JP7071940B2 - 提供装置、提供方法および提供プログラム - Google Patents

Description

本発明は、提供装置、提供方法および提供プログラムに関する。

従来、種々の需要を予測する技術が提供されている。例えば、利用者が入力した経路検索の履歴を用いて、利用者の生活圏を推定し、推定した生活圏に関する広告コンテンツを提供する技術が知られている。

特開２０１４－６３４０８号公報

しかしながら、上述した従来技術では、利用者の興味を引く情報を提供しているとは言えない場合がある。

例えば、上述した従来技術では、過去の情報に基づいた生活圏に関する広告コンテンツを提供しているに過ぎないため、利用者にとって既知の情報を提供してしまう恐れがある。

本願は、上記に鑑みてなされたものであって、利用者にとってより強く興味を引く情報を提供することを目的とする。

本願に係る提供装置は、利用者の属性を示す属性情報と当該利用者の過去の所在位置を示す位置情報とに基づいて、前記利用者による行動の目的を推定する推定部と、前記推定部により推定された目的に基づいて、前記利用者による将来の行動を予測する予測部と、前記予測部により予測された将来の行動と対応する情報を前記利用者に提供する提供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、利用者にとってより強く興味を引く情報を提供することができるという効果を奏する。

図１は、実施形態に係る提供処理の一例を示す図である。 図２は、実施形態に係る提供システムの構成例を示す図である。 図３は、実施形態に係る端末装置の構成例を示す図である。 図４は、実施形態に係る提供装置の構成例を示す図である。 図５は、実施形態に係る位置情報記憶部の一例を示す図である。 図６は、実施形態に係る属性情報記憶部の一例を示す図である。 図７は、実施形態に係る目的情報記憶部の一例を示す図である。 図８は、実施形態に係る行動情報記憶部の一例を示す図である。 図９は、実施形態に係る提供処理の一例を示すフローチャートである。 図１０は、提供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、本願に係る提供装置、提供方法および提供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、この実施形態により本願に係る提供装置、提供方法および提供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。

（実施形態）
〔１．情報処理の一例〕
まず、図１を用いて、実施形態に係る情報処理の一例について説明する。図１は、実施形態に係る情報処理の一例を示す図である。図１では、実施形態に係る情報処理が提供装置１００により実行される例を示す。

図１では、利用者の属性と過去の位置情報との組み合わせから、所定の位置に移動したコンテキスト（目的等）を特定し、特定したコンテキストから、利用者の将来の行動を予測し、予測した行動に応じた情報を提供する場合を示す。例えば、提供装置１００は、利用者１の将来の行動を予測し、情報を提供する。以下、図１を用いて、実施形態に係る提供処理の一例を説明する。なお、実施形態に係るコンテキストとは、利用者の移動の目的を推定できるものであれば、どのようなものであってもよい。

提供装置１００は、利用者の属性を示す属性情報と、利用者の過去の所在位置を示す位置情報とを収集する（ステップＳ１０１）。提供装置１００は、複数の利用者の属性情報と位置情報とを収集する。また、提供装置１００は、利用者１の属性情報と位置情報とを収集する（ステップＳ１０２）。ここで、利用者１は、ステップＳ１０１における収集の対象となる複数の利用者の一人であってもよい。なお、ステップＳ１０２は、ステップＳ１０１のタイミングで行われてもよい。

図１では、提供装置１００は、例えば、利用者＃１の位置情報を示す位置情報＃１、利用者＃２の位置情報を示す位置情報＃２、利用者＃３の位置情報を示す位置情報＃３を収集する。図１の例では、収集される位置情報を「位置情報＃１」のような概念で示しているが、実際には、提供装置１００は、位置情報のコンテンツデータを収集する。例えば、提供装置１００は、経度や緯度により示される位置情報を収集する。例えば、提供装置１００は、所在地など（例えば市区町村等、公的機関により指定された住所）の位置情報を収集する。例えば、提供装置１００は、「神奈川県川崎市川崎１－２－ＡＡ」といった所在地の位置情報を収集する。また、収集される位置情報＃１には利用者が訪問した時間（日時や時刻や時間帯など）に関する情報が含まれてもよい。この場合、提供装置１００は、「神奈川県川崎市川崎１－２－ＡＡ」を「２０１９年２月２２日１７時１６分３０秒」に「訪問した」といったコンテンツデータを収集する。

また、図１の例では、提供装置１００は、例えば、利用者＃１の属性情報を示す属性情報＃１、利用者＃２の位置情報を示す位置情報＃２、利用者＃３の位置情報を示す位置情報＃３を収集する。図１の例では、収集される属性情報を「属性情報＃１」のような概念で示しているが、実際には、提供装置１００は、属性情報のコンテンツデータを収集する。例えば、提供装置１００は、利用者により予め設定された属性情報を収集する。例えば、提供装置１００は、「アイドルＢＢのファン」といった情報を収集する。

提供装置１００は、収集した位置情報から、同時刻に同一の場所を訪問した利用者を特定する（ステップＳ１０３）。図１では、提供装置１００が、位置情報＃１と位置情報＃３とから、利用者＃１と利用者＃３とを特定する場合を示す。言い替えると、提供装置１００は、位置情報＃１と位置情報＃３とから、利用者＃１と利用者＃３とが同時刻に同一の場所を訪問したことを特定する。ここで、同時刻とは、予め定められた所定の範囲内に収まる時刻であってもよい。例えば、提供装置１００は、２０１９年２月２２日１７時００分に訪問した利用者と、２０１９年２月２２日１８時００分に訪問した利用者とを同時刻に訪問した利用者として特定してもよい。また、利用者が訪問した場所とは、予め定められた場所から所定の範囲内に収まる場所であってもよい。例えば、提供装置１００は、予め定められた場所から半径１００メートル以内の場所を訪問した利用者を、同一の場所を訪問した利用者として特定してもよい。

提供装置１００は、特定した利用者の属性情報の共通性から、利用者が所定の場所に訪問した目的を推定する（ステップＳ１０４）。図１では、提供装置１００が、利用者と関連があるイベントを示すイベント＃Ａを特定し、イベント＃Ａと関連性が高い事象を推定する場合を示す。なお、図１の例では、特定されるイベントを「イベント＃Ａ」のような概念で示しているが、実際には、提供装置１００は、コンテンツデータを特定する。例えば、提供装置１００は、「アイドルＢＢのライブ」といったコンテンツデータを特定する。

なお、提供装置１００は、利用者がなぜその移動を行ったのかを移動のコンテキストとして推定してもよい。提供装置１００は、利用者がなぜ所定の場所に訪問したのかを移動のコンテキストとして推定してもよい。例えば、提供装置１００は、利用者がなぜ「アイドルＢＢのライブ」に参加したのかを移動のコンテキストとして推定してもよい。また、提供装置１００は、ドライブやバスに乗車することなど移動そのものを移動のコンテキストとして推定してもよい。

図１では、提供装置１００が、属性情報＃１と属性情報＃３と属性情報＃５とからイベント＃Ａを特定し、イベント＃Ａと関連性が高い事象を推定する場合を示す。言い替えると、提供装置１００は、属性情報＃１と属性情報＃３と属性情報＃５とから、利用者＃１と利用者＃３と利用者＃５は、イベント＃Ａと関連性が高い事象に興味があることを推定する。

例えば、提供装置１００は、過去の位置情報が示す位置（例えば「新宿」）と、利用者の属性とから、利用者が所定の場所に訪問した目的として「アイドルＢＢのライブ」を特定する。より具体的には、提供装置１００は、利用者が「新宿」に訪問した際と同時期に「新宿」に訪問した他の利用者を特定し、特定した他の利用者の属性情報の共通性として「アイドルＢＢ」を特定し、利用者が「新宿」に訪問した際と同時期に行われた事象の中から特定した「アイドルＢＢ」と関連する「アイドルＢＢのライブ」を特定する。

提供装置１００は、推定した目的に基づいて、利用者の将来の行動を予測する（ステップＳ１０５）。提供装置１００は、将来発生するイベント（事象）の中から、「アイドルＢＢのライブ」と関連性が高い事象を特定する。図１では、提供装置１００が、利用者＃１の将来の行動と関連があるイベントを示す参加予測イベント＃Ａを特定する場合を示す。具体的には、提供装置１００は、イベント＃Ａとイベント＃Ｂとから利用者＃１が将来参加すると予測される参加予測イベント＃Ａを特定する。例えば、提供装置１００は、イベント＃Ａとイベント＃Ｂとに参加したアイドルの名称に基づいて、参加予測イベント＃Ａを特定する。すなわち、提供装置１００は、将来発生する事象のうち、利用者の属性から、利用者と関連性が高い事象を特定し、特定した事象への参加を利用者の将来の行動とする。

提供装置１００は、予測した行動に基づいて、利用者に提供する情報を決定する（ステップＳ１０６）。図１では、提供装置１００が、参加予測イベント＃Ａから、乗換案内情報やホテル情報や取引対象情報などを決定する場合を示す。なお、乗換案内情報は、例えば路線やバスやタクシーや飛行機に限らず、どのような移動体の乗換案内情報であってもよい。また、提供装置１００が利用者に提供する情報は、図１に示す例に限らずどのようなものであってもよい。そして、提供装置１００は、決定した情報を利用者に提供する（ステップＳ１０７）。図１の例では、提供装置１００は、決定した情報を利用者１に提供する。言い替えると、提供装置１００は、決定した情報を利用者１が利用する情報処理装置に送信する。

例えば、提供装置１００は、特定した利用者の将来の行動と関連する広告を提供する。具体的な例を挙げると、将来「仙台」で「アイドルＢＢが参加するイベント」が存在し、かつ、利用者がそのイベントに参加する可能性が高い場合には、提供装置１００は、「仙台」で「アイドルＢＢが参加するイベント」に「参加する」という行動を予測し、仙台のホテルの情報等を提供する。また、提供装置１００は、通販などで、仙台で行われるアイドルＢＢが参加するイベントのイベントグッズや、仙台まで移動するためのキャリーケース等を提案してもよい。

なお、提供装置１００は、モデルを用いて利用者の将来の行動を予測してもよい。例えば、提供装置１００は、利用者の位置情報と、属性情報と、コンテキストを推定した情報から将来の行動との間の関係性を学習したモデルを生成してもよい。例えば、提供装置１００は、利用者の位置情報と、属性情報と、コンテキストを推定した情報から予測した将来の行動とを取得し、実際の利用者の行動と予測した将来の行動とが一致するか否かを判定する。提供装置１００は、実際の利用者の行動と予測した将来の行動とが一致するかを示す指標値を出力するよう、コンピュータを機能させるためのモデルを生成する。また、提供装置１００は、モデルに対して、位置情報と、属性情報と、事象の情報とを入力した場合に、実際の行動と一致した将来の行動を出力するように、モデルの学習を行う。例えば、提供装置１００は、実際の利用者の行動と予測した将来の行動とが一致するかを示す指標値のビットが「１」になるように、モデルの学習を行う。

また、提供装置１００は、複数の利用者が共に行う将来の行動を予測してもよい。提供装置１００は、コンテキストの推定に基づいて、行動を共にする複数の利用者を特定し、特定した複数の利用者が共に行う将来の行動を予測してもよい。例えば、提供装置１００は、コンテキストを推定した結果、定期的に複数で同じ場所に訪問していた場合には、複数の利用者で訪問できる事象を推定してもよい。また、提供装置１００は、利用者の購買履歴や検索履歴に基づいて、例えば「指輪を買った」というように複数での行動を行う点が予測される場合には、複数の利用者で移動できるものを提案してもよい。

なお、実施形態に係る位置情報は、利用者が利用する情報処理装置から取得された位置情報であってもよい。例えば、実施形態に係る位置情報は、ＧＰＳ（Global Positioning System）やアプリ（例えば、乗換案内）を介して取得された位置情報であってもよい。また、例えば、実施形態に係る位置情報は、所定の情報に基づいて推定された位置情報であってもよい。例えば、実施形態に係る位置情報は、利用者が入力した検索クエリに基づいて推定された位置情報であってもよい。例えば、実施形態に係る位置情報は、利用者が購入した購買履歴に基づいて推定された位置情報であってもよい。

なお、上記実施形態では、利用者がアイドルのファンである場合の例を用いて、実施形態に係る情報処理について説明したが、利用者が所定の場所に訪問した目的を推定できる事象であればどのようなものであってもよい。例えば、提供装置１００は、「サッカーチームＣＣの試合観戦」を推定し、「サッカーチームＣＣが次に試合するスタジアム」に利用者が参加すると予測して、利用者に提供する情報を決定してもよい。具体的には、提供装置１００は、位置情報から、同時刻に同一の場所（例えば、「スタジアム」）を訪問した利用者を特定し、特定した利用者の属性情報の共通性（例えば、「サッカー観戦が趣味」、「サッカーチームＣＣのファン」）から、利用者が所定の場所を訪問した目的（例えば、「サッカーチームＣＣの試合観戦」）を推定し、推定した目的に基づいて、利用者の将来の行動（例えば、「サッカーチームＣＣが次に試合するスタジアムに利用者が参加する」）を予測してもよい。

〔情報処理システムの構成〕
図２に示す提供システム１について説明する。図２に示すように、提供システム１は、端末装置１０と、提供装置１００とが含まれる。端末装置１０と、提供装置１００とは所定の通信網（ネットワークＮ）を介して、有線または無線により通信可能に接続される。図２は、実施形態に係る提供システムの構成例を示す図である。なお、図２に示した提供システム１には、複数台の端末装置１０や、複数台の提供装置１００が含まれてもよい。

端末装置１０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１０は、実施形態における処理を実現可能であれば、どのような装置であってもよい。また、端末装置１０は、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）等の装置であってもよい。また、端末装置１０は、ＧＰＳセンサ等に限らず種々のセンサにより、各種センサ情報を検知してもよい。

提供装置１００は、利用者の位置情報と属性とから予測した行動に基づいて、利用者に提供する情報を決定するために用いられる。提供装置１００は、例えば、ＰＣ、ＷＳ（Work Station）等の情報処理装置であり、端末装置１０からネットワークＮを介して送信されてきた情報に基づいて処理を行う。

〔２．端末装置の構成〕
次に、図３を用いて、実施形態に係る端末装置１０の構成について説明する。図３は、実施形態に係る端末装置１０の構成例を示す図である。図３に示すように、端末装置１０は、通信部１１と、入力部１２と、出力部１３と、制御部１４とを有する。

（通信部１１）
通信部１１は、例えば、ＮＩＣ（Network Interface Card）等によって実現される。そして、通信部１１は、所定のネットワークＮと有線又は無線で接続され、所定のネットワークＮを介して、提供装置１００との間で情報の送受信を行う。

（入力部１２）
入力部１２は、利用者からの各種操作を受け付ける。例えば、入力部１２は、タッチパネル機能により表示面を介して利用者からの各種操作を受け付けてもよい。また、入力部１２は、端末装置１０に設けられたボタンや、端末装置１０に接続されたキーボードやマウスからの各種操作を受け付けてもよい。

（出力部１３）
出力部１３は、例えば液晶ディスプレイや有機ＥＬ（Electro-Luminescence）ディスプレイ等によって実現されるタブレット端末等の表示画面であり、各種情報を表示するための表示装置である。また、出力部１３は、提供装置１００から送信された情報を出力する。例えば、出力部１３は、利用者の将来の行動に応じた情報を出力する。

（制御部１４）
制御部１４は、例えば、コントローラ（controller）であり、ＣＰＵ（Central Processing Unit）やＭＰＵ（Micro Processing Unit）等によって、端末装置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（Random Access Memory)を作業領域として実行されることにより実現される。例えば、この各種プログラムには、端末装置１０にインストールされたアプリケーションのプログラムが含まれる。例えば、この各種プログラムには、提供装置１００から送信された情報を表示するアプリケーションのプログラムが含まれる。また、制御部１４は、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。

図３に示すように、制御部１４は、送信部１４１と、受信部１４２とを有し、以下に説明する情報処理の作用を実現または実行する。

（送信部１４１）
送信部１４１は、外部の情報処理装置へ各種情報を提供する。送信部１４１は、外部の情報処理装置へ各種情報を送信する。例えば、送信部１４１は、提供装置１００等の他の情報処理装置へ各種情報を送信する。送信部１４１は、所定の記憶部に記憶された情報を送信する。例えば、送信部１４１は、利用者の属性情報と位置情報とを送信する。

（受信部１４２）
受信部１４２は、各種情報を受信する。受信部１４２は、外部の情報処理装置から各種情報を受信する。受信部１４２は、提供装置１００等の他の情報処理装置から各種情報を受信する。例えば、受信部１４２は、利用者の将来の行動に応じた情報を受信する。

〔３．提供装置の構成〕
次に、図４を用いて、実施形態に係る提供装置１００の構成について説明する。図４は、実施形態に係る提供装置１００の構成例を示す図である。図４に示すように、提供装置１００は、通信部１１０と、記憶部１２０と、制御部１３０とを有する。なお、提供装置１００は、提供装置１００の管理者から各種操作を受け付ける入力部（例えば、キーボードやマウス等）や、各種情報を表示するための表示部（例えば、液晶ディスプレイ等）を有してもよい。

（通信部１１０）
通信部１１０は、例えば、ＮＩＣ等によって実現される。そして、通信部１１０は、ネットワークＮと有線又は無線で接続され、ネットワークＮを介して、端末装置１０との間で情報の送受信を行う。

（記憶部１２０）
記憶部１２０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。図４に示すように、記憶部１２０は、位置情報記憶部１２１と、属性情報記憶部１２２と、目的情報記憶部１２３と、行動情報記憶部１２４とを有する。

位置情報記憶部１２１は、利用者の過去の位置情報を記憶する。位置情報記憶部１２１は、利用者が移動した所定の位置の情報を記憶する。位置情報記憶部１２１は、利用者が訪問した所定の場所の位置情報を記憶する。ここで、図５に、実施形態に係る位置情報記憶部１２１の一例を示す。図５に示すように、位置情報記憶部１２１は、「利用者ＩＤ」、「位置ＩＤ」、「位置情報」といった項目を有する。また、「位置情報」は、「位置」や「時刻」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。「位置ＩＤ」は、利用者の位置情報を識別するための識別情報を示す。「位置情報」は、利用者が訪問した所定の場所の位置情報を示す。「位置」は、利用者が訪問した所定の場所の位置を示す。図５に示す例では、「位置」に「位置＃１１」や「位置＃１２」といった概念的な情報が格納される例を示したが、実際には、所定の場所が位置する所在地などの位置情報が格納される。例えば、「位置」には、「神奈川県川崎市川崎１－２－ＡＡ」といった情報が記憶される。「時刻」は、利用者が所定の場所を訪問した時刻を示す。「時刻」は、利用者が所定の位置に移動した時刻を示す。図５に示す例では、「時刻」に「時刻＃１１」や「時刻＃１２」といった概念的な情報が格納される例を示したが、実際には、時刻を示すコンテンツデータが格納される。例えば、「時刻」には、「２０１９年２月２２日１７時１６分３０秒」といった情報が記憶される。

属性情報記憶部１２２は、利用者の属性情報を記憶する。属性情報記憶部１２２は、利用者の趣味や興味や関心などの情報を記憶する。ここで、図６に、実施形態に係る属性情報記憶部１２２の一例を示す。図６に示すように、属性情報記憶部１２２は、「利用者ＩＤ」、「属性ＩＤ」、「属性情報」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。「属性ＩＤ」は、利用者の属性情報を識別するための識別情報を示す。「属性情報」は、利用者の属性情報を示す。図６に示す例では、「属性情報」に「属性＃１１」や「属性＃１２」といった概念的な情報が格納される例を示したが、実際には、コンテンツデータが格納される。例えば、「属性情報」には、「男性」、「３０歳」、「アイドルＢＢのファン」、「サッカー観戦が趣味」といった情報が記憶される。

目的情報記憶部１２３は、利用者による行動の目的に関する情報を記憶する。目的情報記憶部１２３は、利用者が所定の位置に移動した目的に関する情報を記憶する。目的情報記憶部１２３は、利用者が所定の場所に訪問した目的に関する情報を記憶する。ここで、図７に、実施形態に係る位置情報記憶部１２１の一例を示す。図７に示すように、目的情報記憶部１２３は、「目的ＩＤ」、「利用者ＩＤ」、「共通属性」、「目的」といった項目を有する。

「目的ＩＤ」は、利用者による行動の目的を識別するための識別情報を示す。「利用者ＩＤ」は、利用者を識別するための識別情報を示す。「共通属性」は、利用者に共通する属性情報を示す。「共通属性」は、「目的ＩＤ」に対応する「利用者ＩＤ」により識別される利用者に共通する属性情報を示す。図７に示す例では、「共通属性」に「属性＃１１１」や「属性＃３４５」といった概念的な情報が格納される例を示したが、実際には、コンテンツデータが格納される。例えば、「共通属性」には、「アイドルＢＢのファン」といった情報が記憶される。「目的」は、利用者による行動の目的を示す。「目的」は、「目的ＩＤ」に対応する「共通属性」に基づいて推定された行動の目的を示す。

行動情報記憶部１２４は、利用者の将来の行動に関する情報を記憶する。行動情報記憶部１２４は、利用者と関連性が所定の条件を満たす事象に対する行動に関する情報を記憶する。ここで、図８に、実施形態に係る行動情報記憶部１２４の一例を示す。図８に示すように、行動情報記憶部１２４は、「行動ＩＤ」、「利用者ＩＤ」、「目的ＩＤ」、「目的」、「行動」といった項目を有する。

「行動ＩＤ」は、利用者による将来の行動を識別するための識別情報を示す。「利用者ＩＤ」は、利用者を識別するための識別情報を示す。「目的ＩＤ」は、利用者による行動の目的を識別するための識別情報を示す。「目的」は、利用者による行動の目的を示す。「目的」は、「目的ＩＤ」により識別される目的を示す。「行動」は、利用者による将来の行動を示す。「行動」は、「行動ＩＤ」に対応する「目的ＩＤ」により識別される目的に基づいて予測された将来の行動を示す。図８に示す例では、行動ＩＤ「Ｂ１」に対応する目的ＩＤ「Ｏ１」や目的ＩＤ「Ｏ３」により識別される目的「アイドルＢＢのライブ」と目的「アイドルＢＢの物販」とに基づいて、利用者ＩＤ「Ｕ１」により識別される利用者が「アイドルＢＢが来月参加するイベントに参加する」を予測することを示す。

（制御部１３０）
制御部１３０は、コントローラであり、例えば、ＣＰＵやＭＰＵ等によって、提供装置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１３０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る。

図４に示すように、制御部１３０は、取得部１３１と、特定部１３２と、推定部１３３と、予測部１３４と、生成部１３５と、決定部１３６と、提供部１３７とを有し、以下に説明する情報処理の作用を実現または実行する。なお、制御部１３０の内部構成は、図４に示した構成に限られず、後述する情報処理を行う構成であれば他の構成であってもよい。

（取得部１３１）
取得部１３１は、各種情報を取得する。取得部１３１は、外部の情報処理装置から各種情報を取得する。取得部１３１は、端末装置１０等の他の情報処理装置から各種情報を取得する。

取得部１３１は、記憶部１２０から各種情報を取得する。取得部１３１は、位置情報記憶部１２１や属性情報記憶部１２２や目的情報記憶部１２３や行動情報記憶部１２４から各種情報を取得する。

取得部１３１は、取得した各種情報を記憶部１２０に格納する。取得部１３１は、位置情報記憶部１２１や属性情報記憶部１２２や目的情報記憶部１２３や行動情報記憶部１２４に各種情報を格納する。

取得部１３１は、他の機能構成により特定、推定、予測、生成、決定された各種情報を取得する。

取得部１３１は、利用者の位置情報を取得する。取得部１３１は、利用者の過去の所在位置を示す位置情報を取得する。取得部１３１は、ＧＰＳに基づいて検出された位置情報を取得する。取得部１３１は、所定のアプリを介して検出された位置情報を取得する。図１に示す例では、取得部１３１は、利用者＃１の位置情報として、位置情報＃１を取得する。例えば、取得部１３１は、「神奈川県川崎市川崎１－２－ＡＡ」を「２０１９年２月２２日１７時１６分３０秒」に「訪問した」といったコンテンツデータを取得する。

取得部１３１は、利用者の属性情報を取得する。取得部１３１は、利用者の属性を示す属性情報を取得する。取得部１３１は、利用者の年齢や性別や趣味や興味や関心などを示す属性情報を取得する。図１に示す例では、取得部１３１は、利用者＃１の属性情報として、属性情報＃１を取得する。例えば、取得部１３１は、「アイドルＢＢのファン」といったコンテンツデータを取得する。

取得部１３１は、利用者の検索履歴を取得する。取得部１３１は、利用者が入力した検索クエリに関する情報を取得する。取得部１３１は、ＳＮＳ（Social Networking System）上で利用者が入力したタグ情報や「日付」や「地名」などの特定ワード（キーワード）を取得する。取得部１３１は、利用者の検索履歴に基づいて推定された位置情報を取得する。取得部１３１は、利用者の検索履歴に基づいて推定された属性情報を取得する。

取得部１３１は、利用者の購買履歴を取得する。取得部１３１は、利用者が購入した購買履歴に関する情報を取得する。取得部１３１は、利用者が購入した際の「何時」や「何処」や「取引対象」などを含む決済情報を取得する。例えば、取得部１３１は、「アイドルＢＢのグッズ」を「イベント会場」で「２０１９年２月２２日」に「購入した」といった情報を取得する。取得部１３１は、利用者の検索履歴に基づいて推定された位置情報を取得する。取得部１３１は、利用者の検索履歴に基づいて推定された属性情報を取得する。

（特定部１３２）
特定部１３２は、各種情報を特定する。例えば、特定部１３２は、外部の情報処理装置からの情報や記憶部１２０に記憶された情報に基づいて、各種情報を特定する。特定部１３２は、端末装置１０等の他の情報処理装置からの情報に基づいて、各種情報を特定する。特定部１３２は、位置情報記憶部１２１や属性情報記憶部１２２や目的情報記憶部１２３や行動情報記憶部１２４に記憶された情報に基づいて、各種情報を特定する。

特定部１３２は、特定した各種情報を記憶部１２０に格納する。特定部１３２は、位置情報記憶部１２１や属性情報記憶部１２２や目的情報記憶部１２３や行動情報記憶部１２４に各種情報を格納する。

特定部１３２は、他の機能構成により取得、推定、予測、生成、決定された各種情報に基づいて、各種情報を特定する。

特定部１３２は、位置情報に基づいて利用者を特定する。特定部１３２は、所定の場所を訪問した利用者を特定する。特定部１３２は、所定の時期に所定の場所を訪問した利用者を特定する。特定部１３２は、同時刻に所定の場所を訪問した利用者を特定する。例えば、特定部１３２は、利用者が「新宿」に訪問した際と同時期に「新宿」に訪問した他の利用者を特定する。また、特定部１３２は、利用者が定期的に訪問する場所を特定する。特定部１３２は、日常的に所定の場所を訪問していない利用者を特定する。

特定部１３２は、複数の利用者を特定する。特定部１３２は、所定の時期に所定の場所を訪問した複数の利用者を特定する。特定部１３２は、行動を共にする複数の利用者を特定する。特定部１３２は、コンテキストの推定に基づいて、行動を共にする複数の利用者を特定する。

特定部１３２は、利用者の属性情報の共通性を特定する。特定部１３２は、特定した利用者の属性情報の共通性を特定する。特定部１３２は、所定の時期に所定の場所を訪問した利用者の属性情報の共通性を特定する。特定部１３２は、日常的に所定の場所を訪問していない利用者の属性情報の共通性を特定する。

例えば、特定部１３２は、特定した他の利用者の属性情報の共通性として「アイドルＢＢ」を特定する。また、特定部１３２は、利用者の属性情報の共通性と関連する事象を特定する。例えば、特定部１３２は、利用者が「新宿」に訪問した際と同時期に行われた事象の中から特定した「アイドルＢＢ」と関連する「アイドルＢＢのライブ」を特定する。

例えば、特定部１３２は、利用者の属性情報から共通性が所定の条件を満たす属性情報を特定する。例えば、特定部１３２は、利用者の属性情報から共通性が所定の閾値を超える属性情報を特定する。

特定部１３２は、利用者と関連性が高い事象を特定する。特定部１３２は、利用者の属性に基づいて、利用者と関連性が高い事象を特定する。特定部１３２は、利用者の将来の行動と関連がある事象を特定する。例えば、特定部１３２は、利用者が将来参加すると予測される事象を特定する。

（推定部１３３）
推定部１３３は、各種情報を推定する。例えば、推定部１３３は、外部の情報処理装置からの情報や記憶部１２０に記憶された情報に基づいて、各種情報を推定する。推定部１３３は、端末装置１０等の他の情報処理装置からの情報に基づいて、各種情報を推定する。推定部１３３は、位置情報記憶部１２１や属性情報記憶部１２２や目的情報記憶部１２３や行動情報記憶部１２４に記憶された情報に基づいて、各種情報を推定する。

推定部１３３は、推定した各種情報を記憶部１２０に格納する。推定部１３３は、位置情報記憶部１２１や属性情報記憶部１２２や目的情報記憶部１２３や行動情報記憶部１２４に各種情報を格納する。

推定部１３３は、他の機能構成により取得、特定、予測、生成、決定された各種情報に基づいて、各種情報を推定する。

推定部１３３は、利用者による行動の目的を推定する。推定部１３３は、利用者の属性情報と利用者の位置情報とに基づいて、利用者による行動の目的を推定する。推定部１３３は、所定の位置に移動した利用者の目的を推定する。推定部１３３は、利用者が所定の場所に訪問した目的を推定する。

推定部１３３は、利用者がなぜその移動を行ったのかを移動のコンテキストとして推定する。推定部１３３は、利用者がなぜ所定の場所に訪問したのかを移動のコンテキストとして推定する。推定部１３３は、移動そのものを移動のコンテキストとして推定する。

推定部１３３は、利用者の属性情報の共通性に基づいて、利用者による訪問の目的を推定する。例えば、推定部１３３は、位置情報に基づいて所定の時期に所定の場所を訪問した複数の利用者を特定し、特定した利用者の属性情報の共通性に基づいて、特定した利用者による訪問の目的を推定する。この場合、推定部１３３は、特定した利用者のうち日常的に所定の場所を訪問していない利用者の属性情報の共通性に基づいて、利用者による訪問の目的を推定してもよい。

推定部１３３は、所定の時期に所定の場所で生じた事象のうち、所定の条件を満たす事象を、利用者による訪問の目的として推定する。例えば、推定部１３３は、所定の時期に所定の場所で生じた事象のうち、特定した属性情報との関連性が所定の閾値を超える事象を、利用者による訪問の目的として推定する。

推定部１３３は、利用者の属性に基づいて、特定した場所に訪問する際の利用者の目的を推定する。例えば、推定部１３３は、利用者の位置情報から利用者が定期的に訪問する場所を特定し、利用者の属性に基づいて、特定した場所に訪問する際の利用者の目的を推定する。

推定部１３３は、利用者が入力した検索クエリに基づいた利用者の属性に基づいて、特定した場所に訪問する際の利用者の目的を推定する。

推定部１３３は、利用者と行動を共にする利用者の有無を推定する。例えば、推定部１３３は、利用者の購買履歴に基づいて、利用者と行動を共にする利用者の有無を推定する。

（予測部１３４）
予測部１３４は、各種情報を予測する。例えば、予測部１３４は、外部の情報処理装置からの情報や記憶部１２０に記憶された情報に基づいて、各種情報を予測する。予測部１３４は、端末装置１０等の他の情報処理装置からの情報に基づいて、各種情報を予測する。予測部１３４は、位置情報記憶部１２１や属性情報記憶部１２２や目的情報記憶部１２３や行動情報記憶部１２４に記憶された情報に基づいて、各種情報を予測する。

予測部１３４は、予測した各種情報を記憶部１２０に格納する。予測部１３４は、位置情報記憶部１２１や属性情報記憶部１２２や目的情報記憶部１２３や行動情報記憶部１２４に各種情報を格納する。

予測部１３４は、他の機能構成により取得、特定、推定、生成、決定された各種情報に基づいて、各種情報を予測する。

予測部１３４は、利用者による将来の行動を予測する。予測部１３４は、利用者による行動の目的に基づいて、利用者による将来の行動を予測する。予測部１３４は、利用者の属性情報と位置情報とに基づいて推定された利用者による行動の目的に基づいて、利用者による将来の行動を予測する。

予測部１３４は、利用者による行動の目的との関連性が所定の条件を満たす事象を、利用者が参加する事象として予測する。例えば、予測部１３４は、利用者による行動の目的との関連性が所定の閾値を超える事象を、利用者が参加する事象として予測する。

予測部１３４は、複数の利用者が共に行う将来の行動を予測する。予測部１３４は、コンテキストの推定により特定された複数の利用者が共に行う将来の行動を予測する。予測部１３４は、位置情報と、利用者による行動の目的との共通性に基づいて特定された複数の利用者が共に行う将来の行動を予測する。

予測部１３４は、利用者の購買履歴に基づいて特定された利用者が行う将来の行動を予測する。予測部１３４は、利用者の購買履歴に基づいて推定された推定結果に基づいて、利用者が行う将来の行動を予測する。予測部１３４は、利用者の購買履歴に基づいて、利用者と行動を共にする利用者の有無に基づいて、利用者が行う将来の行動を予測する。予測部１３４は、利用者の検索履歴に基づいて特定された利用者が行う将来の行動を予測する。予測部１３４は、利用者の検索履歴に基づいて推定された推定結果に基づいて、利用者が行う将来の行動を予測する。予測部１３４は、利用者の検索履歴に基づいて、利用者と行動を共にする利用者の有無に基づいて、利用者が行う将来の行動を予測する。

予測部１３４は、モデルに基づいて利用者の将来の行動を予測する。予測部１３４は、利用者の位置情報と、属性情報と、将来の行動との間の関係性を学習したモデルに基づいて利用者の将来の行動を予測する。予測部１３４は、利用者の位置情報と、属性情報と、コンテキストの推定により予測された将来の行動との間の関係性を学習したモデルに基づいて利用者の将来の行動を予測する。予測部１３４は、位置情報と、属性情報と、事象の情報とを入力した場合に、利用者の実際の行動と一致した将来の行動を出力するように学習されたモデルに基づいて利用者の将来の行動を予測する。

（生成部１３５）
生成部１３５は、各種情報を生成する。例えば、生成部１３５は、外部の情報処理装置からの情報や記憶部１２０に記憶された情報に基づいて、各種情報を生成する。生成部１３５は、端末装置１０等の他の情報処理装置からの情報に基づいて、各種情報を生成する。生成部１３５は、位置情報記憶部１２１や属性情報記憶部１２２や目的情報記憶部１２３や行動情報記憶部１２４に記憶された情報に基づいて、各種情報を生成する。

生成部１３５は、生成した各種情報を記憶部１２０に格納する。生成部１３５は、位置情報記憶部１２１や属性情報記憶部１２２や目的情報記憶部１２３や行動情報記憶部１２４に各種情報を格納する。

生成部１３５は、他の機能構成により取得、特定、推定、予測、決定された各種情報に基づいて、各種情報を生成する。

生成部１３５は、モデルを生成する。生成部１３５は、指標値を出力するよう、コンピュータを機能させるためのモデルを生成する。生成部１３５は、実際の利用者の行動と予測した将来の行動とが一致するかを示す指標値を出力するよう、コンピュータを機能させるためのモデルを生成する。

生成部１３５は、利用者の位置情報と属性情報と将来の行動との間の関係性を学習したモデルを生成する。生成部１３５は、利用者の位置情報と属性情報とコンテキストの推定により予測された将来の行動との間の関係性を学習したモデルを生成する。生成部１３５は、位置情報と、属性情報と、事象の情報とを入力した場合に、利用者の実際の行動と一致した将来の行動を出力するように学習されたモデルを生成する。

（決定部１３６）
決定部１３６は、各種情報を決定する。例えば、決定部１３６は、外部の情報処理装置からの情報や記憶部１２０に記憶された情報に基づいて、各種情報を決定する。決定部１３６は、端末装置１０等の他の情報処理装置からの情報に基づいて、各種情報を決定する。決定部１３６は、位置情報記憶部１２１や属性情報記憶部１２２や目的情報記憶部１２３や行動情報記憶部１２４に記憶された情報に基づいて、各種情報を決定する。

決定部１３６は、決定した各種情報を記憶部１２０に格納する。決定部１３６は、位置情報記憶部１２１や属性情報記憶部１２２や目的情報記憶部１２３や行動情報記憶部１２４に各種情報を格納する。

決定部１３６は、他の機能構成により取得、特定、推定、予測、生成された各種情報に基づいて、各種情報を決定する。

決定部１３６は、利用者に提供する情報を決定する。決定部１３６は、利用者の将来の行動に基づいて、利用者に提供する情報を決定する。決定部１３６は、予測した行動に基づいて、利用者に提供する情報を決定する。

例えば、決定部１３６は、予測した行動に基づいて、乗換案内情報を決定する。具体的には、決定部１３６は、利用者が所定のイベントに参加すると予測した場合には、所定の位置（例えば、利用者の住所や現在地、利用者が指定した位置など）から目的地までの乗換案内情報を決定する。例えば、決定部１３６は、予測した行動に基づいて、ホテル情報を決定する。具体的には、決定部１３６は、利用者が参加すると予測した所定のイベント周辺のホテル情報を決定する。例えば、決定部１３６は、予測した行動に基づいて、取引対象情報を決定する。具体的には、利用者が参加すると予測した所定のイベントの会場で販売される取引対象情報を決定する。

（提供部１３７）
提供部１３７は、外部の情報処理装置へ各種情報を提供する。例えば、提供部１３７は、端末装置１０へ各種情報を提供する。例えば、提供部１３７は、端末装置１０へ各種情報を送信する。

提供部１３７は、他の機能構成により取得、特定、推定、予測、生成、決定された各種情報を提供する。

提供部１３７は、利用者の将来の行動と対応する情報を利用者に提供する。提供部１３７は、予測した利用者の将来の行動と対応する情報を利用者に提供する。

〔４．情報処理のフロー〕
次に、図９を用いて、実施形態に係る提供システム１による情報処理の手順について説明する。図９は、実施形態に係る提供システム１による情報処理の手順を示すフローチャートである。

図９に示すように、提供装置１００は、利用者の位置情報と属性情報とを取得して記憶部に記憶する（ステップＳ２０１）。例えば、提供装置１００は、取得した利用者の位置情報を記憶部１２０に格納する。例えば、提供装置１００は、取得した利用者の位置情報を位置情報記憶部１２１に格納する。例えば、提供装置１００は、取得した利用者の属性情報を記憶部１２０に格納する。例えば、提供装置１００は、取得した利用者の属性情報を属性情報記憶部１２２に格納する。

提供装置１００は、記憶部に記憶した利用者の位置情報から同時刻に所定の場所を訪問した利用者を特定する（ステップＳ２０２）。提供装置１００は、記憶部に記憶した利用者の属性情報のうち特定した利用者の属性情報の共通性を抽出する（ステップＳ２０３）。具体的には、提供装置１００は、記憶部に記憶した利用者の属性情報のうち、同時刻に所定の場所を訪問した利用者の属性情報の共通性を抽出する。提供装置１００は、抽出した属性情報の共通性から利用者が所定の場所に訪問した目的を推定する（ステップＳ２０４）。提供装置１００は、推定した目的に基づいて利用者の将来の行動を予測する（ステップＳ２０５）。提供装置１００は、予測した行動に基づいて利用者に提供する情報を決定する（ステップＳ２０６）。提供装置１００は、決定した情報を利用者に提供する（ステップＳ２０７）。

〔５．効果〕
上述してきたように、実施形態に係る提供装置１００は、推定部１３３と、予測部１３４と、提供部１３７とを有する。推定部１３３は、利用者の属性を示す属性情報と利用者の過去の所在位置を示す位置情報とに基づいて、利用者による行動の目的を推定する。予測部１３４は、推定部１３３により推定された目的に基づいて、利用者による将来の行動を予測する。提供部１３７は、予測部１３４により予測された将来の行動と対応する情報を利用者に提供する。

これにより、実施形態に係る提供装置１００は、利用者がより強く興味を引く情報を提供することができる。

また、推定部１３３は、位置情報に基づいて、所定の時期に所定の場所を訪問した複数の利用者を特定し、特定した利用者の属性情報の共通性に基づいて、特定した利用者による訪問の目的を推定する。

これにより、実施形態に係る提供装置１００は、属性が共通する利用者がより強く興味を引く情報を提供することができる。

また、推定部１３３は、特定した利用者のうち日常的に所定の場所を訪問していない利用者の属性情報の共通性に基づいて、利用者による訪問の目的を推定する。

これにより、実施形態に係る提供装置１００は、イレギュラーな利用者がより強く興味を引く情報を提供することができる。

また、推定部１３３は、特定した利用者の属性情報から共通性が所定の閾値を超える属性情報を特定し、所定の時期に所定の場所で生じた事象のうち、特定した属性情報との関連性が所定の閾値を超える事象を、利用者による訪問の目的として推定する。

これにより、実施形態に係る提供装置１００は、事象を選択することで、利用者がより強く興味を引く情報を提供することができる。

また、推定部１３３は、利用者の位置情報から利用者が定期的に訪問する場所を特定し、利用者の属性に基づいて、特定した場所に訪問する際の利用者の目的を推定する。

これにより、実施形態に係る提供装置１００は、定期的な訪問を考慮することで、利用者がより強く興味を引く情報を提供することができる。

また、推定部１３３は、利用者が入力した検索クエリに基づいた利用者の属性に基づいて、特定した場所に訪問する際の利用者の目的を推定する。

これにより、実施形態に係る提供装置１００は、利用者の検索履歴を考慮することで、利用者がより強く興味を引く情報を提供することができる。

また、予測部１３４は、将来発生する事象のうち、推定部１３３により推定された目的との関連性が所定の閾値を超える事象を、利用者が参加する事象として予測する。

これにより、実施形態に係る提供装置１００は、利用者がより強く興味を引く情報を提供することができる。

また、予測部１３４は、位置情報と、推定部１３３により推定された目的との共通性に基づいて、行動を共にする複数の利用者を推定し、推定した複数の利用者が共に行う将来の行動を予測する。

これにより、実施形態に係る提供装置１００は、行動を共にする複数の利用者がより強く興味を引く情報を提供することができる。

また、予測部１３４は、利用者の購買履歴に基づいて、利用者と行動を共にする利用者の有無を推定し、推定結果に基づいて、利用者が行う将来の行動を予測する。

これにより、実施形態に係る提供装置１００は、利用者がより強く興味を引く情報を提供することができる。

また、実施形態に係る提供装置１００は、利用者の属性情報と、利用者の位置情報と、予測部１３４により予測された将来の行動との間の関係性を学習したモデルを生成する生成部を有する。

これにより、実施形態に係る提供装置１００は、利用者がより強く興味を引く情報を提供することができる。

〔６．ハードウェア構成〕
また、上述してきた実施形態に係る端末装置１０および提供装置１００は、例えば、図１０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１０は、端末装置１０および提供装置１００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。通信インターフェイス１５００は、所定の通信網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所定の通信網を介して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、生成したデータを入出力インターフェイス１６００を介して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が実施形態に係る端末装置１０および提供装置１００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１４および１３０の機能を実現する。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〕
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、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。

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、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。

１ 提供システム
１０ 端末装置
１００ 提供装置
１１０ 通信部
１２０ 記憶部
１２１ 位置情報記憶部
１２２ 属性情報記憶部
１２３ 目的情報記憶部
１２４ 行動情報記憶部
１３０ 制御部
１３１ 取得部
１３２ 特定部
１３３ 推定部
１３４ 予測部
１３５ 生成部
１３６ 決定部
１３７ 提供部
Ｎ ネットワーク

Claims (11)

1. 利用者の過去の所在位置を示す位置情報に基づいて、所定の時期に所定の場所を訪問した複数の利用者を特定し、特定した利用者の属性を示す属性情報の共通性に基づいて、当該特定した利用者による当該訪問の目的を推定する推定部と、
   前記推定部により推定された目的に基づいて、前記利用者による将来の行動を予測する予測部と、
   前記予測部により予測された将来の行動と対応する情報を前記利用者に提供する提供部と
   を有することを特徴とする提供装置。
2. 前記推定部は、前記特定した利用者のうち日常的に前記所定の場所を訪問していない利用者の属性情報の共通性に基づいて、当該利用者による当該訪問の目的を推定する
   ことを特徴とする請求項１に記載の提供装置。
3. 前記推定部は、前記特定した利用者の属性情報から共通性が所定の閾値を超える属性情報を特定し、前記所定の時期に前記所定の場所で生じた事象のうち、特定した属性情報との関連性が所定の閾値を超える事象を、前記利用者による訪問の目的として推定する
   ことを特徴とする請求項１または２に記載の提供装置。
4. 前記推定部は、前記利用者の位置情報から当該利用者が定期的に訪問する場所を特定し、前記利用者の属性に基づいて、特定した場所に訪問する際の前記利用者の目的を推定する
   ことを特徴とする請求項１～３のうちいずれか１つに記載の提供装置。
5. 前記推定部は、前記利用者が入力した検索クエリに基づいた前記利用者の属性に基づいて、特定した場所に訪問する際の前記利用者の目的を推定する
   ことを特徴とする請求項４に記載の提供装置。
6. 前記予測部は、将来発生する事象のうち、前記推定部により推定された目的との関連性が所定の閾値を超える事象を、前記利用者が参加する事象として予測する
   ことを特徴とする請求項１～５のうちいずれか１つに記載の提供装置。
7. 前記予測部は、前記位置情報と、前記推定部により推定された目的との共通性に基づいて、行動を共にする複数の利用者を推定し、推定した複数の利用者が共に行う将来の行動を予測する
   ことを特徴とする請求項１～６のうちいずれか１つに記載の提供装置。
8. 前記予測部は、前記利用者の購買履歴に基づいて、当該利用者と行動を共にする利用者の有無を推定し、推定結果に基づいて、当該利用者が行う将来の行動を予測する
   ことを特徴とする請求項１～６のうちいずれか１つに記載の提供装置。
9. 前記利用者の属性情報と、当該利用者の位置情報と、前記予測部により予測された将来の行動との間の関係性を学習したモデルを生成する生成部
   を有することを特徴とする請求項１～８のうちいずれか１つに記載の提供装置。
10. 提供装置が実行する提供方法であって、
    利用者の過去の所在位置を示す位置情報に基づいて、所定の時期に所定の場所を訪問した複数の利用者を特定し、特定した利用者の属性を示す属性情報の共通性に基づいて、当該特定した利用者による当該訪問の目的を推定する推定工程と、
    前記推定工程により推定された目的に基づいて、前記利用者による将来の行動を予測する予測工程と、
    前記予測工程により予測された将来の行動と対応する情報を前記利用者に提供する提供工程と
    を含むことを特徴とする提供方法。
11. 利用者の過去の所在位置を示す位置情報に基づいて、所定の時期に所定の場所を訪問した複数の利用者を特定し、特定した利用者の属性を示す属性情報の共通性に基づいて、当該特定した利用者による当該訪問の目的を推定する推定手順と、
    前記推定手順により推定された目的に基づいて、前記利用者による将来の行動を予測する予測手順と、
    前記予測手順により予測された将来の行動と対応する情報を前記利用者に提供する提供手順と
    をコンピュータに実行させるための提供プログラム。

Images