JP7491882B2 - 情報処理装置、情報処理方法および情報処理プログラム - Google Patents
情報処理装置、情報処理方法および情報処理プログラム Download PDFInfo
- Publication number
- JP7491882B2 JP7491882B2 JP2021134619A JP2021134619A JP7491882B2 JP 7491882 B2 JP7491882 B2 JP 7491882B2 JP 2021134619 A JP2021134619 A JP 2021134619A JP 2021134619 A JP2021134619 A JP 2021134619A JP 7491882 B2 JP7491882 B2 JP 7491882B2
- Authority
- JP
- Japan
- Prior art keywords
- user
- information
- information processing
- interest
- vector
- 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 description 145
- 238000003672 processing method Methods 0.000 title claims description 8
- 239000013598 vector Substances 0.000 claims description 185
- 238000000034 method Methods 0.000 description 80
- 230000008569 process Effects 0.000 description 68
- 238000012545 processing Methods 0.000 description 35
- 238000004891 communication Methods 0.000 description 12
- 238000010586 diagram Methods 0.000 description 10
- 238000007430 reference method Methods 0.000 description 9
- 230000000694 effects Effects 0.000 description 6
- 230000006870 function Effects 0.000 description 5
- 230000004931 aggregating effect Effects 0.000 description 4
- 230000004048 modification Effects 0.000 description 4
- 238000012986 modification Methods 0.000 description 4
- 230000003542 behavioural effect Effects 0.000 description 3
- 239000000047 product Substances 0.000 description 3
- 230000002776 aggregation Effects 0.000 description 2
- 238000004220 aggregation Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000009499 grossing Methods 0.000 description 2
- 230000036541 health Effects 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 239000004065 semiconductor Substances 0.000 description 2
- 230000009471 action Effects 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 239000006227 byproduct Substances 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000035606 childbirth Effects 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 230000006855 networking Effects 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 230000004044 response 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)
Description
以下に、実施形態に係る情報処理システム100の処理、情報処理装置10の構成、処理の具体例、処理の流れを順に説明し、最後に本実施形態の効果を説明する。
図1を用いて、本実施形態に係る情報処理システム(適宜、本システム)100の処理を説明する。図1は、実施形態に係る情報処理システムの処理の一例を示す図である。以下では、本システム100の構成例、本システム100の処理、本システム100の効果の順に説明する。
図1に示した本システム100は、情報処理装置10、ユーザ情報データベース(DB)20、位置情報DB30およびユーザ端末(適宜、新規ユーザ)40を有する。ここで、情報処理装置10と、ユーザ情報DB20と、位置情報DB30と、ユーザ端末40とは、図示しない所定の通信網を介して、有線または無線により通信可能に接続される。なお、本システム100には、複数台の情報処理装置10、複数のユーザ情報DB20、複数の位置情報DB30、および複数台のユーザ端末40が含まれてもよい。
情報処理装置10は、ユーザ情報DB20との間、位置情報DB30との間、ユーザ端末40との間でデータの送受信を行う装置であり、例えば、サーバ装置やクラウドシステム等により実現される。図1の例では、情報処理装置10がサーバ装置により実現される場合を示す。
ユーザ端末40は、Webページを閲覧したり、Web上でインターネットショッピング等を行ったりするユーザによって使用されるデバイス(コンピュータ)である。ユーザ端末40は、ユーザによる操作を受け付ける。なお、ユーザ端末40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)等により実現される。図1の例では、ユーザ端末40がスマートフォンにより実現される場合を示す。
(1-2-1.ステップS1の処理)
本システム100において、第1に、情報処理装置10は、ユーザ情報DB20を参照し、ユーザ情報を取得する(ステップS1)。ここで、ユーザ情報とは、ユーザに関する情報であって、ユーザのWebサイト上での検索履歴、閲覧履歴、購入履歴等のユーザの行動履歴の他、ユーザの性別、年齢、職業、居住地、既婚・未婚の別、子供の有無等のユーザの属性を含む情報である。さらに、ユーザ情報は、図示しないユーザの端末を介して収集したユーザの画面情報、生体情報等であってもよく、特に限定されない。また、図1の例では、情報処理装置10は、ユーザ情報をユーザ情報DB20から取得しているが、図示しないユーザの端末やその他の端末から取得してもよい。
本システム100において、第2に、情報処理装置10は、位置情報DB30を参照し、ユーザの位置情報を取得する(ステップS2)。ここで、位置情報とは、ユーザが訪問した場所に関する情報であって、訪問場所の住所や施設名の他、施設の種類や用途、ユーザの滞在時間や訪問回数等を含む情報である。さらに、位置情報は、ユーザ情報である検索履歴、閲覧履歴、購入履歴等のユーザの行動履歴と関連付けされた情報であってもよい。また、図1の例では、情報処理装置10は、位置情報を位置情報DB30から取得しているが、図示しないユーザの端末やその他の端末から収集してもよい。さらに、情報処理装置10は、位置情報を自動車の走行ログ等の移動情報から取得してもよい。
本システム100において、第3に、情報処理装置10は、取得したユーザ情報および位置情報から、訪問場所におけるユーザの興味関心を有するカテゴリーを示す興味ベクトルを生成する(ステップS3)。ここで、興味ベクトルとは、ユーザの興味関心を有するカテゴリーを示す情報をベクトル化した情報であり、ユーザが入力した検索ワード(検索クエリ)の傾向や、各種サービスにおける行動履歴や、行動履歴から推定されるユーザ属性等をベクトル化することにより得られる情報である。このとき、情報処理装置10は、訪問場所における興味ベクトルとして、特定の訪問場所ごとに複数のユーザ情報を集計してベクトルを生成してもよいし、曜日や時間帯ごとのベクトルを生成してもよいし、ラプラススムージングを用いてベクトルを生成してもよい。
本システム100において、第4に、情報処理装置10は、ユーザ端末40から、新規ユーザのユーザ情報を取得する(ステップS4)。ここで、新規ユーザとは、興味関心を有するカテゴリー(ユーザの志向)の推定対象となるユーザである。例えば、新規ユーザは、特定の場所を初めて訪問するユーザであるが、過去に当該場所を訪問したことのあるユーザであってもよい。また、図1の例では、情報処理装置10は、新規ユーザのユーザ情報をユーザ端末40から取得しているが、ユーザ情報DB20や図示しないその他の端末から取得してもよい。
本システム100において、第5に、情報処理装置10は、ユーザ端末40から、新規ユーザの位置情報を取得する(ステップS5)。また、図1の例では、情報処理装置10は、新規ユーザの位置情報をユーザ端末40から取得しているが、位置情報DB30や図示しないその他の端末から取得してもよい。さらに、情報処理装置10は、位置情報を新規ユーザの自動車の走行ログ等の移動情報から取得してもよい。
本システム100において、第6に、情報処理装置10は、取得した新規ユーザのユーザ情報および位置情報から、訪問場所における新規ユーザの興味関心を有するカテゴリーを示す興味ベクトル(ユーザベクトル)を生成する(ステップS6)。ここで、情報処理装置10は、新規ユーザの興味ベクトルであるユーザベクトルとして、自宅や特定の訪問場所ごとにベクトルを生成してもよいし、複数の訪問場所のベクトルを統合(マージ)したベクトルを生成してもよいし、曜日や時間帯ごとのベクトルを生成してもよい。
本システム100において、第7に、情報処理装置10は、生成した興味ベクトルと新規ユーザのユーザベクトルとに基づいて、新規ユーザの興味関心を有するカテゴリーを推定する(ステップS7)。このとき、情報処理装置10は、訪問場所における興味ベクトルと新規ユーザのユーザベクトルとの類似性に基づいて、新規ユーザの興味関心を有するカテゴリーを推定する。また、情報処理装置10は、志向スコアに基づいて、新規ユーザの興味関心を有するカテゴリーを推定する。
本システム100では、情報処理装置10は、ユーザ情報DB20を参照しユーザ情報を取得し、位置情報DB30を参照してユーザの位置情報を取得し、取得したユーザ情報および位置情報から、訪問場所におけるユーザの興味関心を示す興味ベクトルを生成する。また、情報処理装置10は、ユーザ端末40から、新規ユーザのユーザ情報および位置情報を取得し、取得した新規ユーザのユーザ情報および位置情報から、訪問場所における新規ユーザの興味関心を示すユーザベクトルを生成する。さらに、情報処理装置10は、生成した興味ベクトルと新規ユーザのユーザベクトルとに基づいて、新規ユーザの興味関心を有するカテゴリーを推定する。このため、本システム100では、ターゲットとなるユーザに関する有益な情報を提供することができる。
図2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2は、実施形態に係る情報処理装置10の構成例を示すブロック図である。図2に示すように、情報処理装置10は、通信部11、記憶部12および制御部13を有する。なお、情報処理装置10は、情報処理装置10の管理者等から各種操作を受け付ける入力部(例えば、キーボードやマウス等)や、各種情報を表示するための表示部(例えば、液晶ディスプレイ等)を有してもよい。
通信部11は、例えば、NIC(Network Interface Card)等によって実現される。そして、通信部11は、所定の通信網(ネットワーク)と有線または無線で接続され、ユーザ情報DB20、位置情報DB30、およびユーザ端末40との間で情報の送受信を行う。
記憶部12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。実施形態に係る記憶部12は、図2に示すように、ユーザ情報記憶部12a、位置情報記憶部12b、興味ベクトル記憶部12cおよびユーザベクトル記憶部12dを有する。そして、記憶部12は、制御部13が動作する際に参照する各種情報や、制御部13が動作した際に取得した各種情報を記憶する。
ユーザ情報記憶部12aは、過去のユーザや新規ユーザ40から取得されたユーザに関する各種情報を記憶する。例えば、ユーザ情報記憶部12aは、ユーザのWebサイト上での検索履歴、閲覧履歴、購入履歴等の行動履歴の他、ユーザの性別、年齢、職業、居住地、既婚・未婚の別、子供の有無等のユーザの属性、ユーザの端末の画面情報、生体情報等を含む情報を記憶する。
位置情報記憶部12bは、過去のユーザや新規ユーザ40から取得されたユーザの位置情報を記憶する。例えば、位置情報記憶部12bは、ユーザが訪問した場所に関する情報として、訪問場所の住所や施設名の他、施設の種類や用途、滞在時間、訪問回数等を記憶する。
興味ベクトル記憶部12cは、訪問場所におけるユーザの興味関心を有するカテゴリーを示す興味ベクトルを記憶する。例えば、興味ベクトル記憶部12cは、第1生成部13cによって生成された訪問場所ごとの興味ベクトルを記憶する。また、興味ベクトル記憶部12cは、特定の訪問場所ごとに複数のユーザ情報が集計された興味ベクトルや、曜日や時間帯ごとに分類された興味ベクトルを記憶してもよい。さらに、興味ベクトル記憶部12cは、集計された興味ベクトルとともに、集計された興味ベクトルの件数を記憶してもよい。
ユーザベクトル記憶部12dは、新規ユーザの興味関心を有するカテゴリーを示すユーザベクトルを記憶する。例えば、ユーザベクトル記憶部12dは、第2生成部13dによって生成された訪問場所ごとのユーザベクトルや志向スコアを記憶する。また、ユーザベクトル記憶部12dは、自宅や特定の訪問場所ごとに生成されたユーザベクトルや、複数の訪問場所のベクトルを統合したユーザベクトルや、曜日や時間帯ごとに分類されたユーザベクトルを記憶してもよい。
制御部13は、例えば、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(情報処理プログラムの一例に相当)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る。
第1取得部13aは、ユーザの情報を取得する。情報の収集元について説明すると、例えば、第1取得部13aは、ユーザ情報DB20からユーザの情報を取得する。また、第1取得部13aは、新規ユーザ40からユーザの情報を取得する。
第2取得部13bは、ユーザの位置情報を取得する。情報の収集元について説明すると、例えば、第2取得部13bは、位置情報DB30からユーザの情報を取得する。また、第2取得部13bは、新規ユーザ40からユーザの情報を取得する。
第1生成部13cは、ユーザの情報および位置情報を用いて、訪問場所におけるユーザの興味のあるカテゴリーを示す興味ベクトルを生成する。興味ベクトルについて説明すると、例えば、第1生成部13cは、取得したユーザの情報およびユーザの位置情報を、コサイン類似度の空間や、内積空間、ユークリッド距離空間等におけるユーザ情報ベクトルおよび位置情報ベクトルに変換し、さらに上記ベクトルから興味ベクトルを生成する。
第2生成部13dは、訪問場所における新規ユーザの興味のあるカテゴリーを示すユーザベクトルを生成する。ユーザベクトルを生成する訪問場所について説明すると、例えば、第2生成部13dは、新規ユーザが所定の時間以上滞在した訪問場所におけるユーザベクトルを生成する。また、第2生成部13dは、訪問場所のうち所定の訪問場所におけるユーザベクトルを生成する。すなわち、第2生成部13dは、例えば、新規ユーザの自宅でのベクトルをユーザベクトルとして生成してもよいし、自宅以外の頻繁に立ち寄る飲食店でのベクトルをユーザベクトルとして生成してもよい。
推定部13eは、興味ベクトルおよびユーザベクトルに基づいて、新規ユーザの興味のあるカテゴリーを推定する。推定方法について説明すると、例えば、推定部13eは、訪問場所における興味ベクトルと新規ユーザのユーザベクトルとの類似性に基づいて、新規ユーザの興味関心を有するカテゴリーを推定する。すなわち、推定部13eは、例えば、興味ベクトルとユーザベクトルとの距離(例:コサイン類似度、内積距離、ユークリッド距離)を算出し、算出結果に基づいて新規ユーザの興味のあるカテゴリーを推定する。
図3および図4を用いて、実施形態に係る処理の具体例について説明する。図3は、実施形態に係る第1生成処理の一例を示す図である。図4は、実施形態に係る第2生成処理の一例を示す図である。以下では、実施形態に係る第1生成処理の具体例、第2生成処理の具体例の順に説明する。
図3を用いて、実施形態に係る第1生成処理の具体例について説明する。以下では、集計方式1、集計方式2の順に説明する。
情報処理装置10は、「ユーザA」の自宅である(A-1)における「ユーザA」の興味ベクトルを生成し、「ユーザB」の自宅である(B-1)における「ユーザB」の興味ベクトルを生成する。すなわち、集計方式1では、情報処理装置10は、各ユーザの自宅等の特定の拠点でのみ興味ベクトルを生成し、ユーザの志向を収集することができる。
情報処理装置10は、「ユーザA」の自宅である(A-1)における「ユーザA」の興味ベクトルだけではなく、「ユーザA」の立ち寄り地点である(A-2)、(A-3)、(A-4)においても「ユーザA」の興味ベクトルを生成する。同様にして、情報処理装置10は、「ユーザB」の自宅である(B-1)における「ユーザB」の興味ベクトルだけではなく、「ユーザB」の立ち寄り地点である(B-2)においても「ユーザB」の興味ベクトルを生成する。
図4を用いて、実施形態に係る第2生成処理の具体例について説明する。以下では、参照方式1、参照方式2、参照方式3の順に説明する。
情報処理装置10は、新規ユーザである「ユーザC」の自宅である(C-1)における「ユーザC」のユーザベクトルを生成し、生成したユーザベクトルをもとに「ユーザC」の志向を参照する。すなわち、参照方式1では、情報処理装置10は、新規ユーザの自宅等の特定の拠点でのユーザベクトルのみをもとに、新規ユーザの志向を推定することができる。
情報処理装置10は、「ユーザC」の自宅である(C-1)における「ユーザC」の興味ベクトルだけではなく、「ユーザC」の立ち寄り地点である(C-2)、(C-3)においても「ユーザC」のユーザベクトルを生成し、生成したユーザベクトルをもとに「ユーザC」の志向を参照する。
情報処理装置10は、「ユーザC」の自宅および立ち寄り地点である(C-1)、(C-2)、(C-3)において生成したユーザベクトルを統合(マージ)し、生成したユーザベクトルをもとに「ユーザC」の志向を参照する。すなわち、参照方式3では、情報処理装置10は、新規ユーザの特定の拠点および訪問場所での複数のユーザベクトルをもとに、新規ユーザの全体的な志向を推定することができる。
図5を用いて、情報処理全体の流れを説明する。図5は、実施形態に係る処理全体の流れを示すフローチャートである。以下では、処理全体の流れを説明した上で、各処理の概要を説明する。
第1に、情報処理装置10の第1取得部13aは、第1取得処理を実行する(ステップS101)。第2に、情報処理装置10の第2取得部13bは、第2取得処理を実行する(ステップS102)。第3に、情報処理装置10の第1生成部13cは、第1生成処理を実行する(ステップS103)。第4に、情報処理装置10の第2生成部13dは、第2生成処理を実行する(ステップS104)。第5に、情報処理装置10の推定部13eは、推定処理を実行し(ステップS105)、処理を終了する。なお、上記のステップS101~S105は、異なる順序で実行することもできる。また、上記のステップS101~S105のうち、省略される処理があってもよい。
(4-2-1.第1取得処理の流れ)
第1に、第1取得部13aによる第1取得処理について説明する。第1取得処理では、第1取得部13aは、ユーザ情報DB20または新規ユーザ40から、ユーザ情報(ユーザの行動履歴、ユーザ属性等)を取得する。
第2に、第2取得部13bによる第2取得処理について説明する。第2取得処理では、第2取得部13bは、位置情報DB30または新規ユーザ40から、ユーザの位置情報(住所、施設の名称・種類・用途等)を取得する。
第3に、第1生成部13cによる第1生成処理について説明する。第1生成処理では、第1生成部13cは、取得したユーザ情報および位置情報から、訪問場所におけるユーザの興味関心を有するカテゴリーを示す興味ベクトルを生成する。ここで、第1生成部13cは、特定の訪問場所ごとに複数のユーザ情報を集計した興味ベクトル、曜日や時間帯ごとの興味ベクトルを生成することができる。
第4に、第2生成部13dによる第2生成処理について説明する。第2生成処理では、第2生成部13dは、取得した新規ユーザのユーザ情報および位置情報から、訪問場所における新規ユーザの興味関心を有するカテゴリーを示すユーザベクトルを生成する。ここで、第2生成部13dは、自宅や特定の訪問場所ごとのユーザベクトル、複数の訪問場所のベクトルを統合したユーザベクトル、曜日や時間帯ごとのユーザベクトルを生成することができる。また、第2生成部13dは、ユーザベクトルから、新規ユーザの志向スコアを算出することもできる。
第5に、推定部13dによる推定処理について説明する。推定処理では、推定部13dは、生成した興味ベクトルと新規ユーザのユーザベクトルとに基づいて、新規ユーザの興味関心を有するカテゴリーを推定する。
第1に、上述した本実施形態に係る処理では、ユーザの情報を取得し、ユーザの位置情報を取得し、ユーザの情報およびユーザの位置情報を用いて、訪問場所におけるユーザの興味のあるカテゴリーを示す興味ベクトルを生成する。このため、本処理では、ターゲットとなるユーザに関する有益な情報を提供できる。
以下に、実施形態の変形例に係る情報処理システムの処理、および本変形例の効果を説明する。なお、本変形例に係る情報処理装置10の構成、処理の具体例、処理の流れについては、上述した実施形態と共通するので説明を省略する。
以下に、上述した実施形態に係る情報処理システム100との差異を説明した上で、本変形例に係る情報処理システムの処理について説明する。
上述した実施形態に係る情報処理システム100では、例えば、購買履歴データ等とともにユーザの位置情報を用いてユーザの志向を分析し、マーケティング上のターゲットとなる新規ユーザに関する有益な情報を提供できる。すなわち、上記の情報処理システム100は、商品やサービスの提供者が、ターゲットとなるユーザに対して、購買意欲を惹起するための広告を配信したり、新商品のダイレクトメールを送付したりするために利用される。
以下に、本変形例に係る情報処理システムの処理について、情報入力処理、志向推定処理、情報出力処理の順に説明する。
本変形例に係る情報処理システムでは、以下のように、新規ユーザは、ユーザ端末40の操作に基づいて、ユーザ情報やユーザの位置情報を志向APIに入力する(情報入力処理)。すなわち、新規ユーザは、例えば、ユーザの性別、年齢、職業、居住地等のユーザの属性(デモグラフィック属性)を志向APIに入力する。また、新規ユーザは、例えば、自動車の走行ログから取得された新規ユーザの位置情報を志向APIに入力する。なお、新規ユーザは、ユーザ端末40の操作によって、所定のDBに記憶されたユーザ情報やユーザの位置情報を志向APIに入力してもよい。
本変形例に係る情報処理システムでは、以下のように、情報処理装置10は、過去のユーザの訪問場所における興味ベクトルをもとに、新規ユーザの興味関心を有するカテゴリーを推定する(志向推定処理)。すなわち、情報処理装置10は、例えば、ユーザ情報DB20を参照しユーザ情報を取得し、位置情報DB30を参照してユーザの位置情報を取得し、取得したユーザ情報および位置情報から、訪問場所におけるユーザの興味関心を示す興味ベクトルを生成する。また、情報処理装置10は、志向APIに入力された新規ユーザのユーザ情報およびユーザの位置情報を取得し、取得した新規ユーザのユーザ情報および位置情報から、訪問場所における新規ユーザの興味関心を示すユーザベクトルを生成する。さらに、情報処理装置10は、生成した興味ベクトルと新規ユーザのユーザベクトルとに基づいて、新規ユーザの興味関心を有するカテゴリーを推定する。
本変形例に係る情報処理システムでは、以下のように、志向APIは、情報処理装置10によって推定されたユーザの志向に基づき、新規ユーザに対して各種の情報を提供する(情報出力処理)。すなわち、志向APIは、例えば、新規ユーザの訪問場所が「ショッピングモールb」であって、推定された新規ユーザの興味関心を有するカテゴリーが「食事」であった場合には、「ショッピングモールb」内に出店している飲食店の情報を、ユーザ端末40を介して新規ユーザに提供する。
上述した本変形例に係る処理では、情報処理装置10は、新規ユーザが能動的に入力したユーザ情報およびユーザの位置情報をもとに、ユーザの訪問場所におけるユーザの志向を推定し、ユーザの志向に合致した情報を提供することができる。このため、情報処理装置10は、ユーザに関する有益な情報を、ユーザが望む情報の範囲や提供するタイミングを反映した上で提供することができる。
また、上述してきた実施形態に係る情報処理装置10は、例えば、図6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。以下、情報処理装置10を例に挙げて説明する。図6は、情報処理装置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、およびメディアインターフェイス(I/F)1700を有する。
以上、本願の実施形態を説明したが、これら実施形態の内容により本発明が限定されるものではない。また、前述した構成要素には、当業者が容易に想定できるもの、実質的に同一のもの、いわゆる均等の範囲のものが含まれる。さらに、前述した構成要素は適宜組み合わせることが可能である。さらに、前述した実施形態の要旨を逸脱しない範囲で構成要素の種々の省略、置換または変更を行うことができる。
11 通信部
12 記憶部
12a ユーザ情報記憶部
12b 位置情報記憶部
12c 興味ベクトル記憶部
12d ユーザベクトル記憶部
13 制御部
13a 第1取得部
13b 第2取得部
13c 第1生成部
13d 第2生成部
13e 推定部
20 ユーザ情報DB
30 位置情報DB
40 ユーザ端末(新規ユーザ)
100 情報処理システム
Claims (10)
- 検索履歴、閲覧履歴、および購入履歴のうち少なくとも1つを含む、ユーザの情報を取得する第1取得部と、
前記ユーザの位置情報を取得する第2取得部と、
前記ユーザの情報および前記位置情報を用いて、訪問場所における前記ユーザの興味のあるカテゴリーを示す興味ベクトルを生成する第1生成部と、
前記訪問場所における新規ユーザの興味のあるカテゴリーを示すユーザベクトルを生成する第2生成部と、
前記興味ベクトルおよび前記ユーザベクトルに基づいて、前記新規ユーザの興味のあるカテゴリーを推定する推定部と、
を備えることを特徴とする情報処理装置。 - 前記第2取得部は、前記ユーザの移動履歴から前記位置情報を取得する、
ことを特徴とする請求項1に記載の情報処理装置。 - 前記第1生成部は、複数の前記ユーザの前記興味ベクトルを集計し、前記訪問場所における前記興味ベクトルを生成する、
ことを特徴とする請求項1に記載の情報処理装置。 - 前記第1生成部は、前記興味ベクトルを所定の曜日または時間帯ごとに集計し、前記訪問場所における前記興味ベクトルを生成する、
ことを特徴とする請求項1に記載の情報処理装置。 - 前記第2生成部は、前記新規ユーザが所定の時間以上滞在した前記訪問場所における前記ユーザベクトルを生成する、
ことを特徴とする請求項1に記載の情報処理装置。 - 前記第2生成部は、前記訪問場所のうち所定の訪問場所における前記ユーザベクトルを生成する、
ことを特徴とする請求項1に記載の情報処理装置。 - 前記第2生成部は、所定の曜日または時間帯における前記ユーザベクトルを生成する、
ことを特徴とする請求項1または6に記載の情報処理装置。 - 前記第2生成部は、複数の前記訪問場所における前記ユーザベクトルを集計し、前記ユーザベクトルを生成する、
ことを特徴とする請求項1に記載の情報処理装置。 - 情報処理装置によって実行される情報処理方法であって、
検索履歴、閲覧履歴、および購入履歴のうち少なくとも1つを含む、ユーザの情報を取得する第1取得工程と、
前記ユーザの位置情報を取得する第2取得工程と、
前記ユーザの情報および前記位置情報を用いて、訪問場所における前記ユーザの興味のあるカテゴリーを示す興味ベクトルを生成する第1生成工程と、
前記訪問場所における新規ユーザの興味のあるカテゴリーを示すユーザベクトルを生成する第2生成工程と、
前記興味ベクトルおよび前記ユーザベクトルに基づいて、前記新規ユーザの興味のあるカテゴリーを推定する推定工程と、
を含むことを特徴とする情報処理方法。 - 検索履歴、閲覧履歴、および購入履歴のうち少なくとも1つを含む、ユーザの情報を取得する第1取得ステップと、
前記ユーザの位置情報を取得する第2取得ステップと、
前記ユーザの情報および前記位置情報を用いて、訪問場所における前記ユーザの興味のあるカテゴリーを示す興味ベクトルを生成する第1生成ステップと、
前記訪問場所における新規ユーザの興味のあるカテゴリーを示すユーザベクトルを生成する第2生成ステップと、
前記興味ベクトルおよび前記ユーザベクトルに基づいて、前記新規ユーザの興味のあるカテゴリーを推定する推定ステップと、
をコンピュータに実行させることを特徴とする情報処理プログラム。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2021134619A JP7491882B2 (ja) | 2021-08-20 | 2021-08-20 | 情報処理装置、情報処理方法および情報処理プログラム |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2021134619A JP7491882B2 (ja) | 2021-08-20 | 2021-08-20 | 情報処理装置、情報処理方法および情報処理プログラム |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2023028742A JP2023028742A (ja) | 2023-03-03 |
JP7491882B2 true JP7491882B2 (ja) | 2024-05-28 |
Family
ID=85331738
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2021134619A Active JP7491882B2 (ja) | 2021-08-20 | 2021-08-20 | 情報処理装置、情報処理方法および情報処理プログラム |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP7491882B2 (ja) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116521827A (zh) * | 2023-05-19 | 2023-08-01 | 北京百度网讯科技有限公司 | 地理位置的场所类别确定方法、装置、电子设备和介质 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2007323225A (ja) | 2006-05-31 | 2007-12-13 | Access Co Ltd | システム、端末、サーバ、及び、動的情報提供方法 |
JP2012221354A (ja) | 2011-04-12 | 2012-11-12 | Nippon Telegr & Teleph Corp <Ntt> | 嗜好情報推定装置、方法及びプログラム |
-
2021
- 2021-08-20 JP JP2021134619A patent/JP7491882B2/ja active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2007323225A (ja) | 2006-05-31 | 2007-12-13 | Access Co Ltd | システム、端末、サーバ、及び、動的情報提供方法 |
JP2012221354A (ja) | 2011-04-12 | 2012-11-12 | Nippon Telegr & Teleph Corp <Ntt> | 嗜好情報推定装置、方法及びプログラム |
Also Published As
Publication number | Publication date |
---|---|
JP2023028742A (ja) | 2023-03-03 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10726438B2 (en) | Personalized contextual coupon engine | |
US8631122B2 (en) | Determining demographics based on user interaction | |
JP2013512501A (ja) | コンテクスト情報を利用するシステム、装置及び方法 | |
US9767417B1 (en) | Category predictions for user behavior | |
US20200051127A1 (en) | Enhanced permissions management | |
US20140067472A1 (en) | System and Method For Segmenting A Customer Base | |
JP6074524B1 (ja) | 学習装置、学習方法及び学習プログラム | |
JP2016526712A (ja) | デジタルレシート経済 | |
JP7491882B2 (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 | |
JP6243559B2 (ja) | 学習装置、学習方法及び学習プログラム | |
JP2020095608A (ja) | 情報処理装置、情報処理方法、及び情報処理プログラム | |
JP2020095561A (ja) | 情報処理装置、情報処理方法、及び情報処理プログラム | |
JP7195293B2 (ja) | 情報処理装置、情報処理方法、及び情報処理プログラム | |
JP6664598B2 (ja) | 提供装置、提供方法及び提供プログラム | |
JP2021047551A (ja) | 特定装置、特定方法及び特定プログラム | |
US10614485B1 (en) | Determination of financial impact of promotional activities | |
JP2021125146A (ja) | 送信プログラム、送信装置、送信方法及び表示プログラム | |
JP2021082055A (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 | |
JP2020091816A (ja) | 情報処理装置、情報処理方法、及び情報処理プログラム | |
JP7079867B1 (ja) | 生成装置、生成方法及び生成プログラム | |
JP7043650B1 (ja) | 推定装置、推定方法及び推定プログラム | |
JP7453191B2 (ja) | 情報処理装置、情報処理方法、及び情報処理プログラム | |
Liao et al. | Mining marketing knowledge to explore social network sites and online purchase behaviors | |
JP7459028B2 (ja) | 推定装置、推定方法および推定プログラム | |
JP2018018560A (ja) | 学習装置、学習方法及び学習プログラム |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20221020 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20230822 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20230823 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20231018 |
|
A711 | Notification of change in applicant |
Free format text: JAPANESE INTERMEDIATE CODE: A712 Effective date: 20231026 |
|
A02 | Decision of refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A02 Effective date: 20231226 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20240315 |
|
A911 | Transfer to examiner for re-examination before appeal (zenchi) |
Free format text: JAPANESE INTERMEDIATE CODE: A911 Effective date: 20240326 |
|
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: 20240507 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20240516 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 7491882 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |