JP7455185B1 - 情報処理装置、情報処理システム、情報処理方法、およびプログラム - Google Patents
情報処理装置、情報処理システム、情報処理方法、およびプログラム Download PDFInfo
- Publication number
- JP7455185B1 JP7455185B1 JP2022208130A JP2022208130A JP7455185B1 JP 7455185 B1 JP7455185 B1 JP 7455185B1 JP 2022208130 A JP2022208130 A JP 2022208130A JP 2022208130 A JP2022208130 A JP 2022208130A JP 7455185 B1 JP7455185 B1 JP 7455185B1
- Authority
- JP
- Japan
- Prior art keywords
- user
- information
- item
- service
- target service
- 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 abstract description 30
- 238000003672 processing method Methods 0.000 title claims description 5
- 238000000034 method Methods 0.000 claims description 14
- 230000002776 aggregation Effects 0.000 claims description 2
- 238000004220 aggregation Methods 0.000 claims description 2
- 230000037213 diet Effects 0.000 claims 1
- 235000005911 diet Nutrition 0.000 claims 1
- 238000010586 diagram Methods 0.000 abstract description 17
- 238000012545 processing Methods 0.000 description 5
- 241000556720 Manga Species 0.000 description 4
- 239000000284 extract Substances 0.000 description 4
- 230000006399 behavior Effects 0.000 description 3
- 230000008901 benefit Effects 0.000 description 2
- 235000014510 cooky Nutrition 0.000 description 2
- 238000012937 correction Methods 0.000 description 2
- 238000000605 extraction Methods 0.000 description 2
- 230000004044 response Effects 0.000 description 2
- 230000001413 cellular effect Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 235000013305 food Nutrition 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Images
Landscapes
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
Description
図1は、サービス提供システム1により提供されるコンテンツの一例を示す図である。例えば、サービス提供システム1は、ユーザの嗜好に合ったアイテムを特定し、特定したアイテムを含むコンテンツをユーザの端末装置に提供する。例えば、トップページにおいて、図1に示すようなコンテンツが提供される。例えば、トップページにおいて、ユーザの嗜好が反映されたアイテムが紹介される。トップページとは、例えば、複数の階層構造を有するウェブサイトにおける最上位のウェブページである。以下、この処理の詳細について説明する。
図2は、サービス提供システム1の機能構成の一例を示す図である。サービス提供システム1は、例えば、一以上のユーザの端末装置10と、第1サービス提供装置100と、第2サービス提供装置200と、第3サービス提供装置300と、学習装置400とを備える。以下、第1サービス提供装置100と、第2サービス提供装置200と、第3サービス提供装置300とを区別しない場合は、「サービス提供装置」と称することがある。なお、サービス提供装置の数は、3つに限らず、4つ以上であってもよい。例えば、サービス提供システムにおいて、4つ以上のサービスが提供されてもよい。
端末装置10は、スマートフォンやタブレット端末、パーソナルコンピュータなどの通信機能等を有するコンピュータ装置である。
第1サービス提供装置100は、例えば、ユーザに特定のサービスを提供するサーバである。本実施形態では、第1サービス提供装置100は、例えば、フリーマーケットサービスをユーザに提供する。第2サービス提供装置200および第3サービス提供装置300は、第1サービス提供装置100が提供するサービスとは異なるサービスを提供する。異なるサービスとは、例えば、アイテムを販売しているショッピングサービスや、旅行の予約に関するサービス、飲食店の予約に関するサービス、検索エンジンに関するサービスなどポータルサイトで提供されているサービスである。例えば、対象のサービスおよび対象のサービスとは異なるサービスとは、同一のポータルサイトで提供されているサービスまたは同一のユーザの識別情報でログインが可能なサービスである。
図4は、ユーザ情報160に含まれる情報の一例を示す図である。ユーザ情報160は、例えば、ユーザの識別情報(ユーザID)に対して、第1サービスにおける利用履歴の有無と、他のサービスの利用履歴から得られた特徴情報の有無とが対応付けられた情報である。ユーザIDは、例えば、サービスを利用するためのログインIDやログインIDに紐づけられた情報である。ログインIDは、例えば、サービス提供システムで提供されているサービスにおける共通のログインIDである。ユーザの特定は、ログインIDに代えて(または加えて)、クッキー(HTTP cookie)などユーザを特定するための他の技術によって行われてもよい。
決定部140は、上記の利用履歴および上記の特徴情報が無いユーザ「001」に対して、ランキング情報162を用いて、レコメンドアイテムを決定する。ランキング情報162は、第1サービスにおける人気のアイテムのランキングや、人気のカテゴリのランキング、おすすめのアイテムのランキングなどである。決定部140は、ランキング情報162を参照して、例えば、人気のアイテムを含むコンテンツをユーザの端末装置10に提供したり、おすすめのアイテムのコンテンツをユーザの端末装置10に提供したりする。
決定部140は、上記の利用履歴が有るユーザ「002」に対して、第1モデル164を用いて、レコメンドアイテムを決定する。図5は、ユーザ情報160に含まれ利用履歴の一例を示す図である。利用履歴は、対象のサービスにおけるユーザの利用履歴であり、例えば、時系列ごとのユーザが閲覧したアイテムや、画面に対する操作、アイテムの購入する操作などの情報である。第1モデル164は、上記の利用履歴を示す情報(例えば閲覧または選択したアイテム)が入力されると、上記の利用履歴を有するユーザが好むと推定されるアイテムまたはアイテムのカテゴリを出力するモデルである。
決定部140は、上記の利用履歴が無く、且つ上記の特徴情報が有るユーザ「003」に対して、第2モデル166を用いて、レコメンドアイテムを決定する。第2モデル166は、上記の特徴情報を示す情報が入力されると、上記の特徴情報を有するユーザが好むと推定されるアイテムのカテゴリを出力するモデルである。
図6は、ユーザ情報160に含まれる特徴情報の一例を示す図である。例えば、ユーザ「003」には、複数の素性に応じた指標が対応付けられている。素性は、例えば、漫画に興味があることや、スポーツに興味あること、小学生の子供がいることなど種々のユーザの特徴を示すものである。素性に対する指標は、第1サービスとは異なるサービスをユーザが利用した利用履歴に基づく指標である。例えば、ショッピングサイトにおいて漫画を購入していたり、漫画を閲覧するサービスにおいて漫画を閲覧していたりするユーザの漫画に興味があることに対する指標は高く設定される。例えば、ショッピングサイトにおいて小学生が利用するアイテムを購入していたり、小学生の子供の親のSNSを利用していたりするユーザの小学生の子供がいることに対する指標は高く設定される。
決定部140は、上記の特徴情報である素性ごとの指標を、第2モデル166に入力し、第2モデル166が出力した情報に基づいて、レコメンドアイテムを決定する。図7は、第2モデル166の活用について説明するための図である。第2モデル166は、素性ごとの指標が入力されると、カテゴリ(後述する末端カテゴリ)に応じたカテゴリ指標を出力する。決定部140は、例えば、閾値以上のカテゴリ指標のカテゴリを特定し、特定したカテゴリとカテゴリ指標とに基づいてレコメンドアイテムを決定する。
ここで、対象のサービスを利用していないユーザのレコメンドアイテムの予測を多クラス分類問題として解くのは、以下のように不適切なことがある。対象のサービスでは、閲覧数が多いアイテムに絞ってもアイテムは膨大である。利用履歴はこの膨大なアイテムからユーザの嗜好にあったアイテムを特定するために重要な情報であり、これを用いてレコメンドアイテムの予測を多クラス分類問題として解いている。しかし、サービスの利用拡大のため、利用履歴がないユーザにもレコメンドをすることを考えると、この重要な情報がないため嗜好にあったアイテムを特定することは難しい。そこで、本実施形態では、対象のサービスとは異なるサービスのユーザの利用履歴に基づいて得られた特徴情報を使い、また、アイテムではなくカテゴリの予測を多クラス分類問題として解く。対象のサービスとは異なるサービスのユーザの利用履歴を用いることで、利用履歴が無いユーザに対して、当該ユーザの嗜好に合ったレコメンドができる。さらに、カテゴリの予測を多クラス分類問題として解くことで、クラス数が減り問題が簡単となる。また、対象のサービスがフリーマーケットやオークションの場合、アイテムは1点ものであるため予測したレコメンドアイテムをユーザが見たときにすでに購入済みになっていることが考えられるが、得られたカテゴリに対応する新規出品アイテムをレコメンドアイテムとすることで、レコメンドアイテムが購入済になっている可能性を減らすことができる、といった利点がある。
図9は、第1サービス提供装置100により実行される処理の流れの一例を示すフローチャートである。まず、取得部120が、トップページの提供リクエストが存在するか否かを判定する(S100)。トップページの提供リクエストが存在する場合、取得部120は、ユーザの識別情報を取得する(S102)。次に、判定部130が、ユーザの識別情報とユーザ情報160とに基づいて第1サービスにおける利用履歴が存在するか否かを判定する(S104)。第1サービスにおける利用履歴が存在する場合、決定部140が、第1モデル164を利用してアイテムを決定する(S106)。
学習装置400は、学習データをモデルに学習させて第2モデル166を生成する。学習データは、サービスへのアクセスの所定時間前(例えば2週間前)までの閲覧がないユーザの特徴情報と、当該ユーザが集計期間内で最初にアクセスした末端カテゴリ(正解データ)とが対応付けられた情報を含む。学習装置400は、ユーザの特徴情報が入力されると、当該ユーザの特徴情報に対応付けられた末端カテゴリごとの指標が大きくなるように末端カテゴリの指標を出力するようにモデルを学習させて第2モデル166を生成する。
以上説明した実施形態によれば、サービス提供装置は、ネットワークを介して提供される対象のサービスの利用履歴が所定期間において存在しないユーザの特徴を示す特徴情報であって、ネットワークを介して提供される前記対象のサービスとは異なるサービスの前記ユーザの利用履歴に基づいて得られた特徴情報を取得し、前記特徴情報と前記特徴情報を有するユーザが好むと推定される商品またはサービスであるアイテムのカテゴリまたは前記アイテムとが対応付けられた対応情報に基づいて、前記ユーザに提供するアイテムを決定することにより、ユーザの嗜好に合った情報を提供することができる。
10‥端末装置
100‥第1サービス提供装置
110‥サービス提供部
120‥取得部
130‥判定部
140‥決定部
150‥記憶部
160‥ユーザ情報
162‥ランキング情報
164‥第1モデル
166‥第2モデル
200‥第2サービス提供装置
300‥第3サービス提供装置
400‥学習装置
Claims (16)
- ネットワークを介して提供される対象のサービスの利用履歴が存在しないユーザの特徴を示す特徴情報であり、ネットワークを介して提供される前記対象のサービスとは異なるサービスの前記ユーザの利用履歴に基づいて生成された前記ユーザの識別情報と前記ユーザの特徴情報とが対応付けられた情報を参照して得られた前記ユーザに対応づけられた特徴情報を取得する取得部と、
前記特徴情報と前記特徴情報が対応付けられたユーザが好むと推定される商品またはサービスであるアイテムのカテゴリまたは前記アイテムとが対応付けられた対応情報に基づいて、前記ユーザに提供するアイテムを決定する決定部と、
を備える情報処理装置。 - ネットワークを介して提供される対象のサービスの利用履歴が存在しないユーザの特徴を示す特徴情報であり、ネットワークを介して提供される前記対象のサービスとは異なるサービスの前記ユーザの利用履歴に基づいて生成された前記ユーザの識別情報と前記ユーザの特徴情報とが対応付けられた情報を参照して得られた前記ユーザに対応づけられた特徴情報を取得する取得部と、
前記特徴情報が入力されると前記特徴情報が対応付けられたユーザが好むと推定される商品またはサービスであるアイテムのカテゴリまたは前記アイテムを出力する学習済モデルに前記特徴情報を入力し、前記学習済モデルが出力した前記カテゴリまたは前記アイテムに基づいて、前記ユーザに提供するアイテムを決定する決定部と、
情報処理装置。 - 前記ユーザが前記対象のサービスを利用した利用履歴が存在する場合、前記決定部は、前記対象のサービスの前記利用履歴を利用して前記アイテムを決定する、
請求項2に記載の情報処理装置。 - 前記対象のサービスの利用履歴および前記特徴情報が存在しない場合、前記決定部は、前記対象のサービスにおけるアイテムのランキングが規定されたランキング情報を参照して、前記アイテムを決定する、
請求項3に記載の情報処理装置。 - 前記ユーザの端末装置から前記対象のサービスのトップページのコンテンツの提供リクエストがされた場合、前記ユーザの前記対象のサービスの利用履歴の有無および前記特徴情報の有無を判定する判定部を備え、
前記決定部は、
記憶部に前記対象のサービスの利用履歴が記憶されていなく、且つ前記ユーザの特徴情報が記憶されていない場合、前記対象のサービスにおけるアイテムのランキングが規定されたランキング情報を参照して、前記アイテムを決定し、
記憶部に前記対象のサービスの利用履歴が記憶されている場合、前記対象のサービスの前記利用履歴を利用して前記アイテムを決定し、
記憶部に前記対象のサービスの利用履歴が記憶されていなく、且つ前記ユーザの特徴情報が記憶されている場合、前記特徴情報と前記特徴情報が対応付けられたユーザが好むと推定される商品またはサービスであるアイテムのカテゴリまたは前記アイテムとが対応付けられた対応情報に基づいて、前記ユーザに提供するアイテムを決定する、
請求項4に記載の情報処理装置。 - 前記対象のサービスは、量産されていないアイテムの取引を支援または販売を行っているサービスである、
請求項1から5のうちいずれか1項に記載の情報処理装置。 - 前記対象のサービスおよび前記異なるサービスとは、同一のポータルサイトで提供されているサービスまたは同一のユーザの識別情報でログインが可能なサービスである、
請求項1から5のうちいずれか1項に記載の情報処理装置。 - 前記特徴情報は、前記ユーザの興味の対象を示す情報と、前記ユーザの家族構成を示す情報と、前記ユーザの仕事を示す情報と、前記ユーザの住居を示す情報と、前記ユーザの食に関する情報とのうち一以上の情報を含む、
請求項1から5のうちいずれか1項に記載の情報処理装置。 - 前記学習済モデルは、前記ユーザが好むと推定される商品またはサービスであるアイテムのカテゴリを出力し、
前記決定部は、前記カテゴリごとのアイテムのランキングを示すランキング情報を参照して、上位から所定の数のアイテムを前記ユーザに提供するアイテムに決定する、
請求項2から5のうちいずれか1項に記載の情報処理装置。 - 前記対象のサービスは、フリーマーケットサービスまたはオークションサービスであり、
前記ユーザに提供されるアイテムは、出品されてから所定時間以内のアイテムである、
請求項9に記載の情報処理装置。 - 前記対象のサービスは、フリーマーケットサービスまたはオークションサービスであり、
前記ユーザに提供されるアイテムの出品者は異なる、
請求項9に記載の情報処理装置。 - 前記ユーザの端末装置から前記対象のサービスのトップページのコンテンツの提供リクエストがされた場合、前記対象のサービスの利用履歴の有無およびユーザの興味の対象を示す前記特徴情報の有無を判定する判定部を備え、
前記対象のサービスは、量産されていない前記アイテムの取引を支援または販売を行っているサービスであり、
前記対象のサービスおよび前記異なるサービスとは、同一のポータルサイトで提供されているサービスまたは同一のユーザの識別情報でログインが可能なサービスであり、
前記決定部は、
前記対象のサービスの利用履歴が存在する場合、前記対象のサービスの前記利用履歴を利用して前記アイテムを決定し、
前記対象のサービスの利用履歴が存在せず、且つ前記特徴情報が存在する場合、前記学習済モデルに前記特徴情報を入力し、前記学習済モデルが出力した前記カテゴリまたは前記アイテムに基づいて、前記ユーザに提供するアイテムを決定し、
前記対象のサービスの利用履歴および前記特徴情報が存在しない場合、前記利用履歴および前記学習済モデルを用いた手法とは異なる第3手法を用いて、前記ユーザに提供するアイテムを決定する、
請求項2から5のうちいずれか1項に記載の情報処理装置。 - 前記学習済モデルを備え、
前記学習済モデルは、学習データを学習して生成されたモデルであり、
前記学習データは、前記対象のサービスへのアクセスの所定時間前までの閲覧がないユーザの前記特徴情報と、正解データである前記ユーザが集計期間内で最初にアクセスした前記アイテムのカテゴリまたは前記アイテムとが対応付けられた情報である、
請求項2から4のうちいずれか1項に記載の情報処理装置。 - 請求項2から4のうちいずれか1項に記載の情報処理装置と、
前記学習済モデルを生成する学習装置と、
を備える情報処理システム。 - コンピュータが、
ネットワークを介して提供される対象のサービスの利用履歴が存在しないユーザの特徴を示す特徴情報であり、ネットワークを介して提供される前記対象のサービスとは異なるサービスの前記ユーザの利用履歴に基づいて生成された前記ユーザの識別情報と前記ユーザの特徴情報とが対応付けられた情報を参照して得られた前記ユーザに対応づけられた特徴情報を取得し、
前記特徴情報と前記特徴情報が対応付けられたユーザが好むと推定される商品またはサービスであるアイテムのカテゴリまたは前記アイテムとが対応付けられた対応情報に基づいて、前記ユーザに提供するアイテムを決定する、
情報処理方法。 - コンピュータに、
ネットワークを介して提供される対象のサービスの利用履歴が存在しないユーザの特徴を示す特徴情報であり、ネットワークを介して提供される前記対象のサービスとは異なるサービスの前記ユーザの利用履歴に基づいて生成された前記ユーザの識別情報と前記ユーザの特徴情報とが対応付けられた情報を参照して得られた前記ユーザに対応づけられた特徴情報を取得させ、
前記特徴情報と前記特徴情報が対応付けられたユーザが好むと推定される商品またはサービスであるアイテムのカテゴリまたは前記アイテムとが対応付けられた対応情報に基づいて、前記ユーザに提供するアイテムを決定させる、
プログラム。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2022208130A JP7455185B1 (ja) | 2022-12-26 | 2022-12-26 | 情報処理装置、情報処理システム、情報処理方法、およびプログラム |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2022208130A JP7455185B1 (ja) | 2022-12-26 | 2022-12-26 | 情報処理装置、情報処理システム、情報処理方法、およびプログラム |
Publications (1)
Publication Number | Publication Date |
---|---|
JP7455185B1 true JP7455185B1 (ja) | 2024-03-25 |
Family
ID=90367070
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2022208130A Active JP7455185B1 (ja) | 2022-12-26 | 2022-12-26 | 情報処理装置、情報処理システム、情報処理方法、およびプログラム |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP7455185B1 (ja) |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2021089485A (ja) | 2019-12-02 | 2021-06-10 | 株式会社電通グループ | 広告通知システム、広告通知方法、および情報処理装置 |
-
2022
- 2022-12-26 JP JP2022208130A patent/JP7455185B1/ja active Active
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2021089485A (ja) | 2019-12-02 | 2021-06-10 | 株式会社電通グループ | 広告通知システム、広告通知方法、および情報処理装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US20210319346A1 (en) | Personal Taste Assessment Method and System | |
Brengman et al. | Segmenting Internet shoppers based on their Web-usage-related lifestyle: a cross-cultural validation | |
US20200410531A1 (en) | Methods, systems, and apparatus for enhancing electronic commerce using social media | |
JP5984834B2 (ja) | ウェブサイト横断情報を表示する方法およびシステム | |
US20180357703A1 (en) | Recommendations Based Upon Explicit User Similarity | |
JP6250106B1 (ja) | 情報解析装置、情報解析方法、および情報解析プログラム | |
US11200593B2 (en) | Predictive recommendation system using tiered feature data | |
AU2022204363A1 (en) | Wine label affinity system and method | |
JP5957164B1 (ja) | 情報処理装置、情報処理方法、及び情報処理プログラム | |
JP2021523486A (ja) | 製品ソート | |
CN114820123A (zh) | 团购商品推荐方法、装置、设备及存储介质 | |
JP6945518B2 (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 | |
JP2017173915A (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 | |
US10318984B1 (en) | Predictive recommendation system using tiered feature data | |
JP7455185B1 (ja) | 情報処理装置、情報処理システム、情報処理方法、およびプログラム | |
JP6664604B1 (ja) | 情報処理装置、情報処理方法及び情報処理プログラム | |
Nagar | Assessing the impact of online retailer models on consumer’s attitude and purchase intentions | |
JP7387974B2 (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 | |
JP7394512B2 (ja) | 情報処理装置、情報処理方法及び情報処理プログラム | |
JP7104257B1 (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 | |
JP6974298B2 (ja) | 情報処理装置、情報処理方法、及び情報処理プログラム | |
JP7122286B2 (ja) | 決定装置、決定方法及び決定プログラム | |
US20220375011A1 (en) | Multi user collective preferences profile | |
Regino et al. | Knowledge Graph-based Product Recommendations on e-Commerce Platforms. | |
Aker | Investigating user profiles for mobile application categories and providing recommendations to software engineering |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20230119 |
|
A711 | Notification of change in applicant |
Free format text: JAPANESE INTERMEDIATE CODE: A712 Effective date: 20231026 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20231128 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20240129 |
|
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: 20240213 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20240312 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 7455185 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |