控制装置、控制方法以及计算机可读介质与流程

1.本公开涉及控制装置、控制方法以及计算机可读介质。


背景技术：

2.在日本特开2005-228016号公报中公开了一种字符显示方法，其为将包含多个字符种类的文档显示于信息终端的方法，所述方法将多个字符种类中的被指定的规定字符种类预先存储在存储装置中，从所述文档中提取所述规定字符种类的字符，确定所提取的字符中的表示该文档的特征的字符，通过规定的配置来显示所确定的字符。
3.在日本特开2015-106289号公报中公开了一种显示装置，其具有控制单元，所述控制单元以通过部分区域显示模式将所述图像数据的各字符区域显示于显示单元的方式进行控制，所述部分区域显示模式使用根据图像数据内的字符区域的宽度确定的显示倍率来显示各字符区域，所述控制单元在所述部分区域显示模式下将正文的字符区域作为显示对象进行显示的情况下，以该显示对象的正文的字符区域的宽度被收在所述显示单元的显示区域的宽度内的方式确定显示倍率，以该确定的显示倍率显示该显示对象的正文的字符区域的方式进行控制，所述控制单元还在所述部分区域显示模式下将小字注文的字符区域作为显示对象进行显示的情况下，判定该显示对象的小字注文的字符区域的宽度是否小于所述图像数据内的正文的字符区域的宽度中的最大宽度，在该判定中判定为小的情况下，以所述正文的字符区域的宽度中的最大宽度被收在所述显示单元的显示区域的宽度内的方式确定显示倍率，以该确定的显示倍率显示该显示对象的小字注文的字符区域的方式进行控制，在该判定中判定为不小的情况下，以所述小字注文的字符区域的宽度被收在所述显示单元的显示区域的宽度内的方式确定显示倍率，以该确定的显示倍率显示该显示对象的小字注文的字符区域的方式进行控制，其中，所述小字注文由大小小于正文的字符构成。
4.在日本特表2016-526197号公报中公开了一种方法，其为用于将具有至少1个值可变的显示参数的图像显示电子设备进行个性化的方法，所述设备适于显示图像，并且适于根据所述显示参数的值修正所述显示的图像，所述方法通过如下步骤使显示参数的所述值适于用户：将所述图像显示电子设备与用户数据库连接，确定所述用户的视觉以及眼球运动简况的评价参数的至少一个值，并记录在所述用户数据库中，所述至少一个值包括所述用户的视觉敏锐度的测量值；将所述图像显示电子设备与显示器数据库连接，在所述显示器数据库中创建数字记录，所述数字记录包含与图像显示电子设备以及所述图像显示电子设备的识别符相关联的多个显示参数值，所述数字记录被存储在所述显示器数据库的寄存器中，所述显示器数据库包含与多个图像显示电子设备相关联的多个数字记录，所述寄存器的一个图像显示电子设备的各个记录与单个识别符相关联；关于所述用户对所述图像显示电子设备所显示的图像进行的浏览，根据所述用户数据库中的与所述用户相关联的所述视觉敏锐度测量值，从所述显示器数据库中的与所述图像显示电子设备相关联的所述数字记录的所述多个显示参数值中选择所述显示参数的最佳值；以及将所述图像显示参数的所述最佳值自动应用于所述图像显示电子设备，以改善所述显示的图像的识别性、易读性以
及所述用户的视觉舒适度。


技术实现要素：

5.已知有根据说明事物的文本(以下，称作“说明文本”)输出根据事物联想的文本(以下，称作“联想文本”)的输出装置。
6.例如，在事物是商品、说明文本是说明商品概要的说明句子、联想文本是商品的标语的情况下，输出装置所输出的标语有时刊载于例如介绍商品的web网站上，用于提高用户对商品的购买意愿。
7.另一方面，用户为了浏览web网站而使用的设备并不限定于特定种类。例如，既有使用台式计算机在20英寸以上的显示器上进行浏览的用户，又有使用6英寸左右大小的智能手机进行浏览的用户。
8.这样，可以认为，若用户所使用的设备的属性不同，则例如显示联想文本的画面的大小、web网站的页面设计以及设备的操作性就会发生变化，因此即使是针对相同事物的联想文本，容易吸引用户关注的联想文本的表现也按照设备的每个属性而发生变化。但是，至今为止没有将容易吸引用户关注的联想文本的表现根据设备属性的差异而不同这一点，考虑在内控制联想文本的表现。
9.本公开的目的在于，提供一种控制装置、控制方法以及计算机可读介质，跟与用户所使用的设备的属性无关地针对相同事物在任何设备上都显示根据事物联想的相同的联想文本的情况相比，以能够吸引用户关注的方式控制联想文本的表现。
10.根据本公开的第1方案，提供一种控制装置，其具有处理器，所述处理器接收用户所使用的设备的属性，所述处理器根据所述设备的属性，以与通过不同于所述设备的其他设备显示了相同事物的情况相比，提高用户对显示于所述设备的显示区域的事物进行行动的行动意愿的方式，对根据显示于所述设备的显示区域的事物联想到的联想文本的表现进行控制。
11.根据本公开的第2方案，使用如下的存储数据，按照所述设备的每个属性而估计针对所述设备中显示的事物的所述联想文本的目标表现，其中，在所述存储数据中以下四个信息相关联起来：与使用所述设备的用户有关的用户信息；包含所述设备的属性的设备信息；用户对显示于所述设备的显示区域的事物进行的行动的行动履历；以及作为与事物有关的信息的条目信息，所述条目信息包含：对显示于所述设备的显示区域的事物进行了说明的说明文本；以及与所述说明文本对应起来的所述联想文本，所述联想文本的目标表现是与通过不同于所述设备的其他设备显示了相同事物的情况相比，提高用户对显示于所述设备的显示区域的事物进行行动的行动意愿的表现，以由如下的生成模型生成的显示于所述设备的显示区域的所述联想文本的表现接近于与所述设备的属性对应的目标表现的方式进行控制，其中，所述生成模型将根据所述用户信息、所述设备信息以及所述条目信息得到的项目作为输入。
12.根据本公开的第3方案，所述处理器进行以下处理：按照所述设备的每个属性，估计如下的目标字符数作为所述联想文本的目标表述表现，其中，所述目标字符数是在涉及到表示用户关注了事物的行动时与事物对应起来的所述联想文本的字符数，以使用所述生成模型生成的、针对所述设备的显示区域内显示的事物的所述联想文本的字符数接近于与
所述设备的属性对应的所述联想文本的目标字符数的方式，对所述联想文本的字符数进行控制，其中，所述联想文本是使用所述生成模型而生成的文本。
13.根据本公开的第4方案，所述行动履历中包含用户对事物采取行动时所述联想文本在所述设备的显示区域中的位置信息，所述处理器进行以下处理：按照所述设备的每个属性，估计目标位置作为所述联想文本的目标表现，所述目标位置是涉及到表示用户关注了事物的行动时所述联想文本在所述设备的显示区域中的位置，以使用所述生成模型生成的、针对所述设备的显示区域内显示的事物的所述联想文本配置在与所述设备的属性对应的所述联想文本的目标位置的方式，对所述联想文本的位置进行控制。
14.根据本公开的第5方案，所述处理器进行以下处理：按照所述设备的每个属性而估计目标样式作为所述联想文本的目标表现，所述目标样式是在涉及到表示用户关注了事物的行动时与事物对应的所述联想文本的样式，以使用所述生成模型生成的、针对显示在所述设备的显示区域内的事物的所述联想文本的样式接近于与所述设备的属性对应的所述联想文本的目标样式的方式，对所述联想文本的样式进行控制。
15.根据本公开的第6方案，所述处理器根据如下的类似度，按照所述设备的每个属性，估计所述联想文本的目标样式，所述类似度是涉及到表示用户关注了事物的行动时的针对事物的所述说明文本和与所述说明文本对应的所述联想文本的类似度。
16.根据本公开的第7方案，所述处理器对涉及到表示用户关注了事物的行动时的相对于针对事物的所述联想文本进行聚类，由此按照所述设备的每个属性，估计所述联想文本的目标样式。
17.根据本公开的第8方案，在针对显示在所述设备的显示区域内的事物的所述联想文本包含不同样式的多个句子的情况下，所述处理器控制不同样式的各个句子在所述设备的显示区域中的配置顺序。
18.根据本公开的第9方案，所述行动履历中包含行动时间，所述行动时间是与针对事物的所述联想文本显示在所述设备的显示区域内之后的用户的行动有关的时间，所述处理器进行如下控制：使用所述行动时间，按照所述设备的每个属性，估计涉及到表示用户关注了事物的行动时的设备行动时间，使用所述生成模型，生成所述联想文本：该联想文本对应于由与所述设备的属性对应的所述设备行动时间表示的用户行动倾向。
19.根据本公开的第10方案，所述处理器以生成如下的所述联想文本的方式进行控制：该联想文本随着所述设备行动时间变长而呈现出与比较对象事物之间的差异，所述比较对象事物是与显示在所述设备的显示区域内的事物进行比较的事物。
20.根据本公开的第11方案，所述处理器使所述条目信息中的表示特定项目的内容的字符串的特定部位对由所述生成模型进行的所述联想文本的生成带来的影响度高于与表示所述特定项目的内容的字符串的所述特定部位不同的其他部位对由所述生成模型进行的所述联想文本的生成带来的影响度，通过所述生成模型进行所述联想文本的生成。
21.根据本公开的第12方案，所述处理器进行以下处理：
22.根据所述特定项目的内容提取如下的字符串：该字符串对应于与显示在所述设备的显示区域内的事物进行比较的比较对象事物，且未包含于所述特定项目的内容中，所述处理器对表示所提取字符串的矢量附加如下的权重，通过所述生成模型进行所述联想文本的生成，所述权重是与表示未从所述特定项目的内容中提取的字符串的矢量相比使对通过
所述生成模型进行的所述联想文本的生成带来的影响度变大的权重。
23.根据本公开的第13方案，提供一种计算机可读介质，其存储有使计算机执行处理的程序，在所述处理中，接收用户所使用的设备的属性，根据所述设备的属性,以与通过不同于所述设备的其他设备显示了相同事物的情况相比，提高用户对显示于所述设备的显示区域的事物进行行动的行动意愿的方式，对根据显示于所述设备的显示区域的事物联想到的联想文本的表现进行控制。
24.根据本公开的第14方案，提供一种控制方法，进行以下处理：接收用户所使用的设备的属性，根据所述设备的属性，以与通过不同于所述设备的其他设备显示了相同事物的情况相比，提高用户对显示于所述设备的显示区域的事物进行行动的行动意愿的方式，对根据显示于所述设备的显示区域的事物联想到的联想文本的表现进行控制。
25.(效果)
26.根据所述第1、第13或者第14方案，跟与不考虑用户所使用的设备的属性而针对相同事物在任何设备上都显示根据事物联想的相同的联想文本的情况相比，以能够吸引用户关注的方式控制联想文本的表现。
27.根据所述第2方案，与只使用设备的属性来确定联想文本的表现的情况相比，能够在用户所使用的设备中生成用户容易关注的联想文本的表现。
28.根据所述第3方案，与不按照设备的每个属性改变联想文本的字符数的情况相比，能够生成容易吸引用户关注的联想文本。
29.根据所述第4方案，与不按照设备的每个属性改变联想文本在设备的显示区域中的位置的情况相比，能够生成容易吸引用户关注的联想文本。
30.根据所述第5方案，与不按照设备的每个属性改变联想文本的样式的情况相比，能够生成容易吸引用户关注的联想文本。
31.根据所述第6方案，能够根据说明文本和联想文本的类似度估计联想文本的目标样式。
32.根据所述第7方案，能够在不使用说明文本的前提下估计联想文本的目标样式。
33.根据所述第8方案，与不改变构成联想文本的多个句子的配置的情况相比，能够生成容易吸引用户关注的联想文本。
34.根据所述第9方案，与不根据用户的行动时间改变联想文本的情况相比，能够生成容易吸引用户关注的联想文本。
35.根据所述第10方案，能够生成表示设备行动时间较长的倾向且容易吸引用户关注的联想文本。
36.根据所述第11方案，能够生成着眼于表示特定项目的内容的字符串的特定部位的联想文本。
37.根据所述第12方案，能够生成呈现出与作为比较对象的事物之间的差异的联想文本。
附图说明
38.图1是示出控制装置的功能结构例的图。
39.图2是示出用户信息的一例的图。
40.图3是示出设备信息的一例的图。
41.图4是示出条目信息的一例的图。
42.图5是示出行动履历的一例的图。
43.图6是示出控制装置中的电气系统的主要部分结构例的图。
44.图7是示出控制处理流程的一例的流程图。
45.图8是将实例1中的控制处理流程进行图式化的图。
46.图9是示出实例1中的标语的显示例的图。
47.图10是将实例2中的控制处理流程进行图式化的图。
48.图11是示出实例2中的标语的显示例的图。
49.图12是将实例3中的控制处理流程进行图式化的图。
50.图13是示出实例3中的标语的显示例的图。
51.图14是将实例4中的控制处理流程进行图式化的图。
52.图15是示出实例4中的标语的显示例的图。
53.图16是示出实例4中的其他标语的显示例的图。
具体实施方式
54.以下，参照附图对本实施方式进行说明。另外，在所有附图中，对相同的结构要素以及相同的处理标注相同的符号而省略重复说明。
55.图1是示出本实施方式所涉及的控制装置10的功能结构例的图。控制装置10具有数据存储部12、估计部14以及控制部16这样的各功能部。而且，估计部14具有估计联想文本的表现的估计模型17，控制部16具有生成模型18，所述生成模型18根据包含对事物进行说明的说明文本的各种信息而生成例如根据事物联想的联想文本的表现。
56.说明文本是指说明了事物的状况以及特征中的至少一方的句子。例如，在事物为奶酪卷的商品介绍的情况下，将“用松饼层层卷入金枪鱼和奶油奶酪夹心而制成的金枪鱼奶酪卷。可以按照一口大小搭积成可爱的金枪鱼奶酪风味千层塔。是适合盛宴且肯定会受到女孩追捧的商品。”这样的句子作为商品的说明文本使用。
57.并且，联想文本是指根据说明文本联想到的句子或者词汇，是与用说明文本说明了事物的内容的情况相比引起用户兴趣且吸引用户关注之类的令人印象深刻的句子或者词汇。只要是能够根据相关说明文本联想到的文本，则联想文本的字符数就没有限制，可以比相关说明文本的字符数多或者比其少。对于上述奶酪卷的说明文本，例如将“夹起来就是一大口”这样的用一句话表达商品的特征之类的句子作为联想文本使用。
58.以下，除特别注明外，例如通过对ec(electronic commerce)网站上的web页面的内容(还称作“目录”)进行控制的事例来说明控制装置10，该ec网站在web页面上介绍一些商品并向用户在线销售商品。在该情况下，成为销售对象的商品是事物的一例，用说明文本说明了的商品的标语是联想文本的一例。另外，在成为销售对象的条目这一含义上，有时将各个商品记为“条目”。
59.数据存储部12存储有与ec网站的运用有关的信息。具体而言，数据存储部12包含用户信息12a、设备信息12b、条目信息12c以及行动履历12d。
60.图2是示出用户信息12a的一例的图。用户信息12a包含与通过设备访问ec网站的
用户有关的各种信息。在图2所示的例的情况下，用户信息12a包含用户名、性别、年龄、邮件地址以及住址。
61.用户名表示登记在ec网站上的用户的识别符。用户名可以不是本名，例如可以是昵称，并且也可以是用英文数字和符号的排列表示的用户id(identification)。
62.性别表示由用户名表示的用户的性别。年龄表示由用户名表示的用户的年龄。邮件地址表示由用户名表示的用户的邮件地址。住址表示由用户名表示的用户的住址。
63.用户信息12a至少包含用户名即可，邮件地址等其他信息可以不必包含于用户信息12a中。并且，图2所示的用户信息12a以外的项目(例如用户的喜好)也可以包含于用户信息12a中。
64.图3是示出设备信息12b的一例的图。设备信息12b包含访问了ec网站的各用户所使用的设备的属性。在图3所示的例的情况下，设备信息12b包含设备名、设备类型以及画面尺寸。
65.设备名是用于识别用户所使用的设备的识别符，例如设定有设备的型号、制造编号或者mac地址。
66.设备类型表示用户所使用的设备的种类。设备的种类例如有如下：表示台式计算机的“台式机”；表示用户在抓起的状态下可单手操作的手掌大小的便携计算机的“智能手机”；以及表示用户无法抓起但是可携带的平板计算机的“平板电脑”。设备类型并不限于台式机、智能手机以及平板电脑，例如可以包含表示腕表型计算机那样的可穿戴计算机的“可穿戴式”。
67.画面尺寸表示对应的设备中包含的显示器的大小、即显示web页面的显示区域的大小。画面尺寸例如使用用英寸表示显示器的对角线长度的值。另外，可以不是显示器的大小而是将显示了被刊载商品的web页面的窗口的大小与画面的尺寸对应起来。
68.设备信息12b只要包含如能够确定用户访问ec网站时使用的设备的属性那样的信息即可，并非必须全部包含设备名、设备类型以及画面尺寸。设备的属性是指表示用户所使用的设备的差异的信息。从而，设备名、设备类型以及画面尺寸均为设备的属性的一例。并且，图3所示的设备信息12b以外的项目(例如鼠标或触摸面板之类的设备的操作构件)也可以包含于设备信息12b中。
69.图4是示出条目信息12c的一例的图。条目信息12c包含与作为事物的一例的商品有关的各种信息。在图4所示的例的情况下，条目信息12c包含条目名、条目种类、说明文本、设备类型、标语以及位置。
70.条目名是用于识别商品的识别符，例如设定有商品名或商品型号。
71.条目种类例如化妆品或西装这样设定有商品的种类，。
72.说明文本中设定有说明商品的说明句子，例如包含关于商品的特征、发售时期以及使用方法记载的内容的句子。
73.设备类型表示能够与ec网站连接的设备的种类。设备类型按照每个条目进行设定，在图4所示的例的情况下，针对各个条目设定了台式机、智能手机以及平板电脑。即，例如表示能够通过台式机、智能手机以及平板电脑中的任一设备浏览被刊载各个条目的web页面。
74.标语中设定有例如与商品的照片一起刊载于web页面上来吸引浏览web页面的用
户的关注的、令人印象深刻的句子或者词汇。
75.位置是表示标语在web页面中的刊载位置的位置信息的一例。位置的指定方法并无限制，但是在图4所示的例的情况下，在上段、中段以及下段指定了标语的位置。上段表示刊载了例如所对应条目的web页面的上三分之一的范围，下段表示该web页面的下三分之一的范围。中段表示既不是上段也不是下段的该web页面的中间三分之一的范围。即，上段相当于即使用户不滚动web页面也在设备的显示区域显示标语那样的位置。与此相对，中段以及下段相当于根据设备的属性若用户不滚动web页面则标语不会显示在设备的显示区域那样的位置。当然，下段的到显示标语为止的web页面的滚动量比中段多。标语的位置可以用设定于web页面的坐标值表示。
76.另外，标语以及位置按照各条目的设备类型进行设定。即，在ec网站上，能够根据用户为了浏览刊载了商品的web页面而使用的设备的设备类型，对刊载于web页面的商品的标语以及标语的位置中的至少一方进行变更。
77.在图4所示的条目信息12c的例中，作为表示用户在浏览web页面时使用的设备的差异的项目，使用了设备类型，但是可以使用例如设备信息12b中的设备名或画面尺寸这样表示设备的属性的项目来代替设备类型。
78.条目信息12c无需包含图4所示的条目信息12c的各项目，并且可以包含图4所示的条目信息12c以外的项目(例如商品的价格)。
79.图5是示出行动履历12d的一例的图。行动履历12d包含用户对显示在用于浏览web页面的设备的显示区域内的商品进行的行动的记录。在图5所示的例的情况下，行动履历12d包含访问日期时间、用户名、使用设备、条目名、行动内容以及行动时间。
80.访问日期时间表示用户通过设备访问了ec网站的日期时间。用户名表示通过设备访问了ec网站的用户的识别符。使用设备表示用户在访问ec网站时使用的设备的属性(例如设备名)。条目名表示显示在用户所使用的设备的显示区域内的商品的识别符(例如商品名)。
81.行动内容表示用户对显示在设备的显示区域内的商品采取的行动。行动内容中的“购买”表示用户购买了由条目名表示的商品。并且，行动内容中的“浏览”表示用户只是将刊载了由条目名表示的商品的web页面显示在设备的显示区域，而未达到购买。行动内容中设定的用户的行动并无限制，例如可以在用户检索了商品的情况下，设定“检索”，用户在购买商品的中途终止了购买的情况下，设定“购买中止”。
82.行动时间表示与商品的标语显示于设备的显示区域之后的用户的行动有关的时间。例如，在行动内容中设定了“购买”的情况下，从商品的标语显示于设备的显示区域之后到用户购买该商品为止的时间被设定为行动时间。并且，例如在行动内容中设定了“浏览”的情况下，从商品的标语显示于设备的显示区域之后到转移至刊载了与该商品不同的其他商品的web页面为止的时间被设定为行动时间。
83.行动履历12d除了包含图5所示的行动履历12d的各项目之外，例如还可以包含在刊载了商品的web页面中用户到设备的显示区域中显示商品为止进行的滚动次数等项目。
84.这样，将存储在数据存储部12的用户信息12a、设备信息12b、条目信息12c以及行动履历12d称作“存储数据”。
85.估计部14例如在用户访问ec网站而进行了转移到刊载了商品的web页面的操作的
情况下，接收用户在浏览web页面时使用的设备的属性。估计部14使用数据存储部12中存储的存储数据和用户在浏览web页面时使用的设备的属性，按照用户所使用的设备的每个属性估计标语的目标表现，该标语的目标表现使得与通过不同于用户所使用的设备的其他设备显示相同商品的情况相比，提高用户对显示于用户所使用的设备的显示区域的商品进行行动的行动意愿。
86.在进行商品的销售的ec网站的事例的情况下，用户对商品进行的行动包含商品的购买。即，估计部14按照用户所使用的设备的每个属性估计以下商品标语的目标表现，该商品标语的目标表现使得与通过不同于用户所使用的设备的其他设备显示相同商品的情况相比，容易购买商品。
87.另外，标语的目标表现是指与标语的措辞以及标语的呈现方式中的至少一方有关的目标。
88.控制部16例如以通过生成模型18生成的商品标语的表现接近通过估计部14估计出的目标表现的方式控制标语的表现，所述生成模型18将用户信息12a、设备信息12b以及条目信息12c中所包含的项目作为输入。并且，控制部16以被控制成接近估计部14估计出的目标表现的标语刊载于ec网站的web页面的方式控制web页面的内容。
89.由此，控制装置10实现如下控制：按照用户所使用的设备的每个属性并且按照每个用户改变商品标语的表现，使得用户对刊载于web页面的商品感兴趣。
90.接着，对控制装置10中的电气系统的主要部分结构例进行说明。
91.图6是示出控制装置10中的电气系统的主要部分结构例的图。控制装置10例如由计算机20构成。
92.计算机20具有负责图1所示的控制装置10的各功能部的处理的cpu(central processing unit、中央处理器)21、存储有控制程序的rom(read only memory、只读存储器)22、用作cpu21的暂时作业区域的ram(random access memory、随机存取存储器)23、非易失性存储器24以及输入输出接口(i/o)25。cpu21、rom22、ram23、非易失性存储器24以及i/o25经由总线26而彼此连接。
93.非易失性存储器24是即使提供给非易失性存储器24的电力被切断也维持所存储信息的存储装置的一例，例如使用了半导体存储器，但是也可以使用硬盘。非易失性存储器24并非必须内置于计算机20，例如也可以是如存储卡那样相对于计算机20可装卸的存储装置。非易失性存储器24中例如存储有存储数据。
94.i/o25例如与通信单元27、输入单元28以及输出单元29连接。
95.通信单元27与未图示的通信线路连接，具有与连接于未图示的连接线路的外部装置进行通信的通信协议。未图示的通信线路例如包含因特网或lan(local area network、局域网)之类的公知的通信线路。未图示的通信线路可以是有线，也可以是无线。
96.输入单元28是接收来自控制装置10的操作者的指示并通知给cpu21的装置，例如使用按钮、触摸面板、键盘、指示设备以及鼠标。控制装置10可以通过语音接收来自用户的指示，在该情况下将麦克风用作输入单元28。
97.输出单元29是输出通过cpu21处理的信息的装置，例如包含液晶显示器或者有机el(electro luminescence、电致发光)之类的显示设备。
98.另外，控制装置10并非必须具有与i/o25连接的图6中例示的单元，只要具有根据
状况需要的单元即可。例如，在控制装置10设置于无人数据中心并且控制装置10的操作者通过设置于与数据中心不同的其他场所的终端操作控制装置10的情况下，控制装置10中还有时不需要输入单元28以及输出单元29。
99.接着，对控制装置10的动作进行说明。
100.图7是示出通过控制装置10的cpu21执行的控制处理流程的一例的流程图。规定控制处理的控制程序例如预先存储在控制装置10的rom22中。控制装置10的cpu21读取rom22中存储的控制程序来执行控制处理。
101.在步骤s10中，cpu21从ec网站获取访问了ec网站的用户的用户名、作为用户在访问ec网站时使用的设备的属性的一例的设备名以及刊载于用户想要显示的web页面内的商品的条目名。以下，将包含如用户名那样识别用户的识别符、如设备名那样表示设备的差异的设备的属性以及如条目名那样识别商品的识别符的信息称作“状态信息”。状态信息可以由控制装置10的操作者通过输入单元28通知给cpu21，并且还可以从访问了ec网站的设备获取。
102.在步骤s20中，cpu21使用估计模型17，在由设备名表示的设备中估计用户想要浏览的商品的由状态信息指定的设备中的目标表现，所述估计模型17对附加给由用户名表示的用户所购买的商品的标语的表现倾向进行机器学习而得到。另外，为了与用户过去在ec网站上浏览以及购买的商品进行区分，将用户从现在起想要浏览的商品表示为“提示商品”。
103.cpu21获取行动履历12d中的行动内容被设定为“购买”的行动履历12d。以下，将行动履历12d中的进行了希望用户进行的行动(在该情况下为商品的购买)时的行动履历12d称作“正例的行动履历12d”。
104.cpu21使用估计学习数据重复执行机器学习，所述估计学习数据是如下的数据：将根据以下三个信息得到的项目作为输入，将与由正例的行动履历12d中所包含的条目名表示的商品的标语有关的表现中的着眼于目标表现的特定表现作为正解，所述三个信息分别是：由正例的行动履历12d中所包含的用户名表示的用户的用户信息12a；由设备名表示的设备的设备信息12b；以及由条目名表示的商品的条目信息12c。
105.具体而言，使用以下估计学习数据进行机器学习，所述估计学习数据分别将正例的行动履历12d中的用户名、与在使用设备中设定的设备名对应的设备类型以及与条目名对应的条目种类作为输入，将着眼于目标表现的与商品的标语有关的特定表现作为正解。另外，构成估计学习数据的各项目例如用预先规定的维度矢量表示。
106.作为着眼于目标表现的与商品的标语有关的表现，只要是例如商品的标语、标语的字符数、标语的大小、标语的颜色以及刊载了商品的web页面中的标语位置等与商品有关的表现，则还包含任何表现。
107.例如，在作为目标表现而关注的特定表现是商品的标语的情况下，cpu21使用以下估计学习数据重复执行机器学习，所述估计学习数据将根据以下三个信息得到的项目作为输入，将由正例的行动履历12d中所包含的条目名表示的商品的标语作为正解，所述三个信息分别是：由正例的行动履历12d中所包含的用户名表示的用户的用户信息12a；由设备名表示的设备的设备信息12b；以及由条目名表示的商品的条目信息12c。
108.与商品一起刊载的标语具有引起用户对商品的关注的作用，所谓用户购买了商
品，表示用户关注了该商品。即，与由正例的行动履历12d中所包含的条目名表示的商品的标语有关的表现成为在用户所使用的设备的设备类型中容易吸引用户关注的标语的表现，该标语的表现比其他标语的表现适合用户的喜好。
109.从而，在分别将通过状态信息通知的用户名、与设备名对应的设备类型以及提示商品的条目种类输入到估计模型17中的情况下的该估计模型17输出成为如下标语的目标表现：在由用户名表示的用户使用由设备名表示的设备浏览提示商品的情况下，与其他标语的表现相比容易吸引用户关注，比如用户对提示商品感兴趣，其中，所述估计模型17通过使用了估计学习数据的机器学习而得到。估计模型17例如可以使用编码-解码模型或多层感知器模型(还称作“多层感知机模型(multilayer perceptron model)”)。
110.这样，cpu21使用预先构建的估计模型17估计针对提示商品的标语的目标表现。输入到估计模型17的各项目也用矢量进行表示。
111.当然，不仅是正例的行动履历12d，还可以将未进行商品的购买时的行动履历12d、即负例的行动履历12d包含在估计学习数据中，来进行估计模型17的机器学习。在估计模型17的机器学习中使用了包含正例以及负例的行动履历12d的估计学习数据的情况下，只要将表示是否购买了由条目名表示的商品的行动内容的值加进估计学习数据的输入中来进行估计模型17的学习即可。以下，对使用根据正例的行动履历12d生成的估计学习数据的例进行说明。
112.另外，估计标语的目标表现的估计模型17不仅可以通过机器学习而得到，例如还可以使用如贝叶斯估计那样的统计估计方法以及如费米估计那样使用表示输入与正解之间的关系的函数的运算方法。
113.并且，估计模型17的构建可以由cpu21执行，但是也可以不在cpu21中执行估计模型17的构建，而是使用在外部装置中构建的估计模型17来估计针对提示商品的标语的目标表现。
114.在步骤s30中，在与由状态信息指定的用户名对应的用户使用与由状态信息指定的设备名对应的设备浏览刊载了提示商品的web页面的情况下，cpu21以赋予给提示商品的标语的表现接近步骤s20中估计出的目标表现的方式，生成赋予给提示商品的标语的表现。
115.在赋予给提示商品的标语的表现的生成中使用生成模型18。生成模型18例如通过使用以下生成学习数据重复执行机器学习而得到，所述生成学习数据将根据以下三个信息得到的项目作为输入，将由条目名表示的商品的针对由使用设备表示的设备的设备类型的标语作为正解，所述三个信息分别是：由正例的行动履历12d中所包含的用户名表示的用户的用户信息12a；由使用设备表示的设备的设备信息12b；以及由条目名表示的商品的条目信息12c。
116.具体而言，使用如下生成学习数据：分别将正例的行动履历12d中的用户名、与使用设备中设定的设备名对应的设备类型、与条目名对应的条目种类、与条目名对应的说明文本、以及对应于与设备名对应的设备类型和与条目名的组合的标语的成为估计对象的表现作为输入，将该标语作为正解。另外，构成生成学习数据的各项目例如用预先规定的维度矢量进行表示。生成模型18例如可以使用编码-解码模型。
117.cpu21分别将通过状态信息通知的用户名、与设备名对应的设备类型以及与提示商品的条目名对应的条目种类以及步骤s20中估计出的目标表现输入到生成模型18中，由
此生成依据目标表现的针对提示商品的标语。输入到生成模型18的各项目也用矢量进行表示。
118.生成模型18的构建可以由cpu21执行，但是也可以不在cpu21中执行生成模型18的构建，而是使用在外部装置中构建的生成模型18来估计依据目标表现的针对提示商品的标语。
119.另外，生成标语的生成模型18不仅通过机器学习而得到，例如还可以使用利用马尔科夫链生成标语的生成模型18或利用句子压缩技术生成标语的生成模型18。
120.在步骤s40中，cpu21以步骤s30中生成的提示商品的标语显示于刊载提示商品的web页面的方式控制web页面的布局，结束图7所示的控制处理。
121.由此，按照用户在显示提示商品时使用的每个设备类型，显示容易吸引用户关注的标语的表现，该标语的表现比其他标语的表现适合用户的喜好。从而，表现出与不考虑设备的属性而针对相同的提示商品在所有设备中使用相同标语的表现的情况相比，提高用户购买提示商品的概率的倾向。
122.另外，状态信息中可以不包含用户名。在状态信息中不包含用户名的情况下，从估计学习数据以及生成学习数据中去掉用户名，来进行估计模型17以及生成模型18的机器学习。在这样的状况下，在使用估计模型17估计针对提示商品的标语的目标表现的情况下，无需在估计模型17中输入通过状态信息通知的用户名。并且，在使用生成模型18生成针对提示商品的标语的情况下，也无需在生成模型18中输入通过状态信息通知的用户名。
123.在cpu21进行估计模型17以及生成模型18的机器学习的情况下，各个模型的机器学习可以单独进行，也可以并列进行，两者都可以。并且，cpu21为了使表示生成模型18所生成的标语的表现与目标表现的误差的损失变小，也可以使所得损失从生成模型18反向传播到估计模型17，来进行估计模型17以及生成模型18的再学习。
124.在生成模型18的机器学习中，cpu21也可以使表示用作输入的特定项目的内容的字符串的特定部位对生成模型18中的标语的生成带来的影响度大于与特定部位不同的其他部位对生成模型18中的标语的生成带来的影响度来进行生成模型18的机器学习。
125.例如，说明文本有时被更新，存在旧版本的说明文本和新版本的说明文本。与未更新的部位相比，被更新的部位中记载有想要向用户宣传的内容或想要详细说明的内容。从而，cpu21提取新版本的说明文本相对于旧版本的说明文本的差分。
126.在此基础上，在生成模型18的机器学习中输入条目信息12c的新版本的说明文本的情况下，cpu21对新版本的说明文本中的与差分相应的字符串附加比不与差分相应的字符串高的权重来进行输入。具体而言，cpu21例如对表示通过词素分析为分割成词素的说明文本内的各语句的字符串的矢量中的表示与差分相应的字符串的矢量附加比表示不与差分相应的字符串的矢量高的权重。这样一来，得到生成相比于不与差分相应的字符串更受与差分相应的字符串的强烈影响的标语的生成模型18。
127.另外，cpu21所提取的差分可以是商品的说明文本与成为相对于该商品的比较对象的其他商品的说明文本之间的差分。
128.接着，对成为控制对象的标语的表现的例进行说明。
129.＜实例1：标语的字符数＞
130.对控制提示商品的标语的字符数的例进行说明。
131.吸引用户关注的标语的字符数有时根据用户所使用的设备类型而不同。由于智能手机的画面比台式计算机的画面窄，因此在将字符数与台式计算机的画面上显示的标语的字符数相同的标语显示于智能手机的画面的情况下，有时在不是短语的断开处的部位进行换行，导致很难读到标语。认为，根据用户还有不喜欢如换行那样的标语的用户，因此对于这样的用户，如不换行那样的简短的标语更能吸引用户关注。
132.从而，只要在用户所使用的设备的设备类型中估计在设成多少字符数的标语时会使标语吸引用户关注，并以提示商品的标语的字符数接近估计出的字符数的方式控制标语的字符数，则标语就会吸引用户关注。
133.通过用户是否购买了商品来表示标语是否吸引了用户关注。所谓用户购买了商品，表示用户关注了所购买商品的标语。即，吸引用户关注的标语的字符数是标语的目标表现的一例。
134.估计模型17通过使用估计学习数据的机器学习而生成，所述估计学习数据分别将正例的行动履历12d中的用户名、与使用设备中设定的设备名对应的设备类型以及与条目名对应的条目种类作为输入，将与输入的条目名对应的标语中的与输入的设备类型对应起来的标语的字符数作为正解。
135.从而，在图7的步骤s20中，cpu21分别将通过状态信息通知的用户名、与设备名对应的设备类型以及提示商品的条目种类输入到估计模型17中，在用户所使用的设备的设备类型中估计如吸引用户关注的提示商品的标语的字符数(称作“目标字符数”)。
136.并且，生成模型18通过使用生成学习数据的机器学习而生成，所述生成学习数据分别将正例的行动履历12d中的用户名、与使用设备中设定的设备名对应的设备类型、与条目名对应的条目种类、与条目名对应的说明文本、以及与条目名对应的标语中的与以下设备类型对应起来的标语的字符数作为输入，将该标语作为正解，其中，所述设备类型与使用设备中设定的设备名对应。
137.在此，作为一例，示出了生成模型18通过根据正例的行动履历12d生成的生成学习数据的机器学习而生成的例，但是也可以将根据负例的行动履历12d生成的生成学习数据也包括在内而进行生成模型18的机器学习。通过根据负例的行动履历12d生成的生成学习数据也包含于生成学习数据中，能够获得正例的行动履历12d和负例的行动履历12d中共同的要素。
138.从而，在图7的步骤s30中，cpu21分别将通过状态信息通知的用户名、与设备名对应的设备类型、与提示商品的条目名对应的条目种类、提示商品的说明文本以及通过估计模型17估计出的目标字符数输入到生成模型18中，由此生成接近目标字符数的提示商品的标语。图8是将本实例时的步骤s20以及s30中的控制处理流程进行图式化的图。
139.之后，在图7的步骤s40中，cpu21以接近目标字符数的提示商品的标语显示于刊载提示商品的web页面的方式控制web页面的布局。
140.图9是示出提示商品为奶酪卷时的标语的显示例的图，若目标字符数为16个字符，则用户所使用的设备上例如显示“请享用绝味奶酪卷！！”这样的标语。
141.另外，cpu21除了使用通过对生成学习数据进行机器学习而得到的生成模型18之外，还可以使用预先准备的其他生成模型18而生成依据目标字符数的多个标语。在该情况下，cpu21只要选择多个标语中的字符数接近目标字符数的标语即可。并且，cpu21也可以参
考目标字符数设定字符数的上限，从排除字符数超过了上限的标语之后的剩余标语中选择任意1个标语。并且，cpu21还可以参考目标字符数设定字符数的上限和下限，从字符数为下限以上且上限以下的标语中选择任意1个标语。
142.作为其他生成模型18，例如使用将提示商品的条目信息12c的各项目输入到编码器中并使解码器根据其输出预测标语的编码-解码模型。若使用这样的编码-解码模型，则即使在提示商品中未设定有说明文本的情况下，也能够根据提示商品的其他项目(例如价格或提示商品的尺寸)生成提示商品的标语。
143.并且，也可以使用如下生成模型18：对提示商品的说明文本的上下文进行分析，根据上下文的分析结果生成目标字符数，输出依据该目标字符数的说明文本的摘要作为提示商品的标语。
144.＜实例2：标语的位置＞
145.关于对提示商品的标语在web页面中的位置进行控制的例进行说明。由于智能手机的画面比台式机的画面窄，因此若商品的标语刊载于web页面的下段，则有时发生虽然在台式机的画面上显示标语但是在智能手机的画面上不显示标语这样的状况。从而，当标语位于web页面的上段时，根据用户而无需滚动显示web页面，因此有时容易关注标语。
146.另一方面，用户中还存在如下用户：由于当标语位于web页面的下段时，通过滚动web页面而突然显示标语，因此与标语刊载于web页面的上段的情况相比容易关注标语。
147.这样，有时根据设备类型，并且即使是相同的设备也根据用户，吸引用户关注的标语的位置不同。从而，只要在用户所使用的设备的设备类型中估计在web页面的哪个位置刊载标语时标语会吸引用户关注，并以提示商品的标语在web页面中的位置配置在估计出的位置的方式控制标语的位置即可。吸引用户关注的标语的位置是标语的目标表现的一例。
148.估计模型17通过使用了估计学习数据的机器学习而生成，所述估计学习数据分别将正例的行动履历12d中的用户名、与使用设备中设定的设备名对应的设备类型以及与条目名对应的条目种类作为输入，将与输入的条目名对应的位置作为正解。
149.从而，在图7的步骤s20中，cpu21分别将通过状态信息通知的用户名、与设备名对应的设备类型以及提示商品的条目种类输入到估计模型17中，在用户所使用的设备的设备类型中估计如吸引用户关注那样的提示商品的标语在web页面中的位置(称作“目标位置”)。
150.并且，生成模型18通过使用了生成学习数据的机器学习而生成，所述生成学习数据分别将正例的行动履历12d中的用户名、与使用设备中设定的设备名对应的设备类型、与条目名对应的条目种类以及与条目名对应的说明文本作为输入，将与条目名对应的标语中的与跟使用设备中设定的设备名对应的设备类型对应起来的标语以及与条目名对应的标语的位置作为正解。
151.在此，作为一例，示出了生成模型18通过根据正例的行动履历12d生成的生成学习数据的机器学习而生成的例，但是也可以将根据负例的行动履历12d生成的生成学习数据也包括在内来进行生成模型18的机器学习。
152.从而，在图7的步骤s30中，cpu21分别将通过状态信息通知的用户名、与设备名对应的设备类型、与提示商品的条目名对应的条目种类以及提示商品的说明文本输入到生成模型18中，由此生成提示商品的标语以及标语的位置(称作“指定位置”)。图10是将本实例
时的步骤s20以及s30中的控制处理流程进行图式化的图。
153.之后，在图7的步骤s40中，cpu21以提示商品的标语显示于刊载提示商品的web页面的指定位置的方式控制web页面的布局。
154.图11是示出提示商品为奶酪卷时的标语的显示例的图，若指定位置为“下”，则例如在web页面的下侧刊载“请享用绝味奶酪卷！”这样的奶酪卷标语。从而，如图11所示，例如为每1页刊载6个商品的web页面的情况下，在与商品f或者商品e对应的刊载范围内刊载奶酪卷的标语(图11示出了刊载于商品f的刊载范围内的例)。并且，如图11所示，也可以在商品的刊载范围中的下侧显示标语。
155.另外，cpu21也可以以依据实例1中生成的目标字符数的标语显示于刊载提示商品的web页面的指定位置的方式控制web页面的布局。并且，cpu21除了控制标语的位置之外，还可以控制标语的字符的大小、颜色以及字体中的至少1个。在该情况下，只要按照由条目名表示的商品的针对各个设备类型的每个标语，将标语的大小、颜色以及字体的信息记录在条目信息12c中，就能够通过将目标表现的估计对象从标语的位置变更为标语的大小、颜色以及字体中的任一个，并通过与生成标语的位置的处理相同的处理，得到吸引用户关注的标语的大小、颜色以及字体。
156.＜实例3：标语的样式＞
157.对控制提示商品的标语的样式的例进行说明。标语的样式是指标语的表现形式。
158.如上所述，例如奶酪卷的说明文本为“将金枪鱼和奶油奶酪卷入面团中制成的一口大小的金枪鱼奶酪卷。还可以搭积盛放，是个不错的摄影作品。”。针对该说明文本，“夹起来就是一大口”这一标语是将商品所具有的最想说明的特征用名词结句的表现并用一句话来表达的具有冲击力的标语，因此可以说是属于捕获用户眼球的样式的标语的例。并且，针对该说明文本，“来场带有奶油奶酪的金枪鱼千层塔盛宴吧”可以说是属于说明商品内容的样式的标语的例。
159.这样，标语有各种样式，用户喜欢的标语样式也根据每个用户而不同。并且，在台式计算机中，设备的显示区域的大小大多比智能手机的显示区域的大小大，因此大多情况下将标语与商品的说明文本一起刊载于web页面。在这样的情况下，由于能够通过说明文本掌握商品的内容，因此捕获用户眼球的样式的标语有时比说明商品内容的样式的标语容易吸引用户关注。另一方面，在为设备的显示区域的大小比台式计算机小的智能手机的情况下，大多不显示商品的说明文本，因此说明商品内容的标语有时比捕获用户眼球的样式的标语容易吸引用户关注。
160.从而，只要在用户所使用的设备的设备类型中估计设成什么样式的标语时标语会吸引用户关注，并以提示商品的标语的样式接近于估计出的样式的方式控制标语的样式即可。吸引用户关注的标语的样式是标语的目标表现的一例。
161.估计模型17通过使用了估计学习数据的机器学习而生成，所述估计学习数据分别将正例的行动履历12d中的用户名、与使用设备中设定的设备名对应的设备类型以及与条目名对应的条目种类作为输入，将与输入的条目名对应的标语中的与输入的设备类型对应起来的标语的样式作为正解。在样式的指定中例如使用“捕获眼球”以及“内容的说明”之类的表现。
162.从而，在图7的步骤s20中，cpu21分别将通过状态信息通知的用户名、与设备名对
应的设备类型以及提示商品的条目种类输入到估计模型17中，在用户所使用的设备的设备类型中估计如吸引用户关注那样的提示商品的标语的样式(称作“目标样式”)。
163.并且，生成模型18通过使用了生成学习数据的机器学习而生成，所述生成学习数据分别将正例的行动履历12d中的用户名、与使用设备中设定的设备名对应的设备类型、与条目名对应的条目种类、与条目名对应的说明文本以及与条目名对应的标语中的与设备类型对应起来的标语的样式作为输入，将与输入的条目名对应的标语中的与跟使用设备中设定的设备名对应的设备类型对应起来的标语作为正解。
164.在此，作为一例，示出了生成模型18通过根据正例的行动履历12d生成的生成学习数据的机器学习而生成的例，但是也可以将根据负例的行动履历12d生成的生成学习数据也包括在内进行生成模型18的机器学习。
165.从而，在图7的步骤s30中，cpu21分别将通过状态信息通知的用户名、与设备名对应的设备类型、与提示商品的条目名对应的条目种类、提示商品的说明文本以及通过估计模型17估计出的目标样式输入到生成模型18中，由此生成依据目标样式的提示商品的标语。图12是将本实例时的步骤s20以及s30中的控制处理流程进行图式化的图。
166.之后，在图7的步骤s40中，cpu21以接近目标样式的提示商品的标语显示于刊载提示商品的web页面的方式控制web页面的布局。
167.图13是示出提示商品为奶酪卷时的标语的显示例的图，若目标样式为捕获眼球的样式，则在用户所使用的设备上显示例如“夹起来就是一大口”这样的标语。
168.另外，在估计模型17以及生成模型18的机器学习中，需要对估计学习数据以及生成学习数据中所包含的各标语预先赋予标语的样式。可以手动对标语赋予样式(称作“注释”)，但是也可以根据商品的说明文本和标语的类似度估计标语的样式。
169.具体而言，cpu21计算以下两个部分的类似度，该两个部分分别是：与正例的行动履历12d中的条目名对应的说明文本；以及与该条目名对应的标语中的与以下设备类型对应关联的标语，其中，所述设备类型与正例的行动履历12d中的使用设备中设定的设备名对应。
170.说明文本是说明商品的状况以及特征中的至少一方的句子，因此随着标语与说明文本类似，标语成为说明语气的句子。另一方面，随着标语不与说明文本类似，标语成为汇总商品的特征的具有冲击力的句子。从而，cpu21只要随着标语与说明文本的类似度变高而赋予“内容的说明”作为标语的样式，随着标语与说明文本的类似度变低而赋予“捕获眼球”作为标语的样式即可。
171.标语与说明文本的类似度例如使用公知的指标值判定即可，所述公知的指标值有表示句子彼此的类似度的rouge评分、编辑距离以及tf-idf(term frequency-inverse document frequency、词频-逆文本频率指数)。
172.例如，在针对“是印度班加罗尔地区著名的甜点。”这样的商品的说明文本对应起来了“夹起来就是一大口”这样的标语的情况下，由于标语不包含说明文本中使用的语句，因此标语和说明文本的类似度相对低，因此只要对标语赋予“捕获眼球”这样的样式即可。另一方面，在针对“带有奶油奶酪的金枪鱼千层塔”这样的商品的说明文本对应起来了“来场带有奶油奶酪的金枪鱼千层塔盛宴吧”这样的标语的情况下，由于标语包含说明文本中使用的语句，因此标语和说明文本的类似度相对高，只要对标语赋予“内容的说明”这样的
样式即可。
173.并且，也可以通过标语的聚类(clustering)对标语赋予样式。
174.cpu21对于与以下设备类型对应起来的各个标语例如应用离差平方和法(ward)、组平均法以及k-means法之类的公知的集群分析方法，将各个标语分为集群(cluster)，其中，所述设备类型与正例的行动履历12d中的使用设备中设定的设备名对应。
175.在此基础上，cpu21将与各个集群对应起来的集群的识别符(例如“集群a”、“集群b”、
……
)作为各个集群中所包含的各标语的样式来赋予。
176.集群自身是具有共同含义的标语的集合，因此与按照标语和说明文本的类似度赋予标语的样式的情况不同，无需根据标语和说明文本的类似度定义表示“捕获眼球”以及“内容的说明”之类的样式的用语。
177.另外，通过生成模型18生成的提示商品的标语有时包含多个句子，例如“大口大口地吃吧！是使用新鲜的金枪鱼制成的奢侈奶酪卷。”。对标语中所包含的各个句子的样式进行分析的结果是，例如“大口大口地吃吧！”为捕获眼球的样式，“是使用新鲜的金枪鱼制成的奢侈奶酪卷。”为进行内容的说明的样式。这样，在提示商品的标语包含不同样式的多个句子的情况下，cpu21也可以控制句子的配置顺序。
178.例如，可以配置成“是使用新鲜的金枪鱼制成的奢侈奶酪卷。大口大口地吃吧！”，也可以不是一连串，而是将各个句子分成“大口大口地吃吧！”和“是使用新鲜的金枪鱼制成的奢侈奶酪卷。”来进行配置。
179.标语中所包含的各个句子的样式可以手动赋予，也可以由cpu21根据商品的说明文本和标语中所包含的各个句子的类似度进行赋予。
180.＜实例4：考虑了行动时间的标语的生成＞
181.对考虑了行动履历12d中记录的用户的行动时间来控制提示商品的标语的表现的例进行说明。
182.如上所述，行动履历12d的行动时间表示与商品的标语显示于设备的显示区域之后的用户的行动有关的时间。在图5所示的行动履历12d的例的情况下，当用户a使用设备b时，表示到购买条目a为止花了28分钟，并且，当用户c使用设备c时，表示用1分钟购买了条目a。
183.这样，即使是相同的商品，也有时根据用户而导致从商品的标语显示于设备的显示区域之后到购买商品为止所需的时间发生偏差。到购买商品为止所需的时间的偏差与到购买商品为止的用户行动倾向有关。
184.认为，到购买商品为止只需要1分钟左右这样的比较短的时间的情况下，用户只看商品的标语或说明文本来决定是否购买商品的倾向较大。另一方面认为，到购买商品为止需要30分钟左右这样的比较长的时间的情况下，用户通过设备浏览成为刊载于web页面的商品的比较对象的其他商品(称作“比较商品”)的信息，并对商品与比较商品进行比较研究之后决定是否购买商品的倾向较大。这样，与商品的购买这样的行动有关的用户行动倾向能够通过用户的行动时间进行估计。
185.对于只看商品的标语或说明文本决定是否购买商品的用户，为了吸引用户关注，优选例如商品通过升级版本得到的改善点那样将加深商品自身优点的印象的标语刊载于web页面。另一方面，对于在进行商品与比较商品的比较研究之后决定是否购买商品的用
户，为了吸引用户关注，优选例如与比较商品之间的差别化要点那样将加深基于与其他商品之间的比较的商品优点的印象的标语刊载于web页面。
186.记录于行动履历12d中的用户达到购买的商品的标语按照每个用户并且按照每个设备类型显示出了适合用户通过设备进行商品购买时的行动倾向的标语的倾向。从而，只要使用正例的行动履历12d并按照每个用户并且按照每个设备类型估计到用户购买商品为止的行动时间，使用生成模型18并按照每个设备类型生成适合用户行动倾向的提示商品的标语即可，所述生成模型18按照每个用户并且按照每个设备类型对适合由行动时间表示的用户行动倾向的标语进行学习而得到。适合用户行动倾向的提示商品的标语的措辞是标语的目标表现的一例。
187.估计模型17通过使用了估计学习数据的机器学习而生成，所述估计学习数据分别将正例的行动履历12d中的用户名、与使用设备中设定的设备名对应的设备类型以及与条目名对应的条目种类作为输入，将行动时间作为正解。
188.从而，在图7的步骤s20中，cpu21分别将通过状态信息通知的用户名、与设备名对应的设备类型以及提示商品的条目种类输入到估计模型17中，在用户所使用的设备的设备类型中估计从提示商品显示于用户所使用的设备的显示区域之后到用户购买提示商品为止所需的时间(称作“设备行动时间”)。
189.并且，生成模型18通过使用了生成学习数据的机器学习而生成，所述生成学习数据分别将正例的行动履历12d中的用户名、与使用设备中设定的设备名对应的设备类型、与条目名对应的条目种类、与条目名对应的说明文本以及行动时间作为输入，将与条目名对应的标语中的与以下设备类型对应起来的标语作为正解，其中，所述设备类型与使用设备中设定的设备名对应。
190.在此，作为一例，示出了生成模型18通过根据正例的行动履历12d生成的生成学习数据的机器学习而生成的例，但是也可以将根据负例的行动履历12d生成的生成学习数据也包括在内来进行生成模型18的机器学习。
191.从而，在图7的步骤s30中，cpu21分别将通过状态信息通知的用户名、与设备名对应的设备类型、与提示商品的条目名对应的条目种类、提示商品的说明文本以及通过估计模型17估计出的设备行动时间输入到生成模型18中，由此生成适合由设备行动时间表示的用户行动倾向的提示商品的标语。图14是将本实例时的步骤s20以及s30中的控制处理流程进行图式化的图。
192.之后，在图7的步骤s40中，cpu21以考虑用户行动倾向而生成的提示商品的标语显示于刊载提示商品的web页面的方式控制web页面的布局。
193.图15是示出提示商品为奶酪卷时的标语的显示例的图，在设备行动时间比较短的情况下，在用户所使用的设备上显示加深商品自身优点的印象的标语，例如“味道和口感的完美平衡。”。并且，在设备行动时间比较长的情况下，如图16所示，在用户所使用的设备上显示加深基于与其他商品之间的比较的商品优点的印象的标语，例如“使用了其他公司未使用过的a地的奶酪。”。
194.另外，cpu21除了可以使用通过对生成学习数据进行机器学习而得到的生成模型18之外，还可以使用预先准备的其他生成模型18而生成适合与设备类型相应的用户行动倾向的多个标语。在该情况下，cpu21例如可以考虑根据用户所使用的设备的设备类型另外估
计出的其他目标表现，来选择多个标语中的最接近其他目标表现的标语，所述其他目标表现例如为吸引用户关注的标语的目标字符数。
195.到此为止，举出以销售为目的的ec网站上的商品的标语的例，来对控制装置10对联想文本的表现的控制进行了说明，但是联想文本并不限于商品的标语。
196.例如，新闻报道的标题也是根据新闻报道联想到的句子或者词汇，因此为联想文本的一例，新闻报道相当于说明文本。若将控制装置10应用于在因特网上构建的新闻网站的控制中，则针对各新闻报道生成吸引用户关注的标题，有时例如与编辑者手动决定标题的情况相比，提高新闻报道的浏览程度，当用户在所述新闻网站上选择新闻的标题时显示新闻报道。新闻报道的浏览程度用标题的选择次数或选择率进行表示。
197.此时的事物是指新闻报道的标题，对事物进行的用户的行动是指标题的选择。
198.在ec网站上销售商品的例中，若将说明文本设为“新闻报道”，将标语设为“标题”，将条目名设为“新闻报道名”，将购买设为“标题的选择”，则通过与对商品标语的表现的控制相同的控制，并根据存储数据，按照每个用户并且按照用户所使用的设备类型生成如用户感兴趣那样的新闻报道标题的表现。
199.以上，使用实施方式对控制装置10的一方式进行了说明，但是公开的控制装置10的方式为一例，控制装置10的方式并不限定于实施方式中记载的范围。在不脱离本公开的主旨的范围内能够对实施方式施加多种变更或者改良，施加该变更或者改良的方式也包含于公开的技术范围内。例如，也可以在不脱离本公开的主旨的范围内变更图7所示的控制处理的顺序。
200.并且，在本公开中，作为一例对通过软件实现控制处理的方式进行了说明。但是，也可以将与图7所示的流程图同等的处理例如装配于asic(application specific integrated circuit、专用集成电路)、fpga(field programmable gate array、现场可编程门阵列)或者pld(programmable logic device、可编程逻辑控制器)，并通过硬件进行处理。在该情况下，与通过软件实现控制处理的情况相比，能够实现处理的高速化。
201.这样，可以将控制装置10的cpu21例如置换为asic、fpga、pld、gpu(graphics processing unit、图形处理器)以及fpu(foating point unit、浮点运算单元)这样的专用于特定处理的专用处理器。
202.并且，控制装置10的处理除了可以是通过1个cpu21实现的方式之外，还可以通过如多个cpu21或者cpu21和fpga的组合那样相同种类或者不同种类的2个以上处理器的组合来执行。而且，控制装置10的处理也可以通过位于控制装置10的壳体外部且存在于在物理上分离的位置的处理器的协同工作来实现。
203.在实施方式中，对控制装置10的rom22中存储有控制程序的例进行了说明，但是控制程序的存储目的地并不限定于rom22。本公开的控制程序还能够以记录在计算机20可读取的存储介质中的方式提供。例如，可以将控制程序以记录在cd-rom(compact disk readonly memory、只读光盘存储器)以及dvd-rom(digital versatile disk read only memory、数字多功能磁盘只读存储器)这样的光盘中的方式进行提供。并且，也可以将控制程序以记录在usb(universal serial bus、通用串行总线)存储器以及存储卡这样的便携式半导体存储器中的方式进行提供。rom22、非易失性存储器24、cd-rom、dvd-rom、usb以及存储卡是非暂时性(non-transitory)存储介质的一例。
204.而且，控制装置10可以通过通信单元27从外部装置下载控制程序，并将下载的控制程序例如存储在非易失性存储器24中。在该情况下，控制装置10的cpu21读取从外部装置下载的控制程序来执行控制处理。