特許ウォッチ

公開番号2025146712
公報種別公開特許公報(A)
公開日2025-10-03
出願番号2025034265
出願日2025-03-05
発明の名称ユーザグループの嗜好を予測するための情報処理装置および情報処理方法
出願人楽天グループ株式会社
代理人個人,個人,個人
主分類G06Q 30/02 20230101AFI20250926BHJP(計算;計数)
要約【課題】ユーザのアイテムに対する嗜好から、より適切かつ高精度にユーザが属するグループの嗜好を予測する。
【解決手段】グループレコメンデーションシステムにおいて、グループレコメンデーション装置1は、ユーザのアイテムに対する行動履歴を符号化して、ユーザ毎に、第1の埋め込み表現を生成する符号化部と、アイテムの価格に関する情報及び行動履歴に基づいて、ユーザ毎に、重みを導出し、導出された重みで、符号化部により生成された第1の埋め込み表現を重み付けする重み付与部と、重み付与部により重み付けされた第1の埋め込み表現を集約して、ユーザが属するグループについて、アイテムに対するグループの嗜好を示す第2の埋め込み表現を生成する集約部と、を備える。
【選択図】図1
特許請求の範囲【請求項１】
ユーザのアイテムに対する行動履歴を符号化して、ユーザごとに、第１の埋め込み表現を生成する符号化部と、
前記アイテムの価格に関する情報および前記行動履歴に基づいて、ユーザごとに、重みを導出し、導出された前記重みで、前記符号化部により生成された前記第１の埋め込み表現を重み付けする重み付与部と、
前記重み付与部により重み付けされた前記第１の埋め込み表現を集約して、前記ユーザが属するグループについて、前記アイテムに対する前記グループの嗜好を示す第２の埋め込み表現を生成する集約部と、を備える
ことを特徴とする情報処理装置。
続きを表示（約 1,100 文字）【請求項２】
前記重み付与部は、前記アイテムの価格に応じて当該ユーザに異なる重みを導出する、
ことを特徴とする請求項１に記載の情報処理装置。
【請求項３】
前記重み付与部は、前記アイテムの価格がより低いほど、前記重みがより大きくなるように前記重みを導出する、
ことを特徴とする請求項１に記載の情報処理装置。
【請求項４】
前記重み付与部は、前記アイテムの価格に関する情報、および前記第１の埋め込み表現に符号化された、前記ユーザのＥＣサイトにおけるアイテムの購入頻度に基づいて、前記重みを導出する、
ことを特徴とする請求項１に記載の情報処理装置。
【請求項５】
前記符号化部はさらに、前記アイテムの価格を含む情報を符号化して第３の埋め込み表現を生成し、
前記重み付与部は、前記第３の埋め込み表現に符号化された前記アイテムの価格に関する情報に基づいて、前記重みを導出する、
ことを特徴とする請求項１に記載の情報処理装置。
【請求項６】
前記重み付与部は、前記アイテムの価格に関する情報、および前記行動履歴を学習させた第１の機械学習モデルを、前記第１の埋め込み表現に適用することにより、前記重みを導出する、
ことを特徴とする請求項１に記載の情報処理装置。
【請求項７】
前記第１の機械学習モデルは、前記アイテムの価格がより低いほど、前記重みがより大きくなるように前記重みを出力するよう学習された、
ことを特徴とする請求項６に記載の情報処理装置。
【請求項８】
前記第１の機械学習モデルは、前記アイテムの価格および前記ユーザのＥＣサイトにおけるアイテムの購入頻度を変数とする活性化関数を実装して、前記重みを導出する、
ことを特徴とする請求項６に記載の情報処理装置。
【請求項９】
前記情報処理装置はさらに、
前記グループの前記第２の埋め込み表現、および前記アイテムの価格を含む情報を符号化した第３の埋め込み表現を連結し、連結された埋め込み表現を複数層のニューラルネットワークに伝搬させることにより、前記グループの前記アイテムに対するスコアを予測する予測部を備える、
ことを特徴とする請求項１に記載の情報処理装置。
【請求項１０】
前記予測部は、前記連結された埋め込み表現にさらに、前記第２の埋め込み表現および前記第３の埋め込み表現を連結し、連結された埋め込み表現を前記複数層のニューラルネットワークに伝搬させる、
ことを特徴とする請求項９に記載の情報処理装置。
（【請求項１１】以降は省略されています）
発明の詳細な説明【技術分野】
【０００１】
本発明は、ユーザグループの嗜好を予測するための情報処理装置および情報処理方法に関し、特に、予測されたユーザグループの嗜好(ｐｒｅｆｅｒｅｎｃｅ)に応じて、グループに属する複数のユーザに対してアイテムを推奨（ｒｅｃｏｍｍｅｎｄ）するための技術に関する。
続きを表示（約 2,300 文字）【背景技術】
【０００２】
電子商取引（ＥｌｅｃｔｒｏｎｉｃＣｏｍｍｅｒｃｅ：ＥＣ）のプラットフォームにおいて、ウェブ上に多数構築されたＥＣサイトでは、日常的に、商品やサービス等の多数のアイテムがユーザに対して閲覧可能に提供されている。このようなＥＣサイトの多くにおいて、ユーザの過去の購買履歴や属性情報に基づいて決定された、当該ユーザが購入するであろうと予測されるアイテムを推奨アイテムとして、ユーザが閲覧している画面上に併せて表示するというレコメンデーションのシステムが実装されている。
パーソナライズされたアイテムのレコメンデーションは、よりユーザの関心を引き、当該アイテムの購買をユーザに決定させることに大きく寄与して、広告効果を高める。
【０００３】
このようなアイテムのレコメンデーションの一手法として、グループレコメンデーションがある。このグループレコメンデーションでは、ＥＣサイトを利用する多数のユーザをセグメント化し、セグメント化されたユーザグループのそれぞれに対して、当該ユーザグループにより適合するアイテムを個別的に推奨する。異なるユーザグループに対して、最適化された異なる広告キャンペーンを提供することで、ユーザグループに属するユーザ全体に対するデジタルマーケティング効果を高めることが期待できる。
【０００４】
このグループレコメンデーションにおいては、多数のユーザで構成されるユーザグループを代表する嗜好をどのように高精度に予測できるか、がＥＣサイトにおける当該アイテムやこれに関連するアイテムのセールスを大きく左右することになる。
【０００５】
非特許文献１は、ユーザグループに属する複数のユーザのアイテムに対する嗜好を集約することでユーザグループ全体の当該アイテムに対する嗜好を予測するグループレコメンデーションシステムを開示する。
【０００６】
具体的には、非特許文献１に開示されるグループレコメンデーションシステムは、ニューラルネットワークを用いてユーザグループに属する複数ユーザの嗜好を導出し、導出された複数ユーザの嗜好を集約することにより、当該ユーザグループを代表する嗜好を導出し、導出されたユーザグループの嗜好により合致するアイテムを予測する。
非特許文献１に開示されるグループレコメンデーションシステムはさらに、ユーザグループに属するメンバーであるユーザと、当該ユーザグループに属さない非メンバーであるユーザとの間で、アイテムに対する嗜好がより大きく識別されるよう事前学習させた分類器ネットワークを利用する。この分類器ネットワークを用いて、非特許文献１に開示されるグループレコメンデーションシステムは、ユーザグループに属するそれぞれのユーザの嗜好に対して重みを付与し、各ユーザの重み付けされた嗜好を集約して、当該ユーザグループを代表する嗜好を導出している。
【先行技術文献】
【非特許文献】
【０００７】
ＡｒａｖｉｎｄＳａｎｋａｒ，ｅｔ．ａｌ．， “ＧｒｏｕｐＩＭ：ＡＭｕｔｕａｌＩｎｆｏｒｍａｔｉｏｎＭａｘｉｍｉｚａｔｉｏｎＦｒａｍｅｗｏｒｋｆｏｒＮｅｕｒａｌＧｒｏｕｐＲｅｃｏｍｍｅｎｄａｔｉｏｎ”，Ｐｒｏｃｅｅｄｉｎｇｓｏｆｔｈｅ４３ｒｄＩｎｔｅｒｎａｔｉｏｎａｌＡｓｓｏｃｉａｔｉｏｎｆｏｒＣｏｍｐｕｔｉｎｇＭａｃｈｉｎｅｒｙ’ｓＳｐｅｃｉａｌＩｎｔｅｒｅｓｔＧｒｏｕｐｏｎＩｎｆｏｒｍａｔｉｏｎＲｅｔｒｉｅｖａｌ（ＡＣＭＳＩＧＩＲ）ＣｏｎｆｅｒｅｎｃｅｏｎＲｅｓｅａｒｃｈａｎｄＤｅｖｅｌｏｐｍｅｎｔｉｎＩｎｆｏｒｍａｔｉｏｎＲｅｔｒｉｅｖａｌ，ｐｐ．１２７９－１２８８，Ｊｕｌｙ，２０２０．
【発明の概要】
【発明が解決しようとする課題】
【０００８】
非特許文献１の技術は、ユーザグループ全体の嗜好を導出する際に、他のユーザとの比較において、ユーザグループの意思決定により影響力を持つユーザを識別して、識別されたユーザに対してより高い重みを付与しようとするものである。これにより、より高い重みが付与されたユーザの嗜好が、ユーザグループの嗜好により反映されるようになる。
【０００９】
しかしながら、ＥＣプラットフォーム上でＥＣサイトを利用するユーザの数は非常に多数であり、その属性も多岐に亘る。
ここで、家族、友人や同僚等の永続的関係で構築されるユーザグループであれば、ユーザ相互の関連が密接であり同一行動をとることも多いため、ユーザグループとしての嗜好を予測することは比較的容易である。また、会議や会合の参加者等の一時的関係で構築されるユーザグループであっても、少なくとも一時的には時間と場所を共有し共通の関心事項に向かっているため、共通する嗜好を予測しやすい。
【００１０】
これに対して、ＥＣサイトを利用する多数のユーザのセグメント化は、通常、ごく一部のユーザ属性、例えば、ユーザの年齢層や居住地域等に基づいて行われる一方、多数のユーザは地理的に分散している。このため、ＥＣサイトのユーザで構成されるユーザグループは、上記現実世界のユーザグループと異なり、本来的に嗜好の共通性に乏しい。
（【００１１】以降は省略されています）

関連特許