JP7218847B2 - 情報処理装置、情報処理方法、およびプログラム - Google Patents

Description

本発明は、商品に関する動画に関する情報処理を行う情報処理装置等に関するものである。

従来、商品の販売数等を予測する商品販売予測方法があった。かかる方法は、以下のような工程を有する（特許文献１参照）。

本方法は、第１の商品に基づいて、複数の商品及びそれぞれ前記商品に対応する複数の関連商品を格納する関連商品データベースから、第１の商品に対応する第１の関連商品を検索する工程と、電子商取引プラットフォームを介して第１の関連商品及び第１の関連商品に対応する価格幅に基づいて、第１の関連商品に対応する複数の販売記録データ及び複数の評価データを検索する工程と、前記販売記録データ及び前記評価データに基づいて、第１の商品に対応する予測顧客数を生成する工程と、予測顧客数に基づいて第１の商品に対応する予測販売数を生成する工程とを備える商品販売予測方法である。

特許第５９１８４１０号

しかしながら、従来技術においては、商品に関連する動画を、販売等の観点から評価することが困難であった。なお、販売等の観点からの評価とは、例えば、販売情報の予測である。

また、従来技術においては、例えば、販売状況が好転できると推定される動画の変更点の提案等ができなかった。

本第一の発明の情報処理装置は、商品に関連する動画から取得された１以上の属性値を含む属性値群と商品の販売に関する販売情報とを有する学習対象情報を学習した学習情報が格納される学習情報格納部と、動画または動画から取得された属性値群を含む評価対象情報を受け付ける受付部と、評価対象情報から属性値群を取得する属性値群取得部と、属性値群取得部が取得した属性値群を学習情報に適用し、販売情報を取得する販売情報取得部と、販売情報を出力する出力部とを具備する情報処理装置である。

かかる構成により、動画に関連する商品の販売情報を予測できる。

また、本第二の発明の情報処理装置は、第一の発明に対して、属性値群は、動画の属性値である動画属性値、または動画属性値と商品自体の属性値である商品自体属性値を含む情報処理装置である。

かかる構成により、動画に関連する商品の販売情報を予測できる。

また、本第三の発明の情報処理装置は、第一または第二の発明に対して、属性値群に対応する２以上の属性のうちの、１以上の各属性の属性値の候補である候補値を取得する候補値取得部と、属性値群取得部が取得した属性値群の中の１以上の各属性値を、候補値取得部が取得した１以上の各候補値に置き換えた１以上の変更候補情報を取得する変更候補情報取得部とをさらに具備し、販売情報取得部は、変更候補情報取得部が取得した１以上の各変更候補情報を学習情報に適用し、販売情報を取得することを、１以上の各変更候補情報ごとに行い、１以上の各変更候補情報に対応する販売情報に対して、予め決められた条件を満たすほど、販売状況が良好であるか否かを判断する判断部をさらに具備し、出力部は、判断部が、販売状況が良好であると判断した場合の変更候補情報が有する１以上の候補値を出力する情報処理装置である。

かかる構成により、販売状況が良いと推定される動画の変更点を提案できる。

また、本第四の発明の情報処理装置は、第一から第三いずれか１つの発明に対して、学習情報は、学習対象情報から機械学習のアルゴリズムにより取得された情報であり、販売情報取得部は、属性値群取得部が取得した属性値群を機械学習のアルゴリズムにより学習情報に適用し、販売情報を取得する情報処理装置である。

かかる構成により、機械学習のアルゴリズムを用いて、動画に関連する商品の販売情報を適切に予測できる。

また、本第五の発明の情報処理装置は、第一から第三いずれか１つの発明に対して、学習情報は、販売情報と属性値群とを有する２以上の対応情報を有し、販売情報取得部は、属性値群取得部が取得した属性値群に最も近似する属性値群を学習情報から決定し、属性値群と対になる販売情報を取得する情報処理装置である。

かかる構成により、動画に関連する商品の販売情報を簡易に予測できる。

また、本第六の発明の学習装置は、商品に関連する動画と商品の販売に関する販売情報とを有する１以上の学習対象情報が格納される学習対象情報格納部と、１以上の学習対象情報を機械学習のアルゴリズムにより学習し、学習情報を取得する学習部と、学習情報を出力する出力部とを具備する学習装置である。

かかる構成により、学習情報が取得できる。

本発明による情報処理装置によれば、商品に関連する動画を評価できる。

実施の形態１における情報システムＡの概念図 同情報システムＡのブロック図 同情報システムＡの動作について説明するフローチャート 同候補値取得処理について説明するフローチャート 同変更候補情報取得について説明するフローチャート 同属性値条件管理表を示す図 同商品情報管理表を示す図 同出力例を示す図 同属性値群のベクトルを示す図 同出力例を示す図 実施の形態２における学習装置３のブロック図 同学習装置３の第一の動作例について説明するフローチャート 同学習装置３の第二の動作例について説明するフローチャート 同コンピュータシステムの概観図 同コンピュータシステムのブロック図

以下、情報処理装置等の実施形態について図面を参照して説明する。なお、実施の形態において同じ符号を付した構成要素は同様の動作を行うので、再度の説明を省略する場合がある。

（実施の形態１）
本実施の形態において、動画から取得される１以上の属性値を含む属性値群と商品の販売に関する販売情報とを有する２以上の商品属性情報を学習した学習情報が格納されており、動画を含む評価対象情報を受け付け、当該評価対象情報を学習情報に適用し、販売情報を出力する情報処理装置を含む情報システムについて説明する。なお、商品とは、取引対象であり、サービス等も含んでも良く、広く解する。

また、本実施の形態において、販売情報が示す販売状況を好転させるための属性値を提案する情報処理装置を含む情報システムについて説明する。

図１は、本実施の形態における情報システムＡの概念図である。情報システムＡは、情報処理装置１、および１または２以上の端末装置２を備える。情報処理装置１は、ここではいわゆるサーバ装置である。情報処理装置１は、例えば、クラウドサーバやＡＳＰサーバであるが、そのタイプや設置場所は問わない。端末装置２は、スマートフォンやタブレット端末や携帯電話等の携帯端末、いわゆるパソコン等であり、そのタイプは問わない。

図２は、本実施の形態における情報システムＡのブロック図である。

情報システムＡを構成する情報処理装置１は、格納部１１、受付部１２、処理部１３、および出力部１４を備える。

格納部１１は、学習情報格納部１１１、および属性値条件格納部１１２を備える。

処理部１３は、属性値群取得部１３１、候補値取得部１３２、変更候補情報取得部１３３、販売情報取得部１３４、および判断部１３５を備える。

端末装置２は、端末格納部２１、端末受付部２２、端末処理部２３、端末送信部２４、端末受信部２５、および端末出力部２６を備える。

情報処理装置１を構成する格納部１１には、各種の情報が格納される。各種の情報とは、例えば、後述する学習情報、後述する属性値条件、１以上の対象商品情報、１以上の動画等である。対象商品情報は、情報処理装置１の処理対象の商品の商品情報である。商品情報は、例えば、商品を識別する商品識別子と１または２以上の商品自体属性値を有する。商品識別子は、商品を識別できれば何でも良く、例えば、ＩＤである。また、商品自体属性値は、商品自体の属性値であり、例えば、商品の色、形状、重量、タイプ、価格、種類等である。動画は、商品に関連する動画であり、ここでは、商品識別子に対応付いている、とする。また、商品に関連する動画は、例えば、商品を広告するＰＲ動画、商品が映った動画、商品を連想させるイメージ動画、企業やブランドイメージ動画等である。

学習情報格納部１１１は、学習情報が格納される。学習情報は、販売情報の出力のために使用される。

学習情報は、商品に関連する動画から取得された１以上の属性値を含む属性値群と、販売情報とを有する学習対象情報を学習した結果の情報である。学習情報は、例えば、後述する学習装置３により、学習対象情報を用いて、機械学習のアルゴリズムにより取得された情報である。なお、機械学習は、例えば、ＳＶＲ、深層学習、決定木、ランダムフォレスト、ＳＶＭ等であり、問わない。

ただし、学習対象情報を学習した結果の情報である学習情報は、属性値群と販売情報との組を複数組有する情報でも良い。

販売情報とは、商品の販売に関する情報である。また、販売情報は、例えば、販売数、販売総額などである。販売情報は、１または２以上の商品の販売総額や総販売数でも良いし、１つの商品の販売額や販売数でも良い。

属性値群が有する属性値は、例えば、商品自体属性値、動画属性値である。動画属性値は、例えば、内容属性値、外部属性値である。内容属性値は、例えば、オブジェクト属性値、画像属性値である。

動画属性値は、動画の属性値である。内容属性値は、動画から抽出される属性値である。内容属性値は、通常、動画に対して画像処理または画像認識を行い取得される情報である。オブジェクト属性値は、画像の中の人や物に関する情報である。オブジェクト属性値は、通常、動画に対して画像認識を行い取得される情報である。オブジェクト属性値は、例えば、動画の中に人が映っているか否かを示す出演者の有無の情報、出演者情報、商品画像が映っている時間または割合、映っているオブジェクトの種類、映っている各オブジェクトの映っている時間または割合等である。なお、出演者情報とは、動画の中の出演者に関する情報であり、例えば、推定性別、推定年齢、映っている人の名前、出演者が身に付けているオブジェクトの種類（例えば、ネックレス、マフラー等）、動画の中のオブジェクトの属性値（例えば、出演者の洋服の色、背景の建物の色、出演者のパンツの色または形等）である。また、画像属性値は、画像を解析して得られる情報であり、例えば、１以上の画像の特徴量である。画像の特徴量は、例えば、動画に含まれる１以上の静止画の画素値を演算した値（例えば、平均値、中間値など）、動画に含まれる１以上の静止画の色に関する情報である。外部属性値は、動画の内容ではない、外的な属性値であり、例えば、動画の時間（再生した際の時間であり、「動画時間」と言っても良い）、空間解像度、時間解像度等である。

なお、動画を構成する1以上の静止画に対して、画像認識等の画像処理を行い、1以上の動画属性値を取得する処理は公知技術である。

属性値条件格納部１１２は、属性値が採り得る条件に関する１以上の属性値条件が格納される。属性値条件は、属性値を識別する属性識別子、属性値変更条件を有する。

属性識別子は、例えば、属性名、ＩＤである。属性名は、例えば、オブジェクト属性値の属性の名前（例えば、出演者の性別、出演者の洋服の色、背景の建物の色、出演者のパンツの色）、画像属性値の属性の名前（例えば、動画の画素値の演算値（例えば、平均値、中間値）、外部属性値の属性の名前（例えば、動画時間、空間解像度、時間解像度）、商品の色を示す「色」、商品の形状を示す「形状」、商品の重量を示す「重量」、商品のタイプを示す「タイプ」、動画の中の商品画像の大きさを示す「画像サイズ」、動画の中の商品画像の色を示す「画像色」、動画の中の商品画像の形状を示す「画像形状」、動画の中の商品を説明する文字列のフォントを示す「フォント」、「文字サイズ」、動画の中の商品を説明する文字列の長さを示す「文字列長」、商品を説明する音声の種類を示す「音声タイプ」等である。

属性値変更条件は、例えば、属性値が採り得る候補の情報の集合、属性値が採り得る値の範囲の情報である。属性値が採り得る候補の情報の集合は、例えば、「出演者の性別＝男（１），女（２）」、「動画時間＝１０秒，１５秒，２０秒，３０秒，１分，３分」、「空間解像度＝１Ｋ，２Ｋ，４Ｋ，８Ｋ」、「時間解像度＝１５フィールド／秒，３０フィールド／秒，４５フィールド／秒，６０フィールド／秒」、「フォント＝ゴシック体，明朝体，・・・」、「文字サイズ＝１０ｐｔ，１２ｐｔ，１４ｐｔ，・・・」である。属性値が採り得る値の範囲の情報は、例えば、「（ｘ１，ｙ１）＜＝画像サイズ＜＝（ｘ２，ｙ２）（ｘ１，ｘ２は幅、ｙ１，ｙ２は高さである）」「１０ｐｔ＜＝周辺商品文字サイズ＜＝１６ｐｔ」である。

受付部１２は、評価対象情報を受け付ける。評価対象情報は、評価の対象となる情報である。評価対象情報は、商品に関する動画または属性値群を含む。属性値群は、動画から取得された属性値の集合である。

受付部１２は、例えば、提案指示、販売予測指示、動作の開始指示等を受け付けても良い。

提案指示は、動画等の提案を行う指示である。提案指示は、良好な販売状況となると推定される動画の属性値を出力する指示でも良いし、販売状況が改善されると推定される商品の識別子を出力する指示でも良い。提案指示は、例えば、評価対象情報を有する。

販売予測指示は、販売予測を出力させる指示である。販売予測指示は、例えば、評価対象情報を有する。

動作の開始指示は、情報処理装置１または後述する学習装置３の動作の開始の指示である。

ここで、受け付けとは、例えば、有線もしくは無線の通信回線を介して端末装置２から送信された情報の受信であるが、キーボードやマウス、タッチパネルなどの入力デバイスから入力された情報の受け付け、光ディスクや磁気ディスク、半導体メモリなどの記録媒体から読み出された情報の受け付けなどを含む概念であると考えても良い。受け付けとは、対象となる情報や指示を取得できる処理であれば良い。

受け付けが入力デバイスから入力された情報の受け付けである場合、その入力手段は、タッチパネルやキーボードやマウスやメニュー画面によるもの等、何でも良い。かかる場合、受付部１２は、タッチパネルやキーボード等の入力手段のデバイスドライバーや、メニュー画面の制御ソフトウェア等で実現され得る。

処理部１３は、各種の処理を行う。各種の処理とは、例えば、属性値群取得部１３１、候補値取得部１３２、変更候補情報取得部１３３、販売情報取得部１３４、判断部１３５が行う処理である。

属性値群取得部１３１は、評価対象情報から属性値群を取得する。受付部１２が受け付けた評価対象情報が動画を有さない場合、属性値群取得部１３１は、評価対象情報が有する属性値群を取得する。受付部１２が受け付けた評価対象情報が動画を有する場合、属性値群取得部１３１は、評価対象情報が有する動画を解析し、当該動画から１または２以上の動画属性値を取得する。かかる１以上の動画属性値は、属性値群を構成する。また、受付部１２が受け付けた評価対象情報が動画と１以上の属性値を有する場合、属性値群取得部１３１は、評価対象情報が有する動画を解析し、当該動画から１以上の動画属性値を取得し、かつ評価対象情報が有する１以上の属性値を取得する。かかる１以上の動画属性値と１以上の属性値が属性値群を構成する。

候補値取得部１３２は、属性値群に対応する２以上の属性のうちの、１以上の各属性の属性値の候補である候補値を取得する。候補値取得部１３２がどのように候補値を取得するかは問わない。候補値取得部１３２は、例えば、属性値群取得部１３１が取得した属性値群が有する２以上の各属性値の属性識別子を取得し、当該属性識別子と対になる属性値条件を属性値条件格納部１１２から取得する。そして、候補値取得部１３２は、取得した属性値条件を用いて、属性識別子に対応する２以上の候補値を取得する。候補値取得部１３２は、例えば、属性値条件に含まれる1以上の候補値を取得する。また、候補値取得部１３２は、例えば、属性値条件に含まれる範囲を示す情報（例えば「1以上５以下」）から、2以上の候補値（例えば、「１，２，３，４，５」）を取得する。なお、範囲を示す情報を用いて、どの幅で候補値を取得するかについては、問わない。

また、候補値取得部１３２は、例えば、属性値群取得部１３１が取得した属性値群が有する２以上の各属性値に対応付いている属性識別子を取得しても良いし、属性値群取得部１３１が取得した属性値群の中に含まれる属性識別子であり属性値と対になる属性識別子を取得しても良いし、属性値群の中の属性値の順序に対応する属性識別子を取得する等しても良い。そして、候補値取得部１３２は、例えば、取得した候補値と属性識別子とを対応付けて保持する。

変更候補情報取得部１３３は、属性値群取得部１３１が取得した属性値群の中の１以上の各属性値を、候補値取得部１３２が取得した１以上の各候補値に置き換えた１以上の変更候補情報を取得する。変更候補情報は、通常、２以上の属性値の集合である。変更候補情報は、属性値群取得部１３１が取得した属性値群のうちの閾値以上の割合または閾値より多い割合または閾値以上の数または閾値より多い数の属性値を含むことは好適である。つまり、変更候補情報取得部１３３は、閾値以下または閾値未満の割合または数の属性に対して候補値を採用して、変更候補情報を構成することは好適である。

販売情報取得部１３４は、属性値群取得部１３１が取得した属性値群を学習情報に適用し、販売情報を取得する。

なお、販売情報取得部１３４が属性値群を学習情報に適用し、販売情報を取得する方法は、例えば、以下の（１）～（３）の３つのうちいずれかである。
（１）機械学習を用いる方法

販売情報取得部１３４は、例えば、機械学習のアルゴリズムを用いて、属性値群を学習情報に適用し、販売情報を取得する。なお、機械学習は、例えば、ＳＶＲ、深層学習、決定木、ランダムフォレスト、ＳＶＭ等である。また、ここで受付部１２が受け付けた属性値群は、販売情報を含まないことは好適である。
（２）最も近似する一のベクトルと対になる販売情報を取得する方法

販売情報取得部１３４は、例えば、属性値群取得部１３１が取得した属性値群であるベクトルに最も近似するベクトルである属性値群を学習情報から検知し、当該属性値群と対になる販売情報を学習情報から取得しても良い。
（３）近似する２以上のベクトルと対になる２以上の販売情報を演算して、販売情報を取得する方法

販売情報取得部１３４は、例えば、属性値群取得部１３１が取得した属性値群であるベクトルと予め決められた条件を満たすほど近似する２以上のベクトルである属性値群を学習情報から検知し、当該２以上の各属性値群と対になる販売情報を用いて、属性値群取得部１３１が取得した属性値群と対になる販売情報を算出しても良い。例えば、販売情報取得部１３４は、属性値群取得部１３１が取得した属性値群であるベクトルと近似する閾値の数（例えば、２または３など）のベクトルである属性値群を学習情報から検知し、当該閾値の数の各属性値群と対になる販売情報に対して予め決められた演算（例えば、平均値、距離を考慮した加重平均など）を行い、販売情報を算出しても良い。

販売情報取得部１３４は、変更候補情報取得部１３３が取得した１以上の各変更候補情報を学習情報に適用し、販売情報を取得することを、１以上の各変更候補情報ごとに行う。なお、変更候補情報も属性値の集合であり、属性値群と言っても良い。

販売情報取得部１３４が変更候補情報を学習情報に適用し販売情報を取得する処理は、販売情報取得部１３４が属性値群取得部１３１により取得された属性値群を学習情報に適用し販売情報を取得する処理と同様であり、例えば、上述した（１）から（３）のいずれかである。

判断部１３５は、１以上の各変更候補情報に対応する販売情報に対して、予め決められた条件を満たすほど、販売状況が良好であるか否かを判断する。なお、かかる販売情報は、販売情報取得部１３４が取得した販売情報である。

なお、予め決められた条件は、例えば、以下の（ａ）または（ｂ）である。
（ａ）販売情報取得部１３４が属性値群取得部１３１により取得された属性値群を用いて取得した販売情報よりも良い販売状況の情報であること（例えば、「変更候補情報に対応する販売情報＞属性値群取得部１３１が取得した属性値群を用いて取得した販売情報」）
（ｂ）販売情報取得部１３４が属性値群取得部１３１により取得された属性値群を用いて取得した販売情報に対して、閾値倍以上または閾値倍より多い販売状況が良い情報であること（例えば、「変更候補情報に対応する販売情報＞（属性値群取得部１３１が取得した属性値群を用いて取得した販売情報）×Ｎ（Ｎは１以上の実数）」）

出力部１４は、販売情報を出力する。出力部１４は、判断部１３５が、販売状況が良好であると判断した場合の変更候補情報が有する１以上の候補値を出力しても良い。

なお、ここで出力とは、例えば、端末装置２等の外部の装置への送信であるが、ディスプレイへの表示、プロジェクターを用いた投影、ＡＲ技術等を用いた出力、プリンタでの印字、音出力、記録媒体への蓄積、他の処理装置や他のプログラムなどへの処理結果の引渡しなどを含む概念であると考えても良い。

また、出力が販売情報の引渡しである場合、例えば、判断部１３５への販売情報の引渡しである。

端末装置２を構成する端末格納部２１は、各種の情報が格納される。各種の情報とは、例えば、ユーザを識別するユーザ識別子である。各種の情報は、例えば、端末受信部２５が受信した情報である。なお、ユーザ識別子は、端末装置２を識別する情報でも良い。

端末受付部２２は、各種の指示や情報等を受け付ける。各種の指示や情報等とは、例えば、提案指示、販売予測指示、評価対象情報である。ここで、受け付けとは、キーボードやマウス、タッチパネルなどの入力デバイスから入力された情報の受け付け、有線もしくは無線の通信回線を介して送信された情報の受信、光ディスクや磁気ディスク、半導体メモリなどの記録媒体から読み出された情報の受け付けなどを含む概念である。

各種の指示や情報等の入力手段は、タッチパネルやキーボードやマウスやメニュー画面によるもの等、何でも良い。端末受付部２２は、タッチパネルやキーボード等の入力手段のデバイスドライバーや、メニュー画面の制御ソフトウェア等で実現され得る。

端末処理部２３は、各種の処理とは、例えば、端末受信部２５が受信した情報を表示されるデータに構成する処理である。各種の処理とは、例えば、端末受付部２２が受け付けた指示等を送信する指示等に構成する処理である。

端末送信部２４は、各種の指示や情報等を情報処理装置１に送信する。各種の指示や情報等とは、例えば、端末処理部２３が構成した指示、端末受付部２２が受け付けた指示や情報等である。

端末受信部２５は、各種の情報を情報処理装置１から受信する。各種の情報とは、例えば、販売情報、１以上の属性値である。

端末出力部２６は、各種の情報を出力する。各種の情報とは、例えば、端末受付部２２が受け付けた情報、端末受信部２５が受信した情報、端末処理部２３が構成した情報である。各種の情報とは、例えば、販売情報、１以上の属性値である。

格納部１１、学習情報格納部１１１、属性値条件格納部１１２、および端末格納部２１は、不揮発性の記録媒体が好適であるが、揮発性の記録媒体でも実現可能である。

格納部１１等に情報が記憶される過程は問わない。例えば、記録媒体を介して情報が格納部１１等で記憶されるようになってもよく、通信回線等を介して送信された情報が格納部１１等で記憶されるようになってもよく、あるいは、入力デバイスを介して入力された情報が格納部１１等で記憶されるようになってもよい。

受付部１２、および端末受信部２５は、通常、無線または有線の通信手段で実現されるが、放送を受信する手段で実現されても良い。

処理部１３、属性値群取得部１３１、候補値取得部１３２、変更候補情報取得部１３３、判断部１３５、販売情報取得部１３４、および端末処理部２３は、通常、ＭＰＵやメモリ等から実現され得る。処理部１３等の処理手順は、通常、ソフトウェアで実現され、当該ソフトウェアはＲＯＭ等の記録媒体に記録されている。但し、ハードウェア（専用回路）で実現しても良い。

出力部１４、および端末送信部２４は、通常、無線または有線の通信手段で実現されるが、放送手段で実現されても良い。

端末出力部２６は、ディスプレイやスピーカー等の出力デバイスを含むと考えても含まないと考えても良い。端末出力部２６は、出力デバイスのドライバーソフトまたは、出力デバイスのドライバーソフトと出力デバイス等で実現され得る。

次に、情報システムＡの動作について、図３のフローチャートを用いて説明する。

（ステップＳ３０１）受付部１２は、端末装置２から提案指示を受信したか否かを判断する。提案指示を受信した場合はステップＳ３０２に行き、提案指示を受信しなかった場合はステップＳ３０４に行く。なお、提案指示は、提案対象の商品に関する評価対象情報を有する、とする。

（ステップＳ３０２）処理部１３は、提案指示が有する評価対象情報を用いて、１以上の候補値を取得する。かかる候補値取得処理について、図４のフローチャートを用いて説明する。

（ステップＳ３０３）出力部１４は、ステップＳ３０２で取得された１以上の候補値を端末装置２に送信する。ステップＳ３０１に戻る。

（ステップＳ３０４）受付部１２は、端末装置２から販売予測指示を受信したか否かを判断する。販売予測指示を受信した場合はステップＳ３０５に行き、販売予測指示を受信しなかった場合はステップＳ３０１に戻る。なお、販売予測指示は、販売予測の対象の商品に関する評価対象情報を有する、とする。

（ステップＳ３０５）属性値群取得部１３１は、ステップＳ３０４で受信された販売予測指示に含まれる評価対象情報の中に、動画が含まれるか否かを判断する。動画が含まれる場合はステップＳ３０６に行き、動画が含まれない場合はステップＳ３０８に行く。なお、動画が含まれる場合は、動画へのアクセスの情報（例えば、ＵＲＬ、ファイル名など）が含まれる場合も該当する、とする。

（ステップＳ３０６）属性値群取得部１３１は、ステップＳ３０４で受信された販売予測指示に含まれる評価対象情報の中の動画を取得し、当該動画を解析し、１以上の動画属性値を取得する。

（ステップＳ３０７）属性値群取得部１３１は、ステップＳ３０６で取得した１以上の動画属性値を用いて、属性値群を構成する。ステップＳ３０９に行く。なお、属性値群取得部１３１は、例えば、ステップＳ３０４で受信された評価対象情報の中の１以上の属性値とステップＳ３０６で取得した１以上の動画属性値とから、属性値群を構成する。

（ステップＳ３０８）属性値群取得部１３１は、ステップＳ３０４で受信された評価対象情報に含まれる１以上の属性値から属性値群を構成する。

（ステップＳ３０９）販売情報取得部１３４は、ステップＳ３０7またはステップＳ３０８で構成された属性値群を学習情報に適用し、販売情報を取得する。

（ステップＳ３１０）出力部１４は、ステップＳ３０９で取得された販売情報を端末装置２に送信する。ステップＳ３０１に戻る。

なお、図３のフローチャートにおいて、電源オフや処理終了の割り込みにより処理は終了する。

次に、ステップＳ３０２の候補値取得処理の例いて、図４のフローチャートを用いて説明する。

（ステップＳ４０１）変更候補情報取得部１３３等は、１以上の変更候補情報を取得する。かかる変更候補情報取得について、図５のフローチャートを用いて説明する。

（ステップＳ４０２）販売情報取得部１３４は、カウンタｉに１を代入する。

（ステップＳ４０３）販売情報取得部１３４は、ステップＳ４０１で取得された変更候補情報のうち、ｉ番目の変更候補情報が存在するか否かを判断する。ｉ番目の変更候補情報が存在する場合はステップＳ４０４に行き、ｉ番目の変更候補情報が存在しない場合はステップＳ４０６に行く。

（ステップＳ４０４）販売情報取得部１３４は、ｉ番目の変更候補情報を学習情報に適用し、販売情報を取得する。そして、販売情報取得部１３４は、ｉ番目の変更候補情報に対応付けて、取得した販売情報を図示しないバッファに一時蓄積する。

（ステップＳ４０５）販売情報取得部１３４は、カウンタｉを１、インクリメントする。ステップＳ４０３に戻る。

（ステップＳ４０６）判断部１３５は、図示しないバッファに格納されている販売情報のうち、予め決められた条件を満たす販売情報を決定する。

（ステップＳ４０７）判断部１３５は、ステップＳ４０６で決定した販売情報に対応する変更候補情報の中の１以上の候補値を取得する。上位処理にリターンする。

次に、ステップＳ４０１の変更候補情報取得処理の例について、図５のフローチャートを用いて説明する。

（ステップＳ５０１）属性値群取得部１３１は、属性値群を取得する。この属性値群は、提案指示に対応する商品の属性値群である。

（ステップＳ５０２）候補値取得部１３２は、カウントｉに１を代入する。

（ステップＳ５０３）候補値取得部１３２は、「ｉ＜＝変更可能な属性の数」であるか否かを判断する。「ｉ＜＝変更可能な属性の数」を満たせばステップＳ５０４に行き、満たさなければ上位処理にリターンする。なお、変更可能な属性の数は、例えば、格納部１１に格納されている。また、ここで、候補値取得部１３２は、変更可能な属性値についてのすべての組み合わせを用いても良い。

（ステップＳ５０４）候補値取得部１３２は、カウントｊに１を代入する。

（ステップＳ５０５）候補値取得部１３２は、ｉ個の変更可能な属性の組み合わせのｊ番目の属性の組み合わせが存在するか否かを判断する。存在する場合はステップＳ５０６に行き、存在しない場合はステップＳ５１３に行く。

（ステップＳ５０６）候補値取得部１３２は、ｉ個の変更可能な属性の組み合わせの各属性の属性値識別子を属性値条件格納部１１２から取得する。

（ステップＳ５０７）候補値取得部１３２は、カウントｋに１を代入する。

（ステップＳ５０８）候補値取得部１３２は、ステップＳ５０６で取得された１以上の属性値識別子に対応する１以上の属性値のｋ番目の組み合わせが存在するか否かを、１以上の各属性値識別子に対応する属性値変更条件を用いて判断する。ｋ番目の組み合わせが存在する場合はステップＳ５０９に行き、存在しない場合はステップＳ５１２に行く。

（ステップＳ５０９）候補値取得部１３２は、ステップＳ５０６で取得された１以上の属性値識別子に対応する１以上の属性値のｋ番目の組み合わせを、１以上の各属性値識別子に対応する属性値変更条件を用いて取得する。

（ステップＳ５１０）変更候補情報取得部１３３は、ステップＳ５０１で取得した属性値群の中のステップＳ５０６で取得された１以上の属性値識別子に対応する１以上の各属性値を、ｋ番目の組み合わせに含まれる各属性値に置き換え、変更候補情報を取得する。

（ステップＳ５１１）候補値取得部１３２は、カウントｋを１、インクリメントする。ステップＳ５０８に戻る。

（ステップＳ５１２）候補値取得部１３２は、カウントｊを１、インクリメントする。ステップＳ５０５に戻る。

（ステップＳ５１３）候補値取得部１３２は、カウントｉを１、インクリメントする。ステップＳ５０３に戻る。

次に、端末装置２の動作について説明する。端末装置２の端末受付部２２は、ユーザから各種の指示や情報等を受け付ける。次に、端末処理部２３は、端末受付部２２が受け付けた指示等から送信する指示等を構成する。次に、端末送信部２４は、構成された指示等を情報処理装置１に送信する。そして、かかる送信に応じて、端末受信部２５は、情報を情報処理装置１から受信する。次に、端末処理部２３は、端末受信部２５が受信した情報から表示される情報を構成する処理を行う。次に、端末出力部２６は、端末処理部２３が構成した情報を出力する。

以下、本実施の形態における情報システムＡの具体的な動作について説明する。情報システムＡの概念図は図１である。

今、属性値条件格納部１１２には、図６に示す属性値条件管理表が格納されている。属性値条件管理表は、各属性の属性値変更条件を管理する表である。属性値変更条件は、採り得る属性値を示す情報である。属性値条件管理表は、「ＩＤ」「属性識別子」「属性値変更条件」を有するレコードを変更可能な属性の数だけ有する。「ＩＤ」はレコードを識別する情報である。「属性識別子」はここでは属性名である。「属性値変更条件」は、ここでは、採り得る候補値の集合であるが、範囲を示す情報等、候補値を取得可能な情報であれば何でも良い。また、図６において、レコードは2つであるが、3以上のレコードが存在しても良い。

また、格納部１１には、図7に示す商品情報管理表が格納されている。商品情報管理表は、２以上の商品情報を管理する。商品情報管理表は、「ＩＤ」「商品画像」「商品自体属性値」「商品名」「商品説明」「動画」を有する。「ＩＤ」は商品情報のＩＤである。「商品自体属性値」は、ここでは「価格」「色」等を有する。「商品名」は商品の名称である。「商品説明」は商品を説明する文字列である。「動画」は、商品を広告するＣＭ動画である。

かかる状況において、以下の２つの具体例について、説明する。具体例１は、学習情報を用いた販売予測処理である。具体例２は、販売状況が改善されるように、１以上の属性値の変更を提案する処理である。

（具体例１）
今、学習情報格納部１１１は、学習情報が格納されている。かかる学習情報は、自動車のＣＭ動画から抽出された１以上の動画属性値と、商品自体属性値と販売情報との組を多数、学習させて作成された学習情報が格納されている。ここでの販売情報とは、販売数である、とする。なお、販売情報は、販売総額等でも良い。

そして、ユーザは、商品の販売の予測をしたいと考え、商品のＩＤ「１」を有する評価対象情報を端末装置２に入力した、とする。すると、端末受付部２２は、ＩＤ「１」を有する評価対象情報を受け付ける。次に、端末処理部２３は、端末受付部２２が受け付けた評価対象情報から送信する評価対象情報を含む販売予測指示を構成する。次に、端末送信部２４は、当該販売予測指示を情報処理装置１に送信する。

次に、情報処理装置１の受付部１２は、端末装置２から、商品のＩＤ「１」を有する販売予測指示を受信する。

次に、受付部１２は、受信した販売予測指示から商品のＩＤ「１」を取得する。次に、受付部１２は、商品のＩＤ「１」で識別される図９のレコードから商品自体属性値「価格：２５０万円，色：黒，・・・」と動画とを取得する。そして、受付部１２は、商品自体属性値「価格：２５０万円，色：黒，・・・」と動画とを属性値群取得部１３１に渡す。

次に、属性値群取得部１３１は、渡された動画を解析し、１以上の動画属性値を取得する。ここで、属性値群取得部１３１は、動画時間「３０秒」、「空間解像度＝４Ｋ」、「時間解像度＝３０フィールド／秒」、出演者有無「無「０」」等の動画属性値を取得した、とする。そして、属性値群取得部１３１は、受付部１２から渡された商品自体属性値「価格：２５０万円，色：黒，・・・」と、取得した１以上の動画属性値等を用いて、属性値群を構成する。なお、この属性値群は、ベクトルである。

次に、販売情報取得部１３４は、構成された属性値群のベクトルを学習情報に適用し、販売情報「８２１０台」を取得した、とする。

次に、出力部１４は、取得された販売情報「８２１０台」を端末装置２に送信する。なお、送信される情報には、商品のＩＤ「１」に対応する商品情報も含まれる、とする。

次に、端末装置２の端末受信部２５は、販売情報「８２１０台」を含む情報を情報処理装置１から受信する。次に、端末処理部２３は、端末受信部２５が受信した情報から表示される情報を構成する処理を行う。次に、端末出力部２６は、端末処理部２３が構成した情報を出力する。かかる出力例は、図８である。

（具体例２）
具体例２において、格納部１１には、変更可能な属性の数「２」が格納されている、とする。

そして、ユーザは、「ＣａｒＸ」の販売台数を伸ばしたく、商品のＩＤ「１」を有する評価対象情報を有する提案指示を端末装置２に入力した、とする。すると、端末受付部２２は、ＩＤ「１」を有する提案指示を受け付ける。次に、端末処理部２３は、端末受付部２２が受け付けた提案指示から送信する提案指示を構成する。次に、端末送信部２４は、当該提案指示を情報処理装置１に送信する。なお、提案指示は、ＩＤ「１」を有する。

次に、情報処理装置１の受付部１２は、端末装置２から、商品のＩＤ「１」を有する提案指示を受信する。

次に、受付部１２は、受信した提案指示から商品のＩＤ「１」を取得する。次に、受付部１２は、商品のＩＤ「１」で識別されるレコードから商品自体属性値「価格：２５０万円，色：黒，・・・」と動画とを取得する。そして、受付部１２は、商品自体属性値「価格：２５０万円，色：黒，・・・」と動画とを処理部１３に渡す。

次に、属性値群取得部１３１は、商品のＩＤ「１」で識別されるレコードが有する動画を解析し、１以上の動画属性値を取得する。ここで、属性値群取得部１３１は、動画時間「３０秒」、「空間解像度＝４Ｋ」、「時間解像度＝３０フィールド／秒」、出演者有無「無「０」」等の動画属性値を取得した、とする。そして、属性値群取得部１３１は、受付部１２から渡された商品自体属性値「価格：２５０万円，色：黒，・・・」と、取得した１以上の動画属性値等を用いて、属性値群を構成し、図示しないバッファに蓄積する。なお、この属性値群は、ベクトルである。また、かかる図示しないバッファに格納された属性値群のベクトルは、図９に含まれる。

また、候補値取得部１３２は、図６を参照し、属性値である「動画時間」の属性値変更条件「１５秒，３０秒」、属性値である「出演者有無」の属性値変更条件「有「１」，無［０］」を取得する。そして、候補値取得部１３２は、属性値群取得部１３１が取得した動画時間の候補値「１５秒，３０秒」、および出演者有無の「有「１」，無［０］」から、（動画時間，出演者有無）の組み合わせ（３０秒，０）、（１５秒，０）、（３０秒，１）、（１５秒，１）から、属性値群取得部１３１が取得した（動画時間，出演者有無）である（３０秒，０）を除いた３つの組み合わせ（１５秒，０）、（３０秒，１）、（１５秒，１）を取得する。

そして、候補値取得部１３２は、当該３つの組み合わせと、属性値群取得部１３１が取得した固定の属性値の集合とを用いて、３つの変更候補情報を取得し、図示しないバッファに蓄積する。なお、かかる図示しないバッファに格納された属性値群のベクトルは、図９に含まれる。

図９は、「ＩＤ」「変更候補値」「属性値群」を有するレコードを管理する。「ＩＤ」はレコードを識別する情報である。「変更候補値」は現在の商品情報に対して、変化する属性値のみを管理する。ここでは、「変更候補値」は動画時間または／および出演者有無である。「変更候補値」が有する「－」は、変化しないことを示す。「属性値群」は学習情報に適用するベクトルであり、「変更候補値」を含む。

図９において、「ＩＤ＝１」の属性値群は、商品のＩＤ「１」に対応する属性値群である。また、「ＩＤ＝２～４」の属性値群は、変更候補情報取得部１３３が取得した変更候補情報である。

次に、販売情報取得部１３４は、図９の「ＩＤ＝１」の属性値群を学習情報に適用し、販売情報「８２１０台」を取得し、図示しないバッファに蓄積した、とする。

また、販売情報取得部１３４は、図９の「ＩＤ＝２」の属性値群を学習情報に適用し、販売情報「１００２５台」を取得し、図示しないバッファに蓄積した、とする。

また、販売情報取得部１３４は、図９の「ＩＤ＝３」の属性値群を学習情報に適用し、販売情報「８２６０台」を取得し、図示しないバッファに蓄積した、とする。

さらに、販売情報取得部１３４は、図９の「ＩＤ＝４」の属性値群を学習情報に適用し、販売情報「１２７５０台」を取得し、図示しないバッファに蓄積した、とする。

次に、判断部１３５は、図示しないバッファに格納されている販売情報のうち、予め決められた条件（最も多い販売台数であること）を満たす販売情報は、「１２７５０台」である、と決定する。

次に、判断部１３５は、決定した販売情報「１２７５０台」に対応する図９の「ＩＤ＝４」のレコードである変更候補情報の中の「変更候補値」から、動画時間「１５秒」、出演者有無「１」を取得する。

次に、出力部１４は、取得された候補値（動画時間「１５秒」、出演者有無「１」）および販売情報「１２７５０台」を、端末装置２に送信する。なお、送信される情報には、商品のＩＤ「１」に対応する商品情報、商品のＩＤ「１」に対応する販売情報「８２１０台」をも有する。

次に、端末装置２の端末受信部２５は、取得された候補値（動画時間「１５秒」、出演者有無「１」）および販売情報「１２７５０台」を含む情報を情報処理装置１から受信する。次に、端末処理部２３は、端末受信部２５が受信した情報から表示される情報を構成する処理を行う。次に、端末出力部２６は、端末処理部２３が構成した情報を出力する。かかる出力例は、図１０である。

なお、上記の具体例において、販売情報取得部１３４が販売情報を取得するアルゴリズムは、機械学習のアルゴリズムであることが好適であるが、対応表等を用いる方法等でも良い。

以上、本実施の形態によれば、商品に関連する動画を評価できる。

また、本実施の形態によれば、動画に関連する商品の販売情報を予測できる。

また、本実施の形態によれば、販売状況が良いと推定される動画の変更点を提案できる。

また、本実施の形態によれば、機械学習のアルゴリズムを用いて、動画に関連する商品の販売情報を適切に予測できる。

さらに、本実施の形態によれば、対応表を用いて、動画に関連する商品の販売情報を簡易に予測できる。

なお、本実施の形態における処理は、ソフトウェアで実現しても良い。そして、このソフトウェアをソフトウェアダウンロード等により配布しても良い。また、このソフトウェアをＣＤ－ＲＯＭなどの記録媒体に記録して流布しても良い。なお、このことは、本明細書における他の実施の形態においても該当する。なお、本実施の形態における情報処理装置１を実現するソフトウェアは、例えば、以下のようなプログラムである。つまり、このプログラムは、例えば、商品に関連する動画から取得された１以上の属性値を含む属性値群と当該商品の販売に関する販売情報とを有する学習対象情報を学習した学習情報が格納される学習情報格納部にアクセス可能なコンピュータを、動画または動画から取得された属性値群を含む評価対象情報を受け付ける受付部と、前記評価対象情報から属性値群を取得する属性値群取得部と、前記属性値群取得部が取得した属性値群を前記学習情報に適用し、販売情報を取得する販売情報取得部と、前記販売情報を出力する出力部として機能させるためのプログラムである。

（実施の形態２）
本実施の形態において、実施の形態１で説明した学習情報を取得する学習装置について説明する。

図１１は、本実施の形態における学習装置３のブロック図である。学習装置３は、受付部１２、格納部３１、学習部３２、および出力部３３を備える。格納部３１は、学習情報格納部１１１、および学習対象情報格納部３１１を具備する。

学習対象情報格納部３１１は、１以上の学習対象情報が格納される。学習対象情報は、学習対象の情報である。学習対象情報は、動画と販売情報とを有する。動画は、商品に関連する動画である。学習対象情報は、動画に代えてまたは動画と共に、動画から取得された１以上の動画属性値を有しても良い。なお、学習対象情報は、例えば、ベクトルである。

学習部３２は、学習対象情報格納部３１１は、１以上の学習対象情報から学習情報を取得する。

学習部３２は、例えば、１以上の学習対象情報を機械学習のアルゴリズムにより学習し、学習情報を取得する。

学習部３２は、例えば、１以上の学習対象情報を有する対応表を構成する。対応表は、通常、２以上の対応情報を有する。対応情報は、学習対象情報が有する販売情報と、学習対象情報が有する販売情報以外の情報群とを対応付けた情報である。対応情報は、例えば、学習対象情報が有する販売情報と、学習対象情報が有する販売情報以外の情報群から構成されるベクトルとを対に有する情報である。

出力部３３は、学習部３２が取得した学習情報を出力する。出力部３３は、例えば、学習部３２が取得した学習情報を学習情報格納部１１１に蓄積する。

格納部３１、および学習対象情報格納部３１１は、不揮発性の記録媒体が好適であるが、揮発性の記録媒体でも実現可能である。

格納部３１等に情報が記憶される過程は問わない。例えば、記録媒体を介して情報が格納部３１等で記憶されるようになってもよく、通信回線等を介して送信された情報が格納部３１等で記憶されるようになってもよく、あるいは、入力デバイスを介して入力された情報が格納部３１等で記憶されるようになってもよい。

学習部３２、および出力部３３は、通常、ＭＰＵやメモリ等から実現され得る。学習部３２等の処理手順は、通常、ソフトウェアで実現され、当該ソフトウェアはＲＯＭ等の記録媒体に記録されている。但し、ハードウェア（専用回路）で実現しても良い。

次に、学習装置３の第一の動作例について、図１２のフローチャートを用いて説明する。

（ステップＳ１２０１）学習部３２は、カウンタｉに１を代入する。

（ステップＳ１２０２）学習部３２は、学習対象情報格納部３１１にｉ番目の学習対象情報が存在するか否かを判断する。ｉ番目の学習対象情報が存在する場合はステップＳ１２０２に行き、存在しない場合はステップＳ１２０５に行く。

（ステップＳ１２０３）学習部３２は、学習対象情報格納部３１１からｉ番目の学習対象情報を読み出し、当該学習対象情報を用いて、ベクトルを構成し、図示しないバッファに一時蓄積する。ベクトルは、例えば、（販売情報，第一の動画属性値，第二の動画属性値，・・・，第ｎの動画属性値，・・・，第一の商品自体属性値，第二の商品自体属性値，・・・，第ｍの商品自体属性値）の構造を有する。つまり、ベクトルは、例えば、ｎ（ｎは１または２以上）個の動画属性値を有する。また、ベクトルは、ｍ（ｍは１または２以上）個の商品自体属性値を有することは好適である。

（ステップＳ１２０４）学習部３２は、カウンタｉを１，インクリメントする。ステップＳ１２０２に戻る。

（ステップＳ１２０５）学習部３２は、図示しないバッファに格納されている１または２以上のベクトルを入力として、機械学習のアルゴリズムにより学習し、学習情報を取得する。なお、機械学習のアルゴリズムは、上述したように、深層学習、ＳＶＲ、ランダムフォレスト、決定木等、問わない。学習情報は、販売情報以外の情報を要素とするベクトルを入力とした場合に、販売情報を出力するものである。

（ステップＳ１２０６）出力部３３は、ステップＳ１２０５で取得された学習情報を学習情報格納部１１１に蓄積する。処理を終了する。

次に、学習装置３の第二の動作例について、図１３のフローチャートを用いて説明する。なお、図１３のフローチャートにおいて、図１２のフローチャートと同一のステップについて説明を省略する。

（ステップＳ１３０１）学習部３２は、学習対象情報格納部３１１のｉ番目の学習対象情報から、販売情報を取得する。

（ステップＳ１３０２）学習部３２は、学習対象情報格納部３１１のｉ番目の学習対象情報の販売情報以外の情報からベクトルを構成する。

（ステップＳ１３０３）学習部３２は、ステップＳ１３０１で取得した販売情報と、ステップＳ１３０２で構成したベクトルとを有する対応情報を構成する。

（ステップＳ１３０４）学習部３２は、ステップＳ１３０３で構成した対応情報を対応表に追記する。

（ステップＳ１３０５）学習部３２は、カウンタｉを１，インクリメントする。ステップＳ１２０２に戻る。

以上、本実施の形態によれば、学習情報が取得できる。

なお、本実施の形態における学習装置３は、例えば、受付部１２が動作の開始指示を受け付けた場合に、動作を開始する。

また、本実施の形態における学習装置３を実現するソフトウェアは、例えば、以下のようなプログラムである。つまり、このプログラムは、例えば、商品に関連する動画と当該商品の販売に関する販売情報とを有する１以上の学習対象情報が格納される学習対象情報格納部にアクセス可能なコンピュータを、前記１以上の学習対象情報を機械学習のアルゴリズムにより学習し、学習情報を取得する学習部と、前記学習情報を出力する出力部として機能させるためのプログラムである。

また、図１４は、本明細書で述べたプログラムを実行して、上述した種々の実施の形態の情報処理装置１等を実現するコンピュータの外観を示す。上述の実施の形態は、コンピュータハードウェア及びその上で実行されるコンピュータプログラムで実現され得る。図１４は、このコンピュータシステム３００の概観図であり、図１５は、システム３００のブロック図である。

図１４において、コンピュータシステム３００は、ＣＤ－ＲＯＭドライブを含むコンピュータ３０１と、キーボード３０２と、マウス３０３と、モニタ３０４とを含む。

図１５において、コンピュータ３０１は、ＣＤ－ＲＯＭドライブ３０１２に加えて、ＭＰＵ３０１３と、ＣＤ－ＲＯＭドライブ３０１２等に接続されたバス３０１４と、ブートアッププログラム等のプログラムを記憶するためのＲＯＭ３０１５と、ＭＰＵ３０１３に接続され、アプリケーションプログラムの命令を一時的に記憶するとともに一時記憶空間を提供するためのＲＡＭ３０１６と、アプリケーションプログラム、システムプログラム、及びデータを記憶するためのハードディスク３０１７とを含む。ここでは、図示しないが、コンピュータ３０１は、さらに、ＬＡＮへの接続を提供するネットワークカードを含んでも良い。

コンピュータシステム３００に、上述した実施の形態の情報処理装置１等の機能を実行させるプログラムは、ＣＤ－ＲＯＭ３１０１に記憶されて、ＣＤ－ＲＯＭドライブ３０１２に挿入され、さらにハードディスク３０１７に転送されても良い。これに代えて、プログラムは、図示しないネットワークを介してコンピュータ３０１に送信され、ハードディスク３０１７に記憶されても良い。プログラムは実行の際にＲＡＭ３０１６にロードされる。プログラムは、ＣＤ－ＲＯＭ３１０１またはネットワークから直接、ロードされても良い。

プログラムは、コンピュータ３０１に、上述した実施の形態の情報処理装置１等の機能を実行させるオペレーティングシステム（ＯＳ）、またはサードパーティープログラム等は、必ずしも含まなくても良い。プログラムは、制御された態様で適切な機能（モジュール）を呼び出し、所望の結果が得られるようにする命令の部分のみを含んでいれば良い。コンピュータシステム３００がどのように動作するかは周知であり、詳細な説明は省略する。

また、上記プログラムを実行するコンピュータは、単数であってもよく、複数であってもよい。すなわち、集中処理を行ってもよく、あるいは分散処理を行ってもよい。

また、上記各実施の形態において、一の装置に存在する２以上の通信手段は、物理的に一の媒体で実現されても良いことは言うまでもない。

また、上記各実施の形態において、各処理は、単一の装置によって集中処理されることによって実現されてもよく、あるいは、複数の装置によって分散処理されることによって実現されてもよい。

本発明は、以上の実施の形態に限定されることなく、種々の変更が可能であり、それらも本発明の範囲内に包含されるものであることは言うまでもない。

以上のように、本発明にかかる情報処理装置は、商品に関連する動画を評価できるという効果を有し、動画評価装置等として有用である。

１ 情報処理装置
２ 端末装置
３ 学習装置
１１、３１ 格納部
１２ 受付部
１３ 処理部
１４、３３ 出力部
２１ 端末格納部
２２ 端末受付部
２３ 端末処理部
２４ 端末送信部
２５ 端末受信部
２６ 端末出力部
３２ 学習部
１１１ 学習情報格納部
１１２ 属性値条件格納部
１３１ 属性値群取得部
１３２ 候補値取得部
１３３ 変更候補情報取得部
１３４ 販売情報取得部
１３５ 判断部
３１１ 学習対象情報格納部

Claims (9)

1. 商品に関連する動画から取得された１以上の動画属性値であり、動画の内容に関する属性値である１以上の内容属性値を含む１以上の動画属性値を含む属性値群と当該商品の販売に関する販売情報とを有する学習対象情報を学習した学習情報が格納される学習情報格納部と、
   動画を含む評価対象情報を受け付ける受付部と、
   前記評価対象情報が有する前記動画を解析し、１以上の内容属性値を含む１以上の動画属性値を取得し、当該１以上の動画属性値を有する属性値群を取得する属性値群取得部と、
   前記属性値群取得部が取得した属性値群を前記学習情報に適用し、販売情報を取得する販売情報取得部と、
   前記販売情報を出力する出力部とを具備する情報処理装置。
2. 前記１以上の内容属性値は、動画に映っているオブジェクトの種類、動画の中の出演者の推定性別、動画の中の出演者の推定年齢、動画の中の出演者が身に付けているオブジェクトの種類、動画の中のオブジェクトの属性値のうちのいずれかを含む、請求項１記載の情報処理装置。
3. 商品に関連する動画から取得された１以上の動画属性値を含む属性値群と当該商品の販売に関する販売情報とを有する学習対象情報を学習した学習情報が格納される学習情報格納部と、
   動画を含む評価対象情報を受け付ける受付部と、
   前記評価対象情報が有する前記動画を解析し、１以上の動画属性値を取得し、当該１以上の動画属性値を含む２以上の属性値を有する属性値群を取得する属性値群取得部と、
   前記属性値群に対応する２以上の属性のうちの、１以上の各属性の属性値の候補である候補値を取得する候補値取得部と、
   前記属性値群取得部が取得した属性値群の中の１以上の各属性値を、前記候補値取得部が取得した１以上の各候補値に置き換えた１以上の変更候補情報を取得する変更候補情報取得部と、
   前記変更候補情報取得部が取得した１以上の各変更候補情報を前記学習情報に適用し、販売情報を取得することを、前記１以上の各変更候補情報ごとに行う販売情報取得部と、
   前記１以上の各変更候補情報に対応する販売情報に対して、予め決められた条件を満たすほど、販売状況が良好であるか否かを判断する判断部と、
   前記判断部が販売状況が良好であると判断した場合の変更候補情報が有する１以上の候補値を出力する出力部とを具備する情報処理装置。
4. 前記学習情報は、前記学習対象情報から機械学習のアルゴリズムにより取得された情報であり、
   前記販売情報取得部は、
   前記属性値群取得部が取得した属性値群を機械学習のアルゴリズムにより前記学習情報に適用し、販売情報を取得する請求項１から請求項３いずれか一項に記載の情報処理装置。
5. 前記学習情報は、販売情報と属性値群とを有する２以上の対応情報を有し、
   前記販売情報取得部は、
   前記属性値群取得部が取得した属性値群に最も近似する属性値群を前記学習情報から決定し、当該属性値群と対になる販売情報を取得する請求項１から請求項３いずれか一項に記載の情報処理装置。
6. 商品に関連する動画から取得された１以上の動画属性値であり、動画の内容に関する属性値である１以上の内容属性値を含む１以上の動画属性値を含む属性値群と当該商品の販売に関する販売情報とを有する学習対象情報を学習した学習情報が格納される学習情報格納部と、受付部と、属性値群取得部と、販売情報取得部と、出力部とにより実現される情報処理方法であって、
   前記受付部が、動画を含む評価対象情報を受け付ける受付ステップと、
   前記属性値群取得部が、前記評価対象情報が有する前記動画を解析し、１以上の内容属性値を含む１以上の動画属性値を取得し、当該１以上の動画属性値を有する属性値群を取得する属性値群取得ステップと、
   前記販売情報取得部が、前記属性値群取得部が取得した属性値群を前記学習情報に適用し、販売情報を取得する販売情報取得ステップと、
   前記出力部が、前記販売情報を出力する出力ステップとを具備する情報処理方法。
7. 商品に関連する動画から取得された１以上の動画属性値を含む属性値群と当該商品の販売に関する販売情報とを有する学習対象情報を学習した学習情報が格納される学習情報格納部と、受付部と、属性値群取得部と、候補値取得部と、変更候補情報取得部と、販売情報取得部と、判断部と、出力部とにより実現される情報処理方法であって、
   前記受付部が、動画を含む評価対象情報を受け付ける受付ステップと、
   前記属性値群取得部が、前記評価対象情報が有する前記動画を解析し、１以上の動画属性値を取得し、当該１以上の動画属性値を含む２以上の属性値を有する属性値群を取得する属性値群取得ステップと、
   前記候補値取得部が、前記属性値群に対応する２以上の属性のうちの、１以上の各属性の属性値の候補である候補値を取得する候補値取得ステップと、
   前記変更候補情報取得部が、前記属性値群取得ステップで取得された属性値群の中の１以上の各属性値を、前記候補値取得ステップで取得された１以上の各候補値に置き換えた１以上の変更候補情報を取得する変更候補情報取得ステップと、
   前記販売情報取得部が、前記変更候補情報取得ステップで取得された１以上の各変更候補情報を前記学習情報に適用し、販売情報を取得することを、前記１以上の各変更候補情報ごとに行う販売情報取得ステップと、
   前記判断部が、前記１以上の各変更候補情報に対応する販売情報に対して、予め決められた条件を満たすほど、販売状況が良好であるか否かを判断する判断ステップと、
   前記出力部が、前記判断ステップで販売状況が良好であると判断された場合の変更候補情報が有する１以上の候補値を出力する出力ステップとを具備する情報処理方法。
8. 商品に関連する動画から取得された１以上の動画属性値であり、動画の内容に関する属性値である１以上の内容属性値を含む１以上の動画属性値を含む属性値群と当該商品の販売に関する販売情報とを有する学習対象情報を学習した学習情報が格納される学習情報格納部にアクセス可能なコンピュータを、
   動画を含む評価対象情報を受け付ける受付部と、
   前記評価対象情報が有する前記動画を解析し、１以上の内容属性値を含む１以上の動画属性値を取得し、当該１以上の動画属性値を有する属性値群を取得する属性値群取得部と、
   前記属性値群取得部が取得した属性値群を前記学習情報に適用し、販売情報を取得する販売情報取得部と、
   前記販売情報を出力する出力部として機能させるためのプログラム。
9. 商品に関連する動画から取得された１以上の動画属性値を含む属性値群と当該商品の販売に関する販売情報とを有する学習対象情報を学習した学習情報が格納される学習情報格納部にアクセス可能なコンピュータを、
   動画を含む評価対象情報を受け付ける受付部と、
   前記評価対象情報が有する前記動画を解析し、１以上の動画属性値を取得し、当該１以上の動画属性値を含む２以上の属性値を有する属性値群を取得する属性値群取得部と、
   前記属性値群に対応する２以上の属性のうちの、１以上の各属性の属性値の候補である候補値を取得する候補値取得部と、
   前記属性値群取得部が取得した属性値群の中の１以上の各属性値を、前記候補値取得部が取得した１以上の各候補値に置き換えた１以上の変更候補情報を取得する変更候補情報取得部と、
   前記変更候補情報取得部が取得した１以上の各変更候補情報を前記学習情報に適用し、販売情報を取得することを、前記１以上の各変更候補情報ごとに行う販売情報取得部と、
   前記１以上の各変更候補情報に対応する販売情報に対して、予め決められた条件を満たすほど、販売状況が良好であるか否かを判断する判断部と、
   前記判断部が販売状況が良好であると判断した場合の変更候補情報が有する１以上の候補値を出力する出力部として機能させるためのプログラム。

Images