクトルを入札キーワードの単語ベクトルとする。広告装置１００は、生成した単語ベクトルを所定の記憶部に保持する。

そして、広告装置１００は、検索連動型の広告配信サービスを利用しようとする新規の広告主ＣＬ１０から、広告主端末２０を介して、広告コンテンツの入稿を受け付ける(ステップＳ１２)。また、広告装置１００は、広告コンテンツの入稿の際に、広告コンテンツのリンク先のウェブページである新規ＬＰに関する情報（例えば、新規ＬＰのＵＲＬ）を受け付ける。ここで、新規ＬＰとは、未だ広告主からキーワードの入札を受け付けていないため、入札キーワードと紐づけられていない広告コンテンツのリンク先のウェブページをいう。

続いて、広告装置１００は、既存のＬＰと同様に、広告主端末２０から送信された新規ＬＰに関する情報を収集し、収集した情報を取得する。そして、広告装置１００は、取得した新規ＬＰの有する特徴情報を生成する。例えば、広告装置１００は、新規ＬＰに対応する単語ベクトルを生成する。

そして、広告装置１００は、入札キーワードの単語ベクトルと、新規ＬＰの単語ベクトルとの類似度を算出する（ステップＳ１３）。言い換えれば、広告装置１００は、入札キーワードに紐づく既存のＬＰの単語ベクトルと、新規ＬＰの単語ベクトルとの類似度を算出する。例えば、広告装置１００は、類似度の一例として、単語ベクトル同士のコサイン類似度を算出することにより、単語ベクトルの類似度を算出する。そして、広告装置１００は、算出された類似度が所定の閾値以上となる単語ベクトルに係るキーワードを抽出する（ステップＳ１４）。

そして、広告装置１００は、新規ＬＰに紐づける入札キーワードとして、抽出されたキーワードを広告主ＣＬ１０に提示する（ステップＳ１５）。広告主ＣＬ１０は、提示されたキーワードを入札キーワードとすることにより、検索サービスにおいてユーザが入札キーワードを入力して検索を行った場合に、入稿した広告コンテンツを検索結果ページ５０に表示させることができる。

このように、実施形態に係る広告装置１００は、キーワードに紐づけられた既存のＬＰの特徴情報と新規ＬＰの特徴情報との類似度を算出し、算出された類似度が所定の閾値以上の特徴情報に対応するキーワードを抽出する。

すなわち、実施形態に係る広告装置１００は、新規ＬＰに紐づかせるキーワードとして、新規ＬＰと特徴が類似する既存のＬＰに紐づけられている入札キーワードを抽出する。また、広告装置１００は、新規ＬＰの単語ベクトルと、複数の既存のＬＰに係る重心ベクトルとの類似度を算出するので、特定の既存のＬＰに係るキーワードに偏重することなく、多くの広告主が入札しているキーワードを抽出することができる。上述のように、新たに検索連動型の広告配信サービスを利用する広告主にとっては、入札キーワードとＬＰとが適切に紐づけられているかを判断するのは困難である。一方、実施形態に係る広告装置１００によれば、現時点において、検索連動型の広告配信サービスを利用する他の広告主が入札しているキーワードと既存のＬＰとの情報に基づいて、新規ＬＰに紐づかせるキーワードを抽出することができる。これにより、新規ＬＰを提供する広告主は、適切な入札キーワードを指定することができる。そして、広告主は、新規ＬＰに対して適切なキーワードを入札キーワードとすることにより、広告コンテンツに興味を持つと想定されるユーザに広告コンテンツを配信させることができる。このため、実施形態に係る広告装置１００によれば、配信される広告コンテンツが発揮する訴求効果などの、広告コンテンツの広告効果を高めることができる。

〔２．広告装置１００の構成〕
次に、図３を用いて、実施形態に係る広告装置１００の構成について説明する。図３は、実施形態に係る広告装置１００の構成例を示す図である。図３に示すように、広告装置１００は、通信部１１０と、記憶部１２０と、制御部１３０とを有する。

（通信部１１０について）
通信部１１０は、ネットワークＮと有線又は無線で接続され、ユーザ端末１０、広告主端末２０及び検索サーバ３０との間で情報の送受信を行う。例えば、通信部１１０は、ＮＩＣ（Network Interface Card）等によって実現される。

（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、光ディスク等の記憶装置によって実現される。図３の例では、記憶部１２０は、ＬＰ情報記憶部１２１と、キーワード情報記憶部１２２とを有する。

（ＬＰ情報記憶部１２１について）
ＬＰ情報記憶部１２１は、ＬＰに関する情報を記憶する。ここで、図４に、実施形態に係るＬＰ情報記憶部１２１の一例を示す。図４に示した例では、ＬＰ情報記憶部１２１は、「広告主ＩＤ」、「ＬＰ」、「広告コンテンツ」、「入札キーワード」といった項目を有する。

「広告主ＩＤ」は、広告主又は広告主端末２０を識別するための識別情報を示す。なお、以下では、図４に示した広告主ＩＤに記憶されている識別情報を広告主の参照符号として用いる場合がある。例えば、広告主ＩＤ「ＣＬ０１」によって識別される広告主を「広告主ＣＬ０１」と表記する場合がある。

「ＬＰ」は、広告主が提供するＬＰに関する情報を示す。図４に示す「ＬＰ０１」という表記は、ＬＰを識別するための識別情報を示すとともに、ＬＰに関する情報を概念的に表現したものである。ＬＰ情報記憶部１２１内に記憶されるＬＰに関する情報は、ＬＰを構成するＨＴＭＬファイル等であってもよいし、ＬＰのデータが置かれたＵＲＬ（Uniform Resource Locator）を示す情報であってもよい。なお、以下では、図４に示したＬＰの項目に記憶されている情報を、ＬＰの参照符号として用いる場合がある。例えば、ＬＰ「ＬＰ０１」によって示される情報を有するＬＰを「ＬＰ０１」と表記する場合がある。

「広告コンテンツ」は、広告主端末２０から入稿された広告コンテンツを示す。図４で
は、「広告コンテンツ」に「ＡＤ０１」や「ＡＤ０２」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、広告コンテンツの宣伝内容であるテキストデータや、または、これらの格納場所を示すファイルパス名などが格納される。

「入札キーワード」は、各ＬＰ（すなわち、各広告コンテンツ）に紐づけられている入札キーワードを示す。図４に示すように、広告主は、一つのＬＰについて、複数のキーワードに入札することができる。また、入札キーワードは、一つの単語ではなく、複数の単語の組み合わせであってもよい。

例えば、図４では、広告主ＩＤ「ＣＬ０１」によって識別される広告主ＣＬ０１が、「ＬＰ０１」をリンク先とする広告コンテンツ「ＡＤ０１」を検索結果ページ５０に表示させるために、入札キーワード「Ｋ００１」、「Ｋ００２」、「Ｋ００３」、「Ｋ００４」、・・・、に入札している例を示している。

（キーワード情報記憶部１２２について）
キーワード情報記憶部１２２は、キーワードに関する情報を記憶する。ここで、図５に、実施形態に係るキーワード情報記憶部１２２の一例を示す。図５に示した例では、キーワード情報記憶部１２２は、「入札キーワード」、「ＬＰ」、「ＬＰ単語ベクトル」、「キーワード単語ベクトル」といった項目を有する。

「入札キーワード」は、図４に示した入札キーワードの項目に対応する。「ＬＰ」は、図４に示したＬＰの項目に対応する。なお、図５における「ＬＰ」は、入札キーワードに紐づくＬＰを示す。

「ＬＰ単語ベクトル」は、各ＬＰに対応する単語ベクトルを示す。図５に示す「Ｖ０１」という表記は、単語ベクトルを概念的に表現したものである。なお、各ＬＰに対応する単語ベクトルは、後述する生成部１３２によって生成され、生成部１３２によってキーワード情報記憶部１２２内に格納される。

「キーワード単語ベクトル」は、入札キーワードに対応する単語ベクトルを示す。図５に示す「Ｇ０１」という表記は、単語ベクトルを概念的に表現したものである。詳しくは後述するが、入札キーワードに対応する単語ベクトルは、入札キーワードに紐づくＬＰ単語ベクトルに基づいて生成される。

例えば、図５では、入札キーワード「Ｋ００１」は、ＬＰ「ＬＰ０１」、「ＬＰ０２」、「ＬＰ０３」、・・・、に紐づいており、また、各ＬＰに対応する単語ベクトルは、ＬＰ単語ベクトル「Ｖ０１」、「Ｖ０２」、「Ｖ０３」、・・・、であり、入札キーワード「Ｋ００１」に対応する単語ベクトルは、キーワード単語ベクトル「Ｇ０１」である例を示している。

（制御部１３０について）
制御部１３０は、例えば、ＣＰＵ（Central Processing Unit）やＭＰＵ（Micro Processing Unit）等によって、広告装置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（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。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る。

図３に示すように、制御部１３０は、入稿受付部１３１と、生成部１３２と、算出部１３３と、抽出部１３４と、提示部１３５と、要求受付部１３６と、配信部１３７とを有し、以下に説明する情報処理の機能や作用を実現または実行する。なお、制御部１３０の内部構成は、図３に示した構成に限られず、後述する情報処理を行う構成であれば他の構成であってもよい。また、制御部１３０が有する各処理部の接続関係は、図３に示した接続関係に限られず、他の接続関係であってもよい。

（入稿受付部１３１について）
入稿受付部１３１は、広告コンテンツの入稿を受け付ける。また、入稿受付部１３１は、広告コンテンツの入稿とともに、広告コンテンツのリンク先となるＬＰのＵＲＬや、広告コンテンツに対応する入札キーワードを受け付ける。そして、入稿受付部１３１は、受け付けた広告コンテンツや、ＬＰに関する情報や、入札キーワードをＬＰ情報記憶部１２１に格納する。

また、入稿受付部１３１は、新たに広告配信サービスを利用する広告主から、広告コンテンツの入稿を受け付ける。この場合、入稿受付部１３１は、受け付けた広告コンテンツのリンク先である新規ＬＰの単語ベクトルを生成させるため、受け付けた新規ＬＰに関する情報を生成部１３２に送る。

（生成部１３２について）
生成部１３２は、入稿受付部１３１によって受け付けられたＬＰや入札キーワードの特徴情報を生成する。例えば、生成部１３２は、特徴情報として、既存のＬＰや、新規ＬＰや、入札キーワードに対応する単語ベクトルを生成する。そして、生成部１３２は、生成した単語ベクトルをキーワード情報記憶部１２２に格納する。

生成部１３２は、ＬＰに対応する単語ベクトルを生成する場合、ＬＰのＵＲＬに基づいて、ＬＰのデータを収集し、収集したＬＰのデータを取得する。そして、生成部１３２は、例えば、ＬＰに含まれるテキストを形態素解析する。すなわち、生成部１３２は、ＬＰに含まれるテキストを単語毎に分解する。そして、生成部１３２は、ＬＰに含まれる単語の種類と、ＬＰ内の単語の出現回数に基づいて、ＬＰに対応する単語ベクトルを生成する。例えば、生成部１３２は、ＬＰに出現する単語について「１」の要素を与え、出現しない単語について「０」の要素を与えることで、ＬＰに対応する単語ベクトルを生成する。

また、生成部１３２は、単語毎に重みを付与して、ＬＰに対応する単語ベクトルを生成する。ここで、単語ベクトルの重みの付与に関しては、例えば、ｔｆ−ｉｄｆ（Term Frequency−Inverse Document Frequency）など既知の特徴抽出アルゴリズムにより特徴語を抽出する手法が考えられる。この場合、ＬＰを特徴付ける特徴語として抽出された単語に関しては、生成部１３２は、重みを重くして単語ベクトルを生成する。これにより、生成部１３２は、ＬＰの特徴を反映した単語ベクトルを生成することができる。

なお、生成部１３２は、上記のｔｆ−ｉｄｆではなく、ｔｆ−ｉｌｆ（Term Frequency−Inverse Label Frequency）という手法を用いてもよい。上記のｔｆ−ｉｄｆにおいては、処理対象とする単語が全文書中においていくつの文書内で共通して使われているかを表す頻度としてｄｆ（Document Frequency）を用いる（この場合、「文書」に対応するものはＬＰとなる）。これに対して、ｔｆ−ｉｌｆにおいては、ＬＰに含まれる処理対象とする単語がどれくらいキーワード（すなわち、ラベル）に紐づけられているかを示す頻度（ｌｆ、Label Frequency）を用いる。

この場合、生成部１３２は、ＬＰに対応する単語ベクトルについて、ＬＰ内の全ての単語の出現回数の総和、ＬＰ内に所定の単語が出現する回数及び所定の単語がキーワードと紐づく頻度に基づいて、所定の単語毎に重み付けがされた単語ベクトルを生成する。具体的には、生成部１３２は、ＬＰ内の全ての単語の出現回数の総和とＬＰ内に所定の単語が出現する回数との割合（すなわち、ｔｆ。所定の単語のＬＰ内での出現頻度を示す）と、単語がキーワードと紐づく頻度（すなわち、ｌｆ）とに基づいて、ＬＰに対応する単語ベクトルを生成する。これにより、生成部１３２は、キーワードと極めて頻繁に紐づくような、ごくありふれた一般的な単語の重みが過度に重み付けられないよう、適切に重み付けのなされた単語ベクトルを生成する。このため、生成部１３２は、より適切にＬＰの特徴を示す単語ベクトルを生成することができる。

また、生成部１３２は、入札キーワードに対応する単語ベクトルを生成する。生成部１３２は、入札キーワードに紐づくＬＰが複数ある場合には、入札キーワードに対応する単語ベクトルとして、入札キーワードに紐づけられた複数のＬＰに対応する各単語ベクトルの重心ベクトルを生成する。この点について、図６を用いて説明する。

図６は、実施形態に係る生成処理の一例を示す概念図である。図６に示すように、入札キーワードＫ００１には、ＬＰ０１、ＬＰ０２、ＬＰ０３、・・・、が紐づけられている。生成部１３２は、ＬＰ０１、ＬＰ０２、ＬＰ０３、・・・、の各々に対応する単語ベクトルＶ０１、Ｖ０２、Ｖ０３、・・・、を生成する。そして、生成部１３２は、入札キーワードＫ００１に対応する単語ベクトルとして、生成した各ＬＰの単語ベクトルの重心ベクトルを生成する。すなわち、生成部１３２は、各ＬＰの単語ベクトルの重心ベクトルを、入札キーワードＫ００１の単語ベクトルＧ０１として生成する。このように、生成部１３２は、紐づけられている複数のＬＰの各単語ベクトルの重心ベクトルを用いて入札キーワードに対応する単語ベクトルを生成するので、入札キーワードの特徴を適切に示す単語ベクトルを生成することができる。

（算出部１３３について）
算出部１３３は、キーワードに紐づけられた既存のＬＰの特徴情報と、任意の単語を含む新規ＬＰの特徴情報との類似度を算出する。ここで、広告装置１００は、広告配信サービスにおいて、複数のキーワードの入札や、複数の広告コンテンツの入稿を受け付けているため、入札キーワードと既存のＬＰとの組み合わせは複数存在する。このとき、算出部１３３は、特徴情報の類似度の算出をキーワード毎に実行する。図５を例とすると、算出部１３３は、入札キーワードＫ００１を処理対象とする場合には、入札キーワードＫ００１と紐づけられた既存のＬＰであるＬＰ０１、ＬＰ０２、ＬＰ０３の各々の特徴情報と、新規ＬＰの特徴情報との類似度を算出する。すなわち、算出部１３３は、キーワードと既存のＬＰが紐づけられた複数の組み合わせについて、キーワード毎に、キーワードに紐づけられた全ての既存のＬＰの特徴情報と、新規ＬＰの特徴情報との類似度を算出する。

また、算出部１３３は、特徴情報として、単語ベクトルを用いる。例えば、算出部１３３は、既存のＬＰの特徴情報に基づいて生成される、入札キーワードに対応する単語ベクトルと、新規ＬＰに対応する単語ベクトルとの類似度を算出する。具体的には、算出部１３３は、既存のＬＰに紐づくキーワードに対応する単語ベクトルと、新規ＬＰに対応する単語ベクトルとの類似度として、単語ベクトル同士のコサイン類似度を算出する。すなわち、算出部１３３は、算出処理の対象となる二つの単語ベクトルのコサイン類似度を算出する。上述のように、生成部１３２がＬＰに出現する単語について「１」の要素を与え、出現しない単語について「０」の要素を与えて、ＬＰに対応する単語ベクトルを生成した場合には、算出部１３３は、二つの単語ベクトルのコサイン類似度として「０〜１」の範囲で示される所定の数値を算出する。

なお、算出部１３３は、類似度を算出する際に、類似度が比較的高くなると想定される単語ベクトル同士を抽出して、抽出された単語ベクトル同士の類似度を算出するようにしてもよい。例えば、算出部１３３は、Ｔｏｐ−ｋ ｒｅｔｒｉｅｖａｌ（Ｔｏｐ−ｋ検索）のようなアルゴリズムを用いて処理対象を抽出する。すなわち、算出部１３３は、所定の手法（例えば、上述したｔｆ−ｉｌｆ）で付与されるスコアによって順序付けられた単語ベクトルの上位ｋ個（ｋは任意の数）を抽出し、抽出された単語ベクトル同士の類似度を算出する。これにより、算出部１３３は、スコアの低い処理対象については処理をスキップするので、高速に類似度の算出を行うことができる。

また、算出部１３３は、キーワードに紐づけられた既存のＬＰが複数ある場合には、キーワードに紐づけられた複数の既存のＬＰに対応する各単語ベクトルの重心ベクトルと、新規ＬＰに対応する単語ベクトルとの類似度を算出する。また、抽出部１３４は、算出部１３３によって算出された類似度が所定の閾値以上である複数の既存のＬＰに紐づくキーワードを抽出する。このように、算出部１３３は、他の広告主が入札キーワードとしている複数の既存のＬＰの特徴を平均化して捉える。このため、算出部１３３は、複数の既存のＬＰがキーワードに紐づく状況を加味して類似度を算出することができる。

上記のように、算出部１３３は、既存のＬＰに紐づくキーワードが有する特徴情報と、新規ＬＰの特徴情報との類似度を算出するので、キーワードと新規ＬＰとの関連性を数値により示すことができる。そして、算出部１３３は、算出した結果を後述する抽出部１３４に送る。

（抽出部１３４について）
抽出部１３４は、算出部１３３によって算出された特徴情報の類似度が所定の閾値以上である特徴情報に対応するキーワードを抽出する。例えば、抽出部１３４は、算出部１３３によって算出された単語ベクトルのコサイン類似度に基づき、コサイン類似度が所定の閾値以上である単語ベクトルに対応するキーワードを抽出する。

例えば、抽出部１３４は、単語ベクトル同士のコサイン類似度が高いほど（すなわち、「１」の値に近いほど）、算出対象となった単語ベクトルに対応するキーワードとＬＰとの関連性が高いものと判定する。そのため、抽出部１３４は、類似度に所定の閾値を設定し、所定の閾値以上の類似度に係る単語ベクトルに対応するキーワードを抽出する。抽出部１３４は、所定の閾値を任意に設定することができる。例えば、抽出部１３４は、抽出するキーワードの数に応じて、所定の閾値を設定する。すなわち、抽出部１３４は、多数のキーワードを抽出する場合には、所定の閾値を低く設定してもよい。

（提示部１３５について）
提示部１３５は、抽出部１３４によって抽出されたキーワードを新規ＬＰの提供主である広告主に提示する。具体的には、提示部１３５は、検索サービスにおいてユーザに選択されることにより新規ＬＰが表示される契機となるキーワード（すなわち、新規ＬＰに紐づく入札キーワード）として、抽出部１３４によって抽出されたキーワードを広告主に提示する。

なお、提示部１３５は、抽出部１３４によって抽出されたキーワードであっても、入札キーワードとして広告主に提示しない場合があってもよい。例えば、提示部１３５は、新規ＬＰに設定されうる除外キーワードについては提示しなくてもよい。新規ＬＰに設定されうる除外キーワードとは、例えば、新規ＬＰの広告主と競合する企業名や、競合する企業が扱う製品名などが該当する。

（要求受付部１３６について）
要求受付部１３６は、広告コンテンツの配信に関する要求を受け付ける。例えば、要求受付部１３６は、広告コンテンツの取得要求として、ユーザ端末１０が表示するウェブページに含まれるＨＴＴＰ（Hypertext Transfer Protocol）リクエストを受け付ける。また、要求受付部１３６は、検索サーバ３０から検索クエリに関する情報を受け付ける。

（配信部１３７について）
配信部１３７は、広告コンテンツを配信する。例えば、配信部１３７は、要求受付部１３６が受け付けたＨＴＴＰリクエストに従い、ユーザ端末１０に広告コンテンツを配信する。配信部１３７は、要求受付部１３６によって広告コンテンツの取得要求が受け付けられた場合に、配信候補の広告コンテンツをＬＰ情報記憶部１２１から選択する。

ここで、配信部１３７は、要求受付部１３６が受け付けた検索クエリと入札キーワードが同一又は類似する場合には、入札キーワードに紐づく広告コンテンツを配信候補として選択する。そして、配信部１３７は、検索クエリを検索サーバ３０に送信したユーザ端末１０に選択した広告コンテンツを配信する。

〔３．抽出処理手順〕
次に、図７を用いて、実施形態に係る広告装置１００が実行する抽出処理の手順について説明する。図７は、実施形態に係る広告装置１００による抽出処理手順を示すフローチャートである。

図７に示すように、広告装置１００は、既存のＬＰに紐づく入札キーワードの単語ベクトルを生成する（ステップＳ１０１）。そして、広告装置１００は、広告配信サービスを利用する新規の広告主から、新たに広告コンテンツの入稿を受け付けたか否かを判定する（ステップＳ１０２）。広告装置１００は、広告コンテンツを取得していない場合には（ステップＳ１０２；Ｎｏ）、取得するまで待機する。

一方、広告装置１００は、新たに広告コンテンツを取得した場合には（ステップＳ１０２；Ｙｅｓ）、広告コンテンツのリンク先である新規ＬＰの単語ベクトルを生成する（ステップＳ１０３）。そして、広告装置１００は、入札キーワードと新規ＬＰとの類似度を算出する（ステップＳ１０４）。

続いて、広告装置１００は、算出した類似度に基づいて、所定の閾値以上の類似度に係るキーワードを抽出する（ステップＳ１０５）。そして、広告装置１００は、抽出したキーワードを新規ＬＰに紐づく入札キーワードとして提示する（ステップＳ１０６）。

なお、図７では、広告装置１００が、既存のＬＰに紐づく入札キーワードの単語ベクトルを生成した後に、新規ＬＰを取得する例を示した。しかし、この例に限られず、広告装置１００は、新規ＬＰを取得した後に、既存のＬＰに紐づく入札キーワードの単語ベクトルを生成してもよい。この場合、広告装置１００は、生成した新規ＬＰの単語ベクトルを所定の記憶部１２０内に格納する。また、広告装置１００は、ステップＳ１０６において新規ＬＰに紐づく入札キーワードを広告主に提示した後に、さらに異なるキーワードを抽出してもよい。すなわち、広告装置１００は、抽出されたキーワードに対する広告主の対応によっては、ステップＳ１０５とステップＳ１０６を繰り返し実行してもよい。例えば、広告主が提示されたキーワード以外のキーワードを所望する場合には、広告装置１００は、閾値の値を変更し、さらに異なるキーワードを抽出する。そして、広告装置１００は、新たに抽出されたキーワードを広告主に提示する。

〔４．変形例〕
上述した実施形態は、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、他の実施形態について説明する。

〔４−１．広告コンテンツ〕
上記実施形態において、広告装置１００は、既存のＬＰや、既存のＬＰに紐づく入札キーワードや、新規ＬＰに対応する単語ベクトルを生成し、生成した単語ベクトル同士の類似度を算出することにより、新規ＬＰに紐づかせるキーワードを抽出する例を示した。ここで、広告装置１００は、ＬＰに限らず、他の情報を用いて、新規ＬＰに紐づかせるキーワードを抽出してもよい。例えば、広告装置１００は、ＬＰに代えて、ＬＰをリンク先とする広告コンテンツを利用することができる。この点について、図８を用いて説明する。

図８は、変形例に係るＬＰ情報記憶部１２１の一例を示す図である。変形例に係る広告装置１００は、図４に示したＬＰ情報記憶部１２１の代わりに、図８に示したＬＰ情報記憶部１２１を有する。図８に示すように、変形例に係るＬＰ情報記憶部１２１は、図４に示したＬＰ情報記憶部１２１に加えて、「ＣＴＲ（Click Through Rate）」といった項目を有する。

「ＣＴＲ」は、広告コンテンツのＣＴＲを示す。ここでは、ＣＴＲとは、広告コンテンツがユーザから選択された回数（例えば、ユーザ端末１０においてクリックされた回数）を広告コンテンツの表示回数によって除算した値を示す。なお、現時点において配信されたことがない広告コンテンツのＣＴＲには、予め決められている固定値や、全ての広告コンテンツにおけるＣＴＲの平均値や、同一の広告カテゴリに属する全ての広告コンテンツにおけるＣＴＲの平均値などが記憶される。また、「ＣＴＲ」には、ＣＴＲの予測モデル等から予測される予測ＣＴＲが記憶されてもよい。このような予測ＣＴＲは、例えば、広告コンテンツの種別や、広告コンテンツが表示されるウェブページの種別等によって予測される。

例えば、図８では、広告主ＣＬ０１が、「ＬＰ０１」をリンク先とする広告コンテンツ「ＡＤ０１」を入稿しており、広告コンテンツＡＤ０１のＣＴＲが「０．０１」である例を示している。また、広告主ＣＬ０１は、検索結果とともに広告コンテンツＡＤ０１が表示されるためのキーワードとして、入札キーワード「Ｋ００１」、「Ｋ００２」、「Ｋ００３」、「Ｋ００４」、・・・、に入札している例を示している。

続いて、変形例に係る生成部１３２について説明する。上記の通り、実施形態に係る生成部１３２は、既存のＬＰに対応する単語ベクトルを生成したが、変形例に係る生成部１３２は、広告コンテンツに対応する単語ベクトルを生成する。

例えば、生成部１３２は、実施形態と同様に、広告コンテンツに含まれるテキストデータについて形態素解析をする。そして、生成部１３２は、広告コンテンツに対応する単語ベクトルを生成する。また、生成部１３２は、広告コンテンツに対応する単語ベクトルに基づいて、広告コンテンツに紐づく入札キーワード（すなわち、ＬＰに紐づくキーワード）に対応する単語ベクトルを生成する。

また、生成部１３２は、新規ＬＰをリンク先とする広告コンテンツに対応する単語ベクトルを生成する。そして、算出部１３３は、生成部１３２によって生成された入札キーワードに対応する単語ベクトルと、新規ＬＰをリンク先とする広告コンテンツに対応する単語ベクトルとの類似度を算出する。そして、抽出部１３４は、算出部１３３によって算出された類似度に基づいて、所定の閾値以上の類似度に係る単語ベクトルに対応するキーワードを抽出する。このように、変形例に係る広告装置１００によれば、広告コンテンツを用いて、新規ＬＰに紐づかせるキーワードを抽出することができる。

また、変形例に係る広告装置１００は、広告コンテンツの広告効果を示す指標を用いて、上記の抽出処理を行ってもよい。例えば、生成部１３２は、広告コンテンツに紐づく入札キーワードに対応する単語ベクトルの生成処理において、ＣＴＲの高い広告コンテンツほど単語ベクトルの重みを重くして、各広告コンテンツの単語ベクトルの重心ベクトルを生成する。

あるいは、生成部１３２は、広告コンテンツに紐づく入札キーワードに対応する単語ベクトルの生成処理において、入札キーワードに紐づけられた広告コンテンツのうちＣＴＲの高い広告コンテンツを選出し、選出された各広告コンテンツの単語ベクトルを用いて重心ベクトルを生成してもよい。このように、変形例に係る生成部１３２は、広告コンテンツのＣＴＲを反映させて単語ベクトルを生成するので、より広告効果の高い広告コンテンツの特徴が反映された単語ベクトルを生成することができる。また、変形例に係る算出部１３３は、より広告効果の高い広告コンテンツが反映される類似度を算出することができる。

なお、生成部１３２は、図８で示したＣＴＲ以外の広告効果を示す指標に基づいて単語ベクトルを生成してもよい。例えば、生成部１３２は、広告コンテンツが表示された回数に対して何割がコンバージョンに至るかの割合を示すＣＶＲ（Conversion Rate）などの情報に基づいて、単語ベクトルを生成してもよい。この場合、算出部１３３は、ＣＶＲの高い広告コンテンツが反映される類似度を算出することができる。

なお、コンバージョンとは、広告主が獲得できる最終成果を示し、広告主への利益に繋がるユーザの行動が該当する。コンバージョンの例としては、ウェブページ上で商品を購入する行動や、会員登録を行う行動や、資料請求を行う行動や、商品等に関する問い合わせを行う行動等が挙げられる。また、コンバージョンには、広告コンテンツにアクセスしたユーザが、広告主のウェブページを介さずにオフライン（電話や郵送等）で商品購入、会員登録、資料請求、問い合わせ等を行う行動を含めてもよい。

また、入稿受付部１３１は、検索サービスにおいて、入札キーワードがユーザから入力された回数に関する情報を取得してもよい。そして、生成部１３２は、入札キーワードがユーザから入力された回数が多い広告コンテンツほど重みを重くして、重心ベクトルを生成してもよい。この場合、算出部１３３は、入札キーワードがユーザから入力された回数に基づいて、単語ベクトル同士の類似度を算出することになる。

このように、変形例に係る算出部１３３は、広告コンテンツ（もしくは、既存のＬＰ）に紐づくキーワードがユーザから入力された回数、広告コンテンツがユーザから選択された回数又は広告コンテンツが表示されることで広告主が得た利益に関する情報の少なくとも一つに基づいて、類似度を算出することができる。

これにより、広告装置１００は、現状の検索サービスや広告配信の状況などに基づき、より実情に即して類似度を算出することができるので、新規ＬＰの広告主に対して適切な入札キーワードを抽出することができる。

なお、算出部１３３は、上記で示した例以外にも、さらに異なる広告評価に関する情報を用いて類似度を算出してもよい。例えば、算出部１３３は、ユーザ端末１０における広告コンテンツの実際の表示回数（インプレッション数）や、広告コンテンツに対するクリックで発生する課金額であるＣＰＣ（Cost Per Click）や、広告コンテンツの１０００回表示あたりの課金額であるｅＣＰＭ（effective Cost Per Mill）などの広告コンテンツに関する情報を用いてもよい。

また、上記例においては、広告コンテンツ同士の類似度を算出する例を示したが、類似度は、広告コンテンツの特徴情報とＬＰの特徴情報とによって算出されてもよい。

〔４−２．学習〕
また、広告装置１００は、抽出したキーワードが新規ＬＰに紐づけられた後に、新規ＬＰをリンク先とする広告コンテンツが何回表示されたか、などの結果を取得してもよい。すなわち、広告装置１００は、広告コンテンツの表示回数や、ユーザから広告コンテンツがクリックされた回数などを取得する。言い換えれば、広告装置１００は、抽出したキーワードを広告主が入札キーワードとした場合の効果を測定する。そして、広告装置１００は、取得したＣＴＲや、ＣＶＲなどの指標をさらに用いて、上記抽出処理に利用してもよい。このように、広告装置１００は、抽出したキーワードによる広告効果などの結果を測定し、かかる結果が反映された学習モデルにより、キーワードを抽出してもよい。これにより、広告装置１００は、処理を繰り返すことにより、よりユーザから検索されやすく広告効果を向上させやすいキーワードを抽出することができる。このため、広告装置１００は、広告コンテンツの広告効果をより高めることができる。

〔４−３．広告主〕
上記実施形態において、広告主は、広告主端末２０を用いて、広告装置１００に広告コンテンツを入稿する例を示した。しかし、広告主は、自ら広告装置１００に広告コンテンツを入稿せずに、かかる処理を代理店に依頼する場合もある。この場合、広告装置１００にかかる処理をするのは代理店となる。すなわち、「広告主」といった表記は、広告主だけでなく代理店を含む概念であり、「広告主端末」といった表記は、広告主端末２０だけでなく代理店によって利用される代理店端末を含む概念であるものとする。

〔４−４．広告配信〕
また、配信部１３７は、広告コンテンツの配信において、同じ入札キーワードに紐づく広告コンテンツが複数ある場合には、入札キーワードの入札価格が高い広告主や、ＣＴＲの高い広告コンテンツや、入札価格及びＣＴＲの双方が高い広告コンテンツを優先して選択するようにしてもよい。そして、配信部１３７は、選択した広告コンテンツをユーザ端末１０に配信する。

〔４−５．他の用途〕
上記実施形態において、広告装置１００は、検索連動型の広告配信サービスにおける入札キーワードを抽出する例を示した。しかし、広告装置１００は、上記のような検索連動型以外の広告配信に利用されてもよい。例えば、広告装置１００は、キーワードに対する入札を受け付け、かかるキーワードと親和性の高い内容のウェブページに広告コンテンツを配信するような、いわゆる広告コンテンツマッチ型の広告サービスに利用されてもよい。

また、上記実施形態において、第１コンテンツ及び第２コンテンツの一例としてＬＰ又は広告コンテンツを挙げ、キーワードの一例として入札キーワードを例に挙げて説明した。しかし、広告装置１００は、ＬＰ又は広告コンテンツに紐づく入札キーワードを抽出するのみならず、他の用途として利用されてもよい。例えば、広告装置１００は、所定のテキスト文書の特徴情報に基づいて、テキスト文書同士の類似度を算出し、テキスト文書に関連するキーワードを抽出するというような、あるドキュメントに関連するキーワード抽出のアシストを実行する装置であってもよい。すなわち、第１コンテンツ及び第２コンテンツは、任意の単語を含む文書のようなコンテンツであればよい。

また、本願に係る抽出装置が検索サーバ３０に対応する場合、検索サーバ３０は、検索結果ページ５０に検索クエリのアシストとなるキーワードを表示してもよい。すなわち、検索サーバ３０は、所定のキーワードの特徴情報と、所定のウェブページの特徴情報との類似度を算出する。そして、検索サーバ３０は、算出された類似度が所定の閾値以上である特徴情報に対応するキーワードを、所定のウェブページを検索するためのキーワードとして抽出する。この場合、検索サーバ３０は、検索サービスを提供するウェブページにおいて、抽出されたキーワードを提示してもよい。ユーザは、提示されたキーワードに基づいて検索を実行することにより、効率よく目的のウェブページを検索できる場合がある。この場合、検索サーバ３０は、検索サービスを実行する制御部に加え、上記実施形態に係る生成部１３２、算出部１３３、抽出部１３４及び提示部１３５に対応する各処理部を有する。

〔４−６．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。

例えば、図３に示したＬＰ情報記憶部１２１やキーワード情報記憶部１２２は、広告装置１００が保持せずに、図示しないストレージサーバ等が保持してもよい。この場合、広告装置１００は、ストレージサーバからＬＰ情報等を取得する。

また、例えば、上記実施形態では、広告装置１００が単語ベクトルを生成する例を示したが、単語ベクトルを生成する主体は、広告装置１００と異なる所定のサーバ装置であってもよい。この場合、広告装置１００は、所定のサーバ装置によって生成された単語ベクトルを取得し、取得した単語ベクトルを保持する。また、例えば、上述した広告装置１００は、入稿受付部１３１と生成部１３２とを有する単語ベクトル生成装置と、算出部１３３と抽出部１３４とを有する抽出装置と、提示部１３５を有する提示装置と、要求受付部１３６と配信部１３７とを有する配信装置とに分散されてもよい。

〔５．ハードウェア構成〕
また、上述してきた実施形態に係る広告装置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。以下、広告装置１００を例に挙げて説明する。図９は、広告装置１００の機能を実現するコンピュータ１０００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又はＨＤＤ１４００に記憶されたプログラムに基づいて動作し、各部の制御を行う。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記憶する。

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記憶する。通信インターフェイス１５００は、通信網５００（ネットワークＮに対応）を介して他の機器からデータを受信してＣＰＵ１１００へ送り、また、通信網５００を介してＣＰＵ１１００が生成したデータを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、入出力インターフェイス１６００を介して生成したデータを出力装置へ出力する。

メディアインターフェイス１７００は、記録媒体１８００に記憶されたプログラム又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が実施形態に係る広告装置１００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１３０の機能を実現する。また、ＨＤＤ１４００には、記憶部１２０内のデータが記憶される。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、他の装置から通信網５００を介してこれらのプログラムを取得してもよい。

〔６．効果〕
上述してきたように、実施形態に係る広告装置１００は、算出部１３３と、抽出部１３４とを有する。算出部１３３は、キーワードに紐づけられた既存のＬＰの特徴情報と、任意の単語を含む新規ＬＰの特徴情報との類似度を算出する。また、抽出部１３４は、算出部１３３によって算出された類似度が所定の閾値以上である特徴情報に対応するキーワードを抽出する。

このように、実施形態に係る広告装置１００は、現時点で他の広告主が入札しており、効果が高いと想定されるキーワードであって、新規ＬＰに特徴が類似する既存のＬＰに紐づくキーワードを抽出する。これにより、広告装置１００によれば、ユーザが検索サービスを利用する際に、入札キーワードに紐づく広告コンテンツを表示させやすくすることができるので、広告コンテンツの広告効果を向上させることができる。

また、算出部１３３は、キーワードと既存のＬＰが紐づけられた複数の組み合わせのうち、当該キーワード毎の特徴情報として、当該キーワードに紐づけられた全ての既存のＬＰの特徴情報と、新規ＬＰの特徴情報との類似度を算出する。

このように、実施形態に係る広告装置１００は、複数のキーワードとＬＰの組み合わせのうち、キーワード毎に類似度を算出する。これにより、広告装置１００は、新規ＬＰに対する適切なキーワードを抽出することができる。

また、算出部１３３は、特徴情報として、キーワードに紐づけられた既存のＬＰに対応する単語ベクトルと、新規ＬＰに対応する単語ベクトルとの類似度を算出する。

これにより、実施形態に係る広告装置１００は、任意の単語が含まれたＬＰなどのコンテンツの特徴を表すことができるので、新規ＬＰの特徴を正確に捉えることができる。このため、広告装置１００は、新規ＬＰに対する適切なキーワードを抽出することができる。

また、算出部１３３は、キーワードに紐づけられた既存のＬＰに対応する単語ベクトルと、新規ＬＰに対応する単語ベクトルとのコサイン類似度を算出する。抽出部１３４は、算出部１３３によって算出されたコサイン類似度が所定の閾値以上の単語ベクトルに対応するキーワードを抽出する。

これにより、実施形態に係る広告装置１００は、ＬＰなどが含むテキストの傾向の類似性が数値で表現することができるので、的確に単語ベクトル同士の類似性を算出することができる。このため、広告装置１００は、新規ＬＰに対する適切なキーワードを抽出することができる。

また、算出部１３３は、キーワードに紐づけられた既存のＬＰが複数ある場合には、キーワードに紐づけられた複数の既存のＬＰに対応する各単語ベクトルの重心ベクトルと、新規ＬＰに対応する単語ベクトルとの類似度を算出する。また、抽出部１３４は、算出部１３３によって算出された類似度が所定の閾値以上の重心ベクトルに対応するキーワードを抽出する。

これにより、実施形態に係る広告装置１００は、他の広告主が入札キーワードとしている複数の既存のＬＰの特徴を平均化して捉えることができる。このため、広告装置１００は、複数の既存のＬＰがキーワードに紐づく状況を加味して類似度を算出できるので、新規ＬＰに対する適切なキーワードを抽出することができる。

また、実施形態に係る広告装置１００は、キーワードに紐づけられた既存のＬＰに対応する単語ベクトル、キーワードに紐づけられた複数の既存のＬＰに対応する各単語ベクトルの重心ベクトル及び新規ＬＰに対応する単語ベクトルの少なくとも一つを生成する生成部１３２をさらに備える。算出部１３３は、生成部１３２によって生成された単語ベクトルの少なくとも一つを用いて類似度を算出する。

これにより、実施形態に係る広告装置１００は、ＬＰなどコンテンツの特徴を捉えた特徴情報を用いて、それぞれのコンテンツの類似度を算出することができる。

また、生成部１３２は、既存のＬＰ又は新規ＬＰに対応する単語ベクトルについて、既存のＬＰ又は新規ＬＰ内の全ての単語の出現回数の総和、所定の単語が出現する回数及び該所定の単語がキーワードと紐づく頻度に基づいて、所定の単語毎に重み付けがされた単語ベクトルを生成する。

これにより、実施形態に係る広告装置１００は、適切な重みが付与された単語ベクトルを生成することができる。このため、広告装置１００によれば、信頼性の高い類似度を算出することができるので、新規ＬＰに対する適切なキーワードを抽出することができる。

また、算出部１３３は、第１コンテンツとして、広告主が入稿する広告コンテンツ若しくは広告コンテンツのリンク先となるウェブページ（すなわち、既存のＬＰ）を用い、キーワードとして、広告主が入札する検索クエリである入札キーワードを用い、第２コンテンツとして、第１コンテンツに対応するコンテンツとは異なるコンテンツ（例えば、新規ＬＰ）を用いて類似度を算出する。

これにより、実施形態に係る広告装置１００は、検索連動型の広告配信サービスにおいて、新規ＬＰに紐づけるキーワードを適切に抽出することができる。

また、算出部１３３は、既存のＬＰに紐づくキーワードがユーザから入力された回数、既存のＬＰをリンク先とする広告コンテンツがユーザから選択された回数又は広告コンテンツが表示されることで広告主が得た利益に関する情報の少なくとも一つに基づいて類似度を算出する。

これにより、実施形態に係る広告装置１００は、現状の広告効果を踏まえたうえで、既存のＬＰと新規ＬＰの特徴情報の類似度を算出することができる。このため、広告装置１００は、現状に則した、適切なキーワードを抽出することができる。

また、実施形態に係る広告装置１００は、新規ＬＰに紐づかせるキーワードとして、抽出部１３４によって抽出されたキーワードを新規ＬＰの提供主に提示する提示部１３５をさらに備える。

これにより、実施形態に係る広告装置１００は、新規ＬＰの提供主である広告主に、入札すべき適切なキーワードを提示することができる。このため、広告装置１００によれば、広告主は、入札すべき適切なキーワードを知ることができる。また、広告配信サービスの管理者側は、広告主から入札されるキーワードが増えることにより、入札の促進につながり、サービスの活性化を図ることができる。

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、算出部は、算出手段や算出回路に読み替えることができる。

１ 抽出システム
１０ ユーザ端末
２０ 広告主端末
３０ 検索サーバ
１００ 広告装置
１１０ 通信部
１２０ 記憶部
１２１ ＬＰ情報記憶部
１２２ キーワード情報記憶部
１３０ 制御部
１３１ 入稿受付部
１３２ 生成部
１３３ 算出部
１３４ 抽出部
１３５ 提示部
１３６ 要求受付部
１３７ 配信部

Claims (13)

1. キーワードに紐づけられた第１コンテンツの単語ベクトルと、任意の単語を含む第２コンテンツの単語ベクトルとの類似度を算出する算出部と、
   前記キーワードのうち、前記算出部によって算出された類似度が所定の閾値以上である単語ベクトルに対応するキーワードを抽出する抽出部と、を備え、
   前記算出部は、
   前記キーワードに紐づけられた第１コンテンツが複数ある場合には、前記キーワードに紐づけられた複数の第１コンテンツに対応する各単語ベクトルの重心ベクトルであって、各第１コンテンツにおける広告効果を示す指標値に基づいて各第１コンテンツに対応する各単語ベクトルに重み付けされた重心ベクトルと、前記第２コンテンツに対応する単語ベクトルとの類似度を算出し、
   前記抽出部は、
   前記類似度が所定の閾値以上である前記重心ベクトルに対応するキーワードを抽出する、
   ことを特徴とする抽出装置。
2. 前記算出部は、
   前記キーワードと前記第１コンテンツとが紐づけられた複数の組み合わせのうち、当該キーワード毎に、当該キーワードに紐づけられた全ての前記第１コンテンツの各単語ベクトルの重心ベクトルと、前記第２コンテンツの単語ベクトルとの類似度を算出し、
   前記抽出部は、
   前記算出部によって算出された前記キーワードの重心ベクトルと前記第２コンテンツの単語ベクトルとの類似度が所定の閾値以上である重心ベクトルに対応するキーワードを抽出する、
   ことを特徴とする請求項１に記載の抽出装置。
3. 前記算出部は、
   前記キーワードに紐づけられた第１コンテンツに対応する単語ベクトルと、前記第２コンテンツに対応する単語ベクトルとのコサイン類似度を算出し、
   前記抽出部は、
   前記コサイン類似度が所定の閾値以上である前記単語ベクトルに対応するキーワードを抽出する、
   ことを特徴とする請求項２に記載の抽出装置。
4. 前記キーワードに紐づけられた第１コンテンツに対応する単語ベクトル、前記キーワードに紐づけられた複数の第１コンテンツに対応する各単語ベクトルの重心ベクトル及び前記第２コンテンツに対応する単語ベクトルの少なくとも一つを生成する生成部、
   をさらに備え、
   前記算出部は、
   前記生成部によって生成された前記単語ベクトルの少なくとも一つを用いて、前記類似度を算出する、
   ことを特徴とする請求項１〜３のいずれか一つに記載の抽出装置。
5. 前記生成部は、
   前記第１コンテンツ又は前記第２コンテンツに対応する単語ベクトルについて、該第１コンテンツ又は該第２コンテンツ内の全ての単語の出現回数の総和、所定の単語が出現する回数及び該所定の単語が前記キーワードと紐づく頻度に基づいて、該所定の単語毎に重み付けがされた前記単語ベクトルを生成する、
   ことを特徴とする請求項４に記載の抽出装置。
6. 前記算出部は、
   前記第１コンテンツとして、広告主が入稿する広告コンテンツ若しくは前記広告コンテンツのリンク先となるウェブページを用い、前記キーワードとして、広告主が入札する検索クエリである入札キーワードを用い、前記第２コンテンツとして、前記第１コンテンツに対応するコンテンツとは異なるコンテンツを用いて、前記類似度を算出する、
   ことを特徴とする請求項１〜５のいずれか一つに記載の抽出装置。
7. 前記算出部は、
   前記第１コンテンツに紐づくキーワードがユーザから入力された回数、前記第１コンテンツがユーザから選択された回数又は前記第１コンテンツが表示されることで前記第１コンテンツの提供主が得た利益に関する情報の少なくとも一つに基づいて、前記類似度を算出する、
   ことを特徴とする請求項１〜６のいずれか一つに記載の抽出装置。
8. 前記第２コンテンツに紐づかせるキーワードとして、前記抽出部によって抽出されたキーワードを該第２コンテンツの提供主に提示する提示部、
   をさらに備えたことを特徴とする請求項１〜７のいずれか一つに記載の抽出装置。
9. キーワードに紐づけられた第１コンテンツに対応する単語ベクトル、及び、任意の単語を含む第２コンテンツに対応する単語ベクトルを生成する生成部と、
   前記第１コンテンツの単語ベクトルと、前記第２コンテンツの単語ベクトルとの類似度を算出する算出部と、
   前記キーワードのうち、前記算出部によって算出された類似度が所定の閾値以上である単語ベクトルに対応するキーワードを抽出する抽出部と、を備え、
   前記生成部は、
   前記第１コンテンツ又は前記第２コンテンツに対応する単語ベクトルについて、該第１コンテンツ又は該第２コンテンツ内の全ての単語の出現回数の総和、所定の単語が出現する回数及び該所定の単語が前記キーワードと紐づく頻度に基づいて、該所定の単語毎に重み付けがされた前記単語ベクトルを生成する、
   ことを特徴とする抽出装置。
10. コンピュータが実行する抽出方法であって、
    キーワードに紐づけられた第１コンテンツの単語ベクトルと、任意の単語を含む第２コンテンツの単語ベクトルとの類似度を算出する算出工程と、
    前記キーワードのうち、前記算出工程によって算出された類似度が所定の閾値以上である単語ベクトルに対応するキーワードを抽出する抽出工程と、を含み、
    前記算出工程は、
    前記キーワードに紐づけられた第１コンテンツが複数ある場合には、前記キーワードに紐づけられた複数の第１コンテンツに対応する各単語ベクトルの重心ベクトルであって、各第１コンテンツにおける広告効果を示す指標値に基づいて各第１コンテンツに対応する各単語ベクトルに重み付けされた重心ベクトルと、前記第２コンテンツに対応する単語ベクトルとの類似度を算出し、
    前記抽出工程は、
    前記類似度が所定の閾値以上である前記重心ベクトルに対応するキーワードを抽出する、
    ことを特徴とする抽出方法。
11. コンピュータが実行する抽出方法であって、
    キーワードに紐づけられた第１コンテンツに対応する単語ベクトル、及び、任意の単語を含む第２コンテンツに対応する単語ベクトルを生成する生成工程と、
    前記第１コンテンツの単語ベクトルと、前記第２コンテンツの単語ベクトルとの類似度を算出する算出工程と、
    前記キーワードのうち、前記算出工程によって算出された類似度が所定の閾値以上である単語ベクトルに対応するキーワードを抽出する抽出工程と、を含み、
    前記生成工程は、
    前記第１コンテンツ又は前記第２コンテンツに対応する単語ベクトルについて、該第１コンテンツ又は該第２コンテンツ内の全ての単語の出現回数の総和、所定の単語が出現する回数及び該所定の単語が前記キーワードと紐づく頻度に基づいて、該所定の単語毎に重み付けがされた前記単語ベクトルを生成する、
    ことを特徴とする抽出方法。
12. キーワードに紐づけられた第１コンテンツの単語ベクトルと、任意の単語を含む第２コンテンツの単語ベクトルとの類似度を算出する算出手順と、
    前記キーワードのうち、前記算出手順によって算出された類似度が所定の閾値以上である単語ベクトルに対応するキーワードを抽出する抽出手順と、をコンピュータに実行させ、
    前記算出手順は、
    前記キーワードに紐づけられた第１コンテンツが複数ある場合には、前記キーワードに紐づけられた複数の第１コンテンツに対応する各単語ベクトルの重心ベクトルであって、各第１コンテンツにおける広告効果を示す指標値に基づいて各第１コンテンツに対応する各単語ベクトルに重み付けされた重心ベクトルと、前記第２コンテンツに対応する単語ベクトルとの類似度を算出し、
    前記抽出手順は、
    前記類似度が所定の閾値以上である前記重心ベクトルに対応するキーワードを抽出する、
    ことを特徴とする抽出プログラム。
13. キーワードに紐づけられた第１コンテンツに対応する単語ベクトル、及び、任意の単語を含む第２コンテンツに対応する単語ベクトルを生成する生成手順と、
    前記第１コンテンツの単語ベクトルと、前記第２コンテンツの単語ベクトルとの類似度を算出する算出手順と、
    前記キーワードのうち、前記算出手順によって算出された類似度が所定の閾値以上である単語ベクトルに対応するキーワードを抽出する抽出手順と、をコンピュータに実行させ、
    前記生成手順は、
    前記第１コンテンツ又は前記第２コンテンツに対応する単語ベクトルについて、該第１コンテンツ又は該第２コンテンツ内の全ての単語の出現回数の総和、所定の単語が出現する回数及び該所定の単語が前記キーワードと紐づく頻度に基づいて、該所定の単語毎に重み付けがされた前記単語ベクトルを生成する、
    ことを特徴とする抽出プログラム。

Images