特許 7212017 情報処理装置、システム、学習装置、情報処理方法、およびプログラム

(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】2023-01-16

(45)【発行日】2023-01-24

(54)【発明の名称】情報処理装置、システム、学習装置、情報処理方法、およびプログラム

(51)【国際特許分類】

   H04L 51/00 20220101AFI20230117BHJP

   G06F 16/35 20190101ALI20230117BHJP

【ＦＩ】

H04L51/00

G06F16/35

【請求項の数】 1

(21)【出願番号】P 2020157721

(22)【出願日】2020-09-18

(65)【公開番号】P2022051305

(43)【公開日】2022-03-31

【審査請求日】2021-03-16

【審判番号】

【審判請求日】2022-01-21

【早期審査対象出願】

(73)【特許権者】

【識別番号】319013263

【氏名又は名称】ヤフー株式会社

(74)【代理人】

【識別番号】100149548

【弁理士】

【氏名又は名称】松沼 泰史

(74)【代理人】

【識別番号】100154852

【弁理士】

【氏名又は名称】酒井 太一

(74)【代理人】

【識別番号】100181124

【弁理士】

【氏名又は名称】沖田 壮男

(74)【代理人】

【識別番号】100194087

【弁理士】

【氏名又は名称】渡辺 伸一

(72)【発明者】

【氏名】佐々木 捷人

(72)【発明者】

【氏名】陳 才

(72)【発明者】

【氏名】市原 直人

【合議体】

【審判長】▲吉▼田 耕一

【審判官】野崎 大進

【審判官】石井 則之

(56)【参考文献】

【文献】特表２００８－５２９１０５（ＪＰ，Ａ）

【文献】国際公開第２０１９／０５３８４４（ＷＯ，Ａ１）

【文献】特開２０１１－９０４４２（ＪＰ，Ａ）

【文献】特開２０１９－１２１３５２（ＪＰ，Ａ）

(58)【調査した分野】(Int.Cl.，ＤＢ名)

H04L 51/00

G06F 16/35

(57)【特許請求の範囲】

【請求項1】

電子メールに関する複数の項目のデータを含むメールデータを取得する取得部と、
前記取得した複数の項目のデータを、前記複数の項目のデータを入力すると前記メールデータに係る電子メールが所定属性の電子メールであるか否かを示す分類結果を出力するように学習された分類器に入力することで、前記メールデータに係る電子メールが前記所定属性の電子メールであるか否かを示す分類結果を得る属性分類部と、を備え、
前記分類器は、前記複数の項目のデータの各々が入力されると項目ごと特徴量を出力する項目ごと子分類器と、それぞれの前記項目ごと特徴量が入力されると前記分類結果を出力する統合分類器とを含み、
前記項目ごと子分類器は、前記複数の項目のデータの各々に対応して設けられる情報処理装置と、
前記電子メールの送受信を管理し、前記情報処理装置に前記メールデータを提供するメールサーバと、
を備えるシステムであって、
前記所定属性は、商品、サービス、または事業者のプロモーションを目的として送信された電子メールを示すものであり、
前記メールサーバは、
前記属性分類部によって前記所定属性を持つものと分類された電子メールのジャンルを分類するジャンル分類部と、
前記ジャンルごと、及びユーザごとに、受信された前記電子メールの総数を、開封された前記電子メールの数で除算することによって得られる開封率を算出する算出部と、
前記ジャンル分類部による分類結果と、前記算出部による算出結果とに基づいて、前記電子メールを受信した情報端末に所定の通知を送信する通知部と、
を備える、システム。

【発明の詳細な説明】

【技術分野】

【0001】

本発明は、情報処理装置、システム、学習装置、情報処理方法、およびプログラムに関する。

【背景技術】

【0002】

ユーザが快適に電子メールを閲覧できるように、広告や宣伝などの迷惑メールを特定する技術が知られている。例えば、特許文献１には、電子メールのヘッダ情報に基づいて、当該電子メールを正常メールか迷惑メールかに分類する技術が開示されている。当技術は、電子メールのヘッダ情報から特徴ベクトルを取得し、取得した特徴ベクトルと分類ルールとを比較することで、迷惑メールを特定するものである。

【先行技術文献】

【特許文献】

【0003】

【文献】特開２０１１－９０４４２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に記載の技術における特徴ベクトルは、アドレス帳における送信者の登録有無など、ヘッダ情報に関するメタ情報を離散値で表現しただけのものであり、ヘッダ情報の内容そのものを表現したものではない。また、ヘッダ情報の内容を特徴ベクトルで表現する際には、テキストの用例を集積したコーパスを用いてヘッダ情報が分散表現に変換されることが考えられる。その場合、ヘッダ情報には複数の項目があるにも関わらず、全ての項目に共通した単一のコーパスを用いて分散表現に変換されてしまう。その結果、変換の精度が低く、また、情報量が少ない項目（例えば、mime_typeなど）も、ワンホットベクトルから特徴ベクトルに変換される際に、ベクトルの次元が必要以上に高くなり、メモリが過剰に消費されるという課題が想定される。このように、従来の技術では、メモリやＣＰＵ負荷などのリソース消費が高かったり、分類対象の分類精度が十分でない場合があった。

【0005】

本発明は、このような事情を考慮してなされたものであり、リソース消費を抑制しつつ分類精度を高めることができる、情報処理装置、システム、学習装置、情報処理方法、およびプログラムを提供することを目的の一つとする。

【課題を解決するための手段】

【0006】

本発明の一態様である情報処理装置は、電子メールに関する複数の項目のデータを含むメールデータを取得する取得部と、前記取得した複数の項目のデータを、前記複数の項目のデータを入力すると前記メールデータに係る電子メールが所定属性の電子メールであるか否かを示す分類結果を出力するように学習された分類器に入力することで、前記メールデータに係る電子メールが前記所定属性の電子メールであるか否かを示す分類結果を得る属性分類部と、を備え、前記分類器は、前記複数の項目のデータの各々が入力されると項目ごと特徴量を出力する項目ごと子分類器と、それぞれの前記項目ごと特徴量が入力されると前記分類結果を出力する統合分類器とを含むものである。

【発明の効果】

【0007】

本発明の一態様によれば、分類器が、複数の項目のデータの各々が入力されると項目ごと特徴量を出力する項目ごと子分類器を含むことにより、リソース消費を抑制しつつ分類精度を高めることができる。

【図面の簡単な説明】

【0008】

【図1】本発明の実施形態に係るシステム１の構成の例を示すブロック図である。

【図2】属性分類部１３０による分類処理について説明するための図である。

【図3】分類器生成部１５０による生成処理について説明するための図である。

【図4】端末装置１０、メールサーバ５０、及び情報処理装置１００が行う処理の流れの一例を示すシーケンス図である。

【図5】端末装置１０による電子メール５３Ａの振り分けとフィードバック情報の入力の一例を説明するための図である。

【図6】第１変形例に係るメールサーバ５０Ａの構成の例を示すブロック図である。

【図7】プロモーション通知部５５によるプッシュ通知の一例を説明するための図である。

【図8】第２変形例に係る端末装置１０Ａの構成の例を示すブロック図である。

【発明を実施するための形態】

【0009】

以下、図面を参照し、本発明の実施形態に係る情報処理装置、システム、学習装置、情報処理方法、およびプログラムについて説明する。

【0010】

＜実施形態＞
［システム構成］
図１は、本発明の実施形態に係るシステム１の構成の例を示すブロック図である。システム１は、例えば、メールサーバ５０と、情報処理装置１００と、を備える。メールサーバ５０は、ネットワークＮＷを介して端末装置１０と通信する。ネットワークＮＷは、インターネットやＬＡＮ（Local Area Network）、ＷＡＮ（Wide Area Network）、セルラー網などを含む。

【0011】

端末装置１０は、例えば、パーソナルコンピュータや業務用コンピュータ、スマートフォン、タブレット端末などの通信機能を有するコンピュータ装置である。端末装置１０では、メール送受信用のアプリケーションプログラムやブラウザが動作し、メールサーバ５０から自身宛ての電子メール５３Ａをダウンロードしたり、メールサーバ５０に電子メール５３Ａの他のメールサーバへの送信を依頼したりする。

【0012】

端末装置１０は、さらに、電子メール５３Ａと合わせて、当該電子メール５３Ａがプロモーションメールであるか否かを示す分類結果をメールサーバ５０から受信し、分類結果の内容に応じて、電子メール５３Ａをメインメールフォルダ３０又はプロモーションメールフォルダ４０に振り分ける。具体的には、端末装置１０は、分類結果がメインメールを示している場合には、電子メール５３Ａをメインメールフォルダ３０に振り分ける一方、分類結果がプロモーションメールを示している場合には、電子メール５３Ａをプロモーションメールフォルダ４０に振り分ける。以下、分類結果をフラグ情報とも称する。

【0013】

メールサーバ５０は、例えば、端末装置１０によって送受信される電子メール５３Ａの振り分けや転送を行う装置である。メールサーバ５０は、例えば、通信部５１と、送受信制御部５２と、記憶部５３とを備える。通信部５１は、例えば、ＮＩＣ等の通信インターフェースを含み、図示しない他のメールサーバ、端末装置１０、及び情報処理装置１００と通信する。

【0014】

送受信制御部５２は、通信部５１を用いて、他のメールサーバから受信した電子メール５３Ａを自身が管轄する端末装置１０に送信したり、端末装置１０から依頼された宛先に対応するメールサーバに電子メール５３Ａを送信したりする。送受信制御部５２は、送受信される電子メール５３Ａを記憶部５３に格納する。記憶部５３は、ＨＤＤやフラッシュメモリ、ＲＡＭ（Random Access Memory）などの記憶装置により実現される。

【0015】

送受信制御部５２は、さらに、他のメールサーバから受信した電子メール５３Ａに関する複数の項目のデータを含むメールデータ１８０Ａを情報処理装置１００に送信し、メールデータ１８０Ａに係る電子メール５３Ａの分類を依頼する。送受信制御部５２は、依頼に応じて返信される、当該電子メール５３Ａがプロモーションメールであるか否かを示すフラグ情報を情報処理装置１００から受信する。送受信制御部５２は、電子メール５３Ａと当該フラグ情報とを合わせて端末装置１０に送信する。メールデータ１８０Ａとは、例えば、電子メール５３Ａの送信者の名前を示す「表示名」、タイトルを示す「件名」、及びファイルの形式を示す「ｍｉｍｅ＿ｔｙｐｅ」などの素性を含むものである（「複数の項目のデータ」の一例である）。メールデータ１８０Ａは、電子メール５３Ａそのものであってもよい。

【0016】

情報処理装置１００は、例えば、メールサーバ５０からの依頼に応じて、ユーザに宛てられた電子メール５３Ａに係るメールデータ１８０Ａをメールサーバ５０から受信し、当該メールデータ１８０Ａに係る電子メール５３Ａを、例えばメインメール又はプロモーションメール（「所定属性」の一例である）のいずれかに分類し、分類結果を示すフラグ情報をメールサーバ５０に送信する。

【0017】

情報処理装置１００は、例えば、通信部１１０と、メールデータ取得部１２０と、属性分類部１３０と、フラグ情報送信部１４０と、分類器生成部１５０と、フィードバック情報受付部１６０と、再学習指示部１７０と、記憶部１８０と、を備える。

【0018】

送受信制御部５２、メールデータ取得部１２０、属性分類部１３０、フラグ情報送信部１４０、分類器生成部１５０、フィードバック情報受付部１６０、及び再学習指示部１７０のそれぞれは、例えば、ＣＰＵ（Central Processing Unit）などのハードウェアプロセッサがプログラム（ソフトウェア）を実行することにより実現される。これらの構成要素のうち一部または全部は、ＬＳＩ（Large Scale Integration）やＡＳＩＣ（Application Specific Integrated Circuit）、ＦＰＧＡ（Field-Programmable Gate Array）、ＧＰＵ（Graphics Processing Unit）などのハードウェア（回路部；circuitryを含む）によって実現されてもよいし、ソフトウェアとハードウェアの協働によって実現されてもよい。プログラムは、予めＨＤＤ（Hard Disk Drive）やフラッシュメモリなどの記憶装置（非一過性の記憶媒体を備える記憶装置）に格納されていてもよいし、ＤＶＤやＣＤ－ＲＯＭなどの着脱可能な記憶媒体（非一過性の記憶媒体）に格納されており、記憶媒体がドライブ装置に装着されることでインストールされてもよい。

【0019】

通信部１１０は、例えば、ＮＩＣ等の通信インターフェースを含む。通信部１１０は、メールサーバ５０から、メールデータ１８０Ａを受信する。さらに、通信部１１０は、後述する属性分類部１３０が得たフラグ情報をメールサーバ５０に送信する。メールサーバ５０と情報処理装置１００が通信するネットワークは、ネットワークＮＷの一部であってもよい。

【0020】

［推論段階］
以下、分類器１８０Ｂを用いた推論段階の処理について説明する。メールデータ取得部１２０は、通信部１１０が受信したメールデータ１８０Ａを取得し、記憶部１８０に格納する。記憶部１８０は、ＨＤＤやフラッシュメモリ、ＲＡＭなどの記憶装置により実現される。

【0021】

属性分類部１３０は、後述する分類器生成部１５０によって生成される分類器１８０Ｂにメールデータ１８０Ａを入力することで、当該メールデータ１８０Ａに係る電子メール５３Ａがプロモーションメールであるか否かを示す分類結果、すなわち、フラグ情報を得る。

【0022】

ここで、属性分類部１３０による分類器１８０Ｂを用いた分類処理の詳細について説明する。図２は、属性分類部１３０による分類処理について説明するための図である。

【0023】

属性分類部１３０は、メールデータ１８０Ａのうち、表示名、件名、及びｍｉｍｅ＿ｔｙｐｅを分類器１８０Ｂに入力する。ここで、表示名、件名、ｍｉｍｅ＿ｔｙｐｅのそれぞれは、規定の単語数を規定の長さとして入力される。具体的な一例として、表示名は１３単語、件名は４４単語、ｍｉｍｅ＿ｔｙｐｅは１単語を規定の長さとして入力される。各項目の規定の単語数は、ベクトル変換の精度を低めないように適宜設定されれば良い。例えば、規定の単語数は、教師データとして記憶部１８０に格納されている複数のメールデータ１８０Ａのうち、所定割合（例えば９５％）以上のデータが収まるように設定されれば良く、その場合、設定単語数を超過したデータの単語列は切り捨てても良い。規定の単語数および所定割合として、任意の数値が設定されて良い。

【0024】

属性分類部１３０は、入力された表示名、件名、及びｍｉｍｅ＿ｔｙｐｅをワンホットベクトルに変換する。ある対象データのワンホットベクトルとは、事前に登録された単語の各々について、当該単語が対象データに含まれる場合には１、含まれない場合には０を成分とするベクトルのことである。なお、表示名および件名は自然言語で表現されていると考えられるため、属性分類部１３０は、表示名および件名に形態素解析を施して単語に分割した後に、数字などの要素を除外した対象ワードに基づいて、ワンホットベクトルを生成する。

【0025】

属性分類部１３０は、ワンホットベクトル化によって得られた表示名のワンホットベクトルを表示名用の辞書に入力することで、表示名ベクトルを得る。同様に、属性分類部１３０は、件名のワンホットベクトルを件名用の辞書に入力することで、件名ベクトルを得る。同様に、属性分類部１３０は、ｍｉｍｅ＿ｔｙｐｅのワンホットベクトルをｍｉｍｅ＿ｔｙｐｅ用の辞書に入力することで、ｍｉｍｅ＿ｔｙｐｅベクトルを得る。表示名用の辞書、件名用の辞書、及びｍｉｍｅ＿ｔｙｐｅ用の辞書のそれぞれは、項目ごと子分類器の一例である。表示名ベクトル、件名ベクトル、およびｍｉｍｅ＿ｔｙｐｅベクトルのそれぞれは、項目ごと特徴量の一例である。

【0026】

ここで、辞書とは、ワンホットベクトルから、ワンホットベクトルよりも低次元で、ベクトル成分が所定範囲内の連続値をとる特徴ベクトルへの変換を定義するルールないしアルゴリズムを意味し、各項目の用例を集積したコーパスから機械学習により生成される。このような特徴ベクトルには、例えば、分散表現ベクトルが含まれる。全ての項目に共通したコーパス及び辞書を用いるのではなく、項目ごとにコーパス及び辞書を用意することで、ベクトル変換時の次元を削減してリソース消費を低減し、更に分類精度を向上させることができる。

【0027】

ここで、形態素解析の結果、複数の対象ワードが発生した場合について説明する。この場合、複数のワンホットベクトルが生成され、それに対応する表示名ベクトルまたは件名ベクトル（以下、特徴量ベクトル）が複数生成されることになるが、属性分類部１３０は、例えば複数の特徴量ベクトルの平均を分類器１８０Ｂへの入力データとする。これに代えて、属性分類部１３０は、複数の対象ワードのそれぞれに対応する要素を１とした一つのワンホットベクトルを生成してもよい。

【0028】

属性分類部１３０は、変換によって得られた表示名ベクトル、件名ベクトル、及びｍｉｍｅ＿ｔｙｐｅベクトルを統合するニューラルネットワーク（「統合分類器」の一例である）に入力し、出力として、メールデータ１８０Ａに係る電子メール５３Ａがプロモーションメールであるか否かを示すフラグ情報を得る。これにより、属性分類部１３０は、電子メール５３Ａがプロモーションメールであるか否かを特定することができる。

【0029】

フラグ情報送信部１４０は、通信部１１０を用いて、属性分類部１３０が得たフラグ情報をメールサーバ５０に送信する。

【0030】

［学習段階］
以下、分類器１８０Ｂの学習段階の処理について説明する。学習段階の処理に当たって、記憶部１８０は、メールデータ１８０Ａの一部又は全てについて、当該メールデータ１８０Ａに係る電子メール５３Ａがプロモーションメールであるか否かを示すフラグ情報をラベルとして記憶しておく。ラベルはフラグ情報と同等の情報であり、例えば人によって電子メール５３Ａを分類した結果がラベルとして与えられる。

【0031】

図３は、分類器生成部１５０による生成処理について説明するための図である。図３に示す通り、分類器生成部１５０は、記憶部１８０によって事前に記憶されたメールデータ１８０Ａを学習データとし、学習データに付与されたラベルを教師データとして、例えば、誤差逆伝播法を用いて、機械学習を実行し、分類器１８０Ｂを生成する。分類器生成部１５０は、学習モデルに対して学習データを入力した結果が教師データに近づくように、学習モデルのパラメータを調整する。そして、予定された回数のパラメータ調整が終了すると、その時点の学習モデルが学習済みモデル、すなわち分類器１８０Ｂとなる。誤差逆伝播法において用いられる損失関数は、例えば、二乗和誤差や交差エントロピーなどの任意の関数である。分類器生成部１５０は、生成した分類器１８０Ｂを記憶部１８０に格納する。

【0032】

なお、本実施形態において、情報処理装置１００は分類器生成部１５０を備え、記憶部１８０は、分類器生成部１５０が生成した分類器１８０Ｂを格納している。しかし、代替的に、情報処理装置１００はこれらの機能部を備えず、分類器生成部１５０と、分類器生成部１５０が生成した分類器１８０Ｂと、を備える他の装置（学習装置）が存在しても良い。

【0033】

フィードバック情報受付部１６０は、属性分類部１３０による分類結果が正しかったかどうかを利用者が判断した結果である（正誤を示す）フィードバック情報を、当該分類結果に係る電子メール５３Ａを受信した端末装置１０から受け付ける。フィードバック情報の詳細については、図５を参照して後述する。

【0034】

再学習指示部１７０は、フィードバック情報受付部１６０が受け付けたフィードバック情報に基づいて、分類器生成部１５０に、当該フィードバック情報を用いた再学習または強化学習を実行させる。再学習については、分類器生成部１５０が分類器１８０Ｂを生成する手法（例えば誤差逆伝播法）と同様の手法で行えば良く、強化学習については、任意のアルゴリズムを用いて良い。

【0035】

［処理シーケンス］
次に、図４を参照して、端末装置１０、メールサーバ５０、及び情報処理装置１００によって実行される一連の処理について説明する。図４は、端末装置１０、メールサーバ５０、及び情報処理装置１００が行う処理の流れの一例を示すシーケンス図である。なお、本図では、メールサーバ５０から情報処理装置１００に電子メール５３Ａの全部が送信されるものとしている。

【0036】

まず、メールサーバ５０は、端末装置１０のユーザ宛てに送られた電子メール５３Ａを他のメールサーバから受信する（Ｓ１）。次に、メールサーバ５０は、受信した電子メール５３Ａを情報処理装置１００に送信する（Ｓ２）。

【0037】

情報処理装置１００は、メールサーバ５０から電子メール５３Ａを受信すると、電子メール５３Ａからメールデータ１８０Ａを抽出する（Ｓ３）。次に、情報処理装置１００は、属性分類部１３０を用いて、メールデータ１８０Ａを分類器１８０Ｂに入力することで、メールデータ１８０Ａに係る電子メール５３Ａがプロモーションメールであるか否かを示すフラグ情報を取得する（Ｓ４）。次に、情報処理装置１００は、取得したフラグ情報をメールサーバ５０に送信する（Ｓ５）。

【0038】

メールサーバ５０は、フラグ情報を受信すると、電子メール５３Ａと当該フラグ情報とを合わせて端末装置１０に送信する（Ｓ６）。本ステップにおける電子メール５３Ａの送信は、端末装置１０からのダウンロード要求、ＨＴＴＰリクエスト等に応じて行われてもよい。

【0039】

端末装置１０は、電子メール５３Ａとフラグ情報を受信すると、フラグ情報の内容に応じて、電子メール５３Ａをメインメールフォルダ３０又はプロモーションメールフォルダ４０に振り分けて表示する（Ｓ７）。次に、端末装置１０は、振り分けに対する正誤を示すフィードバック情報の入力をユーザから受け付け、受け付けたフィードバック情報を情報処理装置１００に送信する（Ｓ８）。

【0040】

情報処理装置１００は、フィードバック情報を受け付けると、分類器生成部１５０に、当該フィードバック情報に基づいた再学習を指示する（Ｓ９）。これにより、処理が終了する。

【0041】

次に、Ｓ７に係る電子メール５３Ａの振り分けと、Ｓ８に係るフィードバック情報の入力について説明する。図５は、端末装置１０による電子メール５３Ａの振り分けとフィードバック情報の入力の一例を説明するための図である。

【0042】

図５に示す通り、端末装置１０のメール受信箱は、メインメールフォルダ３０とプロモーションメールフォルダ４０とを含む。端末装置１０は、メールサーバ５０から受け付けたフラグ情報がメインメールを示している場合には、電子メール５３Ａをメインメールフォルダ３０に振り分ける。一方、フラグ情報がプロモーションメールを示している場合には、電子メール５３Ａをプロモーションメールフォルダ４０に振り分ける。端末装置１０のユーザは、それぞれのフォルダの電子メール５３Ａを閲覧し、フォルダに応じたフィードバック情報を入力することができる。具体的には、ユーザは、メインメールフォルダ３０に格納された電子メール５３Ａについては、「プロモーション報告」を選択することができる。一方、プロモーションメールフォルダ４０に格納された電子メール５３Ａについては、「プロモーションではないと報告」を選択することができる。ユーザによって入力されたフィードバック情報は、メールサーバ５０を介して、情報処理装置１００に送信され、分類器生成部１５０によって、再学習に利用される。

【0043】

以上説明した実施形態によれば、情報処理装置１００は、複数の項目のデータの各々が入力されると項目ごと特徴量を出力する項目ごと子分類器と、それぞれの項目ごと特徴量が入力されると分類結果を出力する統合分類器とを含む分類器を用いて、電子メール５３Ａがプロモーションメールであるか否かを示すフラグ情報を取得し、端末装置１０は、当該フラグ情報に基づいて、電子メール５３Ａを振り分ける。その際、項目ごと子分類器は、各項目に共通した辞書ではなく、項目ごとの辞書を用いて、項目ごと特徴量を出力する。これにより、情報処理装置１００は、リソース消費を抑制しつつ分類精度を高めることができる。

【0044】

＜第１変形例＞
次に、図６を参照しつつ、第１変形例のメールサーバについて説明する。本変形例は、メインメールとプロモーションメールとの分類を実行しつつ、ユーザに対してプロモーションのリマインド通知を送信することによって、効果的なプロモーションを行うことを目的とする。

【0045】

図６は、第１変形例に係るメールサーバ５０Ａの構成の例を示すブロック図である。図１に示す構成に加えて、メールサーバ５０Ａは、プロモーションデータ収集部５４と、プロモーション通知部５５と、ジャンル分類部５６と、開封率算出部５７と、を備える。

【0046】

プロモーションデータ収集部５４は、端末装置１０に送信されるプロモーションメール、具体的には、プロモーションメールであることを示すフラグ情報が付けられた電子メール５３Ａの本文を解析し、キャンペーン期限などのプロモーションデータ５３Ｂを収集する。プロモーションデータ収集部５４は、収集したデータをプロモーションデータ５３Ｂとして記憶部５３に格納する。

【0047】

プロモーション通知部５５は、記憶部５３に格納されるプロモーションデータ５３Ｂを一定間隔（例えば、一日ごと）で参照し、キャンペーン期限が近いプロモーションデータ５３Ｂを特定し、特定したプロモーションデータ５３Ｂに関するプロモーションの期限が近いことを示すリマインド通知を端末装置１０に送信する（第１案）。この際、プロモーション通知部５５は、キャンペーン期限の一日前など、ユーザがキャンペーンに注目しやすいと考えられる任意のタイミングでリマインド通知を送信して良い。さらに、プロモーション通知部５５は、期限が近い全てのプロモーションデータ５３Ｂではなく、後述の開封率算出部５７によって計算された、開封率の高いジャンルのプロモーションデータ５３Ｂについてのみ、リマインド通知を送信しても良い（第２案）。プロモーション通知部５５は、リマインド通知として、例えば、プッシュ通知を送信しても良いし、メール通知を送信しても良い。図７は、プロモーション通知部５５によるプッシュ通知の一例を説明するための図である。図７に示す通り、プロモーション通知部５５は、キャンペーン期限が近いプロモーションメールについて、端末装置１０にプッシュ通知を送信する。

【0048】

ジャンル分類部５６は、端末装置１０に送信されるプロモーションメール、具体的には、プロモーションメールであることを示すフラグ情報が付けられた電子メール５３Ａの本文を解析し、既知のクラスタリングなどの手法を用いてジャンル分類を行う。ジャンル分類部５６は、各プロモーションメールについて分類したジャンルをプロモーションデータ５３Ｂの追加情報として記憶部５３に格納する。分類するジャンルは、例えば、食品、ファッション、コスメ、旅行、書籍など任意のジャンルであって良い。

【0049】

開封率算出部５７は、ジャンル分類部５６によって分類されたジャンルごと、かつユーザごとに、受信された電子メール５３Ａの総数を、開封された電子メール５３Ａの数で除算することによって得られる開封率を算出する。開封率算出部５７は、算出した開封率をプロモーションデータ５３Ｂの追加情報として記憶部５３に格納する。

【0050】

以上説明した第１変形例によれば、第１案において、キャンペーン期限が近いプロモーションデータ５３Ｂに関するリマインド通知を送信することによって、メインメールとプロモーションメールとの分類を実行しつつ、効果的なプロモーションを行うことができる。また、第１変形例によれば、第２案において、ジャンル分類部５６及び開封率算出部５７を用いて、各ユーザの関心が高いジャンルについてのみリマインド通知を送信することによって、パーソナライズされた、より効果的なプロモーションを行うことができる。

【0051】

＜第２変形例＞
以上説明した実施形態または第１変形例では、メインメールとプロモーションメールの分類、及びプロモーションのリマインド通知は、情報処理装置１００とメールサーバ５０とがサーバ側で実行するものであった。代替的に、これらの機能は、端末装置１０がアプリとして実装しても良い。

【0052】

図８は、第２変形例に係る端末装置１０Ａの構成の例を示すブロック図である。図８に示す通り、端末装置１０Ａは、ＮＩＣ又は無線通信機等の通信インターフェースを含む通信部１２と、ディスプレイ等の表示部１４と、タッチパネル、キーボード、マウス等の入力部１６と、メールデータ取得部１８と、属性分類部２０と、プロモーションデータ収集部２２と、プロモーション通知部２４と、を備える。

【0053】

メールデータ取得部１８、属性分類部２０、プロモーションデータ収集部２２、及びプロモーション通知部２４の基本的な機能は、メールデータ取得部１２０、属性分類部１３０、プロモーションデータ収集部５４、及びプロモーション通知部５５の機能とそれぞれ同様である。なお、メールデータ取得部１２０は、メールサーバ５０からメールデータ１８０Ａを受信するのに対して、メールデータ取得部１８は、メールサーバ５０から電子メール５３Ａを受信し、当該電子メール５３Ａからメールデータ１８０Ａを抽出することで取得する。また、プロモーション通知部５５によるプロモーションの通知は、メールサーバ５０と端末装置１０との協調動作によって実現されるが、プロモーション通知部２４によるプロモーションの通知は、端末装置１０のみの動作によって実現される。

【0054】

以上説明した第２変形例によれば、サーバ側で通知機能を実装する必要なく、端末側で簡易的に通知を実現することができる。

【0055】

以上、本発明を実施するための形態について実施形態を用いて説明したが、本発明はこうした実施形態に何等限定されるものではなく、本発明の要旨を逸脱しない範囲内において種々の変形及び置換を加えることができる。

【符号の説明】

【0056】

１０、１０Ａ 端末装置
１２ 通信部
１４ 表示部
１６ 入力部
１８ メールデータ取得部
２０ 属性分類部
２２ プロモーションデータ収集部
２４ プロモーション通知部
３０ メインメールフォルダ
４０ プロモーションメールフォルダ
５０、５０Ａ メールサーバ
５１ 通信部
５２ 送受信制御部
５３ 記憶部
５３Ａ 電子メール
５３Ｂ プロモーションデータ
５４ プロモーションデータ収集部
５５ プロモーション通知部
５６ ジャンル分類部
５７ 開封率算出部
１００ 情報処理装置
１１０ 通信部
１２０ メールデータ取得部
１３０ 属性分類部
１４０ フラグ情報送信部
１５０ 分類器生成部
１６０ フィードバック情報受付部
１７０ 再学習指示部
１８０ 記憶部
１８０Ａ メールデータ
１８０Ｂ 分類器

【図1】

【図2】

【図3】

【図4】

【図5】

【図6】

【図7】

【図8】