JP6584240B2 - 生成装置、生成方法、及び生成プログラム - Google Patents

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、ユーザに配信するコンテンツを分類する技術が提供されている。例えば、コンテンツの文字情報等の内容を解析すること等により、コンテンツを分類するモデルを生成する技術が提供されている。このような、コンテンツの分類は、例えば、コンテンツを配信する配信先（ユーザ）を決定する際に用いられる。

特許第５４８６１１６号公報

しかしながら、上記の従来技術では、コンテンツを適切に分類するモデルを生成できるとは限らない。例えば、上記の従来技術により生成されたモデルは、全てのコンテンツの提供元にとってコンテンツを適切に分類できるモデルであるとは限らない。また、例えば、コンテンツの提供元ごとやコンテンツごとに複数のモデルを各別に生成する場合、モデル生成に要するコストが増大する。

本願は、上記に鑑みてなされたものであって、生成するコストを抑制し、コンテンツに応じた適切な配信先の決定に用いるモデルを生成することができる生成装置、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、コンテンツの提供元に提示した他のコンテンツに関する回答と前記他のコンテンツを分類するモデルである第１モデル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回答に基づいて、前記提供元に対応するモデルであって、前記提供元のコンテンツを配信するユーザを決定する際に用いられるモデルである第２モデルを前記第１モデルから生成する生成部と、を備えたことを特徴とする。

実施形態の一態様によれば、生成するコストを抑制し、コンテンツに応じた適切な配信先の決定に用いるモデルを生成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、実施形態に係る配信システムの一例を示す図である。 図３は、実施形態に係る分類装置の構成例を示す図である。 図４は、実施形態に係る第１モデル記憶部の一例を示す図である。 図５は、実施形態に係る回答情報記憶部の一例を示す図である。 図６は、実施形態に係る第２モデル記憶部の一例を示す図である。 図７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８は、実施形態に係る第２モデル生成の処理手順の一例を示すフローチャートである。 図９は、実施形態に係る配信処理手順の一例を示すシーケンス図である。 図１０は、分類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。なお、本実施形態における生成処理には、生成したモデルを用いて分類されたコンテンツ（以下、「ニュース記事」とする場合がある）のユーザの閲覧により、ユーザに広告が配信されるまでの処理を含む。また、図１では、第１モデルは、予め生成されたモデルであり、ニュース記事を分類するモデルとする。また、例えば、第１モデルは、ニュース記事について分類毎にスコアを算出するモデルである。すなわち、第１モデルは、ニュース記事について分類「ドラマ」のスコアを算出するモデルや分類「スポーツ」のスコアを算出するモデルを含んでもよい。

図１では、広告の提供元が広告主ＡＣ１であり、広告主ＡＣ１の広告を配信するユーザを決定する際に用いられるモデルである第２モデルを第１モデルから生成する場合を示す。また、図１では、分類装置１００（図３参照）は、第２モデルとして、広告主ＡＣ１用にカスタマイズされたニュース記事を分類するモデルを生成する。なお、第１モデル及び第２モデルは、例えば、ニュース記事の分類ごとに生成されるが、詳細は後述する。

図１に示すように、分類装置１００は、広告主ＡＣ１へ質問情報を送信する（ステップＳ１１）。例えば、分類装置１００は、広告主ＡＣ１の利用する広告主端末２０（図２参照）へ質問情報を送信する。なお、分類装置１００は、広告主ＡＣ１からどのような質問情報が良いかの指定を取得してもよい。そして、分類装置１００は、指定に基づいて広告主ＡＣ１に対して質問情報を送信してもよい。例えば、広告主ＡＣ１は、ドラマに関するニュース記事を質問情報とする指定を行ってもよい。

また、分類装置１００は、広告主ＡＣ１から質問情報の分類が指定された場合、第１モデルに基づいて分類ごとにスコアが算出されたニュース記事のうち、指定された分類のスコアの高いニュース記事を質問情報に含めてもよい。また、分類装置１００は、広告主ＡＣ１から質問情報の分類が指定された場合、広告主が指定した分類に分類されたニュース記事から、ランダムに抽出したニュース記事を質問情報に含めてもよい。

図１では、分類装置１００は、質問情報として、質問用記事ＳＴ１１と質問用記事ＳＴ１２の２つの質問を含む質問情報ＱＴ１１を送信する。例えば、質問用記事ＳＴ１１には、「○月クールの注目の連続ドラマは…」といった質問内容が含まれる。また、例えば、質問用記事ＳＴ１２には、「○○年度後期の早朝ドラマ「△△」が…」といった質問内容が含まれる。図１では、質問用記事ＳＴ１１、ＳＴ１２は、配信されるニュース記事の中から所定に基準に基づいて抽出されるものとする。例えば、図１では、質問用記事ＳＴ１１、ＳＴ１２は、広告主ＡＣ１が広告を配信したいユーザが閲覧する分類「ドラマ」のニュース記事を、広告主ＡＣ１の基準に基づいてさらに精度よく分類するための質問である。

分類装置１００から質問情報ＱＴ１１を受け取った広告主ＡＣ１は、質問情報ＱＴ１１に含まれる質問用記事ＳＴ１１、ＳＴ１２のうち、ターゲットとするユーザが閲覧する可能性がより高そうな方を選択する。例えば、広告主ＡＣ１は、広告主端末２０に表示された質問用記事ＳＴ１１、ＳＴ１２から、質問用記事ＳＴ１１、ＳＴ１２のいずれかを選択する。すなわち、広告主ＡＣ１は、広告を配信したいユーザが閲覧しそうな質問用記事を選択する。図１では、広告主ＡＣ１は、質問用記事ＳＴ１１、ＳＴ１２のうち、質問用記事ＳＴ１２を選択する（ステップＳ１２）。

その後、広告主ＡＣ１は、質問用記事ＳＴ１１、ＳＴ１２のうち質問用記事ＳＴ１２を選択したことを示す回答情報を分類装置１００へ送信する（ステップＳ１３）。例えば、広告主ＡＣ１の広告主端末２０は、質問用記事ＳＴ１１、ＳＴ１２のうち質問用記事ＳＴ１２を選択したことを示す回答情報を分類装置１００へ送信する。

広告主ＡＣ１から回答情報を取得した分類装置１００は、回答情報に基づき広告主ＡＣ１用にモデルをカスタマイズして、広告主ＡＣ１向けのモデル生成を行う（ステップＳ１４）。具体的には、分類装置１００は、ニュース記事を分類する第１モデルＭＤ１１から、広告主ＡＣ１用にカスタマイズしたニュース記事を分類する第２モデルＭＤ１２を生成する。

図１では、分類装置１００は、予め生成されている第１モデルＭＤ１１を用いて、広告主ＡＣ１から取得した回答情報の内容を反映した第２モデルＭＤ１２を生成する。例えば、分類装置１００は、選択された質問用記事ＳＴ１２に含まれる「早朝ドラマ」等のキーワードが含まれるニュース記事が分類「ドラマ」に分類されやすくなるように第２モデルＭＤ１２を生成する。例えば、分類装置１００は、単語「早朝ドラマ」の重みが重くなるように、ニュース記事の分類「ドラマ」のスコアを算出する第２モデルＭＤ１２を生成する。

その後、分類装置１００は、ステップＳ１４において生成した第２モデルＭＤ１２を用いて、ニュース記事ＣＴ１１〜ＣＴ１４等を含むニュース記事群ＣＴ１０を分類する（ステップＳ１５）。すなわち、分類装置１００は、第２モデルＭＤ１２を用いて、ニュース記事ＣＴ１１〜ＣＴ１４等を広告主ＡＣ１用にカスタマイズされた分類を行う。図１では、ニュース記事ＣＴ１１は「ドラマ」に分類され、ニュース記事ＣＴ１２は「アニメ」に分類され、ニュース記事ＣＴ１３は「スポーツ」に分類され、ニュース記事ＣＴ１４は「音楽」に分類される。

その後、ユーザＵ１がニュース記事ＣＴ１１を閲覧する（ステップＳ１６）。例えば、ユーザＵ１は、端末装置１０（図２参照）を操作して、端末装置１０の画面にニュース記事ＣＴ１１を表示させる。この場合、広告配信装置５１は、例えば、端末装置１０にニュース記事を配信するコンテンツ配信装置５０（図２参照）から、分類「ドラマ」に分類されるニュース記事を閲覧したユーザＵ１に配信する広告の要求を受け付ける（ステップＳ１７）。そして、広告配信装置５１は、分類「ドラマ」に分類されるニュース記事に表示する広告をユーザＵ１へ配信する（ステップＳ１８）。なお、上記例においては説明のため、ユーザＵ１がステップＳ１６において閲覧するニュース記事の分類に応じて広告を配信する場合を示したが、ステップＳ１６よりも前にユーザＵ１が閲覧したニュース記事の分類に応じた広告が配信されてもよい。すなわち、ユーザＵ１への広告配信は、ユーザＵ１が現在閲覧しているニュース記事の分類に関わらず、ユーザＵ１に関して蓄積したデータ、例えばユーザＵ１のニュース記事の閲覧履歴に基づいて行われてもよい。この場合、例えば、コンテンツ配信装置５０は、分類装置１００がステップＳ１４において行ったコンテンツ分類に基づいて、過去に配信した、すなわち各ユーザの閲覧履歴に含まれるニュース記事を再度分類しなおしてもよい。そして、コンテンツ配信装置５０は、ユーザＵ１の閲覧履歴に含まれるニュース記事の分類に基づいて、ユーザＵ１に対してどのような広告を広告配信装置５１に配信させるかを判断してもよい。例えば、コンテンツ配信装置５０は、ユーザＵ１の閲覧履歴に「スポーツ」に分類されるニュース記事ＣＴ１３が含まれる場合、ステップＳ１８において、分類「スポーツ」に分類されるニュース記事を閲覧したユーザに配信する広告の要求を、広告配信装置５１に送信してもよい。なお、コンテンツ配信装置５０は、ユーザＵ１の閲覧履歴に含まれるニュース記事全体を総合的に判断して、ユーザＵ１に対してどのような広告を広告配信装置５１に配信させるかを判断してもよい。すなわち、コンテンツ配信装置５０は、分類装置１００がステップＳ１４において行ったコンテンツ分類とユーザＵ１の閲覧履歴とに基づいて、ユーザＵ１に対してどのような広告を広告配信装置５１に配信させるかを判断してもよい。

上述したように、分類装置１００は、回答情報に対応する広告主用の第２モデルを生成する。すなわち、分類装置１００は、全広告主の各々に対応する第２モデルを生成するのではなく、一部の広告主に対応する第２モデルを生成する。言い換えると、分類装置１００は、特定の広告主、例えば第１モデルよりも、広告主が要望する分類になるようなモデルを希望する広告主に対して第２モデルを生成する。また、分類装置１００は、第１モデルによる分類で問題ない広告主については、第１モデルによるニュース記事の分類を提供する。このように、分類装置１００は、広告主の要望に応じて、第２モデルを生成する。また、分類装置１００は、既存の第１モデルを利用して、第２モデルを生成するため、何もない状態から第２モデルを生成する場合に比べて、第２モデルを生成するコストを抑制することができる。したがって、分類装置１００は、生成するコストを抑制し、コンテンツに応じた適切な配信先の決定に用いるモデルを生成することができる。

また、分類装置１００は、適切にユーザを分類するために利用されるモデルを生成することができる。例えば、分類装置１００から第２モデルによるニュース記事の分類に関する分類情報を取得したコンテンツ配信装置５０は、第２モデルにより分類されたニュース記事に対するユーザの閲覧履歴に基づいてユーザを分類する。また、コンテンツ配信装置５０は、第２モデルによる分類後におけるユーザのニュース記事の閲覧に関する情報に基づいて、ユーザを分類してもよい。これにより、配信システム１は、第２モデルに基づいて適切にユーザを分類することができるため、広告主の要望に沿って適切なユーザに広告を配信することができる。

なお、分類装置１００は、第１モデルにより分類されたニュース記事の閲覧履歴に基づくユーザ分類と、広告主からの回答情報とに基づいて、広告主用にユーザ分類を行う第２モデルを生成してもよい。例えば、分類装置１００は、第１モデルに基づいてユーザ分類を行うユーザ分類モデルを、広告主からの回答情報に基づいて変更することにより広告主用にユーザ分類を行う第２モデルを生成してもよい。

なお、上記例では、広告主ごとに第２モデルを生成する場合を示したが、分類装置１００は、１つの広告主に対して複数の第２モデルを生成してもよい。例えば、分類装置１００は、広告主のキャンペーンごとに、その広告主に各キャンペーンに関連する質問情報を提示してその回答情報を取得することにより、各キャンペーンに特化した第２モデルを生成してもよい。

例えば、分類装置１００は、第１モデルや第２モデルの生成にニュース記事の分類毎のモデルデータ（正解データ）を用いてもよい。例えば、分類装置１００は、第１モデルの生成に、複数の特徴量（キーワード）とその重みとを含む正解データを用いてもよい。例えば、分類装置１００は、広告主により選択されたニュース記事に含まれる特徴量（キーワード）を第２モデルの特徴量に加えてもよい。また、分類装置１００は、広告主により選択されなかったニュース記事に含まれる特徴量（キーワード）を第２モデルの特徴量から除いてもよい。

また、分類装置１００は、第１モデルや第２モデルの生成にニュース記事の分類との関連度をランク付けされたモデルデータ（正解データ）を用いてもよい。例えば、分類装置１００は、第１モデルの生成に、ランク「高」、ランク「中」、ランク「低」などの所定のランク付けがされた正解データを用いてもよい。例えば、分類装置１００は、ランクの高い正解データに含まれる特徴量の重みが重くしてもよい。例えば、分類装置１００は、広告主により選択されたニュース記事をランク「高」として、正解データに加えてもよい。また、分類装置１００は、広告主により選択されなかったニュース記事をランク「低」として、正解データに加えてもよい。

また、分類装置１００は、コンテンツを配信する機能を有してもよい。この場合、分類装置１００は、自身が配信するコンテンツであるニュース記事を第２モデルにより分類する。また、分類装置１００は、第２モデルにより分類されたニュース記事に基づいて、過去にそのニュース記事を閲覧したユーザや第２モデルによる分類後にニュース記事を閲覧したユーザを、そのニュース記事の分類に基づいて分類してもよい。これにより、分類装置１００は、広告主の要望に基づいて、適切にユーザを分類することができる。したがって、分類装置１００は、広告主にとって適切なユーザに、その広告主の広告を広告配信装置５１に配信させることができる。なお、分類装置１００は、広告を配信する機能を有してもよい。この場合、分類装置１００は、第２モデルに基づくユーザ分類に応じて、ユーザに対して適切な広告を配信することができる。

〔２．配信システムの構成〕
図２に示すように、配信システム１には、コンテンツ配信装置５０と、分類装置１００とが含まれる。端末装置１０と、広告主端末２０と、コンテンツ配信装置５０と、広告配信装置５１と、分類装置１００とは所定のネットワークＮを介して、有線または無線により通信可能に接続される。図２は、実施形態に係る配信システムの構成例を示す図である。なお、図２に示した配信システム１には、複数台の端末装置１０や、複数台の広告主端末２０や、複数台のコンテンツ配信装置５０や、複数台の広告配信装置５１や、複数台の分類装置１００が含まれてもよい。

端末装置１０は、ユーザによって利用される情報処理装置である。端末装置１０は、ユーザによる種々の操作を受け付ける。なお、以下では、端末装置１０をユーザと表記する場合がある。すなわち、以下では、ユーザを端末装置１０と読み替えることもできる。なお、上述した端末装置１０は、例えば、スマートフォンや、タブレット型端末や、ノート型ＰＣ（Personal Computer）や、デスクトップＰＣや、携帯電話機や、ＰＤＡ（Personal Digital Assistant）等により実現される。

また、端末装置１０は、コンテンツ配信装置５０へコンテンツの配信を要求する。また、端末装置１０は、コンテンツ配信装置５０から配信されたコンテンツを画面に表示する。また、端末装置１０は、広告配信装置５１から配信された広告を画面に表示する。

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、広告を広告配信装置５１に入稿する。また、広告主端末２０は、分類装置１００から広告主への質問情報を受信する。また、広告主端末２０は、広告主の質問に対する回答情報を分類装置１００へ送信する。なお、質問情報や回答情報については後述する。また、広告主は、入稿作業等を代理店に依頼する場合もある。以下では、「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るものとする。

コンテンツ配信装置５０は、端末装置１０に表示されるコンテンツを配信する情報処理装置である。例えば、コンテンツ配信装置５０は、端末装置１０からの配信要求に応じて、コンテンツを端末装置１０に配信する。また、コンテンツ配信装置５０は、端末装置１０からの配信要求に応じて配信するコンテンツに表示する広告の配信を広告配信装置５１へ要求する。

広告配信装置５１は、端末装置１０に表示される広告を配信する情報処理装置である。例えば、広告配信装置５１は、広告の配信要求に応じて、広告を端末装置１０に配信する。

分類装置１００は、生成したモデルを用いたコンテンツの分類情報をコンテンツ配信装置５０に提供する情報処理装置である。また、分類装置１００は、広告主端末２０へ質問情報を送信する。また、分類装置１００は、広告主端末２０から回答情報を取得する。また、分類装置１００は、広告主の回答（回答情報）に基づいて、広告主に対応するモデルであって、広告主のコンテンツを配信するユーザを決定する際に用いられるモデルである第２モデルを第１モデルから生成する生成装置である。

〔３．分類装置の構成〕
次に、図３を用いて、実施形態に係る分類装置１００の構成について説明する。図３は、実施形態に係る分類装置１００の構成例を示す図である。図３に示すように、分類装置１００は、通信部１１０と、記憶部１２０と、制御部１３０とを有する。なお、分類装置１００は、分類装置１００の管理者等から各種操作を取得する入力部（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Ｎ（図２参照）と有線または無線で接続され、端末装置１０やコンテンツ配信装置５０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、第１モデル記憶部１２１、回答情報記憶部１２２と、第２モデル情報記憶部１２３と、コンテンツ情報記憶部１２４とを有する。

（第１モデル記憶部１２１）
実施形態に係る第１モデル記憶部１２１は、第１モデルに関する情報を記憶する。図４には、第１モデル記憶部１２１に記憶される第１モデルに関する情報の一例を示す。図４に示す例においては、第１モデルに関する情報として、各分類に関する情報やその特徴情報等が記憶される場合を示す。図４に示すように、第１モデル記憶部１２１は、第１モデルに関する情報として、「分類ＩＤ」、「分類」、「特徴情報１」、「特徴情報２」、「特徴情報３」といった項目が含まれる。

「分類ＩＤ」は、コンテンツの分類（カテゴリ）を識別するための識別情報を示す。「分類」は、分類ＩＤにより識別される分類を示す。「特徴情報１」、「特徴情報２」、「特徴情報３」は、対応する分類のスコアを算出するために用いられるキーワード（特徴量）とその重みを示す。図４に示す例では、「特徴情報１」が最も大きな重みが対応付けられたキーワードである。また、「特徴情報２」が「特徴情報１」の次に大きな重みが対応付けられたキーワードであり、「特徴情報３」が「特徴情報２」の次に大きな重みが対応付けられたキーワードである。例えば、「特徴情報１」〜「特徴情報３」等のキーワード（特徴量）及びその重みが、対応する分類のスコアを算出するための第１モデルとなる。

図４に示す例において、例えば、分類ＩＤ「ＧＲ１１」により識別される分類は、「ドラマ」であることを示す。また、図４に示す例において、分類ＩＤ「ＧＲ１１」により識別される分類「ドラマ」の第１モデルは、特徴情報１のキーワードが「連続ドラマ」であり、その重みが「１．２」であることを示す。また、分類ＩＤ「ＧＲ１１」により識別される分類「ドラマ」の第１モデルは、特徴情報２のキーワードが「主演」であり、その重みが「０．８」であることを示す。また、分類ＩＤ「ＧＲ１１」により識別される分類「ドラマ」の第１モデルは、特徴情報３のキーワードが「平均視聴率」であり、その重みが「０．７」であることを示す。

例えば、図４に示す例において、キーワードの重みが大きいほど、そのキーワードが含まれるニュース記事について対応する分類のスコアが大きくなる。すなわち、キーワードの重みが大きいほど、そのキーワードが含まれるニュース記事が対応する分類に分類される可能性が高くなる。 なお、キーワードは単語に限らず形態素など、目的に応じて種々の要素であってもよい。

なお、第１モデル記憶部１２１は、上記は第１モデルに関する情報の一例であって、特徴情報に関する情報であれば目的に応じて種々の情報を記憶してもよい。なお、第１モデル記憶部１２１に記憶される特徴情報（特徴量）は、キーワード（文字情報）に限らず、例えば、画像などの特徴情報であってもよい。

（回答情報記憶部１２２）
実施形態に係る回答情報記憶部１２２は、回答情報に関する各種情報を記憶する。図５に、実施形態に係る回答情報記憶部１２２の一例を示す。図５では、例えば広告主ＡＣ１のような各広告主から取得した回答情報を記憶する。図５に示す回答情報記憶部１２２は、回答情報として、「質問ＩＤ」、「回答者ＩＤ」、「分類」、「質問１」、「質問２」といった項目が含まれる。

「質問ＩＤ」は、回答情報を取得するために広告主へ提示した質問を識別するための識別情報を示す。「回答者ＩＤ」は、対応する質問に対する回答情報を提供した広告主を識別するための識別情報を示す。また、「分類」は、対応する質問の内容に基づく分類を示す。例えば、「分類」は、対応する質問への回答情報によりモデルに影響がある分類を示す。なお、「分類」には、複数の分類が含まれてもよい。

また、「質問１」、「質問２」は、対応する質問ＩＤにより識別される質問情報に含まれる具体的な質問の内容とその質問への回答を示す。なお、図５に示す例では、「質問１」、「質問２」と２つの質問、すなわち２択の質問情報を示すが、質問情報は、例えば、４つや５つなど３以上の質問を含んでもよい。

図５に示す例において、例えば、質問ＩＤ「ＱＴ１１」により識別される質問情報（以下、「質問情報ＱＴ１１」とする場合がある。）は、その回答者が回答者ＩＤ「ＡＣ１」により識別される広告主（以下、「広告主ＡＣ１」とする場合がある）であり、質問の分類が「ドラマ」であることを示す。また、図５に示す例において、質問情報ＱＴ１１は、内容が「○月クールの注目の連続ドラマは…」である質問１や内容が「○○年度後期の早朝ドラマ「△△」が…」である質問２等を含むことを示す。

また、質問情報ＱＴ１１は、広告主ＡＣ１が質問１を「×」と回答し、質問２を「○」と回答したことを示す。すなわち、質問情報ＱＴ１１は、広告主ＡＣ１が質問２を選択したことを示す。なお、質問への回答は、複数を「○」としてもよい。例えば、広告主ＡＣ１は質問１及び質問２の両方の回答を「○」としてもよい。また、質問への回答は、質問ＩＤ「ＱＴ１２」により識別される質問情報への回答のように、各質問への順位付であってもよい。

なお、回答情報記憶部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、回答情報記憶部１２２は、回答情報が取得された時間を記憶してもよい。

（第２モデル記憶部１２３）
実施形態に係る第２モデル記憶部１２３は、第２モデルに関する情報を記憶する。図６には、第２モデル記憶部１２３に記憶される第２モデルに関する情報の一例を示す。図６に示す例においては、第２モデルに関する情報として、各分類に関する情報やその特徴情報等が記憶される場合を示す。図６に示すように、第２モデル記憶部１２３は、第２モデルに関する情報として、「広告主ＩＤ」、「分類ＩＤ」、「分類」、「特徴情報１」、「特徴情報２」、「特徴情報３」といった項目が含まれる。

「広告主ＩＤ」は、広告主を識別するための識別情報を示す。「分類ＩＤ」は、コンテンツの分類（カテゴリ）を識別するための識別情報を示す。「分類」は、分類ＩＤにより識別される分類を示す。「特徴情報１」、「特徴情報２」、「特徴情報３」は、対応する分類のスコアを算出するために用いられるキーワード（特徴量）とその重みを示す。図６に示す例では、「特徴情報１」が最も大きな重みが対応付けられたキーワードである。また、「特徴情報２」が「特徴情報１」の次に大きな重みが対応付けられたキーワードであり、「特徴情報３」が「特徴情報２」の次に大きな重みが対応付けられたキーワードである。例えば、「特徴情報１」〜「特徴情報３」等のキーワード（特徴量）及びその重みが、対応する分類のスコアを算出するための第２モデルとなる。すなわち、第２モデル記憶部１２３には、各広告主に対応してカスタマイズされたモデルが記憶される。

図６に示す例において、例えば、広告主ＩＤ「ＡＣ１」により識別される広告主、すなわち広告主ＡＣ１は、第２モデルとして分類ＩＤ「ＧＲ１１−１」〜「ＧＲ１４−１」により識別される分類に対応する第２モデルが記憶されている。また、分類ＩＤ「ＧＲ１１−１」により識別される分類は、「ドラマ」であることを示す。また、図６に示す例において、広告主ＡＣ１用にカスタマイズされた分類「ドラマ」の第２モデルは、特徴情報１のキーワードが「早朝ドラマ」であり、その重みが「１．５」であることを示す。また、広告主ＡＣ１用にカスタマイズされた分類「ドラマ」の第２モデルは、特徴情報２のキーワードが「連続ドラマ」であり、その重みが「１．１」であることを示す。また、広告主ＡＣ１用にカスタマイズされた分類「ドラマ」の第２モデルは、特徴情報３のキーワードが「主演」であり、その重みが「０．８」であることを示す。

このように、広告主ＡＣ１用にカスタマイズされた分類「ドラマ」の第２モデルは、図４に示す分類「ドラマ」の第１モデルから各特徴量の重みが変更されている。具体的には、分類「ドラマ」の特徴量「連続ドラマ」の重みが、第１モデルにおける「１．２」から第２モデルにおける「１．１」へ減少している。また、分類「ドラマ」の第２モデルにおけるにおける特徴量「早朝ドラマ」の重みが、「１．５」となり、最も大きな重みの特徴量となっている。例えば、図１に示す例において、広告主ＡＣ１が質問情報ＱＴ１１に回答したことにより、特徴量「早朝ドラマ」の重みが増加し、特徴量「連続ドラマ」の重みが減少することにより、分類ＩＤ「ＧＲ１１−１」により識別される分類「ドラマ」の第２モデルが生成される。すなわち、分類装置１００は、広告主ＡＣ１から取得した質問情報ＱＴ１１への回答情報と図４に示す分類「ドラマ」の第１モデルとに基づいて、学習することにより、広告主ＡＣ１用にカスタマイズされた分類「ドラマ」の第２モデルを生成する。

なお、第２モデル記憶部１２３は、上記は第２モデルに関する情報の一例であって、特徴情報に関する情報であれば目的に応じて種々の情報を記憶してもよい。また、第２モデル記憶部１２３に、第２モデルが記憶されていない広告主の場合は、分類装置１００は、第１モデルによるニュース記事の分類を行ってもよい。また、第２モデル記憶部１２３に所定の分類に対応する第２モデルが記憶されていない広告主の場合は、分類装置１００は、その所定の分類については第１モデルによって、スコアを算出してもよい。なお、第２モデル記憶部１２３に記憶される特徴情報（特徴量）は、キーワード（文字情報）に限らず、例えば、画像などの特徴情報であってもよい。

（コンテンツ情報記憶部１２４）
実施形態に係るコンテンツ情報記憶部１２４は、コンテンツ（ニュース記事）に関する各種情報を記憶する。図７に、実施形態に係るコンテンツ情報記憶部１２４の一例を示す。図７に示すコンテンツ情報記憶部１２４は、「広告主ＩＤ」、「コンテンツＩＤ」、「コンテンツ」、「分類」、「スコア」といった項目を有する。

「広告主ＩＤ」は、広告主を識別するための識別情報を示す。「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。「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ニュース記事を示す。図７では「コンテンツ」に「ＣＴ１１」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、「分類」は、第１モデルまたは第２モデルにより算出されたスコアに基づくコンテンツの分類を示す。例えば、「分類」は、算出スコアが最も高い分類を示す。なお、「分類」には、複数の分類が含まれてもよい。

例えば、図７に示す例において、広告主ＩＤ「ＡＣ１」により識別される広告主、すなわち広告主ＡＣ１について、コンテンツＩＤ「Ｃ１１」により識別されるニュース記事ＣＴ１１は、「ドラマ」に分類されることを示す。また、広告主ＡＣ１用の第２モデルにより算出されたニュース記事ＣＴ１１における各分類のスコアは、分類「ドラマ」のスコアが「４．５」であり、分類「スポーツ」のスコアが「−０．５」であり、分類「音楽」のスコアが「３．６」であることを示す。すなわち、図７に示す例において、広告主ＡＣ１については、分類「ドラマ」のスコア「４．５」が最も高い。そのため、広告主ＡＣ１について、ニュース記事ＣＴ１１は、「ドラマ」に分類される。なお、ニュース記事の各分類のスコアは、各キーワードの出現頻度を加味したモデルにより算出されてもよい。この場合、ニュース記事の各分類のスコアは、キーワードが複数回出現する場合、その出現頻度により重みを乗した値を、そのキーワードの値として用いてもよい。

一方、広告主ＩＤ「ＡＣ２」により識別される広告主用の第２モデルにより算出されたニュース記事ＣＴ１１における各分類のスコアは、分類「ドラマ」のスコアが「３．９」であり、分類「スポーツ」のスコアが「−１．１」であり、分類「音楽」のスコアが「４．２」であることを示す。そのため、広告主ＡＣ２について、ニュース記事ＣＴ１１は、「音楽」に分類される。このように、広告主ごとにカスタマイズされた第２モデルを用いてニュース記事を分類することにより、同じニュース記事であっても、広告主ごとに異なる分類がされる。

なお、コンテンツ情報記憶部１２４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１２４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。

（制御部１３０）
図３の説明に戻って、制御部１３０は、例えば、ＣＰＵ（Central Processing Unit）やＭＰＵ（Micro Processing Unit）等によって、分類装置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、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、分類部１３３と、送信部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。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。

（取得部１３１）
取得部１３１は、コンテンツの提供元に提示した他のコンテンツに関する回答と他のコンテンツを分類するモデルである第１モデルとを取得する。例えば、取得部１３１は、コンテンツ（広告）の提供元である広告主に提示したニュース記事の質問情報に関する回答であるか等の情報を取得する。また、取得部１３１は、第１モデル記憶部１２１から第１モデルを取得する。なお、取得部１３１は、外部の情報処理装置から第１モデルを取得する。取得部１３１は、広告主に提示した質問情報に含まれるニュース記事に関する回答情報とニュース記事を分類するモデルである第１モデルとを取得する。

取得部１３１は、提供元に提示した複数の他のコンテンツに対する提供元の選択を取得する。例えば、取得部１３１は、提供元に提示した２つの他のコンテンツのうち、いずれの他のコンテンツを提供元が選択したかに関する情報を取得する。例えば、取得部１３１は、広告主に提示した質問情報ＱＴ１１に含まれる質問用記事ＳＴ１１、ＳＴ１２のうち、質問用記事ＳＴ１２を選択したことを示す情報を取得する。例えば、取得部１３１は、質問用記事ＳＴ１１、ＳＴ１２のうち質問用記事ＳＴ１２を選択したことを示す回答情報を取得する。また、取得部１３１は、複数の他のコンテンツに対する提供元の順位付けを取得する。例えば、取得部１３１は、質問用記事ＳＴ１２を１位とし、質問用記事ＳＴ１１を２位とする広告主による順位付けに関する情報を取得する。

また、取得部１３１は、広告主へ提示した質問情報に対する回答情報を取得する。例えば、取得部１３１は、質問情報を提示した広告主が利用する広告主端末２０から回答情報を取得する。また、取得部１３１は、画像を含む他のコンテンツに関する回答を取得する。例えば、取得部１３１は、画像を含むニュース記事に関する回答情報を取得する。また、取得部１３１は、所定の表示画面において所定の方向に並べて表示される他のコンテンツに関する回答を取得する。例えば、取得部１３１は、端末装置１０において、上下方向に並べて一覧表示されるニュース記事を含む質問情報に対する回答情報を取得してもよい。

（生成部１３２）
生成部１３２は、取得部１３１により取得された回答に基づいて、提供元に対応するモデルであって、提供元のコンテンツを配信するユーザを決定する際に用いられるモデルである第２モデルを第１モデルから生成する。例えば、生成部１３２は、回答に含まれる情報を、第２モデルを生成する際に用いる情報に加えることにより、他のコンテンツを分類する第２モデルを生成する。また、例えば、生成部１３２は、回答に含まれる情報を、第２モデルを生成する際に用いる情報に加えることにより、ユーザを分類する第２モデルを生成する。例えば、生成部１３２は、提供元が選択した他のコンテンツに関する情報に基づいて、第２モデルを生成する。

例えば、生成部１３２は、取得部１３１により取得された回答情報に基づいて、第２モデルを生成する。例えば、生成部１３２は、回答情報を取得したニュース記事中の要素（例えば、単語や形態素）を含む他のニュース記事が、回答を取得したニュース記事と同じ分類に分類されるように第２モデルを生成する。例えば、生成部１３２は、広告主ごとの広告を配信するユーザを決定する際に用いられるモデルである第２モデルを第１モデルから生成する。例えば、生成部１３２は、ニュース記事を分類する第１モデルから、広告主用にカスタマイズしたニュース記事を分類する第２モデルを生成する。例えば、生成部１３２は、予め生成されている第１モデルを用いて、広告主から取得した回答情報の内容を反映した第２モデルを生成する。例えば、生成部１３２は、図１の例において選択された質問用記事ＳＴ１２に含まれる「早朝ドラマ」等のキーワードが含まれるニュース記事が分類「ドラマ」に分類されやすくなるように第２モデルを生成する。

（分類部１３３）
分類部１３３は、生成部１３２により生成された第２モデルを用いて、他のコンテンツを分類する。分類部１３３は、生成部１３２により生成された第２モデルを用いて、ニュース記事を分類する。図１では、分類部１３３は、生成部１３２により生成された第２モデルを用いて、ニュース記事ＣＴ１１〜ＣＴ１４等を含むニュース記事群ＣＴ１０を分類する。例えば、分類部１３３は、広告主ＡＣ１用の第２モデルを用いて、ニュース記事ＣＴ１１〜ＣＴ１４等を広告主ＡＣ１用にカスタマイズされた分類を行う。

（送信部１３４）
送信部１３４は、外部の情報処理装置へ種々の情報を送信する。例えば、送信部１３４は、分類部１３３により分類されたニュース記事に関する情報を分類情報として送信してもよい。また、送信部１３４は、第２モデルを外部の情報処理装置へ送信してもよい。

送信部１３４は、広告主へ質問情報を送信する。例えば、送信部１３４は、広告主が利用する広告主端末２０へ質問情報を送信する。図１では、送信部１３４は、質問情報として、質問用記事ＳＴ１１と質問用記事ＳＴ１２の２つの質問を含む質問情報ＱＴ１１を広告主へ送信する。

〔４．第２モデルの生成〕
次に、図８を用いて、実施形態に係る分類装置１００におけるモデルの生成について説明する。図８は、実施形態に係る第２モデル生成の処理手順の一例を示すフローチャートである。

まず、図８に示す例において、分類装置１００の送信部１３４は、広告主へ質問情報を送信する（ステップＳ１０１）。例えば、送信部１３４は、広告主が利用する広告主端末２０へ質問情報を送信する。また、分類装置１００の取得部１３１は、広告主へ提示した質問情報に対する回答情報を取得する（ステップＳ１０２）。例えば、取得部１３１は、質問情報を提示した広告主が利用する広告主端末２０から回答情報を取得する。そして、分類装置１００の生成部１３２は、ステップＳ１０２で取得部１３１により取得された回答情報に基づいて第１モデルから第２モデルを生成する（ステップＳ１０３）。例えば、生成部１３２は、質問情報の内容に対応する分類に関する第２モデルを生成する。

〔５．配信処理〕
次に、図９を用いて、実施形態に係る配信システム１におけるコンテンツ及び広告の配信について説明する。図９は、実施形態に係る配信処理手順の一例を示すシーケンス図である。

図９に示すように、分類装置１００は、広告主端末２０へ質問情報を送信する（ステップＳ２０１）。そして、広告主端末２０は、分類装置１００から受信した質問情報に対する回答情報を分類装置１００へ送信する（ステップＳ２０２）。その後、分類装置１００は、取得した回答情報に基づいて第２モデルを生成する（ステップＳ２０３）。また、分類装置１００は、生成した第２モデルを用いてコンテンツを分類する（ステップＳ２０４）。分類装置１００は、生成した第２モデルを用いてニュース記事を分類する。また、分類装置１００は、分類したコンテンツに関する情報を分類情報としてコンテンツ配信装置５０へ送信する（ステップＳ２０５）。例えば、分類装置１００は、分類したニュース記事に関する情報を分類情報として送信する。

その後、コンテンツ配信装置５０は、端末装置１０からコンテンツの配信要求を受け付ける（ステップＳ２０６）。この場合、コンテンツ配信装置５０は、端末装置１０へ広告を表示する領域を含むコンテンツを配信するものとする。

コンテンツ配信装置５０は、分類情報に基づく広告要求を広告配信装置５１へ送信する（ステップＳ２０７）。例えば、コンテンツ配信装置５０は、端末装置１０が要求するコンテンツが所定の広告主の第２モデルにより所定の広告主がターゲットとしたいユーザが閲覧するとされた分類に属する場合、所定の広告主の広告を端末装置１０へ配信するように、広告配信装置５１へ要求する。

その後、コンテンツ配信装置５０は、端末装置１０へ広告を表示する領域を含むコンテンツを配信する（ステップＳ２０８）。また、広告配信装置５１は、コンテンツ配信装置５０が端末装置１０へ配信したコンテンツに表示される広告を端末装置１０へ配信する（ステップＳ２０９）。

〔６．効果〕
上述してきたように、実施形態に係る分類装置１００は、取得部１３１と、生成部１３２とを有する。取得部１３１は、コンテンツの提供元に提示した他のコンテンツに関する回答（実施形態においては「回答情報」。以下同じ。）と他のコンテンツを分類するモデルである第１モデルとを取得する。生成部１３２は、取得部１３１により取得された回答に基づいて、提供元に対応するモデルであって、提供元のコンテンツを配信するユーザを決定する際に用いられるモデルである第２モデルを第１モデルから生成する。

これにより、実施形態に係る分類装置１００は、広告主（提供元）の要望に応じて、第２モデルを生成する。また、分類装置１００は、既存の第１モデルを利用して、第２モデルを生成するため、何もない状態から第２モデルを生成する場合に比べて、第２モデルを生成するコストを抑制することができる。したがって、分類装置１００は、生成するコストを抑制し、コンテンツに応じた適切な配信先の決定に用いるモデルを生成することができる。

また、実施形態に係る分類装置１００において、生成部１３２は、回答に含まれる情報を、第２モデルを生成する際に用いる情報に加えることにより、他のコンテンツを分類する第２モデルを生成する。

これにより、実施形態に係る分類装置１００は、広告主（提供元）ごとに適切にコンテンツを分類する第２モデルを生成することができる。

また、実施形態に係る分類装置１００において、生成部１３２は、回答に含まれる情報を、第２モデルを生成する際に用いる情報に加えることにより、ユーザを分類する前記第２モデルを生成する。

これにより、実施形態に係る分類装置１００は、広告主（提供元）ごとに適切にユーザを分類する第２モデルを生成することができる。

また、実施形態に係る分類装置１００において、取得部１３１は、他のコンテンツとして、提供元に提示した記事に関する回答を取得する。また、生成部１３２は、回答を取得した記事中の要素を含む他の記事が、記事と同じ分類に分類されるように第２モデルを生成する。

これにより、実施形態に係る分類装置１００は、ニュース記事を含む質問に対する回答情報を取得する。すなわち、分類装置１００は、ニュース記事を適切に分類する第２モデルを生成することができる。

また、実施形態に係る分類装置１００において、取得部１３１は、提供元に提示した複数の前記他のコンテンツに対する前記提供元の選択を取得する。生成部１３２は、提供元が選択した他のコンテンツに関する情報に基づいて、第２モデルを生成する。

これにより、実施形態に係る分類装置１００は、提供元に複数の他のコンテンツを提示し選択させることにより、提供元の負担を軽減しつつ、提供元にとって適切な第２モデルを生成する。

また、実施形態に係る分類装置１００において、取得部１３１は、複数の他のコンテンツに対する提供元の順位付けを取得する。

これにより、実施形態に係る分類装置１００は、複数の他のコンテンツに対する順位付けを取得することにより、提供元の負担を軽減しつつ、提供元にとって適切な第２モデルを生成する。

また、実施形態に係る分類装置１００において、取得部１３１は、提供元に提示した２つの他のコンテンツのうち、いずれの他のコンテンツを提供元が選択したかに関する情報を取得する。

これにより、実施形態に係る分類装置１００は、提供元に２つのコンテンツを提示し選択させることにより、提供元の負担を軽減しつつ、提供元にとって適切な第２モデルを生成する。

また、実施形態に係る分類装置１００において、取得部１３１は、画像を含む他のコンテンツに関する回答を取得する。

これにより、実施形態に係る分類装置１００は、画像を含む他のコンテンツに対するユーザの選択を取得することにより、提供元の負担を軽減しつつ、提供元にとって適切な第２モデルを生成する。

また、実施形態に係る分類装置１００において、取得部１３１は、所定の表示画面において所定の方向に並べて表示される他のコンテンツに関する回答を取得する。

これにより、実施形態に係る分類装置１００は、所定の表示画面において所定の方向に並べて表示される他のコンテンツに関する回答情報を取得することにより、所定の表示画面において所定の方向に並べて表示されるコンテンツを適切に分類する第２モデルを生成することができる。

また、実施形態に係る分類装置１００において、取得部１３１は、広告主に提示した他のコンテンツに関する回答と他のコンテンツを分類するモデルである第１モデルとを取得する。

これにより、実施形態に係る分類装置１００は、広告主の要望に応じて、第２モデルを生成する。また、分類装置１００は、既存の第１モデルを利用して、第２モデルを生成するため、何もない状態から第２モデルを生成する場合に比べて、第２モデルを生成するコストを抑制することができる。したがって、分類装置１００は、生成するコストを抑制し、コンテンツに応じた適切な配信先の決定に用いるモデルを生成することができる。

〔７．ハードウェア構成〕
上述してきた実施形態に係る分類装置１００は、例えば図１０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１０は、分類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、かかるプログラムによって使用されるデータ等を格納する。通信インターフェイス１５００は、ネットワークＮを介して他の機器からデータを受信してＣＰＵ１１００へ送り、ＣＰＵ１１００が決定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、決定したデータを入出力インターフェイス１６００を介して出力装置へ出力する。

メディアインターフェイス１７００は、記録媒体１８００に格納されたプログラムまたはデータを読み取り、ＲＡＭ１２００を介してＣＰＵ１１００に提供する。ＣＰＵ１１００は、かかるプログラムを、メディアインターフェイス１７００を介して記録媒体１８００からＲＡＭ１２００上にロードし、ロードしたプログラムを実行する。記録媒体１８００は、例えばＤＶＤ（Digital Versatile Disc）、ＰＤ（Phase change rewritable Disk）等の光学記録媒体、ＭＯ（Magneto-Optical disk）等の光磁気記録媒体、テープ媒体、磁気記録媒体、または半導体メモリ等である。

例えば、コンピュータ１０００が実施形態に係る分類装置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。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。

〔８．その他〕
また、上記実施形態において説明した各処理のうち、自動的に行われるものとして説明した処理の全部または一部を手動的に行うこともでき、あるいは、手動的に行われるものとして説明した処理の全部または一部を公知の方法で自動的に行うこともできる。この他、上記文書中や図面中で示した処理手順、具体的名称、各種のデータやパラメータを含む情報については、特記する場合を除いて任意に変更することができる。例えば、各図に示した各種情報は、図示した情報に限られない。

また、図示した各装置の各構成要素は機能概念的なものであり、必ずしも物理的に図示の如く構成されていることを要しない。すなわち、各装置の分散・統合の具体的形態は図示のものに限られず、その全部または一部を、各種の負荷や使用状況などに応じて、任意の単位で機能的または物理的に分散・統合して構成することができる。

また、上述してきた実施形態は、処理内容を矛盾させない範囲で適宜組み合わせることが可能である。

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 配信システム
１００ 分類装置（生成装置）
１２１ 第１モデル記憶部
１２２ 回答情報記憶部
１２３ 第２モデル記憶部
１２４ コンテンツ情報記憶部
１３０ 制御部
１３１ 取得部
１３２ 生成部
１３３ 分類部
１３４ 送信部

Claims (12)

1. コンテンツの提供元に提示した他のコンテンツに関する回答を前記提供元が利用する端末装置から取得し、前記他のコンテンツを分類するモデルである第１モデルを記憶部から取得する取得部と、
   前記取得部により前記端末装置から取得された前記回答に基づいて、前記提供元に対応するモデルであって、前記提供元のコンテンツを配信するユーザを決定する際に用いられ、所定の対象を分類する分類モデルである第２モデルを、前記記憶部に記憶された前記第１モデルの特徴量のうち、前記回答に対応する特徴量の重みが増加するように変更することにより、前記第１モデルから生成する生成部と、
   を備えることを特徴とする生成装置。
2. 前記生成部は、
   前記回答に含まれる情報を、前記第２モデルを生成する際に用いる情報に加えることにより、前記他のコンテンツを分類する前記第２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。
3. 前記生成部は、
   前記回答に含まれる情報を、前記第２モデルを生成する際に用いる情報に加えることにより、前記ユーザを分類する前記第２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。
4. 前記取得部は、
   前記他のコンテンツとして、前記提供元に提示した記事に関する回答を取得し、
   前記生成部は、
   前記回答を取得した前記記事中の要素を含む他の記事が、前記記事と同じ分類に分類されるように前記第２モデルを生成する
   ことを特徴とする請求項１〜３のいずれか１項に記載の生成装置。
5. 前記取得部は、
   前記提供元に提示した複数の前記他のコンテンツに対する前記提供元の選択を取得し、
   前記生成部は、
   前記提供元が選択した前記他のコンテンツに関する情報に基づいて、前記第２モデルを生成する
   ことを特徴とする請求項１〜４のいずれか１項に記載の生成装置。
6. 前記取得部は、
   前記複数の前記他のコンテンツに対する前記提供元の順位付けを取得する
   ことを特徴とする請求項５に記載の生成装置。
7. 前記取得部は、
   前記提供元に提示した２つの前記他のコンテンツのうち、いずれの前記他のコンテンツを前記提供元が選択したかに関する情報を取得する
   ことを特徴とする請求項５または請求項６に記載の生成装置。
8. 前記取得部は、
   画像を含む前記他のコンテンツに関する回答を取得する
   ことを特徴とする請求項１〜７のいずれか１項に記載の生成装置。
9. 前記取得部は、
   所定の表示画面において所定の方向に並べて表示される前記他のコンテンツに関する回答を取得する
   ことを特徴とする請求項１〜８のいずれか１項に記載の生成装置。
10. 前記取得部は、
    広告主に提示した他のコンテンツに関する回答と前記他のコンテンツを分類するモデルである第１モデルとを取得する
    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。
11. コンピュータが実行する生成方法であって、
    制御部が、コンテンツの提供元に提示した他のコンテンツに関する回答を前記提供元が利用する端末装置から取得し、前記他のコンテンツを分類するモデルである第１モデルを記憶部から取得する取得工程と、
    前記制御部が、前記取得工程により前記端末装置から取得された前記回答に基づいて、前記提供元に対応するモデルであって、前記提供元のコンテンツを配信するユーザを決定する際に用いられ、所定の対象を分類する分類モデルである第２モデルを、前記記憶部に記憶された前記第１モデルの特徴量のうち、前記回答に対応する特徴量の重みが増加するように変更することにより、前記第１モデルから生成する生成工程と、
    を含むことを特徴とする生成方法。
12. 制御部が、コンテンツの提供元に提示した他のコンテンツに関する回答を前記提供元が利用する端末装置から取得し、前記他のコンテンツを分類するモデルである第１モデルを記憶部から取得する取得手順と、
    前記制御部が、前記取得手順により前記端末装置から取得された前記回答に基づいて、前記提供元に対応するモデルであって、前記提供元のコンテンツを配信するユーザを決定する際に用いられ、所定の対象を分類する分類モデルである第２モデルを、前記記憶部に記憶された前記第１モデルの特徴量のうち、前記回答に対応する特徴量の重みが増加するように変更することにより、前記第１モデルから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。

Images