JP6928044B2 - Providing equipment, providing method and providing program - Google Patents

Providing equipment, providing method and providing program Download PDF

Info

Publication number
JP6928044B2
JP6928044B2 JP2019172130A JP2019172130A JP6928044B2 JP 6928044 B2 JP6928044 B2 JP 6928044B2 JP 2019172130 A JP2019172130 A JP 2019172130A JP 2019172130 A JP2019172130 A JP 2019172130A JP 6928044 B2 JP6928044 B2 JP 6928044B2
Authority
JP
Japan
Prior art keywords
person
index
list
candidates
candidate
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.)
Active
Application number
JP2019172130A
Other languages
Japanese (ja)
Other versions
JP2021051368A (en
Inventor
知紘 小川
知紘 小川
寺田　幸弘
幸弘 寺田
佳史 池本
佳史 池本
享靖 尾形
享靖 尾形
泰介 森
泰介 森
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Yahoo Japan Corp
Original Assignee
Yahoo Japan Corp
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Yahoo Japan Corp filed Critical Yahoo Japan Corp
Priority to JP2019172130A priority Critical patent/JP6928044B2/en
Publication of JP2021051368A publication Critical patent/JP2021051368A/en
Application granted granted Critical
Publication of JP6928044B2 publication Critical patent/JP6928044B2/en
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Landscapes

  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Description

本発明は、提供装置、提供方法及び提供プログラムに関する。 The present invention relates to a providing device, a providing method, and a providing program.

近年、インターネットの飛躍的な普及に伴い、例えば、インターネット上の種々の情報を用いた分析に関する技術が提供されている。例えば、利用者が入力した検索クエリに基づいて、所定の事業者が提供する対象に対するニーズに関する情報を抽出する技術が提案されている。 In recent years, with the rapid spread of the Internet, for example, techniques related to analysis using various information on the Internet have been provided. For example, a technique has been proposed in which information on needs for a target provided by a predetermined business operator is extracted based on a search query entered by a user.

特開２０１９−３２７７６号公報JP-A-2019-32776

しかしながら、上記の従来技術では、コンテンツの作成に有用な情報を提供できるとは限らない。 However, the above-mentioned prior art cannot always provide useful information for creating content.

例えば、上記の従来技術では、所定の事業者が提供する対象に対するニーズに関する情報を抽出しているに過ぎない。このため、新たなコンテンツを作成する際に、どのような内容のコンテンツをどのような人物に作成させればよいかといった情報を提供することができない。 For example, in the above-mentioned prior art, only the information about the needs for the object provided by a predetermined business operator is extracted. Therefore, when creating new content, it is not possible to provide information such as what kind of content should be created by what kind of person.

本願は、上記に鑑みてなされたものであって、コンテンツの作成に有用な情報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 an object of the present application is to provide useful information for creating content.

本願に係る提供装置は、コンテンツを制作する際の指標の候補と、当該コンテンツの制作に関連する人物の候補との間の関連性を示すスコアを算出する算出部と、前記スコアが所定の条件を満たす指標と人物との組を示す情報を提供する提供部とを有することを特徴とする。 The providing device according to the present application includes a calculation unit that calculates a score indicating a relationship between a candidate index for producing the content and a candidate for a person related to the production of the content, and the score is a predetermined condition. It is characterized by having an index that satisfies the condition and a providing unit that provides information indicating a pair of persons.

実施形態の一態様によれば、コンテンツの作成に有用な情報を提供することできるという効果を奏する。 According to one aspect of the embodiment, there is an effect that useful information can be provided for creating the content.

図１は、実施形態に係る情報提供システムの構成例を示す図である。FIG. 1 is a diagram showing a configuration example of an information providing system according to an embodiment. 図２は、コンテンツ制作のための指標の候補と、コンテンツ制作に関わる人物の候補との組み合わせを示す情報を提供するための情報提供システムの一例を示す図である。FIG. 2 is a diagram showing an example of an information providing system for providing information indicating a combination of a candidate of an index for content production and a candidate of a person involved in content production. 図３は、コンテンツ制作に関わる人物の候補のリストを生成する生成処理の一例を示す図である。FIG. 3 is a diagram showing an example of a generation process for generating a list of candidates of persons involved in content production. 図４は、コンテンツ制作に関わる人物の候補のリストを生成する生成処理の一例を示す図である。FIG. 4 is a diagram showing an example of a generation process for generating a list of candidates of persons involved in content production. 図５は、コンテンツ制作のための指標の候補のリストを生成する生成処理の一例を示す図である。FIG. 5 is a diagram showing an example of a generation process for generating a list of index candidates for content production. 図６は、コンテンツ制作のための指標の候補と、コンテンツ制作に関わる人物の候補との組み合わせを示す情報を生成する生成処理の一例を示す図である。FIG. 6 is a diagram showing an example of a generation process for generating information indicating a combination of an index candidate for content production and a candidate for a person involved in content production. 図７は、実施形態に係る情報提供装置の構成例を示す図である。FIG. 7 is a diagram showing a configuration example of the information providing device according to the embodiment. 図８は、実施形態に係る検索履歴データベースの一例を示す図である。FIG. 8 is a diagram showing an example of a search history database according to the embodiment. 図９は、実施形態に係る投稿履歴データベースの一例を示す図である。FIG. 9 is a diagram showing an example of a posting history database according to the embodiment. 図１０は、実施形態に係る提供リストデータベースの一例を示す図である。FIG. 10 is a diagram showing an example of the provision list database according to the embodiment. 図１１は、実施形態に係る情報提供装置によって実行される、コンテンツ制作のための指標の候補と、コンテンツ制作に関わる人物の候補との組み合わせを示す情報を提供するための処理手順を示すフローチャートである。FIG. 11 is a flowchart showing a processing procedure for providing information indicating a combination of an index candidate for content production and a candidate for a person involved in content production, which is executed by the information providing device according to the embodiment. be. 図１２は、ハードウェア構成の一例を示す図である。FIG. 12 is a diagram showing an example of a hardware configuration.

以下に、本願に係る提供装置、提供方法及び提供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提供装置、提供方法及び提供プログラムが限定されるものではない。１つまたは複数の実施形態の詳細は、以下の説明および図面に記載される。また、１つまたは複数の実施形態の各々は、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１つまたは複数の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する。 Hereinafter, a providing device, a providing method, and a mode for carrying out the providing program (hereinafter referred to as “the embodiment”) according to the present application will be described in detail with reference to the drawings. It should be noted that this embodiment does not limit the providing device, the providing method, and the providing program according to the present application. Details of one or more embodiments will be described in the description and drawings below. Further, each of the one or a plurality of embodiments can be appropriately combined as long as the processing contents do not contradict each other. Further, in the following one or more embodiments, the same parts are designated by the same reference numerals, and duplicate description will be omitted.

〔１．情報提供システムの構成〕
まず、図１を参照して、実施形態に係る情報提供システムの構成について説明する。実施形態に係る情報提供システムは、情報提供装置１００を有する。実施形態に係る情報提供装置１００は、提供装置の一例である。 [1. Information provision system configuration]
First, the configuration of the information providing system according to the embodiment will be described with reference to FIG. The information providing system according to the embodiment includes an information providing device 100. The information providing device 100 according to the embodiment is an example of the providing device.

図１は、実施形態に係る情報提供システムの構成例を示す図である。図１に示すように、実施形態に係る情報提供システム１は、ユーザ装置１０１〜１０ｎ（ｎは任意の自然数）と、企画者装置２０と、情報提供装置１００と、ＳＮＳ（Social Network Service）サーバ２００と、Ｑ＆Ａ（Questions and Answers）サーバ３００とを含む。本明細書では、ユーザ装置１０１〜１０ｎを区別する必要がない場合は、ユーザ装置１０１〜１０ｎを「ユーザ装置１０」と総称する。 FIG. 1 is a diagram showing a configuration example of an information providing system according to an embodiment. As shown in FIG. 1, the information providing system 1 according to the embodiment includes a user device 10 1 to 10 n (n is an arbitrary natural number), a planner device 20, an information providing device 100, and an SNS (Social Network Service). ) Server 200 and Q & A (Questions and Answers) server 300. In this specification, when it is not necessary to distinguish between the user device 10 1 to 10 n, the user device 10 1 to 10 n are collectively referred to as "user equipment 10".

情報提供システム１において、ユーザ装置１０、企画者装置２０、情報提供装置１００、ＳＮＳサーバ２００およびＱ＆Ａサーバ３００は、それぞれネットワークＮと有線又は無線により接続される。ネットワークＮは、例えば、インターネット網等のネットワーク網である。図１中では図示していないが、情報提供システム１は、複数台の企画者装置２０や、複数台の情報提供装置１００や、複数台のＳＮＳサーバ２００や、複数台のＱ＆Ａサーバ３００を含んでもよい。 In the information providing system 1, the user device 10, the planner device 20, the information providing device 100, the SNS server 200, and the Q & A server 300 are each connected to the network N by wire or wirelessly. The network N is, for example, a network network such as an Internet network. Although not shown in FIG. 1, the information providing system 1 includes a plurality of planner devices 20, a plurality of information providing devices 100, a plurality of SNS servers 200, and a plurality of Q & A servers 300. But it may be.

ユーザ装置１０は、ユーザ（利用者）によって利用される情報処理装置である。ユーザは、例えば、インターネット上で提供される各種サービスを利用する者である。ユーザ装置１０は、スマートフォン、デスクトップ型ＰＣ（Personal Computer）、ノート型ＰＣ、タブレット型ＰＣ等のクライアント装置を含む、任意のタイプの情報処理装置であってもよい。 The user device 10 is an information processing device used by a user (user). A user is, for example, a person who uses various services provided on the Internet. The user device 10 may be any type of information processing device including a client device such as a smartphone, a desktop PC (Personal Computer), a notebook PC, and a tablet PC.

企画者装置２０は、企画者によって利用される情報処理装置である。企画者は、例えば、企画（プラン）や計画（プロジェクト）を立てる者である。例えば、企画者が書籍の編集者である場合に、企画は、書籍出版の企画（例えば、テーマ、著者）であり得る。ユーザ装置１０の場合と同様に、企画者装置２０は、クライアント装置を含む、任意のタイプの情報処理装置であってもよい。 The planner device 20 is an information processing device used by the planner. A planner is, for example, a person who makes a plan (plan) or a plan (project). For example, if the planner is a book editor, the plan can be a book publishing plan (eg, theme, author). As in the case of the user device 10, the planner device 20 may be any type of information processing device including the client device.

情報提供装置１００（提供装置の一例に相当）は、各種情報を提供する情報処理装置である。例えば、情報提供装置１００は、企画者の企画または計画を支援するための情報を、企画者装置２０に提供する。情報提供装置１００は、サーバを含む、任意のタイプの情報処理装置であってもよい。情報提供装置１００は、ネットワークＮを介して、有線又は無線によりユーザ装置１０、企画者装置２０、ＳＮＳサーバ２００およびＱ＆Ａサーバ３００と通信を行う。複数台の情報提供装置１００が、ウェブサーバ、アプリケーションサーバ、データベースサーバ等の各種サーバの機能をそれぞれ提供してもよい。 The information providing device 100 (corresponding to an example of the providing device) is an information processing device that provides various types of information. For example, the information providing device 100 provides the planner device 20 with information for supporting the planner's plan or the plan. The information providing device 100 may be any type of information processing device including a server. The information providing device 100 communicates with the user device 10, the planner device 20, the SNS server 200, and the Q & A server 300 via the network N by wire or wirelessly. The plurality of information providing devices 100 may each provide the functions of various servers such as a web server, an application server, and a database server.

ＳＮＳサーバ２００は、ユーザ装置１０のユーザにＳＮＳを提供する情報処理装置である。例えば、ＳＮＳサーバ２００は、ユーザがテキスト、画像または動画をソーシャルネットワークに投稿することを可能にするユーザインタフェース（例えば、ＳＮＳページ）を提供する。ＳＮＳサーバ２００は、サーバを含む、任意のタイプの情報処理装置であってもよい。 The SNS server 200 is an information processing device that provides an SNS to the user of the user device 10. For example, the SNS server 200 provides a user interface (eg, an SNS page) that allows a user to post text, images, or videos to a social network. The SNS server 200 may be any type of information processing device including the server.

Ｑ＆Ａサーバ３００は、ユーザ装置１０のユーザにＱ＆Ａサービスを提供する情報処理装置である。例えば、Ｑ＆Ａサーバ３００は、ユーザが他のユーザに質問をしたり、他のユーザからの質問に回答したり、各種質問に対する回答を閲覧したりすることを可能にするユーザインタフェース（例えば、Ｑ＆Ａページ）を提供する。Ｑ＆Ａサーバ３００は、サーバを含む、任意のタイプの情報処理装置であってもよい。 The Q & A server 300 is an information processing device that provides a Q & A service to the user of the user device 10. For example, the Q & A server 300 is a user interface (for example, a Q & A page) that enables a user to ask a question to another user, answer a question from another user, and view answers to various questions. )I will provide a. The Q & A server 300 may be any type of information processing device including the server.

〔２．情報提供処理〕
次に、図２、図３、図４、図５および図６を参照して、例示的な実施形態に係る情報提供処理について説明する。 [2. Information provision processing]
Next, the information providing process according to the exemplary embodiment will be described with reference to FIGS. 2, 3, 4, 5, and 6.

〔２−１．例示的な実施形態の概要〕
書籍の編集者の編集作業の１つは、新刊の企画立案や、企画の売り込みである。例えば、書籍の編集者は、新刊の著者候補と新刊のテーマ候補との組み合わせを挙げ、新刊の企画を著者候補に売り込むことがある。一般的に、編集者は、この編集作業を人手で行っている。例えば、編集者は、インターネットを用いて、著者候補とテーマ候補との組み合わせを網羅したリストを作ることがある。編集者は、例えば、様々な評価指標（例えば、ＳＮＳのフォロワーの数、動画の再生回数、ソーシャルボタンのクリック数）に基づいて、著者候補とテーマ候補との組み合わせのリストを作ることができる。 [2-1. Outline of an exemplary embodiment]
One of the editing tasks of a book editor is planning a new book and marketing the plan. For example, a book editor may list a combination of a new book author candidate and a new book theme candidate and market the new book project to the author candidate. In general, editors perform this editing work manually. For example, editors may use the Internet to create a comprehensive list of potential author and theme candidates. Editors can create a list of potential author and theme combinations, for example, based on various metrics (eg, SNS followers, video views, social button clicks).

しかしながら、編集者は、インターネットを用いて人手で様々なページ（例えば、ＳＮＳページ、動画共有サービス）から情報を収集するため、著者候補とテーマ候補との組み合わせのリストの作成に手間と時間がかかる。編集者は、このような編集作業の時間を減らし、かつヒットする書籍を作成したいと思うことがある。 However, since editors manually collect information from various pages (for example, SNS pages, video sharing services) using the Internet, it takes time and effort to create a list of combinations of author candidates and theme candidates. .. Editors may want to reduce the time required for such editing and create hit books.

そこで、例示的な実施形態に係る情報提供装置１００は、検索履歴（例えば、トラフィック、ボリューム）等のウェブデータを用いて、著者候補とテーマ候補との組み合わせのリストを生成し、生成されたリストを編集者に提供する。例えば、情報提供装置１００は、人名やトレンドに対応する検索クエリのボリューム（検索者数）を用いて、ウェブデータから、著者候補およびテーマ候補を決定する。そして、情報提供装置１００は、自然言語処理の手法（例えば、単語埋め込み）を用いて、著者候補とテーマ候補との間の意味的類似性を決定し、決定された意味的類似性に基づいて、著者候補とテーマ候補との組み合わせのリストを生成する。このようにして、情報提供装置１００は、著者候補とテーマ候補との組み合わせのリストのデータを、（例えば、アプリケーション、各種ページ等のユーザインタフェースを介して）編集者に提供することができる。 Therefore, the information providing device 100 according to the exemplary embodiment generates a list of combinations of author candidates and theme candidates using web data such as search history (for example, traffic, volume), and the generated list. To the editor. For example, the information providing device 100 determines author candidates and theme candidates from web data using the volume (number of searchers) of search queries corresponding to personal names and trends. Then, the information providing device 100 determines the semantic similarity between the author candidate and the theme candidate by using a natural language processing method (for example, word embedding), and based on the determined semantic similarity. , Generate a list of combinations of author candidates and theme candidates. In this way, the information providing device 100 can provide the data of the list of the combination of the author candidate and the theme candidate to the editor (for example, through the user interface of the application, various pages, etc.).

その結果、例示的な実施形態に係る情報提供装置１００は、著者候補とテーマ候補との組み合わせを網羅するための手間と時間を削減することができる。さらに、情報提供装置１００は、検索履歴等のウェブデータを網羅的に解析することができるため、情報提供装置１００は、著者候補やテーマ候補の取りこぼしを防止することができる。例えば、情報提供装置１００は、編集者が思いもよらない、著者候補とテーマ候補との組み合わせを、編集者に提示することができる。このため、情報提供装置１００は、新たなインスピレーションを編集者に与えることができる。 As a result, the information providing device 100 according to the exemplary embodiment can reduce the time and effort required to cover the combination of the author candidate and the theme candidate. Further, since the information providing device 100 can comprehensively analyze the web data such as the search history, the information providing device 100 can prevent the author candidate and the theme candidate from being missed. For example, the information providing device 100 can present to the editor a combination of author candidates and theme candidates that the editor does not expect. Therefore, the information providing device 100 can give a new inspiration to the editor.

〔２−２．情報提供システムの処理フロー〕
以下では、図２を参照して、例示的な実施形態に係る情報提供システム１の処理フローについて説明する。 [2-2. Information provision system processing flow]
Hereinafter, the processing flow of the information providing system 1 according to the exemplary embodiment will be described with reference to FIG.

図２は、コンテンツ制作のための指標の候補と、コンテンツ制作に関わる人物の候補との組み合わせを示す情報を提供するための情報提供システム１の一例を示す図である。図２の例では、コンテンツ制作のための指標の候補と、コンテンツ制作に関わる人物の候補との組み合わせを示す情報である組み合わせ情報を提供する情報提供処理が、図１を参照して上述した情報提供システム１によって行われる。 FIG. 2 is a diagram showing an example of an information providing system 1 for providing information indicating a combination of a candidate of an index for content production and a candidate of a person involved in content production. In the example of FIG. 2, the information providing process for providing combination information, which is information indicating the combination of the candidate of the index for content production and the candidate of the person involved in the content production, is the information described above with reference to FIG. It is done by the providing system 1.

図２の例では、情報提供システム１の企画者装置２０は、企画者Ｐによって利用される。企画者装置２０は、企画者Ｐによって利用されるノート型ＰＣとして示されている。図２の例では、企画者Ｐは、書籍企画を立てる企画者である。企画者Ｐは、例えば、出版社の編集者である。企画者Ｐは、出版される書籍の内容（例えば、テーマ）を決定したり、この書籍を執筆する著者を探したりする。 In the example of FIG. 2, the planner device 20 of the information providing system 1 is used by the planner P. The planner device 20 is shown as a notebook PC used by the planner P. In the example of FIG. 2, the planner P is a planner who makes a book plan. The planner P is, for example, an editor of a publishing company. The planner P decides the content (for example, the theme) of the book to be published and searches for the author who writes this book.

ところで、出版社の編集者は、一般的に、書籍出版のための各種リサーチ（例えば、新刊のための材料（ネタ）の収集）を、人手で行っている。例えば、出版社の編集者は、書籍のテーマや著者の候補に関する情報を求めて、インターネット検索をすることがある。例えば、出版社の編集者は、今流行っているテーマをインターネットで探すことがある。 By the way, editors of publishers generally carry out various researches for publishing books (for example, collecting materials (materials) for new publications) manually. For example, publisher editors may search the Internet for information about book themes and potential authors. For example, publisher editors may search the Internet for popular themes.

説明のための一例として、図２の企画者Ｐが、インターネット上のメディア（例えば、ＳＮＳ、ブログ、動画共有サービス、作品配信サイト、掲示板、ニュース記事）から複数のテーマの候補を集め、ビジネス分野で流行っているテーマが「節約」である、と決定したと仮定する。このテーマ「節約」は、例えば、食費、光熱費および通信費のための節約術に関する。さらに、企画者Ｐが、インターネット上のメディアから複数の著者の候補を集め、節約家として活動する人物「サブ（例示のプロフィール名）」が「節約」に詳しい、と決定したと仮定する。このような場合、企画者Ｐは、「節約」を、書籍のテーマとして決定するかもしれない。さらに、企画者Ｐは、人物「サブ」を、「節約」をテーマとする書籍（例えば、節約全般をテーマとする書籍）の著者候補として決定するかもしれない。そして、企画者Ｐは、テーマ「節約」に関する書籍出版の企画を、この著者候補に提案するかもしれない。 As an example for explanation, the planner P in FIG. 2 collects candidates for multiple themes from media on the Internet (for example, SNS, blogs, video sharing services, work distribution sites, bulletin boards, news articles), and collects candidates for multiple themes in the business field. Suppose you decide that the popular theme in is "savings". This theme "Savings" relates to, for example, how to save money for food, utilities and communications. Furthermore, it is assumed that the planner P collects candidates for multiple authors from the media on the Internet and decides that the person "sub (exemplary profile name)" who acts as a saver is familiar with "save". In such a case, the planner P may decide "saving" as the theme of the book. Further, the planner P may determine the person "sub" as a candidate author for a book on the theme of "savings" (for example, a book on the theme of saving in general). Then, the planner P may propose a book publishing plan on the theme "saving" to this author candidate.

しかしながら、書籍のテーマと著者候補との組み合わせの決定は、多大な労力と時間を要する場合がある。例えば、上述の企画者Ｐは、インターネット上のメディアからの集められた複数のテーマの中からテーマを特定するための編集作業（例えば、情報の分類、情報の吟味）を行う。そして、企画者Ｐは、例えば、ＳＮＳ、ブログまたは作品配信サイトの登録者の数（例えば、フォロワー、読者または会員の数）等の指標を用いて、複数のテーマの中からテーマを決定する。人手で行われるこのような編集作業は、多大な労力と時間を要する場合がある。 However, deciding the combination of a book theme and potential authors can be very laborious and time consuming. For example, the above-mentioned planner P performs editing work (for example, classification of information, examination of information) for identifying a theme from a plurality of themes collected from media on the Internet. Then, the planner P determines the theme from a plurality of themes by using an index such as the number of registrants of the SNS, the blog or the work distribution site (for example, the number of followers, readers or members). Such manual editing work can be laborious and time consuming.

加えて、企画者Ｐのバイアス（例えば、先入観、情報バイアス）が、書籍のテーマと著者候補との組み合わせの決定にかかる場合がある。例えば、企画者Ｐは、インターネット上の特定のメディア（例えば、ブログ）を閲覧し、テーマと著者候補との組み合わせを、企画者Ｐの感覚で判断する。例えば、企画者Ｐは、節約家として活動する人物「サブ」のブログを閲覧し、この人物は節約全般に詳しい、と考えるかもしれない。しかしながら、この人物は、実際には、節約レシピに詳しいかもしれないが、他の節約術（例えば、光熱費、通信費の節約）には詳しくないかもしれない。このような場合、この人物が、節約全般をテーマとする書籍の著者として適切であるとは限らない。あるいは、この人物は、「自炊」をテーマとする書籍（例えば、自炊の入門書）の著者として適切であるかもしれない。 In addition, the bias of the planner P (eg, prejudice, information bias) may affect the determination of the combination of the book theme and potential authors. For example, the planner P browses a specific medium (for example, a blog) on the Internet and judges the combination of the theme and the author candidate with the feeling of the planner P. For example, planner P may browse the blog of a person "sub" who acts as a saver and think that this person is familiar with savings in general. However, this person may actually be familiar with saving recipes, but not with other saving techniques (eg, saving on utilities, communications). In such cases, this person may not be the right author of a book on the subject of savings in general. Alternatively, this person may be appropriate as the author of a book on the subject of "self-catering" (eg, an introductory book on self-catering).

そこで、図２の例示的な実施形態では、情報提供装置１００は、書籍の編集作業に要する労力と時間を軽減するとともに、書籍のテーマ候補と著者候補との適切な組み合わせを決定するために、以下に説明される情報提供処理を実行する。 Therefore, in the exemplary embodiment of FIG. 2, the information providing device 100 reduces the labor and time required for editing the book, and determines an appropriate combination of the theme candidate and the author candidate of the book. The information providing process described below is executed.

はじめに、ＳＮＳサーバ２００は、ユーザ装置１０１から、投稿情報を受け付ける（ステップＳ１）。 First , the SNS server 200 receives the posted information from the user device 101 (step S1).

例えば、ＳＮＳサーバ２００は、テキスト、写真、動画、音声等の各種データを、ＳＮＳページ（例えば、「いいね」等のユーザの意思を示すためのボタンのコンポーネントを含むページ）を介して、ユーザ装置１０１から受信する。図２の例では、ユーザ装置１０１は、ユーザＵ１によって利用されるスマートフォンとして示されている。ユーザＵ１は、例えば、ＳＮＳのユーザである人物「マル子（例示のプロフィール名）」によって投稿された節約術に関するメッセージ（例えば、「私は、ＴＶをコンセントから抜いた。」）に、「いいね」等の反応を示す。あるいは、ユーザＵ１は、人物「マル子」の節約術についてのメッセージ（「マル子さん、私も、ＴＶをコンセントから抜きました。」））を投稿してもよい。このようにして、ＳＮＳサーバ２００は、人物の名前（例えば、プロフィール名）を含む投稿、プロフィール名に関連付けられた反応（例えば、「いいね」等の反応）等のウェブデータを、投稿情報として収集することができる。 For example, the SNS server 200 transmits various data such as text, photos, videos, and voices to a user via an SNS page (for example, a page including a button component for indicating the user's intention such as “like”). received from the device 10 1. In the example of FIG. 2, the user device 101 is shown as a smart phone to be used by the user U1. User U1 said, for example, to a message about savings techniques posted by the SNS user "Maruko (exemplary profile name)" (eg, "I unplugged the TV."). ”, Etc. are shown. Alternatively, user U1 may post a message about how to save the person "Maruko"("Mr. Maruko, I also unplugged the TV"). In this way, the SNS server 200 uses web data such as a post including a person's name (for example, a profile name) and a reaction associated with the profile name (for example, a reaction such as "like") as post information. Can be collected.

次いで、情報提供装置１００は、ＳＮＳサーバ２００から、投稿情報を取得する（ステップＳ２）。 Next, the information providing device 100 acquires the posted information from the SNS server 200 (step S2).

例えば、情報提供装置１００は、ソーシャルネットワークに投稿された投稿情報を、ＳＮＳサーバ２００から受信する。受信された投稿情報は、例えば、人名や、ＳＮＳのユーザの人物名を含む。受信された投稿情報は、ＳＮＳのユーザの人物名（例えば、実名、プロフィール名）に関連付けられた反応（例えば、「いいね」等の反応）を示すデータを含んでもよい。これにより、情報提供装置１００は、著者候補（例えば、一次候補）として、投稿情報に含まれる人名（例えば、実名、プロフィール名等の名前）を取得することができる。 For example, the information providing device 100 receives the posted information posted on the social network from the SNS server 200. The received post information includes, for example, a person's name or a person's name of an SNS user. The received post information may include data indicating a reaction (for example, a reaction such as "like") associated with the person name (for example, real name, profile name) of the user of the SNS. As a result, the information providing device 100 can acquire a person's name (for example, a real name, a profile name, or the like) included in the posted information as an author candidate (for example, a primary candidate).

なお、図２の例では、情報提供装置１００は、ＳＮＳサーバ２００から投稿情報を取得しているが、これに限定されるものではない。情報提供装置１００は、検索エンジンのシステムを実装し、検索エンジンのサービス（例えば、ウェブ検索サービス）を介して、ユーザ装置１０から投稿情報を取得してもよい。 In the example of FIG. 2, the information providing device 100 acquires the posted information from the SNS server 200, but the information providing device 100 is not limited to this. The information providing device 100 may implement a search engine system and acquire posted information from the user device 10 via a search engine service (for example, a web search service).

例えば、情報提供装置１００は、ユーザ装置１０にインストールされた検索アプリケーション（検索アプリとも呼ばれる）や、検索エンジンのページ（例えば、検索サイト、ポータルサイト）を介して、検索履歴（例えば、検索ログ）を取得してもよい。そして、情報提供装置１００は、取得された検索履歴に基づいて、トラフィックソースを分析してもよい。例えば、情報提供装置１００は、取得された検索履歴を用いて、ある検索クエリを入力したユーザが、この検索クエリに対応する検索結果に含まれる複数のページのうちのどのページにアクセスしたかを決定することができる。一例として、情報提供装置１００は、取得された検索履歴を用いて、検索クエリ「マル子」を入力したユーザ（例えば、ユーザＵ１）が、検索クエリ「マル子」に対応する検索結果に含まれる複数のページのうちのあるページ「（マル子の）ＳＮＳページ」にアクセスした、と決定することができる。 For example, the information providing device 100 uses a search history (for example, a search log) via a search application (also called a search application) installed in the user device 10 or a search engine page (for example, a search site or a portal site). May be obtained. Then, the information providing device 100 may analyze the traffic source based on the acquired search history. For example, the information providing device 100 uses the acquired search history to determine which page of a plurality of pages included in the search results corresponding to the search query is accessed by the user who has entered a certain search query. Can be decided. As an example, in the information providing device 100, a user (for example, user U1) who has entered the search query "Maruko" using the acquired search history is included in a plurality of search results corresponding to the search query "Maruko". It can be determined that one of the pages, "(Maruko's) SNS page", has been accessed.

一般的に、あるページ（例えば、ウェブページ）にアクセスする際に使用されるワード（例えば、検索クエリ等の語句）は、「ページへの流入ワード」と呼ばれる。例えば、上述の「（マル子の）ＳＮＳページ」への流入ワードは、検索クエリ「マル子」である。例えば、情報提供装置１００は、検索ログ（例えば、ウェブページへのトラフィック）を用いて、検索クエリ「マル子」を入力したユーザが「ＳＮＳページ」にアクセスしたことを特定することができる。このようにして、情報提供装置１００は、「ＳＮＳページ」への流入ワードを、上述の投稿情報として取得してもよい。例えば、検索クエリ「マル子」を入力したユーザが、検索クエリ「マル子」に対応する検索結果に含まれる複数のページのうちのあるページ「（マル子の）ＳＮＳページ」にアクセスした場合には、情報提供装置１００は、語句「マル子」を、上述の投稿情報として取得してもよい。 Generally, a word (for example, a phrase such as a search query) used when accessing a certain page (for example, a web page) is called an "inflow word to the page". For example, the inflow word to the above-mentioned "(Maruko's) SNS page" is the search query "Maruko". For example, the information providing device 100 can identify that the user who has entered the search query "Maruko" has accessed the "SNS page" by using the search log (for example, traffic to a web page). In this way, the information providing device 100 may acquire the inflow word to the "SNS page" as the above-mentioned posted information. For example, when a user who has entered the search query "Maruko" accesses a page "(Maruko's) SNS page" among a plurality of pages included in the search results corresponding to the search query "Maruko", the information is displayed. The providing device 100 may acquire the phrase "Maruko" as the above-mentioned posted information.

次いで、Ｑ＆Ａサーバ３００は、ユーザ装置１０２から、検索クエリを受け付ける（ステップＳ３）。 Then, Q & A server 300 from the user device 10 2, receives a search query (step S3).

例えば、Ｑ＆Ａサーバ３００は、検索エンジンのシステムを実装し、検索エンジンのサービスを介して、ユーザ装置１０２から、検索クエリを受信する。図２の例では、ユーザ装置１０２は、ユーザＵ２によって利用されるスマートフォンとして示されている。 For example, Q & A server 300 implements a system search engine through the service search engine, the user device 10 2, receives a search query. In the example of FIG. 2, the user device 10 2 is shown as a smart phone utilized by the user U2.

次いで、Ｑ＆Ａサーバ３００は、検索クエリに対応するＱ＆Ａを、ユーザ装置１０２に提供する（ステップＳ４）。 Then, Q & A server 300, the Q & A corresponding to the search query, to provide the user equipment 10 2 (step S4).

例えば、ユーザ装置１０２のユーザＵ２が、検索クエリに対応する検索結果に含まれる複数のページのうちのあるページ「検索クエリに対応するＱ＆Ａページ」を選択した場合に、Ｑ＆Ａサーバ３００は、「検索クエリに対応するＱ＆Ａページ」を、ユーザ装置１０２に提供する。一例として、Ｑ＆Ａサーバ３００は、検索クエリ「節約」に対応するＱ＆Ａページとして、節約術に関するＱ＆Ａのページや、タグ「節約」に関連付けられたＱ＆Ａのページを、ユーザ装置１０２に提供することができる。 For example, if the user U2 of the user device 10 2 has selected a page "Q & A page corresponding to the search query" certain of the plurality of pages included in the search results corresponding to the search query, Q & A server 300 " the Q & a page "that corresponds to the search query, and provides to the user device 10 2. As an example, Q & A server 300, a Q & A page corresponding to the search query "save", page or the Q & A about saving surgery, the pages of Q & A associated with the tag "save", be provided to the user device 10 2 can.

次いで、情報提供装置１００は、Ｑ＆Ａに対応する検索クエリを、Ｑ＆Ａサーバ３００から取得する（ステップＳ５）。 Next, the information providing device 100 acquires a search query corresponding to the Q & A from the Q & A server 300 (step S5).

例えば、情報提供装置１００は、Ｑ＆Ａに対応する検索クエリを、ユーザ装置１０２のユーザＵ２の悩みを示すキーワードとして取得する。一例として、情報提供装置１００は、検索クエリ「節約」を、ビジネス（例えば、お金）の悩みを示すキーワードとして取得することができる。これにより、情報提供装置１００は、書籍のテーマの候補として、ビジネス（例えば、お金）の悩みを示すキーワードを取得することができる。 For example, the information providing apparatus 100, the search query corresponding to the Q & A, acquires as a keyword indicating the trouble of the user U2 of the user device 10 2. As an example, the information providing device 100 can acquire the search query "savings" as a keyword indicating a trouble of a business (for example, money). As a result, the information providing device 100 can acquire a keyword indicating a business (for example, money) trouble as a candidate for a book theme.

なお、図２の例では、情報提供装置１００は、Ｑ＆Ａサーバ３００からＱ＆Ａに対応する検索クエリを取得しているが、これに限定されるものではない。上述の投稿情報の場合と同様に、情報提供装置１００は、検索エンジンのシステムを実装し、検索エンジンのサービスを介して、Ｑ＆Ａに対応する検索クエリを取得してもよい。 In the example of FIG. 2, the information providing device 100 acquires the search query corresponding to the Q & A from the Q & A server 300, but the information providing device 100 is not limited to this. As in the case of the posted information described above, the information providing device 100 may implement a search engine system and acquire a search query corresponding to the Q & A via the service of the search engine.

例えば、情報提供装置１００は、ユーザ装置１０にインストールされた検索アプリや、検索エンジンのページを介して、検索履歴（例えば、検索ログ）を取得してもよい。そして、取得された検索履歴に用いて、ある検索クエリを入力したユーザが「Ｑ＆Ａのページ」にアクセスしたことを特定してもよい。この場合、情報提供装置１００は、「Ｑ＆Ａのページ」への流入ワードを、上述のＱ＆Ａに対応する検索クエリとして取得してもよい。例えば、検索クエリ「節約」を入力したユーザが、検索クエリ「節約」に対応する検索結果に含まれる複数のページのうちのあるページ「検索クエリ「節約」に対応するＱ＆Ａのページ」にアクセスした場合には、情報提供装置１００は、語句「節約」を、上述のＱ＆Ａに対応する検索クエリとして取得してもよい。 For example, the information providing device 100 may acquire a search history (for example, a search log) via a search application installed in the user device 10 or a page of a search engine. Then, it may be specified that the user who entered a certain search query accessed the "Q & A page" by using the acquired search history. In this case, the information providing device 100 may acquire the inflow word to the "Q & A page" as a search query corresponding to the above-mentioned Q & A. For example, a user who entered the search query "savings" accessed a page "Q & A page corresponding to the search query" saving "" among multiple pages included in the search results corresponding to the search query "savings". In that case, the information providing device 100 may acquire the phrase "saving" as a search query corresponding to the above-mentioned Q & A.

次いで、情報提供装置１００は、（例えば、ＳＮＳサーバ２００から）取得された投稿情報から、有名になっていない人物の人物リストを生成する（ステップＳ６）。人物リストの生成は、図３および図４を参照して以下で詳述される。 Next, the information providing device 100 generates a person list of a person who is not famous from the posted information acquired (for example, from the SNS server 200) (step S6). The generation of the person list is detailed below with reference to FIGS. 3 and 4.

次いで、情報提供装置１００は、Ｑ＆Ａサーバ３００から取得された検索クエリから、悩み指数が高いキーワードをコンテンツの作成指標とした指標リストを生成する（ステップＳ７）。指標リストの生成は、図５を参照して以下で詳述される。 Next, the information providing device 100 generates an index list using a keyword having a high trouble index as a content creation index from the search query acquired from the Q & A server 300 (step S7). The generation of the index list is detailed below with reference to FIG.

次いで、情報提供装置１００は、生成された人物リストの人物と、生成された指標リストの作成指標との組み合わせから、人物と作成指標との関連度が高い組み合わせを特定する（ステップＳ８）。人物と作成指標との関連度が高い組み合わせの特定は、図６を参照して以下で詳述される。 Next, the information providing device 100 identifies a combination having a high degree of relevance between the person and the created index from the combination of the person in the generated person list and the created index in the generated index list (step S8). The identification of highly relevant combinations of persons and creation indicators is detailed below with reference to FIG.

その後、情報提供装置１００は、特定された組み合わせを示す情報を、企画者装置２０に提供する（ステップＳ９）。特定された組み合わせを示す情報の提供は、図６を参照して以下で詳述される。 After that, the information providing device 100 provides the planner device 20 with information indicating the specified combination (step S9). The provision of information indicating the identified combination is detailed below with reference to FIG.

〔２−３．人物リストの生成〕
以下では、図３および図４を参照して、コンテンツ制作に関わる人物の候補のリストである人物リストの生成の一例について説明する。 [2-3. Generate person list]
In the following, an example of generating a person list, which is a list of candidates for people involved in content production, will be described with reference to FIGS. 3 and 4.

図３は、コンテンツ制作に関わる人物の候補のリストを生成する生成処理の一例を示す図である。図２を参照して上述したように、情報提供装置１００は、投稿情報を取得する。情報提供装置１００は、情報提供装置１００内の所定の記憶領域（例えば、図７を参照して後述する投稿履歴データベース１２２）に、取得された投稿情報を、投稿履歴として格納する。図３の例に示されるように、投稿履歴は、投稿情報＃１、投稿情報＃２、投稿情報＃３、投稿情報＃４等の投稿情報を含む。投稿情報は、例えば、テキスト、写真、動画、音声等の各種データである。例えば、投稿情報＃１が「（マル子の）ＳＮＳページ」への流入ワードである場合に、投稿情報＃１は、テキスト「マル子」であってもよい。投稿情報＃２が投稿されたメッセージである場合に、投稿情報＃２は、テキスト「私は、ＴＶをコンセントから抜いた。」であってもよい。同様に、投稿情報＃３は、テキスト「マル子さん、私も、ＴＶをコンセントから抜きました。」であってもよい。投稿情報＃４が、「マル子がＴＶをコンセントから抜くこと」を示す写真、動画または音声であってもよい。 FIG. 3 is a diagram showing an example of a generation process for generating a list of candidates of persons involved in content production. As described above with reference to FIG. 2, the information providing device 100 acquires the posted information. The information providing device 100 stores the acquired posting information as a posting history in a predetermined storage area (for example, the posting history database 122 described later with reference to FIG. 7) in the information providing device 100. As shown in the example of FIG. 3, the posting history includes posting information such as posting information # 1, posting information # 2, posting information # 3, and posting information # 4. The posted information is, for example, various data such as text, a photograph, a moving image, and a voice. For example, when the post information # 1 is an inflow word to the "(Maruko's) SNS page", the post information # 1 may be the text "Maruko". When the posted information # 2 is a posted message, the posted information # 2 may be the text "I unplugged the TV." Similarly, the posted information # 3 may be the text "Mr. Maruko, I also unplugged the TV." The posted information # 4 may be a photo, video, or audio indicating that "Maruko unplugs the TV from the outlet."

図３の例では、はじめに、情報提供装置１００は、固有表現認識（Named Entity Recognition）等の手法を用いて、投稿履歴に含まれる投稿情報（例えば、テキスト）から、人名に対応するワード（例えば、「ＳＮＳページ」への流入ワード）を抽出する。投稿情報が写真、動画または音声である場合には、情報提供装置１００は、画像認識、動画像認識、音声認識等の手法を用いて、投稿情報の特徴に対応するテキストを生成し、生成されたテキストから、人名に対応するワードを抽出してもよい。 In the example of FIG. 3, first, the information providing device 100 uses a method such as named entity recognition (Named Entity Recognition) to obtain a word (for example, for example) corresponding to a person's name from the posted information (for example, text) included in the posting history. , Inflow word to "SNS page") is extracted. When the posted information is a photograph, a moving image, or a voice, the information providing device 100 generates and generates a text corresponding to the feature of the posted information by using a technique such as image recognition, moving image recognition, and voice recognition. The word corresponding to the person's name may be extracted from the text.

次いで、情報提供装置１００は、投稿履歴に含まれる投稿情報から、「ＳＮＳページ」への流入ワードのトレンドに関するトレンド情報を生成する。そして、情報提供装置１００は、生成されたトレンド情報（例えば、トレンドの指標）に基づいて、投稿履歴に含まれる投稿情報から、人名に対応するワードを、１次候補の人名として抽出し、抽出された１次候補の人名を含む情報を、人名トレンド情報として生成する。 Next, the information providing device 100 generates trend information regarding the trend of the inflow word to the "SNS page" from the posted information included in the posted history. Then, the information providing device 100 extracts and extracts a word corresponding to a person's name as a primary candidate person's name from the posted information included in the posting history based on the generated trend information (for example, a trend index). Information including the personal name of the primary candidate is generated as personal name trend information.

例えば、生成されたトレンド情報は、所定の期間（例えば、１年間）における流入ワード（すなわち、ＳＮＳページにアクセスする際に使用される検索クエリに対応するキーワード）の検索回数を示し得る。一例として、生成されたトレンド情報は、「ＳＮＳページ」への流入ワード「マル子」が「２０１９年９月２０日から２０２０年９月２０日」までの期間に検索された回数を、「検索トレンド（例えば、トレンドの指標）」として示してもよい。 For example, the generated trend information may indicate the number of searches for an inflow word (ie, a keyword corresponding to a search query used when accessing an SNS page) in a predetermined period (for example, one year). As an example, the generated trend information is the number of times the inflow word "Maruko" to the "SNS page" was searched during the period from "September 20, 2019 to September 20, 2020". (For example, an index of a trend) ”may be shown.

情報提供装置１００は、例えば、所定の期間（例えば、１年間）における流入ワードの検索回数に基づいて、投稿履歴に含まれる投稿情報から、人名に対応するワード（例えば、人名に対応するトレンドキーワード）を、１次候補の人名として抽出する。一例として、情報提供装置１００は、検索トレンドに基づいて、投稿情報から抽出されたワードをソートし、上位ｎ件（例えば、１００００万件）のワードを、１次候補の人名として抽出してもよい。 The information providing device 100 uses, for example, a word corresponding to a person's name (for example, a trend keyword corresponding to the person's name) from the posted information included in the posting history based on the number of searches for the inflow word in a predetermined period (for example, one year). ) Is extracted as the name of the primary candidate. As an example, the information providing device 100 may sort the words extracted from the posted information based on the search trend and extract the top n words (for example, 100 million words) as the names of the primary candidates. good.

例えば、投稿履歴に含まれる流入ワード「マル子」の検索トレンド（例えば、検索（キーワード）ボリューム（例えば、検索数））が上位ｎ件（例えば、１００００万件）内にランクインしている場合に、流入ワード「マル子」を、１次候補の人名として抽出してもよい。図３の例に示されるように、人名トレンド情報は、人物名＃１、人物名＃２、人物名＃３、人物名＃４等の人物名を含む。人物名＃１は、例えば、「マル子」であってもよい。人物名＃２は、例えば、「カモ（例示の人物名）」であってもよい。人物名＃３は、例えば、「サブ」であってもよい。人物名＃４は、例えば、「えもん（例示の人物名）」であってもよい。 For example, when the search trend of the inflow word "Maruko" included in the posting history (for example, the search (keyword) volume (for example, the number of searches)) is ranked in the top n (for example, 100 million). , The inflow word "Maruko" may be extracted as the name of the primary candidate. As shown in the example of FIG. 3, the person name trend information includes a person name such as a person name # 1, a person name # 2, a person name # 3, and a person name # 4. The person name # 1 may be, for example, "Maruko". The person name # 2 may be, for example, a "camo (exemplary person name)". The person name # 3 may be, for example, "sub". The person name # 4 may be, for example, "Emon (exemplary person name)".

その後、情報提供装置１００は、特定の人名（例えば、有名になっている人物の人名）を示す人名リストに基づいて、人名トレンド情報に含まれる１次候補の人名から、有名になっていない人物の人名を、２次候補の人名として抽出する。そして、情報提供装置１００は、抽出された２次候補の人名を含むリストを、コンテンツ制作に関わる人物の候補のリストである人物リストとして生成する。図３の例に示されるように、生成された人物リストは、人物名＃１、人物名＃３等の人物名を含む。 After that, the information providing device 100 is based on a personal name list indicating a specific personal name (for example, the personal name of a famous person), and from the primary candidate personal names included in the personal name trend information, a person who is not famous. Is extracted as a secondary candidate's personal name. Then, the information providing device 100 generates a list including the extracted secondary candidate person names as a person list which is a list of person candidates involved in the content production. As shown in the example of FIG. 3, the generated person list includes person names such as person name # 1 and person name # 3.

特定の人名を示す人名リストは、例えば、人名マスタ等のデータベースであり得る。人名マスタは、例えば、タレント名鑑に記載された有名人の人名を含んでもよい。情報提供装置１００が検索エンジンのサービスを提供するいくつかの実装形態では、人名マスタは、検索結果とともに提供されるナレッジパネル（例えば、検索クエリに対応する人名の写真および説明を含むコンテンツ（アイテム））に関連付けられた人名を含んでもよい。情報提供装置１００がニュースのサービス（例えば、ニュースサイト）を提供するいくつかの実装形態では、人名マスタは、ニュース記事に関連付けられたニュースタグに対応する人名を含んでもよい。 The personal name list showing a specific personal name can be, for example, a database such as a personal name master. The personal name master may include, for example, the personal name of a celebrity listed in the talent directory. In some embodiments in which the information provider 100 provides a search engine service, the personal name master is a knowledge panel provided with the search results (eg, content (items) containing a photo and description of the personal name corresponding to the search query). ) May include the person's name associated with it. In some embodiments in which the information providing device 100 provides a news service (eg, a news site), the personal name master may include a personal name corresponding to a news tag associated with a news article.

例えば、人物名「マル子」が人名マスタに含まれない場合に、情報提供装置１００は、人物名「マル子」を、２次候補の人名として抽出する。人物名「カモ」が人名マスタに含まれる場合に、情報提供装置１００は、人物名「カモ」を、２次候補の人名として抽出しない。同様に、人物名「サブ」が人名マスタに含まれない場合に、情報提供装置１００は、人物名「サブ」を、２次候補の人名として抽出する。人物名「えもん」が人名マスタに含まれる場合に、情報提供装置１００は、人物名「えもん」を、２次候補の人名として抽出しない。このような場合、「カモ」という名前の人物や、「えもん」という名前の人物は、有名になっている人物（例えば、芸能人、スポーツ選手）であり得る。これにより、情報提供装置１００は、著者候補として容易に想定される人物を、著者候補のリストから除外することができる。 For example, when the person name "Maruko" is not included in the person name master, the information providing device 100 extracts the person name "Maruko" as a secondary candidate person name. When the person name "camo" is included in the person name master, the information providing device 100 does not extract the person name "camo" as the secondary candidate person name. Similarly, when the person name "sub" is not included in the person name master, the information providing device 100 extracts the person name "sub" as the secondary candidate person name. When the personal name "Emon" is included in the personal name master, the information providing device 100 does not extract the personal name "Emon" as the secondary candidate personal name. In such a case, the person named "Duck" or the person named "Emon" can be a well-known person (eg, entertainer, athlete). As a result, the information providing device 100 can exclude a person who is easily assumed as an author candidate from the list of author candidates.

図４は、コンテンツ制作に関わる人物の候補のリストを生成する生成処理の一例を示す図である。図３の例では、情報提供装置１００は、投稿情報から人名トレンド情報を生成し、生成された人名トレンド情報から人物リストを生成していているが、これに限定されるものではない。情報提供装置１００が検索エンジンのサービスを提供するいくつかの実装形態では、情報提供装置１００は、著者ごとの書籍売上ランキングおよび検索履歴（例えば、検索ログ）から、人物リストを生成してもよい。 FIG. 4 is a diagram showing an example of a generation process for generating a list of candidates of persons involved in content production. In the example of FIG. 3, the information providing device 100 generates the personal name trend information from the posted information and generates the personal name trend information from the generated personal name trend information, but the present invention is not limited to this. In some implementations in which the information providing device 100 provides a search engine service, the information providing device 100 may generate a person list from a book sales ranking and a search history (for example, a search log) for each author. ..

情報提供装置１００内の所定の記憶領域（例えば、所定の記憶装置）は、著者ごとの書籍売上ランキングを示す売上ランキング情報を記憶してもよい。図４の例に示されるように、売上ランキング情報は、著者＃１、著者＃２、著者＃３、著者＃４および著者＃５の売上ランキングを示す。著者＃１は、例えば、「カモ」であってもよい。著者＃２は、例えば、「えもん」であってもよい。著者＃３は、例えば、「まめ（例示の人物名）」であってもよい。同様に、著者＃４および著者＃５も、人名（例えば、実名、プロフィール名等の名前）を示し得る。 A predetermined storage area (for example, a predetermined storage device) in the information providing device 100 may store sales ranking information indicating a book sales ranking for each author. As shown in the example of FIG. 4, the sales ranking information shows the sales rankings of author # 1, author # 2, author # 3, author # 4, and author # 5. Author # 1 may be, for example, a "duck". Author # 2 may be, for example, "Emon". Author # 3 may be, for example, "blister (exemplary person name)". Similarly, authors # 4 and # 5 may also indicate personal names (eg, names such as real names, profile names, etc.).

図４の例では、はじめに、情報提供装置１００は、売上ランキング情報に含まれる複数の著者の中から、上位ｎ位（ｎは任意の自然数）以内に入る著者を特定する。例えば、情報提供装置１００は、売上ランキング情報に含まれる複数の著者の中から、ランキング１位の著者である著者＃１を特定する。 In the example of FIG. 4, first, the information providing device 100 identifies an author who is in the top nth place (n is an arbitrary natural number) from among a plurality of authors included in the sales ranking information. For example, the information providing device 100 identifies the author # 1, which is the author ranked first in the ranking, from among the plurality of authors included in the sales ranking information.

次いで、情報提供装置１００は、検索アプリや、検索エンジンのページを介して取得された検索履歴（例えば、検索ログ）に基づいて、特定された著者に関連する関連ワードを決定する。情報提供装置１００が検索エンジンのサービスを提供するいくつかの実装形態では、情報提供装置１００は、情報提供装置１００内の所定の記憶領域（例えば、図７を参照して後述する検索履歴データベース１２１）に、取得された検索履歴を格納することができる。情報提供装置１００は、所定の記憶領域に記憶された検索履歴に基づいて、特定された著者に関連する関連ワードを決定する。例えば、情報提供装置１００は、検索要求に含まれる検索クエリに対応する著者（例えば、著者名に対応する語句）と、検索要求に含まれる検索クエリに対応するキーワードとの共起性に基づいて、特定された著者に関連する関連ワードを決定する。例えば、検索要求が「著者＃１∧（ＡＮＤの論理演算子）関連ワード＃１（人物名）」や、「著者＃１∨（ＯＲの論理演算子）関連ワード＃１（人物名）」である場合に、情報提供装置１００は、検索クエリに対応する著者＃１と、検索クエリに対応するキーワード「関連ワード＃１（人物名）」との共起性に基づいて、特定された著者＃１に関連する関連ワードを決定する。 Next, the information providing device 100 determines related words related to the identified author based on the search history (for example, the search log) acquired through the search application or the page of the search engine. In some implementations in which the information providing device 100 provides a search engine service, the information providing device 100 is a predetermined storage area in the information providing device 100 (for example, a search history database 121 which will be described later with reference to FIG. 7). ) Can store the acquired search history. The information providing device 100 determines related words related to the specified author based on the search history stored in a predetermined storage area. For example, the information providing device 100 is based on the co-occurrence between the author corresponding to the search query included in the search request (for example, the phrase corresponding to the author name) and the keyword corresponding to the search query included in the search request. , Determine the relevant words associated with the identified author. For example, the search request is "author # 1∧ (AND logical operator) related word # 1 (person name)" or "author # 1∨ (OR logical operator) related word # 1 (person name)". In some cases, the information providing device 100 identifies the author # 1 based on the coexistence of the author # 1 corresponding to the search query and the keyword "related word # 1 (personal name)" corresponding to the search query. Determine the relevant word associated with 1.

例えば、情報提供装置１００は、検索クエリに対応する著者＃１と、検索クエリに対応するキーワード「関連ワード＃１（人物名）」との共起頻度を算出する。情報提供装置１００は、算出された共起頻度が所定の条件（例えば、所定の基準）を満たすか判定し、共起頻度が所定の条件（例えば、所定の基準）を満たすと判定された場合に、キーワード「関連ワード＃１（人物名）」を、特定された著者＃１に関連する関連ワードとして決定する。より具体的には、情報提供装置１００は、相関ルール学習（Association Rule Leaning）等の手法を用いて、検索要求に含まれる検索クエリに対応する著者と、検索要求に含まれる検索クエリに対応するキーワードとの共起性の指標（例えば、支持度、確信度）を決定することができる。 For example, the information providing device 100 calculates the co-occurrence frequency of the author # 1 corresponding to the search query and the keyword “related word # 1 (person name)” corresponding to the search query. The information providing device 100 determines whether the calculated co-occurrence frequency satisfies a predetermined condition (for example, a predetermined standard), and determines that the co-occurrence frequency satisfies a predetermined condition (for example, a predetermined standard). In addition, the keyword "related word # 1 (personal name)" is determined as a related word related to the specified author # 1. More specifically, the information providing device 100 corresponds to the author corresponding to the search query included in the search request and the search query included in the search request by using a method such as association rule learning. Indicators of co-occurrence with keywords (eg, support, confidence) can be determined.

図４の例に示されるように、決定された複数の関連ワードは、関連ワード＃１（人物名）、関連ワード＃２（食品名）、関連ワード＃３（番組名）および関連ワード＃４（人物名）を含む。関連ワード＃１（人物名）は、例えば、「アヒル（例示の人物名）」であってもよい。関連ワード＃２（食品名）は、例えば、ネギであってもよい。関連ワード＃３（食品名）は、例えば、「かもの話（例示の番組名）」であってもよい。関連ワード＃４（人物名）は、例えば、「ハクチョウ（例示の人物名）」であってもよい。 As shown in the example of FIG. 4, the plurality of determined related words include related word # 1 (person name), related word # 2 (food name), related word # 3 (program name), and related word # 4. (Person name) is included. The related word # 1 (personal name) may be, for example, "duck (exemplary person name)". The related word # 2 (food name) may be, for example, green onion. The related word # 3 (food name) may be, for example, "Kamo no Monogatari (exemplary program name)". The related word # 4 (personal name) may be, for example, "swan (exemplary person name)".

その後、情報提供装置１００は、固有表現認識等の手法を用いて、決定された関連ワードから、人名に対応するワードを抽出し、抽出されたワードを含むリストを、コンテンツ制作に関わる人物の候補のリストである人物リストとして生成する。図４の例に示されるように、生成された人物リストは、関連ワード＃１（人物名）、関連ワード＃３（人物名）等の関連ワード（人物名）を含む。 After that, the information providing device 100 extracts words corresponding to the person's name from the determined related words by using a method such as named entity recognition, and makes a list including the extracted words a candidate for a person involved in content production. Generate as a list of people, which is a list of people. As shown in the example of FIG. 4, the generated person list includes related words (person names) such as related word # 1 (person name) and related word # 3 (person name).

〔２−４．作成指標リストの生成〕
以下では、図５を参照して、コンテンツ制作のための指標の候補のリストである作成指標リストの生成の一例について説明する。 [2-4. Generation of index list]
In the following, an example of generating a creation index list, which is a list of index candidates for content production, will be described with reference to FIG.

図５は、コンテンツ制作のための指標の候補のリストを生成する生成処理の一例を示す図である。図２を参照して上述したように、情報提供装置１００は、Ｑ＆Ａに対応する検索クエリを取得する。例えば、情報提供装置１００は、Ｑ＆Ａに対応する検索クエリを、Ｑ＆Ａサーバ３００から取得する。情報提供装置１００が検索エンジンのサービスを提供するいくつかの実装形態では、検索アプリや、検索エンジンのページを介して取得された検索履歴（例えば、検索クエリを含む検索要求）を、情報提供装置１００内の所定の記憶領域（例えば、図７を参照して後述する検索履歴データベース１２１）に格納することができる。図５の例に示されるように、検索履歴は、クエリ＃１、クエリ＃２、クエリ＃３、クエリ＃４等の検索クエリを含む。 FIG. 5 is a diagram showing an example of a generation process for generating a list of index candidates for content production. As described above with reference to FIG. 2, the information providing device 100 acquires the search query corresponding to the Q & A. For example, the information providing device 100 acquires a search query corresponding to the Q & A from the Q & A server 300. In some implementations in which the information providing device 100 provides a search engine service, the information providing device obtains a search history (for example, a search request including a search query) acquired through a search application or a search engine page. It can be stored in a predetermined storage area within 100 (for example, a search history database 121 which will be described later with reference to FIG. 7). As shown in the example of FIG. 5, the search history includes search queries such as query # 1, query # 2, query # 3, and query # 4.

図５の例では、はじめに、情報提供装置１００は、検索履歴に基づいて、検索クエリに対応するキーワードと、このキーワードの出現回数とを特定する。例えば、情報提供装置１００は、検索クエリに対して自然言語処理（natural language processing）を行うことで、検索履歴に含まれる検索クエリに対応するキーワードを決定する。そして、情報提供装置１００は、検索履歴に基づいて、決定されたキーワードの出現回数を特定する。 In the example of FIG. 5, first, the information providing device 100 specifies a keyword corresponding to the search query and the number of occurrences of the keyword based on the search history. For example, the information providing device 100 determines a keyword corresponding to a search query included in a search history by performing natural language processing on the search query. Then, the information providing device 100 specifies the number of occurrences of the determined keyword based on the search history.

次いで、情報提供装置１００は、特定されたキーワードの出現回数に基づいて、特定されたキーワードの悩み指数を決定する。例えば、情報提供装置１００は、キーワードの出現回数が第１の出現回数よりも多い第２の出現回数である場合の悩み指数が、キーワードの出現回数が第１の出現回数である場合の悩み指数よりも高くなるように、悩み指数を決定する。特定されたキーワードの悩み指数は、例えば、特定されたキーワードの出現回数に比例し得る。図５の例に示されるように、例えば、特定されたキーワード「キーワード＃１」の出現回数は、「回数＃１」である。また、特定されたキーワード「キーワード＃１」の悩み指数は、「１０」である。 Next, the information providing device 100 determines the trouble index of the specified keyword based on the number of occurrences of the specified keyword. For example, in the information providing device 100, the trouble index when the number of appearances of the keyword is the second number of appearances larger than the number of appearances of the first is the trouble index when the number of appearances of the keyword is the first number of appearances. Determine the worries index so that it is higher than. The trouble index of the specified keyword can be proportional to, for example, the number of occurrences of the specified keyword. As shown in the example of FIG. 5, for example, the number of occurrences of the specified keyword "keyword # 1" is "number of times # 1". The trouble index of the specified keyword "keyword # 1" is "10".

特定されたキーワード「キーワード＃１」は、例えば、「顔面神経痛」であってもよい。特定されたキーワード「キーワード＃２」は、例えば、「尊厳死」であってもよい。特定されたキーワード「キーワード＃３」は、例えば、「節約」であってもよい。特定されたキーワード「キーワード＃４」は、例えば、「楽園」であってもよい。特定されたキーワード「キーワード＃５」は、例えば、「副業」であってもよい。図２を参照して上述したように、検索クエリを入力したユーザが、検索クエリに対応する検索結果に含まれる複数のページのうちのＱ＆Ａのページにアクセスした場合に、情報提供装置１００は、検索クエリに対応するキーワードを、ユーザの悩みを示すキーワードとして取得する。このことは、検索クエリに対応するキーワードの出現回数が、ユーザ全体の悩みの度合いを示すことを意味する。 The identified keyword "keyword # 1" may be, for example, "facial neuralgia". The identified keyword "keyword # 2" may be, for example, "death with dignity". The identified keyword "keyword # 3" may be, for example, "saving". The specified keyword "keyword # 4" may be, for example, "paradise". The specified keyword "keyword # 5" may be, for example, "side business". As described above with reference to FIG. 2, when the user who entered the search query accesses the Q & A page among the plurality of pages included in the search results corresponding to the search query, the information providing device 100 sets the information providing device 100. Acquire the keyword corresponding to the search query as a keyword indicating the user's worries. This means that the number of occurrences of the keyword corresponding to the search query indicates the degree of trouble for the entire user.

情報提供装置１００が検索エンジンのサービスを提供するいくつかの実装形態では、情報提供装置１００は、検索履歴に含まれる検索クエリから、「Ｑ＆Ａページ」への流入ワード（すなわち、Ｑ＆Ａページにアクセスする際に使用される検索クエリに対応するキーワード）のトレンドに関するトレンド情報を生成してもよい。生成されたトレンド情報は、流入ワードと、この流入ワードの出現回数と、この流入ワードの悩み指数とを含んでもよい。 In some implementations in which the information providing device 100 provides the service of the search engine, the information providing device 100 accesses the inflow word (that is, the Q & A page) to the "Q & A page" from the search query included in the search history. You may generate trend information about the trend of the keyword) corresponding to the search query used in the case. The generated trend information may include an inflow word, the number of occurrences of this inflow word, and a trouble index of this inflow word.

例えば、生成されたトレンド情報は、所定の期間（例えば、１年間）における流入ワードの出現回数（例えば、検索回数）を示し得る。一例として、生成されたトレンド情報は、「Ｑ＆Ａページ」への流入ワード「顔面神経痛」が「２０１９年９月２０日から２０２０年９月２０日」までの期間に検索された回数に基づいて決定された悩み指数を示してもよい。 For example, the generated trend information may indicate the number of occurrences of inflow words (eg, the number of searches) in a predetermined period (eg, one year). As an example, the generated trend information is determined based on the number of times the inflow word "facial neuralgia" to the "Q & A page" was searched during the period from "September 20, 2019 to September 20, 2020". It may indicate the trouble index that has been dealt with.

その後、情報提供装置１００は、決定された悩み指数に基づいて、特定されたキーワードからキーワードを抽出し、抽出されたキーワードを含むリストを、悩み指数が高いキーワードをコンテンツの作成指標とした（作成）指標リストとして生成する。例えば、情報提供装置１００は、決定された悩み指数に基づいて、特定されたキーワードをソートし、上位ｎ件（例えば、１００００万件）のワードを、コンテンツの作成指標（例えば、書籍のテーマの候補）として抽出してもよい。 After that, the information providing device 100 extracts keywords from the specified keywords based on the determined worries index, and uses the keywords having the high worries index as the content creation index in the list including the extracted keywords (creation). ) Generate as an index list. For example, the information providing device 100 sorts the specified keywords based on the determined trouble index, and sets the top n words (for example, 100 million words) as the content creation index (for example, the theme of the book). It may be extracted as a candidate).

例えば、キーワード「キーワード＃２」の悩み指数が上位ｎ件（例えば、１００００万件）内にランクインしている場合に、情報提供装置１００は、キーワード「キーワード＃２」を、コンテンツの作成指標として抽出してもよい。図５の例に示されるように、（作成）指標リストは、キーワード＃２（例えば、キーワード「尊厳死」）、キーワード＃３（例えば、キーワード「節約」）等のキーワードを含む。図５の例では、（作成）指標リストは、多くのユーザが、「尊厳死」や「節約」についての悩みを抱えていることを示している。このことは、多くのユーザが、「尊厳死」や「節約」をテーマとする書籍に対するニーズを持っていることを意味する。 For example, when the trouble index of the keyword "keyword # 2" is ranked in the top n cases (for example, 100 million cases), the information providing device 100 uses the keyword "keyword # 2" as a content creation index. It may be extracted as. As shown in the example of FIG. 5, the (created) index list includes keywords such as keyword # 2 (eg, keyword “death with dignity”), keyword # 3 (eg, keyword “saving”). In the example of FIG. 5, the (created) index list shows that many users have troubles about "death with dignity" and "savings". This means that many users have a need for books on the themes of "death with dignity" and "savings."

〔２−５．提供情報の生成〕
以下では、図６を参照して、コンテンツ制作のための指標の候補と、コンテンツ制作に関わる人物の候補との組み合わせを示す情報である提供情報の生成の一例について説明する。 [2-5. Generation of provided information]
In the following, with reference to FIG. 6, an example of generating provided information which is information indicating a combination of a candidate of an index for content production and a candidate of a person involved in content production will be described.

図６は、コンテンツ制作のための指標の候補と、コンテンツ制作に関わる人物の候補との組み合わせを示す情報を生成する生成処理の一例を示す図である。図３および図４を参照して上述したように、情報提供装置１００は、コンテンツ制作に関わる人物の候補のリストである人物リストを生成する。図５を参照して上述したように、情報提供装置１００は、さらに、コンテンツ制作のための指標の候補のリストである（作成）指標リストを生成する。図６の例では、情報提供装置１００は、生成された人物リストおよび生成された作成指標リストに基づいて、コンテンツ制作のための指標の候補と、コンテンツ制作に関わる人物の候補との組み合わせを示す情報である提供情報を生成する。 FIG. 6 is a diagram showing an example of a generation process for generating information indicating a combination of an index candidate for content production and a candidate for a person involved in content production. As described above with reference to FIGS. 3 and 4, the information providing device 100 generates a person list which is a list of candidates of people involved in content production. As described above with reference to FIG. 5, the information providing device 100 further generates a (creation) index list, which is a list of index candidates for content production. In the example of FIG. 6, the information providing device 100 shows a combination of an index candidate for content production and a candidate of a person involved in content production based on the generated person list and the generated creation index list. Generate provided information that is information.

図６の例では、はじめに、情報提供装置１００は、生成された人物リストに含まれる人物名および生成された作成指標リストに含まれるキーワードにそれぞれ対応する埋め込みベクトル（単語埋め込み（Word Embedding）または分散表現とも呼ばれる）を獲得する。情報提供装置１００は、例えば、所定の記憶装置（例えば、図７を参照して後述するモデルデータベース１２１４）から、人物名およびキーワードにそれぞれ対応する埋め込みベクトルを取得してもよい。あるいは、情報提供装置１００は、ニューラル言語モデルを実装してもよい。いくつかの実装形態では、情報提供装置１００は、所定のテキストデータ（例えば、単語列等のコーパス）を用いてニューラル言語モデルを訓練することによって、埋め込みベクトルを獲得することができる。 In the example of FIG. 6, first, the information providing device 100 receives an embedding vector (word embedding) or distribution corresponding to each of the person name included in the generated person list and the keyword included in the generated creation index list. (Also called expression). The information providing device 100 may acquire, for example, an embedded vector corresponding to a person name and a keyword from a predetermined storage device (for example, a model database 1214 described later with reference to FIG. 7). Alternatively, the information providing device 100 may implement a neural language model. In some implementations, the information provider 100 can acquire an embedded vector by training a neural language model with predetermined text data (eg, a corpus such as a word string).

一例として、情報提供装置１００は、単語列を含む訓練データを用いて、ニューラル言語モデル（例えば、対数双線形モデル）を訓練することができる。より具体的には、情報提供装置１００は、埋め込みベクトルに対応する目的関数（例えば、負の対数尤度）を最小化することによって、ニューラル言語モデルに、埋め込みベクトルを学習させることができる。これにより、情報提供装置１００は、所定のテキストデータ（例えば、単語列等のコーパス）から、人物名およびキーワードにそれぞれ対応する埋め込みベクトル（すなわち、ニューラル言語モデルに組み込まれた埋め込みベクトル）を獲得することができる。 As an example, the information providing device 100 can train a neural language model (for example, a logarithmic bilinear model) using training data including a word string. More specifically, the information providing device 100 can make the neural language model learn the embedded vector by minimizing the objective function (for example, negative log-likelihood) corresponding to the embedded vector. As a result, the information providing device 100 acquires an embedded vector (that is, an embedded vector incorporated in the neural language model) corresponding to each person's name and keyword from predetermined text data (for example, a corpus such as a word string). be able to.

情報提供装置１００は、ユーザ（利用者）による検索意図や、ユーザ（利用者）により投稿された投稿履歴や、ユーザ（利用者）に対して配信された配信情報を反映したニューラル言語モデルを実装してもよい。情報提供装置１００が検索エンジンのサービスを提供するいくつかの実装形態では、情報提供装置１００は、検索履歴に含まれる検索クエリに対応するキーワードを、単語列を含む訓練データとして用いることができる。これにより、情報提供装置１００は、検索意図（例えば、Ｑ＆Ａページへの流入ワード）を反映した埋め込みベクトルや、投稿履歴（例えば、ＳＮＳページへの流入ワード）を反映した埋め込みベクトルを獲得することができる。情報提供装置１００がニュースのサービス（例えば、ニュースサイト）を提供するいくつかの実装形態では、情報提供装置１００は、ニュース記事を、単語列を含む訓練データとして用いることができる。これにより、情報提供装置１００は、ニュース記事を反映した埋め込みベクトルを獲得することができる。その結果、情報提供装置１００は、獲得される埋め込みベクトルに、トレンド（例えば、検索トレンド、ニューストレンド）を反映させることができる。このことは、獲得される埋め込みベクトル間の意味的類似性が、社会のトレンドを反映することを意味する。情報提供装置１００は、オンライン学習等の手法を用いて、このようなニューラル言語モデルを更新してもよい。 The information providing device 100 implements a neural language model that reflects the search intention by the user (user), the posting history posted by the user (user), and the distribution information distributed to the user (user). You may. In some implementations in which the information providing device 100 provides the service of the search engine, the information providing device 100 can use the keyword corresponding to the search query included in the search history as training data including a word string. As a result, the information providing device 100 can acquire an embedded vector that reflects the search intention (for example, the inflow word to the Q & A page) and an embedded vector that reflects the posting history (for example, the inflow word to the SNS page). can. In some embodiments in which the information providing device 100 provides a news service (eg, a news site), the information providing device 100 can use the news article as training data including a word string. As a result, the information providing device 100 can acquire an embedded vector that reflects the news article. As a result, the information providing device 100 can reflect a trend (for example, a search trend, a news trend) in the acquired embedded vector. This means that the semantic similarity between the acquired embedded vectors reflects social trends. The information providing device 100 may update such a neural language model by using a method such as online learning.

次いで、情報提供装置１００は、獲得された埋め込みベクトルに基づいて、生成された人物リストに含まれる人物名と生成された作成指標リストに含まれるキーワードとの間の類似性を決定する。例えば、情報提供装置１００は、生成された人物リストに含まれる人物名に対応する埋め込みベクトルと、生成された作成指標リストに含まれるキーワードに対応する埋め込みベクトルとの間のコサイン類似度を算出し、算出されたコサイン類似度を、人物名とキーワードとの間の類似度として決定する。図６の例に示されるように、例えば、人物名＃１とキーワード＃２との間の類似度は、「０．４３２」である。また、人物名＃１とキーワード＃３との間の類似度は、「０．８２１」である。人物名＃１は、例えば、「マル子」であってもよい。「キーワード＃２」は、例えば、「尊厳死」であってもよい。特定されたキーワード「キーワード＃３」は、例えば、「節約」であってもよい。意味的類似性の観点からは、例えば、人物「マル子」とキーワード「尊厳死」との間の類似度「０．４３２」は、語句「マル子」の意図が、語句「尊厳死」の意図から離れていることを示し得る。一方、人物「マル子」とキーワード「節約」との間の類似度「０．８２１」は、語句「マル子」の意図が、語句「節約」の意図に近いことを示し得る。 The information providing device 100 then determines the similarity between the person name included in the generated person list and the keyword included in the generated creation index list based on the acquired embedding vector. For example, the information providing device 100 calculates the cosine similarity between the embedded vector corresponding to the person name included in the generated person list and the embedded vector corresponding to the keyword included in the generated creation index list. , The calculated cosine similarity is determined as the similarity between the person's name and the keyword. As shown in the example of FIG. 6, for example, the similarity between the person name # 1 and the keyword # 2 is "0.432". The degree of similarity between the person name # 1 and the keyword # 3 is "0.821". The person name # 1 may be, for example, "Maruko". "Keyword # 2" may be, for example, "death with dignity". The identified keyword "keyword # 3" may be, for example, "saving". From the viewpoint of semantic similarity, for example, the degree of similarity "0.432" between the person "Maruko" and the keyword "dignity death" is based on the intention of the phrase "Maruko" but the intention of the phrase "dignity death". Can indicate that they are separated. On the other hand, the similarity "0.821" between the person "Maruko" and the keyword "saving" may indicate that the intention of the phrase "Maruko" is close to the intention of the phrase "saving".

その後、情報提供装置１００は、決定された類似性に基づいて、生成された人物リストに含まれる人物名と生成された作成指標リストに含まれるキーワードとの組み合わせから、人物名とキーワードとの組み合わせを抽出し、抽出された組み合わせを含む情報を、提供情報として生成する。例えば、情報提供装置１００は、決定された類似性に基づいて、生成された人物リストに含まれる人物名と生成された作成指標リストに含まれるキーワードとの組み合わせをソートし、上位ｎ件（例えば、１００件）の組み合わせを、コンテンツ制作のための指標の候補とコンテンツ制作に関わる人物の候補との組み合わせ（例えば、著者の候補と書籍のテーマとの組み合わせ）として抽出してもよい。 After that, the information providing device 100 uses a combination of the person name and the keyword from the combination of the person name included in the generated person list and the keyword included in the generated creation index list based on the determined similarity. Is extracted, and information including the extracted combinations is generated as provided information. For example, the information providing device 100 sorts the combinations of the person names included in the generated person list and the keywords included in the generated creation index list based on the determined similarity, and ranks the top n cases (for example,). , 100) may be extracted as a combination of an index candidate for content production and a candidate of a person involved in content production (for example, a combination of an author candidate and a book theme).

例えば、人物名＃１とキーワード＃３との組み合わせの関連度が上位ｎ件（例えば、１００件）内にランクインしている場合に、情報提供装置１００は、人物名＃１とキーワード＃３との組み合わせを、著者の候補と書籍のテーマとの組み合わせとして抽出してもよい。図６の例に示されるように、提供情報は、人物名＃１とキーワード＃３との組み合わせ、人物名＃３とキーワード＃２との組み合わせ等の組み合わせを含む。提供情報は、例えば、人物名＃１（例えば、「マル子」）が、キーワード＃３（例えば、「節約」）をテーマとする書籍を執筆する著者の候補であることを示す。また、提供情報は、例えば、人物名＃３（例えば、「サブ」）が、キーワード＃２（例えば、「尊厳死」）をテーマとする書籍を執筆する著者の候補であることを示す。 For example, when the degree of relevance of the combination of the person name # 1 and the keyword # 3 is ranked in the top n cases (for example, 100 cases), the information providing device 100 uses the person name # 1 and the keyword # 3. The combination with may be extracted as a combination of the candidate author and the theme of the book. As shown in the example of FIG. 6, the provided information includes a combination of the person name # 1 and the keyword # 3, a combination of the person name # 3 and the keyword # 2, and the like. The information provided indicates, for example, that person name # 1 (eg, "Maruko") is a candidate for an author to write a book on the subject of keyword # 3 (eg, "savings"). The information provided also indicates, for example, that person name # 3 (eg, "sub") is a candidate for an author to write a book on the subject of keyword # 2 (eg, "death with dignity").

〔２−６．例示的な実施形態の効果〕
上述のように、例示的な実施形態に係る情報提供装置１００は、書籍のテーマ候補および著者候補にそれぞれ対応する複数の埋め込みベクトルを用いて、書籍のテーマ候補と著者候補との間の関連性を決定する。そして、情報提供装置１００は、決定された関連性に基づいて、書籍のテーマ候補と著者候補との組み合わせを決定する。これにより、情報提供装置１００は、情報提供装置１００は、書籍のテーマ候補と著者候補との組み合わせを示すリストを、書籍の企画者に提供することができる。 [2-6. Effect of the exemplary embodiment]
As described above, the information providing device 100 according to the exemplary embodiment uses a plurality of embedded vectors corresponding to the book theme candidate and the author candidate, respectively, to relate the book theme candidate to the author candidate. To determine. Then, the information providing device 100 determines the combination of the theme candidate and the author candidate of the book based on the determined relevance. Thereby, the information providing device 100 can provide the book planner with a list showing the combination of the theme candidate and the author candidate of the book.

その結果、例示的な実施形態に係る情報提供装置１００は、書籍の編集作業に要する労力と時間を軽減するとともに、書籍のテーマ候補と著者候補との適切な組み合わせを決定することができる。さらに、情報提供装置１００は、書籍のテーマ候補や著者候補の取りこぼしを防止することができる。以下、このような情報提供処理を実現する情報提供装置１００について詳細に説明する。 As a result, the information providing device 100 according to the exemplary embodiment can reduce the labor and time required for the editing work of the book, and can determine an appropriate combination of the theme candidate and the author candidate of the book. Further, the information providing device 100 can prevent the book theme candidate and the author candidate from being missed. Hereinafter, the information providing device 100 that realizes such information providing processing will be described in detail.

〔３．情報提供装置の構成〕
次に、図７を参照して、実施形態に係る情報提供装置１００の構成について説明する。図７は、実施形態に係る情報提供装置１００の構成例を示す図である。図７に示すように、情報提供装置１００は、通信部１１０と、記憶部１２０と、制御部１３０とを有する。なお、情報提供装置１００は、情報提供装置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（液晶ディスプレイ等）を有してもよい。 [3. Configuration of information providing device]
Next, the configuration of the information providing device 100 according to the embodiment will be described with reference to FIG. 7. FIG. 7 is a diagram showing a configuration example of the information providing device 100 according to the embodiment. As shown in FIG. 7, the information providing device 100 includes a communication unit 110, a storage unit 120, and a control unit 130. The information providing device 100 includes an input unit (for example, a keyboard, a mouse, etc.) that receives various operations from an administrator or the like who uses the information providing device 100, and a display unit (liquid crystal display, etc.) for displaying various information. You may have.

（通信部１１０）
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、ネットワーク網と有線又は無線により接続され、ネットワーク網を介して、ユーザ装置１０、企画者装置２０、ＳＮＳサーバ２００およびＱ＆Ａサーバ３００との間で情報の送受信を行う。 (Communication unit 110)
The communication unit 110 is realized by, for example, a NIC (Network Interface Card) or the like. The communication unit 110 is connected to the network network by wire or wirelessly, and transmits / receives information to / from the user device 10, the planner device 20, the SNS server 200, and the Q & A server 300 via the network network.

（記憶部１２０）
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る。図７に示すように、記憶部１２０は、検索履歴データベース１２１と、投稿履歴データベース１２２と、提供リストデータベース１２３と、モデルデータベース１２４とを有する。 (Memory unit 120)
The storage unit 120 is realized by, for example, a semiconductor memory element such as a RAM (Random Access Memory) or a flash memory (Flash Memory), or a storage device such as a hard disk or an optical disk. As shown in FIG. 7, the storage unit 120 has a search history database 121, a posting history database 122, a provision list database 123, and a model database 124.

（検索履歴データベース１２１）
図８は、実施形態に係る検索履歴データベース１２１の一例を示す図である。検索履歴データベース１２１は、検索履歴を記憶する。上述のように、検索履歴は、例えば、Ｑ＆Ａページへの流入ワードの履歴である。 (Search history database 121)
FIG. 8 is a diagram showing an example of the search history database 121 according to the embodiment. The search history database 121 stores the search history. As described above, the search history is, for example, the history of inflow words to the Q & A page.

検索履歴データベース１２１は、例えば、収集部１３１によって受信された検索履歴を記憶する。図８の例では、検索履歴データベース１２１には、「検索履歴」が、「検索履歴ＩＤ」ごとに記憶される。例示として、「検索履歴」には、項目「検索クエリ」、項目「ユーザ属性」および項目「抽出キーワード」が含まれる。 The search history database 121 stores, for example, the search history received by the collection unit 131. In the example of FIG. 8, the "search history" is stored in the search history database 121 for each "search history ID". By way of example, the "search history" includes the item "search query", the item "user attributes" and the item "extracted keywords".

「検索履歴ＩＤ」は、検索クエリを識別するための識別子を示す。「検索クエリ」は、検索エンジンのクエリログを示す。「検索クエリ」は、検索クエリに対応するフレーズを示してもよい。「ユーザ属性」は、検索クエリを入力したユーザのユーザ属性（例えば、デモグラフィック属性やサイコグラフィック属性）を示す。「抽出キーワード」は、検索クエリ（例えば、検索エンジンのクエリログ）から抽出されたキーワードを示す。「抽出キーワード」は、例えば、検索クエリに対応するキーワードである。一例として、検索クエリに対応するキーワードは、Ｑ＆Ａページへの流入ワードであってもよい。 The "search history ID" indicates an identifier for identifying a search query. "Search query" indicates a search engine query log. The "search query" may indicate a phrase corresponding to the search query. The "user attribute" indicates the user attribute (for example, demographic attribute or psychographic attribute) of the user who entered the search query. The "extracted keyword" indicates a keyword extracted from a search query (for example, a search engine query log). The "extracted keyword" is, for example, a keyword corresponding to a search query. As an example, the keyword corresponding to the search query may be an inflow word to the Q & A page.

例えば、図８は、検索履歴ＩＤ「検索履歴＃１」で識別される検索クエリが、「クエリ＃１」であり、「クエリ＃１」を入力したユーザのユーザ属性が、「属性＃１」であり、「クエリ＃１」から抽出された抽出キーワードが、「キーワード＃１」であることを示している。例えば、クエリ＃１は、「知恵の袋（例示のＱ＆Ａページ名）、顔面神経痛」であってもよい。この場合、属性＃１は、３０代∧東京であってもよい。また、キーワード＃１は、「顔面神経痛」であってもよい。 For example, in FIG. 8, the search query identified by the search history ID “search history # 1” is “query # 1”, and the user attribute of the user who entered “query # 1” is “attribute # 1”. This indicates that the extracted keyword extracted from "query # 1" is "keyword # 1". For example, query # 1 may be "a bag of wisdom (example Q & A page name), facial neuralgia". In this case, attribute # 1 may be in his thirties ∧ Tokyo. Further, the keyword # 1 may be "facial neuralgia".

後述されるように、情報提供装置１００の収集部１３１は、Ｑ＆Ａに対応する検索クエリを取得することができる。例えば、収集部１３１は、Ｑ＆Ａに対応する検索クエリを、Ｑ＆Ａサーバ３００から取得することができる。情報提供装置１００の収集部１３１が検索エンジンのサービスを提供するいくつかの実装形態では、検索アプリや、検索エンジンのページを介して取得された検索履歴（例えば、検索クエリを含む検索要求）を、検索履歴データベース１２１に格納することができる。図８の例に示されるように、検索履歴は、クエリ＃１、クエリ＃２等の検索クエリを含む。 As will be described later, the collection unit 131 of the information providing device 100 can acquire the search query corresponding to the Q & A. For example, the collection unit 131 can acquire a search query corresponding to the Q & A from the Q & A server 300. In some implementations in which the collecting unit 131 of the information providing device 100 provides a search engine service, a search application or a search history acquired via a search engine page (for example, a search request including a search query) is displayed. , Can be stored in the search history database 121. As shown in the example of FIG. 8, the search history includes search queries such as query # 1 and query # 2.

（投稿履歴データベース１２２）
図９は、実施形態に係る投稿履歴データベース１２２の一例を示す図である。投稿履歴データベース１２２は、投稿履歴を記憶する。上述のように、投稿履歴は、例えば、ＳＮＳページへの流入ワードである。 (Post history database 122)
FIG. 9 is a diagram showing an example of the posting history database 122 according to the embodiment. The posting history database 122 stores the posting history. As mentioned above, the posting history is, for example, an inflow word to the SNS page.

投稿履歴データベース１２２は、例えば、収集部１３１によって受信された投稿履歴を記憶する。図９の例では、投稿履歴データベース１２２には、「投稿履歴」が、「投稿履歴ＩＤ」ごとに記憶される。例示として、「投稿履歴」には、項目「投稿情報」、項目「ユーザ属性」および項目「抽出キーワード」が含まれる。 The posting history database 122 stores, for example, the posting history received by the collecting unit 131. In the example of FIG. 9, the "posting history" is stored in the posting history database 122 for each "posting history ID". By way of example, the "post history" includes the item "post information", the item "user attributes" and the item "extracted keywords".

「投稿履歴ＩＤ」は、投稿情報を識別するための識別子を示す。「投稿情報」は、例えば、検索エンジンのクエリログを示す。この場合、「投稿情報」は、（検索）クエリに対応するフレーズを示してもよい。あるいは、「投稿情報」は、ソーシャルネットワークに投稿されたメッセージを示してもよい。「ユーザ属性」は、検索クエリを入力したユーザのユーザ属性（例えば、デモグラフィック属性やサイコグラフィック属性）を示す。「抽出キーワード」は、投稿（例えば、検索エンジンのクエリログ、ソーシャルネットワークに投稿されたメッセージ）から抽出されたキーワードを示す。「抽出キーワード」は、例えば、投稿（例えば、検索クエリ）に対応するキーワードである。一例として、投稿に対応するキーワードは、ＳＮＳページへの流入ワードであってもよい。 The "post history ID" indicates an identifier for identifying the post information. "Posted information" indicates, for example, a query log of a search engine. In this case, the "posted information" may indicate a phrase corresponding to the (search) query. Alternatively, the "posted information" may indicate a message posted on a social network. The "user attribute" indicates the user attribute (for example, demographic attribute or psychographic attribute) of the user who entered the search query. "Extracted keywords" indicate keywords extracted from posts (eg, search engine query logs, messages posted on social networks). The "extracted keyword" is, for example, a keyword corresponding to a post (for example, a search query). As an example, the keyword corresponding to the post may be an inflow word to the SNS page.

例えば、図９は、投稿履歴ＩＤ「投稿履歴＃１」で識別される検索クエリが、「投稿＃１」であり、「投稿＃１」を入力したユーザのユーザ属性が、「属性＃３」であり、「投稿＃１」から抽出された抽出キーワードが、「人物＃１」であることを示している。例えば、投稿＃１は、「コマッター（例示のＳＮＳページ名）、マル子」であってもよい。この場合、属性＃３は、３０代∧女性であってもよい。また、キーワード＃１は、「マル子」であってもよい。 For example, in FIG. 9, the search query identified by the post history ID "post history # 1" is "post # 1", and the user attribute of the user who entered "post # 1" is "attribute # 3". This indicates that the extracted keyword extracted from "post # 1" is "person # 1". For example, post # 1 may be "comatter (example SNS page name), Maruko". In this case, attribute # 3 may be a female in her thirties. Further, the keyword # 1 may be "Maruko".

（提供リストデータベース１２３）
図１０は、実施形態に係る提供リストデータベース１２３の一例を示す図である。提供リストデータベース１２３は、提供リストを記憶する。提供リストは、例えば、上述の提供情報である。上述のように、提供情報は、コンテンツ制作のための指標の候補と、コンテンツ制作に関わる人物の候補との組み合わせを示す情報である。 (Provided list database 123)
FIG. 10 is a diagram showing an example of the provision list database 123 according to the embodiment. The offer list database 123 stores the offer list. The offer list is, for example, the above-mentioned offer information. As described above, the provided information is information indicating a combination of a candidate of an index for content production and a candidate of a person involved in content production.

提供リストデータベース１２３は、例えば、提供部１３５によって生成された提供リストを記憶する。図１０の例では、提供リストデータベース１２３には、「提供リスト」が記憶される。例示として、「提供リスト」には、項目「人物名」および項目「作成指標」が含まれる。 The offer list database 123 stores, for example, the offer list generated by the offer unit 135. In the example of FIG. 10, the "offer list" is stored in the offer list database 123. By way of example, the "offer list" includes the item "person name" and the item "creation index".

「人物名」は、コンテンツ制作に関わる人物の候補を示す。「作成指標」は、コンテンツ制作のための指標の候補を示す。 "Person name" indicates a candidate of a person involved in content production. The "creation index" indicates a candidate index for content production.

例えば、図１０は、コンテンツ制作に関わる人物の候補が、「人物名＃１」であり、コンテンツ制作のための指標の候補が、「キーワード＃３」であることを示している。例えば、人物名＃１は、「マル子」であってもよい。また、キーワード＃３は、「節約」であってもよい。また、例えば、人物名＃２は、「カモ」であってもよい。また、キーワード＃２は、「尊厳死」であってもよい。 For example, FIG. 10 shows that the candidate for a person involved in content production is "person name # 1", and the candidate for an index for content production is "keyword # 3". For example, the person name # 1 may be "Maruko". Further, the keyword # 3 may be "saving". Further, for example, the person name # 2 may be "duck". Further, the keyword # 2 may be "death with dignity".

（制御部１３０）
制御部１３０は、コントローラ（controller）であり、例えば、ＣＰＵ（Central Processing Unit）、ＭＰＵ（Micro Processing Unit）等のプロセッサによって、情報提供装置１００内部の記憶装置に記憶されている各種プログラム（提供プログラムの一例に相当）がＲＡＭ等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、コントローラ（controller）であり、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 130)
The control unit 130 is a controller, and for example, various programs (provided programs) stored in a storage device inside the information providing device 100 by a processor such as a CPU (Central Processing Unit) or an MPU (Micro Processing Unit). (Corresponding to one example) is realized by executing RAM or the like as a work area. Further, the control unit 130 is a controller, and may be realized by, for example, an integrated circuit such as an ASIC (Application Specific Integrated Circuit) or an FPGA (Field Programmable Gate Array).

制御部１３０は、図７に示すように、収集部１３１と、生成部１３２と、取得部１３３と、算出部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又は実行する。なお、制御部１３０の内部構成は、図７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。 As shown in FIG. 7, the control unit 130 includes a collection unit 131, a generation unit 132, an acquisition unit 133, a calculation unit 134, and a provision unit 135, and functions and operations of information processing described below. To realize or execute. The internal configuration of the control unit 130 is not limited to the configuration shown in FIG. 7, and may be another configuration as long as it is a configuration for performing information processing described later.

（収集部１３１）
収集部１３１は、コンテンツを制作する際の指標の候補と、このコンテンツの制作に関連する人物の候補との組を示す情報を提供するのに用いられる各種情報を収集する。例えば、収集部１３１は、所定の情報処理装置から、各種情報を受信する。例えば、収集部１３１は、情報提供装置１００に関係するエンティティの装置から、各種情報を受信する。収集部１３１は、ユーザインタフェースを介して、情報提供装置１００のユーザから各種情報を受信してもよい。収集部１３１は、受信された各種情報を、記憶部１２０に格納してもよい。 (Collecting unit 131)
The collection unit 131 collects various types of information used to provide information indicating a pair of index candidates for producing the content and candidates for persons related to the production of the content. For example, the collecting unit 131 receives various information from a predetermined information processing device. For example, the collecting unit 131 receives various information from the device of the entity related to the information providing device 100. The collecting unit 131 may receive various information from the user of the information providing device 100 via the user interface. The collecting unit 131 may store various received information in the storage unit 120.

一例では、収集部１３１は、ＳＮＳサーバ２００から、投稿情報を取得する。 In one example, the collecting unit 131 acquires the posted information from the SNS server 200.

例えば、収集部１３１は、ソーシャルネットワークに投稿された投稿情報を、ＳＮＳサーバ２００から受信する。受信された投稿情報は、例えば、人名や、ＳＮＳのユーザの人物名を含む。受信された投稿情報は、ＳＮＳのユーザの人物名（例えば、実名、プロフィール名）に関連付けられた反応（例えば、「いいね」等の反応）を示すデータを含んでもよい。これにより、収集部１３１は、著者候補（例えば、一次候補）として、投稿情報に含まれる人名（例えば、実名、プロフィール名等の名前）を取得することができる。 For example, the collecting unit 131 receives the posted information posted on the social network from the SNS server 200. The received post information includes, for example, a person's name or a person's name of an SNS user. The received post information may include data indicating a reaction (for example, a reaction such as "like") associated with the person name (for example, real name, profile name) of the user of the SNS. As a result, the collecting unit 131 can acquire a person's name (for example, a real name, a profile name, or the like) included in the posted information as an author candidate (for example, a primary candidate).

別の例では、収集部１３１は、検索エンジンのシステムを実装し、検索エンジンのサービス（例えば、ウェブ検索サービス）を介して、ユーザ装置１０から投稿情報を取得してもよい。 In another example, the collection unit 131 may implement a search engine system and acquire posted information from the user device 10 via a search engine service (eg, a web search service).

例えば、収集部１３１は、ユーザ装置１０にインストールされた検索アプリケーション（検索アプリとも呼ばれる）や、検索エンジンのページ（例えば、検索サイト、ポータルサイト）を介して、検索履歴（例えば、検索ログ）を取得してもよい。そして、収集部１３１は、取得された検索履歴に基づいて、トラフィックソースを分析してもよい。例えば、収集部１３１は、取得された検索履歴を用いて、ある検索クエリを入力したユーザが、この検索クエリに対応する検索結果に含まれる複数のページのうちのどのページにアクセスしたかを決定することができる。一例として、収集部１３１は、取得された検索履歴を用いて、検索クエリ「マル子」を入力したユーザが、検索クエリ「マル子」に対応する検索結果に含まれる複数のページのうちのあるページ「（マル子の）ＳＮＳページ」にアクセスした、と決定することができる。 For example, the collection unit 131 collects a search history (for example, a search log) via a search application (also called a search application) installed in the user device 10 or a search engine page (for example, a search site or a portal site). You may get it. Then, the collecting unit 131 may analyze the traffic source based on the acquired search history. For example, the collecting unit 131 uses the acquired search history to determine which of the plurality of pages included in the search results corresponding to the search query is accessed by the user who entered a certain search query. can do. As an example, the collection unit 131 uses the acquired search history to allow a user who has entered the search query "Maruko" to use a page "Maruko" among a plurality of pages included in the search results corresponding to the search query "Maruko". It can be determined that the "SNS page (of Maruko)" has been accessed.

図２を参照して上述したように、あるページ（例えば、ウェブページ）にアクセスする際に使用されるワード（例えば、検索クエリ等の語句）は、「ページへの流入ワード」と呼ばれる。例えば、上述の「（マル子の）ＳＮＳページ」への流入ワードは、検索クエリ「マル子」である。例えば、収集部１３１は、検索ログ（例えば、ウェブページへのトラフィック）を用いて、検索クエリ「マル子」を入力したユーザが「ＳＮＳページ」にアクセスしたことを特定することができる。このようにして、収集部１３１は、「ＳＮＳページ」への流入ワードを、上述の投稿情報として取得してもよい。例えば、検索クエリ「マル子」を入力したユーザが、検索クエリ「マル子」に対応する検索結果に含まれる複数のページのうちのあるページ「（マル子の）ＳＮＳページ」にアクセスした場合には、収集部１３１は、語句「マル子」を、上述の投稿情報として取得してもよい。 As described above with reference to FIG. 2, a word (for example, a phrase such as a search query) used when accessing a certain page (for example, a web page) is called an "inflow word to the page". For example, the inflow word to the above-mentioned "(Maruko's) SNS page" is the search query "Maruko". For example, the collection unit 131 can use the search log (for example, traffic to a web page) to identify that the user who entered the search query "Maruko" has accessed the "SNS page". In this way, the collecting unit 131 may acquire the inflow word to the "SNS page" as the above-mentioned posted information. For example, if the user who entered the search query "Maruko" accesses a page "(Maruko's) SNS page" among multiple pages included in the search results corresponding to the search query "Maruko", it will be collected. Part 131 may acquire the phrase "Maruko" as the above-mentioned posted information.

一例では、収集部１３１は、Ｑ＆Ａに対応する検索クエリを、Ｑ＆Ａサーバ３００から取得する。 In one example, the collection unit 131 acquires a search query corresponding to the Q & A from the Q & A server 300.

例えば、収集部１３１は、Ｑ＆Ａに対応する検索クエリを、ユーザ装置１０のユーザの悩みを示すキーワードとして取得する。一例として、収集部１３１は、検索クエリ「節約」を、ビジネス（例えば、お金）の悩みを示すキーワードとして取得することができる。これにより、収集部１３１は、書籍のテーマの候補として、ビジネス（例えば、お金）の悩みを示すキーワードを取得することができる。 For example, the collection unit 131 acquires the search query corresponding to the Q & A as a keyword indicating the user's worries of the user device 10. As an example, the collection unit 131 can acquire the search query "savings" as a keyword indicating a business (for example, money) trouble. As a result, the collecting unit 131 can acquire a keyword indicating a business (for example, money) trouble as a candidate for the theme of the book.

別の例では、上述の投稿情報の場合と同様に、収集部１３１は、検索エンジンのシステムを実装し、検索エンジンのサービスを介して、Ｑ＆Ａに対応する検索クエリを取得してもよい。 In another example, as in the case of the posted information described above, the collecting unit 131 may implement the system of the search engine and acquire the search query corresponding to the Q & A via the service of the search engine.

例えば、収集部１３１は、ユーザ装置１０にインストールされた検索アプリや、検索エンジンのページを介して、検索履歴（例えば、検索ログ）を取得してもよい。そして、取得された検索履歴に用いて、ある検索クエリを入力したユーザが「Ｑ＆Ａのページ」にアクセスしたことを特定してもよい。この場合、収集部１３１は、「Ｑ＆Ａのページ」への流入ワードを、上述のＱ＆Ａに対応する検索クエリとして取得してもよい。例えば、検索クエリ「節約」を入力したユーザが、検索クエリ「節約」に対応する検索結果に含まれる複数のページのうちのあるページ「検索クエリ「節約」に対応するＱ＆Ａのページ」にアクセスした場合には、収集部１３１は、語句「節約」を、上述のＱ＆Ａに対応する検索クエリとして取得してもよい。 For example, the collection unit 131 may acquire a search history (for example, a search log) via a search application installed in the user device 10 or a page of a search engine. Then, it may be specified that the user who entered a certain search query accessed the "Q & A page" by using the acquired search history. In this case, the collecting unit 131 may acquire the inflow word to the "Q & A page" as a search query corresponding to the above-mentioned Q & A. For example, a user who entered the search query "savings" accessed a page "Q & A page corresponding to the search query" saving "" among multiple pages included in the search results corresponding to the search query "savings". In that case, the collecting unit 131 may acquire the phrase "saving" as a search query corresponding to the above-mentioned Q & A.

収集部１３１は、インターネット上で提供される各種サービス（例えば、検索エンジンのサービス、ニュースのサービス）を実装することができる。収集部１３１は、例えば、ユーザ装置１０に、コンテンツ（例えば、検索に関するコンテンツ、ニュースに関するコンテンツ）を提供する。収集部１３１は、情報提供装置１００内の所定の記憶領域（例えば、所定の記憶装置）から、コンテンツを取得し、取得されたコンテンツを、ユーザ装置１０に提供してもよい。収集部１３１は、所定の情報処理装置（例えば、情報提供装置１００に関係するエンティティの装置）から、コンテンツ（例えば、コンテンツのデータ）を受信し、受信されたコンテンツを、ユーザ装置１０に提供してもよい。あるいは、収集部１３１は、ユーザインタフェースを介して、情報提供装置１００のユーザからコンテンツを受信してもよい。収集部１３１は、受信されたコンテンツを、情報提供装置１００内の所定の記憶領域（例えば、所定の記憶装置）に格納してもよい。いくつかの実装形態では、収集部１３１は、収集部１３１によって提供されたコンテンツを介して、検索履歴、位置情報等の様々なデータを受信してもよい。提供されたコンテンツは、検索、ポータル、ショッピング、オークション、ニュース、ファイナンス、旅行、飲食店紹介、スポーツ、テレビ、動画、ゲーム、地図、路線情報、料理、不動産、自動車、ブログ、結婚、漫画、占い、地域情報等のコンテンツであってもよい。このようにして、収集部１３１は、コンテンツを制作する際の指標の候補と、このコンテンツの制作に関連する人物の候補との組を示す情報を提供するのに用いられる各種情報を取得することができる。 The collection unit 131 can implement various services provided on the Internet (for example, a search engine service and a news service). The collecting unit 131 provides, for example, content (for example, content related to search, content related to news) to the user device 10. The collecting unit 131 may acquire content from a predetermined storage area (for example, a predetermined storage device) in the information providing device 100, and provide the acquired content to the user device 10. The collecting unit 131 receives content (for example, content data) from a predetermined information processing device (for example, a device of an entity related to the information providing device 100), and provides the received content to the user device 10. You may. Alternatively, the collecting unit 131 may receive the content from the user of the information providing device 100 via the user interface. The collecting unit 131 may store the received content in a predetermined storage area (for example, a predetermined storage device) in the information providing device 100. In some implementations, the collecting unit 131 may receive various data such as search history and location information via the content provided by the collecting unit 131. The contents provided are search, portal, shopping, auction, news, finance, travel, restaurant introduction, sports, TV, video, games, maps, route information, cooking, real estate, automobiles, blogs, marriage, cartoons, fortune-telling. , Regional information, etc. may be used. In this way, the collecting unit 131 acquires various types of information used to provide information indicating a pair of index candidates for producing the content and candidates for persons related to the production of the content. Can be done.

収集部１３１は、検索履歴を受信することができる。例えば、収集部１３１は、所定の情報処理装置（例えば、Ｑ＆Ａサーバ３００）から、検索履歴を受信することができる。例えば、収集部１３１は、情報提供装置１００に関係するエンティティの装置から、検索履歴を受信することができる。収集部１３１は、検索に関するコンテンツ（例えば、検索エンジンのページ）を介して、検索履歴を受信してもよい。収集部１３１は、ユーザインタフェースを介して、情報提供装置１００のユーザから検索履歴を受信してもよい。収集部１３１は、受信された検索履歴を、検索履歴データベース１２１に格納してもよい。 The collection unit 131 can receive the search history. For example, the collection unit 131 can receive the search history from a predetermined information processing device (for example, the Q & A server 300). For example, the collecting unit 131 can receive the search history from the device of the entity related to the information providing device 100. The collection unit 131 may receive the search history via the content related to the search (for example, the page of the search engine). The collecting unit 131 may receive the search history from the user of the information providing device 100 via the user interface. The collection unit 131 may store the received search history in the search history database 121.

収集部１３１は、投稿履歴を受信することができる。例えば、収集部１３１は、所定の情報処理装置（例えば、ＳＮＳサーバ２００）から、投稿履歴を受信することができる。例えば、収集部１３１は、情報提供装置１００に関係するエンティティの装置から、投稿履歴を受信することができる。収集部１３１は、検索に関するコンテンツ（例えば、検索エンジンのページ）を介して、投稿履歴を受信してもよい。収集部１３１は、ユーザインタフェースを介して、情報提供装置１００のユーザから投稿履歴を受信してもよい。収集部１３１は、受信された投稿履歴を、検索履歴データベース１２１に格納してもよい。 The collection unit 131 can receive the posting history. For example, the collecting unit 131 can receive the posting history from a predetermined information processing device (for example, the SNS server 200). For example, the collecting unit 131 can receive the posting history from the device of the entity related to the information providing device 100. The collection unit 131 may receive the posting history via the content related to the search (for example, the page of the search engine). The collecting unit 131 may receive the posting history from the user of the information providing device 100 via the user interface. The collecting unit 131 may store the received posting history in the search history database 121.

（生成部１３２）
生成部１３２は、コンテンツ制作に関わる人物の候補のリストや、コンテンツ制作のための指標の候補のリストを生成する。生成部１３２は、コンテンツ制作に関わる人物の候補のリストを生成する第１生成部および第２生成部を実装することができる。また、生成部１３２は、コンテンツ制作のための指標の候補のリストを生成する第３生成部および第４生成部を実装することができる。 (Generator 132)
The generation unit 132 generates a list of candidates for persons involved in content production and a list of candidates for indicators for content production. The generation unit 132 can implement a first generation unit and a second generation unit that generate a list of candidates for persons involved in content production. In addition, the generation unit 132 can implement a third generation unit and a fourth generation unit that generate a list of index candidates for content production.

第１生成部は、検索クエリの履歴において、売上が所定の条件を満たすコンテンツの制作に関連する人物と関連性が高い他の人物を人物の候補とした人物リストを生成する。 The first generation unit generates a list of people whose candidates are other people who are highly related to the production of content whose sales satisfy a predetermined condition in the history of the search query.

第２生成部は、ユーザ（利用者）がウェブ上に投稿した投稿情報が示す人物のうち、投稿回数が所定の閾値を超える人物であって、予め登録された人物以外の人物を人物の候補とした人物リストを生成する。 In the second generation unit, among the persons indicated by the posted information posted on the web by the user (user), the person whose number of postings exceeds a predetermined threshold value and is other than the person registered in advance is a candidate for the person. Generate a list of people.

生成部１３２（例えば、第１生成部、第２生成部）は、情報提供装置１００内の所定の記憶領域（例えば、所定の記憶装置）に、生成された人物リストを格納してもよい。 The generation unit 132 (for example, the first generation unit and the second generation unit) may store the generated person list in a predetermined storage area (for example, a predetermined storage device) in the information providing device 100.

一例では、生成部１３２（例えば、第１生成部、第２生成部）は、収集部１３１によってＳＮＳサーバ２００から取得された投稿情報や、収集部１３１によって取得された投稿情報から、有名になっていない人物の人物リストを生成する。 In one example, the generation unit 132 (for example, the first generation unit and the second generation unit) becomes famous from the posting information acquired from the SNS server 200 by the collection unit 131 and the posting information acquired by the collection unit 131. Generate a list of people who haven't.

一例では、はじめに、生成部１３２（例えば、第２生成部）は、固有表現認識（Named Entity Recognition）等の手法を用いて、投稿履歴に含まれる投稿情報（例えば、テキスト）から、人名に対応するワード（例えば、「ＳＮＳページ」への流入ワード）を抽出する。投稿情報が写真、動画または音声である場合には、生成部１３２は、画像認識、動画像認識、音声認識等の手法を用いて、投稿情報の特徴に対応するテキストを生成し、生成されたテキストから、人名に対応するワードを抽出してもよい。 In one example, first, the generation unit 132 (for example, the second generation unit) corresponds to a person's name from the post information (for example, text) included in the post history by using a method such as named entity recognition (Named Entity Recognition). Words to be used (for example, words flowing into the "SNS page") are extracted. When the posted information is a photograph, a video, or a voice, the generation unit 132 generates and generates a text corresponding to the feature of the posted information by using a technique such as image recognition, moving image recognition, and voice recognition. The word corresponding to the person's name may be extracted from the text.

次いで、生成部１３２（例えば、第２生成部）は、投稿履歴に含まれる投稿情報から、「ＳＮＳページ」への流入ワードのトレンドに関するトレンド情報を生成する。そして、生成部１３２は、生成されたトレンド情報（例えば、トレンドの指標）に基づいて、投稿履歴に含まれる投稿情報から、人名に対応するワードを、１次候補の人名として抽出し、抽出された１次候補の人名を含む情報を、人名トレンド情報として生成する。 Next, the generation unit 132 (for example, the second generation unit) generates trend information regarding the trend of the inflow word to the "SNS page" from the posting information included in the posting history. Then, the generation unit 132 extracts and extracts the word corresponding to the person's name as the primary candidate person's name from the post information included in the post history based on the generated trend information (for example, the trend index). Information including the personal name of the primary candidate is generated as personal name trend information.

例えば、生成されたトレンド情報は、所定の期間（例えば、１年間）における流入ワード（すなわち、ＳＮＳページにアクセスする際に使用される検索クエリに対応するキーワード）の検索回数を示し得る。一例として、生成されたトレンド情報は、「ＳＮＳページ」への流入ワード「マル子」が「２０１９年９月２０日から２０２０年９月２０日」までの期間に検索された回数を、「検索トレンド（例えば、トレンドの指標）」として示してもよい。 For example, the generated trend information may indicate the number of searches for an inflow word (ie, a keyword corresponding to a search query used when accessing an SNS page) in a predetermined period (for example, one year). As an example, the generated trend information is the number of times the inflow word "Maruko" to the "SNS page" was searched during the period from "September 20, 2019 to September 20, 2020". (For example, an index of a trend) ”may be shown.

生成部１３２（例えば、第２生成部）は、例えば、所定の期間（例えば、１年間）における流入ワードの検索回数に基づいて、投稿履歴に含まれる投稿情報から、人名に対応するワード（例えば、人名に対応するトレンドキーワード）を、１次候補の人名として抽出する。一例として、生成部１３２は、検索トレンドに基づいて、投稿情報から抽出されたワードをソートし、上位ｎ件（例えば、１００００万件）のワードを、１次候補の人名として抽出してもよい。 The generation unit 132 (for example, the second generation unit) is a word corresponding to a person's name (for example, from the post information included in the post history) based on the number of searches for the inflow word in a predetermined period (for example, one year). , Trend keywords corresponding to personal names) are extracted as primary candidate personal names. As an example, the generation unit 132 may sort the words extracted from the posted information based on the search trend, and extract the top n words (for example, 100 million words) as the names of the primary candidates. ..

例えば、投稿履歴に含まれる流入ワード「マル子」の検索トレンド（例えば、検索（キーワード）ボリューム（例えば、検索数））が上位ｎ件（例えば、１００００万件）内にランクインしている場合に、流入ワード「マル子」を、１次候補の人名として抽出してもよい。図３を参照して上述したように、例えば、人名トレンド情報は、人物名＃１、人物名＃２、人物名＃３、人物名＃４等の人物名を含む。人物名＃１は、例えば、「マル子」であってもよい。人物名＃２は、例えば、「カモ（例示の人物名）」であってもよい。人物名＃３は、例えば、「サブ」であってもよい。人物名＃４は、例えば、「えもん（例示の人物名）」であってもよい。 For example, when the search trend of the inflow word "Maruko" included in the posting history (for example, the search (keyword) volume (for example, the number of searches)) is ranked in the top n (for example, 100 million). , The inflow word "Maruko" may be extracted as the name of the primary candidate. As described above with reference to FIG. 3, for example, the person name trend information includes a person name such as a person name # 1, a person name # 2, a person name # 3, and a person name # 4. The person name # 1 may be, for example, "Maruko". The person name # 2 may be, for example, a "camo (exemplary person name)". The person name # 3 may be, for example, "sub". The person name # 4 may be, for example, "Emon (exemplary person name)".

その後、生成部１３２（例えば、第２生成部）は、特定の人名（例えば、有名になっている人物の人名）を示す人名リストに基づいて、人名トレンド情報に含まれる１次候補の人名から、有名になっていない人物の人名を、２次候補の人名として抽出する。そして、生成部１３２は、抽出された２次候補の人名を含むリストを、コンテンツ制作に関わる人物の候補のリストである人物リストとして生成する。図２を参照して上述したように、例えば、生成された人物リストは、人物名＃１、人物名＃３等の人物名を含む。 After that, the generation unit 132 (for example, the second generation unit) starts from the primary candidate person name included in the person name trend information based on the person name list indicating a specific person name (for example, the person name of a famous person). , The name of a person who is not famous is extracted as the name of a secondary candidate. Then, the generation unit 132 generates a list including the extracted secondary candidate person names as a person list which is a list of person candidates involved in the content production. As described above with reference to FIG. 2, for example, the generated person list includes person names such as person name # 1 and person name # 3.

特定の人名を示す人名リストは、例えば、人名マスタ等のデータベースであり得る。人名マスタは、例えば、タレント名鑑に記載された有名人の人名を含んでもよい。情報提供装置１００の収集部１３１が検索エンジンのサービスを提供するいくつかの実装形態では、人名マスタは、検索結果とともに提供されるナレッジパネル（例えば、検索クエリに対応する人名の写真および説明を含むコンテンツ（アイテム））に関連付けられた人名を含んでもよい。情報提供装置１００の収集部１３１がニュースのサービス（例えば、ニュースサイト）を提供するいくつかの実装形態では、人名マスタは、ニュース記事に関連付けられたニュースタグに対応する人名を含んでもよい。 The personal name list showing a specific personal name can be, for example, a database such as a personal name master. The personal name master may include, for example, the personal name of a celebrity listed in the talent directory. In some implementations in which the collection unit 131 of the information providing device 100 provides a search engine service, the personal name master includes a knowledge panel (eg, a photo and description of the personal name corresponding to the search query) provided with the search results. It may include a person's name associated with the content (item)). In some embodiments in which the collection unit 131 of the information providing device 100 provides a news service (eg, a news site), the personal name master may include a personal name corresponding to a news tag associated with a news article.

例えば、人物名「マル子」が人名マスタに含まれない場合に、生成部１３２は、人物名「マル子」を、２次候補の人名として抽出する。人物名「カモ」が人名マスタに含まれる場合に、生成部１３２は、人物名「カモ」を、２次候補の人名として抽出しない。同様に、人物名「サブ」が人名マスタに含まれない場合に、生成部１３２は、人物名「サブ」を、２次候補の人名として抽出する。人物名「えもん」が人名マスタに含まれる場合に、生成部１３２は、人物名「えもん」を、２次候補の人名として抽出しない。このような場合、「カモ」という名前の人物や、「えもん」という名前の人物は、有名になっている人物（例えば、芸能人、スポーツ選手）であり得る。これにより、生成部１３２は、著者候補として容易に想定される人物を、著者候補のリストから除外することができる。 For example, when the person name "Maruko" is not included in the person name master, the generation unit 132 extracts the person name "Maruko" as a secondary candidate person name. When the person name "camo" is included in the person name master, the generation unit 132 does not extract the person name "camo" as the secondary candidate person name. Similarly, when the person name "sub" is not included in the person name master, the generation unit 132 extracts the person name "sub" as the secondary candidate person name. When the person name "Emon" is included in the person name master, the generation unit 132 does not extract the person name "Emon" as the secondary candidate person name. In such a case, the person named "Duck" or the person named "Emon" can be a well-known person (eg, entertainer, athlete). As a result, the generation unit 132 can exclude a person who is easily assumed as an author candidate from the list of author candidates.

情報提供装置１００の収集部１３１が検索エンジンのサービスを提供するいくつかの実装形態では、生成部１３２は、著者ごとの書籍売上ランキングおよび検索履歴（例えば、検索ログ）から、人物リストを生成してもよい。 In some implementations in which the collection unit 131 of the information providing device 100 provides a search engine service, the generation unit 132 generates a person list from the book sales ranking and search history (for example, search log) for each author. You may.

情報提供装置１００内の所定の記憶領域（例えば、所定の記憶装置）は、著者ごとの書籍売上ランキングを示す売上ランキング情報を記憶してもよい。図４を参照して上述したように、売上ランキング情報は、著者＃１、著者＃２、著者＃３、著者＃４および著者＃５の売上ランキングを示す。著者＃１は、例えば、「カモ」であってもよい。著者＃２は、例えば、「えもん」であってもよい。著者＃３は、例えば、「まめ（例示の人物名）」であってもよい。同様に、著者＃４および著者＃５も、人名（例えば、実名、プロフィール名等の名前）を示し得る。 A predetermined storage area (for example, a predetermined storage device) in the information providing device 100 may store sales ranking information indicating a book sales ranking for each author. As described above with reference to FIG. 4, the sales ranking information indicates the sales rankings of author # 1, author # 2, author # 3, author # 4, and author # 5. Author # 1 may be, for example, a "duck". Author # 2 may be, for example, "Emon". Author # 3 may be, for example, "blister (exemplary person name)". Similarly, authors # 4 and # 5 may also indicate personal names (eg, names such as real names, profile names, etc.).

他の例では、はじめに、生成部１３２（例えば、第１生成部）は、売上ランキング情報に含まれる複数の著者の中から、上位ｎ位（ｎは任意の自然数）以内に入る著者を特定する。例えば、生成部１３２は、売上ランキング情報に含まれる複数の著者の中から、ランキング１位の著者である著者＃１を特定する。 In another example, first, the generation unit 132 (for example, the first generation unit) identifies an author who is in the top n (n is an arbitrary natural number) among a plurality of authors included in the sales ranking information. .. For example, the generation unit 132 identifies the author # 1, which is the author ranked first in the ranking, from among the plurality of authors included in the sales ranking information.

次いで、生成部１３２（例えば、第１生成部）は、検索アプリや、検索エンジンのページを介して取得された検索履歴（例えば、検索ログ）に基づいて、特定された著者に関連する関連ワードを決定する。情報提供装置１００の収集部１３１が検索エンジンのサービスを提供するいくつかの実装形態では、収集部１３１は、情報提供装置１００内の所定の記憶領域（例えば、検索履歴データベース１２１）に、取得された検索履歴を格納することができる。生成部１３２は、所定の記憶領域に記憶された検索履歴に基づいて、特定された著者に関連する関連ワードを決定する。例えば、生成部１３２は、検索要求に含まれる検索クエリに対応する著者（例えば、著者名に対応する語句）と、検索要求に含まれる検索クエリに対応するキーワードとの共起性に基づいて、特定された著者に関連する関連ワードを決定する。例えば、検索要求が「著者＃１∧（ＡＮＤの論理演算子）関連ワード＃１（人物名）」や、「著者＃１∨（ＯＲの論理演算子）関連ワード＃１（人物名）」である場合に、生成部１３２は、検索クエリに対応する著者＃１と、検索クエリに対応するキーワード「関連ワード＃１（人物名）」との共起性に基づいて、特定された著者＃１に関連する関連ワードを決定する。 The generation unit 132 (eg, first generation unit) then receives related words related to the identified author based on the search history (eg, search log) acquired via the search application or search engine page. To determine. In some implementations in which the collecting unit 131 of the information providing device 100 provides the service of the search engine, the collecting unit 131 is acquired in a predetermined storage area (for example, the search history database 121) in the information providing device 100. Search history can be stored. The generation unit 132 determines related words related to the specified author based on the search history stored in a predetermined storage area. For example, the generation unit 132 is based on the co-occurrence of the author corresponding to the search query included in the search request (for example, the phrase corresponding to the author name) and the keyword corresponding to the search query included in the search request. Determine relevant words associated with the identified author. For example, the search request is "author # 1∧ (AND logical operator) related word # 1 (person name)" or "author # 1∨ (OR logical operator) related word # 1 (person name)". In some cases, the generation unit 132 identifies the author # 1 based on the coexistence of the author # 1 corresponding to the search query and the keyword "related word # 1 (personal name)" corresponding to the search query. Determine related words related to.

例えば、生成部１３２（例えば、第１生成部）は、検索クエリに対応する著者＃１と、検索クエリに対応するキーワード「関連ワード＃１（人物名）」との共起頻度を算出する。生成部１３２は、算出された共起頻度が所定の条件（例えば、所定の基準）を満たすか判定し、共起頻度が所定の条件（例えば、所定の基準）を満たすと判定された場合に、キーワード「関連ワード＃１（人物名）」を、特定された著者＃１に関連する関連ワードとして決定する。より具体的には、生成部１３２は、相関ルール学習等の手法を用いて、検索要求に含まれる検索クエリに対応する著者と、検索要求に含まれる検索クエリに対応するキーワードとの共起性の指標（例えば、支持度、確信度）を決定することができる。 For example, the generation unit 132 (for example, the first generation unit) calculates the co-occurrence frequency of the author # 1 corresponding to the search query and the keyword “related word # 1 (person name)” corresponding to the search query. The generation unit 132 determines whether the calculated co-occurrence frequency satisfies a predetermined condition (for example, a predetermined standard), and when it is determined that the co-occurrence frequency satisfies a predetermined condition (for example, a predetermined standard). , The keyword "related word # 1 (personal name)" is determined as a related word related to the specified author # 1. More specifically, the generation unit 132 uses a method such as correlation rule learning to co-occurrence between the author corresponding to the search query included in the search request and the keyword corresponding to the search query included in the search request. Indicators (eg, support, confidence) can be determined.

図４を参照して上述したように、例えば、決定された複数の関連ワードは、関連ワード＃１（人物名）、関連ワード＃２（食品名）、関連ワード＃３（番組名）および関連ワード＃４（人物名）を含む。関連ワード＃１（人物名）は、例えば、「アヒル（例示の人物名）」であってもよい。関連ワード＃２（食品名）は、例えば、ネギであってもよい。関連ワード＃３（食品名）は、例えば、「かもの話（例示の番組名）」であってもよい。関連ワード＃４（人物名）は、例えば、「ハクチョウ（例示の人物名）」であってもよい。 As described above with reference to FIG. 4, for example, the determined related words include related word # 1 (person name), related word # 2 (food name), related word # 3 (program name), and related words. Includes word # 4 (personal name). The related word # 1 (personal name) may be, for example, "duck (exemplary person name)". The related word # 2 (food name) may be, for example, green onion. The related word # 3 (food name) may be, for example, "Kamo no Monogatari (exemplary program name)". The related word # 4 (personal name) may be, for example, "swan (exemplary person name)".

その後、生成部１３２（例えば、第１生成部）は、固有表現認識等の手法を用いて、決定された関連ワードから、人名に対応するワードを抽出し、抽出されたワードを含むリストを、コンテンツ制作に関わる人物の候補のリストである人物リストとして生成する。図４を参照して上述したように、例えば、生成された人物リストは、関連ワード＃１（人物名）、関連ワード＃３（人物名）等の関連ワード（人物名）を含む。 After that, the generation unit 132 (for example, the first generation unit) extracts words corresponding to the person's name from the determined related words by using a method such as named entity recognition, and creates a list including the extracted words. Generate as a person list, which is a list of candidates for people involved in content creation. As described above with reference to FIG. 4, for example, the generated person list includes related words (person names) such as related word # 1 (person name) and related word # 3 (person name).

第３生成部は、ユーザ（利用者）が投稿した質問に対して他の利用者が回答を投稿する所定のウェブサービスにおいて質問若しくは回答を検索する際に入力された検索クエリから、所定の条件を満たす検索クエリを指標の候補として抽出し、抽出した指標の候補に基づく指標リストを生成する。 The third generation unit is a predetermined condition from a search query input when searching for a question or answer in a predetermined web service in which another user posts an answer to a question posted by a user (user). Search queries that satisfy the conditions are extracted as index candidates, and an index list based on the extracted index candidates is generated.

例えば、第３生成部は、入力された回数が所定の閾値を超える検索クエリを指標の候補として抽出する。 For example, the third generation unit extracts a search query in which the number of input times exceeds a predetermined threshold value as an index candidate.

また、例えば、第３生成部は、所定のカテゴリに属する検索クエリを指標の候補として抽出する。 Further, for example, the third generation unit extracts a search query belonging to a predetermined category as an index candidate.

また、例えば、第３生成部は、所定の条件を満たす検索クエリと共起する共起単語、若しくは、この検索クエリと関連する関連単語を示す指標リストを生成する。 Further, for example, the third generation unit generates an index list indicating co-occurrence words co-occurring with a search query satisfying a predetermined condition or related words related to the search query.

第４生成部は、利用者に対して配信された配信情報のうち、配信回数が所定の閾値を超える配信情報から指標の候補を抽出し、抽出した指標の候補に基づく指標リストを生成する。 The fourth generation unit extracts index candidates from the distribution information whose distribution frequency exceeds a predetermined threshold value among the distribution information distributed to the user, and generates an index list based on the extracted index candidates.

加えてまたはあるいは、第４生成部は、利用者に対して配信された配信情報のうち、配信回数の増加率が所定の閾値を超える配信情報から指標の候補を抽出し、抽出した指標の候補に基づく指標リストを生成する。 In addition, or / or, the fourth generation unit extracts index candidates from the distribution information in which the rate of increase in the number of distributions exceeds a predetermined threshold among the distribution information distributed to the user, and the extracted index candidates. Generate an index list based on.

生成部１３２（例えば、第３生成部、第４生成部）は、情報提供装置１００内の所定の記憶領域（例えば、所定の記憶装置）に、生成された指標リストを格納してもよい。 The generation unit 132 (for example, the third generation unit and the fourth generation unit) may store the generated index list in a predetermined storage area (for example, a predetermined storage device) in the information providing device 100.

一例では、生成部１３２（例えば、第３生成部、第４生成部）は、収集部１３１によってＱ＆Ａサーバ３００から取得された検索クエリや、収集部１３１によって取得された検索クエリから、悩み指数が高いキーワードをコンテンツの作成指標とした指標リストを生成する。 In one example, the generation unit 132 (for example, the third generation unit and the fourth generation unit) has a trouble index from the search query acquired from the Q & A server 300 by the collection unit 131 and the search query acquired by the collection unit 131. Generate an index list using high keywords as content creation indicators.

一例では、はじめに、生成部１３２（例えば、第３生成部、第４生成部）は、検索履歴に基づいて、検索クエリに対応するキーワードと、このキーワードの出現回数とを特定する。例えば、生成部１３２は、検索クエリに対して自然言語処理（natural language processing）を行うことで、検索履歴に含まれる検索クエリに対応するキーワードを決定する。そして、生成部１３２は、検索履歴に基づいて、決定されたキーワードの出現回数を特定する。 In one example, first, the generation unit 132 (for example, the third generation unit and the fourth generation unit) specifies a keyword corresponding to the search query and the number of occurrences of this keyword based on the search history. For example, the generation unit 132 determines a keyword corresponding to the search query included in the search history by performing natural language processing on the search query. Then, the generation unit 132 specifies the number of occurrences of the determined keyword based on the search history.

次いで、生成部１３２（例えば、第３生成部、第４生成部）は、特定されたキーワードの出現回数に基づいて、特定されたキーワードの悩み指数を決定する。例えば、生成部１３２は、キーワードの出現回数が第１の出現回数よりも多い第２の出現回数である場合の悩み指数が、キーワードの出現回数が第１の出現回数である場合の悩み指数よりも高くなるように、悩み指数を決定する。特定されたキーワードの悩み指数は、例えば、特定されたキーワードの出現回数に比例し得る。図５を参照して上述したように、例えば、特定されたキーワード「キーワード＃１」の出現回数は、「回数＃１」である。また、特定されたキーワード「キーワード＃１」の悩み指数は、「１０」である。 Next, the generation unit 132 (for example, the third generation unit and the fourth generation unit) determines the trouble index of the specified keyword based on the number of occurrences of the specified keyword. For example, in the generation unit 132, the trouble index when the number of occurrences of the keyword is the second number of appearances larger than the number of appearances of the first is higher than the trouble index when the number of appearances of the keyword is the first number of appearances. Determine the worries index so that it is also high. The trouble index of the specified keyword can be proportional to, for example, the number of occurrences of the specified keyword. As described above with reference to FIG. 5, for example, the number of occurrences of the specified keyword “keyword # 1” is “number of times # 1”. The trouble index of the specified keyword "keyword # 1" is "10".

特定されたキーワード「キーワード＃１」は、例えば、「顔面神経痛」であってもよい。特定されたキーワード「キーワード＃２」は、例えば、「尊厳死」であってもよい。特定されたキーワード「キーワード＃３」は、例えば、「節約」であってもよい。特定されたキーワード「キーワード＃４」は、例えば、「楽園」であってもよい。特定されたキーワード「キーワード＃５」は、例えば、「副業」であってもよい。図２を参照して上述したように、検索クエリを入力したユーザが、検索クエリに対応する検索結果に含まれる複数のページのうちのＱ＆Ａのページにアクセスした場合に、生成部１３２は、検索クエリに対応するキーワードを、ユーザの悩みを示すキーワードとして取得する。このことは、検索クエリに対応するキーワードの出現回数が、ユーザ全体の悩みの度合いを示すことを意味する。 The identified keyword "keyword # 1" may be, for example, "facial neuralgia". The identified keyword "keyword # 2" may be, for example, "death with dignity". The identified keyword "keyword # 3" may be, for example, "saving". The specified keyword "keyword # 4" may be, for example, "paradise". The specified keyword "keyword # 5" may be, for example, "side business". As described above with reference to FIG. 2, when the user who entered the search query accesses the Q & A page among the plurality of pages included in the search results corresponding to the search query, the generation unit 132 searches. Acquire the keyword corresponding to the query as a keyword indicating the user's worries. This means that the number of occurrences of the keyword corresponding to the search query indicates the degree of trouble for the entire user.

情報提供装置１００の収集部１３１が検索エンジンのサービスを提供するいくつかの実装形態では、生成部１３２（例えば、第３生成部、第４生成部）は、検索履歴に含まれる検索クエリから、「Ｑ＆Ａページ」への流入ワード（すなわち、Ｑ＆Ａページにアクセスする際に使用される検索クエリに対応するキーワード）のトレンドに関するトレンド情報を生成してもよい。生成されたトレンド情報は、流入ワードと、この流入ワードの出現回数と、この流入ワードの悩み指数とを含んでもよい。 In some implementations in which the collection unit 131 of the information providing device 100 provides the service of the search engine, the generation unit 132 (for example, the third generation unit and the fourth generation unit) is based on the search query included in the search history. Trend information regarding the trend of the inflow word to the "Q & A page" (that is, the keyword corresponding to the search query used when accessing the Q & A page) may be generated. The generated trend information may include an inflow word, the number of occurrences of this inflow word, and a trouble index of this inflow word.

例えば、生成されたトレンド情報は、所定の期間（例えば、１年間）における流入ワードの出現回数（例えば、検索回数）を示し得る。一例として、生成されたトレンド情報は、「Ｑ＆Ａページ」への流入ワード「顔面神経痛」が「２０１９年９月２０日から２０２０年９月２０日」までの期間に検索された回数に基づいて決定された悩み指数を示してもよい。 For example, the generated trend information may indicate the number of occurrences of inflow words (eg, the number of searches) in a predetermined period (eg, one year). As an example, the generated trend information is determined based on the number of times the inflow word "facial neuralgia" to the "Q & A page" was searched during the period from "September 20, 2019 to September 20, 2020". It may indicate the trouble index that has been dealt with.

その後、生成部１３２（例えば、第３生成部、第４生成部）は、決定された悩み指数に基づいて、特定されたキーワードからキーワードを抽出し、抽出されたキーワードを含むリストを、悩み指数が高いキーワードをコンテンツの作成指標とした（作成）指標リストとして生成する。例えば、生成部１３２は、決定された悩み指数に基づいて、特定されたキーワードをソートし、上位ｎ件（例えば、１００００万件）のワードを、コンテンツの作成指標（例えば、書籍のテーマの候補）として抽出してもよい。 After that, the generation unit 132 (for example, the third generation unit and the fourth generation unit) extracts keywords from the specified keywords based on the determined trouble index, and the trouble index includes a list containing the extracted keywords. Generate as a (creation) index list using keywords with high content as content creation indexes. For example, the generation unit 132 sorts the specified keywords based on the determined trouble index, and sets the top n words (for example, 100 million words) as the content creation index (for example, the candidate for the theme of the book). ) May be extracted.

例えば、キーワード「キーワード＃２」の悩み指数が上位ｎ件（例えば、１００００万件）内にランクインしている場合に、生成部１３２は、キーワード「キーワード＃２」を、コンテンツの作成指標として抽出してもよい。図５を参照して上述したように、（作成）指標リストは、キーワード＃２（例えば、キーワード「尊厳死」）、キーワード＃３（例えば、キーワード「節約」）等のキーワードを含む。図５の例では、（作成）指標リストは、多くのユーザが、「尊厳死」や「節約」についての悩みを抱えていることを示している。このことは、多くのユーザが、「尊厳死」や「節約」をテーマとする書籍に対するニーズを持っていることを意味する。 For example, when the trouble index of the keyword "keyword # 2" is ranked in the top n cases (for example, 100 million cases), the generation unit 132 uses the keyword "keyword # 2" as a content creation index. It may be extracted. As described above with reference to FIG. 5, the (created) index list includes keywords such as keyword # 2 (eg, keyword "death with dignity"), keyword # 3 (eg, keyword "saving"). In the example of FIG. 5, the (created) index list shows that many users have troubles about "death with dignity" and "savings". This means that many users have a need for books on the themes of "death with dignity" and "savings."

（取得部１３３）
取得部１３３は、予め作成された複数の指標の候補を示す指標リストと、複数の人物の候補を示す人物リストとを取得する。 (Acquisition unit 133)
The acquisition unit 133 acquires an index list showing candidates for a plurality of indexes created in advance and a person list showing candidates for a plurality of people.

例えば、取得部１３３は、生成部１３２（例えば、第３生成部、第４生成部）によって生成された指標リストを、予め作成された複数の指標の候補を示す指標リストとして取得する。取得部１３３は、予め作成された複数の指標の候補を示す指標リストを、情報提供装置１００内の所定の記憶領域（例えば、所定の記憶装置）から取得してもよい。また、例えば、取得部１３３は、生成部１３２（例えば、第１生成部、第２生成部）によって生成された人物リストを、複数の人物の候補を示す人物リストとして取得してもよい。取得部１３３は、複数の人物の候補を示す人物リストを、情報提供装置１００内の所定の記憶領域（例えば、所定の記憶装置）から取得してもよい。 For example, the acquisition unit 133 acquires the index list generated by the generation unit 132 (for example, the third generation unit and the fourth generation unit) as an index list indicating a plurality of index candidates created in advance. The acquisition unit 133 may acquire an index list indicating a plurality of index candidates created in advance from a predetermined storage area (for example, a predetermined storage device) in the information providing device 100. Further, for example, the acquisition unit 133 may acquire the person list generated by the generation unit 132 (for example, the first generation unit and the second generation unit) as a person list indicating candidates for a plurality of persons. The acquisition unit 133 may acquire a person list showing candidates for a plurality of persons from a predetermined storage area (for example, a predetermined storage device) in the information providing device 100.

取得部１３３は、予め作成された複数の指標の候補を示す指標リストや、複数の人物の候補を示す人物リストを受信してもよい。例えば、取得部１３３は、所定の情報処理装置から、指標リストや人物リストを受信してもよい。例えば、取得部１３３は、情報提供装置１００に関係するエンティティの装置から、指標リストや人物リストを受信してもよい。取得部１３３は、ユーザインタフェースを介して、情報提供装置１００のユーザから指標リストや人物リストを受信してもよい。取得部１３３は、受信された指標リストや受信された人物リストを、情報提供装置１００内の所定の記憶領域（例えば、所定の記憶装置）に格納してもよい。 The acquisition unit 133 may receive an index list showing candidates for a plurality of indexes created in advance or a person list showing candidates for a plurality of people. For example, the acquisition unit 133 may receive an index list or a person list from a predetermined information processing device. For example, the acquisition unit 133 may receive an index list or a person list from the device of the entity related to the information providing device 100. The acquisition unit 133 may receive an index list or a person list from the user of the information providing device 100 via the user interface. The acquisition unit 133 may store the received index list and the received person list in a predetermined storage area (for example, a predetermined storage device) in the information providing device 100.

（算出部１３４）
算出部１３４は、コンテンツを制作する際の指標の候補と、このコンテンツの制作に関連する人物の候補との間の関連性を示すスコアを算出する。 (Calculation unit 134)
The calculation unit 134 calculates a score indicating the relationship between the candidate index for producing the content and the candidate for the person related to the production of the content.

例えば、算出部１３４は、１つの指標の候補と、複数の人物の候補との組合せについて、スコアを算出する。 For example, the calculation unit 134 calculates a score for a combination of a candidate for one index and a candidate for a plurality of persons.

また、例えば、算出部１３４は、複数の指標の候補と、１つの人物の候補との組合せについて、スコアを算出する。 Further, for example, the calculation unit 134 calculates a score for a combination of a plurality of index candidates and a single person candidate.

また、例えば、算出部１３４は、指標リスト（例えば、取得部１３３によって取得された指標リスト）が示す指標の候補と、人物リスト（例えば、取得部１３３によって取得された人物リスト）が示す人物の候補との組合せについて、スコアを算出する。 Further, for example, the calculation unit 134 is a candidate for an index indicated by an index list (for example, an index list acquired by the acquisition unit 133) and a person indicated by a person list (for example, a person list acquired by the acquisition unit 133). Calculate the score for the combination with the candidates.

また、例えば、算出部１３４は、入力された情報をベクトルに変換するモデルであって、予め設定された観点からの類似性が高い情報程類似するベクトルに変換するよう学習が行われたモデルを用いて、指標の候補と人物の候補とをベクトルに変換し、変換後のベクトルの類似性に基づいて、スコアを算出する。 Further, for example, the calculation unit 134 is a model that converts the input information into a vector, and is a model that has been trained to convert the information having a higher similarity from a preset viewpoint into a similar vector. It is used to convert index candidates and person candidates into vectors, and the score is calculated based on the similarity of the converted vectors.

例えば、算出部１３４は、モデルとして、利用者による検索意図が類似する複数の検索クエリを類似する複数のベクトルに変換するよう学習が行われたモデルを用いて、指標の候補と人物の候補とをベクトルに変換し、変換後のベクトルの類似性に基づいて、スコアを算出する。例えば、算出部１３４は、モデルとして、所定の検索クエリと同時に入力された複数の検索クエリを類似する複数のベクトルに変換するよう学習が行われたモデルを用いて、指標の候補と人物の候補とをベクトルに変換し、変換後のベクトルの類似性に基づいて、スコアを算出する。 For example, the calculation unit 134 uses a model trained to convert a plurality of search queries having similar search intentions by users into a plurality of similar vectors, and uses a model as an index candidate and a person candidate. Is converted to a vector, and the score is calculated based on the similarity of the converted vectors. For example, the calculation unit 134 uses a model trained to convert a plurality of search queries input at the same time as a predetermined search query into a plurality of similar vectors as a model, and is a candidate for an index and a candidate for a person. And are converted into vectors, and the score is calculated based on the similarity of the converted vectors.

また、例えば、算出部１３４は、モデルとして、利用者により投稿された投稿情報をベクトルに変換するモデルであって、類似する内容の投稿情報を類似するベクトルに変換するよう学習が行われたモデルを用いる。 Further, for example, the calculation unit 134 is a model that converts the posted information posted by the user into a vector as a model, and is a model that has been learned to convert the posted information with similar contents into a similar vector. Is used.

また、例えば、算出部１３４は、算出部１３４は、モデルとして、利用者に対して配信された配信情報をベクトルに変換するモデルであって、類似する内容の投稿情報を類似するベクトルに変換するよう学習が行われたモデルを用いる。 Further, for example, the calculation unit 134 is a model in which the calculation unit 134 converts the distribution information distributed to the user into a vector as a model, and converts the posted information having similar contents into a similar vector. Use a model that has been trained.

一例では、はじめに、算出部１３４は、生成部１３２によって生成された人物リストに含まれる人物名および生成部１３２によって生成された作成指標リストに含まれるキーワードにそれぞれ対応する埋め込みベクトルを獲得する。算出部１３４は、例えば、所定の記憶装置（例えば、モデルデータベース１２１４）から、人物名およびキーワードにそれぞれ対応する埋め込みベクトルを取得してもよい。あるいは、算出部１３４は、ニューラル言語モデルを実装してもよい。いくつかの実装形態では、算出部１３４は、所定のテキストデータ（例えば、単語列等のコーパス）を用いてニューラル言語モデルを訓練することによって、埋め込みベクトルを獲得することができる。 In one example, first, the calculation unit 134 acquires an embedded vector corresponding to a person name included in the person list generated by the generation unit 132 and a keyword included in the creation index list generated by the generation unit 132. The calculation unit 134 may acquire, for example, an embedded vector corresponding to a person name and a keyword from a predetermined storage device (for example, model database 1214). Alternatively, the calculation unit 134 may implement a neural language model. In some implementations, the calculator 134 can acquire an embedded vector by training a neural language model with predetermined text data (eg, a corpus such as a word string).

一例として、算出部１３４は、単語列を含む訓練データを用いて、ニューラル言語モデル（例えば、対数双線形モデル）を訓練することができる。より具体的には、算出部１３４は、埋め込みベクトルに対応する目的関数（例えば、負の対数尤度）を最小化することによって、ニューラル言語モデルに、埋め込みベクトルを学習させることができる。これにより、算出部１３４は、所定のテキストデータ（例えば、単語列等のコーパス）から、人物名およびキーワードにそれぞれ対応する埋め込みベクトル（すなわち、ニューラル言語モデルに組み込まれた埋め込みベクトル）を獲得することができる。 As an example, the calculation unit 134 can train a neural language model (for example, a logarithmic bilinear model) using training data including a word string. More specifically, the calculation unit 134 can make the neural language model learn the embedded vector by minimizing the objective function (for example, negative log-likelihood) corresponding to the embedded vector. As a result, the calculation unit 134 acquires an embedding vector (that is, an embedding vector incorporated in the neural language model) corresponding to each person's name and keyword from predetermined text data (for example, a corpus such as a word string). Can be done.

算出部１３４は、ユーザ（利用者）による検索意図や、ユーザ（利用者）により投稿された投稿履歴や、ユーザ（利用者）に対して配信された配信情報を反映したニューラル言語モデルを実装してもよい。情報提供装置１００の収集部１３１が検索エンジンのサービスを提供するいくつかの実装形態では、算出部１３４は、検索履歴に含まれる検索クエリに対応するキーワードを、単語列を含む訓練データとして用いることができる。これにより、算出部１３４は、検索意図（例えば、Ｑ＆Ａページへの流入ワード）を反映した埋め込みベクトルや、投稿履歴（例えば、ＳＮＳページへの流入ワード）を反映した埋め込みベクトルを獲得することができる。情報提供装置１００の収集部１３１がニュースのサービス（例えば、ニュースサイト）を提供するいくつかの実装形態では、算出部１３４は、ニュース記事を、単語列を含む訓練データとして用いることができる。これにより、算出部１３４は、ニュース記事を反映した埋め込みベクトルを獲得することができる。その結果、算出部１３４は、獲得される埋め込みベクトルに、トレンド（例えば、検索トレンド、ニューストレンド）を反映させることができる。このことは、獲得される埋め込みベクトル間の意味的類似性が、社会のトレンドを反映することを意味する。算出部１３４は、オンライン学習等の手法を用いて、このようなニューラル言語モデルを更新してもよい。 The calculation unit 134 implements a neural language model that reflects the search intention by the user (user), the posting history posted by the user (user), and the distribution information distributed to the user (user). You may. In some implementations in which the collection unit 131 of the information providing device 100 provides the service of the search engine, the calculation unit 134 uses the keyword corresponding to the search query included in the search history as training data including a word string. Can be done. As a result, the calculation unit 134 can acquire an embedded vector that reflects the search intention (for example, the inflow word to the Q & A page) and an embedded vector that reflects the posting history (for example, the inflow word to the SNS page). .. In some implementations in which the collection unit 131 of the information providing device 100 provides a news service (eg, a news site), the calculation unit 134 can use the news article as training data including a word string. As a result, the calculation unit 134 can acquire an embedded vector that reflects the news article. As a result, the calculation unit 134 can reflect the trend (for example, search trend, news trend) in the acquired embedded vector. This means that the semantic similarity between the acquired embedded vectors reflects social trends. The calculation unit 134 may update such a neural language model by using a method such as online learning.

次いで、算出部１３４は、獲得された埋め込みベクトルに基づいて、生成部１３２によって生成された人物リストに含まれる人物名と生成部１３２によって生成された作成指標リストに含まれるキーワードとの間の類似性を決定する。例えば、算出部１３４は、生成された人物リストに含まれる人物名に対応する埋め込みベクトルと、生成された作成指標リストに含まれるキーワードに対応する埋め込みベクトルとの間のコサイン類似度を算出し、算出されたコサイン類似度を、人物名とキーワードとの間の類似度として決定する。図６の例に示されるように、例えば、人物名＃１とキーワード＃２との間の類似度は、「０．４３２」である。また、人物名＃１とキーワード＃３との間の類似度は、「０．８２１」である。人物名＃１は、例えば、「マル子」であってもよい。「キーワード＃２」は、例えば、「尊厳死」であってもよい。特定されたキーワード「キーワード＃３」は、例えば、「節約」であってもよい。意味的類似性の観点からは、例えば、人物「マル子」とキーワード「尊厳死」との間の類似度「０．４３２」は、語句「マル子」の意図が、語句「尊厳死」の意図から離れていることを示し得る。一方、人物「マル子」とキーワード「節約」との間の類似度「０．８２１」は、語句「マル子」の意図が、語句「節約」の意図に近いことを示し得る。 The calculation unit 134 then determines the similarity between the person name included in the person list generated by the generation unit 132 and the keyword included in the creation index list generated by the generation unit 132, based on the acquired embedded vector. Determine gender. For example, the calculation unit 134 calculates the cosine similarity between the embedded vector corresponding to the person name included in the generated person list and the embedded vector corresponding to the keyword included in the generated creation index list. The calculated cosine similarity is determined as the similarity between the person's name and the keyword. As shown in the example of FIG. 6, for example, the similarity between the person name # 1 and the keyword # 2 is "0.432". The degree of similarity between the person name # 1 and the keyword # 3 is "0.821". The person name # 1 may be, for example, "Maruko". "Keyword # 2" may be, for example, "death with dignity". The identified keyword "keyword # 3" may be, for example, "saving". From the viewpoint of semantic similarity, for example, the degree of similarity "0.432" between the person "Maruko" and the keyword "dignity death" is based on the intention of the phrase "Maruko" but the intention of the phrase "dignity death". Can indicate that they are separated. On the other hand, the similarity "0.821" between the person "Maruko" and the keyword "saving" may indicate that the intention of the phrase "Maruko" is close to the intention of the phrase "saving".

（提供部１３５）
提供部１３５は、スコア（例えば、算出部１３４によって算出されたスコアであって、コンテンツを制作する際の指標の候補と、このコンテンツの制作に関連する人物の候補との間の関連性を示すスコア）が所定の条件を満たす指標と人物との組を示す情報を提供する。 (Providing section 135)
The providing unit 135 indicates a relationship between a score (for example, a score calculated by the calculating unit 134, which is a candidate for an index when producing the content, and a candidate for a person who is related to the production of the content. (Score) provides information indicating a pair of an index and a person who satisfy a predetermined condition.

提供部１３５は、さらに、提供対象となる指標と関連する検索クエリを入力した利用者の属性を示す属性情報を提供することができる。 The providing unit 135 can further provide attribute information indicating the attributes of the user who has input the search query related to the index to be provided.

また、提供部１３５は、提供部１３５は、指標と人物との組のうち、指標と関連する検索クエリを入力した利用者の属性の傾向が、売上が所定の条件を満たすコンテンツを購入した利用者の属性の傾向と類似する組を示す情報を提供することができる。 In addition, the providing unit 135 uses the set of the index and the person to purchase the content whose sales satisfy the predetermined condition in the tendency of the attribute of the user who input the search query related to the index. It is possible to provide information indicating a set similar to the tendency of a person's attributes.

一例では、提供部１３５は、生成部１３２によって生成された人物リストの人物と、生成部１３２によって生成された指標リストの作成指標との組み合わせから、人物と作成指標との関連度が高い組み合わせを特定する。そして、提供部１３５は、特定された組み合わせを示す情報を、企画者装置２０に提供する。 In one example, the providing unit 135 selects a combination having a high degree of relevance between the person and the created index from the combination of the person in the person list generated by the generation unit 132 and the index list creation index generated by the generation unit 132. Identify. Then, the providing unit 135 provides the planner device 20 with information indicating the specified combination.

一例では、提供部１３５は、生成部１３２によって生成された人物リストおよび生成部１３２によって生成された作成指標リストに基づいて、コンテンツ制作のための指標の候補と、コンテンツ制作に関わる人物の候補との組み合わせを示す情報である提供情報を生成する。 In one example, the providing unit 135 includes a candidate index for content production and a candidate for a person involved in content production based on the person list generated by the generation unit 132 and the creation index list generated by the generation unit 132. Generate provided information, which is information indicating a combination of.

一例では、提供部１３５は、算出部１３４によって決定された類似性に基づいて、生成部１３２（例えば、第１生成部、第２生成部）によって生成された人物リストに含まれる人物名と生成部１３２（例えば、第３生成部、第４生成部）によって生成された作成指標リストに含まれるキーワードとの組み合わせから、人物名とキーワードとの組み合わせを抽出し、抽出された組み合わせを含む情報を、提供情報として生成する。例えば、提供部１３５は、決定された類似性に基づいて、生成された人物リストに含まれる人物名と生成された作成指標リストに含まれるキーワードとの組み合わせをソートし、上位ｎ件（例えば、１００件）の組み合わせを、コンテンツ制作のための指標の候補とコンテンツ制作に関わる人物の候補との組み合わせ（例えば、著者の候補と書籍のテーマとの組み合わせ）として抽出してもよい。 In one example, the provider 135 is a person name and generation included in the person list generated by the generation unit 132 (eg, first generation unit, second generation unit) based on the similarity determined by the calculation unit 134. The combination of the person name and the keyword is extracted from the combination with the keyword included in the created index list generated by the unit 132 (for example, the third generation unit and the fourth generation unit), and the information including the extracted combination is extracted. , Generated as provided information. For example, the provider 135 sorts the combinations of the person names included in the generated person list and the keywords included in the generated creation index list based on the determined similarity, and ranks the top n cases (for example,). A combination of (100 cases) may be extracted as a combination of an index candidate for content production and a candidate of a person involved in content production (for example, a combination of an author candidate and a book theme).

例えば、人物名＃１とキーワード＃３との組み合わせの関連度が上位ｎ件（例えば、１００件）内にランクインしている場合に、提供部１３５は、人物名＃１とキーワード＃３との組み合わせを、著者の候補と書籍のテーマとの組み合わせとして抽出してもよい。図６を参照して上述したように、例えば、提供情報は、人物名＃１とキーワード＃３との組み合わせ、人物名＃３とキーワード＃２との組み合わせ等の組み合わせを含む。提供情報は、例えば、人物名＃１（例えば、「マル子」）が、キーワード＃３（例えば、「節約」）をテーマとする書籍を執筆する著者の候補であることを示す。また、提供情報は、例えば、人物名＃３（例えば、「サブ」）が、キーワード＃２（例えば、「尊厳死」）をテーマとする書籍を執筆する著者の候補であることを示す。 For example, when the degree of relevance of the combination of the person name # 1 and the keyword # 3 is ranked in the top n cases (for example, 100 cases), the providing unit 135 includes the person name # 1 and the keyword # 3. May be extracted as a combination of author candidates and book themes. As described above with reference to FIG. 6, for example, the provided information includes a combination of the person name # 1 and the keyword # 3, a combination of the person name # 3 and the keyword # 2, and the like. The information provided indicates, for example, that person name # 1 (eg, "Maruko") is a candidate for an author to write a book on the subject of keyword # 3 (eg, "savings"). The information provided also indicates, for example, that person name # 3 (eg, "sub") is a candidate for an author to write a book on the subject of keyword # 2 (eg, "death with dignity").

提供部１３５は、生成された提供情報を、提供リストデータベース１２３に格納してもよい。例えば、生成された提供情報を、提供リストデータベース１２３に、提供リストとして格納してもよい。 The providing unit 135 may store the generated providing information in the providing list database 123. For example, the generated offer information may be stored in the offer list database 123 as a offer list.

〔４．情報提供装置の処理フロー〕
次に、図１１を参照して、実施形態に係る情報提供装置１００による情報提供処理の手順について説明する。図１１は、実施形態に係る情報提供装置１００によって実行される、コンテンツ制作のための指標の候補と、コンテンツ制作に関わる人物の候補との組み合わせを示す情報を提供するための処理手順を示すフローチャートである。 [4. Information provision device processing flow]
Next, with reference to FIG. 11, the procedure of the information providing process by the information providing device 100 according to the embodiment will be described. FIG. 11 is a flowchart showing a processing procedure for providing information indicating a combination of an index candidate for content production and a candidate for a person involved in content production, which is executed by the information providing device 100 according to the embodiment. Is.

図１１に示すように、はじめに、情報提供装置１００の収集部１３１は、コンテンツを制作する際の指標の候補と、このコンテンツの制作に関連する人物の候補との組を示す情報を提供するのに用いられる各種情報の収集のタイミングが、所定の処理タイミングであるかを判定する（ステップＳ１０１）。言い換えると、収集部１３１は、各種情報の収集のタイミングが到来したかを判定する。各種情報の収集のタイミングが所定の処理タイミングでないと判定された場合に（ステップＳ１０１；Ｎｏ）、収集部１３１は、所定の処理タイミングまで待機する。 As shown in FIG. 11, first, the collecting unit 131 of the information providing device 100 provides information indicating a set of a candidate of an index when producing the content and a candidate of a person related to the production of the content. It is determined whether the timing of collecting various information used in the above is a predetermined processing timing (step S101). In other words, the collecting unit 131 determines whether or not the timing for collecting various types of information has arrived. When it is determined that the timing of collecting various information is not the predetermined processing timing (step S101; No), the collecting unit 131 waits until the predetermined processing timing.

各種情報の収集のタイミングが所定の処理タイミングであると判定された場合に（ステップＳ１０１；Ｙｅｓ）、収集部１３１は、検索履歴を収集する（ステップＳ１０２）。例えば、収集部１３１は、Ｑ＆Ａに対応する検索クエリを、Ｑ＆Ａサーバ３００から取得する。収集部１３１は、検索エンジンのシステムを実装し、検索エンジンのサービスを介して、Ｑ＆Ａに対応する検索クエリを取得してもよい。 When it is determined that the timing of collecting various information is a predetermined processing timing (step S101; Yes), the collection unit 131 collects the search history (step S102). For example, the collection unit 131 acquires a search query corresponding to the Q & A from the Q & A server 300. The collection unit 131 may implement a search engine system and acquire a search query corresponding to a Q & A via a search engine service.

次いで、情報提供装置１００の生成部１３２（例えば、第３生成部、第４生成部）は、収集部１３１によって収集された検索履歴から、悩みスコアが高いキーワードを、作成指標の候補として抽出する（ステップＳ１０３）。例えば、生成部１３２は、収集部１３１によってＱ＆Ａサーバ３００から取得された検索クエリや、収集部１３１によって取得された検索クエリから、悩み指数が高いキーワードをコンテンツの作成指標とした指標リストを生成する。生成された指標リストは、作成指標の候補を含み得る。 Next, the generation unit 132 (for example, the third generation unit and the fourth generation unit) of the information providing device 100 extracts a keyword having a high trouble score as a candidate for the creation index from the search history collected by the collection unit 131. (Step S103). For example, the generation unit 132 generates an index list using a keyword having a high trouble index as a content creation index from the search query acquired from the Q & A server 300 by the collection unit 131 and the search query acquired by the collection unit 131. .. The generated index list may include candidates for the created index.

次いで、収集部１３１は、投稿情報を収集する（ステップＳ１０４）。例えば、収集部１３１は、ＳＮＳサーバ２００から、投稿情報を取得する。収集部１３１は、収集部１３１は、検索エンジンのシステムを実装し、検索エンジンのサービス（例えば、ウェブ検索サービス）を介して、ユーザ装置１０から投稿情報を取得してもよい。 Next, the collecting unit 131 collects the posted information (step S104). For example, the collecting unit 131 acquires the posted information from the SNS server 200. The collection unit 131 may implement a search engine system and acquire posted information from the user device 10 via a search engine service (for example, a web search service).

次いで、情報提供装置１００の生成部１３２（例えば、第１生成部、第２生成部）は、収集部１３１によって収集された投稿履歴から、流行している人物のうち著名ではない人物を、対象人物の候補として抽出する（ステップＳ１０５）。例えば、生成部１３２は、ＳＮＳサーバ２００から取得された投稿情報や、収集部１３１によって取得された投稿情報から、有名になっていない人物の人物リストを生成する。生成された人物リストは、対象人物の候補を含み得る。 Next, the generation unit 132 (for example, the first generation unit and the second generation unit) of the information providing device 100 targets a person who is not prominent among the popular people from the posting history collected by the collection unit 131. It is extracted as a candidate for a person (step S105). For example, the generation unit 132 generates a person list of unfamous persons from the post information acquired from the SNS server 200 and the post information acquired by the collection unit 131. The generated person list may include candidates for the target person.

次いで、情報提供装置１００の算出部１３４は、生成部１３２（例えば、第１生成部、第２生成部）によって抽出された対象人物の候補と、生成部１３２（例えば、第３生成部、第４生成部）によって抽出された作成指標の候補との組み合わせごとに、対象人物の候補と作成指標の候補との間の関連性を示すスコアを算出する（ステップＳ１０６）。 Next, the calculation unit 134 of the information providing device 100 includes candidates for the target person extracted by the generation unit 132 (for example, the first generation unit and the second generation unit) and the generation unit 132 (for example, the third generation unit and the third generation unit). For each combination with the candidate of the created index extracted by the 4 generation unit), a score indicating the relationship between the candidate of the target person and the candidate of the created index is calculated (step S106).

例えば、算出部１３４は、生成部１３２によって生成された人物リストに含まれる人物名および生成部１３２によって生成された作成指標リストに含まれるキーワードにそれぞれ対応する埋め込みベクトルを獲得する。そして、算出部１３４は、獲得された埋め込みベクトルに基づいて、生成部１３２によって生成された人物リストに含まれる人物名と生成部１３２によって生成された作成指標リストに含まれるキーワードとの間の類似性を決定する。例えば、算出部１３４は、生成された人物リストに含まれる人物名に対応する埋め込みベクトルと、生成された作成指標リストに含まれるキーワードに対応する埋め込みベクトルとの間のコサイン類似度を算出し、算出されたコサイン類似度を、人物名とキーワードとの間の類似度として決定する。決定された類似度は、上述の対象人物の候補と作成指標の候補との間の関連性を示すスコアであり得る。 For example, the calculation unit 134 acquires an embedded vector corresponding to a person name included in the person list generated by the generation unit 132 and a keyword included in the creation index list generated by the generation unit 132, respectively. Then, the calculation unit 134 resembles the person name included in the person list generated by the generation unit 132 and the keyword included in the creation index list generated by the generation unit 132 based on the acquired embedded vector. Determine gender. For example, the calculation unit 134 calculates the cosine similarity between the embedded vector corresponding to the person name included in the generated person list and the embedded vector corresponding to the keyword included in the generated creation index list. The calculated cosine similarity is determined as the similarity between the person's name and the keyword. The determined similarity can be a score indicating the relationship between the above-mentioned candidate of the target person and the candidate of the creation index.

次いで、情報提供装置１００の提供部１３５は、算出部１３４によって算出されたスコアが所定の条件を満たす組み合わせを特定する（ステップＳ１０７）。例えば、提供部１３５は、算出部１３４によって決定された類似性に基づいて、生成部１３２によって生成された人物リストに含まれる人物名と生成部１３２によって生成された作成指標リストに含まれるキーワードとの組み合わせから、人物名とキーワードとの組み合わせを抽出する。例えば、人物名とキーワードとの組み合わせの関連度が上位ｎ件（例えば、１００件）内にランクインしている場合に、提供部１３５は、この人物名とこのキーワードとの組み合わせを、対象人物の候補と作成指標の候補との組み合わせとして抽出してもよい。 Next, the providing unit 135 of the information providing device 100 identifies a combination in which the score calculated by the calculating unit 134 satisfies a predetermined condition (step S107). For example, the provision unit 135 includes a person name included in the person list generated by the generation unit 132 and a keyword included in the creation index list generated by the generation unit 132 based on the similarity determined by the calculation unit 134. Extract the combination of the person name and the keyword from the combination of. For example, when the degree of relevance of the combination of the person name and the keyword is ranked in the top n cases (for example, 100 cases), the providing unit 135 sets the combination of the person name and the keyword as the target person. It may be extracted as a combination of the candidate of and the candidate of the creation index.

次いで、提供部１３５は、特定された組み合わせを示す情報を提供する（ステップＳ１０８）。例えば、提供部１３５は、抽出された人物名とキーワードとの組み合わせを含む情報を、特定された組み合わせを示す情報（例えば、上述の提供情報）として生成する。そして、提供部１３５は、特定された組み合わせを示す情報を、企画者装置２０に提供する。 The provider 135 then provides information indicating the identified combination (step S108). For example, the providing unit 135 generates information including a combination of the extracted person name and the keyword as information indicating the specified combination (for example, the above-mentioned provided information). Then, the providing unit 135 provides the planner device 20 with information indicating the specified combination.

〔５．変形例〕
上述の実施形態に係る情報提供装置１００は、上述の実施形態以外にも、種々の異なる形態で実施されてよい。そこで、以下では、上記の情報提供装置１００の他の実施形態について説明する。 [5. Modification example]
The information providing device 100 according to the above-described embodiment may be implemented in various different forms other than the above-described embodiment. Therefore, in the following, another embodiment of the above-mentioned information providing device 100 will be described.

〔５−１．企画の対象〕
図２、図３、図４、図５および図６の例示的な実施形態では、企画者（例えば、企画者Ｐ）は、書籍企画を立てる企画者であるが、これに限定されるものではない。企画の対象は、映像、音声等のメディアであってもよい。あるいは、企画の対象は、講演であってもよい。このような企画の一例は、楽曲、ＴＶ番組または映画製作である。例えば、企画がＴＶ番組（例えば、情報バラエティ番組、ドラマ）の企画である場合に、コンテンツを制作する際の指標の候補は、ＴＶ番組のトピックス（例えば、最新のトレンド情報）であってもよい。この場合、このコンテンツの制作に関連する人物の候補は、ＴＶ番組の出演者（例えば、情報バラエティ番組の解説者、ドラマの俳優）であってもよい。例えば、最新のトレンド情報が尊厳死に関する情報である場合に、情報提供装置１００の提供部１３５は、ＴＶ番組の出演者の候補として、尊厳死に詳しい人物を提示してもよい。例えば、図６の提供情報は、ＴＶ番組の作成指標「尊厳死」に関連付けられた人物名を含んでもよい。このように、コンテンツの制作に関連する人物の候補は、楽曲、ＴＶ番組または映画製作のキャストの候補を含み得る。 [5-1. Target of planning]
In the exemplary embodiments of FIGS. 2, 3, 4, 5, and 6, the planner (eg, planner P) is the planner who makes the book plan, but is not limited thereto. No. The target of the project may be media such as video and audio. Alternatively, the target of the project may be a lecture. An example of such a project is music, television programming or filmmaking. For example, when the project is a project of a TV program (for example, an information variety program, a drama), the candidate index for producing the content may be the topic of the TV program (for example, the latest trend information). .. In this case, the candidate for a person related to the production of this content may be a performer of a TV program (for example, a commentator of an information variety program, an actor of a drama). For example, when the latest trend information is information on dignity death, the provision unit 135 of the information providing device 100 may present a person who is familiar with dignity death as a candidate for a performer of a TV program. For example, the information provided in FIG. 6 may include a person's name associated with the TV program creation index "dignity death". Thus, candidates for a person involved in the production of content may include candidates for a cast of music, television programming or film production.

一例として、企画が映画の企画である場合に、コンテンツを制作する際の指標の候補は、映画のテーマであってもよい。この場合、このコンテンツの制作に関連する人物の候補は、映画の監督であってもよい。別の例として、企画が楽曲（音楽）の企画である場合に、コンテンツを制作する際の指標の候補は、楽曲のテーマであってもよい。この場合、このコンテンツの制作に関連する人物の候補は、楽曲の作曲者であってもよい。さらに別の例として、企画が芸術祭や絵画の企画である場合に、コンテンツを制作する際の指標の候補は、芸術祭や絵画のテーマであってもよい。この場合、このコンテンツの制作に関連する人物の候補は、芸術祭に出展するアーティストや、絵画を描くアーティストであってもよい。 As an example, when the project is a movie project, the candidate index for producing the content may be the theme of the movie. In this case, the candidate for the person involved in the production of this content may be a film director. As another example, when the project is a project of music (music), the candidate index when producing the content may be the theme of the music. In this case, the candidate for the person involved in the production of this content may be the composer of the music. As yet another example, when the project is an art festival or painting project, the candidate index for producing the content may be the theme of the art festival or painting. In this case, the candidate for the person involved in the production of this content may be an artist exhibiting at an art festival or an artist who draws a painting.

〔５−２．検索数の上昇率に基づく著者候補抽出〕
情報提供装置１００の生成部１３２（例えば、第１生成部、第２生成部、第１生成部および第２生成部とは異なる他の生成部（例えば、第５生成部））は、検索クエリの履歴に含まれる複数の検索クエリの各々の検索数の上昇率に基づいて、各々の検索クエリに対応する人物をコンテンツの制作に関連する人物の候補とした人物リストを生成してもよい。 [5-2. Extraction of author candidates based on the rate of increase in the number of searches]
The generation unit 132 of the information providing device 100 (for example, the first generation unit, the second generation unit, the first generation unit, and another generation unit different from the second generation unit (for example, the fifth generation unit)) is a search query. Based on the rate of increase in the number of searches for each of the plurality of search queries included in the history of, a person list may be generated in which the person corresponding to each search query is a candidate for the person related to the production of the content.

例えば、生成部１３２は、収集部１３１によって取得された投稿情報（例えば、投稿履歴に含まれる投稿情報）に含まれる流入ワードの検索（キーワード）ボリューム（例えば、検索数）の上昇率に基づいて、図３を参照して上述した１次候補の人名（例えば、人名に対応するトレンドキーワード）から、２次候補の人名を抽出してもよい。この場合、２次候補の人名は、有名になっている人物を含んでもよい。生成部１３２は、流入ワードの検索数の上昇率に基づいて、上述の１次候補の人名をソートし、上位ｎ件（ｎは任意の自然数）のワードを、２次候補の人名として抽出してもよい。生成部１３２は、抽出された２次候補の人名（例えば、検索数の上昇率が高い人物）を含むリストを、コンテンツ制作に関わる人物の候補のリストである人物リストとして生成してもよい。生成された人物リストは、人物の候補が検索数の上昇率に対応する座標上にプロットされた散布図を含んでもよい。これにより、情報提供装置１００の提供部１３５は、旬の人物に関する情報を企画者に提供することができる。 For example, the generation unit 132 is based on the rate of increase in the search (keyword) volume (for example, the number of searches) of the inflow word included in the post information (for example, the post information included in the post history) acquired by the collection unit 131. , The personal name of the secondary candidate may be extracted from the personal name of the primary candidate (for example, the trend keyword corresponding to the personal name) described above with reference to FIG. In this case, the name of the secondary candidate may include a person who has become famous. The generation unit 132 sorts the names of the above-mentioned primary candidates based on the rate of increase in the number of searches for inflow words, and extracts the top n words (n is an arbitrary natural number) as the names of the secondary candidates. You may. The generation unit 132 may generate a list including the extracted secondary candidate personal names (for example, a person with a high rate of increase in the number of searches) as a person list which is a list of candidates of persons involved in content production. The generated person list may include a scatter plot in which candidate people are plotted on coordinates corresponding to the rate of increase in the number of searches. As a result, the providing unit 135 of the information providing device 100 can provide the planner with information about the person in season.

生成部１３２は、収集部１３１によって取得された投稿情報（例えば、投稿履歴に含まれる投稿情報）に含まれる流入ワードの検索（キーワード）ボリューム（例えば、検索数）の上昇率に基づいて、図３を参照して上述した２次候補の人名（例えば、有名になっていない人物の人名）から、３次候補の人名を抽出してもよい。生成部１３２は、流入ワードの検索数の上昇率に基づいて、この２次候補の人名をソートし、上位ｎ件（ｎは任意の自然数）のワードを、３次候補の人名として抽出してもよい。生成部１３２は、抽出された３次候補の人名（例えば、有名になっていない、検索数の上昇率が高い人物）を含むリストを、コンテンツ制作に関わる人物の候補のリストである人物リストとして生成してもよい。生成された人物リストは、人物の候補が「検索数（例えば、検索者数）と検索数の上昇率とに対応する座標」上にプロットされた散布図を含んでもよい。これにより、情報提供装置１００の提供部１３５は、有名になっていない、旬の人物に関する情報を企画者に提供することができる。有名になっていない、旬の人物は、例えば、知名度は低いが、注目が高まっている人物（すなわち、知名度が伸びている人物）である。 The generation unit 132 is based on the rate of increase in the search (keyword) volume (for example, the number of searches) of the inflow word included in the post information (for example, the post information included in the post history) acquired by the collection unit 131. The personal name of the tertiary candidate may be extracted from the personal name of the secondary candidate described above with reference to 3 (for example, the personal name of a person who is not famous). The generation unit 132 sorts the names of the secondary candidates based on the rate of increase in the number of searches for inflow words, and extracts the top n words (n is an arbitrary natural number) as the names of the tertiary candidates. May be good. The generation unit 132 uses a list including the extracted tertiary candidate personal names (for example, people who are not famous and have a high rate of increase in the number of searches) as a list of candidates who are involved in content production. It may be generated. The generated person list may include a scatter plot in which candidate people are plotted on "coordinates corresponding to the number of searches (eg, the number of searchers) and the rate of increase in the number of searches". As a result, the providing unit 135 of the information providing device 100 can provide the planner with information about a person in season who is not famous. An unfamous, seasonal person is, for example, a person who is less well-known but is gaining more attention (ie, a person who is gaining more name recognition).

〔５−３．検索数の上昇率に基づくテーマ候補抽出〕
情報提供装置１００の生成部１３２（例えば、第３生成部、第４生成部、第３生成部および第４生成部とは異なる他の生成部（例えば、第６生成部））は、検索クエリの履歴に含まれる複数の検索クエリの各々の検索数の上昇率に基づいて、検索クエリの履歴に含まれる複数の検索クエリから検索クエリを、コンテンツを制作する際の指標の候補として抽出し、抽出された指標の候補に基づく指標リストを生成してもよい。 [5-3. Extraction of theme candidates based on the rate of increase in the number of searches]
The generation unit 132 of the information providing device 100 (for example, the third generation unit, the fourth generation unit, the third generation unit, and another generation unit different from the fourth generation unit (for example, the sixth generation unit)) is a search query. Based on the rate of increase in the number of searches for each of the multiple search queries included in the history of the search queries, the search queries are extracted from the multiple search queries included in the history of the search queries as candidates for indicators when creating content. An index list based on the extracted index candidates may be generated.

例えば、生成部１３２は、収集部１３１によって取得された検索クエリ（例えば、検索要求に含まれる検索クエリ、検索履歴データベース１２１に記憶された検索履歴に含まれる検索クエリ）に含まれる流入ワードの検索（キーワード）ボリューム（例えば、検索数）の上昇率に基づいて、図５を参照して上述したキーワード（すなわち、検索履歴に基づいて特定されたキーワード）からキーワードを抽出し、抽出されたキーワードを含むリストを、悩み指数が高いキーワードをコンテンツの作成指標とした（作成）指標リストとして生成してもよい。いくつかの実装形態では、生成部１３２は、特定されたキーワードの出現回数（例えば、流入ワードの検索数）および特定されたキーワードの出現回数の序章率（例えば、流入ワードの検索数の上昇率）のうちの少なくとも１つに基づいて、検索履歴に基づいて特定されたキーワードからキーワードを抽出し、抽出されたキーワードを含むリストを、悩み指数が高いキーワードをコンテンツの作成指標とした（作成）指標リストとして生成してもよい。生成された（作成指標）リストは、作成指標の候補が「検索数（例えば、検索者数）と検索数の上昇率とに対応する座標」上にプロットされた散布図を含んでもよい。これにより、情報提供装置１００の提供部１３５は、企画者が普段耳にしないキーワードであって、注目が高まっているキーワードであるコンテンツの作成指標（例えば、書籍のテーマの候補）に関する情報を企画者に提供することができる。 For example, the generation unit 132 searches for inflow words included in the search query acquired by the collection unit 131 (for example, a search query included in a search request, a search query included in a search history stored in the search history database 121). (Keywords) Based on the rate of increase in volume (for example, the number of searches), keywords are extracted from the above-mentioned keywords (that is, keywords identified based on the search history) with reference to FIG. 5, and the extracted keywords are extracted. The list including may be generated as a (creation) index list in which a keyword having a high trouble index is used as a content creation index. In some implementations, the generator 132 has the number of occurrences of the specified keyword (eg, the number of searches for the inflow word) and the introductory rate of the number of occurrences of the specified keyword (eg, the rate of increase in the number of searches for the inflow word). ), Keywords were extracted from the keywords identified based on the search history, and a list containing the extracted keywords was used as a content creation index using keywords with a high trouble index (creation). It may be generated as an index list. The generated (creation index) list may include a scatter plot in which candidates for the creation index are plotted on "coordinates corresponding to the number of searches (eg, the number of searchers) and the rate of increase in the number of searches". As a result, the providing unit 135 of the information providing device 100 plans information on a content creation index (for example, a candidate for a book theme), which is a keyword that the planner does not usually hear and is attracting attention. Can be provided to the person.

〔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一部を手動的に行うこともできる。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。 [6. others〕
Further, among the processes described in the above-described embodiment, a part of the processes described as being automatically performed can also be manually performed. Alternatively, all or part of the process described as being performed manually can be performed automatically by a known method. In addition, the processing procedure, specific name, and information including various data and parameters shown in the above document and drawings can be arbitrarily changed unless otherwise specified. For example, the various information shown in each figure is not limited to the illustrated information.

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。 Further, each component of each of the illustrated devices is a functional concept, and does not necessarily have to be physically configured as shown in the figure. That is, the specific form of distribution / integration of each device is not limited to the one shown in the figure, and all or part of the device is functionally or physically dispersed / physically distributed in any unit according to various loads and usage conditions. Can be integrated and configured.

例えば、図７に示した記憶部１２０の一部又は全部は、情報提供装置１００によって保持されるのではなく、ストレージサーバ等に保持されてもよい。この場合、情報提供装置１００は、ストレージサーバにアクセスすることで、検索履歴や投稿履歴等の各種情報を取得する。 For example, a part or all of the storage unit 120 shown in FIG. 7 may not be held by the information providing device 100, but may be held by a storage server or the like. In this case, the information providing device 100 acquires various information such as a search history and a posting history by accessing the storage server.

〔７．ハードウェア構成〕
また、上述してきた実施形態に係る情報提供装置１００は、例えば図１２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１２は、ハードウェア構成の一例を示す図である。コンピュータ１０００は、出力装置１０１０、入力装置１０２０と接続され、演算装置１０３０、一次記憶装置１０４０、二次記憶装置１０５０、出力ＩＦ（Interface）１０６０、入力ＩＦ１０７０、ネットワークＩＦ１０８０がバス１０９０により接続された形態を有する。 [7. Hardware configuration]
Further, the information providing device 100 according to the above-described embodiment is realized by, for example, a computer 1000 having a configuration as shown in FIG. FIG. 12 is a diagram showing an example of a hardware configuration. The computer 1000 is connected to the output device 1010 and the input device 1020, and the arithmetic unit 1030, the primary storage device 1040, the secondary storage device 1050, the output IF (Interface) 1060, the input IF 1070, and the network IF 1080 are connected by the bus 1090. Has.

演算装置１０３０は、一次記憶装置１０４０や二次記憶装置１０５０に格納されたプログラムや入力装置１０２０から読み出したプログラム等に基づいて動作し、各種の処理を実行する。一次記憶装置１０４０は、ＲＡＭ等、演算装置１０３０が各種の演算に用いるデータを一時的に記憶するメモリ装置である。また、二次記憶装置１０５０は、演算装置１０３０が各種の演算に用いるデータや、各種のデータベースが登録される記憶装置であり、ＲＯＭ(Read Only Memory)、ＨＤＤ（Hard Disk Drive）、フラッシュメモリ等により実現される。 The arithmetic unit 1030 operates based on a program stored in the primary storage device 1040 or the secondary storage device 1050, a program read from the input device 1020, or the like, and executes various processes. The primary storage device 1040 is a memory device such as a RAM that temporarily stores data used by the arithmetic unit 1030 for various calculations. Further, the secondary storage device 1050 is a storage device in which data used by the calculation device 1030 for various calculations and various databases are registered, such as a ROM (Read Only Memory), an HDD (Hard Disk Drive), and a flash memory. Is realized by.

出力ＩＦ１０６０は、モニタやプリンタといった各種の情報を出力する出力装置１０１０に対し、出力対象となる情報を送信するためのインタフェースであり、例えば、ＵＳＢ（Universal Serial Bus）やＤＶＩ（Digital Visual Interface）、ＨＤＭＩ（登録商標）（High Definition Multimedia Interface）といった規格のコネクタにより実現される。また、入力ＩＦ１０７０は、マウス、キーボード、およびスキャナ等といった各種の入力装置１０２０から情報を受信するためのインタフェースであり、例えば、ＵＳＢ等により実現される。 The output IF 1060 is an interface for transmitting information to be output to an output device 1010 that outputs various information such as a monitor and a printer. For example, USB (Universal Serial Bus), DVI (Digital Visual Interface), and the like. It is realized by a connector of a standard such as HDMI (registered trademark) (High Definition Multimedia Interface). Further, the input IF 1070 is an interface for receiving information from various input devices 1020 such as a mouse, a keyboard, and a scanner, and is realized by, for example, USB.

なお、入力装置１０２０は、例えば、ＣＤ（Compact Disc）、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から情報を読み出す装置であってもよい。また、入力装置１０２０は、ＵＳＢメモリ等の外付け記憶媒体であってもよい。 The input device 1020 includes, for example, an optical recording medium such as a CD (Compact Disc), a DVD (Digital Versatile Disc), or a PD (Phase change rewritable Disk), a magneto-optical recording medium such as an MO (Magneto-Optical disk), or a tape. It may be a device that reads information from a medium, a magnetic recording medium, a semiconductor memory, or the like. Further, the input device 1020 may be an external storage medium such as a USB memory.

ネットワークＩＦ１０８０は、ネットワークＮを介して他の機器からデータを受信して演算装置１０３０へ送り、また、ネットワークＮを介して演算装置１０３０が生成したデータを他の機器へ送信する。 The network IF1080 receives data from another device via the network N and sends it to the arithmetic unit 1030, and also transmits the data generated by the arithmetic unit 1030 to the other device via the network N.

演算装置１０３０は、出力ＩＦ１０６０や入力ＩＦ１０７０を介して、出力装置１０１０や入力装置１０２０の制御を行う。例えば、演算装置１０３０は、入力装置１０２０や二次記憶装置１０５０からプログラムを一次記憶装置１０４０上にロードし、ロードしたプログラムを実行する。 The arithmetic unit 1030 controls the output device 1010 and the input device 1020 via the output IF 1060 and the input IF 1070. For example, the arithmetic unit 1030 loads a program from the input device 1020 or the secondary storage device 1050 onto the primary storage device 1040, and executes the loaded program.

例えば、コンピュータ１０００が情報提供装置１００として機能する場合、コンピュータ１０００の演算装置１０３０は、一次記憶装置１０４０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の機能を実現する。 For example, when the computer 1000 functions as the information providing device 100, the arithmetic unit 1030 of the computer 1000 realizes the function of the control unit 130 by executing the program loaded on the primary storage device 1040.

〔８．効果〕
上述してきたように、実施形態に係る情報提供装置１００は、算出部１３４と、提供部１３５とを有する。 [8. effect〕
As described above, the information providing device 100 according to the embodiment has a calculation unit 134 and a providing unit 135.

実施形態に係る情報提供装置１００において、算出部１３４は、コンテンツを制作する際の指標の候補と、このコンテンツの制作に関連する人物の候補との間の関連性を示すスコアを算出する。また、実施形態に係る情報提供装置１００において、提供部１３５は、スコアが所定の条件を満たす指標と人物との組を示す情報を提供する。 In the information providing device 100 according to the embodiment, the calculation unit 134 calculates a score indicating the relationship between the candidate of the index when producing the content and the candidate of the person related to the production of the content. Further, in the information providing device 100 according to the embodiment, the providing unit 135 provides information indicating a pair of an index and a person whose score satisfies a predetermined condition.

また、実施形態に係る情報提供装置１００において、算出部１３４は、１つの指標の候補と、複数の人物の候補との組合せについて、スコアを算出する。 Further, in the information providing device 100 according to the embodiment, the calculation unit 134 calculates a score for a combination of a candidate for one index and a candidate for a plurality of persons.

また、実施形態に係る情報提供装置１００において、算出部１３４は、複数の指標の候補と、１つの人物の候補との組合せについて、スコアを算出する。 Further, in the information providing device 100 according to the embodiment, the calculation unit 134 calculates a score for a combination of a plurality of index candidates and a single person candidate.

また、実施形態に係る情報提供装置１００は、予め作成された複数の指標の候補を示す指標リストと、複数の人物の候補を示す人物リストとを取得する取得部１３３を有する。また、実施形態に係る情報提供装置１００において、算出部１３４は、指標リストが示す指標の候補と、人物リストが示す人物の候補との組合せについて、スコアを算出する。 In addition, the information providing device 100 according to the embodiment has an acquisition unit 133 for acquiring an index list showing a plurality of index candidates created in advance and a person list showing a plurality of person candidates. Further, in the information providing device 100 according to the embodiment, the calculation unit 134 calculates a score for the combination of the index candidate indicated by the index list and the person candidate indicated by the person list.

また、実施形態に係る情報提供装置１００は、検索クエリの履歴において、売上が所定の条件を満たすコンテンツの制作に関連する人物と関連性が高い他の人物を人物の候補とした人物リストを生成する第１生成部（例えば、第１生成部として実装される生成部１３２）を有する。 Further, the information providing device 100 according to the embodiment generates a person list in which another person who is highly related to the production of the content whose sales satisfy a predetermined condition is selected as a person candidate in the history of the search query. It has a first generation unit (for example, a generation unit 132 implemented as the first generation unit).

また、実施形態に係る情報提供装置１００は、利用者がウェブ上に投稿した投稿情報が示す人物のうち、投稿回数が所定の閾値を超える人物であって、予め登録された人物以外の人物を人物の候補とした人物リストを生成する第２生成部（例えば、第２生成部として実装される生成部１３２）を有する。 Further, the information providing device 100 according to the embodiment refers to a person whose number of postings exceeds a predetermined threshold value among the persons indicated by the posted information posted on the Web by the user, other than the persons registered in advance. It has a second generation unit (for example, a generation unit 132 implemented as a second generation unit) that generates a list of people who are candidates for a person.

また、実施形態に係る情報提供装置１００は、利用者が投稿した質問に対して他の利用者が回答を投稿する所定のウェブサービスにおいて質問若しくは回答を検索する際に入力された検索クエリから、所定の条件を満たす検索クエリを指標の候補として抽出し、抽出した指標の候補に基づく指標リストを生成する第３生成部（例えば、第３生成部として実装さされる生成部１３２）を有する。 Further, the information providing device 100 according to the embodiment is based on a search query input when searching for a question or answer in a predetermined Web service in which another user posts an answer to a question posted by the user. It has a third generation unit (for example, a generation unit 132 implemented as a third generation unit) that extracts a search query satisfying a predetermined condition as an index candidate and generates an index list based on the extracted index candidate.

また、実施形態に係る情報提供装置１００において、第３生成部は、入力された回数が所定の閾値を超える検索クエリを指標の候補として抽出する。 Further, in the information providing device 100 according to the embodiment, the third generation unit extracts a search query in which the number of input times exceeds a predetermined threshold value as an index candidate.

また、実施形態に係る情報提供装置１００において、第３生成部は、所定のカテゴリに属する検索クエリを指標の候補として抽出する。 Further, in the information providing device 100 according to the embodiment, the third generation unit extracts a search query belonging to a predetermined category as an index candidate.

また、実施形態に係る情報提供装置１００において、第３生成部は、所定の条件を満たす検索クエリと共起する共起単語、若しくは、この検索クエリと関連する関連単語を示す指標リストを生成する。 Further, in the information providing device 100 according to the embodiment, the third generation unit generates a co-occurrence word that co-occurs with a search query satisfying a predetermined condition, or an index list indicating a related word related to the search query. ..

また、実施形態に係る情報提供装置１００において、提供部１３５は、さらに、提供対象となる指標と関連する検索クエリを入力した利用者の属性を示す属性情報を提供する。 Further, in the information providing device 100 according to the embodiment, the providing unit 135 further provides attribute information indicating the attributes of the user who has input the search query related to the index to be provided.

また、実施形態に係る情報提供装置１００において、提供部１３５は、指標と人物との組のうち、指標と関連する検索クエリを入力した利用者の属性の傾向が、売上が所定の条件を満たすコンテンツを購入した利用者の属性の傾向と類似する組を示す情報を提供する。 Further, in the information providing device 100 according to the embodiment, in the providing unit 135, the tendency of the attribute of the user who has input the search query related to the index among the pair of the index and the person is such that the sales satisfy a predetermined condition. Provide information indicating a set similar to the attribute tendency of the user who purchased the content.

また、実施形態に係る情報提供装置１００は、利用者に対して配信された配信情報のうち、配信回数が所定の閾値を超える配信情報から指標の候補を抽出し、抽出した指標の候補に基づく指標リストを生成する第４生成部（例えば、第４生成部として実装される生成部１３２）を有する。 Further, the information providing device 100 according to the embodiment extracts index candidates from the distribution information whose distribution frequency exceeds a predetermined threshold value among the distribution information distributed to the user, and is based on the extracted index candidates. It has a fourth generation unit (for example, a generation unit 132 implemented as the fourth generation unit) that generates an index list.

また、実施形態に係る情報提供装置１００は、利用者に対して配信された配信情報のうち、配信回数の増加率が所定の閾値を超える配信情報から指標の候補を抽出し、抽出した指標の候補に基づく指標リストを生成する第４生成部（例えば、第４生成部として実装される生成部１３２）を有する。 Further, the information providing device 100 according to the embodiment extracts an index candidate from the distribution information in which the increase rate of the number of distributions exceeds a predetermined threshold value among the distribution information distributed to the user, and the extracted index is used. It has a fourth generation unit (for example, a generation unit 132 implemented as a fourth generation unit) that generates an index list based on candidates.

また、実施形態に係る情報提供装置１００において、算出部１３４は、入力された情報をベクトルに変換するモデルであって、予め設定された観点からの類似性が高い情報程類似するベクトルに変換するよう学習が行われたモデルを用いて、指標の候補と人物の候補とをベクトルに変換し、変換後のベクトルの類似性に基づいて、スコアを算出する。 Further, in the information providing device 100 according to the embodiment, the calculation unit 134 is a model for converting the input information into a vector, and the information having a higher similarity from a preset viewpoint is converted into a similar vector. Using the model trained in this way, index candidates and person candidates are converted into vectors, and the score is calculated based on the similarity of the converted vectors.

また、実施形態に係る情報提供装置１００において、算出部１３４は、モデルとして、利用者による検索意図が類似する複数の検索クエリを類似する複数のベクトルに変換するよう学習が行われたモデルを用いて、指標の候補と人物の候補とをベクトルに変換し、変換後のベクトルの類似性に基づいて、スコアを算出する。 Further, in the information providing device 100 according to the embodiment, the calculation unit 134 uses as a model a model trained to convert a plurality of search queries having similar search intentions by users into a plurality of similar vectors. Then, the candidate of the index and the candidate of the person are converted into a vector, and the score is calculated based on the similarity of the converted vector.

また、実施形態に係る情報提供装置１００において、算出部１３４は、モデルとして、所定の検索クエリと同時に入力された複数の検索クエリを類似する複数のベクトルに変換するよう学習が行われたモデルを用いて、指標の候補と人物の候補とをベクトルに変換し、変換後のベクトルの類似性に基づいて、スコアを算出する。 Further, in the information providing device 100 according to the embodiment, as a model, the calculation unit 134 uses a model trained to convert a plurality of search queries input at the same time as a predetermined search query into a plurality of similar vectors. It is used to convert index candidates and person candidates into vectors, and a score is calculated based on the similarity of the converted vectors.

また、実施形態に係る情報提供装置１００において、算出部１３４は、モデルとして、利用者により投稿された投稿情報をベクトルに変換するモデルであって、類似する内容の投稿情報を類似するベクトルに変換するよう学習が行われたモデルを用いる。 Further, in the information providing device 100 according to the embodiment, the calculation unit 134 is a model for converting the posted information posted by the user into a vector as a model, and converts the posted information with similar contents into a similar vector. Use a model that has been trained to do so.

また、実施形態に係る情報提供装置１００において、算出部１３４は、モデルとして、利用者に対して配信された配信情報をベクトルに変換するモデルであって、類似する内容の投稿情報を類似するベクトルに変換するよう学習が行われたモデルを用いる。 Further, in the information providing device 100 according to the embodiment, the calculation unit 134 is a model for converting the distribution information distributed to the user into a vector as a model, and the posted information having similar contents is converted into a vector. Use a model that has been trained to convert to.

上述した各処理により、情報提供装置１００は、コンテンツの作成に有用な情報を提供することができる。 By each of the above-mentioned processes, the information providing device 100 can provide information useful for creating the content.

以上、本願の実施形態のいくつかを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。 Although some of the embodiments of the present application have been described in detail with reference to the drawings, these are examples, and various modifications are made based on the knowledge of those skilled in the art, including the embodiments described in the disclosure column of the invention. It is possible to practice the present invention in other improved forms.

また、上述した情報提供装置１００は、複数のサーバコンピュータで実現してもよく、また、機能によっては外部のプラットフォーム等をＡＰＩ（Application Programming Interface）やネットワークコンピューティングなどで呼び出して実現するなど、構成は柔軟に変更できる。 Further, the above-mentioned information providing device 100 may be realized by a plurality of server computers, and depending on the function, it may be realized by calling an external platform or the like by API (Application Programming Interface) or network computing. Can be changed flexibly.

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、収集部は、収集手段や収集回路に読み替えることができる。 Further, the above-mentioned "section, module, unit" can be read as "means" or "circuit". For example, the collecting unit can be read as a collecting means or a collecting circuit.

１ 情報提供システム
１０ ユーザ装置
２０ 企画者装置
１００ 情報提供装置
１１０ 通信部
１２０ 記憶部
１２１ 検索履歴データベース
１２２ 投稿履歴データベース
１２３ 提供リストデータベース
１２４ モデルデータベース
１３０ 制御部
１３１ 収集部
１３２ 生成部
１３３ 取得部
１３４ 算出部
１３５ 提供部
２００ ＳＮＳサーバ
３００ Ｑ＆Ａサーバ 1 Information provision system 10 User equipment 20 Planner equipment 100 Information provision equipment 110 Communication unit 120 Storage unit 121 Search history database 122 Posting history database 123 Provision list database 124 Model database 130 Control unit 131 Collection unit 132 Generation unit 133 Acquisition unit 134 Calculation Department 135 Providing Department 200 SNS Server 300 Q & A Server

Claims (23)

検索クエリの履歴において、売上が所定の条件を満たすコンテンツの制作に関連する人物と関連性が高い複数の他の人物を、コンテンツの制作に関連する複数の人物の候補とした人物リストを生成する第１生成部と、
前記コンテンツを制作する際の複数の指標の候補であって、予め作成された複数の指標の候補を示す指標リストと、前記第１生成部によって生成された人物リストとを取得する取得部と、
前記指標リストが示す指標の候補と、前記第１生成部によって生成された人物リストが示す人物の候補との組合せについて、前記指標リストが示す指標の候補と、前記第１生成部によって生成された人物リストが示す人物の候補との間の関連性を示すスコアを算出する算出部と、
前記スコアが所定の条件を満たす指標と人物との組を示す情報を提供する提供部と
を有することを特徴とする提供装置。 In the history of search queries, generate a list of people who are candidates for multiple people related to the production of content, with multiple other people who are highly related to the person whose sales meet certain conditions. 1st generation part and
An index list indicating a plurality of index candidates created in advance, which are candidates for a plurality of indexes when producing the content, an acquisition unit for acquiring a person list generated by the first generation unit, and an acquisition unit.
Regarding the combination of the index candidate indicated by the index list and the person candidate indicated by the person list generated by the first generation unit, the index candidate indicated by the index list and the person candidate generated by the first generation unit are generated. A calculation unit that calculates a score that shows the relationship between the person candidates shown in the person list, and
A providing device having a providing unit for providing information indicating a pair of an index and a person whose score satisfies a predetermined condition. 利用者がウェブ上に投稿した投稿情報が示す人物のうち、投稿回数が所定の閾値を超える複数の人物であって、予め登録された人物以外の複数の人物を、コンテンツの制作に関連する複数の人物の候補とした人物リストを生成する第２生成部と、Among the persons indicated by the posted information posted on the Web by the user, a plurality of persons whose number of postings exceeds a predetermined threshold value and are other than the persons registered in advance are a plurality of persons related to the production of the content. The second generation part that generates a list of people who are candidates for
前記コンテンツを制作する際の複数の指標の候補であって、予め作成された複数の指標の候補を示す指標リストと、前記第２生成部によって生成された人物リストとを取得する取得部と、An index list indicating a plurality of index candidates created in advance, which are candidates for a plurality of indexes when producing the content, an acquisition unit for acquiring a person list generated by the second generation unit, and an acquisition unit.
前記指標リストが示す指標の候補と、前記第２生成部によって生成された人物リストが示す人物の候補との組合せについて、前記指標リストが示す指標の候補と、前記第２生成部によって生成された人物リストが示す人物の候補との間の関連性を示すスコアを算出する算出部と、Regarding the combination of the index candidate indicated by the index list and the person candidate indicated by the person list generated by the second generation unit, the index candidate indicated by the index list and the person candidate generated by the second generation unit are generated. A calculation unit that calculates a score that shows the relationship between the person candidates shown in the person list, and
前記スコアが所定の条件を満たす指標と人物との組を示す情報を提供する提供部とWith a provider that provides information indicating a pair of an index and a person whose score satisfies a predetermined condition
を有することを特徴とする提供装置。A providing device characterized by having. 利用者が投稿した質問に対して他の利用者が回答を投稿する所定のウェブサービスにおいて質問若しくは回答を検索する際に入力された検索クエリから、所定の条件を満たす検索クエリを、コンテンツを制作する際の複数の指標の候補であって、予め作成された複数の指標の候補として抽出し、抽出した複数の指標の候補に基づく指標リストを生成する第３生成部と、Create content from the search query entered when searching for a question or answer in a given web service where another user posts an answer to the question posted by the user, to create a search query that meets the given conditions. A third generation unit that extracts candidates for a plurality of indicators created in advance as candidates for a plurality of indicators and generates an index list based on the extracted candidates for the plurality of indicators.
前記第３生成部によって生成された指標リストと、前記コンテンツの制作に関連する複数の人物の候補を示す人物リストとを取得する取得部と、An acquisition unit that acquires an index list generated by the third generation unit and a person list indicating candidates for a plurality of persons related to the production of the content, and an acquisition unit.
前記第３生成部によって生成された指標リストが示す指標の候補と、前記人物リストが示す人物の候補との組み合わせについて、前記第３生成部によって生成された指標リストが示す指標の候補と、前記人物リストが示す人物の候補との間の関連性を示すスコアを算出する算出部と、Regarding the combination of the index candidate indicated by the index list generated by the third generation unit and the person candidate indicated by the person list, the index candidate indicated by the index list generated by the third generation unit and the index candidate described above. A calculation unit that calculates a score that shows the relationship between the person candidates shown in the person list, and
前記スコアが所定の条件を満たす指標と人物との組を示す情報を提供し、当該指標と人物との組のうち、指標と関連する検索クエリを入力した利用者の属性の傾向が、売上が所定の条件を満たすコンテンツを購入した利用者の属性の傾向と類似する組を示す情報を提供する提供部とThe score provides information indicating the pair of the index and the person who satisfies the predetermined condition, and the tendency of the attribute of the user who entered the search query related to the index among the pair of the index and the person is the sales. With a provider that provides information indicating a set similar to the attribute tendency of the user who purchased the content that meets the predetermined conditions.
を有することを特徴とする提供装置。A providing device characterized by having. 利用者が投稿した質問に対して他の利用者が回答を投稿する所定のウェブサービスにおいて質問若しくは回答を検索する際に入力された検索クエリから、所定の条件を満たす複数の検索クエリを、前記複数の指標の候補として抽出し、抽出した複数の指標の候補に基づく指標リストを生成する第３生成部
を有することを特徴とする請求項１または２に記載の提供装置。 From the search query entered when searching for a question or answer in a predetermined web service where another user posts an answer to a question posted by a user, a plurality of search queries satisfying a predetermined condition are selected as described above. extracted as a candidate of a plurality of indices, providing device according to claim 1 or 2, characterized in that a third generation unit for generating an index list based on the candidate of the extracted plurality of indices. 前記第３生成部は、入力された回数が所定の閾値を超える複数の検索クエリを前記複数の指標の候補として抽出する
ことを特徴とする請求項３または４に記載の提供装置。 The providing device according to claim 3 or 4 , wherein the third generation unit extracts a plurality of search queries whose number of input times exceeds a predetermined threshold value as candidates for the plurality of indicators. 前記第３生成部は、所定のカテゴリに属する複数の検索クエリを前記複数の指標の候補として抽出する
ことを特徴とする請求項３〜５のうちいずれか１つに記載の提供装置。 The providing device according to any one of claims 3 to 5, wherein the third generation unit extracts a plurality of search queries belonging to a predetermined category as candidates for the plurality of indicators. 前記第３生成部は、前記所定の条件を満たす検索クエリと共起する共起単語、若しくは、当該検索クエリと関連する関連単語を示す指標リストを生成する
ことを特徴とする請求項３〜６のうちいずれか１つに記載の提供装置。 Claims 3 to 6 are characterized in that the third generation unit generates an index list indicating co-occurrence words co-occurring with a search query satisfying the predetermined condition or related words related to the search query. The providing device according to any one of the above. 前記提供部は、さらに、提供対象となる指標と関連する検索クエリを入力した利用者の属性を示す属性情報を提供する
ことを特徴とする請求項３〜７のうちいずれか１つに記載の提供装置。 The provision unit according to any one of claims 3 to 7, further comprising providing attribute information indicating the attributes of the user who has entered the search query related to the index to be provided. Providing equipment. 利用者に対して配信された配信情報のうち、配信回数が所定の閾値を超える配信情報から前記複数の指標の候補を抽出し、抽出した複数の指標の候補に基づく指標リストを生成する第４生成部
を有することを特徴とする請求項２に記載の提供装置。 A fourth of the distribution information distributed to users, the candidates for the plurality of indicators are extracted from the distribution information in which the number of distributions exceeds a predetermined threshold value, and an index list based on the extracted candidates for the plurality of indicators is generated. The providing device according to claim 2 , further comprising a generator. 利用者に対して配信された配信情報のうち、配信回数の増加率が所定の閾値を超える配信情報から前記複数の指標の候補を抽出し、抽出した複数の指標の候補に基づく指標リストを生成する第４生成部
を有することを特徴とする請求項２に記載の提供装置。 Among the distribution information distributed to users, the candidates for the plurality of indicators are extracted from the distribution information in which the rate of increase in the number of distributions exceeds a predetermined threshold value, and an index list based on the extracted candidates for the plurality of indicators is generated. The providing apparatus according to claim 2 , further comprising a fourth generation unit. 前記算出部は、前記指標リストが示す１つの指標の候補と、前記人物リストが示す複数の人物の候補との組合せについて、前記スコアを算出する
ことを特徴とする請求項１〜１０のうちいずれか１つに記載の提供装置。 The calculating unit comprises: a candidate one indicators of the index list is shown, the combination of the candidates of a plurality of persons the person list is shown, according to claim 10, characterized in that to calculate the score The providing device according to any one of them. 前記算出部は、前記指標リストが示す複数の指標の候補と、前記人物リストが示す１つの人物の候補との組合せについて、前記スコアを算出する
ことを特徴とする請求項１〜１１のうちいずれか１つに記載の提供装置。 The calculating unit comprises: a plurality of candidates for the indicators that the index list is shown, the combination of a candidate for one person the person list indicates, among of the preceding claims, characterized in that to calculate the score The providing device according to any one. 前記算出部は、入力された情報をベクトルに変換するモデルであって、予め設定された観点からの類似性が高い情報程類似するベクトルに変換するよう学習が行われたモデルを用いて、前記複数の指標の候補と前記複数の人物の候補とをベクトルに変換し、変換後のベクトルの類似性に基づいて、前記スコアを算出する
ことを特徴とする請求項１〜１２のうちいずれか１つに記載の提供装置。 The calculation unit uses a model that converts input information into a vector, and uses a model that has been trained to convert information that has a higher similarity from a preset viewpoint into a vector that is more similar. Any one of claims 1 to 12, characterized in that the candidates for a plurality of indicators and the candidates for the plurality of persons are converted into vectors, and the score is calculated based on the similarity of the converted vectors. providing apparatus according to One. 前記算出部は、前記モデルとして、利用者による検索意図が類似する複数の検索クエリを類似する複数のベクトルに変換するよう学習が行われたモデルを用いて、前記複数の指標の候補と前記複数の人物の候補とをベクトルに変換し、変換後のベクトルの類似性に基づいて、前記スコアを算出する
ことを特徴とする請求項１３に記載の提供装置。 The calculating section, as the model, using the model learning is performed so as to convert into a plurality of vectors that are similar multiple search queries search intention by the user are similar, the candidates of the plurality of indices plurality 13. The providing device according to claim 13, wherein the candidate of the person is converted into a vector, and the score is calculated based on the similarity of the converted vector. 前記算出部は、前記モデルとして、所定の検索クエリと同時に入力された複数の検索クエリを類似する複数のベクトルに変換するよう学習が行われたモデルを用いて、前記複数の指標の候補と前記複数の人物の候補とをベクトルに変換し、変換後のベクトルの類似性に基づいて、前記スコアを算出する
ことを特徴とする請求項１４に記載の提供装置。 As the model, the calculation unit uses a model trained to convert a plurality of search queries input at the same time as a predetermined search query into a plurality of similar vectors, and uses the plurality of index candidates and the above. The providing apparatus according to claim 14 , wherein the candidates of a plurality of persons are converted into a vector, and the score is calculated based on the similarity of the converted vectors. 前記算出部は、前記モデルとして、利用者により投稿された投稿情報をベクトルに変換するモデルであって、類似する内容の投稿情報を類似するベクトルに変換するよう学習が行われたモデルを用いる
ことを特徴とする請求項１３に記載の提供装置。 As the model, the calculation unit uses a model that converts post information posted by a user into a vector, and is trained to convert post information with similar contents into a similar vector. 13. The providing device according to claim 13. 前記算出部は、前記モデルとして、利用者に対して配信された配信情報をベクトルに変換するモデルであって、類似する内容の投稿情報を類似するベクトルに変換するよう学習が行われたモデルを用いる
ことを特徴とする請求項１３に記載の提供装置。 As the model, the calculation unit is a model that converts the distribution information distributed to the user into a vector, and is a model that has been trained to convert the posted information having similar contents into a similar vector. The providing device according to claim 13 , characterized in that it is used. 提供装置が実行する提供方法であって、
検索クエリの履歴において、売上が所定の条件を満たすコンテンツの制作に関連する人物と関連性が高い複数の他の人物を、コンテンツの制作に関連する複数の人物の候補とした人物リストを生成する第１生成工程と、
前記コンテンツを制作する際の複数の指標の候補であって、予め作成された複数の指標の候補を示す指標リストと、前記第１生成工程によって生成された人物リストとを取得する取得工程と、
前記指標リストが示す指標の候補と、前記第１生成工程によって生成された人物リストが示す人物の候補との組合せについて、前記指標リストが示す指標の候補と、前記第１生成工程によって生成された人物リストが示す人物の候補との間の関連性を示すスコアを算出する算出工程と、
前記スコアが所定の条件を満たす指標と人物との組を示す情報を提供する提供工程と
を含むことを特徴とする提供方法。 It is a delivery method executed by the providing device.
In the history of search queries, generate a list of people who are candidates for multiple people related to the production of content, with multiple other people who are highly related to the person whose sales meet certain conditions. The first generation process and
An index list indicating a plurality of index candidates created in advance, which are candidates for a plurality of indexes when producing the content, and an acquisition step of acquiring a person list generated by the first generation step.
Regarding the combination of the index candidate indicated by the index list and the person candidate indicated by the person list generated by the first generation step, the index candidate indicated by the index list and the person candidate generated by the first generation step are generated. A calculation process for calculating a score indicating the relationship between the person list and the candidate person,
A providing method comprising a providing step of providing information indicating a pair of an index and a person whose score satisfies a predetermined condition. 提供装置が実行する提供方法であって、It is a delivery method executed by the providing device.
利用者がウェブ上に投稿した投稿情報が示す人物のうち、投稿回数が所定の閾値を超える複数の人物であって、予め登録された人物以外の複数の人物を、コンテンツの制作に関連する複数の人物の候補とした人物リストを生成する第２生成工程と、Among the persons indicated by the posted information posted on the Web by the user, a plurality of persons whose number of postings exceeds a predetermined threshold value and other than the persons registered in advance are a plurality of persons related to the production of the content. The second generation process to generate a list of people who are candidates for
前記コンテンツを制作する際の複数の指標の候補であって、予め作成された複数の指標の候補を示す指標リストと、前記第２生成工程によって生成された人物リストとを取得する取得部と、An acquisition unit that acquires an index list indicating a plurality of index candidates created in advance, which are candidates for a plurality of indexes when producing the content, and a person list generated by the second generation step.
前記指標リストが示す指標の候補と、前記第２生成工程によって生成された人物リストが示す人物の候補との組合せについて、前記指標リストが示す指標の候補と、前記第２生成工程によって生成された人物リストが示す人物の候補との間の関連性を示すスコアを算出する算出工程と、Regarding the combination of the index candidate indicated by the index list and the person candidate indicated by the person list generated by the second generation step, the index candidate indicated by the index list and the person candidate generated by the second generation step are generated. A calculation process for calculating a score indicating the relationship between the person list and the candidate person,
前記スコアが所定の条件を満たす指標と人物との組を示す情報を提供する提供工程とA providing process for providing information indicating a pair of an index and a person whose score satisfies a predetermined condition
を含むことを特徴とする提供方法。A delivery method characterized by including. 提供装置が実行する提供方法であって、It is a delivery method executed by the providing device.
利用者が投稿した質問に対して他の利用者が回答を投稿する所定のウェブサービスにおいて質問若しくは回答を検索する際に入力された検索クエリから、所定の条件を満たす検索クエリを、コンテンツを制作する際の複数の指標の候補であって、予め作成された複数の指標の候補として抽出し、抽出した複数の指標の候補に基づく指標リストを生成する第３生成工程と、Create content from the search query entered when searching for a question or answer in a given web service where another user posts an answer to the question posted by the user, to create a search query that meets the given conditions. A third generation step of extracting as candidates for a plurality of indexes created in advance and generating an index list based on the extracted candidates for the plurality of indexes, which are candidates for a plurality of indexes.
前記第３生成工程によって生成された指標リストと、前記コンテンツの制作に関連する複数の人物の候補を示す人物リストとを取得する取得工程と、An acquisition step of acquiring an index list generated by the third generation step and a person list indicating a plurality of person candidates related to the production of the content, and an acquisition step.
前記第３生成工程によって生成された指標リストが示す指標の候補と、前記人物リストが示す人物の候補との組み合わせについて、前記第３生成工程によって生成された指標リストが示す指標の候補と、前記人物リストが示す人物の候補との間の関連性を示すスコアを算出する算出工程と、Regarding the combination of the index candidate indicated by the index list generated by the third generation step and the person candidate indicated by the person list, the index candidate indicated by the index list generated by the third generation step and the index candidate described above. A calculation process for calculating a score indicating the relationship between the person list and the candidate person,
前記スコアが所定の条件を満たす指標と人物との組を示す情報を提供し、当該指標と人物との組のうち、指標と関連する検索クエリを入力した利用者の属性の傾向が、売上が所定の条件を満たすコンテンツを購入した利用者の属性の傾向と類似する組を示す情報を提供する提供工程とThe score provides information indicating the pair of the index and the person who satisfies the predetermined condition, and the tendency of the attribute of the user who entered the search query related to the index among the pair of the index and the person is the sales. A providing process that provides information indicating a set similar to the tendency of the attributes of the user who purchased the content satisfying a predetermined condition.
を含むことを特徴とする提供方法。A delivery method characterized by including. 検索クエリの履歴において、売上が所定の条件を満たすコンテンツの制作に関連する人物と関連性が高い複数の他の人物を、コンテンツの制作に関連する複数の人物の候補とした人物リストを生成する第１生成手順と、
前記コンテンツを制作する際の複数の指標の候補であって、予め作成された複数の指標の候補を示す指標リストと、前記第１生成手順によって生成された人物リストとを取得する取得手順と、
前記指標リストが示す指標の候補と、前記第１生成手順によって生成された人物リストが示す人物の候補との組合せについて、前記指標リストが示す指標の候補と、前記第１生成手順によって生成された人物リストが示す人物の候補との間の関連性を示すスコアを算出する算出手順と、
前記スコアが所定の条件を満たす指標と人物との組を示す情報を提供する提供手順と
をコンピュータに実行させるための提供プログラム。 In the history of search queries, generate a list of people who are candidates for multiple people related to the production of content, with multiple other people who are highly related to the person whose sales meet certain conditions. The first generation procedure and
An index list indicating a plurality of index candidates created in advance, which are candidates for a plurality of indexes when producing the content, and an acquisition procedure for acquiring a person list generated by the first generation procedure.
Regarding the combination of the index candidate indicated by the index list and the person candidate indicated by the person list generated by the first generation procedure, the index candidate indicated by the index list and the person candidate generated by the first generation procedure are generated. A calculation procedure for calculating a score indicating the relationship between the person list and the candidate person,
A providing program for causing a computer to perform a providing procedure for providing information indicating a pair of an index and a person whose score satisfies a predetermined condition. 利用者がウェブ上に投稿した投稿情報が示す人物のうち、投稿回数が所定の閾値を超える複数の人物であって、予め登録された人物以外の複数の人物を、コンテンツの制作に関連する複数の人物の候補とした人物リストを生成する第２生成手順と、Among the persons indicated by the posted information posted on the Web by the user, a plurality of persons whose number of postings exceeds a predetermined threshold value and are other than the persons registered in advance are a plurality of persons related to the production of the content. The second generation procedure to generate a list of people who are candidates for
前記コンテンツを制作する際の複数の指標の候補であって、予め作成された複数の指標の候補を示す指標リストと、前記第２生成手順によって生成された人物リストとを取得する取得手順と、An acquisition procedure for acquiring an index list indicating a plurality of index candidates created in advance, which are candidates for a plurality of indexes when producing the content, and a person list generated by the second generation procedure.
前記指標リストが示す指標の候補と、前記第２生成手順によって生成された人物リストが示す人物の候補との組合せについて、前記指標リストが示す指標の候補と、前記第２生成手順によって生成された人物リストが示す人物の候補との間の関連性を示すスコアを算出する算出手順と、Regarding the combination of the index candidate indicated by the index list and the person candidate indicated by the person list generated by the second generation procedure, the index candidate indicated by the index list and the person candidate generated by the second generation procedure are generated. A calculation procedure for calculating a score indicating the relationship between the person list and the candidate person,
前記スコアが所定の条件を満たす指標と人物との組を示す情報を提供する提供手順とA provision procedure that provides information indicating a pair of an index and a person whose score satisfies a predetermined condition.
をコンピュータに実行させるための提供プログラム。A program provided to make a computer execute. 利用者が投稿した質問に対して他の利用者が回答を投稿する所定のウェブサービスにおいて質問若しくは回答を検索する際に入力された検索クエリから、所定の条件を満たす検索クエリを、コンテンツを制作する際の複数の指標の候補であって、予め作成された複数の指標の候補として抽出し、抽出した複数の指標の候補に基づく指標リストを生成する第３生成手順と、Create content from the search query entered when searching for a question or answer in a given web service where another user posts an answer to the question posted by the user, to create a search query that meets the given conditions. A third generation procedure for extracting as candidates for a plurality of indexes created in advance and generating an index list based on the extracted candidates for the plurality of indexes, which are candidates for a plurality of indexes at the time of
前記第３生成手順によって生成された指標リストと、前記コンテンツの制作に関連する複数の人物の候補を示す人物リストとを取得する取得手順と、An acquisition procedure for acquiring an index list generated by the third generation procedure and a person list indicating candidates for a plurality of persons related to the production of the content, and an acquisition procedure.
前記第３生成手順によって生成された指標リストが示す指標の候補と、前記人物リストが示す人物の候補との組み合わせについて、前記第３生成手順によって生成された指標リストが示す指標の候補と、前記人物リストが示す人物の候補との間の関連性を示すスコアを算出する算出手順と、Regarding the combination of the index candidate indicated by the index list generated by the third generation procedure and the person candidate indicated by the person list, the index candidate indicated by the index list generated by the third generation procedure and the index candidate described above. A calculation procedure for calculating a score indicating the relevance of a person candidate shown in the person list, and a calculation procedure.
前記スコアが所定の条件を満たす指標と人物との組を示す情報を提供し、当該指標と人物との組のうち、指標と関連する検索クエリを入力した利用者の属性の傾向が、売上が所定の条件を満たすコンテンツを購入した利用者の属性の傾向と類似する組を示す情報を提供する提供手順とThe score provides information indicating the pair of the index and the person who satisfies the predetermined condition, and the tendency of the attribute of the user who entered the search query related to the index among the pair of the index and the person is the sales. A provision procedure that provides information indicating a set similar to the tendency of the attributes of users who have purchased content that meets certain conditions.
をコンピュータに実行させるための提供プログラム。A program provided to make a computer execute.
JP2019172130A 2019-09-20 2019-09-20 Providing equipment, providing method and providing program Active JP6928044B2 (en)

Priority Applications (1)

Application Number Priority Date Filing Date Title
JP2019172130A JP6928044B2 (en) 2019-09-20 2019-09-20 Providing equipment, providing method and providing program

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
JP2019172130A JP6928044B2 (en) 2019-09-20 2019-09-20 Providing equipment, providing method and providing program

Publications (2)

Publication Number Publication Date
JP2021051368A JP2021051368A (en) 2021-04-01
JP6928044B2 true JP6928044B2 (en) 2021-09-01

Family

ID=75157885

Family Applications (1)

Application Number Title Priority Date Filing Date
JP2019172130A Active JP6928044B2 (en) 2019-09-20 2019-09-20 Providing equipment, providing method and providing program

Country Status (1)

Country Link
JP (1) JP6928044B2 (en)

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2022190893A (en) * 2021-06-15 2022-12-27 株式会社日立製作所 Computer system and tenant registration support method
JP7368428B2 (en) * 2021-09-15 2023-10-24 ヤフー株式会社 Information processing device, information processing method, and information processing program
JP7329293B1 (en) * 2023-06-09 2023-08-18 Ｓｎａｆｔｙ株式会社 Information processing device, method, program, and system

Family Cites Families (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2003122820A (en) * 2001-10-10 2003-04-25 Ricoh Co Ltd Program production support method, program distribution system, server device, and program
US20140052540A1 (en) * 2012-08-20 2014-02-20 Giridhar Rajaram Providing content using inferred topics extracted from communications in a social networking system
WO2015016094A1 (en) * 2013-07-31 2015-02-05 ソニー株式会社 Information processing device, information processing method, and program
JP6283051B2 (en) * 2016-04-14 2018-02-21 ヤフー株式会社 Server apparatus, service providing method, and service providing program
JP2018092367A (en) * 2016-12-02 2018-06-14 日本放送協会 Related word extracting device and program

Also Published As

Publication number Publication date
JP2021051368A (en) 2021-04-01

Similar Documents

Publication Publication Date Title
KR102075833B1 (en) Curation method and system for recommending of art contents
Gupta et al. Survey on social tagging techniques
US11455465B2 (en) Book analysis and recommendation
US20180349515A1 (en) Multilingual business intelligence for actions
Braunhofer et al. Location-aware music recommendation
US8620905B2 (en) Proximity-based method for determining concept relevance within a domain ontology
US20170068667A1 (en) System and method for topic extraction and opinion mining
JP6381775B2 (en) Information processing system and information processing method
US11100557B2 (en) Travel itinerary recommendation engine using inferred interests and sentiments
US9922125B1 (en) Selecting content using entity properties
US8694531B1 (en) System and method for analyzing and matching digital media libraries
JP6928044B2 (en) Providing equipment, providing method and providing program
Liu et al. Background music recommendation based on latent factors and moods
US20150058417A1 (en) Systems and methods of presenting personalized personas in online social networks
US11301540B1 (en) Refined search query results through external content aggregation and application
US11055312B1 (en) Selecting content using entity properties
JP6767342B2 (en) Search device, search method and search program
Han et al. An exploration of search session patterns in an image-based digital library
Saat et al. Towards serendipity for content-based recommender systems
KR101826594B1 (en) Method and system for recommending e-book based on knowledge structure
Wang Analysis of sentiment and personalised recommendation in musical performance
JP6310529B1 (en) SEARCH DEVICE, SEARCH METHOD, AND SEARCH PROGRAM
JP7106500B2 (en) Provision device, provision method and provision program
Wen Development of personalized online systems for web search, recommendations, and e-commerce
Bao [Retracted] Analysis of Music Retrieval Based on Emotional Tags Environment

Legal Events

Date Code Title Description
A711 Notification of change in applicant

Free format text: JAPANESE INTERMEDIATE CODE: A712

Effective date: 20191101

RD03 Notification of appointment of power of attorney

Free format text: JAPANESE INTERMEDIATE CODE: A7423

Effective date: 20191108

A621 Written request for application examination

Free format text: JAPANESE INTERMEDIATE CODE: A621

Effective date: 20200309

A131 Notification of reasons for refusal

Free format text: JAPANESE INTERMEDIATE CODE: A131

Effective date: 20210427

A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20210625

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: 20210706

A61 First payment of annual fees (during grant procedure)

Free format text: JAPANESE INTERMEDIATE CODE: A61

Effective date: 20210805

R150 Certificate of patent or registration of utility model

Ref document number: 6928044

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

R250 Receipt of annual fees

Free format text: JAPANESE INTERMEDIATE CODE: R250