特許7512500 | 知財ポータル「IP Force」

知財求人 - 知財ポータルサイト「IP Force」

▶ ヤフー株式会社の特許一覧

特許7512500情報処理装置、情報処理方法、および情報処理プログラム

書誌要約請求の範囲詳細な説明課題実施例実施するための形態図面の説明

目に優しい文字サイズ小中大 PDF Top

< >

1
2
3
4
5
6
7
8
9
10

(19)【発行国】日本国特許庁(JP)

(12)【公報種別】特許公報(B1)

(11)【特許番号】

(24)【登録日】2024-06-28

(45)【発行日】2024-07-08

(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 30/0241 20230101AFI20240701BHJP

【ＦＩ】

G06Q30/0241 444

【請求項の数】 11

(21)【出願番号】P 2023149879

(22)【出願日】2023-09-15

【審査請求日】2024-03-18

【早期審査対象出願】

(73)【特許権者】

【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】笹城戸裕記

(72)【発明者】

【氏名】若林慧

(72)【発明者】

【氏名】森翔太

(72)【発明者】

【氏名】池田百合菜

【審査官】樋口龍弥

(56)【参考文献】

【文献】特開２０１２－１４１６８２（ＪＰ，Ａ）

【文献】米国特許出願公開第２０２３／０２８１６７３（ＵＳ，Ａ１）

【文献】山本覚，Ｔｗｉｔｔｅｒ上における対話生成エンジンを用いたインタラクティブ広告，一般社団法人人工知能学会第３５回全国大会（２０２１）［ｏｎｌｉｎｅ］，日本，一般社団法人人工知能学会，2021年07月01日，p.1-4

【文献】佐藤明智，話題継続とペルソナを考慮した雑談対話システムの構築，第９６回言語・音声理解と対話処理研究会資料（ＳＩＧ－ＳＬＵＤ－０９６），日本，一般社団法人人工知能学会，2022年12月01日，p.215-219

(58)【調査した分野】(Int.Cl.，ＤＢ名)

Ｇ０６Ｑ１０／００－９９／００

(57)【特許請求の範囲】

【請求項1】

投稿情報を取得する取得部と、
前記取得部によって取得された前記投稿情報に基づいて、注目度が高い事象である注目事象を判定する判定部と、
入力された情報に応じた情報を生成して出力する生成ＡＩまたはＡＩエージェントに対し、前記判定部によって判定された前記注目事象を示す情報と、前記注目事象に基づいた広告情報のうちの少なくとも一部を出力させるための指示を示す情報とを含む入力情報を入力し、前記生成ＡＩまたは前記ＡＩエージェントに前記広告情報のうちの少なくとも一部を生成させる生成部と、
前記生成ＡＩまたは前記ＡＩエージェントによって少なくとも一部が生成された前記広告情報を提供する提供部と、を備える
ことを特徴とする情報処理装置。

【請求項2】

前記生成部は、
広告テキストを前記広告情報のうちの少なくとも一部として前記生成ＡＩまたは前記ＡＩエージェントに生成させる
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】

前記生成部は、
前記広告テキストが重畳される広告画像をさらに含む情報を前記広告情報のうちの少なくとも一部として前記生成ＡＩまたは前記ＡＩエージェントに生成させる
ことを特徴とする請求項２に記載の情報処理装置。

【請求項4】

前記判定部は、
前記注目事象が発生したか否かを判定し、
前記生成部は、
前記判定部によって前記注目事象が発生したと判定されたときに、前記生成ＡＩまたは前記ＡＩエージェントに前記広告情報のうちの少なくとも一部を生成させる
ことを特徴とする請求項１～３のいずれか１つに記載の情報処理装置。

【請求項5】

前記生成部は、
前記広告情報の提供先となるユーザの情報をさらに含む情報を前記入力情報として、前記生成ＡＩまたは前記ＡＩエージェントに前記広告情報のうちの少なくとも一部を生成させる
ことを特徴とする請求項１～３のいずれか１つに記載の情報処理装置。

【請求項6】

前記生成部は、
前記広告情報のターゲット層の情報をさらに含む情報を前記入力情報として、前記生成ＡＩまたは前記ＡＩエージェントに前記広告情報のうちの少なくとも一部を生成させる
ことを特徴とする請求項１～３のいずれか１つに記載の情報処理装置。

【請求項7】

前記判定部は、
前記広告情報による広告の対象である広告対象と前記判定部によって判定された前記注目事象とが予め定められた関係を有するか否かを判定し、
前記生成部は、
前記判定部によって前記広告対象と前記注目事象とが前記予め定められた関係を有すると判定された場合に、前記生成ＡＩまたは前記ＡＩエージェントに前記広告情報のうちの少なくとも一部を生成させる
ことを特徴とする請求項１～３のいずれか１つに記載の情報処理装置。

【請求項8】

前記取得部は、
ソーシャルメディアおよびニュースサイトのうちの少なくとも一方に投稿された情報を前記投稿情報として取得する
ことを特徴とする請求項１～３のいずれか１つに記載の情報処理装置。

【請求項9】

前記生成部は、
前記注目事象に基づいた広告情報のうちの少なくとも一部を出力させるための情報として前記広告テキストの文字数を規定する情報を含む情報を前記入力情報として、前記生成ＡＩまたは前記ＡＩエージェントに前記広告情報のうちの少なくとも一部を生成させる
ことを特徴とする請求項２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、
投稿情報を取得する取得工程と、
前記取得工程によって取得された前記投稿情報に基づいて、注目度が高い事象である注目事象を判定する判定工程と、
入力された情報に応じた情報を生成して出力する生成ＡＩまたはＡＩエージェントに対し、前記判定工程によって判定された前記注目事象を示す情報と、前記注目事象に基づいた広告情報のうちの少なくとも一部を出力させるための指示を示す情報とを含む入力情報を入力し、前記生成ＡＩまたは前記ＡＩエージェントに前記広告情報のうちの少なくとも一部を生成させる生成工程と、
前記生成ＡＩまたは前記ＡＩエージェントによって少なくとも一部が生成された前記広告情報を提供する提供工程と、を含む
ことを特徴とする情報処理方法。

【請求項11】

投稿情報を取得する取得手順と、
前記取得手順によって取得された前記投稿情報に基づいて、注目度が高い事象である注目事象を判定する判定手順と、
入力された情報に応じた情報を生成して出力する生成ＡＩまたはＡＩエージェントに対し、前記判定手順によって判定された前記注目事象を示す情報と、前記注目事象に基づいた広告情報のうちの少なくとも一部を出力させるための指示を示す情報とを含む入力情報を入力し、前記生成ＡＩまたは前記ＡＩエージェントに前記広告情報のうちの少なくとも一部を生成させる生成手順と、
前記生成ＡＩまたは前記ＡＩエージェントによって少なくとも一部が生成された前記広告情報を提供する提供手順と、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】

インターネットの普及に伴い、インターネットを利用してユーザに広告を届ける電子広告市場が急拡大している。例えば、特許文献１には、キーワードと広告パーツと広告テンプレートとを対応付けて管理する広告データベースから、検索頻度の上昇幅が大きい文字列であるトレンドワードに対応するキーワードに対応付けられた広告パーツと広告テンプレートとに基づいて広告情報を生成する技術が提案されている。

【先行技術文献】

【特許文献】

【0003】

【文献】特開２０１２－１４１６８２号公報

【発明の概要】

【発明が解決しようとする課題】

【0004】

上記従来技術では、キーワードと広告パーツと広告テンプレートとが予め対応付けられており、トレンドワードなどの注目度が高い事象に対応するキーワードがない場合には、広告情報を生成することが難しい。

【0005】

本願は、上記に鑑みてなされたものであって、注目度が高い事象を広告情報により精度よく適用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】

本願に係る情報処理装置は、取得部と、判定部と、生成部と、提供部とを含む。取得部は、投稿情報を取得する。判定部は、取得部によって取得された投稿情報に基づいて、注目度が高い事象である注目事象を判定する。生成部は、入力された情報に応じた情報を生成して出力する生成ＡＩまたはＡＩエージェントに対し、判定部によって判定された注目事象を示す情報と、注目事象に基づいた広告情報のうちの少なくとも一部を出力させるための指示を示す情報とを含む入力情報を入力し、生成ＡＩまたはＡＩエージェントに広告情報のうちの少なくとも一部を生成させる。提供部は、生成ＡＩまたはＡＩエージェントによって少なくとも一部が生成された広告情報を提供する。

【発明の効果】

【0007】

実施形態の一態様によれば、注目度が高い事象を広告情報により精度よく適用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】

【0008】

【図1】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2】図２は、実施形態に係る情報処理システムの構成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構成の一例を示す図である。

【図4】図４は、実施形態に係る情報処理装置のユーザ情報記憶部に記憶されるユーザ情報テーブルの一例を示す図である。

【図5】図５は、実施形態に係る情報処理装置の広告情報記憶部に記憶される広告情報テーブル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の広告配信履歴記憶部に記憶される広告配信履歴テーブルの一例を示す図である。

【図7】図７は、実施形態に係る端末装置に表示される広告情報を含むチャット画面の一例を示す図である。

【図8】図８は、実施形態に係る端末装置に表示される広告情報を含むホーム画面の一例を示す図である。

【図9】図９は、実施形態に係る情報処理装置の処理部による情報処理の一例を示すフローチャートである。

【図10】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。

【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」と呼ぶ）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。また、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。また、以下の各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。

【0011】

図１に示す情報処理装置１は、ユーザＵの端末装置２と連携し、オンラインで各種の情報をユーザＵに提供する情報処理装置であり、例えば、１以上のサーバまたはクラウドシステムなどにより実現される。なお、図１に示す例では、１つの端末装置２が示されているが、情報処理装置１は、複数の端末装置２の各々と連携し、オンラインで各種のサービスを各端末装置２のユーザＵに提供する。

【0012】

情報処理装置１は、広告主の端末装置３などから広告提供要求を受け付ける（ステップＳ１）。広告提供要求には、広告主の情報や広告に関する情報などが含まれる。広告に関する情報は、例えば、広告の対象となる商品やサービスの情報である広告対象情報、広告のターゲットとなるユーザ層の情報であるユーザ層情報、広告情報の配信期間や広告予算などの情報などを含む。

【0013】

広告対象情報は、広告の対象となる商品やサービスの名称を示す情報、広告の対象となる商品やサービスのカテゴリを示す情報、広告の対象となる商品やサービスの説明を示す情報などを含む。また、広告に関する情報は、例えば、デフォルトの広告テキストおよびデフォルトの広告画像などの情報を含むが、一方または両方を含まなくてもよい。また、広告に関する情報は、生成ＡＩなどに生成させる情報の種別である情報種別を示す情報なども含まれる。情報種別は、例えば、広告テキストや広告画像などである。

【0014】

また、広告情報のパーソナライズ化の要求であるパーソナライズ化要求を広告主から受け付けることもできる。広告情報のパーソナライズ化は、例えば、広告の配信先となるユーザＵに応じてカスタマイズすることを指し、これにより、広告の配信先となるユーザＵに対して適切な内容の広告情報を配信することができる。

【0015】

なお、パーソナライズ化要求またはパーソナライズ化要求に関する情報は、広告提供要求に含まれていてもよく、この場合、情報処理装置１は、広告提供要求を受け付けることによって、パーソナライズ化要求を受け付ける。

【0016】

つづいて、情報処理装置１は、内部の記憶部または外部の情報提供装置などから複数の投稿情報を取得する（ステップＳ２）。投稿情報は、情報処理装置１またはその他の情報処理装置などが提供する各種のオンラインサイトに投稿された情報である。オンラインサイトは、例えば、ソーシャルメディア、ニュースサイト、掲示板サイト、Ｑ＆Ａサイトなどであるが、かかる例に限定されない。例えば、オンラインサイトは、ショッピングサイト、価格比較サイト、口コミサイトであってもよい。

【0017】

ソーシャルメディアは、例えば、Ｉｎｓｔａｇｒａｍ（登録商標）、ＴｉｋＴｏｋ（登録商標）、ＹｏｕＴｕｂｅ（登録商標）、Ｘ（旧Ｔｗｉｔｔｅｒ：登録商標）（登録商標）、Ｆａｃｅｂｏｏｋ（登録商標）などであるが、かかる例に限定されない。

【0018】

ニュースサイトは、例えば、Ｙａｈｏｏ（登録商標）などのアグリゲーションサイト、各種の報道機関が提供するニュースサイトなどであるが、かかる例に限定されない。ニュースサイトに投稿される情報は、例えば、ニュースコンテンツを示す情報、ニュースコンテンツに対するコメントや評価を示す情報などであるが、ニュースコンテンツに対するコメントに対するコメントなどであってもよい。

【0019】

掲示板サイトは、２ちゃんねるや５ちゃんねるなどであり、さまざまなトピックに関する投稿による情報交換が行われる。Ｑ＆Ａサイトは、例えば、Ｙａｈｏｏ知恵袋などであり、日常の疑問から専門的な質問まで幅広いトピックに関する投稿による情報交換が行われる。

【0020】

情報処理装置１は、例えば、各種のサイトのＡＰＩ（Application Programming Interface）を使用して各種の投稿情報を取得することができる。

【0021】

つづいて、情報処理装置１は、ステップＳ２で取得した複数の投稿情報に基づいて、注目度が高い事象である注目事象を判定する（ステップＳ３）。情報処理装置１は、例えば、ステップＳ２で取得した複数の投稿情報に含まれるテキストに対して形態素解析を行って複数の単語を抽出し、抽出した複数の単語から複数の文字列を抽出する。情報処理装置１によって抽出される各文字列は、例えば、キーワードやフレーズを含み、以下において、対象文字列と記載する場合がある。

【0022】

対象文字列は、例えば、Ｎ－ｇｒａｍを用いて得られる文字列、または特定の品詞パターンに合致した文字列などである。特定の品詞パターンは、例えば、名詞と動詞の組み合わせ、形容詞と名詞の組み合わせ、形容詞と名詞と動詞の組み合わせなどである。なお、名詞は、１つの名詞または複数の名詞を結合した文字列であるが、「の」などの助詞を含んでいてもよい。

【0023】

また、情報処理装置１は、例えば、抽出対象となる複数の文字列を規定した文字列抽出辞書を有し、かかる文字列抽出辞書を用いて複数の投稿情報に含まれるテキストから複数の対象文字列を抽出することもできる。

【0024】

また、情報処理装置１は、言語モデルを用いて、複数の投稿情報から複数の対象文字列を抽出することもできる。言語モデルは、例えば、抽出対象の文字列および非抽出対象となる文字列の各々と抽出対象であるか否かを示す情報とを含む学習用情報を用いて生成されたモデルである。情報処理装置１は、投稿情報と投稿情報からフレーズを抽出させるための情報とを含む情報を入力情報として言語モデルに入力し、入力した言語モデルから出力されるフレーズを対象文字列として抽出する。

【0025】

言語モデルは、例えば、入力されたトークン列から次のトークンを推定して出力するように学習されたトランスフォーマなどのモデルである。かかる言語モデルは、内部の記憶部または外部の情報提供装置にあり、情報処理装置１の運営者によって独自に作成されたものである。なお、入力された情報は、新たな回答として利用されないような学習を行うことで、入力された個人情報などの情報を秘匿するものが望ましい。

【0026】

また、情報処理装置１は、例えば、ステップＳ２で取得した投稿情報がソーシャルメディアに投稿された情報であり、投稿情報にハッシュタグが付された文字列がある場合に、かかるハッシュタグが付された文字列を対象文字列として抽出することもできる。

【0027】

また、情報処理装置１は、例えば、ネガティブな文字列およびポジティブな文字列を含むネガポジ文字列辞書を有する構成であってもよく、かかるネガポジ文字列辞書によって、投稿情報に含まれる文字列として上述方法などで抽出した文字列のうちネガティブな文字列およびポジティブな文字列の一方を対象文字列として抽出することもできる。

【0028】

例えば、情報処理装置１は、投稿情報に含まれる文字列として上述方法などで抽出した文字列のうちネガティブな文字列以外の文字列を対象文字列として抽出したり、投稿情報に含まれる文字列として上述方法などで抽出した文字列のうちポジティブな文字列を対象文字列として抽出したりする。

【0029】

情報処理装置１は、抽出した各対象文字列の数を予め定められた単位期間（例えば、１時間、３時間、１日など）毎に算出し、例えば、投稿数が閾値以上であって且つ投稿数の上昇率が閾値以上の対象文字列で示される事象を注目事象として判定する。

【0030】

情報処理装置１は、例えば、投稿数が閾値以上であって且つ投稿数の上昇率が閾値以上の対象文字列で示される事象を注目事象として判定する。また、情報処理装置１は、単位期間毎の投稿数を示す情報を入力し、注目事象であるか否かを示す情報を出力する判定モデルを用いて、注目事象を判定することもできる。

【0031】

上述した判定モデルは、例えば、線形回帰モデル、ＧＢＤＴ（Gradient Boosting Decision Tree）、またはＬＳＴＭ（Long Short-Term Memory）やＧＲＵ（Gated Recurrent Unit）などのＲＮＮ（Recurrent Neural Networks）などの機械学習モデルである。

【0032】

また、情報処理装置１は、例えば、投稿情報がソーシャルメディアに対する投稿の情報である場合、シェアやリツイートの数などを投稿数に重み付け加算して得られる数を補正投稿数とし、補正投稿数が閾値以上であって且つ補正投稿数の上昇率が閾値以上の対象文字列で示される事象を注目事象として判定することもできる。

【0033】

情報処理装置１は、上述した方法によって顕在化した注目事象を判定することができるが、顕在化されていない潜在的な注目事象を判定することもできる。例えば、情報処理装置１は、顕在化された注目事象において顕在化される前の投稿数や補正投稿数の変化パターンとの一致度が閾値以上である対象文字列で示される事象を注目事象として判定する。なお、投稿数や補正投稿数を用いた注目事象の判定は上述した例に限定されない。

【0034】

また、例えば、情報処理装置１は、単位期間毎の投稿数を示す情報を入力し、潜在的な注目事象であるか否かを示す情報を出力する判定モデルを用いて、潜在的な注目事象を判定することもできる。かかる判定モデルは、例えば、機械学習モデルであり、単位期間毎の投稿数と潜在的な注目事象であるか否かを示す情報とを含む学習用情報を用いて生成される。

【0035】

また、情報処理装置１は、注目事象が発生したか否かを判定することができる。例えば、情報処理装置１は、対象文字列で示される事象が非注目事象から注目対象事象になったか否かを判定する。

【0036】

例えば、情報処理装置１は、例えば、投稿数や補正投稿数が閾値以上であって且つ投稿数や補正投稿数の上昇率が閾値未満から閾値以上になった場合、判定モデルでの出力が注目事象ではないことを示す情報から注目事象であることを示す情報に切り替わった場合などに、注目事象が発生したと判定する。

【0037】

また、情報処理装置１は、広告の対象となる商品やサービスのカテゴリ毎に注目事象を判定することもできる。カテゴリは、広告の対象となる商品がメンズスニーカである場合、メンズスニーカ、スニーカ、または靴などであり、カテゴリは、広告の対象となる商品がビールである場合、ビール、ビール類、またはアルコール飲料などである。メンズスニーカやビールは、下位カテゴリであり、スニーカやビール類は、中位カテゴリであり、靴やアルコール飲料は、上位カテゴリである。

【0038】

また、情報処理装置１は、広告の対象となる商品やサービスのカテゴリと広告のターゲット層に対応する投稿者の層との組み合わせ毎に注目事象を判定することもできる。また、情報処理装置１は、広告の対象となる商品やサービスの形態（例えば、色や形）毎に注目事象を判定することもできる。

【0039】

また、情報処理装置１は、ステップＳ２で取得した複数の投稿情報に基づいて、注目度が高いカテゴリを注目事象として判定することもできる。情報処理装置１は、例えば、対象文字列の場合と同様の処理によって、注目度が高いカテゴリを注目事象として判定する。例えば、情報処理装置１は、投稿数が閾値以上であって且つ投稿数の上昇率が閾値以上のカテゴリや補正投稿数が閾値以上であって且つ補正投稿数の上昇率が閾値以上のカテゴリを注目度が高いカテゴリを注目事象として判定する。

【0040】

つづいて、情報処理装置１は、入力された情報に応じた情報を生成して出力する生成ＡＩ（Artificial Intelligence：人工知能）またはＡＩエージェントに広告情報のうちの少なくとも一部を生成させる（ステップＳ４）。

【0041】

ステップＳ４において、情報処理装置１は、例えば、ステップＳ３において判定した注目事象を示す情報と、かかる注目事象に基づいた広告情報を出力させるための指示を示す情報とを含む入力情報を生成ＡＩまたはＡＩエージェントに入力し、生成ＡＩまたはＡＩエージェントに広告情報を生成させる。

【0042】

ステップＳ４で生成される広告情報のうちの少なくとも一部は、例えば、広告テキストおよび広告画像のうちの１以上の情報である。広告テキストは、文字列で示される情報であり、フォント、色、文字サイズなどの情報を含む。広告画像は、静止画像、動画像、およびアニメーションのうちの１以上で示される情報である。

【0043】

まず、生成ＡＩを用いた広告情報の生成について説明する。生成ＡＩは、例えば、テキスト生成ＡＩ、画像生成ＡＩ、またはマルチモーダル生成ＡＩである。テキスト生成ＡＩは、例えば、入力されたトークン列から次のトークンを推定して出力するように学習された言語モデルであり、例えば、アテネーションモデルやトランスファーモデルなどの言語モデルである。

【0044】

トランスファーモデルは、例えば、ＧＰＴ（Generative Pre-trained Transformer）やＢＥＲＴ（Bidirectional Encoder Representations from Transformers）などであるが、かかる例に限定されない。なお、入力された情報は、新たな回答として利用されないような学習を行うことで、入力された個人情報などの情報を秘匿するものが望ましい。また、生成ＡＩは、広告情報を生成するために専用に学習（例えば、ファインチューニング）されたものであってもよい。

【0045】

画像生成ＡＩは、テキストから画像を生成する生成ＡＩであり、例えば、ＳｔａｃｋＧＡＮ（Generative Adversarial Networks）、ＡｔｔｎＧＡＮ、Ｔ２Ｉ（Text-to-Image）ｗｉｔｈＴｒａｎｓｆｏｒｍｅｒｓ、ＤＡＬＬ－Ｅなどであるが、かかる例に限定されない。

【0046】

マルチモーダル生成ＡＩは、例えば、テキストから画像を生成したり、画像からテキストを生成したりする生成ＡＩであり、例えば、ＧＰＴ－４やＣＭ３Ｌｅｏｎ(Chameleon Multimodal Model)などであるが、かかる例に限定されない。

【0047】

ＡＩエージェントは、例えば、ＡｕｔｏＧＰＴなどの自律型ＡＩエージェントである。また、ＡＩエージェントは、広告情報の生成専用に作成された自律型ＡＩエージェントであってもよい。

【0048】

自律型ＡＩエージェントは、例えば、目標を与えると、かかる目標を達成するためのタスクを生成ＡＩに生成させ、生成させたタスクを生成ＡＩに実行させるための情報などを収集し、生成ＡＩにタスクを実行させる処理を繰り返すことなどによって目標を達成する情報を出力する。なお、ＡＩエージェントは、予め定められた手順で生成ＡＩを複数回用いて広告情報のうちの少なくとも一部を生成ＡＩに生成させる非自立型ＡＩエージェントであってもよい。

【0049】

情報処理装置１は、例えば、生成ＡＩを提供する事業者が提供するＡＰＩを使用して生成ＡＩに入力情報を入力し生成ＡＩが生成した情報を取得するが、情報処理装置１に生成ＡＩが含まれる構成であってもよい。また、情報処理装置１は、ＡＩエージェントを有する構成であるが、ＡＩエージェントを提供する事業者が提供するＡＰＩを使用してＡＩエージェントを利用する構成であってもよい。

【0050】

まず、生成ＡＩによる広告情報のうちの少なくとも一部の生成について説明する。ステップＳ３で判定された注目事象を示す情報が「ＸＸＸＸＸ」（「ＸＸＸＸＸ」は注目事象を示す文字列）であるとする。

【0051】

この場合、情報処理装置１は、広告提供要求において情報種別として広告テキストが特定されていれば、生成ＡＩに対して、文字列「『ＸＸＸＸＸ』の一部を用いた広告テキストを作成して下さい。」の情報を含む情報を入力情報として入力する。かかる生成ＡＩに入力される入力情報は、自然言語による指示情報であり、プロンプトとも呼ばれる。

【0052】

これにより、情報処理装置１は、生成ＡＩから出力される広告テキストを広告情報のうちの少なくとも一部として取得することができる。文字列「の一部を用いた広告テキストを作成して下さい。」の情報は、注目事象に基づいた広告情報を出力させるための指示を示す情報の一例である。

【0053】

また、情報処理装置１は、文字列「『ＸＸＸＸＸ』の一部を用いた広告テキストを作成して下さい。」の情報に代えて、文字列「『ＸＸＸＸＸ』をもじった広告テキストを作成して下さい。」の情報や文字列「『ＸＸＸＸＸ』を暗示的に用いた広告テキストを作成して下さい。」の情報などを用いることもできる。

【0054】

この場合、文字列「をもじった広告テキストを作成して下さい。」の情報や文字列「を暗示的に用いた広告テキストを作成して下さい。」の情報は、注目事象に基づいた広告情報を出力させるための指示を示す情報の一例である。

【0055】

また、情報処理装置１は、例えば、入力情報と出力情報との例示を示す情報を１以上含む情報をさらに含む入力情報を生成ＡＩに入力させることもできる。これにより、生成ＡＩに簡易的な学習をさせた上で、広告情報のうちの少なくとも一部を生成させることができる。

【0056】

入力情報と出力情報との例示を示す情報は、例えば、文字列「しらんけど」の情報と文字列「広告テキスト」の情報とを含む情報を入力情報とし、例えば、文字列「買わない手はない！しらんけど」の情報を含む情報を出力情報として例示する情報である。

【0057】

また、情報処理装置１は、例えば、文字列「わたしはあなたが入力した情報の一部を用いてあなたが入力した情報に沿った適切な広告テキストを生成します。」の情報を生成ＡＩの役割を示す情報として含む情報と文字列「ＸＸＸＸＸ」の情報とを含む入力情報を生成ＡＩに入力することもできる。

【0058】

また、情報処理装置１は、広告提供要求において情報種別として広告テキストと広告画像が特定されていれば、例えば、上述した入力情報において、文字列「広告テキストを作成して下さい。」の情報に代えて文字列「広告テキストと広告画像とを含む広告情報を作成して下さい。」の情報などを含める。

【0059】

また、情報処理装置１は、広告提供要求において情報種別として広告画像が特定されていれば、例えば、生成ＡＩに対して、上述した入力情報において、文字列「広告テキストを作成して下さい。」の情報に代えて文字列「広告画像を作成して下さい。」の情報などを含める。

【0060】

また、情報処理装置１は、広告提供要求で特定される商品またはサービスの情報をさらに含む入力情報を生成ＡＩに入力することもできる。商品またはサービスの情報は、例えば、商品またはサービスの名称を示す情報、商品またはサービスのカテゴリを示す情報などである。

【0061】

例えば、商品またはサービスの名称またはカテゴリが文字列「ＹＹＹＹＹ」で示されるとする。この場合、情報処理装置１は、生成ＡＩに対して、例えば、文字列「『ＹＹＹＹＹ』についての適切な広告テキストであって『ＸＸＸＸＸ』の一部を用いた広告テキストを作成して下さい。」の情報を含む情報を入力情報として入力する。これにより、情報処理装置１は、商品またはサービスに沿った広告テキストを生成ＡＩに生成させることができる。

【0062】

また、情報処理装置１は、広告提供要求で特定されるターゲット層の情報をさらに含む入力情報を生成ＡＩに入力することもできる。例えば、広告提供要求で特定されるターゲット層が３０代男性であるとする。

【0063】

この場合、情報処理装置１は、生成ＡＩに対して、例えば、文字列「３０代男性を広告のターゲット層とする広告テキストであって『ＸＸＸＸＸ』の一部を用いた広告テキストを作成して下さい。」の情報を含む情報を入力情報として入力する。これにより、情報処理装置１は、ターゲット層に応じた広告テキストを生成ＡＩに生成させることができる。

【0064】

また、情報処理装置１は、広告提供要求に広告テキストおよび広告画像のうちの１以上の情報が含まれている場合、かかる情報をさらに含む入力情報を生成ＡＩに入力することもできる。この場合、例えば、情報処理装置１は、生成ＡＩに対して、文字列「以下の広告テキストの一部または全部を『ＸＸＸＸＸ』の一部を用いた広告テキストに変更して下さい。」の情報と広告提供要求で特定される広告テキストとを含む情報を入力情報として入力する。これにより、情報処理装置１は、広告提供要求で特定される広告テキストを参考に広告テキストを生成ＡＩに生成させることができる。

【0065】

また、情報処理装置１は、パーソナライズ化要求を受け付けた場合、広告情報の提供先となるユーザＵの情報であるユーザ情報をさらに含む入力情報を生成ＡＩに入力することもできる。ユーザ情報は、例えば、ユーザＵの属性情報および履歴情報のうちの少なくとも１つ以上を含む。ユーザＵの属性情報は、ユーザＵの属性を示す情報である。

【0066】

ユーザＵの属性は、例えば、デモグラフィック属性、サイコグラフィック属性などである。ユーザＵの履歴情報は、ユーザＵの行動履歴の情報を含む。ユーザＵの行動履歴は、例えば、ユーザＵのオンラインサービスにおける行動履歴の情報を含む。

【0067】

この場合、情報処理装置１は、生成ＡＩに対して、例えば、文字列「以下のユーザ情報を有するユーザをターゲットとする広告テキストであって『ＸＸＸＸＸ』の一部を用いた広告テキストを作成して下さい。」の情報とユーザ情報とを含む情報を入力情報として入力する。これにより、情報処理装置１は、ユーザＵに応じた広告テキストを生成ＡＩに生成させることができる。

【0068】

また、情報処理装置１は、注目事象に基づいた広告情報のうちの少なくとも一部を出力させるための情報として広告テキストの文字数を規定する情報を含む情報を入力情報として生成ＡＩに広告情報のうちの少なくとも一部を生成させることもできる。例えば、情報処理装置１は、文字列「広告テキストの文字数は、１０～１５文字の範囲内として下さい。」の情報をさらに含む入力情報を生成ＡＩに入力する。これにより、情報処理装置１は、広告テキストの文字数が長くなりすぎたり短くなりすぎたりすることを避けることができる。

【0069】

情報処理装置１は、例えば、注目事象が発生したか否かを判定し、注目事象が発生したと判定したときに、生成ＡＩに広告情報のうちの少なくとも一部を生成させることもできる。これにより、情報処理装置１は、注目事象を適切にキャッチアップして生成ＡＩに広告情報のうちの少なくとも一部を生成させることができる。

【0070】

次に、ＡＩエージェントによる広告情報のうちの少なくとも一部の生成について説明する。情報処理装置１は、例えば、広告提供要求において情報種別として広告テキストが特定されていれば、ＡＩエージェントに対して、文字列「『ＸＸＸＸＸ』の一部を用いた広告効果が高い広告テキストであって他社の広告テキストと重複しない広告テキストを作成して下さい。」の情報を含む情報を入力情報として入力する。

【0071】

これにより、ＡＩエージェントは、入力情報を目標とし、かかる目標に応じたタスクを生成して実行することによって、広告テキストを生成し、出力する。ＡＩエージェントに入力される入力情報は、自然言語による指示情報であり、プロンプトとも呼ばれる。

【0072】

ＡＩエージェントは、例えば、入力情報に応じたタスクを生成ＡＩに生成させる機能、生成ＡＩの要求に応じて内部の記憶部または外部の情報提供装置などから収集する機能、および収集した情報を生成ＡＩに分析させる機能などを有している。

【0073】

例えば、ＡＩエージェントは、入力情報に応じたタスクを生成ＡＩに生成させ、かかるタスクを実行するために必要な情報を生成ＡＩの要求に応じて内部の記憶部または外部の情報提供装置などから収集し、収集した情報を生成ＡＩに分析させることによってタスクを実行させる。

【0074】

ＡＩエージェントに入力される入力情報は、例えば、広告提供要求において情報種別として特定される情報を含む。情報種別として特定される情報は、広告テキストを示す情報および広告画像を示す情報のうちの１以上の情報である。ここで、広告提供要求において情報種別として特定される情報が広告テキストを示す情報であるとする。

【0075】

ＡＩエージェントで収集される情報は、例えば、過去の広告情報のうち広告効果が高かった広告情報に含まれる広告テキストや配信期間内の広告情報に含まれる広告テキストなどである。例えば、ＡＩエージェントは、過去の広告情報のうち広告効果が高かった広告情報に含まれる広告テキストや配信期間内の広告情報に含まれる広告テキストを内部の記憶部または外部の情報提供装置などから収集する。

【0076】

ＡＩエージェントは、過去の広告情報のうち広告効果が高かった広告情報に含まれる広告テキストをさらに含む情報を生成ＡＩに対する入力情報とすることで、生成ＡＩ（例えば、テキスト生成ＡＩやマルチモーダル生成ＡＩ）に広告効果が高かった広告テキストを学習させることができる。これにより、ＡＩエージェントは、学習した広告効果が高い広告テキストと注目事象を示す情報とから広告効果が高い広告情報をテキスト生成ＡＩに生成させることができる。

【0077】

また、ＡＩエージェントは、配信期間内の広告情報に含まれる広告テキストをさらに含む情報を入力情報とすることで、生成ＡＩに他社の広告情報に含まれる広告テキストと重複しない広告テキストを学習させることができる。

【0078】

例えば、情報処理装置１は、広告提供要求において情報種別として広告テキストが特定されていれば、ＡＩエージェントに対して、文字列「以下の広告テキストの一部または全部を『ＸＸＸＸＸ』の一部を用いた広告効果が高い広告テキストであって他社の広告テキストと重複しない広告テキストに変更して下さい。」の情報を含む情報を入力情報として入力する。これにより、情報処理装置１は、広告提供要求で特定される広告テキストを参考に広告テキストをＡＩエージェントに生成させることができる。

【0079】

また、ＡＩエージェントは、情報種別として特定される情報が広告画像を示す情報を含む場合、広告テキストの場合と同様の処理によって、広告画像を生成ＡＩ（例えば、画像生成ＡＩやマルチモーダル生成ＡＩ）に生成させる。例えば、ＡＩエージェントは、過去の広告情報のうち広告効果が高かった広告情報に含まれる広告画像や配信期間内の広告情報に含まれる広告画像などを収集する。そして、ＡＩエージェントは、収集した情報に基づいて、生成ＡＩに広告画像を生成させる。

【0080】

また、情報処理装置１は、ターゲット層を示す広告情報である旨を示す情報をさらに含む入力情報をＡＩエージェントに入力することもできる。この場合、ＡＩエージェントは、広告提供要求で特定されるターゲット層に配信された過去の広告情報のうち広告効果が高かった広告情報のうちの少なくとも一部を収集し、収集した情報をさらに含む入力情報を生成ＡＩに入力する。

【0081】

また、情報処理装置１は、パーソナライズ化要求を受け付けた場合、広告情報の提供先となるユーザＵの情報であるユーザ情報をさらに含む入力情報をＡＩエージェントに入力することもできる。この場合、ＡＩエージェントは、広告提供要求で特定されるユーザ情報を有するユーザＵに配信された過去の広告情報のうち広告効果があった広告情報のうちの少なくとも一部を収集し、収集した情報をさらに含む入力情報を生成ＡＩに入力する。

【0082】

ＡＩエージェントは、例えば、広告提供要求で特定されるユーザ情報を有するユーザＵに対して広告効果があった広告情報を参考にして注目事象に応じた広告テキストや広告画像などを出力させる指示を含む情報を入力情報として生成ＡＩに広告情報のうちの少なくとも一部を生成させる。これにより、情報処理装置１は、ユーザＵに応じた広告テキストをＡＩエージェントに生成させることができる。

【0083】

また、情報処理装置１は、注目事象に基づいた広告情報のうちの少なくとも一部を出力させるための情報として広告テキストの文字数を規定する情報を含む情報を入力情報としてＡＩエージェントに広告情報のうちの少なくとも一部を生成させることもできる。例えば、情報処理装置１は、文字列「広告テキストの文字数は、１０～１５文字の範囲内として下さい。」の情報をさらに含む入力情報をＡＩエージェントに入力する。これにより、情報処理装置１は、広告テキストの文字数が長くなりすぎたり短くなりすぎたりすることを避けることができる。

【0084】

情報処理装置１は、例えば、注目事象が発生したか否かを判定し、注目事象が発生したと判定したときに、ＡＩエージェントに広告情報のうちの少なくとも一部を生成させることもできる。これにより、情報処理装置１は、注目事象を適切にキャッチアップしてＡＩエージェントに広告情報のうちの少なくとも一部を生成させることができる。

【0085】

また、情報処理装置１は、広告情報による広告の対象である広告対象と注目事象とが予め定められた関係を有するか否かを判定することもできる。この場合、情報処理装置１は、広告対象と注目事象とが予め定められた関係を有すると判定された場合に、生成ＡＩまたはＡＩエージェントに広告情報のうちの少なくとも一部を生成させることができる。

【0086】

予め定められた関係は、例えば、広告対象の広告や広告対象のカテゴリで過去に使用された広告テキストや広告画像ではないという条件である。この場合、情報処理装置１は、例えば、広告対象の広告や広告対象のカテゴリで過去に使用された広告情報を含む広告履歴に基づいて、広告対象と注目事象とが予め定められた関係を有するか否かを判定する。

【0087】

また、予め定められた関係は、広告対象のカテゴリ毎のＮＧワードやＮＧ画像が含まれていないという条件である。この場合、情報処理装置１は、例えば、広告対象のカテゴリ毎のＮＧワードやＮＧ画像を含むＮＧ情報に基づいて、広告対象と注目事象とが予め定められた関係を有するか否かを判定する。

【0088】

また、予め定められた関係は、広告対象と注目事象との親和性が予め定められた閾値以上であるという条件である。情報処理装置１は、広告対象の情報と注目事象を示す情報とを含む情報を入力情報とし、広告対象と注目事象との親和性を示す情報を出力する言語モデルを用いて、広告対象と注目事象との親和性が予め定められた閾値以上であるか否かを判定する。入力情報には、例えば、文字列「以下の広告対象と注目事象との親和性を度合いで示すとどのような値になる？」の情報などを含む。言語モデルは、例えば、上述したアテネーションモデルやトランスファーモデルなどである。

【0089】

情報処理装置１は、例えば、生成ＡＩまたはＡＩエージェントによって広告情報のうちの一部が生成された場合、生成ＡＩまたはＡＩエージェントによって生成された情報を広告提供要求に含まれる広告情報のうちの対応する情報と入れ替えることによって、広告情報を生成する。

【0090】

例えば、情報処理装置１は、生成ＡＩまたはＡＩエージェントによって広告情報のうちの広告テキストが生成された場合、生成ＡＩまたはＡＩエージェントによって生成された広告テキストを広告提供要求に含まれる広告情報に含まれる広告テキストと入れ替えることによって、広告情報を生成する。例えば、情報処理装置１は、生成ＡＩまたはＡＩエージェントによって生成された広告テキストを広告提供要求に含まれる広告情報のうちの広告画像に重畳することによって、広告情報を生成する。

【0091】

例えば、情報処理装置１は、生成ＡＩまたはＡＩエージェントによって広告情報のうちの広告画像が生成された場合、生成ＡＩまたはＡＩエージェントによって生成された広告画像を広告提供要求に含まれる広告情報に含まれる広告画像と入れ替えることによって、広告情報を生成する。例えば、情報処理装置１は、広告提供要求に含まれる広告情報のうちの広告テキストを生成ＡＩまたはＡＩエージェントによって生成された広告画像に重畳することによって、広告情報を生成する。

【0092】

また、情報処理装置１は、生成ＡＩまたはＡＩエージェントによって広告テキストや広告画像が再度生成された場合、生成ＡＩまたはＡＩエージェントによって今回生成された広告テキストや広告画像を生成ＡＩまたはＡＩエージェントによって前回生成された広告テキストや広告画像と入れ替えることによって、広告情報を生成する。

【0093】

つづいて、情報処理装置１は、ステップＳ４で生成ＡＩまたはＡＩエージェントによって少なくとも一部が生成された広告情報を広告提供先となるユーザＵに提供する（ステップＳ５）。例えば、情報処理装置１は、ステップＳ４で生成ＡＩまたはＡＩエージェントによって少なくとも一部が生成された広告情報を広告提供先となるユーザＵの端末装置２に送信することによって、生成ＡＩまたはＡＩエージェントによって少なくとも一部が生成された広告情報をユーザＵに提供する。

【0094】

なお、情報処理装置１から端末装置２に送信される広告情報は、広告テキストが広告画像に重畳された情報であるが、かかる例に限定されず、例えば、広告テキストと広告画像とを個別に含む広告情報であってもよい。この場合、端末装置２によって広告テキストが広告画像に重畳されて表示される。また、情報処理装置１から端末装置２に送信される広告情報は、広告テキストおよび広告画像のうちの一方であってもよい。

【0095】

このように、情報処理装置１は、投稿情報に基づいて、注目度が高い事象である注目事象を判定し、入力された情報に応じた情報を生成して出力する生成ＡＩまたはＡＩエージェントに対し、注目事象を示す情報と、注目事象に基づいた広告情報のうちの少なくとも一部を出力させるための指示を示す情報とを含む入力情報を入力し、生成ＡＩまたはＡＩエージェントに広告情報のうちの少なくとも一部を生成させる。これにより、情報処理装置１は、注目度が高い事象である注目事象を広告情報により精度よく適用することができる。

【0096】

以下、このような処理を行う情報処理装置１、端末装置２、および端末装置３を含む情報処理システムの構成などについて、詳細に説明する。

【0097】

〔２．情報処理システムの構成〕
図２は、実施形態に係る情報処理システムの構成の一例を示す図である。図２に示すように、実施形態に係る情報処理システム１００は、情報処理装置１と、複数の端末装置２と、複数の端末装置３とを含む。

【0098】

複数の端末装置２は、互いに異なるユーザＵによって用いられる。複数の端末装置３は、互いに異なる広告主Ｏによって用いられる。端末装置２，３は、例えば、ノートＰＣ（Personal Computer）、デスクトップＰＣ、スマートフォン、タブレットＰＣ、ウェアラブルデバイスである。ウェアラブルデバイスは、例えば、スマートグラス、またはスマートウォッチなどであるが、かかる例に限定されない。

【0099】

情報処理装置１、端末装置２、および端末装置３の各々は、ネットワークＮを介して、有線または無線により互いに通信可能に接続される。なお、図２に示す情報処理システム１００には、情報処理装置１などが複数含まれてもよい。

【0100】

ネットワークＮは、例えば、インターネットなどのＷＡＮ（Wide Area Network）およびＬＴＥ（Long Term Evolution）、４Ｇ（4th Generation）、５Ｇ（5th Generation：第５世代移動通信システム）などの移動体通信網などを含む。

【0101】

端末装置２，３は、移動体通信網、Ｂｌｕｅｔｏｏｔｈ（登録商標）、無線ＬＡＮ（Local Area Network）などの近距離無線通信を介してネットワークＮに接続し、情報処理装置１と通信することができる。

【0102】

〔３．情報処理装置１の構成〕
図３は、実施形態に係る情報処理装置１の構成の一例を示す図である。図３に示すように、情報処理装置１は、通信部１０と、記憶部１１と、処理部１２とを有する。

【0103】

〔３．１．通信部１０〕
通信部１０は、例えば、通信モジュールやＮＩＣ（Network Interface Card）などによって実現される。そして、通信部１０は、ネットワークＮと有線または無線で接続され、他の各種装置との間で情報の送受信を行う。例えば、通信部１０は、端末装置２や端末装置３との間でネットワークＮを介して情報の送受信を行う。

【0104】

〔３．２．記憶部１１〕
記憶部１１は、例えば、ＲＡＭ（Random Access Memory）、フラッシュメモリ（Flash Memory）などの半導体メモリ素子、または、ハードディスク、光ディスクなどの記憶装置によって実現される。記憶部１１は、ユーザ情報記憶部２０と、広告情報記憶部２１と、広告配信履歴記憶部２２と、投稿情報記憶部２３とを記憶する。

【0105】

〔３．２．１．ユーザ情報記憶部２０〕
ユーザ情報記憶部２０は、ユーザＵに関する情報を記憶する。図４は、実施形態に係る情報処理装置１のユーザ情報記憶部２０に記憶されるユーザ情報テーブルの一例を示す図である。図４に示すように、ユーザ情報記憶部２０に記憶されるユーザ情報テーブルは、「ユーザＩＤ（Identifier）」、「属性情報」、「履歴情報」などの項目を含む。

【0106】

「ユーザＩＤ」は、ユーザＵを識別する識別情報である。「属性情報」は、「ユーザＩＤ」に対応するユーザＵのユーザ属性に関する情報であり、サイコグラフィック属性の情報や、デモグラフィック属性の情報などを含む。デモグラフィック属性は、例えば、性別、年齢、居住地、および職業などであり、サイコグラフィック属性は、旅行、服、車、宗教などの興味関心対象、生活スタイル、思想や思想の傾向などである。

【0107】

「履歴情報」は、「ユーザＩＤ」に対応付けられたユーザＵの行動履歴の情報を含む。ユーザＵの行動履歴は、例えば、ユーザＵによる移動履歴の情報と、ユーザＵのオンラインサービスにおける行動履歴の情報、ユーザＵに対して提供された広告情報の広告効果の有無を示す情報とを含む。ユーザＵによる移動履歴の情報は、例えば、ユーザＵの移動した経路の情報やユーザＵが訪問した場所の情報などを含む。

【0108】

ユーザＵのオンラインサービスにおける行動履歴の情報は、例えば、ユーザＵのオンラインサービスにおける検索履歴情報、閲覧履歴情報、および取引履歴情報などを含む。ユーザＵの検索履歴情報は、例えば、ウェブ検索サービスにおけるユーザＵによるコンテンツの検索履歴の情報などを含む。ユーザＵの閲覧履歴情報は、例えば、オンラインサービスにおけるユーザＵによるコンテンツの閲覧履歴の情報などを含む。取引履歴情報は、オンラインサービスにおけるユーザＵによる商品の取引履歴の情報などを含む。

【0109】

〔３．２．２．広告情報記憶部２１〕
広告情報記憶部２１は、広告に関する各種の情報を記憶する。図５は、実施形態に係る情報処理装置１の広告情報記憶部２１に記憶される広告情報テーブルの一例を示す図である。

【0110】

図５に示す例では、広告情報記憶部２１に記憶される広告情報テーブルは、「広告ＩＤ」、および「広告情報」といった項目の情報を含む。「広告ＩＤ」は、広告を識別する識別子であり、広告に付される情報である。

【0111】

「広告情報」は、「広告ＩＤ」に対応付けられた広告情報であり、例えば、バナー広告、リスティング広告、ネイティブ広告、ソーシャルメディア広告、動画広告などであるが、かかる例に限定されない。

【0112】

なお、図５に示されていないが、広告情報テーブルには、「広告ＩＤ」に対応付けられ広告情報の提供予算、広告情報の配信期間の情報、ターゲットとなるユーザＵの属性であるターゲット属性の情報なども含まれている。また、広告情報記憶部２１は、上記に限らず、目的に応じて種々の情報を記憶することができる。

【0113】

〔３．２．３．広告配信履歴記憶部２２〕
広告配信履歴記憶部２２は、広告情報の配信履歴に関する各種の情報を記憶する。図６は、実施形態に係る情報処理装置１の広告配信履歴記憶部２２に記憶される広告配信履歴テーブルの一例を示す図である。

【0114】

図６に示す例では、広告配信履歴記憶部２２に記憶される広告配信履歴テーブルは、「広告ＩＤ」および「広告効果」といった項目の情報を含む。「広告ＩＤ」は、広告情報を識別する識別子であり、図５に示す広告ＩＤと同じである。「広告効果」は、「広告ＩＤ」に対応する広告情報による広告効果を示す情報であり、たとえば、ＣＴＲ（Click Through Rate）、ＣＶＲ（Conversion Rate）、ＣＰＡ（Cost Per Action）などである。

【0115】

ＣＴＲは、広告情報のクリック数を広告情報の表示回数で除算して得られる値である。ＣＶＲは、広告情報のクリック数をコンバージョン数（例えば、広告の対象となる商品やサービスの購入数など）で除算して得られる値である。ＣＰＡは、ユーザＵによる特定の行動を得るための広告コストであり、特定の行動は、例えば、サイトへの訪問、会員登録、アンケート受け付けなどであるが、かかる例に限定されない。

【0116】

〔３．２．４．投稿情報記憶部２３〕
投稿情報記憶部２３は、複数の投稿情報を記憶する。投稿情報は、情報処理装置１またはその他の情報処理装置などが提供する各種のオンラインサイトに投稿された情報である。オンラインサイトは、例えば、ソーシャルメディア、ニュースサイト、掲示板サイト、Ｑ＆Ａサイトなどであるが、かかる例に限定されない。例えば、オンラインサイトは、ショッピングサイト、価格比較サイト、口コミサイトであってもよい。

【0117】

ソーシャルメディアは、例えば、Ｉｎｓｔａｇｒａｍ、ＴｉｋＴｏｋ、ＹｏｕＴｕｂｅ、Ｘ（旧Ｔｗｉｔｔｅｒ）、Ｆａｃｅｂｏｏｋなどであるが、かかる例に限定されない。ニュースサイトが、例えば、Ｙａｈｏｏなどのアグリゲーションサイト、各種の報道機関が提供するニュースサイトなどであるが、かかる例に限定されない。

【0118】

ニュースサイトに投稿される情報は、例えば、ニュースコンテンツを示す情報、ニュースコンテンツに対するコメントや評価を示す情報などであるが、ニュースコンテンツに対するコメントに対するコメントなどであってもよい。

【0119】

【0120】

〔３．３．処理部１２〕
処理部１２は、コントローラ（controller）であり、例えば、ＣＰＵ（Central Processing Unit）、ＭＰＵ（Micro Processing Unit）などのプロセッサによって、情報処理装置１内部の記憶装置に記憶されている各種プログラム（情報処理プログラムの一例に相当）がＲＡＭなどを作業領域として実行されることにより実現される。

【0121】

また、処理部１２は、コントローラ（controller）であり、例えば、ＡＳＩＣ（Application Specific Integrated Circuit）、ＦＰＧＡ（Field Programmable Gate Array）、ＧＰＧＰＵ（General Purpose Graphic Processing Unit）などの集積回路により実現されてもよい。

【0122】

図３に示すように、処理部１２は、取得部３０と、受付部３１と、判定部３２と、生成部３３と、提供部３４とを有し、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、処理部１２の内部構成は、図３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。

【0123】

〔３．３．１．取得部３０〕
取得部３０は、外部の情報処理装置や端末装置２などから通信部１０を介して各種の情報を取得する。取得部３０は、記憶部１１から各種の情報を取得する。例えば、取得部３０は、外部の情報処理装置または端末装置２からユーザ情報を取得し、取得したユーザ情報に基づいて、ユーザ情報記憶部２０に記憶されたユーザ情報テーブルを更新する。

【0124】

また、取得部３０は、受付部３１によって受け付けられた要求に含まれる各種の情報を取得する。例えば、取得部３０は、受付部３１によって受け付けられた要求が広告提供要求である場合、かかる広告提供要求に含まれる情報を取得する。広告提供要求には、広告主Ｏの情報や広告に関する情報などが含まれる。

【0125】

広告に関する情報は、例えば、広告の対象となる商品やサービスの情報である広告対象情報、広告のターゲットとなるユーザ層の情報であるユーザ層情報、広告情報の配信期間や広告予算などの情報などを含む。広告対象情報は、広告の対象となる商品やサービスの名称を示す情報、広告の対象となる商品やサービスのカテゴリを示す情報、広告の対象となる商品やサービスの説明を示す情報などを含む。

【0126】

また、広告に関する情報は、例えば、デフォルトの広告テキストおよびデフォルトの広告画像などの情報を含むが、一方または両方を含まなくてもよい。また、広告に関する情報は、生成ＡＩなどに生成させる情報の種別である情報種別を示す情報なども含まれる。情報種別は、例えば、広告テキストや広告画像などである。

【0127】

また、取得部３０は、外部の情報提供装置などから複数の投稿情報を取得し、取得した複数の投稿情報を投稿情報記憶部２３に記憶させる。取得部３０は、例えば、各種のサイトのＡＰＩを使用して各種の投稿情報を取得することができる。

【0128】

また、取得部３０は、記憶部１１から種々の情報を取得する。例えば、取得部３０は、記憶部１１から複数の投稿情報を取得する。投稿情報は、情報処理装置１またはその他の情報処理装置などが提供する各種のオンラインサイトに投稿された情報である。

【0129】

また、取得部３０は、記憶部１１からユーザ情報、広告情報、および広告情報の履歴情報などを取得する。取得部３０は、例えば、生成部３３によって広告情報が生成ＡＩを用いて生成される場合、かかる生成ＡＩに入力される情報である入力情報として用いる情報を記憶部１１や外部の情報提供装置などから取得する。

【0130】

また、生成部３３によって広告情報がＡＩエージェントを用いて生成される場合、かかるＡＩエージェントに入力される情報である入力情報として用いる情報はＡＩエージェントによって記憶部１１、外部の情報提供装置、または端末装置２などから取得されるが、取得部３０は、ＡＩエージェントに入力される情報である入力情報として用いる情報を記憶部１１などから取得することもできる。

【0131】

〔３．３．２．受付部３１〕
受付部３１は、端末装置２、端末装置３、または外部の情報処理装置などからの種々の要求や種々の情報を、通信部１０を介して受け付ける。例えば、受付部３１は、端末装置２から広告要求を受け付ける。

【0132】

また、受付部３１は、広告主Ｏの端末装置３から情報処理装置１に送信される広告提供要求やパーソナライズ化要求などを受け付ける。広告提供要求は、上述したように、広告主Ｏの情報や広告に関する情報などが含まれる。

【0133】

また、受付部３１は、広告主Ｏの端末装置３から情報処理装置１に送信されるパーソナライズ化要求などを受け付ける。パーソナライズ化要求は、広告情報のパーソナライズ化の要求である。広告情報のパーソナライズ化は、例えば、広告の配信先となるユーザＵに応じてカスタマイズすることを指す。

【0134】

なお、パーソナライズ化要求またはパーソナライズ化要求に関する情報は、広告提供要求に含まれていてもよく、この場合、受付部３１は、広告提供要求を受け付けることによって、パーソナライズ化要求を受け付ける。

【0135】

また、受付部３１は、オンラインサイトを用いたオンラインサービスに投稿される情報である投稿情報を受け付ける。例えば、受付部３１は、提供部３４によってニュースサイトを用いてニュースコンテンツを提供するオンライサービスが提供される場合、かかるニュースコンテンツに対する投稿の情報である投稿情報を受け付ける。

【0136】

〔３．３．３．判定部３２〕
判定部３２は、種々の判定を行う。例えば、判定部３２は、取得部３０によって取得された複数の投稿情報に基づいて、注目度が高い事象である注目事象を判定する。

【0137】

判定部３２は、例えば、取得部３０によって取得された複数の投稿情報に含まれるテキストに対して形態素解析を行って複数の単語を抽出し、抽出した複数の単語から複数の文字列を抽出する。判定部３２によって抽出される各文字列は、例えば、キーワードやフレーズを含み、以下において、対象文字列と記載する場合がある。

【0138】

【0139】

また、判定部３２は、例えば、抽出対象となる複数の文字列を規定した文字列抽出辞書を有し、かかる文字列抽出辞書を用いて複数の投稿情報に含まれるテキストから複数の対象文字列を抽出することもできる。

【0140】

また、判定部３２は、言語モデルを用いて、複数の投稿情報から複数の対象文字列を抽出することもできる。言語モデルは、例えば、抽出対象の文字列および非抽出対象となる文字列の各々と抽出対象であるか否かを示す情報とを含む学習用情報を用いて生成されたモデルである。判定部３２は、投稿情報と投稿情報からフレーズを抽出させるための情報とを含む情報を入力情報として言語モデルに入力し、入力した言語モデルから出力されるフレーズを対象文字列として抽出する。

【0141】

言語モデルは、例えば、入力されたトークン列から次のトークンを推定して出力するように学習されたトランスフォーマなどのモデルである。かかる言語モデルは、記憶部１１または外部の情報提供装置にあり、情報処理装置１の運営者によって独自に作成されたものである。なお、入力された情報は、新たな回答として利用されないような学習を行うことで、入力された個人情報などの情報を秘匿するものが望ましい。

【0142】

また、判定部３２は、例えば、取得部３０によって取得された投稿情報がソーシャルメディアに投稿された情報であり、投稿情報にハッシュタグが付された文字列がある場合に、かかるハッシュタグが付された文字列を対象文字列として抽出することもできる。

【0143】

また、判定部３２は、例えば、ネガティブな文字列およびポジティブな文字列を含むネガポジ文字列辞書を有する構成であってもよく、かかるネガポジ文字列辞書によって、投稿情報に含まれる文字列として上述方法などで抽出した文字列のうちネガティブな文字列およびポジティブな文字列の一方を対象文字列として抽出することもできる。

【0144】

例えば、判定部３２は、投稿情報に含まれる文字列として上述方法などで抽出した文字列のうちネガティブな文字列以外の文字列を対象文字列として抽出したり、投稿情報に含まれる文字列として上述方法などで抽出した文字列のうちポジティブな文字列を対象文字列として抽出したりする。

【0145】

判定部３２は、抽出した各対象文字列の数を予め定められた単位期間（例えば、１時間、３時間、１日など）毎に算出し、例えば、投稿数が閾値以上であって且つ投稿数の上昇率が閾値以上の対象文字列で示される事象を注目事象として判定する。

【0146】

判定部３２は、例えば、投稿数が閾値以上であって且つ投稿数の上昇率が閾値以上の対象文字列で示される事象を注目事象として判定する。また、判定部３２は、単位期間毎の投稿数を示す情報を入力し、注目事象であるか否かを示す情報を出力する判定モデルを用いて、注目事象を判定することもできる。上述した判定モデルは、例えば、線形回帰モデル、ＧＢＤＴ、またはＬＳＴＭやＧＲＵなどのＲＮＮなどの機械学習モデルである。

【0147】

また、判定部３２は、例えば、投稿情報がソーシャルメディアに対する投稿の情報である場合、シェアやリツイートの数などを投稿数に重み付け加算して得られる数を補正投稿数とし、補正投稿数が閾値以上であって且つ補正投稿数の上昇率が閾値以上の対象文字列で示される事象を注目事象として判定することもできる。

【0148】

判定部３２は、上述した方法によって顕在化した注目事象を判定することができるが、顕在化されていない潜在的な注目事象を判定することもできる。例えば、判定部３２は、顕在化された注目事象において顕在化される前の投稿数や補正投稿数の変化パターンとの一致度が閾値以上である対象文字列で示される事象を注目事象として判定する。なお、投稿数や補正投稿数を用いた注目事象の判定は上述した例に限定されない。

【0149】

また、例えば、判定部３２は、単位期間毎の投稿数を示す情報を入力し、潜在的な注目事象であるか否かを示す情報を出力する判定モデルを用いて、潜在的な注目事象を判定することもできる。かかる判定モデルは、例えば、機械学習モデルであり、単位期間毎の投稿数と潜在的な注目事象であるか否かを示す情報とを含む学習用情報を用いて生成される。

【0150】

また、判定部３２は、注目事象が発生したか否かを判定することができる。例えば、判定部３２は、対象文字列で示される事象が非注目事象から注目対象事象になったか否かを判定する。

【0151】

例えば、判定部３２は、投稿数や補正投稿数が閾値以上であって且つ投稿数や補正投稿数の上昇率が閾値未満から閾値以上になった場合、判定モデルでの出力が注目事象ではないことを示す情報から注目事象であることを示す情報に切り替わった場合などに、注目事象が発生したと判定する。

【0152】

また、判定部３２は、広告の対象となる商品やサービスのカテゴリ毎に注目事象を判定することもできる。カテゴリは、広告の対象となる商品がメンズスニーカである場合、メンズスニーカ、スニーカ、または靴などであり、カテゴリは、広告の対象となる商品がビールである場合、ビール、ビール類、またはアルコール飲料などである。メンズスニーカやビールは、下位カテゴリであり、スニーカやビール類は、中位カテゴリであり、靴やアルコール飲料は、上位カテゴリである。

【0153】

また、判定部３２、広告の対象となる商品やサービスのカテゴリと広告のターゲット層に対応する投稿者の層との組み合わせ毎に注目事象を判定することもできる。また、判定部３２は、広告の対象となる商品やサービスの形態（例えば、色や形）毎に注目事象を判定することもできる。

【0154】

また、判定部３２は、取得部３０によって取得された複数の投稿情報に基づいて、注目度が高いカテゴリを注目事象として判定することもできる。判定部３２は、例えば、対象文字列の場合と同様の処理によって、注目度が高いカテゴリを注目事象として判定する。例えば、判定部３２は、投稿数が閾値以上であって且つ投稿数の上昇率が閾値以上のカテゴリや補正投稿数が閾値以上であって且つ補正投稿数の上昇率が閾値以上のカテゴリを注目度が高いカテゴリを注目事象として判定する。

【0155】

また、判定部３２は、広告情報による広告の対象である広告対象と注目事象とが予め定められた関係を有するか否かを判定することもできる。予め定められた関係は、例えば、広告対象の広告や広告対象のカテゴリで過去に使用された広告テキストや広告画像ではないという条件である。この場合、判定部３２は、例えば、広告対象の広告や広告対象のカテゴリで過去に使用された広告情報を含む広告履歴に基づいて、広告対象と注目事象とが予め定められた関係を有するか否かを判定する。

【0156】

また、予め定められた関係は、広告対象のカテゴリ毎のＮＧワードやＮＧ画像が含まれていないという条件である。この場合、判定部３２は、例えば、広告対象のカテゴリ毎のＮＧワードやＮＧ画像を含むＮＧ情報に基づいて、広告対象と注目事象とが予め定められた関係を有するか否かを判定する。

【0157】

また、予め定められた関係は、広告対象と注目事象との親和性が予め定められた閾値以上であるという条件である。判定部３２は、広告対象の情報と注目事象を示す情報とを含む情報を入力情報とし、広告対象と注目事象との親和性を示す情報を出力する言語モデルを用いて、広告対象と注目事象との親和性が予め定められた閾値以上であるか否かを判定する。入力情報には、例えば、文字列「以下の広告対象と注目事象との親和性を度合いで示すとどのような値になる？」の情報などを含む。言語モデルは、例えば、上述したアテネーションモデルやトランスファーモデルなどである。

【0158】

〔３．３．４．生成部３３〕
生成部３３は、種々の情報を生成する。例えば、生成部３３は、入力された情報に応じた情報を生成して出力する生成ＡＩまたはＡＩエージェントに広告情報のうちの少なくとも一部を生成させる。

【0159】

生成部３３は、例えば、判定部３２によって判定された注目事象を示す情報と、かかる注目事象に基づいた広告情報を出力させるための指示を示す情報とを含む入力情報を生成ＡＩまたはＡＩエージェントに入力し、生成ＡＩまたはＡＩエージェントに広告情報を生成させる。

【0160】

生成部３３によって生成される広告情報のうちの少なくとも一部は、例えば、広告テキストおよび広告画像のうちの１以上の情報である。広告テキストは、文字列で示される情報であり、フォント、色、文字サイズなどの情報を含む。広告画像は、静止画像、動画像、およびアニメーションのうちの１以上で示される情報である。

【0161】

【0162】

トランスファーモデルは、例えば、ＧＰＴやＢＥＲＴなどであるが、かかる例に限定されない。なお、入力された情報は、新たな回答として利用されないような学習を行うことで、入力された個人情報などの情報を秘匿するものが望ましい。また、生成ＡＩは、広告情報を生成するために専用に学習（例えば、ファインチューニング）されたものであってもよい。

【0163】

画像生成ＡＩは、テキストから画像を生成する生成ＡＩであり、例えば、ＳｔａｃｋＧＡＮ、ＡｔｔｎＧＡＮ、Ｔ２ＩｗｉｔｈＴｒａｎｓｆｏｒｍｅｒｓ、ＤＡＬＬ－Ｅなどであるが、かかる例に限定されない。

【0164】

マルチモーダル生成ＡＩは、例えば、テキストから画像を生成したり、画像からテキストを生成したりする生成ＡＩであり、例えば、ＧＰＴ－４やＣＭ３Ｌｅｏｎなどであるが、かかる例に限定されない。

【0165】

【0166】

【0167】

生成部３３は、例えば、生成ＡＩを提供する事業者が提供するＡＰＩを使用して生成ＡＩに入力情報を入力し生成ＡＩが生成した情報を取得するが、情報処理装置１または生成部３３に生成ＡＩが含まれる構成であってもよい。また、生成部３３は、ＡＩエージェントを有する構成であるが、ＡＩエージェントを提供する事業者が提供するＡＰＩを使用してＡＩエージェントを利用する構成であってもよい。

【0168】

まず、生成ＡＩによる広告情報のうちの少なくとも一部の生成について説明する。判定部３２によって判定された注目事象を示す情報が「ＸＸＸＸＸ」（「ＸＸＸＸＸ」は注目事象を示す文字列）であるとする。

【0169】

この場合、生成部３３は、広告提供要求において情報種別として広告テキストが特定されていれば、生成ＡＩに対して、文字列「『ＸＸＸＸＸ』の一部を用いた広告テキストを作成して下さい。」の情報を含む情報を入力情報として入力する。かかる生成ＡＩに入力される入力情報は、自然言語による指示情報であり、プロンプトとも呼ばれる。

【0170】

これにより、生成部３３は、生成ＡＩから出力される広告テキストを広告情報のうちの少なくとも一部として取得することができる。文字列「の一部を用いた広告テキストを作成して下さい。」の情報は、注目事象に基づいた広告情報を出力させるための指示を示す情報の一例である。

【0171】

また、生成部３３は、文字列「『ＸＸＸＸＸ』の一部を用いた広告テキストを作成して下さい。」の情報に代えて、文字列「『ＸＸＸＸＸ』をもじった広告テキストを作成して下さい。」の情報や文字列「『ＸＸＸＸＸ』を暗示的に用いた広告テキストを作成して下さい。」の情報などを用いることもできる。

【0172】

【0173】

また、生成部３３は、例えば、入力情報と出力情報との例示を示す情報を１以上含む情報をさらに含む入力情報を生成ＡＩに入力させることもできる。これにより、生成ＡＩに簡易的な学習をさせた上で、広告情報のうちの少なくとも一部を生成させることができる。

【0174】

【0175】

また、生成部３３は、例えば、文字列「わたしはあなたが入力した情報の一部を用いてあなたが入力した情報に沿った適切な広告テキストを生成します。」の情報を生成ＡＩの役割を示す情報として含む情報と文字列「ＸＸＸＸＸ」の情報とを含む入力情報を生成ＡＩに入力することもできる。

【0176】

また、生成部３３は、広告提供要求において情報種別として広告テキストと広告画像が特定されていれば、例えば、上述した入力情報において、文字列「広告テキストを作成して下さい。」の情報に代えて文字列「広告テキストと広告画像とを含む広告情報を作成して下さい。」の情報などを含める。

【0177】

また、生成部３３は、広告提供要求において情報種別として広告画像が特定されていれば、例えば、生成ＡＩに対して、上述した入力情報において、文字列「広告テキストを作成して下さい。」の情報に代えて文字列「広告画像を作成して下さい。」の情報などを含める。

【0178】

また、生成部３３は、広告提供要求で特定される商品またはサービスの情報をさらに含む入力情報を生成ＡＩに入力することもできる。商品またはサービスの情報は、例えば、商品またはサービスの名称を示す情報、商品またはサービスのカテゴリを示す情報などである。

【0179】

例えば、商品またはサービスの名称またはカテゴリが文字列「ＹＹＹＹＹ」で示されるとする。この場合、生成部３３は、生成ＡＩに対して、例えば、文字列「『ＹＹＹＹＹ』についての適切な広告テキストであって『ＸＸＸＸＸ』の一部を用いた広告テキストを作成して下さい。」の情報を含む情報を入力情報として入力する。これにより、生成部３３は、商品またはサービスに沿った広告テキストを生成ＡＩに生成させることができる。

【0180】

また、生成部３３は、広告提供要求で特定されるターゲット層の情報をさらに含む入力情報を生成ＡＩに入力することもできる。例えば、広告提供要求で特定されるターゲット層が３０代男性であるとする。

【0181】

この場合、生成部３３は、生成ＡＩに対して、例えば、文字列「３０代男性を広告のターゲット層とする広告テキストであって『ＸＸＸＸＸ』の一部を用いた広告テキストを作成して下さい。」の情報を含む情報を入力情報として入力する。これにより、生成部３３は、ターゲット層に応じた広告テキストを生成ＡＩに生成させることができる。

【0182】

また、生成部３３は、広告提供要求に広告テキストおよび広告画像のうちの１以上の情報が含まれている場合、かかる情報をさらに含む入力情報を生成ＡＩに入力することもできる。この場合、例えば、生成部３３は、生成ＡＩに対して、文字列「以下の広告テキストの一部または全部を『ＸＸＸＸＸ』の一部を用いた広告テキストに変更して下さい。」の情報と広告提供要求で特定される広告テキストとを含む情報を入力情報として入力する。これにより、生成部３３は、広告提供要求で特定される広告テキストを参考に広告テキストを生成ＡＩに生成させることができる。

【0183】

また、生成部３３は、パーソナライズ化要求を受け付けた場合、広告情報の提供先となるユーザＵの情報であるユーザ情報をさらに含む入力情報を生成ＡＩに入力することもできる。ユーザ情報は、例えば、ユーザＵの属性情報および履歴情報のうちの少なくとも１つ以上を含む。ユーザＵの属性情報は、ユーザＵの属性を示す情報である。

【0184】

【0185】

この場合、生成部３３は、生成ＡＩに対して、例えば、文字列「以下のユーザ情報を有するユーザをターゲットとする広告テキストであって『ＸＸＸＸＸ』の一部を用いた広告テキストを作成して下さい。」の情報とユーザ情報とを含む情報を入力情報として入力する。これにより、生成部３３は、ユーザＵに応じた広告テキストを生成ＡＩに生成させることができる。

【0186】

また、生成部３３は、注目事象に基づいた広告情報のうちの少なくとも一部を出力させるための情報として広告テキストの文字数を規定する情報を含む情報を入力情報として生成ＡＩに広告情報のうちの少なくとも一部を生成させることもできる。例えば、生成部３３は、文字列「広告テキストの文字数は、１０～１５文字の範囲内として下さい。」の情報をさらに含む入力情報を生成ＡＩに入力する。これにより、生成部３３は、広告テキストの文字数が長くなりすぎたり短くなりすぎたりすることを避けることができる。

【0187】

生成部３３は、例えば、判定部３２によって注目事象が発生したと判定されたときに、生成ＡＩに広告情報のうちの少なくとも一部を生成させることもできる。これにより、生成部３３は、注目事象を適切にキャッチアップして生成ＡＩに広告情報のうちの少なくとも一部を生成させることができる。

【0188】

次に、ＡＩエージェントによる広告情報のうちの少なくとも一部の生成について説明する。生成部３３は、例えば、広告提供要求において情報種別として広告テキストが特定されていれば、ＡＩエージェントに対して、文字列「『ＸＸＸＸＸ』の一部を用いた広告効果が高い広告テキストであって他社の広告テキストと重複しない広告テキストを作成して下さい。」の情報を含む情報を入力情報として入力する。

【0189】

【0190】

ＡＩエージェントは、例えば、入力情報に応じたタスクを生成ＡＩに生成させる機能、生成ＡＩの要求に応じて記憶部１１または外部の情報提供装置などから収集する機能、および収集した情報を生成ＡＩに分析させる機能などを有している。

【0191】

例えば、ＡＩエージェントは、入力情報に応じたタスクを生成ＡＩに生成させ、かかるタスクを実行するために必要な情報を生成ＡＩの要求に応じて記憶部１１または外部の情報提供装置などから収集し、収集した情報を生成ＡＩに分析させることによってタスクを実行させる。

【0192】

【0193】

【0194】

【0195】

【0196】

例えば、生成部３３は、広告提供要求において情報種別として広告テキストが特定されていれば、ＡＩエージェントに対して、文字列「以下の広告テキストの一部または全部を『ＸＸＸＸＸ』の一部を用いた広告効果が高い広告テキストであって他社の広告テキストと重複しない広告テキストに変更して下さい。」の情報を含む情報を入力情報として入力する。これにより、生成部３３は、広告提供要求で特定される広告テキストを参考に広告テキストをＡＩエージェントに生成させることができる。

【0197】

【0198】

また、生成部３３は、ターゲット層を示す広告情報である旨を示す情報をさらに含む入力情報をＡＩエージェントに入力することもできる。この場合、ＡＩエージェントは、広告提供要求で特定されるターゲット層に配信された過去の広告情報のうち広告効果が高かった広告情報のうちの少なくとも一部を収集し、収集した情報をさらに含む入力情報を生成ＡＩに入力する。

【0199】

また、生成部３３は、パーソナライズ化要求を受け付けた場合、広告情報の提供先となるユーザＵの情報であるユーザ情報をさらに含む入力情報をＡＩエージェントに入力することもできる。この場合、ＡＩエージェントは、広告提供要求で特定されるユーザ情報を有するユーザＵに配信された過去の広告情報のうち広告効果があった広告情報のうちの少なくとも一部を収集し、収集した情報をさらに含む入力情報を生成ＡＩに入力する。

【0200】

ＡＩエージェントは、例えば、広告提供要求で特定されるユーザ情報を有するユーザＵに対して広告効果があった広告情報を参考にして注目事象に応じた広告テキストや広告画像などを出力させる指示を含む情報を入力情報として生成ＡＩに広告情報のうちの少なくとも一部を生成させる。これにより、生成部３３は、ユーザＵに応じた広告テキストをＡＩエージェントに生成させることができる。

【0201】

また、生成部３３は、注目事象に基づいた広告情報のうちの少なくとも一部を出力させるための情報として広告テキストの文字数を規定する情報を含む情報を入力情報としてＡＩエージェントに広告情報のうちの少なくとも一部を生成させることもできる。例えば、生成部３３は、文字列「広告テキストの文字数は、１０～１５文字の範囲内として下さい。」の情報をさらに含む入力情報をＡＩエージェントに入力する。これにより、生成部３３は、広告テキストの文字数が長くなりすぎたり短くなりすぎたりすることを避けることができる。

【0202】

生成部３３は、例えば、判定部３２によって注目事象が発生したと判定されたときに、ＡＩエージェントに広告情報のうちの少なくとも一部を生成させることもできる。これにより、生成部３３は、注目事象を適切にキャッチアップしてＡＩエージェントに広告情報のうちの少なくとも一部を生成させることができる。

【0203】

また、生成部３３は、判定部３２によって広告対象と注目事象とが予め定められた関係を有すると判定された場合に、生成ＡＩまたはＡＩエージェントに広告情報のうちの少なくとも一部を生成させることができる。

【0204】

生成部３３は、例えば、生成ＡＩまたはＡＩエージェントによって広告情報のうちの一部が生成された場合、生成ＡＩまたはＡＩエージェントによって生成された情報を広告提供要求に含まれる広告情報のうちの対応する情報と入れ替えることによって、広告情報を生成する。

【0205】

例えば、生成部３３は、生成ＡＩまたはＡＩエージェントによって広告情報のうちの広告テキストが生成された場合、生成ＡＩまたはＡＩエージェントによって生成された広告テキストを広告提供要求に含まれる広告情報に含まれる広告テキストと入れ替えることによって、広告情報を生成する。例えば、情報処理装置１は、生成ＡＩまたはＡＩエージェントによって生成された広告テキストを広告提供要求に含まれる広告情報のうちの広告画像に重畳することによって、広告情報を生成する。

【0206】

例えば、生成部３３は、生成ＡＩまたはＡＩエージェントによって広告情報のうちの広告画像が生成された場合、生成ＡＩまたはＡＩエージェントによって生成された広告画像を広告提供要求に含まれる広告情報に含まれる広告画像と入れ替えることによって、広告情報を生成する。例えば、生成部３３は、広告提供要求に含まれる広告情報のうちの広告テキストを生成ＡＩまたはＡＩエージェントによって生成された広告画像に重畳することによって、広告情報を生成する。

【0207】

また、生成部３３は、生成ＡＩまたはＡＩエージェントによって広告テキストや広告画像が再度生成された場合、生成ＡＩまたはＡＩエージェントによって今回生成された広告テキストや広告画像を生成ＡＩまたはＡＩエージェントによって前回生成された広告テキストや広告画像と入れ替えることによって、広告情報を生成する。

【0208】

〔３．３．５．提供部３４〕
提供部３４は、通信部１０を介して種々の情報を提供する。提供部３４は、例えば、端末装置２または端末装置３に対し通信部１０を介して種々の情報を提供する。

【0209】

例えば、提供部３４は、オンラインサイトなどを用いてオンラインサービスを端末装置２のユーザＵに提供する。例えば、提供部３４は、ニュースサイトを用いたニュースコンテンツをユーザＵの端末装置２に送信することで、ニュースコンテンツをユーザＵに提供する。

【0210】

また、提供部３４は、生成部３３において生成ＡＩまたはＡＩエージェントによって少なくとも一部が生成された広告情報を広告提供先となるユーザＵに提供する。例えば、提供部３４は、生成部３３において生成ＡＩまたはＡＩエージェントによって少なくとも一部が生成された広告情報を広告提供先となるユーザＵの端末装置２に送信することによって、生成ＡＩまたはＡＩエージェントによって少なくとも一部が生成された広告情報をユーザＵに提供する。

【0211】

【0212】

提供部３４は、生成ＡＩまたはＡＩエージェントによって少なくとも一部が生成された広告情報を提供する端末装置２に送信することで、生成ＡＩまたはＡＩエージェントによって少なくとも一部が生成された広告情報をユーザＵに提供する。

【0213】

例えば、提供部３４は、ＬＩＮＥ（登録商標）アプリなどのチャットアプリの画面を用いてユーザＵに対して広告情報を提供する。例えば、端末装置２にはチャットが可能なアプリケーション（以下、端末アプリと記載する）がインストールされており、端末アプリは、チャットアプリを起動して、かかるチャットアプリの画面に広告情報を表示させることができる。なお、端末アプリは、チャットアプリであってもよく、チャットアプリを有する構成であってもよい。

【0214】

図７は、実施形態に係る端末装置２に表示される広告情報を含むチャット画面の一例を示す図であり、チャットアプリの画面の一例である。図７に示すチャット画面５０には、広告情報５１が含まれる。

【0215】

図７に示す広告情報５１は、広告テキスト５１ａと、広告画像５１ｂとを含む。広告テキスト５１ａは、文字列「１ミリは乾杯やろ」の情報であり、例えば、注目事象を示す文字列「奇跡の１ミリ」の情報の一部である文字列「１ミリ」の情報を含む。また、広告テキスト５１ａは、広告対象であるビールに関する情報である文字列「乾杯」の情報を含む。このように、提供部３４は、注目度が高い事象である注目事象を広告情報により精度よく適用することができる。

【0216】

また、提供部３４は、ポータルサイトの画面を用いてユーザＵに対して広告情報を提供する。例えば、端末装置２にはポータルサイトの画面を表示が可能なアプリケーションである端末アプリがインストールされており、端末アプリは、ポータルサイトのホーム画面に広告情報を表示させることができる。

【0217】

図８は、実施形態に係る端末装置２に表示される広告情報を含むホーム画面の一例を示す図である。図８に示すホーム画面６０には、検索枠６１と、検索ボタン６２と、広告情報６３と、ボタン列６４，６５，６７と、ニュースコンテンツ群６６とが含まれる。

【0218】

図８に示す広告情報６３は、広告テキスト６３ａと、広告画像６３ｂとを含む。広告テキスト６３ａは、文字列「１ミリの奇跡に、乾杯」の情報であり、例えば、注目事象を示す文字列「奇跡の１ミリ」の情報の一部である「１ミリ」および「奇跡」を含む。また、広告テキスト５１ａは、広告対象であるビールに関する情報である文字列「乾杯」の情報を含む。このように、提供部３４は、注目度が高い事象である注目事象を広告情報により精度よく適用することができる。

【0219】

〔４．処理手順〕
次に、実施形態に係る情報処理装置１の処理部１２によ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１の処理部１２による情報処理の一例を示すフローチャートである。

【0220】

図９に示すように、情報処理装置１の処理部１２は、端末装置３から送信される広告提供要求を受け付けたか否かを判定する（ステップＳ１０）。処理部１２は、広告提供要求を受け付けたと判定した場合（ステップＳ１０：Ｙｅｓ）、広告提供要求に含まれる情報を記憶する（ステップＳ１１）。

【0221】

処理部１２は、ステップＳ１１の処理が終了した場合、または広告提供要求を受け付けていないと判定した場合（ステップＳ１０：Ｎｏ）、更新契機になったか否かを判定する（ステップＳ１２）。更新契機は、例えば、予め定められた周期で到来するタイミング、広告主Ｏの端末装置３から送信された更新要求が受け付けられたタイミング、または情報処理装置１の運営者が設定したタイミングなどである。

【0222】

処理部１２は、更新契機になったと判定した場合（ステップＳ１２：Ｙｅｓ）、複数の高校情報を記憶部１１または外部の情報提供装置などから取得する（ステップＳ１３）。処理部１２は、ステップＳ１３で取得した複数の投稿情報に基づいて、注目度が高い事象である注目事象を判定する（ステップＳ１４）。処理部１２は、生成ＡＩまたはＡＩエージェントを用いて広告情報のうちの少なくとも一部を生成する（ステップＳ１５）。

【0223】

処理部１２は、ステップＳ１５の処理が終了した場合、または更新契機になっていないと判定した場合（ステップＳ１２：Ｎｏ）、提供契機になったか否かを判定する（ステップＳ１６）。提供契機は、端末装置２から送信される広告要求を受け付けたタイミング、予め定められた周期で到来するタイミング、または情報処理装置１の運営者が設定したタイミングなどである。

【0224】

処理部１２は、更新契機になったと判定した場合（ステップＳ１６：Ｙｅｓ）、生成ＡＩまたはＡＩエージェントによって少なくとも一部が生成された広告情報を端末装置２に送信してユーザＵに広告情報を提供する（ステップＳ１７）。

【0225】

処理部１２は、ステップＳ１７の処理が終了した場合、または更新契機になっていないと判定した場合（ステップＳ１６：Ｎｏ）、動作終了タイミングになったか否かを判定する（ステップＳ１８）。処理部１２は、例えば、情報処理装置１の電源がオフにされた場合などに動作終了タイミングになったと判定する。

【0226】

処理部１２は、動作終了タイミングになっていないと判定した場合（ステップＳ１８：Ｎｏ）、処理をステップＳ１０へ移行し、動作終了タイミングになったと判定した場合（ステップＳ１８：Ｙｅｓ）、図９に示す処理を終了する。

【0227】

〔５．変形例〕
上述した情報処理装置１の処理の一部または全部は端末装置２で行われてもよい。この場合、端末装置２は、取得部３０、受付部３１、判定部３２、生成部３３、および提供部３４の一部または全部の機能を有する。この場合、情報処理装置１と端末装置２とによって情報処理装置として機能したり、情報処理装置１に代えて端末装置２が情報処理装置として機能したりする。

【0228】

〔６．ハードウェア構成〕
上述してきた実施形態に係る情報処理装置１は、例えば図１０に示すような構成のコンピュータ２００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１の機能を実現するコンピュータ２００の一例を示すハードウェア構成図である。コンピュータ２００は、ＣＰＵ２０１、ＲＡＭ２０２、ＲＯＭ（Read Only Memory）２０３、ＨＤＤ（Hard Disk Drive）２０４、通信インターフェイス（Ｉ／Ｆ）２０５、入出力インターフェイス（Ｉ／Ｆ）２０６、およびメディアインターフェイス（Ｉ／Ｆ）２０７を有する。

【0229】

ＣＰＵ２０１は、ＲＯＭ２０３またはＨＤＤ２０４に記憶されたプログラムに基づいて動作し、各部の制御を行う。ＲＯＭ２０３は、コンピュータ２００の起動時にＣＰＵ２０１によって実行されるブートプログラム、およびコンピュータ２００のハードウェアに依存するプログラムなどを記憶する。

【0230】

ＨＤＤ２０４は、ＣＰＵ２０１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などを記憶する。通信インターフェイス２０５は、ネットワークＮ（図２参照）を介して他の機器からデータを受信してＣＰＵ２０１へ送り、ＣＰＵ２０１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。

【0231】

ＣＰＵ２０１は、入出力インターフェイス２０６を介して、ディスプレイおよびプリンタなどの出力装置、および、キーボードまたはマウスなどの入力装置を制御する。ＣＰＵ２０１は、入出力インターフェイス２０６を介して、入力装置からデータを取得する。また、ＣＰＵ２０１は、入出力インターフェイス２０６を介して生成したデータを出力装置へ出力する。

【0232】

メディアインターフェイス２０７は、記録媒体２０８に記憶されたプログラムまたはデータを読み取り、ＲＡＭ２０２を介してＣＰＵ２０１に提供する。ＣＰＵ２０１は、かかるプログラムを、メディアインターフェイス２０７を介して記録媒体２０８からＲＡＭ２０２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２０８は、例えばＤＶＤ（Digital Versatile Disc）、ＰＤ（Phase change rewritable Disk）などの光学記録媒体、ＭＯ（Magneto-Optical disk）などの光磁気記録媒体、テープ媒体、磁気記録媒体、または半導体メモリなどである。

【0233】

例えば、コンピュータ２００が実施形態に係る情報処理装置１として機能する場合、コンピュータ２００のＣＰＵ２０１は、ＲＡＭ２０２上にロードされたプログラムを実行することにより、処理部１２の機能を実現する。また、ＨＤＤ２０４には、記憶部１１内のデータが記憶される。コンピュータ２００のＣＰＵ２０１は、これらのプログラムを記録媒体２０８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。

【0234】

〔７．その他〕
また、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。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。

【0235】

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。

【0236】

例えば、上述した情報処理装置１は、端末装置とサーバコンピュータとで実現してもよく、複数のサーバコンピュータで実現してもよく、また、機能によっては外部のプラットホームなどをＡＰＩやネットワークコンピューティングなどで呼び出して実現するなど、構成は柔軟に変更できる。

【0237】

また、上述してきた実施形態および変形例は、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。

【0238】

〔８．効果〕
上述してきたように、実施形態に係る情報処理装置１は、取得部３０と、判定部３２と、生成部３３と、提供部３４とを含む。取得部３０は、投稿情報を取得する。判定部３２は、取得部３０によって取得された投稿情報に基づいて、注目度が高い事象である注目事象を判定する。生成部３３は、入力された情報に応じた情報を生成して出力する生成ＡＩまたはＡＩエージェントに対し、判定部３２によって判定された注目事象を示す情報と、注目事象に基づいた広告情報のうちの少なくとも一部を出力させるための指示を示す情報とを含む入力情報を入力し、生成ＡＩまたはＡＩエージェントに広告情報のうちの少なくとも一部を生成させる。提供部３４は、生成ＡＩまたはＡＩエージェントによって少なくとも一部が生成された広告情報を提供する。これにより、情報処理装置１は、注目度が高い事象である注目事象を広告情報により精度よく適用することができる。

【0239】

生成部３３は、広告テキストを広告情報のうちの少なくとも一部として生成ＡＩまたはＡＩエージェントに生成させる。

【0240】

生成部３３は、広告テキストが重畳される広告画像をさらに含む情報を広告情報のうちの少なくとも一部として生成ＡＩまたはＡＩエージェントに生成させる。

【0241】

判定部３２は、注目事象が発生したか否かを判定し、生成部３３は、判定部３２によって注目事象が発生したと判定されたときに、生成ＡＩまたはＡＩエージェントに広告情報のうちの少なくとも一部を生成させる。

【0242】

生成部３３は、広告情報の提供先となるユーザＵの情報をさらに含む情報を入力情報として、生成ＡＩまたはＡＩエージェントに広告情報のうちの少なくとも一部を生成させる。

【0243】

生成部３３は、広告情報のターゲット層の情報をさらに含む情報を入力情報として、生成ＡＩまたはＡＩエージェントに広告情報のうちの少なくとも一部を生成させる。

【0244】

判定部３２は、広告情報による広告の対象である広告対象と判定部３２によって判定された注目事象とが予め定められた関係を有するか否かを判定し、生成部３３は、判定部３２によって広告対象と注目事象とが予め定められた関係を有すると判定された場合に、生成ＡＩまたはＡＩエージェントに広告情報のうちの少なくとも一部を生成させる。

【0245】

取得部３０は、ソーシャルメディアおよびニュースサイトのうちの少なくとも一方に投稿された情報を投稿情報として取得する。

【0246】

判定部３２は、取得部３０によって取得された投稿情報に基づいて、注目度が高いカテゴリを注目事象として判定する。

【0247】

生成部３３は、注目事象に基づいた広告情報のうちの少なくとも一部を出力させるための情報として広告テキストの文字数を規定する情報を含む情報を入力情報として、生成ＡＩまたはＡＩエージェントに広告情報のうちの少なくとも一部を生成させる。

【0248】

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。

【0249】

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】

【0250】

１情報処理装置
２，３端末装置
１０通信部
１１記憶部
１２処理部
２０ユーザ情報記憶部
２１広告情報記憶部
２２広告配信履歴記憶部
２３投稿情報記憶部
３０取得部
３１受付部
３２判定部
３３生成部
３４提供部
１００情報処理システム
Ｎネットワーク

【要約】

【課題】注目度が高い事象を広告情報により精度よく適用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。
【解決手段】本願に係る情報処理装置は、取得部と、判定部と、生成部と、提供部とを含む。取得部は、投稿情報を取得する。判定部は、取得部によって取得された投稿情報に基づいて、注目度が高い事象である注目事象を判定する。生成部は、入力された情報に応じた情報を生成して出力する生成ＡＩまたはＡＩエージェントに対し、判定部によって判定された注目事象を示す情報と、注目事象に基づいた広告情報のうちの少なくとも一部を出力させるための指示を示す情報とを含む入力情報を入力し、生成ＡＩまたはＡＩエージェントに広告情報のうちの少なくとも一部を生成させる。提供部は、生成ＡＩまたはＡＩエージェントによって少なくとも一部が生成された広告情報を提供する。
【選択図】図３