特開 2024-44068 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】P2024044068

(43)【公開日】2024-04-02

(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 30/0251 20230101AFI20240326BHJP

   G06Q 30/0241 20230101ALI20240326BHJP

【ＦＩ】

G06Q30/02 398

G06Q30/02 446

【審査請求】未請求

【請求項の数】11

【出願形態】ＯＬ

(21)【出願番号】P 2022149391

(22)【出願日】2022-09-20

(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】實原 弘亮

(72)【発明者】

【氏名】安部 斉志

(72)【発明者】

【氏名】石井 春江

(72)【発明者】

【氏名】江島 昇太

【テーマコード（参考）】

5L049

【Ｆターム（参考）】

5L049BB08

(57)【要約】

【課題】利用者情報が匿名化された粒度の荒い情報からより細かな粒度の情報を推定すること。
【解決手段】本願に係る情報処理装置は、配信対象となる複数の広告いずれかを選択した利用者が行った対象行動に関する統計情報を取得する取得部と、各広告に対する利用者の行動履歴に基づいて、取得部によって取得された統計情報から複数の広告の一部に関する統計情報を推定する推定部と、を備える。
【選択図】図２

【特許請求の範囲】

【請求項1】

配信対象となる複数の広告いずれかを選択した利用者が行った対象行動に関する統計情報を取得する取得部と、
各広告に対する利用者の行動履歴に基づいて、前記取得部によって取得された前記統計情報から前記複数の広告の一部に関する統計情報を推定する推定部と、
を備えることを特徴とする情報処理装置。

【請求項2】

前記推定部は、
複数の広告単位の統計情報を推定すること
を特徴とする請求項１に記載の情報処理装置。

【請求項3】

前記推定部は、
広告単位の統計情報を推定すること
を特徴とする請求項１に記載の情報処理装置。

【請求項4】

前記推定部は、
広告配信に対するリクエスト単位の統計情報を推定すること
を特徴とする請求項１に記載の情報処理装置。

【請求項5】

前記推定部は、
利用者単位の統計情報を推定すること
を特徴とする請求項１に記載の情報処理装置。

【請求項6】

前記推定部は、
複数の利用者単位の統計情報を推定すること
を特徴とする請求項１に記載の情報処理装置。

【請求項7】

前記推定部は、
各広告に対する利用者の選択履歴の割合に基づいて、前記取得部によって取得された前記統計情報から前記複数の広告の一部に関する統計情報を推定すること
を特徴とする請求項１に記載の情報処理装置。

【請求項8】

前記推定部は、
推定対象となる統計情報の過去の実測値に基づいて、前記推定対象となる統計情報を推定すること
を特徴とする請求項１に記載の情報処理装置。

【請求項9】

前記推定部は、
前記推定対象となる統計情報の過去の実測値を学習した予測モデルによる予測値を用いて前記推定対象となる統計情報を推定すること
を特徴とする請求項８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、
配信対象となる複数の広告いずれかを選択した利用者が行った対象行動に関する統計情報を取得する取得工程と、
各広告に対する利用者の行動履歴に基づいて、前記取得工程によって取得された前記統計情報から前記複数の広告の一部に関する統計情報を推定する推定工程と、
を含むことを特徴とする情報処理方法。

【請求項11】

配信対象となる複数の広告いずれかを選択した利用者が行った対象行動に関する統計情報を取得する取得手順と、
各広告に対する利用者の行動履歴に基づいて、前記取得手順によって取得された前記統計情報から前記複数の広告の一部に関する統計情報を推定する推定手順と、
をコンピュータに実行させることを特徴とする情報処理プログラム。

【発明の詳細な説明】

【技術分野】

【0001】

本発明は、情報処理装置、情報処理方法および情報処理プログラムに関する。

【背景技術】

【0002】

従来、インターネットを介した広告配信においては様々な指標が用いられている。例えば、ＣＶＲ（Conversion Rate；「コンバージョン率」ともいう）等の様々な指標を用いて広告配信の効果を測定する技術が知られている（例えば、特許文献１参照）。

【先行技術文献】

【特許文献】

【0003】

【特許文献1】特開２０１８－１１６３４５号公報

【発明の概要】

【発明が解決しようとする課題】

【0004】

しかしながら、近年では、個人情報を保護する観点から利用者情報の匿名化が求められ、このような規制下においては、広告効果の検証に関して、利用者情報が匿名化された粒度の荒い情報からより細かな粒度の情報を推定することが望まれる。

【0005】

本発明は、上記に鑑みてなされたものであって、利用者情報が匿名化された粒度の荒い情報からより細かな粒度の情報を推定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】

【0006】

上述した課題を解決し、目的を達成するために、本発明に係る情報処理装置は、配信対象となる複数の広告いずれかを選択した利用者が行った対象行動に関する統計情報を取得する取得部と、各広告に対する利用者の行動履歴に基づいて、前記取得部によって取得された前記統計情報から前記複数の広告の一部に関する統計情報を推定する推定部と、を備える。

【発明の効果】

【0007】

本発明によれば、利用者情報が匿名化された粒度の荒い情報からより細かな粒度の情報を推定することができる。

【図面の簡単な説明】

【0008】

【図1】図１は、実施形態に係る情報処理システムの一例を示す図である。

【図2】図２は、実施形態に係る情報処理の一例を示す図である。

【図3】図３は、実施形態に係る情報処理装置の一例を示すブロック図である。

【図4】図４は、実施形態に係る統計情報データベースの一例を示す図である。

【図5】図５は、実施形態に係る補間情報データベースの一例を示す図である

【図6】図６は、実施形態に係る情報処理装置が実行する処理手順を示すフローチャートである。

【図7】図７は、実施形態に係る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。

【発明を実施するための形態】

【0009】

以下に、本願に係る情報処理装置、情報処理方法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、情報処理方法および情報処理プログラムが限定されるものではない。

【0010】

［実施形態］
〔１．１．情報処理システム〕
まず、図１および図２を用いて、実施形態に係る情報処理システムおよび情報処理の概要について説明する。図１は、実施形態に係る情報処理システムの一例を示す図である。図２は、実施形態に係る情報処理の一例を示す図である。

【0011】

図１に示すように、実施形態に係る情報処理システム１は、ネットワークＮによって接続された利用者端末５０と、情報処理装置１００と、広告主サーバ２００とを有する。なお、図１では、情報処理システム１に含まれる利用者端末５０、情報処理装置１００および広告主サーバ２００がそれぞれで１台である場合について示しているが、利用者端末５０、情報処理装置１００および広告主サーバ２００がそれぞれ複数台含まれるようにしてもよい。

【0012】

図１に示す情報処理装置１００は、各種Ｗｅｂサービスに関するコンテンツを利用者端末５０へ提供する情報処理装置である。たとえば、情報処理装置１００は、広告主から入稿された配信広告をＷｅｂサービスに関するコンテンツとともに利用者端末５０へ配信する。

【0013】

また、情報処理装置１００は、利用者端末５０へ提供した配信広告のコンバージョン（以下、ＣＶとも記載する）を計測する。そして、情報処理装置１００は、計測したコンバージョンに応じて、各配信広告のＣＶＲ（Conversion Rate）を最適化する。また、情報処理装置１００は、コンバージョンに基づいて広告主に対しレポートを提供する。

【0014】

利用者端末５０は、利用者が所有する端末である。たとえば、利用者端末５０は、情報処理装置１００から配信されるコンテンツを配信広告とともに表示する。利用者端末５０は、たとえば、スマートフォン、タブレット端末、パソコン、ウェアラブル端末など、各種のクライアント端末である。

【0015】

また、利用者端末５０は、コンテンツとともに表示した配信広告が利用者によってクリック（選択）された場合に、コンテンツから広告主が運営する広告主サイトへ移動する。そして、利用者端末５０は、広告主サイトにおいて所定のコンバージョンが行われた場合に、コンバージョン情報を情報処理装置１００へと送信する。これにより、情報処理装置１００では配信した広告のコンバージョンを計測することができる。

【0016】

広告主サーバ２００は、広告主の広告主サイトを運営するサーバ装置である。たとえば、広告主サーバ２００は、利用者端末５０によるアクセスに応じて広告主サイトを利用者端末５０へ提供する。

【0017】

〔１．２．情報処理の一例〕
ところで、近年では、プラットフォーマーによるいわゆるＩＴＰ（Intelligent Tracking Prevention）等の搭載によって３ｒｄ Ｐａｒｔｙ Ｃｏｏｋｉｅの利用が制限されてきている。

【0018】

このような制約下において、広告配信においても個人情報の匿名化が求められる。そのため、情報処理装置１００は、各利用者による広告主サイトにおける行動をトラッキングすることができなくなりつつあり、リクエスト単位でコンバージョンを計測できなくなりつつある。

【0019】

例えば、情報処理装置１００は、各利用者端末５０による配信広告のリクエストおよび利用者による配信広告へのアクセスまで観測することができるが、どのリクエストがコンバージョンに至ったかを荒い粒度でしか観測することができない。

【0020】

例えば、広告配信に関する利用者情報の匿名化は図２に示す階層構造を有する。例えば、図２に示すように、匿名化に関する階層構造は、アカウント、キャンペーン、ＡＤグループ、ＡＤ（広告）、リクエストといった順でより個人を特定可能となる。なお、リクエストとは、利用者、配信した広告種別、接触時間等を組み合わせたデータである。

【0021】

例えば、情報処理装置１００は、階層構造で上から２番目のキャンペーンの粒度でコンバージョン数を取得する。そして、情報処理装置１００は、キャンペーンの粒度でコンバージョン数からキャンペーンの配下にあるＡＤグループ、ＡＤ、リクエストのそれぞれの粒度におけるコンバージョンを推定する。

【0022】

例えば、情報処理装置１００は、下記（式１）によってＡＤグループのコンバージョン数（推定ＣＶ_ａｄｇ）を推定する。（式１）では、キャンペーン粒度のコンバージョン（ＣＶ_ａｄｇ）からＡＤグループの粒度でコンバージョンを推定する場合を示す。また、（式１）に示すＣＬＫＳ_ａｄｇ、ＣＬＫＳ_ｃａｍｐは、それぞれＡＤグループのクリック数、キャンペーンのクリック数の実測値である。

【0023】

【0024】

また、情報処理装置１００は、例えば、ＩＴＰ搭載前のコンバージョンの履歴を用いて機械学習した予測モデルによる予測コンバージョンを用いて、ＡＤグループのコンバージョン数を推定することにしてもよい。例えば、予測モデルは、リクエストと、コンバージョンとの関係性をＩＴＰ搭載前のデータあるいは、トラッキングを許諾している許諾利用者のデータを用いて学習したモデルである。

【0025】

予測コンバージョンを用いたＡＤグループのコンバージョン数は、下記（式２）を用いて推定することができる。（式２）に示す予測ＣＶ_ａｄｇ、予測ＣＶ_ｃａｍｐは、機械学習を用いて学習された予測モデルによるＡＤグループのコンバージョン数およびキャンペーンのコンバージョン数の予測値である。

【0026】

【0027】

なお、（式１）、（式２）と同様の手法を用いて、キャンペーン粒度のコンバージョン数からＡＤ粒度のコンバージョン数やリクエスト粒度のコンバージョン数を推定することもできる。

【0028】

このように、実施形態に係る情報処理装置１００は、配信対象となる複数の広告のいずれかを選択した利用者が行った所定の行動に関する統計情報を取得し、各広告に対する利用者の行動履歴に基づいて、取得した統計情報から複数の広告の一部の広告についての統計情報を推定する。

【0029】

したがって、実施形態に係る情報処理装置１００によれば、コンバージョン計測に際し、利用者情報が匿名化された粒度の荒い情報からより細かな粒度の情報を推定することができる。

【0030】

〔２．情報処理装置の構成例〕
次に、図３を用いて、情報処理装置１００の構成例について説明する。図３は、実施形態に係る情報処理装置１００の構成例を示すブロック図である。図３に示すように、情報処理装置１００は、通信部１１０と、制御部１２０と、記憶部１３０とを有する。

【0031】

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、４Ｇ（Generation）、５Ｇ、ＬＴＥ（Long Term Evolution）、ＷｉＦｉ（登録商標）若しくは無線ＬＡＮ（Local Area Network）等といった各種の無線通信網若しくは各種の有線通信網といったネットワークＮを介して、外部装置との間で情報の送受信を行う。

【0032】

記憶部１３０は、例えば、ＲＡＭ、フラッシュメモリ等の半導体メモリ素子、または、ハードディスク、光ディスク等の記憶装置によって実現される。また、記憶部１３０は、広告情報データベース１３１、統計情報データベース１３２、補間情報データベース１３３および配信モデルデータベース１３４を有する。

【0033】

広告情報データベース１３１は、広告主から配信を依頼された配信広告に関する各種広告情報を記憶するデータベースである。広告情報は、たとえば、配信広告として表示するコンテンツ（画像、映像、音声等）、配信条件（配信ターゲット）、配信目標数、目標コンバージョン単価、ランディングページのＵＲＬに関する情報が含まれる。

【0034】

統計情報データベース１３２は、統計情報を記憶するデータベースである。統計情報は、配信対象となる複数の広告のいずれかを選択した利用者が行った対象行動に関する情報である。

【0035】

図４は、実施形態に係る統計情報データベース１３２の一例を示す図である。なお、図４では、１つの広告主アカウントに関する統計情報について示す。図４に示すように、統計情報データベース１３２は、「階層情報」、「階層ＩＤ」、「クリック数」、「ＣＶ（コンバージョン）数」などといった項目の情報を互いに対応付けて記憶する。

【0036】

「階層情報」は、匿名化に関する階層を示す情報であり、キャンペーン、ＡＤグループ、ＡＤ、リクエストに大別される。「階層ＩＤ」は、対応する階層を識別するための識別子である。

【0037】

「クリック数」は、対応する階層におけるクリック数であり、「ＣＶ数」は、対応する階層におけるコンバージョン数である。図４に示す例では、キャンペーンに対応するＣＶ数が「８０」であるのに対し、その下層のＣＶ数はブランクであり、ハイフン「‐」で示している。

【0038】

図３の説明に戻り、補間情報データベース１３３について説明する。補間情報データベース１３３は、補間情報を記憶するデータベースである。補間情報は、統計情報データベース１３２において、コンバージョンの不明箇所あるいは欠損箇所を補間した情報である。

【0039】

図５は、実施形態に係る補間情報データベース１３３の一例を示す図である。図５に示すように、補間情報データベース１３３は、「推定ＣＶ数」の項目を有する点で図４に示す統計情報データベース１３２と異なる。

【0040】

「推定ＣＶ数」は、例えば、キャンペーン粒度のコンバージョン数に基づいて、ＡＤグループ、ＡＤ、リクエストそれぞれのコンバージョン数が補間された値である。例えば、上述した（式１）や（式２）によって、「推定ＣＶ数」の項目が補間されることになる。

【0041】

図３の説明に戻り、配信モデルデータベース１３４について説明する。配信モデルデータベース１３４は、配信モデルを記憶するデータベースである。配信モデルは、ＣＶＲ（Conversion Rate）が最適化されるように配信広告と、当該配信広告の配信先となる利用者端末５０との関係性を学習したモデルである。

【0042】

例えば、後述するように、情報処理装置１００は、配信モデルを用いて、各利用者端末５０に対し配信する広告を選択することで、各配信広告のＣＶＲの最適化を図ることができる。

【0043】

制御部１２０は、例えば、コントローラ（controller）であり、ＣＰＵ（Central Processing Unit）やＭＰＵ（Micro Processing Unit）等によって、情報処理装置１００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。また、制御部１２０は、コントローラであり、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る。

【0044】

図３に示すように、制御部１２０は、取得部１２１と、推定部１２２と、学習部１２３と、配信部１２４と、生成部１２５とを有する。

【0045】

取得部１２１は、利用者端末５０から各種情報を取得する。取得部１２１が取得する情報は、たとえば、配信広告に対するリクエストや、配信広告へのアクセスに関する情報等が含まれる。また、取得部１２１は、トラッキングを許諾している許諾利用者の利用者端末５０から、さらに、リクエスト単位のコンバージョン情報を取得する。つまり、許諾利用者については、アクセス単位でコンバージョンを計測することができる。

【0046】

また、取得部１２１は、例えば、配信対象となる複数の広告のいずれかを選択した利用者が行った対象行動に関する統計情報を取得する。ここでの統計情報は、例えば、ＡＤグループ粒度におけるコンバージョン数である。また、取得部１２１は、取得した各種情報に基づき、統計情報データベース１３２を逐次更新する。

【0047】

推定部１２２は、各広告に対する利用者の行動履歴に基づいて、統計情報から複数の広告の一部の広告についての統計情報を推定する。例えば、推定部１２２は、統計情報データベース１３２を参照し、ＡＤグループ粒度におけるコンバージョン数、クリック数および推定対象となる層（ＡＤグループ、ＡＤ、リクエスト）のクリック数から推定コンバージョン数を推定する。

【0048】

例えば、推定部１２２は、上記（式１）を用いて、対象となる推定コンバージョン数を推定する。推定部１２２は、推定した推定コンバージョン数に基づいて補間情報データベース１３３の「推定ＣＶ数」の項目を補間する。

【0049】

また、推定部１２２は、予測モデルによる予測値である予測コンバージョン数を用いて上記（式２）により推定コンバージョン数を推定することもできる。

【0050】

これにより、コンバージョン計測に際し、利用者情報が匿名化された粒度の荒い情報からより細かな粒度の情報を推定することができる。なお、この際、推定部１２２は、トラッキングを許諾した許諾利用者によるコンバージョンの有無に基づいて、対象となる推定コンバージョン数を推定するようにしてもよい。

【0051】

すなわち、推定部１２２は、対象となる推定コンバージョン数を推定する際に、予め許諾利用者によるコンバージョンの有無を考慮して、推定ＣＶ数の推定を行うようにしてもよい。つまり、推定部１２２は、許諾利用者によるコンバージョンの実測値を利用して、推定コンバージョン数を推定する。これにより、推定コンバージョン数の推定精度を向上させることができる。

【0052】

なお、推定部１２２によって推定される推定コンバージョン数は、当然ながら誤差を含み得る。そのため、例えば、推定部１２２によって推定される推定コンバージョン数にマージンを持たせるようにしてもよい。

【0053】

また、推定部１２２は、例えば、利用者単位、複数の利用者単位で推定コンバージョン数を推定することにしてもよい。ここでの複数の利用者単位とは、例えば、デモグラフィック属性や、サイコグラフィック属性など、所定の属性が類似する利用者のグループを意味する。

【0054】

学習部１２３は、推定部１２２により推定された推定コンバージョン数を用いて、配信モデルデータベース１３４に格納された配信モデルを更新する。例えば、学習部１２３は、補間情報データベース１３３に格納された補間情報を教師データとする機械学習処理によって配信モデルを更新する。なお、配信モデルは、各広告のＣＶＲを最適化するように学習されたモデルであり、リクエストとコンバージョンとの関係を学習したモデルである。

【0055】

つまり、学習部１２３は、配信モデルを逐次更新していくことで、ＣＶＲの最適化を図ることができる。

【0056】

配信部１２４は、利用者端末５０によるリクエストに対して配信広告を配信する。たとえば、配信部１２４は、リクエストのリクエスト元となる利用者や、配信広告の表示媒体に関する情報等を配信モデルに入力することで、利用者端末５０へ配信する配信広告を決定する。そして、配信部１２４は、リクエストに対して配信する配信広告を決定すると、リクエスト元となる利用者端末５０に対して配信広告を配信する。

【0057】

生成部１２５は、広告主に対して広告主レポートを生成する。例えば、生成部１２５は、補間情報データベース１３３に格納された補間情報を用いて、階層毎のＣＶやＣＶＲに関する情報を含むレポートを生成する。生成部１２５によって生成された広告主レポートは、通信部１１０を介して、各広告主へ提供される。

【0058】

〔３．処理フロー〕
次に、図６を用いて、実施形態に係る情報処理装置１００が実行する処理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１００が実行する処理手順を示すフローチャートである。

【0059】

図６に示すように、まず、情報処理装置１００は、統計情報を取得する（ステップＳ１０１）。つづいて、情報処理装置１００は、ステップＳ１０１で取得した統計情報に基づいて、一部の広告に関する統計情報を推定する（ステップＳ１０２）。

【0060】

つづいて、情報処理装置１００は、ステップＳ１０２で推定した統計情報に基づいて配信モデルを更新する（ステップＳ１０３）。また、情報処理装置１００は、ステップＳ１０２で推定した統計情報に基づいて、広告主宛のレポートを生成する（ステップＳ１０４）。そして、情報処理装置１００は、一連の処理を終了する。

【0061】

〔４．変形例〕
上述した実施形態では、対象行動がコンバージョンである場合について説明したが、これに限定されるものではない。例えば、対象行動として、資料請求など任意の行動を設定することができる。

【0062】

〔５．効果〕
上述した実施形態に係る情報処理装置１００は、配信対象となる複数の広告いずれかを選択した利用者が行った対象行動に関する統計情報を取得する取得部１２１と、各広告に対する利用者の行動履歴に基づいて、取得部によって取得された統計情報から複数の広告の一部に関する統計情報を推定する推定部１２２と、を備える。

【0063】

また、推定部１２２は、複数の広告単位、広告単位、複数の利用者単位、利用者単位のいずれかで統計情報を推定する。また、推定部１２２は、各広告に対する利用者の選択履歴の割合に基づいて、取得部によって取得された統計情報から複数の広告の一部に関する統計情報を推定する。

【0064】

また、推定部１２２は、推定対象となる統計情報の過去の実測値に基づいて、推定対象となる統計情報を推定する。また、推定部１２２は、推定対象となる統計情報の過去の実測値を学習した予測モデルによる予測値を用いて定対象となる統計情報を推定する。

【0065】

上述した各処理のいずれかもしくは組合せにより、本願に係る情報処理装置は、利用者情報が匿名化された粒度の荒い情報からより細かな粒度の情報を推定することができる。

【0066】

〔６．ハードウェア構成〕
また、上述してきた実施形態に係る情報処理装置１００は、例えば図７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７は、実施形態に係る情報処理装置１００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、ＣＰＵ１１００、ＲＡＭ１２００、ＲＯＭ１３００、ＨＤＤ１４００、通信インターフェイス（Ｉ／Ｆ）１５００、入出力インターフェイス（Ｉ／Ｆ）１６００、及びメディアインターフェイス（Ｉ／Ｆ）１７００を有する。

【0067】

ＣＰＵ１１００は、ＲＯＭ１３００またはＨＤＤ１４００に格納されたプログラムに基づいて動作し、各部の制御を行う。ＲＯＭ１３００は、コンピュータ１０００の起動時にＣＰＵ１１００によって実行されるブートプログラムや、コンピュータ１０００のハードウェアに依存するプログラム等を格納する。

【0068】

ＨＤＤ１４００は、ＣＰＵ１１００によって実行されるプログラム、及び、かかるプログラムによって使用されるデータ等を格納する。通信インターフェイス１５００は、ネットワーク（通信ネットワーク）Ｎを介して他の機器からデータを受信してＣＰＵ１１００へ送り、ＣＰＵ１１００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。

【0069】

ＣＰＵ１１００は、入出力インターフェイス１６００を介して、ディスプレイやプリンタ等の出力装置、及び、キーボードやマウス等の入力装置（図７では、出力装置および入力装置を総称して「入出力装置」と記載する）を制御する。ＣＰＵ１１００は、入出力インターフェイス１６００を介して、入力装置からデータを取得する。また、ＣＰＵ１１００は、生成したデータを入出力インターフェイス１６００を介して出力装置へ出力する。

【0070】

メディアインターフェイス１７００は、記録媒体１８００に格納されたプログラムまたはデータを読み取り、ＲＡＭ１２００を介してＣＰＵ１１００に提供する。ＣＰＵ１１００は、かかるプログラムを、メディアインターフェイス１７００を介して記録媒体１８００からＲＡＭ１２００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１８００は、例えば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である。

【0071】

例えば、コンピュータ１０００が実施形態に係る情報処理装置１００として機能する場合、コンピュータ１０００のＣＰＵ１１００は、ＲＡＭ１２００上にロードされたプログラムを実行することにより、制御部１２０の機能を実現する。コンピュータ１０００のＣＰＵ１１００は、これらのプログラムを記録媒体１８００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。

【0072】

以上、本願の実施形態のいくつかを図面に基づいて詳細に説明したが、これらは例示であり、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。

【0073】

〔７．その他〕
また、上記実施形態及び変形例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。

【0074】

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。

【0075】

また、上述してきた実施形態及び変形例は、処理内容を矛盾させない範囲で適宜組み合わせることが可能である。

【0076】

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】

【0077】

１ 情報処理システム
５０ 利用者端末
１００ 情報処理装置
１１０ 通信部
１２０ 制御部
１２１ 取得部
１２２ 推定部
１２３ 学習部
１２４ 配信部
１２５ 生成部
１３０ 記憶部
１３１ 広告情報データベース
１３２ 統計情報データベース
１３３ 補間情報データベース
１３４ 配信モデルデータベース
２００ 広告主サーバ

【図1】

【図2】

【図3】

【図4】

【図5】

【図6】

【図7】