JP7354181B2 - 情報処理装置、情報処理方法、及び情報処理プログラム - Google Patents

Description

本発明は、情報処理装置、情報処理方法、及び情報処理プログラムに関する。

従来、異なるプラットフォームを利用してデータを保持する複数の事業者間で、データを共有するための技術が提案されている。

例えば、事業者は、他の事業者から提供されたユーザに関するデータから得られる統計情報を、マーケティング等に利用することができる。

特開２０１９－４６１８５号公報

しかしながら、従来の技術では、異なる事業者のデータから統計情報を容易に得ることができない場合があるという問題がある。

例えば、特許文献１に記載の技術によるデータの共有を実現するためには、各事業者における実体データを説明するためのメタデータをあらかじめ準備して、事業者間で共有しておく必要がある。

さらに、ユーザを特定できるようなデータを事業者間で共有することは、個人情報保護の観点から望ましくない場合がある。

本願は、上記に鑑みてなされたものであって、異なる事業者のデータから統計情報を容易に得ることができる情報処理装置、情報処理方法、及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、生成部と、提供部とを備える。生成部は、第１の事業者のユーザを分類するための基準と、第２の事業者のユーザを分類するための基準と、の関係を学習したモデルを用いて、第１の事業者のユーザを第１のカテゴリに分類するための基準から、第２の事業者のユーザを第１のカテゴリに分類するための基準を生成する。提供部は、生成部によって生成された基準を提供する。

実施形態の態様の１つによれば、異なる事業者のデータから統計情報を容易に得ることができる。

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、実施形態に係る情報処理の一例を示す図である。 図３は、実施形態に係るユーザＤＢの一例を示す図である。 図４は、実施形態に係るユーザＤＢの一例を示す図である。 図５は、実施形態に係る学習処理の一例を示す図である。 図６は、実施形態に係る生成処理の一例を示す図である。 図７は、実施形態に係る生成処理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、実施形態に係る学習処理の手順の一例を示すフローチャートである。 図１０は、実施形態に係る生成処理の手順の一例を示すフローチャートである。 図１１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、及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、以下に説明する実施形態により本願に係る情報処理装置、情報処理方法、及び情報処理プログラムが限定されるものではない。また、以下に説明する実施形態は、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、以下に説明する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．情報処理の概要］
以下、図面を参照しつつ、実施形態に係る情報処理の一例を説明する。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に示すように、実施形態に係る情報提供システム１は、情報処理装置１０、ユーザＤＢ２０ａ、分析装置３０ａ、ユーザＤＢ２０ｂ及び分析装置３０ｂを有する。

情報処理装置１０、分析装置３０ａ及び分析装置３０ｂは、それぞれ有線又は無線によりネットワークＮ（例えば図８を参照）に接続される。

ネットワークＮは、ＬＡＮ（Local Area Network）や、ＷＡＮ（Wide Area Network）や、電話網（携帯電話網、固定電話網等）や、地域ＩＰ（Internet Protocol）網や、インターネット等の通信ネットワークである。ネットワークＮは、有線ネットワークが含まれていてもよいし、無線ネットワークが含まれていてもよい。

情報処理装置１０、分析装置３０ａ及び分析装置３０ｂは、ネットワークＮを通じて相互に通信できる。

図１に示すユーザＤＢ２０ａは、事業者Ａが提供するサービスのユーザに関する情報が格納されたデータベースである。また、ユーザＤＢ２０ｂは、事業者Ｂが提供するサービスのユーザに関する情報が格納されたデータベースである。

本実施形態では、事業者Ａ及び事業者Ｂは、それぞれのユーザＤＢに格納された情報であって、ユーザの個人情報を特定可能な情報の授受はできないものとする。

一方で、事業者Ａ及び事業者Ｂは、ユーザＤＢに格納された情報を基に計算した統計情報であって、ユーザの個人情報を特定できないような情報であれば授受できる。

例えば、事業者Ａ及び事業者Ｂは、所定の人数（例えば１０人）以上の単位のユーザの情報から計算された統計情報であれば互いに提供することができる。

分析装置３０ａ及び分析装置３０ｂは、それぞれユーザＤＢ２０ａ及びユーザＤＢ２０ｂに格納された情報を基に、クラスタリング等の手法を用いて、ユーザをカテゴリに分類する。

また、分析装置３０ａ及び分析装置３０ｂは、入力されたユーザの情報を基に、統計情報を計算する。例えば、分析装置３０ａ及び分析装置３０ｂは、分類したクラスタごとのユーザの購買傾向を表す統計情報を計算する。

ここで、事業者Ａが自動車のような特定の商品を販売し、事業者Ｂがポータルサイト等のオンラインコンテンツを介してインターネット上の各種サービス（検索エンジン、ショッピングサイト）を提供するものとする。

この場合、例えば、事業者Ａは、自社の自動車を購入する可能性が高いユーザを特定するために、事業者Ｂからユーザの興味及び購買傾向に関するデータの提供を受けることが考えられる。

その際、前述の通り事業者Ａと事業者Ｂとの間でユーザの個人情報を特定可能な情報の授受はできないという制約があるため、事業者Ａは、カテゴリを指定して当該カテゴリに該当するユーザに関する統計情報を事業者Ｂから受け取る。

ただし、ユーザＤＢ２０ａとユーザＤＢ２０ｂとでは、管理しているデータの項目が異なることが考えられる。

そのため、事業者ＡのユーザＤＢ２０ａに登録されたユーザを「車好き」というカテゴリに分類する基準を、事業者ＢのユーザＤＢ２０ｂに登録されたユーザを「車好き」というカテゴリに分類する際の基準として利用できるとは限らない。

そこで、情報提供システム１は、事業者Ｂにおいて、事業者Ａと同様のカテゴリにユーザを分類するための基準を生成し、事業者Ｂに提供する。以降の説明では、情報提供システム１によって生成される基準を共通キーと呼ぶ。

図１及び図２を用いて、情報提供システム１による処理の流れを説明する。図１及び図２は、実施形態に係る情報処理の一例を示す図である。情報提供システム１は、共通キーを生成するモデルの学習処理、及び学習済みのモデルを用いた共通キーの生成処理を行う。

図１には、学習処理の流れが示されている。また、図２には、生成処理の流れが示されている。なお、学習処理及び生成処理は、それぞれ機械学習の学習フェーズ及び推論フェーズにおける処理に相当する。

まず、図１に示すように、分析装置３０ａは、ユーザＤＢ２０ａに登録されたユーザをカテゴリに分類する（ステップＳ１１）。そして、分析装置３０ａは、ユーザの分類に用いた特徴情報を情報処理装置１０に提示する（ステップＳ１２）。

同様に、分析装置３０ｂは、ユーザＤＢ２０ｂに登録されたユーザをカテゴリに分類する（ステップＳ１３）。そして、分析装置３０ｂは、ユーザの分類に用いた特徴情報を情報処理装置１０に提示する（ステップＳ１４）。

分析装置３０ａ及び分析装置３０ｂは、あらかじめ決められたルールに従ってユーザを分類してもよいし、クラスタリング等の統計解析手法を用いてユーザを分類してもよい。

例えば、特徴情報は、ユーザＤＢ２０ａ又はユーザＤＢ２０ｂに含まれるテーブルの項目及び値に関する条件である。また、特徴情報は、ベクトルで表現された特徴量によって構成される空間であってもよい。

情報処理装置１０は、提示された特徴情報間の関係をモデルに学習させる（ステップＳ１５）。

次に、図２に示すように、分析装置３０ａは、分析装置３０ｂにカテゴリを指定する（ステップＳ２１）。このとき、分析装置３０ａは、特徴情報を提示することでカテゴリを指定してもよい。

これにより、事業者Ａは、指定したカテゴリに対応するユーザの、事業者ＢのユーザＤＢ２０ｂにおける統計情報を事業者Ｂに要求することができる。

分析装置３０ｂは、分析装置３０ａによって指定されたカテゴリを、情報処理装置１０に対しさらに指定する（ステップＳ２２）。

情報処理装置１０は、学習済みの特徴情報間の関係を基に、通知されたカテゴリに関する共通キーを生成する（ステップＳ２３）。すなわち、情報処理装置１０は、図１の処理で学習を行ったモデルを使って共通キーを生成する。

情報処理装置１０は、生成した共通キーを分析装置３０ｂに提供する（ステップＳ２４）。

分析装置３０ｂは、提供された共通キーを使ってユーザＤＢ２０ｂから特定したユーザに関する統計情報を計算する（ステップＳ２５）。そして、分析装置３０ｂは、計算した統計情報を分析装置３０ａに提供する（ステップＳ２６）。

図３は、実施形態に係るユーザＤＢの一例を示す図である。また、図４は、実施形態に係るユーザＤＢの一例を示す図である。

図３に示すように、事業者ＡのユーザＤＢ２０ａは、「自動車所有台数」及び「乗車頻度（回／週）」という項目を含む。また、図４に示すように、事業者ＢのユーザＤＢ２０ｂは、「自動車用品購入頻度（回／月）」及び「自動車関連キーワード入力頻度（回／月）」という項目を含む。

図５を用いて、学習処理について具体的に例を挙げて説明する。図５は、実施形態に係る学習処理の一例を示す図である。共通キー生成モデルは、情報処理装置１０による学習が行われるモデルである。

特徴情報（事業者Ａ）は、ステップＳ１２において分析装置３０ａが情報処理装置１０に提示した特徴情報である。特徴情報（事業者Ｂ）は、ステップＳ１４において分析装置３０ｂが情報処理装置１０に提示した特徴情報である。

共通キー生成モデルには、特徴情報とカテゴリを対応付けた情報が入力される。図５の例では、事業者Ａと事業者Ｂで共通する「車好き」、「子育て中」、「アウトドア派」といったカテゴリとそれらのカテゴリにユーザを分類する際の特徴情報が共通キー生成モデルに入力される。

そして、学習により、共通キー生成モデルは、カテゴリが共通する場合の特徴情報の関連度合いが大きいと推定できるようになる。

例えば、共通キー生成モデルは、カテゴリ「車好き」の事業者Ａの特徴情報「自動車所有台数≧１、かつ乗車頻度≧３」から、事業者Ｂの特徴情報「自動車用品購入頻度≧３、または自動車関連キーワード入力頻度≧５０」を導くことができるようになる。

なお、「子供の登録」、「自動車の車種」及び「走行距離」は、ユーザＤＢ２０ａに含まれる項目である。また、「子供用品購入頻度」、「小児科の利用頻度」、「自宅外の滞在時間」及び「移動距離」は、ユーザＤＢ２０ｂに含まれる項目である。

また、図５の例ではカテゴリに「車好き」、「子育て中」及び「アウトドア派」といった意味のある名称が付されている。一方で、カテゴリは、事業者間で特徴情報が共通しているか否かが判断できる情報であれば、特に意味がないものであってもよい。

図６及び図７を用いて、共通キーの生成処理について具体的に例を挙げて説明する。図６及び図７は、実施形態に係る生成処理の一例を示す図である。

図６に示すように、学習済みの共通キー生成モデルには、カテゴリと対応付けられた事業者Ａの特徴情報が入力される。そして、共通キー生成モデルは、事業者Ｂの特徴情報を出力する。

例えば、分析装置３０ｂは、「自動車用品購入頻度≧３、又は自動車関連キーワード入力頻度≧５０」という特徴情報（共通キー）によりユーザＤＢ２０ｂの検索を行うことで、カテゴリ「車好き」に分類されるユーザを特定することができる。

また、学習処理の際に共通キー生成モデルに入力されなかった事業者Ａの特徴情報が、生成処理の際に共通キー生成モデルに入力されることが考えられる。

図７に示す、カテゴリが「ペットの飼い主」である事業者Ａの特徴情報「ペットの登録＝有」は、学習処理の際には入力されていないものとする。このような場合であっても、共通キー生成モデルは、学習済みの他のカテゴリの特徴情報間の関係の傾向を基に、事業者Ｂの特徴情報「ペット用品購入頻度≧５、又はペット関連キーワード入力頻度≧４０」を出力することができる。

［２．情報処理装置の構成］
図８を用いて、実施形態に係る情報処理装置１０の構成について説明する。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８に示すように、情報処理装置１０は、通信部１１と、記憶部１２と、制御部１３とを備える。なお、情報処理装置１０は、図８に示す機能部以外の他の機能部を備えていてもよい。

通信部１１は、例えば、ネットワークＮと有線又は無線で接続され、ネットワークＮを介して、他の装置との間で情報の送受信を行う。通信部１１は、例えば、ＮＩＣ（Network Interface Card）やアンテナ等によって実現される。ネットワークＮは、ＬＡＮ（Local Area Network）や、ＷＡＮ（Wide Area Network）や、電話網（携帯電話網や固定電話網等）や、地域ＩＰ（Internet Protocol）網や、インターネット等の通信ネットワークである。ネットワークＮには、有線ネットワークが含まれていてもよいし、無線ネットワークが含まれていてもよい。

通信部１１は、分析装置３０ａ及び分析装置３０ｂからカテゴリを特定する情報又は特徴情報を受信する。また、通信部１１は、分析装置３０ａに、共通キーを送信する。

記憶部１２は、例えば、ＲＡＭ（Random Access Memory)、フラッシュメモリ等の半導体メモリ素子、又は、ハードディスクや光ディスク等の記憶装置によって実現される。記憶部１２は、制御部１３の各部により実行される情報処理を実現するためのプログラム及びデータを記憶する。

記憶部１２は、モデル情報１２１を記憶する。モデル情報１２１は、共通キー生成モデルを構築するためのパラメータ等の情報である。学習処理においては、情報処理装置１０はモデル情報１２１を更新する。生成処理においては、情報処理装置１０はモデル情報１２１から学習済みの共通キー生成モデルを構築する。

制御部１３は、情報処理装置１０を制御するコントローラ（controller）である。制御部１３は、ＣＰＵ（Central Processing Unit）やＭＰＵ（Micro Processing Unit）等によって、情報処理装置１０内部の記憶装置に記憶されている各種プログラム（例えば、情報処理プログラム）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１３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てもよい。

図８に示すように、制御部１３は、生成部１３１、更新部１３２及び提供部１３３を有する。制御部１３は、これらの各部により、以下に説明する情報処理の機能や作用を実現又は実行する。なお、制御部１３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。

生成部１３１は、事業者Ａのユーザを分類するための基準と、事業者Ｂのユーザを分類するための基準と、の関係を学習したモデルを用いて、事業者Ａのユーザを第１のカテゴリに分類するための基準から、事業者Ｂのユーザを第１のカテゴリに分類するための基準を生成する。

事業者Ａは第１の事業者の一例である。また、事業者Ｂは第２の事業者の一例である。また、図６の例では、第１のカテゴリは「車好き」である。また、生成部１３１によって生成される基準は共通キーである。

生成部１３１は、モデルを用いて、事業者Ａのユーザを第１のカテゴリに分類するための項目と共通する事業者Ｂにおける項目を特定し、当該特定した項目を用いて共通キーを生成する。

例えば、図３に示す事業者ＡのユーザＤＢ２０ａと同様に、事業者ＢのユーザＤＢ２０ｂにも「自動車所有台数」及び「乗車頻度（回／週）」という項目がある場合、生成部１３１は、図５のカテゴリ「車好き」に対応付けられた特徴情報（事業者Ａ）を、事業者Ｂでも使用可能な共通キーとすることができる。

生成部１３１は、事業者Ａのユーザをクラスタリングして得られたクラスタごとのラベルと、事業者Ｂのユーザをクラスタリングして得られたクラスタごとのラベルと、の関係を学習したモデルを用いて基準を生成する。

例えば、生成部１３１は、事業者Ａにおいてラベル「車好き」が付与されたクラスタの分類基準と、事業者Ｂにおいてラベル「車好き」が付与されたクラスタの分類基準との関係を学習したモデルを使って、カテゴリ「車好き」に対応する共通キーを生成する。

更新部１３２は、学習処理において、共通キー生成モデルを更新する。例えば、更新部１３２は、モデル情報１２１を更新する。

提供部１３３は、生成部１３１によって生成された基準を提供する。例えば、提供部１３３は、生成部１３１によって生成された共通キーを分析装置３０ｂに提供する。

［３．処理手順］
図９を用いて、実施形態に係る情報処理装置１０による学習処理の手順を説明する。図９は、実施形態に係る学習処理の手順の一例を示すフローチャートである。

図９に示すように、まず、情報処理装置１０は、事業者Ａと事業者Ｂのそれぞれから、ユーザをカテゴリに分類する際の特徴情報を取得する（ステップＳ１０１）。

そして、情報処理装置１０は、事業者Ａの特徴情報から事業者Ｂの特徴情報を生成するモデルを、取得した特徴情報間の関係を基に更新する（ステップＳ１０２）。

例えば、モデルは、事業者Ａにおいてユーザを特定のカテゴリに分類するための特徴情報を入力として受け付け、事業者Ｂのユーザを同じカテゴリに分類するための特徴情報を出力する。

図１０を用いて、実施形態に係る情報処理装置１０による生成処理の手順を説明する。図１０は、実施形態に係る生成処理の手順の一例を示すフローチャートである。

図１０に示すように、まず、情報処理装置１０は、事業者Ａから提示された特徴情報をモデルに入力し、事業者Ｂの特徴情報を生成する（ステップＳ２０１）。

情報処理装置１０は、事業者Ｂの特徴情報を共通キーとして提供する（ステップＳ２０２）。例えば、情報処理装置１０は、共通キーを分析装置３０ｂに提供する。分析装置３０ｂは、提供された共通キーによりユーザＤＢ２０ｂから特定したユーザに関する統計情報を計算し、計算した統計情報を分析装置３０ａに提供する。

［４．ハードウェア構成］
実施形態に係る情報処理装置１０は、例えば図１１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１１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。

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を有する。

ＣＰＵ１１００は、ＲＯＭ１３００又は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、ネットワーク（通信網）Ｎ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、ネットワーク（通信網）Ｎ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又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、又は半導体メモリ等である。

例えば、コンピュータ１０００が実施形態に係る情報処理装置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１３の機能を実現する。また、ＨＤＤ１４００には、記憶部１２内のデータが格納される。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、ネットワーク（通信網）Ｎを介してこれらのプログラムを取得してもよい。

［５．その他］
上述した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又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又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。

上述の実施形態及び変形例において、情報処理装置１０による情報処理方法（図８を参照）を実現するために、情報処理装置１０が有する制御部１３の各部（生成部１３１、更新部１３２及び提供部１３３）に対応する処理機能は、情報処理装置１０にあらかじめインストールされている情報処理プログラムに対するアドオンとして実現してもよいし、軽量なプログラミング言語等を用いて、専用の情報処理プログラムとして柔軟に記述することにより実現されてもよい。

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、その全部又は一部を、各種の負荷や使用状況等に応じて、任意の単位で機能的又は物理的に分散・統合して構成することができる。たとえば、制御部１３の生成部１３１は、モデル情報１２１からモデルを構築する機能と、モデルを使って共通キーを生成する機能とに機能的に分散されていてもよい。

また、上述の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。

［６．効果］
上述の実施形態に係る情報処理装置１０は、生成部１３１と、提供部１３３とを備える。生成部１３１は、第１の事業者のユーザを分類するための基準と、第２の事業者のユーザを分類するための基準と、の関係を学習したモデルを用いて、第１の事業者のユーザを第１のカテゴリに分類するための基準から、第２の事業者のユーザを第１のカテゴリに分類するための基準（共通キー）を生成する。提供部１３３は、生成部１３１によって生成された基準を提供する。

これにより、情報処理装置１０は、事業者間のユーザの分類基準を学習したモデルを利用することができるため、事業者間のデータに関する情報をあらかじめ準備しておく必要がない。このため、本実施形態によれば、異なる事業者のデータから統計情報を容易に得ることができる。

また、実施形態に係る情報処理装置１０において、生成部１３１は、モデルを用いて、第１の事業者のユーザを第１のカテゴリに分類するための項目と共通する第２の事業者における項目を特定し、当該特定した項目を用いて基準を生成する。これにより、共通の項目がある場合は、情報処理装置１０は、より容易に共通キーを生成することができる。

また、実施形態に係る情報処理装置１０において、生成部１３１は、第１の事業者のユーザをクラスタリングして得られたクラスタごとのラベルと、第２の事業者のユーザをクラスタリングして得られたクラスタごとのラベルと、の関係を学習したモデルを用いて基準を生成する。このように、情報処理装置１０は、事業者のそれぞれで実施されているクラスタリングの結果を利用して共通キーを生成することができる。

以上、本願の実施形態をいくつかの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。

また、上述してきた「部（section、module、unit）」は、「手段」や「回路」等に読み替えることができる。例えば、生成部は、生成手段や生成回路に読み替えることができる。

１ 情報提供システム
１０ 情報処理装置
１１ 通信部
１２ 記憶部
１３ 制御部
２０ａ、２０ｂ ユーザＤＢ
３０ａ、３０ｂ 分析装置
１２１ モデル情報
１３１ 生成部
１３２ 更新部
１３３ 提供部

Claims (5)

1. 第１の事業者が提供するサービスのユーザに関する情報が格納された第１のデータベースに含まれるテーブルの項目及び値に関する条件と、第２の事業者が提供するサービスのユーザに関する情報が格納された第２のデータベースに含まれるテーブルの項目及び値に関する条件と、カテゴリと、の関係を学習したモデルを用いて、
   前記第１のデータベースに含まれるテーブルの項目及び値に関する条件のうち、前記第１の事業者のユーザを前記カテゴリのうちの第１のカテゴリに分類するための条件である第１の条件から、前記第２のデータベースに含まれるテーブルの項目及び値に関する条件のうち、前記第２の事業者のユーザを前記第１のカテゴリに分類するための条件である第２の条件を生成する生成部と、
   前記生成部によって生成された前記第２の条件を提供する提供部と、
   を有することを特徴とする情報処理装置。
2. 前記生成部は、前記モデルを用いて、前記第１の事業者のユーザを前記第１のカテゴリに分類するための項目と共通する前記第２の事業者における項目を特定し、当該特定した項目を用いて前記第２の条件を生成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. 前記生成部は、前記第１の事業者のユーザをクラスタリングして得られたクラスタごとのラベルと、前記第２の事業者のユーザをクラスタリングして得られたクラスタごとのラベルと、の関係を学習したモデルを用いて前記第２の条件を生成することを特徴とする請求項１又は２に記載の情報処理装置。
4. コンピュータが実行する情報処理方法であって、
   第１の事業者が提供するサービスのユーザに関する情報が格納された第１のデータベースに含まれるテーブルの項目及び値に関する条件と、第２の事業者が提供するサービスのユーザに関する情報が格納された第２のデータベースに含まれるテーブルの項目及び値に関する条件と、カテゴリと、の関係を学習したモデルを用いて、
   前記第１のデータベースに含まれるテーブルの項目及び値に関する条件のうち、前記第１の事業者のユーザを前記カテゴリのうちの第１のカテゴリに分類するための条件である第１の条件から、前記第２のデータベースに含まれるテーブルの項目及び値に関する条件のうち、前記第２の事業者のユーザを前記第１のカテゴリに分類するための条件である第２の条件を生成する生成工程と、
   前記生成工程によって生成された前記第２の条件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。
5. コンピュータに、
   第１の事業者が提供するサービスのユーザに関する情報が格納された第１のデータベースに含まれるテーブルの項目及び値に関する条件と、第２の事業者が提供するサービスのユーザに関する情報が格納された第２のデータベースに含まれるテーブルの項目及び値に関する条件と、カテゴリと、の関係を学習したモデルを用いて、
   前記第１のデータベースに含まれるテーブルの項目及び値に関する条件のうち、前記第１の事業者のユーザを前記カテゴリのうちの第１のカテゴリに分類するための条件である第１の条件から、前記第２のデータベースに含まれるテーブルの項目及び値に関する条件のうち、前記第２の事業者のユーザを前記第１のカテゴリに分類するための条件である第２の条件を生成する生成手順と、
   前記生成手順によって生成された前記第２の条件を提供する提供手順と、
   を実行させることを特徴とする情報処理プログラム。

Images