特開 2024-134275 情報処理装置、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】P2024134275

(43)【公開日】2024-10-03

(54)【発明の名称】情報処理装置、方法、及びプログラム

(51)【国際特許分類】

   G06N 20/00 20190101AFI20240926BHJP

   G06N 3/045 20230101ALI20240926BHJP

【ＦＩ】

G06N20/00

G06N3/045

【審査請求】有

【請求項の数】8

【出願形態】ＯＬ

(21)【出願番号】P 2023044494

(22)【出願日】2023-03-20

(11)【特許番号】

(45)【特許公報発行日】2023-12-13

(71)【出願人】

【識別番号】522228207

【氏名又は名称】株式会社ＶＡＩＡＢＬＥ

(74)【代理人】

【識別番号】110001519

【氏名又は名称】弁理士法人太陽国際特許事務所

(72)【発明者】

【氏名】貞光 九月

(57)【要約】

【課題】入力された文章に関連するコンテンツを適切に生成する。
【解決手段】情報処理装置は、コンテンツを生成する生成モデルの入力として適切な要約を用いて学習された、要約モデルを用いて、新たに入力された文章を要約する変換部と、前記要約された文章から、前記新たに入力された文章に関連するコンテンツを生成する関連コンテンツ処理部と、を含む。
【選択図】図３

【特許請求の範囲】

【請求項1】

コンテンツを生成する生成モデルの入力として適切な要約を用いて学習された、要約モデルを用いて、新たに入力された文章を要約する変換部と、
前記要約された文章から、前記新たに入力された文章に関連するコンテンツを生成する関連コンテンツ処理部と、
を含む情報処理装置。

【請求項2】

スコア付与部を更に含み、
前記変換部は、前記生成モデルに対し複数の要約の変換結果を与え、
前記関連コンテンツ処理部は、複数の要約の変換結果の各々から、複数の関連コンテンツを生成し、
前記スコア付与部は、複数の関連コンテンツそれぞれに対し、元の入力文章に対する距離を元にしたスコアを付与し、ランキングする請求項１記載の情報処理装置。

【請求項3】

前記要約モデルは、文章と、要約文章と、前記文章に関連するコンテンツとを学習データとして予め学習されたものであり、
前記文章と前記要約モデルにより要約された結果との距離、
前記要約文章と前記要約モデルにより要約された結果との距離、及び
前記要約モデルにより要約された結果を前記生成モデルに入力することで生成されるコンテンツと学習データ中のコンテンツとの距離
の少なくとも１つを用いて、前記要約モデルが学習される請求項１記載の情報処理装置。

【請求項4】

前記変換部は、前記要約モデルを用いて、新たに文章が提供された場合の文章、又はユーザによる、文章に対するアクションが発生した場合の文章及び前記アクションを要約し、
前記関連コンテンツ処理部は、前記要約された文章から、前記新たに提供された文章、又はユーザによる前記アクションにおいて対象となる文章に関連するコンテンツを生成する請求項１記載の情報処理装置。

【請求項5】

新たなコンテンツが生成された場合、類似コンテンツの各々の寄与度を計算する寄与度計算部を更に含む請求項１記載の情報処理装置。

【請求項6】

文章と、予め定められたバイアス文とを入力として、対応する文を出力する予め学習された文章生成モデルを用いて、新たに入力された文章を要約する変換部と、
前記要約された文章から、前記新たに入力された文章に関連するコンテンツを生成する関連コンテンツ処理部と、
を含む情報処理装置。

【請求項7】

前記バイアス文は、前記文章とバイアス文とを前記文章生成モデルに入力したときに、前記文章に対して予め用意された要約文章が出力されるように、又は前記文章とバイアス文とを前記文章生成モデルに入力したときに出力される文章を、コンテンツを生成する生成モデルに入力したときに、前記文章に対して予め用意されたコンテンツが出力されるように、予め学習されたものである請求項６記載の情報処理装置。

【請求項8】

新たなコンテンツが生成された場合、類似コンテンツの各々の寄与度を計算する寄与度計算部を更に含む請求項６記載の情報処理装置。

【請求項9】

新たなコンテンツが生成された場合、類似コンテンツの各々の寄与度を計算する寄与度計算部と、
前記寄与度に基づき各類似コンテンツに対しリワードを算出するリワード算出部と、
を含む情報処理装置。

【請求項10】

クリエイタ毎に、前記クリエイタが作成したコンテンツに対して算出されたリワードの総和が一定値以上になると引き出し可能とするリワード管理部を更に含む請求項９記載の情報処理装置。

【請求項11】

前記寄与度計算部は、新たなコンテンツが生成された場合、前記新たなコンテンツとの類似度及びコンテンツの登録時期に基づいて、類似コンテンツの各々の寄与度を計算する請求項９記載の情報処理装置。

【請求項12】

変換部が、コンテンツを生成する生成モデルの入力として適切な要約を用いて学習された、要約モデルを用いて、新たに入力された文章を要約し、
関連コンテンツ処理部が、前記要約された文章から、前記新たに入力された文章に関連するコンテンツを生成する
情報処理方法。

【請求項13】

変換部が、文章と、予め定められたバイアス文とを入力として、対応する文を出力する予め学習された文章生成モデルを用いて、新たに入力された文章を要約し、
関連コンテンツ処理部が、前記要約された文章から、前記新たに入力された文章に関連するコンテンツを生成する
情報処理方法。

【請求項14】

寄与度計算部が、新たなコンテンツが生成された場合、類似コンテンツの各々の寄与度を計算し、
リワード算出部が、前記寄与度に基づき各類似コンテンツに対しリワードを算出する
情報処理方法。

【請求項15】

コンピュータを、請求項１～請求項１１の何れか１項記載の情報処理装置の各部として機能させるための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、方法、及びプログラムに関する。

【背景技術】

【0002】

従来より、ユーザ（例えば、消費者や投資家）の過去アクションに合致するコンテンツを推薦する技術や、明示的な文章（例えば、机の上の猫）によってコンテンツを生成する技術（非特許文献１，２）が知られている。

【0003】

また、説明可能なＡＩモデルとして、どの特徴量が重要かを明らかとする方法が多く提案されている（例えば、非特許文献３，４）。

【先行技術文献】

【非特許文献】

【0004】

【非特許文献1】Neural Discrete Representation Learning, Aaron van den Oord et al., arXiv (2017)

【非特許文献2】Zero-Shot Text-to-Image Generation, Aditya Ramesh et al., arXiv (2021)

【非特許文献3】A Unified Approach to Interpreting Model Predictions, Scott Lundberg et al., arXiv (2017)

【非特許文献4】All Models are Wrong, but Many are Useful: Learning a Variable's Importance by Studying an Entire Class of Prediction Models Simultaneously, Aaron Fisher et al., arXiv (2018)

【発明の概要】

【発明が解決しようとする課題】

【0005】

ここで、プレゼンタ（例えば、企業、団体など）の提示する企画に対し、賛同したユーザ（例えば、消費者、投資家など）は、ユーザアクション（例えば、資本や労働力の提供）をとる見返りに、プレゼンタからコンテンツ（リワード）を得るのが一般的である。しかし、それらコンテンツは固定的であり、かつプレゼンタによる恣意性が強く、またコンテンツは企画に対する関連性を保証できない。

【0006】

また、抽象的な企画に対し、コンテンツを選択又は生成するためには、企画のテキスト情報に加え、ステークホルダ（プレゼンタ、クリエイタ、ユーザ）や過去アクションを考慮して選択又は生成する必要がある。またそれほど特別な選択又は生成ができたとしても、その事実をコンテンツ側に付与できない限り、コンテンツの価値の定義が困難である。

【0007】

また、新たなコンテンツが登録された場合、類似コンテンツに対して適切なリワードを付与できない。

【0008】

本発明は、入力された文章に関連するコンテンツを適切に生成することができる情報処理装置、方法、及び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】

【0009】

本開示の第１態様は、情報処理装置であって、コンテンツを生成する生成モデルの入力として適切な要約を用いて学習された、要約モデルを用いて、新たに入力された文章を要約する変換部と、前記要約された文章から、前記新たに入力された文章に関連するコンテンツを生成する関連コンテンツ処理部と、を含む。なお、要約とは、入力文章を短くするというのみならず、コンテンツ生成を容易とするための補足・変換等の処理を含む。

【0010】

本開示の第２態様は、情報処理装置であって、文章と、予め定められたバイアス文とを入力として、対応する文を出力する予め学習された文章生成モデルを用いて、新たに入力された文章を要約する変換部と、前記要約された文章から、前記新たに入力された文章に関連するコンテンツを生成する関連コンテンツ処理部と、を含む。

【0011】

本開示の第３態様は、情報処理装置であって、新たなコンテンツが生成された場合、類似コンテンツの各々の寄与度を計算する寄与度計算部と、前記寄与度に基づき各類似コンテンツに対しリワードを算出するリワード算出部と、を含む。

【0012】

本開示の第４態様は、情報処理方法であって、変換部が、コンテンツを生成する生成モデルの入力として適切な要約を用いて学習された、要約モデルを用いて、新たに入力された文章を要約し、関連コンテンツ処理部が、前記要約された文章から、前記新たに入力された文章に関連するコンテンツを生成する。

【0013】

本開示の第５態様は、情報処理方法であって、変換部が、文章と、予め定められたバイアス文とを入力として、対応する文を出力する予め学習された文章生成モデルを用いて、新たに入力された文章を要約し、関連コンテンツ処理部が、前記要約された文章から、前記新たに入力された文章に関連するコンテンツを生成する。

【0014】

本開示の第６態様は、情報処理方法であって、寄与度計算部が、新たなコンテンツが生成された場合、類似コンテンツの各々の寄与度を計算し、リワード算出部が、前記寄与度に基づき各類似コンテンツに対しリワードを算出する。

【0015】

本開示の第７態様は、情報処理プログラムであって、第１態様～第３態様の何れか１つの情報処理装置としてコンピュータを機能させるためのプログラムである。

【発明の効果】

【0016】

開示の技術によれば、入力された文章に関連するコンテンツを適切に生成することができる。

【0017】

また、開示の技術によれば、登録された新たなコンテンツの類似コンテンツに対してリワードを適切に算出することができる。

【図面の簡単な説明】

【0018】

【図1】第１実施形態～第６実施形態の情報処理システムの構成を示すブロック図である。

【図2】第１実施形態～第６実施形態の管理サーバとして機能するコンピュータの一例の概略ブロック図である。

【図3】第１実施形態及び第２実施形態の管理サーバの構成を示すブロック図である。

【図4】新規のクリエイタが作成した新規のコンテンツが登録された場合のグラフの例を示す図である。

【図5】新規の企画が登録された場合のグラフの例を示す図である。

【図6】新たに登録された企画と関連するコンテンツ候補集合が選択される例を示す図である。

【図7】第１実施形態に係る管理サーバの新規企画登録時処理ルーチンの内容を示すフローチャートである。

【図8】第１実施形態に係る管理サーバのアクション受付時処理ルーチンの内容を示すフローチャートである。

【図9】企画に対するユーザアクションを受け付けた場合のグラフの例を示している。

【図10】第２実施形態に係る管理サーバの新規企画登録時処理ルーチンの内容を示すフローチャートである。

【図11】第２実施形態に係る管理サーバのアクション受付時処理ルーチンの内容を示すフローチャートである。

【図12】第３実施形態の管理サーバの構成を示すブロック図である。

【図13】第３実施形態に係る管理サーバの新規企画登録時処理ルーチンの内容を示すフローチャートである。

【図14】第５実施形態の管理サーバの構成を示すブロック図である。

【図15】第５実施形態に係る管理サーバのバイアス文学習処理ルーチンの内容を示すフローチャートである。

【図16】第６実施形態の管理サーバの構成を示すブロック図である。

【発明を実施するための形態】

【0019】

以下、図面を参照して本発明の実施形態を詳細に説明する。

【0020】

＜本発明の実施形態の概要＞
プレゼンタ（例えば、企業や団体）の提示する企画に対し、賛同したユーザ（例えば、消費者や投資家）は、ユーザアクション（資本や労働力の提供）をとる見返りに、プレゼンタからコンテンツ（リワード）を得るのが一般的である。しかし、それらコンテンツは固定的であり、かつプレゼンタによる恣意性が強く、またコンテンツは企画に対する関連性を保証できない。

【0021】

ここで、コンテンツは、デジタルコンテンツであってもよいし、リアルコンテンツであってもよい。デジタルコンテンツの例としては、画像、音楽、動画、テキスト、３Ｄオブジェクト、仮想通貨、ポイントなどがある。また、リアルコンテンツの例としては、商品、株式等がある。

【0022】

そこで、本発明の実施形態では、新たに登録された企画に関連するコンテンツを自動生成した上で、企画とコンテンツをパッケージ化（ＮＦＴ等を利用）し、その関連性を担保する。

【0023】

具体的には、新たに登録された企画のテキスト情報を要約し、コンテンツを生成する生成モデルに入力して、コンテンツを生成する。また、ＮＦＴ（非代替性トークン）等を使用して、その企画に対するコンテンツであることを保証する情報をコンテンツ自体において保証する。

【0024】

なお、コンテンツは、企画自体のモノとは限らず、企画を表現する代替物である場合もあるため、企画とコンテンツとの紐づけ（コントラクト）が重要となる。例えば、企画が「海を表すアートを作る」だとすれば、コンテンツはそのアート自体になりえるが、企画が「海をきれいにするための養殖業」だとすれば、コンテンツは代替物でしかない。旧来コンテンツはユーザ投資に対し、株式や固定的リワードを代替コンテンツとして提供することが主だったのに対し、本発明の実施形態では、新たな企画に対し、動的に関連するコンテンツを生成する。また、企画の入力は自動でもよい。例えば、オンライン上のプレス記事を読み取って企画として入力してもよい。

【0025】

また、本発明の実施形態では、ユーザアクションについての各ステークホルダの寄与度を数値化する。具体的には、クリエイタは、生成されたコンテンツにより、寄与度が定義される。また、プレゼンタは、ユーザアクションの結果によって寄与度が定義される。また、ユーザは、当該ユーザのアクションの総量によって寄与度が定義される。また、流通したモノ（企画、コンテンツ、ユーザアクション）に応じて、寄与度が更新されつづける。

【0026】

［第１の実施形態］
図１に示すように、本発明の実施形態に係る情報処理システム１００は、クラウドファンディングサービスを提供するサービス管理会社側に設置される管理サーバ１０と、企画を提供するプレゼンタが操作するプレゼンタ側端末２０と、コンテンツを提供するクリエイタが操作するクリエイタ側端末２２、ユーザが操作するユーザ端末２４と、を備えている。なお、図１では、簡単のため、プレゼンタ側端末２０、クリエイタ側端末２２、及びユーザ端末２４が１台ずつ設けられている場合を例に示しているが、プレゼンタ側端末２０、クリエイタ側端末２２、及びユーザ端末２４の各々が２台以上設けられていてもよい。管理サーバ１０は、情報処理装置の一例である。

【0027】

管理サーバ１０、プレゼンタ側端末２０、クリエイタ側端末２２、及びユーザ端末２４は、インターネットなどのネットワーク２６を介して接続されている。

【0028】

プレゼンタ側端末２０、クリエイタ側端末２２、及びユーザ端末２４は、スマートフォン端末、携帯電話、ＰＤＡ（Ｐｅｒｓｏｎａｌ Ｄｉｇｉｔａｌ Ａｓｓｉｓｔａｎｔｓ）端末、あるいはノート型・ブック型コンピュータ端末等からなる。

【0029】

図２は、本実施形態の管理サーバ１０のハードウェア構成を示すブロック図である。

【0030】

図２に示すように、管理サーバ１０は、ＣＰＵ（Ｃｅｎｔｒａｌ Ｐｒｏｃｅｓｓｉｎｇ Ｕｎｉｔ）１１、ＲＯＭ（Ｒｅａｄ Ｏｎｌｙ Ｍｅｍｏｒｙ）１２、ＲＡＭ（Ｒａｎｄｏｍ Ａｃｃｅｓｓ Ｍｅｍｏｒｙ）１３、ストレージ１４、入力部１５、表示部１６及び通信インタフェース（Ｉ／Ｆ）１７を有するコンピュータである。各構成は、バス１９を介して相互に通信可能に接続されている。

【0031】

ＣＰＵ１１は、中央演算処理ユニットであり、各種プログラムを実行したり、各部を制御したりする。すなわち、ＣＰＵ１１は、ＲＯＭ１２又はストレージ１４からプログラムを読み出し、ＲＡＭ１３を作業領域としてプログラムを実行する。ＣＰＵ１１は、ＲＯＭ１２又はストレージ１４に記憶されているプログラムに従って、上記各構成の制御及び各種の演算処理を行う。本実施形態では、ＲＯＭ１２又はストレージ１４には、各種処理を行うためのプログラムが格納されている。このプログラムは、情報処理プログラムの一例である。

【0032】

ＲＯＭ１２は、各種プログラム及び各種データを格納する。ＲＡＭ１３は、作業領域として一時的にプログラム又はデータを記憶する。ストレージ１４は、ＨＤＤ（Ｈａｒｄ

【0033】

Ｄｉｓｋ Ｄｒｉｖｅ）又はＳＳＤ（Ｓｏｌｉｄ Ｓｔａｔｅ Ｄｒｉｖｅ）により構成され、オペレーティングシステムを含む各種プログラム、及び各種データを格納する。

【0034】

入力部１５は、マウス等のポインティングデバイス、及びキーボードを含み、各種の入力を行うために使用される。

【0035】

表示部１６は、例えば、液晶ディスプレイであり、各種の情報を表示する。表示部１６は、タッチパネル方式を採用して、入力部１５として機能しても良い。

【0036】

通信インタフェース１７は、他の機器と通信するためのインタフェースであり、例えば、イーサネット（登録商標）、ＦＤＤＩ、Ｗｉ－Ｆｉ（登録商標）等の規格が用いられる。

【0037】

次に、管理サーバ１０の機能構成について説明する。図３は、管理サーバ１０の機能構成の例を示すブロック図である。

【0038】

管理サーバ１０は、機能的には、図３に示すように、プレゼンタ登録部３０、企画登録部３２、クリエイタ登録部３４、コンテンツ登録部３６、ユーザ登録部３８、ベクトル変換部３９、グラフ作成部４０、グラフ追加部４２、変換部４３と、関連コンテンツ処理部４４、パッケージ化部４６、アクション受付部４８、エッジ追加部５０、寄与度計算部５２、モデル学習部５３を備えている。

【0039】

また、管理サーバ１０は、更に、プレゼンタ情報データベース（ＤＢ）５４、企画情報データベース（ＤＢ）５６、クリエイタ情報データベース（ＤＢ）５８、コンテンツ情報データベース（ＤＢ）６０、ユーザ情報データベース（ＤＢ）６２、グラフデータベース（ＤＢ）６４、パッケージデータベース（ＤＢ）６６、寄与度情報データベース（ＤＢ）６８、及びモデル記憶部７０を備えている。

【0040】

プレゼンタ登録部３０は、プレゼンタ毎のプレゼンタ側端末２０に、プレゼンタ情報登録画面を表示させて、プレゼンタ情報登録画面に対して入力された、当該プレゼンタのＩＤを含む、プレゼンタ情報を受け付け、プレゼンタ毎に、プレゼンタ情報を、プレゼンタ情報データベース５４に登録する。プレゼンタ情報は、例えば、プレゼンタのＩＤを含むバックグラウンド情報を表すテキスト情報である。

【0041】

企画登録部３２は、プレゼンタ毎のプレゼンタ側端末２０に、企画情報登録画面を表示させて、企画情報登録画面に対して入力された、プレゼンタが提供する企画に関する情報及びプレゼンタＩＤを含む企画情報を受け付け、企画毎に、企画情報を、企画情報データベース５６に登録する。企画情報は、例えば、プレゼンタのＩＤを含む企画のバックグラウンド情報を表すテキスト情報、又は、企画タイプを表すカテゴリ情報である。

【0042】

クリエイタ登録部３４は、クリエイタ毎のクリエイタ側端末２２に、クリエイタ情報登録画面を表示させて、クリエイタ情報登録画面に対して入力された、当該クリエイタのＩＤを含むクリエイタ情報を受け付け、クリエイタ毎に、クリエイタ情報を、クリエイタ情報データベース５８に登録する。クリエイタ情報は、例えば、クリエイタのＩＤを含むバックグラウンド情報を表すテキスト情報である。

【0043】

コンテンツ登録部３６は、クリエイタ毎のクリエイタ側端末２２に、コンテンツ情報登録画面を表示させて、コンテンツ情報登録画面に対して入力された、クリエイタが提供するコンテンツに関する情報を含むコンテンツ情報及びクリエイタＩＤを受け付け、コンテンツ毎に、コンテンツ情報及びクリエイタＩＤを、コンテンツ情報データベース６０に登録する。コンテンツ情報は、例えば、画像、動画、又は音声からデジタルコンテンツであるメディア情報、又は、コンテンツタイプを表すカテゴリ情報である。

【0044】

ユーザ登録部３８は、ユーザ毎のユーザ端末２４に、ユーザ情報登録画面を表示させて、ユーザ情報登録画面に対して入力された、当該ユーザのＩＤを含むユーザ情報を受け付け、ユーザ毎に、ユーザ情報を、ユーザ情報データベース６２に登録する。ユーザ情報は、例えば、ユーザのＩＤを含むバックグラウンド情報や、ユーザの企画に対する希望を表すテキスト情報、ユーザに関する過去のユーザアクション履歴を表す数値情報、又はユーザアクションタイプ（投資なのか労務提供か）を表すカテゴリ情報である。

【0045】

ベクトル変換部３９は、プレゼンタ毎に、変換モデルを用いて、プレゼンタ情報をプレゼンタベクトルに変換する。

【0046】

ベクトル変換部３９は、企画毎に、変換モデルを用いて、企画情報を企画ベクトルに変換する。

【0047】

ベクトル変換部３９は、クリエイタ毎に、変換モデルを用いて、クリエイタ情報をクリエイタベクトルに変換する。

【0048】

ベクトル変換部３９は、コンテンツ毎に、変換モデルを用いて、コンテンツ情報をコンテンツベクトルに変換する。

【0049】

ベクトル変換部３９は、ユーザ毎に、変換モデルを用いて、ユーザ情報をユーザベクトルに変換する。

【0050】

ここで、変換モデルは、統一的なモデル又はタイプ毎の個別モデルである。統一的なモデルの場合には、異なるタイプにおいても直接的に類似度を計測可能となる。タイプ毎の個別モデルの場合には、異なるタイプ間においては類似度計測不能である。

【0051】

変換モデルは、後述するモデル学習部５３により事前に学習される。ここで用いるモデルは特に限定しない。例えば、統一的なモデルとして、マルチモーダルｅｍｂｅｄｄｉｎｇが可能なモデルとして、ＶＱ－ＶＡＥ（非特許文献１）やＤＡＬＬ－Ｅ（非特許文献２）、ＣＬＩＰ（非特許文献５）、個別モデルとしてテキストに対するＢＥＲＴ（非特許文献６）や画像に対するｖｉｓｕａｌ ＢＥＲＴ（非特許文献７）や音楽に対するｍｕｓｉｃ ｔｒａｎｓｆｏｒｍｅｒ（非特許文献８）がある。

【0052】

［非特許文献５］：Learning Transferable Visual Models From Natural Language Supervision, Alec Radford et al. (2021) https://cdn.openai.com/papers/Learning_Transferable_Visual_Models_From_Natural_Language_Supervision.pdf

【0053】

［非特許文献６］：BERT: Pre-training of Deep Bidirectional Transformers for Language Understanding, Devlin, J. et al. (2018)

【0054】

［非特許文献７］：VisualBERT: A Simple and Performant Baseline for Vision and Language, Liunian Harold Li et al. (2019)

【0055】

［非特許文献８］：Music Transformer: Generating Music with Long-Term Structure, Cheng-Zhi Anna Huang et al. (2018)

【0056】

グラフ作成部４０は、企画を表す企画ベクトル、コンテンツを表すコンテンツベクトル、ユーザを表すユーザベクトル、企画を提供するプレゼンタを表すプレゼンタベクトル、及びコンテンツを提供するクリエイタを表すクリエイタベクトルの各々に応じたノードと、ノード間を結ぶエッジとを含むグラフを作成する。

【0057】

具体的には、新しいステークホルダ（プレゼンタ、クリエイタ、ユーザ）が登録された場合には、プレゼンタベクトルに応じたプレゼンタノード、クリエイタベクトルに応じたクリエイタノード、又はユーザベクトルに応じたユーザノードを追加する。

【0058】

また、ノード間の類似度を計算し、エッジの重みとする。類似度算出方法はＣｏｓｉｎｅ類似度等、種類を問わない。例えば、各プレゼンタ間の類似度を、プレゼンタベクトルを元に算出し、プレゼンタノード間のエッジの重みとする。各クリエイタ間の類似度を、クリエイタベクトルを元に算出し、クリエイタノード間のエッジの重みとする。各ユーザ間の類似度を、ユーザベクトルを元に算出し、ユーザノード間のエッジの重みとする。

【0059】

例えば、図４に示すようなグラフが生成される。図４では、過去データから、「企画とコンテンツ間」と「コンテンツとクリエイタ間」にはエッジが存在する（実線を参照）。図４の例では、プレゼンタによる選択に応じて、企画ＡとコンテンツＡ１との間、企画ＡとコンテンツＡ２との間にエッジが存在し、重みｗ＝１が付与されている。また、企画ＢとコンテンツＢ１との間、企画ＢとコンテンツＢ３との間にエッジが存在し、後述する関連コンテンツ処理部４４により算出された類似度に応じた重みｗ＝０．８、ｗ＝０．２が付与されている。

【0060】

企画間、コンテンツ間、クリエイタ間にもエッジが存在し、類似度が重みとして付与される。変換モデルが、統一的なモデルである場合には、企画とクリエイタ間にもエッジが存在し、企画とクリエイタ間の類似度が重みとして付与される。図４の例では、企画Ａ、Ｂ間、コンテンツＡ１、Ａ２、Ｂ１、Ｂ３間、クリエイタ１、２、３間にエッジが存在する（細線の破線を参照）。また、企画Ａとクリエイタ１との間、企画Ｂとクリエイタ３との間にエッジが存在する。なお、図４では、分かりやすさのため、プレゼンタ、ユーザ、一部のエッジを省略している。

【0061】

また、クリエイタが作成した新たなコンテンツが登録された場合には、コンテンツベクトルに応じたコンテンツノードを追加し、クリエイタノードとコンテンツノードとの間を結ぶエッジを追加する。また、コンテンツ間類似度を、コンテンツベクトルを元に算出し、コンテンツノード間のエッジの重みとする。

【0062】

例えば、図４に示すようなグラフが生成される。図４では、クリエイタＮＥＷ１が作成したコンテンツＮＥＷ１が登録された例を示している。この例では、クリエイタＮＥＷ１とコンテンツＮＥＷ１との間にエッジが存在する（一点鎖線を参照）。また、コンテンツＮＥＷ１と既存のコンテンツＡ１、Ａ２、Ｂ１、Ｂ３との間にエッジが存在し、新規クリエイタＮＥＷ１と既存のクリエイタ１、２、３との間にエッジが存在する（二点鎖線を参照）。また、変換モデルが、統一的なモデルであり、企画ＢとクリエイタＮＥＷ１との間にもエッジが存在し、企画ＢとクリエイタＮＥＷ１間の類似度が重みとして付与され、また、企画Ａ、ＢとコンテンツＮＥＷ１との間にもエッジが存在し、企画Ａ、ＢとコンテンツＮＥＷ１間の類似度が重みとして付与される。

【0063】

グラフ追加部４２は、新たに企画が登録された場合、新たに登録された企画を表す企画ベクトルに応じたノードと、他のノードとの間を結ぶエッジとをグラフに対して追加する。

【0064】

具体的には、プレゼンタが新たに提供した企画の企画ノードを追加すると共に、当該プレゼンタのプレゼンタノードと企画ノードとの間を結ぶエッジを追加する。また、新たに提供した企画の企画ノードと既存企画の企画ノードとの間を結ぶエッジを追加すると共に、企画間類似度を、企画ベクトルを元に算出し、エッジの重みとする。

【0065】

変換部４３は、コンテンツを生成する生成モデルの入力として適切な要約を用いて学習された、要約モデルを用いて、新たに登録された企画を表すテキスト情報を要約する。

【0066】

関連コンテンツ処理部４４は、新たに登録された企画を表すテキスト情報の要約結果に基づいて、新たに登録された企画と関連するコンテンツを生成する。具体的には、関連コンテンツ処理部４４は、新たに登録された企画を表すテキスト情報を要約した結果から、生成モデルを用いて、新たに登録された企画と関連するコンテンツを生成する。

【0067】

生成モデルとしては、ＤＡＬＬＥやＧＰＴ等、一般的な生成手法が適用可能である。

【0068】

また、関連コンテンツ処理部４４は、グラフに基づいて、新たに登録された企画と関連するコンテンツを選択するようにしてもよい。具体的には、関連コンテンツ処理部４４は、新たに登録された企画に類似する過去の企画を表す企画ベクトル、及びコンテンツベクトルの間の距離、又は新たに登録された企画を表す企画ベクトル、及びコンテンツベクトルの間の距離に基づいて、新たに登録された企画と関連するコンテンツ候補集合を選択する。

【0069】

例えば、以下の２方式のベクトルの片方もしくは両方（各ノードの２方式の類似度に関する重み付き和等）を用い、新たに登録された企画と関連するコンテンツ候補集合を選択する。

【0070】

第１方式では、グラフベースで算出する。具体的には、新規企画ノードを１つのラベルと見なし、そのラベル情報がグラフ構造中で強く伝搬されるノードを、新たに登録された企画と関連するコンテンツ候補集合とする。より具体的には、ラベル伝搬やｇｒａｐｈ ｎｅｕｒａｌ ｎｅｔｗｏｒｋ等、グラフ構造におけるノードのラベル推定手法が全て適用可能である。

【0071】

第２方式では、統一モデルベースで算出する。具体的には、統一モデルを用いる場合、新規企画のベクトルから、直接的に各コンテンツ間との類似度を計算し、類似度の高いノードを、新たに登録された企画と関連するコンテンツ候補集合とする。

【0072】

例えば、図５に示すようなグラフが生成される。図５の例では、新規企画が登録され、新規企画と既存の企画Ａ、Ｂとの間にエッジが存在し、類似度が重みとして付与される（点線を参照）。変換モデルが、統一的なモデルである場合には、新規企画とクリエイタ間にもエッジが存在し、新規企画とクリエイタ間の類似度が重みとして付与される（太線の一点鎖線を参照）。また、新規企画とコンテンツ間にもエッジが存在し、新規企画とコンテンツ間の類似度が重みとして付与される（太線の一点鎖線を参照）。

【0073】

また、図５の例において、新規企画に対し、第１方式では、企画Ｂに近く、コンテンツＢ１，Ｂ３，ＮＥＷ１が近いと推定される。また、第２方式では、新規企画に対し、コンテンツＮＥＷ１，クリエイタＮＥＷ１に近いと推定される。第１方式と第２方式を統合し、新規企画に対し、コンテンツＮＥＷ１が最も近く、次に、コンテンツＢ１、Ｂ３が近いと推定される（図６の網掛け部分を参照）。

【0074】

なお、ユーザに対し、企画と関連するコンテンツとして生成された理由を示すため、クリエイタノード、コンテンツノード、企画ノードとのどの類似を重視した結果なのかを表現してもよい。

【0075】

また、企画ノードと、企画と関連するコンテンツとして生成されたコンテンツノードとを結ぶエッジを追加する。

【0076】

このとき、関連コンテンツ処理部４４にて計算された類似度を、当該エッジの重みとする。

【0077】

また、プレゼンタ側端末２０から、新たな企画に関連するコンテンツの選択を受け付けるようにしてもよい。この場合には、企画ノードと、企画と関連するコンテンツとして選択されたコンテンツノードとを結ぶエッジを追加し、重みを１としてもよい。

【0078】

また、関連コンテンツ処理部４４にて計算された新たに登録された企画と各コンテンツとの類似度を、クリエイタ単位で合算することにより、新たに登録された企画と関連するクリエイタ候補集合を選択してもよい。

【0079】

パッケージ化部４６は、関連コンテンツ処理部４４により生成されたコンテンツの各々について、新たに登録された企画と、当該コンテンツとをパッケージ化する。なお、パッケージ化について、コンテンツに組み合わせ情報が付帯し、所有が移った後でも確認可能な形であれば実現方式は問わない。ＮＦＴでもプラットフォーム上でのデータベース管理でもよい。

【0080】

ＮＦＴならば、クリエイタが作成（ＮＦＴならｍｉｎｔ）し、プレゼンタにｔｒａｎｓｆｅｒし、ユーザにｔｒａｎｓｆｅｒすることをトークンに記録する。もしくはクリエイタとプレゼンタを代行する者が作成し、ｔｒａｎｓｆｅｒしたことをトークンに記録してもよい。パッケージに対し、１以上のシリアル番号を付与してもよい。また、パッケージ中のコンテンツに対し、解像度・サンプリングレートを変更することができる。

【0081】

パッケージはユーザに譲渡可能な形とするが、組み合わせたまま譲渡しても、個別に譲渡してもよい。なお、個別に譲渡する場合、クリエイタやプレゼンタに対してはトークン（ファントークン）となる。

【0082】

アクション受付部４８は、ユーザ端末２４から、パッケージに対するユーザアクションを受け付け、当該ユーザにｔｒａｎｓｆｅｒすることをパッケージに記録する。

【0083】

エッジ追加部５０は、ユーザによる、企画とコンテンツのパッケージに対するアクションが発生した場合に、ユーザを表すユーザベクトルに応じたユーザノードと、企画を表す企画ベクトルに応じた企画ノードとの間を結ぶエッジ、及びユーザを表すユーザベクトルに応じたユーザノードと、コンテンツを表すコンテンツベクトルに応じたコンテンツノードとの間を結ぶエッジをグラフに対して追加する。

【0084】

例えば、上記図６の例において、ユーザが、新規企画とコンテンツＮＥＷ１のパッケージに対してユーザアクションを発生させた場合には、当該ユーザと、新規企画との間を結ぶエッジ、及び当該ユーザとコンテンツＮＥＷ１との間を結ぶエッジを、グラフに対して追加する。

【0085】

寄与度計算部５２は、グラフに基づいて、ユーザアクションについての、プレゼンタ及びクリエイタの各々の寄与度を計算する。具体的には、寄与度計算部５２は、予め求められた比率に応じて、ユーザアクションについての、パッケージの企画を提供したプレゼンタ、及びパッケージのコンテンツを提供したクリエイタの各々の寄与度を計算する。

【0086】

例えば、ユーザのパッケージに対するアクション（例えば、購入）を各ノード（プレゼンタ・クリエイタ）へ配分する（例えば、売上分配）。また、ユーザはクリエイタとプレゼンタに対し、事前に定義された比率、もしくはユーザ任意の比率にてアクションを波及させることが可能である。

【0087】

例えば、ユーザアクションを、パッケージへの１００００円の投資とした場合、事前に定義された比率（５０：５０）にて、クリエイタ５０００円、プレゼンタ５０００円の配分としてもよいし、ユーザ任意の比率（６０：４０）にて、クリエイタ６０００円、プレゼンタ４０００円としてもよい。

【0088】

このように、ユーザアクション対象となったコンテンツ及び企画は、その比率に応じてアクションを受け取る。ステークホルダレベルでは、コンテンツ作成者であるクリエイタ、企画提案者であるプレゼンタが同様にアクションを受け取ることとなる。また、ユーザアクションの際に、プレゼンタとクリエイタに対し能動的に比率を決めることも可能である。

【0089】

また、寄与度計算部５２は、現状のグラフ全体における各ステークホルダ寄与度を計算する。具体的には、ユーザは、ユーザアクションの総量によって、寄与度が定義される。他ノードは、ユーザアクションを起点とし、ステークホルダ寄与度を計算する。コンテンツや企画は、「１ユーザアクションに対する寄与度計算」の和として表される。クリエイタは、保持するコンテンツの寄与度の和として表される。プレゼンタは、保持する企画の寄与度の和として表される。

【0090】

モデル学習部５３は、事前に、プレゼンタ情報、企画情報、クリエイタ情報、コンテンツ情報、ユーザ情報に基づいて、ベクトル変換器を学習し、モデル記憶部７０に格納しておく。このとき、ベクトル変換器が、統一的なモデルである場合、データ種をまたがってベクトル変換器を学習する。また、ベクトル変換器が、個別モデルである場合、データ種毎にベクトル変換器を学習する。

【0091】

また、モデル学習部５３は、事前に、予め用意された、元の文章と、当該文章の要約文章と、当該文章に関連するコンテンツとを学習データとして、要約モデルを学習する。

【0092】

このとき、元の文章と要約モデルにより要約された結果との距離、要約文章と要約モデルにより要約された結果との距離、及び要約モデルにより要約された結果を生成モデルに入力することで生成されるコンテンツと学習データ中のコンテンツとの距離の少なくとも１つを用いて、要約モデルが学習される。なお、モデル学習部５３は、予め用意された元の文章に対して要約モデルを用いて要約した要約文章と、当該文章に関連するコンテンツとを学習データとして、生成モデルを学習してもよい。

【0093】

次に、本発明の実施形態に係る情報処理システム１００の作用について説明する。

【0094】

まず、管理サーバ１０のモデル学習部５３は、事前に、予め用意された、元の文章と、当該文章の要約文章と、当該文章に関連するコンテンツとを学習データとして、要約モデルを学習する。

【0095】

また、管理サーバ１０のプレゼンタ登録部３０は、プレゼンタ毎のプレゼンタ側端末２０に、プレゼンタ情報登録画面を表示させて、プレゼンタ情報登録画面に対して入力された、当該プレゼンタのＩＤを含む、プレゼンタ情報を受け付け、プレゼンタ毎に、プレゼンタ情報を、プレゼンタ情報データベース５４に登録する。

【0096】

また、管理サーバ１０の企画登録部３２は、プレゼンタ毎のプレゼンタ側端末２０に、企画情報登録画面を表示させて、企画情報登録画面に対して入力された、プレゼンタが提供する企画に関する情報及びプレゼンタＩＤを含む企画情報を受け付け、企画毎に、企画情報を、企画情報データベース５６に登録する。

【0097】

また、管理サーバ１０のクリエイタ登録部３４は、クリエイタ毎のクリエイタ側端末２２に、クリエイタ情報登録画面を表示させて、クリエイタ情報登録画面に対して入力された、当該クリエイタのＩＤを含むクリエイタ情報を受け付け、クリエイタ毎に、クリエイタ情報を、クリエイタ情報データベース５８に登録する。

【0098】

また、管理サーバ１０のコンテンツ登録部３６は、クリエイタ毎のクリエイタ側端末２２に、コンテンツ情報登録画面を表示させて、コンテンツ情報登録画面に対して入力された、クリエイタが提供するコンテンツに関するコンテンツ情報及びクリエイタＩＤを受け付け、コンテンツ毎に、コンテンツ情報及びクリエイタＩＤを、コンテンツ情報データベース６０に登録する。

【0099】

また、管理サーバ１０のユーザ登録部３８は、ユーザ毎のユーザ端末２４に、ユーザ情報登録画面を表示させて、ユーザ情報登録画面に対して入力された、当該ユーザのＩＤを含むユーザ情報を受け付け、ユーザ毎に、ユーザ情報を、ユーザ情報データベース６２に登録する。

【0100】

そして、管理サーバ１０のモデル学習部５３は、プレゼンタ情報、企画情報、クリエイタ情報、コンテンツ情報、ユーザ情報に基づいて、ベクトル変換器を学習する。

【0101】

ベクトル変換部３９は、プレゼンタ毎に、変換モデルを用いて、プレゼンタ情報をプレゼンタベクトルに変換する。

【0102】

ベクトル変換部３９は、企画毎に、変換モデルを用いて、企画情報を企画ベクトルに変換する。

【0103】

ベクトル変換部３９は、クリエイタ毎に、変換モデルを用いて、クリエイタ情報をクリエイタベクトルに変換する。

【0104】

ベクトル変換部３９は、コンテンツ毎に、変換モデルを用いて、コンテンツ情報をコンテンツベクトルに変換する。

【0105】

ベクトル変換部３９は、ユーザ毎に、変換モデルを用いて、ユーザ情報をユーザベクトルに変換する。

【0106】

グラフ作成部４０は、企画を表す企画ベクトル、コンテンツを表すコンテンツベクトル、ユーザを表すユーザベクトル、企画を提供するプレゼンタを表すプレゼンタベクトル、及びコンテンツを提供するクリエイタを表すクリエイタベクトルの各々に応じたノードと、ノード間を結ぶエッジとを含むグラフを作成する。

【0107】

そして、管理サーバ１０の企画登録部３２は、プレゼンタ側端末２０に、企画情報登録画面を表示させて、企画情報登録画面に対して入力された、新たな企画情報を受け付けると、図７に示す新規企画登録時処理ルーチンを実行する。なお、新規企画登録時処理ルーチンは、情報処理方法の一例である。

【0108】

ステップＳ１００では、企画登録部３２は、受け付けた新たな企画情報を、企画情報データベース５６に登録する。

【0109】

ステップＳ１０２では、ベクトル変換部３９は、変換モデルを用いて、新たな企画情報を企画ベクトルに変換する。

【0110】

ステップＳ１０４では、グラフ追加部４２は、新たな企画の企画ノードを追加すると共に、当該プレゼンタのプレゼンタノードと企画ノードとの間を結ぶエッジを追加する。また、グラフ追加部４２は、新たな企画の企画ノードと既存企画の企画ノードとの間を結ぶエッジを追加すると共に、企画間類似度を、企画ベクトルを元に算出し、エッジの重みとする。

【0111】

ステップＳ１０６では、変換部４３は、モデル学習部５３によって事前に学習された要約モデルを用いて、新たに登録された企画を表す文章を要約する。

【0112】

ステップＳ１０７では、関連コンテンツ処理部４４は、上記ステップＳ１０６で新たに登録された企画を表す文章を要約した結果から、生成モデルを用いて、新たに登録された企画と関連するコンテンツを生成する。

【0113】

ステップＳ１０８では、パッケージ化部４６は、上記ステップＳ１０７で生成されたコンテンツについて、新たに登録された企画と、当該コンテンツのパッケージを生成し、新規企画登録時処理ルーチンを終了する。

【0114】

なお、関連コンテンツ処理部４４は、更に、グラフに基づいて、新たに登録された企画と関連するコンテンツ候補集合を選択してもよい。この場合、パッケージ化部４６は、選択されたコンテンツ候補集合に含まれるコンテンツの各々について、新たに登録された企画と、当該コンテンツのパッケージを生成してもよい。

【0115】

次に、管理サーバ１０のアクション受付部４８は、ユーザ端末２４から、パッケージに対するユーザアクションを受け付けると、図８に示すアクション受付時処理ルーチンを実行する。

【0116】

まず、ステップＳ１１２では、アクション受付部４８は、当該ユーザにｔｒａｎｓｆｅｒすることを、対象のパッケージに記録する。

【0117】

ステップＳ１１４では、エッジ追加部５０は、ユーザによる、企画とコンテンツのパッケージに対するアクションが発生した場合に、ユーザを表すユーザベクトルに応じたユーザノードと、企画を表す企画ベクトルに応じた企画ノードとの間を結ぶエッジ、及びユーザを表すユーザベクトルに応じたユーザノードと、コンテンツを表すコンテンツベクトルに応じたコンテンツノードとの間を結ぶエッジをグラフに対して追加する。

【0118】

ステップＳ１１６では、寄与度計算部５２は、グラフに基づいて、ユーザアクションについての、プレゼンタ及びクリエイタの各々の寄与度を計算する。具体的には、寄与度計算部５２は、予め求められた比率に応じて、ユーザアクションについての、パッケージの企画を提供したプレゼンタ、及びパッケージのコンテンツを提供したクリエイタの各々の寄与度を計算し、アクション受付時処理ルーチンを終了する。

【0119】

以上説明したように、本発明の第１の実施形態に係る情報処理システムによれば、コンテンツを生成する生成モデルの入力として適切な要約を用いて学習された、要約モデルを用いて、新たに登録された企画を表すテキスト情報を要約し、要約されたテキスト情報から、新たに登録された企画に関連するコンテンツを生成する。これにより、新たに登録された企画に関連するコンテンツを適切に生成することができる。

【0120】

また、新たに企画が登録された場合、新たに登録された企画と関連するコンテンツを生成し、生成されたコンテンツと、新たに登録された企画とをパッケージ化する。これにより、企画と関連するコンテンツをパッケージ化してユーザに提供することができる。

【0121】

また、パッケージに対するユーザアクションが発生した場合に、ユーザを表すユーザベクトルに応じたノードと、企画を表す企画ベクトルに応じたノードとの間を結ぶエッジ、及びユーザを表すユーザベクトルに応じたノードと、コンテンツを表すコンテンツベクトルに応じたノードとの間を結ぶエッジをグラフに対して追加し、グラフに基づいて、ユーザアクションについての、プレゼンタ及びクリエイタの各々の寄与度を計算する。これにより、ユーザによるアクションについてのプレゼンタ及びクリエイタの各々の寄与度を適切に計算することができる。

【0122】

なお、上記の実施形態では、パッケージに対するユーザアクションを受け付ける場合を例に説明したが、これに限定されるものではない。例えば、企画に対するユーザアクション時に当該企画に関連するコンテンツを生成又は選択し、企画とコンテンツの組み合わせのパッケージを生成するようにしてもよい。企画に対するユーザアクション時に当該企画に関連するコンテンツを選択する場合には、ユーザは、当該企画に関連するコンテンツ候補集合から、当該企画とパッケージ化するコンテンツを選択するようにすればよい。

【0123】

例えば、図９に示すように、ユーザ２による、企画Ｃに対するユーザアクションが発生した場合に、企画Ｃに関連するコンテンツ候補集合に含まれるコンテンツＢ１、Ｂ３から、企画Ｃとパッケージ化するコンテンツが選択される。また、図９では、ユーザ２について過去のアクション履歴に基づいて、ユーザ２と、企画Ｂ、コンテンツＢ３、クリエイタ３との間にエッジが存在する例を示している（太線の実線を参照）。

【0124】

［第２の実施形態］
次に、第２の実施形態に係る情報処理システムについて説明する。なお、第１の実施形態に係る情報処理システムと同様の構成であるため、同一符号を付して説明を省略する。

【0125】

第２の実施形態では、企画に対するユーザアクションを受け付ける点と、ユーザ情報を含めたユーザベクトルに関連するコンテンツを生成する点と、ユーザアクション時に選択された企画に関連するコンテンツを生成してパッケージ化する点とが異なっている。

【0126】

第２の実施形態に係る管理サーバ１０のアクション受付部４８は、ユーザ端末２４から、選択した企画に対するユーザアクションを受け付ける。

【0127】

変換部４３は、新たな企画が登録された場合に、上記第１の実施形態と同様に、要約モデルを用いて、新たに登録された企画を表すテキスト情報を要約する。

【0128】

変換部４３は、選択した企画に対するユーザアクションを受け付けたときに、要約モデルを用いて、選択した企画を表すテキスト情報及びユーザ情報を表す文章を要約する。

【0129】

関連コンテンツ処理部４４は、新たに登録された企画を表すテキスト情報の要約結果に基づいて、新たに登録された企画と関連するコンテンツを生成する。具体的には、関連コンテンツ処理部４４は、新たに登録された企画を表すテキスト情報を要約した結果から、生成モデルを用いて、新たに登録された企画と関連するコンテンツを生成する。

【0130】

関連コンテンツ処理部４４は、選択した企画を表すテキスト情報及びユーザ情報の要約結果に基づいて、選択した企画と関連するコンテンツを生成する。

【0131】

パッケージ化部４６は、ユーザアクションで選択された企画と、当該企画と関連して生成されたコンテンツのパッケージを生成し、当該ユーザにｔｒａｎｓｆｅｒすることを、生成したパッケージに記録する。

【0132】

寄与度計算部５２は、グラフに基づいて、ユーザアクションについての、プレゼンタ及びクリエイタの各々の寄与度を計算する。具体的には、寄与度計算部５２は、予め求められた比率、及びコンテンツ間の類似度に応じて、ユーザアクションについての、パッケージの企画を提供したプレゼンタ、及びパッケージのコンテンツに類似するコンテンツを提供したクリエイタの各々の寄与度を計算する。

【0133】

より具体的には、ユーザアクション対象となったパッケージの生成コンテンツおよび企画は、その比率に応じてユーザアクションについての寄与度を受け取る。さらに生成コンテンツは既存コンテンツとの関連度（類似度）に応じてユーザアクションについての寄与度を配分する。例えば、生成コンテンツへのユーザアクションの配分を５０００円として、生成コンテンツと既存コンテンツＡとの類似度が０．７、生成コンテンツと既存コンテンツＢとの類似度が０．３の場合、５０００＊０．７＝３５００円を既存コンテンツＡへ配分し、既存コンテンツＡを提供したクリエイタの寄与度とし、５０００＊０．３＝１５００円を既存コンテンツＢへ配分し、既存コンテンツＢを提供したクリエイタの寄与度とする。

【0134】

モデル学習部５３は、プレゼンタ情報、企画情報、クリエイタ情報、コンテンツ情報、ユーザ情報に基づいて、ベクトル変換器を学習し、モデル記憶部７０に格納する。このとき、ベクトル変換器が、統一モデルである場合、データ種をまたがってベクトル変換器、

【0135】

コンテンツ生成器を学習する。また、ベクトル変換器が、個別モデルである場合、データ種毎にベクトル変換器を学習する。

【0136】

また、モデル学習部５３は、事前に、予め用意された、元の文章と、当該文章に関連するコンテンツとを学習データとして、生成モデルを学習する。

【0137】

また、モデル学習部５３は、事前に、予め用意された、元の文章と、当該文章の要約文章と、当該文章に関連するコンテンツとを学習データとして、要約モデルを学習する。

【0138】

次に、第２の実施形態に係る情報処理システム１００の作用について説明する。なお、第１の実施形態と同様の処理については、同一符号を付して詳細な説明を省略する。

【0139】

管理サーバ１０の企画登録部３２は、プレゼンタ側端末２０に、企画情報登録画面を表示させて、企画情報登録画面に対して入力された、新たな企画情報を受け付けると、図１０に示す新規企画登録時処理ルーチンを実行する。

【0140】

ステップＳ１００では、企画登録部３２は、受け付けた新たな企画情報を、企画情報データベース５６に登録する。

【0141】

ステップＳ１０２では、ベクトル変換部３９は、変換モデルを用いて、新たな企画情報を企画ベクトルに変換する。

【0142】

ステップＳ１０４では、グラフ追加部４２は、新たな企画の企画ノードを追加すると共に、当該プレゼンタのプレゼンタノードと企画ノードとの間を結ぶエッジを追加する。また、グラフ追加部４２は、新たな企画の企画ノードと既存企画の企画ノードとの間を結ぶエッジを追加すると共に、企画間類似度を、企画ベクトルを元に算出し、エッジの重みとする。

【0143】

ステップＳ１０６では、変換部４３は、モデル学習部５３によって事前に学習された要約モデルを用いて、新たに登録された企画を表すテキスト情報を要約する。

【0144】

ステップＳ１０７では、関連コンテンツ処理部４４は、上記ステップＳ１０６で新たに登録された企画を表すテキスト情報を要約した結果から、生成モデルを用いて、新たに登録された企画と関連するコンテンツを生成し、新規企画登録時処理ルーチンを終了する。

【0145】

次に、管理サーバ１０のアクション受付部４８は、ユーザ端末２４から、選択した企画に対するユーザアクションを受け付けると、図１１に示すアクション受付時処理ルーチンを実行する。

【0146】

まず、ステップＳ２０８では、変換部４３は、モデル学習部５３によって事前に学習された要約モデルを用いて、選択された企画を表すテキスト情報及びユーザ情報を表す文章を要約する。

【0147】

ステップＳ２１０では、関連コンテンツ処理部４４は、上記ステップＳ２０８で文章を要約した結果から、生成モデルを用いて、選択された企画と関連するコンテンツを生成する。

【0148】

ステップＳ２１２では、パッケージ化部４６は、ユーザアクションで選択された企画と、当該企画と関連して生成されたコンテンツのパッケージを生成し、当該ユーザにｔｒａｎｓｆｅｒすることを、生成したパッケージに記録する。

【0149】

ステップＳ２１４では、エッジ追加部５０は、ユーザを表すユーザベクトルに応じたユーザノードと、選択された企画を表す企画ベクトルに応じた企画ノードとの間を結ぶエッジ、及びユーザを表すユーザベクトルに応じたユーザノードと、生成されたコンテンツを表すコンテンツベクトルに応じたコンテンツノードとの間を結ぶエッジをグラフに対して追加する。

【0150】

ステップＳ２１６では、寄与度計算部５２は、グラフに基づいて、ユーザアクションについての、プレゼンタ及びクリエイタの各々の寄与度を計算する。具体的には、寄与度計算部５２は、予め求められた比率、及びコンテンツ間の類似度に応じて、ユーザアクションについての、パッケージの企画を提供したプレゼンタ、及びパッケージのコンテンツに類似するコンテンツを提供したクリエイタの各々の寄与度を計算し、アクション受付時処理ルーチンを終了する。

【0151】

なお、第２の実施形態に係る情報処理システム１００の他の構成及び作用については、第１の実施形態と同様であるため、説明を省略する。

【0152】

以上説明したように、本発明の第２の実施形態に係る情報処理システムによれば、企画に対するユーザアクションが発生した場合に、要約モデルを用いて、当該企画を表すテキスト情報を要約し、要約されたテキスト情報から、当該企画に関連するコンテンツを生成する。これにより、企画に対するユーザアクションが発生した場合に、当該企画に関連するコンテンツを適切に生成することができる。

【0153】

また、企画に対するユーザアクションが発生した場合に、当該企画と関連して、コンテンツを生成し、ユーザアクションの企画と、企画に対してされたコンテンツとをパッケージ化する。これにより、企画と関連するコンテンツをパッケージ化してユーザに提供することができる。

【0154】

また、企画に対するユーザアクションが発生した場合に、ユーザを表すユーザベクトルに応じたノードと、企画を表す企画ベクトルに応じたノードとの間を結ぶエッジ、及びユーザを表すユーザベクトルに応じたノードと、企画に関連するコンテンツを表すコンテンツベクトルに応じたノードとの間を結ぶエッジをグラフに対して追加し、グラフに基づいて、ユーザアクションについての、プレゼンタ及びクリエイタの各々の寄与度を計算する。これにより、ユーザによるアクションについてのプレゼンタ及びクリエイタの各々の寄与度を適切に計算することができる。

【0155】

［第３の実施形態］
次に第３の実施形態に係る情報処理システムについて説明する。なお、第１の実施形態に係る情報処理システム１００と同様の構成となる部分については、同一符号を付して説明を省略する。

【0156】

第３の実施形態では、複数の要約の変換結果を用いて、複数の関連コンテンツを生成し、スコアを付与してランキングする点が、第１の実施形態と異なっている。

【0157】

次に、第３の実施形態に係る管理サーバ３１０の機能構成について説明する。図１２は、管理サーバ３１０の機能構成の例を示すブロック図である。

【0158】

管理サーバ３１０は、機能的には、図１２に示すように、プレゼンタ登録部３０、企画登録部３２、クリエイタ登録部３４、コンテンツ登録部３６、ユーザ登録部３８、ベクトル変換部３９、グラフ作成部４０、グラフ追加部４２、変換部４３、スコア付与部２４３、関連コンテンツ処理部４４、パッケージ化部４６、アクション受付部４８、エッジ追加部５０、寄与度計算部５２、モデル学習部５３を備えている。

【0159】

変換部４３は、コンテンツを生成する生成モデルの入力として適切な要約を用いて学習された、要約モデルを用いて、新たに登録された企画を表すテキスト情報を要約する。本実施形態では、変換部４３は、複数種類の要約モデルを用いて、要約の変換結果を複数取得する。

【0160】

関連コンテンツ処理部４４は、新たに登録された企画を表すテキスト情報の要約結果の各々について、当該要約結果に基づいて、新たに登録された企画と関連するコンテンツを生成する。具体的には、関連コンテンツ処理部４４は、新たに登録された企画を表すテキスト情報を要約した結果の各々について、当該要約した結果から、生成モデルを用いて、新たに登録された企画と関連するコンテンツを生成する。

【0161】

スコア付与部２４３は、生成した複数の関連するコンテンツそれぞれに対し、元の入力文章（新たに登録された企画を表すテキスト情報）に対する距離を元にしたスコアを付与してランキングし、ランキング上位のコンテンツを、新たに登録された企画と関連するコンテンツとして採用する。具体的には、元の入力文章（新たに登録された企画を表すテキスト情報）と、要約した結果の文章との距離に応じたスコアを付与する。距離が短いほど、高いスコアが付与されるものとする。

【0162】

また、モデル学習部５３は、事前に、予め用意された、元の文章と、当該文章の要約文章と、当該文章に関連するコンテンツとを学習データとして、複数種類の要約モデルを学習する。ここで、複数種類の要約モデルは、モデルの構造が異なっているものでもよいし、モデルのパラメータのみが異なっているものでもよい。

【0163】

次に、第３の実施形態に係る情報処理システム１００の作用について説明する。なお、第１の実施形態と同様の処理については、同一符号を付して詳細な説明を省略する。

【0164】

管理サーバ１０の企画登録部３２は、プレゼンタ側端末２０に、企画情報登録画面を表示させて、企画情報登録画面に対して入力された、新たな企画情報を受け付けると、図１３に示す新規企画登録時処理ルーチンを実行する。

【0165】

ステップＳ１００では、企画登録部３２は、受け付けた新たな企画情報を、企画情報データベース５６に登録する。

【0166】

ステップＳ１０２では、ベクトル変換部３９は、変換モデルを用いて、新たな企画情報を企画ベクトルに変換する。

【0167】

ステップＳ１０４では、グラフ追加部４２は、新たな企画の企画ノードを追加すると共に、当該プレゼンタのプレゼンタノードと企画ノードとの間を結ぶエッジを追加する。また、グラフ追加部４２は、新たな企画の企画ノードと既存企画の企画ノードとの間を結ぶエッジを追加すると共に、企画間類似度を、企画ベクトルを元に算出し、エッジの重みとする。

【0168】

ステップＳ１０６では、変換部４３は、モデル学習部５３によって事前に学習された複数種類の要約モデルを用いて、新たに登録された企画を表すテキスト情報を要約した変換結果を複数取得する。

【0169】

ステップＳ３０１では、関連コンテンツ処理部４４は、上記ステップＳ１０６で新たに登録された企画を表すテキスト情報を要約した結果の各々について、当該テキスト情報を要約した結果から、生成モデルを用いて、新たに登録された企画と関連するコンテンツを生成する。

【0170】

ステップＳ３０２では、スコア付与部２４３は、生成した複数の関連するコンテンツそれぞれに対し、元の入力文章に対する距離を元にしたスコアを付与する。

【0171】

ステップＳ３０４では、スコア付与部２４３は、スコアに応じて、生成した複数の関連するコンテンツをランキングし、ランキング上位のコンテンツを、新たに登録された企画と関連するコンテンツとして選択する。

【0172】

ステップＳ１０８では、パッケージ化部４６は、上記ステップＳ３０２で選択されたコンテンツについて、新たに登録された企画と、当該コンテンツのパッケージを生成し、新規企画登録時処理ルーチンを終了する。

【0173】

なお、第３の実施形態に係る情報処理システム１００の他の構成及び作用については、第１の実施形態と同様であるため、説明を省略する。

【0174】

以上説明したように、本発明の第３の実施形態に係る情報処理システムによれば、生成モデルに対し、新たに登録された企画を表すテキスト情報を要約した複数の要約の変換結果を与え、複数の要約の変換結果の各々から、複数の関連コンテンツを生成し、複数の関連コンテンツそれぞれに対し、元のテキスト情報に対する距離を元にしたスコアを付与し、ランキングする。これにより、新たに登録された企画に関連するコンテンツを、より適切に生成することができる。

【0175】

［第４の実施形態］
次に第４の実施形態に係る情報処理システムについて説明する。なお、第１の実施形態に係る情報処理システム１００と同様の構成となる部分については、同一符号を付して説明を省略する。

【0176】

第４の実施形態では、予め定められたバイアス文を、企画を表す文章に付加して、汎用の文章生成モデルに入力して、企画を表す要約を生成する点が、第１の実施形態と異なっている。

【0177】

次に、第４の実施形態に係る管理サーバの機能構成は、上記第１の実施形態に係る管理サーバ１０と同様である。

【0178】

変換部４３は、新たに登録された企画を表すテキスト情報と、予め定められたバイアス文とを入力として、対応する文を出力する予め学習された文章生成モデルを用いて、新たに登録された企画を表すテキスト情報を要約した変換結果を取得する。ここで、文章生成モデルは、予め学習された汎用の文章生成モデルである。具体的には、新たに登録された企画を表すテキスト情報に、予め定められたバイアス文を付加したものを、文章生成モデルに入力し、文章生成モデルによって生成された文章を、新たに登録された企画を表すテキスト情報を要約した変換結果として取得する。

【0179】

例えば、企画を表すテキスト情報の先頭に、バイアス文「以下の文章を題材とした具象画を描きたいです。どんな対象をモチーフとするのがよいでしょうか。」を付け加えて、汎用の文章生成モデル（例えば、ｃｈａｔＧＰＴ）に入力し、文章生成モデルから出力された文章から、カッコ書きや名詞を取り出して、企画を表すテキスト情報を要約した変換結果として取得する。

【0180】

なお、第４の実施形態に係る管理サーバ１０の他の構成及び作用については、第１の実施形態と同様であるため、説明を省略する。

【0181】

以上説明したように、本発明の第４の実施形態に係る情報処理システムによれば、文章と、予め定められたバイアス文とを入力として、汎用の文章生成モデルを用いて、新たに登録された企画を表すテキスト情報を要約し、要約されたテキスト情報から、新たに登録された企画に関連するコンテンツを生成する。これにより、新たに登録された企画に関連するコンテンツを適切に生成することができる。

【0182】

［第５の実施形態］
次に第５の実施形態に係る情報処理システムについて説明する。なお、第１の実施形態に係る情報処理システム１００と同様の構成となる部分については、同一符号を付して説明を省略する。

【0183】

第５の実施形態では、文章とバイアス文とを文章生成モデルに入力したときに、文章に対して予め用意された要約文章が出力されるように、又は文章とバイアス文とを文章生成モデルに入力したときに出力される文章を生成モデルに入力したときに、文章に対して予め用意されたコンテンツが出力されるように、バイアス文を学習する点が、第４の実施形態と異なっている。

【0184】

第５の実施形態に係る管理サーバ５１０の機能構成について説明する。図１４は、管理サーバ５１０の機能構成の例を示すブロック図である。

【0185】

管理サーバ５１０は、機能的には、図１４に示すように、プレゼンタ登録部３０、企画登録部３２、クリエイタ登録部３４、コンテンツ登録部３６、ユーザ登録部３８、ベクトル変換部３９、グラフ作成部４０、グラフ追加部４２、変換部４３、関連コンテンツ処理部４４、パッケージ化部４６、アクション受付部４８、エッジ追加部５０、寄与度計算部５２、モデル学習部５３、及びバイアス文学習部５５３を備えている。

【0186】

変換部４３は、新たに登録された企画を表すテキスト情報と、予め定められたバイアス文とを入力として、対応する文を出力する予め学習された文章生成モデルを用いて、新たに登録された企画を表すテキスト情報を要約した変換結果を取得する。

【0187】

バイアス文学習部５５３は、事前に、予め用意された、元の文章と、当該文章の要約文章と、当該文章に関連するコンテンツとを学習データとして、バイアス文を学習する。具体的には、バイアス文学習部５５３は、文章とバイアス文とを文章生成モデルに入力したときに、文章に対して予め用意された要約文章が出力されるように、又は文章とバイアス文とを文章生成モデルに入力したときに出力される文章を生成モデルに入力したときに、文章に対して予め用意されたコンテンツが出力されるように、バイアス文を学習する。

【0188】

次に、第５の実施形態に係る情報処理システム１００の作用について説明する。

【0189】

管理サーバ１０のバイアス文学習部５５３は、複数種類のバイアス文を受け付けると、図１５に示すバイアス文学習処理ルーチンを実行する。

【0190】

ステップＳ５００において、バイアス文学習部５５３は、受け付けた複数種類のバイアス文のうちの１つを選択する。

【0191】

ステップＳ５０２において、学習データの各々について、選択したバイアス文と、学習データの文章とを文章生成モデルに入力して、当該学習データの文章を要約した変換結果を取得する。

【0192】

ステップＳ５０４において、学習データの各々について、上記ステップＳ５０２で取得した、当該学習データの文章を要約した変換結果を、生成モデルに入力して、コンテンツを生成する。

【0193】

ステップＳ５０６において、学習データの各々について、上記ステップＳ５０４で生成したコンテンツと、当該学習データの正解コンテンツとの距離を計算する。

【0194】

ステップＳ５０８において、全種類のバイアス文について上記ステップＳ５００～Ｓ５０６の処理を実行したか否かを判定する。上記ステップＳ５００～Ｓ５０６の処理を実行していないバイアス文が存在する場合には、上記ステップＳ５００へ戻り、当該バイアス文を選択する。一方、全種類のバイアス文について上記ステップＳ５００～Ｓ５０６の処理を実行した場合には、ステップＳ５１０へ移行する。

【0195】

ステップＳ５１０において、上記ステップＳ５０６で計算した距離が最小となるバイアス文を、バイアス文の学習結果として決定し、バイアス文学習処理ルーチンを終了する。

【0196】

なお、上記のバイアス文学習処理ルーチンでは、文章とバイアス文とを文章生成モデルに入力したときに出力される文章を生成モデルに入力したときに、文章に対して予め用意されたコンテンツが出力されるように、バイアス文を学習する場合を例に説明したが、文章とバイアス文とを文章生成モデルに入力したときに、文章に対して予め用意された要約文章が出力されるように、バイアス文を学習してもよいし、これらを組み合わせてもよい。

【0197】

文章とバイアス文とを文章生成モデルに入力したときに、文章に対して予め用意された要約文章が出力されるようにバイアス文を学習する場合には、上記ステップＳ５０４を省略し、上記ステップＳ５０６の代わりに、学習データの各々について、上記ステップＳ５０２で取得した、当該学習データの文章を要約した変換結果と、当該学習データの要約文章との距離を計算すればよい。

【0198】

なお、第５の実施形態に係る情報処理システムの他の構成及び作用については、第１の実施形態と同様であるため、説明する。

【0199】

以上説明したように、本発明の第５の実施形態に係る情報処理システムによれば、文章に対して予め用意された要約文章が出力されるように、又は文章生成モデルに入力したときに出力される文章を生成モデルに入力したときに、文章に対して予め用意されたコンテンツが出力されるように、汎用の文章生成モデルへ入力するバイアス文を学習する。これにより、新たに登録された企画に関連するコンテンツを、より適切に生成することができる。

【0200】

［第６の実施形態］
次に第６の実施形態に係る情報処理システムについて説明する。なお、第１の実施形態に係る情報処理システム１００と同様の構成となる部分については、同一符号を付して説明を省略する。

【0201】

第６の実施形態では、寄与度に基づき各類似コンテンツに対しリワードを算出する点と、クリエイタ毎に、リワードの引き出しを管理する点とが、第１の実施形態と異なっている。

【0202】

第６の実施形態に係る管理サーバ６１０の機能構成について説明する。図１６は、管理サーバ６１０の機能構成の例を示すブロック図である。

【0203】

管理サーバ６１０は、機能的には、図１６に示すように、プレゼンタ登録部３０、企画登録部３２、クリエイタ登録部３４、コンテンツ登録部３６、ユーザ登録部３８、ベクトル変換部３９、グラフ作成部４０、グラフ追加部４２、変換部４３、関連コンテンツ処理部４４、パッケージ化部４６、アクション受付部４８、エッジ追加部５０、寄与度計算部５２、モデル学習部５３、リワード算出部６５４、及びリワード管理部６５６を備えている。

【0204】

寄与度計算部５２は、新たなコンテンツが生成された場合、類似コンテンツの各々の寄与度を計算する。このとき、新たなコンテンツとの類似度及びコンテンツの登録時期に基づいて、類似コンテンツの各々の寄与度を計算する。このように、コンテンツ類似性だけでなく、先に登録していたコンテンツを優先して、寄与度を与えるように計算してもよい。これにより、同じコンテンツを後から生成して大量に登録したクリエイタが有利になってしまう、という不具合を回避することができる。

【0205】

リワード算出部６５４は、寄与度に基づき各類似コンテンツに対しリワードを算出する。

【0206】

リワード管理部６５６は、クリエイタ毎に、当該クリエイタが作成したコンテンツに対して算出されたリワードの総和が一定値以上になると、当該クリエイタによるリワードの引き出し可能とする。

【0207】

なお、第６の実施形態に係る情報処理システムの他の構成及び作用については、第１の実施形態と同様であるため、説明する。

【0208】

以上説明したように、第６の実施形態に係る情報処理システムによれば、新たなコンテンツが生成された場合、類似コンテンツの各々の寄与度を計算し、寄与度に基づき各類似コンテンツに対しリワードを算出する。これにより、登録された新たなコンテンツの類似コンテンツに対してリワードを適切に算出することができる。

【0209】

なお、本発明は、上述した実施形態の装置構成及び作用に限定されるものではなく、この発明の要旨を逸脱しない範囲内で様々な変形や応用が可能である。

【0210】

例えば、企画に関連するコンテンツを生成する場合を例に説明したが、これに限定されるものではない。ユーザが、企画以外の所望のコンテンツを生成したいとして、元指示文を管理サーバに入力し、管理サーバが、元指示文を要約（変換）し、コンテンツを生成しやすい新指示文として、生成モデルに入力し、コンテンツを生成するようにしてもよい。

【0211】

また、上述した管理サーバの処理を、ネットワークで接続された複数のコンピュータで分散して実行するようにしてもよい。

【符号の説明】

【0212】

１０、３１０、５１０、６１０ 管理サーバ
１１ ＣＰＵ
１４ ストレージ
１５ 入力部
１６ 表示部
１７ 通信インタフェース
２０ プレゼンタ側端末
２２ クリエイタ側端末
２４ ユーザ端末
３０ プレゼンタ登録部
３２ 企画登録部
３４ クリエイタ登録部
３６ コンテンツ登録部
３８ ユーザ登録部
３９ ベクトル変換部
４０ グラフ作成部
４２ グラフ追加部
４３ 変換部
４４ 関連コンテンツ処理部
４６ パッケージ化部
４８ アクション受付部
５０ エッジ追加部
５２ 寄与度計算部
５３ モデル学習部
５４ プレゼンタ情報データベース
５６ 企画情報データベース
５８ クリエイタ情報データベース
６０ コンテンツ情報データベース
６２ ユーザ情報データベース
７０ モデル記憶部
１００ 情報処理システム
２４３ スコア付与部
５５３ バイアス文学習部
６５４ リワード算出部
６５６ リワード管理部

【図1】

【図2】

【図3】

【図4】

【図5】

【図6】

【図7】

【図8】

【図9】

【図10】

【図11】

【図12】

【図13】

【図14】

【図15】

【図16】

【手続補正書】

【提出日】2023-09-19

【手続補正1】

【補正対象書類名】特許請求の範囲

【補正対象項目名】全文

【補正方法】変更

【補正の内容】

【特許請求の範囲】

【請求項1】

コンテンツを生成する生成モデルの入力として適切な要約を用いて学習された、要約モデルを用いて、新たに入力された文章を要約する変換部と、
前記要約された文章から、前記新たに入力された文章に関連するコンテンツを前記生成モデルにより生成する関連コンテンツ処理部と、
スコア付与部と、
を含み、
前記変換部は、前記生成モデルに対し複数の要約の変換結果を与え、
前記関連コンテンツ処理部は、複数の要約の変換結果の各々から、複数の関連コンテンツを生成し、
前記スコア付与部は、複数の関連コンテンツそれぞれに対し、元の入力文章に対する距離を元にしたスコアを付与し、ランキングする情報処理装置。

【請求項2】

コンテンツを生成する生成モデルの入力として適切な要約を用いて学習された、要約モデルを用いて、新たに入力された文章を要約する変換部と、
前記要約された文章から、前記新たに入力された文章に関連するコンテンツを前記生成モデルにより生成する関連コンテンツ処理部と、
を含み、
前記要約モデルは、文章と、要約文章と、前記文章に関連するコンテンツとを学習データとして予め学習されたものであり、
前記文章と前記要約モデルにより要約された結果との距離、
前記要約文章と前記要約モデルにより要約された結果との距離、及び
前記要約モデルにより要約された結果を前記生成モデルに入力することで生成されるコンテンツと学習データ中のコンテンツとの距離
の少なくとも１つを用いて、前記要約モデルが学習される情報処理装置。

【請求項3】

コンテンツを生成する生成モデルの入力として適切な要約を用いて学習された、要約モデルを用いて、新たに入力された文章を要約する変換部と、
前記要約された文章から、前記新たに入力された文章に関連するコンテンツを前記生成モデルにより生成する関連コンテンツ処理部と、
を含み、
前記変換部は、前記要約モデルを用いて、新たに文章が提供された場合の文章、又はユーザによる、文章に対するアクションが発生した場合の文章及び前記アクションを要約し、
前記関連コンテンツ処理部は、前記要約された文章から、前記新たに提供された文章、又はユーザによる前記アクションにおいて対象となる文章に関連するコンテンツを生成する情報処理装置。

【請求項4】

新たなコンテンツが生成された場合、類似コンテンツの各々の寄与度を計算する寄与度計算部を更に含む請求項１記載の情報処理装置。

【請求項5】

変換部が、コンテンツを生成する生成モデルの入力として適切な要約を用いて学習された、要約モデルを用いて、新たに入力された文章を要約し、
関連コンテンツ処理部が、前記要約された文章から、前記新たに入力された文章に関連するコンテンツを前記生成モデルにより生成する
ことを含み、
前記変換部が要約することでは、前記生成モデルに対し複数の要約の変換結果を与え、
前記関連コンテンツ処理部が生成することでは、複数の要約の変換結果の各々から、複数の関連コンテンツを生成し、
スコア付与部が、複数の関連コンテンツそれぞれに対し、元の入力文章に対する距離を元にしたスコアを付与し、ランキングすることを更に含む情報処理方法。

【請求項6】

変換部が、コンテンツを生成する生成モデルの入力として適切な要約を用いて学習された、要約モデルを用いて、新たに入力された文章を要約し、
関連コンテンツ処理部が、前記要約された文章から、前記新たに入力された文章に関連するコンテンツを前記生成モデルにより生成する
ことを含み、
前記要約モデルは、文章と、要約文章と、前記文章に関連するコンテンツとを学習データとして予め学習されたものであり、
前記文章と前記要約モデルにより要約された結果との距離、
前記要約文章と前記要約モデルにより要約された結果との距離、及び
前記要約モデルにより要約された結果を前記生成モデルに入力することで生成されるコンテンツと学習データ中のコンテンツとの距離
の少なくとも１つを用いて、前記要約モデルが学習される情報処理方法。

【請求項7】

変換部が、コンテンツを生成する生成モデルの入力として適切な要約を用いて学習された、要約モデルを用いて、新たに入力された文章を要約し、
関連コンテンツ処理部が、前記要約された文章から、前記新たに入力された文章に関連するコンテンツを前記生成モデルにより生成する
ことを含み、
前記変換部が要約することでは、前記要約モデルを用いて、新たに文章が提供された場合の文章、又はユーザによる、文章に対するアクションが発生した場合の文章及び前記アクションを要約し、
前記関連コンテンツ処理部が生成することでは、前記要約された文章から、前記新たに提供された文章、又はユーザによる前記アクションにおいて対象となる文章に関連するコンテンツを生成する情報処理方法。

【請求項8】

コンピュータを、請求項１～請求項４の何れか１項記載の情報処理装置の各部として機能させるための情報処理プログラム。