JP2014182421A - Cluster formation apparatus, cluster formation method and cluster formation program - Google Patents
Cluster formation apparatus, cluster formation method and cluster formation program Download PDFInfo
- Publication number
- JP2014182421A JP2014182421A JP2013054654A JP2013054654A JP2014182421A JP 2014182421 A JP2014182421 A JP 2014182421A JP 2013054654 A JP2013054654 A JP 2013054654A JP 2013054654 A JP2013054654 A JP 2013054654A JP 2014182421 A JP2014182421 A JP 2014182421A
- Authority
- JP
- Japan
- Prior art keywords
- cluster
- advertisement
- user
- impressions
- clusters
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 230000015572 biosynthetic process Effects 0.000 title claims abstract description 12
- 238000000034 method Methods 0.000 title claims description 51
- 239000011159 matrix material Substances 0.000 claims abstract description 48
- 230000008569 process Effects 0.000 claims description 33
- 230000008685 targeting Effects 0.000 abstract description 5
- 238000009499 grossing Methods 0.000 description 22
- 238000004891 communication Methods 0.000 description 15
- 238000010586 diagram Methods 0.000 description 13
- 238000004458 analytical method Methods 0.000 description 10
- 230000008859 change Effects 0.000 description 8
- 238000000605 extraction Methods 0.000 description 8
- 230000004044 response Effects 0.000 description 5
- 230000009471 action Effects 0.000 description 3
- 230000000694 effects Effects 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 238000007726 management method Methods 0.000 description 2
- 230000007246 mechanism Effects 0.000 description 2
- 230000002411 adverse Effects 0.000 description 1
- 230000001174 ascending effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000006835 compression Effects 0.000 description 1
- 238000007906 compression Methods 0.000 description 1
- 238000007418 data mining Methods 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 238000010187 selection method Methods 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
Images
Landscapes
- Information Transfer Between Computers (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
Description
本発明は、クラスタ形成装置、クラスタ形成方法及びクラスタ形成プログラムに関する。 The present invention relates to a cluster forming apparatus, a cluster forming method, and a cluster forming program.
オンラインショッピング等では、広告の対象に対するユーザのクリック等の行動履歴に基づいて、ユーザの興味関心を推測し、ターゲットを絞ってインターネット広告配信を行うターゲティング広告配信が行われている。具体的には、ユーザクラスタと広告クラスタを縦と横に並べた行列（マトリックス表）を用いて広告配信することが行われている（非特許文献１参照）。
クラスタリング処理に関連する技術として、例えば、非特許文献２、非特許文献３には、対象としている情報の密度に基づいたクラスタリング手法が開示されている。
In online shopping or the like, targeted advertisement distribution is performed in which an interest of a user is estimated based on an action history such as a user click on an advertisement target, and Internet advertisement distribution is performed by narrowing down the target. Specifically, advertisement distribution is performed using a matrix (matrix table) in which user clusters and advertisement clusters are arranged vertically and horizontally (see Non-Patent Document 1).
As techniques related to the clustering process, for example, Non-Patent
しかしながら、クラスタリング処理の結果であるクラスタが適したものでなければ、当然のことながらターゲティング広告配信にも悪影響が及ぶため、クラスタの精度を高める必要がある。ところが、従来から知られているクラスタリング手法は一般的な言語解析の手法をそのまま用いているだけであり、広告配信特有の事情を考慮してクラスタリングしているものはなかった。
本発明は、このような背景技術の状況の中でなされたもので、ターゲティング広告の配信精度を高めるために、行列内の各セルの実績ログから算出したＣＴＲの精度が高くなるように、ユーザとコンテンツのクラスタを形成するようにしたクラスタ形成装置、クラスタ形成方法及びクラスタ形成プログラムを提供することを目的としている。
However, if the cluster that is the result of the clustering process is not suitable, the delivery of the targeting advertisement is naturally adversely affected, so that it is necessary to increase the accuracy of the cluster. However, conventionally known clustering methods simply use general language analysis methods as they are, and none of them is clustered in consideration of the circumstances specific to advertisement distribution.
The present invention has been made in the background of such a background art, and in order to increase the accuracy of delivery of targeting advertisements, the user can increase the accuracy of CTR calculated from the performance log of each cell in the matrix. It is an object of the present invention to provide a cluster forming apparatus, a cluster forming method, and a cluster forming program that can form a cluster of contents.
かかる目的を達成するための本発明の要旨とするところは、次の各項の発明に存する。
（１）ユーザに適したコンテンツを決定するにあたって、ユーザとコンテンツの関係を示す行列を生成するためにユーザとコンテンツのクラスタを形成するクラスタ形成装置であって、ユーザ又はコンテンツを、その属性に基づいてクラスタリング処理を行い、クラスタ間に親子関係を有する階層的構成であり、上位のクラスタは下位のクラスタ内の要素を含むように第１のクラスタ群を形成する第１のクラスタリング手段と、前記第１のクラスタリング手段によって形成された各クラスタ内の要素のインプレッション数に基づいて、予め定められた条件に合致するクラスタに対して、該クラスタとしての形態を取り除くことによって第２のクラスタを形成する第２のクラスタリング手段を具備することを特徴とするクラスタ形成装置である。
The gist of the present invention for achieving the object lies in the inventions of the following items.
(1) A cluster forming apparatus that forms a cluster of a user and a content in order to generate a matrix indicating a relationship between the user and the content when determining content suitable for the user, the user or the content based on the attribute A first clustering means for forming a first cluster group so that the upper cluster includes elements in the lower cluster; Based on the number of impressions of the elements in each cluster formed by one clustering means, a second cluster is formed by removing the form as the cluster for a cluster that matches a predetermined condition. A cluster forming apparatus comprising two clustering means
（２）前記第２のクラスタリング手段は、予め定められた条件として、第１のクラスタ群のクラスタ内の要素のインプレッション数が閾値を超えている場合は、該クラスタを第２のクラスタ群のクラスタとして採用し、第１のクラスタ群のクラスタ内の要素のインプレッション数が該閾値を超えていない場合は、該クラスタとしての形態を取り除き、該第２のクラスタ群を形成することを特徴とする（１）に記載のクラスタ形成装置である。 (2) If the number of impressions of the elements in the cluster of the first cluster group exceeds the threshold as a predetermined condition, the second clustering means determines that the cluster is a cluster of the second cluster group. And when the number of impressions of the elements in the cluster of the first cluster group does not exceed the threshold, the form as the cluster is removed and the second cluster group is formed ( The cluster forming apparatus according to 1).
（３）ユーザに適したコンテンツを決定するにあたって、ユーザとコンテンツの関係を示す行列を生成するためにユーザとコンテンツのクラスタを形成するクラスタ形成装置が行うクラスタ形成方法であって、第１のクラスタリング手段が、ユーザ又はコンテンツを、その属性に基づいてクラスタリング処理を行い、クラスタ間に親子関係を有する階層的構成であり、上位のクラスタは下位のクラスタ内の要素を含むように第１のクラスタ群を形成し、第２のクラスタリング手段が、前記第１のクラスタリング手段によって形成された各クラスタ内の要素のインプレッション数に基づいて、予め定められた条件に合致するクラスタに対して、該クラスタとしての形態を取り除くことによって第２のクラスタ群を形成することを特徴とするクラスタ形成方法である。 (3) A cluster forming method performed by a cluster forming apparatus that forms a cluster of a user and a content in order to generate a matrix indicating a relationship between the user and the content when determining content suitable for the user, the first clustering The first cluster group is configured such that the means performs a clustering process on the user or content based on the attribute thereof and has a hierarchical structure having a parent-child relationship between the clusters, and the upper cluster includes elements in the lower cluster. And the second clustering means, for the clusters that meet a predetermined condition based on the number of impressions of the elements in each cluster formed by the first clustering means, A cluster characterized in that a second cluster group is formed by removing the form. It is another method of forming.
（４）ユーザに適したコンテンツを決定するにあたって、ユーザとコンテンツの関係を示す行列を生成するためにユーザとコンテンツのクラスタを形成するクラスタ形成プログラムであって、コンピュータを、ユーザ又はコンテンツを、その属性に基づいてクラスタリング処理を行い、クラスタ間に親子関係を有する階層的構成であり、上位のクラスタは下位のクラスタ内の要素を含むように第１のクラスタ群を形成する第１のクラスタリング手段と、前記第１のクラスタリング手段によって形成された各クラスタ内の要素のインプレッション数に基づいて、予め定められた条件に合致するクラスタに対して、該クラスタとしての形態を取り除くことによって第２のクラスタ群を形成する第２のクラスタリング手段として機能させるためのクラスタ形成プログラムである。 (4) In determining content suitable for a user, a cluster formation program for forming a cluster of users and content in order to generate a matrix indicating the relationship between the user and the content. A first clustering unit that performs a clustering process based on attributes and has a hierarchical configuration having a parent-child relationship between the clusters, and the upper cluster includes a first cluster group so as to include elements in the lower cluster; Based on the number of impressions of the elements in each cluster formed by the first clustering means, the second cluster group is removed from the cluster that matches a predetermined condition by removing the form as the cluster. To function as the second clustering means for forming It is a static formation program.
本発明にかかるクラスタ形成装置、クラスタ形成方法及びクラスタ形成プログラムによれば、ターゲティング広告の配信精度を高めるために、行列内の各セルの実績ログから算出したＣＴＲの精度が高くなるように、ユーザとコンテンツのクラスタを形成する。 According to the cluster forming apparatus, the cluster forming method, and the cluster forming program according to the present invention, in order to increase the accuracy of targeting advertisement distribution, the user can increase the accuracy of CTR calculated from the performance log of each cell in the matrix. And form a cluster of content.
以下、図面に基づき本発明を実現するにあたっての好適な一実施の形態の例を説明する。
図１は、本実施の形態の構成例についての概念的なモジュール構成図を示している。
なお、システム又は装置とは、複数のコンピュータ、ハードウェア、装置等がネットワーク（一対一対応の通信接続を含む）等の通信手段で接続されて構成されるほか、１つのコンピュータ、ハードウェア、装置等によって実現される場合も含まれる。「装置」と「システム」とは、互いに同義の用語として用いる。もちろんのことながら、「システム」には、人為的な取り決めである社会的な「仕組み」（社会システム）にすぎないものは含まない。
Hereinafter, an example of a preferred embodiment for realizing the present invention will be described with reference to the drawings.
FIG. 1 shows a conceptual module configuration diagram of a configuration example of the present embodiment.
In addition, the system or device is configured by connecting a plurality of computers, hardware, devices, and the like by communication means such as a network (including one-to-one correspondence communication connection) and the like, and one computer, hardware, device. The case where it implement | achieves by etc. is also included. “Apparatus” and “system” are used as synonymous terms. Of course, the “system” does not include a social “mechanism” (social system) that is an artificial arrangement.
本実施の形態であるクラスタ形成装置は、ユーザに適したコンテンツを決定するにあたって、ユーザとコンテンツの関係を示す行列を生成するためにユーザとコンテンツのクラスタを形成するものであって、図１の例に示すように、クラスタリング処理部２３１は、第１クラスタ形成部２３１２、及び第２クラスタ形成部２３１４を有している。インターネットを利用したオンラインショッピング等で行われているターゲティング広告配信を行うために、行列（マトリックス表、以下ＣＴＲ行列を主に例示する）の縦軸、横軸となるユーザのクラスタとコンテンツのクラスタを生成するものである。実際のユーザ又はコンテンツは、そのクラスタのいずれか１つ又は複数に属することになる。また、ユーザだけを対象としたクラスタを形成してもよいし、コンテンツだけを対象としたクラスタを形成してもよい。
The cluster forming apparatus according to the present embodiment forms a cluster of users and contents in order to generate a matrix indicating the relationship between users and contents when determining contents suitable for the users. As shown in the example, the
第１クラスタ形成部２３１２は、ユーザ又はコンテンツを、その属性に基づいてクラスタリング処理を行い、クラスタ間に親子関係を有する階層的構成であり、上位のクラスタは下位のクラスタ内の要素を含むように第１のクラスタ群を形成する。また、第１クラスタ形成部２３１２は、ＯＰＴＩＣＳ−ＤｅｌｉＣｌｕによってクラスタリング処理を行いようにしてもよい。ＯＰＴＩＣＳ−ＤｅｌｉＣｌｕについては、非特許文献２、非特許文献３等に記載されている。概要としては、対象としているユーザ又はコンテンツの属性を軸とした多次元空間を生成し、ユーザ又はコンテンツをその多次元空間内にプロットし、プロットされた点の密度の濃い領域をクラスタとするものである。
The first
また、第１クラスタ形成部２３１２が行うクラスタリング処理は、多次元空間におけるクラスタ間の距離に応じて、そのクラスタを並べる階層型クラスタリング手法であれば、ＯＰＴＩＣＳ−ＤｅｌｉＣｌｕに限る必要はない。第１クラスタ形成部２３１２が行うクラスタリング処理では、図３を用いて後述するように、あるクラスタの隣には、そのクラスタに最も近いクラスタが位置することになる。
ＯＰＴＩＣＳ−ＤｅｌｉＣｌｕ以外の階層型クラスタリング手法として、例えば、ユーザに対しては、予め定められたルール（例えば、国籍、性別、年代等にクラスタを分けるルール）に基づいてクラスタを形成するようにしてもよい。そのルールによって階層構造クラスタになればよい。例えば、国籍のルールの場合は「不明→ヨーロッパ→北欧→フィンランド」という順序の親子関係を形成することによって階層構造クラスタになる。
Further, the clustering process performed by the first
As a hierarchical clustering method other than OPTICS-DeliClu, for example, for a user, a cluster may be formed based on a predetermined rule (for example, a rule that divides clusters according to nationality, gender, age, etc.). Good. What is necessary is just to become a hierarchy cluster according to the rule. For example, in the case of the nationality rule, a hierarchical cluster is formed by forming a parent-child relationship in the order of “unknown → Europe → Northern Europe → Finland”.
第１クラスタ形成部２３１２が形成する第１のクラスタ群は、階層構想であり、複数の階層（いわゆる木構造）がある。最高階層には一つのクラスタ（ルート）だけがある。全ての要素はその最高階層クラスタに帰属する。すなわち、全ての要素は少なくとも一つのクラスタ（最高階層クラスタ）に帰属する。
あるクラスタの要素はそのクラスタの親クラスタの要素にもなる。同じく、そのクラスタの親クラスタの親クラスタ（祖父の関係にあるクラスタ）の要素にもなる。つまり、ある要素は複数のクラスタに属することが可能である。また、同様に要素のインプレッションの数もそのクラスタの親クラスタのインプレッションとしても数えられることになる。 なお、後述するように、あるクラスタのインプレッションの数が閾値未満ならば、最終的なクラスタにならない。その場合、そのクラスタの親クラスタは、子クラスタが一つ減ることになる。すなわち、閾値未満の要素を持つクラスタは単にその形態として取り除かれたことになる。しかし、そのクラスタに含まれている全ての要素は、親クラスタの要素になる。したがって、クラスタの形態としては削除されるが、そのクラスタの要素はそのまま親クラスタ内にあることになる。つまり、クラスタが削除される以前と同じ状態である。そして、その要素のインプレッションは、親クラスタのインプレッションの対象となる。
The first cluster group formed by the first
An element of a cluster also becomes an element of the parent cluster of that cluster. Similarly, it becomes an element of a parent cluster (cluster having a grandfather relationship) of the parent cluster of the cluster. That is, an element can belong to multiple clusters. Similarly, the number of element impressions is also counted as the impression of the parent cluster of the cluster. As will be described later, if the number of impressions of a certain cluster is less than the threshold value, the final cluster is not obtained. In that case, the parent cluster of the cluster is reduced by one child cluster. That is, clusters having elements below the threshold are simply removed as their form. However, all elements contained in that cluster become elements of the parent cluster. Therefore, the cluster form is deleted, but the elements of the cluster remain in the parent cluster as they are. That is, it is the same state as before the cluster was deleted. Then, the impression of the element becomes the target of the impression of the parent cluster.
第２クラスタ形成部２３１４は、第１クラスタ形成部２３１２によって形成された各予め定められた条件に合致するクラスタに対して、クラスタ内の要素のインプレッション数に基づいて、そのクラスタとしての形態を取り除くことによって第２のクラスタ群を形成する。インプレッション数とは、Ｗｅｂサイトに掲載される広告の効果を計る指標の一つで、広告の露出（掲載）回数のことである。Ｗｅｂサイトにユーザが訪れ、広告が１回表示されることを１インプレッションという。
より具体的には、第２クラスタ形成部２３１４は、予め定められた条件として、第１のクラスタ内の要素のインプレッション数が閾値を超えている場合は、そのクラスタを第２のクラスタ群のクラスタとして採用し、第１のクラスタ群のクラスタ内の要素のインプレッション数がその閾値を超えていない場合は、そのクラスタとしての形態を取り除きその第２のクラスタ群を形成するようにしてもよい。閾値は、予め定められた値（例えば、１０万等）であり、高ければ高いほど後述のＣＴＲ行列のセルの値は信頼度（質）が高くなるという影響がある。一方、前記の閾値は高ければ高いほどクラスタの要素の類似度が低くなり、あまり似ていない要素を集合する事になるという影響がある。つまり、閾値はこの２つの影響のバランスをとるための数値である。第１のクラスタ群のクラスタ内の要素のインプレッション数が閾値を超えている場合とは、インプレッション数がクラスタを形成するに十分である場合である。第１のクラスタ内の要素のインプレッション数がその閾値を超えていない場合とは、クラスタを形成するのにインプレッション数が不足している状態であり、その第１のクラスタ群のクラスタは、最終的なクラスタとしては採用すべきではないこととなる。そこで、ＯＰＴＩＣＳ−ＤｅｌｉＣｌｕによってクラスタリング処理を行った場合の結果を第１のクラス群とする。「クラスタとしての形態を取り除く」（「クラスタを削除する」ともいう）とは、クラスタ内の要素までを削除するわけではなく、クラスタの形態は消去するが、そのクラスタ内の要素は親クラスタに含まれたままである。結果として、階層構造内の１つのクラスタは消去されたことになるが、そのクラスタ内にあった要素は、上位のクラスタ（親クラスタ）に含まれたままである。なお、階層的クラスタであるので、クラスタを削除する前から親のクラスタの要素として、子クラスタの要素は含まれている。したがって、第１のクラスタ群と第２のクラスタ群における全ての要素数は、クラスタを削除した場合であっても変化することはない。さらに、親クラスタ(Ａ)に属する下位のクラスタ（子クラスタ）を全て削除しても、その親クラスタ(Ａ)のインプレッション数が不足している場合は、その上の親クラスタ（Ｂ）に属するクラスタ（親クラスタ(Ａ)の兄弟関係にあるクラスタ）に対して、同様の処理を行う。これを第１のクラスタ群に属する全てのクラスタに対して処理する。
このようにクラスタを形成するので、そのクラスタを縦と横（例えば、コンテンツクラスタを縦、ユーザクラスタを横）としたＣＴＲ行列を生成し、各セルの実績ログから算出したＣＴＲ（Ｃｌｉｃｋ Ｔｈｒｏｕｇｈ Ｒａｔｅ（クリック・スルー・レート））の精度が高くなるため、ターゲティング広告の配信精度が高くなる。なお、ＣＴＲは、コンテンツ（広告）がクリックされた割合を示しているが、詳細については次に説明する。
The second cluster forming unit 2314 removes the form as a cluster based on the number of impressions of the elements in the cluster, for the clusters that match each predetermined condition formed by the first
More specifically, if the number of impressions of elements in the first cluster exceeds a threshold as a predetermined condition, the second cluster forming unit 2314 determines that the cluster is a cluster of the second cluster group. When the number of impressions of elements in the cluster of the first cluster group does not exceed the threshold value, the form as the cluster may be removed and the second cluster group may be formed. The threshold value is a predetermined value (for example, 100,000). The higher the threshold value, the higher the reliability (quality) of the cell value of the CTR matrix described later. On the other hand, the higher the threshold is, the lower the similarity of cluster elements is, and there is an effect that elements that are not very similar are gathered. That is, the threshold value is a numerical value for balancing these two effects. The case where the number of impressions of the elements in the cluster of the first cluster group exceeds the threshold is a case where the number of impressions is sufficient to form a cluster. The case where the number of impressions of the elements in the first cluster does not exceed the threshold is a state where the number of impressions is insufficient to form a cluster. It should not be adopted as a secure cluster. Therefore, the result when the clustering process is performed by OPTICS-DeliClu is defined as a first class group. “Removing the form as a cluster” (also called “deleting a cluster”) does not delete the elements in the cluster, but the form of the cluster is deleted, but the elements in the cluster are changed to the parent cluster. Remains included. As a result, one cluster in the hierarchical structure has been erased, but the elements that were in that cluster remain contained in the upper cluster (parent cluster). Since the cluster is a hierarchical cluster, the child cluster element is included as the parent cluster element before deleting the cluster. Therefore, the number of all elements in the first cluster group and the second cluster group does not change even when the cluster is deleted. Further, even if all lower clusters (child clusters) belonging to the parent cluster (A) are deleted, if the number of impressions of the parent cluster (A) is insufficient, it belongs to the parent cluster (B) above it. The same processing is performed on the cluster (the cluster having a sibling relationship with the parent cluster (A)). This is processed for all clusters belonging to the first cluster group.
Since a cluster is formed in this way, a CTR matrix having the cluster as vertical and horizontal (for example, content cluster as vertical and user cluster as horizontal) is generated, and CTR (Click Through Rate ( The accuracy of the click-through rate)) is increased, and the delivery accuracy of the targeting advertisement is increased. The CTR indicates the rate at which the content (advertisement) is clicked. Details will be described next.
次にＣＴＲ行列の生成について説明する。
例えば、ＣＴＲ行列は図６の例に示すようになる。このＣＴＲ行列６００は、列（横軸）に各ユーザクラスタ（ユーザの階層構造クラスタ６２０内の各クラスタ）を並べ、行（縦軸）に各広告クラスタ（広告の階層構造クラスタ６１０内の各クラスタ）を並べたものである。なお、ＣＴＲ行列６００の（１，１）のセル（図６では左上のセル）内は、平均ＣＴＲ６５０を示している。
全てのインプレッション数（Ｉ）と全てのクリック数（Ｃ）を集計する。
ＣＴＲは単純な（クリック数／インップレション数）を用いるのではなく、スムージングＣＴＲを用いるものとする。つまり、スムージングＣＴＲは（ｃ＋ｋ×Ｃ）／（ｉ＋ｋ×Ｉ）によって算出する。そのために、各ユーザクラスタに対して各広告クラスタのクリック数（ｃ）とインプレッションの数（ｉ）を集計する。ｋはスムージングパラメータであり、０ではないが０に近い値であればよい。スムージングＣＴＲを用いることによって、ゼロで除算することを避けることができる。そして、あるクラスタのペアのインプレッション数が少ない場合に極端な値となることを防止することにもなる。例えば、全てのクリック数（Ｃ）を２．３万、全てのインプレッション数（Ｉ）を１０００万とした場合は、平均ＣＴＲ＝Ｃ／Ｉ＝２．３万／１０００万＝０．２３％である。ここであるクラスタのクリック数が０．４万、インプレッション数が５０万である場合は、平均ＣＴＲ＝０．８％となるが、スムージングＣＴＲは、（０．４万＋０．００１×２．３万）／（５０万＋０．００１×１０００万）＝４０２３／５１万＝０．７９％となる。ここで、０．００１は、スムージングパラメータｋである。
Next, generation of a CTR matrix will be described.
For example, the CTR matrix is as shown in the example of FIG. In the
Total number of impressions (I) and total number of clicks (C).
The CTR does not use a simple (number of clicks / number of impressions) but uses a smoothing CTR. That is, the smoothing CTR is calculated by (c + k × C) / (i + k × I). For this purpose, the number of clicks (c) and the number of impressions (i) of each advertisement cluster are totaled for each user cluster. k is a smoothing parameter which is not 0 but may be a value close to 0. By using a smoothing CTR, division by zero can be avoided. This also prevents an extreme value when the number of impressions of a certain cluster pair is small. For example, if all clicks (C) are 23,000 and all impressions (I) are 10 million, the average CTR = C / I = 23,000 / 10 million = 0.3% is there. When the number of clicks of this cluster is 40,000 and the number of impressions is 500,000, the average CTR is 0.8%, but the smoothing CTR is (44,000 + 0.001 × 2.3). 10,000) / (500,000 + 0.001 × 10 million) = 4023 / 510,000 = 0.79%. Here, 0.001 is the smoothing parameter k.
次に広告の選択手順について説明する。
ａ．ユーザの操作によって新しいウェブページが表示される。その際、操作を行ったユーザ（ユーザの属性等）が入力となる。
ｂ．そのユーザが属するユーザクラスタを検索する。なお、そのユーザが属するクラスタは複数となる可能性がある。
ｃ．前述の通り作成したＣＴＲ行列を対象として、検索したユーザクラスタに対応する行において、その行（複数の行であってもよい）の中で最も高いＣＴＲのセルを抽出する。（広告選択の第１ステップ）。
Next, an advertisement selection procedure will be described.
a. A new web page is displayed by a user operation. At that time, the user who performed the operation (user attribute, etc.) is input.
b. Search the user cluster to which the user belongs. Note that there may be multiple clusters to which the user belongs.
c. For the CTR matrix created as described above, in the row corresponding to the searched user cluster, the cell of the highest CTR in that row (may be a plurality of rows) is extracted. (First step of advertisement selection).
ｄ．最も高いＣＴＲのセルに対応する広告群が配信対象になる。各広告のスムージングＣＴＲを算出する。同様に、（ｃ＋ｋ＊Ｃ）÷（ｉ＋ｋ＊Ｉ）の式を用いる。なお、ここでｃは広告のクリック数、ｉは広告のインプレッション数、Ｃはその広告が含まれるセルのクリック数（前述のＣＴＲ行列生成時のスムージング処理された後の分子）、Ｉはその広告が含まれるセルのインプレッション数（前述のＣＴＲ行列生成時のスムージング処理された後の分母）、ｋはスムージングパラメータである。スムージングパラメータｋは、前述のＣＴＲ行列生成時に用いたスムージングパラメータｋとは異なる値である。例えば、そのセルのクリック数（Ｃ）が４０２３（前述のＣＴＲ行列生成時のスムージング処理された後の「４０２３／５１万」の分子）、そのセルのインプレッション数（Ｉ）が５１万（前述のＣＴＲ行列生成時のスムージング処理された後の「４０２３／５１万」の分母）、その広告のクリック数が８、その広告のインプレッション数が５００である場合（個別の広告であるので、クリック数等が小さい場合がある）、スムージングＣＴＲは、（８＋（１／５１０）×４０２３）／（５００＋（１／５１０）×５１万）＝１．０５％となる。ここで、（１／５１０）は、スムージングパラメータｋである。この値は、予め定められた値（１０００）を分子とし、スムージング処理された後のインプレッション数（４０２３／５１万の分母）を分母としたものにしてもよい。
セル内の広告毎に算出したスムージングＣＴＲの順位（昇順）に応じて、広告を選択し、配信する（広告選択の第２ステップ）。
ｅ．なお、セルの広告の数が予め定められた広告の数未満（つまり、広告数不足）であるならば、そのセルを除いて、次の最も高いスムージングＣＴＲのセルを検索する。
d. The group of advertisements corresponding to the highest CTR cell is targeted for distribution. Calculate a smoothing CTR for each advertisement. Similarly, the equation (c + k * C) ÷ (i + k * I) is used. Here, c is the number of clicks of the advertisement, i is the number of impressions of the advertisement, C is the number of clicks of the cell including the advertisement (the numerator after the smoothing process at the time of generating the CTR matrix), and I is the advertisement. Is the number of impressions of the cell in which k is included (the denominator after the smoothing process at the time of generating the above-mentioned CTR matrix), k is a smoothing parameter. The smoothing parameter k is a value different from the smoothing parameter k used when generating the CTR matrix described above. For example, the number of clicks (C) of the cell is 4023 (numerator of “4023 / 510,000” after the smoothing process at the time of generating the above-mentioned CTR matrix), and the number of impressions (I) of the cell is 510,000 (the above-mentioned When the number of clicks of the advertisement is 8 and the number of impressions of the advertisement is 500 (since it is an individual advertisement, the number of clicks, etc.) The smoothing CTR is (8+ (1/510) × 4023) / (500+ (1/510) × 510,000) = 1.05%. Here, (1/510) is the smoothing parameter k. This value may be a predetermined value (1000) as a numerator and the number of impressions (4023 / 510,000 denominator) after smoothing as a denominator.
The advertisement is selected and distributed according to the ranking (in ascending order) of the smoothing CTR calculated for each advertisement in the cell (second step of advertisement selection).
e. If the number of advertisements in the cell is less than the predetermined number of advertisements (that is, the number of advertisements is insufficient), the cell of the next highest smoothing CTR is searched for except for that cell.
図２は、本実施の形態による処理例を示すフローチャートである。
ステップＳ２００２では、第１クラスタ形成部２３１２が、ＯＰＴＩＣＳ−ＤｅｌｉＣｌｕを用いたクラスタリングを行う。図３を用いて説明する。図３（ａ）は、ユーザ又はコンテンツをプロットした多次元空間の例を示している。図３（ａ）内の１つ１つの点が、多次元空間内におけるユーザ又はコンテンツである。図３（ｂ）の例に示すように、７つのクラスタ（図ではＡ〜Ｇ）が生成される。
FIG. 2 is a flowchart showing an example of processing according to this embodiment.
In step S2002, the first
クラスタの形成方法
本実施の形態の第１クラスタ形成部２３１２で用いるクラスタ手法は、非特許文献２に記載されているＯＰＴＩＣＳ階層型クラスタ手法であるが、以下に概要を説明する。
ＲｅａｃｈａｂｉｌｉｔｙＰｌｏｔの作成：
ａ．最初に任意の点を選び、その点のラベルを（Ｘ）変数に保存する。
ｂ．ＭｉｎＰｔｓというＯＰＴＩＣＳ手法のパラメターをＮとする。
ｃ．ＲｅａｃｈａｂｉｌｉｔｙＰｌｏｔに横軸の（ｘ）に（Ｘ）を記入して、縦軸（ｙ）に∞（無限な距離）を記入する。（Ｘ）点は「処理済」となる。
ｄ．（Ｘ）点に最も近いＮ点を検索し、その点の中で一番遠い点を抽出し、その点への距離を（ｙ０）として保存する。
ｅ．（Ｘ）点に一番近いが、処理済ではない点を検索する。その点への距離を（ｙ１）とする。その点のラベルを（Ｘ）変数に保存する（変数の値の更新）。
ｆ．ＲｅａｃｈａｂｉｌｉｔｙＰｌｏｔの横軸（ｘ）に（Ｘ）を記入し、縦軸（ｙ）に（ｙ０）と（ｙ１）の最大値を記入する。（Ｘ）点は「処理済」になる。
ｇ．処理済ではない点がなくなるまで、（ｄ．）ステップからの処理を繰り返す。
ｈ．この手順の出力はＲｅａｃｈａｂｉｌｉｔｙＰｌｏｔとなる。横軸は点のラベルの並びであり、縦軸はＲｅａｃｈａｂｉｌｉｔｙＤｉｓｔａｎｃｅという距離となる。例えば、図３（ｂ）と図４（ｂ）のようなグラフとなる。
Cluster Formation Method The cluster method used in the first
Creating a ReachabilityPlot:
a. First, an arbitrary point is selected, and the label of the point is stored in the (X) variable.
b. Let N be the parameter of the OPTICS method called MinPts.
c. In ReachabilityPlot, (X) is written in (x) on the horizontal axis, and ∞ (infinite distance) is written in the vertical axis (y). The point (X) is “processed”.
d. (X) N points closest to the point are searched, a point farthest among the points is extracted, and the distance to the point is stored as (y0).
e. (X) A point closest to the point but not processed is searched. Let the distance to that point be (y1). The label of the point is stored in the (X) variable (update the value of the variable).
f. (X) is written on the horizontal axis (x) of ReachabilityPlot, and the maximum values of (y0) and (y1) are written on the vertical axis (y). The point (X) becomes “processed”.
g. The processing from step (d.) Is repeated until there is no point that has not been processed.
h. The output of this procedure is ReachabilityPlot. The horizontal axis is the arrangement of point labels, and the vertical axis is the distance called Reachability Distance. For example, the graphs shown in FIGS. 3B and 4B are obtained.
クラスタの階層構造の作成：
ａ．ＲｅａｃｈａｂｉｌｉｔｙＰｌｏｔの点はいくつの種類がある。説明を分かりやすくするために、以下のような用語を定義する。
（ａ−ｉ）「下がる」：点の（ｙ）の値にξパラメータを乗算し、その値が次の点の（ｙ）の値より高い場合である。ξの値は、例えば０．９９のような１未満で１に近い値である。
（ａ−ｉｉ）「上がる」：次の点の（ｙ）の値にξパラメータを乗算し、その値はこの点の（ｙ）の値より高い場合である。
（ａ−ｉｉｉ）「変更なし」：上がる点でなく、下がる点でもない点である。
（ａ−ｉｖ）「頂点」：条件が２つある。条件は、１）下がる点、２）前の点が下がる点ではないことである。
ｂ．ＲｅａｃｈａｂｉｌｉｔｙＰｌｏｔにおいて、クラスタの境界は左端と右端が両方「頂点」となるが、右端はクラスタの要素にはならない。左端と右端のペアの間にどちらの高さより高い頂点があれば、そのペアはクラスタにはならない。クラスタになる場合は、その頂点のペアより高くない頂点は子クラスタの境界になる。
ｃ．なお、「変更なし」の点も複数あることが可能である。隣接する「変更なし」点のインプレッションの数が閾値以上ならクラスタになる。なお、その場合はξパラメータの値を少し増加すれば「変更なし」点は、「上がる」点か「下がる」点になる。したがって、隣接する「変更なし」点のインプレッションの数が閾値未満になり、上記ｂを適用すればよい。
Creating a cluster hierarchy:
a. There are several types of ReachabilityPlot points. To make the explanation easier to understand, the following terms are defined.
(Ai) “Down”: When the (y) value of a point is multiplied by the ξ parameter and the value is higher than the (y) value of the next point. The value of ξ is a value less than 1 and close to 1, such as 0.99.
(A-ii) “Up”: The value of (y) at the next point is multiplied by the ξ parameter, and the value is higher than the value of (y) at this point.
(A-iii) “No change”: a point that is neither an up point nor a down point.
(A-iv) “Vertex”: There are two conditions. The condition is that 1) the point that goes down, and 2) the point that the previous point goes down.
b. In ReachabilityPlot, the left and right ends of the cluster boundary are “vertices”, but the right end is not an element of the cluster. If there is a vertex higher than either height between the left and right pair, the pair will not be a cluster. In the case of a cluster, vertices that are not higher than the vertex pair become child cluster boundaries.
c. There may be a plurality of “no change” points. If the number of impressions of adjacent “no change” points is greater than or equal to the threshold, the cluster is formed. In this case, if the value of the ξ parameter is slightly increased, the “no change” point becomes an “up” point or a “down” point. Therefore, the number of impressions of adjacent “no change” points is less than the threshold value, and the above b may be applied.
ステップＳ２００４では、第２クラスタ形成部２３１４が、第１クラスタ内のインプレッション数の合計が閾値を超えているか否かを判断し、超えている場合はステップＳ２００６へ進み、それ以外の場合はステップＳ２００８へ進む。図４を用いて説明する。閾値を１０万とした場合である。クラスタＣ、Ｆ、Ｇは、それぞれ１１万、１１．３万、１０．４万であるので、閾値を超えている。クラスタＡ、Ｂ、Ｄ、Ｅは、それぞれ４万、６．５万、３．２万、６．９万であるので、閾値を超えていない。
ステップＳ２００６では、第２クラスタ形成部２３１４が、その第１クラスタを第２クラスタとして採用する。図４では、クラスタＣ、Ｆ、Ｇは、それぞれそのままクラスタ２、４、５として最終的なクラスタとする。
In step S2004, the second cluster formation unit 2314 determines whether or not the total number of impressions in the first cluster exceeds the threshold value. If it exceeds, the process proceeds to step S2006. Otherwise, step S2008 is performed. Proceed to This will be described with reference to FIG. This is a case where the threshold is 100,000. Since the clusters C, F, and G are 110,000, 113,000, and 144,000, respectively, they exceed the threshold. Since the clusters A, B, D, and E are 40,000, 65,000, 32,000, and 69,000, respectively, the threshold is not exceeded.
In step S2006, the second cluster forming unit 2314 adopts the first cluster as the second cluster. In FIG. 4, the clusters C, F, and G are assumed to be final clusters as
ステップＳ２００８では、第２クラスタ形成部２３１４が、第１クラスタのインプレッション数の合計が閾値を超えるまで第１クラスタを削除して第２クラスタを形成する。
ステップＳ２０１０では、クラスタリング処理部２３１が、全ての第１クラスタに対しての処理が終了したか否かを判断し、終了した場合は処理を終了し、それ以外の場合はステップＳ２００４に戻る。
In step S2008, the second cluster forming unit 2314 deletes the first cluster and forms the second cluster until the total number of impressions of the first cluster exceeds the threshold.
In step S2010, the
ステップＳ２００８の処理について、より詳細に説明する。
インプレッション数によるクラスタの階層構造の変更：
ａ．前述のように各「頂点」のペアは、一つのクラスタ候補になる。しかし、第２クラスタ形成部２３１４の処理によって、そのクラスタの要素のインプレッション数が閾値未満ならば、最終的なクラスタにはならない（「クラスタを削除」という意味である）。
ｂ．一つの要素でも、インプレッション数が閾値以上となるならば、最終的なクラスタになる。すなわち、そのクラスタは要素が一つだけある。
ｃ．前述のとおり、隣接する「変更なし」点のインプレッション数が閾値以上ならば、クラスタになる。
ｄ．つまり、クラスタには上記の３つの種類がある。具体的には、（１）「頂点」のペア、（２）一つの要素のクラスタ、（３）隣接する「変更なし」、の３種類のクラスタがある。
The process of step S2008 will be described in more detail.
Changing the cluster hierarchy by number of impressions:
a. As described above, each “vertex” pair becomes one cluster candidate. However, if the number of impressions of the elements of the cluster is less than the threshold by the processing of the second cluster forming unit 2314, the final cluster is not created (meaning “delete cluster”).
b. Even one element becomes a final cluster if the number of impressions is greater than or equal to the threshold. That is, the cluster has only one element.
c. As described above, if the number of impressions of adjacent “no change” points is equal to or greater than the threshold value, the cluster is formed.
d. That is, there are the above three types of clusters. Specifically, there are three types of clusters: (1) “vertex” pair, (2) cluster of one element, and (3) adjacent “no change”.
図５（ａ）の例に示す階層構造は、第１クラスタ形成部２３１２によって形成された第１のクラスタ群の例を示すものである。つまり、（ＡとＢの間の頂点の高さ）は（ＢとＣの間の頂点の高さ）より低いと判断したことによって、クラスタＡとクラスタＢの親としてクラスタ１を有し、クラスタ１とクタスタＣの親としてクラスタＸを有することになる。
図５（ｂ）の例に示す階層構造は、図５（ａ）の例に示す階層構造に対して、第２クラスタ形成部２３１４が処理を行った結果の第２のクラスタ群の階層構造を示すものである。閾値を１０万とした場合の処理結果である。つまり、インプレッション数が１０万未満であるクラスタＡ（４万）とクラスタＢ（６．５万）を削除し、その親のクラスタ１（１０．５万）はそのまま採用されている。また、インプレッション数が１０万未満であるクラスタＤ（３．２万）とクラスタＥ（６．９万）を削除し、その親のクラスタ３（１０．１万）はそのまま採用されている。他のクラスタ（クラスタＣ、Ｆ、Ｇ）、もちろんのことながら、その親のクラスタ（クラスタＸ、Ｙ、Ａｌｌ ｄａｔａ（ルート））は、そのまま第２のクラスタ群として採用されている。
The hierarchical structure shown in the example of FIG. 5A shows an example of the first cluster group formed by the first
The hierarchical structure shown in the example of FIG. 5B is different from the hierarchical structure shown in the example of FIG. 5A with the hierarchical structure of the second cluster group as a result of processing performed by the second cluster forming unit 2314. It is shown. This is the processing result when the threshold is 100,000. That is, the cluster A (40,000) and the cluster B (65,000) with the number of impressions less than 100,000 are deleted, and the parent cluster 1 (105,000) is adopted as it is. Further, the cluster D (32,000) and the cluster E (69,000) having the impression number less than 100,000 are deleted, and the parent cluster 3 (101,000) is adopted as it is. Other clusters (clusters C, F, and G) and, of course, their parent clusters (clusters X, Y, and All data (root)) are directly adopted as the second cluster group.
以下、クラスタリング処理部２３１を利用した広告配信システムについて説明する。本実施の形態において広告とは、Ｗｅｂページにおいてコンテンツの内容等に応じて表示される広告（リスティング広告と呼ばれる。）を想定する。
Hereinafter, an advertisement distribution system using the
広告配信システムでは、ユーザ及び広告に対してそれぞれクラスタリング処理を行い、ユーザに関するクラスタ（以下、ユーザクラスタという。）と広告に関するクラスタ（以下、広告クラスタという。）とを求め、ユーザクラスタと広告クラスタとの間でのクリック性向を示すＣＴＲ行列（例えば、図６に示すＣＴＲ行列６００）を作成する。ユーザは複数のユーザクラスタに属することができ、広告も複数の広告クラスタに属することができるものとする。
In the advertisement distribution system, a clustering process is performed on each of the user and the advertisement to obtain a user-related cluster (hereinafter referred to as a user cluster) and an advertisement-related cluster (hereinafter referred to as an advertisement cluster). A CTR matrix (for example,
ユーザクラスタの数をＮ、広告クラスタの数をＭとすると、ＣＴＲ行列はＮ×Ｍの行列になる。ＣＴＲ行列は、ユーザクラスタと広告クラスタの各ペアについて、当該ユーザクラスタに帰属するユーザに対して当該広告クラスタに帰属する広告が表示された回数（インプレッション数と呼ばれる。）と、当該ユーザクラスタに属するユーザが当該広告クラスタに属する広告をクリックしたクリック数とをログから取得して、クリック数とインプレッション数を用いたスムージングＣＴＲを求めるものとする。 If the number of user clusters is N and the number of advertisement clusters is M, the CTR matrix is an N × M matrix. The CTR matrix is the number of times an advertisement belonging to the advertisement cluster is displayed for a user belonging to the user cluster for each pair of the user cluster and the advertisement cluster (referred to as the number of impressions), and belongs to the user cluster. It is assumed that the number of clicks that the user clicked on an advertisement belonging to the advertisement cluster is obtained from the log, and a smoothing CTR using the number of clicks and the number of impressions is obtained.
＜＜システム構成＞＞
図７は本実施の形態の広告配信システムの全体構成例を示す図である。本実施の形態の広告配信システムは、ユーザ端末１０と通信ネットワーク３０を介して通信可能に接続されるＷｅｂサーバ２０を含んで構成される。
通信ネットワーク３０は、例えば公衆電話回線網や専用通信回線網、携帯電話回線網、無線通信網、イーサネット（登録商標）などにより構築される、インターネットやＬＡＮ（Ｌｏｃａｌ Ａｒｅａ Ｎｅｔｗｏｒｋ）である。
Ｗｅｂサーバ２０は、画像や動画、テキストなどの各種のコンテンツをＨＴＴＰ（HyperText Transfer Protocol）に従って提供する、例えばワークステーションやパーソナルコンピュータなどのコンピュータである。ユーザ端末１０は、Ｗｅｂサーバ２０が提供する各種のＷｅｂページを閲覧するブラウザを動作させる、例えばパーソナルコンピュータやタブレットコンピュータ、携帯電話端末、ＰＤＡ（Personal Digital Assistant）などのコンピュータである。
<< System configuration >>
FIG. 7 is a diagram illustrating an example of the overall configuration of the advertisement distribution system according to the present embodiment. The advertisement distribution system according to the present embodiment is configured to include a
The
The
＜＜Ｗｅｂサーバ２０のハードウェア構成＞＞
図８はＷｅｂサーバ２０のハードウェア構成例を示す図である。Ｗｅｂサーバ２０は、ＣＰＵ２０１、メモリ２０２、記憶装置２０３、通信インタフェース２０４、入力装置２０５、出力装置２０６を備える。記憶装置２０３は、各種のデータやプログラムを記憶する、例えばハードディスクドライブやソリッドステートドライブ、フラッシュ・メモリなどである。通信インタフェース２０４は、通信ネットワーク３０に接続するためのインタフェースであり、例えばイーサネット（登録商標）に接続するためのアダプタ、公衆電話回線網に接続するためのモデム、無線通信を行うための無線通信機、シリアル通信のためのＵＳＢ（Ｕｎｉｖｅｒｓａｌ Ｓｅｒｉａｌ Ｂｕｓ）コネクタやＲＳ２３２Ｃコネクタなどである。入力装置２０５は、データを入力する、例えばキーボードやマウス、タッチパネル、ボタン、マイクロフォンなどである。出力装置２０６は、データを出力する、例えばディスプレイやプリンタ、スピーカなどである。
<< Hardware Configuration of
FIG. 8 is a diagram illustrating a hardware configuration example of the
＜＜Ｗｅｂサーバ２０のソフトウェア構成＞＞
図９はＷｅｂサーバ２０のソフトウェア構成例を示す図である。Ｗｅｂサーバ２０は、ＨＴＴＰ処理部２１１、Ｗｅｂページ作成部２１２、広告選択部２１３、ログ収集部２１４及び解析処理部２１５の機能部と、Ｗｅｂ情報データベース２５１、広告データベース２５２、ユーザデータベース２５３、インプレッションログ記憶部２５５及びクリックログ記憶部２５６の記憶部とを備えている。
なお、上記各機能部は、Ｗｅｂサーバ２０が備えるＣＰＵ２０１が記憶装置２０３に記憶されているプログラムを実行することにより実現され、上記各記憶部は、Ｗｅｂサーバ２０が備えるメモリ２０２及び記憶装置２０３が提供する記憶領域の一部として実現される。
<< Software Configuration of
FIG. 9 is a diagram illustrating a software configuration example of the
Each of the functional units is realized by the
＜＜記憶部の説明＞＞
（１）Ｗｅｂ情報データベース２５１
Ｗｅｂ情報データベース２５１は、Ｗｅｂページを作成するための情報（以下、Ｗｅｂ情報という。）を記憶する。Ｗｅｂ情報は、例えば、ＨＴＭＬで記述されたファイルや、ＣＧＩ（Ｃｏｍｍｏｎ Ｇａｔｅｗａｙ Ｉｎｔｅｒｆａｃｅ）などの仕組みにより実行されるプログラムを格納したプログラムファイル、画像ファイルなどである。Ｗｅｂ情報データベース２５１は、例えば、Ｗｅｂサーバ２０で動作するオペレーティングシステムが提供するファイルシステムのディレクトリやフォルダにより実現することができる。
<< Description of Storage Unit >>
(1)
The
（２）広告データベース２５２
広告データベース２５２は、広告を表示するための情報（以下、広告情報という。）を記憶する。図１０は、広告データベース２５２に記憶される広告情報の構成例を示す図である。広告情報には、広告の識別情報である広告ＩＤに対応付けて、広告のカテゴリ、広告に関するＵＲＬ（Ｕｎｉｆｏｒｍ Ｒｅｓｏｕｒｃｅ Ｌｏｃａｔｏｒ）、広告のタイトル、入札額、及び実ＣＴＲ（前述の平均ＣＴＲ）が含まれる。広告情報のＵＲＬが示すＷｅｂページはランディングページとも呼ばれ、広告がクリックされるとランディングページにリダイレクトされることになる。
(2)
The
入札額は、広告がクリックされた場合に広告主から支払われる最大の単価であり、広告主により決定される。
本実施の形態ではタイトルの文字列をＷｅｂページの広告として表示するものとする。広告には広告ＩＤを指定した所定のＵＲＬ（ホスト名にＷｅｂサーバ２０が指定されるものとする。以下、リダイレクトＵＲＬという。）へのリンクが設定される。Ｗｅｂページにおいて広告がクリックされると、広告ＩＤを含むリクエストがＷｅｂサーバ２０に送信され、後述するログ収集部２１４によりクリックされたことのログが収集され、ＨＴＴＰ処理部２１１により広告ＩＤに対応する広告情報のＵＲＬにリダイレクトされる（例えば、当該ＵＲＬをリダイレクト先として指定した応答が送信される。）。これにより、広告に応じたユーザの行動（クリック）を検知することができる。
The bid amount is the maximum unit price paid from the advertiser when the advertisement is clicked, and is determined by the advertiser.
In the present embodiment, it is assumed that the character string of the title is displayed as an advertisement on the Web page. In the advertisement, a link to a predetermined URL specifying the advertisement ID (
なお、広告として画像や動画などを表示し、あるいは音声を出力させるようにしてもよく、その場合には、例えば広告情報には、広告として表示する画像や動画のデータを示すＵＲＬを追加するようにすることができる。 In addition, you may make it display an image, a moving image, etc. as an advertisement, or you may make it output an audio | voice, and in that case, URL which shows the data of the image displayed as an advertisement, or a moving image may be added, for example Can be.
（３）ユーザデータベース２５３
ユーザデータベース２５３は、ユーザに関する情報（以下、ユーザ情報という。）を記憶する。図１１はユーザデータベース２５３に記憶されるユーザ情報の構成例を示す図である。ユーザ情報には、ユーザの識別情報であるユーザＩＤに対応付けて、ユーザの性別やユーザが現在する都道府県、ユーザの趣味などのユーザの属性とが含まれる。なお、性別、都道府県、趣味以外にも各種のユーザについての属性をユーザ情報に含めることができる。
(3)
The
（４）インプレッションログ記憶部２５５
インプレッションログ記憶部２５５は、Ｗｅｂページに広告が表示されたこと（インプレッションと呼ばれる。）を示す情報（以下、インプレッションログという。）を記憶する。図１２は、インプレッションログ記憶部２５５に記憶されるインプレッションログの構成例を示す図である。インプレッションログには、Ｗｅｂページに広告が表示された日時（すなわち、ＷｅｂページがＷｅｂサーバ２０から送信された日時である。以下、配信日時という。）、Ｗｅｂページを示すＵＲＬ、表示された広告を示す広告ＩＤ、Ｗｅｂページを閲覧したユーザを示すユーザＩＤが含まれる。インプレッションログは１つの広告が表示されるにつき１つ登録される。すなわち、例えば１つのＷｅｂページに３つの広告が表示された場合には、３つのインプレッションログが登録されることになる。
(4) Impression
The impression
（５）クリックログ記憶部２５６
クリックログ記憶部２５６は、Ｗｅｂページに表示された広告がクリックされたことを示す情報（以下、クリックログという。）を記憶する。図１３は、クリックログ記憶部２５６に記憶されるクリックログの構成例を示す図である。クリックログには、クリックされた広告を示す広告ＩＤ、広告をクリックしたユーザを示すユーザＩＤ、広告が表示されたＷｅｂページを示すＵＲＬ、及び広告がクリックされた日時（クリック日時）が含まれる。
(5) Click
The click
＜＜機能部の説明＞＞
（１）ＨＴＴＰ処理部２１１
ＨＴＴＰ処理部２１１は、ＨＴＴＰの処理を行う。ＨＴＴＰ処理部２１１は、ユーザ端末１０から送信されるＨＴＴＰのリクエストを受信する。
リクエストにリダイレクトＵＲＬが指定されていた場合、ＨＴＴＰ処理部２１１は、ログ収集部２１４を呼び出してクリックログを登録させた上で、リクエストに含まれている広告ＩＤに対応する広告情報を広告データベース２５２から読み出し、読み出した広告情報に含まれているＵＲＬをリダイレクト先として指定した応答をユーザ端末１０に応答する。
<< Explanation of function part >>
(1)
The
When the redirect URL is specified in the request, the
リクエストにリダイレクトＵＲＬ以外の、Ｗｅｂページを示すＵＲＬが指定された場合には、ＨＴＴＰ処理部２１１は、Ｗｅｂページ作成部２１２を呼び出してＷｅｂページを表示するための情報（以下、画面情報という。画面情報は例えばＨＴＭＬファイルである。）を作成させ、Ｗｅｂページ作成部２１２が作成した画像情報をユーザ端末１０に応答し、ログ収集部２１４を呼び出してインプレッションログを登録させる。
When a URL indicating a Web page other than the redirect URL is specified in the request, the
（２）Ｗｅｂページ作成部２１２
Ｗｅｂページ作成部２１２は、Ｗｅｂページを表示するための画面情報を作成する。Ｗｅｂページ作成部２１２は、広告選択部２１３を呼び出してＷｅｂページに表示させる広告を選択させ、選択された広告がＷｅｂページに表示され、広告がクリックされた場合にはリダイレクトＵＲＬにアクセスするように、例えばリンクタグを設定した文字列を画面情報に挿入する。なお、Ｗｅｂページ作成部２１２が、広告以外の各種のコンテンツを作成する処理については、一般的なＷｅｂサーバによる処理を用いるものとして、ここでは説明を省略する。
(2) Web
The web
（３）広告選択部２１３
広告選択部２１３は、Ｗｅｂページに表示する広告を選択する。
広告選択部２１３は、配信候補抽出部２２１、広告決定部２２３を備えている。なお、配信候補抽出部２２１、広告決定部２２３も、ＣＰＵ２０１が記憶装置２０３に記憶されているプログラムをメモリ２０２に読み出して実行することにより実現される。
(3)
The
The
（３−１）配信候補抽出部２２１
配信候補抽出部２２１は、広告の候補を決定する。配信候補抽出部２２１は、前述した広告選択の第１ステップの処理を行う。つまり、クラスタ処理された広告クラスタの中からユーザクラスタに対応する広告クラスタを選択する。
（３−２）広告決定部２２３
広告決定部２２３は、配信候補抽出部２２１が決定した候補の中から表示する広告を、前述した広告選択の第２ステップの処理によって決定する。つまり、広告クラスタ内から個別の広告を選択する。
(3-1) Distribution
The distribution
(3-2)
The
（４）ログ収集部２１４
ログ収集部２１４は、インプレッションログ及びクリックログを登録する。ログ収集部２１４は、ＨＴＴＰにリダイレクトＵＲＬが指定されていた場合には、リダイレクトＵＲＬに指定されている広告ＩＤに対応するカテゴリを広告データベース２５２から読み出し、当該広告ＩＤ、読み出したカテゴリ、及び現在の日時を設定したクリックログを作成してクリックログ記憶部２５６に登録する。ＨＴＴＰにリダイレクトＵＲＬ以外のＵＲＬが指定されていた場合には、ログ収集部２１４は、広告選択部２１３が選択した広告のそれぞれについて、現在日時、広告を示す広告ＩＤ、及び当該広告のカテゴリを含むインプレッションログを作成してインプレッションログ記憶部２５５に登録する。
(4)
The
（５）解析処理部２１５
解析処理部２１５は、クラスタリング処理部２３１、及び行列生成部２３２を備える。なお、クラスタリング処理部２３１、及び行列生成部２３２も、ＣＰＵ２０１が記憶装置２０３に記憶されているプログラムをメモリ２０２に読み出して実行することにより実現される。
(5)
The
（５−１）クラスタリング処理部２３１
クラスタリング処理部２３１はクラスタリング処理を行い、ユーザをユーザクラスタに分類し、広告を広告クラスタに分類する。図１〜５を用いて前述した通りの処理を行う。
（５−２）行列生成部２３２
行列生成部２３２は、ユーザが広告をクリックしたスムージングＣＴＲからＣＴＲ行列を生成する。行列生成部２３２は、ユーザクラスタと広告クラスタとの全ての組み合わせについて、当該ユーザクラスタに帰属するユーザが、当該広告クラスタに帰属する広告を閲覧したインプレッション数及び当該ユーザが当該広告をクリックしたクリック数を取得して、スムージングＣＴＲを算出する。
(5-1)
The
(5-2)
The
＜＜解析処理＞＞
図１４は解析処理部２１５による解析処理の流れを示す図である。
クラスタリング処理部２３１は、例えばユーザ情報に含まれている属性、インプレッションログ及びクリックログなどに基づく行動履歴などを用いて、前述したようにユーザのクラスタリングを行い、ユーザクラスタを決定する（Ｓ３１１）。
<< Analysis process >>
FIG. 14 is a diagram showing the flow of analysis processing by the
The
クラスタリング処理部２３１は、広告についても広告情報に含まれている項目の内容や、広告情報のＵＲＬが示すランディングページの内容を用いて、前述したように広告のクラスタリングを行い、広告クラスタを決定する（Ｓ３１２）。
The
行列生成部２３２は、ユーザクラスタ及び広告クラスタについてのスムージングＣＴＲを要素とするＣＴＲ行列を作成する（Ｓ３１３）。図１５はＣＴＲ行列の作成処理の一例を示す図である。行列生成部２３２は、ユーザクラスタ及び各広告クラスタについて、以下の処理を行う。
The
行列生成部２３２は、インプレッションログ記憶部２５５に登録されているインプレッションログのうち、ユーザＩＤが対象とするユーザＩＤに含まれており、かつ、広告ＩＤが対象とする広告ＩＤに含まれているものをカウントしてインプレッション数ｉｕａとして算出する（Ｓ３３１）。行列生成部２３２は、クリックログ記憶部２５６に登録されているクリックログのうち、ユーザＩＤが対象とするユーザＩＤに含まれており、かつ、広告ＩＤが対象とする広告ＩＤに含まれているものをカウントしてクリック数ｃｕａとして算出する（Ｓ３３２）。
The
＜＜リクエスト処理＞＞
図１６は、Ｗｅｂサーバ２０により行われる処理の流れを示す図である。
ＨＴＴＰ処理部２１１は、ユーザ端末１０からＨＴＴＰのリクエストを受信する（Ｓ４０１）。なおリクエストには、ＵＲＬ、ユーザＩＤ及び現在日時が設定されているものとする。
<< Request processing >>
FIG. 16 is a diagram illustrating a flow of processing performed by the
The
広告選択部２１３が選択した広告の広告情報を含む広告リストを作成する（Ｓ４０２）。なお、この広告情報の選択処理については、図１７を用いて後述する。
An advertisement list including advertisement information of the advertisement selected by the
Ｗｅｂページ作成部２１２は、リクエストに応じて各種のコンテンツを表示するためのＨＴＭＬファイルなどの画面情報を作成する（Ｓ４０３）。なお、ステップＳ４０３における画面情報の作成処理は、一般的なＷｅｂサーバによる処理を採用することができる。
The web
Ｗｅｂページ作成部２１２は、広告リストに含まれる各広告情報について、所定のＵＲＬの引数に広告情報に含まれる広告ＩＤを設定したリダイレクトＵＲＬを作成する（Ｓ４０４）。リダイレクトＵＲＬは、例えば「www.foobar.com/ad?id=xxxx」という形式とすることができる。Ｗｅｂページ作成部２１２は、広告リストに含まれる各広告情報について、広告情報に含まれるタイトルを内容として含むリダイレクトＵＲＬへのリンクタグ（例えば、「<a href="http://www.foobar.com/ad?id=xxxx">タイトル</a>」という形式とすることができる。）を画面情報に挿入する（Ｓ４０５）。
The web
ＨＴＴＰ処理部２１１は、作成された画面情報をリクエストへの応答としてユーザ端末１０に送信する（Ｓ４０６）。ログ収集部２１４は、広告リストに含まれる各広告情報について、広告情報に含まれる広告ＩＤと、リクエストに含まれていたＵＲＬ、ユーザＩＤ及び現在日時とを含むインプレッションログを作成してインプレッションログ記憶部２５５に登録する（Ｓ４０７）。
The
ＨＴＴＰ処理部２１１は、リクエストにリダイレクトＵＲＬが指定されているか否かにより、広告がクリックされたか否かを判定する（Ｓ４０８）。
広告がクリックされたと判定した場合（Ｓ４０８：ＹＥＳ）、ログ収集部２１４は、リダイレクトＵＲＬに設定されている広告ＩＤに対応する広告情報を広告データベース２５２から読み出し、リクエストに設定されているユーザＩＤ及び現在日時ならびに広告ＩＤ、カテゴリを含むクリックログを作成してクリックログ記憶部２５６に登録する（Ｓ４０９）。ＨＴＴＰ処理部２１１は、広告情報のＵＲＬにリダイレクトするようにＨＴＴＰのレスポンスをユーザ端末１０に送信する（Ｓ４１０）。
一方、広告がクリックされていないと判断した場合には（Ｓ４０８：ＮＯ）、処理の流れは終了となる。
The
When it is determined that the advertisement is clicked (S408: YES), the
On the other hand, if it is determined that the advertisement has not been clicked (S408: NO), the processing flow ends.
＜＜広告の選択処理＞＞
図１７は、ステップＳ４０５における広告の選択処理の流れを示す図である。
配信候補抽出部２２１は、広告データベース２５２から前述した広告選択の第１ステップの処理を行う（Ｓ４２１）。つまり、広告クラスタを選択する。
次に、広告決定部２２３は、広告データベース２５２から前述した広告選択の第２ステップの処理を行う（Ｓ４２２）。つまり、広告クラスタ内から個別の広告を選択する。
広告決定部２２３は、ＣＴＲの大きい順にｎ個の広告情報を選択して広告リストとする（Ｓ４２３）。なお、広告決定部２２３は、ＣＴＲに広告情報の入札額を乗じた値の大きい順にｎ個の広告情報を選択するようにしてもよい。
<< Ad selection process >>
FIG. 17 is a diagram showing a flow of advertisement selection processing in step S405.
The distribution
Next, the
The
また、本実施の形態の広告配信システムでは、ユーザ及び広告をクラスタに分類した上で関係性（クリック率）を観測しＣＴＲ行列で管理しているので、大量のユーザや広告が存在する場合であっても、関係性の管理を容易に行うことが可能となり、観測値や関係性の管理にかかるリソースを低減することができる。 In the advertisement distribution system according to the present embodiment, since the relationship (click rate) is observed and managed by the CTR matrix after classifying users and advertisements into clusters, there are a large number of users and advertisements. Even if it exists, it becomes possible to manage a relationship easily and the resource concerning management of an observed value or a relationship can be reduced.
また、本実施の形態の広告配信システムでは、配信する広告を決定する際に、期待クリック性向の大きい順に広告を選択しているので、ユーザのニーズに合わせた広告を配信することを可能とするとともに、広告のクリックによる広告収益を向上させることができる。 Further, in the advertisement distribution system according to the present embodiment, when the advertisement to be distributed is determined, the advertisement is selected in descending order of expected click tendency, so that it is possible to distribute the advertisement according to the user's needs. At the same time, it is possible to improve the advertising revenue from the click of the advertisement.
＜＜他の適用例＞＞
本実施の形態では広告の配信を想定しているが、広告の配信に限らず、各種のコンテンツの提供を行うシステムに適用してもよい。また、コンテンツとユーザとの関係性もクリック率に限らず、ユーザがコンテンツを嗜好する度合いなど各種の関係性とすることができる。
<< Other application examples >>
In this embodiment, advertisement distribution is assumed. However, the present invention is not limited to advertisement distribution, and may be applied to a system that provides various contents. In addition, the relationship between the content and the user is not limited to the click rate, and various relationships such as the degree to which the user likes the content can be used.
以上、本実施の形態について説明したが、上記実施の形態は本発明の理解を容易にするためのものであり、本発明を限定して解釈するためのものではない。本発明は、その趣旨を逸脱することなく、変更、改良され得ると共に、本発明にはその等価物も含まれる。 Although the present embodiment has been described above, the above embodiment is intended to facilitate understanding of the present invention and is not intended to limit the present invention. The present invention can be changed and improved without departing from the gist thereof, and the present invention includes equivalents thereof.
なお、説明したプログラムについては、記録媒体に格納して提供してもよく、また、そのプログラムを通信手段によって提供してもよい。その場合、例えば、前記説明したプログラムについて、「プログラムを記録したコンピュータ読み取り可能な記録媒体」の発明として捉えてもよい。
「プログラムを記録したコンピュータ読み取り可能な記録媒体」とは、プログラムのインストール、実行、プログラムの流通などのために用いられる、プログラムが記録されたコンピュータで読み取り可能な記録媒体をいう。
なお、記録媒体としては、例えば、デジタル・バーサタイル・ディスク（ＤＶＤ）であって、ＤＶＤフォーラムで策定された規格である「ＤＶＤ−Ｒ、ＤＶＤ−ＲＷ、ＤＶＤ−ＲＡＭ等」、ＤＶＤ＋ＲＷで策定された規格である「ＤＶＤ＋Ｒ、ＤＶＤ＋ＲＷ等」、コンパクトディスク（ＣＤ）であって、読出し専用メモリ（ＣＤ−ＲＯＭ）、ＣＤレコーダブル（ＣＤ−Ｒ）、ＣＤリライタブル（ＣＤ−ＲＷ）等、ブルーレイ・ディスク（Ｂｌｕ−ｒａｙ Ｄｉｓｃ（登録商標））、光磁気ディスク（ＭＯ）、フレキシブルディスク（ＦＤ）、磁気テープ、ハードディスク、読出し専用メモリ（ＲＯＭ）、電気的消去及び書換可能な読出し専用メモリ（ＥＥＰＲＯＭ（登録商標））、フラッシュ・メモリ、ランダム・アクセス・メモリ（ＲＡＭ）、ＳＤ（Ｓｅｃｕｒｅ Ｄｉｇｉｔａｌ）メモリーカード等が含まれる。
そして、前記のプログラム又はその一部は、前記記録媒体に記録して保存や流通等させてもよい。また、通信によって、例えば、ローカル・エリア・ネットワーク（ＬＡＮ）、メトロポリタン・エリア・ネットワーク（ＭＡＮ）、ワイド・エリア・ネットワーク（ＷＡＮ）、インターネット、イントラネット、エクストラネット等に用いられる有線ネットワーク、あるいは無線通信ネットワーク、さらにこれらの組み合わせ等の伝送媒体を用いて伝送させてもよく、また、搬送波に乗せて搬送させてもよい。
さらに、前記のプログラムは、他のプログラムの一部分であってもよく、あるいは別個のプログラムと共に記録媒体に記録されていてもよい。また、複数の記録媒体に分割して
記録されていてもよい。また、圧縮や暗号化など、復元可能であればどのような態様で記録されていてもよい。
The program described above may be provided by being stored in a recording medium, or the program may be provided by communication means. In that case, for example, the above-described program may be regarded as an invention of a “computer-readable recording medium recording the program”.
The “computer-readable recording medium on which a program is recorded” refers to a computer-readable recording medium on which a program is recorded, which is used for program installation, execution, program distribution, and the like.
The recording medium is, for example, a digital versatile disc (DVD), which is a standard established by the DVD Forum, such as “DVD-R, DVD-RW, DVD-RAM,” and DVD + RW. Standard “DVD + R, DVD + RW, etc.”, compact disc (CD), read-only memory (CD-ROM), CD recordable (CD-R), CD rewritable (CD-RW), Blu-ray disc ( Blu-ray Disc (registered trademark), magneto-optical disk (MO), flexible disk (FD), magnetic tape, hard disk, read-only memory (ROM), electrically erasable and rewritable read-only memory (EEPROM (registered trademark)) )), Flash memory, Random access memory (RAM) SD (Secure Digital) memory card and the like.
The program or a part of the program may be recorded on the recording medium for storage or distribution. Also, by communication, for example, a local area network (LAN), a metropolitan area network (MAN), a wide area network (WAN), a wired network used for the Internet, an intranet, an extranet, etc., or wireless communication It may be transmitted using a transmission medium such as a network or a combination of these, or may be carried on a carrier wave.
Furthermore, the program may be a part of another program, or may be recorded on a recording medium together with a separate program. Moreover, it may be divided and recorded on a plurality of recording media. Further, it may be recorded in any manner as long as it can be restored, such as compression or encryption.
２３１…クラスタリング処理部
２３１２…第１クラスタ形成部
２３１４…第２クラスタ形成部
２１１…ＨＴＴＰ処理部
２１２…Ｗｅｂページ作成部
２１３…広告選択部
２１４…ログ収集部
２１５…解析処理部
２２１…配信候補抽出部
２２３…広告決定部
２３１…クラスタリング処理部
２３２…行列生成部
２５１…Ｗｅｂ情報データベース
２５２…広告データベース
２５３…ユーザデータベース
２５５…インプレッションログ記憶部
２５６…クリックログ記憶部
231 ...
Claims (4)
ユーザ又はコンテンツを、その属性に基づいてクラスタリング処理を行い、クラスタ間に親子関係を有する階層的構成であり、上位のクラスタは下位のクラスタ内の要素を含むように第１のクラスタ群を形成する第１のクラスタリング手段と、
前記第１のクラスタリング手段によって形成された各クラスタ内の要素のインプレッション数に基づいて、予め定められた条件に合致するクラスタに対して、該クラスタとしての形態を取り除くことによって第２のクラスタ群を形成する第２のクラスタリング手段
を具備することを特徴とするクラスタ形成装置。 A cluster forming apparatus that forms a cluster of a user and content in order to generate a matrix indicating a relationship between the user and the content in determining content suitable for the user,
A user or content is clustered based on its attributes and has a hierarchical structure having a parent-child relationship between clusters, and a first cluster group is formed so that the upper cluster includes elements in the lower cluster. First clustering means;
Based on the number of impressions of the elements in each cluster formed by the first clustering means, a second cluster group is obtained by removing the form as the cluster for a cluster that matches a predetermined condition. A cluster forming apparatus comprising second clustering means for forming.
ことを特徴とする請求項１に記載のクラスタ形成装置。 The second clustering means adopts the cluster as the cluster of the second cluster group when the number of impressions of the elements in the cluster of the first cluster group exceeds a threshold as a predetermined condition. When the number of impressions of elements in the cluster of the first cluster group does not exceed the threshold, the form as the cluster is removed and the second cluster group is formed. The cluster forming apparatus described.
第１のクラスタリング手段が、ユーザ又はコンテンツを、その属性に基づいてクラスタリング処理を行い、クラスタ間に親子関係を有する階層的構成であり、上位のクラスタは下位のクラスタ内の要素を含むように第１のクラスタ群を形成し、
第２のクラスタリング手段が、前記第１のクラスタリング手段によって形成された各クラスタ内の要素のインプレッション数に基づいて、予め定められた条件に合致するクラスタに対して、該クラスタとしての形態を取り除くことによって第２のクラスタ群を形成する
ことを特徴とするクラスタ形成方法。 In determining content suitable for a user, a cluster forming method performed by a cluster forming apparatus that forms a cluster of the user and the content in order to generate a matrix indicating the relationship between the user and the content,
The first clustering means performs a clustering process on the user or content based on the attribute thereof, has a hierarchical configuration having a parent-child relationship between the clusters, and the upper cluster includes elements in the lower cluster. Forming one cluster group,
The second clustering means removes the form as the cluster from the cluster that matches a predetermined condition based on the number of impressions of the elements in each cluster formed by the first clustering means. A second cluster group is formed by the cluster forming method.
コンピュータを、
ユーザ又はコンテンツを、その属性に基づいてクラスタリング処理を行い、クラスタ間に親子関係を有する階層的構成であり、上位のクラスタは下位のクラスタ内の要素を含むように第１のクラスタ群を形成する第１のクラスタリング手段と、
前記第１のクラスタリング手段によって形成された各クラスタ内の要素のインプレッション数に基づいて、予め定められた条件に合致するクラスタに対して、該クラスタとしての形態を取り除くことによって第２のクラスタ群を形成する第２のクラスタリング手段
として機能させるためのクラスタ形成プログラム。 In determining content suitable for a user, a cluster formation program for forming a cluster of users and content in order to generate a matrix indicating the relationship between the user and the content,
Computer
A user or content is clustered based on its attributes and has a hierarchical structure having a parent-child relationship between clusters, and a first cluster group is formed so that the upper cluster includes elements in the lower cluster. First clustering means;
Based on the number of impressions of the elements in each cluster formed by the first clustering means, a second cluster group is obtained by removing the form as the cluster for a cluster that matches a predetermined condition. A cluster formation program for functioning as second clustering means to be formed.
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2013054654A JP5787924B2 (en) | 2013-03-18 | 2013-03-18 | Cluster forming apparatus, cluster forming method, and cluster forming program |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2013054654A JP5787924B2 (en) | 2013-03-18 | 2013-03-18 | Cluster forming apparatus, cluster forming method, and cluster forming program |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JP2014182421A true JP2014182421A (en) | 2014-09-29 |
| JP5787924B2 JP5787924B2 (en) | 2015-09-30 |
Family
ID=51701118
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP2013054654A Active JP5787924B2 (en) | 2013-03-18 | 2013-03-18 | Cluster forming apparatus, cluster forming method, and cluster forming program |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JP5787924B2 (en) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2017102862A (en) * | 2015-12-04 | 2017-06-08 | ヤフー株式会社 | Determination device, determination method, and determination program |
| JP2019046302A (en) * | 2017-09-05 | 2019-03-22 | 株式会社電通 | User measure system |
| JP2020119220A (en) * | 2019-01-23 | 2020-08-06 | Ｌｉｎｅ株式会社 | Information processing method, program, terminal, server, and information processing device |
Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2003303209A (en) * | 2002-04-11 | 2003-10-24 | Interlogics Inc | Information providing system, server, program and recording medium |
| JP2012178128A (en) * | 2011-02-28 | 2012-09-13 | Rakuten Inc | Advertisement management device, advertisement selection device, advertisement management method, advertisement management program, and recording medium having the advertisement management program recorded thereon |
-
2013
- 2013-03-18 JP JP2013054654A patent/JP5787924B2/en active Active
Patent Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2003303209A (en) * | 2002-04-11 | 2003-10-24 | Interlogics Inc | Information providing system, server, program and recording medium |
| JP2012178128A (en) * | 2011-02-28 | 2012-09-13 | Rakuten Inc | Advertisement management device, advertisement selection device, advertisement management method, advertisement management program, and recording medium having the advertisement management program recorded thereon |
Non-Patent Citations (2)
| Title |
|---|
| CSNJ200910110043; 櫻庭 敦之、成田 龍太、全 員嬉、徳山 豪: 'ジャストインタイムウェブ広告におけるタクソノミ自動生成手法' ＦＩＴ２００９ 第８回情報科学技術フォーラム 講演論文集 第２分冊 , 20090820, ｐｐ．１８５-１８６, 社団法人 情報処理学会 * |
| JPN6014038995; 櫻庭 敦之、成田 龍太、全 員嬉、徳山 豪: 'ジャストインタイムウェブ広告におけるタクソノミ自動生成手法' ＦＩＴ２００９ 第８回情報科学技術フォーラム 講演論文集 第２分冊 , 20090820, ｐｐ．１８５-１８６, 社団法人 情報処理学会 * |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2017102862A (en) * | 2015-12-04 | 2017-06-08 | ヤフー株式会社 | Determination device, determination method, and determination program |
| JP2019046302A (en) * | 2017-09-05 | 2019-03-22 | 株式会社電通 | User measure system |
| JP2020119220A (en) * | 2019-01-23 | 2020-08-06 | Ｌｉｎｅ株式会社 | Information processing method, program, terminal, server, and information processing device |
Also Published As
| Publication number | Publication date |
|---|---|
| JP5787924B2 (en) | 2015-09-30 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US9990422B2 (en) | Contextual analysis engine | |
| US9798820B1 (en) | Classification of keywords | |
| JP5438087B2 (en) | Advertisement distribution device | |
| US20110119267A1 (en) | Method and system for processing web activity data | |
| TW201417019A (en) | Search result ranking method and device | |
| TW201118620A (en) | Systems and methods for providing advanced search result page content | |
| US20150026105A1 (en) | Systems and method for determining influence of entities with respect to contexts | |
| US20110246462A1 (en) | Method and System for Prompting Changes of Electronic Document Content | |
| US20130198240A1 (en) | Social Network Analysis | |
| CN114238573B (en) | Text countercheck sample-based information pushing method and device | |
| JP2020035068A (en) | Device, method, and program for processing information | |
| JP2018169986A (en) | Enterprise information providing system and program | |
| KR100954842B1 (en) | Method and System of classifying web page using category tag information and Recording medium using by the same | |
| TW201719569A (en) | Identifying social business characteristic user | |
| US9020962B2 (en) | Interest expansion using a taxonomy | |
| CN110674178B (en) | Method and system for constructing user portrait tag | |
| JP5787924B2 (en) | Cluster forming apparatus, cluster forming method, and cluster forming program | |
| JP5284064B2 (en) | Product ID server device and method for controlling product ID server device | |
| JP7065718B2 (en) | Judgment support device and judgment support method | |
| Spitz et al. | Topexnet: entity-centric network topic exploration in news streams | |
| JP4728063B2 (en) | Interest information generating apparatus, interest information generating method, and interest information generating program | |
| JP2004240887A (en) | Retrieval information display system, retrieval keyword information display method and retrieval keyword information display program | |
| Gao et al. | Service recommendation from the evolution of composition patterns | |
| JP4745993B2 (en) | Consciousness system construction device and consciousness system construction program | |
| KR102081553B1 (en) | Big Data-Based Monitoring System of Promotional Content for Cultural Media |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20140916 |
|
| A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20141113 |
|
| A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20150331 |
|
| A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20150421 |
|
| TRDD | Decision of grant or rejection written | ||
| A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20150714 |
|
| A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20150728 |
|
| R150 | Certificate of patent or registration of utility model |
Ref document number: 5787924 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
| S531 | Written request for registration of change of domicile |
Free format text: JAPANESE INTERMEDIATE CODE: R313531 |
|
| R350 | Written notification of registration of transfer |
Free format text: JAPANESE INTERMEDIATE CODE: R350 |
|
| R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
| R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
| S533 | Written request for registration of change of name |
Free format text: JAPANESE INTERMEDIATE CODE: R313533 |
|
| R350 | Written notification of registration of transfer |
Free format text: JAPANESE INTERMEDIATE CODE: R350 |
|
| S111 | Request for change of ownership or part of ownership |
Free format text: JAPANESE INTERMEDIATE CODE: R313111 |
|
| R350 | Written notification of registration of transfer |
Free format text: JAPANESE INTERMEDIATE CODE: R350 |
|
| R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
| R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
| R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
| R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
| S111 | Request for change of ownership or part of ownership |
Free format text: JAPANESE INTERMEDIATE CODE: R313111 |
|
| R350 | Written notification of registration of transfer |
Free format text: JAPANESE INTERMEDIATE CODE: R350 |
|
| R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |