JP7135235B1 - 情報処理装置、情報処理方法、および情報処理プログラム - Google Patents

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

Info

Publication number
JP7135235B1
JP7135235B1 JP2022082391A JP2022082391A JP7135235B1 JP 7135235 B1 JP7135235 B1 JP 7135235B1 JP 2022082391 A JP2022082391 A JP 2022082391A JP 2022082391 A JP2022082391 A JP 2022082391A JP 7135235 B1 JP7135235 B1 JP 7135235B1
Authority
JP
Japan
Prior art keywords
query
search query
information processing
search
unit
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
JP2022082391A
Other languages
English (en)
Other versions
JP2023170551A (ja
Inventor
剛 小沼
寛 山口
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 JP2022082391A priority Critical patent/JP7135235B1/ja
Application granted granted Critical
Publication of JP7135235B1 publication Critical patent/JP7135235B1/ja
Publication of JP2023170551A publication Critical patent/JP2023170551A/ja
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Landscapes

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

Abstract

【課題】所定の検索クエリを入力した利用者に関するより詳細な分析を可能にすることができる情報処理装置、情報処理方法、および情報処理プログラムを提供すること。【解決手段】本願に係る情報処理装置は、受付部と、特定部と、推定部と、提供部とを備える。受付部は、基準クエリの指定を受け付ける。特定部は、基準クエリを入力した利用者を特定利用者として特定する。推定部は、複数の期間の各々において、特定利用者によって入力された検索クエリと基準クエリとの関連度を推定する。提供部は、推定部によって推定された関連度および検索クエリの入力タイミングのうちの一方または両方の変化に関するコンテンツを提供する。情報処理装置は、例えば学習モデルを用いて処理を実現する。【選択図】図８

Description

本発明は、情報処理装置、情報処理方法、および情報処理プログラムに関する。
近年のインターネットの飛躍的な普及に伴い、インターネット上の種々の情報を用いた分析に関する技術が発展しつつある。例えば、利用者の検索クエリに基づいて、利用者のニーズを分析する技術が知られている。
特開２０１９－０３２７７６号公報
しかしながら、従来の技術では、所定の検索クエリを入力した利用者に関するより詳細な分析を可能にすることができるとは限らない。
本願は、上記に鑑みてなされたものであって、所定の検索クエリを入力した利用者に関するより詳細な分析を可能にすることができる情報処理装置、情報処理方法、および情報処理プログラムを提供することを目的とする。
本願に係る情報処理装置は、受付部と、特定部と、推定部と、提供部とを備える。受付部は、基準クエリの指定を受け付ける。特定部は、基準クエリを入力した利用者を特定利用者として特定する。推定部は、複数の期間の各々において、特定利用者によって入力された検索クエリと基準クエリとの関連度を推定する。提供部は、推定部によって推定された関連度および検索クエリの入力タイミングのうちの一方または両方の変化に関するコンテンツを提供する。
実施形態の一態様によれば、所定の検索クエリを入力した利用者に関するより詳細な分析を可能にすることができるという効果を奏する。
図１は、実施形態に係る情報処理の一例を示す図である。 図２は、実施形態に係る操作者装置に表示されるコンテンツの一例を示す図である。 図３は、実施形態に係る操作者装置に表示され第１想起クエリが強調されたコンテンツの一例を示す図である。 図４は、実施形態に係る操作者装置に表示されるコンテンツの一例を示す図である。 図５は、実施形態に係る操作者装置に表示されるコンテンツの他の例を示す図である。 図６は、実施形態に係る情報処理装置による時間スコアの算出方法の一例を示す図である。 図７は、実施形態に係る情報処理装置が含まれる情報処理システムの構成の一例を示す図である。 図８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９は、実施形態に係る検索履歴記憶部に記憶される検索履歴テーブルの一例を示す図である。 図１０は、実施形態に係る利用者情報記憶部に記憶される利用者情報テーブルの一例を示す図である。 図１１は、実施形態に係る情報処理装置の推定部の構成の一例を示す図である。 図１２は、情報処理装置の処理部が実行する情報処理の一例を示すフローチャートである。 図１３は、実施形態に係る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、本願に係る情報処理装置、情報処理方法、およ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、こ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、および情報処理プログラムが限定されるものではない。また、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。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．情報処理の一例〕
図１は、実施形態に係る情報処理の一例を示す図であり、本実施形態においては情報処理装置１により情報処理方法が実行される。
図１に示す情報処理装置１は、利用者が入力した時系列の検索クエリに基づいて、所定の検索クエリを入力した利用者のより詳細な分析を行う。検索クエリを入力した利用者とは、端末装置２を介して検索クエリを情報処理装置１に入力した利用者であり、検索クエリを用いて検索した利用者である。
情報処理装置１は、時系列の検索クエリのうち、所定の検索クエリを入力した利用者が所定の検索クエリに対応するカテゴリにおいて最初に入力した検索クエリを推定する。また、情報処理装置１は、検索クエリと所定の検索クエリとの関連度や入力タイミングなどの時間的変化を示すコンテンツを生成する。
図１に示すように、各利用者Ｕ１，・・・，Ｕｎは、端末装置２１，・・・，２ｎのうち対応する端末装置から検索クエリを検索サーバ３に送信させる（ステップＳ１１，・・・，Ｓ１ｎ）。ｎは、２以上の整数である。端末装置２１は、利用者Ｕ１によって用いられる端末装置であり、端末装置２ｎは、利用者Ｕｎによって用いられる端末装置である。
検索サーバ３は、各端末装置２１，・・・，２ｎから送信される検索クエリを受け付け、受け付けた検索クエリに応じた検索結果を各端末装置２１，・・・，２ｎに送信する（ステップＳ２１，・・・，Ｓ２ｎ）。以下において、端末装置２１，・・・，２ｎの各々を個別に区別せずに示す場合、端末装置２と記載する場合があり、利用者Ｕ１，・・・，Ｕｎの各々を個別に区別せずに示す場合、利用者Ｕと記載する場合がある。
ステップＳ１１，・・・，Ｓ１ｎおよびステップＳ２１，・・・，Ｓ２ｎの処理は繰り返し行われる。各利用者Ｕは、調べたいことがあるたびに、調べたい対象を示す検索クエリを端末装置２から繰り返し検索サーバ３に送信させ、検索サーバ３は、端末装置２から送信される検索クエリを繰り返し受け付け、受け付けた検索クエリに応じた検索結果を端末装置２に送信する。
このように、各利用者Ｕによって複数の検索クエリが互いに異なるタイミングで検索サーバ３に送信される。そのため、検索サーバ３には、各利用者Ｕによって互いに異なるタイミングの複数の検索クエリである時系列の検索クエリが入力される。
検索クエリは、検索キーワードとも呼ばれ、複数の利用者Ｕによって入力される検索クエリは、互いに同一である場合がある。例えば、利用者Ｕ１によって入力される検索クエリ「ＳＵＶ」は、利用者Ｕｎによって入力される検索クエリ「ＳＵＶ」と同じ検索クエリである。「ＳＵＶ」は、ＳＵＶ（Sport Utility Vehicle）である。
つづいて、情報処理装置１は、検索サーバ３から検索履歴を取得する（ステップＳ３）。検索履歴は、各利用者Ｕによって入力された時系列の検索クエリの履歴である。
次に、情報処理装置１は、操作者ＯＰによる基準クエリの指定を受け付ける（ステップＳ４）。基準クエリは、複数の利用者Ｕによって入力された検索クエリのうち基準となる検索クエリである。操作者ＯＰは、操作者装置４を操作して基準クエリを指定する操作を行うことで、操作者ＯＰによって指定された基準クエリの情報である操作情報が操作者装置４から情報処理装置１に送信される。
例えば、利用者Ｕ１は、図１に示すコンテンツＣＴ１の所定の領域Ｒ１に「ＳＵＶ」と設定し、設定した「ＳＵＶ」を検索クエリとして検索するための操作を行うことによって、「ＳＵＶ」を基準クエリに指定したとする。操作者装置４は、「ＳＵＶ」を基準クエリに指定する操作を受け付けると、「ＳＵＶ」を示す情報を基準クエリの指定に関する操作情報として情報処理装置１へ送信する。
情報処理装置１は、操作者装置４から送信される操作情報に基づいて、操作者ＯＰによる基準クエリの指定を受け付け、基準クエリを入力した利用者Ｕを特定利用者として特定する（ステップＳ５）。
例えば、基準クエリが「ＳＵＶ」である場合、複数の利用者Ｕのうち、検索クエリとして「ＳＵＶ」を入力した利用者Ｕが特定利用者として特定される。この際、情報処理装置１は、基準クエリの検索時期や検索回数に関する所定の条件が予め定められている場合には、所定の条件を満たす利用者Ｕを特定してもよい。
次に、情報処理装置１は、特定利用者の検索履歴に基づいて、特定利用者が入力した検索クエリの時系列変化を示すコンテンツＣＴ２を操作者装置４に表示させるための時系列情報を生成する（ステップＳ６）。なお、コンテンツＣＴ２で時系列変化として示される検索クエリに、基準クエリと同じである検索クエリが含まれてもよい。例えば、基準クエリが「ＳＵＶ」である場合、コンテンツＣＴ２において、検索クエリ「ＳＵＶ」が時系列変化の対象として含まれていてもよい。
次に、情報処理装置１は、ステップＳ６で生成した時系列情報を操作者装置４に送信し、特定利用者が入力した検索クエリの時系列変化を示すコンテンツを操作者装置４に表示させる（ステップＳ７）。
図２は、実施形態に係る操作者装置４に表示されるコンテンツＣＴ２の一例を示す図である。図２に示すコンテンツＣＴ２は、「ＳＵＶ」を入力した利用者Ｕである特定利用者が、２０２１年３月２５日から２０２２年３月２４日までに入力した検索クエリの時系列変化を示すコンテンツである。
また、コンテンツＣＴ２において、検索クエリは、重複ボリュームが高い順に上位１０００件が表示されるものとする。なお、図２では、便宜上、主要な検索クエリのみが表示されているが、実際は、１０００件分の検索クエリが表示される。なお、操作者ＯＰは、情報処理装置１に対し、端末装置２を介して、表示される検索クエリの数の変更を要求することで、コンテンツＣＴ２に含まれる検索クエリの数を変更することができる。
情報処理装置１は、例えば、各特定利用者が基準クエリ「ＳＵＶ」を入力したタイミングを起点として、期間毎に各特定利用者が入力した検索クエリを集計することで、重複ボリュームの上位の検索クエリを特定する。重複ボリュームは、検索クエリを入力した利用者Ｕの利用者数であってもよいし、利用者Ｕの複数回入力を考慮した入力数（検索数）であってもよい。
コンテンツＣＴ２は、検索クエリの時系列変化を示すグラフＧ１を含む。グラフＧ１の横軸の指標が検索クエリの検索サーバ３への入力の期間であり、縦軸の指標が検索クエリの重複ボリュームである。また、グラフＧ１において、「Ａ１」～「Ａ３」は、自動車を製造する事業者である。「Ｂ１」～「Ｂ９」は、自動車のブランドである。なお、自動車を製造する事業者名が自動車のメインブランドである場合、「Ｂ１」～「Ｂ９」は、自動車のサブブランドである。
グラフＧ１では、検索クエリ「ＳＵＶ」が基準クエリであるため、各特定利用者による「ＳＵＶ」の入力タイミングが起点である検索起点とされている。すなわち、グラフＧ１は、各特定利用者による「ＳＵＶ」の入力タイミングを検索起点として、各期間に入力された検索クエリの重複ボリュームをプロットしたグラフである。なお、入力タイミングは、日単位のタイミングであるが、数日、数時間、１時間、または数十分などを単位とするタイミングであってもよい。また、検索クエリの入力タイミングは、検索クエリの情報処理装置１への入力タイミングであり、検索クエリによる検索のタイミングである。
図２に示すグラフＧ１では、各特定利用者による基準クエリ「ＳＵＶ」の入力タイミングを、横軸の指標で「０日」とする。例えば、グラフＧ１は、基準クエリ「ＳＵＶ」を入力した特定利用者が、基準クエリ「ＳＵＶ」を入力した「０日」の期間に、「ＳＵＶ Ａ１」、「ＳＵＶ 新型」、「ＳＵＶ 中古」、「ＳＵＶ 人気」、「Ｂ６」などの検索クエリを入力した傾向にあることを示す。
また、図２に示すグラフＧ１は、基準クエリ「ＳＵＶ」を入力した特定利用者が、基準クエリ「ＳＵＶ」を入力した「０日」の期間から３日～７日後に、「Ｂ５ ＳＵＶ」、「ＳＵＶ 人気車種ランキング」などの検索クエリを入力した傾向にあることを示す。また、図２に示すグラフＧ１は、基準クエリ「ＳＵＶ」を入力した特定利用者が、基準クエリ「ＳＵＶ」を入力した「０日」の期間から７日～１５日前に、「Ｂ１」、「Ｂ２」などの検索クエリを入力した傾向にあることを示す。
操作者ＯＰは、グラフＧ１における２つの検索クエリを選択することで、選択された２つの検索クエリを入力した特定利用者が入力した検索クエリを含むグラフを操作者装置４に表示させることができる。例えば、操作者ＯＰは、「０日」の期間の前後の「Ｂ５ 中古」および「Ｂ５ ＳＵＶ」を選択すると、「Ｂ５ 中古」および「Ｂ５ ＳＵＶ」を入力した特定利用者が入力した検索クエリを含むグラフが操作者装置４に表示される。
情報処理装置１は、操作者装置４を介して、２つの検索クエリの選択を受け付け、利用者Ｕの検索履歴に基づいて、選択を受け付けた２つの検索クエリを入力した特定利用者を特定する。情報処理装置１は、特定した特定利用者の検索履歴に基づいて、選択を受け付けた２つの検索クエリを入力した特定利用者が、かかる２つの検索クエリの一方から他方までに入力した検索クエリの時系列変化を示すコンテンツを表示させるための時系列情報を生成し、生成した時系列情報を操作者装置４に送信する。これにより、操作者ＯＰは、グラフＧ１において、特定利用者の切り分けを行うことができる。
また、情報処理装置１は、２つの検索クエリの選択に代えてまたは加えて、操作者ＯＰから指定されたペルソナまたは操作者ＯＰから選択された検索クエリに基づいて推定されたペルソナに基づいて、特定利用者の切り分けを行うこともできる。また、情報処理装置１は、グラフＧ１に対して操作者ＯＰによって指定された所定の範囲に基づいて、特定利用者の切り分けを行うこともできる。なお、特定利用者の切り分けは、特定利用者として特定される利用者の絞り込みということもできる。
また、情報処理装置１は、操作者ＯＰによる２つの検索クエリの選択により、特定利用者を切り分けた上で、グラフＧ１において操作者ＯＰによって選択された所定の範囲に基づいて検索クエリの絞り込みを行うこともできる。
なお、期間毎にプロットされる縦軸の指標は、例えば、バスケット分析のリフト値に基づくスコアであってもよい。また、検索クエリを集計する期間を示す横軸の指標は、週単位であっても、月単位であっても、年単位であってもよい。
コンテンツＣＴ２には、図２に示すように、切り替えボタンＳＷ１，ＳＷ２が含まれている。操作者ＯＰは、操作者装置４を操作して、切り替えボタンＳＷ１を選択することで、情報処理装置１に第１想起クエリを推定させ、第１想起クエリを操作者装置４に表示させることができる。
また、操作者ＯＰは、操作者装置４を操作して、切り替えボタンＳＷ２を選択することで、検索クエリの基準クエリとの関連度および検索クエリの入力タイミングの変化に関するコンテンツを操作者装置４に表示させることができる。
ここで、情報処理装置１に第１想起クエリを推定させ、第１想起クエリを操作者装置４に表示させる処理について説明する。操作者装置４は、操作者ＯＰによる切り替えボタンＳＷ１の選択を受け付けると、切り替えボタンＳＷ１の選択を示す操作情報を情報処理装置１に送信する（ステップＳ８－１）。
情報処理装置１は、操作者装置４から送信される操作情報に基づいて、操作者ＯＰによる切り替えボタンＳＷ１の選択を第１想起クエリの推定要求として受け付ける。情報処理装置１は、第１想起クエリの推定要求を受け付けると、基準クエリに対応するカテゴリである対応カテゴリにおいて特定利用者が最初に入力した検索クエリを第１想起クエリとして推定する（ステップＳ９－１）。
基準クエリに対応するカテゴリは、基準クエリで示される検索対象を含むカテゴリであるが、基準クエリで示される検索対象に関係するカテゴリであってもよい。また、基準クエリに対応するカテゴリは、基準クエリで示される検索対象がカテゴリである場合、基準クエリで示されるカテゴリである。
例えば、基準クエリで示される対象が自動車のブランド、種別、または特徴などである場合、基準クエリに対応するカテゴリは、自動車であり、基準クエリで示される検索対象が自動車である場合、基準クエリに対応するカテゴリは、自動車である。例えば、基準クエリが「ＳＵＶ」である場合、基準クエリに対応するカテゴリは、自動車またはＳＵＶである。
第１想起クエリは、例えば、基準クエリの入力タイミングから所定の期間前までの特定利用者の入力による時系列の検索クエリのうち、基準クエリに対応するカテゴリにおいて特定利用者が最初に入力した検索クエリである。換言すれば、第１想起クエリは、特定利用者が基準クエリを入力するまでの過程において、基準クエリに対応するカテゴリにおいて特定利用者が最初に想起した対象を検索する検索クエリである。
情報処理装置１は、例えば、特定利用者によって入力された各検索クエリと基準クエリとの関連度、および、各検索クエリの入力タイミングと基準クエリの入力タイミングとの間の期間に基づいて、第１想起クエリを推定する。
例えば、情報処理装置１は、基準クエリから所定の期間前までに特定利用者が入力し且つ基準クエリに対応するカテゴリの検索クエリのうち、基準クエリとの関連度が閾値以上であって且つ基準クエリとの入力タイミングから最も古い検索クエリを、第１想起クエリと推定することができる。
また、情報処理装置１は、各検索クエリの基準クエリとの関連度および基準クエリとの入力タイミングとの間の期間とに基づいて、各検索クエリのスコアである第１想起スコアＳｆａｗを算出し、算出した各検索クエリの第１想起スコアＳｆａｗに基づいて、第１想起クエリを推定することができる。
例えば、情報処理装置１は、関連度スコアＳｒｅと時間差スコアＳｔｄとに基づいて、第１想起スコアＳｆａｗを算出する。関連度スコアＳｒｅは、検索クエリの基準クエリとの関連度の一例であり、時間差スコアＳｔｄは、検索クエリの入力タイミングと基準クエリの入力タイミングとの間の期間に基づいて算出されるスコアである。
情報処理装置１は、例えば、上述した重複ボリュームを関連度スコアＳｒｅとすることができる。例えば、情報処理装置１は、検索クエリを入力した特定利用者の数である利用者数Ｎｕに基づいて、検索クエリの関連度スコアＳｒｅを算出する。例えば、情報処理装置１は、利用者数Ｎｕに係数ｋ１を乗算して得られる値を関連度スコアＳｒｅとして算出することができる。
例えば、検索クエリ「ＳＵＶ Ａ３」を入力した特定利用者の数が２０であり、ｋ１＝０．１であれば、検索クエリ「ＳＵＶ Ａ３」の関連度スコアＳｒｅは、Ｓｒｅ＝０．１×２０＝２である。なお、ｋ１は、固定値であるが、可変値であってもよい。
また、情報処理装置１は、同一特定利用者による複数回入力を考慮した入力数（検索数）に基づいて、関連度スコアＳｒｅを算出することができる。同一特定利用者による複数回入力は、同一検索クエリが同一特定利用者によって複数回入力されたことを示す。
例えば、情報処理装置１は、特定利用者の入力総数（検索総数）に係数ｋ１を乗じた値を関連度スコアＳｒｅとすることができる。また、情報処理装置１は、係数ｋ１を、利用者数Ｎｕに対する同一特定利用者による複数回入力数Ｎｐの比Ｒｐ（＝ｋａ（Ｎｐ／Ｎｕ）＋ｋｂ）に応じた値にすることで、同一特定利用者による複数回入力を考慮した入力数（検索数）を考慮した値にすることができる。ｋａ，ｋｂは係数であり、複数回入力数Ｎｐは、例えば、複数回入力を行った特定利用者の数であるが、複数回入力された検索クエリの総数であってもよい。
また、情報処理装置１は、同一利用者Ｕがどのくらいこれらの利用者行動を同時に行うかを示すスコアを関連度スコアＳｒｅとすることもできる。例えば、情報処理装置１は、多くの利用者Ｕの入力タイミングが基準クエリと一致する検索クエリを最も高いスコアとし、検索クエリの入力タイミングが基準クエリから時間的に離れるほどスコアが小さくなるように関連度スコアＳｒｅを算出することができる。
情報処理装置１は、特定利用者の数および複数回入力数のうちの１以上と関連度スコアＳｒｅとを特定利用者の数および複数回入力数のうちの１以上毎に含む学習用情報を用いて、関連度スコアＳｒｅを出力する関連度判定モデルを学習することができる。この場合、情報処理装置１は、特定利用者の数および複数回入力数のうちの１以上を関連度判定モデルに入力することで、関連度スコアＳｒｅを算出する。
情報処理装置１は、検索クエリの入力タイミングと基準クエリの入力タイミングとの間の期間に基づいて、時間差スコアＳｔｄを算出する。検索クエリの入力タイミングと基準クエリの入力タイミングとの間の期間は、例えば、検索クエリの入力タイミングと基準クエリの入力タイミングとの時間差である。
情報処理装置１は、例えば、検索クエリの入力タイミングと基準クエリの入力タイミングとの時間差をｔｄとし、検索クエリの入力タイミングをｔｓとし、基準クエリの入力タイミングをｔｒとした場合、時間差ｔｄ＝ｔｒ－ｔｓである。
情報処理装置１は、各検索クエリの時間差ｔｄに基づいて、各検索クエリの時間差スコアＳｔｄを算出する。例えば、情報処理装置１は、下記式（１）の関数ｆ１（ｔｄ）を用いて、時間差ｔｄから時間差スコアＳｔｄを算出することができる。
ｆ１（ｔｄ）＝Ｓｔｄ ・・・（１）
情報処理装置１は、例えば、時間差ｔｄと時間差スコアＳｔｄを時間差ｔｄ毎に含む学習用情報を用いて、時間差ｔｄを入力とし、時間差スコアＳｔｄを出力とする時間差スコア判定モデルを生成することもできる。情報処理装置１は、時間差スコア判定モデルを用いて、時間差スコアＳｔｄを算出することができる。
情報処理装置１は、関連度スコアＳｒｅと時間差スコアＳｔｄとに基づいて、第１想起スコアＳｆａｗを算出する。例えば、情報処理装置１は、下記式（２）の関数ｆ２（Ｓｒｅ，Ｓｔｄ）を用いて、関連度スコアＳｒｅと時間差スコアＳｔｄとから第１想起スコアＳｆａｗを算出することができる。
ｆ２（Ｓｒｅ，Ｓｔｄ）＝Ｓｆａｗ ・・・（２）
また、情報処理装置１は、例えば、関連度スコアＳｒｅと時間差スコアＳｔｄとを第１想起スコアＳｆａｗ毎に含む学習用情報を用いて、関連度スコアＳｒｅと時間差スコアＳｔｄとを入力とし、第１想起スコアＳｆａｗを出力とする第１想起スコア判定モデルを生成することもできる。情報処理装置１は、第１想起スコア判定モデルを用いて、第１想起スコアＳｆａｗを算出する。
情報処理装置１は、例えば、複数の特定利用者が入力した検索クエリのうち第１想起スコアＳｆａｗが最も高い検索クエリを第１想起クエリと推定する。情報処理装置１は、推定した第１想起クエリを、操作情報に応じた情報として、操作者装置４に送信し、第１想起クエリを示す情報を含むコンテンツＣＴ３を操作者ＯＰに提供する（ステップＳ１０－１）。
図３は、実施形態に係る操作者装置４に表示され第１想起クエリが強調されたコンテンツＣＴ３の一例を示す図である。図３に示すコンテンツＣＴ３では、「ＳＵＶ」を入力した利用者Ｕである特定利用者が最初に入力したと推定される検索クエリである第１想起クエリとして検索クエリ「Ｂ１」が強調されている。
これにより、操作者ＯＰは、情報処理装置１によって推定された第１想起クエリを容易に把握することができ、所定の検索クエリを入力した利用者のより詳細な分析を可能にすることができる。
情報処理装置１は、操作者ＯＰの操作によって上述したように特定利用者の切り分けを行った場合、切り分けにより絞り込まれた特定利用者が最初に検索したと推定される検索クエリを第１想起クエリとして推定することができる。
また、情報処理装置１は、グラフＧ１において操作者ＯＰによって所定の範囲が選択された場合、操作者ＯＰによって選択された所定の範囲内において、切り分けにより絞り込まれた特定利用者が最初に検索したと推定される検索クエリを第１想起クエリとして推定することもできる。
次に、情報処理装置１が検索クエリの基準クエリとの関連度および検索クエリの入力タイミングの変化に関するコンテンツを操作者装置４に表示させる処理について説明する。操作者装置４は、操作者ＯＰによる切り替えボタンＳＷ２の選択を受け付けると、切り替えボタンＳＷ２の選択を示す操作情報を情報処理装置１に送信する（ステップＳ８－２）。
情報処理装置１は、操作者装置４から送信される操作情報に基づいて、操作者ＯＰによる切り替えボタンＳＷ２の選択を変化に関するコンテンツの要求として受け付ける。情報処理装置１は、変化に関するコンテンツの要求を受け付けると、特定利用者によって入力された各検索クエリの基準クエリとの関連度を推定する（ステップＳ９－２－１）。
ステップＳ９－２－１の処理において、情報処理装置１は、複数の期間ｔ１～ｔｎの各々において、例えば、上述した各検索クエリの関連度スコアＳｒｅを各検索クエリの基準クエリとの関連度として推定する。ｎは、２以上の整数である。各期間ｔ１～ｔｎは、数日単位の期間であるが、１ヶ月、数十日、１日、数時間などを単位とする期間であってもよい。以下において、複数の期間ｔ１～ｔｎの各々における関連度スコアＳｒｅを関連度スコアＳｒｅ（ｔｘ）と表す。ｘは、１～ｎまでの任意の値である。
関連度スコアＳｒｅ（ｔｘ）は、期間ｔｘの関連度スコアＳｒｅである。例えば、期間ｔ１における検索クエリの関連度スコアＳｒｅは、「Ｓｒｅ（ｔ１）」で表され、期間ｔ２における検索クエリの関連度スコアＳｒｅは、「Ｓｒｅ（ｔ２）」で表される。
つづいて、情報処理装置１は、ステップＳ９－２－１の処理で推定した関連度と検索クエリの入力タイミングの変化に関するコンテンツを生成する（ステップＳ９－２－２）。そして、情報処理装置１は、ステップＳ９－２－２において生成したコンテンツを表示させるための情報を、操作情報に応じた情報として、操作者装置４に送信し、関連度と入力タイミングの変化を示す情報を含むコンテンツＣＴ４を操作者ＯＰに提供する（ステップＳ１０－２）。
ここで、期間ｔｘにおける検索クエリの特定利用者による入力タイミングを「Ｔ（ｔｘ）」とする。期間ｔｋにおける検索クエリの入力タイミングは、「Ｔ（ｔｋ）」で表され、期間ｔｋ＋１における検索クエリの入力タイミングは、「Ｔ（ｔｋ＋１）」で表される。
情報処理装置１は、特定利用者が入力した各検索クエリについて、各期間ｔｘにおける関連度スコアＳｒｅ（ｔｘ）と入力タイミングＴ（ｔｘ）とに基づいて、関連度と入力タイミングの変化に関するコンテンツを生成する。例えば、情報処理装置１は、検索クエリの関連度と入力タイミングとの変化を示すグラフを含む情報をコンテンツＣＴ４として生成する。
図４は、実施形態に係る操作者装置４に表示されるコンテンツＣＴ４の一例を示す図である。図４に示すコンテンツＣＴ４では、検索クエリ「Ｂ２」と検索クエリ「Ｂ３」の関連度と入力タイミングとの変化を示すグラフＧ２を含む。
図４では、期間ｔｋにおける検索クエリ「Ｂ２」のグラフＧ２上の位置がＢ２（ｔｋ）で表され、期間ｔｋ＋１における検索クエリ「Ｂ２」のグラフＧ２上の位置がＢ２（ｔｋ＋１）で表される。検索クエリ「Ｂ２」の位置は、期間ｔｋから期間ｔｋ＋１にかけて、Ｂ２（ｔｋ）からＢ２（ｔｋ＋１）に変化している。
具体的には、検索クエリ「Ｂ２」は、期間ｔｋにおける関連度スコアＳｒｅ（ｔｋ）が「ＳｒｅＢ２（ｔｋ）」で表され、期間ｔｋ＋１における関連度スコアＳｒｅ（ｔｋ＋１）が「ＳｒｅＢ２（ｔｋ＋１）」で表されている。すなわち、検索クエリ「Ｂ２」の基準クエリに対する関連度は、期間ｔｋから期間ｔｋ＋１にかけて、ＳｒｅＢ２（ｔｋ）からＳｒｅＢ２（ｔｋ＋１）に変化している。
また、検索クエリ「Ｂ２」は、期間ｔｋにおける入力タイミングＴ（ｔｋ）が「ＴＢ２（ｔｋ）」で表され、期間ｔｋ＋１における入力タイミングＴ（ｔｋ＋１）が「ＴＢ２（ｔｋ＋１）」で表されている。すなわち、検索クエリ「Ｂ２」の入力タイミングは、期間ｔｋから期間ｔｋ＋１にかけて、ＴＢ２（ｔｋ）からＴＢ２（ｔｋ＋１）に変化している。
したがって、検索クエリ「Ｂ２」の入力タイミングは、基準クエリの入力タイミング（検索基点）よりも前であるが、期間ｔｋから期間ｔｋ＋１にかけて、基準クエリの入力タイミングに近づいており、また、基準クエリとの関連度は低くなっている。
基準クエリとの関連度が高いほど認知度が高く、基準クエリの入力タイミングよりも前であって基準クエリの入力タイミングから遠ざかるほど、認知度が高いと推定される。そのため、「ブランドＢ２」は、認知度が下がっていると推定される。このように、情報処理装置１では、所定の検索クエリを入力した利用者Ｕのより詳細な分析を可能にすることができる。
また、図４では、期間ｔｋにおける検索クエリ「Ｂ３」のグラフＧ２上の位置がＢ３（ｔｋ）で表され、期間ｔｋ＋１における検索クエリ「Ｂ３」のグラフＧ２上の位置がＢ３（ｔｋ＋１）で表される。検索クエリ「Ｂ３」の位置は、期間ｔｋから期間ｔｋ＋１にかけて、Ｂ３（ｔｋ）からＢ３（ｔｋ＋１）に変化している。
具体的には、検索クエリ「Ｂ３」は、期間ｔｋにおける関連度スコアＳｒｅ（ｔｋ）が「ＳｒｅＢ３（ｔｋ）」で表され、期間ｔｋ＋１における関連度スコアＳｒｅ（ｔｋ＋１）が「ＳｒｅＢ３（ｔｋ＋１）」で表されている。すなわち、検索クエリ「Ｂ３」の基準クエリに対する関連度は、期間ｔｋから期間ｔｋ＋１にかけて、ＳｒｅＢ３（ｔｋ）からＳｒｅＢ３（ｔｋ＋１）に変化している。
また、検索クエリ「Ｂ３」は、期間ｔｋにおける入力タイミングＴ（ｔｋ）が「ＴＢ３（ｔｋ）」で表され、期間ｔｋ＋１における入力タイミングＴ（ｔｋ＋１）が「ＴＢ３（ｔｋ＋１）」で表されている。すなわち、検索クエリ「Ｂ３」の入力タイミングは、期間ｔｋから期間ｔｋ＋１にかけて、ＴＢ３（ｔｋ）からＴＢ３（ｔｋ＋１）に変化している。
したがって、検索クエリ「Ｂ３」の入力タイミングは、基準クエリの入力タイミング（検索基点）よりも前であり、期間ｔｋから期間ｔｋ＋１にかけて、基準クエリの入力タイミングから遠ざかっており、また、基準クエリとの関連度は高くなっている。
基準クエリとの関連度が高いほど認知度が高く、基準クエリの入力タイミングよりも前であって基準クエリの入力タイミングから遠ざかるほど、認知度が高いと推定される。そのため、「ブランドＢ３」は、認知度が高くなっていると推定される。このように、情報処理装置１では、所定の検索クエリを入力した利用者Ｕのより詳細な分析を可能にすることができる。
図５は、実施形態に係る操作者装置４に表示されるコンテンツＣＴ４の他の例を示す図である。図５に示すコンテンツＣＴ４では、検索クエリ「Ｂ４」の関連度と入力タイミングとの変化を示すグラフＧ２を含む。
図５では、期間ｔｋにおける検索クエリ「Ｂ４」のグラフＧ２上の位置がＢ４（ｔｋ）で表され、期間ｔｋ＋１における検索クエリ「Ｂ４」のグラフＧ２上の位置がＢ４（ｔｋ＋１）で表される。検索クエリ「Ｂ４」の位置は、期間ｔｋから期間ｔｋ＋１にかけて、Ｂ４（ｔｋ）からＢ４（ｔｋ＋１）に変化している。
検索クエリ「Ｂ４」は、期間ｔｋにおける関連度スコアＳｒｅ（ｔｋ）が「ＳｒｅＢ４（ｔｋ）」で表され、期間ｔｋ＋１における関連度スコアＳｒｅ（ｔｋ＋１）が「ＳｒｅＢ４（ｔｋ＋１）」で表されている。すなわち、検索クエリ「Ｂ４」の基準クエリに対する関連度は、期間ｔｋから期間ｔｋ＋１にかけて、ＳｒｅＢ４（ｔｋ）からＳｒｅＢ４（ｔｋ＋１）に変化している。
また、検索クエリ「Ｂ４」は、期間ｔｋにおける入力タイミングＴ（ｔｋ）が「ＴＢ４（ｔｋ）」で表され、期間ｔｋ＋１における入力タイミングＴ（ｔｋ＋１）が「ＴＢ４（ｔｋ＋１）」で表されている。すなわち、検索クエリ「Ｂ４」の入力タイミングは、期間ｔｋから期間ｔｋ＋１にかけて、ＴＢ４（ｔｋ）からＴＢ４（ｔｋ＋１）に変化している。
したがって、検索クエリ「Ｂ４」の入力タイミングは、基準クエリの入力タイミング（検索基点）よりも前のタイミングから、期間ｔｋから期間ｔｋ＋１にかけて、基準クエリの入力タイミングよりも後のタイミングに変化しており、また、基準クエリとの関連度は低くなっている。
基準クエリとの関連度が低いほど認知度が低く、基準クエリの入力タイミングよりも後のタイミングになるほど、認知度が低くなると推定される。そのため、「ブランドＢ４」は、認知度が大きく下がっていると推定される。このように、情報処理装置１では、所定の検索クエリを入力した利用者Ｕのより詳細な分析を可能にすることができる。以下において、検索クエリで示される検索対象（例えば、「Ｂ２」、「Ｂ３」、または「Ｂ４」など）を検索クエリ対象と記載する場合がある。
情報処理装置１は、所定の期間ＴＢ（例えば、期間ｔｋから期間ｔｋ＋１までの期間）における関連度スコアＳｒｅ（ｔｘ）または入力タイミングＴ（ｔｘ）の変化が特定条件を満たす検索クエリを含むグラフを示す情報を、操作者ＯＰに提供することができる。
例えば、情報処理装置１は、所定の期間ＴＢにおいて入力タイミングが基準クエリの入力タイミングより過去に所定のタイミング以上遠ざかる変化を示す検索クエリを、特定条件を満たす検索クエリとして抽出し、抽出した検索クエリを含むグラフを示す情報を操作者ＯＰに提供することができる。これにより、情報処理装置１は、図４に示すブランドＢ３を検索対象とする検索クエリの変化を示す情報を操作者ＯＰに提供することができ、ブランドＢ３の認知度が高くなっていることを操作者ＯＰに知らせることができる。
また、情報処理装置１は、例えば、所定の期間ＴＢにおいて入力タイミングが基準クエリの入力タイミングより過去であって基準クエリの入力タイミングに所定のタイミング以上近づく変化を示す検索クエリを、特定条件を満たす検索クエリとして抽出し、抽出した検索クエリを含むグラフを示す情報を操作者ＯＰに提供することができる。これにより、情報処理装置１は、図４に示すブランドＢ２を検索対象とする検索クエリの変化を示す情報を操作者ＯＰに提供することができ、ブランドＢ２の認知度が低くなっていることを操作者ＯＰに知らせることができる。
また、情報処理装置１は、例えば、所定の期間ＴＢにおいて入力タイミングが基準クエリの入力タイミングより前のタイミングから基準クエリの入力タイミングより後のタイミングへ変化する検索クエリを、特定条件を満たす検索クエリとして抽出し、抽出した検索クエリを含むグラフを示す情報を操作者ＯＰに提供することができる。これにより、情報処理装置１は、図５に示すブランドＢ４を検索対象とする検索クエリの変化を示す情報を操作者ＯＰに提供することができ、ブランドＢ４の認知度が低くなっていることを操作者ＯＰに知らせることができる。
また、情報処理装置１は、所定の期間ＴＢにおいて入力タイミングの差が閾値以上である検索クエリを、特定条件を満たす検索クエリとして抽出し、抽出した検索クエリを含むグラフを示す情報を操作者ＯＰに提供することもできる。
なお、情報処理装置１は、例えば、操作者ＯＰによる操作者装置４への操作によって操作者装置４から送信される操作情報に基づいて、所定の期間ＴＢを変更することができる。
また、情報処理装置１は、所定の期間ＴＢにおいて関連度スコアＳｒｅが閾値以上である検索クエリや関連度スコアＳｒｅの変化（例えば、低下度や上昇度）が閾値以上などを、特定条件を満たす検索クエリとして抽出し、抽出した検索クエリを含むグラフを示す情報を操作者ＯＰに提供することもできる。なお、情報処理装置１は、上述した条件を複数満たす検索クエリを、特定条件を満たす検索クエリとして抽出することもできる。
また、特定条件は、例えば、所定の期間ＴＢにおいて後述する認知度スコアＳａｗが閾値以下で継続していることなどであってもよい。これにより、情報処理装置１は、認知度が継続して低い検索クエリ対象を示す情報を、操作者ＯＰに提供することができる。なお、特定条件は、操作者ＯＰによって設定または選択されてもよい。
なお、情報処理装置１は、検索クエリの関連度および検索クエリの入力タイミングの変化に関するコンテンツに代えてまたは加えて、検索クエリの関連度および検索クエリの入力タイミングのうちの一方に関するコンテンツを操作者ＯＰに提供することもできる。
情報処理装置１は、検索クエリで示される検索対象の認知度を示すスコアである認知度スコアＳａｗを算出することができる。そして、情報処理装置１は、例えば、認知度スコアＳａｗの変化が特定条件を満たす検索クエリ対象を判定し、認知度スコアＳａｗの変化が特定条件を満たす検索クエリ対象の情報を操作者ＯＰに提供することもできる。
以下において、情報処理装置１による認知度スコアＳａｗの算出方法について、例を挙げて説明する。
例えば、情報処理装置１は、複数の期間ｔ１～ｔｎの各々において、上述した各検索クエリの時間差スコアＳｔｄを用いて、各検索クエリの時間スコアＳｔ（ｔｘ）を算出する。時間スコアＳｔ（ｔｘ）は、期間ｔｘの時間スコアである。例えば、期間ｔ１における検索クエリの時間スコアは、「Ｓｔ（ｔ１）」で表され、期間ｔ２における検索クエリの時間スコアは、「Ｓｔ（ｔ２）」で表される。
情報処理装置１は、例えば、複数の期間ｔ１～ｔｎの各々における各検索クエリの時間差スコアＳｔｄの平均値である時間差スコア平均値Ｓｔｄａｖに基づいて、各検索クエリの時間スコアＳｔ（ｔｘ）を算出することができる。例えば、情報処理装置１は、下記式（３）を用いて、各検索クエリの時間スコアＳｔ（ｔｘ）を算出する。
Ｓｔ（ｔｘ）＝Ｓｔｄ（ｔｘ）－Ｓｔｄａｖ ・・・（３）
図６は、実施形態に係る情報処理装置１による時間スコアＳｔの算出方法の一例を示す図である。図６では、検索クエリ「Ｂ１」の期間ｔ１～ｔｎにおける時間差スコア平均値Ｓｔｄａｖが－０．２であり、検索クエリ「Ｂ１」の期間ｔｋにおける時間差スコアＳｔｄが－０．４であり、検索クエリ「Ｂ１」の期間ｔｋ＋１における時間差スコアＳｔｄが－０．７である。この場合、時間スコアＳｔ（ｔｋ）＝－０．４－（－０．２）＝－０．２であり、時間スコアＳｔ（ｔｋ＋１）＝－０．７－（－０．２）＝－０．５である。
なお、時間スコアＳｔ（ｔｘ）は、期間ｔｘにおける時間差スコアＳｔｄと同じ値であってもよい。この場合、図６に示す例では、時間スコアＳｔ（ｔｋ）＝－０．４であり、時間スコアＳｔ（ｔｋ＋１）＝－０．７である。
情報処理装置１は、検索クエリの関連度スコアＳｒｅ（ｔｘ）と時間スコアＳｔ（ｔｘ）とに基づいて、検索クエリで示される検索対象の認知度を示す認知度スコアＳａｗ（ｔｘ）を算出する処理を特定利用者が入力した検索クエリ毎に行う。例えば、情報処理装置１は、下記式（４）を用いて、認知度スコアＳａｗ（ｔｘ）を算出する。下記式（４）において、ｋ４は負の係数であり、例えば、－１である。
Ｓａｗ（ｔｘ）＝Ｓｒｅ（ｔｘ）×ｋ４×Ｓｔ（ｔｘ） ・・・（４）
また、情報処理装置１は、下記式（５）を用いて、認知度スコアＳａｗ（ｔｘ）を算出することもできる。下記式（５）において、ｋ５は正の係数であり、ｋ６は負の係数であるが、かかる限定されない。
Ｓａｗ（ｔｘ）＝ｋ５×Ｓｒｅ（ｔｘ）＋ｋ６×Ｓｔ（ｔｘ） ・・・（５）
情報処理装置１は、上述したように、認知度スコアＳａｗの変化が特定条件を満たす検索クエリ対象の情報を操作者ＯＰに提供することができる。特定条件は、例えば、所定の期間ＴＢ（例えば、期間ｔｋから期間ｔｋ＋１までの期間）において認知度スコアＳａｗの低下度が閾値以上であること、所定の期間ＴＢにおいて認知度スコアＳａｗの上昇度が閾値以上であることである。これにより、情報処理装置１は、認知度の低下度が大きな検索クエリ対象や、認知度の上昇度が大きな検索クエリ対象を示す情報を、操作者ＯＰに提供することができる。
なお、情報処理装置１は、例えば、関連度スコアＳｒｅと時間スコアＳｔとを認知度スコアＳａｗ毎に含む学習用情報を用いて、関連度スコアＳｒｅと時間スコアＳｔとを入力とし、認知度スコアＳａｗを出力とする認知度スコア判定モデルを生成することもできる。情報処理装置１は、認知度スコア判定モデルを用いて、認知度スコアＳａｗを算出することができる。
上述した関連度判定モデル、時間差スコア判定モデル、第１想起スコア判定モデル、および認知度判定モデルの各々は、機械学習によって生成される学習モデルであり、例えば、畳み込みニューラルネットワークなどのニューラルネットワークによる機械学習によって生成される。なお、かかる例に限定されず、学習モデルは、ニューラルネットワークに代えて、線形回帰、非線形回帰、ロジスティック回帰、またはサポートベクタマシンといった学習アルゴリズムによる機械学習を用いて生成されてもよい。
このように、情報処理装置１は、特定利用者によって入力された各検索クエリと基準クエリとの関連度、および、各検索クエリの入力タイミングと基準クエリの入力タイミングとの間の期間に基づいて、基準クエリに対応するカテゴリにおいて特定利用者が最初に入力した検索クエリである第１想起クエリを推定する。これにより、情報処理装置１は、所定の検索クエリを入力した利用者Ｕに関するより詳細な分析を可能にすることができる。基準クエリは、所定の検索クエリの一例である。
また、情報処理装置１は、複数の期間の各々において、特定利用者によって入力された各検索クエリの基準クエリとの関連度を推定し、検索クエリの関連度および検索クエリの入力タイミングのうちの一方または両方の変化に関するコンテンツを提供する。これにより、情報処理装置１は、所定の検索クエリを入力した利用者Ｕに関するより詳細な分析を可能にすることができる。基準クエリは、所定の検索クエリの一例である。
なお、コンテンツＣＴ１，ＣＴ２，ＣＴ３，ＣＴ４などのコンテンツは、端末装置２主体の処理により表示されてもよく、ＡＰＩ（Application Programming Interface）などのインターフェイスを介して端末装置２から入力された情報に基づき、情報処理装置１が端末装置２に表示させるものであってもよい。なお、図１では、端末装置２と情報処理装置１とが別装置である場合を示したが、端末装置２と情報処理装置１とが一体であってもよい。
〔２．情報提供システムの構成〕
図７は、実施形態に係る情報処理装置１が含まれる情報処理システムの構成の一例を示す図である。図７に示すように、実施形態に係る情報処理システム１００は、情報処理装置１と、複数の端末装置２１，・・・，２ｎと、検索サーバ３と、操作者装置４とを備える。
図７中では図示していないが、情報処理システム１００は、情報処理装置１、検索サーバ３、および操作者装置４の各々を複数含んでしてもよい。また、情報処理システム１００は、情報処理装置１に関係するエンティティ（例えば、業者、エンドユーザ）の装置などの、他の構成要素を含んでもよい。
情報処理システム１００において、情報処理装置１、複数の端末装置２、検索サーバ３、および操作者装置４は、それぞれネットワークＮと有線または無線により接続される。ネットワークＮは、例えば、インターネット、ＷＡＮ（Wide Area Network）、ＬＡＮ（Local Area Network）などのネットワークである。情報処理システム１００の構成要素は、ネットワークＮを介して互いに通信を行うことができる。
情報処理装置１は、検索クエリの時系列データを評価するための処理を実行する情報処理装置である。情報処理装置１は、各利用者Ｕの時系列の検索クエリから、特定のニーズを持つ利用者Ｕを発見することができる。また、情報処理装置１は、各利用者Ｕの時系列の検索クエリから判定される利用者Ｕの検索傾向から、検索クエリで示される検索対象に対する利用者Ｕの認識度合いなどを判定することができる。
情報処理装置１は、サーバを含む、任意のタイプの情報処理装置であってもよい。情報処理装置１が、ウェブサーバ、アプリケーションサーバ、データベースサーバなどの各種サーバの機能を提供してもよい。情報処理装置１の構成例の詳細については、後述する。
端末装置２は、利用者Ｕによって利用される情報処理装置である。端末装置２は、インターネット上の各種サービス（例えば、ポータルサイト、ポータルアプリ）を介して、利用者Ｕによって入力された検索クエリを送信することができる。また、端末装置２は、この各種サービスを介して、検索クエリに対する検索結果などを受信することができる。
検索サーバ３は、インターネット上の各種サービス（例えば、ポータルサイト、ポータルアプリ）を提供する情報処理装置である。検索サーバ３は、この各種サービスを介して、端末装置２から、検索クエリを受信することができる。検索サーバ３は、検索クエリを受信した場合に検索処理を行い、検索クエリに対する検索結果を端末装置２に送信する。また、検索サーバ３は、受信された複数の検索クエリを、検索履歴として蓄積することができる。
操作者装置４は、操作者ＯＰよって利用される情報処理装置である。操作者ＯＰは、例えば、情報処理装置１や検索サーバ３に関係する特定のインターネット企業に関連する人物である。操作者装置４は、操作者ＯＰが情報処理装置１に情報を入力することを可能にする。例えば、操作者ＯＰが各利用者Ｕの時系列の検索クエリを分析したい場合に、操作者ＯＰは、分析対象のキーワードやカテゴリを、情報処理装置１に対して設定することができる。
端末装置２および操作者装置４の各々は、例えば、パーソナルコンピュータ、タブレット、ＰＤＡ（Personal Digital Assistant）、またはスマートフォンなどである。なお、端末装置２は、上記例に限定されなくともよく、例えば、スマートウォッチ、またはウェアラブルデバイス（Wearable Device）であってもよい。
〔３．情報処理装置１の構成〕
以下、上記した情報処理装置１が有する機能構成の一例について説明する。図８は、実施形態に係る情報処理装置１の構成例を示す図である。図８に示すように、情報処理装置１は、通信部１０と、記憶部１１と、処理部１２とを有する。なお、情報処理装置１は、情報処理装置１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など）、各種情報を表示するための表示部（例えば、液晶ディスプレイなど）を有してもよい。
〔３．１．通信部１０〕
通信部１０は、例えば、ＮＩＣ（Network Interface Card）などによって実現される。そして、通信部１０は、ネットワークＮと有線または無線で接続され、他の各種装置との間で情報の送受信を行う。例えば、通信部１０は、端末装置２、検索サーバ３、および操作者装置４の各々との間でネットワークＮを介して情報の送受信を行う。
〔３．２．記憶部１１〕
記憶部１１は、例えば、ＲＡＭ（Random Access Memory)、フラッシュメモリ（Flash Memory）などの半導体メモリ素子、または、ハードディスク、光ディスクなどの記憶装置によって実現される。また、記憶部１１は、検索履歴記憶部２０と、利用者情報記憶部２１とを有する。
〔３．２．１．検索履歴記憶部２０〕
検索履歴記憶部２０は、利用者Ｕの検索履歴を記憶する。図９は、実施形態に係る検索履歴記憶部２０に記憶される検索履歴テーブルの一例を示す図である。図９に示す検索履歴テーブルは、「利用者ＩＤ」および「検索履歴」などが互いに関連付けられた情報を有する。
「利用者ＩＤ」は、利用者Ｕを識別するための識別情報である。「検索履歴」は、検索履歴の情報である。図９では、利用者ＩＤ「Ｐ１」の利用者Ｕの検索履歴が「検索履歴＃１」であり、利用者ＩＤ「Ｐ２」の利用者Ｕの検索履歴が「検索履歴＃２」である。
図９に示す例では、「検索履歴」に「検索履歴＃１」や「検索履歴＃２」といった概念的な情報が格納される例を示したが、「検索履歴」には、時系列の検索クエリの情報が格納される。例えば、「検索履歴」には、利用者Ｕが入力した検索クエリと、検索クエリを検索した日時とを検索クエリ毎に対応付けた情報などが格納される。
〔３．２．２．利用者情報記憶部２１〕
利用者情報記憶部２１は、利用者情報を記憶する。図１０は、実施形態に係る利用者情報記憶部２１に記憶される利用者情報テーブルの一例を示す図である。図１０に示す利用者情報テーブルは、「利用者ＩＤ」、「性別」、「年代」、および「居住地」などが互いに関連付けられた情報を有する。
「利用者ＩＤ」は、利用者Ｕを識別するための識別情報である。「性別」は、利用者Ｕの性別を示す情報であり「年代」は、利用者Ｕの年代を示す情報であり、「居住地」は、利用者Ｕの居住地を示す情報である。
図１０に示す例では、利用者ＩＤ「Ｐ１」の利用者Ｕは、性別が「男性」であり、年代が「３０代」であり、居住地が「地域ＡＲ１」である。また、利用者ＩＤ「Ｐ２」の利用者Ｕは、性別が「女性」であり、年代が「２０代」であり、居住地が「地域ＡＲ２」である。
〔３．３．処理部１２〕
処理部１２は、コントローラ（Controller）であり、例えば、ＣＰＵ（Central Processing Unit）やＭＰＵ（Micro Processing Unit）などのプロセッサによって、情報処理装置１内部の記憶装置に記憶されている各種プログラム（情報処理プログラムの一例）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、処理部１２は、コントローラであり、例えば、ＡＳＩＣ（Application Specific Integrated Circuit）やＦＰＧＡ（Field Programmable Gate Array）などの集積回路により実現される。
図８に示すように、処理部１２は、取得部３０と、受付部３１と、特定部３２と、抽出部３３と、推定部３４と、生成部３５と、提供部３６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。なお、処理部１２の内部構成は、図８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。
〔３．３．１．取得部３０〕
取得部３０は、各種情報を取得する。取得部３０は、記憶部１１から各種の情報を取得する。取得部３０は、検索履歴記憶部２０および利用者情報記憶部２１などから各種の情報を取得する。
取得部３０は、通信部１０を介して、外部の情報処理装置から各種情報を受信する。取得部３０は、端末装置２、検索サーバ３、操作者装置４、または外部装置から各種情報を受信する。例えば、取得部３０は、検索サーバ３から検索履歴を取得する。取得部３０は、所定の期間毎に、検索サーバ３から検索履歴を取得し、取得した検索履歴を用いて、検索履歴記憶部２０に記憶される検索履歴を更新する。
また、取得部３０は、例えば、外部装置から利用者情報を取得する。取得部３０は、所定の期間毎に、利用者情報を外部装置から取得し、利用者情報記憶部２１に記憶される利用者情報を更新する。
〔３．３．２．受付部３１〕
受付部３１は、操作者装置４の操作者ＯＰから基準クエリの指定を受け付ける。例えば、受付部３１は、「ＳＵＶ」を基準クエリに指定する操作に関する操作情報に基づいて、「ＳＵＶ」を基準クエリとする指定を受け付ける。
操作者ＯＰは、操作者装置４を操作して基準クエリを指定する操作を行うことで、操作者ＯＰによって指定された基準クエリの情報である操作情報が操作者装置４から情報処理装置１に送信される。
受付部３１は、操作者装置４から送信される操作情報に基づいて、操作者ＯＰによる基準クエリの指定を受け付ける。基準クエリは、複数の利用者Ｕによって入力された検索クエリのうち基準となる検索クエリである。
また、受付部３１は、操作者装置４の操作者ＯＰからコンテンツＣＴ３の送信要求やコンテンツＣＴ４の送信要求を受け付ける。操作者装置４は、操作者ＯＰが切り替えボタンＳＷ１（図２参照）を選択すると、切り替えボタンＳＷ１の選択を示す操作情報を情報処理装置１に送信する。受付部３１は、切り替えボタンＳＷ１の選択を示す操作情報に基づいて、コンテンツＣＴ３の送信要求を第１想起クエリの推定要求として受け付ける。
また、操作者装置４は、操作者ＯＰが切り替えボタンＳＷ２（図２参照）を選択すると、切り替えボタンＳＷ２の選択を示す操作情報を情報処理装置１に送信する。受付部３１は、切り替えボタンＳＷ２の選択を示す操作情報に基づいて、変化に関するコンテンツの要求であるコンテンツＣＴ４の送信要求を受け付ける。
受付部３１は、操作者装置４の操作者ＯＰから特定利用者の切り分け条件の指定を受け付ける。例えば、受付部３１は、検索クエリの選択に関する操作情報に基づいて、検索クエリの選択を特定利用者の切り分け条件の指定として受け付ける。
例えば、受付部３１は、「Ｂ５ 中古」と「Ｂ４ ＳＵＶ」との検索クエリを選択する操作に関する操作情報に基づいて、「Ｂ５ 中古」と「Ｂ４ ＳＵＶ」との選択を特定利用者の切り分け条件の指定として受け付ける。
また、受付部３１は、操作者ＯＰから指定されたペルソナまたは操作者ＯＰによって指定された所定の範囲などを含む操作情報に基づいて、ペルソナの指定や所定の範囲の指定を特定利用者の切り分け条件の指定として受け付ける。ペルソナは、例えば、「男性、３０代、地域ＡＲ１」などといった利用者Ｕの属性であるが、かかる例に限定されない。
また、受付部３１は、操作者装置４から送信される操作情報に基づいて、操作者ＯＰによる所定の期間ＴＢの設定や変更を受け付ける。操作情報には、例えば、所定の期間ＴＢの起点となる期間（例えば、期間ｔｋ）を示す情報、終点となる期間（例えば、期間ｔｋ＋１や期間ｔｋ＋２など）を示す情報などが含まれている。
〔３．３．３．特定部３２〕
特定部３２は、基準クエリを入力した利用者Ｕを特定利用者として特定する。特定部３２は、例えば、受付部３１によって受け付けられた基準クエリを入力した複数の利用者Ｕの各々を特定利用者として特定する。
特定部３２は、基準クエリで示される検索対象を含むカテゴリを基準クエリに対応するカテゴリとして特定する。例えば、基準クエリが「ＳＵＶ」である場合、「ＳＵＶ」を含む「自動車」を、基準クエリに対応するカテゴリとして特定する。
また、特定部３２は、基準クエリで示される検索対象がカテゴリである場合、基準クエリで示されるカテゴリを基準クエリに対応するカテゴリとして特定する。例えば、基準クエリが「自動車」である場合、「自動車」を、基準クエリに対応するカテゴリとして特定する。なお、カテゴリは、「ＳＵＶ」、「ミニバン」、「クーペ」、「セダン」、「軽自動車」などのボディタイプのカテゴリなどであってもよく、その他のカテゴリであってもよい。
特定部３２は、基準クエリを入力した複数の利用者Ｕのうち受付部３１によって受け付けられた絞り込み条件を満たす利用者Ｕを特定利用者として特定することができる。絞り込み条件を満たす利用者Ｕは、例えば、受付部３１によって選択が受け付けられた複数の検索クエリを入力した利用者Ｕ、受付部３１によって指定が受け付けられた所定の範囲に基準クエリ以外の検索クエリが含まれる利用者Ｕである。
また、絞り込み条件を満たす利用者Ｕは、例えば、受付部３１によって指定が受け付けられたペルソナを満たす利用者Ｕ、検索クエリに基づいて推定部３４によって推定されたペルソナを満たす利用者Ｕなどであってもよく、これら以外の利用者Ｕであってもよい。
〔３．３．４．抽出部３３〕
抽出部３３は、特定利用者によって入力された検索クエリのうち特定条件を満たす検索クエリを抽出する。特定条件は、例えば、第１特定条件と第２特定条件とを含む。
例えば、抽出部３３は、コンテンツＣＴ２やコンテンツＣＴ３に含める検索クエリを抽出する場合、例えば、第１特定条件を満たす検索クエリを、特定条件を満たす検索クエリとして抽出する。
また、抽出部３３は、コンテンツＣＴ４に含める検索クエリを抽出する場合、例えば、第１特定条件を満たし、且つ、所定の期間ＴＢにおいて第２特定条件を満たす検索クエリを、特定条件を満たす検索クエリとして抽出する。
第１特定条件を満たす検索クエリは、基準クエリに対応するカテゴリと一致する検索対象または基準クエリに対応するカテゴリに検索対象が含まれる検索クエリである。基準クエリに対応するカテゴリは、基準クエリで示される検索対象を含むカテゴリであるが、基準クエリで示される検索対象に関係するカテゴリであってもよい。
第２特定条件を満たす検索クエリは、例えば、入力タイミングが基準クエリの入力タイミングより過去に遠ざかる変化を示す検索クエリ、入力タイミングが基準クエリの入力タイミングより前のタイミングから基準クエリの入力タイミングより後のタイミングへ変化する検索クエリ、関連度が閾値以上である検索クエリ、基準クエリとの入力タイミングの時間差が閾値以上である検索クエリであるが、かかる例に限定されない。
例えば、第２特定条件を満たす検索クエリは、例えば、認知度スコアＳａｗが閾値以下で継続する検索クエリ、認知度スコアＳａｗの変化（上昇度や下降度）が閾値以上である検索クエリなどであってもよい。
抽出部３３は、例えば、期間ＴＡにおいて特定利用者が入力した各検索クエリのうち特定条件を満たす検索クエリを抽出したり、期間ＴＡをｎ分割した複数のｔ１～ｔｎの各々において特定利用者が入力した各検索クエリのうち特定条件を満たす検索クエリを抽出したりすることができる。
〔３．３．５．推定部３４〕
推定部３４は、特定利用者によって入力され抽出部３３によって抽出された各検索クエリと基準クエリとの関連度、および、各検索クエリの入力タイミングと基準クエリの入力タイミングとの間の期間に基づいて、抽出部３３によって抽出された各検索クエリの中から、基準クエリに対応するカテゴリにおいて特定利用者が最初に入力した検索クエリである第１想起クエリを推定する。
また、推定部３４は、複数の期間の各々において、特定利用者によって入力され抽出部３３によって抽出された検索クエリと基準クエリとの関連度を推定する。例えば、推定部３４は、複数の期間の各々において、特定利用者によって入力された検索クエリと基準クエリとの関連度を示すスコアを上記関連度として推定する。
また、推定部３４は、利用者Ｕが入力した複数の検索クエリに基づいて、利用者Ｕのペルソナを推定することができる。例えば、推定部３４は、複数の検索クエリを入力とし、利用者Ｕの属性毎のスコアを出力する学習モデルを有しており、利用者Ｕが入力した複数の検索クエリを学習モデルに入力し、学習モデルから出力される属性毎のスコアに基づいて、利用者Ｕにペルソナを推定することができる。
図１１は、実施形態に係る情報処理装置１の推定部３４の構成の一例を示す図である。図１１に示すように、推定部３４は、各検索クエリと基準クエリとの関連度、および各検索クエリの入力タイミングと基準クエリの入力タイミングとの間の期間に基づいて、各検索クエリの第１想起スコアを算出する算出部４０と、算出部４０によって算出された各検索クエリの第１想起スコアに基づいて、第１想起クエリを推定する推定処理部４１とを備える。
算出部４０は、各検索クエリの関連度スコアＳｒｅ、各検索クエリの時間差スコアＳｔｄ、各検索クエリの第１想起スコアＳｆａｗ、および各検索クエリの認知度スコアＳａｗなどを算出する。かかる算出部４０は、関連度スコア算出部５０と、時間差スコア算出部５１と、第１想起スコア算出部５２と、認知度スコア算出部５３とを備える。
関連度スコア算出部５０は、各検索クエリを入力した特定利用者の数である利用者数Ｎｕに基づいて、各検索クエリの関連度スコアＳｒｅを関連度として算出する。関連度スコア算出部５０は、例えば、期間ＴＡにおいて特定利用者が入力した各検索クエリの関連度スコアＳｒｅを算出したり、期間ＴＡをｎ分割した複数のｔ１～ｔｎの各々において特定利用者が入力した各検索クエリの関連度スコアＳｒｅを算出したりすることができる。
関連度スコア算出部５０は、例えば、各検索クエリの利用者数Ｎｕに係数ｋ１を乗算して得られる値を、各検索クエリの関連度スコアＳｒｅとして算出することができる。例えば、関連度スコア算出部５０は、検索クエリ「ＳＵＶ Ｂ４」を入力した特定利用者の数が１２０であり、ｋ１＝０．１であれば、検索クエリ「ＳＵＶ Ｂ４」の関連度スコアＳｒｅは、Ｓｒｅ＝０．１×１２０＝１２である。なお、ｋ１は、正の係数であり、固定値であるが、可変値であってもよい。
また、関連度スコア算出部５０は、同一特定利用者による複数回入力を考慮した入力数（検索数）に基づいて、関連度スコアＳｒｅを算出することができる。同一特定利用者による複数回入力は、同一検索クエリが同一特定利用者によって複数回入力されたことを示す。例えば、関連度スコア算出部５０は、特定利用者の入力総数（検索総数）に係数ｋ１を乗じた値を関連度スコアＳｒｅとすることができる。
また、関連度スコア算出部５０は、係数ｋ１を、利用者数Ｎｕに対する同一特定利用者による複数回入力数Ｎｐの比Ｒｐ（＝ｋａ（Ｎｐ／Ｎｕ）＋ｋｂ）に応じた値にすることで、同一特定利用者による複数回入力を考慮した入力数（検索数）を考慮した値にすることができる。ｋａ，ｋｂは係数であり、複数回入力数Ｎｐは、例えば、複数回入力を行った特定利用者の数であるが、複数回入力された検索クエリの総数であってもよい。
また、関連度スコア算出部５０は、同一利用者Ｕがどのくらいこれらの利用者行動を同時に行うかを示すスコアを関連度スコアＳｒｅとすることもできる。例えば、関連度スコア算出部５０は、多くの利用者Ｕの入力タイミングが基準クエリと一致する検索クエリを最も高いスコアとし、検索クエリの入力タイミングが基準クエリから時間的に離れるほどスコアが小さくなるように関連度スコアＳｒｅを算出することができる。
関連度スコア算出部５０は、特定利用者の数および複数回入力数のうちの１以上と関連度スコアＳｒｅとを特定利用者の数および複数回入力数のうちの１以上毎に含む学習用情報を用いて、関連度スコアＳｒｅを出力する関連度判定モデルを学習することができる。この場合、特定利用者の数および複数回入力数のうちの１以上を関連度判定モデルに入力することで、関連度スコアＳｒｅを算出する。
時間差スコア算出部５１は、各検索クエリの入力タイミングと基準クエリの入力タイミングとの間の期間に基づいて、各検索クエリの時間差スコアＳｔｄを算出する。検索クエリの入力タイミングと基準クエリの入力タイミングとの間の期間は、例えば、検索クエリの入力タイミングと基準クエリの入力タイミングとの時間差である。
時間差スコア算出部５１は、例えば、期間ＴＡにおいて特定利用者が入力した各検索クエリの時間差スコアＳｔｄを算出したり、期間ＴＡをｎ分割した複数のｔ１～ｔｎの各々において特定利用者が入力した各検索クエリの時間差スコアＳｔｄを算出したりすることができる。
時間差スコア算出部５１は、例えば、検索クエリの入力タイミングと基準クエリの入力タイミングとの時間差をｔｄとし、検索クエリの入力タイミングをｔｓとし、基準クエリの入力タイミングをｔｒとした場合、時間差ｔｄ＝ｔｒ－ｔｓである。
時間差スコア算出部５１は、各検索クエリの時間差ｔｄに基づいて、各検索クエリの時間差スコアＳｔｄを算出する。例えば、時間差スコア算出部５１は、上記式（１）の関数ｆ１（ｔｄ）を用いて、時間差ｔｄから時間差スコアＳｔｄを算出することができる。関数ｆ１（ｔｄ）は、例えば、ｆ１（ｔｄ）＝ｋ７×ｔｄなどであるが、かかる例に限定されない。例えば、関数ｆ１（ｔｄ）は、ｆ１（ｔｄ）＝ｋ８×ｔｄ２＋ｋ９×ｔｄ＋ｋ１０などであってもよい。なお、ｋ７～ｋ１０は、係数である。
また、時間差スコア算出部５１は、例えば、時間差ｔｄと時間差スコアＳｔｄを時間差ｔｄ毎に含む学習用情報を用いて、時間差ｔｄを入力とし、時間差スコアＳｔｄを出力とする時間差スコア判定モデルを生成することもできる。この場合、時間差スコア算出部５１は、時間差スコア判定モデルを用いて、時間差スコアＳｔｄを算出することができる。
第１想起スコア算出部５２は、各検索クエリの関連度スコアＳｒｅと時間差スコアＳｔｄとに基づいて、各検索クエリの第１想起スコアＳｆａｗを算出する。第１想起スコア算出部５２は、例えば、期間ＴＡにおいて特定利用者が入力した各検索クエリの第１想起スコアＳｆａｗを算出したり、期間ＴＡをｎ分割した複数のｔ１～ｔｎの各々において特定利用者が入力した各検索クエリの第１想起スコアＳｆａｗを算出したりすることができる。
例えば、第１想起スコア算出部５２は、上記式（２）の関数ｆ２（Ｓｒｅ，Ｓｔｄ）を用いて、関連度スコアＳｒｅと時間差スコアＳｔｄとから第１想起スコアＳｆａｗを算出することができる。関数ｆ２（Ｓｒｅ，Ｓｔｄ）は、関連度スコアＳｒｅと時間差スコアＳｔｄとを重み付けして加算する関数、例えば、ｆ２（Ｓｒｅ，Ｓｔｄ）＝ｋ１１×Ｓｒｅ＋ｋ１２×Ｓｔｄであるが、かかる例に限定されない。なお、ｋ１１は、例えば、正の係数であり、ｋ１２は、例えば、負の係数であるが、かかる限定されない。
また、第１想起スコア算出部５２は、例えば、関連度スコアＳｒｅと時間差スコアＳｔｄとを第１想起スコアＳｆａｗ毎に含む学習用情報を用いて、関連度スコアＳｒｅと時間差スコアＳｔｄとを入力とし、第１想起スコアＳｆａｗを出力とする第１想起スコア判定モデルを生成することもできる。第１想起スコア算出部５２は、第１想起スコア判定モデルを用いて、第１想起スコアＳｆａｗを算出する。
推定処理部４１は、第１想起スコア算出部５２によって算出した第１想起スコアＳｆａｗに基づいて、第１想起クエリを推定することができる。例えば、複数の特定利用者が入力した検索クエリのうち第１想起スコアＳｆａｗが最も高い検索クエリを第１想起クエリと推定する。なお、推定処理部４１は、複数の特定利用者が入力した検索クエリのうち第１想起スコアＳｆａｗが最も高い検索クエリから上位ｍ番目までの検索クエリを第１想起クエリ候補として推定することもできる。
また、推定処理部４１は、基準クエリから所定の期間前までに特定利用者が入力し且つ基準クエリに対応するカテゴリの検索クエリのうち、基準クエリとの関連度が閾値以上であって且つ基準クエリとの入力タイミングから最も古い検索クエリを、第１想起クエリと推定することができる。例えば、推定処理部４１は、関連度スコアＳｒｅが閾値以上であって時間差スコアＳｔｄが最も大きい検索クエリを、第１想起クエリと推定することができる。
認知度スコア算出部５３は、検索クエリで示される検索対象の認知度を示すスコアである認知度スコアＳａｗを算出する。認知度スコア算出部５３は、例えば、期間ＴＡにおいて特定利用者が入力した各検索クエリの認知度スコアＳａｗを算出したり、期間ＴＡをｎ分割した複数のｔ１～ｔｎの各々において特定利用者が入力した各検索クエリの認知度スコアＳａｗを算出したりすることができる。
例えば、認知度スコア算出部５３は、複数の期間ｔ１～ｔｎの各々において、各検索クエリの時間差スコアＳｔｄを用いて、各検索クエリの時間スコアＳｔ（ｔｘ）を算出する。時間スコアＳｔ（ｔｘ）は、期間ｔｘの時間スコアである。例えば、期間ｔ１における検索クエリの時間スコアは、「Ｓｔ（ｔ１）」で表され、期間ｔ２における検索クエリの時間スコアは、「Ｓｔ（ｔ２）」で表される。また、以下において、複数の期間ｔ１～ｔｎの各々における時間差スコアＳｔｄをＳｔｄ（ｔｘ）と表す。
認知度スコア算出部５３は、例えば、複数の期間ｔ１～ｔｎの各々における各検索クエリの時間差スコアＳｔｄの平均値である時間差スコア平均値Ｓｔｄａｖに基づいて、各検索クエリの時間スコアＳｔ（ｔｘ）を算出することができる。例えば、認知度スコア算出部５３は、上記式（３）を用いて、各検索クエリの時間スコアＳｔ（ｔｘ）を算出する。
そして、認知度スコア算出部５３は、検索クエリの関連度スコアＳｒｅ（ｔｘ）と時間スコアＳｔ（ｔｘ）とに基づいて、検索クエリで示される検索対象の認知度を示す認知度スコアＳａｗ（ｔｘ）を算出する処理を特定利用者が入力した検索クエリ毎に行う。例えば、認知度スコア算出部５３は、上記式（４）を用いて、認知度スコアＳａｗ（ｔｘ）を算出する。また、認知度スコア算出部５３は、上記式（５）を用いて、認知度スコアＳａｗ（ｔｘ）を算出することもできる。
なお、算出部４０は、上述した関連度判定モデル、時間差スコア判定モデル、第１想起スコア判定モデル、および認知度判定モデルを有していてもよい。この場合、関連度スコア算出部５０は、関連度判定モデルを用いて関連度スコアＳｒｅを算出し、時間差スコア算出部５１は、時間差スコア判定モデルを用いて時間差スコアＳｔｄを算出する。また、第１想起スコア算出部５２は、第１想起スコア判定モデルを用いて第１想起スコアＳｆａｗを算出し、認知度スコア算出部５３は、認知度判定モデルを用いて認知度スコアＳａｗを算出する。
〔３．３．６．生成部３５〕
生成部３５は、特定部３２によって特定された特定利用者が入力した検索クエリに基づいて、基準クエリを入力した利用者Ｕの検索クエリの時系列変化を示すコンテンツを表示させるための時系列情報を生成する。例えば、生成部３５は、「ＳＵＶ」を入力した利用者Ｕの検索クエリの時系列変化を示すコンテンツＣＴ２を表示させるための時系列情報を生成する。
また、生成部３５は、推定部３４によって推定された第１想起クエリを示す情報を含むコンテンツＣＴ３を表示させるための第１想起クエリ情報を生成する。コンテンツＣＴ３は、例えば、図３に示すように、「ＳＵＶ」を入力した利用者Ｕである特定利用者が入力した検索クエリの時系列変化を示すグラフＧ１を含む。
また、生成部３５は、推定部３４によって推定された関連度および入力タイミングの変化に関するコンテンツＣＴ４を操作者装置４に表示させるための変遷情報を生成する。コンテンツＣＴ４は、例えば、図３に示すように、抽出部３３によって抽出された検索クエリの関連度および入力タイミングの変化を示すグラフＧ２を含む。
また、生成部３５は、検索クエリの関連度および検索クエリの入力タイミングの変化に関するコンテンツに代えてまたは加えて、検索クエリの関連度および検索クエリの入力タイミングのうちの一方に関するコンテンツを操作者装置４に表示させるための変遷情報を生成することもできる。
また、生成部３５は、基準クエリを入力した利用者Ｕの検索クエリの時系列変化を示すコンテンツであって推定部３４によって推定された第１想起クエリ候補を示す情報を含むコンテンツを表示させるための第１想起クエリ候補情報を生成することもできる。この場合、生成部３５は、例えば、第１想起スコアＳｆａｗが大きい第１想起クエリ候補ほど強調度を高く強調表示を行ったコンテンツを表示させるための第１想起クエリ候補情報を生成する。
強調表示が、文字の大きさを大きくすることによって行われる場合、第１想起スコアＳｆａｗが大きい第１想起クエリ候補ほど大きな文字で表示される。なお、強調表示は、文字の大きさに限定されず、例えば、マーカの色の濃さであってもよく、文字を囲む枠の太さであってもよい。
〔３．３．７．提供部３６〕
提供部３６は、生成部３５により生成された情報を送信する。例えば、提供部３６は、基準クエリを入力した利用者Ｕの検索クエリの時系列変化を示すコンテンツＣＴ２を表示させるための時系列情報を送信する。端末装置２は、提供部３６により送信された時系列情報を受信すると、受信した時系列情報に基づいてコンテンツＣＴ２を表示させる。
また、提供部３６は、推定部３４によって推定された第１想起クエリを示す情報を含むコンテンツＣＴ３を表示させるための第１想起クエリ情報を送信する。端末装置２は、提供部３６により送信された第１想起クエリ情報を受信すると、受信した第１想起クエリ情報に基づいてコンテンツＣＴ３を表示させる。
また、提供部３６は、推定部３４によって推定された関連度および入力タイミングの変化に関するコンテンツＣＴ４を操作者装置４に表示させるための変遷情報を送信する。端末装置２は、提供部３６により送信された変遷情報を受信すると、受信した変遷情報に基づいてコンテンツＣＴ４を表示させる。
〔４．処理手順〕
次に、図１２を用いて、実施形態に係る情報処理装置１の処理部１２が実行する情報処理の手順について説明する。図１２は、情報処理装置１の処理部１２が実行する情報処理の一例を示すフローチャートである。
図１２に示すように、情報処理装置１の処理部１２は、操作者装置４から送信される基準クエリの指定に関する操作情報に基づいて、操作者ＯＰから基準クエリの指定を受け付けたか否かを判定する（ステップＳ１００）。
処理部１２は、基準クエリの指定を受け付けたと判定した場合（ステップＳ１００：Ｙｅｓ）、利用者Ｕの検索履歴に基づいて、ステップＳ１００で受け付けた基準クエリを入力した利用者Ｕを特定利用者として特定する（ステップＳ１０１）。そして、処理部１２は、ステップＳ１０１で特定された特定利用者が入力した検索クエリの時系列変化を示すコンテンツＣＴ２を操作者ＯＰに提供する（ステップＳ１０２）。
処理部１２は、ステップＳ１０２の処理が終了した場合、または基準クエリの指定を受け付けていないと判定した場合（ステップＳ１００：Ｎｏ）、操作者ＯＰから切り分け条件の指定を受け付けたか否かを判定する（ステップＳ１０３）。
処理部１２は、切り分け条件の指定を受け付けたと判定した場合（ステップＳ１０３：Ｙｅｓ）、切り分け条件を満たす利用者Ｕを特定利用者として特定する（ステップＳ１０４）。そして、処理部１２は、切り分け条件を満たす特定利用者の検索クエリの時系列変化を示すコンテンツＣＴ２を提供する（ステップＳ１０５）。
処理部１２は、ステップＳ１０５の処理が終了した場合、または切り分け条件の指定を受け付けていないと判定した場合（ステップＳ１０３：Ｎｏ）、第１想起クエリの推定要求があるか否かを判定する（ステップＳ１０６）。
処理部１２は、第１想起クエリの推定要求があると判定した場合（ステップＳ１０６：Ｙｅｓ）、特定利用者によって入力された各検索クエリと基準クエリとの関連度、および、各検索クエリの入力タイミングと基準クエリの入力タイミングとの間の期間に基づいて、第１想起クエリを推定する（ステップＳ１０７）。そして、処理部１２は、第１想起クエリの情報を含むコンテンツＣＴ３を提供する（ステップＳ１０８）。
処理部１２は、ステップＳ１０８の処理が終了した場合、または第１想起クエリの推定要求がないと判定した場合（ステップＳ１０６：Ｎｏ）、変化に関するコンテンツの要求があるか否かを判定する（ステップＳ１０９）。
処理部１２は、変化に関するコンテンツの要求があると判定した場合（ステップＳ１０９：Ｙｅｓ）、ステップＳ１０１またはステップＳ１０４で特定された特定利用者の検索クエリの関連度および入力タイミングの変化に関するコンテンツＣＴ４を提供する（ステップＳ１１０）。
処理部１２は、ステップＳ１１０の処理が終了した場合、または変化に関するコンテンツの要求がないと判定した場合（ステップＳ１０９：Ｎｏ）、終了タイミングになったか否かを判定する（ステップＳ１１１）。処理部１２は、例えば、情報処理装置１の電源がオフにされた場合、または情報処理装置１の不図示の操作部への操作によって終了操作が行われたと判定した場合に、終了タイミングになったと判定する。
処理部１２は、終了タイミングになっていないと判定した場合（ステップＳ１１１：Ｎｏ）、処理をステップＳ１００へ移行し、終了タイミングになったと判定した場合（ステップＳ１１１：Ｙｅｓ）、図１２に示す処理を終了する。
〔５．変形例〕
推定部３４は、ナレッジデータベースにおける検索クエリと基準クエリとの近さを検索クエリと基準クエリとの関連度として推定することもできる。ナレッジデータベースは、各種の知識が体系化、組織化された状態で登録されたデータベースであり、例えば、記憶部１１に記憶される。
ナレッジデータベースには、例えば、要素であるエンティティと、エンティティ間の関係性を示す情報とが含まれる。エンティティは、実世界における人物、物体、建築物等の主語となりうる各種の物、職業や国籍等といった属性、各種の状態や事象等、世の中における各種の物事に対応する情報である。また、関係情報は、２つのエンティティ間の関係性を示す情報である。
推定部３４は、例えば、検索クエリに対応するエンティティと基準クエリに対応するエンティティとの近さを検索クエリと基準クエリとの近さとして検索クエリと基準クエリとの関連度を推定することができる。
〔６．ハードウェア構成〕
上述してきた実施形態に係る情報処理装置１および端末装置２は、例えば図１３に示すような構成のコンピュータ８０によって実現される。以下、情報処理装置１を例に挙げて説明する。図１３は、実施形態に係る情報処理装置１の機能を実現するコンピュータ８０の一例を示すハードウェア構成図である。コンピュータ８０は、ＣＰＵ８１、ＲＡＭ８２、ＲＯＭ（Read Only Memory）８３、ＨＤＤ（Hard Disk Drive）８４、通信インターフェイス（Ｉ／Ｆ）８５、入出力インターフェイス（Ｉ／Ｆ）８６、およびメディアインターフェイス（Ｉ／Ｆ）８７を有する。
ＣＰＵ８１は、ＲＯＭ８３またはＨＤＤ８４に記憶されたプログラムに基づいて動作し、各部の制御を行う。ＲＯＭ８３は、コンピュータ８０の起動時にＣＰＵ８１によって実行されるブートプログラムや、コンピュータ８０のハードウェアに依存するプログラムなどを記憶する。
ＨＤＤ８４は、ＣＰＵ８１によって実行されるプログラム、および、かかるプログラムによって使用されるデータなどを記憶する。通信インターフェイス８５は、ネットワークＮ（図７参照）を介して他の機器からデータを受信してＣＰＵ８１へ送り、ＣＰＵ８１が生成したデータを、ネットワークＮを介して他の機器に送信する。
ＣＰＵ８１は、入出力インターフェイス８６を介して、ディスプレイやプリンタなどの出力装置、および、キーボードまたはマウスなどの入力装置を制御する。ＣＰＵ８１は、入出力インターフェイス８６を介して、入力装置からデータを取得する。また、ＣＰＵ８１は、入出力インターフェイス８６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８７は、記録媒体８８に記憶されたプログラムまたはデータを読み取り、ＲＡＭ８２を介してＣＰＵ８１に提供する。ＣＰＵ８１は、かかるプログラムを、メディアインターフェイス８７を介して記録媒体８８からＲＡＭ８２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８８は、例えばＤＶＤ（Digital Versatile Disc）、ＰＤ（Phase change rewritable Disk）などの光学記録媒体、ＭＯ（Magneto-Optical disk）などの光磁気記録媒体、テープ媒体、磁気記録媒体、または半導体メモリなどである。
例えば、コンピュータ８０が実施形態に係る情報処理装置１として機能する場合、コンピュータ８０のＣＰＵ８１は、ＲＡＭ８２上にロードされたプログラムを実行することにより、処理部１２の機能を実現する。また、ＨＤＤ８４には、記憶部１１内のデータが記憶される。コンピュータ８０のＣＰＵ８１は、これらのプログラムを記録媒体８８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を取得してもよい。
また、情報処理装置１の機能の一部は、端末装置２によって実現されてもよい。この場合、端末装置２は、情報処理装置１と共に、情報処理装置１の上述した機能を実現する情報処理装置として機能する。また、情報処理装置１の上述した機能の全部は、端末装置２によって実現されてもよい。この場合、端末装置２は、情報処理装置１の上述した機能を有する情報処理装置として機能する。このように、端末装置２は、情報処理装置１と共にまたは単独で情報処理装置１の上述した機能の一部または全部を実行する情報処理装置として機能してもよい。コンピュータ８０が端末装置２として機能する場合、コンピュータ８０のＣＰＵ８１は、処理部１２の機能の処理の一部または全部を実現する。
〔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一部を手動的に行うこともできる。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。
例えば、上述した情報処理装置１は、複数のサーバコンピュータで実現してもよく、また、機能によっては外部のプラットホームなどをＡＰＩ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、情報処理装置１の上述した処理の一部は、端末装置２が担ってもよく。この場合、端末装置２の一部の機能は、情報処理装置１と共に情報処理装置として機能する。
また、例えば、図８に示した記憶部１１の一部または全部は、各装置によって保持されるのではなく、ストレージサーバなどに保持されてもよい。この場合、各装置は、ストレージサーバにアクセスすることで、各種情報を取得する。
〔８．効果〕
上述してきたように、実施形態に係る情報処理装置１は、受付部３１と、特定部３２と、推定部３４と、提供部３６とを備える。受付部３１は、基準クエリの指定を受け付ける。特定部３２は、基準クエリを入力した利用者Ｕを特定利用者として特定する。推定部３４は、複数の期間の各々において、特定利用者によって入力された検索クエリと基準クエリとの関連度を推定する。提供部３６は、推定部３４によって推定された関連度および検索クエリの入力タイミングのうちの一方または両方の変化に関するコンテンツを提供する。これにより、情報処理装置１は、所定の検索クエリを入力した利用者Ｕに関するより詳細な分析を可能にすることができる。
また、提供部３６は、検索クエリの関連度および入力タイミングのうちの一方または両方の変化を示すグラフＧ２を含む情報をコンテンツＣＴ４として提供する。これにより、情報処理装置１は、例えば、操作者ＯＰに対して検索クエリの関連度と入力タイミングとの変化を示すグラフＧ２を提供することができる。
また、情報処理装置１は、特定利用者によって入力された検索クエリのうち特定条件を満たす検索クエリを抽出する抽出部３３を備える。提供部３６は、抽出部３３によって抽出された検索クエリの関連度および入力タイミングのうちの一方または両方の変化を示すグラフＧ２を含む情報をコンテンツＣＴ４として提供する。これにより、情報処理装置１は、所定の検索クエリを入力した利用者Ｕに関するより詳細な分析を可能にすることができる。
また、抽出部３３は、入力タイミングが基準クエリの入力タイミングより過去に遠ざかる変化を示す検索クエリを、特定条件を満たす検索クエリとして抽出する。これにより、情報処理装置１は、所定の検索クエリを入力した利用者Ｕに関するより詳細な分析を可能にすることができる。
また、抽出部３３は、入力タイミングが基準クエリの入力タイミングより前のタイミングから基準クエリの入力タイミングより後のタイミングへ変化する検索クエリを、特定条件を満たす検索クエリとして抽出する。これにより、情報処理装置１は、所定の検索クエリを入力した利用者Ｕに関するより詳細な分析を可能にすることができる。
また、抽出部３３は、関連度が閾値以上である検索クエリを、特定条件を満たす検索クエリとして抽出する。これにより、情報処理装置１は、所定の検索クエリを入力した利用者Ｕに関するより詳細な分析を可能にすることができる。
また、抽出部３３は、基準クエリとの入力タイミングの時間差が閾値以上である検索クエリを、特定条件を満たす検索クエリとして抽出する。これにより、情報処理装置１は、所定の検索クエリを入力した利用者Ｕに関するより詳細な分析を可能にすることができる。
また、推定部３４は、検索クエリを入力した特定利用者の数に基づいて、検索クエリの関連度スコアＳｒｅを関連度の推定結果として算出する。これにより、情報処理装置１は、所定の検索クエリを入力した利用者Ｕに関するより詳細な分析を可能にすることができる。
また、推定部３４は、検索クエリを入力した特定利用者の数と検索クエリの同一特定利用者による複数回入力とに基づいて、検索クエリの関連度スコアＳｒｅを関連度の推定結果として算出する。これにより、情報処理装置１は、所定の検索クエリを入力した利用者Ｕに関するより詳細な分析を可能にすることができる。
また、抽出部３３は、特定利用者によって入力された検索クエリのうち基準クエリに対応するカテゴリに検索対象が含まれる検索クエリを特定する。推定部３４は、複数の期間の各々において、抽出部３３によって抽出された検索クエリの基準クエリとの関連度を推定する。提供部３６は、抽出部３３によって抽出された検索クエリの関連度および入力タイミングのうちの一方または両方の変化に関するコンテンツを提供する。これにより、情報処理装置１は、所定の検索クエリを入力した利用者Ｕに関するより詳細な分析を可能にすることができる。
また、特定部３２は、基準クエリで示される検索対象を含むカテゴリを基準クエリに対応するカテゴリとして特定する。これにより、情報処理装置１は、所定の検索クエリを入力した利用者Ｕに関するより詳細な分析を可能にすることができる。
また、特定部３２は、基準クエリで示されるカテゴリを基準クエリに対応するカテゴリとして特定する。これにより、情報処理装置１は、所定の検索クエリを入力した利用者Ｕに関するより詳細な分析を可能にすることができる。
以上、本願の実施形態を図面に基づいて詳細に説明したが、これは例示であり、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 情報処理装置
２，２１，・・・，２ｎ 端末装置
３ 検索サーバ
４ 操作者装置
１０ 通信部
１１ 記憶部
１２ 処理部
２０ 検索履歴記憶部
２１ 利用者情報記憶部
３０ 取得部
３１ 受付部
３２ 特定部
３３ 抽出部
３４ 推定部
３５ 生成部
３６ 提供部
４０ 算出部
４１ 推定処理部
５０ 関連度スコア算出部
５１ 時間差スコア算出部
５２ 第１想起スコア算出部
５３ 認知度スコア算出部
１００ 情報処理システム
ＳＷ１，ＳＷ２ 切り替えボタン
Ｕ，Ｕ１，・・・，Ｕｎ 利用者

Claims (14)

  1. 基準クエリの指定を受け付ける受付部と、
    前記基準クエリを入力した利用者を特定利用者として特定する特定部と、
    複数の期間の各々において、前記特定利用者によって入力された検索クエリと前記基準クエリとの関連度を推定する推定部と、
    前記推定部によって推定された前記関連度および前記検索クエリの入力タイミングのうちの一方または両方の変化に関するコンテンツを提供する提供部と、を備える
    ことを特徴とする情報処理装置。
  2. 前記提供部は、
    前記検索クエリの前記関連度および前記入力タイミングのうちの一方または両方の変化を示すグラフを含む情報を前記コンテンツとして提供する
    ことを特徴とする請求項１に記載の情報処理装置。
  3. 前記特定利用者によって入力された検索クエリのうち特定条件を満たす検索クエリを抽出する抽出部を備え、
    前記提供部は、
    前記抽出部によって抽出された前記検索クエリの前記関連度および前記入力タイミングのうちの一方または両方の変化を示すグラフを含む情報を前記コンテンツとして提供する
    ことを特徴とする請求項２に記載の情報処理装置。
  4. 前記抽出部は、
    前記入力タイミングが前記基準クエリの入力タイミングより過去に遠ざかる変化を示す検索クエリを、前記特定条件を満たす検索クエリとして抽出する
    ことを特徴とする請求項３に記載の情報処理装置。
  5. 前記抽出部は、
    前記入力タイミングが前記基準クエリの入力タイミングより前のタイミングから前記基準クエリの入力タイミングより後のタイミングへ変化する検索クエリを、前記特定条件を満たす検索クエリとして抽出する
    ことを特徴とする請求項３に記載の情報処理装置。
  6. 前記抽出部は、
    前記関連度が閾値以上である検索クエリを、前記特定条件を満たす検索クエリとして抽出する
    ことを特徴とする請求項３に記載の情報処理装置。
  7. 前記抽出部は、
    前記基準クエリとの入力タイミングの時間差が閾値以上である検索クエリを、前記特定条件を満たす検索クエリとして抽出する
    ことを特徴とする請求項３に記載の情報処理装置。
  8. 前記推定部は、
    前記検索クエリを入力した前記特定利用者の数に基づいて、前記検索クエリの関連度スコアを前記関連度の推定結果として算出する
    ことを特徴とする請求項１に記載の情報処理装置。
  9. 前記推定部は、
    前記検索クエリを入力した前記特定利用者の数と前記検索クエリの同一特定利用者による複数回入力とに基づいて、前記検索クエリの関連度スコアを前記関連度の推定結果として算出する
    ことを特徴とする請求項８に記載の情報処理装置。
  10. 前記特定利用者によって入力された検索クエリのうち前記基準クエリに対応するカテゴリに検索対象が含まれる検索クエリを抽出する抽出部を備え、
    前記推定部は、
    複数の期間の各々において、前記抽出部によって抽出された検索クエリの前記基準クエリとの関連度を推定し、
    前記提供部は、
    前記抽出部によって抽出された前記検索クエリの前記関連度および前記入力タイミングのうちの一方または両方の変化に関するコンテンツを提供する
    ことを特徴とする請求項１～９のいずれか１つに記載の情報処理装置。
  11. 前記特定部は、
    前記基準クエリで示される検索対象を含むカテゴリを前記基準クエリに対応するカテゴリとして特定する
    ことを特徴とする請求項１０に記載の情報処理装置。
  12. 前記特定部は、
    前記基準クエリで示されるカテゴリを前記基準クエリに対応するカテゴリとして特定する
    ことを特徴とする請求項１０に記載の情報処理装置。
  13. コンピュータが実行する情報処理方法であって、
    基準クエリの指定を受け付ける受付工程と、
    前記基準クエリを入力した利用者を特定利用者として特定する特定工程と、
    複数の期間の各々において、前記特定利用者によって入力された検索クエリと前記基準クエリとの関連度を推定する推定工程と、
    前記推定工程によって推定された前記関連度および前記検索クエリの入力タイミングのうちの一方または両方の変化に関するコンテンツを提供する提供工程と、を含む
    ことを特徴とする情報処理方法。
  14. 基準クエリの指定を受け付ける受付手順と、
    前記基準クエリを入力した利用者を特定利用者として特定する特定手順と、
    複数の期間の各々において、前記特定利用者によって入力された検索クエリと前記基準クエリとの関連度を推定する推定手順と、
    前記推定手順によって推定された前記関連度および前記検索クエリの入力タイミングのうちの一方または両方の変化に関するコンテンツを提供する提供手順と、をコンピュータに実行させる
    ことを特徴とする情報処理プログラム。
JP2022082391A 2022-05-19 2022-05-19 情報処理装置、情報処理方法、および情報処理プログラム Active JP7135235B1 (ja)

Priority Applications (1)

Application Number Priority Date Filing Date Title
JP2022082391A JP7135235B1 (ja) 2022-05-19 2022-05-19 情報処理装置、情報処理方法、および情報処理プログラム

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
JP2022082391A JP7135235B1 (ja) 2022-05-19 2022-05-19 情報処理装置、情報処理方法、および情報処理プログラム

Publications (2)

Publication Number Publication Date
JP7135235B1 true JP7135235B1 (ja) 2022-09-12
JP2023170551A JP2023170551A (ja) 2023-12-01

Family

ID=83229702

Family Applications (1)

Application Number Title Priority Date Filing Date
JP2022082391A Active JP7135235B1 (ja) 2022-05-19 2022-05-19 情報処理装置、情報処理方法、および情報処理プログラム

Country Status (1)

Country Link
JP (1) JP7135235B1 (ja)

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2007323319A (ja) 2006-05-31 2007-12-13 Nippon Telegr & Teleph Corp <Ntt> 類似検索処理方法及び装置及びプログラム
JP2010033559A (ja) 2008-06-30 2010-02-12 Yahoo Japan Corp サーバ装置、サーバ装置における分類方法及びプログラム
JP2011141801A (ja) 2010-01-08 2011-07-21 Internatl Business Mach Corp <Ibm> キーワードの時系列解析のための処理方法、並びにその処理システム及びコンピュータ・プログラム
JP2019101585A (ja) 2017-11-29 2019-06-24 ヤフー株式会社 推定装置、推定方法、及び推定プログラム

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2007323319A (ja) 2006-05-31 2007-12-13 Nippon Telegr & Teleph Corp <Ntt> 類似検索処理方法及び装置及びプログラム
JP2010033559A (ja) 2008-06-30 2010-02-12 Yahoo Japan Corp サーバ装置、サーバ装置における分類方法及びプログラム
JP2011141801A (ja) 2010-01-08 2011-07-21 Internatl Business Mach Corp <Ibm> キーワードの時系列解析のための処理方法、並びにその処理システム及びコンピュータ・プログラム
JP2019101585A (ja) 2017-11-29 2019-06-24 ヤフー株式会社 推定装置、推定方法、及び推定プログラム

Also Published As

Publication number Publication date
JP2023170551A (ja) 2023-12-01

Similar Documents

Publication Publication Date Title
US11567989B2 (en) Media unit retrieval and related processes
WO2020048084A1 (zh) 资源推荐方法、装置、计算机设备及计算机可读存储介质
US8972370B2 (en) Repetitive fusion search method for search system
RU2382400C2 (ru) Построение и применение веб-каталогов для фокусированного поиска
US9292517B2 (en) Efficiently identifying images, videos, songs or documents most relevant to the user based on attribute feedback
US10262068B2 (en) System, method, and non-transitory computer-readable storage media for displaying an optimal arrangement of facets and facet values for a search query on a webpage
JP2000172697A (ja) 顧客情報検索方法及び顧客情報検索装置、データ作成方法、並びにデータベース
JP2018156429A (ja) 情報処理装置、情報処理方法、およびプログラム
CN111310046A (zh) 对象推荐方法及装置
CN109410009A (zh) 一种预测移动终端用户的购买意向的方法和装置
CN112612901A (zh) 一种医学知识图谱智慧管理检索平台
JP7135235B1 (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
JP7135236B1 (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
JP6679704B1 (ja) 情報処理装置、情報処理方法、及び情報処理プログラム
JP2007249600A (ja) 目的データをカテゴリに分類する方法
CN110659424A (zh) 基于Kruskal算法改进的K均值双重聚类推荐的方法、系统及计算机可读存储介质
CN112100441B (zh) 视频推荐方法、电子设备和计算机可读存储介质
US11154280B2 (en) Information processing device, information processing method, and information processing program
CN109934689B (zh) 目标对象排名解释方法、装置、电子设备及可读存储介质
JP2002259409A (ja) 情報抽出方法、情報抽出装置、コンピュータ読取可能な記憶媒体およびコンピュータ・プログラム
JP6779965B2 (ja) 情報処理装置、情報処理方法、及び情報処理プログラム
CN113129093A (zh) 基于智慧社区的用户数据进行商品推荐的推荐方法及装置
EP4407479A1 (en) Recommendation system
JP2019053682A (ja) 情報処理装置、情報処理方法、およびプログラム
JP7212973B1 (ja) 電子書籍情報を検索するための使用者インターフェースを提供する方法及びこれを利用したサーバー

Legal Events

Date Code Title Description
A621 Written request for application examination

Free format text: JAPANESE INTERMEDIATE CODE: A621

Effective date: 20220519

A871 Explanation of circumstances concerning accelerated examination

Free format text: JAPANESE INTERMEDIATE CODE: A871

Effective date: 20220519

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: 20220802

A61 First payment of annual fees (during grant procedure)

Free format text: JAPANESE INTERMEDIATE CODE: A61

Effective date: 20220831

R150 Certificate of patent or registration of utility model

Ref document number: 7135235

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