CN1787535A - 信息通知系统、信息通知方法 - Google Patents

Abstract

本发明提供一种能够减少不快感和负担，并且促使用户认知信息的通知用用户状态管理装置、通知控制装置、信息通知装置和信息通知系统以及信息通知方法。在信息通知系统中，具备：具有根据可观测状态要素，推测用户内部的状态的用户内部状态推测装置、根据用户内部的状态，推测通知了信息的情况下的对接收信息的用户的效用的用户通知效用推测装置的通知用用户状态管理装置；具有根据效用，决定是否通知信息，并根据决定通知信息的通知执行装置的通知控制装置。另外，通过根据用户的信息认知度的推测结果，判断是否再次通知已通知信息，不必须利用接收到信息那样的明确的用户应答，而通过推测是否接收到信息，在判断出没有接收到的情况下再次通知已通知信息，从而能够提高用户认知信息的可能性。

Description

信息通知系统、信息通知方法

技术领域

本发明涉及信息通知系统、信息通知方法，特别涉及进行与信息通知有关的控制，再次通知向用户提示的信息中的认知失败了的信息的信息通知系统、信息通知方法。

背景技术

现在，正在使用个人计算机(以下简称为PC)、PDA(个人数字助理)和便携电话机那样的便携终端、电视、收音机、车载导航系统那样的各种信息通知装置。在它们中，提出了许多根据信息的种类、用户的行动、周围的状况等控制信息通知的方法。

例如，在某信息通知装置中，具有对信息附加优先度的装置和与用户的兴趣对应地判断重要度的装置，决定显示信息的顺序和各个信息的详细度，提示信息(例如参考特开平9-81099号公报)。该信息通知装置具有控制从网络收集信息的定时的装置。

另外，其他信息通知装置具有：从各种信息源获得用户状况，调整信息量，与用户的行动配合地以良好的定时进行提示的装置。其他作为从大量的信息取得适当的信息的技术，有从服务器发送与用户嗜好一致的信息的Push型信息通知技术、从发送来的信息中选择、提示与用户嗜好一致的信息的信息过滤技术、与用户的嗜好配合地从网络收集信息的代理(agent)技术等。

另一方面，在Attentive User Interface(AUI)技术领域中，正在广泛研究基于周围信息的通知技术。在这些研究中，正在研究与信息的内容无关地，或者与信息的内容对应地，在桌面PC的监视器的画面上高效地显示信息。例如在“Attentive User Interface”特集、ACMCommunications of the ACM，March，2003，Vol.46，No.3，pp.31～72中记载了该技术。

另外，也正在进行与在这样的画面的周围位置上提示信息时的信息感知度有关的研究。对此，例如在D.Scott McCrickard，RichardCatrambone，C.M.Chewar，John T.Stasko，“Establishing tradeoffsthat levarage attention for utility：empircally evaluating informationdisplay in notification systems”，International Journal of Human-Computer Studies，v.58 n.5，p.547～582，May 2003中有记载。

如上述那样，通过对基于用户的明确设置、根据用户的信息使用和对信息的反应等的履历得到的用户的嗜好信息、说明预先设置的信息内容的元(meta)信息、基于分析的结果和根据信息得到的提供候补的信息内容进行比较，在某种程度上能够设置所提供的候补信息的对用户的优先度和重要度。

但是，很少会根据这样的某种程度静态的信息来决定信息的重要性和对于用户的优先度，会被动态变化的用户信息、周围信息所左右，或者甚至很大程度上被用户的感情所左右。换一种说法，也可以说要首先根据这样的所有状况，来决定优先度和重要性。因此，即使能够在某种长度上判别信息的重要性和优先度，但根据信息的提供方法，即所提供的定时和提供信息的表现方法，用户所感到的重要性等也会有很大的变化。

对于这一点，有通过推测用户的空闲时间，来实现信息通知的调度(schedule)的信息提示装置(例如，参考特开2000-99441号公报)。但是，对于用户，取得空闲时间和信息要花费时间。另外，这样的信息通知与在现在的便携电话呼叫中与现在的用户状况无关地根据着信音和振动来获得注意上是具有共通的要素的。即，在用户的空闲时间进行提示虽然并不必须与现在的对便携电话的呼叫一样，但在各时刻，由于一般不知道用户正在关注什么东西，所以难以掌握完全意义上的用户的空闲时间。

在对于用户来说信息内容是重要的情况下，是能够接受在这样的状态下从与用户的关注位置不同的位置强制地获得注意的情况的。但是，由于难以完全地设置重要性，所以作为结果会引起用户的不快和负担，作为服务可以设想是难以利用的。

进而，如完全的Push型信息通知服务那样，并不一定只是对用户来说重要的信息的通知方法，在某种程度上，即使是与用户嗜好不同的信息，与信息的内容无关地，一边减少对用户的不快感和负担一边进行提示的技术也是很重要的。特别作为发布广告的信息提供者对这样的要求很高。

对于这样的问题，作为一边考虑到对用户的负担一边在个人计算机的显示器上进行信息提供的技术，有在画面的周围部分上进行信息通知的基于周围的信息提供技术。

另外，一般在通过Push型发送等来发送广告信息等各种信息的情况下，在接收到该信息的用户侧，在显示器画面上显示所接收到的信息，或者作为声音信息输出。在该情况下，在该信息的发送侧无法知道用户是否认知出所显示的信息等。

对于这样的广告信息中的时间服务等的有时间限制的信息，理想的是在其时间带之前进行通知，理想的是在用户没有识别出的情况下，再次通知该信息而使其识别。但是，如上述那样，在该信息的发送侧无法知道用户是否认知出信息等。

另一方面，在市售的电子邮件软件中，有以下情况：对于接收用户没有参考的电子邮件，要进行使接收用户容易识别的显示，对于还没有开封的邮件，进行不向发送者发送开封信息的控制。

但是，上述的背景技术中有以下的问题。

提出了许多考虑到用户的行动、周围的状况等而控制通知定时、信息量、显示方法等的信息通知方法。但是，它们并没有考虑到动态并且不确定地变化的人的内部状态要素，基于这些要素的控制规则是静态的，缺乏灵活性。

另外，基于周围的信息提供技术有以下的问题：设想了用户坐在个人计算机前的状态下的信息通知，并没有研究考虑到用户周围或用户自身的能够动态地变化的状态的信息通知。

因此，这些技术只是考虑了基于信息通知的任务中断度，而与提供信息对应地通过静态的通知方法进行控制。

另外，有以下问题：没有研究例如便携显示终端那样地向处于周围状况动态变化的环境下的用户进行信息通知。

因此，需要一种不着重于所提供的信息内容与用户嗜好的一致性，而考虑到动态变化的用户状态，任意种类的内容都不会对用户带来不快感和负担，并且能够确实地促进用户进行信息认知的信息通知方法。

但是，上述现有技术的信息通知装置在信息通知时适当地进行通知控制，而没有考虑到通知信息是否被用户认知。

另外，上述邮件软件与对软件的明确的用户互动(interaction)对应地进行控制。因此，是以对通知装置的明确的用户互动为前提的，例如对于一边进行显示或者一边进行切换一边在画面上单方地显示的信息，由于没有用户的明确的反应，所以不清楚用户是否接收到。所以，由于不会第二次地显示没有接收到的信息，所以用户以后也无法认知出本信息，会带来用户的不利或信息通知者的不利。

发明内容

因此，本发明的目的就在于：提供一种能够减少不快感和负担，并且促进用户进行信息感知的信息通知系统、信息通知方法。

另外，本发明的另一个目的在于：提供一种能够与用户的信息认知度对应地进行信息的再通知的信息通知系统、信息再通知方法。

本发明的技术方案1的信息通知系统具备通知用用户状态管理装置、通知控制装置，其特征在于：

上述通知用用户状态管理装置具备：

根据可观测状态要素，推测用户内部的状态的用户内部状态推测装置；

根据上述用户内部的状态，推测通知了信息的情况下的对接收信息的用户的效用的用户通知效用推测装置，

上述通知控制装置具备：

根据上述效用，决定是否通知信息，根据上述决定，通知信息的通知执行装置。

通过这样的结构，能够根据可观测状态要素，例如用户动作状态、任务状态来推测内部状态，基于该推测，推测信息通知的效果，因此能够向用户高效地通知信息。

本发明的技术方案2的信息通知系统是在技术方案1所述的信息通知系统中，其特征在于：

作为表示上述用户内部的状态的要素，上述用户内部状态推测装置推测表示用户感知并识别信息的内容的程度的信息认知度和表示由于信息通知而用户执行的作业中断的程度的任务中断度中的任意一个。通过这样的结构，能够高效地向用户通知信息。

本发明的技术方案3的信息通知系统是在技术方案1所述的信息通知系统中，其特征在于：

上述用户通知效用推测装置根据上述用户内部的状态，计算出表示在通知了信息的情况下所期待的效用的期待效用值。通过这样的结构，能够高效地向用户通知信息。

本发明的技术方案4的信息通知系统是在技术方案1所述的信息通知系统中，其特征在于还包括：

判断上述积蓄信息中的规定的发生频度以下的可观测状态要素、新取得的可观测状态要素是否一致的可观测状态要素判断装置。

通过这样的结构，能够高效地向用户通知信息。

本发明的技术方案5的信息通知系统是在技术方案1所述的信息通知系统中，其特征在于还包括：

推测表示上述用户感知并识别作为向上述用户通知了的信息的已通知信息的内容的程度的信息认知度的信息认知度推测装置(例如与图16中的信息认知度推测部件1260对应)；根据上述信息认知度推测装置的推测结果，判断是否再次通知上述已通知信息的判断装置(例如与图16中的再通知决定部件1240对应)，其中与上述判断装置的判断结果对应地再次通知上述已通知信息。根据这样的结构，能够与用户的信息认知度对应地进行信息的再通知。

本发明的技术方案6的信息通知系统是在技术方案5所述的信息通知系统中，其特征在于还包括：

取得上述用户的环境状态的环境状态取得装置(例如与图16中的环境用户状态管理部件160对应)，其中上述信息认知度推测装置根据通过上述环境状态取得装置取得的上述用户的环境状态，推测上述信息认知度。通过这样的结构，在向用户通知了信息后，能够根据通知时的用户的状态、用户反应等，判断用户的信息认知度，并根据该结果进行再通知。特别在不是因用户要求造成的Push型信息通知中，能够确实地向用户传递信息。

本发明的技术方案7的信息通知系统是在技术方案5所述的信息通知系统中，其特征在于还包括：

根据上述信息认知度推测装置的推测结果进行推测，并且计算出作为对上述已通知信息所认知的量的期待认知信息量的期待认知信息量计算装置(例如与图16中的再通知决定部件1240对应)，其中

上述判断装置与通过上述期待认知信息量计算装置计算出的期待认知信息量对应地，判断是否再次通知上述已通知信息。

通过与期待认知信息量对应地判断是否进行再次通知，能够更适当地再通知信息。

本发明的技术方案8的信息通知系统是在技术方案7所述的信息通知系统中，其特征在于还包括：

积蓄由上述期待认知信息量装置计算出的期待认知信息量的期待认知信息量积蓄装置(例如与图16中的期待信息认知量积蓄部件128对应)，

上述判断装置与由上述期待认知信息量计算装置新计算出的期待认知信息量和在上述期待认知信息量积蓄装置中积蓄的过去的期待认知信息量对应地，判断是否再次通知上述已通知信息。

通过再次利用在过去的再通知判断时计算出的期待信息认知量，能够对多次提示了的同一信息的期待信息认知量进行相加，由此在各个的通知量少的情况下，也能够提高信息认知的可能性，能够实现更正确的再通知判断。

本发明的技术方案9的信息通知方法，其特征在于包括：

根据可观测状态要素，推测用户内部的状态的用户内部状态推测步骤；

根据上述用户内部的状态，推测通知了信息的情况下的对接收信息的用户的效用的用户通知效用推测步骤，

根据上述效用，决定是否通知信息，根据上述决定，通知信息的通知执行步骤。

本发明的技术方案10的信息通知方法是在技术方案9所述的信息通知方法中，其特征在于：

在上述用户内部状态推测步骤中，作为表示上述用户内部的状态的要素，推测表示用户感知并识别信息的内容的程度的信息认知度和表示由于信息通知而用户所执行的作业中断的程度的任务中断度中的任意一个。通过这样的结构，能够高效地向用户通知信息。

本发明的技术方案11的信息通知方法是在技术方案9所述的信息通知方法中，其特征在于：

在上述用户通知效用推测步骤中，根据上述用户内部的状态，计算出表示在通知了信息的情况下所期待的效用的期待效用值。通过这样的结构，能够高效地向用户通知信息。

本发明的技术方案12的信息通知方法是在技术方案9所述的信息通知方法中，其特征在于还包括：

判断上述积蓄信息中的规定的发生频度以下的可观测状态要素、新取得的可观测状态要素是否一致的可观测状态要素判断步骤。

通过这样的结构，能够高效地向用户通知信息。

本发明的技术方案13的信息通知方法是在技术方案9所述的信息通知方法中，其特征在于还包括：

推测表示上述用户感知并识别作为向上述用户通知了的信息的已通知信息的内容的程度的信息认知度的信息认知度推测步骤；根据上述信息认知度推测步骤的推测结果，判断是否再次通知上述已通知信息的判断步骤，其中与上述判断步骤的判断结果对应地再次通知上述已通知信息。根据这样的结构，能够与用户的信息认知度对应地进行信息的再通知。

本发明的技术方案14的信息通知方法是在技术方案13所述的信息通知方法中，其特征在于还包括：

取得上述用户的环境状态的环境状态取得步骤，其中在上述信息认知度推测步骤中根据在上述环境状态取得步骤中取得的上述用户的环境状态，推测上述信息认知度。通过这样的结构，在向用户通知了信息后，能够根据通知时的用户的状态、用户反应等，判断用户的信息认知度，并根据该结果进行再通知。特别在不是因用户要求造成的Push型信息通知中，能够确实地向用户传递信息。

本发明的技术方案15的信息通知方法是在技术方案13所述的信息通知方法中，其特征在于还包括：

根据上述信息认知度推测步骤的推测结果进行推测，并且计算出作为对上述已通知信息所认知的量的期待认知信息量的期待认知信息量计算步骤，其中

在上述判断步骤中与在上述期待认知信息量计算步骤中计算出的期待认知信息量对应地，判断是否再次通知上述已通知信息。

通过与期待认知信息量对应地判断是否进行再次通知，能够更适当地再通知信息。

本发明的技术方案16的信息通知方法是在技术方案15所述的信息通知方法中，其特征在于还包括：

积蓄在上述期待认知信息量步骤中计算出的期待认知信息量的期待认知信息量积蓄步骤，其中

在上述判断步骤中与在上述期待认知信息量计算步骤中新计算出的期待认知信息量和在上述期待认知信息量积蓄步骤中积蓄的过去的期待认知信息量对应地，判断是否再次通知上述已通知信息。

通过再次利用在过去的再通知判断时计算出的期待信息认知量，能够对多次提示了的同一信息的期待信息认知量进行相加，由此在各个的通知量少的情况下，也能够提高信息认知的可能性，能够实现更正确的再通知判断。

根据本发明的实施例，能够实现减少不快感和负担，并且能够促进用户进行信息认知的信息通知系统、信息通知方法。

另外，具有以下效果：通过推测用户的信息认知度，根据其推测结果判断是否再次通知已通知信息，则不需要必须利用接收到信息那样的明确的用户反应，通过推测是否接收到信息，在判断出没有接收到的情况下，再次通知已通知信息，能够提高用户认知信息的可能性，同时能够补充丢失了的信息。

附图说明

图1是表示本发明的实施例的信息通知系统的框图。

图2是表示查询型信息通知处理的时序图。

图3是表示事件型信息通知处理的时序图。

图4是表示用于信息通知的贝斯网络(Bayesian network)的一个例子的说明图。

图5是表示信息表现方法的一个例子的说明图。

图6是表示包含通知效用值的决定的意图决定网络的一个例子的说明图。

图7是表示包含通知效用值的决定的意图决定网络的一个例子的说明图。

图8是表示信息表现索引表的说明图。

图9是表示贝斯网络的附加条件概率表的一个例子的说明图。

图10是表示显示调整用按键界面例子的模式图。

图11是表示反馈信息索引的说明图。

图12是表示履历信息表的说明图。

图13是表示发生频度表的说明图。

图14是表示模型精度提高用通知控制部件的处理的流程图。

图15是表示状态组合事件型信息通知处理的时序图。

图16是表示本发明的实施例的信息再通知系统的一个变形例子的结构的框图。

图17是表示本发明的实施例的信息提示界面的图。

图18是表示本发明的实施例的信息再通知系统的动作的流程图。

图19是表示本发明的实施例的贝斯网络的例子的图。

图20是表示本发明的实施例的信息再通知系统的一个变形例子的结构的框图。

图21是表示本发明的实施例的信息再通知系统的另一个变形例子的结构的框图。

具体实施方式

接着，参考附图说明本发明的实施例。

另外，在用于说明实施例的所有图中，对具有同一功能的部分使用同一符号，并省略重复的说明。

(用于信息通知的结构)

本发明的实施例的信息通知系统考虑了以下的2个用户内部状态：执行信息通知的基础上的用户的信息认知性和基于信息提供的现用户任务的中断性，并控制信息通知定时及其提示方法。即，针对在存在各种信息显示终端的现实世界中生活的用户、拥有信息显示终端的用户，调整信息通知的定时和信息表现进行信息通知，使得提高用户的信息认知性，并且将用户的任务中断性抑制得较低。

由此，能够抑制在现有的用户主导(要求)型的信息通知中没有产生过的、Proactive的信息通知中的因现实世界的用户的任务中断、分配造成的用户侧的不快感和负担增大。

具体地说，检测信息显示终端上的用户注视状态，考虑信息终端上的任务、用户的任务熟悉度、用户动作状态、信息内容(信息紧急度、信息量)、信息认知速度等地进行信息通知。这样的信息通知不是没有考虑到用户状态的突然的单向的推送信息通知，而是考虑了用户侧的信息要求状态，换一种说法就是接受状态的信息通知。所以，能够进行在通过调整信息通知定时和信息表现、显示方法来提高信息认知性的同时，将任务中断度抑制为较低的信息通知。

作为向用户的信息的提示形式，可以考虑文字、图像、视频等任意的形式。

另外，本实施例的信息通知系统包含能够提示信息的任意的信息通知装置，例如显示型装置。作为信息通知装置，例如包含桌面PC、电视、电子广告牌、信息窗口、便携个人计算机、PDA、手提(handheld)终端、便携电话、手表、将来的便携式显示器等。

接着，参考图1，说明本实施例的信息通知系统。

本实施例的信息通知系统具备信息通知装置100。

信息通知装置100具备作为表现与信息通知有关的用户状态的通知用用户状态管理装置的通知用用户状态管理部件110、与通知用用户状态管理部件110连接的用户界面部件130、环境用户状态管理部件140和作为通知控制装置的通知控制部件120、与环境用户状态管理部件140连接的传感部件150。

通知用用户状态管理部件110具备作为用户内部状态推测装置的用户内部状态推测部件112、与用户内部状态推测部件112连接的作为用户状态模型更新装置的用户状态模型更新部件115和作为用户通知效用推测装置的用户通知效用导出部件114、与用户状态模型更新部件115连接的作为信息积蓄装置的信息通知状态履历积蓄部件116、与信息通知状态履历积蓄部件116连接的作为可观测状态要素判断装置的模型精度提高用通知控制部件118。

通知控制部件120具备通知信息接收部件122、与通知信息接收部件122连接的通知信息积蓄部件124、与通知信息积蓄部件124、用户通知效用导出部件114和模型精度提高用通知控制部件118连接的通知执行部件126。

用户界面部件130具备与信息通知状态履历积蓄部件116连接的反馈信息收集部件132、与通知执行部件126连接的通知信息显示控制部件134。

环境用户状态管理部件140具备与用户内部状态推测部件112和模型精度提高用通知控制部件118连接的环境用户状态生成部件142、与环境用户状态生成部件142和传感部件150连接的传感器信息接收部件144、与环境用户状态生成部件142、用户内部状态推测部件112、模型精度提高用通知控制部件118和信息通知状态履历积蓄部件116连接的环境用户状态积蓄部件146。

构成上述信息通知装置100的各部件例如由模块构成。

(通知用用户状态管理部件110的结构)

最初，说明构成通知用用户状态管理部件110的各部件。

通知用用户状态管理部件110能够通过传感部件150取得作为人的内部状态要素的“信息认知度”、“任务中断度”的2个要素，并且以附加条件概率的表现形式，动态地管理与上述2个内部状态要素具有因果关系的“注视状态”、“用户动作状态”、“任务状态”等可观测状态要素和决定通知时的信息的显示方法的“信息表现”要素之间的关系。

用户内部状态推测部件112根据从环境用户状态管理部件140输入的用户状态信息、信息显示终端的状态等环境状态信息，关联地管理在信息通信时直接考虑的用户内部状态、与它们关联的用户状态和信息显示终端的状态。另外，用户内部状态推测部件112根据在通知信息的情况下直接考虑的用户内部状态要素、与它们关联的用户状态要素的关联性，预测(推测)并管理用户内部状态。即，根据可观测状态要素推测内部状态。特别对于内部状态，根据除了信息通知以外由用户主要执行的任务，例如Web浏览和邮件操作等任务的变化，来预测任务中断度和信息认知度。

用户通知效用导出部件114根据状态间的关联性，推测信息通知对用户的效用(效果)的程度。例如，导出表示信息通知对用户的效用(效果)的程度的效用值。即，根据任务中断性和信息认知性那样的处于折中关系的2个要素，导出各时刻的信息提供的效用值。另外，用户通知效用导出部件114还决定最适的通知定时和“信息表现”。

用户状态模型更新部件115实现产生管理用户状态的基本构造的模型信息自身的更新。即，用户状态模型更新部件115通过根据在后述的信息通知状态履历积蓄部件116中积蓄的积蓄信息，学习并动态地变更表示状态要素间的关系性的概率变量，并且逐次更新，从而实现内部状态的推测精度的提高。

信息通知状态履历积蓄部件116积蓄并管理进行了信息通知的状态、从用户反馈的状态的履历。例如，积蓄并管理从反馈信息收集部件132输入的来自用户的反馈信息、从环境用户状态积蓄部件146进行了信息通知后的时刻的状态要素值。另外，信息通知状态履历积蓄部件116在不进行信息通知的情况下，也可以积蓄并管理其状态和来自用户的反馈的状态的履历。

模型精度提高用通知控制部件118根据在信息通知状态履历积蓄部件116中积蓄的积蓄信息，检测产生频度低的状态要素的组合，监视该组合是否产生，在产生了的时候，向通知执行部件126进行信息通知的委托。通过这样，积极地更新表示状态要素间关系的概率变量和全体构造。即，模型精度提高用通知控制部件118通过积极地使用于导出在用户状态模型更新部件115中无法补充的关系的事项产生，而实现要素间关系的精度的提高。

(通知控制部件120的结构)

接着，说明构成通知控制部件120的各部件。

通知信息接收部件122接收从信息提供者，例如服务提供者提供的通知信息。通知信息积蓄部件124对由通知信息接收部件122接收到的通知信息进行积蓄。

通知执行部件126根据从用户通知效用导出部件114得到的后述的期待效用值，决定是否进行通知，并根据该决定实际通知信息。例如，通知执行部件126最终通知信息通知的定时、信息通知的信息表现方法。

(环境用户状态管理部件140的结构)

接着，说明构成环境用户状态管理部件140的各部件。

传感器信息接收部件144从传感部件150接收传感信息，例如传感器信息或互动(interaction)信息。环境用户状态生成部件142对传感信息进行变换、解释、作成，生成由在通知用用户状态管理部件110中使用的用户状态信息、环境状态信息中的至少一个构成的环境用户状态信息。例如，环境用户状态生成部件142对接收到的传感信息进行前处理、规格化处理、特征抽出处理以及分类等识别处理。例如，通过对传感器信息进行处理而作成环境状态信息，通过对互动信息进行处理而作成用户信息，作成环境用户状态信息。

环境用户状态积蓄部件146对所作成的环境状态信息、用户状态信息同时进行积蓄和管理。

(用户界面部件130的结构)

接着，说明构成用户界面部件130的各部件。

通知信息显示控制部件134依照通知执行部件126的指示，提示通知信息。例如，根据从通知执行部件126输入的信息通知的定时、信息通知的信息表现方法，向用户通知通知信息。

反馈信息收集部件132取得来自用户的互动信息，并输入到信息通知状态履历积蓄部件116。另外，反馈信息收集部件132取得界面的信息，并输入到信息通知状态履历积蓄部件116。

(系统全体的处理)

接着，参考图2，说明由本实施例的信息通知装置100实现的信息通知系统全体的信息通知处理。

在此，说明2种信息通知处理，即查询型处理和事件型处理。

(查询型处理)

最初，参考图2说明查询型处理。

查询型处理是通知执行部件126在各时刻向用户通知效用导出部件114查询期待效用值，并根据所通知的期待效用值进行信息通知。

传感器信息接收部件144周期地从传感部件150收集传感信息(步骤S202)，并输入到环境用户状态生成部件142。环境用户状态生成部件142作成表示环境和用户的状态的环境用户状态信息(步骤S204)。在传感信息中，例如包含从用户所使用的信息显示终端或存在于环境中的设备等全部设备输出的信息。例如，包含用户的信息显示终端上的互动信息、加速度传感器的传感信息、来自设置在房间中的监视照相机的视频信息等。

另一方面，服务提供者或信息接收用户自身随时向通知信息接收部件122输入向信息接收用户通知的通知信息，例如内容(contents)(步骤S208)。通知信息接收部件122将所输入的通知信息内容输入到通知信息积蓄部件124。

在此，通知执行部件126参照通知信息积蓄部件124，在有需要通知的通知信息内容的情况下，对用户通知效用导出部件114进行现在的期待效用值的查询(步骤S210)。

用户通知效用导出部件114如果有查询，则根据从环境用户状态生成部件142输入到用户内部状态推测部件112的环境用户状态信息，计算期待效用值及其信息表现索引(步骤S212)，并将期待效用值及其信息表现索引回送到通知执行部件126(步骤S214)。

通知执行部件126根据接收到的期待效用值，判断是否实际进行通知(步骤S216)。在进行通知的情况下，将通知信息内容和信息表现索引发送到通知信息显示控制部件134(步骤S218)，通知信息显示控制部件134根据信息表现索引所示的显示方法，显示通知信息内容(步骤S220)。

在信息显示后(步骤S222)，反馈信息收集部件132收集从接收到信息的用户反馈了的互动信息(步骤S224)，并作为反馈信息输入到信息通知状态履历积蓄部件116(步骤S226)。通过这样，不只是能够积蓄信息通知状态履历，还能够根据这些积蓄的信息更新通知用用户状态管理用的模型。

(事件型处理)

接着，参考图3说明事件型处理。

在事件型处理中，最初通知执行部件126预先将效用值的基准值通知用户通知效用值导出部件114。接着，用户通知效用导出部件114只在满足所通知的基准值的情况下，向通知执行部件126通知。接着，通知执行部件126根据满足了基准值的通知，进行信息通知。

事件型处理基本上与查询型处理一样，但只在信息通知的触发部分不同。在查询型处理中，用户通知效用导出部件114与通知执行部件126的查询对应地回送期待效用值，通知执行部件126根据回送的期待效用值进行信息通知。

在事件型处理中，通知执行部件126预先向用户通知效用导出部件114通知效用值的基准值，用户通知效用导出部件114经常计算期待效用值，监视满足基准值的情况。然后，在出现了满足基准值的情况的情况下，用户通知效用导出部件114向通知执行部件126发送信息表现索引。

具体说明事件型处理。

传感器信息接收部件144周期地从传感部件150收集传感信息(步骤S302)，并输入到环境用户状态生成部件142。环境用户状态生成部件142作成表示环境和用户的状态的环境用户状态信息，并将作成的环境用户状态信息输入到用户内部状态推测部件112(步骤S304)。

另一方面，服务提供者或信息接收用户自身随时向通知信息接收部件122输入向信息接收用户通知的通知信息内容(contents)(步骤S306)。通知信息接收部件122将所输入的通知信息内容输入到通知信息积蓄部件124。

另一方面，通知执行部件126向用户通知效用导出部件114输入效用值的基准值。用户通知效用导出部件114设置基准值(步骤S310)，经常计算期待效用值，判断是否满足基准值。

在计算出的期待效用值满足基准值的情况下，用户通知效用导出部件114向通知执行部件126输入信息表现索引(步骤S312)。

通知执行部件126向通知信息显示控制部件134发送通知信息内容和信息表现索引(步骤S314)，通知信息显示控制部件134根据信息表现索引所示的显示方法，显示通知信息内容(步骤S316)。

在信息显示后(步骤S318)，反馈信息收集部件132收集从接收到信息的用户反馈了的互动信息(步骤S320)，并作为反馈信息输入到信息通知状态履历积蓄部件116(步骤S322)。通过这样，不只是能够积蓄信息通知状态履历，还能够根据这些积蓄的信息更新通知用用户状态管理用的模型。

(通知控制部件120的各部件的动作)

接着，详细说明构成信息通知装置100的各部件的动作。

最初，说明通知控制部件120的各部件的动作。

通知信息接收部件122从各种信息源接收信息。

作为信息源，包含E-Mail、电子新闻、邮件杂志、袖珍电话(pocket bell)发送系统、无线发送(radio)的文字广播、WWW内容、直接信息(instant message)。另外，还包含用户自身登记的日程安排(scheduler)、To-Do列表等。

作为信息的种类，可以列举新闻(政治、经济、社会、文化、体育、天气)、电影信息、美食信息、交通信息、电视节目、股价信息、气候、运势、事件信息、学习信息(英语单词暗记服务)、来自熟人的邮件、来自公司的联络、灾害等紧急联络、广告、募捐服务、丢失物品服务、被盗物品服务、健康促进信息、末班车信息等。

通知信息积蓄部件124对由通知信息接收部件122接收到的信息进行积蓄和管理。另外，通知信息积蓄部件124与来自通知执行部件126的查询对应地，回送所积蓄的信息、信息数、积蓄信息的元(meta)信息，例如有效时间信息。

通知执行部件126判断是否有应该向通知信息积蓄部件124通知的信息，在存在信息的情况下，根据期待效用值进行通知判断。在此，通知执行部件126根据在通知信息积蓄部件124中登记信息的顺序或者与内容对应的优先度，进行应该通知的信息的判断。例如，根据所通知的信息的内容、例如重要度、紧急度，进行应该通知的信息的判断。

在本实施例中，说明不着眼于与内容对应的重要度和优先度，而与信息的有效时间对应地决定顺序的情况。在此，信息的有效时间是指日程安排的时间、广告内容的结束时间、表示新闻的新鲜度的时间等客观决定的依存于时间的信息。在本实施例中，说明作为元(meta)信息，由通知内容提供者作为通知内容的附加信息附加有这些时间信息的情况。

通知执行部件126向用户通知效用导出部件114查询期待效用值，通过根据阈值判断所得到的期待效用值，来进行通知判断。

另外，通知执行部件126也可以向用户通知效用导出部件114输入效用值的基准值，使用户通知效用导出部件114判断期待效用值是否满足基准值。在该情况下，用户通知效用导出部件114在判断出期待效用值满足基准值的情况下，将信息表现索引输入到通知执行部件126。

另外，通知执行部件126也可以根据通知信息，例如通知信息内容(contents)的信息量，控制使得尽量减轻用户的负担地传送大量的信息。

另外，通知执行部件126也可以根据用户任务，特别进行控制使得在用户的注视位置上进行信息通知。

通知执行部件126根据期待效用值，在判断出进行通知的情况下，向通知信息显示控制部件134输入通知信息内容。例如，作为信息表现，输入媒体类型、显示位置、大小、文字提示方法、信息的更新频度(速度)等信息。

(通知用用户状态管理部件110的各部件的动作)

接着，说明构成通知用用户状态管理部件110的各部件的动作。

在通知用用户状态管理部件110中，以应该在信息通知中考虑的“信息认知度”和“任务中断度”这2个要素为中心进行管理。“信息认知度”是指用户感知并识别信息的内容的程度。“任务中断度”是指表示用户现在正在执行的作业(任务)因信息通知而在怎样的程度上中断的程度。这2个要素是在人的信息处理过程中比较低位的要素，对信息的内容的依存度小。

但是，由于它们是不能直接观测的要素，所以导入对两个要素有影响的能够直接观测的要素，考虑与它们的因果关系地进行推测。具体地说，用户内部状态推测部件112导入用户动作状态要素和任务状态要素中的至少一个要素，根据导入了的要素和作为控制对象的信息表现要素，推测2个要素，即“信息认知度”和“任务中断度”。

在此，可以使用贝斯网络(Bayesian network：信念/概率/因果网络)，适合于对如用户内部的意图那样包含许多无法完全观测的事项、天气或混杂了噪音的信号的事项那样的存在许多不确实的信息的事项进行处理。

贝斯网络是通过图(graph)构造来表现多个概率变量间的定性的依存关系，并以事先附加了条件的概率表现了各个变量间的定量的关系的模型。即，贝斯网络是通过概率变量、概率变量间的附加条件的依存关系、该附加条件的概率这3个来进行提示的概率模型。变量是节点，用顺着从原因到结果的变量的方向的有效连接来表示变量间的依存关系，将连接的目的地节点称为子节点，将连接方的节点称为父节点。

用户内部状态推测部件112使用贝斯网络，用要素间的概率变量来管理不可观测的要素、可观测的要素间的动态关系，概率地预测信息认知性和任务中断性这2个要素。通过使用贝斯网络，能够在统计概率的方法下统一并且低损失地对用户内部的无法完全观测的事项、从没有考虑到的因素的影响例如噪音等进行处理。另外，通过使用贝斯网络，还能够与无法直接观测到的潜在要素、将来出现的新的要素进行对应。

使用贝斯网络来表现2个非观测用户状态要素，即“信息认知度”、“任务中断度”、其他要素的因果关系。具体地说，例如信息显示终端上的任务状态和用户动作状态的至少一个和信息表现成为原因要素，生成对信息认知度和任务中断度的因果网络。图4表示贝斯网络的例子。其中，各要素间的连接(箭头)只是一个例子，可以动态地与因果关系的强度对应地进行变更。

(构成贝斯网络的要素)

接着，参考图4说明构成贝斯网络的要素。

“用户动作状态”要素表示用户的动作的状态，例如具有“目不转睛地注视”、“正在步行”、“正在跑步”、“正在上楼梯”、“正在下楼梯”等离散变量值。作为取得这些注视状态的方法，可以适用使用了外部照相机的图像识别的方法、对来自可佩带(wearable)传感器的信息进行分析的方法等。对于这些方法，例如在“Multi-Sensor ActivityContext Detection for Wearable Computing”，Nicky Kern and BerntSchiele，In European Symposium on Ambient Intelligence(EUSAI)，Eindhoven，The Netherlands，November 2003中有记载。

“任务状态”要素表示信息显示终端上的用户的作业状态。例如具有“什么也没做”、“看着信息显示终端但什么也没做”、“Web浏览”、“正在编辑E-Mail”、“检索辞典”、“查看图像”、“设置终端”、“观赏电影”、“参考文档”等离散变量值。可以根据信息显示终端上的OS(操作系统)或者应用程序状态信息得取得它们。

其中，对于“看着信息显示终端但什么也没做”，无法根据信息显示终端上的OS或应用程序状态取得。因此，对于用户的视线是否存在于信息显示终端上，即注视状态，可以适用使用了外部照相机的图像识别的方法、用户佩带头戴式显示器(HMD：head mount display)等的方法、对来自安装在终端上的传感器的信息进行分析的方法等。

“信息表现”要素表示信息显示终端上的信息表现、显示方法。例如，表示文字、电影、动画等可视媒体、音频媒体、振动媒体等媒体类型。另外，对于文字媒体，有显示位置、大小、文字提示方法、信息的更新频度(速度)的区别。如图5所示，对于显示位置、大小，例如有对画面全体的显示、对画面下部、画面横部的显示，对于提示方法，有水平方向和垂直方向的滚动显示、切换类型。另外，在滚动和切换中，作为其频度(速度)有高速显示和低速显示。在后述的通知信息显示控制部件134中对它们进行控制。

在得到作为以上那样的可观测的状态要素的“用户动作状态”要素和“任务状态”的情况下，用户内部状态推测部件112根据由这些可观测状态要素、“信息认知度”要素和“任务中断度”要素构成的贝斯网络，进行概率计算。通过这样，能够计算“信息认知度”要素和“任务中断度”要素的概率。

另外，用户内部状态推测部件112在现实世界的信息通知中，如移动环境那样，在判断出用户正在关注信息显示终端的情况下，也可以预测为任务中断性较低，信息认知性高。

另外，用户内部状态推测部件112在对信息显示终端的关注度的基础上，也可以根据用户和信息显示终端的状态、用户在信息显示终端上进行的作业(任务)状态、用户对这些任务的熟悉度，求出任务中断性要素和信息认知性要素。

另外，用户内部状态推测部件112也可以对“信息认知度”要素和“任务中断度”要素设置任意的值，反推测能够满足它们的可观测状态的值和组合的至少一个，根据反推测出的值是否与可观测状态要素一致，进行“信息认知度”要素和“任务中断度”要素的概率计算。

在此，对于用于作成这些构造模型的模型参数推测的学习，必须事前通过离线(offline)进行学习。另外，也可以在线(online)地学习。将在后面说明后者。对于离线学习，通过做出产生构成模型的要素所能够取得的离散变量的全部组合的状况，并观测客观信息来实现。使用例如AIC(Akaike’s information criterion)、MDL(Minimumdescription length)、BIC(Bayesian information criterion)来决定模型构造。

(用户通知效用导出部件114的处理)

接着，说明用户通知效用导出部件114。

用户通知效用导出部件114根据信息认知度要素的概率和任务中断度要素的概率，计算出在该定时下向用户通知信息时所期待的期待效用值。用户通知效用导出部件114可以与来自通知执行部件126的要求对应地提供各时刻的期待效用值(查询型方法)，也可以在满足预先给定的条件式例如基准值的情况下，提供表示满足基准值的信息(事件型方法)。

在本实施例中，说明在进行期待效用值的导出时，作为通知信息的发送定时信息，预先由信息提供者赋予信息的有效时刻的情况。例如，如果是销售信息则是其结束时间，如果是等待信息则是等待时间，在报告丢失了物品的通知信息中是其瞬间的时间等。另外，也可以通过确认在发送定时信息中记载的内容、或者对该内容进行构文分析，来取得信息的量(长度)。

接着，参考图6，说明根据发送定时信息和上述2个要素，即“信息认知度”要素和“任务中断度”要素，求出期待效用值的导出方法的一个例子。

具体地说，设信息认知度的概率P(InfoRec|E)(其中InfoRec∈{infoRecHigh，infoRecLow})、任务中断度的概率P(Inter|E)(其中Inter∈{interHigh，interLow})，将根据信息认知度赋予的效用值定义为U(InfoRec)，将根据任务中断赋予的效用值定义为U(Inter)。

根据以上说明，通过以下的式(1)赋予期待效用值(EU：ExpectedUtility)。在此，E是指汇集了在进行信息通知时能够观测的证据的情况，E＝{信息表现，任务状态，用户动作状态}＝{InfoRep，Task，Motion}。因此，P(InfoRec|E)正确的是P(InfoRec|InfoRep，Task，Motion)，P(Inter|InfoRep，Task，Motion)。在此，W_InfoRec和W_Inter是信息认知度和任务中断度各自的加权系数。

$\mathrm{EU}(\mathrm{InfoRec},\mathrm{Inter})=W_{\mathrm{InfoRec}}\×\underset{\mathrm{InfoRec}\∈\{\mathrm{InfoRecHigh},\mathrm{InfoRecLow}\}}{\mathrm{\Σ}}P\left(\mathrm{InfoRec}\right|E)U\left(\mathrm{InfoRec}\right)$

$+W_{\mathrm{Inter}}\×\underset{\mathrm{Inter}\∈\{\mathrm{InterHigh},\mathrm{InterLow}\}}{\mathrm{\Σ}}P\left(\mathrm{Inter}\right|E)U\left(\mathrm{Inter}\right)$

                                      公式(1)

以下，将时刻索引设为t，将在时刻索引t时提示的通知信息的索引设为m。在该情况下，在t＝t+1时，通知m+1的通知信息。

(期待效用值的具体例子)

接着，说明期待效用值EU的一个具体例子。

定义与信息认知度InfoRec(其中InfoRec∈{infoRecHigh，infoRecLow})对应的信息认知灵敏度InfoRecSensitivity(InfoRec)、与任务中断度Inter(其中Inter∈{interHigh，interLow})对应的任务负荷TaskLoad(Inter)、通知信息m的信息量InfoLength(m)bytes、通知信息m的提示时间T_display(m)。在此，InfoRecSensitivity(InfoRec)是单位时间的认知信息处理速度，例如单位是bytes/sec。另外，W(m，t)是由现在的时刻Time决定的加权，例如紧急度越高则具有越高的值，例如，定义为时刻t的递减函数。

根据以上说明，通过下式计算出根据信息认知度赋予的效用值U(InfoRec)和根据任务中断赋予的效用值U(Inter)。在此，T_fullrec(m)是全部认知第m个通知信息所必需的时间，在提示时间T(m)大于等于T_fllrec(m)的情况下，作为全部认知信息，U(InfoRec)与信息量相等。即，U(InfoRec)表示在所监视的时间内能够通知的信息量。

因此，公式(2)和公式(3)成立。

U(InfoRec，m)＝InfoRecSensitivity(InfoRec)×T(m)(if T_fullrec(n)＞T(m))

                                                              公式(2)

U(InfoRec，m)＝InfoLength(m)(if T_fullrec(m)≤T(m))

                                                              公式(3)

其中，T_fullrec＝InfoLength(m)/InfoRecSensitivity(InfoRec(m))

另外，用公式(4)表示U(Inter)。在此，TaskLoad(Inter)表示由于通知而增加的任务负荷增加率，ProcessSpeed(MainTask)是进行主任务(MainTask)的情况下的用户的信息处理速度，TI(TaskImportance)表示主任务(Main Task)的重要度，通过将由于信息通知而主任务的信息处理速度延迟怎样的程度乘以任务的重要度的加权来表示。即，U(Inter)表示监视的时间内的主任务的信息处理量。

U(Inter，m)＝(ProcessSpeed(MainTask)/TaskLoad(Inter))×TI(Maintask)

                                                            公式(4)

用户通知效用导出部件114计算出期待效用值，使得在监视的时间内能够通知的信息量、其间的主任务的信息处理量的总和为最大。

进而，在定义通知信息m的信息重要度(包含紧急度等)W(m，Time)的情况下，使用W(m，Time)，如下式(5)和(6)那样表现U(InfoRec，m)。

U(InfoRec，m)＝InfoRecSensitivity(InfoRec)×T(m)×W(m，Time)

(if T_fullrec(m)＞T(m))

                                                    公式(5)

U(InfoRec，m)＝InfoLength(m)×W(m，Time)(if T_fullrec(m)≤T(m))

                                                    公式(6)

另一方面，不只是现在(t＝t)要提供的通知信息m，还可以考虑到过去(t＝t-1)的通知信息(m-1)和预测在未来(t＝m；m＞0)的至少一个时间通知的通知信息(m)地决定EU值。例如，计算将现在的“信息认知性”要素和“任务中断性”要素、追溯规定的时间的“信息认知性”要素和“任务中断性”要素作为构成要素的效用值。在该情况下，导出基于各时刻的信息提供的效用值。

图7表示考虑到过去(t＝t-1)的通知信息(m-1)和预测为在未来(t＝m；m＞0)通知的通知信息(m)而决定EU值的情况的概念图。

在此，如果能够通过m表现在考虑到的将来的时间窗口T_W(例如1分钟或30秒)内可提供的通知信息的索引，则m为0≤m≤M_max。在此，M_max是满足以下公式(7)的最大的整数。

$\underset{m=0}{\overset{M_{\max }}{\mathrm{\Σ}}}T\left(m\right)\≤T_w$ 公式(7)

使用以上的M_max，可以如图8所示那样求出EU。在公式(8)中，右边第一项表示与前一个提供信息有关的效用值，第二项表示与现在要提供的通信信息有关的效用值，最终项表示从现在时刻开始在T_W时间内提供的M_max个通知信息的效用值。EU为这些效用值的合计。

$\mathrm{EU}(\mathrm{InfoRec},\mathrm{Inter})={\mathrm{EU}}_{m-1}(\mathrm{Info}(m-1),\mathrm{Inter}(m-1))+$

${\mathrm{EU}}_m(\mathrm{Info}\left(m\right),\mathrm{Inter}\left(m\right))+\underset{m=m+1}{\overset{M_{\max }}{\mathrm{\Σ}}}{\mathrm{EU}}_m(\mathrm{Info}\left(m\right),\mathrm{Inter}\left(m\right))$

                                      公式(8)

在此，由于EU_m-1是已经提供的信息，所以P(InfoRec|E)为1，并且由于决定了InfoRec，所以使用从通知时的时刻索引t＝t-1所示的时刻到现在的时刻索引t所示的时刻的经过时间T(m-1)，通过上式U(InfoRec，m-1)进行计算。

另一方面，由于EU_m是预测值，所以作为现在时刻的状态的继续，对于在贝斯网络中利用的观测要素而求出P(InfoRec|E)。另外，对于P(Inter|E)，也使用作为参数的提供时间T(m)进行预测。但是，期待效用值的求取方法并不只限于上述，也可以使用其他方法。

另一方面，如上述那样，不只是根据U和概率P计算EU，也可以通过事先对概率P(Inter)或P(InfoRec)进行比较，来决定效用值。例如有以下的方法：通过比较P(Inter)和P(Inter|E)，而根据U(InfoRec)和P(InfoRec|E)计算出效用值。这实现了在推测出的任务中断度比事先的概率高时不进行通知的控制。

$\mathrm{EU}(\mathrm{InfoRec},\mathrm{Inter})=\underset{\mathrm{InfoRec}\∈\{\mathrm{InfoRecHigh},\mathrm{InfoRecLow}\}}{\mathrm{\Σ}}P\left(\mathrm{InfoRec}\right|E)U\left(\mathrm{InfoRec}\right)$

其中

P(Inter|E)＜P(Inter)

                                     公式(9)

EU(InfoRec，Inter)＝0

其中

P(Inter|E)＞P(Inter)

                                     公式(10)

或者，也可以根据P(Inter)和P(Inter|E)的比例进行计算。

用户通知效用导出部件114向通知执行部件126通知作为通过上述计算公式导出的期待效用值的最大值的最大期待效用值(MEU：Maximum expected utility)。通过以下的公式(11)计算出最大期待效用值。

$\mathrm{MEU}=\underset{\mathrm{InfoRec},\mathrm{Inter}}{\max }\mathrm{EU}(\mathrm{InfoRec},\mathrm{Inter})$ 公式(11)

在考虑到过去和未来的EU的情况下，作为将0≤m≤M_max的提示时间T(m)作为参数，通过根据Lagrange未定乘数法等决定T_W时间内的最大MEU，能够决定各T(m)。

另外，也可以根据将从贝斯网络推测的“信息认知度”要素和“任务中断度”要素作为变量的效用函数，来导出与信息通知有关的各时刻的期待效用值。

如果计算出期待效用值，则用户通知效用导出部件114向通知执行部件126发送其最大值MEU和赋予该最大值的信息表现方法的索引。图8表示用户通知效用导出部件114所发送的信息表现索引信息的表的例子。

在信息表现索引表中，在每个信息表现索引中记载有媒体类型、位置、大小、文字显示方法和更新速度等。

通知执行部件126将接收到的最大通知效用值与阈值MEU_th进行比较，判断是否进行发送。在进行发送的情况下，向通知信息显示控制部件134发送通知信息、信息表现索引信息。

可以通过预先静态地决定，或根据过去的履历决定阈值MEU_th。例如可以根据过去进行了信息提供的情况下的{信息表现，任务状态，用户动作状态}信息、反馈状态信息{显示速度调整操作，显示大小调整操作、任务速度}信息的组合，求出作为{信息认知度，任务中断度}的P(InfoRec|InfoRep，Task，Motion，SpeedAdapt，SizeAdapt，TaskSpeed)和P(Inter|InfoRep，Task，Motion，SpeedAdapt，SizeAdapt，TaskSpeed)。然后，根据它们计算出EU，求出并积蓄过去进行了信息提供时的EU。通过这样，能够求出最适的MEU_th。

(具体的计算例子)

接着，说明具体的计算的一个例子。

在进行计算时，需要贝斯网络的构造和表示各要素间的关系的附加条件的概率表(CPT)。因此，表示如图9所示那样赋予它们的情况下的计算例子。其中，由于表示计算结果例子，所以图9删除了图4的构造中的几个连接。另外，为了简化计算例子，而限制了各要素的离散变量。

通过参照对任务中断要素的附加条件的概率表，能够取得与赋予用户状态和任务状态时的信息表现对应的作为信息通知前的“任务中断度＝高”的概率P(Inter|Rep，Task)。例如，在“信息表现方法＝小窗口”、“任务状态＝电子邮件”的情况下，能够导出“任务中断度”的概率P(InterHigh|RepSWindow，TaskEmail)＝0.4，P(InterLow|RepSWindow，TaskEMail)＝0.6。

同样地，通过参照对信息认知要素的附加条件的概率表(未图示)，例如能够导出“信息认知度”的概率P(InfoRecHigh|RepSWindow，MotionWalking，TaskEmail)＝0.2，P(InfoRecLow|RepSWindow，MotionWalking，TaskEMail)＝0.8。

在此，在定义为U(InfoRecHigh)＝0.8，U(InfoRecLow)＝0.2和U(InterHigh)＝-0.8，U(InterLow)＝-0.4的情况下，可以如下这样进行计算。

EU＝(0.2×0.8+0.8×0.2)+{0.4×(-0.8)+0.6×(-0.4)}＝-0.24

基于以上的计算，通过对全部的信息表现方法计算EU，能够计算出MEU。

进而，如上所述，可以通过与事前概率P(Inter)进行比较来进行判断。例如，可以如下这样地计算出P(Inter)。

$P\left(\mathrm{InterHigh}\right)=\underset{\mathrm{Task}}{\mathrm{\Σ}}\underset{\mathrm{Rep}}{\mathrm{\Σ}}P\left(\mathrm{InterHigh}\right|\mathrm{Task},\mathrm{Rep})P\left(\mathrm{Task}\right)P\left(\mathrm{Rep}\right)$

＝P(InterHigh|TaskNothing，RepNothing)P(TaskNothing)P(RepNothing)

+P(InterHigh|TaskNothing，RepSWindow)P(TaskNothing)P(RepSWindow)

+P(InterHigh|TaskNothing，RepLWindow)P(TaskNothing)P(RepLWindow)

+P((InterHigh|TaskMail，RepNothing)P(TaskMail)P(RepNothing)

+P((InterHigh|TaskMail，RepSWindow)P(TaskMail)P(RepSWindow)

+P((InterHigh|TaskMail，RepLWindow)P(TaskMail)P(RepLWindow)

＝0.1×0.7×0.1+0.2×0.7×0.5+0.3×0.7×0.4

+0.2×0.3×0.1+0.4×0.3×0.5+0.9×0.3×0.4

＝0.334

通过以上计算，由于P(InterHigh|RepSWindow，TaskEMail)＞P(InterHigh)，所以能够计算出EU＝0。

接着，说明基于事后概率推测，决定阈值MEU_th的方法。

例如，在对处于“信息表现＝小窗口”、“任务状态＝电子邮件”的状态下的用户进行信息通知的情况下，可以将作为用户应答而原始任务(在此为电子邮件)的速度变慢(即“任务速度＝慢”)，但不进行与大小变更的按键对应的调整(即“大小调整＝无”)考虑为阈值条件。因此，从产生了上述那样的组合的情况下的过去的例子中，如下这样求出“任务中断度＝高”的事后概率P(InterHigh|TaskMail，RepSWindow，TaskSpeedSlow，SizeAdaptNothing)。

首先，可以通过以下的公式(14)表现这些要素的同时概率。

P(InterHigh，TaskMail，RepSWindow，TaskSpeedSlow，SizeAdaptNothing)

＝P(InterHigh|TaskMail，RepSWindow，TaskSpeedSlow，SizeAdaptNothing)×P(TaskMail，RepSWindow，TaskSpeedSlow，SizeAdaptNothing)

                                                        公式(14)

另一方面，同样地也可以如下式(15)那样表现。

P(InterHigh，TaskMail，RepSWindow，TaskSpeedSlow，SizeAdaptNothing)

＝P(TaskSpeedSlow|InterHigh)×P(SizeAdaptNothing|InterHigh)×P(InterHigh|TaskMail，RepSWindow)×P(TaskMail)×P(RepSWindow)

                                                        公式(15)

因此，可以根据贝斯定理如下式(16)那样导出要求出的概率。

P(InterHigh|TaskMail，RepSWindow，TaskSpeedSlow，SizeAdaptNothing)

＝P(TaskSpeedSlow|InterHigh)×P(SizeAdaptNothing|InterHigh)×P(InterHigh|TaskMail，RepSWindow)×P(TaskMail)×P(RepSWindow)/P(TaskMail，RepSWindow，TaskSpeedSlow，SizeAdaptNothing)

                                                        公式(16)

在此，可以如下这样进行计算。

P(TaskSpeedSlow|InterHigh)×P(SizeAdaptNothing|InterHigh)×P(InterHigh|TaskMail，RepSWindow)×P(TaskMail)×P(RepSWindow)＝0.8×0.2×0.4×0.5×0.3＝0.0096

另一方面，如下这样计算P(TaskMail，RepSWindow，TaskSpeedSlow，SizeAdaptNothing)。

P(TaskMail，RepSWindow，TaskSpeedSlow，SizeAdaptNothing)

×P(Inter|TaskMail，RepSWindow)×P(TaskMail)×P(RepSWindow)

＝(TaskSpeedSlow|InterHigh)×P(SizeAdaptNothing|InterHigh)×P(InterHigh|

TaskMail，RepSWindow)×P(TaskMail)×P(RepSWindow)+P(TaskSpeedSlow|InterLo

w)×P(SizeAdaptNothing|InterLow)×P(InterLow|TaskMail，RepSWindow)×P(Tas

kMail)×P(RepSWindow)

＝0.8×0.2×0.4×0.5×0.3+0.2×0.5×0.6×0.5×0.3

＝0.0186

$=\underset{\mathrm{Inter}\∈(\mathrm{High},\mathrm{Low})}{\mathrm{\Σ}}P\left(\mathrm{TaskSpeedSlow}\right|\mathrm{Inter})\×P\left(\mathrm{SizeAdaptNothing}\right|\mathrm{Inter})$

通过以上计算，可以如下这样计算出所求取的值。

P(InterHigh|TaskMail，RepSWindow，TaskSpeedSlow，SizeAdaptNothing)

＝0.0096/(0.0096+0.009)＝0.516129

通过以上的计算方法，能够计算出事后概率P(InterHigh|TaskMail，RepSWindow，TaskSpeedSlow，SizeAdaptNothing)，根据这些履历中的最大值、或者平均值，决定阈值MEU_th。

如上所述，在赋予图9那样的贝斯网络的情况下，能够计算出期待效用值EU。

(通知信息显示控制部件134的结构例子)

接着，说明通知信息显示控制部件134。通知信息显示控制部件134使用由通知执行部件126接收到的通知信息，例如通知信息内容和信息表现索引，实际在信息显示终端上提示信息。通知信息显示控制部件134具有能够显示通知信息的用户界面能力，控制显示位置、大小、文字提示方法、信息的更新频度(速度)。对于界面，能够由用户调整信息通知的定时和表现方法。

进而，通知信息显示控制部件134能够接受来自用户的互动，例如如图10所示那样，具有能够变更显示位置、大小的按键、能够变更显示更新频度(速度)的按键、停止显示自身的按键等，能够对应用户的喜好。另外，通过点击信息自身，能够对连接信息进行访问。

(反馈信息收集部件132的结构例子)

接着，说明反馈信息收集部件132。

反馈信息收集部件132获得用户对通知信息显示控制部件134所具有的按键等的互动信息，并作为反馈信息通知信息通知状态履历积蓄部件116。

进而，在反馈信息中包含显示速度调整操作、显示大小调整操作以及任务执行速度，反馈信息收集部件132测定该任务执行速度。反馈信息收集部件132测量到各种应用程序开始为止的按键操作的速度、邮件编辑时的文字输入速度、WEB参照时的浏览速度等，取得不明确的反馈信息，例如信息通知时已经由用户执行的信息显示终端上的任务速度的变化，并进行反馈。通过对这些信息进行反馈，用户状态模型更新部件115能够对上述的任务状态与信息认知度要素和任务中断度要素的关系进行更新。另外，反馈信息收集部件132在显示了信息的情况下或没有显示信息的情况下，都测量对信息显示终端上的其他任务的操作速度，并向信息通知状态履历积蓄部件116通知。

在此，应该注意的是，反馈信息收集部件132只不过收集与通知信息显示控制部件134对应的经由界面的按键等的反馈信息。与此相对，由传感部件150收集与用户界面部件130同时显示的应用程序，例如对邮件客户端的互动等用户互动。但是，为了进行模型更新，由反馈信息收集部件132收集由反馈信息收集部件132指定的某特定应用程序互动信息。

信息通知状态履历积蓄部件116对通知了的互动信息进行积蓄。然后，将这些信息用于用户状态模型的更新、用于模型精度提高的通知控制。

信息通知状态履历积蓄部件116积蓄并管理构成进行了信息通知时的模型的要素的状态的履历(与快照(snapshot)相当)。信息通知状态履历积蓄部件116在进行了信息通知的情况下，或者在没有进行信息通知的情况下，也可以在观测到某特定状态的组合的情况下，将构成模型的全部要素的变量值及其反馈信息的全部组合作为表进行积蓄管理。

另外，反馈信息收集部件132也可以作为反馈信息，向信息通知状态履历积蓄部件116通知1个或多个之前已经通知了的通知信息、通知了这些通知信息的情况下的与信息认知性有关的信息。通过这样，用户状态模型更新部件115能够根据与信息认知性有关的信息更新状态模型，因此能够根据现在的信息认知性通知信息。例如，可以控制为能够向用户通知的信息量更多。

在此，在进行了信息通知的情况下，或者也包含没有进行的情况下，从反馈信息收集部件132向信息通知状态履历积蓄部件116输入是否产生了信息通知、产生了的情况下的通知信息显示控制部件134中的显示时刻、以及与它们对应的图11所示那样的反馈信息索引。另外，还由环境用户状态积蓄部件146输入与该显示时刻信息一致的环境用户状态信息。信息通知状态履历积蓄部件116对输入的履历信息进行管理。其中，由于无法直接观测到“信息认知度”和“任务中断度”，所以根据信息提供时观测到的{信息表现，任务状态，用户动作状态}信息、反馈状态信息{显示速度调整操作，显示大小调整操作，任务速度}信息，推测“信息认知度”和“任务中断度”。例如，可以通过在上述阈值MEU_th的导出的项目中所述的方法进行计算并推测。在此，图12表示履历信息的表的例子。在履历信息中，与时刻对应地记载有动作状态、任务状态、信息表现和反馈。

进而，也可以作为表预先保有全部环境和用户状态的组合，并对产生频度进行计数。图13表示该情况下的产生频度的表的一个例子。在产生频度表中，与索引对应地记载有动作状态、任务状态、信息表现索引和产生频度。

(模型的更新处理)

接着，说明模型的更新处理。

与是否进行了信息通知无关地，为了使用所得到的来自用户的反馈信息等，提高模型的精度，而进行模型的更新。即，可以通过练习数据的学习来实现离线的初始教师数据，但它们只不过是用于练习的参考数据，所以由此生成的模型也并不是初始模型。因此，必须通过本信息通知系统的利用，来提高模型的精度。由用户状态模型更新部件115实现该处理。

用户状态模型更新部件115根据在信息通知状态履历积蓄部件116中积蓄的数据，求出各要素间的概率变量，进行模型构造的更新。例如，用户状态模型更新部件115在每次向信息通知状态履历积蓄部件116追加新的信息时，或者在每次积蓄一定数的新信息时，都进行模型构造的更新。在实现时，通过与根据练习数据作成模型时一样的处理来实现。

另外，用户状态模型更新部件115也可以根据在信息通知状态履历积蓄部件116中积蓄的数据，动态地变更(学习)状态要素间的关系的全体构造。

如上所述那样，根据信息通知和与其对应的来自用户的明确或不明确的反馈信息，能够动态地更新上述贝斯网络，能够更新用户状态模型。因此，能够对各用户进行对应(personalization)。

但是，只是依照通知执行部件126的判断来实现适当的信息通知，还难以取得构成用户状态模型的要素的全部能够取得的组合的履历信息。因此，难以正确地导出上述那样的要素间的因果关系和求出更适当的模型构造，作为结果，必须提高模型自身的表现精度。

因此，以积极地提高用户状态模型的表现能力的精度为目的，要在产生了过去产生过的组合以外的组合的情况下，积极地进行信息通知。具体地说，通过由模型精度提高用通知控制部件118对管理过去的信息通知履历的信息通知状态履历积蓄部件116进行查询，来检测出产生频度少的组合状态。然后，通过监视从环境用户状态生成部件142输入的环境用户状态信息，在产生了该组合的情况下，向通知执行部件126通知信息通知的委托。

即，对过去观测到的各状态要素的组合进行管理，并进行控制使得积极地产生频度少的组合事项。通过这样，能够构筑更高精度的要素间关系构造。

以下，与上述2个处理，即查询型处理和事件型处理相区别地，将本通知处理称为“状态组合事件型信息通知处理”。

另一方面，模型精度提高用通知控制部件118定期地从信息通知状态履历积蓄部件116获得产生频度低的组合索引信息。然后，与来自环境用户状态生成部件142的信息进行对照处理，在一致的情况下，向通知执行部件126发送添加了其信息表现索引信息的信息通知委托。

参考图14说明以上的模型精度提高用通知控制部件118的处理。

最初，模型精度提高用通知控制部件118从信息通知状态履历积蓄部件116获得产生频度低的组合索引信息(步骤S1402)。

接着，模型精度提高用通知控制部件118从环境用户状态生成部件142获得环境用户状态信息(步骤S1404)。

接着，进行所获得的环境用户状态信息、产生频度低的组合索引信息的对照处理(步骤S1406)。

在环境用户状态信息和产生频度低的组合索引信息不一致的情况下(步骤S1506，YES)，模型精度提高用通知控制部件118判断环境用户状态信息中是否有结束命令信号(步骤S1408)。在有结束命令信号的情况下(步骤S1408，YES)，结束。另一方面，在没有结束命令信号的情况下(步骤S1408，NO)，返回到步骤S1404。

另一方面，在环境用户状态信息和产生频度低的组合索引信息一致的情况下(步骤S1406，NO)，模型精度提高用通知控制部件118发出信息通知委托(步骤S1410)。接着，模型精度提高用通知控制部件118判断在环境用户状态信息中是否有结束命令信号(步骤S1412)。在有结束命令信号的情况下(步骤S1412，YES)，结束。另一方面，在没有结束命令信号的情况下(步骤S1412，NO)，返回到步骤S1402。

接着，参考图15说明状态组合事件型信息通知处理。

传感器信息接收部件144周期地从传感部件150收集传感器信息(步骤S1502)，并输入到环境用户状态生成部件142。环境用户状态生成部件142作成表示环境和用户的状态的环境用户状态信息，并将作成的环境用户状态信息输入到模型精度提高用通知控制部件118(步骤S1504)。

另一方面，服务提供者或信息接收用户自身随时地向通知信息接收部件122输入向信息接收用户通知的信息的内容(步骤S1506)。通知信息接收部件122将输入的信息的内容输入到通知信息积蓄部件124。

在此，模型精度提高用通知控制部件118定期地从信息通知状态履历积蓄部件116获得产生频度低的组合索引信息并设置(步骤S1508)。另外，模型精度提高用通知控制部件118对从环境用户状态生成部件142输入的环境用户状态信息和产生频度低的组合索引信息进行对照，判断是否一致。

在环境用户状态信息和产生频度低的组合索引信息一致的情况下，模型精度提高用通知控制部件118向通知执行部件126发送附加了信息表现索引信息的信息通知委托(步骤S1510)。

通知执行部件126向通知信息显示控制部件134发送通知信息内容和信息表现索引(步骤S1512)，通知信息显示控制部件134根据信息表现索引所示的显示方法，显示信息内容(步骤S1514)。在信息显示后(步骤S1516)，反馈信息收集部件132从接收到信息的用户收集反馈的互动信息(步骤S1518)，并作为反馈信息输入到信息通知状态履历积蓄部件116(步骤S1520)。通过这样，能够积极地提高用户状态模型的表现能力的精度。

接着，说明传感部件150和环境用户状态管理部件140。

最初，说明传感部件150。

传感部件150是指加速度传感器、振动传感器、麦克风、照相机等各种传感器、计算机、便携电话等终端等的具有获得并输出表示用户和环境的状态的信息的功能的所有部件。当然，也有在同一信息显示终端上配置有用户界面部件130和传感部件150的情况。传感部件150所获得的信息被通知给传感器信息接收部件144。

另一方面，传感器信息接收部件144将由传感部件150接收到的信息输入到环境用户状态生成部件142。

环境用户状态生成部件142通过与信息的种类对应地进行前处理和规格化处理，来除去某种程度的变动和噪声。然后，通过从这些信息进行特征抽出，来作成特征向量，通过进行分类等识别处理，来生成有意义的信息。这些处理根据对象数据和希望识别的对象而不同。例如，对于构成上述网络的用户动作状态，例如将安装在用户上的可佩带加速度传感器的信息划分为某固定的时间窗口而进行特征抽出。通过这样，能够以时刻为单位作成“停止”、“正在行走”、“正在跑步”等状态信息。

将这些环境用户状态信息输入到环境用户状态积蓄部件146，与时刻信息一起进行积蓄和管理。

根据本发明的实施例，能够实现掌握在现实世界中生活的用户的状况，特别能够一边将用户的任务中断性抑制为较低一边将信息的认知性保持为高的信息通知。任务中断性、信息认知性的2个要素由于是不能直接观测的人的内部状态，所以导入对两个要素有影响的可观测要素，通过动态地保持、管理这些多个要素间的关系构造，能够进行与状况对应的适当的状态管理，并能够根据该状态，进行适当的信息通知。

另外，作为人的内部状态要素，能够一边动态地推测基于通知的“信息的认知状态”和“任务的中断度”一边控制通知方法。另外，还能够一边循环进行通知一边动态地学习和更新这些要素间的关系的状态。

(用于信息再通知的结构)

在本发明中，在执行信息再通知的基础上，考虑到用户的信息认知度的用户状态地判断是否进行再通知，进行再通知控制。具体地说，针对在存在各种信息显示终端的现实世界中生活的用户、拥有信息显示终端的用户，不必须进行明确的用户互动，而推测用户的信息接收状态，判断是否接收到，在判断为没有接收到的情况下，进行再次通知。在此，“信息认知度”是指用户感知并识别信息的内容的程度。该要素是在人的信息处理过程中比较低位的要素，对信息内容的依存度小。由此，在现有的用户主导(要求)型的信息通知中没有产生的Proactive或Push型信息通知中，通过根据任意的状态检测接收失败的信息，并向用户进行再次通知，而能够避免信息接收的损失。

具体地说，考虑到通知了信息时的用户状态，例如信息显示终端上的用户注视状态、信息终端上的任务、用户的任务熟悉度、用户动作状态、信息内容(信息紧急度、信息量)、信息认知速度、通知后的状态变化、应用程序变化等，来推测用户的信息接收状态。另外，本发明的作为终端装置的用户终端包含能够提示信息的任意的信息通知装置，例如显示型装置。作为信息通知装置，包含桌面型PC、电视、电子广告牌、信息窗口、便携型PC、PDA、手提终端、便携电话机、手表、将来的便携式显示器等。

(信息再通知系统的结构)

图16是表示本实施例的信息再通知系统的结构例子的框图。在该图中，本实施例的信息再通知系统10由控制再通知的通知控制服务器1000、用户接收并参考通知信息的用户终端200、向用户发送通知信息的信息提供者300构成。

(通知控制服务器的结构)

通知控制服务器1000由以下部分构成：推测与信息再通知有关的用户状态，判断是否进行再通知，并与判断结果对应地进行再通知委托的再通知控制部件1200；与再通知控制部件1200连接，并进行通知控制的服务器侧通知控制部件1400；与再通知控制部件1200连接，取得并管理用户状态的环境用户状态管理部件160。

通知控制服务器1000内的再通知控制部件1200由以下部分构成：推测用户的状态，判断是否进行信息的再通知的再通知判断部件1220；根据再通知判断部件1220的再通知判断结果信息S101，发送用于再通知已通知信息的通知信息再积蓄委托S102的再通知委托部件1300；积蓄信息通知委托S103的已通知信息积蓄部件1320。

(再通知判断部件1220)

再通知判断部件1220由以下部分构成：进行是否进行再通知的判断的再通知决定部件1240；推测用户的状态的信息认知度推测部件1260；积蓄期待信息认知量的期待信息认知量积蓄部件128。

(再通知决定部件1240)

再通知判断部件1220内的再通知决定部件1240与从用户终端200输入的提示控制信息S104对应地，向信息认知度推测部件1260输出信息认知度推测委托S105。在此，提示控制信息S104由从通知控制服务器1000发送并向用户提示的通知信息(即已通知信息)的标识符、表示向用户通知已通知信息的时刻的时刻信息等构成。另外，信息认知度推测委托S105由已通知信息的标识符、向用户通知已通知信息的时刻(即提示时刻)的信息等构成。然后，再通知决定部件1240根据从信息认知度推测部件1260回送的信息认知度信息S106，计算出期待信息认知量。期待信息认知量是推测为由用户认知了已通知信息的信息量。将在后面说明该期待信息认知量。

进而，再通知决定部件1240向已通知信息积蓄部件1320输出已通知信息长度取得委托S107，并取得由与已通知信息的标识符对应的信息的信息长度和关联的元信息构成的应答S108。另外，再通知决定部件1240向期待信息认知量积蓄部件128输出用于取得过去通知时的期待信息认知量(以下称为前期待信息认知量)的前期待信息认知量取得委托S109，并取得包含在与之对应的前期待信息认知量取得委托应答S110中的与已通知信息的标识符对应的信息的前期待信息认知量。

然后，再通知决定部件1240对先计算出的期待信息认知量、考虑了过去的前期待信息认知量的期待信息认知量、已通知信息的信息长度和已通知信息的元信息(重要度信息等)进行比较。通过对它们进行比较，再通知决定部件1240判断是否进行再通知，并向再通知委托部件1300输出再通知判断结果信息S101。再通知判断结果信息S101由以下部分构成：在进行再通知的情况下为“1”，在不进行再通知的情况下为“0”的决定再次通知的判断信息；已通知信息的标识符。将在后面详细进行说明。

进而，再通知决定部件1240在上述判断后，向期待信息认知量积蓄部件128输出期待信息认知量积蓄删除委托S111。在再通知的情况下，该期待信息认知量积蓄删除委托S111包含新计算出的期待信息认知量、已通知信息的标识符。另一方面，在不进行再通知的情况下，期待信息认知量积蓄删除委托S111包含已通知信息的标识符和具有“0”的值的期待信息认知量。

(信息认知度推测部件)

在再通知判断部件1220内的信息认知度推测部件1260中，通过由信息认知度信息S106、与该信息认知度信息S106关联的多个可观测要素信息构成的贝斯网络进行管理。贝斯网络是用图(graph)构造表现多个概率变量间的定性的依存关系，并用附加条件的概率表示各个变量间的定量关系的模型。将在后面说明贝斯网络和构成它的可观测要素信息。

信息认知度推测部件1260与从再通知决定部件1240输入的信息认知度推测委托对应地推测信息认知度信息，并向再通知决定部件1240回送信息认知度。在进行信息认知度的推测时。信息认知度推测部件1260向环境用户状态管理部件160输出环境用户状态信息取得委托S119。环境用户状态信息取得委托S119包含所取得的对象的可观测要素信息的标识符、提示了已通知信息的提示时刻信息。另一方面，作为环境用户状态信息取得委托S119的返回值，从环境用户状态管理部件160向信息认知度推测部件1260输入环境用户状态信息S120，并通过上述贝斯网络的推测方法，推测信息认知度信息。

(期待信息认知量积蓄部件)

再通知判断部件1220内的期待信息认知量积蓄部件128从再通知决定部件1240输入前期待信息认知量取得委托，检索在内部是否积蓄有与包含在本委托中的已通知信息的标识符对应的期待信息认知量。在已积蓄了的情况下，向前期待信息认知量信息的再通知决定部件1240回送期待信息认知量信息，在没有积蓄的情况下，回送“0”。

另一方面，在再通知决定部件1240的再通知判断后，向期待信息认知量积蓄部件128输入期待信息认知量积蓄删除委托S111。如上所述，在进行再通知的情况下，期待信息认知量积蓄删除委托S111包含已通知信息的标识符、为了判断而计算出的期待信息认知量，并将它们积蓄在期待信息认知量积蓄部件128中。另外，在不进行再通知的情况下，期待信息认知量积蓄删除委托S111包含已通知信息的标识符、“0”的期待信息认知量，并根据已通知信息的标识符，检索在期待信息认知量积蓄部件128中是否已经积蓄了期待信息认知量信息。然后，在期待信息认知量积蓄部件128中已经积蓄了的情况下，删除该期待信息认知量信息。

再通知委托部件1300在从再通知决定部件1240输入的再通知判断结果信息是“1”的情况下，向已通知信息积蓄部件1320输出已通知信息取得删除委托S112。已通知信息取得删除委托S112包含表示是取得还是删除的标志信息(在该情况下为“1”)、已通知信息的标识符。然后，如果从已通知信息积蓄部件1320向再通知委托部件1300输入了与已通知信息的标识符对应的已通知信息S113，则再通知委托部件1300向服务器侧通知控制部件1400输出通知信息再积蓄委托S102。该通知信息再积蓄委托S102包含已通知信息。另一方面，在从再通知决定部件1240输入的再通知判断结果信息为“0”的情况下，同样向已通知信息积蓄部件1320输出已通知信息取得删除委托。已通知信息取得删除委托信息包含表示是取得还是删除的标志信息(在该情况下为“0”)、不进行再通知的已通知信息的标识符。

如果服务器侧通知控制部件1400内的服务器侧通知执行部件1440向用户终端200输出信息通知委托S103，则从服务器侧通知执行部件1440向已通知信息积蓄部件1320输入已通知信息积蓄委托S114。输入到已通知信息积蓄部件1320的已通知信息积蓄委托S114包含已通知信息及其标识符、已通知信息的信息长度。已通知信息积蓄部件1320如果输入了已通知信息积蓄委托S114，则积蓄并管理已通知信息、已通知信息的标识符、已通知信息的信息长度和其元信息。另一方面，向已通知信息积蓄部件1320输入来自再通知决定部件1240的已通知信息长度取得委托S107，作为应答S108回送已通知信息的信息长度和其元信息。

另外，向已通知信息积蓄部件1320输入来自再通知委托部件1300的已通知信息取得删除委托S112。已通知信息积蓄部件1320在包含在已通知信息取得删除委托S112中的表示是取得还是删除的标志信息为“1”的情况下，回送包含在该委托S112中的与已通知信息的标识符对应的已通知信息S113。另一方面，在表示是取得还是删除的标志信息为“0”的情况下，从内部删除包含在该委托S112中的与已通知信息的标识符对应的已通知信息。

(环境用户状态管理部件)

环境用户状态管理部件160从设置在用户终端200上的状态信息用数据收集部件206a和设置在用户终端200以外的状态信息用数据收集部件206b，取得收集信息S115a、S115b。该收集信息S115a、S115b包含传感信息，例如作为传感器的输出的传感器信息、互动信息。接收到收集信息S115a、S115b的环境用户状态管理部件160通过对这些信息进行变换或者解释，来生成在信息认知度推测部件1260中使用的要素信息。例如，环境用户状态管理部件160对接收到的传感信息进行前处理、规格化处理、特征抽出处理以及分类等识别处理。另外，环境用户状态管理部件160通过对传感器信息进行处理而作成环境状态信息，通过对互动信息进行处理而作成用户信息，并作成环境用户状态信息。

(服务器侧通知控制部件)

服务器侧通知控制部件1400由以下部分构成：接收并积蓄来自信息提供者300的通知信息委托信息的通知候补信息积蓄部件1420；向用户终端200内的用户侧通知执行部件202输出存在于通知候补信息积蓄部件1420中的通知候补信息的服务器侧通知执行部件1440。

(通知候补信息积蓄部件)

通知候补信息积蓄部件1420接收来自信息提供者300的通知委托S116。该通知委托S116被赋予了应该向用户终端200通知的通知信息、信息量、到有效时间为止的剩余时间、发送者信息的加权信息等元信息。通知候补信息积蓄部件1420向各通知信息分别赋予标识符并积蓄。作为接收到的通知信息的积蓄顺序，可以利用接收顺序、到有效时间为止的剩余时间、基于用户喜好的加权、基于发送者信息的加权等。

通知委托S116的接收方法包含电子邮件、电子新闻、基于邮件杂志等的接收、基于付费服务的发送、广播的文字播放、WWW内容、基于直接信息的接收。另外，通知信息还包含用户自身登记了的日程安排、To-Do列表等。另外，作为信息的种类可以列举：新闻(例如政治、经济、社会、文化、体育、天气)、电影信息、美食信息、交通信息、电视节目、股价信息、气候、运势、事件信息、学习信息(英语单词暗记服务)、来自熟人的电子邮件、来自公司的联络、灾害等的紧急联络、广告、募捐服务、丢失物品服务、被盗物品服务、健康促进信息、末班车信息等。

通知候补信息积蓄部件1420如果接收到来自再通知委托部件1300的通知信息再积蓄委托S102，则积蓄该委托了的信息。进而，通知候补信息积蓄部件1420如果输入了来自服务器侧通知执行部件1440的积蓄通知候补信息取得委托S117，则作为其应答S118输出通知候补信息等。

由这样的结构构成的通知候补信息积蓄部件1420对从信息提供者300接收到的通知委托S116的内容进行积蓄和管理。在该积蓄时，分别向包含在通知委托中的通知信息付与唯一的标识符，并根据各信息接收的顺序将通知候补信息积蓄在等待通知信息缓存器中。另外，也可以根据通知候补信息的内容，例如重要度、紧急度、发送者决定顺序并进行积蓄。另外，通知候补信息积蓄部件1420与作为来自服务器侧通知执行部件1440的查询的积蓄通知候补信息取得委托S117对应地，回送积蓄了的通知候补信息、信息数。

(服务器侧通知执行部件)

服务器侧通知执行部件1440向通知候补信息积蓄部件1420输出积蓄通知候补信息取得委托S117，并作为应答S118取得通知候补信息。然后，作为信息通知委托S103，服务器侧通知执行部件1440向用户终端200内的用户侧通知执行部件202发送通知候补信息。另外，服务器侧通知执行部件1440向已通知信息积蓄部件1320发送已通知信息积蓄委托S114。在已通知信息积蓄委托S114中包含已通知信息、其标识符、从信息提供者300接收到的信息长度、到有效时间为止的剩余时间、基于发送者信息的加权信息等元信息。

由这样的结构构成的服务器侧通知执行部件1440判断在通知候补信息积蓄部件1420中是否存在(积蓄了)应该通知的候补信息，在存在通知候补信息的情况下，将其通知用户终端200。在此，服务器侧通知执行部件1440根据将信息登记到通知候补信息积蓄部件1420的等待通知信息缓存器中的顺序，将通知候补信息包含在信息通知委托S103中，而发送到用户终端200内的用户侧通知执行部件202。

进而，服务器侧通知执行部件1440将包含在信息通知委托S103中的通知候补信息作为已通知信息包含在已通知信息积蓄委托S114中，发送到已通知信息积蓄部件1320。已通知信息积蓄部件1320将从服务器侧通知执行部件1440取得的已通知信息积蓄在内部。

(用户终端)

用户终端200由以下部分构成：从服务器侧通知执行部件1440接收信息通知委托S103，向用户提示通知候补信息的用户侧通知执行部件202；向再通知决定部件1240发送提示控制信息S104的信息提示管理部件204；收集为了在环境用户状态管理部件160中作成环境用户状态信息而使用的信息并发送的状态信息用数据收集部件206a。

用户侧通知执行部件202如果接收到来自服务器侧通知执行部件1440的信息通知委托S103，则为了向作为本终端的用户的信息接收者400提示包含在信息通知委托S103中的通知候补信息，而从用户终端200向外部输出。在该情况下，例如通过用户终端上的显示器提示文字或图像信息等视觉信息，通过扬声器提示声音信息等听觉信息，通过具有知觉接口的设备(例如振动器)提示知觉信息。

然后，用户侧通知执行部件202在向信息接收者400提示通知候补信息的同时，向信息提示管理部件204输出提示事件信息S121。在提示事件信息S121中包含通知信息的标识符和提示时刻信息。

信息提示管理部件204根据来自用户侧通知执行部件202的通知事件信息，在通知信息的提示后或结束了提示后，向再通知决定部件1240输出提示控制信息。在此，提示控制信息S104包含表示提示开始(“1”)或提示结束(“0”)的标志信息、已通知信息的标识符和表示已通知信息的提示开始或提示结束时刻的时刻信息。另外，通过从在用户终端200中使用的OS(操作系统)取得，来获得时刻信息。

说明由以上结构构成的用户终端200的动作。

用户终端200内的用户侧通知执行部件202使用从服务器侧通知执行部件1440接收到的信息通知委托，实际向信息终端外部输出设备提示信息。用户终端具有能够显示通知信息的用户界面能力，控制显示位置、大小、文字提示方法、信息的更新频度(速度)。用户界面能够由用户调节信息通知的定时和表现方法。进而，用户界面能够接收来自信息接收者，即用户的互动。例如，用户终端200能够如图17(a)所示那样在画面全体上显示信息，或者如该图(b)所示那样在画面下部显示信息。

在用户终端200上设置使得在上下左右上滚动等的能够变更显示位置和大小的按键、能够变更显示更新频度(速度)的按键、停止显示自身的按键等，能够进行与用户的喜好对应的显示。另外，也可以通过点击并指定信息自身，来对连接信息进行访问。

状态信息用数据收集部件206a、206b是指加速度传感器、振动传感器、麦克风、照相机等各种传感器、计算机、便携电话等终端等的具有获得并输出表示用户或环境的状态的信息的功能的所有设备。进而，在信息提示管理部件204上的显示速度调整操作、显示大小调整操作的基础上，还包含原始任务执行速度，并测量该任务执行速度。另外，同时还测量到各种应用程序开始为止的按键操作的速度、邮件编辑时的文字输入速度、Web参照时的浏览速度等，取得不明确的反馈信息，例如在信息通知时已经由用户进行了的信息显示终端上的任务速度的变化。

(状态信息用数据收集部件)

设置在用户终端200上的状态信息用数据收集部件206a周期地或与事件对应地，收集为了在环境用户状态管理部件160中作成环境用户状态信息而使用的信息，并作为收集信息S115a输出到环境用户状态管理部件160。分别向该收集信息S115a付与时刻信息。

另外，状态信息用数据收集部件206b设置在用户终端200以外。例如作为用户的信息接收者400与用户终端200不同地安装的传感器、设置在用户所在的位置周围的墙壁等上的传感器与状态信息用数据收集部件206b对应。

即，基于状态信息用数据收集部件206a的收集信息S115a和基于状态信息用数据收集部件206b的收集信息S115b包含从嵌入到用户所使用的信息显示终端或环境中的设备等的所有设备输出的信息。例如，收集信息S115a和S115b包含用户的信息显示终端上的互动信息、安装在用户终端200上的加速度传感器的传感信息等。

(再通知控制系统的动作)

接着，参考图18，说明本实施例的再通知控制系统的动作。该图是表示在图16中的信息再通知系统10中进行再通知的步骤的时序图。

在该图中，始终由状态信息用数据收集部件206a周期地收集能够由用户终端200收集的基于信息接收者400的互动信息、应用程序状态信息、OS信息。作为收集信息S115a，与时刻信息同时地将该周期地收集到的信息通知环境用户状态管理部件160。同样地，由未图示的状态信息用数据收集部件206b收集来自安装在用户终端上的传感器的信息，并作为收集信息S115b与时刻信息同时通知环境用户状态管理部件160。

首先，信息提供者300向服务器侧通知控制部件1400内的通知候补信息积蓄部件1420发送通知委托S116。在此，通知委托S116包含通知信息的内容(即通知信息内容(contents))。进而，通知委托S116也可以还包含与通知信息有关的元信息，例如信息长度、重要度、有效时间。

如果通知候补信息积蓄部件1420接收到该通知委托S116，则向包含在通知委托S116中的通知信息赋予唯一的标识符，并作为通知候补信息积蓄。然后，如果从服务器侧通知执行部件1440向通知候补信息积蓄部件1420输入积蓄通知候补信息取得委托S117，则作为其应答S118，向服务器侧通知执行部件1440输入通知候补信息。

服务器侧通知控制部件1400内的服务器侧通知执行部件1440将同一服务器侧通知控制部件1400内的通知候补信息积蓄部件1420内的通知候补信息作为信息通知委托S103，通知用户终端200内的用户侧通知执行部件202。

进而，服务器侧通知执行部件1440向再通知控制部件1200内的已通知信息积蓄部件1320发送已通知信息积蓄委托S114。在此，已通知信息积蓄委托S114包含通知候补信息及其标识符。

用户侧通知执行部件202如果接收到信息通知委托S103，则向外部输出包含在其中的通知候补信息，向信息接收者400提示。另外，用户侧通知执行部件202向信息提示管理部件204发送提示事件信息S121。

以上是通知控制的动作。

接着，说明与再通知控制有关的动作。

信息提示管理部件204在信息提示后，作为提示控制信息S104，向再通知控制部件1200内的再通知决定部件1240通知表示提示开始的标志信息(＝1)、已通知信息的标识符、与提示的时刻有关的提示时刻信息。

如果再通知决定部件1240接收到提示控制信息S104，则根据提示控制信息内的表示是提示开始还是结束的标志信息为“1”时的该信息，向信息认知度推测部件1260发送信息认知度推测委托S105。在此，信息认知度推测委托S105包含表示在用户终端200上提示了已通知信息的时刻的提示时刻信息。

如果信息认知度推测部件1260接收到信息认知度推测委托，则向环境用户状态管理部件160发送环境用户状态信息取得委托S119。在此，环境用户状态信息取得委托S119包含由再通知决定部件1240接收到的提示时刻信息、在内部管理的贝斯网络的可观测要素信息的多个标识符。

如果信息认知度推测部件1260从环境用户状态管理部件160接收到环境用户状态信息S120，则根据这些信息通过概率推论计算而计算出信息认知度，并作为信息认知度信息S106向再通知决定部件1240回送该计算结果。

另一方面，再通知决定部件1240向已通知信息积蓄部件1320发送已通知信息长度取得委托S107。在此，已通知信息长度取得委托S107包含在提示事件信息中包含的已通知信息的标识符。

如果已通知信息积蓄部件1320接收到已通知信息长度取得委托S107，则根据已通知信息的标识符，向再通知决定部件1240回送由已通知信息、其信息长度和关联的元信息构成的应答S108。

进而，再通知决定部件1240向期待信息认知量积蓄部件128发送前期待信息认知量取得委托S109。在此，前期待信息认知量取得委托S109包含已通知信息的标识符。如果期待信息认知量积蓄部件128接收到前期待信息认知量取得委托S109，则根据已通知信息的标识符，检索是否已经积蓄了期待信息认知量，在积蓄了的情况下，作为前期待信息认知量取得委托应答S110向再通知决定部件124回送前期待信息认知量。另一方面，在检索的结果是没有积蓄的情况下，作为前期待信息认知量取得委托应答S110回送作为“0”的前期待信息认知量。

再通知决定部件1240如果分别从信息认知度推测部件1260接收到信息认知度信息S106，从已通知信息积蓄部件1320接收到包含已通知信息的信息长度及其元信息的应答S108，从期待信息认知量积蓄部件128作为包含前期待信息认知量的前期待信息认知量取得委托应答S110接收到前期待信息认知量，则通过对根据信息认知度计算出的信息认知量和已通知信息的信息长度及其元信息进行比较，判断是否进行再通知，作成再通知判断结果。作为再通知判断结果信息S101向再通知委托部件1300发送作成了的再通知判断结果。在此，再通知判断结果信息S101包含已通知信息的标识符、是否进行再通知的标志。该标志在进行再通知的情况下为“1”，在不进行的情况下为“0”。

另外，再通知决定部件1240在上述处理后，向期待信息认知量积蓄部件128发送期待信息认知量积蓄删除委托S111。在此，期待信息认知量积蓄删除委托S111包含在进行再通知的情况下具有正值的期待信息认知量，并包含在不进行再通知的情况下具有“0”值的期待信息认知量。

如果期待信息认知量积蓄部件128接收到期待信息认知量积蓄删除委托S111，则在期待信息认知量为正的情况下，与已通知信息的标识符一起积蓄期待信息认知量，在不是的情况下，删除与已通知信息的标识符对应的信息。

接着，如果再通知委托部件1300接收到再通知判断结果S101，则向已通知信息积蓄部件1320发送已通知信息取得删除委托S112。在此，已通知信息取得删除委托S112包含已通知信息的标识符和是否进行之前的再通知的标志。

如果已通知信息积蓄部件1320接收到已通知信息取得删除委托S112，则在是否进行再通知的标志为“1”的情况下，向再通知委托部件1300回送与包含在已通知信息取得删除委托S112中的已通知信息的标识符对应的已通知信息，在不是的情况下，删除与已通知信息的标识符对应的积蓄信息。

在进行再通知的情况下，再通知委托部件1300如果作为对已通知信息取得删除委托S112的应答接收到已通知信息S113，则向通知候补信息积蓄部件1420通知通知信息再积蓄委托S102。在此，通知信息再积蓄委托S102包含已通知信息及其标识符。

以后，循环进行以上处理。

(贝斯网络)

接着，说明前面说明了的信息认知度推测部件1260的贝斯网络和构成它的可观测要素信息。

贝斯网络不只是基于模型表现的可视化的容易性，还能够使用与各问题领域有关的事前知识作为概率变量间的顺序关系反映到模型构造中。这样，通过使用适用于各问题领域的贝斯网络，能够预测在观测到一部分变量时的其他变量的概率、对象概率变量为最大的状态，在这一点上与现有的图形模型有很大不同。另外，在Heckerman，D。的文献“A tutorial on learning with Bayesian networks”，[1995]，Microsoft Reserch MSR-TR-95-06，Revised June 1996中，记载有贝斯网络。

对于由信息认知度推测部件1260的与信息认知度有关的多个可观测要素信息构成的贝斯网络，可以由状态信息用数据收集部件206a、206b取得作为通知时的人的内部状态要素的“信息认知度”要素并由环境用户状态管理部件160作成(解释)，并且通过附加条件的概率表现来管理与前面的信息的认知度要素有因果关系的“用户特性”、“用户状态”、“任务状态”等可规测状态要素信息、决定通知时的信息的显示方法的“信息表现”要素信息、作为通知后可观测的要素的“应答状态”要素信息间的关系。具体地说，作为非观测用户状态要素，即“信息认知度”信息的原因要素，由“用户特性”要素信息、“用户状态”要素信息、“任务状态”要素信息的至少一个、“信息表现”要素信息构成。进而，成为“应答状态”要素信息成为“信息认知度”的结果要素的因果网络。

图19示例了贝斯网络的例子。该图中的各要素间的箭头所示的连接表示从要素转移到要素的概率。其中，该图中的各要素间的连接只是一个例子，与因果关系的强度对应地动态地变更。

接着，说明构成贝斯网络的要素。

“用户特性”要素信息是与每一时刻都变化的“用户状态”不同的某种程度静态的要素信息。例如，对于“利用终端或应用程序的使用熟悉度”，有“熟悉度高”、“熟悉度中”、“熟悉度低”等离散变量值。可以根据平均的任务处理，例如多个用户的平均文字输入速度、对象用户的文字输入速度比例，取得这些信息。

“用户状态”要素信息是表示用户的状态的要素信息，例如是动作信息或对画面的注视状态等。对于前者，例如有“目不转睛地注视”、“正在行走”、“正在跑步”、“正在上楼梯”、“正在下楼梯”等离散变量值。作为取得这些状态的方法，可以适用使用了外部照相机的图像识别的方法、对来自可佩带(wearable)传感器的信息进行分析的方法等。另一方面，对于后者，具有“正在注视着画面”、“没有注视画面”等离散变量值。但是，对于“虽然看着信息显示终端但什么也没做”，无法从信息显示终端上的OS或应用程序状态信息取得。因此，对于用户的视线是否存在于信息显示终端上，即注视状态，可以适用使用了外部照相机的图像识别的方法、用户佩带头戴式显示器(HMD：headmount display)等的方法、对来自安装在终端上的传感器的信息进行分析的方法等。

“任务状态”要素信息是表示信息显示终端上的用户的作业状态的要素信息。例如具有“什么也没做”、“看着信息显示终端但什么也没做”、“Web浏览”、“正在编辑E-Mail”、“检索辞典”、“查看图像”、“设置终端”、“观赏电影”、“参考文档”等离散变量值。可以根据信息显示终端上的OS(操作系统)或者应用程序状态信息取得它们。

“信息表现”要素信息是表示信息显示终端上的信息表现、显示方法的要素信息。例如，表示文字、电影、动画等视频媒体、音频媒体、振动媒体等媒体类型。另外，对于文字媒体，有显示位置、大小、文字提示方法、信息的更新频度(速度)的区别。

如图17所示那样，对于显示位置、大小，例如有对画面全体的显示、对画面下部、画面横部的显示，对于提示方法，有水平方向和垂直方向的滚动显示、切换类型。另外，在滚动和切换中，作为其频度(速度)有高速显示和低速显示。在后述的用户侧通知执行部件202中对它们进行控制。

另一方面，对于“应答信息”要素信息，是表示通知后所得到的信息的要素信息。不只是用户的明确的互动(用于参考通知信息的按键按下或邮件编辑器(mailer)的参考履历等)，还可以列举与没有进行通知时相比的情况下的主任务的处理速度比例、主任务的操作失误等。

在能够得到作为以上那样的可观测状态要素的“用户特性”、“用户状态”、“任务状态”和“应答信息”要素的情况下，信息认知度推测部件1260根据由这些可观测状态要素、“信息认知度”要素信息构成的贝斯网络，进行概率计算。

在此，对于用于作成这些构造模型的模型参数推测的学习，必须事前通过离线(offline)进行学习。另外，也可以在线(online)地学习。对于离线学习，通过做出产生构成模型的要素所能够取得的离散变量值的全部组合的状况，并观测客观信息来实现。使用例如AIC(Akaike’s information criterion)、MDL(Minimum descriptionlength)、BIC(Bayesian information criterion)来决定模型构造。

另一方面，为了求出“信息认知度”，通过根据可观测状态要素，进行概率推论来实现。作为算法，在没有循环的网络中，可以使用Polytree算法，对于有循环的网络，可以使用Junction Tree算法等推论算法，另外作为近似计算，可以利用Loopy Belief Propagation算法等。

如果如以上说明那样，通过贝斯网络管理信息认知度，并推测信息认知度的概率，则能够推测无法直接观测的人的信息认知度。由于根据该推测结果，判断是否进行再通知，所以能够适当地进行信息的再通知。

(期待信息认知量的计算)

接着，说明前面说明了的由再通知决定部件1240计算的期待信息认知量的计算方法和判断方法。

再通知决定部件1240根据包含在信息认知度推测委托应答中的信息认知度的事后概率P(IA(m，k))，判断是否应该进行再通知。在进行判断时，将决定与信息认知度的离散状态值IA(m，k)对应的信息认知量的函数设置为Ψ(LA(m，k))，在作为T(m)计算成为现在判断对象的已通知信息m的提示时间时，求出期待信息认知量EAI(Expected Awareness Information)。在此，Ψ(IA(m，k))是单位时间的认知信息处理速度，单位例如为byte/sec，EAI(m)的单位为bytes。具体地说，将各离散状态k的信息认知量乘以成为状态k的概率，并对所有k(K个)取得总和，来进行导出。如上所述可以用下式(17)表现。

EAI(m)＝∑p(IA(m，k))×Ψ(IA(m，k))×T(m)

                                    公式(17)

再通知决定部件1240对通过上式得到的EAI值、包含在已通知信息长度取得委托应答中的已通知信息m的信息长度L(m)进行比较。然后，在EAI＜α×L(m)的情况下，判断为进行再通知，在不是的情况下，判断为不进行再通知。在此，α是控制阈值的参数。

具体如下。离散状态K为“3”，定义高的概率(以下称为高概率)、低的概率(以下称为低概率)、它们的中间的概率(以下称为中概率)的3种。例如，高概率为0.8，中概率为0.15，低概率为0.05。另外，对于单位时间的认知信息处理速度Ψ(IA(m，k))，高概率为20文字/秒，中概率为10文字/秒，低概率为5文字/秒。在这样的情况下，在1秒(T(m)＝1)内提示已通知信息m时，如果依照公式(17)将它们相乘，则期待信息认知量为0.8×20+0.15×10+0.05×5＝17.75文字。

在此，与包含在已通知信息长度取得委托应答中的已通知信息的元信息中包含的重要度信息对应地，在重要度高的情况下增大α的值，在不是的情况下，降低α的值，由此能够容易地对重要的信息进行再次通知。另外，通过预先输入用户侧的设置方针，能够进行最优的控制。

进而，可以考虑到过去通知时的期待信息认知量地计算EAI。具体地说，从包含在前期待信息认知量取得委托应答S110中的前期待信息认知量，取得过去通知时的期待信息认知量(即前期待信息认知量)，作为EAIprev如下这样进行计算。

EAI(m)＝∑p(IA(m，k))

         ×Ψ(IA(m，k))×T(m)+EAIprev(m)

                                公式(18)

另外，公式(18)中的“∑”是从k＝1到k＝K的总和。

如果采用上述公式(17)，与新计算出的期待认知信息量对应地判断是否再次通知已通知信息，则能够提高用户认知所通知的信息的可能性。但是，相反，也有针对已经由用户认知的信息提高再次通知的可能性，使用户反感的情况。

另一方面，如果采用公式(18)，除了新计算出的期待认知信息量以外，还与作为过去的期待认知信息量的前期待信息认知量对应地判断是否再次通知已通知信息，则能够早期地使再通知信息的处理全体结束，不使用户反感。但是，相反也可能降低用户的认知。

(总结)

接着，说明本实施例的再通知控制系统的作用和效果。在本实施例的信息再通知系统10中，将向用户终端提示的提示事件作为触发，从再通知决定部件1240向信息认知度推测部件1260委托信息认知度的计算，并通过利用根据其结果计算的期待信息认知量、过去通知时的前期待信息认知量，对该已通知信息的信息长度进行比较，来推测用户是否识别出本信息，在判断为完全没有识别的情况下，实现再次通知。特别地根据本实施例，在通知了信息后，掌握进行通知时的状况，考虑到对通知的应答，推测并判断用户是否认知了通知信息，在没有认知的情况下进行再通知，由此能够避免信息损失造成的用户不利。不只是作为信息接收者的一般的用户，对于希望确实或者高效地通知信息的信息提供者，也实现了有效的通知控制。在实现过程中，通过导入信息认知这样的不能直接观测的对人的内部状态要素有影响的可观测要素，动态地保持并管理这多个要素间的关系构造，能够进行信息通知时和通知后的状态管理，根据该状态，能够判断适当的信息再通知。

(变形例子)

接着，说明本实施例的信息再通知系统10的变形例子。图20表示变形的一个例子。即，相对于在图16中经由网络将通知控制服务器1000全体与用户终端200连接起来，在图20中，通知控制服务器1000的功能位于用户终端200内。如果采用这样的结构，则不需要将通知控制服务器配置在网络上。

进而，图21表示另一个变形例子。即，在图20的结构的基础上，经由网络将状态信息用数据收集部件206b与用户终端200内的环境用户状态管理部件160连接。通过采用这样的结构，不需要将通知控制服务器配置在网络上，并且还能够收集来自设置在用户所在的位置周围的墙壁等上的传感器的信息，推测用户是否识别出信息。

另外，在图16的情况下，同时设置有状态信息用数据收集部件206a和状态信息用数据收集部件206b，但也可以只设置这些状态信息用数据收集部件的任意一个。

(信息再通知方法)

但是，在上述信息再通知系统中，实现了以下这样的信息再通知方法。即，是一种再次通知作为向用户通知了的信息的已通知信息的信息再通知方法，包含：推测表示上述用户感知并识别上述已通知信息的内容的程度的信息认知度的信息认知度推测步骤；根据上述信息认知度推测步骤的推测结果，判断是否再次通知上述已通知信息的判断步骤，与上述判断步骤的判断结果对应地再次通知上述已通知信息。由此，能够与用户的信息认知度对应地进行信息的再通知。

另外，理想的是还包含取得上述用户的环境状态的环境状态取得步骤，在上述信息认知度推测步骤中，根据在上述环境状态取得步骤中取得的上述用户的环境状态，推测上述信息认知度。由此，在向用户通知了信息后，能够根据通知时的用户的状态、用户应答等，判断用户的信息认知度，并根据其结果进行再通知。特别在不是因用户要求产生的Push型信息通知中，能够确实地向用户传达信息。

进而，理想的是还包含积蓄上述已通知信息的已通知信息积蓄步骤，在上述判断步骤的判断结果是应该再次进行通知的情况下，再次通知在上述已通知信息积蓄步骤中积蓄了的上述已通知信息。由此，由于暂时原样地积蓄通知了的信息，所以能够容易地再通知信息。

另外，理想的是还包含：根据上述信息认知度推测步骤的推测结果进行推测，针对上述已通知信息计算出作为认知了的量的期待认知信息量的期待认知信息量计算步骤，在上述判断步骤中，与在上述期待认知信息量计算步骤中计算出的期待认知信息量对应地判断是否再次通知上述已通知信息。通过与期待认知信息量对应地判断是否再次进行通知，能够更适当地再通知信息。

进而，理想的是还包括：积蓄在上述期待认知信息量计算步骤中计算出的期待认知信息量的期待认知信息量积蓄步骤，其中在上述判断步骤中与在上述期待认知信息量计算步骤中新计算出的期待认知信息量和在上述期待认知信息量积蓄步骤中积蓄的过去的期待认知信息量对应地，判断是否再次通知上述已通知信息。通过再次利用在过去的再通知判断时计算出的期待信息认知量，能够对多次提示了的同一信息的期待信息认知量进行相加，由此在各个的通知量少的情况下，也能够提高信息认知的可能性，能够实现更正确的再通知判断。

另外，理想的是在上述判定步骤中，与上述已通知信息的重要度对应地，判定是否再次通知该已通知信息。通过这样的结构，能够与信息的重要度对应地调整再通知的可能性，能够确实地再通知重要的信息，使用户认知。

本发明的信息通知系统和信息通知方法能够适用于进行信息通知的系统中。另外，本发明还可以用于向用户通知信息并使其认知的情况。

另外，对于以上的说明内容，能够抽出以下的发明。

(1)一种通知用用户状态管理装置，其特征在于具备：

根据可观测状态要素，推测用户内部的状态的用户内部状态推测装置；

根据上述用户内部的状态，推测通知了信息的情况下的对接收信息的用户的效用的用户通知效用推测装置。

通过这样的结构，能够根据可观测状态要素，例如用户动作状态、任务状态，推测内部状态，并能够基于该推测来推测信息通知的效果。

(2)在上述(1)记载的通知用用户状态管理装置中，其特征在于：

作为表示上述用户内部的状态的要素，上述用户内部状态推测装置推测表示用户感知并识别信息的内容的程度的信息认知度和表示由于信息通知而用户执行的作业中断的程度的任务中断度的至少一个。

(3)在上述(2)记载的通知用用户状态管理装置中，其特征在于：

上述用户内部状态推测装置使用贝斯网络，推测上述信息认知度和上述任务中断度中的至少一个的概率。

(4)在上述(1)～(3)的任意一个记载的通知用用户状态管理装置中，其特征在于：

上述用户通知效用推测装置根据上述用户内部的状态，计算出表示在通知了信息的情况下所期待的效用的期待效用值。

(5)在上述(4)记载的通知用用户状态管理装置中，其特征在于：

上述用户通知效用推测装置根据在规定时间内能够通知的信息量和上述规定时间内的主任务的信息处理量中的至少一个，计算出期待效用值。

(6)在上述(1)～(5)的任意一个记载的通知用用户状态管理装置中，其特征在于：

积蓄上述可观测状态要素和来自上述用户的反馈信息中的至少一个的信息积蓄装置；

根据上述积蓄信息，更新上述用户内部状态的用户状态模型更新装置。

(7)在上述(6)记载的通知用用户状态管理装置中，其特征在于还具备：

判断上述积蓄信息中的规定的发生频度以下的可观测状态要素、新取得的可观测状态要素是否一致的可观测状态要素判断装置。

(8)一种通知控制装置，其特征在于具备：

根据在通知了信息的情况下的对接收信息的用户的效用，决定是否通知信息，根据上述决定，通知信息的通知执行装置。

通过这样的结构，能够高效地向用户通知信息。

(9)在上述(8)记载的通知控制装置中，其特征在于：

上述通知执行装置根据表示在通知了信息的情况下所期待的效用的期待效用值与预先设置的值的比较结果，决定是否通知信息。

(10)一种信息通知装置，具备通知用用户状态管理装置、通知控制装置，其特征在于：

上述通知用用户状态管理装置具备：

根据可观测状态要素，推测用户内部的状态的用户内部状态推测装置；

根据上述用户内部的状态，推测通知了信息的情况下的对接收信息的用户的效用的用户通知效用推测装置，

上述通知控制装置具备：

根据上述效用，决定是否通知信息，根据上述决定，通知信息的通知执行装置。

通过这样的结构，能够根据可观测状态要素，例如用户动作状态、任务状态，推测内部状态，并基于推测，推测出信息通知的效果，因此能够高效地向用户通知信息。

(11)一种信息通知系统，具备通知用用户状态管理装置、通知控制装置，其特征在于：

上述通知用用户状态管理装置具备：

根据可观测状态要素，推测用户内部的状态的用户内部状态推测装置；

根据上述用户内部的状态，推测通知了信息的情况下的对接收信息的用户的效用的用户通知效用推测装置，

上述通知控制装置具备：

根据上述效用，决定是否通知信息，根据上述决定，通知信息的通知执行装置。

通过这样的结构，能够根据可观测状态要素，例如用户动作状态、任务状态，推测内部状态，并基于推测，推测出信息通知的效果，因此能够高效地向用户通知信息。

(12)一种信息通知方法，其特征在于包括：

根据可观测状态要素，推测用户内部的状态的步骤；

根据上述用户内部的状态，推测通知了信息的情况下的对接收信息的用户的效用的步骤；

根据上述效用，决定是否通知信息的步骤；

根据上述决定，通知信息的步骤。

通过这样，能够根据可观测状态要素推测内部状态，并基于推测，推测出信息通知的效果，因此能够高效地向用户通知信息。

(13)在上述(12)记载的信息通知方法中，其特征在于：

在上述推测用户内部的状态的步骤中，具有：作为表示上述用户内部的状态的要素，推测表示用户感知并识别信息的内容的程度的信息认知度和表示由于信息通知而用户执行的作业中断的程度的任务中断度中的至少一个的步骤。

(14)在上述(12)或(13)记载的信息通知方法中，其特征在于：

在上述推测对用户的效用的步骤中，具有：根据上述用户内部的状态，计算出表示在通知了信息的情况下所期待的效用的期待效用值的步骤。

(15)在上述(14)记载的信息通知方法中，其特征在于：

在计算上述期待效用值的步骤中，具有：根据在规定时间内能够通知的信息量和上述规定时间内的主任务的信息处理量中的至少一个，计算出期待效用值的步骤。

(16)在上述(14)或(15)记载的信息通知方法中，其特征在于：

上述决定步骤具有：判断上述期待效用值是否满足预先设置的值的步骤。

(17)在上述(12)记载的信息通知方法中，其特征在于：

积蓄上述可观测状态要素的步骤；

判断上述积蓄信息中的规定的发生频度以下的可观测状态要素、新取得的可观测状态要素是否一致的步骤。

(18)一种再次通知作为向用户通知了的信息的已通知信息的信息再通知系统，其特征在于具备：

推测表示上述用户感知并识别上述已通知信息的内容的程度的信息认知度的信息认知度推测装置(例如与图16中的信息认知度推测部件1260对应)；根据上述信息认知度推测装置的推测结果，判断是否再次通知上述已通知信息的判断装置(例如与图16中的再通知决定部件1240对应)，其中与上述判断装置的判断结果对应地再次通知上述已通知信息。根据这样的结构，能够与用户的信息认知度对应地进行信息的再通知。

(19)在上述(18)记载的信息再通知系统中，其特征在于还包括：

取得上述用户的环境状态的环境状态取得装置(例如与图16中的环境用户状态管理部件160对应)，其中上述信息认知度推测装置根据通过上述环境状态取得装置取得的上述用户的环境状态，推测上述信息认知度。通过这样的结构，在向用户通知了信息后，能够根据通知时的用户的状态、用户反应等，判断用户的信息认知度，并根据该结果进行再通知。特别在不是因用户要求造成的Push型信息通知中，能够确实地向用户传递信息。

(20)在上述(18)或(19)的信息再通知系统中，其特征在于还具备：

积蓄上述已通知信息的已通知信息积蓄装置(例如与图16中的已通知信息积蓄部件1320对应)，其中在上述判断装置的判断结果是应该再次进行通知的情况下，再次通知在上述已通知信息积蓄装置中积蓄的上述已通知信息。

通过这样，原样地暂时积蓄通知了的信息，因此能够容易地再通知信息。

(21)在上述(18)～(20)中的任意一个的信息再通知系统中，其特征在于还具备：

根据上述信息认知度推测装置的推测结果进行推测，并且计算出作为对上述已通知信息已认知的量的期待认知信息量的期待认知信息量计算装置(例如与图16中的再通知决定部件1240对应)，其中

上述判断装置与通过上述期待认知信息量计算装置计算出的期待认知信息量对应地，判断是否再次通知上述已通知信息。

通过与期待认知信息量对应地判断是否进行再次通知，能够更适当地再通知信息。

(22)在上述(21)记载的信息再通知系统中，其特征在于还具备：

积蓄由上述期待认知信息量计算装置计算出的期待认知信息量的期待认知信息量积蓄装置(例如与图16中的期待信息认知量积蓄部件128对应)，

上述判断装置与由上述期待认知信息量计算装置新计算出的期待认知信息量和在上述期待认知信息量积蓄装置中积蓄的过去的期待认知信息量对应地，判断是否再次通知上述已通知信息。

通过再次利用在过去的再通知判断时计算出的期待信息认知量，能够对多次提示了的同一信息的期待信息认知量进行相加，由此在各个的通知量少的情况下，也能够提高信息认知的可能性，能够实现更正确的再通知判断。

(23)在上述(18)～(22)中的任意一个的信息再通知系统中，其特征在于还具备：

上述判断装置与上述已通知信息的重要度对应地，判断是否再次通知该已通知信息。

根据这样的结构，能够与信息的重要度对应地调整再通知的可能性，能够确实地再通知重要的信息，使用户认知。

(24)一种终端装置，其特征在于具备：

输出与作为在本装置中向用户提示了的信息的已通知信息有关的信息的装置(例如与图16中的信息提示管理部件204对应)。

通过向用户终端输出与向用户提示了的已通知信息有关的信息，能够利用该信息适当地再通知信息。

(25)在上述(24)记载的终端装置中，其特征在于还具备：

取得并输出与本装置的用户的状态有关的用户状态信息的装置(例如与图16中的状态信息用数据收集部件206a对应)。通过输出用户状态信息并利用它，能够根据通知信息时的用户的状态、用户应答等，判断用户的信息认知度，并根据其结果进行再通知。

(26)一种再次通知作为向用户通知了的信息的已通知信息的信息再通知方法，其特征在于包括：

推测表示上述用户感知并识别上述已通知信息的内容的程度的信息认知度的信息认知度推测步骤；

根据上述信息认知度推测步骤的推测结果，判断是否再次通知上述已通知信息的判断步骤，其中

与上述判断步骤的判断结果对应地再次通知上述已通知信息。

根据这样的结构，能够与用户的信息认知度对应地进行信息的再通知。

(27)在上述(26)记载的信息再通知方法中，其特征在于还包括：

取得上述用户的环境状态的环境状态取得步骤，其中

在上述信息认知度推测步骤中根据在上述环境状态取得步骤中取得的上述用户的环境状态，推测上述信息认知度。

通过这样的结构，在向用户通知了信息后，能够根据通知时的用户的状态、用户反应等，判断用户的信息认知度，并根据该结果进行再通知。特别在不是因用户要求造成的Push型信息通知中，能够确实地向用户传递信息。

(28)在上述(26)或(27)记载的信息再通知方法中，其特征在于还包括：

积蓄上述已通知信息的已通知信息积蓄步骤，其中在上述判断步骤的判断结果是应该再次进行通知的情况下，再次通知在上述已通知信息积蓄步骤中积蓄的上述已通知信息。

通过这样，原样地暂时积蓄通知了的信息，因此能够容易地再通知信息。

(29)在上述(26)～(28)中的任意一个的信息再通知方法中，其特征在于还包括：

根据上述信息认知度推测步骤的推测结果进行推测，并且计算出作为对上述已通知信息已认知的量的期待认知信息量的期待认知信息量计算步骤，其中

在上述判断步骤中，与在上述期待认知信息量计算步骤中计算出的期待认知信息量对应地，判断是否再次通知上述已通知信息。

通过与期待认知信息量对应地判断是否进行再次通知，能够更适当地再通知信息。

(30)在上述(29)记载的信息再通知方法中，其特征在于还包括：

积蓄在上述期待认知信息量计算步骤中计算出的期待认知信息量的期待认知信息量积蓄步骤，其中

在上述判断步骤中，与在上述期待认知信息量计算步骤中新计算出的期待认知信息量和在上述期待认知信息量积蓄步骤中积蓄的过去的期待认知信息量对应地，判断是否再次通知上述已通知信息。

通过再次利用在过去的再通知判断时计算出的期待信息认知量，能够对多次提示了的同一信息的期待信息认知量进行相加，由此在各个的通知量少的情况下，也能够提高信息认知的可能性，能够实现更正确的再通知判断。

(31)在上述(26)～(30)中的任意一个的信息再通知方法中，其特征在于：

在上述判断步骤中，与上述已通知信息的重要度对应地，判断是否再次通知该已通知信息。

根据这样的结构，能够与信息的重要度对应地调整再通知的可能性，能够确实地再通知重要的信息，使用户认知。

Claims (16)

1.一种信息通知系统，具备通知用用户状态管理装置、通知控制装置，其特征在于：

上述通知用用户状态管理装置具备：

根据可观测状态要素，推测用户内部的状态的用户内部状态推测装置；

根据上述用户内部的状态，推测通知了信息的情况下的对接收信息的用户的效用的用户通知效用推测装置，

上述通知控制装置具备：

根据上述效用，决定是否通知信息，根据上述决定，通知信息的通知执行装置。

2.根据权利要求1所述的信息通知系统，其特征在于：

作为表示上述用户内部的状态的要素，上述用户内部状态推测装置推测表示用户感知并识别信息的内容的程度的信息认知度和表示由于信息通知而用户正在执行的作业被中断的程度的任务中断度中的至少一个。

3.根据权利要求1所述的信息通知系统，其特征在于：

上述用户通知效用推测装置根据上述用户内部的状态，计算出表示在通知了信息的情况下所期待的效用的期待效用值。

4.根据权利要求1所述的信息通知系统，其特征在于还包括：

判断上述积蓄信息中的规定的发生频度以下的可观测状态要素和新取得的可观测状态要素是否一致的可观测状态要素判断装置。

5.根据权利要求1所述的信息通知系统，其特征在于还包括：

推测表示上述用户感知并识别作为向上述用户通知了的信息的已通知信息的内容的程度的信息认知度的信息认知度推测装置；

根据上述信息认知度推测装置的推测结果，判断是否再次通知上述已通知信息的判断装置，其中

与上述判断装置的判断结果对应地再次通知上述已通知信息。

6.根据权利要求5所述的信息通知系统，其特征在于还包括：

取得上述用户的环境状态的环境状态取得装置，其中

上述信息认知度推测装置根据通过上述环境状态取得装置取得的上述用户的环境状态，推测上述信息认知度。

7.根据权利要求5所述的信息通知系统，其特征在于还包括：

根据上述信息认知度推测装置的推测结果进行推测，并且计算出作为对上述已通知信息已认知的量的期待认知信息量的期待认知信息量计算装置，其中

上述判断装置与通过上述期待认知信息量计算装置计算出的期待认知信息量对应地，判断是否再次通知上述已通知信息。

8.根据权利要求7所述的信息通知系统，其特征在于还包括：

积蓄由上述期待认知信息量装置计算出的期待认知信息量的期待认知信息量积蓄装置，其中

上述判断装置与由上述期待认知信息量计算装置新计算出的期待认知信息量和在上述期待认知信息量积蓄装置中积蓄的过去的期待认知信息量对应地，判断是否再次通知上述已通知信息。

9.一种信息通知方法，其特征在于包括：

根据可观测状态要素，推测用户内部的状态的用户内部状态推测步骤；

根据上述用户内部的状态，推测通知了信息的情况下的对接收信息的用户的效用的用户通知效用推测步骤；

根据上述效用，决定是否通知信息，根据上述决定，通知信息的通知执行步骤。

10.根据权利要求9所述的信息通知方法，其特征在于：

在上述用户内部状态推测步骤中，作为表示上述用户内部的状态的要素，推测表示用户感知并识别信息的内容的程度的信息认知度和表示由于信息通知而用户正在执行的作业被中断的程度的任务中断度中的至少一个。

11.根据权利要求9所述的信息通知方法，其特征在于：

在上述用户通知效用推测步骤中，根据上述用户内部的状态，计算出表示在通知了信息的情况下所期待的效用的期待效用值。

12.根据权利要求9所述的信息通知方法，其特征在于还包括：

判断上述积蓄信息中的规定的发生频度以下的可观测状态要素和新取得的可观测状态要素是否一致的可观测状态要素判断步骤。

13.根据权利要求9所述的信息通知方法，其特征在于还包括：

推测表示上述用户感知并识别作为向上述用户通知了的信息的已通知信息的内容的程度的信息认知度的信息认知度推测步骤；

根据上述信息认知度推测步骤的推测结果，判断是否再次通知上述已通知信息的判断步骤，其中

与上述判断步骤的判断结果对应地再次通知上述已通知信息。

14.根据权利要求13所述的信息通知方法，其特征在于还包括：

取得上述用户的环境状态的环境状态取得步骤，其中

在上述信息认知度推测步骤中，根据在上述环境状态取得步骤中取得的上述用户的环境状态，推测上述信息认知度。

15.根据权利要求13所述的信息通知方法，其特征在于还包括：

根据上述信息认知度推测步骤的推测结果进行推测，并且计算出作为对上述已通知信息已认知的量的期待认知信息量的期待认知信息量计算步骤，其中

在上述判断步骤中，与在上述期待认知信息量计算步骤中计算出的期待认知信息量对应地，判断是否再次通知上述已通知信息。

16.根据权利要求15所述的信息通知方法，其特征在于还包括：

积蓄在上述期待认知信息量步骤中计算出的期待认知信息量的期待认知信息量积蓄步骤，其中

在上述判断步骤中，与在上述期待认知信息量计算步骤中新计算出的期待认知信息量和在上述期待认知信息量积蓄步骤中积蓄的过去的期待认知信息量对应地，判断是否再次通知上述已通知信息。

Images