重要度予測システム、重要度予測プログラム、及び重要度予測方法
【課題】ある評価対象を説明する情報が当該評価対象の評価においてどの程度重要であるかを予測できる重要度予測システム、重要度予測プログラム、及び重要度予測方法を提供する。
【解決手段】重要度予測装置３００は、人物を識別する情報と、評価対象を識別する情報と、当該人物による当該評価対象の評価値若しくは当該人物が有する当該評価対象の評価値を表す情報と、を対応付けた観測値データと評価対象を説明する説明情報とを取得する取得部３４０を備える。また、重要度予測装置３００は、説明情報の重要度を表す確率変数を、人物の特徴を表す確率変数と説明情報の特徴を表す確率変数とで表し、人物の特徴を表す確率変数と、説明情報の特徴を表す確率変数と、が従う事前確率分布の母数を表すパラメタを観測値データを用いて推定する推定部３５３を備える。
【解決手段】重要度予測装置３００は、人物を識別する情報と、評価対象を識別する情報と、当該人物による当該評価対象の評価値若しくは当該人物が有する当該評価対象の評価値を表す情報と、を対応付けた観測値データと評価対象を説明する説明情報とを取得する取得部３４０を備える。また、重要度予測装置３００は、説明情報の重要度を表す確率変数を、人物の特徴を表す確率変数と説明情報の特徴を表す確率変数とで表し、人物の特徴を表す確率変数と、説明情報の特徴を表す確率変数と、が従う事前確率分布の母数を表すパラメタを観測値データを用いて推定する推定部３５３を備える。
【発明の詳細な説明】
【技術分野】
【０００１】
本発明は、重要度予測システム、重要度予測プログラム、及び重要度予測方法に関する。
【背景技術】
【０００２】
この種の技術として特許文献１には、あるシーンにおける撮影対象や撮影状況などといった当該シーンを説明するサイド情報の一部に対して、当該撮影対象や撮影状況などを利用者がどの程度好むかを表す嗜好度を登録すると、当該嗜好度に基づいて選択された撮影対象や撮影状況などを含むシーンをダイジェストに加工するシステムが開示されている。
【先行技術文献】
【特許文献】
【０００３】
【特許文献１】特開２００４−０７２５４０号公報
【発明の概要】
【発明が解決しようとする課題】
【０００４】
ここで、特許文献１に係る技術では、あるシーンの撮影対象や撮影状況が嗜好度の登録されていないもののみからなる場合には、撮影対象や撮影状況が利用者にとってどの程度好まれるか（つまり、どの程度重要であるか）を予測できないために、当該シーンをダイジェストに加工できなかった。
【０００５】
本発明は、このような問題に鑑みてなされたもので、ある評価対象を説明する情報が当該評価対象の評価においてどの程度重要であるかを予測できる重要度予測システム、重要度予測プログラム、及び重要度予測方法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】
【０００６】
上記目的を達成するため、本発明の第１の観点に係る重要度予測システムは、
人物を識別する情報と、評価対象を識別する情報と、当該人物による当該評価対象の評価値若しくは当該人物が有する当該評価対象の評価値を表す情報と、を対応付けた観測値データと前記評価対象を説明する説明情報とを取得する取得手段と、
前記取得された説明情報が前記評価対象の評価においてどの程度重要であるかを示す重要度を表す確率変数を、前記取得された情報で表される評価値を用いて定義する定義手段と、
前記定義された重要度を表す確率変数を、前記人物の特徴を表す確率変数と前記説明情報の特徴を表す確率変数とで表す分解手段と、
前記人物の特徴を表す確率変数と、前記説明情報の特徴を表す確率変数と、が予め定められた事前確率分布に従う場合に、前記事前確率分布の母数を表すパラメタを、前記取得された観測値データを用いて推定する推定手段と、
前記推定されたパラメタに基づいて前記説明情報の重要度の予測値を算出する予測値算出手段と、
前記算出された当該説明情報の重要度の予測値を表す情報と、前記人物を識別する情報と、前記説明情報と、を対応付けた出力データを出力する出力手段と、を備える、
ことを特徴としている。
【０００７】
上記目的を達成するため、本発明の第２の観点に係る重要度予測プログラムは、
人物を識別する情報と、評価対象を識別する情報と、当該人物による当該評価対象の評価値若しくは当該人物が有する当該評価対象の評価値を表す情報と、を対応付けた観測値データと前記評価対象を説明する説明情報とを取得する取得手段、
前記取得された説明情報が前記評価対象の評価においてどの程度重要であるかを示す重要度を表す確率変数を、前記取得された情報で表される評価値を用いて定義する定義手段、
前記定義された重要度を表す確率変数を、前記人物の特徴を表す確率変数と前記説明情報の特徴を表す確率変数とで表す分解手段、
前記人物の特徴を表す確率変数と、前記説明情報の特徴を表す確率変数と、が予め定められた事前確率分布に従う場合に、前記事前確率分布の母数を表すパラメタを、前記取得された観測値データを用いて推定する推定手段、
前記推定されたパラメタに基づいて前記説明情報の重要度の予測値を算出する予測値算出手段、
前記算出された当該説明情報の重要度の予測値を表す情報と、前記人物を識別する情報と、前記説明情報と、を対応付けた出力データを出力する出力手段、として機能させる、
ことを特徴としている。
【０００８】
上記目的を達成するため、本発明の第３の観点に係る重要度予測方法は、
人物を識別する情報と、評価対象を識別する情報と、当該人物による当該評価対象の評価値若しくは当該人物が有する当該評価対象の評価値を表す情報と、を対応付けた観測値データと前記評価対象を説明する説明情報とを取得する取得ステップと、
前記取得された説明情報が前記評価対象の評価においてどの程度重要であるかを示す重要度を表す確率変数を、前記取得された情報で表される評価値を用いて定義する定義ステップと、
前記定義された重要度を表す確率変数を、前記人物の特徴を表す確率変数と前記説明情報の特徴を表す確率変数とで表す変数分解ステップと、
前記人物の特徴を表す確率変数と、前記説明情報の特徴を表す確率変数と、が予め定められた事前確率分布に従う場合に、前記事前確率分布の母数を表すパラメタを、前記取得された観測値データを用いて推定するパラメタ推定ステップと、
前記推定されたパラメタに基づいて前記説明情報の重要度の予測値を算出する予測値算出ステップと、
前記算出された当該説明情報の重要度の予測値を表す情報と、前記人物を識別する情報と、前記説明情報と、を対応付けた出力データを出力する出力ステップと、を有する、
ことを特徴としている。
【発明の効果】
【０００９】
本発明によれば、ある評価対象を説明する情報が当該評価対象の評価においてどの程度重要であるかを予測できる。
【図面の簡単な説明】
【００１０】
【図１】本発明の実施形態１に係る重要度予測システムの一構成例を表す図である。
【図２】（ａ）は、重要度予測装置のハードウェア構成の一例を表す構成図である。（ｂ）は、ウェブサーバのハードウェア構成の一例を表す構成図である。
【図３】（ａ）は、本発明に係る重要度予測装置が有する機能の一例を表す機能ブロック図である。（ｂ）は、パラメタ推定部の一構成例を表す図である。
【図４】本発明の実施形態１における入力データテーブルの一例を表す図である。
【図５】重要度予測装置が実行する重要度予測処理の一例を表すフローチャートである。
【図６】ウェブサーバが有する機能の一例を表す機能ブロック図である。
【図７】ウェブサーバが実行するウェブページ出力処理の一例を表すフローチャートである。
【図８】実施形態１における重要度予測値に基づいてソートされたサイド情報の一例を表す図である。
【図９】情報記憶部が記憶する商品等広告テーブルの一例を表す図である。
【図１０】本発明の実施形態２に係る重要度予測システムの一構成例を表す図である。
【図１１】本発明の実施形態２における入力データテーブルの一例を表す図である。
【図１２】本発明の実施形態２に係る重要度予測装置が実行する重要度予測値出力処理の一例を表すフローチャートである。
【図１３】実施形態２における重要度予測値に基づいてソートされたサイド情報の一例を表す図である。
【発明を実施するための形態】
【００１１】
以下、本発明の実施例について添付図面を参照しつつ説明する。
＜実施形態１＞
【００１２】
本発明の実施形態１に係る重要度予測システム１は、図１に示すように、通信網１０、端末装置１０１から１０３、ウェブサーバ２００、及び重要度予測装置３００で構成される。
【００１３】
通信網１０は、インターネットで構成される。通信網１０は、ＬＡＮ（Local Area Network）又は公衆回線網であっても良い。
【００１４】
端末装置１０１は、入力部１０１ａ及び表示部１０１ｂを有するパーソナル・コンピュータで構成される。端末装置１０２及び１０３は、入力部１０２ａ及び表示部１０２ｂ、並びに入力部１０３ａ及び表示部１０３ｂを有する。端末装置１０１から１０３の構成はそれぞれ同様であるので、以下、端末装置１０１について主に説明を行う。
【００１５】
ユーザが、例えば、アンケートに回答するために、端末装置１０１の入力部１０１ａに対して所定の入力操作を行うと、入力部１０１ａは、当該入力操作に応じて、ユーザを識別する情報（以下、ユーザ識別情報という）ｕと、ユーザが評価の対象とする商品若しくはサービス（以下、商品等という）を識別する情報（以下、評価対象識別情報という）ｙと、当該商品等にどの程度ユーザが満足したかを表す評価値ｄ＿ｕｙを表す情報と、を対応付けた観測値データを入力する。次に、端末装置１０１は、入力された観測値データを、通信網１０を介してウェブサーバ２００へ出力する。
【００１６】
ウェブサーバ２００は、評価対象を識別する情報ｙと、例えば、商品等のカテゴリ、商品等の生産国、商品の色や形状、及び商品等の値段など、評価対象をそれぞれ説明する複数の説明情報（以下、サイド情報という）ｓと、を対応付けて記憶している。ウェブサーバ２００は、観測値データを端末装置１０１から１０３のいずれかから受信すると、観測値データから評価対象識別情報ｙを抽出し、抽出した評価対象識別情報ｙに対応付けられたサイド情報ｓを検索する。その後、ウェブサーバ２００は、観測値データと、検索されたサイド情報ｓと、を対応付けた入力データを重要度予測装置３００へ転送する。
【００１７】
次に、重要度予測装置３００は、転送された入力データを記憶する。その後所定時刻になると、重要度予測装置３００は、サイド情報ｓがそれぞれのユーザによる評価においてどの程度重要であるかを表す指標（以下、重要度という）ｑ＿ｕｓの予測値ｈｑ＿ｕｓを、複数の観測値データに基づいて算出する。
【００１８】
その後、ウェブサーバ２００は、所定時刻になると、重要度予測装置３００に対して重要度予測値ｈｑ＿ｕｓの送信を求めるリクエスト（以下、予測値送信リクエストという）を送信する。重要度予測装置３００は、ウェブサーバ２００から当該リクエストを受信すると、算出した重要度予測値ｈｑ＿ｕｓを表す情報（以下、重要度予測値情報という）と、ユーザ識別情報ｕと、サイド情報ｓと、を対応付けた出力データをウェブサーバ２００へ出力する。ウェブサーバ２００は、出力された出力データを受信すると、受信した当該データを記憶する。
【００１９】
また、ユーザが、所望のウェブページを閲覧するために、端末装置１０１の入力部１０１ａに対して所定の操作を行うと、端末装置１０１は、当該操作に応じて、当該ウェブページの送信を求めるウェブページ送信リクエストを入力し、入力したリクエストを、通信網１０を介してウェブサーバ２００へ出力する。尚、ウェブページ送信リクエストには、当該ユーザのユーザ識別情報ｕと、ユーザが返信を求めるウェブページの所在を表すＵＲＬ（Uniform Resource Locator）と、が含まれる。
【００２０】
その後、ウェブサーバ２００は、当該リクエストを入力すると、当該リクエストに含まれるＵＲＬで表される所在からウェブページを取得する。次に、ウェブサーバ２００は、当該リクエストに含まれるユーザ識別情報ｕに対応付けられた重要度予測値情報とサイド情報ｓとを出力データから抽出する。その後、ウェブサーバ２００は、上位の重要度予測値ｈｑ＿ｕｓを表す情報に対応付けられたサイド情報ｓで説明される商品等の広告が追加されたウェブページを表す情報を、通信網１０を介して端末装置１０１へ返信する。端末装置１０１は、当該情報を受信すると、広告が追加されたウェブページを表示部１０１ｂに表示する。
【００２１】
次に、ウェブサーバ２００について説明する前に、図２（ａ）を参照して、重要度予測装置３００のハードウェア構成について説明する。
重要度予測装置３００は、図２（ａ）に示すように、ＣＰＵ（Central Processing Unit）３００ａ、ＲＯＭ（Read Only Memory）３００ｂ、ＲＡＭ（Random Access Memory）３００ｃ、ハードディスク３００ｄ、メディアコントローラ３００ｅ、ＬＡＮカード（Local Area Network）３００ｆ、ビデオカード３００ｇ、ＬＣＤ（Liquid Crystal Display）３００ｈ、キーボード３００i、スピーカ３００ｊ、及びタッチパッド３００ｋで構成される。
【００２２】
ＣＰＵ３００ａは、ＲＯＭ３００ｂ又はハードディスク３００ｄに保存されたプログラムに従ってソフトウェア処理を実行することで、重要度予測装置３００の全体制御を行う。ＲＡＭ３００ｃは、ＣＰＵ３００ａによるプログラムの実行時において、処理対象とするデータを一時的に記憶する。
【００２３】
ハードディスク３００ｄは、各種のデータを保存したテーブルを記憶する。尚、重要度予測装置３００は、ハードディスク３００ｄの代わりに、フラッシュメモリを備えても良い。
【００２４】
メディアコントローラ３００ｅは、フラッシュメモリ、ＣＤ（Compact Disc）、ＤＶＤ（Digital Versatile Disc）、及びブルーレイディスク（Blu-ray Disc）（登録商標）を含む記録媒体から各種のデータ及びプログラムを読み出す。
【００２５】
ＬＡＮカード３００ｆは、ウェブサーバ２００との間でデータを通信する。キーボード３００i及びタッチパッド３００ｋは、ユーザの操作に応じた信号又は情報を入力する。
【００２６】
ビデオカード３００ｇは、ＣＰＵ３００ａから出力されたデジタル信号に基づいて画像を描画（つまり、レンダリング）すると共に、描画された画像を表す画像信号を出力する。ＬＣＤ３００ｈは、ビデオカード３００ｇから出力された画像信号に従って画像を表示する。尚、重要度予測装置３００は、ＬＣＤ３００ｈの代わりに、ＰＤＰ（Plasma Display Panel）又はＥＬ（Electroluminescence）ディスプレイを備えても良い。スピーカ３００ｊは、ＣＰＵ３００ａから出力された信号に基づいて音声を出力する。
【００２７】
次に、図３を参照して、重要度予測装置３００が有する機能について説明する。
図２（ａ）に示したＬＡＮカード３００ｆが入力データを受信すると、ＣＰＵ３００ａは、入力データを保存する保存処理を実行する。これにより、ＣＰＵ３００ａは、図３（ａ）に示す入力部３２０及び保存部３３０として機能する。また、ＣＰＵ３００ａは、ハードディスク３００ｄと協働して情報記憶部３１０として機能する。
【００２８】
入力部３２０は、保存処理を開始すると、ＬＡＮカード３００ｆから入力データを入力し、入力データを保存部３３０へ出力する。保存部３３０は、入力データを、図４に示す入力データテーブルへ保存した後に、保存処理の実行を終了する。
【００２９】
尚、入力データテーブルは、情報記憶部３１０に記憶されている。また、入力データテーブルには、ユーザを識別するユーザ識別情報と、ユーザの名称を表すユーザ名情報と、評価対象を識別する評価対象識別情報と、評価対象の名称を表す評価対象名情報と、当該ユーザによる当該評価対象に対する評価値を表す評価値情報と、当該評価対象を説明するサイド情報を記号「,」で連結した情報と、を対応付けた情報が複数保存されている。
【００３０】
また、図２に示したＣＰＵ３００ａは、例えば、ハードウェアタイマを監視することで、午後２時といった予め定められた時刻になると、図５に示すような、サイド情報の重要度を予測する重要度予測処理を実行する。これにより、ＣＰＵ３００ａは、図３に示すような取得部３４０、パラメタ推定部３５０、及び重要度算出部３６０として機能する。尚、パラメタ推定部３５０は、図３（ｂ）に示すような定義部３５１、分解部３５２、及び推定部３５３を有する。
【００３１】
取得部３４０は、重要度予測処理を開始すると、図４に示した入力データテーブルから、ユーザ識別情報ｕと、評価対象識別情報ｙと、評価値ｄ＿ｕｙを表す評価値情報と、複数のサイド情報ｓと、が対応付けられた複数の入力データを取得するデータ取得処理を行う（ステップＳ０１）。
【００３２】
ここで、取得部３４０が取得した入力データを以下の式（１）から（４）で表す。
ｕ：ユーザ識別情報 （但し、ｕは、１からＮまでの正数）…（１）
ｙ：評価対象識別情報 （但し、ｙは、１からＭまでの正数）…（２）
ｄ＿ｕｙ：ｕで識別されるユーザによるｙで識別される評価対象の評価値（但し、ｄ＿ｕｙは実数）…（３）
ｓｙｉ：ｙで識別される評価対象のｉ番目のサイド情報（但し、ｉは、１からＬ＿ｙまで）…（４）
【００３３】
また、以下の式（５）から（８）に示すような確率変数Ｕ、Ｙ、及びＤ、並びに集合Ｓ＿ｙを定義すると、取得部３４０で取得された入力データは、以下の式（９）で表される。
Ｕ： 観測値ｕを表す変数…（５）
Ｙ： 観測値ｙを表す変数…（６）
Ｄ： 観測値ｄ＿ｕｙを表す変数…（７）
Ｓ＿ｙ＝｛ｓｙ１，・・・，ｓｙＬ＿ｙ｝： ｙで識別される評価対象のサイド情報ｓｙｉを要素とする集合…（８）
【００３４】
（Ｕ＝１，Ｙ＝１，Ｄ＝２，Ｓ＿１＝｛ｓ１１，ｓ１２，ｓ１３，…，ｓ１Ｌ＿１｝）、（Ｕ＝１，Ｙ＝２，Ｄ＝１，Ｓ＿２＝｛ｓ２１，ｓ２２，…，ｓ２Ｌ＿２｝）、…（Ｕ＝ｕ，Ｙ＝ｙ，Ｄ＝ｄ＿ｕｙ，Ｓ＿ｙ＝｛ｓｙ１，ｓｙ２，ｓｙ３，…，ｓｙＬ＿ｙ｝）、（Ｕ＝Ｎ，Ｙ＝Ｍ，Ｄ＝ｄ＿ＮＭ、Ｓ＿Ｍ＝｛ｓＭ１，ｓＭ２，…，ｓＭＬ＿Ｍ｝）…（９）
【００３５】
ステップＳ０１の後に、定義部３５１は、Ｎ×Ｍ次元の行列であって、ｕ行ｙ列の要素が評価値ｄ＿ｕｙである評価値行列Ｒを、入力データから生成する（ステップＳ０２）。
【００３６】
次に、定義部３５１は、上式（８）に示した集合Ｓ＿ｙから、以下の式（１０）で表されるような、全てのサイド情報を要素ｓとする集合Ｓを生成する。
【数１】
【００３７】
次に、定義部３５１は、集合Ｓの要素であるサイド情報ｓと、サイド情報ｓの番号ｊ（但し、ｊ＝１からＬ）と、を対応付けて情報記憶部３１０へ保存する。その後、定義部３５１は、各ユーザ識別情報ｕでそれぞれ識別されるユーザ、及び各サイド情報ｓについて、ユーザに対するサイド情報ｓの出現率ｆ＿ｕｓを、以下の式（１１）に入力データを用いることで算出する（ステップＳ０３）。
【００３８】
尚、この出現率ｆ＿ｕｓは、サイド情報ｓで説明される評価対象の総数に対する、ユーザ識別情報ｕで識別されるユーザが評価した評価対象の内で、サイド情報として当該サイド情報ｓが出現する（つまり、サイド情報ｓで説明される）評価対象の数の割合である。
【００３９】
【数２】
Ｉ（ｓｙｉ，ｓ）：ｓｙｉとｓとが同じ場合に値１を返し、ｓｙｉとｓとが異なる場合に値０を返す関数
Ｉ’（ｕ，ｙ）：識別情報ｕで識別されるユーザが、識別情報ｙで識別される評価対象を評価した場合に値１を返し、評価していない場合に値０を返す関数
【００４０】
その後、定義部３５１は、算出した出現率ｆ＿ｕｓを用いて、ユーザ識別情報ｕで識別されるユーザにとってサイド情報ｓが評価においてどの程度重要であるかを表す重要度を表す確率変数ｑ＿ｕｓを、以下の式（１２）のように定義し、定義に従って確率変数ｑ＿ｕｓを算出する（ステップＳ０４）。
【００４１】
ｑ＿ｕｓ ＝ ｇ（ｆ＿ｕｓ）・・・（１２）
【００４２】
但し、ｇ（）は任意の関数で良いが、説明を簡単にするため、ｇ（ｆ＿ｕｓ）＝ｆ＿ｕｓであるとして説明を行う。
【００４３】
次に、定義部３５１は、Ｎ×Ｌ次元の行列であり、ｕ行ｊ列の要素がｑ＿ｕｓである重要度行列Ｑを生成する（ステップＳ０５）。
【００４４】
その後、図３（ｂ）に示したパラメタ推定部３５０の分解部３５２は、値が推定されるベクトルとして、識別情報ｕで識別されるユーザが有するＫ個の特徴を表す確率変数のベクトル（以下、ユーザ特徴ベクトルという）Ｘ＿ｕと、識別情報ｙで識別される評価対象が有するＫ個の特徴を表す確率変数のベクトル（以下、評価対象特徴ベクトルという）Ｗ＿ｙと、サイド情報ｓの重要度が有するＫ個の特徴を表す確率変数のベクトル（以下、サイド情報特徴ベクトルという）Ｖ＿ｓと、を生成する。尚、サイド情報ｓは、上式（１０）に示した集合Ｓのｊ番目の要素であるとする。
【００４５】
ここで、評価対象特徴ベクトルＷ＿ｙの次元毎に評価対象の特徴が対応付けられ、評価対象特徴ベクトルＷ＿ｙの各次元の要素が、当該各次元に対応した特徴を数値で表している。また、ユーザ特徴ベクトルＸｕの各次元の要素は、評価対象特徴ベクトルＷ＿ｙの当該各次元に対応した評価対象の各特徴をどの程度好きか若しくは嫌いかといったユーザの特徴を数値で表す。このため、識別情報ｙで識別される評価対象に対する識別情報ｕで識別されるユーザの評価値ｄ＿ｕｙは、下式（１３）に示すように、ユーザ特徴ベクトルＸ＿ｕと評価対象特徴ベクトルＷ＿ｙとの内積で表すことができる。
【００４６】
ｄ＿ｕｙ ≒ Ｘ＿ｕ・Ｗ＿ｙＴ・・・（１３）
但し、記号「・」は内積を表し、記号「Ｗ＿ｙＴ」はベクトルＷ＿ｙの転置を表す。
【００４７】
つまり、ユーザがある商品等のある特徴が好きであって、当該商品等に当該ユーザが好きな特徴があれば、当該商品等に対するユーザの評価値ｄ＿ｕｙが大きくなり易い。これに対して、当該商品等に当該ユーザが好きな特徴がなければ、当該商品等に対するユーザの評価値ｄ＿ｕｙが小さくなり易い。
【００４８】
また同様に、サイド情報の特徴を表すベクトルＶ＿ｓの各次元は、各サイド情報の特徴を表しており、例えば、サイド情報が保有する商品等の特徴（例えば、形状や色など）を表す。そして、各要素は、例えば、各サイド情報がどのような商品等の特徴（例えば、形状や色など）をどのくらい保持しているかを表す。このため、識別情報ｕで識別されるユーザのサイド情報ｓの重要度ｑ＿ｕｓは、下式（１４）に示すように、ユーザ特徴ベクトルＸ＿ｕとサイド情報特徴ベクトルＶ＿ｓとの内積で表すことができる。
【００４９】
ｑ＿ｕｓ ≒ Ｘ＿ｕ・Ｖ＿ｓＴ・・・（１４）
但し、記号「・」は内積を表し、記号「Ｖ＿ｓＴ」はベクトルＶ＿ｓの転置を表す。
【００５０】
ステップＳ０５の後に、分解部３５２は、Ｎ×Ｋ次元の行列であって、ｕ行目がベクトルＸ＿ｕであるユーザ特徴行列Ｘと、Ｍ×Ｋ次元の行列であって、ｙ行目がベクトルＷ＿ｙである評価対象特徴行列Ｗと、Ｌ×Ｋ次元の行列であって、ｊ行目がベクトルＶ＿ｓである評価対象特徴行列Ｖと、を値が推定される行列として生成する（ステップＳ０６）。
【００５１】
次に、分解部３５２は、ステップＳ０２で算出された評価値行列Ｒを、下式（１５）に示すようにユーザ特徴行列Ｘと、対象特徴行列Ｗと、で表す（ステップＳ０７）。
Ｒ≒ＸＷＴ・・・（１５）
但し、ＷＴは、行列Ｗの転置行列
【００５２】
次に、分解部３５２は、ステップＳ０５で算出された重要度行列Ｑを、下式（１６）に示すようにユーザ特徴行列Ｘと、評価対象特徴行列Ｖと、で表す（ステップＳ０８）。
Ｑ≒ＸＶＴ・・・（１６）
但し、ＶＴは、行列Ｖの転置行列
【００５３】
ここで、ステップＳ０２で生成した評価値行列Ｒ、ステップＳ０６で生成したユーザ特徴行列Ｘ及び評価対象特徴行列Ｗ、並びにステップＳ０５で生成した重要度行列Ｑを観測値とする確率変数Ｘ、Ｗ、Ｑ、及びＶの分散をそれぞれσ、η、γ、β、及びαとする。これらパラメタ推定部３５０が値を推定するパラメータα、β、γ、η、及びσ、並びにＸ、Ｗ、及びＶについて、以下の式（１７）から（２２）が成立する。尚、式（１９）、式（２０）、及び式（２２）は、確率変数Ｘの事前分布、確率変数Ｗの事前分布、及び確率変数Ｖの事前分布をそれぞれ表す。
【００５４】
Ｐ（Ｒ，Ｘ，Ｗ，Ｑ，Ｖ｜α，β，γ，η)＝Ｐ（Ｒ｜Ｘ，Ｗ，σ）Ｐ（Ｘ｜η）Ｐ（Ｗ｜γ）Ｐ（Ｑ｜Ｘ，Ｖ，β）Ｐ（Ｖ｜α）・・・（１７）
Ｐ（Ｒ｜Ｘ，Ｗ，σ）＝Ｎ（Ｒ｜ＸＷＴ，σ2Ｉ＿Ｎ）・・・（１８）
Ｐ（Ｘ｜η）＝Ｎ（Ｘ｜０，η２Ｉ＿Ｎ）・・・（１９）
Ｐ（Ｗ｜γ）＝Ｎ（Ｗ｜０，γ２Ｉ＿Ｍ）・・・（２０）
Ｐ（Ｑ｜Ｘ，Ｖ，β）＝Ｎ（Ｑ｜ＸＶＴ，β２Ｉ＿Ｎ）・・・（２１）
Ｐ（Ｖ｜α）＝Ｎ（Ｖ｜０，α２Ｉ＿Ｌ）・・・（２２）
ＷＴ：行列Ｗの転置行列
Ｉ＿Ｎ：Ｎ×Ｎ次元の単位行列
Ｎ（Ｒ｜ＸＷＴ，σ2Ｉ＿Ｎ）：平均がＸＷＴで共分散行列がσ2Ｉ＿Ｎのガウス分布：
Ｉ＿Ｍ：Ｍ×Ｍ次元の単位行列
ＶＴ：行列Ｖの転置行列
Ｎ（Ｑ｜ＸＶＴ，β２Ｉ＿Ｎ）：平均がＸＶＴで共分散行列がβ2Ｉ＿Ｎのガウス分布
Ｉ＿Ｌ：Ｌ×Ｌ次元の単位行列
【００５５】
次に、図３（ｂ）に示すパラメタ推定部３５０の推定部３５３は、パラメータσ、η、γ、α、β、Ｘ、Ｗ、及びＶを、上式（１７）の対数尤度関数を用いた最尤推定によって求める（ステップＳ０９）。
【００５６】
その後、図３に示した重要度算出部３６０は、下式（２３）を用いて、各ユーザ識別情報ｕ及び各サイド情報ｓについて重要度ｑ＿ｕｓの予測値（以下、重要度予測値という）ｈｑ＿ｕｓをそれぞれ算出する。次に、重要度算出部３６０は、各ユーザ識別情報ｕについて、Ｌ次元のベクトルであり、ｊ列の要素がｈｑ＿ｕｓである予測値ベクトルＨＱ＿ｕを生成する。また、重要度算出部３６０は、Ｎ×Ｌ次元の行列であり、ｕ行ｊ列の要素がｈｑ＿ｕｓである（つまり、ｕ行のベクトルが予測値ベクトルＨＱ＿ｕである）予測値行列ＨＱを生成する（ステップＳ１０）。
【００５７】
【数３】
【００５８】
その後、重要度算出部３６０は、算出した予測値行列ＨＱを表す情報を情報記憶部３１０へ保存した後に（ステップＳ１１）、重要度予測処理の実行を終了する。
【００５９】
重要度予測処理が終了した後に、例えば、午前４時などの予め定められた時刻になると、ウェブサーバ２００は、予測値送信リクエストを重要度予測装置３００へ送信する。図２（ａ）に示したＬＡＮカード３００ｆが当該リクエストを受信すると、ＣＰＵ３００ａは、重要度予測値情報を出力する予測値出力処理を実行する。ＣＰＵ３００ａは、図３（ａ）に示す入力部３２０、検索部３７０、及び出力部３８０として機能する。
【００６０】
予測値出力処理を開始すると、入力部３２０は、ＬＡＮカード３００ｆから予測値送信リクエストを入力する。次に、検索部３７０は、情報記憶部３１０に保存された予測値行列ＨＱを表す情報と、サイド情報ｓを表す情報と、サイド情報ｓの順番ｊを表す情報と、を検索する。その後、検索部３７０は、予測値行列ＨＱを表す情報と、サイド情報ｓを表す情報と、サイド情報ｓの順番ｊを表す情報と、を対応付けた出力データを生成する。尚、この予測値行列ＨＱは、行番号でユーザ識別情報ｕに対応付けられ、列番号ｊでサイド情報ｓに対応付けられている。
【００６１】
その後、出力部３８０は、出力データをＬＡＮカード３００ｆへ出力した後に、予測値出力処理を終了する。尚、ＬＡＮカード３００ｆは、出力された出力データをウェブサーバ２００へ送信する。
【００６２】
次に、図１に示したウェブサーバ２００について説明する。
ウェブサーバ２００は、重要度予測装置３００と同様に、図２（ｂ）に示すようなＣＰＵ２００ａ、ＲＯＭ２００ｂ、ＲＡＭ２００ｃ、ハードディスク２００ｄ、メディアコントローラ２００ｅ、ＬＡＮカード２００ｆ、ビデオカード２００ｇ、ＬＣＤ２００ｈ、キーボード２００i、スピーカ２００ｊ、及びタッチパッド２００ｋで構成される。
【００６３】
ＣＰＵ２００ａは、例えば、ハードウェアタイマを監視することで、予め定められた時刻になると、重要度予測装置３００へ予測値送信リクエストを出力するリクエスト出力処理を実行する。これにより、ＣＰＵ２００ａは、図６に示す出力部２２０、入力部２３０、及び予測値保存部２４０として機能する。また、ＣＰＵ２００ａは、ハードディスク２００ｄと協働して予測値記憶部２１０ａとして機能する。
【００６４】
リクエスト出力処理を開始すると、出力部２２０は、予測値送信リクエストをＬＡＮカード２００ｆへ出力する。次に、ＬＡＮカード２００ｆは、予測値送信リクエストを重要度予測装置３００へ送信する。
【００６５】
その後、ＬＡＮカード２００ｆが予測値行列ＨＱを表す情報を含む出力データを受信すると、入力部２３０は、ＬＡＮカード２００ｆから出力データを入力する。次に、予測値保存部２４０は、入力された出力データで、予測値記憶部２１０ａが記憶する出力データを上書保存（つまり、更新）した後に、予測値送信リクエスト出力処理の実行を終了する。
【００６６】
出力データが保存された後に、端末装置１０１からＬＡＮカード２００ｆがウェブページ送信リクエストを受信すると、図２（ｂ）に示すＣＰＵ２００ａは、図７に示すようなウェブページ出力処理を実行する。これにより、ＣＰＵ２００ａは、図６に示す出力部２２０、入力部２３０、予測値検索部２５０、サイド情報選択部２６０、広告選択部２７０、ウェブページ読出部２８０、及び履歴更新部２９０として機能する。また、ＣＰＵ２００ａは、ハードディスク２００ｄと協働して広告記憶部２１０ｂ、ページ記憶部２１０ｃ、及び履歴記憶部２１０ｄとして機能する。
【００６７】
ウェブページ出力処理を開始すると、入力部２３０は、図２（ｂ）に示したＬＡＮカード２００ｆからウェブページ送信リクエストを入力する（ステップＳ２１）。
【００６８】
次に、予測値検索部２５０は、ウェブページ送信リクエストからユーザ識別情報ｕを抽出する（ステップＳ２２）。本実施形態において、抽出されたユーザ識別情報ｕが値２であった場合を例に挙げて説明する。
【００６９】
その後、予測値検索部２５０は、予測値記憶部２１０ａに記憶された出力データから、１番目からＬ番目までのサイド情報ｓを表す情報を取得する（ステップＳ２３）。次に、予測値検索部２５０は、予測値記憶部２１０ａに記憶された出力データから予測値行列ＨＱを表す情報を検索した後に、ユーザ識別情報ｕに基づいて予測値行列ＨＱから予測値ベクトルＨＱ＿ｕを検索する（ステップＳ２４）。つまり、予測値行列ＨＱの２行目の予測値ベクトルＨＱ＿２を検索する。
【００７０】
次に、サイド情報選択部２６０は、予測値ベクトルＨＱ＿２の要素値である重要度予測値ｈｑ＿ｕｓを降順にソートし、サイド情報選択部２６０は、重要度予測値ｈｑ＿ｕｓの並び順に応じてサイド情報ｓをソートする。その後、サイド情報選択部２６０は、図８に示すようにソートされたサイド情報ｓから、並び順が早い順（つまり、重要度予測値ｈｑ＿ｕｓが大きい順）に所定数だけ選択し、選択サイド情報とする（ステップＳ２５）。尚、所定数を表す情報は、図２（ｂ）に示すハードディスク２００ｄに予め保存されており、本実施形態では、所定数は２個であるとする。つまり、サイド情報選択部２６０は、図８に示すサイド情報「木製」及び「収納」を選択サイド情報とする。
【００７１】
次に、広告選択部２７０は、選択サイド情報「木製」及び「収納」に基づき広告記憶部２１０ｂから広告ファイルを選択する（ステップＳ２６）。具体的には、図６に示す広告記憶部２１０ｂには、図９に示すような商品等広告テーブルが記憶されており、商品等広告テーブルには、サイド情報と、サイド情報で説明される商品等を広告する広告ファイルの名称が優先順位の高い順に向かって左から記号「，」で連結された情報とを対応付けた情報が複数保存されている。このため、広告選択部２７０は、商品等広告テーブルにおいてサイド情報「木製」に対応付けられた広告ファイルの名称から優先度に応じて１つ選択する。この選択時に、広告選択部２７０は、優先度の高い名称程、高確率で選択する。つまり、広告選択部２７０は、「チェアＡ」を「チェアＢ」よりも高確率、かつ「チェアＢ」を「チェアＣ」よりも高確率で選択する。また同様に、広告選択部２７０は、商品等広告テーブルにおいてサイド情報「収納」に対応付けられた広告ファイルの名称から優先度に応じて１つ選択する。
【００７２】
その後、広告選択部２７０は、選択した名称の広告ファイルを広告記憶部２１０ｂから読み出し、読み出した広告ファイルをウェブページ読出部２８０へ出力する。
【００７３】
次に、ウェブページ読出部２８０は、ステップＳ２１で入力されたウェブページ送信リクエストからＵＲＬを抽出し、抽出したＵＲＬに在るウェブページを表すデータをページ記憶部２１０ｃから読み出す（ステップＳ２７）。
【００７４】
その後、履歴更新部２９０は、ウェブページのＵＲＬを表す情報と、ウェブページに掲載された商品等の識別情報ｙと、ウェブページの送信を要求したユーザのユーザ識別情報と、に対応付けて履歴記憶部２１０ｄが記憶するウェブページの送信回数を表す情報を、当該送信回数よりも１回多い回数を表す情報に更新する（ステップＳ２８）。
【００７５】
その後、出力部２２０は、ステップＳ２７で読み出されたウェブページに対して、ステップＳ２６で選択された広告ファイルで表される広告画像を追加した後に、広告画像が追加されたウェブページを表すデータを、図２に示したＬＡＮカード２００ｆへ出力した後に（ステップＳ２９）、ウェブページ出力処理の実行を終了する。
【００７６】
尚、ＬＡＮカード２００ｆは、広告画像が追加されたウェブページを表すデータを端末装置１０１へ送信する。端末装置１０１は、当該データを受信すると、表示部へ当該データで表されるウェブページを表示部１０１ｂに表示する。
【００７７】
＜実施形態１の変形例１＞
本実施形態において、端末装置１０１は、ユーザのユーザ識別情報ｕと、評価対象の評価対象識別情報ｙと、当該ユーザによる当該評価対象の評価値ｄ＿ｕｙを表す情報と、を対応付けた入力データをウェブサーバ２００へ送信するとして説明したが、端末装置１０１は、ユーザ識別情報ｕと、評価対象識別情報ｙと、を対応付けた入力データを送信しても良い。この構成において、ウェブサーバ２００は、入力データを受信すると、入力データに含まれるユーザ識別情報ｕと評価対象識別情報ｙとに対応付けて履歴記憶部２１０ｄに記憶されたウェブページの送信回数を表す情報を検索する。次に、ウェブサーバ２００は、送信回数が高い程、値が高くなるように、当該ユーザによる当該評価対象の評価値ｄ＿ｕｙを決定し、決定された評価値ｄ＿ｕｙを表す情報を、ユーザ識別情報ｕと評価対象識別情報ｙとサイド情報ｓとに対応付けて重要度予測装置３００へ送信しても良い。
【００７８】
＜実施形態１の変形例２＞
【００７９】
実施形態１において、図１に示した重要度予測システム１は、通信網１０、端末装置１０１から１０３、ウェブサーバ２００、及び重要度予測装置３００で構成されるとして説明した。しかし、重要度予測装置３００がウェブサーバ２００の有する機能を備え、通信網１０、端末装置１０１から１０３、及び重要度予測装置３００で重要度予測システム１が構成されても良い。
【００８０】
これらの構成によれば、重要度ｑ＿ｕｓを表す確率変数の行列（つまり、重要度行列）Ｑを、人物識別情報ｕで識別される人物の特徴を表す確率変数の行列（つまり、ユーザ特徴行列）Ｘと、説明情報（つまり、サイド情報）ｓの特徴を表す確率変数の行列（つまり、サイド情報特徴行列）Ｖと、で表す。その後、取得された観測値データに基づいてユーザ特徴行列Ｘとサイド情報特徴行列Ｖとが従う確率分布の母数を表すパラメタη及びαを推定した後に、推定されたパラメタη及びαに基づいて説明情報ｓの重要度の予測値ｈｑ＿ｕｓを表す行列ＨＱを算出する。このため、評価対象に対するある人物の評価において、当該評価対象を説明するサイド情報ｓがどの程度重要であるかを予測できる。
【００８１】
また、これらの構成によれば、ユーザが商品若しくはサービスの評価においてどの程度説明情報（つまり、サイド情報）を重要と考えるかを表す重要度の予測値に基づいて説明情報を選択し、選択された説明情報で説明される商品若しくはサービスの広告画像をウェブページに追加できる。このため、広告画像が追加されたウェブページが当該ユーザに対して表示されると、広告される商品若しくはサービスの売り上げが増加し易くなる。
【００８２】
＜実施形態２＞
本発明の実施形態１に係る重要度予測装置３００は、商品等を説明するサイド情報が商品等の評価においてユーザにとってどの程度重要であるかを表す重要度を予測すると説明した。実施形態２に係る重要度予測装置３００は、患者を診察した結果の傷病の重篤度（または有無など）を医師が判断する際に、傷病を説明する説明情報のどの情報をどのくらい重要視して診察すべきかを表す重要度を予測する。尚、傷病は、医師による傷病に対する判断や見解である所見によって説明されるため、以下説明情報を所見情報という。
本発明の実施形態２に係る重要度予測システム１は、図１０に示すように、通信網１０、端末装置１０１から１０３、及び重要度予測装置３００で構成される。通信網１０及び端末装置１０１から１０３の構成は、実施形態１における構成と同様であるので説明を省略する。
【００８３】
医師が端末装置１０１の入力部１０１ａを操作すると、端末装置１０１は、図１１に示すような、患者を識別する患者識別情報ｕ’と、評価対象である患者の傷病を識別する評価対象識別情報ｙと、当該医師による当該患者の傷病がどの程度重篤であるかを評価した評価値ｄ＿ｕ’ｙを表す情報と、を対応付けた観測データを入力する。また、端末装置１０１は、当該医師が各傷病の診断において重要（又は注視すべき）と考える所見情報ｓ’を入力する。
【００８４】
つまり、図１１に示す患者Ａの所見情報ｓ’は、血圧値が健常者の値と異なるという所見を表す情報、ＢＭＩ（Body Mass Index）値が健常者の値と異なるという所見を表す情報、ＨＤＬ（High Density Lipoprotein）コレステロール値が健常者の値と異なるという所見を表す情報である。
【００８５】
その後、端末装置１０１は、観測値データと所見情報ｓ’とを対応付けた入力データを生成し、生成した入力データを重要度予測装置３００へ送信する。
【００８６】
図２（ａ）に示した重要度予測装置３００のＣＰＵ３００ａは、ＬＡＮカード３００ｆが入力データを受信すると、当該患者の傷病がどの程度重篤であるかを当該医師が評価する際に所見情報がどの程度重要であるかを表す重要度の予測値を送信する、図１２に示す重要度予測値出力処理を実行する。これにより、ＣＰＵ３００ａは、図３（ａ）に示した入力部３２０、保存部３３０、取得部３４０、パラメタ推定部３５０、重要度算出部３６０、検索部３７０、及び出力部３８０として機能し、ハードディスク３００ｄと協働して情報記憶部３１０として機能する。
【００８７】
重要度予測値出力処理を開始すると、入力部３２０は、ＬＡＮカード３００ｆから入力データを入力するデータ入力処理を実行する（ステップＳ３１）。次に、保存部３３０は、情報記憶部３１０が記憶する入力データテーブルに入力データを保存するデータ保存処理を実行する（ステップＳ３２）。
【００８８】
その後、取得部３４０、パラメタ推定部３５０、及び重要度算出部３６０は、患者識別情報ｕ’を実施形態１で説明したユーザ識別情報ｕと同様に取り扱い、所見情報ｓ’をサイド情報ｓと同様に取り扱うことで、図５に示した重要度予測処理を実行する（ステップＳ３３）。
【００８９】
つまり、重要度予測処理の実行において、パラメタ推定部３５０の分解部３５２は、上式（１３）を用いて評価値ｄ＿ｕ’ｙを患者特徴ベクトルＸ＿ｕ’と評価対象特徴ベクトルＷ＿ｙとの内積で表し、上式（１４）を用いて重要度ｑ＿ｕ’ｓ’を患者特徴ベクトルＸ＿ｕ’とサイド情報特徴ベクトルＶ＿ｓ’との内積で表す。
【００９０】
この患者特徴ベクトルＸ＿ｕ’の各次元の要素は、傷病の特徴を表し、患者識別情報ｕ’で識別される患者が傷病のどの特徴にどのくらいかかりやすいかを数値で表す。また、評価対象特徴ベクトルＷ＿ｙの各次元の要素は、傷病の特徴を表し、評価対象識別情報ｙで識別される傷病がある特徴を有する度合いを数値で表す。さらに、所見情報特徴ベクトルＶ＿ｓ’の各次元の要素は、傷病の特徴を表し、所見が傷病に与える影響の度合いを数値で表す。
【００９１】
その後、推定部３５３が、これらのベクトルＸ＿ｕ’、Ｗ＿ｙ、及びＶ＿ｓ’で構成される行列変数Ｘ、Ｗ、及びＶが従う事前確率分布の母数を表すパラメタの値を推定した後に、重要度算出部３６０が、推定された母数を表すパラメタを用いて所見情報ｓ’の重要度予測値ｈｑ＿ｕ’ｓ’を算出する。その後、重要度算出部３６０は、重要度予測値ｈｑ＿ｕ’ｓ’を要素とする予測値行列ＨＱを生成し、生成された予測値行列ＨＱを表す情報を情報記憶部１１０へ保存する。
【００９２】
重要度予測処理が終了すると、検索部３７０は、入力データから患者識別情報ｕ’を抽出する（ステップＳ３４）。その後、検索部３７０は、情報記憶部３１０から予測値行列ＨＱを表す情報を読み出す。次に、検索部３７０は、患者識別情報ｕ’に基づいて予測値行列ＨＱから、患者識別情報ｕ’の予測値ベクトルＨＱ＿ｕ’を検索（つまり、予測値行列ＨＱからｕ’行目のベクトルを抽出）する（ステップＳ３５）。
【００９３】
その後、出力部３８０は、所見情報ｓ’の重要度予測値を要素とする予測値ベクトルＨＱ＿ｕ’を表す情報と、入力データと、を対応付けたデータをＬＡＮカード３００ｆへ出力した後に（ステップＳ３６）、重要度予測値出力処理の実行を終了する。
【００９４】
その後、ＬＡＮカード３００ｆは、出力されたデータを端末装置１０１へ送信する。端末装置１０１は、当該データを受信すると、当該患者が負う傷病の所見を表す所見情報ｓ’と、所見情報ｓ’の重要度予測値ｈｑ＿ｕ’ｓ’を表す情報と、を対応付けた情報を、重要度予測値ｈｑ＿ｕ’ｓ’が高い順に並び替える。
【００９５】
次に、端末装置１０１は、図１３に示すような、当該データに含まれる患者識別情報ｕ’と、重要度予測値ｈｑ＿ｕ’ｓ’が高い順にソートされた当該患者が負う傷病の所見を表す複数の所見情報ｓ’と、を対応付けて表示部１０１ｂに表示する。
【００９６】
尚、端末装置１０１は、患者識別情報ｕ’及びソートされた当該患者が負う傷病の所見を表す所見情報ｓ’だけではなく、患者の傷病を識別する識別評価対象識別情報ｙと、当該患者の傷病の重篤度を表す評価値ｄ＿ｕ’ｙを表す情報と、所見情報ｓ’の重要度予測値ｈｑ＿ｕ’ｓ’を表す情報と、をさらに対応付けて表示部１０１ｂに表示しても良い。
【００９７】
これらの構成によれば、重要度ｑ＿ｕ’ｓ’を表す確率変数の行列（つまり、重要度行列）Ｑを、人物識別情報ｕ’で識別される人物の特徴を表す確率変数の行列（つまり、ユーザ特徴行列）Ｘと、説明情報（つまり、サイド情報）ｓ’の特徴を表す確率変数の行列（つまり、サイド情報特徴行列）Ｖと、で表す。その後、取得された観測値データに基づいてユーザ特徴行列Ｘとサイド情報特徴行列Ｖとが従う確率分布の母数を表すパラメタη及びαを推定した後に、推定されたパラメタη及びαに基づいて説明情報ｓの重要度の予測値ｈｑ＿ｕ’ｓ’を表す行列ＨＱを算出する。このため、ある人物が有する評価対象の評価において、当該評価対象を説明するサイド情報ｓ’がどの程度重要であるかを予測できる。
【００９８】
これらの構成によれば、患者の有する傷病の重篤度（または有無など）を診察して、判断・評価する際に、医師による各所見がどの程度重要であるかを表す重要度の予測値ｈｑ＿ｕ’ｓ'を出力できる。このため、医師、看護師、及び介護師は、患者の所見の重要度が高いか低いかという情報を治療の優先順序などをつける際の補助情報として活用して、効率的かつ効果的に患者の診察、看護、及び介護を行うことができる。
【００９９】
尚、実施形態１、実施形態１の変形例１、実施形態１の変形例２、及び実施形態２において、評価値ｄ＿ｕｙ及び評価値ｄ＿ｕ’ｙは実数であるとして説明したが、これに限定される訳ではない。
【０１００】
尚、本発明に係る実施形態１、実施形態１の変形例１、実施形態１の変形例２、及び実施形態２は、互いに組み合わせても良い。本発明に係る機能を実現するための構成を予め備えた重要度予測装置３００として提供できることはもとより、プログラムの適用により、既存の１又は複数のコンピュータを本発明に係る重要度予測装置として機能させることもできる。すなわち、上記実施形態で例示した重要度予測装置３００による各機能構成を実現させるためのプログラムを、既存の重要度予測装置を制御するコンピュータ（ＣＰＵなど）が実行できる様に適用することで、本発明に係る重要度予測装置３００として機能させることができる。
【０１０１】
このようなプログラムの配布方法は任意であり、例えば、メモリカード、ＣＤ−ＲＯＭ、又はＤＶＤ−ＲＯＭなどの記録媒体に格納して配布できる他、インターネットなどの通信媒体を介して配布することもできる。
【０１０２】
以上本発明の好ましい実施例について詳述したが、本発明は係る特定の実施例に限定されるものではなく、特許請求の範囲に記載された本発明の要旨の範囲内において、種々の変形、変更が可能である。
【０１０３】
上記の実施形態１、実施形態１の変形例１、実施形態１の変形例２、及び実施形態２の一部又は全部は、以下の付記のようにも記載されうるが、以下には限られない。
【０１０４】
（付記１）
人物を識別する情報と、評価対象を識別する情報と、当該人物による当該評価対象の評価値若しくは当該人物が有する当該評価対象の評価値を表す情報と、を対応付けた観測値データと前記評価対象を説明する説明情報とを取得する取得手段と、
前記取得された説明情報が前記評価対象の評価においてどの程度重要であるかを示す重要度を表す確率変数を、前記取得された情報で表される評価値を用いて定義する定義手段と、
前記定義された重要度を表す確率変数を、前記人物の特徴を表す確率変数と前記説明情報の特徴を表す確率変数とで表す分解手段と、
前記人物の特徴を表す確率変数と、前記説明情報の特徴を表す確率変数と、が予め定められた事前確率分布に従う場合に、前記事前確率分布の母数を表すパラメタを、前記取得された観測値データを用いて推定する推定手段と、
前記推定されたパラメタに基づいて前記説明情報の重要度の予測値を算出する予測値算出手段と、
前記算出された当該説明情報の重要度の予測値を表す情報と、前記人物を識別する情報と、前記説明情報と、を対応付けた出力データを出力する出力手段と、を備える、
ことを特徴とする重要度予測システム。
【０１０５】
（付記２）
前記評価対象は、商品若しくはサービスであり、
送信が求められたウェブページの所在を表す情報と、当該ウェブページの送信を求める人物を識別する情報と、を入力する入力手段と、
前記出力された出力データから、前記入力された情報で識別される人物と同じ人物を識別する情報に対応付けられた説明情報と、当該説明情報の重要度の予測値を表す情報と、を検索する検索手段と、
前記検索された情報で表される重要度の予測値に基づいて前記説明情報を選択する選択手段と、
商品若しくはサービスを説明する説明情報と、当該商品若しくは当該サービスを広告する広告画像を表す情報と、を対応付けて記憶する記憶手段と、
前記入力された情報で表される所在にあるウェブページに対して、前記選択された説明情報に対応付けて記憶された情報で表される広告画像を追加した後に、当該広告画像が追加されたウェブページを送信する送信手段と、をさらに備える、
ことを特徴とする付記１に記載の重要度予測システム。
【０１０６】
（付記３）
前記評価対象は、前記人物が有する傷病であり、
前記評価値は、前記傷病がどの程度重篤であるかを評価した値であり、
前記説明情報は、医師による前記傷病に対する判断若しくは見解である所見を表す所見情報である、
ことを特徴とする付記１に記載の重要度予測システム。
【０１０７】
（付記４）
コンピュータを、
人物を識別する情報と、評価対象を識別する情報と、当該人物による当該評価対象の評価値若しくは当該人物が有する当該評価対象の評価値を表す情報と、を対応付けた観測値データと前記評価対象を説明する説明情報とを取得する取得手段、
前記取得された説明情報が前記評価対象の評価においてどの程度重要であるかを示す重要度を表す確率変数を、前記取得された情報で表される評価値を用いて定義する定義手段、
前記定義された重要度を表す確率変数を、前記人物の特徴を表す確率変数と前記説明情報の特徴を表す確率変数とで表す分解手段、
前記人物の特徴を表す確率変数と、前記説明情報の特徴を表す確率変数と、が予め定められた事前確率分布に従う場合に、前記事前確率分布の母数を表すパラメタを、前記取得された観測値データを用いて推定する推定手段、
前記推定されたパラメタに基づいて前記説明情報の重要度の予測値を算出する予測値算出手段、
前記算出された当該説明情報の重要度の予測値を表す情報と、前記人物を識別する情報と、前記説明情報と、を対応付けた出力データを出力する出力手段、として機能させる、
ことを特徴とする重要度予測プログラム。
【０１０８】
（付記５）
人物を識別する情報と、評価対象を識別する情報と、当該人物による当該評価対象の評価値若しくは当該人物が有する当該評価対象の評価値を表す情報と、を対応付けた観測値データと前記評価対象を説明する説明情報とを取得する取得ステップと、
前記取得された説明情報が前記評価対象の評価においてどの程度重要であるかを示す重要度を表す確率変数を、前記取得された情報で表される評価値を用いて定義する定義ステップと、
前記定義された重要度を表す確率変数を、前記人物の特徴を表す確率変数と前記説明情報の特徴を表す確率変数とで表す変数分解ステップと、
前記人物の特徴を表す確率変数と、前記説明情報の特徴を表す確率変数と、が予め定められた事前確率分布に従う場合に、前記事前確率分布の母数を表すパラメタを、前記取得された観測値データを用いて推定するパラメタ推定ステップと、
前記推定されたパラメタに基づいて前記説明情報の重要度の予測値を算出する予測値算出ステップと、
前記算出された当該説明情報の重要度の予測値を表す情報と、前記人物を識別する情報と、前記説明情報と、を対応付けた出力データを出力する出力ステップと、を有する、
ことを特徴とする重要度予測方法。
【符号の説明】
【０１０９】
１ 重要度予測システム
１０ 通信網
１０１，１０２，１０３ 端末装置
１０１ａ，１０２ａ，１０３ａ 入力部
１０１ｂ，１０２ｂ，１０３ｂ 表示部
２００ ウェブサーバ
２００ａ ＣＰＵ
２００ｂ ＲＯＭ
２００ｃ ＲＡＭ
２００ｄ ハードディスク
２００ｅ メディアコントローラ
２００ｆ ＬＡＮカード
２００ｇ ビデオカード
２００ｈ ＬＣＤ
２００ｉ キーボード
２００ｊ スピーカ
２００ｋ タッチパッド
２１０ａ 予測値記憶部
２１０ｂ 広告記憶部
２１０ｃ ページ記憶部
２１０ｄ 履歴記憶部
２２０ 出力部
２３０ 入力部
２４０ 予測値保存部
２５０ 予測値検索部
２６０ サイド情報選択部
２７０ 広告選択部
２８０ ウェブページ読出部
２９０ 履歴更新部
３００ 重要度予測装置
３００ａ ＣＰＵ
３００ｂ ＲＯＭ
３００ｃ ＲＡＭ
３００ｄ ハードディスク
３００ｅ メディアコントローラ
３００ｆ ＬＡＮカード
３００ｇ ビデオカード
３００ｈ ＬＣＤ
３００ｉ キーボード
３００ｊ スピーカ
３００ｋ タッチパッド
３１０ 情報記憶部
３２０ 入力部
３３０ 保存部
３４０ 取得部
３５０ パラメタ推定部
３５１ 定義部
３５２ 分解部
３５３ 推定部
３６０ 重要度算出部
３７０ 検索部
３８０ 出力部
【技術分野】
【０００１】
本発明は、重要度予測システム、重要度予測プログラム、及び重要度予測方法に関する。
【背景技術】
【０００２】
この種の技術として特許文献１には、あるシーンにおける撮影対象や撮影状況などといった当該シーンを説明するサイド情報の一部に対して、当該撮影対象や撮影状況などを利用者がどの程度好むかを表す嗜好度を登録すると、当該嗜好度に基づいて選択された撮影対象や撮影状況などを含むシーンをダイジェストに加工するシステムが開示されている。
【先行技術文献】
【特許文献】
【０００３】
【特許文献１】特開２００４−０７２５４０号公報
【発明の概要】
【発明が解決しようとする課題】
【０００４】
ここで、特許文献１に係る技術では、あるシーンの撮影対象や撮影状況が嗜好度の登録されていないもののみからなる場合には、撮影対象や撮影状況が利用者にとってどの程度好まれるか（つまり、どの程度重要であるか）を予測できないために、当該シーンをダイジェストに加工できなかった。
【０００５】
本発明は、このような問題に鑑みてなされたもので、ある評価対象を説明する情報が当該評価対象の評価においてどの程度重要であるかを予測できる重要度予測システム、重要度予測プログラム、及び重要度予測方法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】
【０００６】
上記目的を達成するため、本発明の第１の観点に係る重要度予測システムは、
人物を識別する情報と、評価対象を識別する情報と、当該人物による当該評価対象の評価値若しくは当該人物が有する当該評価対象の評価値を表す情報と、を対応付けた観測値データと前記評価対象を説明する説明情報とを取得する取得手段と、
前記取得された説明情報が前記評価対象の評価においてどの程度重要であるかを示す重要度を表す確率変数を、前記取得された情報で表される評価値を用いて定義する定義手段と、
前記定義された重要度を表す確率変数を、前記人物の特徴を表す確率変数と前記説明情報の特徴を表す確率変数とで表す分解手段と、
前記人物の特徴を表す確率変数と、前記説明情報の特徴を表す確率変数と、が予め定められた事前確率分布に従う場合に、前記事前確率分布の母数を表すパラメタを、前記取得された観測値データを用いて推定する推定手段と、
前記推定されたパラメタに基づいて前記説明情報の重要度の予測値を算出する予測値算出手段と、
前記算出された当該説明情報の重要度の予測値を表す情報と、前記人物を識別する情報と、前記説明情報と、を対応付けた出力データを出力する出力手段と、を備える、
ことを特徴としている。
【０００７】
上記目的を達成するため、本発明の第２の観点に係る重要度予測プログラムは、
人物を識別する情報と、評価対象を識別する情報と、当該人物による当該評価対象の評価値若しくは当該人物が有する当該評価対象の評価値を表す情報と、を対応付けた観測値データと前記評価対象を説明する説明情報とを取得する取得手段、
前記取得された説明情報が前記評価対象の評価においてどの程度重要であるかを示す重要度を表す確率変数を、前記取得された情報で表される評価値を用いて定義する定義手段、
前記定義された重要度を表す確率変数を、前記人物の特徴を表す確率変数と前記説明情報の特徴を表す確率変数とで表す分解手段、
前記人物の特徴を表す確率変数と、前記説明情報の特徴を表す確率変数と、が予め定められた事前確率分布に従う場合に、前記事前確率分布の母数を表すパラメタを、前記取得された観測値データを用いて推定する推定手段、
前記推定されたパラメタに基づいて前記説明情報の重要度の予測値を算出する予測値算出手段、
前記算出された当該説明情報の重要度の予測値を表す情報と、前記人物を識別する情報と、前記説明情報と、を対応付けた出力データを出力する出力手段、として機能させる、
ことを特徴としている。
【０００８】
上記目的を達成するため、本発明の第３の観点に係る重要度予測方法は、
人物を識別する情報と、評価対象を識別する情報と、当該人物による当該評価対象の評価値若しくは当該人物が有する当該評価対象の評価値を表す情報と、を対応付けた観測値データと前記評価対象を説明する説明情報とを取得する取得ステップと、
前記取得された説明情報が前記評価対象の評価においてどの程度重要であるかを示す重要度を表す確率変数を、前記取得された情報で表される評価値を用いて定義する定義ステップと、
前記定義された重要度を表す確率変数を、前記人物の特徴を表す確率変数と前記説明情報の特徴を表す確率変数とで表す変数分解ステップと、
前記人物の特徴を表す確率変数と、前記説明情報の特徴を表す確率変数と、が予め定められた事前確率分布に従う場合に、前記事前確率分布の母数を表すパラメタを、前記取得された観測値データを用いて推定するパラメタ推定ステップと、
前記推定されたパラメタに基づいて前記説明情報の重要度の予測値を算出する予測値算出ステップと、
前記算出された当該説明情報の重要度の予測値を表す情報と、前記人物を識別する情報と、前記説明情報と、を対応付けた出力データを出力する出力ステップと、を有する、
ことを特徴としている。
【発明の効果】
【０００９】
本発明によれば、ある評価対象を説明する情報が当該評価対象の評価においてどの程度重要であるかを予測できる。
【図面の簡単な説明】
【００１０】
【図１】本発明の実施形態１に係る重要度予測システムの一構成例を表す図である。
【図２】（ａ）は、重要度予測装置のハードウェア構成の一例を表す構成図である。（ｂ）は、ウェブサーバのハードウェア構成の一例を表す構成図である。
【図３】（ａ）は、本発明に係る重要度予測装置が有する機能の一例を表す機能ブロック図である。（ｂ）は、パラメタ推定部の一構成例を表す図である。
【図４】本発明の実施形態１における入力データテーブルの一例を表す図である。
【図５】重要度予測装置が実行する重要度予測処理の一例を表すフローチャートである。
【図６】ウェブサーバが有する機能の一例を表す機能ブロック図である。
【図７】ウェブサーバが実行するウェブページ出力処理の一例を表すフローチャートである。
【図８】実施形態１における重要度予測値に基づいてソートされたサイド情報の一例を表す図である。
【図９】情報記憶部が記憶する商品等広告テーブルの一例を表す図である。
【図１０】本発明の実施形態２に係る重要度予測システムの一構成例を表す図である。
【図１１】本発明の実施形態２における入力データテーブルの一例を表す図である。
【図１２】本発明の実施形態２に係る重要度予測装置が実行する重要度予測値出力処理の一例を表すフローチャートである。
【図１３】実施形態２における重要度予測値に基づいてソートされたサイド情報の一例を表す図である。
【発明を実施するための形態】
【００１１】
以下、本発明の実施例について添付図面を参照しつつ説明する。
＜実施形態１＞
【００１２】
本発明の実施形態１に係る重要度予測システム１は、図１に示すように、通信網１０、端末装置１０１から１０３、ウェブサーバ２００、及び重要度予測装置３００で構成される。
【００１３】
通信網１０は、インターネットで構成される。通信網１０は、ＬＡＮ（Local Area Network）又は公衆回線網であっても良い。
【００１４】
端末装置１０１は、入力部１０１ａ及び表示部１０１ｂを有するパーソナル・コンピュータで構成される。端末装置１０２及び１０３は、入力部１０２ａ及び表示部１０２ｂ、並びに入力部１０３ａ及び表示部１０３ｂを有する。端末装置１０１から１０３の構成はそれぞれ同様であるので、以下、端末装置１０１について主に説明を行う。
【００１５】
ユーザが、例えば、アンケートに回答するために、端末装置１０１の入力部１０１ａに対して所定の入力操作を行うと、入力部１０１ａは、当該入力操作に応じて、ユーザを識別する情報（以下、ユーザ識別情報という）ｕと、ユーザが評価の対象とする商品若しくはサービス（以下、商品等という）を識別する情報（以下、評価対象識別情報という）ｙと、当該商品等にどの程度ユーザが満足したかを表す評価値ｄ＿ｕｙを表す情報と、を対応付けた観測値データを入力する。次に、端末装置１０１は、入力された観測値データを、通信網１０を介してウェブサーバ２００へ出力する。
【００１６】
ウェブサーバ２００は、評価対象を識別する情報ｙと、例えば、商品等のカテゴリ、商品等の生産国、商品の色や形状、及び商品等の値段など、評価対象をそれぞれ説明する複数の説明情報（以下、サイド情報という）ｓと、を対応付けて記憶している。ウェブサーバ２００は、観測値データを端末装置１０１から１０３のいずれかから受信すると、観測値データから評価対象識別情報ｙを抽出し、抽出した評価対象識別情報ｙに対応付けられたサイド情報ｓを検索する。その後、ウェブサーバ２００は、観測値データと、検索されたサイド情報ｓと、を対応付けた入力データを重要度予測装置３００へ転送する。
【００１７】
次に、重要度予測装置３００は、転送された入力データを記憶する。その後所定時刻になると、重要度予測装置３００は、サイド情報ｓがそれぞれのユーザによる評価においてどの程度重要であるかを表す指標（以下、重要度という）ｑ＿ｕｓの予測値ｈｑ＿ｕｓを、複数の観測値データに基づいて算出する。
【００１８】
その後、ウェブサーバ２００は、所定時刻になると、重要度予測装置３００に対して重要度予測値ｈｑ＿ｕｓの送信を求めるリクエスト（以下、予測値送信リクエストという）を送信する。重要度予測装置３００は、ウェブサーバ２００から当該リクエストを受信すると、算出した重要度予測値ｈｑ＿ｕｓを表す情報（以下、重要度予測値情報という）と、ユーザ識別情報ｕと、サイド情報ｓと、を対応付けた出力データをウェブサーバ２００へ出力する。ウェブサーバ２００は、出力された出力データを受信すると、受信した当該データを記憶する。
【００１９】
また、ユーザが、所望のウェブページを閲覧するために、端末装置１０１の入力部１０１ａに対して所定の操作を行うと、端末装置１０１は、当該操作に応じて、当該ウェブページの送信を求めるウェブページ送信リクエストを入力し、入力したリクエストを、通信網１０を介してウェブサーバ２００へ出力する。尚、ウェブページ送信リクエストには、当該ユーザのユーザ識別情報ｕと、ユーザが返信を求めるウェブページの所在を表すＵＲＬ（Uniform Resource Locator）と、が含まれる。
【００２０】
その後、ウェブサーバ２００は、当該リクエストを入力すると、当該リクエストに含まれるＵＲＬで表される所在からウェブページを取得する。次に、ウェブサーバ２００は、当該リクエストに含まれるユーザ識別情報ｕに対応付けられた重要度予測値情報とサイド情報ｓとを出力データから抽出する。その後、ウェブサーバ２００は、上位の重要度予測値ｈｑ＿ｕｓを表す情報に対応付けられたサイド情報ｓで説明される商品等の広告が追加されたウェブページを表す情報を、通信網１０を介して端末装置１０１へ返信する。端末装置１０１は、当該情報を受信すると、広告が追加されたウェブページを表示部１０１ｂに表示する。
【００２１】
次に、ウェブサーバ２００について説明する前に、図２（ａ）を参照して、重要度予測装置３００のハードウェア構成について説明する。
重要度予測装置３００は、図２（ａ）に示すように、ＣＰＵ（Central Processing Unit）３００ａ、ＲＯＭ（Read Only Memory）３００ｂ、ＲＡＭ（Random Access Memory）３００ｃ、ハードディスク３００ｄ、メディアコントローラ３００ｅ、ＬＡＮカード（Local Area Network）３００ｆ、ビデオカード３００ｇ、ＬＣＤ（Liquid Crystal Display）３００ｈ、キーボード３００i、スピーカ３００ｊ、及びタッチパッド３００ｋで構成される。
【００２２】
ＣＰＵ３００ａは、ＲＯＭ３００ｂ又はハードディスク３００ｄに保存されたプログラムに従ってソフトウェア処理を実行することで、重要度予測装置３００の全体制御を行う。ＲＡＭ３００ｃは、ＣＰＵ３００ａによるプログラムの実行時において、処理対象とするデータを一時的に記憶する。
【００２３】
ハードディスク３００ｄは、各種のデータを保存したテーブルを記憶する。尚、重要度予測装置３００は、ハードディスク３００ｄの代わりに、フラッシュメモリを備えても良い。
【００２４】
メディアコントローラ３００ｅは、フラッシュメモリ、ＣＤ（Compact Disc）、ＤＶＤ（Digital Versatile Disc）、及びブルーレイディスク（Blu-ray Disc）（登録商標）を含む記録媒体から各種のデータ及びプログラムを読み出す。
【００２５】
ＬＡＮカード３００ｆは、ウェブサーバ２００との間でデータを通信する。キーボード３００i及びタッチパッド３００ｋは、ユーザの操作に応じた信号又は情報を入力する。
【００２６】
ビデオカード３００ｇは、ＣＰＵ３００ａから出力されたデジタル信号に基づいて画像を描画（つまり、レンダリング）すると共に、描画された画像を表す画像信号を出力する。ＬＣＤ３００ｈは、ビデオカード３００ｇから出力された画像信号に従って画像を表示する。尚、重要度予測装置３００は、ＬＣＤ３００ｈの代わりに、ＰＤＰ（Plasma Display Panel）又はＥＬ（Electroluminescence）ディスプレイを備えても良い。スピーカ３００ｊは、ＣＰＵ３００ａから出力された信号に基づいて音声を出力する。
【００２７】
次に、図３を参照して、重要度予測装置３００が有する機能について説明する。
図２（ａ）に示したＬＡＮカード３００ｆが入力データを受信すると、ＣＰＵ３００ａは、入力データを保存する保存処理を実行する。これにより、ＣＰＵ３００ａは、図３（ａ）に示す入力部３２０及び保存部３３０として機能する。また、ＣＰＵ３００ａは、ハードディスク３００ｄと協働して情報記憶部３１０として機能する。
【００２８】
入力部３２０は、保存処理を開始すると、ＬＡＮカード３００ｆから入力データを入力し、入力データを保存部３３０へ出力する。保存部３３０は、入力データを、図４に示す入力データテーブルへ保存した後に、保存処理の実行を終了する。
【００２９】
尚、入力データテーブルは、情報記憶部３１０に記憶されている。また、入力データテーブルには、ユーザを識別するユーザ識別情報と、ユーザの名称を表すユーザ名情報と、評価対象を識別する評価対象識別情報と、評価対象の名称を表す評価対象名情報と、当該ユーザによる当該評価対象に対する評価値を表す評価値情報と、当該評価対象を説明するサイド情報を記号「,」で連結した情報と、を対応付けた情報が複数保存されている。
【００３０】
また、図２に示したＣＰＵ３００ａは、例えば、ハードウェアタイマを監視することで、午後２時といった予め定められた時刻になると、図５に示すような、サイド情報の重要度を予測する重要度予測処理を実行する。これにより、ＣＰＵ３００ａは、図３に示すような取得部３４０、パラメタ推定部３５０、及び重要度算出部３６０として機能する。尚、パラメタ推定部３５０は、図３（ｂ）に示すような定義部３５１、分解部３５２、及び推定部３５３を有する。
【００３１】
取得部３４０は、重要度予測処理を開始すると、図４に示した入力データテーブルから、ユーザ識別情報ｕと、評価対象識別情報ｙと、評価値ｄ＿ｕｙを表す評価値情報と、複数のサイド情報ｓと、が対応付けられた複数の入力データを取得するデータ取得処理を行う（ステップＳ０１）。
【００３２】
ここで、取得部３４０が取得した入力データを以下の式（１）から（４）で表す。
ｕ：ユーザ識別情報 （但し、ｕは、１からＮまでの正数）…（１）
ｙ：評価対象識別情報 （但し、ｙは、１からＭまでの正数）…（２）
ｄ＿ｕｙ：ｕで識別されるユーザによるｙで識別される評価対象の評価値（但し、ｄ＿ｕｙは実数）…（３）
ｓｙｉ：ｙで識別される評価対象のｉ番目のサイド情報（但し、ｉは、１からＬ＿ｙまで）…（４）
【００３３】
また、以下の式（５）から（８）に示すような確率変数Ｕ、Ｙ、及びＤ、並びに集合Ｓ＿ｙを定義すると、取得部３４０で取得された入力データは、以下の式（９）で表される。
Ｕ： 観測値ｕを表す変数…（５）
Ｙ： 観測値ｙを表す変数…（６）
Ｄ： 観測値ｄ＿ｕｙを表す変数…（７）
Ｓ＿ｙ＝｛ｓｙ１，・・・，ｓｙＬ＿ｙ｝： ｙで識別される評価対象のサイド情報ｓｙｉを要素とする集合…（８）
【００３４】
（Ｕ＝１，Ｙ＝１，Ｄ＝２，Ｓ＿１＝｛ｓ１１，ｓ１２，ｓ１３，…，ｓ１Ｌ＿１｝）、（Ｕ＝１，Ｙ＝２，Ｄ＝１，Ｓ＿２＝｛ｓ２１，ｓ２２，…，ｓ２Ｌ＿２｝）、…（Ｕ＝ｕ，Ｙ＝ｙ，Ｄ＝ｄ＿ｕｙ，Ｓ＿ｙ＝｛ｓｙ１，ｓｙ２，ｓｙ３，…，ｓｙＬ＿ｙ｝）、（Ｕ＝Ｎ，Ｙ＝Ｍ，Ｄ＝ｄ＿ＮＭ、Ｓ＿Ｍ＝｛ｓＭ１，ｓＭ２，…，ｓＭＬ＿Ｍ｝）…（９）
【００３５】
ステップＳ０１の後に、定義部３５１は、Ｎ×Ｍ次元の行列であって、ｕ行ｙ列の要素が評価値ｄ＿ｕｙである評価値行列Ｒを、入力データから生成する（ステップＳ０２）。
【００３６】
次に、定義部３５１は、上式（８）に示した集合Ｓ＿ｙから、以下の式（１０）で表されるような、全てのサイド情報を要素ｓとする集合Ｓを生成する。
【数１】
【００３７】
次に、定義部３５１は、集合Ｓの要素であるサイド情報ｓと、サイド情報ｓの番号ｊ（但し、ｊ＝１からＬ）と、を対応付けて情報記憶部３１０へ保存する。その後、定義部３５１は、各ユーザ識別情報ｕでそれぞれ識別されるユーザ、及び各サイド情報ｓについて、ユーザに対するサイド情報ｓの出現率ｆ＿ｕｓを、以下の式（１１）に入力データを用いることで算出する（ステップＳ０３）。
【００３８】
尚、この出現率ｆ＿ｕｓは、サイド情報ｓで説明される評価対象の総数に対する、ユーザ識別情報ｕで識別されるユーザが評価した評価対象の内で、サイド情報として当該サイド情報ｓが出現する（つまり、サイド情報ｓで説明される）評価対象の数の割合である。
【００３９】
【数２】
Ｉ（ｓｙｉ，ｓ）：ｓｙｉとｓとが同じ場合に値１を返し、ｓｙｉとｓとが異なる場合に値０を返す関数
Ｉ’（ｕ，ｙ）：識別情報ｕで識別されるユーザが、識別情報ｙで識別される評価対象を評価した場合に値１を返し、評価していない場合に値０を返す関数
【００４０】
その後、定義部３５１は、算出した出現率ｆ＿ｕｓを用いて、ユーザ識別情報ｕで識別されるユーザにとってサイド情報ｓが評価においてどの程度重要であるかを表す重要度を表す確率変数ｑ＿ｕｓを、以下の式（１２）のように定義し、定義に従って確率変数ｑ＿ｕｓを算出する（ステップＳ０４）。
【００４１】
ｑ＿ｕｓ ＝ ｇ（ｆ＿ｕｓ）・・・（１２）
【００４２】
但し、ｇ（）は任意の関数で良いが、説明を簡単にするため、ｇ（ｆ＿ｕｓ）＝ｆ＿ｕｓであるとして説明を行う。
【００４３】
次に、定義部３５１は、Ｎ×Ｌ次元の行列であり、ｕ行ｊ列の要素がｑ＿ｕｓである重要度行列Ｑを生成する（ステップＳ０５）。
【００４４】
その後、図３（ｂ）に示したパラメタ推定部３５０の分解部３５２は、値が推定されるベクトルとして、識別情報ｕで識別されるユーザが有するＫ個の特徴を表す確率変数のベクトル（以下、ユーザ特徴ベクトルという）Ｘ＿ｕと、識別情報ｙで識別される評価対象が有するＫ個の特徴を表す確率変数のベクトル（以下、評価対象特徴ベクトルという）Ｗ＿ｙと、サイド情報ｓの重要度が有するＫ個の特徴を表す確率変数のベクトル（以下、サイド情報特徴ベクトルという）Ｖ＿ｓと、を生成する。尚、サイド情報ｓは、上式（１０）に示した集合Ｓのｊ番目の要素であるとする。
【００４５】
ここで、評価対象特徴ベクトルＷ＿ｙの次元毎に評価対象の特徴が対応付けられ、評価対象特徴ベクトルＷ＿ｙの各次元の要素が、当該各次元に対応した特徴を数値で表している。また、ユーザ特徴ベクトルＸｕの各次元の要素は、評価対象特徴ベクトルＷ＿ｙの当該各次元に対応した評価対象の各特徴をどの程度好きか若しくは嫌いかといったユーザの特徴を数値で表す。このため、識別情報ｙで識別される評価対象に対する識別情報ｕで識別されるユーザの評価値ｄ＿ｕｙは、下式（１３）に示すように、ユーザ特徴ベクトルＸ＿ｕと評価対象特徴ベクトルＷ＿ｙとの内積で表すことができる。
【００４６】
ｄ＿ｕｙ ≒ Ｘ＿ｕ・Ｗ＿ｙＴ・・・（１３）
但し、記号「・」は内積を表し、記号「Ｗ＿ｙＴ」はベクトルＷ＿ｙの転置を表す。
【００４７】
つまり、ユーザがある商品等のある特徴が好きであって、当該商品等に当該ユーザが好きな特徴があれば、当該商品等に対するユーザの評価値ｄ＿ｕｙが大きくなり易い。これに対して、当該商品等に当該ユーザが好きな特徴がなければ、当該商品等に対するユーザの評価値ｄ＿ｕｙが小さくなり易い。
【００４８】
また同様に、サイド情報の特徴を表すベクトルＶ＿ｓの各次元は、各サイド情報の特徴を表しており、例えば、サイド情報が保有する商品等の特徴（例えば、形状や色など）を表す。そして、各要素は、例えば、各サイド情報がどのような商品等の特徴（例えば、形状や色など）をどのくらい保持しているかを表す。このため、識別情報ｕで識別されるユーザのサイド情報ｓの重要度ｑ＿ｕｓは、下式（１４）に示すように、ユーザ特徴ベクトルＸ＿ｕとサイド情報特徴ベクトルＶ＿ｓとの内積で表すことができる。
【００４９】
ｑ＿ｕｓ ≒ Ｘ＿ｕ・Ｖ＿ｓＴ・・・（１４）
但し、記号「・」は内積を表し、記号「Ｖ＿ｓＴ」はベクトルＶ＿ｓの転置を表す。
【００５０】
ステップＳ０５の後に、分解部３５２は、Ｎ×Ｋ次元の行列であって、ｕ行目がベクトルＸ＿ｕであるユーザ特徴行列Ｘと、Ｍ×Ｋ次元の行列であって、ｙ行目がベクトルＷ＿ｙである評価対象特徴行列Ｗと、Ｌ×Ｋ次元の行列であって、ｊ行目がベクトルＶ＿ｓである評価対象特徴行列Ｖと、を値が推定される行列として生成する（ステップＳ０６）。
【００５１】
次に、分解部３５２は、ステップＳ０２で算出された評価値行列Ｒを、下式（１５）に示すようにユーザ特徴行列Ｘと、対象特徴行列Ｗと、で表す（ステップＳ０７）。
Ｒ≒ＸＷＴ・・・（１５）
但し、ＷＴは、行列Ｗの転置行列
【００５２】
次に、分解部３５２は、ステップＳ０５で算出された重要度行列Ｑを、下式（１６）に示すようにユーザ特徴行列Ｘと、評価対象特徴行列Ｖと、で表す（ステップＳ０８）。
Ｑ≒ＸＶＴ・・・（１６）
但し、ＶＴは、行列Ｖの転置行列
【００５３】
ここで、ステップＳ０２で生成した評価値行列Ｒ、ステップＳ０６で生成したユーザ特徴行列Ｘ及び評価対象特徴行列Ｗ、並びにステップＳ０５で生成した重要度行列Ｑを観測値とする確率変数Ｘ、Ｗ、Ｑ、及びＶの分散をそれぞれσ、η、γ、β、及びαとする。これらパラメタ推定部３５０が値を推定するパラメータα、β、γ、η、及びσ、並びにＸ、Ｗ、及びＶについて、以下の式（１７）から（２２）が成立する。尚、式（１９）、式（２０）、及び式（２２）は、確率変数Ｘの事前分布、確率変数Ｗの事前分布、及び確率変数Ｖの事前分布をそれぞれ表す。
【００５４】
Ｐ（Ｒ，Ｘ，Ｗ，Ｑ，Ｖ｜α，β，γ，η)＝Ｐ（Ｒ｜Ｘ，Ｗ，σ）Ｐ（Ｘ｜η）Ｐ（Ｗ｜γ）Ｐ（Ｑ｜Ｘ，Ｖ，β）Ｐ（Ｖ｜α）・・・（１７）
Ｐ（Ｒ｜Ｘ，Ｗ，σ）＝Ｎ（Ｒ｜ＸＷＴ，σ2Ｉ＿Ｎ）・・・（１８）
Ｐ（Ｘ｜η）＝Ｎ（Ｘ｜０，η２Ｉ＿Ｎ）・・・（１９）
Ｐ（Ｗ｜γ）＝Ｎ（Ｗ｜０，γ２Ｉ＿Ｍ）・・・（２０）
Ｐ（Ｑ｜Ｘ，Ｖ，β）＝Ｎ（Ｑ｜ＸＶＴ，β２Ｉ＿Ｎ）・・・（２１）
Ｐ（Ｖ｜α）＝Ｎ（Ｖ｜０，α２Ｉ＿Ｌ）・・・（２２）
ＷＴ：行列Ｗの転置行列
Ｉ＿Ｎ：Ｎ×Ｎ次元の単位行列
Ｎ（Ｒ｜ＸＷＴ，σ2Ｉ＿Ｎ）：平均がＸＷＴで共分散行列がσ2Ｉ＿Ｎのガウス分布：
Ｉ＿Ｍ：Ｍ×Ｍ次元の単位行列
ＶＴ：行列Ｖの転置行列
Ｎ（Ｑ｜ＸＶＴ，β２Ｉ＿Ｎ）：平均がＸＶＴで共分散行列がβ2Ｉ＿Ｎのガウス分布
Ｉ＿Ｌ：Ｌ×Ｌ次元の単位行列
【００５５】
次に、図３（ｂ）に示すパラメタ推定部３５０の推定部３５３は、パラメータσ、η、γ、α、β、Ｘ、Ｗ、及びＶを、上式（１７）の対数尤度関数を用いた最尤推定によって求める（ステップＳ０９）。
【００５６】
その後、図３に示した重要度算出部３６０は、下式（２３）を用いて、各ユーザ識別情報ｕ及び各サイド情報ｓについて重要度ｑ＿ｕｓの予測値（以下、重要度予測値という）ｈｑ＿ｕｓをそれぞれ算出する。次に、重要度算出部３６０は、各ユーザ識別情報ｕについて、Ｌ次元のベクトルであり、ｊ列の要素がｈｑ＿ｕｓである予測値ベクトルＨＱ＿ｕを生成する。また、重要度算出部３６０は、Ｎ×Ｌ次元の行列であり、ｕ行ｊ列の要素がｈｑ＿ｕｓである（つまり、ｕ行のベクトルが予測値ベクトルＨＱ＿ｕである）予測値行列ＨＱを生成する（ステップＳ１０）。
【００５７】
【数３】
【００５８】
その後、重要度算出部３６０は、算出した予測値行列ＨＱを表す情報を情報記憶部３１０へ保存した後に（ステップＳ１１）、重要度予測処理の実行を終了する。
【００５９】
重要度予測処理が終了した後に、例えば、午前４時などの予め定められた時刻になると、ウェブサーバ２００は、予測値送信リクエストを重要度予測装置３００へ送信する。図２（ａ）に示したＬＡＮカード３００ｆが当該リクエストを受信すると、ＣＰＵ３００ａは、重要度予測値情報を出力する予測値出力処理を実行する。ＣＰＵ３００ａは、図３（ａ）に示す入力部３２０、検索部３７０、及び出力部３８０として機能する。
【００６０】
予測値出力処理を開始すると、入力部３２０は、ＬＡＮカード３００ｆから予測値送信リクエストを入力する。次に、検索部３７０は、情報記憶部３１０に保存された予測値行列ＨＱを表す情報と、サイド情報ｓを表す情報と、サイド情報ｓの順番ｊを表す情報と、を検索する。その後、検索部３７０は、予測値行列ＨＱを表す情報と、サイド情報ｓを表す情報と、サイド情報ｓの順番ｊを表す情報と、を対応付けた出力データを生成する。尚、この予測値行列ＨＱは、行番号でユーザ識別情報ｕに対応付けられ、列番号ｊでサイド情報ｓに対応付けられている。
【００６１】
その後、出力部３８０は、出力データをＬＡＮカード３００ｆへ出力した後に、予測値出力処理を終了する。尚、ＬＡＮカード３００ｆは、出力された出力データをウェブサーバ２００へ送信する。
【００６２】
次に、図１に示したウェブサーバ２００について説明する。
ウェブサーバ２００は、重要度予測装置３００と同様に、図２（ｂ）に示すようなＣＰＵ２００ａ、ＲＯＭ２００ｂ、ＲＡＭ２００ｃ、ハードディスク２００ｄ、メディアコントローラ２００ｅ、ＬＡＮカード２００ｆ、ビデオカード２００ｇ、ＬＣＤ２００ｈ、キーボード２００i、スピーカ２００ｊ、及びタッチパッド２００ｋで構成される。
【００６３】
ＣＰＵ２００ａは、例えば、ハードウェアタイマを監視することで、予め定められた時刻になると、重要度予測装置３００へ予測値送信リクエストを出力するリクエスト出力処理を実行する。これにより、ＣＰＵ２００ａは、図６に示す出力部２２０、入力部２３０、及び予測値保存部２４０として機能する。また、ＣＰＵ２００ａは、ハードディスク２００ｄと協働して予測値記憶部２１０ａとして機能する。
【００６４】
リクエスト出力処理を開始すると、出力部２２０は、予測値送信リクエストをＬＡＮカード２００ｆへ出力する。次に、ＬＡＮカード２００ｆは、予測値送信リクエストを重要度予測装置３００へ送信する。
【００６５】
その後、ＬＡＮカード２００ｆが予測値行列ＨＱを表す情報を含む出力データを受信すると、入力部２３０は、ＬＡＮカード２００ｆから出力データを入力する。次に、予測値保存部２４０は、入力された出力データで、予測値記憶部２１０ａが記憶する出力データを上書保存（つまり、更新）した後に、予測値送信リクエスト出力処理の実行を終了する。
【００６６】
出力データが保存された後に、端末装置１０１からＬＡＮカード２００ｆがウェブページ送信リクエストを受信すると、図２（ｂ）に示すＣＰＵ２００ａは、図７に示すようなウェブページ出力処理を実行する。これにより、ＣＰＵ２００ａは、図６に示す出力部２２０、入力部２３０、予測値検索部２５０、サイド情報選択部２６０、広告選択部２７０、ウェブページ読出部２８０、及び履歴更新部２９０として機能する。また、ＣＰＵ２００ａは、ハードディスク２００ｄと協働して広告記憶部２１０ｂ、ページ記憶部２１０ｃ、及び履歴記憶部２１０ｄとして機能する。
【００６７】
ウェブページ出力処理を開始すると、入力部２３０は、図２（ｂ）に示したＬＡＮカード２００ｆからウェブページ送信リクエストを入力する（ステップＳ２１）。
【００６８】
次に、予測値検索部２５０は、ウェブページ送信リクエストからユーザ識別情報ｕを抽出する（ステップＳ２２）。本実施形態において、抽出されたユーザ識別情報ｕが値２であった場合を例に挙げて説明する。
【００６９】
その後、予測値検索部２５０は、予測値記憶部２１０ａに記憶された出力データから、１番目からＬ番目までのサイド情報ｓを表す情報を取得する（ステップＳ２３）。次に、予測値検索部２５０は、予測値記憶部２１０ａに記憶された出力データから予測値行列ＨＱを表す情報を検索した後に、ユーザ識別情報ｕに基づいて予測値行列ＨＱから予測値ベクトルＨＱ＿ｕを検索する（ステップＳ２４）。つまり、予測値行列ＨＱの２行目の予測値ベクトルＨＱ＿２を検索する。
【００７０】
次に、サイド情報選択部２６０は、予測値ベクトルＨＱ＿２の要素値である重要度予測値ｈｑ＿ｕｓを降順にソートし、サイド情報選択部２６０は、重要度予測値ｈｑ＿ｕｓの並び順に応じてサイド情報ｓをソートする。その後、サイド情報選択部２６０は、図８に示すようにソートされたサイド情報ｓから、並び順が早い順（つまり、重要度予測値ｈｑ＿ｕｓが大きい順）に所定数だけ選択し、選択サイド情報とする（ステップＳ２５）。尚、所定数を表す情報は、図２（ｂ）に示すハードディスク２００ｄに予め保存されており、本実施形態では、所定数は２個であるとする。つまり、サイド情報選択部２６０は、図８に示すサイド情報「木製」及び「収納」を選択サイド情報とする。
【００７１】
次に、広告選択部２７０は、選択サイド情報「木製」及び「収納」に基づき広告記憶部２１０ｂから広告ファイルを選択する（ステップＳ２６）。具体的には、図６に示す広告記憶部２１０ｂには、図９に示すような商品等広告テーブルが記憶されており、商品等広告テーブルには、サイド情報と、サイド情報で説明される商品等を広告する広告ファイルの名称が優先順位の高い順に向かって左から記号「，」で連結された情報とを対応付けた情報が複数保存されている。このため、広告選択部２７０は、商品等広告テーブルにおいてサイド情報「木製」に対応付けられた広告ファイルの名称から優先度に応じて１つ選択する。この選択時に、広告選択部２７０は、優先度の高い名称程、高確率で選択する。つまり、広告選択部２７０は、「チェアＡ」を「チェアＢ」よりも高確率、かつ「チェアＢ」を「チェアＣ」よりも高確率で選択する。また同様に、広告選択部２７０は、商品等広告テーブルにおいてサイド情報「収納」に対応付けられた広告ファイルの名称から優先度に応じて１つ選択する。
【００７２】
その後、広告選択部２７０は、選択した名称の広告ファイルを広告記憶部２１０ｂから読み出し、読み出した広告ファイルをウェブページ読出部２８０へ出力する。
【００７３】
次に、ウェブページ読出部２８０は、ステップＳ２１で入力されたウェブページ送信リクエストからＵＲＬを抽出し、抽出したＵＲＬに在るウェブページを表すデータをページ記憶部２１０ｃから読み出す（ステップＳ２７）。
【００７４】
その後、履歴更新部２９０は、ウェブページのＵＲＬを表す情報と、ウェブページに掲載された商品等の識別情報ｙと、ウェブページの送信を要求したユーザのユーザ識別情報と、に対応付けて履歴記憶部２１０ｄが記憶するウェブページの送信回数を表す情報を、当該送信回数よりも１回多い回数を表す情報に更新する（ステップＳ２８）。
【００７５】
その後、出力部２２０は、ステップＳ２７で読み出されたウェブページに対して、ステップＳ２６で選択された広告ファイルで表される広告画像を追加した後に、広告画像が追加されたウェブページを表すデータを、図２に示したＬＡＮカード２００ｆへ出力した後に（ステップＳ２９）、ウェブページ出力処理の実行を終了する。
【００７６】
尚、ＬＡＮカード２００ｆは、広告画像が追加されたウェブページを表すデータを端末装置１０１へ送信する。端末装置１０１は、当該データを受信すると、表示部へ当該データで表されるウェブページを表示部１０１ｂに表示する。
【００７７】
＜実施形態１の変形例１＞
本実施形態において、端末装置１０１は、ユーザのユーザ識別情報ｕと、評価対象の評価対象識別情報ｙと、当該ユーザによる当該評価対象の評価値ｄ＿ｕｙを表す情報と、を対応付けた入力データをウェブサーバ２００へ送信するとして説明したが、端末装置１０１は、ユーザ識別情報ｕと、評価対象識別情報ｙと、を対応付けた入力データを送信しても良い。この構成において、ウェブサーバ２００は、入力データを受信すると、入力データに含まれるユーザ識別情報ｕと評価対象識別情報ｙとに対応付けて履歴記憶部２１０ｄに記憶されたウェブページの送信回数を表す情報を検索する。次に、ウェブサーバ２００は、送信回数が高い程、値が高くなるように、当該ユーザによる当該評価対象の評価値ｄ＿ｕｙを決定し、決定された評価値ｄ＿ｕｙを表す情報を、ユーザ識別情報ｕと評価対象識別情報ｙとサイド情報ｓとに対応付けて重要度予測装置３００へ送信しても良い。
【００７８】
＜実施形態１の変形例２＞
【００７９】
実施形態１において、図１に示した重要度予測システム１は、通信網１０、端末装置１０１から１０３、ウェブサーバ２００、及び重要度予測装置３００で構成されるとして説明した。しかし、重要度予測装置３００がウェブサーバ２００の有する機能を備え、通信網１０、端末装置１０１から１０３、及び重要度予測装置３００で重要度予測システム１が構成されても良い。
【００８０】
これらの構成によれば、重要度ｑ＿ｕｓを表す確率変数の行列（つまり、重要度行列）Ｑを、人物識別情報ｕで識別される人物の特徴を表す確率変数の行列（つまり、ユーザ特徴行列）Ｘと、説明情報（つまり、サイド情報）ｓの特徴を表す確率変数の行列（つまり、サイド情報特徴行列）Ｖと、で表す。その後、取得された観測値データに基づいてユーザ特徴行列Ｘとサイド情報特徴行列Ｖとが従う確率分布の母数を表すパラメタη及びαを推定した後に、推定されたパラメタη及びαに基づいて説明情報ｓの重要度の予測値ｈｑ＿ｕｓを表す行列ＨＱを算出する。このため、評価対象に対するある人物の評価において、当該評価対象を説明するサイド情報ｓがどの程度重要であるかを予測できる。
【００８１】
また、これらの構成によれば、ユーザが商品若しくはサービスの評価においてどの程度説明情報（つまり、サイド情報）を重要と考えるかを表す重要度の予測値に基づいて説明情報を選択し、選択された説明情報で説明される商品若しくはサービスの広告画像をウェブページに追加できる。このため、広告画像が追加されたウェブページが当該ユーザに対して表示されると、広告される商品若しくはサービスの売り上げが増加し易くなる。
【００８２】
＜実施形態２＞
本発明の実施形態１に係る重要度予測装置３００は、商品等を説明するサイド情報が商品等の評価においてユーザにとってどの程度重要であるかを表す重要度を予測すると説明した。実施形態２に係る重要度予測装置３００は、患者を診察した結果の傷病の重篤度（または有無など）を医師が判断する際に、傷病を説明する説明情報のどの情報をどのくらい重要視して診察すべきかを表す重要度を予測する。尚、傷病は、医師による傷病に対する判断や見解である所見によって説明されるため、以下説明情報を所見情報という。
本発明の実施形態２に係る重要度予測システム１は、図１０に示すように、通信網１０、端末装置１０１から１０３、及び重要度予測装置３００で構成される。通信網１０及び端末装置１０１から１０３の構成は、実施形態１における構成と同様であるので説明を省略する。
【００８３】
医師が端末装置１０１の入力部１０１ａを操作すると、端末装置１０１は、図１１に示すような、患者を識別する患者識別情報ｕ’と、評価対象である患者の傷病を識別する評価対象識別情報ｙと、当該医師による当該患者の傷病がどの程度重篤であるかを評価した評価値ｄ＿ｕ’ｙを表す情報と、を対応付けた観測データを入力する。また、端末装置１０１は、当該医師が各傷病の診断において重要（又は注視すべき）と考える所見情報ｓ’を入力する。
【００８４】
つまり、図１１に示す患者Ａの所見情報ｓ’は、血圧値が健常者の値と異なるという所見を表す情報、ＢＭＩ（Body Mass Index）値が健常者の値と異なるという所見を表す情報、ＨＤＬ（High Density Lipoprotein）コレステロール値が健常者の値と異なるという所見を表す情報である。
【００８５】
その後、端末装置１０１は、観測値データと所見情報ｓ’とを対応付けた入力データを生成し、生成した入力データを重要度予測装置３００へ送信する。
【００８６】
図２（ａ）に示した重要度予測装置３００のＣＰＵ３００ａは、ＬＡＮカード３００ｆが入力データを受信すると、当該患者の傷病がどの程度重篤であるかを当該医師が評価する際に所見情報がどの程度重要であるかを表す重要度の予測値を送信する、図１２に示す重要度予測値出力処理を実行する。これにより、ＣＰＵ３００ａは、図３（ａ）に示した入力部３２０、保存部３３０、取得部３４０、パラメタ推定部３５０、重要度算出部３６０、検索部３７０、及び出力部３８０として機能し、ハードディスク３００ｄと協働して情報記憶部３１０として機能する。
【００８７】
重要度予測値出力処理を開始すると、入力部３２０は、ＬＡＮカード３００ｆから入力データを入力するデータ入力処理を実行する（ステップＳ３１）。次に、保存部３３０は、情報記憶部３１０が記憶する入力データテーブルに入力データを保存するデータ保存処理を実行する（ステップＳ３２）。
【００８８】
その後、取得部３４０、パラメタ推定部３５０、及び重要度算出部３６０は、患者識別情報ｕ’を実施形態１で説明したユーザ識別情報ｕと同様に取り扱い、所見情報ｓ’をサイド情報ｓと同様に取り扱うことで、図５に示した重要度予測処理を実行する（ステップＳ３３）。
【００８９】
つまり、重要度予測処理の実行において、パラメタ推定部３５０の分解部３５２は、上式（１３）を用いて評価値ｄ＿ｕ’ｙを患者特徴ベクトルＸ＿ｕ’と評価対象特徴ベクトルＷ＿ｙとの内積で表し、上式（１４）を用いて重要度ｑ＿ｕ’ｓ’を患者特徴ベクトルＸ＿ｕ’とサイド情報特徴ベクトルＶ＿ｓ’との内積で表す。
【００９０】
この患者特徴ベクトルＸ＿ｕ’の各次元の要素は、傷病の特徴を表し、患者識別情報ｕ’で識別される患者が傷病のどの特徴にどのくらいかかりやすいかを数値で表す。また、評価対象特徴ベクトルＷ＿ｙの各次元の要素は、傷病の特徴を表し、評価対象識別情報ｙで識別される傷病がある特徴を有する度合いを数値で表す。さらに、所見情報特徴ベクトルＶ＿ｓ’の各次元の要素は、傷病の特徴を表し、所見が傷病に与える影響の度合いを数値で表す。
【００９１】
その後、推定部３５３が、これらのベクトルＸ＿ｕ’、Ｗ＿ｙ、及びＶ＿ｓ’で構成される行列変数Ｘ、Ｗ、及びＶが従う事前確率分布の母数を表すパラメタの値を推定した後に、重要度算出部３６０が、推定された母数を表すパラメタを用いて所見情報ｓ’の重要度予測値ｈｑ＿ｕ’ｓ’を算出する。その後、重要度算出部３６０は、重要度予測値ｈｑ＿ｕ’ｓ’を要素とする予測値行列ＨＱを生成し、生成された予測値行列ＨＱを表す情報を情報記憶部１１０へ保存する。
【００９２】
重要度予測処理が終了すると、検索部３７０は、入力データから患者識別情報ｕ’を抽出する（ステップＳ３４）。その後、検索部３７０は、情報記憶部３１０から予測値行列ＨＱを表す情報を読み出す。次に、検索部３７０は、患者識別情報ｕ’に基づいて予測値行列ＨＱから、患者識別情報ｕ’の予測値ベクトルＨＱ＿ｕ’を検索（つまり、予測値行列ＨＱからｕ’行目のベクトルを抽出）する（ステップＳ３５）。
【００９３】
その後、出力部３８０は、所見情報ｓ’の重要度予測値を要素とする予測値ベクトルＨＱ＿ｕ’を表す情報と、入力データと、を対応付けたデータをＬＡＮカード３００ｆへ出力した後に（ステップＳ３６）、重要度予測値出力処理の実行を終了する。
【００９４】
その後、ＬＡＮカード３００ｆは、出力されたデータを端末装置１０１へ送信する。端末装置１０１は、当該データを受信すると、当該患者が負う傷病の所見を表す所見情報ｓ’と、所見情報ｓ’の重要度予測値ｈｑ＿ｕ’ｓ’を表す情報と、を対応付けた情報を、重要度予測値ｈｑ＿ｕ’ｓ’が高い順に並び替える。
【００９５】
次に、端末装置１０１は、図１３に示すような、当該データに含まれる患者識別情報ｕ’と、重要度予測値ｈｑ＿ｕ’ｓ’が高い順にソートされた当該患者が負う傷病の所見を表す複数の所見情報ｓ’と、を対応付けて表示部１０１ｂに表示する。
【００９６】
尚、端末装置１０１は、患者識別情報ｕ’及びソートされた当該患者が負う傷病の所見を表す所見情報ｓ’だけではなく、患者の傷病を識別する識別評価対象識別情報ｙと、当該患者の傷病の重篤度を表す評価値ｄ＿ｕ’ｙを表す情報と、所見情報ｓ’の重要度予測値ｈｑ＿ｕ’ｓ’を表す情報と、をさらに対応付けて表示部１０１ｂに表示しても良い。
【００９７】
これらの構成によれば、重要度ｑ＿ｕ’ｓ’を表す確率変数の行列（つまり、重要度行列）Ｑを、人物識別情報ｕ’で識別される人物の特徴を表す確率変数の行列（つまり、ユーザ特徴行列）Ｘと、説明情報（つまり、サイド情報）ｓ’の特徴を表す確率変数の行列（つまり、サイド情報特徴行列）Ｖと、で表す。その後、取得された観測値データに基づいてユーザ特徴行列Ｘとサイド情報特徴行列Ｖとが従う確率分布の母数を表すパラメタη及びαを推定した後に、推定されたパラメタη及びαに基づいて説明情報ｓの重要度の予測値ｈｑ＿ｕ’ｓ’を表す行列ＨＱを算出する。このため、ある人物が有する評価対象の評価において、当該評価対象を説明するサイド情報ｓ’がどの程度重要であるかを予測できる。
【００９８】
これらの構成によれば、患者の有する傷病の重篤度（または有無など）を診察して、判断・評価する際に、医師による各所見がどの程度重要であるかを表す重要度の予測値ｈｑ＿ｕ’ｓ'を出力できる。このため、医師、看護師、及び介護師は、患者の所見の重要度が高いか低いかという情報を治療の優先順序などをつける際の補助情報として活用して、効率的かつ効果的に患者の診察、看護、及び介護を行うことができる。
【００９９】
尚、実施形態１、実施形態１の変形例１、実施形態１の変形例２、及び実施形態２において、評価値ｄ＿ｕｙ及び評価値ｄ＿ｕ’ｙは実数であるとして説明したが、これに限定される訳ではない。
【０１００】
尚、本発明に係る実施形態１、実施形態１の変形例１、実施形態１の変形例２、及び実施形態２は、互いに組み合わせても良い。本発明に係る機能を実現するための構成を予め備えた重要度予測装置３００として提供できることはもとより、プログラムの適用により、既存の１又は複数のコンピュータを本発明に係る重要度予測装置として機能させることもできる。すなわち、上記実施形態で例示した重要度予測装置３００による各機能構成を実現させるためのプログラムを、既存の重要度予測装置を制御するコンピュータ（ＣＰＵなど）が実行できる様に適用することで、本発明に係る重要度予測装置３００として機能させることができる。
【０１０１】
このようなプログラムの配布方法は任意であり、例えば、メモリカード、ＣＤ−ＲＯＭ、又はＤＶＤ−ＲＯＭなどの記録媒体に格納して配布できる他、インターネットなどの通信媒体を介して配布することもできる。
【０１０２】
以上本発明の好ましい実施例について詳述したが、本発明は係る特定の実施例に限定されるものではなく、特許請求の範囲に記載された本発明の要旨の範囲内において、種々の変形、変更が可能である。
【０１０３】
上記の実施形態１、実施形態１の変形例１、実施形態１の変形例２、及び実施形態２の一部又は全部は、以下の付記のようにも記載されうるが、以下には限られない。
【０１０４】
（付記１）
人物を識別する情報と、評価対象を識別する情報と、当該人物による当該評価対象の評価値若しくは当該人物が有する当該評価対象の評価値を表す情報と、を対応付けた観測値データと前記評価対象を説明する説明情報とを取得する取得手段と、
前記取得された説明情報が前記評価対象の評価においてどの程度重要であるかを示す重要度を表す確率変数を、前記取得された情報で表される評価値を用いて定義する定義手段と、
前記定義された重要度を表す確率変数を、前記人物の特徴を表す確率変数と前記説明情報の特徴を表す確率変数とで表す分解手段と、
前記人物の特徴を表す確率変数と、前記説明情報の特徴を表す確率変数と、が予め定められた事前確率分布に従う場合に、前記事前確率分布の母数を表すパラメタを、前記取得された観測値データを用いて推定する推定手段と、
前記推定されたパラメタに基づいて前記説明情報の重要度の予測値を算出する予測値算出手段と、
前記算出された当該説明情報の重要度の予測値を表す情報と、前記人物を識別する情報と、前記説明情報と、を対応付けた出力データを出力する出力手段と、を備える、
ことを特徴とする重要度予測システム。
【０１０５】
（付記２）
前記評価対象は、商品若しくはサービスであり、
送信が求められたウェブページの所在を表す情報と、当該ウェブページの送信を求める人物を識別する情報と、を入力する入力手段と、
前記出力された出力データから、前記入力された情報で識別される人物と同じ人物を識別する情報に対応付けられた説明情報と、当該説明情報の重要度の予測値を表す情報と、を検索する検索手段と、
前記検索された情報で表される重要度の予測値に基づいて前記説明情報を選択する選択手段と、
商品若しくはサービスを説明する説明情報と、当該商品若しくは当該サービスを広告する広告画像を表す情報と、を対応付けて記憶する記憶手段と、
前記入力された情報で表される所在にあるウェブページに対して、前記選択された説明情報に対応付けて記憶された情報で表される広告画像を追加した後に、当該広告画像が追加されたウェブページを送信する送信手段と、をさらに備える、
ことを特徴とする付記１に記載の重要度予測システム。
【０１０６】
（付記３）
前記評価対象は、前記人物が有する傷病であり、
前記評価値は、前記傷病がどの程度重篤であるかを評価した値であり、
前記説明情報は、医師による前記傷病に対する判断若しくは見解である所見を表す所見情報である、
ことを特徴とする付記１に記載の重要度予測システム。
【０１０７】
（付記４）
コンピュータを、
人物を識別する情報と、評価対象を識別する情報と、当該人物による当該評価対象の評価値若しくは当該人物が有する当該評価対象の評価値を表す情報と、を対応付けた観測値データと前記評価対象を説明する説明情報とを取得する取得手段、
前記取得された説明情報が前記評価対象の評価においてどの程度重要であるかを示す重要度を表す確率変数を、前記取得された情報で表される評価値を用いて定義する定義手段、
前記定義された重要度を表す確率変数を、前記人物の特徴を表す確率変数と前記説明情報の特徴を表す確率変数とで表す分解手段、
前記人物の特徴を表す確率変数と、前記説明情報の特徴を表す確率変数と、が予め定められた事前確率分布に従う場合に、前記事前確率分布の母数を表すパラメタを、前記取得された観測値データを用いて推定する推定手段、
前記推定されたパラメタに基づいて前記説明情報の重要度の予測値を算出する予測値算出手段、
前記算出された当該説明情報の重要度の予測値を表す情報と、前記人物を識別する情報と、前記説明情報と、を対応付けた出力データを出力する出力手段、として機能させる、
ことを特徴とする重要度予測プログラム。
【０１０８】
（付記５）
人物を識別する情報と、評価対象を識別する情報と、当該人物による当該評価対象の評価値若しくは当該人物が有する当該評価対象の評価値を表す情報と、を対応付けた観測値データと前記評価対象を説明する説明情報とを取得する取得ステップと、
前記取得された説明情報が前記評価対象の評価においてどの程度重要であるかを示す重要度を表す確率変数を、前記取得された情報で表される評価値を用いて定義する定義ステップと、
前記定義された重要度を表す確率変数を、前記人物の特徴を表す確率変数と前記説明情報の特徴を表す確率変数とで表す変数分解ステップと、
前記人物の特徴を表す確率変数と、前記説明情報の特徴を表す確率変数と、が予め定められた事前確率分布に従う場合に、前記事前確率分布の母数を表すパラメタを、前記取得された観測値データを用いて推定するパラメタ推定ステップと、
前記推定されたパラメタに基づいて前記説明情報の重要度の予測値を算出する予測値算出ステップと、
前記算出された当該説明情報の重要度の予測値を表す情報と、前記人物を識別する情報と、前記説明情報と、を対応付けた出力データを出力する出力ステップと、を有する、
ことを特徴とする重要度予測方法。
【符号の説明】
【０１０９】
１ 重要度予測システム
１０ 通信網
１０１，１０２，１０３ 端末装置
１０１ａ，１０２ａ，１０３ａ 入力部
１０１ｂ，１０２ｂ，１０３ｂ 表示部
２００ ウェブサーバ
２００ａ ＣＰＵ
２００ｂ ＲＯＭ
２００ｃ ＲＡＭ
２００ｄ ハードディスク
２００ｅ メディアコントローラ
２００ｆ ＬＡＮカード
２００ｇ ビデオカード
２００ｈ ＬＣＤ
２００ｉ キーボード
２００ｊ スピーカ
２００ｋ タッチパッド
２１０ａ 予測値記憶部
２１０ｂ 広告記憶部
２１０ｃ ページ記憶部
２１０ｄ 履歴記憶部
２２０ 出力部
２３０ 入力部
２４０ 予測値保存部
２５０ 予測値検索部
２６０ サイド情報選択部
２７０ 広告選択部
２８０ ウェブページ読出部
２９０ 履歴更新部
３００ 重要度予測装置
３００ａ ＣＰＵ
３００ｂ ＲＯＭ
３００ｃ ＲＡＭ
３００ｄ ハードディスク
３００ｅ メディアコントローラ
３００ｆ ＬＡＮカード
３００ｇ ビデオカード
３００ｈ ＬＣＤ
３００ｉ キーボード
３００ｊ スピーカ
３００ｋ タッチパッド
３１０ 情報記憶部
３２０ 入力部
３３０ 保存部
３４０ 取得部
３５０ パラメタ推定部
３５１ 定義部
３５２ 分解部
３５３ 推定部
３６０ 重要度算出部
３７０ 検索部
３８０ 出力部
【特許請求の範囲】
【請求項１】
人物を識別する情報と、評価対象を識別する情報と、当該人物による当該評価対象の評価値若しくは当該人物が有する当該評価対象の評価値を表す情報と、を対応付けた観測値データと前記評価対象を説明する説明情報とを取得する取得手段と、
前記取得された説明情報が前記評価対象の評価においてどの程度重要であるかを示す重要度を表す確率変数を、前記取得された情報で表される評価値を用いて定義する定義手段と、
前記定義された重要度を表す確率変数を、前記人物の特徴を表す確率変数と前記説明情報の特徴を表す確率変数とで表す分解手段と、
前記人物の特徴を表す確率変数と、前記説明情報の特徴を表す確率変数と、が予め定められた事前確率分布に従う場合に、前記事前確率分布の母数を表すパラメタを、前記取得された観測値データを用いて推定する推定手段と、
前記推定されたパラメタに基づいて前記説明情報の重要度の予測値を算出する予測値算出手段と、
前記算出された当該説明情報の重要度の予測値を表す情報と、前記人物を識別する情報と、前記説明情報と、を対応付けた出力データを出力する出力手段と、を備える、
ことを特徴とする重要度予測システム。
【請求項２】
前記評価対象は、商品若しくはサービスであり、
送信が求められたウェブページの所在を表す情報と、当該ウェブページの送信を求める人物を識別する情報と、を入力する入力手段と、
前記出力された出力データから、前記入力された情報で識別される人物と同じ人物を識別する情報に対応付けられた説明情報と、当該説明情報の重要度の予測値を表す情報と、を検索する検索手段と、
前記検索された情報で表される重要度の予測値に基づいて前記説明情報を選択する選択手段と、
商品若しくはサービスを説明する説明情報と、当該商品若しくは当該サービスを広告する広告画像を表す情報と、を対応付けて記憶する記憶手段と、
前記入力された情報で表される所在にあるウェブページに対して、前記選択された説明情報に対応付けて記憶された情報で表される広告画像を追加した後に、当該広告画像が追加されたウェブページを送信する送信手段と、をさらに備える、
ことを特徴とする請求項１に記載の重要度予測システム。
【請求項３】
前記評価対象は、前記人物が有する傷病であり、
前記評価値は、前記傷病がどの程度重篤であるかを評価した値であり、
前記説明情報は、医師による前記傷病に対する判断若しくは見解である所見を表す所見情報である、
ことを特徴とする請求項１に記載の重要度予測システム。
【請求項４】
コンピュータを、
人物を識別する情報と、評価対象を識別する情報と、当該人物による当該評価対象の評価値若しくは当該人物が有する当該評価対象の評価値を表す情報と、を対応付けた観測値データと前記評価対象を説明する説明情報とを取得する取得手段、
前記取得された説明情報が前記評価対象の評価においてどの程度重要であるかを示す重要度を表す確率変数を、前記取得された情報で表される評価値を用いて定義する定義手段、
前記定義された重要度を表す確率変数を、前記人物の特徴を表す確率変数と前記説明情報の特徴を表す確率変数とで表す分解手段、
前記人物の特徴を表す確率変数と、前記説明情報の特徴を表す確率変数と、が予め定められた事前確率分布に従う場合に、前記事前確率分布の母数を表すパラメタを、前記取得された観測値データを用いて推定する推定手段、
前記推定されたパラメタに基づいて前記説明情報の重要度の予測値を算出する予測値算出手段、
前記算出された当該説明情報の重要度の予測値を表す情報と、前記人物を識別する情報と、前記説明情報と、を対応付けた出力データを出力する出力手段、として機能させる、
ことを特徴とする重要度予測プログラム。
【請求項５】
人物を識別する情報と、評価対象を識別する情報と、当該人物による当該評価対象の評価値若しくは当該人物が有する当該評価対象の評価値を表す情報と、を対応付けた観測値データと前記評価対象を説明する説明情報とを取得する取得ステップと、
前記取得された説明情報が前記評価対象の評価においてどの程度重要であるかを示す重要度を表す確率変数を、前記取得された情報で表される評価値を用いて定義する定義ステップと、
前記定義された重要度を表す確率変数を、前記人物の特徴を表す確率変数と前記説明情報の特徴を表す確率変数とで表す変数分解ステップと、
前記人物の特徴を表す確率変数と、前記説明情報の特徴を表す確率変数と、が予め定められた事前確率分布に従う場合に、前記事前確率分布の母数を表すパラメタを、前記取得された観測値データを用いて推定するパラメタ推定ステップと、
前記推定されたパラメタに基づいて前記説明情報の重要度の予測値を算出する予測値算出ステップと、
前記算出された当該説明情報の重要度の予測値を表す情報と、前記人物を識別する情報と、前記説明情報と、を対応付けた出力データを出力する出力ステップと、を有する、
ことを特徴とする重要度予測方法。
【請求項１】
人物を識別する情報と、評価対象を識別する情報と、当該人物による当該評価対象の評価値若しくは当該人物が有する当該評価対象の評価値を表す情報と、を対応付けた観測値データと前記評価対象を説明する説明情報とを取得する取得手段と、
前記取得された説明情報が前記評価対象の評価においてどの程度重要であるかを示す重要度を表す確率変数を、前記取得された情報で表される評価値を用いて定義する定義手段と、
前記定義された重要度を表す確率変数を、前記人物の特徴を表す確率変数と前記説明情報の特徴を表す確率変数とで表す分解手段と、
前記人物の特徴を表す確率変数と、前記説明情報の特徴を表す確率変数と、が予め定められた事前確率分布に従う場合に、前記事前確率分布の母数を表すパラメタを、前記取得された観測値データを用いて推定する推定手段と、
前記推定されたパラメタに基づいて前記説明情報の重要度の予測値を算出する予測値算出手段と、
前記算出された当該説明情報の重要度の予測値を表す情報と、前記人物を識別する情報と、前記説明情報と、を対応付けた出力データを出力する出力手段と、を備える、
ことを特徴とする重要度予測システム。
【請求項２】
前記評価対象は、商品若しくはサービスであり、
送信が求められたウェブページの所在を表す情報と、当該ウェブページの送信を求める人物を識別する情報と、を入力する入力手段と、
前記出力された出力データから、前記入力された情報で識別される人物と同じ人物を識別する情報に対応付けられた説明情報と、当該説明情報の重要度の予測値を表す情報と、を検索する検索手段と、
前記検索された情報で表される重要度の予測値に基づいて前記説明情報を選択する選択手段と、
商品若しくはサービスを説明する説明情報と、当該商品若しくは当該サービスを広告する広告画像を表す情報と、を対応付けて記憶する記憶手段と、
前記入力された情報で表される所在にあるウェブページに対して、前記選択された説明情報に対応付けて記憶された情報で表される広告画像を追加した後に、当該広告画像が追加されたウェブページを送信する送信手段と、をさらに備える、
ことを特徴とする請求項１に記載の重要度予測システム。
【請求項３】
前記評価対象は、前記人物が有する傷病であり、
前記評価値は、前記傷病がどの程度重篤であるかを評価した値であり、
前記説明情報は、医師による前記傷病に対する判断若しくは見解である所見を表す所見情報である、
ことを特徴とする請求項１に記載の重要度予測システム。
【請求項４】
コンピュータを、
人物を識別する情報と、評価対象を識別する情報と、当該人物による当該評価対象の評価値若しくは当該人物が有する当該評価対象の評価値を表す情報と、を対応付けた観測値データと前記評価対象を説明する説明情報とを取得する取得手段、
前記取得された説明情報が前記評価対象の評価においてどの程度重要であるかを示す重要度を表す確率変数を、前記取得された情報で表される評価値を用いて定義する定義手段、
前記定義された重要度を表す確率変数を、前記人物の特徴を表す確率変数と前記説明情報の特徴を表す確率変数とで表す分解手段、
前記人物の特徴を表す確率変数と、前記説明情報の特徴を表す確率変数と、が予め定められた事前確率分布に従う場合に、前記事前確率分布の母数を表すパラメタを、前記取得された観測値データを用いて推定する推定手段、
前記推定されたパラメタに基づいて前記説明情報の重要度の予測値を算出する予測値算出手段、
前記算出された当該説明情報の重要度の予測値を表す情報と、前記人物を識別する情報と、前記説明情報と、を対応付けた出力データを出力する出力手段、として機能させる、
ことを特徴とする重要度予測プログラム。
【請求項５】
人物を識別する情報と、評価対象を識別する情報と、当該人物による当該評価対象の評価値若しくは当該人物が有する当該評価対象の評価値を表す情報と、を対応付けた観測値データと前記評価対象を説明する説明情報とを取得する取得ステップと、
前記取得された説明情報が前記評価対象の評価においてどの程度重要であるかを示す重要度を表す確率変数を、前記取得された情報で表される評価値を用いて定義する定義ステップと、
前記定義された重要度を表す確率変数を、前記人物の特徴を表す確率変数と前記説明情報の特徴を表す確率変数とで表す変数分解ステップと、
前記人物の特徴を表す確率変数と、前記説明情報の特徴を表す確率変数と、が予め定められた事前確率分布に従う場合に、前記事前確率分布の母数を表すパラメタを、前記取得された観測値データを用いて推定するパラメタ推定ステップと、
前記推定されたパラメタに基づいて前記説明情報の重要度の予測値を算出する予測値算出ステップと、
前記算出された当該説明情報の重要度の予測値を表す情報と、前記人物を識別する情報と、前記説明情報と、を対応付けた出力データを出力する出力ステップと、を有する、
ことを特徴とする重要度予測方法。
【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２】
【図３】
【図４】
【図５】
【図６】
【図７】
【図８】
【図９】
【図１０】
【図１１】
【図１２】
【図１３】
【公開番号】特開２０１３−８０４００（Ｐ２０１３−８０４００Ａ）
【公開日】平成２５年５月２日（２０１３．５．２）
【国際特許分類】
【出願番号】特願２０１１−２２０４２２（Ｐ２０１１−２２０４２２）
【出願日】平成２３年１０月４日（２０１１．１０．４）
【出願人】（０００００４２３７）日本電気株式会社 (19,353)
【Ｆターム（参考）】
【公開日】平成２５年５月２日（２０１３．５．２）
【国際特許分類】
【出願日】平成２３年１０月４日（２０１１．１０．４）
【出願人】（０００００４２３７）日本電気株式会社 (19,353)
【Ｆターム（参考）】
[ Back to top ]