JP6879982B2 - 情報処理装置、学習装置、情報処理方法、生成方法、およびプログラム - Google Patents

Description

本発明は、情報処理装置、学習装置、情報処理方法、生成方法、およびプログラムに関する。

従来、ウエブサイトを訪問する訪問者のウエブサイトでの行動を示すセグメント情報を生成し、解析条件に合致するセグメント情報を用いて解析を行い、この解析結果を表示部に表示するセグメント解析装置が開示されている（例えば、特許文献１参照）。

特開２０１３−２３５５７２号公報

しかしながら、上記の技術では、利用者の意図に沿った情報を提供することができない場合があった。

本発明は、このような事情を考慮してなされたものであり、利用者の意図に沿った情報を提供することができる情報処理装置、学習装置、情報処理方法、生成方法、プログラムを提供することを目的の一つとする。

本発明の一態様は、クエリを取得する取得部と、前記クエリと紹介対象との組み合わせに対応して生じた事象に基づく一以上の指標を、予め学習された学習済モデルに入力することで、前記クエリに対する紹介対象のランキングを決定する決定部とを備える情報処理装置である。

本発明の一態様によれば、利用者の意図に沿った情報を提供することができる。

ショッピングシステム１の機能構成の一例を示す図である。 ショッピングシステム１により実行される処理の流れを示すシーケンス図である。 商品等情報１２２の内容の一例を示す図である。 ランキング処理が行われる場面の概念図である。 ランキング処理の具体的な処理内容の一例を示す図である。 クエリ商品情報１２６の内容の一例を示す図である。 比較例のランキング処理の概念図である。 本実施形態のランキング処理の概念図である。 本実施形態のランキング処理の具体例を示す図である。 学習が行われる処理の内容の一例を示す図である。

以下、図面を参照し、本発明の情報処理装置、情報処理方法、学習装置、情報処理方法、生成方法、プログラムの実施形態について説明する。

［概要（その１）］
実施形態の情報処理装置は、一以上のプロセッサにより実現される。情報処理装置は、クエリを取得する取得部と、前記クエリと紹介対象との組み合わせに対応して生じた事象に基づく一以上の指標を、予め学習された学習済モデルに入力することで、前記クエリに対する紹介対象のランキングを決定する決定部とを備える。

「紹介対象」とは、クエリを入力した利用者に、紹介ページで紹介される対象である。紹介対象は、例えば、ポータルサイトがクエリに応じて利用者に紹介するウエブページや、動画配信サービスにおいてクエリに応じて利用者に紹介する動画、オークションサーバ（またはフリーマーケットサーバ）がクエリに応じて利用者に紹介する商品またはサービス（以下、商品等）、ショッピングサーバがクエリに応じて利用者に紹介する商品等などである。以下の説明では、紹介対象は商品であるものとして説明する。また、紹介ページは、ブラウザを通じて取得されるウエブページに限らず、アプリケーションプログラムによって再生されるアプリページであってもよい。

「事象」とは、紹介対象の詳細を示すウエブページへのリンクが選択されたこと、および前記紹介対象に対して紹介者が意図する行為が行われことのうち、少なくとも一方を含む。「指標」とは、事象の発生度合に基づく指標である。

［概要（その２）］
実施形態の学習装置は、一以上のプロセッサにより実現される。学習装置は、クエリを入力した利用者が、クエリの検索結果として提供される紹介対象の紹介ページに対して所定の行為を行ったか否かを示す情報を取得する取得部と、前記クエリと紹介対象との組み合わせに対応して生じた事象に基づく一以上の指標に応じて決定されたランキングに従って利用者に紹介ページが提供された結果として、前記取得部により取得された情報に基づいて、前記指標を入力すると前記紹介対象をランキングするためのモデルである学習済モデルを生成する学習部とを備える。「所定の行為」とは、管理者が意図した行為や、ランキングに基づき生成された紹介対象（例えば商品）を含むウエブページなどにおいて紹介対象が選択されたこと等である。

「学習済モデル」は、第１モデルパラメータが設定されたモデルに前記事象の発生頻度を示す一以上の指標が入力されて決定されたランキングに従って利用者に紹介ページが提供された結果として、前記取得部により取得された情報と、第２モデルパラメータが設定されたモデルに前記事象の発生頻度を示す一以上の指標が入力されて決定されたランキングに従って利用者に紹介ページが提供された結果として、前記取得部により取得された情報と、に基づいて生成されたモデルである。

また、「学習済モデル」は、前記指標に加えて、前記指標とは異なる指標を入力することで、前記クエリと紹介対象との組み合わせに対するスコアを導出するモデルである。「異なる指標」は、例えば、クエリを考慮しない紹介対象に対応して生じた事象の発生頻度を示す一以上の指標、クエリを考慮しない紹介対象に関する指標、前記クエリと紹介対象との合致度、および前記紹介対象の重要度のうち、一以上の指標である。

［構成］
図１は、ショッピングシステム１の機能構成の一例を示す図である。ショッピングシステム１は、例えば、一以上の端末装置１０と、ショッピングサーバ１００とを備える。これらの装置は、ネットワークＮＷを介して互いに通信する。ネットワークＮＷは、例えば、ＷＡＮ（Wide Area Network）やＬＡＮ（Local Area Network）、インターネット、専用回線、無線基地局、プロバイダなどを含む。

［端末装置］
端末装置１０は、利用者によって使用される装置であり、例えば、スマートフォンなどの携帯電話、タブレット型コンピュータ、ノート型コンピュータ、デスクトップ型コンピュータなどである。端末装置１０では、ブラウザやアプリケーションプログラムなどのＵＡ（User Agent）が起動し、以下の動作を行う。利用者が、端末装置１０を操作して、ショッピングサーバ１００にアクセスして、クエリを入力すると、端末装置１０が、入力したクエリに関連する商品を検索するようにショッピングサーバ１００に依頼する。端末装置１０は、ショッピングサーバ１００において検索およびランキングが行われた結果である商品等紹介ページを取得し、商品等紹介ページに基づく画像を自装置の表示部に表示させる。そして、利用者は、商品等紹介ページに対して操作を行うことで、所望の商品の詳細を閲覧したり、商品を購入する処理を行ったりすることができる。

［ショッピングサーバ］
ショッピングサーバ１００は、例えば、通信部１０２と、情報管理部１０４と、ウエブ管理部１０６と、検索部１０８と、ランキング処理部１１０と、提供部１１２と、学習部１１４と、第１記憶部１２０と、第２記憶部１３０を備える。情報管理部１０４、ウエブ管理部１０６、検索部１０８、ランキング処理部１１０、提供部１１２、および学習部１１４は、ＣＰＵ（Central Processing Unit）等のハードウェアプロセッサが、記憶装置に記憶されたプログラムを実行することにより実現される。また、これらの機能部は、ＬＳＩ（Large Scale Integration）、ＡＳＩＣ（Application Specific Integrated Circuit）、ＦＰＧＡ（Field-Programmable Gate Array）、ＧＰＵ（Graphics Processing Unit）等のハードウェアによって実現されてもよいし、ソフトウェアとハードウェアの協働によって実現されてもよい。また、上記のプログラムは、予め記憶装置に格納されていてもよいし、ＤＶＤやＣＤ−ＲＯＭなどの着脱可能な記憶媒体に格納されており、記憶媒体がショッピングサーバ１００のドライブ装置に装着されることで記憶装置にインストールされてもよい。

なお、学習部１１４は、ショッピングサーバ１００とは別の装置に含まれてもよい。この場合、別の装置は、学習部１１４に加え、クエリを入力した利用者が所定の行為を行ったか否かを示す情報を取得する取得部を備える。

第１記憶部１２０および第２記憶部１３０は、例えば、ＲＯＭ（Read Only Memory）、フラッシュメモリ、ＳＤカード、ＲＡＭ（Random Access Memory）、ＨＤＤ（Hard Disc Drive）、レジスタ等によって実現される。また、第１記憶部１２０および第２記憶部１３０の一部または全部は、ＮＡＳ（Network Attached Storage）や外部ストレージサーバ装置等であってもよい。

第１記憶部１２０には、例えば、商品等情報１２２、学習済モデル１２４、およびクエリ商品情報１２６が記憶されている。第２記憶部１３０には、例えば、学習前モデル１３２、学習データ１３４、および教師データ１３６が記憶されている。各情報の詳細については後述する。以下、第１記憶部１２０と第２記憶部１３０とを区別しない場合は、単に「記憶部」と称する。

通信部１０２は、ネットワークＮＷを介して、端末装置１０と通信する。通信部１０２は、例えば、ＮＩＣ（Network Interface Card）等の通信インターフェースを含む。

情報管理部１０４は、端末装置１０から取得した情報や、他の装置から取得した情報、ショッピングサーバ１００の処理結果等を管理する。情報管理部１０４は、例えば、他の装置から商品等情報１２２や学習データ１３４などを取得し、取得した情報を記憶部に記憶させる。

ウエブ管理部１０６は、端末装置１０の依頼に応じてショッピングサーバ１００が販売している商品の購入を受け付けたり、端末装置１０から取得した利用者に関する情報を第１記憶部１２０の顧客管理情報（不図示）に登録したりする。また、ウエブ管理部１０６は、端末装置１０の依頼に応じて、検索部１０８、ランキング処理部１１０、および提供部１１２に所定の処理を実行させる。

検索部１０８は、利用者がクエリを入力した場合、商品等情報１２２を参照して、クエリに応じた商品を検索する。検索は、商品の商品名（タイトル）と商品詳細のテキストと、クエリとの文字マッチングにより行われる。この際に、表記揺れや類義語を吸収するための辞書が用いられてもよい。

ランキング処理部１１０は、検索ヒットした商品等について、クエリと紹介対象との組み合わせに対応して生じた事象に基づく一以上の指標を、予め学習された学習済モデル１２４に入力することで、クエリに対する紹介対象のランキングを決定する。

提供部１１２は、商品に関する情報（商品の画像や詳細説明等）をレンダリングして、商品の情報や商品の画像を含む提供用情報（例えばウエブページ）を生成する。提供用情報は、利用者に提供するための情報であって、ランキング処理部１１０によりランキングされた商品の順序に基づいて、商品が並べられた一覧である。

学習部１１４は、クエリと紹介対象との組み合わせに対応して生じた事象に基づく一以上の指標に応じて決定されたランキングに従って利用者に紹介ページが提供された結果に基づいて、学習されたモデルである学習済モデル１２４を生成する。

［処理］
図２は、ショッピングシステム１により実行される処理の流れを示すシーケンス図である。まず、利用者がショッピングに関するウエブページの提供をリクエストする所定の操作を行うと、端末装置１０が、ショッピングに関するウエブページの送信リクエストをショッピングサーバ１００に送信する（Ｓ１０）。次に、ショッピングサーバ１００が、端末装置１０の送信リクエストに応じて、ショッピングに関するウエブページを、端末装置１０に提供する（Ｓ１２）。次に、利用者がウエブページの検索窓にクエリを入力し、クエリを送信する操作を行うと、端末装置１０が、入力された検索クエリをショッピングサーバ１００に送信する（Ｓ１４）。

次に、ショッピングサーバ１００の検索部１０８が、送信されたクエリに基づいて、商品を検索する（Ｓ１６）。検索部１０８は、商品等情報１２２における商品名や商品詳細においてクエリを含む、商品名と商品詳細のテキストを有する商品を絞り込む。

図３は、商品等情報１２２の内容の一例を示す図である。商品等情報１２２は、例えば、商品ＩＤや、商品名、商品詳細、商品の価格、商品の評価、商品の画像（不図示）等が互いに対応付けられた情報である。検索部１０８は、例えば、クエリ「ワンピース」が入力された場合、商品名または商品詳細において「ワンピース」を含む商品を抽出する。

図２の説明に戻る。次に、ランキング処理部１１０が、検索部１０８により検索された商品のランキング処理を行う（Ｓ１８）。ランキング処理の詳細について後述する。次に、提供部１１２が、ランキング処理結果に基づいて、提供用情報であるウエブページを生成し（Ｓ２０）、生成したウエブページを端末装置１０に提供する（Ｓ２２）。端末装置１０は、提供されたウエブページを自装置の表示部に表示させる（Ｓ２４）。

（ランキング処理）
図４は、ランキング処理が行われる場面の概念図である。例えば、ランキング処理部１１０が、検索された商品と入力されたクエリとの組み合わせごとのスコアを導出し、導出したスコアに基づいて商品をランキングする。ランキング処理部１１０は、例えば、クエリ（或いはクエリや後述するスコアの導出に用いられる指標等）を学習済モデル１２４に入力し、学習済モデル１２４が出力した上記の組み合わせごとのスコアを、スコアが高い順にランキングする。

図５は、ランキング処理の具体的な処理内容の一例を示す図である。例えば、ランキング処理は、複数の素性に基づく処理である。ランキング処理は、例えば、（Ａ）、（Ｂ）の処理を含む。（Ａ）の処理は、素性ごとに規定されたスコアの求め方に基づいて、各素性のスコアが導出される処理である。（Ｂ）の処理は、導出された各スコアが統計的に処理されて、商品とクエリとの組み合わせに対する最終スコアが導出される処理である。素性ごとに規定されたスコアの求め方は、「学習済モデル」の一例である。後述するクエリ別のＰＶ（Page View）と、クエリ別のＣＶ（Conversion）とのうち一方または双方は、「クエリと紹介対象との組み合わせに対応して生じた事象に基づく一以上の指標」の一例である。以下、クエリ別のＰＶを「ＰＶｑ」と表記し、クエリ別のＣＶを「ＣＶｑ」と表記する場合がある。

例えば、素性は、（ａ）クエリ別のＰＶｑのスコアや、（ｂ）クエリ別のＣＶｑのスコア、（ｃ）商品ページのＰＶ、（ｄ）クエリと商品名とのマッチスコア、（ｅ）商品名の重要度スコア、（ｆ）商品のＣＶ等を含む。「ＰＶ」は、例えば、ランキングに基づいて生成された商品の一覧において商品を選択する操作（例えばクリック操作やタップ操作）が行われた回数である。「ＣＶ」は、例えば、管理者が意図する行為を利用者が商品に対して行ったことである。管理者が意図する行為とは、商品の購入や商品をカートに入れたこと、商品をお気に入りに登録したことなどである。クエリ別のＰＶｑ（またはＣＶｑ）とは、そのクエリが入力された場合における対象の商品に対するＰＶ（またはＣＶ）である。

例えば、上記（ａ）〜（ｆ）の求め方は、以下の式が用いられる。（ａ）のＰＶｑは、設定期間におけるクエリ別のＰＶｑであり、（ｂ）のＣＶｑは、設定期間におけるクエリ別のＣＶｑであり、（ｃ）のＰＶは、クエリを考慮しない設定期間の商品ページのＰＶである。上記の「ＰＶｑ」、「ＣＶｑ」「ＰＶ」、および「ＣＶ」は、合算値である。例えば、α１〜α６は、所定の係数（重み）である。また、α１〜α６のうち、少なくても一以上の係数は、後述する学習部１１４の学習により決定されたものである。また、求め方、またはα１〜α６は、例えば、入力されたクエリごとに異なっていてもよい。
「Ｓ」、および「Ｉ」については後述する。
（ａ）：個別スコア（ａ）＝ＰＶｑ×α１
（ｂ）：個別スコア（ｂ）＝ＣＶｑ×α２
（ｃ）：個別スコア（ｃ）＝ＰＶ×α３
（ｄ）：個別スコア（ｄ）＝Ｓ×α４
（ｅ）：個別スコア（ｅ）＝Ｉ×α５
（ｆ）：個別スコア（ｆ）＝ＣＶ×α６

「Ｓ」は、クエリと商品名との合致度合を示す指標である。この合致度合を示す指標は、クエリと商品名との合致度合が高いほど、高い傾向に設定される。例えば、合致度合を示す指標は、例えば、ランキング処理部１１０により、クエリと商品名との一致割合に基づいて導出されたり、所定のアルゴリズムに基づいて導出されたりする。

「Ｉ」は、商品名の重要度を示す指標である。「Ｉ」は、例えば、商品名に対して予め設定された指標である。商品名の重要度を示す指標は、例えば、予め商品等情報１２２において商品に対応付けられている。

例えば、ランキング処理部１１０は、クエリ商品情報１２６から取得したＰＶやＣＶ、クエリ別のＰＶｑ、クエリ別のＣＶｑ等の素性を、上記の式に適用する。図６は、クエリ商品情報１２６の内容の一例を示す図である。クエリ商品情報１２６は、商品ＩＤや、商品名、クエリを考慮しない商品のＰＶ、クエリを考慮しない商品のＣＶ、クエリ、クエリ別のＰＶｑ、クエリ別のＣＶｑ等が互いに対応付けられた情報である。

図６の例では、クエリ「ワンピース」が入力された場合に、「ＩＤ００１」のワンピースのＰＶｑが９２、ＣＶｑが１２であり、クエリ「ワンピース 冬」が入力された場合に、「ＩＤ００１」のワンピースのＰＶｑが７０、ＣＶｑが９である。

上述したように、ショッピングサーバ１００が、クエリと商品との組み合わせに対応して生じた事象の発生頻度を示す指標（ＰＶｑ、ＣＶｑ）に基づいてランキング処理を行い、ランキング処理結果に基づいて生成したウエブページを利用者に提供する。この結果、利用者の意図に沿った情報を提供することができる。

なお、上記（ａ）〜（ｆ）の素性は、一例であり、適宜省略されたり、他の素性が追加されたりしてもよい。例えば、素性として、商品を販売している店舗の評価に関する指標や、商品の評価に関する指標などが含まれてもよい。例えば、商品を販売している店舗の評価に関する指標に基づくスコアは、「Ｒ×α７」で求められる。「Ｒ」は店舗の評価に関する指標であり、α７は係数である。

（比較例）
図７は、比較例のランキング処理の概念図である。比較例のショッピングサーバは、クエリ別のＰＶｑおよびクエリ別のＣＶｑを考慮せずにランキング処理を行う。例えば、比較例のショッピングサーバは、クエリを考慮しないＰＶおよびクエリを考慮しないＣＶに基づいて、最終スコアを導出する。例えば、式（ａ）、および式（ｂ）を用いず、式（ｃ）〜（ｆ）を用いて最終スコアが導出される。この場合、例えば、他の条件が同様である場合、ＰＶおよびＣＶが高い商品が、ＰＶおよびＣＶが低い商品よりもランキングが高くなる場合がある。図７に示すように、ＰＶおよびＣＶが高い商品Ａ、商品Ｂ、商品Ｃの順でランキングがされる。

図８は、本実施形態のランキング処理の概念図である。ショッピングサーバ１００は、クエリ別のＰＶｑおよびクエリ別のＣＶｑを考慮してランキング処理を行う。例えば、ショッピングサーバ１００は、クエリ別のＰＶｑおよびクエリ別のＣＶｑを加味して、最終スコアを導出する。例えば、式（ａ）、および式（ｂ）および、式（ｃ）〜（ｆ）を用いて最終スコアが導出される。

例えば、各商品のクエリを考慮しないＰＶおよびクエリを考慮しないＣＶが微差であり、他の条件が同様である場合、クエリ別のＰＶｑおよびクエリ別のＣＶｑが高い商品が、クエリ別のＰＶｑおよびクエリ別のＣＶｑが低い商品よりもランキングが高くなる場合がある。図８に示すように、クエリを考慮しない場合、商品Ａ、商品Ｂ、商品Ｃの順でランキングされるが、クエリ別のＰＶｑおよびクエリ別のＣＶｑを考慮すると、クエリ別のＰＶｑおよびクエリ別のＣＶｑが高い商品Ｃ、商品Ｂ、商品Ａの順でランキングがされる場合がある。

より具体的には、例えば、図９に示すように検索クエリ「ＸＸスマホ」を入力した利用者の、商品「ＸＸスマホ」のＰＶｑおよびＣＶｑが「０」であり、商品「ＸＸスマホ ケース」のＰＶｑおよびＣＶｑが「５００」および「１００」である場合を考える。なお、商品「ＸＸスマホ ケース」のＰＶは３０，０００であり、他の条件については考慮しないものとする。この場合、本実施形態では、検索クエリ「ＸＸＸ スマホ」が入力された場合であっても、商品「ＸＸＸ スマホ」よりも商品「ＸＸＸ スマホ ケース」がランキングにおいて上位に順位づけられる場合がある。

このように、本実施形態では、利用者が入力したクエリに応じたランキングが利用者に提供される。この結果、利用者の意図に沿った情報を提供することができる。

（学習処理）
学習部１１４は、学習済モデル１２４を生成する。学習済モデル１２４は、クエリと紹介対象との組み合わせに対応して生じた事象に基づく一以上の指標に応じて決定されたランキングに従って利用者に紹介ページが提供された結果として、情報管理部１０４により取得された情報に基づいて、指標を入力すると紹介対象をランキングするためのモデルである。上記の取得された情報は、商品のクリック率（以下、ＣＴＲ；Click Through Rate）や商品の購入率（以下、ＣＶＲ；Conversion Rate）などの情報である。

学習部１１４は、学習データと教師データとを用いた学習を行って、学習前モデル１３２のモデルパラメータ（例えば上記の（ａ）〜（ｆ））を調整して、学習済モデル１２４を生成する。学習前モデル１３２は、上記のように素性のスコアの求め方を含むモデルである。

図１０は、学習が行われる処理の内容の一例を示す図である。学習データは、例えば、クエリや、クエリを学習前モデル１３２に入力した結果である出現した商品、商品ごとの所定期間の合算ＰＶ、商品ごとの所定期間の合算ＣＶ、商品ごとの所定期間のクエリ別の合算ＰＶｑ、商品ごとの所定期間のクエリ別の合算ＣＶｑ、商品を販売している電子店舗の評価等が互いに対応付けられた情報である。学習でータにおいて、クエリ別の合算ＰＶｑ、またはクエリ別の合算ＣＶｑのうち一方または双方は、例えば、所定時間（例えば２４時間）おきに、その期間の結果が反映されるように更新される。

なお、上記の学習データの内容は、一例であり、適宜省略されたり、他の素性が追加されたりしてもよい。例えば、学習データとして、クエリと商品名の合致度合や、商品名の重要度が含まれてもよい。

（１）まず、学習部１１４は、学習前モデル１３２のモデルパラメータを仮設定し、モデルパラメータを仮設定した学習前モデル１３２に学習データを適用して、素性であるスコアを導出する。これにより、各クエリに応じた商品のランキングが決定される。（２）提供部１１２は、利用者に入力されたクエリに応じた商品のランキングに基づいて生成されたウエブページを利用者に提供する。（３）次に、学習部１１４は、提供したウエブページに対する利用者の行動を示す情報（所定の行為を示す情報）を取得する。学習部１１４は、例えば、教師データ１３６である商品のＣＴＲやＣＶＲなどの情報を取得する。学習部１１４は、所定期間、上記の処理を実行した後、仮設定したモデルパラメータを、ＣＴＲやＣＶＲが上昇するように変更し、上記の処理を実行する。学習部１１４は、この処理を所定回数繰り返す。

（４）そして、学習部１１４は、ＣＴＲやＣＶＲが高くなる傾向のモデルパラメータを抽出し、抽出したモデルパラメータを学習済モデル１２４のモデルパラメータとして決定する。この結果、利用者が興味を持つ傾向にある商品がランキングに含まれたり、ランキングの上位になったりするようなランキング結果を出力する学習済モデル１２４が生成される。

なお、上述した例では、式（ａ）〜（ｆ）を統合した加重和により最終スコアを導出するものとして説明したが、最終スコアはニューラルネットワーク（Neural Network）などの他のモデルに基づいて導出されてもよい。この場合、モデルは、素性を入力するとランキング結果を出力するものである。モデルがニューラルネットワークである場合、上記と同様に学習データと教師データを用いて、ノード間に与えられるパラメータが最適化されるように学習する。最適化とは、クエリが入力された際に、クエリを入力した利用者が所定の行為を行う度合が高くなるようなランキングを行うようにパラメータを調整することである。

以上説明した実施形態によれば、ショッピングサーバ１００が、クエリを取得する情報管理部１０４と、クエリと紹介対象との組み合わせに対応して生じた事象に基づく一以上の指標を、予め学習された学習済モデル１２４に入力することで、クエリに対する紹介対象のランキングを決定するランキング処理部１１０とを備えることにより、利用者の意図に沿った情報を提供することができる。

また、以上説明した実施形態によれば、学習部１１４が、クエリを入力した利用者が、クエリの検索結果として提供される紹介対象の紹介ページに対して所定の行為を行ったか否かを示す情報を取得し、クエリと紹介対象との組み合わせに対応して生じた事象に基づく一以上の指標に応じて決定されたランキングに従って利用者に紹介ページが提供された結果として、情報管理部１０４により取得された情報に基づいて、指標を入力すると紹介対象をランキングするためのモデルである学習済モデルを生成する学習部１１４を備えることにより、利用者の意図に沿った情報を提供するためのモデルを生成することができる。

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

１‥ショッピングシステム、１０‥端末装置、１００‥ショッピングサーバ、１０２‥通信部、１０４‥情報管理部、１０６‥ウエブ管理部、１０８‥検索部、１１０‥ランキング処理部、１１２‥提供部、１１４‥学習部、１２０‥第１記憶部、１２２‥商品等情報、１２４‥学習済モデル、１２６‥クエリ商品情報、１３０‥第２記憶部、１３２‥学習前モデル、１３４‥学習データ、１３６‥教師データ

Claims (18)

1. クエリを取得する取得部と、
   前記クエリと紹介対象との組み合わせに対応して生じた事象に基づく一以上の指標を、予め学習された学習済モデルに入力することで、前記クエリに対する紹介対象のランキングを決定する決定部と、
   を備える情報処理装置。
2. 前記紹介対象は、商品またはサービス（以下、商品等）である、
   請求項１に記載の情報処理装置。
3. 前記指標は、前記事象の発生度合に基づく指標である、
   請求項１に記載の情報処理装置。
4. 前記事象は、前記紹介対象の詳細を示すウエブページへのリンクが選択されたこと、および前記紹介対象に対して紹介者が意図する行為が行われたことのうち、少なくとも一方を含む、
   請求項１から３のうちいずれか１項に記載の情報処理装置。
5. 前記学習済モデルは、前記クエリと紹介対象との組み合わせに対応して生じた事象に基づく一以上の指標に応じて決定されたランキングに従って利用者に紹介ページが提供された結果に基づいて、学習されたモデルである、
   請求項１から４のうちいずれか１項に記載の情報処理装置。
6. 前記学習済モデルは、前記指標に加えて、前記指標とは異なる指標を入力することで、前記クエリと紹介対象との組み合わせに対するスコアを導出するモデルである、
   請求項１から５のうちいずれか１項に記載の情報処理装置。
7. 前記異なる指標は、クエリを考慮しない紹介対象に対応して生じた事象の発生頻度を示す一以上の指標、クエリを考慮しない紹介対象に関する指標、前記クエリと紹介対象との合致度、および前記紹介対象の重要度のうち、一以上の指標である、
   請求項６に記載の情報処理装置。
8. 前記クエリを入力した利用者に、前記決定部により決定されたランキングに基づく情報を提供する提供部を更に備える、
   請求項１から７のうちいずれか１項に記載の情報処理装置。
9. 前記学習済モデルを生成する学習部を更に備える、
   請求項１から８のうちいずれか１項に記載の情報処理装置。
10. クエリを入力した利用者が、クエリの検索結果として提供される紹介対象の紹介ページに対して所定の行為を行ったか否かを示す情報を取得する取得部と、
    前記クエリと紹介対象との組み合わせに対応して生じた事象に基づく一以上の指標に応じて決定されたランキングに従って利用者に紹介ページが提供された結果として、前記取得部により取得された情報に基づいて、前記指標を入力すると前記紹介対象をランキングするためのモデルである学習済モデルを生成する学習部と、
    を備える学習装置。
11. 前記学習済モデルは、
    第１モデルパラメータが設定されたモデルに前記事象の発生頻度を示す一以上の指標が入力されて決定されたランキングに従って利用者に紹介ページが提供された結果として、前記取得部により取得された情報と、
    第２モデルパラメータが設定されたモデルに前記事象の発生頻度を示す一以上の指標が入力されて決定されたランキングに従って利用者に紹介ページが提供された結果として、前記取得部により取得された情報と、に基づいて生成されたモデルである、
    請求項１０に記載の学習装置。
12. 前記学習済モデルは、前記利用者が前記所定の行為を行った頻度が他のモデルよりも高くなったモデルパラメータが設定されたモデルである、
    請求項１１に記載の学習装置。
13. 前記学習済モデルは、前記指標に加えて、前記指標とは異なる指標を入力することで、前記クエリと紹介対象との組み合わせに対するスコアを導出するモデルである、
    請求項１０から１２のうちいずれか１項に記載の学習装置。
14. 前記異なる指標は、クエリを考慮しない紹介対象に対応して生じた事象の発生頻度を示す一以上の指標、クエリを考慮しない紹介対象に関する指標、前記クエリと紹介対象との合致度、および前記紹介対象の重要度のうち、一以上の指標である、
    請求項１３に記載の学習装置。
15. コンピュータが、
    クエリを取得し、
    前記クエリと紹介対象との組み合わせに対応して生じた事象に基づく一以上の指標を、予め学習された学習済モデルに入力することで、前記クエリに対する紹介対象のランキングを決定する、
    情報処理方法。
16. コンピュータに、
    クエリを取得させ、
    前記クエリと紹介対象との組み合わせに対応して生じた事象に基づく一以上の指標を、予め学習された学習済モデルに入力することで、前記クエリに対する紹介対象のランキングを決定させる、
    プログラム。
17. コンピュータが、
    クエリを入力した利用者が、クエリの検索結果として提供される紹介対象の紹介ページに対して所定の行為を行ったか否かを示す情報を取得し、
    前記クエリと紹介対象との組み合わせに対応して生じた事象に基づく一以上の指標に応じて決定されたランキングに従って利用者に紹介ページが提供された結果として、前記取得された情報に基づいて、前記指標を入力すると前記紹介対象をランキングするためのモデルである学習済モデルを生成する、
    生成方法。
18. コンピュータに、
    クエリを入力した利用者が、クエリの検索結果として提供される紹介対象の紹介ページに対して所定の行為を行ったか否かを示す情報を取得させ、
    前記クエリと紹介対象との組み合わせに対応して生じた事象に基づく一以上の指標に応じて決定されたランキングに従って利用者に紹介ページが提供された結果として、前記取得された情報に基づいて、前記指標を入力すると前記紹介対象をランキングするためのモデルである学習済モデルを生成させる、
    プログラム。

Images