JP6835759B2 - 予測装置、予測方法および予測プログラム - Google Patents

Description

本発明は、予測装置、予測方法および予測プログラムに関する。

従来、物価指数や景況指数等、価値や物事の状態を示す指数を予測する技術が知られているこのような技術の一例として、品質の向上と初物効果とを勘案して、商品の新陳代謝を考慮した物価指数を予測する技術が知られている。

特開２０１６−０９５６８１号公報

しかしながら、上述した従来技術では、指数の予測精度を向上させることができない場合がある。

例えば、上述した従来技術では、商品の新陳代謝を考慮して物価指数を予測しているに過ぎない。このため、日銀短観や景況指数等、商品の新陳代謝による寄与があまり高くないと考えられる指数の予測精度を向上させることができない恐れがある。

本願は、上記に鑑みてなされたものであって、指数の予測精度を向上させることを目的とする。

本願に係る予測装置は、所定の状況の変遷を示す変遷情報を取得する取得部と、取得した変遷情報に基づいて、将来における所定の指数の値を予測する予測部とを有することを特徴とする。

実施形態の一態様によれば、指数の予測精度を向上させることができる。

図１は、実施形態に係る情報提供装置の一例を示す図である。 図２は、実施形態に係る情報提供装置が有する機能構成の一例を示す図である。 図３は、実施形態に係る履歴情報データベースに登録される情報の一例を示す図である。 図４は、実施形態に係る変遷情報データベースに登録される情報の一例を示す図である。 図５は、実施形態に係る情報提供装置が実行する予測処理の流れの一例を示すフローチャートである。 図６は、ハードウェア構成の一例を示す図である。

以下に、本願に係る予測装置、予測方法および予測プログラムを実施するための形態（以下、「実施形態」と記載する。）について図面を参照しつつ詳細に説明する。なお、この実施形態により本願に係る予測装置、予測方法および予測プログラムが限定されるものではない。また、以下の各実施形態において同一の部位には同一の符号を付し、重複する説明は省略する。

〔実施形態〕
〔１．情報提供装置の概要〕
以下、図１を用いて、予測装置の一例となる情報提供装置１０の一例について説明する。図１は、実施形態に係る情報提供装置の一例を示す図である。なお、図１に示す例では、情報提供装置１０が各種指数の将来の予測を行う予測処理の一例について記載した。

情報提供装置１０は、インターネット等の所定のネットワークＮ（例えば、図２を参照。）を介して、履歴管理サーバ１００、指数管理サーバ２００、および端末装置３００と通信可能な情報処理装置であり、例えば、サーバ装置やクラウドシステム等により実現される。なお、情報提供装置１０は、任意の数の履歴管理サーバ１００、指数管理サーバ２００、および端末装置３００と通信可能であるものとする。

履歴管理サーバ１００は、各種の履歴情報を管理する情報処理装置であり、例えば、サーバ装置やクラウドシステム等により実現される。ここで、履歴管理サーバ１００が管理する履歴情報は、任意の履歴情報が採用可能であるものとする。例えば、履歴管理サーバ１００は、各利用者が使用する端末装置がＧＰＳ（Global Positioning System）等の測位システムにより測位した位置を示す位置情報の履歴を履歴情報として管理してもよい。

また、履歴管理サーバ１００は、各利用者が入力した検索クエリの履歴、各利用者が視聴した各種コンテンツの履歴、電子商店街において各利用者が購入した取引対象を示す購買履歴、カーナビゲーションや経路案内等といった各種案内処理において利用者が入力した出発地、到着地、出発時間、もしくは到着時間等の案内履歴、配信されたニュースの履歴、所定の施設を訪問した利用者の履歴、利用者がＳＮＳ（Social Networking Service）等に投稿した投稿情報の履歴等、各種の履歴情報を管理してもよい。また、履歴管理サーバ１００は、これらの履歴情報を管理する複数のサーバ装置により実現されてもよい。

指数管理サーバ２００は、各種指数の履歴を管理する情報処理装置であり、例えば、サーバ装置やクラウドシステム等により実現される。例えば、指数管理サーバ２００は、端末装置３００や情報処理装置１０等といった情報処理装置からの要求に応じて、指定された日時における指数の値や、指定された期間における指数の変遷を示す情報を提供する機能を有する。

端末装置３００は、利用者が使用する端末装置であり、ＰＣ（Personal Computer）、スマートデバイス、移動通信端末等により実現される。例えば、端末装置３００は、指数管理サーバ２００から取得した各種指数の履歴や、情報提供装置１０により予測された指数の情報を受付けると、受付けた指数の値を利用者に提供する機能を有する。

〔１−１．指数の概要〕
ここで、情報提供装置１０は、物価指数や景況指数等、価値や物事の状態を示す数値であれば、任意の状態を示す数値を指数としてよい。例えば、情報提供装置１０は、政府や自治体、銀行等の各種機関が発表している消費者物価指数や景気動向指数、日銀短観、国債の金利、地価、最低賃金、平均賃金等を示す各種の情報を指数としてもよい。すなわち、情報提供装置１０は、任意の事象を示す数値であって、時系列的に変化する数値であれば、任意の数値を指数として採用してよい。例えば、情報提供装置１０は、公害がどれくらい生じているかを示す数値や、二酸化炭素量、地域別の事象（例えば、平均賃金や人口等）を示す数値等を指数として採用してもよい。また、情報提供装置１０は、経済的な状況を示す各種の数値を指数として採用してもよい。

〔１−２．予測処理の概要〕
ここで、情報提供装置１０は、将来の指数の予測精度を向上させるために、以下の処理を実行する。まず、情報提供装置１０は、所定の状況の変遷を示す変遷情報を取得する。そして、情報提供装置１０は、取得した変遷情報に基づいて、将来における所定の指数の値を予測する。例えば、情報提供装置１０は、指数の値の履歴と、過去における所定の状況の変遷との間の関係性を学習した学習モデルを用いて、変遷情報から、将来における所定の指数の値を予測する。

〔１−３．変遷情報について〕
ここで、変遷情報について説明する。例えば、経済的な状況を示す数値は、その時々における経済的な状況を示すと推定される。しかしながら、このような数値が変動する場合は、その時々における経済的な状況のみならず、その経済的な状況がどのように変化しているかという状況の変遷に基づいて変動するとも考えられる。

そこで、情報提供装置１０は、各種の情報の変遷、すなわち、状況の流れを示す変遷情報と指数との間の関係性が有する特徴をモデルに学習させる。そして、情報提供装置１０は、モデルに対し、新たな変遷情報やそれまでの指数の値を入力することで、将来における指数の値を予測する。例えば、情報提供装置１０は、各種の履歴情報から、所定の事象の変遷を示す変遷情報を生成する。そして、情報提供装置１０は、生成した変遷情報と指数の履歴との間の関係性をモデルに学習させることで、現在もしくは現在から所定の期間内における指数の値や変遷情報から、将来の指数の値を予測する予測モデルを生成する。

ここで、情報提供装置１０は、所定の事象についての変遷を示す情報であれば、任意の事象についての変遷を示す変遷情報を生成してよい。例えば、情報提供装置１０は、所定の取引対象を購買する利用者の属性の変遷を示す変遷情報を生成してもよい。ここで、利用者の属性とは、利用者の年代、性別、職業等といったデモグラフィック属性や趣味趣向といったバイオグラフィック属性等、任意の属性が採用可能である。また、利用者の属性は、あらかじめ登録されたものであってもよく、利用者によるコンテンツの視聴履歴や取引対象の購買履歴、検索クエリの履歴等に基づいて推定された属性であってもよい。

例えば、情報提供装置１０は、履歴情報として、電子商店街における各利用者の購買履歴を取得する。このような場合、情報提供装置１０は、所定の取引対象を購買した利用者の属性を特定し、特定した属性の時系列的な変遷を示す変遷情報を生成する。例えば、情報提供装置１０は、２０１９年の１月中に所定の取引対象を購入した利用者の多くが１０代の女性であり、２０１９年の２月中に所定の取引対象を購入した利用者の多くが１０代男性である旨を示す変遷情報を生成してもよい。

すなわち、情報提供装置１０は、所定の期間内において所定の取引対象を購入した利用者の属性のうち、最も多くの利用者間で共通している属性を示す情報を変遷情報として生成する。換言すると、情報提供装置１０は、所定の取引対象のブームが１０代の女性から１０代の男性へと変化した旨の変遷情報を生成し、生成した変遷情報と指数との間の関係性を予測モデルに学習させることで、類似する特徴のブームが生じた際に、指数の動きを予測モデルに予測させる。

なお、情報提供装置１０は、所定の事象と紐付けられる利用者の属性の変遷を示す変遷情報であれば、任意の事象と紐付けられる利用者の属性の変遷を示す変遷情報を生成してよい。例えば、情報提供装置１０は、所定の検索クエリを入力した利用者の属性の変遷を取得してもよい。また、情報提供装置１０は、案内処理において所定の出発地若しくは到着地を入力した利用者の変遷を示す変遷情報を取得してもよい。また、情報提供装置１０は、所定のニュースを閲覧した利用者の属性の変遷を示す変遷情報を取得してもよい。

例えば、情報提供装置１０は、履歴情報として、検索クエリの履歴である検索履歴を取得し、取得した検索履歴のうち、所定の検索クエリを入力した利用者の属性を特定する。そして、情報提供装置１０は、所定の検索クエリを入力した利用者の属性の変遷を示す変遷情報を生成してもよい。例えば、情報提供装置１０は、２０１９年の１月中に検索クエリ「検索クエリ＃１」を入力した最も多くの利用者が１０代の男性であり、２０１９年の２月中に検索クエリ「検索クエリ＃１」を入力した最も多くの利用者が２０代の女性である旨を示す変遷情報を生成してもよい。

また、例えば、情報提供装置１０は、案内処理において入力された出発地と到着地とを示す案内履歴を取得する。なお、案内履歴が示す出発地は、利用者によって入力されたものだけではなく、ＧＰＳ等によって特定されたものであってもよい。そして、情報提供装置１０は、所定の出発地と所定の到着地との組を入力した利用者のうち、最も多くの利用者の属性の変遷を示す変遷情報を生成してもよい。

例えば、情報提供装置１０は、２０１９年の１月中に出発地「出発地＃１」および到着地「到着地＃１」を入力した最も多くの利用者が３０代の男性であり、２０１９年の２月中に出発地「出発地＃１」および到着地「到着地＃１」を入力した最も多くの利用者が４０代の男性である旨を示す変遷情報を生成してもよい。また、情報提供装置１０は、所定の到着地を入力した利用者のうち、最も多くの利用者の属性の変遷を示す変遷情報を生成してもよい。

また、例えば、情報提供装置１０は、所定のニュースの配信先となる利用者の履歴である配信履歴を取得する。そして、情報提供装置１０は、配信履歴が示す利用者の属性の変遷を示す変遷情報を生成してもよい。例えば、情報提供装置１０は、２０１９年の１月中に所定のニュースの配信先となった最も多くの利用者が３０代の男性であり、２０１９年の２月中に所定のニュースの配信先となった最も多くの利用者が５０代の男性である旨を示す変遷情報を生成してもよい。

なお、上述した事象以外にも、例えば、情報提供装置１０は、ある場所を観光に訪れた利用者の属性の変遷を示す変遷情報を生成してもよい。例えば、情報提供装置１０は、ＳＮＳ等に投稿された投稿情報から、利用者が訪問した場所を特定する。そして、情報提供装置１０は、所定の場所を訪問した利用者の属性を特定し、特定した属性の変遷を示す変遷情報を生成してもよい。

また、情報提供装置１０は、利用者の属性の変遷以外にも、任意の事象の変遷を示す変遷情報を生成してもよい。例えば、情報提供装置１０は、所定の事象と関連する利用者の数の変遷を示す情報を生成してもよい。より具体的な例を挙げると、情報提供装置１０は、ある場所を観光に訪れた利用者の数の変遷を示す変遷情報を生成してもよい。また、情報提供装置１０は、所定の検索クエリを入力した利用者の数の変遷を示す変遷情報を生成してもよい。また、情報提供装置１０は、所定の取引対象を購入した利用者の数の変遷を示す変遷情報を生成してもよい。また、情報提供装置１０は、所定のニュースを閲覧した利用者の数の変遷を示す変遷情報を生成してもよい。

また、情報提供装置１０は、事象そのものの変遷を示す変遷情報を生成してもよい。例えば、情報提供装置１０は、購買される取引対象の変遷を示す変遷情報を取得してもよい。例えば、情報提供装置１０は、２０１９年の１月中に所定の取引対象を購買した利用者の数と、２０１９年の２月中に所定の取引対象を購買した利用者の数とを示す変遷情報を生成してもよい。

また、例えば、情報提供装置１０は、入力された検索クエリの変遷を示す変遷情報を取得してもよい。また、例えば、情報提供装置１０は、案内処理に関する情報の変遷を示す変遷情報を取得してもよい。例えば、情報提供装置１０は、最も多く入力された到着地の変遷を示す情報を生成してもよい。また、情報提供装置１０は、利用者が閲覧したコンテンツの変遷を示す変遷情報を取得してもよい。

また、例えば、情報提供装置１０は、地域を考慮した変遷情報を取得してもよい。すなわち、情報提供装置１０は、それぞれ異なる地域における状況の変遷を示す複数の変遷情報を取得してもよい。例えば、情報提供装置１０は、東京において所定の検索クエリを入力した利用者の属性の変遷を示す変遷情報と、大阪において所定の検索クエリを入力した利用者の属性の変遷を示す変遷情報とを生成してもよい。

また、情報提供装置１０は、上述した各種の条件を組み合わせた変遷情報を生成してもよい。例えば、情報提供装置１０は、東京において所定の属性を有する利用者が入力した検索クエリの変遷を示す変遷情報を生成してもよく、東京において所定の属性を有する利用者が所定の検索クエリを入力した回数の変遷を示す変遷情報を生成してもよい。

すなわち、情報提供装置１０は、ある事象の時系列的な移り変わりを示す情報であれば、任意の事象の移り変わりを示す情報を変遷情報として取得してよい。

〔１−４．変遷情報の特定について〕
ここで、情報提供装置１０は、取得した変遷情報と指数との間の関係性を予測モデルに学習させる。例えば、情報提供装置１０は、ＳＶＭ（Support Vector Machine）や重回帰分析等を用いたモデルに変遷情報と指数との間の関係性を学習させる。

例えば、情報提供装置１０は、それぞれ異なる事象の変遷を示す複数の変遷情報を生成する。また、情報提供装置１０は、各事象の全組み合わせを生成し、生成した組み合わせごとに変遷情報を生成する。そして、情報提供装置１０は、各変遷情報の項を設定し、全ての項に対して個別の係数を設定する。そして、情報提供装置１０は、ある日時における変遷情報に対応する値を各項に入力した際に、各項の操作がその日時よりも後の日時における指数の値となるように、各項の係数の値を算出する。

なお、各項において変遷情報をどのように解釈して値を入力するかについては、任意の設定が採用可能である。例えば、情報提供装置１０は、ある変遷情報について、第１日時における事象の状態を示す数値と、第２日時における事象の状態を示す数値との差を、その変遷情報と対応する項の値として入力してもよい。

ここで、上述した学習を行った場合、各項における係数は指数の値を再現する値に設定されるが、係数の値が「０」となる項と対応する変遷情報もしくは変遷情報の組については、指数の予測に関与しないと推定される。そこで、情報提供装置１０は、係数の値の絶対値が所定の閾値以下となる場合は、その係数が設定された項と対応する変遷情報を特定し、特定した変遷情報を学習対象から除外してもよい。

また、情報提供装置１０は、絶対値が所定の閾値以上となる係数が設定された項と対応する変遷情報を特定し、特定した変遷情報を用いたモデルの学習および指数の予測を行ってもよい。すなわち、情報提供装置１０は、それぞれ異なる種別の状況の変遷を示す複数の変遷情報のうち、所定の指数の値の予測に寄与する比率が高い変遷情報を特定し、特定した変遷情報に基づいて、将来における所定の指数の値を予測してもよい。例えば、情報提供装置１０は、複数の変遷情報に対してそれぞれ異なる係数を適用することで、所定の指数の値を予測する予測モデルの各係数のうち、値が所定の閾値を超える係数が適用される変遷情報を特定してもよい。

また、情報提供装置１０は、それぞれ異なる種別の状況の組み合わせのうち、所定の指数の値の予測に寄与する比率が高い組み合わせを特定し、特定した組み合わせに基づいて、将来における所定の指数の値を予測してもよい。すなわち、情報提供装置１０は、組み合わせに対してそれぞれ異なる係数を適用することで、所定の指数の値を予測する予測モデルの各係数のうち、値が所定の閾値を超える係数が適用される事象の組み合わせの変遷を示す変遷情報を特定してもよい。

なお、情報提供装置１０は、特定した変遷情報を用いて、予測モデルの生成を行うとともに、特定した変遷情報を予測モデルに入力することで、将来の指数を予測することとなる。ここで、情報提供装置１０は、特定した変遷情報と対応する事象がどのような事象であるかを示す情報を、指数の予測結果とともに所定の提供先に提供してもよい。

〔１−５．予測処理の一例について〕
次に、図１を用いて、情報提供装置１０が実行する予測処理の一例について説明する。まず、情報提供装置１０は、各種の履歴情報を履歴管理サーバ１００から受付ける（ステップＳ１）。このような場合、情報提供装置１０は、履歴情報に基づいて、所定の事象の変遷を示す変遷情報を生成する（ステップＳ２）。

例えば、情報提供装置１０は、「日時＃１」において最も多く入力された検索クエリが「検索クエリ＃１」であり、「日時＃２」において最も多く入力された検索クエリが「検索クエリ＃２」である場合、「検索クエリ＃１」が「検索クエリ＃２」へと変遷した旨の変遷情報を生成する。また、例えば、情報提供装置１０は、「日時＃１」における購買履歴が「購買履歴＃１」であり、「日時＃２」における購買履歴が「購買履歴＃２」である場合、「購買履歴＃１」が「購買履歴＃２」へと変遷した旨の変遷情報を生成する。なお、「購買履歴＃１」や「購買履歴＃２」は、例えば、最も多く購買された取引対象や、購買された数が所定の閾値を超える取引対象もしくはそのランキング等を示す情報であるものとする。

また、情報提供装置１０は、検索クエリの変遷と購買履歴の変遷とを組み合わせた変遷情報を生成する。例えば、情報提供装置１０は、「日時＃１」における検索クエリと購買履歴との組み合わせ「検索クエリ＃１×購買履歴＃１」が、「日時＃２」において検索クエリと購買履歴との組み合わせ「検索クエリ＃２×購買履歴＃２」へと変化した旨の変遷情報を生成する。

続いて、情報提供装置１０は、予測対象となる指数の履歴を示す指数履歴を指数管理サーバ２００から取得する（ステップＳ３）。このような場合、情報提供装置１０は、指数履歴と変遷情報との間の関係性を学習した予測モデルを生成する（ステップＳ４）。例えば、「日時＃１」における「検索クエリ＃１」をｑ_１とし、「日時＃２」における「検索クエリ＃２」をｑ_２とし、「日時＃１」における「購買履歴＃１」をｂ_１とし、「日時＃１」における「購買履歴＃１」をｂ_１とし、「日時＃２」における指数の値をｙとする。このような場合、情報提供装置１０は、ｙ＝α×Ｉ（ｑ_１、ｑ_２）＋β×Ｉ（ｂ_１、ｂ_２）＋γ×Ｉ（ｑ_１ｂ_１、ｑ_２ｂ_２）＋・・・といった式が成立するように、各行の係数α〜γの値を設定する。なお、Ｉ（ａ、ｂ）は、ある事象がａからｂへと変遷した旨を示す数値を生成するための所定の関数である。

続いて、情報提供装置１０は、各係数のうち、値が所定の閾値を超える係数を選択し、選択した係数と対応する変遷情報を特定する（ステップＳ５）。例えば、情報提供装置１０は、αの値の絶対値およびγの値の絶対値が所定の閾値を超える場合、αと対応する変遷情報、すなわち、検索クエリの変遷情報と、γと対応する変遷情報、すなわち、検索クエリと購買履歴との組み合わせの変遷情報とを特定する。

そして、情報提供装置１０は、特定した変遷情報を用いて、将来の指数の値を予測する（ステップＳ６）。例えば、情報提供装置１０は、上述した予測モデルに対して、特定した変遷情報であって、最新の変遷情報を入力することで、指数の予測値を算出する。そして、情報提供装置１０は、算出した予測値を端末装置３００へと提供する。

なお、情報提供装置１０は、ステップＳ３に先駆けて、端末装置３００から予測対象となる指数の指定を受付けてもよい。このような場合、情報提供装置１０は、指定された指数の履歴を指数管理サーバ２００から受付けるとともに、その指数と変遷情報との間の関係性を学習した予測モデルを生成し、生成した予測モデルを用いて、将来の指数の値、すなわち、予測値を算出することとなる。

〔２．情報提供装置の構成〕
続いて、図２を用いて、情報提供装置１０が有する機能構成の一例について説明する。図２は、実施形態に係る情報提供装置が有する機能構成の一例を示す図である。図２に示すように、情報提供装置１０は、通信部、記憶部３０、および制御部４０を有する。

通信部２０は、例えば、ＮＩＣ（Network Interface Card）等によって実現される。そして、通信部２０は、ネットワークＮと有線または無線で接続され、履歴管理サーバ１００、指数管理サーバ２００、および端末装置３００との間で情報の送受信を行う。

記憶部３０は、例えば、ＲＡＭ、フラッシュメモリ等の半導体メモリ素子、または、ハードディスク、光ディスク等の記憶装置によって実現される。また、記憶部３０は、履歴情報データベース３１、および変遷情報データベース３２を記憶する。

履歴情報データベース３１は、履歴情報に関する各種の情報が登録される。例えば、図３は、実施形態に係る履歴情報データベースに登録される情報の一例を示す図である。図３に示すように、履歴情報データベース３１には、「履歴情報ＩＤ」、「履歴種別」、「履歴情報」、「日時情報」、および「利用者情報」等といった情報が登録される。ここで、「履歴情報ＩＤ」とは、履歴情報を識別するための識別子である。

また、「履歴種別」とは、履歴情報が検索履歴であるか、購買履歴であるか、案内処理における案内履歴であるか等といった履歴の内容の種別を示す情報である。また、「履歴情報」とは、各種の事象の履歴を示す情報である。また、「日時情報」とは、対応付けられた「履歴情報」がいつの履歴であるかを示す日時の情報である。また、「利用者情報」とは、対応付けられた「履歴情報」と紐付けられる利用者の属性等を示す情報であり、例えば、検索クエリを入力した利用者、取引対象を購買した利用者、案内処理において到着地を入力した利用者等に関する情報である。

例えば、図３に示す例では、履歴情報データベース３１には、履歴情報ＩＤ「履歴ＩＤ＃１」、履歴種別「検索クエリ」、履歴情報「検索クエリ＃１」、日時情報「日時＃１」、および「利用者＃１」といった情報が対応付けて登録されている。このような情報は、履歴情報ＩＤ「履歴ＩＤ＃１」が示す履歴の種別が「検索クエリ」であり、その内容が「検索クエリ＃１」であり、日時情報「日時＃１」が示す日時において入力された検索クエリである旨を示す。また、このような情報は、「検索クエリ＃１」を入力した利用者の属性等が「利用者＃１」である旨を示す。

なお、図３に示す例では、「検索クエリ＃１」、「日時＃１」、「利用者＃１」等といった概念的な値を記載したが、実際には、履歴情報データベース３１には、検索クエリとして入力された文字列、購買された取引対象、案内処理において入力された出発地や到着地等を示す数値や文字列、日時を示す数値、利用者の属性を示す文字列等が登録される。また、図３に示す情報以外にも、履歴情報データベース３１には、履歴情報に関する任意の情報が登録されていてよい。

図２に戻り、説明を続ける。変遷情報データベース３２は、変遷情報に関する各種の情報が登録される。例えば、図４は、実施形態に係る変遷情報データベースに登録される情報の一例を示す図である。図４に示すように、変遷情報データベース３２には、「変遷情報ＩＤ」、「種別情報」、および「変遷情報」等といった情報が登録される。ここで、「変遷情報ＩＤ」とは、変遷情報を識別するための識別子である。また、「種別情報」とは、変遷情報がどのような種別の事象の変遷を示しているか、若しくは、変遷情報がどのような種別の事象の組み合わせの変遷を示しているかを示す情報である。また、「変遷情報」とは、事象もしくは事象の組み合わせの変遷を示す変遷情報である。

例えば、図４に示す例では、変遷情報データベース３２には、変遷情報ＩＤ「変遷ＩＤ＃１」、種別情報「検索クエリ」、変遷情報「変遷情報＃１」といった情報が対応付けて登録されている。このような情報は、変遷情報ＩＤ「変遷ＩＤ＃１」が示す変遷情報が、「検索クエリ」の変遷を示す情報であり、その内容が「変遷情報＃１」である旨を示す。

なお、図４に示す種別情報「検索クエリ×購買履歴」とは、対応付けられた変遷情報が、検索クエリと購買履歴との組み合わせの変遷情報である旨を示す。また、種別情報「利用者属性（固定クエリ＃１）」とは、対応付けられた変遷情報が、固定クエリ＃１を入力した利用者の属性の変遷を示す変遷情報である旨を示す。また、種別情報「地域＃１×検索クエリ」とは、対応付けられた変遷情報が、地域＃１において入力された検索クエリの変遷を示す変遷情報である旨を示す。

なお、図４に示す例では、「変遷情報＃１」等といった概念的な値を記載したが、実際には、変遷情報データベース３２には、各種の事象の変遷を示す数値や文字列等の情報が登録される。また、図４に示す情報以外にも、変遷情報データベース３２には、変遷情報に関する任意の情報が登録されていてよい。例えば、変遷情報データベース３２には、変遷情報がどの日時からどの日時までの間の変遷を示すのかを示す情報がさらに登録されていてもよい。

図２に戻り、説明を続ける。制御部４０は、コントローラ（controller）であり、例えば、ＣＰＵ（Central Processing Unit）、ＭＰＵ（Micro Processing Unit）等のプロセッサによって、情報提供装置１０内部の記憶装置に記憶されている各種プログラムがＲＡＭ等を作業領域として実行されることにより実現される。また、制御部４０は、コントローラ（controller）であり、例えば、ＡＳＩＣ（Application Specific Integrated Circuit）やＦＰＧＡ（Field Programmable Gate Array）等の集積回路により実現されてもよい。

図２に示すように、制御部４０は、収集部４１、取得部４２、特定部４３、予測部４４、および提供部４５を有する。収集部４１は、履歴情報を収集する。例えば、収集部４１は、履歴管理サーバ１００が管理する履歴情報を取得すると、取得した履歴情報を履歴情報データベース３１に登録する。

取得部４２は、所定の状況の変遷を示す変遷情報を取得する。例えば、取得部４２は、履歴情報データベース３１を参照し、所定の種別の履歴情報を抽出する。そして、取得部４２は、抽出した履歴情報を用いて、所定の事象の変遷を示す変遷情報を生成する。例えば、取得部４２は、検索クエリの変遷を示す変遷情報を生成してもよい。また、例えば、取得部４２は、案内処理に関する情報の変遷を示す変遷情報を生成してもよい。また、例えば、取得部４２は、利用者が閲覧したコンテンツの変遷を示す変遷情報を生成してもよい。また、例えば、取得部４２は、購買される取引対象の変遷を示す変遷情報を生成してもよい。

また、取得部４２は、所定の事象と紐付けられる利用者の属性の変遷を示す変遷情報を生成してもよい。例えば、取得部４２は、履歴情報データベース３１を参照し、所定の種別の履歴情報を特定する。続いて、取得部４２は、特定した履歴情報と対応する利用者情報の変遷を特定し、特定した変遷を示す変遷情報を生成する。例えば、取得部４２は、所定の検索クエリが入力された旨を示す履歴を特定し、特定した履歴と対応付けられた利用者情報に基づいて、所定の検索クエリを入力した利用者の属性を特定する。そして、取得部４２は、特定した属性の時系列的な変化を示す変遷情報を生成し、生成した変遷情報を変遷情報データベース３２に登録してもよい。

ここで、取得部４２は、所定の取引対象を購買した利用者、所定の検索クエリを入力した利用者、案内処理において所定の出発地若しくは到着地を入力した利用者、もしくは所定のニュースを閲覧した利用者の属性の変遷を示す変遷情報を生成してもよい。また、取得部４２は、所定の事象と紐付けられる利用者の数の変遷を示す変遷情報を取得してもよい。例えば、情報提供装置１０は、所定の取引対象を購入した利用者の数の変遷や、所定の検索クエリを入力した利用者の数の変遷を示す変遷情報を生成してもよい。また、取得部４２は、所定の属性を有する利用者であって、所定の検索クエリを入力した利用者の数の変遷を示す変遷情報を生成してもよい。

また、例えば、取得部４２は、それぞれ異なる地域における状況の変遷を示す複数の変遷情報を生成してもよい。例えば、取得部４２は、利用者情報から利用者の属性として利用者の所在地を特定する。そして、取得部４２は、所定の地域に居住する利用者であって、所定の取引対象を購入した利用者の数の変遷を示す変遷情報を生成してもよい。また、取得部４２は、所定の地域に所在する端末装置から入力された検索クエリのうち、所定の検索クエリを入力した利用者の数の変遷を示す変遷情報を生成してもよい。

なお、取得部４２は、上述した各種の変遷情報をそれぞれ生成してもよく、上述した各種の事象を任意に組み合わせた際の変遷情報を生成してもよい。また、取得部４２は、複数の事象の組み合わせの変遷を示す変遷情報を生成してもよい。例えば、取得部４２は、検索クエリと購買履歴との変遷を示す変遷情報を生成してもよい。

特定部４３は、それぞれ異なる種別の状況の変遷を示す複数の変遷情報のうち、所定の指数の値の予測に寄与する比率が高い変遷情報を特定する。例えば、特定部４３は、複数の変遷情報に対してそれぞれ異なる係数を適用することで、所定の指数の値を予測する予測モデルの各係数のうち、値が所定の閾値を超える係数が適用される変遷情報を特定する。

また、例えば、特定部４３は、それぞれ異なる種別の状況の組み合わせのうち、所定の指数の値の予測に寄与する比率が高い組み合わせを特定する。例えば、特定部４３は、事象の組み合わせの変遷を示す変遷情報に対してそれぞれ異なる係数を適用し、指数の値を再現するように指数の値を更新することで、所定の指数の値を予測する予測モデルを生成する。そして、特定部４３は、予測モデルの各係数のうち、値が所定の閾値を超える係数が適用される変遷情報と対応する事象の組み合わせを特定する。

例えば、特定部４３は、予測対象となる指数の履歴を指数管理サーバ２００から取得する。続いて、特定部４３は、変遷情報データベース３２に登録された変遷情報のそれぞれに対して独立した係数を設定し、所定の日時における変遷情報を入力した際に、所定の日時よりも後の日時における指数の値を再現するように、各係数の値を補正する。

そして、特定部４３は、補正後の係数のうち、絶対値の値が所定の閾値以上となる係数を特定し、特定した係数が設定された変遷情報と対応する事象もしくは事象の組み合わせを特定する。例えば、特定部４３は、検索クエリの変遷を示す変遷情報の係数の値の絶対値が所定の閾値以上となる場合は、対応する事象として検索クエリを特定する。

予測部４４は、変遷情報に基づいて、将来における所定の指数の値を予測する。例えば、予測部４４は、変遷情報のうち、予測時を含む所定の期間内の変遷情報、すなわち、最新の変遷情報を取得する。そして、予測部４４は、特定部４３によって生成された予測モデルに取得した変遷情報を入力することで、将来の指数の値を予測する。すなわち、予測部４４は、指数の値の履歴と、過去における所定の状況の変遷との間の関係性を学習した学習モデルを用いて、変遷情報から、将来における所定の指数の値を予測する。

なお、予測部４４は、特定部４３によって特定された変遷情報のみを用いて、指数の値の予測を行ってもよい。すなわち、予測部４４は、特定部４３が特定した事象や事象の組み合わせに基づいて、将来における所定の指数の値を予測してもよい。

提供部４５は、予測結果を提供する。例えば、提供部４５は、予測部４４が予測した指数値を端末装置３００へと配信する。なお、提供部４５は、特定部４３によって特定された事象を示す情報を指数値と共に端末装置３００へと配信してもよい。

〔３．情報提供装置が実行する処理の流れの一例〕
続いて、図５を用いて、情報提供装置１０が実行する処理の流れの一例を説明する。図５は、実施形態に係る情報提供装置が実行する予測処理の流れの一例を示すフローチャートである。

例えば、情報提供装置１０は、予測対象となる指数の履歴と、履歴情報とを収集する（ステップＳ１０１）。このような場合、情報提供装置１０は、履歴情報から変遷情報を取得する（ステップＳ１０２）。そして、情報提供装置１０は、変遷情報と指数の履歴との間の関係性を予測モデルに学習させる（ステップＳ１０３）。続いて、情報提供装置１０は、学習した予測モデルを用いて、最新の変遷情報から将来の指数の値を予測する（ステップＳ１０４）。その後、情報提供装置１０は、予測結果を提供し（ステップＳ１０５）、処理を終了する。

〔４．変形例〕
上記では、情報提供装置１０による予測処理の一例について説明した。しかしながら、実施形態は、これに限定されるものではない。以下、予測処理のバリエーションについて説明する。

〔４−１．指数の指定タイミングについて〕
例えば、情報提供装置１０は、予測対象となる指数の指定を受付けてもよい。ここで、情報提供装置１０は、予め指定された指数を予測するための予測モデルを作成し、作成した予測モデルを用いて指数の予測を行ってもよい。また、情報提供装置１０は、指定されうる指数ごとに予測モデルをあらかじめ生成しておき、指数が指定された場合に、指定された指数と対応する予測モデルを用いて、指数値の予測を行ってもよい。

〔４−２．その他〕
また、上記実施形態において説明した各処理のうち、自動的に行われるものとして説明した処理の全部または一部を手動的に行うこともでき、逆に、手動的に行われるものとして説明した処理の全部または一部を公知の方法で自動的に行うこともできる。この他、上記文書中や図面中で示した処理手順、具体的名称、各種のデータやパラメータを含む情報については、特記する場合を除いて任意に変更することができる。例えば、各図に示した各種情報は、図示した情報に限られない。

また、図示した各装置の各構成要素は機能概念的なものであり、必ずしも物理的に図示の如く構成されることを要しない。すなわち、各装置の分散・統合の具体的形態は図示のものに限られず、その全部または一部を、各種の負荷や使用状況などに応じて、任意の単位で機能的または物理的に分散・統合して構成することができる。

また、上記してきた各実施形態は、処理内容を矛盾させない範囲で適宜組み合わせることが可能である。

〔４−３．プログラム〕
上述した実施形態に係る情報提供装置１０は、例えば図６に示すような構成のコンピュータ１０００によって実現される。図６は、ハードウェア構成の一例を示す図である。コンピュータ１０００は、出力装置１０１０、入力装置１０２０と接続され、演算装置１０３０、一次記憶装置１０４０、二次記憶装置１０５０、出力ＩＦ（Interface）１０６０、入力ＩＦ１０７０、ネットワークＩＦ１０８０がバス１０９０により接続された形態を有する。

演算装置１０３０は、一次記憶装置１０４０や二次記憶装置１０５０に格納されたプログラムや入力装置１０２０から読み出したプログラム等に基づいて動作し、各種の処理を実行する。一次記憶装置１０４０は、ＲＡＭ等、演算装置１０３０が各種の演算に用いるデータを一次的に記憶するメモリ装置である。また、二次記憶装置１０５０は、演算装置１０３０が各種の演算に用いるデータや、各種のデータベースが登録される記憶装置であり、ＲＯＭ(Read Only Memory)、ＨＤＤ（Hard Disk Drive）、フラッシュメモリ等により実現される。

出力ＩＦ１０６０は、モニタやプリンタといった各種の情報を出力する出力装置１０１０に対し、出力対象となる情報を送信するためのインタフェースであり、例えば、ＵＳＢ（Universal Serial Bus）やＤＶＩ（Digital Visual Interface）、ＨＤＭＩ（登録商標）（High Definition Multimedia Interface）といった規格のコネクタにより実現される。また、入力ＩＦ１０７０は、マウス、キーボード、およびスキャナ等といった各種の入力装置１０２０から情報を受信するためのインタフェースであり、例えば、ＵＳＢ等により実現される。

なお、入力装置１０２０は、例えば、ＣＤ（Compact Disc）、ＤＶＤ（Digital Versatile Disc）、ＰＤ（Phase change rewritable Disk）等の光学記録媒体、ＭＯ（Magneto-Optical disk）等の光磁気記録媒体、テープ媒体、磁気記録媒体、または半導体メモリ等から情報を読み出す装置であってもよい。また、入力装置１０２０は、ＵＳＢメモリ等の外付け記憶媒体であってもよい。

ネットワークＩＦ１０８０は、ネットワークＮを介して他の機器からデータを受信して演算装置１０３０へ送り、また、ネットワークＮを介して演算装置１０３０が生成したデータを他の機器へ送信する。

演算装置１０３０は、出力ＩＦ１０６０や入力ＩＦ１０７０を介して、出力装置１０１０や入力装置１０２０の制御を行う。例えば、演算装置１０３０は、入力装置１０２０や二次記憶装置１０５０からプログラムを一次記憶装置１０４０上にロードし、ロードしたプログラムを実行する。

例えば、コンピュータ１０００が実施形態に係る情報提供装置１０として機能する場合、コンピュータ１０００の演算装置１０３０は、一次記憶装置１０４０や二次記憶装置１０５０上にロードされたプログラムまたはデータ（例えば、学習モデル）を実行することにより、制御部４０の機能を実現する。コンピュータ１０００の演算装置１０３０は、これらのプログラムまたはデータ（例えば、学習モデル）を一次記憶装置１０４０や二次記憶装置１０５０から読み取って実行するが、他の例として、他の装置からネットワークＮを介してこれらのプログラムを取得してもよい。

〔５．効果〕
上述したように、情報提供装置１０は、所定の状況の変遷を示す変遷情報を取得する。そして、情報提供装置１０は、取得した変遷情報に基づいて、将来における所定の指数の値を予測する。例えば、情報提供装置１０は、指数の値の履歴と、過去における所定の状況の変遷との間の関係性を学習した学習モデルを用いて、変遷情報から、将来における所定の指数の値を予測する。このため、情報提供装置１０は、指数の予測精度を向上させることができる。

また、情報提供装置１０は、それぞれ異なる種別の状況の変遷を示す複数の変遷情報のうち、所定の指数の値の予測に寄与する比率が高い変遷情報を特定し、特定した変遷情報に基づいて、将来における所定の指数の値を予測する。例えば、情報提供装置１０は、複数の変遷情報に対してそれぞれ異なる係数を適用することで、所定の指数の値を予測する予測モデルの各係数のうち、値が所定の閾値を超える係数が適用される変遷情報を特定する。また、例えば、情報提供装置１０は、それぞれ異なる種別の状況の組み合わせの変遷を示す変遷情報のうち、所定の指数の値の予測に寄与する比率が高い変遷情報を特定し、特定した変遷情報に基づいて、将来における所定の指数の値を予測する。例えば、情報提供装置１０は、変遷情報に対してそれぞれ異なる係数を適用することで、所定の指数の値を予測する予測モデルの各係数のうち、値が所定の閾値を超える係数が適用される変遷情報を特定する。このため、情報提供装置１０は、指数の予測精度をより向上させることができる。

また、情報提供装置１０は、購買される取引対象の変遷を示す変遷情報を取得する。また、また、情報提供装置１０は、検索クエリの変遷を示す変遷情報を取得する。また、情報提供装置１０は、それぞれ異なる地域における状況の変遷を示す複数の変遷情報を取得する。また、情報提供装置１０は、案内処理に関する情報の変遷を示す変遷情報を取得する。また、情報提供装置１０は、利用者が閲覧したコンテンツの変遷を示す変遷情報を取得する。また、情報提供装置１０は、所定の事象と紐付けられる利用者の属性の変遷を示す変遷情報を取得する。例えば、情報提供装置１０は、所定の取引対象を購買した利用者、所定の検索クエリを入力した利用者、案内処理において所定の出発地若しくは到着地を入力した利用者、もしくは所定のニュースを閲覧した利用者の属性の変遷を示す変遷情報を取得する。また、情報提供装置１０は、所定の事象と紐付けられる利用者の数の変遷を示す変遷情報を取得する。

上述した処理により、情報提供装置１０は、各種の事象の変遷に基づいて、指数の予測を行うことができるので、指数の予測精度をより向上させることができる。

以上、本願の実施形態のいくつかを図面に基づいて詳細に説明したが、これらは例示であり、発明の開示の欄に記載の態様を始めとして、当業者の知識に基づいて種々の変形、改良を施した他の形態で本発明を実施することが可能である。

また、上記してきた「部（section、module、unit）」は、「手段」や「回路」などに読み替えることができる。例えば、特定部は、特定手段や特定回路に読み替えることができる。

１０ 情報提供装置
２０ 通信部
３０ 記憶部
３１ 履歴情報データベース
３２ 変遷情報データベース
４０ 制御部
４１ 収集部
４２ 取得部
４３ 特定部
４４ 予測部
４５ 提供部
１００ 履歴管理サーバ
２００ 指数管理サーバ
３００ 端末装置

Claims (6)

1. 第１日時に最も多く入力された第１検索クエリが、第１日時よりも後の第２日時に最も多く入力された第２検索クエリに変遷した旨を示す変遷情報を取得する取得部と、
   前記変遷情報の履歴と経済的な状況を示す所定の指数の履歴との間の関係性を学習した予測モデルを用いて、最新の変遷情報から将来における前記所定の指数の値を予測する予測部と
   を有することを特徴とする予測装置。
2. 複数種別の検索クエリを組み合わせた組み合わせ事象のうち、前記所定の指数の値の予測に寄与する比率が高い組み合わせ事象を特定する特定部
   を有し、
   前記予測部は、前記特定部が特定した組み合わせ事象の変遷情報に基づいて、将来における前記所定の指数の値を予測する
   ことを特徴とする請求項１に記載の予測装置。
3. 前記特定部は、前記変遷情報に対してそれぞれ異なる係数を適用することで、前記所定の指数の値を予測する予測モデルの各係数のうち、値が所定の閾値を超える係数が適用される前記変遷情報を特定する
   ことを特徴とする請求項２に記載の予測装置。
4. 前記取得部は、それぞれ異なる地域における利用者が入力した検索クエリを示す変遷前数値および変遷後数値を取得する
   ことを特徴とする請求項１〜３のうちいずれか１つに記載の予測装置。
5. 予測装置が実行する予測方法であって、
   第１日時に最も多く入力された第１検索クエリが、第１日時よりも後の第２日時に最も多く入力された第２検索クエリに変遷した旨を示す変遷情報を取得する取得工程と、
   前記変遷情報の履歴と経済的な状況を示す所定の指数の履歴との間の関係性を学習した予測モデルを用いて、最新の変遷情報から将来における前記所定の指数の値を予測する予測工程と
   を含むことを特徴とする予測方法。
6. 第１日時に最も多く入力された第１検索クエリが、第１日時よりも後の第２日時に最も多く入力された第２検索クエリに変遷した旨を示す変遷情報を取得する取得手順と、
   前記変遷情報の履歴と経済的な状況を示す所定の指数の履歴との間の関係性を学習した予測モデルを用いて、最新の変遷情報から将来における前記所定の指数の値を予測する予測手順と
   をコンピュータに実行させるための予測プログラム。

Images