特許 7561178 学習装置、学習方法、情報処理装置、レコメンド決定方法、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】2024-09-25

(45)【発行日】2024-10-03

(54)【発明の名称】学習装置、学習方法、情報処理装置、レコメンド決定方法、およびプログラム

(51)【国際特許分類】

   G06F 16/9535 20190101AFI20240926BHJP

   G06Q 30/0601 20230101ALI20240926BHJP

【ＦＩ】

G06F16/9535

G06Q30/0601 330

【請求項の数】 13

(21)【出願番号】P 2022209348

(22)【出願日】2022-12-27

(65)【公開番号】P2024093154

(43)【公開日】2024-07-09

【審査請求日】2023-01-19

(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】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】藤野 拓海

(72)【発明者】

【氏名】武田 悠佑

(72)【発明者】

【氏名】積田 大介

(72)【発明者】

【氏名】吉井 和輝

(72)【発明者】

【氏名】山本 康生

【審査官】原 秀人

(56)【参考文献】

【文献】米国特許出願公開第２０２２／０２４５９２６（ＵＳ，Ａ１）

【文献】米国特許出願公開第２０２０／００４３５０８（ＵＳ，Ａ１）

【文献】特表２０２０－５３６３３７（ＪＰ，Ａ）

(58)【調査した分野】(Int.Cl.，ＤＢ名)

Ｇ０６Ｆ １６／００－１６／９５８

Ｇ０６Ｑ ３０／０６０１

(57)【特許請求の範囲】

【請求項1】

ウェブサービスにおいてコンテンツとして提供されるアイテム群の各アイテムについて他のアイテムとの関連性を学習する装置であって、
学習対象アイテムについて、前記学習対象アイテムの選択に続く所定の選択数の範囲内で選択された正例アイテムと、前記範囲内で選択されなかった負例アイテムとを示す教師データと、前記学習対象アイテムのアイテム属性とを用いて距離学習（Metric Learning）を行う学習部を備え、
前記学習部は、
所定のベクトル空間において、着目アイテムのベクトルと前記正例アイテムのベクトルとの距離が近く、且つ、前記着目アイテムのベクトルと前記負例アイテムのベクトルとの距離が遠くなるように前記アイテム群のベクトル空間を学習するものであり、
学習対象アイテムのアイテム属性と前記教師データとに基づいて第１ベクトル空間を学習する第１学習部と、
前記学習対象アイテムのアイテム属性、および、前記学習対象アイテムに対して前記正例アイテムとして実際に選択されたアイテムを示すポジティブリストと、前記教師データとに基づいて第２ベクトル空間を学習する第２学習部と、
を備え、
前記着目アイテムのベクトルは、前記第１ベクトル空間における前記着目アイテムのベクトルである第１ベクトルと、前記第２ベクトル空間における前記着目アイテムのベクトルである第２ベクトルとを結合したものであり、
前記ポジティブリストは、前記学習対象アイテムに対するスコアが上位の第１アイテムのうち、前記第１アイテムに対する前記スコアが上位の第２アイテムに前記学習対象アイテムを含むアイテムを示すデータであり、
前記スコアは、着目アイテムの他のアイテムについて、前記着目アイテムとの親和性を示すスコアである、
学習装置。

【請求項2】

ウェブサービスにおいてコンテンツとして提供されるアイテム群の各アイテムについて他のアイテムとの関連性を学習する装置であって、
学習対象アイテムについて、前記学習対象アイテムの選択に続く所定の選択数の範囲内で選択された正例アイテムと、前記範囲内で選択されなかった負例アイテムとを示す教師データと、前記学習対象アイテムのアイテム属性とを用いて距離学習（Metric Learning）を行う学習部を備え、
前記学習部は、所定のベクトル空間において、着目アイテムのベクトルと前記正例アイテムのベクトルとの距離が近く、且つ、前記着目アイテムのベクトルと前記負例アイテムのベクトルとの距離が遠くなるように前記アイテム群のベクトル空間を学習するものであり、
前記学習部は、自己注意（Self-Attention）機構による高次の交互作用によって前記アイテム属性の入力素性を実質的に増加させて前記距離学習を行う、
学習装置。

【請求項3】

学習対象アイテムのアイテム属性と教師データとに基づく距離学習（Metric Learning）により学習された第１ベクトル空間と、前記学習対象アイテムのアイテム属性、および、前記学習対象アイテムに対して正例アイテムとして実際に選択されたアイテムを示すポジティブリストと、前記教師データとに基づく距離学習により学習された第２ベクトル空間とを記憶する記憶部と、
前記第１ベクトル空間における着目アイテムのベクトルである第１ベクトルと、前記第２ベクトル空間における前記着目アイテムのベクトルである第２ベクトルとに基づいて前記着目アイテムに対してレコメンドするアイテムを決定するレコメンド決定部と、
を備え、
前記教師データは、前記学習対象アイテムの選択に続く所定の選択数の範囲内で選択された前記正例アイテムと、前記範囲内で選択されなかった負例アイテムとを示すデータであり、
前記距離学習は、
アイテム属性に基づくベクトル空間において、前記着目アイテムのベクトルと前記正例アイテムのベクトルとの距離が近く、且つ、前記着目アイテムのベクトルと前記負例アイテムのベクトルとの距離が遠くなるようにウェブサービスにおいてコンテンツとして提供されるアイテム群のベクトル空間を学習するものであり、
学習対象アイテムのアイテム属性と前記教師データとに基づいて第１ベクトル空間を学習する第１学習と、
前記学習対象アイテムのアイテム属性、および、前記学習対象アイテムに対して前記正例アイテムとして実際に選択されたアイテムを示すポジティブリストと、前記教師データとに基づいて第２ベクトル空間を学習する第２学習と、
を含み、
前記着目アイテムのベクトルは、前記第１ベクトル空間における前記着目アイテムのベクトルである第１ベクトルと、前記第２ベクトル空間における前記着目アイテムのベクトルである第２ベクトルとを結合したものであり、
前記ポジティブリストは、前記学習対象アイテムに対するスコアが上位の第１アイテムのうち、前記第１アイテムに対する前記スコアが上位の第２アイテムに前記学習対象アイテムを含むアイテムを示すデータであり、
前記スコアは、着目アイテムの他のアイテムについて、前記着目アイテムとの親和性を示すスコアである、
情報処理装置。

【請求項4】

学習対象アイテムのアイテム属性と教師データとに基づく距離学習（Metric Learning）により学習された第１ベクトル空間と、前記学習対象アイテムのアイテム属性、および、前記学習対象アイテムに対して正例アイテムとして実際に選択されたアイテムを示すポジティブリストと、前記教師データとに基づく距離学習により学習された第２ベクトル空間とを記憶する記憶部と、
前記第１ベクトル空間における着目アイテムのベクトルである第１ベクトルと、前記第２ベクトル空間における前記着目アイテムのベクトルである第２ベクトルとに基づいて前記着目アイテムに対してレコメンドするアイテムを決定するレコメンド決定部と、
を備え、
前記教師データは、前記学習対象アイテムの選択に続く所定の選択数の範囲内で選択された前記正例アイテムと、前記範囲内で選択されなかった負例アイテムとを示すデータであり、
前記距離学習は、アイテム属性に基づくベクトル空間において、前記着目アイテムのベクトルと前記正例アイテムのベクトルとの距離が近く、且つ、前記着目アイテムのベクトルと前記負例アイテムのベクトルとの距離が遠くなるようにウェブサービスにおいてコンテンツとして提供されるアイテム群のベクトル空間を学習するものであり、
自己注意（Self-Attention）機構による高次の交互作用によって前記アイテム属性の入力素性を実質的に増加させて前記距離学習を行う、
情報処理装置。

【請求項5】

前記レコメンド決定部は、前記着目アイテムおよび他のアイテムについて、前記第１ベクトルと前記第２ベクトルとを結合した第３ベクトルを求め、前記第３ベクトル同士のコサイン類似度に基づいて前記他のアイテムを前記着目アイテムに対してレコメンドするか否かを判定する、
請求項３または４に記載の情報処理装置。

【請求項6】

コンピュータが、ウェブサービスにおいてコンテンツとして提供されるアイテム群の各アイテムについて他のアイテムとの関連性を学習する方法であって、
前記コンピュータが、
学習対象アイテムについて、前記学習対象アイテムの選択に続く所定の選択数の範囲内で選択された正例アイテムと、前記範囲内で選択されなかった負例アイテムとを示す教師データと、前記学習対象アイテムのアイテム属性とを用いて距離学習（Metric Learning）を行うものであり、
前記距離学習は、
アイテム属性に基づくベクトル空間において、着目アイテムのベクトルと前記正例アイテムのベクトルとの距離が近く、且つ、前記着目アイテムのベクトルと前記負例アイテムのベクトルとの距離が遠くなるように前記アイテム群のベクトル空間を学習するものであり、
学習対象アイテムのアイテム属性と前記教師データとに基づいて第１ベクトル空間を学習する第１学習と、
前記学習対象アイテムのアイテム属性、および、前記学習対象アイテムに対して前記正例アイテムとして実際に選択されたアイテムを示すポジティブリストと、前記教師データとに基づいて第２ベクトル空間を学習する第２学習と、
を含み、
前記着目アイテムのベクトルは、前記第１ベクトル空間における前記着目アイテムのベクトルである第１ベクトルと、前記第２ベクトル空間における前記着目アイテムのベクトルである第２ベクトルとを結合したものであり、
前記ポジティブリストは、前記学習対象アイテムに対するスコアが上位の第１アイテムのうち、前記第１アイテムに対する前記スコアが上位の第２アイテムに前記学習対象アイテムを含むアイテムを示すデータであり、
前記スコアは、着目アイテムの他のアイテムについて、前記着目アイテムとの親和性を示すスコアである、
学習方法。

【請求項7】

コンピュータが、ウェブサービスにおいてコンテンツとして提供されるアイテム群の各アイテムについて他のアイテムとの関連性を学習する方法であって、
前記コンピュータが、
学習対象アイテムについて、前記学習対象アイテムの選択に続く所定の選択数の範囲内で選択された正例アイテムと、前記範囲内で選択されなかった負例アイテムとを示す教師データと、前記学習対象アイテムのアイテム属性とを用いて距離学習（Metric Learning）を行うものであり、
前記距離学習は、アイテム属性に基づくベクトル空間において、着目アイテムのベクトルと前記正例アイテムのベクトルとの距離が近く、且つ、前記着目アイテムのベクトルと前記負例アイテムのベクトルとの距離が遠くなるように前記アイテム群のベクトル空間を学習するものであり、
自己注意（Self-Attention）機構による高次の交互作用によって前記アイテム属性の入力素性を実質的に増加させて前記距離学習を行う、
学習方法。

【請求項8】

学習対象アイテムのアイテム属性と教師データとに基づく距離学習（Metric Learning）により学習された第１ベクトル空間と、前記学習対象アイテムのアイテム属性、および、前記学習対象アイテムに対して正例アイテムとして実際に選択されたアイテムを示すポジティブリストと、前記教師データとに基づく距離学習により学習された第２ベクトル空間とを記憶する記憶部を備えたコンピュータが、
前記第１ベクトル空間における着目アイテムのベクトルである第１ベクトルと、前記第２ベクトル空間における前記着目アイテムのベクトルである第２ベクトルとに基づいて前記着目アイテムに対してレコメンドするアイテムを決定するものであり、
前記教師データは、前記学習対象アイテムの選択に続く所定の選択数の範囲内で選択された前記正例アイテムと、前記範囲内で選択されなかった負例アイテムとを示すデータであり、
前記距離学習は、
アイテム属性に基づくベクトル空間において、前記着目アイテムのベクトルと前記正例アイテムのベクトルとの距離が近く、且つ、前記着目アイテムのベクトルと前記負例アイテムのベクトルとの距離が遠くなるようにウェブサービスにおいてコンテンツとして提供されるアイテム群のベクトル空間を学習するものであり、
学習対象アイテムのアイテム属性と前記教師データとに基づいて第１ベクトル空間を学習する第１学習と、
前記学習対象アイテムのアイテム属性、および、前記学習対象アイテムに対して前記正例アイテムとして実際に選択されたアイテムを示すポジティブリストと、前記教師データとに基づいて第２ベクトル空間を学習する第２学習と、
を含み、
前記着目アイテムのベクトルは、前記第１ベクトル空間における前記着目アイテムのベクトルである第１ベクトルと、前記第２ベクトル空間における前記着目アイテムのベクトルである第２ベクトルとを結合したものであり、
前記ポジティブリストは、前記学習対象アイテムに対するスコアが上位の第１アイテムのうち、前記第１アイテムに対する前記スコアが上位の第２アイテムに前記学習対象アイテムを含むアイテムを示すデータであり、
前記スコアは、着目アイテムの他のアイテムについて、前記着目アイテムとの親和性を示すスコアである、
レコメンド決定方法。

【請求項9】

学習対象アイテムのアイテム属性と教師データとに基づく距離学習（Metric Learning）により学習された第１ベクトル空間と、前記学習対象アイテムのアイテム属性、および、前記学習対象アイテムに対して正例アイテムとして実際に選択されたアイテムを示すポジティブリストと、前記教師データとに基づく距離学習により学習された第２ベクトル空間とを記憶する記憶部を備えたコンピュータが、
前記第１ベクトル空間における着目アイテムのベクトルである第１ベクトルと、前記第２ベクトル空間における前記着目アイテムのベクトルである第２ベクトルとに基づいて前記着目アイテムに対してレコメンドするアイテムを決定するものであり、
前記教師データは、前記学習対象アイテムの選択に続く所定の選択数の範囲内で選択された前記正例アイテムと、前記範囲内で選択されなかった負例アイテムとを示すデータであり、
前記距離学習は、アイテム属性に基づくベクトル空間において、前記着目アイテムのベクトルと前記正例アイテムのベクトルとの距離が近く、且つ、前記着目アイテムのベクトルと前記負例アイテムのベクトルとの距離が遠くなるようにウェブサービスにおいてコンテンツとして提供されるアイテム群のベクトル空間を学習するものであり、
自己注意（Self-Attention）機構による高次の交互作用によって前記アイテム属性の入力素性を実質的に増加させて前記距離学習を行う、
レコメンド決定方法。

【請求項10】

コンピュータに、ウェブサービスにおいてコンテンツとして提供されるアイテム群の各アイテムについて他のアイテムとの関連性を学習させるためのプログラムであって、
前記コンピュータに、
学習対象アイテムについて、前記学習対象アイテムの選択に続く所定の選択数の範囲内で選択された正例アイテムと、前記範囲内で選択されなかった負例アイテムとを示す教師データと、前記学習対象アイテムのアイテム属性とを用いて距離学習（Metric Learning）を行わせるためのプログラムであり、
前記距離学習は、
アイテム属性に基づくベクトル空間において、着目アイテムのベクトルと前記正例アイテムのベクトルとの距離が近く、且つ、前記着目アイテムのベクトルと前記負例アイテムのベクトルとの距離が遠くなるように前記アイテム群のベクトル空間を学習するものであり、
学習対象アイテムのアイテム属性と前記教師データとに基づいて第１ベクトル空間を学習する第１学習と、
前記学習対象アイテムのアイテム属性、および、前記学習対象アイテムに対して前記正例アイテムとして実際に選択されたアイテムを示すポジティブリストと、前記教師データとに基づいて第２ベクトル空間を学習する第２学習と、
を含み、
前記着目アイテムのベクトルは、前記第１ベクトル空間における前記着目アイテムのベクトルである第１ベクトルと、前記第２ベクトル空間における前記着目アイテムのベクトルである第２ベクトルとを結合したものであり、
前記ポジティブリストは、前記学習対象アイテムに対するスコアが上位の第１アイテムのうち、前記第１アイテムに対する前記スコアが上位の第２アイテムに前記学習対象アイテムを含むアイテムを示すデータであり、
前記スコアは、着目アイテムの他のアイテムについて、前記着目アイテムとの親和性を示すスコアである、
プログラム。

【請求項11】

コンピュータに、ウェブサービスにおいてコンテンツとして提供されるアイテム群の各アイテムについて他のアイテムとの関連性を学習させるためのプログラムであって、
前記コンピュータに、
学習対象アイテムについて、前記学習対象アイテムの選択に続く所定の選択数の範囲内で選択された正例アイテムと、前記範囲内で選択されなかった負例アイテムとを示す教師データと、前記学習対象アイテムのアイテム属性とを用いて距離学習（Metric Learning）を行わせるためのプログラムであり、
前記距離学習は、アイテム属性に基づくベクトル空間において、着目アイテムのベクトルと前記正例アイテムのベクトルとの距離が近く、且つ、前記着目アイテムのベクトルと前記負例アイテムのベクトルとの距離が遠くなるように前記アイテム群のベクトル空間を学習するものであり、
自己注意（Self-Attention）機構による高次の交互作用によって前記アイテム属性の入力素性を実質的に増加させて前記距離学習を行わせる、
プログラム。

【請求項12】

学習対象アイテムのアイテム属性と教師データとに基づく距離学習（Metric Learning）により学習された第１ベクトル空間と、前記学習対象アイテムのアイテム属性、および、前記学習対象アイテムに対して正例アイテムとして実際に選択されたアイテムを示すポジティブリストと、前記教師データとに基づく距離学習により学習された第２ベクトル空間とを記憶する記憶部を備えたコンピュータに、
前記第１ベクトル空間における着目アイテムのベクトルである第１ベクトルと、前記第２ベクトル空間における前記着目アイテムのベクトルである第２ベクトルとに基づいて前記着目アイテムに対してレコメンドするアイテムを決定させるためのプログラムであり、
前記教師データは、前記学習対象アイテムの選択に続く所定の選択数の範囲内で選択された前記正例アイテムと、前記範囲内で選択されなかった負例アイテムとを示すデータであり、
前記距離学習は、
アイテム属性に基づくベクトル空間において、前記着目アイテムのベクトルと前記正例アイテムのベクトルとの距離が近く、且つ、前記着目アイテムのベクトルと前記負例アイテムのベクトルとの距離が遠くなるようにウェブサービスにおいてコンテンツとして提供されるアイテム群のベクトル空間を学習するものであり、
学習対象アイテムのアイテム属性と前記教師データとに基づいて第１ベクトル空間を学習する第１学習と、
前記学習対象アイテムのアイテム属性、および、前記学習対象アイテムに対して前記正例アイテムとして実際に選択されたアイテムを示すポジティブリストと、前記教師データとに基づいて第２ベクトル空間を学習する第２学習と、
を含み、
前記着目アイテムのベクトルは、前記第１ベクトル空間における前記着目アイテムのベクトルである第１ベクトルと、前記第２ベクトル空間における前記着目アイテムのベクトルである第２ベクトルとを結合したものであり、
前記ポジティブリストは、前記学習対象アイテムに対するスコアが上位の第１アイテムのうち、前記第１アイテムに対する前記スコアが上位の第２アイテムに前記学習対象アイテムを含むアイテムを示すデータであり、
前記スコアは、着目アイテムの他のアイテムについて、前記着目アイテムとの親和性を示すスコアである、
プログラム。

【請求項13】

学習対象アイテムのアイテム属性と教師データとに基づく距離学習（Metric Learning）により学習された第１ベクトル空間と、前記学習対象アイテムのアイテム属性、および、前記学習対象アイテムに対して正例アイテムとして実際に選択されたアイテムを示すポジティブリストと、前記教師データとに基づく距離学習により学習された第２ベクトル空間とを記憶する記憶部を備えたコンピュータに、
前記第１ベクトル空間における着目アイテムのベクトルである第１ベクトルと、前記第２ベクトル空間における前記着目アイテムのベクトルである第２ベクトルとに基づいて前記着目アイテムに対してレコメンドするアイテムを決定させるためのプログラムであり、
前記教師データは、前記学習対象アイテムの選択に続く所定の選択数の範囲内で選択された前記正例アイテムと、前記範囲内で選択されなかった負例アイテムとを示すデータであり、
前記距離学習は、アイテム属性に基づくベクトル空間において、前記着目アイテムのベクトルと前記正例アイテムのベクトルとの距離が近く、且つ、前記着目アイテムのベクトルと前記負例アイテムのベクトルとの距離が遠くなるようにウェブサービスにおいてコンテンツとして提供されるアイテム群のベクトル空間を学習するものであり、
自己注意（Self-Attention）機構による高次の交互作用によって前記アイテム属性の入力素性を実質的に増加させて前記距離学習を行わせる、
プログラム。

【発明の詳細な説明】

【技術分野】

【0001】

本発明は、学習装置、学習方法、情報処理装置、レコメンド決定方法、およびプログラムに関する。

【背景技術】

【0002】

従来、ＰＣやスマートフォンなどの情報処理端末に対する商材等のコンテンツ配信において、利用者の閲覧履歴に基づいておススメのコンテンツ（以下「レコメンド」ともいう。）を配信することが行われている。このような分野では、おススメのコンテンツを決定するために、テキストデータの集合から関連データを抽出する技術が用いられる場合がある。例えば、特許文献１には、トピックモデルを用いたデータ抽出方法が提案されている。

【先行技術文献】

【特許文献】

【0003】

【文献】特許第５５４２７３２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、従来の技術では、利用者へのレコメンドにアダルトコンテンツなど不適切な商材が露出してしまう場合があった。

【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、利用者に対してより適切なレコメンドを提供することが可能な学習装置、学習方法、情報処理装置、レコメンド決定方法、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】

本発明の一態様は、ウェブサービスにおいてコンテンツとして提供されるアイテム群の各アイテムについて他のアイテムとの関連性を学習する装置であって、学習対象アイテムについて、前記学習対象アイテムの選択に続く所定の選択数の範囲内で選択された正例アイテムと、前記範囲内で選択されなかった負例アイテムとを示す教師データと、前記学習対象アイテムのアイテム属性とを用いて距離学習（Metric Learning）を行う学習部を備え、前記学習部は、所定のベクトル空間において、着目アイテムのベクトルと前記正例アイテムのベクトルとの距離が近く、且つ、前記着目アイテムのベクトルと前記負例アイテムのベクトルとの距離が遠くなるように前記アイテム群のベクトル空間を学習するものである。

【0007】

本発明の一態様は、学習対象アイテムのアイテム属性と教師データとに基づく距離学習（Metric Learning）により学習された第１ベクトル空間と、前記学習対象アイテムのアイテム属性、および、前記学習対象アイテムに対して正例アイテムとして実際に選択されたアイテムを示すポジティブリストと、前記教師データとに基づく距離学習により学習された第２ベクトル空間とを記憶する記憶部と、前記第１ベクトル空間における着目アイテムのベクトルである第１ベクトルと、前記第２ベクトル空間における前記着目アイテムのベクトルである第２ベクトルとに基づいて前記着目アイテムに対してレコメンドするアイテムを決定するレコメンド決定部と、を備える情報処理装置であって、前記教師データは、前記学習対象アイテムの選択に続く所定の選択数の範囲内で選択された前記正例アイテムと、前記範囲内で選択されなかった負例アイテムとを示すデータであり、前記距離学習は、所定のベクトル空間において、前記着目アイテムのベクトルと前記正例アイテムのベクトルとの距離が近く、且つ、前記着目アイテムのベクトルと前記負例アイテムのベクトルとの距離が遠くなるようにウェブサービスにおいてコンテンツとして提供されるアイテム群のベクトル空間を学習するものである。

【発明の効果】

【0008】

本発明の一態様によれば、利用者に対してより適切なレコメンドを提供することが可能な学習装置、学習方法、情報処理装置、レコメンド決定方法、およびプログラムを提供することができる。

【図面の簡単な説明】

【0009】

【図1】実施形態の情報処理システム１のシステム構成の一例を示す図である。

【図2】学習装置１００の構成の一例を示す図である。

【図3】情報処理装置２００の構成の一例を示す図である。

【図4】第１学習処理の流れの一例を示す図である。

【図5】第１学習処理の概要を示す図である。

【図6】距離学習の概要を示す図である。

【図7】第２学習処理の流れの一例を示す図である。

【図8】ポジティブリストの概要を示す図である。

【図9】第２学習処理の概要を示す図である。

【図10】レコメンド決定処理の流れの一例を示す図である。

【図11】レコメンド決定処理の概要を示す図である。

【発明を実施するための形態】

【0010】

［概要］
以下、図面を参照し、本発明の学習装置、学習方法、情報処理装置、レコメンド決定方法、およびプログラムの実施形態について説明する。学習装置および情報処理装置は、一以上のプロセッサにより実現される。学習装置および情報処理装置は、クラウドサービスを提供する装置であってもよいし、ツールやファームウェアなどのプログラムがインストールされ、単体で処理を実行可能な装置であってもよい。学習装置は、インターネットやＷＡＮなどのネットワークに接続されていてもよいし、接続されていなくてもよい。すなわち、学習装置および情報処理装置を実現するためのコンピュータ装置について特段の制約は存在せず、以下に説明する処理を実行可能なものであれば、如何なるコンピュータ装置によって学習装置および情報処理装置が実現されてもよい。

【0011】

［構成］
図１は、本実施形態の情報処理システム１のシステム構成の一例を示す図である。情報処理システム１は、利用者に所定のアイテム群に関するコンテンツを提供するシステムである。アイテム群は、同じ種類に分類されるアイテムの集合であれば特定のものに限定されないが、本実施形態では、アイテム群が書籍の集合である場合について説明する。この場合、情報処理システム１は、アイテム群に含まれる書籍に関する情報をコンテンツとして利用者に提供するものとする。この場合の情報処理システム１は、例えば、書籍の販売システムであってもよいし、書籍の閲覧システムであってもよい。ここで、情報処理システム１は、アイテム群に含まれる書籍の一覧を利用者に提供するとともに、提供した一覧の中から利用者が所望する書籍の選択を受け付け、選択された書籍に関するコンテンツを利用者に提供することができるものとする。利用者に提供される書籍の一覧は、アイテム群に含まれる全ての書籍の一覧であってもよいし、種々の観点で分類された書籍の一覧であってもよい。さらに、情報処理システム１は、利用者によりいずれかの書籍が選択されたことに応じて、選択された書籍に関連するおススメの書籍（以下「レコメンド」ともいう。）を選定して利用者に提示する機能を有するものとする。

【0012】

情報処理システム１は、例えば、学習装置１００と、情報処理装置２００と、利用者端末装置３００と、を備える。学習装置１００は、機械学習によりアイテム群に含まれる各書籍の関連性を学習する装置である。学習装置１００は、上記関連性の学習結果として、所定のベクトル空間において、着目書籍のベクトルと正例書籍のベクトルとの距離が近く、且つ、着目書籍のベクトルと負例書籍のベクトルとの距離が遠くなるように学習されたアイテム群のベクトル空間を生成する。正例書籍および負例書籍については後述する。なお、正例書籍は「正例アイテム」の一例であり、負例書籍は「負例アイテム」の一例である。

【0013】

情報処理装置２００は、アイテム群に含まれる書籍に関するコンテンツを利用者に提供する。コンテンツの提供に関し、情報処理装置２００は、上述の書籍の一覧を利用者に提供するとともに、一覧から書籍の選択を受け付ける。情報処理装置２００は、選択された書籍についてレコメンドする書籍を選定して利用者に提示する。情報処理装置２００は、学習装置１００による上記関連性の学習結果に基づいて、利用者にレコメンドする書籍をアイテム群の中から選定する。

【0014】

利用者端末装置３００は、利用者が情報処理装置２００から上記コンテンツの提供サービスを受ける際に使用する情報処理端末である。例えば、利用者端末装置３００は、ＰＣやスマートフォン、タブレットなどの通信端末である。利用者端末装置３００は、情報処理装置２００から書籍の一覧を取得して表示するとともに、一覧の中からいずれかの書籍を選択する操作を受け付け、選択された書籍を情報処理装置２００に通知する。利用者端末装置３００は、通知した書籍に関する情報とともに、当該書籍についてレコメンドされた書籍の一覧を情報処理装置２００から取得して表示する。

【0015】

学習装置１００と、情報処理装置２００と、利用者端末装置３００とは、通信ネットワークＮＷを介して互いに通信可能である。通信ネットワークＮＷは、例えば、インターネット、移動体通信ネットワーク、ＬＡＮ（Local Area Network）及びＷＡＮ（Wide Area Network）等である。また、例えば、ＬＡＮは、Ｅｔｈｅｒｎｅｔ等の所定規格の有線ＬＡＮ（Local Area Network）又はＷｉ－Ｆｉ及びＢｌｕｅｔｏｏｔｈ（登録商標）等の各種規格の無線ＬＡＮであってもよい。通信ネットワークＮＷは、有線通信の伝送路であってもよく、無線通信の伝送路であってもよく、無線通信の伝送路および有線通信の伝送路の組み合わせであってもよい。

【0016】

図２は、学習装置１００の構成の一例を示す図である。学習装置１００は、例えば、通信部１１０と、スコア算出部１２０と、第１学習部１３０と、第２学習部１４０と、記憶部１５０と、を備える。これらの構成要素は、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。

【0017】

通信部１１０は、学習装置１００を通信ネットワークＮＷに接続する通信インタフェースである。学習装置１００は、通信部１１０を介して情報処理装置２００および利用者端末装置３００と通信可能である。

【0018】

スコア算出部１２０は、２つの書籍の間の親和性を示す指標値（以下「スコア」という。）を算出する。例えば、第１の書籍Ｓと、書籍Ｓの後に選択される第２の書籍Ｔとのスコアはおよそ次の式（１）で計算される。

【0019】

スコア＝（第１の書籍Ｓの後で第２の書籍Ｔが選択された数）÷（第２の書籍Ｔの人気度） ・・・（１）

【0020】

（１）式の右辺第２項における「第２の書籍Ｔの人気度」は、書籍の人気度を定量的または定性的に示し得るものであればよく、特定の方法で計算されるものに限定されない。また、スコアは、所定の下限値から上限値までの間の値をとるように正規化されてもよい。スコアは、第１の書籍Ｓを選択した利用者に対して第２の書籍Ｔをレコメンドするか否かの判断指標として用いられてもよい。

【0021】

第１学習部１３０は、アイテム群に含まれる学習対象の書籍について、他の書籍との関連性を機械学習の手法により学習する。第１学習部１３０は、利用者による書籍の選択において、学習対象書籍の直後に選択された書籍（以下「正例書籍」という。）を学習対象書籍との関連性が高い書籍として学習し、学習対象書籍の直後に選択されなかった書籍（以下「負例」という。）を学習対象書籍との関連性が低い書籍として学習する。なお、ここでいう「直後」の書籍とは、学習対象書籍の次に選択された書籍であってもよいし、学習対象書籍の次を１番目として所定数番目までに選択された書籍であってもよい。所定数は、学習対象書籍と類似性が高い範囲の想定に基づいて適宜設計されてよい。また、「直後」は、上記のような順番の近接性に加え、選択タイミングの近接性を含む概念であってもよい。例えば、「直後」の書籍は、学習対象書籍の選択後の所定数番目までに選択された書籍であり、且つ、学習対象書籍の選択タイミングから所定時間内に選択された書籍であってもよい。

【0022】

例えば、第１学習部１３０は、このような関連性の高さを所定のベクトル空間におけるベクトル間の距離として学習する距離学習（Metric Learning）の手法により、書籍間の関連性を学習する。より具体的には、第１学習部１３０は、学習対象書籍について正例書籍および負例書籍を示すデータと、学習対象書籍、正例書籍および負例書籍のアイテム属性とに基づいて書籍間の関連性を学習する。ここで、学習対象書籍の正例書籍および負例書籍を示すデータは教師データとして第１学習部１３０に与えられる。第１学習部１３０は、このような関係性の学習結果として、アイテム群に含まれる各書籍の上記ベクトル空間における座標（すなわちベクトル）を示す第１ベクトル空間情報を生成する。

【0023】

第２学習部１４０は、第１学習部１３０と同様に、アイテム群に含まれる学習対象の書籍について、他の書籍との関連性を機械学習の手法により学習する。第２学習部１４０は、距離学習によって上記関連性を学習する点で第１学習部１３０と共通するものの、書籍の類似性に関して書籍の選択実績がより強く影響するように学習を行う点で第１学習部１３０と異なる。より具体的には、第２学習部１４０は、上記の教師データおよびアイテム属性に加え、学習対象書籍に関するポジティブリストに基づいて書籍間の関連性を学習する。ポジティブリストは、学習結果に書籍の選択実績をより強く反映させるためのデータであり、上述のスコアに基づいて生成される。ポジティブリストの詳細は後述する。第２学習部１４０は、このような関係性の学習結果として、アイテム群に含まれる各書籍の上記ベクトル空間における座標（すなわちベクトル）を示す第２ベクトル空間情報を生成する。

【0024】

記憶部１５０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。記憶部１５０には、例えば、第１学習モデル１５１と、第２学習モデル１５２と、教師データ１５３と、アイテム情報１５４と、第１ベクトル空間情報Ｍ１と、第２ベクトル空間情報Ｍ２と、が記憶される。第１学習モデル１５１は、第１学習部１３０が書籍間の関連性を学習する際に使用する距離学習モデルである。第２学習モデル１５２は、第２学習部１４０が書籍間の関連性を学習する際に使用する距離学習モデルである。

【0025】

教師データ１５３は、学習対象書籍について正例書籍または／および負例書籍を示すデータである。教師データ１５３は、人手によって作成されたものであってもよいし、利用者による書籍選択の履歴情報をもとに機械的に作成されたものであってもよい。アイテム情報１５４は、学習対象書籍、正例書籍、および負例書籍に関する情報であり、それぞれのアイテム属性を含む。第１ベクトル空間情報Ｍ１は、第１学習部１３０が、第１学習モデル１５１により書籍間の関連性を学習した結果を示す情報である。第２ベクトル空間情報Ｍ２は、第２学習部１４０が、第２学習モデル１５２により書籍間の関連性を学習した結果を示す情報である。

【0026】

図３は、情報処理装置２００の構成の一例を示す図である。情報処理装置２００は、例えば、通信部２１０と、コンテンツ配信部２２０と、レコメンド決定部２４０と、記憶部２５０と、を備える。これらの構成要素は、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。

【0027】

通信部２１０は、情報処理装置２００を通信ネットワークＮＷに接続する通信インタフェースである。情報処理装置２００は、通信部２１０を介して学習装置１００および利用者端末装置３００と通信可能である。

【0028】

コンテンツ配信部２２０は、利用者に対してアイテム群の書籍に関するコンテンツを提供する。コンテンツ配信部２２０は、利用者端末装置３００からの要求に応じて、利用者が指定した書籍に関するコンテンツの配信データを生成して利用者端末装置３００に送信する。例えば、コンテンツ配信部２２０は、記憶部２５０に格納されているコンテンツ情報２５１（後述）に基づいて配信データを作成する。コンテンツ情報２５１は、コンテンツの配信データを生成するのに必要な各種情報が含まれる。例えば、コンテンツ情報２５１には、アイテム群に関するアイテム情報や画像データなどが含まれる。コンテンツ情報２５１は、コンテンツの配信に先立って予め記憶部２５０に格納されているものである。

【0029】

レコメンド決定部２４０は、第１ベクトル空間情報Ｍ１および第２ベクトル空間情報Ｍ２をもとに、着目書籍を選択中（閲覧中）の利用者に対してレコメンドする書籍を決定する。具体的には、レコメンド決定部２４０は、着目書籍と他の書籍のそれぞれについて、第１ベクトル空間情報Ｍ１に基づく第１ベクトルと、第２ベクトル空間情報Ｍ２に基づく第２ベクトルとを認識し、第１ベクトルと第２ベクトルとを結合して第３ベクトルを生成する。レコメンド決定部２４０は、着目書籍の第３ベクトルと、他の書籍の第３ベクトルとの間のコサイン類似度を計算し、算出したコサイン類似度が所定値以上である他の書籍を着目書籍に対するレコメンドとして決定する。なお、着目書籍は「着目アイテム」の一例である。

【0030】

記憶部２５０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。記憶部２５０には、例えば、第１ベクトル空間情報Ｍ１と、第２ベクトル空間情報Ｍ２と、コンテンツ情報２５１と、閲覧履歴情報２５２と、が記憶される。第１ベクトル空間情報Ｍ１および第２ベクトル空間情報Ｍ２は、学習装置１００から供給される。第１ベクトル空間情報Ｍ１および第２ベクトル空間情報Ｍ２は、学習装置１００と情報処理装置２００との間で、通信によって送受信されてもよいし、取り外し可能な記憶媒体を介して受け渡されてもよい。

【0031】

閲覧履歴情報２５２は、利用者による書籍の閲覧履歴（選択履歴）を示す情報である。閲覧履歴情報２５２は、例えば、利用者ＩＤに、利用者が閲覧した書籍の書籍ＩＤ、閲覧時刻、書籍ＩＤに係る書籍の直後に利用者が閲覧した書籍の書籍ＩＤなどが対応付けられた情報である。閲覧履歴情報２５２は、コンテンツの配信状況（書籍の閲覧状況）に応じて適宜更新されるものとする。例えば、閲覧履歴情報２５２は、コンテンツ配信部２２０によって更新されてもよい。

【0032】

図４は、学習装置１００が第１ベクトル空間情報Ｍ１を生成する処理（以下「第１学習処理」という。）の流れの一例を示す図である。まず、第１学習部１３０が、アイテム情報１５４をもとに、第１学習処理向けに用意された教師データに含まれる各書籍についてアイテム属性を示す属性データを生成する（ステップＳ１０１）。続いて、第１学習部１３０は、ステップＳ１０１で生成した属性データと教師データとに基づいて距離学習を行うことにより、与えられた書籍間の関連性を学習する（ステップＳ１０２）。第１学習部１３０は、学習結果として第１ベクトル空間情報Ｍ１を生成して記憶部１５０に保存する（ステップＳ１０３）。

【0033】

図５は、第１学習処理の概要を示す図である。図５の例の第１学習処理Ｌ１は、「タイトル」、「著者」、「出版社」、「大ジャンル」、「中ジャンル」を含むアイテム属性Ｒ１を入力として、アイテム群のベクトル空間における着目書籍のベクトルを出力するものである。出力するベクトルの次元数は特定のものに限定されないが、例えば１２８である。第１学習処理Ｌ１は、例えば、図５に示されるように、深層ニューラルネットワークの全結合層Ａ１に２層の自己注意機構（図中の“Self-attention×２”）Ａ２を組み込んだ構成によって実現される。なお、第１学習処理Ｌ１の構成は、距離学習に十分な複雑度を実現できるものであれば図５の構成に限定されない。すなわち、第１学習処理Ｌ１の構成は、２層の自己注意機構に全結合層を接続した構成に限定されず、また、使用されるニューラルネットワークも自己注意機構や深層ニューラルネットワークに限定されない。例えば図５の例において、距離学習に十分な複雑度を実現できる場合には自己注意機構Ａ２が省略されてもよいし、距離学習に十分な複雑度を実現するために自己注意機構Ａ２が他のニューラルネットワークに置き換えられてもよい。このような構成をとることにより、第１学習処理Ｌ１において、著者、出版社、ジャンルが同じであっても、自己注意機構Ａ２により高次の交互作用を考慮して入力素性を実質的に増やし、より精度良く書籍間の関連性を学習することができる。

【0034】

図６は、距離学習の概要を示す図である。距離学習は、類似する（特徴が似ている）アイテムのベクトル同士が近くなり、類似しないアイテムのベクトル同士が遠くなるようにアイテム群のベクトルを学習する手法である。距離学習では、類似するアイテム同士での距離が類似しないアイテム同士での距離よりも大きい場合に損失（ペナルティ）を発生させ、類似しないアイテム同士での距離が類似するアイテム同士の距離よりも十分に大きい場合に損失を発生させないようにアイテム群についてベクトルが学習される。損失の一例として（２）式のＴｒｉｐｌｅｔ－Ｌｏｓｓが挙げられる。

【0035】

Ｔｒｉｐｌｅｔ－Ｌｏｓｓ＝ｍａｘ｛Ｄ（ＶＡ，ＶＰ）－Ｄ（ＶＡ，ＶＮ）
＋ｍａｒｇｉｎ，０｝ ・・・（２）

【0036】

（２）式において、Ｄ（ＶＡ，ＶＰ）は、書籍ＡのベクトルＶＡと書籍ＰのベクトルＶＰとの間の距離（以下「第１距離」という。）を表し、Ｄ（ＶＡ，ＶＮ）は、書籍ＡのベクトルＶＡと書籍ＮのベクトルＶＮとの間の距離（以下「第２距離」という。）を表す。ここで、書籍Ｐおよび書籍Ｎは、書籍Ａについて教師データとして与えられる書籍である。書籍Ｐは、書籍Ａについて類似の書籍として与えられるものであり、書籍Ｎは、書籍Ａについて非類似の書籍として与えられるものである。本実施形態では、書籍Ａの直後に閲覧された（選択された）書籍は書籍Ａに類似する書籍であるとの想定のもと、書籍Ａの直後に閲覧された書籍を書籍Ｐとして与える。これとは逆に、書籍Ａの直後に閲覧されなかった（選択されなかった）書籍は書籍Ａに類似しない書籍であるとの想定のもと、書籍Ａの直後に閲覧されなかった書籍を書籍Ｎとして与える。すなわち、この場合の教師データは、書籍Ｐを書籍Ａに対する正例として与え、書籍Ｎを書籍Ａに対する負例として与えるものである。

【0037】

このような損失を定義して距離学習を行うことにより、第１学習部１３０は、第１距離と第２距離との差がｍａｒｇｉｎ以上となるように書籍のベクトルを学習することができる。すなわち、第１学習部１３０は、学習対象の書籍の直後に選択された書籍が学習対象書籍に近く、また、学習対象の書籍の直後に選択されなかった書籍が学習対象書籍から遠くなるように学習対象書籍のベクトルを学習するものである。なお、第１学習部１３０は、学習データに含まれる書籍のうち、第１距離と第２距離との差がｍａｒｇｉｎ以上であるものについては学習を省略するように構成されてもよい。また、本実施形態の距離学習では、書籍のアイテム属性を入力として当該書籍のベクトルを出力する関係性を学習しているので、アイテム属性が類似する書籍同士が近くなるようにベクトルが学習される。

【0038】

図７は、学習装置１００が第２ベクトル空間情報Ｍ２を生成する処理（以下「第２学習処理」という。）の流れの一例を示す図である。まず、第２学習部１４０が、アイテム情報１５４をもとに、第２学習処理向けに用意された教師データに含まれる各書籍についてアイテム属性を示す属性データを生成する（ステップＳ２０１）。この処理は、図４で説明したステップＳ１０１と同じ処理であるので、第１学習処理と共通化されてもよい。なお、教師データは、第１学習処理と第２学習処理とで同じものが使用されてもよいし、それぞれに異なる教師データが用意されてもよい。

【0039】

続いて、第２学習部１４０は、学習対象書籍についてポジティブリストを作成する（ステップＳ２０２）。ポジティブリストは、上述のとおり、スコアに基づいて選定された学習対象書籍と親和性の高い書籍の一覧である。スコアは、スコア算出部１２０によって算出される。

【0040】

続いて、第２学習部１４０は、ステップＳ２０１で生成した属性データと、教師データと、ステップＳ２０２で生成したポジティブリストとに基づいて距離学習を行うことにより、各書籍間の関連性を学習する（ステップＳ２０３）。第２学習部１４０は、学習結果として第２ベクトル空間情報Ｍ２を生成して記憶部１５０に保存する（ステップＳ２０４）。

【0041】

図８は、ポジティブリストの概要を示す図である。ポジティブリストは、例えば、図８に示されるようなホットベクトルの形式で表される。例えば、ポジティブリストＰＬは、学習対象書籍の後（直後を含む）に選択された各書籍のうちスコアが上位のもの（例えば上位３０件など）を“１”とし、それ以外の書籍を“０”としたベクトルによって表すことができる。例えば、図８の例において、ポジティブリストＰＬは、学習対象書籍Ｓに対するスコアが上位の書籍Ａ、書籍Ｂ、および書籍Ｃのうち、各書籍に対するスコアが上位の書籍に学習対象書籍Ｓを含む書籍Ａおよび書籍Ｃを示す。ここで、「書籍Ｘに対するスコア」とは、書籍Ｘを着目書籍とした場合における、他の書籍の書籍Ｘに対するスコアである。この例では、書籍Ｂは、スコア上位に学習対象書籍Ｓを含まないのでポジティブリストから除外されている。このように、スコアは、書籍のペア（図５の例では、学習対象書籍Ｓ（着目書籍）と書籍Ａのペア、書籍Ｓと書籍Ｂのペア、および書籍Ｓと書籍Ｃのペア）に対してどちらを学習対象書籍（着目書籍）とするかによって非対称であるので、本実施形態では、どちらを選んでも高いスコアとなる書籍をポジティブリストに含めるようにしている。なお、スコア上位の判定基準や閾値は必要に応じて適宜設計されてよい。例えば、閾値以上のスコアを有する書籍が上位と判定されてもよいし、スコアの順位が閾値以上の書籍が上位と判定されてもよい。

【0042】

図９は、第２学習処理の概要を示す図である。図９の例の第２学習処理Ｌ２は、図５で例示した第１学習処理の構成において、自己注意機構Ａ２の入力にポジティブリストＰＬをさらに追加した構成である。このような構成をとることにより、第２学習処理Ｌ２では、第１学習処理Ｌ１と同様に、自己注意機構による高次の交互作用によってアイテム属性の入力素性を実質的に増加させて書籍間の関連性を学習しつつ、さらに、学習対象の書籍Ｓとの類似性を認識する上で書籍の選択実績に基づくスコアがより強く反映されるようにすることができる。言い換えれば、第２学習処理は、距離学習において、所定の条件を満たす特定書籍（自書籍に対する書籍Ｓのスコアが高く、且つ書籍Ｓに対する自書籍のスコアが高い書籍）の影響が第１学習処理よりも強く反映されるようにするものであり、アイテム属性のみを入力する第１学習処理に比べて、実際の選択結果をより重視して関連性を学習するものである、ということができる。

【0043】

図１０は、情報処理装置２００が着目書籍についてレコメンドする書籍を決定する処理（以下「レコメンド決定処理」という。）の流れの一例を示す図である。まず、レコメンド決定部２４０が、着目書籍と、その他の書籍のそれぞれについて、第１ベクトル空間情報Ｍ１をもとに上述の第１ベクトルを取得する（ステップＳ３０１）。第１ベクトルは、第１ベクトル空間情報Ｍ１に係るベクトル空間（アイテム属性重視の空間）において各書籍の座標（位置）を示すものである。

【0044】

続いて、レコメンド決定部２４０が、着目書籍と、その他の書籍のそれぞれについて、第２ベクトル空間情報Ｍ２をもとに上述の第２ベクトルを取得する（ステップＳ３０２）。第２ベクトルは、第２ベクトル空間情報Ｍ２に係るベクトル空間（選択実績重視の空間）において各書籍の座標（位置）を示すものである。

【0045】

続いて、レコメンド決定部２４０が、着目書籍と、その他の書籍のそれぞれについて、ステップＳ３０１およびＳ３０２で推定された第１ベクトルおよび第２ベクトルを結合して第３ベクトルを生成する（ステップＳ３０３）。レコメンド決定部２４０は、着目書籍の第３ベクトルと、その他の書籍の第３ベクトルとに基づいて着目書籍に対するレコメンドを決定する（ステップＳ３０４）。

【0046】

図１１は、レコメンド決定処理の概要を示す図である。例えば、レコメンド決定部２４０は、注目書籍と、その他の書籍との間で、第３ベクトル同士でのコサイン類似度を計算する。例えば、第１ベクトルおよび第２ベクトルがそれぞれ１２８次元のベクトルとして推定される場合、レコメンド決定部２４０は、それらを結合した２５６次元の第３ベクトル同士でコサイン類似度を計算する。レコメンド決定部２４０は、計算したコサイン類似度を所定の閾値と比較することにより、注目書籍と、その他の書籍との類似性を判定する。

【0047】

例えば、レコメンド決定部２４０は、注目書籍とその他の書籍Ｔとのコサイン類似度が閾値以上である場合には、書籍Ｔを注目書籍のレコメンドとすることを判定し、当該コサイン類似度が閾値未満である場合には、書籍Ｔを注目書籍のレコメンドとしないことを判定してもよい。ベクトル間のコサイン類似度は、ベクトル間の距離に相関するので、レコメンドをコサイン類似度により判定することは、距離学習の結果、ベクトル空間において互いに近くに配置された書籍をレコメンドとすることに相当する。

【0048】

以上のように構成された実施形態の情報処理システム１によれば、利用者に対してより適切なレコメンドを提供することが可能となる。

【0049】

＜変形例＞
学習装置１００は、第１学習部１３０および第２学習部１４０のいずれか一方を備えるように構成されてもよい。この場合、情報処理装置２００は、学習装置１００の構成に対応して、第１ベクトル空間情報Ｍ１および第２ベクトル空間Ｍ２のうちのいずれか一方を用いてレコメンドを決定するように構成されてもよい。例えば、学習装置１００が第１学習部１３０（または第２学習部１４０）のみを備える場合、情報処理装置２００は、学習装置１００の構成に対応する第１ベクトル空間情報Ｍ１（または第２ベクトル空間情報Ｍ２）を用いてレコメンドを決定してもよい。この場合、情報処理装置２００は、第１ベクトル空間情報Ｍ１（または第２ベクトル空間情報Ｍ２）に係るベクトル空間において、着目書籍の座標から閾値の範囲内に存在する他の書籍をレコメンドとして決定してもよい。また、学習装置１００および情報処理装置２００は一体に構成されてもよい。

【0050】

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】

【0051】

１…情報処理システム、１００…学習装置、１１０…通信部、１２０…スコア算出部、１３０…第１学習部、１４０…第２学習部、１５０…記憶部、１５１…第１学習モデル、１５２…第２学習モデル、１５３…教師データ、１５４…アイテム情報、２００…情報処理装置、２１０…通信部、２２０…コンテンツ配信部、２４０…レコメンド決定部、２５０…記憶部、２５１…コンテンツ情報、２５２…閲覧履歴情報、３００…利用者端末装置、Ａ１…全結合層、Ａ２…自己注意機構（Ｓｅｌｆ－ａｔｔｅｎｔｉｏｎ）、Ｍ１…第１ベクトル空間情報、Ｍ２…第２ベクトル空間情報

【図1】

【図2】

【図3】

【図4】

【図5】

【図6】

【図7】

【図8】

【図9】

【図10】

【図11】