CN113646791A - 分类装置以及分类程序 - Google Patents
分类装置以及分类程序 Download PDFInfo
- Publication number
- CN113646791A CN113646791A CN202080025573.3A CN202080025573A CN113646791A CN 113646791 A CN113646791 A CN 113646791A CN 202080025573 A CN202080025573 A CN 202080025573A CN 113646791 A CN113646791 A CN 113646791A
- Authority
- CN
- China
- Prior art keywords
- matching
- classification
- unit
- user
- answer
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000012545 processing Methods 0.000 claims description 18
- 230000004044 response Effects 0.000 abstract description 13
- 238000000034 method Methods 0.000 description 34
- 238000005259 measurement Methods 0.000 description 23
- 230000008569 process Effects 0.000 description 22
- 238000004891 communication Methods 0.000 description 12
- 230000006870 function Effects 0.000 description 8
- 238000012986 modification Methods 0.000 description 8
- 230000004048 modification Effects 0.000 description 8
- 230000001133 acceleration Effects 0.000 description 5
- 230000033001 locomotion Effects 0.000 description 5
- 238000010586 diagram Methods 0.000 description 4
- 210000004556 brain Anatomy 0.000 description 3
- 210000005037 parasympathetic nerve Anatomy 0.000 description 3
- 230000029058 respiratory gaseous exchange Effects 0.000 description 3
- 230000033764 rhythmic process Effects 0.000 description 3
- 230000005540 biological transmission Effects 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000000354 decomposition reaction Methods 0.000 description 2
- 230000008451 emotion Effects 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000001737 promoting effect Effects 0.000 description 2
- 206010062519 Poor quality sleep Diseases 0.000 description 1
- 206010041349 Somnolence Diseases 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 230000004397 blinking Effects 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 230000010485 coping Effects 0.000 description 1
- 238000013480 data collection Methods 0.000 description 1
- 210000000624 ear auricle Anatomy 0.000 description 1
- 230000005281 excited state Effects 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 210000001061 forehead Anatomy 0.000 description 1
- 210000004247 hand Anatomy 0.000 description 1
- 230000010365 information processing Effects 0.000 description 1
- 238000000691 measurement method Methods 0.000 description 1
- 230000003340 mental effect Effects 0.000 description 1
- 230000036651 mood Effects 0.000 description 1
- 210000003205 muscle Anatomy 0.000 description 1
- 230000000737 periodic effect Effects 0.000 description 1
- 230000036387 respiratory rate Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000001568 sexual effect Effects 0.000 description 1
- 238000010183 spectrum analysis Methods 0.000 description 1
- 210000003813 thumb Anatomy 0.000 description 1
- 230000001052 transient effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/906—Clustering; Classification
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Databases & Information Systems (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- Educational Administration (AREA)
- Game Theory and Decision Science (AREA)
- Development Economics (AREA)
- Marketing (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本发明提供分类装置以及分类程序,从各种角度更适当地对用户进行分类。分类装置(10)具备回答获取部(111)、生物体信息获取部(112)、判定部(113)、以及分类部(114)。回答获取部(111)获取针对对于对象者进行的规定提问的来自上述对象者的回答。生物体信息获取部(112)获取上述对象者的生物体信息。判定部(113)基于生物体信息获取部(112)获取到的生物体信息判定上述对象者的状态。分类部(114)基于回答获取部(111)获取到的回答、和上述判定部(113)判定出的上述对象者的状态,对上述对象者进行分类。
Description
技术领域
本发明涉及分类装置以及分类程序。
背景技术
近年来,为了促进用户彼此的关系,而广泛地进行与用户的特性、喜好对应的分类。这样的分类的结果能够利用于各种用途。例如,所谓的销售人员能够基于分类的结果,选择与自身性情相投的顾客,高效地接近该性情相投的顾客。
在专利文献1公开了这样的用于进行用户分类的技术的一个例子。在专利文献1所公开的技术中,对于用户进行调查问卷等规定提问。然后,基于针对该提问的用户的回答,对用户进行分类。
专利文献1:日本特开2015-194849号公报
通过利用上述的专利文献1所公开的技术等现有技术,能够实现用户的分类。然而,希望不仅只基于提问的回答进行分类,也从各种角度更适当地对用户进行分类。
发明内容
本发明是鉴于这样的状况而完成的。而且,其目的在于提供用于从各种角度更适当地对用户进行分类的分类系统以及分类方法。
本发明所涉及的分类装置具备:回答获取部,获取针对对于对象者进行的规定提问的来自上述对象者的回答;生物体信息获取部,获取上述对象者的生物体信息;判定部,基于上述生物体信息获取部获取到的生物体信息判定上述对象者的状态;以及分类部,基于上述回答获取部获取到的回答、和上述判定部判定出的上述对象者的状态,对上述对象者进行分类。
本发明所涉及的分类程序使计算机作为分类装置发挥作用,上述分类装置具备:回答获取部,获取针对对于对象者进行的规定提问的来自上述对象者的回答;生物体信息获取部,获取上述对象者的生物体信息;判定部,基于上述生物体信息获取部获取到的生物体信息判定上述对象者的状态;以及分类部,基于上述回答获取部获取到的回答、和上述判定部判定出的上述对象者的状态,对上述对象者进行分类。
根据本发明,能够从各种角度更适当地对用户进行分类。
附图说明
图1是表示本发明的一实施方式所涉及的分类系统的整体构成的一个例子的框图。
图2是表示本发明的一实施方式所涉及的分类装置的构成的一个例子的框图。
图3是表示本发明的一实施方式所涉及的分类装置更新的获取信息数据库的数据结构的一个例子的表。
图4是表示本发明的一实施方式所涉及的分类装置更新的分类结果数据库的数据结构的一个例子的表。
图5是对本发明的一实施方式所涉及的分类装置执行的分类处理的流程进行说明的流程图。
图6是对本发明的一实施方式所涉及的分类装置执行的匹配处理的流程进行说明的流程图。
具体实施方式
以下,参照附图对本发明的实施方式的一个例子进行说明。
[系统构成]
图1是表示本实施方式所涉及的分类系统S的整体构成的框图。如图1所示,分类系统S包括分类装置10、用户终端20、以及生物体信息测定设备30。另外,在图1图示成为分类系统S进行的处理的处理对象者的用户U。
这些分类系统S所包含的各装置经由图中的网络N可相互通信地连接。该各装置之间的通信可以依据任意的通信方式进行,其通信方式没有特别限定。另外,通信连接可以是无线连接,也可以是有线连接。并且,各装置之间的通信可以不经由网络而在装置彼此之间直接进行。
用户终端20以及生物体信息测定设备30例如设置于用户的家中、或店铺等。另外,分类装置10设置于与用户终端20相同的店铺、运营该店铺的企业的服务器机房等。该店铺的经营模式没有特别限定,例如,可以是零售商品的店铺、对不动产的买卖等进行中介的店铺、或者提供匹配服务的店铺。该匹配服务例如可以是和与销售人员性情相投的顾客的匹配、用于寻找兴趣等的伙伴的匹配、婚介所等处的寻找交往对象的匹配等。即,分类系统S能够不管所应用的用途在各种用途中利用。
以下,作为用于说明的一个例子,假设用户U是顾客,对作为该顾客的用户U进行分类。另外,假设基于该分类结果,进行和与销售人员性情相投的顾客的匹配。
具有这样的构成的分类系统S获取针对对于对象者(即,用户U)进行的规定提问的来自对象者的回答。另外,分类系统S获取对象者的生物体信息。并且,分类系统S基于获取到的生物体信息判定对象者的状态。而且,分类系统S基于获取到的回答和判定出的对象者的状态对对象者进行分类。
这样,分类系统S不仅只基于提问的回答进行分类,也基于根据生物体信息判定出的提问回答时的对象者的状态进行分类。
因此,根据分类系统S,能够从各种角度更适当地对用户进行分类。
接下来,对分类系统S所包含的各装置进行详细说明。
生物体信息测定设备30测定提问回答时的用户U的生物体信息。作为测定方法,生物体信息测定设备30例如通过脑电波传感器、视线传感器、加速度传感器、心电传感器、以及多普勒传感器的任意一个、或者其组合来测定用户U的生物体信息。
这里,脑电波传感器、视线传感器、以及加速度传感器具有响应速度与其他的传感器相比较快,所以适合测定瞬时的变化这样的特征。与此相对,在其他的传感器中,需要10秒到1分钟左右的数据收集时间。
另外,多普勒传感器具有无需接触用户U的身体就能够测定心率、呼吸频率、以及身体运动相关的信息这样的特征。例如,多普勒传感器能够测定呼吸频率、吸气时间与呼气时间之比、呼吸时的胸部运动的深度等。
与此相对,其他的传感器需要与用户U的身体接触以进行测定。但是,例如,心电传感器具有与多普勒传感器相比高精度地测定心律变动这样的特征。
生物体信息测定设备30中使用的生物体传感器根据这些各生物体传感器的特征以及成为测定对象的生物体信息的种类决定。
以下,生物体信息测定设备30假设使用这些生物体传感器测定用户U的生物体信息。
例如,在利用脑电波传感器的情况下,生物体信息测定设备30使用在用户U的额头和耳垂的2处与身体电接触的耳机型的脑电波传感器,测定脑电波的变动。
另外,在利用心电传感器的情况下,生物体信息测定设备30使用用户U的双手的大拇指分别接触一个电极的2点接触型的心电传感器,测定作为用户U的生物体信息之一的心律变动。
并且,在利用视线传感器的情况下,生物体信息测定设备30使用测定使电极与面部表面(例如,眼镜的鼻托附近)接触移动肌肉时产生的电力的视线传感器,推断视线方向、眨眼。
并且,在利用加速度传感器的情况下,生物体信息测定设备30使用配置于任意躯干的加速度传感器,观测身体的小幅度的运动。
此外,如上述那样,这些传感器可以单独使用,也可以组合多个传感器使用。
生物体信息测定设备30通过将由这些生物体传感器测定出的脑电波的变动以及心律变动按照时间序列与测定时刻建立关联来生成用户U的生物体信息。然后,生物体信息测定设备30将生成的用户U的生物体信息与用于识别用户U的用户标识符一起对于分类装置10发送。该用户标识符是每个用户U固有的(即,唯一的)标识符即可,并不特别限定。另外,该发送也可以通过中继用户终端20来进行。
用户终端20对于用户U提示提问,并且受理针对该提问的用户U的回答。用户终端20例如能够由个人计算机、平板型终端、智能手机等电子设备实现。
用户终端20从分类装置10接收应该对用户U进行的提问,并对于用户U提示该提问。例如,通过在显示器、触摸面板等显示提问内容来提示。
另外,用户终端20受理针对该提问的用户U的回答。例如,通过使用键盘、鼠标或者触摸面板等的用户U的操作受理回答。然后,用户终端20将受理的用户U的回答与用于识别用户U的用户标识符一起对于分类装置10发送。
此外,用户标识符利用与生物体信息测定设备30发送的用户标识符相同的信息。另外,该发送也可以通过中继生物体信息测定设备30来进行。
分类装置10通过接收来获取从用户终端20发送的用户U的回答。另外,分类装置10通过接收来获取从生物体信息测定设备30发送的用户U的生物体信息。并且,分类装置10通过基于获取到的用户U的生物体信息进行判定来确定出提问回答时的用户U的状态。
然后,分类装置10基于获取到的回答和判定出的对象者的状态对对象者进行分类。
另外,分类装置10根据希望与用户U的匹配的匹配申请人(这里,如上所述,希望与作为顾客的用户U的匹配的销售人员)的要求,基于分类结果进行匹配。然后,分类装置10将匹配结果例如以列表形式对于匹配申请人提示。
分类装置10例如能够通过服务器装置、个人计算机等电子设备实现。
通过各装置如以上说明那样配合,从而分类系统S是进行适当的分类的系统,并且,作为能够实现基于适当的分类的匹配的系统发挥作用。
以上,对分类系统S所包含的各装置进行了说明。此外,在图中,虽然将各装置各图示1台,但这只不过是例示,分类系统S也可以包括任意台数的这些各装置。例如,用户终端20以及生物体信息测定设备30的组也可以与多个用户U对应地设置多组。然后,例如,也可以通过1台分类装置10集中进行这些多组的各处理。
另外,例如,也可以用户终端20和生物体信息测定设备30不作为独立的装置实现,而作为一体型装置实现。另外,在这种情况下,也可以进一步分类装置10、用户终端20以及生物体信息测定设备30作为一体型装置实现
[分类装置的构成]
接下来,参照图2的框图对分类装置10的构成进行说明。如图2所示,分类装置10具备CPU(Central Processing Unit:中央处理装置)11、ROM(Read Only Memory:只读存储器)12、RAM(Random Access Memory:随机存取存储器)13、通信部14、存储部15、输入部16、以及显示部17。这些各部通过信号线进行总线连接,相互收发信号。
CPU11根据记录于ROM12的程序、或者从存储部15加载到RAM13的程序执行各种处理。
在RAM13中也适当地存储有CPU11执行各种处理上所需要的数据等。
通信部14进行用于CPU11在与其他的装置(例如,用户终端20、生物体信息测定设备30)之间进行通信的通信控制。
存储部15由DRAM(Dynamic Random Access Memory:动态随机存取存储器)等半导体存储器构成,存储各种数据。
输入部16由各种按钮以及触摸面板、或者鼠标以及键盘等外部输入装置构成,根据用户的指示操作输入各种信息。
显示部17由显示器等构成,显示与CPU11输出的图像数据对应的图像。
在分类装置10中,通过这些各部配合,来进行“分类处理”和“匹配处理”。
这里,分类处理是指通过分类装置10进行基于根据用户U的回答、用户U的生物体信息判定出的用户U的状态的分类来从各种角度更适当地对用户进行分类的一系列处理。
另外,匹配处理是指分类装置10基于通过分类处理得到的适当的分类结果进行匹配,对于匹配申请人提示匹配结果的一系列的处理。
在执行这些各处理的情况下,如图2所示,在CPU11中,回答获取部111、生物体信息获取部112、判定部113、分类部114、以及匹配部115发挥作用。
另外,在存储部15的一区域存储有获取信息数据库151和分类结果数据库152。
除非下文另有说明,在这些功能模块之间,在适当的时机适当地收发为了实现各处理所需要的数据。
回答获取部111通过接收来获取从用户终端20发送的用户U的回答。而且,回答获取部111将获取到的用户U的回答储存到获取信息数据库151。另外,作为其前提,回答获取部111将针对用户U的提问预先存储于存储部15等,对于用户终端20发送针对用户U的提问。
生物体信息获取部112通过接收来获取从生物体信息测定设备30发送的用户U的生物体信息。而且,生物体信息获取部112将获取到的用户U的生物体信息储存到获取信息数据库151。
这里,获取信息数据库151是储存有分类装置10进行分类处理所使用的各种信息的数据库。参照图3对获取信息数据库151的具体的数据结构的一个例子进行说明。
如图3所示,在获取信息数据库151中,各种信息与用户标识符建立关联地作为一个记录储存。例如,与包括连续的n个(n是任意的自然数)提问的1组提问组对应的信息作为一个记录储存。
另外,也有对于同一用户U储存多个记录的情况。例如,在对同一用户U使用提问内容分别不同的多组提问组进行提问的情况下,与各组提问组对应的信息分别作为多个记录储存。或者,在对于同一用户U,使进行提问的状况(例如,进行提问的场所、时间等)不同,多次使用同一提问组进行提问的情况下,每次对应的信息分别作为多个记录储存。
在各记录中,作为列,例如包括“用户标识符”、“计测日期和时间”、“第一提问和回答”至“第n提问和回答”、“第一生物体信息”至“第n生物体信息”。对这些列分别对应的信息的具体内容进行说明。
“用户标识符”是用于识别与各记录对应的用户U的标识符。如上所述,用户标识符是各用户U分别固有的标识符即可,可以是任意的信息。例如,可以将基于规定的规则分配的ID(Identifier)作为用户标识符。
“提问日期和时间”是表示进行与该记录对应的提问的日期和时间的信息。例如,“提问日期和时间”是从基于包括连续的n个提问的1组提问组的提问(以及与此相伴的回答、生物体信息的获取)开始到结束为止的时刻的信息。
“第一提问和回答”至“第n提问和回答”是通过用户终端20进行的提问和通过用户终端20受理的其回答的组。提问的内容以及回答方法并不特别限定,能够根据应用本实施方式的用途选择各种。例如,也可以提问是用于把握用户U的特性、喜好的调查问卷,回答方法是用户U从预先准备的选项选择的。
“第一生物体信息”至“第n生物体信息”是生物体信息测定设备30测定出的生物体信息,与提问建立关联地储存。即,第一提问和进行针对该第一提问的回答时测定出的生物体信息成为第一生物体信息。此外,被储存的背板信息如上所述例如是“脑电波”、“心率”、“呼吸频率”以及“呼吸深度”等。
这样的获取信息数据库151在每次进行针对用户U的提问和用户U对其的回答时,由回答获取部111以及生物体信息获取部112更新。
判定部113通过进行基于生物体信息获取部112储存于获取信息数据库151的用户U的生物体信息的判定,来确定出提问回答时的用户U的状态。作为状态,例如是舒适度、情感、喜怒哀乐、以及心情等,对适合进行分类的目的的状态进行判定。
例如,在基于作为用户U的生物体信息得到的脑电波进行判定的情况下,对脑电波进行傅立叶变换后进行频率分解。而且,能够基于频率分解后的结果和以下的<基于频率的判定基准>这样的基准,判定用户U的状态。
<基于频率的判定基准>
·Theta(4-7Hz)
θ波的比率较高时,深度放松状态、浅睡眠状态
·Alpha Low(8-9Hz):意识不指向外界的状态
α波的比率较高时,心神平静状态
·Alpha High(10-12Hz):开放意识状态、能够应对广泛的状况变化的状态
·Beta Low(13-17Hz):问题解决状态
β波的比率较高时,思维活跃、集中状态。紧张时或有一些压力的状态
·Beta High(18-30Hz):与感情的强度有关(包括正面、负面双方)
·Gamma Low(31-40Hz):
γ波的比率较高时,与知觉、意识有很强的相关,特别是高级精神活动(多个事项的关联)的状态。感到强烈的不安的状态、兴奋的状态(不一定是负面的)
此外,上述<基于频率的判定基准>是用于进行判定的一个例子,也可以基于其他的基准或者组合其他的基准进行判定。
例如,基于心率判定副交感神经是否占主导地位。这里,在对心率的周期变动的频率成分进行功率谱解析时的高频带的频率成分(例如,0.20Hz至0.15Hz)与其他的频率成分较多情况下,能够判定为副交感神经占主导地位。而且,也可以将即使在脑电波中发出很多α波,并且副交感神经占主导地位的状态判定为舒适度较高的状态。
另外,例如,在基于由视线传感器推断出的视线方向、眨眼进行判定的情况下,能够基于视线方向、眨眼,判定用户U的集中程度、困倦程度等状态。
另外,例如,在基于由加速度传感器观测到的身体的小幅度的运动进行判定的情况下,能够基于身体的小幅度的运动判定用户U的紧张、不安等状态。
分类部114基于回答获取部111储存到获取信息数据库151的用户U的回答、和由判定部113判定出的提问回答时的用户U的状态,对用户U进行分类。而且,分类部114将分类结果储存到分类结果数据库152。
作为分类部114的分类的前提,首先对分类结果数据库152进行说明。这里,分类结果数据库152是储存有分类部114的分类结果的数据库。参照图4对分类结果数据库152的具体的数据结构的一个例子进行说明。
如图4所示,作为用于对用户U进行分类的类别的一个例子,在分类结果数据库152设置有“大分类”、“中分类”、以及“小分类”这3个分类分别对应的类别。这里,在分类中,用户U首先被分类到大分类的类别。另外,用户U也被分类到将大分类进一步细分后的分类亦即中分类的类别。进一步,用户U也被分类到对中分类进一步细分后的分类亦即小分类的类别。这样,对用户U进行分类的类别被分层次设置,以便随着层次的进行而进一步细分。
在各分类中,作为列,例如包括“类别标识符”以及“用户标识符”。对这些列分别对应的信息的具体内容说明进行。
“类别标识符”是用于识别各类别的标识符。类别标识符与用户标识符同样地使各类别分别固有的标识符即可,也可以是任意的信息。例如,可以将表示类别的特征的名称作为类别标识符。
“用户标识符”是由分类部114对于各分类进行分类的用户U的标识符。作为用户标识符使用的标识符本身与在获取信息数据库151中作为用户标识符使用的标识符相同。
这样的分类结果数据库152在每次进行针对用户U的提问和用户U对其的回答时,由分类部114更新。
作为具体的分类方法,首先,分类部114基于判定部113判定出的提问回答时的用户U的状态,对对应的提问的用户U的回答进行加权。例如,基于根据第一生物体信息判定出的第一提问回答时的用户U的状态,对第一提问的回答进行加权。
例如,在判定出的提问回答时的用户U的状态是深度放松状态或身心平静状态的情况下,认为用户U毫不犹豫地回答、或发自内心地回答、或回答基于过去事实的事实。即,认为该回答的可信度很高。因此,分类部114在这样的情况下增加权重以使得该回答对分类给予的影响变大。
与此相对,例如,在判定出的提问回答时的用户U的状态是不处于放松状态的状态、紧张时或有一些压力的状态的情况下,认为用户U犹豫不决地回答、不是发自内心地回答、想象虚构的事情来回答、或者、给出虚假的回答。即,认为该回答的可信度较低。因此,分类部114在这样的情况下降低权重,以使得该回答对分类给予的影响变小。
分类部114基于这样赋予了权重的回答,以权重较大的回答的影响变大的方式,将用户U分类到大分类、中分类、以及小分类各个类别。
此外,分类部114在基于包括连续的n个提问的1组提问组所对应的信息进行了分类之后,对于相同的用户U追加另外的提问组所对应的信息的情况下,基于关于该用户U的到目前为止的全部的提问组的信息,再次进行分类。在这种情况下,也可以对最近的提问组增加权重,以使得关于最近的提问组的信息的影响更大。
这样,在分类装置10中,不仅只基于提问的回答进行分类,还基于根据生物体信息判定出的提问回答时的对象者的状态进行分类。因此,根据分类装置10,能够从各种角度更适当地对用户进行分类。
匹配部115根据希望与用户U的匹配的匹配申请人(这里,如上所述希望与作为顾客的用户U的匹配的销售人员)的要求,基于分类结果进行匹配。然后,分类装置10将匹配结果例如以列表形式对于匹配申请人提示。以下,作为用于说明的一个例子,假设以包括多个与匹配申请人匹配的用户U(以下,称为“匹配对象”。)的列表形式进行提示的情况。
匹配部115首先通过利用输入部16进行的操作、经由通信部14的来自其他的装置(例如,任意的用户终端20)的通信,受理来自匹配申请人的匹配要求。在这种情况下,匹配部115例如从匹配申请人受理成为匹配对象的候补的属性的选择。属性例如既可以是成为匹配对象的候补的性别、年龄等,也可以是直接指定成为匹配对象的候补的分类的信息。
匹配部115基于该选择出的属性,决定要包含于列表的匹配对象的候补。在这种情况下,匹配部115也可以不是仅将符合选择出的属性本身的匹配对象包含于列表,也使选择出的属性具有宽度并将符合具有该宽度的属性的匹配对象包含于列表。例如,也可以将宽度设置为使选择出的属性以也包含类似的属性,并将符合具有该宽度的属性的匹配对象包含于列表。
此外,各用户U的属性可以例如在提问回答时等使用户U输入属性,并存储于存储部15等。或者,也可以在店铺等中进行会员注册等的情况下,在征得了用户U的同意后,挪用该会员注册时输入的属性。
匹配部115首先基于该选择出的属性从分类结果数据库152提取要包含于列表的候补的用户U。然后,匹配部115基于提取出的用户U的分类结果(即,被分类的类别)进行匹配。
作为匹配的方法,例如,匹配部115确定出匹配申请人被分类的类别,将与该匹配申请人的类别相同的类别的用户U作为匹配对象。或者,将认为与该匹配申请人的类别性情相投的类别的用户U作为匹配对象。
作为确定出匹配申请人的类别的方法,也可以在匹配申请人进行匹配要求时,输入自身的类别。例如,在作为进行规定工作的人物的销售人员等与匹配对象进行匹配这样的情况下,可以这样确定出匹配申请人的类别。
或者,也可以在匹配申请人自身也是用户U之一的情况下,基于分类装置10的分类处理的结果,确定出匹配申请人的类别。例如,在婚介所等会员彼此(分别相当于用户U)进行匹配这样的情况下,可以这样确定出匹配申请人的类别。
另外,匹配部115也可以不仅是仅进行匹配,也计算表示匹配的适合度的指标值(以下,称为“匹配适合度值”。)。该情况下,例如,匹配部115增高和与匹配申请人的类别相同的类别(或者认为性情相投的类别)一致的匹配对象且在小分类的类别中一致的匹配对象的匹配指标值。另外,匹配部115降低在小分类的类别中不一致但在中分类的类别一致的匹配对象的匹配指标值。进一步,匹配部115使在小分类以及中分类的类别中不一致,仅在大分类的类别中一致的匹配对象的匹配指标值最低。
而且,匹配部115将这样决定的匹配对象和各匹配对象的匹配指标值汇总成列表形式,作为匹配列表对于匹配申请人提示。提示例如通过向显示部17的匹配列表的显示、向纸介质打印匹配列表来实现。
此外,匹配部115也可以对于成为匹配对象的用户U使用的用户终端20发送匹配申请人的信息等。
另外,在这种情况下,匹配部115也可以针对匹配列表所包含的每个匹配对象进一步提示用于匹配申请人与匹配对象接触的推荐信息。作为推荐信息,例如可以为基于匹配对象的属性的特定关键字(例如,说什么比较好、或者不说什么比较好)、接触的时机(例如,应该抛出特定关键字的时机)等用于更促进与匹配对象的关系的信息。
匹配申请人通过参照这些提示的信息,不仅知道匹配对象,也能够知道表示与匹配对象的适合度的匹配适合度值的值、用于与匹配对象接触的推荐信息。由此,不仅能够进行基于通过分类处理得到的适当的分类的匹配,也能够对于匹配申请人选择最终的匹配对象、或给出用于促进与匹配对象的关系的有益信息。
[分类处理]
接下来,参照图5的流程图对分类装置10执行的分类处理的流程进行说明。分类处理伴随针对用户U的提问的开始而执行。
在步骤S11中,回答获取部111获取用户U的回答。
在步骤S12中,生物体信息获取部112获取用户U的生物体信息。
在步骤S13中,判定部113判定用户U的状态。
在步骤S14中,分类部114执行分类。由此,本处理结束。
根据以上说明的分类处理,不仅只基于提问的回答进行分类,也基于根据生物体信息判定出的提问回答时的对象者的状态进行分类。
因此,根据分类系统S,能够从各种角度更适当地对用户进行分类。
[匹配处理]
接下来,参照图6的流程图对分类装置10执行的匹配处理的流程进行说明。匹配处理伴随匹配申请人的匹配要求操作执行。
在步骤S21中,匹配部115从匹配申请人受理匹配候补的属性。
在步骤S22中,匹配部115创建通过步骤S21受理的匹配候补的属性所对应的匹配列表。
在步骤S23中,匹配部115提示匹配列表。由此,本处理结束。
不仅能够进行以上说明的基于通过分类处理得到的适当的分类的匹配,也能够给出对于匹配申请人有益的信息。
[变形例]
以上,对本发明的实施方式进行了说明,但该实施方式只不过是例示,并不限定本发明的技术的范围。本发明能够采取其他的各种实施方式,并且,能够在不脱离本发明的主旨的范围进行省略以及置换等各种变更。这些实施方式及其变形包含于本说明书等所记载的发明的范围以及主旨,并且包含于权利要求书所记载的发明及其均等范围。
例如,也可以将本发明的实施方式如以下的变形例那样变形。
<第一变形例>
在上述的实施方式中,回答获取部111将针对用户U的提问预先存储到存储部15等,对于用户终端20发送针对用户U的提问。然后,用户终端20接收该提问,对用户U提示提问。在这种情况下,回答获取部111也可以基于进行了一次分类处理的结果,决定对于用户U新进行的提问的内容。
例如,在用户U被分类到某类别的情况下,有可能实际上不是该某类别,而应该分类到与该某类别近似的其他的类别。因此,在这样的情况下,可以使对于用户U新进行的提问的内容为能够区分应该分类到该某类别还是应该分类到其他的类别这样的内容。
这样,通过基于进行了一次分类处理的结果,决定对于用户U新进行的提问的内容,能够更高精度地进行分类。
<第二变形例>
在上述的实施方式中,匹配部115基于通过分类处理得到的分类结果决定匹配对象。但不局限于此,也可以也基于分类部114进行分类所使用的各信息,决定匹配对象。例如,也可以也使用分类部114进行分类所使用的用户U的回答本身、用户U的回答时的生物体信息本身决定匹配对象。例如,匹配部115也可以选择进行了与匹配申请人相同的回答的用户U、成为与匹配申请人的回答时的生物体信息相同的生物体信息的用户U作为匹配对象。或者,匹配部115也可以增高这样的用户U的匹配指标值。
<第三变形例>
在上述的实施方式中,分类部114基于用户U的回答、根据用户U的回答时的生物体信息判定出的用户U的回答时的状态,进行分类。也可以不局限于此,也基于根据回答时以外的其他时间的生物体信息判定出的其他时间的用户U的状态进行分类。
例如,也可以还基于根据使用虚拟现实(VR:Virtual Reality)的体验用内容的体验时的生物体信息判定出的体验用内容体验时的用户U的状态,进行分类。
该情况下,例如,用户U佩戴提供虚拟现实的护目镜型等装置。而且,通过该护目镜型等装置,使用户U对体验用内容进行体验。另外,与提问回答时相同地,通过生物体信息测定设备30测定用户U的生物体信息。而且,判定部113基于该生物体信息判定用户U的状态。
通过也基于这样的成为非现实状况的情况下的用户U的状态,能够清楚用户U自身没有意识到这样的用户U的特性。因此,分类部114能够进行与用户U的特性更对应的分类。
此外,也可以进一步对本变形例进行变形,通过提供虚拟现实的护目镜型等装置实现生物体信息测定设备30。例如,也可以通过在该护目镜型等装置组装传感器来实现生物体信息测定设备30。由此,能够不使用户U意识到佩戴了传感器,就测定生物体信息。
[通过硬件以及软件等的实现]
上述的实施方式所包含的各装置并不局限于上述的实施方式的形式,能够通过具有信息处理功能的一般电子设备实现。
另外,上述的一系列处理既能够由硬件执行,也能够由软件执行。另外,一个功能模块既可以由硬件单独构成,也可以由软件单独构成,也可以由硬件与软件的组合构成。
换言之,图2中图示的功能的构成只不过是例示,并不特别限定。即,只要分类系统S具备能够将上述的一系列处理作为整体执行的功能即可,为了实现该功能使用哪种功能模块并不特别局限于图2的例子。
例如,能够通过执行运算处理的处理器实现本实施方式所包含的功能的构成,本实施方式能够使用的处理器除了由单处理器、多处理器以及多核处理器等各种处理装置单独构成的以外,还包括这些各种处理装置、ASIC(Application Specific IntegratedCircuit:专用集成电路)或者FPGA(Field-Programmable Gate Array:现场可编程门阵列)等处理电路组合成的。
在使一系列处理通过软件执行的情况下,构成该软件的程序从网络或者记录介质安装于计算机等。
计算机也可以是组装于专用的硬件的计算机。另外,计算机也可以是能够通过安装各种程序来执行各种功能的计算机,例如通用个人计算机。
这样的包括程序的记录介质为了向用户提供程序,可以通过与装置主体分开分发来提供给用户,也可以以预先组装于装置主体的状态提供给用户。与装置主体分开分发的存储介质例如由磁盘(包括软盘)、光盘、或者光磁盘等构成。光盘例如由CD-ROM(CompactDisc-Read Only Memory:光盘只读存储器)、DVD(Digital Versatile Disc:数字多功能光盘)、Blu-ray(注册商标)Disc(蓝光盘)等构成。光磁盘由MD(Mini Disc:迷你盘)等构成。另外,以预先组装于装置主体的状态提供给用户的记录介质例如由记录有程序的图2的ROM12、或者图2的存储部15所包含的硬盘等构成。
此外,在本说明书中,描述记录于记录介质的程序的步骤当然包括按照其顺序按时间序列进行的处理,但也包含不一定按时间序列处理而并行或者独立地执行的处理。
另外,在本说明书中,系统的术语是指由多个装置以及多个手段等构成的整体装置。
附图标记说明
10分类装置;20用户终端;30生物体信息测定设备;11CPU;12ROM;13RAM;14通信部;15存储部;16输入部;17显示部;111回答信息获取部;112生物体信息获取部;113判定部;114分类部;115匹配部;151获取信息数据库;152分类结果数据库;N网络;S分类系统;U用户。
Claims (17)
1.一种分类装置,具备:
回答获取部,获取针对对于对象者进行的规定提问的来自上述对象者的回答;
生物体信息获取部,获取上述对象者的生物体信息;
判定部,基于上述生物体信息获取部获取到的生物体信息,判定上述对象者的状态;以及
分类部,基于上述回答获取部获取到的回答、和上述判定部判定出的上述对象者的状态,对上述对象者进行分类。
2.根据权利要求1所述的分类装置,其中,
基于上述判定部判定出的上述对象者的状态,对针对上述规定提问的回答进行作为分类所使用的信息的加权。
3.根据权利要求1或者2所述的分类装置,其中,
上述生物体信息获取部获取的生物体信息是在上述对象者对上述规定提问进行回答时从上述对象者测定出的生物体信息。
4.根据权利要求1至3的任一项所述的分类装置,其中,
上述生物体信息获取部获取的生物体信息是在上述对象者对体验用内容进行体验时从上述对象者测定出的生物体信息。
5.根据权利要求4所述的分类装置,其中,
上述体验用内容是通过上述对象者佩戴提供虚拟现实的装置而能够体验的内容,
上述生物体信息获取部获取提供上述虚拟现实的装置测定出的生物体信息。
6.根据权利要求4或者5所述的分类装置,其中,
上述分类部还进一步基于上述体验用内容的内容,对上述对象者进行分类。
7.根据权利要求1至6的任一项所述的分类装置,其中,
上述回答获取部基于上述分类部的分类结果决定对于上述对象者新进行的上述规定提问的内容。
8.根据权利要求1至7的任一项所述的分类装置,其中,
还具备匹配部,该匹配部基于上述分类部的分类结果来决定与上述对象者匹配的匹配对象。
9.根据权利要求8所述的分类装置,其中,
上述匹配部还进一步基于上述分类部进行分类所使用的各信息,决定上述匹配对象。
10.根据权利要求8或者9所述的分类装置,其中,
上述匹配对象是将上述对象者作为顾客对上述对象者进行规定工作的人物。
11.根据权利要求8或者9所述的分类装置,其中,
上述匹配对象是上述对象者彼此。
12.根据权利要求8至11的任一项所述的分类装置,其中,
上述匹配部将分类为与上述对象者相同的类别的人物决定为上述匹配对象。
13.根据权利要求12所述的分类装置,其中,
对上述对象者进行分类的类别被分层次设置,以便随着层次的进行而细分,
上述匹配部将在更细分的层次中分类为相同类别的人物决定为匹配适合度更高的匹配对象。
14.根据权利要求8至13的任一项所述的分类装置,其中,
上述匹配部计算与每个上述匹配对象的匹配适合度的指标值,将该计算出的指标值作为列表对上述对象者提示。
15.根据权利要求14所述的分类装置,其中,
上述匹配部针对上述列表所包含的每个匹配对象,进一步对上述对象者提示用于上述对象者与上述匹配对象接触的推荐信息。
16.根据权利要求14或者15所述的分类装置,其中,
上述匹配部从上述对象者受理成为匹配对象的候补的属性的选择,基于该选择出的属性,决定要包含于上述列表的匹配对象。
17.一种分类程序,使计算作为分类装置发挥作用,上述分类装置具备:
回答获取部,获取针对对于对象者进行的规定提问的来自上述对象者的回答;
生物体信息获取部,获取上述对象者的生物体信息;
判定部,基于上述生物体信息获取部获取到的生物体信息,判定上述对象者的状态;以及
分类部,基于上述回答获取部获取到的回答、和上述判定部判定出的上述对象者的状态,对上述对象者进行分类。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2019-066267 | 2019-03-29 | ||
JP2019066267 | 2019-03-29 | ||
PCT/JP2020/008435 WO2020202958A1 (ja) | 2019-03-29 | 2020-02-28 | 分類装置および分類プログラム |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113646791A true CN113646791A (zh) | 2021-11-12 |
Family
ID=72668616
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202080025573.3A Pending CN113646791A (zh) | 2019-03-29 | 2020-02-28 | 分类装置以及分类程序 |
Country Status (4)
Country | Link |
---|---|
US (1) | US20220012286A1 (zh) |
JP (1) | JPWO2020202958A1 (zh) |
CN (1) | CN113646791A (zh) |
WO (1) | WO2020202958A1 (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20240095310A1 (en) * | 2020-12-07 | 2024-03-21 | Sony Group Corporation | Information processing device, data generation method, grouping model generation method, grouping model learning method, emotion estimation model generation method, and grouping user information generation method |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20140156681A1 (en) * | 2012-12-05 | 2014-06-05 | Jonathan Michael Lee | System and method for finding and prioritizing content based on user specific interest profiles |
CN105373873A (zh) * | 2014-08-27 | 2016-03-02 | 冲电气工业株式会社 | 信息处理装置、信息处理系统、信息处理方法 |
US20180255335A1 (en) * | 2017-03-02 | 2018-09-06 | Adobe Systems Incorporated | Utilizing biometric data to enhance virtual reality content and user response |
WO2018168152A1 (ja) * | 2017-03-13 | 2018-09-20 | ソニー株式会社 | 情報処理装置および情報処理方法 |
US20180315063A1 (en) * | 2017-04-28 | 2018-11-01 | Qualtrics, Llc | Conducting digital surveys that collect and convert biometric data into survey respondent characteristics |
CN108885625A (zh) * | 2016-04-07 | 2018-11-23 | 日商先进媒体公司 | 信息处理系统、受理服务器、信息处理方法和程序 |
CN108984586A (zh) * | 2017-05-31 | 2018-12-11 | 松下电器(美国)知识产权公司 | 信息提供方法、服务器、终端和记录介质 |
US20180357286A1 (en) * | 2017-06-08 | 2018-12-13 | Microsoft Technology Licensing, Llc | Emotional intelligence for a conversational chatbot |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2003030306A (ja) * | 2001-07-16 | 2003-01-31 | Kankyoo Engineering Kk | 好相性会員紹介方法と装置 |
JP2013218638A (ja) * | 2012-04-12 | 2013-10-24 | Nippon Telegr & Teleph Corp <Ntt> | コンテンツ配信システムおよびリコメンド方法 |
-
2020
- 2020-02-28 WO PCT/JP2020/008435 patent/WO2020202958A1/ja active Application Filing
- 2020-02-28 JP JP2021511257A patent/JPWO2020202958A1/ja active Pending
- 2020-02-28 CN CN202080025573.3A patent/CN113646791A/zh active Pending
-
2021
- 2021-09-27 US US17/486,705 patent/US20220012286A1/en not_active Abandoned
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20140156681A1 (en) * | 2012-12-05 | 2014-06-05 | Jonathan Michael Lee | System and method for finding and prioritizing content based on user specific interest profiles |
CN105373873A (zh) * | 2014-08-27 | 2016-03-02 | 冲电气工业株式会社 | 信息处理装置、信息处理系统、信息处理方法 |
CN108885625A (zh) * | 2016-04-07 | 2018-11-23 | 日商先进媒体公司 | 信息处理系统、受理服务器、信息处理方法和程序 |
US20180255335A1 (en) * | 2017-03-02 | 2018-09-06 | Adobe Systems Incorporated | Utilizing biometric data to enhance virtual reality content and user response |
WO2018168152A1 (ja) * | 2017-03-13 | 2018-09-20 | ソニー株式会社 | 情報処理装置および情報処理方法 |
US20180315063A1 (en) * | 2017-04-28 | 2018-11-01 | Qualtrics, Llc | Conducting digital surveys that collect and convert biometric data into survey respondent characteristics |
WO2018200031A1 (en) * | 2017-04-28 | 2018-11-01 | Qualtrics, Llc | Conducting digital surveys that collect and convert biometric data into survey respondent characteristics |
CN108984586A (zh) * | 2017-05-31 | 2018-12-11 | 松下电器(美国)知识产权公司 | 信息提供方法、服务器、终端和记录介质 |
US20180357286A1 (en) * | 2017-06-08 | 2018-12-13 | Microsoft Technology Licensing, Llc | Emotional intelligence for a conversational chatbot |
Also Published As
Publication number | Publication date |
---|---|
US20220012286A1 (en) | 2022-01-13 |
WO2020202958A1 (ja) | 2020-10-08 |
JPWO2020202958A1 (zh) | 2020-10-08 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Adão Martins et al. | Fatigue monitoring through wearables: A state-of-the-art review | |
Ihmig et al. | On-line anxiety level detection from biosignals: Machine learning based on a randomized controlled trial with spider-fearful individuals | |
EP3258842B1 (en) | System for brain activity interpretation | |
Zhu et al. | Detecting emotional reactions to videos of depression | |
Alonso Dos Santos et al. | Assessing the effectiveness of sponsorship messaging: Measuring the impact of congruence through electroencephalogram | |
Fritz et al. | Leveraging biometric data to boost software developer productivity | |
Appel et al. | Predicting cognitive load in an emergency simulation based on behavioral and physiological measures | |
CN111050642A (zh) | 利用了趋势分析的疼痛判别、机器学习、经济性判别模型及应用了IoT的医疗装置、定制化机器学习、以及新型疼痛判别用脑波特征量 | |
CN108348181A (zh) | 用于监测和提高注意力的方法和系统 | |
US10772527B2 (en) | Brain matching | |
Mishra et al. | The case for a commodity hardware solution for stress detection | |
US20190357792A1 (en) | Sensibility evaluation apparatus, sensibility evaluation method and method for configuring multi-axis sensibility model | |
JP2013178601A (ja) | 序列化装置、序列化方法及びプログラム | |
Tartarisco et al. | Neuro-fuzzy physiological computing to assess stress levels in virtual reality therapy | |
Onim et al. | A review of context-aware machine learning for stress detection | |
CN113646791A (zh) | 分类装置以及分类程序 | |
US20220207060A1 (en) | Information processing device and information processing program | |
DUMITRESCU et al. | NEUROMARKETING-A SCIENTIFIC TOOL TO HANDLE CONSUMER BRAIN INFORMATION. | |
Garcia-Perez et al. | Towards Recognition of Driver Drowsiness States by Using ECG Signals | |
Mithun et al. | Mind Indriya: A System for Simultaneous Assessment of Cognitive Load, Anxiety and Visual Attention | |
Di Campli San Vito et al. | Development of a Real-Time Stress Detection System for Older Adults with Heart Rate Data | |
Goumopoulos et al. | Mental stress detection using a wearable device and heart rate variability monitoring | |
Yauri et al. | Mental workload detection based on EEG analysis | |
JP7257381B2 (ja) | 判定システムおよび判定方法 | |
Ekiz et al. | Long short-term memory network based unobtrusive workload monitoring with consumer grade smartwatches |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination |