JP6254726B1

JP6254726B1 - 生成装置、生成方法、及び生成プログラム

Info

Publication number: JP6254726B1
Application number: JP2017023649A
Authority: JP
Inventors: 孝太坪内
Original assignee: Yahoo Japan Corp
Current assignee: Yahoo Japan Corp
Priority date: 2017-02-10
Filing date: 2017-02-10
Publication date: 2017-12-27
Anticipated expiration: 2037-02-10
Also published as: JP2018129004A

Abstract

【課題】ユーザに対して適切なタイミングで適切な内容の通知を可能にする。【解決手段】本願に係る生成装置は、取得部と、生成部とを有する。取得部は、ユーザが複数種類の特定行動のうちのいずれかの行動をした場合におけるユーザの端末装置に対する行動情報と、ユーザに関するコンテキスト情報とを取得する。生成部は、取得部により取得された行動情報とコンテキスト情報とに基づいて、端末装置へのコンテンツの通知目的に関する各種別に対応する各モデルであって、端末装置への前記各種別に対応するコンテンツの通知タイミングの判定に用いる各モデルを生成する。【選択図】図３

Description

本発明は、生成装置、生成方法、及び生成プログラムに関する。

従来、端末装置のユーザに対してプッシュ型で情報を提供することが行われており、かかるプッシュ型の情報提供は今後さらに増加するものと考えられる。一方で、通知される情報が多くなるほど、ユーザは通知される情報の一つ一つに注意を払う機会が少なくなるおそれがある。

そこで、ユーザが提供される情報に注意を払うように、ユーザの端末装置に対する操作から、ユーザの行動の変わり目（例えば、歩く→止まる、走る→歩くなど）のうち、ユーザへの割り込みに適したタイミングで情報を通知する技術が提案されている。

特開２０１４−１３８３５２号公報

大越匡、" Detection of User’s Interruptibility for Attention Awareness in Ubiquitous Computing"、博士論文、［online］、学年度２０１５年、インターネット（URL: https://www.ht.sfc.keio.ac.jp/~slash/papers/TadashiOkoshi_PhDThesis_20150809a.pdf）

しかしながら、上記の従来技術では、ユーザに対して適切なタイミングで適切な内容の通知を可能にすることが難しい場合がある。例えば、現に起動中のアプリケーションの全てと、所定のアプリケーションの識別子の組み合わせとの一致を条件としてプッシュ通知を行う場合、通知の内容が考慮されておらず、ユーザに対して適切なタイミングで適切な内容の通知を可能にすることは難しい。

本願は、上記に鑑みてなされたものであって、ユーザに対して適切なタイミングで適切な内容の通知を可能にする生成装置、生成方法、及び生成プログラムを提供することを目的とする。

本願に係る生成装置は、ユーザが複数種類の特定行動のうちのいずれかの行動をした場合における前記ユーザの端末装置に対する行動情報と、前記ユーザに関するコンテキスト情報とを取得する取得部と、前記取得部により取得された前記行動情報と前記コンテキスト情報とに基づいて、前記端末装置へのコンテンツの通知目的に関する各種別に対応する各モデルであって、前記端末装置への前記各種別に対応するコンテンツの通知タイミングの判定に用いる各モデルを生成する生成部と、を備えたことを特徴とする。

実施形態の一態様によれば、ユーザに対して適切なタイミングで適切な内容の通知を可能にすることができるという効果を奏する。

図１は、実施形態に係る生成処理の一例を示す図である。図２は、実施形態に係る生成システムの構成例を示す図である。図３は、実施形態に係る生成装置の構成例を示す図である。図４は、実施形態に係るユーザ情報記憶部の一例を示す図である。図５は、実施形態に係る行動情報記憶部の一例を示す図である。図６は、実施形態に係る種別情報記憶部の一例を示す図である。図７は、実施形態に係る全体モデル情報記憶部の一例を示す図である。図８は、実施形態に係る個別モデル情報記憶部の一例を示す図である。図９は、実施形態に係るコンテンツ情報記憶部の一例を示す図である。図１０は、実施形態に係る端末装置の構成例を示す図である。図１１は、実施形態に係る端末装置の表示画面の一例を示す図である。図１２は、実施形態に係る生成処理の一例を示すフローチャートである。図１３は、実施形態に係る生成処理の一例を示すフローチャートである。図１４は、実施形態に係る判定処理の一例を示すフローチャートである。図１５は、実施形態に係る予測モデルの生成処理の一例を示す図である。図１６は、実施形態に係る予測モデルを用いた通知の一例を示す図である。図１７は、生成装置また端末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、本願に係る生成装置、生成方法、及び生成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生成装置、生成方法、及び生成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．生成処理〕
まず、図１を用いて、実施形態に係る生成処理の一例について説明する。図１は、実施形態に係る生成処理の一例を示す図である。図１では、生成装置１００が端末装置１０にコンテンツを配信する場合を示す。また、図１では、生成装置１００が端末装置１０から取得した情報に基づいて、モデルを生成する場合を示す。図１では、端末装置１０は、検知部１４（図１０参照）から取得した各種情報を基にユーザの状態の変化やコンテキスト等を推定し、コンテンツの通知タイミングを判定する。以下の例では、端末装置１０を利用するユーザがユーザＵ１である場合を示す。

また、図１では、生成装置１００がユーザＵ１に対応するコンテンツ（図９参照）をユーザＵ１の端末装置１０に配信し、端末装置１０側でコンテンツをユーザに通知するタイミング（以下、「通知タイミング」ともいう）を判定する場合を示す。また、図１では、生成装置１００が端末装置１０において通知されたコンテンツ（以下、「通知コンテンツ」ともいう）に対するユーザＵ１の行動に関する情報（以下、「行動情報」ともいう）を取得する場合を示す。なお、ここでいう通知とは、端末装置１０の画面上に表示することに限らず、音声や振動等の種々の態様によりコンテンツの通知タイミングであることを出力し、ユーザに認識させることを含む。

図１の例では、行動情報（以下、「ユーザ関連情報」ともいう）には、ユーザＵ１が複数種類の特定行動のうちのいずれかの行動をした場合におけるユーザＵ１の通知コンテンツに対する行動の有無とユーザＵ１に関するコンテキストの情報が含まれる。図１の例では、ユーザＵ１の通知コンテンツに対する行動の有無とは、ユーザＵ１が通知コンテンツを閲覧（画面に表示）した場合、「有」となり、ユーザＵ１が通知コンテンツを閲覧（画面に表示）しなかった場合、「無」となる。なお、行動の有無の判断レベルについては、通知コンテンツがユーザに要求する行動に応じて変動させてもよいが、この点については後述する。なお、ここでいう閲覧（画面に表示）とは、コンテンツが通知されたことを認識したユーザが所定の行動（電源ボタンを押す等）を行うことにより、ユーザが意識的に端末装置１０の画面に通知されたコンテンツを表示することであってもよい。

また、ここでいう特定行動は、ユーザへの割り込みを行うタイミングの候補（以下、ブレイクポイントと記載する場合がある）として予め選択されたユーザの行動である。特定行動は、例えば、ユーザが歩いている状態から止まるという行動、ユーザが走っている状態から歩くという行動、座っている状態から立つという行動などである。なお、特定行動は、直前の行動を考慮しないものであってもよく、例えば、ユーザが電子メールを送信するという行動、ユーザが電気機器を操作（ＯＮ／ＯＦＦ）するという行動、ユーザが時計を見るという行動等であってもよい。図１の例では、ブレイクポイントＢＰ１１〜ＢＰ１６は、ユーザＵ１に関する変化（特定行動ＣＨ１１〜ＣＨ１６）のタイミングに対応するが、詳細は後述する。

ユーザに関するコンテキスト情報（以下、単に「コンテキスト情報」ともいう）は、例えば、ユーザのコンテキストを示す情報である。例えば、コンテキストは、ユーザＵ１や端末装置１０の状況やユーザＵ１や端末装置１０の環境（背景）に基づいて推定されるユーザＵ１の状況を意味する。また、コンテキストには、ユーザに提供されるコンテンツの内容、ユーザが反応したコンテンツの内容、ユーザの属性、ユーザの現在位置、現在時刻、ユーザが置かれた物理環境、ユーザが置かれた社会環境、ユーザの運動状態、および、推定されるユーザの感情等の種々の情報が含まれる。また、コンテキストには、ユーザＵ１や端末装置１０の状況やユーザＵ１や端末装置１０の環境（背景）に基づいて推定されるユーザＵ１の心理状態等であってもよい。

例えば、端末装置１０は、ユーザの行動情報等に基づいてユーザのコンテキストを推定してもよい。例えば、端末装置１０は、ユーザの位置情報やコンテンツの閲覧等の種々の行動情報に基づいて、ユーザがどのような状況であるかを推定してもよい。例えば、端末装置１０は、ユーザの位置履歴情報やコンテンツの閲覧等の種々の行動履歴情報に基づいて、ユーザがどのような状況であるかを推定してもよい。例えば、端末装置１０は、ユーザが夜にスポーツに関するコンテンツを閲覧する傾向がある場合、コンテキスト推定の時点が夜である場合、ユーザがスポーツに関するコンテンツを閲覧する可能性が高いコンテキストであると推定してもよい。また、例えば、端末装置１０は、ユーザの位置が過去に経済に関するコンテンツを閲覧していた位置から所定の範囲内に位置する場合、ユーザが経済に関するコンテンツを閲覧する可能性が高いコンテキストであると推定してもよい。なお、上記は一例であり、端末装置１０は、種々の情報等に基づいて種々のコンテキストを推定してもよい。

例えば、生成装置１００は、端末装置１０から取得した行動情報を基に学習モデル（以下、単に「モデル」ともいう）を学習する。すなわち、生成装置１００は、取得した行動情報を基にモデルを生成する。例えば、生成装置１００は、各特定行動とコンテキストとを特徴量として機械学習を実行し、各種のモデルを生成する。例えば、生成装置１００は、コンテンツの通知タイミングの判定に用いるモデルを生成する。

図１の例では、生成装置１００は、コンテンツの通知目的に関する各種別に対応する各モデル（以下、「個別モデル」ともいう）を用いてコンテンツの通知を行う場合を示す。ここでいう個別モデルとは、例えばコンテンツの通知の目的や通知時の状況等に応じて、個別のスコア（以下、「状況スコア」ともいう）を算出するモデルを意味する。例えば、個別モデルは、例えば種別情報記憶部１２３（図６参照）に示すように、通知目的の複数の要素であって、各々が複数の選択肢を有する複数の要素の各々から選択された選択肢の組合せに対応する。また、ここでいう通知目的とは、通知する側の目的や通知される側（ユーザ）の状況等の種々の要素の組み合わせであってもよく、例えば通知側がどんな目的でどんな状態のユーザに通知したいかということを意味する。

また、各種別は、種別情報記憶部１２３（図６参照）に示すように、例えば、「要素１（ユーザコンテキスト）」や「要素２（要求行動）」等の複数の要素の組合せを含む。例えば、図６中の種別情報記憶部１２３に示す「要素１（ユーザコンテキスト）」は、対応する種別におけるユーザコンテキストの要素の選択肢のうち、いずれの選択肢が組合せとして含まれるかを示す。例えば、図６に示す「コンテキストＣＮ１」は、朝の経済ニュースに関心を示す可能性が高いコンテキストであってもよい。また、例えば、図６に示す「コンテキストＣＮ３」は、夜のエンターテインメントのニュースに関心を示す可能性が高いコンテキストであってもよい。また、例えば、図６中の種別情報記憶部１２３に示す「要素２（要求行動）」は、対応する種別におけるコンテンツを通知したユーザに要求する行動の要素の選択肢のうち、いずれの選択肢が組合せとして含まれるかを示す。

例えば、図６に示す例において、種別には、種別ＩＤ「ＣＬ１１」〜「ＣＬ３１」等により識別される種別（種別ＣＬ１１〜種別ＣＴ３１等）が含まれる。例えば、図６に示す種別ＣＬ１１は、「要素１（ユーザコンテキスト）」として、選択肢「コンテキストＣＮ１」を含み、「要素２（要求行動）」として、選択肢「閲覧」を含む組合せであることを示す。また、例えば、図６に示す種別ＣＬ１２は、「要素１（ユーザコンテキスト）」として、選択肢「コンテキストＣＮ１」を含み、「要素２（要求行動）」として、選択肢「クリック」を含む組合せであることを示す。

図１の例では、生成装置１００は、各種別ＣＬ１１〜ＣＬ１６等に対応する個別モデルＤＭ１１〜ＤＭ１６等（図８参照）を用いてコンテンツの通知を行う場合を示す。なお、図８中の個別モデル情報記憶部１２５に示すように各種別ＣＬ１１〜ＣＬ１６等には各々個別モデルＤＭ１１〜ＤＭ１６等が対応する。例えば、種別ＣＬ１１には個別モデルＤＭ１１が対応する。例えば、「種別ＣＬ＊（＊は任意の数値）」には、「＊」が同じ値である「個別モデルＤＭ＊」が対応する。例えば、種別ＣＬ１１には個別モデルＤＭ１１が対応し、種別ＣＬ１５には個別モデルＤＭ１５が対応する。

図１の例では、端末装置１０は個別モデルＤＭ１１〜ＤＭ１６等を保持しているものとする。また、図１の例では、端末装置１０は、個別モデルＤＭ１１〜ＤＭ１６を用いる前に、ブレイクポイント（Break Point：ＢＰ）がゴールデンブレイクポイント（Golden Break Point：ＧＢＰ）であるかどうかを所定のモデル（以下、「全体モデル」ともいう）により判定する。例えば、ゴールデンブレイクポイントとは、ブレイクポイントの中でも特にユーザへの情報の通知に適したタイミングであることを意味する。図１の例では、端末装置１０は図７中の全体モデル情報記憶部１２４に示すように全体モデルＧＭ１を保持しているものとする。なお、個別モデルＤＭ１１〜ＤＭ１６等や全体モデルＧＭ１の生成についての詳細は後述する。

また、図１の例では、端末装置１０は、ブレイクポイントＢＰ１１〜ＢＰ１６と判定した場合、全体モデルＧＭ１が出力するスコア（以下、「全体スコア」ともいう）が所定の閾値以上の場合、そのブレイクポイントをゴールデンブレイクポイントと判定するものとする。

まず、図１に示す例においては、生成装置１００は、日時ｔ１１において、コンテンツを端末装置１０に配信する（ステップＳ１１）。例えば、生成装置１００は、日時ｔ１１において、コンテンツを端末装置１０に送信する。例えば、生成装置１００は、コンテンツ情報記憶部１２６（図９参照）に示すように、ユーザＵ１に対応付けられたコンテンツＣＴ１０〜ＣＴ１３を、ユーザＵ１が利用する端末装置１０に配信する。

その後、ユーザＵ１は日時ｔ１２において走っている状態から歩いている状態へ変化する行動情報ＣＨ１１を行ったものとする。そして、端末装置１０は、行動情報ＣＨ１１が行われたブレイクポイントＢＰ１１がゴールデンブレイクポイントであるかを判定する（ステップＳ１２）。例えば、端末装置１０は、日時ｔ１２において全体モデルＧＭ１が出力した全体スコアと所定の閾値とを比較することにより、ブレイクポイントＢＰ１１がゴールデンブレイクポイントであるかを判定する。図１では、例えば、ブレイクポイントＢＰ１１における全体モデルＧＭ１が出力した全体スコアが所定の閾値未満であったため、端末装置１０は、ブレイクポイントＢＰ１１をゴールデンブレイクポイントでないと判定する。

その後、ユーザＵ１は日時ｔ１３において歩いている状態から座っている状態へ変化する行動情報ＣＨ１２を行ったものとする。そして、端末装置１０は、行動情報ＣＨ１２が行われたブレイクポイントＢＰ１２がゴールデンブレイクポイントであるかを判定する（ステップＳ１３）。図１では、例えば、ブレイクポイントＢＰ１２における全体モデルＧＭ１が出力した全体スコアが所定の閾値以上であったため、端末装置１０は、ブレイクポイントＢＰ１２をゴールデンブレイクポイントＧＢＰ１２であると判定する。

そして、端末装置１０は、各種別の状況スコアを算出する（ステップＳ１４）。例えば、端末装置１０は、各種別に対応する個別モデルＤＭ１１〜ＤＭ１６等を用いて、各種別ＣＬ１１〜ＣＬ１６等の状況スコアを算出する。図１の例では、端末装置１０は、状況スコアリストＬＴ１１に示すように、各種別ＣＬ１１〜ＣＬ１６等の状況スコアを算出する。

図１の例では、端末装置１０は、状況スコアリストＬＴ１１に示すように、個別モデルＤＭ１１を用いて、各種別ＣＬ１１の状況スコアを「０．２」と算出する。また、図１の例では、端末装置１０は、個別モデルＤＭ１２を用いて、各種別ＣＬ１２の状況スコアを「０．３」と算出する。また、図１の例では、端末装置１０は、個別モデルＤＭ２３を用いて、各種別ＣＬ２３の状況スコアを「０．１」と算出する。このように、算出された状況スコアは、コンテンツの通知目的に関する各種別に対応するコンテンツの通知タイミングがどうかの判定に用いることができる。

そして、端末装置１０は、ゴールデンブレイクポイントＧＢＰ１２において、算出した各種別の状況スコアのうち、閾値以上のスコアの種別があるかどうかを判定する（ステップＳ１５）。図１の例では、状況スコアの判定に用いる閾値が「０．５」である場合を示す。なお、ゴールデンブレイクポイントの判定に用いる所定の閾値（例えば「第１の閾値」ともいう）と、状況スコアの判定に用いる閾値（例えば「第２の閾値」ともいう）とは異なってもよい。

図１では、端末装置１０は、算出した各種別ＣＬ１１〜ＣＬ３１等の状況スコアのうち、閾値（０．５）以上のスコアがないため、コンテンツの通知タイミングではないと判定する。このように、生成システム１（図２参照）においては、ゴールデンブレイクポイントと判定された場合であっても、各種別に対応する状況スコアが閾値の条件を満たさない場合、コンテンツの通知タイミングではないと判定される。

その後、ユーザＵ１は日時ｔ１４において座っている状態から立っている状態へ変化する行動情報ＣＨ１３を行ったものとする。そして、端末装置１０は、行動情報ＣＨ１３が行われたブレイクポイントＢＰ１３がゴールデンブレイクポイントであるかを判定する（ステップＳ１６）。図１では、例えば、ブレイクポイントＢＰ１３における全体モデルＧＭ１が出力した全体スコアが所定の閾値未満であったため、端末装置１０は、ブレイクポイントＢＰ１３をゴールデンブレイクポイントでないと判定する。

その後、ユーザＵ１は日時ｔ１５において歩いている状態から立ち止まった状態へ変化する行動情報ＣＨ１４を行ったものとする。そして、端末装置１０は、行動情報ＣＨ１４が行われたブレイクポイントＢＰ１４がゴールデンブレイクポイントであるかを判定する（ステップＳ１７）。図１では、例えば、ブレイクポイントＢＰ１４における全体モデルＧＭ１が出力した全体スコアが所定の閾値以上であったため、端末装置１０は、ブレイクポイントＢＰ１４をゴールデンブレイクポイントＧＢＰ１４であると判定する。

そして、端末装置１０は、各種別の状況スコアを算出する（ステップＳ１８）。例えば、端末装置１０は、各種別に対応する個別モデルＤＭ１１〜ＤＭ１６等を用いて、各種別ＣＬ１１〜ＣＬ１６等の状況スコアを算出する。図１の例では、端末装置１０は、状況スコアリストＬＴ１２に示すように、各種別ＣＬ１１〜ＣＬ１６等の状況スコアを算出する。

図１の例では、端末装置１０は、状況スコアリストＬＴ１２に示すように、個別モデルＤＭ１１を用いて、各種別ＣＬ１１の状況スコアを「０．２」と算出する。また、図１の例では、端末装置１０は、個別モデルＤＭ１２を用いて、各種別ＣＬ１２の状況スコアを「０．７」と算出する。また、図１の例では、端末装置１０は、個別モデルＤＭ２３を用いて、各種別ＣＬ２３の状況スコアを「０．３」と算出する。

そして、端末装置１０は、ゴールデンブレイクポイントＧＢＰ１４において、算出した各種別の状況スコアのうち、閾値以上のスコアの種別があるかどうかを判定する（ステップＳ１９）。図１では、端末装置１０は、算出した各種別ＣＬ１１〜ＣＬ３１等の状況スコアのうち、少なくとも種別ＣＬ１２の状況スコアが閾値（０．５）以上であるため、コンテンツの通知タイミングであると判定する。なお、図１の例では、説明を簡単にするために、種別ＣＬ１２の状況スコアのみが閾値（０．５）以上である場合を説明する。

そして、端末装置１０は、状況スコアが閾値（０．５）以上である種別ＣＬ１２のコンテンツを通知する（ステップＳ２０）。例えば、端末装置１０は、種別ＣＬ１２のコンテンツＣＴ１０（図９参照）をプッシュ通知する。なお、端末装置１０は、状況スコアが閾値（０．５）以上である種別が複数ある場合、スコアが最大の種別のコンテンツを通知コンテンツとしてもよい。また、端末装置１０は、状況スコアが閾値以上である種別に対応するコンテンツが複数ある場合、所定に基準（例えば、ユーザの関心度や重要度等のスコア）に基づいて通知するコンテンツを決定してもよい。また、端末装置１０は、状況スコアが閾値以上である種別に対応するコンテンツが複数ある場合、複数（例えば「３」等の所定数）のコンテンツを通知コンテンツとしてもよい。また、端末装置１０は、状況スコアが閾値以上である種別が複数ある場合、複数の種別のコンテンツを通知コンテンツとしてもよい。

そして、種別ＣＬ１２のコンテンツが通知された端末装置１０において、ユーザＵ１は、種別ＣＬ１２のコンテンツを閲覧（画面に表示）しなかったものとする（ステップＳ２１）。この場合、端末装置１０は、種別ＣＬ１２のコンテンツに対するユーザＵ１の行動が「無」であったことを示す行動情報を生成装置１００へ送信してもよい。これにより、生成装置１００は、種別ＣＬ１２のコンテンツに対するユーザＵ１の負例を収集する。

その後、ユーザＵ１は日時ｔ１６において時計を見る行動情報ＣＨ１５を行ったものとする。そして、端末装置１０は、行動情報ＣＨ１５が行われたブレイクポイントＢＰ１５がゴールデンブレイクポイントであるかを判定する（ステップＳ２２）。図１では、例えば、ブレイクポイントＢＰ１５における全体モデルＧＭ１が出力した全体スコアが所定の閾値未満であったため、端末装置１０は、ブレイクポイントＢＰ１５をゴールデンブレイクポイントでないと判定する。

その後、ユーザＵ１は日時ｔ１７において電車（移動体）に乗る行動情報ＣＨ１６を行ったものとする。そして、端末装置１０は、行動情報ＣＨ１６が行われたブレイクポイントＢＰ１６がゴールデンブレイクポイントであるかを判定する（ステップＳ２３）。図１では、例えば、ブレイクポイントＢＰ１６における全体モデルＧＭ１が出力した全体スコアが所定の閾値以上であったため、端末装置１０は、ブレイクポイントＢＰ１６をゴールデンブレイクポイントＧＢＰ１６であると判定する。

そして、端末装置１０は、各種別の状況スコアを算出する（ステップＳ２４）。例えば、端末装置１０は、各種別に対応する個別モデルＤＭ１１〜ＤＭ１６等を用いて、各種別ＣＬ１１〜ＣＬ１６等の状況スコアを算出する。図１の例では、端末装置１０は、状況スコアリストＬＴ１３に示すように、各種別ＣＬ１１〜ＣＬ１６等の状況スコアを算出する。

図１の例では、端末装置１０は、状況スコアリストＬＴ１３に示すように、個別モデルＤＭ１１を用いて、各種別ＣＬ１１の状況スコアを「０．８」と算出する。また、図１の例では、端末装置１０は、個別モデルＤＭ１２を用いて、各種別ＣＬ１２の状況スコアを「０．１」と算出する。また、図１の例では、端末装置１０は、個別モデルＤＭ２３を用いて、各種別ＣＬ２３の状況スコアを「０．４」と算出する。

そして、端末装置１０は、ゴールデンブレイクポイントＧＢＰ１６において、算出した各種別の状況スコアのうち、閾値以上のスコアの種別があるかどうかを判定する（ステップＳ２５）。図１では、端末装置１０は、算出した各種別ＣＬ１１〜ＣＬ３１等の状況スコアのうち、少なくとも種別ＣＬ１１の状況スコアが閾値（０．５）以上であるため、コンテンツの通知タイミングであると判定する。なお、図１の例では、説明を簡単にするために、種別ＣＬ１１の状況スコアのみが閾値（０．５）以上である場合を説明する。

そして、端末装置１０は、状況スコアが閾値（０．５）以上である種別ＣＬ１１のコンテンツを通知する（ステップＳ２６）。例えば、端末装置１０は、種別ＣＬ１１のコンテンツＣＴ１２（図９参照）をプッシュ通知する。

そして、種別ＣＬ１１のコンテンツが通知された端末装置１０において、ユーザＵ１は、種別ＣＬ１１のコンテンツを閲覧（画面に表示）したものとする。そして、端末装置１０は、日時ｔ１８において種別ＣＬ１１のコンテンツに対するユーザＵ１の行動が「有」であったことを示す行動情報を生成装置１００へ送信する（ステップＳ２７）。これにより、生成装置１００は、種別ＣＬ１１のコンテンツに対するユーザＵ１の正例を収集する。なお、端末装置１０は、正例の送信時に負例を併せて生成装置１００へ送信してもよい。

そして、生成装置１００は、端末装置１０から収集した正例や負例に基づいて、全体モデルＧＭ１や個別モデルＤＭ１１〜ＤＭ１６等を生成する（ステップＳ２８）。例えば、生成装置１００は、種別ＣＬ１１のコンテンツに対するユーザＵ１の行動情報に基づいて、種別ＣＬ１１に対応する個別モデルＤＭ１１を生成する。

例えば、生成装置１００は、種別に依らず各コンテンツに対するユーザＵ１の行動情報に基づいて、全体モデルＧＭ１を生成する。例えば、生成装置１００は、通知したコンテンツについて正例として取得したユーザＵ１の行動情報やコンテキスト情報に基づいて、全体モデルＧＭ１を生成する。例えば、生成装置１００は、各種別について正例として取得したユーザＵ１の行動情報やコンテキスト情報が入力された場合に出力するスコアが大きくなるように、全体モデルＧＭ１を生成する。また、例えば、生成装置１００は、各種別について負例として取得したユーザＵ１の行動情報やコンテキスト情報に基づいて、全体モデルＧＭ１を生成する。例えば、生成装置１００は、各種別について負例として取得したユーザＵ１の行動情報やコンテキスト情報が入力された場合に出力するスコアが小さくなるように、全体モデルＧＭ１を生成する。また、例えば、生成装置１００は、全体モデルＧＭ１の生成の際に抽出された素性（特徴量）を用いて、個別モデルＤＭ１１〜ＤＭ１６等を生成してもよい。この場合、生成装置１００は、全体モデルＧＭ１と素性（特徴量）は共通し、各素性の重みが異なる個別モデルＤＭ１１〜ＤＭ１６等を生成することとなる。例えば、生成装置１００は、全体モデルＧＭ１と下記式（１）や（２）において素性（特徴量）は共通し、重みが異なる個別モデルＤＭ１１〜ＤＭ１６等を生成することとなる。例えば、生成装置１００は、全体モデルＧＭ１と下記式（１）において「ｘ_１，ｚ_１」等の素性（特徴量）は共通し、「ａ_１１」、「ａ_１２」等の重みが全体モデルＧＭ１とは異なる個別モデルＤＭ１１〜ＤＭ１６等を生成することとなる。

例えば、生成装置１００は、種別ＣＬ１１について正例として取得したユーザＵ１の行動情報やコンテキスト情報に基づいて、種別ＣＬ１１に対応する個別モデルＤＭ１１を生成する。例えば、生成装置１００は、種別ＣＬ１１について正例として取得したユーザＵ１の行動情報やコンテキスト情報が入力された場合に出力するスコアが大きくなるように、個別モデルＤＭ１１を生成する。また、例えば、生成装置１００は、種別ＣＬ１１について負例として取得したユーザＵ１の行動情報やコンテキスト情報に基づいて、種別ＣＬ１１に対応する個別モデルＤＭ１１を生成する。例えば、生成装置１００は、種別ＣＬ１１について負例として取得したユーザＵ１の行動情報やコンテキスト情報が入力された場合に出力するスコアが小さくなるように、個別モデルＤＭ１１を生成する。なお、上述したモデルの生成は一例であり、生成装置１００は、種々の情報を適宜用いて、全体モデルＧＭ１や個別モデルＤＭ１１〜ＤＭ１６等を生成してもよい。また、例えば、生成装置１００は、個別モデルＤＭ１１〜ＤＭ１６等については正規化を行ってもよい。例えば、生成装置１００は、個別モデルＤＭ１１〜ＤＭ１６等については出力するスコアの正規化を行ってもよい。例えば、生成装置１００は、個別モデルＤＭ１１〜ＤＭ１６等については出力するスコアの平均が１、標準偏差が−１となるように正規化を行ってもよい。

また、上述した例では、個別モデルを用いた通知タイミングの判定も併せて説明するために、端末装置１０が個別モデルＤＭ１１〜ＤＭ１６等を用いる場合を説明したが、個別モデルＤＭ１１〜ＤＭ１６等の生成前においては、端末装置１０は、ゴールデンブレイクポイントと判定された場合、各種別ＣＬ１１〜ＣＬ３１等のコンテンツをランダムで通知してもよい。そして、端末装置１０は、各種別ＣＬ１１〜ＣＬ３１等のコンテンツをランダムで通知した場合のユーザの行動情報を収集し、生成装置１００に送信することにより、生成装置１００が個別モデルＤＭ１１〜ＤＭ１６等を生成してもよい。

また、全体モデルＧＭ１の生成前においては、端末装置１０は、ブレイクポイントと判定された場合、各種別ＣＬ１１〜ＣＬ３１等のコンテンツをランダムで通知してもよい。そして、端末装置１０は、各種別ＣＬ１１〜ＣＬ３１等のコンテンツをランダムで通知した場合のユーザの行動情報を収集し、生成装置１００に送信することにより、生成装置１００が全体モデルＧＭ１を生成してもよい。

上述したように、生成装置１００は、各種別に応じた状況スコアを出力する個別モデル生成することにより、ユーザに対して適切なタイミングで適切な内容の通知を可能にすることができる。これにより、生成装置１００は、ユーザに対して適切なタイミングで適切な内容の通知を可能にすることができる。

例えば、図１１に示す端末装置１０の場合、コンテンツＣＴ１０、ＣＴ５０、ＣＴ６０、ＣＴ７０、ＣＴ１１、ＣＴ８０が端末装置１０の表示画面ＤＰ１０に表示されている。なお、図１１に示す端末装置１０においては、コンテンツＣＴ８０は、一部が表示される。すなわち、端末装置１０においては、５．５個のコンテンツ、すなわち４個のコンテンツ全体の１個のコンテンツの上半分が画面上に表示される。

例えば、図１１に示す例のように、通知タイミングが表示時点に近い方、すなわち通知されたタイミングが後の方のコンテンツが上位に表示される場合、生成システム１がコンテンツを通知した時点よりも後のタイミングで他のサービスから通知された他のコンテンツが６個以上ある場合、生成システム１の通知コンテンツは、表示画面ＤＰ１０に初期表示されない。このように、コンテンツを通知するタイミングはユーザが端末装置１０の画面を視認するタイミング（例えばゴールデンブレイクポイント）であることが、ユーザに通知コンテンツへの注意を向けさせる上で重要となる。そのため、生成システム１は、全体モデルＧＭ１や個別モデルＤＭ１１〜ＤＭ１６等を用いて、ユーザのゴールデンブレイクポイントを判定することにより、適切な通知タイミングを捕捉することができる。これにより、生成装置１００は、ユーザに対して適切なタイミングで適切な内容の通知を可能にすることができる。

（１−１．種別に応じた正例、負例）
なお、上述した例では、説明を簡単にするために、通知したコンテンツがユーザに閲覧された場合に、ユーザの行動有と判定する場合を示したが、生成装置１００は、各種別に応じて、行動の有無の判定のレベルを変動させてもよい。

例えば、生成装置１００は、ユーザにコンテンツの閲覧を要求する種別の場合、ユーザがコンテンツの閲覧を行った場合、行動有としてもよい。例えば、生成装置１００は、ユーザにコンテンツの閲覧を要求する種別ＣＬ１１に対応する個別モデルＤＭ１１の場合、ユーザがコンテンツの閲覧を行った場合、行動有としてもよい。

また、例えば、生成装置１００は、ユーザにコンテンツのクリックを要求する種別ＣＬ２２に対応する個別モデルＤＭ２２の場合、ユーザがコンテンツに対してクリックを行った場合、行動有としてもよい。また、例えば、生成装置１００は、ユーザがコンテンツの閲覧のみを行い、コンテンツに対してクリックを行わなかった場合、種別ＣＬ２２については、行動無とし、コンテンツの閲覧があったため、全体モデルＧＭ１の生成に用いる情報としては行動有としてもよい。

また、例えば、生成装置１００は、ユーザにコンテンツに関するコンバージョンを要求する種別ＣＬ２３に対応する個別モデルＤＭ２３の場合、ユーザがコンテンツに関するコンバージョンを行った場合、行動有としてもよい。また、例えば、生成装置１００は、ユーザがコンテンツの閲覧のみを行い、コンテンツに関するコンバージョンを行わなかった場合、種別ＣＬ２３については行動無として、コンテンツの閲覧があったため、全体モデルＧＭ１の生成に用いる情報としては行動有としてもよい。

すなわち、生成装置１００は、生成するモデルに応じて、そのコンテンツの通知に関する情報を正例としたり、負例としたりしてもよい。言い換えると、生成装置１００は、生成するモデルに応じて、そのコンテンツの通知に関する情報の価値を変動させてもよい。これにより、生成装置１００は、各種別に対応して適切な個別モデルを生成することができる。したがって、生成装置１００は、より適切な全体モデルや個別モデルを生成することができる。

（１−２．種別における要素）
なお、上述した例では、種別の要素として、「要素１（ユーザコンテキスト）」、「要素２（要求行動）」のみを説明したが、種別の要素としては、他にも種々の要素が含まれてもよい。例えば、種別の要素には、「要素３（注意レベル）」や「要素４（競合）」や「要素５（流入経路）」や「要素６（デバイス）」等の種々の要素が含まれてもよい。

「要素３（注意レベル）」は、対応する種別におけるコンテンツの通知時におけるユーザに要求する注意レベルの要素を示す。例えば、注意レベルの要素の選択肢には、相対的に注意を多く払ってくれることを示す「深い」や、平均的な注意レベルである「普通」や、相対的に注意を少ししか払ってくれないことを示す「浅い」等の種々の選択肢が含まれる。

「要素４（競合）」は、対応する種別におけるコンテンツの通知時における他のサービスからの通知との競合に関する要素を示す。例えば、競合（他のサービス）に関する要素の選択肢には、ユーザが長時間利用しているアプリ（他のサービス）の通知との競合を避けることを示す「回避」や、他のサービスの通知を考慮しないことを示す「独自」や、ユーザが長時間利用しているアプリ（他のサービス）の通知に反応しなかったタイミングを狙うことを示す「勝負」等の種々の選択肢が含まれる。

「要素５（流入経路）」は、対応する種別におけるコンテンツに対応するサービスへの流入経路に関する要素を示す。例えば、流入経路に関する要素の選択肢には、例えば他のサービスを利用中のユーザにその後通知したコンテンツに対応するサービスを利用させる狙いであることを示す「跨ぎ」や、一のサービスが提供するαアプリから同じ一のサービスが提供するβアプリを使わせるサービス回遊狙いであることを示す「回遊」等の種々の選択肢が含まれる。

「要素６（デバイス）」は、対応する種別におけるコンテンツを通知する端末装置１０（デバイス）に関する要素を示す。例えば、デバイスに関する要素の選択肢には、例えば通知対象となる端末装置１０（デバイス）以外にユーザが利用するデバイス（マルチデバイス）に関する情報を加味することを示す「マルチデバイス」や、通知対象となる端末装置１０（デバイス）のみの情報を利用することを示す「通常」等の種々の選択肢が含まれる。なお、上記は一例であり、種別を構成する要素には、種々の情報が含まれてもよい。

（１−３．通知タイミングの判定）
また、図１では、生成装置１００がユーザＵ１に対応するコンテンツ（図９参照）をユーザＵ１の端末装置１０に配信し、端末装置１０側で通知タイミングを判定する場合を示したが、生成システム１内において、いずれの装置が通知タイミングを判定してもよい。例えば、生成装置１００が通知タイミングを判定してもよい。この場合、生成装置１００は、端末装置１０からユーザの端末装置に対する行動情報やコンテキスト情報を取得し、取得した情報と各種モデルを用いて、通知タイミングを判定してもよい。例えば、生成装置１００は、ユーザＵ１が利用する端末装置１０からユーザＵ１の行動情報やコンテキスト情報を取得し、取得した情報と全体モデルＧＭ１や個別モデルＤＭ１１〜ＤＭ１６等を用いて、通知タイミングを判定してもよい。そして、生成装置１００からコンテンツを受信した端末装置１０は、受信後すぐにコンテンツをユーザに通知してもよい。

（１−４．個別モデルのみの利用）
また、図１では、端末装置１０が全体モデルＧＭ１を用いる場合を示したが、端末装置１０や生成装置１００は、個別モデルＤＭ１１〜ＤＭ１６等のみを用いてコンテンツの通知タイミングを判定してもよい。例えば、端末装置１０や生成装置１００は、ブレイクポイントになった際に、個別モデルＤＭ１１〜ＤＭ１６を用いて各状況スコアを算出して、各状況スコアに基づいてコンテンツを通知するかどうかを判定してもよい。

〔２．生成システム〕
図２は、生成システム１の構成例を示す図である。図２に示すように、実施形態に係る生成システム１は、複数の端末装置１０_１〜１０_ｎと、センサ装置５０_１〜５０_ｍと、生成装置１００とを備える。図２中の端末装置１０_１〜１０_ｎは、端末装置１０が複数あることを示すための符号であり、端末装置１０と同様である。

複数の端末装置１０および生成装置１００は、ネットワーク２を介して無線または有線で互いに通信可能に接続される。ネットワーク２は、例えば、ＬＡＮ（Local Area Network）や、インターネットなどのＷＡＮ（Wide Area Network）である。

端末装置１０は、デスクトップ型ＰＣ（Personal Computer）や、ノート型ＰＣや、タブレット型端末や、携帯電話機、ＰＤＡ（Personal Digital Assistant）等により実現される。端末装置１０は、例えば、情報通知アプリケーションを含む複数のアプリケーションを有しており、生成装置１００から配信されるコンテンツを取得して表示したりする。また、端末装置１０は、ユーザの行動情報等に基づいて生成されたモデルを用いて、ゴールデンブレイクポイントを判定することにより、ユーザへの割り込みにより適した通知タイミングでユーザへコンテンツを通知することができる。例えば、端末装置１０は、全体モデルＧＭ１や個別モデルＤＭ１１〜ＤＭ１６等を用いて、ユーザへの通知タイミングを判定し、ユーザへコンテンツを通知する。

センサ装置５０_１〜５０_ｍ（以下、センサ装置５０と総称する場合がある）は、ユーザの状態を検出して、端末装置１０や生成装置１００へネットワーク２を介して通知することができる。センサ装置５０は、例えば、ユーザの特定行動を検出することができる。また、センサ装置５０は、例えば、ユーザが携帯する装置（例えば、時計やＰＣ）であってもよい。

例えば、センサ装置５０は、ユーザが所定の電気機器（例えば、コーヒーメーカ、照明機器、テレビ、冷蔵庫など）を操作（例えば、ＯＮ／ＯＦＦ）したことをユーザの特定行動として検出することができる。また、センサ装置５０は、例えば、鍵の開け閉めやユーザが運転する自動車の動作状態などをユーザの特定行動として検出することができる。

また、センサ装置５０は、例えば、ユーザを撮像し、撮像結果に基づきユーザ認識を行い、ユーザの特定行動（例えば、歩いている状態から止まるという行動や立っている状態から座るという行動など）を検出することができる。

生成装置１００は、端末装置１０やセンサ装置５０から生成装置１００へ提供される情報に基づいて、上述したモデルを生成し、モデルを用いて、ユーザへの割り込みにより適したタイミングでユーザへコンテンツを配信することができる。

〔３．生成装置の構成〕
次に、図３を用いて、実施形態に係る生成装置１００の構成について説明する。図３は、実施形態に係る生成装置１００の構成例を示す図である。図３に示すように、生成装置１００は、通信部１１０と、記憶部１２０と、制御部１３０とを有する。なお、生成装置１００は、生成装置１００の管理者等から各種操作を受け付ける入力部（例えば、キーボードやマウス等）や、各種情報を表示するための表示部（例えば、液晶ディスプレイ等）を有してもよい。

（通信部１１０）
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２と有線または無線で接続され、端末装置１０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（Random Access Memory）、フラッシュメモリ（Flash Memory）等の半導体メモリ素子、または、ハードディスク、光ディスク等の記憶装置によって実現される。実施形態に係る記憶部１２０は、図３に示すように、ユーザ情報記憶部１２１と、行動情報記憶部１２２と、種別情報記憶部１２３と、全体モデル情報記憶部１２４と、個別モデル情報記憶部１２５と、コンテンツ情報記憶部１２６とを有する。

（ユーザ情報記憶部１２１）
実施形態に係るユーザ情報記憶部１２１は、ユーザに関する各種情報を記憶する。例えば、ユーザ情報記憶部１２１は、ユーザ属性に関する各種情報を記憶する。図４は、実施形態に係るユーザ情報記憶部の一例を示す図である。図４に示すユーザ情報記憶部１２１は、「ユーザＩＤ」、「年齢」、「性別」、「自宅」、「勤務地」、「興味」といった項目が含まれる。

「ユーザＩＤ」は、ユーザを識別するための識別情報を示す。例えば、ユーザＩＤ「Ｕ１」により識別されるユーザは、図１の例に示したユーザＵ１に対応する。また、「年齢」は、ユーザＩＤにより識別されるユーザの年齢を示す。なお、「年齢」は、例えば３５歳など、ユーザＩＤにより識別されるユーザの具体的な年齢であってもよい。また、「性別」は、ユーザＩＤにより識別されるユーザの性別を示す。

また、「自宅」は、ユーザＩＤにより識別されるユーザの自宅の位置情報を示す。なお、図４に示す例では、「自宅」は、「ＬＣ１１」といった抽象的な符号を図示するが、緯度や経度を示す情報であってもよい。また、例えば、「自宅」は、地域名や住所であってもよい。

また、「勤務地」は、ユーザＩＤにより識別されるユーザの勤務地の位置情報を示す。なお、図４に示す例では、「勤務地」は、「ＬＣ１２」といった抽象的な符号を図示するが、緯度や経度を示す情報であってもよい。また、例えば、「勤務地」は、地域名や住所であってもよい。

また、「興味」は、ユーザＩＤにより識別されるユーザの興味を示す。すなわち、「興味」は、ユーザＩＤにより識別されるユーザが関心の高い対象を示す。なお、図４に示す例では、「興味」は、各ユーザに１つずつ図示するが、複数であってもよい。

例えば、図４に示す例において、ユーザＩＤ「Ｕ１」により識別されるユーザの年齢は、「２０代」であり、性別は、「男性」であることを示す。また、例えば、ユーザＩＤ「Ｕ１」により識別されるユーザは、自宅が「ＬＣ１１」であることを示す。また、例えば、ユーザＩＤ「Ｕ１」により識別されるユーザは、勤務地が「ＬＣ１２」であることを示す。また、例えば、ユーザＩＤ「Ｕ１」により識別されるユーザは、「スポーツ」に興味があることを示す。

なお、ユーザ情報記憶部１２１は、上記に限らず、目的に応じて種々の情報を記憶してもよい。例えば、ユーザ情報記憶部１２１は、氏名、家族構成、収入等の情報を記憶してもよい。

（行動情報記憶部１２２）
実施形態に係る行動情報記憶部１２２は、ユーザの行動に関する各種情報を記憶する。図５は、実施形態に係る行動情報記憶部の一例を示す図である。例えば、行動情報記憶部１２２は、各ユーザの端末装置１０に配信したコンテンツに対するユーザの行動情報を記憶する。図５に示す行動情報記憶部１２２には、「ユーザＩＤ」、「通知コンテンツ」、「行動」、「状況」といった項目が含まれる。また、「行動」には、「ＩＤ」、「有無」といった項目が含まれる。また、「状況」には、「日時」、「位置」といった項目が含まれる。

「ユーザＩＤ」は、ユーザを識別するための識別情報を示す。例えば、ユーザＩＤ「Ｕ１」により識別されるユーザは、図１の例に示したユーザＵ１に対応する。また、「通知コンテンツ」は、対応するユーザに通知されたコンテンツを識別する情報を示す。また、「行動」は、ユーザの通知コンテンツに対する行動に関する情報を示す。また、「状況」は、対応するユーザの状況に関する情報を示す。

「ＩＤ」は、各行動を識別するための識別情報を示す。例えば、ＩＤ「ＡＴ１１」により識別される行動は、ユーザに配信したコンテンツＣＴ１０に対するユーザの行動に対応する。また、「有無」は、行動の有無を示す。「有無」が「１」の場合、行動が「有」であり、ユーザが行動を行ったことを示す。例えば、「有無」が「１」の場合、ユーザＵ１がコンテンツＣＴ１０をクリック（選択）したことを示す。また、「有無」が「０」の場合、行動が「無」であり、ユーザが行動を行わなかったことを示す。例えば、「有無」が「０」の場合、ユーザＵ１がコンテンツＣＴ１０をクリック（選択）しなかったことを示す。

「日時」は、各行動に関する日時を示す。日時「ＴＭ１１」は、行動ＡＴ１１に関する日時を示す。例えば、日時「ＴＭ１１」は、ユーザにコンテンツ（例えば、コンテンツＣＴ１０）が通知された日時やブレイクポイント（ゴールデンブレイクポイント）と判定された日時であってもよい。また、例えば、「有無」が「１」の場合、日時「ＴＭ１１」は、ユーザがコンテンツをクリック（選択）した日時であってもよい。また、例えば、「有無」が「０」の場合、日時「ＴＭ１１」は、ユーザにコンテンツが通知された日時やブレイクポイント（ゴールデンブレイクポイント）と判定された日時から所定の時間が経過した後の日時であってもよい。

また、「位置」は、各行動に関する位置を示す。位置「ＬＣ１３」は、行動ＡＴ１１に関する位置を示す。例えば、位置「ＬＣ１３」は、ユーザにコンテンツが通知されたときの位置情報やブレイクポイント（ゴールデンブレイクポイント）と判定されたときの位置情報であってもよい。また、例えば、位置「ＬＣ１３」は、ユーザがコンテンツをクリック（選択）したときの位置情報であってもよい。なお、図５の例では、位置「ＬＣ１３」等のように、位置情報を抽象的な符号で示すが、項目「位置」に記憶される情報は、具体的な緯度経度等の位置情報であってもよい。

例えば、図５に示す例において、ユーザＩＤ「Ｕ１」により識別されるユーザは、ＩＤ「ＡＴ１３」により識別される行動が有無「１」であり、日時ＴＭ１３に行動を行ったことを示す。具体的には、ユーザＩＤ「Ｕ１」により識別されるユーザは、配信されたコンテンツ（例えば、コンテンツＣＴ１０）を日時「ＴＭ１３」にクリック（選択）したことを示す。また、例えば、位置「ＬＣ１５」は、ユーザがコンテンツをクリック（選択）したときの位置情報を示す。

なお、行動情報記憶部１２２は、上記に限らず、目的に応じて種々の情報を記憶してもよい。例えば、行動情報記憶部１２２は、ユーザが通知されたコンテンツを閲覧したか（画面に表示させたか）どうかを示す情報を記憶してもよい。また、図５では、ユーザＩＤごとに行動情報が行動情報記憶部１２２に記憶される場合を示したが、行動情報は、ユーザＩＤごとに限らず、例えば日時順に記憶されてもよい。

（種別情報記憶部１２３）
実施形態に係る種別情報記憶部１２３は、コンテンツの通知目的に関する種別に関する各種情報を記憶する。図６は、実施形態に係る種別情報記憶部の一例を示す図である。例えば、種別情報記憶部１２３は、各種別を構成する各要素の選択肢の組合せを記憶する。図６に示す種別情報記憶部１２３には、「種別ＩＤ」、「要素１（ユーザコンテキスト）」、「要素２（要求行動）」といった項目が含まれる。なお、図６の例では、「要素１（ユーザコンテキスト）」、「要素２（要求行動）」のみを図示するが、「要素３（注意レベル）」や「要素４（競合）」や「要素５（流入経路）」や「要素６（デバイス）」等の種々の要素が含まれる。上記は一例であり、種別を構成する要素には、種々の情報が含まれてもよい。

「種別ＩＤ」は、コンテンツの通知目的を分類する種別を示す。「要素１（ユーザコンテキスト）」は、対応する種別におけるユーザコンテキストの要素の選択肢のうち、いずれの選択肢が組合せとして含まれるかを示す。例えば、ユーザコンテキストの要素の選択肢には、「コンテキストＣＮ１」や「コンテキストＣＮ２」や「コンテキストＣＮ３」等の種々の選択肢が含まれる。例えば、「コンテキストＣＮ１」は、朝の経済ニュースに関心を示す可能性が高いコンテキストであってもよい。また、例えば、「コンテキストＣＮ３」は、夜のエンターテインメントのニュースに関心を示す可能性が高いコンテキストであってもよい。

「要素２（要求行動）」は、対応する種別におけるコンテンツを通知したユーザに要求する行動の要素の選択肢のうち、いずれの選択肢が組合せとして含まれるかを示す。例えば、要求行動の要素の選択肢には、「閲覧」や「クリック」や「コンバージョン」等の種々の選択肢が含まれる。例えば、「閲覧」は、コンテンツが通知されたユーザがコンテンツを閲覧（画面上に表示）することに対応する選択肢である。また、例えば、「クリック」は、コンテンツが通知されたユーザがコンテンツをクリック（選択）することに対応する選択肢である。また、例えば、「コンバージョン」は、コンテンツが通知されたユーザがコンテンツに関するコンバージョン（商品購入や資料請求やユーザ登録等）することに対応する選択肢である。

「要素３（注意レベル）」は、対応する種別におけるコンテンツの通知時におけるユーザに要求する注意レベルの要素の選択肢のうち、いずれの選択肢が組合せとして含まれるかを示す。例えば、注意レベルの要素の選択肢には、相対的に注意を多く払ってくれることを示す「深い」や、平均的な注意レベルである「普通」や、相対的に注意を少ししか払ってくれないことを示す「浅い」等の種々の選択肢が含まれる。

「要素４（競合）」は、対応する種別におけるコンテンツの通知時における他のサービスからの通知との競合に関する要素の選択肢のうち、いずれの選択肢が組合せとして含まれるかを示す。例えば、競合（他のサービス）に関する要素の選択肢には、ユーザが長時間利用しているアプリ（他のサービス）の通知との競合を避けることを示す「回避」や、他のサービスの通知を考慮しないことを示す「独自」や、ユーザが長時間利用しているアプリ（他のサービス）の通知に反応しなかったタイミングを狙うことを示す「勝負」等の種々の選択肢が含まれる。

「要素５（流入経路）」は、対応する種別におけるコンテンツに対応するサービスへの流入経路に関する要素の選択肢のうち、いずれの選択肢が組合せとして含まれるかを示す。例えば、流入経路に関する要素の選択肢には、例えば他のサービスを利用中のユーザにその後通知したコンテンツに対応するサービスを利用させる狙いであることを示す「跨ぎ」や、一のサービスが提供するαアプリから同じ一のサービスが提供するβアプリを使わせるサービス回遊狙いであることを示す「回遊」等の種々の選択肢が含まれる。

「要素６（デバイス）」は、対応する種別におけるコンテンツを通知する端末装置１０（デバイス）に関する要素の選択肢のうち、いずれの選択肢が組合せとして含まれるかを示す。例えば、デバイスに関する要素の選択肢には、例えば通知対象となる端末装置１０（デバイス）以外にユーザが利用するデバイス（マルチデバイス）に関する情報を加味することを示す「マルチデバイス」や、通知対象となる端末装置１０（デバイス）のみの情報を利用することを示す「通常」等の種々の選択肢が含まれる。

なお、種別情報記憶部１２３は、上記に限らず、目的に応じて種々の情報を記憶してもよい。

（全体モデル情報記憶部１２４）
実施形態に係る全体モデル情報記憶部１２４は、学習に関する情報を記憶する。例えば、全体モデル情報記憶部１２４は、モデルを記憶する。例えば、全体モデル情報記憶部１２４は、生成処理により生成された全体モデルの情報を記憶する。図７は、実施形態に係る全体モデル情報記憶部の一例を示す図である。図７に示す全体モデル情報記憶部１２４は、モデル情報として、全体モデルＧＭ１等に対応させて「素性１」〜「素性３」等といった項目を有する。

例えば、図７に示す例において、全体モデルＧＭ１に関するモデル情報は、素性１の重みが「０．３」、素性２の重みが「−０．８」、素性３の重みが「０．２」等であることを示す。例えば、モデルの素性（特徴量）がｍ次元のベクトルで表現される場合、素性数はｍ個になり、素性１〜素性ｍの重みが記憶される。例えば、素性１は、下記式（１）のａ_１１に対応し、素性２は、下記式（１）のａ_１２に対応する。

なお、全体モデル情報記憶部１２４は、上記に限らず、目的に応じて種々のモデル情報を記憶してもよい。

（個別モデル情報記憶部１２５）
実施形態に係る個別モデル情報記憶部１２５は、学習に関する情報を記憶する。例えば、個別モデル情報記憶部１２５は、生成処理により収集された種別ごとのモデル情報を記憶する。図８は、実施形態に係る個別モデル情報記憶部の一例を示す図である。図８に示す全体モデル情報記憶部１２４は、モデル情報として、各個別モデルＤＭ１１〜ＤＭ１６に対応させて、「種別ＩＤ」や「素性１」〜「素性３」等といった項目を有する。「種別ＩＤ」は、コンテンツの通知目的を分類する種別を示す。

例えば、図７に示す例において、個別モデルＤＭ１１に関するモデル情報は、素性１の重みが「０．５」、素性２の重みが「−０．４」、素性３の重みが「０．２」等であることを示す。例えば、モデルの素性（特徴量）がｍ次元のベクトルで表現される場合、素性数はｍ個になり、素性１〜素性ｍの重みが記憶される。例えば、素性１は、下記式（１）のａ_１１に対応し、素性２は、下記式（１）のａ_１２に対応する。このように、全体モデル情報記憶部１２４に記憶される全体モデルと、個別モデル情報記憶部１２５に記憶される個別モデル情報とは、素性が共通であってもよい。例えば、全体モデルＧＭ１や個別モデルＤＭ１１〜ＤＭ１６等は、素性を共通の素性とし、各々の重みが異なるモデルであってもよい。

なお、個別モデル情報記憶部１２５は、上記に限らず、目的に応じて種々のモデル情報を記憶してもよい。

（コンテンツ情報記憶部１２６）
実施形態に係るコンテンツ情報記憶部１２６は、コンテンツに関する各種情報を記憶する。図９は、実施形態に係るコンテンツ情報記憶部の一例を示す図である。図９に示すコンテンツ情報記憶部１２６は、ユーザごとに通知するコンテンツとして、メールの新着を通知するコンテンツや記事コンテンツや所定のサービスの利用を促すコンテンツ等の種々のコンテンツを記憶する。図９に示すコンテンツ情報記憶部１２６は、「ユーザＩＤ」、「コンテンツＩＤ」、「種別ＩＤ」、「コンテンツ」、「内容」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。例えば、ユーザＩＤ「Ｕ１」により識別されるユーザは、図１の例に示したユーザＵ１に対応する。「コンテンツＩＤ」は、コンテンツを識別するための識別情報を示す。「種別ＩＤ」は、コンテンツの通知目的に関する種別を示す。「コンテンツ」は、通知対象となるコンテンツを示す。例えば、「コンテンツ」は、ユーザに通知する候補となるコンテンツを示す。例えば、記事コンテンツは、いわゆるコンテンツプロバイダ等の提供元から取得したコンテンツである記事を示す。図９では「コンテンツ」に「記事Ａ」等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、文字情報や文字情報と画像との組合せ、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。また、「内容」は、コンテンツの内容を示す。

例えば、図９に示す例において、ユーザＵ１には、コンテンツＩＤ「ＣＴ１０」〜「ＣＴ１３」等により識別されるコンテンツ（コンテンツＣＴ１０〜コンテンツＣＴ１３等）が対応付けられる。例えば、図９に示すコンテンツＣＴ１０は、種別ＩＤ「ＣＬ１２」により識別される種別に対応するコンテンツであることを示す。例えば、図９に示すコンテンツＣＴ１０は、メールの新着に関するコンテンツであることを示す。例えば、図９に示すコンテンツＣＴ１０は、ユーザＵ１に新着メールがあることを通知するコンテンツであることを示す。例えば、図９に示すコンテンツＣＴ１１は、種別ＩＤ「ＣＬ３１」により識別される種別に対応するコンテンツであることを示す。例えば、図９に示す例において、コンテンツＣＴ１１により識別されるコンテンツは、スポーツに関する記事Ａであることを示す。

なお、コンテンツ情報記憶部１２６は、上記に限らず、目的に応じて種々の情報を記憶してもよい。例えば、コンテンツ情報記憶部１２６は、コンテンツを取得した日時やコンテンツが作成された日時に関する情報を記憶してもよい。コンテンツ情報記憶部１２６は、各提供元の評価値に関する情報を記憶してもよい。また、コンテンツ情報記憶部１２６は、コンテンツの提供元を識別するための識別情報を記憶してもよい。また、コンテンツ情報記憶部１２６は、各コンテンツに対応付けて複数の種別を対応付けてもよい。例えば、コンテンツＣＴ１０には、種別ＣＬ１２に加えて、種別ＣＬ２２や種別ＣＬ５６等の種々の種別が対応付けられてもよい。また、コンテンツ情報記憶部１２６は、各コンテンツに対応付けて、ユーザのコンテンツの内容に対する関心度合いを示すスコアを記憶してもよい。この場合、生成装置１００や端末装置１０は、スコアが高いコンテンツを優先してユーザに通知してもよい。例えば、通知対象と決定された種別に複数のコンテンツが対応する場合、その種別に対応する複数のコンテンツのうち、最大のスコアのコンテンツがユーザに通知されてもよい。

（制御部１３０）
図３の説明に戻って、制御部１３０は、コントローラ（controller）であり、例えば、ＣＰＵ（Central Processing Unit）やＭＰＵ（Micro Processing Unit）等によって、生成装置１００内部の記憶装置に記憶されている各種プログラム（生成プログラムの一例に相当）がＲＡＭを作業領域として実行されることにより実現される。また、制御部１３０は、コントローラ（controller）であり、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、取得部１３１と、生成部１３２と、決定部１３３と、配信部１３４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。

（取得部１３１）
取得部１３１は、各種情報を取得する。例えば、取得部１３１は、端末装置１０等の外部装置から各種情報を取得する。例えば、取得部１３１は、ユーザ情報記憶部１２１や、行動情報記憶部１２２や、種別情報記憶部１２３や、全体モデル情報記憶部１２４や、個別モデル情報記憶部１２５や、コンテンツ情報記憶部１２６等から各種情報を取得する。

例えば、取得部１３１は、端末装置１０からユーザに関する各種情報を取得する。例えば、取得部１３１は、ユーザが複数種類の特定行動のうちのいずれかの行動をした場合におけるユーザの端末装置１０に対する行動情報と、ユーザに関するコンテキスト情報とを取得する。例えば、取得部１３１は、ユーザの行動情報を取得する。例えば、取得部１３１は、ユーザの端末装置１０に配信したコンテンツであって、端末装置１０においてユーザに通知されるコンテンツに対するユーザの行動に関する行動情報を取得する。また、取得部１３１は、ユーザに関するユーザ情報を取得してもよい。

また、取得部１３１は、端末装置１０からコンテンツの配信要求を取得してもよい。また、取得部１３１は、ユーザを識別する情報（例えば、ログインＩＤや端末識別情報等）や端末装置１０の位置情報等を取得する。また、取得部１３１は、端末装置１０から送信される各種情報を取得する。

取得部１３１は、取得した行動情報を、コンテンツの通知タイミングの学習に用いる情報として収集する。取得部１３１は、行動情報のうち、コンテンツに対してユーザが行動しなかったことを示す行動情報を、通知タイミングに関する負例として収集する。例えば、取得部１３１は、行動情報のうち、コンテンツの通知後における所定期間内にコンテンツに対してユーザが行動しなかったことを示す行動情報を、負例として収集する。また、例えば、取得部１３１は、行動情報のうち、コンテンツに対してユーザが行動したことを示す行動情報を、通知タイミングに関する正例として収集する。また、取得部１３１は、収集した負例や正例を行動情報記憶部１２２に格納する。

図１の例では、取得部１３１は、端末装置１０から取得した行動情報のうち、通知コンテンツに対するユーザＵ１の行動が「無」である場合を負例として収集する。また、取得部１３１は、端末装置１０から取得した行動情報のうち、通知コンテンツに対するユーザＵ１の行動が「有」である場合を正例として収集する。

また、詳細は後述するが、取得部１３１は、負例を収集する所定期間（負例収集期間）を各種情報に基づいて変動させてもよい。例えば、取得部１３１は、ユーザに関するコンテキストに基づく所定期間内にコンテンツに対してユーザが行動しなかったことを示す行動情報を、負例として収集する。また、例えば、取得部１３１は、コンテンツに関するコンテキストに基づく所定期間内にコンテンツに対してユーザが行動しなかったことを示す行動情報を、負例として収集する。

（生成部１３２）
生成部１３２は、各種情報を生成する。生成部１３２は、各種情報を用いて学習を行う。例えば、生成部１３２は、各種情報を用いてモデルを生成する。例えば、生成部１３２は、取得部１３１により収集された情報に基づいて学習を行う。例えば、生成部１３２は、取得部１３１により収集された情報に基づいて、コンテンツの通知タイミングの判定に用いるモデルを生成する。例えば、生成部１３２は、行動情報記憶部１２２に記憶された行動情報に基づいて、ユーザの各特定行動とユーザのコンテキストとを特徴量として機械学習を実行し、コンテンツの通知タイミングの判定に用いるモデルを生成する。

例えば、生成部１３２は、取得部１３１により取得された行動情報とコンテキスト情報とに基づいて、端末装置１０へのコンテンツの通知目的に関する各種別に対応する各モデルであって、端末装置１０への各種別に対応するコンテンツの通知タイミングの判定に用いる各モデル（個別モデル）を生成する。例えば、生成部１３２は、通知タイミングであると判定された時点よりも前の行動情報とコンテキスト情報とに基づいて、通知タイミングを予測する予測モデルを生成する。例えば、生成部１３２は、通知タイミングであると判定された時点に対応する特定行動の前にユーザが行った行動に基づいて、通知タイミングを予測する予測モデルを生成する。なお、この点についての詳細は、図１５において詳述する。

例えば、生成部１３２は、取得部１３１により取得された行動情報とコンテキスト情報とに基づいて、端末装置１０へのコンテンツの通知タイミングに関する全体モデルを生成する。例えば、生成部１３２は、端末装置１０へのコンテンツの通知タイミングに関する全体モデルＧＭ１を生成する。生成部１３２は、生成した全体モデルＧＭ１の情報を全体モデル情報記憶部１２４へ記憶する。

例えば、生成部１３２は、行動情報記憶部１２２に記憶された行動の有無を目的変数（正解データ）とし、ユーザの各特定行動の正否およびユーザのコンテキストの内容の組み合わせを説明変数（素性）とする回帰モデルをモデルとして求めてもよい。例えば、生成部１３２は、ユーザの端末装置１０に対する行動（対端末行動）であるコンテンツの閲覧（開封）の正否を目的変数（正解データ）とし、ユーザの各特定行動の正否およびユーザのコンテキストの内容の組み合わせを説明変数（素性）とする回帰モデルをモデルとして求める。例えば、生成部１３２は、下記式（１）に示すような回帰モデルを求める。なお、対端末行動は、例えば、ユーザが生成装置１００から端末装置１０へ提供されたコンテンツに反応するという行動に限らず、ユーザが端末装置１０を持つという行動等、種々の行動が対象であってもよい。

ｙ＝ａ_１１・（ｘ_１，ｚ_１）＋ａ_１２・（ｘ_２，ｚ_２）＋・・・＋ａ_ｎｍ・（ｘ_ｎ，ｚ_ｍ）・・・（１）

上記式（１）において、「ｘ_１」〜「ｘ_ｎ」は、ユーザの各特定行動の情報であり、「ｚ_１」〜「ｚ_ｍ」は、ユーザのコンテキストの内容別の情報である。また、（ｘ_１，ｚ_１）は、特定行動「ｘ_１」とコンテキストの内容「ｚ_１」との組み合わせを説明変数（素性）としていることを意味し、「ｘ_１」と「ｚ_１」が共に「１」である場合に、（ｘ_１，ｚ_１）＝「１」になる。

例えば、「ｙ」は、ユーザの対端末行動の正否であり、ユーザの対端末行動が行われる可能性が高い場合は「１」に近い値になり、ユーザの対端末行動が行われる可能性が低い場合は「０」に近い値になってもよい。

また、例えば、「ｙ」は、ユーザの対端末行動の正否であり、ユーザの対端末行動がある場合には、「ｙ」＝「１」になり、ユーザの対端末行動がない場合には、「ｙ」＝「−１」になってもよい。生成部１３２は、対端末行動の種別毎にモデルを生成することができる。例えば、ユーザの対端末行動の種別が第１種別から第ｎ種別があるとした場合、生成部１３２は、第１〜第ｎ種別の対端末行動の正否を「ｙ_１」〜「ｙ_ｎ」としてモデルを生成することができる。

また、例えば、「ｙ_１」は、生成装置１００からのコンテンツを閲覧（開封）したか否かであり、コンテンツを閲覧（開封）した場合、「ｙ_１」＝「１」になり、コンテンツを閲覧（開封）しない場合、「ｙ_１」＝「−１」になる。また、「ｙ_２」は、ユーザが端末装置１０を持ったか否かであり、ユーザが端末装置１０を持った場合、「ｙ_２」＝「１」になり、ユーザが端末装置１０を持たない場合、「ｙ_２」＝「−１」になる。

また、「ｘ_１」は、例えば、ユーザが歩いている状態から止まるという行動であり、「ｘ_２」は、例えば、立っている状態から座るという行動であり、「ｘ_ｎ」は、例えば、コーヒーメーカを操作するという行為である。

また、ユーザに関するコンテキストのうち学習に用いるコンテキストの種別を、ユーザが反応したコンテンツの内容（車関係、旅行関係、グルメ関係など）とした場合、「ｚ_１」は、例えば、「車」であり、「ｚ_２」は、例えば、「旅行」であり、「ｚ_ｍ」は、例えば、「グルメ」である。これにより、ユーザが反応したコンテンツの内容を考慮したユーザの端末装置１０に対する行動のモデルを生成することができる。なお、生成部１３２は、ユーザが反応したコンテンツの内容をユーザ情報記憶部１２１やコンテンツ情報記憶部１２６から取得してもよい。

また、学習に用いるコンテキストの種別を、現在時刻とした場合、「ｚ_１」は、例えば、「６：００〜６：５９」であり、「ｚ_２」は、例えば、「７：００〜７：５９」であり、「ｚ_ｍ」は、例えば、「５：００〜５：５９」である。なお、「ｚ_１」は、例えば、「平日の６：００〜６：５９」、「ｚ_２」は、例えば、「週末の６：００〜６：５９」としたりすることができる。これにより、現在時刻を考慮したユーザの端末装置１０に対する行動のモデルを生成することができる。

また、学習に用いるコンテキストの種別を、ユーザの現在位置とした場合、例えば、各都道府県や各市町村を「ｚ_１」〜「ｚ_ｍ」としたり、「自宅」、「職場」、「電車内」、「タクシー内」、「出張先」、・・・などを「ｚ_１」〜「ｚ_ｍ」としたりすることができる。これにより、ユーザの現在位置を考慮したユーザの端末装置１０に対する行動のモデルを生成することができる。

また、学習に用いるコンテキストの種別を、ユーザが置かれた物理環境（気温、天候等）とした場合、気温と天候の組み合わせを「ｚ_１」〜「ｚ_ｍ」とすることができる。例えば、「ｚ_１」を「摂氏１０度かつ晴れ」とし、「ｚ_２」を「摂氏１０度かつ曇り」としたりすることができる。これにより、物理環境を考慮したユーザの端末装置１０に対する行動のモデルを生成することができる。

また、学習に用いるコンテキストの種別を、ユーザが置かれた社会環境とした場合、例えば、景気の程度、流行の商品やサービスなどの種々の社会情勢を「ｚ_１」〜「ｚ_ｍ」とすることができる。

また、学習に用いるコンテキストの種別を、ユーザの属性とする場合、例えば、ユーザの年齢、性別、住所区分、興味関心の種別の少なくともいずれか一つを「ｚ_１」〜「ｚ_ｍ」とすることができる。

また、学習に用いるコンテキストの種別を、例えば、ユーザの運動状態（例えば、走っている時間、歩いている時間、座っている時間など）、ユーザの感情（例えば、笑っている状態、怒っている状態、困っている状態など）、ユーザのスケジュール（例えば、現時刻の予定の内容、１時間先の予定の内容など）などとすることができる。

なお、上述した例では、学習に用いるコンテキストの種別が一つである場合を説明したが、学習に用いるコンテキストの種別を複数考慮することもできる。この場合、ユーザの各特定行動の情報である「ｘ_１」〜「ｘ_ｎ」に対して、特徴量として上記と同様に加えることができる。なお、「ｘ_１」〜「ｘ_ｎ」に対して、特徴量を加える方法として、例えば、クロネッカー積などを用いることができる。

また、上述した例では、ユーザの各特定行動の正否およびユーザのコンテキストの内容の組み合わせを説明変数（素性）としたが、さらに、組み合わせでない説明変数（素性）を考慮することもできる。例えば、生成部１３２は、下記式（２）に示すような回帰モデルをモデルとして求めることもできる。

ｙ＝ａ_１・ｘ_１＋ａ_２・ｘ_２＋・・・＋ａ_ｎ・ｘ_ｎ＋ｂ_１・ｚ_１＋ｂ_２・ｚ_２＋・・・＋ｂ_ｎ・ｚ_ｍ＋ｃ_１１・（ｘ_１，ｚ_１）＋ｃ_１２・（ｘ_１，ｚ_２）＋・・・＋ｃ_ｎｍ・（ｘ_ｎ，ｚ_ｍ）・・・（２）

また、例えば、生成部１３２は、ユーザの対端末行動毎に情報提供としての適格度合いのスコア（以下、適格性スコアと記載する）を変えることもできる。例えば、生成部１３２は、対端末行動に応じた適切な適格性スコアになるように、例えば、上述した対端末行動毎のモデルにそれぞれ対端末行動に応じた係数を乗じて適格性スコアを算出することができる。

また、例えば、生成部１３２は、各特定行動の長さを推定する推定モデルを生成することができる。例えば、生成部１３２は、ユーザの各特定行動の長さを目的変数（正解データ）とし、ユーザの各特定行動の正否およびコンテキストの内容の組み合わせを説明変数（素性）とする回帰モデルを長さ推定モデルとして求めることができる。

この場合、例えば、生成部１３２は、上記式（１）において「ｙ」を各特定行動の長さ（特定行動の継続時間）とした回帰モデルを長さ推定モデルとして生成することができる。生成部１３２は、生成した長さ推定モデルの情報を全体モデル情報記憶部１２４へ記憶する。

以上のように、生成部１３２は、対端末行動の種別毎にモデルを生成することができ、さらに、コンテキストの種別毎にモデルを生成することができる。また、生成部１３２は、対端末行動の種別毎かつ２以上のコンテキストの種別毎にモデルを生成したり、長さ推定モデルとして生成したりすることができる。

また、例えば、生成部１３２は、取得部１３１により取得された行動情報とコンテキスト情報とに基づいて、端末装置１０へのコンテンツの通知目的に関する各種別に対応する個別モデルであって、端末装置への各種別に対応するコンテンツの通知タイミングの判定に用いる個別モデルを生成する。例えば、生成部１３２は、端末装置への各種別に対応するコンテンツの通知タイミングの判定に用いる個別モデルＤＭ１１〜ＤＭ１６等を生成する。また、生成部１３２は、生成した個別モデルＤＭ１１〜ＤＭ１６等の情報を個別モデル情報記憶部１２５へ記憶する。

例えば、生成部１３２は、一の種別に対応するコンテンツの通知に関する行動情報とコンテキスト情報とに基づいて、一の種別に対応するコンテンツの通知タイミングに関する個別モデルを生成する。例えば、生成部１３２は、通知目的の複数の要素であって、各々が複数の選択肢を有する複数の要素の各々から選択された選択肢の組合せに対応する一の種別に関する個別モデルを生成する。

例えば、生成部１３２は、コンテンツの通知対象となるユーザのコンテキストに関する要素を含む複数の要素に基づいて、個別モデルを生成する。例えば、生成部１３２は、通知するコンテンツに応じてユーザに要求する行動に関する要素を含む複数の要素に基づいて、個別モデルを生成する。例えば、生成部１３２は、通知するコンテンツに対するユーザの注意レベルに関する要素を含む複数の要素に基づいて、個別モデルを生成する。

例えば、生成部１３２は、他のサービスに関する要素を含む複数の要素に基づいて、個別モデルを生成する。例えば、生成部１３２は、通知するコンテンツに対応するサービスへのユーザの流入経路に関する要素を含む複数の要素に基づいて、個別モデルを生成する。例えば、生成部１３２は、コンテンツを通知する端末装置のデバイス種別に関する要素を含む複数の要素に基づいて、個別モデルを生成する。例えば、生成部１３２は、全体モデルにより端末装置１０へのコンテンツの通知タイミングであると判定された場合に、各種別に対応するコンテンツの通知タイミングであるかの判定に用いるモデルとして、個別モデルを生成する。

例えば、生成部１３２は、全体モデルＧＭ１と同様の素性を含むモデルを個別モデルとして生成してもよい。例えば、生成部１３２は、上記式（１）や上記式（２）を用いて、個別モデルＤＭ１１〜ＤＭ１６等を生成してもよい。例えば、生成部１３２は、上記式（１）や上記式（２）を用いて、個別モデルＤＭ１１〜ＤＭ１６等を生成してもよい。この場合、例えば、生成部１３２は、素性が共通であり、各々の重みが異なる全体モデルＧＭ１や個別モデルＤＭ１１〜ＤＭ１６等の複数のモデルを生成してもよい。

また、例えば、生成部１３２は、各モデルに応じて、行動の有無の判定のレベルを変動させてもよい。例えば、生成部１３２は、ユーザにコンテンツの閲覧を要求する種別に対応する個別モデルの場合、ユーザがコンテンツの閲覧を行った場合、行動有としても、個別モデルを生成してもよい。例えば、生成部１３２は、ユーザにコンテンツの閲覧を要求する種別ＣＬ１１に対応する個別モデルＤＭ１１の場合、ユーザがコンテンツの閲覧を行った場合、行動有としても、個別モデルＤＭ１１を生成してもよい。

例えば、生成部１３２は、ユーザにコンテンツのクリックを要求する種別ＣＬ２２に対応する個別モデルＤＭ２２の場合、ユーザがコンテンツに対してクリックを行った場合、行動有としても、個別モデルＤＭ２２を生成してもよい。また、例えば、生成部１３２は、ユーザがコンテンツの閲覧のみを行い、コンテンツに対してクリックを行わなかった場合、行動無として、個別モデルＤＭ２２を生成し、コンテンツの閲覧があったため、行動有として、全体モデルＧＭ１を生成してもよい。

また、例えば、生成部１３２は、ユーザにコンテンツに関するコンバージョンを要求する種別ＣＬ２３に対応する個別モデルＤＭ２３の場合、ユーザがコンテンツに関するコンバージョンを行った場合、行動有として、個別モデルＤＭ２３を生成してもよい。また、例えば、生成部１３２は、ユーザがコンテンツの閲覧のみを行い、コンテンツに関するコンバージョンを行わなかった場合、行動無として、個別モデルＤＭ２３を生成し、コンテンツの閲覧があったため、行動有として、全体モデルＧＭ１を生成してもよい。

すなわち、生成部１３２は、生成するモデルに応じて、そのコンテンツの通知に関する情報を正例としたり、負例としたりしてもよい。言い換えると、生成部１３２は、生成するモデルに応じて、そのコンテンツの通知に関する情報の価値を変動させてもよい。

生成部１３２が行うモデルの生成は、上述した例に限定されるものではなく、結果的に、対端末行動の種別毎にモデルを生成したり、コンテキストの種別毎にモデルを生成したりすることなどができればよい。例えば、生成部１３２は、ＳＶＭ（Support Vector Machine）やその他の機械学習法を用いて、モデルを生成することもできる。また、生成部１３２は、特徴量（素性）の２乗や３乗などの項を持つモデルを生成することもできる。

（決定部１３３）
決定部１３３は、種々の情報を決定する。例えば、決定部１３３は、端末装置１０に配信するコンテンツを決定する。例えば、決定部１３３は、コンテンツ情報記憶部１２６に記憶されたコンテンツのうち、端末装置１０に配信するコンテンツを決定する。例えば、決定部１３３は、コンテンツ情報記憶部１２６（図９参照）に記憶されたコンテンツのうち、端末装置１０を利用するユーザに対応付けられたコンテンツを、配信するコンテンツとして決定する。例えば、決定部１３３は、コンテンツ情報記憶部１２６（図９参照）に示すように、ユーザＵ１に対応付けられたコンテンツＣＴ１０〜ＣＴ１３を、ユーザＵ１が利用する端末装置１０に配信するコンテンツとして決定する。

また、生成装置１００において、コンテンツの通知タイミングを判定する場合、決定部１３３は、端末装置１０へコンテンツを配信するタイミングを決定してもよい。例えば、決定部１３３は、全体モデルＧＭ１や個別モデルＤＭ１１〜ＤＭ１６等を用いて、端末装置１０へコンテンツを配信するタイミングを決定してもよい。例えば、決定部１３３は、端末装置１０から取得されるユーザの端末装置に対する行動情報やコンテキスト情報を用いて、端末装置１０へコンテンツを配信するタイミングを決定してもよい。

例えば、決定部１３３は、端末装置１０から取得されるユーザの端末装置に対する行動情報やコンテキスト情報を入力として、上記式（１）を用いて算出される全体モデルＧＭ１に対応する「ｙ」の値（全体モデルＧＭ１のスコア）が所定の閾値以上の場合、ゴールデンブレイクポイントと判定してもよい。

例えば、決定部１３３は、ゴールデンブレイクポイントと判定した場合、各種別のスコアを算出する。例えば、決定部１３３は、各種別に対応する個別モデルＤＭ１１〜ＤＭ１６等を用いて、各種別のスコアを算出する。

そして、決定部１３３は、算出した各種別のスコアのうち、閾値以上のスコアの種別があるかどうかを判定する。例えば、決定部１３３は、閾値以上のスコアの種別がないと判定した場合、コンテンツの通知タイミングではないと判定する。例えば、決定部１３３は、上記式（１）を用いて個別モデルＤＭ１１〜ＤＭ１６等の各々に対応する「ｙ」の値（個別モデルＤＭ１１〜ＤＭ１６等の各々のスコア）を算出し、個別モデルＤＭ１１〜ＤＭ１６等の各々に対応する「ｙ」の値が全て閾値未満の場合、コンテンツの通知タイミングではないと判定する。

また、決定部１３３は、算出した各種別のスコアのうち、少なくとも１つが閾値以上のスコアの種別があると判定した場合、コンテンツの通知タイミングではあると判定する。例えば、決定部１３３は、上記式（１）を用いて個別モデルＤＭ１１〜ＤＭ１６等の各々に対応する「ｙ」の値を算出し、個別モデルＤＭ１１〜ＤＭ１６等の各々に対応する「ｙ」の値のうち、少なくとも１つが閾値以上の場合、コンテンツの通知タイミングであると判定する。この場合、決定部１３３は、スコアが最大の種別のコンテンツを通知すると決定する。

また、決定部１３３は、ユーザに関するコンテキストを決定（推定）する。決定部１３３は、ユーザＵ１のユーザ情報を用いて、ユーザＵ１に関するコンテキストを推定する。例えば、決定部１３３は、ユーザ情報記憶部１２１や、行動情報記憶部１２２や、種別情報記憶部１２３や、全体モデル情報記憶部１２４や、個別モデル情報記憶部１２５や、コンテンツ情報記憶部１２６等に記憶されたユーザに関する各種情報を用いて、ユーザに関するコンテキストを推定する。

例えば、決定部１３３は、ユーザの行動履歴、ユーザの行動予定、ユーザの属性、ユーザの現在位置、現在時刻、ユーザが置かれた物理環境、ユーザが置かれた社会環境、ユーザの運動状態、および、ユーザの感情等の種々の情報等に基づいてユーザのコンテキストを推定する。例えば、決定部１３３は、ユーザＵ１の行動履歴、ユーザＵ１の行動予定、ユーザＵ１の属性、ユーザＵ１の現在位置、現在時刻、ユーザＵ１が置かれた物理環境、ユーザＵ１が置かれた社会環境、ユーザＵ１の運動状態、および、ユーザＵ１の感情等の種々の情報等に基づいてユーザＵ１のコンテキストをコンテキストＣＮ１と推定する。

例えば、決定部１３３は、ユーザＵ１のコンテキストを、ユーザＵ１が利用する端末装置１０から取得した各種情報に基づいて、朝の経済ニュースに関心を示す可能性が高いコンテキストＣＮ１と推定する。例えば、決定部１３３は、ユーザＵ２のコンテキストを、ユーザＵ２が利用する端末装置１０から取得した各種情報に基づいて、夜のエンターテインメントのニュースに関心を示す可能性が高いコンテキストＣＮ３と推定する。

（配信部１３４）
配信部１３４は、端末装置１０に各種情報を配信する。例えば、配信部１３４は、端末装置１０にコンテンツを配信する。また、配信部１３４は、決定部１３３により決定されたコンテンツを配信する。

例えば、配信部１３４は、コンテンツ情報記憶部１２６に記憶されたコンテンツのうち、端末装置１０に配信するコンテンツを配信する。例えば、配信部１３４は、コンテンツ情報記憶部１２６（図９参照）に記憶されたコンテンツのうち、端末装置１０を利用するユーザに対応付けられたコンテンツを、配信するコンテンツとして配信する。例えば、配信部１３４は、コンテンツ情報記憶部１２６（図９参照）に示すように、ユーザＵ１に対応付けられたコンテンツＣＴ１０〜ＣＴ１３を、ユーザＵ１が利用する端末装置１０に配信する。

また、配信部１３４は、決定部１３３により決定されたタイミングでコンテンツを配信する。例えば、配信部１３４は、決定部１３３により通知タイミングになったと判定された場合、スコアが最大の種別のコンテンツを端末装置１０へ配信（通知）する。例えば、配信部１３４は、個別モデルＤＭ１１が算出するスコアが最大である場合、個別モデルＤＭ１１の種別ＣＬ１１に対応するコンテンツを端末装置１０へ配信（通知）する。

〔４．端末装置の構成〕
次に、図１０を用いて、実施形態に係る端末装置１０の構成について説明する。図１０は、実施形態に係る端末装置の構成例を示す図である。図１０に示すように、端末装置１０は、通信部１１と、表示部１２ａと、スピーカ１２ｂと、振動部１２ｃと、入力部１３と、検知部１４と、記憶部１５と、制御部１６（コントローラ）とを有する。

通信部１１は、ネットワーク２と有線又は無線で接続され、センサ装置５０や生成装置１００との間で情報の送受信を行う。例えば、通信部１１は、ＮＩＣ（Network Interface Card）等によって実現される。制御部１６は、通信部１１およびネットワーク２を介して、センサ装置５０や生成装置１００との間で各種の情報を送受信することができる。

表示部１２ａは、タッチパネル式のディスプレイである。端末装置１０のユーザは、表示部１２ａの画面上を指などで操作することで、表示部１２ａに表示された画面に対する操作が可能である。表示部１２ａは、例えば、小型のＬＣＤ（Liquid Crystal Display）や有機ＥＬディスプレイである。

入力部１３は、数字、数字およびスペースを入力するためのキー、エンターキーおよび矢印キーなどを含むキーボードや、選択ボタン、電源ボタンなどを有する。

検知部１４は、端末装置１０に関する各種情報を検知する。具体的には、検知部１４は、端末装置１０の物理的な状態や周囲の状態を検知する。図１０に示す例では、検知部１４は、加速度センサ２１と、測位部２２と、撮像部２３とを有する。

加速度センサ２１は、例えば、３軸加速度センサであり、端末装置１０の移動方向、速度、および、加速度などの端末装置１０の物理的な動きを検知する。測位部２２は、ＧＰＳ（Global Positioning System）衛星から送出される電波を受信し、受信した電波に基づいて端末装置１０の現在位置を示す位置情報（例えば、緯度および経度）を取得する。撮像部２３は、端末装置１０の周囲を撮像し、撮像画像を取得する。

なお、検知部１４は、加速度センサ２１、測位部２２および撮像部２３に限られず、端末装置１０の物理的な状態を検知する各種機器を有してもよい。例えば、検知部１４は、端末装置１０の周囲の音を収集するマイクロフォンや、端末装置１０の周囲の照度を検知する照度センサや、端末装置１０の周囲の湿度を検知する湿度センサや、端末装置１０の所在位置における磁場を検知する地磁気センサ等を有してもよい。

記憶部１５は、モデル情報３１、モード情報３２、ユーザ属性情報３３などの情報を記憶する。記憶部１５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、ＨＤＤ（Hard Disk Drive）、光ディスク等の記憶装置である。

モデル情報３１は、ユーザの端末装置１０に対する行動の可能性を推定するモデルの情報であり、例えば、生成装置１００によって生成される学習モデルや推定モデルの情報を含む。例えば、モデル情報３１は、全体モデル情報記憶部１２４に示すようなモデル情報が対応する。例えば、ユーザＵ１の端末装置１０におけるモデル情報３１は、モデルＭ１のモデル情報であってもよい。モード情報３２は、端末装置１０のユーザによって設定された動作モードの情報である。ユーザ属性情報３３は、例えば、ユーザの属性（例えば、年齢、性別、住所、職業、興味関心など）の情報である。

制御部１６は、コントローラ（controller）であり、例えば、ＣＰＵ、ＲＯＭ（Read Only Memory）、ＲＡＭ、入出力ポートなどを有するマイクロコンピュータや各種の回路を含む。

制御部１６は、状態判定部４１と、取得部４２と、送信部４３と、タイミング判定部４４と、処理部４５とを備える。状態判定部４１、取得部４２、送信部４３、タイミング判定部４４および処理部４５の機能は、例えば、上記ＣＰＵが上記ＲＯＭに記憶されているプログラムを読み出して実行することにより実現される。

なお、状態判定部４１、取得部４２、送信部４３、タイミング判定部４４および処理部４５は、それぞれ一部または全部がＡＳＩＣやＦＰＧＡ等のハードウェアで構成されてもよい。以下、これら状態判定部４１、取得部４２、送信部４３、タイミング判定部４４および処理部４５について具体的に説明する。

（状態判定部４１）
状態判定部４１は、ユーザの状態を判定する。例えば、状態判定部４１は、加速度センサ２１によって検出された端末装置１０の物理的な動きに基づいて、ユーザの行動が特定行動であるか否かを判定することができる。また、状態判定部４１は、測位部２２によって検出された端末装置１０の現在位置を示す位置情報に基づいて、ユーザの行動が特定行動であるか否かを判定することができる。

特定行動は、上述したように、例えば、ユーザが歩いている状態から止まるという行動、ユーザが走っている状態から歩くという行動、座っている状態から立つという行動、立っている状態から座るという行動などである。

また、状態判定部４１は、例えば、撮像部２３によって撮像された画像から、ユーザがテレビを見るという行動、ユーザが時計を見るという行動、ユーザがコーヒーを飲んでいるという行動などを特定行動として判定することができる。

また、状態判定部４１は、例えば、センサ装置５０によって検出される情報に基づいて、ユーザの状態を検出することができる。例えば、センサ装置５０は、電気機器が操作されたことを検出し、検出結果から状態判定部４１は、ユーザが電気機器を操作したと判定することができる。

また、状態判定部４１は、ユーザによる端末装置１０の操作を検出することができる。記憶部１５にはユーザが端末装置１０で動作するアプリケーションの操作履歴をログ情報として記憶しており、ログ情報に基づき、状態判定部４１は、ユーザが端末装置１０のアプリケーションを使用したことを特定行動として検出することができる。例えば、状態判定部４１は、記憶部１５に記憶されたログ情報に基づき、ユーザが端末装置１０からメールを送信したことを特定行動として検出することができる。

また、状態判定部４１は、加速度センサ２１によって検出された端末装置１０の物理的な動きに基づいて、ユーザが端末装置１０を保持したか否かを判定することができる。また、状態判定部４１は、加速度センサ２１によって検出された端末装置１０の物理的な動きに基づいて、ユーザの運動状態を判定することができる。

また、状態判定部４１は、検知部１４の撮像部２３によって撮像されたユーザの顔画像や検知部１４のマイクロフォンで収集したユーザの音声に基づいて、ユーザの感情を判定することができる。また、状態判定部４１は、図示しない心拍数検出部からの情報に基づき、ユーザの感情を判定することもできる。

（取得部４２）
取得部４２は、各種情報を取得する。例えば、取得部４２は、生成装置１００等の外部装置から各種情報を取得する。取得部４２は、生成装置１００から通信部１１を介してコンテンツを取得することができる。例えば、取得部４２は、プッシュ型の情報提供により生成装置１００から配信されるコンテンツを取得することができる。また、取得部４２は、後述するタイミング判定部４４による判定結果に基づいて表示部１２ａに表示されるコンテンツを生成装置１００から取得し、記憶部１５に記憶することができる。

また、取得部４２は、状態判定部４１によってユーザの行動が特定行動であると判定された場合におけるユーザの端末装置１０に対する行動である対端末行動の情報とユーザに関するコンテキストの情報とを含む情報をユーザ関連情報として取得することができる。

取得部４２は、対端末行動として、例えば、生成装置１００から提供されて表示部１２ａに表示されたコンテンツに対して操作を行っているか否かを示す情報を表示部１２ａのタッチパネルや入力部１３から取得することができる。

また、取得部４２は、ユーザに関するコンテキストの情報として、例えば、ユーザの現在位置、現在時刻、ユーザの属性、ユーザが反応したコンテンツの内容、ユーザの運動状態、および、ユーザの感情などの情報を取得することができる。

例えば、取得部４２は、測位部２２によって検出された端末装置１０の現在位置を示す位置情報をユーザの現在位置の情報として取得することができる。また、取得部４２は、制御部１６の図示しない計時部によって計時される現在時刻（例えば、年月日および時分）の情報を取得することができる。また、取得部４２は、記憶部１５からユーザ属性情報３３をユーザの属性の情報として取得することができる。

また、取得部４２は、状態判定部４１によって判定されたユーザの運動状態やユーザの感情などの情報を状態判定部４１から取得することができる。なお、取得部４２は、外部装置（図示せず）から、ユーザが置かれた物理環境、ユーザが置かれた社会環境を示す情報を取得することもできる。

また、記憶部１５には上述したようにログ情報として記憶しており、ログ情報に基づき、取得部４２は、ユーザが反応したコンテンツの内容の情報を取得することができる。

例えば、取得部４２は、各種モデルを取得する。例えば、取得部４２は、生成装置１００から全体モデルＧＭ１や個別モデルＤＭ１１〜ＤＭ１６等の各種モデルを取得する。また、取得部４２は、生成装置１００から学習モデルの情報や推定モデルの情報を取得することができ、取得した学習モデルの情報や推定モデルの情報をモデル情報３１として記憶部１５に記憶することができる。

（送信部４３）
送信部４３は、各種情報を送信する。例えば、送信部４３は、生成装置１００等の外部装置に各種情報を送信する。例えば、送信部４３は、生成装置１００にユーザの行動情報やコンテンツ情報を送信する。送信部４３は、取得部４２によって取得された情報を行動情報（ユーザ関連情報）として生成装置１００へ通信部１１を介して送信することができる。ユーザ関連情報には、例えば、状態判定部４１によって判定されたユーザの特定行動の種別を示す情報、ユーザの行動が特定行動である場合におけるユーザの対端末行動の情報とユーザに関するコンテキストの情報とが含まれる。

送信部４３は、モード情報３２として第１モードの情報が記憶部１５に記憶されている場合、取得部４２によって取得されたユーザ関連情報を第１ユーザ関連情報として生成装置１００へ通信部１１を介して送信してもよい。また、送信部４３は、モード情報３２として第２モードの情報が記憶部１５に記憶されている場合、取得部４２によって取得されたユーザ関連情報を第２ユーザ関連情報として生成装置１００へ通信部１１を介して送信してもよい。

また、送信部４３は、例えば、生成装置１００以外の装置から端末装置１０に通知されている他のコンテンツの種別または内容の情報を生成装置１００へ通知することができる。また、送信部４３は、記憶部１５に記憶されたユーザ属性情報３３や、ユーザの端末装置１０に対する行動（例えば、端末装置１０に表示されたコンテンツに対するユーザの行動）の情報を生成装置１００へ送信することができる。

（タイミング判定部４４）
タイミング判定部４４は、種々のタイミングを判定する。タイミング判定部４４は、ユーザへの通知タイミングを判定する。例えば、タイミング判定部４４は、各種モデルを用いて、ユーザへの割り込みに適したタイミングである通知タイミングを判定することができる。例えば、タイミング判定部４４は、全体モデルＧＭ１や個別モデルＤＭ１１〜ＤＭ１６等を用いて、各種別に対応するコンテンツの通知タイミングを判定することができる。

例えば、タイミング判定部４４は、記憶部１５に記憶されているモデル情報３１に含まれる各種モデルの情報を取得し、取得部４２で取得されたユーザ関連情報を入力情報として各種モデルから、ユーザの端末装置１０に対する行動の可能性を推定する。

この場合、タイミング判定部４４は、例えば、記憶部１５に記憶されたコンテンツに対してユーザの行動有無の可能性を各種モデルから判定することもできる。

また、タイミング判定部４４は、記憶部１５に記憶されたコンテンツに対してユーザの端末装置１０に対する行動の可能性が高いとタイミング判定部４４によって推定された場合、通知タイミングになったと判定する。

図１の例では、タイミング判定部４４は、生成装置１００から受信したコンテンツの通知タイミングを判定する。例えば、タイミング判定部４４は、ブレイクポイントＢＰ１１〜ＢＰ１６と判定した場合、全体モデルＧＭ１を用いて、そのブレイクポイントがゴールデンブレイクポイントであるかどうかを判定する。例えば、タイミング判定部４４は、上記式（１）を用いて全体モデルＧＭ１に対応する「ｙ」の値（全体モデルＧＭ１のスコア）を算出し、「ｙ」の値が所定の閾値以上の場合、そのブレイクポイントをゴールデンブレイクポイントと判定する。

また、タイミング判定部４４は、ゴールデンブレイクポイントと判定した場合、各種別のスコアを算出する。例えば、タイミング判定部４４は、各種別に対応する個別モデルＤＭ１１〜ＤＭ１６等を用いて、各種別のスコアを算出する。

そして、タイミング判定部４４は、算出した各種別のスコアのうち、閾値以上のスコアの種別があるかどうかを判定する。例えば、タイミング判定部４４は、閾値以上のスコアの種別がないと判定した場合、コンテンツの通知タイミングではないと判定する。例えば、タイミング判定部４４は、上記式（１）を用いて個別モデルＤＭ１１〜ＤＭ１６等の各々に対応する「ｙ」の値（個別モデルＤＭ１１〜ＤＭ１６等の各々のスコア）を算出し、個別モデルＤＭ１１〜ＤＭ１６等の各々に対応する「ｙ」の値が全て閾値未満の場合、コンテンツの通知タイミングではないと判定する。

また、タイミング判定部４４は、算出した各種別のスコアのうち、少なくとも１つが閾値以上のスコアの種別があると判定した場合、コンテンツの通知タイミングではあると判定する。例えば、タイミング判定部４４は、上記式（１）を用いて個別モデルＤＭ１１〜ＤＭ１６等の各々に対応する「ｙ」の値を算出し、個別モデルＤＭ１１〜ＤＭ１６等の各々に対応する「ｙ」の値のうち、少なくとも１つが閾値以上の場合、コンテンツの通知タイミングであると判定する。この場合、タイミング判定部４４は、スコアが最大の種別のコンテンツを通知すると判定する。

また、図１の例では、タイミング判定部４４は、行動情報ＣＨ１１が行われたブレイクポイントＢＰ１１がゴールデンブレイクポイントであるかを判定する。例えば、タイミング判定部４４は、日時ｔ１２において算出した全体モデルＧＭ１のスコアと所定の閾値とを比較することにより、ブレイクポイントＢＰ１１がゴールデンブレイクポイントであるかを判定する。例えば、ブレイクポイントＢＰ１１における全体モデルＧＭ１のスコアが所定の閾値未満であったため、タイミング判定部４４は、ブレイクポイントＢＰ１１をゴールデンブレイクポイントでないと判定する。

また、図１の例では、タイミング判定部４４は、行動情報ＣＨ１２が行われたブレイクポイントＢＰ１２がゴールデンブレイクポイントであるかを判定する。図１では、例えば、ブレイクポイントＢＰ１２における全体モデルＧＭ１のスコアが所定の閾値以上であったため、タイミング判定部４４は、ブレイクポイントＢＰ１２をゴールデンブレイクポイントＧＢＰ１２であると判定する。

また、図１の例では、タイミング判定部４４は、ゴールデンブレイクポイントＧＢＰ１２における個別モデルＤＭ１１〜ＤＭ１６等の各々のスコアを算出する。図１では、タイミング判定部４４は、個別モデルＤＭ１１〜ＤＭ１６等を用いて算出した各種別ＣＬ１１〜ＣＬ３１等のスコアのうち、閾値（０．５）以上のスコアの種別があるかどうかを判定する。図１では、閾値以上のスコアの種別がないため、タイミング判定部４４は、コンテンツの通知タイミングではないと判定する。

また、図１の例では、タイミング判定部４４は、行動情報ＣＨ１４が行われたブレイクポイントＢＰ１４がゴールデンブレイクポイントであるかを判定する。図１では、例えば、ブレイクポイントＢＰ１４における全体モデルＧＭ１のスコアが所定の閾値以上であったため、タイミング判定部４４は、ブレイクポイントＢＰ１４をゴールデンブレイクポイントＧＢＰ１４であると判定する。

また、図１の例では、タイミング判定部４４は、ゴールデンブレイクポイントＧＢＰ１４における個別モデルＤＭ１１〜ＤＭ１６等の各々のスコアを算出する。図１では、タイミング判定部４４は、個別モデルＤＭ１１〜ＤＭ１６等を用いて算出した各種別ＣＬ１１〜ＣＬ３１等のスコアのうち、閾値（０．５）以上のスコアの種別があるかどうかを判定する。図１では、種別ＣＬ１２のスコアが閾値（０．５）以上であるため、タイミング判定部４４は、コンテンツの通知タイミングであると判定する。

また、タイミング判定部４４は、ユーザに関するコンテキストを決定（推定）してもよい。タイミング判定部４４は、ユーザＵ１のユーザ情報を用いて、ユーザＵ１に関するコンテキストを推定してもよい。例えば、タイミング判定部４４は、記憶部１５等に記憶されたユーザに関する各種情報を用いて、ユーザに関するコンテキストを推定してもよい。

例えば、タイミング判定部４４は、ユーザの行動履歴、ユーザの行動予定、ユーザの属性、ユーザの現在位置、現在時刻、ユーザが置かれた物理環境、ユーザが置かれた社会環境、ユーザの運動状態、および、ユーザの感情等の種々の情報等に基づいてユーザのコンテキストを推定してもよい。例えば、タイミング判定部４４は、ユーザＵ１の行動履歴、ユーザＵ１の行動予定、ユーザＵ１の属性、ユーザＵ１の現在位置、現在時刻、ユーザＵ１が置かれた物理環境、ユーザＵ１が置かれた社会環境、ユーザＵ１の運動状態、および、ユーザＵ１の感情等の種々の情報等に基づいてユーザＵ１のコンテキストをコンテキストＣＮ１と推定してもよい。

例えば、タイミング判定部４４は、ユーザＵ１のコンテキストを、記憶部１５等に記憶された各種情報に基づいて、朝の経済ニュースに関心を示す可能性が高いコンテキストＣＮ１と推定してもよい。例えば、タイミング判定部４４は、ユーザＵ１のコンテキストを、記憶部１５等に記憶された各種情報に基づいて、夜のエンターテインメントのニュースに関心を示す可能性が高いコンテキストＣＮ３と推定してもよい。

（処理部４５）
処理部４５は、各種処理を行う。処理部４５は、例えば、表示部１２ａ、スピーカ１２ｂおよび振動部１２ｃを制御する。例えば、処理部４５は、モード情報３２として第１モードの情報が記憶部１５に記憶されている場合、生成装置１００からプッシュ型の情報提供により取得したコンテンツをユーザに提供することができる。例えば、処理部４５は、生成装置１００の要求に応じた通知態様によって、表示部１２ａ、スピーカ１２ｂおよび振動部１２ｃを制御してユーザにコンテンツ取得の通知を含む情報提供を行うことができる。

通知態様には、例えば、「通知方法」、「通知内容」、「通知手段」などの態様が含まれる。「通知方法」は、例えば、コンテンツの出力パターンである。「通知方法」による変更対象は、例えば、スピーカ１２ｂから出力される通知音の大きさ、周波数および音パターン、表示部１２ａに表示するコンテンツの大きさ、色、形状、および、通知の繰り返しの回数などのうち少なくともいずれか一つである。

「通知内容」は、例えば、通知するコンテンツの範囲である。例えば、「通知内容」による変更対象は、通知するコンテンツに含まれる内容のうち通知する内容（例えば、タイトルのみ、タイトルと概要のみ、全文など）や通知するコンテンツの数などである。

「通知手段」は、例えば、表示部１２ａ、スピーカ１２ｂおよび振動部１２ｃのうち少なくともいずれか一つである。また、「通知手段」には、例えば、ユーザの周囲の装置（例えば、腕時計、冷蔵庫、テレビなど）も含まれ、処理部４５は、通信部１１を介してユーザの周囲の装置へコンテンツを送信することができ、これにより、ユーザの周囲の装置からユーザに情報提供を行うことができる。

また、処理部４５は、タイミング判定部４４によって通知タイミングになったと判定された場合、記憶部１５に記憶されたコンテンツを表示部１２ａに表示することができる。

図１１は、端末装置１０の表示画面の一例を示す図である。図１１に示す端末装置１０には、生成装置１００などの外部装置から提供されたコンテンツＣＴ１０、ＣＴ５０、ＣＴ６０、ＣＴ７０、ＣＴ１１、ＣＴ８０が表示されている。なお、図１１に示す端末装置１０においては、コンテンツＣＴ８０は、一部が表示される。すなわち、端末装置１０においては、５．５個のコンテンツ、すなわち４個のコンテンツ全体の１個のコンテンツの上半分が画面上に表示される。

コンテンツＣＴ１０、ＣＴ５０、ＣＴ６０、ＣＴ７０、ＣＴ１１、ＣＴ８０は、例えば、上述した「通知内容」に応じた範囲の内容で表示画面ＤＰ１０に表示される。表示画面ＤＰ１０に表示されたコンテンツをユーザが選択（クリック）した場合に、処理部４５は、選択されたコンテンツ全体の内容を表示部１２ａに表示する。これにより、ユーザは、コンテンツ全体を把握することができる。

コンテンツＣＴ１０は、着信メールの内容を示すコンテンツであり、コンテンツＣＴ１０をユーザが選択（クリック）した場合に、端末装置１０の所定のメールアプリ等によりメール画面が表示部１２ａに表示される。図１１に示すコンテンツＣＴ１０は、図９に示すように、種別ＣＬ１２に対応するコンテンツであり、ユーザに要求する行動としては、ユーザにクリックを要求するコンテンツである。

また、コンテンツＣＴ５０は、所定のＳＮＳ（Social Networking Service）アプリケーションであるアプリＡＰＴに関するコンテンツであり、コンテンツＣＴ５０をユーザが選択（クリック）した場合に、端末装置１０のアプリＡＰＴが起動され、表示部１２ａに表示される。図１１に示すコンテンツＣＴ５０は、例えば種別ＣＬ２１に対応するコンテンツであり、ユーザに要求する行動としては、ユーザに閲覧のみを要求するコンテンツである。

また、コンテンツＣＴ６０は、所定のショッピングサービスに関するコンテンツであり、コンテンツＣＴ６０をユーザが選択（クリック）した場合に、端末装置１０のブラウザ等の所定のアプリにより所定のショッピングサービスに関する画面が表示部１２ａに表示される。図１１に示すコンテンツＣＴ６０は、例えば種別ＣＬ２３に対応するコンテンツであり、ユーザに要求する行動としては、ユーザにコンバージョン、例えば所定のショッピングサービスにおける商品の購入を要求するコンテンツである。

また、コンテンツＣＴ７０は、所定のメッセージアプリケーションであるアプリＡＰＬに関するコンテンツであり、コンテンツＣＴ７０をユーザが選択（クリック）した場合に、端末装置１０のアプリＡＰＬが起動され、表示部１２ａに表示される。図１１に示すコンテンツＣＴ７０は、例えば種別ＣＬ１２に対応するコンテンツであり、ユーザに要求する行動としては、ユーザにクリックを要求するコンテンツである。

また、コンテンツＣＴ１１は、スポーツニュースの情報であり、コンテンツＣＴ１１をユーザが選択（クリック）した場合に、端末装置１０の情報通知アプリケーションによりニュースの具体的な記事内容を示す画面が表示部１２ａに表示される。例えば、コンテンツＣＴ１１は、図９に示すように、種別ＣＬ３１に対応するコンテンツであり、ユーザに要求する行動としては、ユーザに閲覧のみを要求するコンテンツである。

図１１に示すように、コンテンツＣＴ１０、ＣＴ５０、ＣＴ６０、ＣＴ７０、ＣＴ１１、ＣＴ８０は、通知された時刻等の所定の基準に基づいて、一覧表示される。

例えば、図１１では、コンテンツＣＴ１０、ＣＴ５０、ＣＴ６０、ＣＴ７０、ＣＴ１１、ＣＴ８０は、通知された時刻等が最新のものから順に、上から下へ一覧表示される。この場合、通知タイミングはユーザが端末装置１０を操作するタイミングの直前であることが望ましい。そのため、端末装置１０は、ゴールデンブレイクポイントと判定される度に、各種別のスコアに基づいて、コンテンツをプッシュ通知してもよい。これにより、端末装置１０には、適切なタイミングで適切なコンテンツがユーザに認識されやすい位置に表示される。

なお、処理部４５は、タイミング判定部４４によって通知タイミングになったと判定された場合、記憶部１５に記憶されたコンテンツのうち表示部１２ａに表示された他のコンテンツ（例えば、コンテンツＣＴ６０、ＣＴ７０、ＣＴ８０等）の種別または内容の情報に応じたコンテンツをユーザへ提供することができる。例えば、処理部４５は、タイミング判定部４４によって通知タイミングになったと判定された場合、スコアが最大の種別のコンテンツを通知する。例えば、処理部４５は、個別モデルＤＭ１１が算出するスコアが最大である場合、個別モデルＤＭ１１の種別ＣＬ１１に対応するコンテンツを通知する。

例えば、処理部４５は、他のコンテンツと競合しないコンテンツをユーザへ提供したり、他のコンテンツよりもユーザの興味度が高いコンテンツをユーザへ提供したりすることができる。なお、ユーザの興味度は、例えば、記憶部１５に記憶されたユーザ属性情報３３に基づいて処理部４５で判定される。

処理部４５は、タイミング判定部４４の推定結果に応じた通知態様でコンテンツを表示することができる。例えば、処理部４５は、学習モデルにより可能性が高いと推定される対端末行動の種別に応じてコンテンツの通知方法、通知内容および通知手段のうちの少なくとも一つを変えてもよい。

〔５．生成処理のフロー〕
次に、図１２及び図１３を用いて、実施形態に係る生成システム１による各種モデルの生成について説明する。

〔５−１．全体モデルの生成について〕
次に、図１２を用いて、実施形態に係る生成システム１による生成処理の手順について説明する。図１２は、実施形態に係る生成処理の一例を示すフローチャートである。具体的には、図１２は、全体モデルの生成処理の一例を示すフローチャートである。

図１２に示すように、生成装置１００は、端末装置１０にコンテンツを配信する（ステップＳ１０１）。そして、コンテンツを受信した端末装置１０は、適宜のタイミングでコンテンツを表示することにより、ユーザに通知し、ユーザの行動情報やコンテキスト情報を収集する。

その後、生成装置１００は、ユーザの行動情報を取得する（ステップＳ１０２）。例えば、生成装置１００は、コンテンツを配信した端末装置１０からユーザの行動情報を取得する。

また、生成装置１００は、ユーザのコンテキスト情報を取得する（ステップＳ１０３）。例えば、生成装置１００は、コンテンツを配信した端末装置１０からユーザのコンテキスト情報を取得する。なお、ステップＳ１０３がステップＳ１０２よりも先に行われてもよく、ステップＳ１０２やステップＳ１０３は複数回行われてもよく、ステップＳ１０２とステップＳ１０３とを併せて行ってもよい。

その後、生成装置１００は、ユーザの行動情報及びコンテキスト情報に基づいて全体モデルを生成する（ステップＳ１０４）。例えば、生成装置１００は、ユーザの行動情報及びコンテキスト情報に基づいて全体モデルＧＭ１を生成する。

〔５−２．個別モデルの生成について〕
次に、図１３を用いて、実施形態に係る生成システム１による生成処理の手順について説明する。図１３は、実施形態に係る生成処理の一例を示すフローチャートである。具体的には、図１３は、個別モデルの生成処理の一例を示すフローチャートである。

図１３に示すように、生成装置１００は、端末装置１０にコンテンツを配信する（ステップＳ１０１）。例えば、生成装置１００は、モデルの生成対象となる種別に対応するコンテンツを端末装置１０に配信する。そして、コンテンツを受信した端末装置１０は、適宜のタイミングでコンテンツを表示することにより、ユーザに通知し、ユーザの行動情報やコンテキスト情報を収集する。

その後、生成装置１００は、ユーザの行動情報を取得する（ステップＳ１０２）。例えば、生成装置１００は、コンテンツを配信した端末装置１０からユーザの行動情報を取得する。例えば、生成装置１００は、モデルの生成対象となる種別に対応するコンテンツを配信した端末装置１０からユーザの行動情報を取得する。

また、生成装置１００は、ユーザのコンテキスト情報を取得する（ステップＳ１０３）。例えば、生成装置１００は、コンテンツを配信した端末装置１０からユーザのコンテキスト情報を取得する。例えば、生成装置１００は、モデルの生成対象となる種別に対応するコンテンツを配信した端末装置１０からユーザのコンテキスト情報を取得する。なお、ステップＳ１０３がステップＳ１０２よりも先に行われてもよく、ステップＳ１０２やステップＳ１０３は複数回行われてもよく、ステップＳ１０２とステップＳ１０３とを併せて行ってもよい。

その後、生成装置１００は、コンテンツに対応する種別に応じた、ユーザの行動情報及びコンテキスト情報に基づいて、種別に対応する個別モデルを生成する（ステップＳ１０４）。例えば、生成装置１００は、種別ＣＬ１１に対応するコンテンツをユーザに通知した端末装置１０から取得したユーザの行動情報及びコンテキスト情報に基づいて、種別ＣＬ１１に対応する個別モデルＤＭ１１を生成する。

〔６．通知タイミングの判定処理のフロー〕
次に、図１４を用いて、判定処理のフローチャートについて説明する。図１４は、実施形態に係る判定処理の一例を示すフローチャートである。具体的には、図１４は、コンテンツの通知タイミングの判定処理の一例を示すフローチャートである。なお、図１４の例では、コンテンツの通知タイミングの判定を端末装置１０が行う場合を説明するが、コンテンツの通知タイミングの判定は、生成装置１００が行ってもよい。

図１４に示すように、端末装置１０は、ゴールデンブレイクポイントかどうかを判定する（ステップＳ３０１）。ゴールデンブレイクポイントでないと判定した場合（ステップＳ３０１：Ｎｏ）、端末装置１０は、コンテンツの通知タイミングではないとして、処理を終了する。

また、ゴールデンブレイクポイントであると判定した場合（ステップＳ３０１：Ｙｅｓ）、端末装置１０は、各種別のスコアを算出する（ステップＳ３０２）。例えば、端末装置１０は、各種別に対応する個別モデルＤＭ１１〜ＤＭ１６等を用いて、各種別のスコアを算出する。

そして、端末装置１０は、閾値以上のスコアの種別があるかどうかを判定する（ステップＳ３０３）。閾値以上のスコアの種別がないと判定した場合（ステップＳ３０３：Ｎｏ）、端末装置１０は、コンテンツの通知タイミングではないとして、処理を終了する。

また、閾値以上のスコアの種別があると判定した場合（ステップＳ３０３：Ｙｅｓ）、端末装置１０は、スコアが最大の種別のコンテンツを通知する（ステップＳ３０４）。例えば、端末装置１０は、個別モデルＤＭ１１が算出するスコアが最大である場合、個別モデルＤＭ１１の種別ＣＬ１１に対応するコンテンツを通知する。

〔７．ゴールデンブレイクポイントの予測〕
また、生成装置１００は、通知タイミングが到来するタイミングを予測するモデル（以下、「予測モデル」ともいう）を生成してもよい。また、生成システム１は、生成装置１００が生成した予測モデルを用いて、通知タイミングが到来するタイミングを予測し、予測した情報に基づいてユーザに通知を行ってもよい。この点について、図１５及び図１６を用いて説明する。図１５は、実施形態に係る予測モデルの生成処理の一例を示す図である。図１６は、実施形態に係る予測モデルを用いた通知の一例を示す図である。

〔７−１．予測モデルの生成〕
まず、図１５を用いて、生成装置１００による予測モデルの生成について説明する。例えば、生成装置１００は、通知タイミングであると判定された時点よりも前の行動情報とコンテキスト情報とに基づいて、通知タイミングを予測する予測モデルを生成する。例えば、生成装置１００は、通知タイミングであると判定された時点に対応する特定行動の前にユーザが行った行動に基づいて、通知タイミングを予測する予測モデルを生成する。

なお、図１５に示す例においては、日時ｔ５３において、ユーザＵ１が指Ｆ１により端末装置１０のボタンＢＴ２を押下することで音量を操作する行動ＡＣＴ５３が行った場合に、ゴールデンブレイクポイントＧＢＰ５１であると判定された場合を例に示す。

図１５に示す例では、生成装置１００は、ゴールデンブレイクポイントＧＢＰ５１であると判定された時点に対応する行動ＡＣＴ５３の前におけるユーザの行動情報やコンテキスト情報を取得する（ステップＳ５１）。例えば、生成装置１００は、ユーザＵ１が行動ＡＣＴ５３を行った日時ｔ５３以前の日時ｔ５１や日時ｔ５２におけるユーザの行動情報やコンテキスト情報を取得する。なお、日時ｔ５１〜日時ｔ５３は、所定の短期間（例えば１分間や５分間等）内に含まれるものとする。

図１５に示す例では、生成装置１００は、ユーザＵ１が日時ｔ５１において行ったスマホ（端末装置１０）を手に取る行動ＡＣＴ５１に関する情報や日時ｔ５１におけるユーザＵ１のコンテキスト情報を取得する。また、図１５に示す例では、生成装置１００は、ユーザＵ１が日時ｔ５２において行った指Ｆ１により端末装置１０のボタンＢＴ１を押下することで端末装置１０の電源を入れる行動ＡＣＴ５２に関する情報や日時ｔ５２におけるユーザＵ１のコンテキスト情報を取得する。

そして、生成装置１００は、取得した情報に基づいて予測モデルを生成する（ステップＳ５２）。図１５の例では、生成装置１００は、行動ＡＣＴ５１を行った後の行動ＡＣＴ５２の後にゴールデンブレイクポイントＧＢＰ５１であると判定されたことを示す情報に基づいて、予測モデルＰＭ１を生成する。例えば、生成装置１００は、行動ＡＣＴ５１を行った後のユーザが行動ＡＣＴ５２を行った場合に、その後ゴールデンブレイクポイントが到来したことを示す情報に基づいて、予測モデルＰＭ１を生成する。例えば、生成装置１００は、行動ＡＣＴ５１と行動ＡＣＴ５２との一連の行動に関する情報を正例として、予測モデルＰＭ１を生成する。なお、図１５に図示する行動ＡＣＴ５１〜ＡＣＴ５３は一例であり、生成装置１００は、種々の情報を用いて予測モデルを生成する。これにより、生成システム１は、事前にゴールデンブレイクポイントの到来を予測することができる。

〔７−２．予測モデルの利用〕
次に、図１６を用いて、予測モデルを用いた通知の一例について説明する。例えば生成システム１は、生成装置１００により生成された予測モデルＰＭ１を用いて、通知タイミングが到来することを予測し、予測した情報に基づいてユーザに通知を行う。なお、図１６の例では、端末装置１０が予測モデルＰＭ１を用いて、ユーザに事前通知を行う場合を示す。

図１６に示す例では、ユーザＵ１は日時ｔ６０において座っている状態から立っている状態へ変化する行動ＡＣＴ６０を行ったものとする。そして、端末装置１０は、行動ＡＣＴ６０が行われた後にゴールデンブレイクポイントが到来するかを予測する（ステップＳ６０）。

図１６では、端末装置１０は、予測モデルＰＭ１を用いて、行動ＡＣＴ６０が行われた後にゴールデンブレイクポイントが到来するかを予測する。例えば、端末装置１０は、予測モデルＰＭ１と、行動ＡＣＴ６０やそれ以前の行動に関する情報やコンテキスト情報等とに基づいて、行動ＡＣＴ６０が行われた後にゴールデンブレイクポイントが到来するかを予測する。

図１６の例では、ゴールデンブレイクポイントの予測に用いる閾値が「０．５」である場合を示す。例えば、端末装置１０は、行動ＡＣＴ６０やそれ以前の行動に関する情報やコンテキスト情報等を予測モデルＰＭ１に入力し、予測モデルＰＭ１が出力するスコアが「０．５」以上であれば、行動ＡＣＴ６０が行われた後にゴールデンブレイクポイントが到来すると予測する。

図１６では、端末装置１０は、行動ＡＣＴ６０やそれ以前の行動に関する情報やコンテキスト情報等が入力された予測モデルＰＭ１が出力するスコアが「０．５」未満であり、行動ＡＣＴ６０が行われた後にゴールデンブレイクポイントが到来しないと予測する。

その後、図１６に示す例では、ユーザＵ１は日時ｔ６１においてスマホ（端末装置１０）を手に取る行動ＡＣＴ６１を行ったものとする。そして、端末装置１０は、行動ＡＣＴ６１が行われた後にゴールデンブレイクポイントが到来するかを予測する（ステップＳ６１）。

図１６では、端末装置１０は、予測モデルＰＭ１を用いて、行動ＡＣＴ６１が行われた後にゴールデンブレイクポイントが到来するかを予測する。例えば、端末装置１０は、予測モデルＰＭ１と、行動ＡＣＴ６１やそれ以前の行動ＡＣＴ６０等に関する情報やコンテキスト情報等とに基づいて、行動ＡＣＴ６１が行われた後にゴールデンブレイクポイントが到来するかを予測する。

図１６では、端末装置１０は、行動ＡＣＴ６１やそれ以前の行動ＡＣＴ６０等に関する情報やコンテキスト情報等が入力された予測モデルＰＭ１が出力するスコアが「０．５」未満であり、行動ＡＣＴ６１が行われた後にゴールデンブレイクポイントが到来しないと予測する。

その後、図１６に示す例では、ユーザＵ１は日時ｔ６２においてボタンＢＴ１を押下することで端末装置１０の電源を入れる行動ＡＣＴ６２を行ったものとする。そして、端末装置１０は、行動ＡＣＴ６２が行われた後にゴールデンブレイクポイントが到来するかを予測する（ステップＳ６２）。

図１６では、端末装置１０は、予測モデルＰＭ１を用いて、行動ＡＣＴ６２が行われた後にゴールデンブレイクポイントが到来するかを予測する。例えば、端末装置１０は、予測モデルＰＭ１と、行動ＡＣＴ６２やそれ以前の行動ＡＣＴ６１等に関する情報やコンテキスト情報等とに基づいて、行動ＡＣＴ６２が行われた後にゴールデンブレイクポイントが到来するかを予測する。

図１６では、端末装置１０は、行動ＡＣＴ６２やそれ以前の行動ＡＣＴ６１等に関する情報やコンテキスト情報等が入力された予測モデルＰＭ１が出力するスコアが「０．５」以上であり、行動ＡＣＴ６２が行われた後にゴールデンブレイクポイントが到来すると予測する（ステップＳ６３）。例えば、端末装置１０は、予測モデルＰＭ１が判定時からｎ分後にゴールデンブレイクポイント（ＧＢＰ）が到来するかどうかを判定するモデルである場合、日時ｔ６２からｎ分後の日時ｔ６３にゴールデンブレイクポイントＧＢＰ６１が到来すると予測する。

図１６では、ゴールデンブレイクポイントＧＢＰ６１が到来すると予測した端末装置１０は、ゴールデンブレイクポイントＧＢＰ６１が到来することを示す事前通知を行う（ステップＳ６４）。例えば、端末装置１０は、ｎ分後に重要な通知があることを示すティザー情報ＴＳ５１を通知（表示）する。これにより、生成システム１は、ゴールデンブレイクポイントＧＢＰ６１において、端末装置１０を利用するユーザＵ１の意識を他のコンテンツではなく、ティザー情報ＴＳ５１により通知を予告したコンテンツ、すなわち生成システム１が日時ｔ６３に通知するコンテンツに向けさせることができる。

〔８．効果〕
上述してきたように、実施形態に係る生成装置１００は、取得部１３１と、生成部１３２とを有する。取得部１３１は、ユーザが複数種類の特定行動のうちのいずれかの行動をした場合におけるユーザの端末装置１０に対する行動情報と、ユーザに関するコンテキスト情報とを取得する。また、生成部１３２は、取得部１３１により取得された行動情報とコンテキスト情報とに基づいて、端末装置１０へのコンテンツの通知目的に関する各種別に対応する各モデルであって、端末装置１０への各種別に対応するコンテンツの通知タイミングの判定に用いる各モデル（実施形態においては、個別モデルＤＭ１１〜ＤＭ１６等。以下同じ）を生成する。

これにより、実施形態に係る生成装置１００は、行動情報とコンテキスト情報とに基づいて、端末装置１０へのコンテンツの通知目的に関する各種別に対応する各モデルであって、端末装置１０への各種別に対応するコンテンツの通知タイミングの判定に用いる各モデルを生成することにより、ユーザに対して適切なタイミングで適切な内容の通知を可能にすることができる。

また、実施形態に係る生成装置１００において、生成部１３２は、一の種別に対応するコンテンツの通知に関する行動情報とコンテキスト情報とに基づいて、一の種別に対応するコンテンツの通知タイミングに関するモデル（実施形態においては、個別モデルＤＭ１１〜ＤＭ１６等。以下同じ）を生成する。

これにより、実施形態に係る生成装置１００は、一の種別に対応するコンテンツの通知に関する行動情報とコンテキスト情報とに基づいて、一の種別に対応するコンテンツの通知タイミングに関するモデルを生成することにより、ユーザに対して適切なタイミングで適切な内容の通知を可能にすることができる。

また、実施形態に係る生成装置１００において、生成部１３２は、通知目的の複数の要素であって、各々が複数の選択肢を有する複数の要素の各々から選択された選択肢の組合せに対応する一の種別に関するモデルを生成する。

これにより、実施形態に係る生成装置１００は、通知目的の複数の要素であって、各々が複数の選択肢を有する複数の要素の各々から選択された選択肢の組合せに対応する一の種別に関するモデルを生成することにより、ユーザに対して適切なタイミングで適切な内容の通知を可能にすることができる。

また、実施形態に係る生成装置１００において、生成部１３２は、コンテンツの通知対象となるユーザのコンテキストに関する要素を含む複数の要素に基づいて、モデルを生成する。

これにより、実施形態に係る生成装置１００は、コンテンツの通知対象となるユーザのコンテキストに関する要素を含む複数の要素に基づいて、モデルを生成することにより、ユーザに対して適切なタイミングで適切な内容の通知を可能にすることができる。

また、実施形態に係る生成装置１００において、生成部１３２は、通知するコンテンツに応じてユーザに要求する行動に関する要素を含む複数の要素に基づいて、モデルを生成する。

これにより、実施形態に係る生成装置１００は、通知するコンテンツに応じてユーザに要求する行動に関する要素を含む複数の要素に基づいて、モデルを生成することにより、ユーザに対して適切なタイミングで適切な内容の通知を可能にすることができる。

また、実施形態に係る生成装置１００において、生成部１３２は、通知するコンテンツに対するユーザの注意レベルに関する要素を含む複数の要素に基づいて、モデルを生成する。

これにより、実施形態に係る生成装置１００は、通知するコンテンツに対するユーザの注意レベルに関する要素を含む複数の要素に基づいて、モデルを生成することにより、ユーザに対して適切なタイミングで適切な内容の通知を可能にすることができる。

また、実施形態に係る生成装置１００において、生成部１３２は、他のサービスに関する要素を含む複数の要素に基づいて、モデルを生成する。

これにより、実施形態に係る生成装置１００は、他のサービスに関する要素を含む複数の要素に基づいて、モデルを生成することにより、ユーザに対して適切なタイミングで適切な内容の通知を可能にすることができる。

また、実施形態に係る生成装置１００において、生成部１３２は、通知するコンテンツに対応するサービスへのユーザの流入経路に関する要素を含む複数の要素に基づいて、モデルを生成する。

これにより、実施形態に係る生成装置１００は、通知するコンテンツに対応するサービスへのユーザの流入経路に関する要素を含む複数の要素に基づいて、モデルを生成することにより、ユーザに対して適切なタイミングで適切な内容の通知を可能にすることができる。

また、実施形態に係る生成装置１００において、生成部１３２は、コンテンツを通知する端末装置のデバイス種別に関する要素を含む複数の要素に基づいて、モデルを生成する。

これにより、実施形態に係る生成装置１００は、コンテンツを通知する端末装置のデバイス種別に関する要素を含む複数の要素に基づいて、モデルを生成することにより、ユーザに対して適切なタイミングで適切な内容の通知を可能にすることができる。

また、実施形態に係る生成装置１００において、生成部１３２は、取得部により取得された行動情報とコンテキスト情報とに基づいて、端末装置へのコンテンツの通知タイミングに関する全体モデル（実施形態においては、全体モデルＧＭ１。以下同じ）を生成する。

これにより、実施形態に係る生成装置１００は、取得部により取得された行動情報とコンテキスト情報とに基づいて、端末装置へのコンテンツの通知タイミングに関する全体モデルを生成することにより、ユーザに対して適切なタイミングで適切な内容の通知を可能にすることができる。

また、実施形態に係る生成装置１００において、生成部１３２は、全体モデルにより端末装置へのコンテンツの通知タイミングであると判定された場合に、各種別に対応するコンテンツの通知タイミングであるかの判定に用いるモデルとして、各モデルを生成する。

これにより、実施形態に係る生成装置１００は、全体モデルにより端末装置へのコンテンツの通知タイミングであると判定された場合に、各種別に対応するコンテンツの通知タイミングであるかの判定に用いるモデルとして、各モデルを生成することにより、ユーザに対して適切なタイミングで適切な内容の通知を可能にすることができる。

また、実施形態に係る生成装置１００において、生成部１３２は、通知タイミングであると判定された時点よりも前の行動情報とコンテキスト情報とに基づいて、通知タイミングを予測する予測モデル（実施形態においては、予測モデルＰＭ１。以下同じ）を生成する。

これにより、実施形態に係る生成装置１００は、通知タイミングであると判定された時点よりも前の行動情報とコンテキスト情報とに基づいて、通知タイミングを予測する予測モデルを生成することにより、ユーザに対して適切なタイミングで適切な内容の通知を可能にすることができる。

また、実施形態に係る生成装置１００において、生成部１３２は、通知タイミングであると判定された時点に対応する特定行動の前にユーザが行った行動に基づいて、通知タイミングを予測する予測モデルを生成する。

これにより、実施形態に係る生成装置１００は、通知タイミングであると判定された時点に対応する特定行動の前にユーザが行った行動に基づいて、通知タイミングを予測する予測モデルを生成することにより、ユーザに対して適切なタイミングで適切な内容の通知を可能にすることができる。

〔９．ハードウェア構成〕
上述してきた実施形態に係る生成装置１００や端末装置１０は、例えば図１７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１７は、生成装置または端末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、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、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、ネットワークＮ（図２中においてはネットワーク２）を介して他の機器からデータを受信してＣＰＵ１１００へ送り、ＣＰＵ１１００が収集したデータをネットワークＮ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、収集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、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が実施形態に係る生成装置１００や端末装置１０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、１６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、他の装置からネットワークＮを介してこれらのプログラムを取得してもよい。

以上、本願の実施形態及び変形例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、発明の開示の行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。

〔１０．その他〕
また、上記実施形態及び変形例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及び変形例は、処理内容を矛盾させない範囲で適宜組み合わせることが可能である。

また、上述してきた「部（section、module、unit）」は、「手段」や「回路」などに読み替えることができる。例えば、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生成システム
１００生成装置
１２１ユーザ情報記憶部
１２２行動情報記憶部
１２３種別情報記憶部
１２４全体モデル情報記憶部
１２５個別モデル情報記憶部
１２６コンテンツ情報記憶部
１３０制御部
１３１取得部
１３２生成部
１３３決定部
１３４配信部
１０端末装置
Ｎ、２ネットワーク

Claims

ユーザが複数種類の特定行動のうちのいずれかの行動をした場合における前記ユーザの端末装置に対する行動情報と、前記ユーザに関するコンテキスト情報とを取得する取得部と、
前記取得部により取得された前記行動情報と前記コンテキスト情報とに基づいて、前記端末装置へのコンテンツの通知タイミングに関する全体モデルにより前記端末装置へのコンテンツの通知タイミングであると判定された場合に、前記端末装置へのコンテンツの通知目的に関する各種別に対応するコンテンツの通知タイミングであるかの判定に用いるモデルとして、前記各種別に対応し、前記行動情報と前記コンテキスト情報とを入力とする各モデルであって、前記端末装置への前記各種別に対応するコンテンツの通知タイミングの判定に用いる各モデルを、前記各モデルに対応する前記各種別に対応付けられた前記行動情報と前記コンテキスト情報とを用いて生成する生成部と、
を備えることを特徴とする生成装置。
前記生成部は、
一の種別に対応するコンテンツの通知に関する前記行動情報と前記コンテキスト情報とに基づいて、前記一の種別に対応するコンテンツの通知タイミングに関するモデルを生成する
ことを特徴とする請求項１に記載の生成装置。
前記生成部は、
前記通知目的の複数の要素であって、各々が複数の選択肢を有する複数の要素の各々から選択された選択肢の組合せに対応する前記一の種別に関する前記モデルを生成する
ことを特徴とする請求項２に記載の生成装置。
前記生成部は、
コンテンツの通知対象となるユーザのコンテキストに関する要素を含む前記複数の要素に基づいて、前記モデルを生成する
ことを特徴とする請求項３に記載の生成装置。
前記生成部は、
通知するコンテンツに応じてユーザに要求する行動に関する要素を含む前記複数の要素に基づいて、前記モデルを生成する
ことを特徴とする請求項３または請求項４に記載の生成装置。
前記生成部は、
通知するコンテンツに対するユーザの注意レベルに関する要素を含む前記複数の要素に基づいて、前記モデルを生成する
ことを特徴とする請求項３〜５のいずれか１項に記載の生成装置。
前記生成部は、
他のサービスに関する要素を含む前記複数の要素に基づいて、前記モデルを生成する
ことを特徴とする請求項３〜６のいずれか１項に記載の生成装置。
前記生成部は、
通知するコンテンツに対応するサービスへのユーザの流入経路に関する要素を含む前記複数の要素に基づいて、前記モデルを生成する
ことを特徴とする請求項３〜７のいずれか１項に記載の生成装置。
前記生成部は、
コンテンツを通知する前記端末装置のデバイス種別に関する要素を含む前記複数の要素に基づいて、前記モデルを生成する
ことを特徴とする請求項３〜８のいずれか１項に記載の生成装置。
前記生成部は、
前記取得部により取得された前記行動情報と前記コンテキスト情報とに基づいて、前記端末装置へのコンテンツの通知タイミングに関する前記全体モデルであって、前記各モデルによる判定の前に用いられる前記全体モデルを生成する
ことを特徴とする請求項１〜９のいずれか１項に記載の生成装置。
前記生成部は、
前記通知タイミングであると判定された時点よりも前の前記行動情報と前記コンテキスト情報とに基づいて、前記通知タイミングを予測する予測モデルを生成する
ことを特徴とする請求項１〜１０のいずれか１項に記載の生成装置。
前記生成部は、
前記通知タイミングであると判定された時点に対応する特定行動の前にユーザが行った行動に基づいて、前記通知タイミングを予測する予測モデルを生成する
ことを特徴とする請求項１１に記載の生成装置。
コンピュータが実行する生成方法であって、
ユーザが複数種類の特定行動のうちのいずれかの行動をした場合における前記ユーザの端末装置に対する行動情報と、前記ユーザに関するコンテキスト情報とを取得する取得工程と、
前記取得工程により取得された前記行動情報と前記コンテキスト情報とに基づいて、前記端末装置へのコンテンツの通知タイミングに関する全体モデルにより前記端末装置へのコンテンツの通知タイミングであると判定された場合に、前記端末装置へのコンテンツの通知目的に関する各種別に対応するコンテンツの通知タイミングであるかの判定に用いるモデルとして、前記各種別に対応し、前記行動情報と前記コンテキスト情報とを入力とする各モデルであって、前記端末装置への前記各種別に対応するコンテンツの通知タイミングの判定に用いる各モデルを、前記各モデルに対応する前記各種別に対応付けられた前記行動情報と前記コンテキスト情報とを用いて生成する生成工程と、
を含むことを特徴とする生成方法。
ユーザが複数種類の特定行動のうちのいずれかの行動をした場合における前記ユーザの端末装置に対する行動情報と、前記ユーザに関するコンテキスト情報とを取得する取得手順と、
前記取得手順により取得された前記行動情報と前記コンテキスト情報とに基づいて、前記端末装置へのコンテンツの通知タイミングに関する全体モデルにより前記端末装置へのコンテンツの通知タイミングであると判定された場合に、前記端末装置へのコンテンツの通知目的に関する各種別に対応するコンテンツの通知タイミングであるかの判定に用いるモデルとして、前記各種別に対応し、前記行動情報と前記コンテキスト情報とを入力とする各モデルであって、前記端末装置への前記各種別に対応するコンテンツの通知タイミングの判定に用いる各モデルを、前記各モデルに対応する前記各種別に対応付けられた前記行動情報と前記コンテキスト情報とを用いて生成する生成手順と、
をコンピュータに実行させることを特徴とする生成プログラム。