JP7740945B2 - 情報処理装置 - Google Patents

Description

本発明は、機械学習モデルを用いて、販売対象についてのコンテンツに基づき新たなコンテンツを生成する情報処理装置に関する。

近年、広告に用いる画像を人手で生成するのではなく、コンピュータによる演算を用いて広告画像を動的に生成する技術が知られている（特許文献１）。特許文献１は、広告を構成する各要素をテキストで指定した生成パラメータ群に基づいて、広告画像生成装置が広告画像を動的に生成する技術を開示している。また、特許文献１は、広告画像に対する広告効果を取得して生成パラメータ群を最適化する技術を開示している。

特開２０１８－０７７６１５号公報

ところで、人は同じ対象に触れ続けていると、その対象に好意を持つという性質を有する（単純接触効果ともいわれる）ことが知られている。しかし、同じ情報に数回程度（例えば３回）触れるのであればこの性質が当てはまるものの、例えば５回など、より多く同じ情報に触れ続けると逆に興味が低減することが知られている。また、同一でない情報を提示することで興味を継続させることができることなども知られている。このような人の性質を利用して、販売対象についての情報（画像等のコンテンツ）を提示することができれば、効果的にユーザの興味を引くことができる。

本発明は、上記課題に鑑みてなされ、その目的は、ユーザの興味を引く、販売対象についての効果的なコンテンツを生成することが可能な技術を実現することである。

この課題を解決するため、例えば本発明の情報処理装置は以下の構成を備える。すなわち、
情報処理装置であって、
１つ以上のプロセッサと、
１つ以上のプログラムを記憶するメモリと、を含み、前記１つ以上のプログラムは、前記１つ以上のプロセッサで実行されると、前記１つ以上のプロセッサに、
特定の販売対象についてのコンテンツに機械学習モデルを適用して、前記コンテンツ内の前記特定の販売対象以外の所定部分を変更した変更済みコンテンツを生成し、
ユーザに、生成した前記変更済みコンテンツを提供し、
前記変更済みコンテンツに対する前記ユーザのアクセスの情報を収集して、前記アクセスの情報に基づいて、アクセス数の高い変更済みコンテンツに対応する変更タイプを特定し、
他の販売対象についてのコンテンツに機械学習モデルを適用して、前記他の販売対象についてのコンテンツにおいて、前記他の販売対象以外の前記特定された変更タイプに応じた部分を変更して、前記他の販売対象についての変更済みコンテンツを生成する、ように実行させ、
前記所定部分を変更した変更済みコンテンツ及び前記他の販売対象についての変更済みコンテンツは、機械学習モデルによって生成された画像又は動画である、情報処理装置が提供される。

本発明によれば、ユーザの興味を引く、販売対象についての効果的なコンテンツを生成することが可能になる。

本発明の実施形態に係る情報処理システムの概要を説明する図 本実施形態に係る情報処理装置の機能構成例を示すブロック図 本実施形態に係る通信装置の機能構成例を示すブロック図 本実施形態に係るコンテンツ生成処理の一連の動作を示すフローチャート 本実施形態に係る一例としてのアクセス分析処理の一連の動作を示すフローチャート 本実施形態に係る他の例としてのアクセス分析処理の一連の動作を示すフローチャート 本実施形態に係るユーザテーブルの一例を示す図 本実施形態に係る、拡張されたユーザテーブルの一例を示す図 本実施形態に係るコンテンツテーブルの一例を示す図 本実施形態に係る検索結果の一例を示す図 本実施形態に係る検索結果の他の例を示す図 本実施形態に係る変更タイプテーブルの一例を示す図 本実施形態に係る変更済みコンテンツの一例を説明する図 本実施形態に係る変更済みコンテンツの一例を説明する図 本実施形態に係る変更済みコンテンツの一例を説明する図 本実施形態に係る検索結果の他の例を示す図 本実施形態に係る検索結果の他の例を示す図

以下、添付図面を参照して実施形態を詳しく説明する。なお、以下の実施形態は特許請求の範囲に係る発明を限定するものではなく、また実施形態で説明されている特徴の組み合わせの全てが発明に必須のものとは限らない。実施形態で説明されている複数の特徴のうち二つ以上の特徴は任意に組み合わされてもよい。また、同一若しくは同様の構成には同一の参照番号を付し、重複した説明は省略する。

＜情報処理システムの概要＞
図１は、本実施形態に係る情報処理システムの概要を示している。本実施形態に係る情報処理システム１０は、例えば一例としての情報処理サーバである情報処理装置１００と、例えば一例としてのスマートフォンである通信装置１１０及び通信装置１２０とを含む。

情報処理装置１００は、例えば、電子商取引のためのウェブページなどの情報を提供するサーバとして動作する。情報処理装置１００は、販売対象（商品やサービス）などの検索要求や閲覧要求を通信装置１１０から受け付けて、表示情報を通信装置１１０に提供する。表示情報は、販売対象についてのコンテンツ、或いは、当該コンテンツを変更した変更済みコンテンツを含む。

以下の実施形態では、特定の販売対象についてのコンテンツが画像である場合を例に説明する。すなわち、以下の説明では、特定の販売対象についての画像に機械学習モデルを適用して、画像内の特定の販売対象以外の部分を変更した変更済みコンテンツ（変更済み画像）を生成する実施形態について説明する。しかし、本実施形態は、コンテンツが画像である場合に限らず、コンテンツがテキスト、動画及び音声である場合にも適用可能である。本実施形態では主に画像で説明しているが、例えば、動画を例にとると、動画もフレーム構成であり、画像の集合で動画が構成されているため、それぞれの画像に対して同様の処理を実施することができる。そして、動画を構成するフレーム画像それぞれに対してそれぞれ別の変更処理を施すと動画再生した場合にまとまりのある動画とならないため、動画の場合、対象の動画を構成するフレーム画像に反映する変更処理は同種、同一のものとすることが望ましい。

上述のように、人は同じ対象に触れ続けていると、その対象に好意を持つという性質（単純接触効果）を有することが知られている。また、同じ情報に数回程度（例えば３回）触れるのであれば単純接触効果を得ることができるが、例えば５回など同じ情報に触れ続けると逆に興味が低減することも知られている。このような興味の低下を防ぐために、例えば、情報に少し変化を加えて同じ情報を発信し続けるというテクニックが知られている。このようなテクニックには、例えば、情報の論点を少しずらしてみる、或いは、表現は変わっているが消費者に伝えたいメッセージの本質は変えないなどが含まれる。更に、人には変化に注目するという性質があるため、対象に変化が加えることにより効果的に人の注目を集めることができる。

本実施形態では、このような人の性質を利用して、伝える情報に少し変化を加えたうえで、特定の情報を提供し続けるようにする。例えば、特定の販売対象についてのコンテンツ（例えば画像）が存在する場合、情報処理装置１００は、ユーザに特定の販売対象についてのコンテンツをそのまま提供する。一方、情報処理装置１００は、当該特定の販売対象についての情報を継続的にユーザに提供する場合、例えば、特定の販売対象についての画像内の、特定の販売対象以外の部分を変更した変更済みのコンテンツ（例えば変更済み画像）を生成する。そして、生成した変更済みコンテンツをユーザに提供する。このようにすることで、ユーザの興味が低減することを防止しつつ、特定の販売対象についての情報を継続的にユーザに提示することができる。情報処理装置１００は、特定の販売対象についてのコンテンツを３回程度ユーザにそのまま提供した後に、変更済みコンテンツを提供するようにしてもよい。また、本実施形態では、どのような変更を加えたコンテンツがユーザの興味を引くかについて分析し、ユーザが興味を持つ変更方法を、他の販売対象についてのコンテンツに適用する。

特定の販売対象についてのコンテンツと変更済みコンテンツについて、例えば、図１２を参照して説明する。図１２に示す例では、特定の販売対象はシャツであり、コンテンツは画像である。画像１２０１は、特定の販売対象（例えばシャツ）についての画像であり、画像１２０１には、販売対象のシャツ１２０３を着用するモデル１２０２（ファッションモデル）が撮影されている。画像１２０１では、モデル１２０２はジーンズ１２０４を着用している。画像１２０１は、例えば、通信装置１２０において撮影された画像、又は、通信装置１２０に格納されていた画像であり、情報処理装置１００に通信装置１２０から送信される。

画像１２０５は、変更済みのコンテンツ（変更済み画像ともいう）である。この画像１２０５は、情報処理装置１００が画像１２０１に機械学習モデルを適用して、画像１２０５内の特定の販売対象以外の部分（すなわちジーンズ１２０４の部分）をスカート１２０８に変更することにより生成した画像である。従って、変更済み画像１２０５では、モデル１２０２やシャツ１２０３は、画像１２０１から変化していない。

情報処理装置１００は、特定の販売対象のついてのコンテンツ或いは変更済みのコンテンツを含む表示情報を通信装置１１０に送信する。本実施形態では、表示画像は、例えば、特定の販売対象についての検索結果、当該販売対象のページ情報、或いは特定の販売対象の画像一覧などである。

通信装置１１０は、情報処理装置１００が提供する表示情報を受信して、ユーザに提示する装置である。また、通信装置１１０は、ユーザ操作に応じて、情報処理装置１００へ販売対象についての検索要求や、特定の販売対象のページの閲覧要求などを送信する。

通信装置１２０は、例えば、上述の特定の販売対象についての画像（すなわち画像１２０１）を情報処理装置１００に送信する。通信装置１２０は、例えば、通信装置１２０において画像１２０１を撮影してもよいし、通信装置１２０の外部装置によって撮影された画像１２０１を取得、格納してもよい。

＜情報処理装置の構成＞
次に、図２を参照して、情報処理装置１００の機能構成例について説明する。なお、図を参照して説明する機能ブロックの各々は、統合されまたは分離されてもよく、また説明する機能が別のブロックで実現されてもよい。また、ハードウェアとして説明するものがソフトウェアで実現されてもよく、その逆であってもよい。更に、本実施形態では、情報処理装置１００が単体の装置である場合を例に説明するが、情報処理装置１００が複数の装置で構成されてもよいし、また、１つ以上の仮想マシンとして構成されてもよい。

通信部２０１は、ユーザが利用する通信装置１１０、及び通信装置１２０と、ネットワークを介して通信する通信回路又は通信モジュールを含む。

制御部２０２は、プロセッサであるＣＰＵ２１０と、ＲＡＭ２１１とを含む。ＣＰＵ２１０は中央演算装置であり、１つ以上のプロセッサから構成されてよい。また、制御部２０２は、ＣＰＵ２１０及びＲＡＭ２１１に加えて、ＧＰＵを更に備えて、機械学習モデルを効率的に実行することができるように構成されてよい。制御部２０２は、記憶部２０４に記憶されたコンピュータプログラムを実行することにより、情報処理装置１００の各部の動作を制御したり、後述するコンテンツ生成処理やアクセス分析処理を実行したりする。

ＲＡＭ２１１は、例えばＤＲＡＭ等の揮発性の記憶媒体であり、制御部２０２がコンピュータプログラムを実行するためのパラメータや処理結果等を一時的に記憶する。電源部２０３は、情報処理装置１００の各部が動作するための電力を提供するための電源である。

記憶部２０４は、例えばハードディスクや半導体メモリ等の不揮発性の記憶媒体を含み、情報処理装置１００の動作に必要な設定値や、コンピュータプログラム等を格納する。記憶部２０４に保持されるコンピュータプログラムは、情報処理装置１００の諸機能を実現するためのオペレーティングシステムや、ブラウザなどの種々のアプリケーションを含む。記憶部２０４は、内部にデータベースを含んでよい。データベースは、例えば、ユーザＤＢ２２０、コンテンツＤＢ２２１、変更タイプＤＢ２２２を含む。

ユーザＤＢ２２０は、情報処理装置１００が提供する電子商取引サービスを利用するユーザに関するデータを格納する。図７は、ユーザＤＢ２２０に格納されるユーザテーブル７００を示している。ユーザテーブル７００は、ユーザＩＤ７０１と、ユーザの属性情報７０２と、アクセス履歴７０３とを含む。ユーザＩＤ７０１は、ユーザを一意に特定する情報である。ユーザの属性情報７０２は、それぞれのユーザの、例えば年齢、性別、嗜好情報などが含まれてよい。アクセス履歴７０３には、ユーザがアクセスした、販売対象についての画像（オリジナル）や、機械学習モデルで生成される変更済み画像が、例えば、アクセスの新しい順に蓄積される。なお、ユーザテーブル７００は、図８に示すように、電子商取引サービスでユーザが購入した商品についての購入履歴８０１を更に含む、或いは、関連付けられてもよい。後述するコンテンツ生成処理において、制御部２０２は、購入履歴を参照することによって、購入した商品と類似する変更タイプを優先的に選択するようにしてもよい。

コンテンツＤＢ２２１は、情報処理装置１００が、電子商取引サービスにおいて提供するコンテンツに関するデータを格納する。図９は、コンテンツＤＢ２２１に格納されるコンテンツテーブル９００を示している。コンテンツテーブル９００は、コンテンツＩＤ９０１と、コンテンツ情報９０２と、コンテンツのメタ情報９０３とを含む。コンテンツＩＤ９０１は、コンテンツを一意に特定する情報である。コンテンツ情報９０２は、コンテンツの実体に対するＵＲＬ、コンテンツの販売対象が何であるかを示す情報、及び、変更タイプを識別する情報などを含む。変更タイプは、図１１に示す変更タイプテーブル１１００と対応する。コンテンツのメタ情報９０３は、コンテンツ内のモデル（ファッションモデル）や販売対象以外の部分についての情報が記載される。コンテンツのメタ情報９０３を用いることにより、情報処理装置１００においてファッションモデルや衣服などに対する認識処理を改めて実行しなくてもよく、情報処理装置１００による処理が高速化される。

変更タイプＤＢ２２２は、情報処理装置１００が提供する電子商取引サービスにおいて扱われる販売対象のそれぞれについて、コンテンツ内で変更可能な内容を示すデータである。図１１は、販売対象がシャツである場合の変更タイプテーブル１１００の例を示している。

記憶部２０４は、上記ＤＢのほか、コンテンツの実体的なデータ、及び、機械学習モデルを学習させるための学習データを更に格納してよい。コンテンツの実体的なデータは、例えば、通信装置１２０から送信される、販売対象についての画像データなどである。学習データは、例えば、コンテンツ内で変更する部分に関連する画像（例えば、ジーンズをスカートに変更する場合にはジーンズの画像及びスカートの画像）を大量に集めたデータであってよい。

コンテンツ取得部２１２は、通信装置１２０から送信される、販売対象についての画像データを取得して、記憶部２０４に記憶させる。コンテンツ取得部２１２は、更に、例えば、販売対象が何であるか、モデルは誰か、そのヘアスタイルは何か、販売対象以外の部分は何か等といったコンテンツに関する情報を、通信装置１２０から受信して、コンテンツＤＢ２２１に格納してもよい。

コンテンツ生成部２１３は、例えば、画像などのコンテンツを生成することが可能な機械学習モデルを含む。コンテンツ生成部２１３は、例えば、特定の販売対象（例えば、シャツ）についての画像に機械学習モデルを適用して、画像内の販売対象以外の部分（例えば、ジーンズ部分）を他の衣類（例えば、スカート）に変更した変更済み画像を生成する。コンテンツ生成部２１３は、例えば、公知であるinstaGAN（instance-aware Generative Adversarial Network, https://arxiv.org/pdf/1812.10889.pdf）のアルゴリズムを用いた機械学習モデルを用いて、変更済みコンテンツを生成する。

コンテンツ生成部２１３は、画像内の販売対象以外の部分について、互いに異なる複数の変更済み画像を生成するように構成される。例えば、コンテンツ生成部２１３は、図１２を参照して説明したような、販売対象であるシャツを維持したままジーンズ部分を変更した変更済み画像１２０５を生成し、更に、図１３に示すような、画像内のモデル（の顔）部分を変更した変更済み画像１３０１などを生成する。また、コンテンツ生成部２１３は、図１４に示すような、画像内の背景部分を変更した変更済み画像１４０１を生成する。コンテンツ生成部２１３は、異なる複数の変更済み画像を生成するために、例えば、画像内の各部分を変更するためのそれぞれの学習済み機械学習モデルを用いてよい。すなわち、画像内のジーンズをスカートに変更する第１機械学習モデルと、画像内のモデルの顔を変更する第２機械学習モデルと、画像内の背景部分を変更する第３機械学習モデルとを用いてよい。このように、コンテンツ生成部２１３がそれぞれ異なる変更済み画像を生成することにより、これらの変更済み画像に対するユーザの反応を収集し、分析することが可能になる。

コンテンツ提供部２１４は、通信装置１１０からの検索要求（或いは閲覧要求）を受信したことに応じて、検索要求（或いは閲覧要求）に対応する、販売対象についての画像を通信装置１１０に提供する。このとき、コンテンツ提供部２１４から提供される画像は、販売対象についての画像（例えば、シャツとジーンズを含む画像）であったり、変更済み画像（例えば、シャツとスカートを含む画像）であったりする。例えば、コンテンツ提供部２１４は、ユーザに応じて、変更済み画像を選択して提供しても良いし、特定のグループのユーザに対して、ランダムに変更済み画像を選択して提供してもよい。変更済み画像は、ユーザによるアクセスの分析を行うことができるように選択される。

アクセス分析部２１５は、後述するアクセス分析処理を実行する。例えば、アクセス分析部２１５は、情報処理装置１００が提供した、特定の販売対象の画像又は変更済み画像に対する通信装置１１０のアクセスを監視して、それらに対するアクセス数の情報を収集する。また、アクセス分析部２１５は、１又は複数のユーザに対して提供した変更済み画像について、アクセス数を比較し、アクセス数の高い変更済み画像を特定する。

学習処理部２１６は、例えば、上記instaGANのアルゴリズムを用いた機械学習モデルを学習させる。機械学習モデルの学習には、記憶部２０４に格納された学習データが用いられる。複数の変更済み画像を生成するためにそれぞれ別個の機械学習モデルを用いる場合、対応する学習データを用いて、それぞれのための機械学習モデルを学習させる。

＜通信装置１１０の構成＞
次に、図３を参照して、通信装置１１０の機能構成例について説明する。本実施形態では、通信装置の一例として、スマートフォンを用いる場合を例に説明するが、通信装置は、タブレット端末などの他の電子機器であってよい。なお、以降の図を参照して説明する機能ブロックの各々は、統合されまたは分離されてもよく、また説明する機能が別のブロックで実現されてもよい。また、ハードウェアとして説明するものがソフトウェアで実現されてもよく、その逆であってもよい。

通信部３０１は、例えば通信用回路等を含み、例えばＬＴＥ等の移動体通信を介してインターネットに接続したり、無線ＬＡＮ通信を介してネットワークに接続したりして、情報処理装置１００との通信を行う。

制御部３０２は、ＣＰＵ３１０及びＲＡＭ３１１を含み、例えば記憶部３０７に記録されたコンピュータプログラムをＣＰＵ３１０が実行することにより、通信装置１１０内の各部の動作を制御する。ＣＰＵ３１０は、１つ以上のプロセッサを含む。また、ＲＡＭ３１１は、例えばＤＲＡＭなどの揮発性の半導体メモリを含む。

操作部３０３は、通信装置１１０の備えるタッチパネルやキーボード等を含む。操作部３０３は、表示部３０６に表示される各種操作用のＧＵＩに対する操作（例えば、販売対象に対する検索キーワードの入力や閲覧用の操作）を受け付ける。電源部３０４は、通信装置１１０の各部へ電力を提供する。撮像デバイス３０５は、例えば、撮像素子を含むカメラ機構であり、制御部３０２からの指示に応じて撮影を行う。

表示部３０６は、例えばＬＣＤやＯＬＥＤ等の表示デバイスを含む。表示部３０６は、制御部３０２の指示に応じて、販売対象に対する検索条件を入力するためのＧＵＩや、検索結果等を表示するＧＵＩ等を表示する。

記憶部３０７は、例えば半導体メモリ等の不揮発性メモリを含み、制御部３０２が実行するプログラムや設定値を保持したりする。記憶部３０７に保持されるコンピュータプログラムは、通信装置１１０の諸機能を実現するためのオペレーティングシステムや、ブラウザなどの種々のアプリケーションを含む。

音声入力デバイス３０８は、例えばマイクロホンを含み、通信装置１１０を使用するユーザの発する音声を入力する。音声入力デバイス３０８は、ユーザの発した音声を入力するだけでなく、ユーザの発した音声を認識して、入力情報（例えば検索キーワードの指定）をアプリケーションに入力する機能を兼ね備えてもよい。

＜通信装置１２０の構成＞
通信装置１２０の機能構成は、販売対象のコンテンツを情報処理装置１００に送信する点を除き、実質的に通信装置１１０の機能構成と同様であってよい。なお、通信装置１２０のＣＰＵ３１０が、例えば通信装置１２０の記憶部３０７に記録されたコンピュータプログラムを実行することにより、通信装置１２０内の各部の動作を制御する。

＜情報処理装置におけるコンテンツ生成処理の一連の動作＞
次に、情報処理装置１００において実行されるコンテンツ生成処理の一連の動作について、図４を参照して説明する。なお、本処理は、制御部２０２のＣＰＵ２１０が記憶部２０４に記録されるコンピュータプログラムを実行することにより実現される。以下の説明では、説明を容易にするために各ステップの処理主体をまとめて制御部２０２として説明するが、処理内容に応じて制御部２０２内で機能する各部が対応する処理を実行する。

Ｓ４０１において、制御部２０２は、特定の販売対象についての画像を、通信装置１２０から取得する。特定の販売対象についての画像は、例えば、通信装置１２０に対するユーザ操作に応じて、通信装置１２０から送信される。

Ｓ４０２において、制御部２０２は、Ｓ４０１で取得した特定の販売対象についての画像に学習済みの機械学習モデルを適用して、特定の販売対象以外の所定部分を変更した変更済み画像を生成する。例えば、制御部２０２は、後述する変更タイプの１つを指定して、コンテンツ生成部２１３に変更済み画像を生成させる。

Ｓ４０３において、制御部２０２は、規定のバリエーションの分だけ、変更済み画像を生成したかを判定する。規定のバリエーションは、例えば、図１１に示した変更タイプテーブル１１００に示される変更タイプである。特定の販売対象が何であるかに応じて、有効な変更タイプを抽出し、抽出した変更タイプを規定のバリエーションとしてもよい。例えば、特定の販売対象が「シャツ」である場合に、「シャツ」に対して有効な、予め定められた変更タイプを変更タイプテーブル１１００から抽出してもよい。或いは、ユーザの属性（性別、年齢或いは嗜好情報）に応じて、予め定められた変更タイプを変更タイプテーブル１１００から抽出してもよい。このように販売対象やユーザの属性に対して有効な変更タイプを予め決めておけば、様々な変更タイプのうち効果の低い変更タイプに対して変更済み画像を生成する必要が無くなる。すなわち、制御部２０２における計算コストを軽減し、処理を高速化することができる。制御部２０２は、抽出された変更タイプ或いは全ての変更タイプに対応する変更済み画像を生成したと判定した場合、Ｓ４０５に処理を進め、そうでない場合にはＳ４０４に処理を進める。

Ｓ４０４において、制御部２０２は、画像内の特定の販売対象以外の所定部分を、変更タイプテーブル１１００に従って、（変更済み画像を生成していない）他の部分に変更する。その後、制御部２０２は、再びＳ４０２に戻って変更済み画像を生成する。

Ｓ４０５において、制御部２０２は、ユーザの使用する通信装置１１０から、表示情報に対する要求を受信する。表示情報に対する要求は、例えば、電子商取引サービスにおける検索要求、或いは、何等かの販売対象に対する閲覧要求である。

Ｓ４０６において、制御部２０２は、変更済み画像を選択して、表示情報として通信装置１１０へ提供する。このとき、制御部２０２は、状況に応じて、変更済み画像を選択する代わりに販売対象の画像（すなわちオリジナルの画像）を通信装置１１０に提供してもよい。例えば、制御部２０２は、（オリジナルの）販売対象の画像を、ユーザに対して所定回数より多く提供した場合に、変更済み画像を選択して、通信装置１１０に送信するようにしてもよい。すなわち、ユーザに何度かオリジナルの販売対象の画像を提供して販売対象に対する好感を増大させ、ユーザの興味が低減する前に見せ方を変えた情報を提供するようにしてよい。

例えば、制御部２０２は、通信装置１１０からの要求が検索要求である場合には、検索結果の情報と販売対象の画像（或いは変更済み画像）とを表示情報として通信装置１１０へ送信する。検索結果を送信する場合の表示情報は、通信装置１１０に表示されると、例えば、図１０Ａのように表示される。この例では、検索窓１００２において「シャツ」が入力された場合の検索結果画面１００１において、「シャツ」についての検索結果１００３の上部に、検索キーワードに関連する広告１００４～１００６が表示されている。このとき、広告１００４～１００６のうち、広告１００４は、販売対象の画像である。制御部２０２は、広告１００４を、販売対象の画像の代わりに変更済み画像にしてもよい。変更済み画像を表示させる場合、制御部２０２は、例えば、Ｓ４０２～Ｓ４０４において生成した複数の変更済み画像のうちの１つを選択する。例えば、制御部２０２は、複数の変更済み画像の中から、ランダムに変更済み画像を選択して、変更済み画像を通信装置１１０に送信してもよい。

或いは、制御部２０２は、例えば、図１０Ｂのような検索結果の表示情報を通信装置１１０へ送信してもよい。この例では、検索窓１００２において「シャツ」が入力された場合の検索結果画面１０１０において、「シャツ」についての検索結果１０１１が、検索キーワードに関連する画像１０１２～１０１４などに基づいて表示されている。このとき、画像１０１２～１０１４のうち、画像１０１２は、（オリジナルの）販売対象の画像である。制御部２０２は、画像１０１２を、販売対象の画像に代えて変更済み画像にしてもよい。変更済み画像を表示させる場合、制御部２０２は、例えば、Ｓ４０２～Ｓ４０４において生成した複数の変更済み画像のうちの１つを選択する。例えば、制御部２０２は、複数の変更済み画像の中から、ランダムに変更済み画像を選択して、変更済み画像を通信装置１１０に送信してもよい。

このように、制御部２０２は、表示情報に含まれる広告として、販売対象の画像又は変更済み画像を通信装置１１０に提供してもよいし、表示情報に含まれる商品等の画像として、販売対象の画像又は変更済み画像を通信装置１１０に提供してもよい。

更に、上記実施形態では、検索結果の表示情報を例に説明したが、例えば、通信装置１１０から１つの商品情報の閲覧要求に応じて、当該商品情報内に提示する広告として、販売対象の画像又は変更済み画像を通信装置１１０へ提供してもよい。

Ｓ４０７において、制御部２０２は、Ｓ４０６において提供した広告又は画像に対する（通信装置１１０による）ユーザのアクセスを収集して、変更済み画像に対するアクセス情報を分析する。個々の広告又は画像に対するユーザのアクセスは、上述したように、ユーザテーブル７００のアクセス履歴に格納、蓄積される。本ステップの具体的な処理は、アクセス分析処理として、後述する。制御部２０２は、このユーザのアクセスを分析することにより、アクセス数の高い変更タイプを特定する。すなわち、制御部２０２は、ユーザの興味を引く変更済み画像がどのようなものであるかを特定することができる。また、アクセス数の高い変更タイプを特定することにより、様々な変更タイプのうち効果の高い変更タイプに絞って変更済み画像を生成すれば良くなる。すなわち、効果の低い変更タイプに対して変更済み画像を生成する必要が無くなる。このため、制御部２０２における計算コストを軽減し、処理を高速化することができる。

Ｓ４０８において、制御部２０２は、特定した変更タイプに応じて、他の販売対象についての変更済みコンテンツを生成する。すなわち、制御部２０２は、Ｓ４０２～Ｓ４０７の処理において、例えば販売対象「シャツ」について、アクセスに効果的な変更タイプを分析、特定しているため、他の販売対象である、例えば「ジャケット」について、特定した変更タイプに従った変更済み画像を生成する。このようにして、広告効果や提示効果の高い変更済み画像を容易に生成し、ユーザに提供することができる。Ｓ４０８の処理が終了すると、制御部２０２は、コンテンツ生成処理の一連の動作を終了する。

＜情報処理装置におけるアクセス分析処理の一連の動作＞
次に、情報処理装置１００において実行されるアクセス分析処理の一連の動作について、図５を参照して説明する。図５に示すアクセス分析処理は、上述のコンテンツ生成処理のＳ４０７の動作をより詳細化した動作である。従って、本処理は、制御部２０２のＣＰＵ２１０が記憶部２０４に記録されるコンピュータプログラムを実行することにより実現される。以下の説明では、説明を容易にするために各ステップの処理主体をまとめて制御部２０２として説明するが、処理内容に応じて制御部２０２内で機能する各部（主にアクセス分析部２１５）が対応する処理を実行する。

図５に示すアクセス分析処理は、分析処理の一例であり、あるグループを形成する複数のユーザによるアクセス情報に基づいて、当該グループ内でアクセス数の高い変更タイプを特定する処理である。グループは、例えば、同一の属性を有する複数のユーザで形成されてよく、例えば、年齢又は年代が同一である複数のユーザによって形成されてよい。或いは、グループは、嗜好の類似する複数のユーザで形成されてもよい。嗜好の類似する複数のユーザは、例えば、図７に示したアクセス履歴が、クラスタ分析によって同一のクラスタに属するような、類似するユーザである。また、嗜好の類似する複数のユーザは、電子商取引サービスを利用した購入履歴（図８に示した購入履歴）が、クラスタ分析によって同一のクラスタに属するような、類似するユーザであってもよい。

Ｓ５０１において、制御部２０２は、グループ内の複数のユーザのアクセス情報を取得する。例えば、制御部２０２は、上述のユーザテーブル７００から、ユーザのアクセス履歴７０３の情報を取得する。

Ｓ５０２において、制御部２０２は、Ｓ５０１で取得した各ユーザのアクセス履歴７０３に基づいて、集計対象である変更済み画像へのアクセス数を計算する。例えば、分析対象の販売対象が「シャツ」の画像１２０１である場合、その変更済み画像である変更済み画像１２０５、変更済み画像１３０１、及び変更済み画像１４０１へのそれぞれのアクセス数を計算する。

Ｓ５０３において、制御部２０２は、複数の変更済み画像のうち、アクセス数の高い変更済み画像を特定する。例えば、制御部２０２は、変更済み画像１２０５へのアクセス数、変更済み画像１３０１へのアクセス数、及び変更済み画像１４０１へのアクセス数のなかから、最もアクセス数の高い変更済み画像を特定する。制御部２０２は、アクセス数の高い所定個数の変更済み画像を特定してもよい。

Ｓ５０４において、制御部２０２は、Ｓ５０３で特定された、アクセス数の高い変更済み画像に基づき、変更タイプを特定する。制御部２０２は、例えば、変更済み画像１２０５へのアクセス数が最も高い場合、コンテンツテーブル９００の変更タイプを参照して、その画像の変更タイプを特定する（変更タイプはジーンズからスカートへの変更）。特定する変更タイプは、Ｓ５０３の処理に応じて複数であってもよい。制御部２０２は、変更タイプを特定すると、その後、図４に示したＳ４０８に進む。

なお、Ｓ５０４の処理によって変更タイプを特定することは、変更タイプに対応する機械学習モデルを特定することと同義であってもよい。例えば、コンテンツ生成部２１３で用いられる機械学習モデルが変更タイプごとに異なる場合、すなわち、ジーンズをスカートに変更した画像を生成する場合と、画像内のモデルを変更した画像を生成する場合とで、それぞれ対応する機械学習モデルを用いる場合、変更タイプの特定は、機械学習モデルの特定と同義である。

上述のアクセス分析処理では、所定の属性と同一の属性を有する複数のユーザのアクセス情報を分析する場合を例に説明した。しかし、所定の属性と同一の属性を有するユーザが存在しない場合や、所定の属性と同一の属性を有するユーザにおいて十分な数のアクセス情報が存在しない場合には、ユーザの所定の属性と類似する属性（例えば、ユーザの年齢と類似する年齢）を有するユーザを対象として、アクセス数を分析してもよい。

＜情報処理装置におけるアクセス分析処理の他の例＞
次に、情報処理装置１００において実行されるアクセス分析処理の他の例について、図６を参照して説明する。図６に示すアクセス分析処理は、図５と同様、上述のコンテンツ生成処理のＳ４０７の動作をより詳細化した動作である。従って、本処理は、制御部２０２のＣＰＵ２１０が記憶部２０４に記録されるコンピュータプログラムを実行することにより実現される。以下の説明では、説明を容易にするために各ステップの処理主体をまとめて制御部２０２として説明するが、処理内容に応じて制御部２０２内で機能する各部（主にアクセス分析部２１５）が対応する処理を実行する。

図６に示すアクセス分析処理の動作は、図５に示した分析処理とは異なる例であり、一人のユーザのアクセス情報に基づいて、当該一人のユーザによるアクセスのうちアクセス数の高い変更タイプを特定する動作である。すなわち、本処理は、ユーザごとに最も効果のある変更タイプを分析する処理である。本処理を実行する前には、例えば、Ｓ４０２～４０４において生成された、いくつかの変更済み画像が、事前に、表示情報として一人のユーザに提示されている。

Ｓ６０１において、制御部２０２は、特定のユーザのアクセス情報を取得する。例えば、制御部２０２は、分析対象のユーザのユーザＩＤに関連付けられたアクセス情報７０３を取得する。

Ｓ６０２において、制御部２０２は、複数の変更済み画像に対するアクセス数を計算する。すなわち、制御部２０２は、アクセス情報７０３から複数のコンテンツＩＤに対するアクセス数を計算する。

Ｓ６０３において、制御部２０２は、複数の変更済み画像のうち、アクセス数の高い変更済み画像を特定する。事前に、一人のユーザに対して、変更済み画像１２０５、１３０１及び１４０１が表示情報として提示されている場合、制御部２０２は、変更済み画像１２０５へのアクセス数、変更済み画像１３０１へのアクセス数、及び変更済み画像１４０１へのアクセス数のなかから、アクセス数の高い変更済み画像を特定する。制御部２０２は、アクセス数の高い所定個数の変更済み画像を特定してもよい。

Ｓ６０４において、制御部２０２は、Ｓ６０３で特定された、アクセス数の高い変更済み画像に基づき、変更タイプを特定する。制御部２０２は、例えば、変更済み画像１２０５へのアクセス数が最も高い場合、コンテンツテーブル９００の変更タイプを参照して、その画像の変更タイプを特定する。制御部２０２は、アクセス数の高い複数の変更タイプを特定してよい。制御部２０２は、変更タイプを特定すると、その後、図４に示したＳ４０８に進む。

なお、上述の実施形態では、図１０Ａ及び図１０Ｂに示した検索結果の画面のおいて、オリジナルの販売対象についての画像又は変更済み画像が１つ表示される場合を例に説明した。しかし、オリジナルの販売対象についての画像と、変更済み画像とを同時に表示させてもよい。制御部２０２は、例えば、図１５に示すような検索結果の表示情報１０１０を通信装置１１０へ送信してもよい。この例では、検索窓１００２において「シャツ」が入力された場合の検索結果画面１０１０において、「シャツ」についての検索結果１５０１が、検索キーワードに関連する画像１０１２、１０１３及び１５０２などに基づいて表示されている。このとき、販売対象の画像のうち、１つは、オリジナルの販売対象についての画像１０１２であり、もう１つは、変更済み画像１５０２である。このように表示させても、ユーザが販売対象に接する機会を増大させることができる一方、同一の画像を提示することにはならず、ユーザの興味を低減させることも防止することができる。

更に、当該検索結果の画面において、同じ販売対象についての複数の変更済み画像を同時に表示させてもよい。制御部２０２は、例えば、図１６に示すような検索結果の表示情報１０１０を通信装置１１０へ送信してもよい。この例では、検索窓１００２において「シャツ」が入力された場合の検索結果画面１０１０において、「シャツ」についての検索結果１６０１が、検索キーワードに関連する画像１６０２、１０１３及び１６０３などに基づいて表示されている。このとき、販売対象の画像のうち、１つは、ジーンズをスカートに変更した変更済み画像１６０２である。もう１つは、モデル部分を変更した変更済み画像１６０３である。この検索結果の表示情報は、オリジナルの販売対象についての画像を、閲覧するユーザに対して所定回数以上提示した場合に効果的である。このように表示させても、ユーザが販売対象に接する機会を増大させることができる一方、同一の画像を提示することにはならず、ユーザの興味を低減させることも防止することができる。

以上説明したように、本実施形態では、制御部２０２が、特定の販売対象についての画像に機械学習モデルを適用して、画像内の特定の販売対象以外の部分を変更した変更済み画像を生成するようにした。そして、生成した変更済み画像を通信装置１１０へ送信することにより、ユーザに、生成した変更済み画像を提供する。また、他の販売対象についての画像を用いる際に、前記変更済みコンテンツに対する前記ユーザの行動に応じた所定部分を変更する機械学習モデルを、他の販売対象についての画像に適用して、他の販売対象についての変更済み画像を生成するようにした。このようにすることで、ユーザの興味を引く、販売対象についての効果的なコンテンツを生成することが可能になる。更に、制御部２０２は、変更済み画像に対するユーザのアクセスの情報を収集し、アクセスの情報に基づいて、アクセス数の高い変更済み画像に対応する変更タイプを特定するようにした。このようにすることで、広告効果又は提示効果の高い画像の変更方法を特定することができ、また、効果の低い変更済み画像の生成を抑制することができるため、コンテンツ提供に係る計算処理の高速化や必要な計算資源の低減を行うことができる。

＜実施形態のまとめ＞
（１）
上述の実施形態では、情報処理装置が提供される。
情報処理装置は、
１つ以上のプロセッサと、
１つ以上のプログラムを記憶するメモリと、を含み、前記１つ以上のプログラムは、前記１つ以上のプロセッサで実行されると、前記１つ以上のプロセッサに、
特定の販売対象についてのコンテンツに機械学習モデルを適用して、前記コンテンツ内の前記特定の販売対象以外の所定部分を変更した変更済みコンテンツを生成し、
ユーザに、生成した前記変更済みコンテンツを提供し、
他の販売対象についてのコンテンツに機械学習モデルを適用して、前記他の販売対象についてのコンテンツにおいて、前記変更済みコンテンツに対する前記ユーザの行動に応じた、前記他の販売対象以外の所定の部分を変更して、前記他の販売対象についての変更済みコンテンツを生成するように実行させる。

（２）
上述の実施形態では、前記１つ以上のプログラムは、前記１つ以上のプロセッサに、更に、
前記変更済みコンテンツに対する前記ユーザのアクセスの情報を収集して、前記アクセスの情報に基づいて、アクセス数の高い変更済みコンテンツに対応する変更タイプを特定するように実行させ、
前記他の販売対象以外の前記所定の部分は、前記他の販売対象以外の前記特定された変更タイプに応じた部分である。

（３）
上述の実施形態では、前記変更タイプを特定することは、前記コンテンツ内の前記特定の販売対象以外の第１部分を変更した第１コンテンツに対するユーザのアクセスと、前記コンテンツ内の前記特定の販売対象以外の第２部分を変更した第２コンテンツに対するユーザのアクセスとの比較に基づく。

（４）
上述の実施形態では、前記変更タイプを特定することは、グループ内の複数のユーザのアクセスの情報に基づいて、前記グループ内の複数のユーザによるアクセス数の高い変更済みコンテンツに対応する変更タイプを特定することを含む。

（５）
上述の実施形態では、前記変更タイプを特定することは、複数の販売対象についての変更済みコンテンツに対する特定のユーザのアクセスの情報に基づいて、前記特定のユーザによるアクセス数の高い変更タイプを特定することを含む。

（６）
上述の実施形態では、前記特定の販売対象は電子商取引サービスにおいて取引される商品であり、
前記特定の販売対象以外の所定部分は、前記商品を用いる人の部分、前記商品を用いる人のポーズ、及び前記コンテンツ内の背景部分、のうちの少なくともいずれかを含む。

（７）
上述の実施形態では、前記変更タイプを特定することは、前記コンテンツ内の前記第１部分を変更した前記第１コンテンツを生成する機械学習モデルと、前記コンテンツ内の前記第２部分を変更した前記第２コンテンツを生成する機械学習モデルとのうちのいずれかの機械学習モデルを特定することを含む。

（８）
上述の実施形態では、前記変更タイプを特定することは、ユーザの第１属性と同一の属性を有する複数のユーザのアクセスの情報に基づいて、前記第１属性を有する複数のユーザによるアクセス数の高い変更済みコンテンツに対応する変更タイプを特定することを含む。

（９）
上述の実施形態では、前記変更タイプを特定することは、ユーザの第１属性と同一の属性を有する複数のユーザのアクセスの情報が存在しない場合、前記第１属性と類似する第２属性を有する複数のユーザのアクセスの情報に基づいて、前記第２属性を有する複数のユーザによるアクセス数の高い変更済みコンテンツに対応する変更タイプを特定することを含む。

（１０）
上述の実施形態では、前記特定の販売対象についてのコンテンツを前記ユーザに提供した後に、生成した前記変更済みコンテンツを前記ユーザに提供する。

（１１）
上述の実施形態では、前記変更済みコンテンツを前記ユーザに提供することは、前記特定の販売対象を検索する要求を受け付けたことに応じて、前記変更済みコンテンツを前記ユーザに提供することを含む。

（１２）
上述の実施形態では、特定の販売対象についてのコンテンツは、特定の商品についての画像である。

（１３）
上述の実施形態では、特定の販売対象についてのコンテンツは、特定の商品についての動画である。

（１４）
上述の実施形態では、特定の販売対象についてのコンテンツは、特定の商品についてのテキストである。

（１５）
上述の実施形態では、情報処理方法が提供される。
情報処理方法は、
特定の販売対象についてのコンテンツに機械学習モデルを適用して、前記コンテンツ内の前記特定の販売対象以外の所定部分を変更した変更済みコンテンツを生成することと、
ユーザに、生成した前記変更済みコンテンツを提供することと、
他の販売対象についてのコンテンツに機械学習モデルを適用して、前記他の販売対象についてのコンテンツにおいて、前記変更済みコンテンツに対する前記ユーザの行動に応じた、前記他の販売対象以外の所定部分を変更して、前記他の販売対象についての変更済みコンテンツを生成することと、を含む。

（１６）
上述の実施形態では、コンピュータ可読媒体が提供される。
情報処理装置の１つ以上のプロセッサによって実行される１つ以上のプログラムの命令を含む非一時的コンピュータ可読媒体であって、前記１つ以上のプログラムは、前記１つ以上のプロセッサによって実行されると、前記情報処理装置に、
特定の販売対象についてのコンテンツに機械学習モデルを適用して、前記コンテンツ内の前記特定の販売対象以外の所定部分を変更した変更済みコンテンツを生成することと、
ユーザに、生成した前記変更済みコンテンツを提供することと、
他の販売対象についてのコンテンツに機械学習モデルを適用して、前記他の販売対象についてのコンテンツにおいて、前記変更済みコンテンツに対する前記ユーザの行動に応じた、前記他の販売対象以外の所定部分を変更して、前記他の販売対象についての変更済みコンテンツを生成することと、を実行させる。

発明は上記の実施形態に制限されるものではなく、発明の要旨の範囲内で、種々の変形・変更が可能である。

Claims (5)

1. 情報処理装置であって、
   １つ以上のプロセッサと、
   １つ以上のプログラムを記憶するメモリと、を含み、前記１つ以上のプログラムは、前記１つ以上のプロセッサで実行されると、前記１つ以上のプロセッサに、
   特定の販売対象についてのコンテンツに機械学習モデルを適用して、前記コンテンツ内の前記特定の販売対象以外の所定部分を変更した変更済みコンテンツを生成し、
   ユーザに、生成した前記変更済みコンテンツを提供し、
   前記変更済みコンテンツに対する前記ユーザのアクセスの情報を収集して、前記アクセスの情報に基づいて、アクセス数の高い変更済みコンテンツに対応する変更タイプを特定し、
   他の販売対象についてのコンテンツに機械学習モデルを適用して、前記他の販売対象についてのコンテンツにおいて、前記他の販売対象以外の前記特定された変更タイプに応じた部分を変更して、前記他の販売対象についての変更済みコンテンツを生成する、ように実行させ、
   前記所定部分を変更した変更済みコンテンツ及び前記他の販売対象についての変更済みコンテンツは、機械学習モデルによって生成された画像又は動画である、情報処理装置。
2. 前記変更タイプを特定することは、前記コンテンツ内の前記特定の販売対象以外の第１部分を変更した第１コンテンツに対するユーザのアクセスと、前記コンテンツ内の前記特定の販売対象以外の第２部分を変更した第２コンテンツに対するユーザのアクセスとの比較に基づく、請求項１に記載の情報処理装置。
3. 前記変更タイプを特定することは、グループ内の複数のユーザのアクセスの情報に基づいて、前記グループ内の複数のユーザによるアクセス数の高い変更済みコンテンツに対応する変更タイプを特定することを含む、請求項２に記載の情報処理装置。
4. 前記変更タイプを特定することは、複数の販売対象についての変更済みコンテンツに対する特定のユーザのアクセスの情報に基づいて、前記特定のユーザによるアクセス数の高い変更タイプを特定することを含む、請求項２に記載の情報処理装置。
5. 前記特定の販売対象は電子商取引サービスにおいて取引される商品であり、
   前記特定の販売対象以外の所定部分は、前記商品を用いる人の部分、前記商品を用いる人のポーズ、及び前記コンテンツ内の背景部分、のうちの少なくともいずれかを含む、請求項１に記載の情報処理装置。