JP7238315B2 - 情報処理装置、及び情報処理プログラム - Google Patents

Description

特許法第３０条第２項適用 平成３０年９月１０日 ｈｔｔｐ：／／ｔｏｉｎｅｂｏｇｅｒｓ．ｃｏｍ／ｗｏｒｋｓｈｏｐｓ／ｃｏｍｐｌｅｘｒｅｃ２０１８／ にて公開

本発明は、情報処理装置、及び情報処理プログラムに関する。

特許文献１には、電子的な決済を行なった内容を示す電子レシートを記録する電子レシート記録手段に記録された電子レシートを表示する電子レシート表示手段と、電子レシート表示手段に表示した電子レシート上の商品表示部分の商品を選択する選択手段で選択された商品を再購入及び前記商品と関連する予め前記商品の購入日以降の所定の日数が設定された関連商品のうち、前記電子レシートの決済を行なった日から前記所定の日数が経過している関連商品を購入する商品購入サイトへアクセスするアクセス手段と、アクセス手段で前記商品購入サイトへアクセスした後、前記商品又は前記所定の日数が経過している関連商品を表示内容とする商品購入サイトを表示する商品購入サイト表示手段と、商品購入サイト表示手段で表示された前記商品又は前記所定の日数が経過している関連商品のうちから商品を選択可能な商品選択手段で選択した商品を注文商品として前記商品購入サイトへ送信する送信手段と、を具備する商品購入処理装置が開示されている。

特許文献２には、コンテンツと当該コンテンツに対するユーザの行動とが対応付けられた複数の履歴情報に基づいて、前記行動によって利用されたコンテンツが再利用される確率を示す評価値を行動ごとに算出する評価値算出手段と、ユーザに推奨するコンテンツに関する情報を含むレコメンド情報を生成するレコメンド情報生成手段と、前記評価値算出手段によって算出された前記評価値に基づいて、除外対象のコンテンツを判別する除外対象判別手段と、前記レコメンド情報生成手段によって生成された前記レコメンド情報から前記除外対象判別手段によって判別された前記除外対象のコンテンツに関する情報を削除して補正レコメンド情報を生成するレコメンド情報除外手段と、を備えるレコメンド情報生成装置が開示されている。

特開２００７－３１６７５０号公報 特開２０１３－２０６０６５号公報

近年、通信機能を備えた携帯装置の普及により、インターネットを通じて各サイトで提供されるサービスを利用する利用形態が増加している。

こうしたサービスを提供するサイトには、利用者の利用履歴に基づいて、サイトで取り扱っているアイテムの中から、利用者に適したアイテムをお勧めアイテムとして推奨する、いわゆるレコメンド機能を有するものがある。

しかしながら、従来のレコメンド機能は、どの利用者に対しても一定のタイミングで過去に利用したことのあるアイテムを推奨する場合、推奨するタイミングによってはそのアイテムを好まない利用者や、そもそも過去に利用したことのあるアイテムを好まない利用者に対しても、アイテムを推奨してしまうことがあった。

本発明は、どの利用者に対しても一定のタイミングで過去に利用したことのあるアイテムを推奨する場合と比較して、利用者が好むアイテムを推奨することができる情報処理装置、及び情報処理プログラムを提供することを目的とする。

上記目的を達成するために、請求項１記載の情報処理装置の発明は、利用者が利用するサービスの利用履歴から、前記利用者が前記サービスで取り扱われているアイテムを繰り返し利用する利用度合いを取得する取得部と、前記取得部で取得した前記利用度合いを加味した前記サービスでの前記利用者におけるアイテムの利用傾向を示す前記利用者の特徴量、及び各アイテムの特徴を示すアイテムの特徴量から得られる各アイテムの前記利用者に対する適合度合いを用いて、前記利用者に、前記サービスにおける各アイテムの中から前記適合度合いの高い順にアイテムを報知する報知部と、を備え、前記サービスの利用履歴に、前記利用者によって特定のアイテムが特定の間隔毎に利用されている履歴が記録されている場合、前記報知部は、前記利用者に対する前記特定のアイテムの適合度合いが、他のアイテムの適合度合いより高い場合であっても、前記利用者による前回の利用から前記特定の間隔が経過するまでは、前記利用者に前記特定のアイテムを報知しないようにする。

請求項２記載の発明は、前記利用度合いが、前記利用者が前記サービスで利用したアイテム数のうち、繰り返し利用したアイテム数の割合によって表される。

請求項３記載の発明は、前記取得部は、前記利用者による前記サービスの利用時から規定期間遡った期間における前記利用者の利用履歴を用いて、前記利用度合いを取得する。

請求項４記載の発明は、前記サービスの利用履歴に、前記利用者によって前記特定のアイテムが前記特定の間隔毎に予め定めた回数以上利用されている履歴が記録されている場合、前記報知部は、前記利用者に前記特定のアイテムを報知しないようにする。

請求項５記載の発明は、前記取得部は、アイテムの種別毎に前記利用度合いを取得し、前記報知部は、特定のアイテムの種別に対応する前記利用度合いを加味した前記利用者の特徴量、及び前記特定の種別における各アイテムの特徴量を用いて、前記利用者に、前記特定の種別における各アイテムの中から前記適合度合いが高い順にアイテムを報知する。

請求項６記載の発明は、前記取得部は、予め定めた期間毎に前記利用度合いを取得し、前記報知部は、前記予め定めた期間毎の前記利用度合いの変化に応じて調整された前記適合度合いを用いて、前記利用者に、前記サービスにおける各アイテムの中から調整された前記適合度合いの高い順にアイテムを報知する。

請求項７記載の発明は、前記適合度合いは、前記予め定めた期間毎の前記利用度合いが上昇している場合、前記利用者に繰り返し利用されているアイテムの前記適合度合いが、前記利用者の特徴量及びアイテムの特徴量から得られる実際の前記適合度合いよりも高くなるように調整される。

請求項８記載の発明は、前記適合度合いは、前記予め定めた期間毎の前記利用度合いが下降している場合、前記利用者が利用したことのないアイテムの前記適合度合いが、前記利用者の特徴量及びアイテムの特徴量から得られる実際の前記適合度合いよりも高くなるように調整される。
請求項９記載の情報処理装置の発明は、利用者が利用するサービスの利用履歴から、前記利用者が前記サービスで取り扱われているアイテムを繰り返し利用する利用度合いを取得する取得部と、前記取得部で取得した前記利用度合いを加味した前記サービスでの前記利用者におけるアイテムの利用傾向を示す前記利用者の特徴量、及び各アイテムの特徴を示すアイテムの特徴量から得られる各アイテムの前記利用者に対する適合度合いを用いて、前記利用者に、前記サービスにおける各アイテムの中から前記適合度合いの高い順にアイテムを報知する報知部と、を備え、前記取得部は、予め定めた期間毎に前記利用度合いを取得し、前記報知部は、前記予め定めた期間毎の前記利用度合いの変化に応じて調整された前記適合度合いを用いて、前記利用者に、前記サービスにおける各アイテムの中から調整された前記適合度合いの高い順にアイテムを報知する。
請求項１０記載の発明は、前記適合度合いは、前記予め定めた期間毎の前記利用度合いが上昇している場合、前記利用者に繰り返し利用されているアイテムの前記適合度合いが、前記利用者の特徴量及びアイテムの特徴量から得られる実際の前記適合度合いよりも高くなるように調整される。
請求項１１記載の発明は、前記適合度合いは、前記予め定めた期間毎の前記利用度合いが下降している場合、前記利用者が利用したことのないアイテムの前記適合度合いが、前記利用者の特徴量及びアイテムの特徴量から得られる実際の前記適合度合いよりも高くなるように調整される。

請求項１２記載の情報処理プログラムの発明は、コンピュータを、請求項１～請求項１１の何れか１項に記載の情報処理装置の各部として機能させる。

請求項１、９、１２記載の発明によれば、どの利用者に対しても一定のタイミングで過去に利用したことのあるアイテムを推奨する場合と比較して、利用者が好むアイテムを推奨することができる、という効果を有する。

請求項２記載の発明によれば、アイテムを繰り返し利用する利用度合いを、サービスの利用履歴を用いて表すことができる、という効果を有する。

請求項３記載の発明によれば、サービスの利用時から規定期間で表される範囲における利用者の利用傾向に基づいて、利用者に推奨するアイテムを報知することができる、という効果を有する。

請求項４記載の発明によれば、利用者がアイテムを定期的に利用する利用契約に切り換えている場合、当該利用契約により利用されるアイテムと重複するアイテムを利用者に報知しないようにすることができる、という効果を有する。

請求項５記載の発明によれば、アイテムの種別毎に得られる利用者の利用傾向に応じて、利用者に推奨するアイテムを報知することができる、という効果を有する。

請求項６記載の発明によれば、利用者におけるアイテムを繰り返し利用する利用度合いの変化に応じて、利用者に推奨するアイテムを変えることができる、という効果を有する。

請求項７、１０記載の発明によれば、同じアイテムを繰り返し利用する傾向のある利用者に対して、利用したことのないアイテムよりも利用実績のあるアイテムを優先して推奨することができる、という効果を有する。

請求項８、１１記載の発明によれば、同じアイテムを繰り返し利用することに飽きてきた利用者に対して、利用実績のあるアイテムよりも利用したことのないアイテムを優先して推奨することができる、という効果を有する。

情報処理システムの構成例を示す図である。 情報処理装置における電気系統の要部構成例を示す図である。 第１実施形態に係る情報処理の流れの一例を示すフローチャートである。 アイテムのスコアの算出過程の一例を示す図である。 第２実施形態に係る情報処理の流れの一例を示すフローチャートである。

以下、本実施の形態について図面を参照しながら説明する。なお、機能が同じ構成要素及び処理には全図面を通して同じ符合を付与し、重複する説明を省略する。

＜第１実施形態＞
図１は、本実施の形態に係る情報処理システム１００の構成例を示す図である。図１に示すように、情報処理システム１００は、情報処理装置１０、端末２０、及び記憶装置３０を含み、情報処理装置１０、端末２０、及び記憶装置３０はそれぞれ通信回線２で接続されている。

情報処理装置１０は、端末２０を操作する利用者に対して、通信回線２を通じてサービスを提供する装置である。通信回線２を通じて利用者が要求する事柄を提供することができるサービスであれば、情報処理装置１０が提供するサービスに制約はないが、ここでは一例として、情報処理装置１０は、例えばＥＣ(Electronic Commerce)サイトのように、利用者が繰り返し訪れ、通信回線２を通じて利用者が選択したアイテムの販売を行うサービスを提供するものとして説明を行う。

ここで「アイテム」とは、利用者にとって価値のある物の総称であり、例えば川原に落ちている石のように他の人にとっては価値のない物であっても、鉱石の収集家から見れば価値のあるような物もアイテムに含まれる。また、アイテムは有形物に限られず、画像データ、音楽データ、及び映像データのように、目には見えない物もアイテムに含まれる。

情報処理装置１０は、利用者によってサービスの利用が要求された場合、利用者がアイテムを購入する前に、当該サービスにおける利用者の利用履歴に基づいて、利用者に適したお勧めのアイテムを提示した画面を端末２０に提供する。

利用者は、提示されたお勧めのアイテムに所望のアイテムが含まれている場合には、お勧めのアイテムの中から所望のアイテムを選択して購入する。一方、提示されたお勧めのアイテムの中に所望のアイテムが含まれていない場合には、利用者は、お勧めのアイテム以外で情報処理装置１０が提供するサービスで取り扱われている他のアイテムの中から、所望のアイテムがあるか検索することになる。

情報処理装置１０が提示するお勧めのアイテムに利用者が所望するアイテムが含まれている場合には、利用者にとって、サービスで取り扱われているアイテムの中から所望のアイテムを検索する手間が省かれることになる。したがって、情報処理装置１０は、お勧めのアイテムに利用者が所望するアイテムが含まれるように、利用者がこれまでに利用したサービスの利用履歴を参照して、利用者におけるアイテムの利用傾向を取得し、利用者が所望すると推定されるアイテムを提示する。

この場合、情報処理装置１０は、利用者がサービスで取り扱われているアイテムを繰り返し利用する利用度合いを用いて、利用者におけるアイテムの利用傾向を推定する。なお、情報処理装置１０における具体的なアイテムの提示手法については、後ほど詳細に説明する。

端末２０は、通信回線２を通じて情報処理装置１０と接続し、利用者から受け付けた指示を情報処理装置１０に送信すると共に、例えばお勧めのアイテムが提示された画面のように、指示に対する応答を受信してディスプレイに表示する情報機器であり、例えばデスクトップコンピュータ、スマートフォン、タブレット型コンピュータ、及びウェアラブルコンピュータ等が用いられる。

情報処理システム１００に含まれる端末２０の台数に制約はなく、図１の例では、端末２０－１～端末２０－Ｎで表されたＮ台の端末２０が情報処理システム１００に含まれ、情報処理装置１０と接続される。なお、端末２０－１～端末２０－Ｎを区別して説明する必要がない場合、「端末２０」と表すことにする。

記憶装置３０は、情報処理装置１０が提供するサービスの利用履歴を利用者毎に記憶する装置である。記憶装置３０は、必ずしも情報処理システム１００に必要な装置ではなく、例えばサービスの利用履歴を情報処理装置１０に内蔵された他の記憶装置に記憶する場合には、記憶装置３０が不要となることがある。

通信回線２は、無線回線であっても有線回線であってもよく、また、専用回線であっても、不特定多数の装置が接続される公衆回線であってもよい。

図１に示す情報処理装置１０は、例えばコンピュータ４０を用いて構成される。図２は、情報処理装置１０における電気系統の要部構成例を示す図である。

コンピュータ４０は、本実施の形態に係る取得部、及び報知部を担うＣＰＵ(Central Processing Unit)４１、情報処理プログラムを記憶するＲＯＭ(Read Only Memory)４２、ＣＰＵ４１の一時的な作業領域として使用されるＲＡＭ(Random Access Memory)４３、不揮発性メモリ４４、及び入出力インターフェース(Ｉ／Ｏ)４５を備える。そして、ＣＰＵ４１、ＲＯＭ４２、ＲＡＭ４３、不揮発性メモリ４４、及びＩ／Ｏ４５がバス４６を介して各々接続されている。

不揮発性メモリ４４は、不揮発性メモリ４４に供給される電力が遮断されても、記憶した情報が維持される記憶装置の一例であり、例えば半導体メモリが用いられるが、ハードディスクを用いてもよい。

一方、Ｉ／Ｏ４５には、例えば通信ユニット４７、入力ユニット４８、及び表示ユニット４９が接続される。

通信ユニット４７は通信回線２と接続し、端末２０及び記憶装置３０のように通信回線２と接続された各種装置と通信を行う通信プロトコルを備える。

入力ユニット４８は、例えば情報処理装置１０の管理者からの指示を受け付けてＣＰＵ４１に通知する入力装置であり、例えばボタン、キーボード、マウス、及びタッチパネル等が用いられる。

表示ユニット４９は、ＣＰＵ４１によって処理された情報を画像として表示する表示装置であり、例えば液晶ディスプレイ、又は有機ＥＬ(Electro Luminescence)ディスプレイ等が用いられる。

なお、Ｉ／Ｏ４５に接続されるユニットは、図２に示した各種ユニットに限られない。例えば表示ユニット４９に表示された画像を用紙等の記録媒体に印刷する印字ユニットをＩ／Ｏ４５に接続してもよい。

次に、図３を参照して、本実施の形態に係る情報処理装置１０の動作について説明する。

図３は、利用者が端末２０を用いて、情報処理装置１０が提供するサービスの利用を要求した場合に、情報処理装置１０のＣＰＵ４１によって実行される情報処理の流れの一例を示すフローチャートである。

情報処理を規定する情報処理プログラムは、例えば情報処理装置１０のＲＯＭ４２に予め記憶されている。情報処理装置１０のＣＰＵ４１は、ＲＯＭ４２に記憶される情報処理プログラムを読み込み、情報処理を実行する。

なお、情報処理装置１０は、ＥＣサイトで取り扱っているアイテムの特徴を示すアイテムの特徴量をアイテム毎に予め抽出し、抽出したアイテムの特徴量を特徴ベクトルとして各々のアイテムと対応付けて不揮発性メモリ４４に記憶しているものとする。「アイテムの特徴量」とは、アイテムにどのような特徴があるのかを数値化して表した値の集合であり、同じアイテムであれば、アイテムの特徴量、すなわちアイテムの特徴ベクトルは同じになる。

また、利用者は情報処理装置１０からサービスの提供を受ける場合、情報処理装置１０が行う認証処理で、例えば利用者ＩＤ(Identification)のように、利用者に一意に対応付けられた識別情報を情報処理装置１０に送信しているものとする。

まず、ステップＳ１０において、ＣＰＵ４１は、サービスの利用を要求した利用者の利用者ＩＤを用いて、記憶装置３０に記憶されている利用履歴を参照し、利用者がこれまでに利用したアイテムの延べ数を利用履歴から取得して、ＲＡＭ４３に記憶する。

利用履歴には、例えば利用者がこれまで利用したアイテムの品名及び利用日時が、利用者ＩＤと対応付けられて記憶されている。なお、利用履歴で利用者ＩＤと対応付けられている項目は、利用したアイテムの品名及び利用日時に限られず、例えば利用したアイテムの種別等を対応付けてもよい。アイテムの種別とは、商品名や型番のように１つのアイテムを特定する区分ではなく、例えば「パン」または「お菓子」のように、アイテムの有する特徴によって分類した区分のことである。

以降では、利用者がこれまでに利用したアイテムの延べ数を「総アイテム数」という。総アイテム数は、利用者がサービスで利用したアイテム数の一例である。

ステップＳ２０において、ＣＰＵ４１は、サービスの利用を要求した利用者の利用者ＩＤを用いて、当該利用者が繰り返し利用したことのあるアイテムの延べ数を利用履歴から取得して、ＲＡＭ４３に記憶する。以降では、利用者が繰り返し利用したことのあるアイテムを「リピートアイテム」という。また、リピートアイテムの延べ数を「リピートアイテム数」という。リピートアイテム数は、利用者が繰り返し利用したアイテム数の一例である。

ステップＳ３０において、ＣＰＵ４１は、ステップＳ１０で取得した総アイテム数に対する、ステップＳ２０で取得したリピートアイテム数の割合を算出してＲＡＭ４３に記憶する。当該割合は、利用者がサービスで取り扱われているアイテムを繰り返し利用する利用度合いを表しており、「リピート率２６」とも呼ばれる。

リピート率２６は利用者毎に異なる。例えば同じアイテムを繰り返し利用する傾向のある利用者のリピート率２６は、今まで利用したことのないアイテムを試す傾向のある利用者よりリピート率２６が高くなる。したがって、リピート率２６は、利用者がこれまでに利用したことのあるアイテムを繰り返し利用する傾向（リピート傾向）の程度を示す値の一例である。

ステップＳ４０において、ＣＰＵ４１は、基本利用者ベクトルを生成してＲＡＭ４３に記憶する。「基本利用者ベクトル」とは、利用者がこれまでに利用したアイテムの特徴ベクトルを合成して生成したベクトルであり、利用者がどのようなアイテムを好むのかを示すベクトルである。換言すれば、基本利用者ベクトルは利用者の特徴を、１度でも利用したことのあるアイテムの特徴の面から表したベクトルの一例である。

ステップＳ５０において、ＣＰＵ４１は、リピート利用者ベクトルを生成してＲＡＭ４３に記憶する。「リピート利用者ベクトル」とは、利用者がこれまでに複数回繰り返して利用したアイテムの特徴ベクトルを合成して生成したベクトルであり、利用者が繰り返し利用するアイテムにはどのような特徴があるのかを示すベクトルである。換言すれば、リピート利用者ベクトルは利用者の特徴を、繰り返し利用したアイテムの特徴の面から表した利用者ベクトルの一例である。

ステップＳ６０において、ＣＰＵ４１は、提供するサービスで取り扱われるアイテムの中から、何れか１つのアイテムを選択する。

ステップＳ７０において、ＣＰＵ４１は、ステップＳ６０で選択したアイテムを利用者が好む度合い、すなわち、選択したアイテムが利用者に適合するか否かの適合度合いを表すスコア２８を算出して、ＲＡＭ４３に記憶する。

選択したアイテムの適合度合いは、選択したアイテムと、利用者が好んで利用するアイテムとの類似度によって表される。一方、利用者が好んで利用するアイテムの特徴は、利用者がどのようなアイテムを好んで利用する人間であるかを、利用者が実際に利用したアイテムの特徴を用いて表した利用者ベクトルによって表される。すなわち、利用者ベクトルは、利用者の特徴を１度でも利用したことのあるアイテムの特徴の面から表した基本利用者ベクトル、及び利用者の特徴を繰り返し利用したアイテムの特徴の面から表したリピート利用者ベクトルによって表される。

したがって、利用者に対する選択したアイテムの適合度合いを算出するためには、選択したアイテムと、利用者が１度でも利用したことのあるアイテムの類似度（基本類似度２２）、及び選択したアイテムと、利用者が繰り返し利用するアイテムの類似度（リピート類似度２４）が用いられる。しかしながら、リピート類似度２４は、単に利用者がこれまでに繰り返し利用したアイテムと、選択したアイテムとの類似度を示した値であり、利用者のリピート傾向が加味されていない。

したがって、ＣＰＵ４１は、リピート類似度２４にリピート率２６を乗じることで、利用者のリピート傾向を加味した類似度（リピート傾向類似度）を算出し、基本類似度２２にリピート傾向類似度を加えた値を最終的なスコア２８として算出する。

なお、基本類似度２２は、選択したアイテムの特徴ベクトルと基本利用者ベクトルの内積によって得られる。また、リピート類似度２４は、選択したアイテムの特徴ベクトルとリピート利用者ベクトルの内積によって得られる。

ステップＳ８０において、ＣＰＵ４１は、提供するサービスで取り扱われるアイテムの中に、未選択のアイテムが存在するか否かを判定する。未選択のアイテムが存在する場合にはステップＳ６０に移行し、ステップＳ６０で、未選択のアイテムの中から、何れか１つのアイテムを選択する。

すなわち、未選択のアイテムが存在しなくなるまでステップＳ６０～Ｓ８０の処理を繰り返し実行することで、提供するサービスで取り扱われるアイテムの各々についてのスコア２８が算出される。

図４は、アイテム毎のスコア例を示す図であり、一例として、アイテムＡ～アイテムＦで表される各アイテムのスコア２８の算出過程を示している。図４に示すように、アイテム毎に基本類似度２２とリピート類似度２４が算出され、アイテム毎に、リピート類似度２４にリピート率２６を乗じたものと、基本類似度２２を加えたものがスコア２８となる。

例えば、アイテムＡの基本類似度２２が“０．１”、リピート類似度２４が“０．２”、リピート率２６が“０．５”の場合、アイテムＡのスコア２８は、「０．１＋０．２×０．５＝０．２」となる。

ステップＳ８０の判定処理で全てのアイテムが選択されたと判定された場合には、ステップＳ９０に移行する。

ステップＳ９０において、ＣＰＵ４１は、提供するサービスで取り扱われるアイテムのうち、対応付けられたスコア２８が大きい順、すなわち、利用者に対するアイテムの適合度合いが高い順にアイテムを選択する。ＣＰＵ４１は、選択したアイテムを提示した画面を生成し、生成した画面を、通信回線２を通じて端末２０に表示させることで、利用者に報知する。これにより、利用者のリピート傾向を加味したお勧めのアイテムが利用者に報知されることになる。

なお、推奨のアイテムが品切れ等の理由により提供できない場合、ＣＰＵ４１は、提供可能となる予定日と共に、アイテムの利用予約を受け付ける予約ボタン等を画面に表示するようにしてもよい。

以上により、図３に示した情報処理を終了する。

なお、図３に示した情報処理に関しては、様々な変形例が考えられる。

例えば、リピート傾向を加味した上で利用者に推奨するアイテムの選択方法は、上述した例に限られない。利用者が特定のアイテムを、例えば３ヶ月といった特定の期間毎に利用している履歴が利用履歴に記録されている場合、利用者は、最後に特定のアイテムを利用した日から３ヶ月後に、当該特定のアイテムを利用する蓋然性が高いと考えられる。逆に言えば、利用者は、特定のアイテムを前回利用した日から３ヶ月が経過するまでは、当該特定のアイテムを利用しない蓋然性が高いと考えられる。

したがって、利用者が特定のアイテムを特定の間隔毎に定期に利用している履歴が利用履歴に記録されている場合、情報処理装置１０は、当該特定のアイテムのスコア２８が他のアイテムのスコア２８より高い場合であっても、当該間隔が経過するまでは、推奨するアイテムとして利用者に報知しないことが好ましい。なお、「利用者が特定の間隔毎にアイテムを利用する」とは、必ずしもアイテムの利用間隔が同じ日数になることを意味するのではなく、アイテムの利用間隔のばらつきが、予め定めた日数（例えば７日等）以下に収まっており、アイテムを定期に利用していると見なすことができる状況を意味する。

また、利用者が特定のアイテムを特定の間隔毎に利用している状況において、利用者が特定のアイテムを規定回数以上利用している履歴が利用履歴に記録されている場合、利用者には、当該特定のアイテムを定期的に利用する習慣が定着していると考えられる。このような場合、利用者は毎回端末２０から情報処理装置１０に接続して、特定のアイテムの利用を要求するのではなく、利用者が要求しなくてもＥＣサイトから利用者に対して定期的にアイテムを提供する利用契約に切り換えている状況が考えられる。したがって、情報処理装置１０は、利用者が特定のアイテムを特定の間隔で規定回数以上利用している履歴が利用履歴に記録されている場合、当該特定のアイテムを推奨アイテムとして利用者に報知しないようにしてもよい。

利用者に特定のアイテムを定期的に利用する習慣が定着しているか否かの判定に用いられる規定回数は、本実施の形態の係る予め定めた回数の一例であり、不揮発性メモリ４４に予め記憶される。

また、図３に示した情報処理では、提供するサービスで取り扱われる全てのアイテムを対象としてリピート率２６を算出した。しかし、アイテムの種別によって利用者におけるリピート傾向が異なることがある。例えば、朝食で毎日パンを食べる習慣のある利用者の場合、好みのパンの味にこだわりがあることが多いため、同じ種類のパンを繰り返し購入する傾向がある一方、同じ食品であっても、お菓子は嗜好品のため、その時々の気分によっていろいろ試したいため、食べたことのない新発売のお菓子を購入する傾向があったりする。

したがって、情報処理装置１０は、利用者が利用を検討しているアイテムが含まれる種別を特定し、ステップＳ３０でアイテムの種別毎にリピート率２６を算出するようにしてもよい。

この場合、ステップＳ１０では、利用者が利用を検討しているアイテムの種別において、利用者がこれまでに利用したアイテムの延べ数を利用履歴から取得し、ステップＳ２０では、利用者が利用を検討しているアイテムの種別において、リピートアイテムの延べ数を利用履歴から取得する。そして、ステップＳ４０では、利用者が利用を検討しているアイテムの種別において、利用者がこれまでに利用したことのあるアイテムの特徴ベクトルから、アイテムの種別に対する基本利用者ベクトルを生成し、ステップＳ５０では、利用者が利用を検討しているアイテムの種別において、利用者がこれまでに複数回繰り返して利用したアイテムの特徴ベクトルから、アイテムの種別に対するリピート利用者ベクトルを生成すればよい。

また、図３に示した情報処理では、利用履歴に記録されている最も古い履歴まで遡ってリピート率２６を算出したが、例えば１０年前の利用者のリピート傾向よりも１ヶ月前のリピート傾向の方が、現在の利用者のリピート傾向に近い傾向を示す。

したがって、ステップＳ３０でリピート率２６を算出する場合、これから利用者が情報処理装置１０で提供されるサービスを利用しようとして、認証処理を行った時点（サービスの利用時）から規定期間（例えば１ヶ月）遡った期間を、総アイテム数及びリピートアイテム数の集計期間として限定し、規定期間におけるリピート率２６を算出してもよい。すなわち、情報処理装置１０は、規定期間を超える昔の履歴を除いた上で、リピート率２６を算出する。サービスの利用毎に総アイテム数及びリピートアイテム数の集計期間がスライドするため、今の利用者のリピート傾向を示したリピート率２６が得られる。なお、規定期間におけるアイテムの種別毎のリピート率２６を用いて、スコア２８を算出してもよいことは言うまでもない。

このように本実施の形態に係る情報処理装置１０によれば、利用者がサービスで取り扱われているアイテムを繰り返し利用する利用度合いを加味して、利用者に対するアイテムの適合度合いを算出し、より適合度合いの高いアイテムを利用者に推奨アイテムとして報知する。

例えばニュース記事を提供するサイトや映画の視聴を提供するサイトでは、利用者は１度閲覧ものよりも、見たことのないものを選択する確率が高い。したがって、こうしたサイトに情報処理装置１０が導入された場合、利用者のリピート傾向が加味されて、利用者の見たことのない新しいコンテンツが推奨アイテムとして利用者に報知されることになる。一方、食品を提供するサイトでは、例えばニュース記事を提供するサイトよりも利用者が繰り返し同じものを注文する確率が高くなる。したがって、食品を提供するサイトに情報処理装置１０が導入された場合、利用者のリピート傾向が加味されて、利用者が利用したことのないアイテムよりも、これまでに利用したことのあるアイテムを優先的に推奨アイテムとして利用者に報知することになる。

＜第２実施形態＞
第１実施形態においても言及したが、利用者のリピート傾向は時間の経過と共に変化する。

例えば、ある期間はＡさんというアーティストの楽曲が流行したため、利用者もＡさんの楽曲を繰り返し聴いていたが、Ａさんの楽曲にも飽きが生じ、様々な楽曲を聴いて新しいお気に入りのアーティストを探すようになった場合、利用者から見れば、情報処理装置１０からＡさんの楽曲が推奨されるより、Ａさん以外のアーティストの楽曲が推奨された方が利用者の満足度が高くなる。逆に、様々なアーティストの楽曲を聴いていた利用者に、Ｂさんというお気に入りのアーティストが現れた場合、利用者から見れば、情報処理装置１０から様々なアーティストの楽曲が推奨されるより、Ｂさんの楽曲が推奨されたほうが利用者の満足度が高くなる。

したがって、第２実施形態では、利用者のリピート率の変化に応じて調整されたスコア２８を用いて、提供するサービスで取り扱われるアイテムの中から、利用者に適したアイテムを推奨アイテムとして報知する情報処理装置１０Ａについて説明する。

なお、情報処理装置１０Ａにおける電気系統の要部構成例は、図２に示した情報処理装置１０における電気系統の要部構成例と同じである。

図５は、利用者が端末２０を用いて、情報処理装置１０Ａが提供するサービスの利用を要求した場合に、情報処理装置１０ＡのＣＰＵ４１によって実行される情報処理の流れの一例を示すフローチャートである。

図５に示すフローチャートが、図３に示したフローチャートと異なる点は、ステップＳ２、Ｓ４、Ｓ３２、及びＳ８２～Ｓ８８が追加され、ステップＳ１０、Ｓ２０、Ｓ３０、Ｓ７０、及びＳ９０がそれぞれステップＳ１０Ａ、Ｓ２０Ａ、Ｓ３０Ａ、Ｓ７０Ａ、及びＳ９０Ａに置き換えられた点である。

ステップＳ２において、ＣＰＵ４１は、サービスの利用時から過去に遡って、最も古い利用履歴に対応した利用日時まで、時間を予め定めた期間毎に分割する。予め定めた期間の長さに制約はなく、１ヶ月でも３ヶ月でも、或いは１年でもよいが、当該期間の間に利用者がサービスを複数回利用するような長さに設定することが好ましい。予め定めた期間は、例えば不揮発性メモリ４４に予め記憶されている。

ステップＳ４において、ＣＰＵ４１は、ステップＳ２で分割した期間のうち、何れか１つの期間を選択する。以降では、ステップＳ４で選択した期間を「選択期間」ということにする。

ステップＳ１０Ａにおいて、ＣＰＵ４１は、選択期間に含まれる利用履歴を参照して、選択期間における総アイテム数を取得する。

ステップＳ２０Ａにおいて、ＣＰＵ４１は、選択期間に含まれる利用履歴を参照して、選択期間におけるリピートアイテム数を取得する。

ステップＳ３０Ａにおいて、ＣＰＵ４１は、ステップＳ１０Ａで取得した選択期間における総アイテム数に対する、ステップＳ２０Ａで取得した選択期間におけるリピートアイテム数の割合を算出して、選択期間におけるリピート率２６を算出する。以降では、各選択期間におけるリピート率２６をそれぞれ「期間リピート率２６」ということにする。

ステップＳ３２において、ＣＰＵ４１は、分割した期間の中に未選択の期間が存在するか否かを判定する。未選択の期間が存在する場合にはステップＳ４に移行し、ステップＳ４で、未選択の期間の中から何れか１つの期間を選択する。

すなわち、未選択の期間が存在しなくなるまでステップＳ４～Ｓ３２の処理を繰り返し実行することで、分割した期間毎の期間リピート率２６が算出される。

そして、ステップＳ４０、Ｓ５０の処理を経て、ステップＳ６０で、提供するサービスで取り扱われるアイテムの中から、何れか１つのアイテムが選択されるとステップＳ７０Ａが実行される。

ステップＳ７０Ａにおいて、ＣＰＵ４１は、各期間と対応する期間リピート率２６を用いて、選択したアイテムの分割した各期間におけるスコア２８を算出する。

具体的には、ＣＰＵ４１は、リピート類似度２４に期間リピート率２６を乗じることで、乗じた期間リピート率に対応した期間におけるリピート傾向類似度を算出し、基本類似度２２にリピート傾向類似度を加えた値を、当該期間における最終的なスコア２８として算出する。すなわち、ＣＰＵ４１は、時系列に沿った予め定めた期間毎のスコア２８を算出する。

ステップＳ８０において、ＣＰＵ４１は、提供するサービスで取り扱われるアイテムの中に、未選択のアイテムが存在するか否かを判定する。未選択のアイテムが存在する場合にはステップＳ６０に移行し、ステップＳ６０で、未選択のアイテムの中から、何れか１つのアイテムを選択する。

すなわち、未選択のアイテムが存在しなくなるまでステップＳ６０～Ｓ８０の処理を繰り返し実行することで、提供するサービスで取り扱われるアイテムの各々について、時系列に沿った予め定めた期間毎のスコア２８が算出される。

一方、全てのアイテムが選択された場合にはステップＳ８２に移行する。

ステップＳ８２において、ＣＰＵ４１は、時系列に沿って算出された各期間における利用者の期間リピート率２６を参照して、期間リピート率２６が過去から現在に向かって上昇しているか否かを判定する。期間リピート率２６が上昇している場合にはステップＳ８８に移行する。

この場合、利用者は、利用したことのない新しいアイテムを試すよりも、同じアイテムを繰り返して利用する傾向が強くなっていると考えられる。

したがって、ステップＳ８８において、ＣＰＵ４１は、各リピートアイテムのスコアにそれぞれ予め定めた補正値を加えて、リピートアイテムのスコア２８が、ステップＳ７０Ａで算出した本来のスコア２８より大きくなるように調整し、ステップＳ９０に移行する。

この調整により、利用者が利用したことのないアイテムよりも、繰り返し利用したことのあるアイテムの方が優先して利用者に推奨されやすくなる。なお、利用者が１度しか利用したことのないアイテムのスコア２８から補正値を減算して、リピートアイテムのスコア２８が、利用者が１度しか利用したことのないアイテムのスコア２８より相対的に高くなるように調整してもよい。

各リピートアイテムのスコア２８に加算する補正値は、予め不揮発性メモリ４４に記憶しておく。補正値は正数であり、リピートアイテム毎に異なる値であっても、共通の値であってもよい。

一方、ステップＳ８２の判定処理で期間リピート率２６が上昇していないと判定された場合には、ステップＳ８４に移行する。

ステップＳ８４において、ＣＰＵ４１は、時系列に沿って算出された各期間における利用者の期間リピート率２６を参照して、期間リピート率２６が過去から現在に向かって下降しているか否かを判定する。期間リピート率２６が下降している場合にはステップＳ８６に移行する。

この場合、利用者は、同じアイテムを繰り返し利用するよりも、利用したことのない新しいアイテムを試す傾向が強くなっていると考えられる。

したがって、ステップＳ８６において、ＣＰＵ４１は、各リピートアイテムのスコア２８からそれぞれ補正値を減算し、リピートアイテムのスコア２８が、ステップＳ７０Ａで算出した本来のスコア２８より小さくなるように調整した上で、ステップＳ９０に移行する。

この調整により、利用者が繰り返し利用したことのあるアイテムよりも、利用したことのないアイテムの方が優先して利用者に推奨されやすくなる。なお、利用者が１度しか利用したことのないアイテムのスコア２８に補正値を加算して、リピートアイテムのスコア２８が、利用者が１度しか利用したことのないアイテムのスコア２８より相対的に小さくなるように調整してもよい。

一方、ステップＳ８４の判定処理で、期間リピート率２６に変化がみられないと判定された場合、時間が経過しても利用者のリピート傾向に変化は見られないと考えられるため、ステップＳ７０Ａで算出したスコア２８を調整することなく、ステップＳ９０に移行する。

ステップＳ９０では、図３で既に説明したように、ＣＰＵ４１は、各アイテムと対応付けられたスコア２８を参照して、利用者に対するアイテムの適合度合いが高い順にアイテムを選択し、端末２０を通じて利用者に推奨するアイテムとして報知する。

以上により、図５に示した情報処理を終了する。

このように本実施の形態に係る情報処理装置１０Ａによれば、利用者におけるサービスの利用履歴を期間毎に分割して各期間におけるリピート率２６を算出し、時系列に沿った期間毎のリピート率２６の変化に応じて調整したアイテムのスコア２８から、利用者に適したアイテムを選択する。

なお、これまではＥＣサイトのように、アイテムの販売を行うサービスに情報処理装置１０、１０Ａを適用する例を用いて本発明について説明したが、例えばサイトの検索サービスのように必ずしも販売を目的としていないサービスに適用してもよい。

この場合、各サイトがアイテムであり、利用者のリピート率に応じて、画面に提示されるサイトの内容が変化することになる。

以上、各実施の形態を用いて本発明について説明したが、本発明は各実施の形態に記載の範囲には限定されない。本発明の要旨を逸脱しない範囲で各実施の形態に多様な変更又は改良を加えることができ、当該変更又は改良を加えた形態も本発明の技術的範囲に含まれる。例えば、本発明の要旨を逸脱しない範囲で処理の順序を変更してもよい。

また、各実施の形態では、一例として図３及び図５に示した各処理をソフトウエアで実現する形態について説明したが、図３及び図５に示したフローチャートと同等の処理を、例えばＡＳＩＣ(Application Specific Integrated Circuit)に実装し、ハードウエアで処理させるようにしてもよい。この場合、各処理をソフトウエアで実現した場合と比較して、処理の高速化が図られる。

また、上述した各実施の形態では、情報処理プログラムがＲＯＭ４２にインストールされている形態について説明したが、これに限定されるものではない。本発明に係る情報処理プログラムは、コンピュータで読み取り可能な記憶媒体に記録された形態で提供することも可能である。例えば、本発明に係る情報処理プログラムを、ＣＤ(Compact Disc)－ＲＯＭ、又はＤＶＤ(Digital Versatile Disc)－ＲＯＭ等の光ディスクに記録した形態で提供してもよい。また、本発明に係る情報処理プログラムを、ＵＳＢ(Universal Serial Bus)メモリ及びフラッシュメモリ等の半導体メモリに記録した形態で提供してもよい。更に、情報処理装置１０、１０Ａは、通信回線２を経由して、通信回線２に接続される外部装置からプログラムを取得するようにしてもよい。

２ 通信回線
１０（１０Ａ） 情報処理装置
２０ 端末
２２ 基本類似度
２４ リピート類似度
２６ （期間）リピート率
２８ スコア
３０ 記憶装置
４０ コンピュータ
４１ ＣＰＵ
４２ ＲＯＭ
４３ ＲＡＭ
４４ 不揮発性メモリ
４７ 通信ユニット
４８ 入力ユニット
４９ 表示ユニット
１００ 情報処理システム

Claims (12)

1. 利用者が利用するサービスの利用履歴から、前記利用者が前記サービスで取り扱われているアイテムを繰り返し利用する利用度合いを取得する取得部と、
   前記取得部で取得した前記利用度合いを加味した前記サービスでの前記利用者におけるアイテムの利用傾向を示す前記利用者の特徴量、及び各アイテムの特徴を示すアイテムの特徴量から得られる各アイテムの前記利用者に対する適合度合いを用いて、前記利用者に、前記サービスにおける各アイテムの中から前記適合度合いの高い順にアイテムを報知する報知部と、
   を備え、
   前記サービスの利用履歴に、前記利用者によって特定のアイテムが特定の間隔毎に利用されている履歴が記録されている場合、
   前記報知部は、前記利用者に対する前記特定のアイテムの適合度合いが、他のアイテムの適合度合いより高い場合であっても、前記利用者による前回の利用から前記特定の間隔が経過するまでは、前記利用者に前記特定のアイテムを報知しないようにする
   情報処理装置。
2. 前記利用度合いが、前記利用者が前記サービスで利用したアイテム数のうち、繰り返し利用したアイテム数の割合によって表される
   請求項１記載の情報処理装置。
3. 前記取得部は、前記利用者による前記サービスの利用時から規定期間遡った期間における前記利用者の利用履歴を用いて、前記利用度合いを取得する
   請求項１又は請求項２記載の情報処理装置。
4. 前記サービスの利用履歴に、前記利用者によって前記特定のアイテムが前記特定の間隔毎に予め定めた回数以上利用されている履歴が記録されている場合、
   前記報知部は、前記利用者に前記特定のアイテムを報知しないようにする
   請求項１～請求項３の何れか１項に記載の情報処理装置。
5. 前記取得部は、アイテムの種別毎に前記利用度合いを取得し、
   前記報知部は、特定のアイテムの種別に対応する前記利用度合いを加味した前記利用者の特徴量、及び前記特定の種別における各アイテムの特徴量を用いて、前記利用者に、前記特定の種別における各アイテムの中から前記適合度合いが高い順にアイテムを報知する
   請求項１～請求項４の何れか１項に記載の情報処理装置。
6. 前記取得部は、予め定めた期間毎に前記利用度合いを取得し、
   前記報知部は、前記予め定めた期間毎の前記利用度合いの変化に応じて調整された前記適合度合いを用いて、前記利用者に、前記サービスにおける各アイテムの中から調整された前記適合度合いの高い順にアイテムを報知する
   請求項１～請求項５の何れか１項に記載の情報処理装置。
7. 前記適合度合いは、前記予め定めた期間毎の前記利用度合いが上昇している場合、前記利用者に繰り返し利用されているアイテムの前記適合度合いが、前記利用者の特徴量及びアイテムの特徴量から得られる実際の前記適合度合いよりも高くなるように調整される
   請求項６記載の情報処理装置。
8. 前記適合度合いは、前記予め定めた期間毎の前記利用度合いが下降している場合、前記利用者が利用したことのないアイテムの前記適合度合いが、前記利用者の特徴量及びアイテムの特徴量から得られる実際の前記適合度合いよりも高くなるように調整される
   請求項６又は請求項７記載の情報処理装置。
9. 利用者が利用するサービスの利用履歴から、前記利用者が前記サービスで取り扱われているアイテムを繰り返し利用する利用度合いを取得する取得部と、
   前記取得部で取得した前記利用度合いを加味した前記サービスでの前記利用者におけるアイテムの利用傾向を示す前記利用者の特徴量、及び各アイテムの特徴を示すアイテムの特徴量から得られる各アイテムの前記利用者に対する適合度合いを用いて、前記利用者に、前記サービスにおける各アイテムの中から前記適合度合いの高い順にアイテムを報知する報知部と、
   を備え、
   前記取得部は、予め定めた期間毎に前記利用度合いを取得し、
   前記報知部は、前記予め定めた期間毎の前記利用度合いの変化に応じて調整された前記適合度合いを用いて、前記利用者に、前記サービスにおける各アイテムの中から調整された前記適合度合いの高い順にアイテムを報知する
   情報処理装置。
10. 前記適合度合いは、前記予め定めた期間毎の前記利用度合いが上昇している場合、前記利用者に繰り返し利用されているアイテムの前記適合度合いが、前記利用者の特徴量及びアイテムの特徴量から得られる実際の前記適合度合いよりも高くなるように調整される
    請求項９記載の情報処理装置。
11. 前記適合度合いは、前記予め定めた期間毎の前記利用度合いが下降している場合、前記利用者が利用したことのないアイテムの前記適合度合いが、前記利用者の特徴量及びアイテムの特徴量から得られる実際の前記適合度合いよりも高くなるように調整される
    請求項９又は請求項１０記載の情報処理装置。
12. コンピュータを、請求項１～請求項１１の何れか１項に記載の情報処理装置の各部として機能させるための情報処理プログラム。

Images