JP6728621B2 - 成功支援システム、情報処理装置、方法およびプログラム - Google Patents

成功支援システム、情報処理装置、方法およびプログラム Download PDF

Info

Publication number
JP6728621B2
JP6728621B2 JP2015202279A JP2015202279A JP6728621B2 JP 6728621 B2 JP6728621 B2 JP 6728621B2 JP 2015202279 A JP2015202279 A JP 2015202279A JP 2015202279 A JP2015202279 A JP 2015202279A JP 6728621 B2 JP6728621 B2 JP 6728621B2
Authority
JP
Japan
Prior art keywords
information
attribute information
change
user
success rate
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
JP2015202279A
Other languages
English (en)
Other versions
JP2017076195A (ja
Inventor
雄介 大井
雄介 大井
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
NEC Corp
Original Assignee
NEC Corp
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by NEC Corp filed Critical NEC Corp
Priority to JP2015202279A priority Critical patent/JP6728621B2/ja
Priority to US15/291,547 priority patent/US20170103335A1/en
Publication of JP2017076195A publication Critical patent/JP2017076195A/ja
Application granted granted Critical
Publication of JP6728621B2 publication Critical patent/JP6728621B2/ja
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00—Machine learning
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N7/00—Computing arrangements based on specific mathematical models
    • G06N7/01—Probabilistic graphical models, e.g. probabilistic networks
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
    • G06Q10/06311—Scheduling, planning or task assignment for a person or group
    • G06Q10/063112—Skill-based matching of a person or a group to a task
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q30/00—Commerce
    • G06Q30/02—Marketing; Price estimation or determination; Fundraising
    • G06Q30/0281—Customer communication at a business location, e.g. providing product or service information, consulting
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
    • G06Q50/01—Social networking

Description

本発明は、人同士または事物同士の所定の目的に対する成功率の向上を支援する成功支援システム、情報処理装置、成功支援方法および成功支援プログラムに関する。
例えば、結婚相談所において、会員が入力した希望する条件に合う会員を紹介するマッチングサービスが広く普及している。
これらのマッチングサービスの多くは、会員が入力する氏名、年齢、学歴などの個人情報と、求める相手に希望する条件の２種類の情報を用いて、希望する条件に合致する相手を会員の中から検索し、抽出する。
例えば、特許文献１には、自己の属性と相手に求める属性を示す条件とを用いたマッチングサービスの一例が記載されている。特許文献１に記載のマッチングサービスは、一のユーザが相手に求める属性を示す条件に合致する属性のユーザを抽出し、さらに、抽出ユーザが相手に求める属性を示す条件に、上記の一のユーザの属性が合致するか否かを判定する。そして、合致すると判定された場合に、抽出ユーザに一のユーザの属性を通知する。
また、例えば、特許文献２には、利用者の固有データをスコアリング処理したスコアリングデータに基づいて、結婚相手を検索するマッチングサービスが記載されている。
特開２０１１−１１３５４６号公報 特開２００７−０９５０１１号公報
しかし、双方の希望が合っている場合であっても、高い成婚率となるとは限らない。また、自身の属性や条件の一部を変更すれば、成婚率が向上する場合もある。しかし、そのような希望条件から外れた紹介や、自身の属性や条件に対する変更のアドバイス等は、人の経験知によって行われているのが現状である。人の経験知といった主観的なアドバイスは根拠に乏しいため、より効果のあるマッチングサービスを行うためには、客観的なデータに基づくアドバイスを行うことが好ましい。
本発明は、上記に鑑みて、より効果のあるマッチングサービスが可能な成功支援システム、情報処理装置、成功支援方法および成功支援プログラムを提供することを目的とする。
本発明による情報処理装置は、人または事物同士による所定の目的に対する成功率と、対象とされた各人または各事物が有する属性情報との関係を示す情報を記憶する関係情報記憶手段と、関係情報記憶手段に記憶されている情報に基づいて、未知の組み合わせにおける少なくとも一方の人または事物が有する属性情報の少なくとも一部の変更を提案する提案手段とを備え、提案手段は、関係情報記憶手段に記憶されている情報に基づいて機械学習され生成されたモデルを用いて、入力された属性情報の組による所定の目的に対する成功率を推定する成功率推定手段と、任意の人または事物同士の組み合わせの指定を受け付けると、指定された組み合わせの少なくとも一方の属性情報の少なくとも一部を変化させ、変化に伴う成功率の変化をシミュレーションするシミュレーション手段と、シミュレーションの結果と推定された成功率とに基づいて、任意の人または事物同士の組み合わせにおける属性情報の組に対する変更箇所、変更内容または変更が、所定の目的に対する成功率の向上に与える寄与度を特定する分析手段とを含むことを特徴とする。
また、本発明による情報処理装置は、人または事物同士による所定の目的に対する成功率と、対象とされた各人または各事物が有する属性情報との関係を示す情報を記憶する関係情報記憶手段と、関係情報記憶手段に記憶されている情報に基づいて機械学習され生成されたモデルを用いて、入力された属性情報の組による所定の目的に対する成功率を推定する成功率推定手段と、任意の人または事物同士の組み合わせの指定を受け付けると、指定された組み合わせの少なくとも一方の属性情報の少なくとも一部を変化させ、変化に伴う成功率の変化をシミュレーションするシミュレーション手段と、シミュレーションの結果、および／または、結果と推定された成功率とに基づいて特定され、指定された組み合わせにおける属性情報の組に対する変更内容もしくは変更が、所定の目的に対する成功率の向上に与える寄与度を表示する表示手段とを備えたことを特徴とする。
また、本発明による成功支援システムは、所定の目的に対する成否を判別可能な人または事物同士の組み合わせにおける各人または各事物が有する属性情報の組を学習データに用いて、任意の人または事物同士による所定の目的に対する成功率と、組み合わせの対象とされた各人または各事物が有する属性情報との関係を機械学習する学習手段と、学習された属性情報と成功率との関係に基づいて、入力された属性情報の組による所定の目的に対する成功率を推定する成功率推定手段と、任意の人または事物同士の組み合わせの指定を受け付けると、指定された組み合わせの少なくとも一方の属性情報の少なくとも一部を変化させ、変化に伴う成功率の変化をシミュレーションするシミュレーション手段と、シミュレーションの結果、および／または、結果と推定された成功率とに基づいて特定され、指定された組み合わせにおける属性情報の組に対する変更内容もしくは変更が、所定の目的に対する成功率の向上に与える寄与度を表示する表示手段とを備えたことを特徴とする。
また、本発明による成功支援方法は、情報処理装置が、所定の記憶手段に記憶されている情報であって、人または事物同士による所定の目的に対する成功率と、対象とされた各人または各事物が有する属性情報との関係を示す情報に基づいて、未知の組み合わせにおける少なくとも一方の人または事物が有する属性情報の少なくとも一部の変更を提案し、提案は、記憶されている情報に基づいて機械学習され生成されたモデルを用いて、入力された属性情報の組による所定の目的に対する成功率を推定し、任意の人または事物同士の組み合わせの指定を受け付けると、指定された組み合わせの少なくとも一方の属性情報の少なくとも一部を変化させ、変化に伴う成功率の変化をシミュレーションし、シミュレーションの結果と推定された成功率とに基づいて、任意の人または事物同士の組み合わせにおける属性情報の組に対する変更箇所、変更内容または変更が、所定の目的に対する成功率の向上に与える寄与度を特定することを含むことを特徴とする。
また、本発明による成功支援プログラムは、コンピュータに、所定の記憶手段に記憶されている情報であって、人または事物同士による所定の目的に対する成功率と、対象とされた各人または各事物が有する属性情報との関係を示す情報に基づいて、未知の組み合わせにおける少なくとも一方の人または事物が有する属性情報の少なくとも一部の変更を提案する処理を実行させ、提案する処理は、記憶されている情報に基づいて機械学習され生成されたモデルを用いて、入力された属性情報の組による所定の目的に対する成功率を推定する処理と、任意の人または事物同士の組み合わせの指定を受け付けると、指定された組み合わせの少なくとも一方の属性情報の少なくとも一部を変化させ、変化に伴う成功率の変化をシミュレーションする処理と、シミュレーションの結果と推定された成功率とに基づいて、任意の人または事物同士の組み合わせにおける属性情報の組に対する変更箇所、変更内容または変更が、所定の目的に対する成功率の向上に与える寄与度を特定する処理とを実行させることを特徴とする。
本発明によれば、より効果のあるマッチングサービスを実現できる。
第１の実施形態の成功支援システムの構成例を示すブロック図である。 提案手段１２のより詳細な構成例を示すブロック図である。 第１の実施形態の成功支援システムの動作の一例を示すフローチャートである。 提案ステップのより詳細な動作の一例を示すフローチャートである。 成功支援システム１０の他の構成例を示すブロック図である。 成功支援システム１０の他の構成例を示すブロック図である。 第２の実施形態の成婚シミュレーションシステム１００の構成例を示すブロック図である。 希望条件のデータ構造の一例を示す説明図である。 利用者情報のデータ構造の一例を示す説明図である。 マッチング実績のデータ構造の一例を示す説明図である。 第１の推定結果（マッチング率予測結果）のデータ構造の一例を示す説明図である。 成婚実績のデータ構造の一例を示す説明図である。 第２の推定結果（成婚率予測結果）のデータ構造の一例を示す説明図である。 シミュレーション結果の表示方法の例を示す説明図である。 成婚シミュレーションシステム１００のマッチング学習ステップの動作の一例を示すフローチャートである。 成婚シミュレーションシステム１００の成婚学習ステップの動作の一例を示すフローチャートである。 成婚シミュレーションシステム１００のマッチング予測ステップの動作の一例を示すフローチャートである。 成婚シミュレーションシステム１００の成婚予測ステップの動作の一例を示すフローチャートである。 成婚シミュレーションシステム１００の成婚シミュレーションステップの動作の一例を示すフローチャートである。 シミュレーション結果の表示方法の他の例を示す説明図である。 シミュレーション結果の表示方法の他の例を示す説明図である。 シミュレーション結果の表示方法の他の例を示す説明図である。
実施形態１．
以下、本発明の実施形態について図面を参照して説明する。図１は、本発明の第１の実施形態にかかる成功支援システムの構成例を示すブロック図である。図１に示す成功支援システム１０は、関係情報記憶手段１１と、提案手段１２とを備える。
関係情報記憶手段１１は、人または事物同士による所定の目的に対する成功率と、対象とされた各人または各事物が有する属性情報との関係を示す情報を記憶する。
成功率は、例えば、成婚率であってもよい。なお、成功率は成婚率に限られず、例えば、デートといった成婚に至る過程における所定の目的に対する成功率であってもよいし、成婚に限らず、仕事等における組織的なプロジェクトの成功率等であってもよい。また、成功率を測る対象は人に限らず、例えば、動植物や微生物や化学物質等であってもよい。本実施形態において、成功率は、いわゆる相性に基づいて成否が左右されるような事項に対する成功の可能性を示すもの全般を対象とする。
また、属性情報は、対象とされた人や事物が有する性質や特徴、肩書等の固有の情報に限られず、例えば、対象とされる人や事物によって生成された物（文書等を含む）の情報を含んでいてもよい。
提案手段１２は、関係情報記憶手段１１に記憶されている情報に基づいて、未知の組み合わせにおける少なくとも一方の人または事物が有する属性情報の少なくとも一部の変更を提案する。
提案手段１２は、例えば、少なくとも一方の人または事物が有する属性情報に含まれる少なくとも一つの項目について変更後の内容と、関係情報記憶手段１１に記憶されている情報に基づいて推定される変更後の成功率とを提示することにより、変更を提案してもよい。
また、提案手段１２は、成功率が、会員登録されたユーザ同士による所定の目的に対する成功率といった、予め登録されているユーザ同士によるものである場合に、第１のユーザと、第１のユーザが指定した条件を満たす他のユーザとの組み合わせにおける成功率を向上させるための変更であって、第１のユーザが有する属性情報の少なくとも一部の変更を、提案してもよい。また、同様の目的における他の提案例として、提案手段１２は、例えば、他のユーザが有する属性情報に含まれ、第１のユーザが指定した条件に合致している少なくとも一つの項目の変更を、提案してもよい。
なお、上記の変更は、変更が可能な項目として指定された項目に対してのみ行われてもよい。
図２は、提案手段１２のより詳細な構成例を示すブロック図である。提案手段１２は、図２に示すように、成功率推定手段１２１と、シミュレーション手段１２２と、分析手段１２３とを含んでいてもよい。
成功率推定手段１２１は、属性情報の組が入力されると、入力された属性情報の組と、関係情報記憶手段１１に記憶されている情報とに基づいて、当該属性情報の組による所定の目的に対する成功率を推定する。
シミュレーション手段１２２は、任意の人または事物同士の組み合わせの指定を受け付けると、指定された組み合わせの少なくとも一方の属性情報の少なくとも一部を変化させ、当該変化に伴う成功率の変化をシミュレーションする。
分析手段１２３は、シミュレーションの結果に基づいて、任意の人または事物同士の組み合わせによる所定の目的に対する成功率を向上させるための当該組み合わせによる属性情報の組に対する変更箇所や該箇所における変更内容や該変更に対する寄与度を特定する。
提案手段１２は、図２に示す構成において、例えば、分析手段１２３が特定した変更箇所や該箇所における変更内容や該変更に対する寄与率とともに、変更後の成功率を表示することにより、変更を提案してもよい。
図３は、本実施形態の動作の一例を示すフローチャートである。図３に示す例では、例えば、提案手段１２は、成功率が未知の任意の組み合わせが指定されると、関係情報記憶手段１１に記憶されている、人または事物同士による所定の目的に対する成功率と、対象とされた各人または各事物が有する属性情報との関係を示す情報を読み出す（ステップＳ１１）。このとき、提案手段１２は、指定された未知の組み合わせの対象とされた各人または各事物が有する属性情報を、併せて読み出してもよい。
そして、提案手段１２は、関係情報記憶手段１１に記憶されている、人または事物同士による所定の目的に対する成功率と、対象とされた各人または各事物が有する属性情報との関係を示す情報に基づいて、指定された未知の組み合わせにおける少なくとも一方の人または事物が有する属性情報の少なくとも一部の変更を提案する（ステップＳ１２）。ステップＳ１２において、提案手段１２は、指定された未知の組み合わせの少なくとも一方の属性情報の少なくとも一部を変化させ、属性情報の変化に伴う成功率の変化を分析し、その結果特定される、成功率の向上のための変更箇所や該箇所における変更内容や該変更に対する寄与率を表示して、変更を提案してもよい。
図４は、図３のステップＳ１２の提案ステップのより詳細な動作の一例を示すフローチャートである。図４に示す例では、提案手段１２（例えば、シミュレーション手段１２２）は、未知の組み合わせが指定されると、当該組み合わせの対象とされた各人または各事物の属性情報からなる属性情報の組を設定する（ステップＳ１２１）。
次に、提案手段１２（例えば、シミュレーション手段１２２）は、成功率推定手段１２１を使用して、設定された属性情報の組による成功率を予測（推定）する（ステップＳ１２２）。シミュレーション手段１２２は、例えば、まず最初に当該組み合わせの対象とされた各人または各事物の現在の属性情報からなる属性情報の組による成功率を推定させてもよい。
次に、提案手段１２（例えば、シミュレーション手段１２２）は、少なくとも一方の属性情報の少なくとも一部を変化させ、属性情報の変化に伴う成功率の変化をシミュレーションする（ステップＳ１２３、ステップＳ１２２に戻る）。シミュレーション手段１２２は、例えば、所定回数または変更可能な全ての項目に対して、上記変更を行った後、ステップＳ１２４に進む。
ステップＳ１２４において、提案手段１２（例えば、分析手段１２３）が、シミュレーション結果を分析し、例えば、指定された組み合わせによる所定の目的に対する成功率を向上させるための属性情報の組に対する変更箇所、変更内容または変更に対する寄与度を特定する。
最後に、提案手段１２（例えば、分析手段１２３）は、分析結果を表示する（ステップＳ１２５）。ステップＳ１２５では、分析手段１２３は、例えば、特定された属性情報の組に対する変更箇所、変更内容または変更に対する寄与度を表示してもよい。
このような構成によれば、人の経験知ではなく過去の実績という客観的データに基づいて、現状の属性情報の組み合わせだけでなく、一部の属性情報を変更した後の属性情報の組み合わせにおける成功率も考慮した提案ができるため、より効果のあるマッチングサービスを提供することができる。
また、図５は、成功支援システム１０の他の構成例を示すブロック図である。成功支援システム１０は、例えば、第１の人または事物が指定する、他の人または事物の属性情報に対する希望条件に基づいて、成功率のシミュレーション対象とする他の人または事物を絞り込む候補者選定手段１３を、さらに備えていてもよい。
また、成功支援システム１０は、例えば、所定の目的に対する成否を判別可能な人または事物同士の組み合わせにおける各人または各事物が有する属性情報との組を学習データに用いて、任意の人または事物同士による所定の目的に対する成功率と、組み合わせの対象とされた各人または各事物が有する属性情報との関係を機械学習する学習手段１４をさらに備えていてもよい。そのような学習手段１４を備えることによって、入力データの次元数が膨大であっても学習が可能になる。なお、入力データの次元数は、例えば、１０００以上であってもよいし、１００００以上であってもよい。
また、図６は、成功支援システム１０の他の構成例を示すブロック図である。図６に示すように、成功支援システム１０は、分析手段１２３に代えて、シミュレーションの結果を表示する表示手段１５を備えていてもよい。なお、表示手段１５は、分析手段１２３のように、シミュレーションの結果に基づいて特定される、指定された属性情報の組による所定の目的に対する成功率を向上させるための当該属性情報の組に対する変更箇所や該箇所における変更内容や該変更に対する寄与度を表示してもよい。
また、図６に示す構成に、上記の候補者選定手段１３や学習手段１４が追加されてもよい。
本実施形態において、関係情報記憶手段１１は、例えば、記憶装置によって実現される。また、提案手段１２や、候補者選定手段１３や、学習手段１４は、例えば、プログラムに従って動作する情報処理装置によって実現される。また、表示手段１５は、例えば、プログラムに従って動作する情報処理装置と、ディスプレイなどの表示装置とによって実現される。
実施形態２．
次に、本発明の第２の実施形態について説明する。なお、以下では、成功率が成婚率である場合を例に用いて説明を行うが、成功率は成婚率に限られない。
図７は、本実施形態の成婚シミュレーションシステム１００の構成例を示すブロック図である。なお、成婚シミュレーションシステム１００は、第１の実施形態の成功支援システム１０の他の例に相当する。図７に示す成婚シミュレーションシステム１００は、希望条件記憶部２１と、第１のデータ加工部２２と、マッチング実績記憶部２３と、第１の学習部２４と、マッチング学習モデル記憶部２５と、マッチングスコア推定部２６と、第１の推定結果記憶部２７と、利用者情報記憶部２８と、第２のデータ加工部２９と、成婚実績記憶部３０と、第２の学習部３１と、成婚学習モデル記憶部３２と、成婚スコア推定部３３と、第２の推定結果記憶部３４と、シミュレーション部３５とを備えている。
また、第１のデータ加工部２２は、希望条件前処理部２２１と、希望条件特徴抽出部２２２とを含む。また、第１の学習部２４は、マッチング実績前処理部２４１と、マッチング実績学習部２４２とを含む。また、第２のデータ加工部２９は、利用者情報前処理部２９１と、利用者情報特徴抽出部２９２とを含む。また、第２の学習部３１は、成婚実績前処理部３１１と、成婚実績学習部３１２とを含む。
成婚シミュレーションシステム１００は、例えば、パーソナルコンピュータといった情報処理端末やサーバ装置などの情報処理装置と、該情報処理装置がアクセス可能なデータベースシステム等の記憶装置群とによって実現される。このとき、第１のデータ加工部２２、第１の学習部２４、マッチングスコア推定部２６、第２のデータ加工部２９、第２の学習部３１、成婚スコア推定部３３およびシミュレーション部３５は、例えば、情報処理装置が備えるＣＰＵによって実現されてもよい。その場合、該ＣＰＵは、所定の記憶装置に記憶された各処理部の動作を記述したプログラムを読み出し、該プログラムに従って動作することによって各処理部の機能を実現する。また、希望条件記憶部２１、マッチング実績記憶部２３、マッチング学習モデル記憶部２５、第１の推定結果記憶部２７、利用者情報記憶部２８、成婚実績記憶部３０、成婚学習モデル記憶部３２、第２の推定結果記憶部３４は、例えば、情報処理装置がアクセス可能な記憶装置群によって実現されてもよい。なお、記憶装置は１つであっても複数であっても構わない。
希望条件記憶部２１は、マッチングサービスを受ける利用者（以下、単に利用者という）が、相手に希望する条件である希望条件を保持する。希望条件の例としては、各利用者の属性情報の一部として保持される、年齢、身長、体重、性格などが挙げられる。
図８は、希望条件記憶部２１が保持する希望条件のデータ構造の一例を示す説明図である。希望条件記憶部２１は、例えば、図８に示すように、利用者の識別情報としての会員ＩＤと対応づけて、相手側に希望する、年齢や身長や体重や年収といった属性情報の少なくとも一部の項目の内容を指定する情報を保持してもよい。
利用者情報記憶部２８は、利用者の属性情報である利用者情報を保持する。利用者情報の例としては、氏名、年齢、性別、学歴などの個人の情報が挙げられる。また、利用者情報は、ＳＮＳ（Social Networking Service）等を利用して利用者が生成した情報等を含んでいてもよい。
図９は、利用者情報記憶部２８が保持する利用者情報のデータ構造の一例を示す説明図である。図９に示すように、利用者情報記憶部２８は、例えば、利用者情報として、利用者の識別情報である会員ＩＤと対応づけて、当該利用者の氏名や、年齢や、性別や、身長や、テキスト形式のプロフィールデータを保持してもよい。なお、利用者情報は、利用者の希望条件に関する情報を含んでいてもよい。
第１のデータ加工部２２は、指定された希望条件を、第１の学習部２４が扱うことが可能な形式のデータに加工する。
本実施形態では、希望条件前処理部２２１は、例えば、希望条件特徴抽出部２２２からの命令を基に、指定された利用者の希望条件を含むレコードを希望条件記憶部２１から読み出し、希望条件ベクトルを生成してもよい。ここで、希望条件ベクトルは、希望条件を、数値からなる多次元ベクトルで表現したものである。
また、希望条件特徴抽出部２２２は、例えば、希望条件前処理部２２１が生成した希望条件ベクトルから特徴抽出を行い、希望条件特徴ベクトルを生成する。ここで、希望条件特徴ベクトルは、希望条件ベクトルの次元数よりも少ない次元数の数値ベクトルであればよい。
第２のデータ加工部２９は、指定された利用者情報を、第２の学習部３１が扱うことが可能な形式のデータに加工する。
本実施形態では、利用者情報前処理部２９１は、例えば、利用者情報特徴抽出部２９２からの命令を基に、指定された利用者情報を含むレコードを利用者情報記憶部２８から読み出し、利用者情報条件ベクトルを生成してもよい。ここで、利用者ベクトルは、利用者情報を、数値からなる多次元ベクトルで表現したものである。
また、利用者情報特徴抽出部２９２は、利用者情報前処理部２９１が生成した利用者ベクトルから特徴抽出を行い、利用者特徴ベクトルを生成する。ここで、利用者特徴ベクトルは、利用者ベクトルの次元数より少ない次元数の数値ベクトルであればよい。
マッチング実績記憶部２３は、マッチング実績を保持する。マッチング実績を示す情報としては、例えば、ある利用者の希望条件と、該利用者の希望条件に合致した利用者の利用者情報とを対応づけた情報が挙げられる。また、マッチング実績を示す情報の他の例としては、ある利用者の希望条件と、該利用者の希望条件に合致しなかった利用者の利用者情報とを対応づけた情報が挙げられる。また、マッチング実績を示す情報の他の例としては、ある利用者の希望条件と、他の利用者の利用者情報と、希望条件に合致したか否かを示す情報とを対応づけた情報が挙げられる。
図１０は、マッチング実績記憶部２３が保持するマッチング実績のデータ構造の一例を示す説明図である。図１０に示すように、マッチング実績記憶部２３は、例えば、マッチング実績として、過去にマッチングの判定を行ったペアについて、希望条件を出した利用者の会員ＩＤ（希望条件特定情報）と、該利用者のマッチング候補とされた利用者の会員ＩＤ（対象者特定情報）と、マッチングの判定結果を示す情報とを対応づけた情報を保持してもよい。
第１の学習部２４は、マッチング実績記憶部２３に記憶されているマッチング実績を示す情報に基づいて、任意の利用者の希望条件と他の任意の利用者の利用者情報との間における、マッチングの有無（より具体的には、利用者情報が希望条件に合致している度合いであるマッチングスコア）の関係を学習する。
本実施形態では、第１の学習部２４は、マッチング実績記憶部２３に記憶されているマッチング実績を示す情報を基に生成される、希望条件特徴ベクトルと利用者特徴ベクトルと合致したか否かのラベルとを含む情報を用いて、機械学習により、任意の希望条件と利用者情報との組み合わせに対して、マッチングスコアの関係を示すマッチング学習モデルを生成する。なお、第１の学習部２４は、ある利用者が希望する希望条件に対して、該希望条件に合致する利用者の利用者情報との組み合わせだけでなく、お互いの希望条件と利用者情報との組み合わせに対する、マッチングスコアの関係を示すマッチング学習モデルを生成してもよい。これは、例えば、希望条件を含む利用者情報の組み合わせに対して、マッチングスコアの関係を示すマッチング学習モデルを生成することであってもよい。
より具体的には、マッチング実績前処理部２４１は、マッチング実績学習部２４２からの命令に応じて、マッチング実績記憶部２３からマッチング実績を示す情報を読み出し、例えば、ラベル情報＜会員ＩＤ（希望条件特定情報）、会員ＩＤ（対象者特定情報）、合致したか否かを示す成否ラベル＞を生成する。
マッチング実績学習部２４２は、マッチング実績前処理部２４１が生成したラベル情報を基に、希望条件特徴抽出部２２２が生成した会員ＩＤ（希望条件特定情報）の希望条件特徴ベクトルと、利用者情報特徴抽出部２９２が生成した会員ＩＤ（対象者特定情報）の利用者特徴ベクトルとを用いて、学習データ＜希望条件特徴ベクトル、利用者特徴ベクトル、成否ラベル＞を生成し、機械学習により、マッチング学習モデルを生成する。
マッチング学習モデル記憶部２５は、第１の学習部２４（より具体的には、マッチング実績学習部２４２）による学習結果、より具体的には、マッチング学習モデルを示す情報を保持する。マッチング学習モデルを示す情報は、例えば、希望条件特徴ベクトルと利用者特徴ベクトルとの組と、マッチングスコアとの関係を示す情報であってもよい。
マッチングスコア推定部２６は、マッチング学習モデル記憶部２５に記憶されている、第１の学習部２４による学習結果（マッチング学習モデルを示す情報）を読み出し、未知の会員ＩＤの組が示す、未知の希望条件と利用者情報との組み合わせに対して、マッチングスコアを推定（算出）する。なお、マッチングスコア推定部２６は、候補とされた利用者同士の希望条件と利用者情報との組み合わせに対するマッチングスコアを算出してもよい。例えば、マッチングスコア推定部２６は、候補とされた利用者同士の希望条件と利用者情報との組み合わせに対するマッチングスコアの関係を学習した学習モデルを用いて、マッチングスコアを算出してもよい。また、例えば、マッチングスコア推定部２６は、指定された利用者の希望条件と他の利用者の利用者情報との組み合わせに対して、第１のマッチングスコアを算出し、さらに、当該他の利用者の希望条件と指定された利用者の利用者情報との組み合わせに対して、第２のマッチングスコアを算出し、これらを足し合わせたものを最終的なマッチングスコアとしてもよい。
第１の推定結果記憶部２７は、第１の推定結果として、マッチングスコア推定部２６が算出したマッチングスコアを、算出対象とした会員ＩＤの組とともに保持する。
図１１は、第１の推定結果記憶部２７が保持する第１の推定結果（マッチング率予測結果）のデータ構造の一例を示す説明図である。図１１に示すように、第１の推定結果記憶部２７は、例えば、マッチングスコアを算出した利用者の組み合わせについて、希望条件を出した利用者を特定する会員ＩＤと、その希望条件に対してマッチングスコアの算出対象とされた利用者を特定する会員ＩＤと、マッチングスコアとを対応づけた情報を保持してもよい。
成婚実績記憶部３０は、成婚実績を保持する。成婚実績を示す情報としては、例えば、過去に成婚に至った会員同士の組み合わせについて、一方の会員の会員ＩＤと、他方の会員の会員ＩＤとを対応づけた情報が挙げられる。また、成婚実績を示す情報の他の例としては、過去に成婚に至らなかった会員同士の組み合わせについて、一方の会員の会員ＩＤと、他方の会員の会員ＩＤとを対応づけた情報が挙げられる。また、成婚実績を示す情報の他の例としては、過去に紹介を行った会員同士の組み合わせについて、一方の会員の会員ＩＤと、他方の会員の会員ＩＤと、成婚に至ったか否かを示す情報とを対応づけた情報が挙げられる。なお、これらの情報に限らず、成婚実績を示す情報は、さらに、紹介した日時や、成婚に至った場合の成婚に至った日時や、成婚に至らなかった場合のその決断に至った日時の情報などを含んでいてもよい。
図１２は、成婚実績記憶部３０が保持する成婚実績のデータ構造の一例を示す説明図である。図１２に示すように、成婚実績記憶部３０は、成婚に至った会員の組み合わせについて、両会員の会員ＩＤと、成婚成立日時とを含む情報を保持してもよい。
第２の学習部３１は、成婚実績記憶部３０に記憶されている成婚実績を示す情報に基づいて、任意の利用者と他の任意の利用者との間における、成婚の有無（より具体的には、成婚に至る可能性を示す成婚スコア）の関係を学習する。
本実施形態では、第２の学習部３１は、成婚実績記憶部３０に記憶されている成婚実績を示す情報を基に生成される、第１の利用者特徴ベクトルと第２の利用者ベクトルと成婚したか否かを示す成否ラベルとを含む情報を用いて、機械学習により、任意の利用者情報の組み合わせに対して、成婚スコアの関係を示す成婚学習モデルを生成する。
より具体的には、成婚実績前処理部３１１は、成婚実績学習部３１２からの命令に応じて、成婚実績記憶部３０から成婚実績を示す情報を読み出し、ラベル情報＜会員ＩＤ（第１対象者特定情報）、会員ＩＤ（第２対象者特定情報）、成婚したか否かを示す成否ラベル＞を生成する。
成婚実績学習部３１２は、利用者情報特徴抽出部２９２が生成したラベル情報を基に、過去に成婚に関する実績のあった一方の利用者の利用者特徴ベクトル（第１対象者の利用者特徴ベクトル）と、他方の利用者の利用者特徴ベクトル（第２対象者の利用者特徴ベクトル）とを用いて、学習データ＜第１対象者の利用者特徴ベクトル、第２対象者の利用者特徴ベクトル、成否ラベル＞を生成し、機械学習により、成婚学習モデルを生成する。このとき、成婚実績学習部３１２は、利用者情報の各項目が成婚スコアに与える重みを学習し、その学習結果を成婚学習モデルに含めてもよい。
成婚学習モデル記憶部３２は、成婚実績学習部３１２の学習結果、より具体的には、成婚学習モデルを示す情報を保持する。成婚学習モデルを示す情報は、例えば、任意の利用者特徴ベクトルの組と、成婚スコアとの関係を示す情報であってもよい。
成婚スコア推定部３３は、成婚学習モデル記憶部３２に記憶されている、第２の学習部３１による学習結果（成婚学習モデルを示す情報）を読み出し、指定された会員ＩＤの組が示す、未知の２利用者の利用者情報の組み合わせに対して、成婚スコアを推定（算出）する。
本実施形態では、成婚スコア推定部３３は、第１の推定結果記憶部２７から第１の推定結果を読み出し、指定された利用者（第３対象者）の希望条件に合致しているまたは合致している度合いの高い他の利用者（第４対象者）を、成婚スコアの推定を行う候補者とする。より具体的には、成婚スコア推定部３３は、指定された利用者（第３対象者）の希望条件に対してマッチングスコアが所定値以上または上位の、他の利用者（第４対象者）を候補者とする。そして、成婚スコア推定部３３は、第３対象者の利用者特徴ベクトルと、第４対象者の利用者特徴ベクトルを生成する。そして、成婚スコア推定部３３は、第３対象者の利用者特徴ベクトルと、第４対象者のうちの一の利用者の利用者特徴ベクトルの組に対して、成婚学習モデルを用いて、成婚スコアを推定（算出）する。
第２の推定結果記憶部３４は、第２の推定結果として、成婚スコア推定部３３が算出した成婚スコアを、算出対象とした会員ＩＤの組とともに保持する。
図１３は、第２の推定結果記憶部３４が保持する第２の推定結果（成婚率予測結果）のデータ構造の一例を示す説明図である。図１３に示すように、第２の推定結果記憶部３４は、例えば、成婚スコアを算出した利用者の組み合わせについて、第３対象者を特定する会員ＩＤと、第４対象者を特定する会員ＩＤと、成婚スコアとを対応づけた情報を保持してもよい。
シミュレーション部３５は、第２の推定結果記憶部３４から第２の推定結果を読み出し、ある利用者がマッチングスコアが上位の他の利用者と成婚する可能性に関して、シミュレーションを行う。
シミュレーション部３５は、例えば、ある利用者（第３対象者）の現在の利用者情報と、該利用者に対してマッチングスコアが上位の他の利用者（第４対象者）の現在の利用者情報の組み合わせによる成婚スコアを、当該相手との現時点での成婚率の予測結果として表示してもよい。その上で、シミュレーション部３５は、この予測結果を基に、各組み合わせにおける少なくとも一方の利用者情報を変化させて、該変化に伴う成婚スコアの変化の様子を分析する。このとき、シミュレーション部３５は、ある所定の相手との成婚スコアが最大となるまたはマッチングスコアが上位の相手との成婚スコアの合計が最大となるような第３対象者の利用者情報を探索し、その結果と、現在の利用者情報との差分を出力してもよい。
さらに、シミュレーション部３５は、変化させた利用者情報の変更箇所および変更後の内容を、第３対象者とされた利用者の目標設定として提示してもよい。また、シミュレーション部３５は、例えば、マッチングスコアに関わらず、希望条件の一部を満たす相手との成婚スコアの合計が最大となるような利用者情報の組み合わせを探索し、その結果と、現在の利用者情報の組み合わせとの差分を出力してもよい。このとき、変化させた第４対象者の利用者情報の変更箇所および変更後の内容を、第３対象者とされた利用者の希望条件の変更提案として提示してもよい。
図１４は、シミュレーション結果の表示方法の例を示す説明図である。図１４には、シミュレーションの結果、表示される情報の例として、利用者情報の差分表示の例が示されている。図１４に示すように、シミュレーション部３５は、希望条件を出した側の利用者（第３対象者）に対する変更の提案として、シミュレーションを行った相手側の利用者（第４対象者）の会員ＩＤと対応づけて、自身（第３対象者）の利用者情報の現在の値とともに、シミュレーションの結果特定される少なくとも一部の項目に対する目標設定値（変更後の値）を提示してもよい。なお、シミュレーション部３５は、目標設定値とともに、当該項目の重み（成婚スコアに対する影響度）を提示してもよい。該重みは、例えば、成婚実績学習部３１２が行う過去の実績を用いた機械学習により抽出されたものであってもよいし、シミュレーションの結果に基づき付与されるものであってもよい。
なお、本実施形態のマッチング実績記憶部２３、第１の学習部２４、マッチング学習モデル記憶部２５、マッチングスコア推定部２６および第１の推定結果記憶部２７は、第１の実施形態の候補者選定手段１３に対応している。また、成婚学習モデル記憶部３２は、第１の実施形態の関係情報記憶手段１１に対応している。また、第２の学習部３１は、第１の実施形態の学習手段１４に対応している。また、成婚スコア推定部３３およびシミュレーション部３５は、第１の実施形態の提案手段１２に対応している。
次に、本実施形態の動作について説明する。本実施形態の成婚シミュレーションシステム１００の動作は、マッチング学習ステップ、成婚学習ステップ、マッチング予測ステップ、成婚予測ステップ、成婚シミュレーションステップの５つのステップを含む。
マッチング学習ステップでは、主に、過去のマッチング実績に基づいて、希望条件と利用者情報との組み合わせに対するマッチングスコアの関係を機械学習し、その学習結果として、マッチング学習モデルを生成する。
成婚学習ステップでは、主に、過去の成婚実績に基づいて、利用者情報の組み合わせに対する成婚スコアの関係を機械学習し、その学習結果として、成婚学習モデルを生成する。
マッチング予測ステップでは、マッチング学習ステップでの学習結果を読み出し、指定された希望条件と利用者情報の組み合わせを用いて、会員同士のマッチングスコアを算出する。
成婚予測ステップでは、マッチング予測ステップでのマッチングスコアの算出結果と、成婚学習ステップでの学習結果とを読み出し、指定された利用者の利用者情報と該利用者に対してマッチングスコアが上位の他の利用者の利用者情報の組み合わせを用いて、会員同士の現在の利用者情報による成婚スコアを算出する。
成婚シミュレーションステップでは、成婚予測ステップで算出された、会員同士の現在の利用者情報による成婚スコアを読み出し、成婚スコアが高くなるような利用者情報の組み合わせをシミュレーションにより探索し、探索の結果得られる利用者情報の差分を基に、指定された利用者に対して成婚率を高めるための変更の提案を行う。
図１５は、成婚シミュレーションシステム１００のマッチング学習ステップの動作の一例を示すフローチャートである。図１５に示す例では、まず、マッチング実績前処理部２４１が、マッチング実績記憶部２３から過去の会員同士による希望条件と利用者情報とのマッチング結果の履歴であるマッチング実績を読み出し、ラベル情報＜会員ＩＤ（希望条件特定情報）、会員ＩＤ（対象者特定情報）、成否ラベル＞を生成する（ステップＳ１０１）。
次に、第１のデータ加工部２２、第２のデータ加工部２９および第１の学習部２４のマッチング実績学習部２４２が、ステップＳ１０３〜ステップＳ１０８の動作を、マッチング実績の件数分繰り返す（ステップＳ１０２、ステップＳ１０９）。
ステップＳ１０３では、希望条件前処理部２２１が、希望条件記憶部２１からステップＳ１０１で生成されたラベル情報によって示される利用者の希望条件を読み出し、希望条件ベクトルを生成する。ここでは、少なくとも、希望条件特定情報としての会員ＩＤが示す利用者の希望条件が読み込まれる。なお、互いの希望条件を考慮する場合には、対象者特定情報としての会員ＩＤが示す利用者の希望条件も併せて読み込んでもよい。希望条件前処理部２２１は、例えば、希望条件記憶部２１から希望条件特定情報としての会員ＩＤが一致するレコードを読み出し、該当レコードをベクトル形式に変換して希望条件ベクトルを生成する。
希望条件のベクトル化（数値化）は、例えば、次のように実施される。まず、希望条件前処理部２２１は、プロフィールなどのテキストで記述された項目は、形態素解析を用いて単語に分解し、単語が出現するかしないかを所定の数値（例えば０または１）でベクトル化する。テキスト以外の項目（身長、体重、学歴など）については、単語への分解を行わず、予め分類した所定の範囲に含まれるか否かを、上記と同様に、所定の数値でベクトル化を行う。
ステップＳ１０４では、希望条件特徴抽出部２２２が、ステップＳ１０３で生成された希望条件ベクトルを読み出し、読み出した希望条件ベクトルに対して特徴抽出を行い、希望条件特徴ベクトルを生成する。
ステップＳ１０５では、利用者情報前処理部２９１が、利用者情報記憶部２８からステップＳ１０１で生成されたラベル情報によって示される利用者の利用者情報を読み出し、利用者ベクトルを生成する。ここでは、少なくとも、対象者特定情報としての会員ＩＤが示す利用者の利用者情報が読み込まれる。なお、互いの希望条件を考慮する場合には、対象者特定情報としての会員ＩＤが示す利用者の利用者情報も併せて読み込んでもよい。利用者情報前処理部２９１は、例えば、利用者情報記憶部２８から会員ＩＤが一致するレコードを読み出し、該当レコードをベクトル形式に変換して利用者ベクトルを生成する。なお、利用者情報のベクトル化（数値化）は、ステップＳ１０３で示した希望条件ベクトルの生成方法と同様の方法で行えばよい。
ステップＳ１０６では、利用者情報特徴抽出部２９２が、ステップＳ１０５で生成された利用者ベクトルを読み出し、読み出した利用者ベクトルに対して特徴抽出を行い、利用者特徴ベクトルを生成する。
ステップＳ１０７およびステップＳ１０８では、マッチング実績学習部２４２が、ステップＳ１０４で生成された希望条件特徴ベクトルと、ステップＳ１０６で生成された利用者特徴ベクトルと、ステップＳ１０１で取得された成否ラベルとを用いて、マッチング学習モデルのモデルパラメータを調整する。
本実施形態では、マッチング実績学習部２４２は、まず、希望条件特徴ベクトルと利用者特徴ベクトルとのコサイン類似度を算出する（ステップＳ１０７）。次に、マッチング実績学習部２４２は、算出されたコサイン類似度と、成否ラベルとを用いて、モデルパラメータを更新する。なお、学習方法は上記に限られない。
マッチング実績の件数分、上記の処理を繰り返すと、マッチング実績学習部２４２は、最終的に調整されたモデルパラメータを、マッチング学習モデル記憶部２５に書き込み（ステップＳ１１０）、マッチング学習ステップを終了する。
図１６は、成婚シミュレーションシステム１００の成婚学習ステップの動作の一例を示すフローチャートである。
図１６に示す例では、まず、成婚実績前処理部３１１が、成婚実績記憶部３０から過去の会員同士の成婚結果の履歴である成婚実績を読み出し、ラベル情報＜会員ＩＤ（第１対象者特定情報）、会員ＩＤ（第２対象者特定情報）、成否ラベル＞を生成する（ステップＳ２０１）。
次に、第２のデータ加工部２９および第２の学習部３１のマッチング実績学習部２４２が、ステップＳ２０３〜ステップＳ２０８の動作を、マッチング実績の件数分繰り返す（ステップＳ２０２、ステップＳ２０９）。
ステップＳ２０３では、利用者情報前処理部２９１が、利用者情報記憶部２８からステップＳ２０１で生成されたラベル情報によって示される第１対象者の利用者情報を読み出し、利用者ベクトルを生成する。利用者情報前処理部２９１は、例えば、利用者情報記憶部２８から第１対象者特定情報としての会員ＩＤが一致するレコードを読み出し、該当レコードをベクトル形式に変換して利用者ベクトルを生成する。なお、利用者情報のベクトル化（数値化）は、ステップＳ１０５で示した利用者ベクトルの生成方法と同様の方法で行えばよい。
ステップＳ２０４では、利用者情報特徴抽出部２９２が、ステップＳ２０３で生成された利用者ベクトルを読み出し、読み出した利用者ベクトルに対して特徴抽出を行い、利用者特徴ベクトルを生成する。
ステップＳ２０５では、利用者情報前処理部２９１が、利用者情報記憶部２８からステップＳ２０１で生成されたラベル情報によって示される第２対象者の利用者情報を読み出し、利用者ベクトルを生成する。利用者情報前処理部２９１は、例えば、利用者情報記憶部２８から第２対象者特定情報としての会員ＩＤが一致するレコードを読み出し、該当レコードをベクトル形式に変換して利用者ベクトルを生成する。
ステップＳ２０６では、利用者情報特徴抽出部２９２が、ステップＳ２０５で生成された利用者ベクトルを読み出し、読み出した利用者ベクトルに対して特徴抽出を行い、利用者特徴ベクトルを生成する。
ステップＳ２０７およびステップＳ２０８では、成婚実績学習部３１２が、ステップＳ２０４で生成された利用者特徴ベクトルと、ステップＳ２０６で生成された利用者特徴ベクトルと、ステップＳ２０１で取得された成否ラベルとを用いて、成婚学習モデルのモデルパラメータを調整する。
本実施形態では、成婚実績学習部３１２は、まず、２つの利用者特徴ベクトル間のコサイン類似度を算出する（ステップＳ２０７）。次に、成婚実績学習部３１２は、算出されたコサイン類似度と、成否ラベルとを用いて、モデルパラメータを更新する。なお、学習方法は上記に限られない。
成婚実績の件数分、上記の処理を繰り返すと、成婚実績学習部３１２は、最終的に調整されたモデルパラメータを、成婚学習モデル記憶部３２に書き込み（ステップＳ２１０）、成婚学習ステップを終了する。
図１７は、成婚シミュレーションシステム１００のマッチング予測ステップの動作の一例を示すフローチャートである。
図１７に示す例では、まず、マッチングスコア推定部２６が、マッチング学習モデル記憶部２５からステップＳ１１０で書き込んだ調整済みのモデルパラメータを読み込む（ステップＳ３０１）。
次に、マッチングスコア推定部２６は、第１のデータ加工部２２に、成婚に関するシミュレーションを行う利用者（第３対象者）の希望条件から、希望条件特徴ベクトルの生成を依頼する（ステップＳ３０２に進む）。ここで、第３対象者は、例えば、本システムを利用するアドバイザーやユーザから指定される。
ステップＳ３０２では、希望条件前処理部２２１が、指定された第３対象者の希望条件を希望条件記憶部２１から読み出し、希望条件ベクトルを生成する。
次いで、ステップＳ３０３では、希望条件特徴抽出部２２２が、ステップＳ３０２で生成された希望条件ベクトルに対して特徴抽出を行い、希望条件特徴ベクトルを生成する。
次に、第２のデータ加工部２９およびマッチングスコア推定部２６は、第３対象者の相手候補とされる利用者の数分、ステップＳ３０５〜ステップＳ３０８の動作を繰り返す（ステップＳ３０４、ステップＳ３０９）。ここで、第３対象者の相手候補とされる利用者は、例えば、現在会員登録されている全ての異性の利用者であってもよい。例えば、マッチングスコア推定部２６が、第３対象者が指定されると、第３対象者に対して相手候補とされる利用者の会員ＩＤのリストを生成してもよい。
ステップＳ３０５では、利用者情報前処理部２９１が、リストに含まれる会員ＩＤを順番に取り出し、取り出した会員ＩＤが示す利用者の利用者情報を利用者情報記憶部２８から読み出して、利用者ベクトルを生成する。
ステップＳ３０６では、利用者情報特徴抽出部２９２が、ステップＳ３０４で生成された利用者ベクトルを読み出し、読み出した利用者ベクトルに対して特徴抽出を行い、利用者特徴ベクトルを生成する。
ステップＳ３０７では、マッチングスコア推定部２６が、ステップＳ３０１で読み出したモデルパラメータと、ステップＳ３０４で生成された希望条件特徴ベクトル、ステップＳ３０６で生成された利用者特徴ベクトルとを用いて、第３対象者とその相手候補とされた利用者との間のマッチングスコアを算出する。
ステップＳ３０８では、マッチングスコア推定部２６が、ステップＳ３０７での算出結果を、第１の推定結果記憶部２７に書き込む。マッチングスコア推定部２６は、例えば、＜会員ＩＤ（希望条件特定情報）、会員ＩＤ（対象者情報特定情報）、マッチングスコア＞の形式で、算出結果を第１の推定結果記憶部２７に書き込んでもよい。
相手候補者数分、上記の処理を繰り返すと、マッチングスコア推定部２６は、マッチング予測ステップを終了する。
図１８は、成婚シミュレーションシステム１００の成婚予測ステップの動作の一例を示すフローチャートである。
図１８に示す例では、まず、成婚スコア推定部３３が、成婚学習モデル記憶部３２からステップＳ２１０で書き込んだ調整済みのモデルパラメータを読み込む（ステップＳ４０１）。
次に、成婚スコア推定部３３は、第１の推定結果記憶部２７から、指定された第３対象者とのマッチングスコアの推定結果（第１の推定結果）から、上位Ｎ件のレコードを読み出す（ステップＳ４０２）。
次に、成婚スコア推定部３３は、第２のデータ加工部２９に、第３対象者の利用者特徴ベクトルの生成を依頼する（ステップＳ４０３に進む）。
ステップＳ４０３では、利用者情報前処理部２９１が、指定された第３対象者の利用者情報を利用者情報記憶部２８から読み出し、利用者ベクトルを生成する。
次いで、ステップＳ４０４では、利用者情報特徴抽出部２９２が、ステップＳ４０３で生成された利用者ベクトルに対して特徴抽出を行い、利用者特徴ベクトルを生成する。
次に、第２のデータ加工部２９および成婚スコア推定部３３は、第３対象者に対して成婚スコアの推定を行う相手候補者（第４対象者）の数分、ステップＳ４０６〜ステップＳ４０９の動作を繰り返す（ステップＳ４０５、ステップＳ４１０）。ここで、第４対象者は、例えば、ステップＳ４０２で読み出したマッチングスコアの上位Ｎ件において、第３対象者の相手候補者とされた利用者、より具体的には利用者特定情報としての会員ＩＤで示される利用者であってもよい。例えば、成婚スコア推定部３３が、第３対象者が指定されると、第４対象者とされる利用者の会員ＩＤのリストを生成してもよい。なお、Ｎの件数を調整することで、ユーザに、候補者として見せる会員数の調整が可能である。
繰り返し処理では、まず、成婚スコア推定部３３が、第２のデータ加工部２９に、第４対象者リストの中から利用者を順次指定して、利用者特徴ベクトルの生成を依頼する（ステップＳ４０６に進む）。
ステップＳ４０６では、利用者情報前処理部２９１が、指定された第４対象者の利用者情報を利用者情報記憶部２８から読み出し、利用者ベクトルを生成する。
ステップＳ４０７では、利用者情報特徴抽出部２９２が、ステップＳ４０６で生成された利用者ベクトルに対して特徴抽出を行い、利用者特徴ベクトルを生成する。
ステップＳ４０８では、成婚スコア推定部３３が、ステップＳ４０１で読み出したモデルパラメータと、ステップＳ４０４およびステップＳ４０７で生成された利用者特徴ベクトルとを用いて、第３対象者と指定された第４対象者との間の成婚スコアを算出する。
ステップＳ４０９では、成婚スコア推定部３３が、ステップＳ４０８での算出結果を、第２の推定結果記憶部３４に書き込む。成婚スコア推定部３３は、例えば、＜会員ＩＤ（第３対象者特定情報）、会員ＩＤ（第４対象者特定情報）、成婚スコア＞の形式で、算出結果を第２の推定結果記憶部３４に書き込んでもよい。
図１９は、成婚シミュレーションシステム１００の成婚シミュレーションステップの動作の一例を示すフローチャートである。
図１９に示す例では、まず、シミュレーション部３５が、第２の推定結果記憶部３４からステップＳ４０９で書き込んだ成婚スコアを読み込む（ステップＳ５０１）。
次に、シミュレーション部３５、第２のデータ加工部２９および成婚スコア推定部３３は、第３対象者に対して推定スコアの推定を行う相手候補者（第４対象者）の数分、ステップＳ５０３〜ステップＳ５０５の動作を繰り返す（ステップＳ５０２、ステップＳ５０６）。ここで、繰り返し回数を、ステップＳ５０１で第２の推定結果記憶部３４から読み出した成婚スコアの件数分としてもよい。
ステップＳ５０３では、シミュレーション部３５は、ステップＳ５０１で読み出した成婚スコアを一つ取り出し、当該成婚スコアの算出対象とされた利用者の組み合わせについて、利用者情報の変更を総当たりで行う。例えば、シミュレーション部３５は、取り出した成婚スコアの算出対象とされた利用者の各々の利用者特徴ベクトルを取得し、これら利用者特徴ベクトルのペアに含まれる要素を順番に変更させていってもよい。ここで、１回の変更の対象は１つの要素に限られない。また、変更の対象を変更可能とされる要素に限定してもよい。全ての変更を完了した場合、ステップＳ５０５に進む。
利用者情報の変更を行うと、シミュレーション部３５は、成婚スコア推定部３３に、変更後の利用者情報を用いて上述した成婚予測ステップの実施を要求する（ステップＳ５０４）。成婚スコア推定部３３は、シミュレーション部３５からの要求に応じて、指定された利用者情報を用いて成婚スコアを算出する。ただし、成婚スコア推定部３３は、成婚予測ステップのステップＳ４０９の動作は行わず、算出した成婚スコアを要求元に出力する。変更後の利用者情報による成婚スコアを受け取ると、シミュレーション部３５は、そのスコアと以前のスコアとを比較し、スコアが最大になった場合の利用者情報を保持する。
全ての変更を完了すると（ステップＳ５０３のＮｏ）、成婚スコアが最大となった利用者情報と変更前の利用者情報とを比較し、その差分を、不足パラメータとして記憶する（ステップＳ５０５）。
全ての相手候補者に対して上記の処理を完了すると、シミュレーション部３５は成婚シミュレーションステップを終了する。
図２０は、シミュレーション結果の表示方法の他の例を示す説明図である。シミュレーションの結果、希望条件を出した側の利用者（第３対象者）自身の利用者情報を変更すると成婚スコアが向上する場合、システムは、図２０に示すように、変更箇所と変更内容を表示して、第３対象者に、自身のパラメータの変更を促してもよい。すなわち、利用者が、自身のプロフィールを相手に合わせて変更できるよう、シミュレーション部３５は、自身のプロフィールの変更後に希望する相手との成婚率が高くなるプロフィールを利用者に提示してもよい。図２０に示す例では、希望する条件を満たす異性会員とのシミュレーションの結果、成婚スコアが高くなった場合のプロフィールを改善すべきプロフィールとして、現在のプロフィールとともに会員に提示している。このとき、変更後の希望条件とともに、変更後の希望条件に合致する相手プロフィールの情報や、当該相手との成婚スコアを併せて表示してもよい。
また、図２１は、シミュレーション結果の表示方法の他の例を示す説明図である。シミュレーションの結果、第３対象者の相手側とされる利用者（第４対象者）の利用者情報を変更すると成婚スコアが向上する場合、システムは、図２１に示すように、変更箇所と変更内容を表示して、第３対象者に、相手異性への希望条件の変更を促すことも可能である。すなわち、利用者が、自身のプロフィールのままでも成婚率が高くなるよう、シミュレーション部３５は、自身のプロフィールを固定した上で異性への希望条件の変更により成婚スコアが高くなる相手側プロフィールを利用者に提示してもよい。図２１に示す例では、希望条件の変更による異性会員とのシミュレーションの結果、成婚スコアが高くなった場合の希望条件を表示している。このようにすることで、成婚率を向上させるための希望条件の変更を会員に促している。このとき、変更後の希望条件とともに、変更後の希望条件に合致する相手プロフィールの情報や、当該相手との成婚スコアを併せて表示してもよい。
また、図２２は、シミュレーション結果の表示方法の他の例を示す説明図である。図２０および図２１は、現在のプロフィールまたは希望条件に対する変更箇所と変更後の内容を提示する例を示しているが、さらに変更箇所とされた項目の、変更に対する寄与度を提示してもよい。寄与度は、例えば、モデルパラメータによって示されるものであってもよいし、シミュレーション部３５が、成婚スコアのシミュレーションを行った結果、より成婚スコアが高くなるパラメータに高い寄与度を付与する方法で付与されたものであってもよい。図２２に示す例では、改善ポイントとして提案しているプロフィールの変更後の値だけではなく、当該改善が成婚スコアに与える影響度（寄与度）を利用者に提示している。このようにすることで、自身の改善ポイントに優先順位を付けることを可能としている。
以上のように、本実施形態によれば、希望する相手との相性にとって、現在の会員に足りないものを提示したり、具体的な変更内容や寄与度などの情報を提示することにより目標設定を行うことができる。また、本実施形態によれば、希望条件の一部を変更すれば成婚率を高められる場合に、そのような希望条件の変更の提案を行うことで、所定の目的（成婚）を達成できる可能性を高めることができる。
さらに、本実施形態によれば、自由記述のテキストを用いても、客観的にマッチングや成婚率の予測（実績に基づくスコアの算出）を行うことができる。また、希望条件と利用者情報とのマッチングのみを用いて候補者を選定する方法では、確実に双方の希望が一致しているとも限らず、また実際の相性が合っていない場合も存在する。希望条件として入力される情報としては、年齢、学歴、年収などの選択形式のものが多く、テキストで記述されたプロフィールなどは担当者が目視等で確認して条件に合っているかどうかを判断していた。これに対して、本実施形態によれば、テキストも利用した、個人や事物の情報を反映した相手候補の自動選定や、個人や事物の情報間のマッチング（成婚率）を行うことができ、さらには、組み合わせた情報のいずれか一方または双方の少なくとも一部を変更しながらその効果をシミュレーションしてその結果を利用者にフィードバックすることができる。
なお、上記の構成はあくまで一例であって、例えば、シミュレーションを行う相手側を特に選定しない場合、すなわち総当たりでシミュレーションを行う場合は、希望条件記憶部２１、第１のデータ加工部２２、第１の学習部２４、マッチング実績記憶部２３、マッチング学習モデル記憶部２５、マッチングスコア推定部２６および第１の推定結果記憶部２７は省略可能である。
また、利用者ベクトルや希望条件ベクトルから特徴抽出を行わずに、そのまま学習や予測（スコアの推定）に用いることも可能である。
また、希望条件を入力した利用者に対して、マッチングスコアが上位の異性会員との間の成婚スコアの算出結果によっては、シミュレーションを行わずに現在の利用者情報の組み合わせによる算出結果を表示するだけであってもよい。例えば、マッチングスコアが上位の異性会員との成婚スコアの平均が所定値以上である場合などは、シミュレーションステップを省略することも可能である。
また、パラメータの変更に関して、上記の例では、システムが利用者情報の変更を総当たりで行い、成婚率を最大化するパラメータを探索していたが、利用者が変更可能箇所を指定できるようにしてもよい。この場合は、上記の構成に、利用者から、パラメータの変更のシミュレーション対象とする項目の指定を受け付けるパラメータ変更ＧＵＩ部を追加してもよい。
また、パラメータの変更により、マッチング率（マッチングスコア）も変化するが、ある相手に対するマッチング順位を表示することで、当該会員の相対的な位置づけを把握することが可能となる。これにより、会員自身の向上のモチベーションを高めることができる。この場合、上記の構成に、マッチング順位を計算するマッチング順位計算部や、マッチング順位を出力する出力部を追加してもよい。
一般に、結婚相談所等に蓄積されている大量の会員データには、会員の個人情報だけでなく、希望する相手の条件や過去の成婚実績などの情報が含まれている。これらのデータを活用することで、希望条件を満たす相手の自動選定や、条件をある程度満たす相手との成婚率のシミュレーションなどを、人手を介さずに実現できる。
なお、上記の説明では、結婚相談事業を用いる会員同士のマッチング、および対象とされた会員の個人情報（希望条件を含む）の変更による成婚率のシミュレーションを行う例を示したが、本願発明は、個人同士や事物同士に限らず、個人と組織、個人と事物といった組み合わせにも適用可能である。例えば、分野を就職活動とし、組み合わせの対象を求職者と企業に変換することで、求職者が希望する企業に対して、現在の求職者に足りない部分や現在の求職者が採用される見込みの高い他の企業等を提示することができる。また、例えば、分野を組織的な活動とし、組み合わせの対象を、社員と、上司、プロジェクトチームまたは組織と変換してもよい。その場合、現在の社員や組織側（上司、プロジェクトチームまたは組織）に不足するスキルやタレントを抽出することで、社員の育成、移動、組織改正に活用できる。
以上、実施形態および実施例を参照して本願発明を説明したが、本願発明は上記実施形態および実施例に限定されるものではない。本願発明の構成や詳細には、本願発明のスコープ内で当業者が理解し得る様々な変更をすることができる。
本発明は、人または事物同士の相性等に起因する所定の目的に対する成功率を向上させるためだけでなく、人と事物や人と組織といったあらゆる組み合わせにおける所定の目的に対する構成率の向上、およびそのための改善目標の設定やモチベーションの向上などにも好適に適用可能である。
１０ 成功支援システム
１１ 関係情報記憶手段
１２ 提案手段
１２１ 成功率推定手段
１２２ シミュレーション手段
１２３ 分析手段
１５ 表示手段
１３ 候補者選定手段
１４ 学習手段
１００ 成婚シミュレーションシステム
２１ 希望条件記憶部
２２ 第１のデータ加工部
２２１ 希望条件前処理部
２２２ 希望条件特徴抽出部
２３ マッチング実績記憶部
２４ 第１の学習部
２４１ マッチング実績前処理部
２４２ マッチング実績学習部
２５ マッチング学習モデル記憶部
２６ マッチングスコア推定部
２７ 第１の推定結果記憶部
２８ 利用者情報記憶部
２９ 第２のデータ加工部
２９１ 利用者情報前処理部
２９２ 利用者情報特徴抽出部
３０ 成婚実績記憶部
３１ 第２の学習部
３１１ 成婚実績前処理部
３１２ 成婚実績学習部
３２ 成婚学習モデル記憶部
３３ 成婚スコア推定部
３４ 第２の推定結果記憶部
３５ シミュレーション部

Claims (12)

  1. 人または事物同士による所定の目的に対する成功率と、対象とされた各人または各事物が有する属性情報との関係を示す情報を記憶する関係情報記憶手段と、
    前記関係情報記憶手段に記憶されている情報に基づいて、未知の組み合わせにおける少なくとも一方の人または事物が有する属性情報の少なくとも一部の変更を提案する提案手段とを備え、
    前記提案手段は、
    前記関係情報記憶手段に記憶されている情報に基づいて機械学習され生成されたモデルを用いて、入力された属性情報の組による所定の目的に対する成功率を推定する成功率推定手段と、
    任意の人または事物同士の組み合わせの指定を受け付けると、指定された組み合わせの少なくとも一方の属性情報の少なくとも一部を変化させ、前記変化に伴う成功率の変化をシミュレーションするシミュレーション手段と、
    前記シミュレーションの結果と推定された前記成功率とに基づいて、任意の人または事物同士の組み合わせにおける属性情報の組に対する変更箇所、変更内容または変更が、所定の目的に対する成功率の向上に与える寄与度を特定する分析手段とを含む
    ことを特徴とする情報処理装置。
  2. 提案手段は、前記シミュレーションの結果と推定された前記成功率とに基づいて、少なくとも一方の人または事物が有する属性情報に含まれる少なくとも一つの項目についての変更後の内容と前記変更後の成功率とを提示することにより、変更を提案する
    請求項１に記載の情報処理装置。
  3. 提案手段は、第１のユーザと、前記第１のユーザが指定した条件を満たす他のユーザとの組み合わせにおける成功率を向上させるための変更であって、前記第１のユーザが有する属性情報の少なくとも一部の変更を、提案する
    請求項１または請求項２に記載の情報処理装置。
  4. 提案手段は、第１のユーザと、他のユーザとの組み合わせにおける成功率を向上させるための変更であって、前記他のユーザが有する属性情報に含まれ、前記第１のユーザが指定した条件に合致している少なくとも一つの項目の変更を、提案する
    請求項１から請求項３のうちのいずれか１項に記載の情報処理装置。
  5. 提案手段は、未知の組み合わせにおける成功率を向上させるための変更であって、対象とされた少なくとも一方の人または事物が有する属性情報に含まれる、変更が可能な項目として指定された項目のうちの少なくとも一つの項目の変更を提案する
    請求項１から請求項４のうちのいずれか１項に記載の情報処理装置。
  6. 第１の人または事物が指定する、他の人または事物の属性情報に対する希望条件に基づいて、成功率のシミュレーション対象とする他の人または事物を絞り込む候補者選定手段を備えた
    請求項１から請求項５のうちのいずれか1項に記載の情報処理装置。
  7. 人または事物同士による所定の目的に対する成功率と、対象とされた各人または各事物が有する属性情報との関係を示す情報を記憶する関係情報記憶手段と、
    前記関係情報記憶手段に記憶されている情報に基づいて機械学習され生成されたモデルを用いて、入力された属性情報の組による所定の目的に対する成功率を推定する成功率推定手段と、
    任意の人または事物同士の組み合わせの指定を受け付けると、指定された組み合わせの少なくとも一方の属性情報の少なくとも一部を変化させ、変化に伴う成功率の変化をシミュレーションするシミュレーション手段と、
    前記シミュレーションの結果、および／または、前記結果と前記推定された前記成功率とに基づいて特定され、前記指定された組み合わせにおける前記属性情報の組に対する変更内容もしくは該変更が、所定の目的に対する成功率の向上に与える寄与度を表示する表示手段とを備えた
    ことを特徴とする情報処理装置。
  8. 所定の目的に対する成否を判別可能な人または事物同士の組み合わせにおける各人または各事物が有する属性情報との組を学習データに用いて、任意の人または事物同士による所定の目的に対する成功率と、組み合わせの対象とされた各人または各事物が有する属性情報との関係を機械学習する学習手段を備えた
    請求項１から請求項７のうちのいずれか１項に記載の情報処理装置。
  9. 所定の目的に対する成否を判別可能な人または事物同士の組み合わせにおける各人または各事物が有する属性情報の組を学習データに用いて、任意の人または事物同士による所定の目的に対する成功率と、組み合わせの対象とされた各人または各事物が有する属性情報との関係を機械学習する学習手段と、
    前記学習された属性情報と成功率との前記関係に基づいて、入力された属性情報の組による所定の目的に対する成功率を推定する成功率推定手段と、
    任意の人または事物同士の組み合わせの指定を受け付けると、指定された組み合わせの少なくとも一方の属性情報の少なくとも一部を変化させ、変化に伴う成功率の変化をシミュレーションするシミュレーション手段と、
    前記シミュレーションの結果、および／または、前記結果と推定された前記成功率とに基づいて特定され、前記指定された組み合わせにおける前記属性情報の組に対する変更内容もしくは該変更が、所定の目的に対する成功率の向上に与える寄与度を表示する表示手段とを備えた
    ことを特徴とする成功支援システム。
  10. 情報処理装置によって実行される成婚シミュレーション方法であって、
    マッチングサービスを受ける利用者同士の成婚率と、利用者の属性情報との関係を示す情報に基づいて、利用者の未知の組み合わせにおける少なくとも一方の利用者の属性情報および／または利用者が相手に希望する希望条件の少なくとも一つの項目の変更を提案し、
    前記提案は、
    前記成婚率と前記利用者の属性情報との関係を示す情報に基づいて機械学習され生成されたモデルを用いて、入力された属性情報の組による成婚率を推定し、
    任意の利用者の組み合わせの指定を受け付けると、指定された組み合わせの少なくとも一方の属性情報の少なくとも一部を変化させ、前記変化に伴う成婚率の変化をシミュレーションし、
    前記シミュレーションの結果と推定された前記成婚率とに基づいて、任意の利用者の組み合わせにおける属性情報の組に対する変更箇所、変更内容または変更が、成婚率の向上に与える寄与度を特定することを含む
    ことを特徴とする成婚シミュレーション方法。
  11. 情報処理装置が、所定の記憶手段に記憶されている情報であって、人または事物同士による所定の目的に対する成功率と、対象とされた各人または各事物が有する属性情報との関係を示す情報に基づいて、未知の組み合わせにおける少なくとも一方の人または事物が有する属性情報の少なくとも一部の変更を提案し、
    前記提案は、
    前記記憶されている情報に基づいて機械学習され生成されたモデルを用いて、入力された属性情報の組による所定の目的に対する成功率を推定し、
    任意の人または事物同士の組み合わせの指定を受け付けると、指定された組み合わせの少なくとも一方の属性情報の少なくとも一部を変化させ、前記変化に伴う成功率の変化をシミュレーションし、
    前記シミュレーションの結果と推定された前記成功率とに基づいて、任意の人または事物同士の組み合わせにおける属性情報の組に対する変更箇所、変更内容または変更が、所定の目的に対する成功率の向上に与える寄与度を特定することを含む
    ことを特徴とする成功支援方法。
  12. コンピュータに、
    所定の記憶手段に記憶されている情報であって、人または事物同士による所定の目的に対する成功率と、対象とされた各人または各事物が有する属性情報との関係を示す情報に基づいて、未知の組み合わせにおける少なくとも一方の人または事物が有する属性情報の少なくとも一部の変更を提案する処理を実行させ、
    前記提案する処理は、
    前記記憶されている情報に基づいて機械学習され生成されたモデルを用いて、入力された属性情報の組による所定の目的に対する成功率を推定する処理と、
    任意の人または事物同士の組み合わせの指定を受け付けると、指定された組み合わせの少なくとも一方の属性情報の少なくとも一部を変化させ、前記変化に伴う成功率の変化をシミュレーションする処理と、
    前記シミュレーションの結果と推定された前記成功率とに基づいて、任意の人または事物同士の組み合わせにおける属性情報の組に対する変更箇所、変更内容または変更が、所定の目的に対する成功率の向上に与える寄与度を特定する処理とを含む
    ことを特徴とする成功支援プログラム。
JP2015202279A 2015-10-13 2015-10-13 成功支援システム、情報処理装置、方法およびプログラム Active JP6728621B2 (ja)

Priority Applications (2)

Application Number Priority Date Filing Date Title
JP2015202279A JP6728621B2 (ja) 2015-10-13 2015-10-13 成功支援システム、情報処理装置、方法およびプログラム
US15/291,547 US20170103335A1 (en) 2015-10-13 2016-10-12 Success support system, information processing device, method, and program

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
JP2015202279A JP6728621B2 (ja) 2015-10-13 2015-10-13 成功支援システム、情報処理装置、方法およびプログラム

Related Child Applications (1)

Application Number Title Priority Date Filing Date
JP2020112740A Division JP7006730B2 (ja) 2020-06-30 2020-06-30 情報処理装置、成功支援方法および成功支援プログラム

Publications (2)

Publication Number Publication Date
JP2017076195A JP2017076195A (ja) 2017-04-20
JP6728621B2 true JP6728621B2 (ja) 2020-07-22

Family

ID=58499690

Family Applications (1)

Application Number Title Priority Date Filing Date
JP2015202279A Active JP6728621B2 (ja) 2015-10-13 2015-10-13 成功支援システム、情報処理装置、方法およびプログラム

Country Status (2)

Country Link
US (1) US20170103335A1 (ja)
JP (1) JP6728621B2 (ja)

Families Citing this family (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2020095637A (ja) * 2018-12-14 2020-06-18 カルチュア・コンビニエンス・クラブ株式会社 会員に他の会員を紹介する装置、方法、およびプログラム
JP6644286B1 (ja) * 2019-02-07 2020-02-12 Ａｓｓｅｓｔ株式会社 保育所割当プログラム及びシステム
JP6551957B1 (ja) * 2019-04-25 2019-07-31 Ｂｍｊ株式会社 マッチング支援装置、マッチング支援方法及びプログラム
CN110781204B (zh) * 2019-09-09 2024-02-20 腾讯大地通途（北京）科技有限公司 目标对象的标识信息确定方法、装置、设备及存储介质
JP7476551B2 (ja) 2020-02-07 2024-05-01 富士フイルムビジネスイノベーション株式会社 情報処理装置およびプログラム
WO2022024279A1 (ja) * 2020-07-29 2022-02-03 Ｉｎｓｔｉｔｕｔｉｏｎ ｆｏｒ ａ Ｇｌｏｂａｌ Ｓｏｃｉｅｔｙ株式会社 情報管理システム及び情報管理方法
JP7007001B1 (ja) 2021-07-05 2022-01-24 おっとっと株式会社 情報提供サーバ装置および情報提供方法
JP7402282B2 (ja) 2021-07-28 2023-12-20 Ａｒｉｔｈｍｅｒ株式会社 情報処理装置、支援方法、プログラム及び海運会社選定支援方法

Family Cites Families (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2002342466A (ja) * 2001-05-21 2002-11-29 Keikosha Shumikkasei Nagoya Yobiko:Kk 入試情報提供システム
JP2002366788A (ja) * 2001-06-07 2002-12-20 Mitsubishi Electric Corp 仲介システム
JP5126641B2 (ja) * 2005-02-24 2013-01-23 新日鉄住金ソリューションズ株式会社 派遣業務管理装置、派遣業務管理システム、派遣業務管理方法及びプログラム
JP2009086820A (ja) * 2007-09-28 2009-04-23 Promise Co Ltd ネットオークションのマッチングシステム
JP5610608B2 (ja) * 2009-11-30 2014-10-22 楽天株式会社 情報提供装置および方法、並びにプログラム
JP2014232406A (ja) * 2013-05-29 2014-12-11 株式会社フォルト マッチング装置及びマッチング方法
JP6369053B2 (ja) * 2014-02-28 2018-08-08 日本電気株式会社 マッチング装置、マッチング方法及びプログラム

Also Published As

Publication number Publication date
JP2017076195A (ja) 2017-04-20
US20170103335A1 (en) 2017-04-13

Similar Documents

Publication Publication Date Title
JP6728621B2 (ja) 成功支援システム、情報処理装置、方法およびプログラム
US20230325691A1 (en) Systems and methods of processing personality information
Chen et al. Forecasting seasonal tourism demand using a multiseries structural time series method
Woodside Embrace• perform• model: Complexity theory, contrarian case analysis, and multiple realities
JP6666859B2 (ja) キャリア分析プラットフォーム
EP3623956A1 (en) Method and apparatus for obtaining recommendation information, and electronic device
US10803421B1 (en) System, method, and computer program for automatically predicting the job candidates most likely to be hired and successful in a job
US20170236095A1 (en) System and method for generating a career path
Antelio et al. Qualitocracy: A data quality collaborative framework applied to citizen science
KR20170027576A (ko) 연구 이력 매칭 기반의 연구자 추천 장치 및 방법
JP6655643B2 (ja) 学習支援システム、学習支援方法及び学習支援プログラム
JP6526849B1 (ja) 推定装置、推定方法および推定プログラム
Pereira et al. New insights into consumers’ intention to continue using chatbots in the tourism context
CN115146161A (zh) 一种基于内容推荐的个性化学习资源推荐方法及系统
US20170109411A1 (en) Assisted creation of a search query
JP2021064132A (ja) 質問文出力方法、コンピュータプログラム及び情報処理装置
Verma et al. Transformational leadership and organizational citizenship behaviour of cross-functional team members: empirical assessment of moderating and mediating effects
Müller et al. Lean and job satisfaction: the mediating role of how employees perceive implemented lean methods
JP6976140B2 (ja) マッチング装置
JP2011128922A (ja) 美容サポートシステム及び美容サポート方法
JP7006730B2 (ja) 情報処理装置、成功支援方法および成功支援プログラム
JP6941802B1 (ja) 検索システム、検索方法及び検索プログラム
JP7282662B2 (ja) 人材開発支援装置、人材開発支援方法および人材開発支援装置により実行されるプログラム
KR102308233B1 (ko) 방문지 유형과 개인특성피쳐들 간의 관계를 분석하는 방법 및 이를 이용한 개인에게 적합한 콘텐츠를 추천하는 방법
JP6613433B2 (ja) 情報処理装置、プログラム

Legal Events

Date Code Title Description
A621 Written request for application examination

Free format text: JAPANESE INTERMEDIATE CODE: A621

Effective date: 20180904

A977 Report on retrieval

Free format text: JAPANESE INTERMEDIATE CODE: A971007

Effective date: 20190726

A131 Notification of reasons for refusal

Free format text: JAPANESE INTERMEDIATE CODE: A131

Effective date: 20190827

A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20191011

A131 Notification of reasons for refusal

Free format text: JAPANESE INTERMEDIATE CODE: A131

Effective date: 20200212

A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20200409

TRDD Decision of grant or rejection written
A01 Written decision to grant a patent or to grant a registration (utility model)

Free format text: JAPANESE INTERMEDIATE CODE: A01

Effective date: 20200602

A61 First payment of annual fees (during grant procedure)

Free format text: JAPANESE INTERMEDIATE CODE: A61

Effective date: 20200615

R150 Certificate of patent or registration of utility model

Ref document number: 6728621

Country of ref document: JP

Free format text: JAPANESE INTERMEDIATE CODE: R150