JP2022145213A - Information processor, method for processing information, and information processing program - Google Patents
Information processor, method for processing information, and information processing program Download PDFInfo
- Publication number
- JP2022145213A JP2022145213A JP2021046517A JP2021046517A JP2022145213A JP 2022145213 A JP2022145213 A JP 2022145213A JP 2021046517 A JP2021046517 A JP 2021046517A JP 2021046517 A JP2021046517 A JP 2021046517A JP 2022145213 A JP2022145213 A JP 2022145213A
- Authority
- JP
- Japan
- Prior art keywords
- information processing
- model
- search query
- score
- predetermined
- 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
- 230000010365 information processing Effects 0.000 title claims description 142
- 238000000034 method Methods 0.000 title claims description 22
- 238000012545 processing Methods 0.000 title description 27
- 230000009471 action Effects 0.000 claims abstract description 80
- 230000008859 change Effects 0.000 claims description 38
- 238000003672 processing method Methods 0.000 claims description 7
- 230000006399 behavior Effects 0.000 description 37
- 230000000875 corresponding effect Effects 0.000 description 21
- 238000010586 diagram Methods 0.000 description 16
- 238000004891 communication Methods 0.000 description 11
- 238000012986 modification Methods 0.000 description 10
- 230000004048 modification Effects 0.000 description 10
- 230000008569 process Effects 0.000 description 6
- 230000006870 function Effects 0.000 description 5
- 241001632427 Radiola Species 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 3
- 230000035945 sensitivity Effects 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 2
- 239000004065 semiconductor Substances 0.000 description 2
- 241000699670 Mus sp. Species 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 230000035784 germination Effects 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000012706 support-vector machine Methods 0.000 description 1
- 238000012549 training Methods 0.000 description 1
Images
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
Description
本出願は、情報処理装置、情報処理方法、及び情報処理プログラムに関する。 The present application relates to an information processing device, an information processing method, and an information processing program.
従来、検索クエリごとに、所定の事柄との関係性を推定する技術が知られている。 Conventionally, there is known a technique for estimating a relationship with a predetermined matter for each search query.
しかしながら、従来の技術には、ユーザに対し、より有用な情報を提供する余地が残されている。例えば、従来の技術は、所定の事柄と検索クエリとの関係性を推定しているに過ぎず、関係性の変化に対応していない。 However, conventional techniques still have room to provide more useful information to users. For example, the conventional technology merely estimates the relationship between a predetermined matter and a search query, and does not deal with changes in the relationship.
本願は、上記に鑑みてなされたものであって、より有用な情報を提供できる情報処理装置、情報処理方法、及び情報処理プログラムを提供することを目的とする。 The present application has been made in view of the above, and aims to provide an information processing apparatus, an information processing method, and an information processing program capable of providing more useful information.
本願に係る情報処理装置は、生成部と、出力部とを備える。生成部は、所定の行動に紐づく複数のユーザで構成されるユーザ群の検索履歴に基づいて、検索履歴に含まれる検索クエリごとにユーザ群と所定の行動との関連性を示すスコアを対応付けたモデルを所定の行動ごとに生成し、予め定められるタイミングで更新する。出力部は、生成部によりモデルが更新される度ごとに、検索クエリごとのスコアの変動に基づく情報を出力する。 An information processing apparatus according to the present application includes a generation unit and an output unit. Based on the search history of a user group composed of multiple users associated with a predetermined action, the generator generates a score indicating the relevance between the user group and the predetermined action for each search query included in the search history. The attached model is generated for each predetermined action and updated at a predetermined timing. The output unit outputs information based on the score variation for each search query each time the model is updated by the generation unit.
実施形態の態様の1つによれば、ユーザに対し、より有用な情報を提供できる。 According to one aspect of the embodiment, more useful information can be provided to the user.
以下に、本願に係る情報処理装置、情報処理方法、及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、以下に説明する実施形態により本願に係る情報処理装置、情報処理方法、及び情報処理プログラムが限定されるものではない。また、以下に説明する実施形態は、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、以下に説明する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。 Hereinafter, modes for implementing an information processing apparatus, an information processing method, and an information processing program (hereinafter referred to as "embodiments") according to the present application will be described in detail with reference to the drawings. The information processing apparatus, information processing method, and information processing program according to the present application are not limited to the embodiments described below. Further, the embodiments described below can be appropriately combined within a range that does not contradict the processing contents. Also, in the embodiments described below, the same parts are denoted by the same reference numerals, and overlapping descriptions are omitted.
[1.情報処理の概要]
図1~図3を用いて、実施形態に係る情報処理の一例について説明する。図1~図3は、実施形態に係る情報処理の一例を示す図である。以下の説明において、シードユーザとは、所定の行動に紐づく各ユーザを指す。所定の行動とは、ある検索クエリを用いた検索や、ある施設又はある店舗等への訪問や、ある商品の購入などの行動に該当する。シードユーザは、所定の行動に対する感度が強いユーザ(あるいは、所定の行動に関する情報に敏感なユーザ)であるとも言い換えることができる。例えば、行動AAを実行する頻度が予め定められる閾値を超えるユーザは、行動AAに対する感度が高いシードユーザとみなすことができる。また、シードユーザ群とは、予め抽出したシードユーザで構成するグループである。
[1. Overview of information processing]
An example of information processing according to the embodiment will be described with reference to FIGS. 1 to 3. FIG. 1 to 3 are diagrams showing an example of information processing according to the embodiment. In the following description, a seed user refers to each user associated with a predetermined action. Predetermined actions correspond to actions such as searching using a certain search query, visiting a certain facility or a certain store, and purchasing a certain product. The seed user can also be said to be a user highly sensitive to predetermined behavior (or a user sensitive to information about predetermined behavior). For example, a user whose frequency of performing an action AA exceeds a predetermined threshold can be considered a seed user with high sensitivity to the action AA. Also, the seed user group is a group composed of pre-extracted seed users.
実施形態に係る情報処理装置100は、検索履歴に含まれる検索クエリごとにシードユーザ群(所定の行動に紐づくユーザ群の一例)と所定の行動との関連性を示すスコアを対応付けたモデルを生成する。図1では、行動AA~行動ACに紐づく各シードユーザ群についてモデルを生成する例を示している。
The
まず、行動AAに紐づくシードユーザ群のモデルを生成する場合、情報処理装置100は、行動AAに紐づく複数のシードユーザSUで構成されるシードユーザ群GP11を設定する。また、情報処理装置100は、シードユーザ群GP11の検索履歴を取得する。
First, when generating a model of a seed user group linked to an action AA, the
次に、情報処理装置100は、シードユーザ群GP11の検索履歴に基づいて、検索履歴に含まれる検索クエリごとにシードユーザ群GP11と行動AAとの関連性を示すスコアを対応付けたモデルM11を生成する。具体的には、情報処理装置100は、シードユーザSUが入力した検索クエリごとに、シードユーザSUが入力した回数(もしくは、検索クエリを入力したシードユーザSUの数)を計数し、計数した回数が多い程より高い値のスコアを検索クエリに紐づける。例えば、情報処理装置100は、以下の式(1)により、検索クエリごとにシードユーザ群GP11と行動AAとの関連性を示すスコアを算出できる。なお、以下の式(1)に含まれる検索クエリの種別数は、例えば、文字列の同一性に基づいて決定してもよい。同一性は、文字列が完全同一である場合に限らず、一定の類似度を有する文字列は同一の検索クエリとして計数してもよい。
Next, based on the search history of the seed user group GP 11 , the
各検索クエリのスコア
=全てのシードユーザによる該当の検索クエリの入力回数÷
全てのシードユーザにより入力された該当の検索クエリの種別数・・・(1)
Score for each search query = number of times that search query was entered by all seed users /
Number of relevant search query types entered by all seed users (1)
このようにして、情報処理装置100は、算出したスコアを検索クエリに紐付けることにより、行動AAに紐づくシードユーザ群GP11のモデルM11を生成する。同様にして、情報処理装置100は、行動ABに紐づくシードユーザ群GP22のモデルM22、及び行動ACに紐づくシードユーザ群GP33のモデルM33をそれぞれ生成できる。
In this way, the
情報処理装置100のオペレータは、上述したモデルM11~M33などを参照することにより、広告戦略などにおいて、どのような検索クエリをターゲットとして選択するのがよいかを判断できる。例えば、行動AAについての広告戦略であれば、モデルM11において最も高いスコアが対応付けられている検索クエリ:「Q11」をターゲットとして選択できる可能性があると判断できる。
The operator of the
なお、情報処理装置100は、シードユーザSU以外の複数のユーザで構成される対比ユーザ群をさらに設定し、設定した対比ユーザ群の検索履歴を用いて、前述のモデルを生成してもよい。対比ユーザとは、シードユーザ以外から無作為に抽出されたユーザである。また、対比ユーザ群とは、予め抽出した対比ユーザにより構成されるグループである。
The
例えば、情報処理装置100は、対比ユーザが入力した検索クエリのうち、シードユーザSUが入力しなかった検索クエリを非入力クエリとして特定する。そして、情報処理装置100は、特定した非入力クエリを対比ユーザが入力した回数等を計数し、計数した回数が多い程より低い(負の値の)スコアを検索クエリに紐づける。例えば、情報処理装置100は、以下の式(2)により、検索クエリごとにシードユーザ群GP11と行動AAとの関連性を示すスコアを算出できる。
For example, the
各検索クエリのスコア
=-全ての対比ユーザによる該当の検索クエリの入力回数÷
全てのシードユーザにより入力された該当の検索クエリの種別数・・・(2)
Score for each search query = - Number of times that search query was entered by all contrasted users ÷
Number of types of relevant search queries input by all seed users (2)
また、実施形態に係る情報処理装置100は、予め定められるタイミングで上述のモデル(M11~M33など)を更新し、検索クエリごとのスコアの変動に関する情報を出力する点に主たる特徴がある。例えば、情報処理装置100は、行動AAに紐づくシードユーザ群GP11のモデルM11、行動ABに紐づくシードユーザ群GP22のモデルM22、及び行動ACに紐づくシードユーザ群GP33のモデルM33を、予め定められたタイミングTP1でそれぞれ更新する。そして、実施形態に係る情報処理装置100は、スコアの変動が所定の条件を満たす検索クエリを出力する。
Further, the
これにより、情報処理装置100は、情報処理装置100のオペレータなどのユーザに対し、検索クエリと所定の行動の関係性の変化に関する情報を提供できる。すなわち、オペレータは、情報処理装置100から出力される検索クエリごとのスコアの値の変化を通じて、所定の行動に紐づくシードユーザSUのコンテキストの変化をトレースでき、萌芽となり得る特異な検索クエリの検出が可能となる。以下、情報処理装置100の主たる特徴について説明を続ける。
Thereby, the
(パターン1)
図2では、検索クエリのスコアに短期的な大きな変化が生じる例を説明する。図2では、行動AAに紐づくシードユーザ群GP11のモデルM11を生成してから最初の更新タイミングへ到達した場合を例として説明する。なお、行動ABに紐づくシードユーザ群GP22のモデルM22や、行動ACに紐づくシードユーザ群GP33のモデルM33についても、以下に説明する例と同様の方法より更新できる。
(Pattern 1)
FIG. 2 illustrates an example in which a short-term significant change occurs in the score of a search query. In FIG. 2 , the case where the model M11 of the seed user group GP11 linked to the action AA is generated and then the first update timing is reached will be described as an example. The model M 22 of the seed user group GP 22 linked to the behavior AB and the model M 33 of the seed user group GP 33 linked to the behavior AC can also be updated by the same method as the example described below.
図2に示すように、情報処理装置100は、シードユーザ群GP11に対して予め定められている最初の更新タイミングTP1(1)に到達すると、上述の方法により、行動AAに紐づくシードユーザ群GP11のモデルM11(1)を改めて生成することにより、更新する(ステップS2-1)。つまり、情報処理装置100は、シードユーザ群GP11の検索履歴に基づいて、検索履歴に含まれる検索クエリごとにシードユーザ群GP11と行動AAとの関連性を示すスコアを対応付けたモデルM11(1)を改めて生成する。
As shown in FIG. 2 , when the first update timing TP 1 (1) predetermined for the seed user group GP 11 is reached, the
また、情報処理装置100は、モデルM11(1)の検索クエリごとのスコアの変動を算出し、算出したスコアの変動が所定の条件を満たす検索クエリに関する情報の出力を試みる(ステップS2-2)。具体的には、情報処理装置100は、更新したモデルM11(1)と最初のモデルM11(0)との間で、検索クエリごとのスコアの上昇率又は下降率をそれぞれ算出する。そして、情報処理装置100は、スコアの変動を判定するために予め定められる閾値α及び閾値βを用いて、スコアの上昇率又は下降率が所定の条件を満たす検索クエリを特定する。例えば、情報処理装置100は、スコアの上昇率が予め定められている閾値α以上である場合、又はスコアの下降率が予め定められている閾値β以下である場合、所定の条件を満たす検索クエリであると判断する。図2に示す例では、情報処理装置100は、上昇率が所定の条件を満たす検索クエリとして検索クエリ:「Q1N」を出力し、下降率が所定の条件を満たす検索クエリとして検索クエリ:「Q12」を出力している。なお、情報処理装置100は、モデルの更新により、更新前のモデルに含まれていなかった新たな検索クエリが登場した場合、予め定められる基準値との間でスコアの上昇率又は下降率を算出してもよい。予め定められる基準値は、該当のモデルに含まれる全ての検索クエリのスコアの中央値や平均値などを採用できる。
In addition, the
このように、情報処理装置100が、更新の都度、スコアの値の変化が大きい検索クエリを出力する。これにより、情報処理装置100のオペレータは、モデルに含まれる検索クエリとモデルに対応する所定の行動との関係性の変化を通じて、所定の行動に紐づく各シードユーザSUのコンテキストに生じた短期的な変化を効率的に発見できる。
In this way, the
(パターン2)
図3では、検索クエリのスコアに経時的な緩やかな変化が生じる例を説明する。図3では、行動AAに紐づくシードユーザ群GP11のモデルM11が、ある更新タイミングへ到達した場合を例として説明する。
(Pattern 2)
FIG. 3 illustrates an example in which the scores of search queries gradually change over time. In FIG. 3, a case will be described as an example where the model M 11 of the seed user group GP 11 linked to the action AA reaches a certain update timing.
図3に示すように、情報処理装置100は、ある更新タイミングTP1(n+n)に到達すると、上述の方法により、行動AAに関するモデルM11(n+n)を改めて生成する(ステップS3-1)。つまり、情報処理装置100は、シードユーザ群GP11の検索履歴に基づいて、検索履歴に含まれる検索クエリごとにシードユーザ群GP11と行動AAとの関連性を示すスコアを対応付けたモデルM11(n+n)を改めて生成する。
As shown in FIG. 3, when the
また、情報処理装置100は、上述のパターン1と同様に、モデルM11(n+n)の検索クエリごとのスコアの変動を算出し、算出したスコアの変動が所定の条件を満たす検索クエリに関する情報の出力を試みる(ステップS3-2)。具体的には、情報処理装置100は、更新タイミングTP1(n+n)で生成したモデルM11(n+n)と、直前の更新タイミングTP1(n+m)で生成したモデルM11(n+m)との間で検索クエリごとの間のスコアの変動を算出する。そして、情報処理装置100は、スコアの変動を判定するために予め定められる閾値α及び閾値βを用いて、スコアの上昇率又は下降率が所定の条件を満たす検索クエリを特定する。例えば、情報処理装置100は、スコアの上昇率が予め定められている閾値α以上である場合、又はスコアの下降率が予め定められている閾値β以下である場合、所定の条件を満たす検索クエリであると判断する。ステップS3-2の処理の結果、情報処理装置100は、検索クエリのスコアの上昇率又は下降率が所定の条件を満たす検索クエリがない旨を示す「該当なし」を出力する。つまり、情報処理装置100は、直前の更新タイミングTP1(n+m)と、今回の更新タイミングTP1(n+n)との間で、スコアの値に出力すべき変化が生じている検索クエリはないと判断する。
In addition, the
また、情報処理装置100は、更新タイミングTP1(n+n)で生成したモデルM11(n+n)と、最初のモデルM11(0)との間で、検索クエリごとのスコアの変動を算出し、算出したスコアの変動が所定の条件を満たす検索クエリの出力を試みる(ステップS3-3)。
Further, the
具体的には、情報処理装置100は、更新タイミングTP1(n+n)で生成したモデルM11(n+n)と、最初のモデルM11(0)との間で、検索クエリごとのスコアの上昇率又は下降率をそれぞれ算出する。そして、情報処理装置100は、算出したスコアの上昇率が又は下降率が所定の条件を満たす検索クエリを特定する。例えば、情報処理装置100は、スコアの上昇率が予め定められている閾値α以上である場合、又はスコアの下降率が予め定められている閾値β以下である場合、所定の条件を満たす検索クエリである判断する。ステップS3-3の処理の結果、情報処理装置100は、例えば、所定の条件を満たす検索クエリとして、検索クエリ:「Q11」を出力する。つまり、情報処理装置100は、上述したように、直前の更新タイミングTP1(n+m)と、今回の更新タイミングTP1(n+n)との間で、スコアに際立った変化を生じた検索クエリはないと判断したが、その一方で、情報処理装置100は、最初のモデルM11を生成してから、今回の更新タイミングTP1(n+n)に到達するまでの間で、検索クエリ:「Q11」のスコアについて、出力すべき値の変化がみられると判断する。
Specifically, the
また、情報処理装置100は、モデルMの各検索クエリについて算出したスコアの上昇率が又は下降率が所定の条件を満たす検索クエリ(予め定められている閾値を超える検索クエリ)を特定する例を説明した。情報処理装置100は、この例に限らず、検索クエリに紐づくスコアの検索クエリ間の相対的な変化量に基づいて、特異な変化を示す検索クエリを特定してもよい。
In addition, the
例えば、情報処理装置100は、モデルM11(0)の検索クエリ:「Q11」、「Q12」、「Q13」のそれぞれに紐づくスコアが、最初の更新タイミングTP1(1)で「0.1→0.2」、「0.9→1.8」、「0.3→0.6」にそれぞれ変動したと仮定する。この場合、更新により各検索クエリに紐づくスコアがそれぞれ倍増しているが、検索クエリに紐づくスコア間で見た場合、相対的な大小関係に変化はない。ここで、ある検索クエリに紐づくスコアの変化率を基準としたときのその他の検索クエリの相対的な変化率をそれぞれ算出し、算出したスコアに基づいて特異な変化を見せる検索クエリを特定してもよい。より具体的には、例えば、検索クエリ:「Q11」のスコアの変化率を「1」とした場合、検索クエリ:「Q12」に紐づくスコアの変化率は「9」となり、検索クエリ:「Q13」に紐づくスコアの変化率は「3」となる。また、検索クエリ:「Q12」のスコアの変化率を「1」とした場合、検索クエリ:「Q11」に紐づくスコアの変化率は「1/9」となり、検索クエリ:「Q13」に紐づくスコアの変化率は「1/3」となる。また、また、検索クエリ:「Q13」のスコアの変化率を「1」とした場合、検索クエリ:「Q11」に紐づくスコアの変化率は「1/3」となり、検索クエリ:「Q13」に紐づくスコアの変化率は「3」となる。このように、検索クエリ:「Q11」の変化率を基準としたときの検索クエリ:「Q12」に紐づくスコア、及び検索クエリ:「Q13」に紐づくスコアの相対的な変化率や、検索クエリ:「Q12」の変化率を基準としたときの検索クエリ:「Q11」に紐づくスコア、及び検索クエリ:「Q13」に紐づくスコアの相対的な変化率や、検索クエリ:「Q13」の変化率を基準としたときの検索クエリ:「Q11」に紐づくスコア、及び検索クエリ:「Q12」に紐づくスコアの相対的な変化率から、検索クエリ:「Q12」に紐づくスコアの変化率が総じて大きいことがわかる。情報処理装置100は、モデルM11に含まれる各検索クエリの変化率を基準として、検索クエリに紐づく相対的なスコアの変化率を算出し、相対的にスコアの変動が大きい検索クエリを特定できる。
For example, the
このように、情報処理装置100は、検索クエリごとのスコアの値の変化をトレースし、検索クエリのスコアの経時的な変動を検出する。これにより、情報処理装置100のオペレータは、モデルに含まれる検索クエリとモデルに対応する所定の行動との関係性の変化を通じて、所定の行動に紐づく各シードユーザのコンテキストに生じた経時的な緩やかな変化を見逃すことなく発見できる。
In this way, the
なお、図3では、情報処理装置100は、更新タイミングTP1(n+n)で生成したモデルM11(n+n)と最初のモデルM11(0)との間で、検索モデルの経時的な変動を検出する例示したが、この例には特に限定されない。例えば、情報処理装置100は、オペレータが任意に選択したモデルM11との間で、検索クエリのスコアの経時的な変動を検出してもよい。これにより、様々な時間の間隔で、モデルに含まれる検索クエリとモデルに対応する所定の行動との関係性の変化を検出できる。
In FIG. 3, the
[2.情報処理装置の構成例]
次に、図4を用いて、実施形態に係る情報処理装置100の構成の一例について説明する。図4は、実施形態に係る情報処理装置の構成例を示す図である。図4に示す情報処理装置100は、例えば、デスクトップ型PC(Personal Computer)や、ノート型PCや、タブレット端末や、スマートフォンや、携帯電話機や、PDA(Personal Digital Assistant)や、ウェアラブルデバイス等である。
[2. Configuration example of information processing device]
Next, an example of the configuration of the
情報処理装置100は、各種のコンテンツを含むウェブページを通じて各種サービスを提供する各サーバ装置と連携し、各サーバ装置からサービス利用者の各種データを取得できる。情報処理装置100は、各サーバ装置から、ニュースサイト、技術解説サイト、検索エンジンサイト、ショッピングサイト、ECサイト、オークションサイト、ファイナンスサイト(株価サイト)等といった各種サービスに関するサービス利用者のデータを取得できる。情報処理装置100が取得可能なサービス利用者のデータには、各種検索履歴のデータが含まれる。なお、情報処理装置100が、サービスを提供する装置であってもよい。
The
図4に示すように、情報処理装置100は、通信部110と、表示部120と、記憶部130と、制御部140とを備える。なお、図4は、情報処理装置100の構成例を示すものであり、図4に示す形態には限られず、図4に示す以外の他の機能部を備える形態であってもよい。
As shown in FIG. 4 , the
(通信部110)
通信部110は、例えば、所定のネットワークと有線または無線で接続され、所定のネットワークを介して、他の装置との間で情報の送受信を行う。通信部110は、例えば、NIC(Network Interface Card)やアンテナ等によって実現される。所定のネットワークは、LAN(Local Area Network)や、WAN(Wide Area Network)や、電話網(携帯電話網、固定電話網等)や、地域IP(Internet Protocol)網や、インターネット等の通信ネットワークである。所定のネットワークには、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。
(Communication unit 110)
The
(表示部120)
表示部120は、各種情報を表示する。表示部120は、表示デバイスである。表示部120は、例えば、液晶ディスプレイ(LCD:Liquid Crystal Display)や有機ELディスプレイ(OELD:Organic Electro-Luminescent Display)などの表示デバイスによって実現される。表示部120は、タッチパネルを備えたタッチパネル式の表示デバイスによって実現されてもよい。
(Display unit 120)
The
(記憶部130)
記憶部130は、例えば、RAM(Random Access Memory)、フラッシュメモリ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る。図4に示すように、記憶部130は、検索履歴記憶部131と、シードユーザ情報記憶部132と、モデル記憶部133とを有する。
(storage unit 130)
The
(検索履歴記憶部131)
検索履歴記憶部131は、検索履歴を記憶する。図5は、実施形態に係る検索履歴の一例を示す図である。図5に示すように、検索履歴記憶部131に記憶される検索履歴は、「ユーザID」や、「ユーザ名」や、「日付」や、「時刻」や、「検索クエリ」や、「検索結果」等の項目を有している。
(Search history storage unit 131)
The search history storage unit 131 stores search histories. FIG. 5 is a diagram illustrating an example of a search history according to the embodiment; As shown in FIG. 5, the search history stored in the search history storage unit 131 includes "user ID", "user name", "date", "time", "search query", and "search result” and so on.
「ユーザID」の項目には、ユーザを識別するために各ユーザに個別に割り振られている識別情報が記憶される。「ユーザ」の項目には、ユーザIDにより識別されるユーザ名が記憶される。 The item "user ID" stores identification information individually assigned to each user to identify the user. A user name identified by a user ID is stored in the "user" item.
「日付」の項目には、ユーザが検索クエリにより検索を実行した日付が記憶される。また、「時刻」の項目には、ユーザが検索クエリにより検索を実行した時刻が記憶される。また、「検索クエリ」の項目には、ユーザが検索に用いた検索クエリが記憶される。また、「検索結果」の項目には、検索クエリによる検索結果のうち、ユーザがアクセスした検索結果(サイト)のアドレス等の情報が記憶される。 The "date" field stores the date when the user performed a search using the search query. The "time" item stores the time when the user executed a search using the search query. In addition, the search query used by the user for the search is stored in the item "search query". Further, information such as the address of the search result (site) accessed by the user among the search results by the search query is stored in the "search result" item.
図5に示す例では、ユーザID:「UID011」で、ユーザ名:「NAME011」のユーザが、日付:「DATE m*d」の時刻:「TIME 〇:〇」に、検索クエリ:「Q11」で検索を行い、検索結果:「SITE XYZ」のサイトにアクセスしたことが示されている。 In the example shown in FIG. 5, a user with a user ID of “UID011” and a user name of “NAME011” has a date of “DATE m*d”, a time of “TIME 〇: 〇”, and a search query of “Q 11 ”. ", and the search result: "SITE XYZ" is accessed.
(シードユーザ情報記憶部132)
シードユーザ情報記憶部132は、所定の行動に紐づくユーザである複数のシードユーザに関する情報を記憶する。図6は、実施形態に係るシードユーザ情報の一例を示す図である。
(Seed user information storage unit 132)
The seed user
図6に示すように、シードユーザ情報記憶部132に記憶されるシードユーザ情報は、「行動ID」と、「ユーザ群ID」と、「対応行動ID」と、「該当ユーザID」の項目を有する。
As shown in FIG. 6, the seed user information stored in the seed user
「ユーザ群ID」の項目には、所定の行動に紐づくユーザである複数のシードユーザで構成されるシードユーザ群を識別するために各シードユーザ群に個別に割り振られている識別情報が記憶される。例えば、図6に示すユーザ群ID:「GID11」は、図1等に示すシードユーザ群GP11の識別情報に該当し、図6に示すユーザ群ID:「GID22」は、図1等に示すシードユーザ群GP22の識別情報に該当し、図6に示すユーザ群ID:「GID33」は、図1等に示すシードユーザ群GP33の識別情報に該当する。 The “user group ID” item stores identification information that is individually assigned to each seed user group in order to identify a seed user group composed of a plurality of seed users who are users associated with a predetermined action. be done. For example, the user group ID "GID11" shown in FIG. 6 corresponds to the identification information of the seed user group GP 11 shown in FIG. 1 etc., and the user group ID "GID22" shown in FIG. It corresponds to the identification information of the seed user group GP 22 , and the user group ID: "GID33" shown in FIG. 6 corresponds to the identification information of the seed user group GP 33 shown in FIG. 1 and the like.
「対応行動ID」の項目には、所定の行動を識別するために所定の行動ごとに個別に割り振られる識別情報が記憶される。例えば、図6に示す行動ID:「AID_aa」は、前述の行動AAの識別情報に該当し、図6に示す行動ID:「AID_ab」は、前述の行動ABの識別情報に該当し、図6に示す行動ID:「AID_ac」は、前述の行動ACの識別情報に対応する。 The item "corresponding action ID" stores identification information that is individually assigned to each predetermined action in order to identify the predetermined action. For example, the action ID "AID_aa" shown in FIG. 6 corresponds to the identification information of the action AA described above, and the action ID "AID_ab" shown in FIG. The action ID: "AID_ac" shown in , corresponds to the identification information of the action AC described above.
所定の行動とは、広告戦略等のターゲットとして任意に設定された、ある検索クエリを用いた検索や、ある施設又は店舗等への訪問や、ある商品の購入などの行動に該当する。所定の行動は、情報処理装置100(又はオペレータ)が取得できる情報であれば、任意の行動を適宜選択して、設定することができる。 Predetermined actions correspond to actions such as searches using certain search queries, visits to certain facilities or stores, and purchases of certain products, which are arbitrarily set as targets of advertising strategies and the like. As long as the predetermined action is information that can be acquired by the information processing apparatus 100 (or the operator), any action can be appropriately selected and set.
シードユーザは、所定の行動に対する感度が強いユーザ(あるいは、所定の行動に関する情報に敏感なユーザ)であるとも言い換えることができる。シードユーザは、情報処理装置100のオペレータが任意に抽出してもよいし、情報処理装置100により自動的に抽出されてもよい。例えば、ある行動AAを実行する頻度が予め定められる閾値を超えるユーザは、行動AAに対する感度が高いシードユーザとみなすことができる。例えば、ある飲食店への訪問を所定の行動として設定する場合、2日に1回以上の頻度で該当店舗に訪問等、該当店舗に対する感度が高いユーザをシードユーザとして抽出できる。なお、行動に対する感度を決定付ける頻度は、該当の行動の頻度を全体的に俯瞰して相対的に規定されたものであってもよいし、該当の行動に対する経験則や社会通念などの任意の概念的な基準により規定されてものであってもよい。
The seed user can also be said to be a user highly sensitive to predetermined behavior (or a user sensitive to information about predetermined behavior). The seed user may be arbitrarily extracted by the operator of the
「該当ユーザID」の項目には、対応するシードユーザ群を構成するユーザを識別するために各ユーザに個別に割り振られている識別情報が記憶される。この識別情報は、図5に示す検索履歴記憶部131の「ユーザID」の項目に記憶されている識別情報と同一の情報である。これにより、シードユーザの識別情報と、シードユーザに対応する検索履歴とが関連付けられる。 The item "applicable user ID" stores identification information that is individually assigned to each user in order to identify the users that make up the corresponding seed user group. This identification information is the same information as the identification information stored in the "user ID" item of the search history storage unit 131 shown in FIG. This associates the identification information of the seed user with the search history corresponding to the seed user.
(モデル記憶部133)
モデル記憶部133は、シードユーザが検索した検索クエリごとにシードユーザと所定の行動との関連性を示すスコアを対応付けたモデルに関するモデル情報を記憶する。図7は、実施形態に係るモデル情報の一例を示す図である。なお、図7は、モデル記憶部133に記憶されるモデル情報の概要を示すものであり、図7に示すような形態で構成されていなくてもよい。
(Model storage unit 133)
The
図7に示すように、モデル記憶部133に記憶されるモデル情報は、「モデルID」と、「対応行動ID」と、「検索クエリ」と、「スコア」と、「更新タイミング」の項目を有する。
As shown in FIG. 7, the model information stored in the
「モデルID」の項目には、モデルを識別するために各モデルに個別に割り振られる識別情報が記憶される。図7に示すモデルID:「MID_1*0」は、図1等に示すモデルM11の識別情報に該当し、図7に示すモデルID:「MID_2*0」は、図1等に示すモデルM22に該当し、図7に示すモデルID:「MID_3*0」は、図1等に示すモデルM33の識別情報に該当する。 The "model ID" item stores identification information that is individually assigned to each model in order to identify the model. The model ID: "MID_1*0" shown in FIG. 7 corresponds to the identification information of the model M 11 shown in FIG. 1 etc., and the model ID: "MID_2*0" shown in FIG. 22 , and the model ID: "MID_3*0" shown in FIG. 7 corresponds to the identification information of the model M 33 shown in FIG.
「対応行動ID」の項目には、図6に示す行動IDの項目に記憶される情報と同一の情報が記憶される。すなわち、「対応行動ID」の項目には、所定の行動を識別するために所定の行動ごとに個別に割り振られる識別情報が記憶される。これにより、シードユーザ情報と、モデル情報とが関連付けられる。 The same information as the information stored in the action ID item shown in FIG. 6 is stored in the "corresponding action ID" item. That is, in the item of "corresponding action ID", identification information that is individually assigned to each predetermined action is stored in order to identify the predetermined action. This associates the seed user information with the model information.
「検索クエリ」の項目には、対応するシードユーザ群を構成する各ユーザが検索に用いた検索クエリの情報が記憶される。「検索クエリ」の項目に記憶される検索クエリの情報は、例えば、検索履歴記憶部131に記憶された検索履歴が取得される。 The “search query” item stores information on search queries used for searches by each user who constitutes the corresponding seed user group. For example, the search history stored in the search history storage unit 131 is acquired as the information of the search query stored in the "search query" item.
「スコア」の項目には、対応する検索クエリのスコアの情報が記憶される。「スコア」の項目に記憶されるスコアの情報として、スコアの算出値そのものが記憶されてもよいし、スコアの算出値を正規化した値が記憶されてもよい。 The “score” item stores score information of the corresponding search query. As the score information stored in the "score" item, the score calculation value itself may be stored, or a value obtained by normalizing the score calculation value may be stored.
「更新タイミング」の項目には、シードユーザが検索した検索クエリごとにシードユーザ群と所定の行動との関連性を示すスコアを対応付けたモデルを更新する更新タイミングを示す情報が記憶される。この更新タイミングは、モデルを改めて生成することにより、モデルを構成する検索クエリごとのスコアを更新するための時間的な間隔を規定するものである。図7に示す例では、ユーザ群ID:「GID11」が割り振られているシードユーザ群GP11のモデルは、更新タイミング:「TP1」で更新されることが示されている。 The “update timing” item stores information indicating the update timing for updating the model that associates the score indicating the relevance between the seed user group and the predetermined behavior for each search query searched by the seed user. This update timing defines a time interval for updating the score for each search query that constitutes the model by generating the model again. The example shown in FIG. 7 indicates that the model of the seed user group GP11 to which the user group ID " GID11 " is assigned is updated at update timing "TP1".
(制御部140)
図4に戻り、制御部140は、情報処理装置100を制御するコントローラ(controller)である。制御部140は、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(例えば、情報処理プログラム)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140は、例えば、ASIC(Application Specific Integrated Circuit)やFPGA(Field Programmable Gate Array)等の集積回路により実現されてもよい。
(control unit 140)
Returning to FIG. 4 , the control unit 140 is a controller that controls the
図4に示すように、制御部140は、生成部141と、出力部142とを有する。制御部140は、これらの各部により、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140の内部構成は、図4に示した構成に限られず、後述する情報処理を行う構成であれば他の構成であってもよい。また、制御部140が有する各部の接続関係は、図4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。また、制御部140は、検索履歴を連携するサーバ装置から取得する場合、受信部を備えてもよい。また、制御部140は、モデルを他の装置に提供する場合、送信部を備えてもよい。 As shown in FIG. 4, the control section 140 has a generation section 141 and an output section 142 . The control unit 140 implements or executes information processing functions and actions described below by these units. Note that the internal configuration of the control unit 140 is not limited to the configuration shown in FIG. 4, and may be another configuration as long as it performs information processing described later. Moreover, the connection relationship of each part of the control unit 140 is not limited to the connection relationship shown in FIG. 4, and may be another connection relationship. Further, the control unit 140 may include a receiving unit when acquiring the search history from a cooperating server device. Also, the control unit 140 may include a transmission unit when the model is provided to another device.
(生成部141)
生成部141は、所定の行動に紐づく複数のシードユーザで構成されるシードユーザ群の検索履歴に基づいて、検索履歴に含まれる検索クエリごとにシードユーザ群と所定の行動との関連性を示すスコアを対応付けたモデルを所定の行動ごとに生成する。
(Generating unit 141)
The generation unit 141 calculates the relevance between the seed user group and a predetermined action for each search query included in the search history based on the search history of the seed user group composed of a plurality of seed users associated with a predetermined action. A model associated with the indicated score is generated for each predetermined action.
具体的には、生成部141は、所定の行動に紐づく複数のユーザを選別し、選別した各ユーザによりシードユーザ群を設定する。例えば、生成部141は、所定の行動が、ある検索クエリを用いた検索であれば、ある検索クエリを用いた検索を実行する頻度が予め定められる閾値を超えるユーザを全て選別する。生成部141は、選別したユーザの数がシードユーザ群に予め設定されている定員を超える場合、例えば、シードユーザ群を構成するシードユーザの数が定員となるように、選別したユーザの一部を任意に切り捨ててもよい。また、生成部141は、選別したユーザの数がシードユーザ群に予め設定されている定員に満たない場合、例えば、選別したユーザの数が一定数以上であることを条件として、定員に満たない分のダミーユーザを設定してもよい。なお、生成部141は、例えば、選別したユーザの数が一定数未満である場合には、所定の行動を変更して改めてシードユーザ群の設定を行ってもよい。 Specifically, the generation unit 141 selects a plurality of users associated with a predetermined action, and sets a seed user group by each of the selected users. For example, if the predetermined behavior is a search using a certain search query, the generating unit 141 selects all users whose frequency of executing a search using a certain search query exceeds a predetermined threshold. When the number of selected users exceeds the capacity set in advance for the seed user group, the generation unit 141 selects some of the selected users so that, for example, the number of seed users constituting the seed user group becomes the capacity. may be truncated arbitrarily. In addition, when the number of selected users is less than the capacity set in advance for the seed user group, the generation unit 141 generates a A dummy user may be set for Note that, for example, when the number of selected users is less than a certain number, the generation unit 141 may change the predetermined behavior and set the seed user group again.
生成部141は、設定したシードユーザ群のデータを、シードユーザ情報記憶部132に格納する。具体的には、生成部141は、シードユーザ群に個別に割り振るユーザ群IDと、所定の行動に割り当てる行動IDとを払い出す。また、生成部141は、ユーザ群IDと、行動IDと、シードユーザ群を構成する各シードユーザのユーザIDとを相互に関連付けて、シードユーザ情報としてシードユーザ情報記憶部132に格納する。なお、各シードユーザのユーザIDは、検索システムやECサイト、連携する各サーバ装置等から取得可能である。
The generation unit 141 stores the set seed user group data in the seed user
シードユーザ群の設定後、生成部141は、設定したシードユーザ群を構成する各シードユーザに紐づく検索クエリを、検索履歴記憶部131に記憶される検索履歴から取得する。また、生成部141は、取得した各シードユーザに紐づく検索クエリに基づいて、検索クエリごとにシードユーザ群と所定の行動との関連性を示すスコアを対応付けたモデルを生成する。具体的には、生成部141は、ユーザシードが入力した検索クエリごとに、シードユーザが入力した回数を計数し、計数した回数が多い程より高い値のスコアを検索クエリに紐づける。もしくは、生成部141は、ユーザシードが入力した検索クエリごとに、検索クエリを入力したシードユーザの数を計数し、計数した回数が多い程より高い値のスコアを検索クエリに紐づけてもよい。例えば、生成部141は、上述の式(1)により、シードユーザ群の検索履歴に含まれる検索クエリごとに、シードユーザ群と所定の行動との関係性を示すスコアを算出できる。なお、スコアの算出方法は、前述の例に限らず、シードユーザ群と所定の行動との関係性を評価できるものであれば、どのような方法により算出してもよい。 After setting the seed user group, the generating unit 141 acquires search queries associated with each seed user constituting the set seed user group from the search history stored in the search history storage unit 131 . The generation unit 141 also generates a model in which a score indicating the relevance between the seed user group and the predetermined behavior is associated with each search query based on the acquired search queries associated with each seed user. Specifically, the generation unit 141 counts the number of times the seed user has input each search query input by the user seed, and associates the search query with a higher score as the counted number of times increases. Alternatively, the generation unit 141 counts the number of seed users who have input a search query for each search query input by the user seed, and the higher the number of counts, the higher the score may be associated with the search query. . For example, the generation unit 141 can calculate a score indicating the relationship between the seed user group and a predetermined action for each search query included in the search history of the seed user group, using the above formula (1). Note that the score calculation method is not limited to the example described above, and any method may be used as long as the relationship between the seed user group and the predetermined behavior can be evaluated.
また、生成部141は、所定の行動ごとに生成したモデルを、予め定められる更新タイミングでそれぞれ更新する。具体的には、生成部141は、モデル記憶部133に記憶されているモデル情報を参照し、更新タイミングにあるモデルを特定する。また、生成部141は、検索履歴記憶部131に記憶されている検索履歴から、更新タイミングであるモデルに紐づくシードユーザ群を特定する。また、生成部141は、特定したシードユーザ群を構成する各シードユーザに紐づく検索クエリを、検索履歴記憶部131に記憶される検索履歴から取得する。また、生成部141は、取得した各シードユーザに紐づく検索クエリに基づいて、検索クエリごとにシードユーザ群と所定の行動との関連性を示すスコアを対応付けたモデルを改めて生成することにより、モデルを更新する。
In addition, the generation unit 141 updates the model generated for each predetermined action at a predetermined update timing. Specifically, the generation unit 141 refers to the model information stored in the
(出力部142)
出力部142は、生成部141によりモデルが更新される度ごとに、検索クエリごとのスコアの変動に基づく情報を出力する。出力部142は、例えば、スコアの上昇率が所定の条件を満足する検索クエリを出力する。所定の条件としては、スコアの上昇率が予め定められる閾値以上であるかどうかという条件が例示される。また、出力部142は、例えば、スコアの下降率が所定の条件を満足する検索クエリを出力する。所定の条件としては、スコアの下降率が予め定められる閾値以下であるかどうかという条件が例示される。出力部142は、検索クエリごとのスコアの変動に基づく情報を表示部120に出力する。
(Output unit 142)
The output unit 142 outputs information based on the change in score for each search query each time the generation unit 141 updates the model. The output unit 142 outputs, for example, a search query whose score increase rate satisfies a predetermined condition. An example of the predetermined condition is whether or not the score increase rate is equal to or greater than a predetermined threshold. In addition, the output unit 142 outputs, for example, a search query whose score decrease rate satisfies a predetermined condition. An example of the predetermined condition is whether or not the rate of decrease in score is equal to or less than a predetermined threshold. The output unit 142 outputs information based on the score variation for each search query to the
[3.処理手順]
(3-1.更新処理)
以下、図8を用いて、実施形態に係る情報処理装置100による更新処理の流れについて説明する。図8は、実施形態に係る情報処理装置による更新処理の流れを示すフローチャートである。
[3. Processing procedure]
(3-1. Update processing)
The flow of update processing by the
図8に示すように、情報処理装置100は、モデル記憶部133に記憶されているモデル情報を参照して、更新タイミングに到達したモデルを特定する(ステップS101)。情報処理装置100は、特定したモデルに対応する変数iを「1」に設定する(ステップS102)。
As shown in FIG. 8, the
また、情報処理装置100は、特定したモデルの中から、処理対象とするモデルを1つ選択し、選択したモデルに紐づくシードユーザ群(を構成する各シードユーザ)の検索履歴を取得する(ステップS103)。
In addition, the
また、情報処理装置100は、シードユーザ群の検索履歴を参照し、検索履歴に含まれる検索クエリごとに、シードユーザ群と所定の行動との関連性を示すスコアを対応付けたモデルを生成する(ステップS104)。
In addition, the
また、情報処理装置100は、生成したモデルを、モデル記憶部133に格納する(ステップS105)。
The
また、情報処理装置100は、更新タイミングに到達した全てのモデルを更新済みであるかどうかを判定する(ステップS106)。
Further, the
情報処理装置100は、更新タイミングに到達した全てのモデルを更新済みではないと判定した場合(ステップS106;No)、変数iの値をインクリメント(変数iの値に「1」を加算)して(ステップS107)、上述のステップS103に戻って、図8に示す処理手順を繰り返す。
If the
一方、情報処理装置100は、更新タイミングに到達した全てのモデルを更新済みであると判定した場合(ステップS107;Yes)、図8に示す処理手順を終了する。
On the other hand, when the
(3-2.出力処理)
以下、図9を用いて、実施形態に係る情報処理装置100による出力処理の流れについて説明する。図9は、実施形態に係る情報処理装置による出力処理の流れを示すフローチャートである。
(3-2. Output processing)
The flow of output processing by the
図9に示すように、出力部142は、前述の更新処理(図8参照)により更新された更新モデルを特定する(ステップS201)。 As shown in FIG. 9, the output unit 142 identifies the update model updated by the update process (see FIG. 8) described above (step S201).
また、出力部142は、更新モデルに対応する変数jに「1」を設定する(ステップS202)。 Also, the output unit 142 sets "1" to the variable j corresponding to the updated model (step S202).
また、出力部142は、更新モデルの中から、処理対象とするモデルを1つ選択し、選択した更新モデルを構成する各検索クエリについてスコアの変動を算出する(ステップS203)。 In addition, the output unit 142 selects one model to be processed from the updated models, and calculates a change in score for each search query that constitutes the selected updated model (step S203).
また、出力部142は、算出したスコアの変動が所定の条件を満たす検索クエリを抽出する(ステップS204)。 In addition, the output unit 142 extracts search queries in which the calculated score variation satisfies a predetermined condition (step S204).
また、出力部142は、全ての更新モデルについて処理を完了したかどうかを判定する(ステップS205)。 In addition, the output unit 142 determines whether or not processing has been completed for all updated models (step S205).
出力部142は、全ての更新モデルについて処理を完了していないと判定した場合(ステップS205;No)、変数jの値をインクリメント(変数jの値に「1」を加算)して(ステップS206)、上述のステップS203に戻って、図9に示す処理手順を繰り返す。 When the output unit 142 determines that the processing has not been completed for all updated models (step S205; No), it increments the value of the variable j (adds “1” to the value of the variable j) (step S206 ), returning to the above-described step S203 and repeating the processing procedure shown in FIG.
一方、出力部142は、全ての更新モデルについて処理を完了したと判定した場合(ステップS205;Yes)、所定の行動ごとに、スコアの変動が所定の条件を満たす検索クエリを出力し(ステップS207)、図9に示す処理手順を終了する。 On the other hand, if the output unit 142 determines that the processing has been completed for all the updated models (step S205; Yes), it outputs a search query that satisfies a predetermined condition for the change in score for each predetermined action (step S207). ), the processing procedure shown in FIG. 9 ends.
[4.変形例]
実施形態に係る情報処理装置100は、上述の実施形態以外にも種々の異なる形態にて実施されてよい。そこで、以下では、実施形態に係る情報処理装置100の変形例について説明する。
[4. Modification]
The
(4―1.更新タイミングについて)
上述の実施形態において、情報処理装置100は、所定の行動に紐づくシードユーザごとに、モデルを更新する更新タイミングを異ならせてもよい。図10は、変形例に係るシードユーザ情報の一例を示す図である。
(4-1. Update timing)
In the above-described embodiment, the
図10に示すように、情報処理装置100は、行動AAに紐づくシードユーザ群のモデルM11を、予め定められたタイミングTP1で更新する。また、情報処理装置100は、行動ABに紐づくシードユーザ群のモデルM22を、予め定められたタイミングTP2で更新する。また、情報処理装置100は、行動ACに紐づくシードユーザ群のモデルM33を、予め定められたタイミングTP3で更新する。このように、所定の行動に紐づくシードユーザごとに、モデルを更新する更新タイミングを異ならせることにより、行動に応じたタイミングで、検索クエリのスコアの変動を出力できる。
As shown in FIG. 10 , the information processing apparatus 100 updates the seed user group model M11 linked to the behavior AA at a predetermined timing TP1. Further, the
(4―2.モデルの生成について)
上述の実施形態において、生成部141は、学習処理によりモデルを生成してもよい。例えば、生成部141は、所定の行動を行ったシードユーザの検索履歴を教師データとして、シードユーザが検索に用いた検索クエリと、所定の行動との関連性を示すスコアを学習処理により導出する。具体的には、以下の式(3)を満たすようなスコアの組合せを求める。なお、以下の式(3)において、「y」は所定の行動が行われるどうかの予測結果に対応する目的変数を示し、「x1」~「xn」は素性に対応する説明変数を示し、「w1」~「wn」は、「x1」~「xn」のそれぞれのスコアを示す。また、以下の式(3)において、「n」は素性数を示す。
(4-2. Model Generation)
In the above-described embodiment, the generator 141 may generate a model through learning processing. For example, the generation unit 141 uses the search history of the seed user who performed a predetermined action as training data, and the search query used for the search by the seed user and the score indicating the relevance to the predetermined action. Derive by learning processing. . Specifically, a score combination that satisfies the following equation (3) is obtained. In the following formula (3), "y" indicates an objective variable corresponding to the prediction result as to whether a predetermined action will be performed, and "x 1 " to "x n " indicate explanatory variables corresponding to features. , “w 1 ” to “w n ” indicate scores of “x 1 ” to “x n ”, respectively. Also, in the following formula (3), "n" indicates the number of features.
生成部141は、上述の式(3)中の「x1」~「xn」に対して、例えば、対象ユーザの検索履歴に対象となる検索クエリが含まれるかどうかを示す数値を割り当てる。生成部141は、含まれる場合には「1」を、含まれない場合には「0」を割り当てる。例えば、「x1」には、検索履歴に検索クエリ:「Q11」が含まれるかどうかの情報を割り当て、「x2」には、検索履歴に検索クエリ:「Q12」が含まれるかどうかの情報を割り当てるという具合である。なお、上述の式(3)中の「x1」~「xn」に対して、検索クエリの入力回数を割り当ててもよいし、検索クエリを入力したユーザ数を割り当ててもよい。 The generating unit 141 assigns numerical values indicating whether or not the search history of the target user includes the target search query, for example, to “x 1 ” to “x n ” in the above equation (3). The generation unit 141 assigns "1" when included, and "0" when not included. For example, “x 1 ” is assigned information as to whether the search history includes the search query: “Q 11 ”, and “x 2 ” is assigned whether the search history includes the search query: “Q 12 ”. It is a condition of assigning information on how. The number of search query inputs or the number of users who have input search queries may be assigned to “x 1 ” to “x n ” in the above equation (3).
図5に示す検索履歴が教師データであると仮定した場合、生成部141は、ユーザID:「UID011」のユーザについて、上述の式(3)に対応する値を割り当てると、「1=w1×1+w2×1+w3×0+・・・」となる。また、ユーザID:「UID012」のユーザについて、上述の式(3)に対応する値を割り当てると、「1=w1×1+w2×1+w3×1+・・・」となる。このように、各ユーザに関するデータを、前述の式(3)に割り当てることにより得られる数式を全て満たすような「w1」~「wn」のスコアの組合せを学習処理により導出する。 Assuming that the search history shown in FIG. 5 is teacher data, the generation unit 141 assigns the value corresponding to the above-described formula (3) to the user with the user ID “ UID011 ”. x1+ w2x1 + w3x0+...". Further, when assigning a value corresponding to the above formula (3) to the user with the user ID "UID012", "1=w1*1+w2* 1 + w3 * 1+..." is obtained. In this way, a combination of scores of “w 1 ” to “w n ” that satisfies all the formulas obtained by allocating the data about each user to formula (3) is derived by learning processing.
生成部141が、学習処理に用いるアルゴリズムには、分類木や、回帰木や、判別分析や、k最近傍や、単純ベイズや、サポートベクターマシンや、DNN(Deep Neural Network)等の機械学習で用いられるアルゴリズムを用いることができる。 Algorithms used by the generating unit 141 for learning processing include machine learning such as classification trees, regression trees, discriminant analysis, k-nearest neighbors, naive Bayes, support vector machines, and DNN (Deep Neural Network). Any algorithm used can be used.
[5.ハードウェア構成]
実施形態及び変形例に係る情報処理装置100は、例えば図11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。図11は、実施形態及び変形例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。
[5. Hardware configuration]
An
コンピュータ1000は、CPU1100、RAM1200、ROM1300、HDD1400、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、及びメディアインターフェイス(I/F)1700を有する。
CPU1100は、ROM1300又は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。
The
HDD1400は、CPU1100によって実行されるプログラム、および、かかる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、ネットワーク(通信網)50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、ネットワーク(通信網)50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、及び、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。
The
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又はデータを読み取り、RAM1200を介してCPU1100に提供する。CPU1100は、かかるプログラムを、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が実施形態にかかる情報処理装置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140の機能を実現する。また、HDD1400には、記憶部130内のデータが格納される。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、ネットワーク(通信網)50を介してこれらのプログラムを取得してもよい。
For example, when the
[6.その他]
上述の実施形態及び変形例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。
[6. others]
Of the processes described in the above embodiments and modifications, all or part of the processes described as being performed automatically can be performed manually, or the processes described as being performed manually can be performed manually. All or part of the processing can also be performed automatically by known methods. In addition, information including processing procedures, specific names, various data and parameters shown in the above documents and drawings can be arbitrarily changed unless otherwise specified.
上述の実施形態及び変形例において、情報処理装置100による情報処理方法(図8及び図9参照)を実現するために、情報処理装置100が有する制御部140の各部(生成部141、及び出力部142)に対応する処理機能は、情報処理装置100に予めインストールされている情報処理プログラムに対するアドオンとして実現してもよいし、軽量なプログラミング言語などを用いて、専用の情報処理プログラムとして柔軟に記述することにより実現されてもよい。
In the above-described embodiment and modified examples, in order to realize the information processing method (see FIGS. 8 and 9) by the
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。 Also, each component of each device illustrated is functionally conceptual, and does not necessarily need to be physically configured as illustrated. In other words, the specific form of distribution and integration of each device is not limited to the one shown in the figure, and all or part of them can be functionally or physically distributed and integrated in arbitrary units according to various loads and usage conditions. Can be integrated and configured.
また、上述してきた各実施形態は、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。 Moreover, each embodiment described above can be appropriately combined within a range in which the processing contents are not inconsistent.
[7.効果]
実施形態に係る情報処理装置100は、生成部141と、出力部142とを有する。生成部141は、所定の行動に紐づく複数のシードユーザ(第1ユーザの一例)で構成されるシードユーザ群(第1ユーザ群の一例)の検索履歴と、シードユーザ以外の複数の対比ユーザ(第2ユーザの一例)で構成される第2ユーザ群(対比ユーザ群の一例)の検索履歴とに基づいて、検索履歴に含まれる検索クエリごとに所定の行動との関連性を示すスコアを対応付けたモデルを所定の行動ごとに生成する。また、生成部141は、生成したモデルを、予め定められるタイミングで更新する。また、出力部142は、生成部141によりモデルが更新される度ごとに、検索クエリごとのスコアの変動に基づく情報を出力する。
[7. effect]
The
このように、実施形態に係る情報処理装置100は、検索クエリごとに所定の行動との関連性を示すスコアを対応付けたモデルを所定の行動ごとに生成し、予め定められるタイミングで更新して出力する。このため、情報処理装置100は、情報処理装置100のオペレータなどのユーザに対し、より有用な情報を提供できる。すなわち、オペレータに、検索クエリごとのスコアの値の変化を通じて、所定の行動に紐づくシードユーザSUのコンテキストの変化をトレースでき、萌芽となり得る特異な検索クエリの検出が可能となる。
As described above, the
また、出力部142は、スコアの上昇率が所定の条件を満足する検索クエリを出力する。このため、情報処理装置100は、シードユーザの注目度が高い検索クエリの情報をユーザに提供できる。
In addition, the output unit 142 outputs a search query whose score increase rate satisfies a predetermined condition. Therefore, the
また、出力部142は、スコアの下降率が所定の条件を満足する検索クエリを出力する。このため、情報処理装置100は、シードユーザの注目度が低下した検索クエリの情報をユーザに提供できる。
In addition, the output unit 142 outputs a search query whose score decrease rate satisfies a predetermined condition. For this reason, the
また、情報処理装置100において、シードユーザは、所定の行動に対する感度が強いユーザであり、対比ユーザは、シードユーザ以外から無作為に抽出されたユーザである。このため、情報処理装置100は、シードユーザに注目される検索クエリと、その他の検索クエリとの差を明確にできる。
Further, in the
また、情報処理装置100において、生成部141は、所定の行動ごとに、モデルを更新するタイミングを異ならせる。このため、情報処理装置100は、行動に応じたタイミングで、検索クエリのスコアの変動を出力できる。
Further, in the
以上、本願の実施形態をいくつかの図面に基づいて詳細に説明したが、これらは例示であり、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。 As described above, the embodiments of the present application have been described in detail based on several drawings, but these are examples, and various modifications and It is possible to carry out the invention in other forms with modifications.
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、特定部は、特定手段や特定回路に読み替えることができる。 Also, the above-mentioned "section, module, unit" can be read as "means" or "circuit". For example, the identifying unit can be read as identifying means or a specific circuit.
100 情報処理装置
110 通信部
120 表示部
130 記憶部
131 検索履歴記憶部
132 シードユーザ情報記憶部
133 モデル記憶部
140 制御部
141 生成部
142 出力部
100
Claims (7)
前記生成部により前記モデルが更新される度ごとに、前記検索クエリごとの前記スコアの変動に基づく情報を出力する出力部と
を備える情報処理装置。 Based on search histories of a user group composed of a plurality of users linked to a predetermined action, each search query included in the search history is associated with a score indicating a relevance between the user group and the predetermined action. a generation unit that generates the model for each of the predetermined actions and updates it at a predetermined timing;
An information processing apparatus comprising: an output unit that outputs information based on the change in the score for each search query each time the model is updated by the generation unit.
請求項1に記載の情報処理装置。 The information processing apparatus according to claim 1, wherein the output unit outputs the search query in which the rate of increase in the score satisfies a predetermined condition.
請求項1又は2に記載の情報処理装置。 The information processing apparatus according to claim 1 or 2, wherein the output unit outputs the search query in which the rate of decrease in the score satisfies a predetermined condition.
前記所定の行動を実行する頻度が予め定められる閾値を超えるユーザである
請求項1~3のいずれか1つに記載の情報処理装置。 Said user
The information processing apparatus according to any one of claims 1 to 3, wherein the user is a user whose frequency of performing the predetermined action exceeds a predetermined threshold.
前記所定の行動ごとに、前記モデルを更新する前記タイミングを異ならせる
請求項1~4のいずれか1つに記載の情報処理装置。 The generating unit
The information processing apparatus according to any one of claims 1 to 4, wherein the timing for updating the model is changed for each predetermined action.
所定の行動に紐づく複数のユーザで構成されるユーザ群の検索履歴に基づいて、前記検索履歴に含まれる検索クエリごとに前記ユーザ群と前記所定の行動との関連性を示すスコアを対応付けたモデルを前記所定の行動ごとに生成する生成工程と、
前記生成工程により前記モデルが生成される度ごとに、前記検索クエリごとの前記スコアを出力する出力工程と
を含み、
前記生成工程は、予め定められるタイミングで前記モデルを更新する
情報処理方法。 A computer-executed information processing method comprising:
Based on search histories of a user group composed of a plurality of users linked to a predetermined action, each search query included in the search history is associated with a score indicating a relevance between the user group and the predetermined action. a generation step of generating a model for each of the predetermined actions;
an output step of outputting the score for each of the search queries each time the model is generated by the generating step;
The information processing method, wherein the generating step updates the model at a predetermined timing.
所定の行動に紐づく複数のユーザで構成されるユーザ群の検索履歴に基づいて、前記検索履歴に含まれる検索クエリごとに前記ユーザ群と前記所定の行動との関連性を示すスコアを対応付けたモデルを前記所定の行動ごとに生成する生成手順と、
前記生成手順により前記モデルが生成される度ごとに、前記検索クエリごとの前記スコアの変動に基づく情報を出力する出力手順と
を実行させ、
前記生成手順は、予め定められるタイミングで前記モデルを更新する
情報処理プログラム。 to the computer,
Based on search histories of a user group composed of a plurality of users linked to a predetermined action, each search query included in the search history is associated with a score indicating a relevance between the user group and the predetermined action. a generation procedure for generating a model for each of the predetermined actions;
an output procedure for outputting information based on the score variation for each search query each time the model is generated by the generation procedure;
The information processing program, wherein the generation procedure updates the model at a predetermined timing.
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2021046517A JP7025578B1 (en) | 2021-03-19 | 2021-03-19 | Information processing equipment, information processing methods, and information processing programs |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2021046517A JP7025578B1 (en) | 2021-03-19 | 2021-03-19 | Information processing equipment, information processing methods, and information processing programs |
Publications (2)
Publication Number | Publication Date |
---|---|
JP7025578B1 JP7025578B1 (en) | 2022-02-24 |
JP2022145213A true JP2022145213A (en) | 2022-10-03 |
Family
ID=81124387
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2021046517A Active JP7025578B1 (en) | 2021-03-19 | 2021-03-19 | Information processing equipment, information processing methods, and information processing programs |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP7025578B1 (en) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2016177377A (en) * | 2015-03-18 | 2016-10-06 | ヤフー株式会社 | Learning device, learning method, and learning program |
JP2018060469A (en) * | 2016-10-07 | 2018-04-12 | ヤフー株式会社 | Extraction device, extraction method, and extraction program |
JP2018116373A (en) * | 2017-01-16 | 2018-07-26 | ヤフー株式会社 | Generation device, generation method and generation program |
JP2019053409A (en) * | 2017-09-13 | 2019-04-04 | ヤフー株式会社 | Addition device, addition method, addition program and model |
JP2021009574A (en) * | 2019-07-01 | 2021-01-28 | ヤフー株式会社 | Information processing device, information processing method, and information processing program |
-
2021
- 2021-03-19 JP JP2021046517A patent/JP7025578B1/en active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2016177377A (en) * | 2015-03-18 | 2016-10-06 | ヤフー株式会社 | Learning device, learning method, and learning program |
JP2018060469A (en) * | 2016-10-07 | 2018-04-12 | ヤフー株式会社 | Extraction device, extraction method, and extraction program |
JP2018116373A (en) * | 2017-01-16 | 2018-07-26 | ヤフー株式会社 | Generation device, generation method and generation program |
JP2019053409A (en) * | 2017-09-13 | 2019-04-04 | ヤフー株式会社 | Addition device, addition method, addition program and model |
JP2021009574A (en) * | 2019-07-01 | 2021-01-28 | ヤフー株式会社 | Information processing device, information processing method, and information processing program |
Also Published As
Publication number | Publication date |
---|---|
JP7025578B1 (en) | 2022-02-24 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US20230069847A1 (en) | Method and system for providing query suggestions based on user feedback | |
US10685065B2 (en) | Method and system for recommending content to a user | |
US11507989B2 (en) | Multi-label product categorization | |
US8250069B2 (en) | Green's function formulations for pagerank algorithm using helmholtz wave equation representations of internet interactions | |
JP2009508267A (en) | Ranking blog documents | |
JP6703572B2 (en) | Information processing apparatus, information processing method, and information processing program | |
JP6367743B2 (en) | Information processing apparatus, information processing program, and information processing method | |
US20180081964A1 (en) | Method and system for next word prediction | |
JP6753833B2 (en) | Grant device, grant method, grant program, and program | |
US20220366299A1 (en) | Provisioning interactive content based on predicted user-engagement levels | |
KR101639656B1 (en) | Method and server apparatus for advertising | |
CN117455621A (en) | Personalized recommendation method and device, storage medium and computer equipment | |
JP6971181B2 (en) | Predictors, predictors, and programs | |
JP2022143937A (en) | Information processing apparatus, information processing method, and information processing program | |
JP6591638B1 (en) | Information processing apparatus, information processing method, and information processing program | |
JP2022145213A (en) | Information processor, method for processing information, and information processing program | |
JP2018152141A (en) | Information processing device, information processing program, and information processing method | |
WO2015178219A1 (en) | Information-processing device, information processing method, and program | |
CN111353075A (en) | Information processing apparatus, recording medium, and information processing method | |
JP6990757B1 (en) | Generator, generation method and generation program | |
JP2017021469A (en) | Categorization device, categorization method, and categorization program | |
JP2022145108A (en) | Information processing apparatus, information processing method, and information processing program | |
JP2019168738A (en) | Person retrieval apparatus | |
JP7244449B2 (en) | Information processing device, information processing method and information processing program | |
JP7162700B1 (en) | Information processing device, information processing method, and information processing program |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20210719 |
|
A871 | Explanation of circumstances concerning accelerated examination |
Free format text: JAPANESE INTERMEDIATE CODE: A871 Effective date: 20210719 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20211019 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20211217 |
|
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: 20220111 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20220210 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 7025578 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
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 |