JPWO2009060829A1 - 広告提示方法、広告提示システム及びプログラム - Google Patents

Abstract

広告提示方法であって、対象物を評価する表現を含む評判情報とユーザの属性情報とに基づいて、対象物に関する広告の前記ユーザに対する適合度を計算し、適合度に基づいて、ユーザに提示する広告を選択することを特徴とする。

Description

本発明は、広告提示方法、広告提示システム及びプログラムに関する。

アフィリエイト広告とは、Webサイト運営者が、広告主作成のURL（主に商品が掲載されているページのURL）に、ページ閲覧者を誘導した場合、Webサイト運営者に広告代が支払われる仕組みのことである。広告主は広告代理店を介して広告を掲載することが一般的であるが、広告主と広告代理店が同一の場合もある。アフィリエイト広告の代表的な例に、Googleのアドセンスや、Amazonのアフィリエイト広告がある。

このような広告には、広告表示方式で分類すると主に二種類ある。コンテンツ連動型とURL貼り付け型である。

コンテンツ連動型は、Webサイト運営者が運営するWebページに広告代理店が指定したWebコンポーネント（主にJava（登録商標）Script）を貼り付けることで、Webページの内容にあった広告を自動的にWebコンポーネント内に表示する方法である。Googleのアドセンスが代表的である。

URL貼付け型は、Webサイト運営者が商品広告へのURLを明示的に貼り付けることで、広告掲載者がおすすめする商品の広告を表示する方法である。Amazonのアフィリエイト広告が代表的である。

前者のコンテンツ連動型は、広告が自動的に表示されるため、Webサイト運営者はWebコンポーネントを貼り付けるだけでよい。しかし、ページ閲覧者が見たい広告、例えば、同じ商品群の中で最も安いものだけを表示できているわけではない。

後者のURL貼付け型では、Webサイト運営者のおすすめ商品を明確に表示できる。ページ閲覧者がその商品に興味を持つとは限らない。

これらの理由から、ページ閲覧者のユーザ属性情報を利用して広告を選択する手法が開示されている。

例えば、特許文献１では、広告内容情報とユーザ属性情報を比較し、ユーザ情報とマッチする広告を配信する手法が示されている。

また、特許文献２では、広告閲覧履歴も利用することで、ユーザ属性情報が少なくとも適合する広告を表示する手法が示されている。
特願２００１―３１４６８１ 特願２００２−３２７０７６

このような手法では、ユーザ属性情報を予め大量に保持しておかなければいけないという問題があった。さらに特許文献２の手法であっても、ユーザ閲覧履歴が蓄積されない初期状態において適合する広告を表示できないという問題があった。

そこで、本発明は上記課題に鑑みて発明されたものであって、その目的は、ユーザに適合する広告を選択することができる技術を提供することにある。

上記課題を解決する本発明は、広告提示方法であって、対象物を評価する表現を含む評判情報とユーザの属性情報とに基づいて、前記対象物に関する広告の前記ユーザに対する適合度を計算し、前記適合度に基づいて、前記ユーザに提示する広告を選択することを特徴とする。

上記課題を解決する本発明は、広告提示システムであって、対象物を評価する表現を含む評判情報とユーザの属性情報とに基づいて、対象物に関する広告の前記ユーザに対する適合度を計算する適合度計算手段と、前記適合度に基づいて、前記ユーザに提示する広告を選択する広告選択手段とを有することを特徴とする。

上記課題を解決する本発明は、情報処理装置のプログラムであって、対象物を評価する表現を含む評判情報とユーザの属性情報とに基づいて、対象物に関する広告の前記ユーザに対する適合度を計算する適合度計算処理と、前記適合度に基づいて、前記ユーザに提示する広告を選択する広告選択処理とを情報処理装置に実行させることを特徴とする。

本発明は、評判情報を元に広告を選択するように構成されているため、ユーザが注目している属性や評価に対応した対象物の広告を選択することができる。

図１は第１の実施の形態における広告提示システムのブロック図である。 図２は評判情報データベース４の一例を示す図である。 図３は広告商品データベース５の一例を示す図である。 図４はクリック情報データベース６の一例を示す図である。 図５はＷｅｂブラウザなどで表示した例を示す図である。 図６は第１の実施の形態における広告提示システムの動作のフローチャートである。 図７は第２の実施の形態における広告提示システムのブロック図である。 図８は広告商品データベース５の各広告に重み付けを行った例を示した図である。 図９は第２の実施の形態における広告提示システムの動作のフローチャートである。 図１０は第３の実施の形態における広告提示システムのブロック図である。 図１１は商品情報データベース２０の一例を示す図である。 図１２は第３の実施の形態における広告提示システムの動作のフローチャートである。 図１３は第４の実施の形態における広告提示システムのブロック図である。 図１４は第５の実施の形態における広告提示システムのブロック図である。 図１５は第５の実施の形態における評判情報データベース４の一例を示す図である。

符号の説明

１ 入力部
２ 広告選択部
３ 広告表示部
４ 評判情報データベース
５ 広告商品データベース
６ クリック情報データベース

本発明は、対象物を評価する表現を含む評判情報から、Webページ等を閲覧するユーザの属性情報に対して評価する表現を含む評判情報を選択し、選択した評判情報に対応する対象物の広告から、そのWebページ等に表示する広告を選択することを特徴とする。

ここで、特定の商品やサービスを対象物と呼ぶ。例えば、製品名「○×パソコン」やサービス名「△□サービス」等である。そして、評判情報とは、その対象物を評価する内容を示す表現を含む情報であり、例えば、「良い」や「悪い」、「大きい」等の評価内容を示す表現を含んだ情報である。尚、以降の説明において、対象物を評価する表現を評価表現と呼ぶ。

また、評判情報には、対象物の属性を示す属性表現を含んでもよい。属性表現とは、対象物の特徴を示す語であり、例えば、あるパーソナルコンピュータ（以下、単にパソコンともいう）が対象物であれば、「画面」や「重さ」等の語である。属性表現は、階層的につながることがある。例えば、「○×パソコンの画面の大きさが良い。」という入力文（自然文テキスト）からは、〔対象物「○×パソコン」、属性表現「画面」、属性表現「大きさ」、評価表現「良い」〕という評判情報が抽出される。

さらに、評価表現には、肯定的な表現か、否定的な表現かを示す評価極性が付与されても良い。例えば、評価表現「良い」は肯定的な表現であるのでプラスの極性値を付与し、評価表現「悪い」は否定的な表現であるのでマイナスの極性値を付与する。

このような評判情報は、ネットワーク上のブログや掲示板等により収集可能である。尚、ブログや掲示板等に記載された自然文テキスト内に対象物が明記されていなくても、また、属性表現が省略されていても、評判情報は収集可能である。例えば、カメラを対象とする掲示板等では、自然文テキスト内に対象物が明記されていなくても、話題となる対象物がカメラであることが判り、また、属性表現が省略されていても前後の文章がその属性を推測することができるからである。

従って、本発明で、収集の対象となる情報は、対象物、属性表現及び評価表現の３つを組み合わせたものでも、属性表現と評価表現との２つを組み合わせたものでも、対象物と評価表現との２つを組み合わせたものでもよく、最終的に少なくとも対象物と評価表現とがデータベース化することができれば良い。

尚、特許文献特開２００６‐２３６３７９号公報に自然文から評判情報を抽出する手法が開示されている。

ユーザの属性情報は、ユーザに関する情報であって、例えば、ユーザの年齢、性別、住所といったユーザの自身の情報のみならず、例えば、Ａ社のコンピュータといった特定の商品、サービスに関する情報や、単にコンピュータ、テレビと言った一般的な商品、サービスや、旅行、読書等のユーザの関心がある物、サービス、趣味に関する情報である。

ユーザの属性情報は、既に情報処理装置に記憶されている情報や、ユーザによる過去の検索履歴、ユーザが記載した評判情報等から取得する。

次に、ユーザに提示する広告の選択方法であるが、収集した評判情報から、ユーザの属性情報を評価する表現を含む評判情報を選択する。

例えば、ユーザの属性情報からユーザの性別「女性」、年齢「２５歳」が得られた場合、性別「女性」、年齢「２５歳」に対して評価する表現を含む評判情報を選択する。この時、評判情報に「Ａツアー」は女性向けであるとか、「Ｂ本」は２０歳代向けであるとかの評判情報を選択する。そして、選択した評判情報に対応する対象物、すなわち「Ａツアー」、「Ｂ本」の広告をそのユーザに提示するのである。尚、提示する広告数に制限がある場合、所定の条件によって広告を絞る。

このようにすることにより、ユーザに適した広告を選択して提示することができる。

以下、本発明の実施の形態を説明する。

＜第１の実施の形態＞
第１の実施の形態を説明する。

第１の実施の形態では、あるＷｅｂページを閲覧しているユーザに対して、そのユーザに適した広告をそのＷｅｂページに表示する例を説明する。尚、第１の実施の形態では、ユーザの属性情報を、そのユーザの評判情報から取得するものとして説明する。

図１を参照すると、本発明の第１の実施の形態における広告提示システムは、入力部１と、広告選択部２と、広告表示部３と、評判情報データベース４と、広告商品データベース５と、クリック情報データベース６とを含む。

評判情報データベース４は、評判情報を記憶したデータベースである。評判情報データベース４の一例を図２に示す。図２に示される例では、商品名（対象物）と、属性表現と、評価表現と、極性度と、評判情報を書き込んだユーザＩＤとが関連付けられたデータベースである。これは一例であり、商品名と評価表現との二つや、属性表現と評価表現との二つでも良い。また、極性度は「１」から「−１」の値であり、「１」に近いほど肯定的な評判情報を示し、「−１」に近いほど否定的な評判情報を示している。これは一例であり、「１００」から「０」などその他の値でも良いし、数値を離散的に扱い「○」や「×」など記号で示しても良いし、肯定度合いの列と否定度合いの列に分けても良い。ユーザＩＤが不明なレコードを含んでも良い。尚、これらの評判情報データベース４に格納される評判情報は、上述したように、ネットワーク上のブログや掲示板等から収集されたものである。

広告商品データベース５は、広告対象の商品情報を記憶したデータベースである。一例を図３に示す。図３に示される例では、広告ＩＤと、商品名と、キーワードと、広告表示に用いる広告文と、広告をクリックした場合のリンク先ＵＲＬとが関連付けられている。これは一例であり、キーワードは広告文から自動抽出するようにしても良い。また、広告表示用画像データや動画データなどを含んでもよい。

クリック情報データベース６は、どのサイトでどの広告が何回クリックされたかを記憶するデータベースである。この情報を利用してＷｅｂページ運営者に広告掲載料を支払うなど金銭手続きが行なわれる。一例を図４に示す。図４に示される例では、サイトＩＤと、広告ＩＤと、クリック回数とが関連付けられている。これは一例であり、サイトＩＤはＷｅｂページ運営者毎のＩＤでも良い。

広告選択部２は、入力部１から、ページを閲覧しているユーザのユーザＩＤとそのページを運営しているサイトＩＤと表示広告数とを受け取る。そして、閲覧しているユーザのユーザＩＤからこれに対応するユーザの評判情報を評判情報データベース４から検索し、そのユーザの評判情報からユーザが注目している属性表現を抜き出し、ユーザの属性情報として取得する。そして、取得したユーザの属性情報について肯定的な評判が多く否定的な評判が少ない商品の広告を表示数だけ選択し、選択した商品の広告を広告商品データベース５から検索し、その広告の広告ＩＤを取得する。

ここで、広告選択方法であるが、閲覧しているユーザに対する広告の適合度を計算して用いる。広告の適合度は、ユーザの注目している属性について、肯定的な評判情報が多く、否定的な評判情報が少ない商品に対して大きな値となるものである。この適合度を計算する為に、評判情報の属性表現や評価表現や極性度を用いる。

例えば、商品の広告毎に以下のような広告の適合度を計算する。
商品ｐの広告の適合度 ＝ Σ Ａｋｕ＊Ａｋｐ＊Ａｋｏ
ここで、Ａｋｕとは属性表現Ａｋがユーザの評判情報に現れる数であり、Ａｋｐとは属性表現Ａｋが商品ｐの全評判情報（ユーザ自身の評判情報も含む）に現れる数であり、Ａｋｏとは商品ｐの全評判情報における属性表現Ａｋの極性度の平均値である。そして、各属性表現Ａｋに対して計算したものの総和を商品ｐの広告の適合度とする。

このようにすることで、広告の適合度を算出できる。なぜならば、Ａｋｕが多ければその属性表現のユーザの注目度が高いことを示し、Ａｋｐが多ければ商品ｐでの属性表現の注目度も高い。さらに、Ａｋｏによって極性度を考慮することで、肯定的な属性表現はより適合度が大きくなり、否定的な属性表現では適合度が小さくなる。

例えば、図２に示される、ユーザ「ユーザＢ」と、商品「製品Ａ」の広告との適合度を計算する場合、属性表現Ａｋ「画面」がユーザＢの評判情報（属性情報）に現れる数は１（Ａｋｕ＝１）であり、属性表現Ａｋ「画面」が製品Ａの全評判情報に現れる数は２（Ａｋｐ=２）であり、商品Ａの属性表現Ａｋ「画面」の極性平均値は１（Ａｋｏ＝２／２＝１）である。よって、ユーザＢの製品Ａの属性表現Ａｋ「画面」のＡｋｕ＊Ａｋｐ＊Ａｋｏ（１＊２＊１）は２となる。

同様に、製品Ａの属性表現Ａｋ「明るさ」については、Ａｋｕ＝１、Ａｋｐ=０、Ａｋｏ＝０、よって０である。

そして、全ての属性について、計算した値を足し合わせると、製品Ａの広告の適合度は、
Σ Ａｋｕ＊Ａｋｐ＊Ａｋｏ＝２＋０＝２
となる。

この計算式は一例であり、各商品の属性数で割ってもよいし、属性表現と評価表現のペア毎に集計してもよいし、評価表現毎に集計しても良い。

広告選択部２は、計算した適合度の大きい広告から表示広告数分の広告を選択し、選択した広告の広告ＩＤとサイトＩＤとを広告表示部に渡す。

広告表示部３は、広告選択部２から広告ＩＤとサイトＩＤとを受け取り、広告商品データベース５から広告ＩＤに対応する広告文を読み出し、読み出した広告文をサイトＩＤのページの広告表示領域に広告文を表示する。図５はＷｅｂブラウザなどで表示した例である。表示した広告をユーザがクリックしたら、クリック情報データベースにサイトＩＤと広告ＩＤを元にクリック回数を書き込むまたは更新する。

次に、本実施の形態における広告提示システムの動作について図６のフローチャートを用いて詳細に説明する。

まず、入力部１より、ユーザＩＤと表示広告数とを取得する（Ｓｔｅｐ １００）。

次に、評判情報データベース４を参照し、ユーザＩＤに対応する評判情報を取得する（Ｓｔｅｐ １０１）。

次に、ユーザの評判情報とその他の商品の評判情報とに基づいて、各広告の適合度を計算する（Ｓｔｅｐ １０２）。

最後に、適合度の大きい広告から表示広告数分の広告を選択し（Ｓｔｅｐ １０３）、その広告の広告ＩＤとサイトＩＤとを広告表示部３に渡す（Ｓｔｅｐ １０４）。その際、ユーザが評価済みの商品の広告は除いても良い。

広告表示部３は、広告ＩＤとサイトＩＤとに基づいて、広告を表示する（Ｓｔｅｐ １０５）。

本実施の形態では、広告選択部３が、評判情報を元に広告を選択するように構成されているため、ユーザが注目している属性表現や評価表現に対応した広告を選択することができる。
＜第２の実施の形態＞
第２の実施の形態を説明する。

第２の実施の形態では第１の構成に加えて、ユーザが閲覧する閲覧ページのキーワードを含んでいる広告に対して重みをつけることによって、閲覧ページとも適合した広告を選択するように構成する。

図７を参照すると、本発明の第２の実施の形態は、第１の実施の形態に加えて、キーワード選択部１０と抽出したキーワードに基づいて広告に対して重み付けを行う広告重み付け部１１とが追加されている点が異なる。

キーワード選択部１０は、入力部１より閲覧しているＷｅｂページ本文を受け取り、Ｗｅｂページからキーワードを抽出し、抽出したキーワードとそのキーワードの出現回数とを広告重み付け部１１に渡す。

広告重み付け部１１は、キーワード選択部１０よりキーワード抽出結果を受信し、それらのキーワードが広告商品データベース５のキーワードや広告文にあれば、そのキーワードに対応する広告に対してそのキーワードの出現回数分の重み付けを行う。例えば、キーワード選択部１０よりキーワード抽出結果として、キーワード「画面」の出現回数が２回、キーワード「明るさ」の出現回数が３回、キーワード「エコロジー」の出現回数が１回の情報を受信した場合、キーワード「画面」をキーワードや広告文に含む広告に対して２の重み付けを行い、キーワード「明るさ」をキーワードや広告文に含む広告に対して３の重み付けを行い、キーワード「エコロジー」をキーワードや広告文に含む広告に対して１の重み付けを行う。そして、各広告の重みを終えたら、各広告の最終的な重みを、重みの最大値で割る等の処理を行って０から１の値に正規化する。図８は、広告商品データベース５の各広告に重み付けを行った例を示した図である。尚、上述した正規化の処理はかならずしも必要としない。

広告選択部２は、入力部１から、ページを閲覧しているユーザのユーザＩＤとそのページを運営しているサイトＩＤと表示広告数とを受け取る。そして、閲覧しているユーザのユーザＩＤからこれに対応するユーザの評判情報を評判情報データベース４から検索し、そのユーザの評判情報からユーザが注目している属性表現を抜き出し、各商品に対する広告の適合度を上述した第１の実施の形態と同様に計算する。更に、第２の実施の形態では、第１の実施の形態と同様に計算した広告の適合度に対して、各広告の重み付けを乗算し、その積を広告の適合度とし、適合度の大きい広告から表示広告数分の広告を選択する。

具体的には、以下の式を計算する。

商品ｐの広告の適合度 ＝ Ｗｐ＊（Σ Ａｋｕ＊Ａｋｐ＊Ａｋｏ）
ここで、Ｗｐは広告の重みである。

尚、この計算式は一例であり、例えば、以下のような値でも良い。

商品ｐの広告の適合度 ＝ Ｗｐ＊（Σ Ａｋｕ＊Ａｋｐ＊Ａｋｏ ＋ Σ Ｋｋｕ＊Ｋｋｐ）
ここで、Ｋｋｕはユーザが評価した商品における広告商品データベース５におけるキーワードＫｋの数、Ｋｋｐは商品ｐにおける広告商品データベースのキーワードＫｋの数である。これによって、ユーザが評価した商品と同じキーワードを持った商品に対して大きな値となる。

最後に、広告の適合度の大きいものから表示広告数分の商品の広告を選択し、その広告の広告ＩＤとサイトＩＤとを広告表示部３に渡す。その際、ユーザが評価済みの商品の広告は除いても良い。

図９のフローチャートを参照し、本実施の形態における広告提示システムの動作について説明する。尚、第１の実施の形態と同様な部分については、詳細な説明を省略する。

まず、キーワード選択部１０は、入力部１からＷｅｂページを受け取り、Ｗｅｂページからキーワードを抽出する（Ｓｔｅｐ２００）。抽出方法はＴＦ−ＩＤＦなどの既存の方法を用いたり、キーワード候補データベースを予め用意しておき候補の中から選んだりすることによってキーワード抽出を行なう。

次に、広告重み付け部１１は、キーワード選択部１０よりキーワード抽出結果を受信し、それらのキーワードが広告商品データベース５のキーワードや広告文にあれば、そのキーワードに対応する広告に対して重み付けを行う（Ｓｔｅｐ２０１）。

広告選択部２は、広告商品データベース５を参照し、ユーザの評判情報、その他の商品の評判情報及び広告の重み付けに基づいて、各広告の適合度を計算する（Ｓｔｅｐ２０２）。

最後に、適合度の大きい広告から表示広告数分の広告を選択し（Ｓｔｅｐ １０３）、その広告の広告ＩＤとサイトＩＤとを広告表示部３に渡す（Ｓｔｅｐ １０４）。その際、ユーザが評価済みの商品の広告は除いても良い。

本実施の形態では、キーワード選択部１０が、Ｗｅｂページからキーワードを選択し、そのキーワードに基づいて広告重み付け部１１が広告に対して重み付けを行い、広告選択部２が広告の重みを考慮して計算しているため、よりＷｅｂページの内容に近い広告を選択することができる。
＜第３の実施の形態＞
第３の実施の形態を説明する。

第３の実施の形態では、第１の構成に加えて、ユーザが評価した商品と同じスペックを持った商品の広告を選択するように構成する。

図１０を参照すると、本発明の第３の実施の形態は、第１の実施の形態に加えて、商品情報データベース２０をさらに含む点が異なる。

商品情報データベース２０は、商品名と属性と属性値とが対応付けられたデータベースであり、商品に関する詳細な情報を記憶するデータベースである。図１１に一例を示す。ここで、属性とは、商品の構成要素や特徴を示す語で、例えば「ＣＰＵ」などである。また、属性値とは、構成要素の具体的な値で、例えば「１．２ＧＨｚ」などである。これらの情報は、広告主が入力するか、Ｗｅｂラッパーインダクションなどの技術を利用してＷｅｂページから自動的に取得しても良い。

広告選択部２は、入力部１よりユーザＩＤとサイトＩＤと表示広告数とを受け取り、評判情報データベース４、広告商品データベース５及び商品情報データベース２０を参照し、広告の適合度を計算する。

具体的には、
商品ｐの広告の適合度 ＝ Σ Ａｋｕ＊Ａｋｐ＊Ａｋｏ ＋ Σ Ｚｋｕ＊Ｚｋｐ＊Ｚｋｏ
から計算する。

ここで、式、Σ
Ａｋｕ＊Ａｋｐ＊Ａｋｏは、第１の実施の形態で説明した適合度である。

また、Σ Ｚｋｕ＊Ｚｋｐ＊Ｚｋｏは、商品ｐのスペックがユーザの評価した製品群に似ている度合いを示しており、Ｚｋｕはユーザが評価した商品における商品情報データベース３０における属性−属性値ペアＺｋの数であり、Ｚｋｐは商品ｐにおける商品情報データベース３０の属性―属性値ペアＺｋの数であり、Ｚｋｏはユーザが評価した商品のうち、属性―属性値ペアＺｋを持つ商品の極性値の平均である。ここで、属性―属性値ペアＺｋは、商品情報データベース３０の各レコードの属性と属性値のペアのことをいい、例えば、レコードに属性「ＣＰＵ」−属性値「１．２ＧＨｚ」があれば、この二つ「ＣＰＵ」−「１．２ＧＨｚ」が一つの属性−属性値ペアである。

例えば、ユーザＢは製品Ａと製品Ｂを評価しているとすると、製品Ｃの属性−属性値ペアと、製品Ａと製品Ｂの属性−属性値ペアが似ている度合いを計算する。製品Ａと製品Ｂの属性−属性値毎に以下を計算し足し合わせる。

(製品Ａと製品Ｂにおける属性−属性値の数) × (製品Ｃにおける属性−属性値の数) × (属性−属性値を持つユーザが評価した商品の平均極性)
例えば、図１１の例では、製品Ａの「ＣＰＵ‐１ＧＨｚ」については、１＊１＊１となる。同じように、その他の属性−属性値ペアについても計算し、足し合わせる。

これによって、ユーザが肯定的に評価した商品と同じ属性を持った商品に対して大きな値となる。

図１２のフローチャートを参照し、広告選択部２の動作について述べる。尚、第１の実施の形態と同様な部分については、詳細な説明を省略する。

広告選択部２は、入力部１よりユーザＩＤとサイトＩＤと表示広告数とを受け取り、評判情報データベース４、広告商品データベース５及び商品情報データベース２０を参照し、ユーザが評価した商品と同じスペックを持った商品の広告を選択する為の広告の適合度を計算する（Ｓｔｅｐ３００）。

本実施の形態では、広告選択部が、商品情報データベースから商品詳細情報を取得し、ユーザが肯定的に評価した商品と似た商品はより高い適合度となるため、表示される広告もクリックされやすくなる。
＜第４の実施の形態＞
第４の実施の形態を説明する。

図１３を参照すると、本発明の第４の実施の形態は、第１の実施の形態に加えて、ユーザ嗜好補完部３０を含む点が異なる。

ユーザ嗜好補完部３０は、入力部１からユーザＩＤを受け取り、評判情報データベース４から当該ユーザと似ているユーザに関する情報を取得する。さらに、似ているユーザの情報を参照し、当該ユーザの注目していない属性表現や評価表現などを補完する。これによって、嗜好の近いユーザが注目している評判情報を利用し、広告商品の幅を広げることができる。

ユーザ補完部３０は、具体的には以下のように動作する。

まず、入力部１よりユーザＩＤを受け取る。次に、評判情報データベース４を参照し、当該ユーザと似ているユーザを特定する。似ているユーザとは、商品の評価の仕方が似ているユーザであり、たとえば、同じ商品に対して、同じ属性に同じ評価をしているユーザである。評判情報データベース４の商品名、属性表現、評価表現を元に特定する。

具体的には、各ユーザに対して、他のユーザとの類似の度合いを示すユーザ類似度を、下記式の如く計算する。
ユーザ類似度（ｕ，ｖ）＝Σ（ユーザｕとユーザｖとの双方が評価した製品の評判情報数）＋Σ（ユーザｕとユーザｖとの双方が評価した属性表現の評判情報数） ＋Σ（ユーザｕとユーザｖとの双方が評価した評価表現の評判情報数）

例えば、ユーザＡとユーザＢとのユーザ類似度を計算する場合、図２の評判情報データベース４の例では、ユーザＡとユーザＢとの双方が評価した製品は「製品Ａ」であり、その評判情報数は２（ユーザＡが評価した「製品Ａ」の評判情報＝１、ユーザＢが評価した「製品Ａ」の評判情報＝１）である。また、ユーザＡとユーザＢとの双方が評価した属性表現は「画面」であり、その評判情報数は２（ユーザＡが評価した「画面」の評判情報＝１、ユーザＢが評価した「画面」の評判情報＝１）である。また、ユーザＡとユーザＢとの双方が評価した評価表現の評判情報数はない。

従って、ユーザＡとユーザＢとのユーザ類似度は、２＋２＋０＝４となる。

このように計算することで、同じ商品名、属性表現、評価表現のレコードを持つユーザの類似度が高くなる。ただし、この計算方法は一例であり、商品名と属性表現の組合せのレコード数などを含めても良い。

この結果、ユーザ類似度の高い類似ユーザを数人特定する。尚、特定する人数はシステムが予め設定する。

次に、システムにより、特定された類似ユーザの評判情報と当該ユーザの評判情報を、広告選択部２に渡す。

広告選択部２では、特定された類似ユーザの評判情報と当該ユーザの評判情報を受け取り、これらの評判情報を用いて、第１の実施の形態と同様、適合度を計算する。

本実施の形態では、ユーザ嗜好補完部が、閲覧ユーザと類似するユーザを特定し、広告選択部が類似ユーザの評判情報も含めて適合度を計算することで広告の幅が広がる。
＜第５の実施の形態＞
図１４を参照すると、本発明の第５の実施の形態は、第１の実施の形態に加えて、時間重み付け部４０を含む点が異なる。また、評判情報データベース４に時間フィールドが追加されえている点でも異なる。

評判情報は時間によって変化することがある。商品における評判は、時間を経て徐々に変わっていくと考えられる。例えば、ある時期の企業の評判は、その前のニュースや決算情報等によって変わる。従って、評判情報を扱う際、最近の評判情報における極性に重みを与える等、時間的な経過を考慮する必要がある。本実施の形態は、時間を考慮した評判情報と広告選択を行なうことを目的としている。

評判情報データベース４は、第１の実施の形態に比べ、時間フィールドが追加されている。一例を図１５に示す。時間フィールドは、評判情報の書き込みがあった時間を示すものである。

時間重み付け部４０は、評判情報データベースの各レコードに対して時間を利用した重み付けを行なう。例えば、一定期間（最近３ヶ月等）に書き込まれた評判情報に対し、重みを１とし、その他は重みを０とする。例えば、商品がパソコンである場合、四半期毎に機種が入れ替わるため、最新３ヶ月以内に評価された評判情報のみを採用する。なお、これは一例であり、例えば、１ヶ月毎に重みを与えても良い、現在の時間と評判情報書き込み時間との差を計算し、求めた時間の差の逆数を重みとしてもよい。

広告選択部２は、第１の実施の形態と同様、適合度を計算する。ただし、時間重み付け部４０での各レコードの重みを考慮する。
商品ｐの適合度 ＝ Σ Ａｋｕ´＊Ａｋｐ´＊Ａｋｏ´
ここで、Ａｋｕ´とは、ユーザの評判情報における属性表現Ａｋの各レコードの重みを足したものである。Ａｋｐ´とは、商品ｐの評判情報における属性表現Ａｋの各レコードの重みを足したものである。Ａｋｏ´とは、商品ｐの全評判情報における属性表現Ａｋの（極性度＊重み）の平均値である。

本実施の形態では、時間重み付け部が、評判情報に対し重み付けを行なうことで、評判情報の鮮度などを考慮できるようになる。

尚、上述した実施の形態において、各部をハードウェアで構成する例を示したが、広告選択部２等の主要な構成部分をプログラムで動作する情報処理装置によって構成することもできる。

上記に示した実施形態では、以下に示すような特徴的構成を備えた広告提示方法、広告提示システム及びプログラムが示されている。

第１の広告提示方法は、広告提示方法であって、対象物を評価する表現を含む評判情報とユーザの属性情報とに基づいて、対象物に関する広告の前記ユーザに対する適合度を計算し、前記適合度に基づいて、前記ユーザに提示する広告を選択することを特徴とする広告提示方法である。

第２の広告提示方法は、上記広告提示方法において、ユーザの属性情報をユーザの評判情報から取得することを特徴とする。

第３の広告提示方法は、上記広告提示方法において、ユーザ以外の評判情報を用いて、対象物に関する広告の前記ユーザに対する適合度を計算することを特徴とする。

第４の広告提示方法は、上記広告提示方法において、評判情報は、ネットワーク上の掲示板、又はブログから収集されることを特徴とする。

第５の広告提示方法は、上記広告提示方法において、前記適合度は、前記ユーザの属性情報に対して肯定的な評価の表現を含む評判情報の対象物に関する広告の適合度が高くなることを特徴とする。

第６の広告提示方法は、上記広告提示方法において、前記適合度は、前記ユーザの属性情報に対して肯定的な評価の表現を多く含み否定的な評価の表現の少ない評判情報の対象物に関する広告の適合度が高くなることを特徴とする。

第７の広告提示方法は、上記広告提示方法において、対象物ｐの特徴を示す属性表現Ａｋがユーザの評判情報に現れる数をＡｋｕとし、属性表現Ａｋが対象物ｐの全評判情報に現れる数をＡｋｐとし、商品ｐの全評判情報における属性表現Ａｋの肯定又は否定の度合を表す極性度の平均値をＡｋｏとした場合、対象物ｐの各属性表現Ａｋに対して、Ａｋｕ＊Ａｋｐ＊Ａｋｏを計算し、前記対象物ｐの各属性表現Ａｋに対して計算したものの総和であるΣ Ａｋｕ＊Ａｋｐ＊Ａｋｏを、対象物ｐの広告の適合度とすることを特徴とする。

第８の広告提示方法は、上記広告提示方法において、広告を提示するページのキーワードを含む広告の適合度に重み付けを行い、前記重み付けされた広告の適合度に基づいて、前記ユーザに提示する広告を選択することを特徴とする。

第９の広告提示方法は、上記広告提示方法において、ユーザの属性情報のうち対象物Ａを評価した評判情報と、対象物Ｂの情報とに基づいて、前記対象物Ａと前記対象物Ｂとの対象物類似度を計算し、前記対象物Ａと前記対象物Ｂとの対象物類似度と前記対象物Ｂに関する広告の適合度とに基づいて、新たな前記対象物Ｂに関する広告の適合度を計算することを特徴とする。

第１０の広告提示方法は、上記広告提示方法において、前記評判情報に基づいて、ユーザ間のユーザ類似度を計算し、前記ユーザ類似度に基づいて、類似するユーザの評判情報を用いて広告の適合度を計算することを特徴とする。

第１１の広告提示方法は、上記広告提示方法において、評判情報に対して、書き込まれた時間に関連する重み付けを行い、前記重み付けを広告の適合度に反映させることを特徴とする。

また、第１の広告提示システムは、広告提示システムであって、対象物を評価する表現を含む評判情報とユーザの属性情報とに基づいて、対象物に関する広告の前記ユーザに対する適合度を計算する適合度計算手段と、前記適合度に基づいて、前記ユーザに提示する広告を選択する広告選択手段とを有することを特徴とする。

第２の広告提示システムは、上記広告提示システムにおいて、前記適合度計算手段は、ユーザの属性情報をユーザの評判情報から取得することを特徴とする。

第３の広告提示システムは、上記広告提示システムにおいて、前記適合度計算手段は、ユーザ以外の評判情報を用いて、対象物に関する広告の前記ユーザに対する適合度を計算することを特徴とする。

第４の広告提示システムは、上記広告提示システムにおいて、前記適合度計算手段は、評判情報を、ネットワーク上の掲示板、又はブログから収集することを特徴とする。

第５の広告提示システムは、上記広告提示システムにおいて、前記適合度計算手段は、前記ユーザの属性情報に対して肯定的な評価の表現を含む評判情報の対象物に関する広告の適合度が高くなるように計算することを特徴とする。

第６の広告提示システムは、上記広告提示システムにおいて、前記適合度計算手段は、前記適合度は、前記ユーザの属性情報に対して肯定的な評価の表現を多く含み否定的な評価の表現の少ない評判情報の対象物に関する広告の適合度が高くなるように計算することを特徴とする。

第７の広告提示システムは、上記広告提示システムにおいて、前記適合度計算手段は、対象物ｐの特徴を示す属性表現Ａｋがユーザの評判情報に現れる数をＡｋｕとし、属性表現Ａｋが対象物ｐの全評判情報に現れる数をＡｋｐとし、商品ｐの全評判情報における属性表現Ａｋの肯定又は否定の度合を表す極性度の平均値をＡｋｏとした場合、対象物ｐの各属性表現Ａｋに対して、Ａｋｕ＊Ａｋｐ＊Ａｋｏを計算し、前記対象物ｐの各属性表現Ａｋに対して計算したものの総和であるΣ Ａｋｕ＊Ａｋｐ＊Ａｋｏを、対象物ｐの広告の適合度として計算することを特徴とする。

第８の広告提示システムは、上記広告提示システムにおいて、前記適合度計算手段は、広告を提示するページのキーワードを含む広告の適合度に重み付けを行い、前記広告選択手段は、前記重み付けされた広告の適合度に基づいて、前記ユーザに提示する広告を選択することを特徴とする。

第９の広告提示システムは、上記広告提示システムにおいて、前記適合度計算手段は、ユーザの属性情報のうち対象物Ａを評価した評判情報と、対象物Ｂの情報とに基づいて、前記対象物Ａと前記対象物Ｂとの対象物類似度を計算し、前記対象物Ａと前記対象物Ｂとの対象物類似度と前記対象物Ｂに関する広告の適合度とに基づいて、新たな前記対象物Ｂに関する広告の適合度を計算することを特徴とする。

第１０の広告提示システムは、上記広告提示システムにおいて、前記適合度計算手段は、前記評判情報に基づいて、ユーザ間のユーザ類似度を計算し、前記ユーザ類似度に基づいて、類似するユーザの評判情報を用いて広告の適合度を計算することを特徴とする。

第１１の広告提示システムは、上記広告提示システムにおいて、前記適合度計算手段は、評判情報に対して、書き込まれた時間に関連する重み付けを行い、前記重み付けを広告の適合度に反映させることを特徴とする。

第１のプログラムは、情報処理装置のプログラムであって、対象物を評価する表現を含む評判情報とユーザの属性情報とに基づいて、対象物に関する広告の前記ユーザに対する適合度を計算する適合度計算処理と、前記適合度に基づいて、前記ユーザに提示する広告を選択する広告選択処理とを情報処理装置に実行させることを特徴とする。

第２のプログラムは、上記プログラムにおいて、前記適合度計算処理は、前記ユーザの属性情報に対して肯定的な評価の表現を含む評判情報の対象物に関する広告の適合度が高くなるように計算することを特徴とする。

第３のプログラムは、前記適合度計算処理は、広告を提示するページのキーワードを含む広告の適合度に重み付けを行い、前記広告選択処理は、前記重み付けされた広告の適合度に基づいて、前記ユーザに提示する広告を選択することを特徴とする。

以上好ましい実施の形態及び態様をあげて本発明を説明したが、本発明は必ずしも上記実施の形態及び態様に限定されるものではなく、その技術的思想の範囲内において様々に変形し実施することが出来る。

本出願は、２００７年１１月５日に出願された日本出願特願２００７−２８７０９１号を基礎とする優先権を主張し、その開示の全てをここに取り込む。

本発明は、評判情報や商品詳細情報を利用した広告配信システムに利用できる。また、広告以外にも様々な商品の推薦サービスにも適用可能である。

Claims (25)

1. 広告提示方法であって、
   対象物を評価する表現を含む評判情報とユーザの属性情報とに基づいて、対象物に関する広告の前記ユーザに対する適合度を計算し、
   前記適合度に基づいて、前記ユーザに提示する広告を選択する
   ことを特徴とする広告提示方法。
2. ユーザの属性情報をユーザの評判情報から取得することを特徴とする請求項１に記載の広告提示方法。
3. ユーザ以外の評判情報を用いて、対象物に関する広告の前記ユーザに対する適合度を計算することを特徴とする請求項１又は請求項２に記載の広告提示方法。
4. 評判情報は、ネットワーク上の掲示板、又はブログから収集されることを特徴とする請求項１から請求項３のいずれかに記載の広告提示方法。
5. 前記適合度は、前記ユーザの属性情報に対して肯定的な評価の表現を含む評判情報の対象物に関する広告の適合度が高くなることを特徴とする請求項１から請求項４に記載の広告提示方法。
6. 前記適合度は、前記ユーザの属性情報に対して肯定的な評価の表現を多く含み否定的な評価の表現の少ない評判情報の対象物に関する広告の適合度が高くなることを特徴とする請求項１から請求項５に記載の広告提示方法。
7. 対象物ｐの特徴を示す属性表現Ａｋがユーザの評判情報に現れる数をＡｋｕとし、属性表現Ａｋが対象物ｐの全評判情報に現れる数をＡｋｐとし、
   商品ｐの全評判情報における属性表現Ａｋの肯定又は否定の度合を表す極性度の平均値をＡｋｏとした場合、対象物ｐの各属性表現Ａｋに対して、
   Ａｋｕ＊Ａｋｐ＊Ａｋｏ
   を計算し、
   前記対象物ｐの各属性表現Ａｋに対して計算したものの総和である
   Σ Ａｋｕ＊Ａｋｐ＊Ａｋｏ
   を、対象物ｐの広告の適合度とする
   ことを特徴とする請求項５又は請求項６に記載の広告提示方法。
8. 広告を提示するページのキーワードを含む広告の適合度に重み付けを行い、前記重み付けされた広告の適合度に基づいて、前記ユーザに提示する広告を選択することを特徴とする請求項１から請求項７のいずれかに記載の広告提示方法。
9. ユーザの属性情報のうち対象物Ａを評価した評判情報と、対象物Ｂの情報とに基づいて、前記対象物Ａと前記対象物Ｂとの対象物類似度を計算し、
   前記対象物Ａと前記対象物Ｂとの対象物類似度と前記対象物Ｂに関する広告の適合度とに基づいて、新たな前記対象物Ｂに関する広告の適合度を計算する
   ことを特徴とする請求項１から請求項８のいずれかに記載の広告提示方法。
10. 前記評判情報に基づいて、ユーザ間のユーザ類似度を計算し、
    前記ユーザ類似度に基づいて、類似するユーザの評判情報を用いて広告の適合度を計算する
    ことを特徴とする請求項１から請求項９のいずれかに記載の広告提示方法。
11. 評判情報に対して、書き込まれた時間に関連する重み付けを行い、
    前記重み付けを広告の適合度に反映させることを特徴とする請求項１から請求項１０のいずれかに記載の広告提示方法。
12. 広告提示システムであって、
    対象物を評価する表現を含む評判情報とユーザの属性情報とに基づいて、対象物に関する広告の前記ユーザに対する適合度を計算する適合度計算手段と、
    前記適合度に基づいて、前記ユーザに提示する広告を選択する広告選択手段と
    を有することを特徴とする広告提示システム。
13. 前記適合度計算手段は、ユーザの属性情報をユーザの評判情報から取得することを特徴とする請求項１２に記載の広告提示システム。
14. 前記適合度計算手段は、ユーザ以外の評判情報を用いて、対象物に関する広告の前記ユーザに対する適合度を計算することを特徴とする請求項１２又は請求項１３に記載の広告提示システム。
15. 前記適合度計算手段は、評判情報を、ネットワーク上の掲示板、又はブログから収集することを特徴とする請求項１２から請求項１４のいずれかに記載の広告提示システム。
16. 前記適合度計算手段は、前記ユーザの属性情報に対して肯定的な評価の表現を含む評判情報の対象物に関する広告の適合度が高くなるように計算することを特徴とする請求項１２から請求項１５に記載の広告提示システム。
17. 前記適合度計算手段は、
    前記適合度は、前記ユーザの属性情報に対して肯定的な評価の表現を多く含み否定的な評価の表現の少ない評判情報の対象物に関する広告の適合度が高くなるように計算することを特徴とする請求項１２から請求項１６に記載の広告提示システム。
18. 前記適合度計算手段は、
    対象物ｐの特徴を示す属性表現Ａｋがユーザの評判情報に現れる数をＡｋｕとし、属性表現Ａｋが対象物ｐの全評判情報に現れる数をＡｋｐとし、
    商品ｐの全評判情報における属性表現Ａｋの肯定又は否定の度合を表す極性度の平均値をＡｋｏとした場合、対象物ｐの各属性表現Ａｋに対して、
    Ａｋｕ＊Ａｋｐ＊Ａｋｏ
    を計算し、
    前記対象物ｐの各属性表現Ａｋに対して計算したものの総和である
    Σ Ａｋｕ＊Ａｋｐ＊Ａｋｏ
    を、対象物ｐの広告の適合度として計算する
    ことを特徴とする請求項１６又は請求項１７５に記載の広告提示システム。
19. 前記適合度計算手段は、広告を提示するページのキーワードを含む広告の適合度に重み付けを行い、
    前記広告選択手段は、前記重み付けされた広告の適合度に基づいて、前記ユーザに提示する広告を選択する
    ことを特徴とする請求項１２から請求項１８のいずれかに記載の広告提示システム。
20. 前記適合度計算手段は、
    ユーザの属性情報のうち対象物Ａを評価した評判情報と、対象物Ｂの情報とに基づいて、前記対象物Ａと前記対象物Ｂとの対象物類似度を計算し、
    前記対象物Ａと前記対象物Ｂとの対象物類似度と前記対象物Ｂに関する広告の適合度とに基づいて、新たな前記対象物Ｂに関する広告の適合度を計算する
    ことを特徴とする請求項１２から請求項１９のいずれかに記載の広告提示システム。
21. 前記適合度計算手段は、
    前記評判情報に基づいて、ユーザ間のユーザ類似度を計算し、
    前記ユーザ類似度に基づいて、類似するユーザの評判情報を用いて広告の適合度を計算する
    ことを特徴とする請求項１２から請求項２０のいずれかに記載の広告提示システム。
22. 前記適合度計算手段は、
    評判情報に対して、書き込まれた時間に関連する重み付けを行い、前記重み付けを広告の適合度に反映させる
    ことを特徴とする請求項１２から請求項２１のいずれかに記載の広告提示システム。
23. 情報処理装置のプログラムであって、
    対象物を評価する表現を含む評判情報とユーザの属性情報とに基づいて、対象物に関する広告の前記ユーザに対する適合度を計算する適合度計算処理と、
    前記適合度に基づいて、前記ユーザに提示する広告を選択する広告選択処理と
    を情報処理装置に実行させることを特徴とするプログラム。
24. 前記適合度計算処理は、前記ユーザの属性情報に対して肯定的な評価の表現を含む評判情報の対象物に関する広告の適合度が高くなるように計算することを特徴とする請求項２３に記載のプログラム。
25. 前記適合度計算処理は、広告を提示するページのキーワードを含む広告の適合度に重み付けを行い、
    前記広告選択処理は、前記重み付けされた広告の適合度に基づいて、前記ユーザに提示する広告を選択する
    ことを特徴とする請求項２３又は請求項２４に記載のプログラム。

Images