特許 6591644 情報処理装置、情報処理方法および情報処理プログラム

(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】6591644

(24)【登録日】2019年9月27日

(45)【発行日】2019年10月16日

(54)【発明の名称】情報処理装置、情報処理方法および情報処理プログラム

(51)【国際特許分類】

   G06F 16/25 20190101AFI20191007BHJP

   G06F 16/2457 20190101ALI20191007BHJP

   G06F 16/9035 20190101ALI20191007BHJP

   G06F 16/906 20190101ALI20191007BHJP

   G06F 16/909 20190101ALI20191007BHJP

   G06Q 50/10 20120101ALI20191007BHJP

   G06Q 30/02 20120101ALI20191007BHJP

【ＦＩ】

   G06F16/25

   G06F16/2457

   G06F16/9035

   G06F16/906

   G06F16/909

   G06Q50/10

   G06Q30/02 312

【請求項の数】8

【全頁数】20

(21)【出願番号】特願2018-176569(P2018-176569)

(22)【出願日】2018年9月20日

【審査請求日】2018年12月13日

(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】110002147

【氏名又は名称】特許業務法人酒井国際特許事務所

(72)【発明者】

【氏名】坪内 孝太

(72)【発明者】

【氏名】山口 修司

【審査官】 後藤 彰

(56)【参考文献】

【文献】 特開２０１３−２０６０７０（ＪＰ，Ａ）

【文献】 特開平１１−４５２８６（ＪＰ，Ａ）

【文献】 特開２０１３−１４９１４０（ＪＰ，Ａ）

【文献】 特開２０１１−８１７２８（ＪＰ，Ａ）

【文献】 特開２０１０−１１３５４２（ＪＰ，Ａ）

【文献】 特開２００５−６３１６４（ＪＰ，Ａ）

(58)【調査した分野】（Int.Cl.，ＤＢ名）

Ｇ０６Ｆ １６／２５

Ｇ０６Ｆ １６／２４５７

Ｇ０６Ｆ １６／９０３５

Ｇ０６Ｆ １６／９０６

Ｇ０６Ｆ １６／９０９

Ｇ０６Ｑ ３０／０２

Ｇ０６Ｑ ５０／１０

(57)【特許請求の範囲】

【請求項1】

ユーザの属性を用いて前記ユーザの特徴を推定するモデル、および、前記属性を用いて推定された前記ユーザの特徴に関する推定結果の少なくとも一方を含む特徴情報を異なるサービスそれぞれから取得する取得部と、
前記取得部によって取得された前記特徴情報ごとの時間的推移を抽出する抽出部と、
前記抽出部によって抽出された前記特徴情報ごとの時間的推移を併せて提供する提供部と
を備えることを特徴とする情報処理装置。

【請求項2】

前記提供部は、
前記特徴情報ごとの時間的推移を示す動画を生成して提供する
ことを特徴とする請求項１に記載の情報処理装置。

【請求項3】

前記提供部は、
前記特徴情報ごとの時間的推移に応じて変化するタグクラウドの前記動画を生成する
ことを特徴とする請求項２に記載の情報処理装置。

【請求項4】

前記提供部は、
前記特徴情報ごとの時間的推移に応じて変化する前記ユーザのアバターの前記動画を生成する
ことを特徴とする請求項２または３に記載の情報処理装置。

【請求項5】

前記抽出部は、
少なくとも一の前記特徴情報の時間的推移に基づいて、当該一の前記特徴情報以外の他の前記特徴情報の時間的推移を予測する
ことを特徴とする請求項１〜４のいずれか一つに記載の情報処理装置。

【請求項6】

前記抽出部は、
他の前記特徴情報の時間的推移を予測する場合に、該予測の度合いを示す情報を前記特徴情報へ反映させる
ことを特徴とする請求項５に記載の情報処理装置。

【請求項7】

コンピュータが実行する情報処理方法であって、
ユーザの属性を用いて前記ユーザの特徴を推定するモデル、および、前記属性を用いて推定された前記ユーザの特徴に関する推定結果の少なくとも一方を含む特徴情報を異なるサービスそれぞれから取得する取得工程と、
前記取得工程によって取得された前記特徴情報ごとの時間的推移を抽出する抽出工程と、
前記抽出工程によって抽出された前記特徴情報ごとの時間的推移を併せて提供する提供工程と
を含むことを特徴とする情報処理方法。

【請求項8】

ユーザの属性を用いて前記ユーザの特徴を推定するモデル、および、前記属性を用いて推定された前記ユーザの特徴に関する推定結果の少なくとも一方を含む特徴情報を異なるサービスそれぞれから取得する取得手順と、
前記取得手順によって取得された前記特徴情報ごとの時間的推移を抽出する抽出手順と、
前記抽出手順によって抽出された前記特徴情報ごとの時間的推移を併せて提供する提供手順と
をコンピュータに実行させることを特徴とする情報処理プログラム。

【発明の詳細な説明】

【技術分野】

【0001】

本発明は、情報処理装置、情報処理方法および情報処理プログラムに関する。

【背景技術】

【0002】

従来、例えば、ユーザに対して各種サービスを提供し、かかるサービスの利用により得られるユーザの属性を解析することで、ユーザの特徴を推定する情報処理装置がある。この種の情報処理装置では、推定したユーザの特徴に基づき、自身が提供するサービスを最適化する場合がある。

【先行技術文献】

【特許文献】

【0003】

【特許文献1】特開２０１８−０３２２５２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、上記した技術は、サービス個々で独自にユーザの特徴を解析し、その解析結果を自身のサービスの最適化に適用するものであって、他のサービスの解析結果を利用することについては考慮されていなかった。このため、異なるサービスの個々の解析結果の関係性、例えば個々の解析結果の時間的推移が示す関係性を知ることは困難であった。

【0005】

本願は、上記に鑑みてなされたものであって、異なるサービスの個々の解析結果の関係性を知ることができる情報処理装置、情報処理方法および情報処理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】

本願に係る情報処理装置は、取得部と、抽出部と、提供部とを備える。前記取得部は、ユーザの属性を用いて前記ユーザの特徴を推定するモデル、および、前記属性を用いて推定された前記ユーザの特徴に関する推定結果の少なくとも一方を含む特徴情報を異なるサービスそれぞれから取得する。前記抽出部は、前記取得部によって取得された前記特徴情報ごとの時間的推移を抽出する。前記提供部は、前記抽出部によって抽出された前記特徴情報ごとの時間的推移を併せて提供する。

【発明の効果】

【0007】

実施形態の一態様によれば、異なるサービスの個々の解析結果の関係性を知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、実施形態に係る情報処理の一例を示す図である。

【図2】図２は、実施形態に係る情報処理システムの構成例を示す図である。

【図3】図３は、実施形態に係る情報処理装置の構成例を示すブロック図である。

【図4】図４は、実施形態に係る共有情報の一例を示す図である。

【図5】図５は、実施形態に係るサービス情報の一例を示す図である。

【図6】図６は、実施形態に係るモデルプログラム情報の一例を示す図である。

【図7】図７は、実施形態に係る推移情報の一例を示す図である。

【図8A】図８Ａは、実施形態に係る提供処理の具体例を示す図（その１）である。

【図8B】図８Ｂは、実施形態に係る提供処理の具体例を示す図（その２）である。

【図8C】図８Ｃは、実施形態に係る提供処理の具体例を示す図（その３）である。

【図8D】図８Ｄは、実施形態に係る提供処理の具体例を示す図（その４）である。

【図8E】図８Ｅは、実施形態に係る提供処理の具体例を示す図（その５）である。

【図8F】図８Ｆは、実施形態に係る提供処理の具体例を示す図（その６）である。

【図9】図９は、実施形態に係る情報処理装置が実行する処理手順を示すフローチャートである。

【図10】図１０は、実施形態に係る情報処理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、本願に係る情報処理装置、情報処理方法および情報処理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情報処理装置、情報処理方法および情報処理プログラムが限定されるものではない。また、各実施形態は、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。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】

〔１．情報処理の一例〕
まず、実施形態に係る情報処理の一例について、図１を用いて説明する。図１は、実施形態に係る情報処理の一例を示す図である。図１では、情報処理システムＳに含まれる本願に係る情報処理装置１が、ユーザＵの属性を用いてユーザＵの特徴を推定するモデル、および、上記属性を用いて推定されたユーザＵの特徴に関する推定結果の少なくとも一方を含む特徴情報を異なるサービスそれぞれから取得し、取得された特徴情報ごとの時間的推移を抽出し、抽出された特徴情報ごとの時間的推移を併せて提供する処理を実行する例を示す。

【0011】

図１に示すように、実施形態に係る情報処理システムＳは、情報処理装置１と、サービス提供サーバ１０（１０−１，１０−２，１０−３）と、ユーザ端末１００とを含む。

【0012】

ユーザ端末１００は、ユーザＵが所有する端末装置である。ユーザＵは、ユーザ端末１００を操作してサービス提供サーバ１０へアクセスすることで、各サービス提供サーバ１０が提供するサービスＹ（Ｙ１，Ｙ２，Ｙ３）を利用する（ステップＳ１−１，Ｓ１−２，Ｓ１−３）。

【0013】

サービス提供サーバ１０は、各種サービスＹをユーザＵへ提供するサーバ装置である。サービス提供サーバ１０が提供するサービスＹは、例えば、ユーザ端末１００にインストールされた各種アプリを介して情報を配信するサービスである。このようなサービスには、例えば、ニュース提供サービスや、オークションサービス、天気予報サービス、ショッピングサービス、金融取引（株取引等）サービス、路線検索サービス、地図提供サービス、旅行サービス、飲食店紹介サービス、ブログサービス等がある。なお、サービスＹは、アプリを介して情報を配信されるサービスに限らず、例えば、ユーザＵにブラウザを介して情報を提供するサービスであってもよい。

【0014】

また、各サービス提供サーバ１０は、サービスＹを利用したユーザＵの属性を解析することでユーザＵの特徴を推定する。具体的には、各サービス提供サーバ１０は、ユーザＵの属性を用いてユーザＵの特徴を推定するモデル、および、ユーザＵの属性を用いて推定されたユーザＵの特徴に関する推定結果の少なくとも一方を含む特徴情報を生成する（ステップＳ２−１，Ｓ２−２，Ｓ２−３）。

【0015】

なお、ここに言う属性とは、ユーザＵの確定した属性、あるいは、ユーザＵの特徴であり、例えば、検索ログや購入履歴等といったサービスＹを利用した際のユーザＵの行動に関する行動情報や、性別、年齢、住所等といったデモグラフィック属性、ライフサイクル、価値観、個性、購買動機等といったサイコグラフィック属性等を含む概念である。

【0016】

また、ユーザＵの特徴とは、ユーザＵの様々な属性を包括することで推定されるユーザＵの性質、あるいは、推定される属性であって、例えば、ユーザＵの興味や、趣味嗜好、行動パターン（検索行動や、購買行動等）等を含む。

【0017】

また、特徴情報における上記したモデルは、例えば、ユーザＵの属性を入力して、ユーザＵの特徴をスコアとして出力することができる。また、特徴情報における上記した推定結果は、例えば、モデルが出力するスコアである。なお、推定結果は、モデルによらない情報、例えば、ユーザＵの属性を単に数値化した情報（例えば、検索回数に応じて増減するスコア等）であってもよい。図１に示す例では、検索サービスとしてのサービスＹ１は、釣りスポット等、釣りに関する情報を検索した釣り好きと推定されるユーザＵのモデル「釣り好き」と、推定結果であるスコア「０．５」とを含む特徴情報を生成する。

【0018】

また、登山ツアーサービスとしてのサービスＹ２は、登山ツアーに関する情報を閲覧した登山好きと推定されるユーザＵのモデル「登山」と、推定結果であるスコア「０．４」とを含む特徴情報を生成する。また、チケット販売サービスとしてのサービスＹ３は、映画チケットを購入した映画好きと推定されるユーザＵのモデル「映画好き」と、推定結果であるスコア「０．９」とを含む特徴情報を生成する。なお、図１では、スコアが高いほど、モデルの示す事物に関してユーザＵの特徴が強い（例えば、強い興味や嗜好性、該当性を有する）ことを示す。

【0019】

また、上記したスコアは、連続値である場合を示したが、例えば、離散値であってもよい。具体的には、釣り好きであるかどうかを「１」（真）または「０」（偽）のいずれかの離散値（すなわち、ブール値）のスコアで表現してもよい。あるいは、推定結果は、一例として示したスコアに限定されるものではなく、テキストの情報であってもよい。

【0020】

ここで、従来は、サービスＹ１，Ｙ２，Ｙ３が個々に生成した特徴情報を自身のサービスの最適化に役立てるのみであり、他のサービスの特徴情報を使用することについては考慮されていなかった。

【0021】

このため、お互いに他のサービスの特徴情報を利用できないのは勿論のこと、異なるサービスＹの個々の解析結果の関係性、例えば個々の解析結果の時間的推移が示す関係性を知ることもできなかった。

【0022】

そこで、実施形態に係る情報処理装置１は、サービスＹそれぞれで生成された特徴情報を他のサービスＹが共有できるようにした。具体的には、実施形態に係る情報処理装置１は、上記した特徴情報を異なるサービスＹそれぞれから取得し（ステップＳ３−１，Ｓ３−２，Ｓ３−３）、かかる特徴情報をユーザごとに紐づけた共有情報を生成する。なお、実施形態に係る情報処理装置１は、上記したモデル、および、推定結果であるスコアを含む特徴情報を取得する場合に限らず、モデルのみを含む特徴情報、あるいは、スコアのみを含む特徴情報を取得してもよい。

【0023】

つづいて、情報処理装置１は、取得した特徴情報ごとの特徴情報の時間的推移を抽出する（ステップＳ４）。例えば情報処理装置１は、図１に示すように、各サービスＹ側から指定されたユーザＵの上記したモデル「釣り好き」、「登山好き」および「映画好き」におけるスコアの時間的推移を抽出する。

【0024】

そして、情報処理装置１は、各サービスＹ側から要求があった場合に、抽出した特徴情報ごとの時間的推移を併せて提供する（ステップＳ５−１，Ｓ５−２，Ｓ５−３）。例えば情報処理装置１は、図１に示すように、あるユーザＵのモデル「釣り好き」、「登山好き」および「映画好き」におけるスコアの時間的推移を同時に確認可能なグラフを生成し、各サービスＹへ提供する。

【0025】

なお、ここでグラフはあくまで一例であって、特徴情報ごとの時間的推移が同時に確認できればよく、例えばユーザＵに関するタグクラウドや、アバターの変化を示す動画を提供してもよい。こうした情報提供の具体例については、図８Ａ〜図８Ｃを用いた説明で後述する。

【0026】

また、例えばある特徴情報の時間的推移そのものに所定の特徴（一例として、突発的に短期間だけ現れやすい等）があるような場合、これに基づいて、他のサービスの特徴情報の今後の時間的推移を予測するようにしてもよい。かかる具体例については、図８Ｄ〜図８Ｆを用いた説明で後述する。

【0027】

このように、実施形態に係る情報処理方法では、ユーザＵの属性を用いてユーザＵの特徴を推定するモデル、および、上記属性を用いて推定されたユーザＵの特徴に関する推定結果の少なくとも一方を含む特徴情報を異なるサービスＹ１，Ｙ２，Ｙ３それぞれから取得し、取得された特徴情報ごとの時間的推移を抽出し、抽出された特徴情報ごとの時間的推移を併せて提供する。

【0028】

したがって、実施形態に係る情報処理方法によれば、異なるサービスの個々の解析結果の関係性を知ることができる。

【0029】

以下、上記のような情報処理を行う情報処理装置１、および、かかる情報処理装置１を含む情報処理システムＳについて詳細に説明する。

【0030】

〔２．情報処理システムＳの構成〕
次に、図２を用いて、実施形態に係る情報処理システムＳの構成について説明する。図２は、実施形態に係る情報処理システムＳの構成例を示す図である。図２に例示するように、実施形態に係る情報処理システムＳは、情報処理装置１と、複数のサービス提供サーバ１０−１〜１０−ｎと、複数の事業者端末２０と、複数のユーザ端末１００−１〜１００−ｎとを含む。

【0031】

これらの各種装置は、ネットワークＮを介して、有線または無線により通信可能に接続される。ネットワークＮは、ＬＡＮ（Local Area Network）、ＷＡＮ（Wide Area Network）、電話網（携帯電話網、固定電話網等）、地域ＩＰ（Internet Protocol）網、インターネット等の通信ネットワークである。ネットワークＮには、有線ネットワークが含まれていてもよいし、無線ネットワークが含まれていてもよい。

【0032】

また、図２では、複数の事業者端末２０は、サービス提供サーバ１０−１〜１０−ｎに直接接続されているように図示しているが、事業者端末２０がサービス提供サーバ１０−１〜１０−ｎの配下にあることを模式的に示すものであって、接続形態を限定するものではない。

【0033】

ユーザ端末１００は、上記したように、ユーザＵによって利用される端末装置である。ユーザ端末１００は、例えば、スマートフォンを含む携帯電話機や、タブレット端末や、デスクトップ型ＰＣや、ノート型ＰＣや、ＰＤＡ（Personal Digital Assistant）等の情報処理装置である。また、ユーザ端末１００には、眼鏡型や時計型の情報処理端末であるウェアラブルデバイス（wearable device）も含まれる。

【0034】

ユーザ端末１００は、ユーザＵによる操作や、ユーザ端末１００が有する機能（例えば、サービスＹを利用するためのアプリを実行する機能や、ブラウザ機能等）に応じて、各種情報を取得し、取得した情報に応じた情報を生成して送信する。例えば、ユーザ端末１００は、ネットワークＮを介して、サービス提供サーバ１０が提供するサービスＹのサイトへアクセスする。そして、ユーザＵが例えばサービスを受けるのに必要な情報を指定することによって、ユーザ端末１００は、サービス提供サーバ１０に対してサービス提供の要求を送信する。

【0035】

情報処理装置１は、サービス提供サーバ１０の上位サーバとして機能するサーバ装置である。情報処理装置１は、各サービス提供サーバ１０から特徴情報を取得して共有情報を生成するとともに、特徴情報ごとの時間的推移を抽出する。また、情報処理装置１は、抽出した特徴情報ごとの時間的推移を併せてサービス提供サーバ１０側へ提供する。

【0036】

サービス提供サーバ１０は、上記したようにサービスＹをユーザＵへ提供するサーバ装置である。サービス提供サーバ１０は、例えば、サービスＹを利用したユーザＵの属性を解析して特徴情報を生成する。また、サービス提供サーバ１０は、情報処理装置１に対して提供情報を要求する。提供情報の要求は、例えば、サービス提供サーバ１０に接続された事業者端末２０をサービスＹの事業者が操作することで、サービス提供サーバ１０から送信される。

【0037】

事業者端末２０は、サービスＹを運営する事業者によって利用される端末装置である。事業者端末２０は、例えば、デスクトップ型ＰＣや、ノート型ＰＣ等であるが、携帯電話機や、タブレット端末や、ＰＤＡや、ウェアラブルデバイス等であってもよい。事業者端末２０は、例えば情報処理装置１が提供する共有情報の利用サービス画面から、特定のユーザＵ等を指定することによって、情報処理装置１に対して提供情報を要求する。

【0038】

なお、情報処理システムＳのうち、情報処理装置１、複数のサービス提供サーバ１０−１〜１０−ｎおよび複数の事業者端末２０は、例えば、１つの事業者が有するように構成される。つまり、１つの事業者は、複数のサービスＹを提供可能である。また、１つの事業者は、各サービスＹが生成した特徴情報を共有情報として情報処理装置１に集約するとともに、共有情報に基づいた提供情報を取得して、例えば各サービスＹにおけるユーザＵのマーケティング調査等に利用する。

【0039】

なお、情報処理装置１および複数のサービス提供サーバ１０−１〜１０−ｎは、それぞれ別の事業者が有する構成であってもよい。つまり、ある事業者のあるサービスＹから見た場合の他のサービスＹは、同じ事業者の他のサービスＹであってもよく、他の事業者のサービスＹであってもよい。また、複数のサービス提供サーバ１０−１〜１０−ｎは、それぞれ別の事業者が有する構成であってもよい。また、上記した情報処理システムＳに加えて、提供情報の利用のみを行う事業者のサーバが接続されてもよい。

【0040】

なお、図２では、情報処理装置１は、サービス提供サーバ１０とは別体で構成されて、共有情報の生成、時間的推移の抽出、および、情報提供の機能を有する場合を示したが、例えば、いずれかのサービス提供サーバ１０が情報処理装置１の機能の一部または全部を代替して行ってもよい。

【0041】

また、図２では、情報処理装置１は、共有情報の生成、時間的推移の抽出、および、情報提供のすべての機能を兼ね備える場合を示したが、例えば、複数の情報処理装置１が、上記した機能を分担して行ってもよい。

【0042】

〔３．情報処理装置１〕
次に、図３を用いて、情報処理装置１の構成例について説明する。図３は、実施形態に係る情報処理装置１の構成例を示すブロック図である。なお、図３では、情報処理装置１の説明に必要となる構成要素のみを示しており、一般的な構成要素についての記載を省略している。

【0043】

図３に示すように、情報処理装置１は、通信部２と、記憶部３と、制御部４とを有する。なお、情報処理装置１は、情報処理装置１を利用する管理者等から各種操作を受け付ける入力部（例えば、キーボードやマウス等）や、各種情報を表示するための表示部（例えば、液晶ディスプレイ等）を有してもよい。

【0044】

（通信部２について）
通信部２は、例えば、ＮＩＣ（Network Interface Card）等によって実現される。通信部２は、ネットワークＮと有線または無線で接続され、ネットワークＮを介して、サービス提供サーバ１０や、サービス提供サーバ１０に接続された事業者端末２０、ユーザ端末１００との間で情報の送受信を行う。

【0045】

（記憶部３について）
記憶部３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、図３の例では、記憶部３は、共有情報３１と、サービス情報３２と、モデルプログラム情報３３と、推移情報３４とを記憶する。

【0046】

（共有情報３１について）
共有情報３１は、サービス提供サーバ１０から取得した特徴情報を含んだ情報である。図４は、共有情報３１の一例を示す図である。図４に示すように、共有情報３１は、例えば、列項目が「ＵＩＤ」であり、行項目が「特徴情報」であるテーブルである。また、列項目および行項目の各組のデータ項目には、特徴情報におけるモデルの出力であるスコアが入力される。

【0047】

「ＵＩＤ」は、ユーザＵを識別する識別情報である。「特徴情報」は、サービス提供サーバ１０それぞれで生成されるモデルおよびスコアの少なくともいずれかを含む情報であって、ユーザＵの特徴を示す情報である。なお、図４に示す例では、「特徴情報」の各項目には、例えば「釣り好き」等のモデル名称が入力される。

【0048】

図４に示すように、共有情報３１は、「ＵＩＤ」および「特徴情報」のスコアを含む情報である。図４に示す例では、ＵＩＤが「Ｕ１」であるユーザＵは、特徴情報におけるモデル「釣り好き」のスコアが「０．５」であることを示している。

【0049】

また、ＵＩＤが「Ｕ２」であるユーザＵは、特徴情報におけるモデル「釣り好き」のスコアが「未入力」となっている。これは、「Ｕ２」であるユーザＵのモデル「釣り好き」のスコアをサービス提供サーバ１０から取得していないことを示している。

【0050】

例えば、上記スコアは、サービス提供サーバ１０で算出されたスコアをそのまま共有情報３１のスコアとして入力してもよく、あるいは、サービス提供サーバ１０で算出されたスコアを所定の基準に従って正規化したスコアを共有情報３１として入力してもよい。

【0051】

また、図４では、共有情報３１をスコアとして示したが、共有情報３１は、スコアに限定されるものではなく、「○、△および×」や、「優、良および可」等といった段階分けされた情報であってもよい。

【0052】

（サービス情報３２について）
次に、サービス情報３２は、各サービス提供サーバ１０が提供するサービスＹに関する情報である。図５は、サービス情報３２の一例を示す図である。図５に示すように、サービス情報３２は、「サービスＩＤ」、「提供サービス」および「登録モデル数」といった項目を含む。

【0053】

「サービスＩＤ」は、サービスＹ（あるいは、サービス提供サーバ１０）を識別する識別情報である。「提供サービス」は、サービスＹの内容を示す情報である。「登録モデル数」は、共有情報３１に登録されている特徴情報のモデルの数を示す情報である。

【0054】

（モデルプログラム情報３３について）
次に、モデルプログラム情報３３は、特徴情報におけるモデルのプログラムデータを含んだ情報である。図６は、モデルプログラム情報３３の一例を示す図である。モデルプログラム情報３３は、後述の取得部４１が取得した特徴情報におけるモデルのプログラムデータを含む情報である。図６に示すように、モデルプログラム情報３３は、「モデルＩＤ」、「モデル名称」、「サービスＩＤ」および「モデルデータ」等といった項目を含む。

【0055】

「モデルＩＤ」は、特徴情報におけるモデルを識別する識別情報である。「モデル名称」は、特徴情報におけるモデルの名称を示す識別情報である。「サービスＩＤ」は、サービスＹ（あるいは、サービス提供サーバ１０）を識別する識別情報である。「モデルデータ」は、特徴情報におけるモデルのプログラムデータである。

【0056】

「モデルデータ」は、例えば、ユーザＵの属性を説明変数とする回帰モデルである。例えば、「モデルデータ」は、以下の式に示す回帰モデルである。すなわち、ｙ＝ω１・ｘ１＋ω２・ｘ２＋・・・＋ωｎ・ｘｎの回帰モデルとして表すことができる。

【0057】

上記式において、「ｘ」は、ユーザＵの属性に対応する説明変数である。「ｙ」は、ユーザＵの特徴を示すスコアに対応する目的変数である。また、「ω」は、「ｘ」の係数であり、所定の重み値を示す。具体的には、「ω１」は、「ｘ１」の重み値であり、「ω２」は、「ｘ２」の重み値であり、「ωｎ」は、「ｘｎ」の重み値である。このように、上記式は、ユーザＵの属性に対応する説明変数「ｘ」と、所定の重み値「ω」とを含む変数（例えば、「ω１・ｘ１_」）を組み合せることにより作成される。

【0058】

なお、「モデルデータ」は、ＳＶＭ（Support Vector Machine）やその他の機械学習法を用いて生成された特徴情報であってもよい。また、特徴情報は、深層学習（ディープラーニング）の技術を用いて生成されたものであってもよい。例えば、サービスＹは、ＤＮＮ（Deep Neural Network）やＲＮＮ（Recurrent Neural Network）やＣＮＮ（Convolutional Neural Network）等の種々のディープラーニングの技術を適宜用いて特徴情報を生成することができる。

【0059】

（推移情報３４について）
次に、推移情報３４は、ユーザＵについての特徴情報ごとの時間的推移に関する情報であり、後述の取得部４１によって生成および更新される。図７は、推移情報３４の一例を示す図である。図７に示すように、推移情報３４は、「ＵＩＤ」、「モデル名称」および「スコア」といった項目を含む。

【0060】

「ＵＩＤ」は、上記の共有情報３１の「ＵＩＤ」に対応する。「モデル名称」は、上記のモデルプログラム情報３３の「モデル名称」に対応する。なお、「モデル名称」は、特徴情報におけるモデルが識別できればよく、例えば「モデルＩＤ」等であってもよい。

【0061】

「スコア」は、時系列上の各標本点となる所定のタイミングごとの各スコアが入力される。例えば所定のタイミングは、取得部４１による共有情報３１の更新タイミング等である。なお、図７では、３ヶ月ごとのスコアが入力された例を示しているが、あくまで一例であって、上記の所定のタイミングを限定するものではない。

【0062】

（制御部４について）
図３の説明に戻り、つづいて制御部４について説明する。制御部４は、コントローラ（controller）であり、例えば、ＣＰＵ（Central Processing Unit）やＭＰＵ（Micro Processing Unit）等によって、情報処理装置１内部の記憶装置に記憶されている各種プログラム（情報処理プログラムの一例に相当）がＲＡＭを作業領域として実行されることにより実現される。また、制御部４は、例えば、コントローラであり、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。

【0063】

図３に示すように、制御部４は、取得部４１と、受付部４２と、抽出部４３と、提供部４４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４の内部構成は、図３に示した構成に限られず、後述する情報処理を行うことができる構成であれば他の構成であってもよい。また、制御部４が有する各処理部の接続関係は、図３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。

【0064】

制御部４は、特徴情報を異なるサービスＹそれぞれから取得し、取得したサービスＹごとの特徴情報の時間的推移を抽出し、抽出したサービスＹごとの時間的推移を併せて提供する。

【0065】

（取得部４１について）
取得部４１は、ユーザＵの属性を用いてユーザＵの特徴を推定するモデル、および、ユーザＵの属性を用いて推定されたユーザＵの特徴に関する推定結果の少なくとも一方を含む特徴情報を異なるサービスＹそれぞれから取得する。例えば、取得部４１は、サービスＹに対して予め指定したフォーマットで生成させた特徴情報を取得する。これにより、サービスＹ間で特徴情報のフォーマットを揃えることができるため、統一した基準の特徴情報を取得することができる。

【0066】

また、取得部４１は、特徴情報として、上記したモデルと、かかるモデルから出力されるスコアの初期値とを含む情報を取得する。スコアの初期値は、例えば、サービス提供サーバ１０によって予め算出されてもよく、取得部４１がモデルデータを取得して算出してもよい。取得部４１が初期値を算出する場合、特徴情報のモデルデータのみをまず取得し、その後、サービス提供サーバ１０からユーザＵの属性を取得してスコアを算出する。

【0067】

なお、取得部４１は、特徴情報を取得した際に、かかる特徴情報が指定のフォーマットに沿って生成されたか否かをチェックするチェック機能を有してもよい。

【0068】

また、取得部４１は、取得した特徴情報を共有情報３１として登録するとともに、登録した特徴情報を必要に応じて更新する更新処理を行う。具体的には、取得部４１は、初回時には、まず特徴情報のモデルデータとスコアの初期値とを取得して共有情報３１として登録し、２回目以降については、必要に応じ、サービスＹからユーザＵの属性を取得して、これに基づき共有情報３１のスコアを更新する。また、モデルデータが変更された場合には、サービスＹから新たなモデルデータを取得して、共有情報３１のモデルそのものを更新する。

【0069】

また、取得部４１は、特徴情報におけるモデルの入力となるユーザＵの属性を、モデルの取得元のサービスＹとは異なるサービスＹから取得してもよい。つまり、共有情報３１として登録されたモデルの取得元のサービスＹからユーザＵの属性を取得してスコアを出力してもよく、あるいは、取得元のサービスＹとは異なるサービスＹから取得したユーザＵの属性を使ってスコアを出力してもよい。これにより、例えば、異なる事業者のサービスＹ間で、共有情報３１に登録されたモデルを共有することができる。

【0070】

また、取得部４１は、例えば更新処理のタイミングごとに推移情報３４を更新して、ユーザＵについての特徴情報ごとの時間的推移を記録する。

【0071】

（受付部４２について）
受付部４２は、サービス提供サーバ１０から情報提供の要求を受け付ける。例えば、受付部４２は、特定のユーザＵを指定するユーザ指定の要求をサービスＹから受け付ける。ユーザ指定により指定されるユーザＵは、１人であってもよく、複数であってもよい。あるいは、ユーザ指定は、複数のユーザＵを包含するユーザグループ指定であってもよい。

【0072】

また、受付部４２は、上記した要求の中に期間指定を含ませてもよい。例えば、期間指定により指定された期間にサービスＹを利用したユーザＵをユーザ指定の対象としてもよい。

【0073】

（抽出部４３について）
抽出部４３は、ユーザ指定によって指定された特定のユーザＵについて該当する特徴情報ごとの時間的推移を推移情報３４から抽出する。また、抽出部４３は、抽出した抽出結果を提供部４４へ通知する。

【0074】

また、抽出部４３は、抽出した抽出結果に含まれるある特徴情報の時間的推移に所定の特徴がある場合に、かかる所定の特徴に基づいて他のサービスの特徴情報の今後の時間的推移を予測し、予測結果を提供部４４へ通知する。

【0075】

（提供部４４について）
提供部４４は、抽出部４３によって抽出された抽出結果および予測結果に基づいて、ユーザ指定で指定されたユーザＵについての特徴情報ごとの時間的推移を示す提供情報を生成し、当該提供情報をサービスＹへ提供する。

【0076】

（提供処理の具体例）
ここで、実施形態に係る提供処理の具体例について、図８Ａ〜図８Ｆを用いて説明する。図８Ａ〜図８Ｆは、実施形態に係る提供処理の具体例を示す図（その１）〜（その６）である。

【0077】

図８Ａに示すように、例えば提供部４４は、ユーザ指定で指定されたユーザＵにつき、かかるユーザＵの特徴を示す特徴情報ごとのスコアの時間的推移が同時に確認可能となるグラフを生成し、提供情報としてサービスＹへ提供する。

【0078】

これにより、事業者側は、例えば指定したユーザＵの興味関心の移り変わりを、自身が運営するサービスＹの解析結果に限らず、他のサービスＹの解析結果を含めた形で確認することができる。

【0079】

また、これにより、事業者側は、グラフが示すユーザＵの興味関心の移り変わりの要因を推定することができ、例えば推定した要因を、マーケティング等におけるカバレッジの拡大等のために活用することが可能となる。

【0080】

例えば図８Ａに示すグラフの場合、事業者側は、指定のユーザＵが元々、釣りおよび映画に対する興味関心が高かったユーザであることを確認することができる。そして、かかるユーザＵについて、「３月」に、スコア化し得る登山に対する興味関心が発生し、かかる興味関心が「６月」〜「９月」にかけて漸増的に高まったことを確認することができる。

【0081】

その一方で、登山に対する興味関心と入れ替わるように、釣りに対する興味関心が「６月」〜「９月」にかけて漸減的に低くなったことを確認することができる。これにより、事業者側では、少なくとも「３月」頃にユーザＵの登山に対する興味を引く何かがあり、登山に対する興味関心が高まるに連れて例えば休日の過ごし方に変化があらわれ、ユーザＵは釣りではなく登山を優先するようになった、といった推定を働かせることができる。

【0082】

また、事業者側では、ユーザＵは、映画については定常的に映画チケットを購入しており、インドアにおける趣味としては変わらず映画鑑賞を嗜んでいる、といった推定を働かせることができる。

【0083】

なお、図８Ａではグラフを情報提供する例を示したが、提供部４４は、例えば図８Ｂに示すように、ユーザＵに関するタグクラウドの変化を示す動画を生成し、提供情報としてサービスＹへ提供するようにしてもよい。なお、図８Ｂは、図８Ａのグラフの変化に対応している。

【0084】

図８Ｂに示すタグクラウドの変化を示す動画によっても、例えばユーザＵの興味関心の高さを文字の大きさによって表す（すなわち興味関心が高ければ文字を大きく、低ければ文字を小さくする）ことによって、事業者側は、ユーザＵの興味関心の移り変わりを、異なるサービスＹの解析結果を横断的に利用する形で確認することができる。

【0085】

また、これにより、事業者側は、図８Ａのグラフの場合と同様に、動画が示すユーザＵの興味関心の移り変わりの要因を推定することができる。

【0086】

なお、ここでは、ユーザＵの興味関心の高さを文字の大きさによって表すこととしたが、文字の色や配置位置、点滅等で目立ちやすいか否かによって、ユーザＵの興味関心の高さを示すこととしてもよい。

【0087】

また、図８Ｃに示すように、提供部４４は、例えばユーザＵの興味関心の移り変わりに応じて変化するユーザＵのアバターの動画を生成し、これを提供情報としてサービスＹへ提供するようにしてもよい。なお、図８Ｃは、図８Ａの「釣り好き」および「登山好き」を示すグラフの変化に対応している。

【0088】

例えば図８Ｃに示すように、ユーザＵのアバターにおいて、アバターが所持する釣り竿が徐々に短くなることによって、ユーザＵの釣りに対する興味関心の高さが低くなっていることを表すことができる。また、アバターが所持する道具が徐々に登山用品に変化することによって、ユーザＵの登山に対する興味関心の高さが高まっていることを表すことができる。

【0089】

したがって、事業者側は、このようなアバターによっても、ユーザＵの興味関心の移り変わりを、異なるサービスＹの解析結果を横断的に利用する形で確認することができる。

【0090】

また、これにより、事業者側は、アバターが示すユーザＵの興味関心の移り変わりの要因を、例えば「登山熱が高まったので釣り熱が冷めたのだな」という具合に推定することができる。

【0091】

ところで、図８Ｄに示すように、ユーザＵの興味関心が突発的に高いスコアで示される場合が考えられる。図８Ｄの例では、「６月」に、それまでなかった「骨折治療」が、ユーザＵの特徴を示すとして突如高いスコアで発生した場合を示している。

【0092】

なお、「骨折治療」は、例えばユーザＵが検索サービスで骨折治療に関するキーワードを検索すること等によって、ユーザＵの特徴を示す特徴情報として生成され得る。そして、図８Ｄに示すように、ユーザＵの釣りに対する興味関心は、「３月」〜「６月」で急激に低下しているものとする。

【0093】

このような情報提供を受けた場合、事業者側は例えば、ユーザＵは「６月」頃に骨折をしてしまい、そのために身体活動が制限され、アウトドア的な趣味としての釣りに対する興味関心が薄れたのだろうと推定することができる。

【0094】

ただし、一般に「骨折治療」は、身体活動が制限されなくなる程度に回復するまでの期間だけ生じうる性質の特徴であると言える。一過性を有すると言い換えてもよい。

【0095】

したがって、こうした所定の特徴を、例えば予め推移情報３４に設定しておくことによって、抽出部４３は、抽出した抽出結果にかかる所定の特徴が含まれる場合に、この所定の特徴に基づいて他の特徴情報の今後の時間的推移を予測することが可能となる。

【0096】

図８Ｅは、図７に示した推移情報３４の変形例となっている。図８Ｅに示すように、変形例に係る推移情報３４は、例えば「一過性」項目をさらに有する。かかる「一過性」項目にチェックが入っている場合、該当する特徴情報は一過性を有するものとし、ここで、モデル「骨折治療」はその一過性を有すると設定されているものとする。

【0097】

かかる場合、抽出部４３は、「６月」において「骨折治療」のスコアが突発的に「０．９」と高くなり、「釣り好き」のスコアが「０．１」と低くなっているものの、「骨折治療」は一過性を有するので、一時的な現象であると判定することができる。

【0098】

また、これにより、抽出部４３は、例えば図８Ｆに示すように、「６月」以降は「骨折治療」が消滅し、「釣り好き」が漸増的に回復するといった予測を立てることが可能となる。抽出部４３は、このような予測を立てた場合、その予測結果を併せて提供部４４へ通知する。そして、提供部４４は、図８Ｆに示すように、予測的な時間的推移を例えば破線で表した提供情報を生成し、当該提供情報をサービスＹへ提供する。

【0099】

なお、こうした予測につき、予測の度合いを併せて提供するようにしてもよい。たとえば、ユーザＵの属性としてユーザＵの位置情報がある場合に、ユーザＵが引っ越しをし、自宅が京都から東京へ移転したものとする。

【0100】

抽出部４３は、かかる位置情報の時間的推移を抽出情報３４から抽出した際に、「自宅だけでなく、ユーザＵの勤務するオフィスも京都から東京へ移転した」との予測を立てることができる。そして、この場合、抽出部４３は、その予測結果を併せて提供部４４へ通知する。

【0101】

ただし、自宅が移転したからと言って、ユーザＵの通勤形態等によっては、勤務するオフィスも移転したとは限らない。したがって、前述の「オフィスも移転した」とまで予測するのではなく、「オフィスも移転したかもしれない」程度の予測であることを示す予測結果を提供部４４へ通知するようにしてもよい。たとえば、予測の度合いを「予測可能性」とし、パーセンテージ表記等で示すようにしてもよい。また、「オフィスも移転したかもしれない」との怪しさを示すフラグ情報をセットするようにしてもよい。また、予測可能性に応じた係数等を用いることによって、スコアに予測可能性を反映させるようにしてもよいし、スコアとは別に、予測可能性に応じたスコアの信頼度を併せて提供するようにしてもよい。

【0102】

〔４．情報処理装置１の処理手順〕
次に、実施形態に係る情報処理装置１が実行する処理手順について説明する。図９は、実施形態に係る情報処理装置１が実行する処理手順を示すフローチャートである。

【0103】

図９に示すように、まず、取得部４１は、ユーザＵの属性を用いてユーザＵの特徴を推定するモデル、および、上記属性を用いて推定されたユーザＵの特徴に関する推定結果の少なくとも一方を含む特徴情報を異なるサービスＹそれぞれから取得する（ステップＳ１０１）。

【0104】

そして、抽出部４３が、受付部４２の受け付けたユーザ指定に該当するユーザＵについて、特徴情報ごとの時間的推移を抽出する（ステップＳ１０２）。

【0105】

そして、提供部４４が、抽出部４３によって抽出された特徴情報ごとの時間的推移を併せて提供し（ステップＳ１０３）、処理を終了する。

【0106】

〔５．ハードウェア構成〕
上述してきた実施形態に係る情報処理装置１やサービス提供サーバ１０、事業者端末２０、ユーザ端末１００は、例えば図１０に示すような構成のコンピュータ１０００によって実現される。以下、情報処理装置１を例に挙げて説明する。図１０は、実施形態に係る情報処理装置１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、ＣＰＵ（Central Processing Unit）１１００、ＲＡＭ（Random Access Memory）１２００、ＲＯＭ（Read Only Memory）１３００、ＨＤＤ（Hard Disk Drive）１４００、通信インターフェイス（Ｉ／Ｆ）１５００、入出力インターフェイス（Ｉ／Ｆ）１６００、およびメディアインターフェイス（Ｉ／Ｆ）１７００を備える。

【0107】

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。

【0108】

ＨＤＤ１４００は、ＣＰＵ１１００によって実行されるプログラムおよび当該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、通信網５００（図２に示したネットワークＮに対応）を介して他の機器からデータを受信してＣＰＵ１１００へ送り、ＣＰＵ１１００が生成したデータを、通信網５００を介して他の機器へ送信する。

【0109】

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、および、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、生成したデータを、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。

【0110】

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、当該プログラムを、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。

【0111】

例えば、コンピュータ１０００が実施形態に係る情報処理装置１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４の各機能を実現する。また、ＨＤＤ１４００には、記憶部３内のデータが記憶される。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、通信網５００を介してこれらのプログラムを取得してもよい。

【0112】

〔６．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。

【0113】

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。

【0114】

例えば、図３に示した取得部４１と、受付部４２とは統合されてもよい。また、例えば、記憶部３に記憶される情報は、ネットワークＮを介して、外部に備えられた所定の記憶装置に記憶されてもよい。

【0115】

また、上記実施形態では、情報処理装置１が、例えば、ユーザＵの属性を用いてユーザＵの特徴を推定するモデル、および、上記属性を用いて推定されたユーザＵの特徴に関する推定結果の少なくとも一方を含む特徴情報を異なるサービスＹそれぞれから取得する取得処理と、取得処理によって取得された特徴情報ごとの時間的推移を抽出する抽出処理と、抽出処理によって抽出された特徴情報ごとの時間的推移を併せて提供する提供処理と、を行う例を示した。しかし、上述した情報処理装置１は、取得処理を行う取得装置と、抽出処理を行う抽出装置と、提供処理を行う提供装置とが分離されてもよい。この場合、取得装置は、少なくとも取得部４１を有する。抽出装置は、少なくとも抽出部４３を有する。提供装置は、少なくとも提供部４４を有する。そして、上記の情報処理装置１による処理は、取得装置と、抽出装置と、提供装置との各装置を有する情報処理システムＳによって実現される。

【0116】

また、上述してきた実施形態及び変形例は、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。

【0117】

〔７．効果〕
実施形態に係る情報処理システムＳの情報処理装置１は、取得部４１と、抽出部４３と、提供部４４とを備える。取得部４１は、ユーザＵの属性を用いてユーザＵの特徴を推定するモデル、および、上記属性を用いて推定されたユーザＵの特徴に関する推定結果の少なくとも一方を含む特徴情報を異なるサービスＹそれぞれから取得する。抽出部４３は、取得部４１によって取得された特徴情報ごとの時間的推移を抽出する。提供部４４は、抽出部４３によって抽出された特徴情報ごとの時間的推移を併せて提供する。これにより、異なるサービスの個々の解析結果の関係性、例えば個々の解析結果の時間的推移が示す関係性を知ることができる。

【0118】

また、提供部４４は、特徴情報ごとの時間的推移を示す動画を生成して提供する。これにより、事業者側に、異なるサービスＹの個々の解析結果の時間的推移が示す関係性を分かりやすく提示することができる。また、これにより、事業者側に、ユーザＵの興味関心の移り変わりの要因を容易に推定させることができ、例えば推定した要因を、マーケティング等におけるカバレッジの拡大等のために活用させることができる。

【0119】

また、提供部４４は、特徴情報ごとの時間的推移に応じて変化するタグクラウドの動画を生成する。これにより、事業者側に、テキスト中心の情報によりネットワーク負荷をかけることなく、ユーザＵの興味関心の移り変わりの要因を容易に推定させることができる。

【0120】

また、提供部４４は、特徴情報ごとの時間的推移に応じて変化するユーザＵのアバターの動画を生成する。これにより、事業者側に、アバター画像により直感的に、ユーザＵの興味関心の移り変わりの要因を分かりやすく推定させることができる。

【0121】

また、抽出部４３は、少なくとも一の特徴情報の時間的推移に基づいて、当該一の特徴情報以外の他の特徴情報の時間的推移を予測する。これにより、予測に基づいた効率的なマーケティングを図るのに資することができる。

【0122】

また、抽出部４３は、他の特徴情報の時間的推移を予測する場合に、かかる予測の度合いを示す情報を特徴情報へ反映させる。これにより、たとえば予測可能性を含めた予測に基づいた効率的なマーケティングを図るのに資することができる。

【0123】

以上、本願の実施形態を図面に基づいて詳細に説明したが、これは例示であり、発明の開示の欄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。

【0124】

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】

【0125】

１ 情報処理装置
２ 通信部
３ 記憶部
４ 制御部
１０ サービス提供サーバ
２０ 事業者端末
３１ 共有情報
３２ サービス情報
３３ モデルプログラム情報
３４ 推移情報
４１ 取得部
４２ 受付部
４３ 抽出部
４４ 提供部
１００ ユーザ端末
Ｓ 情報処理システム

【要約】

【課題】異なるサービスの個々の解析結果の関係性を知ることができる情報処理装置、情報処理方法および情報処理プログラムを提供する。
【解決手段】本願に係る情報処理装置は、取得部と、抽出部と、提供部とを備える。取得部は、ユーザの属性を用いてユーザの特徴を推定するモデル、および、上記属性を用いて推定されたユーザの特徴に関する推定結果の少なくとも一方を含む特徴情報を異なるサービスそれぞれから取得する。抽出部は、取得部によって取得された特徴情報ごとの時間的推移を抽出する。提供部は、抽出部によって抽出された特徴情報ごとの時間的推移を併せて提供する。
【選択図】図３

【図1】

【図2】

【図3】

【図4】

【図5】

【図6】

【図7】

【図8A】

【図8B】

【図8C】

【図8D】

【図8E】

【図8F】

【図9】

【図10】