JP7808066B2

JP7808066B2 - Ａｉモデルに関するパーソナライズされた更新情報を提供するための装置、方法及びプログラム

Info

Publication number: JP7808066B2
Application number: JP2023049216A
Authority: JP
Inventors: バネッサブラカモンテ
Original assignee: KDDI Corp
Current assignee: KDDI Corp
Priority date: 2023-03-27
Filing date: 2023-03-27
Publication date: 2026-01-28
Anticipated expiration: 2043-03-27
Also published as: JP2024138632A

Description

本発明は、ＡＩモデルに関する情報（情報処理、コンテンツ等）を分析し、ＡＩモデルに関心事項を有しているユーザに対して、パーソナライズされた更新情報を個別に提供する装置、方法及びプログラムに関するものである。

特許文献１のシステム及び方法は、オンラインコンテンツの変化（更新）を検出し、その更新が意味のあるものかどうかを判断するものである。コンテンツの更新が意味を持つかどうかは、コンテンツ自体の性状（例えば、ニュースの見出しのように意味のある部分か、広告のように意味のない部分か、等）や、過去にユーザがコンテンツをクリックしたりズームしたりする等、コンテンツとどのようにインタラクションを行ってきたかによって判断される。また、ユーザは、コンテンツの一部を指定して意味を持たせることができる。

特許文献１のシステム及び方法では、コンテンツを自動的に分析する技術を用いることが想定されている。そして、コンテンツの変化に意味があると判断された場合、何が変化したのか、コンテンツがどの程度変化したのかをユーザに通知する。ユーザは、クライアントデバイス上で通知を受け取る。通知には、ユーザの注意を引くために、コンテンツの一部やビジュアルデザインが含まれていてもよい。

非特許文献１は、ソフトウェアのリリースノート（ソフトウェアのバージョンアップ時の変更点を示すメモ）における新旧二つのバージョンの違いをユーザが理解することを助ける半自動化されたアプローチを提案している。このアプローチは、リリースに関する関連情報を収集し、変更点のリストを自動的に作成する。そして、必要とされる情報に応じて（例えば、情報をフィルタリングして情報量を減らす等して）、特定の読者をターゲットにしたリリースノートを生成する。表示されるデータは、例えば、ターゲットグループが、技術者である場合は技術情報に焦点を当て、非技術者である場合は非技術情報に焦点を当てる等、特定の読者の一般的なニーズに基づくデータとすることも可能である。例えば、ユーザストーリーをエピソードごとにグループ化することや、ユーザが生成したバグレポートに関する情報を表示しないように設定することができる。

米国特許第９８３０４００号明細書

Sebastian Klepper, Stephan Krusche & Bernd Bruegge, "Semi-Automatic Generation of Audience-Specific Release Notes", Proceedings of the International Workshop on Continuous Software Evolution and Delivery (CSED), May 2016, pp. 19-22

特許文献１のシステム及び方法では、ユーザとコンテンツとのインタラクション（クリック、ズーム等）により、コンテンツに意味のある変化があるかどうかを判断している。しかし、このシステム及び方法では、ユーザがなぜそのインタラクションを行ったかについては分析されない。また、前記システム及び方法は、ユーザがユーザにとって意味のあるものを指定することを許容し得るが、ユーザはまだ存在しない情報を指定することができないため、コンテンツ内の全く新しい情報を扱うものではない。さらに、コンテンツの変更についてはユーザに通知されるが、その通知に至ったユーザのインタラクションが何であったかは分からない。

非特許文献１のアプローチでは、個々のユーザのレベルではなく、グループのレベルを対象として情報を提供する。そのため、グループに含まれる多くのユーザが情報を受け取ることになるが、その情報は必ずしもユーザ個人に関連したものではないかもしれない。また、特許文献１と同様に、ユーザに表示されるデータには、何が変わったかだけが含まれ、なぜユーザに通知されるのかの理由は含まれない。

本発明は、ＡＩモデルに関するユーザの関心事項とＡＩモデル情報とを分析し、ＡＩモデルが更新された際に、当該ＡＩモデルに関心を持つユーザにパーソナライズされた報告を個別に通知することができる装置、方法及びプログラムを提供することを目的とする。

本発明に係る情報提供装置は、ＡＩモデルに対するユーザの関心事項と当該ＡＩモデルに関する情報とを分析し、前記ＡＩモデル情報が更新された際に、当該更新されたＡＩモデル情報に関連するユーザの関心事項に基づいて、前記ＡＩモデルに関心のあるユーザに対してパーソナライズされた報告を個別に作成し提供する。

前記情報提供装置は、ＡＩモデルに対するユーザの関心事項に基づいてユーザの関心事項カテゴリを生成し、前記ユーザの関心事項へ生成した前記関心事項カテゴリを割り当てる第１のモジュールと、前記ＡＩモデルに関する情報と前記ユーザの関心事項カテゴリとに基づいてＡＩモデル情報トピックスを生成し、生成した前記ＡＩモデル情報トピックスに対応する前記関心事項カテゴリを割り当てるとともに、ＡＩモデル情報の更新に応じてユーザへの報告をトリガする第２のモジュールと、前記ユーザへの報告がトリガされたときに、更新されたＡＩモデル情報トピックスに対応する関心事項カテゴリと、当該関心事項カテゴリに対応するユーザの関心事項とに基づいて関心のあるユーザを特定し、特定したユーザに対してパーソナライズされた報告を作成する第３のモジュールと、を備えてもよい。

また、本発明に係る情報提供方法は、ＡＩモデルに対するユーザの関心事項と当該ＡＩモデルに関する情報とを分析し、前記ＡＩモデル情報が更新された際に、当該更新されたＡＩモデル情報に関連するユーザの関心事項に基づいて、前記ＡＩモデルに関心のあるユーザに対してパーソナライズされた報告を個別に作成し提供する。

前記情報提供方法は、ＡＩモデルに対するユーザの関心事項に基づいてユーザの関心事項カテゴリを生成し、前記ユーザの関心事項へ生成した前記関心事項カテゴリを割り当てる段階と、前記ＡＩモデルに関する情報と前記ユーザの関心事項カテゴリとに基づいてＡＩモデル情報トピックスを生成し、生成した前記ＡＩモデル情報トピックスに対応する前記関心事項カテゴリを割り当てるとともに、ＡＩモデル情報の更新に応じてユーザへの報告をトリガする段階と、前記ユーザへの報告がトリガされたときに、更新されたＡＩモデル情報トピックスに対応する関心事項カテゴリと、当該関心事項カテゴリに対応するユーザの関心事項とに基づいて関心のあるユーザを特定し、特定したユーザに対してパーソナライズされた報告を作成する段階と、を含んでもよい。

さらに、本発明に係る情報提供プログラムは、先述の情報提供装置としてコンピュータを機能させるためのプログラムであってよい。

本発明によれば、ＡＩモデルに関心事項を有しているユーザのそれぞれに対して、ＡＩモデル情報の更新に関するパーソナライズされた報告を個別に提供することが可能となり、しかも、報告の提供を受けたユーザは、自分の関心事項との関連（すなわち、なぜ自分に報告書が送信されたのか）を容易に理解することが可能となる。

実施形態の情報提供装置の構成を示す図である。実施形態のユーザの関心事項カテゴリを生成する第１のモジュール（モジュール１）における処理の流れを示す図である。実施形態のＡＩモデル情報トピックスを生成する第２のモジュール（モジュール２）における初期段階の処理の流れを示す図である。実施形態のＡＩモデル情報トピックスを生成する第２のモジュール（モジュール２）において、ＡＩモデル情報が更新され、モジュール２が再実行された段階を例示する図である。実施形態のユーザへの報告を提供する第３のモジュール（モジュール３）における処理の流れを示す図である。実施形態のユーザへの報告を提供する第３のモジュール（モジュール３）における処理の流れ（図５の続き）を示す図である。

以下、本発明の実施形態の一例について、図を参照しながら説明する。
図１は、実施形態の情報提供装置１０の構成を示す図である。
情報提供装置１０は、入力データとしてユーザの関心事項とＡＩモデル情報を受信し、ＡＩモデルに関心事項を有しているユーザに対して個別に、ＡＩモデルの更新に関するパーソナライズされた報告書を出力（送信）する。情報提供装置１０は、図１から看取されるとおり、制御部２０、入力部３０、出力部４０、記憶部５０及びレポジトリ６１～６４を備えた情報処理装置（コンピュータ）である。

制御部２０は、情報提供装置１０の全体を制御する部分であり、記憶部５０に記憶された各種プログラムを適宜読み出して実行することにより、後述する各モジュールにおける処理を実現する。制御部２０は、特に限られるものではないが、ＣＰＵであってよい。

記憶部５０は、ハードウェア群を情報提供装置１０として機能させるための各種プログラム、及び各種データ等の記憶領域であり、特に限られるものではないが、ＲＯＭ、ＲＡＭ、フラッシュメモリ、ハードディスクドライブ（ＨＤＤ）、ソリッドステートドライブ（ＳＳＤ）等であってよい。

レポジトリとは、貯蔵庫、格納庫という意味であり、本発明における貯蔵・格納の対象はデータであるので、一種の記憶装置である。なお、図１では四つのレポジトリ６１～６４を記載しているが、これは、あくまでも説明の便宜のためであって、四つの物理的なレポジトリが必須の構成というわけではなく、それぞれのレポジトリは仮想的（論理的）な（例えば、記憶部５０に含まれる）ものであってもよい。

また、情報提供装置１０は、データ処理の流れの観点からは、少なくとも三つのソフトウェアモジュール（図２、図３及び図５に示すモジュール１～３）から構成される。各モジュールは、後述するデータの生成、割当て、格納等の処理を行うが、これらの処理のための指令を記述したプログラムをコンピュータの記憶部５０に記憶させておき、制御部２０のＣＰＵが当該プログラムを読み出して実行する。
以下、三つのモジュール１～３における処理の内容（流れ）について詳しく説明する。

＜モジュール１＞
図２は、ユーザの関心事項カテゴリを生成する第１のモジュール（モジュール１）における処理の流れを示す図である。モジュール１は、ユーザの関心事項を分析して関心事項カテゴリを生成（定義）する処理、生成した関心事項カテゴリをカテゴリレポジトリ６１に格納（登録）する処理、生成した関心事項カテゴリに対応するユーザの関心事項を割り当てて第１テーブルを生成する処理、及び、生成した第１テーブルを第１レポジトリ６２に格納する処理を行う。

モジュール１への入力は、ＡＩモデルに関するユーザの関心事項である。ここで、ユーザの関心事項とは、例えば、ＡＩモデルに関連するユーザからの質問、フィードバック、コメント等である。
モジュール１は、初期段階において、入力されたユーザの関心事項を分析し、初期の関心事項カテゴリを生成（定義）する。なお、この分析は、手動、自動又は手動と自動のハイブリッド方式で行うことができる。自動分析は、特に限定されないが、例えば、自然言語処理技術を応用して行うことができる。

例えば、図２に示されているように、画像を生成するＡＩモデルに対し、ユーザＡが、「面白いアプリ。しかし、『架空の人物』スタイルを選択すると、何をどうしても裸の人間が生成されることがある。説明文に『動物』を入力すると、目が３つ、脚が５本、あるいは、尻尾が２本になることがある。」とコメントしたとする。当該コメントをモジュール１に入力すると、ユーザの関心事項として分析され、「何をどうしても裸の人間が生成される」（ユーザＡの関心事項１）に関連して「不適切画像」という関心事項カテゴリが生成（定義）され、また、「目が３つ、脚が５本、あるいは、尻尾が２本になる」（ユーザＡの関心事項２）に関連して「醜形」という関心事項カテゴリが生成（定義）される。

同様に、ユーザＢが、「人物について、『非白人』との説明文を入力しても、結局は色白の人物になってしまうことが多い。また、人物の顔が歪んで見えることもある。そして、テキストは読みにくい。」とコメントしたとき、モジュール１は、「『非白人』との説明文を入力しても、結局は色白の人物になってしまう」（ユーザＢの関心事項１）に関連して「人種問題」を、「人物の顔が歪んで見える」（ユーザＢの関心事項２）に関連して「醜形」を、「テキストは読みにくい」（ユーザＢの関心事項３）に関連して「難読文章」を、それぞれ生成（定義）する。

モジュール１は、生成（定義）した関心事項カテゴリをカテゴリレポジトリ６１に格納（登録）する。
関心事項カテゴリが定義されると、モジュール１は、ユーザＡの関心事項１、２及びユーザＢの関心事項１～３にそれぞれ対応する関心事項カテゴリを割り当てて、ユーザの関心事項×関心事項カテゴリのテーブル（第１テーブル）を生成し、生成した第１テーブルを第１テーブルレポジトリ６２に格納する。なお、図２の右下には、第１テーブルの例が示されている。

また、モジュール１は、新しいユーザ関心事項が蓄積され入力されたときに、新しい関心事項カテゴリを生成したり、既存の関心事項カテゴリを更新するために、再実行するように設定することができる。再実行段階でも、先述した初期段階における処理と同様の処理が行われる。

なお、関心事項カテゴリは、ＡＩモデルの利用状況に応じて定義される。
例えば、病気を診断する健康関連のＡＩモデルの場合、多くのユーザは、当該ＡＩモデルの高齢の患者への対応について疑問を持ち、その結果「高齢の患者」という関心事項カテゴリが生成される可能性がある。
また、画像を生成するＡＩモデルの場合、多くのユーザは、読み易いテキストで画像を生成できるかどうかを知りたいと思うかもしれず、その結果、「テキストの読み易さ」という関心事項カテゴリが生成されるかもしれない。

さらに、一見似ているように見えても、いくつかの違いがあるユーザの関心事項は、一つ又は複数の関心事項カテゴリを生成し得る。例えば、画像を生成するＡＩモデルの場合、多くのユーザは「読み易いテキストで画像を生成できるかどうか」を知りたいと思うかもしれないが、英語を参照するユーザもいれば、日本語を参照するユーザもいる。その結果、「テキストの読みやすさ」、「英語のテキストの読みやすさ」、「日本語のテキストの読みやすさ」という関心事項カテゴリが生成される可能性がある。

＜モジュール２＞
図３は、ＡＩモデル情報トピックスを生成する第２のモジュール（モジュール２）における初期段階の処理の流れを示す図である。モジュール２は、ＡＩモデル情報からＡＩモデル情報トピックスを生成する処理、生成したＡＩモデル情報トピックスをトピックスレポジトリ６３に格納（登録）する処理、どのＡＩモデル情報トピックスがどの関心事項カテゴリを扱うか（どのトピックスがどのカテゴリに対応するか）を割り当てて第２テーブルを生成する処理、及び、生成した第２テーブルを第２テーブルレポジトリ６４に格納する処理を行う。

モジュール２への入力は、ＡＩモデル情報及び関心事項カテゴリである。ここで、ＡＩモデル情報とは、例えば、ＡＩモデルの性能、学習データ、許容される用途、制限、バイアス等、ＡＩモデルに関する情報である。また、関心事項カテゴリは、モジュール１で定義され、カテゴリレポジトリ４に登録されたものである。

モジュール２は、初期段階において、既存のＡＩモデル情報を分析し、初期のＡＩモデル情報トピックスを生成（定義）する。ここで、ＡＩモデル情報トピックスは、ＡＩモデルのユースケースとユーザの関心事項カテゴリに応じて定義される。

例えば、病気を診断する健康関連のＡＩモデルの場合、ＡＩモデル情報は「性能」、「用途」といった一般的なトピックスに分類される可能性があるが、高齢者に関連する「性能」を指定したＡＩモデル情報であれば、「高齢者」という関心事項カテゴリに応じて、「高齢者向けの性能」というより具体的なＡＩモデル情報トピックスが生成（定義）される可能性がある。
また、画像を生成するＡＩモデルの場合、ＡＩモデル情報は「性能」、「制限」といった一般的なトピックスに分類される可能性があるが、情報にテキストの生成に関する言及が含まれていれば、「テキスト」のトピックスが作成（定義）される可能性がある。

なお、ＡＩモデル情報の分析は、ユーザの関心事項の分析と同様に、手動、自動又は手動と自動のハイブリッド方式で行うことができる。自動分析は、特に限定されないが、例えば、自然言語処理技術を応用して行うことができる。

例えば、図３に示されているように、ＡＩモデル情報の制限に関して、「このモデルは、読み易いテキストを出力することができない。このモデルは、成人向け、暴力的、性的なコンテンツを含むデータセットで学習させたものである。」という情報が入力されたとする。当該情報をモジュール２に入力すると、ＡＩモデルの制限情報として分析され、「読み易いテキストを出力することができない」に関連して、「テキスト出力」というＡＩモデル情報トピックスが生成（定義）され、また、「成人向け、暴力的、性的なコンテンツを含むデータセットで学習させた」に関連して、「暴力的及び性的なコンテンツ」というＡＩモデル情報トピックスが生成（定義）される。

同様に、ＡＩモデル情報のバイアスに関して、「このモデルは、マイナーな言語を使用するコミュニティや文化への考慮が不足している可能性がある。また、西洋の文化がデフォルトとして設定されており、アウトプットに影響している可能性がある。」という情報が入力されたとき、モジュール２は、「マイナーな言語を使用するコミュニティや文化への考慮が不足している」に関連して「言語が限定されている」というＡＩモデル情報トピックスを、「西洋の文化がデフォルトとして設定されており」に関連して「西洋がデフォルトである」というＡＩモデル情報トピックスを、それぞれ生成（定義）する。

モジュール２は、生成（定義）したＡＩモデル情報トピックスをトピックスレポジトリ６３に格納（登録）する。ここで、モジュール２は、登録するＡＩモデル情報トピックスが、ＡＩモデル情報のどの部分に対応するかの情報を含めてトピックスレポジトリ６３に格納する。

ＡＩモデル情報トピックスをトピックスリポジトリ６３に登録すると、図３に示すトピックスレポジトリが更新されたかの判断が「ＹＥＳ」となり、次の処理へ進む。次の処理では、どのＡＩモデル情報トピックスがどの関心事項カテゴリを扱うか（どのトピックスがどのカテゴリに対応するか）を割り当てるとともに、ユーザへの報告をトリガする（ただし、初期段階の場合を除く。）。

例えば、先述した病気を診断する健康関連のＡＩモデルの場合、「高齢者向けの性能」というＡＩモデル情報トピックスは、「高齢者」という対応する関心事項カテゴリに割り当てることができる。なお、あるＡＩモデル情報トピックスが０個の関心事項カテゴリに対応する場合や、その逆もあり得る。また、ＡＩモデル情報の同じ部分から、一つ又は複数のＡＩモデル情報トピックスを生成することができる。

このように、ＡＩモデル情報トピックスが定義されると、モジュール２は、どのＡＩモデル情報トピックスがどの関心事項カテゴリに対応するか割り当てて、ＡＩモデル情報トピックス×関心事項カテゴリのテーブル（第２テーブル）を生成し、生成した第２テーブルを第２テーブルレポジトリ６４に格納する。なお、図３の右下には、第２テーブルの例が示されている。

また、モジュール２は、ＡＩモデルの新バージョンがリリースされたとき（ＡＩモデル情報が更新されたとき）に、新しいＡＩモデル情報トピックスを生成したり、既存のＡＩモデル情報トピックスを更新するために、再実行するように設定することができる。再実行段階でも、先述した初期段階における処理と同様の処理が行われるが、初期段階では、トピックスレポジトリが更新されたかの判断が「ＹＥＳ」となってもユーザへの報告がトリガされないのに対し、再実行段階ではユーザへの報告がトリガされる点が違いである。

図４は、ＡＩモデル情報が更新され、モジュール２が再実行された段階を例示する図であり、図３と対比すると、ＡＩモデル情報、ＡＩモデル情報トピックス及び第２テーブルが、それぞれ更新されていることが看取できる。

例えば、初期段階（図３）のＡＩモデル情報にあった「このモデルは、読み易いテキストを出力することができない。」という「制限」がなくなり、代わりに「このモデルは、読み易いテキストを出力することができる。」という情報が加わったことが看取できる。また、ＡＩモデル情報に、「顔や人物全般が適切に生成されない場合がある。」という「制限」が新たに加わったことが看取できる。
これに伴い、ＡＩモデル情報トピックスにおいて、「テキスト出力」が「テキスト出力（更新）」に置き換わり、「顔生成（新規）」が加わるとともに、第２テーブルの対応する部分が更新されたことが看取できる。
また、ユーザへの報告がトリガされていることも看取できる。

＜モジュール３＞
図５は、ユーザへの報告を提供する第３のモジュール（モジュール３）における処理の流れを示す図である。モジュール３は、モジュール２においてユーザへの報告がトリガされたことを受けて処理を開始する。

まず、第２テーブルレポジトリ６４から、第２テーブル（ＡＩモデル情報トピックス×関心事項カテゴリのテーブル）を読み出して参照する処理を行う。実施形態の例では、「テキスト出力」トピックスが更新されたこと、及び、「顔生成」トピックスが登録されたことを判別し、これらトピックスに対応する関心事項カテゴリ、すなわち、「難読文書」と「醜形」を決定することができる。

次に、第１テーブルレポジトリ６２から、第１テーブル（ユーザの関心事項×関心事項カテゴリのテーブル）を読み出して参照する処理を行う。実施形態の例では、関心事項カテゴリ「難読文書」がユーザＢの関心事項３であること、及び、関心事項カテゴリ「醜形」がユーザＡの関心事項２であることを判別し、報告を行う対象として、ユーザＡ及びユーザＢを特定する。
すなわち、モジュール３では、更新又は新規登録されたＡＩモデル情報トピックスに影響を受ける関心事項カテゴリを基に、どのユーザに報告を行うか、またそのユーザの関心事項は何かを特定する。

図６は、ユーザへの報告を提供する第３のモジュール（モジュール３）における処理の流れ（図５の続き）を示す図である。モジュール３は、前の処理で特定したユーザの関心事項と、ＡＩモデル情報のうち、更新又は新規登録されたＡＩモデル情報トピックスに関連する部分とに基づいて、ユーザ毎にパーソナライズされた報告書を作成する。なお、先述したとおり、モジュール２は、登録するＡＩモデル情報トピックスが、ＡＩモデル情報のどの部分に対応するかの情報を含めてトピックスレポジトリ６３に格納しているので、更新又は新規登録されたＡＩモデル情報トピックスに関連するＡＩモデル情報の部分の特定は、トピックスレポジトリ６３を参照して行うことができる。

最後に、モジュール３は、特定されたユーザに適切なタイミングで報告書を送信する。
図６の右下には、ユーザへ送付する報告書の例が示されている。ユーザＡに対しては、「ＡＩモデル情報を更新し、特に［トピックス『顔生成』に対応するセクションのテキスト］を更新しました。今回の更新で、貴方の［関心事項２］に対応しました。」という内容の報告書が作成され、また、ユーザＢに対しては、「ＡＩモデル情報を更新し、特に［トピックス『テキスト出力』に対応するセクションのテキスト］を更新しました。今回の更新で、貴方の［関心事項３］に対応しました。」という内容の報告書が作成され、それぞれ送信される。

以上の処理により、情報提供装置１０は、ＡＩモデルに関心事項を有しているユーザＡ及びユーザＢのそれぞれに対して、ＡＩモデル情報の更新に関するパーソナライズされた報告書を個別に提供することができ、しかも、報告書の送信を受けたユーザＡ及びユーザＢは、自分の関心事項との関連（すなわち、なぜ自分に報告書が送信されたのか）を容易に理解することができるという優れた効果を奏する。

なお、本実施形態により、例えば、ＡＩモデルに関心事項を有しているユーザに対して、ＡＩモデル情報の更新に関するパーソナライズされた報告を提供することも可能となることから、国連が主導する持続可能な開発目標（ＳＤＧｓ）の目標９「レジリエントなインフラを整備し、持続可能な産業化を推進すると共に、イノベーションの拡大を図る」に貢献することが可能となる。

以上、本発明の実施形態について説明したが、本発明は、前述した実施形態に限るものではない。また、前述した実施形態に記載された効果は、本発明から生じる最も好適な効果を列挙したに過ぎず、本発明による効果は、実施形態に記載されたものに限定されるものではない。

１ユーザの関心事項カテゴリを生成するモジュール
２ＡＩモデル情報トピックスを生成するモジュール
３ユーザへの報告を提供するモジュール
１０情報提供装置
２０制御部
３０入力部
４０出力部
５０記憶部
６１カテゴリレポジトリ
６２第１テーブルレポジトリ
６３トピックスレポジトリ
６４第２テーブルレポジトリ

Claims

ＡＩモデルに対するユーザの関心事項と当該ＡＩモデルに関するＡＩモデル情報とを分析し、前記ＡＩモデル情報が更新された際に、当該更新されたＡＩモデル情報に関連するユーザの関心事項に基づいて、前記ＡＩモデルに関心のあるユーザに対してパーソナライズされた報告を個別に作成し提供する情報提供装置であって、
ＡＩモデルに対するユーザの関心事項に基づいて、ユーザの関心事項カテゴリを生成し、前記ユーザの関心事項へ生成した前記関心事項カテゴリを割り当てる第１のモジュールと、
前記ＡＩモデル情報と前記ユーザの関心事項カテゴリとに基づいて、ＡＩモデル情報トピックスを生成し、生成した前記ＡＩモデル情報トピックスに対応する前記関心事項カテゴリを割り当てるとともに、ＡＩモデル情報の更新に応じてユーザへの報告をトリガする第２のモジュールと、
前記ユーザへの報告がトリガされたときに、更新されたＡＩモデル情報トピックスに対応する関心事項カテゴリと、当該関心事項カテゴリに対応するユーザの関心事項とに基づいて関心のあるユーザを特定し、特定したユーザに対してパーソナライズされた報告を作成する第３のモジュールと、
を備えた情報提供装置。
ＡＩモデルに対するユーザの関心事項と当該ＡＩモデルに関するＡＩモデル情報とを分析し、前記ＡＩモデル情報が更新された際に、当該更新されたＡＩモデル情報に関連するユーザの関心事項に基づいて、前記ＡＩモデルに関心のあるユーザに対してパーソナライズされた報告を個別に作成し提供する、コンピュータが実行する情報提供方法であって、
ＡＩモデルに対するユーザの関心事項に基づいて、ユーザの関心事項カテゴリを生成し、前記ユーザの関心事項へ生成した前記関心事項カテゴリを割り当てる段階と、
前記ＡＩモデル情報と前記ユーザの関心事項カテゴリとに基づいて、ＡＩモデル情報トピックスを生成し、生成した前記ＡＩモデル情報トピックスに対応する前記関心事項カテゴリを割り当てるとともに、ＡＩモデル情報の更新に応じてユーザへの報告をトリガする段階と、
前記ユーザへの報告がトリガされたときに、更新されたＡＩモデル情報トピックスに対応する関心事項カテゴリと、当該関心事項カテゴリに対応するユーザの関心事項とに基づいて関心のあるユーザを特定し、特定したユーザに対してパーソナライズされた報告を作成する段階と、
を含む情報提供方法。
請求項１に記載の情報提供装置としてコンピュータを機能させるための情報提供プログラム。