JP7144468B2 - 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 PDFInfo
- Publication number
- JP7144468B2 JP7144468B2 JP2020024739A JP2020024739A JP7144468B2 JP 7144468 B2 JP7144468 B2 JP 7144468B2 JP 2020024739 A JP2020024739 A JP 2020024739A JP 2020024739 A JP2020024739 A JP 2020024739A JP 7144468 B2 JP7144468 B2 JP 7144468B2
- Authority
- JP
- Japan
- Prior art keywords
- content
- information processing
- withdrawal period
- user
- information
- 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
Links
- 230000010365 information processing Effects 0.000 title claims description 90
- 238000003672 processing method Methods 0.000 title claims description 9
- 239000013598 vector Substances 0.000 claims description 66
- 230000009471 action Effects 0.000 claims description 27
- 238000000034 method Methods 0.000 claims description 26
- 239000000470 constituent Substances 0.000 claims description 23
- 238000004364 calculation method Methods 0.000 claims description 19
- 230000006870 function Effects 0.000 claims description 14
- 238000012360 testing method Methods 0.000 claims description 10
- 230000008569 process Effects 0.000 claims description 5
- 238000010586 diagram Methods 0.000 description 17
- 238000004891 communication Methods 0.000 description 16
- 238000012545 processing Methods 0.000 description 13
- 238000013135 deep learning Methods 0.000 description 5
- 238000013528 artificial neural network Methods 0.000 description 4
- 230000004048 modification Effects 0.000 description 4
- 238000012986 modification Methods 0.000 description 4
- 238000013527 convolutional neural network Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 230000015654 memory Effects 0.000 description 3
- 230000004044 response Effects 0.000 description 3
- 230000006399 behavior Effects 0.000 description 2
- 230000003542 behavioural effect Effects 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 230000007774 longterm Effects 0.000 description 2
- 239000003550 marker Substances 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000009467 reduction Effects 0.000 description 2
- 239000004065 semiconductor Substances 0.000 description 2
- 238000012706 support-vector machine Methods 0.000 description 2
- 238000013459 approach Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 235000014510 cooky Nutrition 0.000 description 1
- 238000007418 data mining Methods 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 238000003825 pressing Methods 0.000 description 1
- 238000012797 qualification Methods 0.000 description 1
- 230000000306 recurrent effect Effects 0.000 description 1
- 238000000926 separation method Methods 0.000 description 1
- 230000006403 short-term memory Effects 0.000 description 1
- 239000004984 smart glass Substances 0.000 description 1
- 238000012549 training Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Images
Description
まず、図1を参照し、実施形態に係る情報処理装置が行う情報処理方法の概要について説明する。図1は、実施形態に係る情報処理方法の概要を示す説明図である。なお、図1では、コンテンツの構成要素に定量的な点数をつける場合を例に挙げて説明する。
図1に示すように、WEB検索結果ページの最上段に該当する位置「0」には、コンテンツを構成するパーツ(部品)として「検索窓」が配置されている。コンテンツを構成するパーツは、コンテンツの構成要素の一例である。ここでは、検索窓には、検索クエリ(検索キーワード)として、「京都 観光」が入力されている。すなわち、当該WEB検索結果ページは、「京都 観光」に関する検索結果を示している。
図2を参照し、コンテンツの構成要素の品質スコアの取得方法について説明する。図2は、コンテンツの構成要素の品質スコアの取得方法の概要を示す説明図である。
次に、図3を用いて、実施形態に係る情報処理装置100が含まれる情報処理システム1の構成について説明する。図3は、実施形態に係る情報処理システム1の構成例を示す図である。図3に示すように、実施形態に係る情報処理システム1は、端末装置10と情報処理装置100と情報提供装置200とを含む。これらの各種装置は、ネットワークNを介して、有線又は無線により通信可能に接続される。ネットワークNは、例えば、LAN(Local Area Network)や、インターネット等のWAN(Wide Area Network)である。
次に、図4を用いて、実施形態に係る情報処理装置100の構成について説明する。図4は、実施形態に係る情報処理装置100の構成例を示す図である。図4に示すように、情報処理装置100は、通信部110と、記憶部120と、制御部130とを有する。
通信部110は、例えば、NIC(Network Interface Card)等によって実現される。また、通信部110は、ネットワークNと有線又は無線で接続される。
記憶部120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、又は、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、利用者データベース121と、イメージベクトルデータベース122と、品質スコアデータベース123とを有する。
利用者データベース121は、利用者Uに関する各種情報を記憶する。例えば、利用者データベース121は、利用者Uの属性等の種々の情報を記憶する。図5は、利用者データベース121の一例を示す図である。図5に示した例では、利用者データベース121は、「利用者ID(Identifier)」、「年齢」、「性別」、「自宅」、「勤務地」、「コンテンツ」、「アクセスログ」といった項目を有する。
イメージベクトルデータベース122は、コンテンツの画面全体のイメージのベクトルデータに関する各種情報を記憶する。図6は、イメージベクトルデータベース122の一例を示す図である。図6に示した例では、イメージベクトルデータベース122は、「利用者ID」、「対象コンテンツ」、「位置」、「パーツ」、「付帯情報」、「アクション」、「有無」といった項目を有する。
品質スコアデータベース123は、コンテンツを構成するパーツの品質スコアに関する各種情報を記憶する。図7は、品質スコアデータベース123の一例を示す図である。図7に示した例では、品質スコアデータベース123は、「対象コンテンツ」、「コンテンツ離脱期間」、「対象パーツ」、「パーツ離脱期間」、「品質スコア」といった項目を有する。
図4に戻り、説明を続ける。制御部130は、コントローラ(Controller)であり、例えば、CPU(Central Processing Unit)、GPU(Graphics Processing Unit)、MPU(Micro Processing Unit)、ASIC(Application Specific Integrated Circuit)やFPGA(Field Programmable Gate Array)等によって、情報処理装置100内部の記憶装置に記憶されている各種プログラム(情報処理プログラムの一例に相当)がRAM等の記憶領域を作業領域として実行されることにより実現される。図4に示す例では、制御部130は、受付部131と、取得部132と、作成部133と、学習部134と、算出部135と、提供部136とを有する。
受付部131は、通信部110を介して、各利用者Uの端末装置10から、各利用者Uに関する各種情報の登録を受付け、利用者データベース121に記憶する。
取得部132は、通信部110を介して、各情報提供装置200から、各利用者Uのアクセスログを取得する。
作成部133は、取得された各利用者Uのアクセスログから、コンテンツの画面全体のイメージをベクトルデータ化して、コンテンツの画面全体のイメージのベクトルデータを作成する。
学習部134は、モデルに、コンテンツの画面全体のイメージのベクトルデータを入力し、コンテンツの離脱期間(Absence Time)を正解データとして学習させる。学習部134は、その学習結果に基づいて、離脱期間を予測するモデルを作成する。なお、モデルは、任意の種別のモデルが採用可能である。
算出部135は、取得された離脱期間から、対象パーツの品質スコアを算出する。例えば、算出部135は、対象パーツの品質スコアとして、アクセスログごと(利用者Uごと、セッションごと)の離脱期間の平均値又は中央値を算出する。また、算出部135は、対象パーツの品質スコアとして、離脱期間の長さに応じて点数化した値を算出してもよい。あるいは、算出部135は、取得された離脱期間を、そのまま対象パーツの品質スコアとしてもよい。
提供部136は、通信部110を介して、対象パーツの品質スコアに関する情報を外部に提供する。例えば、提供部136は、外部からの要求に応じて、対象パーツの品質スコアに関するレポートを提供してもよい。なお、提供部137は、対象パーツの品質スコアに関する情報を、ディスプレイ等の表示装置に表示させる表示制御部として機能してもよい。
次に、図8を用いて実施形態に係る情報処理装置100による処理手順について説明する。図8は、実施形態に係る処理手順を示すフローチャートである。なお、以下に示す処理手順は、情報処理装置100の制御部130によって繰り返し実行される。
上述した端末装置10および情報処理装置100は、上記実施形態以外にも種々の異なる形態にて実施されてよい。そこで、以下では、実施形態の変形例について説明する。
上述してきたように、本願に係る情報処理装置100は、作成部と、学習部と、算出部とを備える。作成部は、利用者が利用したコンテンツの画面のイメージのベクトルデータを作成する。学習部は、ベクトルデータから、利用者がコンテンツを利用してから当該コンテンツを再度利用するまでの離脱期間を示す離脱期間情報を出力するようにモデルに学習させる。算出部は、離脱期間情報から、コンテンツの構成要素の品質スコアを算出する。これにより、コンテンツの構成要素の品質を評価することができる。なお、コンテンツの構成要素は、例えばコンテンツを構成するパーツ(部品)等である。
また、上述した実施形態に係る端末装置10や情報処理装置100は、例えば図9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100を例に挙げて説明する。図9は、ハードウェア構成の一例を示す図である。コンピュータ1000は、出力装置1010、入力装置1020と接続され、演算装置1030、一次記憶装置1040、二次記憶装置1050、出力I/F(Interface)1060、入力I/F1070、ネットワークI/F1080がバス1090により接続された形態を有する。
以上、本願の実施形態を説明したが、これら実施形態の内容により本発明が限定されるものではない。また、前述した構成要素には、当業者が容易に想定できるもの、実質的に同一のもの、いわゆる均等の範囲のものが含まれる。さらに、前述した構成要素は適宜組み合わせることが可能である。さらに、前述した実施形態の要旨を逸脱しない範囲で構成要素の種々の省略、置換又は変更を行うことができる。
10 端末装置
100 情報処理装置
110 通信部
120 記憶部
121 利用者データベース
122 イメージベクトルデータベース
123 品質スコアデータベース
130 制御部
131 受付部
132 取得部
133 作成部
134 学習部
135 算出部
136 提供部
200 情報提供装置
Claims (12)
- 利用者が利用したコンテンツの画面のイメージのベクトルデータを作成する作成部と、
前記ベクトルデータから、前記利用者が前記コンテンツを利用してから前記コンテンツを再度利用するまでの離脱期間を示す離脱期間情報を出力するようにモデルに学習させる学習部と、
前記離脱期間情報から、前記コンテンツの構成要素の品質スコアを算出する算出部と
を備えることを特徴とする情報処理装置。 - 前記算出部は、前記構成要素の品質スコアとして、前記離脱期間の平均値を算出する
ことを特徴とする請求項1に記載の情報処理装置。 - 前記算出部は、前記構成要素の品質スコアとして、前記離脱期間の中央値を算出する
ことを特徴とする請求項1に記載の情報処理装置。 - 前記算出部は、前記構成要素の品質スコアとして、前記離脱期間の長さに応じて点数化した値を算出する
ことを特徴とする請求項1~3のうちいずれか1つに記載の情報処理装置。 - 前記ベクトルデータは、コンテンツの画面上の位置を示す情報と、前記位置に配置された構成要素の種別を示す情報と、該構成要素に対する前記利用者の行動の有無を示す情報とを含む
ことを特徴とする請求項1~4のうちいずれか1つに記載の情報処理装置。 - 前記学習部は、前記ベクトルデータから、前記利用者が前記コンテンツの前記構成要素を利用してから前記構成要素を再度利用するまでの離脱期間を示す離脱期間情報を出力するようにモデルに学習させる
ことを特徴とする請求項1~5のうちいずれか1つに記載の情報処理装置。 - 前記学習部は、前記ベクトルデータから、前記利用者が前記コンテンツの前記構成要素に対する所定の行動を実施してから前記所定の行動を再度実施するまでの離脱期間を示す離脱期間情報を出力するようにモデルに学習させる
ことを特徴とする請求項1~5のうちいずれか1つに記載の情報処理装置。 - 前記学習部は、事前に学習データのうち一定の割合のデータをテスト用データとして取り分けておき、前記テスト用データの中から前記品質スコアを取得したい構成要素を含む前記ベクトルデータをモデルに入力し、前記離脱期間を出力する
ことを特徴とする請求項1~7のうちいずれか1つに記載の情報処理装置。 - 前記学習部は、前記コンテンツが有する機能を構成要素として、前記離脱期間情報を出力するようにモデルに学習させる
ことを特徴とする請求項1~8のうちいずれか1つに記載の情報処理装置。 - 前記学習部は、アプリケーションの操作画面を前記コンテンツの画面とし、前記アプリケーションの各機能を構成要素として、前記離脱期間情報を出力するようにモデルに学習させる
ことを特徴とする請求項1~9のうちいずれか1つに記載の情報処理装置。 - 情報処理装置が実行する情報処理方法であって、
利用者が利用したコンテンツの画面のイメージのベクトルデータを作成する作成工程と、
前記ベクトルデータから、前記利用者が前記コンテンツを利用してから前記コンテンツを再度利用するまでの離脱期間を示す離脱期間情報を出力するようにモデルに学習させる学習工程と、
前記離脱期間情報から、前記コンテンツの構成要素の品質スコアを算出する算出工程と
を含むことを特徴とする情報処理方法。 - 利用者が利用したコンテンツの画面のイメージのベクトルデータを作成する作成手順と、
前記ベクトルデータから、前記利用者が前記コンテンツを利用してから前記コンテンツを再度利用するまでの離脱期間を示す離脱期間情報を出力するようにモデルに学習させる学習手順と、
前記離脱期間情報から、前記コンテンツの構成要素の品質スコアを算出する算出手順と
をコンピュータに実行させるための情報処理プログラム。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2020024739A JP7144468B2 (ja) | 2020-02-17 | 2020-02-17 | 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 |
---|---|---|---|
JP2020024739A JP7144468B2 (ja) | 2020-02-17 | 2020-02-17 | 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 |
---|---|
JP2021128723A JP2021128723A (ja) | 2021-09-02 |
JP7144468B2 true JP7144468B2 (ja) | 2022-09-29 |
Family
ID=77488778
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2020024739A Active JP7144468B2 (ja) | 2020-02-17 | 2020-02-17 | 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) | JP7144468B2 (ja) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2003018584A (ja) | 2001-01-09 | 2003-01-17 | Metabyte Networks Inc | 対象を定めたテレビ番組配信のためのシステム、プリファレンスエンジン、機械可読媒体およびテレビ視聴習慣を判断する方法 |
JP2014149713A (ja) | 2013-02-01 | 2014-08-21 | Ntt Docomo Inc | 画像評価装置 |
JP2017091437A (ja) | 2015-11-17 | 2017-05-25 | 株式会社Nttドコモ | クラスタ選択装置 |
JP2017182663A (ja) | 2016-03-31 | 2017-10-05 | 日本電気株式会社 | コンテンツ管理装置、コンテンツ管理方法及びプログラム |
JP6526890B1 (ja) | 2018-08-09 | 2019-06-05 | 株式会社Uncover Truth | 評価システム |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH0736653A (ja) * | 1993-07-16 | 1995-02-07 | Canon Inc | 情報処理装置 |
-
2020
- 2020-02-17 JP JP2020024739A patent/JP7144468B2/ja active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2003018584A (ja) | 2001-01-09 | 2003-01-17 | Metabyte Networks Inc | 対象を定めたテレビ番組配信のためのシステム、プリファレンスエンジン、機械可読媒体およびテレビ視聴習慣を判断する方法 |
JP2014149713A (ja) | 2013-02-01 | 2014-08-21 | Ntt Docomo Inc | 画像評価装置 |
JP2017091437A (ja) | 2015-11-17 | 2017-05-25 | 株式会社Nttドコモ | クラスタ選択装置 |
JP2017182663A (ja) | 2016-03-31 | 2017-10-05 | 日本電気株式会社 | コンテンツ管理装置、コンテンツ管理方法及びプログラム |
JP6526890B1 (ja) | 2018-08-09 | 2019-06-05 | 株式会社Uncover Truth | 評価システム |
Non-Patent Citations (2)
Title |
---|
西村 駿人、外7名,畳み込みニューラルネットワークを利用したアプリケーション画面の分類,電子情報通信学会技術研究報告,日本,一般社団法人電子情報通信学会,2018年12月12日,第118巻,第293号,p.1-6 |
辛 郷孝、外3名,高級寿司割烹店におけるCRMを目的とした顧客行動研究,SIG-BI 人工知能学会:経営課題にAIを!ビジネス・インフォマティクス研究会 第12回研究会,日本,人工知能学会,2019年07月11日,p.1-3 |
Also Published As
Publication number | Publication date |
---|---|
JP2021128723A (ja) | 2021-09-02 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11093971B2 (en) | Contextual discovery | |
RU2636702C1 (ru) | Способ и устройство для выбора сетевого ресурса в качестве источника содержимого для системы рекомендаций | |
US10803244B2 (en) | Determining phrase objects based on received user input context information | |
US10114534B2 (en) | System and method for dynamically displaying personalized home screens respective of user queries | |
CN111279328B (zh) | 预测对于特定场境的搜索的意图 | |
US10229167B2 (en) | Ranking data items based on received input and user context information | |
US9912778B2 (en) | Method for dynamically displaying a personalized home screen on a user device | |
JP2020521376A (ja) | イメージデータに少なくとも部分的に基づく、アクションを実行するためのエージェントの決定 | |
JP6986978B2 (ja) | 情報処理装置、情報処理方法、及び情報処理プログラム | |
JP2015518227A (ja) | 装置のカスタマイズされたホーム画面を動的に表示するための方法 | |
JP7040986B2 (ja) | 情報処理装置、情報処理方法、及び情報処理プログラム | |
US20180095612A1 (en) | Intelligent support recommendations for snap-ins | |
KR20180000166A (ko) | 관심사 및 콘텐츠를 제공하는 방법 및 시스템 | |
JP7144468B2 (ja) | 情報処理装置、情報処理方法および情報処理プログラム | |
US20230195774A1 (en) | Systems and methods for generating interactable elements in text strings relating to media assets | |
JP7177107B2 (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 | |
JP6818783B2 (ja) | 情報表示プログラム、情報表示装置、情報表示方法および配信装置 | |
JP6983672B2 (ja) | 情報処理装置、情報処理方法、及び情報処理プログラム | |
JP7145901B2 (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 | |
JP2017107435A (ja) | 情報表示プログラム、情報表示装置、情報表示方法及び配信装置 | |
JP7032594B1 (ja) | 情報提供装置、情報処理方法、およびプログラム | |
JP7138687B2 (ja) | 推定装置、推定方法及び推定プログラム | |
JP7068999B2 (ja) | 情報処理装置、情報処理方法及び情報処理プログラム | |
JP7354191B2 (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 | |
JP6917531B1 (ja) | 情報処理装置、情報処理方法及び情報処理プログラム |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20210916 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20220711 |
|
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: 20220830 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20220915 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 7144468 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 |