特開 2024-126070 情報処理装置、情報処理方法及びプログラム

(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】P2024126070

(43)【公開日】2024-09-20

(54)【発明の名称】情報処理装置、情報処理方法及びプログラム

(51)【国際特許分類】

   G06Q 50/10 20120101AFI20240912BHJP

【ＦＩ】

G06Q50/10

【審査請求】未請求

【請求項の数】13

【出願形態】ＯＬ

(21)【出願番号】P 2023034216

(22)【出願日】2023-03-07

(71)【出願人】

【識別番号】000208891

【氏名又は名称】ＫＤＤＩ株式会社

(74)【代理人】

【識別番号】110004222

【氏名又は名称】弁理士法人創光国際特許事務所

(74)【代理人】

【識別番号】100166006

【弁理士】

【氏名又は名称】泉 通博

(74)【代理人】

【識別番号】100154070

【弁理士】

【氏名又は名称】久恒 京範

(74)【代理人】

【識別番号】100153280

【弁理士】

【氏名又は名称】寺川 賢祐

(72)【発明者】

【氏名】今村 一晃

(72)【発明者】

【氏名】畑中 梨沙

【テーマコード（参考）】

5L049

5L050

【Ｆターム（参考）】

5L049CC11

5L050CC11

(57)【要約】

【課題】習い事をする人に適した習い事を推薦する。
【解決手段】習い事を推薦する対象となるユーザＵ１が複数の閲覧コンテンツそれぞれを閲覧した実績を示す実績データを取得する取得部１３１と、実績データが所定の条件を満たす一以上の閲覧コンテンツを特定する特定部１３２と、一以上の閲覧コンテンツの種別に基づいて、ユーザＵ１に推薦する習い事を決定する決定部１３３と、を有する。
【選択図】図２

【特許請求の範囲】

【請求項1】

対象者に適した習い事を推薦するための情報処理装置であって、
前記対象者が複数の閲覧コンテンツそれぞれを閲覧した実績を示す実績データを取得する取得部と、
前記実績データが所定の条件を満たす一以上の前記閲覧コンテンツを特定する特定部と、
前記一以上の閲覧コンテンツの種別に基づいて、前記対象者に推薦する習い事を決定する決定部と、
を有する情報処理装置。

【請求項2】

前記閲覧コンテンツの種別と推薦される習い事候補とが関連付けられた推薦用データベースを記憶する記憶部をさらに有し、
前記決定部は、前記推薦用データベースにおいて前記特定部が特定した前記一以上の閲覧コンテンツの種別に関連付けられた前記習い事候補を選択することにより、前記対象者に推薦する習い事を決定する、
請求項１に記載の情報処理装置。

【請求項3】

前記実績データは、前記対象者が前記複数の閲覧コンテンツそれぞれを閲覧した時間の長さを含み、
前記特定部は、前記実績データが示す長さが相対的に長いという前記所定の条件を満たす前記一以上の閲覧コンテンツを特定する、
請求項１に記載の情報処理装置。

【請求項4】

前記実績データは、前記対象者が前記複数の閲覧コンテンツそれぞれを閲覧した回数を含み、
前記特定部は、前記実績データが示す回数が相対的に多いという前記所定の条件を満たす前記一以上の閲覧コンテンツを特定する、
請求項１に記載の情報処理装置。

【請求項5】

前記実績データは、前記対象者が前記複数の閲覧コンテンツそれぞれを閲覧している間に計測された前記対象者の集中度を含み、
前記特定部は、前記集中度が相対的に高いという前記所定の条件を満たす前記一以上の閲覧コンテンツを特定する、
請求項１に記載の情報処理装置。

【請求項6】

前記実績データは、前記対象者が前記複数の閲覧コンテンツそれぞれを閲覧している間に計測された前記対象者の満足度を含み、
前記特定部は、前記満足度が相対的に高いという前記所定の条件を満たす前記一以上の閲覧コンテンツを特定する、
請求項１に記載の情報処理装置。

【請求項7】

前記実績データは、前記対象者が前記複数の閲覧コンテンツそれぞれを閲覧した時間の長さ又は閲覧した回数の少なくともいずれか、及び前記対象者が前記複数の閲覧コンテンツそれぞれを閲覧している間に計測された前記対象者の集中度又は満足度の少なくともいずれかを含み、
前記特定部は、前記長さ又は前記回数の少なくともいずれかに基づいて決定される閲覧度合いから、前記集中度又は前記満足度の少なくともいずれかに基づいて決定される不満度合いを減算することにより決定した関心度が相対的に高いという前記所定の条件を満たす前記一以上の閲覧コンテンツを特定する、
請求項１に記載の情報処理装置。

【請求項8】

人の活動傾向と推薦される習い事候補とが関連付けられた推薦用データベースを記憶する記憶部をさらに有し、
前記取得部は、前記対象者の家族の活動傾向を示す活動傾向データをさらに取得し、
前記決定部は、前記推薦用データベースにおいて前記活動傾向データが示す活動傾向に関連付けられた前記習い事候補にさらに基づいて前記対象者に推薦する習い事を決定する、
請求項１に記載の情報処理装置。

【請求項9】

人の金銭余裕度と推薦される習い事候補とが関連付けられた推薦用データベースを記憶する記憶部をさらに有し、
前記取得部は、前記対象者の家族の金銭余裕度を示す余裕度データをさらに取得し、
前記決定部は、前記推薦用データベースにおいて前記余裕度データが示す金銭余裕度に関連付けられた前記習い事候補にさらに基づいて前記対象者に推薦する習い事を決定する、
請求項１に記載の情報処理装置。

【請求項10】

対象者に適した習い事を推薦するための情報処理装置であって、
前記対象者が複数の閲覧コンテンツそれぞれを閲覧した実績を示す実績データを取得する取得部と、
複数の人が複数の閲覧コンテンツそれぞれを閲覧した実績を示す学習用実績データと、前記複数の人それぞれが継続した習い事の内容を示す内容データと、当該習い事を継続した期間を示す期間データと、を教師データとして機械学習することにより作成された機械学習モデルに前記実績データを入力することにより前記機械学習モデルから出力される、一以上の習い事の内容と当該習い事の予想継続期間とに基づいて、所定の期間以上にわたって継続する蓋然性が相対的に高い習い事を、前記対象者に推薦する習い事に決定する決定部と、
を有する情報処理装置。

【請求項11】

対象者に適した習い事を推薦するための情報処理装置であって、
前記対象者が複数の閲覧コンテンツそれぞれを閲覧した実績を示す実績データを取得する取得部と、
複数の人が複数の閲覧コンテンツそれぞれを閲覧した実績を示す学習用実績データと、前記複数の人それぞれが所定の期間以上にわたって継続した習い事の内容を示す習い事データとを教師データとして機械学習することにより作成された機械学習モデルに前記実績データを入力することにより前記機械学習モデルから出力される、前記所定の期間以上にわたって継続する蓋然性が相対的に高い習い事を、前記対象者に推薦する習い事に決定する決定部と、
を有する情報処理装置。

【請求項12】

コンピュータが実行する、対象者に適した習い事を推薦するための情報処理方法であって、
前記対象者が複数の閲覧コンテンツそれぞれを閲覧した実績を示す実績データを取得するステップと、
前記実績データが所定の条件を満たす一以上の前記閲覧コンテンツを特定するステップと、
前記一以上の閲覧コンテンツの種別に基づいて、前記対象者に推薦する習い事を決定するステップと、
を有する情報処理方法。

【請求項13】

対象者に適した習い事を推薦するためのプログラムであって、
コンピュータを、
前記対象者が複数の閲覧コンテンツそれぞれを閲覧した実績を示す実績データを取得する取得部と、
前記実績データが所定の条件を満たす一以上の前記閲覧コンテンツを特定する特定部と、
前記一以上の閲覧コンテンツの種別に基づいて、前記対象者に推薦する習い事を決定する決定部と、
として機能させるためのプログラム。

【発明の詳細な説明】

【技術分野】

【0001】

本発明は、推薦する習い事を決定する情報処理装置、情報処理方法及びプログラムに関する。

【背景技術】

【0002】

従来、条件を設定することにより習い事を検索することができるシステムが知られている（例えば、特許文献１を参照）。

【先行技術文献】

【特許文献】

【0003】

【特許文献1】特開２０２１－１２６１８号公報

【発明の概要】

【発明が解決しようとする課題】

【0004】

従来のシステムを用いて習い事を検索した場合、習い事に通うことができる曜日又は時間帯等の条件が合う習い事を見つけることができる。しかしながら、習い事をする人（例えば子供）が長く継続することができる習い事が見つかるとは限らなかった。

【0005】

そこで、本発明はこれらの点に鑑みてなされたものであり、習い事をする人に適した習い事を推薦することを可能にすることを目的とする。

【課題を解決するための手段】

【0006】

本発明の第１の態様の情報処理装置は、対象者に適した習い事を推薦するための情報処理装置であって、前記対象者が複数の閲覧コンテンツそれぞれを閲覧した実績を示す実績データを取得する取得部と、前記実績データが所定の条件を満たす一以上の前記閲覧コンテンツを特定する特定部と、前記一以上の閲覧コンテンツの種別に基づいて、前記対象者に推薦する習い事を決定する決定部と、を有する。

【0007】

前記閲覧コンテンツの種別と推薦される習い事候補とが関連付けられた推薦用データベースを記憶する記憶部をさらに有し、前記決定部は、前記推薦用データベースにおいて前記特定部が特定した前記一以上の閲覧コンテンツの種別に関連付けられた前記習い事候補を選択することにより、前記対象者に推薦する習い事を決定してもよい。

【0008】

前記実績データは、前記対象者が前記複数の閲覧コンテンツそれぞれを閲覧した時間の長さを含み、前記特定部は、前記実績データが示す長さが相対的に長いという前記所定の条件を満たす前記一以上の閲覧コンテンツを特定してもよい。

【0009】

前記実績データは、前記対象者が前記複数の閲覧コンテンツそれぞれを閲覧した回数を含み、前記特定部は、前記実績データが示す回数が相対的に多いという前記所定の条件を満たす前記一以上の閲覧コンテンツを特定してもよい。

【0010】

前記実績データは、前記対象者が前記複数の閲覧コンテンツそれぞれを閲覧している間に計測された前記対象者の集中度を含み、前記特定部は、前記集中度が相対的に高いという前記所定の条件を満たす前記一以上の閲覧コンテンツを特定してもよい。

【0011】

前記実績データは、前記対象者が前記複数の閲覧コンテンツそれぞれを閲覧している間に計測された前記対象者の満足度を含み、前記特定部は、前記満足度が相対的に高いという前記所定の条件を満たす前記一以上の閲覧コンテンツを特定してもよい。

【0012】

前記実績データは、前記対象者が前記複数の閲覧コンテンツそれぞれを閲覧した時間の長さ又は閲覧した回数の少なくともいずれか、及び前記対象者が前記複数の閲覧コンテンツそれぞれを閲覧している間に計測された前記対象者の集中度又は満足度の少なくともいずれかを含み、前記特定部は、前記長さ又は前記回数の少なくともいずれかに基づいて決定される閲覧度合いから、前記集中度又は前記満足度の少なくともいずれかに基づいて決定される不満度合いを減算することにより決定した関心度が相対的に高いという前記所定の条件を満たす前記一以上の閲覧コンテンツを特定してもよい。

【0013】

前記情報処理装置は、人の活動傾向と推薦される習い事候補とが関連付けられた推薦用データベースを記憶する記憶部をさらに有し、前記取得部は、前記対象者の家族の活動傾向を示す活動傾向データをさらに取得し、前記決定部は、前記推薦用データベースにおいて前記活動傾向データが示す活動傾向に関連付けられた前記習い事候補にさらに基づいて前記対象者に推薦する習い事を決定してもよい。

【0014】

前記情報処理装置は、人の金銭余裕度と推薦される習い事候補とが関連付けられた推薦用データベースを記憶する記憶部をさらに有し、前記取得部は、前記対象者の家族の金銭余裕度を示す余裕度データをさらに取得し、前記決定部は、前記推薦用データベースにおいて前記余裕度データが示す金銭余裕度に関連付けられた前記習い事候補にさらに基づいて前記対象者に推薦する習い事を決定してもよい。

【0015】

本発明の第２の態様の情報処理装置は、対象者に適した習い事を推薦するための情報処理装置であって、前記対象者が複数の閲覧コンテンツそれぞれを閲覧した実績を示す実績データを取得する取得部と、複数の人が複数の閲覧コンテンツそれぞれを閲覧した実績を示す学習用実績データと、前記複数の人それぞれが継続した習い事の内容を示す内容データと、当該習い事を継続した期間を示す期間データと、を教師データとして機械学習することにより作成された機械学習モデルに前記実績データを入力することにより前記機械学習モデルから出力される、一以上の習い事の内容と当該習い事の予想継続期間とに基づいて、所定の期間以上にわたって継続する蓋然性が相対的に高い習い事を、前記対象者に推薦する習い事に決定する決定部と、を有する。

【0016】

本発明の第３の態様の情報処理装置は、対象者に適した習い事を推薦するための情報処理装置であって、前記対象者が複数の閲覧コンテンツそれぞれを閲覧した実績を示す実績データを取得する取得部と、複数の人が複数の閲覧コンテンツそれぞれを閲覧した実績を示す学習用実績データと、前記複数の人それぞれが所定の期間以上にわたって継続した習い事の内容を示す習い事データとを教師データとして機械学習することにより作成された機械学習モデルに前記実績データを入力することにより前記機械学習モデルから出力される、前記所定の期間以上にわたって継続する蓋然性が相対的に高い習い事を、前記対象者に推薦する習い事に決定する決定部と、を有する。

【0017】

本発明の第４の態様の情報処理方法は、コンピュータが実行する、対象者に適した習い事を推薦するための情報処理方法であって、前記対象者が複数の閲覧コンテンツそれぞれを閲覧した実績を示す実績データを取得するステップと、前記実績データが所定の条件を満たす一以上の前記閲覧コンテンツを特定するステップと、前記一以上の閲覧コンテンツの種別に基づいて、前記対象者に推薦する習い事を決定するステップと、を有する。

【0018】

本発明の第５の態様のプログラムは、対象者に適した習い事を推薦するためのプログラムであって、コンピュータを、前記対象者が複数の閲覧コンテンツそれぞれを閲覧した実績を示す実績データを取得する取得部と、前記実績データが所定の条件を満たす一以上の前記閲覧コンテンツを特定する特定部と、前記一以上の閲覧コンテンツの種別に基づいて、前記対象者に推薦する習い事を決定する決定部と、として機能させる。

【発明の効果】

【0019】

本発明によれば、習い事をする人に適した習い事を推薦することが可能になるという効果を奏する。

【図面の簡単な説明】

【0020】

【図1】情報処理システムＳの概要を説明するための図である。

【図2】情報処理装置１の構成を示す図である。

【図3】コンテンツデータの例を示す図である。

【図4】推薦用データベースの例を示す図である。

【図5】習い事に要する費用を示すデータの一例を示す図である。

【図6】実績データベースの例を示す図である。

【図7】ユーザＵ２の活動傾向の例を示す図である。

【図8】情報処理装置１における処理の流れを示すフローチャートである。

【発明を実施するための形態】

【0021】

［情報処理システムＳの概要］
図１は、情報処理システムＳの概要を説明するための図である。情報処理システムＳは、習い事をすることを希望する人に適した習い事を推薦するためのシステムである。本明細書において、習い事を推薦する対象となる人（すなわち対象者）をユーザＵ１とする。ユーザＵ１は、例えば幼児であるが、ユーザＵ１は幼児以外の子供又は大人であってもよい。また、本明細書において、ユーザＵ１に受けさせる習い事を検討している人をユーザＵ２とする。ユーザＵ２は、例えばユーザＵ１の親であるが、親以外の人であってもよい。

【0022】

情報処理システムＳは、情報処理装置１と、閲覧端末２と、分析端末３と、を備える。情報処理装置１は、推薦する対象の習い事を決定するコンピュータであり、例えばサーバである。情報処理装置１は、ユーザＵ１が閲覧するコンテンツを提供したり、ユーザＵ２からの要求に応じてユーザＵ１に適した習い事をユーザＵ２に通知したりする。ユーザＵ１に適した習い事とは、ユーザＵ１が長期間（例えばユーザＵ２が設定した期間）にわたって習い事を継続する蓋然性が相対的に高い習い事である。

【0023】

情報処理装置１は、データベースＤＢに登録された各種のデータを参照することにより、ユーザＵ１に適した習い事を決定する。データベースＤＢは情報処理装置１が記憶していてもよく、情報処理装置１と異なる外部装置が記憶していてもよい。

【0024】

閲覧端末２は、ユーザＵ１がコンテンツを閲覧するための端末であり、例えばスマートフォン、タブレット又はパーソナルコンピュータである。閲覧端末２は、ネットワーク（例えばインターネット又は携帯電話網）を介して情報処理装置１から送信されたコンテンツを表示する。コンテンツは、例えば絵本の画像データである。画像データは静止画のデータであってもよく、動画のデータであってもよい。

【0025】

分析端末３は、ユーザＵ２が使用する端末であり、例えばスマートフォン、タブレット又はパーソナルコンピュータである。分析端末３は、習い事の推薦を受けるための操作をユーザＵ２から受け付けたり、ネットワークを介して情報処理装置１から受信した、情報処理装置１が推薦する習い事を示す情報を表示したりする。

【0026】

以下、図１を参照しながら、情報処理システムＳの動作の概要を説明する。まず、情報処理装置１は、ユーザＵ１に閲覧させるための複数のコンテンツを閲覧端末２に送信する（図１における（１））。複数のコンテンツは、ユーザＵ１又はユーザＵ２により選択されたものであってもよく、情報処理装置１がランダムに選択したものであってもよい。複数のコンテンツは、ユーザＵ１又はユーザＵ２により選択されたコンテンツの種別に基づいて、情報処理装置１が当該種別に対応する複数のコンテンツから選択したものであってもよい。

【0027】

閲覧端末２は、情報処理装置１から受信したコンテンツをディスプレイに表示する（図１における（２））。ユーザＵ１は、閲覧端末２が表示したコンテンツを閲覧する（図１における（３））。閲覧端末２は、ユーザＵ１がコンテンツの閲覧を開始したこと、及びユーザＵ１がコンテンツの閲覧を終了したことを検出し、検出した結果を示す閲覧データを情報処理装置１に送信する（図１における（４））。

【0028】

閲覧端末２は、例えばユーザＵ１による閲覧開始及び閲覧終了の操作に基づいて、ユーザＵ１がコンテンツの閲覧を開始したこと、及びユーザＵ１がコンテンツの閲覧を終了したことを検出する。閲覧端末２は、コンテンツを表示している間にカメラによりユーザＵ１を撮影し、撮影して得られる画像データに基づいて、ユーザＵ１がコンテンツの閲覧を開始したこと、及びユーザＵ１がコンテンツの閲覧を終了したことを検出してもよい。

【0029】

情報処理装置１は、閲覧データに基づいて、多数の習い事の候補のうちユーザＵ１に適している一以上の習い事を選択する。詳細については後述するが、情報処理装置１は、例えば、ユーザＵ１が閲覧した時間又は回数の少なくともいずれかが相対的に多いということを閲覧データが示しているコンテンツの種別との関連性が相対的に高い習い事がユーザＵ１に適していると判定する。情報処理装置１は、ユーザＵ２により設定された各種の条件に基づいて、ユーザＵ１に適していると判定した複数の習い事から一部の習い事を選択してもよい。

【0030】

情報処理装置１は、ユーザＵ１に適していると判定した一以上の習い事を示す情報を含む分析データを分析端末３に送信する（図１における（５））。習い事を示す情報は、推薦する習い事の名称であってもよく、推薦する習い事を受けることができる場所又は機関を示す情報であってもよい。分析端末３は、受信した分析データをディスプレイに表示する（図１における（６））。

【0031】

ユーザＵ２は、表示された分析データを見ることにより、推薦された習い事を把握することができる。複数の習い事が表示されている場合、ユーザＵ２は、複数の習い事のうちユーザＵ１に習わせたいと考えた習い事を選択する操作をしてもよい（図１における（７））。分析端末３は、選択された内容を示す選択データを情報処理装置１に送信する（図１における（８））。情報処理装置１は、選択された習い事を受けることができる場所に関する情報をユーザＵ２に提供してもよく、選択された習い事をデータベースＤＢに登録してもよい。以下、情報処理装置１の構成及び動作を詳細に説明する。

【0032】

［情報処理装置１の構成］
図２は、情報処理装置１の構成を示す図である。情報処理装置１は、通信部１１と、記憶部１２と、制御部１３と、を有する。制御部１３は、コンテンツ提供部１３０と、取得部１３１と、特定部１３２と、決定部１３３と、を有する。

【0033】

通信部１１は、ネットワークを介して閲覧端末２及び分析端末３との間でデータを送受信するための通信インターフェースを含む。通信部１１は、閲覧端末２又は分析端末３から受信したデータを取得部１３１に入力する。また、通信部１１は、決定部１３３から入力されたデータを閲覧端末２又は分析端末３に送信する。

【0034】

記憶部１２は、ＲＯＭ（Read Only Memory）、ＲＡＭ（Random Access Memory）又はＳＳＤ（Solid State Drive）等の記憶媒体を有する。記憶部１２は、制御部１３が実行するプログラムを記憶する。また、記憶部１２は、制御部１３が推薦する習い事を決定するために用いる各種のデータを含むデータベースを記憶する。記憶部１２は、例えば、閲覧コンテンツとともに、ユーザＵ１に閲覧させる対象となる閲覧コンテンツの属性を示すコンテンツデータを記憶する。

【0035】

図３は、コンテンツデータの例を示す図である。図３に示すコンテンツデータにおいては、コンテンツ名と、各コンテンツが属するジャンルと、コンテンツの長さと、コンテンツの難易度と、が関連付けられている。

【0036】

記憶部１２は、閲覧コンテンツの種別と推薦される習い事候補とが関連付けられた推薦用データベースを記憶してもよい。図４は、推薦用データベースの例を示す図である。図４に示す推薦用データベースにおいては、閲覧コンテンツのジャンルと、複数の習い事それぞれの推薦度とが関連付けられている。推薦度は、推薦する度合いを示す数値であり、数値が大きいほど推薦する度合いが大きい。

【0037】

推薦用データベースは、例えば、多数のユーザＵ１が過去にコンテンツを閲覧した実績と、習い事を継続した期間との関係に基づいて、所定のコンテンツを閲覧した時間又は回数の少なくともいずれかが相対的に長い人が継続した期間の平均値が大きい習い事ほど推薦度が高くなるように作成されている。閲覧コンテンツのジャンルが野球である場合、野球の推薦度が最も高く、球技という点で野球と共通するサッカーの推薦度が次に高く、スポーツという点で野球と共通するスケートと体操の推薦度は、スポーツ以外のピアノ、合唱、書道の推薦度よりも高い。一方、閲覧コンテンツのジャンルがピアノである場合、ピアノの推薦度が最も高く、音楽という点でピアノと共通する合唱の推薦度が次に高い。

【0038】

推薦用データベースにおいては、ユーザＵ１又はユーザＵ１に関連付けられた人（例えばユーザＵ２）の活動傾向と推薦される習い事候補とが関連付けられていてもよい。活動傾向は、例えば、ユーザＵ２が参加した競技又は演奏会の内容、観戦に行ったスポーツ、参加したコンサートでの演目、テレビの視聴履歴、アクセスしたＳＮＳ若しくはウェブサイトの内容、又は送受信したメールの内容により表される。

【0039】

一例として、推薦用データベースは、ユーザＵ１又はユーザＵ２にスポーツを観戦する機会が多い傾向がある場合、スポーツに関連する習い事の推薦度が高く、スポーツ以外に関連する習い事の推薦度が低くなるように構成されている。推薦用データベースは、コンサートに行く機会が多い傾向がある場合、音楽に関連する習い事の推薦度が相対的に高くなるように構成されている。

【0040】

同様に、推薦用データベースは、ユーザＵ２がテレビでスポーツ番組を視聴する傾向が強い場合、スポーツに関連するＳＮＳ又はウェブサイトにアクセスする傾向が強い場合、スポーツに関する話題をメールでやり取りする傾向が強い場合、スポーツに関連する習い事の推薦度が高く、スポーツ以外に関連する習い事の推薦度が低くなるように構成されている。

【0041】

推薦用データベースにおいては、ユーザＵ１に関連付けられた人（例えばユーザＵ２）の金銭余裕度と推薦される習い事候補とが関連付けられていてもよい。金銭余裕度は、例えば、ユーザＵ１の両親の年収から年間の出費額を差し引いた額により表される。一例として、推薦用データベースは、金銭余裕度が高い場合、全ての習い事の推薦度が高く、金銭余裕度が低い場合、習い事の費用が比較的高いスケートの推薦度が低くなるように構成されている。

【0042】

記憶部１２は、ユーザＵ１に関連付けて、習い事ごとに要する費用を示すデータを記憶してもよい。図５は、習い事に要する費用を示すデータの一例を示す図である。図５においては、習い事の種別ごとに、年間の授業料と、交通費と、合計費用と、アクセスの種別と、が関連付けられている。習い事に要する費用には、習い事に要する用具の費用も含まれていてもよい。

【0043】

また、記憶部１２は、ユーザＵ１が閲覧コンテンツを閲覧した実績を示す実績データをユーザＵ１に関連付けて記憶してもよい。実績データは、例えば、ユーザＵ１が複数の閲覧コンテンツそれぞれを閲覧した時間の長さ、又はユーザＵ１が複数の閲覧コンテンツそれぞれを閲覧した回数の少なくともいずれかを含む。

【0044】

実績データは、ユーザＵ１が複数の閲覧コンテンツそれぞれを閲覧している間に計測されたユーザＵ１の集中度、又はユーザＵ１が複数の閲覧コンテンツそれぞれを閲覧している間に計測されたユーザＵ１の満足度の少なくともいずれかを含んでもよい。実績データは、ユーザＵ１が複数の閲覧コンテンツそれぞれを閲覧した時間の長さ又は閲覧した回数の少なくともいずれか、及びユーザＵ１が複数の閲覧コンテンツそれぞれを閲覧している間に計測されたユーザＵ１の集中度又は満足度の少なくともいずれかを含んでもよい。

【0045】

図６は、実績データベースの例を示す図である。図６（ａ）は第１のユーザＵ１の実績データを示しており、図６（ｂ）は第２のユーザＵ１の実績データを示している。図６に示す実績データにおいては、ユーザＵ１が閲覧可能なコンテンツのジャンルと、ユーザＵ１が閲覧した時間と、ユーザＵ１が閲覧した回数と、ユーザＵ１が閲覧している間の集中度と満足度とが関連付けられている。集中度及び満足度は、１点から５点までの５段階で示されており、集中度又は満足度が最も高い場合が５点であり、集中度又は満足度が最も低い場合が１点である。

【0046】

図６（ａ）の実績データは、サッカーに関連するコンテンツが他のジャンルのコンテンツよりも長い時間にわたって、多くの回数閲覧されていることを示している。一方、図６（ｂ）の実績データは、ピアノに関連するコンテンツが他のジャンルのコンテンツよりも長い時間にわたって、多くの回数閲覧されていることを示している。

【0047】

以下、図２を参照しながら、制御部１３の構成及び動作を説明する。制御部１３は、例えばＣＰＵ（Central Processing Unit）を有しており、記憶部１２に記憶されたプログラムを実行することにより、コンテンツ提供部１３０、取得部１３１、特定部１３２及び決定部１３３として機能する。

【0048】

コンテンツ提供部１３０は、閲覧コンテンツを提供する。一例として、コンテンツ提供部１３０は、まず、通信部１１を介して、閲覧端末２又は分析端末３に図３に示したような閲覧可能なコンテンツの一覧を表示させる。コンテンツ提供部１３０は、閲覧端末２に表示させる閲覧コンテンツを指定する指示データを閲覧端末２又は分析端末３から取得した場合に、指定された閲覧コンテンツを記憶部１２から読み出して、読み出した閲覧コンテンツを閲覧端末２に送信する。

【0049】

コンテンツ提供部１３０は、閲覧コンテンツの指定を受けることなく、ランダムに選択した閲覧コンテンツ、又はユーザＵ２が指定したルールに基づいて選択した閲覧コンテンツを閲覧端末２に送信してもよい。コンテンツ提供部１３０は、閲覧コンテンツの閲覧を中止する指示を閲覧端末２又は分析端末３から取得した場合に、閲覧コンテンツの送信を終了する。

【0050】

取得部１３１は、ユーザＵ１が複数の閲覧コンテンツそれぞれを閲覧した実績を示す実績データを取得する。取得部１３１は、取得した実績データを特定部１３２に通知する。取得部１３１は、例えば実績データをユーザＵ１１に関連付けて記憶部１２に記憶させることにより、記憶部１２を介して実績データを特定部１３２に通知する。

【0051】

取得部１３１は、例えば、コンテンツ提供部１３０が閲覧コンテンツの送信を開始した時刻から、閲覧コンテンツの提供を終了した時刻までの時間を、実績データとして取得する。取得部１３１は、閲覧端末２が計測した閲覧時間又は閲覧回数を実績データとして取得してもよい。取得部１３１は、閲覧端末２が特定した、閲覧コンテンツを閲覧中のユーザＵ１の集中度又は満足度を実績データとして取得してもよい。

【0052】

取得部１３１は、コンテンツ提供部１３０が閲覧コンテンツの送信を開始した時刻から、閲覧コンテンツの提供を終了した時刻までの時間に基づいて、閲覧時間又は閲覧回数を特定することにより実績データを取得してもよい。取得部１３１は、コンテンツ提供部１３０が閲覧コンテンツの送信を開始した後に、記憶部１２に記憶された実績データにおける同じジャンルの閲覧コンテンツの閲覧回数を１だけ増加させてもよい。

【0053】

閲覧コンテンツに複数のページが含まれている場合、取得部１３１は、例えば、所定のジャンルの内容に関するページが閲覧された時間を、所定のジャンルの閲覧コンテンツをユーザＵ１が閲覧した時間とする。取得部１３１は、当該ジャンルの内容が含まれている閲覧コンテンツの全てのページが閲覧された時間を、ユーザＵ１が閲覧した時間としてもよい。

【0054】

取得部１３１は、複数のページのうち所定のジャンルの内容が含まれている少なくとも１つのページをユーザＵ１が閲覧した場合に、実績データにおける当該ジャンルの閲覧コンテンツをユーザＵ１が閲覧した回数を１だけ増加させる。取得部１３１は、当該ジャンルの内容が含まれている閲覧コンテンツの全ページが閲覧されるたびに、実績データにおけるユーザＵ１が閲覧した回数を１だけ増加させてもよい。

【0055】

取得部１３１は、閲覧コンテンツが閲覧端末２に表示されている間にユーザＵ１を閲覧端末２が撮影することにより作成された撮像画像データを実績データとして取得してもよい。取得部１３１は、撮像画像データを解析することにより、ユーザＵ１の集中度又は満足度の少なくともいずれかを特定し、ユーザＵ１と閲覧コンテンツとに関連付けて、集中度又は満足度を記憶部１２に記憶させる。取得部１３１は、ユーザＵ１が画面を注視している時間の割合が多いほど、実績データにおける集中度の値を大きくする。取得部１３１は、ユーザＵ１が笑顔を示している時間の割合が多いほど満足度の値を大きくする。

【0056】

取得部１３１は、ユーザＵ１の家族の活動傾向を示す活動傾向データを取得してもよい。取得部１３１は、例えばユーザＵ２が分析端末３で行った操作の内容（例えばアクセスしたウェブサイトの内容）に基づいて分析端末３が特定したユーザＵ２の活動傾向を示すデータを分析端末３から取得する。取得部１３１は、取得した活動傾向データを、ユーザＵ１又はユーザＵ２の少なくともいずれかに関連付けて記憶部１２に記憶させる。

【0057】

取得部１３１は、ユーザＵ１の家族（例えばユーザＵ２）の金銭余裕度を示す余裕度データを取得してもよい。取得部１３１は、例えばユーザＵ２が分析端末３に入力した余裕度データを取得する。取得部１３１は、取得した余裕度データを、ユーザＵ１又はユーザＵ２の少なくともいずれかに関連付けて記憶部１２に記憶させる。

【0058】

特定部１３２は、取得部１３１が取得した実績データが所定の条件を満たす一以上の閲覧コンテンツを特定する。所定の条件は、例えば、ユーザＵ１の閲覧度合いが相対的に大きいこと、又は閲覧度合いが閾値以上であることである。閲覧度合いは、例えば、実績データが示す、ユーザＵ１がコンテンツを閲覧した時間又は回数の少なくともいずれかが多いほど大きな値となる。閲覧度合いは、コンテンツを閲覧中のユーザＵ１の集中度又は満足度の少なくともいずれが高いほど大きな値となってもよい。

【0059】

すなわち、所定の条件は、例えば、実績データが示すユーザＵ１が閲覧コンテンツを閲覧した時間の長さが相対的に長いという条件である。図６に示す例の場合、図６（ａ）に対応するユーザＵ１のサッカーに関連する閲覧コンテンツの閲覧時間の合計時間が１１０分であり、他のジャンルの閲覧コンテンツの閲覧時間よりも長い。そこで、特定部１３２は、サッカーに関連する閲覧コンテンツを所定の条件を満たす閲覧コンテンツとして特定する。一方、図６（ｂ）に対応するユーザＵ１の場合、ピアノに関連する閲覧コンテンツの閲覧時間の合計時間が６０分であり、他のジャンルの閲覧コンテンツの閲覧時間よりも長い。そこで、特定部１３２は、ピアノに関連する閲覧コンテンツを所定の条件を満たす閲覧コンテンツとして特定する。

【0060】

所定の条件は、実績データが示すユーザＵ１が閲覧コンテンツを閲覧した回数が相対的に多いという条件であってもよい。図６に示す例の場合、図６（ａ）に対応するユーザＵ１のサッカーに関連する閲覧コンテンツの閲覧回数が８回であり、他のジャンルの閲覧コンテンツの閲覧回数よりも多い。そこで、特定部１３２は、サッカーに関連する閲覧コンテンツを所定の条件を満たす閲覧コンテンツとして特定する。一方、図６（ｂ）に対応するユーザＵ１の場合、ピアノに関連する閲覧コンテンツの閲覧回数が６回であり、他のジャンルの閲覧コンテンツの閲覧回数よりも多い。そこで、特定部１３２は、ピアノに関連する閲覧コンテンツを所定の条件を満たす閲覧コンテンツとして特定する。

【0061】

所定の条件は、実績データが示すユーザＵ１が閲覧コンテンツを閲覧している間の集中度が相対的に高いという条件であってもよい。図６に示す例の場合、図６（ａ）に対応するユーザＵ１がサッカーに関連する閲覧コンテンツを閲覧中の集中度の平均値は４．７点で、他のジャンルの閲覧コンテンツを閲覧中の集中度の平均値よりも高い。そこで、特定部１３２は、サッカーに関連する閲覧コンテンツを所定の条件を満たす閲覧コンテンツとして特定する。一方、図６（ｂ）に対応するユーザＵ１の場合、ピアノに関連する閲覧コンテンツを閲覧中の集中度の平均値は４．５点で、他のジャンルの閲覧コンテンツを閲覧中の集中度の平均値よりも高い。そこで、特定部１３２は、ピアノに関連する閲覧コンテンツを所定の条件を満たす閲覧コンテンツとして特定する。

【0062】

所定の条件は、実績データが示すユーザＵ１が閲覧コンテンツを閲覧している間の満足度が相対的に高いという条件であってもよい。図６に示す例の場合、図６（ａ）に対応するユーザＵ１がサッカーに関連する閲覧コンテンツを閲覧中の満足度の平均値は４．３点で、他のジャンルの閲覧コンテンツを閲覧中の満足度の平均値よりも高い。そこで、特定部１３２は、サッカーに関連する閲覧コンテンツを所定の条件を満たす閲覧コンテンツとして特定する。一方、図６（ｂ）に対応するユーザＵ１の場合、ピアノに関連する閲覧コンテンツを閲覧中の満足度の平均値は４．５点で、他のジャンルの閲覧コンテンツを閲覧中の満足度の平均値よりも高い。そこで、特定部１３２は、ピアノに関連する閲覧コンテンツを所定の条件を満たす閲覧コンテンツとして特定する。

【0063】

所定の条件は、閲覧時間、閲覧回数、集中度又は満足度のうち複数の情報を組み合わせることにより算出した閲覧度合いが相対的に高いという条件であってもよい。一例として、特定部１３２は、以下の式により閲覧度合いを算出する。
閲覧度合い＝（ａ１×Ｈ１）＋（ａ２×Ｈ２）＋（ａ３×Ｈ３）＋ｂ×Ｃ
ここで、Ｈ１、Ｈ２、Ｈ３は、所定のジャンルの３つのコンテンツそれぞれを閲覧した時間、ａ１、ａ２、ａ３は、ユーザＵ１が３つのコンテンツそれぞれを閲覧中の集中度又は満足度に対応する係数である。Ｃは、当該ジャンルのコンテンツの閲覧回数であり、ｂは係数である。

【0064】

ユーザＵ１は、閲覧コンテンツの閲覧中に目が離れる時間及び身体の動きが少ないほど、閲覧コンテンツに集中していると考えられる。一方、ユーザＵ１が興味のない閲覧コンテンツの閲覧中には落ち着きがなくなり、視線が閲覧コンテンツから離れる時間（Ｌ）と身体の動きが所定の量以上になる時間（Ｍ）が長くなると考えられる。そこで、取得部１３１は、閲覧度合いと、ユーザＵ１の不満の度合いに基づいて、ユーザＵ１の所定のジャンルの閲覧コンテンツに対する関心度を特定してもよい。

【0065】

具体的には、特定部１３２は、長さ又は回数の少なくともいずれかに基づいて決定される閲覧度合いから、集中度又は満足度の少なくともいずれかに基づいて決定される不満度合いを減算することにより決定した関心度が相対的に高いという所定の条件を満たす一以上の閲覧コンテンツを特定してもよい。関心度は、例えば以下の式により算出される。
関心度＝閲覧度合い－不満度合い＝閲覧度度合い－（ｃ×Ｌ＋ｄ×Ｍ）
ここで、ｃ、ｄは所定の係数である。

【0066】

決定部１３３は、推薦用データベースにおいて特定部１３２が特定した一以上の閲覧コンテンツの種別に関連付けられた習い事候補を選択することにより、ユーザＵ１に推薦する習い事を決定する。決定部１３３は、通信部１１を介して、決定した習い事を分析端末３に通知する。決定部１３３は、特定部１３２が特定した閲覧コンテンツの種別が「野球」である場合、図４に示すコンテンツジャンル「野球」に対応する習い事推薦度が所定の閾値（例えば５）以上の習い事候補である「野球」と「サッカー」を推薦することに決定する。所定の閾値は、分析端末３を介してユーザＵ２により設定された値であってもよく、情報処理装置１を使用してサービスを提供する事業者により設定された値であってもよく、情報処理装置１の製造時に設定された値であってもよい。

【0067】

決定部１３３は、習い事推薦度に関連付けて、推薦する複数の習い事を分析端末３に通知してもよい。決定部１３３は、習い事推薦度が大きい順に並べた状態で、推薦する複数の習い事を分析端末３に通知してもよい。

【0068】

ところで、ユーザＵ１が習い事を継続できる期間は、ユーザＵ１の閲覧コンテンツへの関心度以外の要素にも左右される。ユーザＵ１が習い事を継続できる期間は、例えば、ユーザＵ２の行動又は嗜好の傾向、習い事に要する費用とユーザＵ２の金銭余裕度との関係、又は習い事をするために必要な移動距離等によって左右される。そこで、決定部１３３は、これらの要素にさらに基づいて推薦する習い事を決定してもよい。

【0069】

決定部１３３は、例えば、推薦用データベースにおいて活動傾向データが示す活動傾向に関連付けられた習い事候補にさらに基づいてユーザＵ１に推薦する習い事を決定する。決定部１３３は、例えば、ユーザＵ２にスポーツを観戦する機会が多い傾向がある場合、スポーツに関連する習い事を優先的に推薦する。決定部１３３は、ユーザＵ２がコンサートに行く機会が多い傾向がある場合、音楽に関連する習い事を優先的に推薦する。同様に、決定部１３３は、ユーザＵ２がテレビでスポーツ番組を視聴する傾向が強い場合、スポーツに関連するＳＮＳ又はウェブサイトにアクセスする傾向が強い場合、スポーツに関する話題をメールでやり取りする傾向が強い場合、スポーツに関連する習い事を優先的に推薦する。

【0070】

図７は、ユーザＵ２の活動傾向の例を示す図である。図７における〇は、父親又は母親が行う機会が比較的多い活動を示している。図７（ａ）に示す父親はサッカーに強い関心があり、母親はスケートに強い関心がある。このような場合、決定部１３３は、サッカー又はスケートを優先的に推薦することを決定する。図７（ｂ）に示す父親は合唱に強い関心があり、母親はピアノと合唱に強い関心がある。このような場合、決定部１３３は、ピアノ又は合唱を優先的に推薦することを決定する。

【0071】

活動傾向は、父親と母親の活動傾向を統合して両親活動傾向値として算出されてもよい。一例として、決定部１３３は、以下の式により習い事のジャンルごとに両親活動傾向値を算出する。
両親活動傾向値＝ｅ×父親活動量＋ｆ×母親活動量＋ｇ×父親の過去の活動量＋ｈ×母親の過去の活動量

【0072】

上記の式において、ｅ、ｆ、ｇ、ｈは係数である。活動量は、例えば、図７において〇がついている場合に１点、〇がついていない場合に０点とするが、活動量に応じて複数の点数により表されてもよい。決定部１３３は、両親活動傾向値が大きいジャンルの習い事を優先的に推薦することに決定する。

【0073】

決定部１３３は、推薦用データベースにおいて余裕度データが示す金銭余裕度に関連付けられた習い事候補にさらに基づいてユーザＵ１に推薦する習い事を決定してもよい。決定部１３３は、例えば、特定部１３２が特定した一以上の閲覧コンテンツの種別に基づいて、複数の習い事候補を仮決定する。このような場合、仮決定した複数の習い事候補のうち、ユーザＵ２の金銭余裕度に合っていない習い事候補を推薦しないようにする。

【0074】

一例として、決定部１３３が、特定部１３２が特定した一以上の閲覧コンテンツの種別に基づいてサッカーとスケートを習い事候補に仮決定したとする。図５に示すようにサッカーを習うために要する年間費用が１０万円であるのに対して、スケートを習うために要する年間費用は６６万円である。ユーザＵ２の金銭余裕度が大きく、年収から生活費を差し引いた額が６６万円よりも大きい場合、決定部１３３は、サッカーとスケートの両方を推薦することに決定する。ユーザＵ２の金銭余裕度が小さく、年収から生活費を差し引いた額が６６万円よりも小さい場合、決定部１３３は、サッカーを推薦し、スケートを推薦しないことに決定する。決定部１３３がこのように動作することで、ユーザＵ２に金銭的な余裕がないことが原因で継続が困難になる習い事が推薦されることを防げる。

【0075】

ところで、自宅から習い事をする場所が遠く、移動に長時間を要する場合、習い事を継続することが困難になり得る。そこで、決定部１３３は、ユーザＵ１の自宅から習い事をする場所までの距離又は移動に要する時間に基づいて、推薦する習い事を決定してもよい。一例として、決定部１３３が、特定部１３２が特定した一以上の閲覧コンテンツの種別に基づいてサッカー、スケート、ピアノ、歌を習い事候補に仮決定したとする。図５に示すように、サッカーと歌は徒歩により習い事に通うことができる。このような場合、決定部１３３は、サッカーと歌を優先的に推薦する。

【0076】

また、決定部１３３は、ユーザＵ１からの距離又は移動に要する時間が閾値以内の習い事をできる場所に、適切なコーチがいるか否かといった環境の良好度に基づいて、推薦する習い事を決定してもよい。一例として、決定部１３３は、ユーザＵ１からの距離又は移動に要する時間が第１閾値以内であり、かつ環境の良好度が第２閾値以上である場合に、推薦する対象の習い事とする。

【0077】

［情報処理装置１における処理の流れ］
図８は、情報処理装置１における処理の流れを示すフローチャートである。図８に示すフローチャートは、コンテンツ提供部１３０がユーザＵ１に閲覧コンテンツを提供した後に開始している。

【0078】

取得部１３１は、ユーザＵ１が閲覧コンテンツの閲覧を開始したこと、又は閲覧を終了したことを示す実績データを閲覧端末２から取得する（Ｓ１）。特定部１３２は、実績データが示す閲覧の時間の長さ、回数、閲覧中の集中度、満足度の少なくともいずれかに基づいて特定されるユーザＵ１の関心度が閾値Ｔａ１以上であるといった所定の条件を満たす閲覧コンテンツを特定する（Ｓ２）。

【0079】

決定部１３３は、推薦用データベースを参照することにより、特定部１３２が特定した閲覧コンテンツの種別に基づいて、推薦する習い事の候補を仮に１つ選択する（Ｓ３）。決定部１３３は、ユーザＵ２の金銭余裕度が、仮に選択した習い事に対する閾値Ｔｂ１以上であるか否かを判定する（Ｓ４）。決定部１３３は、金銭余裕度が閾値Ｔｂ１以上である場合（Ｓ４においてＹＥＳ）、Ｓ７に進む。

【0080】

決定部１３３は、金銭余裕度が閾値Ｔｂ１未満であり、かつ閾値Ｔｂ２以上である場合（Ｓ５においてＹＥＳ）、関心度が閾値Ｔａ１よりも大きい閾値Ｔａ２以上であるか否かを判定する（Ｓ６）。決定部１３３は、関心度が閾値Ｔａ２以上であると判定した場合（Ｓ６においてＹＥＳ）、金銭余裕度があまり大きくないとしても、関心度が十分に高いことから、Ｓ７に進む。

【0081】

決定部１３３は、Ｓ７において、自宅から習い事をする場所までの距離又は移動時間に基づいて、候補の習い事をする場所まで通いやすいか否かを判定する（Ｓ７）。決定部１３３は、通いやすいと判定した場合（Ｓ７においてＹＥＳ）、仮に選択した習い事の候補を推薦することに決定する（Ｓ８）。決定部１３３は、Ｓ５、Ｓ６、Ｓ７においてＮＯと判定した場合、仮に選択した候補の習い事を推薦しないことに決定する（Ｓ９）。

【0082】

決定部１３３は、他に習い事の候補がある場合（Ｓ１０においてＹＥＳ）、Ｓ４からＳ９までの処理を繰り返す。決定部１３３は、他に習い事の候補がない場合（Ｓ１０においてＮＯ）、処理を終了する。

【0083】

［変形例］
以上の説明においては、制御部１３は推薦用テーブルを参照することにより、ユーザＵ１又はユーザＵ２に関する各種の要素に基づいて、推薦する習い事を決定したが、制御部１３は機械学習モデルを用いることにより、推薦する習い事を決定してもよい。

【0084】

決定部１３３は、例えば、実績データを機械学習モデルに入力することによって機械学習モデルから出力される、一以上の習い事の内容と当該習い事の予想継続期間とに基づいて、所定の期間以上にわたって継続する蓋然性が相対的に高い習い事を、ユーザＵ１に推薦する習い事に決定してもよい。実績データにおいては、例えば、ユーザＵ１が閲覧した閲覧コンテンツと、閲覧時間と、閲覧回数とが関連付けられている。実績データは、集中度又は満足度を含んでもよい。実績データは、ユーザＵ１が閲覧中のユーザＵ１の表情が撮影された撮像画像データであってもよい。

【0085】

この機械学習モデルは、複数の人が複数の閲覧コンテンツそれぞれを閲覧した実績を示す学習用実績データと、複数の人それぞれが継続した習い事の内容を示す内容データと、当該習い事を継続した期間を示す期間データと、を教師データとして機械学習することにより作成された機械学習モデルである。このような機械学習モデルは、実績データが入力されると、入力された実績データと同様の傾向の実績があった他のユーザＵ１が習い事を継続した期間として確からしい期間を出力することができる。したがって、決定部１３３は、このような機械学習モデルを利用することで、ユーザＵ１が長く継続する蓋然性が高い習い事を選択しやすくなる。

【0086】

機械学習モデルは、実績データに加えて、活動傾向データ、金銭余裕度、習い事をできる場所までの通いやすさ（すなわち距離又は移動時間）等も教師データとして用いて学習することにより作成されていてもよい。この場合、決定部１３３は、当該機械学習モデルに、実績データに加えて、活動傾向データ、金銭余裕度、習い事をできる場所までの通いやすさを入力する。決定部１３３がこのような機械学習モデルを使用することで、ユーザＵ１が長く継続できる習い事を選択できる確率がさらに高まる。

【0087】

機械学習モデルは、複数の人が複数の閲覧コンテンツそれぞれを閲覧した実績を示す学習用実績データと、複数の人それぞれが所定の期間以上にわたって継続した習い事の内容を示す習い事データとを教師データとして機械学習することにより作成された機械学習モデルであってもよい。所定の期間は、ユーザＵ２により設定された期間又は情報処理装置１を使用してサービスを提供する事業者により決定された期間であり、例えば３年である。

【0088】

決定部１３３は、この機械学習モデルに実績データを入力することにより機械学習モデルから出力される、所定の期間以上にわたってユーザＵ１が継続する蓋然性が相対的に高い習い事を、ユーザＵ１に推薦する習い事に決定してもよい。決定部１３３がこのような機械学習モデルを使用することで、所定の期間以上にわたってユーザＵ１が継続できる習い事を選択できる確率が高まる。なお、この機械学習モデルも、実績データに加えて、活動傾向データ、金銭余裕度、習い事をできる場所までの通いやすさ（すなわち距離又は移動時間）等も教師データとして用いて学習することにより作成されていてもよい。

【0089】

［情報処理装置１による効果］
以上説明したように、情報処理装置１においては、特定部１３２が、ユーザＵ１が閲覧コンテンツを閲覧した実績を示す実績データが所定の条件を満たす一以上の閲覧コンテンツを特定し、決定部１３３が、一以上の閲覧コンテンツの種別に基づいて、ユーザＵ１に推薦する習い事を決定する。情報処理装置１がこのように構成されていることで、ユーザＵ１が自分に関心がある習い事が何であるかを判断できない幼児であるとしても、ユーザＵ１に適した習い事を情報処理装置１が推薦できる確率が高まる。

【0090】

なお、本発明により、国連が主導する持続可能な開発目標（SDGs）の目標９「産業と技術革新の基盤をつくろう」に貢献することが可能となる。

【0091】

以上、本発明を実施の形態を用いて説明したが、本発明の技術的範囲は上記実施の形態に記載の範囲には限定されず、その要旨の範囲内で種々の変形及び変更が可能である。例えば、装置の全部又は一部は、任意の単位で機能的又は物理的に分散・統合して構成することができる。また、複数の実施の形態の任意の組み合わせによって生じる新たな実施の形態も、本発明の実施の形態に含まれる。組み合わせによって生じる新たな実施の形態の効果は、もとの実施の形態の効果を併せ持つ。

【符号の説明】

【0092】

１ 情報処理装置
２ 閲覧端末
３ 分析端末
１１ 通信部
１２ 記憶部
１３ 制御部
１３０ コンテンツ提供部
１３１ 取得部
１３２ 特定部
１３３ 決定部

【図1】

【図2】

【図3】

【図4】

【図5】

【図6】

【図7】

【図8】