JP2006134080A - Portable terminal, and individual adaptive context acquiring method - Google Patents

Portable terminal, and individual adaptive context acquiring method Download PDF

Info

Publication number
JP2006134080A
JP2006134080A JP2004322466A JP2004322466A JP2006134080A JP 2006134080 A JP2006134080 A JP 2006134080A JP 2004322466 A JP2004322466 A JP 2004322466A JP 2004322466 A JP2004322466 A JP 2004322466A JP 2006134080 A JP2006134080 A JP 2006134080A
Authority
JP
Japan
Prior art keywords
user
sensor data
sensor
adaptive context
data
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
JP2004322466A
Other languages
Japanese (ja)
Inventor
Toshiki Iso
Masaharu Kurakake
正治 倉掛
俊樹 磯
Original Assignee
Ntt Docomo Inc
株式会社エヌ・ティ・ティ・ドコモ
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Ntt Docomo Inc, 株式会社エヌ・ティ・ティ・ドコモ filed Critical Ntt Docomo Inc
Priority to JP2004322466A priority Critical patent/JP2006134080A/en
Publication of JP2006134080A publication Critical patent/JP2006134080A/en
Application status is Pending legal-status Critical

Links

Images

Abstract

<P>PROBLEM TO BE SOLVED: To provide a portable terminal for acquiring an individual adaptive context by which an individual behavior is correctly grasped in detail, and to provide an individual adaptive context acquiring method. <P>SOLUTION: The portable terminal 10 divides sensor data, which is acquired by a sensor 15, by each event, so as to calculate a user peculiar function for expressing the divided sensor data by approximation. The portable terminal 10 obtains feature parameters e<SB>all</SB>and C<SB>all</SB>by developing the divided sensor data with the use of the calculated user peculiar function. The portable terminal 10 generates SOM from the feature parameters e<SB>all</SB>and C<SB>all</SB>, so as to learn correspondence relation between sensor information feature data mα being the output of the SOM and behavior data, based on a neural network model. <P>COPYRIGHT: (C)2006,JPO&NCIPI

Description

本発明は、個人適応型コンテキストを獲得する携帯端末、及び、個人適応型コンテキスト獲得方法に関する。 The present invention is a portable terminal to acquire the personal adaptive context, and to individual adaptive context acquisition method.

実世界指向型のサービスを実現する上で個人の状況(コンテキスト)を把握することは重要である。 It is important to understand the individual's situation (context) in order to realize the real-world-oriented service. 従来における個人のコンテキストを把握するための技術としては、センサにより取得されたユーザの生体情報等に基づいて、コンテキストを獲得する技術が知られている(例えば、非特許文献1、特許文献1、及び、特許文献2参照)。 Techniques for grasping the context of individuals in the past, based on the user's biometric information such as obtained by the sensor, a technique for acquiring context is known (for example, Non-Patent Document 1, Patent Document 1, and, see Patent Document 2).
非特許文献1に記載されている技術によれば、センサが搭載されたアームバンドをユーザの腕に取り付けることにより、センサからユーザの生体情報や環境情報を表すセンサデータを取得する。 According to the technique described in Non-Patent Document 1, the sensor by attaching an armband mounted to the arm of the user, it acquires the sensor data representing the biometric information and environmental information of the user from the sensor. ユーザは、コンテキスト(“歩いている”、“仕事をしている”、“寝ている”等)が変化する毎にアームバンドに搭載されているボタンを押して情報を入力する。 The user context ( "walking is", "are working", "sleeping", etc.) by pressing a button mounted on the arm band to enter the information each time the change. アームバンドは取得したセンサデータをコンピュータに送信し、コンピュータはセンサデータとコンテキストとの対応関係を学習する。 Armband transmits sensor data obtained to a computer, the computer learns the correspondence between the sensor data and the context.

また、特許文献1には、携帯端末を所持するユーザの生体情報と環境情報と行動記録とを対応付けて格納し、これらの情報に基づいてユーザの行動についての情報(過去のスケジュールの生体への影響の分析結果、将来のスケジュールの生体への影響の予測結果)を出力する技術内容が記載されている。 Patent Document 1, and stored in association with user's biometric information and environment information carrying the portable terminal and the action record and information about user behavior based on the information (the biological past schedule analysis of the effects, are described technical contents and outputs the prediction result) impact on a biological future schedule.
また、特許文献2には、ユーザの体温及び外気の温度に基づいて、ユーザの行動を推測する技術内容が記載されている。 In Patent Document 2, based on the user's body temperature and the outside air temperature, the technical content to infer user behavior are described.
特開平10−305016号公報(段落0058〜62)。 JP 10-305016 discloses (paragraph 0058-62). 特開2004−008471号公報(段落0022) JP 2004-008471 JP (paragraph 0022)

従来における個人のコンテキスト獲得に関する研究には、以下の課題がある。 The study on the individual context acquisition in conventional, there are following problems.
(1)センサデータの処理方法がユーザに依らず同じなので、特に生体情報などのセンサデータから個人固有の特徴を抽出することができず、個人毎の正確なコンテキストが得られない。 (1) Since the method of processing the sensor data is the same regardless of the user, not particularly can not extract the unique personal features from the sensor data, such as biometric information, the exact context of each individual can be obtained.
(2)センサデータと対応付けられるコンテキストのほとんどが“歩いている”、“仕事をしている”、“寝ている”、“屋外に居る”等の単純な状況を表すものであるため、知的なサービス制御のための情報として用いるためには不十分であり、得られたコンテキストをさらに解釈する必要がある。 (2) Most of the context that is associated with the sensor data is "walking", "are working", "sleeping", because it represents the simple situations, such as "are outdoors", for use as information for intelligent service control is insufficient, it is necessary to further interpret the obtained context.
本発明は以上の点に鑑みてなされたものであり、個人の行動を詳細かつ正確に把握することが可能な個人適応型コンテキストを獲得する携帯端末、及び、個人適応型コンテキスト獲得方法を提供することを目的とする。 The present invention is intended has been made in view of the above, the mobile terminal acquires the personal adaptive context that can be grasped individual behavior detailed and accurate and, to provide a personal adaptive context acquisition method and an object thereof.

上記課題を解決するために、請求項1に記載の発明は、センサにより取得された、ユーザに関する情報を示すセンサデータを分割するセンサデータ分割手段と、前記センサデータ分割手段により分割されたセンサデータを表現するためのユーザ固有関数を算出するユーザ固有関数算出手段と、前記ユーザ固有関数算出手段により算出されたユーザ固有関数を用いて、前記センサデータ分割手段により分割されたセンサデータを展開するセンサデータ展開手段と、前記センサデータ展開手段による展開により得られた特徴パラメータと、ユーザの行動データとの対応関係を学習する個人適応型コンテキスト学習手段とを備えることを特徴とする携帯端末を提供する。 In order to solve the above problems, the invention according to claim 1, obtained by the sensor, the sensor data dividing means for dividing the sensor data indicating information about the user, the sensor data divided by said sensor data dividing means sensors and user-specific function calculating means, by using the user-specific function calculated by said user specific function calculation means, to deploy the sensor data divided by said sensor data dividing means for calculating a user-specific functions to represent providing a data expanding means, and the feature parameter obtained by expansion by said sensor data expansion means, the portable terminal; and a personal adaptive context learning means for learning the correspondence between the user's action data .

この構成によれば、携帯端末は、ユーザ固有関数でセンサデータを展開することにより得られた特徴パラメータと、ユーザの行動データとの対応関係を学習するため、ユーザ個人に特化した固有の特徴を学習することができる。 According to this configuration, the mobile terminal to learn the feature parameter obtained by deploying the sensor data with user-specific functions, the correspondence between the user behavior data, specific features that are specific to an individual user it can be learned. このため、この学習結果に基づいて、個人の行動を詳細かつ正確に把握することが可能な個人適応型コンテキストを獲得することができる。 Therefore, it is possible to obtain on the basis of the learning result, the individual adaptive context that can be grasped individual behavior detailed and accurate.

請求項2に記載の発明は、請求項1に記載の携帯端末において、自端末におけるサービスの利用履歴をユーザ行動データとして記憶するユーザ行動データ記憶手段をさらに備え、前記個人適応型コンテキスト学習手段は、前記ユーザ行動データ記憶手段に記憶されているユーザ行動データと、前記特徴パラメータとの対応関係を学習することを特徴とする。 Invention according to claim 2, in the portable terminal according to claim 1, further comprising a user behavior data storage means for storing service usage history of the own terminal as the user behavior data, the personal adaptive context learning means characterized the user behavior data stored in the user behavior data storage means, to learn the relationship between the characteristic parameters.
この構成によれば、ユーザが携帯端末を用いてサービスを利用するだけで、携帯端末はユーザの行動データを記憶し、センサデータとユーザの行動データとの対応関係を学習することができ、何らかのデータを手動で入力する必要がないため、確実に対応関係の学習を行うことができる。 According to this configuration, only the user uses a service using the portable terminal, the portable terminal can store the behavior data of the user and learned the correspondence between the sensor data and user behavior data, some it is not necessary to input the data manually, it is possible to perform the learning of reliably correspondence.

請求項3に記載の発明は、請求項1又は2に記載の携帯端末において、前記センサデータ展開手段は、前記ユーザ固有関数に基づく特徴パラメータと、前記センサデータと前記ユーザ固有関数との差異に基づく特徴パラメータと、に展開することを特徴とする。 The invention according to claim 3, in the portable terminal according to claim 1 or 2, wherein the sensor data expansion means comprises a characteristic parameter based on the user-specific functions, the difference between the sensor data and the user-specific functions wherein the characteristic parameter based, to deploy the.
この構成によれば、携帯端末は、ユーザ固有関数に基づく特徴パラメータと、センサデータとユーザ固有関数との差異に基づく特徴パラメータと、に展開するため、センサデータからユーザ固有の特徴パラメータを多く抽出することができ、特徴パラメータとユーザの行動データとを正確に対応付けることができる。 According to this configuration, the portable terminal, to expand the feature parameter based on the user-specific functions, and characteristic parameters based on the difference between the sensor data and user-specific functions, to many extracts user-specific characteristic parameter from the sensor data it can be, and behavior data of the characteristic parameters and the user can correctly associate. また、差異の程度に基づいて、ユーザのいつもの行動パターンをとっているか否かを解釈することが可能となる。 In addition, based on the degree of difference, it is possible to interpret whether or not taking the usual behavior pattern of the user.

請求項4に記載の発明は、請求項1から3の何れか1項に記載の携帯端末において、前記個人適応型コンテキスト学習手段による学習結果に基づいて、前記センサにより取得されるセンサデータに対応するユーザの行動パターンを、個人適応型コンテキストとして獲得する個人適応型コンテキスト獲得手段をさらに備え、前記個人適応型コンテキスト獲得手段により獲得された個人適応型コンテキストに応じたサービスの提供を受けることを特徴とする。 Invention according to claim 4, in the mobile terminal according to any one of claims 1 to 3, based on the learning result of the individual adaptive context learning means, corresponding to the sensor data acquired by the sensor characterized in that the behavioral pattern of the user, further comprising a personal adaptive context acquisition means for acquiring a personal adaptive context, receives a service in accordance with the acquired personal adaptive context by the individual adaptive context acquisition means for to.
この構成によれば、携帯端末は、ユーザ固有の特徴を学習した結果に基づいて個人適応型コンテキストを獲得するため、ユーザ個人の行動を詳細かつ正確に把握することが可能な個人適応型コンテキストを獲得することができる。 According to this configuration, the portable terminal to acquire the personal adaptive context based on a result of learning the user-specific features, the individual adaptive context that can grasp the behavior of the user personal details and accurately it is possible to win. そして、ユーザは、自己のコンテキストに適したサービスの提供を受けることが可能となる。 Then, the user can receive service that is suitable for its context.

請求項5に記載の発明は、センサにより取得された、ユーザに関する情報を示すセンサデータを分割するセンサデータ分割ステップと、前記センサデータ分割ステップにおいて分割されたセンサデータを表現するためのユーザ固有関数を算出するユーザ固有関数算出ステップと、前記ユーザ固有関数算出ステップにおいて算出されたユーザ固有関数を用いて、前記センサデータを展開するセンサデータ展開ステップと、前記センサデータ展開ステップにおける展開により得られた特徴パラメータとユーザの行動データとの対応関係を学習する個人適応型コンテキスト学習ステップとを有し、前記個人適応型コンテキスト学習ステップにおける学習結果に基づいて、前記センサにより取得されるセンサデータに対応する前記ユーザの行動パター Invention of claim 5, obtained by the sensor, the sensor data dividing step of dividing the sensor data indicating information about the user, user-specific functions to represent the sensor data divided in the sensor data dividing step and user-specific function calculating step of calculating, by using the user-specific function calculated at the user-specific function calculating step, and the sensor data expansion step to expand said sensor data, obtained by expansion in the sensor data expansion step and a personal adaptive context learning step of learning the correspondence between the characteristic parameters and user behavior data, based on the learning result in the individual adaptive context learning step, corresponding to the sensor data acquired by the sensor the user's behavior patterns を、個人適応型コンテキストとして獲得することを特徴とする個人適応型コンテキスト獲得方法を提供する。 And providing personal adaptive context acquisition method characterized by obtaining a personal adaptive context.
この方法によれば、ユーザ固有関数を用いることで、ユーザ固有の特徴を学習することができ、当該学習結果に基づいて、ユーザの行動を詳細かつ正確に把握することが可能な個人適応型コンテキストを獲得することができる。 According to this method, user-specific functions by using, can learn a user-specific features, based on the learning result, individual adaptive context that can grasp the behavior of the user details and accurately it is possible to win.

本発明によれば、携帯端末は、ユーザ固有関数でセンサデータを展開することにより得られた特徴パラメータと、ユーザの行動データとの対応関係を学習するため、ユーザ個人に特化した固有の特徴を学習することができる。 According to the present invention, a mobile terminal in order to learn the characteristic parameters obtained by deploying the sensor data with user-specific functions, the correspondence between the user behavior data, specific features that are specific to an individual user it can be learned. このため、この学習結果に基づいて、個人の行動を詳細かつ正確に把握することが可能な個人適応型コンテキストを獲得することができる。 Therefore, it is possible to obtain on the basis of the learning result, the individual adaptive context that can be grasped individual behavior detailed and accurate.

次に、本発明の実施の形態について図面を参照しながら説明する。 It will be described below with reference to the drawings, embodiments of the present invention. なお、以下の説明において参照する各図においては、他の図と同等部分に同一符号が付されている。 In the drawings referred to in the following description, the same reference numerals are used in the other figures and like parts.
図1は、本発明の実施の形態に係る携帯端末1のハードウェア及びソフトウェア構成を示すブロック図である。 Figure 1 is a block diagram showing the hardware and software configuration of the portable terminal 1 according to the embodiment of the present invention.
同図に示すように、携帯端末10は、プログラムを実行し携帯端末10全体を制御するCPU(Central Processing Unit)11と、SRAM(Static Random Access Memory)やDRAM(Dynamic Random Access Memory)等で構成される揮発性メモリ12と、フラッシュ・メモリ等で構成される不揮発性メモリ13と、移動通信網を介しての通信を制御する通信インターフェース14とを含んで構成され、一般的な携帯電話機のハードウェア構成を備えている。 As shown, the mobile terminal 10, configured by a CPU (Central Processing Unit) 11 that controls the entire mobile terminal 10 executes the program, SRAM (Static Random Access Memory) or a DRAM (Dynamic Random Access Memory) a volatile memory 12 is a nonvolatile memory 13 constituted by flash memory or the like, is configured to include a communication interface 14 for controlling communication via a mobile communication network, a general mobile phone hard It has the hardware configuration.

さらに、携帯端末10には、センサ15、及び、ユーザ行動履歴獲得装置16が搭載されている。 Further, the mobile terminal 10, sensor 15, and the user behavior history acquisition device 16 is mounted.
センサ15は、ユーザの生体情報やユーザ周囲の環境情報等の、ユーザに関する情報を取得する。 Sensor 15, such as environmental information of the biometric information and the user around the user to obtain information about the user. センサ15は複数のセンサで構成される。 Sensor 15 includes a plurality of sensors. 当該複数のセンサは生体情報計測センサ151と環境情報計測センサ152とに分類することができる。 The plurality of sensors can be classified into a biological information measuring sensor 151 and the environmental information measurement sensor 152. 生体情報計測センサ151は、ユーザの脈拍を計測するセンサ、ユーザの体温を計測するセンサ、発汗状況(皮膚抵抗)を計測するセンサ、撮影された画像やGPS(Global Positioning System)等に基づいてユーザの位置や姿勢を計測するセンサ、及び、ユーザの音声情報を取得するセンサ等を含んで構成される。 Biological information measuring sensor 151, on the basis of the pulse of the user sensor for measuring, sensor for measuring the body temperature of the user, a sensor that measures the perspiration status (skin resistance), etc. photographed image a GPS (Global Positioning System) users sensor for measuring the position and posture, and configured to include a sensor for acquiring the speech information of the user.

環境情報計測センサ152は、ユーザの周囲の人やモノの温度、及び、明るさ等の環境情報を計測するセンサ群である。 Environmental information measurement sensor 152, surrounding people and objects in the temperature of the user, and a group of sensors for measuring environmental information such as brightness. 具体的には、環境情報計測センサ152は、人感センサ、照度センサ、気温センサ、湿度センサ、及び、ノイズ計測センサ等を含んで構成される。 Specifically, environmental information measurement sensor 152, motion sensor, an illuminance sensor, temperature sensor, humidity sensor, and configured to include a noise measurement sensor.
また、センサ15を構成する複数のセンサは、異なる観点により、「analog系」センサと「on−off系」センサとに分類することができる。 Further, a plurality of sensors of the sensor 15, the different point of view, can be classified into "analog system" sensors and "on-off system" sensor. 「analog系」センサは、画像情報を取得するセンサ、音声情報を取得するセンサ、及び、脈拍センサのように、アナログ信号として情報を取得するセンサである。 "Analog system" sensor, the sensor for acquiring image information, a sensor for acquiring audio information, and, as the pulse sensor is a sensor for obtaining information as an analog signal. また、「on−off系」センサは、人感センサや照度センサのように、人の存在や光量に変化があったときにのみ反応するセンサである。 Further, "on-off system" sensor, as the motion sensor and an illumination sensor, a sensor which reacts only when there is a change in the presence and quantity of a person.

ユーザ行動履歴獲得装置16は、携帯端末10を所持するユーザの行動履歴を獲得する装置であり、例えばICチップで構成されている。 User behavior history acquisition device 16 is a device for acquiring the action history of the user holding the portable terminal 10, for example constituted by an IC chip. ユーザ行動履歴獲得装置16には、ユーザの行動データを取得するための行動履歴獲得プログラム162と、取得した行動データを蓄積しておくためのユーザ行動履歴DB(データベース)161とが記憶されている。 The user behavior history acquisition unit 16, an action history acquisition program 162 to acquire the behavior data of the user, and the user action history DB (database) 161 for accumulating the obtained behavior data is stored . ユーザ行動履歴獲得装置16は、携帯端末10におけるサービス利用履歴をユーザの行動データとして獲得し、獲得したユーザの行動データをユーザ行動履歴DB161に蓄積する。 User behavior history acquisition unit 16 acquires the service utilization history in the portable terminal 10 as a user's behavior data, stores the behavior data of the user acquired in the user behavior history DB 161. サービス利用履歴には、携帯端末10からインターネットにアクセスしてWebサイトを利用した履歴(アクセス日時、URL(Uniform Resource Locator))、電子メールを送受信した履歴(送受信日時、相手先メールアドレス、件名)、電子マネーによる購買履歴(購買日時、購買店、購入物品、金額)及び、通話履歴(通話日時、相手先電話番号)が含まれる。 The service use history, history of use of the Web site from the mobile terminal 10 to access the Internet (access date and time, URL (Uniform Resource Locator)), history of sending and receiving e-mail (send and receive date and time, the destination e-mail address, the subject line) , purchase history by the electronic money (purchase date, purchase shops, purchase goods, amount of money) and, call history (call date and time, destination telephone number) is included.

携帯端末10の不揮発性メモリ13には、各種ソフトウェアが記憶されている。 The nonvolatile memory 13 of the mobile terminal 10, various types of software are stored. 当該各種ソフトウェアの中には、本発明に特徴的な個人適応型コンテキスト獲得プログラムが含まれている。 Some of the various software contains distinctive individual adaptive context acquisition program according to the present invention. この個人適応型コンテキスト獲得プログラムは複数のプログラムモジュールで構成されている。 The individual adaptive context acquisition program is composed of a plurality of program modules. 当該複数のプログラムモジュールには、あるセンサから得られるセンサデータのイベント(変化)情報に基づいて、各センサから得られる時系列データの時間窓を決定するためのセンサ情報分割機能モジュール131と、各センサから得られるセンサデータからユーザ特有なパターンを解析するのに適した基底関数(以下「ユーザ固有関数」という)を発見するためのユーザ固有関数算出機能モジュール132と、時間窓ごとに分割されたセンサデータを、ユーザ固有関数を基底関数として用いて表現するためのセンサデータ展開機能モジュール133と、ユーザ固有関数を基底関数として用いて表現することにより得られた特徴パラメータ(展開係数)を入力データとし、ユーザ行動履歴獲得装置16で獲得されたユーザのサービス利用履 The A plurality of program modules, based on the event (change) information of the sensor data obtained from a certain sensor, the sensor information division function module 131 for determining the time window of the time series data obtained from each sensor, each and user-specific function calculation function module 132 for discovering basis functions suitable for analyzing the user-specific pattern from the sensor data obtained from the sensor (hereinafter referred to as "user-specific function"), which is divided into time windows sensor data, input and sensor data expansion function module 133 for representing with a user-specific functions as a basis function, characteristic parameters obtained by expressing with user-specific functions as a basis function (expansion coefficient) data and then, a user of the service use footwear that has been acquired in the user behavior history acquisition device 16 をユーザの行動を表す出力データとして、両者の関係を学習させるための個人適応型コンテキスト学習機能モジュール134と、が含まれている。 As output data to represent the behavior of the user, the individual adaptive context learning module 134 for learning the relationship between the two, it is included.

また、携帯端末10の不揮発性メモリ13に記憶されるソフトウェアの中には、各種データを蓄積しておくためのデータベースが含まれている。 Further, in the software stored in the nonvolatile memory 13 of the portable terminal 10, a database for accumulating various data it is included. 当該データベースには、算出されたユーザ固有関数を記憶しておくためのユーザ固有関数DB135と、SOM(Self-Organizing Maps;自己組織化マップ)等の手法を用いて特徴パラメータを要約したデータであるセンサ情報特徴データを記憶するためのセンサ情報要約データDB136と、センサ情報特徴データとユーザ行動データとの対応関係の学習結果を記憶するための学習済みニューラルネットDB137とが存在する。 The said database, a user-specific functions DB135 for storing user-specific function calculated, SOM; is data that summarizes the feature parameters by using a method such as (Self-Organizing Maps Self-Organizing Map) a sensor information summary data DB136 for storing sensor information feature data, and learned neural network DB137 for storing the learning result of the correspondence between the sensor information, wherein the data and user behavior data is present.

揮発性メモリ12にはデータが一時的に記憶される。 The volatile memory 12 the data is temporarily stored. 例えば、揮発性メモリ12には、センサ15により取得されたセンサデータが蓄積される。 For example, volatile memory 12, sensor data obtained by the sensor 15 are accumulated.
携帯端末10のCPU11が、上述した個人適応型コンテキスト獲得プログラムを構成するプログラムモジュール131,132,133,134を実行することにより、図2に示す機能構成が携帯端末10に実現される。 CPU11 of the portable terminal 10, by executing the program modules 131, 132, 133 and 134 which constitute the individual adaptive context acquisition program described above, the functional configuration shown in FIG. 2 is implemented in the mobile terminal 10.

センサデータ分割部101は、センサ15を構成する各センサにより取得されるセンサデータをイベント毎に分割する。 Sensor data division unit 101 divides the sensor data acquired by the sensors of the sensor 15 for each event. ここで、センサデータをイベント毎に分割する手法としては、例えば、特定のセンサから取得されるセンサデータに閾値を超える変化が発生する毎に、各センサにより取得されたセンサデータを分割する手法が考えられる。 Here, as a method of dividing the sensor data for each event, for example, each time a change exceeding a threshold in the sensor data obtained from a particular sensor occurs, the method of dividing the sensor data acquired by the sensors Conceivable. また、別の手法としては、「on−off系」センサにより取得されたセンサデータが1(on)から0(off)に変化する毎に、もしくは、0(off)から1(on)に変化する毎に、各センサにより取得されたセンサデータを分割する方法が考えられる。 As another approach, each time the sensor data obtained by the "on-off system" sensor changes to 0 (off) from 1 (on), or the change from 0 (off) to 1 (on) each time, a method of dividing is considered the sensor data acquired by each sensor.

ユーザ固有関数算出部102は、センサデータ分割部101により分割されたセンサデータを近似して表現するためのユーザ固有関数を算出する。 User-specific function calculating unit 102 calculates a user-specific functions for representing and approximating the sensor data divided by the sensor data division unit 101. ユーザ固有関数算出部102は、算出したユーザ固有関数をユーザ固有関数DB135に記憶する。 User-specific function calculating unit 102 stores the user-specific functions calculated for user-specific functions DB 135. ユーザ固有関数を算出する手法としては,自己相似性の関数を算出するフラクタル画像圧縮アルゴリズムの手法を用いても良いし、また,ウェーブレット変換のような局在波関数を幾つか用意し、それら局在波関数による展開手法を用いても良い。 As a method of calculating the user-specific functions, may be used a method of fractal image compression algorithm to calculate the self-similarity of function, also some prepared localized wave function, such as wavelet transform, their station it may be used to expand technique by standing waves function.
センサデータ展開部103は、ユーザ固有関数算出部102により算出されたユーザ固有関数を用いて、センサデータ分割部101により分割されたセンサデータを展開する。 Sensor data developing unit 103 uses the user-specific function calculated by the user-specific function calculating unit 102, to expand the sensor data divided by the sensor data division unit 101.

個人適応型コンテキスト学習部104は、センサデータ展開部103がセンサデータを展開することにより得られた特徴パラメータと、当該センサデータが取得された時にユーザ行動履歴獲得装置16により取得されたユーザの行動データとの対応関係を学習する。 Individual adaptive context learning unit 104, the feature parameter obtained by the sensor data expansion unit 103 to expand the sensor data, user behavior obtained by the user behavior history acquisition device 16 when the sensor data is obtained It learns the correspondence between the data. そして、個人適応型コンテキスト学習部104は、この学習結果を学習済みニューラルネットDB137に記憶する。 The individual adaptive context learning unit 104 stores the learning result into the trained neural network DB 137. 具体的な学習の手法としては、例えば、個人適応型コンテキスト学習部104は、展開により得られた特徴パラメータを入力データとし、教師なし競合モデルを用いてSOMを生成する。 As a concrete method of learning, for example, personal adaptive context learning unit 104 receives as input data the feature parameters obtained by expansion to generate a SOM with no competition model teacher. そして、個人適応型コンテキスト学習部104は、生成した自己組織化マップの出力データとユーザの行動データとの対応関係をニューラルネットワークモデルを用いて学習する。 The individual adaptive context learning unit 104, the generated correspondence relationship between the output data and the user behavior data of the self-organizing map learning using a neural network model. なお、学習の手法はこれに限定されず、周知の他の学習モデルを利用することができる。 The learning method is not limited to this, it is possible to use other well known learning model. 例えば、マルコフモデル等を利用してもよい。 For example, it is also possible to use a Markov model and the like.
個人適応型コンテキスト獲得部105は、個人適応型コンテキスト学習部104による学習結果に基づいて、センサ15により逐次取得されるセンサデータに対応するユーザの行動パターンを、個人適応型コンテキストとして獲得する。 Individual adaptive context acquisition unit 105, based on the learning result of individual adaptive context learning unit 104, a user behavior pattern corresponding to the sensor data sequentially acquired by the sensor 15 to acquire the personal adaptive context.

次に、図3及び図4を参照しながら動作例について説明する。 Next, the operation example will be described with reference to FIGS. 図3は、携帯端末10が行う個人適応型コンテキスト獲得処理の手順を示すフローチャートである。 Figure 3 is a flowchart showing a procedure of a personal adaptive context acquisition process the mobile terminal 10 performs. 図4は、携帯端末10により獲得される個人適応型コンテキストを利用したサービス提供の一例を示す図である。 Figure 4 is a diagram showing an example of a service provided using the individual adaptive context that is acquired by the mobile terminal 10.
なお、以下の説明において、次の記号e all 、e analog 、e on-off 、C all 、C analog 、C on-off 、mαはベクトルを表すものとする。 In the following description, the following symbols e all, e analog, e on -off, C all, C analog, C on-off, mα denote the vector. また、センサ15を構成するセンサのうち、「analog系」センサの総数はN analog (N analogは自然数)個存在し、「on−off系」センサの総数はN on-off (N on-offは自然数)個存在するものとする。 Further, the sensors of the sensor 15, the total number of "analog system" sensors N analog (N analog is a natural number) number exists, the total number of "on-off system" sensors N on-off (N on-off it is assumed that is a natural number) there.

ユーザ行動履歴獲得装置16は、ユーザが携帯端末10を利用してメールを送受信したり、インターネットにアクセスしたり、電子マネーで商品を購入する毎に、サービス利用履歴をユーザ行動データとして取り込み、ユーザ行動履歴DB161に蓄積する(ステップS101)。 User behavior history acquisition device 16, or send and receive e-mail user is using a mobile terminal 10, or access to the Internet, each time to purchase items through electronic money, takes in the service use history as a user behavior data, user It accumulates in the action history DB 161 (step S101). また、センサ15を構成する「analog系」センサは逐次時系列データを取り込み、揮発性メモリ12に蓄積する(ステップS102)。 Further, "analog system" sensors constituting the sensor 15 captures the time-series data sequentially accumulated in the volatile memory 12 (step S102). また、「on−off系」センサは逐次on−offデータ(0(on)または1(off)を表すデータ)を取り込み、揮発性メモリ12に蓄積する(ステップS103)。 Further, "on-off system" sensor captures the sequential on-off data (0 (data representing on) or 1 (off)), is stored in the volatile memory 12 (step S103).

携帯端末10は、各センサデータからユーザ固有の特徴を抽出するために、「analog系」センサにより揮発性メモリ12に蓄積されたi番目(i=1、2、・・・、N analog )のセンサデータSa (i) (t)に基づいて、ユーザ固有の信号パターンを抽出するのに適したユーザ固有関数を算出する。 The mobile terminal 10, in order to extract the user-specific features from the sensor data, i-th stored in the volatile memory 12 by the "analog system" sensor (i = 1,2, ···, N analog) of based on the sensor data Sa (i) (t), calculates the user specific function suitable for extracting the user-specific signal pattern.
具体的には、まず、携帯端末10のセンサデータ分割部101は、「on−off系」センサにより蓄積されたj番目(j=1、2、・・・、N on-off )のセンサデータSd (j) (t)が1(on)から0(off)になった時間、もしくは、0(off)から1(on)になった時間に基づいて、「analog系」センサから取得されたセンサデータSa (i) (t)を分割する(ステップS104)。 Specifically, first, the sensor data division unit 101 of the portable terminal 10, j-th accumulated by 'on-off type "sensor (j = 1,2, ···, N on-off) sensor data sd (j) (t) is the time became 1 (on) to 0 (off), or, on the basis of the 0 (off) to 1 time becomes (on), which is acquired from the "analog system" sensor dividing the sensor data Sa (i) (t) (step S104).

そして、ユーザ固有関数算出部102は、分割されたぞれぞれのセンサデータSa (i) (t)(t s ≦t≦t e )毎に最も近似できる基底関数を算出し、それをユーザ固有関数U (i) k (t)(k=1、2、・・・、n (i) analog )とする(ステップS105)。 The user-specific function calculating unit 102 calculates the basis functions most can be approximated to each divided respectively'll have Re of sensor data Sa (i) (t) ( t s ≦ t ≦ t e), the user it eigenfunction U (i) k (t) and (k = 1,2, ···, n (i) analog) ( step S105). 基底関数を算出する方法としては、ここでは既知のフラクタル画像圧縮アルゴリズムの手法を用いて、ユーザ固有関数とそれで分解したときの係数に相当するものとして、複数のアトラクタパラメータで表現する。 As a method of calculating the basis functions, here using techniques known fractal image compression algorithms, as corresponding to the coefficient when the decomposed and user-specific functions which are represented by a plurality of attractor parameters. 例えば、分割区間t s ≦t≦t eでセンサデータSa (i) (t)を二次元画像データ形式に変換することでSa (i) (t x 、t y )が得られ、これにフラクタル画像圧縮アルゴリズムを適用することができる。 For example, the divided sections t s ≦ t ≦ t e at Sa by converting the sensor data Sa (i) (t) in a two-dimensional image data format (i) (t x, t y) is obtained, this fractal it can be applied to image compression algorithms. この場合、ユーザ固有関数算出部102は、式(1)に示すアトラクタパラメータ(圧縮符号列)C (i)をユーザ固有関数U (i) k (t)(=U (i) k (t x 、t y ))(k=1、2、・・・、n (i) analog ;n (i) analogは自然数)として算出し、ユーザ固有関数DB135に登録する。 In this case, user-specific function calculating section 102, equation (1) attractor parameters shown in (compression code string) C (i) user-specific function U (i) k (t) (= U (i) k (t x , t y)) (k = 1,2, ···, n (i) analog; n (i) analog calculates a natural number), and registers the user-specific function DB 135.

ユーザ固有関数算出部102は各センサについて同様の処理を施し、それぞれユーザ固有の信号を抽出するのに適したユーザ固有関数U (i) k (t x 、t y )を算出し、その結果をユーザ固有関数DB135に蓄積する。 User-specific function calculation unit 102 performs the same processing for each sensor, user-specific function U (i) k (t x , t y) suitable for extracting the user-specific signal respectively calculated, and the results storing the user-specific function DB 135.
ユーザ固有関数算出部102は、「on−off系」センサから取得されたセンサデータSd (j) (t)についても、「analog系」センサと同様の手法を用いて、ユーザ固有関数U (j) k (t)(=U (j) k (t x 、t y ))(k=1、2、・・・、n (j) on-off ;n (j) on-offは自然数)を算出する。 User-specific function calculating section 102, the "on-off system" is acquired from a sensor the sensor data Sd (j) (t), by the same technique as "analog system" sensors, user-specific function U (j ) k (t) (= U (j) k (t x, t y)) (k = 1,2, ···, n (j) on-off; the n (j) on-off is a natural number) calculate.

次に、ユーザ固有関数U (i) k (t x 、t y )を用いて、センサ情報特徴データmαを生成する。 Next, the user-specific function U (i) k (t x , t y) is used to generate sensor information feature data m.alpha. 具体的には、まず、センサデータ展開部103は、センサ毎のユーザ固有関数U (i) k (t x 、t y )を用いて、分割されたセンサデータSa (i) (t)(t s ≦t≦t e )(二次元画像データ形式に変換済み)を近似し、実際の値との差異を式(2)に示すベクトルe analogで表現する。 Specifically, first, the sensor data developing unit 103, user-specific function U (i) k (t x , t y) of each sensor using a split sensor data Sa (i) (t) ( t s ≦ t ≦ t e) (already converted into two-dimensional image data format) approximates, expressed by a vector e analog representing a difference between an actual value to the equation (2).

センサデータ展開部103は、各「on‐off系」センサについても、その時のon‐off状態を、ベクトルe on-off =(0、1、0、・・・、1、0)(“0”、“1”は、各センサのon−off状態の一例を表す)で表現する。 Sensor data expansion unit 103, with respect to each of the "on-off system" sensor, the on-off state at that time, vector e on-off = (0,1,0, ···, 1,0) ( "0 "," 1 "is represented by a representative) an example of on-off state of each sensor. そして、センサデータ展開部103は、実際の値との差異を表すベクトルとして、式(4)に示すe allを生成する(ステップS106)。 Then, the sensor data developing unit 103, a vector representing the difference between the actual value, and generates an e all shown in equation (4) (step S106).

なお、実際の値との差異を表すベクトルという意味では、e allをe analogのみで表すことも可能である。 Incidentally, in the sense that vector representing the difference between the actual value, it is also possible to represent the e all only e analog.
個人適応型コンテキスト学習部104は、このようにしてセンサデータを展開することにより得られた特徴パラメータ(式(4)に示すe all及び式(5)に示すC all )を入力とする競合学習を行う(ステップS107)。 Individual adaptive context learning unit 104, competitive learning which receives the (C all shown in e all and equation shown in equation (4) (5)) obtained feature parameters by deploying sensor data in this way is carried out (step S107).

ここでは、既知のKohonenの競合学習モデルにより、SOMが得られる。 Here, by a competitive learning model known Kohonen, SOM is obtained. 個人適応型コンテキスト学習部104は、このSOMを構成する出力ノードmαをセンサ情報特徴データとして、センサ情報要約データDB136に蓄積する。 Individual adaptive context learning unit 104, the output node mα constituting the SOM as the sensor information feature data is stored in the sensor information summary data DB 136.
さらに、個人適応型コンテキスト学習部104は、上記で得られたセンサ情報特徴データmαを入力とし、ユーザのユーザ行動履歴DB161から得られるユーザ行動データを出力として、既知のBP(Back−propagation)学習則に基づくニューラルネットにより両者の対応関係を学習させる(ステップS108)。 Furthermore, individual adaptive context learning unit 104 inputs the sensor information feature data mα obtained above, as an output user behavior data obtained from the user behavior history DB161 users, known BP (Back-propagation) Learning the neural network based on law to learn both the relationship (step S108). ここで、ユーザ行動データの出力形式は、“○○○のサイトにアクセス”、“×××へメールを送信”、及び、“△△△で物品を購入”などのサービス利用内容ごとにユーザ行動ノードP iを用意して、ユーザが実際にしている行動であれば1、実際にしていない行動であれば0が割り当てられたものである。 User Here, the output format of user behavior data, "access to ○○○ of the site", "××× to send mail", and, for each service usage details, such as "buy the goods in △△△" prepared an action node P i, 1 if action is user actually was, in which 0 is assigned if not actually act. 個人適応型コンテキスト学習部104は、この時の学習結果(学習済みニューラルネットワーク)を学習済みニューラルネットDB137に蓄積する。 Individual adaptive context learning unit 104 stores the time of the learning result (learned neural network) trained neural network DB 137.

上記までの一連の処理は、常時実施され、それぞれのDBが更新される。 A series of processes up to above are implemented at all times, each DB is updated.
この一連の処理と並行して、個人適応型コンテキスト獲得部105は、上記処理による学習結果に基づいて個人適応型コンテキストを獲得する。 In parallel with this series of processes, individual adaptive context acquisition unit 105 acquires the personal adaptive context based on the learning result by the processing. 具体的には、「analog系」及び「on−off系」のセンサにより取り込まれたセンサデータSa (i) (t)及びSd (j) (t)は、前述のユーザ固有関数U (i) (t)に基づいて特徴パラメータe all及びC allに展開され、さらにセンサ情報特徴データmαに変換される。 Specifically, "analog system" and "on-off system" sensor data Sa captured by the sensor of (i) (t) and Sd (j) (t) is above the user-specific functions U (i) based on (t) is expanded into characteristic parameters e all and C all, is further converted to sensor information feature data m.alpha. そして、個人適応型コンテキスト獲得部105は、学習済みニューラルネットDB137に基づいて、センサ情報特徴データmαに対応する個人適応型コンテキストを獲得する(ステップS109)。 The individual adaptive context acquisition unit 105, based on the learned neural network DB 137, acquires the personal adaptive context corresponding to the sensor information feature data m.alpha (step S109). 具体的には、センサ情報特徴データmαを入力データとして学習済みニューラルネットDB137に蓄積されている学習結果に作用させると、ユーザのサービス利用パターンがユーザの行動パターン(P 1 、P 2 、…、P i )として出力される。 Specifically, when allowed to act on the sensor information, wherein the data mα learned neural network DB137 stored electrical learning result to the input data, the user of the service usage patterns the user's action pattern (P 1, P 2, ... , It is output as the P i). なお、ここでの行動パターンは、ユーザ行動履歴獲得装置16により得られたユーザの各行動を表す属性情報とそれが起きる確率とで表現されたものである。 Here, the behavior pattern is one which is represented by the attribute information representing each action of the user obtained by the user behavior history acquisition unit 16 that it happens probability. 例えば、事象1のユーザ行動が映画に関するサイトへ情報検索したことであれば、行動パターンは「URL:http://www.EIGA.co.jp/xxx/...」という属性情報とそれが起きる確率P 1で表現され、事象2のユーザ行動が太郎さんへ挨拶メールを送信したことであれば、行動パターンは「Mail: To: Taro@zzz.co.jp, Subject:"Hello!"」 という属性情報とそれが起きる確率P 2で表現され、さらには、事象iのユーザ行動が電子マネーを利用してXYZの店舗で1,000円のジャケットを購入したことであれば、行動パターンは「e-cash: Store: XYZ, Product:Jacket, Price: 1,000 Yen」 という属性情報とそれが起きる確率P iで表現される。 For example, if the user behavior of the event 1 is information retrieval to the site about the movie, behavior pattern is "URL: http: //www.EIGA.co.jp/xxx / ..." that attribute information and it is represented by a probability P 1 that occurs, if the user behavior of the event 2 has sent a greeting mail to Taro, behavior pattern is "mail: to: Taro@zzz.co.jp, Subject: " Hello! " " attribute information and it is represented by a probability P 2 that occurs that, further, if the user behavior of the events i bought a jacket of 1,000 yen at the store of XYZ using electronic money, behavior pattern is "e -cash: Store: XYZ, Product: Jacket, Price: 1,000 Yen "that attribute information and it is expressed with a probability P i that occurs. これは、各行動パターンが起こりうる確率、すなわち、この時点でのユーザが取るかもしれない行動可能性を確率で表現したものである。 This probability of each behavior pattern can occur, i.e., the action potential users might take at this point is a representation in probability.

図4に示すCRM(Customer Relationship Management)データベース30を有している既存のサービス提供システム20は、携帯端末10が獲得した個人適応型コンテキストから予測されるユーザの行動に適したサービスを、CRMデータベース30から検索する。 Existing service providing system having a CRM (Customer Relationship Management) database 30 shown in FIG. 4 20 a service suitable for the action of the user of the mobile terminal 10 is predicted from the acquired personal adaptive context, CRM database Search from 30. これにより、サービス提供システム20は、ユーザに適したサービスを発見することができる(ステップS110)。 Thus, the service providing system 20 is able to discover services suitable for the user (step S110). サービス提供システム20は、発見したサービスを携帯端末10に提供する(ステップS111)。 The service providing system 20 provides a discovery service to the mobile terminal 10 (step S111). 例えば、個人適応型コンテキストが、現在ユーザが映画関連のサイトにアクセスしていることを示していた場合には、サービス提供システム20はチケット予約に関する情報を携帯端末10に送信する。 For example, individual adaptive context, when the user now showed that are accessing the movie-related sites, the service providing system 20 sends the information about the ticket reservation to the mobile terminal 10. また、個人適応型コンテキストが、現在ユーザが流行ファッションに関するサイトにアクセスしており、かつ、ユーザはサイトにアクセスした後に洋服を買いに出かける確率が高いことを示していた場合には、サービス提供システム20は洋服のバーゲン情報を携帯端末10に送信する。 In addition, individual adaptive context, the user currently has access to the site about fashion fashion, and, in the case where the user has showed that there is a high probability that go out to buy clothes after accessing the site, the service providing system 20 transmits the bargain information of clothes to the mobile terminal 10. このようにして、携帯端末10は、サービス提供システム20から個人適応型コンテキストに応じたサービスを取得することができる。 In this way, the portable terminal 10 can acquire the service according to the individual adaptive context from the service providing system 20.

なお、既存のオントロジの手法により個人適応型コンテキストに応じたサービスを発見することも可能である。 It is also possible to find a service in response to individual adaptive context by the technique of an existing ontology. このように、携帯端末10は、ユーザ個人に適応したコンテキストの学習及び獲得が可能となる。 Thus, the mobile terminal 10, it is possible to learn and acquire context adapted to individual user. そして、サービス提供システム20は、携帯端末10が獲得したコンテキストに基づいて、ユーザに適したサービスをユーザに提供することが可能となる。 Then, the service providing system 20, based on the context of the mobile terminal 10 has obtained, it is possible to provide a service suitable for the user to the user.

以上説明したように、携帯端末10は、ユーザ毎、センサ毎、イベント毎にユーザ固有関数を算出し、当該ユーザ固有関数でセンサデータを展開することにより得られた特徴パラメータと、ユーザ行動履歴獲得装置16により得られたユーザの行動データとの対応関係を学習するため、ユーザに固有の特徴を学習することができ、当該学習結果に基づいて個人に適応したコンテキストを獲得することが可能となる。 As described above, the portable terminal 10, for each user, each sensor, calculates a user-specific functions for each event, the feature parameters obtained by deploying the sensor data in the user-specific functions, acquisition user behavior history to learn the relationship between the obtained user behavior data by device 16, the user can learn the unique features, it is possible to obtain a context adapted to individuals on the basis of the learning result .

また、センサデータをイベント毎に自動的に分割し、かつ、ユーザ行動履歴獲得装置16によってユーザの行動履歴を獲得するようにしたため、知識処理や主観的なコンテキストの定義を必要とせず、ユーザが携帯端末10を通常通りに携帯し利用するのみで、個人適応型コンテキストの学習及び獲得を行うことができる。 Further, sensor data automatically divided for each event, and, due to so as to acquire the behavior history of the user by the user behavior history acquisition unit 16 does not require the definition of a knowledge processing and subjective context, the user the mobile terminal 10 only portable use normally, it is possible to perform learning and acquiring personal adaptive context.
また、ユーザ固有関数を用いることにより、センサデータをユーザの典型的な特徴パラメータC all (ユーザ固有関数に基づく特徴パラメータ)と例外的な特徴パラメータe all (センサデータとユーザ固有関数との差異に基づく特徴パラメータ)とに分離することができるため、センサデータからたくさんのユーザ固有の特徴を抽出することができ、特徴パラメータとユーザの行動データとを正確に対応付けることができる。 Further, by using the user-specific functions, the difference between the typical feature parameters C all (feature parameters based on user-specific functions) and exceptional feature parameters e all (sensor data and user-specific functions of the user sensor data it is possible to separate the feature parameters) and based, it is possible to extract a lot of user-specific features from the sensor data, the action data of the feature parameters and the user can correctly associate.

また、センサデータとユーザ固有関数との差異の程度に基づいて、いつもの行動パターンか否かを解釈することも可能となる。 Further, based on the degree of difference between the sensor data and user-specific functions, it is possible to interpret whether the usual action pattern. 例えば、毎日特定の時間帯において取得されたセンサデータを常に同じユーザ固有関数で表現することができる場合には、ユーザが特定の時間帯に常に同じ行動をとっており、行動の癖があることがわかる。 For example, if it is possible to represent the sensor data acquired at a specific time each day period always at the same user-specific functions, the user is always taking the same action at certain times, that there is a habit of action It is seen. 一方、ある日、同じ特定の時間帯に取得したセンサデータをいつものユーザ固有関数で表現した場合、e allが大きくなる場合には、ユーザはいつもと異なる行動をとったことがわかる。 On the other hand, one day, when expressed in the sensor data acquired on the same particular time zone usual user-specific function, in the case where e all becomes large, the user it can be seen that took an unusual action.

また、獲得される個人適応型コンテキストは、既存のCRMの手続きの一要素と成り得る情報(サービス(すなわち、行動パターン)の利用可能性や各サービスの関連を確率や相関で表現した情報)であるため、既存のCRMに基づいたサービス提供システム20との親和性がある。 Moreover, individual adaptive context to be acquired is the information that can be a an element of an existing CRM procedures (service (i.e., information representing the availability and related services behavioral pattern) with probability and correlation) there is therefore the affinity with the service providing system 20 based on an existing CRM. 従って、サービス提供システム20は、個人適応型コンテキストとCRMデータベース30とを用いて、ユーザに適したサービスを容易に発見し提供することができる。 Therefore, the service providing system 20 uses the personal adaptive context and CRM database 30, can be provided easily discover services suitable for the user.

なお、上述した実施形態においては、センサ15は携帯端末10に搭載されているとして説明したが、これに限定されることはなく、例えば、センサ15が搭載されたバンドを人間の腕や頭に巻き付けてもよい。 In the embodiment described above, the sensor 15 has been described as being mounted on the mobile terminal 10 is not limited to this, for example, a band sensor 15 is mounted on a human arm or head it may be wound.
また、上述した実施形態においては、携帯端末10にICチップで構成されたユーザ行動履歴獲得装置16が搭載されているとして説明したが、ユーザ行動履歴を獲得するためのプログラムを不揮発性メモリ13に記憶しておくことにより、ユーザ行動履歴獲得装置16の機能を実現するようにしてもよい。 In the embodiment described above, the user behavior history acquisition device 16, which is an IC chip in the mobile terminal 10 has been described as being mounted, the program for acquiring the user behavior history in the nonvolatile memory 13 by storing, it may be to realize the functions of the user behavior history acquisition unit 16.
また、携帯端末10は携帯電話機に限定されることはなく、ユーザが携帯し各種サービスを利用可能な装置であればよく、例えば、PDA(Personal Digital Assistance)やPHS(Personal Handyphone System)でもよい。 The portable terminal 10 is not limited to a mobile phone may be a user apparatus capable of using a portable and various services, for example, PDA (Personal Digital Assistance) or may be PHS (Personal Handyphone System).

個人の状況認識に利用することができ、また、認識された個人の状況に応じたサービス提供に利用することができる。 Can be used for situational awareness individuals, it can also be utilized to provide services in accordance with the status of the recognized person. 例えば、個人のヘルスケア、CRMに基づくサービスナビゲーション等に利用することができる。 For example, an individual's health care, can be used to service navigation or the like based on CRM.

本発明の実施の形態に係る携帯端末のハードウェア及びソフトウェア構成を示すブロック図である。 Is a block diagram showing the hardware and software configuration of a mobile terminal according to an embodiment of the present invention. 同実施の形態に係る携帯端末の機能構成を示すブロック図である。 Is a block diagram showing a functional configuration of a mobile terminal according to the embodiment. 同実施の形態に係る携帯端末が行う個人適応型コンテキスト獲得処理の手順を示すフローチャートである。 Is a flowchart illustrating a procedure of individual adaptive context acquisition process the mobile terminal performs according to the embodiment. 同実施の形態に係る携帯端末により獲得される個人適応型コンテキストを利用したサービス提供の一例を示す図である。 Is a diagram illustrating an example of a service provided using the individual adaptive context that is acquired by the mobile terminal according to the embodiment.

符号の説明 DESCRIPTION OF SYMBOLS

10 携帯端末11 CPU 10 mobile terminal 11 CPU
12 揮発性メモリ13 不揮発性メモリ131 センサ情報分割機能モジュール132 ユーザ固有関数算出機能モジュール133 センサデータ展開機能モジュール134 個人適応型コンテキスト学習機能モジュール135 ユーザ固有関数DB 12 volatile memory 13 non-volatile memory 131 sensor information dividing function module 132 user-specific function calculation function module 133 sensor data expansion function module 134 individual adaptive context learning module 135 user-specific functions DB
136 センサ情報要約データDB 136 sensor information summary data DB
137 学習済みニューラルネットDB 137 trained neural net DB
14 通信インターフェース15 センサ151 生体情報計測センサ152 環境情報計測センサ16 ユーザ行動履歴獲得装置161 ユーザ行動履歴DB 14 Communication interface 15 sensor 151 biological information measuring sensor 152 environment information measuring sensor 16 user action history acquisition unit 161 user behavior history DB
162 行動履歴獲得プログラム101 センサデータ分割部102 ユーザ固有関数算出部103 センサデータ展開部104 個人適応型コンテキスト学習部105 個人適応型コンテキスト獲得部20 サービス提供システム30 CRMデータベース 162 action history acquisition program 101 sensor data dividing unit 102 user-specific function calculating section 103 the sensor data developing unit 104 individuals adaptive context learning unit 105 individuals adaptive context acquisition unit 20 the service providing system 30 CRM database

Claims (5)

  1. センサにより取得された、ユーザに関する情報を示すセンサデータを分割するセンサデータ分割手段と、 Obtained by the sensor, the sensor data dividing means for dividing the sensor data indicating information about the user,
    前記センサデータ分割手段により分割されたセンサデータを表現するためのユーザ固有関数を算出するユーザ固有関数算出手段と、 And user-specific function calculating means for calculating a user-specific functions to represent the sensor data divided by said sensor data dividing means,
    前記ユーザ固有関数算出手段により算出されたユーザ固有関数を用いて、前記センサデータ分割手段により分割されたセンサデータを展開するセンサデータ展開手段と、 Using the user-specific function calculated by said user specific function calculating means, and sensor data expansion means for expanding the sensor data divided by said sensor data dividing means,
    前記センサデータ展開手段による展開により得られた特徴パラメータと、ユーザの行動データとの対応関係を学習する個人適応型コンテキスト学習手段と を備えることを特徴とする携帯端末。 Mobile terminal, characterized in that it comprises a characteristic parameter obtained by expansion by said sensor data expansion means, and an individual adaptive context learning means for learning the correspondence between the user behavior data.
  2. 自端末におけるサービスの利用履歴をユーザの行動データとして記憶するユーザ行動データ記憶手段をさらに備え、 Further comprising a user behavior data storage means for storing service usage history of the own terminal as a user's behavior data,
    前記個人適応型コンテキスト学習手段は、 The personal adaptive context learning means,
    前記ユーザ行動データ記憶手段に記憶されているユーザの行動データと、前記特徴パラメータとの対応関係を学習することを特徴とする 請求項1に記載の携帯端末。 The mobile terminal according to claim 1, characterized by learning and behavior data of the user stored in the user behavior data storage means, a correspondence relationship between the feature parameter.
  3. 前記センサデータ展開手段は、 It said sensor data expansion means,
    前記ユーザ固有関数に基づく特徴パラメータと、前記センサデータと前記ユーザ固有関数との差異に基づく特徴パラメータと、に展開することを特徴とする 請求項1又は2に記載の携帯端末。 The mobile terminal according to claim 1 or 2, characterized the characteristic parameters based on the user-specific functions, and characteristic parameters based on the difference between the sensor data and the user-specific functions, to deploy the.
  4. 前記個人適応型コンテキスト学習手段による学習結果に基づいて、前記センサにより取得されるセンサデータに対応するユーザの行動パターンを、個人適応型コンテキストとして獲得する個人適応型コンテキスト獲得手段をさらに備え、 Based on the learning result of the individual adaptive context learning means, the user's behavior pattern corresponding to the sensor data acquired by the sensor, further comprising a personal adaptive context acquisition means for acquiring a personal adaptive context,
    前記個人適応型コンテキスト獲得手段により獲得された個人適応型コンテキストに応じたサービスの提供を受けることを特徴とする 請求項1から3の何れか1項に記載の携帯端末。 The mobile terminal according to any one of claims 1 to 3, characterized in that receiving the service corresponding to the acquired individual adaptive context by the individual adaptive context acquisition means.
  5. センサにより取得された、ユーザに関する情報を示すセンサデータを分割するセンサデータ分割ステップと、 Obtained by the sensor, the sensor data dividing step of dividing the sensor data indicating information about the user,
    前記センサデータ分割ステップにおいて分割されたセンサデータを表現するためのユーザ固有関数を算出するユーザ固有関数算出ステップと、 And user-specific function calculating step of calculating a user-specific functions to represent the sensor data divided in the sensor data division step,
    前記ユーザ固有関数算出ステップにおいて算出されたユーザ固有関数を用いて、前記センサデータを展開するセンサデータ展開ステップと、 Using the user-specific function calculated at the user-specific function calculating step, and the sensor data expansion step to expand said sensor data,
    前記センサデータ展開ステップにおける展開により得られた特徴パラメータとユーザの行動データとの対応関係を学習する個人適応型コンテキスト学習ステップと を有し、 And a personal adaptive context learning step of learning the correspondence between the behavior data of the obtained feature parameters and a user by expansion in the sensor data expansion step,
    前記個人適応型コンテキスト学習ステップにおける学習結果に基づいて、前記センサにより取得されるセンサデータに対応するユーザの行動パターンを、個人適応型コンテキストとして獲得することを特徴とする個人適応型コンテキスト獲得方法。 On the basis of the learning result in an individual adaptive context learning step, the user's behavior pattern corresponding to the sensor data acquired by the sensor, the personal adaptive context acquisition method characterized by obtaining a personal adaptive context.
JP2004322466A 2004-11-05 2004-11-05 Portable terminal, and individual adaptive context acquiring method Pending JP2006134080A (en)

Priority Applications (1)

Application Number Priority Date Filing Date Title
JP2004322466A JP2006134080A (en) 2004-11-05 2004-11-05 Portable terminal, and individual adaptive context acquiring method

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
JP2004322466A JP2006134080A (en) 2004-11-05 2004-11-05 Portable terminal, and individual adaptive context acquiring method

Publications (1)

Publication Number Publication Date
JP2006134080A true JP2006134080A (en) 2006-05-25

Family

ID=36727574

Family Applications (1)

Application Number Title Priority Date Filing Date
JP2004322466A Pending JP2006134080A (en) 2004-11-05 2004-11-05 Portable terminal, and individual adaptive context acquiring method

Country Status (1)

Country Link
JP (1) JP2006134080A (en)

Cited By (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2008009505A (en) * 2006-06-27 2008-01-17 Olympus Corp Information display system
JP2008204040A (en) * 2007-02-19 2008-09-04 Kddi Corp Portable terminal, program and display screen control method to portable terminal
JP2008264352A (en) * 2007-04-24 2008-11-06 Qol Kk Menstrual cycle estimation device and menstrual cycle estimation method
JP2010146221A (en) * 2008-12-18 2010-07-01 Hitachi Ltd Behavior recording input support system, behavior input support method, and server
JP2010530568A (en) * 2007-05-30 2010-09-09 バイエル・ヘルスケア・エルエルシーBayer HealthCare LLC Method and system for managing health data
JP2010211679A (en) * 2009-03-12 2010-09-24 Hitachi Ltd Action prediction method and action prediction system
EP2284768A2 (en) 2009-08-03 2011-02-16 Sony Corporation Data processing apparatus, data processing method, and program
JP2011164811A (en) * 2010-02-08 2011-08-25 Hitachi Ltd Apparatus and system for information processing
CN102183252A (en) * 2009-12-04 2011-09-14 索尼公司 Data processing apparatus, data processing method and program
WO2012066951A1 (en) 2010-11-18 2012-05-24 ソニー株式会社 Data processing device, data processing method, and program
JP2013513138A (en) * 2009-09-29 2013-04-18 テルコーディア テクノロジーズ インコーポレイテッド Resource stream for calculation application is limited, capture of causal context history that are relevant, transmission, and enable reconstruction
US8572008B2 (en) 2009-12-04 2013-10-29 Sony Corporation Learning apparatus and method, prediction apparatus and method, and program
JP2014513330A (en) * 2011-01-19 2014-05-29 クゥアルコム・インコーポレイテッドQualcomm Incorporated Learning of the situation through a pattern matching
JP2016219007A (en) * 2015-05-14 2016-12-22 株式会社アドダイス Managing system, and managing method

Cited By (18)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2008009505A (en) * 2006-06-27 2008-01-17 Olympus Corp Information display system
JP2008204040A (en) * 2007-02-19 2008-09-04 Kddi Corp Portable terminal, program and display screen control method to portable terminal
JP2008264352A (en) * 2007-04-24 2008-11-06 Qol Kk Menstrual cycle estimation device and menstrual cycle estimation method
JP2010530568A (en) * 2007-05-30 2010-09-09 バイエル・ヘルスケア・エルエルシーBayer HealthCare LLC Method and system for managing health data
US9618967B2 (en) 2007-05-30 2017-04-11 Ascensia Diabetes Care Holdings Ag System and method for managing health data
JP2010146221A (en) * 2008-12-18 2010-07-01 Hitachi Ltd Behavior recording input support system, behavior input support method, and server
JP2010211679A (en) * 2009-03-12 2010-09-24 Hitachi Ltd Action prediction method and action prediction system
EP2284768A2 (en) 2009-08-03 2011-02-16 Sony Corporation Data processing apparatus, data processing method, and program
CN101989127A (en) * 2009-08-03 2011-03-23 索尼公司 Data processing apparatus, data processing method, and program
US8560467B2 (en) 2009-08-03 2013-10-15 Sony Corporation Apparatus, method, and program for predicting user activity state through data processing
JP2013513138A (en) * 2009-09-29 2013-04-18 テルコーディア テクノロジーズ インコーポレイテッド Resource stream for calculation application is limited, capture of causal context history that are relevant, transmission, and enable reconstruction
CN102183252A (en) * 2009-12-04 2011-09-14 索尼公司 Data processing apparatus, data processing method and program
US8572008B2 (en) 2009-12-04 2013-10-29 Sony Corporation Learning apparatus and method, prediction apparatus and method, and program
JP2011164811A (en) * 2010-02-08 2011-08-25 Hitachi Ltd Apparatus and system for information processing
US9589082B2 (en) 2010-11-18 2017-03-07 Sony Corporation Data processing device that calculates an arrival probability for a destination using a user's movement history including a missing portion
WO2012066951A1 (en) 2010-11-18 2012-05-24 ソニー株式会社 Data processing device, data processing method, and program
JP2014513330A (en) * 2011-01-19 2014-05-29 クゥアルコム・インコーポレイテッドQualcomm Incorporated Learning of the situation through a pattern matching
JP2016219007A (en) * 2015-05-14 2016-12-22 株式会社アドダイス Managing system, and managing method

Similar Documents

Publication Publication Date Title
Eagle et al. Eigenbehaviors: Identifying structure in routine
Schmidt Ubiquitous computing-computing in context
Eagle Machine perception and learning of complex social systems
Korpipää et al. Managing context information in mobile devices
US8150872B2 (en) Multimodal natural language query system for processing and analyzing voice and proximity-based queries
JP5843207B2 (en) Intuitively computing method and system
US8131718B2 (en) Intelligent data retrieval system
Ostermaier et al. A real-time search engine for the web of things
US9513699B2 (en) Method of selecting a second content based on a user&#39;s reaction to a first content
KR101960835B1 (en) Schedule Management System Using Interactive Robot and Method Thereof
EP1494210B1 (en) Speech communication system and method, and robot apparatus
Cook et al. CASAS: A smart home in a box
JP5248914B2 (en) To predict the future of goal-oriented activities, the recommendation system
US9374451B2 (en) System and method for multimodal short-cuts to digital services
Forkan et al. CoCaMAAL: A cloud-oriented context-aware middleware in ambient assisted living
CN1702654B (en) Method and system for calculating importance of a block within a display page
Krause et al. Unsupervised, Dynamic Identification of Physiological and Activity Context in Wearable Computing.
Chen Context-aware collaborative filtering system: Predicting the user’s preference in the ubiquitous computing environment
US7693683B2 (en) Information classifying device, information classifying method, information classifying program, information classifying system
US20100153180A1 (en) Generating Receptivity Cohorts
US8152694B2 (en) Activity monitoring device and method
JP5519278B2 (en) Monitoring of the use of the portable user equipment
US20120148115A1 (en) Mobile Biometrics Information Collection and Identification
KR101740074B1 (en) Inferring user-specific location semantics from user data
Riboni et al. COSAR: hybrid reasoning for context-aware activity recognition