特性推定装置、特性推定システム、特性推定方法および特性推定プログラム
【課題】ユーザの通信ネットワークにおける嗜好特性を精度よく推定すること。
【解決手段】教師ユーザ特性特定部１６ｂは、アンケート送受信制御部１６ａが教師ユーザ端末３０からのアンケート質問データに基づいて、教師ユーザの特性を特定する。そして、アクセス履歴収集部１６ｃは、ユーザのアクセス履歴を収集し、行動データ生成部１６ｄは、教師ユーザのアクセス履歴から、履歴・行動対応テーブル記憶部１５ｄの履歴・行動対応テーブルを用いて、教師ユーザの行動データを生成し、特性推定モデル生成部１６ｅは、教師ユーザの特性および行動データから特性推定モデルを生成し、行動データ生成部１６ｄは、推定ユーザのアクセス履歴から、履歴・行動対応テーブルを用いて、推定ユーザの行動データを生成し、推定ユーザ特性推定部１６ｆは、推定ユーザの行動データと特性推定モデルとから推定ユーザの特性を推定する。
【解決手段】教師ユーザ特性特定部１６ｂは、アンケート送受信制御部１６ａが教師ユーザ端末３０からのアンケート質問データに基づいて、教師ユーザの特性を特定する。そして、アクセス履歴収集部１６ｃは、ユーザのアクセス履歴を収集し、行動データ生成部１６ｄは、教師ユーザのアクセス履歴から、履歴・行動対応テーブル記憶部１５ｄの履歴・行動対応テーブルを用いて、教師ユーザの行動データを生成し、特性推定モデル生成部１６ｅは、教師ユーザの特性および行動データから特性推定モデルを生成し、行動データ生成部１６ｄは、推定ユーザのアクセス履歴から、履歴・行動対応テーブルを用いて、推定ユーザの行動データを生成し、推定ユーザ特性推定部１６ｆは、推定ユーザの行動データと特性推定モデルとから推定ユーザの特性を推定する。
【発明の詳細な説明】
【技術分野】
【０００１】
この発明は、ユーザの嗜好特性を推定するための特性推定装置、特性推定システム、特性推定方法および特性推定プログラムに関する。
【背景技術】
【０００２】
従来より、インターネットなどの通信ネットワークにおいて提供される情報量は、爆発的な増加傾向にあり、また、インターネットなどの通信ネットワークにおいて利用可能なサービスおよび購入可能な商品の多様性も、増加傾向にある。このため、通信ネットワークを利用するユーザが、自身の目的とする情報やサービスや商品を能動的に探すことが困難になってきており、ユーザの嗜好特性に応じて情報やサービスや商品を提供する技術の実現が必要となっている。
【０００３】
ユーザの嗜好特性に応じて情報やサービスや商品を提供するためには、ユーザの嗜好特性を数値化したり、テキスト（例えば、「ＳＦ好き」など）で表現したりするなど、客観的に推定することが必要となる。現在、ユーザの嗜好特性を客観的に推定する手法としては、以下に述べる２つの手法が知られている。
【０００４】
第一の手法は、ユーザに対してアンケートなどを行なうことにより、ユーザから直接的あるいは間接的に嗜好特性を聞き出す手法であり、第二の手法は、情報やサービスや商品などへのユーザのアクセス履歴を分析することで、嗜好特性を推定する手法である。
【０００５】
しかし、第一の手法は、ユーザに対して、アンケートなどに入力してもらう負担をかけさせてしまうため、ユーザに負荷をかけずにユーザの嗜好特性を受動的に推定する第二の手法の重要性が高まっている。
【０００６】
ここで、第二の手法においては、例えば、ユーザの商品情報に対するアクセス履歴やユーザの購買履歴、あるいは、ユーザの情報に対するアクセス頻度などをパラメータとして嗜好特性を推定する。
【０００７】
なお、嗜好特性の分類例としては、イノベータ理論に基づく分類がある（例えば、非特許文献１参照）。イノベータ理論は、ロジャースが１９６２年に提唱したイノベーション（技術革新）の普及に関する理論であり、イノベータ理論においてロジャースは、商品の新規性や話題性に対するユーザの特性（革新性）に基づいて、ユーザを５つのグループに分類している。
【０００８】
すなわち、イノベータ理論は、ユーザの「革新性」に基づいて、ユーザの嗜好特性を、イノベータ（Innovators：革新者）、アーリーアダプター（Early Adopters：初期採用者）、アーリーマジョリティ（Early Majority：前期追随者）、レイトマジョリティ（Late Majority：後期追随者）、ラガード（Laggards：遅滞者）の５つのグループに分類している。
【０００９】
イノベータは、冒険心にあふれイノベーションを進んで採用するユーザであり、アーリーアダプターは、流行に敏感で情報収集を自ら行なってイノベーションを採用するか否かを判断するユーザであり、アーリーマジョリティは、比較的慎重派ではあるが、平均より早くイノベーションを取り入れるユーザであり、レイトマジョリティは、比較的懐疑的であり、周囲の大多数が試している場面を見てから同じイノベーション選択をするユーザであり、ラガードは、最も保守的であり流行や世の中の動きに関心が薄く、イノベーションが伝統になるまで採用しないユーザである。
【００１０】
ここで、イノベータ理論において、イノベータは、重視するポイントがイノベーションの新しさそのもので、イノベーションがもたらす利点にあまり注目していない一方、アーリーアダプターは、イノベーションがもたらす新しい利点に注目し、他のユーザへの影響力が大きいことから、イノベーションが普及するための重要なオピニオンリーダーとされている。
【００１１】
しかし、インターネットなどの通信ネットワークにおいては、イノベーションのサイクルが早いため、新規の商品情報に対していち早くアクセスするイノベータのほうがオピニオンリーダーとしての機能があると考え、イノベータとして推定されたユーザのアクセス履歴に基づいて、イノベータ以外のユーザに情報を推薦する手法が知られている（非特許文献１参照）。
【００１２】
また、購入を前提とした検索や閲覧、商品の購入履歴を用いて、アンケートなどの入力情報から推定されたユーザの嗜好特性を更新する手法が知られている（例えば、特許文献１参照）。さらに、Ｐ２Ｐ（Ｐｅｅｒ ｔｏ Ｐｅｅｒ）のネットワークに特化したユーザの利用履歴から、ユーザの情報受容性および情報発信能力などの特性を推定する手法も知られている（例えば、特許文献２参照）。
【００１３】
【非特許文献１】石川雅之、森田武史、和泉憲明、山口高平：共有コンテンツのアクセス履歴分析に基づく情報推進エンジン、第２１回人工知能学会全国大会、３Ｇ８−２、２００７
【特許文献１】再公表特許Ｗ０１／０６７３１９号公報
【特許文献２】特開２００４−３６２２０８号公報
【発明の開示】
【発明が解決しようとする課題】
【００１４】
ところで、上記した従来の技術は、ユーザの通信ネットワークにおける嗜好特性を精度よく推定することは困難であるという問題点があった。
【００１５】
実際、インターネット上での商品へのアクセス履歴を用いて、ユーザグループが既知のユーザの商品へのアクセス履歴からユーザグループとアクセス時期の相関を算出したら、相関が見られない。したがって、新規の商品情報へのアクセス時期が早いことからイノベータとして推定されたユーザのアクセス履歴に基づいてイノベータ以外のユーザに情報を推薦したとしても、イノベータであるユーザの推定精度が低いために、ユーザへの推薦適合率が低い。
【００１６】
また、購入を前提とした検索や閲覧、商品の購入履歴を用いて、ユーザの嗜好特性を更新する場合、更新される嗜好特性は、アンケートなどのユーザ入力情報から推定されたものであり、嗜好特性をユーザに負荷をかけることなく推定することができない。
【００１７】
また、Ｐ２Ｐのネットワークの利用履歴から、ユーザの情報受容性と情報発信能力とを推定する場合、利用履歴の種類は、Ｐ２Ｐのネットワークにおける履歴に限定されてしまうので、通信ネットワークにおけるユーザの特性を推定することができない。
【００１８】
そこで、この発明は、上述した従来技術の課題を解決するためになされたものであり、ユーザの通信ネットワークにおける嗜好特性を精度よく推定することが可能になる特性推定装置、特性推定システム、特性推定方法および特性推定プログラムを提供することを目的とする。
【課題を解決するための手段】
【００１９】
上述した課題を解決し、目的を達成するため、この装置は、通信ネットワークを利用するユーザの特性を推定する特性推定装置であって、アクセス履歴を構成するアクセス情報と、前記アクセス情報から抽出されるユーザの行動情報とを対応付けた履歴行動対応情報を保持する履歴行動対応情報保持手段と、前記特性が予め特定されたユーザである特性特定ユーザのアクセス履歴と、前記履歴行動対応情報保持手段が保持する前記履歴行動対応情報とに基づいて、前記特性特定ユーザの行動情報を抽出し、抽出された前記特性特定ユーザの行動情報と前記特性特定ユーザの予め特定された特性とから、前記特性を推定するための特性推定モデルを生成する特性推定モデル生成手段と、前記特性の推定対象となるユーザである推定ユーザのアクセス履歴と、前記履歴行動対応情報保持手段が保持する前記履歴行動対応情報とに基づいて、前記推定ユーザの行動情報を抽出し、抽出された前記推定ユーザの行動情報と、前記特性推定モデル生成手段によって生成された前記特性推定モデルとを用いて前記推定ユーザの特性を推定する特性推定手段と、を備えたことを要件とする。
【００２０】
また、このシステムは、通信ネットワークを介したサービスを提供するサーバ、または当該サーバに接続される接続装置と、前記サーバから提供される前記サービスを利用するユーザの端末とを含んで構成され、前記ユーザが前記通信ネットワークを利用する際の特性を推定する特性推定システムであって、前記サーバ、または前記接続装置は、アクセス履歴を構成するアクセス情報と、前記アクセス情報から抽出されるユーザの行動情報とを対応付けた履歴行動対応情報を保持する履歴行動対応情報保持手段と、前記特性が予め特定されたユーザである特性特定ユーザのアクセス履歴と、前記履歴行動対応情報保持手段が保持する前記履歴行動対応情報とに基づいて、前記特性特定ユーザの行動情報を抽出し、抽出された前記特性特定ユーザの行動情報と前記特性特定ユーザの予め特定された特性とから、前記特性を推定するための特性推定モデルを生成する特性推定モデル生成手段と、を備え、前記端末は、前記特性の推定対象となるユーザである推定ユーザの端末である推定ユーザ端末である場合に、前記サーバ、または前記接続装置から前記履歴行動対応情報保持手段が保持する前記履歴行動対応情報および前記特性推定モデル生成手段によって生成された前記特性推定モデルを取得する取得手段と、前記推定ユーザのアクセス履歴と、前記取得手段によって取得された前記履歴行動対応情報とに基づいて、前記推定ユーザの行動情報を抽出し、抽出された前記推定ユーザの行動情報と、前記取得手段によって取得された前記特性推定モデルとを用いて前記推定ユーザの特性を推定する特性推定手段と、を備えたことを要件とする。
【００２１】
また、この方法は、通信ネットワークを利用するユーザの特性を推定する特性推定方法であって、アクセス履歴を構成するアクセス情報と、前記アクセス情報から抽出されるユーザの行動情報とを対応付けた履歴行動対応情報を保持する履歴行動対応情報保持ステップと、前記特性が予め特定されたユーザである特性特定ユーザのアクセス履歴と、前記履歴行動対応情報保持ステップが保持する前記履歴行動対応情報とに基づいて、前記特性特定ユーザの行動情報を抽出し、抽出された前記特性特定ユーザの行動情報と前記特性特定ユーザの予め特定された特性とから、前記特性を推定するための特性推定モデルを生成する特性推定モデル生成ステップと、前記特性の推定対象となるユーザである推定ユーザのアクセス履歴と、前記履歴行動対応情報保持ステップが保持する前記履歴行動対応情報とに基づいて、前記推定ユーザの行動情報を抽出し、抽出された前記推定ユーザの行動情報と、前記特性推定モデル生成ステップによって生成された前記特性推定モデルとを用いて前記推定ユーザの特性を推定する特性推定ステップと、を含んだことを要件とする。
【００２２】
また、このプログラムは、通信ネットワークを利用するユーザの特性を推定する特性推定方法をコンピュータに実行させる特性推定プログラムであって、アクセス履歴を構成するアクセス情報と、前記アクセス情報から抽出されるユーザの行動情報とを対応付けた履歴行動対応情報を保持する履歴行動対応情報保持手順と、前記特性が予め特定されたユーザである特性特定ユーザのアクセス履歴と、前記履歴行動対応情報保持手順が保持する前記履歴行動対応情報とに基づいて、前記特性特定ユーザの行動情報を抽出し、抽出された前記特性特定ユーザの行動情報と前記特性特定ユーザの予め特定された特性とから、前記特性を推定するための特性推定モデルを生成する特性推定モデル生成手順と、前記特性の推定対象となるユーザである推定ユーザのアクセス履歴と、前記履歴行動対応情報保持手順が保持する前記履歴行動対応情報とに基づいて、前記推定ユーザの行動情報を抽出し、抽出された前記推定ユーザの行動情報と、前記特性推定モデル生成手順によって生成された前記特性推定モデルとを用いて前記推定ユーザの特性を推定する特性推定手順と、をコンピュータに実行させることを要件とする。
【発明の効果】
【００２３】
開示の装置、システム、方法およびプログラムによれば、ユーザの通信ネットワークにおける嗜好特性を精度よく推定することが可能になる。また、ユーザのアンケートへの入力負担をかけることなく嗜好特性を推定することができるとともに、ユーザの嗜好特性が動的に変化する場合にも対応して嗜好特性を推定することができ、さらに、大規模環境へも対応して、多数のユーザの嗜好特性を推定することができる。
【発明を実施するための最良の形態】
【００２４】
以下に添付図面を参照して、この発明に係る特性推定装置、特性推定システム、特性推定方法および特性推定プログラムの実施例を詳細に説明する。
【実施例１】
【００２５】
以下に説明する実施例１では、この発明に係る特性推定装置の機能を、通信ネットワークを介したサービスを提供する「サーバ」に搭載した場合について説明する。
【００２６】
なお、以下では、「サーバ」を介してインターネットなどの通信ネットワークを利用するユーザであり、特性（インターネットにおける嗜好特性）の推定対象となるユーザを「推定ユーザ」と記述する。また、「推定ユーザ」が所有し、「推定ユーザ」の入力情報に基づいて、インターネットなどネットワークを介したサービスを「サーバ」に要求する端末装置を「推定ユーザ端末」として記述する。
【００２７】
まず、実施例１におけるサーバを含む特性推定システムの全体構成について説明する。図１は、実施例１におけるサーバを含む特性推定システムの全体構成を説明するための図である。
【００２８】
図１に示すように、実施例１におけるサーバ１０は、推定ユーザ端末２０と接続され、推定ユーザ端末２０を所有する推定ユーザの特性を推定することを概要とする。ここで、実施例１におけるサーバ１０は、さらに「教師ユーザ」の端末である教師ユーザ端末３０と接続される。
【００２９】
例えば、図１に示すように、実施例１におけるサーバ１０は、教師ユーザ１の教師ユーザ端末３０、教師ユーザ２の教師ユーザ端末３０といったように、複数個の教師ユーザ端末３０と接続される。ここで、「教師ユーザ」とは、推定ユーザの特性を推定する前に、通信ネットワークにおける特性が教師ユーザ端末３０から取得した情報に基づいて予め特定されるユーザのことである。なお、「教師ユーザ」は、特許請求の範囲に記載の「特性特定ユーザ」に対応する。
【００３０】
また、推定ユーザ端末２０や教師ユーザ端末３０としては、例えば、パーソナルコンピュータやＰＤＡ、あるいは携帯電話やＰＨＳなどの通信機能を備えた装置が挙げられ、Ｗｅｂブラウザなど、ネットワークを利用するための専用のアプリケーションを備える。
【００３１】
そして、実施例１におけるサーバ１０は、教師ユーザの予め特定された特性を用いることで、推定ユーザのインターネットなどの通信ネットワークにおける嗜好特性を精度よく推定することが可能になることに主たる特徴がある。
【００３２】
この主たる特徴について、図２〜図９を用いて説明する。図２は、教師ユーザ端末の構成を示すブロック図であり、図３は、実施例１におけるサーバの構成を示すブロック図であり、図４は、教師ユーザ特性特定部を説明するための図であり、図５は、アクセス履歴管理記憶部を説明するための図であり、図６は、履歴・行動対応テーブル記憶部を説明するための図であり、図７は、行動データ生成部による教師ユーザの行動データ生成を説明するための図であり、図８は、行動データ生成部による推定ユーザの行動データ生成を説明するための図であり、図９は、特性推定モデル生成部を説明するための図である。
【００３３】
まず、教師ユーザ端末３０について説明する。図２に示すように、サーバ１０に接続される教師ユーザ端末３０は、入力部３１と、出力部３２と、通信部３３と、入出力制御Ｉ／Ｆ部３４と、記憶部３５と、処理部３６とを備える。なお、記憶部３５および処理部３６は、図２に示す機能ブロック以外にも、例えば、パーソナルコンピュータとしての機能を実行するための各種機能ブロックを備えている。
【００３４】
入力部３１は、各種の情報を入力し、キーボードやマウスなどを備えて構成され、特に本発明に密接に関連するものとしては、サーバ１０から受信したアンケート質問データに対する教師ユーザの回答を、例えば、キーボードから受け付けて入力する。
【００３５】
出力部３２は、各種の情報を出力し、モニタやスピーカを備えて構成され、特に本発明に密接に関連するものとしては、サーバ１０から受信したアンケート質問データを、モニタの画面に表示したりする。
【００３６】
通信部３３は、ネットワークを通じて送受信されるデータの通信を行ない、特に本発明に密接に関連するものとしては、サーバ１０からアンケート質問データを受信して、受信したアンケート質問データを後述するアンケート記憶部３５ａに転送したり、後述するアンケート記憶部３５ａに格納された入力済みのアンケート質問データをサーバ１０に送信したりする。
【００３７】
入出力制御Ｉ／Ｆ部３４は、入力部３１、出力部３２および通信部３３と、記憶部３５および処理部３６との間におけるデータ転送を制御する。
【００３８】
記憶部３５は、処理部３６による各種処理に用いるデータや、処理部３６による各種処理結果を記憶し、特に本発明に密接に関連するものとしては、図２に示すように、アンケート記憶部３５ａを備える。
【００３９】
アンケート記憶部３５ａは、サーバ１０から通信部３３が受信し、入出力制御Ｉ／Ｆ部３４から転送されたアンケート質問データを記憶し、さらに、後述するアンケート入力処理部３６ａが受け付けた入力済みのアンケート質問データを記憶する。
【００４０】
処理部３６は、入出力制御Ｉ／Ｆ部３４から転送されたデータに基づき各種処理を実行し、特に本発明に密接に関連するものとしては、図２に示すように、アンケート入力処理部３６ａを備える。
【００４１】
アンケート入力処理部３６ａは、アンケート記憶部３５ａが記憶するアンケート質問データを出力部３２が備えるモニタにて表示するように制御する。さらに、アンケート入力処理部３６ａは、出力部３２が備えるモニタに表示されたアンケート質問データを参照した教師ユーザの回答を、入力部３１を介して受け付け、回答が入力された入力済みのアンケート質問データをアンケート記憶部３５ａに格納する。
【００４２】
また、アンケート入力処理部３６ａは、教師ユーザから入力部３１を介してアンケート質問データの入力完了通知を受け付けた場合に、アンケート記憶部３５ａが記憶する入力済みのアンケート質問データを、入出力制御Ｉ／Ｆ部３４を介して通信部３３に転送し、通信部３３は、転送された入力済みのアンケート質問データを、サーバ１０に送信する。
【００４３】
続いて、サーバ１０について説明する。図３に示すように、教師ユーザ端末３０および推定ユーザ端末２０と接続されるサーバ１０は、入力部１１と、出力部１２と、通信部１３と、入出力制御Ｉ／Ｆ部１４と、記憶部１５と、処理部１６とを備える。なお、記憶部１５および処理部１６は、図３に示す機能ブロック以外にも、サーバとしての機能を実行するための各種機能ブロックを備えている。
【００４４】
入力部１１は、各種の情報を入力し、キーボードやマウスなどを備えて構成され、特に本発明に密接に関連するものとしては、後述するアンケート管理記憶部１５ａに格納され教師ユーザ端末３０に送信されるアンケート質問データや、後述する履歴・行動対応テーブル記憶部１５ｄに格納される履歴・行動対応テーブルや、推定ユーザの特性を推定する時機（以下、特性推定時機と記述する）などを、サーバ１０の管理者から受け付けて入力する。
【００４５】
出力部１２は、各種の情報を出力し、モニタやスピーカを備えて構成され、特に本発明に密接に関連するものとしては、教師ユーザ端末３０から受信した入力済みアンケート質問データや、後述する教師ユーザ特性特定部１６ｂによって特定された教師ユーザの特性や、後述する推定ユーザ特性推定部１６ｆによって推定された推定ユーザの特性などをモニタの画面に表示したりする。
【００４６】
通信部１３は、ネットワークを通じて送受信されるデータの通信を行ない、特に本発明に密接に関連するものとしては、教師ユーザ端末３０に後述するアンケート管理記憶部１５ａが記憶するアンケート質問データを送信したり、教師ユーザ端末３０から入力済みのアンケート質問データを受信して、受信した入力済みのアンケート質問データを後述するアンケート管理記憶部１５ａに転送したり、後述するアクセス履歴収集部１６ｃの制御に基づいて教師ユーザ端末３０や推定ユーザ端末２０のアクセス履歴を受信して、受信したアクセス履歴を後述するアクセス履歴管理記憶部１５ｃに転送したりする。
【００４７】
入出力制御Ｉ／Ｆ部１４は、入力部１１、出力部１２および通信部１３と、記憶部１５および処理部１６との間におけるデータ転送を制御する。
【００４８】
記憶部１５は、処理部１６による各種処理に用いるデータや、処理部１６による各種処理結果を記憶し、特に本発明に密接に関連するものとしては、図３に示すように、アンケート管理記憶部１５ａと、教師ユーザ特性記憶部１５ｂと、アクセス履歴管理記憶部１５ｃと、履歴・行動対応テーブル記憶部１５ｄと、行動データ記憶部１５ｅと、特性推定モデル記憶部１５ｆと、推定ユーザ特性記憶部１５ｇとを備える。
【００４９】
アンケート管理記憶部１５ａは、後述するアンケート送受信制御部１６ａの制御に基づいて教師ユーザ端末３０に送信されるアンケート質問データを記憶するとともに、教師ユーザ端末３０から受信した入力済みのアンケート質問データを後述するアンケート送受信制御部１６ａの制御に基づいて、教師ユーザに割り振られた識別子（ユーザＩＤ）に対応付けて記憶する。
【００５０】
教師ユーザ特性記憶部１５ｂは、後述する教師ユーザ特性特定部１６ｂによって特定された教師ユーザの特性を記憶し、アクセス履歴管理記憶部１５ｃは、後述するアクセス履歴収集部１６ｃが収集した教師ユーザや推定ユーザのアクセス履歴を記憶し、行動データ記憶部１５ｅは、後述する行動データ生成部１６ｄによって生成された教師ユーザや推定ユーザの行動データを記憶し、特性推定モデル記憶部１５ｆは、後述する特性推定モデル生成部１６ｅによって生成された特性推定モデルを記憶し、推定ユーザ特性記憶部１５ｇは、後述する推定ユーザ特性推定部１６ｆによって推定された推定ユーザの特性を記憶する。
【００５１】
また、履歴・行動対応テーブル記憶部１５ｄは、アクセス履歴を構成するアクセス情報と、アクセス情報から抽出されるユーザの行動情報とを対応付けた履歴・行動対応テーブルを記憶する。なお、履歴・行動対応テーブルは、特許請求の範囲に記載の「履歴行動対応情報」に対応し、履歴・行動対応テーブル記憶部１５ｄは、同じく「履歴行動対応情報保持手段」に対応する。
【００５２】
なお、これら記憶部１５が備える各機能ブロックが記憶する内容については、後に詳述する。
【００５３】
処理部１６は、入出力制御Ｉ／Ｆ部１４から転送されたデータに基づき各種処理を実行し、特に本発明に密接に関連するものとしては、図３に示すように、アンケート送受信制御部１６ａと、教師ユーザ特性特定部１６ｂと、アクセス履歴収集部１６ｃと、行動データ生成部１６ｄと、特性推定モデル生成部１６ｅと、推定ユーザ特性推定部１６ｆとを備える。ここで、行動データ生成部１６ｄおよび特性推定モデル生成部１６ｅは、特許請求の範囲に記載の「特性推定モデル生成手段」に対応し、行動データ生成部１６ｄおよび推定ユーザ特性推定部１６ｆは、同じく「特性推定手段」に対応する。
【００５４】
アンケート送受信制御部１６ａは、アンケート管理記憶部１５ａが記憶するアンケート質問データを、サーバ１０の管理者の指示に基づいて教師ユーザ端末３０に通信部１３を介して送信するように制御する。また、アンケート送受信制御部１６ａは、教師ユーザ端末３０から送信された入力済みのアンケート質問データを、通信部１３を介して受信し、受信した入力済みのアンケート質問データを、教師ユーザごとに割り振られたユーザＩＤと対応付けてアンケート管理記憶部１５ａに格納するように制御する。
【００５５】
教師ユーザ特性特定部１６ｂは、アンケート管理記憶部１５ａに格納された入力済みのアンケート質問データに基づいて、教師ユーザごとの特性を特定する。
【００５６】
例えば、教師ユーザ特性特定部１６ｂは、入力済みのアンケート質問データを解析して、図４に示すように、教師ユーザごとに、「革新性」などに基づく特性を特定する。
【００５７】
すなわち、教師ユーザ特性特定部１６ｂは、入力済みのアンケート質問データを解析して、教師ユーザそれぞれを、図４に示すように、イノベータ、アーリーアダプター、アーリーマジョリティ、レイトマジョリティ、ラガードのいずれかの「革新性」に基づく特性グループに分類して特定する。また、教師ユーザ特性特定部１６ｂは、教師ユーザそれぞれを、「革新性」以外に基づく特性グループ、例えば、図４に示すように、性別、年齢、職業などのデモグラフィックな情報に基づく特性グループや、高級志向などの革新性以外のサイコグラフィックな情報に基づく特性グループなどに分類して特定する。これにより、図４に示すように、教師ユーザごと（ユーザＩＤ：ｋｕ０００１、ｋｕ０００２、・・・ごと）に、革新性やデモグラフィック情報や革新性以外のサイコグラフィック情報などに基づく特定が特定される。
【００５８】
そして、教師ユーザ特性特定部１６ｂは、特定した教師ユーザごとの特性を、教師ユーザごとに割り振られたユーザＩＤに対応付けて、教師ユーザ特性記憶部１５ｂに格納する。
【００５９】
図３に戻って、アクセス履歴収集部１６ｃは、サーバ１０の管理者が設定した特性推定時機に基づいて、教師ユーザ端末３０から教師ユーザのアクセス履歴を収集し、推定ユーザ端末２０から推定ユーザのアクセス履歴を収集する。そして、アクセス履歴収集部１６ｃは、収集したアクセス履歴を、教師ユーザおよび推定ユーザごとに割り振られたユーザＩＤに対応付けて、アクセス履歴管理記憶部１５ｃに格納する。
【００６０】
例えば、アクセス履歴管理記憶部１５ｃは、図５に示すように、教師ユーザ１がアクセスした「ＵＲＬ：ｈｔｔｐ：／／ｗｗｗ．ｅｘａｍｐｌｅ．ｃｏｍ／ｓｅａｒｃｈ？ｋｅｙ＝ｘｘｘ」およびアクセスした「日時：２００８／３／２８ １２：３０」などのアクセス履歴を、教師ユーザ１に割り振られたユーザＩＤである「ｋｕ０００１」に対応付けて記憶する。なお、本実施例では、教師ユーザおよび推定ユーザのアクセス履歴を収集する対象が、教師ユーザ端末３０および推定ユーザ端末２０である場合について説明したが、本発明はこれに限定されるものではなく、教師ユーザおよび推定ユーザにサービスを提供するサーバ１０、あるいは、サーバ１０以外のサーバが、教師ユーザおよび推定ユーザのアクセス履歴の収集対象である場合であってもよい。
【００６１】
図３に戻って、行動データ生成部１６ｄは、アクセス履歴管理記憶部１５ｃが記憶するアクセス履歴と、履歴・行動対応テーブル記憶部１５ｄが記憶する履歴・行動対応テーブルとに基づいて、教師ユーザおよび推定ユーザの行動データを生成する。なお、行動データは、特許請求の範囲に記載の「行動情報」に対応する。
【００６２】
ここで、履歴・行動対応テーブル記憶部１５ｄが記憶する履歴・行動対応テーブルについて、改めて図６を用いて詳細に説明する。上述したように、履歴・行動対応テーブルは、アクセス履歴を構成するアクセス情報と、アクセス情報から抽出されるユーザの行動情報とを対応付けた情報であり、具体的には、アクセス履歴を構成するアクセス情報としてのＵＲＬの種類ごとに、行動ＩＤを対応付け、さらに、各行動ＩＤを、種類ごとに大別した行動グループを対応付けた情報である。
【００６３】
例えば、履歴・行動対応テーブル記憶部１５ｄは、図６に示すように、ユーザがアクセスしたＵＲＬの種類が、ユーザがポータルサイト「ｈｔｔｐ：／／ｗｗｗ．ｅｘａｍｐｌｅ．ｃｏｍ／」にアクセスし、当該ポータルサイトにてキーワードを入力して検索を実行したことを示す「ｈｔｔｐ：／／ｗｗｗ．ｅｘａｍｐｌｅ．ｃｏｍ／ｓｅａｒｃｈ？ｋｅｙ＝＜ｋｅｙｗｏｒｄ＞」であるならば、「行動ＩＤ：Ａ０１」に対応し、さらに「行動ＩＤ：Ａ０１」を、「行動グループ：検索」に大別される「ＩＤ：Ａ」に対応する行動ＩＤであるとする履歴・行動対応テーブルを記憶する。
【００６４】
また、履歴・行動対応テーブル記憶部１５ｄは、図６に示すように、「行動グループ：閲覧」に大別される「ＩＤ：Ｂ」に対応する「行動ＩＤ：Ｂ０１」などを、特定のポータルサイトにおけるページを閲覧したことを示すＵＲＬの種類ごとに対応付けて記憶し、「行動グループ：購買」に大別される「ＩＤ：Ｃ」に対応する「行動ＩＤ：Ｃ０１」などを、特定のポータルサイトを利用して商品を購入したことを示すＵＲＬの種類ごとに対応付けて記憶した履歴・行動対応テーブルを記憶する。なお、履歴・行動対応テーブル記憶部１５ｄは、図６に示す以外にも、「ＩＤ：Ｄ」として「情報収集に対する積極性」、「ＩＤ：Ｅ」として「他者からのお薦めに対する受容性」、「ＩＤ：Ｆ」として「話題性（人気）に対する敏感度」、「ＩＤ：Ｇ」として「新商品に対する敏感度」、「ＩＤ：Ｈ」として「評価に対する敏感度」、「ＩＤ：Ｉ」として「情報発信に対する積極性」、「ＩＤ：Ｊ」として「価格に対する敏感度」などに大別される「行動グループ」それぞれについて、ＵＲＬの種類ごとに「行動ＩＤ」が対応付けられた履歴・行動対応テーブルを記憶する。
【００６５】
図３に戻って、行動データ生成部１６ｄは、まず、特性推定時機においてアクセス履歴収集部１６ｃが収集しアクセス履歴管理記憶部１５ｃに格納した教師ユーザのアクセス履歴と、履歴・行動対応テーブル記憶部１５ｄが記憶する履歴・行動対応テーブルとに基づいて、教師ユーザの行動データを生成する。なお、行動データ生成部１６ｄは、管理者などが予め定めた量や集計期間のアクセス履歴を用いて、行動データを生成する。
【００６６】
具体的には、行動データ生成部１６ｄは、教師ユーザ１の教師ユーザ端末３０（ユーザＩＤ：ｋｕ０００１）のアクセス履歴における「ＵＲＬ：ｈｔｔｐ：／／ｗｗｗ．ｅｘａｍｐｌｅ．ｃｏｍ／ｓｅａｒｃｈ？ｋｅｙ＝ｘｘｘ」（図５参照）を、履歴・行動対応テーブル記憶部１５ｄが記憶する履歴・行動対応テーブル（図６参照）から、「行動ＩＤ：Ａ０１」であると特定する。
【００６７】
そして、行動データ生成部１６ｄは、教師ユーザのアクセス履歴を構成する「ＵＲＬ」の情報ごとに行動ＩＤを特定して行動ＩＤごとの頻度を算出する。さらに、行動データ生成部１６ｄは、同じ行動グループを構成する行動ＩＤすべての頻度を合計して、『「ＩＤ：Ａ」の合計頻度、「ＩＤ：Ｂ」の合計頻度、「ＩＤ：Ｃ」の合計頻度、・・』からなる教師ユーザごとの行動データを生成し、その結果を、行動データ記憶部１５ｅに格納する。
【００６８】
例えば、図７に示すように、行動データ生成部１６ｄは、ユーザＩＤが「ｋｕ０００１」の教師ユーザのアクセス履歴の「ＵＲＬ」を解析して、「行動グループ：検索」に大別される「ＩＤ：Ａ」の合計頻度を「１」とし、「行動グループ：閲覧」に大別される「ＩＤ：Ｂ」の合計頻度を「０」とし、「行動グループ：購買」に大別される「ＩＤ：Ｃ」の合計頻度を「０」とする教師ユーザ１の行動データを生成する。なお、行動データ生成部１６ｄは、図７には示さないが、教師ユーザのアクセス履歴の「ＵＲＬ」を解析して、上記した「ＩＤ：Ｄ」〜「ＩＤ：Ｊ」についても合計頻度を算出し、「ＩＤ：Ｄ」〜「ＩＤ：Ｊ」に関する教師ユーザごとの行動データも生成する。
【００６９】
なお、行動データ生成部１６ｄによる推定ユーザの行動データ生成処理については、後述する。
【００７０】
図３に戻って、特性推定モデル生成部１６ｅは、行動データ記憶部１５ｅが記憶する教師ユーザごとの行動データと、教師ユーザ特性記憶部１５ｂが記憶する教師ユーザごとの特性グループとから、特性を推定するための特性推定モデルを生成し、その結果を、特性推定モデル記憶部１５ｆに格納する。
【００７１】
具体的には、特性推定モデル生成部１６ｅは、「革新性」に基づく特性グループを目的変数とし、行動グループのＩＤごとの合計頻度を説明変数として、特性を推定するための特性推定モデルを、線形判別分析などのパターン認識手法を用いて生成する。
【００７２】
例えば、特性推定モデル生成部１６ｅは、「革新性」に基づく特性グループを目的変数「Ｙ」とし、「ＩＤ：Ａ」の合計頻度を説明変数「Ｘ１」とし、「ＩＤ：Ｂ」の合計頻度を説明変数「Ｘ２」とし、「ＩＤ：Ｃ」の合計頻度を説明変数「Ｘ３」とし、「ＩＤ：Ｄ」の合計頻度を説明変数「Ｘ４」とし、「ＩＤ：Ｅ」の合計頻度を説明変数「Ｘ５」とし、「ＩＤ：Ｆ」の合計頻度を説明変数「Ｘ６」とし、「ＩＤ：Ｇ」の合計頻度を説明変数「Ｘ７」とし、「ＩＤ：Ｈ」の合計頻度を説明変数「Ｘ８」とし、「ＩＤ：Ｉ」の合計頻度を説明変数「Ｘ９」と、「ＩＤ：Ｊ」の合計頻度を説明変数「Ｘ１０」したうえで、判別関数「Ｙ＝ａＸ１＋ｂＸ２＋ｃＸ３＋ｄＸ４＋ｅＸ５＋ｆＸ６＋ｇＸ７＋ｈＸ８＋ｉＸ９＋ｊＸ１０」を設定し、教師ユーザごとの『「革新性」に基づく特性および行動グループごとの合計頻度』から、線形判別分析により最適なパラメータ「ａ，ｂ，ｃ，ｄ，ｅ，ｆ，ｇ，ｈ，ｉ，ｊ」を算出することにより、特性推定モデルを生成する。
【００７３】
また、特性推定モデル生成部１６ｅは、教師ユーザ特性特定部１６ｂによって特定された教師ユーザごとのデモグラフィック情報に基づく特性グループや、革新性以外のサイコグラフィック情報に基づく特性グループそれぞれについても、これらを目的変数とした特性推定モデルを同様に生成する。
【００７４】
ここで、行動データ生成部１６ｄは、特性推定モデル生成部１６ｅによって生成された特性推定モデルが特性推定モデル記憶部１５ｆに格納されると、特性推定時機においてアクセス履歴収集部１６ｃが収集しアクセス履歴管理記憶部１５ｃに格納した推定ユーザごとのアクセス履歴と、履歴・行動対応テーブル記憶部１５ｄが記憶する履歴・行動対応テーブルとに基づいて、推定ユーザごとの行動データを生成する。そして、行動データ生成部１６ｄは、生成した推定ユーザごとの行動データを行動データ記憶部１５ｅに格納する。なお、行動データ生成部１６ｄは、管理者などが予め定めた量や集計期間のアクセス履歴を用いて、行動データを生成する。
【００７５】
例えば、図８に示すように、行動データ生成部１６ｄは、ユーザＩＤが「ｓｕ０００１」の推定ユーザ１のアクセス履歴の「ＵＲＬ」を、履歴・行動対応テーブル記憶部１５ｄが記憶する履歴・行動対応テーブル（図６参照）を用いて解析することで、「行動グループ：検索」に大別される「ＩＤ：Ａ」の合計頻度を「１」とし、「行動グループ：閲覧」に大別される「ＩＤ：Ｂ」の合計頻度を「１」とし、「行動グループ：購買」に大別される「ＩＤ：Ｃ」の合計頻度を「０」と推定ユーザ１の行動データを生成する。なお、行動データ生成部１６ｄは、図８には示さないが、推定ユーザのアクセス履歴の「ＵＲＬ」を解析して、上記した「ＩＤ：Ｄ」〜「ＩＤ：Ｊ」についても合計頻度を算出し、「ＩＤ：Ｄ」〜「ＩＤ：Ｊ」に関する推定ユーザごとの行動データも生成する。
【００７６】
図３に戻って、推定ユーザ特性推定部１６ｆは、特性推定モデル記憶部１５ｆが記憶する特性推定モデルと、行動データ記憶部１５ｅが記憶する推定ユーザごとの行動データとを用いて推定ユーザごとの特性を推定し、その結果を、推定ユーザ特性記憶部１５ｇに格納する。
【００７７】
具体的には、推定ユーザ特性推定部１６ｆは、推定ユーザの行動データにおける行動グループごとの合計頻度を、特性推定モデルとして生成された判別関数に代入して算出された値に基づいて、推定ユーザの特性を推定する。
【００７８】
例えば、推定ユーザ特性推定部１６ｆは、図９に示すように、ユーザＩＤが「ｓｕ０００１」の推定ユーザ１の「革新性」に基づく嗜好特性を、「革新性」を目的変数とする特性推定モデルにより「イノベータ」として推定する。また、推定ユーザ特性推定部１６ｆは、デモグラフィック情報に基づく特性グループや、革新性以外のサイコグラフィック情報に基づく特性グループを目的変数とする特性推定モデルによっても、推定ユーザ１の特性を推定する。同様に、推定ユーザ特性推定部１６ｆは、ユーザＩＤが「ｓｕ０００２」の推定ユーザ２などの特性も推定する。なお、特定される教師ユーザの特性および推定される推定ユーザの特性は、上記した特性に限定されるものではなく、本発明は、これ以外にも様々な種類の嗜好特性について適用することが可能である。
【００７９】
なお、推定ユーザ特性推定部１６ｆによって推定された特性に基づいて、自動的、あるいは手動的に様々な処理が行なわれる。例えば、サーバ１０によって自動的に、あるいはサーバ１０の管理者によって手動的に、インターネットなどの通信ネットワーク上で提供されるサービスの中から、推定された特性に基づいて推定ユーザそれぞれにとって嗜好が合致するサービスが抽出され、抽出されたサービスが各推定ユーザに推薦される。または、商品開発の担当者によって、推定された特性に基づいたマーケティング調査が行なわれる。
【００８０】
また、上述した特性推定時機は、所定の条件に基づく時機が、サーバ１０の管理者によって設定され、特性推定時機になると、「アクセス履歴収集部１６ｃによる教師ユーザおよび推定ユーザのアクセス履歴の収集」と、「行動データ生成部１６ｄによる教師ユーザの行動データの生成および特性推定モデル生成部１６ｅによる特性推定モデルの生成」と、「行動データ生成部１６ｄによる推定ユーザの行動データの生成および推定ユーザ特性推定部１６ｆによる推定ユーザの特性推定」とからなる一連の特性推定処理が行なわれる。
【００８１】
ここで、特性推定処理は、サーバ１０の管理者によって設定された１つの特性推定時機において実行される場合であってもよいが、本発明はこれに限定されるものではない。すなわち、動的なユーザの特性変化に対応するため、複数の特性推定時機が設定され、複数の特性推定時機ごとに特性推定処理を繰り返して行うことにより、推定ユーザの特性を随時更新して推定する場合であってもよい。
【００８２】
例えば、サーバ１０の管理者によって指定された複数の時刻を「複数の特性推定時機」として設定する場合や、サーバ１０の管理者によって指定された所定の時間間隔ごと（例えば、１ヶ月ごと）の時刻を「複数の特性推定時機」として設定する場合であってもよい。あるいは、アクセス履歴収集部１６ｃが、推定ユーザ端末２０のアクセス履歴を監視しておき、アクセス履歴における蓄積量の増加量が、所定の値となった時機ごとを、「複数の特性推定時機」として設定する場合であってもよい。
【００８３】
次に、図１０を用いて教師ユーザ端末３０による処理の手順について説明する。図１０は、教師ユーザ端末による処理の手順を説明するためのフローチャートである。
【００８４】
図１０に示すように、教師ユーザ端末３０は、サーバ１０からアンケート質問データを受信すると（ステップＳ１００１肯定）、受信したアンケート質問データをアンケート記憶部３５ａに格納し、アンケート入力処理部３６ａは、アンケート記憶部３５ａが記憶するアンケート質問データを出力部３２が備えるモニタにて表示するように制御する（ステップＳ１００２）。
【００８５】
そして、アンケート入力処理部３６ａは、教師ユーザから入力部３１を介してアンケート質問データの入力完了通知を受け付けることにより、アンケート質問データの入力が完了したと判断すると（ステップＳ１００３肯定）、入力済みのアンケート質問データを、サーバ１０に送信し（ステップＳ１００４）、処理を終了する。
【００８６】
続いて、図１１を用いてサーバ１０による教師ユーザの特性特定処理の手順について説明する。図１１は、サーバによる教師ユーザの特性特定処理の手順を説明するためのフローチャートである。
【００８７】
図１１に示すように、サーバ１０は、管理者からアンケート質問データの送信指示を受け付けると（ステップＳ１１０１肯定）、アンケート送受信制御部１６ａは、アンケート管理記憶部１５ａが記憶するアンケート質問データを、教師ユーザ端末３０に通信部１３を介して送信するように制御する（ステップＳ１１０２）。
【００８８】
そして、アンケート送受信制御部１６ａは、教師ユーザ端末３０から入力済みアンケート質問データを受信すると（ステップＳ１１０３）、受信した入力済みアンケート質問データをアンケート管理記憶部１５ａに格納し、教師ユーザ特性特定部１６ｂは、アンケート管理記憶部１５ａに格納された入力済みのアンケート質問データに基づいて、教師ユーザごとの特性を特定し（ステップＳ１１０４）、処理を終了する。
【００８９】
続いて、図１２を用いてサーバ１０による推定ユーザの特性推定処理の手順について説明する。図１２は、サーバによる推定ユーザの特性推定処理の手順を説明するためのフローチャートである。
【００９０】
図１２に示すように、サーバ１０は、管理者によって設定された特性推定時機となると（ステップＳ１２０１肯定）、アクセス履歴収集部１６ｃは、教師ユーザおよび推定ユーザのアクセス履歴を収集し（ステップＳ１２０２）、行動データ生成部１６ｄは、アクセス履歴収集部１６ｃによって収集された教師ユーザのアクセス履歴から、履歴・行動対応テーブル記憶部１５ｄが記憶する履歴・行動対応テーブルを用いて、教師ユーザの行動データを生成する（ステップＳ１２０３）。
【００９１】
そして、特性推定モデル生成部１６ｅは、教師ユーザ特性特定部１６ｂによって特定された教師ユーザの特性と、行動データ生成部１６ｄによって生成された教師ユーザの行動データとから特性推定モデルを生成する（ステップＳ１２０４）。
【００９２】
そののち、行動データ生成部１６ｄは、アクセス履歴収集部１６ｃによって収集された推定ユーザのアクセス履歴から、履歴・行動対応テーブル記憶部１５ｄが記憶する履歴・行動対応テーブルを用いて、推定ユーザの行動データを生成する（ステップＳ１２０５）。
【００９３】
続いて、推定ユーザ特性推定部１６ｆは、行動データ生成部１６ｄによって生成された推定ユーザの行動データと、特性推定モデル生成部１６ｅによって生成された特性推定モデルとから推定ユーザの特性を推定し（ステップＳ１２０６）、処理を終了する。なお、図１２に示す特性推定処理は、特性推定時機となるたびに繰り返して実行することにより、動的なユーザの特性変化に対応することができる。
【００９４】
上述してきたように、実施例１では、アンケート送受信制御部１６ａは、教師ユーザ端末３０から入力済みアンケート質問データを受信し、教師ユーザ特性特定部１６ｂは、入力済みのアンケート質問データに基づいて、教師ユーザごとの特性を特定する。そして、特性推定時機となると、アクセス履歴収集部１６ｃは、教師ユーザおよび推定ユーザのアクセス履歴を教師ユーザ端末３０および推定ユーザ端末２０から収集し、行動データ生成部１６ｄは、教師ユーザのアクセス履歴から、履歴・行動対応テーブル記憶部１５ｄが記憶する履歴・行動対応テーブルを用いて、教師ユーザの行動データを生成し、特性推定モデル生成部１６ｅは、教師ユーザ特性特定部１６ｂによって特定された教師ユーザの特性を目的変数とし、行動データ生成部１６ｄによって生成された教師ユーザの行動データを説明変数とする特性推定モデルを生成する。
【００９５】
そして、行動データ生成部１６ｄは、アクセス履歴収集部１６ｃによって収集された推定ユーザのアクセス履歴から、履歴・行動対応テーブル記憶部１５ｄが記憶する履歴・行動対応テーブルを用いて、推定ユーザの行動データを生成し、推定ユーザ特性推定部１６ｆは、行動データ生成部１６ｄによって生成された推定ユーザの行動データと、特性推定モデル生成部１６ｅによって生成された特性推定モデルとから推定ユーザの特性を推定する。
【００９６】
このようなことから、実際にインターネットなどの通信ネットワークにおける嗜好特性が特定されたユーザのアクセス履歴から生成されたモデルに基づいて推定対象のユーザの特性を推定できるので、上記した主たる特徴の通り、推定ユーザのインターネットなどの通信ネットワークにおける嗜好特性を精度よく推定することが可能になる。
【００９７】
また、推定ユーザの特性を推定する際に必要となるのは、当該推定ユーザのアクセス履歴のみであるので、簡易に推定ユーザのインターネットなどの通信ネットワークにおける嗜好特性を推定することが可能になる。
【００９８】
また、推定ユーザにアンケート質問データの入力負担をかけることなく、嗜好特性を推定できる。これにより、推定ユーザは、自身の嗜好特性に基づき最適化されたサービスを、受動的に利用することが可能になる。
【００９９】
また、推定ユーザのアクセス履歴の収集処理を繰り返して行なうだけで、当該推定ユーザの特性を更新して推定することができるので、動的に変化する嗜好特性を追従することが可能になる。
【０１００】
なお、本実施例では、推定ユーザ端末２０がサーバ１０に接続される場合について説明したが、本発明はこれに限定されるものではなく、推定ユーザのアクセス履歴を収集することができるのであれば、推定ユーザ端末２０がサーバ１０に接続されない場合であってもよい。
【０１０１】
また、本実施例では、特性推定時機においてアクセス履歴を収集して推定ユーザの特性を推定する場合について説明したが、本発明はこれに限定されるものではなく、アクセス履歴を予め収集しておき、特性推定時機において推定ユーザの特性を推定する場合であってもよい。また、新規の推定ユーザが設定された時機も特性推定時機とし、既に生成された特性推定モデルを用いて新規の推定ユーザの特性を推定する場合であってもよい。
【実施例２】
【０１０２】
上述した実施例１では、特性推定装置としてのサーバ１０が、特性推定処理を一括して実行する場合について説明したが、実施例２では、サーバ１０と推定ユーザ端末２０とが、特性推定処理を分担して実行する場合について、図１３および図１４を用いて説明する。図１３は、実施例２におけるサーバの構成を示すブロック図であり、図１４は、実施例２における推定ユーザ端末の構成を示すブロック図である。
【０１０３】
なお、実施例２におけるサーバ１０を含んで構成される特性推定システムは、図１に示す実施例１におけるサーバ１０を含んで構成される特性推定システムと同様の構成となる。
【０１０４】
まず、実施例２におけるサーバ１０について説明する。図１３に示すように、実施例２におけるサーバ１０は、図３に示す実施例１におけるサーバ１０と比較すると、推定ユーザ特性推定部１６ｆが削除される。
【０１０５】
ここで、実施例２におけるサーバ１０は、アンケート送受信制御部１６ａによるアンケート質問データの送受信処理と、教師ユーザ特性特定部１６ｂによる教師ユーザの特性特定処理とを、実施例１におけるサーバ１０と同様に実行する。
【０１０６】
しかし、実施例２におけるサーバ１０は、アクセス履歴収集部１６ｃによるアクセス履歴収集処理において、特性推定時機に教師ユーザのアクセス履歴のみを収集し、行動データ生成部１６ｄによる行動データ生成処理において、履歴・行動対応テーブル記憶部１５ｄが記憶する履歴・行動対応テーブルを用いて教師ユーザの行動データのみを生成する。
【０１０７】
そして、実施例２におけるサーバ１０は、実施例１におけるサーバ１０と同様に、特性推定モデル生成部１６ｅによる特性推定モデルの生成処理を実行する。
【０１０８】
なお、実施例２における記憶部１５の各機能ブロックが記憶する内容は、アクセス履歴管理記憶部１５ｃがアクセス履歴収集部１６ｃによって収集された教師ユーザのアクセス履歴のみを記憶し、行動データ記憶部１５ｅが行動データ生成部１６ｄによって生成された教師ユーザの行動データのみを記憶する以外は、実施例１と同様であるので説明を省略する。
【０１０９】
続いて、実施例２における推定ユーザ端末２０について説明する。実施例１における推定ユーザ端末２０は、通信機能を備えた装置として一般的な装置（例えば、パーソナルコンピュータ）であったが、実施例２における推定ユーザ端末２０は、自身を所有するユーザ（推定ユーザ）の特性を推定するために、新たな機能を備えた装置となる。
【０１１０】
すなわち、実施例２における推定ユーザ端末２０は、図１４に示すように、サーバ１０に接続され、入力部２１と、出力部２２と、通信部２３と、入出力制御Ｉ／Ｆ部２４と、記憶部２５と、処理部２６とを備える。なお、記憶部２５および処理部２６は、図１４に示す機能ブロック以外にも、例えば、パーソナルコンピュータとしての機能を実行するための各種機能ブロックを備えている。
【０１１１】
入力部２１は、各種の情報を入力し、キーボードやマウスなどを備えて構成され、出力部２２は、各種の情報を出力し、モニタやスピーカを備えて構成される。
【０１１２】
通信部２３は、ネットワークを通じて送受信されるデータの通信を行ない、特に本発明に密接に関連するものとしては、履歴・行動対応テーブル記憶部１５ｄが記憶する履歴・行動対応テーブルをサーバ１０から受信して、後述する履歴・行動対応テーブル記憶部２５ｂに転送したり、特性推定モデル生成部１６ｅによって生成された特性推定モデルをサーバ１０から受信して、後述する特性推定モデル記憶部２５ｄに転送したりする。なお、通信部２３は、特許請求の範囲に記載の「取得手段」に対応する。
【０１１３】
ここで、通信部２３は、サーバ１０から履歴・行動対応テーブルを、特性推定処理を実行する前に、予め受信する。また、通信部２３は、特性推定モデル生成部１６ｅによって特性推定モデルが生成されるごとに、サーバ１０から特性推定モデルを受信する。
【０１１４】
入出力制御Ｉ／Ｆ部２４は、入力部２１、出力部２２および通信部２３と、記憶部２５および処理部２６との間におけるデータ転送を制御する。
【０１１５】
記憶部２５は、処理部２６による各種処理に用いるデータや、処理部２６による各種処理結果を記憶し、特に本発明に密接に関連するものとしては、図１４に示すように、アクセス履歴管理記憶部２５ａと、履歴・行動対応テーブル記憶部２５ｂと、行動データ記憶部２５ｃと、特性推定モデル記憶部２５ｄと、推定ユーザ特性記憶部２５ｅとを備える。
【０１１６】
アクセス履歴管理記憶部２５ａは、後述するアクセス履歴収集部２６ａが収集したアクセス履歴を記憶する。
【０１１７】
履歴・行動対応テーブル記憶部２５ｂは、通信部２３が受信した履歴・行動対応テーブル、すなわち、サーバ１０の履歴・行動対応テーブル記憶部１５ｄが記憶する履歴・行動対応テーブルと同一の情報を記憶する。
【０１１８】
行動データ記憶部２５ｃは、後述する行動データ生成部２６ｂによって生成された行動データを記憶する。
【０１１９】
特性推定モデル記憶部２５ｄは、通信部２３が受信した特性推定モデル、すなわち、サーバ１０の特性推定モデル生成部１６ｅが生成して特性推定モデル記憶部１５ｆに格納した特性推定モデルを記憶する。
【０１２０】
推定ユーザ特性記憶部２５ｅは、後述する推定ユーザ特性推定部２６ｃによって推定された推定ユーザの特性を記憶する。
【０１２１】
処理部２６は、入出力制御Ｉ／Ｆ部２４から転送されたデータに基づき各種処理を実行し、特に本発明に密接に関連するものとしては、図３に示すように、アクセス履歴収集部２６ａと、行動データ生成部２６ｂと、推定ユーザ特性推定部２６ｃとを備える。
【０１２２】
アクセス履歴収集部２６ａは、サーバ１０の管理者が設定した特性推定時機に基づいて、自身が備えられる推定ユーザ端末２０を所有する推定ユーザのアクセス履歴を収集し、その結果をアクセス履歴管理記憶部２５ａに格納する。
【０１２３】
行動データ生成部２６ｂは、アクセス履歴管理記憶部２５ａが記憶するアクセス履歴と、履歴・行動対応テーブル記憶部２５ｂが記憶する履歴・行動対応テーブルとに基づいて、自身が備えられる推定ユーザ端末２０を所有する推定ユーザの行動データを生成し、その結果を行動データ記憶部２５ｃに格納する。
【０１２４】
推定ユーザ特性推定部２６ｃは、特性推定モデル記憶部２５ｄが記憶する特性推定モデルと、行動データ記憶部２５ｃが記憶する行動データとを用いて、自身が備えられる推定ユーザ端末２０を所有する推定ユーザの特性を推定し、その結果を、推定ユーザ特性記憶部２５ｅに格納する。
【０１２５】
すなわち、実施例１においては、サーバ１０が各推定ユーザの特性を一括して推定していたが、実施例２においては、各推定ユーザの推定ユーザ端末２０が、自身を所有する推定ユーザの特性を推定する。
【０１２６】
なお、推定ユーザ特性推定部２６ｃによって推定された特性に基づいて、自動的、あるいは手動的に様々な処理が行なわれる。例えば、推定ユーザ端末２０、あるいは推定ユーザ端末２０から推定された特性を取得したサーバ１０によって自動的に、あるいは、推定ユーザ端末２０から推定された特性を取得したサーバ１０の管理者によって手動的に、インターネットなどの通信ネットワーク上で提供されるサービスから、推定ユーザにとって嗜好が合致するサービスが抽出され、抽出したサービスが推定ユーザに推薦される。または、商品開発の担当者によって、推定された特性に基づいたマーケティング調査が行なわれる。
【０１２７】
また、特性推定時機は、実施例１において説明したように、動的なユーザの特性変化に対応するため、複数の特性推定時機が設定され、複数の特性推定時機ごとに特性推定処理を繰り返して行うことにより、推定ユーザの特性を随時更新して推定してもよい。
【０１２８】
また、本実施例では、履歴・行動対応テーブルをサーバ１０から予め受信して履歴・行動対応テーブル記憶部２５ｂに格納したうえで、行動データを生成する場合について説明したが、本発明はこれに限定されるものではなく、サーバ１０に履歴・行動対応テーブルの情報を問い合わせながら、推定ユーザのアクセス履歴から行動データを生成する場合であってもよい。
【０１２９】
次に、図１５を用いて実施例２におけるサーバ１０による特性モデル生成処理の手順について説明する。図１５は、実施例２におけるサーバによる特性モデル生成処理の手順を説明するためのフローチャートである。なお、実施例２における教師ユーザ端末３０の処理の手順および実施例２におけるサーバ１０の教師ユーザの特性特定処理の手順は、実施例１において図１０および図１１を用いて説明した処理の手順と同様であるので説明を省略する。
【０１３０】
図１５に示すように、サーバ１０は、管理者によって設定された特性推定時機となると（ステップＳ１５０１肯定）、アクセス履歴収集部１６ｃは、教師ユーザのアクセス履歴を収集して、行動データ生成部１６ｄは、アクセス履歴から、履歴・行動対応テーブル記憶部１５ｄが記憶する履歴・行動対応テーブルを用いて、教師ユーザの行動データを生成する（ステップＳ１５０２）。
【０１３１】
そして、特性推定モデル生成部１６ｅは、教師ユーザ特性特定部１６ｂによって特定された教師ユーザの特性と、行動データ生成部１６ｄによって生成された教師ユーザの行動データとから特性推定モデルを生成する（ステップＳ１５０３）。ここで、特性推定モデル生成部１６ｅは、生成した特性推定モデルを特性推定モデル記憶部１５ｆに格納する。
【０１３２】
そののち、通信部１３は、特性推定モデル記憶部１５ｆに格納された特性推定モデルを推定ユーザ端末２０に送信し（ステップＳ１５０４）、処理を終了する。
【０１３３】
続いて、図１６を用いて実施例２における推定ユーザ端末２０による処理の手順について説明する。図１６は、実施例２における推定ユーザ端末による処理を説明するためのフローチャートである。
【０１３４】
図１６に示すように、実施例２における推定ユーザ端末２０は、サーバ１０から特性推定モデルを受信すると（ステップＳ１６０１肯定）、アクセス履歴収集部２６ａは、自身が備えられる推定ユーザ端末２０を所有する推定ユーザのアクセス履歴を収集して、行動データ生成部２６ｂは、アクセス履歴から、履歴・行動対応テーブル記憶部２５ｂが記憶する履歴・行動対応テーブルを用いて、行動データを生成する(ステップＳ１６０２)。
【０１３５】
そして、推定ユーザ特性推定部２６ｃは、行動データ生成部２６ｂによって生成された行動データと、特性推定モデル記憶部２５ｄが記憶する特性推定モデルとから、推定ユーザの特性を推定し（ステップＳ１６０３）、処理を終了する。なお、本実施例では、特性推定時機においてアクセス履歴を収集して推定ユーザの特性を推定する場合について説明したが、本発明はこれに限定されるものではなく、アクセス履歴を予め収集しておき、特性推定時機において推定ユーザの特性を推定する場合であってもよい。また、自身を所有するユーザが新規の推定ユーザとして設定された時機も特性推定時機とし、推定ユーザ端末２０が、既に生成された特性推定モデルを取得して、自身を所有するユーザの特性を推定する場合であってもよい。
【０１３６】
上述してきたように、実施例２では、推定ユーザ端末２０によって推定ユーザの特性を推定するので、端末側で分散してアクセス履歴の分析および特性推定を行うことができ、大規模環境にも対応することが可能になる。
【０１３７】
なお、上記した実施例１では、サーバ１０が特性推定処理を一括して実行し、実施例２では、サーバ１０が特性推定モデルの生成処理を実行する場合について説明したが、本発明はこれに限定されるものではなく、サーバ１０に接続される接続装置が、実施例１や実施例２で説明したサーバ１０の処理を実行する場合であってもよい。
【０１３８】
また、本実施例において説明した各処理のうち、自動的におこなわれるものとして説明した処理の全部または一部を手動的におこなうこともでき、あるいは、手動的におこな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おこなうこともできる。例えば、特性推定時機を、常に、サーバ１０の管理者によって手動で設定する場合であってもよい。この他、上記文書中や図面中で示した処理手順、制御手順、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。
【０１３９】
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。例えば、行動データ生成部１６ｄを、教師ユーザの行動データ生成用の処理部と、推定ユーザの行動データ生成用の処理部とに分散する場合であってもよい。さらに、各装置にて行なわれる各処理機能は、その全部または任意の一部が、ＣＰＵおよび当該ＣＰＵにて解析実行されるプログラムにて実現され、あるいは、ワイヤードロジックによるハードウェアとして実現され得る。
【０１４０】
なお、本実施例で説明した特性推定方法は、あらかじめ用意されたプログラムをパーソナルコンピュータやワークステーションなどのコンピュータで実行することによって実現することができる。このプログラムは、インターネットなどのネットワークを介して配布することができる。また、このプログラムは、ハードディスク、フレキシブルディスク（ＦＤ）、ＣＤ−ＲＯＭ、ＭＯ、ＤＶＤなどのコンピュータで読み取り可能な記録媒体に記録され、コンピュータによって記録媒体から読み出されることによって実行することもできる。
【産業上の利用可能性】
【０１４１】
以上のように、本発明に係る特性推定装置、特性推定システム、特性推定方法および特性推定プログラムは、通信ネットワークを利用するユーザの特性を推定する場合に有用であり、特に、ユーザの通信ネットワークにおける嗜好特性を精度よく推定することに適する。
【図面の簡単な説明】
【０１４２】
【図１】実施例１におけるサーバを含む特性推定システムの全体構成を説明するための図である。
【図２】教師ユーザ端末の構成を示すブロック図である。
【図３】実施例１におけるサーバの構成を示すブロック図である。
【図４】教師ユーザ特性特定部を説明するための図である。
【図５】アクセス履歴管理記憶部を説明するための図である。
【図６】履歴・行動対応テーブル記憶部を説明するための図である。
【図７】行動データ生成部による教師ユーザの行動データ生成を説明するための図である。
【図８】行動データ生成部による推定ユーザの行動データ生成を説明するための図である。
【図９】特性推定モデル生成部を説明するための図である。
【図１０】教師ユーザ端末による処理の手順を説明するためのフローチャートである。
【図１１】サーバによる教師ユーザの特性特定処理の手順を説明するためのフローチャートである。
【図１２】サーバによる推定ユーザの特性推定処理の手順を説明するためのフローチャートである。
【図１３】実施例２におけるサーバの構成を示すブロック図である。
【図１４】実施例２における推定ユーザ端末の構成を示すブロック図である。
【図１５】実施例２におけるサーバによる特性モデル生成処理の手順を説明するためのフローチャートである。
【図１６】実施例２における推定ユーザ端末による処理を説明するためのフローチャートである。
【符号の説明】
【０１４３】
１０ サーバ
１１ 入力部
１２ 出力部
１３ 通信部
１４ 入出力制御Ｉ／Ｆ部
１５ 記憶部
１５ａ アンケート管理記憶部
１５ｂ 教師ユーザ特性記憶部
１５ｃ アクセス履歴管理記憶部
１５ｄ 履歴・行動対応テーブル記憶部
１５ｅ 行動データ記憶部
１５ｆ 特性推定モデル記憶部
１５ｇ 推定ユーザ特性記憶部
１６ 処理部
１６ａ アンケート送受信制御部
１６ｂ 教師ユーザ特性特定部
１６ｃ アクセス履歴収集部
１６ｄ 行動データ生成部
１６ｅ 特性推定モデル生成部
１６ｆ 推定ユーザ特性推定部
２０ 推定ユーザ端末
３０ 教師ユーザ端末
３１ 入力部
３２ 出力部
３３ 通信部
３４ 入出力制御Ｉ／Ｆ部
３５ 記憶部
３５ａ アンケート記憶部
３６ 処理部
３６ａ アンケート入力処理部
【技術分野】
【０００１】
この発明は、ユーザの嗜好特性を推定するための特性推定装置、特性推定システム、特性推定方法および特性推定プログラムに関する。
【背景技術】
【０００２】
従来より、インターネットなどの通信ネットワークにおいて提供される情報量は、爆発的な増加傾向にあり、また、インターネットなどの通信ネットワークにおいて利用可能なサービスおよび購入可能な商品の多様性も、増加傾向にある。このため、通信ネットワークを利用するユーザが、自身の目的とする情報やサービスや商品を能動的に探すことが困難になってきており、ユーザの嗜好特性に応じて情報やサービスや商品を提供する技術の実現が必要となっている。
【０００３】
ユーザの嗜好特性に応じて情報やサービスや商品を提供するためには、ユーザの嗜好特性を数値化したり、テキスト（例えば、「ＳＦ好き」など）で表現したりするなど、客観的に推定することが必要となる。現在、ユーザの嗜好特性を客観的に推定する手法としては、以下に述べる２つの手法が知られている。
【０００４】
第一の手法は、ユーザに対してアンケートなどを行なうことにより、ユーザから直接的あるいは間接的に嗜好特性を聞き出す手法であり、第二の手法は、情報やサービスや商品などへのユーザのアクセス履歴を分析することで、嗜好特性を推定する手法である。
【０００５】
しかし、第一の手法は、ユーザに対して、アンケートなどに入力してもらう負担をかけさせてしまうため、ユーザに負荷をかけずにユーザの嗜好特性を受動的に推定する第二の手法の重要性が高まっている。
【０００６】
ここで、第二の手法においては、例えば、ユーザの商品情報に対するアクセス履歴やユーザの購買履歴、あるいは、ユーザの情報に対するアクセス頻度などをパラメータとして嗜好特性を推定する。
【０００７】
なお、嗜好特性の分類例としては、イノベータ理論に基づく分類がある（例えば、非特許文献１参照）。イノベータ理論は、ロジャースが１９６２年に提唱したイノベーション（技術革新）の普及に関する理論であり、イノベータ理論においてロジャースは、商品の新規性や話題性に対するユーザの特性（革新性）に基づいて、ユーザを５つのグループに分類している。
【０００８】
すなわち、イノベータ理論は、ユーザの「革新性」に基づいて、ユーザの嗜好特性を、イノベータ（Innovators：革新者）、アーリーアダプター（Early Adopters：初期採用者）、アーリーマジョリティ（Early Majority：前期追随者）、レイトマジョリティ（Late Majority：後期追随者）、ラガード（Laggards：遅滞者）の５つのグループに分類している。
【０００９】
イノベータは、冒険心にあふれイノベーションを進んで採用するユーザであり、アーリーアダプターは、流行に敏感で情報収集を自ら行なってイノベーションを採用するか否かを判断するユーザであり、アーリーマジョリティは、比較的慎重派ではあるが、平均より早くイノベーションを取り入れるユーザであり、レイトマジョリティは、比較的懐疑的であり、周囲の大多数が試している場面を見てから同じイノベーション選択をするユーザであり、ラガードは、最も保守的であり流行や世の中の動きに関心が薄く、イノベーションが伝統になるまで採用しないユーザである。
【００１０】
ここで、イノベータ理論において、イノベータは、重視するポイントがイノベーションの新しさそのもので、イノベーションがもたらす利点にあまり注目していない一方、アーリーアダプターは、イノベーションがもたらす新しい利点に注目し、他のユーザへの影響力が大きいことから、イノベーションが普及するための重要なオピニオンリーダーとされている。
【００１１】
しかし、インターネットなどの通信ネットワークにおいては、イノベーションのサイクルが早いため、新規の商品情報に対していち早くアクセスするイノベータのほうがオピニオンリーダーとしての機能があると考え、イノベータとして推定されたユーザのアクセス履歴に基づいて、イノベータ以外のユーザに情報を推薦する手法が知られている（非特許文献１参照）。
【００１２】
また、購入を前提とした検索や閲覧、商品の購入履歴を用いて、アンケートなどの入力情報から推定されたユーザの嗜好特性を更新する手法が知られている（例えば、特許文献１参照）。さらに、Ｐ２Ｐ（Ｐｅｅｒ ｔｏ Ｐｅｅｒ）のネットワークに特化したユーザの利用履歴から、ユーザの情報受容性および情報発信能力などの特性を推定する手法も知られている（例えば、特許文献２参照）。
【００１３】
【非特許文献１】石川雅之、森田武史、和泉憲明、山口高平：共有コンテンツのアクセス履歴分析に基づく情報推進エンジン、第２１回人工知能学会全国大会、３Ｇ８−２、２００７
【特許文献１】再公表特許Ｗ０１／０６７３１９号公報
【特許文献２】特開２００４−３６２２０８号公報
【発明の開示】
【発明が解決しようとする課題】
【００１４】
ところで、上記した従来の技術は、ユーザの通信ネットワークにおける嗜好特性を精度よく推定することは困難であるという問題点があった。
【００１５】
実際、インターネット上での商品へのアクセス履歴を用いて、ユーザグループが既知のユーザの商品へのアクセス履歴からユーザグループとアクセス時期の相関を算出したら、相関が見られない。したがって、新規の商品情報へのアクセス時期が早いことからイノベータとして推定されたユーザのアクセス履歴に基づいてイノベータ以外のユーザに情報を推薦したとしても、イノベータであるユーザの推定精度が低いために、ユーザへの推薦適合率が低い。
【００１６】
また、購入を前提とした検索や閲覧、商品の購入履歴を用いて、ユーザの嗜好特性を更新する場合、更新される嗜好特性は、アンケートなどのユーザ入力情報から推定されたものであり、嗜好特性をユーザに負荷をかけることなく推定することができない。
【００１７】
また、Ｐ２Ｐのネットワークの利用履歴から、ユーザの情報受容性と情報発信能力とを推定する場合、利用履歴の種類は、Ｐ２Ｐのネットワークにおける履歴に限定されてしまうので、通信ネットワークにおけるユーザの特性を推定することができない。
【００１８】
そこで、この発明は、上述した従来技術の課題を解決するためになされたものであり、ユーザの通信ネットワークにおける嗜好特性を精度よく推定することが可能になる特性推定装置、特性推定システム、特性推定方法および特性推定プログラムを提供することを目的とする。
【課題を解決するための手段】
【００１９】
上述した課題を解決し、目的を達成するため、この装置は、通信ネットワークを利用するユーザの特性を推定する特性推定装置であって、アクセス履歴を構成するアクセス情報と、前記アクセス情報から抽出されるユーザの行動情報とを対応付けた履歴行動対応情報を保持する履歴行動対応情報保持手段と、前記特性が予め特定されたユーザである特性特定ユーザのアクセス履歴と、前記履歴行動対応情報保持手段が保持する前記履歴行動対応情報とに基づいて、前記特性特定ユーザの行動情報を抽出し、抽出された前記特性特定ユーザの行動情報と前記特性特定ユーザの予め特定された特性とから、前記特性を推定するための特性推定モデルを生成する特性推定モデル生成手段と、前記特性の推定対象となるユーザである推定ユーザのアクセス履歴と、前記履歴行動対応情報保持手段が保持する前記履歴行動対応情報とに基づいて、前記推定ユーザの行動情報を抽出し、抽出された前記推定ユーザの行動情報と、前記特性推定モデル生成手段によって生成された前記特性推定モデルとを用いて前記推定ユーザの特性を推定する特性推定手段と、を備えたことを要件とする。
【００２０】
また、このシステムは、通信ネットワークを介したサービスを提供するサーバ、または当該サーバに接続される接続装置と、前記サーバから提供される前記サービスを利用するユーザの端末とを含んで構成され、前記ユーザが前記通信ネットワークを利用する際の特性を推定する特性推定システムであって、前記サーバ、または前記接続装置は、アクセス履歴を構成するアクセス情報と、前記アクセス情報から抽出されるユーザの行動情報とを対応付けた履歴行動対応情報を保持する履歴行動対応情報保持手段と、前記特性が予め特定されたユーザである特性特定ユーザのアクセス履歴と、前記履歴行動対応情報保持手段が保持する前記履歴行動対応情報とに基づいて、前記特性特定ユーザの行動情報を抽出し、抽出された前記特性特定ユーザの行動情報と前記特性特定ユーザの予め特定された特性とから、前記特性を推定するための特性推定モデルを生成する特性推定モデル生成手段と、を備え、前記端末は、前記特性の推定対象となるユーザである推定ユーザの端末である推定ユーザ端末である場合に、前記サーバ、または前記接続装置から前記履歴行動対応情報保持手段が保持する前記履歴行動対応情報および前記特性推定モデル生成手段によって生成された前記特性推定モデルを取得する取得手段と、前記推定ユーザのアクセス履歴と、前記取得手段によって取得された前記履歴行動対応情報とに基づいて、前記推定ユーザの行動情報を抽出し、抽出された前記推定ユーザの行動情報と、前記取得手段によって取得された前記特性推定モデルとを用いて前記推定ユーザの特性を推定する特性推定手段と、を備えたことを要件とする。
【００２１】
また、この方法は、通信ネットワークを利用するユーザの特性を推定する特性推定方法であって、アクセス履歴を構成するアクセス情報と、前記アクセス情報から抽出されるユーザの行動情報とを対応付けた履歴行動対応情報を保持する履歴行動対応情報保持ステップと、前記特性が予め特定されたユーザである特性特定ユーザのアクセス履歴と、前記履歴行動対応情報保持ステップが保持する前記履歴行動対応情報とに基づいて、前記特性特定ユーザの行動情報を抽出し、抽出された前記特性特定ユーザの行動情報と前記特性特定ユーザの予め特定された特性とから、前記特性を推定するための特性推定モデルを生成する特性推定モデル生成ステップと、前記特性の推定対象となるユーザである推定ユーザのアクセス履歴と、前記履歴行動対応情報保持ステップが保持する前記履歴行動対応情報とに基づいて、前記推定ユーザの行動情報を抽出し、抽出された前記推定ユーザの行動情報と、前記特性推定モデル生成ステップによって生成された前記特性推定モデルとを用いて前記推定ユーザの特性を推定する特性推定ステップと、を含んだことを要件とする。
【００２２】
また、このプログラムは、通信ネットワークを利用するユーザの特性を推定する特性推定方法をコンピュータに実行させる特性推定プログラムであって、アクセス履歴を構成するアクセス情報と、前記アクセス情報から抽出されるユーザの行動情報とを対応付けた履歴行動対応情報を保持する履歴行動対応情報保持手順と、前記特性が予め特定されたユーザである特性特定ユーザのアクセス履歴と、前記履歴行動対応情報保持手順が保持する前記履歴行動対応情報とに基づいて、前記特性特定ユーザの行動情報を抽出し、抽出された前記特性特定ユーザの行動情報と前記特性特定ユーザの予め特定された特性とから、前記特性を推定するための特性推定モデルを生成する特性推定モデル生成手順と、前記特性の推定対象となるユーザである推定ユーザのアクセス履歴と、前記履歴行動対応情報保持手順が保持する前記履歴行動対応情報とに基づいて、前記推定ユーザの行動情報を抽出し、抽出された前記推定ユーザの行動情報と、前記特性推定モデル生成手順によって生成された前記特性推定モデルとを用いて前記推定ユーザの特性を推定する特性推定手順と、をコンピュータに実行させることを要件とする。
【発明の効果】
【００２３】
開示の装置、システム、方法およびプログラムによれば、ユーザの通信ネットワークにおける嗜好特性を精度よく推定することが可能になる。また、ユーザのアンケートへの入力負担をかけることなく嗜好特性を推定することができるとともに、ユーザの嗜好特性が動的に変化する場合にも対応して嗜好特性を推定することができ、さらに、大規模環境へも対応して、多数のユーザの嗜好特性を推定することができる。
【発明を実施するための最良の形態】
【００２４】
以下に添付図面を参照して、この発明に係る特性推定装置、特性推定システム、特性推定方法および特性推定プログラムの実施例を詳細に説明する。
【実施例１】
【００２５】
以下に説明する実施例１では、この発明に係る特性推定装置の機能を、通信ネットワークを介したサービスを提供する「サーバ」に搭載した場合について説明する。
【００２６】
なお、以下では、「サーバ」を介してインターネットなどの通信ネットワークを利用するユーザであり、特性（インターネットにおける嗜好特性）の推定対象となるユーザを「推定ユーザ」と記述する。また、「推定ユーザ」が所有し、「推定ユーザ」の入力情報に基づいて、インターネットなどネットワークを介したサービスを「サーバ」に要求する端末装置を「推定ユーザ端末」として記述する。
【００２７】
まず、実施例１におけるサーバを含む特性推定システムの全体構成について説明する。図１は、実施例１におけるサーバを含む特性推定システムの全体構成を説明するための図である。
【００２８】
図１に示すように、実施例１におけるサーバ１０は、推定ユーザ端末２０と接続され、推定ユーザ端末２０を所有する推定ユーザの特性を推定することを概要とする。ここで、実施例１におけるサーバ１０は、さらに「教師ユーザ」の端末である教師ユーザ端末３０と接続される。
【００２９】
例えば、図１に示すように、実施例１におけるサーバ１０は、教師ユーザ１の教師ユーザ端末３０、教師ユーザ２の教師ユーザ端末３０といったように、複数個の教師ユーザ端末３０と接続される。ここで、「教師ユーザ」とは、推定ユーザの特性を推定する前に、通信ネットワークにおける特性が教師ユーザ端末３０から取得した情報に基づいて予め特定されるユーザのことである。なお、「教師ユーザ」は、特許請求の範囲に記載の「特性特定ユーザ」に対応する。
【００３０】
また、推定ユーザ端末２０や教師ユーザ端末３０としては、例えば、パーソナルコンピュータやＰＤＡ、あるいは携帯電話やＰＨＳなどの通信機能を備えた装置が挙げられ、Ｗｅｂブラウザなど、ネットワークを利用するための専用のアプリケーションを備える。
【００３１】
そして、実施例１におけるサーバ１０は、教師ユーザの予め特定された特性を用いることで、推定ユーザのインターネットなどの通信ネットワークにおける嗜好特性を精度よく推定することが可能になることに主たる特徴がある。
【００３２】
この主たる特徴について、図２〜図９を用いて説明する。図２は、教師ユーザ端末の構成を示すブロック図であり、図３は、実施例１におけるサーバの構成を示すブロック図であり、図４は、教師ユーザ特性特定部を説明するための図であり、図５は、アクセス履歴管理記憶部を説明するための図であり、図６は、履歴・行動対応テーブル記憶部を説明するための図であり、図７は、行動データ生成部による教師ユーザの行動データ生成を説明するための図であり、図８は、行動データ生成部による推定ユーザの行動データ生成を説明するための図であり、図９は、特性推定モデル生成部を説明するための図である。
【００３３】
まず、教師ユーザ端末３０について説明する。図２に示すように、サーバ１０に接続される教師ユーザ端末３０は、入力部３１と、出力部３２と、通信部３３と、入出力制御Ｉ／Ｆ部３４と、記憶部３５と、処理部３６とを備える。なお、記憶部３５および処理部３６は、図２に示す機能ブロック以外にも、例えば、パーソナルコンピュータとしての機能を実行するための各種機能ブロックを備えている。
【００３４】
入力部３１は、各種の情報を入力し、キーボードやマウスなどを備えて構成され、特に本発明に密接に関連するものとしては、サーバ１０から受信したアンケート質問データに対する教師ユーザの回答を、例えば、キーボードから受け付けて入力する。
【００３５】
出力部３２は、各種の情報を出力し、モニタやスピーカを備えて構成され、特に本発明に密接に関連するものとしては、サーバ１０から受信したアンケート質問データを、モニタの画面に表示したりする。
【００３６】
通信部３３は、ネットワークを通じて送受信されるデータの通信を行ない、特に本発明に密接に関連するものとしては、サーバ１０からアンケート質問データを受信して、受信したアンケート質問データを後述するアンケート記憶部３５ａに転送したり、後述するアンケート記憶部３５ａに格納された入力済みのアンケート質問データをサーバ１０に送信したりする。
【００３７】
入出力制御Ｉ／Ｆ部３４は、入力部３１、出力部３２および通信部３３と、記憶部３５および処理部３６との間におけるデータ転送を制御する。
【００３８】
記憶部３５は、処理部３６による各種処理に用いるデータや、処理部３６による各種処理結果を記憶し、特に本発明に密接に関連するものとしては、図２に示すように、アンケート記憶部３５ａを備える。
【００３９】
アンケート記憶部３５ａは、サーバ１０から通信部３３が受信し、入出力制御Ｉ／Ｆ部３４から転送されたアンケート質問データを記憶し、さらに、後述するアンケート入力処理部３６ａが受け付けた入力済みのアンケート質問データを記憶する。
【００４０】
処理部３６は、入出力制御Ｉ／Ｆ部３４から転送されたデータに基づき各種処理を実行し、特に本発明に密接に関連するものとしては、図２に示すように、アンケート入力処理部３６ａを備える。
【００４１】
アンケート入力処理部３６ａは、アンケート記憶部３５ａが記憶するアンケート質問データを出力部３２が備えるモニタにて表示するように制御する。さらに、アンケート入力処理部３６ａは、出力部３２が備えるモニタに表示されたアンケート質問データを参照した教師ユーザの回答を、入力部３１を介して受け付け、回答が入力された入力済みのアンケート質問データをアンケート記憶部３５ａに格納する。
【００４２】
また、アンケート入力処理部３６ａは、教師ユーザから入力部３１を介してアンケート質問データの入力完了通知を受け付けた場合に、アンケート記憶部３５ａが記憶する入力済みのアンケート質問データを、入出力制御Ｉ／Ｆ部３４を介して通信部３３に転送し、通信部３３は、転送された入力済みのアンケート質問データを、サーバ１０に送信する。
【００４３】
続いて、サーバ１０について説明する。図３に示すように、教師ユーザ端末３０および推定ユーザ端末２０と接続されるサーバ１０は、入力部１１と、出力部１２と、通信部１３と、入出力制御Ｉ／Ｆ部１４と、記憶部１５と、処理部１６とを備える。なお、記憶部１５および処理部１６は、図３に示す機能ブロック以外にも、サーバとしての機能を実行するための各種機能ブロックを備えている。
【００４４】
入力部１１は、各種の情報を入力し、キーボードやマウスなどを備えて構成され、特に本発明に密接に関連するものとしては、後述するアンケート管理記憶部１５ａに格納され教師ユーザ端末３０に送信されるアンケート質問データや、後述する履歴・行動対応テーブル記憶部１５ｄに格納される履歴・行動対応テーブルや、推定ユーザの特性を推定する時機（以下、特性推定時機と記述する）などを、サーバ１０の管理者から受け付けて入力する。
【００４５】
出力部１２は、各種の情報を出力し、モニタやスピーカを備えて構成され、特に本発明に密接に関連するものとしては、教師ユーザ端末３０から受信した入力済みアンケート質問データや、後述する教師ユーザ特性特定部１６ｂによって特定された教師ユーザの特性や、後述する推定ユーザ特性推定部１６ｆによって推定された推定ユーザの特性などをモニタの画面に表示したりする。
【００４６】
通信部１３は、ネットワークを通じて送受信されるデータの通信を行ない、特に本発明に密接に関連するものとしては、教師ユーザ端末３０に後述するアンケート管理記憶部１５ａが記憶するアンケート質問データを送信したり、教師ユーザ端末３０から入力済みのアンケート質問データを受信して、受信した入力済みのアンケート質問データを後述するアンケート管理記憶部１５ａに転送したり、後述するアクセス履歴収集部１６ｃの制御に基づいて教師ユーザ端末３０や推定ユーザ端末２０のアクセス履歴を受信して、受信したアクセス履歴を後述するアクセス履歴管理記憶部１５ｃに転送したりする。
【００４７】
入出力制御Ｉ／Ｆ部１４は、入力部１１、出力部１２および通信部１３と、記憶部１５および処理部１６との間におけるデータ転送を制御する。
【００４８】
記憶部１５は、処理部１６による各種処理に用いるデータや、処理部１６による各種処理結果を記憶し、特に本発明に密接に関連するものとしては、図３に示すように、アンケート管理記憶部１５ａと、教師ユーザ特性記憶部１５ｂと、アクセス履歴管理記憶部１５ｃと、履歴・行動対応テーブル記憶部１５ｄと、行動データ記憶部１５ｅと、特性推定モデル記憶部１５ｆと、推定ユーザ特性記憶部１５ｇとを備える。
【００４９】
アンケート管理記憶部１５ａは、後述するアンケート送受信制御部１６ａの制御に基づいて教師ユーザ端末３０に送信されるアンケート質問データを記憶するとともに、教師ユーザ端末３０から受信した入力済みのアンケート質問データを後述するアンケート送受信制御部１６ａの制御に基づいて、教師ユーザに割り振られた識別子（ユーザＩＤ）に対応付けて記憶する。
【００５０】
教師ユーザ特性記憶部１５ｂは、後述する教師ユーザ特性特定部１６ｂによって特定された教師ユーザの特性を記憶し、アクセス履歴管理記憶部１５ｃは、後述するアクセス履歴収集部１６ｃが収集した教師ユーザや推定ユーザのアクセス履歴を記憶し、行動データ記憶部１５ｅは、後述する行動データ生成部１６ｄによって生成された教師ユーザや推定ユーザの行動データを記憶し、特性推定モデル記憶部１５ｆは、後述する特性推定モデル生成部１６ｅによって生成された特性推定モデルを記憶し、推定ユーザ特性記憶部１５ｇは、後述する推定ユーザ特性推定部１６ｆによって推定された推定ユーザの特性を記憶する。
【００５１】
また、履歴・行動対応テーブル記憶部１５ｄは、アクセス履歴を構成するアクセス情報と、アクセス情報から抽出されるユーザの行動情報とを対応付けた履歴・行動対応テーブルを記憶する。なお、履歴・行動対応テーブルは、特許請求の範囲に記載の「履歴行動対応情報」に対応し、履歴・行動対応テーブル記憶部１５ｄは、同じく「履歴行動対応情報保持手段」に対応する。
【００５２】
なお、これら記憶部１５が備える各機能ブロックが記憶する内容については、後に詳述する。
【００５３】
処理部１６は、入出力制御Ｉ／Ｆ部１４から転送されたデータに基づき各種処理を実行し、特に本発明に密接に関連するものとしては、図３に示すように、アンケート送受信制御部１６ａと、教師ユーザ特性特定部１６ｂと、アクセス履歴収集部１６ｃと、行動データ生成部１６ｄと、特性推定モデル生成部１６ｅと、推定ユーザ特性推定部１６ｆとを備える。ここで、行動データ生成部１６ｄおよび特性推定モデル生成部１６ｅは、特許請求の範囲に記載の「特性推定モデル生成手段」に対応し、行動データ生成部１６ｄおよび推定ユーザ特性推定部１６ｆは、同じく「特性推定手段」に対応する。
【００５４】
アンケート送受信制御部１６ａは、アンケート管理記憶部１５ａが記憶するアンケート質問データを、サーバ１０の管理者の指示に基づいて教師ユーザ端末３０に通信部１３を介して送信するように制御する。また、アンケート送受信制御部１６ａは、教師ユーザ端末３０から送信された入力済みのアンケート質問データを、通信部１３を介して受信し、受信した入力済みのアンケート質問データを、教師ユーザごとに割り振られたユーザＩＤと対応付けてアンケート管理記憶部１５ａに格納するように制御する。
【００５５】
教師ユーザ特性特定部１６ｂは、アンケート管理記憶部１５ａに格納された入力済みのアンケート質問データに基づいて、教師ユーザごとの特性を特定する。
【００５６】
例えば、教師ユーザ特性特定部１６ｂは、入力済みのアンケート質問データを解析して、図４に示すように、教師ユーザごとに、「革新性」などに基づく特性を特定する。
【００５７】
すなわち、教師ユーザ特性特定部１６ｂは、入力済みのアンケート質問データを解析して、教師ユーザそれぞれを、図４に示すように、イノベータ、アーリーアダプター、アーリーマジョリティ、レイトマジョリティ、ラガードのいずれかの「革新性」に基づく特性グループに分類して特定する。また、教師ユーザ特性特定部１６ｂは、教師ユーザそれぞれを、「革新性」以外に基づく特性グループ、例えば、図４に示すように、性別、年齢、職業などのデモグラフィックな情報に基づく特性グループや、高級志向などの革新性以外のサイコグラフィックな情報に基づく特性グループなどに分類して特定する。これにより、図４に示すように、教師ユーザごと（ユーザＩＤ：ｋｕ０００１、ｋｕ０００２、・・・ごと）に、革新性やデモグラフィック情報や革新性以外のサイコグラフィック情報などに基づく特定が特定される。
【００５８】
そして、教師ユーザ特性特定部１６ｂは、特定した教師ユーザごとの特性を、教師ユーザごとに割り振られたユーザＩＤに対応付けて、教師ユーザ特性記憶部１５ｂに格納する。
【００５９】
図３に戻って、アクセス履歴収集部１６ｃは、サーバ１０の管理者が設定した特性推定時機に基づいて、教師ユーザ端末３０から教師ユーザのアクセス履歴を収集し、推定ユーザ端末２０から推定ユーザのアクセス履歴を収集する。そして、アクセス履歴収集部１６ｃは、収集したアクセス履歴を、教師ユーザおよび推定ユーザごとに割り振られたユーザＩＤに対応付けて、アクセス履歴管理記憶部１５ｃに格納する。
【００６０】
例えば、アクセス履歴管理記憶部１５ｃは、図５に示すように、教師ユーザ１がアクセスした「ＵＲＬ：ｈｔｔｐ：／／ｗｗｗ．ｅｘａｍｐｌｅ．ｃｏｍ／ｓｅａｒｃｈ？ｋｅｙ＝ｘｘｘ」およびアクセスした「日時：２００８／３／２８ １２：３０」などのアクセス履歴を、教師ユーザ１に割り振られたユーザＩＤである「ｋｕ０００１」に対応付けて記憶する。なお、本実施例では、教師ユーザおよび推定ユーザのアクセス履歴を収集する対象が、教師ユーザ端末３０および推定ユーザ端末２０である場合について説明したが、本発明はこれに限定されるものではなく、教師ユーザおよび推定ユーザにサービスを提供するサーバ１０、あるいは、サーバ１０以外のサーバが、教師ユーザおよび推定ユーザのアクセス履歴の収集対象である場合であってもよい。
【００６１】
図３に戻って、行動データ生成部１６ｄは、アクセス履歴管理記憶部１５ｃが記憶するアクセス履歴と、履歴・行動対応テーブル記憶部１５ｄが記憶する履歴・行動対応テーブルとに基づいて、教師ユーザおよび推定ユーザの行動データを生成する。なお、行動データは、特許請求の範囲に記載の「行動情報」に対応する。
【００６２】
ここで、履歴・行動対応テーブル記憶部１５ｄが記憶する履歴・行動対応テーブルについて、改めて図６を用いて詳細に説明する。上述したように、履歴・行動対応テーブルは、アクセス履歴を構成するアクセス情報と、アクセス情報から抽出されるユーザの行動情報とを対応付けた情報であり、具体的には、アクセス履歴を構成するアクセス情報としてのＵＲＬの種類ごとに、行動ＩＤを対応付け、さらに、各行動ＩＤを、種類ごとに大別した行動グループを対応付けた情報である。
【００６３】
例えば、履歴・行動対応テーブル記憶部１５ｄは、図６に示すように、ユーザがアクセスしたＵＲＬの種類が、ユーザがポータルサイト「ｈｔｔｐ：／／ｗｗｗ．ｅｘａｍｐｌｅ．ｃｏｍ／」にアクセスし、当該ポータルサイトにてキーワードを入力して検索を実行したことを示す「ｈｔｔｐ：／／ｗｗｗ．ｅｘａｍｐｌｅ．ｃｏｍ／ｓｅａｒｃｈ？ｋｅｙ＝＜ｋｅｙｗｏｒｄ＞」であるならば、「行動ＩＤ：Ａ０１」に対応し、さらに「行動ＩＤ：Ａ０１」を、「行動グループ：検索」に大別される「ＩＤ：Ａ」に対応する行動ＩＤであるとする履歴・行動対応テーブルを記憶する。
【００６４】
また、履歴・行動対応テーブル記憶部１５ｄは、図６に示すように、「行動グループ：閲覧」に大別される「ＩＤ：Ｂ」に対応する「行動ＩＤ：Ｂ０１」などを、特定のポータルサイトにおけるページを閲覧したことを示すＵＲＬの種類ごとに対応付けて記憶し、「行動グループ：購買」に大別される「ＩＤ：Ｃ」に対応する「行動ＩＤ：Ｃ０１」などを、特定のポータルサイトを利用して商品を購入したことを示すＵＲＬの種類ごとに対応付けて記憶した履歴・行動対応テーブルを記憶する。なお、履歴・行動対応テーブル記憶部１５ｄは、図６に示す以外にも、「ＩＤ：Ｄ」として「情報収集に対する積極性」、「ＩＤ：Ｅ」として「他者からのお薦めに対する受容性」、「ＩＤ：Ｆ」として「話題性（人気）に対する敏感度」、「ＩＤ：Ｇ」として「新商品に対する敏感度」、「ＩＤ：Ｈ」として「評価に対する敏感度」、「ＩＤ：Ｉ」として「情報発信に対する積極性」、「ＩＤ：Ｊ」として「価格に対する敏感度」などに大別される「行動グループ」それぞれについて、ＵＲＬの種類ごとに「行動ＩＤ」が対応付けられた履歴・行動対応テーブルを記憶する。
【００６５】
図３に戻って、行動データ生成部１６ｄは、まず、特性推定時機においてアクセス履歴収集部１６ｃが収集しアクセス履歴管理記憶部１５ｃに格納した教師ユーザのアクセス履歴と、履歴・行動対応テーブル記憶部１５ｄが記憶する履歴・行動対応テーブルとに基づいて、教師ユーザの行動データを生成する。なお、行動データ生成部１６ｄは、管理者などが予め定めた量や集計期間のアクセス履歴を用いて、行動データを生成する。
【００６６】
具体的には、行動データ生成部１６ｄは、教師ユーザ１の教師ユーザ端末３０（ユーザＩＤ：ｋｕ０００１）のアクセス履歴における「ＵＲＬ：ｈｔｔｐ：／／ｗｗｗ．ｅｘａｍｐｌｅ．ｃｏｍ／ｓｅａｒｃｈ？ｋｅｙ＝ｘｘｘ」（図５参照）を、履歴・行動対応テーブル記憶部１５ｄが記憶する履歴・行動対応テーブル（図６参照）から、「行動ＩＤ：Ａ０１」であると特定する。
【００６７】
そして、行動データ生成部１６ｄは、教師ユーザのアクセス履歴を構成する「ＵＲＬ」の情報ごとに行動ＩＤを特定して行動ＩＤごとの頻度を算出する。さらに、行動データ生成部１６ｄは、同じ行動グループを構成する行動ＩＤすべての頻度を合計して、『「ＩＤ：Ａ」の合計頻度、「ＩＤ：Ｂ」の合計頻度、「ＩＤ：Ｃ」の合計頻度、・・』からなる教師ユーザごとの行動データを生成し、その結果を、行動データ記憶部１５ｅに格納する。
【００６８】
例えば、図７に示すように、行動データ生成部１６ｄは、ユーザＩＤが「ｋｕ０００１」の教師ユーザのアクセス履歴の「ＵＲＬ」を解析して、「行動グループ：検索」に大別される「ＩＤ：Ａ」の合計頻度を「１」とし、「行動グループ：閲覧」に大別される「ＩＤ：Ｂ」の合計頻度を「０」とし、「行動グループ：購買」に大別される「ＩＤ：Ｃ」の合計頻度を「０」とする教師ユーザ１の行動データを生成する。なお、行動データ生成部１６ｄは、図７には示さないが、教師ユーザのアクセス履歴の「ＵＲＬ」を解析して、上記した「ＩＤ：Ｄ」〜「ＩＤ：Ｊ」についても合計頻度を算出し、「ＩＤ：Ｄ」〜「ＩＤ：Ｊ」に関する教師ユーザごとの行動データも生成する。
【００６９】
なお、行動データ生成部１６ｄによる推定ユーザの行動データ生成処理については、後述する。
【００７０】
図３に戻って、特性推定モデル生成部１６ｅは、行動データ記憶部１５ｅが記憶する教師ユーザごとの行動データと、教師ユーザ特性記憶部１５ｂが記憶する教師ユーザごとの特性グループとから、特性を推定するための特性推定モデルを生成し、その結果を、特性推定モデル記憶部１５ｆに格納する。
【００７１】
具体的には、特性推定モデル生成部１６ｅは、「革新性」に基づく特性グループを目的変数とし、行動グループのＩＤごとの合計頻度を説明変数として、特性を推定するための特性推定モデルを、線形判別分析などのパターン認識手法を用いて生成する。
【００７２】
例えば、特性推定モデル生成部１６ｅは、「革新性」に基づく特性グループを目的変数「Ｙ」とし、「ＩＤ：Ａ」の合計頻度を説明変数「Ｘ１」とし、「ＩＤ：Ｂ」の合計頻度を説明変数「Ｘ２」とし、「ＩＤ：Ｃ」の合計頻度を説明変数「Ｘ３」とし、「ＩＤ：Ｄ」の合計頻度を説明変数「Ｘ４」とし、「ＩＤ：Ｅ」の合計頻度を説明変数「Ｘ５」とし、「ＩＤ：Ｆ」の合計頻度を説明変数「Ｘ６」とし、「ＩＤ：Ｇ」の合計頻度を説明変数「Ｘ７」とし、「ＩＤ：Ｈ」の合計頻度を説明変数「Ｘ８」とし、「ＩＤ：Ｉ」の合計頻度を説明変数「Ｘ９」と、「ＩＤ：Ｊ」の合計頻度を説明変数「Ｘ１０」したうえで、判別関数「Ｙ＝ａＸ１＋ｂＸ２＋ｃＸ３＋ｄＸ４＋ｅＸ５＋ｆＸ６＋ｇＸ７＋ｈＸ８＋ｉＸ９＋ｊＸ１０」を設定し、教師ユーザごとの『「革新性」に基づく特性および行動グループごとの合計頻度』から、線形判別分析により最適なパラメータ「ａ，ｂ，ｃ，ｄ，ｅ，ｆ，ｇ，ｈ，ｉ，ｊ」を算出することにより、特性推定モデルを生成する。
【００７３】
また、特性推定モデル生成部１６ｅは、教師ユーザ特性特定部１６ｂによって特定された教師ユーザごとのデモグラフィック情報に基づく特性グループや、革新性以外のサイコグラフィック情報に基づく特性グループそれぞれについても、これらを目的変数とした特性推定モデルを同様に生成する。
【００７４】
ここで、行動データ生成部１６ｄは、特性推定モデル生成部１６ｅによって生成された特性推定モデルが特性推定モデル記憶部１５ｆに格納されると、特性推定時機においてアクセス履歴収集部１６ｃが収集しアクセス履歴管理記憶部１５ｃに格納した推定ユーザごとのアクセス履歴と、履歴・行動対応テーブル記憶部１５ｄが記憶する履歴・行動対応テーブルとに基づいて、推定ユーザごとの行動データを生成する。そして、行動データ生成部１６ｄは、生成した推定ユーザごとの行動データを行動データ記憶部１５ｅに格納する。なお、行動データ生成部１６ｄは、管理者などが予め定めた量や集計期間のアクセス履歴を用いて、行動データを生成する。
【００７５】
例えば、図８に示すように、行動データ生成部１６ｄは、ユーザＩＤが「ｓｕ０００１」の推定ユーザ１のアクセス履歴の「ＵＲＬ」を、履歴・行動対応テーブル記憶部１５ｄが記憶する履歴・行動対応テーブル（図６参照）を用いて解析することで、「行動グループ：検索」に大別される「ＩＤ：Ａ」の合計頻度を「１」とし、「行動グループ：閲覧」に大別される「ＩＤ：Ｂ」の合計頻度を「１」とし、「行動グループ：購買」に大別される「ＩＤ：Ｃ」の合計頻度を「０」と推定ユーザ１の行動データを生成する。なお、行動データ生成部１６ｄは、図８には示さないが、推定ユーザのアクセス履歴の「ＵＲＬ」を解析して、上記した「ＩＤ：Ｄ」〜「ＩＤ：Ｊ」についても合計頻度を算出し、「ＩＤ：Ｄ」〜「ＩＤ：Ｊ」に関する推定ユーザごとの行動データも生成する。
【００７６】
図３に戻って、推定ユーザ特性推定部１６ｆは、特性推定モデル記憶部１５ｆが記憶する特性推定モデルと、行動データ記憶部１５ｅが記憶する推定ユーザごとの行動データとを用いて推定ユーザごとの特性を推定し、その結果を、推定ユーザ特性記憶部１５ｇに格納する。
【００７７】
具体的には、推定ユーザ特性推定部１６ｆは、推定ユーザの行動データにおける行動グループごとの合計頻度を、特性推定モデルとして生成された判別関数に代入して算出された値に基づいて、推定ユーザの特性を推定する。
【００７８】
例えば、推定ユーザ特性推定部１６ｆは、図９に示すように、ユーザＩＤが「ｓｕ０００１」の推定ユーザ１の「革新性」に基づく嗜好特性を、「革新性」を目的変数とする特性推定モデルにより「イノベータ」として推定する。また、推定ユーザ特性推定部１６ｆは、デモグラフィック情報に基づく特性グループや、革新性以外のサイコグラフィック情報に基づく特性グループを目的変数とする特性推定モデルによっても、推定ユーザ１の特性を推定する。同様に、推定ユーザ特性推定部１６ｆは、ユーザＩＤが「ｓｕ０００２」の推定ユーザ２などの特性も推定する。なお、特定される教師ユーザの特性および推定される推定ユーザの特性は、上記した特性に限定されるものではなく、本発明は、これ以外にも様々な種類の嗜好特性について適用することが可能である。
【００７９】
なお、推定ユーザ特性推定部１６ｆによって推定された特性に基づいて、自動的、あるいは手動的に様々な処理が行なわれる。例えば、サーバ１０によって自動的に、あるいはサーバ１０の管理者によって手動的に、インターネットなどの通信ネットワーク上で提供されるサービスの中から、推定された特性に基づいて推定ユーザそれぞれにとって嗜好が合致するサービスが抽出され、抽出されたサービスが各推定ユーザに推薦される。または、商品開発の担当者によって、推定された特性に基づいたマーケティング調査が行なわれる。
【００８０】
また、上述した特性推定時機は、所定の条件に基づく時機が、サーバ１０の管理者によって設定され、特性推定時機になると、「アクセス履歴収集部１６ｃによる教師ユーザおよび推定ユーザのアクセス履歴の収集」と、「行動データ生成部１６ｄによる教師ユーザの行動データの生成および特性推定モデル生成部１６ｅによる特性推定モデルの生成」と、「行動データ生成部１６ｄによる推定ユーザの行動データの生成および推定ユーザ特性推定部１６ｆによる推定ユーザの特性推定」とからなる一連の特性推定処理が行なわれる。
【００８１】
ここで、特性推定処理は、サーバ１０の管理者によって設定された１つの特性推定時機において実行される場合であってもよいが、本発明はこれに限定されるものではない。すなわち、動的なユーザの特性変化に対応するため、複数の特性推定時機が設定され、複数の特性推定時機ごとに特性推定処理を繰り返して行うことにより、推定ユーザの特性を随時更新して推定する場合であってもよい。
【００８２】
例えば、サーバ１０の管理者によって指定された複数の時刻を「複数の特性推定時機」として設定する場合や、サーバ１０の管理者によって指定された所定の時間間隔ごと（例えば、１ヶ月ごと）の時刻を「複数の特性推定時機」として設定する場合であってもよい。あるいは、アクセス履歴収集部１６ｃが、推定ユーザ端末２０のアクセス履歴を監視しておき、アクセス履歴における蓄積量の増加量が、所定の値となった時機ごとを、「複数の特性推定時機」として設定する場合であってもよい。
【００８３】
次に、図１０を用いて教師ユーザ端末３０による処理の手順について説明する。図１０は、教師ユーザ端末による処理の手順を説明するためのフローチャートである。
【００８４】
図１０に示すように、教師ユーザ端末３０は、サーバ１０からアンケート質問データを受信すると（ステップＳ１００１肯定）、受信したアンケート質問データをアンケート記憶部３５ａに格納し、アンケート入力処理部３６ａは、アンケート記憶部３５ａが記憶するアンケート質問データを出力部３２が備えるモニタにて表示するように制御する（ステップＳ１００２）。
【００８５】
そして、アンケート入力処理部３６ａは、教師ユーザから入力部３１を介してアンケート質問データの入力完了通知を受け付けることにより、アンケート質問データの入力が完了したと判断すると（ステップＳ１００３肯定）、入力済みのアンケート質問データを、サーバ１０に送信し（ステップＳ１００４）、処理を終了する。
【００８６】
続いて、図１１を用いてサーバ１０による教師ユーザの特性特定処理の手順について説明する。図１１は、サーバによる教師ユーザの特性特定処理の手順を説明するためのフローチャートである。
【００８７】
図１１に示すように、サーバ１０は、管理者からアンケート質問データの送信指示を受け付けると（ステップＳ１１０１肯定）、アンケート送受信制御部１６ａは、アンケート管理記憶部１５ａが記憶するアンケート質問データを、教師ユーザ端末３０に通信部１３を介して送信するように制御する（ステップＳ１１０２）。
【００８８】
そして、アンケート送受信制御部１６ａは、教師ユーザ端末３０から入力済みアンケート質問データを受信すると（ステップＳ１１０３）、受信した入力済みアンケート質問データをアンケート管理記憶部１５ａに格納し、教師ユーザ特性特定部１６ｂは、アンケート管理記憶部１５ａに格納された入力済みのアンケート質問データに基づいて、教師ユーザごとの特性を特定し（ステップＳ１１０４）、処理を終了する。
【００８９】
続いて、図１２を用いてサーバ１０による推定ユーザの特性推定処理の手順について説明する。図１２は、サーバによる推定ユーザの特性推定処理の手順を説明するためのフローチャートである。
【００９０】
図１２に示すように、サーバ１０は、管理者によって設定された特性推定時機となると（ステップＳ１２０１肯定）、アクセス履歴収集部１６ｃは、教師ユーザおよび推定ユーザのアクセス履歴を収集し（ステップＳ１２０２）、行動データ生成部１６ｄは、アクセス履歴収集部１６ｃによって収集された教師ユーザのアクセス履歴から、履歴・行動対応テーブル記憶部１５ｄが記憶する履歴・行動対応テーブルを用いて、教師ユーザの行動データを生成する（ステップＳ１２０３）。
【００９１】
そして、特性推定モデル生成部１６ｅは、教師ユーザ特性特定部１６ｂによって特定された教師ユーザの特性と、行動データ生成部１６ｄによって生成された教師ユーザの行動データとから特性推定モデルを生成する（ステップＳ１２０４）。
【００９２】
そののち、行動データ生成部１６ｄは、アクセス履歴収集部１６ｃによって収集された推定ユーザのアクセス履歴から、履歴・行動対応テーブル記憶部１５ｄが記憶する履歴・行動対応テーブルを用いて、推定ユーザの行動データを生成する（ステップＳ１２０５）。
【００９３】
続いて、推定ユーザ特性推定部１６ｆは、行動データ生成部１６ｄによって生成された推定ユーザの行動データと、特性推定モデル生成部１６ｅによって生成された特性推定モデルとから推定ユーザの特性を推定し（ステップＳ１２０６）、処理を終了する。なお、図１２に示す特性推定処理は、特性推定時機となるたびに繰り返して実行することにより、動的なユーザの特性変化に対応することができる。
【００９４】
上述してきたように、実施例１では、アンケート送受信制御部１６ａは、教師ユーザ端末３０から入力済みアンケート質問データを受信し、教師ユーザ特性特定部１６ｂは、入力済みのアンケート質問データに基づいて、教師ユーザごとの特性を特定する。そして、特性推定時機となると、アクセス履歴収集部１６ｃは、教師ユーザおよび推定ユーザのアクセス履歴を教師ユーザ端末３０および推定ユーザ端末２０から収集し、行動データ生成部１６ｄは、教師ユーザのアクセス履歴から、履歴・行動対応テーブル記憶部１５ｄが記憶する履歴・行動対応テーブルを用いて、教師ユーザの行動データを生成し、特性推定モデル生成部１６ｅは、教師ユーザ特性特定部１６ｂによって特定された教師ユーザの特性を目的変数とし、行動データ生成部１６ｄによって生成された教師ユーザの行動データを説明変数とする特性推定モデルを生成する。
【００９５】
そして、行動データ生成部１６ｄは、アクセス履歴収集部１６ｃによって収集された推定ユーザのアクセス履歴から、履歴・行動対応テーブル記憶部１５ｄが記憶する履歴・行動対応テーブルを用いて、推定ユーザの行動データを生成し、推定ユーザ特性推定部１６ｆは、行動データ生成部１６ｄによって生成された推定ユーザの行動データと、特性推定モデル生成部１６ｅによって生成された特性推定モデルとから推定ユーザの特性を推定する。
【００９６】
このようなことから、実際にインターネットなどの通信ネットワークにおける嗜好特性が特定されたユーザのアクセス履歴から生成されたモデルに基づいて推定対象のユーザの特性を推定できるので、上記した主たる特徴の通り、推定ユーザのインターネットなどの通信ネットワークにおける嗜好特性を精度よく推定することが可能になる。
【００９７】
また、推定ユーザの特性を推定する際に必要となるのは、当該推定ユーザのアクセス履歴のみであるので、簡易に推定ユーザのインターネットなどの通信ネットワークにおける嗜好特性を推定することが可能になる。
【００９８】
また、推定ユーザにアンケート質問データの入力負担をかけることなく、嗜好特性を推定できる。これにより、推定ユーザは、自身の嗜好特性に基づき最適化されたサービスを、受動的に利用することが可能になる。
【００９９】
また、推定ユーザのアクセス履歴の収集処理を繰り返して行なうだけで、当該推定ユーザの特性を更新して推定することができるので、動的に変化する嗜好特性を追従することが可能になる。
【０１００】
なお、本実施例では、推定ユーザ端末２０がサーバ１０に接続される場合について説明したが、本発明はこれに限定されるものではなく、推定ユーザのアクセス履歴を収集することができるのであれば、推定ユーザ端末２０がサーバ１０に接続されない場合であってもよい。
【０１０１】
また、本実施例では、特性推定時機においてアクセス履歴を収集して推定ユーザの特性を推定する場合について説明したが、本発明はこれに限定されるものではなく、アクセス履歴を予め収集しておき、特性推定時機において推定ユーザの特性を推定する場合であってもよい。また、新規の推定ユーザが設定された時機も特性推定時機とし、既に生成された特性推定モデルを用いて新規の推定ユーザの特性を推定する場合であってもよい。
【実施例２】
【０１０２】
上述した実施例１では、特性推定装置としてのサーバ１０が、特性推定処理を一括して実行する場合について説明したが、実施例２では、サーバ１０と推定ユーザ端末２０とが、特性推定処理を分担して実行する場合について、図１３および図１４を用いて説明する。図１３は、実施例２におけるサーバの構成を示すブロック図であり、図１４は、実施例２における推定ユーザ端末の構成を示すブロック図である。
【０１０３】
なお、実施例２におけるサーバ１０を含んで構成される特性推定システムは、図１に示す実施例１におけるサーバ１０を含んで構成される特性推定システムと同様の構成となる。
【０１０４】
まず、実施例２におけるサーバ１０について説明する。図１３に示すように、実施例２におけるサーバ１０は、図３に示す実施例１におけるサーバ１０と比較すると、推定ユーザ特性推定部１６ｆが削除される。
【０１０５】
ここで、実施例２におけるサーバ１０は、アンケート送受信制御部１６ａによるアンケート質問データの送受信処理と、教師ユーザ特性特定部１６ｂによる教師ユーザの特性特定処理とを、実施例１におけるサーバ１０と同様に実行する。
【０１０６】
しかし、実施例２におけるサーバ１０は、アクセス履歴収集部１６ｃによるアクセス履歴収集処理において、特性推定時機に教師ユーザのアクセス履歴のみを収集し、行動データ生成部１６ｄによる行動データ生成処理において、履歴・行動対応テーブル記憶部１５ｄが記憶する履歴・行動対応テーブルを用いて教師ユーザの行動データのみを生成する。
【０１０７】
そして、実施例２におけるサーバ１０は、実施例１におけるサーバ１０と同様に、特性推定モデル生成部１６ｅによる特性推定モデルの生成処理を実行する。
【０１０８】
なお、実施例２における記憶部１５の各機能ブロックが記憶する内容は、アクセス履歴管理記憶部１５ｃがアクセス履歴収集部１６ｃによって収集された教師ユーザのアクセス履歴のみを記憶し、行動データ記憶部１５ｅが行動データ生成部１６ｄによって生成された教師ユーザの行動データのみを記憶する以外は、実施例１と同様であるので説明を省略する。
【０１０９】
続いて、実施例２における推定ユーザ端末２０について説明する。実施例１における推定ユーザ端末２０は、通信機能を備えた装置として一般的な装置（例えば、パーソナルコンピュータ）であったが、実施例２における推定ユーザ端末２０は、自身を所有するユーザ（推定ユーザ）の特性を推定するために、新たな機能を備えた装置となる。
【０１１０】
すなわち、実施例２における推定ユーザ端末２０は、図１４に示すように、サーバ１０に接続され、入力部２１と、出力部２２と、通信部２３と、入出力制御Ｉ／Ｆ部２４と、記憶部２５と、処理部２６とを備える。なお、記憶部２５および処理部２６は、図１４に示す機能ブロック以外にも、例えば、パーソナルコンピュータとしての機能を実行するための各種機能ブロックを備えている。
【０１１１】
入力部２１は、各種の情報を入力し、キーボードやマウスなどを備えて構成され、出力部２２は、各種の情報を出力し、モニタやスピーカを備えて構成される。
【０１１２】
通信部２３は、ネットワークを通じて送受信されるデータの通信を行ない、特に本発明に密接に関連するものとしては、履歴・行動対応テーブル記憶部１５ｄが記憶する履歴・行動対応テーブルをサーバ１０から受信して、後述する履歴・行動対応テーブル記憶部２５ｂに転送したり、特性推定モデル生成部１６ｅによって生成された特性推定モデルをサーバ１０から受信して、後述する特性推定モデル記憶部２５ｄに転送したりする。なお、通信部２３は、特許請求の範囲に記載の「取得手段」に対応する。
【０１１３】
ここで、通信部２３は、サーバ１０から履歴・行動対応テーブルを、特性推定処理を実行する前に、予め受信する。また、通信部２３は、特性推定モデル生成部１６ｅによって特性推定モデルが生成されるごとに、サーバ１０から特性推定モデルを受信する。
【０１１４】
入出力制御Ｉ／Ｆ部２４は、入力部２１、出力部２２および通信部２３と、記憶部２５および処理部２６との間におけるデータ転送を制御する。
【０１１５】
記憶部２５は、処理部２６による各種処理に用いるデータや、処理部２６による各種処理結果を記憶し、特に本発明に密接に関連するものとしては、図１４に示すように、アクセス履歴管理記憶部２５ａと、履歴・行動対応テーブル記憶部２５ｂと、行動データ記憶部２５ｃと、特性推定モデル記憶部２５ｄと、推定ユーザ特性記憶部２５ｅとを備える。
【０１１６】
アクセス履歴管理記憶部２５ａは、後述するアクセス履歴収集部２６ａが収集したアクセス履歴を記憶する。
【０１１７】
履歴・行動対応テーブル記憶部２５ｂは、通信部２３が受信した履歴・行動対応テーブル、すなわち、サーバ１０の履歴・行動対応テーブル記憶部１５ｄが記憶する履歴・行動対応テーブルと同一の情報を記憶する。
【０１１８】
行動データ記憶部２５ｃは、後述する行動データ生成部２６ｂによって生成された行動データを記憶する。
【０１１９】
特性推定モデル記憶部２５ｄは、通信部２３が受信した特性推定モデル、すなわち、サーバ１０の特性推定モデル生成部１６ｅが生成して特性推定モデル記憶部１５ｆに格納した特性推定モデルを記憶する。
【０１２０】
推定ユーザ特性記憶部２５ｅは、後述する推定ユーザ特性推定部２６ｃによって推定された推定ユーザの特性を記憶する。
【０１２１】
処理部２６は、入出力制御Ｉ／Ｆ部２４から転送されたデータに基づき各種処理を実行し、特に本発明に密接に関連するものとしては、図３に示すように、アクセス履歴収集部２６ａと、行動データ生成部２６ｂと、推定ユーザ特性推定部２６ｃとを備える。
【０１２２】
アクセス履歴収集部２６ａは、サーバ１０の管理者が設定した特性推定時機に基づいて、自身が備えられる推定ユーザ端末２０を所有する推定ユーザのアクセス履歴を収集し、その結果をアクセス履歴管理記憶部２５ａに格納する。
【０１２３】
行動データ生成部２６ｂは、アクセス履歴管理記憶部２５ａが記憶するアクセス履歴と、履歴・行動対応テーブル記憶部２５ｂが記憶する履歴・行動対応テーブルとに基づいて、自身が備えられる推定ユーザ端末２０を所有する推定ユーザの行動データを生成し、その結果を行動データ記憶部２５ｃに格納する。
【０１２４】
推定ユーザ特性推定部２６ｃは、特性推定モデル記憶部２５ｄが記憶する特性推定モデルと、行動データ記憶部２５ｃが記憶する行動データとを用いて、自身が備えられる推定ユーザ端末２０を所有する推定ユーザの特性を推定し、その結果を、推定ユーザ特性記憶部２５ｅに格納する。
【０１２５】
すなわち、実施例１においては、サーバ１０が各推定ユーザの特性を一括して推定していたが、実施例２においては、各推定ユーザの推定ユーザ端末２０が、自身を所有する推定ユーザの特性を推定する。
【０１２６】
なお、推定ユーザ特性推定部２６ｃによって推定された特性に基づいて、自動的、あるいは手動的に様々な処理が行なわれる。例えば、推定ユーザ端末２０、あるいは推定ユーザ端末２０から推定された特性を取得したサーバ１０によって自動的に、あるいは、推定ユーザ端末２０から推定された特性を取得したサーバ１０の管理者によって手動的に、インターネットなどの通信ネットワーク上で提供されるサービスから、推定ユーザにとって嗜好が合致するサービスが抽出され、抽出したサービスが推定ユーザに推薦される。または、商品開発の担当者によって、推定された特性に基づいたマーケティング調査が行なわれる。
【０１２７】
また、特性推定時機は、実施例１において説明したように、動的なユーザの特性変化に対応するため、複数の特性推定時機が設定され、複数の特性推定時機ごとに特性推定処理を繰り返して行うことにより、推定ユーザの特性を随時更新して推定してもよい。
【０１２８】
また、本実施例では、履歴・行動対応テーブルをサーバ１０から予め受信して履歴・行動対応テーブル記憶部２５ｂに格納したうえで、行動データを生成する場合について説明したが、本発明はこれに限定されるものではなく、サーバ１０に履歴・行動対応テーブルの情報を問い合わせながら、推定ユーザのアクセス履歴から行動データを生成する場合であってもよい。
【０１２９】
次に、図１５を用いて実施例２におけるサーバ１０による特性モデル生成処理の手順について説明する。図１５は、実施例２におけるサーバによる特性モデル生成処理の手順を説明するためのフローチャートである。なお、実施例２における教師ユーザ端末３０の処理の手順および実施例２におけるサーバ１０の教師ユーザの特性特定処理の手順は、実施例１において図１０および図１１を用いて説明した処理の手順と同様であるので説明を省略する。
【０１３０】
図１５に示すように、サーバ１０は、管理者によって設定された特性推定時機となると（ステップＳ１５０１肯定）、アクセス履歴収集部１６ｃは、教師ユーザのアクセス履歴を収集して、行動データ生成部１６ｄは、アクセス履歴から、履歴・行動対応テーブル記憶部１５ｄが記憶する履歴・行動対応テーブルを用いて、教師ユーザの行動データを生成する（ステップＳ１５０２）。
【０１３１】
そして、特性推定モデル生成部１６ｅは、教師ユーザ特性特定部１６ｂによって特定された教師ユーザの特性と、行動データ生成部１６ｄによって生成された教師ユーザの行動データとから特性推定モデルを生成する（ステップＳ１５０３）。ここで、特性推定モデル生成部１６ｅは、生成した特性推定モデルを特性推定モデル記憶部１５ｆに格納する。
【０１３２】
そののち、通信部１３は、特性推定モデル記憶部１５ｆに格納された特性推定モデルを推定ユーザ端末２０に送信し（ステップＳ１５０４）、処理を終了する。
【０１３３】
続いて、図１６を用いて実施例２における推定ユーザ端末２０による処理の手順について説明する。図１６は、実施例２における推定ユーザ端末による処理を説明するためのフローチャートである。
【０１３４】
図１６に示すように、実施例２における推定ユーザ端末２０は、サーバ１０から特性推定モデルを受信すると（ステップＳ１６０１肯定）、アクセス履歴収集部２６ａは、自身が備えられる推定ユーザ端末２０を所有する推定ユーザのアクセス履歴を収集して、行動データ生成部２６ｂは、アクセス履歴から、履歴・行動対応テーブル記憶部２５ｂが記憶する履歴・行動対応テーブルを用いて、行動データを生成する(ステップＳ１６０２)。
【０１３５】
そして、推定ユーザ特性推定部２６ｃは、行動データ生成部２６ｂによって生成された行動データと、特性推定モデル記憶部２５ｄが記憶する特性推定モデルとから、推定ユーザの特性を推定し（ステップＳ１６０３）、処理を終了する。なお、本実施例では、特性推定時機においてアクセス履歴を収集して推定ユーザの特性を推定する場合について説明したが、本発明はこれに限定されるものではなく、アクセス履歴を予め収集しておき、特性推定時機において推定ユーザの特性を推定する場合であってもよい。また、自身を所有するユーザが新規の推定ユーザとして設定された時機も特性推定時機とし、推定ユーザ端末２０が、既に生成された特性推定モデルを取得して、自身を所有するユーザの特性を推定する場合であってもよい。
【０１３６】
上述してきたように、実施例２では、推定ユーザ端末２０によって推定ユーザの特性を推定するので、端末側で分散してアクセス履歴の分析および特性推定を行うことができ、大規模環境にも対応することが可能になる。
【０１３７】
なお、上記した実施例１では、サーバ１０が特性推定処理を一括して実行し、実施例２では、サーバ１０が特性推定モデルの生成処理を実行する場合について説明したが、本発明はこれに限定されるものではなく、サーバ１０に接続される接続装置が、実施例１や実施例２で説明したサーバ１０の処理を実行する場合であってもよい。
【０１３８】
また、本実施例において説明した各処理のうち、自動的におこなわれるものとして説明した処理の全部または一部を手動的におこなうこともでき、あるいは、手動的におこな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おこなうこともできる。例えば、特性推定時機を、常に、サーバ１０の管理者によって手動で設定する場合であってもよい。この他、上記文書中や図面中で示した処理手順、制御手順、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。
【０１３９】
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。例えば、行動データ生成部１６ｄを、教師ユーザの行動データ生成用の処理部と、推定ユーザの行動データ生成用の処理部とに分散する場合であってもよい。さらに、各装置にて行なわれる各処理機能は、その全部または任意の一部が、ＣＰＵおよび当該ＣＰＵにて解析実行されるプログラムにて実現され、あるいは、ワイヤードロジックによるハードウェアとして実現され得る。
【０１４０】
なお、本実施例で説明した特性推定方法は、あらかじめ用意されたプログラムをパーソナルコンピュータやワークステーションなどのコンピュータで実行することによって実現することができる。このプログラムは、インターネットなどのネットワークを介して配布することができる。また、このプログラムは、ハードディスク、フレキシブルディスク（ＦＤ）、ＣＤ−ＲＯＭ、ＭＯ、ＤＶＤなどのコンピュータで読み取り可能な記録媒体に記録され、コンピュータによって記録媒体から読み出されることによって実行することもできる。
【産業上の利用可能性】
【０１４１】
以上のように、本発明に係る特性推定装置、特性推定システム、特性推定方法および特性推定プログラムは、通信ネットワークを利用するユーザの特性を推定する場合に有用であり、特に、ユーザの通信ネットワークにおける嗜好特性を精度よく推定することに適する。
【図面の簡単な説明】
【０１４２】
【図１】実施例１におけるサーバを含む特性推定システムの全体構成を説明するための図である。
【図２】教師ユーザ端末の構成を示すブロック図である。
【図３】実施例１におけるサーバの構成を示すブロック図である。
【図４】教師ユーザ特性特定部を説明するための図である。
【図５】アクセス履歴管理記憶部を説明するための図である。
【図６】履歴・行動対応テーブル記憶部を説明するための図である。
【図７】行動データ生成部による教師ユーザの行動データ生成を説明するための図である。
【図８】行動データ生成部による推定ユーザの行動データ生成を説明するための図である。
【図９】特性推定モデル生成部を説明するための図である。
【図１０】教師ユーザ端末による処理の手順を説明するためのフローチャートである。
【図１１】サーバによる教師ユーザの特性特定処理の手順を説明するためのフローチャートである。
【図１２】サーバによる推定ユーザの特性推定処理の手順を説明するためのフローチャートである。
【図１３】実施例２におけるサーバの構成を示すブロック図である。
【図１４】実施例２における推定ユーザ端末の構成を示すブロック図である。
【図１５】実施例２におけるサーバによる特性モデル生成処理の手順を説明するためのフローチャートである。
【図１６】実施例２における推定ユーザ端末による処理を説明するためのフローチャートである。
【符号の説明】
【０１４３】
１０ サーバ
１１ 入力部
１２ 出力部
１３ 通信部
１４ 入出力制御Ｉ／Ｆ部
１５ 記憶部
１５ａ アンケート管理記憶部
１５ｂ 教師ユーザ特性記憶部
１５ｃ アクセス履歴管理記憶部
１５ｄ 履歴・行動対応テーブル記憶部
１５ｅ 行動データ記憶部
１５ｆ 特性推定モデル記憶部
１５ｇ 推定ユーザ特性記憶部
１６ 処理部
１６ａ アンケート送受信制御部
１６ｂ 教師ユーザ特性特定部
１６ｃ アクセス履歴収集部
１６ｄ 行動データ生成部
１６ｅ 特性推定モデル生成部
１６ｆ 推定ユーザ特性推定部
２０ 推定ユーザ端末
３０ 教師ユーザ端末
３１ 入力部
３２ 出力部
３３ 通信部
３４ 入出力制御Ｉ／Ｆ部
３５ 記憶部
３５ａ アンケート記憶部
３６ 処理部
３６ａ アンケート入力処理部
【特許請求の範囲】
【請求項１】
通信ネットワークを利用するユーザの特性を推定する特性推定装置であって、
アクセス履歴を構成するアクセス情報と、前記アクセス情報から抽出されるユーザの行動情報とを対応付けた履歴行動対応情報を保持する履歴行動対応情報保持手段と、
前記特性が予め特定されたユーザである特性特定ユーザのアクセス履歴と、前記履歴行動対応情報保持手段が保持する前記履歴行動対応情報とに基づいて、前記特性特定ユーザの行動情報を抽出し、抽出された前記特性特定ユーザの行動情報と前記特性特定ユーザの予め特定された特性とから、前記特性を推定するための特性推定モデルを生成する特性推定モデル生成手段と、
前記特性の推定対象となるユーザである推定ユーザのアクセス履歴と、前記履歴行動対応情報保持手段が保持する前記履歴行動対応情報とに基づいて、前記推定ユーザの行動情報を抽出し、抽出された前記推定ユーザの行動情報と、前記特性推定モデル生成手段によって生成された前記特性推定モデルとを用いて前記推定ユーザの特性を推定する特性推定手段と、
を備えたことを特徴とする特性推定装置。
【請求項２】
前記特性推定手段は、所定の条件に基づく時機ごとに前記推定ユーザの特性を更新して推定することを特徴とする請求項１に記載の特性推定装置。
【請求項３】
通信ネットワークを介したサービスを提供するサーバ、または当該サーバに接続される接続装置と、前記サーバから提供される前記サービスを利用するユーザの端末とを含んで構成され、前記ユーザが前記通信ネットワークを利用する際の特性を推定する特性推定システムであって、
前記サーバ、または前記接続装置は、
アクセス履歴を構成するアクセス情報と、前記アクセス情報から抽出されるユーザの行動情報とを対応付けた履歴行動対応情報を保持する履歴行動対応情報保持手段と、
前記特性が予め特定されたユーザである特性特定ユーザのアクセス履歴と、前記履歴行動対応情報保持手段が保持する前記履歴行動対応情報とに基づいて、前記特性特定ユーザの行動情報を抽出し、抽出された前記特性特定ユーザの行動情報と前記特性特定ユーザの予め特定された特性とから、前記特性を推定するための特性推定モデルを生成する特性推定モデル生成手段と、
を備え、
前記端末は、
前記特性の推定対象となるユーザである推定ユーザの端末である推定ユーザ端末である場合に、
前記サーバ、または前記接続装置から前記履歴行動対応情報保持手段が保持する前記履歴行動対応情報および前記特性推定モデル生成手段によって生成された前記特性推定モデルを取得する取得手段と、
前記推定ユーザのアクセス履歴と、前記取得手段によって取得された前記履歴行動対応情報とに基づいて、前記推定ユーザの行動情報を抽出し、抽出された前記推定ユーザの行動情報と、前記取得手段によって取得された前記特性推定モデルとを用いて前記推定ユーザの特性を推定する特性推定手段と、
を備えたことを特徴とする特性推定システム。
【請求項４】
前記特性推定手段は、所定の条件に基づく時機ごとに前記推定ユーザの特性を更新して推定することを特徴とする請求項３に記載の特性推定システム。
【請求項５】
通信ネットワークを利用するユーザの特性を推定する特性推定方法であって、
アクセス履歴を構成するアクセス情報と、前記アクセス情報から抽出されるユーザの行動情報とを対応付けた履歴行動対応情報を保持する履歴行動対応情報保持ステップと、
前記特性が予め特定されたユーザである特性特定ユーザのアクセス履歴と、前記履歴行動対応情報保持ステップが保持する前記履歴行動対応情報とに基づいて、前記特性特定ユーザの行動情報を抽出し、抽出された前記特性特定ユーザの行動情報と前記特性特定ユーザの予め特定された特性とから、前記特性を推定するための特性推定モデルを生成する特性推定モデル生成ステップと、
前記特性の推定対象となるユーザである推定ユーザのアクセス履歴と、前記履歴行動対応情報保持ステップが保持する前記履歴行動対応情報とに基づいて、前記推定ユーザの行動情報を抽出し、抽出された前記推定ユーザの行動情報と、前記特性推定モデル生成ステップによって生成された前記特性推定モデルとを用いて前記推定ユーザの特性を推定する特性推定ステップと、
を含んだことを特徴とする特性推定方法。
【請求項６】
通信ネットワークを利用するユーザの特性を推定する特性推定方法をコンピュータに実行させる特性推定プログラムであって、
アクセス履歴を構成するアクセス情報と、前記アクセス情報から抽出されるユーザの行動情報とを対応付けた履歴行動対応情報を保持する履歴行動対応情報保持手順と、
前記特性が予め特定されたユーザである特性特定ユーザのアクセス履歴と、前記履歴行動対応情報保持手順が保持する前記履歴行動対応情報とに基づいて、前記特性特定ユーザの行動情報を抽出し、抽出された前記特性特定ユーザの行動情報と前記特性特定ユーザの予め特定された特性とから、前記特性を推定するための特性推定モデルを生成する特性推定モデル生成手順と、
前記特性の推定対象となるユーザである推定ユーザのアクセス履歴と、前記履歴行動対応情報保持手順が保持する前記履歴行動対応情報とに基づいて、前記推定ユーザの行動情報を抽出し、抽出された前記推定ユーザの行動情報と、前記特性推定モデル生成手順によって生成された前記特性推定モデルとを用いて前記推定ユーザの特性を推定する特性推定手順と、
をコンピュータに実行させることを特徴とする特性推定プログラム。
【請求項１】
通信ネットワークを利用するユーザの特性を推定する特性推定装置であって、
アクセス履歴を構成するアクセス情報と、前記アクセス情報から抽出されるユーザの行動情報とを対応付けた履歴行動対応情報を保持する履歴行動対応情報保持手段と、
前記特性が予め特定されたユーザである特性特定ユーザのアクセス履歴と、前記履歴行動対応情報保持手段が保持する前記履歴行動対応情報とに基づいて、前記特性特定ユーザの行動情報を抽出し、抽出された前記特性特定ユーザの行動情報と前記特性特定ユーザの予め特定された特性とから、前記特性を推定するための特性推定モデルを生成する特性推定モデル生成手段と、
前記特性の推定対象となるユーザである推定ユーザのアクセス履歴と、前記履歴行動対応情報保持手段が保持する前記履歴行動対応情報とに基づいて、前記推定ユーザの行動情報を抽出し、抽出された前記推定ユーザの行動情報と、前記特性推定モデル生成手段によって生成された前記特性推定モデルとを用いて前記推定ユーザの特性を推定する特性推定手段と、
を備えたことを特徴とする特性推定装置。
【請求項２】
前記特性推定手段は、所定の条件に基づく時機ごとに前記推定ユーザの特性を更新して推定することを特徴とする請求項１に記載の特性推定装置。
【請求項３】
通信ネットワークを介したサービスを提供するサーバ、または当該サーバに接続される接続装置と、前記サーバから提供される前記サービスを利用するユーザの端末とを含んで構成され、前記ユーザが前記通信ネットワークを利用する際の特性を推定する特性推定システムであって、
前記サーバ、または前記接続装置は、
アクセス履歴を構成するアクセス情報と、前記アクセス情報から抽出されるユーザの行動情報とを対応付けた履歴行動対応情報を保持する履歴行動対応情報保持手段と、
前記特性が予め特定されたユーザである特性特定ユーザのアクセス履歴と、前記履歴行動対応情報保持手段が保持する前記履歴行動対応情報とに基づいて、前記特性特定ユーザの行動情報を抽出し、抽出された前記特性特定ユーザの行動情報と前記特性特定ユーザの予め特定された特性とから、前記特性を推定するための特性推定モデルを生成する特性推定モデル生成手段と、
を備え、
前記端末は、
前記特性の推定対象となるユーザである推定ユーザの端末である推定ユーザ端末である場合に、
前記サーバ、または前記接続装置から前記履歴行動対応情報保持手段が保持する前記履歴行動対応情報および前記特性推定モデル生成手段によって生成された前記特性推定モデルを取得する取得手段と、
前記推定ユーザのアクセス履歴と、前記取得手段によって取得された前記履歴行動対応情報とに基づいて、前記推定ユーザの行動情報を抽出し、抽出された前記推定ユーザの行動情報と、前記取得手段によって取得された前記特性推定モデルとを用いて前記推定ユーザの特性を推定する特性推定手段と、
を備えたことを特徴とする特性推定システム。
【請求項４】
前記特性推定手段は、所定の条件に基づく時機ごとに前記推定ユーザの特性を更新して推定することを特徴とする請求項３に記載の特性推定システム。
【請求項５】
通信ネットワークを利用するユーザの特性を推定する特性推定方法であって、
アクセス履歴を構成するアクセス情報と、前記アクセス情報から抽出されるユーザの行動情報とを対応付けた履歴行動対応情報を保持する履歴行動対応情報保持ステップと、
前記特性が予め特定されたユーザである特性特定ユーザのアクセス履歴と、前記履歴行動対応情報保持ステップが保持する前記履歴行動対応情報とに基づいて、前記特性特定ユーザの行動情報を抽出し、抽出された前記特性特定ユーザの行動情報と前記特性特定ユーザの予め特定された特性とから、前記特性を推定するための特性推定モデルを生成する特性推定モデル生成ステップと、
前記特性の推定対象となるユーザである推定ユーザのアクセス履歴と、前記履歴行動対応情報保持ステップが保持する前記履歴行動対応情報とに基づいて、前記推定ユーザの行動情報を抽出し、抽出された前記推定ユーザの行動情報と、前記特性推定モデル生成ステップによって生成された前記特性推定モデルとを用いて前記推定ユーザの特性を推定する特性推定ステップと、
を含んだことを特徴とする特性推定方法。
【請求項６】
通信ネットワークを利用するユーザの特性を推定する特性推定方法をコンピュータに実行させる特性推定プログラムであって、
アクセス履歴を構成するアクセス情報と、前記アクセス情報から抽出されるユーザの行動情報とを対応付けた履歴行動対応情報を保持する履歴行動対応情報保持手順と、
前記特性が予め特定されたユーザである特性特定ユーザのアクセス履歴と、前記履歴行動対応情報保持手順が保持する前記履歴行動対応情報とに基づいて、前記特性特定ユーザの行動情報を抽出し、抽出された前記特性特定ユーザの行動情報と前記特性特定ユーザの予め特定された特性とから、前記特性を推定するための特性推定モデルを生成する特性推定モデル生成手順と、
前記特性の推定対象となるユーザである推定ユーザのアクセス履歴と、前記履歴行動対応情報保持手順が保持する前記履歴行動対応情報とに基づいて、前記推定ユーザの行動情報を抽出し、抽出された前記推定ユーザの行動情報と、前記特性推定モデル生成手順によって生成された前記特性推定モデルとを用いて前記推定ユーザの特性を推定する特性推定手順と、
をコンピュータに実行させることを特徴とする特性推定プログラム。
【図１】
【図２】
【図３】
【図４】
【図５】
【図６】
【図７】
【図８】
【図９】
【図１０】
【図１１】
【図１２】
【図１３】
【図１４】
【図１５】
【図１６】
【図２】
【図３】
【図４】
【図５】
【図６】
【図７】
【図８】
【図９】
【図１０】
【図１１】
【図１２】
【図１３】
【図１４】
【図１５】
【図１６】
【公開番号】特開２００９−２８９０６８（Ｐ２００９−２８９０６８Ａ）
【公開日】平成２１年１２月１０日（２００９．１２．１０）
【国際特許分類】
【出願番号】特願２００８−１４１５３２（Ｐ２００８−１４１５３２）
【出願日】平成２０年５月２９日（２００８．５．２９）
【出願人】（０００００４２２６）日本電信電話株式会社 (13,992)
【Ｆターム（参考）】
【公開日】平成２１年１２月１０日（２００９．１２．１０）
【国際特許分類】
【出願日】平成２０年５月２９日（２００８．５．２９）
【出願人】（０００００４２２６）日本電信電話株式会社 (13,992)
【Ｆターム（参考）】
[ Back to top ]