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」
特開2024-130766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】P2024130766
(43)【公開日】2024-09-30
(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】
G06Q 30/0202 20230101AFI20240920BHJP
【ＦＩ】
G06Q30/0202
【審査請求】有
【請求項の数】11
【出願形態】ＯＬ
(21)【出願番号】P 2023040668
(22)【出願日】2023-03-15
(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】森 琢郎
(72)【発明者】
【氏名】小川 知紘
【テーマコード（参考）】
5L030
5L049
【Ｆターム（参考）】
5L030BB01
5L049BB01
(57)【要約】
【課題】電子商店街間での取引対象の流行の波及を予測可能に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。
【解決手段】本願に係る情報処理装置は、第１電子商店街における取引対象の購買に関する情報である第１購買関連情報と、第２電子商店街における取引対象の購買に関する情報である第２購買関連情報とを取得する取得部と、取得部によって取得された第１購買関連情報と第２購買関連情報とに基づいて、第１電子商店街における購買に関する流行の第２電子商店街への波及の態様を推定する推定モデルを生成する生成部とを備える。
【選択図】図３
【解決手段】本願に係る情報処理装置は、第１電子商店街における取引対象の購買に関する情報である第１購買関連情報と、第２電子商店街における取引対象の購買に関する情報である第２購買関連情報とを取得する取得部と、取得部によって取得された第１購買関連情報と第２購買関連情報とに基づいて、第１電子商店街における購買に関する流行の第２電子商店街への波及の態様を推定する推定モデルを生成する生成部とを備える。
【選択図】図３
【特許請求の範囲】
【請求項1】
第１電子商店街における取引対象の購買に関する情報である第１購買関連情報と、第２電子商店街における取引対象の購買に関する情報である第２購買関連情報とを取得する取得部と、
前記取得部によって取得された前記第１購買関連情報と前記第２購買関連情報とに基づいて、前記第１電子商店街における前記購買に関する流行の前記第２電子商店街への波及の態様を推定する推定モデルを生成する生成部と、を備える
ことを特徴とする情報処理装置。
前記取得部によって取得された前記第１購買関連情報と前記第２購買関連情報とに基づいて、前記第１電子商店街における前記購買に関する流行の前記第２電子商店街への波及の態様を推定する推定モデルを生成する生成部と、を備える
ことを特徴とする情報処理装置。
【請求項2】
前記生成部は、
前記第１電子商店街における前記購買に関する流行の前記第２電子商店街への波及の有無を推定するモデルを前記推定モデルとして生成する
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電子商店街における前記購買に関する流行の前記第２電子商店街への波及の有無を推定するモデルを前記推定モデルとして生成する
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】
前記生成部は、
前記第１電子商店街における前記購買に関する流行が前記第２電子商店街へ波及するまでの期間を推定するモデルを前記推定モデルとして生成する
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電子商店街における前記購買に関する流行が前記第２電子商店街へ波及するまでの期間を推定するモデルを前記推定モデルとして生成する
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4】
前記第１購買関連情報は、
前記第１電子商店街における前記取引対象の購買のランキング情報である第１ランキング情報を含み、
前記第２購買関連情報は、
前記第２電子商店街における前記取引対象の購買のランキング情報である第２ランキング情報を含み、
前記生成部は、
前記第１ランキング情報の変動と前記第２ランキング情報の変動との差に基づいて、前記推定モデルを生成する
ことを特徴とする請求項１～３のいずれか１つに記載の情報処理装置。
前記第１電子商店街における前記取引対象の購買のランキング情報である第１ランキング情報を含み、
前記第２購買関連情報は、
前記第２電子商店街における前記取引対象の購買のランキング情報である第２ランキング情報を含み、
前記生成部は、
前記第１ランキング情報の変動と前記第２ランキング情報の変動との差に基づいて、前記推定モデルを生成する
ことを特徴とする請求項１～３のいずれか１つに記載の情報処理装置。
【請求項5】
前記第１購買関連情報は、
前記第１電子商店街において前記取引対象が売り切れタイミングである第１売り切れタイミングを示す情報を含み、
前記第２購買関連情報は、
前記第２電子商店街における前記取引対象が売り切れタイミングである第２売り切れタイミングを示す情報を含み、
前記生成部は、
前記第１売り切れタイミングから前記第２売り切れタイミングまでの期間に基づいて、前記推定モデルを生成する
ことを特徴とする請求項１～３のいずれか１つに記載の情報処理装置。
前記第１電子商店街において前記取引対象が売り切れタイミングである第１売り切れタイミングを示す情報を含み、
前記第２購買関連情報は、
前記第２電子商店街における前記取引対象が売り切れタイミングである第２売り切れタイミングを示す情報を含み、
前記生成部は、
前記第１売り切れタイミングから前記第２売り切れタイミングまでの期間に基づいて、前記推定モデルを生成する
ことを特徴とする請求項１～３のいずれか１つに記載の情報処理装置。
【請求項6】
前記第１購買関連情報は、
前記第１電子商店街において前記取引対象が売り切れタイミングである第１売り切れタイミングを示す情報を含み、
前記第２購買関連情報は、
前記第２電子商店街における前記取引対象が売り切れタイミングである第２売り切れタイミングを示す情報を含み、
前記生成部は、
前記第１売り切れタイミングから前記第２売り切れタイミングまでの期間が予め定められた期間以内である場合に前記第１電子商店街における前記購買に関する流行の前記第２電子商店街への波及があるとして前記推定モデルを生成する
ことを特徴とする請求項２に記載の情報処理装置。
前記第１電子商店街において前記取引対象が売り切れタイミングである第１売り切れタイミングを示す情報を含み、
前記第２購買関連情報は、
前記第２電子商店街における前記取引対象が売り切れタイミングである第２売り切れタイミングを示す情報を含み、
前記生成部は、
前記第１売り切れタイミングから前記第２売り切れタイミングまでの期間が予め定められた期間以内である場合に前記第１電子商店街における前記購買に関する流行の前記第２電子商店街への波及があるとして前記推定モデルを生成する
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7】
前記第１購買関連情報は、
前記第１電子商店街において前記取引対象が売り切れタイミングである第１売り切れタイミングを示す情報を含み、
前記第２購買関連情報は、
前記第２電子商店街における前記取引対象が売り切れタイミングである第２売り切れタイミングを示す情報を含み、
前記生成部は、
前記第１売り切れタイミングから前記第２売り切れタイミングまでの期間を前記第１電子商店街における前記購買に関する流行が前記第２電子商店街へ波及するまでの期間とする前記推定モデルを生成する
ことを特徴とする請求項３に記載の情報処理装置。
前記第１電子商店街において前記取引対象が売り切れタイミングである第１売り切れタイミングを示す情報を含み、
前記第２購買関連情報は、
前記第２電子商店街における前記取引対象が売り切れタイミングである第２売り切れタイミングを示す情報を含み、
前記生成部は、
前記第１売り切れタイミングから前記第２売り切れタイミングまでの期間を前記第１電子商店街における前記購買に関する流行が前記第２電子商店街へ波及するまでの期間とする前記推定モデルを生成する
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8】
前記生成部は、
前記取引対象の属性毎に前記推定モデルを生成する
ことを特徴とする請求項１～３のいずれか１つに記載の情報処理装置。
前記取引対象の属性毎に前記推定モデルを生成する
ことを特徴とする請求項１～３のいずれか１つに記載の情報処理装置。
【請求項9】
前記生成部は、
前記第１電子商店街と前記第２電子商店街との組み合わせ毎に前記推定モデルを生成する
ことを特徴とする請求項１～３のいずれか１つに記載の情報処理装置。
前記第１電子商店街と前記第２電子商店街との組み合わせ毎に前記推定モデルを生成する
ことを特徴とする請求項１～３のいずれか１つに記載の情報処理装置。
【請求項10】
コンピュータが実行する情報処理方法であって、
第１電子商店街における取引対象の購買に関する情報である第１購買関連情報と、第２電子商店街における取引対象の購買に関する情報である第２購買関連情報とを取得する取得工程と、
前記取得工程によって取得された前記第１購買関連情報と前記第２購買関連情報とに基づいて、前記第１電子商店街における前記購買に関する流行の前記第２電子商店街への波及の態様を推定する推定モデルを生成する生成工程と、を含む
ことを特徴とする情報処理方法。
第１電子商店街における取引対象の購買に関する情報である第１購買関連情報と、第２電子商店街における取引対象の購買に関する情報である第２購買関連情報とを取得する取得工程と、
前記取得工程によって取得された前記第１購買関連情報と前記第２購買関連情報とに基づいて、前記第１電子商店街における前記購買に関する流行の前記第２電子商店街への波及の態様を推定する推定モデルを生成する生成工程と、を含む
ことを特徴とする情報処理方法。
【請求項11】
第１電子商店街における取引対象の購買に関する情報である第１購買関連情報と、第２電子商店街における取引対象の購買に関する情報である第２購買関連情報とを取得する取得手順と、
前記取得手順によって取得された前記第１購買関連情報と前記第２購買関連情報とに基づいて、前記第１電子商店街における前記購買に関する流行の前記第２電子商店街への波及の態様を推定する推定モデルを生成する生成手順と、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。
前記取得手順によって取得された前記第１購買関連情報と前記第２購買関連情報とに基づいて、前記第１電子商店街における前記購買に関する流行の前記第２電子商店街への波及の態様を推定する推定モデルを生成する生成手順と、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、インターネット上で各々商品を販売する仮想店舗を含む電子商店街を利用した商品などの取引対象の取引が一般化している。かかる電子商店街では、利用者から取引対象の注文を受け付けると、利用者への取引対象の配送を販売者が配送業者に依頼するなどして商品を利用者に届ける。
【0003】
特許文献１には、キーワードに応じて商品などを検索する電子商店街サーバが記載されており、かかる電子商店街サーバは、商品検索などに用いられるキーワードの流行を判定し、かかる判定結果に基づいて、商品の需要予測を行う。
【先行技術文献】
【特許文献】
【0004】
【特許文献1】特開２０１３－２５０６７７号公報
【発明の概要】
【発明が解決しようとする課題】
【0005】
しかしながら、上記特許文献１に記載の技術は、電子商店街内での情報に基づいて、かかる電子商店街内での取引対象の流行を予測する技術に留まり、改善の余地がある。
【0006】
本願は、上記に鑑みてなされたものであって、電子商店街間での取引対象の流行の波及を予測可能に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】
【0007】
本願に係る情報処理装置は、第１電子商店街における取引対象の購買に関する情報である第１購買関連情報と、第２電子商店街における取引対象の購買に関する情報である第２購買関連情報とを取得する取得部と、取得部によって取得された第１購買関連情報と第２購買関連情報とに基づいて、第１電子商店街における購買に関する流行の第２電子商店街への波及の態様を推定する推定モデルを生成する生成部とを備える。
【発明の効果】
【0008】
実施形態の一態様によれば、電子商店街間での取引対象の流行の波及を予測可能に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】
【0009】
【発明を実施するための形態】
【0010】
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。
【0011】
【0012】
図１に示すように、情報処理装置１は、内部の記憶部または外部のサーバなどから、第１購買関連情報と第２購買関連情報とを取得する（ステップＳ１）。第１購買関連情報は、第１電子商店街４Ａにおける取引対象の購買に関する情報であり、第２購買関連情報は、第２電子商店街４Ｂにおける取引対象の購買に関する情報である。
【0013】
第１電子商店街４Ａと第２電子商店街４Ｂとは互いに異なる運営者によって運営されるが、共通の運営者によって運営されてもよい。以下において、第１電子商店街４Ａおよび第２電子商店街４Ｂの各々を個別に区別せずに示す場合、電子商店街４と記載する場合がある。
【0014】
第１購買関連情報は、例えば、取引対象毎の第１購買数情報、取引対象毎の第１在庫数情報、第１ランキング情報、売り切れた取引対象毎の第１売り切れタイミング情報、売り切れた取引対象毎の第１売り切れ期間情報、および第１流入数情報などを含む。
【0015】
第１購買数情報は、第１電子商店街４Ａにおける取引対象の購買数の情報を含む。第１在庫数情報は、第１電子商店街４Ａにおける取引対象の在庫数の情報を含む。第１ランキング情報は、第１電子商店街４Ａにおける複数の取引対象の購買のランキング情報を含む。第１電子商店街４Ａにおける取引対象の購買は、第１電子商店街４Ａの利用者Ｕによる取引対象の購買であり、第１電子商店街４Ａでの取引対象の販売ということもできる。
【0016】
第１売り切れタイミング情報は、第１電子商店街４Ａにおいて取引対象が売り切れるタイミングである第１売り切れタイミングを示す情報を含む。第１売り切れ期間情報は、第１電子商店街４Ａにおいて販売が開始された取引対象が売り切れるまでの期間である第１売り切れ期間を示す情報を含む。第１流入数情報は、第１電子商店街４Ａへの利用者Ｕの流入数を示す情報を含む。
【0017】
第２購買関連情報は、例えば、取引対象毎の第２購買数情報、取引対象毎の第２在庫数情報、第２ランキング情報、売り切れた取引対象毎の第２売り切れタイミング情報、売り切れた取引対象毎の第２売り切れ期間情報、および第２流入数情報などを含む。
【0018】
第２購買数情報は、第２電子商店街４Ｂにおける取引対象の購買数の情報を含む。第２在庫数情報は、第２電子商店街４Ｂにおける取引対象の在庫数の情報を含む。第２ランキング情報は、第２電子商店街４Ｂにおける複数の取引対象の購買のランキング情報を含む。第２電子商店街４Ｂにおける取引対象の購買は、第２電子商店街４Ｂの利用者Ｕによる取引対象の購買であり、第２電子商店街４Ｂでの取引対象の販売ということもできる。
【0019】
第２売り切れタイミング情報は、第２電子商店街４Ｂにおいて取引対象が売り切れるタイミングである第２売り切れタイミングを示す情報を含む。第２売り切れ期間情報は、第２電子商店街４Ｂにおいて販売が開始された取引対象が売り切れるまでの期間である第２売り切れ期間を示す情報を含む。第２流入数情報は、第２電子商店街４Ｂへの利用者Ｕの流入数を示す情報を含む。
【0020】
第１購買数情報および第２購買数情報の各々は、予め定められた周期（例えば、１日または１週間など）毎の各取引対象の購買数の情報を含む。第１在庫数情報および第２在庫数情報の各々は、予め定められた周期（例えば、１日または１週間など）毎の各取引対象の在庫数の情報を含む。
【0021】
第１ランキング情報および第２ランキング情報の各々は、予め定められた周期（例えば、１日または１週間など）毎の複数の取引対象の購買のランキングの情報を含む。購買のランキングは、例えば、購買数や購買額のランキングである。なお、購買のランキングは、取引対象の属性（例えば、カテゴリやスペック）毎の補正値を用いて補正した購買数や購買額のランキングであってカテゴリによらないランキングもよい。
【0022】
第１流入数情報および第２流入数情報の各々は、予め定められた周期（例えば、１日または１週間など）毎の電子商店街４への利用者Ｕの流入数を示す情報を含む。かかる流入数は、例えば、利用者Ｕによる検索サイトでの検索結果に基づいて推定される。例えば、利用者Ｕによる検索クエリに含まれる検索キーワードに基づいて、各電子商店街４への利用者Ｕの流入数が推定される。
【0023】
例えば、第１電子商店街４Ａを特定するキーワード（例えば、第１電子商店街４Ａの名称）が検索クエリに含まれている場合に、第１電子商店街４Ａへの利用者Ｕの流入であると推定される。また、第２電子商店街４Ｂを特定するキーワード（例えば、第２電子商店街４Ｂの名称）が検索クエリに含まれている場合に、第２電子商店街４Ｂへの利用者Ｕの流入であると推定される。
【0024】
また、電子商店街４への利用者Ｕの流入数は、取引対象の属性（例えば、カテゴリやスペック）毎または取引対象毎に推定された値であってもよい。例えば、電子商店街４を特定するキーワードが検索キーワードとして含まれる検索クエリに含まれる他の検索キーワード（例えば、取引対象のカテゴリを示すキーワードまたは取引対象を示すキーワードなど）に基づいて、取引対象の属性（例えば、カテゴリやスペック）毎または取引対象毎に電子商店街４への利用者Ｕの流入数が推定される。
【0025】
なお、電子商店街４への利用者Ｕの流入数は、電子商店街４に実際にアクセスした利用者Ｕの数であってもよく、この場合、情報処理装置１は、例えば、電子商店街４を含む電子商取引サイトから電子商店街４への利用者Ｕの流入数を取得する。
【0026】
また、第１売り切れタイミング情報および第２売り切れタイミング情報の各々は、販売が開始されてから予め定められた期間内において売り切れた取引対象毎の売り切れタイミングの情報を含む。各売り切れタイミングの情報は、例えば、取引対象の売り切れ日時または取引対象の売り切れ日を示す情報であるが、かかる例に限定されない。
【0027】
つづいて、情報処理装置１は、ステップＳ１において取得した第１購買関連情報と第２購買関連情報とに基づいて、第１電子商店街４Ａにおける購買に関する流行の第２電子商店街４Ｂへの波及の態様を推定する推定モデルを生成する（ステップＳ２）。かかる推定モデルは、機械学習によって生成されるモデルである。
【0028】
購買に関する流行とは、例えば、需要が高まっている状況である。需要が高まっている状況であるか否かは、例えば、購買数の増加率が予め定められた閾値以上および予め設定された期間における購買数が予め設定された閾値以上のうちの少なくとも一方を満たすか否かで判定される。
【0029】
なお、需要が高まっている状況であるか否かは、上述した例に限定されず、例えば、売り切れている状況が予め設定された期間以上であるか否かで判定されてもよく、その他の基準によって判定されてもよい。予め設定された閾値や予め設定された期間は、取引対象の属性（例えば、カテゴリやスペック）毎に設定されるが、取引対象毎に設定されてもよい。
【0030】
推定モデルは、取引対象毎の購買に関する流行の波及の態様を推定するが、取引対象の属性（例えば、カテゴリやスペック）毎の購買に関する流行の波及の態様を推定することもできる。
【0031】
情報処理装置１は、例えば、第１電子商店街４Ａにおける購買に関する流行の第２電子商店街４Ｂへの波及の有無を推定するモデルを推定モデルとして生成する。例えば、情報処理装置１は、第１ランキング情報の変動と第２ランキング情報の変動との差に基づいて、推定モデルを生成する。
【0032】
この場合、推定モデルは、例えば、判定対象となる取引対象における第１ランキング情報の変動を示す情報とが特徴量として入力され、判定対象となる取引対象の第１電子商店街４Ａから第２電子商店街４Ｂへの購買の波及の有無を示す情報を出力するモデルである。
【0033】
推定モデルで用いられる特徴量は、例えば、第１電子商店街４Ａにおいて流行したと推定されるタイミングまでの情報であり、予め定められた期間の情報であるが、第１電子商店街４Ａにおいて流行したと推定されるタイミング以降の情報を含んでいてもよい。
【0034】
例えば、推定モデルで用いられる特徴量は、取引対象が第１電子商店街４Ａにおいて売り切れた時点までの予め定められた期間の情報、取引対象が第１電子商店街４Ａにおけるランキングの順位が予め定められた順位以上になった時点までの予め定められた期間の情報などであるが、かかる例に限定されない。例えば、推定モデルで用いられる特徴量は、取引対象の第１電子商店街４Ａにおける購買数の上昇率が閾値以上になった時点までの予め定められた期間の情報などであってもよい。
【0035】
判定対象となる取引対象における第１ランキング情報の変動を示す情報は、判定対象となる取引対象の第１電子商店街４Ａにおける順位の変動を示す情報であり、時系列データである。
【0036】
なお、推定モデルは、第１購買数情報、第２購買数情報、第１在庫数情報、第２在庫数情報、第１ランキング情報、第２ランキング情報、第１売り切れタイミング情報、第１売り切れ期間情報、第１流入数情報、および第２流入数情報などのうちの１以上がさらに特徴量として入力されるモデルであってもよい。
【0037】
情報処理装置１は、例えば、第１ランキング情報において上位の予め定められた順位内になった取引対象がその後に第２ランキング情報において上位の予め定められた順位内になっている場合に、その取引対象に関して第１電子商店街４Ａから第２電子商店街４Ｂへの流行の波及があると判定し、そうでない場合に、その取引対象に関して第１電子商店街４Ａから第２電子商店街４Ｂへの流行の波及がないと判定する。
【0038】
また、情報処理装置１は、第１ランキング情報において順位が上昇していった取引対象がその後に第２ランキング情報において順位が上昇していった場合に、その取引対象に関して第１電子商店街４Ａから第２電子商店街４Ｂへの流行の波及があると判定し、そうでない場合に、その取引対象に関して第１電子商店街４Ａから第２電子商店街４Ｂへの流行の波及がないと判定することもできる。
【0039】
情報処理装置１は、流行の波及があると判定した場合、波及があることを示すラベルを付与するアノテーションを行い、流行の波及がないと判定した場合に、波及がないことを示すラベルを付与するアノテーションを行う。このように、情報処理装置１は、判定対象となる取引対象における第１ランキング情報の変動と第２ランキング情報の変動との差に基づいて、アノテーションを行うことができる。
【0040】
また、情報処理装置１は、第１電子商店街４Ａにおける購買に関する流行が第２電子商店街４Ｂへ波及するまでの期間である第１波及遅延期間を推定するモデルを推定モデルとして生成することもできる。
【0041】
この場合、推定モデルは、判定対象となる取引対象における第１売り切れタイミングを示す情報が特徴量として入力され、第１波及遅延期間を示す情報を出力するモデルである。
【0042】
なお、推定モデルは、第１購買数情報、第２購買数情報、第１在庫数情報、第２在庫数情報、第１ランキング情報、第２ランキング情報、第１流入数情報、および第２流入数情報などのうちの１以上がさらに特徴量として入力されるモデルであってもよい。
【0043】
また、情報処理装置１は、第１売り切れタイミングになった取引対象がその後に第２ランキング情報において上位の予め定められた順位内になった場合に、その取引対象に関して流行の波及があると判定し、そうでない場合に、その取引対象に関して流行の波及がないと判定することもできる。
【0044】
情報処理装置１は、例えば、第１売り切れタイミングから第２売り切れタイミングまでの期間が予め定められた期間以内である取引対象を流行の波及があると判定し、第１売り切れタイミングから第２売り切れタイミングまでの期間が予め定められた期間以内になっていない取引対象を流行の波及がないと判定することもできる。
【0045】
情報処理装置１は、流行の波及があると判定した取引対象における第１売り切れタイミングから第２売り切れタイミングまでの期間を示す情報をラベルとして用いて、推定モデルを生成する。このように、情報処理装置１は、判定対象となる取引対象における第１売り切れタイミングと第２ランキング情報における変動、判定対象となる取引対象における第１売り切れタイミングと第２売り切れタイミングとの差などに基づいて、アノテーションを行うことができる。
【0046】
この場合、推定モデルは、例えば、第１購買数情報、第２購買数情報、第１在庫数情報、第２在庫数情報、第１ランキング情報、第２ランキング情報、第１売り切れ期間情報、第１流入数情報、および第２流入数情報などのうちの１以上の情報を特徴量として入力し、第１売り切れタイミングから第２売り切れタイミングまでの期間を出力するモデルである。
【0047】
また、情報処理装置１は、電子商店街４への流入数がピークとなるタイミングの差に基づいて、第１電子商店街４Ａにおける購買に関する流行が第２電子商店街４Ｂへ波及するか否かを判定することもできる。
【0048】
例えば、情報処理装置１は、第１流入数情報に基づいて、第１電子商店街４Ａにおいて流入数がピークとなるタイミングである第１ピークタイミングを判定する。また、情報処理装置１は、第２流入数情報に基づいて、第２電子商店街４Ｂにおいて流入数がピークとなるタイミングである第２ピークタイミングを判定する。
【0049】
そして、情報処理装置１は、第１ピークタイミングから第２ピークタイミングまでの期間が予め定められた期間範囲以内である取引対象において、第１電子商店街４Ａにおける購買に関する流行が第２電子商店街４Ｂへ波及すると判定し、そうでない場合に、波及しないと判定する。
【0050】
情報処理装置１は、判定した流行の波及の有無を示す情報をラベルとして用いて推定モデルを生成する。この場合、推定モデルは、例えば、第１購買数情報、第２購買数情報、第１在庫数情報、第２在庫数情報、第１ランキング情報、第２ランキング情報、第１売り切れタイミング情報、第１売り切れ期間情報、第１流入数情報、および第２流入数情報などのうちの１以上の情報を特徴量として入力し、第１電子商店街４Ａから第２電子商店街４Ｂへの流行の波及の有無を示す情報を出力するモデルである。
【0051】
情報処理装置１は、流行の波及があると判定した取引対象における第１ピークタイミングから第２ピークタイミングまでの期間を示す情報をラベルとして用いて、推定モデルを生成したりする。このように、情報処理装置１は、第１電子商店街４Ａと第２電子商店街４Ｂとの流入数の変動の差などに基づいて、アノテーションを行うことができる。なお、ピークタイミングは、電子商店街４単位での流入数のピークのタイミングであるが、判定対象となる取引対象の属性毎の流入数のピークのタイミングであってもよい。
【0052】
この場合、推定モデルは、例えば、第１購買数情報、第２購買数情報、第１在庫数情報、第２在庫数情報、第１ランキング情報、第２ランキング情報、第１売り切れタイミング情報、第１売り切れ期間情報、第１流入数情報、および第２流入数情報などのうちの１以上の情報を特徴量として入力し、第１電子商店街４Ａから第２電子商店街４Ｂに流行が波及するまでの期間を示す情報を出力するモデルである。
【0053】
つづいて、情報処理装置１は、端末装置２から波及推定要求を受け付ける（ステップＳ３）。端末装置２の利用者Ｕは、端末装置２を操作することによって、端末装置２から情報処理装置１に波及推定要求を送信させることができる。
【0054】
情報処理装置１は、ステップＳ３で波及推定要求を受け付けた場合、上述した推定モデルを用いて、第１電子商店街４Ａにおける購買に関する流行の第２電子商店街４Ｂへの波及の態様（例えば、波及の有無や波及までの期間など）を取引対象毎に推定する（ステップＳ４）。
【0055】
波及推定要求は、流行の波及を判定する取引対象を、すべての取引対象とするのか、特定のカテゴリの取引対象とするのか、特定の取引対象とするのかを示す情報を含んでおり、情報処理装置１は、波及推定要求で特定される取引対象について流行の波及の態様を推定する。
【0056】
つづいて、情報処理装置１は、ステップＳ４での推定の結果を示す流行波及推定結果情報を端末装置２に送信する（ステップＳ５）。端末装置２は、情報処理装置１から送信される流行波及推定結果情報を受信すると、受信した流行波及推定結果情報を表示する。このように、情報処理装置１は、推定モデルを用いて第２電子商店街４Ｂでの取引対象の流行を予測することができる。
【0057】
なお、情報処理装置１は、上述した推定モデルの生成方法と同様の方法によって、第１購買関連情報と第２購買関連情報とに基づいて、第２電子商店街４Ｂにおける購買に関する流行の第１電子商店街４Ａへの波及の態様を推定する推定モデルを生成することもできる。
【0058】
また、情報処理装置１は、例えば、電子商店街４が３以上ある場合、異なる組み合わせの２つの電子商店街４毎に推定モデルを生成することができ、電子商店街４が４以上ある場合、異なる組み合わせの３つの電子商店街４毎に推定モデルを生成することができる。
【0059】
また、情報処理装置１は、上述した推定モデルを取引対象の属性（例えば、カテゴリやスペック）毎に生成することもできる。また、情報処理装置１は、例えば、在庫が予め定められた数以上あった取引対象の情報やメーカー品の取引対象の情報などに限定して上述した推定モデルの生成および推定モデルによる推定に用いることができる。
【0060】
また、情報処理装置１は、検索後の流入が第１電子商店街４Ａおよび第２電子商店街４Ｂの一方のみの取引対象の情報を上述した推定モデルの生成に用いるデータセットから除外することもできる。
【0061】
以下、このような処理を行う情報処理装置１および端末装置２を含む情報処理システムの構成などについて、詳細に説明する。
【0062】
〔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、実施形態に係る情報処理システム１００は、情報処理装置１と、複数の端末装置２とを含む。
図２は、実施形態に係る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、実施形態に係る情報処理システム１００は、情報処理装置１と、複数の端末装置２とを含む。
【0063】
複数の端末装置２は、互いに異なる利用者Ｕによって用いられる。端末装置２は、例えば、ノートＰＣ（Personal Computer）、デスクトップＰＣ、スマートフォン、タブレットＰＣ、ウェアラブルデバイスである。ウェアラブルデバイスは、例えば、スマートグラス、またはスマートウォッチなどであるが、かかる例に限定されない。利用者Ｕは、情報処理装置１などから提供されるサービスを利用する利用者である。
【0064】
情報処理装置１および端末装置２の各々は、ネットワークＮを介して、有線または無線により互いに通信可能に接続される。なお、図２に示す情報処理システム１００には、情報処理装置１などが複数含まれてもよい。
【0065】
ネットワークＮは、例えば、インターネットなどのＷＡＮ（Wide Area Network）およびＬＴＥ（Long Term Evolution）、４Ｇ（4th Generation）、５Ｇ（5th Generation：第５世代移動通信システム）などの移動体通信網などを含む。
【0066】
端末装置２は、移動体通信網、Ｂｌｕｅｔｏｏｔｈ（登録商標）、無線ＬＡＮ（Local Area Network）などの近距離無線通信を介してネットワークＮに接続し、情報処理装置１と通信することができる。
【0067】
【0068】
〔３．１．通信部１０〕
通信部１０は、例えば、通信モジュールや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２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、通信モジュールや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２との間でネットワークＮを介して情報の送受信を行う。
【0069】
〔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。記憶部１１は、電子商店街情報記憶部２０と、流入数情報記憶部２１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。記憶部１１は、電子商店街情報記憶部２０と、流入数情報記憶部２１とを有する。
【0070】
〔３．２．１．電子商店街情報記憶部２０〕
電子商店街情報記憶部２０は、各電子商店街４の購買に関する各種の情報である購買関連情報を記憶する。図４は、実施形態に係る電子商店街情報記憶部２０に記憶される電子商店街情報テーブルの一例を示す図である。
電子商店街情報記憶部２０は、各電子商店街４の購買に関する各種の情報である購買関連情報を記憶する。図４は、実施形態に係る電子商店街情報記憶部２０に記憶される電子商店街情報テーブルの一例を示す図である。
【0071】
図４に示す例では、電子商店街情報記憶部２０に記憶される利用者情報テーブルは、「電子商店街ＩＤ（Identifier）」、「購買数情報」、「在庫数情報」、「ランキング情報」、「売り切れタイミング情報」、および「売り切れ期間情報」といった項目の情報を含む。
【0072】
「電子商店街ＩＤ」は、電子商店街４を識別する識別子であり、電子商店街４毎に付される情報である。図４に示す例では、電子商店街ＩＤ「ＥＣ１」は、第１電子商店街の識別子であり、電子商店街ＩＤ「ＥＣ２」は、第２電子商店街の識別子である。
【0073】
「購買数情報」は、「電子商店街ＩＤ」に対応付けられた電子商店街４における取引対象の購買数の情報を予め定められた周期毎に含み、かかる取引対象の購買数の情報は、「電子商店街ＩＤ」に対応付けられた電子商店街４で販売される取引対象毎に含まれる。電子商店街４における取引対象の購買は、電子商店街４の利用者Ｕによる取引対象の購買であり、電子商店街４での取引対象の販売ということもできる。
【0074】
「在庫数情報」は、「電子商店街ＩＤ」に対応付けられた電子商店街４における取引対象の在庫数の情報を予め定められた周期毎に含み、かかる取引対象の在庫数の情報は、「電子商店街ＩＤ」に対応付けられた電子商店街４で販売される取引対象毎に含まれる。「ランキング情報」は、「電子商店街ＩＤ」に対応付けられた電子商店街４における複数の取引対象の購買のランキング情報を予め定められた周期毎に含む。
【0075】
「売り切れタイミング情報」は、「電子商店街ＩＤ」に対応付けられた電子商店街４において売り切れた取引対象の売り切れタイミングを示す情報を含む。「売り切れ期間情報」は、「電子商店街ＩＤ」に対応付けられた電子商店街４において販売が開始された取引対象が売り切れるまでの期間である売り切れ期間（販売が開始されてから売り切れるまでの期間）を示す情報を含む。
【0076】
〔３．２．２．流入数情報記憶部２１〕
流入数情報記憶部２１は、電子商店街４への流入数に関する各種の情報を記憶する。図５は、実施形態に係る流入数情報記憶部２１に記憶される流入数情報テーブルの一例を示す図である。
流入数情報記憶部２１は、電子商店街４への流入数に関する各種の情報を記憶する。図５は、実施形態に係る流入数情報記憶部２１に記憶される流入数情報テーブルの一例を示す図である。
【0077】
図５に示す例では、流入数情報記憶部２１に記憶される利用者情報テーブルは、「電子商店街ＩＤ」および「流入数情報」といった項目の情報を含む。「流入数情報」は、「電子商店街ＩＤ」に対応付けられた電子商店街４への利用者Ｕの流入数を示す情報を予め定められた周期（例えば、１日または１週間など）毎に含む。
【0078】
「流入数情報」は、「電子商店街ＩＤ」に対応付けられた電子商店街４への利用者Ｕの流入数の推定値であるが、さらに取引対象の属性（例えば、カテゴリやスペック）毎または取引対象毎に推定された値であってもよい。
【0079】
例えば、電子商店街４を特定するキーワードが検索キーワードとして含まれる検索クエリに含まれる他の検索キーワード（例えば、取引対象のカテゴリを示すキーワードまたは取引対象を示すキーワードなど）に基づいて、取引対象の属性（例えば、カテゴリやスペック）毎または取引対象毎に電子商店街４への利用者Ｕの流入数が処理部１２によって推定される。
【0080】
〔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）またはＭＰＵ（Micro Processing Unit）などによって、端末装置２内部の記憶装置に記憶されている各種プログラムがＲＡＭを作業領域として実行されることにより実現される。
処理部１２は、コントローラ（controller）であり、例えば、ＣＰＵ（Central Processing Unit）またはＭＰＵ（Micro Processing Unit）などによって、端末装置２内部の記憶装置に記憶されている各種プログラムがＲＡＭを作業領域として実行されることにより実現される。
【0081】
処理部１２は、例えば、ＡＳＩＣ（Application Specific Integrated Circuit）またはＦＰＧＡ（Field Programmable Gate Array）などの集積回路により一部または全部が実現されてもよい。
【0082】
図３に示すように、処理部１２は、取得部３０と、受付部３１と、生成部３２と、推定部３３と、提供部３４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３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。
【0083】
〔３．３．１．取得部３０〕
取得部３０は、外部の情報処理装置や端末装置２などから通信部１０を介して種々の情報を取得し、取得した情報を記憶部１１に記憶させる。
取得部３０は、外部の情報処理装置や端末装置２などから通信部１０を介して種々の情報を取得し、取得した情報を記憶部１１に記憶させる。
【0084】
例えば、取得部３０は、外部の情報処理装置などから通信部１０を介して購買関連情報を取得し、取得した購買関連情報を電子商店街情報記憶部２０の電子商店街情報テーブルに追加する。また、取得部３０は、外部の情報処理装置などから通信部１０を介して流入数情報を取得し、取得した流入数情報を流入数情報記憶部２１の流入数情報テーブルに追加する。
【0085】
また、取得部３０は、記憶部１１から各種の情報を取得する。例えば、取得部３０は、購買関連情報を電子商店街情報記憶部２０などから取得する。取得部３０によって取得される購買関連情報は、例えば、上述した購買数情報、在庫数情報、ランキング情報、売り切れタイミング情報、および売り切れ期間情報のうちの少なくとも１つ以上の情報の一部または全部を含む。
【0086】
例えば、取得部３０は、第１電子商店街４Ａにおける取引対象の購買に関する情報である第１購買関連情報と、第２電子商店街４Ｂにおける取引対象の購買に関する情報である第２購買関連情報とを電子商店街情報記憶部２０から取得する。
【0087】
〔３．３．２．受付部３１〕
受付部３１は、通信部１０を介して端末装置２から各種の要求や情報などを受け付ける。例えば、受付部３１は、利用者Ｕの端末装置２から送信される流行推定要求を受け付ける。
受付部３１は、通信部１０を介して端末装置２から各種の要求や情報などを受け付ける。例えば、受付部３１は、利用者Ｕの端末装置２から送信される流行推定要求を受け付ける。
【0088】
波及推定要求は、例えば、流行の波及を判定する取引対象を、すべての取引対象とするのか、特定のカテゴリの取引対象とするのか、特定の取引対象とするのかを示す情報を含む。
【0089】
〔３．３．３．生成部３２〕
生成部３２は、取得部３０によって取得された第１購買関連情報と第２購買関連情報とに基づいて、第１電子商店街４Ａにおける購買に関する流行の第２電子商店街４Ｂへの波及の態様を推定する推定モデルを生成する。
生成部３２は、取得部３０によって取得された第１購買関連情報と第２購買関連情報とに基づいて、第１電子商店街４Ａにおける購買に関する流行の第２電子商店街４Ｂへの波及の態様を推定する推定モデルを生成する。
【0090】
購買に関する流行とは、例えば、需要が高まっている状況である。需要が高まっている状況であるか否かは、例えば、購買数の増加率が予め定められた閾値以上および予め設定された期間における購買数が予め設定された閾値以上のうちの少なくとも一方を満たすか否かで判定される。
【0091】
なお、需要が高まっている状況であるか否かは、上述した例に限定されず、例えば、売り切れている状況が予め設定された期間以上であるか否かで判定されてもよく、その他の基準によって判定されてもよい。予め設定された閾値や予め設定された期間は、取引対象の属性（例えば、カテゴリやスペック）毎に設定されるが、取引対象毎に設定されてもよい。
【0092】
推定モデルは、取引対象毎の購買に関する流行の波及の態様を推定するが、取引対象の属性（例えば、カテゴリやスペック）毎の購買に関する流行の波及の態様を推定することもできる。
【0093】
生成部３２は、例えば、第１電子商店街４Ａにおける購買に関する流行の第２電子商店街４Ｂへの波及の有無を推定するモデルを推定モデルとして生成する。例えば、生成部３２は、第１ランキング情報の変動と第２ランキング情報の変動との差に基づいて、推定モデルを生成する。
【0094】
この場合、推定モデルは、例えば、判定対象となる取引対象における第１ランキング情報の変動を示す情報とが特徴量として入力され、判定対象となる取引対象の第１電子商店街４Ａから第２電子商店街４Ｂへの購買の波及の有無を示す情報を出力するモデルである。
【0095】
推定モデルで用いられる特徴量は、例えば、第１電子商店街４Ａにおいて流行したと推定されるタイミングまでの情報であり、予め定められた期間の情報であるが、第１電子商店街４Ａにおいて流行したと推定されるタイミング以降の情報を含んでいてもよい。
【0096】
例えば、推定モデルで用いられる特徴量は、取引対象が第１電子商店街４Ａにおいて売り切れた時点までの予め定められた期間の情報、取引対象が第１電子商店街４Ａにおけるランキングの順位が予め定められた順位以上になった時点までの予め定められた期間の情報などであるが、かかる例に限定されない。例えば、推定モデルで用いられる特徴量は、取引対象の第１電子商店街４Ａにおける購買数の上昇率が閾値以上になった時点までの予め定められた期間の情報などであってもよい。
【0097】
判定対象となる取引対象における第１ランキング情報の変動を示す情報は、判定対象となる取引対象の第１電子商店街４Ａにおける順位の変動を示す情報であり、時系列データである。
【0098】
なお、推定モデルは、第１購買数情報、第２購買数情報、第１在庫数情報、第２在庫数情報、第１ランキング情報、第２ランキング情報、第１売り切れタイミング情報、第１売り切れ期間情報、第１流入数情報、および第２流入数情報などのうちの１以上がさらに特徴量として入力されるモデルであってもよい。
【0099】
生成部３２は、例えば、第１ランキング情報において上位の予め定められた順位内になった取引対象がその後に第２ランキング情報において上位の予め定められた順位内になっている場合に、その取引対象に関して第１電子商店街４Ａから第２電子商店街４Ｂへの流行の波及があると判定し、そうでない場合に、その取引対象に関して第１電子商店街４Ａから第２電子商店街４Ｂへの流行の波及がないと判定する。
【0100】
また、生成部３２は、第１ランキング情報において順位が上昇していった取引対象がその後に第２ランキング情報において順位が上昇していった場合に、その取引対象に関して第１電子商店街４Ａから第２電子商店街４Ｂへの流行の波及があると判定し、そうでない場合に、その取引対象に関して第１電子商店街４Ａから第２電子商店街４Ｂへの流行の波及がないと判定することもできる。
【0101】
生成部３２は、流行の波及があると判定した場合、波及があることを示すラベルを付与するアノテーションを行い、流行の波及がないと判定した場合に、波及がないことを示すラベルを付与するアノテーションを行う。このように、生成部３２は、判定対象となる取引対象における第１ランキング情報の変動と第２ランキング情報の変動との差に基づいて、アノテーションを行うことができる。
【0102】
また、生成部３２は、第１電子商店街４Ａにおける購買に関する流行が第２電子商店街４Ｂへ波及するまでの期間である第１波及遅延期間を推定するモデルを推定モデルとして生成することもできる。
【0103】
この場合、推定モデルは、判定対象となる取引対象における第１売り切れタイミングよりを示す情報が特徴量として入力され、第１波及遅延期間を示す情報を出力するモデルである。
【0104】
なお、推定モデルは、第１購買数情報、第２購買数情報、第１在庫数情報、第２在庫数情報、第１ランキング情報、第２ランキング情報、第１流入数情報、および第２流入数情報のうちの１以上がさらに特徴量として入力されるモデルであってもよい。
【0105】
推定モデルにおいて、第１購買数情報、第２購買数情報、第１在庫数情報、第２在庫数情報、第１ランキング情報、および第２ランキング情報は、判定対象となる取引対象の情報であり、予め定められた周期毎の情報である。
【0106】
また、生成部３２は、第１売り切れタイミングになった取引対象がその後に第２ランキング情報において上位の予め定められた順位内になった場合に、その取引対象に関して流行の波及があると判定し、そうでない場合に、その取引対象に関して流行の波及がないと判定することもできる。
【0107】
生成部３２は、例えば、第１売り切れタイミングから第２売り切れタイミングまでの期間が予め定められた期間以内である取引対象を流行の波及があると判定し、第１売り切れタイミングから第２売り切れタイミングまでの期間が予め定められた期間以内になっていない取引対象を流行の波及がないと判定することもできる。
【0108】
生成部３２は、流行の波及があると判定した取引対象における第１売り切れタイミングから第２売り切れタイミングまでの期間を示す情報をラベルとして用いて、推定モデルを生成する。このように、生成部３２は、判定対象となる取引対象における第１売り切れタイミングと第２ランキング情報における変動、判定対象となる取引対象における第１売り切れタイミングと第２売り切れタイミングとの差などに基づいて、アノテーションを行うことができる。
【0109】
推定モデルは、例えば、第１購買数情報、第２購買数情報、第１在庫数情報、第２在庫数情報、第１ランキング情報、第２ランキング情報、第１売り切れ期間情報、第１流入数情報、および第２流入数情報などのうちの１以上の情報を特徴量として入力し、第１売り切れタイミングから第２売り切れタイミングまでの期間を出力するモデルである。
【0110】
また、生成部３２は、電子商店街４への流入数がピークとなるタイミングの差に基づいて、第１電子商店街４Ａにおける購買に関する流行が第２電子商店街４Ｂへ波及するか否かを判定することもできる。
【0111】
例えば、生成部３２は、第１流入数情報に基づいて、第１電子商店街４Ａにおいて流入数がピークとなるタイミングである第１ピークタイミングを判定する。また、生成部３２は、第２流入数情報に基づいて、第２電子商店街４Ｂにおいて流入数がピークとなるタイミングである第２ピークタイミングを判定する。
【0112】
そして、生成部３２は、第１ピークタイミングから第２ピークタイミングまでの期間が予め定められた期間範囲以内である取引対象において、第１電子商店街４Ａにおける購買に関する流行が第２電子商店街４Ｂへ波及すると判定し、そうでない場合に、波及しないと判定する。
【0113】
生成部３２は、判定した流行の波及の有無を示す情報をラベルとして用いて推定モデルを生成する。この場合、推定モデルは、例えば、第１購買数情報、第２購買数情報、第１在庫数情報、第２在庫数情報、第１ランキング情報、第２ランキング情報、第１売り切れタイミング情報、第１売り切れ期間情報、第１流入数情報、および第２流入数情報などのうちの１以上の情報を特徴量として入力し、第１電子商店街４Ａから第２電子商店街４Ｂへの流行の波及の有無を示す情報を出力するモデルである。
【0114】
生成部３２は、流行の波及があると判定した取引対象における第１ピークタイミングから第２ピークタイミングまでの期間を示す情報をラベルとして用いて、推定モデルを生成したりする。このように、生成部３２は、第１電子商店街４Ａと第２電子商店街４Ｂとの流入数の変動の差などに基づいて、アノテーションを行うことができる。なお、ピークタイミングは、電子商店街４単位での流入数のピークのタイミングであるが、判定対象となる取引対象の属性毎の流入数のピークのタイミングであってもよい。
【0115】
この場合、推定モデルは、例えば、第１購買数情報、第２購買数情報、第１在庫数情報、第２在庫数情報、第１ランキング情報、第２ランキング情報、第１売り切れタイミング情報、第１売り切れ期間情報、第１流入数情報、および第２流入数情報などのうちの１以上の情報を特徴量として入力し、第１電子商店街４Ａから第２電子商店街４Ｂに流行が波及するまでの期間を示す情報を出力するモデルである。
【0116】
なお、生成部３２は、上述した推定モデルの生成方法と同様の方法によって、第１購買関連情報と第２購買関連情報とに基づいて、第２電子商店街４Ｂにおける購買に関する流行の第１電子商店街４Ａへの波及の態様を推定する推定モデルを生成することもできる。
【0117】
また、生成部３２は、例えば、電子商店街４が３以上ある場合、異なる組み合わせの２つの電子商店街４毎に推定モデルを生成することができ、電子商店街４が４以上ある場合、異なる組み合わせの３つの電子商店街４毎に推定モデルを生成することができる。
【0118】
また、生成部３２は、上述した推定モデルを取引対象の属性（例えば、カテゴリやスペック）毎に生成することもできる。また、生成部３２は、例えば、在庫が予め定められた数以上あった取引対象の情報やメーカー品の取引対象の情報などに限定して上述した推定モデルの生成および推定モデルによる推定に用いることができる。
【0119】
また、生成部３２は、検索後の流入が第１電子商店街４Ａおよび第２電子商店街４Ｂの一方のみの取引対象の情報を上述した推定モデルの生成に用いるデータセットから除外することもできる。
【0120】
上述した推定モデルは、機械学習によって生成されるモデルであり、例えば、畳み込みニューラルネットワーク、リカレントニューラルネットワーク、またはディープニューラルネットワークなどのニューラルネットワークによる機械学習によって生成されるが、かかる例に限定されない。
【0121】
例えば、推定モデルは、ニューラルネットワークに代えて、ＧＢＤＴ（Gradient Boosting Decision Tree）、線形回帰またはロジスティック回帰といった学習アルゴリズムによる機械学習を用いて生成されてもよい。
【0122】
〔３．３．４．推定部３３〕
推定部３３は、受付部３１によって波及推定要求が受け付けられた場合、上述した推定モデルを用いて、第１電子商店街４Ａにおける購買に関する流行の第２電子商店街４Ｂへの波及の態様（例えば、波及の有無や波及までの期間など）を取引対象毎に推定する。
推定部３３は、受付部３１によって波及推定要求が受け付けられた場合、上述した推定モデルを用いて、第１電子商店街４Ａにおける購買に関する流行の第２電子商店街４Ｂへの波及の態様（例えば、波及の有無や波及までの期間など）を取引対象毎に推定する。
【0123】
波及推定要求は、流行の波及を判定する取引対象を、すべての取引対象とするのか、特定のカテゴリの取引対象とするのか、特定の取引対象とするのかを示す情報を含んでおり、推定部３３は、波及推定要求で特定される取引対象について流行の波及の態様を推定する。
【0124】
例えば、推定部３３は、取得部３０によって取得された購買関連情報を上述した推定モデルに入力することによって、第１電子商店街４Ａにおける購買に関する流行の第２電子商店街４Ｂへの波及の態様（例えば、波及の有無や波及までの期間など）を取引対象毎に推定する。
【0125】
〔３．３．５．提供部３４〕
提供部３４は、推定部３３による推定の結果を示す流行波及推定結果情報を端末装置２に送信する。端末装置２は、情報処理装置１から送信される流行波及推定結果情報を受信すると、受信した流行波及推定結果情報を表示する。これにより、利用者Ｕは、第２電子商店街４Ｂでの取引対象の流行を予測することができる。
提供部３４は、推定部３３による推定の結果を示す流行波及推定結果情報を端末装置２に送信する。端末装置２は、情報処理装置１から送信される流行波及推定結果情報を受信すると、受信した流行波及推定結果情報を表示する。これにより、利用者Ｕは、第２電子商店街４Ｂでの取引対象の流行を予測することができる。
【0126】
〔４．処理手順〕
次に、実施形態に係る情報処理装置１の処理部１２による情報処理の手順について説明する。図６は、実施形態に係る情報処理装置１の処理部１２による情報処理の一例を示すフローチャートである。
次に、実施形態に係る情報処理装置１の処理部１２による情報処理の手順について説明する。図６は、実施形態に係る情報処理装置１の処理部１２による情報処理の一例を示すフローチャートである。
【0127】
図６に示すように、情報処理装置１の処理部１２は、推定モデルの生成タイミングになったか否かを判定する（ステップＳ１０）。推定モデルの生成タイミングは、例えば、予め定められた周期で到来するタイミングであるが、かかる例に限定されない。
【0128】
処理部１２は、推定モデルの生成タイミングになったと判定した場合（ステップＳ１０：Ｙｅｓ）、第１購買関連情報と第２購買関連情報とを取得する（ステップＳ１１）。そして、処理部１２は、ステップＳ１１で取得した第１購買関連情報と第２購買関連情報に基づいて、推定モデルを生成する（ステップＳ１２）。
【0129】
処理部１２は、ステップＳ１２の処理が終了した場合、または推定モデルの生成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）、波及推定要求を受け付けたか否かを判定する（ステップＳ１３）。
【0130】
処理部１２は、波及推定要求を受け付けたと判定した場合（ステップＳ１３：Ｙｅｓ）、ステップＳ１２で生成した推定モデルを用いて、第１電子商店街における購買に関する流行の第２電子商店街への波及の態様を推定する（ステップＳ１４）。そして、処理部１２は、ステップＳ１４での推定結果を示す情報である流行波及推定結果情報を波及推定要求元の利用者Ｕに提供する（ステップＳ１５）。
【0131】
処理部１２は、ステップＳ１５の処理が終了した場合、または波及推定要求を受け付けていないと判定した場合（ステップＳ１３：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Ｓ１６）。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。
【0132】
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Ｓ１６：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Ｓ１６：Ｙｅｓ）、図６に示す処理を終了する。
【0133】
〔５．変形例〕
上述した例では、提供部３４は、推定部３３による推定の結果を示す流行波及推定結果情報を端末装置２に送信するが、かかる例に限定されない。
上述した例では、提供部３４は、推定部３３による推定の結果を示す流行波及推定結果情報を端末装置２に送信するが、かかる例に限定されない。
【0134】
例えば、提供部３４は、予め定められた周期で第１電子商店街４Ａにおける購買に関する流行の第２電子商店街４Ｂへの波及の態様を取引対象毎に推定部３３が推定する場合、第１電子商店街４Ａにおける購買に関する流行の第２電子商店街４Ｂへの波及があると推定される取引対象毎に、波及があると推定されたタイミングで、推定部３３による推定の結果を示す流行波及推定結果情報を端末装置２に送信することができる。
【0135】
また、提供部３４は、波及があると推定された取引対象の情報を、波及があると推定されたタイミングで、かかる取引対象を電子商店街４で販売する仮想店舗の事業者の装置に送信することもできる。
【0136】
〔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７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７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７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７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。
【0137】
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、およびコンピュータ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。
【0138】
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を介して他の機器へ送信する。
【0139】
ＣＰＵ８１は、入出力インターフェイス８６を介して、ディスプレイおよび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。
【0140】
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。
【0141】
例えば、コンピュータ８０が実施形態に係る情報処理装置１として機能する場合、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。
【0142】
〔７．その他〕
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。
【0143】
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。
【0144】
例えば、上述した情報処理装置１は、端末装置とサーバコンピュータとで実現してもよく、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ホームなどをＡＰＩやネットワークコンピューティングなどで呼び出して実現するなど、構成は柔軟に変更できる。
【0145】
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。
【0146】
〔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、第１電子商店街４Ａにおける取引対象の購買に関する情報である第１購買関連情報と、第２電子商店街４Ｂにおける取引対象の購買に関する情報である第２購買関連情報とを取得する取得部３０と、取得部３０によって取得された第１購買関連情報と第２購買関連情報とに基づいて、第１電子商店街４Ａにおける購買に関する流行の第２電子商店街４Ｂへの波及の態様を推定する推定モデルを生成する生成部３２とを備える。これにより、情報処理装置１は、電子商店街間での取引対象の流行の波及を予測可能にすることができる。
上述してきたように、実施形態に係る情報処理装置１は、第１電子商店街４Ａにおける取引対象の購買に関する情報である第１購買関連情報と、第２電子商店街４Ｂにおける取引対象の購買に関する情報である第２購買関連情報とを取得する取得部３０と、取得部３０によって取得された第１購買関連情報と第２購買関連情報とに基づいて、第１電子商店街４Ａにおける購買に関する流行の第２電子商店街４Ｂへの波及の態様を推定する推定モデルを生成する生成部３２とを備える。これにより、情報処理装置１は、電子商店街間での取引対象の流行の波及を予測可能にすることができる。
【0147】
また、生成部３２は、第１電子商店街４Ａにおける購買に関する流行の第２電子商店街４Ｂへの波及の有無を推定するモデルを推定モデルとして生成する。これにより、情報処理装置１は、電子商店街間での取引対象の流行の波及をより精度よく予測可能にすることができる。
【0148】
また、生成部３２は、第１電子商店街４Ａにおける購買に関する流行が第２電子商店街４Ｂへ波及するまでの期間を推定するモデルを推定モデルとして生成する。これにより、情報処理装置１は、電子商店街間での取引対象の流行の波及をより精度よく予測可能にすることができる。
【0149】
また、第１購買関連情報は、第１電子商店街４Ａにおける取引対象の購買のランキング情報である第１ランキング情報を含み、第２購買関連情報は、第２電子商店街４Ｂにおける取引対象の購買のランキング情報である第２ランキング情報を含み、生成部３２は、第１ランキング情報の変動と第２ランキング情報の変動との差に基づいて、推定モデルを生成する。これにより、情報処理装置１は、電子商店街間での取引対象の流行の波及をより精度よく予測可能にすることができる。
【0150】
また、第１購買関連情報は、第１電子商店街４Ａにおいて取引対象が売り切れタイミングである第１売り切れタイミングを示す情報を含み、第２購買関連情報は、第２電子商店街４Ｂにおける取引対象が売り切れタイミングである第２売り切れタイミングを示す情報を含み、生成部３２は、第１売り切れタイミングから第２売り切れタイミングまでの期間に基づいて、推定モデルを生成する。これにより、情報処理装置１は、電子商店街間での取引対象の流行の波及をより精度よく予測可能にすることができる。
【0151】
また、第１購買関連情報は、第１電子商店街４Ａにおいて取引対象が売り切れタイミングである第１売り切れタイミングを示す情報を含み、第２購買関連情報は、第２電子商店街４Ｂにおける取引対象が売り切れタイミングである第２売り切れタイミングを示す情報を含み、生成部３２は、第１売り切れタイミングから第２売り切れタイミングまでの期間が予め定められた期間以内である場合に第１電子商店街４Ａにおける購買に関する流行の第２電子商店街４Ｂへの波及があるとして推定モデルを生成する。これにより、情報処理装置１は、電子商店街間での取引対象の流行の波及をより精度よく予測可能にすることができる。
【0152】
また、第１購買関連情報は、第１電子商店街４Ａにおいて取引対象が売り切れタイミングである第１売り切れタイミングを示す情報を含み、第２購買関連情報は、第２電子商店街４Ｂにおける取引対象が売り切れタイミングである第２売り切れタイミングを示す情報を含み、生成部３２は、第１売り切れタイミングから第２売り切れタイミングまでの期間を第１電子商店街４Ａにおける購買に関する流行が第２電子商店街４Ｂへ波及するまでの期間とする推定モデルを生成する。これにより、情報処理装置１は、電子商店街間での取引対象の流行の波及をより精度よく予測可能にすることができる。
【0153】
また、生成部３２は、取引対象の属性毎に推定モデルを生成する。これにより、情報処理装置１は、電子商店街間での取引対象の流行の波及をより精度よく予測可能にすることができる。
【0154】
また、生成部３２は、第１電子商店街４Ａと第２電子商店街４Ｂとの組み合わせ毎に推定モデルを生成する。これにより、情報処理装置１は、電子商店街間での取引対象の流行の波及を予測可能にすることができる。
【0155】
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。
【0156】
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】
【0157】
１ 情報処理装置
２ 端末装置
４ 電子商店街
４Ａ 第１電子商店街
４Ｂ 第２電子商店街
１０ 通信部
１１ 記憶部
１２ 処理部
２０ 電子商店街情報記憶部
２１ 流入数情報記憶部
３０ 取得部
３１ 受付部
３２ 生成部
３３ 推定部
３４ 提供部
１００ 情報処理システム
Ｎ ネットワーク
２ 端末装置
４ 電子商店街
４Ａ 第１電子商店街
４Ｂ 第２電子商店街
１０ 通信部
１１ 記憶部
１２ 処理部
２０ 電子商店街情報記憶部
２１ 流入数情報記憶部
３０ 取得部
３１ 受付部
３２ 生成部
３３ 推定部
３４ 提供部
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】