JP7177023B2 - 特定装置、特定方法及び特定プログラム - Google Patents

Description

本発明は、特定装置、特定方法及び特定プログラムに関する。

従来、複数の対象間における類似性を推定する技術が知られている。このような技術の一例として、利用者の移動経路の類似性に基づいて、相互に類似する複数の施設を識別する技術が知られている。

特表２０１４－５３２３５３号公報

しかしながら、上述した技術では、地域間の類似性を適切に判定することができない場合がある。

例えば、上述した技術では、利用者の移動経路が類似する施設を識別しているに過ぎず、例えば、所在する利用者のニーズや傾向が類似する地域を識別しているとは言えない。

本願は、上記に鑑みてなされたものであって、地域間の類似性の判定精度を向上させることができる特定装置、特定方法及び特定プログラムを提供することを目的とする。

本願に係る特定装置は、各地域と関連するネットワーク上の情報を取得する取得部と、判定対象となる対象地域とネットワーク上の情報が類似する他の地域を特定する特定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、地域間の類似性の判定精度を向上させることができるといった効果を奏する。

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、実施形態に係る特定装置の構成例を示す図である。 図３は、実施形態に係るエリアデータベースの一例を示す図である。 図４は、実施形態に係る利用者データベースの一例を示す図である。 図５は、実施形態に係る施設データベースの一例を示す図である。 図６は、実施形態に係る情報処理手順を示すフローチャートである。 図７は、特定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、本願に係る特定装置、特定方法及び特定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特定装置、特定方法及び特定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。

〔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の例では、情報処理システム１は、特定装置１０と端末装置１００とログサーバ２００を有する。これらの各種装置は、ネットワークＮ（例えば、インターネット）を介して、有線又は無線により通信可能に接続される。なお、図１に示した情報処理システム１には、任意の数の特定装置１０と任意の数の端末装置１００と任意の数のログサーバ２００が含まれていてもよい。

特定装置１０は、利用者から指定された指定エリアと類似する類似エリアを示す情報を提供する情報処理装置である。図１に示す例では、特定装置１０は、利用者からエリアの指定を受付ける。また、特定装置１０は、利用者から指定された指定エリアと類似する類似エリアを特定する。そして、特定装置１０は、特定した類似エリアを示す情報を利用者に対して提供する。例えば、本実施形態における「エリア」または「地域」とは、緯度と経度に基づいて地域をほぼ同じ大きさの網の目（メッシュ）に分けた地域メッシュのことを示す。

具体的には、特定装置１０は、出店計画などに利用される。例えば、事業者Ａ１がエリア＃１に店舗の１号店を出店して成功したとする。また、事業者Ａ１は、エリア＃１への出店が成功したので、出店が成功したエリア＃１と類似する他のエリアに店舗の２号店を出店する計画を立てているとする。このような場合に、特定装置１０は、事業者Ａ１からエリア＃１の指定を受け付ける。また、特定装置１０は、事業者Ａ１から指定されたエリア＃１と類似する類似エリアを特定する。そして、特定装置１０は、特定した類似エリアを示す情報を利用者に対して提供する。例えば、特定装置１０は、エリア＃１と類似する複数の類似エリアを特定する。そして、特定装置１０は、特定した複数の類似エリアを示すリストを事業者Ａ１に対して提供する。

端末装置１００は、利用者により使用される情報処理装置である。端末装置１００は、例えば、スマートフォンや、タブレット型端末や、ノート型ＰＣ（Personal Computer）や、デスクトップＰＣや、携帯電話機や、ＰＤＡ（Personal Digital Assistant）等である。端末装置１００は、利用者の操作に従い、利用者によって指定された指定エリアに関する情報を特定装置１０に送信する。また、端末装置１００は、指定エリアと類似する類似エリアに関する情報を特定装置１０から受信する。そして、端末装置１００は、受信した類似エリアに関する情報を端末装置１００の画面に表示する。なお、以下では、端末装置１００を利用者と同一視する場合がある。すなわち、以下では、利用者を端末装置１００と読み替えることもできる。

また、以下では、利用者ＩＤ「Ｕ１」により特定される利用者を「利用者Ｕ１」とする場合がある。このように、以下では、「利用者Ｕ＊（＊は任意の数値）」と記載した場合、その利用者は利用者ＩＤ「Ｕ＊」により特定される利用者であることを示す。例えば、「利用者Ｕ２」と記載した場合、その利用者は利用者ＩＤ「Ｕ２」により特定される利用者である。

また、以下では、端末装置１００を利用する利用者に応じて、端末装置１００を端末装置１０１、１０２として説明する。例えば、端末装置１０１は、利用者Ｕ１により使用される端末装置１００である。また、例えば、端末装置１０２は、利用者Ｕ２により使用される端末装置１００である。また、以下では、端末装置１０１、１０２について、特に区別なく説明する場合には、端末装置１００と記載する。

ログサーバ２００は、各種のログデータを取得する情報処理装置である。具体的には、ログサーバ２００は、各地域と関連性を有する利用者のネットワーク上の行動を示すログデータを取得する。より具体的には、ログサーバ２００は、各地域に所在する利用者のネットワーク上の行動を示すログデータを取得する。

ここから、図１を用いて、情報処理の流れについて説明する。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に示す例では、ログサーバ２００は、各種のログデータを取得する（ステップＳ１）。具体的には、ログサーバ２００は、各地域に所在する利用者のネットワーク上の行動を示すログデータを取得する。例えば、ログサーバ２００は、利用者の位置の履歴である位置履歴を端末装置１００から取得する。また、ログサーバ２００は、利用者が入力した検索クエリの履歴である検索履歴を検索サーバから取得する。また、ログサーバ２００は、利用者が閲覧したコンテンツの履歴である閲覧履歴をコンテンツサーバから取得する。また、ログサーバ２００は、利用者による購買の履歴である購買履歴を電子商取引サーバから取得する。また、ログサーバ２００は、利用者による投稿の履歴である投稿履歴を口コミの投稿サービスを提供する投稿サーバやＳＮＳ（Social Networking Service）サーバから取得する。なお、ログサーバ２００は、上述した情報の他にも各種の情報を取得可能である。例えば、ログサーバ２００は、利用者の年齢、性別、家族構成、経済状況といった利用者の属性に関する情報を取得する。

また、ログサーバ２００は、各地域に所在する施設に関するネットワーク上の情報を取得する。例えば、ログサーバ２００は、各地域に所在する施設を訪問した利用者に関するネットワーク上の情報を取得する。例えば、ログサーバ２００は、取得した投稿履歴に基づいて、各地域に所在する施設を訪問した利用者により投稿された情報であって、施設に関する情報を取得する。また、ログサーバ２００は、各地域に所在する施設の所在地、平均価格（平均客単価）、カテゴリ（例えば、カフェやレストランといった店舗の業態のカテゴリ、イタリアンやフレンチといった店舗で取り扱われる料理のカテゴリ等）に関する情報を各施設の端末装置から取得する。また、ログサーバ２００は、上述した情報の他にも各種の情報を取得可能である。例えば、ログサーバ２００は、施設の営業時間、施設における喫煙の可否等の施設に関する情報を取得する。なお、本実施形態では、施設の一例として、施設が店舗である場合について説明する。

また、ログサーバ２００は、各地域に関するネットワーク上の情報を取得する。例えば、ログサーバ２００は、各地域における気温、天気、標高、トイレの有無、屋根のある場所の有無、街灯の有無、犯罪率、平均地価、国勢調査の結果といった各地域に関するネットワーク上の情報を取得する。

特定装置１０は、各種のログデータをログサーバ２００から取得する（ステップＳ２）。具体的には、特定装置１０は、各地域と関連するネットワーク上の情報をログサーバ２００から取得する。より具体的には、特定装置１０は、各地域に所在する利用者のネットワーク上の行動を示すログデータをログサーバ２００から取得する。例えば、特定装置１０は、利用者の位置の履歴である位置履歴をログサーバ２００から取得する。また、特定装置１０は、利用者が入力した検索クエリの履歴である検索履歴をログサーバ２００から取得する。また、特定装置１０は、利用者が閲覧したコンテンツの履歴である閲覧履歴をログサーバ２００から取得する。また、特定装置１０は、利用者による購買の履歴である購買履歴をログサーバ２００から取得する。また、特定装置１０は、利用者による投稿の履歴である投稿履歴をログサーバ２００から取得する。なお、特定装置１０は、上述した情報の他にも各種の情報を取得する。例えば、特定装置１０は、利用者の年齢、性別、家族構成、経済状況といった利用者属性に関する情報をログサーバ２００から取得する。

特定装置１０は、各地域に所在する施設に関するネットワーク上の情報をログサーバ２００から取得する。例えば、特定装置１０は、各地域に所在する施設を訪問した利用者に関するネットワーク上の情報を取得する。例えば、特定装置１０は、ログサーバ２００から取得した投稿履歴に基づいて、各地域に所在する施設を訪問した利用者により投稿された情報であって、施設に関する情報を取得する。また、特定装置１０は、各地域に所在する施設の所在地、平均価格（平均客単価）、カテゴリに関する情報をログサーバ２００から取得する。なお、特定装置１０は、上述した情報の他にも各種の情報を取得する。例えば、特定装置１０は、施設の営業時間、施設における喫煙の可否等の施設に関する情報をログサーバ２００から取得する。

なお、特定装置１０は、各地域に関するネットワーク上の情報をログサーバ２００から取得する。例えば、特定装置１０は、各地域における気温、天気、標高、トイレの有無、屋根のある場所の有無、街灯の有無、犯罪率、平均地価、国勢調査の結果といった各地域に関するネットワーク上の情報をログサーバ２００から取得する。

続いて、特定装置１０は、各種のログデータを取得すると、各エリアと関連性を有する利用者を特定し、特定した利用者のログデータを取得する（ステップＳ３）。具体的には、特定装置１０は、利用者の位置履歴に基づいて、各地域に所在する利用者を特定する。より具体的には、特定装置１０は、利用者の位置履歴に基づいて、各エリアを訪問した利用者を特定する。続いて、特定装置１０は、各エリアを訪問した利用者として特定した各利用者のログデータを取得する。

例えば、特定装置１０は、利用者の位置履歴に基づいて、エリア＃１を訪問した利用者である利用者＃１、利用者＃２、利用者＃３、…を特定する。続いて、特定装置１０は、エリア＃１を訪問した利用者である利用者＃１、利用者＃２、利用者＃３、…のログデータを取得する。例えば、特定装置１０は、利用者＃１のログデータとして、利用者＃１の検索履歴、利用者＃１の閲覧履歴、利用者＃１の購買履歴、…を取得する。また、特定装置１０は、利用者＃２のログデータとして、利用者＃２の検索履歴、利用者＃２の閲覧履歴、利用者＃２の購買履歴、…を取得する。このようにして、特定装置１０は、エリア＃１を訪問した各利用者のログデータを取得する。

続いて、特定装置１０は、取得したログデータと、各エリアに所在する施設に関する情報とに基づいて、各エリアのコンテキストを示す多次元量（例えば、ベクトル）を算出する（ステップＳ４）。具体的には、特定装置１０は、ネットワーク上の情報間の類似性に基づいて情報を多次元量に変換するモデルを用いて、ネットワーク上の情報を多次元量に変換する。より具体的には、特定装置１０は、取得した利用者のログデータの類似性に基づいて利用者のログデータを多次元量に変換するモデルを用いて、利用者のログデータをベクトルに変換する。また、特定装置１０は、各エリアに所在する施設に関する情報の類似性に基づいて各エリアに所在する施設に関する情報を多次元量に変換するモデルを用いて、各エリアに所在する施設に関する情報をベクトルに変換する。続いて、特定装置１０は、変換したベクトルに基づいて、各エリアのコンテキストを示す多次元量を算出する。なお、特定装置１０は、回帰モデルやニューラルネットワーク等、任意の構造を有するモデルを用いて、ネットワーク上の情報を多次元量に変換する。

例えば、特定装置１０は、取得した利用者のログデータの類似性に基づいて利用者のログデータを多次元量に変換するモデル＃１を用いて、エリア＃１を訪問した利用者＃１のログデータをベクトル＃１に変換する。

また、特定装置１０は、取得した利用者のログデータに基づいて、利用者のコンテキストを推定する。例えば、特定装置１０は、利用者のコンテキストとして、利用者のエリアにおける行動のコンテキストを推定する。また、特定装置１０は、利用者のコンテキストとして、利用者の興味に関する情報を推定する。また、特定装置１０は、取得した利用者のログデータに基づいて、利用者の信頼性を示すスコアを算出する。

例えば、特定装置１０は、取得した利用者＃１のログデータに基づいて、エリア＃１を訪問した利用者＃１のコンテキストを推定する。また、特定装置１０は、取得した利用者＃１のログデータに基づいて、利用者＃１の信頼性を示すスコアを算出する。続いて、特定装置１０は、推定した利用者のコンテキストと算出した利用者の信頼性を示すスコアの類似性に基づいて利用者のコンテキストと利用者の信頼性を示すスコアを多次元量に変換するモデル＃２を用いて、エリア＃１を訪問した利用者＃１のコンテキストと利用者＃１の信頼性を示すスコアをベクトル＃２に変換する。

また、特定装置１０は、エリアに所在する施設の有無の類似性に基づいてエリアに所在する施設の有無を多次元量に変換するモデル＃３を用いて、エリア＃１に所在する施設の有無をベクトル＃３に変換する。また、特定装置１０は、エリアに所在する施設の平均利用額の類似性に基づいてエリアに所在する施設の平均利用額を多次元量に変換するモデル＃４を用いて、エリア＃１に所在する施設の平均利用額をベクトル＃４に変換する。

続いて、特定装置１０は、変換したベクトル＃１、ベクトル＃２、ベクトル＃３、ベクトル＃４、…に基づいて、エリア＃１のコンテキストを示すベクトル＃Ａ１を算出する。具体的には、特定装置１０は、変換したベクトルの組の類似性に基づいてベクトルの組を多次元量に変換するモデルを用いて、ベクトルの組を多次元量に変換する。例えば、特定装置１０は、ベクトルの組である（ベクトル＃１、ベクトル＃２、ベクトル＃３、ベクトル＃４、…）を、ベクトルの組を多次元量に変換するモデルを用いて変換したベクトル＃Ａ１を、エリア＃１のコンテキストを示すベクトル＃Ａ１として算出する。

また、特定装置１０は、利用者Ｕ２からエリアの指定を受付ける（ステップＳ５）。ここで、利用者Ｕ２は、例えば、出店が成功したエリアと類似する他のエリアに店舗を出店する計画を立てている事業者Ａ１の担当者である。具体的には、特定装置１０は、利用者Ｕ２から指定された指定エリアを示す情報を端末装置１０２から取得する。

続いて、特定装置１０は、指定エリアを示す情報を取得すると、指定エリアとコンテキストを示すベクトルが類似する他のエリアを特定する（ステップＳ６）。具体的には、特定装置１０は、指定エリアのコンテキストを示すベクトル＃Ｑを特定する。続いて、特定装置１０は、特定したベクトル＃Ｑと他のエリアのコンテキストを示すベクトルとの類似度を算出する。続いて、特定装置１０は、算出した類似度が所定の閾値を超えるベクトルを特定する。例えば、特定装置１０は、算出した類似度が所定の閾値を超えるベクトルとして、エリア＃１のコンテキストを示すベクトル＃Ａ１、エリア＃２のコンテキストを示すベクトル＃Ａ２、…を特定する。続いて、特定装置１０は、指定エリアのコンテキストを示すベクトル＃Ｑとの類似度が所定の閾値を超えるベクトルに対応するエリアを指定エリアと類似する類似エリアとして特定する。例えば、特定装置１０は、ベクトル＃Ａ１に対応するエリア＃１、ベクトル＃Ａ２に対応するエリア＃２、…を類似エリアとして特定する。

続いて、特定装置１０は、類似エリアを特定すると、特定した類似エリアのリストを利用者Ｕ２に提供する（ステップＳ７）。具体的には、特定装置１０は、類似エリアとして特定したエリア＃１、エリア＃２、…のリストを端末装置１０２に送信する。より具体的には、特定装置１０は、類似エリアとして特定したエリア＃１、エリア＃２、…を類似度が高い方から順に並べて表示したリストを生成する。続いて、特定装置１０は、生成したリストを端末装置１０２に送信する。

上述したように、特定装置１０は、各地域と関連するネットワーク上の情報を取得する。また、特定装置１０は、判定対象となる対象地域とネットワーク上の情報が類似する他の地域を特定する。これにより、特定装置１０は、判定対象となる対象地域と、所在する利用者のニーズや傾向が類似する地域を特定することができる。したがって、特定装置１０は、地域間の類似性の判定精度を向上させることができる。また、特定装置１０は、利用者のニーズや傾向が類似する地域を精度よく判定することができるので、事業者の出店計画を適切に支援することができる。

なお、図１に示す例では、特定装置１０が利用者から一つの指定エリアを受け付けて、複数の類似エリアのリストを利用者に対して提供する例について説明したが、これに限られない。具体的には、図１のステップＳ５において、特定装置１０は、利用者Ｕ２から複数のエリアの指定を受付ける。特定装置１０は、利用者Ｕ２から指定された複数の指定エリアを示す情報を端末装置１０２から取得する。

続いて、図１のステップＳ６において、特定装置１０は、複数の指定エリアを示す情報を取得すると、複数の指定エリアとコンテキストを示すベクトルが類似する他のエリアを特定する。具体的には、特定装置１０は、複数の指定エリアに対応する各コンテキストベクトルを特定する。例えば、特定装置１０は、複数の指定エリアに対応する各コンテキストベクトルとして、ベクトル＃Ｑ１、ベクトル＃Ｑ２、ベクトル＃Ｑ３、…を特定する。続いて、特定装置１０は、ベクトルの組の類似性に基づいてベクトルの組を多次元量に変換するモデルを用いて、ベクトルの組を多次元量に変換する。例えば、特定装置１０は、ベクトルの組である（ベクトル＃Ｑ１、ベクトル＃Ｑ２、ベクトル＃Ｑ３、…）を、ベクトルの組を多次元量に変換するモデルを用いて変換したベクトル＃Ｖ１を、複数の指定エリアのコンテキストを示すベクトル＃Ｖ１として算出する。

続いて、特定装置１０は、算出したベクトル＃Ｖ１と他のエリアのコンテキストを示すベクトルとの類似度を算出する。続いて、特定装置１０は、算出した類似度が所定の閾値を超えるベクトルを特定する。続いて、特定装置１０は、複数の指定エリアのコンテキストを示すベクトル＃Ｖ１との類似度が所定の閾値を超えるベクトルに対応するエリアを複数の指定エリアと類似する類似エリアとして特定する。

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

（通信部２０）
通信部２０は、例えば、ＮＩＣ（Network Interface Card）等によって実現される。そして、通信部２０は、ネットワークＮと有線または無線で接続され、端末装置１００とログサーバ２００との間で情報の送受信を行う。

（記憶部３０）
記憶部３０は、例えば、ＲＡＭ（Random Access Memory)、フラッシュメモリ（Flash Memory）等の半導体メモリ素子、または、ハードディスク、光ディスク等の記憶装置によって実現される。また、記憶部３０は、図２に示すように、エリアデータベース３１と利用者データベース３２と施設データベース３３を有する。

（エリアデータベース３１）
エリアデータベース３１は、エリアに関する各種情報を記憶する。図３を用いて、実施形態に係るエリアデータベースの一例について説明する。図３は、実施形態に係るエリアデータベースの一例を示す図である。図３に示す例では、エリアデータベース３１は、「エリアＩＤ」、「名称情報」、「位置情報」、「コンテキストベクトル」といった項目を有する。

「エリアＩＤ」は、各エリアを識別するための識別情報を示す。「名称情報」は、各エリアの名称を示す。「位置情報」は、エリアの位置を示す。例えば、「位置情報」は、各エリアの所定の位置（例えば、エリアの中心）を示す緯度や経度の情報であってもよいし、各エリアの具体的な住所の情報であってもよい。「コンテキストベクトル」は、各エリアのコンテキストを示す多次元量を示す。

（利用者データベース３２）
利用者データベース３２は、利用者に関する各種情報を記憶する。図４を用いて、実施形態に係る利用者データベースの一例について説明する。図４は、実施形態に係る利用者データベースの一例を示す図である。図４に示す例では、利用者データベース３２は、「利用者ＩＤ」、「位置履歴」、「検索履歴」、「閲覧履歴」、「購買履歴」、「投稿履歴」といった項目を有する。

「利用者ＩＤ」は、利用者を識別するための識別情報を示す。「位置履歴」は、利用者の位置の履歴を示す。「検索履歴」は、利用者が入力した検索クエリの履歴を示す。「閲覧履歴」は、利用者が閲覧したコンテンツの履歴を示す。「購買履歴」は、利用者による購買の履歴を示す。「投稿履歴」は、利用者による投稿の履歴を示す。

（施設データベース３３）
施設データベース３３は、施設に関する各種情報を記憶する。例えば、施設は店舗である。図５を用いて、実施形態に係る施設データベースの一例について説明する。図５は、実施形態に係る施設データベースの一例を示す図である。図５に示す例では、施設データベース３３は、「店舗ＩＤ」、「所在地」、「平均価格」、「カテゴリ」といった項目を有する。

「店舗ＩＤ」は、店舗を識別するための識別情報を示す。「所在地」は、店舗の所在地である住所を示す。「平均価格」は、店舗を訪れた利用者の平均利用額を示す。「カテゴリ」は、店舗のカテゴリを示す。例えば、「カテゴリ」は、カフェやレストランといった店舗の業態のカテゴリであってもよいし、イタリアンやフレンチといった店舗で取り扱われる料理のカテゴリであってもよい。

（制御部４０）
制御部４０は、例えば、ＣＰＵ（Central Processing Unit）やＭＰＵ（Micro Processing Unit）等によって、特定装置１０内部の記憶装置に記憶されている各種プログラムがＲＡＭを作業領域として実行されることにより実現される。また、制御部４０は、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２に示すように、制御部４０は、取得部４１と、推定部４２と、算出部４３と、変換部４４と、特定部４５と、受付部４６と、提供部４７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、制御部４０の内部構成は、図２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４１）
取得部４１は、各種のログデータをログサーバ２００から取得する。取得部４１は、各地域と関連するネットワーク上の情報を取得する。具体的には、取得部４１は、各地域に関するネットワーク上の情報をログサーバ２００から取得する。より具体的には、取得部４１は、緯度と経度に基づいて地域をほぼ同じ大きさの網の目（メッシュ）に分けた地域メッシュに関する情報をログサーバ２００から取得する。例えば、取得部４１は、各エリアの位置情報をログサーバ２００から取得する。また、取得部４１は、各エリアの名称情報として、例えば、各エリアの住所をログサーバ２００から取得してもよい。また、例えば、取得部４１は、各エリアにおける気温、天気、標高、トイレの有無、屋根のある場所の有無、街灯の有無、犯罪率、平均地価、国勢調査の結果といった各エリアに関するネットワーク上の情報をログサーバ２００から取得する。続いて、取得部４１は、取得したエリアの名称情報やエリアの位置情報といった各エリアに関するネットワーク上の情報をエリアＩＤと対応付けてエリアデータベース３１に格納する。

また、取得部４１は、各地域と関連性を有する利用者のネットワーク上の行動を示す情報を取得する。取得部４１は、各地域と関連性を有する利用者のネットワーク上の行動を示す情報をログサーバ２００から取得する。取得部４１は、各地域に所在する利用者のネットワーク上の行動を示す情報を取得する。例えば、取得部４１は、利用者の位置の履歴である位置履歴を取得する。また、取得部４１は、利用者が入力した検索クエリの履歴である検索履歴を取得する。また、取得部４１は、利用者が閲覧したコンテンツの履歴である閲覧履歴を取得する。また、取得部４１は、利用者による購買の履歴である購買履歴を取得する。また、取得部４１は、利用者による投稿の履歴である投稿履歴を取得する。続いて、取得部４１は、利用者のネットワーク上の行動を示す情報を取得すると、取得した情報を利用者ＩＤと対応付けて利用者データベース３２に格納する。なお、取得部４１は、上述した情報の他にも各種の情報を取得する。例えば、取得部４１は、利用者の年齢、性別、家族構成、経済状況といった利用者の属性に関する情報をログサーバ２００から取得する。続いて、取得部４１は、利用者の属性に関する情報をログサーバ２００から取得すると、取得した情報を利用者ＩＤと対応付けて利用者データベース３２に格納する。

また、取得部４１は、各地域に所在する施設に関するネットワーク上の情報を取得する。取得部４１は、各地域に所在する施設に関するネットワーク上の情報をログサーバ２００から取得する。例えば、取得部４１は、各地域に所在する施設を訪問した利用者に関するネットワーク上の情報を取得する。例えば、取得部４１は、各地域に所在する施設を訪問した利用者により投稿された情報であって、施設に関する情報を取得する。取得部４１は、ログサーバ２００から取得した投稿履歴に基づいて、各地域に所在する施設を訪問した利用者により投稿された情報であって、施設に関する情報を取得する。また、取得部４１は、各地域に所在する施設の所在地、平均価格（平均客単価）、カテゴリに関する情報をログサーバ２００から取得する。なお、取得部４１は、上述した情報の他にも各種の情報を取得する。例えば、取得部４１は、施設の営業時間、施設における喫煙の可否等の施設に関する情報をログサーバ２００から取得する。なお、上述したように、本実施形態では、施設の一例として、施設が店舗である場合について説明する。続いて、取得部４１は、各地域に所在する施設に関するネットワーク上の情報を取得すると、取得した情報を店舗ＩＤと対応付けて施設データベース３３に格納する。

また、取得部４１は、各地域に所在する利用者のネットワーク上の行動を示す情報を取得する。また、取得部４１は、利用者が利用する端末装置から取得した位置情報に基づいて、利用者を特定し、特定した利用者のネットワーク上の行動を示す情報を取得する。具体的には、取得部４１は、各種のログデータを取得すると、各エリアと関連性を有する利用者を特定し、特定した利用者のログデータを取得する。例えば、取得部４１は、利用者データベース３２の位置履歴を参照して、利用者の位置履歴に基づいて、各地域に所在する利用者を特定する。また、取得部４１は、利用者の位置履歴に基づいて、各エリアを訪問した利用者を特定する。続いて、取得部４１は、利用者を特定すると、利用者データベース３２を参照して、特定した利用者のログデータを取得する。

図１に示す例では、取得部４１は、利用者データベース３２の位置履歴を参照して、利用者の位置履歴に基づいて、エリア＃１を訪問した利用者である利用者＃１、利用者＃２、利用者＃３、…を特定する。続いて、取得部４１は、利用者を特定すると、利用者データベース３２を参照して、特定した利用者のログデータを取得する。例えば、取得部４１は、利用者データベース３２を参照して、利用者＃１の検索履歴、利用者＃１の閲覧履歴、利用者＃１の購買履歴、…等の利用者＃１のログデータを取得する。また、取得部４１は、利用者データベース３２を参照して、利用者＃１の年齢、性別、家族構成、経済状況といった利用者の属性に関する情報を取得する。また、取得部４１は、利用者データベース３２を参照して、利用者＃２の検索履歴、利用者＃２の閲覧履歴、利用者＃２の購買履歴、…等の利用者＃２のログデータを取得する。また、取得部４１は、利用者データベース３２を参照して、利用者＃２の年齢、性別、家族構成、経済状況といった利用者の属性に関する情報を取得する。このようにして、取得部４１は、エリア＃１を訪問した各利用者のログデータを取得する。また、取得部４１は、エリア＃１を訪問した各利用者の属性に関する情報を取得する。

（推定部４２）
推定部４２は、取得部４１により取得された情報に基づいて、利用者に関する情報を推定する。例えば、推定部４２は、取得部４１により取得された情報に基づいて、利用者に関する情報を推定するモデルを用いて、利用者に関する情報を推定する。また、推定部４２は、利用者の地域における行動のコンテキストを推定する。例えば、推定部４２は、取得部４１により取得された情報に基づいて、利用者の地域における行動のコンテキストを推定するモデルを用いて、利用者の地域における行動のコンテキストを推定してもよい。

また、推定部４２は、取得部４１により取得された利用者の位置履歴に基づいて、利用者の行動の種類を推定してもよい。例えば、推定部４２は、取得部４１により取得された利用者の位置履歴に基づいて、利用者の訪問場所を推定する。続いて、推定部４２は、推定した訪問場所に基づいて、利用者の行動を推定する。例えば、推定部４２は、推定した訪問場所がレストランである場合、利用者がレストランを訪問したと推定する。また、推定部４２は、取得部４１により取得された利用者の購買履歴に基づいて、利用者の行動を推定してもよい。例えば、推定部４２は、取得部４１により取得された利用者の購買履歴に基づいて、利用者が購入した商品またはサービスを特定する。例えば、推定部４２は、利用者の位置履歴の日時と購買履歴の日時との比較に基づいて、利用者の行動を推定する。例えば、推定部４２は、位置履歴に基づいて利用者がレストランを訪問したと推定される日時に、購買履歴に基づいて同じ利用者がレストランを利用していた場合には、利用者がレストランで飲食を行ったと推定してもよい。

また、推定部４２は、取得部４１により取得された利用者の位置履歴に基づいて、利用者の移動速度を算出してもよい。続いて、推定部４２は、算出した移動速度に基づいて、利用者の移動手段を推定してもよい。例えば、推定部４２は、算出した移動速度が所定の時速である場合には、利用者がその地域で歩いていると推定する。また、推定部４２は、算出した移動速度が所定の時速を超える場合には、利用者がその地域で自動車に乗車したと推定する。また、推定部４２は、取得部４１により取得された利用者の位置履歴に基づいて、利用者が所定の時間帯（例えば、９：００～１７：００等）同じ場所に滞在している場合には、利用者がその場所に勤務していると推定する。

また、推定部４２は、利用者の興味に関する情報を推定する。例えば、推定部４２は、利用者の興味に関する情報を推定するモデルを用いて、取得部４１により取得された情報に基づいて、利用者の興味に関する情報を推定する。

また、推定部４２は、取得部４１により取得された利用者の検索履歴に基づいて、利用者の興味分野を推定してもよい。例えば、推定部４２は、取得部４１により取得された利用者の検索履歴に基づいて、利用者が所定期間内に所定の回数以上、経済分野に関する検索クエリを検索していた場合には、利用者の興味分野が経済分野であると推定する。

また、推定部４２は、取得部４１により取得された利用者の閲覧履歴に基づいて、利用者の興味分野を推定してもよい。例えば、推定部４２は、取得部４１により取得された利用者の閲覧履歴に基づいて、利用者が所定期間内に所定の回数以上、海外旅行に関するコンテンツを閲覧していた場合には、利用者が海外旅行に興味を持っていると推定する。

図１に示す例では、推定部４２は、取得部４１により取得された利用者＃１のログデータに基づいて、エリア＃１を訪問した利用者＃１のコンテキストを推定する。例えば、推定部４２は、利用者＃１のエリア＃１における行動のコンテキストを推定する。また、推定部４２は、利用者＃１の興味に関する情報を推定する。

（算出部４３）
算出部４３は、取得部４１により取得された情報に基づいて、利用者の信頼性を示すスコアを算出する。例えば、推定部４２は、取得部４１により取得された情報に基づいて、利用者の信頼性を示すスコアを算出するモデルを用いて、利用者の信頼性を示すスコアを算出する。図１に示す例では、算出部４３は、利用者の信頼性を示すスコアを算出するモデルを用いて、取得した利用者＃１のログデータに基づいて、利用者＃１の信頼性を示すスコアを算出する。

（変換部４４）
変換部４４は、取得部４１によって取得された各利用者のログデータと、各エリアに所在する施設に関する情報とに基づいて、各エリアのコンテキストを示す多次元量（例えば、ベクトル）を算出する。具体的には、変換部４４は、ネットワーク上の情報間の類似性に基づいて情報を多次元量に変換するモデルを用いて、ネットワーク上の情報を多次元量に変換する。変換部４４は、各エリアのコンテキストを示す多次元量（以下、「コンテキストベクトル」と記載する）を算出すると、算出したコンテキストベクトルをエリアＩＤと対応付けてエリアデータベース３１に格納する。

より具体的には、変換部４４は、取得部４１によって取得された利用者のログデータの類似性に基づいて利用者のログデータを多次元量に変換するモデル＃１を用いて、利用者のログデータをベクトルに変換する。図１に示す例では、変換部４４は、利用者のログデータの類似性に基づいて利用者のログデータを多次元量に変換するモデル＃１を用いて、エリア＃１を訪問した利用者＃１のログデータをベクトル＃１に変換する。より具体的には、変換部４４は、利用者＃１の検索履歴、利用者＃１の閲覧履歴、利用者＃１の購買履歴、利用者＃１の投稿履歴、…といった利用者＃１のログデータをベクトル＃１に変換する。なお、変換部４４は、上述したログデータの他にも各種のログデータの類似性に基づいて、利用者のログデータをベクトルに変換してよい。また、上術した例では、変換部４４が利用者の検索履歴、閲覧履歴、購買履歴、…といった複数のログデータの類似性に基づいて、複数のログデータをまとめて一つのベクトル＃１に変換する例について説明したが、これに限られない。例えば、変換部４４は、検索履歴、閲覧履歴、購買履歴、投稿履歴、…といった利用者の各ログデータの類似性に基づいて利用者の各ログデータを各ベクトルに変換する各モデルを用いて、利用者の各ログデータをそれぞれ個別のベクトルに変換してもよい。

また、変換部４４は、利用者の属性に関する情報の類似性に基づいて利用者の属性に関する情報を多次元量に変換するモデル＃１１を用いて、利用者の属性に関する情報をベクトルに変換する。例えば、変換部４４は、年齢、性別、家族構成、経済状況といった利用者の属性に関する情報の類似性に基づいて利用者の属性に関する情報を多次元量に変換するモデル＃１１を用いて、エリア＃１を訪問した利用者＃１の属性に関する情報をベクトル＃１１に変換する。なお、変換部４４は、利用者の属性に関する情報と利用者のログデータとを合わせた情報である利用者情報の類似性に基づいて利用者情報の類似性に基づいて、利用者情報を多次元量に変換するモデル＃１２を用いて、エリア＃１を訪問した利用者＃１の利用者情報をベクトル＃１２に変換してもよい。

また、変換部４４は、推定部４２によって推定された利用者のコンテキストと算出部４３によって算出された利用者の信頼性を示すスコアの類似性に基づいて利用者のコンテキストと利用者の信頼性を示すスコアを多次元量に変換するモデル＃２を用いて、利用者のコンテキストと利用者の信頼性を示すスコアをベクトルに変換する。図１に示す例では、変換部４４は、利用者のコンテキストと利用者の信頼性を示すスコアを多次元量に変換するモデル＃２を用いて、推定部４２によって推定された利用者＃１のコンテキストと算出部４３によって算出された利用者＃１の信頼性を示すスコアをベクトル＃２に変換する。

また、変換部４４は、各エリアに所在する施設に関する情報の類似性に基づいて各エリアに所在する施設に関する情報を多次元量に変換するモデルを用いて、各エリアに所在する施設に関する情報をベクトルに変換する。例えば、変換部４４は、エリアに所在する施設の有無の類似性に基づいてエリアに所在する施設の有無を多次元量に変換するモデル＃３を用いて、エリア＃１に所在する施設の有無をベクトル＃３に変換する。また、変換部４４は、エリアに所在する施設の平均利用額の類似性に基づいてエリアに所在する施設の平均利用額を多次元量に変換するモデル＃４を用いて、エリア＃１に所在する施設の平均利用額をベクトル＃４に変換する。また、変換部４４は、施設の営業時間の類似性に基づいてエリアに所在する施設の営業時間を多次元量に変換するモデル＃５を用いて、エリア＃１に所在する施設の営業時間をベクトル＃５に変換する。また、変換部４４は、施設における喫煙の可否の類似性に基づいてエリアに所在する施設における喫煙の可否を多次元量に変換するモデル＃６を用いて、エリア＃１に所在する施設における喫煙の可否をベクトル＃６に変換する。また、変換部４４は、上述した各エリアに所在する施設に関する情報の他にも各種の各エリアに所在する施設に関する情報の類似性に基づいて、各エリアに所在する施設に関する情報をベクトルに変換してよい。なお、変換部４４は、エリアに所在する施設の有無、施設の平均利用額、施設の営業時間、施設における喫煙の可否…といった施設に関する複数の情報の類似性に基づいて、施設に関する複数の情報をまとめて一つのベクトルに変換してもよい。

また、変換部４４は、各エリアに関するネットワーク上の情報の類似性に基づいて各エリアに関するネットワーク上の情報を多次元量に変換するモデルを用いて、各エリアに関するネットワーク上の情報をベクトルに変換する。例えば、変換部４４は、各エリアにおける気温、天気、標高、トイレの有無、屋根のある場所の有無、街灯の有無、犯罪率、平均地価、国勢調査の結果といった各エリアに関するネットワーク上の各情報の類似性に基づいて各エリアに関するネットワーク上の各情報を多次元量に変換する各モデルを用いて、各エリアに関するネットワーク上の各情報を各ベクトルに変換する。なお、変換部４４は、各エリアにおける気温、天気、標高、トイレの有無、屋根のある場所の有無、街灯の有無、犯罪率、平均地価、国勢調査の結果…といった各エリアに関するネットワーク上の複数の情報の類似性に基づいて、各エリアに関するネットワーク上の複数の情報をまとめて一つのベクトルに変換してもよい。

続いて、変換部４４は、各モデルによって変換されたベクトルに基づいて、各エリアのコンテキストを示す多次元量を算出する。例えば、変換部４４は、各モデルによって変換されたベクトルの組の類似性に基づいてベクトルの組を多次元量に変換するモデルを用いて、ベクトルの組を多次元量に変換する。図１に示す例では、変換部４４は、各モデルによって変換されたベクトルの組である（ベクトル＃１、ベクトル＃２、ベクトル＃３、ベクトル＃４、…）を、ベクトルの組を多次元量に変換するモデルを用いて、エリア＃１のコンテキストを示すベクトル＃Ａ１に変換する。

なお、上述した例では、変換部４４が、取得部４１によって取得された各利用者のログデータと、各エリアに所在する施設に関する情報と、各エリアに関するネットワーク上の情報とをそれぞれ各ベクトルに変換したうえで、変換した各ベクトルに基づいて各エリアのコンテキストベクトルを算出する例について説明したが、これに限られない。具体的には、変換部４４は、取得部４１によって取得された各利用者のログデータと、各エリアに所在する施設に関する情報と、各エリアに関するネットワーク上の情報とに基づいて、各エリアのコンテキストベクトルを算出する。例えば、変換部４４は、取得部４１によって取得された各利用者の検索履歴、閲覧履歴、購買履歴、…等の各ログデータ、各利用者の年齢、性別、家族構成、経済状況といった利用者の属性に関する各情報、各エリアに所在する施設の有無、施設の平均利用額、施設の営業時間、施設における喫煙の可否…といった施設に関する各情報、各エリアにおける気温、天気、標高、トイレの有無、屋根のある場所の有無、街灯の有無、犯罪率、平均地価、国勢調査の結果といった各エリアに関するネットワーク上の各情報の類似性に基づいて、これらの各情報を多次元量に変換するモデルを用いてこれらの各情報を多次元量に変換することにより、各エリアのコンテキストベクトルを算出する。

（特定部４５）
特定部４５は、判定対象となる対象地域とネットワーク上の情報が類似する他の地域を特定する。具体的には、特定部４５は、受付部４６によって指定エリアを受け付けると、指定エリアとコンテキストを示すベクトルが類似する他のエリアを特定する。より具体的には、特定部４５は、多次元量の類似性に基づいて、対象地域とネットワーク上の情報が類似する他の地域を特定する。例えば、特定部４５は、利用者のネットワーク上の行動が対象地域と類似する他の地域を特定する。また、特定部４５は、推定部４２により推定された利用者に関する情報が対象地域と類似する他の地域を特定する。また、特定部４５は、算出部４３により算出されたスコアの傾向が対象地域と類似する他の地域を特定する。また、特定部４５は、施設に関するネットワーク上の情報が、対象地域に所在する施設に関するネットワーク上の情報と類似する他の地域を特定する。また、特定部４５は、対象地域とネットワーク上の情報が類似する複数の他の地域を特定する。

図１に示す例では、特定部４５は、受付部４６によって指定エリアを受け付けると、指定エリアとコンテキストを示すベクトルが類似する他のエリアを特定する。具体的には、特定部４５は、受付部４６によって受け付けられた指定エリアのコンテキストを示すベクトル＃Ｑを特定する。続いて、特定部４５は、特定したベクトル＃Ｑと他のエリアのコンテキストを示すベクトルとの類似度を算出する。続いて、特定部４５は、算出した類似度が所定の閾値を超えるベクトルを特定する。例えば、特定部４５は、算出した類似度が所定の閾値を超えるベクトルとして、エリア＃１のコンテキストを示すベクトル＃Ａ１、エリア＃２のコンテキストを示すベクトル＃Ａ２、…を特定する。続いて、特定部４５は、指定エリアのコンテキストを示すベクトル＃Ｑとの類似度が所定の閾値を超えるベクトルに対応するエリアを指定エリアと類似する類似エリアとして特定する。例えば、特定部４５は、ベクトル＃Ａ１に対応するエリア＃１、ベクトル＃Ａ２に対応するエリア＃２、…等の複数の類似エリアを特定する。

なお、図１に示す例では、特定装置１０が利用者から一つの指定エリアを受け付けて、複数の類似エリアのリストを利用者に対して提供する例について説明したが、これに限られない。具体的には、受付部４６は、利用者から複数のエリアの指定を受付ける。受付部４６は、利用者から指定された複数の指定エリアを示す情報を端末装置１００から取得する。

続いて、特定部４５は、受付部４６によって複数の指定エリアを受け付けると、複数の指定エリアとコンテキストを示すベクトルが類似する他のエリアを特定する。具体的には、特定部４５は、複数の指定エリアに対応する各コンテキストベクトルを特定する。例えば、特定部４５は、複数の指定エリアに対応する各コンテキストベクトルとして、ベクトル＃Ｑ１、ベクトル＃Ｑ２、ベクトル＃Ｑ３、…を特定する。続いて、特定部４５は、ベクトルの組の類似性に基づいてベクトルの組を多次元量に変換するモデルを用いて、ベクトルの組を多次元量に変換する。例えば、特定部４５は、ベクトルの組である（ベクトル＃Ｑ１、ベクトル＃Ｑ２、ベクトル＃Ｑ３、…）を、ベクトルの組を多次元量に変換するモデルを用いて変換したベクトル＃Ｖ１を、複数の指定エリアのコンテキストを示すベクトル＃Ｖ１として算出する。

続いて、特定部４５は、算出したベクトル＃Ｖ１と他のエリアのコンテキストを示すベクトルとの類似度を算出する。続いて、特定部４５は、算出した類似度が所定の閾値を超えるベクトルを特定する。続いて、特定部４５は、複数の指定エリアのコンテキストを示すベクトル＃Ｖ１との類似度が所定の閾値を超えるベクトルに対応するエリアを複数の指定エリアと類似する類似エリアとして特定する。

（受付部４６）
受付部４６は、判定対象となる対象地域の指定を利用者から受付ける。具体的には、受付部４６は、利用者から判定対象となる対象地域として指定された指定エリアを示す情報を端末装置１００から取得する。図１に示す例では、受付部４６は、利用者Ｕ２からエリアの指定を受付ける。具体的には、受付部４６は、利用者Ｕ２から指定された指定エリアを示す情報を端末装置１０２から取得する。

（提供部４７）
提供部４７は、特定部４５が特定した他の地域を示す情報を利用者に提供する。例えば、提供部４７は、特定部４５によって類似エリアが特定されると、特定された類似エリアのリストを端末装置１００に送信する。例えば、提供部４７は、特定した複数の類似エリアを類似度が高い方から順に並べて表示したリストを生成する。続いて、提供部４７は、生成したリストを端末装置１００に送信する。図１に示す例では、提供部４７は、類似エリアを特定すると、特定した類似エリアのリストを利用者Ｕ２に提供する。具体的には、提供部４７は、類似エリアとして特定したエリア＃１、エリア＃２、…といった複数の類似エリアのリストを端末装置１０２に送信する。より具体的には、提供部４７は、類似エリアとして特定したエリア＃１、エリア＃２、…を類似度が高い方から順に並べて表示したリストを生成する。続いて、提供部４７は、生成したリストを端末装置１０２に送信する。

〔３．情報処理のフロー〕
次に、図６を用いて、実施形態に係る情報処理の手順について説明する。図６は、実施形態に係る情報処理手順を示すフローチャートである。図６に示す例では、特定装置１０は、所定のタイミングであるか否かを判定する（ステップＳ１０１）。特定装置１０は、所定のタイミングでないと判定した場合（ステップＳ１０１；Ｎｏ）、所定のタイミングがくるまで待機する。

一方、特定装置１０は、所定のタイミングであると判定した場合（ステップＳ１０１；Ｙｅｓ）、各エリアと関連性を有する利用者のネットワーク上の行動を示すログデータを取得する（ステップＳ１０２）。続いて、特定装置１０は、ログデータを取得すると、取得したログデータ同士の類似性を反映させたコンテキストベクトルをエリアごとに生成する（ステップＳ１０３）。

続いて、特定装置１０は、利用者から指定エリアを受け付けたか否かを判定する（ステップＳ１０４）。特定装置１０は、利用者から指定エリアを受け付けていないと判定した場合（ステップＳ１０４；Ｎｏ）、利用者から指定エリアを受け付けるまで待機する。

一方、特定装置１０は、利用者から指定エリアを受け付けたと判定した場合（ステップＳ１０４；Ｙｅｓ）、指定エリアのコンテキストベクトルを特定する（ステップＳ１０５）。続いて、特定装置１０は、指定エリアのコンテキストベクトルを特定すると、コンテキストベクトルが指定エリアと類似する類似エリアを特定する（ステップＳ１０６）。続いて、特定装置１０は、特定した類似エリアを示す情報を出力する（ステップＳ１０７）。

〔４．効果〕
上述してきたように、実施形態に係る特定装置１０は、取得部４１と特定部４５を有する。取得部４１は、各地域と関連するネットワーク上の情報を取得する。特定部４５は、判定対象となる対象地域とネットワーク上の情報が類似する他の地域を特定する。

これにより、特定装置１０は、判定対象となる対象地域と、所在する利用者のニーズや傾向が類似する地域を特定することができる。したがって、特定装置１０は、地域間の類似性の判定精度を向上させることができる。また、特定装置１０は、利用者のニーズや傾向が類似する地域を精度よく判定することができるので、事業者の出店計画を適切に支援することができる。

また、取得部４１は、各地域と関連性を有する利用者のネットワーク上の行動を示す情報を取得する。特定部４５は、利用者のネットワーク上の行動が対象地域と類似する他の地域を特定する。

これにより、特定装置１０は、各地域と関連性を有する利用者のネットワーク上の行動の類似性に基づいて、地域間の類似性を判定することができる。

また、取得部４１は、各地域に所在する利用者のネットワーク上の行動を示す情報を取得する。また、取得部４１は、利用者が利用する端末装置から取得した位置情報に基づいて、利用者を特定し、特定した利用者のネットワーク上の行動を示す情報を取得する。

これにより、特定装置１０は、各地域に所在する利用者のネットワーク上の行動を示す情報の類似性に基づいて、地域間の類似性を判定することができる。

また、取得部４１は、利用者が入力した検索クエリの履歴である検索履歴を取得する。

これにより、特定装置１０は、各地域と関連性を有する利用者の検索履歴の類似性に基づいて、地域間の類似性を判定することができる。

また、取得部４１は、利用者が閲覧したコンテンツの履歴である閲覧履歴を取得する。

これにより、特定装置１０は、各地域と関連性を有する利用者の閲覧履歴の類似性に基づいて、地域間の類似性を判定することができる。

また、取得部４１は、利用者の位置の履歴である位置履歴を取得する。

これにより、特定装置１０は、各地域と関連性を有する利用者の位置履歴の類似性に基づいて、地域間の類似性を判定することができる。

また、取得部４１は、利用者による購買の履歴である購買履歴を取得する。

これにより、特定装置１０は、各地域と関連性を有する利用者の購買履歴の類似性に基づいて、地域間の類似性を判定することができる。

また、実施形態に係る特定装置１０は、推定部４２を有する。推定部４２は、取得部４１により取得された情報に基づいて、利用者に関する情報を推定する。特定部４５は、推定部４２により推定された利用者に関する情報が対象地域と類似する他の地域を特定する。

これにより、特定装置１０は、各地域と関連性を有する利用者に関する推定情報の類似性に基づいて、地域間の類似性を判定することができる。

また、推定部４２は、利用者の地域における行動のコンテキストを推定する。

これにより、特定装置１０は、各地域と関連性を有する利用者の地域における行動のコンテキストの類似性に基づいて、地域間の類似性を判定することができる。

また、推定部４２は、利用者の興味に関する情報を推定する。

これにより、特定装置１０は、各地域と関連性を有する利用者の興味に関する情報の類似性に基づいて、地域間の類似性を判定することができる。

また、実施形態に係る特定装置１０は、算出部４３を有する。算出部４３は、取得部４１により取得された情報に基づいて、利用者の信頼性を示すスコアを算出する。特定部４５は、算出部４３により算出されたスコアの傾向が対象地域と類似する他の地域を特定する。

これにより、特定装置１０は、各地域と関連性を有する信頼性を示すスコアの類似性に基づいて、地域間の類似性を判定することができる。

また、取得部４１は、各地域に所在する施設に関するネットワーク上の情報を取得する。特定部４５は、施設に関するネットワーク上の情報が、対象地域に所在する施設に関するネットワーク上の情報と類似する他の地域を特定する。

これにより、特定装置１０は、各地域に所在する施設に関するネットワーク上の情報の類似性に基づいて、地域間の類似性を判定することができる。

また、取得部４１は、各地域に所在する施設を訪問した利用者に関するネットワーク上の情報を取得する。

これにより、特定装置１０は、各地域に所在する施設を訪問した利用者に関するネットワーク上の情報の類似性に基づいて、地域間の類似性を判定することができる。

また、取得部４１は、各地域に所在する施設を訪問した利用者により投稿された情報であって、施設に関する情報を取得する。

これにより、特定装置１０は、各地域に所在する施設を訪問した利用者により投稿された情報であって、施設に関する情報の類似性に基づいて、地域間の類似性を判定することができる。

また、実施形態に係る特定装置１０は、受付部４６と提供部４７を有する。受付部４６は、判定対象となる対象地域の指定を利用者から受付ける。提供部４７は、特定部４５が特定した他の地域を示す情報を利用者に提供する。

これにより、特定装置１０は、類似エリアの提供サービスに関するユーザビリティを向上させることができる。

また、特定部４５は、対象地域とネットワーク上の情報が類似する複数の他の地域を特定する。

これにより、特定装置１０は、類似エリアの提供サービスに関するユーザビリティを向上させることができる。

また、実施形態に係る特定装置１０は、変換部４４を有する。変換部４４は、ネットワーク上の情報間の類似性に基づいて情報を多次元量に変換するモデルを用いて、ネットワーク上の情報を多次元量に変換する。特定部４５は、多次元量の類似性に基づいて、対象地域とネットワーク上の情報が類似する他の地域を特定する。

これにより、特定装置１０は、各地域の特徴を示すベクトルの類似性に基づいて、客観的に地域間の類似性を判定することができる。

〔５．ハードウェア構成〕
また、上述してきた実施形態に係る特定装置１０は、例えば図７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７は、特定装置１０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を備える。

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が特定装置１０として機能する場合、コンピュータ１０００のＣＰＵ１１００は、ＲＡＭ１２００上にロードされたプログラムを実行することにより、制御部１３０または制御部５２または制御部１５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。

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。

〔６．その他〕
また、上記実施形態及び変形例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及び変形例は、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、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、特定部は、特定手段や特定回路に読み替えることができる。

１ 情報処理システム
１０ 特定装置
２０ 通信部
３０ 記憶部
３１ エリアデータベース
３２ 利用者データベース
３３ 施設データベース
４０ 制御部
４１ 取得部
４２ 推定部
４３ 算出部
４４ 変換部
４５ 特定部
４６ 受付部
４７ 提供部
１００ 端末装置
２００ ログサーバ

Claims (20)

1. 緯度と経度に基づいてメッシュ状に区画された各地域メッシュと関連するネットワーク上の情報であって、当該各地域メッシュに所在する施設に関するネットワーク上の施設情報および当該各地域メッシュに所在する利用者のネットワーク上の行動を示す利用者情報を地域メッシュごとに取得する取得部と、
   各地域メッシュに所在する施設に関する前記施設情報の類似性に基づいて、各地域メッシュに所在する施設に関する前記施設情報それぞれを各地域メッシュの施設に関するコンテキストを示す一の多次元量それぞれに変換し、各地域メッシュに所在する利用者のネットワーク上の行動を示す前記利用者情報の類似性に基づいて、各地域メッシュに所在する各利用者の前記利用者情報それぞれを各地域メッシュに所在する各利用者のコンテキストを示す一の多次元量それぞれに変換し、各地域メッシュの施設に関するコンテキストを示す一の多次元量および各地域メッシュに所在する各利用者のコンテキストを示す一の多次元量それぞれの組の類似性に基づいて、変換した各地域メッシュの施設に関するコンテキストを示す一の多次元量および変換した各地域メッシュに所在する各利用者のコンテキストを示す一の多次元量それぞれの組を前記各地域メッシュのコンテキストを示す一の多次元量に変換する変換部と、
   前記一の多次元量の類似性に基づいて、判定対象となる対象地域メッシュとネットワーク上の情報が類似する他の地域メッシュを特定する特定部と
   を有することを特徴とする特定装置。
2. 前記取得部は、前記各地域メッシュと関連性を有する利用者のネットワーク上の行動を示す情報を取得し、
   前記特定部は、前記利用者のネットワーク上の行動が前記対象地域メッシュと類似する他の地域メッシュを特定する
   ことを特徴とする請求項１に記載の特定装置。
3. 前記取得部は、前記各地域メッシュに所在する利用者のネットワーク上の行動を示す情報を取得する
   ことを特徴とする請求項２に記載の特定装置。
4. 前記取得部は、前記利用者が利用する端末装置から取得した位置情報に基づいて、前記利用者を特定し、特定した利用者のネットワーク上の行動を示す情報を取得する
   ことを特徴とする請求項３に記載の特定装置。
5. 前記取得部は、前記利用者が入力した検索クエリの履歴である検索履歴を取得する
   ことを特徴とする請求項２～４のうちいずれか１つに記載の特定装置。
6. 前記取得部は、前記利用者が閲覧したコンテンツの履歴である閲覧履歴を取得する
   ことを特徴とする請求項２～５のうちいずれか１つに記載の特定装置。
7. 前記取得部は、前記利用者の位置の履歴である位置履歴を取得する
   ことを特徴とする請求項２～６のうちいずれか１つに記載の特定装置。
8. 前記取得部は、前記利用者による購買の履歴である購買履歴を取得する
   ことを特徴とする請求項２～７のうちいずれか１つに記載の特定装置。
9. 前記取得部により取得された情報に基づいて、前記利用者に関する情報を推定する推定部
   を有し、
   前記特定部は、前記推定部により推定された前記利用者に関する情報が前記対象地域メッシュと類似する他の地域メッシュを特定する
   ことを特徴とする請求項２～８のうちいずれか１つに記載の特定装置。
10. 前記推定部は、前記利用者の前記地域メッシュにおける行動のコンテキストを推定する
    ことを特徴とする請求項９に記載の特定装置。
11. 前記推定部は、前記利用者の興味に関する情報を推定する
    ことを特徴とする請求項９または１０に記載の特定装置。
12. 前記取得部により取得された情報に基づいて、前記利用者の信頼性を示すスコアを算出する算出部
    を有し、
    前記特定部は、前記算出部により算出されたスコアの傾向が前記対象地域メッシュと類似する他の地域メッシュを特定する
    ことを特徴とする請求項２～１１のうちいずれか１つに記載の特定装置。
13. 前記取得部は、前記各地域メッシュに所在する施設に関するネットワーク上の情報を取得し、
    前記特定部は、施設に関するネットワーク上の情報が、対象地域メッシュに所在する施設に関するネットワーク上の情報と類似する他の地域メッシュを特定する
    ことを特徴とする請求項１～１２のうちいずれか１つに記載の特定装置。
14. 前記取得部は、前記各地域メッシュに所在する施設を訪問した利用者に関するネットワーク上の情報を取得する
    ことを特徴とする請求項１３に記載の特定装置。
15. 前記取得部は、前記各地域メッシュに所在する施設を訪問した利用者により投稿された情報であって、当該施設に関する情報を取得する
    ことを特徴とする請求項１３または１４に記載の特定装置。
16. 判定対象となる対象地域メッシュの指定を利用者から受付ける受付部と、
    前記特定部が特定した他の地域メッシュを示す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請求項１～１５のうちいずれか１つに記載の特定装置。
17. 前記特定部は、前記対象地域メッシュとネットワーク上の情報が類似する複数の他の地域メッシュを特定する
    ことを特徴とする請求項１～１６のうちいずれか１つに記載の特定装置。
18. 前記変換部は、
    前記ネットワーク上の情報間の類似性に基づいて情報を多次元量に変換するモデルを用いて、前記ネットワーク上の情報を多次元量に変換する
    ことを特徴とする請求項１～１７のうちいずれか１つに記載の特定装置。
19. 特定装置が実行する特定方法であって、
    緯度と経度に基づいてメッシュ状に区画された各地域メッシュと関連するネットワーク上の情報であって、当該各地域メッシュに所在する施設に関するネットワーク上の施設情報および当該各地域メッシュに所在する利用者のネットワーク上の行動を示す利用者情報を地域メッシュごとに取得する取得工程と、
    各地域メッシュに所在する施設に関する前記施設情報の類似性に基づいて、各地域メッシュに所在する施設に関する前記施設情報それぞれを各地域メッシュの施設に関するコンテキストを示す一の多次元量それぞれに変換し、各地域メッシュに所在する利用者のネットワーク上の行動を示す前記利用者情報の類似性に基づいて、各地域メッシュに所在する各利用者の前記利用者情報それぞれを各地域メッシュに所在する各利用者のコンテキストを示す一の多次元量それぞれに変換し、各地域メッシュの施設に関するコンテキストを示す一の多次元量および各地域メッシュに所在する各利用者のコンテキストを示す一の多次元量それぞれの組の類似性に基づいて、変換した各地域メッシュの施設に関するコンテキストを示す一の多次元量および変換した各地域メッシュに所在する各利用者のコンテキストを示す一の多次元量それぞれの組を前記各地域メッシュのコンテキストを示す一の多次元量に変換する変換工程と、
    前記一の多次元量の類似性に基づいて、判定対象となる対象地域メッシュとネットワーク上の情報が類似する他の地域メッシュを特定する特定工程と
    を含むことを特徴とする特定方法。
20. 緯度と経度に基づいてメッシュ状に区画された各地域メッシュと関連するネットワーク上の情報であって、当該各地域メッシュに所在する施設に関するネットワーク上の施設情報および当該各地域メッシュに所在する利用者のネットワーク上の行動を示す利用者情報を地域メッシュごとに取得する取得手順と、
    各地域メッシュに所在する施設に関する前記施設情報の類似性に基づいて、各地域メッシュに所在する施設に関する前記施設情報それぞれを各地域メッシュの施設に関するコンテキストを示す一の多次元量それぞれに変換し、各地域メッシュに所在する利用者のネットワーク上の行動を示す前記利用者情報の類似性に基づいて、各地域メッシュに所在する各利用者の前記利用者情報それぞれを各地域メッシュに所在する各利用者のコンテキストを示す一の多次元量それぞれに変換し、各地域メッシュの施設に関するコンテキストを示す一の多次元量および各地域メッシュに所在する各利用者のコンテキストを示す一の多次元量それぞれの組の類似性に基づいて、変換した各地域メッシュの施設に関するコンテキストを示す一の多次元量および変換した各地域メッシュに所在する各利用者のコンテキストを示す一の多次元量それぞれの組を前記各地域メッシュのコンテキストを示す一の多次元量に変換する変換手順と、
    前記一の多次元量の類似性に基づいて、判定対象となる対象地域メッシュとネットワーク上の情報が類似する他の地域メッシュを特定する特定手順と
    をコンピュータに実行させるための特定プログラム。

Images