信息处理方法、信息处理装置以及存储介质制造方法及图纸

本发明专利技术涉及信息处理方法、信息处理装置以及存储介质，该信息处理方法包括：取得推断对象用户的行为历史记录信息；取得与推断对象用户的消费行为相关的特征的推断值，作为对于推断对象用户的行为历史记录信息向第1学习完毕模型的输入的输出，该第1学习完毕模型根据将学习对象用户的行为历史记录信息作为输入、将基于学习对象用户对问卷的回答的与学习对象用户的消费行为相关的特征作为输出的、与多个学习对象用户有关的第1学习数据进行学习而得到；以及基于与推断对象用户的消费行为相关的特征的推断值来输出推断为对推断对象用户有效的行动。效的行动。效的行动。

【技术实现步骤摘要】
信息处理方法、信息处理装置以及存储介质


[0001]本公开涉及信息处理方法、信息处理装置以及存储介质。

技术介绍

[0002]公开有一项如下所述的技术：基于问卷的回答来将多个对象用户分类为多个特性中的任一个特性，将行为历史记录满足规定的基准的对象用户作为教导用户(teacher user)，来生成根据教导用户的行为历史记录与特性进行了学习的学习完毕模型(例如，日本特开2020－035409)。通过使用推断用户的行为历史记录与该学习完毕模型，能够推断该推断用户的特性。

技术实现思路

[0003]公开的方式之一的课题在于，能够提出与各用户对应的有效的行动(effective action)的信息处理方法、信息处理装置以及存储介质。
[0004]本公开的方式之一涉及一种信息处理方法，其中，包括：
[0005]取得推断对象用户的行为历史记录信息；
[0006]取得与上述推断对象用户的消费行为相关的特征的推断值，作为对于上述推断对象用户的行为历史记录信息向第1学习完毕模型的输入的输出，该第1学习完毕模型根据将学习对象用户的上述行为历史记录信息作为输入、将基于上述学习对象用户对问卷的回答的与上述学习对象用户的消费行为相关的特征作为输出的、与多个学习对象用户有关的第1学习数据进行学习而得到；以及
[0007]基于与上述推断对象用户的消费行为相关的特征的上述推断值来输出推断为对上述推断对象用户有效的行动。
[0008]本公开的其他方式之一涉及一种信息处理装置，其中，具备控制部，该控制部执行：
[0009]取得推断对象用户的行为历史记录信息；
[0010]取得与上述推断对象用户的消费行为相关的特征的推断值，作为对于上述推断对象用户的行为历史记录信息向第1学习完毕模型的输入的输出，该第1学习完毕模型根据将学习对象用户的上述行为历史记录信息作为输入、将基于上述学习对象用户对问卷的回答的与上述学习对象用户的消费行为相关的特征作为输出的、与多个学习对象用户有关的第1学习数据进行学习而得到；以及
[0011]基于与上述推断对象用户的消费行为相关的特征的上述推断值来输出推断为对上述推断对象用户有效的行动。
[0012]本公开的其他方式之一涉及一种记录介质，存储有用于使计算机执行下述处理的程序：
[0013]取得推断对象用户的行为历史记录信息；
[0014]取得与上述推断对象用户的消费行为相关的特征的推断值，作为对于上述推断对
象用户的行为历史记录信息向第1学习完毕模型的输入的输出，该第1学习完毕模型根据将学习对象用户的上述行为历史记录信息作为输入、将基于学习对象用户对问卷的回答的与上述学习对象用户的消费行为相关的特征作为输出的、与多个学习对象用户有关的第1学习数据进行学习而得到；以及
[0015]基于与上述推断对象用户的消费行为相关的特征的上述推断值来输出推断为对上述推断对象用户有效的行动。
[0016]根据本公开，能够提出与各用户对应的有效的行动。
附图说明
[0017]以下，参照附图对本专利技术的示例性实施例的特征、优点、技术及工业重要性进行说明，在附图中相同的附图标记表示相同的构成要素，其中：
[0018]图1是表示第1实施方式所涉及的行动推断系统中的行动的推断的流程的图的一个例子。
[0019]图2是表示信息处理装置的硬件结构的一个例子的图。
[0020]图3是表示信息处理装置的功能结构的一个例子的图。
[0021]图4是Web浏览访问日志数据的一个例子。
[0022]图5是站点分类管理器(site classification master)的一个例子。
[0023]图6是与价值观及消费行为的倾向相关的问卷的回答数据的一个例子。
[0024]图7是与措施评价相关的问卷的回答数据的一个例子。
[0025]图8是成为集群(cluster)推断模型的学习数据的整合数据(integrated data)的一个例子。
[0026]图9是表示集群推断模型的学习时的输入数据以及输出数据的一个例子的图。
[0027]图10是表示成为措施推断模型的学习数据的整合数据的一个例子。
[0028]图11是表示措施推断模型的输入数据以及输出数据的一个例子的图。
[0029]图12是表示行动推断系统中的集群推断模型以及措施推断模型的学习处理的流程图的一个例子。
[0030]图13是行动推断系统中的推断控制处理的流程图的一个例子。
[0031]图14是表示变形例所涉及的行动推断系统中的行动的推断的流程的图的一个例子。
具体实施方式
[0032]本公开的方式之一是信息处理方法。信息处理方法例如由服务器等的计算机执行。该信息处理方法包括：取得推断对象用户的行为历史记录信息；取得与推断对象用户的消费行为相关的特征的推断值，作为对于推断对象用户的行为历史记录信息向第1学习完毕模型的输入的输出；以及基于与推断对象用户的消费行为相关的特征的推断值来输出推断为对推断对象用户有效的行动。根据将学习对象用户的行为历史记录信息作为输入、将基于学习对象用户对问卷的回答的与学习对象用户的消费行为相关的特征作为输出的、与多个学习对象用户有关的第1学习数据而学习完毕第1学习完毕模型。
[0033]学习对象用户是成为学习完毕模型的学习数据的对象的用户。推断对象用户是成
为使用了学习完毕模型的推断的对象的用户。行为历史记录信息例如是网页的浏览访问日志数据。但是，行为历史记录信息并不限定于网页的浏览访问日志数据，也可以是网页的检索日志数据。另外，行为历史记录信息并不限定于Web上的行为历史记录信息，也可以是与真实世界上的行动相关的历史记录信息。被作为行为历史记录信息而采用的真实世界上的行动例如是向实体店铺的到店、以及购买等。
[0034]与消费行为相关的特征例如是对于要购买的商品或者服务的价值观及消费行为的倾向等。对于要购买的商品或者服务的价值观是指购买时重视什么。例如，存在重视品牌的用户，也存在重视功能性的用户。或者，也存在重视性价比或者是否环保的用户。对于消费行为的倾向而言，例如存在立刻决定还是慎重研究之类在购买之前花费的时间倾向、以及独自决定购买还是倾听他人的意见之类研究方法的倾向等。
[0035]与消费行为相关的特征被反映在作为表示客观事实的信息的行为历史记录信息。因此，在本公开的方式之一中，使用通过将学习对象用户的行为历史记录信息作为输入、将基于学习对象用户的问卷回答这一主观信息所取得的与消费行为相关的特征作为输出的第1学习数据而学习完毕的第1学习完毕模型。由此，能够根据推断对象用户的行为历史记录信息来推断与该推断对象用户的消费行为相关的特征。
[0036]被推断为对推断对象用户有效的行动例如有用于促销的行动以及用于商品企画的行动等。用于促销的行动例如有所提议的商品的决定、促销的方法的决定、所提议的购买方法的决定、以及本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种信息处理方法，其中，包括：取得推断对象用户的行为历史记录信息；取得与所述推断对象用户的消费行为相关的特征的推断值，作为对于所述推断对象用户的所述行为历史记录信息向第1学习完毕模型的输入的输出，该第1学习完毕模型根据将学习对象用户的所述行为历史记录信息作为输入、将基于所述学习对象用户对问卷的回答的与所述学习对象用户的消费行为相关的特征作为输出的、与多个学习对象用户有关的第1学习数据进行学习而得到；以及基于与所述推断对象用户的消费行为相关的特征的所述推断值来输出推断为对所述推断对象用户有效的行动。2.根据权利要求1所述的信息处理方法，其中，还执行取得对于多个行动的评价的推断值，作为对于与所述推断对象用户的消费行为相关的特征的所述推断值向第2学习完毕模型的输入的输出，该第2学习完毕模型根据将与所述学习对象用户的所述消费行为相关的特征作为输入、将由所述学习对象用户对于所述多个行动的评价作为输出的、与所述多个学习对象用户有关的第2学习数据进行学习而得到，基于对于所述多个行动的评价的所述推断值来判定推断为对所述推断对象用户有效的行动。3.根据权利要求1所述的信息处理方法，其中，所述第1学习完毕模型的所述第1学习数据将所述学习对象用户的所述行为历史记录信息作为输入、将与所述学习对象用户的所述消费行为相关的特征和由所述学习对象用户对于多个行动的评价作为输出，取得与所述推断对象用户的消费行为相关的特征的所述推断值以及对于所述多个行动的评价的推断值，作为对于所述推断对象用户的所述行为历史记录信息向所述第1学习完毕模型的输入的输出，基于对于所述多个行动的评价的所述推断值来对判定为对所述推断对象用户有效的行动进行判定。4.根据权利要求1～3中任一项所述的信息处理方法，其中，所述第1学习完毕模型的所述第1学习数据将基于所述学习对象用户对所述问卷的回答的、与所述学习对象用户的所述消费行为相关的特征的分类作为输出，取得与所述推断对象用户的消费行为相关的特征的分类的所述推断值，作为所述第1学习完毕模型的对于所述推断对象用户的行为历史记录信息的输入的输出。5.根据权利要求1～4中任一项所述的信息处理方法，其中，所述行为历史记录信息是网页的浏览访问日志数据。6.根据权利要求5所述的信息处理方法，其中，还执行针对所述网页的浏览访问日志数据，使用网页的每个类别的访问数量、访问频度、以及浏览时间中的至少1个来对网页的浏览的特性进行评分，所述第1学习完毕模型将所述网页的浏览的特性的得分作为输入。7.根据权利要求1～6中任一项所述的信息处理方法，其中，除了所述学习对象用户的所述行为历史记录信息以外，所述第1学习完毕模型还将所
述学习对象用户的属性信息作为所述学习数据的输入。8.根据权利要求1～7中任一项所述的信息处理方法，其中，还包括使所述第1学习完毕模型根据所述学习数据进行学习。9.一种信息处理装置，其中，具备控制部，该控制部执行：取得推断对象用户的行为历史记录信息；取得与所述推断对象用户的消费行为相关的特征的推断值，作为对于所述推断对象用户的所述行为历史记录信息向第1学习完毕模型的输入的输出，该第1学习完毕模型根据将学习对象用户的行为历史记录信息作为输入、将基于所述学习对象用户对问卷的回答的与所述学习对象用户的消费行为相关的特征作为输出的、与多个学习对象用户有关的第1学习数据进行学习而得到；以及基于与所述推断对象用户的消费行为相关的特征的所述推断值来输出推断为对所述推断对象用户有效的行动。10.根据权利要求9所述的信息处理装置，其中，所述控制部还执行取得对于多个行动的评价的推断值，作为对于与所述推断对象用户的消费行为相关的特征的所述推断值向第2学习完毕模型的输入的输出，该第2学习完毕模型根据将与所述学习对象用户的所述消费行为相关的特征作为输入、将由所述学习对象用户对于所述多个行动的评价作为输出的、与所述多个学习对象用户有关的第2学习数据进行学习而得到，所述控制部基于对于所述多个行动的评价的所述推断值来判定推断为对所述推断对象用户有效...

【专利技术属性】
技术研发人员：佐佐木纪之，
申请(专利权)人：丰田自动车株式会社，
类型：发明
国别省市：