JP7348117B2 - 情報処理装置、情報処理方法、及び情報処理プログラム - Google Patents

Description

本発明は、ユーザにレコメンドするコンテンツを選択する選択モデルの劣化状態を判定する情報処理装置、情報処理方法、及び情報処理プログラムに関する。

従来、インターネットを介して、ニュースや広告等のコンテンツを、ユーザが所有する端末装置にレコメンドする情報処理装置が知られている（例えば、特許文献１参照）。
このような従来の情報処理装置では、ユーザの特徴を示すユーザ特徴ベクトルと、コンテンツの特徴を示すコンテンツ特徴ベクトルとを用いて、ユーザに対するコンテンツのスコアを算出し、当該スコアが高い順にコンテンツを並び替えて、ユーザの端末装置に配信（レコメンド）する。

特開２０１０-２６２３８３号公報

上記のようなレコメンドを配信する情報処理装置においては、適切なコンテンツのレコメンドができているかを確認することが重要である。従来の情報処理装置では、例えば、ＣＴＲ（Click Through Rate）を監視し、ＣＴＲが下がった場合にレコメンドの状態に異常があると判定している。しかし、コンテンツの内容によっては、時事等によるＣＴＲの変動が大きく、従来の情報処理装置では、レコメンドの状態が良好であるかを正確に判定することが困難となる。

本発明は、ユーザにレコメンドするコンテンツを選択する選択モデルの劣化状態を適切に判定可能な情報処理装置、情報処理方法、及び情報処理プログラムを提供することを目的とする。

本発明の情報処理装置は、ユーザによるコンテンツの閲覧履歴を取得する取得部と、前記閲覧履歴と、配信対象である複数のコンテンツのそれぞれのコンテンツ内容情報とを入力とし、前記閲覧履歴に応じた複数の第一コンテンツを出力とする第一選択モデルを用い、前記ユーザに配信する複数の前記第一コンテンツを選択する第一選択部と、前記第一選択モデルとは異なるアルゴリズムによって構成された第二選択モデルを用いて、前記ユーザに配信する少なくとも１つの第二コンテンツを選択する第二選択部と、選択された前記第一コンテンツ及び前記第二コンテンツを含むレコメンド情報を前記ユーザが所持するユーザ端末に配信するレコメンド配信部と、前記第一コンテンツ及び前記第二コンテンツに関する前記閲覧履歴に基づいて、前記第一選択モデルの劣化状態を判定する判定部とを備える。

本発明では、ユーザにレコメンドするコンテンツを選択する第一選択モデルと、第一選択モデルとは異なるアルゴリズムによって構成された第二選択モデルとを用いて、複数の第一コンテンツと少なくとも１つの第二コンテンツとを選択してユーザ端末に配信し、第一コンテンツ及び第二コンテンツに関する閲覧履歴に基づいて、第一選択モデルの劣化状態を判定する。これにより、時事等の影響を抑えつつ、ユーザにレコメンドするコンテンツを選択する選択モデルの劣化状態を適切に判定することができる。

本発明の一実施形態の情報処理システムを示す概略図。 本実施形態のサーバの概略構成を示すブロック図。 本実施形態における第一選択モデルの劣化状態の判定方法における、コンテンツのレコメンド処理を示すフローチャート。 本実施形態のコンテンツのレコメンド表示ページの一例を示す図。 本実施形態のコンテンツのレコメンド表示ページの一例を示す別の図。 本実施形態における第一選択モデルの劣化状態の判定処理を示すフローチャート。

以下、本発明に係る一実施形態について説明する。
［情報処理システムの概要］
図１は、本実施形態の情報処理システムを示す概略図である。
本実施形態の情報処理システムは、図１に示すように、情報処理装置であるサーバ１０、サーバ１０に対してインターネットを介して接続された複数の端末装置２０を備える。この情報処理システムは、サーバ１０から端末装置２０にコンテンツであるニュースコンテンツをレコメンドするレコメンド配信システムであり、端末装置２０を所有するユーザの特徴に応じたコンテンツをレコメンドする。
以下、このような情報処理システムの、特にサーバ１０について詳細に説明する。

［サーバ１０の構成］
図２は、サーバ１０の概略構成を示すブロック図である。
サーバ１０は、一般的なコンピュータにより構成されており、図２に示すように、通信部１１、記憶部１２、プロセッサ１３等の、コンピュータを構成する各部を備えている。なお、サーバ１０を構成するコンピュータの数は特に限定されない。本実施形態では、説明の簡略化のため、１台のコンピュータによってサーバ１０が構成される例を示すが、複数のコンピュータをネットワークで接続して構築されるクラウドサーバをサーバ１０としてもよい。

通信部１１は、インターネットに接続され、インターネットを介して端末装置２０等の各装置と通信する。
記憶部１２は、サーバ１０を制御するための各種情報や情報処理プログラムを記録する。
また、記憶部１２は、端末装置２０に配信するコンテンツを記録するコンテンツ蓄積部１２１、ユーザに関するユーザ情報を記憶するユーザ情報蓄積部１２２等のデータベースと、コンテンツの選択を行うために作成される第一選択モデル１２３及び第二選択モデル１２４とを記憶する。
なお、ここでは、サーバ１０の記憶部１２に、コンテンツ蓄積部１２１、ユーザ情報蓄積部１２２、第一選択モデル１２３、及び第二選択モデル１２４が設けられる例を示すが、サーバ１０とネットワークを介して通信可能に接続された他のデータサーバやクラウドストレージに、これらの情報及びモデルが記録される構成としてもよい。

コンテンツ蓄積部１２１は、端末装置２０に配信可能なコンテンツが蓄積されるデータベースであり、具体的には、複数のコンテンツ情報が記録されている。これらのコンテンツ情報は、例えばサーバ１０の管理者が生成してもよく、コンテンツの編集者が所有する編集者端末から送信されるものであってもよい。あるいは、サーバ１０が、インターネット上の所定のウェブコンテンツをクローリングして収集してもよい。
コンテンツ情報は、コンテンツＩＤ、入稿日時情報、コンテンツ内容情報等を含む。
コンテンツＩＤは、コンテンツを識別する識別情報である。
入稿日時情報はコンテンツが作成または入稿された日時である。
コンテンツ内容情報は、ユーザに配信するコンテンツの内容、つまり入稿記事であり、例えば、テキストデータや画像データ等により構成されている。
なお、本実施形態では、コンテンツの内容は特に限定されず、例えば、ニュース等の記事であってもよく、商品やサービスの広告であってもよく、動画サイトにおけるお勧め動画等であってもよい。このようなコンテンツには、複数のキーワードが含まれるテキストデータが含まれる。

ユーザ情報蓄積部１２２には、複数のユーザ情報が記録されている。このユーザ情報は、ユーザＩＤ、ユーザ属性情報、閲覧履歴情報等を含む。
ユーザＩＤは、ユーザを識別する識別情報である。
ユーザ属性情報は、ユーザの様々な属性を記録する。例えば、ユーザの性別、年齢層、居所等の個人情報が含まれてもよく、ユーザの趣味等の嗜好性が記録されていてもよい。
閲覧履歴情報は、サーバ１０からレコメンドされたコンテンツに対して、ユーザが選択（閲覧）したコンテンツの履歴情報である。
なお、ユーザ情報としては、その他、ユーザが端末装置２０を操作して実施した検索処理における検索キーワードの履歴、インターネットを介した商品売買履歴、ユーザのウェブコンテンツの閲覧履歴等が含まれてもよい。

第一選択モデル１２３は、教師データに基づいて、ディープラーニング等のＡＩを用いた機械学習により生成されたプログラムであって、閲覧履歴情報及びコンテンツ内容情報を入力とし、ユーザにレコメンドする第一コンテンツの選択を行い、結果を出力するモデルである。この第一選択モデル１２３は、公知の機械学習のアルゴリズムにより生成されるモデルであり、例えば、ランダムフォレスト等を用いて生成できる。
第二選択モデル１２４は、第一選択モデル１２３とは異なるアルゴリズムによって構成されたプログラムであり、所定の入力に対してユーザにレコメンドする第二コンテンツの選択を行い、結果を出力する。
第一選択モデル１２３及び第二選択モデル１２４、及び、第一コンテンツ及び第二コンテンツの詳細については、後述する。

プロセッサ１３は、ＣＰＵ等の演算回路、ＲＡＭ等の記録回路により構成される。プロセッサ１３は、記憶部１２に記録されている情報処理プログラムをＲＡＭに展開し、ＲＡＭに展開されたプログラムとの協働で、各種処理を実行する。
そして、プロセッサ１３は、情報処理プログラムを読み込み実行することで、図２に示すように、ユーザ情報取得部１３１、第一選択部１３２、第二選択部１３３、配信部１３４、及び判定部１３５として機能する。

ユーザ情報取得部１３１は、本発明の取得部としても機能し、端末装置２０からユーザ情報を取得する。すなわち、ユーザ情報取得部１３１は、サーバ１０から端末装置２０にレコメンドしたコンテンツに対して、ユーザがいずれかのコンテンツを選択及び閲覧した場合に、その選択されたコンテンツ（選択コンテンツ）と、選択された日時とを取得する。つまり、ユーザのコンテンツに対する閲覧履歴情報を取得する。
また、ユーザ情報取得部１３１は、その他、端末装置２０でのユーザの入力操作によって入力されたユーザ属性を取得したり、検索履歴等の他の行動履歴を取得したりしてもよい。

第一選択部１３２は、上述した第一選択モデル１２３を用い、ユーザにレコメンドする複数の第一コンテンツを選択する。
第一選択部１３２は、ユーザ情報取得部１３１からユーザ情報の閲覧履歴情報、及び、コンテンツ蓄積部１２１に蓄積される各コンテンツ内容を読み出し、第一選択モデル１２３に入力する。
これにより、第一選択モデル１２３は、入力された閲覧履歴情報に基づくユーザ特徴ベクトル、及び、コンテンツ内容情報に基づくコンテンツ特徴ベクトルを算出し、ユーザの興味度を示すスコアが高い順に所定数のコンテンツを出力する。
なお、本実施形態では、第一選択部１３２は、閲覧履歴情報及びコンテンツ内容情報を第一選択モデル１２３に入力するが、第一選択部１３２が、閲覧履歴情報を含むユーザ情報に基づいたユーザ特徴ベクトルや、コンテンツ内容情報に基づくコンテンツ特徴ベクトルを算出して、第一選択モデル１２３に入力してもよい。この場合、第一選択モデル１２３は、ユーザ特徴ベクトル及びコンテンツ特徴ベクトルを入力として、ユーザの興味が高い所定数のコンテンツ情報を出力する。

ここで、第一選択モデル１２３により選択される第一コンテンツは、ユーザが興味を有すると推定されるコンテンツである。そして、第一コンテンツの選択は、第一選択モデル１２３の状態の影響を受ける。つまり、第一選択モデル１２３が劣化していない状態では、入力される閲覧履歴情報に対して出力されるコンテンツ（第一コンテンツ）は実際のユーザの興味と一致または略一致するコンテンツであり、ユーザの興味に対応した適正なレコメンドを実施することができる（レコメンド精度が高い）。しかし、第一選択モデル１２３が劣化すると、上述したレコメンド精度が下がり、ユーザが興味を有するコンテンツが選択されなくなる可能性がある。

第二選択部１３３は、上述した第二選択モデル１２４を用い、ユーザにレコメンドする１つの第二コンテンツを選択する。ここで、第二選択モデル１２４は、上述したように、第一選択モデル１２３とは異なるアルゴリズムによって構成されたプログラムであり、例えば、新着順等、簡便なアルゴリズムで１つの第二コンテンツを選択する。
第二選択部１３３により選択される第二コンテンツは、ユーザの興味とは無関係なコンテンツであり、後述する第一選択モデル１２３の劣化状態の判定のために選択されるコンテンツである。
なお、第二コンテンツの選択は、第一選択モデル１２３の状態の影響を受けない。つまり、第一選択モデル１２３が劣化しても、第二コンテンツの選択においては、常に新着順等、簡便かつ所定のアルゴリズムで選択が行われる。

配信部１３４は、第一選択部１３２及び第二選択部１３３により選択したコンテンツのレコメンド順を決定し、レコメンド順にコンテンツを選出して端末装置２０にレコメンドする。
判定部１３５は、配信部１３４により端末装置２０にレコメンドした第一コンテンツ及び第二コンテンツに関する閲覧履歴に基づいて、第一選択モデル１２３の劣化状態を判定する。
なお、配信部１３４及び判定部１３５の詳細な処理については後述する。

［端末装置２０の構成］
端末装置２０は、ユーザが管理するコンピュータであり、例えばスマートフォン、タブレット端末、パーソナルコンピュータ等により構成されている。
端末装置２０の具体的な構成の図示は省略するが、端末装置２０は、一般的なコンピュータが有する基本的な構成を有する。すなわち、端末装置２０は、操作者の操作を受け付ける入力操作部、画像情報を表示させるディスプレイ、各種情報を記録する記録装置、各種情報を演算処理する演算回路（ＣＰＵ等）を備えている。

［情報処理方法］
次に、本実施形態の情報処理システムにおける第一選択モデル１２３の劣化状態の判定方法について、特に、サーバ１０での情報処理方法について説明する。
なお、詳細は後述するが、本実施形態では、第一選択モデル１２３の劣化状態の判定を行うために、第一コンテンツ及び第二コンテンツをレコメンド配信し、第一コンテンツ及び第二コンテンツの閲覧履歴を取得する。この時、すべての端末装置２０に対して第一コンテンツ及び第二コンテンツを配信する必要はない。例えば、一定割合の端末装置２０を対象として、第一コンテンツ及び第二コンテンツのレコメンド配信を行い、その他の端末装置２０には、従来通り第一コンテンツのレコメンド配信を行えばよい。上述したように、一定割合の端末装置２０のみに、第一コンテンツ及び第二コンテンツのレコメンド配信を行うことにより、第一選択モデル１２３の劣化状態の判定を行うことが可能である。一定割合の端末装置２０は、固定である必要はなく、ランダムに変更してもよい。

［第一コンテンツ及び第二コンテンツのレコメンド処理］
図３は、本実施形態におけるコンテンツのレコメンド処理を示すフローチャートである。
ここで、レコメンド処理を実施するにあたり、ユーザ情報は事前に取得され、記憶部１２のユーザ情報蓄積部１２２に記録されている。すなわち、閲覧履歴を取得する履歴取得ステップが事前に実施されているものとする。

サーバ１０は、端末装置２０から、コンテンツのレコメンドを要求する要求情報及びユーザＩＤを受信する（ステップＳ１）。
この後、第一選択部１３２は、要求情報とともに受信したユーザＩＤに対応するユーザ情報と、コンテンツ蓄積部１２１に記録される各コンテンツ内容情報とを読み込み、第一選択モデル１２３に入力する。これにより、第一選択部１３２は、第一選択モデル１２３から出力される複数のコンテンツを、第一コンテンツとして選択する（ステップＳ２）。
次に、第二選択部１３３は、第二選択モデル１２４を用いて、１つの第二コンテンツを選択する（ステップＳ３）。

次に、配信部１３４は、ステップＳ２で選択された第一コンテンツ及びステップＳ３で選択された第二コンテンツのレコメンド順を決定する（ステップＳ４）。
上述したように、ステップＳ２において複数の第一コンテンツが選択され、ステップＳ３において１つの第二コンテンツが選択される。配信部１３４は、ステップＳ４で算出したスコアが高い順に第一コンテンツのレコメンド順を決定し、その一部に第二コンテンツのレコメンド順を挿入することにより、第一コンテンツ及び第二コンテンツのレコメンド順を決定する。
本実施形態では、一例として、スコアが２０番目に高い第一コンテンツと、２１番目に高い第一コンテンツとの間に、第二コンテンツを挿入する。ここで、２１番目とは、後述するレコメンド表示欄の初期状態においては表示されず、レコメンド表示欄が下方にスクロール操作された際に表示される順番である。
そして、配信部１３４は、ステップＳ４で決定したレコメンド順で第一コンテンツ及び第二コンテンツを選出し、端末装置２０に送信する（ステップＳ５）。

図４は、本実施形態において端末装置２０に配信されるコンテンツのレコメンド表示ページ３０の一例を示す図である。

図４に示すレコメンド表示ページ３０は、主にスマートフォン等の携帯端末にインストールされるニュースのコンテンツ閲覧アプリケーションでの表示例である。通常、このようなコンテンツ閲覧アプリケーションでは、ユーザ情報に基づいたニュースコンテンツがレコメンドされる「おすすめ」タブ、最新のニュースを新着順に表示させる「ＴＯＰ」タブ、各種ジャンルに対応したタブ等が表示され、これらのいずれかを選択することで、タブに対応したニュースコンテンツがレコメンドされる。
ここでは、ユーザ情報に基づいてニュースコンテンツのレコメンドを行う「おすすめ」タブが選択された場合に表示されるレコメンド表示欄３１について説明する。

本実施形態では、図４に示すように、レコメンド表示欄３１において、ユーザに推奨する第一コンテンツ及び第二コンテンツを示す複数のアイテム画像ＩＸ（Ｉ１、Ｉ２）を表示させる。各アイテム画像ＩＸには、コンテンツに対応したリンク情報が関連付けられており、ユーザ操作によってアイテム画像ＩＸを選択（例えばタップ）することで、そのアイテム画像ＩＸに対応するコンテンツに表示が遷移する。
レコメンド表示欄３１に一度に表示されるアイテム画像ＩＸの表示数は予め決まっており、図４の例では、８である。ユーザがレコメンド表示欄３１を下方にスクロールさせる操作を行うことで、レコメンド表示欄３１に配置されるアイテム画像ＩＸが順次追加される。すなわち、画面上に表示されるアイテム画像ＩＸの数は８であるが、レコメンド表示欄３１に配置されるアイテム画像ＩＸの配置数（総数）は、順次追加されて増えていく。

つまり、レコメンド表示欄３１が下方にスクロール操作されていない初期状態では、図４に示すように、レコメンド順の上位８位である第一コンテンツ（Ｃ１からＣ８）に対応したアイテム画像Ｉ１が表示される。そして、スクロール操作が行われることで、配信部１３４は、所定数のコンテンツに対応したアイテム画像ＩＸを追加するが、この際、レコメンド順の２１番目に第二コンテンツのアイテム画像Ｉ２が配置されるように、第一コンテンツ及び第二コンテンツを選出する。
図５は、レコメンド表示欄３１が下方にスクロール操作されて、第二コンテンツのアイテム画像Ｉ２が表示された際の表示例である。レコメンド表示欄３１が下方にスクロール操作された状態では、図５に示すように、レコメンド順が１６位から２２位である第一コンテンツ（Ｃ１６からＣ２２）に対応したアイテム画像Ｉ１と、第二コンテンツ（Ｃ’）に対応したアイテム画像Ｉ２とが表示される。

なお、第二コンテンツに対応したアイテム画像Ｉ２の配置位置は、特に２１番目に限定されない。第二コンテンツに対応したアイテム画像Ｉ２の配置位置は、初期状態の最上位部分を除く部分であればどのような位置でもよい。また、第二コンテンツに対応したアイテム画像Ｉ２の配置位置は固定の位置である必要はなく、ランダムに変更してもよい。

この後、端末装置２０において、レコメンド表示欄３１に配置されたコンテンツのうちのいずれかがユーザの操作によって選択されると、端末装置２０から選択されたコンテンツ（選択コンテンツ）を示す選択コンテンツ情報（例えば、コンテンツＩＤ）がサーバ１０に送信される。

サーバ１０のユーザ情報取得部１３１は、端末装置２０から選択コンテンツ情報を受信したか否かを判定する（ステップＳ６）。
ステップＳ６でＮＯと判定される場合、つまり、選択コンテンツ情報が受信されず、端末装置２０において、ユーザによるコンテンツの閲覧が終了した場合等では、処理を終了させる。
一方、ステップＳ６でＹＥＳと判定される場合、つまり、選択コンテンツ情報を受信した場合、ユーザ情報取得部１３１は、閲覧履歴情報を更新し（ステップＳ７）、ステップＳ２に戻る。

［第一選択モデル１２３の劣化状態の判定処理］
図６は、本実施形態における第一選択モデル１２３の劣化状態の判定処理を示すフローチャートである。
サーバ１０のユーザ情報取得部１３１は、ユーザのコンテンツに対する閲覧履歴情報を取得する（ステップＳ１１）。この時、ユーザ情報取得部１３１は、第一コンテンツに関する閲覧履歴情報及び第二コンテンツに関する閲覧履歴情報の両方を取得する。
そして、サーバ１０の判定部１３５は、所定の時間が経過したか否かを判定する（ステップＳ１２）。所定の時間とは第一選択モデル１２３の劣化状態の判定を行う時間間隔に相当する。この時間は、管理者によって設定または変更可能であってもよい。
ステップＳ１２でＮＯと判定される場合、つまり、所定の時間が経過していない場合は、ステップＳ１１に戻る。

一方、ステップＳ１２でＹＥＳと判定される場合、つまり、所定の時間が経過した場合、判定部１３５は、第一コンテンツの閲覧回数の変化量Ｎ１を算出し（ステップＳ１３）、第二コンテンツの閲覧回数の変化量Ｎ２を算出する（ステップＳ１４）。なお、ステップＳ１３及びステップＳ１４は並行で実行されてもよいし、逆順（ステップＳ１４の後にステップＳ１３）で実行されてもよい。

ステップＳ１３及びＳ１４において、第一コンテンツに関する変化量Ｎ１及び第二コンテンツに関する変化量Ｎ２は、単位期間あたりの閲覧回数に基づいて算出されてもよいし、単位期間あたりの総閲覧回数に対する第一コンテンツの閲覧回数または第二コンテンツの閲覧回数の割合に基づいて算出されてもよい。このときの単位期間は、上述した所定の時間と同じであってもよいし、異なっていてもよい。
そして、ステップＳ１３及びＳ１４において、変化量Ｎ１及び変化量Ｎ２は、例えば、連続する２つの単位期間における閲覧回数または閲覧回数の割合を比較することにより求められる変化量である。
なお、連続する２つの単位期間を対象とせず、単位期間における閲覧回数または閲覧回数の割合を算出するたびにメモリに記録しておき、次に判定処理を行う際に、以前記録した単位期間における閲覧回数または閲覧回数の割合を読み出してもよい。この場合、判定処理において新たに算出した単位期間における閲覧回数または閲覧回数の割合と、メモリから読みだした過去の単位期間における閲覧回数または閲覧回数の割合とを比較して、変化量Ｎ１及び変化量Ｎ２を求めることができる。
このように算出される変化量Ｎ１及び変化量Ｎ２には、変化の方向（増加または低下）、変化の幅等が含まれる。

次に、サーバ１０の判定部１３５は、ステップＳ１３で算出した第一コンテンツに関する変化量Ｎ１及びステップＳ１４で算出した第二コンテンツに関する変化量Ｎ２に基づいて、第一選択モデル１２３が劣化しているか否かを判定する（ステップＳ１５）。
ステップＳ１５において、判定部１３５は、第一コンテンツに関する変化量Ｎ１が第一コンテンツの閲覧回数の低下を示し、かつ、第二コンテンツに関する変化量Ｎ２が第二コンテンツの閲覧回数の低下を示さない場合には、「第一選択モデル１２３が劣化している」と判定する。

一方、ステップＳ１５において、判定部１３５は、第一コンテンツに関する変化量Ｎ１が第一コンテンツの閲覧回数の低下を示さない場合等、上述の条件を満たさない場合には、「第一選択モデル１２３が劣化していない」と判定する。例えば、第一コンテンツに関する変化量Ｎ１が第一コンテンツの閲覧回数の低下を示し、かつ、第二コンテンツに関する変化量Ｎ２も第二コンテンツの閲覧回数の低下を示す場合には、第一選択モデル１２３の劣化状態による影響ではなく、時事等による全体的な影響であり、「第一選択モデル１２３が劣化していない」と判定する。
つまり、ステップＳ１５では、判定部１３５は、第一コンテンツに関する変化量Ｎ１と第二コンテンツに関する変化量Ｎ２とを比較することにより相対的な変化を検出して、第一選択モデル１２３が劣化しているか否かを判定する。

ステップＳ１５でＮＯと判定される場合、つまり、第一選択モデル１２３が劣化していないと判定される場合等では、処理を終了させる。
一方、ステップＳ１５でＹＥＳと判定される場合、つまり、第一選択モデル１２３が劣化していると判定された場合、第一選択部１３２は、第一選択モデル１２３の再作成を行い（ステップＳ１６）、処理を終了させる。
なお、第一選択モデル１２３の再作成はどのように行われてもよい。例えば、機械学習を再度行うことにより、第一選択モデル１２３を再作成してもよい。また、記憶部１２に代替の選択モデルを記憶しておき、第一選択モデル１２３を代替の選択モデルに変更してもよい。

［本実施形態の作用効果］
本実施形態のサーバ１０は、記憶部１２と、プロセッサ１３とを備え、プロセッサ１３は、記憶部１２に記憶された情報処理プログラムを読み込むことで、ユーザ情報取得部１３１（取得部）、第一選択部１３２、第二選択部１３３、配信部１３４（レコメンド配信部）、及び判定部１３５として機能する。ユーザ情報取得部１３１は、ユーザによるコンテンツの閲覧履歴を取得する。第一選択部１３２は、閲覧履歴と、配信対象である複数のコンテンツのそれぞれのコンテンツ内容情報とを入力とし、閲覧履歴に応じた複数の第一コンテンツを出力とする第一選択モデル１２３を用い、ユーザに配信する複数の前記第一コンテンツを選択する。第二選択部１３３は、第一選択モデル１２３とは異なるアルゴリズムによって構成された第二選択モデル１２４を用いて、ユーザに配信する少なくとも１つの第二コンテンツを選択する。配信部１３４は、選択された第一コンテンツ及び第二コンテンツを含むレコメンド情報をユーザが所持するユーザ端末に配信する。判定部１３５は、第一コンテンツ及び第二コンテンツに関する閲覧履歴に基づいて、第一選択モデル１２３の劣化状態を判定する。
つまり、本実施形態では、ユーザが興味を有すると推定される第一コンテンツと、ユーザの興味とは無関係である第二コンテンツとをレコメンド配信し、第一コンテンツ及び第二コンテンツに関する閲覧履歴に基づいて、第一選択モデル１２３の劣化状態を判定する。これにより、第一選択モデル１２３によるレコメンドの状態が良好であるかを正確に判定することができる。

本実施形態では、判定部１３５は、第一コンテンツ及び第二コンテンツに関する単位期間あたりの閲覧履歴に基づいて、単位期間あたりの閲覧回数を算出し、第一コンテンツ及び第二コンテンツに関する閲覧回数に基づいて、第一選択モデル１２３の劣化状態を判定する。このため、第一コンテンツ及び第二コンテンツに関する閲覧履歴の相対的な変化を検出することができる。

本実施形態では、判定部１３５は、第一コンテンツに関する閲覧回数が低下し、かつ、第二コンテンツに関する閲覧回数が低下しない場合に、第一選択モデル１２３が劣化していると判定する。これにより、第一コンテンツ及び第二コンテンツに関する閲覧状況が連動して低下しているのか否かを判断することができる。

［変形例］
なお、本発明は、上述した実施形態に限定されるものではなく、本発明の目的を達成できる範囲で、以下に示される変形をも含むものである。

［変形例１］
上記実施形態では、ステップＳ１３及びＳ１４で、ユーザ情報取得部１３１が取得した単位期間あたりの閲覧履歴情報に基づいて、単位期間あたりの第一コンテンツ及び第二コンテンツの閲覧回数を算出する例を示したが、例えば、ユーザ情報取得部１３１が閲覧履歴情報として、単位期間あたりの第一コンテンツ及び第二コンテンツの閲覧回数を取得してもよい。これにより、判定部１３５における処理の負荷を軽減することができる。

［変形例２］
上記実施形態では、ステップＳ１５で、ステップＳ１３で算出した第一コンテンツに関する変化量Ｎ１及びステップＳ１４で算出した第二コンテンツに関する変化量Ｎ２に基づいて、第一選択モデル１２３の劣化状態を判定する例を示した。つまり、判定部１３５は、常時第一コンテンツに関する変化量Ｎ１及び第二コンテンツに関する変化量Ｎ２を算出して監視する例を示したが、第一コンテンツに関する変化量Ｎ１のみを常時算出し、第一コンテンツに関する変化量Ｎ１に基づいて第一選択モデル１２３の状態を監視し、第一コンテンツに関する変化量Ｎ１が低下して異常が発生したと考えられる場合のみ、第二コンテンツに関する変化量Ｎ２を算出し、第一選択モデル１２３の劣化状態を判定してもよい。

［変形例３］
上記実施形態では、ステップＳ１６で第一選択モデル１２３が劣化していると判定された場合、ステップＳ１７で、第一選択モデル１２３の再作成を行う例を示したが、これに限定されない。
例えば、ステップＳ１６で第一選択モデル１２３が劣化していると判定された場合、文字情報や音声情報を用いて、管理者に異常を報知してもよいし、第一選択モデル１２３を、新着順や人気順など、一般的な選択アルゴリズムによって構成された選択モデルに変更してもよい。

［変形例４］
上記実施形態において、第一選択モデル１２３と、第一選択モデル１２３とは異なるアルゴリズムによって構成された第二選択モデル１２４とを備える例を示したが、第一選択モデル１２３及び第二選択モデル１２４とは異なるアルゴリズムによって構成され、第三コンテンツを選択する第三の選択モデルを備えてもよい。この場合、例えば、第一コンテンツ、第二コンテンツ、及び第三コンテンツをレコメンド配信し、第一コンテンツ、第二コンテンツ、及び第三コンテンツに関する閲覧履歴情報を評価することにより、より正確に第一選択モデル１２３の劣化状態の判定を行うことが期待できる。

１０…サーバ（情報処理装置）、１２…記憶部、１３…プロセッサ、２０…端末装置、３０…レコメンド表示ページ、３１…レコメンド表示欄、１２１…コンテンツ蓄積部、１２２…ユーザ情報蓄積部、１２３…第一選択モデル、１２４…第二選択モデル、１３１…ユーザ情報取得部（取得部）、１３２…第一選択部、１３３…第二選択部、１３４…配信部、１３５…判定部、ＩＸ（Ｉ１，Ｉ２）…アイテム画像。

Claims (6)

1. ユーザによるコンテンツの閲覧履歴を取得する取得部と、
   前記閲覧履歴と、配信対象である複数のコンテンツのそれぞれのコンテンツ内容情報とを入力とし、前記閲覧履歴に応じた複数の第一コンテンツを出力とする第一選択モデルを用い、前記ユーザに配信する複数の前記第一コンテンツを選択する第一選択部と、
   前記第一選択モデルとは異なるアルゴリズムによって構成された第二選択モデルを用いて、前記ユーザに配信する少なくとも１つの第二コンテンツを選択する第二選択部と、
   選択された前記第一コンテンツ及び前記第二コンテンツを含むレコメンド情報を前記ユーザが所持するユーザ端末に配信するレコメンド配信部と、
   前記ユーザの前記第一コンテンツの単位期間当たりの閲覧回数及び前記第二コンテンツの単位期間当たりの閲覧回数に基づいて、前記第一選択モデルの劣化状態を判定する判定部と
   を備えることを特徴とする情報処理装置。
2. 請求項１に記載の情報処理装置において、
   前記取得部は、前記閲覧履歴として、前記単位期間あたりの前記閲覧回数を取得する
   ことを特徴とする情報処理装置。
3. 請求項１に記載の情報処理装置において、
   前記判定部は、前記第一コンテンツ及び前記第二コンテンツに関する単位期間あたりの前記閲覧履歴に基づいて、前記単位期間あたりの前記閲覧回数を算出する
   ことを特徴とする情報処理装置。
4. 請求項１に記載の情報処理装置において、
   前記判定部は、前記第一コンテンツに関する前記閲覧回数が低下し、かつ、前記第二コンテンツに関する前記閲覧回数が低下しない場合に、前記第一選択モデルが劣化していると判定する
   ことを特徴とする情報処理装置。
5. コンピュータによりユーザ端末にレコメンド情報を配信する情報処理方法であって、
   前記コンピュータは、取得部、第一選択部、第二選択部、レコメンド配信部、及び判定部を備え、
   前記コンピュータは、
   前記取得部が、ユーザによるコンテンツの閲覧履歴を取得するステップと、
   前記第一選択部が、前記閲覧履歴と、配信対象である複数のコンテンツのそれぞれのコンテンツ内容情報とを入力とし、前記閲覧履歴に応じた複数の第一コンテンツを出力とする第一選択モデルを用い、前記ユーザに配信する複数の前記第一コンテンツを選択するステップと、
   前記第二選択部が、前記第一選択モデルとは異なるアルゴリズムによって構成された第二選択モデルを用いて、前記ユーザに配信する少なくとも１つの第二コンテンツを選択するステップと、
   前記レコメンド配信部が、選択された前記第一コンテンツ及び前記第二コンテンツを含むレコメンド情報を前記ユーザが所持するユーザ端末に配信するステップと、
   前記判定部が、前記ユーザの前記第一コンテンツの単位期間当たりの閲覧回数及び前記第二コンテンツの単位期間当たりの閲覧回数に基づいて、前記第一選択モデルの劣化状態を判定するステップと、を実施する
   ことを特徴とする情報処理方法。
6. コンピュータにより読み込み実行される情報処理プログラムであって、
   前記コンピュータを、請求項１から請求項４のいずれか１項に記載の情報処理装置として機能させる
   ことを特徴とする情報処理プログラム。

Images