JP6762740B2 - モデル生成装置、モデル生成方法及びプログラム - Google Patents

Description

本発明は、モデル生成装置、モデル生成方法及びプログラムに関する。

従来、ユーザのインターネット上の過去の行動履歴に基づきユーザ属性（例えば、性別、年齢、年収、家族構成、嗜好等）を推定するモデルがある。特に、ＰＣ（パーソナルコンピュータ）ユーザにおけるインターネット上の過去の行動履歴に基づきユーザ属性を推定するモデルは既に数多く存在する。そして、当該モデルを用いてＰＣユーザのユーザ属性を把握することにより、ＰＣユーザの属性に応じて、有効な宣伝広告等のコンテンツを提供することができる。

但し、近年では、若者層を中心に、ＰＣを所持せず、スマートフォン（以下、単にスマホと呼ぶ。）等の携帯端末のみでインターネットにアクセスして情報の収集や、購買行動を行う者が増加しつつある。

このため、新たにスマホユーザにおけるインターネット上の過去の行動履歴に基づきユーザ属性を推定するモデルを構築することが必要となってくる。しかしながら、このようなモデルを構築するためには、先ず、広範囲のスマホユーザ（例えば、数万人規模）にアンケート調査を実施する必要があり、長い時間を要する。

また、例えば、アンケート調査としては、「あなたの年収は○○円以上か？」、「あなたは既婚か未婚か？」、「あなたは株式投資に興味があるか？」等、個人情報に関する事項や、嗜好に関する情報についてのアンケートを実施することになる。このため、スマホユーザに、正直にアンケートに回答してもらうためには、何らかの謝礼（インターネット上で使用可能なポイント等）の提供が必要となり、多額のコストも発生してしまう。

これに対して、膨大なアンケート調査を実施することなく、利用者の行動履歴データから確率的に利用者の行動モデルを作成し、当該行動モデルに基づき、所定の条件に応じて確率的に利用者の行動を予測すると共に、所定の条件に適合する行動履歴データのデータ数が所定の閾値に満たない場合に、該条件を拡張して利用者の行動を予測する、行動予測装置が知られている（例えば、特許文献１参照）。

特開２０１０−１９８２４３号公報

しかしながら、特許文献１の先行技術では、数値の入力変数の値を拡張する等の処理を行うことにより、行動履歴データのデータ数を増やしているため、過去の行動履歴に基づきユーザの属性を推定した場合には、推定された属性と実際の属性との間の乖離が大きくなる場合があるといった問題点があった。

本発明の目的は、時間とコストをかけずに、新たなデバイス用のモデルをより好適に作成することができるモデル生成装置、モデル作成生成及びプログラムを提供することにある。

前記課題を解決するために、請求項１記載の発明は、
第１デバイスを使用するユーザの第１デバイス上の行動履歴からユーザ属性を推定するための第１デバイス用モデルを生成するモデル生成装置において、
前記第１デバイスのユーザと、前記第１デバイスと種類の異なる第２デバイスのユーザとの間で同一ユーザを推定する推定手段と、
前記第２デバイスを使用するユーザの第２デバイス上の行動履歴からユーザ属性を推定するための既存の第２デバイス用モデルを用いて、前記推定手段により同一ユーザであると推定されたユーザの前記第２デバイス上の行動履歴に対応する第２デバイス用モデルのユーザ属性を特定する特定手段と、
前記特定手段により特定されたユーザ属性を、前記推定されたユーザの前記第１デバイス用モデルのユーザ属性とすることにより、前記第１デバイス用モデルを生成するモデル生成手段と
を備え、
前記モデル生成手段は、前記第２デバイス用モデルに基づき前記第１デバイス用モデルを生成した後、前記生成された第１デバイス用モデルに基づき新たに第２デバイス用モデルを生成する処理を繰り返すことを特徴とする。

請求項２に記載の発明は、請求項１に記載のモデル生成装置において、
前記モデル生成手段は、前記推定されたユーザの前記第１デバイス上の行動履歴と、前記推定されたユーザ以外のユーザの前記第１デバイス上の行動履歴とが一致又は類似する場合に、前記推定されたユーザに対応する前記第２デバイス用モデルのユーザ属性を、前記推定されたユーザ以外のユーザの前記第１デバイス用モデルのユーザ属性とすることを特徴とする。

請求項３に記載の発明は、請求項１又は２に記載のモデル生成装置において、
前記推定手段は、所定の期間に、同一のＩＤでログインした場合に、前記第１デバイスのユーザと前記第２デバイスのユーザとが同一ユーザであると推定することを特徴とする。

請求項４に記載の発明は、請求項１から３のいずれか一項に記載のモデル生成装置において、
前記第１デバイスは携帯端末であり、前記第２デバイスはパーソナルコンピュータであ
ることを特徴とする。

請求項５に記載の発明は、請求項１から３のいずれか一項に記載のモデル生成装置において、
前記第１デバイスはパーソナルコンピュータであり、前記第２デバイスは携帯端末であることを特徴とする。

請求項６に記載の発明は、
コンピュータを用いて第１デバイスを使用するユーザの第１デバイス上の行動履歴からユーザ属性を推定するための第１デバイス用モデルを生成するモデル生成方法であって、
前記第１デバイスのユーザと、前記第１デバイスと種類の異なる第２デバイスのユーザとの間で同一ユーザを推定するステップと、
前記第２デバイスを使用するユーザの第２デバイス上の行動履歴からユーザ属性を推定するための既存の第２デバイス用モデルを用いて、同一ユーザであると推定されたユーザの前記第２デバイス上の行動履歴に対応する第２デバイス用モデルのユーザ属性を特定するステップと、
特定されたユーザ属性を、前記推定されたユーザの前記第１デバイス用モデルのユーザ属性とすることにより、前記第１デバイス用モデルを生成するステップと
を含み、
前記モデルを生成するステップは、前記第２デバイス用モデルに基づき前記第１デバイス用モデルを生成した後、前記生成された第１デバイス用モデルに基づき新たに第２デバイス用モデルを生成する処理を繰り返すことを特徴とする。

請求項７に記載の発明は、
コンピュータを、
第１デバイスのユーザと、前記第１デバイスと種類の異なる第２デバイスのユーザとの間で同一ユーザを推定する推定手段と、
前記第２デバイスを使用するユーザの第２デバイス上での行動履歴からユーザ属性を推定するための既存の第２デバイス用モデルを用いて、前記推定手段により同一ユーザであると推定されたユーザの第２デバイス上の行動履歴に対応する第２デバイス用モデルのユーザ属性を特定する特定手段と、
前記特定手段により特定されたユーザ属性を、前記推定されたユーザの第１デバイス用モデルのユーザ属性とすることにより、前記第１デバイス用モデルを生成するモデル生成手段と
として機能させ、
前記モデル生成手段は、前記第２デバイス用モデルに基づき前記第１デバイス用モデルを生成した後、前記生成された第１デバイス用モデルに基づき新たに第２デバイス用モデルを生成する処理を繰り返すプログラムである。

本発明によれば、時間とコストをかけずに、新たなデバイス用のモデルをより好適に作成することができる。

実施形態に係るモデル生成装置の構成を示すブロック図である。 モデル生成装置の動作の一例を示すフローチャートである。 ＰＣユーザ用のモデルから導かれるユーザ属性と行動履歴の関係を示す説明図である。 スマホユーザの行動履歴の一例を示す説明図である。 生成されたスマホユーザ用のモデルから導かれるユーザ属性と行動履歴の関係を示す説明図である。 年齢性別と世帯年収モデルのスコアの関係の一例を示す説明図である。 年齢性別と世帯資産モデルのスコアの関係の一例を示す説明図である。 よく見るテレビ番組と世帯年収モデルのスコアの関係の一例を示す説明図である。 よく見るテレビ番組と世帯資産モデルのスコアの関係の一例を示す説明図である。

（実施形態）
［１．構成の説明］
以下、図面を参照しつつ、本発明の実施形態であるモデル生成装置を詳細に説明する。但し、発明の範囲は、図示例に限定されない。

［１−１．モデル生成装置の構成の説明］
本発明の実施形態のモデル生成装置の構成について、図１を参照して説明する。図１は、モデル生成装置１００（以下、単に装置１００と呼ぶ。）の機能をブロック図として表した概略構成図である。

図１に示すように、装置１００は、制御部１、記憶部２、表示部３、操作部４、通信部５、ＰＣログイン履歴記憶部６、スマホログイン履歴記憶部７、ＰＣユーザ属性記憶部８及びスマホ行動履歴記憶部９を有する。また、装置１００において、制御部１、記憶部２、表示部３、操作部４、通信部５、ＰＣログイン履歴記憶部６、スマホログイン履歴記憶部７、ＰＣユーザ属性記憶部８及びスマホ行動履歴記憶部９は、内部バス等により互いに接続される。

制御部１は、装置１００の動作を中央制御する。具体的には、制御部１は、ＣＰＵ（Central Processing Unit）、ＲＯＭ（Read Only Memory）、ＲＡＭ（Random Access Memory）などを有しており、ＲＡＭの作業領域に展開されたＲＯＭや記憶部２に記憶されたプログラムデータとＣＰＵとの協働により各部を統括制御する。また、制御部１は、後述するように、推定手段、特定手段、モデル生成手段として動作する。

記憶部２は、プログラムデータや各種設定データ等のデータを制御部１から読み書き可能に記憶する。例えば、記憶部２は、ＨＤＤ（Hard Disk Drive）や半導体メモリなどであってもよい。

表示部３は、制御部１から出力された表示制御信号に基づいた画像を表示画面に表示する。例えば、表示部３は、ＬＣＤ（Liquid Crystal Display）、有機ＥＬ（Electro Luminescence）素子を用いたＦＰＤ（Flat Panel Display）などであってもよい。また、スマートフォンやタブレット端末等のように表示部３は、操作部４と一体的に形成されたタッチパネルなどであってもよい。

操作部４は、ユーザからの操作入力を受け付け、当該操作入力に応じた操作信号を制御部１へ出力する。例えば、スマートフォンやタブレット端末等のように操作部４は、表示部３と一体的に形成されたタッチパネルなどであってもよい。

通信部５は、ネットワーク（不図示）等を介して外部装置との間で通信を行い、データの送受信を行う。例えば、外部サーバに蓄積されているＰＣやスマホのログイン情報を取得して、制御部１に出力する。

ＰＣログイン履歴記憶部６は、ＰＣからログインされた際の、日時やユーザＩＤ等の情報を含むログイン履歴を、制御部１から読み書き可能に記憶する。例えば、ＰＣログイン履歴記憶部６は、ＨＤＤや半導体メモリなどであってもよい。また、記憶部２の一部領域に、ＰＣログイン履歴記憶部６の機能を割り当てるものであってもよい。

スマホログイン履歴記憶部７は、スマホからログインされた際の、日時やユーザＩＤ等の情報を含むログイン履歴を、制御部１から読み書き可能に記憶する。例えば、スマホログイン履歴記憶部７は、ＨＤＤや半導体メモリなどであってもよい。また、記憶部２の一部領域に、スマホログイン履歴記憶部７の機能を割り当てるものであってもよい。

ＰＣユーザ属性記憶部８は、既存のＰＣユーザ用のモデルより、生成されたユーザ属性（推定データ）を、過去のＰＣ上の行動履歴と共に、制御部１から読み書き可能に記憶する。例えば、ＰＣユーザ属性記憶部８は、ＨＤＤや半導体メモリなどであってもよい。また、記憶部２の一部領域に、ＰＣユーザ属性記憶部８の機能を割り当てるものであってもよい。さらに、既存のＰＣユーザ用のモデルを記憶しておき、制御部１の制御により、過去のＰＣ上の行動履歴を、既存のＰＣユーザ用のモデルに入力して、ユーザ属性（推定データ）を生成するものであってもよい。

スマホ行動履歴記憶部９は、スマホユーザ用の行動履歴を、制御部１から読み書き可能に記憶する。また、制御部１が、スマホユーザ用の行動履歴に対応するユーザ属性を既存のＰＣユーザ属性記憶部８から抽出して書き込む。例えば、スマホ行動履歴記憶部９は、ＨＤＤや半導体メモリなどであってもよい。また、記憶部２の一部領域に、スマホ行動履歴記憶部９の機能を割り当てるものであってもよい。

［２．動作の説明］
本発明の実施形態における装置１００の具体的な動作の説明を図２〜図５を用いて詳細に行う。以下、説明の便宜上、装置１００の制御部１が主体となる処理は、「装置１００」をその処理の主体として説明する。
［２−１．装置１００の動作の説明］
また、ここで、装置１００の動作について図２のフローチャートを用いて説明する。
装置１００は、ＰＣログイン履歴記憶部６及びスマホログイン履歴記憶部７からそれぞれのログイン履歴を読み出し（ステップＳ２１）、ＰＣのログイン履歴とスマホのログイン履歴とを突き合わせて同一ユーザの推定を行う（ステップＳ２２：推定手段）。

同一ユーザの推定とは、例えば、ＰＣのログイン履歴とスマホのログイン履歴とを突き合わせて、所定の期間に同一のユーザＩＤを用いて、ＰＣ及びスマホの双方からログインしている場合には、ＰＣユーザとスマホユーザとは同一人物であると推定することである。

装置１００は、同一ユーザの推定の結果、同一ユーザであると判断した場合（ステップＳ２３：Ｙｅｓ）、ＰＣユーザ属性記憶部８から同一ユーザのユーザ属性を読み出し（ステップＳ２４：特定手段）、スマホユーザ用のモデルにおける同一ユーザのユーザ属性としてスマホ行動履歴記憶部９に書き込み（ステップＳ２５：モデル生成手段）、ステップＳ３０に進む。

具体的には、例えば、ＰＣユーザ属性記憶部８には、図３に示すような過去のＰＣにおける行動履歴と、それに対応するユーザ属性が記憶されている。一方、スマホ行動履歴記憶部９には、図４に示すような過去のスマホにおける行動履歴のみが記憶されており、モデル作成に必要とされるユーザ属性が空欄であり、このようなデータだけを用いてスマホユーザ用のモデルを構成することは不可能である。

このため、例えば、ＰＣユーザ識別子「Ｐ００２」のユーザと、スマホユーザ識別子「Ｓ００２」のユーザが、同一ユーザであると推定された場合、図５中のＷＲ５１に示すように、ＰＣユーザ識別子「Ｐ００２」のユーザのユーザ属性（例えば、「スポーツに興味あり」）を、スマホユーザ識別子「Ｓ００２」のユーザのユーザ属性として、スマホ行動履歴記憶部９に書き込んで、図５に示すようにスマホユーザ上の行動履歴とユーザ属性の組み合わせを完成させ、このようなデータを用いてスマホユーザ用のモデルをチューニングして完成させる。

同様に、例えば、ＰＣユーザ識別子「Ｐ００４」のユーザと、スマホユーザ識別子「Ｓ００４」のユーザが、同一ユーザであると推定された場合、図５中のＷＲ５２に示すように、ＰＣユーザ識別子「Ｐ００４」のユーザのユーザ属性（例えば、「自動車に興味あり…」）を、スマホユーザ識別子「Ｓ００４」のユーザのユーザ属性として、スマホ行動履歴記憶部９に書き込んで、図５に示すようにスマホユーザ上の行動履歴とユーザ属性の組み合わせを順次完成させ、このようなデータを用いてスマホユーザ用のモデルをチューニングして完成させる。

一方、装置１００が、同一ユーザではないと判断した場合（ステップＳ２３：Ｎｏ）、スマホ行動履歴記憶部９から、前の処理で同一ユーザと推定されたユーザのスマホユーザ用の行動履歴を順に読み出して照合し（ステップＳ２６）、同一又は類似のスマホユーザ用の行動履歴を持つユーザの有無を判断する（ステップＳ２７）。

装置１００は、スマホユーザ用の行動履歴の中には、同一又は類似の行動履歴がないと判断した場合（ステップＳ２７：Ｎｏ）、ステップＳ３０に進む。

一方、装置１００が、スマホユーザ用の行動履歴の中に、同一又は類似の行動履歴があると判断した場合（ステップＳ２７：Ｙｅｓ）、ＰＣユーザ属性記憶部８から同一ユーザと推定されたユーザのユーザ属性を読み出し（ステップＳ２８）、スマホユーザ用のモデルにおける同一又は類似の行動履歴を有する他方のユーザのユーザ属性としてスマホ行動履歴記憶部９に書き込み（ステップＳ２９）、ステップＳ３０に進む。

すなわち、過去のＰＣにおける行動履歴と、過去のスマホにおける行動履歴とは、たとえ同一人物であっても行動履歴がかなり異なるので、過去のＰＣにおける行動履歴と、過去のスマホにおける行動履歴とを、そのまま突き合わせることはできない。このため、同一ユーザと推定されたユーザの過去のスマホにおける行動履歴と、それ以外のユーザの過去のスマホにおける行動履歴を突き合わせて、同一又は類似のスマホユーザ用の行動履歴がある場合、同一ユーザと推定されたユーザのＰＣユーザ属性記憶部８に記憶されているユーザ属性を、それ以外のユーザの過去のスマホにおける行動履歴と紐づける。

具体的には、例えば、スマホユーザ識別子「Ｓ００４」のユーザと、スマホユーザ識別子「Ｓ００１」のユーザとの行動履歴は、「自動車のページビュー」の回数以外は一致している。言い換えれば、行動履歴が類似している。このため、図５中のＷＲ５３に示すように、同一ユーザと推定されたユーザ（ＰＣユーザ識別子「Ｐ００４」のユーザ）のＰＣユーザ属性記憶部８に記憶されているユーザ属性を、スマホユーザ識別子「Ｓ００１」のユーザのユーザ属性であると推定して、スマホ行動履歴記憶部９に書き込んで、スマホユーザ用のモデルを生成する。

なお、図２に示すフローチャートのように、ＰＣユーザ属性記憶部８に記憶されているユーザ属性を直接読み込んで、同一又は類似の行動履歴を有する他方のユーザのユーザ属性としてスマホ行動履歴記憶部９に書き込んでもよいし、スマホ行動履歴記憶部９に記憶されたユーザ属性を読み出して、同一又は類似の行動履歴を有する他方のユーザのユーザ属性としてスマホ行動履歴記憶部９に書き込んでもよい。

すなわち、前の処理で同一ユーザと推定されたユーザに対応するスマホ行動履歴記憶部９には、ユーザ属性が書き込まれており、書き込まれているユーザ属性は、ＰＣユーザ属性記憶部８に、記憶されているユーザ属性と同一のものであるため、スマホ行動履歴記憶部９に記憶されたユーザ属性を利用することができる。

ちなみに、スマホ行動履歴記憶部９に記憶されたユーザ属性を読み出して、同一又は類似の行動履歴を有する他方のユーザのユーザ属性としてスマホ行動履歴記憶部９に書き込む場合には、スマホ行動履歴記憶部９において、同一又は類似の行動履歴を持つユーザのユーザ履歴が存在するか否かを判断する必要がある。

なお、ユーザ属性を有するスマホユーザの行動履歴が「自動車のページビュー」であり、他方のスマホユーザの行動履歴が「ゲームのページビュー」であっても、既存の類似判定のロジックにより類似していると判定された場合には、スマホユーザが有するユーザ属性「自動車に興味あり」を「ゲームに興味あり」と置き換えて、他方のスマホユーザのユーザ属性とすることができる。

最後に、装置１００は、全てのユーザに対して処理を終了したか否かを判断し（ステップＳ３０）、全てのユーザに対して処理を終了していないと判断した場合（ステップＳ３０：Ｎｏ）、ステップＳ２２に戻り、全てのユーザに対して処理を終了したと判断した場合（ステップＳ３０：Ｙｅｓ）、動作を終了する。

［３．検証結果］
このように、既存のＰＣユーザ用のモデルのユーザ属性を利用して生成されたスマホユーザ用のモデルの検証結果を説明する。

図６は、年齢性別と世帯年収スコア（世帯年収モデルのスコア）の関係の一例を示す説明図である。図６において、スマホユーザの世帯年収スコア（世帯年収スコアが高いほど世帯年収が高いと推定される）をプロットしたものであり、女性よりも男性の方が、世帯年収スコアが高く、また、年齢が概ね２０歳から７０歳までの範囲では、年齢が高くなるにしたがって、世帯年収スコアも高くなっている。

図７は、年齢性別と世帯資産スコア（世帯資産モデルのスコア）の関係の一例を示す説明図である。図７において、スマホユーザの世帯資産スコア（世帯資産スコアが高いほど世帯資産が多いと推定される）をプロットしたものであり、女性よりも男性の方が、世帯資産スコアが高く、また、年齢が概ね２０歳から７０歳までの範囲では、年齢が高くなるにしたがって、世帯資産スコアも高くなっている。

また、図８は、よく見るテレビ番組と世帯年収スコアの関係の一例を示す説明図である。番組としては「ビジネス番組」と「深夜アニメ」とを比較している。図８において、同一年齢では、「ビジネス番組」をよく見るユーザの方が、「深夜アニメ」をよく見るユーザよりも、世帯年収スコアが高くなっている。

さらに、図９は、よく見るテレビ番組と世帯資産スコアの関係の一例を示す説明図である。番組としては「ビジネス番組」と「深夜アニメ」とを比較している。図９において、同一年齢では、「ビジネス番組」をよく見るユーザの方が、「深夜アニメ」をよく見るユーザよりも、世帯資産スコアが高くなっている。

すなわち、図６及び図７から年齢性別に対する世帯年収等の基本的な傾向、女性よりも男性の方が、世帯年収等が高い傾向や、年齢が概ね２０歳から７０歳までの範囲では、年齢が高くなるにしたがって世帯年収等も高くなっていくという常識と一致する傾向が表れている。

また、図８及び図９からは、「ビジネス番組」をよく見るユーザ（例えば、ビジネスマン等）の方が、「深夜アニメ」をよく見るユーザ（例えば、学生やフリータ等）よりも、世帯年収等が高くなる等の常識と一致する傾向が表れており、既存のＰＣユーザ用のモデルのユーザ属性を利用して生成されたスマホユーザ用のモデルが機能していることが分かる。

以上のように、ログイン履歴からＰＣのユーザ及びスマホのユーザ間で同一ユーザを推定し、同一ユーザのＰＣユーザ用のモデルのユーザ属性を、同一ユーザのスマホユーザ用のモデルのユーザ属性とすることにより、膨大なアンケート調査を実施することなく、スマホ用モデルを生成することができる。
また、同一ユーザではないものの、行動履歴が同一又は類似している場合には、ユーザ属性も同一又は類似しているものと推定することにより、スマホ用モデルを生成することができる。

なお、実施形態の説明に際しては、既存のＰＣユーザ用のモデルのユーザ属性を利用して、スマホユーザ用のモデルを生成しているが、生成したスマホユーザ用のモデルのユーザ属性を利用して、新たにＰＣユーザ用のモデルを生成することもできる。

また、新たに生成されたＰＣユーザ用のモデルに基づき、スマホユーザ用のモデルを生成してもよい。すなわち、一方のモデルに基づき他方のモデルを生成する処理を繰り返すことができる。このように、モデルを生成する処理を繰り返すことにより、モデルの整合性が向上して、モデルの信頼性が高まることになる。
また、スマホ以外のデバイス用のモデルを、ＰＣユーザ用のモデルやスマホユーザ用のモデルに基づき、生成することもできる。

また、実施形態の説明に際しては、ＰＣログイン履歴記憶部６、スマホログイン履歴記憶部７、ＰＣユーザ属性記憶部８及びスマホ行動履歴記憶部９にそれぞれ情報を記憶させているが、勿論、記憶部２に全ての情報を記憶させるものであってもよい。

また、実施形態の説明に際しては、ＰＣログイン履歴記憶部６、スマホログイン履歴記憶部７、ＰＣユーザ属性記憶部８及びスマホ行動履歴記憶部９にそれぞれ情報を記憶させているが、勿論、外部のサーバに、これらのデータを一括又は分散して管理させ、通信部５を制御して、必要に応じて情報を取得するものであってもよい。

また、実施形態の説明に際しては、ＰＣのログイン履歴とスマホのログイン履歴とを突き合わせて、所定の期間に同一のユーザＩＤを用いて、ＰＣ及びスマホの双方からログインしている場合には、ＰＣユーザとスマホユーザとは同一人物であると推定しているが、その他の既存の推定方法により、同一ユーザを推定してもよい。

１００ モデル生成装置
１ 制御部（推定手段、特定手段、モデル生成手段）
２ 記憶部
３ 表示部
４ 操作部
５ 通信部
６ ＰＣログイン履歴記憶部
７ スマホログイン履歴記憶部
８ ＰＣユーザ属性記憶部
９ スマホ行動履歴記憶部

Claims (7)

1. 第１デバイスを使用するユーザの第１デバイス上の行動履歴からユーザ属性を推定するための第１デバイス用モデルを生成するモデル生成装置において、
   前記第１デバイスのユーザと、前記第１デバイスと種類の異なる第２デバイスのユーザとの間で同一ユーザを推定する推定手段と、
   前記第２デバイスを使用するユーザの第２デバイス上の行動履歴からユーザ属性を推定するための既存の第２デバイス用モデルを用いて、前記推定手段により同一ユーザであると推定されたユーザの前記第２デバイス上の行動履歴に対応する第２デバイス用モデルのユーザ属性を特定する特定手段と、
   前記特定手段により特定されたユーザ属性を、前記推定されたユーザの前記第１デバイス用モデルのユーザ属性とすることにより、前記第１デバイス用モデルを生成するモデル生成手段と
   を備え、
   前記モデル生成手段は、前記第２デバイス用モデルに基づき前記第１デバイス用モデルを生成した後、前記生成された第１デバイス用モデルに基づき新たに第２デバイス用モデルを生成する処理を繰り返すことを特徴とするモデル生成装置。
2. 前記モデル生成手段は、前記推定されたユーザの前記第１デバイス上の行動履歴と、前記推定されたユーザ以外のユーザの前記第１デバイス上の行動履歴とが一致又は類似する場合に、前記推定されたユーザに対応する前記第２デバイス用モデルのユーザ属性を、前記推定されたユーザ以外のユーザの前記第１デバイス用モデルのユーザ属性とすることを特徴とする請求項１に記載のモデル生成装置。
3. 前記モデル生成手段は、所定の期間に、同一のＩＤでログインした場合に、前記第１デバイスのユーザと前記第２デバイスのユーザとが同一ユーザであると推定することを特徴とする請求項１又は２に記載のモデル生成装置。
4. 前記第１デバイスは携帯端末であり、前記第２デバイスはパーソナルコンピュータであることを特徴とする請求項１から３のいずれか一項に記載のモデル生成装置。
5. 前記第１デバイスはパーソナルコンピュータであり、前記第２デバイスは携帯端末であることを特徴とする請求項１から３のいずれか一項に記載のモデル生成装置。
6. コンピュータを用いて第１デバイスを使用するユーザの第１デバイス上の行動履歴からユーザ属性を推定するための第１デバイス用モデルを生成するモデル生成方法であって、
   前記第１デバイスのユーザと、前記第１デバイスと種類の異なる第２デバイスのユーザとの間で同一ユーザを推定するステップと、
   前記第２デバイスを使用するユーザの第２デバイス上の行動履歴からユーザ属性を推定するための既存の第２デバイス用モデルを用いて、同一ユーザであると推定されたユーザの前記第２デバイス上の行動履歴に対応する第２デバイス用モデルのユーザ属性を特定するステップと、
   特定されたユーザ属性を、前記推定されたユーザの前記第１デバイス用モデルのユーザ属性とすることにより、前記第１デバイス用モデルを生成するステップと
   を含み、
   前記モデルを生成するステップは、前記第２デバイス用モデルに基づき前記第１デバイス用モデルを生成した後、前記生成された第１デバイス用モデルに基づき新たに第２デバイス用モデルを生成する処理を繰り返すことを特徴とするモデル生成方法。
7. コンピュータを、
   第１デバイスのユーザと、前記第１デバイスと種類の異なる第２デバイスのユーザとの間で同一ユーザを推定する推定手段と、
   前記第２デバイスを使用するユーザの第２デバイス上での行動履歴からユーザ属性を推定するための既存の第２デバイス用モデルを用いて、前記推定手段により同一ユーザであると推定されたユーザの第２デバイス上の行動履歴に対応する第２デバイス用モデルのユーザ属性を特定する特定手段と、
   前記特定手段により特定されたユーザ属性を、前記推定されたユーザの第１デバイス用モデルのユーザ属性とすることにより、前記第１デバイス用モデルを生成するモデル生成手段と
   として機能させ、
   前記モデル生成手段は、前記第２デバイス用モデルに基づき前記第１デバイス用モデルを生成した後、前記生成された第１デバイス用モデルに基づき新たに第２デバイス用モデルを生成する処理を繰り返すプログラム。

Images