JP7083104B1

JP7083104B1 - 情報処理方法、装置及びプログラム

Info

Publication number: JP7083104B1
Application number: JP2021171210A
Authority: JP
Inventors: シャイク・カジャ・モヒディン
Original assignee: Exa Wizards Inc
Current assignee: Exa Wizards Inc
Priority date: 2021-10-19
Filing date: 2021-10-19
Publication date: 2022-06-10
Anticipated expiration: 2041-10-19
Also published as: JP2023061295A

Abstract

【課題】ユーザ情報が少ない場合であってもユーザに対象を適切にレコメンドする。【解決手段】一実施形態に係る情報処理方法は、複数のユーザのユーザ情報と、複数のユーザの行動履歴情報と、カテゴリカルデータ数を含む複数の対象の対象情報と、を取得する取得処理と、複数のユーザの行動履歴情報と、複数の対象の対象情報と、に基づいて、カテゴリカルデータの値間の類似度を算出する類似度算出処理と、一のユーザの行動履歴情報と、複数の対象の対象情報と、に基づいて、一のユーザのユーザ情報にカテゴリカルデータを追加し、一のユーザのカテゴリカルデータを類似度に基づいて補正する加工処理と、一のユーザのユーザ情報と、複数の対象の対象情報と、に基づいて、一のユーザに対する各対象の推薦度を算出する推薦度算出処理と、各対象の推薦度に基づいて、一のユーザに対象をレコメンドするレコメンド処理と、を含む。【選択図】図８

Description

本発明は、情報処理方法、装置及びプログラムに関する。

引用文献１には、求職者の職業適性に合った求人情報を提供する求人求職情報提供装置が記載されている。この装置によれば、求職者がブログサイト上などで公表した内容等に基づいて、その求職者に適した業種及び職種を推定し、それに対応する求人情報を求職者に提示することができる。

特開２０１３－１８６８１３号公報

上記従来技術では、求職者の情報が少ない場合、適切な求人情報を求職者に提示することが困難である。

本発明は、上記の課題を鑑みてなされたものであり、ユーザ情報が少ない場合であってもユーザに対象を適切にレコメンドすることを目的とする。

一実施形態に係る情報処理方法は、複数のユーザのユーザ情報と、前記複数のユーザの行動履歴情報と、カテゴリカルデータ数を含む複数の対象の対象情報と、を取得する取得処理と、前記複数のユーザの行動履歴情報と、前記複数の対象の対象情報と、に基づいて、前記カテゴリカルデータの値間の類似度を算出する類似度算出処理と、一のユーザの前記行動履歴情報と、前記複数の対象の対象情報と、に基づいて、前記一のユーザのユーザ情報に前記カテゴリカルデータを追加し、前記一のユーザのカテゴリカルデータを前記類似度に基づいて補正する加工処理と、前記一のユーザのユーザ情報と、前記複数の対象の対象情報と、に基づいて、前記一のユーザに対する各対象の推薦度を算出する推薦度算出処理と、前記各対象の推薦度に基づいて、前記一のユーザに対象をレコメンドするレコメンド処理と、を含む。

一実施形態によれば、ユーザ情報が少ない場合であってもユーザに対象を適切にレコメンドすることができる。

情報処理システムの構成の一例を示す図である。情報処理装置のハードウェア構成の一例を示す図である。情報処理装置の機能構成の一例を示す図である。ユーザ情報の一例を示す図である。対象情報の一例を示す図である。行動履歴情報の一例を示す図である。サーバが実行する処理の一例を示すフローチャートである。サーバが実行する処理の具体例を示す図である。類似度の算出方法の具体例を説明する図である。

以下、本発明の各実施形態について、添付の図面を参照しながら説明する。なお、各実施形態に係る明細書及び図面の記載に関して、実質的に同一の機能構成を有する構成要素については、同一の符号を付することにより重複した説明を省略する。

＜システム概要＞
まず、本実施形態に係る情報処理システムの概要について説明する。本実施形態に係る情報処理システムは、カテゴリカルデータを利用してユーザに対象を適切にレコメンドするレコメンドシステムである。レコメンドシステムは、ユーザに対象をレコメンド（マッチング）するサービスを提供する。ユーザは、レコメンドシステムを利用して対象のレコメンドを受ける人であり、レコメンドサービスの利用者である。対象は、レコメンドシステム上でユーザに対してレコメンドされるものであり、ユーザにレコメンド可能な任意のものであり得る。対象は、例えば、仕事、人、旅行プラン、車、雑貨、家電、食料品、店舗、記事、音楽、動画、又は画像であるが、これに限られない。カテゴリカルデータ（カテゴリカル変数）は、予め設定された分類的な値（離散値）をとるデータである。カテゴリかるデータは、例えば、地域、業種、年齢、性別、又は雇用形態であるが、これに限られない。本実施形態において、カテゴリカルデータは、対象情報に含まれる。なお、対象情報については後述する。

図１は、本実施形態に係る情報処理システムの構成の一例を示す図である。図１に示すように、本実施形態に係る情報処理システムは、ネットワークＮを介して相互に通信可能に接続された、ユーザ端末１と、登録者端末２と、サーバ３と、を備える。ネットワークＮは、例えば、有線ＬＡＮ（Local Area Network）、無線ＬＡＮ、インターネット、公衆回線網、モバイルデータ通信網、又はこれらの組み合わせである。図１の例では、情報処理システムは、ユーザ端末１、登録者端末２及びサーバ３を１つずつ備えるが、それぞれ複数備えてもよい。

ユーザ端末１は、ユーザが利用する情報処理装置である。ユーザ端末１は、例えば、ＰＣ（Personal Computer）、スマートフォン、又はタブレット端末であるが、これに限られない。ユーザは、ユーザ端末１を介して自身のユーザ情報３２１を登録する。また、ユーザは、ユーザ端末１に対象情報３２２を表示して、登録された対象の中から所望の条件に一致する対象を検索したり、サーバ３からレコメンドされた対象を確認したりすることにより、自身にとって適切な対象を探す。また、ユーザは、ユーザ端末１を介して、自身にとって適切と判断した対象に申し込みを送る（マッチングを依頼する）。

登録者端末２は、ユーザにレコメンドされる対象を登録する登録者が利用する情報処理装置である。登録者端末２は、例えば、ＰＣ、スマートフォン、又はタブレット端末であるが、これに限られない。登録者は、登録者端末２を介して、対象情報３２２を登録する。また、登録者は、登録者端末２を介して、自身が登録した対象に対するユーザからの申し込みの通知を受ける。

サーバ３は、ユーザに対象をレコメンドする情報処理装置である。サーバ３は、ユーザ端末１及び登録者端末２からそれぞれ受信したユーザ情報３２１及び対象情報３２２を記憶する。また、サーバ３は、ユーザ端末１からの要求に応じて対象情報３２２をユーザ端末１に送信する。また、サーバ３は、対象に対する申し込みをユーザ端末１から受け付け、その旨を対応する登録者端末２に通知する。また、サーバ３は、ユーザ情報３２１及び対象情報３２２に基づいて、ユーザにとって適切な対象を選択し、選択した対象の対象情報３２２をユーザ端末１に送信することにより、ユーザにとって適切な対象をユーザにレコメンドする。

＜ハードウェア構成＞
次に、情報処理装置１００のハードウェア構成について説明する。図２は、情報処理装置１００のハードウェア構成の一例を示す図である。図２に示すように、情報処理装置１００は、バスＢを介して相互に接続された、プロセッサ１０１と、メモリ１０２と、ストレージ１０３と、通信Ｉ／Ｆ１０４と、入出力Ｉ／Ｆ１０５と、ドライブ装置１０６と、を備える。

プロセッサ１０１は、ストレージ１０３に記憶されたプログラムをメモリ１０２に展開して実行することにより、情報処理装置１００の各構成を制御し、情報処理装置１００の機能を実現する。プロセッサ１０１がレコメンドプログラムを実行することにより、本実施形態に係るサーバ３が実現される。プロセッサ１０１は、例えば、ＣＰＵ（Central Processing Unit）、ＭＰＵ（Micro Processing Unit）、ＧＰＵ（Graphics Processing Unit）、ＡＳＩＣ（Application Specific Integrated Circuit）、ＤＳＰ（Digital Signal Processor）、又はこれらの組み合わせである。

メモリ１０２は、例えば、ＲＯＭ（Read Only Memory）、ＲＡＭ（Random Access Memory）、又はこれらの組み合わせである。ＲＯＭは、例えば、ＰＲＯＭ（Programmable ROM）、ＥＰＲＯＭ（Erasable Programmable ROM）、ＥＥＰＲＯＭ（Electrically Erasable Programmable ROM）、又はこれらの組み合わせである。ＲＡＭは、例えば、ＤＲＡＭ（Dynamic RAM）、ＳＲＡＭ（Static RAM）、ＭＲＡＭ（Magnetoresistive RAM）、又はこれらの組み合わせである。

ストレージ１０３は、ＯＳ、レコメンドプログラム及び各種のデータを記憶する。ストレージ１０３は、例えば、フラッシュメモリ、ＨＤＤ（Hard Disk Drive）、ＳＳＤ（Solid State Drive）、ＳＣＭ（Storage Class Memories）、又はこれらの組み合わせである。

通信Ｉ／Ｆ１０４は、情報処理装置１００を、ネットワークＮを介して外部装置に接続し、通信を制御するためのインタフェースである。通信Ｉ／Ｆ１０４は、例えば、Ｂｌｕｅｔｏｏｔｈ（登録商標）、Ｗｉ－Ｆｉ（登録商標）、ＺｉｇＢｅｅ（登録商標）、Ｅｔｈｅｒｎｅｔ（登録商標）、又は光通信（例えば、Fibre Channel）に準拠したアダプタであるが、これに限られない。

入出力Ｉ／Ｆ１０５は、情報処理装置１００に入力装置１０７及び出力装置１０８を接続するためのインタフェースである。入力装置１０７は、例えば、マウス、キーボード、タッチパネル、マイク、スキャナ、カメラ、各種センサ、操作ボタン、又はこれらの組み合わせである。出力装置１０８は、例えば、ディスプレイ、プロジェクタ、プリンタ、スピーカ、バイブレータ、又はこれらの組み合わせである。

ドライブ装置１０６は、ディスクメディア１０９のデータを読み書きする。ドライブ装置１０６は、例えば、磁気ディスクドライブ、光学ディスクドライブ、光磁気ディスクドライブ、又はこれらの組み合わせである。ディスクメディア１０９は、例えば、ＣＤ（Compact Disc）、ＤＶＤ（Digital Versatile Disc）、ＦＤ（Floppy Disk）、ＭＯ（Magneto-Optical disk）、ＢＤ（Blu-ray（登録商標） Disc）、又はこれらの組み合わせである。

なお、本実施形態において、レコメンドプログラムは、サーバ３の製造段階でメモリ１０２又はストレージ１０３に書き込まれてもよいし、ネットワークＮを介してサーバ３に提供されてもよいし、ディスクメディア１０９などの非一時的でコンピュータ読み取り可能な記録媒体を介してサーバ３に提供されてもよい。

＜機能構成＞
次に、サーバ３の機能構成について説明する。図３は、サーバ３の機能構成の一例を示す図である。図３に示すように、サーバ３は、通信部３１と、記憶部３２と、制御部３３と、を備える。

通信部３１は、通信Ｉ／Ｆ１０４により実現される。通信部３１は、ネットワークＮを介して、ユーザ端末１及び登録者端末２との間で情報の送受信を行う。通信部３１は、ユーザ端末１及び登録者端末２からユーザ情報３２１及び対象情報３２２をそれぞれ受信する。また、通信部３１は、ユーザ端末１に対象情報を送信する。

記憶部３２は、メモリ１０２及びストレージ１０３により実現される。記憶部３２は、ユーザ情報３２１、対象情報３２２及び行動履歴情報３２３を記憶する。

ユーザ情報３２１は、ユーザに関する情報である。ユーザ情報３２１は、例えば、ユーザ端末１を介してユーザにより登録される。記憶部３２には、複数のユーザのユーザ情報３２１が記憶される。図４は、ユーザ情報３２１の一例を示す図である。図４のユーザ情報３２１は、情報項目として「ＵＩＤ」、「年齢」及び「性別」を有する。「ＵＩＤ」は、ユーザの識別情報である。「年齢」は、ユーザの年齢である。「性別」は、ユーザの性別である。「年齢」及び「性別」は、カテゴリカルデータに相当する。図４の例では、例えば、「ＵＩＤ」がＵ００１であるユーザの「年齢」は１８であり、「性別」はＭ（男性）である。これは、ユーザＵ００１が１８歳の男性であることを示している。なお、ユーザ情報３２１は、図４の例に限られない。ユーザ情報３２１は、図４の情報項目の一部を含んでもよいし、図４に記載された以外の情報項目（生年月日、血液型、業種、職種、勤務先、年収、住所、電話番号、配偶者有無など）を含んでもよい。

対象情報３２２は、対象に関する情報である。対象情報３２２は、例えば、登録者端末２を介して登録者により登録される。記憶部３２には、複数の対象の対象情報３２２が記憶される。図５は、対象情報３２２の一例を示す図である。図５は、対象が「仕事」である場合の対象情報３２２である。図５の対象情報３２２は、情報項目として「ＪＩＤ」、「業種」及び「地域」を有する。「ＪＩＤ」は、仕事（対象）の識別情報である。「業種」は、仕事の業種である。「地域」は、勤務する地域である。「業種」及び「地域」は、カテゴリカルデータに相当する。図５の例では、例えば、「ＪＩＤ」がＪ００１である仕事（対象）の「業種」は飲食業であり、「地域」は東京である。これは、求人されている仕事が都内の飲食店であることを示している。なお、対象情報３２２は、図５の例に限られない。対象情報３２２は、図５の情報項目の一部を含んでもよいし、図５に記載された以外の情報項目（雇用形態、勤務時間、賃金、シフトなど）を含んでもよい。

行動履歴情報３２３は、情報処理システムにより提供されるオンラインサービス上での対象に対するユーザの行動に関する情報である。ユーザの行動は、例えば、閲覧、申し込み、評価、又はメッセージの送信であるが、これに限られない。行動履歴情報３２３は、例えば、ユーザが行動するたびに記録される。記憶部３２には、複数のユーザの行動履歴情報３２３が記憶される。記憶部３２には、各ユーザについて、複数種類の行動の行動履歴情報３２３がそれぞれ記録されてもよい。図６は、行動履歴情報３２３の一例を示す図である。図６は、対象が「仕事」であり、行動が「対象情報の閲覧」である場合の行動履歴情報３２３である。図６の行動履歴情報３２３は、情報項目として「Ｊ００１」、「Ｊ００２」及び「Ｊ００３」を有する。「Ｊ００１」、「Ｊ００２」及び「Ｊ００３」は、それぞれ仕事Ｊ００１，Ｊ００２，Ｊ００３の対象情報３２２を閲覧した回数である。図６の例では、例えば、「ＵＩＤ」がＵ００１であるユーザの「Ｊ００１」は１であり、「Ｊ００２」は０であり、「Ｊ００３」は２である。これは、ユーザＵ００１が仕事Ｊ００１の対象情報３２２を１回閲覧し、仕事Ｊ００２の対象情報３２２を０回閲覧し、仕事Ｊ００３の対象情報３２２を２回閲覧したことを示している。なお、行動履歴情報３２３は、図６の例に限られない。行動履歴情報３２３は、図６の情報項目の一部を含んでもよいし、図６に記載された以外の情報項目を含んでもよい。

制御部３３は、プロセッサ１０１がメモリ１０２からプログラムを読み出して実行し、他のハードウェア構成と協働することにより実現される。制御部３３は、サーバ３の動作全体を制御する。制御部３３は、取得部３３１と、類似度算出部３３２と、加工部３３３と、推薦度算出部３３４と、レコメンド部３３５と、を備える。

取得部３３１は、通信部３１を介して、外部装置から各種の情報を取得する。具体的には、取得部３３１は、複数のユーザ端末１から複数のユーザのユーザ情報３２１を取得する。また、取得部３３１は、複数の登録者端末２から複数の対象の対象情報３２２を取得する。また、取得部３３１は、複数のユーザ端末１によるサーバ３へのアクセスログから複数のユーザの行動履歴情報３２３を取得する。取得部３３１は、１つのユーザ端末１から複数のユーザのユーザ情報３２１を取得してもよいし、１つの登録者端末２から複数の対象の対象情報３２２を取得してもよい。

類似度算出部３３２は、複数のユーザの行動履歴情報３２３と、複数の対象の対象情報３２２と、に基づいて、対象情報３２２に含まれるカテゴリカルデータの値間の類似度を算出する。また、類似度算出部３３２は、複数のユーザの行動履歴情報３２３と、複数のユーザのユーザ情報３２１と、に基づいて、ユーザ情報３２１に含まれるカテゴリカルデータの値間の類似度を算出してもよい。類似度の算出方法について、詳しくは後述する。

加工部３３３は、ユーザ情報３２１及び対象情報３２２を加工する。具体的には、加工部３３３は、一のユーザの行動履歴情報３２３と、複数の対象の対象情報３２２と、に基づいて、一のユーザのユーザ情報３２１に対象情報３２２に含まれるカテゴリカルデータを追加し、一のユーザのユーザ情報３２１に追加されたカテゴリカルデータを類似度に基づいて補正する。また、加工部３３３は、一のユーザの行動履歴情報３２３と、複数のユーザのユーザ情報３２１と、に基づいて、一の対象の対象情報３２２にユーザ情報３２１に含まれるカテゴリカルデータを追加し、一の対象の対象情報３２２に追加されたカテゴリカルデータを類似度に基づいて補正してもよい。加工部３３３によるユーザ情報３２１及び対象情報３２２の加工方法について、詳しくは後述する。

推薦度算出部３３４は、一のユーザのユーザ情報３２１と、複数の対象の対象情報３２２と、に基づいて、一のユーザに対する各対象の推薦度Ｒを算出する。また、推薦度算出部３３４は、一の対象の対象情報３２２と、複数のユーザのユーザ情報３２１と、に基づいて、一のユーザに対する各対象の推薦度Ｒを算出してもよい。推薦度Ｒの算出方法について、詳しくは後述する。

レコメンド部３３５は、一のユーザに対して算出された各対象の推薦度Ｒに基づいて、一のユーザに対象をレコメンドする。レコメンド方法について、詳しくは後述する。

＜サーバ装置が実行する処理＞
次に、サーバ３が実行する処理について説明する。図７は、サーバ３が実行する処理の一例を示すフローチャートである。図８は、サーバ３が実行する処理の具体例を示す図である。図８の例では、対象は仕事である。図９は、類似度の算出方法の具体例を説明する図である。

（ステップＳ１０１）
取得部３３１は、複数のユーザのユーザ情報３２１、複数の対象の対象情報３２２及び複数のユーザの行動履歴情報３２３を取得し、記憶部３２に保存する。図８の例では、記憶部３２には、ユーザＵ００１，Ｕ００２，Ｕ００３のユーザ情報３２１と、仕事Ｊ００１，Ｊ００２，Ｊ００３の対象情報３２２と、ユーザＵ００１，Ｕ００２，Ｕ００３の行動履歴情報３２３と、が記憶されている。取得部３３１は、ユーザ情報３２１、対象情報３２２、及び行動履歴情報３２３を任意のタイミングで取得し得る。

（ステップＳ１０２）
類似度算出部３３２は、複数のユーザの行動履歴情報３２３と、複数の対象の対象情報３２２と、に基づいて、対象情報３２２に含まれるカテゴリカルデータの値間の類似度Ｓを算出し、記憶部３２に保存する。類似度算出部３３２は、類似度Ｓを任意のタイミングで算出し得る。類似度算出部３３２は、例えば、以下の方法で類似度Ｓを算出する。

まず、類似度算出部３３２は、対象情報３２２に含まれるカテゴリカルデータの値の頻度（登場回数）を、行動履歴情報３２３に基づいて、ユーザごとに集計する。図９の例では、対象情報３２２に含まれるカテゴリカルデータである「地域」の値（東京、神奈川、千葉）の頻度が、各仕事の閲覧回数に基づいて、ユーザごとに集計されている。例えば、ユーザＵ００１による仕事Ｊ００１の閲覧回数は１であり、仕事Ｊ００１の「地域」は「東京」である。よって、ユーザＵ００１の「東京」の値の頻度は１となっている。

次に、類似度算出部３３２は、ユーザごとに、値間の頻度の類似度ｓを算出する。類似度ｓとは、各値の間で頻度が似ている度合いのことである。頻度が近いほど、類似度ｓは高くなる。図９に示すように、類似度ｓは、行列の形式で表現される。

例えば、図９の例では、ユーザＵ００２の「神奈川」及び「千葉」の頻度は同じ（いずれも１）であるため、ユーザＵ００２の「神奈川」及び「千葉」の頻度の類似度ｓは高くなる。一方、ユーザＵ００２の「東京」及び「千葉」の頻度は異なる（２と１）ため、ユーザＵ００２の「東京」及び「千葉」の頻度の類似度ｓは低くなる。これは、ユーザＵ００２から見て、「神奈川」と「千葉」は似ており（同程度に関心があり）、「東京」と「千葉」が似ていない（関心の程度が異なる）ことを意味している。

集計された各値の頻度をｐ，ｑ（ただしｐ＋ｑ＝０の場合、ｓ＝１）とすると、類似度ｓは、例えば、以下の式で計算される。

図９の例では、上記の式によりユーザごとに算出された値間の頻度の類似度ｓが示されている。例えば、ユーザＵ００２の「神奈川」と「千葉」の類似度ｓは１であり、「東京」と「千葉」の類似度ｓは０.６６である。

その後、類似度算出部３３２は、ユーザごとに算出された値間の頻度の類似度ｓに基づいて、値間の類似度Ｓを算出する。類似度Ｓは、例えば、ユーザごとに算出された値間の頻度の類似度ｓの相加平均又は加重平均である。図９に示すように、類似度Ｓは、行列の形式で表現される。

こうして得られた値間の類似度Ｓは、複数のユーザから見た、各値に対する関心の程度の似ている度合いを示した値となる。よって、例えば、「神奈川」と「千葉」の類似度Ｓが高い場合、「神奈川」の仕事を閲覧したユーザは、「千葉」の仕事を閲覧していなかったとしても、「千葉」の仕事にも同程度の関心があるものと推測できる。

なお、カテゴリカルデータの値の頻度の集計方法、類似度ｓの算出方法、及び類似度Ｓの算出方法は上記の例に限られない。例えば、カテゴリカルデータの値の頻度は、ユーザごとに重み付けして集計してもよいし、ユーザの行動ごとに重み付けして集計してもよい。

また、類似度算出部３３２は、対象情報３２２に複数のカテゴリカルデータが含まれる場合、各カテゴリカルデータに対してそれぞれ類似度Ｓを算出してもよい。例えば、図８の例では、「業種」の類似度Ｓ１と、「地域」の類似度Ｓ２と、をそれぞれ算出することが考えられる。

また、類似度算出部３３２は、ユーザ情報３２１に１又は複数のカテゴリカルデータが含まれる場合、各カテゴリカルデータに対してそれぞれ類似度Ｓを算出してもよい。例えば、図８の例では、「年齢」の類似度Ｓ３と、「性別」の類似度Ｓ４と、をそれぞれ算出することが考えられる。なお、「年齢」をカテゴリカルデータとして扱う場合、年齢自体をカテゴリカルデータの値として扱ってもよいし、年齢の区分（２０歳以上／２０歳未満など）をカテゴリカルデータの値として扱ってもよい。

（ステップＳ１０３）
加工部３３３は、一のユーザの行動履歴情報３２３と、複数の対象の対象情報３２２と、に基づいて、一のユーザのユーザ情報３２１に対象情報３２２を追加する。具体的には、加工部３３３は、一のユーザの行動履歴情報３２３に基づいて集計した対象情報３２２に含まれるカテゴリカルデータを、一のユーザのユーザ情報３２１に追加する。これにより、ユーザ情報３２１には、一のユーザの行動（関心）に応じた対象情報３２２が追加される。

図８の例では、各ユーザのユーザ情報３２１に対して「地域」が追加されている。各ユーザの「地域」の値は、各ユーザの行動履歴情報３２３に基づいて集計された、地域ごとの仕事の閲覧回数である。例えば、ユーザＵ００１による仕事Ｊ００１の閲覧回数は１であり、仕事Ｊ００１の「地域」は「東京」である。よって、ユーザＵ００１の「東京」の値の頻度は１となっている。

（ステップＳ１０４）
加工部３３３は、ステップＳ１０３で加工したユーザ情報３２１を補正する。具体的には、加工部３３３は、一のユーザのユーザ情報３２１に追加されたカテゴリカルデータを、当該カテゴリカルデータの類似度Ｓに基づいて補正する。具体的には、加工部３３３は、一のユーザのユーザ情報３２１に追加されたカテゴリカルデータに、対応する類似度Ｓを乗算する。加工部３３３は、補正したカテゴリカルデータを正規化するのが好ましい。

図９の例では、ユーザ情報３２１に追加された「地域」に、「地域」の類似度Ｓが乗算されている。ユーザ情報３２１に「業種」が追加された場合には、ユーザ情報３２１に追加された「業種」に、「業種」の類似度Ｓを乗算すればよい。

また、加工部３３３は、ユーザ情報３２１に元から含まれるカテゴリカルデータの値を数値に置き換える。図９の例では、「年齢」が１（２０歳以上）と０（２０歳未満）に置き換えられている。また、「性別」が１（Ｍ）と０（Ｆ）に置き換えられている。

（ステップＳ１０５）
加工部３３３は、対象情報３２２にユーザ情報３２１を追加する。図８の例では、各対象の対象情報３２２に対して「年齢」及び「性別」が追加されている。各ユーザの「年齢」及び「性別」の値は、便宜的に０とされている。

（ステップＳ１０６）
推薦度算出部３３４は、ステップＳ１０３，Ｓ１０４で加工したユーザ情報３２１と、ステップＳ１０５で加工した対象情報３２２と、に基づいて、推薦度Ｒを算出する。より詳細には、推薦度算出部３３４は、一のユーザのユーザ情報３２１と、複数の対象の対象情報３２２と、に基づいて、一のユーザに対する各対象の推薦度Ｒを算出する。推薦度Ｒは、ユーザ情報３２１と対象情報３２２の似ている度合いに相当する。ユーザ情報３２１と対象情報３２２とが似ている（推薦度Ｒ）ほど、その対象が、ユーザの関心が高い対象に近いことを意味する。

ユーザ情報３２１及び対象情報３２２は、ステップＳ１０５までの処理により、共通のパラメータを含む情報となっているため、いずれもｎ次元のベクトルで表現できる。ユーザ情報３２１を(u1,u2,…,un)、対象情報３２２を(j1,j2,…,jn)とした場合、推薦度Ｒは、例えば、以下の式で計算される。

上記の式において、kiは重み係数である。kiが全て１の場合、推薦度Ｒは、ユーザ情報３２１と対象情報３２２との内積となる。

例えば、図８の例では、ユーザＵ００１に対する対象Ｊ００１の推薦度Ｒは０.７であり、対象Ｊ００２の推薦度Ｒは０.１であり、対象Ｊ００３の推薦度Ｒは０．２である。

（ステップＳ１０７）
レコメンド部３３５は、一のユーザに対して算出された各対象の推薦度Ｒに基づいて、一のユーザに対象をレコメンドする。具体的には、レコメンド部３３５は、推薦度Ｒに基づいて選択した対象の対象情報３２３をユーザ端末１に送信し、ユーザ端末１のディスプレイに表示させる。

レコメンド部３３５は、例えば、ユーザに対する推薦度Ｒが最も高い対象をそのユーザにレコメンドする。この場合、図８の例では、ユーザＵ００１に対象Ｊ００１がレコメンドされ、ユーザＵ００２に対象Ｊ００１がレコメンドされ、ユーザＵ００３に対象Ｊ００２がレコメンドされる。

また、レコメンド部３３５は、ユーザに対する推薦度Ｒが閾値以上の対象をそのユーザにレコメンドしてもよい。推薦度Ｒの閾値が０.８である場合、図８の例では、ユーザＵ００１に対象がレコメンドされず、ユーザＵ００２に対象Ｊ００１がレコメンドされ、ユーザＵ００３に対象Ｊ００１，Ｊ００２がレコメンドされる。

なお、レコメンドする対象の選択方法は、上記の例に限られない。レコメンド部３３５は、推薦度Ｒに基づく任意の方法で対象を選択し、ユーザにレコメンドできる。

＜まとめ＞
以上説明した通り、本実施形態によれば、行動履歴情報３２３及び対象情報３２２に基づいて、ユーザの関心に応じた対象情報３２２がユーザ情報３２１に追加される。このユーザ情報３２１に基づいて対象をユーザにレコメンドすることにより、ユーザ情報３２１が少ない場合であっても、ユーザに対象を適切にレコメンドできる。

また、ユーザ情報３２１に追加された対象情報３２２は類似度Ｓにより補正される。これにより、行動履歴情報３２３から対象情報３２２を得られない対象に対するユーザの関心の程度を推測し、その関心の程度に基づいて、推薦度Ｒを算出し、対象をレコメンドできる。結果として、ユーザ情報３２１に追加される対象情報３２２が少ない、すなわち、ユーザの行動履歴情報３２３が少ない場合であっても、ユーザに対象を適切にレコメンドできる。

例えば、図８の例では、ユーザＵ００１は対象Ｊ００２の対象情報３２２を１回も閲覧していない上、全部で３回しか対象情報３２２を閲覧していない。このため、ユーザＵ００１がたまたま対象Ｊ００２の対象情報３２２を閲覧していないのか、対象Ｊ００２に関心がないのか、わからない。すなわち、ユーザＵ００１が「神奈川」に関心があるのか否かわからない。しかしながら、ユーザＵ００１の対象情報３２２を類似度Ｓで補正することにより、不明であったユーザＵ００１の「神奈川」に対する関心の程度を、０.１と推測することができる。こうして推測した関心の程度を利用することにより、ユーザＵ００１の関心に応じた対象をユーザＵ００１にレコメンドできる。

また、推薦度ＲはΣki・ui・jiで算出できる。重み係数kiを調整することにより、推薦度Ｒを算出する際に各対象情報３２２の寄与度を容易に調整することができる。例えば、ある対象情報３２２の推薦度Ｒに対する寄与度が小さいと判明した場合、その対象情報３２２の重み係数kiを小さくするだけで、対象情報３２２自体に手を加えることなく、その対象情報３２２の寄与度を反映した推薦度Ｒを算出することができる。

なお、以上の例では、ステップＳ１０５において、対象情報３２２に便宜的にユーザ情報３２１を追加した。しかしながら、ユーザ情報３２１に対象情報３２２を追加するのと同様の方法で、対象情報３２２にユーザ情報３２１を追加し、追加したユーザ情報３２１を類似度Ｓで補正してもよい。この場合も、上記と同様の方法で推薦度Ｒを算出することができる。

＜付記＞
本実施形態は、以下の開示を含む。

（付記１）
情報処理装置がユーザに対象をレコメンドする情報処理方法であって、
複数のユーザのユーザ情報と、前記複数のユーザの行動履歴情報と、カテゴリカルデータを含む複数の対象の対象情報と、を取得する取得処理と、
前記複数のユーザの行動履歴情報と、前記複数の対象の対象情報と、に基づいて、前記カテゴリカルデータの値間の類似度を算出する類似度算出処理と、
一のユーザの前記行動履歴情報と、前記複数の対象の対象情報と、に基づいて、前記一のユーザのユーザ情報に対象情報を追加し、前記一のユーザの対象情報を前記類似度に基づいて補正する加工処理と、
前記一のユーザのユーザ情報と、前記複数の対象の対象情報と、に基づいて、前記一のユーザに対する各対象の推薦度を算出する推薦度算出処理と、
前記各対象の推薦度に基づいて、前記一のユーザに対象をレコメンドするレコメンド処理と、
を含む情報処理方法。

（付記２）
前記一のユーザに対する一の対象の前記推薦度は、前記一のユーザの対象情報に含まれる前記カテゴリカルデータと、前記一の対象の対象情報に含まれる前記カテゴリカルデータと、の内積に基づいて算出される
付記１に記載の情報処理方法。

（付記３）
前記カテゴリカルデータの値間の類似度は、ユーザごとに算出された、値間の頻度の類似度に基づいて算出される
付記１又は付記２に記載の情報処理方法。

（付記４）
前記カテゴリカルデータは、地域、業種、年齢、性別、又は雇用形態である
付記１から付記３までのいずれかに記載の情報処理方法。

（付記５）
ユーザに対象をレコメンドする情報処理装置であって、
複数のユーザのユーザ情報と、前記複数のユーザの行動履歴情報と、カテゴリカルデータを含む複数の対象の対象情報と、を取得する取得部と、
前記複数のユーザの行動履歴情報と、前記複数の対象の対象情報と、に基づいて、前記カテゴリカルデータの値間の類似度を算出する類似度算出部と、
一のユーザの前記行動履歴情報と、前記複数の対象の対象情報と、に基づいて、前記一のユーザのユーザ情報に対象情報を追加し、前記一のユーザの対象情報を前記類似度に基づいて補正する加工部と、
前記一のユーザの対象情報と、前記複数の対象の対象情報と、に基づいて、前記一のユーザに対する各対象の推薦度を算出する推薦度算出部と、
前記各対象の推薦度に基づいて、前記一のユーザに対象をレコメンドするレコメンド部と、
を備える情報処理装置。

（付記６）
情報処理装置に、
複数のユーザのユーザ情報と、前記複数のユーザの行動履歴情報と、カテゴリカルデータを含む複数の対象の対象情報と、を取得する取得処理と、
前記複数のユーザの行動履歴情報と、前記複数の対象の対象情報と、に基づいて、前記カテゴリカルデータの値間の類似度を算出する類似度算出処理と、
一のユーザの前記行動履歴情報と、前記複数の対象の対象情報と、に基づいて、前記一のユーザのユーザ情報に対象情報を追加し、前記一のユーザの対象情報を前記類似度に基づいて補正する加工処理と、
前記一のユーザの対象情報と、前記複数の対象の対象情報と、に基づいて、前記一のユーザに対する各対象の推薦度を算出する推薦度算出処理と、
前記各対象の推薦度に基づいて、前記一のユーザに対象をレコメンドするレコメンド処理と、
を含む情報処理方法を実行させるためのプログラム。

今回開示された実施形態はすべての点で例示であって、制限的なものではないと考えられるべきである。本発明の範囲は、上記した意味ではなく、特許請求の範囲によって示され、特許請求の範囲と均等の意味及び範囲内でのすべての変更が含まれることが意図される。また、本発明は上述した各実施形態に限定されるものではなく、請求項に示した範囲で種々の変更が可能であり、異なる実施形態にそれぞれ開示された技術的手段を適宜組み合わせて得られる実施形態についても本発明の技術的範囲に含まれる。

１：ユーザ端末
２：登録者端末
３：サーバ装置
３１：通信部
３２：記憶部
３３：制御部
３２１：ユーザ情報
３２２：対象情報
３２３：行動履歴情報
３３１：取得部
３３２：類似度算出部
３３３：加工部
３３４：推薦度算出部
３３５：レコメンド部
１０１：プロセッサ
１０２：メモリ
１０３：ストレージ
１０４：通信Ｉ／Ｆ
１０５：入出力Ｉ／Ｆ
１０６：ドライブ装置
１０７：入力装置
１０８：出力装置
１０９：ディスクメディア

Claims

情報処理装置がユーザに対象をレコメンドする情報処理方法であって、
複数のユーザのユーザ情報と、前記複数のユーザの行動履歴情報と、カテゴリカルデータを含む複数の対象の対象情報と、を取得する取得処理と、
前記複数のユーザの行動履歴情報と、前記複数の対象の対象情報と、に基づいて、前記カテゴリカルデータの値間の類似度を算出する類似度算出処理と、
一のユーザの前記行動履歴情報と、前記複数の対象の対象情報と、に基づいて、前記一のユーザのユーザ情報に前記カテゴリカルデータを追加し、前記一のユーザのカテゴリカルデータを前記類似度に基づいて補正する加工処理と、
前記一のユーザのユーザ情報と、前記複数の対象の対象情報と、に基づいて、前記一のユーザに対する各対象の推薦度を算出する推薦度算出処理と、
前記各対象の推薦度に基づいて、前記一のユーザに対象をレコメンドするレコメンド処理と、
を含む情報処理方法。
前記一のユーザに対する一の対象の前記推薦度は、前記一のユーザの対象情報に含まれる前記カテゴリカルデータと、前記一の対象の対象情報に含まれる前記カテゴリカルデータと、の内積に基づいて算出される
請求項１に記載の情報処理方法。
前記カテゴリカルデータの値間の類似度は、ユーザごとに算出された、値間の頻度の類似度に基づいて算出される
請求項１又は請求項２に記載の情報処理方法。
前記カテゴリカルデータは、地域、業種、年齢、性別、又は雇用形態である
請求項１から請求項３までのいずれかに記載の情報処理方法。
ユーザに対象をレコメンドする情報処理装置であって、
複数のユーザのユーザ情報と、前記複数のユーザの行動履歴情報と、カテゴリカルデータを含む複数の対象の対象情報と、を取得する取得部と、
前記複数のユーザの行動履歴情報と、前記複数の対象の対象情報と、に基づいて、前記カテゴリカルデータの値間の類似度を算出する類似度算出部と、
一のユーザの前記行動履歴情報と、前記複数の対象の対象情報と、に基づいて、前記一のユーザのユーザ情報に前記カテゴリカルデータを追加し、前記一のユーザのカテゴリカルデータを前記類似度に基づいて補正する加工部と、
前記一のユーザのユーザ情報と、前記複数の対象の対象情報と、に基づいて、前記一のユーザに対する各対象の推薦度を算出する推薦度算出部と、
前記各対象の推薦度に基づいて、前記一のユーザに対象をレコメンドするレコメンド部と、
を備える情報処理装置。
情報処理装置に、
複数のユーザのユーザ情報と、前記複数のユーザの行動履歴情報と、カテゴリカルデータを含む複数の対象の対象情報と、を取得する取得処理と、
前記複数のユーザの行動履歴情報と、前記複数の対象の対象情報と、に基づいて、前記カテゴリカルデータの値間の類似度を算出する類似度算出処理と、
一のユーザの前記行動履歴情報と、前記複数の対象の対象情報と、に基づいて、前記一のユーザのユーザ情報に前記カテゴリカルデータを追加し、前記一のユーザのカテゴリカルデータを前記類似度に基づいて補正する加工処理と、
前記一のユーザのユーザ情報と、前記複数の対象の対象情報と、に基づいて、前記一のユーザに対する各対象の推薦度を算出する推薦度算出処理と、
前記各対象の推薦度に基づいて、前記一のユーザに対象をレコメンドするレコメンド処理と、
を含む情報処理方法を実行させるためのプログラム。