JP6927899B2 - 予測装置、予測方法、およびプログラム - Google Patents

Description

本発明は、予測装置、予測方法、およびプログラムに関する。

従来、ネットワークを介して行われるオークションで出品される商品の商品情報からキーワードを抽出し、カテゴリとキーワードとの組み合わせに対応付けられた価格帯ごとの落札実績情報を参照して、商品情報に対応する商品に関する相場を予測する予測装置が知られている（特許文献１参照）。

特開２０１７−１１６９７７号公報

「クラスター数を自動決定するｋ−ｍｅａｎｓアルゴリズムの拡張について」、石岡恒憲、応用統計学Ｖｏｌ．２９，Ｎｏ．３（２０００）、ｐ１４１−１４９ "Mean Shift: A Robust Approach Toward Feature Space Analysis". Dorin Comaniciu and Peter Meer, IEEE TRANSACTIONS ON PATTERN ANALYSIS AND MACHINE INTELLIGENCE, VOL.24, NO.5, MAY2002

しかしながら、上記特許文献１に記載の装置では、価格帯ごとの落札額の分布をそのまま提供したり、価格帯の最大値と最小値の平均、価格帯の中央値などを提供したりするため、提供する情報に正確さを欠く場合があった。

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、より正確に落札額を予測することができる予測装置、予測方法、およ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、オークションに出品される商品またはサービス（以下、商品等）に関する商品等情報を取得する取得部と、前記オークションにおいて落札された商品等に係る商品等情報に落札額が対応付けられた落札実績情報を参照し、前記取得部により取得された商品等情報と合致する落札額の分布を求め、前記分布におけるピークに対応する落札額を、前記取得部により取得された商品等の落札予測額として導出する予測部と、を備える予測装置である。

本発明の一態様によれば、より正確に落札額を予測することができる。

予測装置２００の構成および使用環境の一例を示す図である。 商品等ＤＢ１７２の内容の一例を示す図である。 転置インデックス１７４の内容の一例を示す図である。 落札実績情報１７６の内容の一例を示す図である。 出品者の端末装置１０に提供されるインターフェース画面ＩＭ１の一例を示す図である。 予測部２２０により実行される処理の流れの一例を示すフローチャートである。 落札額を量子化した結果を模式的に示す図である。 クラスタ化から予測価格帯の導出までの処理について説明するための図である。 Ｓ１２２における予測価格帯の導出手法の一例を示す図である。

以下、図面を参照し、本発明の予測装置、予測方法、およびプログラムの実施形態について説明する。

［概要］
予測装置は、一以上のプロセッサにより実現される。予測装置は、例えば、ネットワークを介して実施されるオークション（競売）に出品しようとしている出品者から商品またはサービス（以下、商品等）の情報（商品等情報）を取得し、落札実績情報を参照して落札額を予測する装置である。これによって、出品者は、大体どれ位の金額で商品等が販売されるのかを出品前に知ることができるため、予測装置は、オークションに参加しようというモチベーションを喚起し、経済活動の活発化に寄与することができる。なお、予測装置は、オークションを管理するオークションサーバなどに包含される装置であってもよい。すなわち、予測装置は、仮想的な装置であってもよい。

［全体構成］
図１は、予測装置２００の構成および使用環境の一例を示す図である。この使用環境において、端末装置１０、オークションサーバ１００、予測装置２００などの装置がネットワークＮＷを介して通信を行う。これらの装置は、ネットワークＮＷに接続するためのインターフェースを備える。ネットワークＮＷは、インターネット、ＷＡＮ（Wide Area Network）、ＬＡＮ（Local Area Network）などを含む。

［端末装置］
端末装置１０は、オークションの出品者や入札者（これから出品または入札しようとするユーザも含む）によって使用される。端末装置１０は、例えば、スマートフォンなどの携帯電話、パーソナルコンピュータ、タブレット端末などである。端末装置１０では、アプリケーションプログラムやブラウザなどのＵＡ（User Agent）が起動し、オークションサーバ１００に対して画像の要求、クエリの送信、その他の処理を行う。

出品者の使用する端末装置１０からは、出品する商品等に関するデータがオークションサーバ１００に送信される。入札者の使用する端末装置５００からは、入札者が興味のある商品を検索するためのクエリ、入札する旨の意思を示す情報、入札額などがオークションサーバ１００に送信される。

［オークションサーバ］
オークションサーバ１００は、例えば、オークション管理部（オークションマスタ）１１０と、データ管理部１２０と、検索実行部１３０と、ランキング処理部１４０と、予測依頼部１５０と、記憶部１７０とを備える。記憶部１７０には、商品等ＤＢ（データベース）１７２、転置インデックス１７４、落札実績情報１７６などの情報が格納される。記憶部１７０以外の構成要素は、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。

オークション管理部１１０は、端末装置１０に対してネットオークションサービスを提供する。オークション管理部１１０は、オークションに関する種々の情報を、ソースデータとしてデータ管理部１２０に提供する。ソースデータには、出品者から提供されたデータの他、オークションの進捗に関するデータなどが含まれる。ソースデータには、出品された商品の識別情報であるドキュメントＩＤが付与されている。また、オークション管理部１１０は、入札者の端末装置１０から受信したクエリを用いた検索を、検索実行部１３０に依頼する。

データ管理部１２０は、ソースデータを適宜加工して商品等ＤＢ１７２に登録する。図２は、商品等ＤＢ１７２の内容の一例を示す図である。検索ＤＢ１７２には、例えば、ドキュメントＩＤ、カテゴリ、タイトル、詳細説明、画像ＵＲＬ（Uniform Resource Locator）、価格、入札数、お気に入り登録数、遅延更新データなどの情報が互いに対応付けられて登録される。

タイトルは、例えば、商品等の紹介ページに表示されるテキスト情報であって、紹介ページの上部など目立つ位置に表示されるテキスト情報である。カテゴリは、階層的に分類される商品等のカテゴリである。詳細説明は、商品等の紹介ページに表示されるテキスト情報であって、タイトルとは異なる位置に表示されるテキスト情報である。タイトルおよび詳細説明は、例えば、出品者によって作成される。

画像ＵＲＬは、商品等の画像を参照するためのＵＲＬ（参照情報）である。価格は、現時点での最高入札額である。未入札である場合、出品者により設定された最低入札額が格納される。入札数は、商品に入札した入札者の数である。お気に入り登録数は、その商品等のオークションページをお気に入りに登録しているユーザの数である。

また、データ管理部１２０は、検索実行部１３０による検索を高速化するために、転置インデックス１７４を生成する。図３は、転置インデックス１７４の内容の一例を示す図である。転置インデックス１７４は、クエリとなり得る単語に対して、ドキュメントＩＤが対応付けられた情報である。データ管理部１２０は、その単語或いは類似する単語をタイトルに含む商品等、或いは、画像からその単語に該当すると推定される商品等のドキュメントＩＤを、転置インデックス１７４に登録する。類似する単語の判定には、テキストを分散表現化したベクトルが使用されてよい。

また、データ管理部１２０は、オークション管理部１１０からの通知に応じて落札実績情報１７６を更新する。図４は、落札実績情報１７６の内容の一例を示す図である。落札実績情報１７６には、例えば、ドキュメントＩＤ、カテゴリ、タイトル、詳細説明、落札価格などの情報が互いに対応付けられて登録される。

検索実行部１３０は、転置インデックス１７４を用いて、入札者の端末装置１０から依頼された検索を実行する。例えば、入札者の端末装置１０からクエリ「テレビ」について検索を依頼された場合、検索実行部１３０は、転置インデックス１７４からドキュメントＩＤ＝００１、００５、…を取得する。そして、検索実行部１３０は、ドキュメントＩＤ＝００１、００５、…である商品等の情報を商品等ＤＢ１７２から抽出する。

ランキング処理部１４０は、検索実行部１３０により抽出された商品に対して、所定の基準によって順位付けを行うと共に、上位のｋ個の商品を選択する（ｋは任意の自然数）。そして、選択したｋ個の商品の情報を、順位付けの情報と共にオークション管理部１１０に提供する。オークション管理部１１０は、ランキング処理部１４０から取得した情報に基づいて検索結果画面を表示するための情報を入札者の端末装置１０に送信する。ランキング処理部１４０による順位付けの手法としては、種々のものが採用され得る。例えば、ランキング処理部１４０は、入札数が多い商品に高いスコアを付与してよい。また、ランキング処理部１４０は、お気に入り登録数が多い商品に高いスコアを付与してよい。また、ランキング処理部１４０価格が安い商品に高いスコアを付与してよい。

予測依頼部１５０は、出品者の端末装置１０に提供されているインターフェース画面において所定の操作がなされた場合、予測装置２００に落札額の予測を依頼する。図５は、出品者の端末装置１０に提供されるインターフェース画面ＩＭ１の一例を示す図である。図示するように、インターフェース画面ＩＭ１には、タイトルを入力するためのタイトル入力領域Ａ１、説明（前述の詳細説明）を入力するための説明入力領域Ａ２、図示しない確定送信ボタンなどが設定される。また、インターフェース画面ＩＭ１には、落札額予測を依頼するための依頼ボタンＢ１が設定される。出品者が、タイトルに何らかの情報を入力した状態で依頼ボタンＢ１を操作すると、オークションサーバ１００にタイトルと依頼する旨を示す情報とが対応付けられて送信される。これに応じて予測依頼部１５０は、、予測装置２００にタイトルを送信すると共に、落札額の予測を依頼する。インターフェース画面ＩＭ１では、タイトルや説明だけでなく、商品等のカテゴリが選択されてもよいし、商品等の紹介画面に表示される画像が指定されてもよい。この場合、予測装置２００による予測は、カテゴリ別に実行されてもよい。

［予測装置］
図１に戻り、予測装置２００は、例えば、取得部２１０と、予測部２２０と、記憶部２５０とを備える。取得部２１０と予測部２２０とのうち一方または双方は、例えば、ＣＰＵ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やＡＳＩＣ、ＦＰＧＡ、ＧＰＵ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。

予測部２２０は、例えば、トークン抽出部２２２と、落札額分布導出部２２４と、クラスタリング処理部２２６と、ピーク導出部２２８と、サジェスト判定部２３０と、予測価格帯導出部２３２とを備える。また、記憶部２５０には、落札実績情報２５２、クラスタ毎演算結果２５４などの情報が格納される。

取得部２１０は、オークションサーバ１００から任意のタイミングで落札実績情報１７６の一部または全部を取得し、落札実績情報２５２として記憶部２５０に格納する。また。取得部２１０は、予測の依頼と共に、出品者が落札額の予測を希望する商品等のタイトルをオークションサーバ１００から取得する。このタイトルは、「オークションに出品される商品またはサービス（以下、商品等）に関する商品等情報」の一例である。

以下、予測部２２０の各部の機能についてフローチャートを参照しながら説明する。図６は、予測部２２０により実行される処理の流れの一例を示すフローチャートである。

まず、予測部２２０のトークン抽出部２２２が、タイトルから検索に用いられるトークンを抽出する。トークン抽出部２２２は、例えば、MeCabなどの形態素解析エンジンを用いて形態素解析を行い（あるいは、他装置に形態素解析を依頼して）、タイトルに含まれる名詞を、トークンとして抽出する（Ｓ１００）。トークンは、一つのみ抽出される場合もあるし、複数抽出される場合もある。トークンには、形態素解析の結果として得られる固有名詞、ブランド名、商品型番などの種別が付与されていてもよい。また、トークンには、タイトルにおける位置、すなわちタイトルに含まれるトークンのうち、先頭から何番目のトークンであるかを示す情報が付与されていてもよい。

次に、落札額分布導出部２２４が、落札実績情報２５２を参照し、取得部２１０により取得されたタイトルと合致する落札額の分布を求める（Ｓ１０２〜Ｓ１１０）。

まず、落札額分布導出部２２４は、トークン抽出部２２２により抽出されたトークンのそれぞれを用いて落札実績情報２５２を検索する（Ｓ１０２）。なお、落札額分布導出部２２４は、トークンをオークションサーバ１００に送信して検索を依頼してもよい。

次に、落札額分布導出部２２４は、Ｓ１０２で検索ヒットした落札実績情報２５２のレコードのそれぞれについて、タイトルとの当てはまり具合を示す指標値ＷＡＮＤを計算する（Ｓ１０４）。ＷＡＮＤは、例えば式（１）で表される。式中、ｍは落札実績情報２５２のレコード識別子（例えばドキュメントＩＤ）であり、ｎはＳ１０２で抽出されたトークンの数であり、ｉは何番目のトークンであるかを示す引数である。Ｔｋ_ｉは、式（２）に示すように、ｉ番目のトークンが検索においてヒットしたか否かを示す関数である。係数α_ｉは、ｉ番目のトークンに付与される重みである。落札額分布導出部２２４は、例えば、前述したように、トークンに付与された種別、タイトルにおける位置などに基づいて係数α_ｉを決定する。なお、α_ｉは、１などの固定値であってもよい（すなわち省略されてもよい）。ＷＡＮＤは、更に、式（１）の右項を、ｎ、ｎに基づく値、或いはタイトルの文字数で定まる定数等で除算して求められてもよい。

次に、落札額分布導出部２２４は、ＷＡＮＤが大きい（例えば、所定の閾値以上である）落札実績情報２５２のレコードを抽出し、抽出したレコードに含まれる落札額を以下の処理の対象として特定する（Ｓ１０６）。これによって、落札実績情報２５２のレコードから、出品者によって入力されたタイトルとの当てはまり度合いが高いレコードが抽出される。このように、ＡＮＤとＯＲの中間の性質を持つＷＡＮＤに基づいて落札額の情報を取捨選択するため、データの数を確保すると共に、関連性の小さいデータを排除することができる。この技術分野においてＡＮＤを採用して検索を行うと、ほぼ合致するレコードが抽出されない。かといって、ＯＲを採用して検索を行うと、関連性の非常に小さいレコードまで抽出されてしまう。本実施形態では、ＷＡＮＤを採用することで、適切な数のレコードを抽出することができる。

次に、落札額分布導出部２２４は、Ｓ１０６で特定した落札額の集合を量子化（ヒストグラム化、ＢＩＮ化）し（Ｓ１０８）、落札額の分布を導出する（Ｓ１１０）。量子化とは、例えば１円刻みで表される落札額を、所定幅を有するＢＩＮのいずれかに所属させることをいう。例えば、落札額分布導出部２２４は、０円〜５円、６円〜１０円、１１円〜１５円というように所定幅で設定されるＢＩＮに落札額を当てはめ、それぞれのＢＩＮの出現数を、落札額の総数で除算して出現確率に変換する。これによって、落札額分布導出部２２４は、落札額の分布を導出する。なお、ＢＩＮの刻み幅は、金額が大きくなるほど大きくなるように設定されてもよい。例えば、落札額の対数を所定幅刻みにするようにＢＩＮが設定されてもよい。

図７は、落札額を量子化した結果を模式的に示す図である。縦軸は、各ＢＩＮの出現数である。なお、落札額の分布は、出現回数に対して一律「１」とカウントするのではなく、ＷＡＮＤ値を重みとして乗算した上でカウントして得られる出現数にもとづいて導出されてもよい。また、落札額の情報は、落札額を予測する段階ではなく、落札実績情報２５２として記憶部２５０に格納される段階などにおいて、予め落札額分布導出部２２４により量子化されてもよい。

次に、クラスタリング処理部２２６が、落札額分布導出部２２４により導出された落札額の分布をクラスタ化（分割）する（Ｓ１１２）。クラスタリング処理部２２６は、例えば、ｘ−ｍｅａｎｓ、ｍｅａｎｓｈｉｆｔ、カーネル密度推定（ＫＤＥ：Kernel Density Estimation）などの手法に基づいて、量子化された落札額の分布をクラスタ化する。カーネル密度推定を用いる場合、クラスタリング処理部２２６は、推定された確率密度関数の極小点でクラスタを分割する。

次に、ピーク導出部２２８が、各クラスタにおけるピーク（「局所ピーク」の一例）を導出する（Ｓ１１４）。ピークとは、対象範囲において出現確率が最大であるＢＩＮのことである。そして、ピーク導出部２２８は、選択した各クラスタのピークの中で出現確率が最大であるピークを選択し、選択したピークに対応するＢＩＮの代表値（例えば中央値）を、落札予測額として導出する（Ｓ１１６）。

図８は、クラスタ化から予測価格帯の導出までの処理について説明するための図である。図中、Ｐ１はクラスタ１のピークであり、Ｐ２はクラスタ２のピークである。ピークＰ１の出現確率は、ピークＰ２の出現確率よりも大きい。従って、ピーク導出部２２８は、ピークＰ１に対応するＢＩＮの代表値を、落札予測額として導出する。

図６に戻り、サジェスト判定部２３０は、１位クラスタの面積Ｓ１と、２位クラスタの面積Ｓ２とをそれぞれ算出する（Ｓ１１８）。１位クラスタとは、ピークにおける出現確率が最も大きいクラスタであり、２位クラスタとは、ピークにおける出現確率が２番目に大きいクラスタである。図８の例では、クラスタ１が１位クラスタであり、クラスタ２が２位クラスタである。また図中のＳ１はクラスタ１の面積であり、Ｓ２はクラスタ２の面積である。ここで、「面積」とは便宜的な称呼であり、実際は、そのクラスタに属するＢＩＮの出現確率の合計値である。

このとき、サジェスト判定部２３０は、Ｓ１１８で算出した面積のうち、少なくとも面積Ｓ１を、クラスタ毎演算結果２５４として記憶部２５０（メモリ）に保存しておく。

そして、サジェスト判定部２３０は、面積Ｓ２を面積Ｓ１で除算した値が閾値Ｔｈ１を超えるか否かを判定する（Ｓ１２０）。面積Ｓ２を面積Ｓ１で除算した値が閾値Ｔｈ１を超える場合、サジェスト判定部２３０は、落札額の分布が比較的優劣の無い多峰性を示しているため落札予測額の信頼度が低いと判断し、今回の予測依頼に対して「回答無し」と決定し、本フローチャートの処理を終了する。このように、サジェスト判定部２３０は、面積Ｓ１と面積Ｓ２が基準よりも近い場合には、落札予測額をサジェストしないことを決定する。これによって、信頼度の低い落札予測額を回答することで出品者をミスリードするような事態が生じるのを抑制することができる。閾値Ｔｈ１は、例えば、０．２〜０．６程度の値である。

サジェスト判定部２３０は、対象となる商品等のカテゴリが得られている場合、カテゴリに応じて閾値Ｔｈ１を設定してもよい。また、予測装置２００は、Ｓ１２０で肯定的な判定を得た場合、落札予測額に「サジェストしない」ことを推奨する情報を付加してオークションサーバ１００に送信してもよい。また、Ｓ１２０の判定処理は、例えば、「面積Ｓ１を面積Ｓ２で除算した値が閾値Ｔｈ２を超えるか否か」に置換され、超える場合にＳ１２２に進むようにしてもよい。この場合の閾値Ｔｈ２は、例えば、１．５〜５程度の値である。

面積Ｓ２を面積Ｓ１で除算した値が閾値Ｔｈ１を超えない場合、サジェスト判定部２３０は、今回の予測依頼に対して「回答あり」と決定する。この場合、予測価格帯導出部２３２が、１位クラスタにおいて、ピークを中心とした部分面積のクラスタ全体の面積に対する割合が、所定割合に近づく範囲を、予測価格帯として導出する（Ｓ１２２）。

図９は、Ｓ１２２における予測価格帯の導出手法の一例を示す図である。この例では、ピークを中心とした部分面積ＳＰａは、ピークに対応するＢＩＮと、ピークに対応するＢＩＮから落札額の高い側と低い側にそれぞれｘ個ずらしたＢＩＮとの出現確率の和である。予測価格帯導出部２３２は、例えば、ｘを０から順に１づつインクリメントしながら、ＳＰａ／Ｓ１を閾値Ｔｈ３と比較し、初めて閾値Ｔｈ３を超えた場合のｘに対応する価格ＰｌとＰｈを、予測価格帯の下限と上限とする。なお、図中Ｐｅは落札予測額である。予測価格帯導出部２３２は、記憶部２５０に保存されている面積Ｓ１を読み出し、読み出した面積Ｓ１を使用して上記の処理を行う。これによって、再度１位クラスタの面積を求める必要が無くなるため、高速処理を実現することができる。

そして、予測部２２０は、落札予測額Ｐｅ、並びに予測価格帯の下限Ｐｌおよび上限Ｐｈを、オークションサーバ１００に送信する（Ｓ１２４）。オークションサーバ１００は、これらの情報を出品者の端末装置１０に送信し、出品者の端末装置１０に表示させる。

なお、Ｓ１１２で全ての落札額が一つのクラスタに収まる場合（落札額が多峰性を示さない場合）、Ｓ１１４およびＳ１１６の処理は、「一つのピークに対応するＢＩＮの代表値を落札予測額として導出する」処理となり、Ｓ１１８およびＳ１２０の処理はスキップされ、Ｓ１２２の処理対象は１位クラスタでは無く落札額全体となる。

以上説明した実施形態の予測装置によれば、オークションに出品される商品等に関する商品等情報を取得する取得部２１０と、オークションにおいて落札された商品等に係る商品等情報に落札額が対応付けられた落札実績情報２５２を参照し、取得部２１０により取得された商品等情報と合致する落札額の分布を求め、分布におけるピークに対応する落札額を、取得部２１０により取得された商品等の落札予測額として導出する予測部２２０と、を備えることにより、より正確に落札額を予測することができる。

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。

１００ オークションサーバ
２００ 予測装置
２１０ 取得部
２２０ 予測部
２２２ トークン抽出部
２２４ 落札額分布導出部
２２６ クラスタリング処理部
２２８ ピーク導出部
２３０ サジェスト判定部
２３２ 予測価格帯導出部

Claims (9)

1. オークションに出品される商品またはサービス（以下、商品等）に関する商品等情報を取得する取得部と、
   前記オークションにおいて落札された商品等に係る商品等情報に落札額が対応付けられた落札実績情報を参照し、前記取得部により取得された商品等情報から抽出されたトークンと、前記落札実績情報における商品等情報から抽出されたトークンとの当てはまり具合を表す指標値を導出し、前記指標値が閾値以上である前記落札実績情報における商品等情報に対応する落札額に基づいて落札額の分布を求め、前記分布におけるピークに対応する落札額を、前記取得部により取得された商品等の落札予測額として導出する予測部と、
   を備える予測装置。
2. オークションに出品される商品またはサービス（以下、商品等）に関する商品等情報を取得する取得部と、
   前記オークションにおいて落札された商品等に係る商品等情報に落札額が対応付けられた落札実績情報を参照し、前記取得部により取得された商品等情報と合致する落札額の分布を求め、前記分布におけるピークに対応する落札額を、前記取得部により取得された商品等の落札予測額として導出する予測部と、を備え、
   前記予測部は、前記落札額の分布が多峰性を示す場合、複数の局所ピークのうち一つのピークを選択し、前記選択した一つのピークに対応する落札額を前記落札予測額として導出する、
   予測装置。
3. 前記予測部は、前記落札額の分布を分割し、分割した分布の中での最大値を、前記複数の局所ピークとして導出する、
   請求項２記載の予測装置。
4. 前記予測部は、前記分割した分布のうち、局所ピークが最も大きい分布と、２番目に大きい分布とのそれぞれにおける出現確率の合計値を比較し、合計値同士が基準よりも近い場合には、前記落札予測額をサジェストしないと決定する、
   請求項３記載の予測装置。
5. 前記予測部は、前記分割した分布のうち、局所ピークが最も大きい分布に基づいて、予測価格帯を導出する、
   請求項３または４記載の予測装置。
6. 前記予測部は、前記分割した分布のうち、局所ピークが最も大きい分布において、前記局所ピークに対応する落札額を中心として、出現確率の合計値の分布全体に対する割合が所定割合に近づく範囲に対応する落札額に基づいて、予測価格帯を導出する、
   請求項５記載の予測装置。
7. 前記予測部は、
   前記分割した分布のうち、局所ピークが最も大きい分布と、２番目に大きい分布とのそれぞれにおける出現確率の合計値を比較し、合計値同士が基準よりも近い場合には、前記落札予測額をサジェストしないと決定し、
   前記分割した分布のうち、局所ピークが最も大きい分布において、前記局所ピークに対応する落札額を中心として、出現確率の合計値の分布全体に対する割合が所定割合に近づく範囲に対応する落札額に基づいて、予測価格帯を導出し、
   前記サジェストするか否かを決定する処理の中で計算した前記局所ピークが最も大きい分布における出現確率の合計値をメモリに保存しておき、前記予測価格帯を導出する処理において前記メモリから読み出して使用する、
   請求項３記載の予測装置。
8. コンピュータが、
   オークションに出品される商品またはサービス（以下、商品等）に関する商品等情報を取得し、
   前記オークションにおいて落札された商品等に係る商品等情報に落札額が対応付けられた落札実績情報を参照し、前記取得された商品等情報から抽出されたトークンと、前記落札実績情報における商品等情報から抽出されたトークンとの当てはまり具合を表す指標値を導出し、前記指標値が閾値以上である前記落札実績情報における商品等情報に対応する落札額に基づいて落札額の分布を求め、前記分布におけるピークに対応する落札額を、前記取得された商品等の落札予測額として導出する、
   予測方法。
9. コンピュータに、
   オークションに出品される商品またはサービス（以下、商品等）に関する商品等情報を取得させ、
   前記オークションにおいて落札された商品等に係る商品等情報に落札額が対応付けられた落札実績情報を参照させ、前記取得された商品等情報から抽出されたトークンと、前記落札実績情報における商品等情報から抽出されたトークンとの当てはまり具合を表す指標値を導出させ、前記指標値が閾値以上である前記落札実績情報における商品等情報に対応する落札額に基づいて落札額の分布を求めさせ、前記分布におけるピークに対応する落札額を、前記取得された商品等の落札予測額として導出させる、
   プログラム。

Images