特許 7583209 情報処理装置及び情報処理方法

(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】2024-11-05

(45)【発行日】2024-11-13

(54)【発明の名称】情報処理装置及び情報処理方法

(51)【国際特許分類】

   G06Q 30/02 20230101AFI20241106BHJP

【ＦＩ】

G06Q30/02

【請求項の数】 6

(21)【出願番号】P 2024033800

(22)【出願日】2024-03-06

【審査請求日】2024-03-06

【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】山崎 悠大

(72)【発明者】

【氏名】黒川 茂莉

(72)【発明者】

【氏名】山口 求

(72)【発明者】

【氏名】浅川 善則

【審査官】深津 始

(56)【参考文献】

【文献】特開２００６－０１８３４０（ＪＰ，Ａ）

【文献】竹之内 隆夫，川村 隆浩，大須賀 昭彦，クラウド上での事業者間データ連携のための分散型パーソナル情報保護エージェント，情報処理学会論文誌 論文誌ジャーナル，日本，一般社団法人情報処理学会，2012年11月15日，第53巻，第11号，第2432-2444ページ，ISSN:1882-7837

(58)【調査した分野】(Int.Cl.，ＤＢ名)

Ｇ０６Ｑ １０／００ －Ｇ０６Ｑ ９９／００

(57)【特許請求の範囲】

【請求項1】

第１事業者が収集した、ユーザの属性を示す属性情報である第１属性情報を含む第１情報群と、前記第１事業者とは異なる第２事業者が収集した、ユーザの属性を示す属性情報である第２属性情報を含む第２情報群とを取得する第１取得部と、
前記第１情報群に含まれる第１属性情報に基づいて属性情報のクラスタリングを行い、前記第１情報群に対応するクラスタである第１クラスタを複数生成するとともに、前記第２情報群に含まれる前記第２属性情報に基づいて属性情報のクラスタリングを行い、前記第２情報群に対応するクラスタである第２クラスタを複数生成する生成部と、
属性情報の入力に対して複数のクラスタを結合するためのパラメータであって、前記属性情報を有する人物の特性を示す一以上の前記パラメータを出力する機械学習モデルに、複数の前記第１クラスタそれぞれに対応する前記属性情報を入力し、前記機械学習モデルから前記複数の前記第１クラスタそれぞれの前記パラメータである第１パラメータを取得するとともに、前記機械学習モデルに、複数の前記第２クラスタそれぞれに対応する前記属性情報を入力し、前記機械学習モデルから前記複数の前記第２クラスタそれぞれに対応する前記パラメータである第２パラメータを取得する第２取得部と、
複数の前記第１クラスタそれぞれの前記第１パラメータと、複数の前記第２クラスタそれぞれの前記第２パラメータとに基づいて、複数の前記第１クラスタの少なくともいずれかに、一以上の前記第２クラスタを結合する結合部と、
を有する情報処理装置。

【請求項2】

前記生成部は、クラスタリングによりまとめられた属性の値の範囲を示す範囲情報が関連付けられた前記第１クラスタ及び前記第２クラスタを生成し、
前記第２取得部は、前記属性と前記属性に対応する前記範囲情報との入力に対して複数のクラスタを結合するためのパラメータを出力する前記機械学習モデルに対し、複数の前記第１クラスタそれぞれに対応する前記属性と、当該属性に対応する前記範囲情報とを入力することにより、前記機械学習モデルから前記第１パラメータを取得するとともに、前記機械学習モデルに対し、複数の前記第２クラスタそれぞれに対応する前記属性と、当該属性に対応する前記範囲情報とを入力することにより、前記機械学習モデルから前記第２パラメータを取得する、
請求項１に記載の情報処理装置。

【請求項3】

前記第１クラスタが示す属性情報を有するユーザの端末に対し、前記第１クラスタと結合された前記第２クラスタが示す属性情報に対応する情報を配信する配信部をさらに有する、
請求項１に記載の情報処理装置。

【請求項4】

前記生成部は、生成した前記第１クラスタが示す属性情報と、前記第１情報群に含まれる複数のレコードそれぞれの属性情報との合致度に基づいて複数のレコードそれぞれに対応するユーザが前記第１クラスタに属する度合いを示す第１クラスタ帰属度を算出し、
前記配信部は、前記第１クラスタに対する前記第１クラスタ帰属度が相対的に高いユーザの端末に対し、優先的に前記第１クラスタと結合された前記第２クラスタが示す属性情報に対応する情報を配信する、
請求項３に記載の情報処理装置。

【請求項5】

前記第１取得部は、前記第１事業者が使用する第１装置から前記第１情報群を取得するとともに、前記第２事業者が使用する第２装置から第２情報群を取得し、
前記結合部により結合された前記第１クラスタと前記第２クラスタとの組合せを示す情報を前記第１装置及び前記第２装置の少なくともいずれかに送信する送信部をさらに有する、
請求項１に記載の情報処理装置。

【請求項6】

コンピュータが実行する、
第１事業者が収集した、ユーザの属性を示す属性情報である第１属性情報を含む第１情報群と、前記第１事業者とは異なる第２事業者が収集した、ユーザの属性を示す属性情報である第２属性情報を含む第２情報群とを取得するステップと、
前記第１情報群に含まれる第１属性情報に基づいて属性情報のクラスタリングを行い、前記第１情報群に対応するクラスタである第１クラスタを複数生成するとともに、前記第２情報群に含まれる前記第２属性情報に基づいて属性情報のクラスタリングを行い、前記第２情報群に対応するクラスタである第２クラスタを複数生成するステップと、
属性情報の入力に対して複数のクラスタを結合するためのパラメータであって、前記属性情報を有する人物の特性を示す一以上の前記パラメータを出力する機械学習モデルに、複数の前記第１クラスタそれぞれに対応する前記属性情報を入力し、前記機械学習モデルから前記複数の前記第１クラスタそれぞれの前記パラメータである第１パラメータを取得するとともに、前記機械学習モデルに、複数の前記第２クラスタそれぞれに対応する前記属性情報を入力し、前記機械学習モデルから前記複数の前記第２クラスタそれぞれに対応する前記パラメータである第２パラメータを取得するステップと、
複数の前記第１クラスタそれぞれの前記第１パラメータと、複数の前記第２クラスタそれぞれの前記第２パラメータとに基づいて、複数の前記第１クラスタの少なくともいずれかに、一以上の前記第２クラスタを結合するステップと、
を有する情報処理方法。

【発明の詳細な説明】

【技術分野】

【0001】

本発明は、情報処理装置及び情報処理方法に関する。

【背景技術】

【0002】

従来、複数の事業者からユーザに関する情報であるユーザ情報を収集し、収集した情報を結合してデータ分析を行うことが実施されている。例えば、特許文献１には、複数のユーザ情報を結合するための結合キーに基づいて、複数の事業者それぞれに対応するユーザの個人情報に関するデータを結合するシステムが開示されている。

【先行技術文献】

【特許文献】

【0003】

【文献】特開２０２１－１１７６７９号公報

【発明の概要】

【発明が解決しようとする課題】

【0004】

ユーザの個人情報を保護するために、ユーザ情報を匿名化することが行われている。複数の事業者それぞれがユーザ情報を匿名化していると、これらのユーザ情報を結合することができず、データ分析を行うことができないという問題が発生する。

【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、匿名化されている複数のユーザ情報を結合できるようにす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の態様に係る情報処理装置は、第１事業者が収集した、ユーザの属性を示す属性情報である第１属性情報を含む第１情報群と、前記第１事業者とは異なる第２事業者が収集した、ユーザの属性を示す属性情報である第２属性情報を含む第２情報群とを取得する第１取得部と、前記第１情報群に含まれる第１属性情報に基づいて属性情報のクラスタリングを行い、前記第１情報群に対応するクラスタである第１クラスタを複数生成するとともに、前記第２情報群に含まれる前記第２属性情報に基づいて属性情報のクラスタリングを行い、前記第２情報群に対応するクラスタである第２クラスタを複数生成する生成部と、属性情報の入力に対して複数のクラスタを結合するためのパラメータを出力する機械学習モデルに、複数の前記第１クラスタそれぞれに対応する前記属性情報を入力し、前記機械学習モデルから前記複数の前記第１クラスタそれぞれの前記パラメータである第１パラメータを取得するとともに、前記機械学習モデルに、複数の前記第２クラスタそれぞれに対応する前記属性情報を入力し、前記機械学習モデルから前記複数の前記第２クラスタそれぞれに対応する前記パラメータである第２パラメータを取得する第２取得部と、複数の前記第１クラスタそれぞれの前記第１パラメータと、複数の前記第２クラスタそれぞれの前記第２パラメータとに基づいて、複数の前記第１クラスタの少なくともいずれかに、一以上の前記第２クラスタを結合する結合部と、を有する。

【0007】

前記第２取得部は、前記属性情報の入力に対して、前記属性情報を有する人物の特性を示す一以上の前記パラメータを出力する前記機械学習モデルを用いて、複数の前記第１クラスタそれぞれに対応する一以上の前記第１パラメータを取得するとともに、複数の前記第２クラスタそれぞれに対応する一以上の前記第２パラメータを取得してもよい。

【0008】

前記生成部は、クラスタリングによりまとめられた属性の値の範囲を示す範囲情報が関連付けられた前記第１クラスタ及び前記第２クラスタを生成し、前記第２取得部は、前記属性と前記属性に対応する前記範囲情報との入力に対して複数のクラスタを結合するためのパラメータを出力する前記機械学習モデルに対し、複数の前記第１クラスタそれぞれに対応する前記属性と、当該属性に対応する前記範囲情報とを入力することにより、前記機械学習モデルから前記第１パラメータを取得するとともに、前記機械学習モデルに対し、複数の前記第２クラスタそれぞれに対応する前記属性と、当該属性に対応する前記範囲情報とを入力することにより、前記機械学習モデルから前記第２パラメータを取得してもよい。

【0009】

前記情報処理装置は、前記第１クラスタが示す属性情報を有するユーザの端末に対し、前記第１クラスタと結合された前記第２クラスタが示す属性情報に対応する情報を配信する配信部をさらに有してもよい。

【0010】

前記生成部は、生成した前記第１クラスタが示す属性情報と、前記第１情報群に含まれる複数のレコードそれぞれの属性情報との合致度に基づいて複数のレコードそれぞれに対応するユーザが前記第１クラスタに属する度合いを示す第１クラスタ帰属度を算出し、前記配信部は、前記第１クラスタに対する前記第１クラスタ帰属度が相対的に高いユーザの端末に対し、優先的に前記第１クラスタと結合された前記第２クラスタが示す属性情報に対応する情報を配信してもよい。

【0011】

前記第１取得部は、前記第１事業者が使用する第１装置から前記第１情報群を取得するとともに、前記第２事業者が使用する第２装置から第２情報群を取得し、前記情報処理装置は、前記結合部により結合された前記第１クラスタと前記第２クラスタとの組合せを示す情報を前記第１装置及び前記第２装置の少なくともいずれかに送信する送信部をさらに有してもよい。

【0012】

本発明の第２の態様に係る情報処理方法は、コンピュータが実行する、第１事業者が収集した、ユーザの属性を示す属性情報である第１属性情報を含む第１情報群と、前記第１事業者とは異なる第２事業者が収集した、ユーザの属性を示す属性情報である第２属性情報を含む第２情報群とを取得するステップと、前記第１情報群に含まれる第１属性情報に基づいて属性情報のクラスタリングを行い、前記第１情報群に対応するクラスタである第１クラスタを複数生成するとともに、前記第２情報群に含まれる前記第２属性情報に基づいて属性情報のクラスタリングを行い、前記第２情報群に対応するクラスタである第２クラスタを複数生成するステップと、属性情報の入力に対して複数のクラスタを結合するためのパラメータを出力する機械学習モデルに、複数の前記第１クラスタそれぞれに対応する前記属性情報を入力し、前記機械学習モデルから前記複数の前記第１クラスタそれぞれの前記パラメータである第１パラメータを取得するとともに、前記機械学習モデルに、複数の前記第２クラスタそれぞれに対応する前記属性情報を入力し、前記機械学習モデルから前記複数の前記第２クラスタそれぞれに対応する前記パラメータである第２パラメータを取得するステップと、複数の前記第１クラスタそれぞれの前記第１パラメータと、複数の前記第２クラスタそれぞれの前記第２パラメータとに基づいて、複数の前記第１クラスタの少なくともいずれかに、一以上の前記第２クラスタを結合するステップと、を有する。

【発明の効果】

【0013】

本発明によれば、匿名化されている複数のユーザ情報を結合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】

【0014】

【図1】情報処理システムの概要を説明する図である。

【図2】情報処理装置の機能構成を示す図である。

【図3】第１情報群及び第２情報群の一例を示す図である。

【図4】図３に示す第１情報群から生成された第１クラスタの例を示す図である。

【図5】図３に示す第２情報群から生成された第２クラスタの例を示す図である。

【図6】指示情報のひな形の一例を示す図である。

【図7】第１クラスタに対応する属性情報を含む指示情報の一例を示す図である。

【図8】図７に対応する指示情報に対して大規模言語モデルから取得したテキスト情報の一例を示す図である。

【図9】第１パラメータ及び第２パラメータの一例を示す図である。

【図10】結合クラスタ情報の一例を示す図である。

【図11】情報処理装置における処理の流れを示すフローチャートである。

【図12】第１装置及び第２装置がクラスタを生成する場合の情報処理システムの概要を説明する図である。

【発明を実施するための形態】

【0015】

［情報処理システムＳの概要］
図１は、情報処理システムＳの概要を説明する図である。情報処理システムＳは、情報処理装置１と、第１装置２と、第２装置３とを有しており、複数の事業者それぞれのユーザに関する情報であるユーザ情報を結合するシステムである。

【0016】

情報処理装置１は、例えばデータを集約し、集約後のデータを提供するサービスを提供する集約事業者により使用されているコンピュータである。情報処理装置１は、第１事業者が使用する第１装置２と、第１事業者とは異なる第２事業者が使用する第２装置３とにインターネットや携帯電話回線等の通信ネットワーク（不図示）を介して通信可能に接続されている。

【0017】

情報処理装置１は、第１装置２から、第１事業者が収集した、ユーザの属性を示す属性情報である第１属性情報を含む第１情報群を取得するとともに、第２装置３から、第２事業者が収集した、ユーザの属性を示す属性情報である第２属性情報を含む第２情報群を取得する（図１における（１）、（２））。

【0018】

情報処理装置１は、第１情報群に含まれる第１属性情報に基づいて属性情報のクラスタリングを行い、第１情報群に対応するクラスタである第１クラスタを複数生成する。同様に、情報処理装置１は、第２情報群に含まれる第２属性情報に基づいて属性情報のクラスタリングを行い、第２情報群に対応するクラスタである第２クラスタを複数生成する（図１における（３））。

【0019】

情報処理装置１は、属性情報の入力に対して複数のクラスタを結合するためのパラメータを出力する機械学習モデルに対し、各クラスタに対応する属性情報を入力し（図１における（４））、機械学習モデルから、各クラスタに対応するパラメータを取得する（図１における（５））。具体的には、情報処理装置１は、機械学習モデルに複数の第１クラスタそれぞれに対応する属性情報を入力し、機械学習モデルから、複数の第１クラスタそれぞれのパラメータである第１パラメータを取得する。同様に、情報処理装置１は、機械学習モデルに、複数の第２クラスタそれぞれに対応する属性情報を入力し、機械学習モデルから複数の第２クラスタそれぞれに対応するパラメータである第２パラメータを取得する。

【0020】

情報処理装置１は、複数の第１クラスタそれぞれの第１パラメータと、複数の第２クラスタそれぞれの第２パラメータとに基づいて、複数の第１クラスタの少なくともいずれかに、一以上の第２クラスタを結合する（図１における（６））。このようにすることで、情報処理装置１は、匿名化されている複数のユーザ情報を結合することができる。

【0021】

［情報処理装置１の機能構成］
続いて、情報処理装置１の機能構成について説明する。図２は、情報処理装置１の機能構成を示す図である。

【0022】

図２に示すように、情報処理装置１は、通信部１１と、記憶部１２と、制御部１３とを有する。
通信部１１は、第１装置２及び第２装置３等と通信ネットワークを介してデータを送受信するための通信インターフェースである。

【0023】

記憶部１２は、各種のデータを記憶する記憶媒体であり、ＲＯＭ（Read Only Memory）、ＲＡＭ（Random Access Memory）、ハードディスク、ＳＳＤ（Solid State Drive）、及びフラッシュメモリ等を有する。記憶部１２は、制御部１３が実行するプログラムを記憶する。記憶部１２は、制御部１３を、第１取得部１３１、生成部１３２、第２取得部１３３、結合部１３４及び送信部１３５として機能させるプログラムを記憶する。

【0024】

制御部１３は、例えばＣＰＵ（Central Processing Unit）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、第１取得部１３１、生成部１３２、第２取得部１３３、結合部１３４及び送信部１３５として機能する。

【0025】

第１取得部１３１は、第１事業者が収集した、ユーザの属性を示す属性情報である第１属性情報を含む第１情報群と、第１事業者とは異なる第２事業者が収集した、ユーザの属性を示す属性情報である第２属性情報を含む第２情報群とを取得する。例えば、第１取得部１３１は、第１事業者が使用する第１装置２から第１情報群を取得するとともに、第２事業者が使用する第２装置３から第２情報群を取得する。

【0026】

図３は、第１情報群及び第２情報群の一例を示す図である。図３（ａ）は、第１情報群を示し、図３（ｂ）は、第２情報群を示している。図３（ａ）に示すように、第１情報群には、ユーザを識別するためのユーザ識別情報としてのユーザＩＤが匿名化された状態で含まれており、当該ユーザＩＤに対して、第１属性情報に含まれる属性として、静的な属性である「ユーザの年代」と、時間の経過に応じて変容しうる動的な属性である、ユーザが使用するスマートフォンの利用機種を示す「利用機種」とが関連付けられている。また、図３（ｂ）に示すように、第２情報群には、ユーザを識別するためのユーザＩＤが匿名化された状態で含まれている。また、第２情報群には、当該ユーザＩＤに対して、第２属性情報に含まれる属性として、動的な属性である、ユーザの購入した商品のカテゴリである「購入商品カテゴリ」と、同じく動的な属性である、ユーザが買物においてどの程度の量のポイントを利用したかを示す「ポイント利用」とが関連付けられている。

【0027】

なお、第１情報群及び第２情報群のそれぞれには、ユーザＩＤが匿名化された状態で含まれているものとしたがこれに限らない。例えば、第１情報群及び第２情報群には、ユーザＩＤが含まれていなかったり、関連付けを行うことができない異なる形式のユーザＩＤが含まれていたりしてもよい。

【0028】

生成部１３２は、第１情報群に含まれる第１属性情報に基づいて属性情報のクラスタリングを行い、第１情報群に対応するクラスタである第１クラスタを一以上生成するとともに、第２情報群に含まれる第２属性情報に基づいて属性情報のクラスタリングを行い、第２情報群に対応するクラスタである第２クラスタを一以上生成する。生成部１３２は、クラスタリングによりまとめられた属性が示す値の範囲を示す範囲情報が関連付けられた第１クラスタ及び第２クラスタを複数生成する。

【0029】

例えば、生成部１３２は、ｋ－ｍｅａｎｓ法や、ＬＤＡ（Latent Dirichlet Allocation）等のクラスタリング手法を用いて、第１情報群に対応するクラスタである第１クラスタを複数生成するとともに、第２情報群に対応するクラスタである第２クラスタを複数生成する。

【0030】

図４は、図３に示す第１情報群から生成された第１クラスタの例を示す図である。図４（ａ）は、第１情報群に含まれる各レコードそれぞれに対し、第１クラスタを識別するための第１クラスタＩＤが付与された例を示している。図４（ｂ）は、第１クラスタの内容を示す第１クラスタ情報である。第１クラスタ情報は、例えば、複数の第１クラスタの第１クラスタＩＤと、第１クラスタに対応する複数の属性それぞれに対応する属性の値の範囲を示す範囲情報とを関連付けた情報である。例えば、第１クラスタＩＤが「１」のレコードがクラスタリングされた結果、第１属性情報に含まれる属性「年代」に対応する範囲情報として「若年」が特定され、属性「利用機種」に対応する範囲情報として「最新機種」が特定されていることが確認できる。

【0031】

なお、生成部１３２は、第１クラスタを生成した後、生成された第１クラスタが示す属性情報と、第１情報群に含まれる複数のレコードそれぞれの属性情報と合致度を算出してもよい。そして、生成部１３２は、算出した合致度に基づいて、複数のレコードそれぞれに対応するユーザが第１クラスタに属する度合いを示す第１クラスタ帰属度を算出してもよい。この算出には、周知のＬＤＡ（Latent Dirichlet Allocation）などのクラスタリング手法を用いることができる。

【0032】

図５は、図３に示す第２情報群から生成された第２クラスタの例を示す図である。図５（ａ）は、第２情報群に含まれる各レコードそれぞれに対し、第２クラスタを識別するための第２クラスタＩＤが付与された例を示している。図４（ｂ）は、第２クラスタの内容を示す第２クラスタ情報である。第２クラスタ情報は、例えば、複数の第２クラスタの第２クラスタＩＤと、複数の属性それぞれに対応する属性の値の範囲を示す範囲情報とを関連付けた情報である。例えば、第２クラスタＩＤが「１」のレコードがクラスタリングされた結果、第２属性情報に含まれる属性「購入商品カテゴリ」に対応する範囲情報として「健康・アウトドア」が特定され、属性「ポイント利用」の範囲情報として「少」が特定されていることが確認できる。

【0033】

なお、生成部１３２は、クラスタを生成する際に、クラスタを構成するデータの数、すなわち、クラスタを構成するユーザがｋ人以上となるｋ－匿名化を満たすようにクラスタを生成するようにしてもよい。このようにすることで、情報処理装置１は、ユーザの匿名性を確保してクラスタリングを行うことができる。

【0034】

第２取得部１３３は、属性情報の入力に対して複数のクラスタを結合するためのパラメータである結合用パラメータを出力する機械学習モデルに、複数の第１クラスタそれぞれに対応する属性情報を入力し、当該機械学習モデルから複数の第１クラスタそれぞれの結合用パラメータである第１パラメータを取得する。また、第２取得部１３３は、当該機械学習モデルに、複数の第２クラスタそれぞれに対応する属性情報を入力し、機械学習モデルから複数の第２クラスタそれぞれに対応する結合用パラメータである第２パラメータを取得する。

【0035】

ここで、機械学習モデルは、例えば、属性情報の入力に対して複数のクラスタを結合するためのパラメータを含むテキスト情報等を出力する大規模言語モデル（LLM：Large language Models）等の生成ＡＩ（Artificial Intelligence）である。大規模言語モデルは、属性情報としての属性及び当該属性に対応する範囲情報の入力に対し、当該属性情報を有する人物の特性を示す一以上の結合用パラメータを出力可能である。

【0036】

まず、第２取得部１３３は、属性情報を含む指示情報を生成する。例えば、指示情報のひな形が記憶部１２に記憶されている。図６は、指示情報のひな形の一例を示す図である。図６に示す例では、ユーザ情報として、属性を指定するためのパラメータとして「＠ｐｒｏｐａｅｒｔｙ１」、「＠ｐｒｏｐａｅｒｔｙ２」が示されており、属性に対応する範囲情報を指定するためのパラメータとして「＠ｖａｌｕｅｓ１」、「＠ｖａｌｕｅｓ２」が示されており、そのうち「＠ｖａｌｕｅ１」、「＠ｖａｌｕｅ２」をとることが示されている。

【0037】

第２取得部１３３は、記憶部１２に記憶されている指示情報のひな形に対し、クラスタに対応する属性及び属性に対応する範囲情報を反映させることにより、大規模言語モデルに入力する指示情報を生成する。図７は、第１クラスタに対応する属性情報を含む指示情報の一例を示す図である。図７に示す例から、図６に示す指示情報のひな形に示されるパラメータに対し、第１クラスタＩＤが「１」の第１クラスタの属性である「年代」、「利用機種」が反映されているとともに、当該属性に対応する範囲情報である「若年」「中・高年」のうち「若年」、「最新機種」「旧機種」のうち「最新機種」が反映されていることが確認できる。

【0038】

続いて、第２取得部１３３は、大規模言語モデルに対し、複数の第１クラスタそれぞれに対応する属性と、当該属性に対応する範囲情報とを含む指示情報を入力する。そして、第２取得部１３３は、大規模言語モデルから、複数の第１クラスタそれぞれに対応する一以上の第１パラメータを含むテキスト情報を取得する。

【0039】

同様に、第２取得部１３３は、大規模言語モデルに対し、複数の第２クラスタそれぞれに対応する属性と、当該属性に対応する範囲情報とを含む指示情報を入力し、大規模言語モデルから、複数の第２クラスタそれぞれに対応する一以上の第２パラメータを含むテキスト情報を取得する。

【0040】

図８は、図７に対応する指示情報に対して大規模言語モデルから取得したテキスト情報の一例を示す図である。図８には、第１クラスタに対応する人物の特性を示す項目「態度」、「主観的規範」、「行動統制可能性」のそれぞれに対応する値「３」、「２」、「４」が含まれていることが確認できる。これらの値が第１パラメータとして用いられる。

【0041】

第１パラメータの各項目について図７に示すように「７段階で」といったように、パラメータが取り得る値の範囲を指定することが望ましい。さらに具体的に、「7段階（１：全く当てはまらない、２：やや当てはまらない、３：どちらというと当てはまらない、４：どちらでもない、５：どちらかというと当てはまる、６：やや当てはまる、７：とても当てはまる）」と指定することも望ましい。

【0042】

続いて、第２取得部１３３は、第１クラスタに対応する指示情報に対応して大規模言語モデルから取得したテキスト情報を解析し、当該テキスト情報に含まれる、第１クラスタに対応する人物の特性を示す項目「態度」、「主観的規範」、「行動統制可能性」それぞれに対応する数値を第１パラメータとして抽出することにより、第１パラメータを取得する。同様に、第２取得部１３３は、第２クラスタに対応する指示情報に対応して大規模言語モデルから取得したテキスト情報を解析し、当該テキスト情報に含まれる、第２クラスタに対応する人物の特性であって、第１パラメータと同じ指標の項目「態度」、「主観的規範」、「行動統制可能性」それぞれに対応する数値を第２パラメータとして抽出することにより、第２パラメータを取得する。

【0043】

図９は、第１パラメータ及び第２パラメータの一例を示す図である。図９（ａ）は、図４に示す第１クラスタに対して取得された第１パラメータを示しており、図９（ｂ）は、図５に示す第２クラスタに対して取得された第２パラメータを示している。図９（ａ）及び図９（ｂ）に示されるように、人物の特性を示す項目「態度」、「主観的規範」、「行動統制可能性」それぞれに対応する値が、第１パラメータ及び第２パラメータとして取得されていることが確認できる。なお、人物の特性を示す項目は、「態度」、「主観的規範」、「行動統制可能性」であることとしたが、これに限らず、人物の特性を示す他の項目であってもよい。

【0044】

なお、第２取得部１３３は、複数の第１クラスタそれぞれについて複数の第１パラメータを生成してもよい。第２取得部１３３は、大規模言語モデルの温度パラメータを変化させることにより、同じ入力に対して複数のパラメータを出力させることによって複数の第１パラメータを生成してもよい。また、第１クラスタに複数の属性情報の組み合わせが対応する場合は、第２取得部１３３は、各組み合わせに基づいて、大規模言語モデルに複数の第１パラメータを生成させることによって複数の第１パラメータを生成してもよい。例えば、第１クラスタが若年のクラスタであり最新機種、旧機種の両方を含んでいた場合、第２取得部１３３は、「若年」「最新機種」、「若年」「旧機種」の両方を大規模言語モデルに入力し、それぞれの組み合わせに対応する第１パラメータを生成する。このようなパラメータの生成手法は第２クラスタそれぞれの第２パラメータについても適用することができる。

【0045】

結合部１３４は、第２取得部１３３が取得した複数の第１クラスタそれぞれの第１パラメータと、複数の第２クラスタそれぞれの第２パラメータとに基づいて、複数の第１クラスタの少なくともいずれかに、一以上の第２クラスタを結合する。例えば、結合部１３４は、複数の第１クラスタそれぞれの複数の第１パラメータと、複数の第２クラスタそれぞれの複数の第２パラメータとのコサイン類似度等のパラメータの類似度を算出する。

【0046】

そして、結合部１３４は、算出した類似度が所定の閾値を超える第１クラスタと、第２クラスタとを結合する。例えば、結合部１３４は、算出した類似度が所定の閾値を超える第１クラスタと、第２クラスタとを結合した結合クラスタ情報を生成する。ここで、結合部１３４は、一つの第１クラスタに、当該第１クラスタの第１パラメータとの類似度が所定の閾値を超える第２パラメータを有する複数の第２クラスタを結合してもよい。

【0047】

なお、結合部１３４は、コサイン類似度等のパラメータの類似度に基づいて第１クラスタと第２クラスタとを結合したが、これに限らない。例えば、第１クラスタから第２クラスタとの距離を輸送コストとみなし、シンクホーンアルゴリズムを用いて、一以上の第１クラスタから一以上の第２クラスタへの輸送コストが最小となるような第１クラスタと第２クラスタとの組み合わせを、結合する第１クラスタと第２クラスタとしてもよい。

【0048】

図１０は、結合クラスタ情報の一例を示す図である。図１０から、第１クラスタＩＤが「１」の第１クラスタと第２クラスタＩＤが「２」の第２クラスタとが結合されているとともに、第１クラスタＩＤが「２」の第１クラスタと第２クラスタＩＤが「１」の第２クラスタとが結合されていることが確認できる。

【0049】

送信部１３５は、結合部１３４により結合された第１クラスタと第２クラスタとの組合せを示す情報を第１装置２及び第２装置３の少なくともいずれかに送信する。例えば、送信部１３５は、結合部１３４により結合された第１クラスタと第２クラスタとの組合せを示す情報として、図１０に示す結合クラスタ情報を第１装置２及び第２装置３の少なくともいずれかに配信する。

【0050】

なお、送信部１３５は、配信部として機能し、第１クラスタが示す属性情報を有するユーザの端末に対し、第１クラスタと結合された第２クラスタが示す属性情報に対応する情報を配信してもよい。この場合、例えば、送信部１３５は、第１クラスタＩＤのユーザに対し、第１クラスタＩＤと関連付けられた第２属性情報の値に対応する情報を選択する。例えば、図１０に示す例において、第１クラスタＩＤが「２」のユーザに対して配信する広告情報として、当該第１クラスタＩＤに関連付けられている第２クラスタＩＤ「１」に対応する属性情報である「健康・アウトドア」に対応する広告情報を選択する。

【0051】

そして、送信部１３５は、当該第１クラスタＩＤが関連付けられているユーザＩＤと、選択した広告情報とを関連付けて第１装置２に送信することにより、第１装置２に、当該ユーザＩＤのユーザが使用する端末に対し、当該広告情報を配信させる。例えば、送信部１３５は、第１クラスタＩＤが「２」のユーザに対して配信する広告情報として「健康・アウトドア」に対応する広告情報を選択した場合、図４（ａ）に示される第１クラスタＩＤ「２」に関連付けられているユーザＩＤのユーザの端末に対し、当該広告情報を配信することを指示する指示情報を第１装置２に送信する。このようにすることで、情報処理装置１は、ユーザに対して効果的な情報を配信することができる。

【0052】

また、送信部１３５は、第１クラスタが示す属性情報を有するユーザの端末に対し、第１クラスタと結合された第２クラスタが示す属性情報に対応する情報を配信したが、これに限らない。例えば、送信部１３５は、第１クラスタが示す属性情報を有していないユーザの端末に対し、第１クラスタと結合された第２クラスタが示す属性情報に対応する情報を配信してもよい。

【0053】

例えば、生成部１３２が第１情報群それぞれに対応するユーザに対して第１クラスタ帰属度を算出した場合、送信部１３５は、第１クラスタが示す属性情報を有していないユーザのうち、第１クラスタに対する第１クラスタ帰属度が相対的に高いユーザを特定する。そして、送信部１３５は、特定した第１クラスタ帰属度が相対的に高いユーザの端末に対し、優先的に第１クラスタと結合された第２クラスタが示す属性情報に対応する情報を配信してもよい。

【0054】

例えば、送信部１３５は、第１情報群に含まれている、特定した第１クラスタ帰属度が相対的に高いユーザのユーザＩＤと、選択した広告情報とを関連付けて第１装置２に送信することにより、第１装置２に、当該ユーザＩＤのユーザが使用する端末に対し、当該広告情報を配信させるようにしてもよい。情報の配信に関する予算の上限が定められている場合、送信部１３５は、予算の上限内で第１クラスタ帰属度の高いユーザを優先して特定してもよい。

【0055】

［動作フロー］
続いて、情報処理装置１に係る処理の流れについて説明する。図１１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。
まず、第１取得部１３１は、第１装置２から第１情報群を取得するとともに、第２装置３から第２情報群を取得する（Ｓ１）。

【0056】

続いて、生成部１３２は、取得した第１情報群に含まれる第１属性情報に基づいて属性情報のクラスタリングを行い、第１クラスタを複数生成するとともに、第２情報群に含まれる第２属性情報に基づいて属性情報のクラスタリングを行い、第２クラスタを複数生成する（Ｓ２）。

【0057】

続いて、第２取得部１３３は、機械学習モデルに、複数の第１クラスタそれぞれに対応する属性情報を入力し、複数の第１クラスタそれぞれの結合用パラメータである第１パラメータを含むテキスト情報を取得する。そして、第２取得部１３３は、取得したテキスト情報に含まれている第１パラメータを取得する（Ｓ３）。

【0058】

続いて、第２取得部１３３は、機械学習モデルに、複数の第２クラスタそれぞれに対応する属性情報を入力し、複数の第２クラスタそれぞれの結合用パラメータである第２パラメータを含むテキスト情報を取得する。そして、第２取得部１３３は、取得したテキスト情報に含まれている第２パラメータを取得する（Ｓ４）。

【0059】

続いて、結合部１３４は、第２取得部１３３が取得した複数の第１クラスタそれぞれの第１パラメータと、複数の第２クラスタそれぞれの第２パラメータとに基づいて、複数の第１クラスタの少なくともいずれかに、一以上の第２クラスタを結合した、結合クラスタ情報を生成する（Ｓ５）。続いて、送信部１３５は、Ｓ７において生成された結合クラスタ情報を第１装置２及び第２装置３の少なくともいずれかに送信する（Ｓ６）。

【0060】

［変形例１］
上述の実施の形態では、情報処理装置１が、第１クラスタ及び第２クラスタを生成したが、これに限らない。第１クラスタ、第２クラスタを生成する装置は、それぞれ第１装置２、第２装置３であっても構わない。図１２は、第１装置２及び第２装置３がクラスタを生成する場合の情報処理システムＳの概要を説明する図である。

【0061】

図１２に示す例では、第１装置２が、第１情報群に基づいて第１クラスタを生成し（図１２における（１））、第１クラスタの属性情報を情報処理装置１に送信する（図１２における（２））。また、第２装置３が、第２情報群に基づいて第２クラスタを生成し（図１２における（３））、第２クラスタの属性情報を情報処理装置１に送信する（図１２における（４））。

【0062】

情報処理装置１は、機械学習モデルに対し、第１装置２及び第２装置３から取得した各クラスタに対応する属性情報を入力し（図１２における（５））、機械学習モデルから、各クラスタに対応するパラメータを取得する（図１２における（６））。

【0063】

情報処理装置１は、複数の第１クラスタそれぞれの第１パラメータと、複数の第２クラスタそれぞれの第２パラメータとに基づいて、複数の第１クラスタの少なくともいずれかに、一以上の第２クラスタを結合する（図１２における（７））。

【0064】

この場合、第１装置２が、第１クラスタＩＤとユーザＩＤとの関連付け情報を保有し、第２装置３が、第２クラスタＩＤとユーザＩＤとの関連付け情報を保有しても構わない。そして、情報処理装置１の送信部１３５が、第２クラスタと結合された第１クラスタに対応して選択した広告情報を、当該第１クラスタの第１クラスタＩＤに対応付けて第１装置２に送信し、第１装置２が、当該第１クラスタＩＤと関連付けられているユーザＩＤのユーザが使用する端末に対し当該広告情報を配信してもよい。同様に、情報処理装置１の送信部１３５が、第１クラスタと結合された第２クラスタに対応して選択した広告情報を、当該第２クラスタの第２クラスタＩＤに対応付けて第２装置３に送信し、第２装置３が、当該第２クラスタＩＤと関連付けられているユーザＩＤのユーザが使用する端末に対し、当該広告情報を配信してもよい。

【0065】

また、情報処理装置１が、第１クラスタ及び第２クラスタを生成する場合に、第１クラスタ、第２クラスタを生成するための専用の区画を設け、互いに入力データや処理過程を確認できないようにしてもよい。この場合、送信部１３５は、第１クラスタに対応する区画において、当該第１クラスタのクラスタＩＤとユーザＩＤを関連付け、当該第１クラスタに対応して選択した広告情報を、当該ユーザＩＤのユーザが使用する端末に対し当該広告情報を配信させるようにしてもよい。このようにすることで、第１情報群及び第２情報群を取り扱う際に、セキュリティや匿名性を担保することができる。

【0066】

［変形例２］
また、上述の実施の形態では、情報処理装置１は、テキスト情報を大規模言語モデルに入力することによって、各パラメータを取得しているが、機械学習モデルへ入力する情報はテキスト情報に限らず、画像や動画処理、テキスト分析、音声認識を行う大規模言語モデル以外のものも利用可能である。例えば、ユーザが設定する壁紙等から趣味嗜好を読み取り、パラメータに反映してもよい。また、ユーザの音声情報を利用して行動を予測するなど、今では広く一般的である、メディア画像の解析を行えば、ユーザの同意が必要とはなるが、パラメータの取得のために種々のデータが利用可能である。

【0067】

［情報処理装置１による効果］
以上説明したように、本実施の形態に係る情報処理装置１は、第１事業者が収集したユーザの属性を示す第１属性情報を含む第１情報群と、第２事業者が収集したユーザの属性を示す第２属性情報を含む第２情報群とを取得し、第１情報群に対応するクラスタである第１クラスタを複数生成するとともに、第２情報群に対応するクラスタである第２クラスタを複数生成する。そして、情報処理装置１は、機械学習モデルに、複数の第１クラスタそれぞれに対応する属性情報を入力し、機械学習モデルから複数の第１クラスタそれぞれの第１パラメータを取得するとともに、機械学習モデルに、複数の第２クラスタそれぞれに対応する属性情報を入力し、機械学習モデルから複数の第２クラスタそれぞれに対応する第２パラメータを取得し、複数の第１クラスタそれぞれの第１パラメータと、複数の第２クラスタそれぞれの第２パラメータとに基づいて、複数の第１クラスタの少なくともいずれかに、一以上の第２クラスタを結合する。このようにすることで、情報処理装置１は、匿名化されている複数のユーザ情報を結合することができる。

【0068】

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。

【0069】

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】

【0070】

１ 情報処理装置
２ 第１装置
３ 第２装置
１１ 通信部
１２ 記憶部
１３ 制御部
１３１ 第１取得部
１３２ 生成部
１３３ 第２取得部
１３４ 結合部
１３５ 送信部

【要約】

【課題】匿名化されている複数のユーザ情報を結合できるようにする。
【解決手段】情報処理装置１は、第１事業者が収集したユーザの属性を示す第１属性情報を含む第１情報群に対応するクラスタである第１クラスタを複数生成するとともに、第２事業者が収集したユーザの属性を示す第２属性情報を含む第２情報群に対応するクラスタである第２クラスタを複数生成する生成部１３２と、機械学習モデルに、複数の第１クラスタそれぞれに対応する属性情報を入力し、第１パラメータを取得するとともに、機械学習モデルに、複数の第２クラスタそれぞれに対応する属性情報を入力し、第２パラメータを取得する第２取得部１３３と、複数の第１クラスタそれぞれの第１パラメータと、複数の第２クラスタそれぞれの第２パラメータとに基づいて、複数の第１クラスタの少なくともいずれかに、一以上の第２クラスタを結合する結合部１３４と、を有する。
【選択図】図２

【図1】

【図2】

【図3】

【図4】

【図5】

【図6】

【図7】

【図8】

【図9】

【図10】

【図11】

【図12】