JP6990757B1 - 生成装置、生成方法及び生成プログラム - Google Patents

Abstract

【課題】所定の行動と、当該所定の行動を行った利用者が入力した検索クエリとの時間的な関係性を把握する。【解決手段】本願に係る生成装置は、所定の行動を行った利用者群が入力した検索クエリの履歴を示す履歴情報を取得する取得部と、取得部により取得された履歴情報に基づいて、所定の行動と検索クエリとの関連度を算出する算出部と、利用者群が所定の行動を行った時点と、利用者群が検索クエリを入力した時点との時間差を示す情報であって、算出部により算出された関連度に応じた態様で検索クエリを示す情報である時間差情報を生成する生成部とを有することを特徴とする。【選択図】図１

Description

本発明は、生成装置、生成方法及び生成プログラムに関する。

従来、インターネットを介して様々な情報を利用者に提供する技術が知られている。このような技術の一例として、広告を閲覧した利用者が入力した検索キーワードのうち、入力頻度が高い検索キーワードを、検索連動型広告のキーワードとする技術が知られている。

特開２０１４－６７５７号公報

しかしながら、上述した技術では、所定の行動と、当該所定の行動を行った利用者が入力した検索クエリとの時間的な関係性を把握できるとは言えない場合がある。

例えば、上述した技術では、ログデータから対象広告の広告主の広告を閲覧したユーザを特定し、当該ユーザが入力した検索キーワードを抽出しているに過ぎず、所定の行動と、当該所定の行動を行った利用者が入力した検索クエリとの時間的な関係性を把握できるとは言えない場合がある。

本願は、上記に鑑みてなされたものであって、所定の行動と、当該所定の行動を行った利用者が入力した検索クエリとの時間的な関係性を把握することを目的とする。

本願に係る生成装置は、所定の行動を行った利用者群が入力した検索クエリの履歴を示す履歴情報を取得する取得部と、前記取得部により取得された履歴情報に基づいて、前記所定の行動と前記検索クエリとの関連度を算出する算出部と、前記利用者群が前記所定の行動を行った時点と、前記利用者群が前記検索クエリを入力した時点との時間差を示す情報であって、前記算出部により算出された関連度に応じた態様で前記検索クエリを示す情報である時間差情報を生成する生成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、所定の行動と、当該所定の行動を行った利用者が入力した検索クエリとの時間的な関係性を把握することができるという効果を奏する。

図１は、実施形態に係る生成処理の一例を示す図である。 図２は、実施形態に係る情報処理装置の構成例を示す図である。 図３は、実施形態に係る履歴情報データベースの一例を示す図である。 図４は、実施形態に係る生成処理の手順の一例を示すフローチャートである。 図５は、情報処理装置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、本願に係る生成装置、生成方法及び生成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説明する。なお、この実施形態により本願に係る生成装置、生成方法及び生成プログラムが限定されるものではない。また、以下の実施形態において、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．実施形態〕
図１を用いて、本実施形態の生成装置等により実現される生成処理を説明する。図１は、実施形態に係る生成処理の一例を示す図である。なお、図１では、本願に係る生成装置の一例である情報処理装置１０によって、実施形態に係る生成処理などが実現されるものとする。

図１に示すように、実施形態に係る生成システム１は、情報処理装置１０と、端末装置１００とを含む。情報処理装置１０及び端末装置１００は、ネットワークＮ（例えば、図２参照）を介して有線または無線により相互に通信可能に接続される。ネットワークＮは、例えば、インターネットなどのＷＡＮ（Wide Area Network）である。なお、図１に示した生成システム１には、複数台の情報処理装置１０及び複数台の端末装置１００が含まれていてもよい。

図１に示す情報処理装置１０は、生成処理を行う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、情報処理装置１０は、利用者が所定の検索サービスにおいて入力した検索クエリの履歴を示す情報を取得し、取得した情報に基づいて、利用者が入力した所定の検索クエリ（以下、「基準検索クエリ」と記載する場合がある）と、他の検索クエリとの関連性を示す情報を生成する。

図１に示す端末装置１００は、利用者によって利用される情報処理装置である。端末装置１００は、例えば、スマートフォンや、タブレット型端末や、ノート型ＰＣ（Personal Computer）や、デスクトップＰＣや、携帯電話機や、ＰＤＡ（Personal Digital Assistant）等により実現される。なお、図１に示す例において、端末装置１００は、利用者によって利用されるスマートフォンである場合を示す。

以下、図１を用いて、情報処理装置１０が行う生成処理の一例について説明する。なお、以下の説明において、端末装置１００を利用する利用者に応じて、端末装置１００を端末装置１００－１～１００－Ｎ（Ｎは任意の自然数）として説明する。例えば、端末装置１００－１は、利用者ＩＤ「Ｕ１」により識別される利用者（利用者Ｕ１）により使用される端末装置１００である。また、以下では、端末装置１００－１～１００－Ｎについて、特に区別なく説明する場合には、端末装置１００と記載する。また、以下の説明では、端末装置１００を利用者と同一視する場合がある。すなわち、以下では、利用者Ｕ１を端末装置１００－１と読み替えることもできる。

まず、情報処理装置１０は、利用者が入力した検索クエリの履歴を示す履歴情報を取得する（ステップＳ１）。例えば、情報処理装置１０は、端末装置１００に提供された検索サービスにおいて各利用者が入力した検索クエリの履歴と、検索クエリの入力日時と、利用者を識別するための識別情報（利用者ＩＤ）とを示す履歴情報を端末装置１００から取得する。

続いて、情報処理装置１０は、履歴情報に基づいて、基準検索クエリを入力した利用者群を抽出する（ステップＳ２）。例えば、情報処理装置１０は、直近の所定の期間（例えば、１週間、１か月、１年）内に基準検索クエリを入力した利用者群Ｇ１を抽出する。

続いて、情報処理装置１０は、利用者群Ｇ１が入力した各検索クエリと、入力日時とを抽出する（ステップＳ３）。例えば、情報処理装置１０は、利用者群Ｇ１の履歴情報から、上述の所定の期間内に入力した各検索クエリと、入力日時とを抽出する。具体的な例を挙げると、情報処理装置１０は、利用者群Ｇ１に含まれる各利用者が基準検索クエリを入力する前に入力した検索クエリや、基準検索クエリを入力した後に入力した検索クエリを抽出する。

続いて、情報処理装置１０は、基準検索クエリと、抽出した各検索クエリとの関連度を算出する（ステップＳ４）。例えば、情報処理装置１０は、抽出した検索クエリごとに、基準検索クエリに対する関連度を算出し、算出した関連度に基づくモデルＭ１を生成する。具体的な例を挙げると、情報処理装置１０は、利用者群Ｇ１により入力された回数が多い検索クエリほど関連度を高く算出し、少ないほど関連度を低く算出する。そして、情報処理装置１０は、利用者が基準検索クエリを入力する可能性の予測のために用いられるモデルであって、当該利用者が入力した検索クエリの履歴を入力することにより、入力された検索クエリに対応する関連度に基づいて、当該利用者が基準検索クエリを入力する確率を出力するモデルであるモデルＭ１を生成する。すなわち、情報処理装置１０は、利用者群Ｇ１の履歴情報を学習データとしてモデルＭ１を生成する。

図１に示す例では、モデルＭ１は、利用者群Ｇ１が入力した検索クエリと、基準検索クエリとの関連度を示すスコアのリストである。ここで、モデルＭ１が示すスコアは、正の値のみならず、負の値も含み、スコアが高ければ高い程、正の関連性が強く、低ければ低い程、負の関連性が強く、０が最も関連性が低い。このようなリストは、利用者群Ｇ１以外の利用者が基準検索クエリを入力する確率（すなわち、基準行動を行う確率）の算出に用いられる。したがって、利用者が入力した各検索クエリと対応付けられたスコアの和が高ければ高い程、当該利用者が基準検索クエリを入力する確率が高いとみなすことができる。

なお、情報処理装置１０は、モデルＭ１として、機械学習で用いられるアルゴリズムを用いてもよい。例えば、情報処理装置１０は、ニューラルネットワーク、分類木、回帰木、判別分析、ｋ最近傍、単純ベイズ、サポートベクターマシンなどを用いてもよい。このような場合、モデルＭ１は、検索クエリとスコアとを対応付けられたリストではなく、入力された検索クエリからスコアを算出する方程式や、ニューラルネットワーク等により実現されることとなる。

続いて、情報処理装置１０は、基準検索クエリを入力した時点と、各検索クエリを入力した時点との時間差を示す情報であって、各検索クエリを関連度に応じた態様で示す情報である時間差情報を、検索サービスにおいて基準検索クエリを入力した利用者全体（すなわち、利用者群Ｇ１）の履歴情報に基づいて生成する（ステップＳ５）。例えば、情報処理装置１０は、利用者群Ｇ１に含まれる各利用者を、基準検索クエリを入力する前後の期間において入力した検索クエリの順番のパターンに応じてグルーピングする。具体的な例を挙げると、情報処理装置１０は、上述の所定の期間中の各期間において、利用者群Ｇ１に含まれる各利用者が入力した検索クエリのカテゴリを、ルールベースで特定する。そして、情報処理装置１０は、カテゴリの遷移に応じて、利用者群Ｇ１に含まれる各利用者をグルーピングする。例えば、情報処理装置１０は、検索クエリのカテゴリが「カテゴリ１、カテゴリ２、カテゴリ３、・・・」と遷移したならグループ１、「カテゴリ２、カテゴリ１、カテゴリ３、・・・」と遷移したならグループ２とグルーピングする。そして、情報処理装置１０は、各グループにグルーピングされた利用者が、各期間において入力した主だった検索クエリ（もっとも入力数が多い検索クエリ）を特定する。

そして、情報処理装置１０は、各グループから特定した各検索クエリを時系列で示す情報であって、モデルＭ１が示す関連度に応じた態様で示す情報である時間差情報Ｄ１を生成する。具体的な例を挙げると、情報処理装置１０は、各グループを分類された利用者の数が多い方から並べ、各グループに分類された利用者が各期間において入力した数が最も多い検索クエリを並べた時間差情報Ｄ１を生成する。例えば、図１の例において、情報処理装置１０は、グループ１にグルーピングされた利用者が、「－９、－６」の期間（基準検索クエリを入力する９日前の時点から、基準検索クエリを入力する６日前の時点までの期間）において最も多く入力した検索クエリが検索クエリ＃３１であり、「－６、－３」の期間（基準検索クエリを入力する６日前の時点から、基準検索クエリを入力する３日前の時点までの期間）において最も多く入力した検索クエリが検索クエリ＃１２である旨を示す時間差情報Ｄ１を生成する。また、情報処理装置１０は、「－３、０」の期間（基準検索クエリを入力する３日前の時点から、基準検索クエリを入力した時点までの期間）において最も多く入力した検索クエリが検索クエリ＃２５であり、「０、＋３」の期間（基準検索クエリを入力した時点から、基準検索クエリを入力した３日後の時点までの期間）において最も多く入力した検索毛売りが検索クエリ＃２４であり、「＋３、＋６」の期間（基準検索クエリを入力した３日後の時点から、基準検索クエリを入力した６日後の時点までの期間）において最も多く入力した検索クエリが検索クエリ＃１５である旨を示す時間差情報Ｄ１を生成する。また、情報処理装置１０は、「＋６、＋９」の期間（基準検索クエリを入力した６日後の時点から、基準検索クエリを入力した９日後の時点までの期間）において最も多く入力した検索クエリが検索クエリ＃１８である旨を示す時間差情報Ｄ１を生成する。

ここで、情報処理装置１０は、時間差情報Ｄ１に示す検索クエリのうち、モデルＭ１が示す関連度が正の値である検索クエリ＃１２を、他の検索クエリとは異なる態様で示す時間差情報Ｄ１を生成する。同様に、情報処理装置１０は、時間差情報Ｄ１に示す検索クエリのうち、モデルＭ１が示す関連度が正の値である検索クエリ＃２７や検索クエリ＃３５を、他の検索クエリとは異なる態様で示す時間差情報Ｄ１を生成する。

続いて、情報処理装置１０は、時間差情報Ｄ１に基づいて、利用者群Ｇ１が入力した検索クエリのうち、基準検索クエリが入力された後に入力された検索クエリを抽出する（ステップＳ６）。続いて、情報処理装置１０は、抽出した検索クエリに基づいて、関連度を補正する（ステップＳ７）。例えば、利用者群Ｇ１が入力した検索クエリを用いて、所定の期間後に基準検索クエリを入力する利用者を特定する場合、利用者群Ｇ１が基準検索クエリを入力した後の期間において入力した検索クエリを除外して特定処理を行うことが効率的と想定される。したがって、情報処理装置１０は、時間差情報Ｄ１に基づいて、「０、＋３」、「＋３、＋６」及び「＋６、＋９」の期間に入力された検索クエリを抽出する。そして、情報処理装置１０は、抽出した検索クエリの関連度を低く補正する。

続いて、情報処理装置１０は、特定の検索クエリを入力した利用者に対し、対応するコンテンツを提供する（ステップＳ８）。例えば、情報処理装置１０は、時間差情報Ｄ１が示す検索クエリのうち、検索クエリ＃１２を入力した利用者を、３～６日後に基準検索クエリを入力する利用者と推定し、基準検索クエリに対応するコンテンツ（例えば、広告コンテンツ）を提供する。

以上のように、実施形態に係る情報処理装置１０は、基準検索クエリと、利用者群Ｇ１が入力した他の検索クエリとの関連度を算出し、算出した関連度に応じた態様で検索クエリを示す時間差情報Ｄ１を生成する。例えば、実施形態に係る情報処理装置１０は、検索サービス全体の全ユーザ群（利用者群Ｇ１）の検索行動の時系列情報から、クエリ同士が入力される時間差の傾向を得るための処理を実行する。これにより、実施形態に係る情報処理装置１０は、利用者群Ｇ１が入力した検索クエリが、基準検索クエリの入力する前に入力したものであるか否かを特定し、特定した結果に応じて当該検索クエリを入力した利用者に対し適切なコンテンツを提供できる。すなわち、実施形態に係る情報処理装置１０は、所定の行動と、当該所定の行動を行った利用者が入力した検索クエリとの時間的な関係性を把握し、利用者に適切な情報を提供することができる。

なお、図１の例において、情報処理装置１０は、「－９、－６」、「－６、－３」、「－３、０」、・・・の期間ごとに、利用者が基準検索クエリを入力する確率を出力するモデルを生成してもよい。例えば、情報処理装置１０は、利用者群Ｇ１の各グループが「－９、－６」の期間に入力した検索クエリ＃３１、＃１１、＃３３、・・・を時間差情報Ｄ１から抽出する。そして、情報処理装置１０は、モデルＭ１が示す関連度のうち、時間差情報Ｄ１から抽出した検索クエリに対応する関連度を高く補正し、それ以外の検索クエリに対応する関連度を低く補正したモデルＭ１１を生成する。言い換えると、情報処理装置１０は、「－９、－６」の期間において利用者群Ｇ１が入力した検索クエリの関連度を高くし、「－９、－６」の期間において利用者群Ｇ１が入力しなかった検索クエリの関連度を低くしたモデルＭ１１を生成する。このようにして生成したモデルＭ１１を用いることにより、３～６日後に基準検索クエリを入力すると予測される利用者を精度よく特定できる。また、他の期間についても同様の処理を行い、各期間に対応するモデルを生成することにより、様々な時点で基準検索クエリを入力する利用者を予測するために有用なモデルを生成することができる。

〔２．情報処理装置の構成〕
次に、図２を用いて、情報処理装置１０の構成について説明する。図２は、実施形態に係る情報処理装置の構成例を示す図である。図２に示すように、情報処理装置１０は、通信部２０と、記憶部３０と、制御部４０とを有する。

（通信部２０について）
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、端末装置１００等との間で情報の送受信を行う。

（記憶部３０について）
記憶部３０は、例えば、ＲＡＭ（Random Access Memory）、フラッシュメモリ（Flash Memory）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。図２に示すように、記憶部３０は、履歴情報データベース３１を有する。

（履歴情報データベース３１について）
履歴情報データベース３１は、利用者が入力した検索クエリの履歴に関する各種の情報を記憶する。ここで、図３を用いて、履歴情報データベース３１が記憶する情報の一例を説明する。図３は、実施形態に係る履歴情報データベースの一例を示す図である。図３の例において、履歴情報データベース３１は、「利用者ＩＤ」、「検索履歴」といった項目を有する。

「利用者ＩＤ」は、利用者を識別するための識別情報を示す。「検索履歴」は、利用者が入力した検索クエリの履歴を示し、例えば、「検索クエリ」、「入力日時」といった項目を有する。「検索クエリ」は、利用者が入力した検索クエリを示す。「入力日時」は、利用者が検索クエリを入力した日時を示す。

すなわち、図３では、利用者ＩＤ「ＵＩＤ＃１」により識別される利用者が、入力日時「日時＃１」に検索クエリ「検索クエリ＃１」を入力した例を示す。

（制御部４０について）
制御部４０は、コントローラ（controller）であり、例えば、ＣＰＵ（Central Processing Unit）やＭＰＵ（Micro Processing Unit）等によって、情報処理装置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る。実施形態に係る制御部４０は、図２に示すように、取得部４１と、算出部４２と、生成部４３と、受付部４４と、抽出部４５と、特定部４６と、補正部４７とを有し、以下に説明する情報処理の機能や作用を実現または実行する。

（取得部４１について）
取得部４１は、所定の行動を行った利用者群が入力した検索クエリの履歴を示す履歴情報を取得する。例えば、取得部４１は、所定の行動を行った利用者群が入力した検索クエリの履歴を示す履歴情報を取得し、履歴情報データベース３１に格納する。

また、取得部４１は、所定の検索クエリを入力した利用者群が入力した他の検索クエリの履歴を示す履歴情報を取得してもよい。例えば、図１の例において、取得部４１は、基準検索クエリを入力した利用者群Ｇ１が入力した検索クエリの履歴を示す履歴情報を取得する。

（算出部４２について）
算出部４２は、取得部４１により取得された履歴情報に基づいて、所定の行動と検索クエリとの関連度を算出する。例えば、算出部４２は、所定の行動と、所定の行動を行った利用者群が入力した検索クエリとの関連度を算出し、算出した関連度を示すリストであるモデルを生成する。

また、算出部４２は、取得部４１により取得された履歴情報に基づいて、所定の検索クエリと、他の検索クエリとの関連度を算出してもよい。例えば、図１の例において、算出部４２は、利用者群Ｇ１が入力した検索クエリごとに、基準検索クエリに対する関連度を算出し、算出した関連度に基づくモデルＭ１を生成する。

（生成部４３について）
生成部４３は、利用者群が所定の行動を行った時点と、利用者群が検索クエリを入力した時点との時間差を示す情報であって、算出部４２により算出された関連度に応じた態様で検索クエリを示す情報である時間差情報を生成する。例えば、図１の例において、生成部４３は、基準検索クエリを入力した時点と、各検索クエリを入力した時点との時間差を示す情報であって、モデルＭ１が示す関連度が正の値である検索クエリ＃２７や検索クエリ＃３５を、他の検索クエリとは異なる態様で示す情報である時間差情報Ｄ１を生成する。

なお、生成部４３は、モデルＭ１が示す関連度が負の値である検索クエリを、他の検索クエリとは異なる態様で示す時間差情報Ｄ１を生成してもよい。

また、生成部４３は、利用者群が所定の検索クエリを入力した時点と、利用者群が他の検索クエリを入力した時点との時間差を示す情報であって、算出部４２により算出された関連度に応じた態様で他の検索クエリを示す情報である時間差情報を生成してもよい。例えば、図１の例において、生成部４３は、基準検索クエリを入力した利用者群Ｇ１が入力した検索クエリを示す時間差情報Ｄ１を生成する。

また、生成部４３は、利用者群が検索クエリを入力した時系列を示す時間差情報を生成してもよい。例えば、図１の例において、生成部４３は、利用者群Ｇ１が入力した検索クエリを時系列で示す時間差情報Ｄ１を生成する。

また、生成部４３は、利用者群が検索クエリを入力する順番のパターンごとに時間差情報を生成してもよい。例えば、図１の例において、生成部４３は、利用者群Ｇ１に含まれる各利用者を、基準検索クエリを入力する前後の各期間において入力した検索クエリの順番のパターンに応じてグルーピングし、各グループが入力した検索クエリを時系列で示す時間差情報Ｄ１を生成する。

ここで、図１に示す時間差情報Ｄ１のように、各グループに分類された利用者が入力した検索クエリを時系列で示す情報を生成する場合、基準検索クエリを入力する時点までの時間差の分散がグループ内で少ない検索クエリを示す情報を生成することにより、情報の精度を向上させたいといった要望が考えられる。したがって、生成部４３は、検索クエリのうち、時間差の標準偏差が所定の閾値以下である検索クエリを示す時間差情報を生成してもよい。例えば、図１の例において、生成部４３は、各グループに分類された利用者が各期間において入力した検索クエリであって、基準クエリを入力する時点までの時間差の標準偏差が所定の閾値以下である検索クエリを並べた時間差情報Ｄ１を生成する。

（受付部４４について）
受付部４４は、利用者が所定の行動を行うまでの期間の指定を受け付ける。例えば、受付部４４は、所定の行動を行った利用者と入力した検索クエリが類似する利用者に対し、所定の行動に関するプロモーションを希望する事業者等から、プロモーションにより所定の行動を利用者に行わせたい期間の指定を受け付ける。

（抽出部４５について）
抽出部４５は、時間差情報が示す検索クエリのうち、時間差が受付部４４により受け付けられた期間に対応する検索クエリを抽出する。例えば、図１を例にして説明すると、事業者等が、３～６日後に基準検索クエリを利用者が入力するようなプロモーションを行うことを希望した場合、抽出部４５は、各グループに分類された利用者群Ｇ１の利用者が、「－６、－３」の期間において最も多く入力した検索クエリである検索クエリ＃１２、検索クエリ＃２３、検索クエリ＃３９、・・・を抽出する。

ここで、図１に示す時間差情報Ｄ１では、グループ１にグルーピングされた利用者が「－６、－３」の期間に入力した検索クエリ＃１２の関連度が正の値であるため、他のグループにグルーピングされた利用者が同時期に入力した検索クエリも基準検索クエリとの関連性が高い場合が想定される。したがって、抽出部４５は、時間差情報が示す検索クエリのうち、関連度が所定の条件を満たす検索クエリと時間差が対応する検索クエリを抽出してもよい。例えば、図１を例にして説明すると、抽出部４５は、関連度が正の値である検索クエリ＃１２と同時期に他のグループの利用者が入力した検索クエリ＃２３及び＃３９を抽出する。そして、後述する補正部４７は、抽出された検索クエリの関連度を補正する。

また、抽出部４５は、時間差情報が示す検索クエリのうち、関連度が所定の閾値以上である検索クエリと時間差が対応する検索クエリを抽出してもよい。例えば、図１を例にして説明すると、抽出部４５は、関連度が所定の閾値以上である検索クエリ＃１２と同時期に他のグループの利用者が入力した検索クエリ＃２３及び＃３９を抽出する。

なお、抽出部４５は、時間差情報が示す検索クエリのうち、関連度が所定の閾値以下である検索クエリと時間差が対応する検索クエリを抽出してもよい。例えば、図１を例にして説明すると、抽出部４５は、関連度が所定の閾値以下である検索クエリ＃３９と同時期に他のグループの利用者が入力した検索クエリ＃１２及び＃２３を抽出してもよい。

（特定部４６について）
特定部４６は、抽出部４５により抽出された検索クエリを入力した利用者を、期間の経過後に所定の行動を行うと推定される利用者として特定する。例えば、図１を例にして説明すると、抽出部４５が各グループに分類された利用者群Ｇ１の利用者が、「－６、－３」の期間において最も多く入力した検索クエリを抽出した場合、特定部４６は、当該検索クエリを入力した利用者を、３～６日後に基準検索クエリを入力すると予測される利用者として特定する。そして、特定部４６は、特定した利用者のリストを示す情報を事業者等に提供する。

なお、特定部４６は、入力した検索クエリの順番が、所定の行動を行った利用者群と対応する利用者を特定してもよい。例えば、図１を例にして説明すると、事業者等が、３～６日後に基準検索クエリを利用者が入力するようなプロモーションを行うことを希望した場合、特定部４６は、検索クエリ＃３１を入力した後に検索クエリ＃１２を入力した利用者や、検索クエリ＃１１を入力した後に検索クエリ＃２３を入力した利用者、検索クエリ＃３３を入力した後に検索クエリ＃３９を入力した利用者を特定する。

また、特定部４６は、後述する補正部４７により関連度の補正処理が行われたモデル（例えば、図１に示すモデルＭ１）を用いて、所定の行動を行うと予測される利用者を特定し、特定した利用者に関する情報を所定の提供先に提供してもよい。

（補正部４７について）
補正部４７は、時間差情報が示す検索クエリが、所定の行動を行った後に利用者群に入力されたか否かに応じて関連度を補正する。例えば、図１の例において、「０、＋３」、「＋３、＋６」及び「＋６、＋９」の期間に入力された検索クエリを抽出し、抽出した検索クエリの関連度を低く補正する。

また、補正部４７は、時間差情報が示す検索クエリが、所定の行動を行った後に利用者群に入力された場合には、対応する関連度を低く補正し、時間差情報が示す検索クエリが、所定の行動を行う前に利用者群に入力された場合には、対応する関連度を高く補正してもよい。例えば、図１を例にして説明すると、補正部４７は、「０、＋３」、「＋３、＋６」及び「＋６、＋９」の期間に入力された検索クエリを低く補正（例えば、負の値に補正）するとともに、「－９、－６」、「－６、－３」及び「－３、０」の期間に入力された検索クエリを高く補正（例えば、正の値に補正）する。

また、補正部４７は、抽出部４５により抽出された検索クエリに対応する関連度を補正してもよい。例えば、抽出部４５が、関連度が所定の条件を満たす検索クエリと時間差が対応する検索クエリを抽出した場合、当該所定の条件に応じて抽出された検索クエリの関連度を補正する。

また、補正部４７は、抽出部４５により抽出された検索クエリに対応する関連度を高く補正してもよい。例えば、図１を例にして説明すると、抽出部４５が、関連度が正の値である検索クエリと同時期に他のグループの利用者が入力した検索クエリ＃２３及び＃３９を抽出した場合、補正部４７は、抽出された検索クエリ＃２３及び＃３９の関連度を高く補正する。

なお、抽出部４５が、関連度が所定の閾値以下である検索クエリ＃３９と同時期に他のグループの利用者が入力した検索クエリ＃１２及び＃２３を抽出した場合、補正部４７は、抽出された検索クエリ＃１２及び＃２３の関連度を低く補正してもよい。

〔３．生成処理のフロー〕
図４を用いて、実施形態に係る情報処理装置１０の生成処理の手順について説明する。図４は、実施形態に係る生成処理の手順の一例を示すフローチャートである。

図４に示すように、情報処理装置１０は、所定の行動を行った利用者群が入力した検索クエリの履歴を示す履歴情報を取得する（ステップＳ１０１）。続いて、情報処理装置１０は、履歴情報に基づいて、所定の行動と検索クエリとの関連度を算出する（ステップＳ１０２）。続いて、情報処理装置１０は、利用者群が所定の行動を行った時点と、利用者群が検索クエリを入力した時点との時間差を示す情報であって、関連度に応じた態様で検索クエリを示す情報である時間差情報を生成し（ステップＳ１０３）、処理を終了する。

〔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。

〔４－１．所定の行動について〕
上述の実施形態において、生成部４３が、基準検索クエリを入力した利用者群が入力した検索クエリの履歴を示す履歴情報に基づき、基準検索クエリを入力した時点と、他の検索クエリを入力した時点との時間差を示す時間差情報を生成する例を示したが、生成部４３の機能はこのような例に限定されない。例えば、生成部４３は、任意に設定された行動を行った利用者群の履歴情報に基づき、当該行動と、履歴情報が示す検索クエリとの関連性を示す情報を生成してもよい。また、生成部４３が生成処理に用いる履歴情報は、検索クエリの入力履歴に限定されず、利用者の各種コンテキスト（例えば、閲覧したコンテンツの履歴や、購買履歴、位置情報など）であってもよい。

〔４－２．期間の設定について〕
上述の実施形態において、生成部４３が、「－９、－６」の期間、「－６、－３」の期間といったように３日間と設定された期間ごとに、利用者群Ｇ１に含まれる各利用者が入力した検索クエリのカテゴリをルールベースで特定してグルーピングし、時間差情報Ｄ１を生成する例を示したが、生成部４３の機能はこのような例に限定されない。例えば、生成部４３は、任意に設定された期間（例えば、週単位、時間単位）ごとに、所定の行動を行った利用者群が入力した検索クエリのカテゴリをルールベースで特定してグルーピングし、時間差情報を生成してもよい。また、生成部４３は、長さが異なる期間ごとに、所定の行動を行った利用者群が入力した検索クエリのカテゴリをルールベースで特定してグルーピングし、時間差情報を生成してもよい。

〔４－３．所定の行動を行うと予測される利用者の特定について〕
上述の実施形態において、事業者等が、３～６日後に基準検索クエリを利用者が入力するようなプロモーションを行うことを希望した場合、特定部４６が、時間差情報Ｄ１が示す検索クエリのうち、「－６、－３」の期間において最も多く入力された検索クエリを入力した利用者を、３～６日後に基準検索クエリを入力すると予測される利用者として特定する例を示したが、特定部４６の機能はこのような例に限定されない。例えば、補正部４７は、時間差情報Ｄ１が示す検索クエリのうち、「－６、－３」以外の期間において入力された検索クエリの関連度を低く補正してもよい。そして、特定部４６は、補正部４７により関連度が補正されたモデルＭ１を用いて、３～６日後に基準検索クエリを入力すると予測される利用者を特定してもよい。

〔４－４．検索クエリの周期性について〕
上述の実施形態において、特定部４６が、所定の行動を行うと予測される利用者を特定し、特定した利用者に関する情報を事業者等に提供する例を示したが、特定部４６が提供する情報はこのような例に限定されない。例えば、所定の行動を行った利用者群が入力する検索クエリの周期性を特定し、特定した周期性に関する情報を提供してもよい。具体的な例を挙げて説明すると、特定部４６は、所定の行動を行った利用者群が、所定の期間ごとに入力する検索クエリや、関連度が所定の閾値以上である検索クエリが入力される周期性などを特定し、特定した情報を事業者等に提供してもよい。

〔４－５．処理態様について〕
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。

〔５．効果〕
上述してきたように、実施形態に係る情報処理装置１０は、取得部４１と、算出部４２と、生成部４３と、受付部４４と、抽出部４５と、特定部４６と、補正部４７とを有する。取得部４１は、所定の行動を行った利用者群が入力した検索クエリの履歴を示す履歴情報を取得する。また、取得部４１は、所定の検索クエリを入力した利用者群が入力した他の検索クエリの履歴を示す履歴情報を取得する。算出部４２は、取得部４１により取得された履歴情報に基づいて、所定の行動と検索クエリとの関連度を算出する。また、算出部４２は、取得部により取得された履歴情報に基づいて、所定の検索クエリと、他の検索クエリとの関連度を算出する。生成部４３は、利用者群が所定の行動を行った時点と、利用者群が検索クエリを入力した時点との時間差を示す情報であって、算出部４２により算出された関連度に応じた態様で検索クエリを示す情報である時間差情報を生成する。また、生成部４３は、利用者群が所定の検索クエリを入力した時点と、利用者群が他の検索クエリを入力した時点との時間差を示す情報であって、算出部４２により算出された関連度に応じた態様で他の検索クエリを示す情報である時間差情報を生成する。受付部４４は、利用者が所定の行動を行うまでの期間の指定を受け付ける。抽出部４５は、時間差情報が示す検索クエリのうち、時間差が受付部４４により受け付けられた期間に対応する検索クエリを抽出する。特定部４６は、抽出部４５により抽出された検索クエリを入力した利用者を、期間の経過後に所定の行動を行うと推定される利用者として特定する。補正部４７は、時間差情報が示す検索クエリが、所定の行動を行った後に利用者群に入力されたか否かに応じて関連度を補正する。また、補正部４７は、時間差情報が示す検索クエリが、所定の行動を行った後に利用者群に入力された場合には、対応する関連度を低く補正し、時間差情報が示す検索クエリが、所定の行動を行う前に利用者群に入力された場合には、対応する関連度を高く補正する。

これにより、実施形態に係る情報処理装置１０は、所定の行動と、所定の行動を行った利用者群が入力した検索クエリとの関連度を算出し、算出した関連度に応じた態様で検索クエリを示す時間差情報することができるため、所定の行動と、当該所定の行動を行った利用者が入力した検索クエリとの時間的な関係性を把握することができる。

また、実施形態に係る情報処理装置１０において、例えば、生成部４３は、利用者群が検索クエリを入力した時系列を示す時間差情報を生成する。また、生成部４３は、利用者群が検索クエリを入力する順番のパターンごとに時間差情報を生成する。

これにより、実施形態に係る情報処理装置１０は、利用者群が入力した検索クエリの時系列や、検索クエリの入力パターンを把握することができるため、所定の行動と、当該所定の行動を行った利用者が入力した検索クエリとの時間的な関係性を精度よく把握することができる。

また、実施形態に係る情報処理装置１０において、例えば、生成部４３は、検索クエリのうち、時間差の標準偏差が所定の閾値以下である検索クエリを示す時間差情報を生成する。

これにより、実施形態に係る情報処理装置１０は、所定の行動を行う時点までの時間差の分散が少ない検索クエリを示す情報を生成することができるため、生成する情報の精度を向上させることができる。

また、実施形態に係る情報処理装置１０において、例えば、抽出部４５は、時間差情報が示す検索クエリのうち、関連度が所定の条件を満たす検索クエリと時間差が対応する検索クエリを抽出する。そして、補正部４７は、抽出部４５により抽出された検索クエリに対応する関連度を補正する。また、抽出部４５は、時間差情報が示す検索クエリのうち、関連度が所定の閾値以上である検索クエリと時間差が対応する検索クエリを抽出する。そして、補正部４７は、抽出部４５により抽出された検索クエリに対応する関連度を高く補正する。

これにより、実施形態に係る情報処理装置１０は、関連度が所定の閾値以上である検索クエリと同時期に入力した検索クエリを抽出し、対応する関連度を補正することができるため、所定の行動と関連性を有すると想定される検索クエリを拡張できる。

〔６．ハードウェア構成〕
また、上述してきた各実施形態に係る情報処理装置１０は、例えば、図５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。以下、情報処理装置１０を例に挙げて説明する。図５は、情報処理装置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、ＣＰＵ１１００、ＲＡＭ１２００、ＲＯＭ１３００、ＨＤＤ１４００、通信インターフェイス（Ｉ／Ｆ）１５００、入出力インターフェイス（Ｉ／Ｆ）１６００、及びメディアインターフェイス（Ｉ／Ｆ）１７００を有する。

ＣＰＵ１１００は、ＲＯＭ１３００又は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記憶する。通信インターフェイス１５００は、通信網５００（実施形態のネットワークＮに対応する）を介して他の機器からデータを受信してＣＰＵ１１００へ送り、また、通信網５００を介してＣＰＵ１１００が生成したデータを他の機器へ送信する。

ＣＰＵ１１００は、入出力インターフェイス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、入出力インターフェイス１６００を介して、入力装置からデータを取得する。また、ＣＰＵ１１００は、入出力インターフェイス１６００を介して生成したデータを出力装置へ出力する。

メディアインターフェイス１７００は、記録媒体１８００に格納されたプログラム又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、メディアインターフェイス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が情報処理装置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を実行することにより、制御部４０の機能を実現する。また、ＨＤＤ１４００には、情報処理装置１０の記憶装置内の各データが格納される。コンピュータ１０００のＣＰＵ１１００は、これらのプログラムを記録媒体１８００から読み取って実行するが、他の例として、他の装置から所定の通信網を介してこれらのプログラムを取得してもよい。

〔７．その他〕
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、上述した情報処理装置１０は、機能によっては外部のプラットフォーム等をＡＰＩ（Application Programming Interface）やネットワークコンピューティングなどで呼び出して実現するなど、構成は柔軟に変更できる。

また、特許請求の範囲に記載した「部」は、「手段」や「回路」などに読み替えることができる。例えば、取得部は、取得手段や取得回路に読み替えることができる。

１０ 情報処理装置
２０ 通信部
３０ 記憶部
３１ 履歴情報データベース
４０ 制御部
４１ 取得部
４２ 算出部
４３ 生成部
４４ 受付部
４５ 抽出部
４６ 特定部
４７ 補正部
１００ 端末装置

Claims (11)

1. 所定の行動を行った利用者群が入力した検索クエリの履歴を示す履歴情報を取得する取得部と、
   前記取得部により取得された履歴情報に基づいて、前記所定の行動と、当該履歴情報が示す検索クエリとの関連度であって、当該検索クエリが入力された回数が多いほど高く算出される関連度を当該検索クエリごとに算出する算出部と、
   前記利用者群が前記所定の行動を行った時点を含む所定の期間を分割した複数の小期間ごとに、当該小期間において前記利用者群により最も多く入力された検索クエリを示すコンテンツであって、当該検索クエリのうち、前記算出部により算出された関連度が所定の閾値以上である検索クエリを他の検索クエリとは異なる態様で示したコンテンツを生成する生成部と
   を有することを特徴とする生成装置。
2. 前記生成部は、
   前記小期間の各々において前記利用者群により最も多く入力された検索クエリを、前記小期間の時系列の順で示す前記コンテンツを生成する
   ことを特徴とする請求項１に記載の生成装置。
3. 前記生成部は、
   前記利用者群が前記検索クエリを入力する順番のパターンごとに前記コンテンツを生成する
   ことを特徴とする請求項１または２に記載の生成装置。
4. 利用者が前記所定の行動を行うまでの期間の指定を受け付ける受付部と、
   前記コンテンツが示す検索クエリのうち、前記受付部により受け付けられた期間に対応する前記小期間において前記利用者群により最も多く入力された検索クエリを抽出する第１抽出部と、
   前記第１抽出部により抽出された検索クエリを入力した利用者を、前記期間の経過後に前記所定の行動を行うと推定される利用者として特定する特定部と
   をさらに有することを特徴とする請求項１から３のうちいずれか１つに記載の生成装置。
5. 前記コンテンツが示す検索クエリが、前記所定の行動を行った後に前記利用者群に入力されたか否かに応じて前記関連度を補正する第１補正部と
   をさらに有することを特徴とする請求項１から４のうちいずれか１つに記載の生成装置。
6. 前記第１補正部は、
   前記コンテンツが示す検索クエリが、前記所定の行動を行った後に前記利用者群に入力された場合には、対応する前記関連度を低く補正し、前記コンテンツが示す検索クエリが、前記所定の行動を行う前に前記利用者群に入力された場合には、対応する前記関連度を高く補正する
   ことを特徴とする請求項５に記載の生成装置。
7. 前記コンテンツが示す検索クエリのうち、前記関連度が所定の条件を満たす検索クエリと対応する前記小期間において前記利用者群により入力された検索クエリを抽出する第２抽出部と、
   前記第２抽出部により抽出された検索クエリに対応する前記関連度を補正する第２補正部と
   をさらに有することを特徴とする請求項１から６のうちいずれか１つに記載の生成装置。
8. 前記第２抽出部は、
   前記コンテンツが示す検索クエリのうち、前記関連度が所定の閾値以上である検索クエリと対応する前記小期間において前記利用者群により入力された検索クエリを抽出し、
   前記第２補正部は、
   前記第２抽出部により抽出された検索クエリに対応する前記関連度を高く補正する第２補正部と
   をさらに有することを特徴とする請求項７に記載の生成装置。
9. 前記取得部は、
   所定の検索クエリを入力した利用者群が入力した他の検索クエリの履歴を示す履歴情報を取得し、
   前記算出部は、
   前記取得部により取得された履歴情報に基づいて、前記所定の検索クエリと、当該履歴情報が示す他の検索クエリとの関連度であって、当該他の検索クエリが入力された回数が多いほど高く算出される関連度を当該他の検索クエリごとに算出し、
   前記生成部は、
   前記利用者群が前記所定の検索クエリを入力した時点を含む所定の期間を分割した複数の小期間ごとに、当該小期間において前記利用者群により最も多く入力された前記他の検索クエリを示すコンテンツであって、前記他の検索クエリのうち、前記算出部により算出された関連度が所定の閾値以上である検索クエリを当該検索クエリ以外の検索クエリとは異なる態様で示したコンテンツを生成する
   ことを特徴とする請求項１から８のうちいずれか１つに記載の生成装置。
10. コンピュータが実行する生成方法であって、
    所定の行動を行った利用者群が入力した検索クエリの履歴を示す履歴情報を取得する取得工程と、
    前記取得工程により取得された履歴情報に基づいて、前記所定の行動と、当該履歴情報が示す検索クエリとの関連度であって、当該検索クエリが入力された回数が多いほど高く算出される関連度を当該検索クエリごとに算出する算出工程と、
    前記利用者群が前記所定の行動を行った時点を含む所定の期間を分割した複数の小期間ごとに、当該小期間において前記利用者群により最も多く入力された検索クエリを示すコンテンツであって、当該検索クエリのうち、前記算出工程により算出された関連度が所定の閾値以上である検索クエリを他の検索クエリとは異なる態様で示したコンテンツを生成する生成工程と
    を含むことを特徴とする生成方法。
11. 所定の行動を行った利用者群が入力した検索クエリの履歴を示す履歴情報を取得する取得手順と、
    前記取得手順により取得された履歴情報に基づいて、前記所定の行動と、当該履歴情報が示す検索クエリとの関連度であって、当該検索クエリが入力された回数が多いほど高く算出される関連度を当該検索クエリごとに算出する算出手順と、
    前記利用者群が前記所定の行動を行った時点を含む所定の期間を分割した複数の小期間ごとに、当該小期間において前記利用者群により最も多く入力された検索クエリを示すコンテンツであって、当該検索クエリのうち、前記算出手順により算出された関連度が所定の閾値以上である検索クエリを他の検索クエリとは異なる態様で示したコンテンツを生成する生成手順と
    をコンピュータに実行させるための生成プログラム。

Images