JP6591012B1 - 情報処理装置、情報処理方法および情報処理プログラム - Google Patents

Abstract

【課題】共有する情報の信頼度を担保すること。【解決手段】本願に係る情報処理装置は、取得部と、算出部とを備える。取得部は、ユーザの属性を用いて前記ユーザの特徴を推定するモデル、および、属性を用いて推定された特徴に関する推定結果の少なくとも一方を含む特徴情報を異なるサービスそれぞれから取得する。算出部は、取得部によって取得された特徴情報に基づく推定結果を用いて当該特徴情報の信頼度を算出する。【選択図】図３

Description

本発明は、情報処理装置、情報処理方法および情報処理プログラムに関する。

従来、例えば、ユーザに対して各種サービスを提供し、かかるサービスの利用により得られるユーザの属性を解析することで、ユーザの特徴を推定する情報処理装置がある。この種の情報処理装置では、推定したユーザの特徴に基づき、自身が提供するサービスを最適化する場合がある。

特開２０１８−３２２５２号公報

しかしながら、上記した技術は、サービス個々での独自の解析によりユーザの特徴を推定し、その推定結果を自身のサービスの最適化に適用するものであって、他のサービスの推定結果を利用することについては考慮されていなかった。

仮に、それぞれのサービスで独自に開発されたモデルの推定結果を他のサービスへ提供すると、モデルの推定精度によっては、ユーザに対してより良いサービスを提供できないおそれがあった。すなわち、共有する情報の信頼度が担保されないおそれがある。

本願は、上記に鑑みてなされたものであって、共有する情報の信頼度を担保することができる情報処理装置、情報処理方法および情報処理プログラムを提供することを目的とする。

本願に係る情報処理装置は、取得部と、算出部とを備える。前記取得部は、ユーザの属性を用いて前記ユーザの特徴を推定するモデル、および、前記属性を用いて推定された前記特徴に関する推定結果の少なくとも一方を含む特徴情報を異なるサービスそれぞれから取得する。前記算出部は、前記取得部によって取得された前記特徴情報に基づく推定結果を用いて当該特徴情報の信頼度を算出する。

実施形態の一態様によれば、共有する情報の信頼度を担保することができるという効果を奏する。

図１は、実施形態に係る情報処理の一例を示す図である。 図２は、実施形態に係る情報処理システムの構成例を示す図である。 図３は、実施形態に係る情報処理装置の構成例を示す図である。 図４は、共有情報の一例を示す図である。 図５は、サービス情報の一例を示す図である。 図６は、モデルプログラム情報の一例を示す図である。 図７は、実施形態に係る配信情報の一例を示す図である。 図８は、実施形態に係る算出部による処理の具体例を示す図である。 図９Ａは、受け付け画面の一例を示す図である。 図９Ｂは、提供情報の一例を示す図である。 図１０は、実施形態に係る情報処理装置が実行する処理の手順を示すフローチャートである。 図１１は、実施形態に係る情報処理装置が実行する提供処理の手順を示すフローチャートである。 図１２は、実施形態に係る情報処理装置の機能を実現するコンピュータの一例を示すハードウェア構成図である。

以下に、本願に係る情報処理装置、情報処理方法および情報処理プログラムを実施するための形態（以下、「実施形態」と記載する）について図面を参照しつつ詳細に説明する。なお、この実施形態により本願に係る情報処理装置、情報処理方法および情報処理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。

まず、図１を用いて、実施形態に係る情報処理装置が行う情報処理の一例について説明する。図１は、実施形態に係る情報処理の一例を示す図である。図１には、実施形態に係る情報処理装置１を含む情報処理システムＳを示している。図１に示すように、実施形態に係る情報処理システムＳは、情報処理装置１と、サービス提供サーバ１０（１０−１，１０−２，１０−３）と、ユーザ端末１００とを含む。

ユーザ端末１００は、ユーザＵが所有する端末装置である。ユーザＵは、ユーザ端末１００を操作してサービス提供サーバ１０へアクセスすることで、各サービス提供サーバ１０が提供するサービスＹ（Ｙ１，Ｙ２，Ｙ３）を利用する（ステップＳ１−１，Ｓ１−２，Ｓ１−３）。

サービス提供サーバ１０は、各種サービスＹをユーザＵへ提供するサーバ装置である。サービス提供サーバ１０が提供するサービスＹは、例えば、ユーザ端末１００にインストールされた各種アプリを介して情報を配信するサービスである。このようなサービスには、例えば、ニュース提供サービスや、オークションサービス、天気予報サービス、ショッピングサービス、金融取引（株取引等）サービス、路線検索サービス、地図提供サービス、旅行サービス、飲食店紹介サービス、ブログサービス等がある。なお、サービスＹは、アプリを介して情報を配信されるサービスに限らず、例えば、ユーザＵがブラウザにアクセスすることで情報を提供するサービスであってもよい。

なお、図１では、サービスＹ１は、ショッピングサイトを提供するショッピングサービスであり、サービスＹ２は、地図に関する機能を提供する地図提供サービスであり、サービスＹ３は、各種情報を検索する検索サイトを提供する検索サービスである場合を例に挙げて説明する。

また、各サービス提供サーバ１０は、サービスＹを利用したユーザＵの属性を解析することでユーザＵの特徴を推定する。具体的には、各サービス提供サーバ１０は、ユーザＵの属性を用いてユーザＵの特徴を推定するモデル、および、ユーザＵの属性を用いて推定されたユーザＵの特徴に関する推定結果の少なくとも一方を含む特徴情報を生成する（ステップＳ２−１，Ｓ２−２，Ｓ２−３）。

ここでいう属性とは、ユーザＵの確定した属性、あるいは、ユーザＵの特徴であり、例えば、検索ログや購入履歴等といったサービスＹを利用した際のユーザＵの行動に関する行動情報や、性別、年齢、住所等といったデモグラフィック属性、ライフサイクル、価値観、個性、購買動機等といったサイコグラフィック属性等を含む概念である。

また、ユーザＵの特徴とは、ユーザＵの様々な属性を包括することで推定されるユーザＵの性質、あるいは、推定される属性であって、例えば、ユーザＵの興味や、趣味嗜好、行動パターン（検索行動や、購買行動等）等を含む。

また、特徴情報における上記したモデルは、例えば、ユーザＵの属性を入力して、ユーザＵの特徴をスコアとして出力することができる。また、特徴情報における上記した推定結果とは、例えば、モデルが出力するスコアである。なお、推定結果は、モデルによらない情報、例えば、ユーザＵの属性を単に数値化した情報（例えば、検索回数に応じて増減するスコア等）であってもよい。図１に示す例では、ショッピングサービスとしてのサービスＹ１は、「釣り好き」のモデル、および、推定結果であるスコア「２．３」を生成する。例えば、サービスＹ１のモデルは、ショッピングサービスにおける釣り商品の購入履歴に基づき、スコアを出力する。

また、地図提供サービスとしてのサービスＹ２は、サービスＹ１と同様に「釣り好き」のモデル、および、推定結果であるスコア「５．３」を生成する。例えば、サービスＹ２のモデルは、釣りスポットの検索履歴に基づき、スコアを出力する。なお、図１では、スコアが大きいほど、その特徴が強いことを示す。

また、上記したスコアは、連続値である場合を示したが、例えば、離散値であってもよい。具体的には、釣り好きかどうかを「１」（好き）または「０」（嫌い）のいずれかの離散値のスコアで表現してもよい。あるいは、推定結果の一例としてスコアを示したが、推定結果は、スコアに限定されるものではなく、「釣り好き」等のようにテキストの情報であってもよい。

このように、各サービスＹ１、Ｙ２で生成される特徴情報は、互いに「釣り好き」のモデルで共通するものの、スコアが互いに異なる場合が想定される。このため、「釣り好き」に関して異なる２つのスコアを提供するおそれがある。

つまり、サービスＹ１の「釣り好き」のスコア「２．３」に対してサービスＹ２の「釣り好き」のスコア「５．３」は、一見すると、スコア「５．３」の方が高く見えるが、実際には、スコア「２．３」の方が高い場合も想定される。

また、仮に、各サービスＹが、特徴情報に対して信頼度を独自に算出したとしても、統一した基準で信頼度が算出されていないため、信頼度自体の信憑性が疑われる。つまり、各特徴情報の推定結果の推定精度、すなわち、各特徴情報の信頼度が担保されていないおそれがある。

そこで、実施形態に係る情報処理では、取得した特徴情報について統一した基準で信頼度を算出することとした。具体的には、実施形態に係る情報処理装置１は、上記した特徴情報を異なるサービスＹそれぞれから取得（ステップＳ３−１，Ｓ３−２，Ｓ３−３）し、かかる特徴情報をユーザ毎に紐づけた共有情報を生成する。なお、実施形態に係る情報処理装置１は、上記したモデル、および、推定結果であるスコアを含む特徴情報を取得する場合に限らず、モデルのみを含む特徴情報、あるいは、スコアのみを含む特徴情報を取得してもよい。

続いて、情報処理装置１は、各サービスＹから取得した特徴情報の推定結果に基づき、特徴情報の信頼度を算出する（ステップＳ４）。例えば、情報処理装置１は、ユーザＵに対して「釣り」に関するアンケートを配信し、アンケート結果からユーザＵの「釣り」に関する関心度を推定する。

続いて、情報処理装置１は、かかる関心度と、「釣り好き」における各スコアとを比較することで、各サービスＹによって登録された特徴情報の信頼度を算出する。なお、情報処理装置１は、サービスＹにおける関心度とスコアとのペアをランダムに抽出し、抽出したペア同士を比較することで、各サービスの特徴情報の信頼度を算出することも可能であるが、かかる点については、後述する。

続いて、情報処理装置１は、サービスＹから要求があった場合に、登録した特徴情報に基づく提供情報を提供する（ステップＳ５−１，Ｓ５−２，Ｓ５−３）。例えば、提供情報の提供方法としては、以下の２通りがある。

１つ目は、サービス提供サーバ１０が特定のユーザＵを指定し、共有情報に基づいてそのユーザＵの特徴（推定結果）を提供する方法である。かかる場合に、上述の信頼度が所定値以上、すなわち、信頼性が担保された特徴のみを提供することや、あるいは、ユーザＵの特徴に信頼度をあわせて提供することも可能である。

２つ目は、サービス提供サーバ１０が特定の特徴を指定し、共有情報に基づいてその特徴をもつユーザＵをリストとして提供する方法である。かかる場合に、信頼性が担保された特徴に基づき、ユーザＵのリストを生成することや、各特徴の信頼度をあわせてリストを生成することも可能である。

つまり、実施形態に係る情報処理方法では、ユーザＵの属性を包括して生成された特徴情報を解析結果として蓄積する。これにより、他のサービスＹが特徴情報を取得する、すなわち、ユーザＵに関連付けられた属性、または、属性に関連付けられるユーザＵの情報を他のサービスＹが包括的に取得することができる。

したがって、実施形態に係る情報処理方法では、他のサービスＹがユーザＵの情報を特徴情報として包括的に取得可能となったことで、技術的な困難を解消することができる。すなわち、実施形態に係る情報処理方法によれば、サービスＹ間の隔たりを意識することなく他のサービスＹの解析結果を取得することができる。

また、実施形態に係る情報処理において、統一した基準で信頼度を算出することで、各特徴情報の推定精度を担保することが可能となる。言い換えれば、共有する情報の信頼度を担保することができる。

次に、図２を用いて、実施形態に係る情報処理システムＳの構成について説明する。図２は、実施形態に係る情報処理システムＳの構成例を示す図である。図２に示すように、実施形態に係る情報処理システムＳは、情報処理装置１と、複数のサービス提供サーバ１０−１〜１０−ｎと、複数のユーザ端末１００−１〜１００−ｍとを含む。情報処理装置１、複数のサービス提供サーバ１０−１〜１０−ｎおよび複数のユーザ端末１００−１〜１００−ｍは、ネットワークＮを介して接続される。ネットワークＮは、ＬＡＮ（Local Area Network）、ＷＡＮ（Wide Area Network）、電話網（携帯電話網、固定電話網等）、地域ＩＰ（Internet Protocol）網、インターネット等の通信ネットワークである。ネットワークＮには、有線ネットワークが含まれていてもよいし、無線ネットワークが含まれていてもよい。

ユーザ端末１００は、上記したように、ユーザＵによって利用される端末装置である。ユーザ端末１００は、例えば、スマートデバイス（スマートフォン、あるいはタブレット）、携帯電話、パーソナルコンピュータ等である。ユーザ端末１００は、ユーザＵの操作に従って、サービス提供サーバ１０に対して情報の要求を送信する。

情報処理装置１は、サービス提供サーバ１０の上位サーバとして機能するサーバ装置である。情報処理装置１は、各サービス提供サーバ１０から特徴情報を取得して共有情報を生成するとともに、生成した共有情報を使ってサービス提供サーバ１０へ各種情報を提供する。また、情報処理装置１は、取得した特徴情報の信頼度を算出する機能を有する。

サービス提供サーバ１０は、上記したようにサービスＹをユーザＵへ提供するサーバ装置である。サービス提供サーバ１０は、例えば、サービスＹを利用したユーザＵの属性を用いて特徴情報を生成する。また、サービス提供サーバ１０は、情報処理装置１に対して提供情報を要求する。提供情報の要求は、サービス提供サーバ１０に接続された専用端末をサービスＹの管理者が操作することで、サービス提供サーバ１０から送信される。

また、情報処理システムＳのうち、情報処理装置１および複数のサービス提供サーバ１０−１〜１０−ｎは、例えば、１つの事業者が有するように構成される。つまり、ある事業者のあるサービスＹから見た場合の他のサービスＹは、同じ事業者の他のサービスＹであってもよく、他の事業者のサービスＹであってもよい。また、１つの事業者は、複数のサービスＹを提供可能である。また、１つの事業者は、各サービスＹが生成した特徴情報を共有情報として情報処理装置１に集約するとともに、共有情報に基づいた提供情報を取得して利用する。

なお、情報処理装置１および複数のサービス提供サーバ１０−１〜１０−ｎは、それぞれ別の事業者が有する構成であってもよい。また、複数のサービス提供サーバ１０−１〜１０−ｎは、それぞれ別の事業者が有する構成であってもよい。また、上記した情報処理システムＳに加えて、提供情報の利用のみを行う事業者のサーバが接続されてもよい。

なお、図２では、情報処理装置１は、サービス提供サーバ１０とは別体で構成されて共有情報を生成および提供する機能を有する場合を示したが、例えば、いずれかのサービス提供サーバ１０が情報処理装置１の機能の一部または全部を代替して行ってもよい。

また、図２では、情報処理装置１は、共有情報の生成および提供のすべての機能を兼ね備える場合を示したが、例えば、複数の情報処理装置１が、上記した機能を分担して行ってもよい。

次に、図３を用いて、実施形態に係る情報処理装置１の構成について説明する。図３は、実施形態に係る情報処理装置１の構成例を示す図である。

図３に示すように、情報処理装置１は、通信部２と、制御部３と、記憶部４とを備える。制御部３は、取得部３１と、選択部３２と、配信部３３と、算出部３４と、受付部３５と、抽出部３６と、推定部３７と、提供部３８とを備える。

通信部２は、例えば、ＮＩＣ（Network Interface Card）等によって実現される。通信部２は、ネットワークＮと有線または無線で接続され、ネットワークＮを介して、少なくともサービス提供サーバ１０との間で情報の送受信を行う。

記憶部４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２に示すように、記憶部４は、共有情報４１と、サービス情報４２と、モデルプログラム情報４３とを記憶する。

共有情報４１は、サービス提供サーバ１０から取得した特徴情報を含んだ情報である。図４は、共有情報４１の一例を示す図である。図４に示すように、共有情報４１は、例えば、列項目が「ＵＩＤ」であり、行項目が「特徴情報」であるテーブルである。

また、各特徴情報には、特徴情報の提供元となるサービス名と、特徴情報の信頼度が付与される。かかる信頼度は、後述する算出部３４によって算出される値であり、１００を上限として、１００に近いほど、信頼度が高いことを示す。また、列項目および行項目の各組のデータ項目には、モデルの出力であるスコアが入力される。

「ＵＩＤ」は、ユーザＵを識別する識別情報である。「特徴情報」は、サービス提供サーバ１０それぞれで生成されるモデルおよびスコアに関する情報である。なお、図４では、「特徴情報」の各項目には、モデル名称が入力される。

図４に示すように、共有情報４１は、「ＵＩＤ」および「特徴情報」のスコアを含む情報である。図４に示す例では、ＵＩＤが「Ｕ１」であるユーザは、サービスＹ１の特徴情報におけるモデル「釣り好き」のスコアが「２．３」であり、サービスＹ２のモデル「釣り好き」のスコアが「３．５」であることを示す。また、ＵＩＤが「Ｕ１」であるユーザは、サービスＹ３の特徴情報におけるモデル「旅行好き」のスコアが「９．８」となっている。

また、図４では、共有情報４１をスコアとして示したが、共有情報４１は、スコアに限定されるものではなく、「○、△および×」や、「優、良および可」等といった段階分けされた情報であってもよい。同様に、図４では、信頼度を数値で示したが、「○、△および×」や、「優、良および可」等といった段階分けで示すことにしてもよい。

次に、サービス情報４２は、各サービス提供サーバ１０が提供するサービスＹに関する情報である。図５は、サービス情報４２の一例を示す図である。図５に示すように、サービス情報４２は、「サービスＩＤ」、「提供サービス」および「登録モデル数」といった項目を含む。

「サービスＩＤ」は、サービスＹ（あるいは、サービス提供サーバ１０）を識別する識別情報である。「提供サービス」は、サービスＹの内容を示す情報である。「登録モデル数」は、共有情報４１に登録されている特徴情報のモデルの数を示す情報である。

次に、モデルプログラム情報４３は、特徴情報におけるモデルのプログラムデータを含んだ情報である。図６は、モデルプログラム情報４３の一例を示す図である。モデルプログラム情報４３は、後述の取得部３１が取得した特徴情報におけるモデルのプログラムデータを含む情報である。図６に示すように、モデルプログラム情報４３は、「モデルＩＤ」、「モデル名称」、「グループ」、「サービスＩＤ」および「モデルデータ」等といった項目を含む。

「モデルＩＤ」は、モデルを識別する識別情報である。「モデル名称」は、モデルの名称を示す情報である。「サービスＩＤ」は、サービスＹ（あるいは、サービス提供サーバ１０）を識別する識別情報である。「モデルデータ」は、特徴情報におけるモデルのプログラムデータである。

「モデルデータ」は、例えば、ユーザＵの属性を説明変数とする回帰モデルである。例えば、「モデルデータ」は、以下の式に示す回帰モデルである。すなわち、ｙ＝ω１・ｘ１＋ω２・ｘ２＋・・・＋ωｎ・ｘｎの回帰モデルとして表すことができる。

上記式において、「ｘ」は、ユーザＵの属性に対応する説明変数である。「ｙ」は、ユーザＵの特徴を示すスコアに対応する目的変数である。また、「ω」は、「ｘ」の係数であり、所定の重み値を示す。具体的には、「ω１」は、「ｘ１」の重み値であり、「ω２」は、「ｘ２」の重み値であり、「ωｎ」は、「ｘｎ」の重み値である。このように、上記式は、ユーザＵの属性に対応する説明変数「ｘ」と、所定の重み値「ω」とを含む変数（例えば、「ω１・ｘ１_」）を組み合せることにより作成される。

なお、「モデルデータ」は、ＳＶＭ（Support Vector Machine）やその他の機械学習法を用いて生成された特徴情報であってもよい。また、特徴情報は、深層学習（ディープラーニング）の技術を用いて生成されたものであってもよい。例えば、サービスＹは、ＤＮＮ（Deep Neural Network）やＲＮＮ（Recurrent Neural Network）やＣＮＮ（Convolutional Neural Network）等の種々のディープラーニングの技術を適宜用いて特徴情報を生成することができる。

図３の説明に戻り、制御部３について説明する。制御部３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、情報処理装置１内部の記憶装置に記憶されている各種プログラムがＲＡＭを作業領域として実行されることにより実現される。また、制御部３は、例えば、コントローラであり、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。

なお、取得部３１、選択部３２、配信部３３、算出部３４、受付部３５、抽出部３６、推定部３７および提供部３８それぞれ一部または全部がＡＳＩＣ（Application Specific Integrated Circuit）やＦＰＧＡ（Field Programmable Gate Array）等のハードウェアで構成されてもよい。

制御部３は、サービス提供サーバ１０から取得した特徴情報の共有情報への登録および登録した特徴情報の補正や更新を行う。また、制御部３は、特徴情報に基づいてサービスＹに対して各種提供を行う。

制御部３は、サービス提供サーバ１０から取得した特徴情報の共有情報４１への登録および登録した特徴情報の補正や更新を行う。また、制御部３は、特徴情報に基づいてサービスＹに対して各種提供を行う。

取得部３１は、ユーザＵの属性を用いてユーザＵの特徴を推定するモデル、および、ユーザＵの属性を用いて推定されたユーザＵの特徴に関する推定結果の少なくとも一方を含む特徴情報を異なるサービスＹそれぞれから取得する。例えば、取得部３１は、サービスＹに対して予め指定したフォーマットで生成させた特徴情報を取得する。これにより、サービスＹ間で特徴情報のフォーマットを揃えることができるため、統一した基準の特徴情報を取得することができる。

また、取得部３１は、特徴情報として、上記したモデルと、かかるモデルから出力されるスコアの初期値とを含む情報を取得する。スコアの初期値は、例えば、サービス提供サーバ１０によって予め算出されてもよく、取得部３１がモデルデータを取得して算出してもよい。取得部３１が初期値を算出する場合、特徴情報のモデルデータのみをまず取得し、その後、サービス提供サーバ１０からユーザＵの属性を取得してスコアを算出する。

なお、取得部３１は、特徴情報を取得した際に、かかる特徴情報が指定のフォーマットに沿って生成されたか否かをチェックするチェック機能を有してもよい。

また、取得部３１は、取得した特徴情報を共有情報４１として登録するとともに、登録した特徴情報を更新する更新処理を行う。具体的には、取得部３１は、初回時には、まず特徴情報のモデルデータとスコアの初期値とを取得し共有情報４１として登録し、２回目以降については、サービスＹからユーザＵの属性を取得して共有情報４１のスコアの更新のみ行うようにする。

また、取得部３１は、ユーザＵの属性の変化に応じてモデルを更新したり、各サービスＹから提供されるスコアを更新したりすることで、共有情報４１を更新することも可能である。

また、取得部３１は、特徴情報におけるモデルの入力となるユーザＵの属性を、モデルの取得元のサービスＹとは異なるサービスＹから取得してもよい。つまり、共有情報４１として登録されたモデルの取得元のサービスＹからユーザＵの属性を取得してスコアを出力してもよく、あるいは、取得元のサービスＹとは異なるサービスＹから取得したユーザＵの属性を使ってスコアを出力してもよい。これにより、例えば、異なる事業者のサービスＹ間で、共有情報４１に登録されたモデルを共有することができる。

続いて、選択部３２について説明する。選択部３２は、取得部３１によって登録された特徴情報のうち、信頼度の算出対象となる特徴情報を選択し、配信部３３へ通知する。例えば、選択部３２は、スコアの数、すなわち、サンプリング数が所定数以上に達した特徴情報を選択する。なお、選択部３２は、各サービスＹから新たな特徴情報を取得した場合に、かかる特徴情報を信頼度の算出対象とすることにしてもよい。

配信部３３は、特徴情報によって推定される特徴に関する配信情報をユーザＵ（ユーザ端末１００）へ配信する。例えば、配信部３３は、信頼度の算出対象となる特徴が「釣り好き」である場合、「釣り」に関する配信情報を配信する。

まず、配信部３３は、配信対象となるユーザＵを共有情報４１に基づいて選択する。例えば、配信部３３は、「釣り好き」のスコアが登録されたユーザＵをランダムに所定数選択する。続いて、配信部３３は、選択したユーザＵに対して配信情報を配信する。

図７は、実施形態に係る配信情報の一例を示す図である。図７に示すように、ユーザ端末１００には、配信情報として、特徴に関するアンケートが配信される。なお、図７に示す「○○」、「○×」、「×○」等の欄には、アンケート対象となる各特徴が記載される。

例えば、質問Ｑ１〜Ｑ３は、各特徴に対するユーザＵの関心の有無を問うものである。すなわち、質問Ｑ１〜Ｑ３に対するユーザＵの回答結果に基づき、ユーザＵの関心度を測ることができる。つまり、かかる回答結果は、各モデルの推定結果であるスコアの信頼度の指標となる。ユーザＵが、ユーザ端末１００を操作し、アンケートに回答すると、回答結果が情報処理装置１へ通知される。

後述する算出部３４は、かかる回答結果に基づき、信頼度を算出することとなる。なお、ここでの回答結果とは、質問Ｑ１〜Ｑ３に対する回答に加え、回答の有無を含む。すなわち、ユーザＵがアンケートを開封後、未回答であれば、未回答という回答結果が情報処理装置１へ通知される。また、質問Ｑ１〜Ｑ３は、アンケート対象となる１つの特徴に関する質問であってもよく、アンケート対象となる複数の特徴に関する質問であってもよい。

すなわち、情報処理装置１は、ユーザＵに対するアンケートを配信情報として配信することで、ユーザＵの特徴に関する関心度を直接得ることが可能となる。言い換えれば、確度の高い指標に基づいて信頼度を算出することが可能となる。

また、ここでは、配信部３３が、図７に示すようなアンケートを配信情報として配信する場合について説明したが、信頼度の算出対象となる特徴に関する電子広告を配信情報として配信することも可能である。

配信部３３が、電子広告を配信情報として配信する場合、ユーザＵの電子広告に対するクリックの有無、閲覧時間の電子広告に対するユーザＵの挙動が情報処理装置１へ通知される。

つまり、ユーザＵが興味のある電子広告に対して閲覧時間が長くなることが予想され、また、電子広告をクリックする可能性が高まる。また、ユーザＵが興味の薄い電子広告に対して閲覧時間が短くなることが予想され、電子広告をクリックをしない可能性が高まる。

つまり、電子広告に対するユーザＵの挙動に基づき、電子広告に対する関心度を推定することが可能となる。また、この場合に、電子広告を配信することで、ユーザＵにとって有益となる情報を提供しつつ、関心度を推定することが可能となる。なお、この場合の配信にかかる費用を電子広告主が負担することにしてもよい。

また、配信部３３は、かかる電子広告をプッシュ通知やプル通知でユーザ端末１００へ配信することが可能である。また、配信部３３は、上記のアンケートと電子広告とを併用してユーザ端末１００へ配信することにしてもよい。

また、ここでは、配信部３３が、配信情報を配信する場合について説明したが、配信情報の配信機能を他のサーバが担うことにしてもよい。この場合、配信部３３は、他のサーバに対して配信情報の配信を指示することとなる。すなわち、配信情報の配信処理を外部に委託することにしてもよい。

また、ここでは、配信部３３が、ユーザＵの関心度に対する配信情報を配信する場合について説明したが、これに限定されるものではない。すなわち、配信部３３は、例えば、ユーザＵのデモグラフィック属性を推定する特徴情報が有った場合、デモグラフィック属性の正誤に関するアンケートを配信情報として配信することにしてもよい。

具体的には、配信部３３は、特徴情報において、「東京都民」モデルがあった場合、東京都民であるか否かのアンケートを配信情報として配信することができる。

図３の説明に戻り、算出部３４について説明する。算出部３４は、取得部３１によって登録された特徴情報の推定結果に基づいて当該特徴情報の信頼度を算出する。具体的には、まず、算出部３４は、配信部３３による配信情報に対するユーザＵの応答結果を取得する。

続いて、算出部３４は、応答結果に基づき、ユーザＵの特徴に対する関心度を推定する。算出部３４は、配信情報がアンケートである場合、回答結果に応じて関心度を「○」、「×」の２段階に分類する。このとき、回答結果を未取得であるユーザＵについては、未回答を示す「−」に分類する。

これにより、１人のユーザＵに対する特徴情報としてのスコアと、関心度とが１つのペアとして得られる。同様に、算出部３４は、配信情報が電子広告である場合、電子広告に対するユーザＵの挙動に基づき、関心度を「○」、「×」の２段階に分類する。なお、ここでは、関心度を「○」、「×」の２段階に分類する場合について説明したが、関心度を数値化するなど、更に細分化して推定する事も可能である。

図８は、実施形態に係る算出部３４による処理の具体例を示す図である。図８に示すように、算出部３４は、各スコアに対して関心度が付与する。続いて、算出部３４は、関心度とスコアとを１つのペアを比較するいわゆるペアワイズ法を用いることで、各特徴情報の信頼度を算出する。

具体的には、算出部３４は、２つのペアをランダムで選択し、選択した２つのペアの「スコア」および「関心度」をそれぞれ比較する。このとき、スコアの大小関係と関心度の大小関係とが一致していれば、「ＯＫ」とし、スコアの大小関係と関心度の大小関係とが矛盾している場合、「ＮＧ」とする。

このとき、「ＯＫ」の数が多い程、特徴情報の信頼度が高いことを示し、「ＮＧ」の数が多い程、特徴情報の信頼度が低いことを示す。図８に示す例では、スコア「２．３」に対する関心度が「○」であり、スコア「３．５」に対する関心度が「×」であり、スコア「７．５」に対する関心度が「○」である場合を示す。

例えば、スコア「２．３」とスコア「３．５」を比較すると、スコア「２．３」の方がスコアの値が高いものの、関心度は、スコア「３．５」の方が高い。すなわち、スコアの大小関係と関心度の大小関係とが矛盾するため、この場合の比較結果は、「ＮＧ」となる。

また、スコア「３．５」と、スコア「７．５」を比較すると、スコア「７．５」の方がスコアの値が高く、関心度もスコア「７．５」の方が高い。すなわち、スコアの大小関係と関心度の大小関係と一致するため、この場合の比較結果は、「ＯＫ」となる。

算出部３４は、上記の比較を統計的に優位となる回数行うことで、各特徴情報の信頼度を算出する。また、算出部３４は、ペアワイズ法を用いることで、少ないサンプル数(ペア数)で確度の高い信頼度を算出することが可能となる。なお、例えば、信頼度は、「ＯＫ数」／「総比較回数」で求めることが可能である。

また、算出部３４は、信頼度の算出に用いるサンプル数に基づき、信頼度に対する標準誤差を算出することも可能である。なお、算出部３４は、標準誤差について統計学的手法を用いて算出することが可能である。

つまり、算出部３４は、特徴情報の信頼度に対する確からしさを算出する。かかる確からしさは、情報処理装置１の利用者が特徴情報の推定結果を用いるうえで１つの指標となる情報である。

つまり、利用者に対してよりよい提供情報を提供することが可能となる。なお、図８では、ペアワイズ法を用いて信頼度を算出する場合について説明したが、これに限定されるものではない。すなわち、各スコアと各スコアにそれぞれ対応する関心度とを単に比較することで、信頼度を算出することにしてもよいし、あるいは、他の統計学的手法を用いて信頼度を算出することにしてもよい。

また、算出部３４は、特徴情報の信頼度が所定値以下であるものについては、提供元のサービスＹへ特徴情報の改良を指示したり、あるいは、特徴情報そのものを使わないようにしたりすることも可能である。

すなわち、情報処理装置１は、基準値以上の信頼度が担保された特徴情報のみを用いて提供情報を各サービス提供サーバ１０へ提供することも可能である。これにより、確度の高い特徴情報のみを提供情報として提供することが可能となる。したがって、確度の高い特徴情報のみを各サービスＹで共有することが可能となり、各サービス提供サーバ１０による情報処理装置１の利用を促進することが可能となる。

なお、ここでは、算出部３４が、関心度とスコアとを１つのペアとしたペアワイズ法を用いて信頼度を算出する場合について説明したが、これに限定されるものではない。すなわち、上述のように、算出部３４は、デモグラフィック属性を推定する特徴情報については、関心度をデモグラフィック属性の正誤結果に置き換えて、ペアワイズ法を適用することができる。

これにより、デモグラフィック属性を推定する特徴情報への信頼度を算出することができ、信頼度が担保されたデモグラフィック属性を各サービスＹで共有することが可能となる。また、算出部３４は、他のサービスＹでユーザＵの実際のデモグラフィック属性に関する情報を保有していた場合、配信結果を用いることなくペアワイズ法を適用することも可能である。

図３の説明に戻り、受付部３５について説明する。受付部３５は、サービス提供サーバ１０から各種要求を受け付ける。例えば、受付部３５は、特定の特徴を指定する特徴指定の要求をサービスＹから受け付ける。特徴指定は、共有情報４１に含まれるモデルのモデルＩＤやモデル名称等を指定する。特徴指定による指定は、１つのモデルであってもよく、複数のモデルであってもよい。あるいは、特徴指定は、分野指定等といった複数のモデルを包含する指定であってもよい。

図９Ａは、受け付け画面の一例を示す図であり、サービス提供サーバ１０に表示される画面の一例である。図９Ａに示すように、受け付け画面には、特徴指定の各カテゴリとともに、信頼度の選択項目が表示される。

サービス提供サーバ１０の利用者は、受け付け画面を視認しつつ、所望のカテゴリおよび信頼度を指定する。図９Ａに示す例では、特徴指定のモデル名称「釣り好き」が選択され、「信頼度９５％以上」が選択されている場合を示す。

受付部３５は、選択されたカテゴリにおいて、指定された信頼度を満たす特徴情報の推定結果の提供要求を受け付けることとなる。このように、受付部３５は、特徴指定とともに、信頼度の指定を受け付けることで、利用者の要求に応じた信頼度を有する情報のみに絞って利用者へ提供することが可能となる。

なお、ここでは、信頼度の指定を受け付ける場合について説明したが、これに限定されるものではない。情報処理装置１は、特徴指定により指定されたカテゴリのうち、信頼度が基準値を満たすもののみを自動的に抽出して提供することも可能である。

また、受付部３５は、上述のように、特定のユーザＵを指定するユーザ指定の要求をサービスＹから受け付けることもできる。ユーザ指定により指定されるユーザＵは、１人であってもよく、複数であってもよい。あるいは、ユーザ指定は、複数のユーザを包含するグループ指定であってもよい。グループ指定の場合、ユーザ指定によって特定のグループの名称等が指定される。

また、受付部３５は、上記した要求の中に期間指定を含ませてもよい。例えば、特徴指定の場合、期間指定により指定された期間に登録された特徴情報を特徴指定の対象としてもよい。また、ユーザ指定の場合、期間指定により指定された期間にサービスＹを利用したユーザＵをユーザ指定の対象としてもよい。また、受付部３５は、信頼度に対する標準誤差の指定をあわせて受け付けることにしてもよい。

図３の説明に戻り、抽出部３６について説明する。抽出部３６は、特徴情報の推定結果に基づいて特徴指定によって指定された特定の特徴に対応するユーザＵを抽出する。例えば、抽出部３６は、指定された特徴のスコアが所定値以上のユーザＵを抽出する。この際、抽出部３６は、信頼度の指定が指定されている場合、指定された特徴のうち、指定された信頼度を満たす特徴のみを用いてユーザＵを抽出することも可能である。

推定部３７は、特徴情報の推定結果に基づいてユーザ指定によって指定された特定のユーザＵの特徴を推定する。例えば、推定部３７は、指定されたユーザＵにおける各特徴情報のうち、スコアが所定値以上の特徴情報が当該ユーザＵの特徴であると推定する。

なお、推定部３７は、指定されたユーザＵにおける各特徴情報のうち、スコアが所定値未満の特徴情報がある場合、その特徴情報の特徴を当該ユーザＵが有していないと推定してもよい。

提供部３８は、取得部３１によって登録された特徴情報の推定結果に基づく提供情報を他のサービスＹへ提供する。例えば、提供部３８は、スコアに基づいた提供情報を他のサービスＹへ提供する。具体的には、提供部３８は、抽出部３６または推定部３７から取得した情報に基づいて提供情報を生成し、当該提供情報をサービスＹへ提供する。

例えば、提供部３８は、特徴指定に基づき抽出部３６によって抽出されたユーザＵのリストを含む提供情報を生成し、サービスＹへ提供する。リストのソートは、スコアの大小順や、五十音順、アルファベット順等といった任意の順で並べられてもよい。

あるいは、提供部３８は、抽出部３６によって抽出されたユーザＵのうち、一部のユーザＵのみを提供情報としてサービスＹへ提供してもよい。具体的には、提供部３８は、スコアが最上位のユーザＵのみや、スコアが上位複数番目のユーザＵ等を選抜した提供情報を提供してもよい。

図９Ｂは、提供情報の一例を示す図である。なお、ここでは、図９Ａに示す受け付け画面においてモデル名称「釣り好き」、「信頼度７０％以上」が選択された場合における提供情報を示す。

図９Ｂに示すように、提供情報には、抽出部３６によって抽出されたユーザＵのリストであり、各モデル名称には、信頼度およびサンプル数が付与される。信頼度は、上述の算出部３４によって算出される値であり、スコアの信頼度を示す。

また、サンプル数は、信頼度の算出に用いたサンプル数を示す。上述のように、サンプル数が多いほど、信頼度の標準誤差が小さくなることを示す。なお、サンプル数に代えて標準誤差を表示することにしてもよい。

このように、提供部３８は、提供情報として信頼度やサンプル数をあわせて提供することで、提供情報の利用者に対して提供情報を利用する際の指針をあわせて提供することが可能となる。

これにより、利用者は、提供情報のうち信頼度の高い提供情報を選択して、自身のサービスＹで用いることが可能となる。

また、提供部３８は、ユーザ指定に基づき推定部３７によって推定されたユーザＵの特徴を示す情報を含む提供情報を他のサービスＹへ提供する。例えば、提供部３８は、推定部３７によって推定されたユーザＵの特徴をリストにして並べた情報を含む提供情報を提供する。

また、提供部３８は、推定部３７によって推定されたユーザＵの特徴のうち、一部の特徴のみを含む提供情報を提供してもよい。例えば、提供部３８は、スコアが最上位のモデルである特徴のみや、スコアが上位複数番目のモデルである特徴のみを選抜した提供情報を提供してもよい。

次に、図１０および図１１を用いて実施形態に係る情報処理装置１が実行する処理手順について説明する。図１０および図１１は、実施形態に係る情報処理装置１が実行する処理手順を示すフローチャートである。なお、図１０では、特徴情報の信頼度を算出するまでの一連の処理の流れについて説明する。

図１０に示すように、まず、取得部３１は、ユーザＵの属性を用いてユーザＵの特徴を推定するモデル、および、属性を用いて推定された特徴に関する推定結果の少なくとも一方を含む特徴情報を異なるサービスＹそれぞれから取得する（ステップＳ１０１）。

続いて、選択部３２は、信頼度の算出対象となる特徴情報を選択し（ステップＳ１０２）、配信部３３は、算出対象となる特徴情報が推定する特徴に関する配信情報を配信する（ステップＳ１０３）。

続いて、算出部３４は、配信情報に対するユーザＵの応答結果を取得し（ステップＳ１０４）、かかる応答結果に基づき、ユーザＵの配信情報に対する関心度を推定する（ステップＳ１０５）。

続いて、算出部３４は、モデルの推定結果であるスコアと、関心度とに基づき、モデルの信頼度を算出し（ステップＳ１０６）、処理を終了する。

次に、図１１を用いて情報処理装置１が提供情報をサービス提供サーバ１０へ提供するまでの一連の処理について説明する。

図１１に示すように、提供処理において、まず、受付部３５は、サービスＹから特徴指定の要求を受け付けたか否かを判定する（ステップＳ２０１）。抽出部３６は、受付部３５が特徴指定を受け付けた場合（ステップＳ２０１，Ｙｅｓ）、特徴指定により指定された特定の特徴をもつユーザＵを抽出する（ステップＳ２０２）。

続いて、提供部３８は、抽出部３６によって抽出されたユーザＵのリストを含む提供情報をサービスＹへ提供し（ステップＳ２０３）、処理を終了する。

一方、受付部３５は、特徴指定の要求を受け付けなかった場合（ステップＳ２０１，Ｎｏ）、ユーザ指定の要求を受け付けたか否かを判定する（ステップＳ２０４）。なお、ステップＳ２０１およびステップＳ２０４の処理は、その処理順が入れ替わってもよい。

推定部３７は、受付部３５がユーザ指定の要求を受け付けた場合（ステップＳ２０４，Ｙｅｓ）、ユーザ指定により指定されたユーザＵの特徴を推定する（ステップＳ２０５）。

続いて、提供部３８は、推定部３７によって推定されたユーザＵの特徴を示す情報を含む提供情報をサービスＹへ提供し（ステップＳ２０６）、処理を終了する。

一方、受付部３５は、ユーザ指定の要求を受け付けなかった場合（ステップＳ２０４，Ｎｏ）、処理をステップＳ２０１へ移行する。

次に、図１２を用いて、実施形態に係る情報処理装置１が実行する提供処理の手順について説明する。図１２は、実施形態に係る情報処理装置１が実行する提供処理の手順を示すフローチャートである。

また、上述してきた実施形態にかかる情報処理装置１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、実施形態に係る情報処理装置１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が生成したデータを、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、生成したデータを、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が実施形態にかかる情報処理装置１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３の機能を実現する。また、ＨＤＤ１４００には、記憶部４内のデータが格納される。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、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。

上述してきたように、実施形態に係る情報処理装置１は、取得部３１と、算出部３４とを備える。取得部３１は、ユーザＵの属性を用いてユーザＵの特徴を推定するモデル、および、属性を用いて推定された特徴に関する推定結果の少なくとも一方を含む特徴情報を異なるサービスＹそれぞれから取得する。算出部３４は、取得部３１によって取得された特徴情報に基づく推定結果を用いて当該特徴情報の信頼度を算出する。したがって、実施形態に係る情報処理装置１によれば、モデルの推定精度を担保することができる。

また、実施形態に係るモデルは、ユーザＵの属性を入力することで、ユーザＵの特徴をスコアとして出力するものであって、算出部３４は、推定結果としてスコアを用いて信頼度を算出する。したがって、実施形態に係る情報処理装置１によれば、ユーザＵの特徴がスコア化されることで、他のサービスＹ間で統一された基準の特徴を共有できるため、他のサービスＹの解析結果をより有効に活用することができる。

また、情報処理装置１は、特徴情報の特徴に関する配信情報をユーザＵへ配信する配信部３３をさらに備え、算出部３４は、配信部３３によって配信された配信情報に対するユーザＵの応答結果に基づいて信頼度を算出する。したがって、実施形態に係る情報処理装置１によれば、統一した基準で信頼度を算出することができる。

また、算出部３４は、応答結果から推定されるユーザＵの特徴に関する関心度と、推定結果とを比較することで、信頼度を算出する。したがって、実施形態に係る情報処理装置１によれば、信頼度を精度よく算出することが可能となる。

また、算出部３４は、関心度と推定結果とを１つのペアとし、異なるペア間における関心度および推定結果の大小関係に基づき、信頼度を算出する。したがって、実施形態に係る情報処理装置１によれば、少ないサンプル数で精度よく信頼度を算出することが可能となる。

また、配信部３３は、配信情報として、特徴に関するアンケートを配信し、算出部３４は、アンケートの回答結果に基づいて関心度を推定する。したがって、実施形態に係る情報処理装置１によれば、関心度を精度よく推定することができる。

また、実施形態に係る配信部３３は、配信情報として、特徴に関する電子広告を配信し、算出部３４は、電子広告に対するユーザＵの挙動に基づいて関心度を推定する。したがって、実施形態に係る情報処理装置１によれば、ユーザＵへ有益な情報を提供しつつ、関心度を推定することが可能となる。

また、配信部３３は、ユーザＵのデモグラフィック属性を推定する特徴情報に関する配信情報を配信する場合に、デモグラフィック属性の正誤に関するアンケートを配信し、算出部３４は、アンケートの結果が示す正誤情報と、推定結果とを１つのペアとし、異なるペア間で正誤情報と推定結果とを比較することで、信頼度を算出する。したがって、実施形態に係る情報処理装置１によれば、信頼度が担保されたでもグラフィック属性を各サービスＹで共有することが可能となる。

また、実施形態に係る情報処理装置１は、提供情報の提供要求をサービスＹから受け付ける受付部３５と、受付部３５によって受け付けられた提供要求に基づき、特徴情報果を提供する提供部３８とを備える。提供部３８は、特徴情報に信頼度を対応付けた提供情報を提供する。したがって、実施形態に係る情報処理装置１によれば、利用者が、提供情報のうち信頼度の高い提供情報を選択して、自身のサービスＹで用いることが可能となる。

また、実施形態に係る算出部３４は、信頼度の算出に用いた推定結果のサンプリル数に基づき、信頼度の標準誤差を算出し、提供部３８は、サンプル数または標準誤差を含む提供情報を提供する。したがって、実施形態に係る情報処理装置１によれば、利用者に対して信頼度の確からしさあわせて提示することで、提供情報の質を向上させることができる。

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に記載した各処理は、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、上記してきた「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３１は、取得手段や取得回路に読み替えることができる。

１ 情報処理装置
２ 通信部
３ 制御部
４ 記憶部
１０ サービス提供サーバ
３１ 取得部
３２ 選択部
３３ 配信部
３４ 算出部
３５ 受付部
３６ 抽出部
３７ 推定部
３８ 提供部
４１ 共有情報
４２ サービス情報
４３ モデルプログラム情報
１００ ユーザ端末
Ｓ 情報処理システム

Claims (12)

1. ユーザの属性を用いて前記ユーザの特徴を推定するモデル、および、前記属性を用いて推定された前記特徴に関する推定結果の少なくとも一方を含む特徴情報を異なるサービスそれぞれから取得する取得部と、
   前記取得部によって取得された前記特徴情報に基づく推定結果を用いて当該特徴情報の信頼度を算出する算出部と
   を備えることを特徴とする情報処理装置。
2. 前記モデルは、
   前記ユーザの属性を入力することで、前記ユーザの特徴をスコアとして出力するものであって、
   前記算出部は、
   前記推定結果として前記スコアを用いて前記信頼度を算出すること
   を特徴とする請求項１に記載の情報処理装置。
3. 前記特徴情報の前記特徴に関する配信情報を前記ユーザへ配信する配信部
   をさらに備え、
   前記算出部は、
   前記配信部によって配信された前記配信情報に対する前記ユーザの応答結果に基づいて前記信頼度を算出すること
   を特徴とする請求項１または２に記載の情報処理装置。
4. 前記算出部は、
   前記応答結果から推定される前記ユーザの特徴に関する関心度と、前記推定結果とを比較することで、前記信頼度を算出すること
   を特徴とする請求項３に記載の情報処理装置。
5. 前記算出部は、
   前記関心度と前記推定結果とを１つのペアとし、異なる前記ペア間における関心度および推定結果の大小関係に基づき、前記信頼度を算出すること
   を特徴とする請求項４に記載の情報処理装置。
6. 前記配信部は、
   前記配信情報として、前記特徴に関するアンケートを配信し、
   前記算出部は、
   前記アンケートの回答結果に基づいて前記関心度を推定すること
   を特徴とする請求項４または５に記載の情報処理装置。
7. 前記配信部は、
   前記配信情報として、前記特徴に関する電子広告を配信し、
   前記算出部は、
   前記電子広告に対する前記ユーザの挙動に基づいて前記関心度を推定すること
   を特徴とする請求項４、５または６に記載の情報処理装置。
8. 前記配信部は、
   前記ユーザのデモグラフィック属性を推定する特徴情報に関する前記配信情報を配信する場合に、前記デモグラフィック属性の正誤に関するアンケートを配信し、
   前記算出部は、
   前記アンケートの結果が示す正誤情報と、前記推定結果とを１つのペアとし、異なる前記ペア間で前記正誤情報と前記推定結果とを比較することで、前記信頼度を算出すること
   を特徴とする請求項３に記載の情報処理装置。
9. 前記特徴情報の提供要求を前記サービスから受け付ける受付部と、
   前記受付部によって受け付けられた前記提供要求に基づき、提供情報を提供する提供部と
   を備え、
   前記提供部は、
   前記特徴情報に前記信頼度を対応付けた前記提供情報を提供すること
   を特徴とする請求項１〜８のいずれか一つに記載の情報処理装置。
10. 前記算出部は、
    前記信頼度の算出に用いた前記特徴情報のサンプル数に基づき、前記信頼度の標準誤差を算出し、
    前記提供部は、
    前記サンプル数または標準誤差を対応付けた前記提供情報を提供すること
    を特徴とする請求項９に記載の情報処理装置。
11. コンピュータが実行する情報処理方法であって、
    ユーザの属性を用いて前記ユーザの特徴を推定するモデル、および、前記属性を用いて推定された前記特徴に関する推定結果の少なくとも一方を含む特徴情報を異なるサービスそれぞれから取得する取得工程と、
    前記取得工程によって取得された前記特徴情報に基づく推定結果を用いて当該特徴情報の信頼度を算出する算出工程と
    を含むことを特徴とする情報処理方法。
12. ユーザの属性を用いて前記ユーザの特徴を推定するモデル、および、前記属性を用いて推定された前記特徴に関する推定結果の少なくとも一方を含む特徴情報を異なるサービスそれぞれから取得する取得手順と、
    前記取得手順によって取得された前記特徴情報に基づく推定結果を用いて当該特徴情報の信頼度を算出する算出手順と
    をコンピュータに実行させることを特徴とする情報処理プログラム。

Images