JP7032594B1 - 情報提供装置、情報処理方法、およびプログラム - Google Patents

Abstract

【課題】提供先が求める情報を提供する情報提供装置、情報処理方法、およびプログラムを提供すること。【解決手段】本願に係る情報提供装置は、取得部と、推定部とを備える。取得部は、提供先のユーザのデータに基づいて提供先のユーザがクラスタリングされた提供先クラスタに関する情報を提供先クラスタデータとして取得する。推定部は、所定事業者のユーザのデータに基づいて所定事業者のユーザがクラスタリングされた事業者クラスタに関する情報である事業者クラスタデータと、提供先クラスタデータとの類似性に基づいて、提供先クラスタと、事業者クラスタとの関連性を推定する。【選択図】図１

Description

本発明は、情報提供装置、情報処理方法、およびプログラムに関する。

従来、複数の事業者が販売する取引対象を購買可能な電子商店街のサービスが提供されている。このようなサービスの一例として、ユーザの属性に応じて選択された取引対象を提案する技術が知られている。

特開２０１４－１８６５８２号公報

取引対象を提案する場合に、事業者から提供先に情報が提供され、提供先は、提供された情報に基づいて提供先のユーザに取引対象を提案することも可能である。しかしながら、この場合、事業者は、提供先が求める情報を提供先に提供できないおそれがある。

本願は、上記に鑑みてなされたものであって、提供先が求める情報を提供可能な情報提供装置、情報処理方法、およびプログラムを提供することを目的とする。

本願にかかる情報提供装置は、取得部と、推定部とを備える。取得部は、提供先のユーザのデータに基づいて提供先のユーザがクラスタリングされた提供先クラスタに関する情報を提供先クラスタデータとして取得する。推定部は、所定事業者のユーザのデータに基づいて所定事業者のユーザがクラスタリングされた事業者クラスタに関する情報である事業者クラスタデータと、提供先クラスタデータとの類似性に基づいて、提供先クラスタと、事業者クラスタとの関連性を推定する。

実施形態の一態様によれば、情報提供装、置情報処理方法、およびプログラムは、提供先が求める情報を提供することができる。

図１は、実施形態に係る情報処理方法の概略を示す説明図である。 図２は、実施形態に係る情報処理システムの構成例を示す図である。 図３は、実施形態に係る情報提供装置の構成例を示すブロック図である。 図４は、実施形態に係る統計情報提供処理を説明するフローチャートである。 図５は、事業者クラスタに属する事業者のユーザにおける好み（興味）の対応関係を示す表である。 図６は、情報提供装置の機能を実現するコンピュータの一例を示すハードウェア構成図である。

以下に、本願にかかる情報提供装置、情報処理方法、および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かかる情報提供装置、情報処理方法、およびプログラムが限定されるものではない。

＜情報処理方法の概要＞
まず、図１を参照し、実施形態に係る情報提供装置１が行う情報処理方法の概要について説明する。図１は、実施形態に係る情報処理方法の概略を示す説明図である。

情報提供装置１は、外部装置１００とネットワークＮ（図２参照）を介して有線、または無線で互いに通信可能に接続される。

外部装置１００は、情報提供装置１から各種情報が提供される提供先の情報処理装置であり、サーバ装置やクラウドシステムなどにより実現される。外部装置１００は、提供先のユーザに関するデータを有する。ユーザに関するデータは、ユーザの属性を含む。

ユーザの属性は、ユーザのデモグラフィック（人口統計学的属性）、ジオグラフィック（地理学的属性）、ベヘイビオラル（行動学的属性）などを含む。例えば、ユーザに関するデータは、氏名、年齢、性別、家族構成、出身地（地元）、職業、職位、収入、資格、居住形態（戸建、マンション等）、車の有無、通学・通勤時間、通学・通勤経路、定期券区間（駅、路線等）、勤務地、利用頻度の高い駅（自宅・勤務地の最寄駅以外）、習い事（場所、時間帯等）、趣味、興味、ライフスタイル等の情報のデータを含む。

また、ユーザに関するデータは、ユーザの行動ログを含んでもよい。ユーザの行動ログは、例えば、検索クエリ、行動などの情報のデータを含む。検索クエリは、ユーザが検索エンジンなどに入力したキーワードを示す。行動は、例えば、購入等のコンバージョン（最終的な行動）へと至る段階的な行動（クリックする、カートに入れる、購入ボタンを押す等）である。

外部装置１００は、第１分類モデルを用いて、提供先のユーザに関するデータに基づいて提供先のユーザをクラスタリングする。

第１分類モデルは、提供先のユーザに関するデータに基づいて、提供先のユーザをクラスタリングするモデルである。第１分類モデルは、任意の機械学習のアルゴリズムを適用することで生成される。任意の機械学習のアルゴリズムは、ディープラーニングをはじめ、ロジスティック分析やランダムフォレスト、サポートベクタマシン、決定木などを含む。

第１分類モデルは、各クラスタに含まれる提供先のユーザの数が、所定数以上となるように生成される。所定数は、ユーザが特定されることを抑制する数であり、例えば、「１０」である。

外部装置１００は、提供先のユーザに関するデータに基づいて第１分類モデルを生成する。なお、外部装置１００は、他の装置によって生成された第１分類モデルを記憶し、記憶した第１分類モデルを用いてもよい。

外部装置１００は、第１分類モデルを用いて、提供先のユーザをクラスタリングし、提供先のユーザのクラスタ（以下、「提供先クラスタ」と称する。）に関する情報を提供先クラスタデータとして生成する。提供先クラスタデータは、提供先クラスタのラベル、提供先クラスタに属する提供先のユーザに関する統計情報、および提供先クラスタに属する提供先のユーザの属性のうち少なくとも１つを含む。

統計情報は、各クラスタに属するユーザに関する統計情報である。例えば、提供先のユーザに関する統計情報は、提供先のユーザの趣味、提供先のユーザの興味、提供先のユーザの購買実績などを含む。例えば、提供先のユーザに関する統計情報は、提供先のユーザが車好きであることや、ワイン好きであることなどである。

統計情報は、ユーザの属性を満たす度合いのスコアであってもよい。例えば、提供先のユーザに関する統計情報は、提供先のユーザが冷蔵庫を購入する可能性を示すスコアなどであってもよい。

情報提供装置１は、事業者（所定事業者）の情報処理装置であり、サーバ装置やクラウドシステムなどにより実現される。情報提供装置１は、事業者のユーザに関するデータを有する。情報提供装置１は、第２分類モデルを用いて、事業者のユーザに関するデータに基づいて事業者のユーザをクラスタリングする。

第２分類モデルは、事業者のユーザに関するデータに基づいて、事業者のユーザをクラスタリングするモデルである。第２分類モデルは、任意の機械学習のアルゴリズムを適用することで生成される。任意の機械学習のアルゴリズムは、ディープラーニングをはじめ、ロジスティック分析やランダムフォレスト、サポートベクタマシン、決定木などを含む。

第２分類モデルは、各クラスタに含まれる事業者のユーザの数が、所定数以上となるように生成される。

情報提供装置１は、事業者のユーザに関するデータに基づいて第２分類モデルを生成する。なお、情報提供装置１は、他の装置によって生成された第２分類モデルを記憶し、記憶した第２分類モデルを用いてもよい。

情報提供装置１は、第２分類モデルを用いて、事業者のユーザをクラスタリングし、事業者のユーザのクラスタ（以下、「事業者クラスタ」と称する。）に関する情報を事業者クラスタデータとして生成する。事業者クラスタデータは、事業者クラスタのラベル、事業者クラスタに属する事業者のユーザに関する統計情報、および事業者クラスタに属する事業者のユーザの属性のうち少なくとも１つを含む。

情報提供装置１は、外部装置１００から、提供先クラスタデータを取得する（Ｓ１）。情報提供装置１は、取得した提供先クラスタデータと、事業者クラスタデータとの類似性に基づいて、提供先クラスタと、事業者クラスタとの関連性を推定する（Ｓ２）。

例えば、提供先クラスタデータとして「クラスタＡ」が取得された場合、情報提供装置１は、「クラスタＡ」のラベルと、事業者の各クラスタのラベルとの類似性を判定する。そして、情報提供装置１は、「クラスタＡ」のラベルに最も類似する事業者のクラスタ「クラスタａｂ」を、提供先クラスタに関連する事業者クラスタとして推定する。

なお、情報提供装置１は、後述するように、各クラスタのラベル（ユーザをクラスタリングする前に設定されたラベル、すなわち、正解となるラベルのみならず、クラスタ分けされたユーザに関する情報の共通性に基づいて事後的に適用されるラベルを含む概念である。）等、カテゴリ間の類似性に基づいて、事業者クラスタと提供先クラスタとの間の類似性を示すスコアの値が最も高いクラスタの組合せや、スコアの値が所定の閾値を超えるクラスタの組合せを、関連するクラスタとすればよい。このようにどの提供先クラスタとどの事業者クラスタとを関連するクラスタとして対応付けるかについては、後述する。

情報提供装置１は、提供先クラスタに関連する事業者クラスタの統計情報を、提供先に提供する（Ｓ３）。具体的には、情報提供装置１は、提供先クラスタに関連する事業者クラスタの統計情報を、外部装置１００に送信する。例えば、情報提供装置１は、事業者クラスタ「クラスタａｂ」の統計情報を提供先に提供する。

統計情報が提供された提供先は、提供された統計情報に基づいて、提供先のユーザに提案などを行うことができる。そのため、提供先は、提供先のユーザに関連性が高い統計情報に基づいて、提供先のユーザに提案を行うことができる。

なお、事業者、および提供先との間で、各ユーザの個人情報が送信されることはない。すなわち、事業者、および提供先との間で、各ユーザが特定される情報が送受信されることはない。

＜情報処理システムの構成＞
次に、図２を参照し、情報処理システム３００の構成について説明する。図２は、実施形態に係る情報処理システム３００の構成例を示す図である。情報処理システム３００は、外部装置１００と、情報提供装置１と、端末装置２００とを備える。

図２に示す情報処理システム３００に含まれる各装置の数は図示したものに限られない。例えば、図２では、図示の簡略化のため、端末装置２００を１台のみ示したが、これはあくまでも例示であって限定されるものではなく、２台以上であってもよい。

端末装置２００は、ユーザによって使用される情報処理装置である。例えば、端末装置２００は、スマートフォンやタブレット端末等のスマートデバイス、フィーチャーフォン、ＰＣ（Personal Computer）、ＰＤＡ（Personal Digital Assistant）、カーナビゲーションシステム、スマートウォッチやヘッドマウントディスプレイ等のウェアラブルデバイス（Wearable Device）、スマートグラス等である。

また、かかる端末装置２００は、ＬＴＥ（Long Term Evolution）、４Ｇ（4th Generation）、５Ｇ（5th Generation：第５世代移動通信システム）等の無線通信網や、Ｂｌｕｅｔｏｏｔｈ（登録商標）、無線ＬＡＮ（Local Area Network）等の近距離無線通信を介してネットワークＮに接続し、外部装置１００、および情報提供装置１と通信することができる。

外部装置１００は、端末装置２００を介して、ユーザ（提供先のユーザ）に関するデータを取得することができる。情報提供装置１は、端末装置２００を介して、ユーザ（事業者のユーザ）に関するデータを取得することができる。

＜情報提供装置の構成＞
次に、図３を参照し、情報提供装置１の構成について説明する。図３は、実施形態に係る情報提供装置１の構成例を示す図である。情報提供装置１は、通信部１０と、記憶部２０と、制御部３０とを備える。

通信部１０は、例えば、ＮＩＣ（Network Interface Card）等によって実現される。また、通信部１０は、ネットワークＮ（図２参照）と有線又は無線で接続される。

記憶部２０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、又は、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。

記憶部２０は、事業者のユーザに関するデータ、第２分類モデル、および統計情報などを記憶する。記憶部２０は、ユーザ情報データベース２１と、モデルデータベース２２と、統計情報データベース２３とを有する。

ユーザ情報データベース２１は、事業者のユーザに関する各種情報を記憶する。例えば、ユーザ情報データベース２１は、事業者のユーザの属性等の種々の情報を記憶する。例えば、ユーザ情報データベース２１は、「ユーザＩＤ（Identifier）」、「年齢」、「性別」、「自宅」、「勤務地」、「興味」といった項目を有する。ユーザＩＤは、事業者のユーザを識別するための識別情報を示す。

また、ユーザ情報データベース２１は、事業者のユーザの行動ログに関する各種情報を記憶する。例えば、ユーザ情報データベース２１は、「ユーザＩＤ」、「検索クエリ」、「行動」といった項目を有する。

なお、ユーザ情報データベース２１は、上記に限らず、目的に応じて種々の情報を記憶してもよい。例えば、ユーザ情報データベース２１は、事業者のユーザの位置履歴、検索履歴、閲覧履歴、購買履歴、投稿履歴等の情報を記憶してもよい。

モデルデータベース２２は、後述する生成部３２によって生成された第２分類モデルを記憶する。

統計情報データベース２３は、第２分類モデルによって分類された事業者のユーザのクラスタ毎の統計情報を記憶する。統計情報データベース２３は、クラスタ毎に、複数の統計情報を記憶してもよい。例えば、統計情報データベース２３は、各クラスタに属する事業者のユーザおける趣味、興味、および購買実績などを記憶する。

制御部３０は、コントローラ（Controller）であり、例えば、ＣＰＵ（Central Processing Unit）、ＭＰＵ（Micro Processing Unit）、ＡＳＩＣ（Application Specific Integrated Circuit）やＦＰＧＡ（Field Programmable Gate Array）等によって、情報提供装置１の内部の記憶装置に記憶されている各種プログラム（情報処理プログラムの一例に相当）がＲＡＭ等の記憶領域を作業領域として実行されることにより実現される。

図３に示す例では、制御部３０は、取得部３１と、生成部３２と、推定部３３と、特定部３４と、提供部３５とを備える。取得部３１、生成部３２、推定部３３と、特定部３４、および提供部３５は、これに限られず、統合されて構成されてもよく、また、分割されて構成されてもよい。

取得部３１は、通信部１０を介して、端末装置２００から、事業者のユーザに関するデータを取得する。例えば、取得部３１は、通信部１０を介して、端末装置２００の操作に応じて、ユーザの端末装置２００から事業者のユーザの属性や、事業者のユーザの行動ログを取得する。

取得部３１は、通信部１０を介して、提供先クラスタデータを外部装置１００から取得する。

生成部３２は、取得部３１によって取得された事業者のユーザに関するデータを用いて機械学習を行い、第２分類モデルを生成する。

推定部３３は、提供先クラスタデータと、事業者クラスタデータとの類似性に基づいて、提供先クラスタと、事業者クラスタとの関連性を推定する。

推定部３３は、提供先クラスタ、および事業者クラスタにそれぞれラベルが付されている場合、提供先クラスタのラベルと、事業者クラスタのラベルとの類似性を判定する。推定部３３は、提供先クラスタのラベルと、事業者クラスタのラベルとについて設定された対応関係に基づいて提供先クラスタのラベルと、事業者クラスタのラベルとの類似性を判定する。

提供先クラスタのラベルと、事業者クラスタのラベルとの類似性は、類似判定モデルを用いて判定されてもよい。類似判定モデルは、任意の機械学習のアルゴリズムを適用することで生成される。類似判定モデルは、統計情報が提供先に提供された場合に、提供先から提供情報の提供結果に基づいて学習されてもよい。

推定部３３は、提供先クラスタデータと、事業者クラスタデータとの類似性を、提供先ユーザの統計情報と、事業者ユーザの統計情報とに基づいて判定してもよい。例えば、推定部３３は、提供先クラスタにおける提供先のユーザが「車好き」である場合、「車好き」の事業者のユーザが属する事業者クラスタを、提供先クラスタに類似するクラスタとして判定する。

推定部３３は、提供先クラスタ、および事業者クラスタにそれぞれラベルが付されていない場合、提供先クラスタに属する提供先のユーザの属性、および事業者クラスタに属する事業者のユーザの属性との類似性を判定する。推定部３３は、提供先クラスタに属する提供先のユーザの属性に類似する属性を有する事業者のユーザが属するクラスタを、提供先クラスタに類似する事業者クラスタとして判定する。

推定部３３は、提供先クラスタに類似する事業者クラスタを、提供先クラスタに関連する事業者クラスタとして推定する。推定部３３は、提供先クラスタに類似する事業者クラスタが複数ある場合、提供先クラスタに最も類似する事業者クラスタを、提供先クラスタに関連する事業者クラスタとして推定する。

特定部３４は、推定部３３によって推定された、提供先クラスタに関連する事業者クラスタの統計情報を特定する。統計情報の種類は、例えば、事業者によって設定される。統計情報の種類は、提供先に指定されてもよい。特定部３４は、複数の統計情報を特定してもよい。

提供部３５は、特定部３４によって特定された統計情報を、通信部１０を介して外部装置１００に送信する。すなわち、提供部３５は、提供先クラスタに関連する事業者クラスタの統計情報を提供先に提供する。

＜統計情報提供処理の説明＞
次に、実施形態に係る統計情報提供処理について図４を参照し説明する。図４は、実施形態に係る統計情報提供処理を説明するフローチャートである。

情報提供装置１の制御部３０は、外部装置１００から、提供先クラスタデータを取得する（Ｓ１００）。

情報提供装置１の制御部３０は、提供先クラスタデータと、事業者クラスタデータとの類似性に基づいて、提供先クラスタと、事業者クラスタとの関連性を推定する（Ｓ１０１）。

情報提供装置１の制御部３０は、提供先クラスタに関連する事業者クラスタの統計情報を特定する（Ｓ１０２）。

情報提供装置１の制御部３０は、提供先クラスタに関連する事業者クラスタの統計情報を外部装置１００に送信する（Ｓ１０３）。

＜効果＞
情報提供装置１は、取得部３１と、推定部３３とを備える。取得部３１は、提供先クラスタに関する情報を提供先クラスタデータとして取得する。推定部３３は、事業者クラスタに関する情報である事業者クラスタデータと、提供先クラスタデータとの類似性に基づいて、提供先クラスタと、事業者クラスタとの関連性を推定する。

これにより、情報提供装置１は、提供先クラスタと関連性が高い事業者クラスタを推定することができる。そのため、情報提供装置１は、提供先クラスタと関連性が高い情報を提供先に提供することができる。

情報提供装置１は、提供部３５を備える。提供部３５は、推定部３３によって提供先クラスタに関連すると推定された事業者クラスタに関する統計情報を提供先に提供する。

これにより、情報提供装置１は、提供先クラスタと関連性が高い事業者クラスタの統計情報を提供先に提供することができる。また、情報提供装置１は、事業者のユーザの個人情報を提供先に送信することなく、提供先が求める情報を提供することができる。

推定部３３は、提供先クラスタのラベルと、事業者クラスタのラベルとの類似性に基づいて、提供先クラスタと、事業者クラスタとの関連性を推定する。

これにより、情報提供装置１は、提供先クラスタと関連性が高い事業者クラスタを容易に推定することができる。

推定部３３は、提供先クラスタに属する提供先のユーザの属性と、事業者クラスタに属する事業者のユーザの属性との類似性に基づいて、提供先クラスタと、事業者クラスタとの関連性を推定する。

これにより、情報提供装置１は、提供先クラスタと関連性が高い事業者クラスタを精度よく推定することができる。

推定部３３は、類似判定モデルを用いて、提供先クラスタと事業者クラスタとの関連性を推定する。

これにより、情報提供装置１は、提供先クラスタと関連性が高い事業者クラスタを精度よく推定することができる。

＜変形例＞
変形例に係る情報提供装置１は、事業者クラスタのラベルを、事業者のユーザの属性に基づいて推定してもよい。例えば、変形例に係る情報提供装置１は、事業者のユーザの属性に基づいて、ラベリング処理を実行するモデルを用いて事業者クラスタのラベルを推定してもよい。

これにより、変形例に係る情報提供装置１は、提供先クラスタにラベルが付けられており、事業者クラスタにラベルが付けられていない場合に、提供先クラスタのラベルと、推定された事業者クラスタのラベルとに基づいて、提供先クラスタに関連する事業者クラスタを推定することができる。

なお、提供先クラスタにラベルが付けられていない場合にも、同様に、ラベリング処理を実行するモデルを用いて提供先クラスタのラベルが推定されてもよい。提供先クラスタのラベルの推定は、外部装置１００によって行われてもよく、情報提供装置１によって行われてもよい。

また、提供先クラスタ、および事業者クラスタにそれぞれラベルが付けられていない場合に、ラベリング処理を実行するモデルを用いて提供先クラスタ、および事業者クラスタにそれぞれラベルが付けられてもよい。この場合、同一のモデルを用いて、提供先クラスタ、および事業者クラスタにそれぞれラベルが付けられてもよい。これにより、変形例に係る情報提供装置１は、提供先クラスタに類似（一致）する事業者クラスタを推定することができ、提供先クラスタに関連する事業者クラスタを正確に推定することができる。従って、変形例に係る情報提供装置１は、提供先が求める統計情報を提供先に提供することができる。

変形例に係る情報提供装置１は、提供先クラスタにおける統計情報と、事業者クラスタにおける統計情報との類似性に基づいて、提供先クラスタに関連する事業者クラスタの統計情報を推定してもよい。例えば、変形例に係る情報提供装置１は、図５に示すように、事業者クラスタの統計情報の対応関係のデータを有する。図５は、事業者クラスタの統計情報の対応関係のデータを示す一例である。図５は、事業者クラスタに属する事業者のユーザにおける好み（興味）の対応関係を示す表である。図５では、対応関係がある、すなわち肯定的な関係を「○」で示し、否定的な関係を「×」で示す。

例えば、提供先クラスタにおける統計情報に類似（一致）する事業者クラスタの統計情報が「ＧＨ好き」である場合、「ＧＨ好き」の事業者のユーザは、「ＪＫ好き」、および「ＰＱ好き」である。また、「ＧＨ好き」の事業者のユーザは、「ＬＭ好き」ではない。

このような場合、変形例に係る情報提供装置１は、提供先クラスタに属し、「ＧＨ好き」の提供先のユーザが「ＪＫ好き」、および「ＰＱ好き」であることを、統計情報として提供する。なお、変形例に係る情報提供装置１は、提供先クラスタに属し、「ＧＨ好き」の提供先のユーザが「ＬＭ好き」ではないことを、統計情報として提供してもよい。なお、対応関係を有する統計情報は、ユーザが入力した検索クエリや、ランディングページなどであってもよい。

これにより、変形例に係る情報提供装置１は、提供先が有する提供先のユーザの統計情報から推定できない統計情報を、提供先に提供することができる。

変形例に係る情報提供装置１は、複数の提供先に提供した統計情報の評価結果を提供先から受信してもよい。変形例に係る情報提供装置１は、提供先毎に、提供先クラスタデータと、事業者クラスタデータとの類似性を判定する方法、例えば、類似性を判定するために用いるユーザの属性を、統計情報の評価結果に基づいて変更してもよい。

これにより、変形例に係る情報提供装置１は、提供先クラスタに関連性がある事業者クラスタを、提供先に応じて推定することができ、提供先クラスタに関連性がある事業者クラスタの推定精度を向上させることができる。そのため、変形例に係る情報提供装置１は、提供先が求める統計情報を提供先に提供することができる。

変形例に係る情報提供装置１は、事業者のユーザの属性に基づいてカテゴリＩＤを生成してもよい。例えば、変形例に係る情報提供装置１は、事業者のユーザの属性の条件を満たすか否かを判定するモデルを用いて、事業者のユーザの属性の条件に対して「０」または「１」を付与する。そして、変形例に係る情報提供装置１は、事業者のユーザの属性の「０」または「１」を連結した文字列を１６進数に変換する。このようにして、変形例に係る情報提供装置１は、カテゴリＩＤを生成する。生成されたカテゴリＩＤは、記憶部２０に記憶される。

外部装置１００においても、同様に、カテゴリＩＤが生成される。変形例に係る情報提供装置１は、外部装置１００からカテゴリＩＤを取得し、取得したカテゴリＩＤに類似するカテゴリＩＤを読み出し、読み出したカテゴリＩＤに基づいて、提供先クラスタと事業者クラスタとの関連性を推定する。提供先のユーザ、および事業者のユーザにおいて、同様の属性を有する場合、提供先クラスタにおけるカテゴリＩＤと、事業者クラスタにおけるカテゴリＩＤは、類似する。そのため、変形例に係る情報提供装置１は、カテゴリＩＤを用いて提供先クラスタに関連する事業者クラスタを精度よく推定することができる。

これにより、変形例に係る情報提供装置１は、提供先クラスタに関連する事業者クラスタを精度よく推定することができる。そのため、変形例に係る情報提供装置１は、提供先が求める統計情報を提供先に提供することができる。

変形例に係る情報提供装置１は、上述した各種処理により、事業者クラスタと提供先クラスタとの間の関係性を示す関係性情報（例えば、各クラスタ間の関係性を示す対応テーブル）を取得してもよい。例えば、変形例に係る情報提供装置１は、提供先クラスタごとに、事業者クラスタとの間の関係性を判定することで、関係性情報を取得することができる。このような関係性情報を用いて、変形例に係る情報提供装置１は、各種関係性の予測を行ってもよい。

例えば、変形例に情報提供装置１は、複数の提供先について上述した処理を実行することにより、提供先ごとの関係性情報を生成する。そして、変形例に係る情報提供装置１は、所定の事業者クラスタと関連性が高いと推定された提供先クラスタに付与されたラベルや統計情報の特徴を学習することで、所定の事業者クラスタと関連性が高い提供先クラスタが有する特徴を学習したモデルを生成する。その後、変形例に係る情報提供装置１は、例えば、新規の提供先から提供先クラスタのラベルや統計情報を受け付けた場合は、かかるラベルや統計情報と、生成したモデルとを用いて、所定の事業者クラスタとの間の関係性を判定してもよい。

＜ハードウェア構成＞
また、上述した実施形態に係る外部装置１００、情報提供装置１、端末装置２００は、例えば図６に示すような構成のコンピュータ１０００によって実現される。以下、情報提供装置１を例に挙げて説明する。図６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Ｉ／Ｆ（Interface）１０６０、入力Ｉ／Ｆ１０７０、ネットワークＩ／Ｆ１０８０がバス１０９０により接続された形態を有する。

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。演算装置１０３０は、例えばＣＰＵ（Central Processing Unit）、ＭＰＵ（Micro Processing Unit）、ＡＳＩＣ（Application Specific Integrated Circuit）やＦＰＧＡ（Field Programmable Gate Array）等により実現される。

一次記憶装置１０４０は、ＲＡＭ（Random Access Memory）等、演算装置１０３０が各種の演算に用いるデータを一次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）、ＳＳＤ（Solid State Drive）、フラッシュメモリ等により実現される。二次記憶装置１０５０は、内蔵ストレージであってもよいし、外付けストレージであってもよい。また、二次記憶装置１０５０は、ＵＳＢメモリやＳＤ（Secure Digital）メモリカード等の取り外し可能な記憶媒体であってもよい。また、二次記憶装置１０５０は、クラウドストレージ（オンラインストレージ）やＮＡＳ（Network Attached Storage）、ファイルサーバ等であってもよい。

出力Ｉ／Ｆ１０６０は、ディスプレイ、プロジェクタ、およびプリンタ等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ーフェイスであり、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Ｉ／Ｆ１０７０は、マウス、キーボード、キーパッド、ボタン、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ーフェイスであり、例えば、ＵＳＢ等により実現される。

また、出力Ｉ／Ｆ１０６０および入力Ｉ／Ｆ１０７０はそれぞれ出力装置１０１０および入力装置１０２０と無線で接続してもよい。すなわち、出力装置１０１０および入力装置１０２０は、ワイヤレス機器であってもよい。

また、出力装置１０１０および入力装置１０２０は、タッチパネルのように一体化していてもよい。この場合、出力Ｉ／Ｆ１０６０および入力Ｉ／Ｆ１０７０も、入出力Ｉ／Ｆとして一体化していてもよい。

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、又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。

ネットワークＩ／Ｆ１０８０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。

演算装置１０３０は、出力Ｉ／Ｆ１０６０や入力Ｉ／Ｆ１０７０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。

例えば、コンピュータ１０００が情報提供装置１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３０の機能を実現する。また、コンピュータ１０００の演算装置１０３０は、ネットワークＩ／Ｆ１０８０を介して他の機器から取得した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してもよい。また、コンピュータ１０００の演算装置１０３０は、ネットワークＩ／Ｆ１０８０を介して他の機器と連携し、プログラムの機能やデータ等を他の機器の他のプログラムから呼び出して利用してもよい。

＜その他＞
以上、本願の実施形態を説明したが、これら実施形態の内容により本発明が限定されるものではない。また、前述した構成要素には、当業者が容易に想定できるもの、実質的に同一のもの、いわゆる均等の範囲のものが含まれる。さらに、前述した構成要素は適宜組み合わせることが可能である。さらに、前述した実施形態の要旨を逸脱しない範囲で構成要素の種々の省略、置換又は変更を行うことができる。

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

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

例えば、上述した情報提供装置１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フレームワーク等をＡＰＩ（Application Programming Interface）やネットワークコンピューティング等で呼び出して実現する等、構成は柔軟に変更できる。

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

また、上述してきた「部（section、module、unit）」は、「手段」や「回路」等に読み替えることができる。例えば、取得部３１は、取得手段や取得回路に読み替えることができる。

１ 情報提供装置
１０ 通信部
２０ 記憶部
３０ 制御部
３１ 取得部
３２ 生成部
３３ 推定部
３４ 特定部
３５ 提供部
１００ 外部装置
２００ 端末装置
３００ 情報処理システム

Claims (8)

1. 提供先のユーザのデータに基づいて前記提供先のユーザがクラスタリングされた提供先クラスタに関する情報を提供先クラスタデータとして取得する取得部と、
   所定事業者のユーザのデータに基づいて前記所定事業者のユーザがクラスタリングされた事業者クラスタに関する情報である事業者クラスタデータと、前記提供先クラスタデータとの類似性に基づいて、前記提供先クラスタと、前記事業者クラスタとの関連性を推定する推定部と
   を備える、情報提供装置。
2. 前記推定部によって前記提供先クラスタに関連すると推定された前記事業者クラスタに関する統計情報を前記提供先に提供する提供部
   を備える、請求項１に記載の情報提供装置。
3. 前記推定部は、前記提供先クラスタのラベルと、前記事業者クラスタのラベルとの類似性に基づいて、前記提供先クラスタと、前記事業者クラスタとの関連性を推定する、請求項１または２に記載の情報提供装置。
4. 前記提供先クラスタのラベルは、前記提供先クラスタに含まれる前記提供先のユーザの属性に基づいて推定され、
   前記事業者クラスタのラベルは、前記事業者クラスタに含まれる前記所定事業者のユーザの属性に基づいて推定される、請求項３に記載の情報提供装置。
5. 前記推定部は、前記提供先クラスタに属する前記提供先のユーザの属性と、前記事業者クラスタに属する前記所定事業者のユーザの属性との類似性に基づいて、前記提供先クラスタと、前記事業者クラスタとの関連性を推定する、請求項１または２に記載の情報提供装置。
6. 前記推定部は、類似判定モデルを用いて、前記提供先クラスタと前記事業者クラスタとの関連性を推定する、請求項１～５のいずれか１つに記載の情報提供装置。
7. 情報提供装置が実行する情報処理方法であって、
   提供先のユーザのデータに基づいて前記提供先のユーザがクラスタリングされた提供先クラスタに関する情報を提供先クラスタデータとして取得する取得工程と、
   所定事業者のユーザのデータに基づいて前記所定事業者のユーザがクラスタリングされた事業者クラスタに関する情報である事業者クラスタデータと、前記提供先クラスタデータとの類似性に基づいて、前記提供先クラスタと、前記事業者クラスタとの関連性を推定する推定工程と
   を有する、情報処理方法。
8. 提供先のユーザのデータに基づいて前記提供先のユーザがクラスタリングされた提供先クラスタに関する情報を提供先クラスタデータとして取得する取得手順と、
   所定事業者のユーザのデータに基づいて前記所定事業者のユーザがクラスタリングされた事業者クラスタに関する情報である事業者クラスタデータと、前記提供先クラスタデータとの類似性に基づいて、前記提供先クラスタと、前記事業者クラスタとの関連性を推定する推定手順と
   をコンピュータに実行させる、プログラム。

Images