ホーム > 特許ランキング > ＬＩＮＥヤフー株式会社
知財求人 - 知財ポータルサイト「IP Force」
(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】P2024012834
(43)【公開日】2024-01-31
(54)【発明の名称】情報処理装置、情報処理方法及び情報処理プログラム
(51)【国際特許分類】
G06Q 30/0242 20230101AFI20240124BHJP
【ＦＩ】
G06Q30/02 382
【審査請求】未請求
【請求項の数】10
【出願形態】ＯＬ
(21)【出願番号】P 2022114581
(22)【出願日】2022-07-19
(71)【出願人】
【識別番号】500257300
【氏名又は名称】ＬＩＮＥ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】中辻 一浩
(72)【発明者】
【氏名】田中 祐介
(72)【発明者】
【氏名】ジ ソン
(72)【発明者】
【氏名】山本 和仁
【テーマコード（参考）】
5L049
【Ｆターム（参考）】
5L049BB08
(57)【要約】
【課題】検索広告のデータベースから機械学習でモデルを作成し、おすすめワードを予測する。
【解決手段】本願に係る情報処理装置は、広告の文章をワード又はフレーズ単位で形態素解析する解析部と、ワード又はフレーズ単位でＣＴＲ又はＣＶＲを抽出する抽出部と、抽出されたＣＴＲ又はＣＶＲに基づいて、ワード又はフレーズごとの広告効率を推定する推定部と、を備える。さらに、情報処理装置は、ワード又はフレーズごとのＣＴＲ又はＣＶＲの予測に基づき、広告のＴＤの改善を提案する提供部を備える。
【選択図】図１
【解決手段】本願に係る情報処理装置は、広告の文章をワード又はフレーズ単位で形態素解析する解析部と、ワード又はフレーズ単位でＣＴＲ又はＣＶＲを抽出する抽出部と、抽出されたＣＴＲ又はＣＶＲに基づいて、ワード又はフレーズごとの広告効率を推定する推定部と、を備える。さらに、情報処理装置は、ワード又はフレーズごとのＣＴＲ又はＣＶＲの予測に基づき、広告のＴＤの改善を提案する提供部を備える。
【選択図】図１
【特許請求の範囲】
【請求項1】
広告の文章をワード又はフレーズ単位で形態素解析する解析部と、
ワード又はフレーズ単位でＣＴＲ又はＣＶＲを抽出する抽出部と、
抽出されたＣＴＲ又はＣＶＲに基づいて、ワード又はフレーズごとの広告効率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。
ワード又はフレーズ単位でＣＴＲ又はＣＶＲを抽出する抽出部と、
抽出されたＣＴＲ又はＣＶＲに基づいて、ワード又はフレーズごとの広告効率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】
ワード又はフレーズごとのＣＴＲ又はＣＶＲの予測に基づき、広告のＴＤの改善を提案する提供部と、
をさらに備えることを特徴とする請求項１に記載の情報処理装置。
をさらに備え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】
前記抽出部は、広告のＣＴＲ又はＣＶＲが高いほど、前記広告に含まれるワード又はフレーズに高いスコアを付与し、
前記提供部は、ワード又はフレーズごとのスコアに基づく情報を提供する
ことを特徴とする請求項２に記載の情報処理装置。
前記提供部は、ワード又はフレーズごとのスコアに基づく情報を提供する
ことを特徴とする請求項２に記載の情報処理装置。
【請求項4】
前記提供部は、ワード又はフレーズごとのスコアに基づき、ワード又はフレーズをランキング形式で提示する
ことを特徴とする請求項３に記載の情報処理装置。
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】
広告をカテゴリごとに分類してデータベースに蓄積する分類部と、
広告のカテゴリの指定を受け付ける受付部と、
をさらに備え、
前記解析部は、指定されたカテゴリの広告を前記データベースから抽出し、抽出された広告の文章をワード又はフレーズ単位で形態素解析し、
前記抽出部は、ワード又はフレーズ単位でＣＴＲ又はＣＶＲを抽出し、
前記推定部は、抽出されたＣＴＲ又はＣＶＲに基づいて、機械学習で広告効率の良いワード又はフレーズを予測し、
前記提供部は、ワード又はフレーズごとのＣＴＲ又はＣＶＲの予測に基づき、指定されたカテゴリの広告のＴＤの改善を提案する
ことを特徴とする請求項２に記載の情報処理装置。
広告のカテゴリの指定を受け付ける受付部と、
をさらに備え、
前記解析部は、指定されたカテゴリの広告を前記データベースから抽出し、抽出された広告の文章をワード又はフレーズ単位で形態素解析し、
前記抽出部は、ワード又はフレーズ単位でＣＴＲ又はＣＶＲを抽出し、
前記推定部は、抽出されたＣＴＲ又はＣＶＲに基づいて、機械学習で広告効率の良いワード又はフレーズを予測し、
前記提供部は、ワード又はフレーズごとのＣＴＲ又はＣＶＲの予測に基づき、指定されたカテゴリの広告のＴＤの改善を提案する
ことを特徴とする請求項２に記載の情報処理装置。
【請求項6】
前記抽出部は、機械学習により、広告のＣＴＲ又はＣＶＲが高いほど、前記広告に含まれるワード又はフレーズに高いスコアを出力するモデルを生成し、指定されたカテゴリの広告に含まれるワード又はフレーズを前記モデルに入力することで、スコアを算出する
ことを特徴とする請求項５に記載の情報処理装置。
ことを特徴とする請求項５に記載の情報処理装置。
【請求項7】
前記提供部は、ワード又はフレーズごとのＣＴＲ又はＣＶＲの予測に基づき、広告のＴＤを自動的に変更する
ことを特徴とする請求項２に記載の情報処理装置。
ことを特徴とする請求項２に記載の情報処理装置。
【請求項8】
前記解析部は、ＤＯＣ２ＶＥＣにより、広告の文章をベクトル化し、
前記抽出部は、前記文章のベクトルからＣＴＲ又はＣＶＲを予測する
ことを特徴とする請求項１に記載の情報処理装置。
前記抽出部は、前記文章のベクトルからＣＴＲ又はＣＶＲを予測する
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9】
情報処理装置が実行する情報処理方法であって、
広告の文章をワード又はフレーズ単位で形態素解析する解析工程と、
ワード又はフレーズ単位でＣＴＲ又はＣＶＲを抽出する抽出工程と、
抽出されたＣＴＲ又はＣＶＲに基づいて、ワード又はフレーズごとの広告効率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。
広告の文章をワード又はフレーズ単位で形態素解析する解析工程と、
ワード又はフレーズ単位でＣＴＲ又はＣＶＲを抽出する抽出工程と、
抽出されたＣＴＲ又はＣＶＲに基づいて、ワード又はフレーズごとの広告効率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】
広告の文章をワード又はフレーズ単位で形態素解析する解析手順と、
ワード又はフレーズ単位でＣＴＲ又はＣＶＲを抽出する抽出手順と、
抽出されたＣＴＲ又はＣＶＲに基づいて、ワード又はフレーズごとの広告効率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。
ワード又はフレーズ単位でＣＴＲ又はＣＶＲを抽出する抽出手順と、
抽出されたＣＴＲ又はＣＶＲに基づいて、ワード又はフレーズごとの広告効率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、情報処理方法及び情報処理プログラムに関する。
【背景技術】
【0002】
広告の内容に合わせて、ユーザのクリック率が高いと判断される広告を適正に選択でき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２０１８－０３７０７０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、記事に出現する単語の出現傾向の類似性など、記事の内容に即して記事をグループ化し、記事クラスタ毎に、過去に記事に付与された広告、および広告の収益性情報とから構成される広告情報を関連付けて記憶し、指定された記事について、特定された記事クラスタに関連する広告、および記事に出現する単語からキーワードを選定し、選定されたキーワードに関連する広告を取得し、記事クラスタ特定手段により特定された、指定された記事の記事クラスタに関して、記事広告データベースに記憶されている広告の収益性情報に基づいて、収益性が高い広告程、選択確率が高くなるように、取得された広告から推薦広告を選定しているにすぎない。広告自体に限らず、広告に含まれる個々のキーワードによる広告効果を評価することができれば、広告配信の効果をより向上させることが期待できる。
【0005】
本願は、上記に鑑みてなされたものであって、検索広告のデータベースから機械学習でモデルを作成し、おすすめワードを予測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、広告の文章をワード又はフレーズ単位で形態素解析する解析部と、ワード又はフレーズ単位でＣＴＲ又はＣＶＲを抽出する抽出部と、抽出されたＣＴＲ又はＣＶＲに基づいて、ワード又はフレーズごとの広告効率を推定する推定部と、を備えることを特徴とする。
【発明の効果】
【0007】
実施形態の一態様によれば、検索広告のデータベースから機械学習でモデルを作成し、おすすめワードを予測することができる。
【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、情報処理方法及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」と記載する）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、情報処理方法及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。
【0010】
〔１．情報処理方法の概要〕
まず、図１を参照し、実施形態に係る情報処理装置が行う情報処理方法の概要について説明する。図１は、実施形態に係る情報処理方法の概要を示す説明図である。なお、図１では、検索広告のデータベースから機械学習でモデルを作成し、おすすめワードを予測する場合を例に挙げて説明する。
まず、図１を参照し、実施形態に係る情報処理装置が行う情報処理方法の概要について説明する。図１は、実施形態に係る情報処理方法の概要を示す説明図である。なお、図１では、検索広告のデータベースから機械学習でモデルを作成し、おすすめワードを予測する場合を例に挙げて説明する。
【0011】
図１に示すように、情報処理システム１は、端末装置１０とサーバ装置１００とを含む。端末装置１０とサーバ装置１００とは、ネットワークＮ（図４参照）を介して有線又は無線で互いに通信可能に接続される。本実施形態では、端末装置１０は、サーバ装置１００と連携する。
【0012】
端末装置１０は、利用者Ｕ（ユーザ）により使用されるスマートフォンやタブレット端末等のスマートデバイスであり、４Ｇ（Generation）やＬＴＥ（Long Term Evolution）等の無線通信網を介して任意のサーバ装置と通信を行うことができる携帯端末装置である。また、端末装置１０は、液晶ディスプレイ等の画面であって、タッチパネルの機能を有する画面を有し、利用者Ｕから指やスタイラス等によりタップ操作、スライド操作、スクロール操作等、コンテンツ等の表示データに対する各種の操作を受付ける。なお、画面のうち、コンテンツが表示されている領域上で行われた操作を、コンテンツに対する操作としてもよい。また、端末装置１０は、スマートデバイスのみならず、デスクトップＰＣ（Personal Computer）やノートＰＣ等の情報処理装置であってもよい。
【0013】
サーバ装置１００は、各利用者Ｕの端末装置１０と連携し、各利用者Ｕの端末装置１０に対して、各種アプリケーション（以下、アプリ）等に対するＡＰＩ（Application Programming Interface）サービス等と、各種データを提供する情報処理装置であり、コンピュータやクラウドシステム等により実現される。
【0014】
また、サーバ装置１００は、各利用者Ｕの端末装置１０に対して、オンラインで何らかのＷｅｂサービスを提供する情報処理装置であってもよい。例えば、サーバ装置１００は、Ｗｅｂサービスとして、インターネット接続、検索サービス、ＳＮＳ（Social Networking Service）、電子商取引（ＥＣ：Electronic Commerce）、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、天気予報等のサービスを提供してもよい。実際には、サーバ装置１００は、上記のようなＷｅｂサービスを提供する各種サーバと連携し、Ｗｅｂサービスを仲介してもよいし、Ｗｅｂサービスの処理を担当してもよい。
【0015】
なお、サーバ装置１００は、利用者Ｕに関する利用者情報を取得可能である。例えば、サーバ装置１００は、利用者Ｕの性別、年代、居住地域といった利用者Ｕの属性に関する情報を取得する。そして、サーバ装置１００は、利用者Ｕを示す識別情報（利用者ＩＤ等）とともに利用者Ｕの属性に関する情報を記憶して管理する。
【0016】
また、サーバ装置１００は、利用者Ｕの端末装置１０から、あるいは利用者ＩＤ等に基づいて各種サーバ等から、利用者Ｕの行動を示す各種の履歴情報（ログデータ）を取得する。例えば、サーバ装置１００は、利用者Ｕの位置や日時の履歴である位置履歴を端末装置１０から取得する。また、サーバ装置１００は、利用者Ｕが入力した検索クエリの履歴である検索履歴を検索サーバ（検索エンジン）から取得する。また、サーバ装置１００は、利用者Ｕが閲覧したコンテンツの履歴である閲覧履歴をコンテンツサーバから取得する。また、サーバ装置１００は、利用者Ｕの商品購入や決済処理の履歴である購入履歴（決済履歴）を電子商取引サーバや決済処理サーバから取得する。また、サーバ装置１００は、利用者Ｕのマーケットプレイスへの出品の履歴である出品履歴や販売履歴を電子商取引サーバや決済処理サーバから取得してもよい。また、サーバ装置１００は、利用者Ｕの投稿の履歴である投稿履歴を口コミの投稿サービスを提供する投稿サーバやＳＮＳサーバから取得する。なお、上記の各種サーバ等は、サーバ装置１００自体であってもよい。すなわち、サーバ装置１００が上記の各種サーバ等として機能してもよい。
【0017】
〔１－１．広告文章作成サポート〕
本実施形態では、図１に示すように、サーバ装置１００は、検索広告のデータベースから機械学習でモデルを作成し、おすすめワードを予測する。具体的には、図２に示すように、サーバ装置１００は、検索広告のワード単位に形態素解析し、ＣＴＲ（Click Through Rate：クリック率）又はＣＶＲ（Conversion Rate：コンバージョン率）を抽出して、機械学習で効率の良いワード／フレーズを予測する。図２は、形態素解析と予測結果の概要を示す説明図である。
本実施形態では、図１に示すように、サーバ装置１００は、検索広告のデータベースから機械学習でモデルを作成し、おすすめワードを予測する。具体的には、図２に示すように、サーバ装置１００は、検索広告のワード単位に形態素解析し、ＣＴＲ（Click Through Rate：クリック率）又はＣＶＲ（Conversion Rate：コンバージョン率）を抽出して、機械学習で効率の良いワード／フレーズを予測する。図２は、形態素解析と予測結果の概要を示す説明図である。
【0018】
【0019】
例えば、図３に示すように、サーバ装置１００は、配信済み広告をカテゴリごとに分類してデータベースに蓄積する（ステップＳ１）。なお、広告は、商品広告、ブランド広告、企業広告、ＣＳＲ（Corporate Social Responsibility）広告等であってもよい。広告のカテゴリについては、広告の掲載内容によって分類してもよいし、広告の種類によって分類してもよいし、広告目的によって分類してもよいし、広告媒体によって分類してもよい。
【0020】
例えば、広告の種類として、Ｗｅｂ・インターネット広告、ヒューマン広告、マスメディア広告、セールスプロモーション広告（ＳＰ）等が知られている。Ｗｅｂ・インターネット広告の種類として、メール広告、ディスプレイ広告（バナー広告）、リターゲティング広告、リスティング広告（検索連動型広告）、ポップアップ広告、ネイティブ広告、ＳＮＳ広告、動画広告等がある。ヒューマン広告の種類として、アフィリエイト広告、インフルエンサー広告、ライブ配信広告等がある。マスメディア広告の種類として、テレビ広告（ＣＭ）、新聞広告、雑誌広告、ラジオ広告等がある。セールスプロモーション広告（ＳＰ）の種類として、チラシ広告、交通広告、屋外広告・ＯＯＨ（OUT OF HOME）広告、ＤＭ（ダイレクトメール）広告・同封・同梱広告、イベントプロモーション等がある。
【0021】
続いて、サーバ装置１００は、カテゴリごとに、配信済み広告について広告効果を推定する（ステップＳ２）。例えば、サーバ装置１００は、広告のＣＴＲ又はＣＶＲが高いほど、広告効果が高いと推定する。なお、実際には、ＣＴＲ又はＣＶＲに限らず、ＣＴＶＲであってもよい。ＣＴＶＲは、広告のクリック率（ＣＴＲ）とコンバージョン率（ＣＶＲ）をかけ合わせたものである（ＣＴＶＲ＝ＣＴＲ×ＣＶＲ）。すなわち、ＣＴＲ又はＣＶＲに限らず、広告又はクリック等を評価する何らかの指標であってもよい。本実施形態では、ＣＴＲ又はＣＶＲを例に説明する。
【0022】
続いて、サーバ装置１００は、ネットワークＮ（図４参照）を介して、不特定多数の利用者Ｕ（ユーザ）のうち、広告主である利用者Ｕから、特定のカテゴリを示すキーワード（ＫＷ）の指定を受け付ける（ステップＳ３）。例えば、サーバ装置１００は、広告主である利用者Ｕの端末装置１０から、利用者Ｕにより入力された特定のカテゴリを示すキーワード（ＫＷ）を受信する。なお、キーワードは、検索クエリであってもよい。
【0023】
なお、キーワードは複数であってもよい。例えば、サーバ装置１００は、広告のカテゴリとして、広告の掲載内容、広告の種類、広告目的、及び広告媒体のそれぞれに関するキーワードの指定を受け付けてもよい。
【0024】
また、実際には、サーバ装置１００は、キーワードを直接入力とせず、カテゴリのリストの中から任意のキーワードを選択させるようにしてもよい。この場合、選択されたキーワードが、指定されたキーワードとなる。
【0025】
続いて、サーバ装置１００は、指定されたキーワードに該当するカテゴリの広告をデータベースから抽出する（ステップＳ４）。
【0026】
続いて、サーバ装置１００は、自然言語処理（ＮＬＰ：Natural Language Processing）により、抽出された広告に含まれる文字列（タイトル、説明文等）を形態素解析し、ワード／フレーズを抽出する（ステップＳ５）。このとき、サーバ装置１００は、広告の文章をワード又はフレーズ単位で形態素解析する。なお、実際には、サーバ装置１００は、形態素解析に限らず、構文解析、意味解析、文脈解析を行ってもよい。
【0027】
続いて、サーバ装置１００は、抽出されたワード／フレーズを含む広告のＣＴＲ（Click Through Rate：クリック率）やＣＶＲ（Conversion Rate：コンバージョン率）に応じて、広告に含まれるワード／フレーズのスコアを付与する（ステップＳ６）。このとき、サーバ装置１００は、ワード又はフレーズ単位でＣＴＲ又はＣＶＲを抽出する。例えば、サーバ装置１００は、抽出されたワード／フレーズを含む広告のＣＴＲやＣＶＲが高いほど、高いスコアをワード／フレーズに付与する。なお、スコアは、ＣＴＲ又はＣＶＲに基づくスコアであってもよい。ＣＴＲ又はＣＶＲに基づくスコアは、百分率（％）で表現されるとは限らない。
【0028】
本実施形態では、サーバ装置１００は、ＤＯＣ２ＶＥＣにより、広告に含まれる文字列をベクトル化し、ベクトル（ドキュメントベクトル）からＣＴＲ又はＣＶＲを予測する。Ｄｏｃ２Ｖｅｃは任意の長さの文章を固定長のベクトルに変換する技術である。これにより、サーバ装置１００は、ワード／フレーズごとにＣＴＲ又はＣＶＲを予測することができる。
【0029】
このとき、サーバ装置１００は、カテゴリごとに、ワード／フレーズ、及び／又はそれらの組み合わせごとのスコアを算出する。また、サーバ装置１００は、ワード／フレーズごとに算出されたスコアの集計値（合算値）、平均値又は中央値を、そのワード／フレーズのスコアとしてもよい。なお、異なるカテゴリに同一のワード／フレーズが分類されている場合、カテゴリごとに個別にワード／フレーズのスコアを算出する。すなわち、同一のワード／フレーズであっても、カテゴリが異なれば別のワード／フレーズとして、個別にスコアを算出する。
【0030】
また、サーバ装置１００は、機械学習により、スコアを算出するためのモデルを生成する。例えば、サーバ装置１００は、カテゴリの広告に含まれる文字列を形態素解析し、ワード／フレーズを抽出し、抽出されたワード／フレーズを入力した際に、そのワード／フレーズを含む広告のＣＴＲやＣＶＲが高いほど、高いスコアを出力するようにモデルを学習しておく。そして、サーバ装置１００は、指定された検索クエリ（特定のカテゴリを示すキーワード）と対応する広告に含まれるワード／フレーズをモデルに入力することで、スコアを算出する。
【0031】
機械学習の手法については、ディープラーニング（Deep learning：深層学習）、ＲＮＮ（Recurrent Neural Network）又はＬＳＴＭ（Long Short Term Memory）等を用いてもよい。なお、これらは一例であり、これらの例に限定されるものではない。
【0032】
続いて、サーバ装置１００は、カテゴリを指定した利用者Ｕの端末装置１０に対して、ネットワークＮ（図４参照）を介して、指定されたカテゴリの広告に含まれるワード／フレーズと、それらの単体又は組み合わせごとのスコアに応じた情報を提供する（ステップＳ７）。さらに、サーバ装置１００は、推定された広告効果に関する情報を提供してもよい。
【0033】
このとき、サーバ装置１００は、ワード又はフレーズ単位で抽出されたＣＴＲ又はＣＶＲに基づいて、機械学習でワード又はフレーズごとの広告効率を推定し、広告効率の良いワード又はフレーズを予測する。すなわち、広告効率の良いワード又はフレーズとは、ＣＴＲ又はＣＶＲが高いワード又はフレーズである。例えば、サーバ装置１００は機械学習により、ワード又はフレーズごとのＣＴＲ又はＣＶＲを予測し、ＣＴＲ又はＣＶＲの高い順に並べる。また、サーバ装置１００は、ワード又はフレーズごとのＣＴＲ又はＣＶＲの予測に基づき、広告のＴＤ（タイトル＆ディスクリプション：広告文のタイトルと説明文）の最適化や改善を提案する。また、サーバ装置１００は、ワード又はフレーズごとのスコアに基づき、ワード又はフレーズをランキング形式で提示してもよい。さらに、図２に示すように、サーバ装置１００は、ＣＴＲ又はＣＶＲを上げる要素の掲載順位（出稿金額）を学習から外すための係数（補正係数）を抽出又は算出してもよい。入力されたキーワードやＴＤによって補正係数は変動する。なお、実際には、サーバ装置１００は、ワード又はフレーズ単位に限らず／に加えて、広告文全体と広告のＣＴＲ又はＣＶＲとに基づいて、広告効率を推定してもよい。
【0034】
本実施形態では、サーバ装置１００は、広告主が広告を入稿する際に検索クエリを入力すると、ＣＴＲ順やＣＶＲ順で、効果的なワード／フレーズを、広告効果の高さの順に出力する。例えば、サーバ装置１００は、「冷蔵庫」が検索クエリの場合に、「急速冷凍」、「冷凍庫が大きい」等のワード／フレーズを、広告効果の高さの順に出力する。
【0035】
また、サーバ装置１００は、入力された検索クエリと対応する広告の配信履歴から、キーワード（ＫＷ）ごとの広告効果を推定する。また、サーバ装置１００は、検索クエリと対応するグループの推定結果を提供する。また、サーバ装置１００は、キーワードごとの広告効果について、過去１週間の実績を評価する。
【0036】
なお、サーバ装置１００は、ワード／フレーズに限らず、広告文自体をスコアリングすることもできる。また、サーバ装置１００は、ワード／フレーズごとのスコアに基づいて、広告に含まれるワード／フレーズを自動的に、より高いスコアになるように変更してもよい。例えば、サーバ装置１００は、広告に含まれるワード／フレーズを自動的に、よりスコアの高いワード／フレーズに変更してもよい。
【0037】
また、サーバ装置１００は、広告文について、広告文章らしさ（広告の文章としての適切さ）をスコアリングしてもよい。例えば、サーバ装置１００は、広告の文体としてのスコアを算出してもよい。また、サーバ装置１００は、広告文について、文章の長さをスコアリングしてもよい。
【0038】
また、サーバ装置１００は、画像の傾向、文字の装飾の傾向などについても、傾向ごとにランキングを生成して提供してもよい。また、サーバ装置１００は、ワード／フレーズの適切な組み合わせについて提供してもよい。
【0039】
このように、本実施形態では、サーバ装置１００は、入力された検索クエリと対応する広告の配信履歴から、キーワードごとの広告効果を推定し、推定された広告効果を示す情報を提供する。
【0040】
また、サーバ装置１００は、スコアリングモデルとして、例えば、広告文のワード／フレーズを入力した際に、そのワード／フレーズを含む広告のＣＴＲ又はＣＶＲが高いほどより高い値のスコアを出力するように学習されたモデルを用いる。
【0041】
これにより、本実施形態では、広告文のワード／フレーズごとにＣＴＲ又はＣＶＲを予測することができ、広告のＴＤの最適化や改善に利用できる。
【0042】
〔２．情報処理システムの構成例〕
次に、図４を用いて、実施形態に係るサーバ装置１００が含まれる情報処理システム１の構成について説明する。図４は、実施形態に係る情報処理システム１の構成例を示す図である。図４に示すように、実施形態に係る情報処理システム１は、端末装置１０とサーバ装置１００とを含む。これらの各種装置は、ネットワークＮを介して、有線又は無線により通信可能に接続される。ネットワークＮは、例えば、ＬＡＮ（Local Area Network）や、インターネット等のＷＡＮ（Wide Area Network）である。
次に、図４を用いて、実施形態に係るサーバ装置１００が含まれる情報処理システム１の構成について説明する。図４は、実施形態に係る情報処理システム１の構成例を示す図である。図４に示すように、実施形態に係る情報処理システム１は、端末装置１０とサーバ装置１００とを含む。これらの各種装置は、ネットワークＮを介して、有線又は無線により通信可能に接続される。ネットワークＮは、例えば、ＬＡＮ（Local Area Network）や、インターネット等のＷＡＮ（Wide Area Network）である。
【0043】
また、図４に示す情報処理システム１に含まれる各装置の数は図示したものに限られない。例えば、図４では、図示の簡略化のため、端末装置１０を１台のみ示したが、これはあくまでも例示であって限定されるものではなく、２台以上であってもよい。
【0044】
端末装置１０は、利用者Ｕによって使用される情報処理装置である。例えば、端末装置１０は、スマートフォンやタブレット端末等のスマートデバイス、フィーチャーフォン、ＰＣ（Personal Computer）、ＰＤＡ（Personal Digital Assistant）、通信機能を備えたゲーム機やＡＶ機器、カーナビゲーションシステム、スマートウォッチやヘッドマウントディスプレイ等のウェアラブルデバイス（Wearable Device）、スマートグラス等である。また、端末装置１０は、ＩＯＴ（Internet of Things）に対応した住宅・建物、車、家電製品、電子機器等であってもよい。
【0045】
また、かかる端末装置１０は、ＬＴＥ（Long Term Evolution）、４Ｇ（4th Generation）、５Ｇ（5th Generation：第５世代移動通信システム）等の無線通信網や、Ｂｌｕｅｔｏｏｔｈ（登録商標）、無線ＬＡＮ（Local Area Network）等の近距離無線通信を介してネットワークＮに接続し、サーバ装置１００と通信することができる。
【0046】
サーバ装置１００は、例えばＰＣやブレードサーバ（blade server）等のコンピュータ、あるいはメインフレーム又はワークステーション等である。なお、サーバ装置１００は、クラウドコンピューティングにより実現されてもよい。
【0047】
〔３．端末装置の構成例〕
次に、図５を用いて、端末装置１０の構成について説明する。図５は、端末装置１０の構成例を示す図である。図５に示すように、端末装置１０は、通信部１１と、表示部１２と、入力部１３と、測位部１４と、センサ部２０と、制御部３０（コントローラ）と、記憶部４０とを備える。
次に、図５を用いて、端末装置１０の構成について説明する。図５は、端末装置１０の構成例を示す図である。図５に示すように、端末装置１０は、通信部１１と、表示部１２と、入力部１３と、測位部１４と、センサ部２０と、制御部３０（コントローラ）と、記憶部４０とを備える。
【0048】
（通信部１１）
通信部１１は、ネットワークＮ（図４参照）と有線又は無線で接続され、ネットワークＮを介して、サーバ装置１００との間で情報の送受信を行う。例えば、通信部１１は、ＮＩＣ（Network Interface Card）やアンテナ等によって実現される。
通信部１１は、ネットワークＮ（図４参照）と有線又は無線で接続され、ネットワークＮを介して、サーバ装置１００との間で情報の送受信を行う。例えば、通信部１１は、ＮＩＣ（Network Interface Card）やアンテナ等によって実現される。
【0049】
（表示部１２）
表示部１２は、位置情報等の各種情報を表示する表示デバイスである。例えば、表示部１２は、液晶ディスプレイ（ＬＣＤ：Liquid Crystal Display）や有機ＥＬディスプレイ（Organic Electro-Luminescent Display）である。また、表示部１２は、タッチパネル式のディスプレイであるが、これに限定されるものではない。
表示部１２は、位置情報等の各種情報を表示する表示デバイスである。例えば、表示部１２は、液晶ディスプレイ（ＬＣＤ：Liquid Crystal Display）や有機ＥＬディスプレイ（Organic Electro-Luminescent Display）である。また、表示部１２は、タッチパネル式のディスプレイであるが、これに限定されるものではない。
【0050】
（入力部１３）
入力部１３は、利用者Ｕから各種操作を受け付ける入力デバイスである。例えば、入力部１３は、文字や数字等を入力するためのボタン等を有する。なお、入力部１３は、入出力ポート（I/O port）やＵＳＢ（Universal Serial Bus）ポート等であってもよい。また、表示部１２がタッチパネル式のディスプレイである場合、表示部１２の一部が入力部１３として機能する。また、入力部１３は、利用者Ｕから音声入力を受け付けるマイク等であってもよい。マイクはワイヤレスであってもよい。
入力部１３は、利用者Ｕから各種操作を受け付ける入力デバイスである。例えば、入力部１３は、文字や数字等を入力するためのボタン等を有する。なお、入力部１３は、入出力ポート（I/O port）やＵＳＢ（Universal Serial Bus）ポート等であってもよい。また、表示部１２がタッチパネル式のディスプレイである場合、表示部１２の一部が入力部１３として機能する。また、入力部１３は、利用者Ｕから音声入力を受け付けるマイク等であってもよい。マイクはワイヤレスであってもよい。
【0051】
（測位部１４）
測位部１４は、ＧＰＳ（Global Positioning System）の衛星から送出される信号（電波）を受信し、受信した信号に基づいて、自装置である端末装置１０の現在位置を示す位置情報（例えば、緯度及び経度）を取得する。すなわち、測位部１４は、端末装置１０の位置を測位する。なお、ＧＰＳは、ＧＮＳＳ（Global Navigation Satellite System）の一例に過ぎない。
測位部１４は、ＧＰＳ（Global Positioning System）の衛星から送出される信号（電波）を受信し、受信した信号に基づいて、自装置である端末装置１０の現在位置を示す位置情報（例えば、緯度及び経度）を取得する。すなわち、測位部１４は、端末装置１０の位置を測位する。なお、ＧＰＳは、ＧＮＳＳ（Global Navigation Satellite System）の一例に過ぎない。
【0052】
また、測位部１４は、ＧＰＳ以外にも、種々の手法により位置を測位することができる。例えば、測位部１４は、位置補正等のための補助的な測位手段として、下記のように、端末装置１０の様々な通信機能を利用して位置を測位してもよい。
【0053】
（Ｗｉ－Ｆｉ測位）
例えば、測位部１４は、端末装置１０のＷｉ－Ｆｉ（登録商標）通信機能や、各通信会社が備える通信網を利用して、端末装置１０の位置を測位する。具体的には、測位部１４は、Ｗｉ－Ｆｉ通信等を行い、付近の基地局やアクセスポイントとの距離を測位することにより、端末装置１０の位置を測位する。
例えば、測位部１４は、端末装置１０のＷｉ－Ｆｉ（登録商標）通信機能や、各通信会社が備える通信網を利用して、端末装置１０の位置を測位する。具体的には、測位部１４は、Ｗｉ－Ｆｉ通信等を行い、付近の基地局やアクセスポイントとの距離を測位することにより、端末装置１０の位置を測位する。
【0054】
（ビーコン測位）
また、測位部１４は、端末装置１０のＢｌｕｅｔｏｏｔｈ（登録商標）機能を利用して位置を測位してもよい。例えば、測位部１４は、Ｂｌｕｅｔｏｏｔｈ（登録商標）機能によって接続されるビーコン（beacon）発信機と接続することにより、端末装置１０の位置を測位する。
また、測位部１４は、端末装置１０のＢｌｕｅｔｏｏｔｈ（登録商標）機能を利用して位置を測位してもよい。例えば、測位部１４は、Ｂｌｕｅｔｏｏｔｈ（登録商標）機能によって接続されるビーコン（beacon）発信機と接続することにより、端末装置１０の位置を測位する。
【0055】
（地磁気測位）
また、測位部１４は、予め測定された構造物の地磁気のパターンと、端末装置１０が備える地磁気センサとに基づいて、端末装置１０の位置を測位する。
また、測位部１４は、予め測定された構造物の地磁気のパターンと、端末装置１０が備える地磁気センサとに基づいて、端末装置１０の位置を測位する。
【0056】
（ＲＦＩＤ測位）
また、例えば、端末装置１０が駅改札や店舗等で使用される非接触型ＩＣカードと同等のＲＦＩＤ（Radio Frequency Identification）タグの機能を備えている場合、もしくはＲＦＩＤタグを読み取る機能を備えている場合、端末装置１０によって決済等が行われた情報とともに、使用された位置が記録される。測位部１４は、かかる情報を取得することで、端末装置１０の位置を測位してもよい。また、位置は、端末装置１０が備える光学式センサや、赤外線センサ等によって測位されてもよい。
また、例えば、端末装置１０が駅改札や店舗等で使用される非接触型ＩＣカードと同等のＲＦＩＤ（Radio Frequency Identification）タグの機能を備えている場合、もしくはＲＦＩＤタグを読み取る機能を備えている場合、端末装置１０によって決済等が行われた情報とともに、使用された位置が記録される。測位部１４は、かかる情報を取得することで、端末装置１０の位置を測位してもよい。また、位置は、端末装置１０が備える光学式センサや、赤外線センサ等によって測位されてもよい。
【0057】
測位部１４は、必要に応じて、上述した測位手段の一つ又は組合せを用いて、端末装置１０の位置を測位してもよい。
【0058】
（センサ部２０）
センサ部２０は、端末装置１０に搭載又は接続される各種のセンサを含む。なお、接続は、有線接続、無線接続を問わない。例えば、センサ類は、ウェアラブルデバイスやワイヤレスデバイス等、端末装置１０以外の検知装置であってもよい。図５に示す例では、センサ部２０は、加速度センサ２１と、ジャイロセンサ２２と、気圧センサ２３と、気温センサ２４と、音センサ２５と、光センサ２６と、磁気センサ２７と、画像センサ（カメラ）２８とを備える。
センサ部２０は、端末装置１０に搭載又は接続される各種のセンサを含む。なお、接続は、有線接続、無線接続を問わない。例えば、センサ類は、ウェアラブルデバイスやワイヤレスデバイス等、端末装置１０以外の検知装置であってもよい。図５に示す例では、センサ部２０は、加速度センサ２１と、ジャイロセンサ２２と、気圧センサ２３と、気温センサ２４と、音センサ２５と、光センサ２６と、磁気センサ２７と、画像センサ（カメラ）２８とを備える。
【0059】
なお、上記した各センサ２１～２８は、あくまでも例示であって限定されるものではない。すなわち、センサ部２０は、各センサ２１～２８のうちの一部を備える構成であってもよいし、各センサ２１～２８に加えてあるいは代えて、湿度センサ等その他のセンサを備えてもよい。
【0060】
加速度センサ２１は、例えば、３軸加速度センサであり、端末装置１０の移動方向、速度、及び、加速度等の端末装置１０の物理的な動きを検知する。ジャイロセンサ２２は、端末装置１０の角速度等に基づいて３軸方向の傾き等の端末装置１０の物理的な動きを検知する。気圧センサ２３は、例えば端末装置１０の周囲の気圧を検知する。
【0061】
端末装置１０は、上記した加速度センサ２１やジャイロセンサ２２、気圧センサ２３等を備えることから、これらの各センサ２１～２３等を利用した歩行者自律航法（ＰＤＲ：Pedestrian Dead-Reckoning）等の技術を用いて端末装置１０の位置を測位することが可能になる。これにより、ＧＰＳ等の測位システムでは取得することが困難な屋内での位置情報を取得することが可能になる。
【0062】
例えば、加速度センサ２１を利用した歩数計により、歩数や歩くスピード、歩いた距離を算出することができる。また、ジャイロセンサ２２を利用して、利用者Ｕの進行方向や視線の方向、体の傾きを知ることができる。また、気圧センサ２３で検知した気圧から、利用者Ｕの端末装置１０が存在する高度やフロアの階数を知ることもできる。
【0063】
気温センサ２４は、例えば端末装置１０の周囲の気温を検知する。音センサ２５は、例えば端末装置１０の周囲の音を検知する。光センサ２６は、端末装置１０の周囲の照度を検知する。磁気センサ２７は、例えば端末装置１０の周囲の地磁気を検知する。画像センサ２８は、端末装置１０の周囲の画像を撮像する。
【0064】
上記した気圧センサ２３、気温センサ２４、音センサ２５、光センサ２６及び画像センサ２８は、それぞれ気圧、気温、音、照度を検知したり、周囲の画像を撮像したりすることで、端末装置１０の周囲の環境や状況等を検知することができる。また、端末装置１０の周囲の環境や状況等から、端末装置１０の位置情報の精度を向上させることが可能になる。
【0065】
（制御部３０）
制御部３０は、例えば、ＣＰＵ（Central Processing Unit）、ＲＯＭ（Read Only Memory）、ＲＡＭ、入出力ポート等を有するマイクロコンピュータや各種の回路を含む。また、制御部３０は、例えば、ＡＳＩＣ（Application Specific Integrated Circuit）やＦＰＧＡ（Field Programmable Gate Array）等の集積回路等のハードウェアで構成されてもよい。制御部３０は、送信部３１と、受信部３２と、処理部３３とを有する。
制御部３０は、例えば、ＣＰＵ（Central Processing Unit）、ＲＯＭ（Read Only Memory）、ＲＡＭ、入出力ポート等を有するマイクロコンピュータや各種の回路を含む。また、制御部３０は、例えば、ＡＳＩＣ（Application Specific Integrated Circuit）やＦＰＧＡ（Field Programmable Gate Array）等の集積回路等のハードウェアで構成されてもよい。制御部３０は、送信部３１と、受信部３２と、処理部３３とを有する。
【0066】
（送信部３１）
送信部３１は、例えば入力部１３を用いて利用者Ｕにより入力された各種情報や、端末装置１０に搭載又は接続された各センサ２１～２８によって検知された各種情報、測位部１４によって測位された端末装置１０の位置情報等を、通信部１１を介してサーバ装置１００へ送信することができる。
送信部３１は、例えば入力部１３を用いて利用者Ｕにより入力された各種情報や、端末装置１０に搭載又は接続された各センサ２１～２８によって検知された各種情報、測位部１４によって測位された端末装置１０の位置情報等を、通信部１１を介してサーバ装置１００へ送信することができる。
【0067】
（受信部３２）
受信部３２は、通信部１１を介して、サーバ装置１００から提供される各種情報や、サーバ装置１００からの各種情報の要求を受信することができる。
受信部３２は、通信部１１を介して、サーバ装置１００から提供される各種情報や、サーバ装置１００からの各種情報の要求を受信することができる。
【0068】
（処理部３３）
処理部３３は、表示部１２等を含め、端末装置１０全体を制御する。例えば、処理部３３は、送信部３１によって送信される各種情報や、受信部３２によって受信されたサーバ装置１００からの各種情報を表示部１２へ出力して表示させることができる。
処理部３３は、表示部１２等を含め、端末装置１０全体を制御する。例えば、処理部３３は、送信部３１によって送信される各種情報や、受信部３２によって受信されたサーバ装置１００からの各種情報を表示部１２へ出力して表示させることができる。
【0069】
（記憶部４０）
記憶部４０は、例えば、ＲＡＭ（Random Access Memory）、フラッシュメモリ（Flash Memory）等の半導体メモリ素子、又は、ＨＤＤ（Hard Disk Drive）、ＳＳＤ（Solid State Drive）、光ディスク等の記憶装置によって実現される。かかる記憶部４０には、各種プログラムや各種データ等が記憶される。
記憶部４０は、例えば、ＲＡＭ（Random Access Memory）、フラッシュメモリ（Flash Memory）等の半導体メモリ素子、又は、ＨＤＤ（Hard Disk Drive）、ＳＳＤ（Solid State Drive）、光ディスク等の記憶装置によって実現される。かかる記憶部４０には、各種プログラムや各種データ等が記憶される。
【0070】
〔４．サーバ装置の構成例〕
次に、図６を用いて、実施形態に係るサーバ装置１００の構成について説明する。図６は、実施形態に係るサーバ装置１００の構成例を示す図である。図６に示すように、サーバ装置１００は、通信部１１０と、記憶部１２０と、制御部１３０とを備える。
次に、図６を用いて、実施形態に係るサーバ装置１００の構成について説明する。図６は、実施形態に係るサーバ装置１００の構成例を示す図である。図６に示すように、サーバ装置１００は、通信部１１０と、記憶部１２０と、制御部１３０とを備える。
【0071】
（通信部１１０）
通信部１１０は、例えば、ＮＩＣ（Network Interface Card）等によって実現される。また、通信部１１０は、ネットワークＮ（図４参照）と有線又は無線で接続される。
通信部１１０は、例えば、ＮＩＣ（Network Interface Card）等によって実現される。また、通信部１１０は、ネットワークＮ（図４参照）と有線又は無線で接続される。
【0072】
（記憶部１２０）
記憶部１２０は、例えば、ＲＡＭ（Random Access Memory）、フラッシュメモリ（Flash Memory）等の半導体メモリ素子、又は、ＨＤＤ、ＳＳＤ、光ディスク等の記憶装置によって実現される。図６に示すように、記憶部１２０は、利用者情報データベース１２１と、履歴情報データベース１２２と、広告情報データベース１２３とを有する。
記憶部１２０は、例えば、ＲＡＭ（Random Access Memory）、フラッシュメモリ（Flash Memory）等の半導体メモリ素子、又は、ＨＤＤ、ＳＳＤ、光ディスク等の記憶装置によって実現される。図６に示すように、記憶部１２０は、利用者情報データベース１２１と、履歴情報データベース１２２と、広告情報データベース１２３とを有する。
【0073】
（利用者情報データベース１２１）
利用者情報データベース１２１は、利用者Ｕに関する利用者情報を記憶する。例えば、利用者情報データベース１２１は、利用者Ｕの属性等の種々の情報を記憶する。図７は、利用者情報データベース１２１の一例を示す図である。図７に示した例では、利用者情報データベース１２１は、「利用者ＩＤ（Identifier）」、「年齢」、「性別」、「自宅」、「勤務地」、「興味」といった項目を有する。
利用者情報データベース１２１は、利用者Ｕに関する利用者情報を記憶する。例えば、利用者情報データベース１２１は、利用者Ｕの属性等の種々の情報を記憶する。図７は、利用者情報データベース１２１の一例を示す図である。図７に示した例では、利用者情報データベース１２１は、「利用者ＩＤ（Identifier）」、「年齢」、「性別」、「自宅」、「勤務地」、「興味」といった項目を有する。
【0074】
「利用者ＩＤ」は、利用者Ｕを識別するための識別情報を示す。なお、「利用者ＩＤ」は、利用者Ｕの連絡先（電話番号、メールアドレス等）であってもよいし、利用者Ｕの端末装置１０を識別するための識別情報であってもよい。
【0075】
また、「年齢」は、利用者ＩＤにより識別される利用者Ｕの年齢を示す。なお、「年齢」は、利用者Ｕの具体的な年齢（例えば３５歳など）を示す情報であってもよいし、利用者Ｕの年代（例えば３０代など）を示す情報であってもよい。あるいは、「年齢」は、利用者Ｕの生年月日を示す情報であってもよいし、利用者Ｕの世代（例えば８０年代生まれなど）を示す情報であってもよい。また、「性別」は、利用者ＩＤにより識別される利用者Ｕの性別を示す。
【0076】
また、「自宅」は、利用者ＩＤにより識別される利用者Ｕの自宅の位置情報を示す。なお、図７に示す例では、「自宅」は、「ＬＣ１１」といった抽象的な符号を図示するが、緯度経度情報等であってもよい。また、例えば、「自宅」は、地域名や住所であってもよい。
【0077】
また、「勤務地」は、利用者ＩＤにより識別される利用者Ｕの勤務地（学生の場合は学校）の位置情報を示す。なお、図７に示す例では、「勤務地」は、「ＬＣ１２」といった抽象的な符号を図示するが、緯度経度情報等であってもよい。また、例えば、「勤務地」は、地域名や住所であってもよい。
【0078】
また、「興味」は、利用者ＩＤにより識別される利用者Ｕの興味を示す。すなわち、「興味」は、利用者ＩＤにより識別される利用者Ｕが関心の高い対象を示す。例えば、「興味」は、利用者Ｕが検索エンジンに入力して検索した検索クエリ（キーワード）等であってもよい。なお、図７に示す例では、「興味」は、各利用者Ｕに１つずつ図示するが、複数であってもよい。
【0079】
例えば、図７に示す例において、利用者ＩＤ「Ｕ１」により識別される利用者Ｕの年齢は、「２０代」であり、性別は、「男性」であることを示す。また、例えば、利用者ＩＤ「Ｕ１」により識別される利用者Ｕは、自宅が「ＬＣ１１」であることを示す。また、例えば、利用者ＩＤ「Ｕ１」により識別される利用者Ｕは、勤務地が「ＬＣ１２」であることを示す。また、例えば、利用者ＩＤ「Ｕ１」により識別される利用者Ｕは、「スポーツ」に興味があることを示す。
【0080】
ここで、図７に示す例では、「Ｕ１」、「ＬＣ１１」及び「ＬＣ１２」といった抽象的な値を用いて図示するが、「Ｕ１」、「ＬＣ１１」及び「ＬＣ１２」には、具体的な文字列や数値等の情報が記憶されるものとする。以下、他の情報に関する図においても、抽象的な値を図示する場合がある。
【0081】
なお、利用者情報データベース１２１は、上記に限らず、目的に応じて種々の情報を記憶してもよい。例えば、利用者情報データベース１２１は、利用者Ｕの端末装置１０に関する各種情報を記憶してもよい。また、利用者情報データベース１２１は、利用者Ｕのデモグラフィック（人口統計学的属性）、サイコグラフィック（心理学的属性）、ジオグラフィック（地理学的属性）、ベヘイビオラル（行動学的属性）等の属性に関する情報を記憶してもよい。例えば、利用者情報データベース１２１は、氏名、家族構成、出身地（地元）、職業、職位、収入、資格、居住形態（戸建、マンション等）、車の有無、通学・通勤時間、通学・通勤経路、定期券区間（駅、路線等）、利用頻度の高い駅（自宅・勤務地の最寄駅以外）、習い事（場所、時間帯等）、趣味、興味、ライフスタイル等の情報を記憶してもよい。
【0082】
（履歴情報データベース１２２）
履歴情報データベース１２２は、利用者Ｕの行動を示す履歴情報（ログデータ）に関する各種情報を記憶する。図８は、履歴情報データベース１２２の一例を示す図である。図８に示した例では、履歴情報データベース１２２は、「利用者ＩＤ」、「位置履歴」、「検索履歴」、「閲覧履歴」、「購入履歴」、「投稿履歴」といった項目を有する。
履歴情報データベース１２２は、利用者Ｕの行動を示す履歴情報（ログデータ）に関する各種情報を記憶する。図８は、履歴情報データベース１２２の一例を示す図である。図８に示した例では、履歴情報データベース１２２は、「利用者ＩＤ」、「位置履歴」、「検索履歴」、「閲覧履歴」、「購入履歴」、「投稿履歴」といった項目を有する。
【0083】
「利用者ＩＤ」は、利用者Ｕを識別するための識別情報を示す。また、「位置履歴」は、利用者Ｕの位置や移動の履歴である位置履歴を示す。また、「検索履歴」は、利用者Ｕが入力した検索クエリの履歴である検索履歴を示す。また、「閲覧履歴」は、利用者Ｕが閲覧したコンテンツの履歴である閲覧履歴を示す。また、「購入履歴」は、利用者Ｕによる購入の履歴である購入履歴を示す。また、「投稿履歴」は、利用者Ｕによる投稿の履歴である投稿履歴を示す。なお、「投稿履歴」は、利用者Ｕの所有物に関する質問を含んでいてもよい。
【0084】
例えば、図８に示す例において、利用者ＩＤ「Ｕ１」により識別される利用者Ｕは、「位置履歴＃１」の通りに移動し、「検索履歴＃１」の通りに検索し、「閲覧履歴＃１」の通りにコンテンツを閲覧し、「購入履歴＃１」の通りに所定の店舗等で所定の商品等を購入し、「投稿履歴＃１」の通りに投稿したことを示す。
【0085】
ここで、図８に示す例では、「Ｕ１」、「位置履歴＃１」、「検索履歴＃１」、「閲覧履歴＃１」、「購入履歴＃１」及び「投稿履歴＃１」といった抽象的な値を用いて図示するが、「Ｕ１」、「位置履歴＃１」、「検索履歴＃１」、「閲覧履歴＃１」、「購入履歴＃１」及び「投稿履歴＃１」には、具体的な文字列や数値等の情報が記憶されるものとする。
【0086】
なお、履歴情報データベース１２２は、上記に限らず、目的に応じて種々の情報を記憶してもよい。例えば、履歴情報データベース１２２は、利用者Ｕの所定のサービスの利用履歴等を記憶してもよい。また、履歴情報データベース１２２は、利用者Ｕの実店舗の来店履歴又は施設の訪問履歴等を記憶してもよい。また、履歴情報データベース１２２は、利用者Ｕの端末装置１０を用いた決済（電子決済）での決済履歴等を記憶してもよい。
【0087】
（広告情報データベース１２３）
広告情報データベース１２３は、利用者Ｕの行動を示す履歴情報（ログデータ）に関する各種情報を記憶する。図９は、広告情報データベース１２３の一例を示す図である。図９に示した例では、広告情報データベース１２３は、「広告」、「カテゴリ」、「ワード／フレーズ」、「ＣＴＲ」、「ＣＶＲ」、「ＣＴＶＲ」といった項目を有する。
広告情報データベース１２３は、利用者Ｕの行動を示す履歴情報（ログデータ）に関する各種情報を記憶する。図９は、広告情報データベース１２３の一例を示す図である。図９に示した例では、広告情報データベース１２３は、「広告」、「カテゴリ」、「ワード／フレーズ」、「ＣＴＲ」、「ＣＶＲ」、「ＣＴＶＲ」といった項目を有する。
【0088】
「広告」は、広告を識別するための識別情報を示す。また、「カテゴリ」は、広告のカテゴリを示す。広告のカテゴリについては、広告の掲載内容によって分類してもよいし、広告の種類によって分類してもよいし、広告目的によって分類してもよいし、広告媒体によって分類してもよい。また、広告のカテゴリは１種類に限らず、１つの広告につき複数のカテゴリのそれぞれを示してもよい。
【0089】
また、「ワード／フレーズ」は、自然言語処理により、広告に含まれる文字列（タイトル、説明文等）を形態素解析して抽出されたワード／フレーズを示す。なお、実際には、ワード／フレーズをベクトル化したベクトル（ドキュメントベクトル）であってもよい。
【0090】
また、「ＣＴＲ」は、ワード／フレーズごとのＣＴＲ（Click Through Rate：クリック率）を示す。なお、実際には、ＣＴＲに基づくスコアであってもよい。また、「ＣＶＲ」は、ワード／フレーズごとのＣＶＲ（Conversion Rate：コンバージョン率）を示す。なお、実際には、ＣＶＲに基づくスコアであってもよい。また、「ＣＴＶＲ」ワード／フレーズごとのＣＴＶＲを示す。ＣＴＶＲは、広告のクリック率（ＣＴＲ）とコンバージョン率（ＣＶＲ）をかけ合わせたものである（ＣＴＶＲ＝ＣＴＲ×ＣＶＲ）。なお、実際には、ＣＴＶＲに基づくスコアであってもよい。
【0091】
例えば、図９に示す例において、広告「広告Ａ」により識別される利用者Ｕは、カテゴリ「カテゴリ＃Ａ」に分類され、広告に含まれる「ワード／フレーズ＃Ａ１」のワード／フレーズごとのＣＴＲは「ＣＴＲ＃Ａ１」であり、ワード／フレーズごとのＣＶＲは「ＣＶＲ＃Ａ１」であり、ワード／フレーズごとのＣＴＶＲは「ＣＴＶＲ＃Ａ１」であることを示す。
【0092】
ここで、図９に示す例では、「広告Ａ」、「カテゴリ＃Ａ」、「ワード／フレーズ＃Ａ１」、「ＣＴＲ＃Ａ１」、「ＣＶＲ＃Ａ１」及び「ＣＴＶＲ＃Ａ１」といった抽象的な値を用いて図示するが、「広告Ａ」、「カテゴリ＃Ａ」、「ワード／フレーズ＃Ａ１」、「ＣＴＲ＃Ａ１」、「ＣＶＲ＃Ａ１」及び「ＣＴＶＲ＃Ａ１」には、具体的な文字列や数値等の情報が記憶されるものとする。
【0093】
なお、広告情報データベース１２３は、上記に限らず、目的に応じて種々の情報を記憶してもよい。例えば、広告情報データベース１２３は、ワード／フレーズごとの広告効果に関する情報・提案等を記憶してもよい。また、広告情報データベース１２３は、ワード／フレーズごとのＣＴＲやＣＶＲ等を、クリックしたユーザの属性（ユーザセグメント、ユーザペルソナでも可）ごとに分けて記憶してもよい。また、広告情報データベース１２３は、ワード／フレーズのランキングに関する情報を記憶してもよい。
【0094】
（制御部１３０）
図６に戻り、説明を続ける。制御部１３０は、コントローラ（Controller）であり、例えば、ＣＰＵ（Central Processing Unit）、ＭＰＵ（Micro Processing Unit）、ＡＳＩＣ（Application Specific Integrated Circuit）やＦＰＧＡ（Field Programmable Gate Array）等によって、サーバ装置１００の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に相当）がＲＡＭ等の記憶領域を作業領域として実行されることにより実現される。図６に示す例では、制御部１３０は、取得部１３１と、分類部１３２と、受付部１３３と、解析部１３４と、抽出部１３５と、推定部１３６と、提供部１３７とを有する。
図６に戻り、説明を続ける。制御部１３０は、コントローラ（Controller）であり、例えば、ＣＰＵ（Central Processing Unit）、ＭＰＵ（Micro Processing Unit）、ＡＳＩＣ（Application Specific Integrated Circuit）やＦＰＧＡ（Field Programmable Gate Array）等によって、サーバ装置１００の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に相当）がＲＡＭ等の記憶領域を作業領域として実行されることにより実現される。図６に示す例では、制御部１３０は、取得部１３１と、分類部１３２と、受付部１３３と、解析部１３４と、抽出部１３５と、推定部１３６と、提供部１３７とを有する。
【0095】
（取得部１３１）
取得部１３１は、利用者Ｕにより入力された検索クエリを取得する。例えば、取得部１３１は、利用者Ｕが検索エンジン等に検索クエリを入力してキーワード検索を行った際に、通信部１１０を介して、当該検索クエリを取得する。すなわち、取得部１３１は、通信部１１０を介して、利用者Ｕにより検索エンジンやサイト又はアプリの検索窓に入力されたキーワードを取得する。
取得部１３１は、利用者Ｕにより入力された検索クエリを取得する。例えば、取得部１３１は、利用者Ｕが検索エンジン等に検索クエリを入力してキーワード検索を行った際に、通信部１１０を介して、当該検索クエリを取得する。すなわち、取得部１３１は、通信部１１０を介して、利用者Ｕにより検索エンジンやサイト又はアプリの検索窓に入力されたキーワードを取得する。
【0096】
また、取得部１３１は、通信部１１０を介して、利用者Ｕに関する利用者情報を取得する。例えば、取得部１３１は、利用者Ｕの端末装置１０から、利用者Ｕを示す識別情報（利用者ＩＤ等）や、利用者Ｕの位置情報、利用者Ｕの属性情報等を取得する。また、取得部１３１は、利用者Ｕのユーザ登録時に、利用者Ｕを示す識別情報や、利用者Ｕの属性情報等を取得してもよい。そして、取得部１３１は、利用者情報を、記憶部１２０の利用者情報データベース１２１に登録する。
【0097】
また、取得部１３１は、通信部１１０を介して、利用者Ｕの行動を示す各種の履歴情報（ログデータ）を取得する。例えば、取得部１３１は、利用者Ｕの端末装置１０から、あるいは利用者ＩＤ等に基づいて各種サーバ等から、利用者Ｕの行動を示す各種の履歴情報を取得する。そして、取得部１３１は、各種の履歴情報を、記憶部１２０の履歴情報データベース１２２に登録する。
【0098】
（分類部１３２）
分類部１３２は、広告をカテゴリごとに分類してデータベースに蓄積する。なお、データベースは、記憶部１２０に記憶されていてもよいし、外部ストレージやオンライン上の外部サーバ等に格納されていてもよい。
分類部１３２は、広告をカテゴリごとに分類してデータベースに蓄積する。なお、データベースは、記憶部１２０に記憶されていてもよいし、外部ストレージやオンライン上の外部サーバ等に格納されていてもよい。
【0099】
（受付部１３３）
受付部１３３は、広告のカテゴリの指定を受け付ける。例えば、受付部１３３は、通信部１１０を介して、不特定多数の利用者Ｕ（ユーザ）のうち、広告主である利用者Ｕから、特定のカテゴリを示すキーワード（ＫＷ）の指定を受け付ける。キーワードは、検索クエリであってもよい。また、受付部１３３は、キーワードを直接入力とせず、カテゴリのリストの中から任意のキーワードを選択させるようにしてもよい。なお、受付部１３３は、取得部１３１又はその一部であってもよい。
受付部１３３は、広告のカテゴリの指定を受け付ける。例えば、受付部１３３は、通信部１１０を介して、不特定多数の利用者Ｕ（ユーザ）のうち、広告主である利用者Ｕから、特定のカテゴリを示すキーワード（ＫＷ）の指定を受け付ける。キーワードは、検索クエリであってもよい。また、受付部１３３は、キーワードを直接入力とせず、カテゴリのリストの中から任意のキーワードを選択させるようにしてもよい。なお、受付部１３３は、取得部１３１又はその一部であってもよい。
【0100】
（解析部１３４）
解析部１３４は、広告の文章をワード又はフレーズ単位で形態素解析する。例えば、解析部１３４は、指定されたカテゴリの広告をデータベースから抽出し、抽出された広告の文章をワード又はフレーズ単位で形態素解析する。このとき、解析部１３４は、ＤＯＣ２ＶＥＣにより、広告の文章をベクトル化する。
解析部１３４は、広告の文章をワード又はフレーズ単位で形態素解析する。例えば、解析部１３４は、指定されたカテゴリの広告をデータベースから抽出し、抽出された広告の文章をワード又はフレーズ単位で形態素解析する。このとき、解析部１３４は、ＤＯＣ２ＶＥＣにより、広告の文章をベクトル化する。
【0101】
（抽出部１３５）
抽出部１３５は、ワード又はフレーズ単位でＣＴＲ又はＣＶＲを抽出する。例えば、抽出部１３５は、広告のＣＴＲ又はＣＶＲが高いほど、広告に含まれるワード又はフレーズに高いスコアを付与する。また、提供部１３７は、ワード又はフレーズごとのスコアに基づく情報を提供する。
抽出部１３５は、ワード又はフレーズ単位でＣＴＲ又はＣＶＲを抽出する。例えば、抽出部１３５は、広告のＣＴＲ又はＣＶＲが高いほど、広告に含まれるワード又はフレーズに高いスコアを付与する。また、提供部１３７は、ワード又はフレーズごとのスコアに基づく情報を提供する。
【0102】
このとき、抽出部１３５は、広告の文章のベクトル（ドキュメントベクトル）からＣＴＲ又はＣＶＲを予測する。例えば、抽出部１３５は、機械学習により、広告のＣＴＲ又はＣＶＲが高いほど、広告に含まれるワード又はフレーズに高いスコアを出力するモデルを生成し、指定されたカテゴリの広告に含まれるワード又はフレーズをモデルに入力することで、スコアを算出する。すなわち、抽出部１３５は、スコアを算出する算出部であってもよい。
【0103】
（推定部１３６）
推定部１３６は、抽出されたＣＴＲ又はＣＶＲに基づいて、機械学習でワード又はフレーズごとの広告効率を推定し、広告効率の良いワード又はフレーズを予測する。例えば、推定部１３６は、機械学習で、ワード又はフレーズと、そのＣＴＲ又はＣＶＲとの組を学習データとして、ワード又はフレーズを入力するとＣＴＲ又はＣＶＲを出力する推定モデルを生成する。
推定部１３６は、抽出されたＣＴＲ又はＣＶＲに基づいて、機械学習でワード又はフレーズごとの広告効率を推定し、広告効率の良いワード又はフレーズを予測する。例えば、推定部１３６は、機械学習で、ワード又はフレーズと、そのＣＴＲ又はＣＶＲとの組を学習データとして、ワード又はフレーズを入力するとＣＴＲ又はＣＶＲを出力する推定モデルを生成する。
【0104】
（提供部１３７）
提供部１３７は、ワード又はフレーズごとのＣＴＲ又はＣＶＲの予測に基づき、広告のＴＤの改善を提案する。例えば、提供部１３７は、ワード又はフレーズごとのＣＴＲ又はＣＶＲの予測に基づき、指定されたカテゴリの広告のＴＤの改善を提案する。なお、改善は、最適化であってもよい。
提供部１３７は、ワード又はフレーズごとのＣＴＲ又はＣＶＲの予測に基づき、広告のＴＤの改善を提案する。例えば、提供部１３７は、ワード又はフレーズごとのＣＴＲ又はＣＶＲの予測に基づき、指定されたカテゴリの広告のＴＤの改善を提案する。なお、改善は、最適化であってもよい。
【0105】
また、提供部１３７は、ワード又はフレーズごとのスコアに基づき、ワード又はフレーズをランキング形式で提示する。
【0106】
あるいは、提供部１３７は、ワード又はフレーズごとのＣＴＲ又はＣＶＲの予測に基づき、広告のＴＤを自動的に変更（修正）する。
【0107】
〔５．処理手順〕
次に、図１０を用いて実施形態に係るサーバ装置１００による処理手順について説明する。図１０は、実施形態に係る処理手順を示すフローチャートである。なお、以下に示す処理手順は、サーバ装置１００の制御部１３０によって繰り返し実行される。
次に、図１０を用いて実施形態に係るサーバ装置１００による処理手順について説明する。図１０は、実施形態に係る処理手順を示すフローチャートである。なお、以下に示す処理手順は、サーバ装置１００の制御部１３０によって繰り返し実行される。
【0108】
例えば、図１０に示すように、サーバ装置１００の取得部１３１は、通信部１１０を介して、直接又は間接的に（他のサーバ装置等を介して）、配信済み広告のアクセスログを収集する（ステップＳ１０１）。
【0109】
続いて、サーバ装置１００の分類部１３２は、広告をカテゴリごとに分類してデータベースに蓄積する（ステップＳ１０２）。
【0110】
続いて、サーバ装置１００の受付部１３３は、通信部１１０を介して、広告主である利用者Ｕから、特定のカテゴリを示すキーワード（ＫＷ）の指定を受け付ける（ステップＳ１０３）。
【0111】
続いて、サーバ装置１００の解析部１３４は、指定されたカテゴリの広告をデータベースから抽出し、抽出された広告の文章をワード又はフレーズ単位で形態素解析する（ステップＳ１０４）。
【0112】
続いて、サーバ装置１００の抽出部１３５は、ワード又はフレーズ単位でＣＴＲ又はＣＶＲを抽出する（ステップＳ１０５）。
【0113】
続いて、サーバ装置１００の推定部１３６は、機械学習でワード又はフレーズごとの
ＣＴＲ又はＣＶＲを予測する（ステップＳ１０６）。すなわち、推定部１３６は、ワード又はフレーズごとの広告効率を推定する。
ＣＴＲ又はＣＶＲを予測する（ステップＳ１０６）。すなわち、推定部１３６は、ワード又はフレーズごとの広告効率を推定する。
【0114】
続いて、サーバ装置１００の提供部１３７は、ワード又はフレーズごとのスコアに基づき、ワード又はフレーズをランキング形式で提示する（ステップＳ１０７）。
【0115】
続いて、サーバ装置１００の提供部１３７は、ワード又はフレーズごとのＣＴＲ又はＣＶＲの予測に基づき、広告のＴＤの改善を提案する（ステップＳ１０８）。なお、提供部１３７は、ワード又はフレーズごとのＣＴＲ又はＣＶＲの予測に基づき、広告のＴＤを自動的に変更（修正）してもよい。
【0116】
〔６．変形例〕
上述した端末装置１０及びサーバ装置１００は、上記実施形態以外にも種々の異なる形態にて実施されてよい。そこで、以下では、実施形態の変形例について説明する。
上述した端末装置１０及びサーバ装置１００は、上記実施形態以外にも種々の異なる形態にて実施されてよい。そこで、以下では、実施形態の変形例について説明する。
【0117】
上記の実施形態において、サーバ装置１００が実行している処理の一部又は全部は、実際には、端末装置１０が実行してもよい。例えば、スタンドアローン（Stand-alone）で（端末装置１０単体で）処理が完結してもよい。この場合、端末装置１０に、上記の実施形態におけるサーバ装置１００の機能が備わっているものとする。また、上記の実施形態では、端末装置１０はサーバ装置１００と連携しているため、利用者Ｕから見れば、サーバ装置１００の処理も端末装置１０が実行しているように見える。すなわち、他の観点では、端末装置１０は、サーバ装置１００を備えているともいえる。
【0118】
また、上記の実施形態において、サーバ装置１００は、利用者Ｕの属性や履歴等に応じて、ワード又はフレーズごとのＣＴＲ又はＣＶＲを分けてもよい。例えば、サーバ装置１００は、ワード／フレーズごとのＣＴＲやＣＶＲ等を、クリックしたユーザの属性（ユーザセグメント、ユーザペルソナでも可）ごとに分けて蓄積してもよい。性別や年齢層、地域性といった属性に加え、ユーザが広告をクリックした時の場所（自宅、駅／電車内、店舗内、等）や状況・行動（平日／休日、時間帯、通勤中／就寝前、特定の商品の購入時、等）といったコンテキスト（context）によっても、ワード／フレーズごとのＣＴＲやＣＶＲは異なる可能性がある。すなわち、サーバ装置１００は、ターゲットとなるユーザの属性や履歴等を、広告のカテゴリの１つとしてもよい。
【0119】
また、上記の実施形態において、サーバ装置１００は、広告主／広告の投稿者（提供者）に応じて、ワード又はフレーズごとのＣＴＲ又はＣＶＲを分けてもよい。広告主のイメージ等、誰がその広告を出しているかによっても、ワード／フレーズの広告効果は異なり、ワード／フレーズごとのＣＴＲやＣＶＲが異なる可能性がある。すなわち、サーバ装置１００は、広告主／広告の投稿者（提供者）等を、広告のカテゴリの１つとしてもよい。
【0120】
また、上記の実施形態において、ＣＴＲ又はＣＶＲは一例に過ぎない。サーバ装置１００は、クリックに関する指標として、Ｃｌｉｃｋ（クリック数）、ｉｍｐ（表示回数）、ＣＴＲ（クリック率）、ＣＰＣ（Cost Per Click：平均クリック単価）等のいずれを用いてもよい。また、サーバ装置１００は、コンバージョンに関する指標として、ＣＶ（コンバージョン数）、ＣＶＲ（コンバージョン率）、Ｃｏｓｔ（広告費用）、ＣＰＡ（Cost Per Action）等のいずれを用いてもよい。なお、ＣＰＡ＝Ｃｏｓｔ（広告費用）÷ＣＶ（コンバージョン数）である。
【0121】
また、上記の実施形態において、サーバ装置１００は、広告文（ＴＤ）の内容と、クリックした先のランディングページ（ＬＰ）の内容との整合性やギャップを評価してもよい。例えば、サーバ装置１００は、広告文に含まれるワード／フレーズと、ランディングページに含まれるワード／フレーズとを比較してもよい。
【0122】
また、上記の実施形態において、ワード又はフレーズは、定型句や慣用句であってもよいし、歌詞や詩の一部であってもよいし、有名な台詞・科白（セリフ）又は名言等であってもよい。また、ワード又はフレーズは、テキストデータに限らず、画像（静止画、動画等）や音声に含まれる文字列であってもよい。例えば、サーバ装置１００は、画像認識や音声認識等の技術により、画像や音声に含まれるワード又はフレーズを抽出してもよい。また、サーバ装置１００は、ワード又はフレーズ単位に限らず、センテンス（sentence）又は文節単位でＣＴＲ又はＣＶＲを抽出してもよい。さらに、サーバ装置１００は、広告の文章のテンプレートごとにＣＴＲ又はＣＶＲを抽出してもよい。
【0123】
〔７．効果〕
上述してきたように、本願に係る情報処理装置（端末装置１０及びサーバ装置１００）は、広告の文章をワード又はフレーズ単位で形態素解析する解析部１３４と、ワード又はフレーズ単位でＣＴＲ又はＣＶＲを抽出する抽出部１３５と、抽出されたＣＴＲ又はＣＶＲに基づいて、ワード又はフレーズごとの広告効率を推定する推定部１３６と、を備える。
上述してきたように、本願に係る情報処理装置（端末装置１０及びサーバ装置１００）は、広告の文章をワード又はフレーズ単位で形態素解析する解析部１３４と、ワード又はフレーズ単位でＣＴＲ又はＣＶＲを抽出する抽出部１３５と、抽出されたＣＴＲ又はＣＶＲに基づいて、ワード又はフレーズごとの広告効率を推定する推定部１３６と、を備える。
【0124】
また、本願に係る情報処理装置は、ワード又はフレーズごとのＣＴＲ又はＣＶＲの予測に基づき、広告のＴＤの改善を提案する提供部１３７をさらに備える。
【0125】
抽出部１３５は、広告のＣＴＲ又はＣＶＲが高いほど、広告に含まれるワード又はフレーズに高いスコアを付与する。提供部１３７は、ワード又はフレーズごとのスコアに基づく情報を提供する。
【0126】
提供部１３７は、ワード又はフレーズごとのスコアに基づき、ワード又はフレーズをランキング形式で提示する。
【0127】
また、本願に係る情報処理装置は、広告をカテゴリごとに分類してデータベースに蓄積する分類部１３２と、広告のカテゴリの指定を受け付ける受付部１３３と、をさらに備える。解析部１３４は、指定されたカテゴリの広告をデータベースから抽出し、抽出された広告の文章をワード又はフレーズ単位で形態素解析する。抽出部１３５は、ワード又はフレーズ単位でＣＴＲ又はＣＶＲを抽出する。推定部１３６は、抽出されたＣＴＲ又はＣＶＲに基づいて、ワード又はフレーズごとの広告効率を推定する。提供部１３７は、ワード又はフレーズごとのＣＴＲ又はＣＶＲの予測に基づき、指定されたカテゴリの広告のＴＤの改善を提案する。
【0128】
抽出部１３５は、機械学習により、広告のＣＴＲ又はＣＶＲが高いほど、広告に含まれるワード又はフレーズに高いスコアを出力するモデルを生成し、指定されたカテゴリの広告に含まれるワード又はフレーズをモデルに入力することで、スコアを算出する。
【0129】
提供部１３７は、ワード又はフレーズごとのＣＴＲ又はＣＶＲの予測に基づき、広告のＴＤを自動的に変更する。
【0130】
解析部１３４は、ＤＯＣ２ＶＥＣにより、広告の文章をベクトル化する。抽出部１３５は、広告の文章のベクトルからＣＴＲ又はＣＶＲを予測する。
【0131】
上述した各処理のいずれかもしくは組合せにより、本願に係る情報処理装置は、検索広告のデータベースから機械学習でモデルを作成し、おすすめワードを予測することができる。
【0132】
〔８．ハードウェア構成〕
また、上述した実施形態に係る端末装置１０やサーバ装置１００は、例えば図１１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。以下、サーバ装置１００を例に挙げて説明する。図１１は、ハードウェア構成の一例を示す図である。コンピュータ１０００は、出力装置１０１０、入力装置１０２０と接続され、演算装置１０３０、一次記憶装置１０４０、二次記憶装置１０５０、出力Ｉ／Ｆ（Interface）１０６０、入力Ｉ／Ｆ１０７０、ネットワークＩ／Ｆ１０８０がバス１０９０により接続された形態を有する。
また、上述した実施形態に係る端末装置１０やサーバ装置１００は、例えば図１１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。以下、サーバ装置１００を例に挙げて説明する。図１１は、ハードウェア構成の一例を示す図である。コンピュータ１０００は、出力装置１０１０、入力装置１０２０と接続され、演算装置１０３０、一次記憶装置１０４０、二次記憶装置１０５０、出力Ｉ／Ｆ（Interface）１０６０、入力Ｉ／Ｆ１０７０、ネットワークＩ／Ｆ１０８０がバス１０９０により接続された形態を有する。
【0133】
演算装置１０３０は、一次記憶装置１０４０や二次記憶装置１０５０に格納されたプログラムや入力装置１０２０から読み出したプログラム等に基づいて動作し、各種の処理を実行する。演算装置１０３０は、例えばＣＰＵ（Central Processing Unit）、ＭＰＵ（Micro Processing Unit）、ＡＳＩＣ（Application Specific Integrated Circuit）やＦＰＧＡ（Field Programmable Gate Array）等により実現される。
【0134】
一次記憶装置１０４０は、ＲＡＭ（Random Access Memory）等、演算装置１０３０が各種の演算に用いるデータを一次的に記憶するメモリ装置である。また、二次記憶装置１０５０は、演算装置１０３０が各種の演算に用いるデータや、各種のデータベースが登録される記憶装置であり、ＲＯＭ（Read Only Memory）、ＨＤＤ（Hard Disk Drive）、ＳＳＤ（Solid State Drive）、フラッシュメモリ等により実現される。二次記憶装置１０５０は、内蔵ストレージであってもよいし、外付けストレージであってもよい。また、二次記憶装置１０５０は、ＵＳＢ（Universal Serial Bus）メモリやＳＤ（Secure Digital）メモリカード等の取り外し可能な記憶媒体であってもよい。また、二次記憶装置１０５０は、クラウドストレージ（オンラインストレージ）やＮＡＳ（Network Attached Storage）、ファイルサーバ等であってもよい。
【0135】
出力Ｉ／Ｆ１０６０は、ディスプレイ、プロジェクタ、及びプリンタ等といった各種の情報を出力する出力装置１０１０に対し、出力対象となる情報を送信するためのインターフェースであり、例えば、ＵＳＢ（Universal Serial Bus）やＤＶＩ（Digital Visual Interface）、ＨＤＭＩ（登録商標）（High Definition Multimedia Interface）といった規格のコネクタにより実現される。また、入力Ｉ／Ｆ１０７０は、マウス、キーボード、キーパッド、ボタン、及びスキャナ等といった各種の入力装置１０２０から情報を受信するためのインターフェースであり、例えば、ＵＳＢ等により実現される。
【0136】
また、出力Ｉ／Ｆ１０６０及び入力Ｉ／Ｆ１０７０はそれぞれ出力装置１０１０及び入力装置１０２０と無線で接続してもよい。すなわち、出力装置１０１０及び入力装置１０２０は、ワイヤレス機器であってもよい。
【0137】
また、出力装置１０１０及び入力装置１０２０は、タッチパネルのように一体化していてもよい。この場合、出力Ｉ／Ｆ１０６０及び入力Ｉ／Ｆ１０７０も、入出力Ｉ／Ｆとして一体化していてもよい。
【0138】
なお、入力装置１０２０は、例えば、ＣＤ（Compact Disc）、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、又は半導体メモリ等から情報を読み出す装置であってもよい。
【0139】
ネットワークＩ／Ｆ１０８０は、ネットワークＮを介して他の機器からデータを受信して演算装置１０３０へ送り、また、ネットワークＮを介して演算装置１０３０が生成したデータを他の機器へ送信する。
【0140】
演算装置１０３０は、出力Ｉ／Ｆ１０６０や入力Ｉ／Ｆ１０７０を介して、出力装置１０１０や入力装置１０２０の制御を行う。例えば、演算装置１０３０は、入力装置１０２０や二次記憶装置１０５０からプログラムを一次記憶装置１０４０上にロードし、ロードしたプログラムを実行する。
【0141】
例えば、コンピュータ１０００がサーバ装置１００として機能する場合、コンピュータ１０００の演算装置１０３０は、一次記憶装置１０４０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、コンピュータ１０００の演算装置１０３０は、ネットワークＩ／Ｆ１０８０を介して他の機器から取得したプログラムを一次記憶装置１０４０上にロードし、ロードしたプログラムを実行してもよい。また、コンピュータ１０００の演算装置１０３０は、ネットワークＩ／Ｆ１０８０を介して他の機器と連携し、プログラムの機能やデータ等を他の機器の他のプログラムから呼び出して利用してもよい。
【0142】
〔９．その他〕
以上、本願の実施形態を説明したが、これら実施形態の内容により本発明が限定されるものではない。また、前述した構成要素には、当業者が容易に想定できるもの、実質的に同一のもの、いわゆる均等の範囲のものが含まれる。さらに、前述した構成要素は適宜組み合わせることが可能である。さらに、前述した実施形態の要旨を逸脱しない範囲で構成要素の種々の省略、置換又は変更を行うことができる。
以上、本願の実施形態を説明したが、これら実施形態の内容により本発明が限定されるものではない。また、前述した構成要素には、当業者が容易に想定できるもの、実質的に同一のもの、いわゆる均等の範囲のものが含まれる。さらに、前述した構成要素は適宜組み合わせることが可能である。さらに、前述した実施形態の要旨を逸脱しない範囲で構成要素の種々の省略、置換又は変更を行うことができる。
【0143】
また、上記実施形態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又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又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。
【0144】
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、その全部又は一部を、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又は物理的に分散・統合して構成することができる。
【0145】
例えば、上述したサーバ装置１００は、複数のサーバコンピュータで実現してもよく、また、機能によっては外部のプラットフォーム等をＡＰＩ（Application Programming Interface）やネットワークコンピューティング等で呼び出して実現するなど、構成は柔軟に変更できる。
【0146】
また、上述してきた実施形態及び変形例は、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。
【0147】
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】
【0148】
１ 情報処理システム
１０ 端末装置
１００ サーバ装置
１１０ 通信部
１２０ 記憶部
１２１ 利用者情報データベース
１２２ 履歴情報データベース
１２３ 広告情報データベース
１３０ 制御部
１３１ 取得部
１３２ 分類部
１３３ 受付部
１３４ 解析部
１３５ 抽出部
１３６ 推定部
１３７ 提供部
１０ 端末装置
１００ サーバ装置
１１０ 通信部
１２０ 記憶部
１２１ 利用者情報データベース
１２２ 履歴情報データベース
１２３ 広告情報データベース
１３０ 制御部
１３１ 取得部
１３２ 分類部
１３３ 受付部
１３４ 解析部
１３５ 抽出部
１３６ 推定部
１３７ 提供部
【図1】
【図2】
【図3】
【図4】
【図5】
【図6】
【図7】
【図8】
【図9】
【図10】
【図11】