JP6680725B2 - カテゴリ選択装置、広告配信システム、カテゴリ選択方法、およびプログラム - Google Patents

Description

本発明は、カテゴリ選択装置、広告配信システム、カテゴリ選択方法、およびプログラムに関する。

従来、仕訳対象データ内の取引明細情報と仕訳用のマッチング情報との照合に基づいて前記仕訳対象データ内の当該取引の仕訳パターンを自動判別する手段と、自動判別ができた場合には判別された仕訳パターンに基づいて当該取引の仕訳処理を自動で行い、自動判別ができなかった場合には仕訳情報入力画面上で入力されたユーザ入力データに基づいて当該取引の仕訳処理を自動で行う手段と、仕訳情報入力画面上で入力されたユーザ入力データをマッチング情報として自動的に追加設定する手段とを備えた構成とする会計処理システムが知られている（例えば、特許文献１参照）。

特開２０１１−１７０４９０号公報

しかしながら、従来の技術では、支払い履歴情報から店舗のカテゴリを選択することができない場合があった。

本発明は、このような事情を考慮してなされたものであり、支払い履歴から店舗のカテゴリを選択することができるカテゴリ選択装置、広告配信システム、カテゴリ選択方法、およびプログラムを提供することを目的の一つとする。

本発明の一態様は、店舗を示すテキスト情報を取得する取得部と、複数のカテゴリのそれぞれに一以上のキーワードが対応付けられたカテゴリ決定用情報に含まれる前記キーワードと、前記取得部により取得されたテキスト情報との類似度を取得する類似度取得部と、前記類似度取得部により取得された類似度に基づいて、前記店舗の一以上のカテゴリを前記カテゴリ決定用情報に含まれるカテゴリの中から選択する選択部とを備えるカテゴリ選択装置である。

本発明の一態様によれば、より適切に店舗のカテゴリを選択することができる。

カテゴリ選択装置を含むカテゴリ決定システム１の構成図である。 決済情報１２２の内容の一例を示す図である。 カテゴリ決定用情報１２４の内容の一例を示す図である。 テキストグループが形態素解析され、テキストグループに含まれるテキスト情報が抽出される様子を模式的に示す図である。 カテゴリの選択に関する処理の過程を示す図（その１）である。 カテゴリの選択に関する処理の過程を示す図（その２）である。 利用者情報１２６の内容の一例を示す図である。 カテゴリ選択装置１００により実行される処理の流れを示すフローチャートである。 第１の実施形態の変形例のカテゴリ決定システム１Ａの機能構成を示す図である。 第２の実施形態においてカテゴリの選択に関する処理の過程を示す図である。 第１のカテゴリ決定用情報１２４Ａ、および第２のカテゴリ決定用情報１２４Ｂの一例を示す図である。 第３の実施形態のカテゴリ選択装置１００により実行される処理の流れを示すフローチャートである。 第１〜第３の実施形態の利用形態のカテゴリ決定システム１Ｂの構成図である。 広告情報５８の内容の一例を示す図である。 第４の実施形態のカテゴリ決定システム１Ｃの構成図である。 インターフェース画面ＩＭの一例を示す図である。

以下、図面を参照し、本発明のカテゴリ選択装置、広告配信システム、カテゴリ選択方法、およびプログラムの実施形態について説明する。カテゴリ選択装置は、一以上のプロセッサにより実現される。カテゴリ選択装置は、店舗を示すテキスト情報を取得し、複数のカテゴリのそれぞれに一以上のキーワードが対応付けられたカテゴリ決定用情報に含まれる前記キーワードと、取得されたテキスト情報との類似度を取得し、取得された類似度に基づいて、店舗のカテゴリを、カテゴリ決定用情報に含まれるカテゴリの中から選択する。

（第１の実施形態）
図１は、カテゴリ選択装置を含むカテゴリ決定システム１の構成図である。カテゴリ決定システム１は、例えば、一以上のサービスサーバ１０と、ベクトル変換装置２０と、一以上の決済情報提供装置３０と、カテゴリ選択装置１００とを備える。これらの構成要素は、互いにネットワークＮＷを介して通信する。ネットワークＮＷは、例えば、ＷＡＮ（Wide Area Network）やＬＡＮ（Local Area Network）、インターネット、専用回線、無線基地局、プロバイダなどを含む。

サービスサーバ１０は、テキスト群を含むコンテンツを、ネットワークＮＷを介して他の装置に提供する。コンテンツは、例えば、ニュース記事や掲示板（掲示板に投稿された情報）、辞書情報、項目に対して解説が加えられた百科事典などである。

ベクトル変換装置２０は、例えば、コーパス内における共起性に基づいて、コーパスに含まれるテキスト情報を分散表現としての特徴ベクトルに変換する。共起性とは、二つ以上のテキスト情報が文脈のなかで互いに関連し合っている傾向である。ベクトル変換装置２０は、例えば、ｗｏｒｄ２ｖｅｃと称されているツール（プログラム）を利用して、コーパスに含まれるテキスト情報を特徴ベクトルに変換する。ｗｏｒｄ２ｖｅｃとは、ニューラルネットワークを利用したツールであり、入力されたコーパスに含まれるテキスト情報を、そのテキスト情報の特徴を示す特徴ベクトルに変換して出力するものである。コーパスは、例えば、サービスサーバ１０によりネットワークＮＷを介して利用者に提供されているコンテンツに含まれるテキスト群である。すなわち、コーパスは、ネットワークＮＷを介して利用者に提供され、利用者によって編集可能な百科事典であってよい。

決済情報提供装置３０は、利用者の支払い履歴情報をカテゴリ選択装置１００に送信する。利用者の支払い履歴情報とは、例えばクレジットカードの利用履歴や、電子マネーの利用履歴、銀行振替の履歴などである。この支払い履歴情報には、利用者が利用した店舗を示すテキスト情報が含まれている。

カテゴリ選択装置１００は、例えば、通信部１０２と、解析部１０４と、類似度取得部１０６と、選択部１０８と、記憶部１２０とを備える。例えば解析部１０４、類似度取得部１０６、および選択部１０８のうち一部または全部は、ＣＰＵ（Central Processing Unit）等のプロセッサが、記憶部１２０に記憶されたプログラム等を実行することにより実現される。これの機能部のうち一部または全部は、ＬＳＩ（Large Scale Integrated Circuit）や、ＡＳＩＣ（Application Specific Integrated Circuit）、ＦＰＧＡ（Field-Programmable Gate Array）、ＧＰＵ（Graphics Processing Unit）等のハードウェアによって実現されてもよいし、ソフトウェアとハードウェアの協働によって実現されてもよい。また、カテゴリ選択装置１００に含まれる各機能部は、複数の装置に分散されてもよい。記憶部１２０は、例えば、ＲＯＭ（Read Only Memory）、ＨＤＤ（Hard Disk Drive）フラッシュメモリ、ＳＤカード、ＲＡＭ（Random Access Memory）、レジスタ等によって実現される。

記憶部１２０には、例えば、決済情報１２２と、カテゴリ決定用情報１２４と、利用者情報１２６とが記憶されている。決済情報１２２は、決済情報提供装置３０から取得した利用者の支払い履歴情報である。図２は、決済情報１２２の内容の一例を示す図である。決済情報１２２は、例えば、利用者ＩＤごとに、店舗情報（テキストグループ）、クレジットカードの利用日時、およびクレジットカードの利用金額が対応付けられた情報である。

カテゴリ決定用情報１２４は、店舗のカテゴリと、カテゴリに含まれるキーワードとを示す情報である。図３は、カテゴリ決定用情報１２４の内容の一例を示す図である。カテゴリ決定用情報１２４には、カテゴリ、カテゴリのＩＤ（識別情報）、およびキーワードが互いに対応付けられている。カテゴリ決定用情報１２４の内容は、例えば、予め管理者により設定される。カテゴリ決定用情報１２４におけるカテゴリの種類は、選択したいカテゴリによって任意に設定される。また、カテゴリに含まれるキーワードは、例えばカテゴリから想起される（カテゴリと意味が近い）所定数の代表的なキーワードである。例えば、図示する例では、カテゴリ「食料品」に対して、キーワード「食材」、「惣菜」、「スーパーマーケット」、「ＡＡスーパー」などのキーワードが対応付けられている。

なお、カテゴリ決定用情報１２４において、カテゴリに対して、大カテゴリが対応付けられていてもよい。例えば、カテゴリ「水道」、「電気」、「ガス」に対して、大カテゴリとして「公共料金」が対応付けられていてもよい。この場合、選択部１０８は、店舗のカテゴリに加え、カテゴリの大カテゴリを選択する。

利用者情報１２６の詳細については後述する。

通信部１０２は、ネットワークＮＷを介して、他装置と通信する。通信部１０２は、決済情報提供装置３０から支払い履歴情報を取得する。支払い履歴情報には、テキストグループが含まれる。テキストグループは、支払い履歴情報の中で、ひとまとまりのテキストとして認識されるものであり、後述する解析部１０４の形態素解析によって、テキスト情報を抽出可能なものである。解析部１０４は、通信部１０２により取得されたテキストグループを形態素解析して、テキスト情報に分割する。

類似度取得部１０６は、複数のカテゴリのそれぞれに複数のキーワードが対応付けられたカテゴリ決定用情報１２４（後述）に含まれるキーワードと、通信部１０２により取得された店舗を示すテキスト情報との類似度を取得する。

例えば、類似度取得部１０６は、解析部１０４により形態素解析されたテキスト情報およびキーワードを、特徴ベクトルに変換するようにベクトル変換装置２０に依頼する。類似度取得部１０６は、ベクトル変換装置２０から応答結果を取得する。そして、類似度取得部１０６は、例えば、テキスト情報の特徴を示す特徴ベクトルと、キーワードの特徴を示す特徴ベクトルとの類似度（例えばコサイン類似度）を求める。

選択部１０８は、類似度取得部１０６により取得された類似度に基づいて、店舗の一以上のカテゴリをカテゴリ決定用情報１２４に含まれるカテゴリの中から選択する。詳しくは、後述する。

［カテゴリを選択する処理］
以下、カテゴリ選択装置１００が、図４に示すテキストグループ「ＸＹＺナースドライブ東京店」のカテゴリを選択する処理について説明する。図４は、テキストグループが形態素解析され、テキストグループに含まれるテキスト情報が抽出される様子を模式的に示す図である。

まず、解析部１０４が、テキストグループ「ＸＹＺナースドライブ東京店」を形態素解析することにより、テキストグループ内の情報をテキスト情報（「ＸＹＺ」、「ナース」、「ドライブ」、「東京」、「店」）に分割する。次に、解析部１０４が、分割したテキスト情報のうち、カテゴリを選択するのに不要な文言を排除し、テキスト情報「ＸＹＺ」、「ナース」、「ドライブ」を選択する。カテゴリを選択するのに不要なテキスト情報とは、例えば、店舗の所在地（地名）を示すテキスト情報「東京」や、所在地の後に付与されるである「店」や「数字」などの予め設定されたテキスト情報である。

次に、類似度取得部１０６が、図５に示すように、テキスト情報のそれぞれと、キーワードのそれぞれとの類似度を取得する。そして、選択部１０８が、カテゴリ決定用情報１２４および取得された類似度に基づいて、店舗のカテゴリを決定する。

図５は、カテゴリの選択に関する処理の過程を示す図（その１）である。例えば、類似度取得部１０６は、テキスト情報「ＸＹＺ」、「ナース」、「ドライブ」のそれぞれと、キーワードのそれぞれとの類似度を取得する。選択部１０８は、テキスト情報とカテゴリに含まれるキーワードのそれぞれとの類似度の平均値（例えば図中、「ｓｃｏｒｅ」）を、カテゴリとテキスト情報との組み合わせごとに求め、求めた平均値の中で最も大きい値に対応する組み合わせを選択する。

例えば、選択部１０８は、下記の式（１）に基づいて、カテゴリとテキスト情報との組み合わせを選択する。「Ｃｏｍ（ｉ，ｊ）」は、選択されるテキスト情報ｉ（ｉ＝１〜ｎ）と、カテゴリｊ（ｊ＝１〜ｋ）との組み合わせのうち、類似度が最も高いと判断される組み合わせである。
Ｃｏｍ（ｉ，ｊ）＝ａｒｇ ｍａｘ｛ＳＣＯＲＥ（ｉ，ｊ）｝ …（１）
ここで、ＳＣＯＲＥ（ｉ，ｊ）は、テキスト情報ｉの特徴ベクトルと、カテゴリｊに含まれるキーワードの特徴ベクトルｊ１，ｊ２，…，ｊｍのそれぞれとの類似度ｓｃｏｒｅの平均値である（式（２）参照）。類似度ｓｃｏｒｅは、前述したように、例えばコサイン類似度である。
ＳＣＯＲＥ（ｉ，ｊ）＝（１／ｍ）×Σ_{ｐ＝１〜ｍ}ｓｃｏｒｅ（ｉ，ｊｐ） …（２）

図６は、カテゴリの選択に関する処理の過程を示す図（その２）である。図示するように、テキスト情報とキーワードと組み合わせについて網羅的に類似度が求められ、更にカテゴリに含まれるキーワードの類似度の平均値が求められる。そして、類似度の平均値が最も高いカテゴリが店舗のカテゴリとして選択される。例えば、図６の例では、選択部１０８は、類似度の平均値が高いカテゴリ「ガソリン」を、店舗のカテゴリとして選択する。

また、選択部１０８は、テキストグループと選択したカテゴリとを対応付けて、利用者情報１２６を生成する。図７は、利用者情報１２６の内容の一例を示す図である。利用者情報１２６は、選択したカテゴリと、テキストグループと、利用日時と、利用金額とが互いに対応付けられた情報である。なお、利用者情報１２６には、上記の情報に加え、利用者が利用している端末装置の通信アドレスや、その他利用者に関する情報等が対応付けられていてもよい。このように、カテゴリ選択装置１００は、より適切に店舗のカテゴリを選択することができる。また、これに基づいて、利用者の消費傾向などを知ることができる。

［フローチャート］
図８は、カテゴリ選択装置１００により実行される処理の流れを示すフローチャートである。まず、解析部１０４が、通信部１０２を介してテキストグループを取得し（Ｓ１００）、テキストグループを形態素解析する（Ｓ１０２）。次に、解析部１０４は、形態素解析を行って分割したテキスト情報のうち、所在地などのカテゴリを選択するのに不要なテキスト情報を除外する（Ｓ１０４）。

次に、類似度取得部１０６が、テキスト情報を一つ選択し（Ｓ１０６；以下、選択されたテキスト情報を対象テキスト情報と称する）、対象テキスト情報とカテゴリ決定用情報１２４に含まれるキーワードのそれぞれとの類似度を取得する（Ｓ１０８）。次に、選択部１０８は、カテゴリごとに、Ｓ１０６で取得した類似度の平均値を算出し、最も平均値が高いカテゴリと対象テキスト情報との組み合わせを抽出する（Ｓ１１０）。

次に、類似度取得部１０６は、Ｓ１０６で全てのテキスト情報が選択されたか否かを判定する（Ｓ１１２）。全てのテキスト情報が選択されていない場合、Ｓ１０６の処理に戻る。全てのテキスト情報が選択された場合、選択部１０８は、最も高い平均値を選択する（Ｓ１１４）。次に、選択部１０８は、選択した平均値が導出された組み合わせに対応するカテゴリを、テキストグループが表すカテゴリと判断する（Ｓ１１６）。これにより本フローチャートの１ルーチンの処理は終了する。

上述したように、カテゴリ選択装置１００は、テキスト情報とキーワードとの類似度を取得し、取得した類似度に基づいて、店舗のカテゴリを選択することにより、より適切に店舗のカテゴリを選択することができる。

なお、上記の例では、選択部１０８が、店舗の一つのカテゴリをカテゴリ決定用情報１２４に含まれるカテゴリの中から選択するものとして説明したが、これに代えて（または加えて）、店舗の一以上のカテゴリをカテゴリ決定用情報１２４に含まれるカテゴリの中から選択してもよい。この場合、選択部１０８は、例えば、最も類似度の平均値の高いカテゴリとテキスト情報との組み合わせのうち、類似度の平均値が高い順から所定数の組み合わせを選択し、選択した所定数に対応付けられたカテゴリを、テキストグループが表すカテゴリと判断する。

以上説明した第１の実施形態によれば、カテゴリ選択装置１００は、複数のカテゴリのそれぞれに一以上のキーワードが対応付けられたカテゴリ決定用情報に含まれるキーワードと、テキスト情報との類似度を取得し、取得した類似度に基づいて、店舗の一以上のカテゴリをカテゴリ決定用情報１２４に含まれるカテゴリの中から選択することにより、より適切に店舗のカテゴリを選択することができる。

（第１の実施形態の変形例）
以下、第１の実施形態の変形例について説明する。第１の実施形態の変形例のカテゴリ決定システム１Ａでは、ベクトル変換装置２０と同等の機能を有するベクトル変換部１０５がカテゴリ選択装置１００Ａに含まれる。以下、第１の実施形態との相違点を中心に説明する。なお、この変形例は、後述する第２〜第４の実施形態の変形例として適用されてもよい。

図９は、第１の実施形態の変形例のカテゴリ決定システム１Ａの機能構成を示す図である。カテゴリ決定システム１Ａは、例えば、一以上のサービスサーバ１０と、一以上の決済情報提供装置３０と、カテゴリ選択装置１００Ａとを備える。カテゴリ選択装置１００の機能構成に加え、更にベクトル変換部１０５を備える。ベクトル変換部１０５は、例えば、コーパス内における共起性に基づいて、コーパスに含まれるテキスト情報を分散表現としての特徴ベクトルに変換する。類似度取得部１０６は、ベクトル変換部１０５にテキスト情報またはキーワードを指定して特徴ベクトルを求めることを依頼し、ベクトル変換部１０５から取得したテキスト情報の特徴を示す特徴ベクトルと、キーワードの特徴を示す特徴ベクトルとの類似度を求める。

以上説明した第１の実施形態の変形例によれば、カテゴリ選択装置１００Ａは、第１の実施形態の効果と同様の効果を奏することができる。

（第２の実施形態）
以下、第２実施形態について説明する。第２の実施形態のカテゴリ選択装置１００は、テキスト情報に予め設定された係数を加味して、店舗のカテゴリを選択する。以下、第１の実施形態との相違点を中心に説明する。

類似度取得部１０６は、例えば、テキスト情報とキーワードとの類似度に対して、キーワードに対して予め設定された係数を加味して、係数を加味した類似度を取得する。係数は、特定のキーワードに対して、１以上の値が設定されている。この係数は、類似度の計算において、コサイン類似度に乗算されて使用される。特定のキーワードとは、そのキーワードが含まれていれば、カテゴリ決定用情報１２４において対応付けられているカテゴリに該当する可能性が高いキーワードである。また、係数は、例えばコーパスまたは過去に処理対象としたテキスト情報（対象データ）におけるキーワードの出現頻度に基づいて自動的に設定されてもよい。例えば、出現頻度が高いキーワードは、出現頻度が低いキーワードに比して、大きい係数が設定されてもよい。

図１０は、第２の実施形態においてカテゴリの選択に関する処理の過程を示す図である。図示する例では、特定のキーワードに対して、他のキーワードよりも大きい係数が設定されている。類似度取得部１０６は、例えば、テキスト情報とキーワードとの類似度に係数を乗算して、係数を乗算した類似度を取得する。選択部１０８は、テキスト情報とカテゴリに含まれるキーワードのそれぞれとの類似度であって、係数が乗算された類似度の平均値を導出する。そして、選択部１０８は、平均値が高い類似度に対応するカテゴリ「ガソリン」を、店舗のカテゴリとして選択する。このように、カテゴリ選択装置１００は、適切、且つ精度よく店舗のカテゴリを選択することができる。

また、係数は、特定のテキスト情報に対して、１以上の値が設定されてもよい。また、例えば、出現頻度が高いテキスト情報は、出現頻度が低いテキスト情報に比して、大きい係数が設定されてもよい。

また、類似度の計算において、形態素解析されたテキスト情報の順序に基づいて係数が設定されてもよい。例えば、形態素解析されたテキスト情報のうち、最初に出現するテキスト情報に対して、最も高い係数が対応付けられてもよい。また、例えば、形態素解析されたテキスト情報のうち、所定番目、または最後に出現するテキスト情報に対して、最も高い係数が対応付けられてもよい。最後とは、例えば、上述した不要な文言を排除した後に残ったテキスト情報のうち最後のテキスト情報である。

以上説明した第２の実施形態によれば、カテゴリ選択装置１００は、予め設定された係数を加味して、店舗のカテゴリを選択することにより、第１の実施形態の効果と同様の効果を奏すると共に、より精度よく店舗のカテゴリを選択することができる。

（第３の実施形態）
以下、第３実施形態について説明する。第３の実施形態のカテゴリ選択装置１００は、カテゴリ決定用情報１２６を複数種類備え、それぞれのカテゴリ決定用情報１２６を用いて計算した類似度を比較し、値の高い方を選択して、店舗のカテゴリを決定する。以下、第１の実施形態との相違点を中心に説明する。

第３の実施形態の記憶部１２０には、カテゴリ決定用情報１２４に代えて（または加えて）、第１のカテゴリ決定用情報１２４Ａ、および第２のカテゴリ決定用情報１２４Ｂが記憶されている。図１１は、第１のカテゴリ決定用情報１２４Ａ、および第２のカテゴリ決定用情報１２４Ｂの一例を示す図である。図示する例では、第１のカテゴリ決定用情報１２４Ａおよび第２のカテゴリ決定用情報１２４Ｂに含まれる情報のうち、一部の情報を示している。第１のカテゴリ決定用情報１２４Ａは、固有名詞であるキーワードに対してカテゴリが対応付けられた情報である。第２のカテゴリ決定用情報１２４Ｂは、固有名詞以外の名詞（例えば普通名詞）に対してカテゴリが対応付けられた情報である。

カテゴリ選択装置１００は、第１のカテゴリ決定用情報１２４Ａのカテゴリに含まれるキーワードとテキスト情報との類似度と、第２のカテゴリ決定用情報１２４Ｂに含まれるキーワードとテキスト情報との類似度とを比較して、店舗のカテゴリを選択する。

図１２は、第３の実施形態のカテゴリ選択装置１００により実行される処理の流れを示すフローチャートである。まず、解析部１０４が、通信部１０２を介してテキストグループを取得し（Ｓ２００）、テキストグループを形態素解析する（Ｓ２０２）。次に、解析部１０４は、形態素解析を行って分割したテキスト情報のうち、所在地などのカテゴリを選択するのに不要なテキスト情報を除外する（Ｓ２０４）。

次に、類似度取得部１０６が、テキスト情報を一つ選択する（Ｓ２０６）。次に、類似度取得部１０６は、第１のカテゴリ決定用情報１２４Ａに含まれるキーワードのそれぞれと対象テキスト情報との類似度を取得する（Ｓ２０８）。次に、選択部１０８は、カテゴリごとに、Ｓ２０８で取得した類似度の平均値を算出し、最も平均値が高いカテゴリと対象テキスト情報との組み合わせ（以下、第１の組み合わせ）を抽出する（Ｓ２１０）。

次に、類似度取得部１０６は、第２のカテゴリ決定用情報１２４Ｂに含まれるキーワードのそれぞれと対象テキスト情報との類似度を取得する（Ｓ２１２）。次に、選択部１０８は、カテゴリごとに、Ｓ２１２で取得した類似度の平均値を算出し、最も平均値が高いカテゴリと対象テキスト情報との組み合わせ（以下、第２の組み合わせ）を抽出する（Ｓ２１４）。

次に、選択部１０８が、第１の組み合わせと、第２の組み合わせとのうち、平均値が高い方の組み合わせを選択する（Ｓ２１６）。次に、類似度取得部１０６は、Ｓ２０６で全てのテキスト情報が選択されたか否かを判定する（Ｓ２１８）。

全てのテキスト情報を選択されていない場合、Ｓ２０６の処理に戻る。全てのテキスト情報が選択された場合、選択部１０８は、選択した組み合わせのうち、最も高い平均値を選択する（Ｓ２２０）。次に、選択部１０８は、選択した平均値が導出された組み合わせに対応するカテゴリを、テキストグループが表すカテゴリと判断する（Ｓ２２２）。これにより本フローチャートの１ルーチンの処理は終了する。上述した処理により、より精度よく店舗のカテゴリが選択される。

以上説明した第３の実施形態によれば、カテゴリ選択装置１００は、テキスト情報と第１のカテゴリ決定用情報１２４Ａに含まれるキーワードのそれぞれとの類似度と、テキスト情報と第２のカテゴリ決定用情報１２４Ｂに含まれるキーワードのそれぞれとの類似度とに基づいて、店舗のカテゴリを選択することにより、第１の実施形態の効果と同様の効果を奏すると共に、より精度よく店舗のカテゴリを選択することができる。

（第１〜第３の実施形態の利用形態）
以下、第１〜第３の実施形態の利用形態について説明する。第１〜第３の実施形態の利用形態のカテゴリ決定システム１Ｂは、選択した店舗のカテゴリに基づいて、利用者に配信する広告の内容を決定する。以下、この点について説明する。

図１３は、第１〜第３の実施形態の利用形態のカテゴリ決定システム１Ｂの構成図である。カテゴリ決定システム１Ｂは、第１の実施形態の構成に加え、一以上の端末装置４０と、広告配信サーバ５０とを備える。なお、広告配信サーバ５０と、カテゴリ選択装置１００Ｂとは一体にであってもよい。また、広告配信サーバ５０と、カテゴリ選択装置１００Ｂとは、「広告配信システム」の一例である。

端末装置４０は、利用者が使用するスマートフォンなどの携帯電話やタブレット端末、パーソナルコンピュータ、ＰＤＡ（Personal Digital Assistant）などである。

広告配信サーバ５０は、広告決定部５２と、記憶部５４とを備える。記憶部５４には、カテゴリ選択装置１００Ｂにより送信された利用者情報５６と、広告情報５８とが記憶されている。図１４は、広告情報５８の内容の一例を示す図である。広告情報５８は、例えば、カテゴリに対して、カテゴリに対応する広告の内容が対応付けられた情報である。例えば、カテゴリ「ガソリン」に対しては、ガソリンに関する広告であって、所定の店舗でガソリンの割引を受けられることを示す内容の広告が対応付けられている。

広告決定部５２は、広告情報５８を参照して、広告の内容を決定する。例えば、広告決定部５２は、利用者情報５６を参照して、対象の利用者に対応付けられたカテゴリの種別のうち種別の数が多いカテゴリや、選択されたカテゴリに対応付けられた利用金額の合計が最も大きいカテゴリを求める。そして、広告決定部５２は、広告情報５８を参照して、選択されたカテゴリの数が多いカテゴリや、利用金額の合計が最も大きいカテゴリに対応する広告の内容を、利用者に提供する広告の内容として決定する。例えば、広告決定部５２は、所定の利用者の支払い履歴情報において、カテゴリ「ガソリン」に対応する利用金額が他のカテゴリに対応する利用金額に比して多い場合、「ガソリン」に対応する広告の内容「Ａ」を広告の内容として決定する。広告決定部５２は、通信部１０２を介して、決定した広告の内容を利用者に対応する端末装置４０に送信する。

以上説明した第１〜第３の実施形態の利用形態によれば、カテゴリ選択装置１００Ｂは、判断した店舗のカテゴリの情報を、広告配信サーバ５０に送信することにより、広告配信サーバ５０がより効果的な広告を利用者に提供することができるように支援することができる。

（第４の実施形態）
以下、第４実施形態について説明する。第４の実施形態のカテゴリ決定システム１Ｃは、選択したカテゴリを家計簿アプリがインストールされた端末装置４０に送信する。以下、第１の実施形態との相違点を中心に説明する。

図１５は、第４の実施形態のカテゴリ決定システム１Ｃの機能構成を示す図である。本実施形態の決済情報提供装置３０は、店舗でクレジットカードが利用された際に、決済を行う決済サーバであるものとする。決済情報提供装置３０は、決済が完了した場合に、所定のタイミングで利用者ＩＤ、テキストグループ、利用日時、および利用金額を対応付けた情報をカテゴリ選択装置１００Ｃに送信する。また、カテゴリ決定システム１Ｃは、カテゴリ選択装置１００に代えて、カテゴリ選択装置１００Ｃを備える。カテゴリ選択装置１００Ｃは、カテゴリ選択装置１００の機能構成に加え、更にアプリ処理部１１２を備える。アプリ処理部１１２は、「送信処理部」の一例である。

選択部１０８は、例えば、決済が完了した場合に決済情報提供装置３０により送信された支払い履歴情報に含まれるテキストグループのカテゴリを選択する。アプリ処理部１１２は、選択部１０８により選択された店舗のカテゴリと、テキストグループに対応付けられた利用金額および利用日時とを対応付けて、端末装置４０に送信する。

また、端末装置４０の記憶部には、家計簿アプリ４２がインストールされている。家計簿アプリ４２は、電子的な家計簿の生成を支援するためのインターフェース画面を表示部に表示させたり、インターフェース画面を介して入力された情報を処理したりすることを、端末装置４０に実行させるプログラムである。また、家計簿アプリ４２は、カテゴリ選択装置１００Ｃにより送信された店舗のカテゴリと、テキストグループに対応付けられた利用金額および利用日時とを含むインターフェース画面ＩＭを表示部に表示させる。なお、本実施形態では、端末装置４０は、タッチパネルを有するスマートフォンであるものとして説明する。

図１６は、インターフェース画面ＩＭの一例を示す図である。インターフェース画面ＩＭは、決済内容表示領域ＡＲ１と、カテゴリ選択領域ＡＲ２と、決定ボタンＢ１と、変更決定ボタンＢ２とを含む。決済内容表示領域ＡＲ１は、カテゴリ選択装置１００Ｂにより送信された店舗のカテゴリと、カテゴリに対応付けられた利用金額および利用日時とを示す画像を含む。決定ボタンＢ１は、決済内容表示領域ＡＲ１に表示された内容を家計簿に反映することを決定するための操作ボタンである。カテゴリ選択装置１００Ｃにより選択されたカテゴリは、端末装置４０の表示部に自動的に表示される。これにより、利用者は、容易に店舗のカテゴリを決定して家計簿に反映させることができる。

カテゴリ選択領域ＡＲ２は、決済内容表示領域ＡＲ１に含まれるカテゴリを選択する選択アイコンを含む。利用者は、カテゴリ選択領域ＡＲ２内の画像を上下方向にスクロールさせることにより任意のカテゴリを選択することができる。変更決定ボタンＢ２は、カテゴリ選択領域ＡＲ２内の画像がスクロールされることにより選択されたカテゴリを家計簿に反映することを決定するための操作ボタンである。

また、端末装置４０は、変更決定ボタンＢ２が操作されて、選択したカテゴリを修正した場合、修正したカテゴリの情報に対応付けて、修正前のカテゴリの情報や利用者の情報をカテゴリ選択装置１００Ｃに送信する。カテゴリ選択装置１００Ｃは、上記の端末装置４０により送信された情報を取得し、蓄積することにより選択したカテゴリの正解度合や、誤ってカテゴリを選択した際の処理内容を認識することができる。そして、カテゴリ選択装置１００Ｃは、認識した処理結果に基づいて、対象テキスト情報に対して設定する係数の調整（または変更）や、カテゴリに含まれるキーワードの追加、削除、または修正などを実行し、カテゴリを選択する処理の精度を向上させることができる。

以上説明した第４の実施形態によれば、カテゴリ選択装置１００Ｃは、選択した店舗のカテゴリを端末装置４０に送信することにより、第１の実施形態が奏する効果と同様の効果を奏すると共に、利用者は、自らカテゴリを決定する必要がないため、利用者の利便性が向上する。

また、選択部１０８は、店舗のカテゴリを選択する際に、利用者の支払い履歴情報に含まれる店舗を示すテキスト情報に対応付けられた金額を加味して、店舗のカテゴリを決定してもよい。例えば、カテゴリ決定用情報１２４のカテゴリに対して、所定の金額の範囲が対応付けられている。選択部１０８は、店舗を示すテキスト情報に対応付けられた金額が、選択したカテゴリに対応付けられた金額の範囲内であれば、店舗のカテゴリを選択したカテゴリに確定する。選択部１０８は、金額の範囲を外れる場合、選択したカテゴリの次に類似度の平均値が高いカテゴリに店舗のカテゴリを確定できるか判定する。

例えば、選択されたカテゴリが「食料品」であり、「食料品」に対応付けられた金額の範囲が「１００円〜５０，０００円」であり、利用者の支払い金額が「１５０，０００円」であるものとする。この場合、選択部１０８は、利用者の支払い金額がカテゴリに対応付けられた金額の範囲を外れているため、カテゴリを「食料品」に確定せず、次に類似度の平均値が高いカテゴリに店舗のカテゴリを確定できるか判定する。また、上記の処理は、類似度が同程度のカテゴリが複数存在する場合に行われてもよい。

また、係数が、店舗のカテゴリと、支払い金額との組み合わせごとに設定されてもよい。例えば、店舗のカテゴリに対して予め設定された基準の金額範囲から利用者の支払い金額が逸脱する度合が大きくなる程、係数は、例えばゼロより小さい値に設定される。

以上説明した実施形態によれば、カテゴリ選択装置１００は、店舗を示すテキスト情報を取得する通信部１０２と、複数のカテゴリのそれぞれに一以上のキーワードが対応付けられたカテゴリ決定用情報１２４に含まれるキーワードと、通信部１０２により取得されたテキスト情報との類似度を取得する類似度取得部１０６と、類似度取得部１０６により取得された類似度に基づいて、店舗の一以上のカテゴリをカテゴリ決定用情報１２４に含まれるカテゴリの中から選択する選択部１０８とを備えることにより、より適切に店舗のカテゴリを選択することができる。

以上、本発明を実施するための形態について実施形態を用いて説明したが、本発明はこうした実施形態に何等限定されるものではなく、本発明の要旨を逸脱しない範囲内において種々の変形及び置換を加えることができる。

１、１Ａ、１Ｂ…カテゴリ決定システム、２０…ベクトル変換装置、３０…決済情報提供装置、５０…広告配信サーバ、１００、１００Ａ、１００Ｂ、１００Ｃ…カテゴリ選択装置、１０２…通信部、１０４‥解析部、１０５…ベクトル変換部、１０６…類似度取得部、１０８…選択部、１１２…アプリ処理部、１２０…記憶部、１２２…決済情報、１２４…カテゴリ決済用情報、１２６…利用者情報

Claims (13)

1. 少なくも二以上のワードを含む店舗を示すテキスト情報を取得する取得部と、
   複数のカテゴリのそれぞれに二以上のキーワードが対応付けられたカテゴリ決定用情報に含まれる前記キーワードのそれぞれと、前記二以上のワードのそれぞれとの類似度を取得する類似度取得部と、
   前記二以上のワードのそれぞれについて求められた類似度の平均をカテゴリごとに求め、前記ワードと前記カテゴリとの組み合わせごとの平均のうち最も大きい値を選択し、選択した値に係るカテゴリを選択する選択部と、
   を備えるカテゴリ選択装置。
2. 前記店舗を示すテキスト情報は、利用者の支払い履歴情報に含まれる情報である、
   請求項１に記載のカテゴリ選択装置。
3. 前記類似度取得部は、コーパス内における共起性に基づいて導出された、前記テキスト情報に含まれる前記ワードのそれぞれと前記キーワードのそれぞれとに対応する特徴ベクトルを取得し、
   前記特徴ベクトル同士の類似度を算出することで、前記キーワードのそれぞれと前記テキスト情報に含まれる前記ワードのそれぞれとの類似度を取得する、
   請求項１または請求項２に記載のカテゴリ選択装置。
4. 前記コーパスは、ネットワークを介して利用者に提供され且つ利用者によって編集される電子百科事典、ネットワークを介して利用者に提供されるニュース記事、またはネットワークを介して利用者に提供される掲示板に投稿された情報に含まれるテキスト群である、
   請求項３に記載のカテゴリ選択装置。
5. コーパス内における共起性に基づいて、前記コーパス内のワードに対応する特徴ベクトルを導出するベクトル導出部を更に備える、
   請求項１から４のうちいずれか１項に記載のカテゴリ選択装置。
6. 前記類似度取得部は、複数のカテゴリのそれぞれに一以上の固有名詞であるキーワードが対応付けられた第１のカテゴリ決定用情報に含まれる前記キーワードのそれぞれと、前記取得部により取得されたテキスト情報に含まれる前記二以上のワードのそれぞれとの第１の類似度を取得し、複数のカテゴリのそれぞれに一以上の固有名詞とは異なるキーワードが対応付けられた第２のカテゴリ決定用情報に含まれる前記キーワードのそれぞれと、前記取得部により取得されたテキスト情報に含まれる前記二以上のワードのそれぞれとの第２の類似度を取得し、
   前記選択部は、前記類似度取得部により取得された第１の類似度および第２の類似度に基づいて、前記店舗の一以上のカテゴリを、前記第１のカテゴリ決定用情報と前記第２のカテゴリ決定用情報に含まれるカテゴリの中から選択する、
   請求項１から５のうちいずれか１項に記載のカテゴリ選択装置。
7. 前記選択部は、前記二以上のワードのそれぞれについて求められた第１の類似度の平均をカテゴリごとに求め、前記二以上のワードのそれぞれについて求められた第２の類似度の平均をカテゴリごとに求め、前記ワードと前記カテゴリとの組み合わせごとの平均のうち最も大きい値を選択し、選択した値に係るカテゴリを選択する、
   請求項６に記載のカテゴリ選択装置。
8. 前記類似度取得部は、前記キーワードに対して係数を乗算することで類似度を取得する、
   請求項１から７のうちいずれか１項に記載のカテゴリ選択装置。
9. 前記係数は、対象データにおける前記キーワードの出現頻度に基づいて設定される、
   請求項８に記載のカテゴリ選択装置。
10. 前記店舗を示すテキスト情報は、利用者の支払い履歴情報に含まれる情報であり、
    前記選択部により選択されたカテゴリと、前記利用者の支払い履歴情報に含まれる支払い金額とを対応付けた情報を、前記利用者が保持する端末装置に送信する送信処理部を更に備える、
    請求項１から９のうちいずれか１項に記載のカテゴリ選択装置。
11. 請求項１から８のうちいずれか１項に記載のカテゴリ選択装置と、
    前記選択部により選択されたカテゴリに基づいて、利用者に提供する広告の内容を決定する広告配信サーバと、
    を備える広告配信システム。
12. コンピュータが、
    少なくも二以上のワードを含む店舗を示すテキスト情報を取得し、
    複数のカテゴリのそれぞれに二以上のキーワードが対応付けられたカテゴリ決定用情報に含まれる前記キーワードのそれぞれと、前記二以上のワードのそれぞれとの類似度を取得し、
    前記二以上のワードのそれぞれについて求められた類似度の平均をカテゴリごとに求め、前記ワードと前記カテゴリとの組み合わせごとの平均のうち最も大きい値を選択し、選択した値に係るカテゴリを選択する、
    カテゴリ選択方法。
13. コンピュータに、
    少なくも二以上のワードを含む店舗を示すテキスト情報を取得させ、
    複数のカテゴリのそれぞれに二以上のキーワードが対応付けられたカテゴリ決定用情報に含まれる前記キーワードのそれぞれと、前記二以上のワードのそれぞれとの類似度を取得させ、
    前記二以上のワードのそれぞれについて求められた類似度の平均をカテゴリごとに求め、前記ワードと前記カテゴリとの組み合わせごとの平均のうち最も大きい値を選択させ、選択させた値に係るカテゴリを選択させる、
    プログラム。

Images