JP7745801B1 - レコメンドシステム、レコメンドサーバおよびレコメンド方法 - Google Patents

Abstract

【課題】ユーザが抱く漠然としたイメージやニュアンス等をもとにパーソナライズされたレコメンドコンテンツを提示できるようにする。
【解決手段】コンテンツを提供しているサイトの概要情報およびユーザからの自由入力情報を用いてＬＬＭ２により架空のコンテンツ情報を生成する架空商品情報生成部１４と、架空のコンテンツ情報に合致する１つ以上のコンテンツを選出する商品選出部１５と、選出されたコンテンツをユーザに提示するレコメンド商品提示部１７とを備え、ユーザにより入力された自由入力情報に合致する架空のコンテンツ情報を生成し、当該架空のコンテンツ情報に対して所定の条件で合致する１つ以上の実際のコンテンツを選出してユーザにレコメンドすることにより、ユーザが抱く漠然としたイメージやニュアンス等に合わせてパーソナライズされたレコメンドコンテンツをユーザに提示できるようにする。
【選択図】図３

Description

本発明は、レコメンドシステム、レコメンドサーバおよびレコメンド方法に関し、特に、ユーザにパーソナライズされたコンテンツをレコメンドするシステムに関するものである。

従来、ユーザが閲覧する電子商取引（ＥＣ：Electronic Commerce）サイトにおいて、ユーザが興味・関心を示しそうな商品を推測して提示するレコメンド技術が知られている（例えば、特許文献１，２参照）。また、ユーザが興味・関心を示しそうな商品説明文を大規模言語モデルによって生成する技術が知られている（例えば、特許文献３参照）。

特許文献１には、商品画像と商品説明文をマルチモーダルに解析して特徴量をベクトル化し、ベクトルを用いた機械学習によってお薦め商品を提示することが開示されている。具体的に、特許文献１に記載の情報処理装置では、商品画像および商品説明文を含む商品データを特徴量に変換し、商品を購入するユーザの属性（年代、性別および職業等）を表すユーザデータの特徴量と商品データの特徴量とを機械学習することにより、ユーザデータの特徴量と商品データの特徴量との相関関係を学習したモデルを作成する。そして、商品を購入するＥＣサイトにアクセスしてきたユーザに対応するユーザデータの特徴量と商品データの特徴量とを取得し、モデルを適用した機械学習を実行して適合度を算出し、適合度を基に商品の推薦順位を決定する。

特許文献２には、ユーザの入力情報に基づいて架空の商品情報を生成し、架空の商品情報に合致する既存商品を提案することが開示されている。具体的に、特許文献２に記載のコンピュータシステムでは、ユーザがウェブページ上で適宜情報を入力して自分自身で保険設計をすると、保険設計アプリケーションはユーザのニーズにあった架空の保険商品、すなわち理想の保険商品を提示する。その後、保険設計アプリケーションは、ユーザのニーズにあった理想の保険商品の仕様を満たす実際の保険商品を検索し、該当する保険商品をユーザに提案する。

特許文献３には、商品名および商品写真の少なくとも１つに係る商品説明文案を大規模言語モデルにより生成することが開示されている。具体的に、特許文献３に記載の情報処理装置では、ユーザから受け入れた商品名および商品写真の少なくとも１つに対して予め定めたテキストを付加したプロンプトを生成し、生成したプロンプトを大規模言語モデルに入力することにより、商品名および商品写真の少なくとも１つに係る商品説明文案を大規模言語モデルから取得する。

特許文献１に記載の技術によれば、ユーザの属性と相関関係のある商品がレコメンドされることになるが、年代、性別、職業等の括りで相関関係のある商品がレコメンドされるため、必ずしも個々のユーザごとにパーソナライズされたレコメンド商品が提示されるわけではない。これに対し、特許文献２に記載の技術によれば、個々のユーザごとにパーソナライズされたレコメンド商品が提示されるが、ユーザが自分自身で理想の商品を明示的に設計しなければならない。そのため、ユーザが抱く漠然としたイメージやニュアンスをもとにパーソナライズされたレコメンド商品を提示することはできない。

特許第６５４３９８６号公報 特許第６５４２４２０号 公報 特許第７４１１１３７号公報

本発明は、このような問題を解決するために成されたものであり、ユーザに対して、ユーザが抱く漠然としたイメージやニュアンス等に合わせてパーソナライズされたレコメンドコンテンツをユーザに提示できるようにすることを目的とする。

上記した課題を解決するために、本発明のレコメンドシステムは、コンテンツを提供しているサイトの概要を表すサイト概要情報およびユーザからの自由入力情報を用いてプロンプトを生成し、生成したプロンプトを大規模言語モデルに入力することにより架空のコンテンツ情報を生成する架空コンテンツ情報生成部と、サイトで提供されている複数のコンテンツの中から、架空コンテンツ情報生成部により生成された架空のコンテンツ情報に対して所定の条件で合致する１つ以上のコンテンツをレコメンドコンテンツとして選出するコンテンツ選出部と、コンテンツ選出部により選出された１つ以上のレコメンドコンテンツをユーザに提示するレコメンドコンテンツ提示部とを備える。

上記のように構成した本発明によれば、ユーザが抱く漠然としたイメージやニュアンス等を表す情報を自由に入力すると、当該入力された自由入力情報に合致する架空のコンテンツ情報が生成され、当該架空のコンテンツ情報に対して所定の条件で合致する１つ以上の実際のコンテンツが、コンテンツを提供しているサイトの中から選出されてユーザに提示される。これにより、ユーザに対して、ユーザが抱く漠然としたイメージやニュアンス等に合わせてパーソナライズされたレコメンドコンテンツをユーザに提示することができる。

本実施形態によるレコメンドシステムの全体構成例を示す図である。 本実施形態によるＥＣサイトサーバの機能構成例を示すブロック図である。 本実施形態によるレコメンドサーバの機能構成例を示すブロック図である。 ＥＣサイトのウェブページに含まれる検索情報入力欄の一例を示す図である。 商品特徴ベクトル生成部の処理例を示す図である。 架空商品生成部が生成するプロンプトおよびＬＬＭにより生成される架空商品情報の一例を示す図である。 商品説明文生成部が生成するプロンプトの一例を示す図である。 サイト表示部により検索結果として表示されるウェブページの一例を示す図である。 本実施形態によるレコメンドサーバ１の動作例（レコメンド方法の処理手順）を示すフローチャートである。

以下、本発明の一実施形態を図面に基づいて説明する。図１は、本実施形態によるレコメンドシステムの全体構成例を示す図である。本実施形態のレコメンドシステムは、レコメンドサーバ１、大規模言語モデル（ＬＬＭ：Large Language Models）２およびＥＣサイトサーバ３を備えて構成される。このレコメンドシステムに対し、管理者端末４およびユーザ端末５が通信ネットワーク６を介して通信可能に接続される。

ここで、レコメンドサーバ１は、ＬＬＭ２、ＥＣサイトサーバ３および管理者端末４と通信ネットワーク６を介して通信可能に接続される。また、ＥＣサイトサーバ３は、ユーザ端末５と通信ネットワーク６を介して通信可能に接続される。通信ネットワーク６は、例えばインターネットであり、公衆通信回線網や携帯電話回線網などを含んで構築される。通信ネットワーク６の一部に無線通信路やＬＡＮ（Local Area Network）などを含んでもよい。

レコメンドサーバ１は、例えばワークステーションやパーソナルコンピュータのような汎用コンピュータ、あるいはクラウド・コンピューティングによって論理的に実現された装置である。レコメンドサーバ１は、１台のサーバ装置により構成してもよいし、複数台のサーバ装置の組み合わせにより構成してもよい。レコメンドサーバ１は、ＥＣサイトサーバ３とＷｅｂＡＰＩにより連携し、ＥＣサイトサーバ３により提示されるＥＣサイト（コンテンツを提供しているサイトの一例）に掲載されている複数の商品（コンテンツの一例）の中から何れかを選出し、選出した商品をＥＣサイトサーバ３のＥＣサイトを通じてユーザにレコメンドする処理を実行する。

ＬＬＭ２は、レコメンドサーバ１がレコメンド情報（レコメンド商品の情報および１つ以上のレコメンド商品に関する商品説明文の情報を含む）を生成する際に利用される生成ＡＩである。ＬＬＭ２は、大量のテキストデータや画像データを使ってトレーニングされた深層学習モデルであり、レコメンドサーバ１から指示文や参照情報等を含むプロンプトを入力し、指示内容に応じた回答情報を生成してレコメンドサーバ１に応答する。

ＥＣサイトサーバ３は、例えばワークステーションやパーソナルコンピュータのような汎用コンピュータ、あるいはクラウド・コンピューティングによって論理的に実現された装置である。ＥＣサイトサーバ３は、１台のサーバ装置により構成してもよいし、複数台のサーバ装置の組み合わせにより構成してもよい。ＥＣサイトサーバ３は、ユーザ端末５からの要求に応じてＥＣサイトのウェブページをユーザ端末５に表示させる処理を実行する。また、ＥＣサイトサーバ３は、レコメンドサーバ１とＷｅｂＡＰＩにより連携し、ユーザからの検索情報入力に応じてレコメンドサーバ１に検索を要求し、その応答して受信したレコメンド情報をユーザ端末５に提供する処理も実行する。

管理者端末４は、ＥＣサイトサーバ３の管理者が使用する端末であり、例えば、スマートフォン、タブレット、パーソナルコンピュータなどで構成される。管理者端末４は、管理者端末４で実行されるアプリケーションやＷｅｂブラウザにより、通信ネットワーク６を介してレコメンドサーバ１にアクセスすることが可能である。例えば、管理者端末４は、レコメンドサーバ１がＬＬＭ２を利用してレコメンド情報を生成する際に与える任意の条件やその他必要な情報をレコメンドサーバ１に設定することが可能である。

ユーザ端末５は、消費者等のエンドユーザが使用する端末であり、例えば、スマートフォン、タブレット、パーソナルコンピュータ、スマートテレビ、スマートウォッチ、スマート家電などで構成される。その他、通信ネットワーク６に接続して様々なコンテンツを利用できる機器であれば、ユーザ端末５として用いることが可能である。ユーザ端末５は、ユーザ端末５で実行されるアプリケーションやＷｅｂブラウザにより、通信ネットワーク６を介してＥＣサイトサーバ３にアクセスし、ＥＣサイトを閲覧することが可能である。また、ユーザ端末５は、ＥＣサイトに用意された検索画面に任意の情報を入力して商品の検索を行うことが可能である。詳細を後述するように、本実施形態では、単なるキーワード検索だけではなく、ユーザの漠然とした希望や気持ちなどを自由文として入力して商品検索を行うことを可能とし、これによってオンライン上で実店舗における購買体験を再現できるようにする。

図２は、本実施形態によるＥＣサイトサーバ３の機能構成例を示すブロック図である。図３は、本実施形態によるレコメンドサーバ１の機能構成例を示すブロック図である。以下に、図２および図３を用いてＥＣサイトサーバ３およびレコメンドサーバ１の機能構成について説明する。

図２に示すように、本実施形態のＥＣサイトサーバ３は、機能構成として、サイト表示部３１、マスタ情報提供部３２、検索情報取得部３３、検索要求部３４および検索結果受信部３５を備えている。また、ＥＣサイトサーバ３は、記憶媒体として、商品マスタＤＢ記憶部３６を備えている。

機能ブロック３１～３５は、ハードウェアとソフトウェアとの協働によって以下に述べる処理を実行するものである。例えば、機能ブロック３１～３５の処理は、ＣＰＵ、ＲＡＭ、ＲＯＭなどを備えて構成されたマイクロコンピュータによるプロセッサの制御により、ＲＡＭやＲＯＭ、ハードディスクまたは半導体メモリ等の記憶媒体に記憶されたプログラムが動作することによって実行される。

図３に示すように、本実施形態のレコメンドサーバ１は、機能構成として、条件設定部１１、マスタ情報生成部１２、商品特徴ベクトル生成部１３、架空商品情報生成部１４、商品選出部１５、商品説明文生成部１６およびレコメンド商品提示部１７を備えている。架空商品情報生成部１４は、より具体的な機能構成として、架空商品生成部１４ａおよび架空商品特徴ベクトル生成部１４ｂを備えている。また、レコメンドサーバ１は、記憶媒体として、管理マスタＤＢ記憶部１８および特徴ベクトル記憶部１９を備えている。商品特徴ベクトル生成部１３、架空商品情報生成部１４、商品選出部１５、商品説明文生成部１６、レコメンド商品提示部１７、架空商品生成部１４ａおよび架空商品特徴ベクトル生成部１４ｂは、それぞれコンテンツ特徴ベクトル生成部、架空コンテンツ情報生成部、コンテンツ選出部、コンテンツ説明文生成部、レコメンドコンテンツ提示部、架空コンテンツ生成部および架空コンテンツ特徴ベクトル生成部の一例である。

機能ブロック１１～１７は、ハードウェアとソフトウェアとの協働によって以下に述べる処理を実行するものである。例えば、機能ブロック１１～１７の処理は、ＣＰＵ、ＲＡＭ、ＲＯＭなどを備えて構成されたマイクロコンピュータによるプロセッサの制御により、ＲＡＭやＲＯＭ、ハードディスクまたは半導体メモリ等の記憶媒体に記憶されたプログラムが動作することによって実行される。

図２に示すＥＣサイトサーバ３の構成において、商品マスタＤＢ記憶部３６は、ＥＣサイトにおいて表示する商品（アイテム）に関するマスタ情報を記憶する。商品マスタＤＢ記憶部３６に記憶される商品マスタ情報は、例えば、商品を一意に識別するＩＤ、商品名（商品タイトル）、商品画像、商品説明文、商品カテゴリ、価格、在庫状況などの情報を含む。商品画像は、静止画であってもよいし、動画であってもよい。

サイト表示部３１は、ユーザ端末５のウェブブラウザからの要求に応じて、商品マスタＤＢ記憶部３６に記憶されている商品マスタ情報を用いて、ＥＣサイトのウェブページを生成し、ウェブブラウザに表示させる。ウェブブラウザに表示されるウェブページには、商品名、商品画像、商品説明文、商品カテゴリ、価格、在庫状況などの情報が含まれる。

マスタ情報提供部３２は、レコメンドサーバ１からの要求に応じて、商品マスタＤＢ記憶部３６に記憶されている商品マスタ情報をレコメンドサーバ１に提供する。レコメンドサーバ１は、ＥＣサイトに掲載されている複数の商品の中から何れかを選出してレコメンド商品の情報を生成するために、ＥＣサイトサーバ３で管理されている商品マスタ情報を複製して保管する。このために、レコメンドサーバ１はＥＣサイトサーバ３に商品マスタ情報の提供を要求し、この要求を受けたマスタ情報提供部３２が商品マスタ情報をレコメンドサーバ１に提供する。

検索情報取得部３３は、サイト表示部３１により表示されたＥＣサイトのウェブページに含まれる検索情報入力欄を通じてユーザにより入力される任意の検索情報をユーザ端末５から取得する。図４は、ＥＣサイトのウェブページに含まれる検索情報入力欄１０１の一例を示す図である。図４に示すように、ユーザは、検索情報入力欄１０１に任意の自由文を入力して検索ボタン１０２を押すことにより、検索の実行をＥＣサイトサーバ３に要求することが可能である。

上述したように、本実施形態では、ユーザの漠然とした希望や気持ち、ユーザが抱く漠然としたイメージやニュアンスなどを検索情報入力欄１０１に自由文により入力して商品検索を行うことが可能である。もちろん、検索情報入力欄１０１に検索キーワードを入力して商品検索を行うことも可能である。検索ボタン１０２が押されると、ユーザにより検索情報入力欄１０１に入力された自由文による検索情報（自由入力情報）がユーザ端末５からＥＣサイトサーバ３に送信され、検索情報取得部３３にて取得される。

なお、図４に示す検索情報入力欄１０１は、ＥＣサイトのトップページにのみ含ませようにしてもよいし、ＥＣサイトに含まれる複数のウェブページに含ませるようにしてもよい。例えば、商品カテゴリごとに異なるウェブページが存在する場合、各商品カテゴリのウェブページに検索情報入力欄１０１を含ませるようにしてもよい。このように複数のウェブページに検索情報入力欄１０１を含ませる場合、ユーザ端末５からＥＣサイトサーバ３に送信される検索要求には、検索情報の他にウェブページの識別情報が含まれる。

検索要求部３４は、検索情報取得部３３により取得された検索情報（およびウェブページの識別情報。以下の説明において同様）をレコメンドサーバ１に送信してレコメンド商品の検索を要求する。この検索要求を受けたレコメンドサーバ１は、レコメンド商品の検索を実行し、検索結果の情報をＥＣサイトサーバ３に応答する。ＥＣサイトサーバ３の検索結果受信部３５は、レコメンドサーバ１から検索結果の情報、すなわちレコメンド情報を受信し、サイト表示部３１に供給する。サイト表示部３１は、ユーザ端末５からの検索要求に対する応答（検索情報取得部３３がユーザ端末５から検索情報を取得したことに対する応答）として、レコメンド情報をＥＣサイトのウェブページに表示する。

図３に示すレコメンドサーバ１の構成において、条件設定部１１は、レコメンドサーバ１から管理者端末４に提供される管理画面を通じてから管理者端末４において入力される情報に従って、レコメンドサーバ１がレコメンド情報を生成することに関して任意の条件を設定する。例えば、条件設定部１１は、マスタ情報生成部１２がＥＣサイトサーバ３から商品マスタ情報を取得する際にその対象から除外する商品を指定するためのフィルタ条件を設定する。一例として、特定のカテゴリや特定の価格帯の商品、在庫切れの商品など、検索対象から外したい商品を指定するための条件設定を行うことが可能である。

また、条件設定部１１は、商品説明文生成部１６がＬＬＭ２を用いてレコメンド商品の商品説明文を生成する際に与える任意の条件を設定する（商品説明文生成部１６についての詳細は後述する）。一例として、「カジュアルな口調で説明」、「専門用語を避けて説明」、「専門用語を使って説明」、「英語で説明」、「絵文字を活用した親しみやすい表現で説明」など、ＬＬＭ２が生成する商品説明文の内容を調整するための条件を設定することが可能である。これにより、ＥＣサイトのトーンや対象ユーザなどに合わせて商品説明文をカスタマイズすることが可能となる。

マスタ情報生成部１２は、条件設定部１１により設定された条件、それに含まれるフィルタ条件のもとでＥＣサイトサーバ３のマスタ情報提供部３２から取得した商品マスタ情報、および管理者端末４から入力されるその他の情報を用いて、レコメンド情報を生成するために用いる管理用マスタ情報を生成し、管理マスタＤＢ記憶部１８に記憶する。管理マスタＤＢ記憶部１８に記憶される管理用マスタ情報は、例えば、ＥＣサイト（またはＥＣサイトの運営会社）を一意に識別するＩＤ、ＥＣサイトのドメイン、ウェブページを一意に識別するＩＤ、ＥＣサイトサーバ３から取得した商品マスタ情報（複製加工したもの）、条件設定部１１により設定された条件などの情報を含む。

管理マスタＤＢ記憶部１８に記憶される管理用マスタ情報は更に、ＬＬＭ２に供給するプロンプトで使用する指示文のテンプレート、サイト表示部３１がレコメンド情報のウェブページを表示する際に使用するＨＴＭＬのテンプレート、ＥＣサイトの概要を表すサイト概要情報などを含む。テンプレートの情報は、管理マスタＤＢ記憶部１８にあらかじめ記憶されている。サイト概要情報は、ＥＣサイトの目的や特徴を簡易的に表す情報であり、レコメンドサーバ１から管理者端末４に提供される管理画面を通じてから管理者端末４から入力される情報に従って管理マスタＤＢ記憶部１８に登録される。

例えば、ＥＣサイトの名称、ＥＣサイトを運営する実店舗の名称、ＥＣサイトで取り扱う商品のカテゴリ、ＥＣサイトで取り扱う商品の主要な特徴を表した要約文などがサイト概要情報として管理マスタＤＢ記憶部１８に記憶される。ＥＣサイト全体の概要を表したサイト概要情報を管理マスタＤＢ記憶部１８に記憶するようにしてもよいし、ＥＣサイトに含まれる複数のウェブページごとに概要を表した複数のサイト概要情報を管理マスタＤＢ記憶部１８に記憶するようにしてもよい。

商品特徴ベクトル生成部１３は、ＥＣサイトに掲載されている複数の商品に関する情報からそれぞれ商品特徴ベクトルを生成し、データベースとして特徴ベクトル記憶部１９に記憶する。なお、ここでは管理マスタＤＢ記憶部１８と特徴ベクトル記憶部１９とを別構成として示しているが、商品特徴ベクトル生成部１３により生成された商品特徴ベクトルを管理マスタＤＢ記憶部１８にて他の情報と共に統合的に記憶するようにしてもよい。

例えば、商品特徴ベクトル生成部１３は、管理マスタＤＢ記憶部１８に複製として記憶されている商品マスタ情報のうち、商品画像および商品説明文を用いて商品特徴ベクトルを生成する。例えば、商品特徴ベクトル生成部１３は、商品画像および商品説明文から特徴量を特定し、その特徴量をベクトル列（数値データ列）に変換する。

図５は、商品特徴ベクトル生成部１３の処理例を示す図である。商品特徴ベクトル生成部１３は、一例として図５に示すように、管理マスタＤＢ記憶部１８に記憶されている商品画像および指示文のテンプレートを用いてプロンプト２０１を生成し、生成したプロンプト２０１をＬＬＭ２に入力することにより、商品画像から推測される商品説明文２０２を生成する。そして、商品特徴ベクトル生成部１３は、商品画像から生成した商品説明文２０２と、管理マスタＤＢ記憶部１８に複製として記憶されている商品説明文２０３とから商品特徴ベクトルを生成し、生成した商品特徴ベクトルをデータベースとして特徴ベクトル記憶部１９に記憶する。

商品説明文から商品特徴ベクトルを生成する方法は任意である。一例として、商品特徴ベクトル生成部１３は、商品説明文を形態素解析して単語に分解し、各単語の出現頻度やＴＦ－ＩＤＦ（Term Frequency－Inverse Document Frequency）などを算出し、これらを特徴量として商品特徴ベクトルを生成する。なお、ここで説明した処理は一例であり、これに限定されない。例えば、ＴＦ－ＩＤＦ値を特異値分解等により次元圧縮し、文章の意味的な特徴量を抽出するようにしてもよい。あるいは、形態素解析して抽出した単語を分散表現に変換し、当該分散表現を用いて商品特徴ベクトルを生成するようにしてもよい。あるいは、形態素解析して抽出した単語をn-gram言語モデルに適用し、取得したn-gramを特徴量として商品特徴ベクトルを生成するようにしてもよい。

架空商品情報生成部１４の架空商品生成部１４ａは、管理マスタＤＢ記憶部１８に管理用マスタ情報として記憶されているサイト概要情報および指示文のテンプレートと、ＥＣサイトサーバ３の検索要求部３４により送信された検索要求に含まれる検索情報（ユーザからの自由入力情報）とを用いてプロンプトを生成し、生成したプロンプトをＬＬＭ２に入力することにより、架空の商品情報（架空のコンテンツ情報の一例）を生成する。架空の商品情報は、例えば架空の商品タイトル（商品名）および架空の商品説明文を含む。

図６は、架空商品生成部１４ａが生成するプロンプトおよびＬＬＭ２により生成される架空商品情報の一例を示す図である。図６（ａ）に例示するプロンプト３０１内の指示文は、管理マスタＤＢ記憶部１８に記憶されているテンプレートから作られる。プロンプト３０１内のサイト概要情報は、管理マスタＤＢ記憶部１８に記憶されている管理用マスタ情報から転記される。ここで、検索情報にウェブページの識別情報が含まれる場合、架空商品生成部１４ａは、そのウェブページに対応するサイト概要情報を用いてプロンプト３０１を生成する。プロンプト３０１内のユーザ希望情報は、検索要求部３４により送信された検索要求に含まれるユーザからの自由入力情報が転記される。このプロンプト３０１をＬＬＭ２に入力すると、図６（ｂ）に示すような架空商品情報３０２が生成される。

架空商品情報生成部１４の架空商品特徴ベクトル生成部１４ｂは、架空商品生成部１４ａにより生成された架空の商品情報（架空の商品タイトルおよび架空の商品説明文）から架空商品特徴ベクトルを生成する。架空の商品情報から架空商品特徴ベクトルを生成する方法は任意である。一例として、架空商品特徴ベクトル生成部１４ｂは、商品特徴ベクトル生成部１３と同様の方法により架空商品特徴ベクトルを生成する。

商品選出部１５は、ＥＣサイトに掲載されている複数の商品（管理マスタＤＢ記憶部１８に管理用マスタ情報として記憶されている複数の商品）の中から、架空商品情報生成部１４により生成された架空の商品情報に対して所定の条件で合致する１つ以上の商品をレコメンド商品として選出する。本実施形態において商品選出部１５は、特徴ベクトル記憶部１９にデータベースとして記憶された複数の商品特徴ベクトル（ＥＣサイトに掲載されている複数の商品に関する情報から生成されたもの）と、架空商品特徴ベクトル生成部１４ｂにより生成された架空商品特徴ベクトルとの類似度に関して所定の条件で合致する１つ以上の商品をレコメンド商品として選出する。

例えば、商品選出部１５は、商品特徴ベクトルと架空商品特徴ベクトルとの類似度が最も大きい方から所定数の商品をレコメンド商品として選出する。あるいは、商品選出部１５は、商品特徴ベクトルと架空商品特徴ベクトルとの類似度が所定値より大きい商品をレコメンド商品として選出するようにしてもよい。商品特徴ベクトルと架空商品特徴ベクトルとの類似度は、例えばコサイン類似度、ユークリッド距離、内積あるいはハミング距離などによって算出することが可能である。

商品説明文生成部１６は、商品選出部１５により選出された１つ以上のレコメンド商品の情報と、管理マスタＤＢ記憶部１８に記憶されている指示文のテンプレートと、条件設定部１１により設定されて管理マスタＤＢ記憶部１８に管理用マスタ情報として記憶された条件を示す情報とを用いてプロンプトを生成し、生成したプロンプトをＬＬＭ２に入力することにより、１つ以上のレコメンド商品に関する商品説明文を生成する。ここで生成する商品説明文は、１つ以上のレコメンド商品の共通点を捉えた上で購買を促す訴求文であり、例えばキャプション（見出し）、キャッチフレーズなどとすることが可能である。

図７は、商品説明文生成部１６が生成するプロンプト４０１の一例を示す図である。図７に例示するプロンプト４０１内の指示文は、管理マスタＤＢ記憶部１８に記憶されているテンプレートから作られる。プロンプト４０１内の商品情報は、商品選出部１５により選出された１つ以上のレコメンド商品に関して管理マスタＤＢ記憶部１８に管理用マスタ情報として記憶されている商品名および商品説明文が転記される。プロンプト４０１内の条件は、管理マスタＤＢ記憶部１８に管理用マスタ情報として記憶されている設定条件から転記される。ここで用いる条件は、ウェブページごとに設定された条件であってもよい。

なお、商品説明文生成部１６は、商品選出部１５により選出された１つ以上のレコメンド商品の情報に加え、管理マスタＤＢ記憶部１８に記憶されているサイト概要情報および架空商品情報生成部１４がＥＣサイトサーバ３より取得した自由入力情報の少なくとも一方を用いてプロンプトを生成するようにしてもよい。このようにすることにより、レコメンド商品が掲載されているＥＣサイトの概要情報や、ユーザが検索情報として入力したユーザの漠然とした希望や気持ち等を加味した総合的な分析に基づいて、１つ以上のレコメンド商品に関する商品説明文を生成することが可能である。

レコメンド商品提示部１７は、商品選出部１５により選出された１つ以上のレコメンド商品および商品説明文生成部１６により生成された商品説明文をユーザに提示する。すなわち、レコメンド商品提示部１７は、管理マスタＤＢ記憶部１８に記憶されているＨＴＭＬのテンプレートを用いて、１つ以上のレコメンド商品および商品説明文を含むウェブページを生成してＥＣサイトサーバ３に提供する。ＥＣサイトサーバ３では、このウェブページのデータを検索結果受信部３５にて受信し、サイト表示部３１によってＥＣサイト上に表示する。

図８は、サイト表示部３１により検索結果として表示されるウェブページ５０１の一例を示す図である。図８の例では、４つのレコメンド商品のそれぞれについて商標名、商品画像、商品説明文および価格が表示されるとともに、４つのレコメンド商品に関して商品説明文生成部１６により生成されたキャプション５０２が表示されている。商標名、商品画像、商品説明文および価格は、管理マスタＤＢ記憶部１８に記憶されている商品マスタ情報に基づいて生成される。

図９は、以上のように構成した本実施形態によるレコメンドサーバ１の動作例（レコメンド方法の処理手順）を示すフローチャートである。ここでは、マスタ情報生成部１２および商品特徴ベクトル生成部１３の処理が既に完了しており、管理マスタＤＢ記憶部１８および特徴ベクトル記憶部１９には管理用マスタ情報および商品特徴ベクトルが記憶されているものとする。

まず、架空商品情報生成部１４は、ＥＣサイトサーバ３の検索要求部３４から送信された検索要求を受信する（ステップＳ１）。この検索要求には、ユーザにより入力された検索情報（自由入力情報）が含まれる。架空商品情報生成部１４が検索要求を受信すると、架空商品生成部１４ａは、管理マスタＤＢ記憶部１８に記憶されているサイト概要情報およびユーザからの自由入力情報を用いてプロンプトを生成し、生成したプロンプトをＬＬＭ２に入力することにより、架空の商品情報を生成する（ステップＳ２）。また、架空商品特徴ベクトル生成部１４ｂは、架空商品生成部１４ａにより生成された架空の商品情報から架空商品特徴ベクトルを生成する（ステップＳ３）。

次に、商品選出部１５は、特徴ベクトル記憶部１９に記憶されている複数の商品特徴ベクトル（ＥＣサイトに掲載されている複数の商品に関する情報から生成されたもの）と、架空商品特徴ベクトル生成部１４ｂにより生成された架空商品特徴ベクトルとの類似演算に基づいて、ＥＣサイトに掲載されている複数の商品の中から１つ以上のレコメンド商品を選出する（ステップＳ４）。

また、商品説明文生成部１６は、商品選出部１５により選出された１つ以上のレコメンド商品の情報と、管理マスタＤＢ記憶部１８に記憶されている条件を示す情報とを用いてプロンプトを生成し、生成したプロンプトをＬＬＭ２に入力することにより、１つ以上のレコメンド商品に関する商品説明文を生成する（ステップＳ５）。ここで、管理マスタＤＢ記憶部１８に記憶されているサイト概要情報および架空商品情報生成部１４がＥＣサイトサーバ３より取得した自由入力情報を用いてプロンプトを生成するようにしてもよい。

次に、レコメンド商品提示部１７は、管理マスタＤＢ記憶部１８に記憶されているＨＴＭＬのテンプレートを用いて、１つ以上のレコメンド商品および商品説明文を含むウェブページを生成し、これを検索要求に対する応答としてＥＣサイトサーバ３に提供し、１つ以上のレコメンド商品および商品説明文をＥＣサイト上への表示によってユーザに提示する（ステップＳ６）。これにより、図９に示すフローチャートの処理が終了する。

以上詳しく説明したように、本実施形態によれば、ユーザが抱く漠然としたイメージやニュアンス等を表す検索情報を自由に入力すると、当該入力された自由入力情報に合致する架空の商品情報が生成され、当該架空の商品情報に対して所定の条件で合致する１つ以上の実際の商品がＥＣサイトの中から選出されてユーザに提示される。これにより、ＥＣサイトを閲覧しているユーザに対して、ユーザが抱く漠然としたイメージやニュアンス等に合わせてパーソナライズされたレコメンド商品をユーザに提示することができる。

また、本実施形態によれば、選出された１つ以上のレコメンド商品に関して、それらの共通点を捉えて表現した商品説明文（キャプションやキャッチフレーズ等）を生成し、１つ以上のレコメンド商品に合わせて商品説明文をユーザに提示するようにしているので、レコメンド商品の魅力を高める演出を実現し、ユーザの購買意欲を高めることができる。

なお、上記実施形態では、商品特徴ベクトル生成部１３が商品画像および商品説明文を用いて商品特徴ベクトルを生成する例について説明したが、これに限定されない。例えば、商品画像または商品説明文の何れか一方から商品特徴ベクトルを生成するようにしてもよい。あるいは、商品画像および商品説明文に加え、別の情報も用いて商品特徴ベクトルを生成するようにしてもよい。例えば、商品画像、商品タイトルおよび商品説明文から商品特徴ベクトルを生成するようにしてもよい。

また、上記実施形態では、ＬＬＭ２により商品画像から商品説明文を生成し、当該生成した商品説明文および商品マスタ情報としての商品説明文から商品特徴ベクトルを生成する例について説明したが、この処理に限定されない。例えば、商品画像から画像としての特徴量を特定してその特徴量を用いて商品画像特徴ベクトルを生成するとともに、商品マスタ情報の商品説明文から文章としての特徴量を特定してその特徴量を用いて説明文特徴ベクトルを生成し、商品画像特徴ベクトルと説明文特徴ベクトルとのベクトル演算によって商品特徴ベクトルを生成するようにしてもよい。

また、上記実施形態では、管理マスタＤＢ記憶部１８に記憶されているサイト概要情報およびユーザからの自由入力情報を用いて架空の商品情報を生成する例について説明したが、これに限定されない。例えば、サイト概要情報に代えてまたは加えて、管理マスタＤＢ記憶部１８に記憶されている別の情報と自由入力情報とを用いて架空の商品情報を生成するようにしてもよい。別の情報の一例として、各商品の商品タイトル、商品画像、商品説明文のうち少なくとも１つが挙げられる。例えば、これらの情報のうち少なくとも１つをＬＬＭ２に入力することによってサイト概要情報を生成し、生成したサイト概要情報とユーザからの自由入力情報とを用いて架空の商品情報を生成するようにしてもよい。

また、上記実施形態では、ユーザからの自由入力情報をテキストデータで入力する例について説明したが、これに限定されない。例えば、音声データで入力するようにしてもよい。この場合、音声データに対して音声認識処理を行うことによってテキストデータを生成し、生成したテキストデータをＬＬＭ２に入力して架空の商品情報を生成するようにしてもよい。あるいは、入力された音声データをそのまま用いて架空の商品情報を生成するようにしてもよい。この場合、ＬＬＭ２は、音声データを使ってトレーニングされた深層学習モデルとして構築される。また、自由入力情報を画像データで入力するようにしてもよい。

また、上記実施形態では、架空の商品情報として、架空の商品タイトルおよび架空の商品説明文を生成する例について説明したが、これに限定されない。例えば、これに代えてまたは加えて別の情報を生成するようにしてもよい。別の情報の一例として、商品カテゴリ、商品画像などが挙げられる。

また、上記実施形態では、複数の商品に関する商品特徴ベクトルと架空商品特徴ベクトルとの類似度に基づいてレコメンド商品を選出する例について説明したが、これに限定されない。例えば、特徴ベクトルを用いたクラスタリングによりレコメンド商品を選出するようにしてもよい。具体例として、商品特徴ベクトルをＵＭＡＰ（Uniform Manifold Approximation and Projection）等の手法を用いて次元削減し、ＨＤＢＳＣＡＮ＊（Hierarchical Density-Based Spatial Clustering of Applications with Noise）等の手法を用いて、次元削減された商品特徴ベクトルに基づき商品のクラスタリングを行う。そして、生成されたクラスタの中から、架空商品特徴ベクトルに類似するクラスタを選択し、そのクラスタ内に含まれる商品をレコメンド商品として選出する。

この他、ｋ近傍法などの分類モデル、あるいはサポートベクターマシンやニューラルネットワークによる機械学習を用いて、複数の商品の中から架空の商品に類似する１つ以上の商品を選出するようにしてもよい。サポートベクターマシンを用いる場合は、例えばあらかじめ用意した学習データによって識別境界を機械学習した分類モデルを生成することにより、架空の商品に類似する１つ以上の商品を選出することが可能である。ニューラルネットワークを用いる場合は、例えばあらかじめ用意した学習データによって商品情報間の関係を機械学習した判定モデルを生成することにより、架空の商品に類似する１つ以上の商品を選出することが可能である。

また、上記実施形態では、商品説明文生成部１６が、条件設定部１１により設定された条件（ＥＣサイトサーバ３の管理者により設定された条件）を示す情報を用いてプロンプトを生成する例について説明したが、この機能は必須ではない。なお、この機能を備えることにより、ＥＣサイトの特徴や主なターゲットユーザなどに合わせて、ＬＬＭ２により生成される商品説明文を調整することが可能となる点で好ましい。

また、上記実施形態では、レコメンド商品提示部１７が、商品選出部１５により選出された１つ以上のレコメンド商品と、商品説明文生成部１６により生成された商品説明文とをユーザに提示する例について説明したが、これに限定されない。例えば、１つ以上のレコメンド商品のみをユーザに提示するようにしてもよい。なお、商品説明文を併せてユーザに提示することにより、上述したようにレコメンド商品の魅力を高める演出をしてユーザの購買意欲を高めることができる点で好ましい。

また、レコメンド商品提示部１７は、商品説明文生成部１６により生成された商品説明文をユーザに提示することに代えて、架空商品情報生成部１４により生成された架空の商品説明文をユーザに提示するようにしてもよい。架空の商品説明文はＥＣサイトのサイト概要情報とユーザからの自由入力情報とを用いて生成されるので、架空の商品情報に基づいて選出される１つ以上のレコメンド商品の共通点を捉えた内容で、かつユーザの漠然とした希望や気持ち等を反映した商品説明文となっている可能性がある。よって、架空の商品説明文をユーザに提示する場合も、レコメンド商品に対するユーザの購買意欲を高めることが可能である。なお、架空商品情報生成部１４により生成された架空の商品説明文そのものではなく、この商品説明文をもとに簡単なキャプションやキャッチフレーズを生成してユーザに提示するようにしてもよい。

また、上記実施形態では、条件設定部１１において、マスタ情報生成部１２がＥＣサイトサーバ３から商品マスタ情報を取得する対象から除外する商品を指定するためのフィルタ条件や、商品説明文生成部１６がＬＬＭ２を用いてレコメンド商品の商品説明文を生成する際にプロンプトに付記する条件を設定する例について説明したが、これに限定されない。例えば、これらの条件に加えて、商品選出部１５が選出するレコメンド商品の数を指定できるようにしてもよい。

また、上記実施形態では、架空商品情報生成部１４が架空の商品情報を１つ生成する例について説明したが、複数生成するようにしてもよい。この場合、生成した複数の架空商品ごとに１つ以上のレコメンド商品を選出し、それぞれをレコメンド商品グループとしてユーザに提示するようにしてもよい。この場合、商品説明文生成部１６は、レコメンド商品グループごとに商品説明文を生成する。例えば、「夏のカジュアルウェア」、「オフィス向けフォーマル服」、「アウトドア用品」など、似た特性や目的を持つ商品をまとめた商品グループを生成するようにしてもよい。

また、上記実施形態では、コンテンツを提供しているサイトの一例としてＥＣサイトを挙げ、コンテンツの一例として商品を挙げて説明したが、本発明はこれに限定されない。例えば、各種ウェブサイトで提供している複数のコンテンツの中から何れかのコンテンツを選出してユーザにレコメンドすることに関して、上記実施形態と同様の処理を適用することが可能である。

例えば、動画配信サイト、音楽配信サイト、ニュース配信サイト、ＳＮＳ（ソーシャルネットワーキングサービス）サイト、オンライン学習プラットフォームなどのウェブサイトにおいて提供されているコンテンツの中から、上記実施形態と同様の処理を実行して選出されるコンテンツをユーザにレコメンドすることが可能である。この場合、ユーザに提供するレコメンドコンテンツは、例えば動画、音楽、ニュース、ＳＮＳの投稿情報または投稿者情報、学習教材などである。コンテンツ特徴ベクトル生成部がコンテンツ特徴ベクトルを生成する際に使用する情報および架空コンテンツ情報生成部が生成する架空のコンテンツ情報は、例えばコンテンツのタイトル、説明文、ジャンル、動画のサムネイル画像、音楽のアーティスト名やアルバム名、ＳＮＳへの投稿者の情報などを含む。

別の例として、求人情報サイトに代表される各種マッチングサイトにおいて、データベースに登録されているコンテンツの中から、上記実施形態と同様の処理を実行して選出されるコンテンツをユーザにレコメンドすることも可能である。例えば求人情報サイトの場合、求職者から入力される自由入力情報をもとに架空の企業情報を生成し、求人情報サイトのデータベースに登録されている実際の求人企業の中から何れかの企業を求職者にレコメンドすることが可能である。また、これとは逆に、求人企業から入力される自由入力情報をもとに架空の求職者情報を生成し、求人情報サイトのデータベースに登録されている実際の求職者の中から何れかの求職者を求人企業にレコメンドすることも可能である。これらの場合、コンテンツ特徴ベクトル生成部がコンテンツ特徴ベクトルを生成する際に使用する情報および架空コンテンツ情報生成部が生成する架空のコンテンツ情報は、例えば求職者／求人企業の属性、プロフィール、説明文などマッチングに使用され得る情報を含む。

別の例として、情報検索サイトにおいて、当該サイトの管理サーバまたは外部サーバが備えるデータベースに登録されている検索用コンテンツの中から、上記実施形態と同様の処理を実行して選出されるコンテンツをユーザにレコメンドすることも可能である。この場合、情報検索サイトがもともと有している検索情報入力欄の他に、上記実施形態と同様の処理の実行に使用するための自由入力情報を入力するための検索情報入力欄を設けるようにしてもよい。あるいは、情報検索サイトがもともと有している検索情報入力欄のみを有し、当該検索情報入力欄に入力された情報をもとに、情報検索サイトがもともと有している検索機能を実行するとともに、上記実施形態と同様の処理を実行し、それぞれの実行結果をユーザに提示するようにしてもよい。

更に別の例として、ウェブサイトではなく、実店舗などのサイトにおいて販売しているコンテンツの中から、上記実施形態と同様の処理を実行して選出されるコンテンツをユーザにレコメンドすることも可能である。例えば、ユーザが自由入力情報を入力するための端末を実店舗に備えるようにし、当該端末から入力された自由入力情報をもとに、実店舗で販売しているコンテンツの情報を蓄積したデータベース（例えば、端末に通信ネットワークを介して接続されたサーバ装置に備えられる）の中から何れかのコンテンツを選出して、選択したコンテンツを端末に表示することによってユーザにレコメンドすることが可能である。このとき、在庫管理システムに在庫の有無を問い合わせ、その実店舗に在庫があるコンテンツのみを選出してレコメンドするようにしてもよい。

以上に説明した各機能または各処理は、適宜組み合わせて適用することが可能である。本実施形態に適用され得る構成の例を以下に整理する。

[構成１]
コンテンツを提供しているサイトの概要を表すサイト概要情報およびユーザからの自由入力情報を用いてプロンプトを生成し、生成したプロンプトを大規模言語モデルに入力することにより架空のコンテンツ情報を生成する架空コンテンツ情報生成部と、
上記サイトで提供されている複数のコンテンツの中から、上記架空コンテンツ情報生成部により生成された上記架空のコンテンツ情報に対して所定の条件で合致する１つ以上のコンテンツをレコメンドコンテンツとして選出するコンテンツ選出部と、
上記コンテンツ選出部により選出された上記１つ以上のレコメンドコンテンツを上記ユーザに提示するレコメンドコンテンツ提示部とを備えた
ことを特徴とするレコメンドシステム。

[構成２]
上記架空コンテンツ情報生成部は、上記架空のコンテンツ情報から架空コンテンツ特徴ベクトルを生成し、
上記コンテンツ選出部は、上記サイトで提供されている上記複数のコンテンツに関する情報から生成されてデータベースとして記憶された複数のコンテンツ特徴ベクトルと、上記架空コンテンツ特徴ベクトルとの類似度に関して上記所定の条件で合致する１つ以上のコンテンツを上記レコメンドコンテンツとして選出する
ことを特徴とする構成１に記載のレコメンドシステム。

[構成３]
上記複数のコンテンツに関する情報は、コンテンツ画像およびコンテンツ説明文を含み、
上記コンテンツ画像を用いて生成したプロンプトを大規模言語モデルに入力することによりコンテンツ説明文を生成し、当該生成したコンテンツ説明文および上記コンテンツに関する情報に含まれる上記コンテンツ説明文から上記コンテンツ特徴ベクトルを生成し、生成した上記コンテンツ特徴ベクトルを上記データベースとして記憶するコンテンツ特徴ベクトル生成部を更に備えた
ことを特徴とする構成２に記載のレコメンドシステム。

[構成４]
上記架空のコンテンツ情報は、架空のコンテンツタイトルおよび架空のコンテンツ説明文を含むことを特徴とする構成１～３の何れか１項に記載のレコメンドシステム。

[構成５]
上記コンテンツ選出部により選出された上記１つ以上のレコメンドコンテンツの情報を用いてプロンプトを生成し、生成したプロンプトを大規模言語モデルに入力することにより、上記１つ以上のレコメンドコンテンツに関するコンテンツ説明文を生成するコンテンツ説明文生成部を更に備え、
上記レコメンドコンテンツ提示部は、上記コンテンツ選出部により選出された上記１つ以上のレコメンドコンテンツおよび上記コンテンツ説明文生成部により生成された上記コンテンツ説明文を上記ユーザに提示する
ことを特徴とする構成１～構成４の何れか１つに記載のレコメンドシステム。

[構成６]
上記コンテンツ説明文生成部は、上記１つ以上のレコメンドコンテンツの情報に加え、上記サイト概要情報および上記自由入力情報の少なくとも一方を用いてプロンプトを生成することを特徴とする構成５に記載のレコメンドシステム。

[構成７]
上記コンテンツ説明文生成部が上記大規模言語モデルを用いて上記コンテンツ説明文を生成する際に与える任意の条件を設定する条件設定部を更に備え、
上記コンテンツ説明文生成部は、上記条件設定部により設定された条件を示す情報を更に用いてプロンプトを生成する
ことを特徴とする構成５または構成６に記載のレコメンドシステム。

[構成８]
上記レコメンドコンテンツ提示部は、上記コンテンツ選出部により選出された上記１つ以上のレコメンドコンテンツおよび上記架空コンテンツ情報生成部により生成された上記架空のコンテンツ説明文を上記ユーザに提示することを特徴とする構成４に記載のレコメンドシステム。

[構成９]
コンテンツを提供しているサイトの概要を表すサイト概要情報およびユーザからの自由入力情報を用いてプロンプトを生成し、生成したプロンプトを大規模言語モデルに入力することにより架空のコンテンツ情報を生成する架空コンテンツ情報生成部と、
上記サイトで提供されている複数のコンテンツの中から、上記架空コンテンツ情報生成部により生成された上記架空のコンテンツ情報に対して所定の条件で合致する１つ以上のコンテンツをレコメンドコンテンツとして選出するコンテンツ選出部と、
上記コンテンツ選出部により選出された上記１つ以上のレコメンドコンテンツを上記ユーザに提示するレコメンドコンテンツ提示部とを備えた
ことを特徴とするレコメンドサーバ。

[構成１０]
サーバ装置の架空コンテンツ情報生成部が、コンテンツを提供しているサイトの概要を表すサイト概要情報およびユーザからの自由入力情報を用いてプロンプトを生成し、生成したプロンプトを大規模言語モデルに入力することにより架空のコンテンツ情報を生成するステップと、
上記サーバ装置のコンテンツ選出部が、上記サイトで提供されている複数のコンテンツの中から、上記架空コンテンツ情報生成部により生成された上記架空のコンテンツ情報に対して所定の条件で合致する１つ以上のコンテンツをレコメンドコンテンツとして選出するステップと、
上記サーバ装置のレコメンドコンテンツ提示部が、上記コンテンツ選出部により選出された上記１つ以上のレコメンドコンテンツを上記ユーザに提示するステップとを有する
ことを特徴とするレコメンド方法。

その他、上記実施形態は、何れも本発明を実施するにあたっての具体化の一例を示したものに過ぎず、これによって本発明の技術的範囲が限定的に解釈されてはならないものである。すなわち、本発明はその要旨、またはその主要な特徴から逸脱することなく、様々な形で実施することができる。

１ レコメンドサーバ
２ 大規模言語モデル（ＬＬＭ）
３ ＥＣサイトサーバ
４ 管理者端末
５ ユーザ端末
１１ 条件設定部
１２ マスタ情報生成部
１３ 商品特徴ベクトル生成部（コンテンツ特徴ベクトル生成部）
１４ 架空商品情報生成部（架空コンテンツ情報生成部）
１４ａ 架空商品生成部（架空コンテンツ生成部）
１４ｂ 架空商品特徴ベクトル生成部（架空コンテンツ特徴ベクトル生成部）
１５ 商品選出部（コンテンツ選出部）
１６ 商品説明文生成部（コンテンツ説明文生成部）
１７ レコメンド商品提示部（レコメンドコンテンツ提示部）

Claims (10)

1. コンテンツを提供しているサイトの概要を表すサイト概要情報およびユーザからの自由入力情報を用いてプロンプトを生成し、生成したプロンプトを大規模言語モデルに入力することにより架空のコンテンツ情報を生成するとともに、上記架空のコンテンツ情報から架空コンテンツ特徴ベクトルを生成する架空コンテンツ情報生成部と、
   上記サイトで提供されている複数のコンテンツに関する情報に含まれるコンテンツ画像を用いて生成したプロンプトを大規模言語モデルに入力することによりコンテンツ説明文を生成し、当該生成したコンテンツ説明文および上記コンテンツに関する情報に含まれるコンテンツ説明文からコンテンツ特徴ベクトルを生成し、生成した上記コンテンツ特徴ベクトルをデータベースとして記憶するコンテンツ特徴ベクトル生成部と、
   上記サイトで提供されている上記複数のコンテンツの中から、上記架空コンテンツ情報生成部により生成された上記架空のコンテンツ情報に対して所定の条件で合致する１つ以上のコンテンツをレコメンドコンテンツとして選出するコンテンツ選出部と、
   上記コンテンツ選出部により選出された上記１つ以上のレコメンドコンテンツを上記ユーザに提示するレコメンドコンテンツ提示部とを備え、
   上記コンテンツ選出部は、上記データベースとして記憶された複数のコンテンツ特徴ベクトルと、上記架空コンテンツ特徴ベクトルとの類似度に関して上記所定の条件で合致する１つ以上のコンテンツを上記レコメンドコンテンツとして選出する
   ことを特徴とするレコメンドシステム。
2. 上記架空のコンテンツ情報は、架空のコンテンツタイトルおよび架空のコンテンツ説明文を含むことを特徴とする請求項１に記載のレコメンドシステム。
3. コンテンツを提供しているサイトの概要を表すサイト概要情報およびユーザからの自由入力情報を用いてプロンプトを生成し、生成したプロンプトを大規模言語モデルに入力することにより架空のコンテンツ情報を生成する架空コンテンツ情報生成部と、
   上記サイトで提供されている複数のコンテンツの中から、上記架空コンテンツ情報生成部により生成された上記架空のコンテンツ情報に対して所定の条件で合致する１つ以上のコンテンツをレコメンドコンテンツとして選出するコンテンツ選出部と、
   上記コンテンツ選出部により選出された上記１つ以上のレコメンドコンテンツの情報を用いてプロンプトを生成し、生成したプロンプトを大規模言語モデルに入力することにより、上記１つ以上のレコメンドコンテンツに関するコンテンツ説明文を生成するコンテンツ説明文生成部と、
   上記コンテンツ選出部により選出された上記１つ以上のレコメンドコンテンツおよび上記コンテンツ説明文生成部により生成された上記コンテンツ説明文を上記ユーザに提示するレコメンドコンテンツ提示部とを備えた
   ことを特徴とするレコメンドシステム。
4. 上記コンテンツ説明文生成部は、上記１つ以上のレコメンドコンテンツの情報に加え、上記サイト概要情報および上記自由入力情報の少なくとも一方を用いてプロンプトを生成することを特徴とする請求項３に記載のレコメンドシステム。
5. 上記コンテンツ説明文生成部が上記大規模言語モデルを用いて上記コンテンツ説明文を生成する際に与える任意の条件を設定する条件設定部を更に備え、
   上記コンテンツ説明文生成部は、上記条件設定部により設定された条件を示す情報を更に用いてプロンプトを生成する
   ことを特徴とする請求項３に記載のレコメンドシステム。
6. 上記レコメンドコンテンツ提示部は、上記コンテンツ選出部により選出された上記１つ以上のレコメンドコンテンツおよび上記架空コンテンツ情報生成部により生成された上記架空のコンテンツ説明文を上記ユーザに提示することを特徴とする請求項２に記載のレコメンドシステム。
7. コンテンツを提供しているサイトの概要を表すサイト概要情報およびユーザからの自由入力情報を用いてプロンプトを生成し、生成したプロンプトを大規模言語モデルに入力することにより架空のコンテンツ情報を生成するとともに、上記架空のコンテンツ情報から架空コンテンツ特徴ベクトルを生成する架空コンテンツ情報生成部と、
   上記サイトで提供されている複数のコンテンツに関する情報に含まれるコンテンツ画像を用いて生成したプロンプトを大規模言語モデルに入力することによりコンテンツ説明文を生成し、当該生成したコンテンツ説明文および上記コンテンツに関する情報に含まれるコンテンツ説明文からコンテンツ特徴ベクトルを生成し、生成した上記コンテンツ特徴ベクトルをデータベースとして記憶するコンテンツ特徴ベクトル生成部と、
   上記サイトで提供されている上記複数のコンテンツの中から、上記架空コンテンツ情報生成部により生成された上記架空のコンテンツ情報に対して所定の条件で合致する１つ以上のコンテンツをレコメンドコンテンツとして選出するコンテンツ選出部と、
   上記コンテンツ選出部により選出された上記１つ以上のレコメンドコンテンツを上記ユーザに提示するレコメンドコンテンツ提示部とを備え、
   上記コンテンツ選出部は、上記データベースとして記憶された複数のコンテンツ特徴ベクトルと、上記架空コンテンツ特徴ベクトルとの類似度に関して上記所定の条件で合致する１つ以上のコンテンツを上記レコメンドコンテンツとして選出する
   ことを特徴とするレコメンドサーバ。
8. コンテンツを提供しているサイトの概要を表すサイト概要情報およびユーザからの自由入力情報を用いてプロンプトを生成し、生成したプロンプトを大規模言語モデルに入力することにより架空のコンテンツ情報を生成する架空コンテンツ情報生成部と、
   上記サイトで提供されている複数のコンテンツの中から、上記架空コンテンツ情報生成部により生成された上記架空のコンテンツ情報に対して所定の条件で合致する１つ以上のコンテンツをレコメンドコンテンツとして選出するコンテンツ選出部と、
   上記コンテンツ選出部により選出された上記１つ以上のレコメンドコンテンツの情報を用いてプロンプトを生成し、生成したプロンプトを大規模言語モデルに入力することにより、上記１つ以上のレコメンドコンテンツに関するコンテンツ説明文を生成するコンテンツ説明文生成部と、
   上記コンテンツ選出部により選出された上記１つ以上のレコメンドコンテンツおよび上記コンテンツ説明文生成部により生成された上記コンテンツ説明文を上記ユーザに提示するレコメンドコンテンツ提示部とを備えた
   ことを特徴とするレコメンドサーバ。
9. サーバ装置のコンテンツ特徴ベクトル生成部が、サイトで提供されている複数のコンテンツに関する情報に含まれるコンテンツ画像を用いて生成したプロンプトを大規模言語モデルに入力することによりコンテンツ説明文を生成し、当該生成したコンテンツ説明文および上記コンテンツに関する情報に含まれるコンテンツ説明文からコンテンツ特徴ベクトルを生成し、生成した上記コンテンツ特徴ベクトルをデータベースとして記憶するステップと、
   上記サーバ装置の架空コンテンツ情報生成部が、上記サイトの概要を表すサイト概要情報およびユーザからの自由入力情報を用いてプロンプトを生成し、生成したプロンプトを大規模言語モデルに入力することにより架空のコンテンツ情報を生成するとともに、上記架空のコンテンツ情報から架空コンテンツ特徴ベクトルを生成するステップと、
   上記サーバ装置のコンテンツ選出部が、上記サイトで提供されている上記複数のコンテンツの中から、上記架空コンテンツ情報生成部により生成された上記架空のコンテンツ情報に対して所定の条件で合致する１つ以上のコンテンツをレコメンドコンテンツとして選出するステップと、
   上記サーバ装置のレコメンドコンテンツ提示部が、上記コンテンツ選出部により選出された上記１つ以上のレコメンドコンテンツを上記ユーザに提示するステップとを有し、
   上記コンテンツ選出部は、上記データベースとして記憶された複数のコンテンツ特徴ベクトルと、上記架空コンテンツ特徴ベクトルとの類似度に関して上記所定の条件で合致する１つ以上のコンテンツを上記レコメンドコンテンツとして選出する
   ことを特徴とするレコメンド方法。
10. サーバ装置の架空コンテンツ情報生成部が、コンテンツを提供しているサイトの概要を表すサイト概要情報およびユーザからの自由入力情報を用いてプロンプトを生成し、生成したプロンプトを大規模言語モデルに入力することにより架空のコンテンツ情報を生成するステップと、
    上記サーバ装置のコンテンツ選出部が、上記サイトで提供されている複数のコンテンツの中から、上記架空コンテンツ情報生成部により生成された上記架空のコンテンツ情報に対して所定の条件で合致する１つ以上のコンテンツをレコメンドコンテンツとして選出するステップと、
    上記サーバ装置のコンテンツ説明文生成部が、上記コンテンツ選出部により選出された上記１つ以上のレコメンドコンテンツの情報を用いてプロンプトを生成し、生成したプロンプトを大規模言語モデルに入力することにより、上記１つ以上のレコメンドコンテンツに関するコンテンツ説明文を生成するステップと、
    上記サーバ装置のレコメンドコンテンツ提示部が、上記コンテンツ選出部により選出された上記１つ以上のレコメンドコンテンツおよび上記コンテンツ説明文生成部により生成された上記コンテンツ説明文を上記ユーザに提示するステップとを有する
    ことを特徴とするレコメンド方法。