特開 2022-163569 行動解析補助装置、行動解析補助方法および行動解析補助プログラム

(19)【発行国】日本国特許庁(JP)

(12)【公報種別】公開特許公報(A)

(11)【公開番号】P2022163569

(43)【公開日】2022-10-26

(54)【発明の名称】行動解析補助装置、行動解析補助方法および行動解析補助プログラム

(51)【国際特許分類】

   G06Q 50/10 20120101AFI20221019BHJP

【ＦＩ】

G06Q50/10

【審査請求】未請求

【請求項の数】6

【出願形態】ＯＬ

(21)【出願番号】P 2021068579

(22)【出願日】2021-04-14

(71)【出願人】

【識別番号】512079738

【氏名又は名称】株式会社グルーヴノーツ

(74)【代理人】

【識別番号】100079108

【弁理士】

【氏名又は名称】稲葉 良幸

(74)【代理人】

【識別番号】100109346

【弁理士】

【氏名又は名称】大貫 敏史

(74)【代理人】

【識別番号】100117189

【弁理士】

【氏名又は名称】江口 昭彦

(74)【代理人】

【識別番号】100134120

【弁理士】

【氏名又は名称】内藤 和彦

(72)【発明者】

【氏名】最首 英裕

【テーマコード（参考）】

5L049

【Ｆターム（参考）】

5L049CC20

(57)【要約】

【課題】文字列を行動解析に適した実数値ベクトルに変換して蓄積し、外部からの要求に応じて提供する行動解析補助装置等を提供する。
【解決手段】行動解析補助装置は、動作主体の行動履歴に関するワードを経時に沿って配列した文字列を取得する取得部と、文字列の少なくとも一部を分散表現による固定長の実数値ベクトルへ変換する変換部と、変換部によって変換された実数値ベクトルを、動作主体または文字列に含まれるワードに対応付けて記憶する記憶部と、記憶部に記憶された実数値ベクトルを行動解析プログラムからの要求に従って提供する提供部とを備える。
【選択図】図２

【特許請求の範囲】

【請求項1】

動作主体の行動履歴に関するワードを経時に沿って配列した文字列を取得する取得部と、
前記文字列の少なくとも一部を分散表現による固定長の実数値ベクトルへ変換する変換部と、
前記変換部によって変換された前記実数値ベクトルを、前記動作主体または前記文字列に含まれるワードに対応付けて記憶する記憶部と、
前記記憶部に記憶された前記実数値ベクトルを行動解析プログラムからの要求に従って提供する提供部と
を備える行動解析補助装置。

【請求項2】

前記変換部は、前記文字列の全体を分散表現による固定長の実数値ベクトルへ変換し、
前記記憶部は、前記変換部によって変換された前記実数値ベクトルを、前記動作主体に対応付けて記憶し、
前記提供部は、前記記憶部に記憶された前記動作主体ごとの実数値ベクトルを行動解析プログラムからの要求に従って提供する請求項１に記載の行動解析補助装置。

【請求項3】

前記変換部は、前記文字列に含まれる前記ワードのそれぞれを分散表現による固定長の実数値ベクトルへ変換し、
前記記憶部は、前記変換部によって変換された前記実数値ベクトルを、前記ワードのそれぞれと対応付けて記憶し、
前記提供部は、前記記憶部に記憶された前記ワードごとの実数値ベクトルを行動解析プログラムからの要求に従って提供する請求項１または２に記載の行動解析補助装置。

【請求項4】

前記変換部は、前記文字列に含まれる前記ワードの出現頻度に基づいて、前記文字列を分散表現による実数値ベクトルへ変換し、
前記記憶部は、前記変換部によって変換された前記実数値ベクトルを、前記動作主体 に対応付けて記憶し、
前記提供部は、前記記憶部に記憶された前記動作主体ごとの実数値ベクトルを行動解析プログラムからの要求に従って提供する請求項１から３のいずれか１項に記載の行動解析補助装置。

【請求項5】

動作主体の行動履歴に関するワードを経時に沿って配列した文字列を取得する取得ステップと、
前記文字列の少なくとも一部を分散表現による固定長の実数値ベクトルへ変換する変換ステップと、
前記変換ステップで変換された前記実数値ベクトルを、前記動作主体または前記文字列に含まれるワードに対応付けて記憶部へ記憶する記憶ステップと、
前記記憶部に記憶された前記実数値ベクトルを行動解析プログラムからの要求に従って提供する提供ステップと
を有する行動解析補助方法。

【請求項6】

動作主体の行動履歴に関するワードを経時に沿って配列した文字列を取得する取得ステップと、
前記文字列の少なくとも一部を分散表現による固定長の実数値ベクトルへ変換する変換ステップと、
前記変換ステップで変換された前記実数値ベクトルを、前記動作主体または前記文字列に含まれるワードに対応付けて記憶部へ記憶する記憶ステップと、
前記記憶部に記憶された前記実数値ベクトルを行動解析プログラムからの要求に従って提供する提供ステップと
をコンピュータに実行させる行動解析補助プログラム。

【発明の詳細な説明】

【技術分野】

【0001】

本発明は、行動解析補助装置、行動解析補助方法および行動解析補助プログラムに関する。

【背景技術】

【0002】

インターネット等を介してユーザのニーズに適したコンテンツを提供するサービスが展開されている。例えば、ユーザが過去に閲覧したコンテンツと類似度の高いコンテンツを抽出して当該ユーザへ提供する情報処理装置が知られている（例えば、特許文献１参照）。

【先行技術文献】

【特許文献】

【0003】

【特許文献1】特開２０２０－４２５４５号公報

【発明の概要】

【発明が解決しようとする課題】

【0004】

上述のような情報処理装置は、例えば分散表現の手法を用いることにより各々のコンテンツを数値ベクトルで表現し、コサイン類似度を算出することによりコンテンツ同士の類似度を導出している。しかし、従来の分散表現による数値ベクトル化は、汎用のコーパスやデータベースを用いて行われるのが一般的であり、対象となる単語や語句の言語学的な特質を表現するに留まっていた。特に、需要者としての動作主体の行動特性が反映されたものではなかった。

【0005】

本発明は、このような問題を解決するためになされたものであり、文字列を行動解析に適した実数値ベクトルに変換して蓄積し、外部からの要求に応じて提供する行動解析補助装置等を提供するものである。

【課題を解決するための手段】

【0006】

本発明の第１の態様における行動解析補助装置は、動作主体の行動履歴に関するワードを経時に沿って配列した文字列を取得する取得部と、文字列の少なくとも一部を分散表現による固定長の実数値ベクトルへ変換する変換部と、変換部によって変換された実数値ベクトルを、動作主体または文字列に含まれるワードに対応付けて記憶する記憶部と、記憶部に記憶された実数値ベクトルを行動解析プログラムからの要求に従って提供する提供部とを備える。

【0007】

本発明の第２の態様における行動解析補助方法は、動作主体の行動履歴に関するワードを経時に沿って配列した文字列を取得する取得ステップと、文字列の少なくとも一部を分散表現による固定長の実数値ベクトルへ変換する変換ステップと、変換ステップで変換された実数値ベクトルを、動作主体または文字列に含まれるワードに対応付けて記憶部へ記憶する記憶ステップと、記憶部に記憶された実数値ベクトルを行動解析プログラムからの要求に従って提供する提供ステップとを有する。

【0008】

本発明の第３の態様における行動解析補助プログラムは、動作主体の行動履歴に関するワードを経時に沿って配列した文字列を取得する取得ステップと、文字列の少なくとも一部を分散表現による固定長の実数値ベクトルへ変換する変換ステップと、変換ステップで変換された実数値ベクトルを、動作主体または文字列に含まれるワードに対応付けて記憶部へ記憶する記憶ステップと、記憶部に記憶された実数値ベクトルを行動解析プログラムからの要求に従って提供する提供ステップとをコンピュータに実行させる。

【発明の効果】

【0009】

本発明により、文字列を行動解析に適した実数値ベクトルに変換して蓄積し、外部からの要求に応じて提供する行動解析補助装置等を提供することができる。

【図面の簡単な説明】

【0010】

【図1】本実施形態に係る行動解析補助装置が利用される全体環境を説明する図である。

【図2】行動解析補助装置のハードウェア構成を示す図である。

【図3】動作主体の行動履歴に関する文字列の取得を説明する図である。

【図4】文字列の全体を実数値ベクトルへ変換する処理の概念を説明する図である。

【図5】文字列に含まれるワードのそれぞれを実数値ベクトルへ変換する処理の概念を説明する図である。

【図6】文字列に含まれるワードを出現頻度に関連付けて実数値ベクトルへ変換する処理の概念を説明する図である。

【図7】実数値ベクトルの蓄積に関する処理の処理手順を説明するフロー図である。

【図8】行動解析プログラムからの要求に応じて実数値ベクトルを提供する処理の処理手順を説明するフロー図である。

【発明を実施するための形態】

【0011】

以下、発明の実施の形態を通じて本発明を説明するが、特許請求の範囲に係る発明を以下の実施形態に限定するものではない。また、実施形態で説明する構成の全てが課題を解決するための手段として必須であるとは限らない。

【0012】

図１は、本実施形態に係る行動解析補助装置として機能するデータベースサーバ１００が利用される全体環境を説明する図である。データベースサーバ１００は、インターネット９００に接続されており、インターネット９００を介して、直接的または間接的にメディアサーバ２１０、アプリケーションサーバ２２０、情報端末３００、および解析サーバ４００と情報の授受を行う。メディアサーバ２１０は、例えばソーシャルネットワークサービス（ＳＮＳ）を提供するサーバである。あるユーザが例えばタブレット端末である自身の情報端末３００を操作してツイート等のコメントを発信すると、当該コメントは、ユーザＩＤ、発信時刻等と関連付けられてメディアサーバ２１０の記憶部に蓄積される。

【0013】

アプリケーションサーバ２２０は、例えばオンライン決済サービスを提供するサーバである。あるユーザが例えばスマートフォンである自身の情報端末３００を操作して店舗で決済を実行すると、当該決済に関する情報は、ユーザＩＤ、決済時刻、店舗名等と関連付けられてアプリケーションサーバ２２０の記憶部に蓄積される。インターネット９００には、メディアサーバ２１０やアプリケーションサーバ２２０の他にも、ユーザの行動履歴を記憶し得る様々なサーバが接続されていてもよい。例えば、情報端末３００に搭載されたＧＰＳ機能を利用してユーザの行動ログを記録するサーバを含んでもよい。ユーザの行動履歴を記憶し得るサーバとしては、他にも店舗に設置されたクレジットカード読取端末２３０や電子決済読取スキャナ２４０や、交通ＩＣカードを読み取る自動改札装置２５０などと接続されているサーバであってもよい。

【0014】

データベースサーバ１００は、これらのサーバに記憶されたユーザの行動履歴に関するワードを経時に沿って配列した文字列として取得する。そして、取得した文字列の少なくとも一部を分散表現による固定長の実数値ベクトルへ変換し、動作主体または文字列に含まれるワードに対応付けて記憶する。このように変換、記憶された実数値ベクトルは、やがて一定規模のデータベースを構築する。データベースサーバ１００は、このように構築されたデータベースから、解析サーバ４００からの要求に従って実数値ベクトルを提供する。

【0015】

解析サーバ４００は、商品の需要予測や店舗の来訪者予測、最適なＷＥＢ広告の出稿先などを動作主体の行動特性を踏まえて解析するサーバである。具体的には、データベースサーバ１００に記憶された実数値ベクトルを利用して、例えば、ある商品を購入したユーザが次に購入する可能性の高い商品を解析する。

【0016】

図２は、行動解析補助装置であるデータベースサーバ１００のハードウェア構成を示す図である。データベースサーバ１００は、主に、演算部１１０、記憶部１２０、および通信ユニット１３０によって構成される。演算部１１０は、データベースサーバ１００の制御とプログラムの実行処理を行うプロセッサ（ＣＰＵ：Central Processing Unit）である。プロセッサは、ＡＳＩＣ（Application Specific Integrated Circuit）やＧＰＵ（Graphics Processing Unit）等の演算処理チップと連携する構成であってもよい。特に、演算部１１０は、記憶部１２０に記憶された、あるいは外部装置から送られてくる行動解析補助プログラムに従って、行動解析の補助に関する様々な処理を実行する。

【0017】

記憶部１２０は、不揮発性の記憶媒体であり、例えばＨＤＤ（Hard Disk Drive）によって構成されている。記憶部１２０は、データベースサーバ１００の制御や処理を実行するプログラムの他にも、制御や演算に用いられる様々なパラメータ値、関数、ルックアップテーブル、学習済みモデル等を記憶し得る。記憶部１２０は、特に、主体別ＤＢ１２１、ワード別ＤＢ１２２、頻度別ＤＢ１２３の各データベースを記憶している。主体別ＤＢ１２１は、行動履歴に関するワードを経時に沿って配列した文字列の全体を変換して生成した実数値ベクトルを、動作主体に対応付けて記憶、蓄積するデータベースである。ワード別ＤＢ１２２は、行動履歴に関するワードを経時に沿って配列した文字列に含まれるワードのそれぞれを変換して生成した実数値ベクトルを、そのワードに対応付けて記憶、蓄積するデータベースである。頻度別ＤＢ１２３は、行動履歴に関するワードを経時に沿って配列した文字列に含まれるワードを出現頻度に関連付けて生成した実数値ベクトルを、動作主体に対応付けて記憶、蓄積するデータベースである。

【0018】

なお、記憶部１２０は、複数のハードウェアで構成されていても良く、例えば、プログラムを記憶する記憶媒体と各データベースを記憶する記憶媒体が別々のハードウェアで構成されてもよい。また、記憶部１２０は、データベースサーバ１００に内蔵される構成でなくてもよく、例えばネットワークで接続された記憶装置であってもよい。その場合には、データベースサーバ１００と当該記憶装置によって行動解析補助装置が構築される。

【0019】

通信ユニット１３０は、インターネット９００への接続および外部機器とのデータ授受を担い、例えばＬＡＮユニットによって構成されている。通信ユニット１３０は、演算部１１０の制御に従って、インターネット９００との間で情報の授受を行う。

【0020】

演算部１１０は、行動解析補助プログラムが指示する処理に応じて様々な演算を実行する機能演算部としての役割も担う。演算部１１０は、取得部１１１、変換部１１２、提供部１１３として機能し得る。取得部１１１は、メディアサーバ２１０、アプリケーションサーバ２２０から、通信ユニット１３０を介して、動作主体の行動履歴に関するワードを経時に沿って配列した文字列を取得する。変換部１１２は、取得部１１１が取得した文字列の少なくとも一部を分散表現による固定長の実数値ベクトルへ変換し、記憶部１２０の対応するデータベースへ追加する。提供部１１３は、記憶部１２０の各データベースに記憶された実数値ベクトルを行動解析プログラムからの要求に従って提供する。具体的な処理については後述する。

【0021】

図３は、動作主体の行動履歴に関する文字列の取得を説明する図である。上述のように、取得部１１１は、メディアサーバ２１０、アプリケーションサーバ２２０から当該文字列を取得する。換言すれば、それらのサーバから動作主体別にターゲットとなるカテゴリーのワードを収集して時間経過に沿って並べて配列できれば、その配列した文字列を取りこむ。例えばカテゴリーのターゲットを「店舗」とすれば、各人物のＳＮＳへの投稿やオンライン決済を行った記録から、訪れた店舗とその順序を配列することができる。

【0022】

具体的には、メディアサーバ２１０、アプリケーションサーバ２２０、その他ユーザの行動履歴を記憶し得るサーバから、それぞれに記憶・格納されている動作主体、実行した動作、およびその動作を実行した時刻情報を対応付けて収集する。取得部１１１は、このように収集したデータ群から、解析対象となる動作主体別にターゲットとなるカテゴリーのワードを抽出して経時に沿って並べて配列する。カテゴリーが店舗であれば、それぞれの人物がどのような順番で店舗を訪れたかを、データ群に含まれる時刻情報を参照して、店舗訪問に関する履歴を経時に沿って抽出し、店舗名をワードとして配列した文字列を生成する。図３は、そのように情報を収集した「店舗名」である「ワード」を訪れた順にＮ個配列した様子を示す。

【0023】

具体的には、例えば、人物ＡのブログからＡが「Ｃａｆｅ ＢＣ」「Ｒラーメン」「Ｄ Ｃｏｆｆｅｅ」…「ＳＴ Ｃａｆｅ」の順に訪れたことが抽出できれば、「Ｃａｆｅ ＢＣ，Ｒラーメン，Ｄ Ｃｏｆｆｅｅ，…，ＳＴ Ｃａｆｅ」と配列した文字列を取得する。同様に、例えば、人物Ｂのオンライン決済の記録からＢが「Ｂカメラ」「Ｙ電器」「Ａストア」…「Ａストア」の順に訪れたことが確認できれば、「Ｂカメラ，Ｙ電器，Ａストア，…，Ａストア」と配列した文字列を取得する。このように経時に沿ってワードを配列した文字列は、動作主体の行動傾向を内包し、例えば、「Ｂカメラ」を訪れた後には「Ｙ電器」に立ち寄る傾向にあるなどの行動パターンを読み取ることができる。

【0024】

なお、カテゴリーのターゲットを「店舗」とした場合には、カフェもデパートも混在した文字列が生成される。「店舗」という枠組みで行動解析を行うことを想定する場合はそのような文字列を取得、収集すればよいが、さらに細かい例えば「飲食店」という枠組みで行動解析を行うことを想定する場合はカテゴリーのターゲットを「飲食店」にして文字列を取得、収集すればよい。他にも、「ショッピング」や「ファストフード」などもターゲットになり得る。「ショッピング」とする場合には、例えば人物Ｃの行動履歴から「Ｍデパート，Ｔデパート，Ｌモール，…，Ｔデパート」と配列した文字列が取得される。「ファストフード」とする場合には、例えば人物Ｄの行動履歴から「Ｏバーガー，Ｋバーガー，Ｍドーナツ，…，Ｏバーガー」と配列した文字列が取得される。

【0025】

どのようなターゲットのワードを抽出するかについては、例えば、予め抽出したいターゲットを定義する参照辞書を用意しておけばよい。例えば「ファストフード」の参照辞書には、「Ｋバーガー」「Ｍドーナツ」などのファストフードの店舗名が列挙されている。あるいは、参照するコーパスに含まれるワードごとに想定されるカテゴリーのタグを付与しておいてもよい。例えば、コーパスに含まれる「Ｋバーガー」には「ファストフード」や「飲食店」のタグが付与されている。この場合、取得部１１１は、当該コーパスにおいてターゲットとなるカテゴリーのタグを有するワードと一致するワードをブログ等から抜き出して文字列を生成する。

【0026】

もちろん、動作主体の行動履歴に関するワードは「店舗」に関するものに限らない。すなわち、訪れた「店舗」に限らず、例えば、観光地において巡った「名所」であっても、一定期間に亘って身に着けた衣服の「色」であってもカテゴリーのターゲットになり得る。上述のように、形成した文字列が動作主体の行動傾向を内包し得るのであれば、選定対象となる。

【0027】

なお、このようなワードとして配列した文字列の生成処理は、データベースサーバ１００が、上述のように他のサーバからデータ群を収集して行ってもよいが、これに限らない。他のサーバがすでにそのような文字列としてデータセットを保持しているのであれば、データベースサーバ１００は、そのようなデータセットを単に取得すればよい。

【0028】

次に、このように取得した文字列から実数値ベクトルへ変換する処理について説明する。本実施形態において変換部１１２は、文字列の全体を実数値ベクトルへ変換する変換処理、文字列に含まれるワードのそれぞれを実数値ベクトルへ変換する変換処理、文字列に含まれるワードを出現頻度に関連付けて実数値ベクトルへ変換する変換処理を実行し得る。

【0029】

図４は、文字列の全体を実数値ベクトルへ変換する処理の概念を説明する図である。文字列の全体を変換した実数値ベクトルは、動作主体に対応付けて主体別ＤＢ１２１へ記憶、蓄積するので、ここでは「主体別変換」と称する。

【0030】

上述のように図３の人物Ａからは「Ｃａｆｅ ＢＣ，Ｒラーメン，Ｄ Ｃｏｆｆｅｅ，…，ＳＴ Ｃａｆｅ」と配列した文字列を取得することができる。これを一文の文章とみなして、変換部１１２は、文字列の全体を分散表現による固定長の実数値ベクトルへ変換する。具体的には、Ｄｏｃ２ｖｅｃの手法を用いる。Ｄｏｃ２ｖｅｃによる実数値ベクトルへの変換は、公知の技術（例えば、論文"Distributed Representations of Sentences and Documents"、https://cs.stanford.edu/~quocle/paragraph_vector.pdfを参照）を適用することができる。このように変換すると、図示するように例えば［０．１２，０．０２，０．０５，…］といった固定長、すなわち設定された次元数の実数値ベクトルが得られる。同様に、人物Ｂの行動履歴から取得した「Ｂカメラ，Ｙ電器，Ａストア，…，Ａストア」の文字列も、Ｄｏｃ２ｖｅｃにより［０．２０，０．０３，０．０８，…］のように同じ次元数の実数値ベクトルに変換される。他に取得された文字列についても同様に変換処理を行う。変換部１１２は、このように変換したそれぞれの実数値ベクトルを、動作主体である「人物Ａ」「人物Ｂ」に対応付けて主体別ＤＢ１２１へ記憶、蓄積する。ここで、実数値ベクトルを動作主体に対応付けて記憶、蓄積するとは、変換した実数値ベクトルを、動作主体を直接的または間接的に示す情報やデータに対応付けて記憶、蓄積することをいう。

【0031】

このように、動作主体ごとの行動履歴を経時に沿って配列した文字列の全体を変換した実数値ベクトルは、その動作主体の行動傾向を内包していると評価し得る。したがって、このような実数値ベクトルは、類似する行動傾向を示す人物を抽出する場合などに利用することができる。例えば、行動解析プログラムが、評価対象である人物Ｘが購買パターンによって分類される複数のグループのいずれに属するかを決定する場合には、まず人物Ｘのこれまでの行動履歴を同様に実数値ベクトルへ変換し、これに類似する実数値ベクトルを主体別ＤＢ１２１から抽出する。そして、抽出した実数値ベクトルに対応付けられた人物が多く所属するグループを、人物Ｘが属するグループと決定する（例えば、「家電製品を量販店で購入する傾向の強いグループに属する」など）。

【0032】

また、このような実数値ベクトルは、類似する行動傾向を示す人物の今後の行動を予測する場合などにも利用することができる。例えば、行動解析プログラムが、人物Ｘのこれまでの行動履歴に基づいて今後の行動を予測するような場合には、まず人物Ｘのこれまでの行動履歴を同様に実数値ベクトルへ変換し、これに類似する実数値ベクトルを主体別ＤＢ１２１から抽出する。そして、抽出した実数値ベクトルに対応付けられた人物の情報から人物Ｘがまだ実行していない行動を抽出することにより今後の行動を予測する（例えば、「『Ａストア』に行く可能性が高い」など）。提供部１１３は、解析サーバ４００で実行される行動解析プログラムから主体別ＤＢ１２１の実数値ベクトルを要求する要求コマンドを受けた場合に、対象となる実数値ベクトルを主体別ＤＢ１２１から選択して提供する。

【0033】

図５は、文字列に含まれるワードのそれぞれを実数値ベクトルへ変換する処理の概念を説明する図である。文字列に含まれるワードのそれぞれを変換した実数値ベクトルは、そのワードに対応付けてワード別ＤＢ１２２へ記憶、蓄積するので、ここでは「ワード別変換」と称する。

【0034】

上述のように例えば図３の人物Ｃからは、「Ｍデパート，Ｔデパート，Ｌモール，…，Ｔデパート」と配列した文字列を取得することができる。これを一文の文章とみなして、「Ｔデパート」に着目すると、これに前後する「Ｍデパート」「Ｌモール」は、周辺語と捉えることができる。そこで、変換部１１２は、「Ｔデパート」を含む他の動作主体から生成された文字列を収集し、「Ｔデパート」に対するそれぞれの周辺語の出現確率を学習することにより、「Ｔデパート」を分散表現による固定長の実数値ベクトルへ変換する。具体的には、Ｗｏｒｄ２ｖｅｃの手法を用いる。Ｗｏｒｄ２ｖｅｃによる実数値ベクトルへの変換は、公知の技術（例えば、論文"Efficient Estimation of Word Representations in Vector Space"、https://arxiv.org/pdf/1301.3781.pdfを参照）を適用することができる。このように変換すると、図示するように例えば［０．１７，０．４２，０．１５，…］といった固定長、すなわち設定された次元数の実数値ベクトルが得られる。変換部１１２は、このようにワードごとに変換したそれぞれの実数値ベクトルを、元のワード（例えば「Ｔデパート」）と対応付けてワード別ＤＢ１２２へ記憶、蓄積する。

【0035】

このように、行動履歴を経時に沿って配列した文字列に含まれるワードを変換した実数値ベクトルは、様々な動作主体による一般的な行動傾向を内包していると評価し得る。したがって、このような実数値ベクトルは、一般的な行動パターンにおいて当該ワードの行動に前後して実行される可能性の高い行動を推定する場合などに利用することができる。例えば、行動解析プログラムが、評価対象である「Ｍドーナツ」がどのような店舗を訪れた後に訪れる可能性が高いかを推定する場合には、「Ｍドーナツ」の実数値ベクトルに類似する実数値ベクトルをワード別ＤＢ１２２から抽出する。そして、抽出した実数値ベクトルに対応付けられたワードが表す店舗を目的の店舗と決定する。例えば、「Ｌモール」と決定された場合には、一般的な行動パターンとして「Ｌモール」を訪れた後に「Ｍドーナツ」を訪れる可能性が高い、などと推定することができる。提供部１１３は、解析サーバ４００で実行される行動解析プログラムからワード別ＤＢ１２２の実数値ベクトルを要求する要求コマンドを受けた場合に、対象となる実数値ベクトルをワード別ＤＢ１２２から選択して提供する。

【0036】

図６は、文字列に含まれるワードを出現頻度に関連付けて実数値ベクトルへ変換する処理の概念を説明する図である。文字列に含まれるワードを出現頻度に関連付けて変換した実数値ベクトルは、動作主体に対応付けて頻度別ＤＢ１２３へ記憶、蓄積するので、ここでは「頻度別変換」と称する。

【0037】

上述のように例えば図３の人物Ｂからは、「Ｂカメラ，Ｙ電器，Ａストア，…，Ａストア」と配列した文字列を取得することができる。変換部１１２は、これを一文の文章とみなして分散表現による固定長の実数値ベクトルへ変換する場合に、重複するワードが出現する頻度を考慮する。この例では人物Ｂは「Ａストア」に２回訪れており、「Ａストア」への関心の高さが推測される。頻度を考慮するために、ここではＴＦ－ＩＤＦの手法を用いる。そして、ＩＤＦを出現頻度情報として用いることにより、各単語の重要度をその単語と共に列挙する。このように変換することにより［"Ａストア"：１．２，"Ｙ電器"：０．５，…］のように各ワードの頻度情報が得られ、そのうちの数値を抽出して列挙すれば実数値ベクトルが得られる。変換部１１２は、このように変換したそれぞれの実数値ベクトルを、動作主体である「人物Ａ」「人物Ｂ」…と対応付けて頻度別ＤＢ１２３へ記憶、蓄積する。

【0038】

このように、動作主体ごとの行動履歴を経時に沿って配列した文字列に含まれるワードの出現頻度に基づいて変換した実数値ベクトルは、その動作主体の行動偏重を内包していると評価し得る。したがって、このような実数値ベクトルは、類似する行動偏重を示す人物を抽出する場合などに利用することができる。提供部１１３は、解析サーバ４００で実行される行動解析プログラムから頻度別ＤＢ１２３の実数値ベクトルを要求する要求コマンドを受けた場合に、対象となる実数値ベクトルを頻度別ＤＢ１２３から選択して提供する。

【0039】

次に、データベースサーバ１００による実数値ベクトルの蓄積に関する処理について説明する。図７は、実数値ベクトルの蓄積に関する処理の処理手順を説明するフロー図である。フローは、蓄積開始の指示が与えられた時点から開始する。

【0040】

取得部１１１は、ステップＳ１０１で、通信ユニット１３０を介して、メディアサーバ２１０、アプリケーションサーバ２２０等から動作主体の行動履歴に関するワードを収集し、それらを経時に沿って配列した文字列にして取得する。変換部１１２は、ステップＳ１０２で、図４を用いて説明した主体別変換を実行し、ステップＳ１０３で、変換した実数値ベクトルを、動作主体に対応付けて主体別ＤＢ１２１へ記憶、蓄積する。

【0041】

続いて、変換部１１２は、ステップＳ１０４で、図５を用いて説明したワード別変換を実行し、ステップＳ１０５で、変換したそれぞれの実数値ベクトルを、元のワードと対応付けてワード別ＤＢ１２２へ記憶、蓄積する。さらに、変換部１１２は、ステップＳ１０６で、図６を用いて説明した頻度別変換を実行し、ステップＳ１０７で、変換した実数値ベクトルを、動作主体に対応付けて頻度別ＤＢ１２３へ記憶、蓄積する。

【0042】

演算部１１０は、ステップＳ１０８で、蓄積完了の指示を受けたか否かを確認する。蓄積完了の指示を受けていなければ、ステップＳ１０１へ戻って蓄積処理を継続する。蓄積完了の指示を受けていれば、一連の処理を終了する。

【0043】

それぞれのデータベースが一定数の実数値ベクトルを蓄積するに至れば、解析サーバ４００で実行される行動解析プログラムからの要求コマンドを受け入れることができる。図８は、行動解析プログラムからの要求に応じて実数値ベクトルを提供する処理の処理手順を説明するフロー図である。フローは、要求コマンドを受け入れることができる状態において、提供部１１３が行動解析プログラムから要求コマンドを受けた時点で開始される。

【0044】

提供部１１３は、ステップＳ２０１で、要求コマンドが動作主体に対する実数値ベクトルを要求するものであるか否かを確認する。すなわち、主体別ＤＢ１２１に蓄積された実数値ベクトルを要求するものであるか否かを確認する。そのような実数値ベクトルを要求するものであれば、ステップＳ２０２へ進み、対象となる実数値ベクトルを主体別ＤＢ１２１から選択して提供し、ステップＳ２０３へ進む。そうでなければ、ステップＳ２０２をスキップしてステップＳ２０３へ進む。

【0045】

提供部１１３は、ステップＳ２０３で、要求コマンドがワードに対する実数値ベクトルを要求するものであるか否かを確認する。すなわち、ワード別ＤＢ１２２に蓄積された実数値ベクトルを要求するものであるか否かを確認する。そのような実数値ベクトルを要求するものであれば、ステップＳ２０４へ進み、対象となる実数値ベクトルをワード別ＤＢ１２２から選択して提供し、ステップＳ２０５へ進む。そうでなければ、ステップＳ２０４をスキップしてステップＳ２０５へ進む。

【0046】

提供部１１３は、ステップＳ２０５で、要求コマンドが頻度に対する実数値ベクトルを要求するものであるか否かを確認する。すなわち、頻度別ＤＢ１２３に蓄積された実数値ベクトルを要求するものであるか否かを確認する。そのような実数値ベクトルを要求するものであれば、ステップＳ２０６へ進み、対象となる実数値ベクトルを頻度別ＤＢ１２３から選択して提供し、ステップＳ２０７へ進む。そうでなければ、ステップＳ２０６をスキップしてステップＳ２０７へ進む。

【0047】

提供部１１３は、ステップＳ２０７で、すべての要求コマンドを処理したか否かを確認する。未処理の要求コマンドが残っていれば、ステップＳ２０１へ戻り、実数値ベクトルを提供する処理を継続する。そうでなければ、一連の処理を終了する。なお、図７の実数値ベクトルの蓄積に関する処理は、図８の実数値ベクトルを提供する処理を実行できる状態になった後も継続してもよい。

【0048】

以上説明した本実施形態においては、取得した文字列を変換部１１２が３つの種類の実数値ベクトルへ変換してそれぞれに対応するデータベースへ記憶する態様を説明したが、変換部１１２の態様はこれに限らない。１つの種類について変換できるものであってもよいし、３つのうちの２つについて変換できるものであってもよい。また、他の種類の変換を実現するものであってもよい。

【0049】

また、以上説明した本実施形態においては、動作主体を個々の人物として説明したが、動作主体は個々の人物に限らず、人物の集合である集団であってもよく、また、人物に限らず、例えば複数人で利用される乗用車などのモビリティであってもよい。

【符号の説明】

【0050】

１００…データベースサーバ、１１０…演算部、１１１…取得部、１１２…変換部、１１３…提供部、１２０…記憶部、１２１…主体別ＤＢ、１２２…ワード別ＤＢ、１２３…頻度別ＤＢ、１３０…通信ユニット、２１０…メディアサーバ、２２０…アプリケーションサーバ、２３０…クレジットカード読取端末、２４０…電子決済読取スキャナ、２５０…自動改札装置、３００…情報端末、４００…解析サーバ、９００…インターネット

【図1】

【図2】

【図3】

【図4】

【図5】

【図6】

【図7】

【図8】