特許 7200069 情報処理装置、ベクトル生成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】特許公報(B2)

(11)【特許番号】

(24)【登録日】2022-12-23

(45)【発行日】2023-01-06

(54)【発明の名称】情報処理装置、ベクトル生成方法及びプログラム

(51)【国際特許分類】

   G06F 16/9035 20190101AFI20221226BHJP

   G06F 16/9536 20190101ALI20221226BHJP

   G01C 21/26 20060101ALI20221226BHJP

   G08G 1/005 20060101ALI20221226BHJP

【ＦＩ】

G06F16/9035

G06F16/9536

G01C21/26 P

G08G1/005

【請求項の数】 10

(21)【出願番号】P 2019152599

(22)【出願日】2019-08-23

(65)【公開番号】P2021033602

(43)【公開日】2021-03-01

【審査請求日】2021-06-23

(73)【特許権者】

【識別番号】000208891

【氏名又は名称】ＫＤＤＩ株式会社

(74)【代理人】

【識別番号】100166006

【弁理士】

【氏名又は名称】泉 通博

(74)【代理人】

【識別番号】100154070

【弁理士】

【氏名又は名称】久恒 京範

(74)【代理人】

【識別番号】100153280

【弁理士】

【氏名又は名称】寺川 賢祐

(72)【発明者】

【氏名】米川 慧

(72)【発明者】

【氏名】牛 コウ

(72)【発明者】

【氏名】黒川 茂莉

【審査官】酒井 恭信

(56)【参考文献】

【文献】特開２００９－１１６５５２（ＪＰ，Ａ）

【文献】特開２０１０－１８１９６６（ＪＰ，Ａ）

【文献】特開２０１６－０５８０２７（ＪＰ，Ａ）

(58)【調査した分野】(Int.Cl.，ＤＢ名)

Ｇ０６Ｆ １６／００ － １６／９５８

Ｇ０１Ｃ ２１／２６

Ｇ０８Ｇ １／００５

(57)【特許請求の範囲】

【請求項1】

ユーザが行った行動ごとに、当該行動を識別するための行動識別情報を含み、前記ユーザが各行動を行った順序を示す時系列データを取得する取得部と、
前記ユーザが行動を行った行動位置を特定することが不能であるカテゴリであって、前記時系列データに含まれている複数の前記行動識別情報それぞれが属する複数の前記カテゴリの中から、前記ユーザが関心を持ち得る場所であるＰＯＩ（Point of Interest）の種類として前記ユーザに推薦する１つの前記カテゴリを選択する選択部と、
前記時系列データに含まれる複数の行動識別情報のうちの前記選択部が選択した前記カテゴリである選択カテゴリに属する前記行動識別情報は変換せず、前記複数の行動識別情報のうちの前記選択カテゴリとは異なる他のカテゴリに属する前記行動識別情報を前記他のカテゴリを示すカテゴリ情報に変換した変換データを生成するデータ生成部と、
前記時系列データによって示される前記ユーザが行った各行動の順序に基づいて、前記データ生成部が生成した前記変換データに含まれる前記行動識別情報又は前記カテゴリ情報ごとに、当該行動識別情報が示す行動又は当該カテゴリ情報に属する行動と、当該行動とは異なる他の行動との順序での関連性を示す特徴ベクトルである行動ベクトルを生成する行動ベクトル生成部と、
を有する情報処理装置。

【請求項2】

前記時系列データに含まれている前記行動識別情報は、前記ユーザが行動を行った行動位置を特定不能な第１行動識別情報と、前記行動位置を特定可能な第２行動識別情報とのうちのいずれかに該当し、
前記データ生成部は、前記選択カテゴリに属する前記行動識別情報と、前記他のカテゴリに属する前記行動識別情報のうち、前記第１行動識別情報に該当する前記行動識別情報と、前記他のカテゴリに属する前記行動識別情報のうち、前記第２行動識別情報に該当する前記行動識別情報が属する前記他のカテゴリを示す前記カテゴリ情報とを含む変換データを生成する、
請求項１に記載の情報処理装置。

【請求項3】

前記取得部は、複数のユーザそれぞれに対応する複数の前記時系列データを取得し、
前記取得部が取得した前記時系列データに対応する前記ユーザごとに、当該ユーザに対応する前記変換データに基づいて生成された複数の前記行動ベクトルの平均を、前記ユーザの行動の特徴を示す特徴ベクトルであるユーザベクトルとして生成するユーザベクトル生成部をさらに有する、
請求項１又は２に記載の情報処理装置。

【請求項4】

前記行動ベクトル生成部が生成した複数の前記行動ベクトルのうち、前記ユーザベクトルに相対的に近い前記行動ベクトルに対応する行動を、前記ユーザベクトルに対応する前記ユーザに推薦する推薦部をさらに有する、
請求項３に記載の情報処理装置。

【請求項5】

前記推薦部は、前記ユーザベクトルに対応する前記ユーザとは異なる他の前記ユーザに対応する前記行動を推薦する、
請求項４に記載の情報処理装置。

【請求項6】

前記時系列データは、前記ユーザが前記行動識別情報によって示される行動を行った時刻を示す時刻情報であって、前記行動識別情報に関連付けられた前記時刻情報をさらに含み、
前記推薦部は、前記時系列データにおいて所定の期間に含まれる時刻を示す前記時刻情報に関連付けられた前記行動識別情報が示す行動を推薦する、
請求項４又は５に記載の情報処理装置。

【請求項7】

前記時系列データは、前記ユーザが行動を行った行動位置を特定可能な行動識別情報を含み、
前記推薦部は、前記行動位置が所定の範囲に含まれる前記行動識別情報が示す行動を推薦する、
請求項４から６のいずれか一項に記載の情報処理装置。

【請求項8】

前記推薦部は、前記ユーザベクトルに対応する前記ユーザに対応する前記時系列データに含まれていない前記行動識別情報が示す行動を推薦する、
請求項４から７のいずれか一項に記載の情報処理装置。

【請求項9】

コンピュータが実行する、
ユーザが行った行動ごとに、当該行動を識別するための行動識別情報を含み、前記ユーザが各行動を行った順序を示す時系列データを取得するステップと、
前記ユーザが行動を行った行動位置を特定することが不能であるカテゴリであって、前記時系列データに含まれている複数の前記行動識別情報それぞれが属する複数のカテゴリの中から、前記ユーザが関心を持ち得る場所であるＰＯＩの種類として前記ユーザに推薦する１つの前記カテゴリを選択するステップと、
前記時系列データに含まれる複数の行動識別情報のうちの選択した前記カテゴリである選択カテゴリに属する前記行動識別情報は変換せず、前記複数の行動識別情報のうちの前記選択カテゴリとは異なる他のカテゴリに属する前記行動識別情報を前記他のカテゴリを示すカテゴリ情報に変換した変換データを生成するステップと、
前記時系列データによって示される前記ユーザが行った各行動の順序に基づいて、生成した前記変換データに含まれる前記行動識別情報又は前記カテゴリ情報ごとに、当該行動識別情報が示す行動又は当該カテゴリ情報に属する行動と、当該行動とは異なる他の行動の順序での関連性を示す特徴ベクトルである行動ベクトルを生成するステップと、
を有するベクトル生成方法。

【請求項10】

コンピュータを、
ユーザが行った行動ごとに、当該行動を識別するための行動識別情報を含み、前記ユーザが各行動を行った順序を示す時系列データを取得する取得部、
前記ユーザが行動を行った行動位置を特定することが不能であるカテゴリであって、前記時系列データに含まれている複数の前記行動識別情報それぞれが属する複数のカテゴリの中から、前記ユーザが関心を持ち得る場所であるＰＯＩの種類として前記ユーザに推薦する１つの前記カテゴリを選択する選択部、
前記時系列データに含まれる複数の行動識別情報のうちの前記選択部が選択した前記カテゴリである選択カテゴリに属する前記行動識別情報は変換せず、前記複数の行動識別情報のうちの前記選択カテゴリとは異なる他のカテゴリに属する前記行動識別情報を前記他のカテゴリを示すカテゴリ情報に変換した変換データを生成するデータ生成部、及び
前記時系列データによって示される前記ユーザが行った各行動の順序に基づいて、前記データ生成部が生成した前記変換データに含まれる前記行動識別情報又は前記カテゴリ情報ごとに、当該行動識別情報が示す行動又は当該カテゴリ情報に属する行動と、当該行動とは異なる他の行動との順序での関連性を示す特徴ベクトルである行動ベクトルを生成する行動ベクトル生成部、
として機能させるためのプログラム。

【発明の詳細な説明】

【技術分野】

【0001】

本発明は、ユーザに推薦する行動を特定するために用いる特徴ベクトルを生成する情報処理装置、ベクトル生成方法及びプログラムに関する。

【背景技術】

【0002】

従来、ユーザの行動履歴に基づいて、ユーザが関心を持つ場所であるＰＯＩ（Point of Interest）を推薦するシステムが知られている。特許文献１には、ユーザの行動履歴に基づいてユーザ同士の類似度を算出し、類似度が推薦対象のユーザと類似することを示す他のユーザのＰＯＩを、ユーザに推薦する技術が開示されている。

【先行技術文献】

【特許文献】

【0003】

【文献】特開２０１１－００３１５１号公報

【発明の概要】

【発明が解決しようとする課題】

【0004】

特許文献１に係る技術では、ユーザが行動した地域が共通しない場合、類似度が低く算出され得る。例えば、２人のユーザが行動した地域が異なる場合、これら２人のユーザの行動傾向が類似する場合であっても、類似度が低く算出され得る。行動履歴が少ない過疎地域のユーザについては、同じ地域に当該ユーザの行動傾向と類似する他のユーザが少なく、類似度が高い他のユーザを特定することができない場合がある。この場合、過疎地域のユーザにＰＯＩを推薦する精度が低下してしまうという問題が発生する。そのため、地域性を希釈しつつ、ユーザの行動傾向に対応した情報であって、ユーザに推薦するＰＯＩを特定するために用いられる情報を生成できるようにすることが求められている。

【0005】

そこで、本発明はこれらの点に鑑みてなされたものであり、地域性を希釈しつつ、ユーザの行動傾向に対応した特徴ベクトルを生成することができる情報処理装置、ベクトル生成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】

【0006】

本発明の第１の態様に係る情報処理装置は、ユーザが行った行動ごとに、当該行動を識別するための行動識別情報を含み、前記ユーザが各行動を行った順序を示す時系列データを取得する取得部と、前記時系列データに含まれている複数の前記行動識別情報それぞれが属する複数のカテゴリの中から１つの前記カテゴリを選択する選択部と、前記選択部が選択した前記カテゴリである選択カテゴリに属する前記行動識別情報と、前記選択カテゴリとは異なる他の前記カテゴリに属し、かつ前記時系列データに含まれている前記行動識別情報が属する前記カテゴリを示すカテゴリ情報とを含む変換データを生成するデータ生成部と、前記データ生成部が生成した前記変換データに含まれる前記行動識別情報又は前記カテゴリ情報ごとに、当該行動識別情報が示す行動又は当該カテゴリ情報に属する行動と、当該行動とは異なる他の行動との関連性を示す特徴ベクトルである行動ベクトルを生成する行動ベクトル生成部と、を有する。

【0007】

前記時系列データに含まれている前記行動識別情報は、前記ユーザが行動を行った行動位置を特定不能な第１行動識別情報と、前記行動位置を特定可能な第２行動識別情報とのうちのいずれかに該当し、前記データ生成部は、前記選択カテゴリに属する前記行動識別情報と、前記他のカテゴリに属する前記行動識別情報のうち、前記第１行動識別情報に該当する前記行動識別情報と、前記他のカテゴリに属する前記行動識別情報のうち、前記第２行動識別情報に該当する前記行動識別情報が属する前記カテゴリを示す前記カテゴリ情報とを含む変換データを生成してもよい。

【0008】

前記取得部は、複数のユーザそれぞれに対応する複数の前記時系列データを取得し、前記情報処理装置は、前記取得部が取得した前記時系列データに対応する前記ユーザごとに、当該ユーザに対応する前記変換データに基づいて生成された複数の前記行動ベクトルに基づいて、前記ユーザの行動の特徴を示す特徴ベクトルであるユーザベクトルを生成するユーザベクトル生成部をさらに有してもよい。

【0009】

前記情報処理装置は、前記行動ベクトル生成部が生成した複数の前記行動ベクトルのうち、前記ユーザベクトルに相対的に近い前記行動ベクトルに対応する行動を、前記ユーザベクトルに対応する前記ユーザに推薦する推薦部をさらに有してもよい。
前記推薦部は、前記ユーザベクトルに対応する前記ユーザとは異なる他の前記ユーザに対応する前記行動を推薦してもよい。

【0010】

前記時系列データは、前記ユーザが前記行動識別情報によって示される行動を行った時刻を示す時刻情報であって、前記行動識別情報に関連付けられた前記時刻情報をさらに含み、前記推薦部は、前記時系列データにおいて所定の期間に含まれる時刻を示す前記時刻情報に関連付けられた前記行動識別情報が示す行動を推薦してもよい。

【0011】

前記時系列データは、前記ユーザが行動を行った行動位置を特定可能な行動識別情報を含み、前記推薦部は、前記行動位置が所定の範囲に含まれる前記行動識別情報が示す行動を推薦してもよい。
前記推薦部は、前記ユーザベクトルに対応する前記ユーザに対応する前記時系列データに含まれていない前記行動識別情報が示す行動を推薦してもよい。

【0012】

本発明の第２の態様に係るベクトル生成方法は、コンピュータが実行する、ユーザが行った行動ごとに、当該行動を識別するための行動識別情報を含み、前記ユーザが各行動を行った順序を示す時系列データを取得するステップと、前記時系列データに含まれている複数の前記行動識別情報それぞれが属する複数のカテゴリの中から１つの前記カテゴリを選択するステップと、選択した前記カテゴリである選択カテゴリに属する前記行動識別情報と、前記選択カテゴリとは異なる他の前記カテゴリに属し、かつ前記時系列データに含まれている前記行動識別情報が属する前記カテゴリを示すカテゴリ情報とを含む変換データを生成するステップと、生成した前記変換データに含まれる前記行動識別情報又は前記カテゴリ情報ごとに、当該行動識別情報が示す行動又は当該カテゴリ情報に属する行動と、当該行動とは異なる他の行動との関連性を示す特徴ベクトルである行動ベクトルを生成するステップと、を有する。

【0013】

本発明の第３の態様に係るプログラムは、コンピュータを、ユーザが行った行動ごとに、当該行動を識別するための行動識別情報を含み、前記ユーザが各行動を行った順序を示す時系列データを取得する取得部、前記時系列データに含まれている複数の前記行動識別情報それぞれが属する複数のカテゴリの中から１つの前記カテゴリを選択する選択部、前記選択部が選択した前記カテゴリである選択カテゴリに属する前記行動識別情報と、前記選択カテゴリとは異なる他の前記カテゴリに属し、かつ前記時系列データに含まれている前記行動識別情報が属する前記カテゴリを示すカテゴリ情報とを含む変換データを生成するデータ生成部、及び前記データ生成部が生成した前記変換データに含まれる前記行動識別情報又は前記カテゴリ情報ごとに、当該行動識別情報が示す行動又は当該カテゴリ情報に属する行動と、当該行動とは異なる他の行動との関連性を示す特徴ベクトルである行動ベクトルを生成する行動ベクトル生成部、として機能させる。

【発明の効果】

【0014】

本発明によれば、地域性を希釈しつつ、ユーザの行動傾向に対応した特徴ベクトルを生成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】

【0015】

【図1】情報処理システムの概要を説明するための図である。

【図2】情報処理装置の構成を示す図である。

【図3】情報処理装置が用いる各種のデータの一例を示す図である。

【図4】情報処理装置の処理の流れを示すフローチャートである。

【発明を実施するための形態】

【0016】

［情報処理システムＳの概要］
図１は、情報処理システムＳの概要を説明するための図である。情報処理システムＳは、ユーザＵが関心を持ち得る場所であるＰＯＩを推薦するために用いられるシステムである。情報処理システムＳは、ユーザ端末１と、情報処理装置２とを有する。

【0017】

ユーザ端末１は、ユーザＵが使用する端末であり、例えばスマートフォンをはじめとするモバイル端末である。ユーザ端末１には、例えば、ユーザＵが行った行動に関する情報を収集するアプリケーションソフトウェア（以下、「収集アプリ」という。）がインストールされている。ユーザＵが行った行動は、例えば、ユーザＵが店舗に訪問したり、ユーザＵがユーザ端末１のウェブブラウザを用いてウェブページにアクセスしたり、ユーザＵがユーザ端末１にインストールされている収集アプリとは異なる他のアプリケーションソフトウェア（例えば、店舗を検索することが可能な検索アプリ、ニュースを閲覧することが可能な閲覧アプリ等）を操作したりする行動である。

【0018】

ユーザ端末１は、収集アプリが動作することにより、ユーザＵの行動履歴を示す時系列データをユーザＵが行った行動に関する情報として生成し、生成した時系列データを情報処理装置２に送信する。時系列データは、ユーザＵが行った行動ごとに、当該行動を識別するための行動識別情報を含み、ユーザＵが各行動を行った順序を示すデータである。行動識別情報は、例えば、ユーザＵが訪問した店舗の名称、ユーザＵがユーザ端末１のウェブブラウザを用いてアクセスしたウェブページの名称（例えばタイトル）及びユーザＵがユーザ端末１で操作した他のアプリケーションソフトウェアの名称等である。なお、行動識別情報は、上述した名称に限らず、行動を識別可能な情報であれば、例えば英数字の文字列又はウェブページのＵＲＬ等であってもよい。

【0019】

収集アプリは、店舗内に設けられた近距離無線通信機器が発信したビーコンＩＤをユーザ端末１が受信した場合に、当該ビーコンＩＤに関連付けられた店舗を特定してもよいし、店舗が提供するＷｉ－Ｆｉ（登録商標）にユーザ端末１が接続した場合に、当該Ｗｉ－Ｆｉのアクセスポイントの管理ＩＤに関連付けられた店舗を特定してもよい。ユーザ端末１は、所定の間隔（例えば日ごと）で、時系列データを情報処理装置２に送信する。

【0020】

情報処理装置２は、収集アプリがインストールされたユーザ端末１を使用するユーザＵにＰＯＩを推薦する装置であり、例えばサーバである。

【0021】

図１に示す例において、まず、情報処理装置２は、複数のユーザ端末１（ユーザＵ１が使用するユーザ端末１ａ、ユーザＵ２が使用するユーザ端末１ｂ及びユーザＵ３が使用するユーザ端末１ｃ）それぞれから時系列データを取得する（図１の（１））。情報処理装置２は、取得した時系列データに含まれている複数の行動識別情報それぞれが属する複数のカテゴリの中から１つのカテゴリを選択する（図１の（２））。

【0022】

カテゴリは、行動識別情報を抽象化した情報であり、例えば、レストラン、カフェ、居酒屋、スーパー及びコンビニ等である。具体的には、カテゴリは、行動識別情報によってユーザＵが行動を行った行動位置を特定することが可能である場合に、当該行動識別情報を、ユーザＵが行動を行った行動位置を特定することが不能になるように変換した情報である。情報処理装置２が選択したカテゴリは、ユーザＵに推薦するＰＯＩの種類である。

【0023】

情報処理装置２は、取得した時系列データに対応するユーザＵごとに、当該時系列データに基づいて、変換データを生成する（図１の（３））。変換データは、選択したカテゴリである選択カテゴリに属する行動識別情報と、選択カテゴリとは異なる他のカテゴリに属し、かつ時系列データに含まれている行動識別情報が属するカテゴリを示すカテゴリ情報とを含むデータである。

【0024】

情報処理装置２は、生成した変換データに含まれる行動識別情報又はカテゴリ情報ごとに、変換データに基づいて、行動ベクトルを生成する（図１の（４））。行動ベクトルは、行動識別情報が示す行動又はカテゴリ情報に属する行動と、当該行動とは異なる他の行動との関連性を示す特徴ベクトルである。このように、情報処理装置２は、選択カテゴリに属する行動識別情報と、選択カテゴリに属さない他の行動識別情報を抽象化したカテゴリ情報とを含む変換データに基づいて行動ベクトルを生成することにより、地域性を希釈しつつ、ユーザＵの行動傾向に対応した特徴ベクトルを生成することができる。

【0025】

続いて、情報処理装置２は、取得した時系列データに対応するユーザＵごとに、当該ユーザＵに対応する変換データに基づいて生成した複数の行動ベクトルに基づいて、ユーザベクトルを生成する（図１の（５））。ユーザベクトルは、ユーザＵの行動の特徴を示す特徴ベクトルである。図１に示す例において、情報処理装置２は、ユーザＵ１に対応するユーザベクトルと、ユーザＵ２に対応するユーザベクトルと、ユーザＵ３に対応するユーザベクトルとを生成する。

【0026】

そして、情報処理装置２は、ユーザＵごとに、複数の行動ベクトルのうち、ユーザベクトルに相対的に近い行動ベクトルに対応する行動をＰＯＩとして、ユーザベクトルに対応するユーザＵに推薦する（図１の（６））。

【0027】

このようにすることで、情報処理装置２は、ユーザＵの行動傾向に対応したＰＯＩを特定することができる。これにより、情報処理装置２は、複数のユーザＵそれぞれが行動した地域が異なる場合であっても、推薦対象のユーザＵの行動傾向に類似する他のユーザＵのＰＯＩを推薦することができる。その結果、情報処理装置２は、ユーザＵの行動履歴の情報量が地域ごとに異なる場合であっても、ユーザＵにＰＯＩを推薦する精度のばらつきを小さくすることができる。
以下において、情報処理装置２の構成について説明する。

【0028】

［情報処理装置２の構成］
図２は、情報処理装置２の構成を示す図である。情報処理装置２は、通信部２１と、記憶部２２と、制御部２３とを有する。通信部２１は、ネットワークに接続するためのインターフェイスであり、例えばＬＡＮ（Local Area Network）コントローラを含んで構成されている。

【0029】

記憶部２２は、ＲＯＭ（Read Only Memory）、ＲＡＭ（Random Access Memory）及びハードディスク等の記憶媒体である。記憶部２２は、制御部２３が実行するプログラムを記憶している。記憶部２２には、収集アプリがインストールされたユーザ端末１を使用するユーザＵに関する情報と、時系列データとが記憶されている。ユーザＵに関する情報には、例えば、ユーザＵを識別するためのユーザ識別情報が含まれる。時系列データの詳細については後述する。

【0030】

制御部２３は、例えば、ＣＰＵ（Central Processing Unit）である。制御部２３は、記憶部２２に記憶されたプログラムを実行することにより、取得部２３１、選択部２３２、データ生成部２３３、行動ベクトル生成部２３４、ユーザベクトル生成部２３５及び推薦部２３６として機能する。

【0031】

取得部２３１は、通信部２１を介して、ユーザＵが行った行動ごとに、当該行動を識別するための行動識別情報を含み、ユーザＵが各行動を行った順序を示す時系列データをユーザ端末１から取得する。時系列データには、ユーザＵが各行動を行った順序を示す情報として、ユーザＵが行動識別情報によって示される行動を行った時刻を示す時刻情報がさらに含まれている。

【0032】

取得部２３１は、例えば、所定の間隔（例えば日ごと）で、時系列データをユーザ端末１から取得する。取得部２３１は、ユーザ端末１から時系列データとともに、当該ユーザ端末１を使用するユーザＵに対応するユーザ識別情報を取得し、ユーザ識別情報に関連付けて時系列データを記憶部２２に記憶させる。

【0033】

図３は、情報処理装置２が用いる各種のデータの一例を示す図である。図３（ａ）には、各ユーザＵに対応する時系列データが示されており、各時系列データには、行動識別情報と、当該行動識別情報に関連付けられた時刻情報とが含まれている。なお、時系列データに含まれている各行動識別情報の順序が、ユーザＵが各行動を行った順序を示してもよい。

【0034】

ここで、時系列データに含まれている行動識別情報は、第１行動識別情報と、第２行動識別情報とのうちのいずれかに該当する。第１行動識別情報は、ユーザＵが行動を行った行動位置を特定不能な行動識別情報であり、例えば、ユーザＵがユーザ端末１のウェブブラウザを用いてアクセスしたウェブページの名称（タイトル）又はユーザＵがユーザ端末１で操作した他のアプリケーションソフトウェアの名称である。第２行動識別情報は、行動位置を特定可能な行動識別情報であり、例えば、ユーザＵが訪問した店舗の名称である。

【0035】

図２に戻り、選択部２３２は、時系列データに含まれている複数の行動識別情報それぞれが属する複数のカテゴリの中から１つのカテゴリを選択する。選択部２３２は、例えば、情報処理装置２の管理者が指定した１つのカテゴリを受け付けることにより、１つのカテゴリを選択する。選択部２３２は、時系列データに含まれている複数の行動識別情報それぞれが属する複数のカテゴリの中からランダムに１つのカテゴリを選択してもよい。

【0036】

データ生成部２３３は、選択部２３２が選択したカテゴリである選択カテゴリに属する行動識別情報と、選択カテゴリとは異なる他のカテゴリに属し、かつ時系列データに含まれている行動識別情報が属するカテゴリを示すカテゴリ情報とを含む変換データを生成する。具体的には、データ生成部２３３は、時系列データに含まれる複数の行動識別情報のうち、１つの行動識別情報を順番に選択し、選択した行動識別情報に対して変換処理を実行することにより、行動識別情報とカテゴリ情報とを含む変換データを生成する。データ生成部２３３は、変換処理として、選択した行動識別情報が選択カテゴリに属する場合、当該行動識別情報を変換せず、選択した行動識別情報が選択カテゴリとは異なる他のカテゴリに属する場合、当該行動識別情報を、当該行動識別情報が属するカテゴリを示すカテゴリ情報に変換する。データ生成部２３３は、例えば、ユーザＵごとに、当該ユーザＵに対応する変換データを生成する。

【0037】

図３（ｂ）に示す例において、時系列データに含まれる行動識別情報である行動Ａ、Ｂ、Ｃにおいて、行動ＡがカテゴリＸに属し、行動ＢがカテゴリＹに属し、行動ＣがカテゴリＺに属し、選択部２３２がカテゴリＸ、Ｙ、Ｚの中からカテゴリＸを選択したとする。この場合において、データ生成部２３３は、選択されたカテゴリであるカテゴリＸに属する行動Ａを変換せず、カテゴリＸとは異なる他のカテゴリに属する行動Ｂ、Ｃを、それぞれが属するカテゴリＹ、Ｚを示すカテゴリ情報に変換する。このように、データ生成部２３３は、変換処理を実行することにより、行動Ａを示す行動識別情報と、カテゴリＹを示すカテゴリ情報と、カテゴリＺを示すカテゴリ情報とを含む変換データを生成する。

【0038】

データ生成部２３３は、行動識別情報をカテゴリ情報に変換する場合、例えば、行動識別情報とカテゴリ情報とが関連付けられた変換情報を用いて変換する。データ生成部２３３は、行動識別情報がユーザＵによって訪問された店舗の名称を示す場合であって、当該店舗がチェーン店又はブランド店である場合、行動識別情報が示す店舗名に含まれるチェーン名又はブランド名（店舗名において位置を特定可能な部分以外の部分）をカテゴリとして用いて変換してもよい。例えば、チェーン店「ＡＢＣ」の店舗名が「ＡＢＣ ＸＹＺ駅前店」である場合、データ生成部２３３は、店舗名において位置を特定可能な部分「ＸＹＺ駅前店」以外の部分であるチェーン店「ＡＢＣ」をカテゴリとして用いて変換する。

【0039】

データ生成部２３３は、他のカテゴリに属する行動識別情報であっても、当該行動識別情報が第１行動識別情報に該当する場合、当該行動識別情報をカテゴリ情報に変換しなくてもよい。具体的には、データ生成部２３３は、選択カテゴリに属する行動識別情報と、他のカテゴリに属する行動識別情報のうち、第１行動識別情報に該当する行動識別情報と、他のカテゴリに属する行動識別情報のうち、第２行動識別情報に該当する行動識別情報が属するカテゴリを示すカテゴリ情報とを含む変換データを生成してもよい。

【0040】

より具体的には、データ生成部２３３は、他のカテゴリに属する行動識別情報のうち、第１行動識別情報に該当する行動識別情報においてはカテゴリ情報に変換せず、第２行動識別情報に該当する行動識別情報を、当該行動識別情報が属するカテゴリを示すカテゴリ情報に変換することにより、変換データを生成してもよい。このようにすることで、情報処理装置２は、ユーザＵが行動を行った行動位置が特定可能な行動識別情報に限定して抽象化することができる。

【0041】

行動ベクトル生成部２３４は、データ生成部２３３が生成した変換データに含まれる行動識別情報又はカテゴリ情報ごとに、当該行動識別情報が示す行動又は当該カテゴリ情報に属する行動と、当該行動とは異なる他の行動との関連性を示す特徴ベクトルである行動ベクトルを生成する。具体的には、行動ベクトル生成部２３４は、データ生成部２３３が生成した変換データに含まれる行動識別情報又はカテゴリ情報ごとに、当該行動識別情報又は当該カテゴリ情報と、時系列データによって示される複数の行動間の関係とに基づいて、行動ベクトルを生成する。

【0042】

複数の行動間の関係は、第１行動と、第１行動の前後に行われた第２行動との関連性の高さを示す。例えば、各ユーザＵの変換データ全てにおいて、行動Ａの後にカテゴリＹに属する行動（行動Ｂ等）と、カテゴリＺに属する行動（行動Ｃ等）とが行われたことが示されている場合、行動ベクトル生成部２３４は、行動Ａに対応する行動ベクトルとして、カテゴリＹに属する行動及びカテゴリＺに属する行動との関連性が高いことを示す行動ベクトルを生成する。

【0043】

行動ベクトル生成部２３４は、例えば、行動識別情報又はカテゴリ情報に基づいて生成された特徴ベクトルである入力ベクトルを入力することにより行動ベクトルを出力可能なように学習された機械学習モデルを用いて、行動ベクトルを生成する。機械学習モデルは、変換データに基づいて生成された教師データを用いて学習したモデルである。

【0044】

図３（ｃ）に示す教師データは、入力情報と予測情報とを関連付けたデータである。入力情報は、データ生成部２３３が生成した変換データにおいて、ユーザＵが行った第１行動を示す行動識別情報又は第１行動が属するカテゴリを示すカテゴリ情報に基づいて生成された入力ベクトルである。予測情報は、ユーザＵが第１行動の前又は後に行った第２行動を示す行動識別情報又は第２行動が属するカテゴリを示すカテゴリ情報に基づいて生成された特徴ベクトルである予測ベクトルである。

【0045】

具体的には、まず、行動ベクトル生成部２３４は、特徴ベクトルを生成するために用いる機械学習モデルを生成する。行動ベクトル生成部２３４は、データ生成部２３３が生成した変換データに基づいて、教師データを生成する。行動ベクトル生成部２３４は、生成した教師データを用いて、生成した機械学習モデルを学習させる。そして、行動ベクトル生成部２３４は、変換データに含まれる行動識別情報又はカテゴリ情報ごとに、機械学習モデルに当該行動識別情報又は当該カテゴリ情報に対応する入力ベクトルを入力し、当該機械学習モデルが出力した予測ベクトルを取得することにより、当該行動識別情報又は当該カテゴリ情報に対応する行動ベクトルを生成する。

【0046】

行動ベクトル生成部２３４は、例えば、情報処理装置２がＰＯＩを推薦するための処理を実行したときに、機械学習モデルを生成する処理から行動ベクトルを生成する処理までの一連の処理を実行する。行動ベクトル生成部２３４は、選択部２３２が選択可能な各カテゴリに対応する機械学習モデルであって、教師データを用いて学習させた複数の機械学習モデルを予め記憶部２２に記憶させておき、選択部２３２がカテゴリを選択したときに、選択されたカテゴリに対応する機械学習モデルを用いて行動ベクトルを生成する処理を実行してもよい。

【0047】

ユーザベクトル生成部２３５は、ユーザＵの行動の特徴を示す特徴ベクトルであるユーザベクトルを生成する。具体的には、まず、取得部２３１は、通信部２１を介して、複数のユーザＵそれぞれに対応する複数の時系列データを取得する。そして、ユーザベクトル生成部２３５は、取得部２３１が取得した時系列データに対応するユーザＵごとに、当該ユーザＵに対応する変換データに基づいて生成された複数の行動ベクトルに基づいて、ユーザベクトルを生成する。ユーザベクトル生成部２３５は、例えば、ユーザＵに対応する変換データに基づいて生成された複数の行動ベクトルの平均を算出し、算出した結果をユーザベクトルとして生成する。

【0048】

推薦部２３６は、行動ベクトル生成部２３４が生成した複数の行動ベクトルのうち、ユーザベクトルに相対的に近い行動ベクトルに対応する行動をＰＯＩとして、ユーザベクトルに対応するユーザＵに推薦する。行動ベクトルに対応する行動は、行動ベクトルに対応する行動識別情報によって識別される行動、すなわち、行動識別情報によって示されるユーザＵが訪問した店舗の名称である。具体的には、推薦部２３６は、選択カテゴリに属する複数の行動識別情報それぞれに基づいて生成された複数の行動ベクトルの中から、推薦対象のユーザＵに対応するユーザベクトルに相対的に近い行動ベクトルを特定し、特定した行動ベクトルに対応する行動を、推薦対象のユーザＵに推薦する。

【0049】

より具体的には、まず、推薦部２３６は、行動ベクトル生成部２３４が選択カテゴリに属する行動識別情報に基づいて生成した行動ベクトルごとに、当該行動ベクトルとユーザベクトルとの近さに基づいて類似度を算出する。推薦部２３６は、例えば、行動ベクトルとユーザベクトルとの近さが近いほど高い類似度を算出する。推薦部２３６は、算出した複数の類似度の中から、相対的に高い類似度に対応する行動ベクトルを特定する。推薦部２３６は、例えば、複数の類似度が示す近さの上位から所定の順位までに含まれる複数の行動ベクトルを特定する。推薦部２３６は、複数の類似度のうち、所定の類似度閾値より近いことを示す類似度に対応する行動ベクトルを特定してもよい。

【0050】

そして、推薦部２３６は、特定した行動ベクトルに対応する行動を、ユーザＵに推薦する。推薦部２３６は、例えば、通信部２１を介して、ユーザＵのユーザ端末１にＰＯＩを示す情報を通知し、ユーザ端末１にインストールされた収集アプリの画面にＰＯＩを表示させることにより、ユーザＵにＰＯＩを推薦する。

【0051】

推薦部２３６は、ユーザベクトルに対応するユーザＵとは異なる他のユーザＵに対応する行動を推薦してもよい。具体的には、推薦部２３６は、行動ベクトル生成部２３４が生成した複数の行動ベクトルのうち、他のユーザＵに対応する行動ベクトルであって、ユーザベクトルに相対的に近い行動ベクトルに対応する行動を、ユーザベクトルに対応するユーザＵに推薦する。他のユーザＵに対応する行動ベクトルは、他のユーザＵに対応する変換データに基づいて生成された行動ベクトルである。このようにすることで、情報処理装置２は、推薦対象のユーザＵに対して、当該ユーザＵのＰＯＩを推薦することを回避することができる。

【0052】

推薦部２３６は、時系列データにおいて所定の期間に含まれる時刻を示す時刻情報に関連付けられた行動識別情報が示す行動を推薦してもよい。所定の期間は、管理者が指定した期間であってもよいし、予め設定された期間（例えば、現在から１か月前までの期間等）であってもよい。

【0053】

具体的には、推薦部２３６は、行動ベクトル生成部２３４が生成した複数の行動ベクトルのうち、時系列データにおいて所定の期間に含まれる時刻を示す時刻情報に関連付けられた行動識別情報に基づいて生成された行動ベクトルであって、ユーザベクトルに相対的に近い行動ベクトルに対応する行動を、ユーザベクトルに対応するユーザＵに推薦してもよい。このようにすることで、情報処理装置２は、指定された期間内に行われた行動を、ユーザＵに推薦することができる。

【0054】

推薦部２３６は、行動位置が所定の範囲に含まれる行動識別情報が示す行動を推薦してもよい。所定の範囲は、例えば、都道府県又は市区町村等である。所定の範囲は、管理者が指定した範囲であってもよいし、推薦対象のユーザＵに対応する時系列データに含まれる、第２行動識別情報に該当する行動識別情報によって特定されるユーザＵの行動範囲であってもよい。

【0055】

具体的には、推薦部２３６は、行動ベクトル生成部２３４が生成した複数の行動ベクトルのうち、特定された行動位置が所定の範囲に含まれる第２行動識別情報に該当する行動識別情報に基づいて生成された行動ベクトルであって、ユーザベクトルに相対的に近い行動ベクトルに対応する行動を、ユーザベクトルに対応するユーザＵに推薦してもよい。このようにすることで、情報処理装置２は、所定の範囲内で行われた行動を、ユーザＵに推薦することができる。

【0056】

推薦部２３６は、ユーザベクトルに対応するユーザＵに対応する時系列データに含まれていない行動識別情報が示す行動を推薦してもよい。具体的には、推薦部２３６は、行動ベクトル生成部２３４が生成した複数の行動ベクトルのうち、ユーザベクトルに対応するユーザＵに対応する時系列データに含まれる行動識別情報以外の他の行動識別情報に基づいて生成された行動ベクトルであって、ユーザベクトルに相対的に近い行動ベクトルに対応する行動を、ユーザベクトルに対応するユーザＵに推薦してもよい。このようにすることで、情報処理装置２は、推薦対象のユーザＵが行ったことが無い行動を推薦することができる。

【0057】

［情報処理装置２の処理］
続いて、情報処理装置２の処理の流れについて説明する。図４は、情報処理装置２の処理の流れを示すフローチャートである。本フローチャートは、管理者が、取得部２３１によって複数のユーザ端末１それぞれから取得された複数の時系列データに含まれている複数の行動識別情報それぞれが属する複数のカテゴリのうちの１つのカテゴリを、ユーザＵに推薦したいＰＯＩの種類として指定したことを契機として開始する。

【0058】

選択部２３２は、管理者が指定した１つのカテゴリを選択する（Ｓ１）。データ生成部２３３は、取得部２３１が取得した時系列データに対応するユーザＵごとに、選択部２３２が選択したカテゴリである選択カテゴリに属する行動識別情報と、選択カテゴリとは異なる他のカテゴリに属し、かつ時系列データに含まれている行動識別情報が属するカテゴリを示すカテゴリ情報とを含む変換データを生成する（Ｓ２）。行動ベクトル生成部２３４は、データ生成部２３３が生成した変換データに含まれる行動識別情報又はカテゴリ情報ごとに行動ベクトルを生成する（Ｓ３）。

【0059】

ユーザベクトル生成部２３５は、ユーザＵごとに、当該ユーザＵに対応する変換データに基づいて生成された複数の行動ベクトルに基づいて、ユーザベクトルを生成する（Ｓ４）。推薦部２３６は、行動ベクトル生成部２３４が生成した複数の行動ベクトルのうち、ユーザベクトルに相対的に近い行動ベクトルに対応する行動をＰＯＩとして、ユーザベクトルに対応するユーザＵに推薦する（Ｓ５）。

【0060】

［本実施の形態における効果］
以上説明したとおり、情報処理装置２は、取得した時系列データに含まれている複数の行動識別情報それぞれが属する複数のカテゴリの中から選択したカテゴリである選択カテゴリに属する行動識別情報と、選択カテゴリとは異なる他のカテゴリに属し、かつ時系列データに含まれている行動識別情報が属するカテゴリを示すカテゴリ情報とを含む変換データを生成し、生成した変換データに含まれる行動識別情報又はカテゴリ情報ごとに、当該変換データに基づいて、行動ベクトルを生成する。このように、情報処理装置２は、選択カテゴリに属する行動識別情報と、選択カテゴリに属さない他の行動識別情報を抽象化したカテゴリ情報とを含む変換データに基づいて行動ベクトルを生成することにより、地域性を希釈しつつ、ユーザＵの行動傾向に対応した特徴ベクトルを生成することができる。

【0061】

行動ベクトルを生成した後において、情報処理装置２は、ユーザＵに対応する変換データに基づいて生成した複数の行動ベクトルに基づいて、ユーザベクトルを生成し、複数の行動ベクトルのうち、ユーザベクトルに相対的に近い行動ベクトルに対応する行動をＰＯＩとして、ユーザベクトルに対応するユーザＵに推薦する。このようにすることで、情報処理装置２は、複数のユーザＵそれぞれが行動した地域が異なる場合であっても、推薦対象のユーザＵの行動傾向に類似する他のユーザＵのＰＯＩを推薦することができる。その結果、情報処理装置２は、ユーザＵの行動履歴の情報量が地域ごとに異なる場合であっても、ユーザＵにＰＯＩを推薦する精度のばらつきを小さくすることができる。

【0062】

［変形例］
上記において、情報処理装置２は、管理者が指定したカテゴリを選択する例を説明したが、これに限らない。例えば、情報処理装置２は、ユーザＵがユーザ端末１にインストールされた収集アプリの画面において指定したカテゴリを選択してもよい。

【0063】

この場合、情報処理装置２は、ユーザＵが指定可能な各カテゴリに対応した機械学習モデルであって、教師データを用いて学習させた複数の機械学習モデルが予め記憶部２２に記憶されており、ユーザＵがカテゴリを指定したときに、指定されたカテゴリに対応する機械学習モデルを用いて行動ベクトルを生成する処理から、当該ユーザＵにＰＯＩを推薦する処理までを実行してもよい。なお、情報処理装置２は、ＣＰＵの性能が高く、教師データを用いて機械学習モデルを学習させる処理が高速に処理できる場合、ユーザＵがカテゴリを指定したときに、機械学習モデルを生成する処理から、当該ユーザＵにＰＯＩを推薦する処理までを実行してもよい。

【0064】

以上、本発明を実施の形態を用いて説明したが、本発明の技術的範囲は上記実施の形態に記載の範囲には限定されず、その要旨の範囲内で種々の変形及び変更が可能である。例えば、装置の全部又は一部は、任意の単位で機能的又は物理的に分散・統合して構成することができる。また、複数の実施の形態の任意の組み合わせによって生じる新たな実施の形態も、本発明の実施の形態に含まれる。組み合わせによって生じる新たな実施の形態の効果は、もとの実施の形態の効果を併せ持つ。

【符号の説明】

【0065】

１ ユーザ端末
２ 情報処理装置
２１ 通信部
２２ 記憶部
２３ 制御部
２３１ 取得部
２３２ 選択部
２３３ データ生成部
２３４ 行動ベクトル生成部
２３５ ユーザベクトル生成部
２３６ 推薦部
Ｓ 情報処理システム
Ｕ ユーザ

【図1】

【図2】

【図3】

【図4】