特許 6945708 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】6945708

(24)【登録日】2021年9月16日

(45)【発行日】2021年10月6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】

   G06N 20/00 20190101AFI20210927BHJP

【ＦＩ】

   G06N20/00

【請求項の数】16

【全頁数】22

(21)【出願番号】特願2020-176901(P2020-176901)

(22)【出願日】2020年10月21日

【審査請求日】2021年2月19日

【早期審査対象出願】

(73)【特許権者】

【識別番号】319013263

【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】小出 明弘

(72)【発明者】

【氏名】堀野 将晴

(72)【発明者】

【氏名】吉井 和輝

(72)【発明者】

【氏名】鈴木 翔吾

(72)【発明者】

【氏名】関口 優希

(72)【発明者】

【氏名】吉野 彰真

(72)【発明者】

【氏名】伊東 篤史

【審査官】 川▲崎▼ 博章

(56)【参考文献】

【文献】 特開２０２０−１３５７７０（ＪＰ，Ａ）

【文献】 米国特許出願公開第２０１９／００３４８２９（ＵＳ，Ａ１）

【文献】 特開２０１８−２０６２３２（ＪＰ，Ａ）

【文献】 特開２０２０−１５４７８５（ＪＰ，Ａ）

【文献】 特開２０１９−１４５００６（ＪＰ，Ａ）

(58)【調査した分野】（Int.Cl.，ＤＢ名）

Ｇ０６Ｎ ３／００− ３／１２

Ｇ０６Ｎ ７／０８−９９／００

Ｇ０６Ｑ １０／００−１０／１０

Ｇ０６Ｑ ３０／００−３０／０８

Ｇ０６Ｑ ５０／００−５０／２０

Ｇ０６Ｑ ５０／２６−９９／００

Ｇ１６Ｚ ９９／００

Ｇ０６Ｆ １６／００−１６／９５８

(57)【特許請求の範囲】

【請求項1】

収集されたデータである元データの登録を受け付ける登録受付部と、
所定の集約条件に従って、前記元データが有する特徴ごとに、前記元データが集約されたデータである集約データを生成する生成部と、
前記集約データのうち、モデルに学習させる特徴を示す集約データを提供する提供部と
を有し、
前記提供部は、所定のサービスを利用したサービス利用者に関する利用者情報であって集約データの提供要求として過去に入力された利用者情報と、前記生成部により生成された集約データのうち当該利用者情報に応じて提供された集約データとの関係性を学習したモデルを用いて、今回入力された利用者情報に応じた特徴を示す集約データを取得し、取得した集約データを、当該利用者情報を入力した入力元の利用者に提供する
ことを特徴とする情報処理装置。

【請求項2】

前記登録受付部は、前記元データとして、所定のサービスを介して収集されたデータの登録を受け付ける
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】

前記登録受付部は、前記所定のサービスを介して収集されたデータとして、前記所定のサービスが利用者によって利用されたことによる履歴情報の登録を受け付ける
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】

前記生成部は、クレンジング処理された後の前記元データが有する特徴ごとに、クレンジング処理された後の前記元データが集約された前記集約データを生成する
ことを特徴とする請求項１〜３のいずれか１つに記載の情報処理装置。

【請求項5】

前記生成部は、前記元データが有する特徴として、前記元データに基づき推定された、前記元データが収集された収集元の利用者のコンテキストの特徴ごとに、前記元データが集約されたデータである集約データを生成する
ことを特徴とする請求項１〜４のいずれか１つに記載の情報処理装置。

【請求項6】

前記生成部は、前記所定の集約条件として、前記元データをどのような特徴別に集約させるかが規定された集約条件に従って、前記集約データを生成する
ことを特徴とする請求項１〜５のいずれか１つに記載の情報処理装置。

【請求項7】

前記生成部は、前記元データをどのような特徴別に集約させるか前記所定の集約条件となる特徴を決定し、決定した特徴を前記集約条件として用いて前記集約データを生成する
ことを特徴とする請求項６に記載の情報処理装置。

【請求項8】

前記生成部は、前記元データのうち所定の１種類の元データから、当該所定の１種類の元データから派生した、それぞれ種類の異なる複数種類の集約データを生成する
ことを特徴とする請求項１〜７のいずれか１つに記載の情報処理装置。

【請求項9】

前記生成部は、前記元データに対応する期間のうち、異なる期間ごとに当該元データが集約された集約データを生成する
ことを特徴とする請求項８に記載の情報処理装置。

【請求項10】

前記生成部は、前記元データのうちそれぞれ種類の異なる複数種類の元データから、異なる複数種類の元データをかけ合わせた所定の１種類の集約データを生成する
ことを特徴とする請求項１〜９のいずれか１つに記載の情報処理装置。

【請求項11】

前記利用者情報の入力を受け付ける入力受付部をさらに有し、
前記提供部は、前記入力受付部により利用者情報が受け付けられた場合に、前記集約データのうち、当該利用者情報に応じた特徴を示す集約データを、当該利用者情報を入力した入力元の利用者に提供する
ことを特徴とする請求項１〜１０のいずれか１つに記載の情報処理装置。

【請求項12】

前記入力受付部は、前記利用者情報として、前記サービス利用者の属性情報と、前記サービス利用者について定義されたラベル情報との組合せを受け付ける
ことを特徴とする請求項１１に記載の情報処理装置。

【請求項13】

前記提供部は、これまでに提供された集約データおよび当該集約データを提供対象として出力したモデルに対して入力された前記利用者情報の組合せと、前記モデルの精度に関する情報との関係性を学習したモデルを用いて、今回入力された利用者情報に応じた特徴を示す集約データを取得し、取得した集約データを、当該利用者情報を入力した入力元の利用者に提供する
ことを特徴とする請求項１１または１２に記載の情報処理装置。

【請求項14】

前記提供部は、提供対象の集約データであって、前記元データが有する特徴ごとの集約データそれぞれの間での関係性を示す情報をさらに提供する
ことを特徴とする請求項１〜１３のいずれか１つに記載の情報処理装置。

【請求項15】

情報処理装置が実行する情報処理方法であって、
収集されたデータである元データの登録を受け付ける登録受付工程と、
所定の集約条件に従って、前記元データが有する特徴ごとに、前記元データが集約されたデータである集約データを生成する生成工程と、
前記集約データのうち、モデルに学習させる特徴を示す集約データを提供する提供工程と
を含み、
前記提供工程は、所定のサービスを利用したサービス利用者に関する利用者情報であって集約データの提供要求として過去に入力された利用者情報と、前記生成工程により生成された集約データのうち当該利用者情報に応じて提供された集約データとの関係性を学習したモデルを用いて、今回入力された利用者情報に応じた特徴を示す集約データを取得し、取得した集約データを、当該利用者情報を入力した入力元の利用者に提供する
ことを特徴とする情報処理方法。

【請求項16】

収集されたデータである元データの登録を受け付ける登録受付手順と、
所定の集約条件に従って、前記元データが有する特徴ごとに、前記元データが集約されたデータである集約データを生成する生成手順と、
前記集約データのうち、モデルに学習させる特徴を示す集約データを提供する提供手順と
をコンピュータに実行させ、
前記提供手順は、所定のサービスを利用したサービス利用者に関する利用者情報であって集約データの提供要求として過去に入力された利用者情報と、前記生成手順により生成された集約データのうち当該利用者情報に応じて提供された集約データとの関係性を学習したモデルを用いて、今回入力された利用者情報に応じた特徴を示す集約データを取得し、取得した集約データを、当該利用者情報を入力した入力元の利用者に提供する
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、データを用いたモデルの学習が行われている。そこで、モデルの学習を容易にするため、収集された観測データをトレーニング用のデータとして提供するシステムが提案されている。

【先行技術文献】

【特許文献】

【0003】

【特許文献1】特表２０１９−５２６８５１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、モデルの精度を向上させることができるとは限らない。例えば、上記の従来技術では、収集されたデータがそのまま提供されるが、収集されたデータが単に提供されるだけでは、モデルの精度を向上させることができるとは限らない。

【0005】

本願は、上記に鑑みてなされたものであって、モデルの精度を向上させ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、収集されたデータである元データの登録を受け付ける登録受付部と、所定の集約条件に従って、前記元データが有する特徴ごとに、前記元データが集約されたデータである集約データを生成する生成部と、前記集約データのうち、モデルに学習させる特徴を示す集約データを提供する提供部とを有することを特徴とする。

【発明の効果】

【0007】

本願に係る情報処理装置は、モデルの精度を向上させ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全体像を示す図である。

【図2】図２は、集約データ生成処理の一例を示す図である。

【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図である。

【図4】図４は、元データから集約データを生成する生成処理の一例を示す図である。

【図5】図５は、実施形態に係る提供処理の一例を示す図である。

【図6】図６は、実施形態に係る生成処理手順を示すフローチャートである。

【図7】図７は、実施形態に係る提供処理手順を示すフローチャートである。

【図8】図８は、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、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する。

【0010】

［実施形態］
〔１．実施形態に係る生成処理の概要〕
まず、実施形態に係る情報処理の概要について説明する。例えば、ショッピングサービス等、消費者向けのサービスを開発するサービス側の開発者は、消費者により最適なコンテンツを提供できるよう、サービスが利用されることにより蓄積されたログを解析しモデルの学習に用いる場合がある。この際、開発者は、高精度なモデルが得られるよう、サービスが利用されたことにより蓄積されたログを収集し、収集したログを構造化したり定義付けしたりすることで学習データを調整する場合がある。

【0011】

また、開発者は、自身の属するサービスに対応するログだけではなく、複数の異なるサービスに渡ってログを利用するという、データの横断活用により学習データを調整しようとする場合もある。

【0012】

しかしながら、このような調整作業には、例えば、大量のログについて１つ１つデータの状況を調査する等といった煩雑な作業が必要となる。こうした状況下では、開発者は、最適な学習データを得ることができず、結果、モデルの精度を向上させることができなくなってしまうことが考えられる。

【0013】

そこで、各種のサービスを介して収集されたデータを、開発者が所望するような様々な観点で集約した集約データを自動生成し、生成した集約データを開発者に提供することで、学習データの調整を支援しようとするアプローチが実施形態に係る情報処理である。

【0014】

具体的には、実施形態に係る情報処理では、収集されたデータである元データの登録が受け付けられ、所定の集約条件に従って、元データが有する特徴ごとに、元データが集約されたデータである集約データが生成され、そして、この集約データのうち、モデルに学習させる特徴を示す集約データを提供する。例えば、実施形態に係る情報処理では、元データとして、所定のサービスを介して収集されたデータ（所定のサービスが消費者によって利用されたことによる履歴情報）の登録が受け付けられるため、この履歴情報が有する特徴ごとに、この履歴情報が集約されたデータである集約データが生成される。

【0015】

また、このような情報処理によれば、学習データの調整に係る煩雑性を解消し、モデルの学習に効果的な学習データを開発者が効率的に得られるようサポートすることができるため、結果、モデルの精度向上に貢献することができるようになる。また、モデルの精度が向上すれば、より良いコンテンツを消費者に提供することができるようになるため、実施形態に係る情報処理によれば、開発者がサービスの質を向上させることができるよう支援することができるようになる。

【0016】

〔２．情報処理システムについて〕
以下、実施形態に係る情報処理の説明に先立って、まず、実施形態に係る情報処理が実現されるシステムについて図１を用いて説明する。図１は、実施形態に係る情報処理の全体像を示す図である。図１には、実施形態に係る情報処理システムの一例として、情報処理システム１が示される。

【0017】

図１には、所定のサービスを介して収集されたデータである元データ（具体的には、所定のサービスが消費者によって利用されたことによる履歴情報）が、サービス担当者によって登録されることで、元データが集約された集約データを所望する利用者であるサービス開発者へとこの集約データが提供されるシチュエーションが示される。

【0018】

そして、実施形態に係る情報処理システム１は、図１に示すように、担当者装置１０−ｘと、開発者装置２０−ｘと、情報処理装置１００とを含む。担当者装置１０−ｘ、開発者装置２０−ｘ、情報処理装置１００は、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。

【0019】

担当者装置１０−ｘは、消費者（エンドユーザ）向けの任意のサービスであるサービスＳＶｘに属する開発者をはじめとする各種の担当者によって利用される情報処理端末である。担当者装置１０−ｘは、例えば、スマートフォンや、ウェアラブルデバイスや、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）等である。本実施形態では、担当者装置１０−ｘは、デスクトップＰＣであるものとする。

【0020】

担当者装置１０−ｘは、汎用的なアプリケーションであるウェブブラウザや、専用のアプリケーションを介して、情報処理装置１００との間で情報の送受信を行う。例えば、担当者装置１０−ｘは、担当者の操作に従って、サービスを介して収集されたデータである元データが登録されるようこれを情報処理装置１００に送信する。また、情報処理装置１００は、元データの登録を受け付けることで登録が完了した場合には、登録完了通知を担当者装置１０−ｘに送信することができる。

【0021】

図１の例では、任意のサービスＳＶｘの「ｘ」に対して特定の数値を適用することで、サービスＳＶｘ、サービスＳＶｘに属する担当者Ｐｘｎおよび担当者装置１０−ｘが区別された状態で示される。具体的には、図１の例では、所定のサービスの一例であるサービスＳＶ１（例えば、ショッピングサービス）に属する一担当者である担当者Ｐ１１が、サービスＳＶ１に対応する担当者装置１０−１を用いて、サービスＳＶ１を介して収集されたデータである元データ（サービスＳＶ１が消費者によって利用されたことによる履歴情報）を情報処理装置１００に登録する例が示される。また、図１の例では、所定のサービスの一例であるサービスＳＶ２（例えば、トラベルサービス）に属する一担当者である担当者Ｐ２１が、サービスＳＶ２に対応する担当者装置１０−２を用いて、サービスＳＶ２を介して収集されたデータである元データ（サービスＳＶ２が消費者によって利用されたことによる履歴情報）を情報処理装置１００に登録する例が示される。

【0022】

開発者装置２０−ｘは、サービスＳＶｘに属する開発者によって利用される情報処理端末である。開発者装置２０−ｘは、例えば、スマートフォンや、ウェアラブルデバイスや、タブレット型端末や、ノート型ＰＣや、デスクトップＰＣや、携帯電話機や、ＰＤＡ等である。本実施形態では、開発者装置２０−ｘは、デスクトップＰＣであるものとする。

【0023】

開発者装置２０−ｘは、汎用的なアプリケーションであるウェブブラウザや、専用のアプリケーションを介して、情報処理装置１００との間で情報の送受信を行う。例えば、開発者装置２０−ｘは、開発者の操作に従って、情報処理装置１００に対して集約データの提供を要求する。情報処理装置１００は、集約データの提供を要求する提供要求を受け付けた場合には、開発者が課題とするモデルが得られるような学習データとなり得る集約データ（すなわち、提供要求に応じた集約データ）を開発者に提供する。

【0024】

図１の例では、任意のサービスＳＶｘの「ｘ」に対して特定の数値を適用することで、サービスＳＶｘ、サービスＳＶｘに属する開発者Ｕｘｎおよび開発者装置２０−ｘが区別された状態で示される。具体的には、図１の例では、所定のサービスの一例であるサービスＳＶ１（例えば、ショッピングサービス）に属する一開発者である開発者Ｕ１１が、サービスＳＶ１に対応する開発者装置２０−１を用いて、情報処理装置１００に対して集約データの提供を要求する例が示される。

【0025】

情報処理装置１００は、実施形態に係る情報処理を実行する情報処理装置である。したがって、情報処理装置１００は、収集されたデータである元データの登録を受け付け、所定の集約条件に従って、元データが有する特徴ごとに、元データが集約されたデータである集約データを生成する。そして、情報処理装置１００は、生成した集約データのうち、モデルに学習させる特徴を示す集約データを提供する。

【0026】

また、情報処理装置１００は、例えば、サーバ装置やクラウドシステムとして実現される。本実施形態では、情報処理装置１００は、サーバ装置であるものとする。

【0027】

〔３．情報処理の一例〕
ここからは、図１を用いて、実施形態に係る情報処理の一例について説明する。上述したように、図１には、サービスＳＶ１を担当する担当者Ｐ１１が、担当者装置１０−１を用いて、サービスＳＶ１を介して収集されたデータである元データ（サービスＳＶ１が消費者によって利用されたことによる履歴情報）を情報処理装置１００に登録する例が示される。また、図１には、サービスＳＶ２を担当する担当者Ｐ２１が、担当者装置１０−２を用いて、サービスＳＶ２を介して収集されたデータである元データ（サービスＳＶ２が消費者によって利用されたことによる履歴情報）を情報処理装置１００に登録する例が示される。

【0028】

したがって、図１では、まず、各サービスＳＶｘを担当する担当者Ｐｘｎそれぞれが、担当者装置１０−ｘを用いて、自身が属するサービスＳＶｘを介して収集された元データを情報処理装置１００に登録する（ステップＳ１１）。

【0029】

よって、係る例では、情報処理装置１００は、各サービスＳＶｘ側で収集された元データの登録を各サービスＳＶｘを担当する担当者Ｐｘｎそれぞれから受け付ける（ステップＳ１２）。また、図１では不図示であるが、情報処理装置１００は、登録を受け付けた元データを集約データ記憶部１２１に格納する。後述するが、集約データ記憶部１２１は、第１層、第２層、第３層という３層の階層構造となっており、情報処理装置１００は、集約データ記憶部１２１のうち、第１層目の領域に元データを格納する。

【0030】

次に、情報処理装置１００は、元データから集約データを生成する生成処理を行うにあたって、元データに対して前処理を施す（ステップＳ１３）。例えば、情報処理装置２００は、係る前処理として、元データについて重複、誤記、表記揺れ等を検出し、これらを削除、修正あるいは正規化するというクレンジング処理を行う。

【0031】

次に、情報処理装置１００は、所定の集約条件に従って、元データが有する特徴ごとに、元データが集約された集約データを生成する生成処理を行う（ステップＳ１４）。生成処理については図２で詳細に説明する。

【0032】

また、このような状態において、情報処理装置１００は、集約データの提供を要求する提供要求を受け付けたか否かを判定している。集約データの提供を要求する提供要求では、例えば、どのような性能のモデルを得たいかといったモデルについて解決したい課題が、所定のサービスを利用したサービス利用者（消費者）に関する利用者情報（サービス利用者の属性情報と、サービス利用者について定義されたラベル情報との組合せ）を用いて規定される。したがって、換言すると、情報処理装置１００は、所定のサービスを利用したサービス利用者に関する利用者情報の入力を提供要求として受け付けたか否かを判定している。

【0033】

ここで、図１の例では、サービスＳＶ１に属する開発者Ｕ１１が、開発者装置２０−１を用いて、情報処理装置１００に対して集約データの提供を要求する提供要求を送信している（ステップＳ２１）。したがって、係る例では、情報処理装置１００は、集約データの提供を要求する提供要求を開発者Ｕ１１から受け付けたと判定する（ステップＳ２２）。

【0034】

また、このように、情報処理装置１００は、集約データの提供要求を受け付けたと判定できた場合には、生成済の集約データのうち、モデルに学習させる特徴を示す集約データを選択する選択処理を行う（ステップＳ２３）。例えば、情報処理装置１００は、係る選択処理として、提供要求に応じた集約データを生成済の集約データの中から選択するという選択処理を行う。より具体的には、情報処理装置１００は、提供要求に応じた集約データとして、開発者Ｕ１１が課題とするモデルが得られるような学習データとなり得る集約データを生成済の集約データの中から選択する。

【0035】

そして、情報処理装置１００は、選択した集約データを開発者装置２０−１に送信することで、この集約データを開発者Ｕ１１に提供する（ステップＳ２４）。

【0036】

〔４．生成処理の一例〕
次に、図２を用いて、集約データを生成する生成処理の詳細な一例について説明する。図２は、集約データ生成処理の一例を示す図である。

【0037】

図２の例では、情報処理装置１００は、ステップＳ１２で受け付けた元データを集約データ記憶部１２１に格納している。具体的には、情報処理装置１００は、集約データ記憶部１２１のうち、第１層目の領域に元データを格納している。図２の例では、集約データ記憶部１２１の第１層は、「サービスＩＤ」および「元データ」といった項目を有する。「サービスＩＤ」は、ショッピングサービス等の消費者向けのサービスを識別する識別情報を示す。「元データ」は、「サービスＩＤ」により識別されるサービスを介して収集された元データ（例えば、サービス利用による履歴情報）を示す。すなわち、図２の例では、情報処理装置１００が、サービスＩＤ「ＳＶ１」により識別されるサービス（サービスＳＶ１）を介して収集された元データとして「元データ♯１」の登録を受け付け、これを第１層に格納した例が示される。

【0038】

また、このような状態において、情報処理装置１００は、ステップＳ１３のように元データそれぞれに対して前処理を施す。例えば、情報処理装置２００は、各元データについて重複、誤記、表記揺れ等を検出し、これらを削除、修正あるいは正規化するというクレンジング処理を行い、クレンジング処理が済んだ処理済の元データを集約データ記憶部１２１に格納する。具体的には、情報処理装置１００は、集約データ記憶部１２１のうち、第２層目の領域に処理済の元データを格納する。

【0039】

ここで、図２の例では、集約データ記憶部１２１の第２層は、「サービスＩＤ」および「処理済元データ」といった項目を有する。「サービスＩＤ」は、ショッピングサービス等の消費者向けのサービスを識別する識別情報を示す。「処理済元データ」は、クレンジング処理された処理済の元データを示す。すなわち、図２の例では、情報処理装置１００が、サービスＩＤ「ＳＶ１」により識別されるサービス（サービスＳＶ１）を介して収集された元データである「元データ♯１」に対してクレンジング処理することで、処理済の「元データ♯１１」を得た例が示される。

【0040】

次に、情報処理装置１００は、集約データ記憶部１２１の第２層に格納される処理済の元データを対象として、ステップＳ１４の生成処理を行う。具体的には、情報処理装置１００は、集約条件に従って、処理済の元データが有する特徴ごとに処理済の元データを集約することで、この特徴ごとに処理済の元データが集約された集約データを生成する。

【0041】

実施形態に係る集約条件とは、元データが有するどのような特徴別に元データを集約させるかを規定する集約におけるルールである。したがって、情報処理装置１００は、元データをどのような特徴別に集約させるかが規定された集約条件に従って、集約データを生成する。例えば、情報処理装置１００は、処理済の元データをどのような特徴別に集約することで集約データを生成するか生成処理で利用対象となる特徴を決定し、決定した特徴を集約条件として用いて集約データを生成する。

【0042】

例えば、集約条件は、情報処理システム１を利用する利用者（例えば、図１に示す担当者Ｐｘｎ、開発者Ｕｎｘ等）によって登録されてよい。係る場合、利用者は、例えば、どのような学習データをモデルに学習させればモデルの精度が向上するかこれまでの試行で得られた経験則に基づき集約条件を検討し、検討の結果見出した集約条件を登録することができる。

【0043】

また一方で、情報処理装置１００が、集約条件を動的に定めることもできる。例えば、情報処理システム１を利用する利用者は、情報処理装置１００がより最適な集約条件を設定できるよう条件設定に係る指標を登録することができる。この場合、情報処理装置１００は、利用者により登録された指標に基づいて、元データが有するどのような特徴で元データを集約すべきかより最適な集約条件を定めることができる。また、例えば、情報処理装置１００は、これまでに利用者により登録された集約条件の傾向を学習することで、学習結果に基づいて、元データが有するどのような特徴で元データを集約すべきかより最適な集約条件を定めてもよい。

【0044】

また、図２の例によれば、集約条件は、集約条件記憶部１２２に格納される。例えば、集約条件記憶部１２２は、利用者によって情報処理装置１００に登録された集約条件や、情報処理装置１００が動的に定めた集約条件といった各種の集約条件を記憶する。したがって、情報処理装置１００は、集約条件記憶部１２２において集約条件として記憶される特徴（特徴情報）を生成処理で利用対象となる特徴として決定することができる。

【0045】

ここで、図２の例では、集約条件記憶部１２２は、「サービスＩＤ」、「条件ＩＤ」、「集約条件」といった項目を有する。「サービスＩＤ」は、ショッピングサービス等の消費者向けのサービスを識別する識別情報を示す。「条件ＩＤ」は、「集約条件」を識別する識別情報を示す。「集約条件」は、元データが有するどのような特徴別に元データを集約させるかを規定する集約におけるルールであって、「サービスＩＤ」により識別されるサービスごとに定められたルールである。

【0046】

例えば、図２に示す集約条件記憶部１２２の例では、サービスＩＤ「ＳＶ１」と集約条件「特徴情報♯１１」とが対応付けられている。係る例は、サービスＩＤ「ＳＶ１」により識別されるサービス（サービスＳＶ１）を介して収集された元データのうち、「特徴情報♯１１」で示される特徴を有するデータ部分のみでこの元データを集約するよう集約条件が定められている例を示す。「特徴情報♯１１」の一例としては、「サービスＳＶ１での商品購入に利用された利用合計額が５，０００円以上の消費者に関する情報」といった特徴が考えられる。したがって、係る例では、情報処理装置１００は、サービスＩＤ「ＳＶ１」により識別されるサービス（サービスＳＶ１）を介して収集された元データのうち、「サービスＳＶ１での商品購入に利用された利用合計額が５，０００円以上の消費者に関する情報」という特徴を含むデータ部分を抽出することで、元データをこの特徴で集約する。

【0047】

また、例えば、図２に示す集約条件記憶部１２２の例では、サービスＩＤ「ＳＶ１」と集約条件「特徴情報♯１２」とが対応付けられている。係る例は、サービスＩＤ「ＳＶ１」により識別されるサービス（サービスＳＶ１）を介して収集された元データのうち、「特徴情報♯１２」で示される特徴を有するデータ部分のみでこの元データを集約するよう集約条件が定められている例を示す。また、例えば、図２に示す集約条件記憶部１２２の例では、サービスＩＤ「ＳＶ１」と集約条件「特徴情報♯１３」とが対応付けられている。係る例は、サービスＩＤ「ＳＶ１」により識別されるサービス（サービスＳＶ１）を介して収集された元データのうち、「特徴情報♯１３」で示される特徴を有するデータ部分のみでこの元データを集約するよう集約条件が定められている例を示す。

【0048】

また、情報処理装置１００は、ステップＳ１４で生成した集約データを集約データ記憶部１２１に格納する。具体的には、情報処理装置１００は、集約データ記憶部１２１のうち、第３層目の領域に集約データを格納する。

【0049】

ここで、図２の例では、集約データ記憶部１２１の第３層は、「サービスＩＤ」、「条件ＩＤ」、「集約データ」といった項目を有する。「サービスＩＤ」は、ショッピングサービス等の消費者向けのサービスを識別する識別情報を示す。「条件ＩＤ」は、集約条件記憶部１２２に記憶される「条件ＩＤ」に対応し、「集約条件」を識別する識別情報を示す。「集約データ」は、「条件ＩＤ」で識別される「集約条件」として示される特徴ごとに、「サービスＩＤ」に対応付けられる元データが集約されたデータである集約データを示す。

【0050】

すなわち、図２の例では、情報処理装置１００が、サービスＳＶ１を介して収集された「元データ♯１」がクレンジング処理された後の「元データ♯１１」のうち、「特徴情報♯１１」で示される特徴を有するデータ部分を抽出するという集約により「集約データ♯１１１」を生成した例を示す。また、図２の例では、情報処理装置１００が、サービスＳＶ１を介して収集された「元データ♯１」がクレンジング処理された後の「元データ♯１１」のうち、「特徴情報♯１２」で示される特徴を有するデータ部分を抽出するという集約により「集約データ♯１１２」を生成した例を示す。また、図２の例では、情報処理装置１００が、サービスＳＶ１を介して収集された「元データ♯１」がクレンジング処理された後の「元データ♯１１」のうち、「特徴情報♯１３」で示される特徴を有するデータ部分を抽出するという集約により「集約データ♯１１３」を生成した例を示す。

【0051】

これまで図１および図２で説明してきたように、実施形態に係る情報処理装置１００は、収集されたデータである元データの登録を受け付け、所定の集約条件に従って、元データが有する特徴ごとに、元データが集約されたデータである集約データを生成する。そして、情報処理装置１００は、生成した集約データのうち、モデルに学習させる特徴を示す集約データを提供する。

【0052】

このような情報処理装置１００によれば、学習データの調整に係る煩雑性を解消し、モデルの学習に効果的な学習データを開発者が効率的に得られるようサポートすることができるため、結果、モデルの精度向上に貢献することができる。また、モデルの精度が向上すれば、より良いコンテンツを消費者に提供することができるようになるため、情報処理装置１００によれば、開発者がサービスの質を向上させることができるよう支援することができる。

【0053】

〔５．情報処理装置の構成〕
次に、図３を用いて、実施形態に係る情報処理装置１００について説明する。図３は、実施形態に係る情報処理装置１００の構成例を示す図である。図３に示すように、情報処理装置１００は、通信部１１０と、記憶部１２０と、制御部１３０とを有する。

【0054】

（通信部１１０について）
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Ｎと有線または無線で接続され、例えば、担当者装置１０−ｘ、開発者装置２０−ｘとの間で情報の送受信を行う。

【0055】

（記憶部１２０について）
記憶部１２０は、例えば、ＲＡＭ（Random Access Memory)、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。記憶部１２０は、集約データ記憶部１２１と、集約条件記憶部１２２とを有する。集約データ記憶部１２１および集約条件記憶部１２２の構成例については図２で説明済であるためここでの説明については省略する。

【0056】

（制御部１３０について）
制御部１３０は、ＣＰＵ（Central Processing Unit）やＭＰＵ（Micro Processing Unit）等によって、情報処理装置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。

【0057】

図３に示すように、制御部１３０は、登録受付部１３１と、生成部１３２と、入力受付部１３３と、提供部１３４と、学習部１３５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３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。

【0058】

（登録受付部１３１について）
登録受付部１３１は、収集されたデータである元データの登録を受け付ける。例えば、登録受付部１３１は、元データとして、所定のサービスを介して収集されたデータの登録を受け付ける。具体的な一例としては、登録受付部１３１は、所定のサービスを介して収集されたデータとして、所定のサービスが利用者によって利用されたことによる履歴情報の登録を受け付ける。また、ここでいう履歴情報とは、所定のサービスが消費者によって利用されたことによる各種の履歴情報であり、所定のサービスへのアクセス履歴、所定のサービスに対応するコンテンツの閲覧履歴、所定のサービスを利用して商品購入されたことによる購買履歴、所定のサービスが利用された際の位置履歴等を含み得る。

【0059】

（生成部１３２について）
生成部１３２は、所定の集約条件に従って、元データが有する特徴ごとに、元データが集約されたデータである集約データを生成する。例えば、生成部１３２は、クレンジング処理された後の元データが有する特徴ごとに、クレンジング処理された後の元データが集約された集約データを生成する。

【0060】

また、生成部１３２は、所定の集約条件として、元データをどのような特徴別に集約させるかが規定された集約条件に従って、集約データを生成する。例えば、生成部１３２は、元データをどのような特徴別に集約させるか所定の集約条件となる特徴を決定し、決定した特徴を集約条件として用いて集約データを生成する。この点について、例えば、生成部１３２は、情報処理システム１を利用する利用者（例えば、図１に示す担当者Ｐｘｎ、開発者Ｕｎｘ等）によって情報処理装置１００に登録された集約条件としての特徴情報を、集約データを生成する生成処理で利用対象となる特徴情報として決定することができる。また、生成部１３２は、装置側で動的に定めた集約条件としての特徴情報を、集約データを生成する生成処理で利用対象となる特徴情報として決定してもよい。

【0061】

また、生成部１３２は、元データのうち所定の１種類の元データから、当該所定の１種類の元データから派生した、それぞれ種類の異なる複数種類の集約データを生成してもよい。例えば、生成部１３２は、元データに対応する期間のうち、異なる期間ごとに当該元データが集約された集約データを生成する。この点について、図４を用いて説明する。

【0062】

図４は、元データから集約データを生成する生成処理の一例を示す図である。図４には、サービスＩＤ「ＳＶ１」により識別されるサービス（サービスＳＶ１）を介して収集された元データ♯１がクレンジング処理された処理済の元データ♯１１という１種類の元データからそれぞれ種類の異なる複数種類の集約データが生成される一場面が示される。

【0063】

より具体的には、図４の例によれば、元データ♯１１は、過去１年分（例えば、２０１９年度）という１つの期間を対象として、サービスＳＶ１を介して収集されたデータである。例えば、元データ♯１１は、２０１９年度１年間の間にサービスＳＶ１が消費者により利用されたことに応じて収集された各種の履歴情報である。

【0064】

以下では、このような元データ♯１１が、条件ＩＤ「ＣＤ１５」によって識別される集約条件（集約条件ＣＤ１５）に従って集約データが生成されるパターン、条件ＩＤ「ＣＤ１６」によって識別される集約条件（集約条件ＣＤ１６）に従って集約データが生成されるパターン、条件ＩＤ「ＣＤ１７」によって識別される集約条件（集約条件ＣＤ１７）に従って集約データが生成されるパターンそれぞれについて説明する。

【0065】

まず、集約条件ＣＤ１５を用いた集約データ生成処理について説明する。図４に示すように、集約条件ＣＤ１５としての特徴情報は「時系列が最も新しい１ヶ月分の元データを対象とした週ごとの消費者に関する情報」といったものであるとする。係る場合、生成部１３２は、サービスＳＶ１を介して収集された元データ♯１１のうち、「時系列が最も新しい１ヶ月分の元データを対象とした週ごとの消費者に関する情報」という特徴を含むデータ部分を抽出することで、元データ♯１１をこの特徴で集約する。

【0066】

ここで、図４の例によれば、時系列が最も新しい１ヶ月分の元データとは、２０１９年度１年間分の元データ♯１１のうち、１２月分のデータに対応する。したがって、生成部１３２は、元データ♯１１に含まれる２０１９年度１２月分のデータを利用して、第１週目（２０１９年１２月１日〜２０１９年１２月６日）のデータ部分を抽出する。これにより、生成部１３２は、「第１週目（２０１９年１２月１日〜２０１９年１２月６日）に対応する消費者に関する情報」という特徴で元データ♯１１を集約する。図４にはこのような集約の結果、生成部１３２が「集約データ♯１１ｗ１」を生成した例が示される。

【0067】

また、生成部１３２は、元データ♯１１に含まれる２０１９年度１２月分のデータを利用して、第２週目（２０１９年１２月７日〜２０１９年１２月１３日）のデータ部分を抽出する。これにより、生成部１３２は、「第２週目（２０１９年１２月７日〜２０１９年１２月１３日）に対応する消費者に関する情報」という特徴で元データ♯１１を集約する。図４にはこのような集約の結果、生成部１３２が「集約データ♯１１ｗ２」を生成した例が示される。

【0068】

また、不図示であるが、生成部１３２は、２０１９年度１２月の残りの各週についても同様に集約データを生成する。

【0069】

次に、集約条件ＣＤ１６を用いた集約データ生成処理について説明する。図４に示すように、集約条件ＣＤ１６としての特徴情報は「時系列がより新しい２ヶ月分の元データを対象とした月ごとの消費者に関する情報」といったものであるとする。係る場合、生成部１３２は、サービスＳＶ１を介して収集された元データ♯１１のうち、「時系列がより新しい２ヶ月分の元データを対象とした月ごとの消費者に関する情報」という特徴を含むデータ部分を抽出することで、元データ♯１１をこの特徴で集約する。

【0070】

ここで、図４の例によれば、時系列が最も新しい２ヶ月分の元データとは、２０１９年度１年間分の元データ♯１１のうち、１２月分のデータおよび１１月分のデータに対応する。したがって、生成部１３２は、元データ♯１１のうち、２０１９年１２月１ヶ月分のデータ部分を抽出する。これにより、生成部１３２は、「２０１９年度１２月分に対応する消費者に関する情報」という特徴で元データ♯１１を集約する。図４にはこのような集約の結果、生成部１３２が「集約データ♯１１ｍ１」を生成した例が示される。

【0071】

また、生成部１３２は、元データ♯１１のうち、２０１９年１１月１ヶ月分のデータ部分を抽出する。これにより、生成部１３２は、「２０１９年度１１月分に対応する消費者に関する情報」という特徴で元データ♯１１を集約する。図４にはこのような集約の結果、生成部１３２が「集約データ♯１１ｍ２」を生成した例が示される。

【0072】

次に、集約条件ＣＤ１７を用いた集約データ生成処理について説明する。図４に示すように、集約条件ＣＤ１７としての特徴情報は「時系列が最も新しい１ヶ月分の元データを対象として、利用合計額を平均した平均額ごとの消費者に関する情報」といったものであるとする。係る場合、生成部１３２は、サービスＳＶ１を介して収集された元データ♯１１のうち、「時系列が最も新しい１ヶ月分の元データを対象として、利用合計額を平均した平均額ごとの消費者に関する情報」という特徴を含むデータ部分を抽出することで、元データ♯１１をこの特徴で集約する。

【0073】

ここで、図４の例によれば、時系列が最も新しい１ヶ月分の元データとは、２０１９年度１年間分の元データ♯１１のうち、１２月分のデータに対応する。また、サービスＳＶ１での１回ごとの商品購入に利用された利用合計額を平均した平均額（合計平均額）として、「１，０００円」および「５，０００円」が定められているものとする。

【0074】

したがって、生成部１３２は、元データ♯１１に含まれる２０１９年度１２月分のデータを利用して、「サービスＳＶ１での１回ごとの買い物で利用された合計金額を平均した場合に合計平均額「１，０００円」となる消費者に関する情報」という特徴で元データ♯１１を集約する。図４にはこのような集約の結果、生成部１３２が「集約データ♯１１ａｖｇ１」を生成した例が示される。

【0075】

また、生成部１３２は、元データ♯１１に含まれる２０１９年度１２月分のデータを利用して、「サービスＳＶ１での１回ごとの買い物で利用された合計金額を平均した場合に合計平均額「５，０００円」となる消費者に関する情報」という特徴で元データ♯１１を集約する。図４にはこのような集約の結果、生成部１３２が「集約データ♯１１ａｖｇ２」を生成した例が示される。

【0076】

（入力受付部１３３について）
図３に戻り、入力受付部１３３は、生成部１３２により生成された集約データの提供を要求する提供要求を受け付ける。例えば、入力受付部１３３は、開発者（開発者装置２０−ｘ）から提供要求を受け付ける。また、係る提供要求では、例えば、どのような性能のモデルを得たいかといった、開発者がモデルについて解決したいと考える課題が所定のサービスを利用したサービス利用者（消費者）に関する利用者情報（サービス利用者の属性情報と、サービス利用者について定義されたラベル情報との組合せ）を用いて規定される。

【0077】

したがって、入力受付部１３３は、所定のサービスを利用したサービス利用者に関する利用者情報の入力を受け付ける。具体的には、入力受付部１３３は、利用者情報として、サービス利用者の属性情報と、サービス利用者について定義されたラベル情報との組合せを受け付ける。

【0078】

（提供部１３４について）
提供部１３４は、生成部１３２により生成された集約データのうち、モデルに学習させる特徴を示す集約データを提供する。例えば、提供部１３４は、入力受付部１３３により利用者情報が受け付けられた場合に、生成部１３２により生成された集約データのうち、当該利用者情報に応じた特徴を示す集約データを、当該利用者情報を入力した入力元の利用者（開発者）に提供する。

【0079】

例えば、提供部１３４は、これまでに提供された集約データおよび当該集約データを提供対象として出力したモデルに対して入力された利用者情報の組合せと、このモデルの精度に関する情報との関係性を学習したモデルを用いて、今回入力された利用者情報に応じた特徴を示す集約データを取得し、取得した集約データを、当該利用者情報を入力した入力元の利用者に提供する。

【0080】

（学習部１３５について）
学習部１３５は、これまでに提供された集約データおよび当該集約データを提供対象として出力したモデルに対して入力された利用者情報の組合せと、このモデルの精度に関する情報との関係性をモデルに学習させる。

【0081】

ここからは、入力受付部１３３、提供部１３４、学習部１３５の間で行われる処理により、開発者が課題とするモデルが得られるような学習データとなり得る集約データ（すなわち、提供要求に応じた集約データ）が開発者に提供される提供処理の一例について説明する。図５は、実施形態に係る提供処理の一例を示す図である。

【0082】

図５の例によれば、開発者Ｕ１１は、モデルについて解決したい課題として次のような課題を有する。具体的には、図５には、開発者Ｕ１１は、サービスＳＶ１を利用したサービス利用者の属性情報Ａ１を入力として、サービスＳＶ１を利用したサービス利用者に関するラベル情報Ｌ１を出力するといった性能のモデルＸを構築する、という課題を有する例が示される。

【0083】

ここで、属性情報Ａ１およびラベル情報Ｌ１の具体例としては、「クエリＱ１で検索した男性ユーザには、検索結果画面として所定のコンテンツＣ１を提供すべき」、「クエリＱ１で検索した女性ユーザには、検索結果画面として所定のコンテンツＣ１を提供すべきでない」、等といったもので、すなわち、属性情報Ａとラベル情報Ｌ１は、属性と属性に応じて判断された結果という関係性にある。

【0084】

このような状態において、例えば、「クエリＱ１で検索した２０代ユーザには、検索結果画面として所定のコンテンツＣ１を提供すべきなのか」、「クエリＱ１で検索した５０代ユーザには、検索結果画面として所定のコンテンツＣ１を提供すべきなのか」等、未知のシチュエーションではコンテンツＣ１の提供をどうすべきか判断したい場合、開発者Ｕ１１は、これまで収集された多くのデータを解析しなければならず非常に手間がかかる。そこで、属性情報Ａ１を入力としてラベル情報Ｌ１を出力するようなモデルＸを構築できれば、類似する未知のシチュエーションについてもより適切な結果を効率的に得ることができるようになると考えられる。

【0085】

そこで、図５の例では、開発者Ｕ１１は、属性情報Ａ１およびラベル情報Ｌ１の組合せを提供要求として送信することで、モデルＸを構築できるような学習データとなり得る集約データの提供を情報処理装置１００に求めている。

【0086】

図５の例によれば、学習部１３５は、利用者情報（属性情報Ａ１およびラベル情報Ｌ１の組合せ）を入力として、モデルＸを構築できるような学習データとなり得る集約データとして、「集約データ♯Ｌ１１」、「集約データ♯Ｌ１２」、「集約データ♯Ｌ１３」を出力するようなモデルＭＤ１を学習している。換言すると、学習部１３５は、生成部１３２により生成された集約データのうち、今回入力された利用者情報（属性情報Ａ１およびラベル情報Ｌ１の組合せ）に応じた特徴を示す集約データとしてより最適なものを判定するモデルＭＤ１を学習している。

【0087】

このようなことから、これまでの例によると、入力受付部１３３は、モデルについて解決したい課題が規定された配信要求を開発者Ｕ１１から受け付ける。具体的には、入力受付部１３３は、サービスＳＶ１を利用したサービス利用者の属性情報Ａ１、および、サービスＳＶ１を利用したサービス利用者に関するラベル情報Ｌ１の組合せの入力を配信要求として受け付ける。また、提供部１３４は、属性情報Ａ１およびラベル情報Ｌ１の組合せをモデルＭＤ１に入力することで、「集約データ♯Ｌ１１」、「集約データ♯Ｌ１２」、「集約データ♯Ｌ１３」を取得する。上記の通り、取得したこれらの集約データは、開発者Ｕ１１の課題を解決し得る集約データである。そこで、提供部１３４は、取得したこれらの集約データを開発者Ｕ１１に提供する。

【0088】

開発者Ｕ１１は、提供部１３４により提供された上記の集約データを学習データとして用いることで、属性情報Ａ１を入力としてラベル情報Ｌ１を出力するモデルを構築することができるようになる。例えば、開発者Ｕ１１は、提供部１３４により提供された上記の集約データを学習データとして、この学習データの特徴をモデルＸに学習させた結果、属性情報Ａ１が入力された場合にラベル情報Ｌ１を出力するようにモデルＸを構築することができる。

【0089】

ここからは、引き続き図５を用いて、学習部１３５によってモデルＭＤ１の学習が行われる際の一例について説明する。図５の上段には「モデルＭＤ１の詳細」として、学習の一例が示される。図５に示すように、学習部１３５は、これまでにモデルＭＤ１に入力された利用者情報（属性情報およびラベル情報の組合せ）、および、この入力に応じて提供対象として出力された集約データとの組合せと、モデルＭＤ１の精度に関する情報との関係性をモデルＭＤ１に学習させる。より具体的には、学習部１３５は、これまでにモデルＭＤ１に入力された利用者情報（属性情報およびラベル情報の組合せ）、および、この入力に応じて提供対象として出力された集約データとの組合せと、モデルＭＤ１の学習においてより最適であると判断された学習データ（集約データ）が有する特徴との関係性を学習させる。

【0090】

図５の例では、学習部１３５は、利用者情報♯１２および集約データ♯ＤＡ１２と、精度情報♯ＡＣ１２との関係性、利用者情報♯１３および集約データ♯ＤＡ１３と、精度情報♯ＡＣ１３との関係性、利用者情報♯１４および集約データ♯ＤＡ１４と、精度情報♯ＡＣ１４との関係性をそれぞれモデルＭＤ１に学習させている。

【0091】

そして、このような学習の結果、モデルＭＤ１は、利用者情報（属性情報Ａ１およびラベル情報Ｌ１の組合せ）が入力された場合に、モデルＸを構築できるような学習データとなり得るより最適な集約データを出力できるようになる。

【0092】

〔６．処理手順〕
次に、実施形態に係る情報処理の手順について説明する。

【0093】

〔６−１．処理手順〕
まず、図６を用いて、実施形態に係る情報処理のうち、集約データが生成される生成処理の手順について説明する。図６は、実施形態に係る生成処理手順を示すフローチャートである。

【0094】

登録受付部１３１は、所定のサービスを介して収集された元データの登録を受け付けたか否かを判定する（ステップＳ６０１）。登録受付部１３１は、元データの登録を受け付けていないと判定している間は（ステップＳ６０１；Ｎｏ）、元データの登録を受け付けたと判定できるまで待機する。

【0095】

一方、登録受付部１３１は、元データの登録を受け付けたと判定した場合には（ステップＳ６０１；Ｙｅｓ）、受け付けた元データを集約データ記憶部１２１の第１層に格納する。

【0096】

また、生成部１３２は、元データの登録を受け付けたと判定された場合には（ステップＳ６０１；Ｙｅｓ）、集約データ記憶部１２１から元データを取得し、取得した元データについて重複、誤記、表記揺れ等を検出し、これらを削除、修正あるいは正規化するというクレンジング処理を行う（ステップＳ６０２）。

【0097】

また、生成部１３２は、クレンジング処理後の処理済の元データを集約データ記憶部１２１の第２層に格納する。

【0098】

このような状態において、次に、生成部１３２は、集約条件に従って、元データが有する特徴ごとに、元データが集約された集約データを生成する生成処理を行う（ステップＳ６０３）。例えば、生成部１３２は、生成処理で利用する利用対象となる特徴を決定し、決定した特徴を集約条件として用いることで、元データが有する特徴ごとに、元データが集約された集約データを生成する。

【0099】

また、生成部１３２は、生成した集約データを集約データ記憶部１２１の第３層に格納する。

【0100】

〔６−２．処理手順〕
まず、図７を用いて、実施形態に係る情報処理のうち、生成処理で生成された集約データのうち、提供要求に応じた集約データを提供するための提供処理の手順について説明する。図７は、実施形態に係る提供処理手順を示すフローチャートである。

【0101】

まず、入力受付部１３３は、集約データが生成されている状態で、集約データの提供を要求する提供要求を受け付けたか否かを判定する（ステップＳ７０１）。例えば、入力受付部１３３は、提供要求として、所定のサービスを利用したサービス利用者（消費者）に関する利用者情報（サービス利用者の属性情報と、サービス利用者について定義されたラベル情報との組合せ）の入力を受け付けたか否かを判定する。

【0102】

入力受付部１３３は、提供要求を受け付けていないと判定している間は（ステップＳ７０１；Ｎｏ）、提供要求を受け付けたと判定できるまで待機する。

【0103】

一方、提供部１３４は、提供要求を受け付けたと判定された場合には（ステップＳ７０１；Ｙｅｓ）、生成済の集約データのうち、モデルに学習させる特徴を示す集約データを選択する（ステップＳ７０２）。例えば、提供部１３４は、提供要求に応じた集約データを生成済の集約データの中から選択する。例えば、提供部１３４は、提供要求に応じた集約データとして、要求元の利用者が課題とするモデルが得られるような学習データとなり得る集約データを生成済の集約データの中から選択する。

【0104】

そして、提供部１３４は、選択した集約データを要求元の利用者に提供する（ステップＳ７０３）。

【0105】

〔７．変形例〕
上記実施形態に係る情報処理装置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。そこで、以下では、情報処理装置１００の他の実施形態について説明する。

【0106】

〔７−１．コンテキストの特徴で集約〕
上記実施形態では、生成部１３２が、所定のサービスが利用者によって利用されたことによる履歴情報が有する特徴ごとに、元データが集約されたデータである集約データを生成する例を示した。しかし、生成部１３２は、元データに基づき元データが収集された収集元の利用者（すなわち、サービス利用者）のコンテキストを推定することで、推定したコンテキストの特徴ごとに、元データが集約されたデータである集約データを生成してもよい。

【0107】

例えば、サービスが利用されたことによる履歴情報によって、特定のサービス利用者が「風邪薬」を購入したことが示されていたとする。また、このような履歴情報から現在時期では、サービス利用者は市販薬の中で風邪薬を購入する傾向にあることが判明したとする。このような場合、生成部１３２は、「風邪薬」を購入したサービス利用者のコンテキストとして「風邪をひいている状態」であると推定する。また、このような推定の結果、生成部１３２は、「風邪をひいていたと推定される消費者に関する情報」という特徴を含むデータ部分を元データから抽出することで、元データをこの特徴で集約することができる。

【0108】

このような情報処理装置１００によれば、元データから直接的に得られる特徴だけではなく元データから推定できる各種の特徴も用いて集約条件を設定することができるため、集約条件のバリエーションを増やすことができる。そして、この結果、情報処理装置１００は、要求元の利用者に応じたより適切な集約データを提供することができるようになる。

【0109】

〔７−２．種類の異なる元データを組み合わせた集約データ生成〕
また、生成部１３２は、種類の異なる元データを組み合わせることで集約データを生成してもよい。例えば、「時間帯×天気ごとの、売り上げランク１０位以内の商品を購入した消費者に関する情報」といった特徴で集約するよう集約条件が定められているとする。係る場合、生成部１３２は、例えば、ショッピングサービスを介して収集された元データと、この元データに対応する期間での天気に関する天気データとをかけ合わせることで、ショッピングサービスを介して収集された元データを集約条件に従って集約する。

【0110】

このような情報処理装置１００によれば、種類の異なる元データを組み合わせることで、例えば、内容の複雑な集約条件にも対応することができるようになる。

【0111】

〔７−３．集約データ以外の情報も提供〕
上記実施形態では、提供部１３４が、モデルに学習させる特徴を示す集約データを提供する例を示した。しかし、提供部１３４は、集約データに関するその他の情報も提供してよい。例えば、提供部１３４は、要求元の利用者に提供する提供対象の集約データのうち、特徴ごとの集約データ間で成立している関係性を示す情報をさらに提供してもよい。例えば、提供部１３４は、特徴ごとの集約データの間で所定の統計が得られた場合には、係る統計を示す統計情報を提供することができる。また、例えば、提供部１３４は、特徴ごとの集約データの間で所定の相関関係が得られた場合には、係る相関関係を示す相関情報を提供することができる。

【0112】

このような情報処理装置１００によれば、集約データの提供を受けた利用者は、どのような観点で集約が行われたかを知ることができるため、提供された集約データが学習データとしてふさわしいか否かをより効果的に検討することができるようになる。

【0113】

〔７−４．集約データを低次元化〕
また、提供部１３４は、提供対象の集約データについて低次元化を行い、低次元化した後の集約データを提供してもよい。例えば、提供部１３４は、学習にかかる時間を短縮化できるよう、学習に応じた最適な状態に変換する。一例としては、提供部１３４は、集約データがテキスト形式である場合には、テキストを所定のビット数に変換し、返還後の集約データを提供することができる。

【0114】

このような情報処理装置１００によれば、例えば、学習の際に行われる計算の計算量を減らしたり、学習に用いられるデータのデータ量を減らしたりことができるため、モデルの軽量化や学習速度の向上を図ることができるようになる。

【0115】

〔８．ハードウェア構成〕
また、上記実施形態に係る情報処理装置１００は、例えば図８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８は、情報処理装置１００の機能を実現するコンピュータ１０００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。

【0116】

ＣＰＵ１１００は、ＲＯＭ１３００又は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。

【0117】

ＨＤＤ１４００は、ＣＰＵ１１００によって実行されるプログラム、および、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、通信網５０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５０を介して他の機器へ送信する。

【0118】

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、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。

【0119】

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又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。

【0120】

例えば、コンピュータ１０００が実施形態にかかる情報処理装置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。また、ＨＤＤ１４００には、記憶部１２０内のデータが格納される。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５０を介してこれらのプログラムを取得してもよい。

【0121】

〔９．その他〕
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。

【0122】

以上、本願の実施形態をいくつかの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。

【0123】

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、生成部は、生成手段や生成回路に読み替えることができる。

【符号の説明】

【0124】

１ 情報処理システム
１０−ｘ 担当者装置
２０−ｘ 開発者装置
１００ 情報処理装置
１２０ 記憶部
１２１ 集約データ記憶部
１２２ 集約条件記憶部
１３０ 制御部
１３１ 登録受付部
１３２ 生成部
１３３ 入力受付部
１３４ 提供部
１３５ 学習部

【要約】

【課題】モデルの精度を向上させること。
【解決手段】本願に係る情報処理装置は、登録受付部と、生成部と、提供部とを有する。登録受付部は、収集されたデータである元データの登録を受け付ける。生成部は、所定の集約条件に従って、元データが有する特徴ごとに、元データが集約されたデータである集約データを生成する。提供部は、集約データのうち、モデルに学習させる特徴を示す集約データを提供する。
【選択図】図３

【図1】

【図2】

【図3】

【図4】

【図5】

【図6】

【図7】

【図8】