JP2002092029A

JP2002092029A - ユーザ情報推定装置

Info

Publication number: JP2002092029A
Application number: JP2000285521A
Authority: JP
Inventors: Mikio Sasaki; 美樹男笹木
Original assignee: Denso Corp
Current assignee: Denso Corp
Priority date: 2000-09-20
Filing date: 2000-09-20
Publication date: 2002-03-29
Also published as: US6957207B2; US20020065836A1

Abstract

(57)【要約】【課題】ユーザの要求に限らず、環境・状況・状態・
行動といったユーザ情報を、より詳細に推定できるよう
にすることを第１の目的とし、また、より正確に把握で
きるようにすることを第２の目的として、より少ないユ
ーザ入力による適切な機器動作の実現に寄与する。【解決手段】ユーザ情報推定装置１では、ユーザ情報
を、ユーザの環境・状況・状態・要求・行動の５つに分
類し、さらにこれらを総合的に捉えた情報を局面とし
て、ユーザ情報を計６つに分類定義した。そして、定義
分類毎、すなわち、環境・状況・状態・要求・行動・局
面毎の項目値でユーザ情報を表現し、各計算部１０〜６
０は、これら項目値の推定計算を行う。そしてこの推定
計算に、時空間要素が項目値に与える時空間特性、判定
された局面の情報、項目間の規則を記述した規則データ
ベース７０、及び、ベクトル表現を用いた定義分類毎の
最適化処理を導入した。

Description

【発明の詳細な説明】

【０００１】

【発明の属する技術分野】本発明は、車両用搭載機器な
どをより少ないユーザ入力によって制御するためのユー
ザ情報を推定する技術に関する。

【０００２】

【従来の技術】近年、コンピュータシステムの発達に伴
い、コンピュータによる集中制御が随所に見られるよう
になった。自動車内を考えても、オーディオ機器、通信
機器、表示機器、空調機器、照明機器などが集中的に制
御され、ナビゲーション装置によるルート案内をはじ
め、最近では、インターネットを用いた施設検索まで可
能となっている。

【０００３】このような集中制御は総合的な機器動作を
実現し、ユーザにとって便利な環境を提供できるはずで
ある。しかしながら現状、必ずしもユーザにとって便利
とは言えない状況もある。それは、マン・マシン・イン
ターフェースの構成によっては、適切に自分の要求をシ
ステム側に伝えることが困難になり、思うような機器動
作が得られないことがあるためである。

【０００４】例えば音声認識装置を用いユーザの発話に
よって機器を制御する技術が実現されてはいるが、ユー
ザは、各機器を動作させたい場合に、その都度、自分の
要求をシステムに伝えるための言葉を発話しなければな
らない。そして、制御対象である機器の種類や機能が多
くなる程、ユーザは、より多種類の言葉を正確に発話し
なければならず、逆に、システム側としては、ユーザの
要求に即した機器制御を行うために、ユーザが発話する
様々な言葉をより正確に認識しなければならない。

【０００５】このような問題を解決するために、本出願
人は、特開平１１−３５１９０１号公報、特開２０００
−２００９０号公報において、半自動的に機器を動作さ
せる技術を提案した。前者では、入力内容、個人情報、
検出された状況などに基づき、システム側の動作内容を
動作内容設定用データから検索し、機器を動作させるよ
うにした。また、後者では、ユーザの状況・状態から要
求を如何にして推定するかを提案した。これらの技術に
より、ユーザからのより少ない発話入力で、ユーザの要
望に即した機器動作を実現することができる。

【０００６】

【発明が解決しようとする課題】ところが、ユーザ情報
は、上記公報に開示した「プロファイル」の記述項目と
して示す如く、ユーザを取り巻く環境・状況、ユーザの
状態・要求、さらにはユーザの行動というように、様々
なレベルで存在し、それら情報が相互に関連性を有して
いる。例えば、特開２０００−２００９０号公報に示し
たように、あるユーザ要求から未来のユーザ状態が予測
でき、そのユーザ状態から次のユーザ要求が推定できる
という具合である。

【０００７】したがって、真にユーザの要望を汲み取ろ
うとした場合、ユーザの要求だけをセンシングされるユ
ーザの状況などから推定するだけでは不十分な場合もあ
る。つまり、ユーザの環境・状況・状態・要求・行動と
いったユーザ情報を、より詳細に、また、より正確に装
置側で把握することが、適切な機器動作を実現するため
には望ましい。

【０００８】そこで本発明は、上記公報に開示した技術
をさらに進めて、ユーザの要求に限らず、環境・状況・
状態・行動といったユーザ情報を、より詳細に推定でき
るようにすることを第１の目的とし、また、より正確に
把握できるようにすることを第２の目的として、より少
ないユーザ入力による適切な機器動作の実現に寄与す
る。

【０００９】

【課題を解決するための手段及び発明の効果】本発明で
は、ユーザに関する情報であるユーザ情報を、１又は２
以上の情報セットとして分類定義した。ユーザ情報は、
例えば環境・状況・状態・要求・行動として分類できる
ため、これらそれぞれを情報セットとして定義すること
が考えられる。また、これらのいくつかをまとめて情報
セットとしてもよい。このとき情報セットには、対応す
る情報リストを用意しておく。そして、この情報リスト
に記述された項目で情報セットを表現する。例えばユー
ザの状態を示す情報セットを定義する場合、対応する情
報リストには「空腹度」、「渇き具合」、「眠たさ」、
「いらいら度」、「暑さ寒さ」、「疲労度」といった項
目が記載されているという具合である。そして、推定手
段は、これら情報セット毎の項目値として、ユーザ情報
を推定する。

【００１０】このような構成の下、請求項１に記載の発
明では、時間的・空間的要素にユーザ情報が多大なる影
響を受けるという事実に着目した。例えば時間が経てば
ユーザは空腹を覚えるであろうし、イベント会場の近く
にいれば、イベントに参加したいという要求を生じるこ
ともあろう。

【００１１】つまり、ユーザの発話などによるユーザ入
力がなくても、ある時点におけるユーザ情報が分かって
いれば又は推定できれば、時間経過といった時間的要素
が項目値に与える時間特性を計算することによって、ユ
ーザ情報の連続的な推定が可能になる。同様に、場所の
移動といった空間的要素が項目値に与える空間特性を計
算することによって、ユーザ情報の連続的な推定が可能
になる。

【００１２】従来の技術では、あるユーザの要求から未
来におけるユーザの状態を予測していたが、これは近未
来の状態をパターン化によって予測しているだけであ
り、ユーザ情報の時間的・空間的推移を計算によって総
括的に把握しようとするものではなかった。

【００１３】これに対して本発明は、時間特性又は空間
特性の少なくとも一方を計算し、計算した特性に基づ
き、情報セット毎に項目値を推定する。したがって、例
えば環境・状況・状態・要求・行動といった様々なレベ
ルのユーザ情報を、時間的・空間的要素に基づき、より
詳細に推定することができる。

【００１４】なお、時間特性の計算の一例として、周期
的時間特性を計算することが考えられる（請求項２）。
周期的時間特性とは、時間的要素に対する周期性をい
う。例えば、食事を摂ってから時間が経過すれば徐々に
空腹を覚え、再び食事を摂ることによって空腹が解消さ
れる。したがって、朝、昼、夜に３回食事を摂ると仮定
すれば、上述した「空腹度」の値は、ある関数で表現さ
れる。ここでいう周期的時間特性は、例えばこのような
関数の周期性をいう。つまり、このような関数は、朝、
昼、夜の食事に合わせて空腹度が大きく変化するという
１日単位の周期性を有すると考えられる。また、一般的
に外気温が低くなる冬はエネルギーの消耗が激しくなる
ため変化が大きくなり、逆に外気温が高くなる夏は変化
が小さくなるという季節単位の周期性を有すると考えら
れる。なお、周期的時間特性は、一般的な法則性に基づ
いて計算してもよいし、ユーザ毎に異なる法則性に基づ
いて計算してもよい。

【００１５】ところで、このような時間特性の計算にお
いては、上述したように朝、昼、夜、夏、冬という具合
に、時間的要素を意味のある時間概念に解釈できるよう
にすることが必要である。そこで、請求項３に示す構成
を採用することが考えられる。ここでいう時間表現と
は、朝、昼、夕方、夜、深夜、春、夏、秋、冬といった
時間概念の表現をいう。これによって、物理量としての
時間（時刻）を、装置側で意味のある時間概念に解釈す
ることができる。

【００１６】また、このような時間リストを例えばグリ
ニッジ標準時といった基準時刻からの時差を考慮したも
のとすれば（請求項４，５）、世界各地で同様の構成が
採用できる点で有利である。さらにまた、時間リストを
具象化する場合、計算処理が可能な変数で時間表現や時
差を記述した時間情報リストを含むものとすることが考
えられる（請求項６）。これによって、時間的要素の演
算が可能になる。

【００１７】一方、空間特性としては、構造的空間特性
を計算することが考えられる（請求項７）。構造的空間
特性とは、空間的要素に対する構造性をいう。都市構造
を世界各地で比較して見ると、空間構造の類似性が存在
する。例えば「駅の近くには、銀行、郵便局、デパー
ト、公園、タクシー乗り場、バス乗り場、レンタカー会
社がある」という具合である。

【００１８】ユーザは、それまでの経験などから「駅ま
で行けば、近くに公園があるため、休憩できる」という
具合に、空間的要素の構造性から行動を起こすことがあ
る。そのため、このような構造性を構造的空間特性とし
て計算することは、ユーザ情報の推定に重要である。

【００１９】このような空間特性の計算においても、空
間的要素を意味のある空間概念に解釈することが必要で
ある。そこで、請求項８に示す構成を採用することが考
えられる。このような空間リストによって、物理量とし
ての空間（位置）を、装置側で意味のある空間概念に解
釈することができる。そして、空間リストを具象化する
場合、起点となる施設からのベクトル変数で施設の位置
を表現した位置情報リストを含むものとすることが考え
られる（請求項９）。これによって、時間的要素と同様
に、空間的要素の演算が可能となる。

【００２０】なお、上述した公報に記載の技術では、ユ
ーザの状態からユーザの要求を推定する場合、対話デー
タベースを参照していた。この対話データベースは、環
境・状況・状態といったいくつもの情報を要求に結び付
けるものであり、データベースの構築・拡張が困難とな
る可能性がある。

【００２１】そこで、次に示すような規則データベース
を用いて、項目値を推定することが考えられる（請求項
１０，１１）。すなわち、ここでは、情報セットに対応
する情報リストに記述された項目間の規則を記述したも
のを規則データベースとした。つまり、大局的なユーザ
の要求・状態といった単位で規則化するのではなく、情
報セット毎に用意された一つ一つの項目にだけ注目して
規則を作成するのである。このようにすれば、規則デー
タベースの構築・拡張が用意になり、様々なレベルのユ
ーザ情報を、それらの関連性に基づき、より詳細に推定
できる。

【００２２】このような規則データベースは所定の記号
表現で記述しておき、解析計算できるようにすることが
考えられる（請求項１２）。この解析計算は、例えばプ
ログラム言語に変換するものであることが考えられる
（請求項１３）。ここにある技術思想は、従来の対話デ
ータベースにおける対応関係の参照技術に存在するパタ
ーン化及び検索処理時間の限界を、項目間の規則という
単位の解析計算により、回避するというものである。さ
らに、記号表現を用いることによる効果としては、人間
が見て分かり易くなること、また、様々なプログラム言
語に変換できることが挙げられる。

【００２３】規則データベースに記述される項目間の規
則として、時間的・空間的要素による項目値の変化規則
を記述することが考えられる（請求項１４）。例えば
「時間が経てば空腹度は増大する」という規則がこれに
該当する。また、項目間の整合性・因果関係による項目
値の変化規則を記述することが考えられる（請求項１
５）。例えば「何か飲めば、トイレに行きたくなる」な
どの規則がこれに該当する。さらに項目値の変化規則が
一通りにならない場合を考えると、項目値の変化規則を
確率的に表現できるようにすることが望ましい（請求項
１６）。例えば「適温なのに寒いならば、８０パーセン
トの確率で熱がある、あるいは、２０パーセントの確率
で空腹である」という具合である。また、項目の具体化
規則を表現できるようにしてもよい（請求項１７）。例
えば「何か飲むといった場合、コーヒーか、お茶か、あ
るいは、ジュースである」という規則が挙げられる。

【００２４】ところで、ユーザの状態から要求を推定す
る場合、一般的に、ユーザの状態を最適化するような要
求が生じるものとして推定できる。例えばユーザの状態
が「暑い」というものであれば、室温を適温へ移行させ
るような「温度を下げたい」という要求が生じるからで
ある。したがって、本発明で言えば、情報セット毎の項
目値を最適化するように、関連する情報セットの項目値
を推定することが考えられる。ただし、情報セットの項
目値は通常、複数個存在する。そのため、情報セット単
位の最適化計算をどのように行うかが問題になる。

【００２５】そこで、情報セットを、項目値を成分とす
る情報セット毎の情報ベクトルで表現することが考えら
れる。例えばユーザ情報である環境・状況・状態・要求
・行動がそれぞれ、情報セットとして分類定義されてい
れば、環境ベクトル、状況ベクトル、状態ベクトル、要
求ベクトル、行動ベクトルで表現するという具合であ
る。そして、各情報セットの最適状態を示す基準ベクト
ルとの距離計算を行い、計算された距離に基づき、情報
セットを最適化するように、項目値を推定する（請求項
１８，１９）。ここでは、基準ベクトルとの距離を最小
化することが、情報ベクトルを最適化することになる。
なお、複数の情報セットの内の一部を情報ベクトルで表
現し、その一部の情報セットを最適化することも考えら
れる。例えば状態ベクトルについてのみ最適化を行い、
行動ベクトルなど他のベクトルは最適化を行わない構成
も、ここに含まれるものとする。

【００２６】この技術思想は、情報リストの項目で定義
された情報セットを、距離空間上に表現し、物理量であ
る距離に置き換えて判断するものである。これによっ
て、情報セットの単位で最適化計算をすることができる
ため、様々なレベルのユーザ情報をより詳細に推定でき
る。また、情報セットの単位でユーザ情報の最適性を判
断できるため、より正確なユーザ情報の把握が可能にな
る。

【００２７】このような距離計算を考えると、情報セッ
ト毎の項目値を、「０」、最小値又は最大値を最適値と
する所定範囲の数値で表現するとよい（請求項２０）。
基準ベクトルの設定が簡単になるためである。ただし、
情報ベクトルの各成分の重要性は時々刻々変化する。つ
まり、各時点において、情報ベクトルには、情報セット
の本質をより顕著に示す支配的次元が存在するのであ
る。したがって、情報ベクトルの全ての成分を最適化す
ることはできないことが多く、また、全ての成分を最適
化する必要もない。

【００２８】そこで、上述した距離計算は、情報ベクト
ルを構成する各成分の重要性を考慮したものにすること
が考えられる（請求項２１）。例えば、特定成分に対す
る優先的な距離計算とすることが考えられる（請求項２
２）。これは、最初に最も重要性の高い成分について計
算し、この成分について距離を最小化することができれ
ば、次に別の成分について計算するという具合である。
また、各成分に対する重み付けがなされた距離計算とし
てもよい（請求項２３）。このような構成を採用すれ
ば、情報ベクトルの支配的次元を考慮した距離計算が可
能になる。

【００２９】なお、本発明においては、ユーザ情報を１
又は２以上の情報セットで分類定義している。これによ
って、ユーザ情報を詳細に表現するのであるが、逆に、
例えば複数の情報セットで表現されたユーザ情報の本質
を把握することは、ユーザ情報に基づく機器の動作制御
に重要である。

【００３０】そこで、情報セットに、ユーザの局面を示
す局面情報セットを含めることが考えられる。このと
き、推定手段は、他の情報セットの項目値に基づき、局
面情報セットの項目値を判定する（請求項２４，２
５）。ここで「他の情報セット」は、ユーザの環境・状
況・状態・要求・行動を分類定義したものとすることが
考えられる（請求項２６）。

【００３１】環境・状況・状態・要求・行動といったユ
ーザ情報を、情報セット毎の項目値として定義すれば、
ユーザ情報を詳細に表現することができる。しかしなが
ら、項目値が多くなると、ユーザ情報の本質が見え難く
なる。そこで、本発明では、環境・状況・状態・要求・
行動といったユーザ情報から判定される局面を導入し
た。これによって、ユーザ情報が総括的に表現できるこ
とになり、その結果、ユーザ情報の本質が捉えられる。
すなわち、ユーザ情報をより正確に把握できる。

【００３２】このような局面情報セットの項目値は、局
面符号として符号化してもよい（請求項２７）。例え
ば、このような局面符号は、スマートカードその他のメ
モリデバイスや通信路あるいはリモコン出力として送出
することができる。別途用意された対話装置などが、こ
の局面符号を復号化すれば、プライバシー侵害を最小限
にとどめたままで、機器を動作させることができる。

【００３３】ところで、このような局面を用いると、様
々な推定が可能となる。つまり、ユーザの環境・状況・
状態・要求・行動に対し典型的な局面を対応付けておけ
ば、環境・状況・状態・要求・行動から局面を判定する
ことで詳細情報から総合的情報への置換が可能となり、
逆に、局面を環境・状況・状態・要求・行動に分解する
ことで総合的情報から詳細情報への置換が可能になるた
めである。

【００３４】したがって例えば、過去に判定した局面情
報セットの項目値に基づき、情報セットの項目値を推定
するようにすることが考えられる（請求項２８）。ま
た、請求項２９に示すように、局面を分解して、他の情
報セットの項目値を推定してもよい。さらに、上述した
ような時間特性・空間特性の計算に、判定された局面を
用いてもよい（請求項３０）。これらの構成も、詳細な
ユーザ情報の推定に寄与する。なお、「過去に判定され
た」であるため過去のどの時点で判定された局面情報セ
ットの項目値を用いてもよいが、最も近い過去に判定さ
れた局面情報セットの項目値を用いるのが一般的であ
る。

【００３５】ただし、局面情報には、すなわち局面情報
セットの項目値には、推定対象の情報セット毎に優先順
序が存在する。つまり、項目値が複数個存在すれば、推
定計算における重要度が異なってくるからである。そこ
で、請求項３１の構成を採用することが考えられる。こ
のようにすれば、決定された優先順序に従って、局面情
報セットの項目値を用いた推定／計算が行われる。

【００３６】なお、情報セットが情報リストに記述され
た項目で表現されることは上述したが、情報リストに記
述された項目にも、その時点における必要性（以下「活
性化度合い」という。）が高いものと低いものとが存在
する。したがって、項目の活性化度合いに基づき、複数
のリストとして階層化しておくとよい（請求項３２）。
具体的には、項目の全てを含む完全リストと、活性化度
合いの最も高い活性化リストを少なくとも含んで階層化
することが考えられる（請求項３３）。このとき、推定
手段は、活性化度合いの高いリストに記述された項目に
対応する項目値を優先的に推定する。また、項目値の推
定結果に基づき、情報リストに階層化されて記述された
項目を変更するようにするのが一般的である（請求項３
４）。ここでいう変更には、階層化されたリスト間にお
ける項目の入れ替え、また、新規な項目の追加が含まれ
る。

【００３７】ところで、ユーザの特性を示す個人情報に
基づき、項目値を推定するようにすれば（請求項３
５）、適切なユーザ情報の推定が可能になる。このよう
な個人情報は、上記公報に開示した技術と同様にユーザ
プロファイルという形式で記憶しておくことが考えら
れ、外部から読み込むようにしてもよいし、請求項３６
に示すように、本装置内部で構築するようにしてもよ
い。例えば、センシング情報に基づく推定によって構築
することが考えられる（請求項３７）。

【００３８】また、ユーザの嗜好性も、個人情報の一部
と考えて、個人情報に含めることが考えられる（請求項
３８）。このようなユーザの嗜好性は、センシング情報
に加え又は代え、項目値から判定されるユーザの要求に
基づいて判断することが考えられる（請求項３９）。

【００３９】以上のようにして本発明では、情報セット
の項目値を推定するのであるが、このような推定を行っ
ても、通常、不完全な又は不確定な項目値が残る。そこ
で、項目値の信頼性は低くなる可能性もあるが、推定手
段による項目値の推定の後、不完全な又は不確定な項目
値を他の要素から推定する構成を採用してもよい（請求
項４０）。例えば、情報セットが情報ベクトルで表現さ
れていることを前提として、定型的な情報ベクトルとの
距離計算を行うことで不完全な又は不確定な項目値を推
定することが考えられる。このようにすれば、例えば活
性化度合いの高い項目が、不完全な又は不確定な値とな
ることを極力防止でき、確実に項目値が推定できる。

【００４０】

【発明の実施の形態】以下、本発明を具体化した一実施
例を図面を参照して説明する。図１は、実施例のユーザ
情報推定装置１を含む対話システムを示す説明図であ
る。この対話システムは、車両に搭載された様々な車両
搭載機器を含んで構成され、ユーザのフィーリングに合
った適切な制御を半自動的に行う。

【００４１】対話システムは、ユーザ情報推定装置１を
はじめ、対話装置８０、この対話装置８０に接続された
コンテンツ入力器８１、センサ８２、操作対象８３を備
えている。対話装置８０はいわゆる音声認識機能を備え
ており、対話装置８０には、ユーザの発話情報などのユ
ーザ入力がなされる。また、コンテンツ入力器８１から
は、天気情報、渋滞情報など、様々なコンテンツ情報が
入力され、センサ８２からは、車両各部の情報、外気
温、騒音などのセンシング情報が入力される。

【００４２】対話装置８０は、このような情報を例えば
プロファイルという形式で保持し、ユーザ情報推定装置
１へ出力する。これに対して、ユーザ情報推定装置１で
は、ユーザの置かれる環境・状況、ユーザの状態・要求
・行動、それらから決定される局面を推定し、これらの
情報をユーザ情報として対話装置８０へ出力する。これ
によって、対話装置８０は、操作対象８３へ、ユーザの
要求・状態、その要求・状態に応じたコマンド、検索テ
キストなどを出力する。操作対象８３は、ナビゲーショ
ン装置、オーディオ装置、テレビジョン受像機、検索装
置、電話機、さらには、窓の開閉装置といった様々な車
両搭載機器であることが考えられる。また、それらの車
両搭載機器を統括制御する制御装置としてもよい。すな
わち、ユーザ情報推定装置１によって、適切なユーザ情
報が推定されることによって、車両搭載機器を半自動的
にしかも適切に動作させることができる。具体的には、
操作対象８３の備えるアプリケーションプログラム（ア
プリケーション）が半自動的に実行されるのである。

【００４３】ユーザ情報推定装置１は、周知のコンピュ
ータシステムであり、ＣＰＵ、ＲＯＭ、ＲＡＭ、Ｉ／Ｏ
及びこれらを接続するバスラインをはじめ、記憶装置と
してハードディスク装置、対話装置８０との間で通信を
行うための通信装置などを備えている。このようなハー
ドウェア構成は従来より当業者によく知られたものであ
る。したがって図１では、ユーザ情報推定装置１の機能
構成を示した。すなわちユーザ情報推定装置１は、環境
計算部１０、状況計算部２０、要求計算部３０、状態計
算部４０、行動計算部５０、局面計算部６０、及び規則
データベース７０を備えている。

【００４４】本実施例のユーザ情報推定装置１では、ユ
ーザ情報を、ユーザの環境・状況・状態・要求・行動の
５つに分類し、さらにこれらを総合的に捉えた情報を局
面として、ユーザ情報を計６つに分類定義している。図
１には、各計算部１０〜６０が規則データベース７０を
用いてそれぞれの推定計算を行い、さらに、環境・状況
・要求・状態・行動の計算部１０〜５０は、局面計算部
６０の計算結果を用いて、推定計算を行うことが示され
る。各計算部１０〜６０では、特定の計算部１０〜６０
の計算結果を用いて、推定計算を行う。これは上述した
６つの定義分類が互いに関連しいるしていることを示し
ている。

【００４５】上述した各定義分類についてそれぞれ、リ
ストの形式で詳細な項目定義がなされ、ユーザ情報は、
定義分類毎、すなわち、環境・状況・状態・要求・行動
・局面といった「情報セット」毎の項目値で表現され
る。各計算部１０〜６０は、このリストに記述される項
目についての推定計算を行い、情報セット毎の項目値を
推定する。

【００４６】そして、このリストは、各計算部１０〜６
０にそれぞれ用意されており、しかも、４つの階層に階
層化されている。したがってまず、このリストについて
説明を加える。（１）リスト（１−１）環境リスト環境リストには、ユーザを取り巻く環境を定型的に表現
するための項目が格納される。ユーザを取り巻く環境の
定型的な表現を実現するための項目が記述される。

【００４７】完全環境リスト（環境辞書）アプリケーション上で想定されるユーザ環境の自然言語
表現を辞書として格納したものである。ここには、ユー
ザ環境の分類に属する全ての項目が記述される。たとえ
ば特開平１１−３５１９０１号公報、特開２０００−２
００９０号公報などに開示したユーザ環境項目が含まれ
る。

【００４８】定型的環境リスト定型的な環境とは、ユーザが要求を発するにおいて典型
的または発生頻度の高い、比較的少数の環境をさす。た
とえば、｛自宅付近、高速道路、雪が降っている、夏の
海岸、名古屋駅前、空港の駐車場、…｝などである。

【００４９】ユーザ環境リスト特定ユーザにおいて使用する頻度が高い、またはある局
面で典型的な環境の表現語を格納する。活性化環境リスト現時点で最も重要性が高い環境の表現語を格納する。

【００５０】（１−２）状況リスト状況リストには、ユーザの置かれた状況を定型的に表現
するための項目が格納される。完全状況リスト（状況辞書）アプリケーション上で想定されるユーザ状況の自然言語
表現を辞書として格納しておく。たとえば、下記のよう
なものがある。｛渋滞している、通勤途中、旅行中、買
い物、行楽時、長時間運転、…｝この状況リストに格納
される項目は、次のような特徴を有している。それは、
現在行っているマクロな行動内容も含まれるという特徴
と、論理的に矛盾しなければ複数の状況を選択できると
いう特徴である。複数の状況とは、｛通勤途中で渋滞し
ている｝というような状況を言う。そして、ここでいう
状況には、マクロな状況からミクロな状況までさまざま
なレベルの表現が含まれる。マクロな状況とは、｛旅行
中｝というようなものであり、ミクロな状況とは、その
旅行中に遭遇した｛渋滞｝、さらには、渋滞中における
ナビ操作に関連する｛ナビの操作方法が分からない｝と
いう状況などをいう。このような状況は継続時間の長さ
や対象となる空間範囲でレベル分けすることができる。

【００５１】定型的状況リスト定型的な状況とは、ユーザが要求を発する際に典型的ま
たは発生頻度の高い、比較的少数の状況をさす。たとえ
ば、｛ゴールデンウィーク期間における大渋滞｝、｛イ
ベント会場駐車場への長蛇の行列｝、｛朝の渋滞におけ
る信号待ち｝といった状況が考えられる。

【００５２】ユーザ状況リスト特定ユーザにおいて使用する頻度が高い、またはある局
面で典型的な状況の表現語を格納する。活性化状況リスト現時点で最も重要性が高い状況の表現語を格納する。

【００５３】（１−３）要求リスト要求リストには、ユーザに生じる要求を定型的に表現す
るための項目が格納される。ここには、現在、過去、未
来、あるいは仮想空間上の要求について適用できる項目
も含まれる。

【００５４】完全要求リスト（要求辞書）アプリケーション上で想定されるユーザ要求の自然言語
表現を辞書として格納しておく。たとえば、｛買い物に
行きたい｝、｛イベントを知りたい｝、｛イベントに参
加したい｝、｛旅行にいきたい｝、｛何か食べたい｝、
｛どこかへ行きたい｝などである。

【００５５】定型的要求リスト定型的な要求とは、ユーザが要求を発する際に典型的ま
たは発生頻度の高い、比較的少数の要求をさす。ユーザ要求リスト特定ユーザにおいて使用する頻度が高い、またはある局
面で典型的な要求の表現語を格納する。

【００５６】活性化要求リスト現時点で最も重要性が高い要求の表現語を格納する。（１−４）状態リスト状態リストには、ユーザの状態を定型的に表現するため
の項目が格納される。

【００５７】完全状態リスト（状態辞書）アプリケーション上で想定されるユーザ状態の自然言語
表現を辞書として格納しておく。たとえば、｛空腹であ
る、暑い、いらいらしている、元気である、憂鬱であ
る、疲れている｝などの項目が挙げられる。

【００５８】定型的状態リスト定型的な状態とは、ユーザ状態として定義された項目の
中の典型的な、または発生頻度の高い、比較的少数の状
態をさす。ユーザ状態リスト特定ユーザにおいて使用する頻度が高い、またはある局
面で典型的な状態の表現語を格納する。

【００５９】活性化状態リスト現時点で最も重要性が高い状態の表現語を格納する。（１−５）行動リスト行動リストには、ユーザの行動を定型的に表現するため
の項目が格納される。ここには、現在、過去、未来、あ
るいは仮想空間上の行動について適用できる項目も含ま
れる。

【００６０】完全行動リスト（行動辞書）アプリケーション上で想定されるユーザ行動の自然言語
表現を辞書として格納しておく。たとえば、｛電話をか
ける、ＣＤを聴く、ＴＶを観る、食べる、運転する｝な
どが挙げられる。

【００６１】定型的行動リスト定型的な行動とは、ユーザ行動として定義された項目の
中の典型的な、または発生頻度の高い、比較的少数の行
動をさす。ユーザ行動リスト特定ユーザが起こし易い、または、ある局面で典型的な
行動の表現語を格納する。

【００６２】活性化行動リスト現時点で最も重要性が高い行動の表現語を格納する。（１−６）局面リストユーザ情報としての環境・状況・状態・要求・行動の各
々について所定の項目を定義して、定型的な表現を実現
することは既に述べた。このとき、これらの組み合わせ
として｛環境、状況、状態、要求、行動｝の５項組から
決定される項目を局面として定義すれば、ユーザの定型
的な局面を定義できる。たとえば｛買い物で疲れてい
る、旅行で疲れている、出張先で行き先がわからない、
旅行先で行き先がわからない｝などの項目が局面であ
る。この例からも分かるように、上述した５つの項目が
局面の決定に全て用いられるとは限らない。

【００６３】完全局面リスト（局面辞書）アプリケーション上で想定されるユーザ局面の自然言語
表現を辞書として格納しておく。定型的局面リスト定型的な局面とは、ユーザ局面として定義された項目の
中の典型的な、または発生頻度の高い、比較的少数の局
面を指す。

【００６４】ユーザ局面リスト特定ユーザに対して発生する頻度が高い典型的な局面の
表現語を格納する。活性化局面リスト現時点で最も重要性が高い局面の表現語を格納する。（２）上述したリストは、各計算部１０〜６０に用意さ
れている。これら各計算部１０〜６０の構成を示すの
が、図２〜図７に示す説明図である。

【００６５】次に、図２〜図７を参照して、各計算部１
０〜６０の概略的な構成及び動作を説明する。（２−１）環境計算部図２に示すように、環境計算部１０は、推定計算を実行
する環境推定部１１０と、環境リスト１２０とを備えて
いる。環境リスト１２０は、上述したような、活性化環
境リスト１２０ａ、ユーザ環境リスト１２０ｂ、定型的
環境リスト１２０ｃ、完全環境リスト１２０ｄに階層化
されている。

【００６６】環境推定部１１０は、対話装置８０及び局
面計算部６０からの局面情報に基づき、規則データベー
ス７０を参照して、環境リスト１２０に記述された環境
項目について、特に活性化環境リスト１２０ａに記載さ
れた環境項目について優先的に推定を行い、推定結果
を、局面計算部６０、状況計算部２０、要求計算部３
０、状態計算部４０、及び対話装置８０へ出力する。ま
た、推定結果に基づき、環境リスト１２０の各リスト１
２０ａ〜１２０ｄに記述される項目は、環境推定部１１
０によって、４つのリスト１２０ａ〜１２０ｄの中で入
れ替えられたり、追加されたりされる。

【００６７】（２−２）状況計算部図３に示すように、状況計算部２０は、推定計算を実行
する状況推定部２１０と、状況リスト２２０とを備えて
いる。状況リスト２２０は、上述したような、活性化状
況リスト２２０ａ、ユーザ状況リスト２２０ｂ、定型的
状況リスト２２０ｃ、完全状況リスト２２０ｄに階層化
されている。

【００６８】状況推定部２１０は、対話装置８０、局面
計算部６０及び環境計算部１０からの入力情報に基づ
き、規則データベース７０を参照して、状況リスト２２
０に記述された状況項目について、特に活性化状況リス
ト２２０ａに記載された状況項目について優先的に推定
を行い、推定結果を、局面計算部６０、要求計算部３
０、状態計算部４０、及び対話装置８０へ出力する。ま
た、推定結果に基づき、状況リスト２２０の各リスト２
２０ａ〜２２０ｄに記述される項目は、状況推定部２１
０によって、４つのリスト２２０ａ〜２２０ｄの中で入
れ替えられたり、追加されたりされる。

【００６９】（２−３）要求計算部図４に示すように、要求計算部３０は、推定計算を実行
する要求推定部３１０と、要求リスト３２０とを備えて
いる。要求リスト３２０は、上述したような、活性化要
求リスト３２０ａ、ユーザ要求リスト３２０ｂ、定型的
要求リスト３２０ｃ、完全要求リスト３２０ｄに階層化
されている。

【００７０】要求推定部３１０は、対話装置８０、局面
計算部６０、環境計算部１０、状況計算部２０及び状態
計算部４０からの入力情報に基づき、規則データベース
７０を参照して、要求リスト３２０に記述された要求項
目について、特に活性化要求リスト３２０ａに記載され
た要求項目について優先的に推定を行い、推定結果を、
局面計算部６０、及び対話装置８０へ出力する。また、
推定結果に基づき、要求リスト３２０の各リスト３２０
ａ〜３２０ｄに記述される項目は、要求推定部３１０に
よって、４つのリスト３２０ａ〜３２０ｄの中で入れ替
えられたり、追加されたりされる。

【００７１】（２−４）状態計算部図５に示すように、状態計算部４０は、推定計算を実行
する状態推定部４１０と、状態リスト４２０と、状態モ
デル４３０とを備えている。状態リスト４２０は、上述
したような、活性化状態リスト４２０ａ、ユーザ状態リ
スト４２０ｂ、定型的状態リスト４２０ｃ、完全状態リ
スト４２０ｄに階層化されている。また、状態モデル４
３０は、状態項目の各値を所定のフォーマットで記述し
たものである。この状態モデル４３０については後述す
る。

【００７２】状態推定部４１０は、対話装置８０、局面
計算部６０、環境計算部１０及び状況計算部２０からの
入力情報に基づき、規則データベース７０を参照して、
状態リスト４２０に記述された状態項目について、特に
活性化状態リスト４２０ａに記載された状態項目につい
て優先的に推定を行い、推定結果を、局面計算部６０、
要求計算部３０、及び対話装置８０へ出力する。また、
推定結果に基づき、状態リスト４２０の各リスト４２０
ａ〜４２０ｄに記述される項目は、状態推定部４１０に
よって、４つのリスト４２０ａ〜４２０ｄの中で入れ替
えられたり、追加されたりされる。

【００７３】（２−５）行動計算部図６に示すように、行動計算部５０は、推定計算を実行
する行動推定部５１０と、行動リスト５２０とを備えて
いる。行動リスト５２０は、上述したような、活性化行
動リスト５２０ａ、ユーザ行動リスト５２０ｂ、定型的
行動リスト５２０ｃ、完全行動リスト５２０ｄに階層化
されている。

【００７４】行動推定部５１０は、対話装置８０及び局
面計算部６０からの入力情報に基づき、規則データベー
ス７０を参照して、行動リスト５２０に記述された行動
項目について、特に活性化行動リスト５２０ａに記載さ
れた行動項目について優先的に推定を行い、推定結果
を、局面計算部６０、及び対話装置８０へ出力する。ま
た、推定結果に基づき、行動リスト５２０の各リスト５
２０ａ〜５２０ｄに記述される項目は、行動推定部５１
０によって、４つのリスト５２０ａ〜５２０ｄの中で入
れ替えられたり、追加されたりされる。

【００７５】（２−６）局面計算部図７に示すように、局面計算部６０は、推定計算を実行
する局面推定部６１０と、局面リスト６２０と、局面モ
デル６３０とを備えている。局面リスト６２０は、上述
したような、活性化局面リスト６２０ａ、ユーザ局面リ
スト６２０ｂ、定型的局面リスト６２０ｃ、完全局面リ
スト６２０ｄに階層化されている。

【００７６】局面推定部６１０は、対話装置８０、環境
計算部１０、状況計算部２０、要求計算部３０、状態計
算部４０及び行動計算部５０からの入力情報に基づき、
規則データベース７０を参照して、局面リスト６２０に
記述された局面項目について、特に活性化局面リスト６
２０ａに記載された局面項目について優先的に推定を行
い、推定結果を、局面計算部６０、環境計算部１０、状
況計算部２０、要求計算部３０、状態計算部４０、行動
計算部５０及び対話装置８０へ出力する。また、推定結
果に基づき、局面リスト６２０の各リスト６２０ａ〜６
２０ｄに記述される項目は、局面推定部６１０によっ
て、４つのリスト６２０ａ〜６２０ｄの中で入れ替えら
れたり、追加されたりされる。（３）次に、上述した各計算部１０〜６０における推定
部１１０，２１０，３１０，４１０，５１０，６１０の
構成・動作について説明する。

【００７７】（３−１）環境推定部図８は、環境推定部１１０の動作を説明するための機能
ブロック図である。ここに示す空間特性計算ブロック１
１１、時間特性計算ブロック１１２ではそれぞれ、空間
特性及び時間特性の計算を行う。

【００７８】なお、このような空間特性及び時間特性の
計算は、他の推定部２１０〜６１０でも同様に行われる
ものである。本実施例では、空間特性及び時間特性の計
算を１つの特徴としているため、ユーザを取り巻く環境
としての時間・空間をどのようにして取り扱うかについ
て、ここで説明を加える。

【００７９】ユーザ環境には、時間・空間（両方を合わ
せて「事象」と呼ぶ）が含まれることは言うまでもな
い。そして、このユーザ環境としての時間・空間は、他
の環境要素にも影響を与えると同時に、ユーザの状況・
状態・要求・行動・局面にも多大なる影響を与える。

【００８０】したがって、このような時間・空間を、物
理的な量として表現するだけでは十分ではない。例えば
システムの計時手段によって得られる○○時○○分とい
う時刻データを採用しても、また、ＧＰＳ受信機によっ
て得られる位置データ（例えば地図上の座標）をそのま
ま採用しても意味をなさない。

【００８１】すなわち、システムにおける時間は、人間
が活動する現実世界の中で人間の感覚を通して獲得され
た一日、一週間、一ヶ月、一年、一世紀などを支配的な
周期と考え、一方で季節や時間帯なども重要な定型的時
間表現として、環境項目に組み込むことが適切な推定計
算を行うために有効である。また例えば空間も同様に、
人間が活動する現実世界の都市構造などを考え、環境項
目に組み込むことが有効である。

【００８２】空間特性空間特性の計算は、基本的空間特性の計算、構造的空間
特性の計算、さらに、それらの計算結果を合成する合成
計算とで実現される。基本的空間特性の計算とは、単な
る物理量としての座標データを定型的空間表現｛駅、銀
行、郵便局｝などに置き換えて解釈し、ユーザ情報を推
定するための特性を把握するものである。

【００８３】構造的空間特性の計算とは、さらに空間構
造を取り入れて、ユーザ情報を推定するための特性を把
握するものである。本実施例では、構造的空間特性とし
て、空間構造の類似性の概念を取り入れた。空間構造の
類似性は、たとえば、都市構造に見られる類似性であ
る。具体的に「駅の近くに、銀行、郵便局、デパート、
公園、タクシー乗り場、バス乗り場、レンタカー会社、
…がある」といった都市構造は、空間表現リストとし
て、次の式１で示すことが考えられる。 X$LST(1)＝｛駅｜銀行、郵便局、デパート、公園、タクシー乗り場、バス乗り場、レンタカー、…｝・・・式１このような空間表現リストに対して、次の式２，式３，
式４で示される位置情報リストを採用して空間構造を処
理することが考えられる。 PLST(1,k)＝｛X_k｜u_k,1、u_k,2、u_k,3、…｝・・・式２ u ＝ (u,v) ・・・式３ x_k,m＝ X_k + u_k,m ・・・式４つまり、銀行、郵便局、デパートなどを、駅を起点とす
るベクトル変数で表現するのである。これによって、距
離に関する制約条件も、次の式５にて表現できることに
なる。｜u_k,m ｜＝＜ Lnear ・・・式５ここでLnearは、たとえば500m程度に設定することが考
えられる。

【００８４】このような空間表現リスト、及び対応する
位置情報リストをシステムに備えるようにすれば、駅周
辺にユーザが位置しているという単なる定型的な空間表
現にから発展させ、利用者が位置している空間がより詳
細に分析できる。また、このような類似性の定義によ
り、世界各地で同様の推定を行うことができる。

【００８５】つまり、ユーザが駅に位置すれば、あるい
は、ユーザが駅まで行けば、その近くに｛銀行、郵便
局、デパート、公園、…｝が存在する可能性が高いとい
うことをシステム側で判断できるのである。このような
構造的空間特性を用いれば、空間に大きく影響を受ける
ユーザ情報の推定計算が適切になる。

【００８６】さらに、銀行へ行けば｛お金がおろせる、
口座が作れる、エアコンが効いている、振込ができる、
両替ができる、…｝、デパートへ行けば｛エアコンが効
いている、大勢の人がいる、食事ができる、トイレがあ
る、駐車場がある、…｝、公園へ行けば｛休憩できる、
スポーツができる、お花見ができる、子供が遊べる、お
弁当が食べられる、…｝といった一般的規則を適用する
ことによって、ユーザ状態の状態項目である「疲労度」
が高いユーザに対し、そのユーザの行動を、公園やデパ
ートでの休憩という具合に推定できる。

【００８７】以上のような空間特性を含む空間に関する
情報を、以下「空間情報」と呼ぶ。時間特性時間特性の計算は、基本的時間特性の計算、周期的時間
特性の計算、さらに、それらの計算結果を合成する合成
計算とで実現される。

【００８８】基本的時間特性の計算とは、単なる物理量
としての時刻を、定型的時間表現｛朝、昼、夕方、夜、
深夜、春、夏、秋、冬、・・・｝などに置き換えて把握
し、ユーザ情報を推定するものである。世界各地でこの
ような時間表現を適切に行うために、定型的時間表現を
要素とする次の式６で示される時間表現リストを定義し
た。ここではＧＭＴ（Greenwich Mean Time ）を基準に
した時差を考慮する。 T$LST(1)＝｛時差｜朝、昼、夕方、夜、深夜、春、夏、秋、冬、・・・｝・・・式６これに対応して、各定型的時間表現に対応する数値的時
間情報を表現するリストである時間情報リストは、次の
式７で表現される。 TLST(1,k)＝｛T_k ｜dt_k,1 、dt_k,2 、dt_k,3 、・・・｝・・・式７式７を用いれば、たとえばＧＭＴを用いた定型的時間表
現は、次の式８で表現できる。 t_k,m ＝ T_k ＋ dt_k,m ・・・式８ここで、時間範囲に関する制約条件は、次の式９で表現
される。 DTFROM(k,m)＝＜ dt_k,m ＜ DTTO(k,m) ・・・式９このような時間表現リスト、及び対応する時間情報リス
トをシステムに備えるようにすれば、時差を考慮した時
間特性に基づく、ユーザ情報の推定が可能となる。

【００８９】一方、周期的時間特性の計算とは、定型的
時間表現に周期性を取り入れて、ユーザ情報を推定する
ものである。例えば上述したようなユーザ情報を数値属
性で表現することを考えた場合、時刻ｔの関数として数
値属性ａ（ｔ）と表現できる。この数値属性ａ（ｔ）の
周期性を周期的時間特性として定義し、基本関数ａ０
（ｔ）に対する荷重係数及びオフセット関数として計算
するという具合である。すなわち、荷重係数Cdwmyc、オ
フセット関数Poffとした場合、次の式１０で数値属性ａ
（ｔ）が記述されることを前提とし、以下の式１１〜２
４で周期的時間特性を表現する。 a(t)＝ Cdwmyc・a0(t)＋Poff ・・・式１０ Poff ＝ Pday＋Pweek＋Pmonth＋Pyear＋Pcentury＋Plife ・・・式１１ Cdwmyc(t) ＝ Cday(t) ・Cweek(t) ・Cmonth(t) ・Cyear(t) ・Ccentury(t) ・Clife(t) ・・・式１２ Cday (t+Tday ) = Cday (t) ・・・式１３ Cweek (t+Tweek ) = Cweek (t) ・・・式１４ Cmonth (t+Tmonth ) = Cmonth (t) ・・・式１５ Cyear (t+Tyear ) = Cyear (t) ・・・式１６ Ccentury(t+Tcentury) = Ccentury(t) ・・・式１７ Clife (t) = Cuser#life(t-tub) ・・・式１８ Pday (t+Tday ) = Pday (t) ・・・式１９ Pweek (t+Tweek ) = Pweek (t) ・・・式２０ Pmonth (t+Tmonth ) = Pmonth (t) ・・・式２１ Pyear (t+Tyear ) = Pyear (t) ・・・式２２ Pcentury(t+Tcentury) = Pcentury(t) ・・・式２３ Plife (t) = Puser#life(t-tub) ・・・式２４ここで、tub は対象とするユーザの誕生時刻に相当す
る。また、各記号の意味は下記の通りである。

【００９０】a0(t)：一日以下の周期を持つ属性値の基
本関数 T'w$'：w$の時間概念に対応する時間周期 C'w$'：T'w$'を周期とする荷重係数 P'w$'：T'w$'を周期とするオフセット関数なお、オフセット関数は、図９に例示する如くである。
図９では、上段よりPlife、Pyear、Pmonth、Pweek、Pda
y の関数を順に示した。それぞれ実線Ａ，Ｂ，Ｃ，Ｄ，
Ｅで示される。そして、Pyear 関数は、Plife 関数の記
号ａで示す部分を拡大したものである。同様に、Pmonth
関数はPyear 関数の記号ｂで示す部分を、Pweek 関数は
Pmonth関数の記号ｃで示す部分を、Pday関数はPweek 関
数の記号ｄで示す部分を、それぞれ拡大したものとなっ
ている。

【００９１】また、基本関数ａ０（ｔ）は、図１０に例
示されるものである。図１０では、上段に「空腹度」の
時間変化を示し、中段に「疲労度」、下段に「眠たさ」
の時間変化を示した。すなわち、ここでいう周期的時間
特性の計算とは、図１０に例示されるような満腹度、疲
労度、眠たさなどが一般的な関数として定義され、この
関数に基づいてユーザ情報（この場合は、状態項目）が
数値属性として推定されることを前提とし、ユーザに合
わせた時間周期に基づく荷重係数やオフセット関数を計
算するものである。

【００９２】このような時間特性を含む時間に関する情
報を、以下「時間情報」と呼ぶ。時間モデル、空間モデル、事象モデル図１１に示すように、時間表現リスト・時間情報リスト
といった時間モデルの導入は、物理時間ｔをシステムに
おいて意味のある時間概念として解釈することに寄与す
る。また、空間表現リスト・位置情報リストといった空
間モデルの導入は、物理空間ｘをシステムにおいて意味
のある空間概念として解釈することに寄与する。上述し
た説明では、時間情報と空間情報を別々に説明したが、
現実世界では、これらは時空間として捉えられる。本実
施例では、時間及び空間のモデルを導入しており、すな
わち事象モデルをシステムに導入したことになるため、
時空間（ｘ，ｔ）を意味のある事象概念として解釈でき
る。

【００９３】例えば年中行事といったイベント情報は、
図１２に示すような時空間に表現できる。したがって、
この時空間に対するユーザの時空間軌道を考えると、ユ
ーザ情報に基づくイベント案内を適切なものとすること
ができる。すなわち、システムは、時空間における距離
として適切なイベント情報を選択できる。例えばユーザ
の時空間軌道が図１２に示すものとなれば、ＢＢ市の夏
祭りを案内するという具合である。

【００９４】ここで図８に示した環境推定部１１０の説
明に戻る。上述した空間特性計算ブロック１１１には例
えばＧＰＳ受信機からの位置データが入力され、時間特
性計算ブロック１１２には例えばシステムの計時手段か
らの時刻データが入力される。つまり、環境推定部１１
０によって推定される環境項目には時間情報及び空間情
報が含まれるため、物理量としての時刻データに基づき
時間特性を計算し、また、物理量としての位置データに
基づき空間特性を計算するのである。ただし、環境推定
部１１０による推定結果である環境推定値が、環境の初
期推定値としてフィードバックされるため、物理量とし
ての時刻データ・位置データから毎回時間特性及び空間
特性を計算する必要はない。

【００９５】また、空間特性計算ブロック１１１・時間
特性計算ブロック１１２では、局面情報も取り入れて、
環境の空間特性・時間特性を計算する。すなわち、環境
推定部１１０に入力される局面情報は、優先順序決定ブ
ロック１１３にて環境項目における優先順序決定がなさ
れ、空間特性計算ブロック１１１・時間特性計算ブロッ
ク１１２に入力される。

【００９６】環境判定ブロック１１４には、計算された
空間特性・時間特性、優先順序決定ブロック１１３から
の局面情報、外部からの個人情報が入力される。環境判
定ブロック１１３は、これらの情報に基づき、規則計算
ブロック１１５及び環境リスト１２０を参照し、環境判
定を行う。環境判定とは、環境項目の推定を意味してい
る。このとき、上述したように、環境リスト１２０の活
性化環境リスト１２０ａに記述されている環境項目を優
先的に推定する。

【００９７】なお、このような環境判定により、全ての
環境項目が推定されるとは限らない。もちろん、全ての
環境項目を推定する必要性はないが、活性化環境リスト
１２０ａに記述された環境項目など、決定することが望
ましい項目もある。そこで、本実施例では、環境判定ブ
ロック１１４による判定結果と、優先順序決定ブロック
１１３からの局面情報に基づき、不確定値推定ブロック
１１６が、不完全又は不確定な値の推定を行う。不確定
値推定ブロック１１６は、規則計算ブロック１１５及び
環境リスト１２０を参照して推定計算を行う。

【００９８】上述した規則計算ブロック１１５は、規則
データベース７０に記述された規則群を解釈する。この
規則データベースについては後述する。また、個人情報
は、対話装置８０から入力されるものであり、例えばユ
ーザプロファイルに記述された内容であることが考えら
れる。なお、ここでは、図２中に示した環境リスト１２
０を便宜上、環境推定部１１０内部に記述した。

【００９９】（３−２）状況推定部図１３は、状況推定部２１０の動作を説明するための機
能ブロック図である。状況推定部２１０は、図１３から
分かるように、図８に示した環境推定部１１０とほぼ同
様の構成になっている。環境推定部１１０には位置デー
タ・時刻データが入力されていたが、この状況推定部２
１０には、環境推定部１１０によって計算された空間情
報・時間情報が入力される点で異なっている。

【０１００】そして、空間特性計算ブロック２１１で
は、状況推定のための空間特性が計算され、時間特性計
算ブロック２１２では、状況推定のための時間特性が計
算される。また、優先順序決定ブロック２１３では、入
力された局面情報に対し、状況項目における優先順序が
決定される。

【０１０１】なお、各ブロック間の関連は、環境推定部
１１０と同様であるため、ここでは処理の流れをフロー
チャートの形式で説明する。図１４は、状況推定処理を
示すフローチャートである。まず最初のステップ（以
下、ステップを単に記号Ｓで示す。）１００において、
局面情報を取り込む。続くＳ１１０では、優先順序を決
定する。これは、優先順序決定ブロック２１３における
処理であり、この場合、状況項目における優先順序を決
定する。

【０１０２】次のＳ１２０では、状況の初期推定値を取
り込む。ここでは、状況推定部２１０から前回出力され
た状況推定値を取り込む。そして、状況の初期推定値、
時間情報、及び局面情報に基づき、Ｓ１３０では、状況
の時間特性を計算する。この処理は、時間特性計算ブロ
ック２１２によるものであり、基本的時間特性の計算、
周期的時間特性の計算、及び両計算結果の合成計算から
なる。また、Ｓ１４０では、状況の初期推定値、空間情
報、及び局面情報に基づき、状況の空間特性を計算す
る。この処理は、空間特性計算ブロック２１１によるも
のであり、基本的空間特性の計算、構造的空間特性の計
算、及び両計算結果の合成計算からなる。

【０１０３】続くＳ１５０では、規則の参照を行う。こ
れは状況判定ブロック２１４による規則群の参照であ
り、規則群は、規則データベース７０から読み出されて
規則計算ブロック２１５にて解釈されたものである。こ
の規則を適用することによって、状況判定ブロック２１
４は、以下に示すＳ１６０〜Ｓ１９０の推定処理を実行
する。

【０１０４】Ｓ１６０では、環境に依存する状況を推定
する。続くＳ１７０では、状況間の整合性による推定を
行う。次のＳ１８０では、前回の状況に基づく推定を行
う。これは、時間特性や空間特性に基づく状況の推移を
推定するものである。続くＳ１９０では、因果関係によ
る状況推定を行う。このように、規則データベース７０
に記述された規則群を、規則計算ブロック２１５が解釈
し、この解釈された規則群を用いて様々な状況の推定を
行う。

【０１０５】そして、次のＳ２００では、個人情報を取
り込む。この処理も、状況判定ブロック２１４によるも
のである。状況判定ブロック２１４は、さらに次のＳ２
１０において状況リストを参照し、続くＳ２２０にて状
況判定を行う。Ｓ２３０では、不完全・不確定な値の推
定を行う。これは不確定値推定ブロック２１６による処
理である。

【０１０６】（３−３）状態推定部ユーザの状態は、ユーザの要求に密接に関係している。
例えば「空腹」という状態からは「食べたい」という要
求が生じ、「疲労」という状態からは「休みたい」とい
う要求が生じるという具合である。そこで本実施例では
状態モデルを定義し、状態モデルを最適化することによ
ってもユーザの要求を推定する。したがって、上記
（２）とは順序が異なるが、状態推定部４１０につい
て、最初に説明する。

【０１０７】図１５に示すように状態推定部４１０は、
空間特性計算ブロック４１１、時間特性計算ブロック４
１２、状態判定ブロック４１４、規則計算ブロック４１
５、及び不確定値推定ブロック４１６を備えている点
で、上述した環境推定部１１０や状況推定部２１０と同
様の構成となっている。

【０１０８】この状態推定部４１０による推定結果であ
る状態推定値は、状態計算部４０の状態モデル４３０と
して保持される。この状態モデル４３０は、状態ベクト
ルの形式で保持されている。まず、状態ベクトルについ
て説明する。

【０１０９】（３−３−１）状態ベクトルここでは各状態の自然言語表現を数値表現に対応させる
手法を提案する。N 個の状態値ｑ_i（i＝1,…,N）を成分
とするベクトルｑを状態ベクトルとして定義する。ｑ＝（ｑ₁,ｑ₂,…,ｑ_N）・・・式２５このような状態ベクトルは、具体的には、以下のような
状態項目に対する状態値のベクトルとして表現できる。

【０１１０】例えば状態数が１０個であり、符号付４ｂ
ｉｔ表現により「−８」〜「７」で状態値を示す場合を
考える。ここで「レベル定義」とは、自然言語表現と数
値との対応付けを示す。また、「性質」として、常識か
ら判断されるその状態項目の変化などを記述した。以下
に示すような状態値による表現を用いれば、上述した時
間特性及び空間特性による状態変化を簡単にシステム上
で計算できることになる。なお、各言語表現は状態を量
子化した結果を表現する代表的記述であり、音声対話シ
ステムなどでユーザが入力する他の言語表現（空腹度に
ついては「何か食べたい」、「腹へった」、「腹と背中
がくっつきそうだ」、…）との対応付けは認識辞書を介
してシステムが行う。

【０１１１】ｑ₁：空腹度 A) レベル定義｛満腹である（7,6,5）、ほぼ満腹である（4,3）、普通
（2〜-2）、お腹が空いた（-3〜-5）、腹ぺこだ（-6〜-
8）｝ B) 性質・食事をしなければ時間経過とともに減少する。

【０１１２】・食事や休憩時に増大することが多い。ｑ₂：渇き具合 A) レベル定義｛飲めない（７〜5）、飲みたくない（4,3）、飲める
（2〜-2）、のどが渇いた（-3〜-5）、からからである
（-6〜-8）｝ B) 性質・暑いときにはのどが渇きやすい。

【０１１３】・飲み物を取ると増大する。・食事や休憩時に増大することが多い。ｑ₃：眠たさ A) レベル定義｛目がさえている（７〜5）、眠くない（4,3）、普通
（2〜-2）、眠い（-3〜-5）、起きていられない（-6〜-
8）｝ B) 性質・長時間運転すると減少する。

【０１１４】・疲労度が高まると減少する。ｑ₄：いらいら度 A) レベル定義｛非常に落ち着いている（７〜5）、やや落ち着いてい
る（4,3）、普通（2〜-2）、いらいらしている（-3〜-
5）、非常にいらいらしている（-6〜-8）｝ B) 性質・長時間運転すると減少する。

【０１１５】・疲労度が高まると減少する。・空腹、かわき、疲労、暑さなどで減少しやすい。ｑ₅：暑さ寒さ A) レベル定義｛非常に暑い（７〜5）、やや暑い（4,3）、普通（2〜-
2）、やや寒い（-3〜-5）、非常に寒い（-6〜-8）｝ B) 性質・季節による周期性がある。

【０１１６】・時間帯の影響を受ける。・エアコンの影響を受ける。冷房時には減少、暖房時に
は増大する。・窓の開閉に影響を受ける。・体調によって変化する。

【０１１７】・疲労度によって増加・減少が生じる。ｑ₆：疲労度 A) レベル定義｛非常に元気である（７〜5）、やや元気である（4,
3）、普通（2〜-2）、やや疲れた（-3〜-5）、非常に疲
れた（-6〜-8）｝ B) 性質・運転時間、空腹度、渋滞などに影響される。

【０１１８】ｑ₇：不満度 A) レベル定義｛非常に満足している（７〜5）、やや満足している
（4,3）、普通（2〜-2）、やや不満である（-3〜-5）、
非常に不満である（-6〜-8）｝ B) 性質・運転時間、空腹度、渋滞などに影響される。

【０１１９】・いらいら度との間に正の相関がある。ｑ₈：トイレへの要求度 A) レベル定義｛ぜんぜん大丈夫（７〜5）、まあ大丈夫（4,3）、普通
（2〜-2）、ややいきたい（-3〜-5）、非常にいきたい
（-6〜-8）｝ B) 性質・のどが渇いてるときは比較的大きい値となる。

【０１２０】・食事の後は減少する。ｑ₉：気分の悪さ A) レベル定義｛非常に爽快（７〜5）、まあ爽快（4,3）、普通（2〜-
2）、やや気持ち悪い（-3〜-5）、非常に気持ち悪い（-
6〜-8）｝ B) 性質・体調、食事などに影響される。

【０１２１】・疲労度、不満度などと相関がある。ｑ₁₀：機嫌の悪さ A) レベル定義｛非常に機嫌がいい（7〜5）、少し機嫌がいい（4,
3）、普通（2〜-2）、やや機嫌が悪い（-3〜-5）、非常
に機嫌が悪い（-6〜-8）｝ B) 性質・いらいら度、不満度と相関がある。

【０１２２】・ユーザ発話から決定される可能性が高
い。上述した状態ベクトルは次元数１０であったが、日常の
自然言語で表現されている人間の状態に対応して増やす
ことができる。本実施例では、状態ベクトルを以下のよ
うなものと考える。

【０１２３】・各状態値は時間的に変動する。・各状態値には個人差もあるが、一般的な人間として常
識的または平均的な特性も定義できる。・各状態値は常に観測できるとは限らないため、不確定
な成分もありうる。

【０１２４】・状態値の中には計測不可能なものもある
ため、状態ベクトルは不完全なことがある。・ユーザ要求を計算する際に、状態ベクトル中の全成分
が均等に影響力があるわけではない。

【０１２５】以上、具体例を挙げて詳述したような状態
ベクトルにて状態モデルを記述することによって、状態
の時間特性の記述、空間特性の記述が以下のようにして
なされる。（３−３−２）時間特性の記述特に外的要因がない場合、時間の経過に応じて減少する
（悪くなる）状態は次の式２６で表現できる。ｑ_k（ｔ+1）＝ｑ_k（ｔ）−Δｑ_k ・・・式２６このΔｑ_kは常に一定とは限らない。例えば規則データ
ベース７０に記述された規則群を、図１５に示す規則計
算ブロック４１５で解釈し適用することによって値を変
更することができる。

【０１２６】また、図１０に示した基本関数は、状態ベ
クトルｑに対して荷重状態ベクトルｑｓを次の式２７で
定義することで表現できる。ｑs＝Ｗｑ・・・式２７ここでＷはＮ行Ｎ列の荷重係数行列である。実用的に
は、次の式２８に示すように対角行列とすることが考え
られる。Ｗ＝ diag（w1,w2,…,wN）・・・式２８これに基づき、状態に関する時間的周期性を状態値その
ものと各状態に対する荷重係数の両方において定義す
る。

【０１２７】状態値に関する周期性周期関数は次の式２９，式３０で定義できる。ｑ（ｔ）＝ｑ（ｔ＋T）（ t<0 or t>=T ）・・・式２９ｑ（ｔ）＝ｑ0（ｔ）（ 0=<t<T ）・・・式３０ここでＴは、１日、１週間、１ヶ月、１年に相当する周
期である。たとえば、空腹度などは、1日を周期とする
周期性があると考えられる。ただし、人間の状態は個々
人によっても異なるし、日によっても多少の差異があ
る。それを特にユーザの特徴であると定義し、次の式３
１で記述する。Ｑ_U（ｔ）＝ｑ（ｔ）＋ＤＱ_U （ｔ）・・・式３１すなわち、個人においては大体周期的ではあるが、厳密
にはＤＱ_U （ｔ）の偏差がある。一方、平均的な人間の
状態特性は周期関数ｑ（ｔ）であると仮定すれば、次の
式３２が成り立つ。ｌｉｍ（ Σ ＤＱ_U （ｔ））＝０・・・式３２ここでΣはＵについて「１」〜「ＮＵ」までの和記号を
示し、ｌｉｍは、ＮＵ→∞とした場合の極限値を示す。

【０１２８】一方、優先度に関する周期性は、次の式３
３で記述できる。ｗ_k （ｔ）＝ｗ_k （ｔ＋Ｔ）・・・式３３ここでもＴは、１日、１週間、１ヶ月、１年に相当する
周期である。したがって、状態ベクトルのうち、周期性
を定義できる状態値については状態、荷重係数ともに周
期関数となり、周期係数系の荷重状態ｑｓ_k は、次の式
３４で表現される。ｑｓ_k ＝ｗ_k （ｔ）ｑ_k （ｔ）・・・式３４空間特性の記述空間座標からその位置の定型的な空間表現を出力する関
数SCategory（x）を用いると、次のような式３５を採用
できる。 If SCategory（x1）= SCategory（x2）then q_i (x1) = q_i (x2) ・・・式３５この式は、定型的な空間表現が同一であれば、状態値を
同じであると見なすことを意味している。すなわち、式
３５によって状態値における空間的類似性を定義でき
る。ただし、これはそれまでの状態変化の経緯や状況に
依存しない場合の空間的類似性である。

【０１２９】以上、状態を示す状態ベクトルについて説
明した。なお、このようなベクトルとして、環境、状況
などの他のユーザ情報を同様に表現することはもちろん
可能である。その場合には、環境ベクトル、状況ベクト
ルなどを定義し、環境モデル、状況モデルを構築でき
る。

【０１３０】（３−３−３）状態推定部の動作上述したような状態ベクトルを導入していることを除け
ば、状態推定部４１０における処理は、状況推定部２１
０における処理とほぼ同様である。したがってここで
は、状態推定部４１０における処理を簡単に説明する。
なお、図１６に示すフローチャートを参照しつつ説明す
る。

【０１３１】処理が開始されると、局所情報を取り込み
（Ｓ３００）、状態項目における優先順序を決定する
（Ｓ３１０）。次に初期推定値を取り込んで（Ｓ３２
０）、時間特性及び空間特性を計算する（Ｓ３３０，Ｓ
３４０）。その後、規則を参照し（Ｓ３５０）、この規
則参照によって、環境に依存する状態を推定し（Ｓ３６
０）、状態間の整合性による推定を行い（Ｓ３７０）、
前回の要求に基づく推定を行い（Ｓ３８０）、さらに、
因果関係による推定を行う（Ｓ３９０）。そして次に個
人情報を取り込み（Ｓ４００）、状態リストを参照して
（Ｓ４１０）、状態の判定を行う（Ｓ４２０）。最後
に、不完全・不確定となった値を推定する（Ｓ４３
０）。

【０１３２】（３−４）要求推定部図１７に、要求推定部３１０の機能ブロック図を示し
た。この要求推定部３１０も、上述した他の推定部１１
０，２１０，４１０とほぼ同様のブロックで構成されて
いる。

【０１３３】ただし、上述したように状態モデル４３０
を構成する状態ベクトルを状態情報として入力し、状態
空間の最小化計算を行う最小化計算ブロック３１７を備
えており、この状態空間の最適化計算に基づいて、要求
判定が行われる点が他の推定部１１０，２１０，４１０
と大きく異なっている。最小化計算ブロック３１７には
優先順序決定ブロック３１３によって優先順序決定がな
された局面情報も入力され、局面情報も用いて最適化計
算を行う。

【０１３４】（３−４−１）そこでまず、最小化計算ブ
ロック３１７にて実行される最適化について説明する。
ユーザの要求項目を、状態項目と同様に、要求ベクトル
ｒで表現することができる。この要求ベクトルｒは、主
として空間、時間、およびユーザ状態から推定できると
仮定すると、要求推定関数は次の式３６で表現できる。ｒ＝ｇ（ｘ，ｔ，ｑ）・・・式３６さらに、「ユーザの要求はユーザ状態を最適化するよう
に決定される」と仮定すると、式３６に示した関数ｇ
は、式３７に示す最小化演算で定義できる。 minimize ｄ(ｑ,ｑ_opt ) subject to ｛ｘは想定する範囲内、ｔは想定する時間内｝・・・式３７ここで、ｄ（ａ，ｂ）は、２つのＮ次元ベクトルａ，ｂ
間の距離を示す関数であり、ｑはユーザ状態を示すＮ次
元ベクトル、ｑ_opt は、Ｎ次元状態空間の中で現時点で
ユーザが最適状態であると想定するベクトルである。こ
のベクトルｑ_optは、大域的にはほぼ一定の範囲内にあ
るが、局所的には環境要因などに基づいて変動する。ま
た、個人の嗜好性によってもある程度異なる。なお、距
離関数ｄは例えば次の式３８，式３９に示すように、各
成分に荷重係数を持つ絶対値距離で表現できる。ｄ（ｑ，ｑ_opt ）＝ (1/SA) Σ a_i ｜q_i - q_opt _i | ・・・式３８ SA = Σ a_i ・・・式３９なお、記号Σは、ｉ＝１〜Ｎまでの和記号を示す。荷重
係数ａ_i を制御することで、想定する時空間座標におい
て状態空間中で支配的な状態次元のみを優先的に距離計
算の対象とすることができる。このとき、状態ベクトル
が不確定または不定の成分を持つ場合、このような不確
定成分は、計算対象外としたり、不定値Ｘとして計算し
たり、推定値でおきかえて計算したりすることが考えら
れる。どのようにして推定値で置き換えるかについては
後述する。

【０１３５】また、本実施例においては、状態ベクトル
を構成する状態成分の数値が単調に変化するようになっ
ている。すなわち、状態が良好であることを示す状態成
分値は「０」又は「最大値（７）」となっている。した
がって minimize ｄ(ｑ,ｑ_opt ）は、前者の場合、す
なわち状態成分値が「０」であるときに最適である場
合、式４０として表現できる。一方、後者の場合、すな
わち状態成分値が「最大値（７）」である場合、式４１
として表現できる。 minimize |ｑ_i | ・・・式４０ minimize |ｑｍａｘ_i −ｑ_i | ・・・式４１上述した最小化計算において、すべての状態成分につい
て一様に最小化するとはかぎらず、各場合において優先
順序Ｐが存在する。この優先順序Ｐは、個人の特性など
に応じて変わってくる。優先順序Ｐを最小化計算に組み
入れるには次の２つの方法がある。

【０１３６】条件判断に基づき、最小化計算の実行順
序を制御する方法この場合は、例えばｑ₁ ，ｑ₆ ，ｑ₇ という順番で最小
化計算を行う。各最小化計算に基づいて要求項目の推定
を行う。このとき、優先順序Ｐは数列｛１，６，７，・
・・｝と表現される。

【０１３７】各状態値に対して荷重計算を行う方法この場合は、例えばｑ₁ の荷重係数を「１００」、ｑ₆
の荷重係数を「８０」、ｑ₇ の荷重係数を「７０」とし
て最小化計算を行う。このとき、優先順序Ｐは荷重ベク
トルｗ＝（１００，・・・，８０，７０，・・・）で表
現される。

【０１３８】なお、荷重ベクトルｗの成分値（荷重係
数）ｗ_k は、主として時間と空間に影響を受けるため、
次の式４２で記述する。ｗ_k ＝Ｗ_K （ｔ，ｘ）・・・式４２ただし、ｗ_k はｔ，ｘに対して不連続な関数となること
が多い。

【０１３９】（３−４−２）要求推定部の動作上述した状態空間の最小化計算を行うことが、要求推定
部３１０の特徴である。これを除けば、要求推定部３１
０における処理は、状況推定部２１０における推定処理
とほぼ同様である。

【０１４０】つまり、図１８に示すように要求推定処理
が開始されると、局所情報を取り込み（Ｓ５００）、要
求項目における優先順序を決定する（Ｓ５１０）。次に
初期推定値を取り込んで（Ｓ５２０）、時間特性及び空
間特性を計算する（Ｓ５３０，Ｓ５４０）。

【０１４１】続いてＳ５５０にて、上述した最小化計算
を実行する。この処理が、最小化計算ブロック３１７の
処理に相当する。その後、規則を参照し（Ｓ５６０）、
この規則参照によって、状態に基づく推定を行い（Ｓ５
７０）、前回の要求に基づく推定を行い（Ｓ５８０）、
関連要求の推定を行い（Ｓ５９０）、さらに、要求間の
整合性による推定を行う（Ｓ６００）。ここで関連要求
とは、ある要求からユーザの状態を介さず推定可能な２
次的な要求をいう。そして次に個人情報を取り込み（Ｓ
６１０）、要求リストを参照して（Ｓ６２０）、要求の
判定を行う（Ｓ６３０）。この要求判定処理では、最小
化計算に基づく要求判定も行われる。例えば図１９に示
すように、車内において状態項目「暑さ寒さ」は、１年
周期及び１日周期の時間特性を有して変動すると考えら
れる。この状態項目、すなわち状態ベクトルの成分の最
小化計算によって、「温度を下げたい（上げたい）」と
いう要求の推定を行う。そして最後に、不完全・不確定
となった値を推定する（Ｓ４３０）。

【０１４２】（３−５）行動推定部行動推定部５１０も、機能ブロックとしては、上述した
他の推定部１１０〜４１０と同様になる。なお、ここで
は説明が冗長になるのを避けるため、行動推定部５１０
の動作についての説明は割愛する。

【０１４３】（３−６）時空間特性を考慮した状態、要
求、行動の推定要求はユーザ内面に発生するものであるのに対し、行動
は外部に対する実際の働きかけであるため、要求が全て
行動に結びつくとは限らない。しかし、ユーザの行動
は、ユーザの要求から生じる。したがって、状態から要
求を推定するのと同様にして、要求から行動を推定する
ことができる。

【０１４４】そして状態、要求、行動は、時間情報及び
空間情報にも多大な影響を受ける。したがって、状態ベ
クトルｑと同様の要求ベクトルｒ、行動ベクトルＡを定
義すれば、これらのベクトルｑ，ｒ，Ａの関係は、次の
式４３，式４４，式４５で表現できる。ｑ_n+1 ＝ｆ（ｘ，ｔ，ｑ_n ）・・・式４３ｒ_n ＝ｇ（ｘ，ｔ，ｑ_n ）・・・式４４Ａ_n ＝ｈ（ｘ，ｔ，ｒ_n ）・・・式４５ここで、xは空間表現リストX$LSTと位置情報リストPLST
に翻訳することができる。即ち、次に示す式４６，式４
７，式４８，式４９において、｛ｉ，ｋ，ｍ｝が決定さ
れる。 X$LST(i)＝｛origin(i)｜spot(i,1),spot(i,2),…,spot(i,m),…｝・・・式４６ PLST(i,k)＝｛X_k ｜u_k,1 ，u_k,2 ，… ，u_k,m ，…｝・・・式４７ u＝(u,v) ・・・式４８ x_k,m ＝ X_k + u_k,m ・・・式４９また、ｔは時間表現リストT$LSTと時間情報リストTLST
に翻訳することができる。すなわち、次に示す式５０，
式５１，式５２において｛ｉ，ｋ，ｍ｝が決定される。 T$LST(i)＝｛時差｜朝、昼、夕方、夜、深夜、春、夏、秋、冬、…｝・・・式５０ TLST(i,k)＝｛T_k ｜dt_k,1 ，dt_k,2 ，…，dt_k,m ，…｝・・・式５１ t_k,m ＝ T_k + dt_k,m ・・・式５２（３−７）局面推定部局面推定部６１０の機能ブロック図は、図２０に示す如
くである。局面推定部６１０も他の推定部１１０〜５１
０と同様に、空間特性計算ブロック６１１、時間特性計
算ブロック６１２、局面判定ブロック６１４、規則計算
ブロック６１５を備えている。

【０１４５】局面は上述したようにユーザの環境・状況
・状態・要求・行動の５項目を総括的に捉えた情報であ
り、局面推定部６１０では、空間情報・時間情報に基づ
く空間特性・時間特性を用い、また、環境・状況・状態
・要求・行動の初期推定値を用いて、局面判定を行う。

【０１４６】例えば図２１に示すように、環境＝｛雨、
16:00｝，状況＝｛旅行先｝，要求＝｛休みたい｝，状
態＝｛疲労｝，行動＝｛施設検索｝という５項組から
は、局面＝｛旅行先で雨の中、長時間運転している｝と
いう判定がなされるという具合である。このような判定
は、空間特性・時間特性に基づいて行われる。もちろ
ん、５項組から判定される局面が複数存在する場合も挙
げられる。このように、環境・状況・要求・状態・行動
という詳細な情報を典型的な局面として捉えることによ
り、情報の本質がシステムによって把握される可能性が
高くなる。

【０１４７】また、局面推定部６１０では、局面判定と
は逆の操作である局面分解を、成分分解ブロック６１９
が行う。これによって、典型的な局面から、環境・状況
・要求・状態・行動という詳細な情報を推定することが
できる。このようにして判定された局面は、辞書のイン
デックスとして記号化することができる。これにより、
ユーザ情報はダイナミックに変化するタイプ別のラベル
情報に集約され、個人情報がダイナミックにさらに、こ
れらを暗号化することにより、プライバシー保護やセキ
ュリティに応用することができる。

【０１４８】また、局面推定部６１０では、符号化ブロ
ック６１８が、局面の符号化を行い、局面符号を出力す
る。本実施例において、この局面符号は対話装置８０へ
出力され、復号化されて車両搭載機器の制御に利用され
る。なお、このような局面符号をスマートカードその他
のメモリデバイスや通信路あるいはリモコン出力として
送出することで、受信装置側はユーザの定型的局面を復
号再生でき、プライバシー侵害を最小限にとどめたまま
で、対象装置が個々のユーザに適した動作をするように
操作できる。

【０１４９】（４）以上、各推定部１１０，２１０，３
１０，４１０，５１０，６１０の動作を説明したが、各
推定部１１０，２１０，３１０，４１０，５１０，６１
０では、規則データベース７０からの規則群を規則計算
ブロック１１５〜６１５で解釈し、規則を適用して推定
を行っていた。

【０１５０】そこで次に、規則データベース７０につい
て説明する。規則データベース７０には、文章による規
則表現を計算機が解釈できるように単語やフレーズ間の
関係が記号で記述されている。このような記号記述によ
って厳密には原文章の細かいニュアンスが失われること
もあるが、実用上差し支えない範囲でそれを許容し、記
述手法を定義した。たとえば、「交差点では音量を下げ
たほうがよい」は「交差点では音量を下げる」と解釈し
て機器を制御すればよい。将来的にその細かいニュアン
スの表現が実用上望まれるようになったときは、それに
対応する細かい記述手法を同様にして追加すれば良いた
めである。

【０１５１】以下に、規則データベース７０に記述され
る記号記述の具体例を、言語記述に対応させて示す。（４−１）時間変化の記述時間がたてば空腹度は増大する：＜空腹＞＜←＋、時間＞運転時間が長くなると疲労度は増大する：＜疲労＞＜←＋、運転時間＞運転時間が長くなると眠気は増大する：＜眠い＞＜←＋、運転時間＞（４−２）因果関係の記述「AならばBになる」といった因果関係についても、下記
のような言語記述に対応させた記号記述で表現する。

【０１５２】何か飲めば、トイレに行きたくなる：＜飲む＞⇒＜ｔ＋；トイレ＞スポーツした後では疲労が増す：＜スポーツ＞⇒＜ｔ＋；疲労＞疲労度が増すと眠くなる：＜疲労；＋＞⇒＜ｔ＋；眠い＞冷房運転で温度は下がる：＜冷房＞⇒＜ｔ−；温度＞（４−３）相関・論理的関係の記述なおここでは、状態間の相関あるいは論理的関係の記述
を例に挙げる。

【０１５３】環境条件を記述しない場合は、以下のよう
になる。空腹ならば疲労度も高い：＜空腹＞＜＋；疲労＞疲労ならば眠気が増大する：＜疲労＞＜＋；眠い＞運転を継続すれば疲労度は増大する：＜運転時間＞＜＋；疲労＞一方、環境条件を記述する場合は、最初の＜＞に仮定条
件を記述するようにし、この仮定条件の記述では、環境
を記述しその右に＆に続けて状態を記述する。

【０１５４】適温なのに寒いならば熱があるか、空腹
かもしれない：＜適温＆寒い＞⇒＜ｐ；熱がある＞＜ｐ；空腹＞ここで、ｐは可能性をあらわす記述子を意味する。本実
施例では、この記述子を用いて確率値を記述できるよう
にした。確率値を記述する場合、以下のようになる。

【０１５５】＜適温＆寒い＞⇒＜ｐ=0.8；熱がある＞＜ｐ=0.2；空腹＞快適環境なのに不快ならば病気か機嫌が悪い：＜快適環境＆不快＞⇒＜病気｜機嫌が悪い＞（４−４）環境への依存記述ここでは、環境に依存して決まる状態を例に挙げて説明
する。

【０１５６】温度が高ければ暑い：＜温度＞＜＋；暑い＞雨の日は視界が悪いか、不快である：＜雨＞＜＋；視界が悪い＞＜＋；不快＞渋滞のときはいらいらする：＜渋滞＞＜＋；いらいら＞（４−５）関連事項の記述ある要求からユーザ状態を介さないでも導出される要求
を関連要求と呼ぶ。これは、車から外に出て何かするに
は駐車場が必要であるといった物理的な拘束条件に基づ
くものである。

【０１５７】トイレに行くには駐車場が必要である：＜トイレ＞＜１；駐車場＞食事に行くには駐車場が必要である：＜食事＞＜１；駐車場＞何か飲むには駐車場が必要である。：＜何か飲む＞＜１；駐車場＞ここで「１」は、関連することを表す記述子である。

【０１５８】（４−６）具体化の記述漠然とした要求を具体化する規則の記述もこの規則デー
タベース７０になされる。「何か飲む」といった場合、コーヒーか、お茶か、あ
るいは、ジュースである：＜何か飲む＞＜２；コーヒー＞＜２；お茶＞＜２；ジュ
ース＞ここで「２」は、具体化を表す記述子である。

【０１５９】（４−７）原因の記述たとえば下記の例のように、要求の原因となる状態を記
述することができる。食べたいのは空腹だからである。：＜食べたい＞⇒＜空腹＞遊びたいのは不満があるからである。：＜遊びたい＞⇒＜不満＞スキーをするのはアクティブであるか元気だからである。：＜スキー＞⇒＜アクティブ＞＜元気＞なお、このような記号記述を用いることによって、コン
ピュータプログラムへの自動変換が可能になる。例えば
ここで（４−２）のに示す記号記述は、次に示すよう
な関数記述に変換できるという具合である。

【０１６０】規則データベース７０には、このような関数記述自体を
記述してもよいが、人間が見て分かり易くなること、ま
た、コンパイラによって様々なコンピュータ言語に変換
できることを考えると、本実施例のような記号記述を採
用することが望ましい。

【０１６１】以上の各場合の各関数記述において、別途
記憶された関数をコールするようにして時間特性による
変化を記述することができる。たとえば、（４−２）の
の記述は、次の関数記述で表現される。ここでVariationが、別途記憶された関数である。（５）また、上述した各推定部１１０，２１０，３１
０，４１０，５１０，６１０では、個人情報を対話装置
８０から入力し、この個人情報に基づく推定を行ってい
る。

【０１６２】そこで次に、個人情報について説明する。（５−１）個人情報の記述この個人情報は、上述したように対話装置８０の備える
プロファイルとして記述することが考えられる。この個
人情報記述にも、規則データベース７０と同様の記号記
述を用いることができる。これによって、空腹時はいら
いらしやすい、渋滞時にはわき見しやすい、左折時にバ
ックミラーの見落としが多い、といった個人の特性も対
話システムに把握させることができる。

【０１６３】（５−２）個人情報（個人特性）の学習「空腹」という状態は、時間帯、ユーザの状態から比較
的容易に把握できるが、ユーザが「いらいらしている」
かどうかをシステムが判定するには何らかの判断基準が
必要になる。ただし、一般的傾向として「空腹時はいら
いらしやすい」を記述しておくことは不自然ではない。

【０１６４】しかし、ここで問題としていることは、こ
のような一般的傾向を確認することではなく、個人の特
定の性質をシステムがどのように把握すればよいかとい
うことである。そこで本実施例では、「ＡのときはＢに
なりやすい」という規則がその個人に適用できるか否か
を、その個人に「Ｂですか」と問い掛けるのではなく、
「Ｂである」ことを特徴付ける物理的なパラメータセッ
トb ＝（b₁ ,b₂ ,…,b_N ）についてシステムが判定する
ようにした。

【０１６５】例えば「いらいらしている」ことを判定す
るには、次に示すような方法で判定できる。方法１）音声入力に基づく方法例えば「うるさい」という音声入力があった場合には、
いらいらしている可能性が高い。

【０１６６】方法２）ユーザ状態に基づく方法対話システムが搭載された車両内にユーザ状態を観察す
るための各種センサを設置しておき、ユーザの視線・声
量・息遣い・ため息・手足の動き・血圧などをセンシン
グして、明らかに平常状態から異なる値が得られた場合
には、いらいらしている可能性が高い。

【０１６７】方法３）車両操作に基づく方法ハンドルの切り方、クラクションの回数、スピードの変
化、ブレーキのかけ方、ボリュームの調整などを車両情
報として取得して、明らかに平常状態から異なる値が得
られた場合には、いらいらしている可能性が高い。

【０１６８】なお、方法２及び方法３は、センサ８２か
らのセンシング情報に基づくものである。以上のように
して把握されたパラメータセットの特徴は比較的個人に
よる違いによらないと考えることができる。したがっ
て、これを基に判定されるユーザ状態「Ｂ」を状態空間
上にマッピングすれば、「Ａ」との相関が個人の特性と
して計算される。この結果、たとえば「Ａ」の状態にお
いて「Ｂ」と判断される割合に基づき、「ＡのときはＢ
になりやすい」という判定を下すことができる。

【０１６９】（５−３）個人情報に基づく推定計算本実施例では、上述したようにして学習された個人情報
を用いて、ユーザ情報の推定計算を行う。このような個
人情報と、時間特性・空間特性による推定計算を行え
ば、ユーザの状態遷移が比較的高い精度で推定できる。
すなわち、対話装置８０からのユーザ入力がなくても、
あるいは、不完全であっても、ユーザ情報を推定できる
可能性が高くなる。さらに、本実施例では、時間特性・
空間特性に周期的時間特性・構造的空間特性を採用し、
一個人について状態空間中で時間・空間をパラメーター
とする状態軌道を獲得すれば、その推定精度は向上す
る。

【０１７０】（５−４）個人情報の修正なお、対話装置８０に対するユーザ入力があった場合、
この入力情報に基づいて個人情報を修正すれば、個人情
報の信頼性が向上する。（５−５）個人情報としてのユーザ嗜好の計算要求推定部３１０にて計算されたユーザの要求をある時
間範囲について観測することにより、ユーザの平均的な
嗜好性を計算できる。このようなユーザの嗜好性も個人
情報の一部として記述する。

【０１７１】環境や状況への依存性が低い要求、すな
わち、いつ発せられてもおかしくはないような要求につ
いては発生頻度を基準として嗜好性を判定する。たとえ
ば下記のようにある時間範囲の平均によって嗜好性を判
定する。ある例えば操作対象８３のあるアプリケーショ
ンＡｎに対する要求が時刻ｔに発せられたとき、その要
求度Ｒｎ（ｔ）を１とし、それ以外は０とする。これに
対してある時間範囲ＴＰにおける発生頻度ＲＴＰを次の
式５３で計算する。ＲＴＰ＝（１／ＴＰ）ΣＲｎ（ｔ）・・・式５３ここで記号Σは、ｔ＝ｔ０〜（ｔ０−ＴＰ−１）までの
和記号を示す。このＲＴＰが、所定の判定値ＲＴＰＴＨ
よりも大きい場合、ユーザの嗜好性があると判断する。
これによって、たとえばユーザＡは「AA公園によくい
く」とか、「好きな場所はBBである」などが嗜好性とし
てシステムに獲得される。

【０１７２】環境や状況への依存性が高い要求、すな
わち、ある状況項目ｑ_i の取る値によってアプリケーシ
ョンＡｎへの要求度がきわめて大きく変動し、かつ、そ
の特性の再現性が高いならば、上記の発生頻度の計算範
囲を限定して、その範囲でＲＴＰを計算し、嗜好性を判
定する。これにより、「ユーザＡは冬になると必ずスキ
ーにいく」という嗜好性がシステムに獲得される。

【０１７３】市場分析などに見られる多くのユーザの
嗜好性は、上記の特定ユーザの嗜好性を、たとえばプロ
ファイルという形態で、センタ装置に送信し、このセン
タ装置に集積すれば容易に計算できる。（６）さらに、上述した各推定部１１０，２１０，３１
０，４１０，５１０，６１０では、不確定値推定ブロッ
ク１１６，２１６，３１６，４１６，６１６にて、不完
全なあるいは不確定となった値を推定している。

【０１７４】次に、この不確定値の推定について説明す
る。不確定値の推定には、本願出願人が、特願２０００
−２０６６０８号で提案した依存性を利用することが考
えられる。また、対話装置８０には、プロファイルが格
納されているため、このプロファイルを用いて、過去の
自分や他人の情報に基づき、不確定値を推定することが
できる。

【０１７５】さらにまた、定型的なベクトルｑ_typ との
マッチングを行うことも考えられる。つまり、状態空間
における最小化計算で示したのと同様に、次の式５４で
定型的なベクトルとの距離計算を行う。 minimize ｄ(ｑ,ｑ_typ ) ・・・式５４ただし、ここでｑ_typ は定型的な状態リストＴＱＬＩＳ
Ｔに含まれる任意のベクトルであり、空間・時間の想定
される範囲内における最小化である。

【０１７６】なお、このときの距離関数ｄは、既に述べ
たように、次の式５５，式５６で表現される。ｄ（ｑ，ｑ_opt ）＝ (1/SA) Σ a_i ｜q_i - q_typ _i | ・・・式５５ SA = Σ a_i ・・・式５６なお、記号Σは、ｉ＝１〜Ｎまでの和記号を示す。ま
た、状態リストＴＱＬＩＳＴは定型的な状態を示すリス
トであり、次の式５７で表現される。ＴＱＬＩＳＴ＝ [ｑ_t1 ，ｑ_t2 ，…，ｑ_tM ] ・・・式５７ここでＭは、定型的状態の数を表す。

【０１７７】上述した距離計算では、定型的なユーザ状
態において支配的な状態次元にのみ着目すれば十分な場
合が多い。これは荷重係数ａ_i を操作することで達成で
きる。支配的な状態次元はあらかじめユーザが指示して
もよいが、主成分分析やICA（Independent Component A
nalysis）法などにより状態空間中のベクトル群の解析
を行うことで自動的に決定することもできる。

【０１７８】次に、本実施例のユーザ情報推定装置１が
発揮する効果を説明する。本実施例のユーザ情報推定装
置１では、空間特性・時間特性を計算し、この特性に基
づいて、環境・状況・状態・要求・行動・局面からなる
ユーザ情報を推定する。これは、ユーザの発話などによ
るユーザ入力がなくても、ある時点におけるユーザ情報
が分かっていれば又は推定できれば、時間経過といった
時間的要素が項目値与える時間特性を計算することによ
って、ユーザ情報の連続的な推定が可能になるためであ
り、同様に、場所の移動といった空間的要素が項目値に
与える空間特性を計算することによって、ユーザ情報の
連続的な推定が可能になるためである。また、このと
き、構造的空間特性・周期的時間特性を計算して、空間
的要素の構造性や時間的要素の周期性も考慮している。
その結果、環境・状況・状態・要求・行動といった様々
なレベルのユーザ情報を、時間的・空間的要素に基づ
き、より詳細に推定することができる。

【０１７９】また、このような空間特性・時間特性を計
算するために、物理的な空間・物理的な時間をシステム
として意味のある空間概念・時間概念に解釈できるよう
本実施例では、「空間リスト」として式１に示した空間
表現リスト及び、式２〜４に示した位置情報リスト、ま
た、「時間リスト」として式６に示した時間表現リスト
及び、式７に示した時間情報リストを導入した。これに
よって、時間的要素・空間的要素の演算を可能にした。

【０１８０】さらにまた、時間リストはＧＭＴからの時
差を考慮したものであり、式８に示したようなＧＭＴを
用いた定型的な時間表現が実現される。また、空間リス
トも世界各地における構造の類似性を取り入れたものと
した。これによって、世界各地で同様の構成が採用でき
る。

【０１８１】また、本実施例のユーザ情報推定装置１
は、規則データベース７０を備えており、この規則デー
タベース７０に記述された規則群に基づいてユーザ情報
の推定を行う。そして、この規則データベースには、文
章による規則表現を計算機が解釈できるように単語やフ
レーズ間の関係が記号で記述されている。結果として、
様々なレベルのユーザ情報を、それらの関連性に基づ
き、より詳細に推定することができる。

【０１８２】規則データベースは、上記（４）で具体例
を挙げて説明したように、所定の記号表現で記述される
ため、規則の構築・追加が容易である。また、人が見て
分かり易い点や、システム内で解析でき、様々なプログ
ラム言語に変換できる点でも有利である。本実施例で
は、規則計算ブロック１１５，２１５，３１５，４１
５，６１５が、規則データベース７０の規則群を解析す
る。

【０１８３】さらにまた、本実施例のユーザ情報推定装
置１では、図５に示したように、状態計算部４０で推定
されるユーザの状態を、状態ベクトルｑとして表し、状
態モデル４３０を構築した。そして、この状態ベクトル
ｑと最適状態を示すベクトルｑ_opt との距離計算を、図
１７中の要求推定部３１０が備える最小化計算ブロック
３１７が実行する。具体的には、式３８，式３９に示
す、各成分に荷重係数を持つ絶対値距離の計算を行う。
要求判定ブロック３１４では、距離計算の結果に従い、
状態ベクトルｑを最適化するように、ユーザの要求を推
定する。つまり、状態リスト４２０で定義されたユーザ
の状態を、物理量である距離に換算して判断し、ユーザ
の要求を推定するのである。これによって、ユーザ状態
に基づく適切な要求の推定が可能になる。また、各成分
に荷重係数を持つため、状態空間中で支配的な状態次元
のみを優先的に距離計算の対象とすることができる。

【０１８４】また、本実施例のユーザ情報推定装置１
は、局面計算部６０を備えており、図２０に示した局面
推定部６１０の局面判定ブロック６１４は、ユーザの環
境・状況・状態・要求・行動からユーザの局面を判定す
る。これによって、ユーザ情報が総括的に表現できるこ
とになり、その結果、ユーザ情報の本質を捉えることが
できる。すなわち、ユーザ情報をより正確に把握でき
る。

【０１８５】この判定された局面は、符号化ブロック６
１８にて符号化されて対話装置８０へ出力される。その
ため、対話装置８０側でこの局面符号を復号化すれば、
プライバシー侵害を最小限にとどめたままで、機器を動
作させることができる。なお、このような局面符号は、
スマートカードその他のメモリデバイスや通信路あるい
はリモコン出力として送出することができる。

【０１８６】さらに、各推定部１１０，２１０，３１
０，４１０，５１０では、前回判定された局面情報に基
づき、空間特性・時間特性を計算し、また、ユーザ情報
の推定を行う。このとき、優先順序決定ブロック１１
３，２１３，３１３，４１３が、局面情報セットの項目
における優先順序を、推定対象のユーザ情報に合わせて
決定する。したがって、決定された優先順序に従って、
局面情報セットの項目値を用いられ、適切な推定／計算
が実現される。

【０１８７】また、成分分解ブロック６１９は判定され
た局面を環境・状況・状態・要求・行動といった情報に
分解し、その結果に基づく、ユーザ情報の推定がなされ
る。以上のように局面情報を用いたことによって、本実
施例では、詳細なユーザ情報の推定を実現した。

【０１８８】さらにまた、本実施例のユーザ情報推定装
置１では、ユーザの環境・状況・状態・要求・行動とい
ったユーザ情報を、それぞれ環境リスト１２０，状況リ
スト２２０状態リスト３２０、要求リスト３２０、行動
リスト５２０、局面リスト６２０に記述された項目で表
現しており、これらのリストを項目の活性度合いで階層
化した。そして、項目の活性化度合いが最も高い活性化
リストに記述された項目を優先的に推定する。したがっ
て、ユーザ情報の項目の中で活性化度合いが高いものが
推定できる。

【０１８９】また、本実施例のユーザ情報推定装置１で
は、外部からの個人情報に基づいてユーザ情報の推定を
行う。したがって、各ユーザに合わせた適切な情報が推
定できる。さらにまた、本実施例のユーザ情報推定装置
１では、ユーザ情報が推定された後、不完全な又は不確
定な値の推定を行う。具体的には、式５４〜式５６に示
すように、定型的なベクトルとの距離計算を行うことで
推定する。これによって、例えば活性化度合いの高い項
目が、不完全な又は不確定な値となることを極力防止で
き、項目値の推定が確実なものとなる。

【０１９０】以上のようにしてより詳細に、また、より
正確にユーザ情報が推定されることによって、対話装置
８０では対象機器８３などの機器を適切に動作させるこ
とができる。例えば以下に示す如くである。・コンテンツ検索に必要なコンテンツサイトをあらかじ
め自動的に絞り込むことができる。

【０１９１】・必要となるアプリケーションや機器を自
動的に察知し、ユーザを煩わせることなくユーザに適合
するようにカスタマイズすることができる。・対話の状況を察知して音声認識辞書の構成を適応化で
きる。これにより認識率が向上する。

【０１９２】・音声対話を円滑に行えるようにユーザの
状況を鑑みた対話プランニングを可能にする。・画面インタフェースをダイナミックに最適化できる。・ユーザの履歴を状態空間中で残すことにより、状況、
状態と要求の対応付けが学習され、次回に類似の状態に
なったときに要求を推定できる。

【０１９３】・モデル空間｛環境、状況、要求、状態、
行動、局面｝に複数のユーザを存在させることにより、
個人の好みに依存しないで一般的にユーザが取りうる普
遍的な特徴を学習することができる。なお、本実施例の
各推定部１１０，２１０，３１０，４１０，５１０，６
１０における判定ブロック１１４，２１４，３１４，４
１４，６１４が「推定手段」に相当し、空間特性計算ブ
ロック１１１，２１１，３１１，４１１，６１１及び時
間特性計算ブロック１１２，２１２，３１２，４１２，
６１２が「特性計算手段」に相当する。また、図１７に
示す要求推定部３１０の最小化計算ブロック３１７が
「距離計算手段」に相当する。

【０１９４】また、図２０に示す局面推定部６１０の符
号化ブロック６１８が「符号化手段」に相当し、各推定
部１１０，２１０，３１０，４１０の優先順序決定ブロ
ック１１３，２１３，３１３，４１３が「優先順序決定
手段」に相当する。また、不確定値推定ブロック１１
６，２１６，３１６，４１６，６１６が「不確定値推定
手段」に相当する。

【０１９５】そして、図１４中のＳ１１０、図１６中の
Ｓ３１０、図１８中のＳ５１０の処理が優先順序決定手
段としての処理に相当し、Ｓ１３０・Ｓ１４０、Ｓ３３
０・Ｓ３４０、及びＳ５３０・Ｓ５４０の処理が特性計
算手段としての処理に相当し、Ｓ２３０、Ｓ４３０及び
Ｓ６４０の処理が不確定値推定手段としての処理に相当
する。また、図１８中のＳ５５０の最小化計算における
距離計算処理が距離計算手段としての処理に相当する。

【０１９６】以上、本発明はこのような実施例に何等限
定されるものではなく、本発明の主旨を逸脱しない範囲
において種々なる形態で実施し得る。（イ）例えば上記実施例では、状態ベクトルの最適化
を、要求推定部３１０で行う構成であったが、環境ベク
トルや状況ベクトルを定義して、これらのベクトルの最
適化を行いユーザ情報を推定する構成にしてもよい。

【０１９７】（ロ）また、本実施例では、個人情報が、
ユーザ情報推定装置１の外部から入力される構成であっ
たが、ユーザ情報推定装置１が個人情報を構築するよう
にしてもよい。

【図面の簡単な説明】

【図１】実施例の対話システムの全体構成を示す説明図
である。

【図２】環境計算部の構成を示す説明図である。

【図３】状況計算部の構成を示す説明図である。

【図４】要求計算部の構成を示す説明図である。

【図５】状態計算部の構成を示す説明図である。

【図６】行動計算部の構成を示す説明図である。

【図７】局面計算部の構成を示す説明図である。

【図８】環境推定部の機能を示すための説明図である。

【図９】時間的要素に対する周期性を示すための説明図
である。

【図10】１日単位の周期性を有する基本関数を示す説明
図である。

【図11】時間モデル・空間モデル・事象モデルの役割を
示す説明図である。

【図12】時空間を考えてイベント情報を選択することを
示す説明図である。

【図13】状況推定部の機能を示すための説明図である。

【図14】状況推定処理を示すフローチャートである。

【図15】状態推定部の機能を示すための説明図である。

【図16】状態推定処理を示すフローチャートである。

【図17】要求推定部の機能を示すための説明図である。

【図18】要求推定処理を示すフローチャートである。

【図19】状態の最適化に基づく要求推定・行動推定を示
す説明図である。

【図20】局面推定部の機能を示すための説明図である。

【図21】局面の判定・分解を概念的に示す説明図であ
る。

【符号の説明】

１…ユーザ情報推定装置１０…環境計算部１１０…環境推定部１１１…空間特性計算ブロック１１２…時間特性計算ブロック１１３…順序決定ブロック１１４…環境判定ブロック１１５…規則計算ブロック１１６…不確定値推定ブロック１２０…環境リスト１２０ａ…活性化環境リスト１２０ｂ…ユーザ環境リスト１２０ｃ…定型的環境リスト１２０ｄ…完全環境リスト２０…状況計算部２１０…状況推定部２１１…空間特性計算ブロック２１２…時間特性計算ブロック２１３…優先順序決定ブロック２１４…状況判定ブロック２１５…規則計算ブロック２１６…不確定値推定ブロック２２０…状況リスト２２０ａ…活性化状況リスト２２０ｂ…ユーザ状況リスト２２０ｃ…定型的状況リスト２２０ｄ…完全状況リスト３０…要求計算部３１０…要求推定部３１１…空間特性計算ブロック３１２…時間特性計算ブロック３１３…優先順序決定ブロック３１４…要求判定ブロック３１５…規則計算ブロック３１６…不確定値推定ブロック３１７…最小化計算ブロック３２０…要求リスト３２０ａ…活性化要求リスト３２０ｂ…ユーザ要求リスト３２０ｃ…定型的要求リスト３２０ｄ…完全要求リスト４０…状態計算部４１０…状態推定部４１１…空間特性計算ブロック４１２…時間特性計算ブロック４１３…優先順序決定ブロック４１４…状態判定ブロック４１５…規則計算ブロック４１６…不確定値推定ブロック４２０…状態リスト４２０ａ…活性化状態リスト４２０ｂ…ユーザ状態リスト４２０ｃ…定型的状態リスト４２０ｄ…完全状態リスト４３０…状態モデル５０…行動計算部５１０…行動推定部５２０…行動リスト５２０ａ…活性化行動リスト５２０ｂ…ユーザ行動リスト５２０ｃ…定型的行動リスト５２０ｄ…完全行動リスト６０…局面計算部６１０…局面推定部６１１…空間特性計算ブロック６１２…時間特性計算ブロック６１４…局面判定ブロック６１５…規則計算ブロック６１６…不確定値推定ブロック６１８…符号化ブロック６１９…成分分解ブロック６２０…局面リスト６２０ａ…活性化局面リスト６２０ｂ…ユーザ局面リスト６２０ｃ…定型的局面リスト６２０ｄ…完全局面リスト６３０…局面モデル７０…規則データベース８０…対話装置８１…コンテンツ入力器８２…センサ８３…操作対象

Claims

【特許請求の範囲】

【請求項１】ユーザに関する情報であるユーザ情報を１
又は２以上の情報セットとして分類定義し、対応する情
報リストに記述された項目で前記情報セットを表現する
ことによって、前記ユーザ情報を、前記情報セット毎の
項目値として推定する推定手段を備えたユーザ情報推定
装置であって、前記情報セット毎の項目値の少なくとも一部は、時間的
・空間的要素に伴って変化するものであり、前記時間的要素が前記項目値に与える時間特性及び／又
は空間的要素が前記項目値に与える空間特性を計算する
特性計算手段を備え、前記推定手段は、前記特性計算手段にて計算された特性
に基づき、前記項目値を推定することを特徴とするユー
ザ情報推定装置。
【請求項２】請求項１に記載のユーザ情報推定装置にお
いて、前記特性計算手段は、前記時間的要素に対する周期性で
ある周期的時間特性を計算することを特徴とするユーザ
情報推定装置。
【請求項３】請求項１又は２に記載のユーザ情報推定装
置において、前記特性計算手段は、時間表現を記述した時間リストを
用いて前記時間特性を計算することを特徴とするユーザ
情報推定装置。
【請求項４】請求項３に記載のユーザ情報推定装置にお
いて、前記時間リストには、前記時間表現に加え、基準時刻か
らの時差が記述されており、前記特性計算手段は、前記時差を考慮して前記時間特性
を計算することを特徴とするユーザ情報推定装置。
【請求項５】請求項４に記載のユーザ情報推定装置にお
いて、前記基準時刻は、グリニッジ標準時（ＧＭＴ）であるこ
とを特徴とするユーザ情報推定装置。
【請求項６】請求項３〜５のいずれかに記載のユーザ情
報推定装置において、前記時間リストには、前記時間表現を、又は、前記時間
表現と前記時差とを、計算処理可能な変数にて記述した
時間情報リストが含まれていることを特徴とするユーザ
情報推定装置。
【請求項７】請求項１〜６のいずれかに記載のユーザ情
報推定装置において、前記特性計算手段は、前記空間的要素に対する構造性で
ある構造的空間特性を計算することを特徴とするユーザ
情報推定装置。
【請求項８】請求項１〜７のいずれかに記載のユーザ情
報推定装置において、前記特性計算手段は、起点となる施設とその周辺施設を
記述した空間リストを用いて前記空間特性を計算するこ
とを特徴とするユーザ情報推定装置。
【請求項９】請求項８に記載のユーザ情報推定装置にお
いて、前記空間リストには、起点となる施設からのベクトル変
数で前記施設の位置を表現した位置情報リストが含まれ
ていることを特徴とするユーザ情報推定装置。
【請求項１０】ユーザに関する情報であるユーザ情報を
１又は２以上の情報セットとして分類定義し、対応する
情報リストに記述された項目で前記情報セットを表現す
ることによって、前記ユーザ情報を、前記情報セット毎
の項目値として推定する推定手段を備えたユーザ情報推
定装置であって、前記情報セットに対応する情報リストに記述された項目
間の規則を記述した規則データベースを備え、前記推定手段は、前記規則データベースに記述された規
則に基づき、前記項目値を推定することを特徴とするユ
ーザ情報推定装置。
【請求項１１】請求項１〜９のいずれかに記載のユーザ
情報推定装置において、前記情報セットに対応する情報リストに記述された項目
間の規則を記述した規則データベースを備え、前記推定手段は、前記規則データベースに記述された規
則に基づき、前記項目値を推定することを特徴とするユ
ーザ情報推定装置。
【請求項１２】請求項１０又は１１に記載のユーザ情報
推定装置において、さらに、前記規則データベースに記号表現で記述された
規則を解析計算する規則計算手段を備えていることを特
徴とするユーザ情報推定装置。
【請求項１３】請求項１２に記載のユーザ情報推定装置
において、前記規則計算手段は、前記記号表現を、所定のプログラ
ム言語に変換することを特徴とするユーザ情報推定装
置。
【請求項１４】請求項１０〜１３のいずれかに記載のユ
ーザ情報推定装置において、前記規則データベースには、時間的・空間的要素による
項目値の変化規則が記述されていることを特徴とするユ
ーザ情報推定装置。
【請求項１５】請求項１０〜１４のいずれかに記載のユ
ーザ情報推定装置において、前記規則データベースには、項目値間の整合性・因果関
係による項目値の変化規則が記述されていることを特徴
とするユーザ情報推定装置。
【請求項１６】請求項１０〜１５のいずれかに記載のユ
ーザ情報推定装置において、前記規則データベースには、項目値の変化規則を確率的
に表現できることを特徴とするユーザ情報推定装置。
【請求項１７】請求項１０〜１６のいずれかに記載のユ
ーザ情報推定装置において、前記規則データベースには、項目の具体化規則を表現で
きることを特徴とするユーザ情報推定装置。
【請求項１８】ユーザに関する情報であるユーザ情報を
１又は２以上の情報セットとして分類定義し、対応する
情報リストに記述された項目で前記情報セットを表現す
ることによって、前記ユーザ情報を、前記情報セット毎
の項目値として推定する推定手段を備えたユーザ情報推
定装置であって、前記情報セットを、前記項目値を成分とする前記情報セ
ット毎の情報ベクトルで表現し、さらに、前記情報セットの最適状態を示す基準ベクトル
と前記情報ベクトルとの距離計算を行う距離計算手段を
備え、前記推定手段は、前記距離計算手段にて計算された距離
に基づき、前記情報セットを最適化するように、前記項
目値を推定することを特徴とするユーザ情報推定装置。
【請求項１９】請求項１〜１７のいずれかに記載のユー
ザ情報推定装置において、前記情報セットを、前記項目値を成分とする前記情報セ
ット毎の情報ベクトルで表現し、さらに、前記情報セットの最適状態を示す基準ベクトル
と前記情報ベクトルとの距離計算を行う距離計算手段を
備え、前記推定手段は、前記距離計算手段にて計算された距離
に基づき、前記情報セットを最適化するように、前記項
目値を推定することを特徴とするユーザ情報推定装置。
【請求項２０】請求項１８又は１９に記載のユーザ情報
推定装置において、前記情報セット毎の項目値は、「０」、最小値又は最大
値を最適値とする所定範囲の数値で表現されていること
を特徴とするユーザ情報推定装置。
【請求項２１】請求項１８〜２０のいずれかに記載のユ
ーザ情報推定装置において、前記距離計算手段は、前記ベクトルを構成する各成分の
重要性を考慮した距離計算を行うことを特徴とするユー
ザ情報推定装置。
【請求項２２】請求項２１に記載のユーザ情報推定装置
において、前記距離計算手段による重要性を考慮した距離計算は、
特定成分に対する優先的な距離計算であることを特徴と
するユーザ情報推定装置。
【請求項２３】請求項２１に記載のユーザ情報推定装置
において、前記距離計算手段による重要性を考慮した距離計算は、
各成分に対する重み付けがなされた距離計算であること
を特徴とするユーザ情報推定装置。
【請求項２４】ユーザに関する情報であるユーザ情報を
１又は２以上の情報セットとして分類定義し、対応する
情報リストに記述された項目で前記情報セットを表現す
ることによって、前記ユーザ情報を、前記情報セット毎
の項目値として推定する推定手段を備えたユーザ情報推
定装置であって、前記情報セットには、ユーザの局面を示す局面情報セッ
トが含まれており、前記推定手段は、前記他の情報セットの項目値に基づ
き、前記局面情報セットの項目値を判定することを特徴
とするユーザ情報推定装置。
【請求項２５】請求項１〜２３のいずれかに記載のユー
ザ情報推定装置において、前記情報セットには、ユーザの局面を示す局面情報セッ
トが含まれており、前記推定手段は、前記他の情報セットの項目値に基づ
き、前記局面情報セットの項目値を判定することを特徴
とするユーザ情報推定装置。
【請求項２６】請求項２４又は２５に記載のユーザ情報
推定装置において、前記他の情報セットは、ユーザの環境・状況・状態・要
求・行動を分類定義したものであることを特徴とするユ
ーザ情報推定装置。
【請求項２７】請求項２４〜２６のいずれかに記載のユ
ーザ情報推定装置において、さらに、前記局面情報セットの項目値を局面符号として
符号化する符号化手段を備えていることを特徴とするユ
ーザ情報推定装置。
【請求項２８】請求項２４〜２７のいずれかに記載のユ
ーザ情報推定装置において、前記推定手段は、過去に判定した局面情報セットの項目
値に基づき、前記他の情報セットの項目値を推定するこ
とを特徴とするユーザ情報推定装置。
【請求項２９】請求項２４〜２８のいずれかに記載のユ
ーザ情報推定装置において、前記推定手段は、前記判定した局面情報セットを分解し
て、前記他の情報セットの項目値を推定することを特徴
とするユーザ情報推定装置。
【請求項３０】請求項２４〜２９のいずれかに記載のユ
ーザ情報推定装置において、前記特性計算手段を備える構成を前提として、前記特性計算手段は、過去に判定された局面情報セット
の項目値に基づき、時間特性及び／又は空間特性を計算
することを特徴とするユーザ情報推定装置。
【請求項３１】請求項２４〜３０のいずれかに記載のユ
ーザ情報推定装置において、さらに、局面情報セットの項目値に対する優先順序を、
推定対象の情報セットに応じて決定する優先順序決定手
段を備え、前記推定手段及び／又は前記特性計算手段は、前記優先
順序決定手段にて決定された優先順序に従って、前記局
面情報セットの項目値を用いた推定／計算を行うことを
特徴とするユーザ情報推定装置。
【請求項３２】請求項１〜３１のいずれかに記載のユー
ザ情報推定装置において、前記情報リストは、前記項目の活性化度合いに基づき、
複数のリストとして階層化されており、前記推定手段は、前記活性化度合いの高いリストに記述
された項目に対応する項目値を優先的に推定することを
特徴とするユーザ情報推定装置。
【請求項３３】請求項３２に記載のユーザ情報推定装置
において、前記情報リストは、前記項目の全てを含む完全リスト
と、前記活性化度合いの最も高い活性化リストとを少な
くとも含んでいることを特徴とするユーザ情報推定装
置。
【請求項３４】請求項３２又は３３に記載のユーザ情報
推定装置において、前記推定手段は、前記項目値の推定結果に基づき、前記
情報リストに階層化されて記述された項目を変更するこ
とを特徴とするユーザ情報推定装置。
【請求項３５】請求項１〜３４のいずれかに記載のユー
ザ情報推定装置において、前記推定手段は、ユーザの特性を示す個人情報に基づ
き、前記項目値を推定することを特徴とするユーザ情報
推定装置。
【請求項３６】請求項３５に記載のユーザ情報推定装置
において、さらに、前記個人情報を構築する個人情報構築手段を備
えていることを特徴とするユーザ情報推定装置。
【請求項３７】請求項３６に記載のユーザ情報推定装置
において、前記個人情報構築手段は、センシング情報に基づく推定
によって前記個人情報を構築することを特徴とするユー
ザ情報推定装置。
【請求項３８】請求項３５〜３７のいずれかに記載のユ
ーザ情報推定装置において、前記個人情報には、ユーザの嗜好性が含まれていること
を特徴とするユーザ情報推定装置。
【請求項３９】請求項３８に記載のユーザ情報推定装置
において、前記ユーザの嗜好性は、前記センシング情報に加え又は
代え、前記項目値から判定されるユーザの要求に基づい
て判断されることを特徴とするユーザ情報推定装置。
【請求項４０】請求項１〜３９のいずれかに記載のユー
ザ情報推定装置において、さらに、前記推定手段による項目値の推定の後、不完全
な又は不確定な項目値を他の要素から推定する不確定値
推定手段を備えることを特徴とするユーザ情報推定装
置。
【請求項４１】請求項４０に記載のユーザ情報推定装置
において、前記情報セットが、前記情報ベクトルで表現されている
ことを前提として、前記不確定値推定手段は、定型的な情報ベクトルとの距
離計算を行い、不完全な又は不確定な項目値を推定する
ことを特徴とするユーザ情報推定装置。