特許 7615268 判定システム、学習システム、判定方法、学習方法及びコンピュータープログラム

(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】2025-01-07

(45)【発行日】2025-01-16

(54)【発明の名称】判定システム、学習システム、判定方法、学習方法及びコンピュータープログラム

(51)【国際特許分類】

   G06Q 30/0242 20230101AFI20250108BHJP

【ＦＩ】

G06Q30/0242

【請求項の数】 6

(21)【出願番号】P 2023172217

(22)【出願日】2023-10-03

【審査請求日】2023-10-03

(73)【特許権者】

【識別番号】500149555

【氏名又は名称】株式会社サイバーエージェント

(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】100141139

【弁理士】

【氏名又は名称】及川 周

(72)【発明者】

【氏名】毛利 真崇

(72)【発明者】

【氏名】舘山 北斗

【審査官】加内 慎也

(56)【参考文献】

【文献】中国特許出願公開第１１２１０１３８０（ＣＮ，Ａ）

【文献】中国特許出願公開第１１５８３４９３５（ＣＮ，Ａ）

【文献】国際公開第２０２２／０４４８８９（ＷＯ，Ａ１）

(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】

判定対象となる広告に用いられる１以上の広告要素のデータを含む広告構成情報の入力を受け、各広告要素のデータから特徴量を取得し、取得された特徴量と各広告要素に応じた広告のフォーマットを示す情報と、に対して所定の演算を行うことによって前記広告構成情報の特徴を示す広告構成特徴量を取得する広告構成特徴量取得部と、
前記判定対象となる広告に関する前記広告構成特徴量と、広告構成特徴量からその広告を配信することによって得られる効果を判定するための判定モデルと、を用いることによって、前記判定対象となる広告を配信することによって得られる効果を判定する判定部と、
を備え、
前記広告のフォーマットを示す情報は、前記広告要素の種別を示す種別情報と、前記広告要素の属性を示す属性情報と、を有する判定システム。

【請求項2】

前記広告のフォーマットを示す情報は、前記広告要素の位置を示す位置情報をさらに含む、請求項１に記載の判定システム。

【請求項3】

過去に配信された広告に用いられた１以上の広告要素のデータを含む広告構成情報の入力を受け、各広告要素のデータから特徴量を取得し、取得された特徴量と各広告要素に応じた広告のフォーマットを示す情報と、に対して所定の演算を行うことによって前記広告構成情報の特徴を示す広告構成特徴量を取得する広告構成特徴量取得部と、
前記過去に配信された広告に関する前記広告構成特徴量と、前記広告が過去に配信された際に得られた効果と、を用いて学習処理を行うことによって、前記広告構成特徴量を説明変数とし前記効果を目的変数とする学習済モデルを生成する学習制御部と、
を備え、
前記広告のフォーマットを示す情報は、前記広告要素の種別を示す種別情報と、前記広告要素の属性を示す属性情報と、を有する学習システム。

【請求項4】

コンピューターが、判定対象となる広告に用いられる１以上の広告要素のデータを含む広告構成情報の入力を受け、各広告要素のデータから特徴量を取得し、取得された特徴量と各広告要素に応じた広告のフォーマットを示す情報と、に対して所定の演算を行うことによって前記広告構成情報の特徴を示す広告構成特徴量を取得する広告構成特徴量取得ステップと、
コンピューターが、前記判定対象となる広告に関する前記広告構成特徴量と、広告構成特徴量からその広告を配信することによって得られる効果を判定するための判定モデルと、を用いることによって、前記判定対象となる広告を配信することによって得られる効果を判定する判定ステップと、
を有し、
前記広告のフォーマットを示す情報は、前記広告要素の種別を示す種別情報と、前記広告要素の属性を示す属性情報と、を有する判定方法。

【請求項5】

コンピューターが、過去に配信された広告に用いられた１以上の広告要素のデータを含む広告構成情報の入力を受け、各広告要素のデータから特徴量を取得し、取得された特徴量と各広告要素に応じた広告のフォーマットを示す情報と、に対して所定の演算を行うことによって前記広告構成情報の特徴を示す広告構成特徴量を取得する広告構成特徴量取得ステップと、
コンピューターが、前記過去に配信された広告に関する前記広告構成特徴量と、前記広告が過去に配信された際に得られた効果と、を用いて学習処理を行うことによって、前記広告構成特徴量を説明変数とし前記効果を目的変数とする学習済モデルを生成する学習制御ステップと、
を有し、
前記広告のフォーマットを示す情報は、前記広告要素の種別を示す種別情報と、前記広告要素の属性を示す属性情報と、を有する学習方法。

【請求項6】

請求項１又は２に記載の判定システム、又は、請求項３に記載の学習システム、としてコンピューターを機能させるためのコンピュータープログラム。

【発明の詳細な説明】

【技術分野】

【0001】

本発明は、判定システム、学習システム、判定方法、学習方法及びコンピュータープログラムに関する。

【背景技術】

【0002】

従来からビジネス、公共活動等における広告の重要性が認識されており、広告の効果を予測する技術が開発されている。このような技術の一例として、特許文献１に開示されている生成装置が挙げられる。特許文献１には、機械学習の技術を用いて、広告のデータに基づいてその広告を配信した場合に得られる効果を推定する技術が開示されている。

【先行技術文献】

【特許文献】

【0003】

【文献】特開２０２３－３７２２９号公報

【発明の概要】

【発明が解決しようとする課題】

【0004】

広告配信媒体によって、広告に用いられるフォーマットは異なる。例えば、ある広告媒体ではテキストと静止画像とが配置されるのに対し、他の広告媒体ではテキストと動画像とが配置される場合がある。また、同じようにテキストと静止画像とが用いられるとしても、広告媒体によってその大きさや配置が異なる場合もある。そのため、従来は広告を配信した場合に得られる効果をより精度よく推定するために、フォーマット毎に新たな機械学習モデルを設計し直していた。そのため、新たなフォーマットの広告媒体が生じた場合には広告効果の推定のために大きな労力を要していた。

【0005】

本発明は、上述した事情に鑑みてなされたものであり、新たなフォーマットの広告媒体について、より少ない労力で広告の効果を推定することを可能にする技術を提供するものである。

【課題を解決するための手段】

【0006】

本発明の一態様は、判定対象となる広告に用いられる１以上の広告要素のデータを含む広告構成情報の入力を受け、各広告要素のデータから特徴量を取得し、取得された特徴量と各広告要素に応じた広告のフォーマットを示す情報と、に対して所定の演算を行うことによって前記広告構成情報の特徴を示す広告構成特徴量を取得する広告構成特徴量取得部と、前記判定対象となる広告に関する前記広告構成特徴量と、広告構成特徴量からその広告を配信することによって得られる効果を判定するための判定モデルと、を用いることによって、前記判定対象となる広告を配信することによって得られる効果を判定する判定部と、を備える判定システムである。

【0007】

本発明の一態様は、上記の判定システムであって、前記広告のフォーマットを示す情報は、前記広告要素の種別を示す情報を含む。

【0008】

本発明の一態様は、過去に配信された広告に用いられた１以上の広告要素のデータを含む広告構成情報の入力を受け、各広告要素のデータから特徴量を取得し、取得された特徴量と各広告要素に応じた広告のフォーマットを示す情報と、に対して所定の演算を行うことによって前記広告構成情報の特徴を示す広告構成特徴量を取得する広告構成特徴量取得部と、前記過去に配信された広告に関する前記広告構成特徴量と、前記広告が過去に配信された際に得られた効果と、を用いて学習処理を行うことによって、前記広告構成特徴量を説明変数とし前記効果を目的変数とする学習済モデルを生成する学習制御部と、を備える学習システムである。

【0009】

本発明の一態様は、判定対象となる広告に用いられる１以上の広告要素のデータを含む広告構成情報の入力を受け、各広告要素のデータから特徴量を取得し、取得された特徴量と各広告要素に応じた広告のフォーマットを示す情報と、に対して所定の演算を行うことによって前記広告構成情報の特徴を示す広告構成特徴量を取得する広告構成特徴量取得ステップと、前記判定対象となる広告に関する前記広告構成特徴量と、広告構成特徴量からその広告を配信することによって得られる効果を判定するための判定モデルと、を用いることによって、前記判定対象となる広告を配信することによって得られる効果を判定する判定ステップと、を有する判定方法である。

【0010】

本発明の一態様は、過去に配信された広告に用いられた１以上の広告要素のデータを含む広告構成情報の入力を受け、各広告要素のデータから特徴量を取得し、取得された特徴量と各広告要素に応じた広告のフォーマットを示す情報と、に対して所定の演算を行うことによって前記広告構成情報の特徴を示す広告構成特徴量を取得する広告構成特徴量取得ステップと、前記過去に配信された広告に関する前記広告構成特徴量と、前記広告が過去に配信された際に得られた効果と、を用いて学習処理を行うことによって、前記広告構成特徴量を説明変数とし前記効果を目的変数とする学習済モデルを生成する学習制御ステップと、を有する学習方法である。

【0011】

本発明の一態様は、上記の判定システム、又は、上記の学習システム、としてコンピューターを機能させるためのコンピュータープログラムである。

【0012】

本発明の一態様は、第一種別の広告要素のデータを、特徴量を示す値に変換する複数の第一エンコーダーと、第二種別の広告要素のデータを、特徴量を示す値に変換する複数の第二エンコーダーと、前記第一エンコーダーによって得られた値に対し前記第一種別に応じたデータを演算し、前記第二エンコーダーによって得られた値に対し前記第二種別に応じたデータを演算し、演算によって得られた各値を統合することによって、前記第一種別の広告要素と前記第二種別の広告要素とを含む広告の構成の特徴量を示す値を生成する演算部と、を備える広告構成特徴量取得装置である。

【発明の効果】

【0013】

本発明により、新たなフォーマットの広告媒体について、より少ない労力で広告の効果を推定することが可能となる。

【図面の簡単な説明】

【0014】

【図1】本発明の判定システム１００のシステム構成を示す概略ブロック図である。

【図2】端末装置１０の機能構成の具体例を示す概略ブロック図である。

【図3】学習装置２０の機能構成の具体例を示す概略ブロック図である。

【図4】広告構成特徴量取得部２３２の構成の概略を示す図である。

【図5】学習制御部２３３が行う学習処理の学習モデルの概略を示す図である。

【図6】学習装置２０の処理の具体例を示すフローチャートである。

【図7】判定装置３０の機能構成の具体例を示す概略ブロック図である。

【図8】判定装置３０の処理の具体例を示すフローチャートである。

【図9】本実施形態に適用される情報処理装置９０のハードウェア構成例の概略を示す図である。

【図10】広告構成特徴量の取得処理の変形例を示す図である。

【図11】判定装置３０の変形例を示す図である。

【図12】判定装置３０の変形例を示す図である。

【発明を実施するための形態】

【0015】

図１は、本発明の判定システム１００のシステム構成を示す概略ブロック図である。判定システム１００は、広告に関する情報（以下「広告情報」という。）に基づいて、その広告が配信された場合に得られる広告効果を判定する際に使用される。

【0016】

判定システム１００は、端末装置１０と学習装置２０と判定装置３０とを含む。端末装置１０と判定装置３０とは、ネットワーク７０を介して通信可能に接続される。学習装置２０と判定装置３０とは、ネットワーク７０を介して通信可能に接続されもよい。ネットワーク７０は、無線通信を用いたネットワークであってもよいし、有線通信を用いたネットワークであってもよい。ネットワーク７０は、例えばインターネットを用いて構成されてもよいし、ローカルエリアネットワーク（ＬＡＮ）を用いて構成されてもよい。ネットワーク７０は、複数のネットワークが組み合わされて構成されてもよい。

【0017】

図２は、端末装置１０の機能構成の具体例を示す概略ブロック図である。端末装置１０は、例えばスマートフォン、タブレット、パーソナルコンピューター、専用機器などの情報機器を用いて構成される。端末装置１０は、通信部１１、入力部１２、出力部１３、記憶部１４及び制御部１５を備える。

【0018】

通信部１１は、通信機器である。通信部１１は、例えばネットワークインターフェースとして構成されてもよい。通信部１１は、制御部１５の制御に応じて、ネットワーク７０を介して他の装置とデータ通信する。通信部１１は、無線通信を行う装置であってもよいし、有線通信を行う装置であってもよい。

【0019】

入力部１２は、キーボード、ポインティングデバイス（マウス、タブレット等）、ボタン、タッチパネル等の既存の入力装置を用いて構成される。入力部１２は、ユーザーの指示を端末装置１０に入力する際にユーザーによって操作される。入力部１２は、入力装置を端末装置１０に接続するためのインターフェースであっても良い。この場合、入力部１２は、入力装置においてユーザーの入力に応じ生成された入力信号を端末装置１０に入力する。入力部１２は、マイク及び音声認識装置を用いて構成されてもよい。この場合、入力部１２はユーザーによって発話された文言を音声認識し、認識結果の文字列情報を端末装置１０に入力する。この場合、音声認識は制御部１５によって実行されてもよい。入力部１２は、ユーザーの指示を端末装置１０に入力可能な構成であればどのように構成されてもよい。

【0020】

出力部１３は、情報をユーザーが認知可能な形で出力する。出力部１３は、例えば液晶ディスプレイ、有機ＥＬ（Electro Luminescence）ディスプレイ等の画像表示装置であってもよい。出力部１３は、画像表示装置を端末装置１０に接続するためのインターフェースであっても良い。この場合、出力部１３は、画像データを表示するための映像信号を生成し、自身に接続されている画像表示装置に映像信号を出力する。出力部１３は、スピーカー等の音響を出力する装置であってもよい。出力部１３は、スピーカーやヘッドホン等の音響出力装置を端末装置１０に接続するためのインターフェースであってもよい。この場合、出力部１３は、音響データを再生するための音響信号を生成し、自身に接続されている音響出力装置に音響信号を出力する。なお、出力部１３は、入力部１２と一体のタッチパネルとして構成されてもよい。

【0021】

記憶部１４は、磁気ハードディスク装置や半導体記憶装置等の記憶装置を用いて構成される。記憶部１４は、制御部１５によって使用されるデータを記憶する。記憶部１４は、制御部１５が処理を行う際に必要となるデータを記憶する。

【0022】

制御部１５は、ＣＰＵ（Central Processing Unit）等のプロセッサーとメモリー（主記憶装置）とを用いて構成される。制御部１５は、プロセッサーがプログラムを実行することによって機能する。なお、制御部１５の各機能の全て又は一部は、ＡＳＩＣ（Application Specific Integrated Circuit）やＰＬＤ（Programmable Logic Device）やＦＰＧＡ（Field Programmable Gate Array）等のハードウェアを用いて実現されても良い。上記のプログラムは、コンピューター読み取り可能な記録媒体に記録されても良い。コンピューター読み取り可能な記録媒体とは、例えばフレキシブルディスク、光磁気ディスク、ＲＯＭ、ＣＤ－ＲＯＭ、半導体記憶装置（例えばＳＳＤ：Solid State Drive）等の可搬媒体、コンピューターシステムに内蔵されるハードディスクや半導体記憶装置等の記憶装置である。上記のプログラムは、電気通信回線を介して送信されてもよい。

【0023】

制御部１５は、例えば自装置（端末装置１０）にインストールされたアプリケーションを実行してもよい。このようなアプリケーションの具体例として、判定システム１００の専用アプリケーションとして端末装置１０に提供されるアプリケーションがある。このようなアプリケーションの他の具体例として、ＷＥＢブラウザーのアプリケーションがある。このようなアプリケーションは、予め端末装置１０にインストールされていてもよいし、判定処理を実行する際にその都度ダウンロードされてもよい。例えばＷＥＢブラウザーのアプリケーションとして実装される場合には、特定のＷＥＢサーバーに端末装置１０が接続することに応じてＷＥＢサーバーによって指定された装置（例えばＷＥＢサーバーそのものでもよいし他のサーバーでもよい）から端末装置１０がアプリケーションをダウンロードして実行してもよい。制御部１５は、実行中のアプリケーションのプログラムにしたがって動作する。

【0024】

制御部１５は、ユーザーの操作や判定装置３０から受信される情報に応じて端末装置１０を制御する。例えば、制御部１５は、対象人物やユーザーが入力部１２を操作することによって入力された情報を、通信部１１を用いることによって判定装置３０へ送信する。端末装置１０に入力される情報の具体例として、効果の判定対象となる広告に関する情報がある。広告情報は、例えば広告の構成を示す情報（以下「広告構成情報」という。）と、広告の配信に関する情報（以下「広告配信情報」という。）と、広告フォーマット情報と、を含む。

【0025】

広告構成情報は、例えば広告に用いられる１以上の広告要素のデータを含む。広告要素のデータの具体例として、例えば文字列（テキスト）や静止画像や動画像のデータがある。広告配信情報は、広告のターゲティング設計の要素である広告対象者に関する情報を含む。広告配信情報は、例えば広告対象者の年齢、性別、予算を含む。広告配信情報は、広告の配信期間や、広告が配信される地域を含んでもよい。広告フォーマット情報は、広告のフォーマットを示す情報である。広告フォーマット情報は、例えば広告に含まれる広告要素の種別（例えばテキスト、静止画像、動画像など）、広告要素の属性（例えば、画像の大きさ、動画像の再生時間の長さ、テキストの長さ、文字の大きさなど）、広告要素の位置（例えば、上段、中段、下段、左側、中央、右側など）の各値を有してもよい。

【0026】

例えば、制御部１５は、判定装置３０から送信された情報（例えば広告の効果に関する情報）がネットワーク７０を介して通信部１１で受信されると、受信された情報に基づいて画面データを生成し、出力部１３に画面データを表示させる。このような画面データには、判定装置３０から送信された情報を示す画像や文字が含まれる。例えば、制御部１５は、判定装置３０から送信された情報がネットワーク７０を介して通信部１１で受信されると、受信された情報に基づいて音声データを生成し、出力部１３から音声データを出力させる。

【0027】

図３は、学習装置２０の機能構成の具体例を示す概略ブロック図である。学習装置２０は、例えばパーソナルコンピューターやサーバー装置などの情報処理装置を用いて構成される。学習装置２０は、通信部２１、記憶部２２及び制御部２３を備える。

【0028】

通信部２１は、通信機器である。通信部２１は、例えばネットワークインターフェースとして構成されてもよい。通信部２１は、制御部２３の制御に応じて、ネットワーク７０を介して他の装置とデータ通信する。通信部２１は、無線通信を行う装置であってもよいし、有線通信を行う装置であってもよい。

【0029】

記憶部２２は、磁気ハードディスク装置や半導体記憶装置等の記憶装置を用いて構成される。記憶部２２は、制御部２３によって使用されるデータを記憶する。記憶部２２は、例えば既知データ記憶部２２１、広告構成特徴量記憶部２２２及び学習済モデル記憶部２２３として機能してもよい。

【0030】

既知データ記憶部２２１は、学習装置２０において実行される学習処理に用いられる既知データを記憶する。既知データ記憶部２２１が記憶する既知データは、広告情報と、各広告情報に関してその広告が配信された場合に得られた効果を示す情報（以下「効果情報」という。）と、を含む。既知データ記憶部２２１が記憶する既知データは、過去に実際に配信された広告の広告情報及び効果情報の組み合わせを含んでもよいし、実際には配信されていない広告の広告情報とその広告に関して推定された効果情報との組み合わせを含んでもよい。

【0031】

広告構成特徴量記憶部２２２は、広告構成特徴量を記憶する。広告構成特徴量は、既知データの広告構成情報に対して特徴量取得処理を行うことによって得られる。例えば、広告構成特徴量は、広告構成情報と、広告フォーマット情報と、を用いることで得られる。広告構成特徴量は、これらの情報を用いて所定の演算を行うことによって得られる値であり、広告の構成の特徴を示す値である。

【0032】

学習済モデル記憶部２２３は、既知データや広告構成特徴量を用いて制御部２３が学習処理を行うことによって得られる学習済モデルを記憶する。

【0033】

制御部２３は、ＣＰＵ等のプロセッサーとメモリーとを用いて構成される。制御部２３は、プロセッサーがプログラムを実行することによって、情報制御部２３１、広告構成特徴量取得部２３２及び学習制御部２３３として機能する。なお、制御部２３の各機能の全て又は一部は、ＡＳＩＣやＰＬＤやＦＰＧＡ等のハードウェアを用いて実現されても良い。上記のプログラムは、コンピューター読み取り可能な記録媒体に記録されても良い。コンピューター読み取り可能な記録媒体とは、例えばフレキシブルディスク、光磁気ディスク、ＲＯＭ、ＣＤ－ＲＯＭ、半導体記憶装置（例えばＳＳＤ）等の可搬媒体、コンピューターシステムに内蔵されるハードディスクや半導体記憶装置等の記憶装置である。上記のプログラムは、電気通信回線を介して送信されてもよい。

【0034】

情報制御部２３１は、情報の入出力を制御する。例えば、情報制御部２３１は、他の機器（情報処理装置や記憶媒体）から既知データを取得し、既知データ記憶部２２１に記録する。例えば、情報制御部２３１は、学習済モデル記憶部２２３に記憶されている学習済モデルを、他の装置（例えば判定装置３０）に対して送信する。

【0035】

広告構成特徴量取得部２３２は、既知データに含まれる広告構成情報と、その広告が用いられるフォーマットを示すフォーマット情報と、に対して所定の処理を実行することによって、広告構成特徴量を取得する。図４は、広告構成特徴量取得部２３２の構成の概略を示す図である。広告構成特徴量取得部２３２は、プログラムの実行によって、各種別の広告要素に応じた複数のエンコーダー、複数の加算器、マルチモーダル変換器として機能する。

【0036】

エンコーダーは、広告要素の種別毎に設けられる。例えば、動画像エンコーダー、静止画像エンコーダー、テキストエンコーダーが設けられる。この場合、種別毎に複数のエンコーダーが設けられる。そのため、例えば複数の動画像エンコーダー、複数の静止画像エンコーダー、複数のテキストエンコーダーが設けられる。各エンコーダーは、一般的な広告のフォーマットとして一つの広告に用いられる動画像、静止画像及びテキストそれぞれの最大個数よりも多く備えられることが望ましい。そのような個数の各種エンコーダーが設けられることによって、どのようなフォーマットにも対応することが可能となる。各エンコーダーは、種別に応じて入力される広告要素（例えば動画像、静止画像、テキスト）に基づいて、その特徴を示す値を出力する。図４の例では、各エンコーダーは多次元の値（例えば１２８次元のベクトル）を出力する。ただし、実施形態においてベクトルの次元数は１２８に限定される必要は無い。

【0037】

各加算器には、各広告要素に応じたフォーマット情報を示す値と、各広告要素をエンコードすることによって得られた特徴量を示す値と、が入力される。各加算器は、入力された値同士を加算して出力する。例えば、上段に配置され大きな文字で表されるテキストが入力されたテキストエンコーダーの出力には、テキストであることを示す種別情報と、大きな文字であることを示す属性情報と、上段に配置されることを示す位置情報と、がそれぞれ加算される。位置情報は、例えば「Positional Embedding」という手法を用いて１２８次元ベクトルを算出し、各エンコーダーが出力する１２８次元ベクトルに加算することによって得られてもよい。種別情報及び属性情報については、例えば「Embedding Layer」という手法を用いて１２８次元ベクトルを算出してもよい。そして、加算に関しては、各エンコーダーが出力する１２８次元ベクトルを加算してもよい。

【0038】

各エンコーダーから出力された特徴量を示す値（例えば上述した１２８次元ベクトル）は、各フォーマット情報が加算された後に、マルチモーダル変換器に入力される。マルチモーダル変換器で変換された各値を統合することによって、一つの値で表された広告構成特徴量が生成される。広告構成特徴量取得部２３２は、例えばこのような処理を行うことによって広告構成特徴量を取得する。マルチモーダル変換器には、例えば「Transformer」のEncoder処理が適用されてもよい。マルチモーダル変換器は、エンコーダーの数分の値（例えば１２８次元ベクトル）を出力する。その後に続く処理として、それら複数の値の演算値（例えば平均値）を算出し、１つの値（例えば１２８次元ベクトル）を出力する。この処理は、図４や図１０のいずれにおいても同一であり、例えば平均値を算出する処理であってもよい。

【0039】

学習制御部２３３は、既知データ記憶部２２１に記憶されている広告情報（特に広告配信情報）と、広告構成特徴量記憶部２２２に記憶されている広告構成特徴量と、それらの広告における効果情報と、を用いて学習処理を実行する。図５は、学習制御部２３３が行う学習処理の学習モデルの概略を示す図である。広告配信情報に基づいて得られる広告配信特徴量と、広告構成特徴量と、が説明変数であり、効果情報が目的変数である。このような学習処理の具体例として、例えばニューラルネットワーク等の分類や回帰のための教師あり学習が用いられてもよい。学習制御部２３３は、例えば教師あり学習を行うことによって、入力される広告配信特徴量及び広告構成特徴量に基づいて、効果情報を出力するための学習済モデルを生成する。学習制御部２３３は、生成された学習済モデルを学習済モデル記憶部２２３に記録する。学習制御部２３３によって得られた学習済モデルは、判定装置３０に対して送信され、判定装置３０の判定モデル記憶部３２１に記録されてもよい。

【0040】

図６は、学習装置２０の処理の具体例を示すフローチャートである。まず、情報制御部２３１は既知データを取得する（ステップＳ１０１）。既知データは、例えばユーザーによって入力されてもよいし、他の情報機器から通信によって取得されてもよいし、学習装置２０に接続された記録媒体から取得されてもよい。広告構成特徴量取得部２３２は、既知データに含まれる広告構成情報に基づいて広告構成特徴量を取得する（ステップＳ１０２）。学習制御部２３３は、既知データに含まれる広告配信情報に基づいて広告配信特徴量を取得する。学習制御部２３３は、広告配信特徴量及び広告構成特徴量を用いて学習処理を実行することで学習済モデルを取得し、取得された学習済モデルを学習済モデル記憶部２２３に記録する（ステップＳ１０３）。

【0041】

図７は、判定装置３０の機能構成の具体例を示す概略ブロック図である。判定装置３０は、例えばパーソナルコンピューターやサーバー装置などの情報処理装置を用いて構成される。判定装置３０は、通信部３１、記憶部３２及び制御部３３を備える。

【0042】

通信部３１は、通信機器である。通信部３１は、例えばネットワークインターフェースとして構成されてもよい。通信部３１は、制御部３３の制御に応じて、ネットワーク７０を介して他の装置とデータ通信する。通信部３１は、無線通信を行う装置であってもよいし、有線通信を行う装置であってもよい。

【0043】

記憶部３２は、磁気ハードディスク装置や半導体記憶装置等の記憶装置を用いて構成される。記憶部３２は、制御部３３によって使用されるデータを記憶する。記憶部３２は、例えば判定モデル記憶部３２１として機能してもよい。

【0044】

判定モデル記憶部３２１は、判定部３３３が判定処理を行う際に使用する判定モデルを記憶する。判定モデルは、例えば予め学習処理によって生成された学習済モデルの情報を用いて構成されてもよい。このような学習処理は、例えば他の装置（例えば学習装置２０）によって実行されてもよいし、自装置（判定装置３０）によって実行されてもよい。判定モデルは、必ずしも学習処理によって生成される必要は無い。判定モデルは、例えば広告構成特徴量と効果情報とを対応付けたルックアップテーブルを用いて構成されてもよいし、広告配信特徴量及び広告構成特徴量と効果情報とを対応付けたルックアップテーブルを用いて構成されてもよいし、他の態様で構成されてもよい。

【0045】

制御部３３は、ＣＰＵ等のプロセッサーとメモリーとを用いて構成される。制御部３３は、プロセッサーがプログラムを実行することによって、情報制御部３３１、広告構成特徴量取得部３３２及び判定部３３３として機能する。なお、制御部３３の各機能の全て又は一部は、ＡＳＩＣやＰＬＤやＦＰＧＡ等のハードウェアを用いて実現されても良い。上記のプログラムは、コンピューター読み取り可能な記録媒体に記録されても良い。コンピューター読み取り可能な記録媒体とは、例えばフレキシブルディスク、光磁気ディスク、ＲＯＭ、ＣＤ－ＲＯＭ、半導体記憶装置（例えばＳＳＤ）等の可搬媒体、コンピューターシステムに内蔵されるハードディスクや半導体記憶装置等の記憶装置である。上記のプログラムは、電気通信回線を介して送信されてもよい。

【0046】

情報制御部３３１は、端末装置１０等の他の装置から、判定対象の説明変数に相当する情報（広告情報）を取得する。情報制御部３３１は、判定部３３３によって得られた判定結果を示す情報を、端末装置１０等の他の装置に対して送信する。このような情報制御部３３１による他の装置との間の情報のやりとりは、例えば通信部３１による通信によって行われてもよい。

【0047】

広告構成特徴量取得部３３２は、情報制御部３３１によって取得された広告構成情報に対して所定の処理を実行することで広告構成特徴量を取得する。広告構成特徴量取得部３３２が実行する処理は、判定部３３３によって使用される学習済モデルを生成する際に広告構成特徴量の取得で実行された処理と同様の処理である。すなわち、広告構成特徴量３３２が広告構成情報に対して行う処理は、広告構成特徴量取得部２３２が既知データの広告構成特徴情報に対して行う処理と同じである。言い換えれば、広告構成特徴量取得部３３２が広告構成情報に対して行う処理は、図４に示される構成によって行われる処理と同様である。広告構成特徴量取得部３３２は、このような処理を行うことによって広告構成特徴量を取得する。

【0048】

判定部３３３は、判定モデル記憶部３２１に記憶される判定モデルと、判定対象の広告情報と、を用いて判定処理を行う。判定処理によって、判定対象の広告に関する効果情報が判定される。判定部３３３は、少なくとも効果情報に関する判定結果を出力する。

【0049】

図８は、判定装置３０の処理の具体例を示すフローチャートである。まず、情報制御部３３１は端末装置１０から広告情報を取得する（ステップＳ２０１）。広告構成特徴量取得部３３２は、広告情報に含まれる広告構成情報に対して所定の処理を行うことによって広告構成特徴量を取得する（ステップＳ２０２）。判定部３３３は、少なくとも広告構成特徴量を用いて判定処理を行う（ステップＳ２０３）。本実施形態では、広告構成特徴量に加えて広告配信情報に基づいて得られる広告配信特徴量も説明変数として用いることで効果情報を判定する。判定部３３３は、判定結果を示す情報を端末装置１０に送信する（ステップＳ２０４）。

【0050】

このように構成された判定システム１００では、広告のフォーマットに依存することなく共通した処理によって広告の構成を示す広告構成特徴量が取得される。より具体的には、広告のフォーマットを示す情報（広告フォーマット情報）を入力として使用することと、各種別の広告要素（例えば動画像、静止画像、テキスト）のエンコーダーを予め複数設けておくことで、広告構成特徴量を取得するための構成（処理）自体は複数のフォーマットに共通したものを用いている。そして、そのようにして得られた広告構成特徴量を用いて広告の効果情報が判定される。そのため、広告構成特徴量を取得するにあたって、新たな広告フォーマットを評価するための判定モデルをより少ない労力で構築することが可能となる。

【0051】

また、判定システム１００では、複数の広告情報を用いて生成された複数の広告構成特徴量を用いて学習処理が実行され、学習済モデルが得られる。そして、判定システム１００では、判定対象となる新たな広告に関する広告構成特徴量が取得され、それに基づいて判定処理が実行されて広告の効果情報が判定される。広告の構成は、広告の効果に対して強い相関を有している。そのため、広告の構成を示す特徴量である広告構成特徴量は効果情報に対して相関を有している。そのため、このように構成された判定システム１００によれば、新しいフォーマットにより少ない労力で対応できるとともに、高い精度で広告効果を推定することが可能となる。

【0052】

図９は、本実施形態に適用される情報処理装置９０のハードウェア構成例の概略を示す図である。情報処理装置９０は、プロセッサー９１、主記憶装置９２、通信インターフェース９３、補助記憶装置９４、入出力インターフェース９５及び内部バス９６を備える。プロセッサー９１、主記憶装置９２、通信インターフェース９３、補助記憶装置９４及び入出力インターフェース９５は、内部バス９６を介して互いに通信可能に接続される。情報処理装置９０は、例えば学習装置２０及び判定装置３０に適用されてもよい。この場合、例えば通信部２１及び通信部３１は通信インターフェース９３を用いて構成されてもよい。例えば記憶部２２及び記憶部３２は補助記憶装置９４を用いて構成されてもよい。また、制御部２３及び制御部３３は、プロセッサー９１及び主記憶装置９２を用いて構成されてもよい。

【0053】

（変形例）
学習装置２０の学習制御部２３３は、複数の異なる広告フォーマットに共通した学習済モデルを生成してもよいし、広告フォーマット毎に個別の学習済モデルを生成してもよい。複数の異なる広告フォーマットに共通した学習済モデルを生成する場合には、学習制御部２３３は、異なる広告フォーマットを有する広告情報に基づいて得られる広告構成特徴量を用いて学習処理を実行することで、共通する学習済モデルを生成する。この場合には、判定装置３０における判定処理でも、判定対象の広告フォーマットによらずに共通した学習済モデルを判定モデルとして用いて判定処理が行われる。このように構成されることによって、より低い労力で新たな広告フォーマットに対応することが可能となる。

【0054】

広告フォーマット毎に個別の学習済モデルを生成する場合には、学習制御部２３３は、同一の広告フォーマットを有する広告情報に基づいて得られる広告構成特徴量のみを用いて学習処理を実行することで、広告フォーマット毎に異なる学習済モデルを生成する。この場合には、判定装置３０の判定モデル記憶部３２１は、広告フォーマット毎に判定モデルを記憶する。判定装置３０における判定処理では、判定対象の広告フォーマットに応じた判定モデルを用いて判定処理が行われる。このように構成されることによって、より精度よく効果情報を判定することが可能となる。

【0055】

上述した広告構成特徴量の取得処理では、使用される広告フォーマット情報として種別情報、属性情報及び位置情報が用いられた。しかし、広告構成特徴量の取得処理において使用される広告フォーマット情報は、このような３つの情報を含むものに限定される必要は無い。図１０は、広告構成特徴量の取得処理の変形例を示す図である。図１０に示されるように、広告構成特徴量の取得処理において、広告フォーマット情報として種別情報及び属性情報が用いられ、位置情報が用いられなくてもよい。例えば、広告フォーマットとして、予め各広告要素の配置が定められたフォーマットやカルーセル広告のフォーマットであれば、上述したような位置情報が用いられてもよいが、必ずしも予め位置情報が明確に定められていない広告も存在しうる。例えば、レスポンシブ広告のフォーマットが該当する。このように、予め位置情報が明確に定められていない広告フォーマットについて広告構成特徴量を取得する場合には、図１０に示されるような処理によって広告構成特徴量が取得されてもよい。図４に示されるような処理と、図１０に示される処理と、どちらを用いて広告構成特徴量を取得するかは、人によって判断されてもよいし、広告構成特徴量取得部２３２や広告構成特徴量取得部３３２によって判断されてもよい。広告構成特徴量取得部２３２や広告構成特徴量取得部３３２が判断する場合には、入力された広告フォーマットに位置情報が含まれているか否かに基づいて判断してもよい。

【0056】

本実施形態では、端末装置１０と判定装置３０とが異なる装置として構成されているが、一体の装置として構成されてもよい。図１１は、このように構成された判定装置３０の変形例を示す図である。図１１に示される判定装置３０は、入力部３４、出力部３５を備える。図１１に示される判定装置３０の入力部３４、出力部３５は、それぞれ端末装置１０の入力部１２、出力部１３と同様に機能する。制御部３３は、入力部３４に対する操作に応じて動作し、入力された広告情報を用いて判定処理を行い、出力部３５を用いて効果情報を出力する。

【0057】

本実施形態では、学習装置２０と判定装置３０とが異なる装置として構成されているが、一体の装置として構成されてもよい。図１２は、このように構成された判定装置３０の変形例を示す図である。図１２に示される判定装置３０の記憶部３２は、既知データ記憶部３２２及び広告構成特徴量記憶部３２３としても機能する。図１２に示される判定装置３０の制御部３３は、学習制御部３３４としても機能する。既知データ記憶部３２２及び広告構成特徴量記憶部３２３は、それぞれ学習装置２０の既知データ記憶部２２１及び広告構成特徴量記憶部２２２と同様に機能する。広告構成特徴量取得部３３２は、判定装置３０の判定部３３３の処理で用いられる広告構成特徴量のみではなく、学習制御部３３４の処理で用いられる広告構成特徴量も取得する。学習制御部３３４は、学習装置２０の学習制御部２３３と同様に機能する。

【0058】

学習装置２０は、複数の情報処理装置を用いて実装されてもよい。例えば、クラウド等の装置を用いて学習装置２０が実装されてもよい。例えば、学習装置２０において、記憶部２２と制御部２３とがそれぞれ異なる情報処理装置に実装されてもよい。例えば、学習装置２０の記憶部２２が複数の情報処理装置に分散して実装されてもよい。判定装置３０は、複数の情報処理装置を用いて実装されてもよい。例えば、クラウド等の装置を用いて判定装置３０が実装されてもよい。例えば、判定装置３０において、記憶部３２と制御部３３とがそれぞれ異なる情報処理装置に実装されてもよい。例えば、判定装置３０の記憶部３２が複数の情報処理装置に分散して実装されてもよい。

【0059】

以上、この発明の実施形態について図面を参照して詳述してきたが、具体的な構成はこの実施形態に限られるものではなく、この発明の要旨を逸脱しない範囲の設計等も含まれる。

【符号の説明】

【0060】

１００…判定システム， １０…端末装置， １１…通信部， １２…入力部， １３…出力部， １４…記憶部， １５…制御部， ２０…学習装置， ２１…通信部， ２２…記憶部， ２２１…既知データ記憶部， ２２２…広告構成特徴量記憶部， ２２３…学習済モデル記憶部， ２３…制御部， ２３１…情報制御部， ２３２…広告構成特徴量取得部， ２３３…学習制御部， ３０…判定装置， ３１…通信部， ３２…記憶部， ３２１…判定モデル記憶部， ３３…制御部， ３３１…情報制御部， ３３２…広告構成特徴量取得部， ３３３…判定部

【要約】

【課題】新たなフォーマットの広告媒体について、より少ない労力で広告の効果を推定することを可能にすること。
【解決手段】判定対象となる広告に用いられる１以上の広告要素のデータを含む広告構成情報の入力を受け、各広告要素のデータから特徴量を取得し、取得された特徴量と各広告要素に応じた広告のフォーマットを示す情報と、に対して所定の演算を行うことによって前記広告構成情報の特徴を示す広告構成特徴量を取得する広告構成特徴量取得部と、前記判定対象となる広告に関する前記広告構成特徴量と、広告構成特徴量からその広告を配信することによって得られる効果を判定するための判定モデルと、を用いることによって、前記判定対象となる広告を配信することによって得られる効果を判定する判定部と、を備える判定システムである。
【選択図】図１

【図1】

【図2】

【図3】

【図4】

【図5】

【図6】

【図7】

【図8】

【図9】

【図10】

【図11】

【図12】