WO2020021813A1 - 情報処理装置及び情報処理方法 - Google Patents

情報処理装置及び情報処理方法 Download PDF

Info

Publication number
WO2020021813A1
WO2020021813A1 PCT/JP2019/018309 JP2019018309W WO2020021813A1 WO 2020021813 A1 WO2020021813 A1 WO 2020021813A1 JP 2019018309 W JP2019018309 W JP 2019018309W WO 2020021813 A1 WO2020021813 A1 WO 2020021813A1
Authority
WO
WIPO (PCT)
Prior art keywords
product
user
information
schedule
purchase
Prior art date
Application number
PCT/JP2019/018309
Other languages
English (en)
French (fr)
Inventor
健斗 鈴木
義己 田中
裕明 三上
Original Assignee
ソニー株式会社
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by ソニー株式会社 filed Critical ソニー株式会社
Publication of WO2020021813A1 publication Critical patent/WO2020021813A1/ja

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q30/00—Commerce
    • G06Q30/02—Marketing; Price estimation or determination; Fundraising

Definitions

  • the technology disclosed in this specification relates to an information processing apparatus and an information processing method for predicting information relating to a user.
  • an event For example, it is determined whether or not an event occurs for the user based on the public information of the user in SNS (Social Network Service). If it is determined that the event occurs for the user, the public information of the user and the friend's SNS in the SNS are determined. Based on the purchase history of products in the electronic market, a friend selects a product to be given to the user, and notifies the friend of the recommendation that the friend should purchase the selected product in the electronic market and give it to the user.
  • a recommendation device has been proposed (see Patent Document 1).
  • the purpose of the technology disclosed in this specification is to provide an information processing apparatus and an information processing method for predicting information related to a user.
  • a first aspect of the technology disclosed in the present specification is a first prediction unit that predicts a main user of a product that a user intends to purchase, and a second prediction that predicts a background in which the user purchases a product.
  • an information processing apparatus comprising:
  • the first prediction unit predicts whether the main user is the user, a specific other person, or a specific group or one or more persons belonging to a group.
  • the second predicting unit may include at least one of a product or a product category which the user is trying to purchase from the main user predicted by the first predicting unit, a use purpose of the product, and a use schedule of the product. Predict.
  • a second aspect of the technology disclosed in this specification is a first prediction step of predicting a main user of a product that a user is going to purchase, and a second prediction step of predicting a background of the user purchasing the product. And a prediction step.
  • FIG. 1 is a diagram illustrating an example of a functional configuration of the information processing system 100.
  • FIG. 2 is a diagram showing an example of a user information output format.
  • FIG. 3 is a diagram showing an example of an output format of a user profile.
  • FIG. 4 is a diagram showing an example of an input format of schedule information.
  • FIG. 5 is a diagram showing an output format example of the schedule information.
  • FIG. 6 is a diagram showing an example of an output format of a schedule.
  • FIG. 7 is a diagram showing an example of a schedule ⁇ purchase purpose candidate conversion information output format.
  • FIG. 8 is a view showing an example of a purchase purpose candidate output format.
  • FIG. 9 is a diagram illustrating an example of an output format of the product browsing history.
  • FIG. 9 is a diagram illustrating an example of an output format of the product browsing history.
  • FIG. 10 is a diagram showing an example of an output format of the product category browsing history.
  • FIG. 11 is a diagram showing an example of an output format of a user profile.
  • FIG. 12 is a diagram showing an output format example of the group profile.
  • FIG. 13 is a diagram showing a format example of the detailed product browsing information.
  • FIG. 14 is a diagram showing a format example of the detailed product category browsing information.
  • FIG. 15 is a diagram showing an example of an output format of purchase purpose ⁇ product / product category conversion information.
  • FIG. 16 is a diagram showing an example of an output format of a product / product category related to a purchase purpose candidate + purchase purpose.
  • FIG. 17 is a diagram showing an example of a purchase purpose conversion input format.
  • FIG. 11 is a diagram showing an example of an output format of a user profile.
  • FIG. 12 is a diagram showing an output format example of the group profile.
  • FIG. 13 is a diagram showing a format example of the detailed product browsing information.
  • FIG. 18 is a diagram showing an example of a purchase purpose conversion output format.
  • FIG. 19 is a diagram illustrating an output format example of the evaluated purchase purpose information.
  • FIG. 20 is a flowchart showing a processing procedure for predicting a main user and a purchase purpose of a product.
  • FIG. 21 is a diagram illustrating an example of detailed information of a product.
  • FIG. 22 is a diagram illustrating an example of the internal configuration of the evaluation unit 114.
  • the technology disclosed in the present specification is designed so that when a user attempts to purchase a product, the main user of the product being purchased (that is, whether the user purchases the product for himself or a gift for another person) ) And its background (product purchase purpose, schedule, etc.).
  • the main user of the product being purchased that is, whether the user purchases the product for himself or a gift for another person
  • its background product purchase purpose, schedule, etc.
  • a user conducts a product search in various situations where an action can be acquired, such as online shopping on a browser, online shopping on an information terminal such as a smartphone or tablet, or a physical store, Predict primary users and their background.
  • the purpose of purchasing a product is a gift
  • the other party is predicted based on the product search history and the like. ) Is also predicted.
  • the target person to give a gift is a specific person or a specific group, and it is necessary to be able to separate these cases and make predictions. For example, if a user is looking for a Christmas gift, there may be a Christmas gift for a child, or a gift for a specific group for a gift exchange (such as a Christmas party). Therefore, in addition to the determination of the present of the specific user, a mechanism for determining the present to the group is also required.
  • the recommendation device described in Patent Literature 1 picks up an event suitable for a present using public information of a user in the SNS, and recommends that the target person be presented based on the purchase history of the user. The product is recommended after deciding who to give the gift in advance. Therefore, it is considered that this recommendation device is essentially different from the technology proposed below, which predicts the main user of the item to be purchased and the background of the present.
  • Patent Literature 1 targets events published on SNS, and cannot target events not planned on SNS. Further, this recommendation device does not give a present in consideration of the situation where the other party is placed, even if the hobby and preference of the presenter are considered.
  • the technology disclosed in this specification solves the problem of predicting the main user of a purchased product when purchasing a product of a certain prediction target person, and predicting the background when the purchased product is a gift. For this purpose, assume the following three items regarding the purchase of a product.
  • the main user of the product selects a product that the user prefers. Regardless of whether the purchaser purchases a product to be used by himself or a product to be presented to another person, in principle, he or she chooses what the main user prefers. For example, camera lovers buy their own camera, and camera lovers get a camera as a gift.
  • the product may be purchased based on the schedule. For example, when searching for a product for the purpose of a gift, there must be an event for giving a gift (for example, since the birthday of Mr. A is near, a game machine is purchased for the gift).
  • a product to be given a gift may take into account the partner's schedule (eg, give a camera because the gift partner is planning to travel). Also, even when purchasing for one's own use, there is a case where a product is planned to be used behind the scenes (for example, since a person intends to climb a mountain, he purchases a winter clothing for mountain climbing).
  • the purpose of purchase or the purpose of use based on the schedule of the person to be predicted is listed, and the expected purpose of purchase is extracted without omission. For example, by listing up the schedule of the prediction target from the information registered in the calendar service, or picking up items that are likely to be schedules from the conversation history of the prediction target, purchasing purposes based on the schedule of the prediction target And list the uses.
  • the conversation history of the prediction target person in the SNS such as LINE (registered trademark) and the conversation history of the prediction target person performed using the voice agent are utilized.
  • LINE registered trademark
  • a candidate list of the purchase purpose and use purpose of the prediction target person is created.
  • the most appropriate candidate is selected as a prediction result by evaluating each candidate in the candidate list using the user profile and the product characteristics linked to the purpose of purchase.
  • the matching degree is calculated using the user profile of the main user specified from the candidate purchase purpose or use purpose. If the purchaser is a candidate to be the primary user, the degree of matching with the purchaser's user profile is calculated. In the case of a candidate to be given to a specific partner, the degree of matching with the user profile of the partner to be given is calculated. In the case of a candidate to be presented to a specific group, the degree of matching with the user profile of the group is calculated.
  • the candidate for purchase or use listed on the basis of the schedule of the prediction target is evaluated by matching with the user profile of the main user, and the prediction target is evaluated.
  • the product to be purchased is predicted, and if it is for a gift, the background related to the present is also predicted.
  • the technology disclosed in the present specification mainly has the following two advantages.
  • Advantage 1 In the conventional method of predicting a product based on a purchase history and preference information of a purchaser, there are use cases in which sufficient prediction accuracy cannot be obtained (described above).
  • the purpose of purchase or use of the product being searched for is acquired from the schedule or conversation history of the prediction target person, and based on the reason why the prediction target searches for the product.
  • Product purchase can be predicted.
  • Advantage 2 There are cases where a target person to give a present is a specific person or a specific group, and it is necessary to be able to separate these cases and predict the purchase of a product (described above).
  • the purpose of purchase or the purpose of use of a product being searched for is acquired from the schedule or conversation history of the prediction target person, and the purchase target based on the reason why the prediction target searches for the product is obtained.
  • a product can be predicted with high prediction accuracy in each case. For example, for the birthday party schedule of Mr. A, the product for the gift to Mr. A is predicted, but for the schedule of the Christmas party of the children, the gift for the children participating in the Christmas party is given. Predict products for
  • FIG. 1 shows an example of a functional configuration of an information processing system 100 that predicts information on product purchase.
  • the information processing system 100 predicts the main user of the product that the user is going to purchase through online shopping or the like and the background of the present.
  • each component of the information processing system 100 will be described.
  • the user information acquisition unit 101 is a functional module for inputting user information for using the information processing system 100.
  • the user referred to here is a user who uses the information processing system 100, and a user information output format example is also a prediction target person. What is used as the user information is arbitrary. In the present embodiment, for convenience, a user ID currently signed in to the information processing system 100 is used as user information. Further, the method of acquiring the user information is also arbitrary. For example, when a service for predicting information on product purchase is developed on the Web, user information such as a user ID is implicitly input from a session.
  • FIG. 2 shows an example of a user information output format of the user information acquisition unit 101. Note that “M / O” indicates that “M” is essential (mandatory) information, and that “O” is optional information (hereinafter the same).
  • the schedule listing unit 102 is a functional module that lists a user who has input information in the user information acquiring unit 101 and a schedule relating to friends close to the user.
  • the schedule listing unit 102 also recursively lists the schedules of the persons included in the acquired schedule.
  • the schedule listing unit 102 receives the user information, the user profile, and the schedule information as input, and outputs a schedule list.
  • the user information is the user information obtained by the user information obtaining unit 101, and is input in the format of the user information output format shown in FIG.
  • the user profile is detailed information of a user that is read from the user profile database (DB) 125 based on the user's regular use.
  • FIG. 3 shows an example of an output format of a user profile to be used by the schedule listing unit 102.
  • the schedule information is data input from a schedule acquisition unit 103 and a schedule estimation unit 104 described later.
  • FIG. 4 shows an example of an input format of schedule information input to the schedule listing unit 103 from the schedule acquisition unit 103 and the schedule estimation unit 104.
  • the schedule listing unit 102 returns schedule information in a schedule output format as shown in FIG.
  • the schedule acquisition unit 103 is a functional module that acquires a user's schedule registered in a calendar and outputs schedule information.
  • the schedule acquisition unit 103 acquires schedule information registered in an external service such as the calendar service 121 on the Web, for example.
  • the schedule acquisition unit 103 acquires contents corresponding to the input format as shown in FIG. 4 from an external service.
  • the schedule obtaining unit 103 returns the schedule information in a list format, assuming that a plurality of schedule items are returned collectively. It is assumed that the schedule information output by the schedule acquisition unit 103 follows the format shown in FIG.
  • the schedule estimating unit 104 is a functional module that estimates a schedule from text data such as conversation information described by various methods (other than a calendar).
  • the schedule estimating unit 104 receives text data for estimating conversation information as input, and outputs schedule information.
  • Examples of text data for conversation information estimation input to the schedule estimation unit 104 include an uttered text recognized by speech with a dialogue with a voice agent, a message exchanged by a messaging service such as LINE, and a telephone or video call. Speech text created by voice recognition of speech, F2F (Face-to-Face) conversation saved via a voice agent, etc., are converted to text-based data, mail, user posts on SNS, and recorded in the TODO list. Task, a memo stored on the service, or a memo image processed by OCR (Optical Character Recognition).
  • the schedule estimating unit 104 may estimate a schedule by associating and evaluating a plurality of items.
  • the schedule estimating unit 104 may appropriately use information stored in an external database such as the agent conversation history database 122, the message database 123, and the mail database 124 for estimating a schedule. .
  • the schedule estimating unit 104 returns the schedule information in a list format, assuming that a plurality of schedule items are returned together. It is assumed that the schedule information output by the schedule estimating unit 104 follows the format shown in FIG.
  • Schedule ⁇ Purchase Purpose Candidate Conversion Unit 105 is a functional module that acquires an assumed purchase purpose candidate from the contents of the schedule listed by the schedule list up unit 102.
  • the process of the schedule ⁇ purchase purpose candidate conversion unit 105 is executed as an internal process for the purchase purpose candidate list generation unit 106 described later to create a purchase purpose candidate list.
  • Schedule ⁇ Purchase purpose candidate conversion unit 105 inputs a corresponding item from the output format of the schedule (see FIG. 5). More specifically, the schedule information is converted into a schedule / purchase candidate conversion input format in which item names are narrowed down to target schedule names and target schedule categories as shown in FIG. Is done. Then, the schedule ⁇ purchase purpose candidate conversion unit 105 converts the input schedule into an assumed purchase purpose candidate (or a degree of purchase relevance), and converts the schedule ⁇ purchase purpose candidate conversion information as shown in FIG. Output in output format.
  • the purchase purpose candidate list generation unit 106 is a functional module that interprets the contents of the schedule listed up by the schedule list up unit 102 and lists the assumed purchase purpose candidates.
  • the purchase purpose candidate list generation unit 106 Upon input of the schedule list output by the schedule list up unit 105, the purchase purpose candidate list generation unit 106 receives the schedule list from the schedule list based on the processing result obtained by converting the schedule into the purchase purpose candidate by the schedule ⁇ purchase purpose candidate conversion unit 105.
  • a purchase purpose candidate is acquired from the schedule name or schedule category that is set.
  • the format of the schedule list is as shown in FIG.
  • the format of the schedule ⁇ purchase purpose candidate conversion information is as shown in FIG. A plurality of purchase purpose candidates are assumed. Therefore, the purchase purpose candidate list generation unit 106 outputs a list of purchase purpose candidates.
  • FIG. 8 shows an example of a purchase purpose candidate output format output by the purchase purpose candidate list generation unit 106.
  • the product / product category history input unit 107 is a functional module for inputting a history of products and product categories browsed by a user (a user of the system and a prediction target person).
  • Users such as online shopping, for example, through the information terminal such as a smartphone or tablet owned by the user or the screen of a personal computer, or the like, keyword search for the product or product category, or the product or product category of the search hit. And browse information.
  • information on products browsed by users at physical stores and the like cannot be observed online, but information generated by cameras and proximity sensors installed in stores is used to generate product browsing history. Is also good.
  • the merchandise / merchandise category history input unit 107 receives a history of merchandise and merchandise categories viewed by a user on an information terminal or the like, and outputs a merchandise browsing history and a merchandise category browsing history.
  • the product category history is implicitly input from a database or the like that stores the history.
  • FIG. 9 shows an example of an output format of the product browsing history
  • FIG. 10 shows an example of an output format of the product category browsing history.
  • the product category browsing history shown in FIG. 10 has an action list executed during browsing, information such as a search keyword or a browsing category, and corresponds to search information during browsing.
  • the product / product category history input unit 107 arbitrarily outputs supplementary information used to obtain a more accurate evaluation value at the time of final evaluation.
  • the user profile generation unit 108 is a functional module that generates a user profile such as user preference information.
  • the purchase purpose candidate generated by the purchase purpose candidate list generation unit 106 includes the target user ID as the purchase target information, the user profile generation unit 108 is used.
  • the user profile generation unit 108 receives the purchase purpose candidate list and the user profile output from the purchase purpose candidate list generation unit 106 and outputs a user profile of a user who is a purchase purpose candidate.
  • the purchase purpose candidate list is as shown in FIG.
  • the user profile generation unit 108 acquires a user profile corresponding to the target user ID included in the purchase purpose candidate from the user profile database 125 and outputs the acquired user profile to the evaluation unit 114 at the subsequent stage.
  • FIG. 11 shows an example of an output format of a user profile read from the user profile database 125 and a user profile output from the user profile generation unit 108 to the evaluation unit 114.
  • the user profile includes a user ID of the target user and items of a plurality of arbitrary attributes such as gender, age, residence area,.
  • the user profile includes information (items) used in a recommendation using general CBF (Content @ Based @ Filtering).
  • CBF Content @ Based @ Filtering
  • the evaluation unit 114 skips the evaluation process using the user profile.
  • the group profile generation unit 109 is a functional module that generates a group profile such as group preference information.
  • the purchase purpose candidate generated by the purchase purpose candidate list generation unit 106 includes the target group ID as the purchase purpose target person information, the group profile generation unit 109 is used.
  • the group profile generation unit 109 receives the purchase purpose candidate list and the group profile output from the purchase purpose candidate list generation unit 106 as inputs, and outputs a group profile of a group to be a purchase purpose candidate.
  • the purchase purpose candidate list is as shown in FIG.
  • the group profile generation unit 109 acquires a group profile corresponding to the target group ID included in the purchase purpose candidate from the group profile database 126 and outputs the acquired group profile to the evaluation unit 114 at the subsequent stage.
  • FIG. 12 shows an example of the output format of the group profile read from the group profile database 126 and the group profile output from the group profile generation unit 109 to the evaluation unit 114.
  • the group profile includes a group ID of the target group, and items of a plurality of arbitrary attributes such as the gender tendency of the group, the age group of the group, the living area of the group, and so on.
  • the group profile includes information (items) used in a recommendation using a general CBF.
  • the group profile output by the group profile generation unit 109 includes more items with arbitrary attributes, the performance of processing that reflects the preferences of the target user or group is improved.
  • the evaluation unit 114 skips the evaluation process using the group profile.
  • the detailed product information generation unit 110 is a functional module that acquires detailed information of a product history viewed by a user.
  • the detailed product information generation unit 110 inputs a product browsing history from the product / product category history input unit 107, reads out product information on a product corresponding to the product browsing history from the product information database 127, and outputs detailed product browsing information.
  • the format of the product browsing history input from the product / product category history input unit 107 is as shown in FIG.
  • FIG. 13 shows a format example of the detailed product browsing information output by the detailed product information generation unit 110.
  • the detailed product information generation unit 110 returns a detailed product browsing information list in a list format.
  • the detailed product category information generation unit 111 is a functional module that acquires detailed information of a product category history viewed by a user.
  • the detailed product category information generation unit 111 inputs a product category browsing history from the product / product category history input unit 107, reads out product information on a product category corresponding to the product category browsing history from the product category information database 128, and outputs a detailed product. Output category browsing information.
  • the format of the product category browsing history input from the product / product category history input unit 107 is as shown in FIG.
  • FIG. 14 illustrates a format example of the detailed product category browsing information output by the detailed product category information generation unit 111.
  • the detailed product category information generation unit 111 returns a detailed product category browsing information list in a list format.
  • the purchase purpose-related product / product category information generation unit 112 is a functional module that estimates a product or a product category related to the purchase purpose candidate generated by the purchase purpose candidate list generation unit 106.
  • the purchase purpose ⁇ product / product category information conversion unit 113 converts the purchase purpose into product information or product category. Based on the processing result converted into the information, product information or product category information corresponding to the purchase purpose input in the purchase purpose candidate list is acquired.
  • the format of the purchase purpose candidate list input from the purchase purpose candidate list generation unit 106 is as shown in FIG. FIG. 15 shows an example of an output format of purchase purpose ⁇ product / product category conversion information output from purchase purpose ⁇ product / product category information conversion unit 113 to purchase purpose related product / product category information generation unit 112. ing.
  • the purchase purpose related product / product category information generation unit 112 acquires the product information or the product category information corresponding to the purchase purpose candidate from the purchase purpose ⁇ product / product category conversion information, and obtains the purchase purpose candidate and the purchase purpose. Output related (or related to schedule) product information or product category information.
  • FIG. 16 shows an example of a product / product category output format related to the purchase purpose candidate + purchasing purpose, which is output by the purchase purpose related product / product category information generation unit 112. Since a plurality of purchase purpose candidates are assumed, the purchase purpose related product / product category information generation unit 112 outputs the purchase purpose candidates + products / product categories related to the purchase purpose in a list format.
  • Purchase purpose ⁇ product / product category information conversion unit 113 is a functional module that converts the purchase purpose into information on a related product or product category and acquires it.
  • the process of the purchase purpose ⁇ product / product category information conversion unit 113 is executed as an internal process of the purchase purpose related product / product category information generation unit 112.
  • the purchase purpose ⁇ product / product category information converter 113 converts the purchase purpose candidate + purchased product / product category output format (see FIG. 16) related to the purchase purpose of the purchase purpose ⁇ product / product category information converter 113. Enter purchase purpose information.
  • FIG. 17 shows an example of a purchase purpose conversion input format to the purchase purpose ⁇ product / product category information conversion unit 113. Then, the purchase purpose ⁇ product / product category information conversion unit 113 outputs information on a product or a product category related to the purchase purpose and the purchase purpose.
  • FIG. 18 shows an example of a purchase purpose conversion output format of the purchase purpose ⁇ product / product category information conversion unit 113.
  • the evaluation unit 114 is a functional module that evaluates a product or a product category viewed by a user based on an estimated purchase purpose and a preference of a target user or a target group (that is, a main user of a product whose purchase is estimated). It is.
  • the evaluation unit 114 converts a purchase purpose candidate + a product / product category related to the purchase purpose (see FIG. 16) from the purchase purpose related product / product category information generation unit 112 into a user profile (FIG. 16) from the user profile generation unit 108. 11), the group profile (see FIG. 12) from the group profile generator 109, the detailed product browsing information (see FIG. 13) from the detailed product information generator 110, and the detailed product category.
  • the detailed product category browsing information (see FIG. 14) is input from the information generation unit 111.
  • the evaluation unit 114 evaluates the product or the product category browsed by the user based on the preference of the user or the group as the target when purchasing the product, and outputs the evaluated purchase purpose information.
  • FIG. 19 shows an output format example of the evaluated purchase purpose information. In order to assume a plurality of evaluation results, the evaluation unit 114 returns the evaluated purchase purpose information in a list format.
  • the information processing system 100 includes a plurality of functional modules and a plurality of databases, but all of these components may be configured in a single device. Some or all of the components may be implemented on the cloud.
  • the term “cloud” generally indicates cloud computing (Cloud @ Computing).
  • the cloud provides computing services via a network such as the Internet.
  • edge computing Edge @ Computing
  • fog computing Fog @ Computing
  • the cloud in the present specification is understood to refer to a network environment or a network system for cloud computing (resources for computing (including a processor, a memory, a wireless or wired network connection facility, and the like)). There is also. Also, it may be understood that it indicates a service or a provider provided in the form of a cloud.
  • FIG. 20 shows, in the form of a flowchart, a processing procedure for predicting a main user and a purchase purpose of a product in the information processing system 100 shown in FIG. It is assumed that the user information acquisition unit 101 has acquired the user information of the user who is the prediction target person, as a premise of performing this processing procedure.
  • the merchandise / merchandise category history input unit 107 converts merchandise browsing history information (see FIG. 9) and merchandise category browsing history information (see FIG. 10) of a user who is a prediction target in a list format. An input is made (step S2001).
  • the product / product category history input unit 107 inputs product browsing history information and product category browsing history information generated on a server such as online shopping. Also, when a user searches for a product via a voice agent or the like, it is assumed that the same information is obtained from the server. On the other hand, information on products browsed by users at physical stores and the like cannot be observed online, but information generated by cameras and proximity sensors installed in stores is used to generate product browsing history. Is also good.
  • the schedule listing unit 102 lists the schedule of the user to be the prediction target (step S2002). Further, the schedule listing unit 102 lists the schedules related to the user and the close friends, and also recursively lists the schedules of the persons included in the acquired schedule.
  • schedules to be listed are roughly divided into schedules input in advance and schedules estimated.
  • the pre-input schedule is an explicitly registered schedule (for example, a Christmas party schedule registered in a calendar), and the probability of event occurrence is high.
  • the schedule acquisition unit 103 acquires a schedule input in advance from the calendar service 121 on the Web, and outputs the schedule to the schedule listing unit 102.
  • the estimated schedule is a schedule that is not explicitly registered, but is estimated from various information.
  • the schedule estimating unit 104 receives a speech text recognized by speech with a speech agent, a message exchanged by a messaging service such as LINE, a speech text created by speech recognition of a telephone call or a video call, a speech agent, and the like.
  • a speech text recognized by speech with a speech agent a message exchanged by a messaging service such as LINE
  • a speech text created by speech recognition of a telephone call or a video call a speech agent, and the like.
  • a schedule of a user is estimated and output to the schedule listing unit 102.
  • the schedule estimating unit 104 may estimate a schedule by associating and evaluating a plurality of items. For example, there is a case where the user has a conversation with another person via the voice agent on the schedule recorded in the TODO list, and the execution date and time are uniquely determined.
  • Both the schedule obtaining unit 103 and the schedule estimating unit 104 output the schedules in a list format according to the output format shown in FIG.
  • the purchase purpose candidate list generation unit 106 interprets the contents of the schedule listed in step S2002, estimates the purchase purpose of the product, and creates a purchase purpose candidate list (step S2003).
  • the schedule ⁇ purchase purpose candidate conversion unit 105 converts the schedule listed by the schedule list up unit 102 into the purchase purpose (purchase purpose candidate or purchase purpose). (Degree of relevance), and outputs schedule ⁇ purchase purpose candidate conversion information in the output format shown in FIG. Then, the purchase purpose candidate list generation unit 106 outputs the purchase purpose candidate list in the output format shown in FIG.
  • the target user ID and the target group ID store identification information of a user or a group that is a main user of a product to be predicted.
  • the target user ID is the user ID of the user (prediction target person) himself, it indicates that the product to be predicted is purchased for the user himself (that is, the user himself is the main user).
  • the target user ID is the user ID of a specific partner other than the user, it indicates that the product to be predicted is purchased for the purpose of presenting to the specific partner.
  • the target group ID is entered, it indicates that the product to be predicted is purchased for the purpose of presenting to the group specified by the group ID.
  • the estimated purchase purpose stores the purchase purpose candidates related to the schedule and is used at the time of final output. It is assumed that the purchase purpose candidate list generation unit 106 estimates the purchase purpose based on a conversion table or machine learning using schedule information (see FIG. 5) input from the schedule list up unit 102. . It is assumed that the accuracy of estimating the purpose of purchase differs depending on the degree of familiarity between the user and the target user (or the target group) and the degree of purchase relevance. Therefore, a purchase accuracy item is provided.
  • the purchase purpose candidate list generation unit 106 adds the generated purchase purpose candidate to the schedule of the schedule information (see FIG. 5) and outputs it to the subsequent stage. Since it is assumed that a plurality of purchase purpose candidates are linked to one schedule, the purchase purpose candidate list generation unit 106 outputs the purchase purpose candidates in a list format.
  • the evaluation unit 114 evaluates the purchase purpose candidates generated by the purchase purpose candidate list generation unit 106 one by one in subsequent steps S2005 and S2006, and when the evaluation is completed for all the purchase purpose candidates (step S2004). Yes), output the final result.
  • step S2005 the evaluation unit 114 acquires data necessary for evaluating the purchase purpose candidate to be evaluated.
  • the evaluation unit 114 acquires the user profile of the user specified as the target user in the purchase purpose candidate to be evaluated from the user profile generation unit 108, or obtains the group profile of the group specified as the target group. From the group profile generation unit 109.
  • the user profile and the group profile are profile information for calculating the degree of matching between the browsed product and the target user or target group.
  • the user profile and the group profile include information (items) used in a recommendation using a general CBF.
  • the user profile includes arbitrary items such as gender, age, residence area, family structure, hobby, favorite color, favorite brand, and schedule.
  • the schedule includes both a pre-input schedule and an estimated schedule (described above). In the present embodiment, since the approach of estimating the purpose of purchase based on the schedule is taken, sufficient schedule information is required.
  • the group profile is as shown in FIG.
  • the information includes information on members of the group (including a user profile for each member) and various kinds of tendency information (gender tendency, age group, living area, hobby tendency, etc a group.
  • the evaluation unit 114 outputs product information or product category information related to the purchase purpose (or schedule) as information necessary for evaluation of the purchase purpose candidate, and purchase purpose related product / product category information generation unit 112. To get from.
  • the product information or the product category information related to the purpose of purchase is information of a product or a product category that may be required for the scheduler to complete the schedule. For example, as a product or a product category linked to the schedule “mountain climbing”, rainwear, a camera (compact so as to be able to take to the mountain, high image quality that can capture impressive scenes such as sunrise), and cold protection equipment are applicable. .
  • the evaluation unit 114 also outputs detailed product information (see FIG. 13) linked to the product browsing history (see FIG. 9) as information necessary for evaluating the purchase purpose candidate. And detailed product category information (see FIG. 14) associated with the product category browsing history (see FIG. 10) from the detailed product category information generation unit 111.
  • FIG. 21 illustrates detailed product information on the camera. However, it should be fully understood that specific items included in the detailed product information differ depending on the product.
  • the evaluation unit 114 can perform matching between the target user's preference and the product by combining the detailed product information associated with the user's product browsing history and the target user's user profile. Therefore, it is possible to predict a product using the assumption that a partner presents a favorite product (selects a product that the main user of the product likes).
  • the evaluation unit 114 can predict a product based on preference information by combining the detailed product information associated with the user's product browsing history with the user profile of the target user or the group profile of the target group.
  • step S2006 the evaluation unit 114 evaluates the purchase purpose candidates one by one using the data acquired in the preceding step S2005, and quantifies the evaluation result.
  • the evaluation unit 114 performs two types of evaluations roughly. One is to evaluate the matching of a product or a product category to a target user or a target group, that is, to evaluate a purchase purpose candidate based on whether a main user of the product likes the product or the product category. The other is to evaluate the matching between the schedule and the product or the product category, that is, to evaluate the purchase purpose candidate based on whether the product or the product category matches the situation of the main user of the product.
  • FIG. 22 shows an example of the internal configuration of the evaluation unit 114.
  • the illustrated evaluation unit 114 includes a first evaluation unit 2201, a second evaluation unit 2202, and an evaluation value integration unit 2203.
  • the first evaluation unit 2201 matches the first product or product category to the target user or target group, that is, determines the purchase purpose candidate based on whether the main user of the product likes the product or product category. evaluate.
  • the first evaluation unit 2201 includes detailed product information associated with the user's product browsing history acquired from the detailed product information generating unit 110, and details associated with the user's product category browsing history acquired from the detailed product category information generating unit 111.
  • the product category information is subjected to matching evaluation with the user profile of the target user acquired from the user profile generation unit 108 or the group profile of the target group acquired from the group profile generation unit 109, and the evaluation value is output.
  • the second evaluation unit 2202 evaluates the matching between another schedule and the product or the product category, that is, evaluates the purchase purpose candidate based on whether or not the product or the product category matches the situation of the main user of the product. .
  • the second evaluator 2202 includes the detailed product information associated with the user's product browsing history obtained from the detailed product information generating unit 110, and the details associated with the user's product category browsing history obtained from the detailed product category information generating unit 111.
  • the degree of coincidence between the product category information, the product information related to the purchase purpose acquired from the purchase purpose related product / product category information generation unit 112 (or related to the schedule) or the product category information is evaluated, and the evaluation is performed. Output.
  • Evaluation value integration unit 2203 integrates the evaluation values output by first evaluation unit 2201 and second evaluation unit 2202, respectively.
  • each purchase purpose candidate and the evaluation value are output, and the process ends.
  • the predetermined number is used as the prediction result, it is only necessary to select and output the purchase purpose candidates whose evaluation values are from the top to the predetermined number.
  • the purchase purpose candidate having the highest evaluation value may be selected.
  • An event having a higher schedule occurrence probability is evaluated higher. If a schedule with a close score remains as a candidate for purchase, the higher the probability of occurrence of the schedule, the higher the evaluation. For example, there is a higher probability that events registered on the calendar will participate than events that have been requested to attend at the SNS but have not responded to the participation announcement, and there is a possibility that gifts will be prepared for the latter event. Is higher
  • evaluation is performed using not only product categories but also detailed characteristics of products.
  • the user's preference is reflected in the preference of colors, brands, and the like. For example, when it is difficult to determine whether the purchase is a purchase to the prediction target person or a present to a friend, one of the points of evaluation is whether brand preferences match.
  • the constraint conditions for each product category are considered. For each merchandise category, some items simply affect the taste, while other items may cause inconvenience if they do not match. For example, if the target person is trying to buy clothes, it is difficult to judge whether it is a purchase for himself or a gift only by color, but he is trying to purchase clothes that do not fit the target person's size. In this case, it can be determined that the possibility of the present is high.
  • Schedule detection by dialogue between users In the case of a private event such as a birthday party, the distance between the organizer and the participants may be short, and information about schedule detection is included in the dialogue as shown in the following example. May be lost.
  • information for deciding whether to participate in an event detected by another information source may be included. For example, forgotten to reply to the event for which the attendance was requested on the SNS, but the confirmation of the participation is separately performed on the LINE.
  • the schedule estimating unit 104 is configured to estimate the schedule from the conversation information between the user and the agent stored in the agent conversation history database 122.
  • an agent provides recommended information from an affiliated event site
  • the user bites with an interesting look and requests detailed information.
  • it is detected that the event is of interest to the user by utilizing the facial expression recognition function of the agent.
  • the schedule estimating unit 104 is configured to estimate a schedule from the mail information stored in the mail database 124.
  • the distribution of event information using e-mail has been exploding in recent years, and it is necessary to perform evaluation according to user profile preferences and evaluation from other sources.
  • the schedule estimating unit 104 is configured to estimate a schedule from the message information posted on the SNS stored in the message database 124.
  • the TODO list directly describes the tasks to be performed by the user, and thus serves as a reference for detecting the schedule.
  • the TODO list may be described in a simplified form so that only the writer himself can decode it. Therefore, it is effective to associate the task detected from the TODO list with the schedule behind it. For example, when there is an item "TODO list task name: Buy presents for Mr. A", if it is found that Mr. A's birthday is near, guess "Mr. A's birthday gift purchase”. Can be.
  • a memo often describes information such as tasks and fragments thereof.
  • the memo is often described in a simplified manner like the TODO list, and it is effective to associate the memo with the last schedule supporting the content detected from the memo.
  • the schedule estimating unit 104 is configured to estimate a schedule from a memo stored on the service or a memo image subjected to OCR processing.
  • the information processing system 100 can prevent the prediction profile of the prediction target person from being erroneously updated when the prediction target person selects a present, thereby preventing unintended recommendations from being made.
  • the information processing system 100 can implicitly sort the information based on the interests of the present partner to enhance the purchasing effect of the product.
  • the information processing system 100 can register a schedule detected by an act of purchasing a product in a calendar such as the calendar service 121, thereby simplifying registration in the calendar.
  • the information processing system 100 can automatically set the task of the TODO list to execution completed.
  • the information processing system 100 When the information processing system 100 detects that the prediction target person has purchased a present for a birthday party or the like, the information processing system 100 notifies other participants of the information of the purchased product, and displays the information of the present to be given by another person. It can help you avoid duplicate content.
  • the technology disclosed in this specification allows a user (prediction target person) to perform various actions, such as online shopping on a browser, online shopping on an information terminal such as a smartphone or tablet, and an actual store. It can be applied when performing product search, and the main user (whether it is for the purchaser's own use or present for others) of the product that the user is trying to purchase and the background (purpose of the present) And schedules) can be predicted with high accuracy.
  • the technology disclosed in the present specification may have the following configurations.
  • An information processing apparatus comprising: (2) The first prediction unit predicts whether the main user is the user, a specific other person, or a specific group or one or more persons belonging to a group.
  • the information processing device according to (1).
  • the second prediction unit predicts at least one of a product or a product category that the user is trying to purchase, a purchase purpose of the user, and a schedule for using the product by the user.
  • the information processing apparatus according to any one of (1) and (2).
  • the second prediction unit is configured to determine at least one of a product or a product category, a product use application, and a product use schedule that the user is trying to purchase from the main user predicted by the first prediction unit. Predict one, The information processing device according to (2). (4-1) The second predicting unit, when the first predicting unit predicts the main user as a specific other person or at least one person belonging to a specific group or group, Predict at least one of the product or product category to be presented to the user, the purpose of the present, the date of the present, the intended use of the presented product, and the expected use of the presented product; The information processing device according to (2). (5) The first and second prediction units perform prediction based on schedule information. The information processing apparatus according to any one of (1) to (4).
  • the schedule information includes schedule information of the user, schedule information of a friend close to the user, and schedule information of a person included in the acquired schedule information.
  • the information processing device according to (5).
  • the schedule information includes at least one of a schedule pre-input to a calendar or the like and a guessed schedule.
  • the information processing device according to any one of (5) and (6).
  • the estimated schedule includes a record of a conversation between the user and the agent, a record of a message exchanged by a messaging service, a record of an utterance text created by speech recognition of a telephone or video call, and a speech recognition of an F2F conversation.
  • the information processing device Including transcribed records, emails, user posts on SNS, tasks recorded on the TODO list, memos stored on the service or memo images that have been OCR processed, or schedules inferred from other information,
  • the information processing device according to (7).
  • (9) predicting a product that the user intends to purchase, based on a matching evaluation of the product information with the profile information of the main user;
  • the information processing device according to any one of the above (1) to (8).
  • the profile information includes preference information of a user serving as the main user, or preference information of a group serving as the main user.
  • the information processing device according to (9).
  • the information processing device (11) predicting a product that the user is going to purchase, based on a matching evaluation between the product information and the product information associated with the purchase purpose of the user; The information processing device according to any one of (1) to (9).
  • the product information associated with the purchase purpose of the user includes schedule information serving as a basis for predicting the purchase purpose, and information on a product or a product category related to the purchase purpose.
  • the information processing device according to (11).
  • the product information includes a product category and feature information of a product or a product in the product category.
  • the information processing apparatus according to any one of (9) to (12).
  • the product information includes information on a product or a product category browsed by the user; The information processing device according to (13).
  • the first and second prediction units perform prediction when the user is searching for a product in a situation where an action can be acquired;
  • the information processing device according to any one of (1) to (14).
  • the situation includes online shopping on a browser, online shopping on an information terminal such as a smartphone or tablet, an actual store, or any other situation where an action can be acquired.
  • the information processing device according to (15).
  • An information processing method comprising:
  • DESCRIPTION OF SYMBOLS 100 ... Information processing system, 101 ... User information acquisition part 102 ... Schedule list up part, 103 ... Schedule acquisition part 104 ... Schedule estimation part 105 ... Schedule-> purchase purpose candidate conversion part 106 ... Purchase purpose candidate list generation part 107 ... Product / Product category history input unit 108 user profile generation unit 109 group profile generation unit 110 detailed product information generation unit 111 detailed product category information generation unit 112 purchase purpose related product / product category information generation unit 113 purchase purpose ⁇ Commodity / commodity category conversion section, 114 ... Evaluation section 121 ... Calendar service 122 ... Agent conversation history database 123 ... Message database, 124 ... Mail database 125 ... User profile database 126 ... Glue Profile database, 127 product information database 128 product category information database 2201 first evaluation unit 2202 second evaluation unit 2203 evaluation value integration unit

Landscapes

  • Business, Economics & Management (AREA)
  • Strategic Management (AREA)
  • Engineering & Computer Science (AREA)
  • Accounting & Taxation (AREA)
  • Development Economics (AREA)
  • Finance (AREA)
  • Economics (AREA)
  • Game Theory and Decision Science (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Marketing (AREA)
  • Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

ユーザに関わる情報を予測する情報処理装置を提供する。　情報処理装置は、ユーザが購入しようとしている商品の主利用者を予測する第１の予測部と、前記ユーザが商品を購入する背景を予測する第２の予測部を具備する。前記第１の予測部は、前記主利用者が、前記ユーザ本人、特定の他者、又は特定のグループ又はグループに属する１人以上の人のいずれであるかを予測する。また、前記第２の予測部は、前記ユーザが購入しようとしている商品又は商品カテゴリ、前記ユーザの購入目的、前記ユーザが商品を利用する日程のうち少なくとも１つを予測する。

Description

情報処理装置及び情報処理方法
　本明細書で開示する技術は、ユーザに関わる情報を予測する情報処理装置及び情報処理方法に関する。
　近年、オンラインショッピングの利用が盛んになってきている。この種のサービスの多くは、利用者の過去の購入履歴を記録して、次に購入すべき商品をレコメンドする。このため、他人のプレゼント用に購入した商品の情報に基づいて、利用者本来の嗜好とはマッチしない、若しくは利用者の用途とは無関係な商品がレコメンドされることがよくある。例えば、男性利用者が女性へのプレゼント用にアロマグッズを選んだ場合、女性向けの商品のレコメンドが続く、あるいはアロマグッズをプレゼントした相手へのプレゼントにはふさわしくない商品がレコメンドされてしまう。
　例えば、ＳＮＳ（Ｓｏｃｉａｌ　Ｎｅｔｗｏｒｋ　Ｓｅｒｖｉｃｅ）におけるユーザの公開情報に基づいてユーザにイベントが生じるか否かを判別し、ユーザにイベントが生じると判別されると、ユーザの公開情報とユーザのＳＮＳにおけるフレンドの電子市場における商品の購入履歴に基づいて、フレンドからユーザに贈与すべき商品を選定して、選定された商品をフレンドが電子市場にて購入してユーザに贈与すべき旨のレコメンドをフレンドに通知する、レコメンド装置について提案がなされている（特許文献１を参照のこと）。
国際公開第２０１６／１２５２３７ 特開２０１５－１４８８７号公報
　本明細書で開示する技術の目的は、ユーザに関わる情報を予測する情報処理装置及び情報処理方法を提供することにある。
　本明細書で開示する技術の第１の側面は、ユーザが購入しようとしている商品の主利用者を予測する第１の予測部と、前記ユーザが商品を購入する背景を予測する第２の予測部と、を具備する情報処理装置である。
　前記第１の予測部は、前記主利用者が、前記ユーザ本人、特定の他者、又は特定のグループ又はグループに属する１人以上の人のいずれであるかを予測する。また、前記第２の予測部は、前記ユーザが前記第１の予測部が予測した前記主利用者に購入しようとしている商品又は商品カテゴリ、商品の利用用途、商品の利用日程のうち少なくとも１つを予測する。
　第１の側面に係る情報処理装置は、商品情報の前記主利用者のプロファイル情報へのマッチング評価に基づいて、前記ユーザが購入しようとしている商品を予測する。また、第１の側面に係る情報処理装置は、前記ユーザの購入目的に紐付いた商品情報と商品情報とのマッチング評価に基づいて、前記ユーザが購入しようとしている商品を予測する。
　また、本明細書で開示する技術の第２の側面は、ユーザが購入しようとしている商品の主利用者を予測する第１の予測ステップと、前記ユーザが商品を購入する背景を予測する第２の予測ステップと、を有する情報処理方法である。
　本明細書で開示する技術によれば、ユーザに関わる情報を予測する情報処理装置及び情報処理方法を提供することができる。
　なお、本明細書に記載された効果は、あくまでも例示であり、本発明の効果はこれに限定されるものではない。また、本発明が、上記の効果以外に、さらに付加的な効果を奏する場合もある。
　本明細書で開示する技術のさらに他の目的、特徴や利点は、後述する実施形態や添付する図面に基づくより詳細な説明によって明らかになるであろう。
図１は、情報処理システム１００の機能的構成例を示した図である。 図２は、利用者情報出力フォーマット例を示した図である。 図３は、ユーザプロファイルの出力フォーマット例を示した図である。 図４は、スケジュール情報の入力フォーマット例を示した図である。 図５は、スケジュール情報の出力フォーマット例を示した図である。 図６は、スケジュールの出力フォーマット例を示した図である。 図７は、スケジュール→購入目的候補変換情報出力フォーマット例を示した図である。 図８は、購入目的候補出力フォーマット例を示した図である。 図９は、商品閲覧履歴の出力フォーマット例を示した図である。 図１０は、商品カテゴリ閲覧履歴の出力フォーマット例を示した図である。 図１１は、ユーザプロファイルの出力フォーマット例を示した図である。 図１２は、グループプロファイルの出力フォーマット例を示した図である。 図１３は、詳細商品閲覧情報のフォーマット例を示した図である。 図１４は、詳細商品カテゴリ閲覧情報のフォーマット例を示した図である。 図１５は、購入目的→商品／商品カテゴリ変換情報の出力フォーマット例を示した図である。 図１６は、購入目的候補＋購入目的に関連した商品／商品カテゴリ出力フォーマット例を示した図である。 図１７は、購入目的変換入力フォーマット例を示した図である。 図１８は、購入目的変換出力フォーマット例を示した図である。 図１９は、評価済み購入目的情報の出力フォーマット例を示した図である。 図２０は、商品の主利用者及び購入目的を予測するための処理手順を示したフローチャートである。 図２１は、商品の詳細情報の例を示した図である。 図２２は、評価部１１４の内部構成例を示した図である。
　以下、図面を参照しながら本明細書で開示する技術の実施形態について詳細に説明する。
　本明細書では、例えば商品の購入に関する情報を予測する技術について、以下で提案する。具体的には、本明細書で開示する技術は、ユーザが商品を購入しようとしている際に、購入しようとしている商品の主利用者（すなわち、自分用に購入するのか、あるいは他人へのプレゼント用か）とその背景（商品の購入目的や、日程など）を予測するものである。例えば、ユーザが、ブラウザ上でのオンラインショッピング、スマートフォンやタブレットなどの情報端末上でのオンラインショッピング、実店舗など、行動を取得可能なさまざまな状況下で商品検索を行っている際に、商品の主利用者とその背景を予測する。また、本明細書で開示する技術では、商品の購入目的がプレゼントである場合には、さらにその相手を商品探索履歴などに基づいて予測し、また、プレゼントにまつわる背景（プレゼントの目的やプレゼントする日）も併せて予測する。
　オンラインショッピングなどでは、例えば、利用者毎の購入履歴や嗜好情報に基づいて利用者が購入しようとする商品を予測する仕組みが取り入れられている。また、需要者の個人プロファイル情報と購入行動履歴情報に基づいて需要者の嗜好プロファイル情報を作成して、嗜好プロファイル情報に基づいて作成したレコメンド情報を需要者に通知する商品情報提供システムが提案されている（特許文献２を参照のこと）。
　しかしながら、購入者の購入履歴や嗜好情報だけでは十分な予測精度が得られないユースケースが存在する。例えば、男性向けのネクタイや女性向けのコスメなどのプレゼントとして定番の品物は、プレゼントの対象範囲が非常に広いため、主利用者を高い精度で予測することは難しい。もちろん、この種の品物が他人へのプレゼント用ではなく本人用に購入されることもあり、予測精度を低下させる要因でもある。
　また、プレゼントを贈る対象者が特定の相手のこともあれば、特定のグループの場合もあり、これらのケースを分離して予測を行える必要がある。例えば、ユーザがクリスマスプレゼントを探している場合、子供へのクリスマスプレゼントの場合もあれば、プレゼント交換会（クリスマスパーティーなど）用に特定のグループへのプレゼントの可能性もある。したがって、特定のユーザのプレゼントの判定に加え、グループへのプレゼントを判定する仕組みも必要である。
　ちなみに、特許文献１に記載されたレコメンド装置は、ＳＮＳにおけるユーザの公開情報を利用してプレゼントに適したイベントをピックアップし、そのユーザの購入履歴に基づいて対象者にプレゼントすることをレコメンドするが、事前にプレゼントする相手を決めてから商品をレコメンドするものである。したがって、このレコメンド装置は、購入しようとしている品物の主利用者とプレゼントの背景を予測するという、以下で提案する技術とは本質的に相違するものと思料する。
　特許文献１に記載されたレコメンド装置は、ＳＮＳ上に公開されたイベントを対象とし、ＳＮＳ上で企画されないイベントを対象にすることはできない。また、このレコメンド装置は、プレゼントする相手の趣味嗜好を考慮するとしても、相手の置かれた状況を考慮してプレゼントを贈るものではない。
　そこで、本明細書で開示する技術では、ある予測対象者の商品の購入に際して、購入する商品の主利用者を予測し、購入する商品がプレゼントの場合にその背景を予測するという問題を解決するために、商品の購入に関して以下の３つを仮定する。
（１）商品の購入と嗜好情報に相関がある。
（２）商品の購入とスケジュールに相関がある。
（３）商品の購入とプレゼントイベントに相関がある。プレゼントイベントが近づいてきたときに商品を購入する。
　商品の購入と嗜好情報の相関に関しては、基本的には、商品の主利用者が好む商品を選ぶということができる。購入者が、本人が利用する商品を購入する場合、あるいは他人にプレゼントする商品を購入する場合のいずれであっても、原則として、主利用者が好むものを選ぶ。例えば、カメラ好きは自分用のカメラ購入し、また、カメラ好きの人にはカメラをプレゼントする。
　商品の購入とスケジュールの相関に関しては、スケジュールに基づいて商品を購入することがあるということができる。例えば、プレゼント目的で商品を探す場合には、プレゼントを行うイベントが背後にあるはずである（Ａさんの誕生日が近いから、ゲーム機をプレゼント用に購入する、など）。また、プレゼントする商品は、相手の予定を考慮することがある（プレゼント相手が旅行を予定しているため、カメラを贈る、など）。また、自分用に購入する場合でも、商品を利用する予定が背後にあることがある（山に登る予定があるから、登山用の防寒具を購入する、など）。
　商品の購入とプレゼントイベントの相関に関しては、例外はあるものの、多くの場合、プレゼントイベントが近づいてきたときに商品を購入するということができる。明日と１ヶ月後にそれぞれプレゼントの品物を購入しなければならない場合、まず明日のプレゼントを購入するはずである。
　そして、商品の主利用者並びにプレゼントの背景を予測するという問題に、以下の２つのステップでアプローチする。
　最初のステップでは、予測対象者のスケジュールに基づいた購入目的又は利用用途をリストアップして、想定される購入目的を漏れなく抽出する。例えば、カレンダーサービスに登録された情報から予測対象者のスケジュールをリストアップしたり、予測対象者の会話履歴からスケジュールとなりそうな項目をピックアップしたりして、予測対象者のスケジュールに基づいた購入目的及び利用用途をリストアップする。ここで、ＬＩＮＥ（登録商標）などのＳＮＳでの予測対象者の会話履歴や、音声エージェントを利用して行われた予測対象者の会話履歴を活用する。そして、リストアップされたスケジュールから、予測対象者の購入目的や利用用途の候補一覧を作成する。
　次のステップでは、ユーザプロファイルや、購入目的に紐付いた商品特性を利用して、候補一覧中の各候補を評価することにより、最も妥当な候補を予測結果として選択する。
　ユーザプロファイルを用いて各候補を評価する場合、候補となる購入目的又は利用用途から特定される主利用者のユーザプロファイルを用いてマッチング度を計算する。購入者本人が主利用者となる候補の場合には、購入者のユーザプロファイルとのマッチング度を計算する。また、特定の相手にプレゼントする候補の場合には、そのプレゼントする相手のユーザプロファイルとのマッチング度を計算する。また、特定のグループへプレゼントする候補の場合には、グループのユーザプロファイルとのマッチング度を計算する。
　また、購入目的に紐付いた商品特性を利用して各候補を評価する場合、リストアップされた購入目的又は利用用途の候補の中から、関連した商品カテゴリを取得し、予測対象者の探索履歴の商品とのマッチング度を計算する。そして、マッチング度が高い候補ほど、その購入目的又は利用用途の可能性を高く評価する。
　要するに、本明細書で開示する技術では、予測対象者のスケジュールに基づいてリストアップされた購入目的又は利用用途の候補を、主利用者のユーザプロファイルとのマッチングにより評価して、予測対象者が購入しようとしている商品を予測し、プレゼント用であればそのプレゼントにまつわる背景を併せて予測するものである。本明細書で開示する技術は主に以下の２つの利点を有する
利点１：
　従来から行われていた、購入者の購入履歴や嗜好情報に基づいて商品を予測する手法では、十分な予測精度が得られないユースケースが存在する（前述）。これに対し、本明細書で開示する技術によれば、探索している商品の購入目的又は利用用途を予測対象者のスケジュールや会話履歴から取得して、予測対象者が商品を探す理由に基づいた商品購入の予測を行うことができる。これによって、商品の主利用者（すなわち、商品を使用する購入者本人又はプレゼント相手）の趣味嗜好に基づいて商品購入の予測を行うことができるとともに、プレゼントする目的に基づいて商品購入の予測を行うことができる。すなわち、本明細書で開示する技術によれば、プレゼントする目的やプレゼントにまつわる背景に適ったプレゼント商品を高い予測精度で予測することができる。
利点２：
　プレゼントを贈る対象者が特定の相手のこともあれば、特定のグループの場合もあり、これらのケースを分離して商品購入の予測を行える必要がある（前述）。本明細書で開示する技術によれば、探索している商品の購入目的又は利用用途を予測対象者のスケジュールや会話履歴から取得して、予測対象者が商品を探す理由に基づいた商品購入の予測を行うが、商品の購入目的又は利用用途に基づいて、購入を予測する商品の主利用者が、商品を使用する購入者本人、特定のプレゼント相手、又は、特定のグループのいずれであるかを予測することができる。そして、特定のプレゼント相手へプレゼンツする候補の場合にはそのプレゼント相手のユーザプロファイルとのマッチング度を計算するが、特定のグループへプレゼントする候補の場合には、グループのグループプロファイルとのマッチング度を計算することによって、各々のケースにおいて高い予測精度で商品を予測することができる。例えば、Ａさんの誕生日会のスケジュールに対しては、Ａさんへのプレゼント用の商品を予測するが、子供たちのクリスマス会のスケジュールに対しては、クリスマス会に参加する子供たちへのプレゼント用の商品を予測する。
　図１には、商品の購入に関する情報を予測する情報処理システム１００の機能的構成例を示している。情報処理システム１００は、ユーザがオンラインショッピングなどを通じて購入しようとしている商品の主利用者並びにプレゼントの背景を予測する。以下、情報処理システム１００の各構成要素について説明する。
　利用者情報取得部１０１は、情報処理システム１００を利用するユーザ情報を入力する機能モジュールである。ここで言うユーザは、情報処理システム１００を利用するユーザのことであり、利用者情報出力フォーマット例を予測対象者でもある。ユーザ情報として何を用いるかは任意である。本実施形態では、便宜上、情報処理システム１００にサインイン中のユーザＩＤをユーザ情報として用いることにする。また、ユーザ情報の取得方法も任意である。例えば、商品の購入に関する情報を予測するサービスがＷｅｂ上で展開される場合には、ユーザＩＤなどのユーザ情報はセッションから暗黙的に入力される。図２に、利用者情報取得部１０１の利用者情報出力フォーマット例を示しておく。なお、「Ｍ／Ｏ」は、「Ｍ」が必須（ｍａｎｄａｔｏｒｙ）の情報であることを示し、「Ｏ」が任意（ｏｐｔｉｏｎａｌ）の情報であることを示す（以下、同様）。
　スケジュールリストアップ部１０２は、利用者情報取得部１０１で情報を入力したユーザ、並びにそのユーザと親しい友人に関するスケジュールをリストアップする機能モジュールである。また、スケジュールリストアップ部１０２は、取得したスケジュールに含まれた人物のスケジュールも再帰的にリストアップする。
　スケジュールリストアップ部１０２は、利用者情報と、ユーザプロファイルと、スケジュール情報を入力とし、スケジュールリストを出力する。
　スケジュールリストアップ部１０２への入力のうち、利用者情報は、利用者情報取得部１０１が取得した利用者情報であり、図２に示した利用者情報出力フォーマットの形式で入力される。また、ユーザプロファイルは、ユーザプロファイルデータベース（ＤＢ）１２５から利用者常用に基づいて読み出されるユーザの詳細情報である。図３に、スケジュールリストアップ部１０２で使用するためのユーザプロファイルの出力フォーマット例を示しておく。また、スケジュール情報は、後述するスケジュール取得部１０３及びスケジュール推測部１０４から入力されるデータである。図４に、スケジュール取得部１０３及びスケジュール推測部１０４からスケジュールリストアップ部１０３に入力されるスケジュール情報の入力フォーマット例を示しておく。
　スケジュールリストアップ部１０２が出力するスケジュールリストは、複数のスケジュール項目を含むことが想定される。そこで、本実施形態では、スケジュールリストアップ部１０２は、図５に示すようなスケジュールの出力フォーマットでスケジュール情報を返すものとする。
　スケジュール取得部１０３は、カレンダーに登録されたユーザのスケジュールを取得して、スケジュール情報を出力する機能モジュールである。スケジュール取得部１０３は、例えば、Ｗｅｂ上のカレンダーサービス１２１などの外部サービスに登録されたスケジュール情報を取得する。本実施形態では、スケジュール取得部１０３は、図４に示したような入力フォーマットに相当する内容を、外部サービスから取得する。また、スケジュール取得部１０３は、複数のスケジュール項目をまとめて返却することを想定して、スケジュール情報をリスト形式で返却する。スケジュール取得部１０３が出力するスケジュール情報は、図５に示したフォーマットに従うものとする。
　スケジュール推測部１０４は、（カレンダー以外の）さまざまな方法で記述された会話情報などのテキストデータから、スケジュールを推測する機能モジュールである。本実施形態では、スケジュール推測部１０４は、会話情報推測のためのテキストデータを入力とし、スケジュール情報を出力する。
　スケジュール推測部１０４に入力される、会話情報推測のためのテキストデータの例として、音声エージェントとの対話で音声認識された発話テキスト、ＬＩＮＥなどのメッセージングサービスで交わされたメッセージ、電話やビデオ通話などを音声認識して作成した発話テキスト、音声エージェントなどを経由して保存したＦ２Ｆ（Ｆａｃｅ　ｔｏ　Ｆａｃｅ）の会話を音声認識してテキスト化したデータ、メール、ＳＮＳ上のユーザ投稿、ＴＯＤＯリストに記録されたタスク、サービス上で保存されたメモ又はＯＣＲ（Ｏｐｔｉｃａｌ　Ｃｈａｒａｃｔｅｒ　Ｒｅｃｏｇｎｉｔｉｏｎ）処理されたメモ画像などを挙げることができる。また、スケジュール推測部１０４は、複数の項目を関連付けて評価して、スケジュールを推測することもある。例えば、ＴＯＤＯリストに記録されたスケジュールを、ユーザが音声エージェント経由で他の人と会話して、一意に実行日時が決まる場合などである。スケジュール推測部１０４は、ユーザのスケジュールを推測するために、エージェント会話履歴データベース１２２、メッセージデータベース１２３、メールデータベース１２４などの外部データベースに蓄積されている情報をスケジュール検出のために適宜利用してもよい。
　また、スケジュール推測部１０４は、複数のスケジュール項目をまとめて返却することを想定して、スケジュール情報をリスト形式で返却する。スケジュール推測部１０４が出力するスケジュール情報は、図５に示したフォーマットに従うものとする。
　スケジュール→購入目的候補変換部１０５は、スケジュールリストアップ部１０２がリストアップしたスケジュールの内容から、想定される購入目的候補を取得する機能モジュールである。本実施形態では、スケジュール→購入目的候補変換部１０５の処理は、後述する購入目的候補リスト生成部１０６が購入目的候補リストを作成するための内部処理として、実施される。
　スケジュール→購入目的候補変換部１０５は、スケジュールの出力フォーマット（図５を参照のこと）より、該当する項目を入力する。具体的には、スケジュール情報を、図６に示すような、項目名を対象スケジュール名及び対象スケジュールカテゴリに絞り込んだスケジュール／購入目的候補変換入力フォーマットにして、スケジュール→購入目的候補変換部１０５に入力される。そして、スケジュール→購入目的候補変換部１０５は、入力されたスケジュールを、想定される購入目的候補（又は、購入関連度合い）に変換して、図７に示すような、スケジュール→購入目的候補変換情報出力フォーマットで出力する。
　購入目的候補リスト生成部１０６は、スケジュールリストアップ部１０２でリストアップされたスケジュールの内容を解釈して、想定される購入目的候補をリストアップする機能モジュールである。
　購入目的候補リスト生成部１０６は、スケジュールリストアップ部１０５が出力するスケジュールリストを入力すると、スケジュール→購入目的候補変換部１０５がスケジュールを購入目的候補に変換した処理結果に基づいて、スケジュールリストから受け取ったスケジュール名やスケジュールカテゴリから購入目的候補を取得する。スケジュールリストのフォーマットは、図５に示した通りである。また、スケジュール→購入目的候補変換情報のフォーマットは、図７に示した通りである。購入目的候補自体は複数想定される。そこで、購入目的候補リスト生成部１０６は、購入目的候補のリストを出力する。図８に、購入目的候補リスト生成部１０６が出力する購入目的候補出力フォーマット例を示しておく。
　商品／商品カテゴリ履歴入力部１０７は、ユーザ（システムの利用者であり、予測対象者）が閲覧した商品並びに商品カテゴリの履歴を入力する機能モジュールである。オンラインショッピングなどのユーザは、例えば、自分が所持するスマートフォンやタブレットなどの情報端末やパーソナルコンピュータの画面などを介して、商品又は商品カテゴリをキーワード検索したり、検索してヒットした商品又は商品カテゴリの情報を閲覧したりする。一方、ユーザが実店舗などで閲覧した商品の情報は、オンライン上では観測できないが、店舗に設置されたカメラや近接センサで観測された情報を利用して、商品閲覧履歴を生成するようにしてもよい。商品／商品カテゴリ履歴入力部１０７は、ユーザが情報端末などで閲覧した商品並びに商品カテゴリの履歴を入力とし、商品閲覧履歴、商品カテゴリ閲覧履歴を出力する。商品カテゴリ履歴は、履歴を格納したデータベースなどから暗黙的に入力される。商品閲覧履歴の出力フォーマット例を図９に示し、商品カテゴリ閲覧履歴の出力フォーマット例を図１０に示す。図１０に示す商品カテゴリ閲覧履歴は、閲覧時に実行したアクションリストや、検索キーワード又は閲覧カテゴリなどの情報を持ち、閲覧時の検索情報に相当する。また、商品／商品カテゴリ履歴入力部１０７は、最終的な評価時により正確な評価値を得るために利用する補足情報を任意で出力する。
　ユーザプロファイル生成部１０８は、ユーザの嗜好情報などユーザプロファイルを生成する機能モジュールである。購入目的候補リスト生成部１０６が生成した購入目的候補に購入目的の対象者情報としてのターゲットユーザＩＤが含まれていた場合に、ユーザプロファイル生成部１０８を利用する。
　ユーザプロファイル生成部１０８は、購入目的候補リスト生成部１０６から出力される購入目的候補リスト及びユーザプロファイルを入力とし、購入目的候補となるユーザのユーザプロファイルを出力する。購入目的候補リストは、図８に示した通りである。ユーザプロファイル生成部１０８は、購入目的候補に含まれていたターゲットユーザＩＤに該当するユーザプロファイルを、ユーザプロファイルデータベース１２５から取得して、後段の評価部１１４に出力する。
　図１１には、ユーザプロファイルデータベース１２５から読み出されるユーザプロファイル、並びに、ユーザプロファイル生成部１０８から評価部１１４に出力されるユーザプロファイルの出力フォーマット例を示している。ユーザプロファイルは、ターゲットユーザのユーザＩＤと、性別、年齢、居住エリア、…といった複数の任意属性の項目からなる。ユーザプロファイルには、一般的なＣＢＦ（Ｃｏｎｔｅｎｔ　Ｂａｓｅｄ　Ｆｉｌｔｅｒｉｎｇ）を用いたレコメンデーションで利用する情報（項目）が含まれる。また、ユーザプロファイル生成部１０８が出力するユーザプロファイルに任意属性の項目が多く含まれるほど、対象とするユーザ又はグループの嗜好を反映した処理の性能が向上する。逆に、出力するユーザプロファイルに含まれる任意属性の項目が少ない、又は１つも含まない場合、評価部１１４ではユーザプロファイルを利用した評価処理がスキップされることになる。
　グループプロファイル生成部１０９は、グループの嗜好情報などグループプロファイルを生成する機能モジュールである。購入目的候補リスト生成部１０６が生成した購入目的候補に購入目的の対象者情報としてのターゲットグループＩＤが含まれていた場合に、グループプロファイル生成部１０９を利用する。
　グループプロファイル生成部１０９は、購入目的候補リスト生成部１０６から出力される購入目的候補リスト及びグループプロファイルを入力とし、購入目的候補となるグループのグループプロファイルを出力する。購入目的候補リストは、図８に示した通りである。グループプロファイル生成部１０９は、購入目的候補に含まれていたターゲットグループＩＤに該当するグループプロファイルを、グループプロファイルデータベース１２６から取得して、後段の評価部１１４に出力する。
　図１２には、グループプロファイルデータベース１２６から読み出されるグループプロファイル、並びに、グループプロファイル生成部１０９から評価部１１４に出力されるグループプロファイルの出力フォーマット例を示している。グループプロファイルは、ターゲットグループのグループＩＤと、グループの性別傾向、グループの年齢層、グループの居住エリア、…といった複数の任意属性の項目からなる。グループプロファイルには、一般的なＣＢＦを用いたレコメンデーションで利用する情報（項目）が含まれる。また、グループプロファイル生成部１０９が出力するグループプロファイルに任意属性の項目が多く含まれるほど、対象とするユーザ又はグループの嗜好を反映した処理の性能が向上する。逆に、出力するグループプロファイルに含まれる任意属性の項目が少ない、又は１つも含まない場合、評価部１１４ではグループプロファイルを利用した評価処理がスキップされることになる。
　詳細商品情報生成部１１０は、ユーザが閲覧した商品履歴の詳細な情報を取得する機能モジュールである。詳細商品情報生成部１１０は、商品／商品カテゴリ履歴入力部１０７から商品閲覧履歴を入力し、商品情報データベース１２７から商品閲覧履歴に該当する商品に関する商品情報を読み出して、詳細商品閲覧情報を出力する。商品／商品カテゴリ履歴入力部１０７から入力される商品閲覧履歴のフォーマットは図９に示した通りである。また、図１３には、詳細商品情報生成部１１０が出力する詳細商品閲覧情報のフォーマット例を示している。ユーザが複数の商品を閲覧することを想定するため、詳細商品情報生成部１１０は、リスト形式の詳細商品閲覧情報リストを返却する。
　詳細商品カテゴリ情報生成部１１１は、ユーザが閲覧した商品カテゴリ履歴の詳細な情報を取得する機能モジュールである。詳細商品カテゴリ情報生成部１１１は、商品／商品カテゴリ履歴入力部１０７から商品カテゴリ閲覧履歴を入力し、商品カテゴリ情報データベース１２８から商品カテゴリ閲覧履歴に該当する商品カテゴリに関する商品情報を読み出して、詳細商品カテゴリ閲覧情報を出力する。商品／商品カテゴリ履歴入力部１０７から入力される商品カテゴリ閲覧履歴のフォーマットは図１０に示した通りである。また、図１４には、詳細商品カテゴリ情報生成部１１１が出力する詳細商品カテゴリ閲覧情報のフォーマット例を示している。ユーザが複数の商品カテゴリを閲覧することを想定するため、詳細商品カテゴリ情報生成部１１１は、リスト形式の詳細商品カテゴリ閲覧情報リストを返却する。
　購入目的関連商品／商品カテゴリ情報生成部１１２は、購入目的候補リスト生成部１０６によって生成された購入目的候補に関連する商品又は商品カテゴリを推定する機能モジュールである。
　購入目的関連商品／商品カテゴリ情報生成部１１２は、購入目的候補リスト生成部１０６から購入目的候補のリストを入力すると、購入目的→商品／商品カテゴリ情報変換部１１３が購入目的を商品情報又は商品カテゴリ情報に変換した処理結果に基づいて、購入目的候補リストで入力した購入目的に応じた商品情報又は商品カテゴリの情報を取得する。購入目的候補リスト生成部１０６から入力される購入目的候補リストのフォーマットは、図８に示した通りである。また、図１５には、購入目的→商品／商品カテゴリ情報変換部１１３から購入目的関連商品／商品カテゴリ情報生成部１１２に出力される、購入目的→商品／商品カテゴリ変換情報の出力フォーマット例を示している。
　そして、購入目的関連商品／商品カテゴリ情報生成部１１２は、購入目的候補に該当する商品情報又は商品カテゴリ情報を購入目的→商品／商品カテゴリ変換情報から取得して、購入目的候補、及び購入目的と関連する（若しくは、スケジュールに関連した）商品情報又は商品カテゴリ情報を出力する。図１６には、購入目的関連商品／商品カテゴリ情報生成部１１２が出力する、購入目的候補＋購入目的に関連した商品／商品カテゴリ出力フォーマット例を示している。複数の購入目的候補が想定されるので、購入目的関連商品／商品カテゴリ情報生成部１１２は、リスト形式で購入目的候補＋購入目的に関連した商品／商品カテゴリを出力する。
　購入目的→商品／商品カテゴリ情報変換部１１３は、購入目的を関連する商品又は商品カテゴリの情報に変換して取得する機能モジュールである。本実施形態では、購入目的→商品／商品カテゴリ情報変換部１１３の処理は、購入目的関連商品／商品カテゴリ情報生成部１１２の内部処理として、実施される。
　購入目的→商品／商品カテゴリ情報変換部１１３は、購入目的→商品／商品カテゴリ情報変換部１１３の購入目的候補＋購入目的に関連した商品／商品カテゴリ出力フォーマット（図１６を参照のこと）より、購入目的情報を入力する。図１７には、購入目的→商品／商品カテゴリ情報変換部１１３への購入目的変換入力フォーマット例を示している。そして、購入目的→商品／商品カテゴリ情報変換部１１３は、購入目的と購入目的を関連する商品又は商品カテゴリの情報を出力する。図１８には、購入目的→商品／商品カテゴリ情報変換部１１３の購入目的変換出力フォーマット例を示している。
　評価部１１４は、推定される購入目的や、ターゲットユーザ又はターゲットグループ（すなわち、購入が推定される商品の主利用者）の嗜好に基づいて、ユーザが閲覧した商品又は商品カテゴリを評価する機能モジュールである。
　評価部１１４は、購入目的関連商品／商品カテゴリ情報生成部１１２から購入目的候補＋購入目的に関連した商品／商品カテゴリ（図１６の参照のこと）を、ユーザプロファイル生成部１０８からユーザプロファイル（図１１を参照のこと）を、グループプロファイル生成部１０９からグループプロファイル（図１２を参照のこと）を、詳細商品情報生成部１１０から詳細商品閲覧情報（図１３を参照のこと）を、詳細商品カテゴリ情報生成部１１１から詳細商品カテゴリ閲覧情報（図１４を参照のこと）をそれぞれ入力する。そして、評価部１１４は、商品を購入する場合のターゲットとなるユーザ又はグループの嗜好に基づいて、ユーザが閲覧した商品又は商品カテゴリを評価して、評価済み購入目的情報を出力する。図１９には、評価済み購入目的情報の出力フォーマット例を示している。複数の評価結果を想定するため、評価部１１４は、リスト形式で評価済み購入目的情報を返却する。
　なお、図１に示した通り、情報処理システム１００は、複数の機能的モジュール並びに複数のデータベースで構成されるが、これらの構成要素のすべてが単一の装置内で構成されていてもよいし、一部又は全部の構成要素がクラウド上で実施されてもよい。但し、本明細書で「クラウド（Ｃｌｏｕｄ）」というときは、一般的に、クラウドコンピューティング（Ｃｌｏｕｄ　Ｃｏｍｐｕｔｉｎｇ）を指すものとする。クラウドは、インターネットなどのネットワークを経由してコンピューティングサービスを提供する。コンピューティングが、ネットワークにおいて、サービスを受ける情報処理装置により近い位置で行われる場合には、エッジコンピューティング（Ｅｄｇｅ　Ｃｏｍｐｕｔｉｎｇ）やフォグコンピューティング（Ｆｏｇ　Ｃｏｍｐｕｔｉｎｇ）などとも称される。本明細書におけるクラウドは、クラウドコンピューティングのためのネットワーク環境やネットワークシステム（コンピューティングのための資源（プロセッサ、メモリ、無線又は有線のネットワーク接続設備などを含む））を指すものと解される場合もある。また、クラウドの形態で提供されるサービスやプロバイダ（Ｐｒｏｖｉｄｅｒ）を指すものと解される場合もある。
　図２０には、図１に示した情報処理システム１００において、商品の主利用者及び購入目的を予測するための処理手順をフローチャートの形式で示している。なお、この処理手順を実施する前提として、利用者情報取得部１０１が、予測対象者となるユーザのユーザ情報を取得しているものとする。
　まず、商品／商品カテゴリ履歴入力部１０７が、予測対象者となるユーザの商品閲覧履歴情報（図９を参照のこと）並びに商品カテゴリ閲覧履歴情報（図１０を参照のこと）を、リスト形式で入力する（ステップＳ２００１）。
　オンラインショッピングなどのユーザは、例えば、自分が所持するスマートフォンやタブレットなどの情報端末やパーソナルコンピュータの画面などを介して、商品又は商品カテゴリをキーワード検索したり、検索してヒットした商品又は商品カテゴリの情報を閲覧したりする。商品／商品カテゴリ履歴入力部１０７は、オンラインショッピングなどのサーバ上で生成された商品閲覧履歴情報や商品カテゴリ閲覧履歴情報を入力する。また、ユーザが音声エージェントなどを経由して商品を検索する場合も、サーバから同様の情報を取得することが想定される。一方、ユーザが実店舗などで閲覧した商品の情報は、オンライン上では観測できないが、店舗に設置されたカメラや近接センサで観測された情報を利用して、商品閲覧履歴を生成するようにしてもよい。
　次いで、スケジュールリストアップ部１０２が、予測対象者となるユーザのスケジュールをリストアップする（ステップＳ２００２）。また、スケジュールリストアップ部１０２は、そのユーザと親しい友人に関するスケジュールをリストアップし、さらには取得したスケジュールに含まれた人物のスケジュールも再帰的にリストアップする。
　ここで、リストアップするスケジュールは、事前入力されたスケジュールと、推測したスケジュールに大別される。
　事前入力されたスケジュールは、明示的に登録されたスケジュール（例えばカレンダーに登録されたクリスマス会のスケジュール）で、イベント発生の確度が高い。スケジュール取得部１０３は、Ｗｅｂ上のカレンダーサービス１２１から事前入力されたスケジュールを取得して、スケジュールリストアップ部１０２に出力する。
　また、推測したスケジュールは、明示的には登録されていないが、さまざまな情報から推測されるスケジュールである。スケジュール推測部１０４は、音声エージェントとの対話で音声認識された発話テキスト、ＬＩＮＥなどのメッセージングサービスで交わされたメッセージ、電話やビデオ通話などを音声認識して作成した発話テキスト、音声エージェントなどを経由して保存したＦ２Ｆの会話を音声認識してテキスト化したデータ、メール、ＳＮＳ上のユーザ投稿、ＴＯＤＯリストに記録されたタスク、サービス上で保存されたメモ又はＯＣＲ処理されたメモ画像といった、想定されるさまざまな情報源から、ユーザ（ユーザと親しい友人、取得したスケジュールに含まれた人物を含む）のスケジュールを推測して、スケジュールリストアップ部１０２に出力する。また、スケジュール推測部１０４は、複数の項目を関連付けて評価して、スケジュールを推測することもある。例えば、ＴＯＤＯリストに記録されたスケジュールを、ユーザが音声エージェント経由で他の人と会話して、一意に実行日時が決まる場合などである。
　スケジュール取得部１０３及びスケジュール推測部１０４のいずれも、図５に示した出力フォーマットにより、スケジュールをリストアップ形式で出力する。
　次いで、購入目的候補リスト生成部１０６が、ステップＳ２００２でリストアップされたスケジュールの内容を解釈して、商品の購入目的を推定して、購入目的候補リストを作成する（ステップＳ２００３）。
　この処理ステップでは、まず、購入目的候補リスト生成部１０６の内部処理として、スケジュール→購入目的候補変換部１０５が、スケジュールリストアップ部１０２によりリストアップされたスケジュールを購入目的（購入目的候補、又は購入関連度合い）に変換して、図７に示した出力フォーマットによりスケジュール→購入目的候補変換情報を出力する。そして、購入目的候補リスト生成部１０６は、図８に示した出力フォーマットにより購入目的候補リストを出力する。
　図８に示した購入目的候補には、誰に、なぜ購入するのかという情報が追記される。図８の購入目的候補に含まれる項目について説明しておく。
　ターゲットユーザＩＤ及びターゲットグループＩＤには、予測しようとする商品の主利用者となるユーザ又はグループの識別情報が格納される。ターゲットユーザＩＤが、ユーザ（予測対象者）自身のユーザＩＤである場合には、予測しようとする商品をユーザ自身のために購入すること（すなわち、ユーザ自身が主利用者であること）を示す。ターゲットユーザＩＤが、ユーザ以外の特定の相手のユーザＩＤである場合には、予測しようとする商品をその特定の相手へのプレゼント目的で購入することを示す。また、ターゲットグループＩＤが記入されている場合には、予測しようとする商品をそのグループＩＤで特定されるグループへのプレゼント目的で購入することを示す。
　推定購入目的には、スケジュールに関連した購入目的の候補が格納され、最終出力時に利用される。購入目的候補リスト生成部１０６が、スケジュールリストアップ部１０２から入力されるスケジュール情報（図５を参照のこと）を用いた変換テーブルや機械学習ベースで、購入目的を推定することを想定している。ユーザ本人とターゲットユーザ（若しくは、ターゲットグループ）との親密度合いや購入関連度合いに応じて、購入目的を推定する確度が異なることが想定される。そこで、購入確度の項目が設けられている。
　購入目的候補リスト生成部１０６は、生成した購入目的候補を、スケジュール情報（図５を参照のこと）のスケジュールに追記して、後段に出力する。１つのスケジュールに複数の購入目的候補が紐付けされる場合も想定されるので、購入目的候補リスト生成部１０６は、購入目的候補をリスト形式で出力する。
　そして、評価部１１４は、購入目的候補リスト生成部１０６によって生成された購入目的候補を１つずつ、後続のステップＳ２００５及びＳ２００６で評価し、すべての購入目的候補について評価が終了したら（ステップＳ２００４のＹｅｓ）、最終結果を出力する。
　ステップＳ２００５では、評価部１１４は、評価対象となる購入目的候補の評価に必要なデータを取得する。
　具体的には、評価部１１４は、評価対象となる購入目的候補においてターゲットユーザに指定されたユーザのユーザプロファイルをユーザプロファイル生成部１０８から取得し、又は、ターゲットグループに指定されたグループのグループプロファイルをグループプロファイル生成部１０９から取得する。
　ユーザプロファイル並びにグループプロファイルは、閲覧商品とターゲットユーザ又はターゲットグループとのマッチング度合いを計算するためのプロファイル情報である。ユーザプロファイル並びにグループプロファイルは、一般的なＣＢＦを用いたレコメンデーションで利用する情報（項目）が含まれる。
　ユーザプロファイルは、図１１に示した通り、性別、年齢、居住エリア、家族構成、趣味、好きな色、好きなブランド、スケジュールといった任意の項目を含む。スケジュールは、事前入力されたスケジュールと推定したスケジュール（前述）の両方を含む。本実施形態では、スケジュールに基づいて購入目的を推定するというアプローチをとることから、十分なスケジュール情報が必要である。
　グループプロファイルは、図１２に示した通りである。グループの構成メンバーの情報（メンバー毎のユーザプロファイルも含む）と、グループとしての各種傾向情報（性別傾向、年齢層、居住エリア、趣味傾向、…）を含む。
　また、評価部１１４は、購入目的候補の評価に必要な情報として、購入目的と関連する（若しくは、スケジュールに関連した）商品情報又は商品カテゴリ情報を、購入目的関連商品／商品カテゴリ情報生成部１１２から取得する。
　購入目的と関連する（若しくは、スケジュールに関連した）商品情報又は商品カテゴリ情報は、（スケジュールの対象者が）スケジュールを消化するために必要であろう商品又は商品カテゴリの情報である。例えば、スケジュール「登山」に紐付いた商品又は商品カテゴリとして、レインウェア、カメラ（山に持っていけるようにコンパクト、日の出などの印象的なシーンを写せるような高画質）、防寒具などが該当する。
　また、評価部１１４は、購入目的候補の評価に必要な情報として、商品閲覧履歴（図９を参照のこと）に紐付いた詳細商品情報（図１３を参照のこと）を詳細商品情報生成部１１０から取得するとともに、商品カテゴリ閲覧履歴（図１０を参照のこと）に紐付いた詳細商品カテゴリ情報（図１４を参照のこと）を詳細商品カテゴリ情報生成部１１１から取得する。図２１に、カメラに関する詳細商品情報を例示しておく。但し、詳細商品情報が含む具体的な項目は、商品によって異なるという点を十分理解されたい。
　評価部１１４は、ユーザの商品閲覧履歴に紐付いた詳細商品情報と、ターゲットユーザのユーザプロファイルを組み合わせることで、ターゲットユーザの嗜好と商品とのマッチングを行うことができる。したがって、相手が好きなものをプレゼントする（商品の主利用者が好む商品を選ぶ）という仮定を用いた商品の予測を行うことができる。
　評価部１１４は、ユーザの商品閲覧履歴に紐付いた詳細商品情報と、ターゲットユーザのユーザプロファイル又はターゲットグループのグループプロファイルを組み合わせることで、嗜好情報に基づく商品の予測を行うことができる。
　そして、ステップＳ２００６では、評価部１１４は、先行するステップＳ２００５で取得したデータを用いて、購入目的候補を１つずつ評価して、評価結果を数値化する。
　本実施形態では、評価部１１４は、大きく分けて２通りの評価を実施する。１つは、商品又は商品カテゴリのターゲットユーザ又はターゲットグループへのマッチング評価、すなわち商品の主利用者がその商品又は商品カテゴリが好きかどうかに基づいて、購入目的候補の評価を行う。もう１つは、スケジュールと商品又は商品カテゴリのマッチング評価、すなわち、商品の主利用者の状況にあった商品又は商品カテゴリであるかどうかに基づいて、購入目的候補の評価を行う。
　図２２には、評価部１１４の内部構成例を示している。図示の評価部１１４は、第１の評価部２２０１と、第２の評価部２２０２と、評価値統合部２２０３を備えている。
　第１の評価部２２０１は、１つ目の商品又は商品カテゴリのターゲットユーザ又はターゲットグループへのマッチング評価、すなわち商品の主利用者がその商品又は商品カテゴリが好きかどうかに基づいて購入目的候補を評価する。第１の評価部２２０１は、詳細商品情報生成部１１０から取得したユーザの商品閲覧履歴に紐付いた詳細商品情報、並びに詳細商品カテゴリ情報生成部１１１から取得したユーザの商品カテゴリ閲覧履歴に紐付いた詳細商品カテゴリ情報を、ユーザプロファイル生成部１０８から取得したターゲットユーザのユーザプロファイル、又はグループプロファイル生成部１０９から取得したターゲットグループのグループプロファイルへマッチング評価して、その評価値を出力する。
　第２の評価部２２０２は、もう１つのスケジュールと商品又は商品カテゴリのマッチング評価、すなわち、商品の主利用者の状況にあった商品又は商品カテゴリであるかどうかに基づいて購入目的候補を評価する。第２の評価部２２０２は、　詳細商品情報生成部１１０から取得したユーザの商品閲覧履歴に紐付いた詳細商品情報、並びに詳細商品カテゴリ情報生成部１１１から取得したユーザの商品カテゴリ閲覧履歴に紐付いた詳細商品カテゴリ情報と、購入目的関連商品／商品カテゴリ情報生成部１１２から取得した購入目的と関連する（若しくは、スケジュールに関連した）商品情報又は商品カテゴリ情報との一致度を評価して、その評価を出力する。
　評価値統合部２２０３は、第１の評価部２２０１及び第２の評価部２２０２がそれぞれ出力した評価値を統合する。
　このようにして、すべての購入目的候補について評価が終了したら（ステップＳ２００４のＹｅｓ）、各購入目的候補と評価値を出力して、本処理が終了する。所定件数を予測結果として利用する場合には、評価値が上位から所定数までの購入目的候補を選択して出力すればよい。また、いずれか１件を予測結果として利用する場合には、最も評価値の高い購入目的候補を選択すればよい。
　ここで、評価部１１４の評価実行時における以下のポイント（１）～（８）について説明しておく。
（１）スケジュールの発生確度が高いイベントほど高く評価する。
　スコアが近いスケジュールが購入目的候補に残った場合、スケジュールの発生確度が高いものほど高く評価する。例えば、ＳＮＳで出席依頼を受けているが参加表明に回答していないイベントよりも、カレンダーに登録してあるイベントの方が参加する確率が高く、後者のイベント向けにプレゼントを用意する可能性の方が高い
（２）スケジュールの場所が近いほど高く評価する。
　似たようなスケジュールが購入目的候補に残った場合、予測対象者からより近い場所で行われるイベントの方をより高く評価する。例えば、同程度の関係の友人から、それぞれ地元と海外でのクリスマス会への参加依頼がある場合、地元のクリスマス会に参加する可能性の方が高い。
（３）スケジュール開始日時が近いほど高く評価する。
　予測対象者がスケジュールに基づいて商品を購入しようとする場合、より近いイベントに合わせて商品を購入している可能性が高い。例えば、同程度の関係の友人の誕生日会に立て続けに参加し、いずれのプレゼントも購入していない場合、１ヶ月前の誕生日会よりも明日の誕生日会のプレゼントを購入している可能性が高い。
（４）購入確度が高い購入目的候補ほど高く評価する。
　イベントに伴って、一般的に商品を購入する必要に迫られ易いものほど高く評価する。例えば、プレゼントを購入しようとしているとき、クリスマス会と新年会に参加するなら、クリスマス会のプレゼントを購入している可能性が高い。
（５）用途のマッチングを評価するときは、商品のカテゴリだけでなく、商品の特徴まで含めて評価する。
　イベントに関連した商品カテゴリであったとしても、色やサイズ、重量など詳細な特徴を考慮して評価する必要がある。例えば、予測対象者に結婚式と葬式に出席する予定があるとき、白色のネクタイを選んでいるのであれば、予測対象者は結婚式用に購入している可能性が高い。
（６）ユーザへのマッチング評価を行うときは、商品のカテゴリだけでなく、商品の詳細な特徴を利用して評価する。
　ユーザの好みは、色やブランドなどの好みにも表れる。例えば、予測対象者自身への購入なのか、友人へのプレゼントなのか判断が難しい場合、ブランドの好みが一致しているかが評価のポイントの１つになる。
（７）ユーザへのマッチング評価を行うとき、商品カテゴリ毎の制約条件を考慮する。
　商品カテゴリ毎に、単純に好みにだけ影響する項目もあれば、一致していなければ不都合が生じる項目もある。例えば、予測対象者が服を購入しようとしている場合、色だけでは自分自身への購入なのかプレゼントなのか判断が難しいが、予測対象者自身のサイズに合っていない服を購入しようとしているのであれば、プレゼントの可能性が高いと判断することができる。
（８）自分（予測対象者）自身への購入は、やや重みを付けて評価する。
　上述した評価指標（１）～（７）がすべて同等で、同じ評価値であった場合、自分自身への購入目的と特定の相手へのプレゼント目的とでは、一般的に前者の方の頻度が高いため、自分自身への購入にやや重みを付けて評価する。
　また、スケジュールリストアップ部１０２（若しくは、スケジュール推測部１０４）のスケジュール検出時における以下のポイント（１）～（６）について説明しておく。
（１）ユーザ同士の対話によるスケジュール検出
　誕生日会などのプライベートなイベントの場合、開催者と参加者間の距離が近いこともあり、以下の例のように、対話の中にスケジュール検出にまつわる情報が紛れ込む可能性がある。
Ｂさん：今度、Ａさんの誕生日会に出席する？
予測対象者：行くつもりだよ。
　また、他の情報源で検出したイベントに対して、参加するかどうかを決定付けるための情報が含まれる可能性がある。例えば、ＳＮＳ上で出席依頼があったイベントに参加の返事を忘れていたが、別途ＬＩＮＥ上で参加の確認が行われる。
（２）エージェントとの対話によるスケジュール検出
　スマートスピーカーなどのエージェントデバイスには、ユーザを認識する仕組みが豊富に用意されている。したがって、エージェントデバイスから得られた情報を、スケジュール検出に活用することができる。図１に示した情報処理システム１００では、スケジュール推測部１０４は、エージェント会話履歴データベース１２２に蓄積されているユーザとエージェントとの対話情報からスケジュールを推測するように構成されている。
　例えば、エージェントが提携したイベントサイトからのお薦めの情報を提供したとき、ユーザが興味ありそうな顔つきで食いつき、詳細な情報を要求する。このような場合、エージェントの表情認識の機能を利用し、ユーザが興味を持ったイベントであることを検出する。
（３）メールによるスケジュール検出
　企業が主催する大規模イベントの場合、多数のユーザにそのイベントの情報をメールなどにより配信する仕組みが用いられることが多い。図１に示した情報処理システム１００では、スケジュール推測部１０４は、メールデータベース１２４に蓄積されているメール情報からスケジュールを推測するように構成されている。メールを使ったイベント情報の配信は、近年爆発傾向にあり、ユーザプロファイルの好みに応じた評価や、他のソースでの評価も併せながら行っていく必要がある。
（４）ＳＮＳの投稿からのスケジュール検出
　現在、ＳＮＳは、個人のイベント実施の発信などにも活用されている。それらの情報からイベントの検出に有用な情報が紛れ込んでいることがある。図１に示した情報処理システム１００では、スケジュール推測部１０４は、メッセージデータベース１２４に蓄積されているＳＮＳに投稿されたメッセージ情報からスケジュールを推測するように構成されている。
（５）ＴＯＤＯリストに記録された情報からのスケジュール検出
　ＴＯＤＯリストは、ユーザが行うべきタスクが直接的に記述されているので、スケジュール検出の参考になる。但し、ＴＯＤＯリストは、記述者本人だけが解読できるように簡略化して記述されていることがある。そのため、ＴＯＤＯリストから検出したタスクを裏付ける背後のスケジュールと紐付けて考えることが有効である。例えば、「ＴＯＤＯリストのタスク名：Ａさんへのプレゼント購入」という項目があったとき、Ａさんの誕生日が近いことが判ったなら、「Ａさんの誕生日のプレゼント購入」と推測することができる。
（６）メモからのスケジュール検出
　メモには、タスクなどの情報やその断片が記述されることが多い。メモも、ＴＯＤＯリストと同様に簡略化されて記述されることが多く、メモから検出した内容を裏付ける最後のスケジュールと紐付けて考えることが有効である。図１に示した情報処理システム１００では、スケジュール推測部１０４は、サービス上で保存されたメモ又はＯＣＲ処理されたメモ画像からスケジュールを推測するように構成されている。
　最後に、本実施形態に係る情報処理システム１００がもたらす効果について説明する。
　情報処理システム１００は、予測対象者がプレゼントを選んでいるとき、予測対象者自身のレコメンデーション用プロファイルが誤って更新されないようにして、意図しないレコメンデーションを行わないようにすることができる。
　情報処理システム１００は、予測対象者がプレゼントを選んでいるとき、暗黙的にプレゼント相手の興味にも基づいて情報をソートして、商品の購買効果を高めることができる。
　情報処理システム１００は、商品の購入行為によって検出したスケジュールを、カレンダーサービス１２１などのカレンダーに登録して、カレンダーへの登録を簡単化することができる。
　情報処理システム１００は、予測対象者がＴＯＤＯリストに基づいて商品を購入したことを検出したら、ＴＯＤＯリストのタスクを自動的に実行完了にセットすることができる。
　情報処理システム１００は、予測対象者が誕生日会などに向けてプレゼントを購入したことを検出したら、他の参加者に向けて購入した商品の情報を通知して、他の人が贈るプレゼントの内容が重複しないように補助することができる。
　以上、特定の実施形態を参照しながら、本明細書で開示する技術について詳細に説明してきた。しかしながら、本明細書で開示する技術の要旨を逸脱しない範囲で当業者が該実施形態の修正や代用を成し得ることは自明である。
　本明細書で開示する技術は、ブラウザ上でのオンラインショッピング、スマートフォンやタブレットなどの情報端末上でのオンラインショッピング、実店舗など、行動を取得可能なさまざまな状況下でユーザ（予測対象者）が商品検索を行っている際に適用することができ、ユーザが購入しようとしている商品の主利用者（購入者本人が利用するためものか、他人へのプレゼントなのか）とその背景（プレゼントの目的や日程など）を高精度で予測することができる。
　要するに、例示という形態により本明細書で開示する技術について説明してきたのであり、本明細書の記載内容を限定的に解釈するべきではない。本明細書で開示する技術の要旨を判断するためには、特許請求の範囲を参酌すべきである。
　なお、本明細書の開示の技術は、以下のような構成をとることも可能である。
（１）ユーザが購入しようとしている商品の主利用者を予測する第１の予測部と、
　前記ユーザが商品を購入する背景を予測する第２の予測部と、
を具備する情報処理装置。
（２）前記第１の予測部は、前記主利用者が、前記ユーザ本人、特定の他者、又は特定のグループ又はグループに属する１人以上の人のいずれであるかを予測する、
上記（１）に記載の情報処理装置。
（３）前記第２の予測部は、前記ユーザが購入しようとしている商品又は商品カテゴリ、前記ユーザの購入目的、前記ユーザが商品を利用する日程のうち少なくとも１つを予測する、
上記（１）又は（２）のいずれかに記載の情報処理装置。
（４）前記第２の予測部は、前記ユーザが前記第１の予測部が予測した前記主利用者に購入しようとしている商品又は商品カテゴリ、商品の利用用途、商品の利用日程のうち少なくとも１つを予測する、
上記（２）に記載の情報処理装置。
（４－１）前記第２の予測部は、前記第１の予測部が前記主利用者を特定の他者、又は特定のグループ又はグループに属する１人以上の人と予測した場合、前記主利用者にプレゼントしようとしている商品又は商品カテゴリ、プレゼントの目的、プレゼントの日程、プレゼントする商品に期待する利用用途、プレゼントする商品に期待する利用日程のうち少なくとも１つを予測する、
上記（２）に記載の情報処理装置。
（５）前記第１及び第２の予測部は、スケジュール情報に基づいて予測を行う、
上記（１）乃至（４）のいずれかに記載の情報処理装置。
（６）前記スケジュール情報は、前記ユーザのスケジュール情報、前記ユーザと親しい友人のスケジュール情報、取得したスケジュール情報に含まれた人物のスケジュール情報を含む、
上記（５）に記載の情報処理装置。
（７）前記スケジュール情報は、カレンダーなどに事前入力されたスケジュールと、推測したスケジュールのうち少なくとも１つを含む、
上記（５）又は（６）のいずれかに記載の情報処理装置。
（８）前記推測したスケジュールは、前記ユーザとエージェントとの会話記録、メッセージングサービスで交わされたメッセージの記録、電話又はビデオ通話を音声認識して作成した発話テキストの記録、Ｆ２Ｆの会話を音声認識してテキスト化した記録、メール、ＳＮＳ上のユーザ投稿、ＴＯＤＯリストに記録されたタスク、サービス上で保存されたメモ又はＯＣＲ処理されたメモ画像、又はその他の情報から推測したスケジュールを含む、
上記（７）に記載の情報処理装置。
（９）商品情報の前記主利用者のプロファイル情報へのマッチング評価に基づいて、前記ユーザが購入しようとしている商品を予測する、
上記（１）乃至（８）のいずれかに記載の情報処理装置。
（１０）前記プロファイル情報は、前記主利用者となるユーザの嗜好情報、又は前記主利用者となるグループの嗜好情報を含む、
上記（９）に記載の情報処理装置。
（１１）前記ユーザの購入目的に紐付いた商品情報と商品情報とのマッチング評価に基づいて、前記ユーザが購入しようとしている商品を予測する、
上記（１）乃至（９）のいずれかに記載の情報処理装置。
（１２）前記ユーザの購入目的に紐付いた商品情報は、購入目的を予測する基となるスケジュール情報、購入目的に関連した商品又は商品カテゴリの情報を含む、
上記（１１）に記載の情報処理装置。
（１３）前記商品情報は、商品カテゴリと、商品又は商品カテゴリにおける商品の特徴情報を含む、
上記（９）乃至（１２）のいずれかに記載の情報処理装置。
（１４）前記商品情報は、前記ユーザが閲覧した商品又は商品カテゴリの情報を含む、
上記（１３）に記載の情報処理装置。
（１５）行動を取得可能な状況下で前記ユーザが商品検索を行っている際に前記第１及び第２の予測部が予測を行う、
上記（１）乃至（１４）のいずれかに記載の情報処理装置。
（１６）前記状況は、ブラウザ上でのオンラインショッピング、スマートフォンやタブレットなどの情報端末上でのオンラインショッピング、実店舗、又は行動を取得可能なその他の状況を含む、
上記（１５）に記載の情報処理装置。
（１７）ユーザが購入しようとしている商品の主利用者を予測する第１の予測ステップと、
　前記ユーザが商品を購入する背景を予測する第２の予測ステップと、
を有する情報処理方法。
　１００…情報処理システム、１０１…利用者情報取得部
　１０２…スケジュールリストアップ部、１０３…スケジュール取得部
　１０４…スケジュール推測部
　１０５…スケジュール→購入目的候補変換部
　１０６…購入目的候補リスト生成部
　１０７…商品／商品カテゴリ履歴入力部
　１０８…ユーザプロファイル生成部
　１０９…グループプロファイル生成部、１１０…詳細商品情報生成部
　１１１…詳細商品カテゴリ情報生成部
　１１２…購入目的関連商品／商品カテゴリ情報生成部
　１１３…購入目的→商品／商品カテゴリ変換部、１１４…評価部
　１２１…カレンダーサービス
　１２２…エージェント会話履歴データベース
　１２３…メッセージデータベース、１２４…メールデータベース
　１２５…ユーザプロファイルデータベース
　１２６…グループプロファイルデータベース、
　１２７…商品情報データベース
　１２８…商品カテゴリ情報データベース
　２２０１…第１の評価部、２２０２…第２の評価部
　２２０３…評価値統合部

Claims (17)

  1. 　ユーザが購入しようとしている商品の主利用者を予測する第１の予測部と、
    　前記ユーザが商品を購入する背景を予測する第２の予測部と、
    を具備する情報処理装置。
  2. 　前記第１の予測部は、前記主利用者が、前記ユーザ本人、特定の他者、又は特定のグループ又はグループに属する１人以上の人のいずれであるかを予測する、
    請求項１に記載の情報処理装置。
  3. 　前記第２の予測部は、前記ユーザが購入しようとしている商品又は商品カテゴリ、前記ユーザの購入目的、前記ユーザが商品を利用する日程のうち少なくとも１つを予測する、
    請求項１に記載の情報処理装置。
  4. 　前記第２の予測部は、前記ユーザが前記第１の予測部が予測した前記主利用者に購入しようとしている商品又は商品カテゴリ、商品の利用用途、商品の利用日程のうち少なくとも１つを予測する、
    請求項２に記載の情報処理装置。
  5. 　前記第１及び第２の予測部は、スケジュール情報に基づいて予測を行う、
    請求項１に記載の情報処理装置。
  6. 　前記スケジュール情報は、前記ユーザのスケジュール情報、前記ユーザと親しい友人のスケジュール情報、取得したスケジュール情報に含まれた人物のスケジュール情報を含む、
    請求項５に記載の情報処理装置。
  7. 　前記スケジュール情報は、カレンダーなどに事前入力されたスケジュールと、推測したスケジュールのうち少なくとも１つを含む、
    請求項５に記載の情報処理装置。
  8. 　前記推測したスケジュールは、前記ユーザとエージェントとの会話記録、メッセージングサービスで交わされたメッセージの記録、電話又はビデオ通話を音声認識して作成した発話テキストの記録、Ｆ２Ｆの会話を音声認識してテキスト化した記録、メール、ＳＮＳ上のユーザ投稿、ＴＯＤＯリストに記録されたタスク、サービス上で保存されたメモ又はＯＣＲ処理されたメモ画像、又はその他の情報から推測したスケジュールを含む、
    請求項７に記載の情報処理装置。
  9. 　商品情報の前記主利用者のプロファイル情報へのマッチング評価に基づいて、前記ユーザが購入しようとしている商品を予測する、
    請求項１に記載の情報処理装置。
  10. 　前記プロファイル情報は、前記主利用者となるユーザの嗜好情報、又は前記主利用者となるグループの嗜好情報を含む、
    請求項９に記載の情報処理装置。
  11. 　前記ユーザの購入目的に紐付いた商品情報と商品情報とのマッチング評価に基づいて、前記ユーザが購入しようとしている商品を予測する、
    請求項１に記載の情報処理装置。
  12. 　前記ユーザの購入目的に紐付いた商品情報は、購入目的を予測する基となるスケジュール情報、購入目的に関連した商品又は商品カテゴリの情報を含む、
    請求項１１に記載の情報処理装置。
  13. 　前記商品情報は、商品カテゴリと、商品又は商品カテゴリにおける商品の特徴情報を含む、
    請求項９に記載の情報処理装置。
  14. 　前記商品情報は、前記ユーザが閲覧した商品又は商品カテゴリの情報を含む、
    請求項１３に記載の情報処理装置。
  15. 　行動を取得可能な状況下で前記ユーザが商品検索を行っている際に前記第１及び第２の予測部が予測を行う、
    請求項１に記載の情報処理装置。
  16. 　前記状況は、ブラウザ上でのオンラインショッピング、スマートフォンやタブレットなどの情報端末上でのオンラインショッピング、実店舗、又は行動を取得可能なその他の状況を含む、
    請求項１５に記載の情報処理装置。
  17. 　ユーザが購入しようとしている商品の主利用者を予測する第１の予測ステップと、
    　前記ユーザが商品を購入する背景を予測する第２の予測ステップと、
    を有する情報処理方法。
PCT/JP2019/018309 2018-07-27 2019-05-07 情報処理装置及び情報処理方法 WO2020021813A1 (ja)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
JP2018-140978 2018-07-27
JP2018140978 2018-07-27

Publications (1)

Publication Number Publication Date
WO2020021813A1 true WO2020021813A1 (ja) 2020-01-30

Family

ID=69180623

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/JP2019/018309 WO2020021813A1 (ja) 2018-07-27 2019-05-07 情報処理装置及び情報処理方法

Country Status (1)

Country Link
WO (1) WO2020021813A1 (ja)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115934858A (zh) * 2022-12-15 2023-04-07 绍兴柯桥韩丝针纺有限公司 客户采样用面料应用可视化虚拟展示系统及方法

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20160092921A1 (en) * 2014-09-25 2016-03-31 International Business Machines Corporation Targeted advertisements from intended recipient predictions derived from user information

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20160092921A1 (en) * 2014-09-25 2016-03-31 International Business Machines Corporation Targeted advertisements from intended recipient predictions derived from user information

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115934858A (zh) * 2022-12-15 2023-04-07 绍兴柯桥韩丝针纺有限公司 客户采样用面料应用可视化虚拟展示系统及方法
CN115934858B (zh) * 2022-12-15 2024-04-19 南京龙珩建筑科技有限公司 客户采样用面料应用可视化虚拟展示系统及方法

Similar Documents

Publication Publication Date Title
US8831276B2 (en) Media object metadata engine configured to determine relationships between persons
EP4033431A1 (en) Method for producing and distributing one or more customized media centric products
US11042590B2 (en) Methods, systems and techniques for personalized search query suggestions
US20100179874A1 (en) Media object metadata engine configured to determine relationships between persons and brands
US11080287B2 (en) Methods, systems and techniques for ranking blended content retrieved from multiple disparate content sources
KR101884881B1 (ko) 대화식 질문 및 응답
JP2019506659A (ja) メッセージング・アプリケーションのための自動提案および他のコンテンツ
US20100106573A1 (en) Action suggestions based on inferred social relationships
US10417206B2 (en) Method and system for associating data from different sources to generate a person-centric space
US20140019264A1 (en) Framework for product promotion and advertising using social networking services
TW202001777A (zh) 儲存程式之可移動型儲存媒體、資訊處理方法、資訊處理裝置以及資訊處理系統
US20170098013A1 (en) Method and system for entity extraction and disambiguation
US20120259842A1 (en) System and Methods for Targeted Event Detection and Notification
US11232522B2 (en) Methods, systems and techniques for blending online content from multiple disparate content sources including a personal content source or a semi-personal content source
US11887135B2 (en) Information processing system and information processing method
US11899728B2 (en) Methods, systems and techniques for ranking personalized and generic search query suggestions
JP2009076043A (ja) メッセージから活動関連のコンテキスト情報を推測するための方法
US20180189382A1 (en) System for Forming Connections Between Users
US11558324B2 (en) Method and system for dynamically generating a card
US11836169B2 (en) Methods, systems and techniques for providing search query suggestions based on non-personal data and user personal data according to availability of user personal data
US20170098180A1 (en) Method and system for automatically generating and completing a task
CN112384912A (zh) 用户创建内容推荐和搜索
US9767400B2 (en) Method and system for generating a card based on intent
US11087424B1 (en) Image recognition-based content item selection
WO2020021813A1 (ja) 情報処理装置及び情報処理方法

Legal Events

Date Code Title Description
121 Ep: the epo has been informed by wipo that ep was designated in this application

Ref document number: 19842068

Country of ref document: EP

Kind code of ref document: A1

NENP Non-entry into the national phase

Ref country code: DE

122 Ep: pct application non-entry in european phase

Ref document number: 19842068

Country of ref document: EP

Kind code of ref document: A1

NENP Non-entry into the national phase

Ref country code: JP