ホーム > 特許ランキング > 株式会社ＮＴＴドコモ
知財求人 - 知財ポータルサイト「IP Force」
(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】2025-05-15
(45)【発行日】2025-05-23
(54)【発明の名称】情報処理装置
(51)【国際特許分類】
G06Q 30/0217 20230101AFI20250516BHJP
【ＦＩ】
G06Q30/0217
【請求項の数】
8
(21)【出願番号】P 2022578104
(86)(22)【出願日】2021-12-07
(86)【国際出願番号】 JP2021044986
(87)【国際公開番号】W WO2022163142
(87)【国際公開日】2022-08-04
【審査請求日】2024-10-11
(31)【優先権主張番号】P 2021013162
(32)【優先日】2021-01-29
(33)【優先権主張国・地域又は機関】JP
(73)【特許権者】
【識別番号】392026693
【氏名又は名称】株式会社ＮＴＴドコモ
(74)【代理人】
【識別番号】100088155
【弁理士】
【氏名又は名称】長谷川 芳樹
(74)【代理人】
【識別番号】100113435
【弁理士】
【氏名又は名称】黒木 義樹
(74)【代理人】
【識別番号】100121980
【弁理士】
【氏名又は名称】沖山 隆
(74)【代理人】
【識別番号】100128107
【弁理士】
【氏名又は名称】深石 賢治
(74)【代理人】
【識別番号】100183081
【弁理士】
【氏名又は名称】岡▲崎▼ 大志
(72)【発明者】
【氏名】相場 邦宏
(72)【発明者】
【氏名】小野 素平
【審査官】田付 徳雄
(56)【参考文献】
【文献】特開２０２０－１３４９９８（ＪＰ，Ａ）
【文献】特開２０１６－２０６７２２（ＪＰ，Ａ）
【文献】特開２００１－３１２５１１（ＪＰ，Ａ）
【文献】米国特許出願公開第２０１６／０３０９２２３（ＵＳ，Ａ１）
【文献】米国特許出願公開第２００１／００３７３３５（ＵＳ，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】
ユーザに提示される第１画面内に、複数のコンテンツのうちの一部のコンテンツのリストと、前記第１画面内に表示されない非表示コンテンツのリストが表示される第２画面へのリンクと一以上の前記非表示コンテンツの画像とが関連付けられるリンク画像と、を表示させる表示制御部と、コンテンツの画像が前記リンク画像に関連付けられた場合に前記リンク画像がユーザにより選択される確率に関するユーザ属性に応じた第１スコアをコンテンツ毎に出力するように構成された第１モデルを、前記リンク画像がユーザにより選択されたか否かを示す情報と、前記ユーザのユーザ属性と、前記リンク画像として表示されたコンテンツを示す情報と、に基づく機械学習によって生成する第１モデル生成部と、
前記第１画面が提示される対象となる対象ユーザのユーザ属性を取得するユーザ属性取得部と、
前記ユーザ属性取得部により取得された前記対象ユーザのユーザ属性を前記第１モデルに入力することによりコンテンツ毎の前記第１スコアを取得し、前記第１スコアが高い前記コンテンツの画像を優先的に、前記対象ユーザに提示される前記第１画面内の前記リンク画像に関連付けられる画像として決定する画像決定部と、
を備える情報処理装置。
【請求項2】
前記第１モデルは、コンテンツ毎のパラメータを含み、前記第１モデル生成部は、
前記リンク画像がユーザにより選択された際に、前記リンク画像として表示されていたコンテンツに対して、前記リンク画像がユーザにより選択されなかった場合よりも大きい報酬値を付与し、
前記報酬値と前記ユーザのユーザ属性とに基づいて、当該コンテンツに対応する前記パラメータを更新する、請求項１に記載の情報処理装置。
【請求項3】
前記表示制御部は、コンテンツに関する複数のジャンルの各々に関連付けられる一部のコンテンツのリストと、前記ジャンル毎の前記リンク画像と、を前記第１画面内に表示させ、前記画像決定部は、前記ジャンル毎に、前記リンク画像に関連付けられる画像を決定する、請求項１又は２に記載の情報処理装置。
【請求項4】
前記画像決定部は、複数の前記非表示コンテンツの各々の画像を、前記リンク画像に関連付けられる画像として決定し、前記表示制御部は、前記リンク画像として表示される画像を時間経過に応じて変化させる、請求項１～３のいずれか一項に記載の情報処理装置。
【請求項5】
前記表示制御部は、一定のフレーム間隔で前記リンク画像として表示される画像を変化させ、前記リンク画像がユーザにより選択される確率に関するユーザ属性に応じた第２スコアをフレーム間隔の長さ毎に出力するように構成された第２モデルを、前記リンク画像がユーザにより選択されたか否かを示す情報と、前記ユーザのユーザ属性と、適用されたフレーム間隔の長さを示す情報と、に基づく機械学習によって生成する第２モデル生成部と、
前記対象ユーザのユーザ属性を前記第２モデルに入力することによりフレーム間隔の長さ毎の前記第２スコアを取得し、前記第２スコアが高い前記フレーム間隔の長さを優先的に、前記対象ユーザに提示される前記第１画面内の前記リンク画像に適用されるフレーム間隔の長さとして決定するフレーム間隔決定部と、を更に備える、請求項４に記載の情報処理装置。
【請求項6】
前記第２モデルは、前記フレーム間隔の長さ毎のパラメータを含み、前記第２モデル生成部は、
前記リンク画像がユーザにより選択された際に、前記リンク画像に適用されていたフレーム間隔の長さに対して、前記リンク画像がユーザにより選択されなかった場合よりも大きい報酬値を付与し、
前記報酬値と前記ユーザのユーザ属性とに基づいて、当該フレーム間隔の長さに対応する前記パラメータを更新する、請求項５に記載の情報処理装置。
【請求項7】
前記第１モデルは、コンテンツ毎のパラメータを含み、前記第１モデル生成部は、
前記リンク画像が選択された時点に前記リンク画像として表示されていたコンテンツと、前記リンク画像が選択された時点よりも前に前記リンク画像として表示されていたコンテンツと、の各々に、前記リンク画像がユーザにより選択されなかった場合よりも大きい報酬値を付与し、
前記報酬値と前記ユーザのユーザ属性とに基づいて、各コンテンツに対応する前記パラメータを更新する強化学習によって前記第１モデルを生成し、
前記報酬値は、前記リンク画像が選択された時点からより近い時点に前記リンク画像として表示されていたコンテンツほど大きい値に設定される、
請求項５又は６に記載の情報処理装置。
【請求項8】
前記表示制御部は、前記第１画面及び前記第２画面を前記情報処理装置とは異なるユーザ端末が備える表示部に表示させ、前記表示制御部は、前記画像決定部により決定された前記複数の前記非表示コンテンツの各々の画像のうち前記リンク画像として最初に表示させる画像を前記ユーザ端末に送信した後に、前記複数の前記非表示コンテンツの各々の画像が時間経過に応じて変化するように構成されたアニメーション画像を前記ユーザ端末に送信する、請求項４～７のいずれか一項に記載の情報処理装置。
【発明の詳細な説明】
【技術分野】
【0001】
本発明の一側面は、情報処理装置に関する。
【背景技術】
【0002】
動画、電子書籍等のコンテンツをユーザに提供（販売）するコンテンツ提供サービスにおいて、ユーザにレコメンドするコンテンツの一覧を表示する画面をユーザに提示する仕組みが知られている。例えば、各コンテンツに対応するアイコンが、一画面内に、縦及び横に整列して表示される。レコメンド対象のコンテンツ数が多い場合、一画面内に全てのコンテンツに対応するアイコンを表示することができないことがある。このような場合、一画面内に収まらなかったコンテンツ（最初の画面に表示されなかったコンテンツ）の一覧を表示するための別画面に遷移するためのリンク画像等が利用され得る。ユーザは最初の画面に表示されたリンク画像を選択することにより、別画面を開き、最初の画面に表示されなかったコンテンツの一覧にアクセスすることができる。このようなリンク画像には、例えばコンテンツの内容を示す画像等が関連付けられ得る（例えば、特許文献１参照）。
【先行技術文献】
【特許文献】
【0003】
【文献】特開２０１８－１８０６１２号公報
【発明の概要】
【発明が解決しようとする課題】
【0004】
上述したようなコンテンツ提供サービスにおいては、より多くのコンテンツをユーザの目に触れさせることにより、コンバージョン率（ユーザがコンテンツを利用・購入する割合）を向上させることが期待できる。このため、上述したようなリンク画像を用いる仕組みにおいては、より多くのコンテンツをユーザの目に触れさせるために、ユーザがリンク画像を選択する確率（以下「選択確率」という。）を向上させる仕組みが求められる。
【0005】
そこで、本発明の一側面は、リンク画像の選択確率を向上させることにより、コンバージョン率の向上を図ることができる情報処理装置を提供することを目的とする。
【課題を解決するための手段】
【0006】
本発明の一側面に係る情報処理装置は、ユーザに提示される第１画面内に、複数のコンテンツのうちの一部のコンテンツのリストと、第１画面内に表示されない非表示コンテンツのリストが表示される第２画面へのリンクと一以上の非表示コンテンツの画像とが関連付けられるリンク画像と、を表示させる表示制御部と、コンテンツの画像がリンク画像に関連付けられた場合にリンク画像がユーザにより選択される確率に関するユーザ属性に応じた第１スコアをコンテンツ毎に出力するように構成された第１モデルを、リンク画像がユーザにより選択されたか否かを示す情報と、ユーザのユーザ属性と、リンク画像として表示されたコンテンツを示す情報と、に基づく機械学習によって生成する第１モデル生成部と、第１画面が提示される対象となる対象ユーザのユーザ属性を取得するユーザ属性取得部と、ユーザ属性取得部により取得された対象ユーザのユーザ属性を第１モデルに入力することによりコンテンツ毎の第１スコアを取得し、第１スコアが高いコンテンツの画像を優先的に、対象ユーザに提示される第１画面内のリンク画像に関連付けられる画像として決定する画像決定部と、を備える。
【0007】
本発明の一側面に係る情報処理装置では、一画面（第１画面）内に表示しきれない複数のコンテンツが存在する場合において、第１画面内に表示されない非表示コンテンツを表示するための第２画面へのリンク機能を有するリンク画像が、第１画面内に表示される。また、ユーザ属性を入力して選択確率に関する第１スコアを出力する第１モデルが生成される。このような第１モデルにより得られる第１スコアが高いコンテンツの画像を優先的にリンク画像に関連付けることにより、リンク画像の選択確率を向上させることができる。その結果、より多くのコンテンツをユーザの目に触れさせることが可能となり、コンバージョン率の向上を図ることができる。
【発明の効果】
【0008】
本発明の一側面によれば、リンク画像の選択確率を向上させることにより、コンバージョン率の向上を図ることができる情報処理装置を提供することができる。
【図面の簡単な説明】
【0009】
【図1】実施形態に係るサーバの全体構成を示す図である。
【図2】トップ画面及びジャンル詳細画面の一例を示す図である。
【図3】リンク画像の生成処理の一例を示す図である。
【図4】サーバの動作の一例を示すフローチャートである。
【図5】サーバのハードウェア構成の一例を示す図である。
【発明を実施するための形態】
【0010】
以下、添付図面を参照して、本発明の一実施形態について詳細に説明する。なお、図面の説明において同一又は相当要素には同一符号を付し、重複する説明を省略する。
【0011】
図１は、一実施形態に係るサーバ１０の全体構成を示す図である。サーバ１０は、従来公知のレコメンドサービスを提供するレコメンドシステムを支援するための情報処理装置である。レコメンドサービスとは、動画、書籍等のコンテンツをユーザに提供（販売）するコンテンツ提供サービスにおいて、ユーザにレコメンドするコンテンツのリストを提示するサービスである。なお、サーバ１０は、レコメンドシステムとは別のシステムであってもよいし、レコメンドシステムを兼ねてもよい。
【0012】
一例として、図２の（Ａ）に示されるように、ユーザがユーザ端末２０を操作してコンテンツ提供サービスにアクセスすると、ユーザ端末２０の表示部２１には、コンテンツ提供サービスのトップ画面ＳＣ１（第１画面）が表示される。トップ画面ＳＣ１内には、当該ユーザにレコメンドされるコンテンツＣ１のリストが表示される。本実施形態では、ユーザ端末２０は、タッチパネルディスプレイを表示部２１として備えたスマートフォンである。ただし、ユーザ端末２０は、上記形態に限られず、表示部２１を有する端末であればよく、例えば、タブレット端末、デスクトップＰＣ、ラップトップＰＣ等であってもよい。
【0013】
本実施形態では、コンテンツのジャンル毎に、レコメンド対象のコンテンツＣ１が表示されている。図２の例では、ジャンル「ドラマ」に属する２つのコンテンツＣ１（「ドラマＡ」及び「ドラマＢ」）と、ジャンル「アニメ」に属する２つのコンテンツＣ１（「アニメＡ」及び「アニメＢ」）と、ジャンル「映画」に属する２つのコンテンツＣ１（「映画Ａ」及び「映画Ｂ」）と、がトップ画面ＳＣ１に表示されている。一例として、トップ画面ＳＣ１に表示される各コンテンツＣ１は、各コンテンツＣ１の画像が関連付けられた矩形状のアイコンの形態を有している。コンテンツの画像とは、コンテンツの内容を示す画像（例えば、動画コンテンツのタイトル画面、書籍コンテンツの表紙を表す画面等）である。
【0014】
ユーザは、興味のあるコンテンツＣ１のアイコンを選択する操作（例えば、タッチ操作、クリック操作等）を実行することにより、当該コンテンツＣ１を利用（例えば、視聴、購入等）することが可能となっている。
【0015】
各ジャンルにおいて、ユーザにレコメンドすべきコンテンツは、トップ画面ＳＣ１に表示されるコンテンツＣ１以外にも存在し得る。しかし、ユーザ端末２０の表示部２１の表示領域のサイズには限界があるため、レコメンド対象の全てのコンテンツをトップ画面ＳＣ１に表示することができない場合がある。すなわち、図２の例では、トップ画面ＳＣ１には、各ジャンルにおいてユーザに対する推奨度の順位が１位及び２位のコンテンツＣ１のみが表示されており、３位以下のコンテンツが表示されていない。このため、トップ画面ＳＣ１には、ジャンル毎に、トップ画面ＳＣ１に表示することができなかったコンテンツＣ２（非表示コンテンツ）のリストが表示されるジャンル詳細画面ＳＣ２（第２画面）へのリンクが関連付けられたリンク画像ＩＭが表示される。リンク画像ＩＭには、一以上のコンテンツＣ２の画像が関連付けられる。なお、上述したような推奨度は、レコメンドシステムによって、公知のレコメンドの仕組みを用いて算出され得る。
【0016】
図２の（Ｂ）に示されるように、例えばジャンル「ドラマ」のリンク画像ＩＭ（「リンク１」）が選択されると、トップ画面ＳＣ１から、ジャンル「ドラマ」に属するレコメンド対象のコンテンツのうちトップ画面ＳＣ１に表示されなかったコンテンツＣ２（図２の例では、「ドラマＣ」～「ドラマＫ」等）のリストが表示されたジャンル詳細画面ＳＣ２へと遷移する。他のジャンルのリンク画像ＩＭ（「リンク２」、「リンク３」）が選択された場合も同様である。なお、図２の（Ｂ）の例では、ジャンル詳細画面ＳＣ２に表示されるコンテンツのリストには、トップ画面ＳＣ１に表示されていたコンテンツＣ１が含まれていないが、ジャンル詳細画面ＳＣ２には、トップ画面ＳＣ１に表示されていなかったコンテンツＣ２と共に、トップ画面ＳＣ１に表示されていたコンテンツＣ１が併せて表示されてもよい。
【0017】
コンテンツ提供サービスにおいては、より多くのコンテンツをユーザの目に触れさせることにより、コンバージョン率の向上を図ることが期待できる。そのためには、リンク画像ＩＭの選択確率（すなわち、ユーザをジャンル詳細画面ＳＣ２へと誘導できる確率）を向上させることが有効である。そこで、サーバ１０は、リンク画像ＩＭの選択確率を向上させるために、リンク画像ＩＭをユーザの属性に応じてパーソナライズする処理を実行するように構成されている。以下、サーバ１０の構成について詳細に説明する。
【0018】
図１に示されるように、サーバ１０は、要求受付部１１と、ユーザ属性取得部１２と、リンク画像設定部１３と、表示制御部１４と、ユーザログ取得部１５と、モデル生成部１６と、を有する。また、サーバ１０は、各種データを記憶する要素として、ユーザ属性記憶部１０ａと、コンテンツＩＤ記憶部１０ｂと、ユーザログ記憶部１０ｃと、を有する。
【0019】
要求受付部１１は、ユーザ（ユーザ端末２０）からコンテンツ提供サービスへのアクセス要求を受け付ける。より具体的には、要求受付部１１は、コンテンツ提供サービスのトップ画面ＳＣ１の情報要求をユーザ端末２０から受け付ける。
【0020】
ユーザ属性取得部１２は、トップ画面ＳＣ１が提示される対象となる対象ユーザのユーザ属性を取得する。本実施形態では、ユーザ属性記憶部１０ａが、ユーザ毎のユーザ属性を予め記憶している。一例として、ユーザ属性記憶部１０ａには、ユーザを一意に特定するためのユーザＩＤに関連付けられたユーザ属性（本実施形態では、後述するユーザ属性ベクトルｚ）が記憶されている。ユーザ属性取得部１２は、ユーザ属性記憶部１０ａから、対象ユーザのユーザＩＤに対応するユーザ属性ベクトルｚを取得する。ここで、対象ユーザとは、要求受付部１１が受け付けた情報要求の送信元であるユーザ端末２０のユーザである。例えば、ユーザ属性取得部１２は、情報要求に含まれているユーザを識別するための情報（一例として、ユーザＩＤと関連付けられた端末ＩＤ等）に基づいて、対象ユーザのユーザＩＤを特定する。
【0021】
ユーザ属性は、ユーザの特徴（属性）に関連する情報である。ユーザ属性は、例えば、ユーザの年齢（或いは年代）、性別、住所等のプロフィール情報を含み得る。また、ユーザ属性は、例えばアンケート調査又は上述したプロフィール情報等から推定されたユーザの趣味嗜好に関する情報を含み得る。ユーザの趣味嗜好に関する情報は、例えば、コンテンツの各ジャンルに対する嗜好度（例えば、ユーザの嗜好性が高いほど大きい値を取る指標）である。
【0022】
ユーザ属性記憶部１０ａには、上述したような各種項目を数値化及びベクトル化したユーザ属性ベクトルｚが、ユーザＩＤ毎に記憶されている。ユーザ属性ベクトルｚは、例えば、以下のようにして生成される。一例として、ユーザ属性ベクトルｚが年代、性別、住所の各項目を含む一次元ベクトル（年代，性別，住所，…）として表現される場合について考える。この場合、各項目を予め定められたルール（例えば、性別について、男性を「0」、女性を「1」に設定するといった取り決め）に基づいて適当にラベル付け（数値化）することにより、例えば（４０代，女性，九州，…）といったユーザ属性を有するユーザのユーザ属性ベクトルｚとして、（0.4，1.0，0.7，…）のような数値ベクトルが得られる。
【0023】
リンク画像設定部１３は、ユーザ属性取得部１２により取得された対象ユーザのユーザ属性ベクトルｚに基づいて、対象ユーザ向けにパーソナライズされたリンク画像ＩＭを設定する。リンク画像設定部１３は、画像決定部１３１と、フレーム間隔決定部１３２と、を有する。また、リンク画像設定部１３は、画像決定部１３１の処理に用いられる第１モデルＭ１と、フレーム間隔決定部１３２の処理に用いられる第２モデルＭ２と、を有する。
【0024】
画像決定部１３１は、対象ユーザに提示されるリンク画像ＩＭにおいて、どのコンテンツＣ２の画像を表示させるかを決定する。このために、まず、画像決定部１３１は、対象ユーザのユーザ属性ベクトルｚを第１モデルＭ１に入力することにより、コンテンツＣ２毎の第１スコアを取得する。例えば、画像決定部１３１は、各コンテンツを一意に特定するためのコンテンツＩＤを記憶するコンテンツＩＤ記憶部１０ｂを参照することにより、トップ画面ＳＣ１に表示されない全てのコンテンツＣ２のコンテンツＩＤを取得し、各コンテンツＩＤに対応する第１スコアを取得する。
【0025】
第１モデルＭ１は、後述する第１モデル生成部１６１により生成（更新する場合を含む。以下同じ。）される機械学習モデルである。より具体的には、第１モデルＭ１は、あるコンテンツの画像がリンク画像ＩＭとして表示された状況下でユーザによってリンク画像ＩＭが選択された場合に当該コンテンツに報酬を付与する強化学習を実行することによって得られるモデルである。一例として、第１モデルＭ１は、強化学習アルゴリズムの一種であるバンディットアルゴリズム（例えば、LinUCB等の文脈バンディット（Contextual bandit）アルゴリズム等）等を用いて得られる。第１モデルＭ１は、一例として、下記の（式１）により表現され得る。第１モデルＭ１は、コンテンツａ毎のパラメータ（θａ及びＡａ）からなる。パラメータθａ及びＡａは、強化学習によって適宜更新されるパラメータである。これらのパラメータの詳細（初期値及び更新方法）については後述する。
【数1】
【0026】
（式１）において、「a」はコンテンツＩＤを示す識別子である。「S_contａ」は、コンテンツａ（コンテンツＩＤ「ａ」に対応するコンテンツ）の第１スコアを示す。「ｚ」は上述したユーザ属性ベクトルを示す。「θａ」は、ユーザ属性ベクトルｚと同一次元の単位ベクトルである。θａは、コンテンツａの画像をリンク画像ＩＭとして表示させた場合に、ユーザ（ユーザ属性ベクトルｚを持つユーザ）がリンク画像ＩＭを選択する確率が高いほど「θａ
Ｔｚ」が大きくなるように学習（更新）される。「θａ
Ｔｚ」は、バンディットアルゴリズムにおける「活用」に寄与する項（活用項）である。
【0027】
（式１）の第２項は、バンディットアルゴリズムにおける「探索」に寄与する項（探索項）である。「α」は、探索項の重みであり任意に定められる。αの大きさを調整することにより、活用と探索の割合を調整することができる。
【0028】
画像決定部１３１は、ユーザ属性ベクトルｚと、各コンテンツＣ２に対応する第１モデルＭ１（すなわち、各コンテンツＣ２に対応する（式１））とに基づいて、コンテンツＣ２毎の第１スコアを算出する。
【0029】
続いて、画像決定部１３１は、第１スコアが高いコンテンツＣ２の画像を優先的に、対象ユーザに提示されるトップ画面ＳＣ１内のリンク画像ＩＭに関連付けられる画像として決定する。本実施形態では、画像決定部１３１は、ジャンル毎に、リンク画像ＩＭに関連付けられる画像を決定する。また、画像決定部１３１は、複数（Ｎ個）のコンテンツＣ２の各々の画像を、リンク画像ＩＭに関連付けられる画像として決定する。Ｎは、２以上の予め設定された値である。より具体的には、画像決定部１３１は、ジャンル毎に、第１スコアの高い順に複数のコンテンツＣ２の順位付けを行い、第１位から第Ｎ位までのコンテンツＣ２の各々の画像を、リンク画像ＩＭに関連付けられる画像として決定する。
【0030】
本実施形態では、リンク画像ＩＭは、画像決定部１３１により決定されたＮ個のコンテンツＣ２の各々の画像を一定のフレーム間隔で順次切り替えるＧＩＦ画像（アニメーション画像）として構成される。フレーム間隔決定部１３２は、対象ユーザに提示されるリンク画像ＩＭに適用されるフレーム間隔の長さを決定する。このために、まず、フレーム間隔決定部１３２は、対象ユーザのユーザ属性ベクトルｚを第２モデルＭ２に入力することにより、フレーム間隔の長さ毎の第２スコアを取得する。
【0031】
第２モデルＭ２は、後述する第２モデル生成部１６２により生成（更新する場合を含む。以下同じ。）される機械学習モデルである。より具体的には、第２モデルＭ２は、あるフレーム間隔の長さがリンク画像ＩＭに適用された状況下でユーザによってリンク画像ＩＭが選択された場合に当該フレーム間隔の長さに報酬を付与する強化学習を実行することによって得られるモデルである。一例として、第２モデルＭ２は、第１モデルＭ１と同様に、強化学習アルゴリズムの一種であるバンディットアルゴリズム（例えば、LinUCB等の文脈バンディット（Contextual bandit）アルゴリズム等）等を用いて得られる。第２モデルＭ２は、一例として、下記の（式２）により表現され得る。第２モデルＭ２は、予め定められたフレーム間隔の長さｔの候補（例えば、０．５秒、０．８秒、１秒、１．５秒、２秒、２．５秒、３秒等）毎のパラメータ（ρｔ及びＢｔ）からなる。パラメータρｔ及びＢｔは、強化学習によって適宜更新されるパラメータである。これらのパラメータの詳細（初期値及び更新方法）については後述する。
【数2】
【0032】
（式２）において、「ｔ」はフレーム間隔の長さの候補を示す識別子である。「S_intｔ」は、フレーム間隔の長さｔの第２スコアを示す。「ｚ」は上述したユーザ属性ベクトルを示す。「ρｔ」は、ユーザ属性ベクトルｚと同一次元の単位ベクトルである。ρｔは、リンク画像ＩＭにフレーム間隔の長さｔを適用した場合に、ユーザ（ユーザ属性ベクトルｚを持つユーザ）がリンク画像ＩＭを選択する確率が高いほど「ρｔ
Ｔｚ」が大きくなるように学習（更新）される。「ρｔ
Ｔｚ」は、バンディットアルゴリズムにおける「活用」に寄与する項（活用項）である。
【0033】
（式２）の第２項は、バンディットアルゴリズムにおける「探索」に寄与する項（探索項）である。「β」は、探索項の重みであり任意に定められる。βの大きさを調整することにより、活用と探索の割合を調整することができる。
【0034】
フレーム間隔決定部１３２は、ユーザ属性ベクトルｚと、フレーム間隔の長さの各候補に対応する第２モデルＭ２（すなわち、フレーム間隔の長さの各候補に対応する（式２））に基づいて、フレーム間隔の長さの候補毎の第２スコアを算出する。
【0035】
続いて、フレーム間隔決定部１３２は、第２スコアが高いフレーム間隔の長さを優先的に、対象ユーザに提示されるトップ画面ＳＣ１内のリンク画像ＩＭに適用されるフレーム間隔の長さとして決定する。例えば、フレーム間隔決定部１３２は、最大の第２スコアを有するフレーム間隔の長さを、リンク画像ＩＭに適用されるフレーム間隔の長さとして決定する。
【0036】
表示制御部１４は、図２に示されるように、対象ユーザに提示されるトップ画面ＳＣ１内に、複数のコンテンツのうちの一部のコンテンツＣ１のリストと、リンク画像ＩＭと、を表示させる。リンク画像ＩＭには、トップ画面ＳＣ１内に表示されないコンテンツＣ２のリストが表示されるジャンル詳細画面ＳＣ２へのリンクと、一以上のコンテンツＣ２（すなわち、画像決定部１３１により決定されたコンテンツＣ２）の画像と、が関連付けられている。
【0037】
表示制御部１４は、コンテンツに関する複数のジャンル（図２の例では、ドラマ、アニメ、及び映画）の各々に関連付けられる一部のコンテンツＣ１のリストと、ジャンル毎のリンク画像ＩＭ（図２の例では、リンク１、リンク２、及びリンク３）と、をトップ画面ＳＣ１内に表示させる。
【0038】
また、表示制御部１４は、リンク画像ＩＭとして表示される画像を時間経過に応じて変化させる。より具体的には、表示制御部１４は、一定のフレーム間隔（すなわち、フレーム間隔決定部１３２により決定されたフレーム間隔の長さ）でリンク画像ＩＭとして表示される画像を変化させる。例えば、表示制御部１４は、第１スコアの高い順に第１位から第Ｎ位までのコンテンツＣ２の画像が一定のフレーム間隔で切り替わるように構成されたリンク画像ＩＭを、対象ユーザに提示されるトップ画面ＳＣ１内に表示させる。
【0039】
例えば、リンク画像ＩＭに適用されるフレーム間隔の長さが１秒の場合、リンク画像ＩＭには、最初に第１位のコンテンツＣ２の画像が表示され、１秒後に第２位のコンテンツＣ２の画像が表示され、２秒後に第３位のコンテンツＣ２の画像が表示され、Ｎ－１秒後に第Ｎ位のコンテンツＣ２の画像が表示される。第Ｎ位のコンテンツＣ２の画像がリンク画像ＩＭとして表示された後、再度第１位のコンテンツＣ２の画像がリンク画像ＩＭに表示される。このように、リンク画像ＩＭには、第１位～第Ｎ位のコンテンツＣ２の画像がループして表示される。
【0040】
表示制御部１４は、対象ユーザのユーザ端末２０に対してリンク画像ＩＭを表示するためのデータを送信することにより、上述したようなリンク画像ＩＭをユーザ端末２０の表示部２１に表示されるトップ画面ＳＣ１内に表示させる。
【0041】
表示制御部１４は、第１位～第Ｎ位のコンテンツＣ２の画像がこの順に一定のフレーム間隔で切り替わるＧＩＦ画像を生成し、当該ＧＩＦ画像のデータを、リンク画像ＩＭを表示するためのデータとしてユーザ端末２０に送信してもよい。しかし、ＧＩＦ画像の生成にはある程度の時間がかかるため、ユーザ端末２０上にトップ画面ＳＣ１（リンク画像ＩＭ以外の部分）が表示されてから、リンク画像ＩＭが適切に表示されるようになるまでタイムラグが生じるおそれがある。このようなタイムラグをなくすために、表示制御部１４は、以下のような処理を行ってもよい。
【0042】
表示制御部１４は、まず、画像決定部１３１により決定された複数のコンテンツＣ２（第１位～第Ｎ位のコンテンツ）の各々の画像のうちリンク画像ＩＭとして最初に表示させる画像をユーザ端末２０に送信してもよい。その後、表示制御部１４は、複数のコンテンツＣ２（第１位～第Ｎ位のコンテンツ）の各々の画像が時間経過に応じて変化するように構成されたＧＩＦ画像（アニメーション画像）をユーザ端末２０に送信してもよい。なお、各コンテンツの画像は、例えば、コンテンツＩＤと関連付けてサーバ１０内（例えばコンテンツＩＤ記憶部１０ｂ内）に記憶されている。この場合、表示制御部１４は、画像決定部１３１により決定された第１位～第Ｎ位の各コンテンツＣ２のコンテンツＩＤに基づいて、当該各コンテンツＣ２の画像を取得することができる。
【0043】
上述した表示制御部１４の処理について、図３を用いて具体的に説明する。図３の例では、画像決定部１３１により、コンテンツＣ００３（コンテンツＩＤ「Ｃ００３」のコンテンツ。以下同様に表記する。）、コンテンツＣ００６、Ｃ００２、…、及びコンテンツＣ０２１が、第１位～第Ｎ位のコンテンツＣ２として決定されている。この場合、表示制御部１４は、まず、最初にリンク画像ＩＭに表示させるためのコンテンツＣ００３に対応する画像（以下「Ｃ００３画像」という。）のデータのみをユーザ端末２０に送信してもよい。そして、表示制御部１４は、ユーザ端末２０に指示することにより、ユーザ端末２０に、Ｃ００３画像が表示されたリンク画像ＩＭを生成及び提示させてもよい。そして、表示制御部１４は、Ｃ００３画像をユーザ端末２０に送信した後に（或いは、送信処理と同時並行的に）、ＧＩＦ画像を生成してもよい。例えば、表示制御部１４は、画像決定部１３１により決定された第１位～第Ｎ位のコンテンツＣ２のリストと、フレーム間隔決定部１３２により決定されたフレーム間隔と、に基づいて、当該フレーム間隔で「第２位→第３位→…→第Ｎ位→第１位」の順に画像が切り替わるように構成されたＧＩＦ画像を生成する。そして、表示制御部１４は、生成したＧＩＦ画像のデータをユーザ端末２０に送信してもよい。この際、表示制御部１４は、フレーム間隔を併せてユーザ端末２０に送信してもよい。そして、表示制御部１４は、ユーザ端末２０に指示することにより、ユーザ端末２０に、Ｃ００３画像が表示されてから通知されたフレーム間隔が経過した際に、リンク画像ＩＭとして表示される画像をＣ００３画像からＧＩＦ画像へと変更させてもよい。以上の処理により、ユーザがトップ画面ＳＣ１にアクセスしてからリンク画像ＩＭが表示されるまでのタイムラグの発生を抑制し、スムーズにリンク画像ＩＭを描画させることが可能となる。
【0044】
ユーザログ取得部１５は、コンテンツ提供サービスにおけるユーザの行動結果を示すユーザログを取得する。ユーザログは、コンテンツ提供サービスのトップ画面ＳＣ１にアクセスしたユーザがリンク画像ＩＭを選択したか否かを示す情報と、当該ユーザのユーザＩＤと、リンク画像ＩＭとして表示されたコンテンツＣ２を示す情報（本実施形態ではコンテンツＩＤ）と、リンク画像ＩＭに適用されたフレーム間隔の長さと、を含む。また、リンク画像ＩＭが選択された場合に対応するユーザログは、リンク画像ＩＭが選択された際にリンク画像ＩＭとして表示されていたコンテンツＣ２を特定するための特定情報も含んでいる。本実施形態では一例として、上記特定情報は、リンク画像ＩＭが表示されてから（すなわち、トップ画面ＳＣ１が表示されてから）リンク画像ＩＭが選択されるまでの時間（すなわち、ユーザがトップ画面ＳＣ１に滞在した滞在時間）を示す情報である。ユーザログ取得部１５により取得された複数のユーザに関する所定期間分のユーザログは、ユーザログ記憶部１０ｃに記憶される。
【0045】
モデル生成部１６は、リンク画像設定部１３によるリンク画像ＩＭの設定内容に対するユーザの行動結果を示すユーザログに基づいて、上述した第１モデルＭ１及び第２モデルＭ２を生成する。本実施形態では、モデル生成部１６は、ユーザログ記憶部１０ｃを参照することにより、第１モデルＭ１及び第２モデルＭ２の生成に必要となるユーザログを取得することができる。なお、ユーザログ取得部１５は、コンテンツ提供サービスがユーザに利用される度に、ユーザログを適時に取得し、ユーザログ記憶部１０ｃに記憶させてもよい。そして、モデル生成部１６は、新たなユーザログがユーザログ記憶部１０ｃに記憶される度に（或いは、予め定められた一定期間毎に）、新たに得られたユーザログを用いて第１モデルＭ１及び第２モデルＭ２を更新してもよい。このような処理によれば、第１モデルＭ１及び第２モデルＭ２を随時適切にアップデートすることができる。
【0046】
モデル生成部１６は、第１モデルＭ１を生成する第１モデル生成部１６１と、第２モデルＭ２を生成する第２モデル生成部１６２と、を有する。
【0047】
上述したように、第１モデルＭ１（（式１）参照）は、ユーザ属性を入力することにより、コンテンツａの画像がリンク画像ＩＭに関連付けられた場合（すなわち、コンテンツａの内容を示す画像がリンク画像ＩＭとしてユーザに表示された場合）にリンク画像ＩＭがユーザにより選択される確率に関する第１スコアを、コンテンツａ毎に出力するように構成されている。第１モデル生成部１６１は、このような第１モデルＭ１を、上述したユーザログから得られる情報を用いた機械学習によって生成する。より具体的には、第１モデル生成部１６１は、リンク画像ＩＭがユーザにより選択されたか否かを示す情報と、当該ユーザのユーザＩＤに対応するユーザ属性（本実施形態では、ユーザ属性記憶部１０ａに記憶されている、当該ユーザＩＤに対応するユーザ属性ベクトルｚ）と、リンク画像ＩＭとして表示されたコンテンツＣ２を示す情報とに基づく機械学習によって、第１モデルＭ１を生成する。
【0048】
上述したように、本実施形態では、第１モデルＭ１は、コンテンツａ毎のパラメータθａを含んでいる（（式１）参照）。第１モデル生成部１６１は、リンク画像ＩＭがユーザにより選択された際にリンク画像ＩＭとして表示されていたコンテンツａに対して報酬値ｒａを付与し、報酬値ｒａと当該ユーザのユーザ属性ベクトルｚとに基づいて当該コンテンツａに対応するパラメータθａを更新する。このような強化学習によれば、どのようにリンク画像ＩＭを設定すればユーザにリンク画像ＩＭを選択させることができるか否かについての正解データがない状況において、ジャンル詳細画面ＳＣ２へとユーザを誘導するのに適したコンテンツ（リンク画像ＩＭに関連付けるコンテンツ）を決定するための指標（第１スコア「S_contａ」）を導出可能なモデルを生成することができる。
【0049】
上記の強化学習によるパラメータの更新方法について詳細に説明する。ここでは一例として、上述したLinUCBアルゴリズムを用いた更新方法について説明する。まず、第１モデル生成部１６１は、（式１）に示されるコンテンツａ毎のパラメータθａ及びＡａを、下記の（式３）～（式５）に基づいて設定する。
【数3】
【0050】
パラメータｂａは、パラメータθａに含まれるパラメータである。（式３）は、パラメータｂａの初期値を示す。（式３）における「０ｄ×１」は、ユーザ属性ベクトルｚと同一の次元（ｄ）のゼロベクトルである。（式４）は、パラメータＡａの初期値を示す。（式４）における「Ｉｄ」は、ｄ次の単位行列である。（式５）に基づいて、パラメータθａが算出される。（式３）～（式５）に示されるように、パラメータθａの初期値はゼロベクトルである。
【0051】
第１モデル生成部１６１は、１回分のユーザの行動（すなわち、ユーザログ１つ分）毎に、下記の（式６）及び（式７）により、該当するコンテンツａのパラメータＡａ及びｂａを更新（学習）する。
【数4】
【0052】
（式６）により、「ユーザ属性ベクトルｚを有するユーザが、コンテンツａの画像が関連付けられたリンク画像ＩＭを見た（リンク画像ＩＭが選択されなかった場合も含む）」という情報が、パラメータＡａに加わる。また、（式５）により、当該情報がパラメータθａに反映される。
【0053】
（式７）により、パラメータｂａが、報酬値ｒａと当該ユーザのユーザ属性ベクトルｚとに基づいて更新される。なお、ここでの「更新」は、更新処理の前後で値が変化しない場合も含む。パラメータｂａが更新されることにより、パラメータθａも、報酬値ｒａと当該ユーザのユーザ属性ベクトルｚとに基づいて更新されることになる（（式５）参照）。
【0054】
ここで、第１モデル生成部１６１は、コンテンツａの画像が関連付けられたリンク画像ＩＭがユーザ属性ベクトルｚを有するユーザにより選択された場合に、当該リンク画像ＩＭが当該ユーザにより選択されなかった場合よりも大きい報酬値ｒａを付与する。一例として、コンテンツａの画像が関連付けられたリンク画像ＩＭが選択された場合、第１モデル生成部１６１は当該コンテンツａの報酬値ｒａを０より大きい値に設定する。一方、コンテンツａの画像が関連付けられたリンク画像ＩＭが選択されなかった場合、第１モデル生成部１６１は当該コンテンツａの報酬値ｒａを０に設定する。言い換えれば、コンテンツａの画像が関連付けられたリンク画像ＩＭが選択されなかった場合、第１モデル生成部１６１は当該コンテンツａに対して報酬を付与しない。
【0055】
以上説明した第１モデル生成部１６１の処理により、θａは、コンテンツａの画像をリンク画像ＩＭとして表示させた場合にユーザ（ユーザ属性ベクトルｚを持つユーザ）がリンク画像ＩＭを選択する確率が高いほど（式１）における活用項「θａ
Ｔｚ」が大きくなるように、学習（更新）される。
【0056】
ここで、本実施形態では、上述した通り、リンク画像ＩＭには複数のコンテンツＣ２の画像が関連付けられ、時間経過に伴ってリンク画像ＩＭとして表示される画像が変化する。このようなケースにおいては、ユーザがリンク画像ＩＭを選択した時点に表示されていたコンテンツＣ２の画像が、そのようなユーザの行動（すなわち、リンク画像ＩＭの選択）の誘因に最も寄与したと考えられる。一方で、ユーザに対してリンク画像ＩＭが提示されてからユーザがリンク画像ＩＭを選択するまでにリンク画像ＩＭとして表示された一以上のコンテンツＣ２の画像も、上記ユーザの行動の誘因に寄与したと考えられる。より具体的には、リンク画像ＩＭがユーザに選択された時点からより近い時点にリンク画像ＩＭとして表示されていたコンテンツＣ２ほど、上記ユーザの行動の誘因に寄与した度合いが大きいと考えられる。以上を踏まえて、第１モデル生成部１６１は、リンク画像ＩＭが選択された時点にリンク画像ＩＭとして表示されていたコンテンツと、リンク画像ＩＭが選択された時点よりも前にリンク画像ＩＭとして表示されていたコンテンツと、の各々に、リンク画像ＩＭがユーザにより選択されなかった場合よりも大きい報酬値ｒａを付与してもよい。そして、報酬値ｒａは、リンク画像ＩＭが選択された時点からより近い時点にリンク画像ＩＭとして表示されていたコンテンツほど大きい値に設定されてもよい。
【0057】
例えば、第１モデル生成部１６１は、下記（式８）に基づいて、各コンテンツａの報酬値ｒａを決定してもよい。
【数5】
【0058】
（式８）において、「ｋ」はリンク画像ＩＭとして表示されるコンテンツａの番号（表示順）を示す。リンク画像ＩＭとしてｎ番目に表示されるコンテンツａの番号ｋは「ｎ－１」と表される。「ｉ」は、リンク画像ＩＭがユーザに選択された際にリンク画像ＩＭとして表示されていたコンテンツの番号を示す。「Ｌ」はリンク画像ＩＭに関連付けられたコンテンツ（すなわち、ＧＩＦ画像に含まれるコンテンツ）の総数を示す。「Ｔｉｎｔ」は、リンク画像ＩＭに適用されたフレーム間隔の長さを示す。「ＳＴ」は、ユーザがトップ画面ＳＣ１に滞在した時間（すなわち、トップ画面ＳＣ１が表示されてからリンク画像ＩＭが選択されるまでの時間）を示す。
【0059】
（式８）における１番目（上段）の式は、リンク画像ＩＭが選択された際に表示されたコンテンツの番号よりも小さい番号を持つコンテンツに適用される。（式８）における２番目（中段）の式は、リンク画像ＩＭが選択された際に表示されたコンテンツの番号よりも大きい番号を持つコンテンツであって、リンク画像ＩＭが選択されるまでに一度も表示されなかったコンテンツに適用される。（式８）における３番目（下段）の式は、リンク画像ＩＭが選択された際に表示されたコンテンツの番号よりも大きい番号を持つコンテンツであって、リンク画像ＩＭが選択されるまでに一回以上表示されたコンテンツに適用される。
【0060】
例えば、「Ｌ＝９」であって、２周目に「ｋ＝２」のコンテンツの画像がリンク画像ＩＭに表示されていた際にリンク画像ＩＭが選択された場合について考える。この場合、上記（式８）により、各コンテンツａの報酬値ｒａが、下表１のように算出される。
【表1】
【0061】
上記のように、リンク画像ＩＭが選択された際にリンク画像ＩＭとして表示されていたコンテンツに最大の報酬値ｒａを付与すると共に、リンク画像ＩＭが選択されるまでにユーザの目に触れたコンテンツについてもリンク画像ＩＭが選択された時点から近い順に大きくなるように傾斜配分した報酬値ｒａを付与することにより、各コンテンツに対して、寄与度に応じた適切な報酬を付与することができる。
【0062】
上述したように、第２モデルＭ２（（式２）参照）は、ユーザ属性を入力することにより、あるフレーム間隔の長さｔがリンク画像ＩＭに適用された場合にリンク画像ＩＭがユーザにより選択される確率に関する第２スコアを、フレーム間隔の長さｔ毎（予め定められた長さｔの候補毎）に出力するように構成されている。第２モデル生成部１６２は、このような第２モデルＭ２を、上述したユーザログから得られる情報を用いた機械学習によって生成する。より具体的には、第２モデル生成部１６２は、リンク画像ＩＭがユーザにより選択されたか否かを示す情報と、当該ユーザのユーザＩＤに対応するユーザ属性（本実施形態では、ユーザ属性記憶部１０ａに記憶されている、当該ユーザＩＤに対応するユーザ属性ベクトルｚ）と、リンク画像ＩＭに適用されたフレーム間隔の長さを示す情報とに基づく機械学習によって、第２モデルＭ２を生成する。
【0063】
上述したように、本実施形態では、第２モデルＭ２は、フレーム間隔の長さｔ毎のパラメータρｔを含んでいる（（式２）参照）。第２モデル生成部１６２は、リンク画像ＩＭがユーザにより選択された際にリンク画像ＩＭに適用されていたフレーム間隔の長さｔに対して報酬値ｒｔを付与し、報酬値ｒｔと当該ユーザのユーザ属性ベクトルｚとに基づいて当該フレーム間隔の長さｔに対応するパラメータρｔを更新する。このような強化学習によれば、どのようにリンク画像ＩＭを設定すればユーザにリンク画像ＩＭを選択させることができるか否かについての正解データがない状況において、ジャンル詳細画面ＳＣ２へとユーザを誘導するのに適したフレーム間隔を決定するための指標（第２スコア「S_intｔ」）を導出可能なモデルを生成することができる。
【0064】
上記の強化学習によるパラメータの更新方法について詳細に説明する。ここでは一例として、上述したLinUCBアルゴリズムを用いた更新方法について説明する。まず、第２モデル生成部１６２は、（式２）に示されるフレーム間隔の長さｔ毎のパラメータρｔ及びＢｔを下記の（式９）～（式１１）に基づいて設定する。
【数6】
【0065】
パラメータｃｔは、パラメータρｔに含まれるパラメータである。（式９）は、パラメータｃｔの初期値を示す。（式９）における「０ｄ×１」は、ユーザ属性ベクトルｚと同一の次元（ｄ）のゼロベクトルである。（式１０）は、パラメータＢｔの初期値を示す。（式１０）における「Ｉｄ」は、ｄ次の単位行列である。（式１１）に基づいて、パラメータρｔが算出される。（式９）～（式１１）に示されるように、パラメータρｔの初期値はゼロベクトルである。
【0066】
第２モデル生成部１６２は、１回分のユーザの行動（すなわち、ユーザログ１つ分）毎に、下記の（式１２）及び（式１３）により、該当するフレーム間隔の長さｔのパラメータＢｔ及びｃｔを更新（学習）する。
【数7】
【0067】
（式１２）により、「ユーザ属性ベクトルｚを有するユーザが、フレーム間隔の長さｔが適用されたリンク画像ＩＭを見た（リンク画像ＩＭが選択されなかった場合も含む）」という情報が、パラメータＢｔに加わる。また、（式１１）により、当該情報がパラメータθａに反映される。
【0068】
（式１３）により、パラメータｃｔが、報酬値ｒｔと当該ユーザのユーザ属性ベクトルｚとに基づいて更新される。なお、ここでの「更新」は、更新処理の前後で値が変化しない場合も含む。パラメータｃｔが更新されることにより、パラメータρｔも、報酬値ｒｔと当該ユーザのユーザ属性ベクトルｚとに基づいて更新されることになる（（式１１）参照）。
【0069】
ここで、第２モデル生成部１６２は、フレーム間隔の長さｔが適用されたリンク画像ＩＭがユーザ属性ベクトルｚを有するユーザにより選択された場合に、当該リンク画像ＩＭが当該ユーザにより選択されなかった場合よりも大きい報酬値ｒｔを付与する。一例として、フレーム間隔の長さｔが適用されたリンク画像ＩＭが選択された場合、第２モデル生成部１６２は当該長さｔの報酬値ｒｔを０より大きい値（一例として「１」）に設定する。一方、フレーム間隔の長さｔが適用されたリンク画像ＩＭが選択されなかった場合、第２モデル生成部１６２は当該長さｔの報酬値ｒｔを０に設定する。言い換えれば、フレーム間隔の長さｔが適用されたリンク画像ＩＭが選択されなかった場合、第２モデル生成部１６２は当該長さｔに対して報酬を付与しない。
【0070】
以上説明した第２モデル生成部１６２の処理により、ρｔは、フレーム間隔の長さｔをリンク画像ＩＭに適用した場合にユーザ（ユーザ属性ベクトルｚを持つユーザ）がリンク画像ＩＭを選択する確率が高いほど（式２）における活用項「ρｔ
Ｔｚ」が大きくなるように、学習（更新）される。
【0071】
次に、図４に示されるフローチャートを参照して、サーバ１０の処理の一例について説明する。
【0072】
まず、要求受付部１１は、ユーザ端末２０からコンテンツ提供サービス（トップ画面ＳＣ１）へのアクセス要求を受け付ける（ステップＳ１）。続いて、ユーザ属性取得部１２は、ユーザ属性記憶部１０ａを参照することにより、アクセス要求の送信元であるユーザ端末２０のユーザ（対象ユーザ）のユーザ属性ベクトルｚを取得する（ステップＳ２）。
【0073】
続いて、リンク画像設定部１３は、リンク画像ＩＭに関連付ける複数のコンテンツＣ２と、リンク画像ＩＭに適用するフレーム間隔の長さと、を決定する（ステップＳ３～Ｓ６）。
【0074】
具体的には、画像決定部１３１は、対象ユーザのユーザ属性ベクトルｚを第１モデルＭ１（コンテンツａ毎の（式１））に入力することにより、複数のコンテンツＣ２（トップ画面ＳＣ１に表示されない非表示コンテンツ）の各々の第１スコア「S_contａ」を算出する（ステップＳ３）。そして、画像決定部１３１は、各コンテンツＣ２の第１スコア「S_contａ」に基づいて、リンク画像ＩＭに関連付ける画像（すなわち、リンク画像ＩＭとして表示する画像）を決定する（ステップＳ４）。一例として、画像決定部１３１は、第１スコア「S_contａ」が上位Ｎ位までのＮ個のコンテンツＣ２を、リンク画像ＩＭに関連付ける画像として決定する。
【0075】
また、フレーム間隔決定部１３２は、対象ユーザのユーザ属性ベクトルｚを第２モデルＭ２（フレーム間隔の長さｔ毎の（式２））に入力することにより、複数のフレーム間隔の長さｔ（候補）毎の第２スコア「S_intｔ」を算出する（ステップＳ５）。そして、フレーム間隔決定部１３２は、各長さｔの第２スコア「S_intｔ」に基づいて、リンク画像ＩＭに適用するフレーム間隔の長さｔを決定する（ステップＳ６）。一例として、フレーム間隔決定部１３２は、最大の第２スコア「S_intｔ」を有する長さｔを、リンク画像ＩＭに適用するフレーム間隔として決定する。
【0076】
続いて、表示制御部１４は、図２に示されるようなトップ画面ＳＣ１をユーザに提示する（ステップＳ７～Ｓ９）。一例として、表示制御部１４は、まず、リンク画像ＩＭとして最初に表示させる画像（すなわち、第１位の第１スコア「S_contａ」を有するコンテンツＣ２の画像）をユーザ端末２０に送信する（ステップＳ７）。その結果、ユーザ端末２０において、当該画像が表示されたリンク画像ＩＭが生成及び提示される。また、表示制御部１４は、ステップＳ７の処理の後（或いは、ステップＳ７の処理と同時並行的に）、画像決定部１３１により決定された複数のコンテンツＣ２を示す情報（第１位～第Ｎ位のコンテンツＣ２のコンテンツＩＤ）と、フレーム間隔決定部１３２により決定されたフレーム間隔とに基づいて、ＧＩＦ画像を生成する（ステップＳ８）。ＧＩＦ画像は、当該フレーム間隔で「第２位→第３位→…→第Ｎ位→第１位」の順に画像が切り替わるように構成されたアニメーション画像である。続いて、表示制御部１４は、当該ＧＩＦ画像及びフレーム間隔を示す情報をユーザ端末２０に送信する（ステップＳ９）。その結果、ユーザ端末２０において、ステップＳ７でユーザ端末２０に送信された画像（以下「初期画像」という。）が表示されてから、ステップＳ９で通知されたフレーム間隔が経過した際に、リンク画像ＩＭとして表示される画像が初期画像からＧＩＦ画像へと変更される。
【0077】
続いて、ユーザログ取得部１５は、コンテンツ提供サービスにおけるユーザの行動結果を示すユーザログを取得する（ステップＳ１０）。すなわち、ユーザログ取得部１５は、トップ画面ＳＣ１にアクセスしたユーザがリンク画像ＩＭを選択したか否かを示す結果情報（フィードバック情報）であるユーザログを取得する。
【0078】
続いて、モデル生成部１６（第１モデル生成部１６１及び第２モデル生成部１６２）は、ステップＳ１０で取得されたユーザログに基づいて、第１モデルＭ１及び第２モデルＭ２を更新する（ステップＳ１１）。
【0079】
以上説明したサーバ１０では、一画面（トップ画面ＳＣ１）内に表示しきれない複数のコンテンツが存在する場合において、トップ画面ＳＣ１内に表示されないコンテンツＣ２を表示するためのジャンル詳細画面ＳＣ２へのリンク機能を有するリンク画像ＩＭが、トップ画面ＳＣ１内に表示される。また、第１モデル生成部１６１によって、ユーザ属性（本実施形態ではユーザ属性ベクトルｚ）を入力して選択確率に関する第１スコア「S_contａ」を出力する第１モデルＭ１が生成される。このような第１モデルＭ１により得られる第１スコア「S_contａ」が高いコンテンツの画像を優先的にリンク画像ＩＭに関連付けることにより、リンク画像ＩＭの選択確率を向上させることができる。その結果、より多くのコンテンツをユーザの目に触れさせることが可能となり、コンバージョン率の向上を図ることができる。
【0080】
また、表示制御部１４は、複数のジャンルの各々に関連付けられる一部のコンテンツＣ１のリストと、ジャンル毎のリンク画像ＩＭと、をトップ画面ＳＣ１内に表示させる（図２参照）。そして、画像決定部１３１は、ジャンル毎に、リンク画像ＩＭに関連付けられる画像を決定する。上記構成によれば、トップ画面ＳＣ１内に複数のジャンルの各々に関するコンテンツを表示することにより、ユーザに多様なジャンルのコンテンツを提示することができる。また、ジャンル毎に上述したようなリンク画像ＩＭを用意することにより、ジャンル毎のより多くのコンテンツをユーザの目に触れさせることが可能となるため、コンバージョン率を効果的に向上させることができる。
【0081】
また、画像決定部１３１は、複数のコンテンツＣ２の各々の画像（本実施形態では、第１スコアが第１位から第Ｎ位までのＮ個のコンテンツＣ２）を、リンク画像ＩＭに関連付けられる画像として決定する。そして、表示制御部１４は、リンク画像ＩＭとして表示される画像を時間経過に応じて変化させる。つまり、リンク画像ＩＭが、ＧＩＦ画像（アニメーション画像）として構成されている。上記構成によれば、リンク画像ＩＭとして表示される画像を時間経過に応じて変化させることにより、トップ画面ＳＣ１において、リンク画像ＩＭを通して、複数のコンテンツＣ２をユーザの目に触れさせることが可能となる。ユーザの気を惹く可能性のある複数のコンテンツＣ２を順番にリンク画像ＩＭに表示させることにより、リンク画像ＩＭの選択確率を効果的に向上させることができる。
【0082】
また、サーバ１０は、第２モデルＭ２を生成する第２モデル生成部１６２と、第２モデルＭ２を用いてリンク画像ＩＭに適用されるフレーム間隔を決定するフレーム間隔決定部１３２とを有し、表示制御部１４は、フレーム間隔決定部１３２により決定された一定のフレーム間隔でリンク画像ＩＭとして表示される画像を変化させる。上記構成によれば、ユーザ属性に応じて適切なフレーム間隔をリンク画像ＩＭに適用することにより、リンク画像ＩＭの選択確率を効果的に向上させることができる。
【0083】
なお、上記実施形態（すなわち、サーバ１０の構成及び処理内容）は、適宜変形されてもよい。例えば、リンク画像ＩＭに関連付けられるコンテンツの画像は１つだけでもよい。すなわち、リンク画像ＩＭは、一定のフレーム間隔で表示対象のコンテンツが切り替わるように構成されなくてもよい。つまり、リンク画像ＩＭは、１つの特定のコンテンツの画像のみによって構成されてもよい。この場合、フレーム間隔決定部１３２、第２モデルＭ２、及び第２モデル生成部１６２は省略され得る。また、この場合には、画像決定部１３１は、第１スコア「S_contａ」が最大のコンテンツの画像をリンク画像ＩＭに関連付ける画像として決定すればよい。
【0084】
また、第１モデル生成部１６１が第１モデルＭ１を生成するために実行する機械学習のアルゴリズムは、上述したLinUCBアルゴリズム（バンディットアルゴリズム）に限られない。すなわち、第１モデルＭ１は、上述した第１スコア「S_contａ」と同等のスコア（すなわち、リンク画像ＩＭがユーザにより選択される確率に応じたスコア）を返却するように構成されればよく、上記実施形態で説明したアルゴリズム（パラメータ更新式）とは異なるアルゴリズムが用いられてもよい。例えば、上記実施形態では、バンディットアルゴリズムのうちいわゆるUCB方策に基づくLinUCBアルゴリズムが用いられたが、上記以外の方策（例えば、ε-greedy方策、Thompson Sampling方策等）のアルゴリズムが用いられてもよい。また、バンディットアルゴリズム以外の強化学習アルゴリズムが用いられてもよい。第２モデル生成部１６２及び第２モデルＭ２についても同様である。
【0085】
なお、上記実施形態の説明に用いたブロック図は、機能単位のブロックを示している。これらの機能ブロック（構成部）は、ハードウェア及びソフトウェアの少なくとも一方の任意の組み合わせによって実現される。また、各機能ブロックの実現方法は特に限定されない。すなわち、各機能ブロックは、物理的又は論理的に結合した１つの装置を用いて実現されてもよいし、物理的又は論理的に分離した２つ以上の装置を直接的又は間接的に（例えば、有線、無線などを用いて）接続し、これら複数の装置を用いて実現されてもよい。機能ブロックは、上記１つの装置又は上記複数の装置にソフトウェアを組み合わせて実現されてもよい。
【0086】
機能には、判断、決定、判定、計算、算出、処理、導出、調査、探索、確認、受信、送信、出力、アクセス、解決、選択、選定、確立、比較、想定、期待、見做し、報知（broadcasting）、通知（notifying）、通信（communicating）、転送（forwarding）、構成（configuring）、再構成（reconfiguring）、割り当て（allocating、mapping）、割り振り（assigning）などがあるが、これらに限られない。
【0087】
例えば、本開示の一実施の形態におけるサーバ１０は、本開示の情報処理方法を行うコンピュータとして機能してもよい。図５は、本開示の一実施の形態に係るサーバ１０のハードウェア構成の一例を示す図である。上述のサーバ１０は、物理的には、プロセッサ１００１、メモリ１００２、ストレージ１００３、通信装置１００４、入力装置１００５、出力装置１００６、バス１００７などを含むコンピュータ装置として構成されてもよい。
【0088】
なお、以下の説明では、「装置」という文言は、回路、デバイス、ユニットなどに読み替えることができる。サーバ１０のハードウェア構成は、図５に示した各装置を１つ又は複数含むように構成されてもよいし、一部の装置を含まずに構成されてもよい。
【0089】
サーバ１０における各機能は、プロセッサ１００１、メモリ１００２などのハードウェア上に所定のソフトウェア（プログラム）を読み込ませることによって、プロセッサ１００１が演算を行い、通信装置１００４による通信を制御したり、メモリ１００２及びストレージ１００３におけるデータの読み出し及び書き込みの少なくとも一方を制御したりすることによって実現される。
【0090】
プロセッサ１００１は、例えば、オペレーティングシステムを動作させてコンピュータ全体を制御する。プロセッサ１００１は、周辺装置とのインターフェース、制御装置、演算装置、レジスタなどを含む中央処理装置（ＣＰＵ：Central Processing Unit）によって構成されてもよい。
【0091】
また、プロセッサ１００１は、プログラム（プログラムコード）、ソフトウェアモジュール、データなどを、ストレージ１００３及び通信装置１００４の少なくとも一方からメモリ１００２に読み出し、これらに従って各種の処理を実行する。プログラムとしては、上述の実施の形態において説明した動作の少なくとも一部をコンピュータに実行させるプログラムが用いられる。例えば、リンク画像設定部１３は、メモリ１００２に格納され、プロセッサ１００１において動作する制御プログラムによって実現されてもよく、他の機能ブロックについても同様に実現されてもよい。上述の各種処理は、１つのプロセッサ１００１によって実行される旨を説明してきたが、２以上のプロセッサ１００１により同時又は逐次に実行されてもよい。プロセッサ１００１は、１以上のチップによって実装されてもよい。なお、プログラムは、電気通信回線を介してネットワークから送信されても良い。
【0092】
メモリ１００２は、コンピュータ読み取り可能な記録媒体であり、例えば、ＲＯＭ（Read Only Memory）、ＥＰＲＯＭ（Erasable Programmable ＲＯＭ）、ＥＥＰＲＯＭ（Electrically Erasable Programmable ＲＯＭ）、ＲＡＭ（Random Access Memory）などの少なくとも１つによって構成されてもよい。メモリ１００２は、レジスタ、キャッシュ、メインメモリ（主記憶装置）などと呼ばれてもよい。メモリ１００２は、本開示の一実施の形態に係る通信制御方法を実施するために実行可能なプログラム（プログラムコード）、ソフトウェアモジュールなどを保存することができる。
【0093】
ストレージ１００３は、コンピュータ読み取り可能な記録媒体であり、例えば、ＣＤ－ＲＯＭ（Compact Disc ＲＯＭ）などの光ディスク、ハードディスクドライブ、フレキシブルディスク、光磁気ディスク(例えば、コンパクトディスク、デジタル多用途ディスク、Ｂｌｕ－ｒａｙ（登録商標）ディスク)、スマートカード、フラッシュメモリ(例えば、カード、スティック、キードライブ)、フロッピー（登録商標）ディスク、磁気ストリップなどの少なくとも１つによって構成されてもよい。ストレージ１００３は、補助記憶装置と呼ばれてもよい。上述の記憶媒体は、例えば、メモリ１００２及びストレージ１００３の少なくとも一方を含むデータベース、サーバその他の適切な媒体であってもよい。
【0094】
通信装置１００４は、有線ネットワーク及び無線ネットワークの少なくとも一方を介してコンピュータ間の通信を行うためのハードウェア（送受信デバイス）であり、例えばネットワークデバイス、ネットワークコントローラ、ネットワークカード、通信モジュールなどともいう。
【0095】
入力装置１００５は、外部からの入力を受け付ける入力デバイス（例えば、キーボード、マウス、マイクロフォン、スイッチ、ボタン、センサなど）である。出力装置１００６は、外部への出力を実施する出力デバイス（例えば、ディスプレイ、スピーカー、LEDランプなど）である。なお、入力装置１００５及び出力装置１００６は、一体となった構成（例えば、タッチパネル）であってもよい。
【0096】
また、プロセッサ１００１、メモリ１００２などの各装置は、情報を通信するためのバス１００７によって接続される。バス１００７は、単一のバスを用いて構成されてもよいし、装置間ごとに異なるバスを用いて構成されてもよい。
【0097】
また、サーバ１０は、マイクロプロセッサ、デジタル信号プロセッサ（ＤＳＰ：Digital Signal Processor）、ＡＳＩＣ（Application Specific Integrated Circuit）、ＰＬＤ（Programmable Logic Device）、ＦＰＧＡ（Field Programmable Gate Array）などのハードウェアを含んで構成されてもよく、当該ハードウェアにより、各機能ブロックの一部又は全てが実現されてもよい。例えば、プロセッサ１００１は、これらのハードウェアの少なくとも１つを用いて実装されてもよい。
【0098】
以上、本実施形態について詳細に説明したが、当業者にとっては、本実施形態が本明細書中に説明した実施形態に限定されるものではないということは明らかである。本実施形態は、特許請求の範囲の記載により定まる本発明の趣旨及び範囲を逸脱することなく修正及び変更態様として実施することができる。したがって、本明細書の記載は、例示説明を目的とするものであり、本実施形態に対して何ら制限的な意味を有するものではない。
【0099】
本開示において説明した各態様／実施形態の処理手順、シーケンス、フローチャートなどは、矛盾の無い限り、順序を入れ替えてもよい。例えば、本開示において説明した方法については、例示的な順序を用いて様々なステップの要素を提示しており、提示した特定の順序に限定されない。
【0100】
入出力された情報等は特定の場所（例えば、メモリ）に保存されてもよいし、管理テーブルを用いて管理してもよい。入出力される情報等は、上書き、更新、又は追記され得る。出力された情報等は削除されてもよい。入力された情報等は他の装置へ送信されてもよい。
【0101】
判定は、１ビットで表される値（０か１か）によって行われてもよいし、真偽値（Boolean：true又はfalse）によって行われてもよいし、数値の比較（例えば、所定の値との比較）によって行われてもよい。
【0102】
本開示において説明した各態様／実施形態は単独で用いてもよいし、組み合わせて用いてもよいし、実行に伴って切り替えて用いてもよい。また、所定の情報の通知（例えば、「Ｘであること」の通知）は、明示的に行うものに限られず、暗黙的（例えば、当該所定の情報の通知を行わない）ことによって行われてもよい。
【0103】
ソフトウェアは、ソフトウェア、ファームウェア、ミドルウェア、マイクロコード、ハードウェア記述言語と呼ばれるか、他の名称で呼ばれるかを問わず、命令、命令セット、コード、コードセグメント、プログラムコード、プログラム、サブプログラム、ソフトウェアモジュール、アプリケーション、ソフトウェアアプリケーション、ソフトウェアパッケージ、ルーチン、サブルーチン、オブジェクト、実行可能ファイル、実行スレッド、手順、機能などを意味するよう広く解釈されるべきである。
【0104】
また、ソフトウェア、命令、情報などは、伝送媒体を介して送受信されてもよい。例えば、ソフトウェアが、有線技術（同軸ケーブル、光ファイバケーブル、ツイストペア、デジタル加入者回線（ＤＳＬ：Digital Subscriber Line）など）及び無線技術（赤外線、マイクロ波など）の少なくとも一方を使用してウェブサイト、サーバ、又は他のリモートソースから送信される場合、これらの有線技術及び無線技術の少なくとも一方は、伝送媒体の定義内に含まれる。
【0105】
本開示において説明した情報、信号などは、様々な異なる技術のいずれかを使用して表されてもよい。例えば、上記の説明全体に渡って言及され得るデータ、命令、コマンド、情報、信号、ビット、シンボル、チップなどは、電圧、電流、電磁波、磁界若しくは磁性粒子、光場若しくは光子、又はこれらの任意の組み合わせによって表されてもよい。
【0106】
また、本開示において説明した情報、パラメータなどは、絶対値を用いて表されてもよいし、所定の値からの相対値を用いて表されてもよいし、対応する別の情報を用いて表されてもよい。
【0107】
上述したパラメータに使用する名称はいかなる点においても限定的な名称ではない。さらに、これらのパラメータを使用する数式等は、本開示で明示的に開示したものと異なる場合もある。様々な情報要素は、あらゆる好適な名称によって識別できるので、これらの様々な情報要素に割り当てている様々な名称は、いかなる点においても限定的な名称ではない。
【0108】
本開示において使用する「に基づいて」という記載は、別段に明記されていない限り、「のみに基づいて」を意味しない。言い換えれば、「に基づいて」という記載は、「のみに基づいて」と「に少なくとも基づいて」の両方を意味する。
【0109】
本開示において使用する「第１の」、「第２の」などの呼称を使用した要素へのいかなる参照も、それらの要素の量又は順序を全般的に限定しない。これらの呼称は、２つ以上の要素間を区別する便利な方法として本開示において使用され得る。したがって、第１及び第２の要素への参照は、２つの要素のみが採用され得ること、又は何らかの形で第１の要素が第２の要素に先行しなければならないことを意味しない。
【0110】
本開示において、「含む（include）」、「含んでいる（including）」及びそれらの変形が使用されている場合、これらの用語は、用語「備える（comprising）」と同様に、包括的であることが意図される。さらに、本開示において使用されている用語「又は（or）」は、排他的論理和ではないことが意図される。
【0111】
本開示において、例えば、英語でのa, an及びtheのように、翻訳により冠詞が追加された場合、本開示は、これらの冠詞の後に続く名詞が複数形であることを含んでもよい。
【0112】
本開示において、「ＡとＢが異なる」という用語は、「ＡとＢが互いに異なる」ことを意味してもよい。なお、当該用語は、「ＡとＢがそれぞれＣと異なる」ことを意味してもよい。「離れる」、「結合される」などの用語も、「異なる」と同様に解釈されてもよい。
【符号の説明】
【0113】
１０…サーバ（情報処理装置）、１１…要求受付部、１２…ユーザ属性取得部、１３…リンク画像設定部、１４…表示制御部、１５…ユーザログ取得部、１６…モデル生成部、２０…ユーザ端末、２１…表示部、１３１…画像決定部、１３２…フレーム間隔決定部、１６１…第１モデル生成部、１６２…第２モデル生成部、Ｃ１…コンテンツ、Ｃ２…コンテンツ（非表示コンテンツ）、ＩＭ…リンク画像、Ｍ１…第１モデル、Ｍ２…第２モデル、ＳＣ１…トップ画面（第１画面）、ＳＣ２…ジャンル詳細画面（第２画面）。
【図1】
【図2】
【図3】
【図4】
【図5】