行動基準推定装置、方法及びプログラム
【課題】ユーザの行動基準を的確に推定できるようにする。
【解決手段】レコメンドサーバＷＳＶ１，ＷＳＶ２からレコメンドログデータを取得して記憶すると共に、決済サーバＢＳＶから訪問先ログデータを取得して記憶する。そして、この取得されたレコメンドログデータと訪問先ログデータとを比較して両者に共通に出現する店舗を抽出し、レコメンドされかつ訪問された第１の店舗と、レコメンドされたが訪問されていない第２の店舗のそれぞれについて、店舗の特徴量ｘ1，ｘ2，…，ｘNを抽出する。続いて、ピーク分析処理部２５により、上記抽出された店舗の特徴量のピーク値に着目した行動基準推定処理を行い、このピーク分析処理により行動基準が推定できなかった場合に、ゾーン分析処理部２６により、ゾーン分析処理による行動基準の推定処理を行うようにしたものである。
【解決手段】レコメンドサーバＷＳＶ１，ＷＳＶ２からレコメンドログデータを取得して記憶すると共に、決済サーバＢＳＶから訪問先ログデータを取得して記憶する。そして、この取得されたレコメンドログデータと訪問先ログデータとを比較して両者に共通に出現する店舗を抽出し、レコメンドされかつ訪問された第１の店舗と、レコメンドされたが訪問されていない第２の店舗のそれぞれについて、店舗の特徴量ｘ1，ｘ2，…，ｘNを抽出する。続いて、ピーク分析処理部２５により、上記抽出された店舗の特徴量のピーク値に着目した行動基準推定処理を行い、このピーク分析処理により行動基準が推定できなかった場合に、ゾーン分析処理部２６により、ゾーン分析処理による行動基準の推定処理を行うようにしたものである。
【発明の詳細な説明】
【技術分野】
【０００１】
この発明は、例えばレコメンドサービスの提供を受けたユーザが実際に行動を起こした場合に、何を基準に行動したかを推定するための行動基準推定装置、方法及びプログラムに関する。
【背景技術】
【０００２】
近年、携帯端末やパーソナル・コンピュータ等の情報端末を使用して、ユーザに対しＷｅｂ情報の検索を勧めたり商品情報を提供する、いわゆるレコメンドサービスが実用化されている。この種のサービスは、一般にユーザ自身が情報端末を操作して自身の性別や年齢、職業、興味分野等の自身の属性や特徴を表す特徴量情報をサーバに登録し、サーバがこの登録された特徴量情報とユーザの日常生活の行動状況を表す情報に基づいて、ユーザに対し適応的にＷｅｂ情報の検索を勧めたり商品情報を提供するものとなっている。
【０００３】
ところで、レコメンドサービスによる情報提供後にユーザが行動を起こした場合に、当該ユーザが何を基準に行動を起こしたかを把握できるようになると、さらに効果的なレコメンドサービスを実現できる。
そこで、ユーザの行動基準を推定する手法として以下のような二つの手法が提案されている。その一つは、例えばレコメンドサービスによりユーザに提供したWebページの情報（レコメンド結果）と、当該ユーザが実際に購入した商品名とをそれぞれキーワードに分解して共通点を検出し、この検出された共通点をユーザの行動基準とするものである（例えば非特許文献１を参照。）。他の一つは、ユーザによるWebの閲覧履歴とGPS等を利用して検出したユーザの行動履歴との間の類似部分を重ね合わせた部分と、その周辺にユーザの関心があると推定し、この推定結果を行動基準とするものである（例えば非特許文献２を参照。）。
すなわち、従来提案されている上記各推定手法は、いずれもレコメンド結果と実際のユーザの行動との間の類似点または共通点をユーザの行動基準と推定し、次のレコメンドに生かすものとなっている。
【先行技術文献】
【非特許文献】
【０００４】
【非特許文献１】山下 真理子、鈴木 優、川越 恭二、「利用者の商品購入とWebページ閲覧の履歴を用いたWebページ推薦手法」、情報処理学会第70回全国大会、 pp1-653,1-654, 2008
【非特許文献２】田中 克明、堀 浩一、山本 真人、「個人行動履歴に基づく情報推薦システムの開発」、人工知能学会論文誌、Vol. 23, No. 6，pp 412-423，2008
【発明の概要】
【発明が解決しようとする課題】
【０００５】
しかしながら、レコメンドサービスにより提供した情報とユーザが実際に起こした行動との類似点又は共通点の全特徴が重要な訳ではなく、レコメンドサービスにより提供された幾つかの情報の中でユーザが実際に行動を起こしたものと起こさなかったものとの間で異なる特徴にユーザの行動基準があることが多い。例えば、レコメンドサービスにより１０個の店舗がユーザに提供され、ユーザがその中の１つの店舗に来店したとする。このとき、来店された店舗の価格帯、駅からの距離、口コミ点数といった特徴量の全てがユーザの行動基準と適合する訳ではない。来店された店舗が、来店されなかった店舗と比べて最安価格だったならば、ユーザは最安価格を行動基準として店舗に来店したと推測することができる。
【０００６】
この発明は上記事情に着目してなされたもので、その目的とするところは、ユーザの行動基準を的確に推定できるようにした行動基準推定装置、方法及びプログラムを提供することにある。
【課題を解決するための手段】
【０００７】
上記目的を達成するためにこの発明の第１の観点は、ユーザに対し提供されたレコメンド情報及び上記ユーザの行動履歴を表す情報をそれぞれ収集して、これらを当該ユーザの識別情報と関連付けて記憶する。そして、この状態で上記記憶されたレコメンド情報及び行動履歴情報に共通に含まれる第１の情報要素を抽出して、この抽出された共通の第１の情報要素から少なくとも一つの第１の特徴量を抽出すると共に、上記記憶されたレコメンド情報及び行動履歴情報のうちレコメンド情報にのみ含まれる第２の情報要素を抽出して、この抽出された第２の情報要素から少なくとも一つの第２の特徴量を抽出する。そして、第１の分析処理により、上記第１の情報要素と第２の情報要素との間で、上記抽出された第１の特徴量と第２の特徴量とを同じもの同士で比較して、上記第１の特徴量がピーク値をとるか否かを判定し、ピーク値をとると判定された場合に当該第１の特徴量を上記ユーザの行動基準を表す情報として記憶するようにしたものである。
【０００８】
従って、この発明の第１の観点によれば、レコメンドされかつ実際にユーザによりアクセスされた第１の情報要素と、レコメンドされたがアクセスされていない第２の情報要素との間において、第１の情報要素から抽出された特徴量がピーク値をとる場合、つまり第１の情報要素と第２の情報要素との間で特徴量の差が大きい場合に、この第１の特徴量がユーザの行動基準と推定される。このため、レコメンド後のユーザの行動基準をレコメンド情報に含まれる情報要素の特徴量ベースで的確に推定することが可能となる。
【０００９】
またこの発明の上記第１の観点は、上記第１の分析処理において上記第１の特徴量がピーク値をとらないと判定された場合に、第２の分析処理を起動して、上記第２の情報要素から抽出された第２の特徴量の分布領域を求め、この分布領域と上記第１の情報要素から抽出された第１の特徴量との間の距離が予め設定したしきい値以上離間しているか否かを判定し、距離がしきい値以上離間していると判定された場合に当該第１の特徴量をユーザの行動基準を表す情報として記憶することを特徴とする。
このようにすると、特徴量のピーク値をもとに行動基準を推定できなかった場合でも、上記特徴量の分布をもとに行動基準を推定することが可能となる。
【００１０】
この発明の第２の観点は、ユーザに対し提供されたレコメンド情報及び上記ユーザの行動履歴を表す情報をそれぞれ収集して、これらを当該ユーザの識別情報と関連付けて記憶する。そして、この状態で上記記憶されたレコメンド情報及び行動履歴情報に共通に含まれる第１の情報要素を抽出して、この抽出された共通の第１の情報要素から少なくとも一つの第１の特徴量を抽出すると共に、上記記憶されたレコメンド情報及び行動履歴情報のうちレコメンド情報にのみ含まれる第２の情報要素を抽出して、この抽出された第２の情報要素から少なくとも一つの第２の特徴量を抽出する。そして、第２の分析処理により、上記第２の情報要素から抽出された第２の特徴量の分布領域を求め、この分布領域と上記第１の情報要素から抽出された第１の特徴量との間の距離が予め設定したしきい値以上離間しているか否かを判定し、距離がしきい値以上離間していると判定された場合に当該第１の特徴量をユーザの行動基準を表す情報として記憶するようにしたものである。
【００１１】
従って、この発明の第２の観点によれば、レコメンドされかつ実際にユーザによりアクセスされた第１の情報要素と、レコメンドされたがアクセスされていない第２の情報要素との間において、第２の情報要素から抽出された第２の特徴量の分布領域と上記第１の情報要素から抽出された第１の特徴量との間の距離がしきい値以上離間している場合、つまり第１の情報要素と第２の情報要素との間で特徴量の差が大きい場合に、この第１の特徴量がユーザの行動基準と推定される。このため、先に述べた第１の観点と同様に、レコメンド後のユーザの行動基準をレコメンド情報に含まれる情報要素の特徴量ベースで的確に推定することが可能となる。
【００１２】
また、この発明の第１の観点は、上記第１の分析処理の一態様として次のような処理を行うことも特徴とする。すなわち、先ず第１の情報要素と第２の情報要素との間で、これらから抽出された第１の特徴量と第２の特徴量とを同種のもの同士で個別に比較して、上記第１の特徴量がピーク値をとるか否かを判定し、ピーク値をとると判定された場合に当該第１の特徴量をユーザの行動基準を表す情報として記憶する。次に、上記第１の特徴量がピーク値をとらないと判定された場合には、上記抽出された複数の第１の特徴量及び複数の第２の特徴量の中からそれぞれ同種の複数の特徴量を選択してこれらを予め決められた比率で組み合わせ、この組み合わされた第１の特徴量の値と組み合わされた第２の特徴量の値とを比較して、上記組み合わされた第１の特徴量の値がピーク値をとるか否かを判定し、ピーク値をとると判定された場合に当該組み合わされた第１の特徴量をユーザの行動基準を表す情報として記憶する。
【００１３】
このようにすると、特徴量のピーク値に着目した第１の分析処理を行う場合に、先ず個々の特徴量に対しピーク分析が行われてその結果をもとに行動基準が推定され、この処理により行動基準が推定できなかった場合に、複数の特徴量の組み合わせに対しピーク分析が行われてその結果をもとに行動基準が推定される。したがって、特定の特徴量に顕著な差がある場合には、少ない分析処理量で行動基準を推定することができ、これにより装置の処理負荷をさらに軽減することができる。
【００１４】
さらにこの発明の第２の観点は、上記第２の分析処理の一態様として次のような処理を行うことも特徴とする。すなわち、先ず第２の情報要素から抽出された複数の第２の特徴量の分布領域を個々の特徴量ごとに求め、この分布領域と上記第１の情報要素から抽出された第１の特徴量との間の距離が予め設定したしきい値以上離間しているか否かを判定し、距離がしきい値以上離間していると判定された場合に当該第１の特徴量をユーザの行動基準を表す情報として記憶する。一方、上記分布領域と第１の特徴量との間の距離がしきい値以上離間していないと判定された場合には、上記抽出された複数の第１の特徴量及び複数の第２の特徴量の中からそれぞれ同種の複数の特徴量を選択してこれらを予め決められた比率で組み合わせ、この組み合わされた第２の特徴量の分布領域と上記組み合わされた第１の特徴量との間の距離が予め設定したしきい値以上離間しているか否かを判定し、距離がしきい値以上離間していると判定された場合に当該組み合わされた第１の特徴量をユーザの行動基準を表す情報として記憶する。
【００１５】
このようにすると、特徴量の分布状態に着目した第２の分析処理を行う場合に、先ず個々の特徴量に対しその分布状態の分析が行われてその結果をもとに行動基準が推定され、この処理により行動基準が推定できなかった場合に、複数の特徴量の組み合わせに対しその分布状態の分析が行われてその結果をもとに行動基準が推定される。したがって、第２の分析処理においても、特定の特徴量に顕著な差がある場合には、少ない分析処理量で行動基準を推定することができ、これにより装置の処理負荷をさらに軽減することが可能となる。
【発明の効果】
【００１６】
すなわちこの発明によれば、ユーザの行動基準を正確に推定できるようにした行動基準推定装置、方法及びプログラムを提供することを提供することができる。
【図面の簡単な説明】
【００１７】
【図１】この発明の一実施形態に係わる行動基準推定装置を備えたレコメンドサービスシステムの全体構成を示す図。
【図２】この発明の一実施形態に係わる行動基準推定装置の機能構成を示すブロック図。
【図３】図２に示した行動基準推定装置による行動基準推定処理の処理手順と処理内容を示すフローチャート。
【図４】図３に示した行動基準推定処理手順のうちピーク分析を用いた行動基準推定処理を説明するための図。
【図５】図３に示した行動基準推定処理手順のうちピーク分析を用いた行動基準推定処理を説明するための図。
【図６】図３に示した行動基準推定処理手順のうちゾーン分析を用いた行動基準推定処理を説明するための図。
【図７】図３に示した行動基準推定処理手順のうちゾーン分析を用いた行動基準推定処理を説明するための図。
【図８】図３に示した行動基準推定処理手順のうちゾーン分析を用いた行動基準推定処理を説明するための図。
【発明を実施するための形態】
【００１８】
以下、図面を参照してこの発明に係わる実施形態を説明する。
図１は、この発明の一実施形態に係わる行動基準推定装置を備えたレコメンドサービスシステムの全体構成を示す図である。
このシステムは、レコメンドサービスを行う複数のレコメンドサーバＷＳＶ１，ＷＳＶ２を備え、これらのレコメンドサーバＷＳＶ１，ＷＳＶ２に対し、ユーザが所持する複数の携帯端末ＭＳ１〜ＭＳｎを通信ネットワークＮＷを介して接続可能としている。また、店舗にそれぞれ設置された複数の決済端末ＦＳ１〜ＦＳｍを、通信ネットワークＮＷを介して決済サーバＳＶ１に接続可能としている。さらに、上記レコメンドサーバＷＳＶ１，ＷＳＶ２及び決済サーバＢＳＶに対し、通信ネットワークＮＷを介して行動基準推定装置ＡＳＶを接続可能としている。
【００１９】
通信ネットワークＮＷは、ＩＰ（Internet Protocol）網と、このＩＰ網にアクセスするためのアクセス網とから構成される。アクセス網としては、公衆通信網、携帯電話網、ＬＡＮ（Local Area Network）、無線ＬＡＮ、ＣＡＴＶ（Cable Television）網等が用いられる。
【００２０】
携帯端末ＭＳ１〜ＭＳｎは、携帯電話機やＰＤＡ（Personal Digital Assistant）、スマートホン等と呼ばれる携帯型のパーソナル・コンピュータからなり、ＷｅｂサーバＷＳＶ１〜ＷＳＶ２から提供される店舗を表すレコメンド情報を受信するためのメーラ又はＷｅｂブラウザと、自端末の位置情報を上記ＷｅｂサーバＷＳＶ１〜ＷＳＶ２に送信するためのＧＰＳ（Global Positioning System）等を利用した位置検出機能を備えている。
【００２１】
決済端末ＦＳ１〜ＦＳｍは、店舗等において例えばクレジットカードやＩＣカードによる支払いを決済するための端末であり、その決済情報を通信ネットワークＮＷを介して上記決済サーバＢＳＶへ送信する。決済サーバＢＳＶは、各決済端末ＦＳ１〜ＦＳｍから送信された決済情報を受信して記憶し、行動基準推定装置ＡＳＶからの要求に応じて行動基準推定装置ＡＳＶへ送信する機能を備える。
【００２２】
ところで、行動基準推定装置ＡＳＶは例えばＷｅｂサーバからなり、以下のように構成される。図２はその機能構成を示すブロック図である。
すなわち、行動基準推定装置ＡＳＶは、通信インタフェースユニット１と、制御ユニット２と、記憶ユニット３とを備えている。通信インタフェースユニット１は、制御ユニット２の制御の下で、通信ネットワークＮＷを介して上記レコメンドサーバＷＳＶ１，ＷＳＶ２及び決済サーバＢＳＶとの間で情報の送受信を行う。
【００２３】
記憶ユニット３は、ＨＤＤ（Hard Disc Drive）又はＳＳＤ（Solid State Drive）を使用したランダムアクセス可能な不揮発性メモリを使用したもので、この発明を実現するために必要な記憶部として、レコメンドログ記憶部３１と、訪問先ログ記憶部３２と、行動基準記憶部３３とを備えている。
【００２４】
レコメンドログ記憶部３１は、上記レコメンドサーバＷＳＶ１，ＷＳＶ２から取得したレコメンドサービス対象ユーザのレコメンド情報を記憶するために用いられる。レコメンド情報は、ユーザの識別情報（ユーザＩＤ）に、当該ユーザに提供した店舗等を表すレコメンド情報を関連付けたものからなる。訪問先ログ記憶部３２は、上記決済サーバＢＳＶから取得したレコメンドサービス対象ユーザの決済情報を記憶するために用いられる。決済情報は、ユーザの識別情報（ユーザＩＤ）に、当該ユーザが利用した店舗に関する情報を関連付けたものからなる。行動基準記憶部３３は、後述する制御ユニット２により得られたユーザの行動基準の推定結果を表す情報を、ユーザＩＤに関連付けて記憶するために用いられる。
【００２５】
制御ユニット２は、中央処理ユニット（ＣＰＵ；Central Processing Unit）を中核として備えるもので、この発明を実施するために必要な処理機能として、レコメンドログ取得部２１と、訪問先ログ取得部２２と、共通訪問先抽出処理部２３と、特徴量抽出処理部２４と、ピーク分析処理部２５と、ゾーン分析処理部２６とを備えている。これらの処理機能は、いずれもアプリケーション・プログラムを上記ＣＰＵに実行させることにより実現される。
【００２６】
レコメンドログ取得部２１は、上記レコメンドサーバＷＳＶ１，ＷＳＶ２に対し新たなレコメンド情報の送信が行われたか否かを問い合わせ、新たなレコメンド情報の送信が行われた場合には、レコメンドサーバＷＳＶ１，ＷＳＶ２から当該レコメンド情報を受信して、これをレコメンドログデータとしてレコメンドログ記憶部３１に格納する処理を実行する。
【００２７】
訪問先ログ取得部２２は、上記レコメンドログ記憶部３１にレコメンド情報が記憶されたユーザについて、当該ユーザの決済情報の有無を決済サーバＢＳＶに対し定期的に問い合わせ、新たな決済情報がある場合にこの決済情報を受信して、これを訪問先ログデータとして訪問先ログ記憶部３２に格納する処理を実行する。
【００２８】
共通訪問先抽出処理部２３は、ユーザＩＤごとに、上記レコメンドログ記憶部３１に記憶されたレコメンドログデータと上記訪問先ログ記憶部３２に記憶された訪問先ログデータとを比較し、レコメンド情報に含まれる店舗を表す情報と共通の店舗を表す情報を決済情報中から抽出する処理を実行する。
【００２９】
特徴量抽出処理部２４は、上記共通訪問先抽出処理部２３により抽出された店舗を表す情報、つまりレコメンドされかつ訪問された店舗を表す情報と、上記レコメンドされたが訪問されていない店舗を表す情報のそれぞれについて、店舗の特徴量を抽出する処理を行う。店舗の特徴量としては、例えば特定の商品の「価格」、最寄り駅からの「距離」、レコメンドされた時刻からの「経過時間」、口コミ評価の「点数」、レコメンドの「お奨め度」が挙げられる。
【００３０】
ピーク分析処理部２５は、特徴量のピーク値を見つけてこれをユーザの行動基準とするもので、特徴量が１つの場合と複数の場合とで異なる処理を行う。特徴量が１つの場合には、レコメンドされかつ訪問された第１の店舗の特徴量を、レコメンドされたが訪問されていない第２の店舗の特徴量と比較し、その差分値が最も大きいか又は小さかったときの第１の店舗の特徴量をユーザの行動基準とする。特徴量が複数の場合には、これら複数の特徴量をある比率で組み合わせた軸上で、第１の店舗の特徴量の組み合わせを、第２の店舗の特徴量の組み合わせと比較し、第１の店舗の特徴量の組み合わせが最も大きいか又は小さかった場合に、この特徴量の組み合わせをユーザの行動基準とする。
【００３１】
ゾーン分析処理部２６は、特徴量の値の分布領域に着目してユーザの行動基準を推定するもので、この場合においても特徴量が１つの場合と複数の場合とで異なる処理を行う。特徴量が１つの場合には、特徴量が第１の店舗より小さい第２の店舗の集合の特徴量の分布領域（第１の範囲）と、大きい第２の店舗の集合の特徴量の分布領域（第２の範囲）をそれぞれ定義し、第１の店舗の特徴量が上記第１の範囲より大きくかつ第２の範囲より小さい第３の範囲に属するとき、この第３の範囲の特徴量をユーザの行動基準とする。特徴量が複数の場合には、これら複数の特徴量をある比率で組み合わせた軸上で、上記第１及び第２の範囲をそれぞれ定義し、第１の店舗の特徴量の組み合わせが上記第１の範囲より大きくかつ第２の範囲より小さい第３の範囲に属するとき、この第３の範囲の特徴量の組み合わせをユーザの行動基準とする。
【００３２】
次に、以上のように構成された装置による行動基準を推定するための処理動作を説明する。図３はその処理手順と処理内容を示すフローチャートである。
なお、ここでは店舗の特徴量、例えば価格、最寄駅からの距離、レコメンドされた時刻（0:00からの経過時間で２４時間ごとにリセットされる）、口コミ評価の点数、レコメンドのお奨め度をｘ1，ｘ2，…，ｘNで表わし、レコメンドされかつ訪問された店舗（第１の店舗）をｖ、レコメンドされたが訪問されていない店舗（第２の店舗）をｗ1，ｗ2，…，ｗk と表して説明を行う。すなわち、ｘ1 を価格とすると、ｘ1 (w1)は店舗ｗ1 の価格を表すことになる。
【００３３】
（１）レコメンドログ及び訪問先ログの取得処理
行動基準推定装置ＡＳＶの制御ユニット２は、先ずステップＳ１１においてレコメンドログ取得部２１を起動し、このレコメンドログ取得部２１の制御の下で、レコメンドサーバＷＳＶ１，ＷＳＶ２に対し新たなレコメンド情報の送信を行ったか否かを問い合わせる。そして、この問い合わせの結果、新たなレコメンド情報の送信が行われた場合には、ＷｅｂサーバＷＳＶ１〜ＷＳＶ２から当該レコメンド情報を通信ネットワークＮＷを介して受信し、この受信されたコメンド情報をレコメンドログデータとしてレコメンドログ記憶部３１に格納する。
【００３４】
また制御ユニット２は、ステップＳ１２において訪問先ログ取得部２２を起動する。そして、この訪問先ログ取得部２２の制御の下で、上記レコメンドログ記憶部３１にレコメンド情報が記憶されたユーザのＩＤを検索し、このユーザＩＤについて、当該ユーザの決済情報の有無を決済サーバＢＳＶに対し問い合わせる。そして、新たな決済情報がある場合には、この決済情報を決済サーバＢＳＶから通信ネットワークＮＷを介して受信し、この受信された決済情報を訪問先ログデータとして訪問先ログ記憶部３２に格納する。
【００３５】
（２）共通訪問先の抽出処理
さて、あるユーザについて、上記新たなレコメンドログデータと訪問先ログデータが取得されると、制御ユニット２は共通訪問先抽出処理部２３を起動する。そして、この共通訪問先抽出処理部２３の制御の下で、上記取得されたレコメンドログデータと訪問先ログデータとを比較し、これらのレコメンドログデータ及び訪問先ログデータの中から、共通の店舗を抽出する。この抽出処理の結果、共通の店舗を抽出できなければ、ステップＳ１３からステップＳ１１，Ｓ１２に戻ってレコメンドログデータ及び訪問先ログデータの取得処理を行う。
【００３６】
（３）店舗の特徴量の抽出処理
一方、上記抽出処理の結果、共通の店舗が抽出されたとする。この場合制御ユニット２はステップＳ１３からステップＳ１４に移行し、ここで特徴量抽出処理部２４を起動する。そして、この特徴量抽出処理部２４の制御の下で、レコメンドされかつ訪問された店舗（第１の店舗）を表す情報ｖ、つまり上記抽出された共通の店舗の情報と、上記レコメンドされたが訪問されていない店舗（第２の店舗）を表す情報ｗ1，ｗ2，…，ｗk のそれぞれについて、店舗の特徴量ｘ1，ｘ2，…，ｘNを抽出する。
【００３７】
（４）ピーク分析による行動基準推定処理
次に制御ユニット２は、ピーク分析処理部２５を起動し、このピーク分析処理部２５の制御の下で特徴量のピーク値に着目した行動基準推定処理を以下のように実行する。
すなわち、先ずステップＳ１５において、上記抽出された特徴量ｘ1，ｘ2，…，ｘNを１つずつ順次選択する。そして、特徴量を１つ選択するごとに、当該選択した特徴量を第１の店舗と第２の店舗との間で比較し、第１の店舗の特徴量が最も大きいか又は小さいかを判定する。この判定の結果、上記選択した各特徴量の中にargmax(x)＝ｖ又はargmin(x)＝ｖを満たす特徴量があれば、この特徴量を行動基準とする。例えば、いま特徴量ｘ1を「価格」とした場合、argmin(x)＝ｖとなるならば、この「価格が安価なこと」を行動基準と見なす。そして、ステップＳ１６からステップＳ１８を経由してステップＳ２１に移行し、ここで上記特徴量、例えば「価格が安価なこと」を、ユーザの行動基準表す情報として行動基準記憶部３３に記憶させる。
【００３８】
これに対し、上記個々の特徴量ｘ1，ｘ2，…，ｘNの中に、argmax(x)＝ｖ又はargmin(x)＝ｖを満たす特徴量が見つからなかったとする。この場合、ピーク分析処理部２５はステップＳ１７に移行する。そして、複数の特徴量ｘ1，ｘ2，…，ｘNを選択的に予め決められた比率で組み合わせた軸を定義し、この軸上で第１の店舗の特徴量の組み合わせを第２の店舗の特徴量の組み合わせと比較する。そして、第１の店舗の特徴量の組み合わせが最も大きいか又は小さかった場合に、この特徴量の組み合わせをユーザの行動基準とする。
【００３９】
この複数の特徴量の組み合わせを用いたピーク分析処理をさらに詳しく述べる。
先ず各特徴量ｘ1，ｘ2，…，ｘNを、その特徴量内で店舗がとる最大値で割り、全ての値が０から１に収まるように正規化する。次に、各特徴量（Ｎ個）について、（１−ｘ）を求める。これは、例えば「価格：駅からの距離」（価格が高く、駅に近い）の価値観を持つユーザが存在する可能性があるためである。
【００４０】
次に、２Ｎ個の特徴量の中から２個を選び、この選択した２個の特徴量を予め決められた比率で組合せた軸を定義し、この軸上で第１の店舗ｖの特徴量の組み合わせの値が最大又は最小になるか否かを分析する。この分析処理は、（2NＣ2）通りに渡って行われる。この分析処理によって、例えば図４に示すように、訪問された店舗の特徴量の組み合わせの値がｘ1の軸でもｘ2の軸でも最小にはならないのに、新しく定義したｘ1 ：ｘ2 ＝３：４の軸では最小になるといった状況を抽出することができる。
【００４１】
２個の特徴量の組合せでピークとしての最小値が見つからないときは、３個の組合せで上記ピーク分析処理を行い、３個の組み合わせでもピークが見つからない場合には４個の組み合わせというように順次組み合わせる特徴量の数を増やしていき、２Ｎ−１個の組合せでピークが見つからないときは２Ｎ個の組み合せについてピーク分析処理を行う。ただし、組み合せる特徴量の数が多いと計算量が膨大になり、かつ価値観が複雑で曖昧になる（例えば（「価格：駅：時刻：口コミ点数」がいくつというのは複雑過ぎる）。従って、ピーク分析の対象とする特徴量の組み合わせの数は、例えば３個までというように制限するとよい。
【００４２】
ｍ個（ｍ≧２）の特徴量の組合せの場合には、具体的に以下のピーク分析処理を採用する。すなわち、直線ｘm ＝ｒ1 ・ｘ1 ，ｘm ＝ｒ2 ・ｘ2 ，…，ｘm ＝ｒm-1・ｘm-1のｒ（傾き、比率）を調整して、点（ｘ1(v)，…，ｘm(v)）からその直線への射影の原点からの距離が、点（ｘ1(w1)，…，ｘm(w1)），…，（ｘ1(wk)，…，ｘm(wk)）からその直線への射影の原点からの距離と比べて最大又は最小となるならば、
ｘ1：ｘ2：…：ｘm-1：ｘm＝１／ｒ1：１／ｒ2：…：１／ｒm-1：１
をそのユーザの行動基準とする。それぞれのｒの調整は、例えば点（ｘ1(v)，…，ｘm(v)）を通る直線から開始してｒが９になるまで０．１ずつ増加させることにより行う。そして、ｒが９になると反対にｒが１／９になるまで０．１ずつ減少させる。
【００４３】
図５は、２個の特徴量の組合せの場合を示したものである。図５のｄ（点（ｘ1(a)，ｘ2(a)）から直線ｘ2＝ｒ・ｘ1への射影の原点からの距離）が、ｒを調整してａ＝ｖのときａ＝ｗ1，ｗ2，…，ｗkと比べて最大又は最小となるならば、ｘ1：ｘ2＝１／ｒ：１をそのユーザの行動基準とする。このときｒの調整は、例えば点（ｘ1(v)，ｘ2(v)）を通る直線から開始してｒが９になるまで０．１ずつ増加させることにより行う。そして、ｒが９になると反対にｒが１／９になるまで０．１ずつ減少させる。
以上述べたピーク分析処理が終了すると、制御ユニット２はステップＳ１８においてピーク分析処理により行動基準とすべき特徴量の組み合わせが見つかったか否かを判定する。そして、行動基準とすべき特徴量の組み合わせが見つかった場合には、ステップＳ２１に移行して当該見つかった特徴量の組み合わせを対象ユーザの行動基準を表す情報として行動基準記憶部３３に記憶させる。
【００４４】
（５）ゾーン分析による行動基準推定処理
一方、上記ピーク分析処理により行動基準とすべき特徴量の組み合わせが見つからなかったとする。この場合制御ユニット１２は、ステップＳ１９に移行してゾーン分析処理部２６を起動する。そして、このゾーン分析処理部２６の制御の下で、以下のようにゾーン分析処理による行動基準の推定処理を実行する。
【００４５】
すなわち、ゾーン分析処理では、例えば図６に示すように、レコメンドされかつ訪問された第１の店舗と、レコメンドされたが訪問されなかった第２の店舗とを比較したときに、第１の店舗が第２の店舗と比べて特徴量が大きく異なるゾーンにあるか否かを分析する。このゾーン分析の方法としては、図６に示すように単純に第１の店舗ｖから最も近い第２の店舗ｗまでの特徴量ｘ1の距離が、あるしきい値以上か否か分析する方法が考えられる。この方法は単純な処理により実現できる利点がある。また、他の方法として以下の２つの方法が考えられる。
【００４６】
第１の方法は標準偏差を考慮したもので、１つの特徴量を用いる場合と、複数の特徴量の組み合わせを用いる場合が考えられる。
先ず１つの特徴量の場合について述べる。特徴量ｘ1について、第１の店舗ｖよりも小さい値の第２の店舗ｗの集合を集合Ｓ、大きい値の第２の店舗ｗの集合をＢとする。なお、集合Ｓ，Ｂが共に存在するときのみ分析処理を進める。なぜならば、集合Ｓ，Ｂのどちらか一方が存在しないということは第１の店舗ｖが最大又は最小になるので、先に述べたピーク分析処理によって既に行動基準の推定が完了しているからである。
【００４７】
図７に示した例では、集合Ｂの分散が大きいので、単純に第１の店舗ｖから集合Ｂに含まれる第２の店舗ｗまでの距離が大きくても、集合Ｂの分布に問題なく収まる場合は、第１の店舗ｖが第２の店舗ｗと比べて大きく異なるゾーンに存在するとは言い難い。そこで、μs＋Ｃσs＜ｘ1(v)＜μB−ＣσB（例えば、Ｃは1.5≦Ｃ≦3を満たす定数）を満たす場合には、特徴量ｘ1のｘ1(v)−σs 〜ｘ1(v)＋σBの範囲を行動基準とする。
【００４８】
一方、１つの特徴量を用いたゾーン分析によりピークが見つからないときは、複数の特徴量の組み合わせを用いて次のようにゾーン分析を行う。
すなわち、先ず各特徴量ｘ1，ｘ2，…，ｘNを、その特徴量内で店舗がとる最大値で割り、全ての値が０から１に収まるように正規化する。続いて、Ｎ個の特徴量の中から２個を選び、この選択した２個の特徴量を予め定めた比率で組合せた軸を定義する。そして、μs＋Ｃσs＜ｘ(v)＜μB−ＣσB（例えば、Ｃは1.5≦Ｃ≦3を満たす定数）を満たすか否か分析し、満たす場合にはその軸のｘ(v)−σs 〜ｘ(v)＋σBの範囲を行動基準とする。
【００４９】
２個の特徴量の組み合わせで上記条件を満たす範囲が見つからない場合には、先に述べたピーク分析処理の場合と同様に、特徴量の３個の組み合せで上記ゾーン分析処理を行い、３個の組み合わせでも上記条件を満たす範囲が見つからない場合には４個の組み合わせというように順次組み合わせる特徴量の数を増やしていき、２Ｎ−１個の組合せで上記条件を満たす範囲が見つからないときは２Ｎ個の組み合せについてゾーン分析処理を行う。ただし、組み合せる特徴量の数が多いと計算量が膨大になり、かつ価値観が複雑で曖昧になるので、先に述べたピーク分析処理の場合と同様に、ゾーン分析の対象とする特徴量の組み合わせの数は例えば３個までというように制限するとよい。
【００５０】
第２の方法はサポートベクターマシン（ＳＶＭ）を用いたものである。図８はこのＳＶＭを用いたゾーン分析方法を説明するための図である。
この方法では、先ず１つの特徴量もしくは複数の特徴量について、SVMによって第１の店舗ｖと第２の店舗ｗとを分類する。例えば、ガウシアンカーネルを用いてそれぞれの特徴量におけるマージンの大きさを保存する。
【００５１】
次に、この保存された各特徴量のマージンの大きさを比較し、マージンの大きさが最大となる特徴量又は特徴量の組み合せを選択して、その特徴量又は特徴量の組み合せの識別超平面を行動基準とする。なぜならば、ある特徴量について見た場合に、図８の右側に示すように第１の店舗ｖが第２の店舗ｗの集合と比べて大きく異なるゾーンに存在する場合は、図８の左側に示すように第１の店舗ｖと第２の店舗ｗの集合とがあまり変わらない場合と比べて、マージンが大きくなるからである。なお、図８中のφ(ｘi)は、軸ｘiを特徴空間に写像した軸である。
【００５２】
これを、式で表わすと以下のようになる。
いま、データ集合をｙ1，ｙ1、重みベクトルをｗ、バイアス項をｂ、ｆw,b＝sgn（(w,y)＋ｂ)、ｆw,b(ｙi)＝ｚiとし、φ(ｙi)を入力ベクトルｙiを特徴空間に写像した結果とする。そして、ｚi（(ｗ・φ(ｙi)）＋ｂ≧１という制約条件で１／‖ｗ‖を最大化して求めた（１／‖ｗ‖）が、その特徴量又は特徴量の組み合せにおけるマージンの大きさとなる。最後に、個々の特徴量ｘ1，ｘ2，…，ｘNとそれらの組み合せのマージンの大きさを比較し、マージンの大きさが最大となる特徴量の識別超平面を対象ユーザの行動基準とする。
【００５３】
以上述べたゾーン分析処理が終了すると、制御ユニット２はステップＳ２０においてゾーン分析処理により行動基準とすべき特徴量又はその組み合わせが見つかったか否かを判定する。そして、行動基準とすべき特徴量又はその組み合わせが見つかった場合には、ステップＳ２１に移行して当該見つかった特徴量又はその組み合わせを対象ユーザの行動基準を表す情報して行動基準記憶部３３に記憶させる。
なお、上記ゾーン分析処理により行動基準とすべき特徴量又はその組み合わせが見つからなかった場合には、ステップＳ１１，Ｓ１２によるレコメンドログデータ及び訪問先ログデータの取得処理に戻る。
【００５４】
以上詳述したようにこの実施形態では、レコメンドサーバＷＳＶ１，ＷＳＶ２からレコメンドログデータを取得して記憶すると共に、決済サーバＢＳＶから訪問先ログデータを取得して記憶する。そして、この取得されたレコメンドログデータと訪問先ログデータとを比較して両者に共通に出現する店舗を抽出し、レコメンドされかつ訪問された第１の店舗と、レコメンドされたが訪問されていない第２の店舗のそれぞれについて、店舗の特徴量ｘ1，ｘ2，…，ｘNを抽出する。続いて、ピーク分析処理部２５により、上記抽出された店舗の特徴量のピーク値に着目した行動基準推定処理を行い、このピーク分析処理により行動基準が推定できなかった場合に、ゾーン分析処理部２６により、ゾーン分析処理による行動基準の推定処理を行うようにしている。
【００５５】
従って、レコメンドされかつ実際に訪問された第１の店舗と、レコメンドされたが訪問されていない第２の店舗との間の、個々の特徴量又はその組み合わせのピーク値の違い、又は分布領域の違いにより行動基準が推定される。このため、レコメンド後のユーザの行動基準を店舗の特徴量ベースで的確に推定することができる。
【００５６】
また、上記行動基準の推定に際し、先ずピーク分析処理が行われ、このピーク分析処理により行動基準が推定できなかった場合にゾーン分析処理が行われる。このため、無条件にピーク分析及びゾーン分析の両方の処理を実行しその結果からユーザの行動基準を推定する場合に比べ、ユーザ一人当たりの平均的な分析処理量を減らすことができ、これにより装置ＡＳＶの処理負荷を軽減することができる。
【００５７】
さらに、上記ピーク分析処理及びゾーン分析処理の各々において、先ず店舗の個々の特徴量ごとに分析処理が行われ、これにより行動基準が推定できなかった場合に、複数の特徴量の組み合わせについて分析処理が行われる。このため、特定の特徴量に顕著な差がある場合には、少ない分析処理量で行動基準を推定することができ、これにより装置の処理負荷をさらに軽減することができる。
【００５８】
なお、この発明は上記実施形態に限定されるものではない。例えば、前記実施形態では行動基準推定装置ＡＳＶの機能として、推定された行動基準を表す情報を行動基準記憶部３３に記憶するまでの処理を説明した。しかし、これに限らず、上記推定された行動基準を表す情報を行動基準記憶部３３から読み出してレコメンドサーバＷＳ１，ＷＳ２へ通信ネットワークＮＷを介して通知し、レコメンドサーバＷＳ１，ＷＳ２が当該ユーザに対する次回のレコメンド時に、上記通知された行動基準を表す情報を考慮してレコメンド情報を作成するようにしてもよい。このようにすると、推定された行動基準を表す情報が行動基準推定装置ＡＳＶからレコメンドサーバＷＳ１，ＷＳ２へ自動的にフィードバックされることになり、これによりレコメンドサーバＷＳ１，ＷＳ２は次回以降のレコメンド情報の作成にユーザの行動基準を応答性良く効果的に反映させることが可能となる。
【００５９】
また、前記実施形態では、行動基準推定装置ＡＳＶをレコメンドサーバＷＳＶ１，ＷＳＶ２とは独立して設けた場合を例にとって説明したが、行動基準推定装置ＡＳＶの処理機能を各レコメンドサーバＷＳＶ１，ＷＳＶ２内に設けるようにしてもよい。
さらに、レコメンド情報としては「店舗」以外に図書館や博物館、コンサート等のイベント会場等の「施設」を対象としてもよい。また、特徴量についても前記実施形態で述べた「価格」、「距離」、「時間」、口コミ評価の「点数」、「お奨め度」以外のものを追加してもよく、また限定してもよい。その他、ピーク分析処理及びゾーン分析処理の処理手順や処理内容などについても、この発明の要旨を逸脱しない範囲で種々変形して実施可能である。
【００６０】
要するにこの発明は、上記実施形態そのままに限定されるものではなく、実施段階ではその要旨を逸脱しない範囲で構成要素を変形して具体化できる。また、上記実施形態に開示されている複数の構成要素の適宜な組み合せにより種々の発明を形成できる。例えば、実施形態に示される全構成要素から幾つかの構成要素を削除してもよい。さらに、異なる実施形態に亘る構成要素を適宜組み合せてもよい。
【符号の説明】
【００６１】
ＡＳＶ…行動基準推定装置、ＢＳＶ…決済サーバ、ＷＳ１，ＷＳ２…レコメンドサーバ、ＭＳ１〜ＭＳｎ…携帯端末、ＦＳ１〜ＦＳｍ…決済端末、ＮＷ…通信ネットワーク、１…通信インタフェースユニット、２…制御ユニット、３…記憶ユニット、２１…レコメンドログ取得部、２２…訪問先ログ取得部、２３…共通訪問先抽出処理部、２４…特徴量抽出処理部、２５…ピーク分析処理部、２６…ゾーン分析処理部、３１…レコメンドログ記憶部、３２…訪問先ログ記憶部、３３…行動基準記憶部。
【技術分野】
【０００１】
この発明は、例えばレコメンドサービスの提供を受けたユーザが実際に行動を起こした場合に、何を基準に行動したかを推定するための行動基準推定装置、方法及びプログラムに関する。
【背景技術】
【０００２】
近年、携帯端末やパーソナル・コンピュータ等の情報端末を使用して、ユーザに対しＷｅｂ情報の検索を勧めたり商品情報を提供する、いわゆるレコメンドサービスが実用化されている。この種のサービスは、一般にユーザ自身が情報端末を操作して自身の性別や年齢、職業、興味分野等の自身の属性や特徴を表す特徴量情報をサーバに登録し、サーバがこの登録された特徴量情報とユーザの日常生活の行動状況を表す情報に基づいて、ユーザに対し適応的にＷｅｂ情報の検索を勧めたり商品情報を提供するものとなっている。
【０００３】
ところで、レコメンドサービスによる情報提供後にユーザが行動を起こした場合に、当該ユーザが何を基準に行動を起こしたかを把握できるようになると、さらに効果的なレコメンドサービスを実現できる。
そこで、ユーザの行動基準を推定する手法として以下のような二つの手法が提案されている。その一つは、例えばレコメンドサービスによりユーザに提供したWebページの情報（レコメンド結果）と、当該ユーザが実際に購入した商品名とをそれぞれキーワードに分解して共通点を検出し、この検出された共通点をユーザの行動基準とするものである（例えば非特許文献１を参照。）。他の一つは、ユーザによるWebの閲覧履歴とGPS等を利用して検出したユーザの行動履歴との間の類似部分を重ね合わせた部分と、その周辺にユーザの関心があると推定し、この推定結果を行動基準とするものである（例えば非特許文献２を参照。）。
すなわち、従来提案されている上記各推定手法は、いずれもレコメンド結果と実際のユーザの行動との間の類似点または共通点をユーザの行動基準と推定し、次のレコメンドに生かすものとなっている。
【先行技術文献】
【非特許文献】
【０００４】
【非特許文献１】山下 真理子、鈴木 優、川越 恭二、「利用者の商品購入とWebページ閲覧の履歴を用いたWebページ推薦手法」、情報処理学会第70回全国大会、 pp1-653,1-654, 2008
【非特許文献２】田中 克明、堀 浩一、山本 真人、「個人行動履歴に基づく情報推薦システムの開発」、人工知能学会論文誌、Vol. 23, No. 6，pp 412-423，2008
【発明の概要】
【発明が解決しようとする課題】
【０００５】
しかしながら、レコメンドサービスにより提供した情報とユーザが実際に起こした行動との類似点又は共通点の全特徴が重要な訳ではなく、レコメンドサービスにより提供された幾つかの情報の中でユーザが実際に行動を起こしたものと起こさなかったものとの間で異なる特徴にユーザの行動基準があることが多い。例えば、レコメンドサービスにより１０個の店舗がユーザに提供され、ユーザがその中の１つの店舗に来店したとする。このとき、来店された店舗の価格帯、駅からの距離、口コミ点数といった特徴量の全てがユーザの行動基準と適合する訳ではない。来店された店舗が、来店されなかった店舗と比べて最安価格だったならば、ユーザは最安価格を行動基準として店舗に来店したと推測することができる。
【０００６】
この発明は上記事情に着目してなされたもので、その目的とするところは、ユーザの行動基準を的確に推定できるようにした行動基準推定装置、方法及びプログラムを提供することにある。
【課題を解決するための手段】
【０００７】
上記目的を達成するためにこの発明の第１の観点は、ユーザに対し提供されたレコメンド情報及び上記ユーザの行動履歴を表す情報をそれぞれ収集して、これらを当該ユーザの識別情報と関連付けて記憶する。そして、この状態で上記記憶されたレコメンド情報及び行動履歴情報に共通に含まれる第１の情報要素を抽出して、この抽出された共通の第１の情報要素から少なくとも一つの第１の特徴量を抽出すると共に、上記記憶されたレコメンド情報及び行動履歴情報のうちレコメンド情報にのみ含まれる第２の情報要素を抽出して、この抽出された第２の情報要素から少なくとも一つの第２の特徴量を抽出する。そして、第１の分析処理により、上記第１の情報要素と第２の情報要素との間で、上記抽出された第１の特徴量と第２の特徴量とを同じもの同士で比較して、上記第１の特徴量がピーク値をとるか否かを判定し、ピーク値をとると判定された場合に当該第１の特徴量を上記ユーザの行動基準を表す情報として記憶するようにしたものである。
【０００８】
従って、この発明の第１の観点によれば、レコメンドされかつ実際にユーザによりアクセスされた第１の情報要素と、レコメンドされたがアクセスされていない第２の情報要素との間において、第１の情報要素から抽出された特徴量がピーク値をとる場合、つまり第１の情報要素と第２の情報要素との間で特徴量の差が大きい場合に、この第１の特徴量がユーザの行動基準と推定される。このため、レコメンド後のユーザの行動基準をレコメンド情報に含まれる情報要素の特徴量ベースで的確に推定することが可能となる。
【０００９】
またこの発明の上記第１の観点は、上記第１の分析処理において上記第１の特徴量がピーク値をとらないと判定された場合に、第２の分析処理を起動して、上記第２の情報要素から抽出された第２の特徴量の分布領域を求め、この分布領域と上記第１の情報要素から抽出された第１の特徴量との間の距離が予め設定したしきい値以上離間しているか否かを判定し、距離がしきい値以上離間していると判定された場合に当該第１の特徴量をユーザの行動基準を表す情報として記憶することを特徴とする。
このようにすると、特徴量のピーク値をもとに行動基準を推定できなかった場合でも、上記特徴量の分布をもとに行動基準を推定することが可能となる。
【００１０】
この発明の第２の観点は、ユーザに対し提供されたレコメンド情報及び上記ユーザの行動履歴を表す情報をそれぞれ収集して、これらを当該ユーザの識別情報と関連付けて記憶する。そして、この状態で上記記憶されたレコメンド情報及び行動履歴情報に共通に含まれる第１の情報要素を抽出して、この抽出された共通の第１の情報要素から少なくとも一つの第１の特徴量を抽出すると共に、上記記憶されたレコメンド情報及び行動履歴情報のうちレコメンド情報にのみ含まれる第２の情報要素を抽出して、この抽出された第２の情報要素から少なくとも一つの第２の特徴量を抽出する。そして、第２の分析処理により、上記第２の情報要素から抽出された第２の特徴量の分布領域を求め、この分布領域と上記第１の情報要素から抽出された第１の特徴量との間の距離が予め設定したしきい値以上離間しているか否かを判定し、距離がしきい値以上離間していると判定された場合に当該第１の特徴量をユーザの行動基準を表す情報として記憶するようにしたものである。
【００１１】
従って、この発明の第２の観点によれば、レコメンドされかつ実際にユーザによりアクセスされた第１の情報要素と、レコメンドされたがアクセスされていない第２の情報要素との間において、第２の情報要素から抽出された第２の特徴量の分布領域と上記第１の情報要素から抽出された第１の特徴量との間の距離がしきい値以上離間している場合、つまり第１の情報要素と第２の情報要素との間で特徴量の差が大きい場合に、この第１の特徴量がユーザの行動基準と推定される。このため、先に述べた第１の観点と同様に、レコメンド後のユーザの行動基準をレコメンド情報に含まれる情報要素の特徴量ベースで的確に推定することが可能となる。
【００１２】
また、この発明の第１の観点は、上記第１の分析処理の一態様として次のような処理を行うことも特徴とする。すなわち、先ず第１の情報要素と第２の情報要素との間で、これらから抽出された第１の特徴量と第２の特徴量とを同種のもの同士で個別に比較して、上記第１の特徴量がピーク値をとるか否かを判定し、ピーク値をとると判定された場合に当該第１の特徴量をユーザの行動基準を表す情報として記憶する。次に、上記第１の特徴量がピーク値をとらないと判定された場合には、上記抽出された複数の第１の特徴量及び複数の第２の特徴量の中からそれぞれ同種の複数の特徴量を選択してこれらを予め決められた比率で組み合わせ、この組み合わされた第１の特徴量の値と組み合わされた第２の特徴量の値とを比較して、上記組み合わされた第１の特徴量の値がピーク値をとるか否かを判定し、ピーク値をとると判定された場合に当該組み合わされた第１の特徴量をユーザの行動基準を表す情報として記憶する。
【００１３】
このようにすると、特徴量のピーク値に着目した第１の分析処理を行う場合に、先ず個々の特徴量に対しピーク分析が行われてその結果をもとに行動基準が推定され、この処理により行動基準が推定できなかった場合に、複数の特徴量の組み合わせに対しピーク分析が行われてその結果をもとに行動基準が推定される。したがって、特定の特徴量に顕著な差がある場合には、少ない分析処理量で行動基準を推定することができ、これにより装置の処理負荷をさらに軽減することができる。
【００１４】
さらにこの発明の第２の観点は、上記第２の分析処理の一態様として次のような処理を行うことも特徴とする。すなわち、先ず第２の情報要素から抽出された複数の第２の特徴量の分布領域を個々の特徴量ごとに求め、この分布領域と上記第１の情報要素から抽出された第１の特徴量との間の距離が予め設定したしきい値以上離間しているか否かを判定し、距離がしきい値以上離間していると判定された場合に当該第１の特徴量をユーザの行動基準を表す情報として記憶する。一方、上記分布領域と第１の特徴量との間の距離がしきい値以上離間していないと判定された場合には、上記抽出された複数の第１の特徴量及び複数の第２の特徴量の中からそれぞれ同種の複数の特徴量を選択してこれらを予め決められた比率で組み合わせ、この組み合わされた第２の特徴量の分布領域と上記組み合わされた第１の特徴量との間の距離が予め設定したしきい値以上離間しているか否かを判定し、距離がしきい値以上離間していると判定された場合に当該組み合わされた第１の特徴量をユーザの行動基準を表す情報として記憶する。
【００１５】
このようにすると、特徴量の分布状態に着目した第２の分析処理を行う場合に、先ず個々の特徴量に対しその分布状態の分析が行われてその結果をもとに行動基準が推定され、この処理により行動基準が推定できなかった場合に、複数の特徴量の組み合わせに対しその分布状態の分析が行われてその結果をもとに行動基準が推定される。したがって、第２の分析処理においても、特定の特徴量に顕著な差がある場合には、少ない分析処理量で行動基準を推定することができ、これにより装置の処理負荷をさらに軽減することが可能となる。
【発明の効果】
【００１６】
すなわちこの発明によれば、ユーザの行動基準を正確に推定できるようにした行動基準推定装置、方法及びプログラムを提供することを提供することができる。
【図面の簡単な説明】
【００１７】
【図１】この発明の一実施形態に係わる行動基準推定装置を備えたレコメンドサービスシステムの全体構成を示す図。
【図２】この発明の一実施形態に係わる行動基準推定装置の機能構成を示すブロック図。
【図３】図２に示した行動基準推定装置による行動基準推定処理の処理手順と処理内容を示すフローチャート。
【図４】図３に示した行動基準推定処理手順のうちピーク分析を用いた行動基準推定処理を説明するための図。
【図５】図３に示した行動基準推定処理手順のうちピーク分析を用いた行動基準推定処理を説明するための図。
【図６】図３に示した行動基準推定処理手順のうちゾーン分析を用いた行動基準推定処理を説明するための図。
【図７】図３に示した行動基準推定処理手順のうちゾーン分析を用いた行動基準推定処理を説明するための図。
【図８】図３に示した行動基準推定処理手順のうちゾーン分析を用いた行動基準推定処理を説明するための図。
【発明を実施するための形態】
【００１８】
以下、図面を参照してこの発明に係わる実施形態を説明する。
図１は、この発明の一実施形態に係わる行動基準推定装置を備えたレコメンドサービスシステムの全体構成を示す図である。
このシステムは、レコメンドサービスを行う複数のレコメンドサーバＷＳＶ１，ＷＳＶ２を備え、これらのレコメンドサーバＷＳＶ１，ＷＳＶ２に対し、ユーザが所持する複数の携帯端末ＭＳ１〜ＭＳｎを通信ネットワークＮＷを介して接続可能としている。また、店舗にそれぞれ設置された複数の決済端末ＦＳ１〜ＦＳｍを、通信ネットワークＮＷを介して決済サーバＳＶ１に接続可能としている。さらに、上記レコメンドサーバＷＳＶ１，ＷＳＶ２及び決済サーバＢＳＶに対し、通信ネットワークＮＷを介して行動基準推定装置ＡＳＶを接続可能としている。
【００１９】
通信ネットワークＮＷは、ＩＰ（Internet Protocol）網と、このＩＰ網にアクセスするためのアクセス網とから構成される。アクセス網としては、公衆通信網、携帯電話網、ＬＡＮ（Local Area Network）、無線ＬＡＮ、ＣＡＴＶ（Cable Television）網等が用いられる。
【００２０】
携帯端末ＭＳ１〜ＭＳｎは、携帯電話機やＰＤＡ（Personal Digital Assistant）、スマートホン等と呼ばれる携帯型のパーソナル・コンピュータからなり、ＷｅｂサーバＷＳＶ１〜ＷＳＶ２から提供される店舗を表すレコメンド情報を受信するためのメーラ又はＷｅｂブラウザと、自端末の位置情報を上記ＷｅｂサーバＷＳＶ１〜ＷＳＶ２に送信するためのＧＰＳ（Global Positioning System）等を利用した位置検出機能を備えている。
【００２１】
決済端末ＦＳ１〜ＦＳｍは、店舗等において例えばクレジットカードやＩＣカードによる支払いを決済するための端末であり、その決済情報を通信ネットワークＮＷを介して上記決済サーバＢＳＶへ送信する。決済サーバＢＳＶは、各決済端末ＦＳ１〜ＦＳｍから送信された決済情報を受信して記憶し、行動基準推定装置ＡＳＶからの要求に応じて行動基準推定装置ＡＳＶへ送信する機能を備える。
【００２２】
ところで、行動基準推定装置ＡＳＶは例えばＷｅｂサーバからなり、以下のように構成される。図２はその機能構成を示すブロック図である。
すなわち、行動基準推定装置ＡＳＶは、通信インタフェースユニット１と、制御ユニット２と、記憶ユニット３とを備えている。通信インタフェースユニット１は、制御ユニット２の制御の下で、通信ネットワークＮＷを介して上記レコメンドサーバＷＳＶ１，ＷＳＶ２及び決済サーバＢＳＶとの間で情報の送受信を行う。
【００２３】
記憶ユニット３は、ＨＤＤ（Hard Disc Drive）又はＳＳＤ（Solid State Drive）を使用したランダムアクセス可能な不揮発性メモリを使用したもので、この発明を実現するために必要な記憶部として、レコメンドログ記憶部３１と、訪問先ログ記憶部３２と、行動基準記憶部３３とを備えている。
【００２４】
レコメンドログ記憶部３１は、上記レコメンドサーバＷＳＶ１，ＷＳＶ２から取得したレコメンドサービス対象ユーザのレコメンド情報を記憶するために用いられる。レコメンド情報は、ユーザの識別情報（ユーザＩＤ）に、当該ユーザに提供した店舗等を表すレコメンド情報を関連付けたものからなる。訪問先ログ記憶部３２は、上記決済サーバＢＳＶから取得したレコメンドサービス対象ユーザの決済情報を記憶するために用いられる。決済情報は、ユーザの識別情報（ユーザＩＤ）に、当該ユーザが利用した店舗に関する情報を関連付けたものからなる。行動基準記憶部３３は、後述する制御ユニット２により得られたユーザの行動基準の推定結果を表す情報を、ユーザＩＤに関連付けて記憶するために用いられる。
【００２５】
制御ユニット２は、中央処理ユニット（ＣＰＵ；Central Processing Unit）を中核として備えるもので、この発明を実施するために必要な処理機能として、レコメンドログ取得部２１と、訪問先ログ取得部２２と、共通訪問先抽出処理部２３と、特徴量抽出処理部２４と、ピーク分析処理部２５と、ゾーン分析処理部２６とを備えている。これらの処理機能は、いずれもアプリケーション・プログラムを上記ＣＰＵに実行させることにより実現される。
【００２６】
レコメンドログ取得部２１は、上記レコメンドサーバＷＳＶ１，ＷＳＶ２に対し新たなレコメンド情報の送信が行われたか否かを問い合わせ、新たなレコメンド情報の送信が行われた場合には、レコメンドサーバＷＳＶ１，ＷＳＶ２から当該レコメンド情報を受信して、これをレコメンドログデータとしてレコメンドログ記憶部３１に格納する処理を実行する。
【００２７】
訪問先ログ取得部２２は、上記レコメンドログ記憶部３１にレコメンド情報が記憶されたユーザについて、当該ユーザの決済情報の有無を決済サーバＢＳＶに対し定期的に問い合わせ、新たな決済情報がある場合にこの決済情報を受信して、これを訪問先ログデータとして訪問先ログ記憶部３２に格納する処理を実行する。
【００２８】
共通訪問先抽出処理部２３は、ユーザＩＤごとに、上記レコメンドログ記憶部３１に記憶されたレコメンドログデータと上記訪問先ログ記憶部３２に記憶された訪問先ログデータとを比較し、レコメンド情報に含まれる店舗を表す情報と共通の店舗を表す情報を決済情報中から抽出する処理を実行する。
【００２９】
特徴量抽出処理部２４は、上記共通訪問先抽出処理部２３により抽出された店舗を表す情報、つまりレコメンドされかつ訪問された店舗を表す情報と、上記レコメンドされたが訪問されていない店舗を表す情報のそれぞれについて、店舗の特徴量を抽出する処理を行う。店舗の特徴量としては、例えば特定の商品の「価格」、最寄り駅からの「距離」、レコメンドされた時刻からの「経過時間」、口コミ評価の「点数」、レコメンドの「お奨め度」が挙げられる。
【００３０】
ピーク分析処理部２５は、特徴量のピーク値を見つけてこれをユーザの行動基準とするもので、特徴量が１つの場合と複数の場合とで異なる処理を行う。特徴量が１つの場合には、レコメンドされかつ訪問された第１の店舗の特徴量を、レコメンドされたが訪問されていない第２の店舗の特徴量と比較し、その差分値が最も大きいか又は小さかったときの第１の店舗の特徴量をユーザの行動基準とする。特徴量が複数の場合には、これら複数の特徴量をある比率で組み合わせた軸上で、第１の店舗の特徴量の組み合わせを、第２の店舗の特徴量の組み合わせと比較し、第１の店舗の特徴量の組み合わせが最も大きいか又は小さかった場合に、この特徴量の組み合わせをユーザの行動基準とする。
【００３１】
ゾーン分析処理部２６は、特徴量の値の分布領域に着目してユーザの行動基準を推定するもので、この場合においても特徴量が１つの場合と複数の場合とで異なる処理を行う。特徴量が１つの場合には、特徴量が第１の店舗より小さい第２の店舗の集合の特徴量の分布領域（第１の範囲）と、大きい第２の店舗の集合の特徴量の分布領域（第２の範囲）をそれぞれ定義し、第１の店舗の特徴量が上記第１の範囲より大きくかつ第２の範囲より小さい第３の範囲に属するとき、この第３の範囲の特徴量をユーザの行動基準とする。特徴量が複数の場合には、これら複数の特徴量をある比率で組み合わせた軸上で、上記第１及び第２の範囲をそれぞれ定義し、第１の店舗の特徴量の組み合わせが上記第１の範囲より大きくかつ第２の範囲より小さい第３の範囲に属するとき、この第３の範囲の特徴量の組み合わせをユーザの行動基準とする。
【００３２】
次に、以上のように構成された装置による行動基準を推定するための処理動作を説明する。図３はその処理手順と処理内容を示すフローチャートである。
なお、ここでは店舗の特徴量、例えば価格、最寄駅からの距離、レコメンドされた時刻（0:00からの経過時間で２４時間ごとにリセットされる）、口コミ評価の点数、レコメンドのお奨め度をｘ1，ｘ2，…，ｘNで表わし、レコメンドされかつ訪問された店舗（第１の店舗）をｖ、レコメンドされたが訪問されていない店舗（第２の店舗）をｗ1，ｗ2，…，ｗk と表して説明を行う。すなわち、ｘ1 を価格とすると、ｘ1 (w1)は店舗ｗ1 の価格を表すことになる。
【００３３】
（１）レコメンドログ及び訪問先ログの取得処理
行動基準推定装置ＡＳＶの制御ユニット２は、先ずステップＳ１１においてレコメンドログ取得部２１を起動し、このレコメンドログ取得部２１の制御の下で、レコメンドサーバＷＳＶ１，ＷＳＶ２に対し新たなレコメンド情報の送信を行ったか否かを問い合わせる。そして、この問い合わせの結果、新たなレコメンド情報の送信が行われた場合には、ＷｅｂサーバＷＳＶ１〜ＷＳＶ２から当該レコメンド情報を通信ネットワークＮＷを介して受信し、この受信されたコメンド情報をレコメンドログデータとしてレコメンドログ記憶部３１に格納する。
【００３４】
また制御ユニット２は、ステップＳ１２において訪問先ログ取得部２２を起動する。そして、この訪問先ログ取得部２２の制御の下で、上記レコメンドログ記憶部３１にレコメンド情報が記憶されたユーザのＩＤを検索し、このユーザＩＤについて、当該ユーザの決済情報の有無を決済サーバＢＳＶに対し問い合わせる。そして、新たな決済情報がある場合には、この決済情報を決済サーバＢＳＶから通信ネットワークＮＷを介して受信し、この受信された決済情報を訪問先ログデータとして訪問先ログ記憶部３２に格納する。
【００３５】
（２）共通訪問先の抽出処理
さて、あるユーザについて、上記新たなレコメンドログデータと訪問先ログデータが取得されると、制御ユニット２は共通訪問先抽出処理部２３を起動する。そして、この共通訪問先抽出処理部２３の制御の下で、上記取得されたレコメンドログデータと訪問先ログデータとを比較し、これらのレコメンドログデータ及び訪問先ログデータの中から、共通の店舗を抽出する。この抽出処理の結果、共通の店舗を抽出できなければ、ステップＳ１３からステップＳ１１，Ｓ１２に戻ってレコメンドログデータ及び訪問先ログデータの取得処理を行う。
【００３６】
（３）店舗の特徴量の抽出処理
一方、上記抽出処理の結果、共通の店舗が抽出されたとする。この場合制御ユニット２はステップＳ１３からステップＳ１４に移行し、ここで特徴量抽出処理部２４を起動する。そして、この特徴量抽出処理部２４の制御の下で、レコメンドされかつ訪問された店舗（第１の店舗）を表す情報ｖ、つまり上記抽出された共通の店舗の情報と、上記レコメンドされたが訪問されていない店舗（第２の店舗）を表す情報ｗ1，ｗ2，…，ｗk のそれぞれについて、店舗の特徴量ｘ1，ｘ2，…，ｘNを抽出する。
【００３７】
（４）ピーク分析による行動基準推定処理
次に制御ユニット２は、ピーク分析処理部２５を起動し、このピーク分析処理部２５の制御の下で特徴量のピーク値に着目した行動基準推定処理を以下のように実行する。
すなわち、先ずステップＳ１５において、上記抽出された特徴量ｘ1，ｘ2，…，ｘNを１つずつ順次選択する。そして、特徴量を１つ選択するごとに、当該選択した特徴量を第１の店舗と第２の店舗との間で比較し、第１の店舗の特徴量が最も大きいか又は小さいかを判定する。この判定の結果、上記選択した各特徴量の中にargmax(x)＝ｖ又はargmin(x)＝ｖを満たす特徴量があれば、この特徴量を行動基準とする。例えば、いま特徴量ｘ1を「価格」とした場合、argmin(x)＝ｖとなるならば、この「価格が安価なこと」を行動基準と見なす。そして、ステップＳ１６からステップＳ１８を経由してステップＳ２１に移行し、ここで上記特徴量、例えば「価格が安価なこと」を、ユーザの行動基準表す情報として行動基準記憶部３３に記憶させる。
【００３８】
これに対し、上記個々の特徴量ｘ1，ｘ2，…，ｘNの中に、argmax(x)＝ｖ又はargmin(x)＝ｖを満たす特徴量が見つからなかったとする。この場合、ピーク分析処理部２５はステップＳ１７に移行する。そして、複数の特徴量ｘ1，ｘ2，…，ｘNを選択的に予め決められた比率で組み合わせた軸を定義し、この軸上で第１の店舗の特徴量の組み合わせを第２の店舗の特徴量の組み合わせと比較する。そして、第１の店舗の特徴量の組み合わせが最も大きいか又は小さかった場合に、この特徴量の組み合わせをユーザの行動基準とする。
【００３９】
この複数の特徴量の組み合わせを用いたピーク分析処理をさらに詳しく述べる。
先ず各特徴量ｘ1，ｘ2，…，ｘNを、その特徴量内で店舗がとる最大値で割り、全ての値が０から１に収まるように正規化する。次に、各特徴量（Ｎ個）について、（１−ｘ）を求める。これは、例えば「価格：駅からの距離」（価格が高く、駅に近い）の価値観を持つユーザが存在する可能性があるためである。
【００４０】
次に、２Ｎ個の特徴量の中から２個を選び、この選択した２個の特徴量を予め決められた比率で組合せた軸を定義し、この軸上で第１の店舗ｖの特徴量の組み合わせの値が最大又は最小になるか否かを分析する。この分析処理は、（2NＣ2）通りに渡って行われる。この分析処理によって、例えば図４に示すように、訪問された店舗の特徴量の組み合わせの値がｘ1の軸でもｘ2の軸でも最小にはならないのに、新しく定義したｘ1 ：ｘ2 ＝３：４の軸では最小になるといった状況を抽出することができる。
【００４１】
２個の特徴量の組合せでピークとしての最小値が見つからないときは、３個の組合せで上記ピーク分析処理を行い、３個の組み合わせでもピークが見つからない場合には４個の組み合わせというように順次組み合わせる特徴量の数を増やしていき、２Ｎ−１個の組合せでピークが見つからないときは２Ｎ個の組み合せについてピーク分析処理を行う。ただし、組み合せる特徴量の数が多いと計算量が膨大になり、かつ価値観が複雑で曖昧になる（例えば（「価格：駅：時刻：口コミ点数」がいくつというのは複雑過ぎる）。従って、ピーク分析の対象とする特徴量の組み合わせの数は、例えば３個までというように制限するとよい。
【００４２】
ｍ個（ｍ≧２）の特徴量の組合せの場合には、具体的に以下のピーク分析処理を採用する。すなわち、直線ｘm ＝ｒ1 ・ｘ1 ，ｘm ＝ｒ2 ・ｘ2 ，…，ｘm ＝ｒm-1・ｘm-1のｒ（傾き、比率）を調整して、点（ｘ1(v)，…，ｘm(v)）からその直線への射影の原点からの距離が、点（ｘ1(w1)，…，ｘm(w1)），…，（ｘ1(wk)，…，ｘm(wk)）からその直線への射影の原点からの距離と比べて最大又は最小となるならば、
ｘ1：ｘ2：…：ｘm-1：ｘm＝１／ｒ1：１／ｒ2：…：１／ｒm-1：１
をそのユーザの行動基準とする。それぞれのｒの調整は、例えば点（ｘ1(v)，…，ｘm(v)）を通る直線から開始してｒが９になるまで０．１ずつ増加させることにより行う。そして、ｒが９になると反対にｒが１／９になるまで０．１ずつ減少させる。
【００４３】
図５は、２個の特徴量の組合せの場合を示したものである。図５のｄ（点（ｘ1(a)，ｘ2(a)）から直線ｘ2＝ｒ・ｘ1への射影の原点からの距離）が、ｒを調整してａ＝ｖのときａ＝ｗ1，ｗ2，…，ｗkと比べて最大又は最小となるならば、ｘ1：ｘ2＝１／ｒ：１をそのユーザの行動基準とする。このときｒの調整は、例えば点（ｘ1(v)，ｘ2(v)）を通る直線から開始してｒが９になるまで０．１ずつ増加させることにより行う。そして、ｒが９になると反対にｒが１／９になるまで０．１ずつ減少させる。
以上述べたピーク分析処理が終了すると、制御ユニット２はステップＳ１８においてピーク分析処理により行動基準とすべき特徴量の組み合わせが見つかったか否かを判定する。そして、行動基準とすべき特徴量の組み合わせが見つかった場合には、ステップＳ２１に移行して当該見つかった特徴量の組み合わせを対象ユーザの行動基準を表す情報として行動基準記憶部３３に記憶させる。
【００４４】
（５）ゾーン分析による行動基準推定処理
一方、上記ピーク分析処理により行動基準とすべき特徴量の組み合わせが見つからなかったとする。この場合制御ユニット１２は、ステップＳ１９に移行してゾーン分析処理部２６を起動する。そして、このゾーン分析処理部２６の制御の下で、以下のようにゾーン分析処理による行動基準の推定処理を実行する。
【００４５】
すなわち、ゾーン分析処理では、例えば図６に示すように、レコメンドされかつ訪問された第１の店舗と、レコメンドされたが訪問されなかった第２の店舗とを比較したときに、第１の店舗が第２の店舗と比べて特徴量が大きく異なるゾーンにあるか否かを分析する。このゾーン分析の方法としては、図６に示すように単純に第１の店舗ｖから最も近い第２の店舗ｗまでの特徴量ｘ1の距離が、あるしきい値以上か否か分析する方法が考えられる。この方法は単純な処理により実現できる利点がある。また、他の方法として以下の２つの方法が考えられる。
【００４６】
第１の方法は標準偏差を考慮したもので、１つの特徴量を用いる場合と、複数の特徴量の組み合わせを用いる場合が考えられる。
先ず１つの特徴量の場合について述べる。特徴量ｘ1について、第１の店舗ｖよりも小さい値の第２の店舗ｗの集合を集合Ｓ、大きい値の第２の店舗ｗの集合をＢとする。なお、集合Ｓ，Ｂが共に存在するときのみ分析処理を進める。なぜならば、集合Ｓ，Ｂのどちらか一方が存在しないということは第１の店舗ｖが最大又は最小になるので、先に述べたピーク分析処理によって既に行動基準の推定が完了しているからである。
【００４７】
図７に示した例では、集合Ｂの分散が大きいので、単純に第１の店舗ｖから集合Ｂに含まれる第２の店舗ｗまでの距離が大きくても、集合Ｂの分布に問題なく収まる場合は、第１の店舗ｖが第２の店舗ｗと比べて大きく異なるゾーンに存在するとは言い難い。そこで、μs＋Ｃσs＜ｘ1(v)＜μB−ＣσB（例えば、Ｃは1.5≦Ｃ≦3を満たす定数）を満たす場合には、特徴量ｘ1のｘ1(v)−σs 〜ｘ1(v)＋σBの範囲を行動基準とする。
【００４８】
一方、１つの特徴量を用いたゾーン分析によりピークが見つからないときは、複数の特徴量の組み合わせを用いて次のようにゾーン分析を行う。
すなわち、先ず各特徴量ｘ1，ｘ2，…，ｘNを、その特徴量内で店舗がとる最大値で割り、全ての値が０から１に収まるように正規化する。続いて、Ｎ個の特徴量の中から２個を選び、この選択した２個の特徴量を予め定めた比率で組合せた軸を定義する。そして、μs＋Ｃσs＜ｘ(v)＜μB−ＣσB（例えば、Ｃは1.5≦Ｃ≦3を満たす定数）を満たすか否か分析し、満たす場合にはその軸のｘ(v)−σs 〜ｘ(v)＋σBの範囲を行動基準とする。
【００４９】
２個の特徴量の組み合わせで上記条件を満たす範囲が見つからない場合には、先に述べたピーク分析処理の場合と同様に、特徴量の３個の組み合せで上記ゾーン分析処理を行い、３個の組み合わせでも上記条件を満たす範囲が見つからない場合には４個の組み合わせというように順次組み合わせる特徴量の数を増やしていき、２Ｎ−１個の組合せで上記条件を満たす範囲が見つからないときは２Ｎ個の組み合せについてゾーン分析処理を行う。ただし、組み合せる特徴量の数が多いと計算量が膨大になり、かつ価値観が複雑で曖昧になるので、先に述べたピーク分析処理の場合と同様に、ゾーン分析の対象とする特徴量の組み合わせの数は例えば３個までというように制限するとよい。
【００５０】
第２の方法はサポートベクターマシン（ＳＶＭ）を用いたものである。図８はこのＳＶＭを用いたゾーン分析方法を説明するための図である。
この方法では、先ず１つの特徴量もしくは複数の特徴量について、SVMによって第１の店舗ｖと第２の店舗ｗとを分類する。例えば、ガウシアンカーネルを用いてそれぞれの特徴量におけるマージンの大きさを保存する。
【００５１】
次に、この保存された各特徴量のマージンの大きさを比較し、マージンの大きさが最大となる特徴量又は特徴量の組み合せを選択して、その特徴量又は特徴量の組み合せの識別超平面を行動基準とする。なぜならば、ある特徴量について見た場合に、図８の右側に示すように第１の店舗ｖが第２の店舗ｗの集合と比べて大きく異なるゾーンに存在する場合は、図８の左側に示すように第１の店舗ｖと第２の店舗ｗの集合とがあまり変わらない場合と比べて、マージンが大きくなるからである。なお、図８中のφ(ｘi)は、軸ｘiを特徴空間に写像した軸である。
【００５２】
これを、式で表わすと以下のようになる。
いま、データ集合をｙ1，ｙ1、重みベクトルをｗ、バイアス項をｂ、ｆw,b＝sgn（(w,y)＋ｂ)、ｆw,b(ｙi)＝ｚiとし、φ(ｙi)を入力ベクトルｙiを特徴空間に写像した結果とする。そして、ｚi（(ｗ・φ(ｙi)）＋ｂ≧１という制約条件で１／‖ｗ‖を最大化して求めた（１／‖ｗ‖）が、その特徴量又は特徴量の組み合せにおけるマージンの大きさとなる。最後に、個々の特徴量ｘ1，ｘ2，…，ｘNとそれらの組み合せのマージンの大きさを比較し、マージンの大きさが最大となる特徴量の識別超平面を対象ユーザの行動基準とする。
【００５３】
以上述べたゾーン分析処理が終了すると、制御ユニット２はステップＳ２０においてゾーン分析処理により行動基準とすべき特徴量又はその組み合わせが見つかったか否かを判定する。そして、行動基準とすべき特徴量又はその組み合わせが見つかった場合には、ステップＳ２１に移行して当該見つかった特徴量又はその組み合わせを対象ユーザの行動基準を表す情報して行動基準記憶部３３に記憶させる。
なお、上記ゾーン分析処理により行動基準とすべき特徴量又はその組み合わせが見つからなかった場合には、ステップＳ１１，Ｓ１２によるレコメンドログデータ及び訪問先ログデータの取得処理に戻る。
【００５４】
以上詳述したようにこの実施形態では、レコメンドサーバＷＳＶ１，ＷＳＶ２からレコメンドログデータを取得して記憶すると共に、決済サーバＢＳＶから訪問先ログデータを取得して記憶する。そして、この取得されたレコメンドログデータと訪問先ログデータとを比較して両者に共通に出現する店舗を抽出し、レコメンドされかつ訪問された第１の店舗と、レコメンドされたが訪問されていない第２の店舗のそれぞれについて、店舗の特徴量ｘ1，ｘ2，…，ｘNを抽出する。続いて、ピーク分析処理部２５により、上記抽出された店舗の特徴量のピーク値に着目した行動基準推定処理を行い、このピーク分析処理により行動基準が推定できなかった場合に、ゾーン分析処理部２６により、ゾーン分析処理による行動基準の推定処理を行うようにしている。
【００５５】
従って、レコメンドされかつ実際に訪問された第１の店舗と、レコメンドされたが訪問されていない第２の店舗との間の、個々の特徴量又はその組み合わせのピーク値の違い、又は分布領域の違いにより行動基準が推定される。このため、レコメンド後のユーザの行動基準を店舗の特徴量ベースで的確に推定することができる。
【００５６】
また、上記行動基準の推定に際し、先ずピーク分析処理が行われ、このピーク分析処理により行動基準が推定できなかった場合にゾーン分析処理が行われる。このため、無条件にピーク分析及びゾーン分析の両方の処理を実行しその結果からユーザの行動基準を推定する場合に比べ、ユーザ一人当たりの平均的な分析処理量を減らすことができ、これにより装置ＡＳＶの処理負荷を軽減することができる。
【００５７】
さらに、上記ピーク分析処理及びゾーン分析処理の各々において、先ず店舗の個々の特徴量ごとに分析処理が行われ、これにより行動基準が推定できなかった場合に、複数の特徴量の組み合わせについて分析処理が行われる。このため、特定の特徴量に顕著な差がある場合には、少ない分析処理量で行動基準を推定することができ、これにより装置の処理負荷をさらに軽減することができる。
【００５８】
なお、この発明は上記実施形態に限定されるものではない。例えば、前記実施形態では行動基準推定装置ＡＳＶの機能として、推定された行動基準を表す情報を行動基準記憶部３３に記憶するまでの処理を説明した。しかし、これに限らず、上記推定された行動基準を表す情報を行動基準記憶部３３から読み出してレコメンドサーバＷＳ１，ＷＳ２へ通信ネットワークＮＷを介して通知し、レコメンドサーバＷＳ１，ＷＳ２が当該ユーザに対する次回のレコメンド時に、上記通知された行動基準を表す情報を考慮してレコメンド情報を作成するようにしてもよい。このようにすると、推定された行動基準を表す情報が行動基準推定装置ＡＳＶからレコメンドサーバＷＳ１，ＷＳ２へ自動的にフィードバックされることになり、これによりレコメンドサーバＷＳ１，ＷＳ２は次回以降のレコメンド情報の作成にユーザの行動基準を応答性良く効果的に反映させることが可能となる。
【００５９】
また、前記実施形態では、行動基準推定装置ＡＳＶをレコメンドサーバＷＳＶ１，ＷＳＶ２とは独立して設けた場合を例にとって説明したが、行動基準推定装置ＡＳＶの処理機能を各レコメンドサーバＷＳＶ１，ＷＳＶ２内に設けるようにしてもよい。
さらに、レコメンド情報としては「店舗」以外に図書館や博物館、コンサート等のイベント会場等の「施設」を対象としてもよい。また、特徴量についても前記実施形態で述べた「価格」、「距離」、「時間」、口コミ評価の「点数」、「お奨め度」以外のものを追加してもよく、また限定してもよい。その他、ピーク分析処理及びゾーン分析処理の処理手順や処理内容などについても、この発明の要旨を逸脱しない範囲で種々変形して実施可能である。
【００６０】
要するにこの発明は、上記実施形態そのままに限定されるものではなく、実施段階ではその要旨を逸脱しない範囲で構成要素を変形して具体化できる。また、上記実施形態に開示されている複数の構成要素の適宜な組み合せにより種々の発明を形成できる。例えば、実施形態に示される全構成要素から幾つかの構成要素を削除してもよい。さらに、異なる実施形態に亘る構成要素を適宜組み合せてもよい。
【符号の説明】
【００６１】
ＡＳＶ…行動基準推定装置、ＢＳＶ…決済サーバ、ＷＳ１，ＷＳ２…レコメンドサーバ、ＭＳ１〜ＭＳｎ…携帯端末、ＦＳ１〜ＦＳｍ…決済端末、ＮＷ…通信ネットワーク、１…通信インタフェースユニット、２…制御ユニット、３…記憶ユニット、２１…レコメンドログ取得部、２２…訪問先ログ取得部、２３…共通訪問先抽出処理部、２４…特徴量抽出処理部、２５…ピーク分析処理部、２６…ゾーン分析処理部、３１…レコメンドログ記憶部、３２…訪問先ログ記憶部、３３…行動基準記憶部。
【特許請求の範囲】
【請求項１】
ユーザに対し提供されたレコメンド情報を収集し、このレコメンド情報を当該ユーザの識別情報と関連付けて記憶する手段と、
前記レコメンド情報が提供されたユーザの行動履歴を表す情報を収集し、この行動履歴情報を当該ユーザの識別情報と関連付けて記憶する手段と、
前記記憶されたレコメンド情報及び行動履歴情報に共通に含まれる第１の情報要素を抽出し、この抽出された共通の第１の情報要素から少なくとも一つの第１の特徴量を抽出する手段と、
前記記憶されたレコメンド情報及び行動履歴情報のうちレコメンド情報にのみ含まれる第２の情報要素を抽出し、この抽出された第２の情報要素から少なくとも一つの第２の特徴量を抽出する手段と、
前記第１の情報要素と第２の情報要素との間で、前記抽出された第１の特徴量と第２の特徴量とを同じもの同士で比較して、前記第１の特徴量がピーク値をとるか否かを判定し、ピーク値をとると判定された場合に当該第１の特徴量を前記ユーザの行動基準を表す情報として記憶する第１の分析処理手段と
を具備することを特徴とする行動基準推定装置。
【請求項２】
前記第１の分析処理手段において、前記第１の特徴量がピーク値をとらないと判定された場合に、前記第２の情報要素から抽出された第２の特徴量の分布領域を求め、この分布領域と前記第１の情報要素から抽出された第１の特徴量との間の距離が予め設定したしきい値以上離間しているか否かを判定し、距離がしきい値以上離間していると判定された場合に当該第１の特徴量を前記ユーザの行動基準を表す情報として記憶する第２の分析処理手段
を、さらに具備することを特徴とする請求項１記載の行動基準推定装置。
【請求項３】
ユーザに対し提供されたレコメンド情報を収集し、このレコメンド情報を当該ユーザの識別情報と関連付けて記憶する手段と、
前記レコメンド情報が提供されたユーザの行動履歴を表す情報を収集し、この行動履歴情報を当該ユーザの識別情報と関連付けて記憶する手段と、
前記記憶されたレコメンド情報及び行動履歴情報に共通に含まれる第１の情報要素を抽出し、この抽出された共通の第１の情報要素から少なくとも一つの第１の特徴量を抽出する手段と、
前記記憶されたレコメンド情報及び行動履歴情報のうちレコメンド情報にのみ含まれる第２の情報要素を抽出し、この抽出された第２の情報要素から少なくとも一つの第２の特徴量を抽出する手段と、
前記第２の情報要素から抽出された第２の特徴量の分布領域を求め、この分布領域と前記第１の情報要素から抽出された第１の特徴量との間の距離が予め設定したしきい値以上離間しているか否かを判定し、距離がしきい値以上離間していると判定された場合に当該第１の特徴量を前記ユーザの行動基準を表す情報として記憶する第２の分析処理手段と
を具備することを特徴とする行動基準推定装置。
【請求項４】
前記第１の分析処理手段は、
前記第１の情報要素と第２の情報要素との間で、前記抽出された第１の特徴量と第２の特徴量とを同種のもの同士で個別に比較して、前記第１の特徴量がピーク値をとるか否かを判定し、ピーク値をとると判定された場合に当該第１の特徴量を前記ユーザの行動基準を表す情報として記憶する個別分析手段と、
前記第１の特徴量がピーク値をとらないと判定された場合に、前記抽出された複数の第１の特徴量及び複数の第２の特徴量の中からそれぞれ同種の複数の特徴量を選択してこれらを予め決められた比率で組み合わせ、この組み合わされた第１の特徴量の値と組み合わされた第２の特徴量の値とを比較して、前記組み合わされた第１の特徴量の値がピーク値をとるか否かを判定し、ピーク値をとると判定された場合に当該組み合わされた第１の特徴量を前記ユーザの行動基準を表す情報として記憶する組み合わせ分析手段と
を備えることを特徴とする請求項１又は２記載の行動基準推定装置。
【請求項５】
前記第２の分析処理手段は、
前記第２の情報要素から抽出された複数の第２の特徴量の分布領域を個々の特徴量ごとに求め、この分布領域と前記第１の情報要素から抽出された第１の特徴量との間の距離が予め設定したしきい値以上離間しているか否かを判定し、距離がしきい値以上離間していると判定された場合に当該第１の特徴量を前記ユーザの行動基準を表す情報として記憶する個別分析手段と、
前記分布領域と前記第１の特徴量との間の距離がしきい値以上離間していないと判定された場合に、前記抽出された複数の第１の特徴量及び複数の第２の特徴量の中からそれぞれ同種の複数の特徴量を選択してこれらを予め決められた比率で組み合わせ、この組み合わされた第２の特徴量の分布領域と前記組み合わされた第１の特徴量との間の距離が予め設定したしきい値以上離間しているか否かを判定し、距離がしきい値以上離間していると判定された場合に当該組み合わされた第１の特徴量を前記ユーザの行動基準を表す情報として記憶する組み合わせ分析手段と
を備えることを特徴とする請求項２又は３記載の行動基準推定装置。
【請求項６】
ユーザに対し提供されたレコメンド情報を収集し、このレコメンド情報を当該ユーザの識別情報と関連付けて記憶する過程と、
前記レコメンド情報が提供されたユーザの行動履歴を表す情報を収集し、この行動履歴情報を当該ユーザの識別情報と関連付けて記憶する過程と、
前記記憶されたレコメンド情報及び行動履歴情報に共通に含まれる第１の情報要素を抽出し、この抽出された共通の第１の情報要素から少なくとも一つの第１の特徴量を抽出する過程と、
前記記憶されたレコメンド情報及び行動履歴情報のうちレコメンド情報にのみ含まれる第２の情報要素を抽出し、この抽出された第２の情報要素から少なくとも一つの第２の特徴量を抽出する過程と、
前記第１の情報要素と第２の情報要素との間で、前記抽出された第１の特徴量と第２の特徴量とを対応するもの同士で比較して、前記第１の特徴量がピーク値をとるか否かを判定し、ピーク値をとると判定された場合に当該第１の特徴量を前記ユーザの行動基準を表す情報として記憶する第１の分析処理過程と
を具備することを特徴とする行動基準推定方法。
【請求項７】
前記第１の分析処理過程において、前記第１の特徴量がピーク値をとらないと判定された場合に、前記第２の情報要素から抽出された第２の特徴量の分布領域を求め、この分布領域と前記第１の情報要素から抽出された第１の特徴量との間の距離が予め設定したしきい値以上離間しているか否かを判定し、距離がしきい値以上離間していると判定された場合に当該第１の特徴量を前記ユーザの行動基準を表す情報として記憶する第２の分析処理過程
を、さらに具備することを特徴とする請求項６記載の行動基準推定方法。
【請求項８】
ユーザに対し提供されたレコメンド情報を収集し、このレコメンド情報を当該ユーザの識別情報と関連付けて記憶する過程と、
前記レコメンド情報が提供されたユーザの行動履歴を表す情報を収集し、この行動履歴情報を当該ユーザの識別情報と関連付けて記憶する過程と、
前記記憶されたレコメンド情報及び行動履歴情報に共通に含まれる第１の情報要素を抽出し、この抽出された共通の第１の情報要素から少なくとも一つの第１の特徴量を抽出する過程と、
前記記憶されたレコメンド情報及び行動履歴情報のうちレコメンド情報にのみ含まれる第２の情報要素を抽出し、この抽出された第２の情報要素から少なくとも一つの第２の特徴量を抽出する過程と、
前記第２の情報要素から抽出された第２の特徴量の分布領域を求め、この分布領域と前記第１の情報要素から抽出された第１の特徴量との間の距離が予め設定したしきい値以上離間しているか否かを判定し、距離がしきい値以上離間していると判定された場合に当該第１の特徴量を前記ユーザの行動基準を表す情報として記憶する第２の分析処理過程と
を具備することを特徴とする行動基準推定方法。
【請求項９】
前記行動基準推定装置がコンピュータを備える場合に、請求項１乃至５のいずれかに記載の行動基準推定装置が備える各手段に対応する処理を、前記コンピュータに実行させるプログラム。
【請求項１】
ユーザに対し提供されたレコメンド情報を収集し、このレコメンド情報を当該ユーザの識別情報と関連付けて記憶する手段と、
前記レコメンド情報が提供されたユーザの行動履歴を表す情報を収集し、この行動履歴情報を当該ユーザの識別情報と関連付けて記憶する手段と、
前記記憶されたレコメンド情報及び行動履歴情報に共通に含まれる第１の情報要素を抽出し、この抽出された共通の第１の情報要素から少なくとも一つの第１の特徴量を抽出する手段と、
前記記憶されたレコメンド情報及び行動履歴情報のうちレコメンド情報にのみ含まれる第２の情報要素を抽出し、この抽出された第２の情報要素から少なくとも一つの第２の特徴量を抽出する手段と、
前記第１の情報要素と第２の情報要素との間で、前記抽出された第１の特徴量と第２の特徴量とを同じもの同士で比較して、前記第１の特徴量がピーク値をとるか否かを判定し、ピーク値をとると判定された場合に当該第１の特徴量を前記ユーザの行動基準を表す情報として記憶する第１の分析処理手段と
を具備することを特徴とする行動基準推定装置。
【請求項２】
前記第１の分析処理手段において、前記第１の特徴量がピーク値をとらないと判定された場合に、前記第２の情報要素から抽出された第２の特徴量の分布領域を求め、この分布領域と前記第１の情報要素から抽出された第１の特徴量との間の距離が予め設定したしきい値以上離間しているか否かを判定し、距離がしきい値以上離間していると判定された場合に当該第１の特徴量を前記ユーザの行動基準を表す情報として記憶する第２の分析処理手段
を、さらに具備することを特徴とする請求項１記載の行動基準推定装置。
【請求項３】
ユーザに対し提供されたレコメンド情報を収集し、このレコメンド情報を当該ユーザの識別情報と関連付けて記憶する手段と、
前記レコメンド情報が提供されたユーザの行動履歴を表す情報を収集し、この行動履歴情報を当該ユーザの識別情報と関連付けて記憶する手段と、
前記記憶されたレコメンド情報及び行動履歴情報に共通に含まれる第１の情報要素を抽出し、この抽出された共通の第１の情報要素から少なくとも一つの第１の特徴量を抽出する手段と、
前記記憶されたレコメンド情報及び行動履歴情報のうちレコメンド情報にのみ含まれる第２の情報要素を抽出し、この抽出された第２の情報要素から少なくとも一つの第２の特徴量を抽出する手段と、
前記第２の情報要素から抽出された第２の特徴量の分布領域を求め、この分布領域と前記第１の情報要素から抽出された第１の特徴量との間の距離が予め設定したしきい値以上離間しているか否かを判定し、距離がしきい値以上離間していると判定された場合に当該第１の特徴量を前記ユーザの行動基準を表す情報として記憶する第２の分析処理手段と
を具備することを特徴とする行動基準推定装置。
【請求項４】
前記第１の分析処理手段は、
前記第１の情報要素と第２の情報要素との間で、前記抽出された第１の特徴量と第２の特徴量とを同種のもの同士で個別に比較して、前記第１の特徴量がピーク値をとるか否かを判定し、ピーク値をとると判定された場合に当該第１の特徴量を前記ユーザの行動基準を表す情報として記憶する個別分析手段と、
前記第１の特徴量がピーク値をとらないと判定された場合に、前記抽出された複数の第１の特徴量及び複数の第２の特徴量の中からそれぞれ同種の複数の特徴量を選択してこれらを予め決められた比率で組み合わせ、この組み合わされた第１の特徴量の値と組み合わされた第２の特徴量の値とを比較して、前記組み合わされた第１の特徴量の値がピーク値をとるか否かを判定し、ピーク値をとると判定された場合に当該組み合わされた第１の特徴量を前記ユーザの行動基準を表す情報として記憶する組み合わせ分析手段と
を備えることを特徴とする請求項１又は２記載の行動基準推定装置。
【請求項５】
前記第２の分析処理手段は、
前記第２の情報要素から抽出された複数の第２の特徴量の分布領域を個々の特徴量ごとに求め、この分布領域と前記第１の情報要素から抽出された第１の特徴量との間の距離が予め設定したしきい値以上離間しているか否かを判定し、距離がしきい値以上離間していると判定された場合に当該第１の特徴量を前記ユーザの行動基準を表す情報として記憶する個別分析手段と、
前記分布領域と前記第１の特徴量との間の距離がしきい値以上離間していないと判定された場合に、前記抽出された複数の第１の特徴量及び複数の第２の特徴量の中からそれぞれ同種の複数の特徴量を選択してこれらを予め決められた比率で組み合わせ、この組み合わされた第２の特徴量の分布領域と前記組み合わされた第１の特徴量との間の距離が予め設定したしきい値以上離間しているか否かを判定し、距離がしきい値以上離間していると判定された場合に当該組み合わされた第１の特徴量を前記ユーザの行動基準を表す情報として記憶する組み合わせ分析手段と
を備えることを特徴とする請求項２又は３記載の行動基準推定装置。
【請求項６】
ユーザに対し提供されたレコメンド情報を収集し、このレコメンド情報を当該ユーザの識別情報と関連付けて記憶する過程と、
前記レコメンド情報が提供されたユーザの行動履歴を表す情報を収集し、この行動履歴情報を当該ユーザの識別情報と関連付けて記憶する過程と、
前記記憶されたレコメンド情報及び行動履歴情報に共通に含まれる第１の情報要素を抽出し、この抽出された共通の第１の情報要素から少なくとも一つの第１の特徴量を抽出する過程と、
前記記憶されたレコメンド情報及び行動履歴情報のうちレコメンド情報にのみ含まれる第２の情報要素を抽出し、この抽出された第２の情報要素から少なくとも一つの第２の特徴量を抽出する過程と、
前記第１の情報要素と第２の情報要素との間で、前記抽出された第１の特徴量と第２の特徴量とを対応するもの同士で比較して、前記第１の特徴量がピーク値をとるか否かを判定し、ピーク値をとると判定された場合に当該第１の特徴量を前記ユーザの行動基準を表す情報として記憶する第１の分析処理過程と
を具備することを特徴とする行動基準推定方法。
【請求項７】
前記第１の分析処理過程において、前記第１の特徴量がピーク値をとらないと判定された場合に、前記第２の情報要素から抽出された第２の特徴量の分布領域を求め、この分布領域と前記第１の情報要素から抽出された第１の特徴量との間の距離が予め設定したしきい値以上離間しているか否かを判定し、距離がしきい値以上離間していると判定された場合に当該第１の特徴量を前記ユーザの行動基準を表す情報として記憶する第２の分析処理過程
を、さらに具備することを特徴とする請求項６記載の行動基準推定方法。
【請求項８】
ユーザに対し提供されたレコメンド情報を収集し、このレコメンド情報を当該ユーザの識別情報と関連付けて記憶する過程と、
前記レコメンド情報が提供されたユーザの行動履歴を表す情報を収集し、この行動履歴情報を当該ユーザの識別情報と関連付けて記憶する過程と、
前記記憶されたレコメンド情報及び行動履歴情報に共通に含まれる第１の情報要素を抽出し、この抽出された共通の第１の情報要素から少なくとも一つの第１の特徴量を抽出する過程と、
前記記憶されたレコメンド情報及び行動履歴情報のうちレコメンド情報にのみ含まれる第２の情報要素を抽出し、この抽出された第２の情報要素から少なくとも一つの第２の特徴量を抽出する過程と、
前記第２の情報要素から抽出された第２の特徴量の分布領域を求め、この分布領域と前記第１の情報要素から抽出された第１の特徴量との間の距離が予め設定したしきい値以上離間しているか否かを判定し、距離がしきい値以上離間していると判定された場合に当該第１の特徴量を前記ユーザの行動基準を表す情報として記憶する第２の分析処理過程と
を具備することを特徴とする行動基準推定方法。
【請求項９】
前記行動基準推定装置がコンピュータを備える場合に、請求項１乃至５のいずれかに記載の行動基準推定装置が備える各手段に対応する処理を、前記コンピュータに実行させるプログラム。
【図１】
【図２】
【図３】
【図４】
【図５】
【図６】
【図７】
【図８】
【図２】
【図３】
【図４】
【図５】
【図６】
【図７】
【図８】
【公開番号】特開２０１１−２５３３１６（Ｐ２０１１−２５３３１６Ａ）
【公開日】平成２３年１２月１５日（２０１１．１２．１５）
【国際特許分類】
【出願番号】特願２０１０−１２６２１０（Ｐ２０１０−１２６２１０）
【出願日】平成２２年６月１日（２０１０．６．１）
【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２３年１２月１５日（２０１１．１２．１５）
【国際特許分類】
【出願日】平成２２年６月１日（２０１０．６．１）
【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 ]