JP5277941B2 - 関連商品提示方法、関連商品提示システム、プログラム、記録媒体 - Google Patents

Description

本発明は、ネット通販（インタ−ネットを用いた通信販売）にて商品データを組合せて提供する方法、装置、プログラム、記録媒体に関するものである。

本発明は特に、ネット通販において、販売を促進させるために、適切に組合せた商品データを提供する場合に有用である。
なお、ネット通販で扱う商品としては、パソコン、パソコン周辺機器、家電、スポーツ用品、書籍、音楽ソフト、映像ソフト、インターネットプロバイダ、不動産、乗物（自動車・バイク・自転車等）、食品、金融、保険、旅行の予約などの様々なものがある。

現代の通信販売活動において、販売促進するためには、商品を購入する顧客に対して適切な商品データを提供することが益々重要となっている。
提供する商品データについては、顧客が購入しようとしている対象商品だけでなく、対象商品と組合せて用いられる関連商品データを同時に提供することは、売り上げを増やすために有用な一つの方法である。
そこで、ネット通販において関連商品データを提供する方法とその問題点を説明する。
《１．商品の組合せ》
対象商品に組合せる関連商品は、販売担当者が、経験や知識から判断して、選択することが多い。
この場合には、商品点数が増加するにつれて、商品を選択して組合せるための作業時間が増大する。また、販売担当者の判断は主観的であるので、販売担当者によって商品の組合せ方に相違が生じる。

あるいは、対象商品に組合せる関連商品は、インターネットの掲示板に掲載されている商品の感想や評価の意見を利用して選択することも可能である。
たとえば、特許文献１では、ネット掲示板において、他の投稿データを参照する参照データを特定する投稿データ１７０と、２つの参照データを関連付ける関連メタデータ２６８を用いて、投稿データに掲載された商品が参照する参照商品を推奨する技術が開示されている。

《２．組合せの効果判定》
ネット通販では、提供している商品データの組合せが適切であるか否かを効果判定することは重要である。
たとえば、特許文献２では、一般ユーザーにより提案される組合せ商品に対して、トレンドリーダを含むユーザーに人気投票をさせて、商品の組合せを確定する技術が開示されている。

特開２００５−１９６４６９号公報（段落００４５、段落００７２−段落００７８、図４） 特開２００６−４３０３号公報（段落００１９−段落００２８、図５） Ricardo Baeza-Yates,Berthier Ribeiro-Neto,「Modern Information Retrieval」(米国)、第１版、Acm Press Books,January,1999,p.27-29 北研二他、「情報検索アルゴリズム」(日本)、第１版、共立出版、１月１日、2002、p.33-40

しかしながら、特許文献１の技術では、投稿者にとって、商品に意見がある場合にのみ、投稿が行われるのであって、全ての関連商品の情報が網羅されて投稿されるわけでは無い。
特許文献２の技術では、商品の組合せが提案者である一般ユーザーの好み（主観）に左右されるので、一般ユーザーにとって最適なものが提案される保障が無い。また、人気投票であるので、消費行動に結びつく保障は無い。

本発明は以上のような点を解決するためになされたものであって、本発明の課題は、ネット通販において、対象商品に対する関連商品の組合せを顧客に容易に提示できる、そして、顧客の反応情報を収集できる方法、装置、プログラム、記録媒体を提供することである。

ここで、用語の説明をする。
（１）特徴語の重み（ｔｆ‐ｉｄｆ ）
特徴語の重みとは、文書を特徴づける特徴語が文書の内容と関係する程度を示す指標である。
重みの大きな特徴語は、その文書の内容と密接な関係にあるといえる。
重みの小さな特徴語は、その文書の内容と希薄な関係にあるといえる。

たとえば、ｎ個の文書Ｄ₁ 、Ｄ₂ 、・・、Ｄ_nの文書集合があって、文書集合には、ｍ個の文書の内容を特徴づける語（特徴語）ｗ₁ 、ｗ₂ 、・・、ｗ_m が存在するときに、文書Ｄ_j における特徴語ｗ_i の重みの値「ｗ_ij」を算出する一般式は、以下のとおりである。
ｗ_ij＝（文書Ｄ_jにおける特徴語ｗ_iの出現頻度）／（特徴語ｗ_iを含む文書の数）

ｔｆ-ｉｄｆとは、文書を特徴づける特徴語の重みを表す値ｗ_ijの一例である。
たとえば、非特許文献１や非特許文献２には、特徴語に対して、まず、文書Ｄ_jにおける特徴語ｗ_iの出現頻度を局所的な重み「ｔｆ」として、また特徴語ｗ_iを含む文書の数を大域的な重み「ｄｆ」として、ｔｆと、ｄｆの逆数「ｉｄｆ」と、を積算して、文章における特徴語の重み「ｔｆ-ｉｄｆ」を算出する技術が開示されている。
なお「局所的な重み」と「大域的な重み」の詳細については、図９と図１０にて後述する。
（２）文書ベクトル
文書ベクトルとは、語（＝特徴語）をベクトル空間の次元として、それぞれの語の「ｔｆ-ｉｄｆ」をベクトル成分とする多次元空間ベクトルとして定義したものである。
たとえば、ｎ個の文書Ｄ₁ 、Ｄ₂ 、・・、Ｄ_nがあって、ｍ個の特徴語ｗ₁ 、ｗ₂ 、・・、ｗ_m が存在するときに、文書Ｄ_j の文書ベクトルｑ_jを表す式は、以下のとおりである。
ｑ_j＝（ｗ_1j 、ｗ_2j 、・・、ｗ_ij 、・・、ｗ_mj ）
ここで、ｗ_ijは、上述したとおり、文書Ｄ_jにおける特徴語ｗ_iの重み「ｔｆ-ｉｄｆ」である。
たとえば、非特許文献１には、文書を構成する語をベクトル空間の次元に対応付けて、ベクトル空間の次元に対応付けた語の重みをベクトル成分とする文書ベクトルを定義して、２つの文書ベクトルの向きを比べることで（＝内積の大きさを求めることで）、２つの文書間の類似度を測定する技術が開示されている。
なお、文書ベクトルの詳細については、図１１にて後述する。

（３）類似度
類似度とは、２つの文書が類似している程度である。
２つの文書に含まれる特徴語が似ていれば、２つの文書の類似度は高いことになる。
類似度は、たとえば、２つの文書ベクトル「ｑ_i」、「ｑ_j」の内積を正規化した値で表し、以下の式で算出する。
ｓｉｍ（ｑ_i 、ｑ_j ）＝（ ｑ _i ・ｑ_j ）／（ |ｑ _i | |ｑ _j | ）
（４）ネット通販による反応情報
ネット通販による反応情報とは、顧客が、提示された商品に対する購入の意思表示である成約情報（購入件数、ショッピングカートへの登録回数など）や、提示された商品データに対する関心の意思表示である参照情報（参照回数、クリック数など）などを集約したものである。

本発明は、以下の各態様に記載の手段により、前記課題を解決する。
すなわち、本願発明の第１の発明は、
商品説明文を有する商品データと、形態素解析辞書と、を用いる関連商品提示方法において、
（１）商品データが有する説明文を読み出して、形態素解析辞書を適用して、読み出した商品説明文を形態素に分離して、分離した形態素の中から、名詞の形態素と形態素解析辞書に登録されない未知語の形態素を特徴語として抽出する特徴語抽出ステップと、
（２）特徴語を手掛りにして、２つの商品説明文における特徴語の重みを算出して、両商品説明文の特徴語の重みから類似度を算出して、この類似度の値をそれぞれ商品説明文が説明する２つの商品の関連度に設定する類似度算出ステップと、
（３）一つ商品を対象商品として指定して、対象商品との関連度の値が大きい商品の商品データを関連商品データとして取り出して、対象商品データと組合せて、テスト用Ｗｅｂページを編集するテスト用Ｗｅｂページ編集ステップと、
（４）各テスト用Ｗｅｂページに掲載される関連商品の類似度の総和を求め、当該総和が最も大きいテスト用ＷｅｂページをチャンピオンパターンＷｅｂページとし、それ以外のテスト用ＷｅｂページをチャレンジパターンＷｅｂページとするステップと、
（５）テスト用Ｗｅｂページを要求してきたＷｅｂブラウザーが、通常ユーザーかチャレンジユーザーのどちらであるかを、表示比率に従って特定するステップと、
（６）通常ユーザーに対してはチャンピオンパターンＷｅｂページを、チャレンジユーザーに対してはチャレンジパターンＷｅｂページを返信するテスト用Ｗｅｂページ返信ステップと、
（７）Ｗｅｂブラウザーを介してテスト用Ｗｅｂページの商品データに対して操作された端末操作情報を収集する端末操作情報収集ステップと、
を含んだ手順でなされることを特徴とする関連商品提示方法である。

このように、両商品の説明文の類似度を手掛りにすることで、対象商品と関連性の高い関連商品を、人の判断に依存せずに客観的に、特定することが可能である。また、人手を要さずに機械的に、特定することが可能である。
あるいは、テスト用Ｗｅｂページ中の商品に対して顧客が操作した端末操作情報を収集することが可能である。

本願発明の第２の発明は、請求項１の関連商品提示方法において、
前記類似度算出ステップは、
（２−１）各商品説明文における特徴語の個数情報（＝ｔｆ）に対して、当該特徴語が存在する説明文書数情報の逆数（＝ｉｄｆ）を乗算して、特徴語の重み（＝ｔｆ−ｉｄｆ）を算出する重み算出ステップと、
（２−２）特徴語の重みの値をベクトル成分とする商品説明文の文書ベクトルデータを作成する文書ベクトル作成ステップと、
（２−３）２つの商品説明文の文書ベクトルデータを用いて、類似度を算出して、類似度値と２つの商品識別情報とを対応付けて関連度データを作成する関連度設定ステップと、
を含んだ手順でなされることを特徴とする請求項１に記載の関連商品提示方法である。

本願発明の第３の発明は、請求項１の関連商品提示方法において、
前記テスト用Ｗｅｂページは、
表示された対象商品や関連商品がクリックされたクリック情報を有するＵＲＬを発行して、表示された対象商品に対して購入の意思表示をした成約情報を有するＵＲＬを送信する
ことを特徴とする請求項１に記載の関連商品提示方法である。

本願発明の第４の発明は、
商品識別情報と商品説明文を有する商品データを格納する商品データ格納領域と、
形態素解析辞書を格納する辞書格納領域と、
を有する記憶部と、
商品データが有する説明文を読み出して、形態素解析辞書を適用して、読み出した商品説明文を形態素に分離する形態素抽出手段と、
分離した形態素の中から、名詞語と形態素解析辞書に登録されない未知語を抽出して、商品説明文の特徴語を作成する商品特徴語作成手段と、
特徴語を手掛りにして、商品説明文における特徴語の重みを算出して、２つの商品説明文の特徴語の重みから類似度を算出する類似度算出手段と、
一つの商品説明文を対象商品説明文に設定して、関連度データを参照して、所定の類似度の値に対応付けられた対象商品識別情報（＝対象商品ＩＤ）を有する関連度データを読み出して、読み出し関連度データの有する対象商品識別情報と異なる商品識別情報を関連商品識別情報（＝関連商品ＩＤ）として抽出して、抽出した関連商品識別情報を有する商品データを読み取って、対象商品の商品データと組合せて、テスト用Ｗｅｂページを編集するテスト用Ｗｅｂページ編集手段と、
各テスト用Ｗｅｂページに掲載される関連商品の類似度の総和を求め、当該総和が最も大きいテスト用ＷｅｂページをチャンピオンパターンＷｅｂページとし、それ以外のテスト用ＷｅｂページをチャレンジパターンＷｅｂページとするパターン設定手段と、
テスト用Ｗｅｂページを要求してきたＷｅｂブラウザーが、通常ユーザーかチャレンジユーザーのどちらであるかを、表示比率に従って特定するユーザー特定手段と、
通常ユーザーに対してチャンピオンパターンＷｅｂページを返信するチャンピオンパターン返信手段と、
チャレンジユーザーに対してチャレンジパターンＷｅｂページを返信するチャレンジパターン返信手段と、
を備えることを特徴とする関連商品提示システムである。

本願発明の第５の発明は、
前記類似度算出手段が、
対象商品および関連商品の特徴語を用いて、特徴語が説明文に含まれる個数情報（＝ｔｆ）と、特徴語が存在する説明文書数情報の逆数（＝ｉｄｆ）を求めて、個数情報と文書数情報の逆数を乗算して、特徴語の重み（＝ｔｆ−ｉｄｆ）を算出して、この重みを用いて、商品説明文の文書ベクトルデータを作成する文書ベクトル作成手段と、
対象商品説明文の文書ベクトルデータと、一つの関連商品説明文の文書ベクトルデータを用いて、内積の値を求めて、これを正規化して、類似度を算出して、類似度の値として、類似度値と２つの商品識別情報とを対応付けて関連度データを作成する関連度算出手段と、
を備えることを特徴とする請求項４に記載の関連商品提示システムである。

本願発明の第６の発明は、
前記テスト用Ｗｅｂページは、
テスト用Ｗｅｂページをテスト画面として表示して、商品が表示されたことを示す参照情報や、テスト画面の商品がクリックされたことを示すクリック情報や、商品に対して購入の意思表示がされたことを示す購入情報などを有する端末操作情報を送信する機能、
を備えることを特徴とする請求項４または請求項５に記載の関連商品提示システムである。

本願発明の第７の発明は、コンピューターに組込むことによって、コンピューターを請求項４から６までのいずれか１項に記載の関連商品提示システムとして動作させるコンピュータプログラムである。

本願発明の第８の発明は、請求項７に記載のコンピュータプログラムを記録したコンピューター読み取り可能な記録媒体である。

本願発明によれば、ネット通販において、
（１）２つの商品の説明文の類似度を手掛りにして、対象商品と関連性の高い関連商品を、客観的、機械的に特定して、組合せることが可能である。
（２）テストで組合せた商品に対してコンピューターを操作した端末操作情報を収集することが可能である。
従って、本発明によれば、ネット通販において、ネット販売の顧客がテストで組合せた商品の中から興味ある商品に対して反応した情報を収集することができるという効果がある。

以下、図面等を参照しながら、本発明の実施の形態について、更に詳しく説明する。

図１は、本発明の実施の形態による関連商品提示システム１の概要を説明する図である。
関連商品提示システム１は、Ｗｅｂページ設計装置１００と、ＷＷＷサーバー装置３００と、顧客端末装置５００と、がネットワーク接続されて構成される。

Ｗｅｂページ設計装置１００は、既存のＷｅｂページ編集プログラムと、既存の自然文解析ツール（たとえば、自然文解析ツール名称「茶筌」。奈良先端技術大学院作成。以下、形態素解析ツール）と、を備えたパーソナルコンピューターに、後述する専用プログラムを搭載したものである。

ＷＷＷサーバー装置３００は、既存のＷｅｂサーバープログラム（以下、Ｗｅｂサーバー）を備えたサーバーコンピューターに、後述する専用プログラムを搭載したものである。

顧客端末装置５００は、既存のＷｅｂブラウザーを搭載したパーソナルコンピューターである。

図２は、ネット通販における、対象商品とその関連商品との組合せを決める大まかな作業手順を説明する図である。
《Ａ．商品説明文の類似度》
Ｗｅｂページ設計装置１００は、全ての扱い商品の商品説明文から特徴語を抽出して、特徴語を手掛りにして、２つの商品説明文の類似度を算出する（図２（１））。
ここで、扱い商品とは、ネット通販で販売する商品である。
《Ｂ．テスト用Ｗｅｂページの編集》
Ｗｅｂページ設計装置１００は、一つの扱い商品を対象商品として指定して、２つの商品説明文の類似度を参照して、対象商品の説明文と類似度が高い商品説明文を抽出して、この商品説明文が説明する商品を候補商品とする。Ｗｅｂページ設計装置１００は、候補商品から絞りこんだ関連商品と対象商品から構成されるテスト画面を表示するための複数の異なるテスト用Ｗｅｂページを編集する（同（２））。（テスト画面の詳細は後述する）
《Ｃ．反応情報の収集》
ＷＷＷサーバー装置３００は、顧客よって異なるテスト用Ｗｅｂページを提供して、提供したテスト用Ｗｅｂページから反応情報を作成して記録する。また、ＷＷＷサーバー装置３００は、顧客端末装置５００がテスト画面の商品の参照や購入のために操作した端末操作情報を収集して、これから反応情報を作成して記録する（同（３））。

端末操作情報を収集する方法は、たとえば、テスト画面の商品画像をマウスがクリックしたら、商品を識別する情報や、クリックした意味を表す情報などを有するＵＲＬが送信されるようにテスト用Ｗｅｂページを編集しておけばよい。

ＷＷＷサーバー装置３００は、反応情報を分析して、顧客の反応の良い商品を決定する（同（４））。

このように、幾つかのテスト画面を用いて販売テストを行うことで、対象商品にとって最適な組合せとなる関連商品を決定することができる。
なお、販売用Ｗｅｂページには、反応の良い商品と共に、目玉商品やキャンペーン商品などを追加してもよい。

図３は、対象商品と候補商品を説明する図である。
対象商品とは、扱い商品の中から選んだ任意の一つの扱い商品である。
候補商品とは、対象商品の説明文にとって類似度の高い説明文の扱い商品である。
図３には、対象商品と候補商品の画像と商品名称が例示されている。
対象商品の例は、デジタルカメラ「デジタル一眼Ｓ１」である。
候補商品の例は、デジタルカメラ「オートズームＡＺ」、「コンパクトＰ３」や、フォトフレーム「デジタルフレームＤＤ８」、「フレームＮＮ６」や、フォトプリンター「フォトプリンター１５６」、「フォトコンパクト２２」である。
この例の意味は、デジタルカメラ「デジタル一眼Ｓ１」の説明文と類似度の高かった説明文の扱い商品が、デジタルカメラ「オートズームＡＺ」、「コンパクトＰ３」と、フォトフレーム「デジタルフレームＤＤ８」、「フレームＮＮ６」と、フォトプリンター「フォトプリンター１５６」、「フォトコンパクト２２」であるということである。

図４は、テスト画面５０２を説明する図である。
テスト画面５０２は、対象商品の商品データと候補商品の中から絞り込んだ関連商品の商品データにより構成されたＷｅｂページを表示させた画面である。
図４には、テスト画面５０２が例示されている。
テスト画面５０２には、対象商品の商品データとして、商品画像と商品名称と商品説明文が掲載されて、関連商品の商品データとして、商品画像と商品名称とが掲載されている。
対象商品には、「購入」ボタンが関連付けられている。
関連商品には、その関連商品が対象商品として構成されたＷｅｂページを参照するためのハイパーリンクが埋め込まれている。

なお、候補商品の中から関連商品を選ぶ方法には、たとえば、以下に例示する方法を用いればよい。
（１）商品説明文の類似度の高い順に候補商品を並べて、上位から所定の個数ずつを取り出して、関連商品の集まりを作る。たとえば、商品説明文の類似度の高い順に並べた３３個の候補商品の中から、上位から３個ずつを取り出して、１１組の関連商品の集まりを作る。
（２）候補商品の中から所定の個数の商品を任意に取り出して、関連商品の集まりを作る。

図１８は、ＵＲＬ表記による端末操作情報を説明する図である。
図１８の（ａ）は、ＵＲＬ表記による端末操作情報の形式を説明する図である。
ＵＲＬ表記の端末操作情報５９３は、情報資源所在表記９３４と、対象商品ＩＤ９３１と、関連商品ＩＤ９３２と、状態ＩＤ９３３を含むＵＲＬパラメーターとから構成される。
対象商品ＩＤ９３１は、テスト画面に表示された対象商品の対象商品ＩＤである。
関連商品ＩＤ９３２は、対象商品に関連商品として対応付けられた商品のＩＤである。
状態ＩＤ９３３は、テスト画面に表示された関連商品画像のクリックや、テスト画面に表示された対象商品の「購入」ボタンが押されたことを意味する情報である。

図１８の（ｂ）は、ＵＲＬによる端末操作情報３９７の例である。
図１８の（ｂ１）は、関連商品がクリックされたときの端末操作情報３９７の例である。
図１８の（ｂ１）に例示された端末操作情報３９７は、「 http://shop.dnp.co.jp/store/product.cgi?pattern-id=8&target-product-id=c101&related-product-id=c102&related-product-status=clicked 」である。
この例の意味は、商品ＩＤ９７１が「c101」である対象商品のときに、商品ＩＤ９７２「c102」の関連商品画像がクリックされたということである。

図１８の（ｂ２）は、対象商品が購入されたときの端末操作情報３９７の例である。
例示された端末操作情報３９７は、「 http://shop.dnp.co.jp/store/cart.cgi?pattern-id=5&target-product-id=f201&target-product-status=ordered 」である。
この例の意味は、商品ＩＤ９７１「c101」の対象商品の「購入」ボタンが押されたということである。

図１９は、反応情報を説明する図である。
図１９の（ａ）は、反応情報の形式を説明する図である。
反応情報３９７は、対象商品ＩＤ９７１と、関連商品ＩＤ９７２と、閲覧情報９７３と、参照情報９７４と、成約情報９７５と、から構成される。
対象商品ＩＤ９７１は、テスト画面に表示された対象商品の対象商品ＩＤである。
関連商品ＩＤ９７２は、対象商品に関連商品として対応付けられた商品のＩＤである。
閲覧情報９７３は、対象商品と関連商品の組合せでテスト画面に表示された回数である。
参照情報９７４は、テスト画面に表示された関連商品がクリックされた回数である。
成約情報９７５は、テスト画面に表示された対象商品の「購入」ボタンが押された回数である。

図１９の（ｂ）は、反応情報３９７の例である。

図１９の（ｂ１）は、テスト画面が表示されたときの反応情報３９７の例である。
図１９の（ｂ１）に例示された反応情報３９７は、「（c101、c102、1、0、0）、（c101、c103、1、0、0）、（c101、ｆ201、1、0、0）」である。
この例の意味は、商品ＩＤ９７１「c101」の対象商品と、商品ＩＤ９７２「c102」と「c103」と「ｆ201」との関連商品で構成されたテスト画面が「1」回表示されて閲覧されたということである。

図１９の（ｂ２）は、関連商品がクリックされたときの反応情報３９７の例である。
図１９の（ｂ２）に例示された反応情報３９７は「（c101、c102、0、1、0）」である。
この例の意味は、商品ＩＤ９７１「c101」の対象商品のときに、商品ＩＤ９７２「c102」の関連商品が「1」回クリックされたということである。

図１９の（ｂ３）は、対象商品が購入されたときの反応情報３９７の例である。
図１９の（ｂ３）に例示されている反応情報３９７は「（c101、c102、0、0、1）、（c101、c103、0、0、1）、（c101、ｆ201、0、0、1）」である。
この例の意味は、商品ＩＤ９７２「c102」と「c103」と「ｆ201」との関連商品のときに、商品ＩＤ９７１「c101」の対象商品の「購入」ボタンが「1」回クリックされたということである。

図５と図６は、ネット販売における商品の組合せを設定する詳細な処理の流れを説明する図である。

図５は、テスト用Ｗｅｂページを編集する処理を説明する図である。
《Ａ．商品説明文の類似度》
Ｗｅｂページ設計装置１００は、すべての扱い商品の商品データを読み出して、それぞれの商品データが有する説明文に対して、すでに述べた既存の自然文解析ツールを適用して、商品説明文を形態素に分離する（図５（１−１））。

ここで、図７と図８を用いて、商品データと、商品説明文の形態素を説明する。

図７は、商品データ１９２を説明する。
図７の（ａ）は、商品データ１９２の形式を説明する図である。
商品データ１９２の項目は、商品ＩＤ９２１と、商品名９２２と、商品分類９２３と、商品画像９２４と、商品説明文９２５と、摘要９２６などから構成されている。
商品ＩＤ９２１は、商品を識別するためのユニークな文字列である。
商品名９２２は、商品名を表すための文字列である。
商品分類９２３は、商品を分類するための文字列である。
商品画像９２４は、商品画像データである。商品画像データのＵＲＬでもよい。
商品説明文９２５は、商品を説明するための文字列である。
摘要９２６は、商品仕様情報、価格、製造会社名などを示すための文字列である。

図７の（ｂ）は、商品データの例である。
図７の（ｂ）には、商品データ「c103、コンパクトＰ３、デジタルカメラ、103.jpg、Ｂ社独自のテクノロジを用いた手ブレ防止撮影機能を搭載。シャープな写真を撮影できる・・・、・・・」が例示されている。
この例の意味は、
商品ＩＤ９２１が、「c103」であって、
商品名９２２が、「コンパクトＰ３」であって、
商品分類９２３が、「デジタルカメラ」であって、
商品画像９２４が、「103.jpg」であって、
商品説明文９２５が、「Ｂ社独自のテクノロジを用いた手ブレ防止撮影機能を搭載。シャープな写真を撮影できる・・・」であるということである。

図８は、商品説明文の形態素を説明する図である。
図８の（ａ）は、形態素解析結果データの形式を説明する図である。
形態素解析結果データ１９４の項目は、単語９４１と、単語の読み９４２と、単語の原形９４３と、品詞の種類９４４と、活用の種類９４５と、活用形９４６などから構成されている。
単語９４１は、商品説明文から分離した形態素としての文字列である。
単語の読み９４２は、形態素のかな読みとしての文字列である。
単語の原形９４３は、形態素の語としての原形を表す文字列である。
品詞の種類９４４は、形態素の品詞である。
活用の種類９４５は、形態素の活用の種類である。
活用形９４６は、形態素の活用形である。

図８の（ｂ）は、形態素の例である。
図８の（ｂ）には、商品説明文「、Ｂ社独自のテクノロジを用いた手ブレ防止撮影機能を搭載。・・・」を形態素解析した結果データが例示されている。

たとえば、結果データの例として、「社、シャ、社、名詞-接尾-一般、・・」が示されている。この例の意味は、単語９４１が「社」であって、単語の読み９４２が「 シャ」であって、単語の原形９４３が「社」であって、品詞の種類９４４が「名詞」であって、活用の種類９４５が「接尾」であって、活用形９４６が「一般」であると言うことである。

また、結果データの例として、「テクノロジ 、 、 、未知語、・・」が示されている。この例の意味は、単語９４１が「テクノロジ」であって、品詞の種類９４４が「未知語」であると言うことである。なお、未知語とは、形態素解析辞書に登録されていない語のことである。

図５に戻って、テスト用Ｗｅｂページを編集する処理を説明する。
Ｗｅｂページ設計装置１００は、形態素解析結果データが有する単語９４１（＝形態素）の中から、品詞の種類９４４が、名詞と未知語である形態素を抽出して、特徴語とする（図５（１−２））。

ここで、未知語とは、形態素解析辞書に登録されない単語である。未知語は、商品説明をするための新しい用語（たとえば、技術用語）である可能性が高く、特徴語に加える意味がある。

Ｗｅｂページ設計装置１００は、商品説明文から取り出した特徴語に対して、局所的な重み「ｔｆ」を算出してｔｆ管理データを一時的に保持して、大域的な重み「ｄｆ」を算出してｄｆ管理データを一時的に保持して、「ｔｆ」と、ｄｆの逆数「ｉｄｆ」とを積算して、文書おける特徴語の重み「ｔｆ−ｉｄｆ」を求める（図５（１−３））。
Ｗｅｂページ設計装置１００は、特徴語の重みの値をベクトル成分とする商品説明文書ベクトルを設定する（同（１−４））。

ここで、図を用いて、特徴語の重みと、文書ベクトルを説明する。
まず、図９から図１０までを用いて、特徴語の局所的な重みと大域的な重みを説明する。

図９は、特徴語の局所的な重み１９６（＝ｔｆ）を説明する図である。
ｎ個の商品説明文Ｄ₁ 、Ｄ₂ 、・・、Ｄ_nがあって、ｍ個の特徴語ｗ₁ 、ｗ₂ 、・・、ｗ_m が存在するときに、特徴語ｗ_iの局所的な重みとは、商品説明文Ｄ_jにおける特徴語ｗ_iの出現頻度である。

図９の（ａ）は、ｔｆ管理データ１９６の形式を説明する図である。
ｔｆ管理データ１９６は、商品ＩＤ９６０と、特徴語９６１と、ｔｆ値９６２とから構成される。
特徴語９６１と、ｔｆ値９６２とは対応付けられる。
商品ＩＤ９６０は、対応付けられている特徴語９６１とｔｆ値９６２とに関連付けられている。
商品ＩＤ９６０は、この商品説明文が説明する商品のＩＤである。
特徴語９６１は、商品説明文が有する特徴語であって、図８の単語９４１と同じである。
ｔｆ値９６２は、局所的な重み（＝商品説明文における特徴語の出現頻度）を表す数値指標である。

図９の（ｂ）は、ｔｆ管理データ１９６の例である。
図９の（ｂ）には、ｔｆ管理データ１９６の例として、たとえば、特徴語９６１とｔｆ値９６２とが対応付けられた「（コンパクト、２）、（デザイン、１）、（顔、１）」に、商品ＩＤ９６０「c101」が関連付けられたデータが示されている。
この例の意味は、このｔｆ管理データ１９６は、商品ＩＤ９６０「c101」の商品説明文の中に含まれる特徴語の出現頻度は、それぞれ、特徴語「コンパクト」の出現頻度が、２回であって、特徴語「デザイン」の出現頻度が、１回であって、特徴語「顔」の出現頻度が、１回であることを意味している。なお、商品ＩＤ９６０「c101」は、商品説明文が説明する商品のＩＤと同じである。

図１０は、特徴語の大域的な重み１９７（＝ｄｆ）を説明する図である。
ｎ個の商品説明文Ｄ₁ 、Ｄ₂ 、・・、Ｄ_nがあって、ｍ個の特徴語ｗ₁ 、ｗ₂ 、・・、ｗ_m が存在するときに、特徴語ｗ_iの大域的な重みとは、特徴語ｗ_iを含む商品説明文の数である。

図１０の（ａ）は、ｄｆ管理データ１９７の形式を説明する図である。
ｄｆ管理データ１９７は、特徴語９７１と、ｄｆ値９７２とが対応付けられて構成される。
特徴語９７１は、商品説明文が有する特徴語であって、図８の単語９４１と同じである。
ｔｆ値９７２は、特徴語の大域的な重み（＝特徴語を含む商品説明文の数）を表す数値指標である。

図１０の（ｂ）は、ｄｆ管理データ１９７の例である。
図１０の（ｂ）には、ｄｆ管理データ１９７の例として、たとえば、特徴語９７１「コンパクト」と、ｄｆ値９７２「２」とが対応付けられて示されている。
この例の意味は、特徴語９７１「コンパクト」という単語は、２つの商品説明文に出現することを意味している。
また、ｄｆ管理データ１９７の例として、たとえば、特徴語９７１「カメラ」と、ｄｆ値９７２「５」とが対応付けられて示されている。
この例の意味は、特徴語９７１「カメラ」という単語は、５つの商品説明文に出現することを意味している。

次に、説明文の文書ベクトル（以下、説明文書ベクトル）を説明する。
図１１は、説明文書ベクトルを説明する図である。
ｎ個の商品説明文Ｄ₁ 、Ｄ₂ 、・・、Ｄ_nがあって、ｍ個の特徴語ｗ₁ 、ｗ₂ 、・・、ｗ_m が存在するときに、商品説明文Ｄ_j の文書ベクトルｑ_jは、文書Ｄ_jおける特徴語ｗ_iの重み「ｔｆ−ｉｄｆ」をベクトル成分とするｍ次元ベクトルである。

図１１の（ａ）は、説明文書ベクトルデータ１９８の形式を説明する図である。
説明文書ベクトルデータ１９８は、商品ＩＤ９８０と、特徴語９８１と、ｔｆ−ｉｄｆ値９８２とから構成される。
特徴語９８１とｔｆ−ｉｄｆ値９８２が対応付けられている。
商品ＩＤ９８０は、この商品説明文が説明する商品ＩＤである。
特徴語９８１は、文字列である
ｔｆ−ｉｄｆ値９８２は、商品説明文における特徴語の所定の重み「ｔｆ‐ｉｄｆ」を表す数値である。
なお、所定の重み「ｔｆ‐ｉｄｆ」の値は、次の式で算出される値「ｗ_ij」である。
ｗ_ij＝（商品説明文Ｄ_jにおける特徴語ｗ_iの出現頻度）／（特徴語ｗ_iを有する商品説明文の数）

図１１の（ｂ）は、説明文書ベクトルデータ１９８の例である。
図１１の（ｂ）には、説明文書ベクトルデータ１９８の例として、たとえば、特徴語９８１とｔｆ−ｉｄｆ９８２とが対応付けられた「商品ＩＤ９８０「c102」が関連付けられた（コンパクト、1.0）、（デザイン、0.0）、（顔、5.0）」が示されている。
この例の意味は、この説明文書ベクトルデータ１９８は、商品ＩＤ９８０「c102」の商品説明文における特徴語のｔｆ‐ｉｄｆ値は、それぞれ、特徴語「コンパクト」のｔｆ‐ｉｄｆ値が、「1.0」であって、特徴語「デザイン」のｔｆ‐ｉｄｆ値が、「0.0」であって、特徴語「顔」のｔｆ‐ｉｄｆ値が、「5.0」であることを意味している。
ここで、ｔｆ‐ｉｄｆ値が、「0.0」であるとは、特徴語がこの商品説明文に出現しない（ｔｆ値＝「０」）ということである。
なお、商品ＩＤ９８０「c101」は、商品説明文が説明する商品ＩＤと同じである。

図５に戻って、テスト用Ｗｅｂページを編集する処理を説明する。
Ｗｅｂページ設計装置１００は、２つの商品の類似度を、それぞれの商品を説明する商品説明文の説明文書ベクトルを用いて算出する。すなわち、Ｗｅｂページ設計装置１００は、２つの商品説明文の説明文書ベクトルの内積を正規化して、２つの商品説明文の類似度を算出して、これを２つの商品の類似度値として、２つの商品識別情報（商品ＩＤ）と類似度値とを対応付けて関連度データ１９１を作成する（図５（１−５））。

ここで、図を用いて、２つの商品説明文の説明文書ベクトルを用いて、２つの商品説明文の類似度を算出する手順を説明する。
図１２は、類似度算出手順を説明する図である。
１０次元の説明文書ベクトル１９８を例に説明する。
例示される１０次元説明文書ベクトル１９８は、１０個の特徴語（コンパクト、デザイン、顔、検出、機能、カメラ、本体、画素、手、ブレ）を次元として、互いの次元が直交するベクトルである。
２つの商品説明文の１０次元説明文書ベクトルデータ１９８「ｑ _i」と「ｑ_j」のを読み出す（図１２（１））。
たとえば、商品ＩＤ「c101」の説明文書ベクトル「ｑ _i」＝「 （コンパクト、1.0）、（デザイン、1.0）、（顔、0.5）、（検出、0.5）、（機能、0.1）、（カメラ、0.2）、（本体、0.0）、（画素、0.0）、（手、0.0）、（ブレ、0.0）」と、商品ＩＤ「c102」の説明文書ベクトル「ｑ_j」＝「 （コンパクト 、1.5）、（デザイン、0.0 ）、（顔、5.0 ）、（検出、5.0 ）、（機能、0.1 ）、（カメラ、1.0 ）、（本体、1.0 ）、（画素、0.25 ）、（手、0.5 ）、（ブレ、0.5 ）」と、を読み出す。

２つの１０次元説明文書ベクトル「ｑ _i」と「ｑ_j」の内積（ ｑ _i ・ｑ_j ）を計算する（同（２））。
たとえば、商品ＩＤ「c101」の説明文書ベクトル「ｑ _i」と商品ＩＤ「c102」の説明文書ベクトル「ｑ_j」の内積（ ｑ _i ・ｑ_j ）の値は、「 ｑ _i ・ｑ_j ＝ ( 1.0 × 1.5 ) ＋ ( 1.0 × 0.0 ) ＋ ( 0.5 × 0.0 ) ＋ ( 0.5 × 0.0 ) ＋ ( 0.1 × 0.1 ) ＋ ( 0.2 × 1.0 ) ＋ ( 0.0 × 1.0 ) ＋ ( 0.0 × 0.25 ) ＋ ( 0.0 × 0.5 ) ＋ ( 0.0 × 0. 5 ) ＝ 1.701 」である。

２つの１０次元説明文書ベクトル「ｑ _i」と「ｑ_j」のユークリッドノルム|ｑ _i | と |ｑ _j |をそれぞれ計算する（同（３））。
たとえば、商品ＩＤ「c101」の説明文書ベクトル「ｑ _i」のユークリッドノルム|ｑ _i |と、商品ＩＤ「c102」の説明文書ベクトル「ｑ_j」のユークリッドノルム|ｑ _j |とは、それぞれ、「|ｑ _i |＝（1.0 ² ＋ 1.0 ² ＋ 0.5 ² ＋ 0.5 ² ＋ 0.1 ² ＋ 0.2 ² ＋0.0 ² ＋ 0.0 ² ＋ 0.0 ² ＋ 0.0 ²）の平方根 ＝ 1.596872 」と、（「ｑ_j」＝「1.5 ² ＋ 0.0 ² ＋ 0.0 ² ＋ 0.0 ² ＋ 0.1 ² ＋ 1.0 ² ＋ 1.0 ² ＋ 0.25 ² ＋ 0.5 ² ＋ 0.5 ² ）の平方根 ＝ 2.196019 」である。

２つの１０次元説明文書ベクトル「ｑ _i」と「ｑ_j」の内積をそれぞれのユークリッドノルムで除して、正規化して、２つの商品説明文の類似度ｓｉｍ（ｑ_i 、ｑ_j ）を算出する（同（４））。
たとえば、商品ＩＤ「c101」の説明文書ベクトル「ｑ _i」と商品ＩＤ「c102」の説明文書ベクトル「ｑ_j」の類似度ｓｉｍ（ｑ_i 、ｑ_j ）は、「ｓｉｍ（ｑ_i 、ｑ_j ）＝（ ｑ _i ・ｑ_j ）／（ |ｑ _i | |ｑ _j | ） = 1.701 / (1.596872× 2.196019) = 0.485063 」である。

図１３は、関連度データ１９１を説明する図である。
図１３の（ａ）は、関連度データ１９１の形式を説明する図である。
関連度データ１９１は、第１の商品ＩＤ９１１と、第２の商品ＩＤ９１２と、類似度値９１３とから構成される。
第１の商品ＩＤ９１１は、第１の商品のＩＤ９２１である。
第２の商品ＩＤ９１２は、第２の商品のＩＤ９２１である。
類似度値９１３は、第１の商品と第２の商品の類似度の程度を表す数値で、２つの商品説明文の文書ベクトル「ｑ_i」と、「ｑ_j」の内積を正規化した値である。

図１３の（ｂ）は、関連度データ１９１の例である。
図１３の（ｂ）には、関連度データ１９１ｃの例として、「ｃ201、ｃ202、0.485063」が示されている。
この例の意味は、商品ＩＤ９１１「ｃ201」の商品（第１の商品）と商品ＩＤ「ｃ202」の商品（第２の商品）との類似度の値が、「0.485063」であることを意味している。

図５に戻って、テスト用Ｗｅｂページを編集する処理を説明する。
《Ｂ．テスト用Ｗｅｂページの編集》
Ｗｅｂページ設計装置１００は、扱い商品の中から任意に選んだ一つを対象商品として指定して、関連度データ１９１を参照して、対象商品との類似度値が高い扱い商品の中から、所定の候補個数の扱い商品を読み取って、候補商品として設定する（図５（２−１））。
たとえば、所定の候補個数が「３３個」の場合には、対象商品との類似度値が高い上位３３個の扱い商品を候補商品として設定する。

Ｗｅｂページ設計装置１００は、候補商品の中から所定の抽出条件で抽出した関連商品と対象商品の商品データを組合せて、テスト画面の商品がクリックされたクリック情報や、対象商品の購入の意思表示をした「購入」ボタンをクリックした情報などの端末操作情報を収集して、ＷＷＷサーバー装置に送信するテスト用Ｗｅｂページを編集する（同（２−２））。（詳細は後述する）

ここで、抽出条件の例としては、「候補商品の中から類似度の高い順に３個ずつを関連商品として選ぶ」である。このようにして抽出した関連商品を用いることで、複数のテスト用Ｗｅｂページを編集することが可能である。

次に、反応情報収集処理を説明する。
図６は、反応情報を作成して収集する処理を説明する図である。
《Ｃ．反応情報の収集》
ＷＷＷサーバー装置３００は、テスト用Ｗｅｂページに掲載される関連商品の類似度値の総和を求めて、総和が最も大きいテスト用ＷｅｂページをチャンピオンパターンＷｅｂページとして、それ以外のものにチャレンジパターン識別情報を付してチャレンジパターンＷｅｂページとする（図６（３−１））。

ＷＷＷサーバー装置３００は、ＷＥＢサイトにアクセスしてきた顧客端末装置５００にユーザーＩＤを発行して、ユーザーＩＤに所定の通常ユーザーとチャレンジユーザーの分類比率を適用して通常ユーザーとチャレンジユーザーに分類して特定する。
（同（３−２））。
ユーザーを分類する方法は、たとえば、通常ユーザーとチャレンジユーザーの分類比率が「65:35」の場合には通常ユーザーの分類が６５％であるので、ユーザーＩＤの数値を「100」で剰余演算した剰余の値が「６５未満」であれば通常ユーザーと特定して、また、剰余の値が「６５以上」であればチャレンジユーザーと特定すればよい。

ＷＷＷサーバー装置３００は、通常ユーザーに分類し特定した顧客端末装置５００には、チャンピオンパターンＷｅｂページを提供し、チャレンジユーザーに分類し特定した顧客端末装置５００には、所定の方法で決定したチャレンジパターンＷｅｂページを提供する。このとき、ＷＷＷサーバー装置３００は提供したＷｅｂページの商品情報を用いて反応情報を作成して記録する（同（３−３））。
チャレンジパターンＷｅｂページを決定して提供する方法は、ＷＷＷサーバー装置３００が、チャレンジユーザーに分類し特定した顧客端末装置５００に対して、更にチャレンジユーザーＩＤを発行して、チャレンジユーザーＩＤを用いてチャレンジパターンＩＤを算出して、そのチャレンジパターンＩＤを有するチャレンジパターンＷｅｂページを提供するように決定すればよい。たとえば、チャレンジユーザーＩＤが「127421」で、チャレンジパターンが「１１個」の場合には、チャレンジユーザーＩＤをチャレンジパターン個数情報で剰余演算した剰余の値「127421 mod 11 = 8 」を算出して、剰余の値「8 」と一致するチャレンジパターンＩＤ「8」が対応付けられたチャレンジパターンＷｅｂページを読み取ればよい。

このように、チャレンジユーザーには、ユーザーＩＤと、チャレンジユーザーＩＤとが発行される。
なお、ユーザーＩＤやチャレンジユーザーＩＤとして、ユニークな整数値を有するユーザーＩＤ用Ｃｏｏｋｉｅを用いてよい。
このＣｏｏｋｉｅとは、ＷＷＷサーバー装置３００が、ＷｅｂページにアクセスしたＷｅｂブラウザーを通じて、ユーザーの顧客端末装置５００にデータ（＝Ｃｏｏｋｉｅと称する）を書き込んで保存させる仕組み、または、Ｗｅｂブラウザーに保存された情報のことである。

ＷＷＷサーバー装置３００は、顧客端末装置５００に提供したチャンピオンパターンＷｅｂページやチャレンジパターンＷｅｂページが送信する端末操作情報を受信して、これから反応情報を作成して記録する（同（３−４））。

ここで、図２０から図２３までを用いて、ＷＷＷサーバー装置３００にて反応情報を作成する処理を図解する。

図２０は、顧客端末装置５００における、商品画像クリックによる端末操作情報処理を図解したものである。
顧客端末装置５００のテスト画面の関連商品(商品ＩＤ９７２「f201」)の画像がクリックされる（図２０（１））。
Ｗｅｂブラウザーは、クリックした画像にハイパーリンクされている端末操作情報（＝ＵＲＬ）「http://shop.dnp.co.jp/store/product.cgi?pattern-id=8&target-product-id=c101&related-product-id=f201&related-product-status=clicked」を、ＷＷＷサーバー装置３００に送信する（同（２））。
顧客端末装置５００は、ＷＷＷサーバー装置３００が送信する商品ＩＤ９７２「c102」の商品が対象商品であるＷｅｂページを受信して、Ｗｅｂブラウザーは、これを表示する（同（３））。

図２１は、ＷＷＷサーバー装置における、商品画像クリックによる端末操作情報を用いた反応情報作成の図解である。
ＷＷＷサーバー装置３００は、顧客端末装置５００が送信する端末操作情報（＝ＵＲＬ）「http://shop.dnp.co.jp/store/product.cgi?pattern-id=8&target-product-id=c101&related-product-id=f201&related-product-status=clicked」を受信して、反応情報「（c101、ｆ201、0、1、0）」を作成する（図２１（１））。
９７２「f201」の商品が対象商品であるＷｅｂページ(たとえば、f201」の対象商品と商品ＩＤが「f202」「p301」「p302」の関連商品で構成されるｗｅｂページ)を抽出して、顧客端末装置５００に送信して、反応情報「（ｆ201、f202、1、0、0）、（ｆ201、p301、1、0、0）、（ｆ201、p302、1、0、0）」を作成する（同（２））。

図２２は、顧客端末装置５００における、テスト画面の「購入」ボタンのクリック動作を図解したものである。
顧客端末装置５００のテスト画面の対象商品(商品ＩＤ９７２「f201」)の「購入」ボタンがクリックされる（図２２（１））。
Ｗｅｂブラウザーは、クリックした「購入」ボタンにハイパーリンクされている端末操作情報（＝ＵＲＬ）「http://shop.dnp.co.jp/store/cart.cgi?pattern-id=8&target-product-id=f201&target-product-status=ordered 」を、ＷＷＷサーバー装置３００に送信する（同（２））。
顧客端末装置５００は、ＷＷＷサーバー装置３００が送信するショッピングカートＷｅｂページを受信して、Ｗｅｂブラウザーは、テスト画面の対象商品(商品ＩＤ９７２「f201」の商品と、すでに購入を意思表示した商品が掲載されたショッピングカートを表示する（同（３））。

図２３は、ＷＷＷサーバー装置における、購入による端末操作情報を用いた反応情報作成の図解である。
ＷＷＷサーバー装置３００は、顧客端末装置５００が送信する端末操作情報（＝ＵＲＬ）を受信して、ショッピングカートＷｅｂページ(たとえば、商品ＩＤが「f201」「c102」「p302」の商品で構成されるｗｅｂページ)を作成して、これを返信する（図２３（１））。
ＷＷＷサーバー装置３００は、ショッピングカートＷｅｂページデータを用いて、反応情報「（ｆ201、c102、0、0、1）、（ｆ201、p302、0 、0、1）、（c102、ｆ201、0、0、1）、（p302、ｆ201、0、0、1）」を作成する（同（２））。

図６に戻って、反応情報を作成して収集する処理を説明する図である。

ＷＷＷサーバー装置３００は、反応情報を集計して、関連商品の反応スコアを算出する（図６（４））。
たとえば、販売用Ｗｅｂページに３個の関連商品を掲載する場合には、反応スコアの値が高い商品の中から上位３個を抽出すればよい。
反応スコアの算出式は、たとえば、「 （ 反応スコア＝Ａ１×成約数＋Ａ２×クリック数＋・・・） ／ 閲覧数 」（Ａ１、Ａ２、・・・：重み係数）のように、閲覧数で正規化した値である。

チャンピオンパターンＷｅｂページやチャレンジパターンＷｅｂページから収集した端末操作情報を元に、反応スコアを算出するときに、
反応情報を収集する期間の途中で、各商品の反応スコアを算出して、Ｗｅｂページごとに反応スコアを集計して、反応スコアの値がもっとも高いものをチャンピオンパターンＷｅｂページに設定し直して、それ以外のＷｅｂページをチャレンジパターンＷｅｂページとして、テストを継続しても良い。
なお、顧客端末装置５００がすでに、ユーザーＩＤやチャレンジユーザーＩＤを有する場合には、このＩＤを読み取って、チャレンジパターンＷｅｂページもしくは該当するチャレンジパターンＷｅｂページを提供すればよい。

なお、反応スコアの値が高い関連商品で構成される販売用Ｗｅｂページの編集は、Ｗｅｂページ設計装置１００で行えばよい。

図１４は、Ｗｅｂページ設計装置１００の詳細な構成図である。
Ｗｅｂページ設計装置１００は、ＣＰＵ１０１と、表示部１０３と、入力部１０２と、ネットワーク通信部１０４と、記憶部１０９と専用プログラムとを備える。
ＣＰＵ１０１と、表示部１０３と、入力部１０２と、ネットワーク通信部１０４と、記憶部１０９とは、ＢＵＳ１９９で接続される。

ＣＰＵ１０１は、中央演算装置である。
表示部１０３は、液晶表示装置や有機ＥＬ表示装置である。
入力部１０２は、マウスやキーボードである。
ネットワーク通信部１０４は、ＬＡＮアダブターである。

記憶部１０９は、半導体メモリーや磁気メモリーである。
記憶部１０９は、商品データ格納領域１０９ａと、辞書格納領域１０９ｂと、雛形格納領域１０９ｃと、を有して、自然文解析ツール１１０と専用プログラムとを記憶する。
商品データ格納領域１０９ａは、商品識別情報（＝商品ＩＤ）を有する商品データ１９２を格納する。
辞書格納領域１０９ｂは、形態素解析辞書を格納する。
雛形格納領域１０９ｃは、ＵＲＬ雛形データ１９４とレイアウト雛形データ１９５とを格納する。
ＵＲＬテンプレートデータ１９４は、商品画像にハイパーリンクさせるクリック用ＵＲＬテンプレートと、購入ボタンにハイパーリンクさせる購入用ＵＲＬテンプレートを作成するためのテンプレートから構成される雛形データである。
レイアウトテンプレートデータ１９５は、対象商品と関連商品のＷｅｂページを編集するためのＨＴＭＬ（ＨｙｐｅｒＴｅｘｔ Ｍａｒｋｕｐ Ｌａｎｇｕａｇｅ）で記述された雛形データである。

自然文解析ツール１１０は、既存のプログラムである。

このほかに、形態素抽出手段１１２と、商品特徴語作成手段１３０と、類似度算出手段１４０と、Ｗｅｂページ編集手段１５０と、Ｗｅｂページ送信手段１６０と、を備える。これらの各手段は、それぞれの専用プログラムによって実現され、専用プログラムがＣＰＵ１０１に解釈・実行されることによって機能する。

形態素抽出手段１１２は、商品データ１９２が有する説明文を読み出して、形態素解析辞書を適用して、読み出した商品説明文を形態素に分離して、形態素を有する形態素解析結果データ１９４を作成する。

商品特徴語作成手段１３０は、形態素解析結果データ１９４が有する分離した形態素の中から、名詞の形態素と、形態素解析辞書に登録されない形態素（＝未知語）を特徴語として抽出して、特徴語が存在する説明文書数（＝ｔｆ）と、特徴語が説明文に含まれる個数（＝ｄｆ）を求めて、ｔｆ管理データ１９６とｄｆ管理データ１９７とから構成される特徴語情報を作成する。

類似度算出手段１４０は、商品特徴語作成手段１３０が作成した特徴語情報を用いて、２つの商品説明文における特徴語の重みをそれぞれ算出して、両商品説明文の特徴語の重みから類似度を算出して、類似度の値と２つの商品説明文が説明する商品のＩＤとを対応付けた関連度データ１９１を作成する。

前記類似度算出手段１４０は、文書ベクトル作成手段１４２と、関連度算出手段１４４と、を含んで構成される。
文書ベクトル作成手段１４２は、特徴語が存在する説明文書数（＝ｔｆ）と、特徴語が説明文に含まれる個数の逆数（＝ｉｄｆ）を乗算して、特徴語の重み（＝ｔｆ−ｉｄｆ）を算出して、この重みの値をベクトル成分とする説明文書ベクトル１９８を作成する。
関連度算出手段１４４は、２つの説明文書ベクトルを用いて、内積の値を求めて、これを正規化して、類似度を算出する。

Ｗｅｂページ編集手段１５０は、扱い商品の中から任意に選んだ一つを対象商品として指定して、関連度データ１９１を参照して、所定の類似度の値が対応付けられた対象商品ＩＤを有する関連度データを読み出して、読み出し関連度データの有する対象商品ＩＤと異なる商品ＩＤを関連商品ＩＤとして抽出して、抽出した関連商品ＩＤを有する商品データ（関連商品の商品データ）を読み取って、この関連商品の商品データと対象商品の商品データと組合せてレイアウトテンプレートデータ１９５に適用して、テスト用Ｗｅｂページデータを編集する。
テスト用Ｗｅｂページデータが有する商品画像や購入ボタンには、それぞれ、クリック情報や、商品に対して購入の意思表示がされたことを示す購入情報を有するＵＲＬがハイパーリンクされている。（詳細は後述する）
Ｗｅｂページ編集手段１５０は、更に、編集したテスト用Ｗｅｂページの個数より１個少ないチャレンジパターン個数情報を作成する。

Ｗｅｂページ編集手段１５０は、候補商品読取手段１５２と関連商品抽出手段１５４とクリックＵＲＬ作成手段１５６と、購入ＵＲＬ作成手段１５７と、を含んで構成される。
候補商品読取手段１５２は、関連度データ１９１を参照して、対象商品の商品ＩＤに対応付けられた類似度の値が所定の値以上であるときのもう一方の商品ＩＤを候補商品ＩＤとして読み取る。
関連商品抽出手段１５４は、候補商品ＩＤの中から、所定の個数を、関連商品の商品ＩＤとして抽出する。
クリックＵＲＬ作成手段１５６は、ＵＲＬテンプレートデータ１９４のクリック用ＵＲＬテンプレートに、関連商品抽出手段１５４が抽出した関連商品の商品ＩＤと対象商品の商品ＩＤとを設定して、当該関連商品のクリックＵＲＬを作成して、このクリックＵＲＬを当該関連商品の商品画像にハイパーリンク設定する。
購入ＵＲＬ作成手段１５７は、ＵＲＬテンプレートデータ１９４の購入用ＵＲＬテンプレートに対して、対象商品の商品ＩＤを設定して、当該対象商品の購入ＵＲＬを作成して、この購入ＵＲＬを購入ボタンにハイパーリンク設定する。

Ｗｅｂページ送信手段１６０は、テスト用Ｗｅｂページデータとチャレンジパターン個数情報をＷＷＷサーバー装置３００に送信する。

図１５は、ＷＷＷサーバー装置３００の詳細な構成図である。
ＷＷＷサーバー装置３００は、ＣＰＵ３０１と、表示部３０２と、入力部３０３と、ネットワーク通信部３０４と、記憶部３０９と、専用プログラムとを備える。ＣＰＵ３０１と、表示部３０２と、入力部３０３と、ネットワーク通信部３０４と、記憶部３０９とは、ＢＵＳ１９９で接続される。

ＣＰＵ３０１は、中央演算装置である。
表示部３０２は、液晶表示装置や有機ＥＬ表示装置である。
入力部３０３は、マウスやキーボードである。
ネットワーク通信部３０４は、ＬＡＮアダプターである。
記憶部３０９は、半導体メモリーや磁気メモリーである。
記憶部３０９は、Ｗｅｂページ格納領域３０９ａと、パターン情報格納領域３０９ｂと、反応情報格納領域３０９ｃと、を有して、Ｗｅｂサーバー３８０と、専用プログラムとを記憶する。
Ｗｅｂページ格納領域３０９ａは、Ｗｅｂページデータを格納する。
パターン情報格納領域３０９ｂは、チャンピオンパターンとチャレンジパターンの表示比率情報３９２と、チャレンジパターン個数情報３９３とを格納する。
反応情報格納領域３０９ｃは、反応情報３９５を格納する。
反応情報３９５とは、商品ＩＤとクリック回数情報や成約情報を対応付けた情報である。

このほかに、Ｗｅｂページ受信手段３１０と、テスト画面送信手段３２０と、販売用Ｗｅｂパターン設定手段３３０と、を備える。これらの各手段は、それぞれの専用プログラムによって実現され、専用プログラムがＣＰＵ３０１に解釈・実行されることによって機能する。

Ｗｅｂページ受信手段３１０は、Ｗｅｂページ設計装置が送信するテスト用Ｗｅｂページデータ３９１とチャレンジパターン個数情報を受信して、テスト用Ｗｅｂページデータ３９１をＷｅｂページ格納領域３０９ａに格納して、チャレンジパターン個数情報をパターン情報格納領域３０９ｂに格納する。

Ｗｅｂページ受信手段３１０は、パターン設定手段３２２を含んで構成する。
パターン設定手段３２２は、Ｗｅｂページ格納領域３０９ａに格納されたテスト用Ｗｅｂページデータ３９１を参照して、最も類似度の値が高いものをチャンピオンパターンＷｅｂページデータとして設定し、それ以外のテスト用Ｗｅｂページに、チャレンジ識別情報を付して、チャレンジパターンＷｅｂページデータとして設定する。
チャレンジ識別情報として、たとえば、チャレンジパターン個数情報３９３が「１１個」の場合には、「０」から「１０」までの数値を用いてもよい。

テスト画面送信手段３２０は、Ｗｅｂページ格納領域３０９ａが格納するテスト用Ｗｅｂページの中から１つを読み出して、顧客端末装置５００に送信する。

テスト画面送信手段３２０は、ユーザーＩＤ発行手段３２３と、チャレンジパターンＩＤ発行手段３２７と、チャンピオンパターン返信手段３２６と、チャレンジパターン返信手段３２９と、反応情報作成手段３３２と、を含んで構成される。

ユーザーＩＤ発行手段３２３は、Ｗｅｂページデータを要求するＷｅｂブラウザーに対して、通常ユーザーかチャレンジユーザーかを特定可能なユーザーＩＤが未発行であれば、これを発行する。
通常ユーザーかチャレンジユーザーかを特定可能なユーザーＩＤとして、ユニークな整数値を有するユーザーＩＤ用Ｃｏｏｋｉｅを用いてもよい。

チャレンジパターンＩＤ発行手段３２７は、チャレンジユーザーを特定可能なユーザー識別情報を有するＷｅｂブラウザーに対して、チャレンジ識別情報（＝チャレンジパターンＩＤ）が未発行であれば、チャレンジパターンＩＤを発行とする。
チャレンジパターンＩＤは、ユニークな整数値を有するチャレンジパターンＩＤ用Ｃｏｏｋｉｅを用いてもよい。

チャレンジパターンＩＤ発行手段３２７は、ユーザー特定手段３２５を含んで構成される。
ユーザー特定手段３２５は、通常ユーザーかチャレンジユーザーかを特定可能なユーザーＩＤを用いて、通常ユーザーかチャレンジユーザーかを特定する。
そこで、ユーザー特定手段３２５は、ユーザーＩＤとして、ユニークな整数値を有するユーザーＩＤ用Ｃｏｏｋｉｅを用いて、ユニークな整数値を「100」で剰余演算し、剰余の値に対して、「65:35」の表示比率３９２を適用して、「0〜64」の範囲であれば通常ユーザーと特定して、また、余りが「65〜99」の範囲であればチャレンジユーザーと特定すればよい。
たとえば、ユーザー特定手段３２５は、ユーザーＩＤ用Ｃｏｏｋｉｅが有するユニークな整数値が「 891270 」の時には、この値を「100」で除した剰余は、「891270 mod 100 = 70 」であるので、チャレンジユーザーと特定する。

チャンピオンパターン返信手段３２６は、Ｗｅｂブラウザーが発行する商品ページ表示要求を受け付けて、Ｗｅｂブラウザーが通常ユーザーを特定可能なユーザーＩＤを有していれば、チャンピオンパターンＷｅｂページをＷｅｂブラウザーに返信する。
チャンピオンパターン返信手段３２６は、ユーザー特定手段３２５を含んで構成される。たとえば、ユーザー特定手段３２５は、ユーザーＩＤ用Ｃｏｏｋｉｅが有するユニークな整数値が「 107654 」の時には、この値を「100」で除した剰余は、「 107654 mod 100 = 54 」であるので、通常ユーザーと特定する。

チャレンジパターン返信手段３２９は、Ｗｅｂブラウザーが発行する商品ページ表示要求を受け付けて、ユーザー特定結果が、チャレンジユーザーであれば、チャレンジパターンＷｅｂページを返信する。

チャレンジパターン返信手段３２９は、チャレンジパターン読取手段３２８と、を含んで構成される。

チャレンジパターン読取手段３２８は、Ｗｅｂブラウザーが有するチャレンジパターンＩＤを用いて、チャレンジパターンＷｅｂページの識別情報を参照して、両者が一致するチャレンジパターンＷｅｂページを読み取る。

そこで、チャレンジパターン読取手段３２８は、チャレンジパターン用Ｃｏｏｋｉｅの整数値をチャレンジパターン個数情報３９３で剰余演算し、剰余の値をチャレンジパターンＩＤにしてチャレンジパターンＷｅｂページに適用して、提示するチャレンジパターンＷｅｂページに識別する。
たとえば、チャレンジパターン個数情報３９３が「１１個」の場合には、各チャレンジパターンＷｅｂページに「０」から「１０」のチャレンジパターンＩＤを対応付けおく。このとき、チャレンジパターン読取手段３２８は、チャレンジパターン用Ｃｏｏｋｉｅの整数値が「127421」の時には、この値を「11」除した剰余は、「127421 mod 11 = 8 」であるので、「8」が対応付けられたチャレンジパターンＷｅｂページを読み取る。

反応情報作成手段３３２は、テスト画面送信手段３２０が送信したテスト用Ｗｅｂページを用いて、反応情報を作成して、記録する。
また、反応情報作成手段３３２は、Ｗｅｂバーバー３８０が受信したＵＲＬの中から、端末操作情報を読み出して、反応情報を作成して、記録する。

販売用Ｗｅｂパターン設定手段３３０は、顧客端末装置のＷｅｂブラウザーから返信される端末操作情報を受信して反応情報３９５を作成収集して、反応情報３９５を用いて反応スコアを算出して、反応スコアの値の良い商品の商品データを読み取って、反応の良い商品の商品データを設定する。
販売用Ｗｅｂパターン設定手段３３０は、反応情報作成手段３３２と、反応スコア算出手段３３４を含んで構成される。
反応スコア算出手段３３４は、反応情報３９５を読み出して、各端末操作情報のそれぞれに重み係数を乗じた総和を算出して、反応スコアとする。

図１６は、Ｗｅｂページ提示処理のフローチャートである。
（１）Ｗｅｂブラウザーは、ＷＥＢサーバーにＷｅｂページ要求を送信する（ステップＳ１００）
（２）ＷＥＢサーバーは、ｃｏｏｋｉｅ確認をＷｅｂブラウザーに発行する。（ステップＳ１１０）
（２）ＷＥＢサーバーは、Ｗｅｂブラウザーからｃｏｏｋｉｅ確認の回答を受信する。（ステップＳ１２０）
（３）ＷＥＢサーバーは、回答にユーザーＩＤ用ｃｏｏｋｉｅが含まれているか否かを判定する。
ユーザーＩＤ用ｃｏｏｋｉｅが含まれていれば、ステップＳ１４０に進む。
ユーザーＩＤ用ｃｏｏｋｉｅが含まれていなければ、ステップＳ１３５に進む。（ステップＳ１３０）
（４）未発行ユーザーＷｅｂページ提示処理に進んで、終了する。（ステップＳ１３５）
（５）テスト画面送信手段３２０は、回答にチャレンジパターン用ｃｏｏｋｉｅが含まれているか否かを判定する。
チャレンジパターン用ｃｏｏｋｉｅが含まれていれば、ステップＳ１５０に進む。
チャレンジパターン用ｃｏｏｋｉｅが含まれていなければ、ステップＳ１４５に進む。（ステップＳ１４０）
（６）テスト画面送信手段３２０は、サイト訪問者のＷｅｂブラウザーに対して、チャンピオンパターンＷｅｂページを提示して、終了する。（ステップＳ１４５）
（７）チャレンジパターン読取手段３２８は、チャレンジパターン用Ｃｏｏｋｉｅの整数値を「チャレンジパターン個数」で剰余演算し、剰余の値と一致する数値が対応付けられたチャレンジパターンＷｅｂページを特定する。（ステップＳ１５０）
（８）チャレンジパターン返信手段３２９は、サイト訪問者のＷｅｂブラウザーに対して特定されたチャレンジパターンＷｅｂページを送信して、終了する。（ステップＳ１６０）

図１７は、未発行ユーザーＷｅｂページ提示処理のフローチャートである。
（１）テスト画面送信手段３２０は、パターン情報格納領域３０９ｂからチャンピオンパターンとチャレンジパターンの表示比率情報と、チャレンジパターン個数情報を読み取る。（ステップＳ２１０）
（２）ＷＥＢサーバーは、ユーザーＩＤ用Ｃｏｏｋｉｅを未発行なＷｅｂブラウザーに対して、ユーザー識別情報（ユニークな整数値＝）を有するユーザーＩＤ用Ｃｏｏｋｉｅを発行する。（ステップＳ２２０）
（３）ユーザー特定手段３２５は、商品ページを訪れたときにユーザーＩＤ用Ｃｏｏｋｉｅの整数値を「１００」で剰余演算し、剰余の値に対して、通常ユーザーとチャレンジユーザーの比の整数値を表す表示比率情報を適用して、剰余の値が表示比率情報の通常ユーザーの比の整数値の範囲であれば、通常ユーザーに振り分け、剰余の値が表示比率情報の通常ユーザーの比の整数値の範囲で無ければ、チャレンジユーザーと特定する。（ステップＳ２３０）
（４）ユーザー特定結果が、通常ユーザーかチャレンジユーザーかを判定する。
ユーザー特定結果が通常ユーザーであれば、ステップＳ２４５に進む。
ユーザー特定結果がチャレンジユーザーであれば、ステップＳ２５０に進む。（ステップＳ２４０）
（５）チャンピオンパターン返信手段３２６は、Ｗｅｂブラウザーに対して、チャンピオンパターンＷｅｂページデータを送信する。終了する。（ステップＳ２４５）
（６）チャレンジパターンＩＤ発行手段３２７は、Ｗｅｂブラウザーに対して、ランダムな整数値を有するチャレンジパターン用Ｃｏｏｋｉｅを発行とする。（ステップＳ２５０）
（７）チャレンジパターン読取手段３２８は、チャレンジパターン用Ｃｏｏｋｉｅの整数値を「チャレンジパターン個数」で剰余演算し、剰余の値と一致するチャレンジパターンＩＤが対応付けられたチャレンジパターンを読み取る。（ステップＳ２６０）
（８）チャレンジパターン返信手段３２９は、サイト訪問者のＷｅｂブラウザーに対して読み取られたチャレンジパターンを送信する。（ステップＳ２７０）

本発明の実施の形態による関連商品提示システム１の概要を説明する図 対象商品と関連商品との組合せを決める大まかな作業手順を説明する図 対象商品と関連商品を説明する図 テスト画面を説明する図 テスト用Ｗｅｂページを編集する処理を説明する図 販売用Ｗｅｂページを設定する処理を説明する図。 商品データ１９２を説明する図 商品説明文の形態素を説明する図 特徴語の局所的な重み１９６（＝ｔｆ）を説明する図 特徴語の大域的な重み１９７（＝ｄｆ）を説明する図 説明文書ベクトルを説明する図 類似度算出手順を説明する図 関連度データ１９１を説明する図 Ｗｅｂページ設計装置１００の詳細な構成図。 ＷＷＷサーバー装置３００の詳細な構成図 テストパターン提示処理のフローチャート Ｃｏｏｋｉｅ発行処理のフローチャート 端末操作情報を説明する図 反応情報を説明する図 顧客端末装置における端末操作情報処理の図解（１） ＷＷＷサーバー装置における反応情報作成の図解（１） 顧客端末装置における端末操作情報処理の図解（２） ＷＷＷサーバー装置における反応情報作成の図解（２）

符号の説明

１ 関連商品提示システム
１００ Ｗｅｂページ設計装置
１１２ 形態素抽出手段
１３０ 商品特徴語作成手段
１４０ 類似度算出手段
１４２ 文書ベクトル作成手段
１４４ 関連度算出手段
１５０ Ｗｅｂページ編集手段
１５２ 候補商品読取手段
１５４ 関連商品抽出手段
１５６ クリックＵＲＬ作成手段
１５７ 購入ＵＲＬ作成手段
１６０ Ｗｅｂページ送信手段
１９１ 関連度データ
１９２ 商品データ
１９４ 形態素解析結果データ
１９６ ｔｆ管理データ
１９７ ｄｆ管理データ
１９８ 説明文書ベクトルデータ
３００ ＷＷＷサーバー装置
３１０ Ｗｅｂページ受信手段
３２２ パターン設定手段
３２０ テスト画面送信手段
３２３ ユーザーＩＤ発行手段
３２６ チャンピオンパターン返信手段
３２５ ユーザー特定手段
３２７ チャレンジパターンＩＤ発行手段
３２８ チャレンジパターン読取手段
３２９ チャレンジパターン返信手段
３３０ 販売用Ｗｅｂパターン設定手段
３３２ 反応情報作成手段
３３４ 反応スコア算出手段
３９１ テスト用Ｗｅｂページデータ
３９２ 表示比率情情報
３９３ チャレンジパターン個数情報
３９５ 反応情報
５００ 顧客端末装置
５０２ テスト画面

Claims (8)

1. 商品説明文を有する商品データと、形態素解析辞書と、を用いる関連商品提示方法において、
   商品データが有する説明文を読み出して、形態素解析辞書を適用して、読み出した商品説明文を形態素に分離して、分離した形態素の中から、名詞の形態素と形態素解析辞書に登録されない未知語の形態素を特徴語として抽出する特徴語抽出ステップと、
   特徴語を手掛りにして、２つの商品説明文における特徴語の重みを算出して、両商品説明文の特徴語の重みから類似度を算出して、この類似度の値をそれぞれの商品説明文が説明する２つの商品の関連度に設定する類似度算出ステップと、
   一つの商品を対象商品として指定して、対象商品との関連度の値が大きい商品の商品データを関連商品データとして取り出して、対象商品データと組合せて、テスト用Ｗｅｂページを編集するテスト用Ｗｅｂページ編集ステップと、
   各テスト用Ｗｅｂページに掲載される関連商品の類似度の総和を求め、当該総和が最も大きいテスト用ＷｅｂページをチャンピオンパターンＷｅｂページとし、それ以外のテスト用ＷｅｂページをチャレンジパターンＷｅｂページとするステップと、
   テスト用Ｗｅｂページを要求してきたＷｅｂブラウザーが、通常ユーザーかチャレンジユーザーのどちらであるかを、表示比率に従って特定するステップと、
   通常ユーザーに対してはチャンピオンパターンＷｅｂページを、チャレンジユーザーに対してはチャレンジパターンＷｅｂページを返信するテスト用Ｗｅｂページ返信ステップと、
   Ｗｅｂブラウザーを介してテスト用Ｗｅｂページの商品データに対して操作された端末操作情報を収集する端末操作情報収集ステップと、
   を含んだ手順でなされることを特徴とする関連商品提示方法。
2. 前記類似度算出ステップは、
   各商品説明文における特徴語の個数情報に対して、当該特徴語が存在する説明文書数情報の逆数を乗算して、特徴語の重みを算出する重み算出ステップと、
   特徴語の重みの値をベクトル成分とする商品説明文の文書ベクトルデータを作成する文書ベクトル作成ステップと、
   ２つの商品説明文の文書ベクトルデータを用いて、類似度を算出して、類似度値と２つの商品識別情報とを対応付けて関連度データを作成する関連度設定ステップと、
   を含んだ手順でなされることを特徴とする請求項１に記載の関連商品提示方法。
3. 前記テスト用Ｗｅｂページは、
   表示された対象商品や関連商品がクリックされたクリック情報を有するＵＲＬを発行して、表示された対象商品に対して購入の意思表示をした成約情報を有するＵＲＬを送信することを特徴とする請求項１または請求項２に記載の関連商品提示方法。
4. 商品識別情報と商品説明文を有する商品データを格納する商品データ格納領域と、
   形態素解析辞書を格納する辞書格納領域と、
   を有する記憶部と、
   商品データが有する説明文を読み出して、形態素解析辞書を適用して、読み出した商品説明文を形態素に分離する形態素抽出手段と、
   分離した形態素の中から、名詞語と形態素解析辞書に登録されない未知語を抽出して、商品説明文の特徴語を作成する商品特徴語作成手段と、
   特徴語を手掛りにして、商品説明文における特徴語の重みを算出して、２つの商品説明文の特徴語の重みから類似度を算出する類似度算出手段と、
   一つの商品説明文を対象商品説明文に設定して、関連度データを参照して、所定の類似度の値に対応付けられた対象商品識別情報を有する関連度データを読み出して、読み出した関連度データの有する対象商品識別情報と異なる商品識別情報を関連商品識別情報として抽出して、抽出した関連商品識別情報を有する商品データを読み取って、対象商品の商品データと組合せて、テスト用Ｗｅｂページを編集するテスト用Ｗｅｂページ編集手段と、
   各テスト用Ｗｅｂページに掲載される関連商品の類似度の総和を求め、当該総和が最も大きいテスト用ＷｅｂページをチャンピオンパターンＷｅｂページとし、それ以外のテスト用ＷｅｂページをチャレンジパターンＷｅｂページとするパターン設定手段と、
   テスト用Ｗｅｂページを要求してきたＷｅｂブラウザーが、通常ユーザーかチャレンジユーザーのどちらであるかを、表示比率に従って特定するユーザー特定手段と、
   通常ユーザーに対してチャンピオンパターンＷｅｂページを返信するチャンピオンパターン返信手段と、
   チャレンジユーザーに対してチャレンジパターンＷｅｂページを返信するチャレンジパターン返信手段と、
   を備えることを特徴とする関連商品提示システム。
5. 前記類似度算出手段が、
   対象商品および関連商品の特徴語を用いて、特徴語が説明文に含まれる個数情報と、特徴語が存在する説明文書数情報の逆数を求めて、個数情報と文書数情報の逆数を乗算して、特徴語の重みを算出して、この重みを用いて、商品説明文の文書ベクトルデータを作成する文書ベクトル作成手段と、
   対象商品説明文の文書ベクトルデータと、一つの関連商品説明文の文書ベクトルデータを用いて、内積の値を求めて、これを正規化して、類似度を算出して、類似度の値として、類似度値と２つの商品識別情報とを対応付けて関連度データを作成する関連度算出手段と、
   を備えることを特徴とする請求項４に記載の関連商品提示システム。
6. 前記テスト用Ｗｅｂページは、
   テスト用Ｗｅｂページをテスト画面として表示して、商品が表示されたことを示す参照情報や、テスト画面の商品がクリックされたことを示すクリック情報や、商品に対して購入の意思表示がされたことを示す購入情報などを有する端末操作情報を送信する機能、
   を備えることを特徴とする請求項４または請求項５に記載の関連商品提示システム。
7. コンピューターに組込むことによって、コンピューターを請求項４から６までのいずれか１項に記載の関連商品提示システムとして動作させるコンピュータプログラム。
8. 請求項７に記載のコンピュータプログラムを記録したコンピューター読み取り可能な記録媒体。

Images