特許 7543586 情報処理装置、情報処理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(B1)

(11)【特許番号】

(24)【登録日】2024-08-23

(45)【発行日】2024-09-02

(54)【発明の名称】情報処理装置、情報処理方法及びプログラム

(51)【国際特許分類】

   G06Q 50/00 20240101AFI20240826BHJP

   G06Q 30/0251 20230101ALI20240826BHJP

【ＦＩ】

G06Q50/00 300

G06Q30/0251

【請求項の数】 11

(21)【出願番号】P 2024053269

(22)【出願日】2024-03-28

【審査請求日】2024-03-28

【早期審査対象出願】

(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】110004222

【氏名又は名称】弁理士法人創光国際特許事務所

(72)【発明者】

【氏名】清水 徹

【審査官】星野 裕

(56)【参考文献】

【文献】特開２０２１－２２４０３（ＪＰ，Ａ）

【文献】特開２０２３－１７０９２４（ＪＰ，Ａ）

【文献】特開２０１８－４５２８８（ＪＰ，Ａ）

【文献】特開２０２１－１４４６４７（ＪＰ，Ａ）

【文献】特開２００１－２２９２８５（ＪＰ，Ａ）

(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】

（１）ユーザの行動を示す行動情報であって、所定のコミュニティに参加する複数のユーザそれぞれの行動情報を記憶するとともに、
（２）前記所定のコミュニティに参加する複数のユーザそれぞれの行動情報を学習した行動学習モデルであって、行動情報を入力とし、入力された行動情報が示すユーザの行動が当該コミュニティに所属するユーザの行動と推定される程度を示す推定値を出力するよう学習された行動学習モデルを記憶する記憶部と、
前記コミュニティに参加する第１のユーザの行動を示す行動情報を取得する取得部と、
前記第１のユーザの行動情報と、前記記憶部が記憶する前記複数のユーザそれぞれの行動情報と、の類似度を算出し、算出した各類似度に基づいて、前記第１のユーザの行動に類似する行動を示すユーザである第２のユーザを特定する特定部と、
前記第２のユーザの行動情報を前記行動学習モデルに入力し、推定値を出力させる評価部と、
前記評価部が出力させた推定値に基づいて、前記第１のユーザの情報端末に表示させるための前記第２のユーザの行動情報を抽出する抽出部と、
前記抽出部が抽出した行動情報を前記第１のユーザの情報端末に表示させるとともに、前記抽出部が抽出した行動情報が所定の商品に関する行動を示す場合、前記所定の商品に関する情報を閲覧するための情報を、前記抽出部が抽出した行動情報に関連付けて前記第１のユーザの情報端末にさらに表示させるよう制御する表示制御部と、
を有する情報処理装置。

【請求項2】

前記特定部は、前記第１のユーザの行動情報と、前記記憶部が記憶する複数のユーザの行動情報と、の類似度を算出し、前記第１のユーザの行動情報との類似度が所定の閾値以上である行動情報に対応するユーザを前記第２のユーザとして特定する、
請求項１に記載の情報処理装置。

【請求項3】

前記記憶部は、事前学習された汎用言語モデルである汎用学習モデルであって、行動情報を入力として、推定値を出力するよう構成された汎用学習モデルをさらに記憶し、
前記行動学習モデルは、前記汎用学習モデルを前記所定のコミュニティに参加する複数のユーザの行動情報に基づいてファインチューニングした学習済みモデルであり、
前記評価部は、前記行動情報を前記汎用学習モデルに入力し、推定値をさらに出力させ、
前記抽出部は、前記評価部が前記行動学習モデルに出力させた推定値と、前記評価部が前記汎用学習モデルに出力させた推定値と、に基づいて、前記第１のユーザの情報端末に表示させる行動情報を抽出する、
請求項１に記載の情報処理装置。

【請求項4】

前記抽出部は、前記評価部が前記行動学習モデルに出力させた推定値と、前記評価部が前記汎用学習モデルに出力させた推定値と、の大小関係が所定の条件を満たす行動情報を、前記第１のユーザの情報端末に表示させる行動情報を抽出する、
請求項３に記載の情報処理装置。

【請求項5】

前記抽出部は、前記第１のユーザの行動情報及び前記第２のユーザの行動情報それぞれをベクトルに変換し、前記第２のユーザの行動情報に対応するベクトルと、前記第１のユーザの行動情報に対応するベクトルと、の距離を算出し、算出した距離が所定の閾値以上の行動情報を、前記第１のユーザの情報端末に表示させる行動情報として抽出する、
請求項１に記載の情報処理装置。

【請求項6】

前記記憶部が記憶する、前記所定のコミュニティに参加する前記複数のユーザの行動情報に基づいて、前記コミュニティにおける前記複数のユーザそれぞれの活動量を算出する算出部をさらに有し、
前記特定部は、前記算出部が算出した活動量が所定の閾値以上であるユーザから前記第２のユーザを特定する、
請求項１に記載の情報処理装置。

【請求項7】

前記抽出部が抽出した行動情報が示す行動の内容に基づいて、前記第１のユーザの情報端末に表示する情報を決定する決定部をさらに有し、
前記表示制御部は、前記抽出部が抽出した行動情報を前記第１のユーザの情報端末に表示させるとともに、前記決定部が決定した情報を、前記抽出部が抽出した行動情報に関連付けて前記第１のユーザの情報端末に表示させるよう制御する、
請求項１に記載の情報処理装置。

【請求項8】

行動情報はコミュニティにおけるユーザの発言を示すテキストデータであり、
前記表示制御部は、前記抽出部が抽出した行動情報を前記第１のユーザの情報端末に表示させるとともに、前記抽出部が抽出した行動情報に所定の商品を示す文字列が含まれる場合、前記所定の商品に関する情報を閲覧するための情報を、前記抽出部が抽出した行動情報に関連付けて前記第１のユーザの情報端末に表示させるよう制御する、
請求項７に記載の情報処理装置。

【請求項9】

前記表示制御部が情報端末に表示させた前記所定の商品に関する情報を閲覧するための情報を介して前記第１のユーザが前記所定の商品を購入した場合に、前記特定部が特定した前記第２のユーザに所定の便益を付与する便益付与部をさらに有する、
請求項１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、
所定のコミュニティに参加する第１のユーザの行動を示す行動情報を取得する取得ステップと、
ユーザの行動を示す行動情報であって、所定のコミュニティに参加する複数のユーザそれぞれの行動情報を記憶する記憶部を参照し、前記第１のユーザの行動情報と、前記記憶部が記憶する前記複数のユーザそれぞれの行動情報と、の類似度を算出する算出ステップと、
算出ステップにおいて算出された各類似度に基づいて、前記第１のユーザの行動に類似する行動を示すユーザである第２のユーザを特定する特定ステップと、
（２）前記記憶部が記憶する、前記所定のコミュニティに参加する複数のユーザそれぞれの行動情報を学習した行動学習モデルであって、行動情報を入力とし、入力された行動情報が示すユーザの行動が当該コミュニティに所属するユーザの行動と推定される程度を示す推定値を出力するよう学習された行動学習モデルに前記第２のユーザの行動情報を入力し、推定値を出力させる評価ステップと、
前記評価ステップにおいて出力された推定値に基づいて、前記第１のユーザの情報端末に表示させるための前記第２のユーザの行動情報を抽出する抽出ステップと、
前記抽出ステップにおいて抽出された行動情報を前記第１のユーザの情報端末に表示させるとともに、前記抽出ステップにおいて抽出された行動情報が所定の商品に関する行動を示す場合、前記所定の商品に関する情報を閲覧するための情報を、前記抽出ステップにおいて抽出された行動情報に関連付けて前記第１のユーザの情報端末にさらに表示させる表示制御ステップと、
を有する情報処理方法。

【請求項11】

コンピュータに、
所定のコミュニティに参加する第１のユーザの行動を示す行動情報を取得する取得ステップと、
ユーザの行動を示す行動情報であって、所定のコミュニティに参加する複数のユーザそれぞれの行動情報を記憶する記憶部を参照し、前記第１のユーザの行動情報と、前記記憶部が記憶する前記複数のユーザそれぞれの行動情報と、の類似度を算出する算出ステップと、
算出ステップにおいて算出された各類似度に基づいて、前記第１のユーザの行動に類似する行動を示すユーザである第２のユーザを特定する特定ステップと、
（２）前記記憶部が記憶する、前記所定のコミュニティに参加する複数のユーザそれぞれの行動情報を学習した行動学習モデルであって、行動情報を入力とし、入力された行動情報が示すユーザの行動が当該コミュニティに所属するユーザの行動と推定される程度を示す推定値を出力するよう学習された行動学習モデルに前記第２のユーザの行動情報を入力し、推定値を出力させる評価ステップと、
前記評価ステップにおいて出力された推定値に基づいて、前記第１のユーザの情報端末に表示させるための前記第２のユーザの行動情報を抽出する抽出ステップと、
前記抽出ステップにおいて抽出された行動情報を前記第１のユーザの情報端末に表示させるとともに、前記抽出ステップにおいて抽出された行動情報が所定の商品に関する行動を示す場合、前記所定の商品に関する情報を閲覧するための情報を、前記抽出ステップにおいて抽出された行動情報に関連付けて前記第１のユーザの情報端末にさらに表示させる表示制御ステップと、
を実行させるプログラム。

【発明の詳細な説明】

【技術分野】

【0001】

本発明は、情報処理装置、情報処理方法及びプログラムに関する。

【背景技術】

【0002】

ソーシャルネットワーキングサービス（ＳＮＳ（Social Networking Service））において、広告を表示することが行われている。例えばユーザに広告を含めたＳＮＳ投稿を奨励するための広告システムが知られている（例えば、特許文献１を参照）。

【先行技術文献】

【特許文献】

【0003】

【文献】特開２０１８－１９５０２６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、従来技術においては広告主が定めた内容を含む投稿をユーザがした場合に付与されるため、このような投稿は閲覧者への訴求力が劣るという問題が生じていた。

【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、コミュニティサイトにおける広告の効果を向上させ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の態様の情報処理装置においては、（１）ユーザの行動を示す行動情報であって、所定のコミュニティに参加する複数のユーザそれぞれの行動情報を記憶するとともに、（２）前記所定のコミュニティに参加する複数のユーザそれぞれの行動情報を学習した行動学習モデルであって、行動情報を入力とし、入力された行動情報が示すユーザの行動が当該コミュニティに所属するユーザの行動と推定される程度を示す推定値を出力するよう学習された行動学習モデルを記憶する記憶部と、前記コミュニティに参加する第１のユーザの行動を示す行動情報を取得する取得部と、前記第１のユーザの行動情報と、前記記憶部が記憶する前記複数のユーザそれぞれの行動情報と、の類似度を算出し、算出した各類似度に基づいて、前記第１のユーザの行動に類似する行動を示すユーザである第２のユーザを特定する特定部と、前記第２のユーザの行動情報を前記行動学習モデルに入力し、推定値を出力させる評価部と、前記評価部が出力させた推定値に基づいて、前記第１のユーザの情報端末に表示させるための前記第２のユーザの行動情報を抽出する抽出部と、前記抽出部が抽出した行動情報を前記第１のユーザの情報端末に表示させるとともに、前記抽出部が抽出した行動情報が所定の商品に関する行動を示す場合、前記所定の商品に関する情報を閲覧するための情報を、前記抽出部が抽出した行動情報に関連付けて前記第１のユーザの情報端末にさらに表示させるよう制御する表示制御部と、を有する。

【0007】

前記特定部は、前記第１のユーザの行動情報と、前記記憶部が記憶する複数のユーザの行動情報と、の類似度を算出し、前記第１のユーザの行動情報との類似度が所定の閾値以上である行動情報に対応するユーザを前記第２のユーザとして特定してもよい。

【0008】

前記記憶部は、事前学習された汎用言語モデルである汎用学習モデルであって、行動情報を入力として、推定値を出力するよう構成された汎用学習モデルをさらに記憶し、前記行動学習モデルは、前記汎用学習モデルを前記所定のコミュニティに参加する複数のユーザの行動情報に基づいてファインチューニングした学習済みモデルであり、前記評価部は、前記行動情報を前記汎用学習モデルに入力し、推定値をさらに出力させ、前記抽出部は、前記評価部が前記行動学習モデルに出力させた推定値と、前記評価部が前記汎用学習モデルに出力させた推定値と、に基づいて、前記第１のユーザの情報端末に表示させる行動情報を抽出してもよい。

【0009】

前記抽出部は、前記評価部が前記行動学習モデルに出力させた推定値と、前記評価部が前記汎用学習モデルに出力させた推定値と、の大小関係が所定の条件を満たす行動情報を、前記第１のユーザの情報端末に表示させる行動情報を抽出してもよい。

【0010】

前記抽出部は、前記第１のユーザの行動情報及び前記第２のユーザの行動情報それぞれをベクトルに変換し、前記第２のユーザの行動情報に対応するベクトルと、前記第１のユーザの行動情報に対応するベクトルと、の距離を算出し、算出した距離が所定の閾値以上の行動情報を、前記第１のユーザの情報端末に表示させる行動情報として抽出してもよい。

【0011】

前記記憶部が記憶する、前記所定のコミュニティに参加する前記複数のユーザの行動情報に基づいて、前記コミュニティにおける前記複数のユーザそれぞれの活動量を算出する算出部をさらに有し、前記特定部は、前記算出部が算出した活動量が所定の閾値以上であるユーザから前記第２のユーザを特定してもよい。

【0012】

前記抽出部が抽出した行動情報が示す行動の内容に基づいて、前記第１のユーザの情報端末に表示する情報を決定する決定部をさらに有し、前記表示制御部は、前記抽出部が抽出した行動情報を前記第１のユーザの情報端末に表示させるとともに、前記決定部が決定した情報を、前記抽出部が抽出した行動情報に関連付けて前記第１のユーザの情報端末に表示させるよう制御してもよい。

【0013】

行動情報はコミュニティにおけるユーザの発言を示すテキストデータであり、前記表示制御部は、前記抽出部が抽出した行動情報を前記第１のユーザの情報端末に表示させるとともに、前記抽出部が抽出した行動情報に所定の商品を示す文字列が含まれる場合、前記所定の商品に関する情報を閲覧するための情報を、前記抽出部が抽出した行動情報に関連付けて前記第１のユーザの情報端末に表示させるよう制御してもよい。

【0014】

前記表示制御部が情報端末に表示させた前記所定の商品に関する情報を閲覧するための情報を介して前記第１のユーザが前記所定の商品を購入した場合に、前記特定部が特定した前記第２のユーザに所定の便益を付与する便益付与部をさらに有してもよい。

【0015】

本発明の第２の態様の情報処理方法においては、コンピュータが実行する、所定のコミュニティに参加する第１のユーザの行動を示す行動情報を取得する取得ステップと、ユーザの行動を示す行動情報であって、所定のコミュニティに参加する複数のユーザそれぞれの行動情報を記憶する記憶部を参照し、前記第１のユーザの行動情報と、前記記憶部が記憶する前記複数のユーザそれぞれの行動情報と、の類似度を算出する算出ステップと、算出ステップにおいて算出された各類似度に基づいて、前記第１のユーザの行動に類似する行動を示すユーザである第２のユーザを特定する特定ステップと、（２）前記記憶部が記憶する、前記所定のコミュニティに参加する複数のユーザそれぞれの行動情報を学習した行動学習モデルであって、行動情報を入力とし、入力された行動情報が示すユーザの行動が当該コミュニティに所属するユーザの行動と推定される程度を示す推定値を出力するよう学習された行動学習モデルに前記第２のユーザの行動情報を入力し、推定値を出力させる評価ステップと、前記評価ステップにおいて出力された推定値に基づいて、前記第１のユーザの情報端末に表示させるための前記第２のユーザの行動情報を抽出する抽出ステップと、前記抽出ステップにおいて抽出された行動情報を前記第１のユーザの情報端末に表示させるとともに、前記抽出ステップにおいて抽出された行動情報が所定の商品に関する行動を示す場合、前記所定の商品に関する情報を閲覧するための情報を、前記抽出ステップにおいて抽出された行動情報に関連付けて前記第１のユーザの情報端末にさらに表示させる表示制御ステップと、を有する。

【0016】

本発明の第３の態様のプログラムにおいては、コンピュータに、所定のコミュニティに参加する第１のユーザの行動を示す行動情報を取得する取得ステップと、ユーザの行動を示す行動情報であって、所定のコミュニティに参加する複数のユーザそれぞれの行動情報を記憶する記憶部を参照し、前記第１のユーザの行動情報と、前記記憶部が記憶する前記複数のユーザそれぞれの行動情報と、の類似度を算出する算出ステップと、算出ステップにおいて算出された各類似度に基づいて、前記第１のユーザの行動に類似する行動を示すユーザである第２のユーザを特定する特定ステップと、（２）前記記憶部が記憶する、前記所定のコミュニティに参加する複数のユーザそれぞれの行動情報を学習した行動学習モデルであって、行動情報を入力とし、入力された行動情報が示すユーザの行動が当該コミュニティに所属するユーザの行動と推定される程度を示す推定値を出力するよう学習された行動学習モデルに前記第２のユーザの行動情報を入力し、推定値を出力させる評価ステップと、前記評価ステップにおいて出力された推定値に基づいて、前記第１のユーザの情報端末に表示させるための前記第２のユーザの行動情報を抽出する抽出ステップと、前記抽出ステップにおいて抽出された行動情報を前記第１のユーザの情報端末に表示させるとともに、前記抽出ステップにおいて抽出された行動情報が所定の商品に関する行動を示す場合、前記所定の商品に関する情報を閲覧するための情報を、前記抽出ステップにおいて抽出された行動情報に関連付けて前記第１のユーザの情報端末にさらに表示させる表示制御ステップと、を実行させる。

【発明の効果】

【0017】

本発明によれば、コミュニティサイトにおける広告の効果を向上させることができる。

【図面の簡単な説明】

【0018】

【図1】実施形態にかかる情報処理システムＳの概要を説明するための図である。

【図2】情報処理装置１の構成を示すブロック図である。

【図3】記憶部１２が記憶する行動情報テーブルの一例を示す図である。

【図4】評価部１３３の処理の一例を示す図である。

【図5】表示制御部１３５が表示させる画面の一例を示す図である。

【図6】情報処理装置１における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】

【0019】

［情報処理システムＳの概要］
図１は、実施形態にかかる情報処理システム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、ファンコミュニティ（以下、「所定のコミュニティ」という場合がある）を管理するためのシステムである。ファンコミュニティは、特定の商品、サービス、ブランド、趣味、人物、組織、グループ等を愛好するユーザが交流するためのコミュニティである。より具体的には、ファンコミュニティは、参加するユーザが画像、テキスト等を投稿し、他のユーザの投稿を閲覧し、評価し、コメント等をすることによりユーザ同士が交流するＳＮＳである。一例として、情報処理装置１は、情報処理システムＳは、情報処理装置１及び情報端末２を有する。

【0020】

情報処理装置１は、ファンコミュニティを管理する装置である。情報処理装置１は、テーマごとに設定された複数のコミュニティそれぞれを管理してもよい。情報処理装置１は、ユーザの情報端末２から投稿を受け付け、コミュニティに投稿された情報を情報端末２に表示させる。

【0021】

情報端末２は、ユーザが使用する端末である。情報端末２は、スマートフォン、タブレット又はパーソナルコンピュータである。情報端末２は、例えばユーザのコミュニティへの投稿を情報処理装置１に送信し、情報処理装置１から取得した情報を表示する。

【0022】

情報処理システムＳにおける処理について説明する。情報処理装置１は、第１ユーザの行動情報を取得する。行動情報は、ユーザの行動を示す情報である。行動情報は、一例として、ユーザがＳＮＳへ投稿した文章、商品の購入履歴又はユーザが使用するデバイスのログである。第１ユーザは、表示する情報を決定する対象のユーザである。

【0023】

情報処理装置１は、取得した第１ユーザの行動情報に基づいて、第１ユーザの行動に類似する行動を示すユーザを第２ユーザとして特定する（図１における（１））。一例として、情報処理装置１は、第１ユーザの行動情報と、コミュニティに所属する他のユーザの行動情報と、の類似度を算出し、算出した類似度に基づいて、第２ユーザを特定する。

【0024】

情報処理装置１は、第２ユーザの行動情報のうち、第１ユーザの情報端末２に表示させる行動情報を抽出する（図１における（２））。情報処理装置１は、行動学習モデルに第２ユーザの行動情報を入力し、推定値を出力させ、行動学習モデルが出力した推定値に基づいて行動情報を抽出する。行動学習モデルは、所定のコミュニティに参加する複数のユーザそれぞれの行動情報を学習した学習済みモデルである。行動学習モデルは、行動情報を入力とし、入力された行動情報に対応する推定値を出力するよう学習されている。推定値は、行動情報が示すユーザの行動がコミュニティに所属するユーザの行動と推定される程度を示す値である。である。一例として、情報処理装置１は、推定値が所定の閾値以上である行動情報を抽出する。

【0025】

情報処理装置１は、抽出した行動情報を第１ユーザの情報端末２に表示させる（図１における（３））。情報処理装置１は、抽出した行動情報が所定の商品に関する行動を示す場合、所定の商品に関する情報を閲覧するための情報をさらに第１ユーザの情報端末２に表示させる。所定の商品は、一例として、所定のコミュニティが対象とするサービス、ブランド、趣味、人物、組織、グループ等に関する商品又はサービスである。情報処理装置１は、商品に関する情報に変えて、コミュニティに関連する、サービス、ブランド、店舗、キャラクター、人物、組織又はグループ等に関する情報を閲覧するための情報を表示させてもよい。一例として、情報処理装置１は、所定の商品に関する情報にアクセスするためのリンクを含む画面を第１ユーザの情報端末２に表示させる。

【0026】

情報処理装置１がこのように構成されることで、コミュニティサイトにおける広告の効果を向上させることができる。

【0027】

［情報処理装置１の構成］
図２は、情報処理装置１の構成を示すブロック図である。情報処理装置１は、通信部１１、記憶部１２及び制御部１３を有する。制御部１３は、取得部１３１、特定部１３２、評価部１３３、抽出部１３４、表示制御部１３５、算出部１３６、決定部１３７及び便益付与部１３８を有する。

【0028】

通信部１１は、ネットワークを介して他の装置とデータの送受信をするための通信インターフェースである。記憶部１２は、ＲＯＭ（Read Only Memory）、ＲＡＭ（Random Access Memory）、ＳＳＤ（Solid State Drive）、ハードディスクドライブ等を含む記憶媒体である。記憶部１２は、制御部１３が実行するプログラムを予め記憶している。

【0029】

記憶部１２は、ユーザの行動を示す行動情報であって、所定のコミュニティに参加する複数のユーザそれぞれの行動情報を記憶する。図３は、記憶部１２が記憶する行動情報テーブルのデータ構造の一例を示す図である。図３に示す行動情報テーブルにおいては、「行動ＩＤ」、「投稿先コミュニティ」、「投稿ユーザ」、「行動情報」が関連付けられている。「行動ＩＤ」は、行動情報を識別するためのＩＤ（Identification）である。「投稿先コミュニティ」は、その行動情報が投稿されたコミュニティを示すＩＤである。「投稿ユーザ」は、その行動情報を投稿したユーザのユーザＩＤを示す。「行動情報」は、ユーザからコミュニティに投稿されたテキスト、画像、動画等の情報である。行動情報テーブルにおいては、行動情報に対応する推定値がさらに関連付けられていてもよい。

【0030】

記憶部１２は、行動学習モデルを記憶する。記憶部１２は、ユーザを識別するためのユーザＩＤと、当該ユーザが加入するコミュニティを示す情報と、を関連付けたユーザ情報を記憶していてもよい。

【0031】

制御部１３は、例えばＣＰＵ（Central Processing Unit）等のプロセッサである。制御部１３は、記憶部１２に記憶されたプログラムを実行することにより、取得部１３１、特定部１３２、評価部１３３、抽出部１３４、表示制御部１３５、算出部１３６、決定部１３７及び便益付与部１３８として機能する。

【0032】

取得部１３１は、コミュニティに参加する第１のユーザの行動を示す行動情報を取得する。行動情報は、一例として、投稿するユーザのユーザＩＤ、投稿先のコミュニティを示すコミュニティＩＤ及び投稿する内容を含む。一例として、行動情報はコミュニティにおけるユーザの発言を示すテキストデータである。取得部１３１は、情報端末２から判定対象のユーザの行動情報を取得する。

【0033】

特定部１３２は、第１のユーザの行動情報と、記憶部１２が記憶する複数のユーザそれぞれの行動情報と、の類似度を算出し、算出した各類似度に基づいて、第１のユーザの行動に類似する行動を示すユーザである第２のユーザを特定する。一例として、特定部１３２は、第１のユーザの行動情報と、複数のユーザの行動情報と、をベクトルに変換する。特定部１３２は、第１のユーザの行動情報に基づくベクトルと、第２のユーザの行動情報に基づくベクトルと、の類似度を算出する。類似度は一例としてコサイン類似度であるがこれに限られない。一例として特定部１３２は、算出した類似度が最大となる行動情報に対応するユーザを第２のユーザとして特定する。

【0034】

類似度が所定の閾値以上である行動情報を示すユーザを第２のユーザとして特定してもよい。すなわち、特定部１３２は、第１のユーザの行動情報と、記憶部１２が記憶する複数のユーザの行動情報と、の類似度を算出し、第１のユーザの行動情報との類似度が所定の閾値以上である行動情報に対応するユーザを第２のユーザとして特定する。

【0035】

評価部１３３は、第２のユーザの行動情報を行動学習モデルに入力し、推定値を出力させる。評価部１３３は、記憶部１２を参照し、特定部１３２が特定した第２のユーザの行動情報を取得し、取得した行動情報を行動学習モデルに入力し、推定値を出力させる。一例として、評価部１３３は、記憶部１２を参照し、第２ユーザに関連付けられた１以上の行動情報を行動学習モデルに入力し、１以上の行動情報それぞれについての推定値を出力させる。

【0036】

図４を参照して、評価部１３３の処理の一例を説明する。一例として、評価部１３３は、第２のユーザの行動情報Ａ１をトークン（Ｔ１～Ｔ６）に分解する。トークンは自然言語として処理される最少の単位であり、文字、単語又は特定の商品の購入履歴やデバイスログが示す内容等に対応するベクトルである。評価部１３３は、行動情報から分解して生成されたトークンを自己回帰的に行動学習モデルに入力し、推定値を出力させる。この場合、推定値は、それ以前に入力されたトークンが与えられた場合に、入力されたトークンが連続する条件付き確率である。一例として、評価部１３３は、それぞれのトークンについて行動学習モデルが出力した条件付き確率の総乗を推定値として出力する。

【0037】

抽出部１３４は、評価部１３３が出力させた推定値に基づいて、第１のユーザの情報端末に表示させるための第２のユーザの行動情報を抽出する。一例として、抽出部１３４は、特定部１３２が特定した第２ユーザに関連付けられた行動情報のうち、推定値が閾値以上の行動情報を抽出する。抽出部１３４は、特定部１３２が特定した第２ユーザに関連付けられた行動情報のうち、推定値が最大の行動情報を抽出してもよい。

【0038】

表示制御部１３５は、抽出部１３４が抽出した行動情報を第１のユーザの情報端末に表示させる。表示制御部１３５は、抽出部１３４が抽出した行動情報が所定の商品に関する行動を示す場合、所定の商品に関する情報を閲覧するための情報を、抽出部１３４が抽出した行動情報に関連付けて第１のユーザの情報端末にさらに表示させるよう制御する。より具体的には、表示制御部１３５は、行動情報が所定の商品について言及するテキストである場合に、所定の商品に関する情報を表示する。すなわち、表示制御部１３５は、抽出部１３４が抽出した行動情報を第１のユーザの情報端末に表示させるとともに、抽出部１３４が抽出した行動情報に所定の商品を示す文字列が含まれる場合、所定の商品に関する情報を閲覧するための情報を、抽出部１３４が抽出した行動情報に関連付けて第１のユーザの情報端末に表示させるよう制御する。

【0039】

図５は、表示制御部１３５が表示させる画面の一例を示す図である。図５に示す画面においては、抽出部１３４が抽出した行動情報とともに、行動情報に関連する商品に関する情報を閲覧するためのオブジェクトＯＢが表示されている。オブジェクトＯＢには、商品に関する情報を閲覧するためのリンクが埋め込まれている。ユーザが情報端末２を操作し、画面に表示されたオブジェクトＯＢを押すと、商品に関する情報を示すページが情報端末２に表示される。

【0040】

一例として、記憶部１２は、商品の名称と当該商品に関する情報を閲覧するためのリンクと、を関連付けた商品情報を記憶している。商品情報は、商品を識別するＩＤがさらに関連付けられていてもよい。表示制御部１３５は、行動情報に商品を示す文字列が含まれる場合、行動情報に含まれる商品を示す文字列に商品情報において対応するリンクを含む画面を情報端末２に表示させる。

【0041】

情報処理装置１がこのように構成されることで、コミュニティサイトにおける広告の効果を向上させることができる。

【0042】

汎用的な学習モデルが出力した推定値との比較により、抽出する行動情報を決定するよう情報処理装置１が構成されてもよい。この場合、行動学習モデルは、汎用学習モデルを所定のコミュニティに参加する複数のユーザの行動情報に基づいてファインチューニングした学習済みモデルである。汎用学習モデルは、事前学習された汎用言語モデルである。汎用学習モデルは、大量のデータセットに基づいて自然言語処理を実行可能に学習されている。汎用学習モデルは、行動情報を入力として、推定値を出力するよう構成されている。記憶部１２は、汎用学習モデルを記憶する。

【0043】

行動学習モデルは、汎用学習モデルと比較して特定のコミュニティに属するユーザの行動情報を教師データとして学習されているため、所定のコミュニティに属するユーザの行動情報が入力された場合に、より所定のコミュニティに属する尤もらしさが高いことを示す程度情報を出力することが期待される点において汎用学習モデルと異なる。

【0044】

評価部１３３は、行動情報を汎用学習モデルに入力し、推定値を出力させる。評価部１３３は、行動学習モデルに入力する行動情報を、汎用学習モデルに入力する。評価部１３３は、特定部１３２が特定した第２ユーザの行動情報を汎用学習モデルに入力し、推定値を出力させる。評価部１３３は、記憶部１２を参照し、第２ユーザに関連付けられた１以上の行動情報を汎用学習モデルに入力し、１以上の行動情報それぞれについての推定値を出力させる。

【0045】

抽出部１３４は、評価部１３３が行動学習モデルに出力させた推定値と、評価部１３３が汎用学習モデルに出力させた推定値と、に基づいて、第１のユーザの情報端末に表示させる行動情報を抽出する。一例として、抽出部１３４は、評価部１３３が行動学習モデルに出力させた推定値と、評価部１３３が汎用学習モデルに出力させた推定値と、の差が閾値以上である行動情報を抽出する。

【0046】

抽出部１３４は、評価部１３３が行動学習モデルに出力させた推定値と、評価部１３３が汎用学習モデルに出力させた推定値と、の大小関係が所定の条件を満たす行動情報を、第１のユーザの情報端末に表示させる行動情報を抽出する。一例として、汎用学習モデルが出力した推定値と、行動学習モデルが出力した推定値と、の比に基づいて行動情報を抽出してもよい。例えば、汎用学習モデルが出力した推定値をＰ_０、行動学習モデルが出力した推定値をＰ_Ｌとした場合、判定部１３３は、Ｐ_Ｌ／Ｐ_０が所定の閾値以上である行動情報を抽出してもよい。

【0047】

情報処理装置１がこのように構成されることで、ユーザの行動がコミュニティに属するユーザの行動との親和性が高い場合にユーザにコミュニティに関する情報を通知することができる。

【0048】

第１のユーザの行動情報と距離が大きい行動情報は、第１ユーザが知らない情報であることが期待でき、このような情報は第１ユーザに有用な情報な可能性がある。

【0049】

抽出部１３４は、第１のユーザの行動情報及び第２のユーザの行動情報それぞれをベクトルに変換し、第２のユーザの行動情報に対応するベクトルと、第１のユーザの行動情報に対応するベクトルと、の距離を算出し、算出した距離が所定の閾値以上の行動情報を、第１のユーザの情報端末に表示させる行動情報として抽出する。抽出部１３４は、推定値が所定の閾値以上である第２のユーザの行動情報のうち、第１のユーザの行動情報との距離が所定の閾値以上である行動情報を、第１のユーザの情報端末に表示させる行動情報として抽出する。

【0050】

コミュニティにおける活動量に基づいて第２ユーザを特定するよう特定部１３２が構成されてもよい。算出部１３６は、記憶部１２が記憶する、所定のコミュニティに参加する複数のユーザの行動情報に基づいて、コミュニティにおける複数のユーザそれぞれの活動量を算出する。活動量は一例として、コミュニティに投稿した発言の数や、ユーザが投稿した行動情報の数である。算出部は、記憶部１２を参照し、コミュニティに属するユーザそれぞれの行動情報を集計し、ユーザの活動量を算出する。

【0051】

特定部１３２は、算出部１３６が算出した活動量が所定の閾値以上であるユーザから第２のユーザを特定する。一例として、特定部１３２は、第１のユーザの行動情報との類似度が所定の閾値以上である行動情報に対応するユーザのうち活動量が所定の閾値以上であるユーザを第２のユーザとして特定する。

【0052】

行動情報が示す行動の内容に基づいてユーザの情報端末に表示する情報が決定されてもよい。

【0053】

決定部１３７は、抽出部１３４が抽出した行動情報が示す行動の内容に基づいて、第１のユーザの情報端末に表示する情報を決定する。一例として、記憶部１２は、行動情報を入力として、当該行動が所定の商品に対する行動である確率を予測する学習済みモデルである予測モデルを記憶する。一例として、予測モデルは、行動情報と、当該行動情報が対象とする商品と、を教師データとして、行動情報が入力されると、当該行動情報が関連する商品を出力するよう学習されている。

【0054】

決定部１３７は、抽出部１３４が抽出した行動情報を予測モデルに入力し、当該行動情報が対象とする商品を出力させる。決定部１３７は、予測モデルが出力した商品に商品情報において対応するリンクを特定し、情報端末２に表示させる情報として決定する。表示制御部１３５は、抽出部１３４が抽出した行動情報を第１のユーザの情報端末に表示させるとともに、決定部１３７が決定した情報を、抽出部１３４が抽出した行動情報に関連付けて第１のユーザの情報端末に表示させるよう制御する。

【0055】

第１のユーザが表示された情報に基づいて商品等を購入した場合に、第１のユーザの情報端末２に表示された行動情報に対応する第２のユーザに便益を付与するよう情報処理装置１が構成されてもよい。

【0056】

表示制御部１３５が情報端末に表示させた所定の商品に関する情報を閲覧するための情報を介して第１のユーザが所定の商品を購入した場合に、特定部１３２が特定した第２のユーザに所定の便益を付与する便益付与部１３８をさらに有する。表示制御部１３５は、行動情報に含まれる商品を示す文字列に商品情報において対応するリンクを表示する場合に、第２ユーザを示すユーザＩＤを埋め込んだリンクを情報端末２に表示させる。

【0057】

第１ユーザが所定の商品に関する情報を示すページにおいて商品を購入した場合、取得部１３１は、第１ユーザが所定の商品を購入したことを示す情報を取得する。第１ユーザが所定の商品を購入したことを示す情報には、リンクに埋め込まれた第２ユーザのユーザＩＤが含まれている。第１ユーザが所定の商品を購入したことを示す情報には、第１ユーザが購入した商品の価格が含まれていてもよい。

【0058】

便益付与部１３８は、第１ユーザが所定の商品を購入したことを示す情報を取得した場合、第２ユーザに所定の便益を付与するための処理をする。一例として便益付与部１３８は、所定のポイントサービスにおいてポイントを管理するサーバに、第２ユーザにポイントを付与するための指示を送信する。第２ユーザに付与されるポイントの量は、予め定められた量であってもよいし、第１ユーザが購入した商品に所定の係数を乗じて算出される量であってもよい。

【0059】

情報処理装置１がこのように構成されことで、ユーザにコミュニティへの積極的な投稿を促すことができる。

【0060】

［情報処理装置１における処理の流れ］
図６は、情報処理装置１における処理の流れを示すフローチャートである。図６に示すフローチャートは、行動情報を取得する時点から開始している。

【0061】

取得部１３１は、第１ユーザの行動情報を取得する（Ｓ０１）。特定部１３２は、第１ユーザの行動情報と類似する行動を示す第２ユーザを特定する（Ｓ０２）。

【0062】

評価部１３３は、第２ユーザの行動情報を行動学習モデルに入力し、推定値を出力させる（Ｓ０３）。抽出部１３４は、推定値に基づいて第１ユーザの情報端末に表示させる行動情報を抽出する（Ｓ０４）。

【0063】

表示制御部１３５は、抽出された行動情報が所定の商品に関する行動であるかを判定する（Ｓ０５）。一例として、表示制御部１３５は、抽出された行動情報に所定の商品を示す文字列が含まれるか否かを判定する。

【0064】

抽出された行動情報が所定の商品に関する行動である場合（Ｓ０５におけるＹＥＳ）、表示制御部１３５は、行動情報に含まれる商品に対応するリンクを特定し、特定したリンクと、抽出された行動情報を含む画面を情報端末２に表示させる（Ｓ０６）。そして情報処理装置１は処理を終了する。

【0065】

抽出された行動情報が所定の商品に関する行動でない場合（Ｓ０５におけるＮＯ）、表示制御部１３５は、抽出された行動情報を含む画面を情報端末２に表示させる（Ｓ０７）。そして情報処理装置１は処理を終了する。

【0066】

［情報処理装置１による効果］
情報処理装置１がこのように構成されることで、コミュニティサイトにおける広告の効果を向上させることができる。

【0067】

なお、本発明により、国連が主導する持続可能な開発目標（SDGs）の目標９「産業と技術革新の基盤をつくろう」に貢献することが可能となる。

【0068】

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】

【0069】

１ 情報処理装置
２ 情報端末
１１ 通信部
１２ 記憶部
１３ 制御部
１３１ 取得部
１３２ 特定部
１３３ 評価部
１３４ 抽出部
１３５ 表示制御部
１３６ 算出部
１３７ 決定部
１３８ 便益付与部

【要約】      （修正有）

【課題】コミュニティサイトにおける広告の効果を向上させる情報処理装置、情報処理方法及びプログラムを提供する。
【解決手段】情報処理装置１は、第１のユーザの行動を示す行動情報を取得する取得部１３１と、第１のユーザの行動に類似する行動を示す第２のユーザを特定する特定部１３２と、第２のユーザの行動情報を行動学習モデルに入力し、行動情報が示すユーザの行動がコミュニティに所属するユーザの行動と推定される程度を示す推定値を出力させる評価部１３３と、評価部が出力させた推定値に基づいて、第１のユーザの情報端末に表示させるための第２のユーザの行動情報を抽出する抽出部１３４と、抽出部が抽出した行動情報を第１のユーザの情報端末に表示させるとともに、所定の商品に関する情報を閲覧するための情報を、抽出部が抽出した行動情報に関連付けて第１のユーザの情報端末にさらに表示させるよう制御する表示制御部１３５と、を有する。
【選択図】図２

【図1】

【図2】

【図3】

【図4】

【図5】

【図6】