JP6730395B2 - 情報処理装置、情報処理方法、プログラム、記憶媒体 - Google Patents

Description

本発明は情報処理装置、情報処理方法、プログラム、記憶媒体に関し、特にブログを管理するサーバ装置への適用に好適な技術に関する。

インターネットを利用したサービスの１つとしてブログ環境を提供するサービスが知られている。ユーザはブログとしての任意の文章や画像による記事をサーバにアップロードし、当該ユーザの書き込み記事として保存してもらう。保存されたブログは、例えばウェブページの形式で一般に公開される。
多くのユーザは、自己発信のツールとしたり、或いは個人的な日記代わりなどとして、このようなブログサービスを利用している。
また、ブログを提供するサービス側では、ブログページに広告を掲載することも行われている。
なお下記特許文献１，２，３にはウェブコンテンツに関連する広告を表示するための技術が開示されている。

特開２００８−１８６２１５号公報 特開２００８−１８７４１９号公報 特開２００６−５００６９９号公報

ところでブログ等、サービス運営団体以外の一般ユーザが作成し、投稿するようなコンテンツの場合、例えば公序良俗に反するコンテンツの掲載、拡散等が起こる可能性があるため、そのコンテンツを無条件にウェブページ掲載することはできない。そのためサービス運営団体では、スタッフがコンテンツ内容を確認してウェブページ掲載の適否を判定するような作業を行っている。
ところがこれはコンテンツ数の増加に伴って非常に重い作業負担となり、業務効率の低下、運営コストの上昇などを引き起こしている。また、迅速なコンテンツ提供ができず、サービスの質の低下の懸念もある。

また、同時に広告等のコンテンツを掲載する場合、コンテンツ同士の相性の問題もある。例えば主たるコンテンツであるブログの内容が、広告主にとって望ましくないような場合も考えられる。例えばベジタリアン推奨のブログにステーキレストランの広告が載ってしまうような場合である。
ところが膨大な広告コンテンツとブログコンテンツの組み合わせにおいて、このようなコンテンツ同士の相性としての適否判定をスタッフが行うことは困難で、またそのような不適切な組み合わせの掲載が生じないようにコントロールすることは困難である。

そこで本発明は、不適切な掲載が行われないようにするための技術として、主コンテンツのウェブページ掲載の適否や主コンテンツと副コンテンツの相性の適否を的確に判定する技術を提供することを目的とする。

本発明に係る情報処理装置は、画像データ及びテキストデータを含む主コンテンツについて、前記主コンテンツのテキストデータの解析を行い、所定の観点における適否に関する情報であるテキスト適否情報を生成するテキスト判定部と、前記主コンテンツの画像データについて、前記所定の観点についての不適切画像を入力する学習により得られた否定的特徴量を用いた解析を行い、前記所定の観点における適否に関する情報である画像適否情報を生成する画像判定部と、前記所定の観点における前記テキスト適否情報及び前記画像適否情報が生成された後に、生成された前記テキスト適否情報及び前記画像適否情報を判定要素として用いて、前記主コンテンツのウェブページ掲載に関する適否判定を行う適否判定部とを備える。
主コンテンツとは例えばブログ記事などであってテキストデータと画像データを備えるコンテンツを対象としている。このような主コンテンツについて、テキストデータについての適否情報と、画像データについての適否情報をそれぞれ生成する。そして両者を判定要素として用いてウェブページ掲載に関する適否判定を行う。
例えば投稿されたブログ記事などの主コンテンツ自体が、ウェブページ掲載するにあたって不適なものでないかを判定する。

上記した情報処理装置においては、前記所定の観点とは、ウェブページ掲載に係る公序良俗の観点であることが考えられる。
例えば投稿されたブログ記事などの主コンテンツ自体が、差別用語を含んだり、犯罪を促す内容であったりするなど、公序良俗の観点でウェブページ掲載するにあたって不適なものでないかを判定する。

上記した情報処理装置においては、前記テキスト判定部は、前記主コンテンツのテキストデータの解析を行い、他の所定の観点における適否に関する情報であるテキスト適否情報を生成し、前記画像判定部は、前記主コンテンツの画像データについて、前記他の所定の観点についての不適切画像を入力する学習により得られた否定的特徴量を用いた解析を行い、前記他の所定の観点における適否に関する情報である画像適否情報を生成し、前記適否判定部は、前記他の所定の観点における前記テキスト適否情報及び前記画像適否情報が生成された後に、生成された前記テキスト適否情報及び前記画像適否情報を判定要素として用いて、前記主コンテンツとともに同じウェブページに掲載されようとする副コンテンツについて、前記主コンテンツとともにウェブページ掲載を行うことの適否判定を行うことが考えられる。
例えば投稿されたブログ記事などの主コンテンツ自体に対して、広告コンテンツなど、同じウェブページ掲載する副コンテンツについて、その主コンテンツとともに掲載することが不適切でないか否かを判定する。

上記した情報処理装置においては、前記他の所定の観点とは、前記副コンテンツが提示する商品又は商品分野にとって前記主コンテンツが適切か否かの観点であることが考えられる。
例えば投稿されたブログ記事などの主コンテンツが、副コンテンツとしての広告の商品又は商品分野（ジャンル）にとって相性がよいものか否かを判定する。

上記した情報処理装置においては、端末装置から要求された前記主コンテンツを前記端末装置においてウェブページとして提示させるための処理を行う提示制御部を備え、前記適否判定部は、適否判定の結果を含む適否判定情報を記憶する処理を行うとともに、前記提示制御部は、要求された前記主コンテンツについて記憶されている適否判定情報を参照して、前記副コンテンツの商品又は商品分野単位での取得条件を付したウェブページデータを生成し、前記端末装置に送信することが考えられる。
例えば適否判定部は、ブログ記事投稿などとして受信された主コンテンツについて適否判定を行い、適否判定情報を記憶しておく。そして主コンテンツの閲覧が要求されたときに、その適否判定情報に応じた処理（相性のよい副コンテンツの表示）が行われるようにする。

上記した情報処理装置においては、前記テキスト判定部は、前記主コンテンツのジャンルに応じた否定的テキスト情報を用いてテキスト適否情報を生成し、前記画像判定部は、前記主コンテンツのジャンルについての不適切画像を入力する学習により得られた否定的特徴量を用いて画像適否情報を生成することが考えられる。
例えばブログ記事等の主コンテンツのテキスト解析などにより、まずコンテンツ内容のジャンルを特定する。その後、ジャンルに応じた不適切ワードや不適切表現等の否定的テキスト情報を用いてテキスト適否情報を生成する。また、ジャンルに応じた不適切画像の学習結果としての否定的特徴量を用いて画像適否情報を生成する（図８、図１１参照）。

上記した情報処理装置においては、前記画像判定部は、前記主コンテンツの画像データについて、前記所定の観点についての適切画像を入力する学習により得られた肯定的特徴量も用いて画像適否情報を生成することが考えられる。
また、上記した情報処理装置においては、前記画像判定部は、前記主コンテンツの画像データについて、前記他の所定の観点についての適切画像を入力する学習により得られた肯定的特徴量も用いて画像適否情報を生成することが考えられる。
例えば公序良俗の観点や広告ジャンルとの相性などの所定の観点で適切とされた画像を入力する学習結果としての肯定的特徴量を用いる。

上記した情報処理装置においては、前記適否判定部は、前記主コンテンツとしてブログ記事単位で適否判定を行うことが考えられる。
ブログには複数の記事が含まれることが多いが、その個々の記事毎に適否判定を行う。

本発明に係る情報処理方法は、情報処理装置が、画像データ及びテキストデータを含む主コンテンツについて、前記主コンテンツのテキストデータの解析を行い、所定の観点における適否に関する情報であるテキスト適否情報を生成し、前記主コンテンツの画像データについて、前記所定の観点についての不適切画像を入力する学習により得られた否定的特徴量を用いた解析を行い、前記所定の観点における適否に関する情報である画像適否情報を生成し、前記所定の観点における前記テキスト適否情報及び前記画像適否情報が生成された後に、生成された前記テキスト適否情報及び前記画像適否情報を判定要素として用いて、前記主コンテンツのウェブページ掲載に関する適否判定を行う。
これにより主コンテンツのウェブページ掲載の適否や、主コンテンツと副コンテンツを共にウェブページ掲載することの適否を自動的に判定する。
本発明に係るプログラムは、この情報処理方法の処理を情報処理装置に実行させるプログラムである。
本発明に係る記憶媒体は、上記プログラムを記憶した記憶媒体である。
このプログラムグラムや記憶媒体により本発明の情報処理装置の実現及び提供を容易とする。

本発明によれば、画像の適否判定を学習によって精度を高めつつ、テキスト解析で補完することで、精度の高い適否判定を実現できる。そしてこれによりスタッフのウェブページ掲載の適否判定の作業負担を低減できる。

本発明の実施の形態のシステム構成のブロック図である。 実施の形態のコンピュータ装置のブロック図である。 実施の形態のブログサーバの機能構成の説明図である。 実施の形態のブログを提示するウェブページの例の説明図である。 実施の形態の管理データベースの説明図である。 実施の形態の適否判定情報の説明図である。 実施の形態の判定基準情報データベースの説明図である。 実施の形態の判定基準情報データベースの他の例の説明図である。 実施の形態の適否判定基準学習処理のフローチャートである。 実施の形態のブログ投稿時の適否判定処理のフローチャートである。 実施の形態のブログ投稿時の適否判定処理のフローチャートである。 実施の形態の広告ジャンル毎の適否判定処理のフローチャートである。 実施の形態のブログ閲覧要求時の処理のフローチャートである。 実施の形態のブログ表示の際の広告取得処理のフローチャートである。

以下、実施の形態を次の順序で説明する。
＜１．システム構成＞
＜２．ブログサーバ及びデータベース＞
＜３．適否判定基準学習処理＞
＜４．ブログ記事投稿時の処理＞
＜５．ブログ記事についての広告ジャンル適否判定＞
＜６．ブログ閲覧時の処理＞
＜７．まとめ及び変形例＞
＜８．プログラム及び記憶媒体＞

なお、以下の説明において、“ブログ”とは、ウェブログあるいは単にブログと呼ばれる日記形式のウェブページのことである。より具体的には、ブログサーバはユーザに対してブログを形成する環境（記憶容量やウェブページ）を提供し、ユーザは投稿等の形式で文章や画像による記事を自分のブログにアップロードする。ブログサーバは通常、当該記事を一般（又は限定した範囲）の閲覧に供する。但し非公開のものとしてもよい。
記事の内容については特に限定されない。ユーザが情報発信に用いる内容でも、個人的な日記等の内容でもよい。また「ブログ」と呼ばれていないものであっても、同等のものを含む。

“ブログ記事”（単に“記事”とも表記する）とは、ブログを構成する要素であって、文章や画像によって構成された１つの単位（例えば投稿単位）のことを指す。内容には関わらない。なお、必ずしも１つの話題としての記事ではなく、１又は複数の話題について１つのＵＲＬで閲覧される記事群を指すものと考えても良い。
本実施の形態の処理は、主に文章と画像の両方を含む記事を対象とする。

“ユーザ”とは、自己のブログに記事を書き込む記述者としてのユーザ（いわゆるブロガー）と、他人又は自己のブログを閲覧する閲覧者としてのユーザが想定される。これらを区別する場合、記事を書くユーザを「ブロガー」と表記し、ブログ閲覧者としてのユーザについては「閲覧者」と表記する。
もちろん一人のユーザがある時点ではブロガーとなり、ある時点では閲覧者となることが通常に想定される。

＜１．システム構成＞
図１に実施の形態のブログサーバ１を含むネットワークシステムの構成例を示す。
本実施の形態に係るネットワークシステムは、ブログサーバ１と複数のユーザ端末５がネットワーク２により相互に通信可能に接続されている。
またブログサーバ１は各種データベースにアクセス可能とされている。なお、以下「データベース」については「ＤＢ」と表記する。図ではブログサーバ１がアクセス可能なＤＢとしてブログＤＢ５１、画像ＤＢ５２、管理ＤＢ５３、判定基準情報ＤＢ５４を例示している。

ネットワーク２の構成は多様な例が想定される。例えば、インターネット、イントラネット、エキストラネット、ＬＡＮ（Local Area Network）、ＣＡＴＶ（Community Antenna TeleVision）通信網、仮想専用網（Virtual Private Network）、電話回線網、移動体通信網、衛星通信網等が想定される。
またネットワーク２の全部又は一部を構成する伝送媒体についても多様な例が想定される。例えばＩＥＥＥ（Institute of Electrical and Electronics Engineers）１３９４、ＵＳＢ（Universal Serial Bus）、電力線搬送、電話線等の有線でも、ＩｒＤＡ（Infrared Data Association）のような赤外線、ブルートゥース（登録商標）、８０２．１１無線、携帯電話網、衛星回線、地上波デジタル網等の無線でも利用可能である。

ブログサーバ１は、ユーザに対するブログサービスの管理運営を行う組織によって用いられる情報処理装置である。ブログサーバ１は、ユーザ（ブロガー）へのブログ環境の提供やユーザ（閲覧者）のアクセス要求に応じたブログ記事ページ等のウェブページデータの配信を行う。
具体的にはブログを開設したいユーザに対しては、そのユーザのブログとしてのウェブページの設定やユーザ情報の登録などを行う。既にブログ開設済のユーザ（ブロガー）に対しては、ブロガーが投稿する記事の保存を行う。
また一般の閲覧者となるユーザからのアクセス要求に応じて、該当のウェブページに係るウェブページデータを配信する。
このブログサーバ１が、本発明請求項の情報処理装置の実施の形態に相当する。

ユーザ端末５は、ブロガーや閲覧者としてのユーザが使用する端末である。このユーザ端末５は、例えば、通信機能を備えたＰＣ（Personal Computer）やフィーチャーフォンやＰＤＡ（Personal Digital Assistant）、或いは、スマートフォンやタブレット端末などのスマートデバイスなどが想定される。
ユーザ端末５では、必要に応じて各種の送受信処理や表示処理などが実行される。
閲覧者は、ユーザ端末５においてウェブブラウザを介して、関心のあるブログの閲覧を任意に行うことができる。
ブロガーは、ユーザ端末５により自分のブログページにアクセスし、閲覧したり、新規に記事を投稿することができる。
ユーザ端末５ではこれらの動作のための通信処理や表示処理等を行うことになる。

広告サーバ３はウェブページ上に掲載する広告コンテンツ（説明上、単に「広告」ともいう）を配信するサーバである。
例えばブログサーバ１は、ブログページ上に広告表示を行うことができる。即ちユーザ端末５の表示部に表示されるブログページには１又は複数の広告領域が設けられており、この広告領域には、広告サーバ３から配信される広告コンテンツが表示される。
広告サーバ３からは、ブログとしてのウェブページを表示させるユーザ端末５のブラウザを介した要求などに応じて広告配信を行う。
広告ＤＢ４は、広告コンテンツやその管理情報を保存するＤＢである。広告サーバ３は広告ＤＢ４から選択した広告コンテンツをユーザ端末５に配信し、ブログページ上に表示されるようにする。

図１に示したブログサーバ１、広告サーバ３、ユーザ端末５等を構成する情報処理装置のハードウエア構成を図２に示す。ブログサーバ１やユーザ端末５として示した各装置は、情報処理および情報通信が可能な図２に示すようなコンピュータ装置によって実現される。

図２において、コンピュータ装置のＣＰＵ（Central Processing Unit）１０１は、ＲＯＭ( Read Only Memory)１０２に記憶されているプログラム、または記憶部１０８からＲＡＭ( Random Access Memory )１０３にロードされたプログラムに従って各種の処理を実行する。ＲＡＭ１０３にはまた、ＣＰＵ１０１が各種の処理を実行する上において必要なデータなども適宜記憶される。
ＣＰＵ１０１、ＲＯＭ１０２、およびＲＡＭ１０３は、バス１０４を介して相互に接続されている。このバス１０４には、入出力インタフェース１０５も接続されている。
入出力インタフェース１０５には、入力部１０６、出力部１０７、記憶部１０８、通信部１０９が接続されている。
入力部１０６はキーボード、マウス、タッチパネルなどにより構成される。
出力部１０７はＬＣＤ（Liquid Crystal Display）、ＣＲＴ（Cathode Ray Tube）、有機ＥＬ（Electroluminescence）パネルなどよりなるディスプレイ、並びにスピーカなどにより構成される。
記憶部１０８はＨＤＤ（Hard Disk Drive）やフラッシュメモリ装置などにより構成される。
通信部１０９はネットワーク２を介しての通信処理や機器間通信を行う。
入出力インタフェース１０５にはまた、必要に応じてメディアドライブ１１０が接続され、磁気ディスク、光ディスク、光磁気ディスク、或いは半導体メモリなどのリムーバブルメディア１１１が適宜装着され、リムーバブルメディア１１１に対する情報の書込や読出が行われる。

このようなコンピュータ装置では、通信部１０９による通信によりデータやプログラムのアップロード、ダウンロードが行われる。またリムーバブルメディア１１１を介したデータやプログラムの受け渡しが可能である。
ＣＰＵ１０１が各種のプログラムに基づいて処理動作を行うことで、ブログサーバ１やユーザ端末５としての必要な情報処理や通信が実行される。
なお、ブログサーバ１やユーザ端末５を構成する情報処理装置は、図２のようなコンピュータ装置が単一で構成されることに限らず、複数のコンピュータ装置がシステム化されて構成されてもよい。複数のコンピュータ装置は、ＬＡＮ等によりシステム化されていてもよいし、インターネット等を利用したＶＰＮ等により遠隔地に配置されたものでもよい。複数の情報処理装置には、クラウドコンピューティングサービスによって利用可能なサーバ群（クラウド）としての情報処理装置が含まれてもよい。

＜２．ブログサーバ及びデータベース＞
図３に１又は複数の情報処理装置で構成されるブログサーバ１としての機能構成および各種のＤＢを示す。
ブログサーバ１としての各機能は、情報処理装置においてＣＰＵ１０１でプログラムに応じて実行される処理により実現される機能である。但し以下説明する全部又は一部の各構成の処理をハードウエアにより実現してもよい。
また各機能をソフトウエアで実現する場合に、各機能がそれぞれ独立したプログラムで実現される必要はない。１つのプログラムにより複数の機能の処理が実行されてもよいし、１つの機能が複数のプログラムモジュールの連携で実現されてもよい。
また各機能は複数の情報処理装置に分散されていてもよい。さらに機能の１つが、複数の情報処理装置によって実現されてもよい。

ブログサーバ１は、図示するようにブログ管理部１１、テキスト判定部１２、画像学習部１３、画像判定部１４、適否判定部１５、提示制御部１６としての機能を備える。

ブログ管理部１１は、ブログサービスを提供するサーバとして必要な処理を実行する。例えばユーザへのブログ環境の提供、記述者としてのユーザの情報の管理、作成されたブログの記憶管理、各ブログに関する情報管理、アクセス要求に応じたブログ（記事）のウェブページの配信などを行う。
またブログ管理部１１は管理ＤＢ５３の情報の更新や読み出しを逐次行う。

テキスト判定部１２は、画像データ及びテキストデータを含むブログ記事について、テキストデータの解析を行い、所定の観点における適否に関する情報であるテキスト適否情報を生成する。テキスト適否情報は、例えばテキストデータ内容の適否を示す２値であったり、適否の度合いを示すスコアであったりする。

所定の観点とは、例えば公序良俗で適切か否かの観点であったり、各種の広告ジャンルにとって適切か否かの観点などである。広告ジャンルとは、食品業、家電販売、自動車販売、旅行サービス等の広告商品の業種を示すジャンルでもよいし、より細分化したジャンルでもよい。さらには個々の商品／サービスにまで細分化したものでもよい。或いは、製造業、サービス業など、非常に大まかなくくりのジャンルでもよい。
また所定の観点とは、これら以外に、所定の掲載目的にとって適切か否かなど、多様に考えられる。

画像学習部１３は所定の観点についての不適切画像を入力する学習、例えばディープラーニングにより否定的特徴量を求め、判定基準情報ＤＢ５４に記憶させる処理を行う。
また画像学習部１３は所定の観点についての適切な画像を入力する学習、例えばディープラーニングにより肯定的特徴量を求め、判定基準情報ＤＢ５４に記憶させる処理を行う。

画像判定部１４は、ブログ記事における画像データについて、所定の観点についての不適切画像を入力する学習により得られた否定的特徴量を用いた解析を行い、その所定の観点における適否に関する情報である画像適否情報を生成する処理を行う。画像適否情報は、例えば画像データの内容の適否を示す２値であったり、適否の度合いを示すスコアであったりする。

適否判定部１５はテキスト判定部１２が生成したテキスト適否情報と、画像判定部１４が生成した画像適否情報を用いて、ウェブページ掲載に関する適否判定を行う。
ウェブページ掲載に関する適否判定としては、例えば、判定対象のブログ記事自体が、ウェブページ掲載に適しているかの判定がある。またウェブページ掲載に関する適否判定としては、或る広告についての或るブログ記事とともに掲載することに関する適否判定がある。なお、このようなブログ記事と広告の同一ウェブページ掲載の適否について、説明上、“相性”という表現も用いる。例えば「相性が悪い」とは、或る広告が或るブログ記事と同じウェブページに掲載することが望ましくないことを指す。

提示制御部１６は、ユーザ端末５から要求されたブログ記事をユーザ端末５においてウェブページとして提示させるための処理を行う。即ち提示制御部１６は、ユーザ端末５からのページ要求に応じて、要求されたブログ記事のウェブページをユーザ端末５に送信する。ユーザ端末５では、例えばウェブブラウザの機能により当該ウェブページが表示され、ユーザの閲覧に供される。
この場合、提示制御部１６は、要求されたブログ記事について管理ＤＢ５３に記憶されている適否判定情報を参照して、広告コンテンツの商品又は商品分野単位での取得条件を付したウェブページデータを生成し、ユーザ端末５に送信する場合もある。これは、そのブログ記事に相性の悪い広告が表示されないようにするための処理である。

ユーザ端末５において表示されるブログ記事のウェブページ例を図４に示している。
ウェブページ（ブログページ）７０としては、例えばタイトルエリア７１、記事エリア７２、広告エリア７３などが設けられる。
タイトルエリア７１にはブログタイトル等が表示される。
記事エリア７２にはブログ記事が表示される。ブログ記事はテキストエリア７２Ｔと画像エリア７２Ｉが設けられ、画像と文章により記事内容が構成されている。
この図４では記事エリア７２が２つ存在する例としているが、個々の記事毎の異なるウェブページとされる場合もある。
広告エリア７３には広告サーバ３から送信された広告が表示される。上記の“相性”とは、このように１つのウェブページ上に掲載される記事と広告の相性のこととなる。

図３ではブログサーバ１がアクセスするＤＢとしてブログＤＢ５１、画像ＤＢ５２、管理ＤＢ５３、判定基準情報ＤＢ５４を示している。

ブログＤＢ５１は、各ブロガーについてのブログデータを保存するＤＢである。各ブログのウェブページデータが保存され、また各ブログについては、ブロガーの投稿に応じて記事が追加されていく。
ブログを形成するウェブページのデータは、例えば、ＨＴＭＬ（HyperText Markup Language）やＸＨＴＭＬ（Extensible HyperText Markup Language）などの構造化文書ファイルである。構造化文書ファイルには、ブロガーが投稿した記事のテキストデータや各種画像等の画像データの指定情報と、それらの配置や表示態様（文字色やフォントや大きさや装飾など）が記述されている。
またブログに対しては閲覧者がコメントを投稿することもできる。そのような閲覧者からのコメントデータもブログやブログ内の個々の記事に紐づけてブログＤＢ５１に保存される。
ブログサーバ１は、ユーザ端末５から或るブログについてのアクセス要求があった場合は、要求されたブログページをブログＤＢ５１から読み出してユーザ端末５に配信することになる。

画像ＤＢ５２は、ブログに添付された画像データ（静止画データや動画データ）を保存するＤＢである。
ブログ内の記事には、画像を添付することができるが、例えばブログＤＢ５１には記事データ及び記事データに対応した画像の指定情報（リンク情報）が記憶される。そして画像データ自体は画像ＤＢ５２に保存される。
画像が添付されたブログ記事へのアクセス要求の場合、そのウェブページデータがユーザ端末５においてブラウザにより表示されるが、その際、ユーザ端末５はウェブページ上のリンク設定により画像データをブログサーバ１に要求する。ブログサーバ１は当該要求に応じて画像データを画像ＤＢ５２から読み出し、ユーザ端末５に配信する。これによりユーザ端末５上で、画像付きのブログ記事が表示される。
なおこれは一例であり、予め画像データを含むウェブページデータをブログＤＢ５１に格納するようにしてもよい。

管理ＤＢ５３は、各ブログの管理のための情報を格納するＤＢである。
管理ＤＢ５３の内容の一例を図５に示す。
１つのブログについてはブログＩＤ（Identification）が設定され、ブログＩＤにより付随する情報が管理される。例えばブログ（ブログＩＤ）毎に、ブロガー情報、ブロガー評価情報、ブログ管理情報、ブログ分野情報、サイズ情報、適否判定情報、ブログ実績情報などが、逐次更新されながら管理される。

ブロガー情報は、ブログを開設したユーザ（ブログ管理者）の情報である。例えばブロガー情報としては、ユーザＩＤ、管理者としてのログインパスワード、ユーザの住所、氏名、年齢等の属性情報、管理者としてのログイン日時、などの情報が含まれる。

ブロガー評価情報は、各種の観点での適否判定の結果を用いたブロガーの評価情報である。例えば優良ブロガーや要注意ブロガーを示す情報、その程度を示す情報などである。
ここでいう要注意とは、例えば公序良俗の観点で不適切な記事を投稿する可能性が高いブロガーというような意味である。
またブロガーが、広告ジャンルとの相性の観点で、相性のよい記事をよく書くブロガーであるか、相性の悪い記事をよく書くブロガーであるか等の情報もブロガー評価情報となる。

ブログ管理情報は、ブログ自体の属性情報である。例えばブログのＵＲＬ（Uniform Resource Locator）、ブログ及び各記事のジャンル情報、ブログの開設日時、ブログに含まれる記事数、更新日時情報、ブログのレイアウト情報、リンク設定情報等が含まれる。
ブログ分野情報はブログ及びブログに含まれる各記事についての分野（ジャンル）を示す情報である。なお、ジャンルは、「スポーツ」「芸能」「社会」のように大まかなものでもよいし、例えば「野球」「サッカー」「テニス」など、より細分化されたジャンルでもよい。さらには特定の話題にまで細分化されてもよい。

サイズ情報は、そのブログ全体のデータサイズの情報である。また各記事のサイズ情報を記憶しても良い。サイズ情報は、ブログの更新に応じて更新される。
なお、サイズ情報としてブログＤＢ５１に記憶したデータサイズと画像ＤＢ５２に記憶した画像データのデータサイズを合わせて管理してもよいし、それぞれ別個に管理してもよい。

適否判定情報は、ブログの各記事についての適否判定の結果が記憶される。
図６Ａは或るブログＩＤのブログに対応して管理ＤＢ５３に記憶される適否判定情報の例を示している。
適否判定情報としては、そのブログおける記事（記事ナンバ）毎に、公序良俗の観点での適否の情報や、広告ジャンル毎の広告との相性の点での適否判定の結果が記憶される。
例えば公序良俗の観点での判定結果が“０”又は“１”として記憶される。例えば適否判定結果はデフォルトで“０”とされ、不適と判定された場合に“１”に更新されるとする。従って図６Ｂに示すように“１”が不適、“０”は問題なし（不適ではない）という情報となる。
この図６Ａの例では、例えば記事ナンバ４の記事が公序良俗の観点で不適と判定された場合を示している。

広告との相性は、例えば広告のジャンルＧａｄ１、Ｇａｄ２、Ｇａｄ３・・・毎に判定される。ここでは広告ジャンルＧａｄ１、Ｇａｄ２、Ｇａｄ３・・・の例として、食品、自動車、家電、旅行、情報通信・・・などの商品・サービスの分野を示している。もちろん、より大まかな分類のジャンルや、より細分化されたジャンルでもよい。
各記事ナンバの記事について、これらの広告ジャンル毎に相性という意味での適否判定が行われ、その結果としての“０”“１”が記憶される。例えば記事ナンバ３の記事は自動車や家電の分野の広告とは相性がよくないという意味で不適（“１”）と判定されたが、食品や旅行などの他の分野については問題なし（“０”）と判定された場合を示している。

なお、図６Ａの場合、最下段に不適比率（％）を示している。これは不適（“１”）とされた比率である。例えばこのブログの場合、１００個の記事の内、２個の記事が公序良俗の観点で不適とされたことで、公序良俗の観点での不適比率が２％となっている。
例えば上述したブロガー評価情報は、このような不適比率の情報を用いて生成することが考えられる。
広告ジャンル毎にも不適比率が示される。これによっては当該ブログのブロガーが、どの広告ジャンルとの相性がよいか、或いは悪いかがわかるため、この情報を用いてブロガー評価情報を生成することもできる。

ところでこの図６Ａは、図６Ｂのように“０”“１”の２値の値としたが、例えば図６Ｃのように、“００”“０１”“１０”“１１”の４値とし、「問題なし」「不適」「適」「−（例えば未判定）」としてもよい。即ち、特に相性がよい場合などは「適」とする情報を加える。
また図６Ｄのように４値として「不適」「適１」「適２」「最適」のように、不適から最適までを段階的に示すような情報としてもよい。

図５のブログ実績情報としては、例えばブログの総ページビュー数、アクセスしたユニークユーザ数、総被リンク数、総コメント数、広告クリック数などである。また各記事についてのページビュー数、アクセスしたユニークユーザ数、被リンク数、記事のページランクを示す値などもある。

図３における判定基準情報ＤＢ５４は、テキスト判定部１２がテキスト適否情報を生成する際に用いる情報や、画像判定部１４が画像適否情報を生成する際に用いる情報が記憶されている。
判定基準情報ＤＢ５４の一例を図７に示す・
適否判定の観点として、公序良俗の観点や、広告ジャンルＧａｄ１、Ｇａｄ２、Ｇａｄ３・・・毎に、画像の否定的特徴量情報ＳＰＩＮ（ＳＰＩＮ−０、ＳＰＩＮ−１・・・）、否定的テキスト情報ＷＮ（ＷＮ−０，ＷＮ−１・・・）、画像の肯定的特徴量情報ＳＰＩＰ（ＳＰＩＰ−１、ＳＰＩＰ２・・・）が記憶される。

否定的テキスト情報ＷＮは、テキスト判定部１２がテキスト適否情報を生成する際に用いる情報である。例えば不適切なワード、表現、言い回しなどが観点毎に記憶される。
例えば公序良俗の観点に対応しての否定的テキスト情報ＷＮ−０として、差別的であったり犯罪を推奨するようなワードや表現等が記憶されている。
また広告ジャンルＧａｄ１として食品の広告に対応する否定的テキスト情報ＷＮ−１としては、食品の広告にとって望ましくない表現、食品分野での問題を示すワード、ブランドイメージを損なう恐れのあるワードなどが記憶される。
他の否定的テキスト情報ＷＮ−２以降としても、それぞれの対応する広告ジャンルにとって望ましくないワード等が記憶されている。

画像の否定的特徴量情報ＳＰＩＮは、画像判定部１４が画像適否情報を生成する際に用いる情報である。即ち不適切な画像の学習によって得られた不適切な画像の特徴量の情報である。
例えば公序良俗の観点に対応しての画像の否定的特徴量情報ＳＰＩＮ−０は、公序良俗を損なう恐れのある多数の画像を入力したディープラーニングにより得られた特徴量情報となる。
また広告ジャンルＧａｄ１として食品の広告に対応する画像の否定的特徴量情報ＳＰＩＮ−１は、食品広告の観点で同ページ掲載に好ましくない多数の画像を入力したディープラーニングにより得られた特徴量情報となる。
他の否定的特徴量情報ＳＰＩＮ−２以降も、それぞれの対応する広告ジャンルにとって同ページ掲載に好ましくない多数の画像を入力したディープラーニングにより得られた特徴量情報となる。

この例では各広告ジャンルに対応して、画像の肯定的特徴量情報ＳＰＩＰも記憶されるものとしている。
広告ジャンルＧａｄ１として食品の広告に対応する画像の肯定的特徴量情報ＳＰＩＰ−１は、食品広告の観点で同ページ掲載に好ましい多数の画像を入力したディープラーニングにより得られた特徴量情報となる。
他の肯定的特徴量情報ＳＰＩＮ−２以降も、それぞれの対応する広告ジャンルにとって同ページ掲載に好ましい多数の画像を入力したディープラーニングにより得られた特徴量情報となる。

なお図７の例では、公序良俗の観点に関しては画像の否定的特徴量情報ＳＰＩＮ−０と否定的テキスト情報ＷＮ−０を記憶するとしたが、肯定的特徴量情報を記憶するようにしてもよい。

また公序良俗の観点については特にジャンル分けをしていないが、図８に示すように、記事ジャンル毎に分けてもよい。
図８の例では、政治、社会、芸能、スポーツなどの記事ジャンル毎に、否定的テキスト情報ＷＮ−Ｇ１、ＷＮ−Ｇ２・・・や、画像の否定的特徴量情報ＳＰＩＮ−Ｇ１、ＳＰＩＮ−Ｇ２・・・が記憶されるようにしている。
例えば「政治」ジャンルに対応する否定的テキスト情報ＷＮ−Ｇ１としては、政治記事としての不適切ワードや不適切な言い回し等が記憶される。
また「政治」ジャンルに対応する否定的特徴量情報ＳＰＩＮ−Ｇ１としては、政治記事
としての不適切な画像を多数入力したディープラーニングにより得られた特徴量情報となる。

以上の各ＤＢ（ブログＤＢ５１、画像ＤＢ５２、管理ＤＢ５３、判定基準情報ＤＢ５４）は、ブログサーバ１がアクセス可能とされていればどのような形態で実現されていてもよい。例えばブログサーバ１と同一システム内の記憶部に各ＤＢのすべてが形成されていてもよいし、各ＤＢの一部又は全部が別体、遠隔地等のコンピュータシステムに設けられていてもよい。もちろん各ＤＢが一つの装置（例えば一つのＨＤＤ等）内に形成されている必要はない。また各ＤＢのそれぞれが、それぞれ１つのＤＢとして構成される必要もない。例えば管理ＤＢ５３として記憶される情報が、複数のＤＢ（例えばブログに関するユーザ管理用のＤＢとブログ管理用のＤＢなど）により記憶管理されてもよい。以上の各ＤＢは、実施の形態の処理に関連する情報の記憶部を、それぞれ１つのＤＢの形態で例示したものに過ぎない。

＜３．適否判定基準学習処理＞
ブログサーバ１の処理として、画像学習部１３の機能により実行される適否判定基準学習処理の例を図９で説明する。この図９は、判定基準情報ＤＢ５４に記憶される画像の否定的特徴量情報ＳＰＩＮ、肯定的特徴量情報ＳＰＩＰを求める処理である。

なお、ここではブログサーバ１が行う処理として説明するが、図９の処理は必ずしもブログサーバ１としての情報処理装置で行われなくてもよい。即ちブログサーバ１は画像学習部１３としての機能は備えなくてもよい。その場合、他の情報処理装置において以下の処理を行い、その処理で学習した情報が判定基準情報ＤＢ５４に記憶され、ブログサーバ１が参照できるようにすればよい。

図９のステップＳ１０１でブログサーバ１は、適否観点を選択する。これは図７に示した「公序良俗」か、或いは広告ジャンルについての「Ｇａｄ１：食品」「Ｇａｄ２：自動車」・・・等の別である。
例えば「公序良俗」を選択すると、以降の処理で得られる画像の否定的特徴量情報ＳＰＩＮは、公序良俗の観点での否定的特徴量情報ＳＰＩＮ−０とされることになる。
また例えば「Ｇａｄ１：食品」を選択すると、以降の処理で得られる画像の否定的特徴量情報ＳＰＩＮは、食品という広告ジャンルとの相性という観点での否定的特徴量情報ＳＰＩＮ−１とされることになる。
このようなステップＳ１０１の選択はオペレータ操作に応じて実行してもよいし、各観点について自動的に順次選択していってもよい。

ステップＳ１０２でブログサーバ１は、不適切画像を取得する。
例えばステップＳ１０１で「公序良俗」を選択した場合は、ブログサーバ１は公序良俗の観点で不適切とされる多数の画像を取得する。
またステップＳ１０１で「Ｇａｄ１：食品」を選択した場合は、ブログサーバ１は食品広告との同ページ掲載という観点で不適切とされる多数の画像を取得する。
これらの不適切画像はオペレータが選択して入力してもよいし、ブログサーバ１が学習用の画像を供給するデータベースにアクセスして取得するようにしてもよい。

ステップＳ１０３でブログサーバ１は、取得した多数の不適切画像についてディープラーニングを行い、特徴量情報を算出する。例えば教師無し学習として、入力された多数の不適切画像を学習データとし、多数の学習データに共通する特徴を取得する。そして認識した特徴に基づいて、学習データにどのような特徴があるかを数値化した特徴量を算出する。

ステップＳ１０４でブログサーバ１は、特徴量情報を判定基準情報ＤＢ５４に記憶する。即ちこの場合、不適切画像を用いた学習であるので、求められた特徴量情報は、画像の否定的特徴量情報ＳＰＩＮとして判定基準情報ＤＢ５４に記憶されることになる。
例えばステップＳ１０１で「公序良俗」を選択していた場合は、ブログサーバ１は公序良俗の観点での不適切画像を判定する基準として画像の否定的特徴量情報ＳＰＩＮ−０を記憶する。
またステップＳ１０１で「Ｇａｄ１：食品」を選択していた場合は、ブログサーバ１は食品広告との同ページ掲載という観点での不適切画像を判定する基準として画像の否定的特徴量情報ＳＰＩＮ−１を記憶する。

ステップＳ１０５では、判定基準の学習の観点が、公序良俗であるか広告ジャンルとの相性であるかにより処理を分岐する。
公序良俗について不適切画像を学習していた場合は、図７のような判定基準情報ＤＢ５４の例では、肯定的特徴量情報ＳＰＩＰを記憶しないので、ステップＳ１０５から図９の処理を終える。

広告ジャンル毎の学習の場合は、引き続き肯定的特徴量情報ＳＰＩＰの学習に移るためステップＳ１０５からＳ１０６に進む。
ステップＳ１０６でブログサーバ１は、適切画像を取得する。
例えばステップＳ１０１で「Ｇａｄ１：食品」を選択していた場合は、ブログサーバ１は食品広告との同ページ掲載という観点で好ましい多数の画像を取得する。
これらの適切画像はオペレータが選択して入力してもよいし、ブログサーバ１が学習用の画像を供給するデータベースにアクセスして取得するようにしてもよい。

ステップＳ１０７でブログサーバ１は、取得した多数の適切画像についてディープラーニングを行い、特徴量情報を算出する。
ステップＳ１０８でブログサーバ１は、特徴量情報を判定基準情報ＤＢ５４に記憶する。即ちこの場合、適切画像を用いた学習であるので、求められた特徴量情報は、画像の肯定的特徴量情報ＳＰＩＰとして判定基準情報ＤＢ５４に記憶されることになる。
例えばステップＳ１０１で「Ｇａｄ１：食品」を選択していた場合は、ブログサーバ１は食品広告との同ページ掲載という観点での望ましい画像を判定する基準として画像の肯定的特徴量情報ＳＰＩＰ−１を記憶する。

以上により処理を終える。
例えば図７の公序良俗の観点や各広告ジャンルの観点、或いは図８の記事ジャンル毎の公序良俗の観点について、それぞれ図９の処理を行うことで、画像の否定的特徴量情報ＳＰＩＮや肯定的特徴量情報ＳＰＩＰを判定基準情報ＤＢ５４に記憶できる。

なお、否定的テキスト情報ＷＮ（ＷＮ−０、ＷＮ−１・・・）については、共通のワードの抽出などによるものとすればよい。
例えば公序良俗の観点や各広告ジャンルの観点で不適切な文章とされた多数のテキストデータのうちで、共通するワードを抽出したり、形態素解析により不適切な言い回し、表現等を抽出する。これらを集めて否定的テキスト情報ＷＮとすればよい。
またオペレータが、各観点で不適切なワード等を入力し、それを否定的テキスト情報ＷＮ（ＷＮ−０、ＷＮ−１・・・）として判定基準情報ＤＢ５４に記憶してもよい。

＜４．ブログ記事投稿時の処理＞
続いてブロガーからブログ記事が投稿された際のブログサーバ１の処理例を図１０により説明する。これは、ブログサーバ１が主にテキスト判定部１２、画像判定部１４、適否判定部１５の機能により実行する処理である。そしてこの処理は、投稿されたブログ記事について、公序良俗の観点でウェブページ掲載の適否判定を行う処理としている。

ブログ記事が投稿された場合、ブログサーバ１はステップＳ２００からＳ２０１に進み、投稿されたブログ記事にテキストデータと画像データが共に含まれているか否かを確認する。
記事がテキストデータのみ、もしくは画像データのみであった場合は、ステップＳ２０１から他の判定処理に進む。
テキストデータと画像データの両方が含まれている記事であった場合、ステップＳ２０１からＳ２０２に進み、本実施の形態の技術による適否判定を行うことになる。

ステップＳ２０２でブログサーバ１は、判定基準情報ＤＢ５４から、公序良俗の観点での否定的テキスト情報ＷＮ−０を取得する。
ステップＳ２０３でブログサーバ１は、投稿されたブログ記事におけるテキストデータを抽出する。
ステップＳ２０４でブログサーバ１は、ブログ記事におけるテキストデータを解析する。具体的には、ブログ記事におけるテキストデータにおいて、否定的テキスト情報ＷＮ−０として挙げられているワードや言い回しが含まれているか否か、いくつ含まれているか、或いは類似のワード等が含まれているか、等を解析する。

そしてステップＳ２０５でブログサーバ１は、解析結果を用いてテキスト適否スコアＳｔを算出する。
テキスト適否スコアＳｔは、例えば０〜１００のスコアとして、不適切であることの度合いを示す値とする。例えば否定的テキスト情報ＷＮ−０に挙げられたワード等との共通するワード等の存在によりスコア値を加算していく。もちろん不適切なワード等にも程度があるため、ワード等によって加算値に重み付けしてもよい。
或いはテキスト適否スコアＳｔは、例えば“０”（問題なし）、“１”（不適切）という２値のスコアとしてもよい。例えば１つでも（もしくは所定数以上）、否定的テキスト情報ＷＮ−０に挙げられたワード等との共通するワード等があれば“１”とするなどである。
またテキスト適否スコアＳｔは、例えば初期値を“５０”として、不適切なワード等に応じてスコア値を加算し、望ましいワード等に応じてスコア値を減算していくなどし、“０”（最適）、“１００”（最も不適切）のようなものとしてもよい。
他にもテキスト適否スコアＳｔの態様は多様に考えられる。

次にステップＳ２０６でブログサーバ１は、投稿されたブログ記事における画像データを抽出する。
ステップＳ２０７でブログサーバ１は、判定基準情報ＤＢ５４から、公序良俗の観点での画像の否定的特徴量情報ＳＰＩＮ−０を取得する。
ステップＳ２０８でブログサーバ１は、ブログ記事における画像データを解析する。具体的には、ブログ記事における画像データにおいて、画像の否定的特徴量情報ＳＰＩＮ−０と共通する特徴量を解析する。
そしてステップＳ２０９でブログサーバ１は、解析結果を用いて画像適否スコアＳｉを算出する。
画像適否スコアＳｉは、テキスト適否スコアＳｔと同様に、例えば０〜１００のスコアとして、不適切であることの度合いを示す値とする。
或いは画像適否スコアＳｉは、“０”（問題なし）、“１”（不適切）という２値のスコアとしてもよい。
また画像適否スコアＳｉは、例えば初期値を“５０”として、特徴量情報に応じて増減され、“０”（最適）、“１００”（最も不適切）のようなものとしてもよい。
他にも画像適否スコアＳｉの態様は多様に考えられる。

ステップＳ２１０でブログサーバ１は、テキスト適否スコアＳｔ及び画像適否スコアＳｉを用いて、適否判定を行う。即ちこの場合、投稿されたブログ記事が公序良俗の観点でウェブサイト掲載に適しているか否かを判定することになる。
判定は、例えば（ｋ１・Ｓｔ）＋（ｋ２・Ｓｉ）の値と、所定の閾値ｔｈとを比較して行う。係数ｋ１，ｋ２は、テキストと画像の重み付けのための係数である。
上述のように例えばテキスト適否スコアＳｔと画像適否スコアＳｉが、不適切であることの度合いを示す値（即ち値が大きい程、不適切）とした場合、（ｋ１・Ｓｔ）＋（ｋ２・Ｓｉ）の値が閾値ｔｈ以上であれば不適切とする。

もちろんこれは一例であり、適否判定の演算手法は多様に考えられる。
例えばｋｂ｛（ｋ１・Ｓｔ）＋（ｋ２・Ｓｉ）｝として、係数ｋｂをブロガー評価情報に基づいて可変し、この値が閾値ｔｈ以上であれば不適切と判定することも考えられる。例えば公序良俗の観点で要注意のブロガーは、優良ブロガーよりも不適切判定が行われ易くするような例である。もちろん閾値ｔｈをブロガー評価情報に応じて変更するようにしてもよい。
またテキスト適否スコアＳｔや画像適否スコアＳｉが、“０”“１”の２値の情報である場合、アンド条件で“１”となったら、不適切と判定することも考えられる。

ステップＳ２１１でブログサーバ１は、適否判定情報を更新する。例えば図６の適否判定情報における該当のブログＩＤにおいて、今回の新たな記事投稿に対応して新規の記事ナンバを設定し、当該記事ナンバの公序良俗の観点での適否判定結果“０”又は“１”を登録する。
またこれに応じて不適比率も計算しなおして更新する。これをブロガー評価情報に反映させる場合、図５のブロガー評価情報も更新する場合があることになる。

ステップＳ２１２では、今回の判定が不適とされたか否かで処理を分岐する。
今回、不適判定されなかった場合は、ステップＳ２１２からＳ２１３に進んで、ブログサーバ１は、投稿された記事を新規投稿の記事として通常受け付け処理を行う。即ち記事コンテンツのブロクＤＢ５１や画像ＤＢ５２への登録や、新規投稿に伴う管理ＤＢ５３の更新も行う。そして記事投稿時の処理を終える。
この場合、閲覧者としてのユーザは、当該記事を通常に閲覧できるようになる。

一方、今回、不適判定された場合は、ステップＳ２１２からＳ２１４に進んで、ブログサーバ１は不適対応処理を行う。
この不適対応処理は以下のような各種の例が考えられる。
・投稿を受け付けない
・投稿は受け付けるが閲覧制限をかける。例えば年齢確認できるユーザであって所定の年齢以上のユーザにのみ閲覧可能とする。
・投稿受付を保留してブロガーに不適切箇所の修正を求める通知を行う。再投稿の場合は同様に適否判定を行う。
・スタッフが目視で確認し、実際に掲載に問題があるか否かを最終判定する。問題がなければ閲覧可能とする。
不適対応処理の例としてこれらの処理があるが、他にも各種の例が考えられる。

以上の図１０の処理によれば、投稿された記事に対して公序良俗の観点でウェブページ掲載の適否が自動判定される。これにより公序良俗の観点で望ましくない記事を、スタッフが全件を目視で確認していかなくとも、公開しないようにすることができる。
その上、テキスト判定と画像判定を用いることで、判定信頼性を上げることができる。特に画像判定は、図９のようなＡＩ（Artificial Intelligence）学習により得られた画像の否定的特徴量情報ＳＰＩＮ−０を用いて行うが、ワード抽出等によるテキスト判定と組み合わせることで判定信頼性を向上させている。

図１１は図１０と同じく投稿された記事に対するブログサーバ１の他の処理例である。図１０と同じ処理については同じステップ番号を付し重複説明を避ける。
この処理は図８のように公序良俗に関する判定基準情報（否定的テキスト情報ＷＮ及び画像の否定的特徴量情報ＳＰＩＮ）が記事ジャンル毎に記憶されていることに対応する処理例である。

図１１の場合、ブログサーバ１は、テキストデータと画像データを含む記事が投稿された場合に、まずステップＳ２２０で記事ジャンルを判定する。例えば記事のタイトル、テキストデータの解析、頻出ワードなどにより、記事ジャンルを判定する。
ステップＳ２２１でブログサーバ１は、判定した記事ジャンルの情報を図５の管理ＤＢ５３におけるブログ分野情報において、投稿された記事に対応するジャンル情報を記憶する。なおこの処理はステップＳ２１１の時点など、後に行ってもよい。

ステップＳ２２２でブログサーバ１は、判定した記事ジャンルに応じた否定的テキスト情報ＷＮを判定基準情報ＤＢ５４から取得する。
例えば判定した記事ジャンルが「政治」であれば否定的テキスト情報ＷＮ−Ｇ１を取得する。
そしてブログサーバ１は、ステップＳ２０３で投稿されたブログ記事におけるテキストデータを抽出し、ステップＳ２０４で抽出したテキストデータを否定的テキスト情報ＷＮ−Ｇ１を用いて解析する。さらに解析結果に基づいてブログサーバ１はステップＳ２０５でテキスト適否スコアＳｔを算出する。

次にブログサーバ１はステップＳ２０６で投稿されたブログ記事における画像データを抽出する。
ステップＳ２０７Ａでブログサーバ１は、判定基準情報ＤＢ５４から、判定した記事ジャンルに対応する画像の否定的特徴量情報ＳＰＩＮを取得する。
例えば判定した記事ジャンルが「政治」であれば画像の否定的特徴量情報ＳＰＩＮ−Ｇ１を取得する。
ステップＳ２０８でブログサーバ１は、ブログ記事における画像データを解析する。具体的には、ブログ記事における画像データにおいて、画像の否定的特徴量情報ＳＰＩＮ−Ｇ１と共通する特徴量を解析する。
そしてステップＳ２０９でブログサーバ１は、解析結果を用いて画像適否スコアＳｉを算出する。

ステップＳ２１０以降は図１０と同様である。即ちブログサーバ１は、テキスト適否スコアＳｔと画像適否スコアＳｉを用いて適否判定を行い、適否判定に応じた処理を行う。

この図１１の処理によれば、投稿記事のジャンルに応じて、公序良俗の観点でのウェブページ掲載の適否が判定される。即ちジャンルに応じた基準で掲載適否が判定できることになる。

＜５．ブログ記事についての広告ジャンル適否判定＞
続いて、ブログ記事について広告ジャンル毎に相性の点での適否を判定する処理を図１２で説明する。この図１２の処理は、例えば上記の図１０又は図１１に引き続いてブログサーバ１が主にテキスト判定部１２、画像判定部１４、適否判定部１５の機能により実行する処理である。例えば投稿を受け付けた個々の記事に対して実行する。

図１２は処理対象とした１つの記事に対する処理として示している。
ブログサーバ１はステップＳ２５０で、処理対象とした記事のテキストデータを抽出する。
ステップＳ２５１でブログサーバ１は変数ｎ＝１とする。変数ｎは、図６に示した各広告ジャンルＧａｄ１、Ｇａｄ２・・・を指定する変数であり、その最大値ｎｍａｘは、広告ジャンルの数である。

ステップＳ２５２でブログサーバ１は、広告ジャンルＧａｄ（ｎ）の否定的テキスト情報ＷＮ−（ｎ）を判定基準情報ＤＢ５４（図７Ａ参照）から取得する。
ステップＳ２５３でブログサーバ１は、処理対象のブログ記事におけるテキストデータを解析する。具体的には、記事におけるテキストデータにおいて、否定的テキスト情報ＷＮ−（ｎ）として挙げられているワードや言い回しが含まれているか否か、いくつ含まれているか、或いは類似のワード等が含まれているか、等を解析する。
そしてステップＳ２５４でブログサーバ１は、解析結果を用いて広告ジャンルＧａｄ（ｎ）に対してのテキスト適否スコアＳｔＧ（ｎ）を算出し、内部レジスタ等に一時的に記憶する。
テキスト適否スコアＳｔＧ（ｎ）の態様は、先の図１０，図１１のテキスト適否スコアＳｔと同様に多様に考えられる。

ステップＳ２５５でブログサーバ１は変数ｎが最大値ｎｍａｘに達しているか否かを確認し、達していなければステップＳ２５６で変数ｎをインクリメントしてステップＳ２５２に戻る。そして処理対象としている記事のテキストデータについて、次の広告ジャンルＧａｄ（ｎ）について、同様にステップＳ２５２〜Ｓ２５４の処理を行う。
従って、処理対象としている記事のテキストデータについて、広告ジャンルＧａｄ１〜Ｇａｄ（ｎｍａｘ）のそれぞれに対応して、テキスト適否スコアＳｔＧ１〜ＳｔＧ（ｎｍａｘ）が順次算出されていくことになる。

ブログサーバ１の処理は、テキスト適否スコアＳｔＧ（ｎｍａｘ）が算出された後に、ステップＳ２５５からＳ２５７に進むことになる。ステップＳ２５７では変数ｎ＝１とする。そしてステップＳ２５８でブログサーバ１は処理対象としている記事の画像データを抽出する。

ステップＳ２５９でブログサーバ１は、判定基準情報ＤＢ５４から、広告ジャンルＧａｄ（ｎ）の画像の否定的特徴量情報ＳＰＩＮ−（ｎ）、及び画像の肯定的特徴量情報ＳＰＩＰ−（ｎ）を取得する。
ステップＳ２６０でブログサーバ１は、処理対象のブログ記事における画像データを解析する。具体的には、ブログ記事における画像データにおいて、画像の否定的特徴量情報ＳＰＩＮ−（ｎ）と共通する特徴量、及び画像の肯定的特徴量情報ＳＰＩＰ−（ｎ）と共通する特徴量を解析する。
そしてステップＳ２６１でブログサーバ１は、解析結果を用いて広告ジャンルＧａｄ（ｎ）に対しての画像適否スコアＳｉＧ（ｎ）を算出し、内部レジスタ等に一時的に記憶する。

画像適否スコアＳｉＧ（ｎ）の態様は、先の図１０，図１１の画像適否スコアＳｉと同様に多様に考えられる。
なお画像適否スコアＳｉＧ（ｎ）の算出に、画像の否定的特徴量情報ＳＰＩＮ−（ｎ）と画像の肯定的特徴量情報ＳＰＩＰ−（ｎ）の両方を用いることで、例えば広告ジャンルと画像の相性を肯定面でも評価できる。但し画像の否定的特徴量情報ＳＰＩＮ−（ｎ）のみを用いて、否定面を抽出して相性を評価したり、画像の肯定的特徴量情報ＳＰＩＰ−（ｎ）のみを用いて、肯定面を抽出して相性を評価するということも考えられる。

ステップＳ２６２でブログサーバ１は変数ｎが最大値ｎｍａｘに達しているか否かを確認し、達していなければステップＳ２６３で変数ｎをインクリメントしてステップＳ２５９に戻る。そして処理対象としている記事の画像データについて、次の広告ジャンルＧａｄ（ｎ）について、同様にステップＳ２５９〜Ｓ２６１の処理を行う。
従って、処理対象としている記事の画像データについて、広告ジャンルＧａｄ１〜Ｓａｄ（ｎｍａｘ）のそれぞれに対応して、画像適否スコアＳｉＧ１〜ＳｉＧ（ｎｍａｘ）が順次算出されていくことになる。

ブログサーバ１の処理は、画像適否スコアＳｉＧ（ｎｍａｘ）が算出された後に、ステップＳ２６２からＳ２６４に進むことになる。
ステップＳ２６４でブログサーバ１は、処理対象の記事について、ジャンルＧａｄ１〜Ｇａｄ（ｎｍａｘ）のそれぞれに対応する適否判定を行う。
即ちブログサーバ１は、当該記事について、テキスト適否スコアＳｔＧ１及び画像適否スコアＳｉＧ１を用いて、広告ジャンルＧａｄ１（食品）に対する適否判定を行う。判定は、例えば（ｋ１・ＳｔＧ１）＋（ｋ２・ＳｉＧ１）の値と、所定の閾値ｔｈとを比較して行う。係数ｋ１，ｋ２は、テキストと画像の重み付けのための係数である。
もちろんこれは一例で、先の公序良俗の観点での適否判定と同様に、例えばブロガー評価情報を係数に用いたり、テキスト適否スコアＳｔＧ１と画像適否スコアＳｉＧ１のアンド条件などによって判定を行ってもよい。
この判定結果は、食品ジャンルの商品・サービスの広告にとって、当該記事が同一ページ掲載に適しているか否かの判定結果となる。

同様にブログサーバ１は、当該記事について、テキスト適否スコアＳｔＧ２及び画像適否スコアＳｉＧ２を用いて、広告ジャンルＧａｄ２（自動車）に対する適否判定を行う。
同様にブログサーバ１は、当該記事について、テキスト適否スコアＳｔＧ３及び画像適否スコアＳｉＧ３を用いて、広告ジャンルＧａｄ３（家電）に対する適否判定を行う。
このように、各広告ジャンルＧａｄ１〜Ｇａｄ（ｎｍａｘ）について、当該記事の相性という観点で適否判定結果を算出する。

各広告ジャンルについて適否判定を行ったら、ブログサーバ１は、その適否判定結果を反映するように適否判定情報（図６参照）を更新する。
即ち、ある記事ナンバの記事について、各広告ジャンルＧａｄ１、Ｇａｄ２・・・について、例えば“０”“１”等の適否判定情報を記憶させる。
またこれに応じて各広告ジャンルＧａｄ１、Ｇａｄ２・・・についての不適比率も計算しなおして更新する。これをブロガー評価情報に反映させる場合、図５のブロガー評価情報、即ちブロガーにとっての相性のよいジャンル、相性の悪いジャンルの情報を更新する場合もある。

＜６．ブログ閲覧時の処理＞
続いてユーザ端末５からブログが閲覧要求された場合のブログサーバ１の処理を説明する。図１３はユーザ端末５からブログアクセス要求があった場合のブログサーバ１の処理を示している。この処理例は、ユーザ端末５において、提示される記事とともに相性の悪い広告が表示されないようにする処理である。

ユーザ端末５から或るブログ記事に対するアクセス要求があった場合、ブログサーバ１の処理はステップＳ３００からＳ３０１に進む。
ステップＳ３０１でブログサーバ１は、管理ＤＢ５３から提示させるブログ記事についての適否判定情報（図６参照）を取得する。
ステップＳ３０２でブログサーバ１は、適否判定情報から、不適とされた広告ジャンルの有無を確認する。

特に不適とされた広告ジャンルがなければステップＳ３０４に進んで、当該ブログ記事のページのページデータを生成する。即ち該当記事としてのテキストデータ及び画像データをブログＤＢ５１、画像ＤＢ５２から読み出し、例えばＨＴＭＬやＸＨＴＭＬなどウェブページデータを生成する。
そしてブログサーバ１はステップＳ３０５で、生成したページデータを要求元のユーザ端末５に送信する。これにより、ユーザ端末５においてユーザが所望したブログ記事が図４のように表示される。
またブログページ７０の広告エリア７３には、広告サーバ３から配信された広告が表示される。例えばユーザ端末５のブラウザが、当該ページデータに記載された広告要求指示に従って広告サーバ３に広告要求を行い、配信される広告を取得し、表示させる。この場合、当該ブログページ７０としてのページデータに広告取得条件が付加されていないことで、どの広告ジャンルの広告も掲載が制限されない。
なお、このときユーザ端末５は、ユーザ情報（例えばユーザの購買履歴等から推定した趣味、嗜好、購買傾向等）を広告サーバ３に送信することで、ユーザに適した広告を広告サーバ３に要求する場合もある。ユーザ情報はブログサーバ１がページデータとともにユーザ端末５に供給したり、或いはユーザ端末５自体が記憶するウェブ閲覧履歴などに基づいて生成したりすることが考えられる。

一方、要求されたブログ記事について不適とされた広告ジャンルが存在する場合は、ブログサーバ１は、ステップＳ３０３で、広告取得条件として、不適とされた特定の広告ジャンルを不可とする情報を設定する。例えば図６の記事ナンバ３の記事のように、自動車、家電の広告ジャンルについて不適とされている場合、自動車関連の広告や家電関連の広告については掲載不可とする広告取得条件を設定する。
そしてブログサーバ１は、ステップＳ３０４でのページデータ生成の際に、当該広告取得条件の情報をページデータに付加する。
例えばＨＴＭＬページに、JavaScript（ジャバスクリプト）等のプログラム言語により、広告取得条件に基づいての広告アクセスを行うようにユーザ端末５に指示するプログラムを加えるようにする。

ブログサーバ１はステップＳ３０５で、生成したページデータを要求元のユーザ端末５に送信する。これにより、ユーザ端末５においてユーザが所望したブログ記事が図４のように表示される。
この場合、ブログページ７０の広告エリア７３には、相性が悪いとして不適と判定された広告ジャンルの広告は表示されない。例えばユーザ端末５のブラウザは、当該ページデータに記載された広告要求指示に従って広告サーバ３に広告要求を行うが、広告取得条件が設定されていることで、特定の広告ジャンルを除いた要求を広告サーバ３に対して行う。広告サーバ３は、これに応じて、不可とされたジャンル以外のジャンルの広告をユーザ端末５に送信する。例えば図６の記事ナンバ３の記事の場合、その記事と同じページの広告エリア７３には、自動車関連の広告や家電関連の広告は掲載されないことになる。

なお図６Ｃ、図６Ｄのように、適否判定情報として望ましい広告ジャンルを示す場合もある。そのような望ましい広告ジャンルの情報をページデータに付加し、ユーザ端末５（ブラウザ）が広告サーバ３に広告要求する場合に、望ましい広告ジャンルの広告が得られやすくするような要求を行うようにしてもよい。

以上の図１３は、ブログサーバ１が適否判定情報に基づいて広告取得条件を設定してページデータに付加することで、ユーザ端末５がその広告取得条件に従った配信を広告サーバ３に要求する例を述べたが、ブログサーバ１が広告サーバ３から広告配信を受け、広告を含めたページデータを生成し、それをユーザ端末５に配信するという例も考えられる。その場合は、ステップＳ３０４のページデータ生成の際に、ステップＳ３０３で設定した広告取得条件に従って広告サーバ３に対して広告要求を行うようにすればよい。

また図１４のように、ユーザ端末５（ブラウザ）側で適否判定情報を参照して広告を選択することも考えられる。
図１４はユーザ端末５の処理である。ユーザ端末５はユーザ操作に従い、ステップＳ４００でブログの或る記事のページをブログサーバ１に要求する。これに応じてブログサーバ１は該当の記事のページデータを送信してくる。ユーザ端末５はステップＳ４０１でページデータを受信取得し、ステップＳ４０２でブログページを表示する処理を行う。

このページデータには広告エリア７３が設定され広告取得指示が含まれていることで、ユーザ端末５（ブラウザ）はステップＳ４０３として広告サーバ３に広告要求を行う。
ステップＳ４０４でユーザ端末５は広告サーバ３から送信されてくる広告を取得する。 ここでユーザ端末５はステップＳ４０５で、取得した広告のジャンルを特定する。例えば広告サーバ３から広告コンテンツに含まれて送られてくる広告の属性情報から当該広告のジャンルを判定する。

ステップＳ４０６でユーザ端末５は、適否判定情報を参照して、当該広告ジャンルが当該ブログ記事にとって相性がいいものであるか否かを判定する。
この処理は、ユーザ端末５がブログサーバ１に広告ジャンルの情報を送信し、当該記事との適否判定情報を参照して、その参照結果をユーザ端末５に通知するものとしてもよい。
或いは、記事と広告ジャンルの組み合わせによる適否判定情報をＡＰＩ（Application Programming Interface）によりユーザ端末５から問い合わせ可能としてもよい。
或いは、ユーザ端末５が当該ブログ記事についての適否判定情報を直接管理ＤＢ５３から取得できるようにしてもよい。
さらには、例えばブログサーバ１が記事のページデータをユーザ端末５に送信する際に、その記事に対応する適否判定情報を共にユーザ端末に送信するようにしてもよい。
これらの手法により、ユーザ端末５では、受信した広告が、表示させるブログ記事と相性がよいものであるか否か判定できる。

相性がよいものであれば、ユーザ端末５はステップＳ４０７からＳ４０９に進み、受信した広告を広告エリア７３に表示させる処理を行う。
受信した広告がブログ記事と相性が悪いものであった場合は、ユーザ端末５はステップＳ４０７からＳ４０８に進み、広告サーバ３に対して異なるジャンルの広告を送信するように要求する。そしてステップＳ４０４でユーザ端末５は広告を取得し、ステップＳ４０５，Ｓ４０６の処理を同様に行う。

このような処理によっても、ブログ記事に対して相性の悪い広告が同じページに表示されないようにすることができる。
特に図１４のような処理は、ブログ閲覧用のアプリケーションソフトウエアとして提供され、ユーザ端末５で機能するようにされることで、容易に実現可能である。

なお、例えばユーザ端末５（ブラウザ）が、ブログサーバ１が提供するＡＰＩにアクセスすること等により広告取得条件を取得した場合、それに応じて特定のジャンルの広告を除く配信を広告サーバ３に要求するようにするような処理も可能である。その場合、広告サーバ３からは相性の悪い広告は送信されないため、図１４のステップＳ４０７，Ｓ４０８は不要となり、広告取得及び表示までの処理を迅速化できる。

＜７．まとめ及び変形例＞
以上の実施の形態によれば、次のような効果が得られる。
実施の形態のブログサーバ１（情報処理装置）は、画像データ及びテキストデータを含むブログ記事（主コンテンツ）について、テキストデータの解析を行い、所定の観点における適否に関する情報であるテキスト適否スコアＳｔを生成するテキスト判定部１２と、ブログ記事の画像データについて、所定の観点についての不適切画像を入力する学習により得られた否定的特徴量ＳＰＩＮを用いた解析を行い、所定の観点における適否に関する情報である画像適否スコアＳｉを生成する画像判定部１４を有する。またブログサーバ１は、テキスト適否スコアＳｔ及び画像適否スコアＳｉを用いて、ウェブページ掲載に関する適否判定を行う適否判定部１５を備える。
不適切画像の学習（実施の形態ではディープラーニング）による画像判定は、学習を進めることによって精度を高めることができるが、過学習という懸念もある。本実施の形態の場合は、画像の学習精度をある程度に抑えたうえで、テキスト解析で補完するということができる。そして両解析を合わせて所定の観点について適否判定する。この場合、過学習を抑え目的にそった適切な適否判断が実行できる確度を高めることができる。
なお学習は深層学習（ディープラーニング）に限らない。機械学習（マシンラーニング）の範疇の他の手法でもよい。

実施の形態では、ブログサーバ１はブログ記事自体のウェブページ掲載の適否判定を行う例を述べた（図１０，図１１参照）。
例えば投稿されたブログ記事が、ウェブページ掲載するにあたって不適なものでないかを判定する。
これによりブロガーが投稿する記事など、ブログサーバ１側が制作するものではないコンテンツについて、ウェブページ掲載に不適切なものを判定でき、対応処理をとることができる。例えばウェブページ掲載の不実行、掲載停止、掲載削除、閲覧制限の設定、或いは制作者への修正依頼などが可能となる。このような判定を自動で行うことで、ブログサーバ１側のスタッフの作業負担も著しく低減される。
特に上述のように判定精度が高められていることで、これらの効果は顕著なものとなる。

実施の形態では、所定の観点として、ウェブページ掲載に係る公序良俗の観点により適否判定を行う例を挙げた（図１０，図１１参照）。例えば投稿されたブログ記事が、差別用語を含んだり、犯罪を促す内容であったりするなど、公序良俗の観点でウェブページ掲載するにあたって不適なものでないかを判定する。
具体的には、テキスト解析では、差別用語などの不適切ワードや不適切な表現・文意を解析する。画像については、公序良俗の観点で不適切な画像を入力した学習によって得られた特徴量を用いて、ブログ記事における画像が不適切であるか否かを解析する。これらの結果のテキスト適否スコア及び画像適否スコアを用いて、公序良俗の観点での適否判定を行うようにしている。
これによりウェブページ掲載にとって公序良俗の観点で不適切なものを判定でき、対応処理をとることができる。

実施の形態では、ブログ記事（主コンテンツ）とともに同じウェブページに掲載されようとする広告（副コンテンツ）について、ブログ記事とともにウェブページ掲載を行うことの適否判定を行う例を述べた（図１２、図１３参照）
これによりブログ記事と共に掲載される広告の相性が判定されることになる。
例えばベジタリアンを推奨するブログ記事とともにステーキレストランの広告を載せたり、列車事故の話題のブログ記事とともに鉄道旅行の広告を載せたりすることは、ブロガーと広告主の双方にとって望ましくないものとなる。
これらの例のようにブログと広告の相性が悪いと、ブロガーや閲覧者は、ブログ記事内容にそぐわない広告が掲載されることで不快に思ったり、場合によってはブロガーの評判低下が生ずるという懸念もある。
また広告主からみれば、広告効果が期待できない場合や、企業イメージやブランドイメージの低下といったことを引き起こす可能性も考えられる。
そこで実施の形態では、ブログ記事と広告の相性としての適否判定を行うようにすることで、不適切なマッチングによるウェブページ掲載が行われないようにすることができ、これによってブロガー、閲覧者、広告主のそれぞれにとって望ましいウェブページ掲載環境を実現できることになる。

実施の形態では、所定の観点として、広告が提示する商品又は商品分野にとってブログ記事が適切か否かの観点とする例を述べた。
例えば投稿されたブログ記事と広告の商品又は商品分野（ジャンル）の相性がよいか否かを判定する。
具体的には、図１３の例では、ブログ記事に対して不適とされた広告ジャンルの有無を確認し、そのような相性として不適な広告がブログ記事に対して掲載されないようにしている。また図１４の例ではブログ記事とともに掲載する広告を取得した際に、その広告のジャンルがブログ記事に対して相性として不適であるか否かを確認している。またこれら図１３，図１４の処理のために、ブログ記事については図１２の処理により、相性として不適な広告ジャンルを検出し、適否判定情報を管理するようにしている。
これらの処理により、広告ジャンルとブログ記事内容の相性がよくないマッチングが防止される。
また相性の判定についてテキスト解析では、商品や商品分野（広告ジャンル）にとって好ましくないとされる不適切ワードや不適切な表現・文意を解析する。画像については、商品や商品分野（広告ジャンル）毎に不適切な画像を入力したディープラーニングによって得られた特徴量を用いて行う。広告ジャンルによっては不適切なテキストや画像の内容は異なるため、副コンテンツが提示する商品又は商品分野にとって主コンテンツが適切か否かの観点で判定することで、主副コンテンツの適切なマッチングがはかられるとともに、各広告コンテンツの広告機会もむやみに阻害されない。
例えば野菜販売の広告は、農薬記事には相性が悪い場合があるが、ベジタリアン推奨の記事には相性がよい。列車旅行の広告は列車事故の記事に相性は悪いが、観光記事には相性がよい。これらのように商品又は商品分野によって主コンテンツとの相性は異なるため、商品や商品分野毎に主コンテンツとの相性が適切か否かを判定することが好適となる。
そして相性のよいマッチングでウェブページ掲載を行うことで、広告効果の上昇、ブランドイメージ向上なども期待できる。従ってブログサーバ１やユーザ端末５などのハードウエア資源の有効利用にもつながる。

実施の形態のブログサーバ１は、ユーザ端末５から要求されたブログ記事をユーザ端末５においてウェブページとして提示させるための処理を行う提示制御部１６を備える。そして適否判定部１５は、ブログ記事に対して行った広告ジャンル毎の相性の面での適否判定の結果を含む適否判定情報を管理ＤＢ５３に記憶する処理（図１２）を行う。また提示制御部１６は、要求されたブログ記事について記憶されている適否判定情報を参照して、広告の商品又は商品分野単位での取得条件を付したウェブページデータを生成し、ユーザ端末５に送信する（図１３）。
これによりブログ記事がユーザ端末５から要求されたときに、提示制御部１６は適否判定情報を参照して、広告ジャンルとしての取得条件を付したウェブページデータを生成し、ユーザ端末５に送信すればよく、これによって当該ブログ記事とは相性のよくない広告が表示されないようにすることができる。そしてブログ記事要求時に適否判定を行うものではないためブログサーバ１のウェブページ送信処理負荷は重くならない。これによりレスポンスのよいブログ閲覧環境をユーザに提供できることになる。

実施の形態では、ブログ記事のジャンルに応じた否定的テキスト情報ＷＮ−Ｇ１、ＷＮ−Ｇ２・・・を用いてテキスト適否スコアＳｔ生成し、またブログ記事のジャンルについての不適切画像を入力するディープラーニングにより得られた画像の否定的特徴量情報ＳＰＩＮ−Ｇ１、ＳＰＩＮ−Ｇ２・・・を用いて画像適否スコアＳｉを生成する例を述べた（図８，図１１参照）。
例えばブログ記事のテキスト解析などにより、まず記事内容のジャンルを特定する。その後、記事ジャンルに応じた不適切ワードや不適切表現等の否定的テキスト情報を用いてテキスト適否情報を生成する。また、記事ジャンルに応じた不適切画像の学習結果としての否定的特徴量を用いて画像適否情報を生成する。
これにより、ブログ記事のジャンル毎の事情に応じた適否判定ができる。例えば映画紹介のブログでは不適切でなくても、子供向けのブログでは不適切な言葉や表現はある。子供向けのブログを基準として全てのブログ記事を判定してしまうと、無用に不適切と判定されるブログ記事が増えてしまうようなことも考えられる。ジャンルに応じた否定的テキスト情報や否定的特徴量を用いて判定することで、このような事態を防止できる。

実施の形態では、ブログ記事の画像データについて、所定の観点についての適切画像を入力する学習により得られた画像の肯定的特徴量情報ＳＰＩＰも用いて画像適否スコアＳｉを生成する例を述べた（図１２参照）。
例えば公序良俗の観点や広告ジャンルとの相性などの所定の観点で適切とされた画像を入力する学習結果としての肯定的特徴量を用いる。
これにより、ウェブページ掲載に相応しい主コンテンツの判定や、副コンテンツ（広告等）の主コンテンツに対しての相性の良さの判定も可能となる。これによって例えば広告掲載を想定すれば、ブログ記事内容との相乗効果で、より広告効果を高めるような掲載も実現できる。例えば車の性能を肯定的に評価するブログ記事とともに車の広告を掲載することで、ブログと広告の双方に高い付加価値が生まれる。

実施の形態では、ブログサーバ１はブログ記事単位で適否判定を行う例を述べた（図１０〜図１３参照）。
ブログは記事毎に話題が異なり、公序良俗あるいは広告との相性などの観点での適否は記事毎に異なる。記事毎に適否判定を行うことで、記事毎に適したコンテンツ提示制御が可能となる。もちろん或る記事のみ内容の傾向が異なるような場合にも適切に対応できる。

なお実施の形態では、ブロガーに対して判定を行っておき、その情報をブロガー評価情報として管理ＤＢ５３に記憶するようにもした。このブロガー評価情報を適否判定に用いることもできる。例えば公序良俗の観点でほぼ心配のないブロガーと注意すべきブロガーによって、テキスト適否スコアＳｔや画像適否スコアＳｔの係数を変更することで、注意すべきブロガーの場合は若干不適判定されやすくし、それを抽出してスタッフが判定することにするなど対応できるようにすることが考えられる。
またブロガーによって相性のよい商品ジャンルや相性のよくない商品ジャンルを管理しておき、それにより広告掲載ジャンルを推奨又は制限することも考えられる。

実施の形態の図１４の処理として、ユーザ端末５が、ブログ記事とともに同じウェブページに掲載されようとする或る広告コンテンツについて、ブログ記事とともにウェブページ掲載を行うことが適切でないと判定した場合、他の広告コンテンツをブログ記事とともに掲載する候補とする処理を行う例を述べた。
例えば図１４のステップＳ４０８のように他の広告コンテンツを要求する。同様に適否判断を行うことで、ブログ記事に適した広告が選択できることになる。

実施の形態の処理例は一例であり、他にも各種の変形例が想定される。
上記では、適否判定のための観点として、公序良俗や広告ジャンルとの相性という例を挙げたが、「所定の観点」としては他にも各種考えられる。
例えば所定の掲載目的にとって適切か否かなどである。
女性向けのブログとしての適否や、子供向けのブログとしての適否など、閲覧者の属性に適しているかという観点で適否判定を行うことは有用である。
またスポーツ、経済など、ブログの主たる分野としての適否判定も考えられる。

本発明の技術はブログに限らず、テキストと画像を含む主コンテンツの適否判定に適用できる。また主コンテンツと副コンテンツを共に掲載する場合の相性としての適否に広く利用できる。

＜８．プログラム及び記憶媒体＞
実施の形態のプログラムは、ブログサーバ１における少なくともテキスト判定部１２、画像判定部１４、適否判定部１５の処理を情報処理装置（ＣＰＵ等）に実行させるプログラムである。

実施の形態のプログラムは、画像データ及びテキストデータを含む主コンテンツについて、テキストデータの解析を行い、所定の観点における適否に関する情報であるテキスト適否スコアＳｔを生成する処理（Ｓ２０２〜Ｓ２０５、Ｓ２５２〜Ｓ２５４）と、主コンテンツの画像データについて、所定の観点についての不適切画像を入力する学習により得られた否定的特徴量を用いた解析を行い、所定の観点における適否に関する情報である画像適否スコアＳｉを生成する処理（Ｓ２０６〜Ｓ２０９、Ｓ２５８〜Ｓ２６１）と、テキスト適否スコアＳｔ及び画像適否スコアＳｉを用いて、ウェブページ掲載に関する適否判定を行う処理（Ｓ２１０、Ｓ２６４）とを情報処理装置に実行させるプログラムである。
即ちこのプログラムは、情報処理装置に対して図１０又は図１１や、図１２等で説明した処理を実行させるプログラムである。

このようなプログラムにより、上述したブログサーバ１としての１又は複数の情報処理装置を実現できる。
そしてこのようなプログラムはコンピュータ装置等の機器に内蔵されている記憶媒体としてのＨＤＤや、ＣＰＵを有するマイクロコンピュータ内のＲＯＭ等に予め記憶しておくことができる。あるいはまた、半導体メモリ、メモリカード、光ディスク、光磁気ディスク、磁気ディスクなどのリムーバブル記憶媒体に、一時的あるいは永続的に格納（記憶）しておくことができる。またこのようなリムーバブル記憶媒体は、いわゆるパッケージソフトウェアとして提供することができる。
また、このようなプログラムは、リムーバブル記憶媒体からパーソナルコンピュータ等にインストールする他、ダウンロードサイトから、ＬＡＮ、インターネットなどのネットワークを介してダウンロードすることもできる。

１…ブログサーバ、２…ネットワーク、３…広告サーバ、４…広告ＤＢ、５…ユーザ端末、１１…ブログ管理部、１２…テキスト判定部、１３…画像学習部、１４…画像判定部、１５…適否判定部、１６…提示制御部、５１…ブログＤＢ、５２…画像ＤＢ、５３…管理ＤＢ、５４…判定基準情報ＤＢ

Claims (12)

1. 画像データ及びテキストデータを含む主コンテンツについて、前記主コンテンツのテキストデータの解析を行い、所定の観点における適否に関する情報であるテキスト適否情報を生成するテキスト判定部と、
   前記主コンテンツの画像データについて、前記所定の観点についての不適切画像を入力する学習により得られた否定的特徴量を用いた解析を行い、前記所定の観点における適否に関する情報である画像適否情報を生成する画像判定部と、
   前記所定の観点における前記テキスト適否情報及び前記画像適否情報が生成された後に、生成された前記テキスト適否情報及び前記画像適否情報を判定要素として用いて、前記主コンテンツのウェブページ掲載に関する適否判定を行う適否判定部と、を備えた
   情報処理装置。
2. 前記所定の観点とは、ウェブページ掲載に係る公序良俗の観点である
   請求項１に記載の情報処理装置。
3. 前記テキスト判定部は、前記主コンテンツのテキストデータの解析を行い、他の所定の観点における適否に関する情報であるテキスト適否情報を生成し、
   前記画像判定部は、前記主コンテンツの画像データについて、前記他の所定の観点についての不適切画像を入力する学習により得られた否定的特徴量を用いた解析を行い、前記他の所定の観点における適否に関する情報である画像適否情報を生成し、
   前記適否判定部は、前記他の所定の観点における前記テキスト適否情報及び前記画像適否情報が生成された後に、生成された前記テキスト適否情報及び前記画像適否情報を判定要素として用いて、前記主コンテンツとともに同じウェブページに掲載されようとする副コンテンツについて、前記主コンテンツとともにウェブページ掲載を行うことの適否判定を行う
   請求項１に記載の情報処理装置。
4. 前記他の所定の観点とは、前記副コンテンツが提示する商品又は商品分野にとって前記主コンテンツが適切か否かの観点である
   請求項３に記載の情報処理装置。
5. 端末装置から要求された前記主コンテンツを前記端末装置においてウェブページとして提示させるための処理を行う提示制御部を備え、
   前記適否判定部は、適否判定の結果を含む適否判定情報を記憶する処理を行うとともに、
   前記提示制御部は、要求された前記主コンテンツについて記憶されている適否判定情報を参照して、前記副コンテンツの商品又は商品分野単位での取得条件を付したウェブページデータを生成し、前記端末装置に送信する
   請求項４に記載の情報処理装置。
6. 前記テキスト判定部は、前記主コンテンツのジャンルに応じた否定的テキスト情報を用いてテキスト適否情報を生成し、
   前記画像判定部は、前記主コンテンツのジャンルについての不適切画像を入力する学習により得られた否定的特徴量を用いて画像適否情報を生成する
   請求項１又は請求項２に記載の情報処理装置。
7. 前記画像判定部は、前記主コンテンツの画像データについて、前記所定の観点についての適切画像を入力する学習により得られた肯定的特徴量も用いて画像適否情報を生成する
   請求項１乃至請求項６のいずれかに記載の情報処理装置。
8. 前記画像判定部は、前記主コンテンツの画像データについて、前記他の所定の観点についての適切画像を入力する学習により得られた肯定的特徴量も用いて画像適否情報を生成する
   請求項３に記載の情報処理装置。
9. 前記適否判定部は、前記主コンテンツとしてブログ記事単位で適否判定を行う
   請求項１乃至請求項８のいずれかに記載の情報処理装置。
10. 情報処理装置が行う情報処理方法として、
    画像データ及びテキストデータを含む主コンテンツについて、前記主コンテンツのテキストデータの解析を行い、所定の観点における適否に関する情報であるテキスト適否情報を生成し、
    前記主コンテンツの画像データについて、前記所定の観点についての不適切画像を入力する学習により得られた否定的特徴量を用いた解析を行い、前記所定の観点における適否に関する情報である画像適否情報を生成し、
    前記所定の観点における前記テキスト適否情報及び前記画像適否情報が生成された後に、生成された前記テキスト適否情報及び前記画像適否情報を判定要素として用いて、前記主コンテンツのウェブページ掲載に関する適否判定を行う情報処理方法。
11. 画像データ及びテキストデータを含む主コンテンツについて、前記主コンテンツのテキストデータの解析を行い、所定の観点における適否に関する情報であるテキスト適否情報を生成する処理と、
    前記主コンテンツの画像データについて、前記所定の観点についての不適切画像を入力する学習により得られた否定的特徴量を用いた解析を行い、前記所定の観点における適否に関する情報である画像適否情報を生成する処理と、
    前記所定の観点における前記テキスト適否情報及び前記画像適否情報が生成された後に、生成された前記テキスト適否情報及び前記画像適否情報を判定要素として用いて、前記主コンテンツのウェブページ掲載に関する適否判定を行う処理と、
    を情報処理装置に実行させるプログラム。
12. 画像データ及びテキストデータを含む主コンテンツについて、前記主コンテンツのテキストデータの解析を行い、所定の観点における適否に関する情報であるテキスト適否情報を生成する処理と、
    前記主コンテンツの画像データについて、前記所定の観点についての不適切画像を入力する学習により得られた否定的特徴量を用いた解析を行い、前記所定の観点における適否に関する情報である画像適否情報を生成する処理と、
    前記所定の観点における前記テキスト適否情報及び前記画像適否情報が生成された後に、生成された前記テキスト適否情報及び前記画像適否情報を判定要素として用いて、前記主コンテンツのウェブページ掲載に関する適否判定を行う処理と、
    をコンピュータに実行させるプログラムを記憶したコンピュータ読み取り可能な記憶媒体。

Images