特許 6985333 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(B2)

(11)【特許番号】6985333

(24)【登録日】2021年11月29日

(45)【発行日】2021年12月22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 16/95 20190101AFI20211213BHJP

   G06Q 30/02 20120101ALI20211213BHJP

【ＦＩ】

   G06F16/95

   G06Q30/02 350

【請求項の数】18

【全頁数】26

(21)【出願番号】特願2019-96418(P2019-96418)

(22)【出願日】2019年5月22日

(65)【公開番号】特開2020-190964(P2020-190964A)

(43)【公開日】2020年11月26日

【審査請求日】2020年3月9日

(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】日暮 立

(72)【発明者】

【氏名】坪内 孝太

【審査官】 甲斐 哲雄

(56)【参考文献】

【文献】 特開２０１８−１４２２８５（ＪＰ，Ａ）

【文献】 特開２０１９−０６７３１１（ＪＰ，Ａ）

(58)【調査した分野】（Int.Cl.，ＤＢ名）

Ｇ０６Ｆ １６／００−１６／９５８

Ｇ０６Ｑ １０／００−９９／００

(57)【特許請求の範囲】

【請求項1】

ユーザが所定の位置に滞在していた強度を示す滞在スコアであって、前記ユーザが前記所定の位置に滞在していた滞在時間と、前記所定の位置での前記ユーザの移動軌跡によって示される前記所定の位置での滞在態様とに基づき算出された滞在スコアを取得する取得部と、
前記滞在スコアが所定閾値より高いか否かに基づき、前記ユーザのうち前記所定の位置に滞在していたと推測されるユーザである対象ユーザの行動履歴に基づいて、前記行動履歴が示す情報に対する前記対象ユーザの興味の度合いを示す第１興味スコアを算出する算出部と、
前記算出部により算出された第１興味スコアに基づいて、前記対象ユーザの興味に関連する情報を推定する推定部と
を有することを特徴とする情報処理装置。

【請求項2】

前記推定部は、前記行動履歴として、前記対象ユーザの検索履歴であって、前記対象ユーザが前記所定の位置に滞在していた時点よりも過去の検索履歴に基づいて、前記対象ユーザに関連する情報を推定する
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】

前記取得部は、前記ユーザが所定の位置に滞在していた滞在時間に応じた強度に基づき算出された前記滞在スコアを取得する
ことを特徴とする請求項１または２に記載の情報処理装置。

【請求項4】

前記推定部は、前記ユーザのうち前記滞在スコアが所定値より高いユーザである前記対象ユーザの前記行動履歴に基づいて、前記対象ユーザに関連する情報を推定する
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】

前記算出部は、前記行動履歴に基づいて、前記対象ユーザの行動傾向の度合いに応じた値を示す前記第１興味スコアを算出する
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】

前記推定部は、前記対象ユーザ以外の他ユーザに関連する情報をさらに推定する
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】

前記推定部は、前記他ユーザの行動傾向を示す行動情報のうち、前記対象ユーザに関連する情報以外の情報に対応する行動情報を、前記他ユーザに関連する情報として推定する
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】

前記推定部により推定された情報に基づく情報提供を行う第１の提供部をさらに有する
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】

前記第１の提供部は、前記情報提供の要求元に対して、所定期間における前記対象ユーザの人数変動を示す数値情報を提供する
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】

前記第１の提供部は、前記情報提供の要求元に対して、前記対象ユーザの行動履歴に含まれる前記対象ユーザの行動を示す行動情報と、前記行動履歴に基づき算出された前記対象ユーザの興味の度合いを示す第１興味スコアとを提供する
ことを特徴とする請求項８または９に記載の情報処理装置。

【請求項11】

前記推定部は、前記滞在スコアが取得された取得元ユーザの滞在スコアと、所定の対象に対するユーザの興味を予測する予測モデルを用いて算出された第２興味スコアであって、前記所定の対象に対する前記取得元ユーザの興味の度合いを示す第２興味スコアとの組合せから算出された相関性に基づいて、前記予測モデルのうち、前記対象ユーザの興味を分析する際に用いるべき適切な予測モデルを推定する
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】

前記推定部は、前記取得元ユーザ毎の前記滞在スコアと前記第２興味スコアとの組合せに基づき生成された散布図を用いて算出された相関係数に基づいて、前記対象ユーザの興味を分析する際に用いるべき適切な予測モデルを推定する
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】

前記推定部は、前記第２興味スコアをＸ軸とし、前記滞在スコアをＹ軸とした場合に、前記取得元ユーザ毎の前記滞在スコアと前記第２興味スコアとが交わるプロットを示す前記散布図から生成された回帰直線に対応する前記相関係数に基づいて、前記予測モデルを推定する
ことを特徴とする請求項１２に記載の情報処理装置。

【請求項14】

前記推定部は、前記相関係数が所定値より高い予測モデルを前記対象ユーザの興味を分析する際に用いるべき適切な予測モデルとして推定する
ことを特徴とする請求項１２または１３に記載の情報処理装置。

【請求項15】

前記推定部は、前記対象ユーザの興味を分析する際に用いるべき適切なモデルとして推定された予測モデルの予測対象を前記対象ユーザの興味の対象としてさらに推定する
ことを特徴とする請求項１４に記載の情報処理装置。

【請求項16】

前記対象ユーザの興味を分析する際に用いるべき適切なモデルとして推定された予測モデルと、前記対象ユーザの興味の対象とを提供する第２提供部をさらに有する
ことを特徴とする請求項１５に記載の情報処理装置。

【請求項17】

情報処理装置が実行する情報処理方法であって、
ユーザが所定の位置に滞在していた強度を示す滞在スコアであって、前記ユーザが前記所定の位置に滞在していた滞在時間と、前記所定の位置での前記ユーザの移動軌跡によって示される前記所定の位置での滞在態様とに基づき算出された滞在スコアを取得する取得工程と、
前記滞在スコアが所定閾値より高いか否かに基づき、前記ユーザのうち前記所定の位置に滞在していたと推測されるユーザである対象ユーザの行動履歴に基づいて、前記行動履歴が示す情報に対する前記対象ユーザの興味の度合いを示す第１興味スコアを算出する算出工程と、
前記算出工程により算出された第１興味スコアに基づいて、前記対象ユーザの興味に関連する情報を推定する推定工程と
を含むことを特徴とする情報処理方法。

【請求項18】

ユーザが所定の位置に滞在していた強度を示す滞在スコアであって、前記ユーザが前記所定の位置に滞在していた滞在時間と、前記所定の位置での前記ユーザの移動軌跡によって示される前記所定の位置での滞在態様とに基づき算出された滞在スコアを取得する取得手順と、
前記滞在スコアが所定閾値より高いか否かに基づき、前記ユーザのうち前記所定の位置に滞在していたと推測されるユーザである対象ユーザの行動履歴に基づいて、前記行動履歴が示す情報に対する前記対象ユーザの興味の度合いを示す第１興味スコアを算出する算出手順と、
前記算出手順により算出された第１興味スコアに基づいて、前記対象ユーザの興味に関連する情報を推定する推定部と
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】

本発明の実施形態は、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、種々の需要を予測する技術が知られている。例えば、特許文献１には、ユーザが検索に用いたクエリと、このクエリでの検索時のユーザの位置情報とに基づいて、クエリに対応する対象に関する需要を予測する技術が開示されている。

【先行技術文献】

【特許文献】

【0003】

【特許文献1】特開２０１９−５３４４９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、ユーザの興味の対象を高精度に推定す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、エリア毎に当該エリアにてユーザが行った検索回数に基づいて、検索時に使用されたクエリ（クエリに対応する対象）に対してスコアリングし、スコアがより高いエリアにおいてクエリに対応する対象に関する需要があると予測する。

【0005】

ところで、このような上記の従来技術では、需要につながる確かな目的があるためそのエリアに滞在しているユーザの検索行動以外にも、例えば、一時的にそのエリアを通過すする際にユーザがたまたま行った検索行動といった一種のノイズと考えられるユーザの検索行動も処理対象に含まれる。このようなことから、上記の従来技術では、ユーザの興味の対象を高精度に推定することができるとは限らない。

【0006】

本願は、上記に鑑みてなされたものであって、ユーザの興味の対象を高精度に推定することの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】

【0007】

本願にかかる情報処理装置は、ユーザが所定の位置に滞在していた強度を示す滞在スコアを取得する取得部と、前記滞在スコアに基づき、前記ユーザのうち前記所定の位置に滞在していたと推測されるユーザである対象ユーザの行動履歴に基づいて、前記対象ユーザに関連する情報を推定する推定部とを有することを特徴とする。

【発明の効果】

【0008】

実施形態の一態様によれば、ユーザの興味の対象を高精度に推定することができるといった効果を奏する。

【図面の簡単な説明】

【0009】

【図1】図１は、実施形態にかかる第１の情報処理の一例を示す図である。

【図2】図２は、第１の情報処理に対応するグラフの一例を示す図である。

【図3】図３は、第１の情報処理に対応する対応表の一例を示す図である。

【図4】図４は、実施形態にかかる第２の情報処理の一例を示す図である。

【図5】図５は、実施形態にかかる情報処理システムの構成例を示す図である。

【図6】図６は、実施形態にかかる情報処理装置の構成例を示す図である。

【図7】図７は、実施形態にかかる滞在スコア記憶部の一例を示す図である。

【図8】図８は、実施形態にかかる興味スコア記憶部の一例を示す図である。

【図9】図９は、実施形態にかかる情報処理手順を示すフローチャートである。

【図10】図１０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】

【0010】

以下に、本願にかかる情報処理装置、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説明する。なお、この実施形態により本願にかかる情報処理装置、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。

【0011】

〔１．情報処理の概要〕
図１〜４を用いて、実施形態にかかる情報処理の一例について説明する。以下では、実施形態にかかる情報処理を第１の情報処理、および、第２の情報処理に分けて説明する。図１〜図３は、第１の情報処理を説明する図に対応する。図４は、第１の情報処理を説明する図に対応する。図１〜４を用いて実施形態にかかる情報処理の一例を説明する前に、まずは、実施形態にかかる情報処理の概要を示すことにする。

【0012】

例えば、以下で説明する情報処理装置１００に対応するアプリケーションが、情報を要求する要求元の端末装置である要求元装置１０内に実装されることにより、情報処理装置１００は、要求元装置１０からの要求を受け付けたり、要求元装置１０に対して実施形態にかかる情報処理で得られた推定結果（例えば、ユーザの興味の対象が何であるかが推定された推定結果）を配信することができるようになる。このようなことから、要求元は、上記のアプリケーションを、例えば、ユーザの興味を分析する分析ツールとして使用する場合がある。

【0013】

また、このようなことから、実施形態にかかる情報処理は、上記アプリケーションに対応する処理といえるが、実施形態にかかる情報処理のうち、第１の情報処理、および、第２の情報処理は、それぞれ異なるアプリケーションに対応するものであってもよいし、１つのアプリケーションに対応ものであってもよい。以下の例では、第１の情報処理、および、第２の情報処理を分けて説明しているが、第１の情報処理、および、第２の情報処理は、一連の一つの情報処理として成立することにより、１つのアプリケーションに対応しているものとする。なお、かかるアプリケーションを以下では「アプリＡＰ」と表記する場合がある。

【0014】

また、図１〜図４の説明に先立って、図５を用いて、実施形態にかかる情報処理システムについて説明する。図５は、実施形態にかかる情報処理システム１の構成例を示す図である。実施形態にかかる情報処理システム１は、図５に示すように、要求元装置１０と、ユーザ装置３０と、情報処理装置１００とを含む。要求元装置１０、ユーザ装置３０、情報処理装置１００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。なお、図５に示す情報処理システム１には、複数台の要求元装置１０や、複数台のユーザ装置３０や、複数台の情報処理装置１００が含まれてよい。

【0015】

要求元装置１０は、情報（例えば、実施形態にかかる情報処理で得られた推定結果）提供を要求する要求元によって利用される端末装置である。要求元装置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）等である。また、要求元装置１０には、上記のアプリＡＰがインストールされている。例えば、要求元装置１０は、要求元の操作に従って、情報処理装置１００に対して各主の入力を行ったり、情報処理装置１００から提供（送信）された情報を表示画面Ｄに表示させる。

【0016】

ユーザ装置３０は、一般ユーザによって利用される端末装置である。ユーザ装置３０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や、デスクトップＰＣや、携帯電話機や、ＰＤＡ等である。ユーザ装置３０は、ＧＰＳ（Global Positioning System）機能を利用して、自装置の位置情報（自装置を利用するユーザの位置情報）を取得したり、インターネット上でのユーザの行動（例えば、検索行動、購買行動等）に対応する情報処理を実行する。なお、情報処理装置１００は、ユーザの位置情報の履歴（位置履歴）や、インターネット上でのユーザの行動の履歴（行動履歴）を適宜取得し所定の記憶部に格納している。また、ユーザ装置３０は、ＧＰＳに限らず任意の手法で位置情報を取得してよい。例えば、ユーザ装置３０は、ＷｉＦｉ（登録商標）由来の電波信号を検知し、検知した電波信号に基づいて位置情報を算出してもよい。

【0017】

ここで、実施形態にかかる情報処理が行われるにあたっての前提について説明する。まず、第１の情報処理に対応する前提について説明する。例えば、上記の従来技術のように、エリア毎に当該エリアににてユーザが行った検索回数に基づいて、検索時に使用されたクエリ（クエリに対応する対象）に対してスコアリングした場合、あるエリアＡＲで特定のクエリＱＥについて高いスコアが得られたとすれば、エリアＡＲではクエリＱＥに対応する対象の需要があると予測することができると考えられる。

【0018】

しかしながら、上記の従来技術には、一時的にエリアＡＲを通過する際にユーザがたまたま行った検索行動といった一種のノイズと考えられるユーザの検索行動も処理対象に含まれるため、ユーザの興味の対象を高精度に推定することができるとは限らない。一方で、例えば、エリアＡＲを一時的に通過する等ではなく、エリアＡＲにおいてまとまった時間滞在し、かつ、エリアＡＲに滞在するよりも過去にクエリＱＥで検索したことのあるユーザについては、かかるユーザは、クエリＱＥに対応する対象の恩恵を受けるためにエリアＡＲに滞在しているといえる。したがって、このように、確かに特定の位置に滞在していると推測される対象ユーザのみを精度よく抽出できれば、上記のようなノイズと考えられるユーザ（エリアＡＲを一時的に通過したに過ぎないユーザ）を除外することができるため、対象ユーザの行動履歴を紐付けることにより、対象ユーザの興味（需要）を高精度に推定することができるようになる。

【0019】

このような前提を踏まえて、実施形態にかかる情報処理装置１００は、実施形態にかかる第１の情報処理を行う。具体的には、情報処理装置１００は、ユーザが所定の位置に滞在していた強度を示す滞在スコアを取得し、取得した滞在スコアに基づきユーザのうち所定の位置に滞在していたと推測されるユーザである対象ユーザの行動履歴に基づいて、対象ユーザに関連する情報を推定する。例えば、情報処理装置１００は、対象ユーザの検索履歴であって、対象ユーザが所定の位置に滞在していた時点よりも過去の検索履歴に基づいて、対象ユーザに関連する情報を推定する。

【0020】

より詳細には、情報処理装置１００は、ユーザのうち滞在スコアが所定値より高いユーザを対象ユーザと定めるとともに、対象ユーザの行動履歴に基づいて、対象ユーザの興味の度合いを示す第１興味スコアであって、対象ユーザの行動傾向の度合いに応じた値を示す第１興味スコアを算出する。そして、情報処理装置１００は、第１興味スコアに基づいて、対象ユーザに関連する情報を推定する。

【0021】

また、情報処理装置１００は、情報提供の要求元に対して、推定した情報に基づく情報を提供する。

【0022】

次に、第２の情報処理に対応する前提について説明する。例えば、各サービス（ショッピングサービス、オークションサービス等）で利用される所定の対象に対するユーザの興味を予測する予測モデルが多数存在するとする。例えば、かかる予測モデルの一例として、電子書籍好きを予測する電子書籍予測モデルを例に挙げる。この場合、電子書籍予測モデルは、処理対象のユーザの属性情報を入力した場合に、電子書籍に対する処理対象のユーザの興味の度合いを示すスコアを出力するモデル、すなわち電子書籍に対して処理対象のユーザがどれだけ興味があるかを予測する予測モデルである。また、電子書籍予測モデルの予測対象は、電子書籍といえる。

【0023】

このように、所定の対象に対するユーザの興味を予測する予測モデルが多数存在する状況下において、所定の位置に滞在していたと推測されるユーザである対象ユーザに関連する予測モデルはどの（誰の）予測モデルであるかを知りたいといった需要がある。また、対象ユーザと予測モデルの予測対象との関連性を知りたいといった需要がある。

【0024】

このような前提を踏まえて、実施形態にかかる情報処理装置１００は、実施形態にかかる第２の情報処理を行う。具体的には、情報処理装置１００は、ユーザが所定の位置に滞在していた強度を示す滞在スコアを取得し、滞在スコアが取得された取得元ユーザの滞在スコアと、所定の対象に対するユーザの興味を予測する予測モデルとに基づいて、予測モデルのうち対象ユーザに関連する予測モデルを推定する。例えば、情報処理装置１００は、取得元ユーザの滞在スコアと、予測モデルを用いて算出された第２興味スコアであって、所定の対象に対する取得元ユーザの興味の度合いを示す第２興味スコアとに基づいて、対象ユーザに関連する予測モデルを推定する。

【0025】

また、情報処理装置１００は、対象ユーザに関連する予測モデルを推定することにより、対象ユーザに関連する予測モデルの予測対象を対象ユーザに関連する情報として推定する。

【0026】

〔２．第１の情報処理の一例〕
さて、ここからはまず、図１を用いて第１の情報処理の一例について説明する。図１は、実施形態にかかる第１の情報処理の一例を示す図である。図１では、実施形態にかかる第１の情報処理の一例を手順を追って説明する。また、情報処理装置１００が有する記憶部についても適宜説明する。まず、情報処理装置１００が有する記憶部のうち、第１の情報処理と関連性の高い位置履歴記憶部１２１および検索履歴記憶部１２２について先に説明しておく。

【0027】

位置履歴記憶部１２１は、ユーザ装置３０を有する各一般ユーザのこれまでの位置であって、所定時刻毎の位置を示す位置情報を位置履歴として記憶する。図１の例では、位置履歴記憶部１２１は、「ユーザＩＤ」、「時刻情報」、「位置情報」といった項目を有する。「ユーザＩＤ」は、一般ユーザまたは一般ユーザのユーザ装置３０を識別する識別情報を示す。「時刻情報」は、対応する「位置情報」が示す位置に一般ユーザが居た時刻を示す。

【0028】

「位置情報」は、対応する「時刻情報」が示す時刻における一般ユーザの位置を示す。「位置情報」は、ユーザ装置３０がＧＰＳ機能を活用して取得した位置情報である。このようなことから、図１では不図示であるが、情報処理装置１００は、ユーザ装置３０から適宜位置情報を取得し、取得した位置情報を位置履歴記憶部１２１に格納している。なお、ＧＰＳ由来の位置情報は、実際の位置に対して多少誤差がある。このため、情報処理装置１００は、ユーザ装置３０から取得したＧＰＳ由来の位置情報に統計処理を行う等して、より精度のよいもの補正したうえで、補正後の位置情報を位置履歴記憶部１２１に格納してもよい。例えば、情報処理装置１００は、ＧＰＳ由来の位置情報と、実際の位置情報との関係性が学習されたモデルを用いて、ＧＰＳ由来の位置情報を補正することができる。

【0029】

また、図１に示す位置履歴記憶部１２１の例では、ユーザＩＤ「Ｕ１」によって識別される一般ユーザ（ユーザＵ１）が「２０１９年４月３日１５時５８分」には位置情報「ＬＣ１１−１」が示す位置に居た例を示す。

【0030】

検索履歴記憶部１２２は、ユーザ装置３０を有する各一般ユーザのこれまでの検索行動を示す検索情報を当該検索行動が行われた時刻毎に記憶する。なお、ここでいう検索行動とは、この検索行動で用いられた検索クエリを指すものとする。図１の例では、検索履歴記憶部１２２は、「ユーザＩＤ」、「時刻情報」、「検索行動（検索クエリ）」といった項目を有する。「ユーザＩＤ」は、一般ユーザまたは一般ユーザのユーザ装置３０を識別する識別情報を示す。「時刻情報」は、対応する「検索行動」が行われた時刻を示す。「検索行動（検索クエリ）」は、検索行動で用いられた検索クエリを示す。

【0031】

すなわち、図１に示す検索履歴記憶部１２２の例では、ユーザＩＤ「Ｕ１」によって識別される一般ユーザ（ユーザＵ１）が「２０１９年３月３１日１５時１５分」には検索クエリ「電車遅延」での検索行動を行った例を示す。

【0032】

なお、検索履歴は行動履歴の一例であるが、情報処理装置１００は、検索履歴以外にも各種の行動の行動履歴を利用することができる。例えば、情報処理装置１００は、購買履歴、サービス（宿泊予約サービス等）利用履歴、会話履歴等を利用することができ、この場合には各行動履歴に対応する記憶部を有する。すなわち、情報処理装置１００が利用可能な行動履歴は、検索履歴に限定されないが、本実施形態では検索履歴に絞って説明する。

【0033】

このような状態において、図１の例では、情報処理装置１００に対して情報提供を要求する要求元として要求元Ｒ１を例に挙げる。要求元Ｒ１が利用する要求元装置１０にはアプリＡＰがインストールされていることにより、要求元装置１０は、アプリＡＰの制御に従って、要求元Ｒ１に対して、どの期間においてどの位置（場所）での一般ユーザを処理対象とするかを指定させることができる。より詳細には、要求元装置１０は、要求元Ｒ１に対して、どの期間においてどの位置（場所）に居た一般ユーザを処理対象として、一般ユーザの興味を分析したいかを指定させることができる。例えば、要求元装置１０は、地図情報ＭＰを表示画面に表示することで地図情報ＭＰをに含まれる任意の位置（場所）を指定させる。

【0034】

このような場合、要求元Ｒ１は、例えば、マウス操作やタッチ操作等でサイズを制御可能な矩形ＳＱを用いて任意の位置（場所）を囲むことにより、矩形ＳＱ内に含まれる位置を指定する。図１の例では、要求元Ｒ１は、矩形ＳＱを用いて、位置情報ＬＣ１１で識別される位置（位置ＬＣ１１１）を囲むとととも期間Ｔを入力したうえで、例えば、送信ボタン（不図示）を押下したものとする。このような操作は、要求元Ｒ１が、期間Ｔにおいて、位置ＬＣ１１１に居た一般ユーザを処理対象とするよう情報処理装置１００に対して指定する操作を示す。

【0035】

要求元装置１０は、送信ボタンが押下された場合、上記指定を示す指定情報である指定情報ＳＰ１を情報処理装置１００に送信する。指定情報ＳＰ１には、矩形ＳＱで囲まれた位置ＬＣ１１１を示す位置情報ＬＣ１１が含まれる。また、指定情報ＳＰ１には、要求元装置１０の識別情報が含まれる。矩形ＳＱが用いられているため、位置情報ＬＣ１１は、位置範囲であり、位置情報ＬＣ１１には、例えば、位置情報ＬＣ１１−１、位置情報ＬＣ１１−２、位置情報ＬＣ１１−３・・・等が含まれる。

【0036】

また、図１では地図情報ＭＰ内の任意の位置を矩形ＳＱで囲むという情報指定の手法を例に挙げているがこれは一例に過ぎず、どの期間においてどの位置（場所）での一般ユーザを処理対象とするかを指定させる手法は限定されない。例えば、要求元装置１０は、要求元に対して、期間、位置、施設等を手入力させてもよいし、候補一覧の中から指定させてもよい。

【0037】

そして、情報処理装置１００は、要求元装置１０から指定情報を受け付ける（ステップＳ１１）。上記例の場合、情報処理装置１００は、要求元Ｒ１の要求元装置１０から指定情報ＳＰ１を受け付ける。次に、情報処理装置１００は、位置履歴記憶部１２１に記憶される一般ユーザの中から、位置情報ＬＣ１１を有する所有ユーザ（位置ＬＣ１１１に一瞬でも居たことがあるユーザ）を抽出し、抽出した所有ユーザが、位置ＬＣ１１１に滞在していた強度（確度）を示す滞在スコアを算出する（ステップＳ１２）。例えば、情報処理装置１００は、所有ユーザ毎に、当該所有ユーザが位置ＬＣ１１１に滞在していた滞在時間に応じた強度（確度）に基づいて、当該所有ユーザの滞在スコアを算出する。例えば、情報処理装置１００は、位置履歴記憶部１２１において所有ユーザに対応付けられる「時刻情報」に基づいて、位置ＬＣ１１１での滞在スコアを算出する。滞在スコアは、例えば、滞在時間が長い程（強度が高い程）、高い数値を示す。また、本実施形態では、滞在スコアは、０〜１０の範囲で表されるものとする。

【0038】

例えば、位置ＬＣ１１１での滞在時間が数秒あるいは数分程度の所有ユーザは、何らかの目的があって位置ＬＣ１１１に滞在していたとはいい難く、例えば、たまたま位置ＬＣ１１１を通りがかっただけと解することができる。一方で、位置ＬＣ１１１での滞在時間がまとまった時間（例えば、１５分以上）の所有ユーザは確かな目的があって位置ＬＣ１１１に滞在していたといえる。このような観点から、情報処理装置１００は、例えば、滞在時間が長い程、位置ＬＣ１１１に滞在していた可能性が高いことを示すような強度を算出し、算出した強度に基づいて、滞在スコアを算出する。例えば、情報処理装置１００は、滞在時間そのものを滞在スコアとして算出してもよいし、滞在時間に応じた強度に対して所定の重み付けをすることにより滞在スコアを算出してもよい。

【0039】

ここで、滞在スコア算出の一例についてより詳細に説明する。例えば、情報処理装置１００は、要求元Ｒ１にに指定された期間である期間Ｔ内での所定時刻毎（例えば、３０分間隔の時刻毎）に、当該時刻での滞在スコアを算出する。例えば、期間Ｔを「２０１９年４月１日０時００分」〜「２０１９年４月３日１６時００分」とすると、情報処理装置１００は、「２０１９年４月１日０時００分」〜「２０１９年４月１日０時３０分」、「２０１９年４月１日０時３０分」〜「２０１９年４月１日１時００分」・・・といったような３０分おきの時刻（時刻範囲）毎に各所有ユーザの滞在スコアを算出する。

【0040】

ここで、位置ＬＣ１１１に目的がって滞在している所有ユーザであっても、諸事情により、定期的（あるいは一時的）に位置ＬＣ１１１とは別の位置へ移動する場合がある。すなわち、３０分の間ずっと位置ＬＣ１１１に滞在しているような滞在パターンもあれば、定期的（あるいは一時的）に位置ＬＣ１１１からは外れるものの結果的には位置ＬＣ１１１に滞在しているような滞在パターンといったように、考慮すべき滞在パターンが複数存在する。したがって、時刻範囲として、「２０１９年４月１日０時００分」〜「２０１９年４月１日０時３０分」の間の３０分間を例に挙げると、情報処理装置１００は、この期間内での総滞在時間に応じた強度を算出し、算出した強度に基づき滞在スコアを算出する。

【0041】

このように情報処理装置１００は、滞在時間と滞在パターンとに基づいて、滞在時間に応じた強度を算出するとともに、算出した強度に基づいて、滞在スコアを算出する。

【0042】

なお、情報処理装置１００は、所有ユーザの位置情報の変化から所有ユーザの移動軌跡を算出することにより、移動軌跡も考慮して強度を算出してもよい。例えば、位置ＬＣ１１１に滞在していたといえる所有ユーザの移動軌跡は、位置情報ＬＣ１１に含まれる位置情報を繋いで形成される軌跡となることが考えられる。したがって、情報処理装置１００は、このような移動軌跡が得られた場合には強度をより高めるような重み付けを行い、位置ＬＣ１１１一時的に通過しただけのような移動軌跡が得られた場合には強度をより下げるような重み付けを行う。

【0043】

ステップＳ１２では、滞在スコアの算出例を示してきたが、かかる算出例は一例に過ぎず、情報処理装置１００は、任意の手法で滞在スコアを算出可能でるあること断っておく。

【0044】

次に、情報処理装置１００は、ステップＳ１２で算出した滞在スコアを滞在スコア記憶部１２３に格納する。ここで、図７に実施形態にかかる滞在スコア記憶部１２３の一例を示す。図７の例では、滞在スコア記憶部１２３は、「要求元ＩＤ」、「位置情報」、「期間」、「時刻範囲」、「ユーザＩＤ」、「滞在スコア」いった項目を有する。

【0045】

「要求元ＩＤ」は、情報処理装置２００に対して情報提供を要求した要求元を識別する識別情報を示す。「位置情報」は、対応する要求元が、どの期間（時刻）においてどの位置（場所）でのユーザを処理対象とするかを指定したことによる指定情報に含まれる位置情報を示す。すなわち、「位置情報」は、対応する要求元によって指定された処理対象の位置を示す位置情報である。「期間」は、対応する要求元が、どの期間（時刻）においてどの位置（場所）でのユーザを処理対象とするかを指定したことによる指定情報に含まれる位置情報に含まれる期間を示す。すなわち、「期間」は、対応する要求元によって指定された処理対象の期間を示す。

【0046】

「時刻範囲」は、要求元Ｒ１により指定された「期間」内での時刻範囲であって、３０分間隔毎の時刻範囲を示す。なお、３０分間隔というのは一例に過ぎず、どのような時間間隔で区切られるかは限定されない。

【0047】

「ユーザＩＤ」は、「期間」に含まれる「時刻範囲」が示す時刻において、「位置情報」が示す位置に居た（位置情報を有した）所有ユーザを識別する識別情報を示す。「滞在スコア」は、対応する「ユーザＩＤ」によって識別される所有ユーザついて算出された滞在スコアであって、「時刻範囲」が示す時刻において「位置情報」が示す位置に所有ユーザが滞在していた強度を示す滞在スコアである。

【0048】

すなわち、図７の例では、要求元ＩＤ「Ｒ１」によって識別される要求元Ｒ１が、「２０１９年４月１日０時００分」〜「２０１９年４月３日１６時００分」の期間（期間Ｔ）において、位置情報ＬＣ１１が示す位置（位置ＬＣ１１１）でのユーザを処理対象とするよう指定した例を示す。また、図７の例では、期間Ｔに含まれる時刻範囲として、「２０１９年４月１日０時００分」〜「２０１９年４月１日０時３０分」の間に、位置情報ＬＣ１１が示す位置に位置したことがある一般ユーザには、所有ユーザＵ１がおり、この所有ユーザＵ１について滞在スコア「７．０」が算出された例を示す。

【0049】

次に、情報処理装置１００は、滞在スコア記憶部１２３から滞在スコアを取得し、所有ユーザ毎の滞在スコアに基づいて、当該所有ユーザが位置ＬＣ１１１に滞在していたか否かを推測する（ステップＳ１４）。ステップＳ１２の一例によると、情報処理装置１００は、期間Ｔに含まれる３０分間隔の時刻範囲毎に、当該時刻範囲が示す時刻において、位置ＬＣ１１１に滞在していた滞在強度を所有ユーザ毎に算出している。この例によると、情報処理装置１００は、時刻範囲毎に、当該時刻範囲が示す時刻において、位置ＬＣ１１１にいた所有ユーザが、実際に、位置ＬＣ１１１に滞在していたといえるか否かを推測する。例えば、情報処理装置１００は、所有ユーザのうち、所定値（例えば、５．０）より高い滞在スコアが算出された所有ユーザに対して、実際に、位置ＬＣ１１１に滞在していたと推測するとともに、このような所有ユーザを対象ユーザと定める。

【0050】

また、情報処理装置１００は、ステップＳ１４において、期間Ｔ内での時刻範囲毎の対象ユーザの人数を推定（カウント）することにより、期間Ｔでの時間経過に応じた人数変動であって、対象ユーザの人数変動を推定する。これにより、情報処理装置１００は、後述するグラフＧを生成することができるようになる。

【0051】

次に、情報処理装置１００は、検索履歴記憶部１２２から対象ユーザの検索履歴であって、対象ユーザが位置ＬＣ１１１に滞在していた時点よりも過去の検索履歴を取得し、取得した検索履歴に含まれる検索行動毎に当該検索行動が示す情報に対する、対象ユーザの興味の度合いを示す第１興味スコアを算出する（ステップＳ１５）。ここで、対象ユーザが位置ＬＣ１１１に滞在していた時点よりも過去の検索履歴とは、図１の例では、例えば、期間Ｔよりも過去の検索履歴である。また、検索行動が示す情報とは、例えば、その検索行動で用いられた検索クエリである。したがって、図１の例では、情報処理装置１００は、対象ユーザの検索履歴であって、期間Ｔよりも過去の検索履歴を取得し、取得した検索履歴に含まれる検索クエリ毎に、当該検索クエリに対する対象ユーザの興味の度合い（需要の度合いともいえる）を示す第１興味スコアを算出する。

【0052】

例えば、情報処理装置１００は、取得した検索履歴に基づいて、対象ユーザの検索傾向の度合いに応じた値を示す第１興味スコアを算出する。例えば、情報処理装置１００は、検索履歴に含まれる検索クエリを用いた検索行動の傾向の度合いに応じた値を示す第１興味スコアを算出する。より詳細には、情報処理装置１００は、検索履歴に含まれる検索クエリ毎に当該検索クエリでの検索回数を算出する。そして、情報処理装置１００は、算出した検索回数が多い検索クエリ程、その検索クエリで検索される傾向にあるとの判断から、検索回数がより多い検索行動程、高い値を示すような第１興味スコアを算出する。例えば、情報処理装置１００は、検索回数がより多い検索行動程、その検索行動での検索傾向の強度を高く算出する。そして、情報処理装置１００は、算出した強度に基づいて、第１興味スコアを算出する。この手法は、検索回数が多い程、その検索で用いられた検索クエリに対する興味が高いと考えられることに基づく。

【0053】

なお、情報処理装置１００は、例えば、検索行動とこの検索行動での検索回数の組合せと、この検索行動が示す情報に対する興味の度合い（第１興味スコア）との関係性が学習されたモデルを用いて、第１興味スコアを算出してもよい。また、本実施形態では、情報処理装置１００は、上記の通り、所定の位置に滞在していた時点よりも過去の検索履歴を用いるものとするが、どのような時間位置の検索履歴を用いるかは限定されず、例えば、情報処理装置１００は、所定の位置に滞在していた時点よりも先（未来）の検索履歴を用いてもよい。

【0054】

図１の例では、情報処理装置１００は、検索クエリ「歌手ＭＵ１」に対して第１興味スコア「２．３５」を算出したものとする。かかる例は、情報処理装置１００は、検索クエリ「歌手ＭＵ１」を用いた検索傾向の強度として「２．３５」を算出したことに基づき、第１興味スコア「２．３５」を算出した、と言い換えることができる。また、図１の例では、情報処理装置１００は、検索クエリ「施設ＦＡ１」に対して第１興味スコア「２．１０」を算出したものとする。かかる例は、情報処理装置１００は、検索クエリ「施設ＦＡ１」を用いた検索傾向の強度として「２．１０」を算出したことに基づき、第１興味スコア「２．１０」を算出した、と言い換えることができる。また、図１の例では、情報処理装置１００は、検索クエリ「コンサート」に対して第１興味スコア「１．６５」を算出したものとする。かかる例は、情報処理装置１００は、検索クエリ「コンサート」を用いた検索傾向の強度として「１．６５」を算出したことに基づき、第１興味スコア「１．６５」を算出した、と言い換えることができる。また、図１の例では、情報処理装置１００は、検索クエリ「グッズ」に対して第１興味スコア「０．９３」を算出したものとする。かかる例は、情報処理装置１００は、検索クエリ「グッズ」を用いた検索傾向の強度として「０．９３」を算出したことに基づき、第１興味スコア「０．９３」を算出した、と言い換えることができる。

【0055】

そして、情報処理装置１００は、このように算出した第１興味スコアを興味スコア記憶部１２４に格納する。興味スコア記憶部１２４については後ほど図８を用いて説明するが、図８に示す興味スコア記憶部１２４の内部構成は上記例に対応している。

【0056】

また、情報処理装置１００は、対象ユーザ以外の他ユーザの検索行動のうち、対象ユーザが行った検索行動以外の検索行動に対する、他ユーザ興味の度合いを示す一般興味スコアも算出する（ステップＳ１６）。例えば、情報処理装置１００は、検索履歴記憶部１２２から他ユーザの検索履歴を取得し、取得した検索履歴に含まれる検索行動の中から、対象ユーザに対応する検索クエリ（上記例では、検索クエリ「歌手ＭＵ１」での検索、検索クエリ「施設ＦＡ１」での検索、検索クエリ「コンサート」での検索、検索クエリ「グッズ」での検索）以外の検索クエリを抽出する。そして、情報処理装置１００は、抽出した検索クエリでの検索行動毎に当該検索行動が示す情報（検索クエリ）に対する、他ユーザの興味の度合いを示す一般興味スコアを算出する。

【0057】

例えば、情報処理装置１００は、検索履歴に含まれる検索クエリを用いた検索行動の傾向の度合いに応じた値を示す一般興味スコアを算出する。より詳細には、情報処理装置１００は、検索履歴に含まれる検索クエリ毎に当該検索クエリでの検索回数を算出する。そして、情報処理装置１００は、算出した検索回数が多い検索クエリ程、その検索クエリで検索される傾向にあるとの判断から、検索回数がより多い検索行動程、高い値を示すような第１興味スコアを算出する。つまり、情報処理装置１００は、第１興味スコア算出と同様の手法を用いて一般興味スコアを算出することができる。一般興味スコアは、例えば、第１興味スコアに対して、マイナスの値で算出される。

【0058】

図１の例では、情報処理装置１００は、検索クエリ「健康診断」に対して一般興味スコア「−０．４５」を算出したものとする。かかる例は、情報処理装置１００は、検索クエリ「健康診断」を用いた検索傾向の強度として「０．４５」を算出したことに基づき、一般興味スコア「−０．４５」を算出した、と言い換えることができる。また、図１の例では、情報処理装置１００は、検索クエリ「ゲームアプリ」に対して一般興味スコア「−０．４３」を算出したものとする。かかる例は、情報処理装置１００は、検索クエリ「ゲームアプリ」を用いた検索傾向の強度として「０．４３」を算出したことに基づき、一般興味スコア「−０．４３」を算出した、と言い換えることができる。また、図１の例では、情報処理装置１００は、検索クエリ「一人旅」に対して一般興味スコア「０．３６」を算出したものとする。かかる例は、情報処理装置１００は、検索クエリ「一人旅」を用いた検索傾向の強度として「０．３６」を算出したことに基づき、一般興味スコア「−０．３６」を算出した、と言い換えることができる。

【0059】

そして、情報処理装置１００は、このように算出した一般興味スコアを興味スコア記憶部１２４に格納する。図８に示す興味スコア記憶部１２４の内部構成は上記例に対応している。

【0060】

次に、情報処理装置１００は、対象ユーザの検索履歴に基づいて、対象ユーザに関連する情報を推定する（ステップＳ１７）。上記の通り、第１興味スコアは、対象ユーザの検索履歴に基づき算出される。したがって、情報処理装置１００は、第１興味スコアに基づいて、対象ユーザに関連する情報を推定する。例えば、情報処理装置１００は、第１興味スコアに基づいて、対象ユーザの興味の対象を推定する。また、情報処理装置１００は、ステップＳ１７において、一般興味スコアに基づいて、他ユーザに関連する情報の推定も行う。例えば、情報処理装置１００は、ステップＳ１６で算出した第１興味スコアのうち、所定閾値より高い第１興味スコアが算出された検索クエリについて、当該検索クエリが示す対象が対象ユーザの興味の対象であると推定する。

【0061】

例えば、第１興味スコアに対する所定閾値として「０．５」が予め定められている場合、情報処理装置１００は、検索クエリ「歌手ＭＵ１」が示す対象（歌手ＭＵ１）、検索クエリ「施設ＦＡ１」が示す対象（施設ＦＡ１）、検索クエリ「コンサート」が示す対象（コンサート）、検索クエリ「グッズ」が示す対象（グッズ）が対象ユーザの興味の対象であると推定する。また、例えば、一般興味スコアに対する所定閾値として「−０．１」が予め定められている場合、情報処理装置１００は、検索クエリ「健康診断」が示す対象（健康診断）、検索クエリ「ゲームアプリ」が示す対象（ゲームアプリ）、検索クエリ「一人旅」が示す対象（一人旅）が他ユーザの興味の対象であると推定する。

【0062】

次に、情報処理装置１００は、ステップＳ１４〜Ｓ１７の中で推定した情報（推定結果）に基づく情報提供を要求元Ｒ１に対して行う（ステップＳ１８）。情報処理装置１００は、ステップＳ１４において、期間Ｔ内での時刻範囲毎の対象ユーザの人数を推定（カウント）することにより、期間Ｔでの時間経過に応じた人数変動であって、対象ユーザの人数変動を推定している。したがって、情報処理装置１００は、期間Ｔでの時間経過に応じた人数変動であって、対象ユーザの人数変動を示す数値情報の一例として、かかる人数変動を示すグラフＧを生成する。そして、情報処理装置１００は、生成したグラフＧを要求元Ｒ１に提供する。

【0063】

ここで、図２を用いてグラフＧについて説明する。図２は、第１の情報処理に対応するグラフＧの一例を示す図である。図２に示すように、情報処理装置１００は、Ｘ軸を期間Ｔ内での時刻、Ｙ軸を対象ユーザの人数とするグラフＧであって、例えば、期間Ｔ内での時間範囲毎に推定された対象ユーザの人数をプロットして生成されたグラフＧを、要求元Ｒの要求元装置１０に送信する。これにより、要求元Ｒ１は、位置ＬＣ１１１に滞在していたユーザの人数は時間帯に応じてどのように変動していたかを把握することができるようになるため、例えば、位置ＬＣ１１１に滞在していたユーザの位置ＬＣ１１１での時間経過に応じた動向を探ることができる。

【0064】

また、情報処理装置１００は、ステップＳ１７において、検索クエリ毎の第１興味スコアに基づき対象ユーザの興味の対象を推定するとともに、検索クエリ毎の一般興味スコアに基づき他ユーザの興味の対象を推定している。したがって、情報処理装置１００は、検索クエリと興味スコアとが対応付けられた対応表ＴＢを生成する。そして、情報処理装置１００は、生成した対応表ＴＢを要求元Ｒ１に提供する。

【0065】

ここで、図３を用いて対応表ＴＢについて説明する。図３は、第１の情報処理に対応する対応表ＴＢの一例を示す図である。図３に示すように、情報処理装置１００は、対象ユーザの検索行動の傾向のうち、より高い傾向が得られた検索行動を示す検索クエリと、この傾向の度合いに応じて算出された第１興味スコアとを対応付ける。また、情報処理装置１００は、他ユーザの検索行動であって、対象ユーザには見られない検索行動の傾向のうち、より高い傾向が得られた検索行動を示す検索クエリと、この傾向の度合いに応じて算出された一般興味スコアとを対応付ける。そして、情報処理装置１００は、この対応付けが表示された対応表ＴＢを生成し、生成した対応表ＴＢを要求元Ｒ１に提供する。

【0066】

図３の例において、対象ユーザの検索クエリ「歌手ＭＵ１」と、第１興味スコア「２．３５」との組合せを例に挙げると、要求元Ｒ１は、対象ユーザは「歌手ＭＵ１」について検索するという過程を経て位置ＬＣ１１１に滞在していたという結果に至ったとの推測を得ることができる。また、要求元Ｒ１は、「歌手ＭＵ１」という確かな目的（例えば、歌手ＭＵ１のコンサートに参加する目的）のために、位置ＬＣ１１１に滞在していたと推測することができる。このような推測の結果、要求元Ｒ１は、対象ユーザは「歌手ＭＵ１」に興味のある可能性が非常に高いユーザであるとの知見を得ることができる。要求元Ｒ１は、例えば、「歌手ＭＵ１」に興味のある可能性の高いユーザがわかったので、このユーザにこそ「歌手ＭＵ１」に関する製品等をプロモーションする価値が高いとの知見を得ることができる。

【0067】

なお、情報処理装置１００は、グラフＧと対応表ＴＢとを一度（同時）に提供してもよい。例えば、情報処理装置１００は、グラフＧと対応表ＴＢとが表示された１つのコンテンツＣ１１を提供してもよい。

【0068】

さて、これまで説明してきたように、情報処理装置１００は、ユーザが所定の位置に滞在していた強度を示す滞在スコアを取得し、取得した滞在スコアに基づきユーザのうち所定の位置に滞在していたと推測されるユーザである対象ユーザの行動履歴に基づいて、対象ユーザに関連する情報を推定する。これにより、情報処理装置１００は、ノイズと考えられるユーザを効果的に除外することができるため、ユーザの興味の対象を高精度に推定することができる。第２の情報処理は、第１の情報処理に引き続き行われる。したがって、図４の説明では、図１で用いた例をそのまま用いることにする。

【0069】

〔３．第２の情報処理の一例〕
次に、図４を用いて第２の情報処理の一例について説明する。図４は、実施形態にかかる第２の情報処理の一例を示す図である。図４では、実施形態にかかる第２の情報処理の一例を手順を追って説明する。また、情報処理装置１００が有する記憶部についても適宜説明する。まず、情報処理装置１００が有する記憶部のうち、第２の情報処理と関連性の高いモデル情報記憶部１２５について先に説明しておく。

【0070】

モデル情報記憶部１２５は、例えば、各サービス（ショッピングサービス、オークションサービス等）で利用される所定の対象に対するユーザの興味を予測する予測モデルに関する情報を記憶する。図４の例では、モデル情報記憶部１２５」は、「モデルＩＤ」、「モデルデータ」、「予測対象」といった項目を有する。

【0071】

「モデルＩＤ」は、予測モデルを識別する識別情報を示す。「モデルデータ」は、予測モデルそのものを示す。「予測対象」は、対応する予測モデルがどのような対象に対する興味を予測するためのものであるかを示す。

【0072】

すなわち、図４に示すモデル情報記憶部１２５の例では、モデルＩＤ「Ｍ１」によって識別される予測モデル（予測モデルＭ１）は、ＭＤＡ１というモデル式で表され、かつ、電子書籍に対するユーザの興味の度合いを予測するものである例を示す。

【0073】

このような状態において、情報処理装置１００は、要求元Ｒ１の指定を示す指定情報ＳＰ１に対応する所有ユーザの属性情報と、所有ユーザについてステップＳ１２で算出された滞在スコアを取得する（ステップＳ２１）。情報処理装置１００は、所有ユーザの属性情報を所定の外部サーバから取得してもよいし、属性情報を記憶する記憶部を有している場合には、かかる記憶部から取得してもよい。また、情報処理装置１００は、例えば、滞在スコア記憶部１２３から所有ユーザの滞在スコアを取得する。

【0074】

以下の実施形態に示す処理の説明は、処理対象の予測モデルとして予測モデルＭ１を例に挙げて説明するが、例えば、モデル情報記憶部１２５に記憶される全ての予測モデルについて同様の処理が行われる。予測モデルＭ１は、ユーザの属性情報を入力として、電子書籍（予測対象）に対するユーザの興味の度合いを示す第２興味スコアを出力する予測モデルである。

【0075】

例えば、情報処理装置１００は、各所有ユーザ属性情報を処理対象の予測モデルである予測モデルＭ１に入力することにより、予測モデルＭ１での予測対象に対する各所有ユーザの興味の度合いを示す第２興味スコアを算出する（ステップＳ２２）。

【0076】

次に、情報処理装置１００は、第２興味スコアをＸ軸、滞在スコアをＹ軸として、所有ユーザ毎の第２興味スコアと滞在スコアとの交点（滞在スコアと第２興味スコアとの組合せの一例）をプロットすることにより、プロットの散布図を生成する（ステップＳ２３）。また、情報処理装置１００は、生成した散布図に基づいて、回帰直線を生成し、生成した回帰直線に対応する相関係数を算出する。例えば、情報処理装置１００は、最小二乗法を用いて回帰直線を生成するとともに、生成した回帰直線に対応する相関係数を算出する。例えば、情報処理装置１００は、全プロットのうち、所定閾値より高い滞在スコアと、その滞在スコアに対応する第２興味スコアとの組合せに対応するプロットを用いて回帰直線を生成する。また、相関係数は、例えば、説明変数（電子書籍）が目的変数（対象ユーザ、あるいは、対象ユーザの興味の対象）のどれくらいを説明しているかを表すものである。

【0077】

次に、情報処理装置１００は、相関係数の強さ（回帰直線の当てはまりの強さ）に基づいて、予測モデルＭ１が対象ユーザ（ステップＳ１４で推測された対象ユーザ）に関連しているか否かを判定し、判定結果に基づいて、対象ユーザに関連している予測モデルを推定する（ステップＳ２５）。例えば、情報処理装置１００は、相関係数が所定値より高い場合には、予測モデルＭ１は対象ユーザに関連していると判定する。つまり、情報処理装置１００は、相関係数が所定値より高い場合には、予測モデルＭ１を対象ユーザに関連する予測モデルとして推定する。また、情報処理装置１００は、相関係数が所定値より高いことにより、予測モデルＭ１を対象ユーザに関連する予測モデルとして推定した場合、予測モデルＭ１の予測対象である電子書籍を、対象ユーザに関連する情報として推定する。例えば、情報処理装置１００は、対象ユーザは「電子書籍」に興味があると推定する。

【0078】

また、図３の例によると、対象ユーザは「歌手ＭＵ１」に最も興味があるといえる。このようなことから、情報処理装置１００は、「歌手ＭＵ１」に興味がある対象ユーザは、高い確率で「電子書籍」に興味があることを推定することもできる。またこのような推定結果から、情報処理装置１００は、例えば、「歌手ＭＵ１」と「電子書籍」とは互いに関連性を有するとの推定結果を得ることもできる。

【0079】

次に、情報処理装置１００は、対象ユーザに関連する予測モデルと、当該対象ユーザについて推定された各種情報とを提供する（ステップＳ２６）。例えば、情報処理装置１００は、ステップＳ２５において、対象ユーザに関連する予測モデルとして予測モデルＭ１を推定し、また、対象ユーザは「電子書籍」に興味があることを推定したとする。かかる場合、情報処理装置１００は、例えば、対象ユーザが「電子書籍」に興味があることが表示されたコンテンツであって、予測モデルＭ１をダウンロード可能に制御されたコンテンツＣ１２を要求元Ｒ１に提供する。

【0080】

なお、情報処理装置１００は、ステップＳ１８で情報提供を行うことなく、ステップＳ２６において、これまでの全ての推定結果に基づく情報を提供してもよい。ステップＳ１８では、情報処理装置１００が、グラフＧと対応表ＴＢとが表示された１つのコンテンツＣ１１を提供してもよい旨説明した。しかし、情報処理装置１００は、グラフＧと、対応表ＴＢと、対象ユーザが「電子書籍」に興味があることが表示され、かつ、予測モデルＭ１をダウンロード可能に制御されたコンテンツＣ２を提供してもよい。なお、情報処理装置１００は、ステップＳ２６でコンテンツＣ２の提供を行う場合、ステップＳ１８を省略してよい。

【0081】

このような情報提供により、要求元Ｒ１は、例えば、位置ＬＣ１１１に滞在していたと推測される対象ユーザに関連する予測モデルを知ることができるため、例えば、対象ユーザに関する興味を分析したい場合は、数ある予測モデルの中で予測モデルＭ１を用いることが効果的であることを容易に知ることができる。また、要求元Ｒ１は、対象ユーザが「電子書籍」に興味があること、あるいは、「歌手ＭＵ１」と「電子書籍」とは互いに関連性を有することを知ることができるため、例えば、対象ユーザには「電子書籍」からプロモーションしてゆくことが効果的であるとの知見を悦ことができる。

【0082】

さて、これまで説明してきたように、情報処理装置１００は、ユーザが所定の位置に滞在していた強度を示す滞在スコアを取得し、滞在スコアが取得された取得元ユーザの滞在スコアと、所定の対象に対するユーザの興味を予測する予測モデルとに基づいて、予測モデルのうち対象ユーザに関連する予測モデルを推定する。これにより、情報処理装置１００は、ユーザの興味の対象を高精度に推定することができる。

【0083】

なお、情報処理装置１００は、対象ユーザを識別するユーザＩＤも要求元Ｒ１に提供することができる。また、情報処理装置１００は、位置ＬＣ１１１に対応する代表的な施設（例えば、公共施設や店舗等）を特定可能な場合には、その施設に関する情報も要求元Ｒ１に提供することができる。例えば、情報処理装置１００は、図１の例のように、矩形ＳＱで囲まれた位置である位置ＬＣ１１１には施設ＦＡ１が存在することを特定できた場合には、位置ＬＣ１１１には施設ＦＡ１の名称や施設ＦＡ１の位置情報を提供する。これにより、要求元Ｒ１は、例えば、期間Ｔの間、施設ＦＡ１では「歌手ＭＵ１」に関するイベントがあったため、対象ユーザは施設ＦＡ１に滞在していたといった滞在の原因を推測することができるようになる。

【0084】

〔４．情報処理装置の構成〕
次に、図６を用いて、実施形態にかかる情報処理装置１００について説明する。図６は、実施形態にかかる情報処理装置１００の構成例を示す図である。図６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。例えば、情報処理装置１００は、図１〜図４で説明した情報処理を行うサーバ装置である。

【0085】

（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、運転要求元装置、ユーザ装置３０との間で情報の送受信を行う。

【0086】

（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、位置履歴記憶部１２１と、検索履歴記憶部１２２と、滞在スコア記憶部１２３と、興味スコア記憶部１２４と、モデル情報記憶部１２５とを有する。位置履歴記憶部１２１と、検索履歴記憶部１２２と、滞在スコア記憶部１２３と、モデル情報記憶部１２５については説明済みであるため、ここでの説明は省略する。

【0087】

（興味スコア記憶部１２４について）
興味スコア記憶部１２４は、ユーザの対象に対する興味の度合いを示す興味スコアを記憶する。例えば、興味スコア記憶部１２４は、対象ユーザの興味の度合いを示す第１興味スコアや、他ユーザの興味の度合いを示す一般興味スコアを記憶する。ここで、図８に実施形態にかかる興味スコア記憶部１２４の一例を示す。図８の例では、興味スコア記憶部１２４は、「検索行動（検索クエリ）」、「第１興味スコア」、「一般興味スコア」といった項目を有する。

【0088】

「検索行動（検索クエリ）」は、対象ユーザまたは他ユーザによる検索行動で用いられた検索クエリを示す。「第１興味スコア」は、対象ユーザの興味の度合いを示す。例えば、第１興味スコアは、検索クエリが示す対象に対する対象ユーザの興味の度合いを示す。「一般興味スコア」は、他ユーザの興味の度合いを示す。例えば、一般興味スコアは、検索クエリが示す対象に対する他ユーザの興味の度合いを示す。一般興味スコアは、例えば、第１興味スコアに対して、マイナスの値で算出される。

【0089】

図８に示す興味スコア記憶部１２４は、図１および図３で説明した例に対応している。すなわち、図８の例は、検索クエリ「歌手ＭＵ１」に対する対象ユーザの第１興味スコアとして「２．３５」が算出された例を示す。また、図８の例は、検索クエリ「健康診断」に対する他ユーザ一般興味スコアとして「２．３５」が算出された例を示す。

【0090】

（制御部１３０について）
図６に戻り、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。

【0091】

図６に示すように、制御部１３０は、受付部１３１と、滞在スコア算出部１３２と、取得部１３３と、推測部１３４と、興味スコア算出部１３５と、推定部１３６と、モデル分析部１３７と、提供部１３８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６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６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。

【0092】

（受付部１３１について）
受付部１３１は、情報提供を希望する要求元から各種情報を受け付ける。例えば、受付部１３１は、どの期間においてどの位置（場所）での一般ユーザを処理対象とするかが指定された場合に、その指定された内容を示す指定情報を受け付ける。例えば、受付部１３１は、地図情報ＭＰに含まれる任意の位置が矩形ＳＱで囲まれたうえで送信ボタンが押下された場合に、矩形ＳＱで囲まれた位置を示す位置情報を受け付ける。また、この際に期間も指定された場合には、受付部１３１は、期間を示す日時情報も受け付ける。また、要求元は個のような指定を要求元装置１０を用いて行うため、受付部１３１は、要求元装置１０の識別情報も受け付ける。

【0093】

また、受付部１３１は、要求元も含めて各種ユーザに関する情報も受け付けることができる。例えば、受付部１３１は、各ユーザの位置情報をユーザ装置３０から受け付け（取得し）、受け付けた位置情報を位置履歴記憶部１２１に格納する。また、受付部１３１は、各ユーザの行動情報（例えば、検索行動を示す検索情報）を所定のサーバ装置、あるいは、ユーザ装置３０から受け付ける（取得する）。例えば、受付部１３１、検索情報を受け付けた場合には、受け付けた検索情報を検索履歴記憶部１２２に格納する。

【0094】

（滞在スコア算出部１３２について）
滞在スコア算出部１３２は、ユーザが所定の位置に滞在していた強度を示す滞在スコアを算出する。例えば、滞在スコア算出部１３２は、要求元により指定された指定情報に含まれる位置情報を有する所有ユーザ（要求元により指定された所定の位置に一瞬でも居たことのあるユーザ）毎に、当該所有ユーザが所定の位置に滞在していた滞在時間に応じた強度（確度）に基づいて、当該所有ユーザの滞在スコアを算出する。例えば、情報処理装置１００は、位置履歴記憶部１２１において所有ユーザに対応付けられる「時刻情報」に基づいて、所定の位置での滞在時間を算出する。

【0095】

例えば、滞在スコア算出部１３２は、要求元に指定された期間内での所定時刻毎（例えば、３０分間隔の時刻範囲毎）に、当該時刻範囲での総滞在時間に基づき、所有ユーザがその時刻範囲が示す時刻において所定の位置に滞在していた強度を算出することにより、算出した強度に応じた滞在スコアを算出する。すなわち、滞在スコア算出部１３２は、滞在時間と滞在パターンとに基づいて、滞在時間に応じた強度を算出するとともに、算出した強度に基づいて、滞在スコアを算出する。

【0096】

また、このようなことから、滞在スコア算出部１３２は、例えば、図１のステップＳ１２で説明した算出処理を行う。また、滞在スコア算出部１３２は、算出した滞在スコアを滞在スコア記憶部１２３に格納する。

【0097】

（取得部１３３について）
取得部１３３は、ユーザ（所有ユーザ）が所定の位置に滞在していた強度を示す滞在スコアを取得する。例えば、取得部１３３は、ユーザが所定の位置に滞在していた滞在時間に応じた強度に基づき算出された滞在スコアを取得する。例えば、取得部１３３は、推測部１３４によって推測処理が行われる際に、滞在スコア記憶部１２３から滞在スコアを取得する。そして、取得部１３３は、取得した滞在スコアを推測部１３４に出力する。

【0098】

（推測部１３４について）
推測部１３４は、取得部１３３により取得された滞在スコアに基づいて、ユーザ（所有ユーザ）のうち、所定の位置（例えば、要求元により指定された位置）に滞在していたユーザである対象ユーザを推測する。例えば、推測部１３４は、滞在スコアに基づいて、要求元により指定された期間に含まれる所定の時間間隔毎の時刻範囲毎に、この時刻範囲が示す時刻において所定の位置に滞在していた対象ユーザを推測する。例えば、推測部１３４は、ユーザのうち、所定値（例えば、５．０）より高い滞在スコアが算出されたユーザに対して、実際に、所定の位置に滞在していたと推測するとともに、このような所有ユーザを対象ユーザと推測する。

【0099】

また、推測部１３４は、例えば、要求元により指定された期間内での時刻範囲毎の対象ユーザの人数を推定（カウント）することにより、この期間での時間経過に応じた人数変動であって、対象ユーザの人数変動を推定する処理も行ってよい。なお、このような処理は、推定部１３６によって行われてもよい。また、このようなことから、推測部１３４は、例えば、図１のステップＳ１４で説明した処理を行う。

【0100】

（興味スコア算出部１３５について）
興味スコア算出部１３５は、対象ユーザの行動履歴に基づいて、行動履歴が示す情報に対する対象ユーザの興味の度合いを示す第１興味スコアを算出する。例えば、興味スコア算出部１３５は、行動履歴に基づいて、対象ユーザの行動傾向の度合いに応じた値を示す第１興味スコアを算出する。例えば、興味スコア算出部１３５は、対象ユーザの検索履歴に基づいて、対象ユーザの検索行動の傾向傾向の強さに応じた値であって、検索クエリが示す対象に対する対象ユーザの興味を示す第１興味スコアを算出する。

【0101】

例えば、興味スコア算出部１３５は、検索履歴記憶部１２２から対象ユーザの検索履歴であって、対象ユーザが所定の位置に滞在していた時点よりも過去の検索履歴を取得し、取得した検索履歴に含まれる検索行動毎に当該検索行動が示す情報（検索クエリ）に対する、対象ユーザの興味の度合いを示す第１興味スコアを算出する。例えば、興味スコア算出部１３５は、検索履歴に含まれる検索クエリ毎に当該検索クエリでの検索回数を算出する。そして、興味スコア算出部１３５は、算出した検索回数が多い検索クエリ程、その検索クエリで検索される傾向にあるとの判断から、検索回数がより多い検索行動程、高い値を示すような第１興味スコアを算出する。例えば、興味スコア算出部１３５は、検索回数がより多い検索行動程、その検索行動での検索傾向の強度を高く算出する。そして、興味スコア算出部１３５は、算出した強度に基づいて、第１興味スコアを算出する。このようなことから、興味スコア算出部１３５は、例えば、図１のステップＳ１５で説明した処理を行う。

【0102】

また、興味スコア算出部１３５は、対象ユーザ以外の他ユーザの検索行動のうち、対象ユーザが行った検索行動以外の検索行動に対する、他ユーザ興味の度合いを示す一般興味スコアも算出する。例えば、興味スコア算出部１３５は、検索履歴記憶部１２２から他ユーザの検索履歴を取得し、取得した検索履歴に含まれる検索行動の中から、対象ユーザに対応する検索クエリ以外の検索クエリを抽出する。そして、興味スコア算出部１３５は、抽出した検索クエリでの検索行動毎に当該検索行動が示す情報（検索クエリ）に対する、他ユーザの興味の度合いを示す一般興味スコアを算出する。このようなことから、興味スコア算出部１３５は、例えば、図１のステップＳ１６で説明した処理を行う。

【0103】

また、興味スコア算出部１３５は、第１興味スコア、および、一般興味スコアを興味スコア記憶部１２４に格納する。

【0104】

（推定部１３６について）
推定部１３６は、推測部１３４により推測された対象ユーザの行動履歴に基づいて、対象ユーザに関連する情報を推定する。例えば、推定部１３６は、行動履歴として、対象ユーザの検索履歴であって、対象ユーザが所定の位置に滞在していた時点よりも過去の検索履歴に基づいて、対象ユーザに関連する情報を推定する。例えば、推定部１３６は、ユーザのうち滞在スコアが所定値より高いユーザである対象ユーザの行動履歴に基づいて、対象ユーザに関連する情報を推定する。

【0105】

また、上記の通り、興味スコア算出部１３５は、対象ユーザの行動履歴（検索履歴）に基づいて、行動履歴が示す情報に対する対象ユーザの興味の度合いを示す第１興味スコアを算出する。したがって、詳細には、推定部１３６は、興味スコア算出部１３５により算出された第１興味スコアに基づいて、対象ユーザに関連する情報を推定する。

【0106】

また、推定部１３６は、対象ユーザ以外の他ユーザに関連する情報をさらに推定する。例えば、推定部１３６は、他ユーザの行動傾向を示す行動情報のうち、対象ユーザに関連する情報以外の情報に対応する行動情報を、他ユーザに関連する情報として推定する。このようなことから、推定部１３６は、例えば、図１のステップＳ１７で説明した処理を行う。

【0107】

また、推定部１３６は、滞在スコアが取得された取得元ユーザの滞在スコアと、所定の対象に対するユーザの興味を予測する予測モデルとに基づいて、予測モデルのうち対象ユーザに関連する予測モデルを推定する。例えば、推定部１３６は、取得元ユーザの滞在スコアと、予測モデルを用いて算出された第２興味スコアであって、所定の対象に対する取得元ユーザの興味の度合いを示す第２興味スコアとに基づいて、対象ユーザに関連する予測モデルを推定する。

【0108】

より詳細には、推定部１３６は、取得元ユーザ毎の滞在スコアと第２興味スコアとの組合せに基づき生成された散布図を用いて算出された相関係数に基づいて、対象ユーザに関連する予測モデルを推定する。具体的には、推定部１３６は、第２興味スコアをＸ軸とし、滞在スコアをＹ軸とした場合に、取得元ユーザ毎の滞在スコアと前記第２興味スコアとが交わるプロットを示す散布図から生成された回帰直線に対応する相関係数に基づいて、対象ユーザに関連する予測モデルを推定する。例えば、推定部１３６は、相関係数が所定値より高い予測モデルを対象ユーザに関連する予測モデルとして推定する。

【0109】

また、推定部１３６は、対象ユーザに関連する予測モデルの予測対象を対象ユーザに関連する情報として推定する。このようなことから、推定部１３６は、例えば、図４のステップＳ２５で説明した処理を行う。

【0110】

（モデル分析部１３７について）
モデル分析部１３７は、滞在スコアが取得された取得元ユーザの滞在スコアと、所定の対象に対するユーザの興味を予測する予測モデルを用いて算出された第２興味スコアであって、所定の対象に対する取得元ユーザの興味の度合いを示す第２興味スコアとに基づいて、散布図を生成する。例えば、モデル分析部１３７は、第２興味スコアをＸ軸とし、滞在スコアをＹ軸とした場合に、取得元ユーザ毎の滞在スコアと第２興味スコアとが交わるプロットを示す散布図を生成する。また、モデル分析部は、散布図に基づいて、回帰直線を生成し、生成した回帰直線の相関係数を算出する。そして、モデル分析部１３７は、算出した相関係数を推定部１３６に出力する。このようなことから、推定部１３６は、例えば、図４のステップＳ２１〜Ｓ２４で説明した処理を行う。

【0111】

（提供部１３８について）
提供部１３８は、推定部１３６により推定された情報に基づく情報提供を行う。例えば、提供部１３８は、情報提供の要求元に対して、所定期間における対象ユーザの人数変動を示す数値情報を提供する。また、提供部１３８は、要求元に対して、対象ユーザの行動履歴に含まれる対象ユーザの行動を示す行動情報と、行動履歴に基づき算出された対象ユーザの興味の度合いを示す第１興味スコアとを提供する。このようなことから、提供部１３８は、例えば、図１〜図３を用いて説明したステップＳ１８の処理を行う。また、提供部１３８は、第１提供部に対応する処理部である。

【0112】

また、提供部１３８は、対象ユーザに関連する予測モデルと、当該対象ユーザについて推定部１３６により推定された情報とを提供する。このようなことから、提供部１３８は、例えば、図４で説明したステップＳ２６の処理を行う。また、提供部１３８は、第２提供部に対応する処理部である。

【0113】

〔５．処理手順〕
次に、図９を用いて、実施形態にかかる情報処理の手順について説明する。図９は、実施形態にかかる情報処理手順を示すフローチャートである。なお、図９の例では、情報処理装置１００は、図１に示すような位置履歴記憶部１２１および検索履歴記憶部１２２を既に有しているものとする。

【0114】

まず、受付部１３１は、どの期間においてどの位置での一般ユーザを処理対象とするかが指定された指定情報を要求元から受け付けたか否かを判定する（ステップＳ１０１）。受付部１３１は、指定情報を受け付けていない場合には（ステップＳ１０１；Ｎｏ）、受け付けるまで待機する。一方、滞在スコア算出部１３２は、指定情報を受け付けられた場合には（ステップＳ１０１；Ｙｅｓ）、指定情報に対応する所有ユーザが要求元により指定された所定の位置に滞在していた強度を示す滞在スコアを算出する（ステップＳ１０２）。例えば、滞在スコア算出部１３２は、所定の場所での所有ユーザの滞在時間と滞在パターンとに基づいて、滞在時間に応じた強度を算出するとともに、算出した強度に基づいて、滞在スコアを算出する。

【0115】

次に、取得部１３３は、滞在スコア算出部１３２により算出された滞在スコアを取得し、推測部１３４は、対象ユーザを推測する（ステップＳ１０３）。例えば、推測部１３４は、所有ユーザのうち、所定値（例えば、５．０）より高い滞在スコアが算出されたユーザに対して、実際に、所定の位置に滞在していたと推測するとともに、このような所有ユーザを対象ユーザと推測する。

【0116】

興味スコア算出部１３５は、推測部１３４により初手の位置に滞在していたと推測されたユーザである対象ユーザの行動履歴に基づいて、行動履歴が示す情報に対する対象ユーザの興味の度合いを示す第１興味スコアを算出する（ステップＳ１０４）。例えば、興味スコア算出部１３５は、行動履歴に基づいて、対象ユーザの行動傾向の度合いに応じた値を示す第１興味スコアを算出する。また、興味スコア算出部１３５は、対象ユーザ以外の他ユーザの行動（例えば、検索行動）のうち、対象ユーザが行った行動以外の行動に対する、他ユーザ興味の度合いを示す一般興味スコアを算出する（ステップＳ１０５）。

【0117】

次に、推定部１３６は、第１興味スコアに基づいて、対象ユーザに関連する情報を推定する（ステップＳ１０６）。例えば、推定部１３６は、対象ユーザの行動履歴に基づいて、対象ユーザに関連する情報を推定する。例えば、推定部１３６は、検索クエリのうち、所定値より高い第１興味スコアが算出された検索クエリについて、当該検索クエリが示す対象に対して対象ユーザが興味を有すると推定する。また、不図示であるが、推定部１３６は、対象ユーザ以外の他ユーザに関連する情報も推定する。

【0118】

次に、モデル分析部１３７は、所有ユーザの属性情報と滞在スコアとを取得する（ステップＳ１０７）。そして、モデル分析部１３７は、処理対象の予測モデルに対して、所有ユーザの属性情報を入力することにより、処理対象の予測モデルに対応する予測対象に対する所有ユーザ毎の第２興味スコアを算出する（ステップＳ１０８）。次に、モデル分析部１３７は、第２興味スコア（Ｘ軸）と、滞在スコア（Ｙ軸）とする散布図を生成する（ステップＳ１０９）。次に、モデル分析部１３７は、散布図に基づいて、回帰直線を生成し、生成した回帰直線の相関係数を算出する（ステップＳ１１０）。

【0119】

次に、推定部１３６は、相関係数に基づいて、対象ユーザに関連する予測モデルを推定する（ステップＳ１１１）。例えば、推定部１３６は、相関係数が所定値より高い予測モデルを対象ユーザに関連する予測モデルとして推定する。また、推定部１３６は、対象ユーザに関連する予測モデルの予測対象を対象ユーザに関連する情報として推定する。

【0120】

次に、提供部１３８は、推定部１３６による推定結果に基づく情報（例えば、グラフＧ、対応表ＴＢ、対象ユーザに関連する予測モデル、対象ユーザに関連する予測モデルの予測対象）を要求元に提供する。例えば、提供部１３８は、推定部１３６による推定結果に基づく情報（例えば、グラフＧ、対応表ＴＢ、対象ユーザに関連する予測モデル、対象ユーザに関連する予測モデルの予測対象）が表示されるコンテンツＣ２を生成し、生成したコンテンツＣ２を要求元装置１０に送信する。

【0121】

〔６．ハードウェア構成〕
また、上記実施形態にかかる情報処理装置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。図１０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。

【0122】

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。

【0123】

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。

【0124】

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。

【0125】

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。

【0126】

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。

【0127】

〔７．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。

【0128】

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。

【0129】

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、受付部は、受付手段や受付回路に読み替えることができる。

【符号の説明】

【0130】

１ 情報処理システム
１０ 要求元装置
３０ ユーザ装置
１００ 情報処理装置
１２０ 記憶部
１２１ 位置履歴記憶部
１２２ 検索履歴記憶部
１２３ 滞在スコア記憶部
１２４ 興味スコア記憶部
１２５ モデル情報記憶部
１３０ 制御部
１３１ 受付部
１３２ 滞在スコア算出部
１３３ 取得部
１３４ 推測部
１３５ 興味スコア算出部
１３６ 推定部
１３７ モデル分析部
１３８ 提供部

【図1】

【図2】

【図3】

【図4】

【図5】

【図6】

【図7】

【図8】

【図9】

【図10】