JP2022135055A - 情報処理装置、情報処理方法および情報処理プログラム - Google Patents

Abstract

【課題】クエリ間の関係性を適切に推定することができる情報処理装置、情報処理方法および情報処理プログラムを提供する。
【解決手段】本願に係る情報処理装置は、取得部と、抽出部と、推定部とを備える。取得部は、ユーザによって入力された第１クエリによる検索要求に基づいて第１クエリとは異なる第２クエリを用いた検索結果が提供された場合のユーザの検索行動に関する履歴情報を取得する。抽出部は、取得部によって取得された履歴情報に基づいて検索行動に際してのコンテキストを含む検索行動の特徴情報を抽出する。推定部は、抽出部によって抽出された特徴情報の変化に基づいて、第１クエリと第２クエリとの間の関係性を推定する。
【選択図】図５

Description

本発明は、情報処理装置、情報処理方法および情報処理プログラムに関する。

従来、ユーザが入力した文字列を検索クエリ（以下、単に「クエリ」と呼ぶ）として、様々な情報の検索サービスを行うための技術が提供されている。そのような検索サービスにおいては、ユーザが入力したクエリに誤記が含まれる場合等において、その誤記を変換した上で検索を行い、検索結果をユーザに提供する技術が提供されている（例えば、特許文献１参照）。

特許第６５２９４５６号公報

しかしながら、上記の従来技術を用いた場合、入力されたクエリと実際の検索に用いるべきクエリの間の関係性を判断することが難しい。例えば、従来技術では、第１文字列とその第１文字列の誤記として入力され得る第２文字列とを対応付けた辞書を用いて、第２文字列が入力された場合に、第２文字列を第１文字列へと変換しているに過ぎない。

このため、従来技術では、ユーザが入力した第２文字列をそのままクエリとしたい場合には、ユーザは望む検索結果を得られないおそれがある。したがって、クエリ間の関係性を適切に推定することが望まれている。

本願は、上記に鑑みてなされたものであって、クエリ間の関係性を適切に推定することができる情報処理装置、情報処理方法および情報処理プログラムを提供することを目的とする。

本願に係る情報処理装置は、取得部と、抽出部と、推定部とを備える。前記取得部は、ユーザによって入力された第１クエリによる検索要求に基づいて前記第１クエリとは異なる第２クエリを用いた検索結果が提供された場合の前記ユーザの検索行動に関する履歴情報を取得する。前記抽出部は、前記取得部によって取得された前記履歴情報に基づいて前記検索行動に際してのコンテキストを含む前記検索行動の特徴情報を抽出する。前記推定部は、前記抽出部によって抽出された前記特徴情報の変化に基づいて、前記第１クエリと前記第２クエリとの間の関係性を推定する。

実施形態の一態様によれば、クエリ間の関係性を適切に推定することができるという効果を奏する。

図１は、実施形態に係る情報処理の一例を示す図である。 図２は、実施形態に係る情報処理の処理説明図（その１）である。 図３は、実施形態に係る情報処理の処理説明図（その２）である。 図４は、実施形態に係る情報処理システムの構成例を示す図である。 図５は、実施形態に係る情報処理装置の構成例を示すブロック図である。 図６は、実施形態に係る推定処理の処理説明図（その１）である。 図７は、実施形態に係る推定処理の処理説明図（その２）である。 図８は、実施形態に係る推定処理の処理説明図（その３）である。 図９は、実施形態に係る情報処理装置が実行する処理手順を示すフローチャートである。 図１０は、実施形態に係る情報処理装置の機能を実現するコンピュータの一例を示すハードウェア構成図である。

以下に、本願に係る情報処理装置、情報処理方法および情報処理プログラムを実施するための形態（以下、「実施形態」と呼ぶ）について図面を参照しつつ詳細に説明する。なお、この実施形態により本願に係る情報処理装置、情報処理方法および情報処理プログラムが限定されるものではない。また、各実施形態は、処理内容を矛盾させない範囲で適宜組み合わせることが可能である。また、以下の各実施形態において同一の部位には同一の符号を付し、重複する説明は省略される。

〔１．情報処理の一例〕
まず、実施形態に係る情報処理の一例について、図１～図３を用いて説明する。図１は、実施形態に係る情報処理の一例を示す図である。また、図２は、実施形態に係る情報処理の処理説明図（その１）である。また、図３は、実施形態に係る情報処理の処理説明図（その３）である。

図１～図３では、実施形態に係る情報処理システム１に含まれる情報処理装置１００が、ユーザＵによって入力された第１クエリによる検索要求に基づいて第１クエリとは異なる第２クエリを用いた検索結果が提供された場合のユーザＵの検索行動に関する履歴情報を取得し、取得された履歴情報に基づいて検索行動に際してのコンテキストを含む検索行動の特徴情報を抽出し、抽出された特徴情報の変化に基づいて、第１クエリと第２クエリとの間の関係性を推定する処理を実行する例を示す。

図１に示すように、実施形態に係る情報処理システム１は、ユーザ端末１０と、情報処理装置１００とを含む。

ユーザ端末１０は、ユーザＵすなわちユーザＵ１，Ｕ２…がそれぞれ利用する端末装置であるユーザ端末１０－１，１０－２…である。ユーザＵは、ユーザ端末１０から図示略のネットワークを介し、情報処理装置１００へアクセスすることで、情報処理装置１００が提供するサービスの一つである検索サービスを利用する。なお、以下では、「ユーザＵ」は、適宜「ユーザ端末１０」と読み替えることができる。

情報処理装置１００は、各種サービスをユーザＵへ提供するサーバ装置である。情報処理装置１００が提供するサービスは、例えば、ユーザ端末１０にインストールされた各種アプリやブラウザを介して各種情報を提供するサービスである。提供されるサービスには、検索サービスの他、例えば、ニュース提供サービスや、オークションサービス、天気予報サービス、ショッピングサービス、金融取引（株取引等）サービス、路線検索サービス、地図提供サービス、旅行サービス、飲食店紹介サービス、ブログサービス等が含まれてもよい。

ユーザＵは、検索サービスを利用する場合、情報処理装置１００へアクセス後、ユーザ端末１０から検索キーワードとなる文字列であるクエリを入力する。以下、ユーザＵが入力するクエリを「第１クエリ」と呼ぶ。そして、ユーザＵは、第１クエリによる検索要求を情報処理装置１００へ送信する（ステップＳ１）。

ここで、第１クエリには誤記が含まれる場合がある。情報処理装置１００は、例えば誤記として入力され得る第１クエリと、第１クエリに対し正しいと想定される文字列である第２クエリとを対応付けた辞書情報を有しており、これを用いて第１クエリが入力された場合に、第１クエリを第２クエリへ変換して第２クエリを用いた情報の検索を行う。

そして、情報処理装置１００は、かかる第２クエリを用いた検索結果をユーザＵへ送信する（ステップＳ２）。ユーザＵは、これに応じ、閲覧したい検索結果のうちの一つを選択する（ステップＳ３）。

ステップＳ１～Ｓ３までの流れを分かりやすく図２に示した。図２に示すのは、ユーザ端末１０に表示された検索結果一覧画面の一部の例である。図２では、ユーザＵが第１クエリ「ＸＸＸＸ」を入力し、検索を実行したところ、「ＸＸＸＸ」は「ＹＹＹＹ」の誤記候補に含まれており、情報処理装置１００は、これに応じて「ＹＹＹＹ」を第２クエリとして用いた検索結果を提供した例を示している。

なお、同図に示すように、第１クエリ「ＸＸＸＸ」による検索結果も下方に表示されており、ユーザＵがかかる第１クエリによる検索結果を望んでいるのであれば、これを選択することはできる。ただし、下方に表示されるなど、第２クエリによる検索結果よりも低い優先度で取り扱われる都合上、ユーザＵがこれを選択するまでには、第２クエリによる検索結果を選択するよりも時間がかかることとなる。

図１の説明に戻る。情報処理装置１００は、これらステップＳ１～Ｓ３のユーザＵの検索行動を含むユーザＵの行動に関する履歴情報をユーザ端末１０から随時収集し、蓄積する。

履歴情報には、例えば、ユーザＵが入力した第１クエリによる検索が要求された時点から、ユーザＵに第１クエリとは異なる第２クエリを用いた検索結果を提供し、ユーザＵによりその検索結果が選択された時点までの経過時間が含まれる。また、履歴情報には、例えば、ユーザＵの行動から推定されるコンテキストが含まれる。

コンテキストは、検索行動を含む各種の行動をユーザＵが取るに際してのユーザＵの状況や、ユーザＵの環境等を示す情報である。具体的には、コンテキストには、ユーザＵのジオグラフィック属性（検索行動をとった際の位置等）や、デモグラフィック属性（年齢や、性別、収入、職業等）、サイコグラフィック属性（価値観や、ライフスタイル、性格、好み等）等が含まれる。

そして、情報処理装置１００は随時、履歴情報に基づいてユーザＵの検索行動に関する特徴情報を抽出する（ステップＳ４）。特徴情報は、前述した選択までの経過時間に関する特徴や、検索行動に際してのコンテキストに関する特徴を含む。

これら特徴は、例えば統計的な特徴である。情報処理装置１００は、例えば前述の経過時間の標準偏差を抽出する。例えば、図１には、情報処理装置１００が、経過時間の中央値μに対する標準偏差σを抽出した例を示している。また、情報処理装置１００は、例えば前述のコンテキストの分布を抽出する。

そして、情報処理装置１００は、抽出された時系列上の特徴情報の変化に基づいて、クエリ間、すなわち第１クエリと第２クエリとの間の関係性を推定する（ステップＳ５）。

具体的には、図３に示すように、情報処理装置１００は、例えば経過時間のばらつき度合いが小さい間は、第１クエリと第２クエリとの関係性が高いと推定する。すなわち、情報処理装置１００は、第１クエリが第２クエリの誤記であると推定する。

また、情報処理装置１００は、例えば経過時間のばらつき度合いが大きくなると、第１クエリと第２クエリとの関係性が低いと推定する。すなわち、情報処理装置１００は、第１クエリが第２クエリの誤記でなく、新規のワードであると推定する。これにより、情報処理装置１００は、例えば前述の第２クエリの誤記候補から第１クエリを除外することができる。

また、情報処理装置１００は、例えばコンテキストの分布のばらつき度合いが小さい間は、第１クエリと第２クエリとの関係性が高いと推定する。すなわち、情報処理装置１００は、この場合、ユーザＵの検索行動の際のコンテキストが例えば一様であり、これまでの既知の用法により、第１クエリが用いられていると推定する。したがって、第１クエリが第２クエリの誤記である場合を含む。

また、情報処理装置１００は、例えばコンテキストの分布のばらつき度合いが大きくなると、第１クエリと第２クエリとの関係性が低いと推定する。すなわち、情報処理装置１００は、既知の用法とは異なる新規の用法で用いられていると推定する。したがって、第１クエリが第２クエリの誤記でなく、新規のワードとして入力される場合を含む。

このように、新規の用法で用いられていることを推定できる、言い換えれば、特定の文字列に新たな特徴が表出してくるのを検出できることによって、ターゲティング等の各種分析や、いわゆる「バズる」といった事象発生の検出等に活用することができる。

上述したように、実施形態に係る情報処理方法では、ユーザＵによって入力された第１クエリによる検索要求に基づいて第１クエリとは異なる第２クエリを用いた検索結果が提供された場合のユーザＵの検索行動に関する履歴情報を取得し、取得された履歴情報に基づいて検索行動に際してのコンテキストを含む検索行動の特徴情報を抽出し、抽出された特徴情報の変化に基づいて、第１クエリと第２クエリとの間の関係性を推定する。

したがって、実施形態に係る情報処理方法によれば、クエリ間の関係性を適切に推定することができる。

以下、上記のような情報処理を行う情報処理装置１００、および、かかる情報処理装置１００を含む情報処理システム１について詳細に説明する。

〔２．情報処理システム１の構成〕
次に、図４を用いて、実施形態に係る情報処理システム１の構成について説明する。図４は、実施形態に係る情報処理システム１の構成例を示す図である。図４に例示するように、実施形態に係る情報処理システム１は、複数のユーザ端末１０－１～１０－ｎと、情報処理装置１００と、を含む。

これらの各種装置は、ネットワークＮを介して、有線または無線により通信可能に接続される。ネットワークＮは、ＬＡＮ（Local Area Network）、ＷＡＮ（Wide Area Network）、電話網（携帯電話網、固定電話網等）、地域ＩＰ（Internet Protocol）網、インターネット等の通信ネットワークである。ネットワークＮには、有線ネットワークが含まれていてもよいし、無線ネットワークが含まれていてもよい。

ユーザ端末１０は、上記したように、ユーザＵによって利用される端末装置である。ユーザ端末１０は、例えば、スマートフォンを含む携帯電話機や、タブレット端末や、デスクトップ型ＰＣや、ノート型ＰＣや、ＰＤＡ（Personal Digital Assistant）等の情報処理装置である。また、ユーザ端末１０には、眼鏡型や時計型の情報処理装置であるウェアラブルデバイス（wearable device）も含まれる。

ユーザ端末１０は、ユーザＵによる操作や、ユーザ端末１０が有する機能（例えば、検索サービスを利用するためのアプリを実行する機能や、ブラウザ機能等）に応じて各種情報を取得し、取得した情報に応じた情報を生成して送信する。例えば、ユーザ端末１０は、ネットワークＮを介して、情報処理装置１００が提供する検索サービスのサイトへアクセスする。そして、ユーザＵが例えば検索したい検索キーワードであるクエリを指定することによって、ユーザ端末１０は、情報処理装置１００に対してクエリを送信する。

情報処理装置１００は、ユーザ端末１０に対し、検索サービスを提供するサービス提供サーバとして機能するサーバ装置である。また、情報処理装置１００は、検索サービスの履歴情報に基づいてユーザＵの検索行動の特徴情報を抽出するとともに、抽出された特徴情報の変化に基づいてクエリ間の関係性を推定する。

なお、図４では、１つの情報処理装置１００が、検索サービスの提供、特徴情報の抽出、クエリ間の関係性の推定の各機能を兼ね備える場合を示したが、例えば、複数の情報処理装置１００が、これらの各機能を分担して行ってもよい。

〔３．情報処理装置１００〕
次に、図５を用いて、情報処理装置１００の構成例について説明する。図５は、実施形態に係る情報処理装置１００の構成例を示すブロック図である。なお、図５では、情報処理装置１００の説明に必要となる構成要素のみを示しており、一般的な構成要素についての記載を省略している。

図５に示すように、情報処理装置１００は、通信部１１０と、記憶部１２０と、制御部１３０とを有する。なお、情報処理装置１００は、情報処理装置１００を利用する管理者等から各種操作を受け付ける入力部（例えば、キーボードやマウス等）や、各種情報を表示するための表示部（例えば、液晶ディスプレイ等）を有してもよい。

（通信部１１０について）
通信部１１０は、例えば、ＮＩＣ（Network Interface Card）等によって実現される。通信部１１０は、ネットワークＮと有線または無線で接続され、ネットワークＮを介して、ユーザ端末１０との間で情報の送受信を行う。

（記憶部１２０について）
記憶部１２０は、例えば、ＲＡＭ（Random Access Memory）、フラッシュメモリ（Flash Memory）等の半導体メモリ素子、または、ハードディスク、光ディスク等の記憶装置によって実現され、図５の例では、記憶部１２０は、履歴情報記憶部１２１と、特徴情報記憶部１２２と、推定情報記憶部１２３とを有する。

（履歴情報記憶部１２１）
履歴情報記憶部１２１は、後述する取得部１３１によって取得されるユーザＵの検索行動の履歴に関する各種情報、すなわち上述した履歴情報を記憶する。したがって、履歴情報記憶部１２１は、例えば、ユーザＵが入力した第１クエリによる検索が要求された第１時点から、ユーザＵに第１クエリとは異なる第２クエリを用いた検索結果を提供し、ユーザＵによりその検索結果が選択された第２時点までの経過時間を記憶する。また、履歴情報記憶部１２１は、例えば、ユーザＵの検索行動から推定されるコンテキストを記憶する。

（特徴情報記憶部１２２）
特徴情報記憶部１２２は、後述する抽出部１３２によって抽出されるユーザＵの検索行動に関する特徴情報を記憶する。特徴情報は、上述したように、前述の経過時間に関する統計的な特徴や、コンテキストに関する統計的な特徴を含む。

（推定情報記憶部１２３）
推定情報記憶部１２３は、後述する推定部１３３によって推定された推定結果に関する情報を記憶する。例えば、推定情報記憶部１２３は、新たなワードとして推定した新単語を記憶する。また、例えば、推定情報記憶部１２３は、推定した新たな用法を単語（新単語を含む）に対応付けて記憶する。

（制御部１３０について）
制御部１３０は、コントローラ（controller）であり、例えば、ＣＰＵ（Central Processing Unit）やＭＰＵ（Micro Processing Unit）等によって、情報処理装置１００内部の記憶装置に記憶されている各種プログラム（情報処理プログラムの一例に相当）がＲＡＭを作業領域として実行されることにより実現される。また、制御部１３０は、例えば、コントローラであり、ＡＳＩＣ（Application Specific Integrated Circuit）やＦＰＧＡ（Field Programmable Gate Array）等の集積回路により実現される。

図５に示すように、制御部１３０は、取得部１３１と、抽出部１３２と、推定部１３３と、処理部１３４と、提供部１３５とを有し、以下に説明する情報処理の機能や作用を実現または実行する。なお、制御部１３０の内部構成は、図５に示した構成に限られず、後述する情報処理を行うことができる構成であれば他の構成であってもよい。また、制御部１３０が有する各処理部の接続関係は、図５に示した接続関係に限られず、他の接続関係であってもよい。

制御部１３０は、ユーザＵによって入力された第１クエリによる検索要求に基づいて第１クエリとは異なる第２クエリを用いた検索結果が提供された場合のユーザＵの検索行動に関する履歴情報を取得し、取得された履歴情報に基づいて検索行動に際してのコンテキストを含む検索行動の特徴情報を抽出し、抽出された特徴情報の変化に基づいて、第１クエリと第２クエリとの間の関係性を推定する。

（取得部１３１について）
取得部１３１は、ユーザＵによって入力された第１クエリによる検索要求に基づいて第１クエリとは異なる第２クエリを用いた検索結果が提供された場合のユーザＵの検索行動に関する履歴情報を取得する。

具体的には、取得部１３１は、通信部１１０を介して、ユーザＵによって入力された第１クエリによる検索要求を取得する。また、取得部１３１は、通信部１１０を介して、ユーザＵによって選択された検索結果を取得する。また、取得部１３１は、通信部１１０を介して履歴情報を取得し、履歴情報記憶部１２１へ記憶させる。

（抽出部１３２について）
抽出部１３２は、履歴情報記憶部１２１へ記憶された履歴情報に基づいて、ユーザＵの検索行動に際してのコンテキストを含む検索行動の特徴情報を抽出する。

抽出部１３２は、例えば前述の経過時間の標準偏差を抽出する。また、抽出部１３２は、例えば前述のコンテキストの分布を抽出する。コンテキストの分布については、図６～図８を用いた説明で後述する。また、抽出部１３２は、抽出された特徴情報を特徴情報記憶部１２２へ記憶させる。

（推定部１３３について）
推定部１３３は、特徴情報記憶部１２２へ記憶された特徴情報の変化に基づいて、第１クエリと第２クエリとの間の関係性を推定する。また、推定部１３３は、推定された推定結果に関する情報を推定情報記憶部１２３へ記憶させる。

ここで、推定部１３３が実行する推定処理について、より具体的に説明する。図６は、実施形態に係る推定処理の処理説明図（その１）である。また、図７は、実施形態に係る推定処理の処理説明図（その２）である。また、図８は、実施形態に係る推定処理の処理説明図（その３）である。

なお、図６～図８を用いた説明では、上述したコンテキストの分布に基づいてクエリ間の関係性を推定する場合について説明する。

図６に示すように、例えば既知のメディア作品に関する既知のワード「鬼滅の巨人」があり、これに対する第１クエリとして「撲滅の巨人」があるものとする。当初、「撲滅の巨人」は、「鬼滅の巨人」の誤記候補であるものとする。

かかる場合に、第１クエリ「撲滅の巨人」が入力されたユーザＵの検索行動から推定されるコンテキスト群が、図７に示すように、時点Ｔ１においては、年齢「１０代」、性別「男性および女性」、職業「学生」、検索時間帯「「鬼滅の巨人」の放送時間帯」、位置情報「全国各地」等であったとする。

一方、同図に示すように、時点Ｔ１より後の時点Ｔ２においては、年齢「２０代以上」、性別「男性および女性」、職業「社会人」、検索時間帯「Ｂ県警の「事故撲滅の巨人」キャンペーンＣＭ放送後」、位置情報「Ｂ県」等であったとする。なお、時点Ｔ１から時点Ｔ２の間は通常、ある程度の日数が空く場合が多い。

推定部１３３は、これら時点Ｔ１，Ｔ２のそれぞれにおけるコンテキストの分布を比較することによって、クエリ間の関係性を推定する。なお、同図に示すようにコンテキストの内容およびその変化は多様であり、言い換えればコンテキストは多次元の特徴を有すると言える。

そこで、推定部１３３は、例えば機械学習のアルゴリズムを用いた時点Ｔ１，Ｔ２それぞれにおけるコンテキストの分布を算出する。

具体的には、図８に示すように、例えば推定部１３３は、ＵＭＡＰ（Uniform Manifold Approximation and Projection）を用いた次元削減により、コンテキストの分布を算出する。ＵＭＡＰは、機械学習による非線形次元圧縮手法であり、リーマン幾何学と代数トポロジーに基づき、高次元空間のデータ構造を保ち、トポロジー間のクロス・エントロピーを最小にしながら低次元のデータに変換する。

すなわち、推定部１３３は、かかるＵＭＡＰを用いて、時点Ｔ１，Ｔ２それぞれにおける検索行動のコンテキストの高次元空間における特徴量を、次元削減による低次元表現へ変換する。同図では、推定部１３３が、コンテキストの高次元空間における特徴量を三次元の低次元空間へ変換して埋め込んだ例を示している。図中の丸印の一つ一つは、それぞれユーザＵの検索行動の一つ一つに対応する。

ここで、同図に示すように、例えばコンテキストの分布が、時点Ｔ１においてはある領域Ｒ１にまとまっていたが、時点Ｔ２においては、領域Ｒ１については減少したものの、領域Ｒ１とは明らかに異なる領域Ｒ２へ新たにまとまって見られるようになったとする。

かかる場合、推定部１３３は、同図に示す三次元の特徴量空間においてコンテキストの分布のばらつき度合いが大きくなったと判定できるので、第１クエリと第２クエリとの関係性が低いと推定する。すなわち、推定部１３３は、時点Ｔ２における第１クエリ「撲滅巨人」は、既知の用法とは異なる新規の用法で用いられていると推定する。なお、コンテキストの分布のばらつき度合いが大きいか否かは、例えば上述の三次元空間におけるコンテキストの分布の時点Ｔ１から時点Ｔ２にかけての変化量が、所定の閾値以上である否かによって判定することができる。

また、図８を用いた説明では、次元削減のアルゴリズムとしてＵＭＡＰを用いる例を挙げたが、用いるアルゴリズムを限定するものではない。例えば他のアルゴリズムとして、主成分分析や、ｔ分布型確率的近傍埋め込み法（ｔ－ＳＮＥ：t-distributed Stochastic Neighbor Embedding）等を用いてもよい。

（処理部１３４について）
図５の説明に戻る。処理部１３４は、各種の処理を実行する。処理部１３４は、ユーザＵが入力した第１クエリに基づく検索処理を実行する。処理部１３４は、ユーザＵが入力した第１クエリを用いて検索処理を実行する。また、処理部１３４は、ユーザＵへ提供するコンテンツを含む各種情報を生成する。

また、処理部１３４は、ユーザＵが入力した第１クエリとは異なる第２クエリを用いて検索処理を実行する。処理部１３４は、ユーザＵが入力した第１クエリが前述の誤記候補に含まれる場合、第１クエリを、その第１クエリに対応付けられた第２クエリへ変換する。そして、処理部１３４は、変換後の第２クエリを用いて検索処理を実行する。

（提供部１３５について）
提供部１３５は、通信部１１０を介して、ユーザ端末１０へ各種情報を送信する。提供部１３５は、ユーザＵへ検索サービスを提供する。例えば、提供部１３５は、処理部１３４による検索処理の結果である検索結果をユーザ端末１０へ送信する。また、提供部１３５は、処理部１３４により生成された各種情報をユーザ端末１０へ送信する。また、提供部１３５は、推定部１３３によって推定された推定結果を情報処理装置１００のオペレータ等へ提供する。

〔４．情報処理装置１００の処理手順〕
次に、実施形態に係る情報処理装置１００が実行する処理手順について説明する。図９は、実施形態に係る情報処理装置１００が実行する処理手順を示すフローチャートである。

図９に示すように、まず取得部１３１が、ユーザＵによって入力された第１クエリによる検索要求に基づいて第１クエリとは異なる第２クエリを用いた検索結果が提供された場合のユーザＵの検索行動に関する履歴情報を取得する（ステップＳ１０１）。

そして、抽出部１３２が、取得された履歴情報に基づいて検索行動に際してのコンテキストを含む検索行動の特徴情報を抽出する（ステップＳ１０２）。

そして、推定部１３３が、抽出された特徴情報の変化に基づいて、第１クエリと第２クエリとの間の関係性を推定する（ステップＳ１０３）。そして、処理を終了する。

〔５．ハードウェア構成〕
上述してきた実施形態に係る情報処理装置１００やユーザ端末１０は、例えば図１０に示すような構成のコンピュータ１０００によって実現される。以下、情報処理装置１００を例に挙げて説明する。図１０は、実施形態に係る情報処理装置１００の機能を実現するコンピュータの一例を示すハードウェア構成図である。コンピュータ１０００は、ＣＰＵ（Central Processing Unit）１１００、ＲＡＭ（Random Access Memory）１２００、ＲＯＭ（Read Only Memory）１３００、ＨＤＤ（Hard Disk Drive）１４００、通信インターフェイス（Ｉ／Ｆ）１５００、入出力インターフェイス（Ｉ／Ｆ）１６００、およびメディアインターフェイス（Ｉ／Ｆ）１７００を備える。

ＣＰＵ１１００は、ＲＯＭ１３００またはＨＤＤ１４００に格納されたプログラムに基づいて動作し、各部の制御を行う。ＲＯＭ１３００は、コンピュータ１０００の起動時にＣＰＵ１１００によって実行されるブートプログラムや、コンピュータ１０００のハードウェアに依存するプログラム等を格納する。

ＨＤＤ１４００は、ＣＰＵ１１００によって実行されるプログラムおよび当該プログラムによって使用されるデータ等を格納する。通信インターフェイス１５００は、通信網５００（図４に示したネットワークＮに対応）を介して他の機器からデータを受信してＣＰＵ１１００へ送り、ＣＰＵ１１００が生成したデータを、通信網５００を介して他の機器へ送信する。

ＣＰＵ１１００は、入出力インターフェイス１６００を介して、ディスプレイやプリンタ等の出力装置、および、キーボードやマウス等の入力装置を制御する。ＣＰＵ１１００は、入出力インターフェイス１６００を介して、入力装置からデータを取得する。また、ＣＰＵ１１００は、生成したデータを、入出力インターフェイス１６００を介して出力装置へ出力する。

メディアインターフェイス１７００は、記録媒体１８００に格納されたプログラムまたはデータを読み取り、ＲＡＭ１２００を介してＣＰＵ１１００に提供する。ＣＰＵ１１００は、当該プログラムを、メディアインターフェイス１７００を介して記録媒体１８００からＲＡＭ１２００上にロードし、ロードしたプログラムを実行する。記録媒体１８００は、例えばＤＶＤ（Digital Versatile Disc）、ＰＤ（Phase change rewritable Disk）等の光学記録媒体、ＭＯ（Magneto-Optical disk）等の光磁気記録媒体、テープ媒体、磁気記録媒体、または半導体メモリ等である。

例えば、コンピュータ１０００が実施形態に係る情報処理装置１００として機能する場合、コンピュータ１０００のＣＰＵ１１００は、ＲＡＭ１２００上にロードされたプログラムを実行することにより、制御部１３０の各機能を実現する。また、ＨＤＤ１４００には、記憶部１２０内のデータが記憶される。コンピュータ１０００のＣＰＵ１１００は、これらのプログラムを、記録媒体１８００から読み取って実行するが、他の例として、他の装置から、通信網５００を介してこれらのプログラムを取得してもよい。

〔６．その他〕
また、上記実施形態において説明した各処理のうち、自動的に行われるものとして説明した処理の全部または一部を手動的に行うこともでき、あるいは、手動的に行われるものとして説明した処理の全部または一部を公知の方法で自動的に行うこともできる。この他、上記文書中や図面中で示した処理手順、具体的名称、各種のデータやパラメータを含む情報については、特記する場合を除いて任意に変更することができる。例えば、各図に示した各種情報は、図示した情報に限られない。

また、図示した各装置の各構成要素は機能概念的なものであり、必ずしも物理的に図示の如く構成されていることを要しない。すなわち、各装置の分散・統合の具体的形態は図示のものに限られず、その全部または一部を、各種の負荷や使用状況などに応じて、任意の単位で機能的または物理的に分散・統合して構成することができる。

例えば、図５に示した取得部１３１と提供部１３５とは、統合されてもよい。また、例えば、抽出部１３２と推定部１３３とは、統合されてもよい。また、例えば、記憶部１２０に記憶される情報は、ネットワークＮを介して、外部に備えられた所定の記憶装置に記憶されてもよい。

また、上記実施形態では、情報処理装置１００が、例えば、ユーザＵによって入力された第１クエリによる検索要求に基づいて第１クエリとは異なる第２クエリを用いた検索結果が提供された場合のユーザＵの検索行動に関する履歴情報を取得する取得処理と、取得された履歴情報に基づいて検索行動に際してのコンテキストを含む検索行動の特徴情報を抽出する抽出処理と、抽出された特徴情報の変化に基づいて、第１クエリと第２クエリとの間の関係性を推定する推定処理と、を行う例を示した。しかし、上述した情報処理装置１００は、取得処理を行う取得装置と、抽出処理を行う抽出装置と、推定処理を行う推定装置とが分離されてもよい。この場合、取得装置は、少なくとも取得部１３１を有する。抽出装置は、少なくとも抽出部１３２を有する。推定装置は、少なくとも推定部１３３を有する。そして、上記の情報処理装置１００による処理は、取得装置と、抽出装置と、推定装置との各装置を含む情報処理システム１によって実現される。

また、上述してきた実施形態及び変形例は、処理内容を矛盾させない範囲で適宜組み合わせることが可能である。

〔７．効果〕
実施形態に係る情報処理装置１００は、取得部１３１と、抽出部１３２と、推定部１３３とを備える。取得部１３１は、ユーザＵによって入力された第１クエリによる検索要求に基づいて第１クエリとは異なる第２クエリを用いた検索結果が提供された場合のユーザＵの検索行動に関する履歴情報を取得する。抽出部１３２は、取得部１３１によって取得された履歴情報に基づいて上記検索行動に際してのコンテキストを含む上記検索行動の特徴情報を抽出する。推定部１３３は、抽出部１３２によって抽出された特徴情報の変化に基づいて、第１クエリと第２クエリとの間の関係性を推定する。

したがって、実施形態に係る情報処理装置１００によれば、クエリ間の関係性を適切に推定することができる。

また、推定部１３３は、特徴情報に含まれる上記検索行動に関する統計的な特徴の時系列上の変化に基づいて、第１クエリと第２クエリとの間の関係性を推定する。

したがって、実施形態に係る情報処理装置１００によれば、統計的な特徴の時系列上の変化に基づいて、クエリ間の関係性を適切に推定することができる。

また、推定部１３３は、特徴情報に含まれるコンテキストの分布のばらつき度合いに基づいて、第１クエリと第２クエリとの間の関係性を推定する。

したがって、実施形態に係る情報処理装置１００によれば、コンテキストの分布のばらつき度合いに基づいて、クエリ間の関係性を適切に推定することができる。

また、推定部１３３は、時点Ｔ１（「第１時点」の一例に相当）における上記ばらつき度合いと、時点Ｔ１よりも後の時点Ｔ２（「第２時点」の一例に相当）における上記ばらつき度合いとを比較することによって、第１クエリと第２クエリとの間の関係性を推定する。

したがって、実施形態に係る情報処理装置１００によれば、時点Ｔ１における上記ばらつき度合いと、時点Ｔ２における上記ばらつき度合いとの比較により、クエリ間の関係性を適切に推定することができる。

また、推定部１３３は、時点Ｔ１から時点Ｔ２にかけての上記ばらつき度合いの変化量が所定の閾値以上である場合に、第１クエリが既知の用法とは異なる新規の用法で用いられていると推定する。

したがって、実施形態に係る情報処理装置１００によれば、上記ばらつき度合いに基づいて、第１クエリが既知の用法とは異なる新規の用法で用いられていると推定することができる。また、特定の文字列に新たな特徴が表出してくるのを検出できることによって、ターゲティング等の各種分析や、いわゆる「バズる」といった事象発生の検出等に活用することができる。

以上、本願の実施形態を図面に基づいて詳細に説明したが、これは例示であり、発明の開示の欄に記載の態様を始めとして、当業者の知識に基づいて種々の変形、改良を施した他の形態で本発明を実施することが可能である。

また、上述してきた「部（section、module、unit）」は、「手段」や「回路」などに読み替えることができる。例えば、取得部は、取得手段や取得回路に読み替えることができる。

１ 情報処理システム
１０ ユーザ端末
１００ 情報処理装置
１１０ 通信部
１２０ 記憶部
１２１ 履歴情報記憶部
１２２ 特徴情報記憶部
１２３ 推定情報記憶部
１３０ 制御部
１３１ 取得部
１３２ 抽出部
１３３ 推定部
１３４ 処理部
１３５ 提供部

Claims (7)

1. ユーザによって入力された第１クエリによる検索要求に基づいて前記第１クエリとは異なる第２クエリを用いた検索結果が提供された場合の前記ユーザの検索行動に関する履歴情報を取得する取得部と、
   前記取得部によって取得された前記履歴情報に基づいて前記検索行動に際してのコンテキストを含む前記検索行動の特徴情報を抽出する抽出部と、
   前記抽出部によって抽出された前記特徴情報の変化に基づいて、前記第１クエリと前記第２クエリとの間の関係性を推定する推定部と
   を備えることを特徴とする情報処理装置。
2. 前記推定部は、
   前記特徴情報に含まれる前記検索行動に関する統計的な特徴の時系列上の変化に基づいて、前記第１クエリと前記第２クエリとの間の関係性を推定する
   ことを特徴とする請求項１に記載の情報処理装置。
3. 前記推定部は、
   前記特徴情報に含まれる前記コンテキストの分布のばらつき度合いに基づいて、前記第１クエリと前記第２クエリとの間の関係性を推定する
   ことを特徴とする請求項２に記載の情報処理装置。
4. 前記推定部は、
   第１時点における前記ばらつき度合いと、前記第１時点よりも後の第２時点における前記ばらつき度合いとを比較することによって、前記第１クエリと前記第２クエリとの間の関係性を推定する
   ことを特徴とする請求項３に記載の情報処理装置。
5. 前記推定部は、
   前記第１時点から前記第２時点にかけての前記ばらつき度合いの変化量が所定の閾値以上である場合に、前記第１クエリが既知の用法とは異なる新規の用法で用いられていると推定する
   ことを特徴とする請求項４に記載の情報処理装置。
6. コンピュータが実行する情報処理方法であって、
   ユーザによって入力された第１クエリによる検索要求に基づいて前記第１クエリとは異なる第２クエリを用いた検索結果が提供された場合の前記ユーザの検索行動に関する履歴情報を取得する取得工程と、
   前記取得工程において取得された前記履歴情報に基づいて前記検索行動に際してのコンテキストを含む前記検索行動の特徴情報を抽出する抽出工程と、
   前記抽出工程において抽出された前記特徴情報の変化に基づいて、前記第１クエリと前記第２クエリとの間の関係性を推定する推定工程と
   を含むことを特徴とする情報処理方法。
7. ユーザによって入力された第１クエリによる検索要求に基づいて前記第１クエリとは異なる第２クエリを用いた検索結果が提供された場合の前記ユーザの検索行動に関する履歴情報を取得する取得手順と、
   前記取得手順によって取得された前記履歴情報に基づいて前記検索行動に際してのコンテキストを含む前記検索行動の特徴情報を抽出する抽出手順と、
   前記抽出手順によって抽出された前記特徴情報の変化に基づいて、前記第１クエリと前記第２クエリとの間の関係性を推定する推定手順と
   をコンピュータに実行させることを特徴とする情報処理プログラム。

Images