特許 5996747 生成装置、生成方法、及び生成プログラム

(19)【発行国】日本国特許庁(JP)

(12)【公報種別】特許公報(B1)

(11)【特許番号】5996747

(24)【登録日】2016年9月2日

(45)【発行日】2016年9月21日

(54)【発明の名称】生成装置、生成方法、及び生成プログラム

(51)【国際特許分類】

   G06Q 30/02 20120101AFI20160908BHJP

   G06F 13/00 20060101ALI20160908BHJP

【ＦＩ】

   G06Q30/02 382

   G06F13/00 540R

【請求項の数】7

【全頁数】23

(21)【出願番号】特願2015-174889(P2015-174889)

(22)【出願日】2015年9月4日

【審査請求日】2016年3月10日

【早期審査対象出願】

(73)【特許権者】

【識別番号】500257300

【氏名又は名称】ヤフー株式会社

(74)【代理人】

【識別番号】100089118

【弁理士】

【氏名又は名称】酒井 宏明

(74)【代理人】

【識別番号】100125612

【弁理士】

【氏名又は名称】中嶋 裕昭

(72)【発明者】

【氏名】村尾 一真

【審査官】 関 博文

(56)【参考文献】

【文献】 米国特許第９１８３４９９（ＵＳ，Ｂ１）

【文献】 特開２０１２−１６００３４（ＪＰ，Ａ）

【文献】 特開２０１４−１７４８０５（ＪＰ，Ａ）

【文献】 特開２０１０−７３１７２（ＪＰ，Ａ）

【文献】 特開２０１５−１１６９１（ＪＰ，Ａ）

(58)【調査した分野】（Int.Cl.，ＤＢ名）

Ｇ０６Ｑ １０／００−９９／００

Ｇ０６Ｆ １３／００

(57)【特許請求の範囲】

【請求項1】

所定の表示媒体において連続して配置されるコンテンツのうち、予測対象のコンテンツに関する評価値と前記予測対象のコンテンツの周辺に配置される周辺コンテンツに関する評価値とを取得する取得部と、
前記取得部により取得された前記予測対象のコンテンツに関する評価値と前記周辺コンテンツに関する評価値とに基づいて、前記予測対象のコンテンツが選択される確率を予測するモデルを生成する生成部と、
を備えることを特徴とする生成装置。

【請求項2】

前記取得部は、
所定の方向に並べて配置されるコンテンツのうち、前記予測対象のコンテンツに連続して並べられた前記周辺コンテンツに関する評価値を取得する
ことを特徴とする請求項１に記載の生成装置。

【請求項3】

前記取得部は、
所定の方向に並べて配置されるコンテンツのうち、前記予測対象のコンテンツの上部に連続して並べられた前記周辺コンテンツに関する評価値を取得する
ことを特徴とする請求項２に記載の生成装置。

【請求項4】

前記取得部は、
前記予測対象のコンテンツに関する評価値として、前記予測対象のコンテンツに関するクリック率を取得し、前記周辺コンテンツに関する評価値として、前記周辺コンテンツに関するクリック率を取得する
ことを特徴とする請求項１〜３のいずれか１項に記載の生成装置。

【請求項5】

前記取得部は、
前記周辺コンテンツの前記予測対象のコンテンツとの関連度を取得し、
前記生成部は、
前記取得部により取得された前記周辺コンテンツの前記予測対象のコンテンツとの関連度に基づいて、前記予測対象のコンテンツが選択される確率を予測するモデルを生成する
ことを特徴とする請求項１〜４のいずれか１項に記載の生成装置。

【請求項6】

コンピュータが実行する生成方法であって、
所定の表示媒体において連続して配置されるコンテンツのうち、予測対象のコンテンツに関する評価値と前記予測対象のコンテンツの周辺に配置される周辺コンテンツに関する評価値とを取得する取得工程と、
前記取得工程により取得された前記予測対象のコンテンツに関する評価値と前記周辺コンテンツに関する評価値とに基づいて、前記予測対象のコンテンツが選択される確率を予測するモデルを生成する生成工程と、
を含むことを特徴とする生成方法。

【請求項7】

所定の表示媒体において連続して配置されるコンテンツのうち、予測対象のコンテンツに関する評価値と前記予測対象のコンテンツの周辺に配置される周辺コンテンツに関する評価値とを取得する取得手順と、
前記取得手順により取得された前記予測対象のコンテンツに関する評価値と前記周辺コンテンツに関する評価値とに基づいて、前記予測対象のコンテンツが選択される確率を予測するモデルを生成する生成手順と、
をコンピュータに実行させることを特徴とする生成プログラム。

【発明の詳細な説明】

【技術分野】

【0001】

本発明は、生成装置、生成方法、及び生成プログラムに関する。

【背景技術】

【0002】

従来、コンテンツをユーザがクリックするかどうかを予測する技術が提供されている。

【先行技術文献】

【特許文献】

【0003】

【特許文献1】特開２０１４−１７４７５３号公報

【発明の概要】

【発明が解決しようとする課題】

【0004】

しかしながら、上記の従来技術では、コンテンツのクリック率を適切に予測するモデルを生成することができるとは限らない。例えば、ユーザがクリックした広告（コンテンツ）の組合せに基づくモデルでは、コンテンツのクリック率を適切に予測するモデルを生成するとは限らない。

【0005】

本願は、上記に鑑みてなされたものであって、コンテンツのクリック率を適切に予測するモデルを生成することができる生成装置、生成方法、及び生成プログラムを提供することを目的とする。

【課題を解決するための手段】

【0006】

本願に係る生成装置は、所定の表示媒体において連続して配置されるコンテンツのうち、予測対象のコンテンツに関する評価値と前記予測対象のコンテンツの周辺に配置される周辺コンテンツに関する評価値とを取得する取得部と、前記取得部により取得された前記予測対象のコンテンツに関する評価値と前記周辺コンテンツに関する評価値とに基づいて、前記予測対象のコンテンツが選択される確率を予測するモデルを生成する生成部と、を備えたことを特徴とする。

【発明の効果】

【0007】

実施形態の一態様によれば、コンテンツのクリック率を適切に予測するモデルを生成することができるという効果を奏する。

【図面の簡単な説明】

【0008】

【図1】図１は、実施形態に係る生成処理の一例を示す図である。

【図2】図２は、実施形態に係る予測装置の構成例を示す図である。

【図3】図３は、実施形態に係るコンテンツ情報記憶部の一例を示す図である。

【図4】図４は、実施形態に係る配信ログ情報記憶部の一例を示す図である。

【図5】図５は、実施形態に係る学習情報記憶部の一例を示す図である。

【図6】図６は、実施形態に係る配置順に基づくクリック確率を予測する処理の一例を示す図である。

【図7】図７は、実施形態に係るモデル生成の処理手順の一例を示すフローチャートである。

【図8】図８は、実施形態に係るクリック確率予測の処理手順の一例を示すフローチャートである。

【図9】図９は、変形例に係る予測装置の構成例を示す図である。

【図10】図１０は、変形例に係るコンテンツ情報記憶部の一例を示す図である。

【図11】図１１は、実施形態に係る学習情報記憶部の一例を示す図である。

【図12】図１２は、予測装置の機能を実現するコンピュータの一例を示すハードウェア構成図である。

【発明を実施するための形態】

【0009】

以下に、本願に係る生成装置、生成方法、及び生成プログラムを実施するための形態（以下、「実施形態」と呼ぶ）について図面を参照しつつ詳細に説明する。なお、この実施形態により本願に係る生成装置、生成方法、及び生成プログラムが限定されるものではない。また、以下の各実施形態において同一の部位には同一の符号を付し、重複する説明は省略される。

【0010】

（実施形態）
〔１．生成処理〕
まず、図１を用いて、実施形態に係る生成処理の一例について説明する。図１は、実施形態に係る生成処理の一例を示す図である。なお、本実施形態における生成処理には、生成したモデルを用いて、コンテンツが選択される確率（以下、「クリック確率」とする場合がある）を予測する処理を含む。例えば、ここでいうクリック確率は、予測に基づくクリック率、すなわち予測ＣＴＲ（Click Through Rate）を意味する。以下では、コンテンツが選択される確率を予測することを、「クリック確率を予測する」または、「クリック率を予測する」とする場合がある。また、以下では、クリック確率の予測対象のコンテンツを「対象コンテンツ」とする場合がある。

【0011】

図１に示すように、予測システム１には、端末装置１０と、コンテンツ配信装置５０と、予測装置１００とが含まれる。端末装置１０と、コンテンツ配信装置５０と、予測装置１００とは図示しない所定のネットワークを介して、有線または無線により通信可能に接続される。なお、図１に示した予測システム１には、複数台の端末装置１０や、複数台のコンテンツ配信装置５０や、複数台の予測装置１００が含まれてもよい。

【0012】

端末装置１０は、ユーザによって利用される情報処理装置である。端末装置１０は、例えば、スマートフォンや、タブレット型端末や、ノート型ＰＣ（Personal Computer）や、デスクトップＰＣや、携帯電話機や、ＰＤＡ（Personal Digital Assistant）等により実現される。図１に示す例においては、端末装置１０がタッチパネル機能を有するスマートフォンである場合を示す。なお、以下では、端末装置１０をユーザと表記する場合がある。すなわち、以下では、ユーザを端末装置１０と読み替えることもできる。

【0013】

また、端末装置１０は、コンテンツ配信装置５０へコンテンツの配信を要求する。また、端末装置１０は、コンテンツ配信装置５０から配信されたコンテンツを所定のアプリにより表示する。なお、所定のアプリはブラウザであってもよい。

【0014】

コンテンツ配信装置５０は、端末装置１０に表示されるコンテンツを配信する情報処理装置である。例えば、コンテンツ配信装置５０は、端末装置１０からの配信要求に応じて、所定の配置順で表示される複数のコンテンツ（以下、「記事」とする場合がある）を端末装置１０に配信する。また、コンテンツ配信装置５０は、コンテンツを配信した端末装置１０からログ情報を取得する。例えば、コンテンツ配信装置５０は、所定の配置順で表示される複数の記事のうち、どの記事がクリックされたかに関する情報を取得する。

【0015】

予測装置１００は、生成したモデルを用いて、対象コンテンツのクリック確率を予測するサービスを提供する情報処理装置である。また、予測装置１００は、対象コンテンツに関する評価値と周辺コンテンツに関する評価値とに基づいて、対象コンテンツのクリック確率を予測するモデルを生成する生成装置である。なお、図１では、各コンテンツに関する評価値として、各コンテンツのクリック率、すなわちＣＴＲを用いる場合を示す。また、周辺コンテンツとは、対象コンテンツの周囲に配置されるコンテンツであるが、詳細は後述する。

【0016】

図１に示すように、コンテンツ配信装置５０は、ユーザＵ１が利用する端末装置１０にコンテンツを配信する（ステップＳ１１−１）。例えば、コンテンツ配信装置５０は、ユーザＵ１が利用する端末装置１０からコンテンツの配信要求を受け付けた場合、ユーザＵ１が利用する端末装置１０にコンテンツを配信する。

【0017】

そして、ユーザＵ１が利用する端末装置１０は、受信したコンテンツを表示する。図１では、ユーザＵ１が利用する端末装置１０は、受信したコンテンツのうち配置順が１位〜４位のコンテンツである記事Ａ、記事Ｂ、記事Ｃ、記事Ｄを表示する。なお、端末装置１０を利用するユーザＵ１は、端末装置１０の画面にタッチしスクロール操作等を行うことにより、記事Ｄから下の記事を順次表示させる。また、図１では、ユーザＵ１が、端末装置１０に表示された記事Ａと記事Ｄとを選択、すなわちクリックしたものとする。

【0018】

その後、コンテンツ配信装置５０は、ユーザＵ１が利用する端末装置１０から配信したコンテンツに関するログ情報を取得する（ステップＳ１１−２）。例えば、コンテンツ配信装置５０は、ユーザＵ１が利用する端末装置１０からユーザＵ１が記事Ａと記事Ｄとをクリックしたことを示す情報を取得する。

【0019】

また、コンテンツ配信装置５０は、ユーザＵ２が利用する端末装置１０にコンテンツを配信する（ステップＳ１２−１）。例えば、コンテンツ配信装置５０は、ユーザＵ２が利用する端末装置１０からコンテンツの配信要求を受け付けた場合、ユーザＵ２が利用する端末装置１０にコンテンツを配信する。

【0020】

そして、ユーザＵ２が利用する端末装置１０は、受信したコンテンツを表示する。図１では、ユーザＵ２が利用する端末装置１０は、受信したコンテンツのうち配置順が１位〜４位のコンテンツである記事Ｂ、記事Ｄ、記事Ａ、記事Ｃを表示する。なお、端末装置１０を利用するユーザＵ２は、端末装置１０の画面にタッチしスクロール操作等を行うことにより、記事Ｃから下の記事を順次表示させる。また、図１では、ユーザＵ２が、端末装置１０に表示された記事Ａと記事Ｃとを選択、すなわちクリックしたものとする。

【0021】

その後、コンテンツ配信装置５０は、ユーザＵ２が利用する端末装置１０から配信したコンテンツに関するログ情報を取得する（ステップＳ１２−２）。例えば、コンテンツ配信装置５０は、ユーザＵ２が利用する端末装置１０からユーザＵ２が記事Ａと記事Ｃとをクリックしたことを示す情報を取得する。

【0022】

そして、コンテンツ配信装置５０は、端末装置１０から取得したログ情報を予測装置１００へ送信する（ステップＳ１３）。予測装置１００は、コンテンツ配信装置５０から取得したログ情報（以下、「配信ログ情報」とする場合がある）を配信ログ情報記憶部１２２（図２参照）に記憶する。なお、予測システム１において、予測装置１００が予め配信ログ情報を取得している場合、ステップＳ１１〜ステップＳ１３の処理は行わなくてもよい。

【0023】

次に、予測装置１００は、コンテンツ情報記憶部１２１（図２参照）に記憶された各記事のＣＴＲや、コンテンツ配信装置５０から取得した配信ログ情報１２２−１、１２２−２等を用いて、対象コンテンツのクリック確率を予測するモデルを生成する。例えば、配信ログ情報１２２−１は、ユーザＵ１の端末装置１０から取得した配信ログ情報であり、配信ログ情報１２２−２は、ユーザＵ２の端末装置１０から取得した配信ログ情報である。

【0024】

ここで、図１に示す例では、対象コンテンツを含む各コンテンツは、端末装置１０において上下方向に並べて一覧表示される。そのため、端末装置１０を利用するユーザは、上側にあるコンテンツ、すなわち配置順が上位のコンテンツから順に閲覧（視認）することになる。したがって、対象コンテンツがユーザにクリックされるかには、対象コンテンツの上方にどのようなコンテンツが配置されるかが影響を与えると仮定できる。そこで、図１で上下方向に並んで一覧表示されるコンテンツにおいて、対象コンテンツのクリック確率は、以下の数式（１）により算出される。

【0025】

【数1】

【0026】

上記式（１）の左辺中の「Ｐ（Ｃｌｉｃｋ（ｉ））」は、配置順がｉ番目の対象コンテンツのクリック確率に対応する。例えば、「Ｐ（Ｃｌｉｃｋ（ｉ））」は、０〜１の値になる。

【0027】

また、上記式（１）の右辺中の第１項「α_ｉ，０・ＣＴＲ（Ｃ（ｉ））」は、配置順がｉ番目の対象コンテンツのＣＴＲである「ＣＴＲ（Ｃ（ｉ））」に所定の重み「α_ｉ，０」を乗算したものである。

【0028】

また、上記式（１）の右辺中の第２項は、配置順がｉ番目の対象コンテンツの上方に配置されたコンテンツのクリック確率に対応する。例えば、Ｋ＝１の場合、「α_ｉ，１・Ｐ（Ｃｌｉｃｋ（ｉ−１））」は、配置順がｉ−１番目のコンテンツのクリック確率である「Ｐ（Ｃｌｉｃｋ（ｉ−１））」に所定の重み「α_ｉ，１」を乗算したものとなる。Ｋ＝２以降についても同様である。

【0029】

すなわち、予測装置１００は、Ｋの値を変更することにより、配置順がｉ番目の対象コンテンツから上方に何個までのコンテンツの影響を加味したモデルを生成するかを決定する。すなわち、予測装置１００は、Ｋの値を変更することにより、配置順がｉ番目の対象コンテンツから上方に何個までのコンテンツの影響を加味したクリック確率を予測するかを決定する。

【0030】

ここで、上記式（１）中の右辺を変形すると、以下の式（２）を得る。

【0031】

【数2】

【0032】

上記式（２）の右辺中の第２項は、配置順がｉ−１番目、すなわち対象コンテンツの１つ上に配置されたコンテンツのクリック確率に対応する。例えば、上記式（２）の右辺中の第２項における「α_{ｉ−１，０}・ＣＴＲ（Ｃ（ｉ−１））」は、配置順がｉ−１番目のコンテンツのＣＴＲである「ＣＴＲ（Ｃ（ｉ−１））」に所定の重み「α_{ｉ−１，０}」を乗算したものである。なお、上記式（２）の右辺中の第２項における他の部分は、上記式（１）の右辺中の第２項の「Ｋ」を「Ｋ−１」とし、「ｉ」を「ｉ−１」とした以外は、上記式（１）の右辺中の第２項と同様である。

【0033】

また、上記式（２）の右辺中の第３項は、「ｋ＝２」なので、配置順がｉ番目の対象コンテンツの対象コンテンツの２つ以上上に配置されたコンテンツのクリック確率に対応する。例えば、Ｋ＝２の場合、「α_ｉ，２・Ｐ（Ｃｌｉｃｋ（ｉ−２））」は、配置順がｉ−２番目のコンテンツのクリック確率である「Ｐ（Ｃｌｉｃｋ（ｉ−２））」に所定の重み「α_ｉ，２」を乗算したものとなる。Ｋ＝３以降についても同様である。

【0034】

また、上記式（２）中の右辺をさらに変形すると、以下の式（３）を得る。

【0035】

【数3】

【0036】

例えば、上記式（３）の右辺中の第２項は、上記式（２）の右辺中の第２項の「α_{ｉ−１，０}・ＣＴＲ（Ｃ（ｉ−１））」の部分に対応する。また、例えば、上記式（３）の右辺中の第３項は、上記式（２）の右辺中の第２項の「α_{ｉ−１，０}・ＣＴＲ（Ｃ（ｉ−１））」以外の部分と上記式（２）の右辺中の第３項を合わせたものである。

【0037】

上記の式（３）を各コンテンツのＣＴＲとその重みの乗算の形式に変形すると、以下の式（４）を得る。

【0038】

【数4】

【0039】

上記式（４）の右辺は、例えば、Ｋ＝０の場合、「β_ｉ，０・ＣＴＲ（Ｃ（ｉ−０））」となり、配置順がｉ番目の対象コンテンツのクリック確率である「Ｐ（Ｃｌｉｃｋ（ｉ））」は、対象コンテンツのＣＴＲである「ＣＴＲ（Ｃ（ｉ））」に所定の重み「β_ｉ，０」を乗算した値となる。また、Ｋ＝１の場合、対象コンテンツのＣＴＲである「ＣＴＲ（Ｃ（ｉ））」に所定の重み「β_ｉ，０」を乗算した値と、「β_ｉ，１・ＣＴＲ（Ｃ（ｉ−１））」とを合算した値となる。なお、「β_ｉ，１・ＣＴＲ（Ｃ（ｉ−１））」は、配置順がｉ−１番目のコンテンツのＣＴＲである「ＣＴＲ（Ｃ（ｉ−１））」に所定の重み「β_ｉ，１」を乗算した値となる。Ｋ＝２以降についても同様である。

【0040】

また、上記式（４）の場合、例えば重み「β_ｉ，０」は「α_ｉ，０」に対応し、重み「β_ｉ，１」は「α_ｉ，１・α_{ｉ−１，０}」に対応する。

【0041】

上述したように、予測装置１００は、Ｋの値を変更することにより、配置順がｉ番目の対象コンテンツから上方に何個までのコンテンツの影響を加味したモデルを生成するかを決定する。すなわち、予測装置１００は、「Ｋ＝１」、「Ｋ＝２」、「Ｋ＝３」と「Ｋ」の値を種々変更して学習することにより、各「Ｋ」に対応する複数のモデルを生成することができる。なお、以下で、上記式（４）を用いると記載する場合、対象コンテンツのクリック確率を予測するために、適切な「Ｋ」の値が選択されるものとする。例えば、図１に示す例においては、「Ｋ」には、「２」が選択される。

【0042】

図１では、予測装置１００は、上記式（４）の右辺中の「Ｋ」の値に応じて各重み「β_ｉ，０」、「β_ｉ，１」等を学習により導出する。例えば、上記式（４）において「Ｋ＝２」の場合、予測装置１００は、対象コンテンツから２つ上までのコンテンツの影響まで加味する。すなわち、「Ｋ＝２」の場合、予測装置１００は、重み「β_ｉ，０」、「β_ｉ，１」、「β_ｉ，２」を学習により導出する。これにより、予測装置１００は、対象コンテンツのクリック確率を予測するモデルを生成する（ステップＳ１４）。例えば、予測装置１００は、ステップＳ１４において生成したモデル（重み）を学習情報記憶部１２３（図２参照）に記憶する。

【0043】

図１では、予測装置１００は、対象コンテンツのクリック確率を予測するモデルとして、「位置０」すなわち対象コンテンツに対応する重み「β_ｉ，０」が「０．７」であるモデルを生成する。また、予測装置１００が生成したモデルは、「位置１」すなわち対象コンテンツの１つ上に配置されたコンテンツに対応する重み「β_ｉ，１」が「０．１５」であり、「位置２」すなわち対象コンテンツの２つ上に配置されたコンテンツに対応する重み「β_ｉ，２」が「０．０５」であることを示す。なお、予測装置１００が生成するモデルの重みは、０や負の値であってもよい。

【0044】

次に、予測装置１００は、生成したモデルを用いて、対象コンテンツのクリック確率を予測する。例えば、予測装置１００は、上記式（４）や、コンテンツ情報記憶部１２１に記憶された各記事のＣＴＲや、学習情報記憶部１２３に記憶された各素性の重みを用いて対象コンテンツのクリック確率を予測する。

【0045】

図１では、配置順１位に記事Ｚが配置され、配置順２位に記事Ｘが配置され、配置順３位に記事Ｙが配置され、配置順４位に記事Ｗが配置され、上下方向に並べて一覧表示される一覧表示コンテンツＬＯ１１について、予測装置１００が予測を行う場合を説明する。また、図１では、予測装置１００は、一覧表示コンテンツＬＯ１１のうち、配置順が３位の記事Ｙを対象コンテンツＴＧ１１として、クリック確率を予測する（ステップＳ１５）。

【0046】

具体的には、予測装置１００は、記事ＹのＣＴＲ、記事ＸのＣＴＲ、記事ＺのＣＴＲ、「位置０」の重み、「位置１」の重み、「位置２」の重みを上記式（４）中の対応する変数に代入することにより、対象コンテンツＴＧ１１である記事Ｙのクリック確率を予測する。例えば、予測装置１００は、ステップＳ１５における予測により、記事Ｙのクリック確率の予測結果値ＰＶ１１を予測（出力）する。図１では、予測装置１００は、一覧表示コンテンツＬＯ１１のように各記事Ｗ〜Ｚが配置された場合、記事Ｙのクリック確率が「０．０６」であると予測する。

【0047】

上述したように、予測装置１００は、ＣＴＲが「０．０４」である記事Ｙのクリック確率が「０．０６」であると予測する。すなわち、予測装置１００は、一覧表示コンテンツＬＯ１１のように各記事Ｗ〜Ｚが配置された場合、記事Ｙがクリックされる確率がＣＴＲよりも高くなると予測する。つまり、予測装置１００は、対象コンテンツが配置される位置の周辺に配置されるコンテンツ（以下、「周辺コンテンツ」とする場合がある）のＣＴＲ等の情報を用いることにより、対象コンテンツのクリック確率を適切に予測することができる。このように、予測装置１００は、コンテンツのクリック率を適切に予測するモデルを生成することができる。したがって、予測装置１００は、生成したモデルにより、コンテンツのクリック率を適切に予測することができる。

【0048】

なお、予測装置１００は、予測した対象コンテンツのクリック確率を外部の情報処理装置へ送信してもよい。例えば、予測装置１００は、予測した対象コンテンツのクリック確率をコンテンツ配信装置５０へ送信してもよい。また、予測装置１００がコンテンツを配信するコンテンツ配信装置であってもよい。この場合、予測装置１００は、対象コンテンツのクリック確率を予測し、適切な配置順に並んだコンテンツ（記事）を配信することができる。

【0049】

また、予測装置１００は、対象コンテンツの配置位置よりも上側の周辺コンテンツに限らず、対象コンテンツの配置位置よりも下側に連続して配置される周辺コンテンツの影響も考慮してもよい。例えば、予測装置１００は、対象コンテンツの１つ下の配置位置を「位置−１」とし、対象コンテンツの２つ下の配置位置を「位置−２」として、対象コンテンツの配置位置よりも下側に配置される周辺コンテンツも素性に含めてもよい。

【0050】

また、予測装置１００は、コンテンツの配置態様に応じて、対象コンテンツの左右方向や斜め方向に配置された周辺コンテンツの影響も考慮してもよい。例えば、予測装置１００は、左右方向に並べて配置される場合、対象コンテンツの１つ右の配置位置を「位置１」とし、対象コンテンツの１つ左の配置位置を「位置−１」として、対象コンテンツの左右方向に連続して配置される周辺コンテンツも素性に含めてもよい。

【0051】

また、予測装置１００は、例えば、コンテンツが上下左右に連続して、すなわち面状（格子状）に配置される場合、対象コンテンツの配置位置を「位置（０、０）」としてもよい。この場合、予測装置１００は、対象コンテンツの１つ上の配置位置を「位置（０、１）」とし、対象コンテンツの１つ下の配置位置を「位置（０、−１）」として、対象コンテンツの上下方向に連続して配置される周辺コンテンツも素性に含めてもよい。また、予測装置１００は、対象コンテンツの１つ右の配置位置を「位置（１、０）」とし、対象コンテンツの１つ左の配置位置を「位置（−１、０）」として、対象コンテンツの左右方向に連続して配置される周辺コンテンツも素性に含めてもよい。また、予測装置１００は、対象コンテンツの右斜め上の直近の配置位置を「位置（１、１）」とし、「位置（１、１）」の次の右斜め上の配置位置を「位置（２、２）」とし、対象コンテンツの斜め方向に連続して配置される周辺コンテンツも素性に含めてもよい。なお、予測装置１００は、コンテンツの配置に基づいて、各コンテンツの配置位置に所定の番号を対応させることにより、所定の番号の位置に配置される周辺コンテンツも素性に含めてもよい。

【0052】

また、予測装置１００は、対象コンテンツの配置位置からの距離に基づいて、モデルの生成に加味する周辺コンテンツを決定してもよい。例えば、予測装置１００は、対象コンテンツの配置位置から距離Ｌの範囲内に位置するコンテンツを周辺コンテンツとして、モデルの生成を行ってもよい。この場合、予測装置１００は、コンテンツのサイズに応じて、Ｋの値を変動させてモデルを生成する。例えば、予測装置１００は、対象コンテンツから上方に距離Ｌの範囲内に位置するコンテンツを周辺コンテンツとする場合、対象コンテンツの１つ上のコンテンツの位置が距離Ｌ以内であり、対象コンテンツの２つ上のコンテンツの位置が距離Ｌより遠い場合、「Ｋ＝１」としてモデルの生成を行う。また、例えば、予測装置１００は、対象コンテンツから上方に距離Ｌの範囲内に位置するコンテンツを周辺コンテンツとする場合、対象コンテンツの２つ上のコンテンツの位置が距離Ｌ以内である場合、「Ｋ＝２」としてモデルの生成を行う。なお、ここでいうコンテンツの位置は、目的に応じて種々のコンテンツの位置を用いてもよい。例えば、コンテンツの位置は、コンテンツの中心の位置であってもよいし、対象コンテンツに最も近い部分の位置であってもよいし対象コンテンツから最も遠い部分の位置であってもよい。このように、予測装置１００は、コンテンツの配置態様に応じて、どのような周辺コンテンツも素性に含めることができる。すなわち、予測装置１００は、コンテンツの配置態様に応じて、コンテンツのクリック率を適切に予測するモデルを生成することができる。したがって、予測装置１００は、生成したモデルにより、コンテンツのクリック率を適切に予測することができる。

【0053】

〔２．予測装置の構成〕
次に、図２を用いて、実施形態に係る予測装置１００の構成について説明する。図２は、実施形態に係る予測装置１００の構成例を示す図である。図２に示すように、予測装置１００は、通信部１１０と、記憶部１２０と、制御部１３０とを有する。なお、予測装置１００は、予測装置１００の管理者等から各種操作を取得する入力部（例えば、キーボードやマウス等）や、各種情報を表示するための表示部（例えば、液晶ディスプレイ等）を有してもよい。

【0054】

（通信部１１０）
通信部１１０は、例えば、ＮＩＣ（Network Interface Card）等によって実現される。そして、通信部１１０は、ネットワークと有線または無線で接続され、端末装置１０やコンテンツ配信装置５０との間で情報の送受信を行う。

【0055】

（記憶部１２０）
記憶部１２０は、例えば、ＲＡＭ（Random Access Memory）、フラッシュメモリ（Flash Memory）等の半導体メモリ素子、または、ハードディスク、光ディスク等の記憶装置によって実現される。実施形態に係る記憶部１２０は、図２に示すように、コンテンツ情報記憶部１２１と、配信ログ情報記憶部１２２と、学習情報記憶部１２３とを有する。

【0056】

（コンテンツ情報記憶部１２１）
実施形態に係るコンテンツ情報記憶部１２１は、コンテンツ（記事）に関する各種情報を記憶する。図３に、実施形態に係るコンテンツ情報記憶部１２１の一例を示す。図３に示すコンテンツ情報記憶部１２１は、「コンテンツＩＤ」、「コンテンツ」、「ＣＴＲ」、「提供元ＩＤ」といった項目を有する。

【0057】

「コンテンツＩＤ」は、コンテンツを識別するための識別情報を示す。「コンテンツ」は、いわゆるコンテンツプロバイダ等の提供元から取得したコンテンツである記事を示す。図３では「コンテンツ」に「記事Ａ」といった概念的な情報が格納される例を示したが、実際には、文字情報や文字情報と画像との組合せ、または、これらの格納場所を示すファイルパス名などが格納される。また、「ＣＴＲ」は、対応するコンテンツのＣＴＲ、すなわちクリック率を示す。また、「提供元ＩＤ」は、コンテンツの提供元を識別するための識別情報を示す。

【0058】

例えば、図３に示す例において、コンテンツＩＤ「ＣＴ１１」により識別される記事Ａは、提供元ＩＤ「ＣＰ１１」により識別される提供元から取得したコンテンツであることを示す。また、コンテンツＩＤ「ＣＴ１１」により識別される記事Ａは、ＣＴＲが「０．２５」であることを示す。

【0059】

なお、コンテンツ情報記憶部１２１は、上記に限らず、目的に応じて種々の情報を記憶してもよい。例えば、コンテンツ情報記憶部１２１は、コンテンツを取得した日時やコンテンツが作成された日時に関する情報を記憶してもよい。コンテンツ情報記憶部１２１は、各コンテンツが最適に配置された場合のクリック確率に関する情報を記憶してもよい。

【0060】

（配信ログ情報記憶部１２２）
実施形態に係る配信ログ情報記憶部１２２は、配信ログに関する各種情報を記憶する。図４に、実施形態に係る配信ログ情報記憶部１２２の一例を示す。図４では、各端末装置１０から取得した配信ログ情報を記憶する。例えば、配信ログ情報記憶部１２２は、配信ログ情報１２２−１、１２２−２等を含む。例えば、配信ログ情報１２２−１は、ユーザＵ１の端末装置１０から取得した配信ログ情報であり、配信ログ情報１２２−２は、ユーザＵ２の端末装置１０から取得した配信ログ情報である。図４に示す各配信ログ情報１２２−１、１２２−２等には、「配置順」、「コンテンツ」、「クリック」といった項目が含まれる。

【0061】

「配置順」は、端末装置１０へ配信したコンテンツの配置順を示す。「コンテンツ」は、対応する配置順で配置されるコンテンツを示す。また、「クリック」は、対応するコンテンツがユーザにクリックされたかを示す。

【0062】

例えば、図４に示す例において、配信ログ情報１２２−１は、ユーザＵ１の端末装置１０に配信したコンテンツの配置順１位が記事Ａであり、２位が記事Ｂであり、３位が記事Ｃであり、４位が記事Ｄであることを示す。また、配信先であるユーザＵ１の端末装置１０において、記事Ａと記事Ｄがクリックされたことを示す。

【0063】

なお、配信ログ情報記憶部１２２は、上記に限らず、目的に応じて種々の情報を記憶してもよい。例えば、配信ログ情報記憶部１２２は、各コンテンツが表示された時間やコンテンツがクリックされた順番に関する情報を記憶してもよい。

【0064】

（学習情報記憶部１２３）
実施形態に係る学習情報記憶部１２３は、学習に関する各種情報を記憶する。例えば、学習情報記憶部１２３は、学習により導出された各素性（配置位置）に対応する重みに関する各種情報を記憶する。例えば、学習情報記憶部１２３は、上記式（４）中の「β_ｉ，０」等に対応する重みを記憶する。図５に、実施形態に係る学習情報記憶部１２３の一例を示す。図５に示す学習情報記憶部１２３は、「素性」、「重み」といった項目を有する。

【0065】

「素性」は、学習を行う重みを導出する対象（情報）を示す。図５において、「素性」は、コンテンツの配置位置である。具体的には、「素性」は、対象コンテンツの配置位置を「位置０」とした場合における、他のコンテンツの相対的位置に対応する。例えば、「位置１」は、対象コンテンツの配置位置の１つ上の位置に対応し、「位置２」は、対象コンテンツの配置位置の２つ上の位置に対応する。図５に示す例において、「位置０」の重みは「０．７」であり、「位置１」の重みは「０．１５」であり、「位置２」の重みは「０．０５」であることを示す。

【0066】

なお、学習情報記憶部１２３は、上記に限らず、目的に応じて種々の情報を記憶してもよい。例えば、予測装置１００が対象コンテンツの配置位置よりも下側に配置されるコンテンツの影響も考慮する場合、「位置−１」や「位置−２」のように対象コンテンツの配置位置よりも下に位置するコンテンツの重みも記憶してもよい。

【0067】

（制御部１３０）
図２の説明に戻って、制御部１３０は、例えば、ＣＰＵ（Central Processing Unit）やＭＰＵ（Micro Processing Unit）等によって、予測装置１００内部の記憶装置に記憶されている各種プログラム（生成プログラムの一例に相当）がＲＡＭを作業領域として実行されることにより実現される。また、制御部１３０は、例えば、ＡＳＩＣ（Application Specific Integrated Circuit）やＦＰＧＡ（Field Programmable Gate Array）等の集積回路により実現される。

【0068】

図２に示すように、制御部１３０は、取得部１３１と、生成部１３２と、予測部１３３と、送信部１３４とを有し、以下に説明する情報処理の機能や作用を実現または実行する。なお、制御部１３０の内部構成は、図２に示した構成に限られず、後述する情報処理を行う構成であれば他の構成であってもよい。また、制御部１３０が有する各処理部の接続関係は、図２に示した接続関係に限られず、他の接続関係であってもよい。

【0069】

（取得部１３１）
取得部１３１は、所定の表示媒体において連続して配置されるコンテンツのうち、予測対象のコンテンツに関する評価値と予測対象のコンテンツの周辺に配置される周辺コンテンツに関する評価値とを取得する。ここでいう表示媒体は、例えば、端末装置１０の表示画面であってもよい。例えば、取得部１３１は、所定の表示画面において連続して配置されるコンテンツのうち、予測対象のコンテンツに関する評価値と予測対象のコンテンツの周辺に配置される周辺コンテンツに関する評価値とを取得する。図１では、取得部１３１は、対象コンテンツである記事ＹのＣＴＲ、対象コンテンツの周辺（上方）に配置される周辺コンテンツである記事Ｚ及び記事ＸのＣＴＲをコンテンツ情報記憶部１２１から取得する。

【0070】

例えば、取得部１３１は、所定の方向に並べて配置されるコンテンツのうち、予測対象のコンテンツに連続して並べられた周辺コンテンツに関する評価値を取得する。また、例えば、取得部１３１は、所定の方向に並べて配置されるコンテンツのうち、予測対象のコンテンツの上部に連続して並べられた周辺コンテンツに関する評価値を取得する。また、例えば、取得部１３１は、予測対象のコンテンツに関するクリック率（ＣＴＲ）と周辺コンテンツに関するクリック率（ＣＴＲ）とを取得する。

【0071】

また、取得部１３１は、コンテンツ配信装置５０からログ情報を取得する。例えば、取得部１３１は、外部の情報処理装置から各コンテンツのＣＴＲを取得してもよい。この場合、取得部１３１は、外部の情報処理装置から取得した各コンテンツのＣＴＲをコンテンツ情報記憶部１２１に記憶する。

【0072】

（生成部１３２）
生成部１３２は、取得部１３１により取得された予測対象のコンテンツに関する評価値と周辺コンテンツに関する評価値とに基づいて、予測対象のコンテンツが選択される確率を予測するモデルを生成する。例えば、生成部１３２は、コンテンツ情報記憶部１２１に記憶された各記事のＣＴＲや、コンテンツ配信装置５０から取得した配信ログ情報１２２−１、１２２−２等を用いて、対象コンテンツのクリック確率を予測するモデルを生成する。例えば、生成部１３２は、上記式（４）やコンテンツ情報記憶部１２１に記憶された各記事のＣＴＲや、コンテンツ配信装置５０から取得した配信ログ情報１２２−１、１２２−２等を用いて、各素性（位置）の重みを導出する。例えば、生成部１３２は、対象コンテンツのクリック確率を予測するモデルとして、「位置０」すなわち対象コンテンツに対応する重み「β_ｉ，０」が「０．７」であるモデルを生成する。

【0073】

（予測部１３３）
予測部１３３は、生成部１３２により生成されたモデルを用いて、対象コンテンツのクリック確率を予測する。例えば、予測部１３３は、上記式（４）や、コンテンツ情報記憶部１２１に記憶された各記事のＣＴＲや、学習情報記憶部１２３に記憶された各素性の重みを用いて対象コンテンツのクリック確率を予測する。図１では、予測部１３３は、記事ＹのＣＴＲ、記事ＸのＣＴＲ、記事ＺのＣＴＲ、「位置０」の重み、「位置１」の重み、「位置２」の重みを上記式（４）中の対応する変数に代入することにより、対象コンテンツである記事Ｙのクリック確率を予測する。この場合、予測部１３３は、一覧表示コンテンツＬＯ１１のように各記事Ｗ〜Ｚが配置された場合、記事Ｙのクリック確率が「０．０６」であると予測する。

【0074】

（送信部１３４）
送信部１３４は、外部の情報処理装置へ種々の情報を送信する。例えば、送信部１３４は、コンテンツ配信装置５０に配信ログ情報の取得要求を送信してもよい。また、送信部１３４は、予測部１３３により予測された対象コンテンツのクリック確率を外部の情報処理装置へ送信してもよい。例えば、送信部１３４は、予測部１３３により予測された対象コンテンツのクリック確率をコンテンツ配信装置５０へ送信してもよい。

【0075】

〔３．クリック確率の予測〕
次に、図６を用いて、実施形態に係る予測装置１００による配置順に基づくクリック確率の予測について説明する。図６は、実施形態に係る配置順に基づくクリック確率を予測する処理の一例を示す図である。

【0076】

図６では、対象コンテンツＴＧ２０である記事Ｄの配置順が４位に決定された一覧表示コンテンツＬＯ２０について、他のコンテンツの配置に応じて変動するクリック確率を比較する場合を例に説明する。なお、図６では、予測装置１００は、図３に示すコンテンツ情報記憶部１２１に記憶される各コンテンツのＣＴＲや、学習情報記憶部１２３に記憶されたモデル（各素性の重み）を用いる。また、予測装置１００は、クリック確率の予測に上記式（４）を用いる。

【0077】

まず、予測装置１００は、一覧表示コンテンツＬＯ２１のように対象コンテンツＴＧ２０である記事Ｄ以外の記事の配置順を決定する（ステップＳ２１）。図６では、予測装置１００は、一覧表示コンテンツＬＯ２１における配置順１位を記事Ａ、２位を記事Ｂ、３位を記事Ｃ、５位を記事Ｗ等に決定する。

【0078】

そして、予測装置１００は、一覧表示コンテンツＬＯ２１の配置における対象コンテンツＴＧ２０である記事Ｄのクリック確率を予測する（ステップＳ２２）。例えば、予測装置１００は、ステップＳ２２における予測により、記事Ｄのクリック確率の予測結果値ＰＶ２１を予測（出力）する。図６では、予測装置１００は、一覧表示コンテンツＬＯ２１のように各記事が配置された場合、記事Ｄのクリック確率が「０．０５」であると予測する。

【0079】

次に、予測装置１００は、一覧表示コンテンツＬＯ２２のように対象コンテンツＴＧ２０である記事Ｄ以外の記事の配置順を決定する（ステップＳ２３）。図６では、予測装置１００は、一覧表示コンテンツＬＯ２２における配置順１位を記事Ｗ、２位を記事Ｂ、３位を記事Ｙ、５位を記事Ａ等に決定する。

【0080】

そして、予測装置１００は、一覧表示コンテンツＬＯ２２の配置における対象コンテンツＴＧ２０である記事Ｄのクリック確率を予測する（ステップＳ２４）。例えば、予測装置１００は、ステップＳ２４における予測により、記事Ｄのクリック確率の予測結果値ＰＶ２２を予測（出力）する。図６では、予測装置１００は、一覧表示コンテンツＬＯ２２のように各記事が配置された場合、記事Ｄのクリック確率が「０．０４」であると予測する。

【0081】

また、予測装置１００は、一覧表示コンテンツＬＯ２３のように対象コンテンツＴＧ２０である記事Ｄ以外の記事の配置順を決定する（ステップＳ２５）。図６では、予測装置１００は、一覧表示コンテンツＬＯ２３における配置順１位を記事Ｃ、２位を記事Ｘ、３位を記事Ａ、５位を記事Ｙ等に決定する。

【0082】

そして、予測装置１００は、一覧表示コンテンツＬＯ２３の配置における対象コンテンツＴＧ２０である記事Ｄのクリック確率を予測する（ステップＳ２６）。例えば、予測装置１００は、ステップＳ２６における予測により、記事Ｄのクリック確率の予測結果値ＰＶ２３を予測（出力）する。図６では、予測装置１００は、一覧表示コンテンツＬＯ２３のように各記事が配置された場合、記事Ｄのクリック確率が「０．０７」であると予測する。

【0083】

そして、予測装置１００は、予測結果値ＰＶ２１〜ＰＶ２３を比較することにより、一覧表示コンテンツＬＯ２１〜ＬＯ２３のうち、対象コンテンツＴＧ２０である記事Ｄのクリック確率を上げるには、一覧表示コンテンツＬＯ２３の配置順が最も適切であると判定できる。

【0084】

〔４．モデルの生成〕
次に、図７を用いて、実施形態に係る予測装置１００におけるモデルの生成について説明する。図７は、実施形態に係るモデル生成の処理手順の一例を示すフローチャートである。

【0085】

まず、図７に示す例において、予測装置１００は、各コンテンツのＣＴＲを取得する（ステップＳ１０１）。例えば、予測装置１００は、各コンテンツのＣＴＲをコンテンツ情報記憶部１２１から取得する。また、予測装置１００は、配信ログ情報を取得する（ステップＳ１０２）。例えば、予測装置１００は、配信ログ情報をコンテンツ配信装置５０や配信ログ情報記憶部１２２から取得する。

【0086】

そして、予測装置１００は、配置順と各コンテンツのＣＴＲに基づくモデルを生成する（ステップＳ１０３）。例えば、予測装置１００は、各配置順におけるコンテンツのクリック実績や各コンテンツのＣＴＲに基づくモデルを生成する。例えば、予測装置１００は、上記式（４）をもちいて、各素性の重みをモデルとして生成する。

【0087】

〔５．対象コンテンツのクリック確率予測〕
次に、図８を用いて、実施形態に係る予測装置１００におけるクリック確率の予測について説明する。図８は、実施形態に係るクリック確率予測の処理手順の一例を示すフローチャートである。

【0088】

図８に示すように、予測装置１００は、各コンテンツのＣＴＲを取得する（ステップＳ２０１）。例えば、予測装置１００は、各コンテンツのＣＴＲをコンテンツ情報記憶部１２１から取得する。また、予測装置１００は、コンテンツの配置順を取得する（ステップＳ２０２）。また、予測装置１００は、予測対象のコンテンツの指定を取得する（ステップＳ２０３）。また、予測装置１００は、モデルを取得する（ステップＳ２０４）。例えば、予測装置１００は、学習情報記憶部１２３からモデル（重み）を取得する。

【0089】

その後、予測装置１００は、各コンテンツのＣＴＲ、コンテンツの配置順、及びモデルに基づいて、予測対象のコンテンツがクリックされる確率（クリック確率）を予測する（ステップＳ２０５）。

【0090】

〔６．変形例〕
上述した実施形態に係る予測装置１００は、上記実施形態以外にも種々の異なる形態にて実施されてよい。例えば、予測装置１００は、コンテンツの評価値に加えて、対象コンテンツとの関連度など、コンテンツの内容に関する情報を加味したモデルを生成してもよい。この点について、図９〜図１１を用いて説明する。また、以下の変形例において実施形態と同一の部位には同一の符号を付し、重複する説明は省略される。

【0091】

〔６−１．予測装置の構成〕
次に、図９を用いて、変形例に係る予測装置２００の構成について説明する。図９は、変形例に係る予測装置の構成例を示す図である。なお、予測装置２００において予測装置１００と同様の構成は、同一の番号を付して説明を省略する。図９に示すように、予測装置２００は、通信部１１０と、記憶部２２０と、制御部２３０とを有する。

【0092】

（記憶部２２０）
記憶部２２０は、例えば、ＲＡＭ、フラッシュメモリ等の半導体メモリ素子、または、ハードディスク、光ディスク等の記憶装置によって実現される。変形例に係る記憶部２２０は、図９に示すように、コンテンツ情報記憶部２２１と、配信ログ情報記憶部１２２と、学習情報記憶部２２３とを有する。

【0093】

（コンテンツ情報記憶部２２１）
変形例に係るコンテンツ情報記憶部２２１は、コンテンツ（記事）に関する各種情報を記憶する。図１０に、変形例に係るコンテンツ情報記憶部２２１の一例を示す。図１０に示すコンテンツ情報記憶部２２１は、「コンテンツＩＤ」、「コンテンツ」、「ＣＴＲ」、「提供元ＩＤ」、「カテゴリ」といった項目を有する。

【0094】

「カテゴリ」は、対応するコンテンツの内容に基づくコンテンツの分類を示す。例えば、図１０に示す例において、コンテンツＩＤ「ＣＴ１１」により識別される記事Ａは、カテゴリ「スポーツ」に分類されることを示す。

【0095】

なお、コンテンツ情報記憶部２２１は、上記に限らず、目的に応じて種々の情報を記憶してもよい。例えば、コンテンツ情報記憶部２２１は、各コンテンツに含まれる特徴語（重要キーワード）に関する情報を記憶してもよい。また、コンテンツ情報記憶部２２１は、コンテンツについてカテゴリごとにスコアを記憶してもよい。例えば、コンテンツ情報記憶部２２１は、コンテンツＩＤ「ＣＴ１１」により識別される記事Ａについて、スポーツは「８０」、芸能は「３０」、地域は「４０」、経済は「５」等のカテゴリごとのスコアを記憶してもよい。

【0096】

（学習情報記憶部２２３）
変形例に係る学習情報記憶部２２３は、学習に関する各種情報を記憶する。例えば、学習情報記憶部２２３は、学習により導出された各素性（配置位置）に対応する重みに関する各種情報を記憶する。図１１に、変形例に係る学習情報記憶部２２３の一例を示す。図１１に示す学習情報記憶部２２３は、「素性」、「第１重み」、「第２重み」といった項目を有する。

【0097】

「素性」は、学習を行う重みを導出する対象（情報）を示す。図１１において、「素性」は、コンテンツの配置位置である。具体的には、「素性」は、対象コンテンツの配置位置を「位置０」とした場合における、他のコンテンツの相対的位置に対応する。例えば、「位置１」は、対象コンテンツの配置位置の１つ上の位置に対応し、「位置２」は、対象コンテンツの配置位置の２つ上の位置に対応する。

【0098】

「第１重み」は、ＣＴＲに関する項に用いられる重みを示す。例えば、下記の式（５）において「ＣＴＲ（Ｃ（ｉ−ｋ））」の重み「γ_ｉ，ｋ」に対応する。また、「第２重み」は、対象コンテンツとのコンテンツの関連度に関する項に用いられる重みを示す。例えば、下記の式（５）において「ＲＥＶ（Ｃ（ｉ−ｋ））」の重み「ω_ｉ，ｋ」に対応する。

【0099】

図１１に示す例において、「位置０」の第１重みは「０．６」であり、第２重みは「−」である。この場合、「位置０」のコンテンツは、対象コンテンツ自身であり、コンテンツの関連度は考慮されない。例えば、「位置０」の第２重みは「０」であってもよい。なお、「位置０」の第２重みを、対象コンテンツの重要度に関する重みとして算出してもよい。また、「位置１」の第１重みは「０．０５」であり、第２重みは「０．５」である。また、「位置２」の第１重みは「０．０１」であり、第２重みは「０．２」である。

【0100】

なお、学習情報記憶部２２３は、上記に限らず、目的に応じて種々の情報を記憶してもよい。例えば、予測装置２００が対象コンテンツの配置位置よりも下側に配置されるコンテンツの影響も考慮する場合、「位置−１」や「位置−２」のように対象コンテンツの配置位置よりも下に位置するコンテンツの重みも記憶してもよい。

【0101】

（制御部２３０）
図９の説明に戻って、制御部２３０は、例えば、ＣＰＵやＭＰＵ等によって、予測装置２００内部の記憶装置に記憶されている各種プログラム（生成プログラムの一例に相当）がＲＡＭを作業領域として実行されることにより実現される。また、制御部２３０は、例えば、ＡＳＩＣやＦＰＧＡ等の集積回路により実現される。

【0102】

図９に示すように、制御部２３０は、取得部１３１と、生成部２３２と、予測部２３３と、送信部１３４とを有し、以下に説明する情報処理の機能や作用を実現または実行する。なお、制御部２３０の内部構成は、図９に示した構成に限られず、後述する情報処理を行う構成であれば他の構成であってもよい。また、制御部２３０が有する各処理部の接続関係は、図９に示した接続関係に限られず、他の接続関係であってもよい。

【0103】

（生成部２３２）
生成部２３２は、取得部１３１により取得された周辺コンテンツの予測対象のコンテンツとの関連度に基づいて、予測対象のコンテンツが選択される確率を予測するモデルを生成する。この場合、生成部２３２は、種々の技術を適宜用いて、対象コンテンツと周辺コンテンツとの関連度を算出してもよい。例えば、生成部２３２は、コンテンツ情報記憶部２２１に記憶された各コンテンツのカテゴリや特徴語等に基づいて、対象コンテンツと周辺コンテンツとの関連度を算出してもよい。また、例えば、生成部２３２は、対象コンテンツと周辺コンテンツとのコサイン類似度を算出すること等により、対象コンテンツと周辺コンテンツとの関連度を算出してもよい。

【0104】

例えば、生成部２３２は、コンテンツ情報記憶部２２１に記憶された各記事のＣＴＲや、算出した対象コンテンツと周辺コンテンツとの関連度、配信ログ情報１２２−１、１２２−２等を用いて、対象コンテンツのクリック確率を予測するモデルを生成する。例えば、生成部２３２は、下記式（５）等を用いて、各素性（位置）の重みを導出する。

【0105】

【数5】

【0106】

上記式（５）の左辺中の「Ｐ（Ｃｌｉｃｋ（ｉ））」は、配置順がｉ番目の対象コンテンツのクリック確率に対応する。例えば、「Ｐ（Ｃｌｉｃｋ（ｉ））」は、０〜１の値になる。また、上記式（５）の右辺の「Σ」内の第１項は、重み「γ_ｉ，ｋ」と重み「β_ｉ，ｋ」との重みの記号の差以外は上記式（４）の右辺と同等である。

【0107】

また、上記式（５）の右辺の「Σ」内の第２項は、配置順がｉ−ｋ番目のコンテンツの対象コンテンツとの関連度を示す「ＲＥＶ（Ｃ（ｉ−ｋ））」に所定の重み「ω_ｉ，ｋ」を乗算したものである。

【0108】

なお、生成部２３２は、「Ｋ＝１」、「Ｋ＝２」、「Ｋ＝３」と「Ｋ」の値を種々変更して学習することにより、各「Ｋ」に対応する複数のモデルを生成することができる。このように、生成部２３２は、上記式（５）や周辺コンテンツの予測対象のコンテンツとの関連度に基づいて、対象コンテンツのクリック確率を予測するモデルを生成する。

【0109】

（予測部２３３）
予測部２３３は、生成部２３２により生成されたモデルを用いて、対象コンテンツのクリック確率を予測する。例えば、予測部２３３は、上記式（５）や、コンテンツ情報記憶部２２１に記憶された各記事のＣＴＲや、対象コンテンツと周辺コンテンツとの関連度や、学習情報記憶部２２３に記憶された各素性の重みを用いて対象コンテンツのクリック確率を予測する。

【0110】

〔７．効果〕
上述してきたように、実施形態及び変形例に係る予測装置１００、２００は、取得部１３１と、生成部１３２、２３２とを有する。取得部１３１は、所定の表示媒体において連続して配置されるコンテンツのうち、予測対象のコンテンツ（実施形態においては「対象コンテンツ」。以下同じ）に関する評価値と予測対象のコンテンツの周辺に配置される周辺コンテンツに関する評価値とを取得する。生成部１３２、２３２は、取得部１３１により取得された予測対象のコンテンツに関する評価値と周辺コンテンツに関する評価値とに基づいて、予測対象のコンテンツが選択される確率を予測するモデルを生成する。

【0111】

これにより、実施形態及び変形例に係る予測装置１００、２００は、対象コンテンツの周囲に配置されるコンテンツの評価値も加味してモデルを生成することにより、コンテンツのクリック率を適切に予測するモデルを生成することができる。したがって、予測装置１００、２００は、生成したモデルにより、コンテンツのクリック率を適切に予測することができる。

【0112】

また、実施形態及び変形例に係る予測装置１００、２００において、取得部１３１は、所定の方向に並べて配置されるコンテンツのうち、予測対象のコンテンツに連続して並べられた周辺コンテンツに関する評価値を取得する。

【0113】

これにより、実施形態及び変形例に係る予測装置１００、２００は、対象コンテンツに連続して並べられるコンテンツの評価値も加味してモデルを生成することにより、コンテンツのクリック率を適切に予測するモデルを生成することができる。したがって、予測装置１００、２００は、生成したモデルにより、コンテンツのクリック率を適切に予測することができる。

【0114】

また、実施形態及び変形例に係る予測装置１００、２００において、取得部１３１は、所定の方向に並べて配置されるコンテンツのうち、予測対象のコンテンツの上部に連続して並べられた周辺コンテンツに関する評価値を取得する。

【0115】

これにより、実施形態及び変形例に係る予測装置１００、２００は、対象コンテンツの上部に連続して並べられるコンテンツの評価値も加味してモデルを生成することにより、コンテンツのクリック率を適切に予測するモデルを生成することができる。したがって、予測装置１００、２００は、生成したモデルにより、コンテンツのクリック率を適切に予測することができる。

【0116】

また、実施形態及び変形例に係る予測装置１００、２００において、取得部１３１は、予測対象のコンテンツに関する評価値として、予測対象のコンテンツに関するクリック率を取得し、周辺コンテンツに関する評価値として周辺コンテンツに関するクリック率を取得する。

【0117】

これにより、実施形態及び変形例に係る予測装置１００、２００は、対象コンテンツ及び周辺コンテンツのＣＴＲを用いることにより、対象コンテンツのクリック確率を適切に予測することができる。すなわち、予測装置１００、２００は、コンテンツのクリック率を適切に予測するモデルを生成することができる。したがって、予測装置１００、２００は、生成したモデルにより、コンテンツのクリック率を適切に予測することができる。

【0118】

また、変形例に係る予測装置２００において、取得部１３１は、周辺コンテンツの予測対象のコンテンツとの関連度を取得する。また、生成部２３２は、取得部１３１により取得された周辺コンテンツの予測対象のコンテンツとの関連度に基づいて、予測対象のコンテンツが選択される確率を予測するモデルを生成する。

【0119】

これにより、変形例に係る予測装置２００は、対象コンテンツとの関連度を加味したモデルを生成することができる。すなわち、予測装置２００は、コンテンツのクリック率を適切に予測するモデルを生成することができる。したがって、予測装置２００は、生成したモデルにより、コンテンツのクリック率を適切に予測することができる。

【0120】

〔８．ハードウェア構成〕
上述してきた実施形態に係る予測装置１００は、例えば図１２に示すような構成のコンピュータ１０００によって実現される。図１２は、予測装置の機能を実現するコンピュータの一例を示すハードウェア構成図である。コンピュータ１０００は、ＣＰＵ１１００、ＲＡＭ１２００、ＲＯＭ１３００、ＨＤＤ１４００、通信インターフェイス（Ｉ／Ｆ）１５００、入出力インターフェイス（Ｉ／Ｆ）１６００、及びメディアインターフェイス（Ｉ／Ｆ）１７００を有する。

【0121】

ＣＰＵ１１００は、ＲＯＭ１３００またはＨＤＤ１４００に格納されたプログラムに基づいて動作し、各部の制御を行う。ＲＯＭ１３００は、コンピュータ１０００の起動時にＣＰＵ１１００によって実行されるブートプログラムや、コンピュータ１０００のハードウェアに依存するプログラム等を格納する。

【0122】

ＨＤＤ１４００は、ＣＰＵ１１００によって実行されるプログラム、及び、かかるプログラムによって使用されるデータ等を格納する。通信インターフェイス１５００は、ネットワークＮを介して他の機器からデータを受信してＣＰＵ１１００へ送り、ＣＰＵ１１００が決定したデータをネットワークＮを介して他の機器へ送信する。

【0123】

ＣＰＵ１１００は、入出力インターフェイス１６００を介して、ディスプレイやプリンタ等の出力装置、及び、キーボードやマウス等の入力装置を制御する。ＣＰＵ１１００は、入出力インターフェイス１６００を介して、入力装置からデータを取得する。また、ＣＰＵ１１００は、決定したデータを入出力インターフェイス１６００を介して出力装置へ出力する。

【0124】

メディアインターフェイス１７００は、記録媒体１８００に格納されたプログラムまたはデータを読み取り、ＲＡＭ１２００を介してＣＰＵ１１００に提供する。ＣＰＵ１１００は、かかるプログラムを、メディアインターフェイス１７００を介して記録媒体１８００からＲＡＭ１２００上にロードし、ロードしたプログラムを実行する。記録媒体１８００は、例えばＤＶＤ（Digital Versatile Disc）、ＰＤ（Phase change rewritable Disk）等の光学記録媒体、ＭＯ（Magneto-Optical disk）等の光磁気記録媒体、テープ媒体、磁気記録媒体、または半導体メモリ等である。

【0125】

例えば、コンピュータ１０００が実施形態に係る予測装置１００として機能する場合、コンピュータ１０００のＣＰＵ１１００は、ＲＡＭ１２００上にロードされたプログラムを実行することにより、制御部１３０の機能を実現する。コンピュータ１０００のＣＰＵ１１００は、これらのプログラムを記録媒体１８００から読み取って実行するが、他の例として、他の装置からネットワークＮを介してこれらのプログラムを取得してもよい。

【0126】

以上、本願の実施形態のいくつかを図面に基づいて詳細に説明したが、これらは例示であり、発明の開示の行に記載の態様を始めとして、当業者の知識に基づいて種々の変形、改良を施した他の形態で本発明を実施することが可能である。

【0127】

〔９．その他〕
また、上記実施形態において説明した各処理のうち、自動的に行われるものとして説明した処理の全部または一部を手動的に行うこともでき、あるいは、手動的に行われるものとして説明した処理の全部または一部を公知の方法で自動的に行うこともできる。この他、上記文書中や図面中で示した処理手順、具体的名称、各種のデータやパラメータを含む情報については、特記する場合を除いて任意に変更することができる。例えば、各図に示した各種情報は、図示した情報に限られない。

【0128】

また、図示した各装置の各構成要素は機能概念的なものであり、必ずしも物理的に図示の如く構成されていることを要しない。すなわち、各装置の分散・統合の具体的形態は図示のものに限られず、その全部または一部を、各種の負荷や使用状況などに応じて、任意の単位で機能的または物理的に分散・統合して構成することができる。

【0129】

また、上述してきた実施形態は、処理内容を矛盾させない範囲で適宜組み合わせることが可能である。

【0130】

また、上述してきた「部（section、module、unit）」は、「手段」や「回路」などに読み替えることができる。例えば、取得部は、取得手段や取得回路に読み替えることができる。

【符号の説明】

【0131】

１ 予測システム
１００ 予測装置（生成装置）
１２１ コンテンツ情報記憶部
１２２ 配信ログ情報記憶部
１２３ 学習情報記憶部
１３０ 制御部
１３１ 取得部
１３２ 生成部
１３３ 予測部
１３４ 送信部

【要約】

【課題】コンテンツのクリック率を適切に予測するモデルを生成すること。
【解決手段】本願に係る生成装置は、取得部と、生成部とを有する。取得部は、所定の表示媒体において連続して配置されるコンテンツのうち、予測対象のコンテンツに関する評価値と予測対象のコンテンツの周辺に配置される周辺コンテンツに関する評価値とを取得する。生成部は、取得部により取得された予測対象のコンテンツに関する評価値と周辺コンテンツに関する評価値とに基づいて、予測対象のコンテンツが選択される確率を予測するモデルを生成する。
【選択図】図２

【図1】

【図2】

【図3】

【図4】

【図5】

【図6】

【図7】

【図8】

【図9】

【図10】

【図11】

【図12】