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】特許公報(B2)
(11)【特許番号】
(24)【登録日】2023-06-09
(45)【発行日】2023-06-19
(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 30/0251 20230101AFI20230612BHJP
【ＦＩ】
G06Q30/0251
【請求項の数】
6
(21)【出願番号】P 2020131977
(22)【出願日】2020-08-03
(65)【公開番号】P2022028517
(43)【公開日】2022-02-16
【審査請求日】2021-06-18
(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】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】寺田 幸弘
【審査官】阿部 陽
(56)【参考文献】
【文献】特開２００８－１１２３２６（ＪＰ，Ａ）
【文献】特開２００７－１０２３１９（ＪＰ，Ａ）
【文献】特開２０１７－０２１６６８（ＪＰ，Ａ）
【文献】特表２０１１－５１９４３９（ＪＰ，Ａ）
【文献】米国特許出願公開第２０１８／００２５３４１（ＵＳ，Ａ１）
【文献】特開２０２０－００９００２（ＪＰ，Ａ）
【文献】特開２００４－２５９１５２（ＪＰ，Ａ）
【文献】米国特許出願公開第２００７／０２８４４３２（ＵＳ，Ａ１）
【文献】特開２００７－２８００６４（ＪＰ，Ａ）
【文献】米国特許出願公開第２０１７／０００４４８７（ＵＳ，Ａ１）
(58)【調査した分野】(Int.Cl.，ＤＢ名)
Ｇ０６Ｑ １０／００－９９／００
(57)【特許請求の範囲】
【請求項1】
ユーザの行動情報から、前記ユーザが利用する決済方法を推定する推定部と、前記推定部により推定された決済方法に基づいて、前記ユーザに提供する推薦情報を決定する決定部と、
行動情報と決済方法との組を正解データとして学習した学習済みモデルを生成する生成部とを備え、
前記推定部は、
前記学習済みモデルに前記行動情報を入力して当該学習済みモデルから複数の決済方法ごとに出力される、前記行動情報との相関性を示すスコアを取得し、取得した前記複数の決済方法ごとのスコアに基づいて、前記決済方法を推定し、
前記ユーザの検索情報を前記学習済みモデルに入力することにより、複数の決済方法ごとに前記検索情報との相関性を示すスコアを取得し、取得した前記複数の決済方法ごとのスコアに基づいて、前記検索情報との相関性の高い決済方法を推定する
ことを特徴とする情報処理装置。
【請求項2】
前記推定部は、前記ユーザの位置情報を前記学習済みモデルに入力することにより、複数の決済方法ごとに前記位置情報との相関性を示すスコアを取得し、取得した前記複数の決済方法ごとのスコアに基づいて、前記位置情報との相関性の高い決済方法を推定する
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、前記ユーザの決済金額情報を前記学習済みモデルに入力することにより、複数の決済方法ごとに前記決済金額情報との相関性を示すスコアを取得し、取得した前記複数の決済方法ごとのスコアに基づいて、前記決済金額情報との相関性の高い決済方法を推定する
ことを特徴とする請求項１または２に記載の情報処理装置。
【請求項4】
前記推定部は、前記ユーザの来店店舗情報を前記学習済みモデルに入力することにより、複数の決済方法ごとに前記来店店舗情報との相関性を示すスコアを取得し、取得した前記複数の決済方法ごとのスコアに基づいて、前記来店店舗情報との相関性の高い決済方法を推定する
ことを特徴とする請求項１または２に記載の情報処理装置。
【請求項5】
コンピュータが実行する情報処理方法であって、ユーザの行動情報に含まれる検索情報から、前記ユーザが利用する決済方法を推定する推定工程と、
推定された決済方法に基づいて、前記ユーザに提供する推薦情報を決定する決定工程と、
行動情報と決済方法との組を正解データとして学習した学習済みモデルを生成する生成工程と
を含み、
前記推定工程は、
前記学習済みモデルに前記行動情報を入力して当該学習済みモデルから複数の決済方法ごとに出力される、前記行動情報との相関性を示すスコアを取得し、取得した前記複数の決済方法ごとのスコアに基づいて、前記決済方法を推定し、
前記ユーザの検索情報を前記学習済みモデルに入力することにより、複数の決済方法ごとに前記検索情報との相関性を示すスコアを取得し、取得した前記複数の決済方法ごとのスコアに基づいて、前記検索情報との相関性の高い決済方法を推定する
ことを特徴とする情報処理方法。
【請求項6】
コンピュータに、ユーザの行動情報に含まれる検索情報から、前記ユーザが利用する決済方法を推定する推定手順と、
推定された決済方法に基づいて、前記ユーザに提供する推薦情報を決定する決定手順と、
行動情報と決済方法との組を正解データとして学習した学習済みモデルを生成する生成手順と
を実行させ、
前記推定手順は、
前記学習済みモデルに前記行動情報を入力して当該学習済みモデルから複数の決済方法ごとに出力される、前記行動情報との相関性を示すスコアを取得し、取得した前記複数の決済方法ごとのスコアに基づいて、前記決済方法を推定し、
前記ユーザの検索情報を前記学習済みモデルに入力することにより、複数の決済方法ごとに前記検索情報との相関性を示すスコアを取得し、取得した前記複数の決済方法ごとのスコアに基づいて、前記検索情報との相関性の高い決済方法を推定する
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】
本出願は、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】
オンラインモールにおける電子商取引（ＥＣ：Electronic Commerce）において決済手段を使い分けるための技術が提案されている。また、近年では、現金やクレジットカードに代わる電子的な決済方法（スマートペイメント）が消費者の間に浸透しつつある。ポストペイ型の決済方法の１つとして登場したコード読み取り型の決済方法は、スマートフォンなどの電子機器を利用して簡便に決済できるその利便性から注目を集めている。このようなスマートペイメントの浸透に伴って、消費活動の活性化が期待されている。
【先行技術文献】
【特許文献】
【0003】
【文献】特開２００３－０１６３６１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、各種の決済方法に対応した推薦情報をユーザに提供する際のユーザビリティについて改善の余地がある。例えば、特定の決済方法において、ポイント還元等のキャンペーンが行われる場合がある。しかし、ポイント還元を行っている決済方法を利用していないユーザも存在し、キャンペーンの通知が全てのユーザにとって有益であるとは限らない。
【0005】
本願は、上記に鑑みてなされたものであって、決済方法に対応した推薦情報を提供する際のユーザビリティを向上できる情報処理装置、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】
本願に係る情報処理装置は、推定部と、決定部とを備える。推定部は、ユーザの行動情報から、ユーザが利用する決済方法を推定する。決定部は、推定部により推定された決済方法に基づいて、ユーザに提供する推薦情報を決定する。
【発明の効果】
【0007】
実施形態の態様の１つによれば、決済方法に対応した推薦情報を提供する際のユーザビリティを向上させることができる。
【図面の簡単な説明】
【0008】
【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、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」と呼ぶ）について図面を参照しつつ詳細に説明する。なお、以下に説明する複数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。また、以下に説明する複数の実施形態は、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。また、以下に説明する複数の実施形態において同一の部位には同一の符号を付し、重複する説明は省略される。
【0010】
［１．情報処理の概要］
図１を用いて、実施形態にかかる情報処理の一例を説明する。図１は、実施形態に係る情報処理の一例を示す図である。図１に示す例において、実施形態に係る情報処理システム１は、端末装置１０と、情報処理装置１００とを有する。端末装置１０と、情報処理装置１００とは、ネットワークを介して有線または無線により通信可能に接続される。なお、図１に示す例には特に限定される必要はなく、情報処理システム１は、図１に示す場合よりも多くの端末装置１０及び情報処理装置１００を含んでよい。
図１を用いて、実施形態にかかる情報処理の一例を説明する。図１は、実施形態に係る情報処理の一例を示す図である。図１に示す例において、実施形態に係る情報処理システム１は、端末装置１０と、情報処理装置１００とを有する。端末装置１０と、情報処理装置１００とは、ネットワークを介して有線または無線により通信可能に接続される。なお、図１に示す例には特に限定される必要はなく、情報処理システム１は、図１に示す場合よりも多くの端末装置１０及び情報処理装置１００を含んでよい。
【0011】
図１に示す端末装置１０は、ユーザによって利用される情報処理装置である。端末装置１０は、ＧＰＳ（Global Positioning System）等の各種センサや、液晶ディスプレイ等の表示デバイス（以下、「画面」と適宜記載する。）や、マイク等の音声入力デバイスを有する。例えば、端末装置１０は、デスクトップ型ＰＣ（Personal Computer）や、ノート型ＰＣや、タブレット端末や、スマートフォンや、携帯電話機や、ＰＤＡ（Personal Digital Assistant）や、ウェアラブルデバイス等である。
【0012】
図１及び後述する図３に示す例において、端末装置１０１は、ユーザＹ１によって利用されるスマートフォンやタブレット等のスマートデバイスである場合を示す。また、図３に示す例において、端末装置１０２は、ユーザＹ２によって利用されるスマートフォンやタブレット等のスマートデバイスである場合を示す。また、ユーザＹ１には、ユーザＹ１が情報処理装置１００から提供されるサービスを利用する際の固有のユーザ識別情報としてユーザＩＤ：「Ｕ００１」が付与される。また、ユーザＹ２には、ユーザＹ２が情報処理装置１００から提供されるサービスを利用する際の固有のユーザ識別情報としてユーザＩＤ：「Ｕ００２」が付与される。
【0013】
端末装置１０のユーザは、端末装置１０を操作することにより、ネットワークを通じて、情報処理装置１００から提供される各種サービスを利用する。端末装置１０のユーザは、ウェブページ又はアプリケーション（以下、「アプリ」と適宜記載する。）により、各種サービスを利用できる。端末装置１０は、各種サービスの利用に伴って、行動情報を情報処理装置１００に送信する。行動情報は、ネットワークを通じて提供される各種サービスにおいて端末装置１０のユーザが行った行動内容を示す情報である。
【0014】
端末装置１０から情報処理装置１００に送信される行動情報は、行動履歴として情報処理装置１００に記録される。行動情報として、ショッピングサービスの購入履歴や、決済サービスの利用履歴や、路線検索サービスの路線検索履歴や、地図提供サービスの経路検索履歴や、旅行サービスの予約履歴や、検索サービスを利用した際の検索履歴や、飲食店紹介サービスの予約履歴や、天気予報サービスの利用履歴や、スケジュール管理サービスの登録スケジュールなどが例示される。行動情報は、端末装置１０のユーザが各種サービスを利用しているときの現在位置を示す位置情報を含む。
【0015】
図１に示す情報処理装置１００は、端末装置１０のユーザからの求めに応じて、ネットワークを介した各種サービスを提供するサーバ装置である。情報処理装置１００は、例えば、ネットワークを通じて、ショッピングサービスや、決済サービスや、路線検索サービスや、地図提供サービスや、旅行サービスや、飲食店紹介サービスや、天気予報サービスや、スケジュール管理サービス等を提供できる。また、以下に説明するように、情報処理装置１００は、端末装置１０のユーザに対し、決済方法に対応した推薦情報（レコメンド情報）を提供する際のユーザビリティを向上できる。以下、図１を用いて、実施形態に係る情報処理装置１００が行う情報処理について説明する。
【0016】
図１に示すように、情報処理装置１００は、例えば、ユーザＹ１の行動情報から、ユーザＹ１が利用する決済方法を推定するための学習済みモデルＭＺ１を生成する（ステップＳ１）。以下、図２を用いて、学習済みモデルＭＺの生成について説明する。図２は、実施形態に係る学習済みモデルの生成例を示す図である。
【0017】
図２に示すように、情報処理装置１００は、行動情報ＤＢ１２１から、各ユーザごとに抽出した学習用データを用いて学習モデルＭＹの機械学習を行う。学習用データは、入力とする「行動情報」と、出力とする「決済方法」との組を正解データとするデータである。情報処理装置１００は、例えば、行動情報αを入力した際に、決済方法β又は決済方法βに対応する情報を出力するように、バックプロパゲーション等の技術を用いて、学習モデルＭＹの学習を行う。例えば、情報処理装置１００は、ユーザＹ１（ＩＤ：Ｕ００１）の行動情報を入力して、複数の決済方法ごとに行動情報との相関性を示すスコアを出力する学習済みモデルＭＺ１を生成する。また、情報処理装置１００は、ユーザＹ２（ＩＤ：Ｕ００２）の行動情報を入力して、複数の決済方法ごとに行動情報との相関性を示すスコアを出力する学習済みモデルＭＺ２を生成する。このようにして、情報処理装置１００は、ユーザの行動情報を入力して、複数の決済方法ごとに行動情報との相関性を示すスコアを出力する学習済みモデルＭＺをユーザごとに生成する。
【0018】
ここで、決済方法とは、ユーザが代金の支払いに利用する決済手段であり、現金決済や、クレジットカード又は電子マネーなどを用いたキャッシュレス決済などがある。キャッシュレス決済には、電子マネーに代表される前払い（プリペイド）方式や、クレジットカードに代表される後払い（ポストペイ）方式や、デビットカードに代表される即時払い（リアルタイムペイ）がある。また、前払い方式、後払い方式、及び即時払い方式に対応可能なコード読み取り型の決済方法もある。情報処理装置１００は、ネットワークを介してユーザに提供する各種サービスを通じて、ユーザにより利用された決済方法の情報を取得できる。また、情報処理装置１００は、連携するＰＯＳ（Point Of Sale）システムからユーザが利用した決済方法を取得できる。例えば、ＰＯＳレジにおいて支払を行う際に、情報処理装置１００が各種サービスの提供に際してユーザに発行するポイントカードをユーザが提示することにより、ユーザＩＤを特定し、決済方法と紐付けできる。
【0019】
図１に戻り、情報処理装置１００は、端末装置１０１のユーザＹ１から行動情報を取得すると（ステップＳ２）、学習済みモデルＭＺ１を用いて、行動情報から決済方法を推定する（ステップＳ３）。具体的には、情報処理装置１００は、端末装置１０１のユーザＹ１に付与されているユーザＩＤ（：「Ｕ００１」）をキーとして、学習済みモデルＤＢ１２２からユーザＹ１に対応する学習済みモデルＭＺ１を取得する。情報処理装置１００は、取得した学習済みモデルＭＺ１に端末装置１０１から取得した行動情報を入力して、学習済みモデルＭＺ１から複数の決済方法ごとに出力される行動情報との相関性を示すスコアを取得する。情報処理装置１００は、取得した複数の決済方法ごとのスコアに基づいて、端末装置１０１のユーザＹ１が利用する決済方法を推定する。
【0020】
図１に示す例では、学習済みモデルＭＺ１から決済方法ごとに出力される全てのスコアを合算した値が「１．０」となるように算出されているものとする。このとき、学習済みモデルＭＺ１から決済方法ごとに出力されるスコアのうち、「決済方法Ａ」に対応するスコア：「０．７」が最も高くなっている。そこで、情報処理装置１００は、端末装置１０１のユーザＹ１が利用する決済方法を「決済方法Ａ」であると推定する。
【0021】
決済方法の推定後、情報処理装置１００は、推定した決済方法に基づいて、端末装置１０１のユーザＹ１に対して提供するレコメンド情報を決定する（ステップＳ４）。具体的には、情報処理装置１００は、レコメンド情報ＤＢ１２３に登録されているレコメンド情報の中から、端末装置１０１のユーザＹ１が利用すると推定した「決済方法Ａ」に対応するレコメンド情報を参照する。そして、情報処理装置１００は、参照したレコメンド情報の中から、ユーザにとって有益と考えられるレコメンド情報を取得する。図１に示す例において、情報処理装置１００は、例えば、ユーザが得られる割引率が最も大きいレコメンド情報：「店舗Ｔ１１で決済方法Ａを利用すると、代金２０％ＯＦＦ」を取得する。
【0022】
そして、情報処理装置１００は、取得したレコメンド情報を端末装置１０１のユーザＹ１に提供する（ステップＳ５）。
【0023】
端末装置１０１は、情報処理装置１００から提供されたレコメンド情報を画面１１に表示して、ユーザＹ１に提示する。
【0024】
【0025】
図３に示すように、情報処理装置１００は、端末装置１０１のユーザＹ１から行動情報として位置情報を取得すると（ステップＳ１１）、ユーザＹ１に対応する学習済みモデルＭＺ１を用いて、行動情報から決済方法を推定する（ステップＳ１２）。情報処理装置１００は、例えば、地図提供サービスを端末装置１０１のユーザＹ１に提供するのに伴って、ユーザＹ１（端末装置１０１）の位置情報を取得できる。情報処理装置１００は、学習済みモデルＭＺ１に位置情報を入力することにより、学習済みモデルＭＺ１から複数の決済方法ごとに出力される位置情報との相関性を示すスコアを取得する。
【0026】
図３に示す例では、学習済みモデルＭＺ１から決済方法ごとに出力されるスコアのうち、「決済方法Ｂ」に対応するスコア：「０．３５」が最も高く、ユーザＹ１の位置情報に最も相関性のある決済方法であることが示されている。そこで、情報処理装置１００は、端末装置１０１のユーザＹ１が利用する決済方法を「決済方法Ｂ」であると推定する。
【0027】
このようにして、情報処理装置１００は、端末装置１０１のユーザＹ１から取得した位置情報に最も相関性が高い決済方法を推定できる。情報処理装置１００は、推定した決済方法Ｂに基づいて、レコメンド情報を決定する（ステップＳ１３）。そして、情報処理装置１００は、決定したレコメンド情報、例えば、「店舗Ｔ１２で決済方法Ｂを利用すると、代金２０％ＯＦＦ」を端末装置１０１のユーザＹ１に提供する（ステップＳ１４）。
【0028】
また、図３に示すように、情報処理装置１００は、端末装置１０１のユーザＹ１から行動情報として検索クエリ（「ランチ」）を取得すると（ステップＳ２１）、ユーザＹ１に対応する学習済みモデルＭＺ１を用いて、行動情報から決済方法を推定する（ステップＳ２２）。情報処理装置１００は、例えば、検索サービスを端末装置１０１のユーザＹ１に提供するのに伴って、ユーザＹ１（端末装置１０１）の検索クエリを取得できる。情報処理装置１００は、学習済みモデルＭＺ１に検索クエリ（「ランチ」）を入力することにより、学習済みモデルＭＺ１から複数の決済方法ごとに出力される検索クエリ（「ランチ」）との相関性を示すスコアを取得する。
【0029】
図３に示す例では、学習済みモデルＭＺ１から決済方法ごとに出力されるスコアのうち、「決済方法Ｂ」に対応するスコア：「０．５０」が最も高く、ユーザＹ１の検索クエリ（「ランチ」）に最も相関性が高い決済方法であることが示されている。そこで、情報処理装置１００は、端末装置１０１のユーザＹ１が利用する決済方法を「決済方法Ｂ」であると推定する。
【0030】
このようにして、情報処理装置１００は、端末装置１０１のユーザＹ１から取得した検索クエリ（「ランチ」）に最も相関性が高い決済方法を推定できる。情報処理装置１００は、推定した決済方法Ｂに基づいて、レコメンド情報を決定する（ステップＳ２３）。そして、情報処理装置１００は、決定したレコメンド情報、例えば、「店舗Ｔ２２で決済方法Ｂを利用すると、ランチメニューが３０％ＯＦＦ」を端末装置１０１のユーザＹ１に提供する（ステップＳ２４）。
【0031】
また、図３に示すように、情報処理装置１００は、端末装置１０２のユーザＹ２から行動情報として、位置情報及び検索クエリ（「近くのランチ」）を取得すると（ステップＳ３１）、学習済みモデルＭＺ２を用いて、行動情報から決済方法を推定する（ステップＳ３２）。具体的には、情報処理装置１００は、例えば、検索サービスを端末装置１０１のユーザＹ１に提供するのに伴って、ユーザＹ１（端末装置１０１）の位置情報及び検索クエリを取得できる。そして、情報処理装置１００は、端末装置１０２のユーザＹ２に付与されているユーザＩＤ（：「Ｕ００２」）をキーとして、学習済みモデルＤＢ１２２からユーザＹ２に対応する学習済みモデルＭＺ２を取得する。情報処理装置１００は、取得した学習済みモデルＭＺ２に端末装置１０２から行動情報として取得した位置情報及び検索クエリ（「近くのランチ」）を入力して、学習済みモデルＭＺ２から複数の決済方法ごとに出力される行動情報との相関性を示すスコアを取得する。
【0032】
図３に示す例では、学習済みモデルＭＺ２から決済方法ごとに出力されるスコアのうち、「決済方法Ｃ」に対応するスコア：「０．６０」が最も高く、ユーザＹ２の位置情報及び検索クエリ（「近くのランチ」）に最も相関性が高い決済方法であることが示されている。そこで、情報処理装置１００は、端末装置１０２のユーザＹ２が利用する決済方法を「決済方法Ｃ」であると推定する。
【0033】
このようにして、情報処理装置１００は、端末装置１０２のユーザＹ２から取得した位置情報及び検索クエリ（「ランチ」）に最も相関性が高い決済方法を推定できる。情報処理装置１００は、推定した決済方法Ｃに基づいて、レコメンド情報を決定する（ステップＳ３３）。そして、情報処理装置１００は、決定したレコメンド情報、例えば、「店舗Ｔ３３で決済方法Ｃを利用すると、ランチメニューが４０％ＯＦＦ」を端末装置１０２のユーザＹ２に提供する（ステップＳ３４）。
【0034】
上述してきたように、情報処理装置１００は、ユーザの行動情報から決済方法を推定し、推定した決済方法に基づいて、ユーザに提供するレコメンド情報を決定する。これにより、情報処理装置１００は、ユーザの行動に合わせたレコメンド情報を提供でき、決済方法に対応した推薦情報を提供する際のユーザビリティを向上できる。
【0035】
また、図４に示すように、情報処理装置１００は、行動情報ＤＢ１２１から決済金額情報を取得する（ステップＳ４１）。図４に示す例では、情報処理装置１００は、行動情報ＤＢ１２１から、決済金額が１万円以上の決済情報を含む各ユーザの決済履歴をサンプルデータとして取得する。
【0036】
情報処理装置１００は、各ユーザに対応する学習済みモデルＭＺを用いて、各ユーザの決済金額情報から、決済金額情報に対応する決済方法を推定する（ステップＳ４２）。具体的には、情報処理装置１００は、各ユーザに対応する決済金額情報を、各ユーザに対応する学習済みモデルＭＺにそれぞれ入力して、学習済みモデルＭＺから複数の決済方法ごとに出力される決済金額情報との相関性を示すスコアをユーザごとに取得する。
【0037】
図４に示す例では、１万円以上の決済金額情報と最も相関性の高いユーザＹ１の決済方法は「決済方法Ａ」であり、１万円以上の決済金額情報と最も相関性の高いユーザＹ２の決済方法も「決済方法Ａ」であることが示されている。
【0038】
決済方法の推定が完了すると、情報処理装置１００は、ユーザごとに、１万円以上の決済金額情報と最も相関性の高い決済方法を抽出し、抽出した決済方法を集計する（ステップＳ４３）。集計後、情報処理装置１００は、例えば、全ての決済方法における各決済方法の占める割合を算出する。図４に示す例では、「決済方法Ａ」の占める割合が７２％と最も高く、次いで「決済方法Ｂ」が９％、「決済方法Ｃ」が４％と続くことが示されている。
【0039】
このようにして、情報処理装置１００は、情報処理装置１００が提供する各種サービスの利用者である各ユーザについて、決済金額情報と相関性のある決済方法を推定できる。これにより、例えば、情報処理装置１００が提供するショッピングサービスと提携する実店舗やオンラインモールの店舗などに対し、決済方法の導入をレコメンドできる。例えば、図４に示す例では、サンプリングされた各ユーザについて、１万円以上の決済金額情報と最も相関性の高い決済方法が「決済方法Ａ」であることが導出される。そこで、例えば、平均の決済金額が１万円以上の実店舗等に対して、「決済方法Ａ」の導入をレコメンドできる。これにより、実店舗等は、情報処理装置１００から提供されるレコメンド情報に基づいて、「決済方法Ａ」の導入を検討できる。
【0040】
また、図５に示すように、情報処理装置１００は、行動情報ＤＢ１２１から来店店舗情報を取得する（ステップＳ５１）。図４に示す例では、情報処理装置１００は、行動情報ＤＢ１２１から、ファストフード店の来店情報をサンプルデータとして取得する。
【0041】
情報処理装置１００は、各ユーザに対応する学習済みモデルＭＺを用いて、各ユーザの来店店舗情報から、来店店舗情報に対応する決済方法を推定する（ステップＳ５２）。具体的には、情報処理装置１００は、各ユーザに対応するファストフード店の来店情報を、各ユーザに対応する学習済みモデルＭＺにそれぞれ入力して、学習済みモデルＭＺから複数の決済方法ごとに出力されるファストフード店の来店情報との相関性を示すスコアをユーザごとに取得する。
【0042】
図５に示す例では、ファストフード店の来店情報と最も相関性の高いユーザＹ１の決済方法は「決済方法Ｂ」であり、ファストフード店の来店情報と最も相関性の高いユーザＹ２の決済方法も「決済方法Ｂ」であることが示されている。
【0043】
決済方法の推定が完了すると、情報処理装置１００は、ユーザごとに、ファストフード店の来店情報と最も相関性の高い決済方法を抽出し、抽出した決済方法を集計する（ステップＳ５３）。集計後、情報処理装置１００は、例えば、全ての決済方法における各決済方法の占める割合を算出する。図５に示す例では、「決済方法Ｂ」の占める割合が６７％と最も高く、次いで「決済方法Ａ」が１７％、「決済方法Ｃ」が９％と続くことが示されている。
【0044】
このようにして、情報処理装置１００は、情報処理装置１００が提供する各種サービスの利用者である各ユーザについて、ファストフード店の来店情報と相関性のある決済方法を推定できる。これにより、例えば、情報処理装置１００が提供する各種サービスと提携するファストフード店に対し、決済方法の導入をレコメンドできる。例えば、図５に示す例では、サンプリングされた各ユーザについて、ファストフード店の来店情報と最も相関性の高い決済方法が「決済方法Ｂ」であることが導出される。そこで、例えば、ファストフード店に対して、「決済方法Ｂ」の導入をレコメンドできる。これにより、ファストフード店は、情報処理装置１００から提供されるレコメンド情報に基づいて、「決済方法Ｂ」の導入を検討できる。
【0045】
［２．情報処理システムの構成］
図６を用いて、実施形態にかかる情報処理システム１の構成について説明する。図６は、実施形態にかかる情報処理システムの構成例を示す図である。図６に示すように、情報処理システム１は、端末装置１０と、情報処理装置１００とを有する。
図６を用いて、実施形態にかかる情報処理システム１の構成について説明する。図６は、実施形態にかかる情報処理システムの構成例を示す図である。図６に示すように、情報処理システム１は、端末装置１０と、情報処理装置１００とを有する。
【0046】
端末装置１０及び情報処理装置１００は、ネットワークＮを介して、有線または無線により通信可能に接続される。ネットワークＮは、ＬＡＮ（Local Area Network）、ＷＡＮ（Wide Area Network）、電話網（携帯電話網、固定電話網等）、地域ＩＰ（Internet Protocol）網、インターネット等の通信ネットワークである。ネットワークＮには、有線ネットワークが含まれていてもよいし、無線ネットワークが含まれていてもよい。なお、図６に示す例には特に限定されず、情報処理システム１は、複数台の端末装置１０、複数台の情報処理装置１００を有してもよい。
【0047】
端末装置１０は、ユーザによって利用される端末装置である。端末装置１０は、例えば、スマートフォンや、タブレット型端末や、ノート型ＰＣ（Personal Computer）や、デスクトップＰＣや、携帯電話機や、ＰＤＡ（Personal Digital Assistant）等である。端末装置１０は、端末装置１０にプリインストールされたウェブブラウザ又はアプリケーションにより、情報処理装置１００から取得するウェブページをディスプレイに表示し、情報処理装置１００により提供される各種サービスを利用する。端末装置１０は、情報処理装置１００によって提供される情報の表示処理を実現する制御情報を情報処理装置１００から受け取った場合には、制御情報に従って表示処理を実現する。
【0048】
また、端末装置１０は、ネットワークを通じて提供される各種サービスにおいて端末装置１０のユーザが行った行動内容を示す行動情報を、情報処理装置１００に送信する。行動情報は、例えば、ショッピングサービスの購入履歴や、決済サービスの利用履歴や、路線検索サービスの路線検索履歴や、地図提供サービスの経路検索履歴や、旅行サービスの予約履歴や、検索サービスを利用した際の検索履歴や、飲食店紹介サービスの予約履歴や、天気予報サービスの利用履歴や、スケジュール管理サービスの登録スケジュールなどが例示される。また、行動情報は、端末装置１０のユーザが各種サービスを利用しているときの現在位置を示す位置情報を含む。
【0049】
情報処理装置１００は、端末装置１０のユーザからの求めに応じて、ネットワークを介した各種サービスを提供するサーバ装置である。また、情報処理装置１００は、端末装置１０のユーザによる各種サービスの利用に際して端末装置１０から送信される行動情報を取得する。情報処理装置１００は、取得した行動情報を、各種サービスの提供に際して端末装置１０のユーザに一意に付与するユーザＩＤに関連付けて記録する。
【0050】
また、情報処理装置１００は、前述したように、端末装置１０のユーザに対し、決済方法に対応した推薦情報を提供するサーバ装置としても機能する。なお、情報処理装置１００は、レコメンド情報を提供するアプリケーションのデータそのものを配信するサーバ装置であってもよい。また、情報処理装置１００は、端末装置１０に制御情報を配信する配信装置として機能してもよい。ここで、制御情報は、例えば、所定のスクリプト言語またはＣＳＳ（Cascading Style Sheets）等のスタイルシート言語により記述される。なお、情報処理装置１００から配信されるコンテンツに関するアプリケーションそのものを制御情報とみなしてもよい。なお、実施形態において、情報処理装置１００は、各種サービスを提供するサーバ装置として機能するが、端末装置１０のユーザに対し、決済方法に対応した推薦情報を提供するサーバ装置としてのみ機能してもよい。この場合、情報処理装置１００は、各ユーザの行動内容を示す行動情報を、各種サービスを提供するサーバ装置から取得すればよい。
【0051】
［３．情報処理装置の構成］
図７を用いて、実施形態に係る情報処理装置１００の構成について説明する。図７は、実施形態に係る情報処理装置の構成例を示す図である。図７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。
図７を用いて、実施形態に係る情報処理装置１００の構成について説明する。図７は、実施形態に係る情報処理装置の構成例を示す図である。図７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。
【0052】
（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。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る。情報処理装置１００は、ネットワークＮを介して、端末装置１０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。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る。情報処理装置１００は、ネットワークＮを介して、端末装置１０との間で情報の送受信を行う。
【0053】
（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。図７に示すように、記憶部１２０は、行動情報ＤＢ１２１と、学習済みモデルＤＢ１２２と、レコメンド情報ＤＢ１２３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。図７に示すように、記憶部１２０は、行動情報ＤＢ１２１と、学習済みモデルＤＢ１２２と、レコメンド情報ＤＢ１２３とを有する。
【0054】
行動情報ＤＢ１２１は、端末装置１０のユーザに付与するユーザＩＤに関連付けて、端末装置１０のユーザの行動情報を記憶する。行動情報は、ネットワークを通じて提供される各種サービスにおいて端末装置１０のユーザが行った行動内容を示す情報である。
【0055】
学習済みモデルＤＢ１２２は、端末装置１０のユーザごとに生成される学習済みモデルの情報を記憶する。学習済みモデルＤＢ１２２に記憶される学習済みモデルは、ユーザの行動情報を入力して、複数の決済方法ごとに行動情報との相関性を示すスコアを出力する。
【0056】
レコメンド情報ＤＢ１２３は、決済方法ごとに、該当の決済方法の利用によりユーザに提供されるサービスの情報を記憶する。図８は、実施形態に係るレコメンド情報の概要を示す図である。図８に示すように、レコメンド情報は、「決済方法」と、「店舗名」と、「所在地」と、「レコメンド内容」といった項目を有する。これらの項目は、相互に対応付けられている。
【0057】
「決済方法」の項目は、決済方法の情報を記憶する。「店舗名」の項目は、該当の決済方法を利用可能な店舗名の情報を記憶する。「所在地」の項目は、該当の店舗の所在地の情報を記憶する。レコメンド内容は、該当の決済方法について開催中のサービスの内容を記憶する。
【0058】
（制御部１３０について）
制御部１３０は、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る。
制御部１３０は、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る。
【0059】
図７に示すように、制御部１３０は、生成部１３１と、推定部１３２と、決定部１３３とを有する。制御部１３０は、これらの各部により、以下に説明する情報処理の機能や作用を実現または実行する。なお、制御部１３０の内部構成は、図７に示した構成に限られず、後述する情報処理を行う構成であれば他の構成であってもよい。
【0060】
（生成部１３１について）
生成部１３１は、行動情報と決済方法との組を正解データとして学習した学習済みモデルを生成する。生成部１３１は、行動情報ＤＢ１２１から、端末装置１０の各ユーザごとに抽出した学習用データを用いて学習モデルＭＹの機械学習を行う。学習用データは、入力とする「行動情報」と、出力とする「決済方法」との組を正解データとするデータである。「行動情報」は、行動情報の特徴量をベクトル化した情報であってもよい。生成部１３１は、行動情報αを入力した際に、決済方法β又は決済方法βに対応する情報を出力するように、バックプロパゲーション等の技術を用いて、学習モデルＭＹの学習を行う。例えば、「店舗Ｘに入店した」という行動の後に、「クレジットカードを利用した」という行動が記録されている場合、行動情報：「店舗Ｘに入店」と、決済方法：「クレジットカード」とを組とした正解データを学習モデルＭＹに学習させる。すなわち、学習完了後、行動情報：「店舗Ｘに入店」を入力したときの出力において、決済方法：「クレジットカード」のスコアが他の決済方法よりも相対的に大きくなるように学習する。これにより、情報処理装置１００は、ユーザの行動情報を入力して、複数の決済方法ごとに行動情報との相関性を示すスコアを出力する学習済みモデルＭＺをユーザごとに生成する。
生成部１３１は、行動情報と決済方法との組を正解データとして学習した学習済みモデルを生成する。生成部１３１は、行動情報ＤＢ１２１から、端末装置１０の各ユーザごとに抽出した学習用データを用いて学習モデルＭＹの機械学習を行う。学習用データは、入力とする「行動情報」と、出力とする「決済方法」との組を正解データとするデータである。「行動情報」は、行動情報の特徴量をベクトル化した情報であってもよい。生成部１３１は、行動情報αを入力した際に、決済方法β又は決済方法βに対応する情報を出力するように、バックプロパゲーション等の技術を用いて、学習モデルＭＹの学習を行う。例えば、「店舗Ｘに入店した」という行動の後に、「クレジットカードを利用した」という行動が記録されている場合、行動情報：「店舗Ｘに入店」と、決済方法：「クレジットカード」とを組とした正解データを学習モデルＭＹに学習させる。すなわち、学習完了後、行動情報：「店舗Ｘに入店」を入力したときの出力において、決済方法：「クレジットカード」のスコアが他の決済方法よりも相対的に大きくなるように学習する。これにより、情報処理装置１００は、ユーザの行動情報を入力して、複数の決済方法ごとに行動情報との相関性を示すスコアを出力する学習済みモデルＭＺをユーザごとに生成する。
【0061】
生成部１３１は、ＤＮＮ（Deep Neural Network）、ＣＮＮ（Convolutional Neural Network）、ＲＮＮ（Recurrent Neural Network)、ＬＳＴＭ（Long Short-Time Memory）などの任意の学習アルゴリズムを用いて、学習済みモデルＭＺを生成できる。例えば、ＲＮＮを用いて学習済みモデルＭＺを生成した場合、行動情報の時系列を考慮して、複数の決済方法毎に行動情報との相関性を示すスコアを出力できる。つまり、「行動１」及び「行動２」が「行動１→行動２」の順に入力されたときに、「決済方法Ｙ」のスコアが相対的に高くなるような出力を行う一方で、「行動２→行動１」の順に入力されたときには、「決済方法Ｙ」のスコアが他の決済方法よりも相対的に高くなるような出力を行うとは限らない学習済みモデルＭＺが得られる。
【0062】
（推定部１３２について）
推定部１３２は、端末装置１０のユーザの行動情報から、端末装置１０のユーザが利用する決済方法を推定する。具体的には、推定部１３２は、学習済みモデルＭＺに、端末装置１０のユーザから取得する行動情報を入力する。推定部１３２は、学習済みモデルＭＺから複数の決済方法ごとに出力される、端末装置１０のユーザの行動情報との相関性を示すスコアを取得する。推定部１３２は、取得した複数の決済方法ごとのスコアに基づいて、端末装置１０のユーザが利用する決済方法を推定する。
推定部１３２は、端末装置１０のユーザの行動情報から、端末装置１０のユーザが利用する決済方法を推定する。具体的には、推定部１３２は、学習済みモデルＭＺに、端末装置１０のユーザから取得する行動情報を入力する。推定部１３２は、学習済みモデルＭＺから複数の決済方法ごとに出力される、端末装置１０のユーザの行動情報との相関性を示すスコアを取得する。推定部１３２は、取得した複数の決済方法ごとのスコアに基づいて、端末装置１０のユーザが利用する決済方法を推定する。
【0063】
前述したように、推定部１３２は、例えば、ユーザの位置情報を学習済みモデルＭＺに入力することにより、複数の決済方法ごとに位置情報との相関性を示すスコアを取得する。そして、推定部１３２は、取得した複数の決済方法ごとのスコアに基づいて、位置情報との相関性の高い決済方法を推定する。
【0064】
また、推定部１３２は、例えば、ユーザの検索情報（検索クエリ）を学習済みモデルＭＺに入力することにより、複数の決済方法ごとに検索情報との相関性を示すスコアを取得する。そして、推定部１３２は、取得した複数の決済方法ごとのスコアに基づいて、検索情報との相関性の高い決済方法を推定する。
【0065】
また、推定部１３２は、例えば、ユーザの決済金額情報を学習済みモデルＭＺに入力することにより、複数の決済方法ごとに決済金額情報との相関性を示すスコアを取得する。そして、推定部１３２は、取得した複数の決済方法ごとのスコアに基づいて、決済金額情報との相関性の高い決済方法を推定する。
【0066】
また、推定部１３２は、例えば、ユーザの来店店舗情報を学習済みモデルＭＺに入力することにより、複数の決済方法ごとに来店店舗情報との相関性を示すスコアを取得する。そして、推定部１３２は、取得した複数の決済方法ごとのスコアに基づいて、来店店舗情報との相関性の高い決済方法を推定する。
【0067】
推定部１３２は、例えば、位置情報と検索情報（検索クエリ）とを組み合わせるなど複数の行動情報を組み合わせて、学習済みモデルＭＺに入力し、複数の決済方法ごとに複数の行動情報の組合せとの相関性を示すスコアを取得してもよい。よれにより、推定部１３２は、取得した複数の決済方法ごとのスコアに基づいて、複数の行動情報との組合せとの相関性の高い決済方法を推定できる。
【0068】
（決定部１３３について）
決定部１３３は、推定部１３２により推定された決済方法に基づいて、ユーザに提供する推薦情報（レコメンド情報）を決定する。具体的には、決定部１３３は、レコメンド情報ＤＢ１２３に登録されているレコメンド情報の中から、推定部１３２により推定された決済方法Ａに対応するレコメンド情報を参照する。そして、決定部１３３は、参照したレコメンド情報の中から、例えば、ユーザにとって有益と考えられるレコメンド情報をユーザに提供するレコメンド情報に決定する。
決定部１３３は、推定部１３２により推定された決済方法に基づいて、ユーザに提供する推薦情報（レコメンド情報）を決定する。具体的には、決定部１３３は、レコメンド情報ＤＢ１２３に登録されているレコメンド情報の中から、推定部１３２により推定された決済方法Ａに対応するレコメンド情報を参照する。そして、決定部１３３は、参照したレコメンド情報の中から、例えば、ユーザにとって有益と考えられるレコメンド情報をユーザに提供するレコメンド情報に決定する。
【0069】
［４．処理手順］
図９を用いて、実施形態に係る情報処理装置１００が実行する情報処理の手順について説明する。図９は、実施形態に係る情報処理装置による情報処理手順を示すフローチャートである。図９に示す処理手順は、情報処理装置１００の制御部１３０により実行される。図９に示す処理手順は、情報処理装置１００の稼働中、繰り返し実行される。
図９を用いて、実施形態に係る情報処理装置１００が実行する情報処理の手順について説明する。図９は、実施形態に係る情報処理装置による情報処理手順を示すフローチャートである。図９に示す処理手順は、情報処理装置１００の制御部１３０により実行される。図９に示す処理手順は、情報処理装置１００の稼働中、繰り返し実行される。
【0070】
推定部１３２は、端末装置１０から行動情報を取得する（ステップＳ１０１）。続いて、推定部１３２は、取得した行動情報から、ユーザが利用する決済方法を推定する（ステップＳ１０２）。具体的には、推定部１３２は、学習済みモデルＭＺに、端末装置１０のユーザから取得する行動情報を入力する。推定部１３２は、学習済みモデルＭＺから複数の決済方法ごとに出力される、端末装置１０のユーザの行動情報との相関性を示すスコアを取得する。推定部１３２は、取得した複数の決済方法ごとのスコアに基づいて、端末装置１０のユーザが利用する決済方法を推定する。
【0071】
決定部１３３は、推定部１３２により推定された決済方法に基づいて、ユーザに提供する推薦情報（レコメンド情報）を決定する（ステップＳ１０３）。そして、決定部１３３は、決定したレコメンド情報をユーザに提供して（ステップＳ１０４）、図９に示す処理手順を終了する。
【0072】
［５．変形例］
上記実施形態にかかる情報処理装置１００は、上記実施形態以外にも種々の異なる形態にて実施されてよい。そこで、以下では、情報処理装置１００の他の実施形態について説明する。
上記実施形態にかかる情報処理装置１００は、上記実施形態以外にも種々の異なる形態にて実施されてよい。そこで、以下では、情報処理装置１００の他の実施形態について説明する。
【0073】
上記実施形態において、学習済みモデルＭＺを生成する際、行動情報及び決済方法からユーザの決済方法を推定し、推定結果を学習用データとしてもよい。例えば、端末装置１０のユーザが、「１４時にショップＺに訪問した」という行動情報と、「１４時１０分にクレジットカードを利用した」という決済情報とに基づいて、「ショップＺでクレジットカードを利用した」と推定し、この推定結果を学習用データとしてもよい。
【0074】
情報処理装置１００は、レコメンド情報が、決済方法の利用金額や来店回数に対して、一定の条件で計算された点数をポイントとして付与するポイント還元サービスに関する優待情報である場合、ポイント還元の上限に至っている決済方法を、ユーザが利用する決済方法の推定範囲から除外してもよい。
【0075】
上記実施形態において、情報処理装置１００は、学習済みモデルＭＺを用いて決済方法を推定する例を説明したが、この例には特に限定されない。行動情報ＤＢ１２１に記録された各ユーザの行動情報から、統計処理等によって、行動情報と決済方法を関連付けたテーブルを作成し、作成したテーブルを用いて、各ユーザの決済方法を推定してもよい。
【0076】
［６．ハードウェア構成］
実施形態にかかる情報処理装置１００は、例えば図１０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１０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。
実施形態にかかる情報処理装置１００は、例えば図１０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１０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。
【0077】
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。
【0078】
ＣＰＵ１１００は、ＲＯＭ１３００又は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。
【0079】
ＨＤＤ１４００は、ＣＰＵ１１００によって実行されるプログラム、および、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（通信網）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（通信網）Ｎを介して他の機器へ送信する。
【0080】
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。
【0081】
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又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。
【0082】
例えば、コンピュータ１０００が実施形態にかかる情報処理装置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１３０の機能を実現する。また、ＨＤＤ１４００には、記憶部１２０内のデータが格納される。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（通信網）Ｎを介してこれらのプログラムを取得してもよい。
【0083】
［７．その他］
上記実施形態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。
上記実施形態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。
【0084】
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。
【0085】
また、上述してきた各実施形態は、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。
【0086】
［８．効果］
実施形態に係る情報処理装置１００は、推定部１３２と、決定部１３３とを有する。推定部１３２は、ユーザの行動情報から、ユーザが利用する決済方法を推定する。決定部１３３は、推定部により推定された決済方法に基づいて、ユーザに提供する推薦情報を決定する。
実施形態に係る情報処理装置１００は、推定部１３２と、決定部１３３とを有する。推定部１３２は、ユーザの行動情報から、ユーザが利用する決済方法を推定する。決定部１３３は、推定部により推定された決済方法に基づいて、ユーザに提供する推薦情報を決定する。
【0087】
このように、実施形態に係る情報処理装置１００は、ユーザの行動から推定した決済方法に基づいて推薦情報を決定できるので、決済方法に対応した推薦情報を提供する際のユーザビリティを向上できる。
【0088】
また、情報処理装置１００は、生成部１３１をさらに備える。生成部１３１は、行動情報と決済方法との組を正解データとして学習した学習済みモデルを生成する。推定部１３２は、学習済みモデルに行動情報を入力して学習済みモデルから複数の決済方法ごとに出力される、行動情報との相関性を示すスコアを取得し、取得した複数の決済方法ごとのスコアに基づいて、決済方法を推定する。このため、情報処理装置１００は、各ユーザについて、複数の決済方法ごとに、ユーザの行動との相関性を定量的に把握でき、ユーザ行動に応じた決済方法を推定できる。
【0089】
また、情報処理装置１００において、推定部１３２は、ユーザの位置情報を学習済みモデルに入力することにより、複数の決済方法ごとに位置情報との相関性を示すスコアを取得し、取得した複数の決済方法ごとのスコアに基づいて、位置情報との相関性の高い決済方法を推定する。このため、情報処理装置１００は、複数の決済方法ごとに、ユーザの位置情報との相関性を定量的に把握でき、位置情報を相関性の高い決済方法を特定できる。
【0090】
また、情報処理装置１００において、推定部１３２は、ユーザの検索情報を学習済みモデルに入力することにより、複数の決済方法ごとに検索情報との相関性を示すスコアを取得し、取得した複数の決済方法ごとのスコアに基づいて、検索情報との相関性の高い決済方法を推定する。このため、情報処理装置１００は、複数の決済方法ごとに、ユーザの検索情報との相関性を定量的に把握でき、検索情報と相関性の高い決済方法を特定できる。
【0091】
また、情報処理装置１００において、推定部１３２は、ユーザの決済金額情報を学習済みモデルに入力することにより、複数の決済方法ごとに決済金額情報との相関性を示すスコアを取得し、取得した複数の決済方法ごとのスコアに基づいて、決済金額情報との相関性の高い決済方法を推定する。このため、情報処理装置１００は、複数の決済方法ごとに、ユーザの決済金額情報との相関性を定量的に把握でき、決済金額情報と相関性の高い決済方法を特定できる。
【0092】
また、情報処理装置１００において、推定部１３２は、ユーザの来店店舗情報を学習済みモデルに入力することにより、複数の決済方法ごとに来店店舗情報との相関性を示すスコアを取得し、取得した複数の決済方法ごとのスコアに基づいて、来店店舗情報との相関性の高い決済方法を推定する。このため、情報処理装置１００は、複数の決済方法ごとに、ユーザの来店店舗情報との相関性を定量的に把握でき、来店店舗情報と相関性の高い決済方法を特定できる。
【0093】
以上、本願の実施形態をいくつかの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。
【0094】
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、特定部は、特定手段や特定回路に読み替えることができる。
【符号の説明】
【0095】
１ 情報処理システム
１０ 端末装置
１００ 情報処理装置
１１０ 通信部
１２０ 記憶部
１２１ 行動情報ＤＢ
１２２ 学習済みモデルＤＢ
１２３ レコメンド情報ＤＢ
１３０ 制御部
１３１ 生成部
１３２ 推定部
１３３ 決定部
１０ 端末装置
１００ 情報処理装置
１１０ 通信部
１２０ 記憶部
１２１ 行動情報ＤＢ
１２２ 学習済みモデルＤＢ
１２３ レコメンド情報ＤＢ
１３０ 制御部
１３１ 生成部
１３２ 推定部
１３３ 決定部
【図1】
【図2】
【図3】
【図4】
【図5】
【図6】
【図7】
【図8】
【図9】
【図10】