特許 7563127 出力装置、コンピュータプログラム及び出力方法

(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】2024-09-30

(45)【発行日】2024-10-08

(54)【発明の名称】出力装置、コンピュータプログラム及び出力方法

(51)【国際特許分類】

   G06Q 30/0601 20230101AFI20241001BHJP

   G06Q 30/015 20230101ALI20241001BHJP

【ＦＩ】

G06Q30/0601 330

G06Q30/015

【請求項の数】 6

(21)【出願番号】P 2020192709

(22)【出願日】2020-11-19

(65)【公開番号】P2022081269

(43)【公開日】2022-05-31

【審査請求日】2023-09-27

(73)【特許権者】

【識別番号】000002897

【氏名又は名称】大日本印刷株式会社

(74)【代理人】

【識別番号】100114557

【弁理士】

【氏名又は名称】河野 英仁

(74)【代理人】

【識別番号】100078868

【弁理士】

【氏名又は名称】河野 登夫

(72)【発明者】

【氏名】中川 修

【審査官】渡邉 加寿磨

(56)【参考文献】

【文献】特開２０１６－１３９２６３（ＪＰ，Ａ）

【文献】特開２０１４－１４９５７１（ＪＰ，Ａ）

【文献】特開２００３－２１６６４７（ＪＰ，Ａ）

【文献】特開２０１７－１５１９８５（ＪＰ，Ａ）

【文献】特開２０２０－１７０４２２（ＪＰ，Ａ）

【文献】特開２０２０－０５７０６６（ＪＰ，Ａ）

【文献】特開２０１５－０９２３２７（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】

複数の物事の情報から、前記複数の物事の特徴に係る特徴量を計算する特徴量計算部と、
物事の組合せの推薦を求める会話文を受け付ける受付部と、
受け付けた前記会話文から形態素解析の結果に基づき複数の単語を抽出する抽出部と、
抽出した前記単語に基づき、推薦すべき物事を選択するための条件を生成する生成部と、
前記物事の特徴量及び前記条件に基づき、目的関数を生成する関数生成部と、
前記目的関数及び前記条件に基づき、二次式で表されるハミルトニアンを作成するハミルトニアン作成部と、
作成した前記ハミルトニアンのうち、前記二次式の値が最小となるハミルトニアンを、前記目的関数の最適解として計算する計算部と、
前記最適解に基づき、前記物事の中から推薦する前記物事の組合せを複数組、取得する取得部と、
取得した複数組の前記組合せを、前記特徴量及び前記条件に基づく利得により並べ替え、出力する出力部と
を備えることを特徴とする出力装置。

【請求項2】

前記条件は満たすべき制約条件、又は、満たすことが望ましい優先条件を含む
ことを特徴とする請求項１に記載の出力装置。

【請求項3】

出力した前記組合せに含む前記物事毎に可否を受け付ける可否受付部を備え、
前記取得部は、前記最適解並びに前記可否に基づき、推薦する前記物事の組合せを取得する
ことを特徴とする請求項１又は請求項２に記載の出力装置。

【請求項4】

前記会話文には複数人の発話に基づく文が含まれており、発話者及び前記条件の対応関係に基づき、前記条件の重み付けを行なう
ことを特徴とする請求項１から請求項３の何れか１項に記載の出力装置。

【請求項5】

推薦対象となる物事を記憶する記憶部を参照可能なコンピュータに、
複数の物事の情報から、前記複数の物事の特徴に係る特徴量を計算し、
物事の組合せの推薦を求める会話文を受け付け、
受け付けた前記会話文から形態素解析の結果に基づき複数の単語を抽出し、
抽出した前記単語に基づき、推薦すべき物事を選択するための条件を生成し、
前記物事の特徴量及び前記条件に基づき、目的関数を生成し、
前記目的関数及び前記条件に基づき、二次式で表されるハミルトニアンを作成し、
作成した前記ハミルトニアンのうち、前記二次式の値が最小となるハミルトニアンを、前記目的関数の最適解として計算し、
前記最適解に基づき、前記物事の中から推薦する前記物事の組合せを複数組、取得し、
取得した複数組の前記組合せを、前記特徴量及び前記条件に基づく利得により並べ替え、出力する
処理を行わせることを特徴とするコンピュータプログラム。

【請求項6】

推薦対象となる物事を記憶する記憶部を参照可能なコンピュータが、
複数の物事の情報から、前記複数の物事の特徴に係る特徴量を計算し、
物事の組合せの推薦を求める会話文を受け付け、
受け付けた前記会話文から形態素解析の結果に基づき複数の単語を抽出し、
抽出した前記単語に基づき、推薦すべき物事を選択するための条件を生成し、
前記物事の特徴量及び前記条件に基づき、目的関数を生成し、
前記目的関数及び前記条件に基づき、二次式で表されるハミルトニアンを作成し、
作成した前記ハミルトニアンのうち、前記二次式の値が最小となるハミルトニアンを、前記目的関数の最適解として計算し、
前記最適解に基づき、前記物事の中から推薦する前記物事の組合せを複数組、取得し、
取得した複数組の前記組合せを、前記特徴量及び前記条件に基づく利得により並び替え、出力する
処理を行うことを特徴とする出力方法。

【発明の詳細な説明】

【技術分野】

【0001】

本発明は、複数の物事に関し、所定の条件を満たす組合せを出力する出力装置等に関する。

【背景技術】

【0002】

組合せ最適化問題が知られている。最適化問題とは条件を満たす解の中で一番よいものを求める問題をいう。そして、組合せ最適化問題とは、解が順序や割当のように組合せ的な構造を持つ最適化問題をいう。従来、組合せ最適化問題に対し、種々の解法が提案されている。

【0003】

一方、小売業において、消費者に対し関連する複数の商品を組合せて提案すること、例えばファッションコーディネートは、組合せ最適化問題を解くことであるといえる。例えば、特許文献１には、衣服一式の少なくとも１つの提案を生成するための衣類マッチングシステムが開示されている。

【先行技術文献】

【特許文献】

【0004】

【文献】特表２０１６－５０２７１３号公報

【発明の概要】

【発明が解決しようとする課題】

【0005】

しかしながら、上記衣類マッチングシステムは、衣類の推薦に特化したものとなっており、汎用性に乏しい。本発明はこのような状況に鑑みてなされたものである。その目的は、商品又はサービスなどの物事に関し、複数の物事からなる組合せの中から、所定の条件を満たす組合せを出力する出力装置等の提供である。

【課題を解決するための手段】

【0006】

本願の一態様に係る出力装置は、物事の組合せの推薦を求める会話文を受け付ける受付部と、受け付けた前記会話文から形態素解析の結果に基づき複数の単語を抽出する抽出部と、抽出した前記単語に基づき、推薦すべき前記物事が有すべき特徴量、及び条件を生成する生成部と、前記特徴量及び前記条件に基づき、推薦する前記物事の組合せを複数組、取得する取得部と、取得した複数組の前記組合せを、前記特徴量及び前記条件に基づく利得により並べ替え、出力する出力部とを備えることを特徴とする。

【発明の効果】

【0007】

本願の一態様にあっては、複数の物事に関し、所定の条件を満たす組合せを出力する事が可能となる。

【図面の簡単な説明】

【0008】

【図1】推薦システムの構成例を示す説明図である。

【図2】推薦サーバのハードウェア構成例を示すブロック図である。

【図3】ユーザ端末のハードウェア構成例を示すブロック図である。

【図4】推薦サーバの備える機能部の一例を示すブロック図である。

【図5】商品特徴量計算処理の手順例を示すフローチャートである。

【図6】商品特徴を示すベクトルの算出例を示す説明図である。

【図7】商品特徴を示すベクトルの算出例を示す説明図である。

【図8】商品特徴を示すベクトルの算出例を示す説明図である。

【図9】商品特徴を示すベクトルの算出例を示す説明図である。

【図10】推薦処理の手順例を示すフローチャートである。

【図11】ハミルトニアンの作成手順を示す説明図である。

【図12】ハミルトニアンの作成手順を示す説明図である。

【図13】ハミルトニアンの作成手順を示す説明図である。

【図14】ハミルトニアンの作成手順を示す説明図である。

【図15】推奨する商品リストを生成する処理を示す説明図である。

【図16】推奨商品リスト表示画面の例を示す説明図である。

【図17】詳細画面の例を示す説明図である。

【図18】ハミルトニアンの更新手順を示す説明図である。

【図19】ハミルトニアンの更新手順を示す説明図である。

【図20】ハミルトニアンの他の例を示す説明図である。

【図21】推薦システムの利用場面の一例を示す説明図である。

【図22】推薦システムの利用場面の一例を示す説明図である。

【図23】推薦システムの利用場面の一例を示す説明図である。

【発明を実施するための形態】

【0009】

以下実施の形態を、図面を参照して説明する。図１は推薦システムの構成例を示す説明図である。推薦システム１００は推薦サーバ１及びユーザ端末２を含む。推薦サーバ１及びユーザ端末２はネットワークＮにより、互いに通信可能に接続されている。なお、以下の説明においては、複数商品の組合せを推薦する場合について述べるが、複数サービスの組合せを推薦する場合も同様である。また、観光ルートの推薦、料理の献立の推薦、工場での生産計画等、その他の組合せ最適化問題についても、同様である。

【0010】

推薦サーバ１はサーバコンピュータ、ＰＣ（Personal Computer）等で構成する。また、推薦サーバ１を複数のコンピュータからなるマルチコンピュータ、ソフトウェアによって仮想的に構築された仮想マシン又は量子コンピュータで構成しても良い。さらに、推薦サーバ１の機能をクラウドサービスで実現してもよい。ユーザ端末２はタブレットコンピュータ、スマートフォン、スマートスピーカ、又はノートパソコン等で構成する。図１にはユーザ端末２を３台記載しているが、１台でもよいし、４台以上でもよい。

【0011】

図２は推薦サーバのハードウェア構成例を示すブロック図である。推薦サーバ１は制御部１１、主記憶部１２、補助記憶部１３、通信部１４及び読み取り部１５を含む。制御部１１、主記憶部１２、補助記憶部１３、通信部１４及び読み取り部１５はバスＢにより接続されている。

【0012】

制御部１１は、一又は複数のＣＰＵ（Central Processing Unit）、ＭＰＵ（Micro-Processing Unit）、ＧＰＵ（Graphics Processing Unit）等の演算処理装置を有する。制御部１１は、補助記憶部１３に記憶された制御プログラム１Ｐ（コンピュータプログラム）を読み出して実行することにより、推薦サーバ１に係る種々の情報処理、制御処理等を行い、各種の機能部を実現する。

【0013】

主記憶部１２は、ＳＲＡＭ（Static Random Access Memory）、ＤＲＡＭ（Dynamic Random Access Memory）、フラッシュメモリ等である。主記憶部１２は主として制御部１１が演算処理を実行するために必要なデータを一時的に記憶する。

【0014】

補助記憶部１３はハードディスク又はＳＳＤ（Solid State Drive）等であり、制御部１１が処理を実行するために必要な制御プログラム１Ｐや各種ＤＢ（Database）を記憶する。補助記憶部１３は、商品情報ＤＢ１３１、商品特徴量ＤＢ１３２、類語辞書１３３、及び概念体系辞書１３４を記憶する。補助記憶部１３は推薦サーバ１に接続された外部記憶装置であってもよい。補助記憶部１３に記憶する各種ＤＢ等を、推薦サーバ１とは異なるデータベースサーバやクラウドストレージに記憶してもよい。

【0015】

商品情報ＤＢ１３１は、商品の提供者が保有する商品の情報及び当該提供者以外が保有する商品に関する情報を記憶する。例えば前者は、商品価格、商品分類、商品仕様、消費説明文、又は商品画像等である。例えば後者は生活者コメント又は生活者撮影画像等である。商品特徴量ＤＢ１３２は商品の特徴量を記憶する。当該特徴量は商品の特徴を記述するものであり、商品情報ＤＢ１３１が記憶する商品の情報から算出する。

【0016】

例えば、類語辞書１３３は意味や概念が似通った複数の単語同士を対応付けて記憶する辞書である。例えば、概念体系辞書１３４は概念間の上位・下位関係を規定する辞書である。

【0017】

通信部１４はネットワークＮを介して、ユーザ端末２と通信を行う。また、制御部１１が通信部１４を用い、ネットワークＮ等を介して他のコンピュータから制御プログラム１Ｐをダウンロードし、補助記憶部１３に記憶してもよい。

【0018】

読み取り部１５はＣＤ（Compact Disc）－ＲＯＭ及びＤＶＤ（Digital Versatile Disc）－ＲＯＭを含む可搬型記憶媒体１ａを読み取る。制御部１１が読み取り部１５を介して、制御プログラム１Ｐを可搬型記憶媒体１ａより読み取り、補助記憶部１３に記憶してもよい。また、ネットワークＮ等を介して他のコンピュータから制御部１１が制御プログラム１Ｐをダウンロードし、補助記憶部１３に記憶してもよい。さらにまた、半導体メモリ１ｂから、制御部１１が制御プログラム１Ｐを読み込んでもよい。

【0019】

図３はユーザ端末のハードウェア構成例を示すブロック図である。ユーザ端末２は制御部２１、主記憶部２２、補助記憶部２３、通信部２４、入力部２５、及び表示部２６を含む。各構成はバスＢで接続されている。

【0020】

制御部２１は補助記憶部２３に記憶された制御プログラム２Ｐにしたがい、ハードウェア各部を制御する。一又は複数のＣＰＵ、ＭＰＵ、ＧＰＵ等の演算処理装置を有する。制御部２１は、補助記憶部２３に記憶された制御プログラム２Ｐを読み出して実行することにより、種々の機能を提供する。

【0021】

主記憶部２２は、ＳＲＡＭ、ＤＲＡＭ、フラッシュメモリ等である。主記憶部２２は主として制御部２１が演算処理を実行するために必要なデータを一時的に記憶する。

【0022】

補助記憶部２３はハードディスク又はＳＳＤ等であり、制御部２１が処理を実行するために必要な各種データを記憶する。補助記憶部２３はユーザ端末２に接続された外部記憶装置であってもよい。補助記憶部２３に記憶する各種ＤＢ等を、データベースサーバやクラウドストレージに記憶してもよい。

【0023】

通信部２４はネットワークＮを介して、推薦サーバ１と通信を行う。また、制御部２１が通信部２４を用い、ネットワークＮ等を介して他のコンピュータから制御プログラム２Ｐをダウンロードし、補助記憶部２３に記憶してもよい。

【0024】

入力部２５はキーボードやマウスである。表示部２６は液晶表示パネル等を含む。表示部２６は推薦サーバ１が出力したお薦め商品一覧などを表示する。また、表示部２６は入力部２５と一体化したタッチパネルディスプレイでもよい。なお、ユーザ端末２は外部の表示装置に表示を行ってもよい。入力部２５はマイクを、表示部２６はスピーカを含んでもよい。特に、ユーザ端末２をスマートスピーカで構成した場合、マイクとスピーカとを介して、ユーザとユーザ端末２とは音声対話を行なう。

【0025】

図４は推薦サーバの備える機能部の一例を示すブロック図である。推薦サーバ１の制御部１１は、制御プログラム１Ｐを実行することにより、商品特徴量計算部１１a、要求受付部１１ｂ、条件抽出部１１ｃ、ハミルトニアン作成部１１ｄ、最適化計算部１１e、最適解データ解釈部１１f、出力部１１ｇ、ＯＫ／ＮＧ受付部１１ｈ、及びハミルトニアン更新部１１ｉとして機能する。

【0026】

商品特徴量計算部１１aは、商品情報ＤＢ１３１が記憶する商品の情報から、当該商品の特徴を記述する特徴量を算出し、商品特徴量ＤＢ１３２に記憶する。

【0027】

要求受付部１１ｂは、商品の推薦を求める会話文を受け付ける。要求受付部１１ｂはチャットボットや音声チャットボット等を含む対話生成機能を有している。要求受付部１１ｂは、チャットボットや音声チャットボットを用いて、商品に対するユーザの希望をユーザ端末２から受け付ける。要求受付部１１ｂはチャットボットによる会話文から、条件抽出部１１ｃの処理対象となる解析対象テキストを出力する。また、要求受付部１１ｂは音声チャットボットによる会話音声をテキストに変換し、条件抽出部１１ｃの処理対象となる解析対象テキストを出力する。チャットボットや音声チャットボットによる対話で、複数のユーザが発言した場合、要求受付部１１ｂは、発話者に基づく優先度を解析対象テキストに付与してもよい。例えば、発現頻度や発言量が多い発話者に対応する解析対象テキストには、高い優先度を付与する。また、複数の発話者において女性が一人の場合、女性に対応する解析対象テキストには高い優先度（重み付け）を付与する。要求受付部１１ｂは受付部に相当する。

【0028】

条件抽出部１１ｃは、要求受付部１１ｂが出力した解析対象テキストから、推薦する商品を選択するための条件を抽出する。条件抽出部１１ｃは、必要に応じて類語辞書１３３及び概念体系辞書１３４を用い、解析対象テキストに対して、形態素解析、構文解析及び情報の抽出を行なう。条件抽出部１１ｃは推薦する商品の組合せが満たさなければならない制約条件と、満たすことが望ましい優先条件とを出力する。条件抽出部１１ｃは抽出部、生成部及び取得部に相当する。

【0029】

ハミルトニアン作成部１１ｄは、条件抽出部１１ｃが抽出した制約条件を満たし、条件抽出部１１ｃが抽出した優先条件の充足度を最大化する商品の組合せを求めるためのハミルトニアンを作成する。ここでのハミルトニアンは、複数の２値変数に関する２次式の係数として表現される。最適化計算部１１eは、ハミルトニアン作成部１１ｄが作成したハミルトニアンの最適化計算を行なう。最適解データ解釈部１１fは、最適化計算部１１eが出力した最適解を解釈して、推薦する商品を組合せた商品リストを作成する。出力部１１ｇは、最適解データ解釈部１１fが作成したリストを含む画面情報を作成し、ユーザ端末２へ出力する。ハミルトニアン作成部１１ｄ、最適化計算部１１e及び最適解データ解釈部１１fが行なう処理の具体例は後述する。ハミルトニアン作成部１１ｄ、最適化計算部１１e及び最適解データ解釈部１１fは取得部に相当する。また、ハミルトニアン作成部１１ｄは関数生成部に相当する。最適化計算部１１eは計算部に相当する。

【0030】

ＯＫ／ＮＧ受付部１１ｈは、商品リストの含まれる各商品をユーザが受け入れた（ＯＫとした）か、受け入れなかった（ＮＧとした）かを、示すＯＫ／ＮＧ情報を、ユーザ端末２から受け付ける。ハミルトニアン更新部１１ｉは、受け付けたＯＫ／ＮＧ情報に基づき、ハミルトニアンを更新する。ここでは、ハミルトニアンの係数を更新する。更新された係数に基づき、最適化計算部１１eが再度、最適化計算を行なう。最適解データ解釈部１１fは、最適化計算部１１eが出力した新たな最適解を解釈して、推薦する商品を組合せた商品リストを作成する。出力部１１ｇは、最適解データ解釈部１１fが作成したリストを含む画面情報を作成し、ユーザ端末２へ出力する。ハミルトニアン更新部１１ｉが行なう処理の具体例は後述する。ＯＫ／ＮＧ受付部１１ｈは可否受付部に相当する。

【0031】

次に、推薦システム１００で行われる処理について説明する。図５は商品特徴量計算処理の手順例を示すフローチャートである。商品特徴量計算処理は、商品情報ＤＢ１３１が記憶する商品の情報から、当該商品の特徴を記述する特徴量を算出し、商品特徴量ＤＢ１３２に記憶する処理である。推薦サーバ１の制御部１１は、商品情報ＤＢ１３１から処理対象とする商品情報を取得する（ステップＳ１）。制御部１１は商品情報から商品特徴を示すベクトルを算出する（ステップＳ２）。算出例は後述する。制御部１１はベクトルの長さが１となるように正規化する（ステップＳ３）。制御部１１は正規化したベクトルを商品特徴量ＤＢ１３２に記憶する（ステップＳ４）。制御部１１は未処理の商品情報があるか否かを判定する（ステップＳ５）。制御部１１は未処理の商品情報があると判定した場合（ステップＳ５でＹＥＳ）、処理をステップＳ１へ戻し、未処理の商品情報に対する処理を繰り返す。制御部１１は未処理の商品情報がないと判定した場合（ステップＳ５でＮＯ）、処理を終了する。商品特徴量計算処理は推薦システム１００の構築時に行なうほか、商品情報ＤＢ１３１に新たな商品情報が登録された場合、商品情報の内容が更新された場合などに行なう。

【0032】

図６は商品特徴を示すベクトルの算出例を示す説明図である。図６は商品分類からベクトルを算出する例を示している。図６に示す表は商品分類を示す商品情報ＤＢ１３１の例である。各商品には分類１及び分類２が付与されている。図６に示すＶ_０１からＶ_０４は分類をベクトルで表現したものである。制御部１１は、分類１に含まれる値の数と分類２に含まれる値の数とを合計した数を求める。制御部１１は、合計値を要素数とするベクトルを生成する。図６に示す例では、分類１は７つの値、分類２も７つの値となっている。制御部１１は、ベクトルの各要素を分類１又は分類２に含む各値に対応付け、値は０又は１とする。制御部１１は、各分類について、取る値に対応する要素の値を１とし、それ以外の要素の値を０とする。

【0033】

図６に示す例では、分類１が取りうる「揚げ物」は第２番目の要素、「焼き物」は第３番目の要素、「煮物」は第４番目の要素、「飲み物」は第７番目の要素に対応する。分類２が取りうる「魚」は第８番目の要素、「豚肉」は第１０番目の要素、「野菜」は第１２番目の要素、「日本酒」は第１４番目の要素に対応する。

【0034】

商品ＩＤが１の商品は、分類１の値が「揚げ物」、分類２の値が「魚」であるので、第２番目と第８番目の要素が１となり、他の要素は０となる。商品ＩＤが２の商品は、分類１の値が「焼き物」、分類２の値が「豚肉」であるので、第３番目と第１０番目の要素が１となり、他の要素は０となる。同様に商品ＩＤが３の商品は、第４番目と第１２番目の要素が１となり、他の要素は０となる。商品ＩＤが４の商品は、第７番目と第１４番目の要素が１となり、他の要素は０となる。

【0035】

以上のように求めたベクトルＶ_０１からＶ_０４の各ベクトルについて、長さが１となるように、制御部１１は正規化を行う。制御部１１は正規化して得たベクトルＶ１からＶ４を商品特徴量ＤＢ１３２に記憶する。

【0036】

図７は商品特徴を示すベクトルの算出例を示す説明図である。図７は商品購買履歴に基づき推定した商品分類からベクトルを算出する例を示している。商品購買履歴はＰＯＳ（Point of sales）レジから収集したデータを集約したものである。図７に示す例では、商品購買履歴から、各商品に関する平均購買層（性別・年代）を計算する。当該計算は公知であるので説明を省略する。求めた各商品の平均購買層の性別を分類３、年代を分類４とする。

【0037】

図７に示すＶ_０１からＶ_０４は分類３、分類４をベクトルで表現したものである。制御部１１は、分類３に含まれる値の数と分類４に含まれる値の数とを合計した数を求める。制御部１１は、合計値を要素数とするベクトルを生成する。図７に示す例では、分類３は２つの値、分類４は５つの値となっている。制御部１１は、ベクトルの各要素を分類３又は分類４に含む各値に対応付け、値は０又は１とする。制御部１１は、各分類について、取る値に対応する要素の値を１とし、それ以外の要素の値を０とする。

【0038】

図７に示す例では、分類３が取りうる「男性」は第１番目の要素、「女性」は第２番目の要素に対応する。分類４が取りうる「２０歳代」は第４番目の要素、「３０歳代」は第５番目の要素、「４０歳代」は第６番目の要素、「５０歳代」は第７番目の要素に対応する。

【0039】

商品ＩＤが１の商品は、分類３の値が「女性」、分類４の値が「２０歳代」であるので、第２番目と第４番目の要素が１となり、他の要素は０となる。商品ＩＤが２の商品は、分類３の値が「男性」、分類４の値が「４０歳代」であるので、第１番目と第６番目の要素が１となり、他の要素は０となる。同様に商品ＩＤが３の商品は、第２番目と第５番目の要素が１となり、他の要素は０となる。商品ＩＤが４の商品は、第１番目と第７番目の要素が１となり、他の要素は０となる。

【0040】

以上のように求めたベクトルＶ_０１からＶ_０４の各ベクトルについて、長さが１となるように、制御部１１は正規化を行う。制御部１１は正規化して得たベクトルＶ１からＶ４を商品特徴量ＤＢ１３２に記憶する。

【0041】

図８は商品特徴を示すベクトルの算出例を示す説明図である。図８は商品説明からベクトルを算出する例を示している。ここでの商品説明は商品提供者が保有している想定である。各商品の商品説明の文章特徴を示す文書ベクトルを計算する。ベクトルで表現するために用いる手法は、Bag of Words、TF-IDF（Term Frequency Inverse Document Frequency）、又はLSI（Latent Semantic Indexing：潜在的意味索引）等の公知の技術であるので、説明を省略する。各文書ベクトルについて、長さが１となるように、制御部１１は正規化を行う。制御部１１は正規化して得たベクトルＶ１、Ｖ２、…を商品特徴量ＤＢ１３２に記憶する。

【0042】

図９は商品特徴を示すベクトルの算出例を示す説明図である。図９はＳＮＳ（Social Networking Service）コメントからベクトルを算出する例を示している。ＳＮＳコメントはインターネットで公開されているものを収集する。制御部１１はＳＮＳコメントから文章特徴を示す文書ベクトルを計算する。用いる手法は上述した図８と同様である。各文書ベクトルについて、長さが１となるように、制御部１１は正規化を行う。制御部１１は正規化して得たベクトルＶ１、Ｖ２、…を商品特徴量ＤＢ１３２に記憶する。

【0043】

続いて、ユーザが推薦システム１００から複数商品の推薦を受ける場合の処理について説明する。図１０は推薦処理の手順例を示すフローチャートである。ユーザはユーザ端末２で推薦処理を開始する。ユーザ端末２の制御部２１は対話要求を推薦サーバ１へ送信する（ステップＳ１１）。推薦サーバ１の制御部１１は対話要求を受信する（ステップＳ１２）。制御部１１は質問をユーザ端末２へ送信する（ステップＳ１３）。ユーザ端末２の制御部２１は質問を受信し、表示部２６に表示する（ステップＳ１４）。ユーザは入力部２５を用いて質問の回答を入力する。制御部２１は回答を取得し、推薦サーバ１へ送信する（ステップＳ１５）。推薦サーバ１の制御部１１は回答を受信する（ステップＳ１６）。制御部１１は対話を終了するか否かを判定する（ステップＳ１７）。終了と判定するのは、例えば用意してある一通りの質問に対して回答を得られた場合、回答の受信回数が所定の回数に達した場合、回答内容が「希望は以上」のようにユーザが対話終了を望むものである場合などである。制御部１１は対話を終了しないと判定した場合（ステップＳ１７でＮＯ）、処理をステップＳ１３へ戻し、次の質問をユーザ端末２へ送信する。制御部１１は対話を終了すると判定した場合（ステップＳ１７でＹＥＳ）、ユーザから得た全ての回答から推薦する商品を選択するための条件を抽出する（ステップＳ１８）。制御部１１は推薦の候補となりうる全商品の商品特徴量、商品情報を取得する（ステップＳ１９）。制御部１１はハミルトニアンを作成する（ステップＳ２０）。制御部１１は最適化計算を行なう（ステップＳ２１）。制御部１１は最適化計算の結果に基づき、推薦する商品のリストを作成する（ステップＳ２２）。ステップＳ２０からＳ２２の具体的な処理内容は後述する。制御部１１は商品リストをユーザ端末２へ送信する（ステップＳ２３）。ユーザ端末２の制御部２１は商品リストを受信し、表示部２６に表示する（ステップＳ２４）。ユーザは表示された各商品について、受け入れるか否かの可否を入力する。また、ユーザは商品の購入に進むか、推薦のやり直しかを選択する。制御部２１は各商品の可否、ユーザの指示を取得して、推薦サーバ１へ送信する（ステップＳ２５）。推薦サーバ１の制御部１１はユーザの指示がやり直しであるか否かを判定する（ステップＳ２６）。制御部１１はユーザの指示がやり直しであると判定した場合（ステップＳ２６でＹＥＳ）、各商品の可否に基づき、ハミルトニアンを更新する（ステップＳ２７）。制御部１１は処理をステップＳ２１に戻し、処理を継続する。ステップＳ２７の具体的な処理内容は後述する。制御部１１はユーザの指示がやり直しでないと判定した場合（ステップＳ２６でＮＯ）、推薦処理を終了し、ユーザが指定した商品を購入するための処理を開始する。当該処理は省略する。

【0044】

図１１から図１４はハミルトニアンの作成手順を示す説明図である。図１１は前処理の例を示す説明図である。図１１は飲食店におけるメニューの組合せを推薦する場合の例を示している。制約条件は合計価格の上限（Ｃ）である。優先条件は各メニューに対するユーザの趣味・嗜好を表現したものである。例えば、揚げ物の優先度をａ、鶏肉の優先度をｂであるとする。また、揚げ物の特徴を表す特徴ベクトルをＶａ、鶏肉の特徴を表す特徴ベクトルをＶｂとする。このとき、優先条件Ｕは、Ｕ＝ａ×Ｖａ＋ｂ×Ｖｂで表される。なお、Ｕは長さが１となるよう正規化されているとする。このように、各商品の特徴量と優先条件との類似度（ここでは内積）が、各商品の価値となる。各商品の価値、並びに、制約条件（合計価格）及び制約条件の判定に必要となる商品価格が、ハミルトニアンを計算するための準備データとなる。

【0045】

図１２はハミルトニアンに用いる変数に関する処理を示す説明図である。変数は、商品ｉを推薦するか否かを規定する数列ｘ_ｉ（ｉ＝１，…，Ｎ）と、補助変数の数列y_ｉ（ｉ＝１，…，Ｃ）とを含む。Ｎは処理対象となる商品の全数を示す。数列y_ｉはｎ番目だけが１で残りが０のＣ個の数列である。ハミルトニアンにおいては、数列ｘ_ｉ及び数列y_ｉを統合し、q_ｉ（ｉ＝１，…，Ｍ、但しＭ＝Ｎ＋Ｃ）とする。

【0046】

図１３は目的関数と制約条件とからハミルトニアンを求める処理を示す説明図である。商品価値は図１１に示した内積であり、図１３ではｗ_ｉ(ｉ＝１，…，Ｎ)と示している。商品価格はｃ_ｉ(ｉ＝１，…，Ｎ)と示している。優先条件にもっとも適合する商品の組合せは、商品の合計価値が最大となる組合せである。したがって、目的関数は式（１）となる。価値を最大化することは目的関数の最小化することと同値となる。

【0047】

【数1】

【0048】

制約条件は補助変数を用いて式（２）で表すことができる。

【0049】

【数2】

【0050】

式（２）の第１項において、補助変数は１が１個で、残りはすべて０である。第２項は価格合計がＣ以下となる条件を示す。条件を満たしていれば全体が０となり、満たしていない場合、０より大きくなる。

【0051】

ハミルトニアンは式（３）となる。目的関数と制約条件の線形和である。

【0052】

【数3】

【0053】

パラメータαは制約を厳しく満たしたい場合、大きくとるが、大きすぎると目的関数が最小化されない可能性も高くなるため適当な値に設定する。

【0054】

図１４はハミルトニアンを、変数q_ｉを用いた整理式として示す説明図である。式（３）を、変数q_ｉを用いて整理すると、式（４）と表せる。なお、const.は定数を示すが、最適化計算において定数は影響を及ぼさないため、計算時には省略してもよい。

【0055】

【数4】

【0056】

式（４）で示すハミルトニアンの最適化計算は、係数Ｊ_ｉｊ、ｈ_ｉである二次式の値が最小となる、変数q_ｉを求めることになる。最適化計算は、例えばアニーリングマシンにより行なう。アニーリングマシンは量子アニーリングにより、組合せ最適化問題を解く機能を持つコンピュータ、仮想マシンである。組合せ最適化問題を解く手法として、シミュレーテッド・アニーリングを用いてもよい。組合せ最適化問題を解く手法は公知のものを使用するので、説明を省略する。

【0057】

図１５は推奨する商品リストを生成する処理を示す説明図である。最適化計算の結果、最適解として、変数q_ｉのビット列（q_１，…，q_Ｍ）が得られる。図１２に示したようにビット列のうち、先頭のＮ個が、変数列（ｘ_１，…，ｘ_N）に対応する。ｘ_iは商品ｉを推薦するか否かを規定しており、値０が推奨しないことを、値１が推奨することを示す。したがって、変数列（ｘ_１，…，ｘ_N）の中から、ｘ_k＝１となっているｋを取り出す。そして、各ｋの値に対応する商品の商品情報（商品名、価格等）を商品情報マスタＤＢ（図示しない）から取得し、商品リストを作成する。作成した商品リストはユーザ端末２に送信され、ユーザに提示される。なお、最適化計算の結果として、最適解に加えて、最適解付近の解を複数取得してもよい。この場合、取得した解の数に応じて、商品リストを複数作成する。作成した複数の商品リストは、基になった解に対する目的関数の値（利得）の昇順に並べ替え、ユーザに提示する。

【0058】

図１６は推奨商品リスト表示画面の例を示す説明図である。リスト表示画面ｄ０１は、推奨する商品リストを表示する。図１６では３つの商品リストｄ０１１を表示している。商品リストｄ０１１はハイパーリンクとなっており、一つの商品リストｄ０１１を選択すると、リスト内の商品に関する情報を示す詳細画面に遷移する。

【0059】

図１７は詳細画面の例を示す説明図である。詳細画面ｄ０２は、ユーザが選択した商品リストｄ０１１内の商品に関する情報を表示する画面である。詳細画面ｄ０２は商品画像ｄ０２１、商品名ｄ０２２、商品価格ｄ０２３、商品スペックｄ０２４、ＯＫボックスｄ０２５、ＮＧボックスｄ０２６、やり直しボタンｄ０２７、及び買い物かご投入ボタンｄ０２８を含む。商品画像ｄ０２１は商品のサムネイル画像等である。商品名ｄ０２２は商品名称である。合わせて商品の型式や商品コード等を表示してもよい。商品価格ｄ０２３は商品の販売価格である。商品スペックｄ０２４は商品のスペックである。ＯＫボックスｄ０２５はチェックボックスである。ユーザはＯＫボックスｄ０２５にチェックを入れることにより、対応する商品が自分の希望に沿った商品である旨の意思表示を行なう。ＮＧボックスｄ０２６はチェックボックスである。ユーザはＮＧボックスｄ０２６にチェックを入れることにより、対応する商品が自分の希望に沿っていない商品である旨の意思表示を行なう。ＯＫボックスｄ０２５、又は、ＮＧボックスｄ０２６の何れかを必ずチェックしなければならないとしてもよいし、何れもチェックしないことを許容してもよい。ユーザがやり直しボタンｄ０２７を選択すると、ＯＫボックスｄ０２５、及び、ＮＧボックスｄ０２６の状態が推薦サーバ１に送信され、当該状態を加味した商品リストを作成する。ユーザが買い物かご投入ボタンｄ０２８を選択すると、ＯＫボックスｄ０２５にチェックが入っている商品が買い物かごへ投入され、決済画面へ遷移する。

【0060】

図１８及び図１９はハミルトニアンの更新手順を示す説明図である。図１８は補正パラメータの算出手順を示す説明図である。図１８のユーザ指示データは、図１７に示したＯＫボックスｄ０２５、及び、ＮＧボックスｄ０２６の状態より、得られるデータである。t－１回目のユーザ指示データを使って、t回目の計算用のハミルトニアンを作成するための補正パラメータを求める。t＝１のときに必要となる０回目の補正パラメータ（初期条件）は式（５）で定義する。

【0061】

【数5】

【0062】

t－１回目の指示データを使って、t回目の補正パラメータは式（６）、（７）及び（８）を用いて計算する。

【0063】

【数6】

【0064】

【数7】

【0065】

【数8】

【0066】

図１９は補正後のハミルトニアンを示す説明図である。t回目の計算では、ハミルトニアンは式（９）で示される。初期のハミルトニアンに、第３項及び第４項が追加されている。式（９）を整理すると式（１０）となる。

【0067】

【数9】

【0068】

更新されたハミルトニアンの係数により、最適化計算を再度、行なう。最適化計算後の処理は、図１５に示した処理と同様であるから、説明を省略する。

【0069】

図１９に示した式（９）を他の式としてもよい。図２０はハミルトニアンの他の例を示す説明図である。式（９）を図２０に示す式に置き換えてもよい。図２０に示す式は、式（９）に第５～第８項が追加されている。複数の商品が好ましい組合せか、そうでないかをユーザがどう判断しているかをより良く加味して、最適化計算が可能となる。

【0070】

次に、推薦システム１００の利用場面の例を示す。図２１は推薦システムの利用場面の一例を示す説明図である。図２１は、推薦システム１００が、観光ルートの推薦を行なう観光ルート推薦システムとして機能する場合を示す。この場合、参照されるデータベースは観光地ＤＢ、交通ＤＢ等である。観光ルート推薦システムにおいて、ユーザはチャットボット等の対話ツールを用いて、観光ルートについての希望を推薦サーバ１へ送信する（１）。推薦サーバ１は、ユーザの希望から条件を抽出する（２）。出発時間及び帰着時間、並びに、出発場所及び帰着場所は制約条件である。周る場所の希望、「子供も楽しめる場所」、「京都らしい食事」がとれるレストランなどは、希望条件となる。推薦サーバ１はユーザに推薦する最適観光ルートを、最適化計算にて求める（３）。ユーザ端末２に最適ルートが表示される（４）。ユーザは周る観光地を参照して、観光地ごとに可否を述べる（５）。可否が推薦サーバ１へ送信される（６）。推薦サーバ１は最適ルートを再計算する（７）。再計算した後の最適ルートがユーザ端末２に表示される。必要に応じて、（５）から（８）を繰り返す。なお、観光ルートのように順序を含む場合は、図２１の右下に示した表のように、順番と場所とのマトリクスにより、順番をビットで表示可能である。当該表では、Ｂ→Ａ→Ｃ→Ｄの順に周る旨を表現している。

【0071】

図２２は推薦システムの利用場面の一例を示す説明図である。図２２は、推薦システム１００が、料理の献立の推薦を行なう献立推薦システムとして機能する場合を示す。この場合、参照されるデータベースはレシピＤＢ、食品成分ＤＢ等である。献立推薦システムにおいて、ユーザはチャットボット等の対話ツールを用いて、献立についての希望を推薦サーバ１へ送信する（１）。推薦サーバ１は、ユーザの希望から条件を抽出する（２）。食事する大人や子どもの人数、使用したい食材等は制約条件となる。栄養バランス等は希望条件となる。推薦サーバ１はユーザに推薦する献立を、最適化計算にて求める（３）。ユーザ端末２に最適献立が表示される（４）。ユーザは献立を参照して、料理ごとに可否を述べる（５）。可否が推薦サーバ１へ送信される（６）。推薦サーバ１は最適献立を再計算する（７）。再計算した後の最適献立がユーザ端末２に表示される（８）。必要に応じて、（５）から（８）を繰り返す。

【0072】

図２３は推薦システムの利用場面の一例を示す説明図である。図２２は、推薦システム１００が、生産計画作成システムとして機能する場合を示す。生産計画作成システムは、複数の異なる生産機を用いた複数の工程により製品を製造する場合に、各生産機の生産計画を作成するシステムである。この場合、参照されるデータベースは品目情報ＤＢ、機械特性ＤＢ等である。生産計画作成システムにおいて、ユーザはユーザ端末２を介して、生産場所、計画期間、製品毎の予定生産数等の条件を推薦サーバ１へ送信する（１）。推薦サーバ１は、各生産機の生産計画を最適化計算にて求める（２）。ユーザ端末２に生産計画が表示される（３）。ユーザは計画を参照して、改善すべき事項をユーザ端末２に入力する（４）。改善すべき事項が推薦サーバ１へ送信される（５）。推薦サーバ１は生産計画を再計算する（６）。再計算した後の生産計画がユーザ端末２に表示される（７）。必要に応じて、（５）から（７）を繰り返す。

【0073】

本実施の形態においては、以下の効果を奏する。ユーザの趣味・嗜好や特定の制約条件に適合した推薦に加えて、ユーザのそのときの状況に応じた細かな要求にも対応することが可能となる。商品組合せの推薦だけでなく、熟練者の経験と勘により行ってきた、製造物の生産計画や物流の最適化や人員計画など、多数の変数が複雑に相関しながら最適な組合せを見出す必要のある業務の最適化にも利用することが可能である。制約条件や最適化したい指標が、必ずしも明確になっていない組合せ最適化問題は現実的に多くある。本実施の形態はシステム運用しながら自律的に最適化自体を学習できるので、最適化したい指標が明確でない組合せ最適化問題にも対応可能となる。

【0074】

各実施の形態で記載されている技術的特徴（構成要件）はお互いに組合せ可能であり、組合せすることにより、新しい技術的特徴を形成することができる。
今回開示された実施の形態はすべての点で例示であって、制限的なものではないと考えられるべきである。本発明の範囲は、上記した意味ではなく、特許請求の範囲によって示され、特許請求の範囲と均等の意味及び範囲内でのすべての変更が含まれることが意図される。

【符号の説明】

【0075】

１００ 推薦システム
１ 推薦サーバ
１１ 制御部
１１a 商品特徴量計算部
１１ｂ 要求受付部
１１ｃ 条件抽出部
１１ｄ ハミルトニアン作成部
１１e 最適化計算部
１１f 最適解データ解釈部
１１ｇ 出力部
１１ｈ ＮＧ受付部
１１ｉ ハミルトニアン更新部
１２ 主記憶部
１３ 補助記憶部
１３１ 商品情報ＤＢ
１３２ 商品特徴量ＤＢ
１３３ 類語辞書
１３４ 概念体系辞書
１４ 通信部
１５ 読み取り部
１Ｐ 制御プログラム
１ａ 可搬型記憶媒体
１ｂ 半導体メモリ
２ ユーザ端末

【図1】

【図2】

【図3】

【図4】

【図5】

【図6】

【図7】

【図8】

【図9】

【図10】

【図11】

【図12】

【図13】

【図14】

【図15】

【図16】

【図17】

【図18】

【図19】

【図20】

【図21】

【図22】

【図23】