JP6871208B2 - 監視装置、ショッピングサーバ、監視方法、及びプログラム - Google Patents

Description

本発明は、監視装置、ショッピングサーバ、監視方法、及びプログラムに関する。

クエリにより検索された検索結果のうち、より関連性の高い検索結果を絞り込む技術が知られている（例えば、特許文献１参照）。

特開２０１０−１１８０２１号公報

ところで、関連性の高い検索結果の絞り込みが行われるクエリは、新たに別の意味のクエリを意図して検索に用いられることがある。この場合、ユーザが、別の意味のクエリを意図として入力しても、従来、クエリに対応付けられていた関連性の高い検索結果に絞り込まれる。このため、ユーザが意図した検索結果を提供することができない場合があった。

本発明は、このような事情を考慮してなされたものであり、ユーザの意図に沿った検索結果を返すようにすることができる監視装置、ショッピングサーバ、監視方法、及びプログラムを提供することを目的の一つとする。

本発明の一態様は、電子商取引のサイトにおいて、ユーザにより入力されたクエリに対して特定のカテゴリに絞り込んで商品またはサービス（以下、商品等）を紹介するための規則を更新する必要性に関する情報を出力する監視装置であって、ユーザによって入力されたクエリの履歴情報を参照し、所定タイミング以前と所定タイミング以降とで、クエリとして入力された回数の変化が基準以上であるクエリを抽出する抽出部と、前記抽出部によって抽出されたクエリに関して、前記規則を更新することを推奨する推奨情報を出力する出力部と、を備える監視装置である。

本発明の一態様によれば、ユーザの意図に沿った検索結果を返すようにすることができる。

第１実施形態に係るショッピングサーバ１００の構成の一例を示す図である。 インターフェース画面ＩＭの一例を示す図である。 ホワイトリスト情報１２１の内容の一例を示す図である。 履歴情報１２２の内容の一例を示す図である。 集計情報１２３の内容の一例を示す図である。 抽出部２１２の抽出対象のクエリの一例を示す図である。 「ＡＢＣ ＢＥＡＴ」のリクエスト回数の時系列データの一例を示す図である。 「ＡＢＣ ＢＥＡＴ」の変化点スコアＳｃｏｒｅ（ｙ_ｔ）の時系列データの一例を示す図である。 第１実施形態に係る意味が変化したクエリの抽出処理の動作の一例を示すフローチャートである。 第１実施形態に係るホワイトリストの更新処理の動作の一例を示すフローチャートである。 第２実施形態に係るショッピングサーバ１００ａの構成の一例を示す図である。 第２実施形態に係る意味が変化したクエリの抽出処理の動作の一例を示すフローチャートである。 第３実施形態に係るショッピングサーバ１００ｂの構成の一例を示す図である。 第３実施形態に係る新商品情報１２４の内容の一例を示す図である。 第３実施形態に係るホワイトリストの更新処理の動作の一例を示すフローチャートである。

以下、図面を参照し、本発明の監視装置、ショッピングサーバ、監視方法、及びプログラムの実施形態について説明する。

監視装置は、一以上のプロセッサにより実現される。監視装置は、電子商取引のサイトにおいて、ユーザにより入力されたクエリに基づいて絞り込まれるカテゴリが適切であるか否かを監視する装置である。電子商取引のサイトとは、例えば、ショッピングサイト、オークションサイト、フリーマーケットサイト等である。以下の説明では、電子商取引のサイトが、ショッピングサイトであるものとし、これを提供する装置をショッピングサーバと称する。監視装置は、ショッピングサーバ等と一体に構成されてもよいし、別体で構成されてもよい。ショッピングサーバは、例えば、入力されたクエリに基づいてホワイトリストを検索し、該当するカテゴリに絞り込んで商品またはサービス（以下、商品等）をユーザに紹介する。商品等を紹介するとは、例えば、クエリの検索結果として商品等を画面内に提示することである。ホワイトリストは、例えば、クエリとカテゴリが対応付けられた情報である。「ユーザにより入力されたクエリがホワイトリストに含まれる場合に、ホワイトリストに規定されたカテゴリを読み出して商品等の紹介に適用すること」は、「クエリに対して特定のカテゴリに絞り込んで商品等を紹介するための規則」の一例である。

監視装置は、ユーザによって入力されたクエリの履歴情報を参照し、所定タイミング以前と所定タイミング以降とで、クエリとして入力された回数の変化が基準以上であるクエリを抽出する。そして、監視装置は、抽出されたクエリに関して、ホワイトリストを更新することを推奨する推奨情報を出力する。これによって、監視装置は、ホワイトリストに含まれるクエリの意味に変化が生じたとみなし、ホワイトリストの更新をオペレータに促し、或いは自動的に行うことができる。この結果、監視装置は、ユーザの意図に沿った検索結果を、ショッピングサーバが返すことができるように誘導することができる。

＜第１実施形態＞
図１は、第１実施形態に係るショッピングサーバ１００の構成および使用環境の一例を示す図である。ショッピングサーバ１００は、例えば、ネットワークＮＷを介して一以上の端末装置１０と通信する。ネットワークＮＷは、例えば、ＷＡＮ（Wide Area Network）やＬＡＮ（Local Area Network）、インターネット、専用回線、無線基地局、プロバイダなどを含む。

端末装置１０は、例えば、スマートフォンなどの携帯電話、タブレット端末、各種パーソナルコンピュータなどの、入力装置、表示装置、通信装置、記憶装置、及び演算装置を備える端末装置である。通信装置は、ＮＩＣ（Network Interface Card）などのネットワークカード、無線通信モジュールなどを含む。端末装置１０には、商品の出品者により使用される端末装置と、商品の購入者により使用される端末装置とがあるが、図２ではこれらを区別せず表記している。端末装置１０では、ブラウザやアプリケーションプログラムなどのＵＡ（User Agent）が起動する。ＵＡは、ショッピングサーバ１００から提供された画面を表示すると共に、端末装置１０の利用者によってなされた入力操作に応じたリクエストをショッピングサーバ１００に送信する。以下の説明では、ＵＡはブラウザであり、ショッピングサーバ１００はウェブサーバであるものとする。端末装置１０では、ウェブブラウザやアプリケーションプログラムなどのＵＡが起動し、ユーザの入力する内容に応じたリクエストをショッピングサーバ１００に送信する。また、ＵＡが起動された端末装置１０は、ショッピングサーバ１００から取得した情報に基づいて、表示装置に各種画像を表示させる。

ショッピングサーバ１００は、例えば、ショッピングサイト提供部１１０と、記憶部１２０と、監視部２１０とを備える。ショッピングサイト提供部１１０は、例えば、販売管理部１１１と、履歴情報生成部１１２と、受付部１１３と、ホワイトリスト生成部１１４と、ホワイトリスト更新部１１５とを備える。監視部２１０は、例えば、集計情報生成部２１１と、抽出部２１２と、出力部２１３とを備える。ショッピングサイト提供部１１０及び監視部２１０の各部は、例えば、ＣＰＵ（Central Processing Unit）などのハードウェアプロセッサがプログラム（ソフトウェア）を実行することにより実現される。また、これらの構成要素のうち一部または全部は、ＬＳＩ（Large Scale Integration）やＡＳＩＣ（Application Specific Integrated Circuit）、ＦＰＧＡ（Field-Programmable Gate Array）、ＧＰＵ（Graphics Processing Unit）などのハードウェア（回路部；circuitryを含む）によって実現されてもよいし、ソフトウェアとハードウェアの協働によって実現されてもよい。プログラムは、予めＨＤＤ（Hard Disk Drive）やフラッシュメモリなどの記憶装置に格納されていてもよいし、ＤＶＤやＣＤ−ＲＯＭなどの着脱可能な記憶媒体に格納されており、記憶媒体がドライブ装置に装着されることでインストールされてもよい。また、ショッピングサイト提供部１１０と監視部２１０は、一体のプロセッサによって実現されてもよく、別体のプロセッサによって実現されてもよい。ショッピングサーバ１００が備える監視部２１０は、「監視装置」の一例である。

記憶部１２０には、例えば、ホワイトリスト情報１２１と、履歴情報１２２と、集計情報１２３とが記憶される。記憶部１２０は、例えば、ＲＡＭ（Random Access Memory）、ＨＤＤ、フラッシュメモリ、ＳＤカード等によって実現される。

［ショッピングサイト提供部１１０の構成について］
販売管理部１１１は、ショッピングサイトが提供するサービスのうち販売に関する部分の処理を行う。販売管理部１１１は、例えば、ショッピングサイトのインターフェースとなる各種画面を端末装置１０に提供する。図２は、インターフェース画面ＩＭの一例を示す図である。インターフェース画面ＩＭは、例えば、商品を検索する際に用いられるクエリを入力するためのクエリ入力欄Ａ１、及び検索を実行させるための検索ボタンＢ１、及び商品を紹介（提示）する商品等紹介欄Ａ２等が設けられた画面である。

ユーザは、販売管理部１１１によって提供されたインターフェース画面ＩＭに対して各種の操作を行い、ショッピングサイトの商品を購入する。販売管理部１１１は、例えば、端末装置１０のユーザによって商品の購入を実行する操作が行われた際に、この取引に係る決済の処理を行う。決済の処理は、例えば、決済の処理を実行する決済サーバ（不図示）に、この売買に係る決済の情報を送信し、決済の処理を依頼する処理である。

販売管理部１１１は、ショッピングサイトのクエリ入力欄Ａ１に入力されたクエリを検索キーにしてホワイトリストを検索し、当該クエリが対応付けられた商品のカテゴリが存在する場合に、そのカテゴリを取得する。そして、販売管理部１１１は、クエリの検索結果が示す各種商品の中から、特定されたカテゴリに絞り込んだ商品を商品等紹介欄Ａ２に提示し、ユーザに紹介（提示）する。

図３は、ホワイトリスト情報１２１の内容の一例を示す図である。ホワイトリスト情報１２１は、例えば、ホワイトリストを示す情報である。ホワイトリストは、例えば、クエリと、当該クエリに対応する特定のカテゴリとが互いに対応付けられた情報である。クエリに対応付けられる特定のカテゴリは、当該クエリと関連性が高いことが予め判っているカテゴリである。ホワイトリストは、例えば、後述するホワイトリスト生成部１１４によって生成され、ホワイトリスト情報１２１として記憶部１２０に記憶される。図３に示されるホワイトリスト情報１２１では、「ＰＣ モニター」というクエリと、「ＰＣ モニター」と関連性の高いカテゴリである「液晶ディスプレイ」とが互いに対応付けられている。

図２に戻り、販売管理部１１１は、例えば、ショッピングサイトのクエリ入力欄Ａ１に入力されたクエリが「ＰＣ モニター」である場合、「ＰＣ モニター」を検索キーとしてホワイトリスト情報１２１のホワイトリストを検索し、「ＰＣ モニター」に対応付けられるカテゴリ（図２に示す一例では「液晶ディスプレイ」）を取得する。販売管理部１１１は、商品等紹介欄Ａ２において、「ＰＣ モニター」の検索結果が示す各種商品の中から、特定したカテゴリ（つまり、「液晶ディスプレイ」）の商品を紹介（提示）する。

図１に戻り、履歴情報生成部１１２は、履歴情報１２２を生成する。履歴情報１２２は、例えば、ユーザのショッピングサイトにおける行動履歴を、ユーザ毎、且つセッション毎に示す情報である。セッションとは、例えば、ある同一のユーザが、ショッピングサイトの閲覧を開始してから（Ａ）所定の時間が経過する（つまり、タイムアウトする）までの期間、（Ｂ）他のサイトに移動するまでの期間、又は（Ｃ）ウィンドウ（或いは、アプリケーション）を閉じるまでの期間である。

図４は、履歴情報１２２の内容の一例を示す図である。図４に示される履歴情報１２２は、各セッションを識別するセッションＩＤ毎に、そのセッション期間中に発生した行動の履歴と、その行動が行われた日時とが対応付けられたレコードが、ユーザ毎に纏められたデータである。例えば、ユーザが、販売サイトの一つである「○○！ショッピングサイト」でＸをクエリとして検索し、商品Ａを閲覧し、その後、商品Ａを購入した場合、履歴情報１２２に含まれるセッションＩＤが「ＳＥＳＨ＿１」のレコードのように、一つのセッションＩＤに対して、複数の行動履歴が対応付けられることになる。

図１に戻り、受付部１１３は、後述する出力部２１３によってホワイトリストを更新することを推奨する推奨情報が出力された後、ユーザが端末装置１０に対して行った操作であり、ホワイトリストを更新することを指示する操作、或いは更新しないことを指示する操作を示す操作情報を受け付ける。

ホワイトリスト生成部１１４は、集計情報１２３に基づいて、ホワイトリストを生成する。図５は、集計情報１２３の内容の一例を示す図である。集計情報１２３は、例えば、ショッピングサイトにおいて、クエリ検索後の検索結果の中から、選択（クリック）された商品のカテゴリと、当該カテゴリの商品がクリックされたクリック数とが、互いに対応付けられたレコードが、クエリ毎に纏められたデータである。図４に示される集計情報生成部２１１は、「ＰＣ モニター」というクエリを検索した検索結果の中から、カテゴリが「液晶ディスプレイ」の商品がクリックされた回数が１２００回であることを示し、カテゴリが「モニターアーム」の商品がクリックされた回数が１００回であることを示す。

ホワイトリスト生成部１１４は、例えば、以下のいずれかの手法によってホワイトリストを生成する。
（１）ホワイトリスト生成部１１４は、例えば、集計情報１２３に示されるクエリのうち、クリック数の合計が所定数以上のクエリに絞り込み、絞り込んだ各クエリに対応付けられた商品のカテゴリのうち、最もクリック数の多いものを当該クエリに関連性の高いカテゴリとして特定する。
（２）ホワイトリスト生成部１１４は、例えば、集計情報１２３に示される各クエリに対応付けられた商品のカテゴリのうち、最もクリック数の多いものを抽出し、抽出したカテゴリのクリック数が所定数以上である場合に、そのカテゴリを当該クエリに関連性の高いカテゴリとして特定する。

ホワイトリスト生成部１１４は、図４に示される集計情報１２３に基づき、（１）、或いは（２）の手法によって、「ＰＣ モニター」というクエリと関連性の高いカテゴリとして、「液晶ディスプレイ」を特定する。ホワイトリスト生成部１１４は、「ＰＣ モニター」と、特定した「液晶ディスプレイ」とを対応付けたホワイトリストを生成し、ホワイトリスト情報１２１として記憶部１２０に記憶させる。

ホワイトリスト更新部１１５は、受付部１１３によって受け付けられたユーザの指示が、ホワイトリストを更新することを示す指示である場合、ホワイトリスト情報１２１のホワイトリストを更新する。ホワイトリスト更新部１１５の詳細については、後述する。

［監視部２１０の構成について］
集計情報生成部２１１は、履歴情報１２２に基づいて、集計情報１２３を生成する。集計情報生成部２１１は、履歴情報１２２に含まれる行動履歴の中から、クエリの入力が行われたことを示す行動履歴（図２に示す一例では、「Ｘをクエリとして検索」）を特定する。次に、集計情報生成部２１１は、特定した行動履歴の次に行われた操作であり、検索結果の中から商品を選択する操作（図２に示す一例では、「検索結果の中から、商品Ａをクリック」）を特定する。

次に、集計情報生成部２１１は、クエリの検索後にクリックされた商品のカテゴリを特定する。集計情報生成部２１１は、例えば、以下のいずれかの手法によって、クエリの検索後にクリックされた商品のカテゴリを取得する。
（１）集計情報生成部２１１は、例えば、商品のカテゴリと商品との対応を示す対応情報であるカテゴリツリーと、履歴情報１２２とに基づいて、クエリの検索後にクリックされた商品のカテゴリを特定する。
（２）図４の履歴情報１２２では、行動履歴が行動の内容で表現されているが、実際には、行動に応じて閲覧されたＵＲＬ（Uniform Resource Locator）で表現されてもよい。この場合、商品は、例えば、段階的に表現されたカテゴリに対応付けられた状態でＵＲＬに埋め込まれる。集計情報生成部２１１は、履歴情報１２２に示されるＵＲＬに基づいて、クエリの検索後にクリックされた商品のカテゴリを特定する。

集計情報生成部２１１は、上述の処理を繰り返し、特定したカテゴリの商品がクリックされた回数をクエリ毎に取得する。

次に、抽出部２１２について説明する。図６は、抽出部２１２の抽出対象のクエリの一例を示す図である。ここで、ホワイトリストには、後に意味が変わるクエリが含まれる場合がある。例えば、車部品販売店である「ＡＢＣ Ｂｅａｔ！」という店舗がショッピングサイトに存在し、この店舗において販売される商品のカテゴリが、「車パーツ」である場合、ホワイトリストには、「ＡＢＣ ＢＥＡＴ」というクエリに、関連性の高いカテゴリとして「車パーツ」が対応付けられる。その後、「ＡＢＣ ＢＥＡＴ」という名称のスマートフォンが発売されるものとする。この場合、ホワイトリストにおいて、大文字小文字は同じものとして扱われ、『！』などの記号は無視されるため、スマートフォンの発売日の前と後とでは、「ＡＢＣ ＢＥＡＴ」というクエリは、「車パーツ」と「家電」の２つの意味を持つこととなる。

「ＡＢＣ ＢＥＡＴ」というクエリの意味が変化した後も、ホワイトリストに基づいて、特定されたカテゴリに絞り込んだ商品を紹介する場合、ショッピングサーバ１００は、新たな意味（スマートフォン）のクエリに対応付けられたカテゴリの商品（家電）を紹介することが困難である。したがって、ショッピングサーバ１００は、意味が変化したクエリを抽出し、抽出されたクエリをホワイトリストから除く処理を行うことが好ましい。

ここで、ショッピングサイトにおいて「ＡＢＣ ＢＥＡＴ」というクエリのリクエスト回数は、「ＡＢＣ ＢＥＡＴ」という名称のスマートフォンが発売された発売日の前と、発売日の後とにおいて、変化している（例えば、発売日後に増加する）場合がある。換言すると、新製品の発売等に起因してクエリの意味が変化している場合、クエリの意味が変化した前後において、クエリのリクエスト回数が増加している場合がある。

図７は、「ＡＢＣ ＢＥＡＴ」のリクエスト回数の時系列データの一例を示す図である。図７に示される波形Ｗ１は、「ＡＢＣ ＢＥＡＴ」のリクエスト回数の経時変化を示す波形である。抽出部２１２は、例えば、履歴情報１２２に基づいて、ホワイトリストに含まれるクエリであり、スコアの算出対象のクエリ（以下、対象クエリ）のリクエスト回数を、所定の時間（例えば、１日）毎に時系列によって算出する。波形Ｗ１によって示される通り、「ＡＢＣ ＢＥＡＴ」のリクエスト回数は、２０１７年２月の発売日以降、急激に増加する。抽出部２１２は、例えば、履歴情報１２２を参照し、ある時刻ｔの所定タイミング（例えば、３日）以前と、所定タイミング（例えば、３日）以降とで、リクエスト回数の変化が基準以上であるクエリを、意味が変化したクエリとして抽出する。

本実施形態の抽出部２１２は、例えば、Ｃｈａｎｇｅ Ｆｉｎｄｅｒを用いて、クエリのリクエスト回数の変化点を検出する。Ｃｈａｎｇｅ Ｆｉｎｄｅｒは、変化点の検出手法である。変化点は、時間とともに変化するデータの性質が変わる点（つまり、クエリの意味が変化した点）である。外れ値は、統計において他の値から大きく外れた値である。Ｃｈａｎｇｅ Ｆｉｎｄｅｒでは、外れ値の継続を変化点とみなすことにより、変化点を検出する変化点検出手法である。以下、抽出部２１２によるＣｈａｎｇｅ Ｆｉｎｄｅｒを用いた変化点の検出手法について説明する。

［Ｓｔｅｐ１：ＳＤＡＲによる確率密度学習（第１段階学習）］
抽出部２１２は、履歴情報１２２に基づいて、対象クエリのリクエスト回数ｘ_ｔを、所定の時間（例えば、１日）毎に時系列によって算出する。以降の説明において、時系列によって算出したリクエスト回数ｘ_ｔを、時系列データ｛ｘ_ｔ：ｔ＝１，２，…｝と記載する。抽出部２１２は、時系列データ｛ｘ_ｔ：ｔ＝１，２，…｝を用いて、ＳＤＡＲ（Sequentially Discounting Auto Regressive）モデルによる確率密度の学習を行う。

抽出部２１２は、ＳＤＡＲモデルを用いて、時刻ｔ＝１，２，…の各時点における時系列モデル（つまり、時刻ｔ＝１，２，…の各時点までの時系列データを元にした、確率密度関数）を学習（構築）する。具体的には、抽出部２１２は、式（１）に基づいて、式（１）の左辺のＩが最大になるようなパラメータＰＴ１を推定することにより、確率密度関数を学習する。パラメータＰＴ１は、例えば、ユールウォーカー法によって算出される。

次に、抽出部２１２は、ＳＤＡＲモデルを用いて学習されたリクエスト回数ｘ_ｔの確率密度関数に基づいて、確率密度を算出する。具体的には、抽出部２１２は、式（２）に基づいて、確率密度ｐ_ｔ−１（ｘ_ｔ）を算出する。

式（２）によって示される確率密度ｐ_ｔ−１（ｘ_ｔ）の値が大きい場合、予測した値と、実際の時系列データ｛ｘ_ｔ：ｔ＝１，２，…｝とが近いことを示し、確率密度ｐ_ｔ−１（ｘ_ｔ）の値が小さい場合、予測した値と、実際の時系列データ｛ｘ_ｔ：ｔ＝１，２，…｝とが外れていることを示す。

［Ｓｔｅｐ２：外れ値スコア計算（外れ値らしさの取得）］
次に、抽出部２１２は、算出された確率密度ｐ_ｔ−１（ｘ_ｔ）を式（３）に代入し、時刻ｔ＝１，２，…の各時点における外れ値スコアＳｃｏｒｅ（ｘ_ｔ）を算出する。

外れ値スコアＳｃｏｒｅ（ｘ_ｔ）は、外れ値らしさを示す値である。外れ値スコアＳｃｏｒｅ（ｘ_ｔ）が大きい場合、時刻ｔにおけるリクエスト回数ｘ_ｔが外れ値である可能性が高い。

［Ｓｔｅｐ３：外れ値スコアの移動平均算出（新たな時系列データの生成）］
次に、抽出部２１２は、算出された外れ値スコアＳｃｏｒｅ（ｘ_ｔ）を式（４）に代入し、外れ値スコアＳｃｏｒｅ（ｘ_ｔ）の移動平均ｙ_ｔを算出する。移動平均ｙ_ｔは、ある時刻ｔの移動時間Ｔ（例えば、３日）前から、ある時刻ｔの移動時間Ｔ（例えば、３日）後までの間の外れ値スコアＳｃｏｒｅ（ｘ_ｔ）の平均を示す値である。

式（４）より、移動平均ｙ_ｔは、外れ値スコアＳｃｏｒｅ（ｘ_ｔ）を平滑化したものである。

［Ｓｔｅｐ４：ＳＤＡＲによる確率密度学習（第２段階学習）］
次に、抽出部２１２は、式（４）によって算出された移動平均ｙ_ｔを所定の時間（例えば、１日分）ずつ時系列によって算出する。以降の説明において、時系列によって算出した移動平均ｙ_ｔを、時系列データ｛ｙ_ｔ：ｔ＝１，２，…｝と記載する。抽出部２１２は、時系列データ｛ｙ_ｔ：ｔ＝１，２，…｝を用いて、ＳＤＡＲモデルによる確率密度の学習を行う。

抽出部２１２は、上述した時系列データ｛ｘ_ｔ：ｔ＝１，２，…｝の場合と同様、式（５）の左辺のＩが最大になるようなパラメータＰＴ２を推定することにより、確率密度関数を学習する。

次に、抽出部２１２は、ＳＤＡＲモデルを用いて学習された移動平均ｙ_ｔの確率密度関数に基づいて、確率密度を算出する。具体的には、抽出部２１２は、式（６）に基づいて、確率密度ｑ_ｔ−１（ｙ_ｔ）を算出する。

［Ｓｔｅｐ５：変化点スコア計算（変化点らしさの取得）］
次に、抽出部２１２は、算出された確率密度ｑ_ｔ−１（ｙ_ｔ）を式（７）に代入し、時刻ｔ＝１，２，…の各時点における変化点スコアＳｃｏｒｅ（ｙ_ｔ）を算出する。

変化点スコアＳｃｏｒｅ（ｙ_ｔ）は、変化点らしさを示す値である変化点スコアＳｃｏｒｅ（ｙ_ｔ）が大きい場合、時刻ｔが変化点である可能性が高い。

抽出部２１２は、上述したＳｔｅｐ１〜５の処理を実行し、変化点スコアＳｃｏｒｅ（ｙ_ｔ）を算出する。抽出部２１２は、算出した変化点スコアＳｃｏｒｅ（ｙ_ｔ）と、所定の閾値とを比較し、変化点スコアＳｃｏｒｅ（ｙ_ｔ）が所定の閾値以上である場合、対象クエリを意味が変化したクエリとして抽出する。

図８は、「ＡＢＣ ＢＥＡＴ」の変化点スコアＳｃｏｒｅ（ｙ_ｔ）の時系列データの一例を示す図である。図８に示される波形Ｗ２は、「ＡＢＣ ＢＥＡＴ」の変化点スコアＳｃｏｒｅ（ｙ_ｔ）を経時変化を示す波形である。波形Ｗ２によって示される通り、「ＡＢＣ ＢＥＡＴ」の変化点スコアＳｃｏｒｅ（ｙ_ｔ）は、２０１７年２月の発売日に、急激に増加する。抽出部２１２は、変化点スコアＳｃｏｒｅ（ｙ_ｔ）と、所定の閾値（図示する、３０）とを比較し、変化点スコアＳｃｏｒｅ（ｙ_ｔ）が所定の閾値以上である場合、対象クエリを意味が変化したクエリとして抽出する。したがって、抽出部２１２は、「ＡＢＣ ＢＥＡＴ」を意味が変化したクエリとして抽出する。

なお、抽出部２１２は、所定タイミング以前と所定タイミング以降とで、クエリとして入力された回数の変化が基準以上であるクエリを抽出することができる手法であれば、Ｃｈａｎｇｅ Ｆｉｎｄｅｒ以外の手法を採用してもよい。例えば、抽出部２１２は、所定タイミング以後の所定期間（例えば、３日間）の平均から所定タイミング以前の所定期間（例えば、３日間）の平均を差し引いた値が、所定の値以上であれば、対象クエリを意味が変化したクエリとして抽出してもよい。また、抽出部２１２は、所定期間の平均に代えて、所定期間の移動平均に基づいて、対象クエリの意味が変化したクエリを抽出してもよい。

図１に戻り、出力部２１３は、抽出部２１２によってクエリが抽出された場合、当該クエリに関して、ホワイトリストを更新することを推奨する推奨情報を出力する。出力部２１３は、例えば、ショッピングサイト提供部１１０、或いはショッピングサーバ１００の管理者が使用する端末装置１０に推奨情報を出力する。以降の説明では、出力部２１３が、ショッピングサーバ１００の管理者が使用する端末装置１０に推奨情報を出力するものとする。ショッピングサーバ１００の管理者は、出力された推奨情報に基づいて、ホワイトリストを更新することを指示する操作、或いは更新しないことを指示する操作を端末装置１０に入力する。

ホワイトリスト更新部１１５は、受付部１１３によって受け付けられた操作情報に基づいて、ホワイトリストを更新する。ホワイトリスト更新部１１５は、操作情報がホワイトリストを更新することを指示する操作を示す場合、抽出部２１２によって抽出されたクエリをホワイトリストから除外する。また、ホワイトリスト更新部１１５は、操作情報がホワイトリストを更新しないことを指示する操作を示す場合、抽出部２１２によって抽出されたクエリをホワイトリストから除外しない。

［クエリの抽出処理］
図９は、第１実施形態に係る意味が変化したクエリの抽出処理の動作の一例を示すフローチャートである。図９に示されるフローチャートは、ホワイトリストに含まれるそれぞれのクエリに対して、所定時間（例えば、１日）毎に実行される。まず、抽出部２１２は、履歴情報１２２に基づいて、対象クエリの変化点スコアＳｃｏｒｅ（ｙ_ｔ）を算出する（Ｓ１００）。次に、抽出部２１２は、算出した対象クエリの変化点スコアＳｃｏｒｅ（ｙ_ｔ）が、所定の閾値以上であるか否かを判定する（Ｓ１０２）。抽出部２１２は、算出した対象クエリの変化点スコアＳｃｏｒｅ（ｙ_ｔ）が所定の閾値以上ではない場合、処理を終了する。出力部２１３は、抽出部２１２によって算出された対象クエリの変化点スコアＳｃｏｒｅ（ｙ_ｔ）が所定の閾値以上である場合、端末装置１０に推奨情報を出力する（Ｓ１０４）。

［ホワイトリストの更新処理］
図１０は、第１実施形態に係るホワイトリストの更新処理の動作の一例を示すフローチャートである。まず、受付部１１３は、端末装置１０から操作情報を受け付けたか否かを判定する（Ｓ２００）。受付部１１３は、端末装置１０から操作情報を受け付けるまでの間、待機する。ホワイトリスト更新部１１５は、受付部１１３によって端末装置１０から操作情報が受け付けられた場合、操作情報がホワイトリストを更新することを指示する操作を示すか否かを判定する（Ｓ２０２）。ホワイトリスト更新部１１５は、受付部１１３によって受け付けられた操作情報が、ホワイトリストを更新しないことを指示する操作を示す場合、処理を終了する。ホワイトリスト更新部１１５は、受付部１１３によって受け付けられた操作情報が、ホワイトリストを更新することを指示する操作である場合、抽出部２１２によって抽出された対象クエリをホワイトリストから除外することにより、ホワイトリスト情報１２１のホワイトリストを更新する（Ｓ２０４）。

［第１実施形態のまとめ］
以上説明したように、本実施形態のショッピングサーバ１００は、電子商取引のサイト（この一例では、ショッピングサイト）において、ユーザにより入力されたクエリに対して特定のカテゴリに絞り込んで商品またはサービスを紹介するための規則（この一例では、ホワイトリスト）を更新する必要性に関する情報（この一例では、推奨情報）を出力する監視装置であって、ユーザによって入力されたクエリの履歴情報１２２を参照し、所定タイミング以前と所定タイミング以降とで、クエリとして入力されたリクエスト回数の変化が基準以上であるクエリを抽出する抽出部２１２と、抽出部２１２によって抽出されたクエリに関して、ホワイトリストを更新することを推奨する推奨情報を出力する出力部２１３と、を備え、ユーザの意図に沿った検索結果を返すようにすることができる。

また、本実施形態のショッピングサーバ１００において、抽出部２１２は、リクエスト回数の変化を示す指標値（この一例では、変化点スコアＳｃｏｒｅ（ｙ_ｔ））を算出し、変化点スコアＳｃｏｒｅ（ｙ_ｔ）の基準を示す所定の所定の閾値と、前記指標値とを比較し、クエリを抽出する。これにより、本実施形態のショッピングサーバ１００は、ＡＲ（Auto Regressive）モデルを使用する場合と比較して、より少ない処理によってユーザの意図に沿った検索結果を返すようにすることができる。

また、本実施形態のショッピングサーバ１００は、出力部２１３によって推奨情報が出力された場合、抽出部２１２によって抽出されたクエリを、ホワイトリスト情報１２１のホワイトリストから除外するか否かを指定する操作情報をユーザから受け付ける受付部１１３と、受付部１１３によって受け付けられた操作情報に基づいて、ホワイトリスト情報１２１を更新するホワイトリスト更新部１１５と、ショッピングサイトとしてのサービスを提供する販売管理部１１１と、を備え、意味に変化が生じたクエリをホワイトリストから除外することにより、適切に商品を紹介することができる。

＜第２実施形態＞
以下、図面を参照し、本発明の第２実施形態について説明する。第１実施形態のショッピングサーバ１００は、抽出部２１２によってクエリが抽出された場合、推奨情報を出力したが、第２実施形態のショッピングサーバ１００ａは、抽出部２１２によって抽出されたクエリの品詞を判定し、クエリが名詞である場合に推奨情報を出力する。なお、上述した実施形態と同様の構成については、同一の符号を付して説明を省略する。

図１１は、第２実施形態に係るショッピングサーバ１００ａの構成の一例を示す図である。ショッピングサーバ１００ａは、ショッピングサーバ１００が備える監視部２１０に代えて（或いは、加えて）監視部２１０ａを備える。監視部２１０ａは、例えば、集計情報生成部２１１と、抽出部２１２と、出力部２１３と、クエリ品詞判定部２１４とを備える。

クエリ品詞判定部２１４は、抽出部２１２によって抽出されたクエリの品詞を判定する。ここで、ホワイトリストに含まれるクエリであり、後に意味が変わるクエリは、名詞である可能性が高い。クエリ品詞判定部２１４は、例えば、抽出部２１２によって抽出されたクエリに対して形態素解析を行い、クエリをワードに分割する。クエリ品詞判定部２１４は、分割したワードが名詞であるか否かを判定する。

本実施形態の出力部２１３は、クエリ品詞判定部２１４によってクエリが名詞であると判定された場合、端末装置１０に推奨情報を出力し、クエリが名詞ではないと判定された場合、端末装置１０に推奨情報を出力しない。

［クエリの抽出処理］
図１２は、第２実施形態に係る意味が変化したクエリの抽出処理の動作の一例を示すフローチャートである。図１２に示されるＳ１００〜Ｓ１０４の処理のうち、Ｓ１０３以外の処理は、図９における同じステップ番号の処理と同様であるため、説明を省略する。クエリ品詞判定部２１４は、抽出部２１２によって算出された対象クエリの変化点スコアＳｃｏｒｅ（ｙ_ｔ）が所定の閾値以上である場合、対象クエリが名詞であるか否かを判定する（Ｓ１０３）。クエリ品詞判定部２１４は、対象クエリが名詞ではない場合、処理を終了する。出力部２１３は、クエリ品詞判定部２１４によって対象クエリが名詞であると判定される場合、処理をＳ１０４に進める。

［クエリの品詞判定のタイミング］
なお、上述では、クエリ品詞判定部２１４が抽出部２１２によって抽出された対象クエリが名詞であるか否かを判定する場合について説明したが、これに限られない。例えば、抽出部２１２は、ホワイトリストに含まれるクエリのうち、クエリ品詞判定部２１４によって名詞であると判定されたクエリについて、変化点スコアＳｃｏｒｅ（ｙ_ｔ）を算出する構成であってもよい。この場合、抽出部２１２は、予め名詞であるクエリに対して変化点スコアＳｃｏｒｅ（ｙ_ｔ）を算出するため、変化点スコアＳｃｏｒｅ（ｙ_ｔ）を算出する処理に係る手間を低減することができる。

［第２実施形態のまとめ］
以上説明したように、本実施形態のショッピングサーバ１００ａは、抽出部２１２によって抽出されたクエリが名詞であるか否かを判定するクエリ品詞判定部２１４を更に備え、出力部２１３は、クエリ品詞判定部２１４によってクエリが名詞ではないと判定された場合、推奨情報を出力しない。これにより、本実施形態のショッピングサーバ１００ａは、より高い精度によってユーザの意図に沿った検索結果を返すようにすることができる。

＜第３実施形態＞
以下、図面を参照し、本発明の第３実施形態について説明する。第１実施形態、及び第２実施形態のショッピングサーバでは、ショッピングサーバの管理者の指示に基づいて、意味の変化が生じたとされるクエリをホワイトリストから除く場合について説明した。本実施形態のショッピングサーバ１００ｂでは、新商品情報に基づいて、意味の変化が生じたとされるクエリをホワイトリストから除く場合について説明する。なお、上述した実施形態と同様の構成については、同一の符号を付して説明を省略する。

図１３は、第３実施形態に係るショッピングサーバ１００ｂの構成の一例を示す図である。ショッピングサーバ１００ｂは、ショッピングサーバ１００、及びショッピングサーバ１００ａが備えるショッピングサイト提供部１１０に代えて（或いは、加えて）、ショッピングサイト提供部１１０ｂを備える。また、ショッピングサーバ１００ｂは、ショッピングサーバ１００、及びショッピングサーバ１００ａが備える記憶部１２０に代えて（或いは、加えて）、記憶部１２０ｂを備える。

ショッピングサイト提供部１１０ｂは、販売管理部１１１と、ホワイトリスト生成部１１４と、ホワイトリスト更新部１１５と、新商品判定部１１６とを備える。記憶部１２０ｂには、ホワイトリスト情報１２１と、履歴情報１２２と、集計情報１２３と、新商品情報１２４とが記憶される。

図１４は、第３実施形態に係る新商品情報１２４の内容の一例を示す図である。新商品情報１２４は、最近発売された商品の名称、或いはこれから発売される商品の名称と、発売日とが互いに対応付けられた情報である。図１４に示される新商品情報１２４では、「ＡＢＣ ＢＥＡＴ」という名称の商品と、この商品の発売日である「２０１７年２月」とが互いに対応付けられたレコードが含まれる。

図１３に戻り、本実施形態の出力部２１３は、抽出部２１２によってクエリが抽出された場合、推奨情報をショッピングサイト提供部１１０ｂに出力する。新商品判定部１１６は、出力部２１３によって推奨情報が出力された場合、抽出部２１２によって抽出されたクエリを検索キーにして新商品情報１２４を検索し、当該クエリと一致、或いは合致する名称の商品を特定する。また、新商品判定部１１６は、特定された商品に対応付けられた発売日と、抽出部２１２によって変化点スコアＳｃｏｒｅ（ｙ_ｔ）が所定の閾値以上であるとされた時刻ｔとが合致するか否かを判定する。

本実施形態のホワイトリスト更新部１１５は、新商品判定部１１６によって商品の発売日と、抽出部２１２によって変化点スコアＳｃｏｒｅ（ｙ_ｔ）が所定の閾値以上であるとされた時刻ｔとが合致する場合、新商品の発売に伴いクエリに意味の変化が生じたとみなし、抽出部２１２によって抽出されたクエリをホワイトリストから除外する。また、ホワイトリスト更新部１１５は、新商品判定部１１６によって商品の発売日と、抽出部２１２によって変化点スコアＳｃｏｒｅ（ｙ_ｔ）が所定の閾値以上であるとされた時刻ｔとが合致しない場合、新商品に伴うクエリの意味の変化が生じていないとみなし、抽出部２１２によって抽出されたクエリをホワイトリストから除外しない。

［ホワイトリストの更新処理］
図１５は、第３実施形態に係るホワイトリストの更新処理の動作の一例を示すフローチャートである。まず、新商品判定部１１６は、出力部２１３から推奨情報が出力されたか否かを判定する（Ｓ３００）。新商品判定部１１６は、出力部２１３から推奨情報が入力されるまでの間、待機する。新商品判定部１１６は、出力部２１３から推奨情報が出力された場合、抽出部２１２によって抽出されたクエリと、新商品情報１２４とに基づいて、抽出されたクエリと商品名が一致、或いは合致する商品の発売日と、変化点スコアＳｃｏｒｅ（ｙ_ｔ）が所定の閾値以上であるとされた時刻ｔとが合致するか否かを判定する（Ｓ３０２）。ホワイトリスト更新部１１５は、抽出されたクエリと商品名が一致、或いは合致する商品の発売日と、変化点スコアＳｃｏｒｅ（ｙ_ｔ）が所定の閾値以上であるとされた時刻ｔとが合致しないと新商品判定部１１６によって判定された場合、処理を終了する。ホワイトリスト更新部１１５は、抽出されたクエリと商品名が一致、或いは合致する商品の発売日と、変化点スコアＳｃｏｒｅ（ｙ_ｔ）が所定の閾値以上であるとされた時刻ｔとが合致すると新商品判定部１１６によって判定された場合、抽出部２１２によって抽出された対象クエリをホワイトリストから除外することにより、ホワイトリスト情報１２１のホワイトリストを更新する（Ｓ２０４）。

［第３実施形態のまとめ］
以上説明したように、本実施形態のショッピングサーバ１００ｂは、出力部２１３によって推奨情報が出力された場合、商品の名称と商品の発売日とが互いに対応付けられた新商品情報１２４と、抽出部２１２によって抽出されたクエリとに基づいて、ホワイトリスト情報１２１から抽出部２１２によって抽出されたクエリを除外するか否かを判定する新商品判定部１１６と、新商品判定部１１６によってホワイトリスト情報１２１から除外すると判定されたクエリを、ホワイトリスト情報１２１から除外することにより、ホワイトリスト情報１２１を更新する新商品情報１２４と、を備え、新商品情報１２４は、抽出部２１２によってリクエスト回数の変化が抽出されたタイミング（この一例では、変化点スコアＳｃｏｒｅ（ｙ_ｔ）が所定の閾値以上であるとされた時刻ｔ）と、新商品情報１２４に示されるクエリと一致、或いは合致する名称の商品の発売日とが合致する場合、抽出部２１２によって抽出されたクエリをホワイトリスト情報１２１から除外すると判定する。これにより、本実施形態のショッピングサーバ１００ｂは、より適切に商品を紹介することができる。

［その他のホワイトリスト更新方法］
なお、上述では、ホワイトリスト更新部１１５が、新商品判定部１１６によって判定された商品の発売日に基づいて、ホワイトリストを更新する場合について説明したが、これに限られない。ホワイトリスト更新部１１５は、例えば、発売日以外の情報に基づいて、ホワイトリストを更新してもよい。

例えば、ホワイトリスト更新部１１５は、ショッピングサイトの特売日に基づいて、ホワイトリストを更新してもよい。例えば、ショッピングサイトの特売日は、商品の購入者が増加するため、リクエスト回数も同様に増加する。このため、ホワイトリスト更新部１１５は、変化点スコアＳｃｏｒｅ（ｙ_ｔ）が所定の閾値以上であるとされた時刻ｔが、ショッピングサイトの特売日と合致する場合、ホワイトリストを更新しなくてもよい。

また、ホワイトリスト更新部１１５は、気象条件に基づいて、ホワイトリストを更新してもよい。例えば、急激な温度変化によって、気温が上がった日、或いは、気温が下がった日は、暑さ対策グッズや寒さ対策グッズのリクエスト回数が増加する場合がある。このため、ホワイトリスト更新部１１５は、変化点スコアＳｃｏｒｅ（ｙ_ｔ）が所定の閾値以上であるとされた時刻ｔが、急激な温度変化が生じた日と合致する場合、暑さ対策グッズや寒さ対策グッズに係るホワイトリストを更新しなくてもよい。

また、ホワイトリスト更新部１１５は、テレビ放映情報に基づいて、ホワイトリストを更新してもよい。例えば、テレビ放映等が影響し、意味に変化が生じていない場合であっても、クエリのリクエスト回数が増加する場合がある。このため、ホワイトリスト更新部１１５は、変化点スコアＳｃｏｒｅ（ｙ_ｔ）が所定の閾値以上であるとされた時刻ｔが、抽出部２１２によって抽出されたクエリに関するテレビ放映があった日と合致する場合、ホワイトリストを更新しなくてもよい。

以上、本発明を実施するための形態について実施形態を用いて説明したが、本発明はこうした実施形態に何等限定されるものではなく、本発明の要旨を逸脱しない範囲内において種々の変形及び置換を加えることができる。

１０…端末装置、１００、１００ａ、１００ｂ…ショッピングサーバ、１１０、１１０ｂ…ショッピングサイト提供部、１１１…販売管理部、１１２…履歴情報生成部、１１３…受付部、１１４…ホワイトリスト生成部、１１５…ホワイトリスト更新部、１１６…新商品判定部、１２０、１２０ｂ…記憶部、１２１…ホワイトリスト情報、１２２…履歴情報、１２３…集計情報、１２４…新商品情報、２１０、２１０ａ…監視部、２１１…集計情報生成部、２１２…抽出部、２１３…出力部、２１４…クエリ品詞判定部、Ｓｃｏｒｅ（ｙ_ｔ）…変化点スコア、Ｓｃｏｒｅ（ｘ_ｔ）…外れ値スコア、ｐ_ｔ−１（ｘ_ｔ）、ｑ_ｔ−１（ｙ_ｔ）…確率密度、ｘｔ…リクエスト回数、ｙｔ…移動平均

Claims (11)

1. 電子商取引のサイトにおいて、ユーザにより入力されたクエリに対して特定のカテゴリに絞り込んで商品またはサービス（以下、商品等）を紹介するための規則を更新する必要性に関する情報を出力する監視装置であって、
   ユーザによって入力されたクエリの履歴情報を参照し、所定タイミング以前と所定タイミング以降とで、クエリとして入力された回数の変化が基準以上であるクエリを抽出する抽出部と、
   前記抽出部によって抽出されたクエリに関して、前記規則を更新することを推奨する推奨情報を出力する出力部と、
   を備える監視装置。
2. 前記規則は、入力されたクエリに対して絞り込むカテゴリを対応付けたホワイトリスト情報で規定される、
   請求項１に記載の監視装置。
3. 前記更新には、前記抽出部によって抽出されたクエリを前記ホワイトリスト情報から除くことが含まれる、
   請求項２に記載の監視装置。
4. 前記抽出部は、前記回数の変化を示す指標値を算出し、前記指標値の基準を示す所定の閾値と、前記指標値とを比較し、クエリを抽出する、
   請求項１から請求項３のうちいずれか一項に記載の監視装置。
5. 前記履歴情報は、前記電子商取引のサイトに対して入力されたクエリの履歴情報である、
   請求項１から４のうちいずれか一項に記載の監視装置。
6. 前記抽出部によって抽出されたクエリが名詞であるか否かを判定するクエリ品詞判定部を更に備え、
   前記出力部は、前記クエリ品詞判定部によって前記クエリが名詞ではないと判定された場合、前記規則を更新することを推奨する推奨情報を出力しない、
   請求項１から５のうちいずれか一項に記載の監視装置。
7. 請求項１から６のいずれかに記載の監視装置と、
   前記出力部によって推奨情報が出力された場合、前記抽出部によって抽出されたクエリを、入力されたクエリに対して絞り込むカテゴリを対応付けたホワイトリスト情報から除外するか否かを指定する情報をユーザから受け付ける受付部と、
   前記受付部によって受け付けられた情報に基づいて、前記ホワイトリスト情報を更新するホワイトリスト更新部と、
   前記電子商取引のサイトとしてのサービスを提供する販売管理部と、
   を備えるショッピングサーバ。
8. 請求項１から６のいずれかに記載の監視装置と、
   前記出力部によって推奨情報が出力された場合、商品の名称と前記商品の発売日とが互いに対応付けられた新商品情報と、前記抽出部によって抽出されたクエリとに基づいて、入力されたクエリに対して絞り込むカテゴリを対応付けたホワイトリスト情報から前記抽出部によって抽出されたクエリを除外するか否かを判定する新商品判定部と、
   前記新商品判定部によって前記ホワイトリスト情報から除外すると判定された前記クエリを、前記ホワイトリスト情報から除外することにより、前記ホワイトリスト情報を更新するホワイトリスト更新部と、
   前記電子商取引のサイトとしてのサービスを提供する販売管理部と、
   を備えるショッピングサーバ。
9. 前記新商品判定部は、前記抽出部によって前記回数の変化が抽出されたタイミングと、前記新商品情報に示される前記クエリの発売日とが合致する場合、前記ホワイトリスト情報から前記抽出部によって抽出されたクエリを除外すると判定する、
   請求項８に記載のショッピングサーバ。
10. 電子商取引のサイトにおいて、ユーザにより入力されたクエリに対して特定のカテゴリに絞り込んで商品またはサービス（以下、商品等）を紹介するための規則を更新する必要性に関する情報を出力するコンピュータが、
    ユーザによって入力されたクエリの履歴情報を参照し、所定タイミング以前と所定タイミング以降とで、クエリとして入力された回数の変化が基準以上であるクエリを抽出し、
    抽出されたクエリに関して、前記規則を更新することを推奨する推奨情報を出力する、
    監視方法。
11. 電子商取引のサイトにおいて、ユーザにより入力されたクエリに対して特定のカテゴリに絞り込んで商品またはサービス（以下、商品等）を紹介するための規則を更新する必要性に関する情報を出力するコンピュータに、
    ユーザによって入力されたクエリの履歴情報を参照させ、所定タイミング以前と所定タイミング以降とで、クエリとして入力された回数の変化が基準以上であるクエリを抽出させ、
    抽出されたクエリに関して、前記規則を更新することを推奨する推奨情報を出力させる、
    プログラム。

Images