JP6983672B2 - 情報処理装置、情報処理方法、及び情報処理プログラム - Google Patents

情報処理装置、情報処理方法、及び情報処理プログラム Download PDF

Info

Publication number
JP6983672B2
JP6983672B2 JP2018005031A JP2018005031A JP6983672B2 JP 6983672 B2 JP6983672 B2 JP 6983672B2 JP 2018005031 A JP2018005031 A JP 2018005031A JP 2018005031 A JP2018005031 A JP 2018005031A JP 6983672 B2 JP6983672 B2 JP 6983672B2
Authority
JP
Japan
Prior art keywords
information
user
question
answer
questioner
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
JP2018005031A
Other languages
English (en)
Other versions
JP2019125146A (ja
Inventor
直也 村上
隼人 小林
立 日暮
健 小林
太一 谷塚
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.)
Yahoo Japan Corp
Original Assignee
Yahoo Japan 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 Yahoo Japan Corp filed Critical Yahoo Japan Corp
Priority to JP2018005031A priority Critical patent/JP6983672B2/ja
Publication of JP2019125146A publication Critical patent/JP2019125146A/ja
Application granted granted Critical
Publication of JP6983672B2 publication Critical patent/JP6983672B2/ja
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Landscapes

  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)

Description

本発明は、情報処理装置、情報処理方法、及び情報処理プログラムに関する。
近年、インターネットを使ったユーザ同士の情報共有サービスが盛んになっている。このようなサービスでは、ユーザ（質問者）が投稿した質問文に対して、他のユーザ（回答者）が回答文を投稿することで、ユーザ間で知識や知恵の共有を行う。
特開２０１５−２４３６５８号公報
サービスが活発に利用されるようにするためには、多くのユーザに質問に回答してもらうことが望ましい。しかし、多くのユーザに質問に回答してもらうことは容易ではない。
本願は、上記に鑑みてなされたものであって、多くのユーザに質問に回答してもらえるようにすることを目的とする。
本願に係る情報処理装置は、回答者となるユーザの質問への回答能力の情報を取得する取得部と、回答能力の情報に基づいて複数の質問の中からユーザに提示する質問を判別する判別部と、を備える。
実施形態の一態様によれば、多くのユーザに質問に回答してもらえるようにすることができる。
図１は、実施形態に係る情報処理システムの動作を示す図である。 図２は、ユーザ情報の一例を示す図である。 図３は、情報処理サーバが、ユーザ情報から、ユーザの回答能力に関する特徴を示す特徴情報を生成する様子を示す図である。 図４は、回答履歴情報の一例を示す図である。 図５は、ユーザの回答能力に関する特徴を示す特徴情報を生成する様子を示す図である。 図６は、ユーザの回答能力に関する特徴を示す特徴情報を生成する様子を示す図である。 図７は、質問情報の一例を示す図である。 図８は、質問の特徴を示す特徴情報を生成する様子を示す図である。 図９は、質問の回答の得やすさを示す回答容易度を生成する様子を示す図である。 図１０は、実施形態に係る情報処理サーバの構成例を示す図である。 図１１は、モデル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１２は、実施形態に係る端末装置の構成例を示す図である。 図１３は、情報送信処理の一例を示すフローチャートである。 図１４は、情報処理サーバの機能を実現するコンピュータの一例を示すハードウェア構成図である。
以下に、本願に係る情報処理装置、情報処理方法、及び情報処理プログラムを実施するための形態（以下、「実施形態」と呼ぶ）について図面を参照しつつ詳細に説明する。なお、以下の実施形態により本願に係る情報処理装置、情報処理方法、及び情報処理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される。
〔１．情報処理装置の動作〕
最初に、情報処理装置の一例である情報処理サーバ１０を備える情報処理システム１を例に、情報処理装置の動作を説明する。
〔実施形態１〕
〔１−１．情報処理システムについて〕
図１は、実施形態１に係る情報処理システム１の動作を示す図である。情報処理システム１は、情報処理サーバ１０と、端末装置１００と、を備える。なお、図１の例では、端末装置１００が１つしか示されていないが、端末装置１００は複数であってもよい。
情報処理サーバ１０は、クライアント端末に対して各種サービスを提供するサーバ用ホストコンピュータである。情報処理サーバ１０は、端末装置１００にコンテンツを配信する。例えば、情報処理サーバ１０は、ポータルサイト、ゲーム情報配信サイト、ニュースサイト、オークションサイト、天気予報サイト、ショッピングサイト、ファイナンス（株価）サイト、路線検索サイト、地図提供サイト、旅行サイト、飲食店紹介サイト、掲示板サイト、ウェブブログなどに関連する情報がタイル状に配置されたコンテンツを端末装置１００に配信する。本実施形態の情報処理サーバ１０は、ユーザ同士で質問及び回答を行うことが可能な情報共有サービスを提供する。
端末装置１００は、スマートフォンやタブレット等のスマートデバイスであり、３Ｇ（3rd Generation）やＬＴＥ（Long Term Evolution）等の無線通信網を介して任意のサーバ装置と通信を行うことができる携帯端末装置である。なお、端末装置１００は、スマートデバイスのみならず、デスクトップＰＣ（Personal Computer）やノートＰＣ等の情報処理装置であってもよい。
〔１−２．情報共有サービスについて〕
上述したように、情報処理サーバ１０は、情報共有サービスを提供する。情報共有サービスは、ユーザ（質問者）が投稿した質問文に対して、他のユーザ（回答者）が回答文を投稿することで、ユーザ間で知識や知恵の共有を行う。情報処理サーバ１０は、端末装置１００からの要求に応じて、質問文を投稿するためのコンテンツ（以下、質問投稿コンテンツという。）や質問への回答文を投稿するためのコンテンツ（以下、回答投稿コンテンツという。）を端末装置１００に配信するよう構成されている。端末装置１００は、コンテンツの配信を受けて、画面に質問投稿コンテンツや回答投稿コンテンツを表示する。図１の例では、端末装置１００に回答投稿コンテンツであるコンテンツＣ１が表示されている。コンテンツＣ１は、例えば、ウェブページやアプリの画面である。
コンテンツＣ１には、回答文を入力するためのテキストボックスＴＢが配置されている。ユーザがテキストボックスＴＢに回答文を入力して投稿ボタンを押すと、情報処理サーバ１０に質問文が送信される。なお、回答の対象となる質問は、音楽、健康、ビジネスといった複数のカテゴリ分類される。質問文を投稿するためのコンテンツは、ユーザが質問のカテゴリを選択可能に構成されている。質問を投稿するユーザは、複数のカテゴリのいずれかを指定して情報共有サイトに質問を投稿する。
〔１−３．情報処理システムの動作〕
以下、情報処理システム１の動作について説明する。
まず、情報処理サーバ１０は、端末装置１００から回答投稿コンテンツの配信要求を受け付ける（ステップＳ１）。情報処理サーバ１０は、回答投稿コンテンツの配信要求を受け付けたら、回答者となるユーザの回答能力情報を取得する。回答能力情報とは、回答者となるユーザ（すなわち、端末装置１００を操作するユーザ）の質問への回答能力に関する情報である。情報処理サーバ１０は、回答能力情報として、ユーザ情報Ｖ１１と回答履歴情報Ｗ１１との少なくとも一つの情報を取得する。ユーザ情報はユーザの属性を示す情報であり、回答履歴情報はユーザが過去行った質問への回答の情報である。ユーザ情報及び回答履歴情報は、回答能力情報の一種である。ユーザ情報及び回答履歴情報については後述する。
続いて、情報処理サーバ１０は、ユーザへの提示候補となる質問の情報（図１に示す質問情報Ｑ２１、Ｑ２２、Ｑ２３等）を取得する。そして、情報処理サーバ１０は、ステップＳ１で取得した回答能力情報に基づいて、複数の質問の中から、ユーザに提示する質問を判別する。例えば、情報処理サーバ１０は、ユーザ情報と回答履歴情報の少なくとも一つの情報に基づいてユーザに提示する質問を判別する。より具体的には、情報処理サーバ１０は、回答能力情報に基づき特定されるユーザの特徴と、当該ユーザへの提示候補となる質問の情報に基づき特定される当該質問の特徴と、が類似するか否かを判別することにより、ユーザに提示する質問を判別する。
以下、具体的な手順について説明する。まず、回答能力情報がユーザ情報である例について説明する。
情報処理サーバ１０は、ユーザ情報として、ユーザの検索クエリログ、及びサービス利用履歴のうちの少なくとも一つの情報を取得する。
図２は、ユーザ情報の一例を示す図である。ユーザ情報には、「ユーザＩＤ（Identifier）」、「検索クエリログ」、及び「サービス利用履歴」といった項目を有する情報が登録されている。「ユーザＩＤ」は、ユーザを識別する識別子である。また、「検索クエリログ」は、ユーザＩＤで識別されるユーザが過去行った検索の検索クエリのログである。また、「サービス利用履歴」は、ユーザＩＤで識別されるユーザが過去使用したサービスの履歴である。例えば、サービス利用履歴は、情報検索サービス、ＳＮＳ（Social Networking Service）、ニュース配信サービス、情報まとめサービス、インターネット百科事典サービス、インターネット辞書サービス、ブログサービス等の情報の発信サービス（以下、情報サービスという。）の使用履歴である。また、サービス利用履歴は、オークションサービス、ショッピングサービス、ファイナンスサービス、各種予約サービス、ウェブブログサービス等の使用履歴であってもよい。
なお、ユーザ情報には、検索クエリログやサービス利用履歴以外にも、ユーザ属性情報（例えば、デモグラフィック情報やサイコグラフィック情報）が含まれていてもよい。ユーザ属性情報は、例えば、ユーザ（例えば質問者や回答者）の年齢、職業、収入、資産、住所、勤務先の住所、使用言語数、家族構成、友人関係、ライフサイクル、価値観、ライフスタイル、性格、好み、及びこれらの変化の情報である。勿論、ユーザ属性情報は上記の情報に限定されない。
そして、情報処理サーバ１０は、回答能力情報に基づいてユーザの回答能力に関する特徴を示す特徴情報Ｆ１１を生成する（ステップＳ２）。回答能力情報がユーザ情報なのであれば、情報処理サーバ１０は、ユーザ情報Ｖ１１から特徴情報Ｆ１１を生成する。図３は、情報処理サーバ１０が、ユーザ情報Ｖ１１から、ユーザの回答能力に関する特徴を示す特徴情報Ｆ１１ａを生成する様子を示す図である。
情報処理サーバ１０は、図３に示すように、モデルＭ１を使ってユーザ情報Ｖ１１から特徴情報Ｆ１１ａを生成する。モデルＭ１は、複数のユーザのユーザ情報と、当該ユーザの質問への回答能力の特徴を示す情報（例えば、このユーザは自動車のカテゴリの質問に強いといった情報）と、を学習データとして、回答者となるユーザのユーザ情報Ｖ１１を入力した時に当該ユーザの回答能力に関する特徴情報を出力するよう学習した学習済みモデルである。
次に、回答能力情報が回答履歴情報である例について説明する。情報処理サーバ１０は、回答履歴情報として、ユーザが回答を行った質問のカテゴリ、質問者、該質問者のユーザ属性、質問文、該質問文へのユーザの回答文、及び該回答文への評価のうちの少なくとも一つの情報を取得する。
図４は、回答履歴情報の一例を示す図である。回答履歴情報には、「回答ＩＤ」、「質問ＩＤ」、「カテゴリ」、「質問文」、「質問者情報」、「回答文」、および「評価」といった項目を有する情報が登録される。「回答ＩＤ」は、ユーザＩＤで識別されるユーザが行った回答を識別するための識別子である。また、「質問ＩＤ」は、回答ＩＤで識別される回答の質問を識別するための識別子である。また、「カテゴリ」は、質問ＩＤで識別される質問のカテゴリである。また、「質問文」は、質問ＩＤで識別される質問の質問文である。「質問者情報」は、質問ＩＤで識別される質問者の情報である。「回答文」は、回答ＩＤで識別される回答の回答文である。また、「評価」は、回答ＩＤで識別される回答への評価の情報である。例えば、評価は、ベストアンサーを得たか否か、回答の優良度を示すスコア（例えば、評価を示す星の数や“いいね”の数等）である。なお、回答履歴情報には、上記で示した項目以外の情報が含まれていてもよい。また、回答履歴情報は、上記で示した項目が必ずしも全て含まれていなくてもよい。例えば、回答履歴情報は、質問文のみから構成される情報であってもよいし、回答文のみから構成される情報であってもよい。
続いて、情報処理サーバ１０は、回答履歴情報Ｗ１１からユーザの回答能力に関する特徴を示す特徴情報Ｆ１１ｂを生成する（ステップＳ２）。図５は、ユーザの回答能力に関する特徴を示す特徴情報Ｆ１１ｂを生成する様子を示す図である。より具体的には、図５は、情報処理サーバ１０が、ユーザが過去回答を行った複数の質問の情報から、ユーザの回答能力に関する特徴を示す特徴情報Ｆ１１ｂを生成する様子を示す図である。なお、回答履歴情報は、ユーザの過去の回答の情報であると同時に、ユーザが過去回答を行った質問の情報である。そのため、回答履歴情報は、ユーザが過去回答を行った質問の「質問情報」と言い換えることも可能である。
情報処理サーバ１０は、図５に示すように、回答履歴情報で特定される複数の質問情報（図５に示す質問情報Ｑ１１〜Ｑ１４等）から所定の基準を満たす質問情報を選択する。例えば、情報処理サーバ１０は、ユーザが過去回答を行った複数の質問のうち当該ユーザの回答文への評価が所定の基準を満たす質問の情報を取得する。例えば、情報処理サーバ１０は、質問情報Ｑ１１〜Ｑ１４のうち、回答文への評価（図４に示すＥ１１〜Ｅ１４）がベストアンサーとなっている質問の質問情報を取得する。図５の例では、情報処理サーバ１０は、質問情報Ｑ１１〜Ｑ１４から質問情報Ｑ１２を選択している。このように選択された質問情報は、ユーザが高い回答能力を有する質問の情報である。
そして、情報処理サーバ１０は、図５に示すように、モデルＭ２を使ってユーザ情報Ｖ１１から特徴情報Ｆ１１ａを生成する。モデルＭ２は、複数のユーザの回答履歴情報と、当該ユーザの質問への回答能力の特徴を示す情報と、を学習データとして、回答者となるユーザの回答履歴情報Ｗ１１を入力した時に当該ユーザの回答能力に関する特徴情報を出力するよう学習した学習済みモデルである。
なお、図３及び図５の例では、モデルに入力するデータはユーザ情報と回答履歴情報のいずれか一方のデータであった。しかし、モデルに入力するデータはユーザ情報と回答履歴情報の双方であってもよい。図６は、ユーザの回答能力に関する特徴を示す特徴情報Ｆ１１ｃを生成する様子を示す図である。より具体的には、図６は、情報処理サーバ１０が、ユーザ情報Ｖ１１及び回答能力情報Ｗ１１から、ユーザの回答能力に関する特徴を示す特徴情報Ｆ１１ｃを生成する様子を示す図である。
情報処理サーバ１０は、図６に示すように、モデルＭ３を使ってユーザ情報Ｖ１１及び回答履歴情報Ｗ１１から特徴情報Ｆ１１ｃを生成する。モデルＭ３は、複数のユーザのユーザ情報及び回答履歴情報と、当該ユーザの質問への回答能力の特徴を示す情報と、を学習データとして、回答者となるユーザのユーザ情報Ｖ１１及び回答履歴情報Ｗ１１を入力した時に当該ユーザの回答能力に関する特徴情報を出力するよう学習した学習済みモデルである。
次に、情報処理サーバ１０は、ユーザへの提示候補となる質問の情報（図１に示す質問情報Ｑ２１、Ｑ２２、Ｑ２３等）を取得する。図７は、質問情報の一例を示す図である。質問情報には、「質問ＩＤ」、「カテゴリ」、「質問文」、「質問者情報」、および「回答」といった項目を有する情報が登録される。
「質問ＩＤ」は、質問サイトでなされた質問を識別するための識別子である。また、「カテゴリ」は、質問ＩＤで識別される質問のカテゴリである。例えば、「カテゴリ」は、音楽、健康、ビジネスといった質問の分類である。また、「質問文」は、質問ＩＤで識別される質問の質問文である。「質問者情報」は、質問ＩＤで識別される質問者の情報である。例えば、「質問者情報」は、質問者の識別情報（例えば、ユーザＩＤ）やユーザ属性情報（例えば、デモグラフィック情報やサイコグラフィック情報）である。
また、「回答」は、質問ＩＤで識別される質問への回答の情報である。「回答」の項目には、「回答文」、「回答者情報」、および「評価」といった項目を有する情報が登録される。「回答文」は、質問ＩＤで識別される質問への回答文である。「回答者情報」は、回答文を投稿した回答者の情報である。例えば、「回答者情報」は、回答者の識別情報（例えば、ユーザＩＤ）や属性情報（例えば、デモグラフィック情報やサイコグラフィック情報）である。また、「評価」は、回答者が行った回答への評価の情報である。例えば、評価は、ベストアンサーを得たか否か、回答の優良度を示すスコア（例えば、評価を示す星の数や“いいね”の数等）である。
なお、図７の例では、１つの質問につき１つの「回答」の項目しか設けられていないが、１つの質問につき複数の「回答」の情報が設けられていてもよい。また、質問情報には、上記で示した項目以外の情報が含まれていてもよい。また、質問情報は、上記で示した全ての項目が必ずしも含まれていなくてもよい。例えば、質問情報は、質問文のみから構成される情報であってもよいし、質問者情報のみから構成される情報であってもよい。
続いて、情報処理サーバ１０は、ユーザへの提示候補となる質問の情報（図１に示す質問情報Ｑ２１、Ｑ２２、Ｑ２３等）から当該質問の特徴を示す特徴情報（図１に示す特徴情報Ｆ２１、Ｆ２２、Ｆ２３等）を生成する（ステップＳ３ａ、Ｓ３ｂ、Ｓ３ｃ）。図８は、質問の特徴を示す特徴情報Ｆ２１ａ、Ｆ２２ａ、Ｆ２３ａを生成する様子を示す図である。より具体的には、図８は、情報処理サーバ１０が、ユーザへの提示候補となる質問の質問情報Ｑ２１、Ｑ２２、Ｑ２３から、当該質問の特徴を示す特徴情報Ｆ２１ａ、Ｆ２２ａ、Ｆ２３ａを生成する様子を示す図である。
情報処理サーバ１０は、図８に示すように、モデルＭ４を使って質問情報Ｑ２１、Ｑ２２、Ｑ２３から特徴情報Ｆ２１ａ、Ｆ２２ａ、Ｆ２３ａを生成する。モデルＭ４は、複数の質問情報と、当該質問の特徴を示す情報と、を学習データとして、提示候補となる質問の情報（質問情報Ｑ２１、Ｑ２２、或いはＱ２３）を入力した時に当該質問の特徴を示す特徴情報を出力するよう学習した学習済みモデルである。
図１に戻り、情報処理サーバ１０は、ユーザの回答能力の特徴を示す特徴情報Ｆ１１と、提示候補となる複数の質問それぞれの特徴情報（特徴情報Ｆ２１、Ｆ２２、Ｆ２３等）と、に基づいて、複数の質問の中からユーザに提示する質問を判別する（ステップＳ４）。例えば、情報処理サーバ１０は、ユーザの回答能力の特徴を示す特徴情報Ｆ１１と複数の質問それぞれの特徴情報（特徴情報Ｆ２１、Ｆ２２、Ｆ２３）とを比較し、特徴情報Ｆ１１と類似する特徴情報を有する質問をユーザに提示する質問として判別する。例えば、特徴情報がベクトル情報なのであれば、特徴情報Ｆ１１との類似度（例えば、コサイン類似度）が所定の閾値以上の特徴情報を有する質問をユーザに提示する質問として判別する。
なお、特徴情報Ｆ１１は、ユーザが過去回答を行った質問の質問文の特徴を示す特徴情報（例えば、質問文の分散表現となるベクトル）であってもよい。また、特徴情報Ｆ２１、Ｆ２２、Ｆ２３は、提示候補となる質問の質問文の特徴を示す特徴情報（例えば、質問文の分散表現となるベクトル）であってもよい。そして、情報処理サーバ１０は、特徴情報Ｆ１１と特徴情報Ｆ２１、Ｆ２２、Ｆ２３それぞれとの類似度を算出し、類似度が所定の閾値以上の質問をユーザに提示する質問として判別してもよい。これにより、情報処理サーバ１０は、提示候補となる複数の質問のうち、ユーザが過去回答を行った質問の質問文と特徴が類似する質問文を有する質問をユーザに提示する質問として判別することが可能になる。
また、特徴情報Ｆ１１は、ユーザが過去行った回答の回答文の特徴を示す特徴情報であってもよい。また、特徴情報Ｆ２１、Ｆ２２、Ｆ２３は、提示候補となる質問の質問文の特徴を示す特徴情報であってもよい。そして、情報処理サーバ１０は、特徴情報Ｆ１１と特徴情報Ｆ２１、Ｆ２２、Ｆ２３それぞれとの類似度を算出し、類似度が所定の閾値以上の質問をユーザに提示する質問として判別してもよい。これにより、情報処理サーバ１０は、提示候補となる複数の質問のうち、ユーザが過去行った回答の回答文と特徴が類似する質問文を有する質問をユーザに提示する質問として判別することが可能になる。
また、特徴情報Ｆ１１は、ユーザ情報に基づき生成された特徴情報であってもよい。また、特徴情報Ｆ２１、Ｆ２２、Ｆ２３は、提示候補となる質問の質問文の特徴を示す特徴情報であってもよい。そして、情報処理サーバ１０は、特徴情報Ｆ１１と特徴情報Ｆ２１、Ｆ２２、Ｆ２３それぞれとの類似度を算出し、類似度が所定の閾値以上の質問をユーザに提示する質問として判別してもよい。これにより、情報処理サーバ１０は、提示候補となる複数の質問のうち、ユーザ情報に基づき特定されるユーザの特徴と特徴が類似する質問文を有する質問をユーザに提示する質問として判別することが可能となる。
また、特徴情報Ｆ１１は、ユーザが過去回答を行った質問の質問文の特徴を示す特徴情報であってもよい。また、特徴情報Ｆ２１、Ｆ２２、Ｆ２３は、提示候補となる質問の質問者情報に基づき生成される特徴情報であってもよい。そして、情報処理サーバ１０は、特徴情報Ｆ１１と特徴情報Ｆ２１、Ｆ２２、Ｆ２３それぞれとの類似度を算出し、類似度が所定の閾値以上の特徴情報を有する質問をユーザに提示する質問として判別してもよい。これにより、情報処理サーバ１０は、提示候補となる質問のうち、質問者の情報に基づき特定される質問者の特徴が、ユーザが過去回答を行った質問の質問文の特徴と類似する質問をユーザに提示する質問として判別することが可能になる。
また、特徴情報Ｆ１１は、ユーザが過去行った回答の回答文の特徴を示す特徴情報であってもよい。また、特徴情報Ｆ２１、Ｆ２２、Ｆ２３は、提示候補となる質問の質問者情報に基づき生成される特徴情報であってもよい。そして、情報処理サーバ１０は、特徴情報Ｆ１１と特徴情報Ｆ２１、Ｆ２２、Ｆ２３それぞれとの類似度を算出し、類似度が所定の閾値以上の質問をユーザに提示する質問として判別してもよい。これにより、情報処理サーバ１０は、提示候補となる質問のうち、質問者の情報に基づき特定される質問者の特徴がユーザ情報に基づき特定されるユーザの特徴と類似する質問をユーザに提示する質問として判別することが可能になる。
また、特徴情報Ｆ１１は、ユーザ情報に基づき生成された特徴情報であってもよい。また、特徴情報Ｆ２１、Ｆ２２、Ｆ２３は、提示候補となる質問の質問者情報に基づき生成される特徴情報であってもよい。そして、情報処理サーバ１０は、特徴情報Ｆ１１と特徴情報Ｆ２１、Ｆ２２、Ｆ２３それぞれとの類似度を算出し、類似度が所定の閾値以上の質問をユーザに提示する質問として判別してもよい。これにより、情報処理サーバ１０は、提示候補となる質問のうち、質問者の情報に基づき特定される質問者の特徴がユーザ情報に基づき特定されるユーザの特徴と類似する質問をユーザに提示する質問として判別することが可能となる。
次に、情報処理サーバ１０は、ユーザに送信するコンテンツＣ１を生成する（ステップＳ５）。コンテンツＣ１は、回答投稿コンテンツである。情報処理サーバ１０は、ユーザ提示する質問に関する情報をコンテンツＣ１に表示する。具体的には、情報処理サーバ１０は、ステップＳ４で選択した質問に関するコンテンツをコンテンツＣ１に表示する。図１の例では、情報処理サーバ１０は、ステップＳ４で選択した質問に関するコンテンツである質問コンテンツＱＣ１、ＱＣ２をコンテンツＣ１に表示している。なお、質問コンテンツＱＣ１、ＱＣ２は、ステップＳ４で選択した質問の質問文表示されたコンテンツであってもよい。質問コンテンツＱＣ１、ＱＣ２に表示されるテキストは、質問文そのものもでなくてもよい。質問コンテンツＱＣ１、ＱＣ２に表示されるテキストは、質問文のタイトルや見出しであってもよいし、質問文を短縮したテキスト（要約文）であってもよい。また、質問コンテンツＱＣ１、ＱＣ２は、ステップＳ４で選択した質問に関するコンテンツ（ページ）へのリンクであってもよい。本実施形態では、質問コンテンツＱＣ１、ＱＣ２は、ステップＳ４で選択した質問へ回答するための質問投稿コンテンツへのリンクであるものとする。
次に、情報処理サーバ１０は、ステップＳ５で生成したコンテンツＣ１を端末装置１００に送信する（ステップＳ６）。端末装置１００は、画面にコンテンツＣ１を表示する。そして、ユーザがコンテンツＣ１中の質問コンテンツをタップ（クリック）すると、端末装置１００は、情報処理サーバ１０に対し、ユーザがタップした質問コンテンツに示された質問に回答するための質問投稿コンテンツを要求する（ステップＳ７）。情報処理サーバ１０は、要求に応じて該当の質問投稿コンテンツを端末装置１００に送信する（ステップＳ８）。
本実施形態によれば、情報処理サーバ１０は、ユーザの回答能力に関する情報に基づいてユーザの回答能力に関する特徴に合致した質問を複数の質問の中から判別している。これにより、ユーザの回答能力に適合した質問をユーザに提示できるので、情報処理サーバ１０は、多くのユーザに質問に回答してもらえるようにすることができる。
〔実施形態２〕
実施形態１では、情報処理サーバ１０は、ユーザの回答能力に関する特徴に合致した質問をユーザに提示した。しかしながら、情報処理サーバ１０は、回答を得にくい質問を優先的にユーザに提示してもよい。以下、実施形態２の情報処理システムについて説明する。
〔１−４．情報処理システムの動作〕
実施形態２の情報処理システム１は、実施形態１と同様に、情報処理サーバ１０と、端末装置１００と、を備える。情報処理サーバ１０と端末装置１００の構成は実施形態１と同様である。
情報処理サーバ１０は、回答投稿コンテンツの配信要求を受け付けたら、ユーザへの提示候補となる質問の回答容易度を算出する。回答容易度は、質問の回答の得やすさを示す情報である。回答容易度は、例えば、該当の質問が得られると予測される回答数の情報である。なお、回答数は、ヘイト及びスパムと判定される回答を除いた回答数であってもよい。図９は、質問の回答の得やすさを示す回答容易度Ｇ２１、Ｇ２２、Ｇ２３を生成する様子を示す図である。より具体的には、図９は、情報処理サーバ１０が、ユーザへの提示候補となる質問の質問情報Ｑ２１、Ｑ２２、Ｑ２３から、当該質問の回答の得やすさを示す回答容易度Ｇ２１、Ｇ２２、Ｇ２３を生成する様子を示す図である。
情報処理サーバ１０は、図９に示すように、モデルＭ５を使って質問情報Ｑ２１、Ｑ２２、Ｑ２３から回答容易度Ｇ２１、Ｇ２２、Ｇ２３を算出する。モデルＭ５は、複数の質問情報を学習データとして、提示候補となる質問の情報（質問情報Ｑ２１、Ｑ２２、或いはＱ２３）を入力した時に当該質問の回答の得やすさを示す回答容易度を出力するよう学習した学習済みモデルである。すなわち、モデルＭ５は、過去行われた質問の情報と過去行われた質問への回答の情報との関係性に基づく学習により生成されたモデルである。
回答容易度を算出したら、情報処理サーバ１０は、回答容易度に基づいて複数の質問の中からユーザに提示する質問を判別する。例えば、情報処理サーバ１０は、回答容易度が低い質問をユーザに提示する質問として判別する。より具体的には、情報処理サーバ１０は、回答容易度が所定の閾値以下の質問をユーザに提示する質問として判別する。
そして、情報処理サーバ１０は、判別した質問の情報が含まれるコンテンツを生成する。このとき、情報処理サーバ１０は、回答容易度が低い質問ほど、コンテンツ中の目立つ箇所に表示してもよい。情報処理サーバ１０は、回答容易度が低い質問ほど、一列に並べられた複数の質問の上位に表示してもよい。そして、情報処理サーバ１０は、生成したコンテンツを端末装置１００に送信する。
回答の得にくい質問はランキングの上位になることはあまりない。そのため、回答の得にくい質問は、回答能力があるユーザの目に留まり難い。本実施形態の情報処理サーバ１０は、回答容易度が低い質問をユーザに提示する質問として判別するとともに、回答の得にくい質問を優先的にユーザに提示している。これにより、ユーザは目に留まり難い質問の中にある自身が回答可能な質問に出会い易くなる。情報処理サーバ１０は、ユーザに多くの回答の機会を与えることができるので、多くのユーザに質問に回答してもらえるようにすることができる。
〔２．情報処理システムの構成例〕
以上、本実施形態の情報処理システム１の動作を述べたが、以下、本実施形態の情報処理装置の一例である情報処理サーバ１０を備える情報処理システム１の構成を説明する。上述したように、情報処理システム１は、端末装置１００と、情報処理サーバ１０と、を備える。
〔２−１．情報処理サーバの構成例〕
情報処理サーバ１０は、端末装置１００等のクライアントコンピュータからの要求を処理するサーバ用ホストコンピュータ（以下、単に「サーバ」という。）である。情報処理サーバ１０は、ＰＣサーバであってもよいし、ミッドレンジサーバであってもよいし、メインフレームサーバであってもよい。また、情報処理サーバ１０は、１つのサーバにより構成されていてもよいし、協働して処理を実行する複数のサーバにより構成されていてもよい。情報処理サーバ１０が複数のサーバで構成される場合、これらサーバの設置場所は離れていてもよい。設置場所が離れていたとしても、協働して処理を実行するのであれば、これらサーバは１つの情報処理装置（情報処理サーバ）とみなすことができる。
上述したように、情報処理サーバ１０は、端末装置１００とネットワークを介して接続されている。ネットワークは、ＬＡＮ（Local Area Network）、ＷＡＮ（Wide Area Network）、電話網（携帯電話網、固定電話網等）、地域ＩＰ（Internet Protocol）網、インターネット等の通信ネットワークである。ネットワークには、有線ネットワークが含まれていてもよいし、無線ネットワークが含まれていてもよい。
図１０は、実施形態に係る情報処理サーバ１０の構成例を示す図である。情報処理サーバ１０は、通信部１１と、記憶部１２と、制御部１３と、を備える。なお、図１０に示した構成は機能的な構成であり、ハードウェア構成はこれとは異なっていてもよい。
通信部１１は、外部の装置と通信する通信インタフェースである。通信部１１は、ネットワークインタフェースであってもよいし、機器接続インタフェースであってもよい。例えば、通信部１１は、ＮＩＣ（Network Interface Card）等のＬＡＮインタフェースであってもよいし、ＵＳＢ（Universal Serial Bus）ホストコントローラ、ＵＳＢポート等により構成されるＵＳＢインタフェースであってもよい。また、通信部１１は、有線インタフェースであってもよいし、無線インタフェースであってもよい。通信部１１は、情報処理サーバ１０の通信手段として機能する。通信部１１は、制御部１３の制御に従って端末装置１００と通信する。
記憶部１２は、ＤＲＡＭ（Dynamic Random Access Memory）、ＳＲＡＭ（Static Random Access Memory）、フラッシュメモリ、ハードディスク等のデータ読み書き可能な記憶装置である。記憶部１２は、情報処理サーバ１０の記憶手段として機能する。記憶部１２は、ユーザ情報データベース１２１、回答履歴情報データベース１２２、質問情報データベース１２３、及びモデルデータベース１２４を記憶する。
ユーザ情報データベース１２１には、例えば図２に示すようなユーザ情報が登録される。ユーザ情報データベース１２１には、「ユーザＩＤ（Identifier）」、「検索クエリログ」、及び「サービス利用履歴」といった項目を有する情報が登録される。
「ユーザＩＤ」は、ユーザを識別する識別子である。また、「検索クエリログ」は、ユーザＩＤで識別されるユーザが過去行った検索の検索クエリのログである。また、「サービス利用履歴」は、ユーザＩＤで識別されるユーザが過去使用したサービスの履歴である。
回答履歴情報データベース１２２には、ユーザＩＤで識別されるユーザ毎に、例えば図４に示すような回答履歴情報が登録される。回答履歴情報データベース１２２には、「回答ＩＤ」、「質問ＩＤ」、「カテゴリ」、「質問文」、「質問者情報」、「回答文」、および「評価」といった項目を有する情報が登録される。
「回答ＩＤ」は、ユーザＩＤで識別されるユーザが行った回答を識別するための識別子である。また、「質問ＩＤ」は、回答ＩＤで識別される回答の質問を識別するための識別しである。また、「カテゴリ」は、質問ＩＤで識別される質問のカテゴリである。また、「質問文」は、質問ＩＤで識別される質問の質問文である。「質問者情報」は、質問ＩＤで識別される質問者の情報である。「回答文」は、回答ＩＤで識別される回答の回答文である。また、「評価」は、回答ＩＤで識別される回答への評価の情報である。
質問情報データベース１２３には、例えば図７に示すような質問情報が登録される。質問情報データベース１２３には、「質問ＩＤ」、「カテゴリ」、「質問文」、「質問者情報」、および「回答」といった項目を有する情報が登録される。
「質問ＩＤ」は、質問サイトでなされた質問を識別するための識別子である。また、「カテゴリ」は、質問ＩＤで識別される質問のカテゴリである。例えば、「カテゴリ」は、音楽、健康、ビジネスといった質問の分類である。また、「質問文」は、質問ＩＤで識別される質問の質問文である。「質問者情報」は、質問ＩＤで識別される質問者の情報である。例えば、「質問者情報」は、質問者の識別情報（例えば、ユーザＩＤ）やユーザ属性情報（例えば、デモグラフィック情報やサイコグラフィック情報）である。具体例を挙げると、ユーザ属性情報は、ユーザ（例えば質問者や回答者）の年齢、職業、収入、資産、住所、勤務先の住所、使用言語数、家族構成、友人関係、ライフサイクル、価値観、ライフスタイル、性格、好み、及びこれらの変化の情報である。また、ユーザ属性情報には、ユーザの検索履歴やサービス利用履歴が含まれていてもよい。勿論、ユーザ属性情報は上記の情報に限定されない。
また、「回答」は、質問ＩＤで識別される質問への回答の情報である。「回答」の項目には、「回答文」、「回答者情報」、および「評価」といった項目を有する情報が登録される。「回答文」は、質問ＩＤで識別される質問への回答文である。「回答者情報」は、回答文を投稿した回答者の情報である。例えば、「回答者情報」は、回答者の識別情報（例えば、ユーザＩＤ）や属性情報（例えば、デモグラフィック情報やサイコグラフィック情報）である。また、「評価」は、回答者が行った回答への評価の情報である。例えば、評価は、ベストアンサーを得たか否か、回答の優良度を示すスコア（例えば、評価を示す星の数や“いいね”の数等）である。なお、図７の例では、１つの質問につき１つの「回答」の項目しか設けられていないが、１つの質問につき複数の「回答」の情報が設けられていてもよい。
例えば、図７に示す例では、質問ＩＤ「Ｑ２１」、カテゴリ「ＣＴ１」、質問文「ＴＱ２１」、質問者情報「ＵＱ２１」、回答文「ＴＡ２１」、回答者情報「ＵＡ２１」、及び評価「Ｅ２１」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、例えば、質問ＩＤ「Ｑ２１」が示す質問情報に、「ＣＴ１」が示すカテゴリと、「ＴＱ２１」が示す質問文と、「ＵＱ２１」が示す質問者情報と、「ＴＡ２１」が示す回答文と、「ＵＡ２１」が示す回答者情報と、「Ｅ２１」が示す評価と、が含まれる旨を示す。なお、図７に示す例では、質問情報データベース１２３に登録される情報として、「Ｑ２１〜Ｑ２３」、「ＣＴ１〜ＣＴ３」、「ＴＱ２１〜ＴＱ２３」、「ＵＱ２１〜ＵＱ２３」、「ＴＡ２１〜ＴＡ２３」、「ＵＡ２１〜ＵＡ２３」、「Ｅ２１〜Ｅ２３」といった概念的な情報を示したが、実際には、テキストデータやバイナリデータが登録されることとなる。
図１０に戻り、モデルデータベース１２４には、情報処理サーバ１０が有するモデルのデータが登録される。図１１は、モデルデータベース１２４に登録される情報の一例を示す図である。図１１に示す例では、モデルデータベース１２４には、「モデルＩＤ」、および「モデルデータ」といった情報が登録されている。
ここで、「モデルＩＤ」は、各モデルを識別するための情報である。また、「モデルデータ」は、対応付けられた「モデルＩＤ」が示すモデルのデータであり、例えば、各層におけるノードと、各ノードが採用する関数と、ノードの接続関係と、ノード間の接続に対して設定される接続係数とを含む情報である。
例えば、図１１に示す例では、モデルＩＤ「４００１」およびモデルデータ「Ｍ１」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、例えば、「４００１」が示すモデルのデータが「Ｍ１」である旨を示す。なお、図１１に示す例では、モデルデータベース１２４に登録される情報として、「Ｍ１〜Ｍ４」といった概念的な情報を記載したが、実際には、モデルの構造や接続係数を示す文字列や数値等が登録されることとなる。以下、Ｍ１〜Ｍ４等を総称してモデルＭということがある。
モデルＭは、複数のユーザの回答能力情報（例えば、ユーザ情報、回答履歴情報等）を学習データとして、回答者となるユーザの回答能力情報を入力した時に当該ユーザの回答能力に関する特徴情報（例えば、回答能力情報の分散表現となるベクトル）を出力するよう学習したモデルである。このようなモデルＭは、回答能力情報を入力する入力層と、特徴情報を出力する出力層と、入力層から出力層までのいずれかの層であって出力層以外の層に属する第１要素と、第１要素と第１要素の重みとに基づいて値が算出される第２要素と、を含み、入力層に入力された情報に対し、出力層以外の各層に属する各要素を第１要素として、第１要素と第１要素の重み（すなわち、接続係数）とに基づく演算を行うことにより、入力層に入力された回答能力情報に応じて、当該回答能力情報の特徴情報を出力層から出力するよう、コンピュータを機能させるためのモデルである。
また、モデルＭは、過去になされた複数の質問に関する情報（質問情報）を学習データとして、所定の質問情報を入力した時に当該所定の質問情報の特徴情報（例えば、質問情報の分散表現となるベクトル）を出力するよう学習したモデルであってもよい。このようなモデルＭは、質問情報を入力する入力層と、特徴情報を出力する出力層と、入力層から出力層までのいずれかの層であって出力層以外の層に属する第１要素と、第１要素と第１要素の重みとに基づいて値が算出される第２要素と、を含み、入力層に入力された情報に対し、出力層以外の各層に属する各要素を第１要素として、第１要素と第１要素の重み（すなわち、接続係数）とに基づく演算を行うことにより、入力層に入力された質問情報に応じて、当該質問情報の特徴情報を出力層から出力するよう、コンピュータを機能させるためのモデルである。
また、モデルＭは、過去になされた複数の質問に関する情報（質問情報）を学習データとして、所定の質問情報を入力した時に当該所定の質問の回答容易度を出力するよう学習したモデルであってもよい。このようなモデルＭは、質問情報を入力する入力層と、回答容易度を出力する出力層と、入力層から出力層までのいずれかの層であって出力層以外の層に属する第１要素と、第１要素と第１要素の重みとに基づいて値が算出される第２要素と、を含み、入力層に入力された情報に対し、出力層以外の各層に属する各要素を第１要素として、第１要素と第１要素の重み（すなわち、接続係数）とに基づく演算を行うことにより、入力層に入力された質問情報に応じて、当該質問情報の回答容易度を出力層から出力するよう、コンピュータを機能させるためのモデルである。
ここで、モデルＭが「y=a1*x1+a2*x2+・・・+ai*xi」で示す回帰モデルで実現されるとする。この場合、モデルＭが含む第１要素は、x1やx2等といった入力データ（xi）に対応する。また、第１要素の重みは、xiに対応する係数aiに対応する。ここで、回帰モデルは、入力層と出力層とを有する単純パーセプトロンと見做すことができる。各モデルを単純パーセプトロンと見做した場合、第１要素は、入力層が有するいずれかのノードに対応し、第２要素は、出力層が有するノードと見做すことができる。
また、モデルＭがＤＮＮ（Deep Neural Network）等、１つまたは複数の中間層を有するニューラルネットワークで実現されるとする。この場合、モデルＭが含む第１要素は、入力層または中間層が有するいずれかのノードに対応する。また、第２要素は、第１要素と対応するノードから値が伝達されるノードである次段のノードに対応する。また、第１要素の重みは、第１要素と対応するノードから第２要素と対応するノードに伝達される値に対して考慮される重みである接続係数に対応する。
情報処理サーバ１０は、上述した回帰モデルやニューラルネットワーク等、任意の構造を有するモデルを用いて、出力する情報の算出を行う。具体的には、モデルＭは、回答能力情報が入力された場合に、当該回答能力情報の特徴情報を出力するように係数が設定される。或いは、モデルＭは、質問情報が入力された場合に、当該質問情報の特徴情報を出力するように係数が設定される。或いは、モデルＭは、質問情報が入力された場合に、当該質問情報の回答容易度を出力するように係数が設定される。
なお、上記例では、モデルＭが、回答能力情報が入力された場合に当該回答能力情報の特徴情報を出力するモデル（以下、モデルＭ１１という。）である例を示した。或いは、上記例では、モデルＭが、質問情報が入力された場合に当該質問情報の特徴情報を出力するモデル（以下、モデルＭ１２という。）である例を示した。或いは、上記例では、モデルＭが、質問情報が入力された場合に当該質問情報の回答容易度を出力するモデル（以下、モデルＭ１３という。）である例を示した。しかし、実施形態に係るモデルＭは、モデルＭ１１、モデルＭ１２、或いはモデルＭ１３にデータの入出力を繰り返すことで得られる結果に基づいて生成されるモデルであってもよい。
また、情報処理サーバ１０がＧＡＮ（Generative Adversarial Networks）を用いた学習処理或いは生成処理を行う場合、モデルＭは、ＧＡＮの一部を構成するモデルであってもよい。
図１０に戻り、制御部１３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、情報処理サーバ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１３は、コントローラであり、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。
また、制御部１３は、記憶部１２に記憶されるモデルＭ１に従った情報処理により、モデルＭ１の入力層に入力されたユーザ情報に対し、モデルＭ１が有する係数（すなわち、モデルＭ１が学習した各種の特徴に対応する係数）に基づく演算を行い、モデルＭ１の出力層から特徴情報を出力する。
また、制御部１３は、記憶部１２に記憶されるモデルＭ２に従った情報処理により、モデルＭ２の入力層に入力された質問情報に対し、モデルＭ２が有する係数（すなわち、モデルＭ２が学習した各種の特徴に対応する係数）に基づく演算を行い、モデルＭ２の出力層から特徴情報を出力する。
また、制御部１３は、記憶部１２に記憶されるモデルＭ３に従った情報処理により、モデルＭ３の入力層に入力されたユーザ情報及び回答履歴情報に対し、モデルＭ３が有する係数（すなわち、モデルＭ３が学習した各種の特徴に対応する係数）に基づく演算を行い、モデルＭ３の出力層から特徴情報を出力する。
また、制御部１３は、記憶部１２に記憶されるモデルＭ４に従った情報処理により、モデルＭ４の入力層に入力された質問情報に対し、モデルＭ４が有する係数（すなわち、モデルＭ４が学習した各種の特徴に対応する係数）に基づく演算を行い、モデルＭ４の出力層から回答容易度を出力する。
制御部１３は、図１０に示すように、取得部１３１と、学習部１３２と、判別部１３３と、生成部１３４と、送信部１３５と、を備える。制御部１３を構成するブロック（取得部１３１〜送信部１３５）はそれぞれ制御部１３の機能を示す機能ブロックである。これら機能ブロックはソフトウェアブロックであってもよいし、ハードウェアブロックであってもよい。例えば、上述の機能ブロックが、それぞれ、ソフトウェア（マイクロプログラムを含む。）で実現される１つのソフトウェアモジュールであってもよいし、半導体チップ（ダイ）上の１つの回路ブロックであってもよい。勿論、各機能ブロックがそれぞれ１つのプロセッサ或いは１つの集積回路であってもよい。機能ブロックの構成方法は任意である。なお、制御部１３は上述の機能ブロックとは異なる機能単位で構成されていてもよい。
取得部１３１は、回答者となるユーザの質問への回答能力の情報を取得する。例えば、取得部１３１は、回答能力の情報として、ユーザの属性を示すユーザ情報と、該ユーザが過去行った回答の情報である回答履歴情報と、の少なくとも一つの情報を取得する。
このとき、取得部１３１は、ユーザ情報として、ユーザの検索クエリログ、及びサービス利用履歴のうちの少なくとも一つの情報を取得してもよい。また、取得部１３１は、回答履歴情報として、ユーザが回答を行った質問のカテゴリ、質問者、該質問者のユーザ属性、質問文、該質問文へのユーザの回答文、及び該回答文への評価のうちの少なくとも一つの情報を取得してもよい。
また、取得部１３１、回答能力の情報として、ユーザが過去回答を行った質問のうち該ユーザの回答文への評価が所定の基準を満たす質問の情報を取得する。
また、取得部１３１は、ユーザへの提示候補となる質問の情報を取得する。
学習部１３２は、モデルＭの学習を行い、学習したモデルＭをモデルデータベース１２４に格納する。より具体的には、学習部１３２は、回答能力情報をモデルＭに入力した際に、モデルＭが回答能力情報の特徴情報を出力するように、モデルＭの接続係数の設定を行う。すなわち、学習部１３２は、回答能力情報をモデルＭに入力した際に、モデルＭが特徴情報を出力するように、モデルＭの学習を行う。
例えば、学習部１３２は、モデルＭが有する入力層のノードに回答能力情報を入力し、各中間層を辿ってモデルＭの出力層までデータを伝播させることで、回答能力情報の特徴情報を出力させる。そして、学習部１３２は、モデルＭが実際に出力した特徴情報と、学習データに含まれる特徴情報との差に基づいて、モデルＭの接続係数を修正する。例えば、学習部１３２は、バックプロパゲーション等の手法を用いて、接続係数の修正を行ってもよい。このとき、学習部１３２は、特徴情報がベクトルなのであれば、学習データに含まれる特徴情報（ベクトル）とモデルＭが実際に出力したベクトルとのコサイン類似度に基づいて、接続係数の修正を行ってもよい。
また、学習部１３２は、モデルＭの学習を行い、学習したモデルＭをモデルデータベース１２４に格納する。より具体的には、学習部１３２は、質問情報をモデルＭに入力した際に、モデルＭが質問情報の特徴情報を出力するように、モデルＭの接続係数の設定を行う。すなわち、学習部１３２は、質問情報をモデルＭに入力した際に、モデルＭが特徴情報を出力するように、モデルＭの学習を行う。
例えば、学習部１３２は、モデルＭが有する入力層のノードに質問情報を入力し、各中間層を辿ってモデルＭの出力層までデータを伝播させることで、質問情報の特徴情報を出力させる。そして、学習部１３２は、モデルＭが実際に出力した特徴情報と、学習データに含まれる特徴情報との差に基づいて、モデルＭの接続係数を修正する。例えば、学習部１３２は、バックプロパゲーション等の手法を用いて、接続係数の修正を行ってもよい。このとき、学習部１３２は、特徴情報がベクトルなのであれば、学習データに含まれる特徴情報（ベクトル）とモデルＭが実際に出力したベクトルとのコサイン類似度に基づいて、接続係数の修正を行ってもよい。
また、学習部１３２は、モデルＭの学習を行い、学習したモデルＭをモデルデータベース１２４に格納する。より具体的には、学習部１３２は、質問情報をモデルＭに入力した際に、モデルＭが質問情報の回答容易度を出力するように、モデルＭの接続係数の設定を行う。すなわち、学習部１３２は、質問情報をモデルＭに入力した際に、モデルＭが回答容易度を出力するように、モデルＭの学習を行う。
例えば、学習部１３２は、モデルＭが有する入力層のノードに質問情報を入力し、各中間層を辿ってモデルＭの出力層までデータを伝播させることで、質問情報の回答容易度を出力させる。そして、学習部１３２は、モデルＭが実際に出力した特徴情報と、学習データに含まれる回答容易度との差に基づいて、モデルＭの接続係数を修正する。例えば、学習部１３２は、バックプロパゲーション等の手法を用いて、接続係数の修正を行ってもよい。
なお、学習部１３２は、いかなる学習アルゴリズムを用いてモデルＭを学習してもよい。例えば、学習部１３２は、ニューラルネットワーク、サポートベクターマシン（support vector machine）、クラスタリング、強化学習等の学習アルゴリズムを用いて、モデルＭを学習してよい。
判別部１３３は、回答能力の情報に基づいて複数の質問の中からユーザに提示する質問を判別する。
また、判別部１３３は、ユーザ情報と回答履歴情報との少なくとも一つの情報に基づいてユーザに提示する質問を判別する。
また、判別部１３３は、ユーザの検索クエリログ、及びサービス利用履歴のうちの少なくとも一つの情報に基づいてユーザに提示する質問を判別する。
また、判別部１３３は、ユーザが回答を行った質問のカテゴリ、質問者、該質問者のユーザ属性、質問文、該質問文へのユーザの回答文、及び該回答文への評価のうちの少なくとも一つの情報に基づいてユーザに提示する質問を判別する。
また、判別部１３３は、ユーザの回答文への評価が所定の基準を満たす質問の情報に基づいてユーザに提示する質問を判別する。
また、判別部１３３は、回答能力の情報に基づき特定されるユーザの特徴と、提示候補となる質問の情報に基づき特定される該質問の特徴と、が類似するか否かを判別することにより、ユーザに提示する質問を判別する。
また、判別部１３３は、提示候補となる質問のうち、ユーザが過去回答を行った質問の質問文と特徴が類似する質問文を有する質問をユーザに提示する質問として判別する。
また、判別部１３３は、提示候補となる質問のうち、ユーザが過去行った回答の回答文と特徴が類似する質問文を有する質問をユーザに提示する質問として判別する。
また、判別部１３３は、提示候補となる質問のうち、ユーザ情報に基づき特定されるユーザの特徴と特徴が類似する質問文を有する質問をユーザに提示する質問として判別する。
また、判別部１３３は、提示候補となる質問のうち、質問者の情報に基づき特定される質問者の特徴が、ユーザが過去回答を行った質問の質問文の特徴と類似する質問をユーザに提示する質問として判別する。
また、判別部１３３は、提示候補となる質問のうち、質問者の情報に基づき特定される質問者の特徴が、ユーザが過去行った回答の回答文の特徴と類似する質問をユーザに提示する質問として判別する。
また、判別部１３３は、提示候補となる質問のうち、質問者の情報に基づき特定される質問者の特徴がユーザ情報に基づき特定されるユーザの特徴と類似する質問をユーザに提示する質問として判別する。
また、判別部１３３は、提示候補となる質問のうち、ユーザが過去回答を行った質問のカテゴリと一致或いは類似するカテゴリの質問をユーザに提示する質問として判別する。
また、判別部１３３は、提示候補となる質問のうち、ユーザ情報に基づき特定されるユーザの特徴と一致或いは類似するカテゴリの質問をユーザに提示する質問として判別する。
また、判別部１３３は、回答能力の情報と回答の得やすさを示す情報とに基づいて複数の質問の中からユーザに提示する質問を判別する。
生成部１３４は、過去行われた質問の情報と過去行われた質問への回答の情報との関係性に基づく学習により生成されたモデルを用いて、複数の質問それぞれの回答の得やすさを示す情報を生成する。
送信部１３５は、ユーザに提示する質問の情報が含まれるコンテンツを端末装置１００に送信する。
〔２−２．端末装置の構成例〕
次に、端末装置１００の構成について説明する。端末装置１００は、ユーザがコンテンツの閲覧に使用する情報表示装置である。端末装置１００は、例えば、スマートフォン、タブレット、携帯電話等の通信端末である。通信機能を備えるのであれば、端末装置１００は、パーソナルコンピュータ（ノートＰＣ、デスクトップＰＣ）、ＰＤＡ（Personal Digital Assistant）等の情報処理端末であってもよい。この場合、情報処理端末も通信端末の一種である。端末装置１００は、ネットワークを介して情報処理サーバ１０と接続する。
図１２は、実施形態に係る端末装置１００の構成例を示す図である。端末装置１００は、通信部１１０と、入力部１２０と、記憶部１３０と、出力部１４０と、制御部１５０と、を備える。なお、図１２に示した構成は機能的な構成であり、ハードウェア構成はこれとは異なっていてもよい。
通信部１１０は、外部の装置と通信する通信インタフェースである。通信部１１０は、ネットワークインタフェースであってもよいし、機器接続インタフェースであってもよい。例えば、通信部１１０は、ＮＩＣ等のＬＡＮインタフェースであってもよいし、ＵＳＢホストコントローラ、ＵＳＢポート等により構成されるＵＳＢインタフェースであってもよい。また、通信部１１０は、有線インタフェースであってもよいし、無線インタフェースであってもよい。通信部１１０は、端末装置１００の通信手段として機能する。通信部１１０は、制御部１５０の制御に従って情報処理サーバ１０と通信する。
入力部１２０は、外部から各種入力を受け付ける入力装置である。例えば、入力部１２０は、キーボードやマウスや操作キー等、ユーザが各種操作を行うための操作装置である。入力部１２０は、端末装置１００の入力手段として機能する。なお、端末装置１００にタッチパネルが採用される場合には、タッチパネルも入力部１２０に含まれる。この場合、ユーザは、指やスタイラスで画面をタッチすることにより各種操作を行う。
記憶部１３０は、ＤＲＡＭ（Dynamic Random Access Memory）、ＳＲＡＭ（Static Random Access Memory）、フラッシュメモリ、ハードディスク等のデータ読み書き可能な記憶装置である。記憶部１３０は、端末装置１００の記憶手段として機能する。記憶部１３０は、アプリケーションのデータが格納されている。アプリケーションのデータは、ウェブブラウザのデータであってもよい。
出力部１４０は、音、光、振動、画像等、外部に各種出力を行う装置である。出力部１４０は、端末装置１００の出力手段として機能する。出力部１４０は、各種情報を表示する表示装置を備える。表示装置は、例えば、液晶ディスプレイ、有機ＥＬ（Electro Luminescence）ディスプレイである。なお、端末装置１００にタッチパネルが採用される場合には、表示装置（以下、画面という。）は入力部１２０と一体であってもよい。出力部１４０は、制御部１５０の制御に従って、画面に画像を表示する。
制御部１５０は、コントローラであり、例えば、ＣＰＵ、ＭＰＵ等のプロセッサによって、端末装置１００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１５０は、コントローラであり、例えば、ＡＳＩＣやＦＰＧＡ等の集積回路により実現されてもよい。
制御部１５０は、図１２に示すように、表示部１５１と、表示制御部１５２と、を備える。制御部１５０を構成するブロック（表示部１５１と、表示制御部１５２）はそれぞれ制御部１５０の機能を示す機能ブロックである。これら機能ブロックはソフトウェアブロックであってもよいし、ハードウェアブロックであってもよい。例えば、上述の機能ブロックが、それぞれ、ソフトウェア（マイクロプログラムを含む。）で実現される１つのソフトウェアモジュールであってもよいし、半導体チップ（ダイ）上の１つの回路ブロックであってもよい。勿論、各機能ブロックがそれぞれ１つのプロセッサ或いは１つの集積回路であってもよい。機能ブロックの構成方法は任意である。なお、制御部１５０は上述の機能ブロックとは異なる機能単位で構成されていてもよい。
表示部１５１は、情報処理サーバ１０から送信されたコンテンツＣ１を画面に表示する。
表示制御部１５２は、情報処理サーバ１０から送信された制御情報に従って画面に表示されたコンテンツＣ１の態様を変更する。
〔３．情報処理サーバの処理フロー〕
次に、情報処理サーバ１０が実行する処理の手順について説明する。図１３は、情報送信処理の一例を示すフローチャートである。
まず、情報処理サーバ１０は、ユーザが操作する端末装置１００から質問に回答するためのコンテンツの配信要求を受信したか判別する（ステップＳ１１）。配信要求を受信していない場合（ステップＳ１１：Ｎｏ）、情報処理サーバ１０は、配信要求を受信するまでステップＳ１１を繰り返す。
配信要求を受信した場合（ステップＳ１１：Ｙｅｓ）、情報処理サーバ１０は、記憶部１２から、端末装置１００を操作するユーザの回答能力情報を取得する（ステップＳ１１）。例えば、情報処理サーバ１０は、ユーザ情報データベース１２１から該当のユーザのユーザ情報を取得する。また、情報処理サーバ１０は、回答履歴情報データベース１２２から該当のユーザの回答履歴情報を取得する。そして、情報処理サーバ１０は、ステップＳ１１で取得した回答能力情報の特徴情報を生成する（ステップＳ１２）。
続いて、情報処理サーバ１０は、質問情報データベース１２３から質問情報を取得する（ステップＳ１４）。そして、情報処理サーバ１０は、複数の質問それぞれの特徴情報を生成する（ステップＳ１５）。情報処理サーバ１０は、複数の質問それぞれの回答容易度を生成する（ステップＳ１６）。
続いて、情報処理サーバ１０は、端末装置１００を操作するユーザに提示する質問を判別する（ステップＳ１７）。例えば、情報処理サーバ１０は、ステップＳ１２で取得した特徴情報とステップＳ１５で取得した特徴情報に基づいて、複数の質問の中から、ユーザに提示する質問を判別する。或いは、情報処理サーバ１０は、回答能力情報と回答容易度とに基づいて、複数の質問の中から、ユーザに提示する質問を判別する（ステップＳ１７）。
続いて、情報処理サーバ１０は、ステップＳ１７で判別した質問が含まれるコンテンツＣ１を生成する（ステップＳ１８）。そして、情報処理サーバ１０は、端末装置１００にコンテンツＣ１を送信する（ステップＳ１９）。
送信が完了したら、情報処理サーバ１０は、ステップＳ１１に戻り、端末装置１００からコンテンツの配信要求を受信するまで待機する。
〔４．変形例〕
上述の実施形態は一例を示したものであり、種々の変更及び応用が可能である。
例えば、実施形態１では、ユーザの回答能力に関する特徴情報とユーザへの提示候補となる質問の特徴情報との類似度に基づいてユーザに提示する質問を判別した。しかし、情報処理サーバ１０は、ユーザに提示する質問の判別に必ずしも特徴情報を使用しなくてもよい。
例えば、情報処理サーバ１０は、ユーザの検索クエリログ、及びサービス利用履歴のうちの少なくとも一つの情報に基づいてユーザに提示する質問を判別してもよい。例えば、情報処理サーバ１０は、ユーザの検索クエリログやサービス利用履歴により推定されるユーザが得意とするカテゴリの質問をユーザに提示する質問として判別してもよい。例えば、ユーザが自動車に関する検索を多くしていたり、自動車に関するショッピングサービスを多く利用していたりしていたとする。この場合、情報処理サーバ１０は、自動車に関する質問をユーザに提示する質問として判別してもよい。
同様に、情報処理サーバ１０は、ユーザが回答を行った質問のカテゴリ、質問者、当該質問者のユーザ属性、質問文、当該質問文へのユーザの回答文、及び当該回答文への評価のうちの少なくとも一つの情報に基づいてユーザに提示する質問を判別してもよい。
また、情報処理サーバ１０は、カテゴリの情報に基づいてユーザに提示する質問を判別してもよい。例えば、情報処理サーバ１０は、質問情報データベース１２３からユーザへの提示候補となる質問のカテゴリの情報を取得する。そして、情報処理サーバ１０は、提示候補となる質問のうち、ユーザが過去回答を行った質問のカテゴリと一致或いは類似するカテゴリの質問をユーザに提示する質問として判別する。
また、情報処理サーバ１０は、提示候補となる質問のうち、ユーザ情報に基づき特定されるユーザの特徴と一致或いは類似するカテゴリの質問をユーザに提示する質問として判別してもよい。例えば、情報処理サーバ１０は、ユーザ情報に基づきユーザが高い回答能力を有するカテゴリを特定するための特徴情報を生成する。情報処理サーバ１０は、特徴情報により特定されるカテゴリの質問をユーザに提示する質問として判別する。
また、実施形態２では、情報処理サーバ１０は、回答容易度に基づいて複数の質問の中からユーザに提示する質問を判別した。しかし、情報処理サーバ１０は、回答能力情報と回答容易度とに基づいて複数の質問の中からユーザに提示する質問を判別してもよい。例えば、情報処理サーバ１０は、実施形態１で判別した質問の中から回答容易度が所定の閾値以下の質問をユーザに提示する質問として判別する。
なお、情報処理サーバ１０は、回答を得やすい質問をユーザに提示する質問として判別してもよい。例えば、情報処理サーバ１０は、質問への回答があまり積極的でないと判別されるユーザ（例えば、過去の質問への回答数が所定の閾値以下のユーザ）には、回答容易度が所定の閾値以上の質問をユーザに提示する質問として判別してもよい。回答しやすい質問を優先的にユーザに提示することにより、情報処理サーバ１０は、回答に積極的でないユーザにも質問に回答してもらえるようになる。
本実施形態の情報処理サーバ１０を制御する制御装置は、専用のコンピュータシステムによって実現してもよいし、通常のコンピュータシステムにより実現してもよい。例えば、上述の動作を実行するためのプログラムまたはデータ（例えば、モデルＭ）を、光ディスク、半導体メモリ、磁気テープ、フレキシブルディスク等のコンピュータ読み取り可能な記録媒体に格納して配布し、該プログラムまたはデータをコンピュータにインストールし、上述の処理を実行することによって制御装置を構成してもよい。制御装置は、情報処理サーバ１０の外部の装置（例えば、パーソナルコンピュータ）であってもよいし、内部の装置（例えば、制御部１３）であってもよい。また、上記プログラムをインターネット等のネットワーク上のサーバ装置が備えるディスク装置に格納しておき、コンピュータにダウンロード等できるようにしてもよい。また、上述の機能を、ＯＳ（Operating System）とアプリケーションソフトとの協働により実現してもよい。この場合には、ＯＳ以外の部分を媒体に格納して配布してもよいし、ＯＳ以外の部分をサーバ装置に格納しておき、コンピュータにダウンロード等できるようにしてもよい。
また、上記各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、あるいは、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ていることを要しない。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、上述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。
〔５．ハードウェア構成〕
実施形態及び変形例に係る情報処理サーバ１０は、例えば図１４に示すような構成のコンピュータ１０００によっても実現可能である。図１４は、情報処理サーバ１０の機能を実現するコンピュータの一例を示すハードウェア構成図である。コンピュータ１０００は、ＣＰＵ（Central Processing Unit）１１００、ＲＡＭ１２００、ＲＯＭ１３００、ＨＤＤ（Hard Disk Drive）１４００、通信インタフェース（Ｉ／Ｆ）１５００、入出力インタフェース（Ｉ／Ｆ）１６００、及びメディアインタフェース（Ｉ／Ｆ）１７００を有する。
ＣＰＵ１１００は、ＲＯＭ１３００またはＨＤＤ１４００に格納されたプログラムに基づいて動作し、各部の制御を行う。ＲＯＭ１３００は、コンピュータ１０００の起動時にＣＰＵ１１００によって実行されるブートプログラムや、コンピュータ１０００のハードウェアに依存するプログラム等を格納する。
ＨＤＤ１４００は、ＣＰＵ１１００によって実行されるプログラム、及び、かかるプログラムによって使用されるデータ等を格納する。通信インタフェース１５００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ＣＰＵ１１００へ送り、ＣＰＵ１１００が生成したデータをネットワークＮを介して他の機器へ送信する。
ＣＰＵ１１００は、入出力インタフェース１６００を介して、ディスプレイやプリンタ等の出力装置、及び、キーボードやマウス等の入力装置を制御する。ＣＰＵ１１００は、入出力インタフェース１６００を介して、入力装置からデータを取得する。また、ＣＰＵ１１００は、生成したデータを入出力インタフェース１６００を介して出力装置へ出力する。
メディアインタフェース１７００は、記録媒体１８００に格納されたプログラムまたはデータを読み取り、ＲＡＭ１２００を介してＣＰＵ１１００に提供する。ＣＰＵ１１００は、かかるプログラムを、メディアインタフェース１７００を介して記録媒体１８００からＲＡＭ１２００上にロードし、ロードしたプログラムを実行する。記録媒体１８００は、例えば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である。
例えば、コンピュータ１０００が実施形態に係る情報処理サーバ１０として機能する場合、コンピュータ１０００のＣＰＵ１１００は、ＲＡＭ１２００上にロードされたプログラムまたはデータ（例えば、モデルＭ）に基づいた処理を実行することにより、制御部１３を実現する。コンピュータ１０００のＣＰＵ１１００は、これらのプログラムまたはデータ（例えば、モデルＭ）を記録媒体１８００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またはデータ（例えば、モデルＭ）を取得してもよい。
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、発明の開示の行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。
〔６．効果〕
本実施形態によれば、情報処理サーバ１０は、回答者となるユーザの質問への回答能力の情報を取得する。そして、情報処理サーバ１０は、回答能力の情報に基づいて複数の質問の中からユーザに提示する質問を判別する。これにより、ユーザの回答能力に適合した質問をユーザに提示できるので、情報処理サーバ１０は、多くのユーザに質問に回答してもらえるようにすることができる。
情報処理サーバ１０は、回答能力の情報として、ユーザの属性を示すユーザ情報と、該ユーザが過去行った回答の情報である回答履歴情報と、の少なくとも一つの情報を取得する。そして、情報処理サーバ１０は、ユーザ情報と回答履歴情報との少なくとも一つの情報に基づいてユーザに提示する質問を判別する。これにより、情報処理サーバ１０は、多くのユーザに質問に回答してもらえるようにすることができる。
情報処理サーバ１０は、ユーザ情報として、ユーザの検索クエリログ、及びサービス利用履歴のうちの少なくとも一つの情報を取得する。そして、情報処理サーバ１０は、ユーザの検索クエリログ、及びサービス利用履歴のうちの少なくとも一つの情報に基づいてユーザに提示する質問を判別する。これにより、情報処理サーバ１０は、多くのユーザに質問に回答してもらえるようにすることができる。
情報処理サーバ１０は、回答履歴情報として、ユーザが回答を行った質問のカテゴリ、質問者、該質問者のユーザ属性、質問文、該質問文へのユーザの回答文、及び該回答文への評価のうちの少なくとも一つの情報を取得する。そして、情報処理サーバ１０は、ユーザが回答を行った質問のカテゴリ、質問者、該質問者のユーザ属性、質問文、該質問文へのユーザの回答文、及び該回答文への評価のうちの少なくとも一つの情報に基づいてユーザに提示する質問を判別する。これにより、情報処理サーバ１０は、多くのユーザに質問に回答してもらえるようにすることができる。
情報処理サーバ１０は、回答能力の情報として、ユーザが過去回答を行った質問のうち該ユーザの回答文への評価が所定の基準を満たす質問の情報を取得する。そして、情報処理サーバ１０は、ユーザの回答文への評価が所定の基準を満たす質問の情報に基づいてユーザに提示する質問を判別する。これにより、情報処理サーバ１０は、ユーザに対して真に回答能力が高いと思われる質問を提示できる。情報処理サーバ１０は、結果として多くのユーザに質問に回答してもらえるようにすることができる。
情報処理サーバ１０は、ユーザへの提示候補となる質問の情報を取得する。そして、情報処理サーバ１０は、回答能力の情報に基づき特定されるユーザの特徴と、提示候補となる質問の情報に基づき特定される該質問の特徴と、が類似するか否かを判別することにより、ユーザに提示する質問を判別する。これにより、ユーザの回答能力に適合した質問をユーザに提示できるので、情報処理サーバ１０は、多くのユーザに質問に回答してもらえるようにすることができる。
情報処理サーバ１０は、ユーザへの提示候補となる質問の質問文の情報を取得する。そして、情報処理サーバ１０は、提示候補となる質問のうち、ユーザが過去回答を行った質問の質問文と特徴が類似する質問文を有する質問をユーザに提示する質問として判別する。これにより、ユーザの回答能力に適合した質問をユーザに提示できるので、情報処理サーバ１０は、多くのユーザに質問に回答してもらえるようにすることができる。
情報処理サーバ１０は、ユーザへの提示候補となる質問の質問文の情報を取得する。そして、情報処理サーバ１０は、提示候補となる質問のうち、ユーザが過去行った回答の回答文と特徴が類似する質問文を有する質問をユーザに提示する質問として判別する。これにより、ユーザの回答能力に適合した質問をユーザに提示できるので、情報処理サーバ１０は、多くのユーザに質問に回答してもらえるようにすることができる。
情報処理サーバ１０は、ユーザへの提示候補となる質問の質問文の情報を取得する。そして、情報処理サーバ１０は、提示候補となる質問のうち、ユーザ情報に基づき特定されるユーザの特徴と特徴が類似する質問文を有する質問をユーザに提示する質問として判別する。これにより、ユーザの回答能力に適合した質問をユーザに提示できるので、情報処理サーバ１０は、多くのユーザに質問に回答してもらえるようにすることができる。
情報処理サーバ１０は、ユーザへの提示候補となる質問の質問者の情報を取得する。そして、情報処理サーバ１０は、提示候補となる質問のうち、質問者の情報に基づき特定される質問者の特徴が、ユーザが過去回答を行った質問の質問文の特徴と類似する質問をユーザに提示する質問として判別する。これにより、ユーザの回答能力に適合した質問をユーザに提示できるので、情報処理サーバ１０は、多くのユーザに質問に回答してもらえるようにすることができる。
情報処理サーバ１０は、ユーザへの提示候補となる質問の質問者の情報を取得する。そして、情報処理サーバ１０は、提示候補となる質問のうち、質問者の情報に基づき特定される質問者の特徴が、ユーザが過去行った回答の回答文の特徴と類似する質問をユーザに提示する質問として判別する。これにより、ユーザの回答能力に適合した質問をユーザに提示できるので、情報処理サーバ１０は、多くのユーザに質問に回答してもらえるようにすることができる。
情報処理サーバ１０は、ユーザへの提示候補となる質問の質問者の情報を取得する。そして、情報処理サーバ１０は、提示候補となる質問のうち、質問者の情報に基づき特定される質問者の特徴がユーザ情報に基づき特定されるユーザの特徴と類似する質問をユーザに提示する質問として判別する。これにより、ユーザの回答能力に適合した質問をユーザに提示できるので、情報処理サーバ１０は、多くのユーザに質問に回答してもらえるようにすることができる。
情報処理サーバ１０は、ユーザへの提示候補となる質問のカテゴリの情報を取得する。そして、情報処理サーバ１０は、提示候補となる質問のうち、ユーザが過去回答を行った質問のカテゴリと一致或いは類似するカテゴリの質問をユーザに提示する質問として判別する。これにより、ユーザの回答能力に適合したカテゴリの質問をユーザに提示できるので、情報処理サーバ１０は、多くのユーザに質問に回答してもらえるようにすることができる。
情報処理サーバ１０は、ユーザへの提示候補となる質問のカテゴリの情報を取得する。そして、情報処理サーバ１０は、提示候補となる質問のうち、ユーザ情報に基づき特定されるユーザの特徴と一致或いは類似するカテゴリの質問をユーザに提示する質問として判別する。これにより、ユーザの回答能力に適合したカテゴリの質問をユーザに提示できるので、情報処理サーバ１０は、多くのユーザに質問に回答してもらえるようにすることができる。
情報処理サーバ１０は、過去行われた質問の情報と過去行われた質問への回答の情報との関係性に基づく学習により生成されたモデルを用いて、複数の質問それぞれの回答の得やすさを示す情報を生成する。そして、情報処理サーバ１０は、回答能力の情報と回答の得やすさを示す情報とに基づいて複数の質問の中からユーザに提示する質問を判別する。これにより、ユーザは目に留まり難い質問の中にある自身が回答可能な質問に出会い易くなる。結果として、情報処理サーバ１０は、ユーザに多くの回答の機会を与えることができるので、多くのユーザに質問に回答してもらえるようにすることができる。
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、上述してきた「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、判別部は、判別手段や判別回路に読み替えることができる。
１…情報処理システム
１０…情報処理サーバ
１１、１１０…通信部
１２、１３０…記憶部
１２１…ユーザ情報データベース
１２２…回答履歴情報データベース
１２３…質問情報データベース
１２４…モデルデータベース
１３、１５０…制御部
１３１…取得部
１３２…学習部
１３３…判別部
１３４…生成部
１３５…送信部
１００…端末装置
１２０…入力部
１４０…出力部
１５１…表示部
１５２…表示制御部
Ｃ１…コンテンツ
Ｆ１１、Ｆ２１〜Ｆ２３…特徴情報
Ｇ２１〜Ｇ２３…回答容易度
Ｍ１〜Ｍ４…モデル

Claims (15)

  1. 回答者となるユーザの質問への回答能力の情報を取得する取得部と、
    前記回答能力の情報に基づいて複数の質問の中から前記ユーザに提示する質問を判別する判別部と、を備え、
    前記取得部は、前記ユーザとは異なる質問者であって前記ユーザへの提示候補となる複数の質問それぞれの前記質問者の情報を取得し、
    前記判別部は、前記提示候補となる前記複数の質問のうち、前記質問者の情報に基づき特定される前記質問者の特徴が、前記ユーザが過去回答を行った質問の質問文の特徴と類似する質問を前記ユーザに提示する質問として判別する、
    ことを特徴とする情報処理装置。
  2. 回答者となるユーザの質問への回答能力の情報を取得する取得部と、
    前記回答能力の情報に基づいて複数の質問の中から前記ユーザに提示する質問を判別する判別部と、を備え、
    前記取得部は、前記ユーザとは異なる質問者であって前記ユーザへの提示候補となる複数の質問それぞれの前記質問者の情報を取得し、
    前記判別部は、前記提示候補となる前記複数の質問のうち、前記質問者の情報に基づき特定される前記質問者の特徴が、前記ユーザが過去行った回答の回答文の特徴と類似する質問を前記ユーザに提示する質問として判別する、
    ことを特徴とする情報処理装置。
  3. 回答者となるユーザの質問への回答能力の情報を取得する取得部と、
    前記回答能力の情報に基づいて複数の質問の中から前記ユーザに提示する質問を判別する判別部と、を備え、
    前記取得部は、前記ユーザとは異なる質問者であって前記ユーザへの提示候補となる複数の質問それぞれの前記質問者の情報を取得し、
    前記判別部は、前記提示候補となる前記複数の質問のうち、前記質問者の情報に基づき特定される前記質問者の特徴が前記ユーザの属性を示すユーザ情報に基づき特定される前記ユーザの特徴と類似する質問を前記ユーザに提示する質問として判別する、
    ことを特徴とする情報処理装置。
  4. 前記取得部は、前記回答能力の情報として、前記ユーザの属性を示すユーザ情報と、該ユーザが過去行った回答の情報である回答履歴情報と、の少なくとも一つの情報を取得し、
    前記判別部は、前記ユーザ情報と前記回答履歴情報との少なくとも一つの情報に基づいて前記ユーザに提示する質問を判別する、
    ことを特徴とする請求項１〜３のいずれか１項に記載の情報処理装置。
  5. 前記取得部は、前記ユーザ情報として、前記ユーザの検索クエリログ、及びサービス利用履歴のうちの少なくとも一つの情報を取得し、
    前記判別部は、前記ユーザの検索クエリログ、及びサービス利用履歴のうちの少なくとも一つの情報に基づいて前記ユーザに提示する質問を判別する、
    ことを特徴とする請求項４に記載の情報処理装置。
  6. 前記取得部は、前記回答履歴情報として、前記ユーザが回答を行った質問のカテゴリ、質問者、該質問者のユーザ属性、質問文、該質問文への前記ユーザの回答文、及び該回答文への評価のうちの少なくとも一つの情報を取得し、
    前記判別部は、前記ユーザが回答を行った質問のカテゴリ、質問者、該質問者のユーザ属性、質問文、該質問文への前記ユーザの回答文、及び該回答文への評価のうちの少なくとも一つの情報に基づいて前記ユーザに提示する質問を判別する、
    ことを特徴とする請求項４又は５に記載の情報処理装置。
  7. 前記取得部は、前記回答能力の情報として、前記ユーザが過去回答を行った質問のうち該ユーザの回答文への評価が所定の基準を満たす質問の情報を取得し、
    前記判別部は、前記ユーザの回答文への評価が所定の基準を満たす質問の情報に基づいて前記ユーザに提示する質問を判別する、
    ことを特徴とする請求項１〜６のいずれか１項に記載の情報処理装置。
  8. 前記取得部は、前記ユーザへの提示候補となる質問の情報を取得し、
    前記判別部は、前記回答能力の情報に基づき特定される前記ユーザの特徴と、前記提示候補となる質問の情報に基づき特定される該質問の特徴と、が類似するか否かを判別することにより、前記ユーザに提示する質問を判別する、
    ことを特徴とする請求項１〜７のいずれか１項に記載の情報処理装置。
  9. 過去行われた質問の情報と前記過去行われた質問への回答の情報との関係性に基づく学習により生成されたモデルを用いて、前記複数の質問それぞれの回答の得やすさを示す情報を生成する生成部、をさらに備え、
    前記判別部は、前記回答能力の情報と前記回答の得やすさを示す情報とに基づいて複数の質問の中から前記ユーザに提示する質問を判別する、
    ことを特徴とする請求項１〜８のいずれか１項に記載の情報処理装置。
  10. 情報処理装置が実行する情報処理方法であって、
    回答者となるユーザの質問への回答能力の情報を取得する取得工程と、
    前記回答能力の情報に基づいて複数の質問の中から前記ユーザに提示する質問を判別する判別工程と、を含み、
    前記取得工程では、前記ユーザとは異なる質問者であって前記ユーザへの提示候補となる複数の質問それぞれの前記質問者の情報を取得し、
    前記判別工程では、前記提示候補となる前記複数の質問のうち、前記質問者の情報に基づき特定される前記質問者の特徴が、前記ユーザが過去回答を行った質問の質問文の特徴と類似する質問を前記ユーザに提示する質問として判別する、
    ことを特徴とする情報処理方法。
  11. 情報処理装置が実行する情報処理方法であって、
    回答者となるユーザの質問への回答能力の情報を取得する取得工程と、
    前記回答能力の情報に基づいて複数の質問の中から前記ユーザに提示する質問を判別する判別工程と、を含み、
    前記取得工程では、前記ユーザとは異なる質問者であって前記ユーザへの提示候補となる複数の質問それぞれの前記質問者の情報を取得し、
    前記判別工程では、前記提示候補となる前記複数の質問のうち、前記質問者の情報に基づき特定される前記質問者の特徴が、前記ユーザが過去行った回答の回答文の特徴と類似する質問を前記ユーザに提示する質問として判別する、
    ことを特徴とする情報処理方法。
  12. 情報処理装置が実行する情報処理方法であって、
    回答者となるユーザの質問への回答能力の情報を取得する取得工程と、
    前記回答能力の情報に基づいて複数の質問の中から前記ユーザに提示する質問を判別する判別工程と、を含み、
    前記取得工程では、前記ユーザとは異なる質問者であって前記ユーザへの提示候補となる複数の質問それぞれの前記質問者の情報を取得し、
    前記判別工程では、前記提示候補となる前記複数の質問のうち、前記質問者の情報に基づき特定される前記質問者の特徴が前記ユーザの属性を示すユーザ情報に基づき特定される前記ユーザの特徴と類似する質問を前記ユーザに提示する質問として判別する、
    ことを特徴とする情報処理方法。
  13. 回答者となるユーザの質問への回答能力の情報を取得する取得手順と、
    前記回答能力の情報に基づいて複数の質問の中から前記ユーザに提示する質問を判別する判別手順と、をコンピュータに実行させ、
    前記取得手順では、前記ユーザとは異なる質問者であって前記ユーザへの提示候補となる複数の質問それぞれの前記質問者の情報を取得し、
    前記判別手順では、前記提示候補となる前記複数の質問のうち、前記質問者の情報に基づき特定される前記質問者の特徴が、前記ユーザが過去回答を行った質問の質問文の特徴と類似する質問を前記ユーザに提示する質問として判別する、
    ことを特徴とする情報処理プログラム。
  14. 回答者となるユーザの質問への回答能力の情報を取得する取得手順と、
    前記回答能力の情報に基づいて複数の質問の中から前記ユーザに提示する質問を判別する判別手順と、をコンピュータに実行させ、
    前記取得手順では、前記ユーザとは異なる質問者であって前記ユーザへの提示候補となる複数の質問それぞれの前記質問者の情報を取得し、
    前記判別手順では、前記提示候補となる前記複数の質問のうち、前記質問者の情報に基づき特定される前記質問者の特徴が、前記ユーザが過去行った回答の回答文の特徴と類似する質問を前記ユーザに提示する質問として判別する、
    ことを特徴とする情報処理プログラム。
  15. 回答者となるユーザの質問への回答能力の情報を取得する取得手順と、
    前記回答能力の情報に基づいて複数の質問の中から前記ユーザに提示する質問を判別する判別手順と、をコンピュータに実行させ、
    前記取得手順では、前記ユーザとは異なる質問者であって前記ユーザへの提示候補となる複数の質問それぞれの前記質問者の情報を取得し、
    前記判別手順では、前記提示候補となる前記複数の質問のうち、前記質問者の情報に基づき特定される前記質問者の特徴が前記ユーザの属性を示すユーザ情報に基づき特定される前記ユーザの特徴と類似する質問を前記ユーザに提示する質問として判別する、
    ことを特徴とする情報処理プログラム。
JP2018005031A 2018-01-16 2018-01-16 情報処理装置、情報処理方法、及び情報処理プログラム Active JP6983672B2 (ja)

Priority Applications (1)

Application Number Priority Date Filing Date Title
JP2018005031A JP6983672B2 (ja) 2018-01-16 2018-01-16 情報処理装置、情報処理方法、及び情報処理プログラム

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
JP2018005031A JP6983672B2 (ja) 2018-01-16 2018-01-16 情報処理装置、情報処理方法、及び情報処理プログラム

Publications (2)

Publication Number Publication Date
JP2019125146A JP2019125146A (ja) 2019-07-25
JP6983672B2 true JP6983672B2 (ja) 2021-12-17

Family

ID=67399017

Family Applications (1)

Application Number Title Priority Date Filing Date
JP2018005031A Active JP6983672B2 (ja) 2018-01-16 2018-01-16 情報処理装置、情報処理方法、及び情報処理プログラム

Country Status (1)

Country Link
JP (1) JP6983672B2 (ja)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP6895193B1 (ja) * 2020-11-18 2021-06-30 株式会社Ｌｙｘｉｓ 情報処理システム、情報処理方法、及びプログラム

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP4096570B2 (ja) * 2002-01-31 2008-06-04 株式会社デンソー 情報システム、端末、情報取得方法、プログラム
JP5356286B2 (ja) * 2010-03-09 2013-12-04 日本電信電話株式会社 質問推薦装置及び方法及びプログラム
JP5716859B1 (ja) * 2014-06-06 2015-05-13 富士ゼロックス株式会社 回答者抽出システム及び回答者抽出プログラム

Also Published As

Publication number Publication date
JP2019125146A (ja) 2019-07-25

Similar Documents

Publication Publication Date Title
US11514333B2 (en) Combining machine-learning and social data to generate personalized recommendations
US10692006B1 (en) Crowdsourced chatbot answers
JP6986978B2 (ja) 情報処理装置、情報処理方法、及び情報処理プログラム
US9971830B2 (en) Recommending users to add to groups in a social networking system
US8769417B1 (en) Identifying an answer to a question in an electronic forum
US11657371B2 (en) Machine-learning-based application for improving digital content delivery
US8938512B2 (en) Recommending groups to create in a social networking system
US8935346B2 (en) Recommending groups to join in a social networking system
US9177347B2 (en) Group recommendations based on answered questions in a social networking system
US20190303835A1 (en) Entity representation learning for improving digital content recommendations
US20130018909A1 (en) Providing an answer to a question left unanswered in an electronic forum
JP7012599B2 (ja) 情報処理装置、情報処理方法、及び情報処理プログラム
WO2019226375A1 (en) Personalized query formulation for improving searches
JP2019139521A (ja) 予測装置、予測方法、及び予測プログラム
JP6959152B2 (ja) 情報処理装置、情報処理方法、及び情報処理プログラム
Ikemoto et al. Tuning a conversation strategy for interactive recommendations in a chatbot setting
JP2020126392A (ja) 選択装置、選択方法および選択プログラム
JP7080609B2 (ja) 情報処理装置、情報処理方法、及び情報処理プログラム
JP6983672B2 (ja) 情報処理装置、情報処理方法、及び情報処理プログラム
US20210326401A1 (en) Scaling workloads using staging and computation pushdown
US11836204B1 (en) Social collaboration platform for facilitating recommendations
JP2020047126A (ja) 情報処理装置、情報処理方法及び情報処理プログラム
JP2022144346A (ja) 情報処理装置、情報処理方法および情報処理プログラム
Olshannikova et al. Utilizing structural network positions to diversify people recommendations on twitter
JP7144468B2 (ja) 情報処理装置、情報処理方法および情報処理プログラム

Legal Events

Date Code Title Description
A711 Notification of change in applicant

Free format text: JAPANESE INTERMEDIATE CODE: A712

Effective date: 20191101

RD03 Notification of appointment of power of attorney

Free format text: JAPANESE INTERMEDIATE CODE: A7423

Effective date: 20191108

A621 Written request for application examination

Free format text: JAPANESE INTERMEDIATE CODE: A621

Effective date: 20200309

A977 Report on retrieval

Free format text: JAPANESE INTERMEDIATE CODE: A971007

Effective date: 20210224

A131 Notification of reasons for refusal

Free format text: JAPANESE INTERMEDIATE CODE: A131

Effective date: 20210316

A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20210514

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: 20211026

A61 First payment of annual fees (during grant procedure)

Free format text: JAPANESE INTERMEDIATE CODE: A61

Effective date: 20211124

R150 Certificate of patent or registration of utility model

Ref document number: 6983672

Country of ref document: JP

Free format text: JAPANESE INTERMEDIATE CODE: R150

S111 Request for change of ownership or part of ownership

Free format text: JAPANESE INTERMEDIATE CODE: R313111

R350 Written notification of registration of transfer

Free format text: JAPANESE INTERMEDIATE CODE: R350

R250 Receipt of annual fees

Free format text: JAPANESE INTERMEDIATE CODE: R250