知財求人 - 知財ポータルサイト「IP Force」
特開2023-120933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】公開特許公報(A)
(11)【公開番号】P2023120933
(43)【公開日】2023-08-30
(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 16/9035 20190101AFI20230823BHJP
G06Q 50/10 20120101ALI20230823BHJP
【ＦＩ】
G06F16/9035
G06Q50/10
【審査請求】未請求
【請求項の数】10
【出願形態】ＯＬ
(21)【出願番号】P 2022024084
(22)【出願日】2022-02-18
(71)【出願人】
【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】弁理士法人酒井国際特許事務所
(72)【発明者】
【氏名】森 琢郎
(72)【発明者】
【氏名】小川 知紘
【テーマコード（参考）】
5B175
5L049
【Ｆターム（参考）】
5B175HA01
5B175HB03
5L049CC11
(57)【要約】
【課題】ユーザの対象に対する興味関心の変遷を精度よく解析すること。
【解決手段】本願に係る情報処理装置は、特定部と、推定部とを備える。特定部は、複数のユーザの興味関心に対する関連性に応じて第１対象を含む複数の対象の各々がベクトルで示され且つベクトルが所定期間毎に更新される興味関心空間において第１対象と変遷態様が類似する第２対象を特定する。推定部は、第１対象と第２対象との共通性に基づいて、第２対象の変遷理由を推定する。
【選択図】図１
【解決手段】本願に係る情報処理装置は、特定部と、推定部とを備える。特定部は、複数のユーザの興味関心に対する関連性に応じて第１対象を含む複数の対象の各々がベクトルで示され且つベクトルが所定期間毎に更新される興味関心空間において第１対象と変遷態様が類似する第２対象を特定する。推定部は、第１対象と第２対象との共通性に基づいて、第２対象の変遷理由を推定する。
【選択図】図１
【特許請求の範囲】
【請求項1】
複数のユーザの興味関心に対する関連性に応じて第１対象を含む複数の対象の各々がベクトルで示され且つ前記ベクトルが所定期間毎に更新される興味関心空間において前記第１対象と変遷態様が類似する第２対象を特定する特定部と、
前記第１対象と前記第２対象との共通性に基づいて、前記第２対象の変遷理由を推定する推定部と、を備える
ことを特徴とする情報処理装置。
前記第１対象と前記第２対象との共通性に基づいて、前記第２対象の変遷理由を推定する推定部と、を備える
ことを特徴とする情報処理装置。
【請求項2】
前記推定部は、
前記第１対象および前記第２対象のカテゴリ、スペック、およびブランドのうちの少なくとも１つを前記第１対象と前記第２対象との共通性として前記第２対象の前記変遷理由を推定する
ことを特徴とする請求項１に記載の情報処理装置。
前記第１対象および前記第２対象のカテゴリ、スペック、およびブランドのうちの少なくとも１つを前記第１対象と前記第２対象との共通性として前記第２対象の前記変遷理由を推定する
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】
前記特定部は、
前記複数のユーザのうち判定対象となるユーザの前記興味関心空間における興味関心を示すベクトルを基準として予め定められた変遷態様を有する対象を前記第１対象として特定する
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。
前記複数のユーザのうち判定対象となるユーザの前記興味関心空間における興味関心を示すベクトルを基準として予め定められた変遷態様を有する対象を前記第１対象として特定する
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】
前記特定部は、
前記興味関心空間において前記基準に近づいて前記基準と類似する範囲に入った対象を前記第１対象として特定する
ことを特徴とする請求項３に記載の情報処理装置。
前記興味関心空間において前記基準に近づいて前記基準と類似する範囲に入った対象を前記第１対象として特定する
ことを特徴とする請求項３に記載の情報処理装置。
【請求項5】
前記特定部は、
前記興味関心空間において前記基準から遠ざかって前記基準と類似する範囲内から前記範囲外に移動した対象を前記第１対象として特定する
ことを特徴とする請求項３または４に記載の情報処理装置。
前記興味関心空間において前記基準から遠ざかって前記基準と類似する範囲内から前記範囲外に移動した対象を前記第１対象として特定する
ことを特徴とする請求項３または４に記載の情報処理装置。
【請求項6】
前記推定部によって推定された前記第２対象の前記変遷理由を示す情報を提供する提供部を備える
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。
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】
前記興味関心空間は、
前記複数の対象のうち予め定められた条件を満たす２以上の対象を類似する特徴を有するものとして前記複数の対象の各々が有する特徴を学習した学習済みモデルに基づいて形成される
ことを特徴とする請求項１～６のいずれか１つに記載の情報処理装置。
前記複数の対象のうち予め定められた条件を満たす２以上の対象を類似する特徴を有するものとして前記複数の対象の各々が有する特徴を学習した学習済みモデルに基づいて形成される
ことを特徴とする請求項１～６のいずれか１つに記載の情報処理装置。
【請求項8】
前記複数のユーザが用いた複数の検索語を用いて前記学習済みモデルを生成する学習部を備える
ことを特徴とする請求項７に記載の情報処理装置。
ことを特徴とする請求項７に記載の情報処理装置。
【請求項9】
コンピュータが実行する情報処理方法であって、
複数のユーザの興味関心に対する関連性に応じて第１対象を含む複数の対象の各々がベクトルで示され且つ前記ベクトルが所定期間毎に更新される興味関心空間において前記第１対象と変遷態様が類似する第２対象を特定する特定工程と、
前記第１対象と前記第２対象との共通性に基づいて、前記第２対象の変遷理由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。
複数のユーザの興味関心に対する関連性に応じて第１対象を含む複数の対象の各々がベクトルで示され且つ前記ベクトルが所定期間毎に更新される興味関心空間において前記第１対象と変遷態様が類似する第２対象を特定する特定工程と、
前記第１対象と前記第２対象との共通性に基づいて、前記第２対象の変遷理由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10】
複数のユーザの興味関心に対する関連性に応じて第１対象を含む複数の対象の各々がベクトルで示され且つ前記ベクトルが所定期間毎に更新される興味関心空間において前記第１対象と変遷態様が類似する第２対象を特定する特定手順と、
前記第１対象と前記第２対象との共通性に基づいて、前記第２対象の変遷理由を推定する推定手順と、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。
前記第１対象と前記第２対象との共通性に基づいて、前記第２対象の変遷理由を推定する推定手順と、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、ユーザに情報提供を行うための種々の技術が提供されている。例えば、特許文献１には、ユーザが興味関心を持っているカテゴリを、商取引に関連する要素に基づいて分類した複数の象限のうち、ユーザが興味関心を持っているカテゴリが属する象限に基づいて、象限に応じた広告を配信する技術が提案されている。
【先行技術文献】
【特許文献】
【0003】
【特許文献1】特開２０２１－０９９６３１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、ユーザが興味関心を持っているカテゴリに商取引に関連する要素などの対象を分類することができるが、ユーザの対象に対する興味関心の変遷の解析を積極的に行う技術ではない。ユーザの対象に対する興味関心の変遷を精度よく解析を行うことができれば、例えば、ユーザへの情報提供などをさらに適切に行うことができ、この点で改善の余地がある。
【0005】
本願は、上記に鑑みてなされたものであって、ユーザの対象に対する興味関心の変遷を精度よく解析す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、特定部と、推定部とを備える。特定部は、複数のユーザの興味関心に対する関連性に応じて第１対象を含む複数の対象の各々がベクトルで示され且つベクトルが所定期間毎に更新される興味関心空間において第１対象と変遷態様が類似する第２対象を特定する。推定部は、第１対象と第２対象との共通性に基づいて、第２対象の変遷理由を推定する。
【発明の効果】
【0007】
実施形態の一態様によれば、ユーザの対象に対する興味関心の変遷を精度よく解析することができるという効果を奏する。
【図面の簡単な説明】
【0008】
【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、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。図１は、実施形態に係る情報処理の一例を示す図である。実施形態に係る情報処理は、情報処理装置１によって実行される処理であり、検索処理、モデル生成処理、および情報提供処理を含む。
まず、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。図１は、実施形態に係る情報処理の一例を示す図である。実施形態に係る情報処理は、情報処理装置１によって実行される処理であり、検索処理、モデル生成処理、および情報提供処理を含む。
【0011】
まず、検索処理およびモデル生成処理について説明する。図１に示す情報処理装置１は、ユーザＵ１～Ｕｎに検索サービスを提供する。例えば、情報処理装置１は、検索対象がインデックスされて格納されたデータベースである検索対象データベースなどを有しており、かかる検索対象データベースなどの情報を対象として検索処理を実行する。例えば、検索対象データベースの情報は記憶部１１（図２参照）に格納される。
【0012】
図１に示すように、ユーザＵ１～Ｕｎは、端末装置２１～２ｎを操作することで、端末装置２１～２ｎから検索クエリを情報処理装置１に送信する処理を端末装置２１～２ｎに実行させる（ステップＳ１１～Ｓ１ｎ）。ｎは、２以上の整数である。
【0013】
例えば、ステップＳ１１において、ユーザＵ１は、端末装置２１を操作することで、端末装置２１から検索クエリを情報処理装置１に送信する処理を端末装置２１に実行させる。また、ステップＳ１ｎにおいて、ユーザＵｎは、端末装置２ｎを操作することで、端末装置２ｎから検索クエリを情報処理装置１に送信する処理を端末装置２ｎに実行させる。以下において、ユーザＵ１～Ｕｎの各々を個別に区別せずに示す場合、ユーザＵと記載し、端末装置２１～２ｎの各々を個別に区別せずに示す場合、端末装置２と記載する場合がある。
【0014】
検索クエリは、ユーザＵによって端末装置２に入力された１以上の検索語（検索キーワード）を含む。例えば、ユーザＵによって端末装置２に１以上の検索語として「スニーカ」が入力された場合、検索クエリには、「スニーカ」が含まれる。また、ユーザＵによって端末装置２に１以上の検索語として「スニーカ レディース」が入力された場合、検索クエリには、「スニーカ レディース」が含まれる。「スニーカ レディース」には、「スニーカ」と「レディース」の２つの検索語がスペース区切りで含まれている。
【0015】
情報処理装置１は、端末装置２１～２ｎから各々送信される検索クエリを受け付ける（ステップＳ２１～Ｓ２ｎ）。例えば、情報処理装置１は、ステップＳ２１で、端末装置２１から検索クエリを受け付け、ステップＳ２ｎで、端末装置２ｎから検索クエリを受け付ける。
【0016】
次に、情報処理装置１は、ステップＳ２１～Ｓ２ｎで受け付けた検索クエリに基づいて検索処理を実行する（ステップＳ３１～Ｓ３ｎ）。例えば、情報処理装置１は、ステップＳ３１において、端末装置２１から送信されステップＳ２１で受け付けた検索クエリに含まれる１以上の検索語に対応する対象を検索対象データベースから検索する検索処理を実行する。また、情報処理装置１は、ステップＳ３ｎにおいて、端末装置２ｎから送信されステップＳ２ｎで受け付けた検索クエリに含まれる１以上の検索語に対応する対象を検索対象データベースから検索する検索処理を実行する。
【0017】
次に、情報処理装置１は、ステップＳ３１～Ｓ３ｎによる検索処理の結果である検索結果を端末装置２１～２ｎに送信する（ステップＳ４１～Ｓ４ｎ）。例えば、情報処理装置１は、ステップＳ４１において、ステップＳ３１の検索処理の結果である検索結果を端末装置２１に送信する。また、情報処理装置１は、ステップＳ４ｎにおいて、ステップＳ３ｎの検索処理の結果である検索結果を端末装置２ｎに送信する。
【0018】
次に、情報処理装置１は、ステップＳ２１～Ｓ２ｎで受け付けた検索クエリに基づいて、興味関心モデルを生成する（ステップＳ５）。ステップＳ５で生成される興味関心モデルは、複数の対象の各々を示す情報を入力とし、Ｍ次元のベクトルを出力とするモデルである。Ｍは、例えば、５００～２０００の範囲の整数であるが、かかる例に限定されない。また、Ｍ次元のベクトルは、例えば、分散表現で示されてもよく、分散表現以外で示されてもよい。以下、Ｍ次元のベクトルを単にベクトルと記載する。
【0019】
ステップＳ５において、情報処理装置１は、予め定められた条件を満たす２以上の検索語を類似する特徴を有するものとして複数の検索語の各々が有する特徴を学習することによって学習済みモデルである興味関心モデルを生成する。予め定められた条件を満たす２以上の検索語は、同一検索クエリに含まれる複数の検索語、または同一のユーザＵによって予め定められた時間内に端末装置２から送信される複数の検索クエリに含まれる検索語である。
【0020】
情報処理装置１は、予め定められた条件を満たす２以上の検索語を学習データとして、２以上の検索語のベクトルが互いに類似するように学習を行う。情報処理装置１は、同一のユーザＵによって端末装置２から送信される検索クエリに含まれる検索語を、検索クエリの送信時期にかかわらず、予め定められた条件を満たす２以上の検索語として扱うこともできる。
【0021】
なお、検索語は、１つの検索キーワードで構成されるが、２以上の検索キーワードから構成されてもよい。情報処理装置１は、例えば、検索クエリに文字列「スニーカ レディース」が含まれる場合、「スニーカ」と「レディース」とを異なる検索語として扱うが、「スニーカ」と「レディース」との組を１つの検索語として扱うこともできる。
【0022】
情報処理装置１は、例えば、再帰的ニューラルネットワークとも呼ばれるＲＮＮ（Recurrent Neural Network）の一種であるＬＳＴＭ（Long Short-Term Memory）をベクトル生成（例えば、分散表現生成）に用いたＤＳＳＭ（Deep Structured Semantic Model）の技術を用いて、検索語などの対象を示す情報からベクトル（例えば、分散表現）を出力する興味関心モデルを生成する。なお、対象を示す情報からベクトルを出力する興味関心モデルの生成方法は、上述した例に限定されない。
【0023】
情報処理装置１は、予め定められた期間ＴＡ毎に興味関心モデルの生成を行う。例えば、予め定められた期間ＴＡが１ヶ月である場合、情報処理装置１は、２０２２年１月、２月、３月、・・・の各々の月単位で興味関心モデルの生成を行う。
【0024】
次に、情報提供処理について説明する。情報処理装置１は、予め定められた期間ＴＡ毎に更新される興味関心空間での第１対象の変遷態様を判定する（ステップＳ６）。
【0025】
興味関心空間では、複数のユーザＵの興味関心に対する関連性に応じて複数の対象の各々がベクトルで示される。興味関心空間において、ベクトルで示される対象は、検索語で示される対象に限定されず、検索語で示される対象以外の対象であってもよい。情報処理装置１は、ステップＳ５で生成された興味関心モデルに対象を示す情報を入力し、興味関心モデルから出力される対象のベクトルを取得する処理を対象毎に行うことによって、各対象のベクトルを含む興味関心空間を生成する。情報処理装置１は、ステップＳ５で期間ＴＡ毎に生成される興味関心モデルを用いて、期間ＴＡ毎に更新される興味関心空間を生成する。
【0026】
第１対象は、例えば、複数の対象のうち予め定められた条件を満たす対象である。予め定められた条件は、例えば、複数のユーザＵのうち判定対象となるユーザＵの興味関心空間における興味関心を示すベクトルである興味関心ベクトルを基準として予め定められた変遷態様を有することである。予め定められた変遷態様は、例えば、興味関心空間において基準ベクトルに近づいて基準ベクトルと類似する範囲である興味関心範囲に入るといった変遷態様、または興味関心空間において基準ベクトルから遠ざかって興味関心範囲内から興味関心範囲外に移動するといった変遷態様である。
【0027】
ここで、判定対象となるユーザＵの興味関心ベクトルおよび興味関心範囲について説明する。情報処理装置１は、判定対象となる同一のユーザＵによって端末装置２から送信される複数の検索クエリに含まれる検索語をステップＳ５で生成された興味関心モデルに入力し、興味関心モデルから出力される検索語のベクトルを取得する処理を検索語毎に行う。情報処理装置１は、判定対象となる同一のユーザＵによって端末装置２から送信される複数の検索クエリに含まれる検索語のベクトルを平均化して平均ベクトルを算出し、算出した平均ベクトルを興味関心ベクトルとして判定する。なお、情報処理装置１は、例えば、受信した日時が新しい検索クエリの検索語ほど検索語のベクトルの重みを大きくして平均ベクトルを算出することもできる。
【0028】
なお、情報処理装置１は、期間ＴＡ毎に更新される興味関心空間において、複数の対象のうち変化態様が特定の変化態様である対象を第１対象として特定することもできる。また、情報処理装置１は、情報処理装置１のユーザＵによって指定された対象を第１対象として扱うこともできる。
【0029】
次に、情報処理装置１は、興味関心空間において第１対象と変遷態様が類似する第２対象を特定する（ステップＳ７）。例えば、情報処理装置１は、Ｋ期間前までの興味関心空間から最新の興味関心空間においてユーザＵの興味関心ベクトルに近づく態様が第１対象と類似する対象を第２対象として特定する。Ｋは、例えば、２以上の整数である。
【0030】
次に、情報処理装置１は、第１対象と第２対象との共通性について、第２対象の変遷理由を推定する（ステップＳ８）。第１対象と第２対象との共通性は、例えば、対象の属性の共通性である。対象が取引対象である場合、対象の属性は、例えば、カテゴリ、利用シーン、スペック（取引対象の仕様または機能など）、対象の出現日（商品の発売日など）、対象により解決され得る課題、対象により解決され得る人の悩みなど、対象に対応する様々な属性が含まれる。
【0031】
情報処理装置１は、例えば、第１対象と第２対象とが同一のカテゴリである場合、カテゴリが共通するために第２対象の変遷態様が第１対象の変遷態様と類似すると推定する。例えば、興味関心空間においてユーザＵの興味関心ベクトルに近づいてユーザＵの興味関心ベクトルと類似する範囲である興味関心範囲に入った対象が第１対象として特定されたとする。この場合、情報処理装置１は、第１対象と第２対象とで共通するカテゴリに対するユーザＵの興味関心が高くなっていることを第２対象の変遷理由として推定する。
【0032】
また、例えば、興味関心空間においてユーザＵの興味関心ベクトルから遠ざかって興味関心範囲内から興味関心範囲外に移動した対象が第１対象として特定されたとする。この場合、情報処理装置１は、第１対象と第２対象とで共通するカテゴリに対するユーザＵの興味関心が低くなっていることを第２対象の変遷理由として推定する。
【0033】
次に、情報処理装置１は、ステップＳ８で推定した第２対象の変遷理由を示す情報を情報処理装置１のユーザＵＡに提供する（ステップＳ９）。情報処理装置１は、情報処理装置１のユーザＵＡの端末装置３に対して、ステップＳ８で推定した第２対象の変遷理由を示す情報を送信することによって、第２対象の変遷理由を示す情報を情報処理装置１のユーザＵＡに提供する。これにより、情報処理装置１のユーザＵＡは、第２対象の変遷理由を知ることができ、ユーザＵの第２対象に対する興味関心の変遷を把握することができる。
【0034】
このように、情報処理装置１は、所定期間毎に更新される興味関心空間において第１対象と変遷態様が類似する第２対象を特定し、第１対象と第２対象との共通性に基づいて、第２対象の変遷理由を推定する。これにより、情報処理装置１は、ユーザＵの対象に対する興味関心の変遷を精度よく解析することができる。
【0035】
〔２．情報処理システムの構成〕
図２は、実施形態に係る情報処理装置１を含む情報処理システムの構成の一例を示す図である。図２に示すように、情報処理システム１００は、情報処理装置１と、複数の端末装置２１～２ｎと、端末装置３とを含む。情報処理装置１、複数の端末装置２１～２ｎ、および端末装置３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。
図２は、実施形態に係る情報処理装置１を含む情報処理システムの構成の一例を示す図である。図２に示すように、情報処理システム１００は、情報処理装置１と、複数の端末装置２１～２ｎと、端末装置３とを含む。情報処理装置１、複数の端末装置２１～２ｎ、および端末装置３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。
【0036】
実施形態に係る情報処理装置１は、インターネットなどの所定のネットワークＮを介して、各種の装置と通信可能な情報処理装置であり、例えば、サーバ装置またはクラウドシステムなどにより実現される。例えば、情報処理装置１は、ネットワークＮを介して、他の各種装置と通信可能に接続される。
【0037】
また、情報処理装置１は、各ユーザＵの端末装置２に対して、ウェブサービスなどのオンラインサービスを提供する。例えば、情報処理装置１は、オンラインサービスとして、上述した検索サービスおよび情報提供サービスの他、例えば、ＳＮＳ（Social Networking Service）、電子商取引（ＥＣ：Electronic Commerce）、投稿サイト、電子決済、オンラインゲーム、オンラインバンキング、オンライントレーディング、宿泊・チケット予約、動画・音楽配信、ニュース、地図、ルート検索、経路案内、路線情報、運行情報、天気予報などのサービスを提供する。なお、情報処理装置１は、上述したオンラインサービスを提供する各種サーバと連携し、オンラインサービスを仲介することもできる。
【0038】
なお、端末装置３は、例えば、情報処理装置１のユーザＵＡによって操作される端末装置である。ユーザＵＡは、端末装置３を操作して、例えば、ユーザＵの興味関心の変化を示す情報などの情報であって情報処理装置１から提供される情報を情報処理装置１から取得することができる。ユーザＵの興味関心の変化を示す情報は、例えば、上述した第２対象の変遷理由を示す情報などを含む。
【0039】
〔３．情報処理装置１の構成〕
以下、上記した情報処理装置１が有する機能構成の一例について説明する。図２に示すように、情報処理装置１は、通信部１０と、記憶部１１と、処理部１２とを有する。
以下、上記した情報処理装置１が有する機能構成の一例について説明する。図２に示すように、情報処理装置１は、通信部１０と、記憶部１１と、処理部１２とを有する。
【0040】
〔３．１．通信部１０〕
通信部１０は、例えば、ＮＩＣ（Network Interface Card）などによって実現される。そして、通信部１０は、ネットワークＮと有線または無線で接続され、他の各種装置との間で情報の送受信を行う。例えば、通信部１０は、端末装置２１～２ｎとの間でネットワークＮを介して情報の送受信を行う。
通信部１０は、例えば、ＮＩＣ（Network Interface Card）などによって実現される。そして、通信部１０は、ネットワークＮと有線または無線で接続され、他の各種装置との間で情報の送受信を行う。例えば、通信部１０は、端末装置２１～２ｎとの間でネットワークＮを介して情報の送受信を行う。
【0041】
〔３．２．記憶部１１〕
記憶部１１は、例えば、ＲＡＭ（Random Access Memory）、フラッシュメモリ（Flash Memory）などの半導体メモリ素子、または、ハードディスク、光ディスクなどの記憶装置によって実現される。また、記憶部１１は、検索情報記憶部２０と、ユーザ情報記憶部２１と、コンテンツ記憶部２２と、興味関心空間情報記憶部２３とを有する。
記憶部１１は、例えば、ＲＡＭ（Random Access Memory）、フラッシュメモリ（Flash Memory）などの半導体メモリ素子、または、ハードディスク、光ディスクなどの記憶装置によって実現される。また、記憶部１１は、検索情報記憶部２０と、ユーザ情報記憶部２１と、コンテンツ記憶部２２と、興味関心空間情報記憶部２３とを有する。
【0042】
〔３．２．１．検索情報記憶部２０〕
検索情報記憶部２０は、検索サービスで情報処理装置１が提供する複数の検索対象の情報を記憶する。例えば、検索情報記憶部２０は、複数の検索対象の各々がインデックスされて格納されたデータベースである検索対象データベースを格納する。
検索情報記憶部２０は、検索サービスで情報処理装置１が提供する複数の検索対象の情報を記憶する。例えば、検索情報記憶部２０は、複数の検索対象の各々がインデックスされて格納されたデータベースである検索対象データベースを格納する。
【0043】
検索対象の情報は、例えば、クローラなどによって収集されるウェブページなどの種々のコンテンツの情報である。検索情報記憶部２０に記憶される検索対象の情報は、コンテンツのＵＲＬ（Uniform Resource Locator）および概要などであるが、かかる例に限定されない。
【0044】
〔３．２．２．ユーザ情報記憶部２１〕
ユーザ情報記憶部２１は、ユーザＵ１～Ｕｎの情報を含むユーザ情報を記憶する。図３は、実施形態に係る情報処理装置１のユーザ情報記憶部２１に記憶されるユーザ情報テーブルの一例を示す図である。
ユーザ情報記憶部２１は、ユーザＵ１～Ｕｎの情報を含むユーザ情報を記憶する。図３は、実施形態に係る情報処理装置１のユーザ情報記憶部２１に記憶されるユーザ情報テーブルの一例を示す図である。
【0045】
図３に示すように、ユーザ情報記憶部２１に記憶されるユーザ情報テーブルは、「ユーザＩＤ（Identifier）」、「ユーザ名」、「属性」、および「検索履歴」などの情報をユーザＵ毎に含む。「ユーザＩＤ」は、各ユーザＵに固有の識別情報である。「ユーザ名」は、ユーザＵの名称を示す情報である。
【0046】
「属性」は、ユーザＵの属性を示す情報である。ユーザＵの属性は、ユーザＵのデモグラフィック属性またはサイコグラフィック属性などである。デモグラフィック属性は、人口統計学的なユーザＵの属性である。サイコグラフィック属性は、ユーザＵの価値観、ライフスタイル、性格、興味関心などを示す属性である。
【0047】
図３に示す例では、ユーザＵのデモグラフィック属性として、「性別」および「年齢」などの情報を含む。「性別」は、ユーザＵの性別を示す情報であり、「年齢」は、ユーザＵの年齢を示す情報である。なお、ユーザＵのデモグラフィック属性は、例えば、ユーザＵの役職、担当業務、年収、住所、通勤経路、研修履歴、家族構成などがさらに含まれる。ユーザＵの嗜好は、例えば、服、旅行、車、バイク、コンピュータ、ランチなどの各対象に対するユーザＵの興味関心度合いなどを含む。
【0048】
「検索履歴」は、情報処理装置１が提供するオンラインサービスまたは情報処理装置１がユーザＵによって仲介されるオンラインサービスでの検索履歴の情報である。かかる「検索履歴」には、例えば、情報処理装置１による検索クエリの受信日時を示す情報、および検索クエリに含まれる１以上の検索語（検索キーワード）の情報などが検索クエリ毎に含まれる。
【0049】
〔３．２．３．コンテンツ記憶部２２〕
コンテンツ記憶部２２は、検索サービス以外のオンラインサービスで情報処理装置１が提供するコンテンツを記憶する。図４は、実施形態に係る情報処理装置１のコンテンツ記憶部２２に記憶されるコンテンツテーブルの一例を示す図である。図４に示した例では、コンテンツ記憶部２２は、「コンテンツＩＤ」、および「コンテンツ」などをコンテンツ毎に含む。
コンテンツ記憶部２２は、検索サービス以外のオンラインサービスで情報処理装置１が提供するコンテンツを記憶する。図４は、実施形態に係る情報処理装置１のコンテンツ記憶部２２に記憶されるコンテンツテーブルの一例を示す図である。図４に示した例では、コンテンツ記憶部２２は、「コンテンツＩＤ」、および「コンテンツ」などをコンテンツ毎に含む。
【0050】
「コンテンツＩＤ」は、コンテンツ毎に固有の識別情報である。「コンテンツ」は、「コンテンツＩＤ」に対応付けられたコンテンツに関する情報である。具体的には、コンテンツは、コンテンツの内容に関する情報を示してもよい。例えば、コンテンツは、オンラインサービスで提供されるコンテンツである。例えば、コンテンツは、ポータルサイト、ニュースサイト、オークションサイト、天気予報サイト、ショッピングサイト、またはファイナンス（株価）サイトなどに関するコンテンツである。また、コンテンツは、路線検索サイト、地図提供サイト、旅行サイト、飲食店紹介サイト、ウェブブログサイト、投稿サイト、音楽配信サイト、動画配信サイト、またはＳＮＳサイトなどに関するコンテンツであってもよい。
【0051】
例えば、図４では、コンテンツＩＤ「Ｃ１」のコンテンツは、「ＣＯ１」である。なお、図４に示した例では、コンテンツを、「ＣＯ１」などの抽象的な符号で表現したが、コンテンツは、具体的な数値、具体的な文字列、および各種情報などを含むファイル形式などであってもよい。なお、コンテンツ記憶部２２は、上述した例に限定されず、目的に応じて種々の情報を記憶してもよい。
【0052】
〔３．２．４．興味関心空間情報記憶部２３〕
興味関心空間情報記憶部２３は、予め定められた期間ＴＡ毎の興味関心空間情報を記憶する。興味関心空間情報には、興味関心空間に配置される複数の対象のベクトルなどの情報が含まれる。興味関心空間は、Ｍ次元の空間である。期間ＴＡは、例えば、１ヶ月であるが、かかる例に限定されず、例えば、１週間、２週間、または３ヶ月などであってもよい。また、期間ＴＡは、情報処理装置１によって新たに受け付けられた検索クエリの数または新たな検索語の数が予め設定された閾値以上になる期間であってもよい。
興味関心空間情報記憶部２３は、予め定められた期間ＴＡ毎の興味関心空間情報を記憶する。興味関心空間情報には、興味関心空間に配置される複数の対象のベクトルなどの情報が含まれる。興味関心空間は、Ｍ次元の空間である。期間ＴＡは、例えば、１ヶ月であるが、かかる例に限定されず、例えば、１週間、２週間、または３ヶ月などであってもよい。また、期間ＴＡは、情報処理装置１によって新たに受け付けられた検索クエリの数または新たな検索語の数が予め設定された閾値以上になる期間であってもよい。
【0053】
図５は、実施形態に係る情報処理装置１の興味関心空間情報記憶部２３に記憶される興味関心空間情報の一例を示す図である。図５に示した例では、興味関心空間情報記憶部２３に記憶される興味関心空間情報は、「対象ＩＤ」、「対象」、および「ベクトル」などを対象毎に含む。
【0054】
「対象ＩＤ」は、対象毎に固有の識別情報である。「対象」は、興味関心空間に配置されるユーザＵの興味関心となりうる対象であり、例えば、ショッピング、旅行、ニュース、スポーツ、エンターテイメント、ファイナンス、ゲーム、映画、または音楽などの種々のカテゴリに属する対象である。
【0055】
例えば、図５では、対象ＩＤ「Ｑ１」の対象は、「Ｏ１」であり、ベクトルは、「Ｖ１」である。なお、図５に示した例では、対象を、「Ｏ１」などの抽象的な符号で表現したが、対象は、具体的な文字列で示されるが、画像などで示されてもよい。また、図５に示した例では、ベクトルを、「Ｖ１」などの抽象的な符号で表現したが、ベクトルは、Ｍ次元のベクトルであり、例えば、各次元のベクトル成分の値で示される。
【0056】
〔３．３．処理部１２〕
処理部１２は、コントローラ（Controller）であり、例えば、ＣＰＵ（Central Processing Unit）やＭＰＵ（Micro Processing Unit）などのプロセッサによって、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）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、処理部１２は、コントローラであり、例えば、ＡＳＩＣ（Application Specific Integrated Circuit）やＦＰＧＡ（Field Programmable Gate Array）などの集積回路により実現される。
処理部１２は、コントローラ（Controller）であり、例えば、ＣＰＵ（Central Processing Unit）やＭＰＵ（Micro Processing Unit）などのプロセッサによって、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）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、処理部１２は、コントローラであり、例えば、ＡＳＩＣ（Application Specific Integrated Circuit）やＦＰＧＡ（Field Programmable Gate Array）などの集積回路により実現される。
【0057】
図２に示すように、処理部１２は、受付部３０と、検索部３１と、学習部３２と、特定部３３と、推定部３４と、提供部３５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、処理部１２の内部構成は、図２に示した構成に限られず、後述する情報処理を行う構成であれば他の構成であってもよい。
【0058】
〔３．３．１．受付部３０〕
受付部３０は、各種要求を受け付ける。受付部３０は、外部の情報処理装置から各種要求を受け付ける。例えば、受付部３０は、各端末装置２からの要求を受け付ける。
受付部３０は、各種要求を受け付ける。受付部３０は、外部の情報処理装置から各種要求を受け付ける。例えば、受付部３０は、各端末装置２からの要求を受け付ける。
【0059】
受付部３０は、ユーザＵが入力した１以上の検索語（検索キーワード）を含む検索クエリを端末装置２からネットワークＮおよび通信部１０を介して受け付ける。また、受付部３０は、ユーザＵのコンテンツ送信要求をネットワークＮおよび通信部１０を介して端末装置２から受け付ける。コンテンツ送信要求は、コンテンツを特定した要求である。
【0060】
また、受付部３０は、端末装置３からの要求を受け付ける。例えば、受付部３０は、ユーザＵによって第１対象として指定された対象の情報を含む対象指定クエリを端末装置３からネットワークＮおよび通信部１０を介して受け付ける。また、受付部３０は、判定対象となるユーザＵを示す情報を含むユーザ指定クエリを端末装置３からネットワークＮおよび通信部１０を介して受け付ける。
【0061】
〔３．３．２．検索部３１〕
検索部３１は、受付部３０によって受け付けられた検索クエリに含まれる１以上の検索語に応じた検索対象の情報を検索情報記憶部２０に記憶されている複数の検索対象の情報の中から検索する。検索部３１は、検索した検索対象の情報を検索結果としてネットワークＮおよび通信部１０を介して検索クエリを送信した端末装置２に送信する。
検索部３１は、受付部３０によって受け付けられた検索クエリに含まれる１以上の検索語に応じた検索対象の情報を検索情報記憶部２０に記憶されている複数の検索対象の情報の中から検索する。検索部３１は、検索した検索対象の情報を検索結果としてネットワークＮおよび通信部１０を介して検索クエリを送信した端末装置２に送信する。
【0062】
また、検索部３１は、受付部３０によって受け付けられた検索クエリに含まれる１以上の検索語に応じた検索対象の情報をコンテンツ記憶部２２に記憶されている複数のコンテンツの中から検索することもできる。検索部３１は、検索したコンテンツを検索結果としてネットワークＮおよび通信部１０を介して検索クエリを送信した端末装置２に送信する。
【0063】
〔３．３．３．学習部３２〕
学習部３２は、予め定められた条件を満たす２以上の検索語を類似する特徴を有するものとして複数の検索語の各々が有する特徴を学習した学習済みモデルである興味関心モデルを期間ＴＡ毎に生成する。
学習部３２は、予め定められた条件を満たす２以上の検索語を類似する特徴を有するものとして複数の検索語の各々が有する特徴を学習した学習済みモデルである興味関心モデルを期間ＴＡ毎に生成する。
【0064】
予め定められた条件を満たす２以上の検索語は、同一検索クエリに含まれる複数の検索語、または同一のユーザＵによって予め定められた時間内に端末装置２から送信される複数の検索クエリに含まれる検索語である。なお、学習部３２は、同一のユーザＵによって端末装置２から送信される検索クエリに含まれる検索語を、検索クエリの送信時期にかかわらず、予め定められた条件を満たす２以上の検索語として扱うこともできる。
【0065】
学習部３２は、期間ＴＡ内を検索日時とする検索クエリに含まれる検索語を用いて学習用データを生成する。例えば、学習部３２は、期間ＴＡ毎に予め定められた条件を満たす２以上の検索語をユーザ情報記憶部２１から取得し、取得した２以上の検索語を学習用データとして用いて興味関心モデルを生成する。例えば、学習部３２は、予め定められた条件を満たす２以上の検索語を学習データとして、２以上の検索語のベクトルが互いに類似するように学習を行う。
【0066】
学習部３２は、例えば、再帰的ニューラルネットワークとも呼ばれるＲＮＮの一種であるＬＳＴＭをベクトル生成に用いたＤＳＳＭの技術を用いて、検索語などの対象を示す情報からベクトルを出力する興味関心モデルを生成する。なお、検索語などの対象を示す情報からベクトルを出力する興味関心モデルの生成方法は、上述した例に限定されず、類似する複数の対象を示すベクトルが互いに類似するように学習を行うことができればよく、種々の公知技術を用いることができる。
【0067】
学習部３２は、生成した期間ＴＡ毎の興味関心モデルを用いて複数の対象の各々のベクトルを取得し、取得した複数の対象のベクトルの情報を含む情報を興味関心空間情報として期間ＴＡ毎に記憶部１１における興味関心空間情報記憶部２３に記憶させる。
【0068】
〔３．３．４．特定部３３〕
特定部３３は、複数のユーザＵの興味関心に対する関連性に応じて複数の対象の各々がベクトルで示され且つベクトルが期間ＴＡ毎に更新される興味関心空間において第１対象と変遷態様が類似する第２対象を特定する。特定部３３は、第１特定部４０と、第２特定部４１とを備える。
特定部３３は、複数のユーザＵの興味関心に対する関連性に応じて複数の対象の各々がベクトルで示され且つベクトルが期間ＴＡ毎に更新される興味関心空間において第１対象と変遷態様が類似する第２対象を特定する。特定部３３は、第１特定部４０と、第２特定部４１とを備える。
【0069】
〔３．３．４．１．第１特定部４０〕
第１特定部４０は、複数の対象のうち予め定められた条件を満たす対象を第１対象として特定する。予め定められた条件を満たす対象は、例えば、判定対象となるユーザＵの興味関心ベクトルを基準として予め定められた変遷態様を有する対象、複数の対象のうち変化態様が特定の変化態様である対象、情報処理装置１のユーザＵＡによって指定される対象などである。判定対象となるユーザＵの興味関心ベクトルは、最新の興味関心空間におけるベクトルであるが、各期間ＴＡの興味関心空間におけるベクトルであってもよい。
第１特定部４０は、複数の対象のうち予め定められた条件を満たす対象を第１対象として特定する。予め定められた条件を満たす対象は、例えば、判定対象となるユーザＵの興味関心ベクトルを基準として予め定められた変遷態様を有する対象、複数の対象のうち変化態様が特定の変化態様である対象、情報処理装置１のユーザＵＡによって指定される対象などである。判定対象となるユーザＵの興味関心ベクトルは、最新の興味関心空間におけるベクトルであるが、各期間ＴＡの興味関心空間におけるベクトルであってもよい。
【0070】
情報処理装置１のユーザＵＡによって指定される対象は、例えば、受付部３０によって受け付けられた対象指定クエリで示される対象である。この場合、第１特定部４０は、ユーザＵＡによって指定される対象との関係に基づいて、判定対象となるユーザＵを決定することができる。また、判定対象となるユーザＵは、例えば、受付部３０によって受け付けられたユーザ指定クエリで示されるユーザＵＡであってもよい。また、情報処理装置１は、期間ＴＡ毎に更新される興味関心空間において、複数の対象のうち変遷態様が特定の変遷態様である対象を第１対象として特定することもできる。
【0071】
ユーザＵの興味関心ベクトルを基準として予め定められた変遷態様は、例えば、興味関心空間においてユーザＵの興味関心ベクトルに近づいてユーザＵの興味関心ベクトルと類似する範囲である興味関心範囲に入るといった変遷態様、または興味関心空間においてユーザＵの興味関心ベクトルから遠ざかって興味関心範囲内から興味関心範囲外に移動するといった変遷態様である。
【0072】
興味関心空間は、期間ＴＡ毎に更新される。例えば、２０２１年１０月～２０２２年２月までの各月の興味関心空間がある場合、最新の興味関心空間は、２０２２年２月の興味関心空間である。２０２１年１０月～２０２２年２月までの各月の興味関心空間は、２０２１年１０月～２０２２年２月までの各月の興味関心モデルによって得られる。２０２１年１０月の興味関心空間は、２０２１年１０月の興味関心モデルに複数の対象の各々を示す情報を入力することによって得られ、２０２２年２月の興味関心空間は、２０２２年２月の興味関心モデルに複数の対象の各々を示す情報を入力することによって得られる。また、興味関心空間は、２０２１年１０月の興味関心空間の状態、２０２１年１１月の興味関心空間の状態、２０２１年１２月の興味関心空間の状態、２０２２年１月の興味関心空間の状態、２０２２年２月の興味関心空間の状態に順次更新される。
【0073】
第１特定部４０は、例えば、期間ＴＡ毎の興味関心モデルを用いて期間ＴＡ毎に各ユーザＵの興味関心範囲を特定する。第１特定部４０は、例えば、各期間ＴＡ内において同一のユーザＵによって端末装置２から送信されたすべての検索クエリの各々に含まれる検索語をユーザ情報記憶部２１からユーザＵ毎に取得する。そして、第１特定部４０は、取得した複数の検索語のベクトルを平均化して平均ベクトルを算出し、算出した平均ベクトルをユーザ興味関心ベクトルとしてユーザＵ毎に判定する処理を期間ＴＡ毎に行う。なお、第１特定部４０は、例えば、受信した日時が新しいほど検索語のベクトルの重みを大きくして平均ベクトルを算出することもできる。
【0074】
第１特定部４０は、ユーザＵのユーザ興味関心ベクトルと類似する範囲をユーザＵの興味関心範囲としてユーザＵ毎に特定する。ユーザ興味関心ベクトルとの類似範囲は、例えば、コサイン類似度が予め定められた範囲であるが、かかる例に限定されない。なお、第１特定部４０は、例えば、同一のユーザＵの新たな検索クエリの数または新たな検索語の数が予め設定された閾値以上になる毎にそのユーザＵの興味関心範囲を特定することもできる。
【0075】
第１特定部４０は、ユーザＵの興味関心ベクトルを特定した後、例えば、判定対象となるユーザＵの興味関心ベクトルを基準として予め定められた変遷態様を有する対象を第１対象として特定する。ユーザＵの興味関心ベクトルは、最新の興味関心空間におけるベクトルであるが、各期間ＴＡの興味関心空間におけるベクトルであってもよい。
【0076】
図６は、実施形態に係る情報処理装置１の第１特定部４０によって特定される第１対象の一例を示す図である。図６では、Ｍ次元の興味関心空間を低次元化して可視化した興味関心空間の一部が示されている。図６に示す例では、３期間前の興味関心空間における対象Ｏ１の位置Ｐ１（ｔ－３）と、２期間前の興味関心空間における対象Ｏ１の位置Ｐ１（ｔ－２）と、１期間前の興味関心空間における対象Ｏ１の位置Ｐ１（ｔ－１）と、最新の興味関心空間におけるＯ１の位置Ｐ１（ｔ０）とが示されている。
【0077】
図６に示すように、対象Ｏ１は、３期間前～１期間前の興味関心空間では、ユーザＵ１の興味関心範囲に入っていないが、最新の興味関心空間では、ユーザＵ１の興味関心範囲に入っている。そして、３期間前から１期間前までの興味関心空間において期間が新しい興味関心空間ほどユーザＵ１の興味関心範囲に近づいている。この場合、第１特定部４０は、興味関心空間においてユーザＵ１の興味関心範囲に近づいていきユーザＵ１の興味関心範囲に入る変遷態様を対象Ｏ１が有すると判定し、対象Ｏ１を第１対象として特定する。なお、第１特定部４０は、途中でユーザＵ１の興味関心範囲から離れた対象であってもユーザＵ１の興味関心範囲に入る変遷態様を有する対象を第１対象として特定することもできる。
【0078】
図７は、実施形態に係る情報処理装置１の第１特定部４０によって特定される第１対象の一例を示す図である。図７では、図６と同様に、Ｍ次元の興味関心空間を低次元化して可視化した興味関心空間の一部が示されている。図７に示す例では、図６と同様に、３期間前から最新の興味関心空間までの対象Ｏ１の位置，Ｐ１（ｔ－３）Ｐ１（ｔ－２），Ｐ１（ｔ－１），Ｐ１（ｔ０）が示されている。
【0079】
図７に示す例では、対象Ｏ１は、３期間前の興味関心空間では、ユーザＵ１の興味関心範囲に入っているが、２期間前の興味関心空間では、ユーザＵ１の興味関心範囲外になっており、最新の興味関心空間に近づくほど、ユーザＵ１の興味関心範囲から遠ざかっている。この場合、第１特定部４０は、興味関心空間においてユーザＵの興味関心範囲内から興味関心範囲外に遠ざかる変遷態様を対象Ｏ１が有すると判定し、対象Ｏ１を第１対象として特定する。なお、第１特定部４０は、途中でユーザＵ１の興味関心範囲に近づいた対象であってもユーザＵ１の興味関心範囲からさらに離れる変遷態様を有する対象を第１対象として特定することもできる。
【0080】
また、第１特定部４０は、複数の対象のうち変遷態様が特定の変遷態様である対象を第１対象として特定したり、第１特定部４０のユーザＵによって指定された対象を第１対象として特定したりすることができる。また、第１特定部４０は、予め定められた期間における移動速度または移動量が閾値以上である対象を第１対象として特定することもできる。
【0081】
〔３．３．４．２．第２特定部４１〕
第２特定部４１は、第１特定部４０によって特定された第１対象と変遷態様が類似する第２対象を特定する。例えば、第２特定部４１は、期間ＴＡ毎に更新される興味関心空間において、期間が連続する２つの興味関心空間間における対象のベクトルの差の変化を対象の変遷態様として判定する。
第２特定部４１は、第１特定部４０によって特定された第１対象と変遷態様が類似する第２対象を特定する。例えば、第２特定部４１は、期間ＴＡ毎に更新される興味関心空間において、期間が連続する２つの興味関心空間間における対象のベクトルの差の変化を対象の変遷態様として判定する。
【0082】
例えば、３期間前から最新の興味関心空間までの第１対象のベクトルをＶ１３，Ｖ１２，Ｖ１１，Ｖ１０とする。また、期間が連続する２つの興味関心空間間における第１対象のベクトルの差をΔＶ１３２，ΔＶ１２１，ΔＶ１１０とする。ΔＶ１３２は、ΔＶ１３２＝Ｖ１３－Ｖ１２であり、ΔＶ１２１は、Ｖ１２－Ｖ１１であり、ΔＶ１１０は、ΔＶ１１０＝Ｖ１１－Ｖ１０であるとする。
【0083】
また、第１対象とは異なる対象ＯＸの３期間前から最新の興味関心空間までのベクトルをＶＸ３，ＶＸ２，ＶＸ１，ＶＸ０とする。また、期間が連続する２つの興味関心空間間における対象ＯＸのベクトルの差をΔＶＸ３２，ΔＶＸ２１，ΔＶＸ１０とする。ΔＶＸ３２は、ΔＶＸ３２＝ＶＸ３－ＶＸ２であり、ΔＶＸ２１は、ΔＶＸ２１＝ＶＸ２－ＶＸ１であり、ΔＶＸ１０は、ΔＶＸ１０＝ＶＸ１－ＶＸ０であるとする。
【0084】
この場合、第２特定部４１は、例えば、ΔＶ１３２とΔＶＸ３２との類似度、ΔＶ１２１とΔＶＸ２１との類似度、およびΔＶ１１０とΔＶＸ１０との類似度とを重み付けして加算した結果が閾値未満である場合に、対象ＯＸを第１対象と変遷態様が類似する第２対象として特定する。類似度は、例えば、コサイン類似度であるが、かかる例に限定されない。
【0085】
また、第２特定部４１は、例えば、Ｋ期間前の興味関心空間から最新の興味関心空間までの第１対象の変遷態様と対象ＯＸのベクトルの変遷態様とが一部の期間の興味関心空間において類似する場合に、対象ＯＸを第２対象として特定することもできる。Ｋは、例えば、５以上の整数である。一部の期間は、第１対象と第２対象とで同一の期間であってもよく、第１対象と第２対象と互いに異なる期間であってもよい。
【0086】
同一の期間は、例えば、Ｐ期間前から最新の期間までの期間であり、Ｐは、１よりも大きくＭよりも小さい整数である。互いに異なる期間は、例えば、第１対象はＰ－Ｎ期間前から最新の期間までの期間であり、第２対象はＰ期間前からＮ期間前までの期間である。Ｎは、例えば、１以上の整数である。
【0087】
図８は、実施形態に係る情報処理装置１の第２特定部４１によって特定される第２対象の一例を示す図である。図８では、図６および図７と同様に、Ｍ次元の興味関心空間を低次元化して可視化した興味関心空間の一部が示されている。図８に示す例では、図６に示される対象Ｏ１の位置Ｐ１（ｔ－３），Ｐ１（ｔ－２），Ｐ１（ｔ－１），Ｐ１（ｔ０）に加え、対象ＯＸの位置ＰＸ（ｔ－３），ＰＸ（ｔ－２），ＰＸ（ｔ－１），ＰＸ（ｔ０）が示されている。
【0088】
位置ＰＸ（ｔ－３）は、３期間前の興味関心空間における対象ＯＸの位置であり、位置ＰＸ（ｔ－２）は、２期間前の興味関心空間における対象ＯＸの位置である。また、位置ＰＸ（ｔ－１）は、１期間前の興味関心空間における対象ＯＸの位置であり、位置ＰＸ（ｔ０）は、最新の興味関心空間における対象ＯＸの位置である。
【0089】
図８に示す例では、対象Ｏ１の位置Ｐ１（ｔ－３）から位置Ｐ１（ｔ０）までの変遷態様が対象ＯＸの位置ＰＸ（ｔ－３）から位置ＰＸ（ｔ０）までの変遷態様に類似している。すなわち、３期間前の興味関心空間から最新の興味関心空間までの対象Ｏ１の変遷態様と３期間前の興味関心空間から最新の興味関心空間までの対象ＯＸの変遷態様との変遷態様が類似している。そのため、第２特定部４１は、対象ＯＸを第２対象として特定する。
【0090】
図９は、実施形態に係る情報処理装置１の第２特定部４１によって特定される第２対象の他の例を示す図である。図９では、図８の状態に加え、４期間前の興味関心空間における対象Ｏ１の位置Ｐ１（ｔ－４）が追加されており、また、対象ＯＸの位置ＰＸ（ｔ－３），ＰＸ（ｔ－２），ＰＸ（ｔ－１），ＰＸ（ｔ０）が図８に示す位置と異なる。
【0091】
図９に示す例では、対象Ｏ１の位置Ｐ１（ｔ－３）から位置Ｐ１（ｔ－１）までの変遷態様が対象ＯＸの位置ＰＸ（ｔ－２）から位置ＰＸ（ｔ０）までの変遷態様に類似している。すなわち、３期間前の興味関心空間から１期間前の興味関心空間までの対象Ｏ１の変遷態様と２期間前の興味関心空間から最新の興味関心空間までの対象ＯＸの変遷態様との変遷態様が類似している。そのため、第２特定部４１は、対象ＯＸを第２対象として特定する。このように、第２特定部４１の変遷態様の一部と一部が類似する対象を第２対象として特定することができる。
【0092】
また、第２特定部４１は、期間が連続する２つの興味関心空間間における対象のベクトルの差の変化に代えてまたは加えて、Ｋ期間前の興味関心空間と最新の興味関心空間との間の対象のベクトルの差を変遷態様として扱うこともできる。
【0093】
期間が連続する２つの興味関心空間間における対象のベクトルの差の変化は、対象のベクトルの変化であるが、対象のベクトルの大きさの変化および対象のベクトルの向きの変化のうちの一方を対象の変遷態様として扱うこともできる。対象のベクトルの大きさの変化は、対象のベクトルの移動量の変化または対象のベクトルの移動速度の変化を示し、対象のベクトルの向きの変化は、対象のベクトルの移動方向の変化を示す。
【0094】
〔３．３．５．推定部３４〕
推定部３４は、特定部３３によって特定された第１対象と第２対象との共通性に基づいて、第２対象の変遷理由を推定する。第１対象と第２対象との共通性は、例えば、対象の属性の共通性である。
推定部３４は、特定部３３によって特定された第１対象と第２対象との共通性に基づいて、第２対象の変遷理由を推定する。第１対象と第２対象との共通性は、例えば、対象の属性の共通性である。
【0095】
対象の属性は、例えば、カテゴリ、利用シーン、スペック（取引対象の仕様または機能など）、対象の出現日（商品の発売日など）、対象により解決され得る課題、対象により解決され得る人の悩みなど、対象に対応する様々な属性が含まれる。対象は、例えば、取引対象であり、取引対象は、例えば、商品やサービスなどである。
【0096】
推定部３４は、例えば、第１対象と第２対象とが同一のカテゴリである場合、カテゴリが共通するために第２対象の変遷態様が第１対象の変遷態様と類似すると推定する。例えば、興味関心空間においてユーザＵの興味関心ベクトルに近づいてユーザＵの興味関心ベクトルと類似する範囲である興味関心範囲に入った対象が第１対象として特定されたとする。この場合、推定部３４は、第１対象と第２対象とに共通するカテゴリに対するユーザＵの興味関心が高くなっていることを第２対象の変遷理由として推定する。
【0097】
また、例えば、興味関心空間においてユーザＵの興味関心ベクトルから遠ざかって興味関心範囲内から興味関心範囲外に移動した対象が第１対象として特定されたとする。この場合、推定部３４は、第１対象と第２対象とに共通するカテゴリに対するユーザＵの興味関心が低くなっていることを第２対象の変遷理由として推定する。
【0098】
また、推定部３４は、第１対象と第２対象とが複数の属性で共通する場合、第２対象が第１対象と複数の属性で共通していることを理由と推定する。例えば、第１対象と第２対象とが共に鞄でブランドが同じブランドＡであるとし、ブランドＡの商品として鞄以外に財布や服などがあるとする。そして、第１対象がユーザＵの興味関心ベクトルから離れていっているとする。この場合、推定部３４は、ブランドＡおよび靴についての興味関心が無くなってきていることを、第２対象の変遷理由として推定する。
【0099】
上述した例では、推定部３４は、ユーザＵの興味関心ベクトルや興味関心範囲に対する変遷態様から第２対象の変遷理由を推定したが、かかる例に限定されない。例えば、第１特定部４０が特定の変遷態様である対象を第１対象として特定したり、第１特定部４０のユーザＵによって特定された対象を第１対象として特定したりしたとする。この場合も、推定部３４は、第１対象と第２対象との共通性に基づいて、第２対象の変遷理由を推定することができる。
【0100】
〔３．３．６．提供部３５〕
提供部３５は、推定部３４によって推定された第２対象の変遷理由を示す情報である変遷理由情報をユーザＵＡに提供する。変遷理由情報のユーザＵＡへの提供は、提供部３５から通信部１０およびネットワークＮを介して端末装置３に送信することによって行われる。これにより、提供部３５は、第２対象の変遷理由を示す情報をユーザＵＡに提供することができる。
提供部３５は、推定部３４によって推定された第２対象の変遷理由を示す情報である変遷理由情報をユーザＵＡに提供する。変遷理由情報のユーザＵＡへの提供は、提供部３５から通信部１０およびネットワークＮを介して端末装置３に送信することによって行われる。これにより、提供部３５は、第２対象の変遷理由を示す情報をユーザＵＡに提供することができる。
【0101】
変遷理由情報は、第２対象と第２対象の変遷理由とを示す文字情報であるが、かかる文字情報に加えてまたは代えて、例えば、図８または図９に示すように可視化した興味関心空間における第１対象と第２対象の変遷態様を図示した情報を含んでいてもよい。
【0102】
なお、提供部３５は、変遷理由情報をプッシュ型でユーザＵＡに提供したりプル型でユーザＵＡに提供したりすることができる。例えば、提供部３５は、変遷理由情報を端末装置３にインストールされたアプリケーションにより端末装置３にポップアップ表示させたり、電子メールでユーザＵＡのメールアドレスへ送信したりすることができる。また、提供部３５は、ユーザＵＡが端末装置３を用いて情報処理装置１にアクセスした際に、変遷理由情報を端末装置３に送信することで、変遷理由情報をユーザＵＡに提供することもできる。なお、ユーザＵＡへの変遷理由情報の提供方法は、これらの方法に限定されない。
【0103】
【0104】
図１０に示すように、情報処理装置１の処理部１２は、興味関心モデルの学習処理タイミングになったか否かを判定する（ステップＳ１０）。興味関心モデルの学習処理タイミングは、例えば、期間ＴＡ毎に発生するタイミングであるが、かかる例に限定されない。
【0105】
処理部１２は、興味関心モデルの学習処理タイミングになったと判定した場合（ステップＳ１０：Ｙｅｓ）、興味関心モデルの生成を行う（ステップＳ１１）。そして、処理部１２は、ステップＳ１１で生成した興味関心モデルを用いて興味関心空間情報を生成し、生成した興味関心空間情報を記憶部１１に記憶させる（ステップＳ１２）。
【0106】
処理部１２は、ステップＳ１２の処理が終了した場合、または興味関心モデルの学習処理タイミングになっていないと判定した場合（ステップＳ１０：Ｎｏ）、ユーザ興味関心判定タイミングになったか否かを判定する（ステップＳ１３）。ユーザ興味関心判定タイミングは、例えば、期間ＴＡ毎に発生するタイミングであるが、かかる例に限定されない。
【0107】
処理部１２は、ユーザ興味関心判定タイミングになったと判定した場合（ステップＳ１３：Ｙｅｓ）、ユーザＵの検索クエリに基づいて、ユーザＵの興味関心位置を特定する（ステップＳ１４）。
【0108】
処理部１２は、ステップＳ１４の処理が終了した場合、またはユーザ興味関心判定タイミングになっていないと判定した場合（ステップＳ１３：Ｎｏ）、情報提供対象判定タイミングになったか否かを判定する（ステップＳ１５）。情報提供対象判定タイミングは、ステップＳ１４でユーザＵの興味関心位置が特定された後のタイミングである。例えば、情報提供対象判定タイミングは、ステップＳ１４でユーザＵの興味関心位置が特定された直後のタイミングまたはユーザＵが端末装置２を用いて情報処理装置１にアクセスしたタイミングである。
【0109】
処理部１２は、情報提供対象判定タイミングになったと判定した場合（ステップＳ１５：Ｙｅｓ）、情報提供処理を行う（ステップＳ１６）。ステップＳ１６の処理は、図１１に示すステップＳ２０～Ｓ２５の処理であり、後で詳述する。
【0110】
処理部１２は、ステップＳ１６の処理が終了した場合、または情報提供対象判定タイミングになったと判定した場合（ステップＳ１５：Ｎｏ）、動作終了タイミングになったか否かを判定する（ステップＳ１７）。処理部１２は、例えば、情報処理装置１の電源がオフにされた場合などに動作終了タイミングになったと判定する。
【0111】
処理部１２は、動作終了タイミングになっていないと判定した場合（ステップＳ１７：Ｎｏ）、処理をステップＳ１０へ移行し、動作終了タイミングになったと判定した場合（ステップＳ１７：Ｙｅｓ）、図１０に示す処理を終了する。
【0112】
図１１は、実施形態に係る情報処理装置１の処理部１２による情報提供手順を示すフローチャートである。図１１に示すように、処理部１２は、図１１のステップＳ１２で生成され期間ＴＡで各対象のベクトルが更新される興味関心空間情報で示される興味関心空間において数の対象のうち予め定められた条件を満たす対象を第１対象として特定する（ステップＳ２０）。
【0113】
次に、処理部１２は、ステップＳ２０で特定した第１対象と変遷態様が類似する第２対象を特定する（ステップＳ２１）。そして、処理部１２は、ステップＳ２０で特定した第１対象とステップＳ２１で特定した第２対象との共通性に基づいて、第２対象の変遷理由を推定する（ステップＳ２２）。その後、処理部１２は、ステップＳ２２で推定した第２対象の変遷理由を示す情報をユーザＵＡに提供し（ステップＳ２３）、図１１に示す処理を終了する。
【0114】
〔５．変形例〕
上述した情報処理装置１は、上述した実施形態以外にも種々の異なる形態にて実施されてもよい。そこで、以下では、情報処理装置１の他の実施形態について説明する。
上述した情報処理装置１は、上述した実施形態以外にも種々の異なる形態にて実施されてもよい。そこで、以下では、情報処理装置１の他の実施形態について説明する。
【0115】
情報処理装置１の処理部１２は、興味関心モデルを複数種類生成することができる。例えば、処理部１２は、地域毎の興味関心モデルを生成し、地域毎の興味関心モデルに基づいて、地域毎の興味関心空間を形成することができる。例えば、処理部１２は、対象地域内の複数のユーザＵが用いた複数の検索語のうち予め定められた条件を満たす２以上の検索語を類似する特徴を有するものとして複数の検索語の各々が有する特徴を学習した興味関心モデルを地域毎に生成することもできる。
【0116】
また、処理部１２は、ユーザＵの属性毎の興味関心モデルに基づいて、ユーザＵの属性毎の興味関心空間を形成することができる。例えば、処理部１２は、特定属性を有する複数のユーザＵが用いた複数の検索語のうち予め定められた条件を満たす２以上の検索語を類似する特徴を有するものとして複数の検索語の各々が有する特徴を学習した興味関心モデルを特定属性毎に生成することもできる。
【0117】
また、処理部１２は、期間ＴＡ内に複数のユーザＵによって複数の端末装置２から送信された複数の検索クエリに基づいてその期間ＴＡにおける興味関心モデルを生成するが、かかる例に限定されない。例えば、処理部１２は、Ｐ期間前の期間ＴＡと最新の期間ＴＡとを含む期間において期間ＴＡ内に複数のユーザＵによって複数の端末装置２から送信された複数の検索クエリに基づいて最新の期間ＴＡにおける興味関心モデルを生成することもできる。Ｐは、１以上の整数である。
【0118】
また、処理部１２は、期間ＴＢ毎に、期間ＴＢ内において同一のユーザＵＡによって端末装置２から送信された複数の検索クエリに基づいて、ユーザＵの興味関心範囲をユーザＵ毎に特定することもできる。期間ＴＢは、例えば、期間ＴＡよりも長いまたは短い期間である。なお、期間ＴＢは、情報処理装置１によって同一のユーザＵから新たに受け付けられた検索クエリの数または新たな検索語の数が予め設定された閾値以上になる期間であってもよい。
【0119】
〔６．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は、例えば図１２に示すような構成のコンピュータ８０によって実現される。図１２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８０の一例を示すハードウェア構成図である。コンピュータ８０は、ＣＰＵ８１、ＲＡＭ８２、ＲＯＭ（Read Only Memory）８３、ＨＤＤ（Hard Disk Drive）８４、通信インターフェイス（Ｉ／Ｆ）８５、入出力インターフェイス（Ｉ／Ｆ）８６、およびメディアインターフェイス（Ｉ／Ｆ）８７を有する。
上述してきた実施形態に係る情報処理装置１は、例えば図１２に示すような構成のコンピュータ８０によって実現される。図１２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８０の一例を示すハードウェア構成図である。コンピュータ８０は、ＣＰＵ８１、ＲＡＭ８２、ＲＯＭ（Read Only Memory）８３、ＨＤＤ（Hard Disk Drive）８４、通信インターフェイス（Ｉ／Ｆ）８５、入出力インターフェイス（Ｉ／Ｆ）８６、およびメディアインターフェイス（Ｉ／Ｆ）８７を有する。
【0120】
ＣＰＵ８１は、ＲＯＭ８３またはＨＤＤ８４に記憶されたプログラムに基づいて動作し、各部の制御を行う。ＲＯＭ８３は、コンピュータ８０の起動時にＣＰＵ８１によって実行されるブートプログラムや、コンピュータ８０のハードウェアに依存するプログラムなどを記憶する。
【0121】
ＨＤＤ８４は、ＣＰＵ８１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などを記憶する。通信インターフェイス８５は、ネットワークＮ（図２参照）を介して他の機器からデータを受信してＣＰＵ８１へ送り、ＣＰＵ８１が生成したデータを、ネットワークＮを介して他の機器に送信する。
【0122】
ＣＰＵ８１は、入出力インターフェイス８６を介して、ディスプレイやプリンタなどの出力装置、および、キーボードまたはマウスなどの入力装置を制御する。ＣＰＵ８１は、入出力インターフェイス８６を介して、入力装置からデータを取得する。また、ＣＰＵ８１は、入出力インターフェイス８６を介して生成したデータを出力装置へ出力する。
【0123】
メディアインターフェイス８７は、記録媒体８８に記憶されたプログラムまたはデータを読み取り、ＲＡＭ８２を介してＣＰＵ８１に提供する。ＣＰＵ８１は、かかるプログラムを、メディアインターフェイス８７を介して記録媒体８８からＲＡＭ８２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８８は、例えばＤＶＤ（Digital Versatile Disc）、ＰＤ（Phase change rewritable Disk）などの光学記録媒体、ＭＯ（Magneto-Optical disk）などの光磁気記録媒体、テープ媒体、磁気記録媒体、または半導体メモリなどである。
【0124】
コンピュータ８０のＣＰＵ８１は、ＲＡＭ８２上にロードされたプログラムを実行することにより、処理部１２の機能を実現する。また、ＨＤＤ８４には、記憶部１１内のデータが記憶される。コンピュータ８０のＣＰＵ８１は、これらのプログラムを記録媒体８８から読み取って実行するが、他の例として、他の装置からネットワークＮを介してこれらのプログラムを取得してもよい。
【0125】
〔７．その他〕
また、上記実施形態および変形例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。
また、上記実施形態および変形例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。
【0126】
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。
【0127】
また、上述してきた実施形態および変形例は、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。
【0128】
〔８．効果〕
上述してきたように、実施形態に係る情報処理装置１は、特定部３３と、推定部３４とを備える。特定部３３は、複数のユーザＵの興味関心に対する関連性に応じて第１対象を含む複数の対象の各々がベクトルで示され且つベクトルが所定期間毎に更新される興味関心空間において第１対象と変遷態様が類似する第２対象を特定する。推定部３４は、第１対象と第２対象との共通性に基づいて、第２対象の変遷理由を推定する。これにより、情報処理装置１は、ユーザＵの対象に対する興味関心の変遷を精度よく解析することができる。
上述してきたように、実施形態に係る情報処理装置１は、特定部３３と、推定部３４とを備える。特定部３３は、複数のユーザＵの興味関心に対する関連性に応じて第１対象を含む複数の対象の各々がベクトルで示され且つベクトルが所定期間毎に更新される興味関心空間において第１対象と変遷態様が類似する第２対象を特定する。推定部３４は、第１対象と第２対象との共通性に基づいて、第２対象の変遷理由を推定する。これにより、情報処理装置１は、ユーザＵの対象に対する興味関心の変遷を精度よく解析することができる。
【0129】
また、推定部３４は、第１対象および第２対象のカテゴリ、スペック、およびブランドのうちの少なくとも１つを第１対象と第２対象との共通性として第２対象の変遷理由を推定する。これにより、情報処理装置１は、ユーザＵの対象に対する興味関心の変遷を精度よく解析することができる。
【0130】
また、特定部３３は、複数のユーザＵのうち判定対象となるユーザＵの興味関心空間における興味関心を示すベクトルを基準として予め定められた変遷態様を有する対象を第１対象として特定する。これにより、情報処理装置１は、ユーザＵの対象に対する興味関心の変遷を精度よく解析することができる。
【0131】
また、特定部３３は、興味関心空間において基準に近づいて基準と類似する興味関心範囲に入った対象を第１対象として特定する。これにより、情報処理装置１は、ユーザＵの対象に対する興味関心の変遷を精度よく解析することができる。
【0132】
また、特定部３３は、興味関心空間において基準から遠ざかって基準と類似する興味関心範囲内から興味関心範囲外に移動した対象を第１対象として特定する。これにより、情報処理装置１は、ユーザＵの対象に対する興味関心の変遷を精度よく解析することができる。
【0133】
また、情報処理装置１は、推定部３４によって推定された第２対象の変遷理由を示す情報を提供する提供部３５を備える。これにより、情報処理装置１は、第２対象の変遷理由を示す情報を提供することができる。
【0134】
また、興味関心空間は、複数の対象のうち予め定められた条件を満たす２以上の対象を類似する特徴を有するものとして複数の対象の各々が有する特徴を学習した学習済みモデルに基づいて形成される。これにより、情報処理装置１は、ユーザＵの対象に対する興味関心の変遷をより精度よく解析することができる。
【0135】
また、情報処理装置１は、複数のユーザＵが用いた複数の検索語を用いて学習済みモデルを生成する学習部３２を備える。これにより、情報処理装置１は、ユーザＵの対象に対する興味関心の変遷をより精度よく解析することができる。
【0136】
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。
【0137】
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】
【0138】
１ 情報処理装置
２，２１～２ｎ，３ 端末装置
１０ 通信部
１１ 記憶部
１２ 処理部
２０ 検索情報記憶部
２１ ユーザ情報記憶部
２２ コンテンツ記憶部
２３ 興味関心空間情報記憶部
３０ 受付部
３１ 検索部
３２ 学習部
３３ 特定部
３４ 推定部
３５ 提供部
４０ 第１特定部
４１ 第２特定部
１００ 情報処理システム
Ｎ ネットワーク
２，２１～２ｎ，３ 端末装置
１０ 通信部
１１ 記憶部
１２ 処理部
２０ 検索情報記憶部
２１ ユーザ情報記憶部
２２ コンテンツ記憶部
２３ 興味関心空間情報記憶部
３０ 受付部
３１ 検索部
３２ 学習部
３３ 特定部
３４ 推定部
３５ 提供部
４０ 第１特定部
４１ 第２特定部
１００ 情報処理システム
Ｎ ネットワーク
【図1】
【図2】
【図3】
【図4】
【図5】
【図6】
【図7】
【図8】
【図9】
【図10】
【図11】
【図12】