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】P2024027552
(43)【公開日】2024-03-01
(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 50/10 20120101AFI20240222BHJP
【ＦＩ】
G06Q50/10
【審査請求】未請求
【請求項の数】7
【出願形態】ＯＬ
(21)【出願番号】P 2022130439
(22)【出願日】2022-08-18
(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】坪内 孝太
(72)【発明者】
【氏名】日暮 立
(72)【発明者】
【氏名】田口 拓明
【テーマコード（参考）】
5L049
【Ｆターム（参考）】
5L049CC20
(57)【要約】
【課題】利用者の属性情報を推定するモデルの良否の判定が可能な情報処理装置、情報処理方法、及び情報処理プログラムを提供することを目的とする。
【解決手段】本願に係る情報処理装置は、利用者に関する情報を示す利用者情報と、利用者の検索履歴を含む行動情報と、を取得する取得部と、利用者情報と行動情報とに基づいて利用者の特徴を学習させた複数の指標算出モデルを記憶するモデル記憶部と、複数の指標算出モデルを用いて利用者ごとに特定の特徴についての指標を算出する算出部と、特定の特徴に関する指標を算出した利用者に対して、特定の特徴に該当するか否かに関して質問する質問部と、複数の利用者の特定の特徴についての指標と、複数の利用者の特定の特徴に該当するか否かに関する正誤の割合との関係を示すグラフ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、利用者に関する情報を示す利用者情報と、利用者の検索履歴を含む行動情報と、を取得する取得部と、利用者情報と行動情報とに基づいて利用者の特徴を学習させた複数の指標算出モデルを記憶するモデル記憶部と、複数の指標算出モデルを用いて利用者ごとに特定の特徴についての指標を算出する算出部と、特定の特徴に関する指標を算出した利用者に対して、特定の特徴に該当するか否かに関して質問する質問部と、複数の利用者の特定の特徴についての指標と、複数の利用者の特定の特徴に該当するか否かに関する正誤の割合との関係を示すグラフ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】
利用者に関する情報を示す利用者情報と、利用者の検索履歴を含む行動情報と、を取得する取得部と、
前記利用者情報と前記行動情報とに基づいて利用者の特徴を学習させた複数の指標算出モデルを記憶するモデル記憶部と、
前記複数の指標算出モデルを用いて利用者ごとに特定の特徴についての指標を算出する算出部と、
特定の特徴に関する指標を算出した利用者に対して、特定の特徴に該当するか否かに関して質問する質問部と、
複数の利用者の特定の特徴についての指標と、複数の利用者の特定の特徴に該当するか否かに関する正誤の割合との関係を示すグラフを生成する生成部と、を備える、
情報処理装置。
前記利用者情報と前記行動情報とに基づいて利用者の特徴を学習させた複数の指標算出モデルを記憶するモデル記憶部と、
前記複数の指標算出モデルを用いて利用者ごとに特定の特徴についての指標を算出する算出部と、
特定の特徴に関する指標を算出した利用者に対して、特定の特徴に該当するか否かに関して質問する質問部と、
複数の利用者の特定の特徴についての指標と、複数の利用者の特定の特徴に該当するか否かに関する正誤の割合との関係を示すグラフを生成する生成部と、を備える、
情報処理装置。
【請求項2】
複数の指標算出モデルごとに生成された前記グラフの特徴を判別モデルに学習させる学習部と、
前記グラフに基づいて、指標算出モデルの良否を判定し、指標算出モデルが良と判定された場合には、使える指標算出モデルの範囲を出力する判別部と、をさらに備える、
請求項１に記載の情報処理装置。
前記グラフに基づいて、指標算出モデルの良否を判定し、指標算出モデルが良と判定された場合には、使える指標算出モデルの範囲を出力する判別部と、をさらに備える、
請求項１に記載の情報処理装置。
【請求項3】
前記判別部は、使える指標算出モデルの範囲を、利用者の特定の特徴に関する指標の値を用いて、最小値と、最大値を含む数値範囲として出力する、
請求項２に記載の情報処理装置。
請求項２に記載の情報処理装置。
【請求項4】
前記判別部は、否と判定された指標算出モデルにより算出された前記指標に対する正誤の割合の移動平均を算出して、算出した移動平均が前記指標に対して右肩下がりになっている場合に良い指標算出モデルと判定しなおす、
請求項３に記載の情報処理装置。
請求項３に記載の情報処理装置。
【請求項5】
前記質問部は、前記指標の特定の数値範囲において、利用者の特定の特徴に関する正誤の割合が不明の数値範囲の利用者に対して、改めて質問する、
請求項１から請求項４のいずれか１項に記載の情報処理装置。
請求項１から請求項４のいずれか１項に記載の情報処理装置。
【請求項6】
利用者に関する情報を示す利用者情報と、利用者の検索履歴を含む行動情報と、を取得するステップと、
前記利用者情報と前記行動情報とに基づいて利用者の特徴を学習させた複数の指標算出モデルを記憶するステップと、
前記複数の指標算出モデルを用いて利用者ごとに特定の特徴についての指標を算出するステップと、
特定の特徴に関する指標を算出した利用者に、特定の特徴に該当するか否かに関して質問するステップと、
複数の利用者の特定の特徴についての指標と、複数の利用者の特定の特徴に該当するか否かに関する正誤の割合との関係を示すグラフを生成するステップと、
を含む情報処理方法。
前記利用者情報と前記行動情報とに基づいて利用者の特徴を学習させた複数の指標算出モデルを記憶するステップと、
前記複数の指標算出モデルを用いて利用者ごとに特定の特徴についての指標を算出するステップと、
特定の特徴に関する指標を算出した利用者に、特定の特徴に該当するか否かに関して質問するステップと、
複数の利用者の特定の特徴についての指標と、複数の利用者の特定の特徴に該当するか否かに関する正誤の割合との関係を示すグラフを生成するステップと、
を含む情報処理方法。
【請求項7】
利用者に関する情報を示す利用者情報と、利用者の検索履歴を含む行動情報と、を取得するステップと、
前記利用者情報と前記行動情報とに基づいて利用者の特徴を学習させた複数の指標算出モデルを記憶するステップと、
前記複数の指標算出モデルを用いて利用者ごとに特定の特徴についての指標を算出するステップと、
特定の特徴に関する指標を算出した利用者に、特定の特徴に該当するか否かに関して質問するステップと、
複数の利用者の特定の特徴についての指標と、複数の利用者の特定の特徴に該当するか否かに関する正誤の割合との関係を示すグラフを生成するステップと、
をコンピュータに実行させる情報処理プログラム。
前記利用者情報と前記行動情報とに基づいて利用者の特徴を学習させた複数の指標算出モデルを記憶するステップと、
前記複数の指標算出モデルを用いて利用者ごとに特定の特徴についての指標を算出するステップと、
特定の特徴に関する指標を算出した利用者に、特定の特徴に該当するか否かに関して質問するステップと、
複数の利用者の特定の特徴についての指標と、複数の利用者の特定の特徴に該当するか否かに関する正誤の割合との関係を示すグラフを生成するステップと、
をコンピュータに実行させる情報処理プログラム。
【発明の詳細な説明】
【技術分野】
【0001】
本開示は、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】
ネットワークを介して取得される情報に基づいた情報配信が盛んに行われている。例えば、情報の配信先となる利用者の属性を示す属性情報を配信先情報として予め登録しておき、配信先となる利用者の属性情報と対応する広告を選択的に配信するターゲティング配信が行われている。
【0003】
なお、広告の配信対象となる利用者の属性情報を把握する技術として、例えば、広告と属性情報との見かけ上の関連性の程度、及び複数の広告と属性情報との平均的な関連性の程度に基づいて、広告と属性情報との真の関連性を算出する技術が下記の特許文献１に開示されている。
【先行技術文献】
【特許文献】
【0004】
【特許文献1】特開２０１５－１９５６号公報
【発明の概要】
【発明が解決しようとする課題】
【0005】
このような利用者の属性情報を推定する場合に、利用者の属性情報を正確に推定できているかを評価し、推定の良否を判定することが求められていた。また、利用者の属性情報を推定する場合の推定の精度を高める技術が求められていた。
【0006】
本開示は上記の課題を鑑み、利用者の属性情報を推定するモデルの良否を判定することが可能な情報処理装置、情報処理方法、及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】
上述した課題を解決し、目的を達成するために、本開示に係る情報処理装置は、利用者に関する情報を示す利用者情報と、利用者の検索履歴を含む行動情報と、を取得する取得部と、前記利用者情報と前記行動情報とに基づいて利用者の特徴を学習させた複数の指標算出モデルを記憶するモデル記憶部と、前記複数の指標算出モデルを用いて利用者ごとに特定の特徴についての指標を算出する算出部と、特定の特徴に関する指標を算出した利用者に対して、特定の特徴に該当するか否かに関して質問する質問部と、複数の利用者の特定の特徴についての指標と、複数の利用者の特定の特徴に該当するか否かに関する正誤の割合との関係を示すグラフ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、利用者の属性情報を推定するモデルの良否を判定することが可能な情報処理装置、情報処理方法、及び情報処理プログラムを提供することができる。
【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、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。
【0011】
（実施形態）
〔１－１．実施形態に係る情報処理の一例〕
まず、図１を用いて、実施形態に係る情報処理の一例について説明する。図１は、実施形態に係る情報処理の一例を示す図である。まず、実施形態に係る情報処理の概要を説明した後に、個々の処理を詳細に説明する。
〔１－１．実施形態に係る情報処理の一例〕
まず、図１を用いて、実施形態に係る情報処理の一例について説明する。図１は、実施形態に係る情報処理の一例を示す図である。まず、実施形態に係る情報処理の概要を説明した後に、個々の処理を詳細に説明する。
【0012】
図１では、情報処理装置１００が、複数の利用者端末２００から利用者情報と行動情報とを取得し、取得した利用者情報と行動情報を複数の指標算出モデルに入力し、特定の特徴についての指標を算出し、利用者に特定の特徴に該当するか否かについて質問し、特定の特徴に関する指標と、質問の回答により得られた正誤の割合との関係を示すグラフを生成し、生成されたグラフの特徴を判別モデルに学習させ、その判別モデルを用いて、指標算出モデルの良否を判定する例が示されている。以下、図１を用いて、実施形態に係る情報処理の一例についてステップごとに詳細に説明する。
【0013】
まず、情報処理装置１００は、事業者端末３００から事業者Ｍ１が入力したコンテンツと要求情報を受け付ける（ステップＳ１）。例えば、情報処理装置１００は、事業者端末３００から事業者Ｍ１が特定の特徴を有する利用者に対して配信することを目的として入力したコンテンツを受け付ける。また、情報処理装置１００は、事業者Ｍ１が事業者端末３００に入力したコンテンツの配信についての要求情報を事業者端末３００から受け付ける。なお、ここで、要求情報は、事業者のコンテンツの配信に関する要求についての情報のことを指しており、例えば、事業者がコンテンツの配信を希望する利用者の特徴を示す「特定の特徴」などを含む情報であってよい。
【0014】
次に、情報処理装置１００は、複数の利用者端末２００から利用者情報と、行動情報と、を取得する（ステップＳ２）。例えば、情報処理装置１００は、図１に示すように、利用者Ｕ１からＵ６の利用者端末２００Ａから２００Ｆから、利用者情報と、行動情報と、を取得する。なお、図１に示す利用者Ｕ１からＵ６、及び利用者端末２００Ａから２００Ｆは例示であって、情報処理装置１００は、これ以上の数の利用者の利用者端末２００から利用者情報と、行動情報を取得してよい。
【0015】
次に、情報処理装置１００は、複数の指標算出モデルを用いて特定の特徴についての指標を算出する（ステップＳ３）。なお、ここにおける指標算出モデルとは、利用者情報と、行動情報と、利用者の特徴に関する指標との関係を学習させた指標算出モデルのことを指しており、利用者の利用者情報と、行動情報を入力すると、利用者の特定の特徴に関する指標を０から１の値として出力するものである。また、特定の特徴は、利用者の属性情報と言い換えることもでき、例えば、「眼鏡好き」や「本好き」などいった利用者の趣味嗜好や利用者の特性を示す概念である。情報処理装置１００は、複数の利用者端末２００から取得した利用者情報と行動情報を、特定の特徴についての指標を算出する複数の指標算出モデルに入力し、指標算出モデルごとに利用者の特定の特徴についての指標を算出する。
【0016】
次に、情報処理装置１００は、複数の利用者端末２００に対して、利用者Ｕが特定の特徴に該当するか否かについての質問情報を送信する（ステップＳ４）。例えば、情報処理装置１００は、ステップＳ３において特定の特徴に関する指標を算出した複数の利用者の利用者端末２００に対して、特定の特徴としての「眼鏡好き」に該当するか否かに関する質問を含む質問情報を送信し、質問情報を受信した複数の利用者端末２００が出力部２３０に質問情報を表示させることにより、ステップＳ３において特徴に関する指標を算出した利用者に特定の特徴に該当するか否かについて質問してよい。
【0017】
次に、情報処理装置１００は、複数の利用者端末２００から特定の特徴に該当するか否かの回答情報を受け付ける（ステップＳ５）。例えば、情報処理装置１００は、利用者端末２００に表示された特定の特徴に該当するか否かについての質問を確認した利用者Ｕが利用者端末２００の入力部２２０を介して入力した回答情報を利用者端末２００から受け付けてよい。この場合において、利用者Ｕが利用者端末２００の入力部２２０に入力する回答情報は、「はい」又は「いいえ」を含むものである。図１に示すように、情報処理装置１００は、複数の利用者端末２００から利用者Ｕが入力した回答情報を受け付ける。
【0018】
次に、情報処理装置１００は、複数の指標算出モデルごとに特定の特徴についての指標に対する正誤の割合を示すグラフを生成する（ステップＳ６）。例えば、情報処理装置１００は、複数の利用者端末２００から受け付けた回答情報に基づいて、特定の特徴についての指標の値ごとに利用者が特定の特徴に該当するか否かを示す正誤の割合を算出し、特定の特徴についての指標を示すスコアの値と、算出した正誤の割合との関係を示すグラフを生成してよい。図１に示すように、特定の特徴は、例えば、「眼鏡好き」や「本好き」など複数あることから、情報処理装置１００は、特定の特徴ごとにグラフを複数生成する。図１に示す例においては、モデルＡからモデルＣにより算出された指標を横軸として、その指標に対する正誤の割合を縦軸とするグラフＡからグラフＣが示されている。
【0019】
次に、情報処理装置１００は、良い指標算出モデルのグラフの特徴を判別モデルに学習させる（ステップＳ７）。例えば、情報処理装置１００は、複数の指標算出モデルごとに生成された特定の特徴についての指標と正誤の割合を示すグラフに指標算出モデルの良否を示すラベルを付与して、判別モデルに学習データとして学習させることにより、良い指標算出モデルのグラフの特徴を学習させてよい。また、この場合に、良い指標算出モデルの使える範囲に関するラベルを付与して、判別モデルに学習データとして学習させることにより、良い指標算出モデルの使える範囲を学習させてもよい。
【0020】
次に、情報処理装置１００は、学習済みの判別モデルにグラフを入力することにより、指標算出モデルの良否、及び良い指標算出モデルの使える範囲を出力する（ステップＳ８）。例えば、図１に示すように情報処理装置１００は、ステップＳ６において生成されたグラフＸを、ステップＳ７において学習が済んだ判別モデルに入力することにより、判別モデルに指標算出モデルの良否、及び良い指標算出モデルの使える範囲を出力させてよい。
【0021】
次に、情報処理装置１００は、良い指標算出モデルを用いて利用者の特定の特徴に関する指標を算出し、コンテンツの配信対象を決定する（ステップＳ９）。例えば、複数の指標算出モデルのうち、指標算出モデルＡが良いモデルであると判別モデルにより、判別されたとする。この場合、情報処理装置１００は、指標算出モデルＡを用いて、複数の利用者の特定の特徴に関する指標を算出し、算出された指標が所定の値以上の利用者をコンテンツの配信対象として決定してよい。
【0022】
次に、情報処理装置１００は、配信対象に決定された利用者の利用者端末２００にコンテンツを配信する（ステップＳ１０）。例えば、情報処理装置１００は、例えば、情報処理装置１００は、事業者端末３００から受け付けたコンテンツの配信対象となる利用者の特定の特徴についての情報に基づいて、特定の特徴について指標が高く算出された利用者Ｕ５の利用者端末２００Ｅと、利用者Ｕ６の利用者端末２００Ｆに、事業者Ｍ１から受け付けたコンテンツを配信する。
【0023】
これにより、情報処理装置１００は指標算出モデルの良否を判定することが可能となる。そのため、利用者の属性情報を推定するモデルの良否の判定が可能な情報処理装置を提供することができる。また、指標算出モデルの良否を判定したうえで、良い指標算出モデルと判定された指標算出モデルを用いて、利用者の特定の特徴についての指標を算出し、特定の特徴を有すると推定される利用者を高精度に推定したうえで、特定の特徴を有する確率が高い利用者にコンテンツを配信することが可能となる。そのため、広告配信事業者のターゲティング配信のニーズを高精度に満たすことが可能となる。
【0024】
〔１－２．実施形態に係る情報処理の他の例１〕
情報処理装置１００は、使える指標算出モデルの範囲を、利用者の特定の特徴に関する指標の値を用いて、最小値と、最大値を含む数値範囲として出力する。
情報処理装置１００は、使える指標算出モデルの範囲を、利用者の特定の特徴に関する指標の値を用いて、最小値と、最大値を含む数値範囲として出力する。
【0025】
この情報処理について順を追って説明する。まず、情報処理装置１００は、図１に示したステップＳ１からステップＳ７までと同じ処理を実行する。ステップＳ１からステップＳ７までの処理は、前述した処理と同じであるから説明を省略する。
【0026】
次に、情報処理装置１００は、図１に示したステップＳ８の処理を実行する。この場合において、情報処理装置１００は、指標算出モデルの良否だけではなく、使える指標算出モデルの範囲を数値範囲として出力する。例えば、図１のグラフＡに示すように指標算出モデルの指標が０．４から０．８の数値範囲の場合に、正誤の割合が指標に対して右肩下がりになっており、指標と正誤の割合に一対一の対応関係が得られているとする。この場合、情報処理装置１００は、使える指標算出モデルの範囲を、最小値が０．４から最大値が０．８の数値範囲として出力する。
【0027】
次に、情報処理装置１００は、図１に示したステップＳ９からステップＳ１０までの処理と同じ処理を実行する。なお、情報処理装置１００は、ステップＳ９において、指標算出モデルのうち、推定精度が高いと判別された数値範囲の指標を用いて、コンテンツの配信対象を決定する。
【0028】
これにより、情報処理装置１００は、指標算出モデルのうち、精度が高いと評価される指標の数値範囲を把握することが可能となる。そのため、特定の特徴を有する可能性が高い利用者を高精度に推定し、特定の特徴を有すると推定された利用者に絞ってコンテンツ配信を行うことが可能となる。
【0029】
〔１－３．実施形態に係る情報処理の他の例２〕
情報処理装置１００は、否と判定された指標算出モデルにより算出された指標に対する正誤の割合の移動平均を算出して、算出した移動平均が指標に対して右肩下がりになっている場合に良い指標算出モデルと判定しなおす。
情報処理装置１００は、否と判定された指標算出モデルにより算出された指標に対する正誤の割合の移動平均を算出して、算出した移動平均が指標に対して右肩下がりになっている場合に良い指標算出モデルと判定しなおす。
【0030】
この情報処理について順を追って説明する。まず、情報処理装置１００は、図１に示したステップＳ１からＳ６までと同じ処理を実行する。ステップＳ１からステップＳ６までの処理は、前述した処理と同じであるから説明を省略する。
【0031】
次に、情報処理装置１００は、否と判定された指標算出モデルにより算出された指標に対する正誤の割合の移動平均を算出して、算出した移動平均が指標に対して右肩下がりになっている場合に、良い指標算出モデルと判定しなおす（ステップＳ８）。つまり、情報処理装置１００は、判別モデルにより、悪い指標算出モデルと判定された指標算出モデルに対して、悪い指標算出モデルが算出した指標の正誤の割合の移動平均を算出して、算出した正誤の割合の移動平均が指標に対して右肩下がりになっているか否かを判定する。情報処理装置１００は、算出した正誤割合の移動平均が指標に対して右肩下がりになっている場合は、その指標算出モデルは良い指標算出モデルと判定を改める。
【0032】
次に、情報処理装置１００は、図１に示したステップＳ９からステップＳ１０までの処理と同じ処理を実行する。なお、情報処理装置１００は、ステップＳ９において、指標算出モデルを用いて、利用者の特定の特徴についての指標を算出し、コンテンツの配信対象を決定する。
【0033】
これにより、情報処理装置１００は、判別モデルにより悪いモデルと判定された指標算出モデルに対して、改めて正誤割合の移動平均に基づいて、指標算出モデルの良否を判定することができることから、判別モデルの誤りにより悪い指標算出モデルと判定された指標算出モデルの評価を改めることが可能となる。
【0034】
〔１－４．実施形態に係る情報処理の他の例３〕
情報処理装置１００は、指標の特定の数値範囲において、利用者の特定の特徴に関する正誤の割合が不明の数値範囲の利用者に対して、改めて質問する。
情報処理装置１００は、指標の特定の数値範囲において、利用者の特定の特徴に関する正誤の割合が不明の数値範囲の利用者に対して、改めて質問する。
【0035】
この情報処理について順を追って説明する。まず、情報処理装置１００は、図１に示したステップＳ１からＳ６までと同じ処理を実行する。ステップＳ１からステップＳ６までの処理は、前述した処理と同じであるから説明を省略する。
【0036】
次に、情報処理装置１００は、特定の特徴についての指標に対する正誤の割合を示すグラフのうち、利用者の特定の特徴に関する正誤割合が不明の利用者を特定する（ステップＳ６－２）。例えば、図１に示すグラフＡの例であれば、指標の値が０．８以上１．０以下の利用者は正誤の割合が不明となっている。情報処理装置１００は、ステップＳ６において生成されたグラフから、正誤の割合が不明の指標が算出された利用者を特定して、特定した利用者の利用者端末２００に対して、特定の特徴に該当するか否かに関する質問情報を改めて送信する。情報処理装置１００は、利用者端末２００から送信された回答情報を受け付けて、特定の特徴の指標に対する正誤の割合を示すグラフを改めて生成する。
【0037】
次に、情報処理装置１００は、図１に示したステップＳ７からステップＳ１０までの処理と同じ処理を実行する。
【0038】
これにより、情報処理装置１００は、特定の特徴に対する正誤の割合が不明の利用者に対して、改めて質問することから、指標算出モデルの推定精度を正確に把握することが可能となる。そのため、指標算出モデルの推定精度を正確に評価し、推定精度が高い指標算出モデルを用いて、利用者の特定の特徴に関する指標を算出し、高い確率で特定の特徴を有すると推定される利用者に対して、コンテンツを配信することが可能となる。
【0039】
〔２．情報処理システムの構成〕
次に、図２を用いて実施形態に係る情報処理システムの構成について説明する。図２は、実施形態に係る情報処理システムの構成例を示す図である。図２に示すように、情報処理システム１は、情報処理装置１００と、利用者端末２００と、事業者端末３００と、を含む。なお、図２に示した情報処理システム１は、複数台の情報処理装置１００や、複数台の利用者端末２００や、複数台の事業者端末３００が含まれ構成されていてもよい。情報処理装置１００と、利用者端末２００と、事業者端末３００と、は所定の通信網（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。
次に、図２を用いて実施形態に係る情報処理システムの構成について説明する。図２は、実施形態に係る情報処理システムの構成例を示す図である。図２に示すように、情報処理システム１は、情報処理装置１００と、利用者端末２００と、事業者端末３００と、を含む。なお、図２に示した情報処理システム１は、複数台の情報処理装置１００や、複数台の利用者端末２００や、複数台の事業者端末３００が含まれ構成されていてもよい。情報処理装置１００と、利用者端末２００と、事業者端末３００と、は所定の通信網（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。
【0040】
情報処理装置１００は、例えばＰＣ（Ｐｅｒｓｏｎａｌ Ｃｏｍｐｕｔｅｒ）、ＷＳ（Ｗｏｒｋ Ｓｔａｔｉｏｎ）、サーバの機能を備えるコンピュータなどの情報処理装置であってよい。情報処理装置１００は、利用者端末２００と、事業者端末３００と、からネットワークＮを介して送信されてきた情報に基づいて処理を行う。
【0041】
利用者端末２００は、利用者が利用する情報処理装置である。利用者端末２００は、例えば、スマートフォン、タブレット型端末、デスクトップ型ＰＣ、ノート型ＰＣ、携帯電話機、ＰＤＡ（Ｐｅｒｓｏｎａｌ Ｄｉｇｉｔａｌ Ａｓｓｉｓｔａｎｔ）等の情報処理装置であってよい。なお、図１に示す例においては、利用者端末２００がスマートフォンである場合を示している。
【0042】
事業者端末３００は、事業者が利用する情報処理装置である。事業者端末３００は、例えば、スマートフォン、タブレット型端末、デスクトップ型ＰＣ、ノート型ＰＣ、携帯電話機、ＰＤＡ等の情報処理装置であってよい。なお、図１に示す例においては、事業者端末３００がノート型ＰＣである場合を示している。
【0043】
【0044】
図３に示すように、情報処理装置１００は、通信部１１０と、記憶部１２０と、制御部１３０と、を有する。なお、図３に図示はしていないが、情報処理装置１００は、情報処理装置１００の管理者から各種操作を受け付ける入力部（例えば、キーボードやマウス等）や、各種情報を表示するための表示部（例えば、液晶ディスプレイ等）を有してもよい。
【0045】
（通信部１１０について）
通信部１１０は、例えば、ＮＩＣ（Ｎｅｔｗｏｒｋ Ｉｎｔｅｒｆａｃｅ Ｃａｒｄ）等によって実現される。そして、通信部１１０は、ネットワークＮと有線または無線で接続され、利用者端末２００と、事業者端末３００と、の間で情報の送受信を行う。
通信部１１０は、例えば、ＮＩＣ（Ｎｅｔｗｏｒｋ Ｉｎｔｅｒｆａｃｅ Ｃａｒｄ）等によって実現される。そして、通信部１１０は、ネットワークＮと有線または無線で接続され、利用者端末２００と、事業者端末３００と、の間で情報の送受信を行う。
【0046】
（記憶部１２０について）
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、または、ハードディスク、ＳＳＤ（Ｓｏｌｉｄ Ｓｔａｔｅ Ｄｒｉｖｅ）、光ディスク等の記憶装置によって実現される。図５に示すように、記憶部１２０は、利用者情報記憶部１２１と、行動情報記憶部１２２と、モデル記憶部１２３と、コンテンツ記憶部１２４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、または、ハードディスク、ＳＳＤ（Ｓｏｌｉｄ Ｓｔａｔｅ Ｄｒｉｖｅ）、光ディスク等の記憶装置によって実現される。図５に示すように、記憶部１２０は、利用者情報記憶部１２１と、行動情報記憶部１２２と、モデル記憶部１２３と、コンテンツ記憶部１２４と、を有する。
【0047】
（利用者情報記憶部１２１について）
利用者情報記憶部１２１は、利用者に関する情報、すなわち、利用者情報を記憶する。利用者情報は、例えば、利用者が所定の情報サービスを利用する際に、情報サービスの提供事業者に提供する利用者に関する情報である。ここで、図４を用いて、利用者情報記憶部１２１が記憶する情報の一例を説明する。図４は、実施形態に係る情報処理装置の利用者情報記憶部に記憶される情報の一例を示す図である。
利用者情報記憶部１２１は、利用者に関する情報、すなわち、利用者情報を記憶する。利用者情報は、例えば、利用者が所定の情報サービスを利用する際に、情報サービスの提供事業者に提供する利用者に関する情報である。ここで、図４を用いて、利用者情報記憶部１２１が記憶する情報の一例を説明する。図４は、実施形態に係る情報処理装置の利用者情報記憶部に記憶される情報の一例を示す図である。
【0048】
図４に示す例において、利用者情報記憶部１２１は、「利用者ＩＤ」、「生年月日」、「性別」、「職業」、という項目に係る情報を紐付けて記憶する。
【0049】
「利用者ＩＤ」は、利用者を識別する識別子であり文字列や番号などによって表される。「生年月日」は、「利用者ＩＤ」に紐付けられた利用者の生年月日に関する情報である。「性別」は、「利用者ＩＤ」に紐付けられた利用者の性別に関する情報である。「職業」は、「利用者ＩＤ」に紐付けられた利用者の職業に関する情報である。
【0050】
すなわち、図４においては、利用者ＩＤ「ＵＩＤ＃１」により識別された利用者の生年月日が「生年月日＃Ｕ１」であり、性別が「女性」であり、職業が「職業＃Ｕ１」であることを示している。
【0051】
なお、利用者情報記憶部１２１に記憶される情報は、「利用者ＩＤ」、「生年月日」、「性別」、「職業」という項目に係る情報に限定されるものではなく、その他の任意の利用者に関係する情報が記憶されてよい。
【0052】
（行動情報記憶部１２２について）
行動情報記憶部１２２は、利用者の行動を示す情報、すなわち、行動情報を記憶する。行動情報とは、利用者の所定の情報サービスの利用によって生じる利用者の所定の情報サービスを用いた行動を示す情報である。ここで、図５を用いて、行動情報記憶部１２２が記憶する情報の一例を説明する。図５は、実施形態に係る情報処理装置の行動情報記憶部に記憶される情報の一例を示す図である。
行動情報記憶部１２２は、利用者の行動を示す情報、すなわち、行動情報を記憶する。行動情報とは、利用者の所定の情報サービスの利用によって生じる利用者の所定の情報サービスを用いた行動を示す情報である。ここで、図５を用いて、行動情報記憶部１２２が記憶する情報の一例を説明する。図５は、実施形態に係る情報処理装置の行動情報記憶部に記憶される情報の一例を示す図である。
【0053】
図５に示す例において、行動情報記憶部１２２は、「利用者ＩＤ」、「検索履歴」、「閲覧履歴」、「購入履歴」、「路線検索履歴」、「掲示板投稿履歴」という項目に係る情報を紐付けて記憶する。
【0054】
「利用者ＩＤ」は、利用者を識別する識別子であり文字列や番号などによって表される。「検索履歴」は、「利用者ＩＤ」に紐付けられた利用者が検索に使用した検索クエリと入力時刻とを含む情報である。「閲覧履歴」は、「利用者ＩＤ」に紐付けられた利用者の閲覧サイトと閲覧時刻とを含む情報である。「購入履歴」は、「利用者ＩＤ」に紐付けられた利用者のインターネット通信販売サイトや所定のサービス契約サイトなどにおける購入商品、又は購入サービスと購入時刻とを含む情報である。「路線検索履歴」は、「利用者ＩＤ」に紐付けられた利用者の路線検索結果と検索時刻とを含む情報である。「掲示板投稿履歴」は、「利用者ＩＤ」に紐付けられた利用者の掲示板投稿と投稿時刻とを含む情報である。
【0055】
すなわち、図５においては、利用者ＩＤ「ＵＩＤ＃１」により識別された利用者の検索履歴が「検索履歴＃Ｕ１」であり、利用者の閲覧履歴が「閲覧履歴＃Ｕ１」であり、購入履歴が「購入履歴＃Ｕ１」であり、路線検索履歴が「路線検索履歴＃Ｕ１」であり、掲示板投稿履歴が「掲示板投稿履歴＃Ｕ１」であることを示している。
【0056】
なお、行動情報記憶部１２２に記憶される情報は、「利用者ＩＤ」、「検索履歴」、「閲覧履歴」、「購入履歴」、「路線検索履歴」、「掲示板投稿履歴」という項目に係る情報に限定されるものではなく、その他の任意の利用者の行動に関係する情報が記憶されてよい。
【0057】
（モデル記憶部１２３について）
モデル記憶部１２３は、利用者情報と行動情報とに基づいて利用者の特徴を学習させて、利用者情報と行動情報とを入力すると特定の特徴についての指標を算出する複数の指標算出モデルを記憶する。また、モデル記憶部１２３は、指標算出モデルの良否を判定する判別モデルを記憶してもよい。図６は、実施形態に係る情報処理装置のモデル記憶部に記憶される情報の一例を示す図である。
モデル記憶部１２３は、利用者情報と行動情報とに基づいて利用者の特徴を学習させて、利用者情報と行動情報とを入力すると特定の特徴についての指標を算出する複数の指標算出モデルを記憶する。また、モデル記憶部１２３は、指標算出モデルの良否を判定する判別モデルを記憶してもよい。図６は、実施形態に係る情報処理装置のモデル記憶部に記憶される情報の一例を示す図である。
【0058】
図６に示す例において、モデル記憶部１２３は、「モデルＩＤ」、「モデルデータ」という項目に係る情報を紐付けて記憶する。
【0059】
「モデルＩＤ」は、機械学習モデルを識別する識別子であり文字列や番号などによって表される。「モデルデータ」は、機械学習モデルのモデルデータを示す。例えば、機械学習モデルは、ニューラルネットワークなどであってよい。
【0060】
すなわち、図６において、モデルＩＤ「Ｍ＃１」で識別されるモデルは、機械学習モデルＭ＃１を示す。また、モデルデータ「ＭＤＴ＃１」は、機械学習モデルＭ＃１のモデルデータを示す。
【0061】
ここで、機械学習モデルがニューラルネットワークである場合は、モデルデータ「ＭＤＴ＃１」には、例えば、ニューラルネットワークを構成する複数の層のそれぞれに含まれるノードが互いにどのように結合するかという結合情報や、結合されたノード間で入出力される数値に掛け合わされる結合係数などの各種情報が含まれる。
【0062】
なお、モデル記憶部１２３は、「モデルＩＤ」、「モデルデータ」という項目に係る情報に限定されることなく、その他の任意の機械学習モデルに関係する情報が記憶されてよい。
【0063】
（コンテンツ記憶部１２４について）
コンテンツ記憶部１２４は、事業者端末３００から事業者が入力したコンテンツを記憶する。図７は、実施形態に係る情報処理装置のコンテンツ記憶部に記憶される情報の一例を示す図である。
コンテンツ記憶部１２４は、事業者端末３００から事業者が入力したコンテンツを記憶する。図７は、実施形態に係る情報処理装置のコンテンツ記憶部に記憶される情報の一例を示す図である。
【0064】
図７に示す例において、コンテンツ記憶部１２４は、「事業者ＩＤ」、「コンテンツＩＤ」、「コンテンツデータ」、「特定の特徴」という項目に係る情報を紐付けて記憶する。
【0065】
「事業者ＩＤ」は、事業者を識別する識別子であり文字列や番号などによって表される。「コンテンツＩＤ」は、事業者から受け付けたコンテンツを識別する識別子であり文字列や番号などによって表される。「コンテンツデータ」は、事業者が配信を希望するコンテンツのデータである。「特定の特徴」は、事業者がコンテンツの配信を希望する利用者の選定基準となる利用者の特定の特徴を示す情報である。
【0066】
すなわち、図７においては、事業者ＩＤ「Ｍ１」が示す事業者から、コンテンツＩＤ「ＣＴ＃１」によって識別されるコンテンツとして、コンテンツデータ「ＣＤ＃１」が示すコンテンツデータが、特定の特徴「ＦＴ＃１」が示す利用者の特定の特徴を指定して事業者端末３００に入稿され、情報処理装置１００の受付部１３２が受け付けてコンテンツ記憶部１２４に記憶されていることを示している。
【0067】
なお、コンテンツ記憶部１２４は、「事業者ＩＤ」、「コンテンツＩＤ」、「コンテンツデータ」、「特定の特徴」という項目に係る情報に限定されることなく、その他の任意のコンテンツに関係する情報が記憶されてよい。
【0068】
（制御部１３０について）
次に、図３に戻って、制御部１３０について説明する。制御部１３０は、ＣＰＵ（Ｃｅｎｔｒａｌ Ｐｒｏｃｅｓｓｉｎｇ Ｕｎｉｔ）やＭＰＵ（Ｍｉｃｒｏ Ｐｒｏｃｅｓｓｉｎｇ Ｕｎｉｔ）等によって、情報処理装置１００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。また、制御部１３０は、例えば、ＡＳＩＣ（Ａｐｐｌｉｃａｔｉｏｎ Ｓｐｅｃｉｆｉｃ Ｉｎｔｅｇｒａｔｅｄ Ｃｉｒｃｕｉｔ）やＦＰＧＡ（Ｆｉｅｌｄ Ｐｒｏｇｒａｍｍａｂｌｅ Ｇａｔｅ Ａｒｒａｙ）等の集積回路により実現されてもよい。
次に、図３に戻って、制御部１３０について説明する。制御部１３０は、ＣＰＵ（Ｃｅｎｔｒａｌ Ｐｒｏｃｅｓｓｉｎｇ Ｕｎｉｔ）やＭＰＵ（Ｍｉｃｒｏ Ｐｒｏｃｅｓｓｉｎｇ Ｕｎｉｔ）等によって、情報処理装置１００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。また、制御部１３０は、例えば、ＡＳＩＣ（Ａｐｐｌｉｃａｔｉｏｎ Ｓｐｅｃｉｆｉｃ Ｉｎｔｅｇｒａｔｅｄ Ｃｉｒｃｕｉｔ）やＦＰＧＡ（Ｆｉｅｌｄ Ｐｒｏｇｒａｍｍａｂｌｅ Ｇａｔｅ Ａｒｒａｙ）等の集積回路により実現されてもよい。
【0069】
図３に示すように、制御部１３０は、取得部１３１と、受付部１３２と、算出部１３３と、質問部１３４と、生成部１３５と、学習部１３６と、判別部１３７と、決定部１３８と、配信部１３９を有する。
【0070】
（取得部１３１について）
取得部１３１は、利用者に関する情報を示す利用者情報と、利用者の行動を示す行動情報と、を取得する。ここで、利用者情報は、利用者に関する情報であって、例えば、利用者が所定の情報サービスを利用する際に、情報サービスの提供事業者に提供する情報である。また、行動情報は、利用者の所定の情報サービスの利用によって生じる利用者の所定の情報サービスを用いた行動を示す情報である。取得部１３１は、利用者情報を取得したら、取得した利用者情報を利用者情報記憶部１２１に記憶する。取得部１３１は、行動情報を取得したら、取得した行動情報を行動情報記憶部１２２に記憶する。なお、取得部１３１は、所定日時ごとに利用者情報と、行動情報とのうちのいずれか一方又は両方を取得してもよいし、利用者が情報処理装置１００にアクセスする度に利用者情報と、行動情報とのうちのいずれか一方又は両方を取得してもよい。
取得部１３１は、利用者に関する情報を示す利用者情報と、利用者の行動を示す行動情報と、を取得する。ここで、利用者情報は、利用者に関する情報であって、例えば、利用者が所定の情報サービスを利用する際に、情報サービスの提供事業者に提供する情報である。また、行動情報は、利用者の所定の情報サービスの利用によって生じる利用者の所定の情報サービスを用いた行動を示す情報である。取得部１３１は、利用者情報を取得したら、取得した利用者情報を利用者情報記憶部１２１に記憶する。取得部１３１は、行動情報を取得したら、取得した行動情報を行動情報記憶部１２２に記憶する。なお、取得部１３１は、所定日時ごとに利用者情報と、行動情報とのうちのいずれか一方又は両方を取得してもよいし、利用者が情報処理装置１００にアクセスする度に利用者情報と、行動情報とのうちのいずれか一方又は両方を取得してもよい。
【0071】
また、取得部１３１が利用者情報と行動情報とを取得する取得元は、利用者端末２００に限定されるものではなく、検索サービスや、ショッピングサービス、決済サービス、路線検索サービス、地図提供サービス、旅行サービス、飲食店紹介サービス、天気予報サービス、スケジュール管理サービス、ニュース提供サービス、オークションサービス、動画コンテンツ配信サービス、金融取引（株取引等）サービスといった各種情報サービスを提供するその他のサーバ装置から取得してもよいし、外部の記憶媒体から取得してもよい。
【0072】
（受付部１３２について）
受付部１３２は、事業者が事業者端末３００に入力したコンテンツを受け付ける。受付部１３２は、事業者端末３００からコンテンツを受け付けたら、受け付けたコンテンツをコンテンツ記憶部１２４に記憶する。なお、受付部１３２は、事業者がコンテンツとともに入力した要求情報も受け付ける。受付部１３２は、要求情報を受け付けたら、事業者が入力したコンテンツに紐付けて要求情報をコンテンツ記憶部１２４に記憶する。
受付部１３２は、事業者が事業者端末３００に入力したコンテンツを受け付ける。受付部１３２は、事業者端末３００からコンテンツを受け付けたら、受け付けたコンテンツをコンテンツ記憶部１２４に記憶する。なお、受付部１３２は、事業者がコンテンツとともに入力した要求情報も受け付ける。受付部１３２は、要求情報を受け付けたら、事業者が入力したコンテンツに紐付けて要求情報をコンテンツ記憶部１２４に記憶する。
【0073】
（算出部１３３について）
算出部１３３は、複数の指標算出モデルを用いて指標算出モデルごとに利用者の特定の特徴についての指標を算出する。算出部１３３は、利用者情報と、行動情報とを入力すると、特定の特徴についての指標を算出する指標算出モデルに、利用者情報と行動情報とを入力することによって、利用者の特定の特徴についての指標を指標算出モデルごとに算出する。なお、指標の算出に使用する指標算出モデルは、モデル記憶部１２３から読み出して使用し、指標算出モデルごとに利用者の特定の特徴についての指標を算出する。また、算出部１３３が利用者の特定の特徴についての指標の算出に使用する指標算出モデルの数は任意の数であってよい。
算出部１３３は、複数の指標算出モデルを用いて指標算出モデルごとに利用者の特定の特徴についての指標を算出する。算出部１３３は、利用者情報と、行動情報とを入力すると、特定の特徴についての指標を算出する指標算出モデルに、利用者情報と行動情報とを入力することによって、利用者の特定の特徴についての指標を指標算出モデルごとに算出する。なお、指標の算出に使用する指標算出モデルは、モデル記憶部１２３から読み出して使用し、指標算出モデルごとに利用者の特定の特徴についての指標を算出する。また、算出部１３３が利用者の特定の特徴についての指標の算出に使用する指標算出モデルの数は任意の数であってよい。
【0074】
（質問部１３４について）
質問部１３４は、特定の特徴に関する指標を算出した利用者に対して、特定の特徴に該当するか否かに関して質問する。すなわち、図１に示したように算出部１３３は、利用者ごとに特定の特徴に関する指標を算出することから、質問部１３４は、算出部１３３が特定の特徴に関する指標を算出した利用者に対して、特定の特徴を有するか否かに関する質問を行う。つまり、質問部１３４は、算出部１３３が特定の特徴に関する指標を算出した利用者の利用者端末２００に対して、質問情報を送信し、利用者端末２００に表示された質問情報を確認した利用者から入力された回答情報を受け付ける。ここで、質問情報は、「特定の特徴に該当しますか？」や「特定の特徴を有しますか？」というメッセージを含むものであってよい。また、回答情報は、質問情報に対する回答を示すものであって、「はい」又は「いいえ」という回答を含むものであってよい。
質問部１３４は、特定の特徴に関する指標を算出した利用者に対して、特定の特徴に該当するか否かに関して質問する。すなわち、図１に示したように算出部１３３は、利用者ごとに特定の特徴に関する指標を算出することから、質問部１３４は、算出部１３３が特定の特徴に関する指標を算出した利用者に対して、特定の特徴を有するか否かに関する質問を行う。つまり、質問部１３４は、算出部１３３が特定の特徴に関する指標を算出した利用者の利用者端末２００に対して、質問情報を送信し、利用者端末２００に表示された質問情報を確認した利用者から入力された回答情報を受け付ける。ここで、質問情報は、「特定の特徴に該当しますか？」や「特定の特徴を有しますか？」というメッセージを含むものであってよい。また、回答情報は、質問情報に対する回答を示すものであって、「はい」又は「いいえ」という回答を含むものであってよい。
【0075】
（生成部１３５について）
生成部１３５は、複数の利用者の特定の特徴についての指標と、複数の利用者の特定の特徴に該当するか否かに関する正誤の割合との関係を示すグラフを生成する。例えば、生成部１３５は、横軸に指標の数値を示し、縦軸に正誤の割合を示すグラフを生成する。なお、指標は、０から１．０の範囲の数値によって表され、正誤の割合も、０から１．０の範囲の数値によって表される。図８と、図９を用いて生成部１３５が生成するグラフについて説明する。
生成部１３５は、複数の利用者の特定の特徴についての指標と、複数の利用者の特定の特徴に該当するか否かに関する正誤の割合との関係を示すグラフを生成する。例えば、生成部１３５は、横軸に指標の数値を示し、縦軸に正誤の割合を示すグラフを生成する。なお、指標は、０から１．０の範囲の数値によって表され、正誤の割合も、０から１．０の範囲の数値によって表される。図８と、図９を用いて生成部１３５が生成するグラフについて説明する。
【0076】
図８は、実施形態に係る情報処理装置の生成部が生成するグラフの第一態様を示す図である。図８に示すように、生成部１３５は、算出部１３３が算出した特定の特徴に関する指標を示すスコアを横軸、質問部１３４の質問に対する回答情報に含まれる「はい」の割合を示す正誤の割合を縦軸とするグラフを生成する。図８に示すグラフの例においては、特定の特徴に関する指標、すなわちスコアに対して、正解の割合が一対一の対応関係を示す範囲として、指標が０．４から０．７の値の範囲が示されている。図８に示す指標を算出した指標算出モデルは、この範囲であれば特定の特徴に関する指標を用いて、利用者が特定の特徴を有するか否を精度良く推定できているといえる。
【0077】
図９は、実施形態に係る情報処理装置の生成部が生成するグラフの第二態様を示す図である。図９に示すように、生成部１３５は、算出部１３３が算出した特定の特徴に関する指標を横軸、質問部１３４の質問に対する回答情報に含まれる正誤の割合を縦軸とするグラフを生成する。図９に示すグラフの例においては、特定の特徴に関する指標に対して、正解の割合が一対一の対応関係を示す範囲が明確に示されていない。この場合、特定の特徴に関する指標を用いて、利用者が特定の特徴を有するか否かを正確に推定することができない。そのため、このようなグラフが生成される指標算出モデルは、悪い指標算出モデルであるといえる。
【0078】
（学習部１３６について）
学習部１３６は、複数の指標算出モデルごとに生成されたグラフの特徴を判別モデルに学習させる。例えば、学習部１３６は、生成部１３５が生成したグラフに対して、「良い」、「悪い」のラベルを付与されたデータを学習用データとして、判別モデルに学習させてよい。この場合、学習用データは、生成部１３５が生成したグラフの画像データであって、判別モデルは画像認識を行う機械学習モデルが用いられる。判別モデルは、例えば、ＣＮＮ（Ｃｏｎｖｏｌｕｔｉｏｎａｌ Ｎｅｕｒａｌ Ｎｅｔｗｏｒｋ）により実現されてよい。
学習部１３６は、複数の指標算出モデルごとに生成されたグラフの特徴を判別モデルに学習させる。例えば、学習部１３６は、生成部１３５が生成したグラフに対して、「良い」、「悪い」のラベルを付与されたデータを学習用データとして、判別モデルに学習させてよい。この場合、学習用データは、生成部１３５が生成したグラフの画像データであって、判別モデルは画像認識を行う機械学習モデルが用いられる。判別モデルは、例えば、ＣＮＮ（Ｃｏｎｖｏｌｕｔｉｏｎａｌ Ｎｅｕｒａｌ Ｎｅｔｗｏｒｋ）により実現されてよい。
【0079】
また、学習部１３６は、複数の指標算出モデルごとに生成されたグラフにおける使える範囲を判別モデルに学習させる。例えば、学習部１３６は、生成部１３５が生成したグラフに対して、使える範囲を数値として示したラベルを付与された画像データを学習用データとして、判別モデルに学習させてよい。また、例えば、学習部１３６は、生成部１３５が生成したグラフに対して、使える範囲を丸で囲って示した画像データや、使える範囲を他とは異なる色を用いて示す画像データを学習用データとして、判別モデルに学習させてよい。この場合における判別モデルは、同様にＣＮＮにより実現されてよい。
【0080】
（判別部１３７について）
判別部１３７は、グラフに基づいて、指標算出モデルの良否を判定し、指標算出モデルが良と判定された場合には、使える指標算出モデルの範囲を出力する。すなわち、判別部１３７は、生成部１３５が生成したグラフの画像データを、学習部１３６が学習させた判別モデルに入力することにより、指標算出モデルの良否を判定する。学習部１３６が、個々のグラフの画像データに対して、指標算出モデルの「良い」、「悪い」のラベルが付与された画像データを学習用データとして、判別モデルに学習させていることから、判別モデルにグラフの画像データを入力することにより、そのグラフに用いられた指標を算出した指標算出モデルの良否を判定することができる。また、判別部１３７は、指標算出モデルを「良い」と判定した場合は、使える指標算出モデルの範囲をグラフの画像に示す。
判別部１３７は、グラフに基づいて、指標算出モデルの良否を判定し、指標算出モデルが良と判定された場合には、使える指標算出モデルの範囲を出力する。すなわち、判別部１３７は、生成部１３５が生成したグラフの画像データを、学習部１３６が学習させた判別モデルに入力することにより、指標算出モデルの良否を判定する。学習部１３６が、個々のグラフの画像データに対して、指標算出モデルの「良い」、「悪い」のラベルが付与された画像データを学習用データとして、判別モデルに学習させていることから、判別モデルにグラフの画像データを入力することにより、そのグラフに用いられた指標を算出した指標算出モデルの良否を判定することができる。また、判別部１３７は、指標算出モデルを「良い」と判定した場合は、使える指標算出モデルの範囲をグラフの画像に示す。
【0081】
また、判別部１３７は、使える指標算出モデルの範囲を、利用者の特定の特徴に関する指標の値を用いて、最小値と、最大値を含む数値範囲として出力する。判別部１３７は、指標算出モデルの良否を判定する判別モデルに対して、グラフの画像データを入力することにより、指標算出モデルの「良い」、「悪い」の判定結果に加えて、「良い」と判定された場合には、指標算出モデルの使える範囲を数値範囲として出力する。
【0082】
（決定部１３８について）
決定部１３８は、良いと判別された指標算出モデルを用いて、利用者の特定の特徴についての指標を算出し、コンテンツの配信対象を決定する。すなわち、決定部１３８は、判別部１３７が「良い」と判定した指標算出モデルを用いて、利用者の特定の特徴に関する指標を算出し、特徴に関する指標の値が所定の値以上の利用者をコンテンツの配信対象として決定する。なお、この場合の特定の特徴は、事業者端末３００から受け付けた事業者Ｍがコンテンツの配信を希望する利用者が有する特定の特徴を指している。すなわり、決定部１３８は、事業者Ｍがコンテンツの配信を希望する利用者が有する特定の特徴を有する推定される利用者を、指標算出モデルを用いて推定し、指標に基づいてコンテンツの配信対象となる利用者を決定する。
決定部１３８は、良いと判別された指標算出モデルを用いて、利用者の特定の特徴についての指標を算出し、コンテンツの配信対象を決定する。すなわち、決定部１３８は、判別部１３７が「良い」と判定した指標算出モデルを用いて、利用者の特定の特徴に関する指標を算出し、特徴に関する指標の値が所定の値以上の利用者をコンテンツの配信対象として決定する。なお、この場合の特定の特徴は、事業者端末３００から受け付けた事業者Ｍがコンテンツの配信を希望する利用者が有する特定の特徴を指している。すなわり、決定部１３８は、事業者Ｍがコンテンツの配信を希望する利用者が有する特定の特徴を有する推定される利用者を、指標算出モデルを用いて推定し、指標に基づいてコンテンツの配信対象となる利用者を決定する。
【0083】
（配信部１３９について）
配信部１３９は、決定部１３８がコンテンツの配信対象に決定した利用者にコンテンツを配信する。例えば、決定部１３８が利用者Ｕ５と、利用者Ｕ６をコンテンツの配信対象として決定した場合、配信部１３９は、事業者が入力したコンテンツをコンテンツ記憶部１２４から読み出して通信部１１０を介して利用者Ｕ５の利用者端末２００Ｅと、利用者Ｕ６の利用者端末２００Ｆに配信する。
配信部１３９は、決定部１３８がコンテンツの配信対象に決定した利用者にコンテンツを配信する。例えば、決定部１３８が利用者Ｕ５と、利用者Ｕ６をコンテンツの配信対象として決定した場合、配信部１３９は、事業者が入力したコンテンツをコンテンツ記憶部１２４から読み出して通信部１１０を介して利用者Ｕ５の利用者端末２００Ｅと、利用者Ｕ６の利用者端末２００Ｆに配信する。
【0084】
〔４．利用者端末の構成〕
次に、図１０を用いて、実施形態に係る利用者端末２００の構成について説明する。図１０は、実施形態に係る利用者端末の構成例を示す図である。図１０に示すように、利用者端末２００は、通信部２１０と、入力部２２０と、出力部２３０と、制御部２４０と、を有する。
次に、図１０を用いて、実施形態に係る利用者端末２００の構成について説明する。図１０は、実施形態に係る利用者端末の構成例を示す図である。図１０に示すように、利用者端末２００は、通信部２１０と、入力部２２０と、出力部２３０と、制御部２４０と、を有する。
【0085】
通信部２１０は、例えば、ＮＩＣ等によって実現される。そして、通信部２１０は、ネットワークＮと有線又は無線で接続され、ネットワークＮを介して、情報処理装置１００との間で各種の情報の送受信を行う。
【0086】
入力部２２０は、利用者から各種の操作情報が入力される。例えば、入力部２２０は、タッチパネルにより表示面（例えば出力部２３０）を介して利用者からの各種操作を受け付けてもよい。また、入力部２２０は、利用者端末２００に設けられたボタンや、利用者端末２００に接続されたキーボードやマウスからの各種操作を受け付けてもよい。
【0087】
出力部２３０は、例えば液晶ディスプレイや有機ＥＬ（Ｅｌｅｃｔｒｏ－Ｌｕｍｉｎｅｓｃｅｎｃｅ）ディスプレイ等によって実現されるタブレット型端末等の表示画面であり、各種情報を表示するための表示装置である。つまり、利用者端末２００は、入力部２２０がタッチパネルである場合は、出力部２３０である表示画面により利用者の入力を受け付け、利用者への出力も行う。また、出力部２３０は、スピーカーであり、スピーカーにより音声を出力してよい。
【0088】
制御部２４０は、例えば、ＣＰＵやＭＰＵ等によって、利用者端末２００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。また、制御部２４０は、例えば、ＡＳＩＣやＦＰＧＡ等の集積回路により実現されてもよい。
【0089】
図１０に示すように、制御部２４０は、受付部２４１と、提供部２４２を有する。
【0090】
受付部２４１は、利用者から質問に対する回答を受け付ける。受付部２４１は、情報処理装置１００から送信された質問情報を、通信部２１０を介して受信し、質問情報を出力部２３０に表示させて利用者から質問に対する回答を、入力部２２０を介して受け付ける。なお、受付部２４１が受け付ける回答情報には、質問情報に含まれる質問に対して利用者が回答した「はい」、又は「いいえ」が含まれていてよい。
【0091】
提供部２４２は、情報処理装置１００から配信されたコンテンツを利用者に提供する。例えば、提供部２４２は情報処理装置１００から配信されたコンテンツが動画である場合、出力部２３０に動画を出力させてコンテンツを利用者に提供する。また、例えば、提供部２４２は情報処理装置１００から配信されたコンテンツが音声である場合、出力部２３０にコンテンツの音声を出力させることで、コンテンツを利用者に提供してよい。また、例えば、提供部２４２は情報処理装置１００から配信されたコンテンツがテキストデータである場合、出力部２３０にテキストを表示させることで、コンテンツを利用者に提供してよい。
【0092】
〔５．事業者端末の構成〕
次に、図１１を用いて、実施形態に係る事業者端末３００の構成について説明する。図１１は、実施形態に係る事業者端末の構成例を示す図である。図１１に示すように、事業者端末３００は、通信部３１０と、入力部３２０と、出力部３３０と、制御部３４０と、を有する。
次に、図１１を用いて、実施形態に係る事業者端末３００の構成について説明する。図１１は、実施形態に係る事業者端末の構成例を示す図である。図１１に示すように、事業者端末３００は、通信部３１０と、入力部３２０と、出力部３３０と、制御部３４０と、を有する。
【0093】
通信部３１０は、例えば、ＮＩＣ等によって実現される。そして、通信部３１０は、ネットワークＮと有線又は無線で接続され、ネットワークＮを介して、情報処理装置１００との間で各種の情報の送受信を行う。
【0094】
入力部３２０は、事業者から各種の操作情報が入力される。例えば、入力部３２０は、事業者端末３００に接続されたキーボードやマウスから事業者の各種操作を受け付けてもよい。また、入力部３２０は、タッチパネルにより表示面（例えば出力部３３０）を介して事業者から各種操作を受け付けてもよい。
【0095】
出力部３３０は、例えば液晶ディスプレイや有機ＥＬディスプレイ等によって実現される表示画面であり、各種情報を表示するための表示装置である。なお、事業者端末３００の入力部３２０が、タッチパネルを介して事業者から各種操作を受け付ける場合は、出力部３３０である表示画面により利用者の入力を受け付け、さらに利用者への出力も行う。
【0096】
制御部３４０は、例えば、ＣＰＵやＭＰＵ等によって、事業者端末３００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。また、制御部３４０は、例えば、ＡＳＩＣやＦＰＧＡ等の集積回路により実現されてもよい。
【0097】
図１１に示すように、制御部３４０は、受付部３４１を有する。
【0098】
受付部３４１は、事業者からコンテンツを受け付ける。コンテンツとは、例えば、事業者の商品やサービスを広告する文字、音声、静止画像、動画像などを含むデータであってよい。例えば、受付部３４１は、事業者から利用者の「特定の特徴」に対応付けてコンテンツを受け付ける。すなわち、受付部３４１は、事業者を識別する事業者ＩＤと、コンテンツを示すデータと、事業者がコンテンツの配信を希望する利用者の「特定の特徴」とを事業者から受け付ける。
【0099】
〔６．情報処理のフロー〕
次に、図１２を用いて、実施形態に係る情報処理装置１００による情報処理の手順について説明する。図１２は、実施形態に係る情報処理の一例を示すフローチャートである。例えば、情報処理装置１００は、利用者に関する情報を示す利用者情報と、利用者の検索履歴を含む行動情報と、を取得する（ステップＳ１０１）。そして、情報処理装置１００は、利用者情報と行動情報とに基づいて利用者の特徴を学習させた複数の指標算出モデルを記憶する（ステップＳ１０２）。そして、情報処理装置１００は、複数の指標算出モデルを用いて利用者ごとに特定の特徴についての指標を算出する（ステップＳ１０３）。そして、情報処理装置１００は、特定の特徴に関する指標を算出した利用者に、特定の特徴に該当するか否かに関して質問する（ステップＳ１０４）。そして、情報処理装置１００は、複数の利用者の特定の特徴についての指標と、複数の利用者の特定の特徴に該当するか否かに関する正誤の割合との関係を示すグラフを生成する（ステップＳ１０５）。
次に、図１２を用いて、実施形態に係る情報処理装置１００による情報処理の手順について説明する。図１２は、実施形態に係る情報処理の一例を示すフローチャートである。例えば、情報処理装置１００は、利用者に関する情報を示す利用者情報と、利用者の検索履歴を含む行動情報と、を取得する（ステップＳ１０１）。そして、情報処理装置１００は、利用者情報と行動情報とに基づいて利用者の特徴を学習させた複数の指標算出モデルを記憶する（ステップＳ１０２）。そして、情報処理装置１００は、複数の指標算出モデルを用いて利用者ごとに特定の特徴についての指標を算出する（ステップＳ１０３）。そして、情報処理装置１００は、特定の特徴に関する指標を算出した利用者に、特定の特徴に該当するか否かに関して質問する（ステップＳ１０４）。そして、情報処理装置１００は、複数の利用者の特定の特徴についての指標と、複数の利用者の特定の特徴に該当するか否かに関する正誤の割合との関係を示すグラフを生成する（ステップＳ１０５）。
【0100】
〔７．ハードウェア構成〕
また、上述した実施形態に係る情報処理装置１００は、例えば図１３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。図１３は、情報処理装置の機能を実現するコンピュータの一例を示すハードウェア構成図である。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ＩＦ（Ｉｎｔｅｒｆａｃｅ）１０６０、入力ＩＦ１０７０、ネットワークＩＦ１０８０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情報処理装置１００は、例えば図１３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。図１３は、情報処理装置の機能を実現するコンピュータの一例を示すハードウェア構成図である。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ＩＦ（Ｉｎｔｅｒｆａｃｅ）１０６０、入力ＩＦ１０７０、ネットワークＩＦ１０８０がバス１０９０により接続された形態を有する。
【0101】
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。一次記憶装置１０４０は、ＲＡＭ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記憶される記憶装置であり、ＲＯＭ(Ｒｅａｄ Ｏｎｌｙ Ｍｅｍｏｒｙ)、ＨＤＤ（Ｈａｒｄ Ｄｉｓｋ Ｄｒｉｖｅ）、フラッシュメモリ等により実現される。
【0102】
出力ＩＦ１０６０は、モニタやプリンタ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ＩＦ１０７０は、マウス、キーボード、およ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フェースであり、例えば、ＵＳＢ等により実現される。
【0103】
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、また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。また、入力装置１０２０は、ＵＳＢメモリ等の外付け記憶媒体であってもよい。
【0104】
ネットワークＩＦ１０８０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。
【0105】
演算装置１０３０は、出力ＩＦ１０６０や入力ＩＦ１０７０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。
【0106】
例えば、コンピュータ１０００が情報処理装置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、情報処理装置１００の制御部１３０の機能を実現する。
【0107】
〔８．構成と効果〕
本開示に係る情報処理装置１００は、利用者に関する情報を示す利用者情報と、利用者の検索履歴を含む行動情報と、を取得する取得部１３１と、利用者情報と行動情報とに基づいて利用者の特徴を学習させた複数の指標算出モデルを記憶するモデル記憶部１２３と、複数の指標算出モデルを用いて利用者ごとに特定の特徴についての指標を算出する算出部１３３と、特定の特徴に関する指標を算出した利用者に対して、特定の特徴に該当するか否かに関して質問する質問部１３４と、複数の利用者の特定の特徴についての指標と、複数の利用者の特定の特徴に該当するか否かに関する正誤の割合との関係を示すグラフを生成する生成部１３５と、を備える。
本開示に係る情報処理装置１００は、利用者に関する情報を示す利用者情報と、利用者の検索履歴を含む行動情報と、を取得する取得部１３１と、利用者情報と行動情報とに基づいて利用者の特徴を学習させた複数の指標算出モデルを記憶するモデル記憶部１２３と、複数の指標算出モデルを用いて利用者ごとに特定の特徴についての指標を算出する算出部１３３と、特定の特徴に関する指標を算出した利用者に対して、特定の特徴に該当するか否かに関して質問する質問部１３４と、複数の利用者の特定の特徴についての指標と、複数の利用者の特定の特徴に該当するか否かに関する正誤の割合との関係を示すグラフを生成する生成部１３５と、を備える。
【0108】
この構成によれば、利用者の特定の特徴に関する指標と、利用者の特定の特徴に該当するか否かに関する正誤の割合との関係を示すグラフを生成することができる。そのため、生成されたグラフを確認することにより、指標算出モデルが算出した指標により、利用者が特定の特徴を有するか否かに関する推定が出来ているか否かを把握することができる。そのため、利用者の属性情報を推定するモデルの良否の判定が可能な情報処理装置１００を提供することができる。
【0109】
本開示に係る情報処理装置１００は、複数の指標算出モデルごとに生成されたグラフの特徴を判別モデルに学習させる学習部１３６と、グラフに基づいて、指標算出モデルの良否を判定し、指標算出モデルが良と判定された場合には、使える指標算出モデルの範囲を出力する判別部１３７と、をさらに備える。
【0110】
この構成によれば、指標算出モデルごとに生成されたグラフの特徴を学習させた判別モデルを用いて、指標算出モデルの良否を判定することが出来る。また、指標算出モデルが良と判定された場合には、使える指標算出モデルの範囲を把握することができる。そのため、利用者の属性情報を推定するモデルの良否の判定が可能な情報処理装置１００を提供することができる。
【0111】
本開示に係る情報処理装置１００の判別部１３７は、使える指標算出モデルの範囲を、利用者の特定の特徴に関する指標の値を用いて、最小値と、最大値を含む数値範囲として出力する。
【0112】
この構成によれば、使える指標算出モデルの範囲を、利用者の特定の特徴に関する指標の値を用いて、最小値と、最大値を含む数値範囲として把握することができる。そのため、指標算出モデルが算出した指標のうち、推定精度が高い範囲を明確に把握することが可能となる。
【0113】
本開示に係る情報処理装置１００の判別部１３７は、否と判定された指標算出モデルにより算出された指標に対する正誤の割合の移動平均を算出して、算出した移動平均が指標に対して右肩下がりになっている場合に良い指標算出モデルと判定しなおす。
【0114】
この構成によれば、判別モデルにより、否と判定された指標算出モデルであっても、移動平均による再評価を行って、指標算出モデルの良否の判定をし直すことができる。そのため、判別モデルの誤った判定を是正することできることから、精度よく指標算出モデルの良否を判定することができる。
【0115】
本開示に係る情報処理装置１００の質問部１３４は、指標の特定の数値範囲において、利用者の特定の特徴に関する正誤の割合が不明の数値範囲の利用者に対して、改めて質問する。
【0116】
この構成によれば、特定の特徴に対する正誤の割合が不明の数値範囲の利用者に対して、改めて質問することから、指標算出モデルの推定精度を正確に把握することが可能となる。そのため、利用者の属性情報を推定するモデルの良否の判定が可能な情報処理装置１００を提供することができる。
【0117】
本開示に係る情報処理方法は、利用者に関する情報を示す利用者情報と、利用者の検索履歴を含む行動情報と、を取得するステップと、利用者情報と前記行動情報とに基づいて利用者の特徴を学習させた複数の指標算出モデルを記憶するステップと、複数の指標算出モデルを用いて利用者ごとに特定の特徴についての指標を算出するステップと、特定の特徴に関する指標を算出した利用者に、特定の特徴に該当するか否かに関して質問するステップと、複数の利用者の特定の特徴についての指標と、複数の利用者の特定の特徴に該当するか否かに関する正誤の割合との関係を示すグラフを生成するステップと、を含む。
【0118】
この構成によれば、利用者の特定の特徴に関する指標と、利用者の特定の特徴に該当するか否かに関する正誤の割合との関係を示すグラフを生成することができる。そのため、生成されたグラフを確認することにより、指標算出モデルが算出した指標により、利用者が特定の特徴を有するか否かに関する推定ができているか否かを把握することができる。そのため、利用者の属性情報を推定するモデルの良否の判定が可能な情報処理方法を提供することができる。
【0119】
また、本開示に係る情報処理プログラムは、利用者に関する情報を示す利用者情報と、利用者の検索履歴を含む行動情報と、を取得するステップと、利用者情報と行動情報とに基づいて利用者の特徴を学習させた複数の指標算出モデルを記憶するステップと、複数の指標算出モデルを用いて利用者ごとに特定の特徴についての指標を算出するステップと、特定の特徴に関する指標を算出した利用者に、特定の特徴に該当するか否かに関して質問するステップと、複数の利用者の特定の特徴についての指標と、複数の利用者の特定の特徴に該当するか否かに関する正誤の割合との関係を示すグラフを生成するステップと、をコンピュータに実行させる。
【0120】
この構成によれば、利用者の特定の特徴に関する指標と、利用者の特定の特徴に該当するか否かに関する正誤の割合との関係を示すグラフを生成することができる。そのため、生成されたグラフを確認することにより、指標算出モデルが算出した指標により、利用者が特定の特徴を有するか否かに関する推定ができているか否かを把握することができる。そのため、利用者の属性情報を推定するモデルの良否の判定が可能な情報処理方法を提供することができる。
【0121】
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。
【0122】
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１３１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】
【0123】
１００ 情報処理装置
１１０ 通信部
１２０ 記憶部
１２１ 利用者情報記憶部
１２２ 行動情報記憶部
１２３ モデル記憶部
１２４ コンテンツ記憶部
１３０ 制御部
１３１ 取得部
１３２ 受付部
１３３ 算出部
１３４ 質問部
１３５ 生成部
１３６ 学習部
１３７ 判別部
１３８ 決定部
１３９ 配信部
２００ 利用者端末
２１０ 通信部
２２０ 入力部
２３０ 出力部
２４０ 制御部
２４１ 受付部
２４２ 提供部
３００ 事業者端末
３１０ 通信部
３２０ 入力部
３３０ 出力部
３４０ 制御部
３４１ 受付部
Ｎ ネットワーク
１１０ 通信部
１２０ 記憶部
１２１ 利用者情報記憶部
１２２ 行動情報記憶部
１２３ モデル記憶部
１２４ コンテンツ記憶部
１３０ 制御部
１３１ 取得部
１３２ 受付部
１３３ 算出部
１３４ 質問部
１３５ 生成部
１３６ 学習部
１３７ 判別部
１３８ 決定部
１３９ 配信部
２００ 利用者端末
２１０ 通信部
２２０ 入力部
２３０ 出力部
２４０ 制御部
２４１ 受付部
２４２ 提供部
３００ 事業者端末
３１０ 通信部
３２０ 入力部
３３０ 出力部
３４０ 制御部
３４１ 受付部
Ｎ ネットワーク
【図1】
【図2】
【図3】
【図4】
【図5】
【図6】
【図7】
【図8】
【図9】
【図10】
【図11】
【図12】
【図13】