JP7001508B2 - 情報処理装置、情報処理方法、およびプログラム。 - Google Patents

Description

本発明は、情報処理装置、情報処理方法、およびプログラムに関する。

従来、ユーザのユーザ情報に基づいて、各々が所定の対象に関する文字情報である記事を含む複数のコンテンツに関する順序を決定する決定部と、前記決定部によって決定された順序で一つずつ表示される前記複数のコンテンツであって、評価が指定可能に表示された各コンテンツに対する前記ユーザの評価を受け付けるのに合わせて、当該コンテンツの次順位のコンテンツが表示される前記複数のコンテンツを前記ユーザの端末装置に配信する配信部とを備えることを特徴とする配信装置が開示されている（例えば、特許文献１参照）。

特開２０１６－１８９２０６号公報

しかしながら、上記従来の技術では、位置情報を利用して、ユーザに提供するコンテンツを適切に決定し、提供することは行われていなかった。

本発明は、このような事情を考慮してなされたものであり、ユーザに、より適したコンテンツを提供することができる情報処理装置、情報処理方法、およびプログラムを提供することを目的の一つとする。

本発明の一態様は、第１のユーザの位置情報を取得する取得部と、前記取得部により取得された位置情報に基づいて、前記第１のユーザの行動属性を推定する推定部と、前記推定部により推定された前記第１のユーザの行動属性に応じたコンテンツを、前記第１のユーザに提供する提供部とを備える情報処理装置である。

本発明の一態様によれば、ユーザに、より適したコンテンツを提供することができる。

情報提供装置が使用される使用環境の一例を示す図である。 情報処理装置１０の機能構成の一例を示す図である。 情報処理装置１０により実行される処理の流れの一例を示す図である。 位置履歴情報３２の内容の一例を示す図である。 位置情報の分布と、推定される自宅と職場とを示す図である。 行動解析情報３６の内容の一例を示す図である。 行動属性情報３８の内容の一例を示す図である。 決定部２２により実行される処理の流れの一例を示すフローチャートである。 ユーザの行動属性に対して、複数のカテゴリが対応付けられた拡張情報４４の内容の一例を示す図である。 第２実施形態の情報処理装置１０により実行される処理の流れの一例を示すフローチャート（その１）である。 第２実施形態の情報処理装置１０により実行される処理の流れの一例を示すフローチャート（その２）である。 ユーザの行動属性またはカテゴリの変更について説明するための図である。 行動属性情報３８Ａの内容の他の一例である。

以下、図面を参照し、本発明の情報処理装置、情報処理方法、およびプログラムの実施形態について説明する。

情報処理装置は、一以上のプロセッサにより実現される。情報処理装置は、第１のユーザの位置情報を取得し、取得した位置情報に基づいて、第１のユーザの行動属性を推定し、推定した第１のユーザの行動属性に応じたコンテンツを、第１のユーザに提供する。ユーザの行動属性とは、位置情報から導出されるユーザの行動属性であって、性別、職業、年齢などの静的な属性ではなく、ユーザの興味、関心、生活様式、ライフステージ、および消費傾向のうち、一以上の要素を示すものである。

例えば、情報処理装置が、位置情報に基づいて、ユーザが不動産屋に所定の頻度等で訪問していると推定した場合、ユーザは不動産に興味があると推定し、ユーザの興味に応じたコンテンツを、ユーザに提供する。コンテンツは、ユーザの行動属性に関連するコンテンツであればよい。例えば、ユーザの興味が不動産にある場合、コンテンツは、不動産の広告や不動産に関連するニュース等のユーザが好む情報である。

また、情報処理装置は、複数のユーザのネットワークにおける行動履歴を更に取得し、複数のユーザに含まれる第１のユーザとネットワークにおける行動履歴が類似するユーザを第２のユーザとして抽出し、第１のユーザの行動属性に応じたコンテンツを、第２のユーザに提供する。これにより、情報処理装置は、行動履歴が類似する第２のユーザについて第１のユーザと同様の興味や関心等を有していると推定し、推定した興味や関心等に応じたコンテンツを第２のユーザに提供する。これにより、ユーザに、より適したコンテンツを提供することができる。

＜第１実施形態＞
［構成］
図１は、情報提供装置が使用される使用環境の一例を示す図である。情報提供装置の使用環境には、例えば、端末装置２－１～２－Ｎ（「Ｎ」は任意の自然数）と、サーバ装置４－１～４－ｎ（「ｎ」は任意の自然数）と、広告配信装置６と、情報処理装置１０と、が含まれる。なお、情報処理装置１０は、広告配信装置６を包含してもよい。また、以下、端末装置２－１～２－Ｎを区別しない場合は、単に「端末装置２」と称し、サーバ装置４－１～４－ｎを区別しない場合は、単に「サーバ装置４」と称する。

これらの装置等は、ネットワークＮＷを介して互いに通信する。ネットワークＮＷは、例えば、ＷＡＮ（Wide Area Network）やＬＡＮ（Local Area Network）、インターネット、専用回線、無線基地局、プロバイダなどを含む。

［端末装置］
端末装置２は、例えば、スマートフォンなどの携帯電話や、タブレット端末などの可搬型装置である。端末装置２は、不図示の位置測位装置や制御部、通信部、表示部、操作部などを備える。位置測位装置は、ＧＰＳ（Global Positioning System）受信機を含む。位置測位装置は、ＧＰＳ受信機が衛星から受信した電波に基づく測位を行って、端末装置２の位置（すなわちユーザの位置）を特定する。また、端末装置２は、通信部が接続した無線基地局の位置から端末装置２の位置を推定してもよい。

［サーバ装置］
複数のサーバ装置４は、例えば、ユーザに提供されるサービスごとに設けられる。サーバ装置４は、サーバ装置４にアクセスした端末装置２に所定のサービスを提供する。例えば、サーバ装置４は、アクセスしてきた端末装置２からユーザＩＤや位置情報を取得し、取得した位置情報に基づいて、周辺に存在するオススメの店舗の情報を提供したり、周辺の天気の情報を提供したりする。例えば、ユーザが端末装置２の操作部を操作して、サーバ装置４にアクセスすると予め登録したユーザＩＤや位置情報等の情報がサーバ装置４に送信される。サーバ装置４は、取得したユーザＩＤ、位置情報、これらの情報を取得した時刻等を互いに対応付けて位置履歴情報として記憶部に記憶させ、記憶させた位置履歴情報を情報処理装置１０に送信する。

上記のユーザＩＤは、例えば、複数のサーバ装置４において共通して使用されるユーザＩＤである。端末装置２を利用するユーザ（例えば第１のユーザ）は、複数のサーバ装置４のうち、例えば、サーバ装置４－１により提供されるサービスと、サーバ装置４－ｎにより提供するサービスとを同じユーザＩＤで利用することができる。

また、サーバ装置４は、端末装置２からクエリを取得し、取得したクエリに関連する情報を検索し、検索結果を端末装置２に提供する。サーバ装置４が、端末装置２から取得したクエリの情報は、情報処理装置１０に提供される。なお、サーバ装置４は、取得したクエリに関連する情報の検索を他装置に依頼し、他装置が検索した結果を取得してもよい。

［広告配信装置］
広告配信装置６は、例えば、サーバ装置４の依頼に基づいて、サーバ装置４に広告を提供する。提供される広告は、例えば、情報処理装置１０により決定されたユーザの行動属性に応じた広告（コンテンツ）である。なお、本実施形態では、広告配信装置６を備えるものとして説明するが、これに代えて（或いは加えて）、広告以外のコンテンツを配信するコンテンツ配信装置を備えてもよい。この場合、コンテンツ配信装置は、情報処理装置１０により決定されたユーザの行動属性に応じたコンテンツをユーザに提供する。

［情報処理装置］
図２は、情報処理装置１０の機能構成の一例を示す図である。情報処理装置１０は、例えば、通信部１２と、位置情報取得部１４と、第１推定部１６と、第２推定部１８と、処理部２０と、決定部２２と、提供部２４と、記憶部３０とを備える。位置情報取得部１４、第１推定部１６、第２推定部１８、処理部２０、決定部２２、および提供部２４は、例えば、ＣＰＵ（Central Processing Unit）等のハードウェアプロセッサが、記憶装置に記憶されたプログラムを実行することにより実現される。また、これらの機能部は、ＬＳＩ（Large Scale Integration）、ＡＳＩＣ（Application Specific Integrated Circuit）、ＦＰＧＡ（Field-Programmable Gate Array）、ＧＰＵ（Graphics Processing Unit）等のハードウェアによって実現されてもよいし、ソフトウェアとハードウェアの協働によって実現されてもよい。また、上記のプログラムは、予め記憶装置に格納されていてもよいし、ＤＶＤやＣＤ－ＲＯＭなどの着脱可能な記憶媒体に格納されており、記憶媒体が情報処理装置１０のドライブ装置に装着されることで記憶装置にインストールされてもよい。

記憶部３０は、例えば、ＲＯＭ（Read Only Memory）、フラッシュメモリ、ＳＤカード、ＲＡＭ（Random Access Memory）、ＨＤＤ（Hard Disc Drive）、レジスタ等によって実現される。また、記憶部３０の一部または全部は、ＮＡＳや外部ストレージサーバ等であってもよい。記憶部３０には、例えば、位置履歴情報３２、地図情報３４、行動解析情報３６、行動属性情報３８、クエリ情報４０、および拡張モデル４２が記憶されている。記憶部３０に記憶された情報の詳細については後述する。

通信部１２は、ネットワークインターフェースカード（Network Interface Card）等の通信インターフェースを含む。

位置情報取得部１４は、通信部１２を介してサーバ装置４から取得した位置履歴情報３２を記憶部３０に記憶させる。

第１推定部１６は、位置情報取得部１４により取得された位置情報に基づいて、ユーザの自宅または職場を推定する。第２推定部１８は、第１推定部１６の推定結果および位置情報取得部１４により取得された位置情報に基づいて、ユーザの行動属性を推定する。第１推定部１６と第２推定部１８とを合わせたものは「推定部」の一例である。

処理部２０は、推定されたユーザの行動属性と、ユーザのネットワークにおける行動履歴に基づいて、第１のユーザの行動属性と同一または類似する行動属性を有すると推定される第２のユーザを抽出するための拡張モデル４２を生成する。

決定部２２は、複数のユーザに含まれる第１のユーザとネットワークにおける行動履歴が類似するユーザを第２のユーザとして決定し抽出する。決定部２２は、「抽出部」の一例である。

提供部２４は、第１のユーザの行動属性に応じたコンテンツを、第１のユーザまたは第２のユーザに提供する。

［フローチャート］
図３は、情報処理装置１０により実行される処理の流れの一例を示す図である。まず、第１推定部１６は、位置履歴情報３２から、処理対象のユーザを選択する（Ｓ１０）。次に、第１推定部１６は、選択したユーザの位置情報を取得する（Ｓ１２）。図４は、位置履歴情報３２の内容の一例を示す図である。位置履歴情報３２は、図４に示すように、ユーザＩＤと、そのユーザＩＤを有するユーザの位置情報の履歴と、位置情報に対応付けられた時刻とが互いに対応付けられた情報である。

（自宅、職場を推定する処理）
次に、第１推定部１６が、取得した位置情報に基づいて、ユーザの自宅または職場を推定する（Ｓ１４）。図５は、位置情報の分布と、推定される自宅と職場とを示す図である。第１推定部１６は、例えば、深夜２時～５時の間におけるユーザの位置を特定し、週に所定数以上、その時間帯に同一の位置情報が存在する場合、その位置を自宅と推定する。また、例えば、第１推定部１６は、昼間１０時～１２時の間におけるユーザの位置を特定し、週に所定数以上、その時間帯に同一の位置情報が存在する場合、その位置を職場と推定する。

また、自宅または職場を推定する際に、地図情報３４に含まれる位置情報に対応する建物の種別が加味されてもよい。例えば、深夜２時～５時の間におけるユーザの位置に対応する建物の種別がオフィスビルであり、昼間１０時～１２時の間におけるユーザの位置に対応する建物の種別がマンション等の住居用の建物であれば、深夜２時～５時の間におけるユーザの位置は、職場であり、昼間１０時～１２時の間におけるユーザの位置は自宅であると推定されてもよい。このように、位置情報に基づいて、自宅、および職場が推定される。

また、第１推定部１６は、所定のクラスタリングの手法を用いて位置情報に対してクラスタリングを行い、所定の基準を満たす位置を自宅または職場と推定してもよい。所定のクラスタリング手法とは、ガウス混合モデル（ＧＭＭ；Gaussian Mixture Model）や、Ｋ－ｍｅａｎｓ法、ＤＢＳＣＡＮ等である。なお、自宅または職場を特定する手法は、上記手法に限られず、公知の種々の手法を用いてもよいし、予め与えられてもよい。

（行動を解析する処理）
次に、第２推定部１８は、推定した自宅、職場の位置、その他の位置情報に基づいて、ユーザの行動を解析する（Ｓ１６）。例えば、第２推定部１８は、位置履歴情報３２および地図情報３４を参照し、ユーザが自宅や職場にいる時間や、その他の場所に存在する時間を特定し、ユーザの行動を推定し、行動解析情報３６を生成する。

図６は、行動解析情報３６の内容の一例を示す図である。行動解析情報３６は、ユーザが立ち寄った場所や、滞在した場所などを含むユーザの行動を示す情報である。例えば、第２推定部１８は、位置情報と、地図情報３４に登録された位置情報に対応付けられた施設や店舗などの情報に基づいて、ユーザが立ち寄った施設や店舗などを特定する。上記の処理により、図６の上図に示すように、ユーザ「ＩＤ００１」は、月～金の日中に職場で過ごしたこと、月～金の夜は自宅で過ごしたこと、土曜日は１日自宅に滞在していたこと、日曜日はＡテーマパークで過ごしたことが推定される。また、上記の処理により、図６の下図に示すように、ユーザ「ＩＤ００２」は、月～金の日中に職場で過ごしたこと、月～金の夜は自宅で過ごしたこと、土曜日は１日自宅に滞在していたこと、日曜日の午後は不動産屋に滞在していたことが推定される。

（行動属性を決定する処理）
次に、第２推定部１８は、図６で示したような行動解析情報３６と、行動属性情報３８とに基づいて、ユーザの行動属性を決定する（Ｓ１８）。例えば、第２推定部１８は、行動解析情報３６の内容が行動属性情報３８の条件を満たすか否かを判定し、判定結果に基づいて、ユーザの行動属性を決定する。また、例えば、第２推定部１８は、ユーザの自宅と職場とのうち一方または双方の位置を利用、または自宅と職場とのうち一方または双方の位置を除外して、ユーザの行動属性を推定したり、位置情報に対応する施設の情報に基づいて、ユーザの行動属性を推定したりする。

図７は、行動属性情報３８の内容の一例を示す図である。行動属性情報３８は、識別情報と、行動属性と、ユーザを分類する条件とが互いに対応付けられた情報である。行動属性とは、例えば、労働時間が長い職場で働いていること（識別情報「０１」）や、不動産に興味があること（識別情報「０２」）、旅行に興味があること（識別情報「０３」）、スポーツに興味があること（識別情報「０４」）、テーマパークに興味があること（識別情報「０５」）、運動に興味がないこと（識別情報「０６」）等である。

例えば、識別情報「０１」の行動属性に分類される条件は、例えば、職場に週○○時間以上滞在していることであり、識別情報「０２」の行動属性に分類される条件は、月〇〇回以上不動産屋を訪れていることであり、・・・・、識別情報「０６」の行動属性に分類される条件は、自宅に滞在している時間が○○時間以上である。なお、上記および図７に示す条件は一例であり、上記条件を組み合わせた条件を満たす場合に分類される行動属性が設定されていたり、上記条件とその他の条件を満たす場合に分類される行動属性が設定されていたりしてもよい。例えば、自宅の滞在時間が○○時間であり、職場の滞在時間が○○時間などのように、自宅と職場との双方の滞在時間（位置情報）などが分類の判定に利用されてもよい。

なお、ユーザの行動属性を決定する処理は、機械学習、またはディープラーニング技術が用いられてもよい。例えば、学習済モデルに、行動属性を分類したいユーザの所定期間分の位置情報が入力されると、入力された位置情報が所定の行動属性に該当するか否が判定される。この学習済モデルは、所定の行動属性に分類されることが分かっている位置情報を教師データとして学習されたモデルである。教師データには、所定の行動属性に分類されないことが分かっている位置情報（負例）が含まれていてもよい。

次に、処理部２０は、所定数のユーザの行動属性を特定したか否かを判定する（Ｓ２０）。所定数のユーザの行動属性を特定していない場合、Ｓ１０の処理に戻る。なお、所定数のユーザの行動属性を特定したか否かに代えて、予め規定した行動属性（例えば識別情報「０１」～「０６」の行動属性）のそれぞれが、処理を行った所定数のユーザに対して対応付けられたか否かが判定されてもよい。

（クエリを取得する処理）
所定数のユーザの行動属性を特定した場合、処理部２０は、クエリ情報４０から、行動属性を特定したユーザのクエリを取得する（Ｓ２２）。クエリ情報４０は、サーバ装置４から取得した情報であって、ユーザが過去にサーバ装置４に与えたクエリを含む情報である。

（特徴的なクエリを抽出する処理）
次に、処理部２０は、Ｓ２２で取得したクエリから特徴的なクエリを抽出する（Ｓ２４）。例えば、処理部２０は、ＴＦ－ＩＤＦ（Term Frequency－Inverse Document Frequency）などを用いて、Ｓ２２で取得したクエリから重要なクエリを絞り込み、特徴的なクエリを抽出する。なお、Ｓ２４の処理を省略し、クエリの絞り込みを行わないものとしてよい。

（拡張モデルを生成する処理）
次に、処理部２０は、機械学習により拡張モデル４２を生成する（Ｓ２６）。拡張モデル４２は、後述する図８のフローチャートの処理で用いる行動履歴（例えばクエリ）の特徴量からユーザの行動属性を推定するのに用いられるモデルである。例えば、処理部２０は、学習対象のユーザの特徴量を正解データとして機械学習を行い、拡張対象のユーザの特徴量と学習対象のユーザの特徴量とが類似するか否かを判定するための拡張モデル４２を生成する。拡張モデル４２は、ユーザの行動属性ごとに生成される。例えば、第１の行動属性を有する学習対象のユーザの情報に基づいて、第１の拡張モデル４２が生成され、第２の行動属性を有する学習対象のユーザの情報に基づいて、第２の拡張モデル４２が生成される。

処理部２０が扱う特徴量は、例えば、複数のクエリのそれぞれを要素に対応付けたベクトル（例えば、要素数が数万個の数万次元ベクトル）において、それぞれの要素に対応するクエリが、ユーザが過去に入力したクエリである場合に１、そうでない場合にゼロを要素値とするベクトルである。ユーザが入力するクエリは網羅的でないため、このベクトルは疎ベクトルと称される場合がある。以下、これをユーザベクトルと称する。ユーザベクトルは、「ユーザの特徴量」の一例である。

処理部２０は、学習対象のユーザのユーザベクトルが入力された場合にスコア値が高くなるような何らかの学習済モデルを機械学習によって生成する。学習済モデルは、例えば、ＳＶＭ（Support Vector Machine）や、ロジスティクス回帰分析、ニューラルネットワーク（Neural Network）などを構成要素として生成される。この学習済モデルは、例えば、行動属性を決定する処理によって所定の行動属性が決定されたユーザのユーザベクトルを教師データとして学習されたモデルである。教師データには、所定の行動属性に分類されないことが分かっているユーザベクトル（負例）が含まれていてもよい。

学習対象のユーザが入力したクエリと似たようなクエリを入力したユーザのユーザベクトルが、拡張モデル４２に入力されると、拡張モデル４２は学習対象のユーザのユーザベクトルを入力した場合と同様に高いスコア値を出力する。この高いスコア値が得られた拡張対象のユーザは、ベクトル空間において学習対象のユーザに近いユーザベクトルを有するユーザであるため、拡張対象のユーザの行動属性は、学習対象のユーザの行動属性に類似することが推認される。

なお、決定部２２は、Ｓ１８で行動属性を決定したユーザに対して、行動属性に応じたコンテンツをユーザに提供するように広告配信装置６に指示する。これにより、本フローチャートの１ルーチンの処理は終了する。

上述した処理により、情報処理装置１０は、ユーザの行動属性ごとに拡張モデル４２を生成することができる。また、情報処理装置１０は、位置情報に基づいて、ユーザの行動属性を決定し、決定した行動属性に基づいて、ユーザに適切なコンテンツを提供することができる。

［拡張モデルによるユーザの拡張］
図８は、決定部２２により実行される処理の流れの一例を示すフローチャートである。本処理により、行動属性が決定されていないユーザの行動属性が決定される。まず、決定部２２は、行動属性を決定していない（拡張対象の）ユーザを選択し（Ｓ３０）、選択したユーザのクエリを取得する（Ｓ３２）。行動属性を決定していないユーザとは、図３の処理において、処理対象とならなかったユーザである。例えば、位置情報が取得されていない、または十分に取得されていないユーザである。

次に、決定部２２は、取得したクエリに基づいてユーザベクトルを生成する（Ｓ３４）。次に、決定部２２は、拡張モデル４２に、生成したユーザベクトルを入力し、拡張モデル４２が出力した結果に基づいて、拡張対象のユーザの行動属性を決定する（Ｓ３６）。例えば、決定部２２は、位置情報に基づいて行動属性が決定されたユーザ（第１のユーザ）のネットワークにおける行動履歴の特徴を示す第１ユーザベクトル（第１特徴量）、および複数のユーザに含まれるユーザのネットワークにおける行動履歴の特徴を示す第２ユーザベクトル（第２特徴量）を抽出し、第１ユーザベクトルに類似する第２ユーザベクトルを有するユーザを抽出する。そして、第２ユーザベクトルを有するユーザの行動属性は、第１ユーザベクトルを有するユーザの行動属性に分類される。

拡張モデル４２を用いて行動属性を決定する場合、例えば、Ｓ３６において、決定部２２は、ユーザの行動属性ごとに生成された複数の拡張モデル４２に、拡張対象のユーザのユーザベクトルを入力し、最も高いスコアを出力した拡張モデル４２に対応付けられた行動属性を、そのユーザの行動属性に決定する。

次に、提供部２４は、Ｓ３６で決定された行動属性に応じたコンテンツを、行動属性が決定された拡張対象のユーザに提供するように広告配信装置６に指示をする（Ｓ３８）。広告配信装置６は、提供部２４の指示に基づいて、決定された行動属性に応じたコンテンツをユーザに配信する。例えば、広告配信装置６は、コンテンツ情報に基づいて、ユーザにコンテンツを配信する。コンテンツ情報は、行動属性と、配信するコンテンツとが互いに対応付けられた情報である。これにより、本フローチャートの１ルーチンの処理は終了する。

上述した処理により、位置情報を取得していない、または十分に取得していないユーザの行動属性を決定し、決定した行動属性に応じたコンテンツを、そのユーザに提供することができる。この結果、より適切なコンテンツを、より容易にユーザに提供することができる。

なお、上記の例では、クエリ（またはキーワード）に基づくユーザベクトルを利用して、拡張モデル４２を導出するものとしたが、クエリに代えて（或いは加えて）、購買履歴や、サーバ装置４が提供している情報に対する閲覧履歴に基づいて生成したユーザベクトルをユーザの特徴として利用してもよい。

また、決定部２２は、決定された行動属性（またはカテゴリ）に応じたコンテンツをユーザに配信した後、広告配信に関する結果を取得し、取得した結果が所定度合以下である場合、決定した行動属性（またはカテゴリ）を変更してもよい。取得した結果が所定度合以下とは、例えば、ユーザに提供されたコンテンツが、ユーザの端末装置２の表示部に表示された回数のうちクリックされた回数の割合を示すＣＴＲ（Click Through Rate）や、ユーザの端末装置２の表示部に表示された回数のうちコンテンツに含まれる商品（またはサービス）を購入等した回数の割合を示すＣＶＲ（Conversion Rate）が所定度合以下であることである。取得した結果が所定度合以下である場合、決定部２２は、例えば、上記の拡張モデル４２により出力されたスコアのうち、２番目に高いスコアを出力した拡張モデル４２に対応付けられた行動属性にユーザの行動属性を変更してもよい。

［拡張情報の一例］
図３のフローチャートのＳ２６において、処理部２０は、拡張モデル４２の生成に代えて（或いは加えて）、ユーザの行動属性と、Ｓ２４で抽出したクエリと、カテゴリとを互いに対応付けた拡張情報４４を生成してもよい。拡張情報４４は、行動履歴（例えばクエリ）からユーザの行動属性を推定またはカテゴリを決定するのに用いられる情報である。

処理部２０は、ユーザの行動属性に対して、複数のカテゴリを対応付けてもよい。例えば、行動属性が同一のユーザにおいて、所定の基準に従って分類したクエリごとに、カテゴリが設定される。図９は、ユーザの行動属性に対して、複数のカテゴリが対応付けられた拡張情報４４の内容の一例を示す図である。図９に示す拡張情報４４には、１つのユーザの行動属性に対して、第１グループ～第３グループのクエリのそれぞれに異なるカテゴリが対応付けられている。例えば、識別情報「０１」の行動属性において、第１グループのクエリには、「労働時間」や「休めない」、「残業」など仕事に関するクエリが含まれ、第２グループのクエリには、「健康」や「体にいい食べ物」など健康や体に関するクエリが含まれ、第３グループのクエリには、「旅行」や「ドライブ」、「景色がきれい・・・」など休日の楽しみ方に関するクエリが含まれている。そして、第１グループから第３グループに対して、異なるカテゴリが対応付けられている。

この場合、前述した図３のＳ２６の処理において、処理部２０は、Ｓ２２で取得したクエリから第１グループから第３グループのそれぞれに含まれるクエリ（またはキーワード）を決定し、第１グループから第３グループのそれぞれに含まれるクエリを、拡張情報４４に設定する。

［拡張情報の応用例］
例えば、図８のフローチャートの処理において、決定部２２は、拡張モデル４２に代えて拡張情報４４を用いて、拡張対象のユーザの行動属性またはカテゴリを決定してもよい。例えば、Ｓ３４およびＳ３６の処理に代えて、以下の処理が行われる。決定部２２は、拡張情報４４において、拡張対象のユーザによって入力された頻度が高いクエリ（または入力回数が多いクエリ、使用頻度が高いキーワード、入力回数が多いキーワード等）が対応付けられているカテゴリをユーザに対応するカテゴリとして決定する。この場合、広告配信装置５０は、決定されたカテゴリに応じたコンテンツをユーザに提供する。

また、図８のフローチャートの処理において、決定部２２は、拡張モデル４２に加えて、更に拡張情報４４を用いて、拡張対象のユーザの行動属性またはカテゴリを決定してもよい。（１）例えば、拡張モデル４２によって行動属性が決定された後、決定部２２は、拡張情報４４において、拡張対象のユーザによって入力された頻度が高いクエリが、決定した行動属性に対応付けられているか否かを判定する。（２）対応付けられている場合、ユーザの行動属性は拡張モデル４２を用いて決定した行動属性であると、決定部２２は確定する。（３）対応付けられていない場合、例えば、決定部２２は、例えば、ユーザが入力したクエリのうち、入力した頻度が所定度合以上のクエリを対象にユーザベクトルを生成し、上述した処理を行ってユーザの行動属性を決定する。

なお、図３のフローチャートのユーザの行動属性を決定する処理（Ｓ１８）においても、拡張情報４４が用いられてもよい。この場合、例えば、決定部２２は、上記の（１）から（３）と同等の処理を実行する。また、決定部２２は、ユーザの行動属性を決定した後、拡張情報４４とユーザによって入力された頻度が高いクエリ等に基づいて、カテゴリ（更に細分化された行動属性）を決定してもよい。

このように、拡張モデル４２に加えて、更に拡張情報４４を用いられることにより、より精度よくユーザの行動属性を決定することができる。

以上説明した第１の実施形態によれば、情報処理装置１０は、第１のユーザの位置情報に基づいて、第１のユーザの行動属性を推定し、推定した第１のユーザの行動属性に応じたコンテンツを、第１のユーザに提供することにより、第１のユーザに、より適したコンテンツを提供することができる。また、情報処理装置１０は、複数のユーザのネットワークにおける行動履歴を更に取得し、複数のユーザに含まれる第１のユーザとネットワークにおける行動履歴が類似するユーザを第２のユーザとして抽出し、第１のユーザの行動属性に応じたコンテンツを、第２のユーザに提供することにより、第２のユーザに、より適したコンテンツを提供することができる。

＜第２実施形態＞
以下、第２実施形態について説明する。第２実施形態では、地図情報３４において施設などのＰＯＩ（Point of Interest）の情報（ＰＯＩ情報）が更新された場合、その更新に応じて、ユーザに対して決定された行動属性（またはカテゴリ）が変更される。以下、第１実施形態との相違点について説明する。

第２推定部１８は、更新された地図情報３４に基づいて、特定のユーザの行動属性を変更する。提供部２４は、第１のユーザの行動属性に応じたコンテンツを、第１のユーザと第２のユーザとの一方または双方に提供し、位置情報に対応する施設の情報（ＰＯＩ情報）が変更された場合、第１のユーザと第２のユーザとに提供するコンテンツのうち一方または双方を変更する。

図１０は、第２実施形態の情報処理装置１０により実行される処理の流れの一例を示すフローチャート（その１）である。まず、第２推定部１８が、所定期間経過したか否かを判定する（Ｓ４０）。所定期間経過した場合、第２推定部１８は、地図情報３４において更新されたＰＯＩ情報を取得する（Ｓ４２）。これにより、第２推定部１８は、例えば、更新前には所定の位置情報に対してコンビニエンスストアとして登録されていたが、更新後には不動産屋に施設が変わったことなど、施設が異なる施設に変更されたことを認識できる。なお、第２推定部１８は、更新された地図情報３４を取得し、取得した更新された地図情報３４と、更新前の地図情報３４との差分を比較して、更新されたＰＯＩ情報を取得してもよい。

次に、情報処理装置１０は、Ｓ４２で取得した更新されたＰＯＩ情報を反映して、図３のフローチャートのＳ１０～Ｓ２６の処理を実行する（Ｓ４４）。上記の処理により、更新されたＰＯＩ情報が反映された拡張モデル４２が生成される。これにより、本フローチャートの１ルーチンの処理は終了する。

上記の処理により、ＰＯＩ情報が更新された場合であっても、拡張対象のユーザに、適切な行動属性を決定することができる拡張モデルが生成される。

図１１は、第２実施形態の情報処理装置１０により実行される処理の流れの一例を示すフローチャート（その２）である。まず、決定部２２が、図１０のフローチャートの処理が実行され拡張モデルが更新されたか否かを判定する（Ｓ５０）。拡張モデルが更新された場合、決定部２２は、行動属性を決定していない（拡張対象の）ユーザを選択し（Ｓ５２）、選択したユーザのクエリを取得する（Ｓ５４）。次に、決定部２２は、取得したクエリに基づいてユーザベクトルを生成する（Ｓ５６）。

次に、決定部２２は、更新された拡張モデル４２に、Ｓ５６で生成したユーザベクトルを入力し、更新された拡張モデル４２が出力した結果に基づいて、拡張対象のユーザの行動属性を決定する（Ｓ５８）。次に、提供部２４は、Ｓ５８で決定された行動属性に応じたコンテンツを、行動属性が決定された拡張対象のユーザに配信するように広告配信装置６に指示をする（Ｓ６０）。これにより、本フローチャートの１ルーチンの処理は終了する。

上述したように、ＰＯＩ情報が更新された場合であっても、更新された拡張モデル４２を用いることにより、拡張対象のユーザに適切な行動属性を決定し、決定した行動属性に応じたコンテンツを提供することができる。この結果、ユーザに、より適したコンテンツを提供することができる。

図１２は、ユーザの行動属性の変更について説明するための図である。例えば、更新前の地図情報３４に基づいて、ユーザは、不動産に興味があるユーザであると推定され、行動属性の識別情報「０２」が特定されたものとする（図７参照）。

上記のような状況において、ＰＯＩ情報が更新された場合において、処理部２０が、ユーザが訪れていた不動産屋がスポーツ施設に変更されたと認識した場合、行動解析情報３６および行動属性情報３８を参照し、ユーザの行動属性を「スポーツに興味がある」に変更し、更に変更した行動属性と、ユーザベクトルとに基づいて、拡張モデル４２を生成する。そして、決定部２２は、拡張モデル４２とユーザベクトルとを用いて、ユーザの行動属性を識別情報「０４」に修正する。

上述したように、地図情報３４のＰＯＩ情報が更新された場合であっても、ユーザに設定した行動属性を、ＰＯＩ情報の更新に応じて変更するため、適切な行動属性をユーザに設定し直すことができる。また、拡張対象のユーザに対しても、更新された拡張モデル４２が用いられる。この結果、ユーザに、より適したコンテンツを提供することができる。

なお、上記の例では、拡張モデル４２を用いるものとしたが、これに代えて、更新されたＰＯＩ情報を用いて、行動解析情報３６および拡張情報４４を更新してもよい。この場合、決定部２２は、行動解析情報３６および拡張情報４４が更新された場合、更新された行動解析情報３６および拡張情報４４を用いて、拡張対象のユーザの行動属性およびカテゴリを決定する。

以上説明した第２実施形態によれば、情報処理装置１０は、位置情報に対応する施設の情報が変更された場合、第１のユーザおよび第２のユーザに提供するコンテンツのうち一方または双方を変更することにより、地図情報３４が更新された場合においも、ユーザに、より適したコンテンツを提供することができる。

＜変形例＞
変形例では、ユーザの行動属性において、ユーザのライフステージやユーザの消費傾向等が加味される。行動属性情報３８Ａには、前述した図７で説明した行動属性の他、例えば、ユーザのライフステージを示す行動属性や、ユーザの消費傾向を示す行動属性が含まれてもよい。図１３は、行動属性情報３８Ａの内容の他の一例である。ユーザのライフステージを示す行動属性とは、例えば、小さい子供がいることや、学習塾に通っている子供がいること（小学生または中学生の子供がいること）などである。また、ユーザの消費傾向を示す行動属性とは、例えば、おもちゃ屋に頻繁に行くことや、所定の商品（またはサービス）を提供している店舗に頻繁に訪れることなどである。

例えば、広告配信装置６は、小さい子供がいるユーザに対しては、小さい子供の育児や進学などで必要となる商品（例えば絵本やランドセル）の広告をユーザに提供する。また、広告配信装置６は、ライフステージを示す行動属性に基づいて、そのライフステージに応じた不動産の情報をユーザに提供してもよい。例えば、子供が近いうちに生まれる予定のユーザに対しては、今より広い住居（例えば家族３人で住める住居）の広告を提供してもよい。また、広告配信装置６は、例えばおもちゃ屋に頻繁に行くユーザに対しては、新製品のおもちゃの広告をユーザに提供する。

上述したように、ライフステージやユーザの消費傾向に基づいて、より効果的なコンテンツをユーザに提供することができる。

以上説明した各実施形態によれば、情報処理装置１０が、第１のユーザの位置情報を取得する位置情報取得部１４と、位置情報取得部１４により取得された位置情報に基づいて、第１のユーザの行動属性を推定する推定部（第１推定部１６、第２推定部１８）と、推定部により推定された第１のユーザの行動属性に応じたコンテンツを、第１のユーザに提供する提供部２４とを備えることにより、第１のユーザに、より適したコンテンツを提供することができる。

また、以上説明した各実施形態によれば、情報処理装置１０が、複数のユーザに含まれる第１のユーザとネットワークにおける行動履歴が類似するユーザを第２のユーザとして抽出する決定部２２を更に備え、第１のユーザの行動属性に応じたコンテンツを、第２のユーザに提供することにより、第２のユーザに、より適したコンテンツを提供することができる。

以上、本発明を実施するための形態について実施形態を用いて説明したが、本発明はこうした実施形態に何等限定されるものではなく、本発明の要旨を逸脱しない範囲内において種々の変形及び置換を加えることができる。

２－１～２－Ｎ‥端末装置、４－１～４－ｎ‥サーバ装置、６‥広告配信装置、１０‥情報処理装置、１２‥通信部、１４‥位置情報取得部、１６‥第１推定部、１８‥第２推定部、２０‥処理部、２２‥決定部、２４‥提供部、３０‥記憶部、３２‥位置履歴情報、３４‥地図情報、３６‥行動解析情報、３８‥行動属性情報、４０‥クエリ情報、４２‥拡張モデル、４４‥拡張情報

Claims (16)

1. 複数の第１のユーザの位置情報を取得する取得部と、
   前記取得部により取得された前記第１のユーザのそれぞれの位置情報に基づいて、前記第１のユーザのそれぞれの行動属性を推定する推定部と、
   位置情報に基づいて行動属性を決定することができない第２のユーザのネットワークにおける行動履歴に類似する行動履歴を有する前記第１のユーザに関連付けられた行動属性を決定する決定部と、
   前記推定部により推定された前記第１のユーザの行動属性に応じたコンテンツを、前記第１のユーザに提供し、
   前記決定部により決定された行動属性に応じたコンテンツを、前記第２のユーザに提供する提供部と、
   を備える情報処理装置。
2. 前記決定部は、位置情報が取得されていない第２のユーザまたは取得された位置情報に基づいて行動属性を決定することができない第２のユーザのネットワークにおける行動履歴と、前記第１のユーザの行動履歴とに基づいて、前記第２のユーザの行動属性が、前記第１のユーザの行動属性のうち、どの行動属性に分類されるかを決定する、
   請求項１に記載の情報処理装置。
3. 前記行動属性とは、ユーザの興味、関心、生活様式、ライフステージ、および消費傾向のうち、一以上の要素を示すものである、
   請求項１または２に記載の情報処理装置。
4. 前記推定部は、前記位置情報に基づいて、前記第１のユーザの自宅と職場とのうち一方または双方を特定し、特定した結果を利用して、前記第１のユーザの行動属性を推定する、
   請求項１から３のうちいずれか１項に記載の情報処理装置。
5. 前記推定部は、前記位置情報のうち、前記自宅と職場とのうち一方または双方の位置に対応する位置情報を除外して、前記第１のユーザの行動属性を推定する、
   請求項４に記載の情報処理装置。
6. 前記推定部は、前記位置情報に基づいて、前記自宅に滞在している時間と前記職場に滞在している時間との一方または双方に基づいて、前記第１のユーザの行動属性を推定する、
   請求項４または５に記載の情報処理装置。
7. 前記推定部は、前記位置情報に対応する施設の情報に基づいて、前記第１のユーザの行動属性を推定する、
   請求項１から６のうちいずれか１項に記載の情報処理装置。
8. 前記提供部は、前記第１のユーザの行動属性に応じたコンテンツを、前記第１のユーザと前記第２のユーザとの一方または双方に提供し、前記位置情報に対応する施設の情報が変更された場合、前記第１のユーザと前記第２のユーザとのうち一方または双方に提供するコンテンツを変更する、
   請求項１または２に記載の情報処理装置。
9. 前記第１のユーザのネットワークにおける行動履歴の特徴を示す第１特徴量、および複数のユーザに含まれるユーザのネットワークにおける行動履歴の特徴を示す第２特徴量を抽出し、前記第１特徴量に類似する第２特徴量を有するユーザを第２のユーザとして抽出する抽出部を備える、
   請求項１または２に記載の情報処理装置。
10. 前記第１のユーザのネットワークにおける行動履歴における特徴を示す特徴量が学習された学習済モデルに、複数のユーザに含まれるユーザのネットワークにおける行動履歴における特徴を示す第３特徴量を入力し、前記学習済モデルが出力した結果に基づいて、前記複数のユーザに含まれるユーザが第２のユーザに該当するか否かを決定する抽出部を備える、
    請求項１または２に記載の情報処理装置。
11. 前記第１のユーザは、複数のサーバ装置により提供されるサービスを共通の識別情報を使用して利用するユーザであり、
    前記ネットワークにおける行動履歴は、複数のサービスにまたがって収集される、
    請求項１、２、９、または１０に記載の情報処理装置。
12. 前記行動属性は、職場に滞在している時間が長いこと、不動産に興味があること、旅行に興味があること、スポーツに興味があること、テーマパークに興味があること、または運動に興味がないことのうち一つである、
    請求項１から１１のうちいずれか１項に記載の情報処理装置。
13. 前記決定部は、
    前記第１のユーザの行動属性ごとに用意された複数の学習済モデルのそれぞれに前記第２のユーザのネットワークにおける行動履歴における特徴を示す特徴量を入力し、前記学習済モデルが出力した結果に基づいて、前記第２のユーザの行動履歴に類似する行動履歴を有する前記第１のユーザを決定し、前記第１のユーザに関連付けられた行動属性を決定し、
    前記学習済モデルは、前記第１のユーザのネットワークにおける行動履歴における特徴を示す特徴量が学習されたモデルである、
    請求項１から８のうちいずれか１項に記載の情報処理装置。
14. 前記提供部は、
    前記推定部により推定された前記第１のユーザの行動属性と前記第１のユーザのネットワークにおける行動履歴とに対応するカテゴリに応じたコンテンツを、前記第１のユーザに提供し、
    前記決定部により決定された前記第２のユーザの行動属性と前記第２のユーザの行動履歴とに対応するカテゴリに応じたコンテンツを、前記第２のユーザに提供する、
    請求項１から１３のうちいずれか１項に記載の情報処理装置。
15. コンピュータが、
    複数の第１のユーザの位置情報を取得し、
    前記取得された前記第１のユーザのそれぞれの位置情報に基づいて、前記第１のユーザのそれぞれの行動属性を推定し、
    位置情報に基づいて行動属性を決定することができない第２のユーザのネットワークにおける行動履歴に類似する行動履歴を有する前記第１のユーザに関連付けられた行動属性を決定し、
    前記推定された前記第１のユーザの行動属性に応じたコンテンツを、前記第１のユーザに提供し、
    前記決定された行動属性に応じたコンテンツを、前記第２のユーザに提供する、
    情報処理方法。
16. コンピュータに、
    複数の第１のユーザの位置情報を取得させ、
    前記取得された前記第１のユーザのそれぞれの位置情報に基づいて、前記第１のユーザのそれぞれの行動属性を推定させ、
    位置情報に基づいて行動属性を決定することができない第２のユーザのネットワークにおける行動履歴に類似する行動履歴を有する前記第１のユーザに関連付けられた行動属性を決定させ、
    前記推定された前記第１のユーザの行動属性に応じたコンテンツを、前記第１のユーザに提供させ、
    前記決定された行動属性に応じたコンテンツを、前記第２のユーザに提供させる、
    プログラム。

Images