JP2013250861A - 情報処理装置、情報処理方法、及びプログラム - Google Patents

Abstract

【課題】位置センサやモーションセンサから取得した情報に基づいた行動パターン認識結果と、位置センサやモーションセンサから取得した情報以外の情報とを組み合わせ、より高度な情報を提供すること。
【解決手段】テキスト情報から所定の事柄を抽出する事柄抽出部と、前記所定の事柄に関連付けられた一又は複数の行動パターンを特定する行動パターン特定部と、センサ情報から前記所定の事柄に関連付けられた各前記行動パターンを抽出する行動抽出部と、前記所定の事柄と当該事柄に関連付けられた各前記行動パターンとの組み合わせ毎に、各前記行動パターンが前記所定の事柄に寄与する度合いを表した寄与度を用い、前記センサ情報から抽出された各前記行動パターンに基づいて、前記事柄に関する状態を表す状態情報を生成する状態解析部と、を備える、情報処理装置が提供される。
【選択図】図１５

Description

本技術は、情報処理装置、情報処理方法、及びプログラムに関する。

携帯電話等の携帯端末にモーションセンサを搭載し、ユーザの行動履歴を自動的に検出して記録できるようにする技術に注目が集まっている。例えば、下記の特許文献１には、加速度センサやジャイロセンサ等のモーションセンサを利用し、歩く動作、走る動作、左右にターンする動作、静止状態を検知する技術が開示されている。同文献には、モーションセンサの出力データから、歩行ピッチ、歩行パワー、重力軸まわりの回転角を算出し、その算出結果を用いて歩く動作、走る動作、左右にターンする動作、及び静止状態を検知する方法が記載されている。

さらに、同文献には、これらの動作や状態の種類、動作や状態が継続していた時間、動作回数等、動作や状態のパターンを入力とする統計的な処理によりユーザの行動パターンを検知する方法が記載されている。上記の方法を用いると、「のんびりした歩行」や「せわしない動作」といった行動パターンを時系列のデータとして得ることができる。しかし、この方法で得られる行動パターンは、比較的短時間に行われるユーザの動作や状態を主に表現したものである。そのため、「今日はデパートで買い物をした」「昨日はホテルのレストランで食事をした」等、具体的な行動内容を行動パターンの履歴から推察することは難しい。

下記の特許文献１に記載の方法を用いて得られる行動パターンは、比較的短時間に行われる行動の積み重ねである。そして、当該行動パターンを形成する個々の行動自体は、ユーザが目的を持って行っているものではない。一方、具体的な行動内容は、ユーザが目的を持って行っているものが多く、比較的長時間にわたって行われるエンタテイメント性の高いものである。そのため、短時間で行われる行動の積み重ねから上記のような具体的な行動内容を窺い知ることは難しい。しかし、最近、モーションセンサを用いて得られる比較的短時間の行動パターンから、比較的長時間にわたり行われるエンタテイメント性の高い行動パターンを検出する技術が開発された（下記の特許文献２を参照）。

特開２００８−００３６５５号公報 特開２０１１−０８１４３１号公報

一方、近年では、ユーザを取りまくネットワーク環境の高度化や多様化が進んでおり、ユーザが自身で入力したコメントを、ネットワーク上のサーバにアップロードするソーシャルネットワークサービスが普及してきている。このようなコメントには、ユーザの行動や意図に関する情報が含まれる場合もある。

本技術は、このような事情を受けて考案されたものであり、位置センサやモーションセンサから取得した情報に基づいた行動パターン認識結果と、位置センサやモーションセンサから取得した情報以外の情報とを組み合わせ、より高度な情報を提供することが可能な、新規かつ改良された情報処理装置、情報処理方法、及びプログラムを提供することを意図している。

本技術のある観点によれば、テキスト情報から所定の事柄を抽出する事柄抽出部と、前記所定の事柄に関連付けられた一又は複数の行動パターンを特定する行動パターン特定部と、センサ情報から前記所定の事柄に関連付けられた各前記行動パターンを抽出する行動抽出部と、前記所定の事柄と当該事柄に関連付けられた各前記行動パターンとの組み合わせ毎に、各前記行動パターンが前記所定の事柄に寄与する度合いを表した寄与度を用い、前記センサ情報から抽出された各前記行動パターンに基づいて、前記事柄に関する状態を表す状態情報を生成する状態解析部と、を備える、情報処理装置が提供される。

また、本技術の別の観点によれば、テキスト情報から所定の事柄を抽出することと、前記所定の事柄に関連付けられた一又は複数の行動パターンを特定することと、センサ情報から前記所定の事柄に関連付けられた各前記行動パターンを抽出することと、前記所定の事柄と当該事柄に関連付けられた各前記行動パターンとの組み合わせ毎に、各前記行動パターンが前記所定の事柄に寄与する度合いを表した寄与度を用い、前記センサ情報から抽出された各前記行動パターンに基づいて、前記事柄に関する状態を表す状態情報を生成することと、を含む、情報処理方法が提供される。

また、本技術の別の観点によれば、テキスト情報から所定の事柄を抽出する事柄抽出機能と、前記所定の事柄に関連付けられた一又は複数の行動パターンを特定する行動パターン特定機能と、センサ情報から前記所定の事柄に関連付けられた各前記行動パターンを抽出する行動抽出機能と、前記所定の事柄と当該事柄に関連付けられた各前記行動パターンとの組み合わせ毎に、各前記行動パターンが前記所定の事柄に寄与する度合いを表した寄与度を用い、前記センサ情報から抽出された各前記行動パターンに基づいて、前記事柄に関する状態を表す状態情報を生成する状態解析機能と、をコンピュータに実現させるためのプログラムが提供される。

以上説明したように本技術によれば、位置センサやモーションセンサから取得した情報に基づいた行動パターン認識結果と、位置センサやモーションセンサから取得した情報以外の情報とを組み合わせ、より高度な情報を提供することが可能になる。

行動・状況解析システムの構成例について説明するための説明図である。 動き・状態認識部の機能について説明するための説明図である。 動き・状態認識部の機能について説明するための説明図である。 ＧＩＳ情報取得部の機能について説明するための説明図である。 ＧＩＳ情報取得部の機能について説明するための説明図である。 ＧＩＳ情報取得部の機能について説明するための説明図である。 ＧＩＳ情報取得部の機能について説明するための説明図である。 行動・状況認識部の機能について説明するための説明図である。 行動・状況認識部の機能について説明するための説明図である。 動作・状態パターンの判定方法について説明するための説明図である。 ジオヒストグラムを利用したスコア分布の算出方法について説明するための説明図である。 機械学習を利用したスコア分布の算出方法について説明するための説明図である。 検出される行動・状況パターンの一例を示した説明図である。 本発明の一実施形態に係るシステム構成の一例について説明するための説明図である。 構成例＃１に係る情報提供システムの構成について説明するための説明図である。 構成例＃１に係る情報提供システムの機能について詳細に説明するための説明図である。 構成例＃１に係る情報提供システムの機能について詳細に説明するための説明図である。 構成例＃１に係る情報提供システムの機能について詳細に説明するための説明図である。 構成例＃１に係る情報提供システムの機能について詳細に説明するための説明図である。 構成例＃１に係る情報提供システムの機能について詳細に説明するための説明図である。 構成例＃１に係る情報提供システムの機能について詳細に説明するための説明図である。 構成例＃１に係る情報提供システムの機能について詳細に説明するための説明図である。 構成例＃１に係る情報提供システムの動作について説明するための説明図である。 構成例＃２に係る情報提供システムの構成について説明するための説明図である。 構成例＃２に係る情報提供システムの機能について詳細に説明するための説明図である。 構成例＃２に係る情報提供システムの機能について詳細に説明するための説明図である。 構成例＃２に係る情報提供システムの機能について詳細に説明するための説明図である。 構成例＃２に係る情報提供システムの動作について説明するための説明図である。 構成例＃３に係る情報提供システムの構成について説明するための説明図である。 構成例＃３に係る情報提供システムの機能及び判別動作について詳細に説明するための説明図である。 同実施形態に係るシステム及び各機器の機能を実現することが可能なハードウェア構成例について説明するための説明図である。

以下に添付図面を参照しながら、本技術に係る好適な実施の形態について詳細に説明する。なお、本明細書及び図面において、実質的に同一の機能構成を有する構成要素については、同一の符号を付することにより重複説明を省略する。

［説明の流れについて］
ここで、以下に記載する説明の流れについて簡単に述べる。

まず、図１〜図１３を参照しながら、本実施形態の技術に関連する行動パターン認識技術について説明する。次いで、図１４を参照しながら、本発明の一実施形態に係るシステム構成の一例について説明する。次いで、図１５〜図２３を参照しながら、構成例＃１に係る情報提供システム１３の機能及び動作について説明する。

次いで、図２４〜図２８を参照しながら、構成例＃２に係る情報提供システム１７の機能及び動作について説明する。次いで、図２９及び図３０を参照しながら、構成例＃３に係る情報提供システム１９の機能及び動作について説明する。次いで、図３１を参照しながら、同実施形態に係るシステム及び各機器の機能を実現することが可能なハードウェア構成例について説明する。

最後に、同実施形態の技術的思想について纏め、当該技術的思想から得られる作用効果について簡単に説明する。

（説明項目）
１：はじめに
１−１：行動パターン認識技術
１−２：実施形態の概要
２：実施形態の詳細
２−１：システム構成の一例
２−２：構成例＃１（目標達成度の示唆）
２−２−１：システム構成の詳細
２−２−２：処理の流れ
２−２−３：画面表示の例
２−２−４：変形例（動物への適用）
２−３：構成例＃２（詳細行動の表示）
２−３−１：システム構成の詳細
２−３−２：処理の流れ
２−３−３：画面表示の例
２−４：構成例＃３（日常行動／非日常行動の判別）
２−４−１：システム構成の詳細
２−４−２：応用例
２−５：構成例の組み合わせについて
３：ハードウェア構成例
４：まとめ

＜１：はじめに＞
はじめに、本実施形態の技術に関連する行動パターン認識技術について説明する。

［１−１：行動パターン認識技術］
ここで説明する行動パターン認識技術は、モーションセンサなどを利用して検知されたユーザの動きや状態に関する情報と位置センサなどを利用して検知された位置情報とを用いてユーザの行動や状況を検出する技術に関する。

なお、モーションセンサとしては、例えば、３軸加速度センサ（加速度センサ、重力検知センサ、落下検出センサなどを含む。）や３軸ジャイロセンサ（角速度センサ、手振れ補正センサ、地磁気センサなどを含む。）などが用いられる。また、位置センサとしては、例えば、ＧＰＳ（Ｇｌｏｂａｌ Ｐｏｓｉｔｉｏｎｉｎｇ Ｓｙｓｔｅｍ）、ＲＦＩＤ（Ｒａｄｉｏ Ｆｒｅｑｕｅｎｃｙ Ｉｄｅｎｔｉｆｉｃａｔｉｏｎ）、Ｗｉ−Ｆｉアクセスポイント、無線基地局などの情報が利用可能である。これらの情報を利用すると、例えば、現在地の緯度・経度を検出することが可能になる。

（行動・状況解析システム１０のシステム構成）
まず、図１を参照しながら、上記のような行動パターン認識技術を実現することが可能な行動・状況解析システム１０のシステム構成について説明する。図１は、行動・状況解析システム１０の全体的なシステム構成について説明するための説明図である。

なお、本稿においては、「動き、状態」と「行動、状況」という表現を次のような意味で使い分ける。「動き、状態」は、数秒から数分程度の比較的短時間にユーザが行う行動を意味し、例えば、「歩き」「走り」「跳躍」「静止」等の行為を指す。また、この行為を纏めて「動き・状態パターン」又は「ＬＣ（Ｌｏｗ−Ｃｏｎｔｅｘｔ）行動」と表現する。一方、「行動、状況」は、「動き、状態」よりも長い時間かけてユーザが行う生活行動であり、例えば、「食事」「買い物」「仕事」等の行為を指す。また、この行為を纏めて「行動・状況パターン」又は「ＨＣ（Ｈｉｇｈ−Ｃｏｎｔｅｘｔ）行動」と表現する。

図１に示すように、行動・状況解析システム１０は、主に、モーションセンサ１０１と、動き・状態認識部１０２と、時刻情報取得部１０３と、位置センサ１０４と、ＧＩＳ情報取得部１０５と、行動・状況認識部１０６とにより構成される。

なお、行動・状況解析システム１０には、行動・状況認識部１０６により検出される行動・状況パターンを利用するアプリケーションＡＰやサービスＳＶが用意されていてもよい。また、アプリケーションＡＰによる行動・状況パターンの利用結果や、ユーザのプロファイル情報が行動・状況認識部１０６に入力されるように構成されていてもよい。

まず、ユーザが行動すると、モーションセンサ１０１により加速度の変化や重力軸周りの回転等（以下、センサデータ）が検知される。モーションセンサ１０１により検知されたセンサデータは、図２に示すように、動き・状態認識部１０２に入力される。

センサデータが入力されると、動き・状態認識部１０２は、図２に示すように、入力されたセンサデータを用いて動き・状態パターンを検出する。動き・状態認識部１０２により検出可能な動き・状態パターンとしては、例えば、図３に示すように、「歩き」「走り」「静止」「跳躍」「電車（搭乗／非搭乗）」「エレベータ（搭乗／非搭乗／上昇／下降）」などがある。動き・状態認識部１０２により検出された動き・状態パターンは、行動・状況認識部１０６に入力される。

位置センサ１０４は、ユーザの居場所（以下、現在地）を示す位置情報を連続的又は間欠的に取得する。例えば、現在地の位置情報は、緯度・経度により表現される。位置センサ１０４により取得された現在地の位置情報は、ＧＩＳ情報取得部１０５に入力される。

現在地の位置情報が入力されると、ＧＩＳ情報取得部１０５は、ＧＩＳ（Ｇｅｏｇｒａｐｈｉｃ Ｉｎｆｏｒｍａｔｉｏｎ Ｓｙｓｔｅｍ）情報を取得する。そして、ＧＩＳ情報取得部１０５は、図４に示すように、取得したＧＩＳ情報を用いて現在地の属性を検出する。ＧＩＳ情報は、例えば、地図情報や、人工衛星や現地踏査などで得られた様々な付加情報を含み、科学的調査、土地、施設、道路などの管理や都市計画などにも利用される情報である。ＧＩＳ情報を利用すると、現在地の属性を判別することが可能になる。ＧＩＳ情報取得部１０５は、例えば、ジオカテゴリコード（例えば、図５を参照）と呼ばれる識別情報を利用して現在地の属性を表現する。

ジオカテゴリコードは、図５に示すように、場所に関連する情報の種別を分類するための分類コードである。このジオカテゴリコードは、例えば、建造物の種別、地形の形状、地理的特性、地域性等に応じて設定されている。そのため、現在地のジオカテゴリコードを特定することにより、ユーザが居る環境をある程度認識することが可能になる。

ＧＩＳ情報取得部１０５は、取得したＧＩＳ情報を参照し、現在地及び現在地周辺にある建造物などを特定して、その建造物などに対応するジオカテゴリコードを抽出する。ＧＩＳ情報取得部１０５により選択されたジオカテゴリコードは、行動・状況認識部１０６に入力される。なお、現在地周辺に建造物などが多数存在する場合、ＧＩＳ情報取得部１０５は、各建造物などのジオカテゴリコードを抽出し、抽出したジオカテゴリコードに関する情報として、図６及び図７に示すジオカテゴリヒストグラムのような情報を行動・状況認識部１０６に入力してもよい。

図８に示すように、行動・状況認識部１０６には、動き・状態認識部１０２から動き・状態パターンが入力され、ＧＩＳ情報取得部１０５からジオカテゴリコードなどが入力される。また、行動・状況認識部１０６には、時刻情報取得部１０３から時刻情報が入力される。この時刻情報は、モーションセンサ１０１によりセンサデータが取得された時刻を示す情報を含む。また、この時刻情報は、位置センサ１０４により位置情報が取得された時刻を示す情報を含んでいてもよい。また、時刻情報としては、例えば、時刻を示す情報の他、曜日の情報、祝日の情報、年月日の情報などが含まれていてもよい。

上記の情報が入力されると、行動・状況認識部１０６は、入力された動き・状態パターン、ジオカテゴリコード（或いは、ジオカテゴリヒストグラムなど）、及び時刻情報に基づいて行動・状況パターンを検出する。このとき、行動・状況認識部１０６は、ルールに基づく判定処理（以下、ルールベース判定）や学習モデルに基づく判定処理（以下、学習モデル判定）を利用して行動・状況パターンを検出する。ここで、ルールベース判定及び学習モデル判定について簡単に説明する。

（ルールベース判定について）
まず、ルールベース判定について説明する。ルールベース判定とは、ジオカテゴリコードと行動・状況パターンとの組み合わせ毎にスコアを割り当てておき、そのスコアに基づいて入力データに対応する適切な行動・状況パターンを判定する方法である。

スコアの割り当てルールは、図９に示すようなスコアマップＳＭにより表現される。スコアマップＳＭは、年月日、時間帯、曜日などの時刻情報毎に用意される。例えば、３月の第１週の月曜日に対応するスコアマップＳＭなどが用意される。さらに、スコアマップＳＭは、歩行、走行、電車などの動き・状態パターン毎に用意される。例えば、歩行中のスコアマップＳＭなどが用意される。そのため、スコアマップＳＭは、時刻情報と動き・状態パターンとの組み合わせ毎に用意される。

行動・状況認識部１０６は、図１０に示すように、予め用意された複数のスコアマップＳＭの中から、入力された時刻情報及び動き・状態パターンに適合するスコアマップＳＭを選択する。また、行動・状況認識部１０６は、図１１に示すように、選択したスコアマップＳＭの中から、ジオカテゴリコードに対応するスコアを抽出する。これらの処理により、行動・状況認識部１０６は、センサデータの取得時点における現在地の状況を考慮して、スコアマップＳＭに存在する各行動・状況パターンのスコアを抽出することが可能になる。

次いで、行動・状況認識部１０６は、抽出したスコアの中から最大のスコアを特定し、最大のスコアに対応する行動・状況パターンを抽出する。このようにして行動・状況パターンを検出する方法がルールベース判定である。なお、スコアマップＳＭのスコアは、そのスコアに対応する行動・状況パターンをユーザがとると推測される確率を示している。つまり、スコアマップＳＭは、ジオカテゴリコードで表現される現在地の状況でユーザがとると推測される行動・状況パターンのスコア分布を表している。

例えば、日曜日の３時頃、デパートにいるユーザは「買い物中」である確率が高いと推測される。但し、同じデパートにいても１９時頃、デパートにいるユーザは「食事中」である確率も高いと推測される。このように、ある場所で、ある時間にユーザが行っている行動・状況パターンのスコア分布を示したものがスコアマップＳＭ（正確にはスコアマップＳＭ群）なのである。

スコアマップＳＭは、例えば、ユーザ本人又は他人により予め入力されたものであってもよいし、或いは、機械学習などを利用して得られるものであってもよい。また、スコアマップＳＭは、個人プロファイル情報ＰＲや、ユーザから得られる行動・状況フィードバックＦＢ（出力された行動・状況パターンの正否など）により最適化されてもよい。プロファイル情報ＰＲとしては、例えば、年齢、性別、職業、自宅の情報、職場の情報などが利用される。以上がルールベース判定の具体的な処理内容である。

（学習モデル判定について）
次に、学習モデル判定について説明する。学習モデル判定とは、機械学習アルゴリズムを用いて行動・状況パターンを判定するための判定モデルを生成し、生成した判定モデルを用いて入力データに対応する行動・状況パターンを判定する方法である。

機械学習アルゴリズムとしては、例えば、ｋ−ｍｅａｎｓ法、Ｎｅａｒｅｓｔ Ｎｅｉｇｈｂｏｒ法、ＳＶＭ、ＨＭＭ、Ｂｏｏｓｔｉｎｇ等が利用可能である。但し、ＳＶＭは、Ｓｕｐｐｏｒｔ ｖｅｃｔｏｒ ｍａｃｈｉｎｅの略である。また、ＨＭＭは、Ｈｉｄｄｅｎ Ｍａｒｋｏｖ Ｍｏｄｅｌの略である。これらの手法に加え、特開２００９−４８２６６号公報などに記載の遺伝的探索に基づくアルゴリズム構築方法を利用して判定モデルを生成する方法もある。

機械学習アルゴリズムに入力される特徴量ベクトルとしては、例えば、図１２に示すように、時間情報、動き・状態パターン、ジオカテゴリコード（又はジオカテゴリヒストグラムなど）、センサデータ、現在地の位置情報などが利用される。但し、遺伝的探索に基づくアルゴリズム構築方法を用いる場合、学習過程における特徴量ベクトルの選定段階で遺伝的探索アルゴリズムが利用される。行動・状況認識部１０６は、まず、正解の行動・状況パターンが分かっている特徴量ベクトルを学習データとして機械学習アルゴリズムに入力し、各行動・状況パターンの確度、又は最適な行動・状況パターンを判定する判定モデルを生成する。

次いで、行動・状況認識部１０６は、生成した判定モデルに入力データを入力し、入力データに適合すると推測される行動・状況パターンを判定する。但し、生成した判定モデルを用いて行われた判定結果に対する正誤のフィードバックが得られる場合、そのフィードバックを利用して判定モデルが再構築される。この場合、行動・状況認識部１０６は、再構築した判定モデルを用いて入力データに適合すると推測される行動・状況パターンを判定する。以上が学習モデル判定の具体的な処理内容である。

以上説明した方法により、行動・状況認識部１０６は、図１３に示すような行動・状況パターンを検出する。そして、行動・状況認識部１０６により検出された行動・状況パターンは、行動・状況パターンに応じた推奨サービスＳＶの提供に利用されたり、行動・状況パターンに応じた処理を行うアプリケーションＡＰにより利用される。

以上、行動・状況解析システム１０のシステム構成について説明した。後述する実施形態に係る技術は、上述した行動・状況解析システム１０の機能に関係する。なお、行動・状況解析システム１０の詳細な機能については、例えば、特開２０１１−０８１４３１号公報などの記載が参考になる。

［１−２：実施形態の概要］
ここで、本実施形態の概要について述べる。本実施形態に係る技術は、上記の行動・状況解析システム１０などを利用して得られる行動パターンの情報と、テキスト情報などの入力情報とを組み合わせ、より付加価値の高い情報を提供する仕組みに関する。

例えば、後段において紹介する構成例＃１は、「所定の事柄」に対応する一又は複数の行動パターンに基づいて、その事柄に関する状態を表す「状態情報」を提供する仕組みに関する。例えば、上記の「所定の事柄」は、入力情報から得られるユーザの目標／宣言であり、上記の「状態情報」は、その目標／宣言に対する達成度である。

上記の「所定の事柄」は、入力情報から得られるユーザの目標／宣言に限定されず、上記の「状態情報」は、その目標／宣言に対する達成度に限定されないが、後述する構成例＃１では、主に入力情報から得られるユーザの目標／宣言に対する達成度をユーザに提供する仕組みを例として、説明を進めることとする。

また、「状態情報」は、所定の事柄に対する現在の状態と目標／宣言を達成した場合の状態との比較情報の一例である達成度以外にも、例えば、所定の事柄に対する現在の状態を表す情報や、所定の事柄に対する現在の状態と過去の状態との比較情報であってもよく、この場合であっても、後述する構成例＃１に係る技術を適用できる。

また、後述する構成例＃２は、上記の行動・状況解析システム１０などを利用して得られる行動パターンの情報に、テキスト情報などの入力情報から得られるユーザの体験に関する情報を付加し、より詳細な情報をユーザに提供する仕組みに関する。さらに、後述する構成例＃３は、上記の行動・状況解析システム１０などを利用して得られる行動パターンの情報、及びテキスト情報などの入力情報から得られるユーザの体験のうち、非日常的な行動や体験を判別してユーザに提供する仕組みに関する。

なお、これら構成例＃１〜＃３に係る技術は任意に組み合わせることも可能である。また、以下の説明では、体験の抽出に用いる入力情報としてテキスト情報を主に想定するが、例えば、マイクなどを利用して取得した音声情報などを利用することも可能である。この場合、音声信号の波形をそのまま利用して周辺環境や行動に関する情報を得ることもできるし、音声認識技術を利用して音声信号からテキスト情報を得ることも可能である。音声認識技術を利用する場合は、テキスト情報が得られることから、後述する構成例＃１〜＃３に係る技術をそのまま適用することができる。

＜２：実施形態の詳細＞
以下、本実施形態に係る技術の詳細について説明する。

［２−１：システム構成の一例］
まず、図１４を参照しながら、本実施形態に係るシステム構成の一例を紹介する。図１４は、本実施形態に係るシステム構成の一例について説明するための説明図である。なお、ここで紹介するシステム構成はあくまでも一例に過ぎず、現在及び将来において利用可能な様々なシステム構成に対して本実施形態に係る技術を適用することが可能である。

図１４に示すように、後述する情報提供システム１３、１７、１９は、主に、複数の情報端末ＣＬと、サーバ装置ＳＶとにより構成される。情報端末ＣＬは、ユーザが利用する機器の一例である。例えば、情報端末ＣＬとしては、携帯電話、スマートフォン、デジタルスチルカメラ、デジタルビデオカメラ、パーソナルコンピュータ、タブレット端末、カーナビゲーションシステム、携帯ゲーム機、健康器具（万歩計（登録商標）などを含む）、医療機器などが想定される。一方、サーバ装置ＳＶとしては、例えば、ホームサーバやクラウドコンピューティングシステムなどが想定される。

もちろん、本実施形態に係る技術が適用可能なシステム構成は図１４の例に限定されないが、説明の都合上、有線及び／又は無線のネットワークで接続された複数の情報端末ＣＬ及びサーバ装置ＳＶを念頭に置きつつ説明を進めることにする。従って、情報端末ＣＬとサーバ装置ＳＶとの間で情報をやり取りすることが可能な構成を想定する。但し、情報提供システム１３、１７、１９が有する各種機能のうち、どの機能を情報端末ＣＬが担い、どの機能をサーバ装置ＳＶが担うように構成するかは自由である。例えば、情報端末ＣＬの演算能力や通信速度などを考慮して設計されることが望ましい。

［２−２：構成例＃１（目標達成度の示唆）］
まず、構成例＃１について説明する。構成例＃１は、入力情報から得られるユーザの目標／宣言に対する達成度をユーザに提供する仕組みに関する。

（２−２−１：システム構成の詳細）
構成例＃１に係るシステム（情報提供システム１３）は、例えば、図１５のようになる。図１５に示すように、情報提供システム１３は、テキスト情報取得部１３１と、体験抽出部１３２と、目標／宣言抽出部１３３と、目標／宣言照合部１３４と、対応関係記憶部１３５と、目標／宣言登録部１３６とを有する。さらに、情報提供システム１３は、達成度記憶部１３７と、センサ情報取得部１３８と、行動パターン抽出部１３９と、達成度更新部１４０と、達成度表示部１４１とを有する。

なお、センサ情報取得部１３８及び行動パターン抽出部１３９の機能は、上述した行動・状況解析システム１０の機能を利用して実現可能である。また、情報提供システム１３が有する上記構成要素のうち、どの構成要素の機能を情報端末ＣＬが担い、どの構成要素の機能をサーバ装置ＳＶが担うように設計するかは自由である。例えば、情報端末ＣＬの演算能力や通信速度などを考慮して設計されることが望ましい。

テキスト情報取得部１３１は、ユーザが入力したテキスト情報を取得する。例えば、テキスト情報取得部１３１は、ユーザがテキストを入力するための入力デバイスであってもよいし、ソーシャルネットワークサービスやアプリケーションからテキスト情報を取得する情報収集デバイスであってもよい。ここでは、説明の都合上、テキスト情報取得部１３１がソフトウェアキーボードのような入力手段であると想定して説明を進める。

テキスト情報取得部１３１により取得されたテキスト情報は、体験抽出部１３２に入力される。このとき、体験抽出部１３２には、テキスト情報と共に、テキスト情報が入力された際の時刻情報が入力されてもよい。テキスト情報が入力されると、体験抽出部１３２は、入力されたテキスト情報を解析し、ユーザの体験に関する情報をテキスト情報から抽出する。体験に関する情報とは、例えば、体験した事象（体験の種類など）、体験した場所、体験した時間などを含む情報である。

ここで、体験抽出部１３２の機能構成について、図１６を参照しながら、より詳細に説明する。図１６に示すように、体験抽出部１３２は、主に、種類特徴量抽出部１５１と、体験種類判別部１５２と、体験種類モデル記憶部１５３とを有する。さらに、体験抽出部１３２は、場所特徴量抽出部１５４と、体験場所抽出部１５５と、体験場所モデル記憶部１５６とを有する。そして、体験抽出部１３２は、時間特徴量抽出部１５７と、体験時間抽出部１５８と、体験時間モデル記憶部１５９とを有する。

テキスト情報が体験抽出部１３２に入力されると、そのテキスト情報は、種類特徴量抽出部１５１、場所特徴量抽出部１５４、及び時間特徴量抽出部１５７に入力される。

種類特徴量抽出部１５１は、入力されたテキスト情報から体験の種類に関する特徴量（以下、種類特徴量）を抽出する。種類特徴量抽出部１５１により抽出された種類特徴量は、体験種類判別部１５２に入力される。体験種類判別部１５２は、体験種類モデル記憶部１５３に記憶されている学習モデルを利用して、入力された種類特徴量から体験の種類を判別する。そして、体験種類判別部１５２による判別結果は、目標／宣言抽出部１３３に入力される。

また、場所特徴量抽出部１５４は、入力されたテキスト情報から、体験した場所に関する特徴量（以下、場所特徴量）を抽出する。場所特徴量抽出部１５４により抽出された場所特徴量は、体験場所判別部１５５に入力される。体験場所判別部１５５は、体験場所モデル記憶部１５６に記憶されている学習モデルを利用して、入力された場所特徴量から体験した場所を判別する。そして、体験場所判別部１５５による判別結果は、目標／宣言抽出部１３３に入力される。

また、時間特徴量抽出部１５７は、入力されたテキスト情報から、体験した時間に関する特徴量（以下、時間特徴量）を抽出する。時間特徴量抽出部１５７により抽出された時間特徴量は、体験時間判別部１５８に入力される。体験時間判別部１５８は、体験時間モデル記憶部１５９に記憶されている学習モデルを利用して、入力された時間特徴量から体験した時間を判別する。そして、体験時間判別部１５８による判別結果は、目標／宣言抽出部１３３に入力される。

ここで、図１７を参照しながら、音楽体験を例に体験抽出部１３２が実行する処理の内容について説明を補足する。図１７は、体験抽出部１３２が実行する具体的な処理の内容について説明するための説明図である。なお、ここでは説明の都合上、音楽体験を例に上げて説明を進めるが、本実施形態の技術的範囲はこれに限定されない。

図１７に示すように、音楽体験の場合、体験の種類としては、例えば、「音楽を聴く（ｌｉｓｔｅｎ）」「ＴＶ／映画／ＤＶＤなどで音楽映像を見る（ｗａｔｃｈ）」「曲／ＣＤを買う（ｂｕｙ）」「ライブやコンサートに参加する（ｌｉｖｅ）」「歌を歌う／演奏する／作曲する（ｐｌａｙ）」などが考えられる。体験抽出部１３２は、種類特徴量抽出部１５１及び体験種類判別部１５２の機能を利用して、これら体験の種類を判別する。

例えば、体験の種類「ｌｉｓｔｅｎ」を判別する場合、まず、種類特徴量抽出部１５１は、形態素、ｎ−ｇｒａｍ、極大部分文字列などの手法により体験の種類「ｌｉｓｔｅｎ」に関する種類特徴量を抽出する。次いで、体験種類判別部１５２は、ＳＶＭやＬｏｇｉｓｔｉｃ Ｒｅｇｒｅｓｓｉｏｎなどの手法により種類特徴量から体験の種類「ｌｉｓｔｅｎ」に該当するか否かを判別する。体験種別判別部１５２による判別結果は、体験の種類を表す情報として出力される。同様に、体験の種類「ｗａｔｃｈ」「ｂｕｙ」「ｌｉｖｅ」「ｐｌａｙ」などについても判別結果が得られる。

また、体験場所の抽出は、場所特徴量抽出部１５４及び体験場所抽出部１５５の機能により実現される。まず、場所特徴量抽出部１５４は、入力されたテキスト情報を対象に形態素解析を実行し、その結果を体験場所抽出部１５５に入力する。次いで、体験場所抽出部１５５は、形態素解析の結果に基づき、ＣＲＦ（Ｃｏｎｄｉｔｉｏｎａｌ Ｒａｎｄｏｍ Ｆｉｅｌｄ）などの手法を利用して体験場所を抽出する。例えば、体験場所抽出部１５５は、図１８に示すような素性テンプレートを利用し、図１９に示すように体験場所（図１９の例では「京都駅」を抽出）を抽出する。

また、体験時間の抽出は、時間特徴量抽出部１５７及び体験時間抽出部１５８の機能により実現される。体験時間の抽出は、上述した体験場所の抽出と同様に、形態素解析及びＣＲＦなどを利用した系列ラベリングの手法により実現される。なお、体験時間の表現としては、例えば、「現在」「過去」「未来」「朝」「昼」「夕方」「深夜」など、様々な単位の表現が利用されうる。このようにして得られた体験場所及び体験時間の情報は、体験の種類を示す判別結果と共に、目標／宣言抽出部１３３に入力される。なお、体験の種類、体験場所、体験時間の一部又は全部が得られない場合もある。

再び図１５を参照する。体験の種類、体験場所、体験時間の情報が得られると、目標／宣言抽出部１３３は、体験の種類及び体験時間の情報を利用して、テキスト情報に目標／宣言に関する情報が含まれるか否かを判定する。例えば、図２０に示すように、体験の種類が「ダイエット」、体験時間が「未来」の場合、目標／宣言抽出部１３３は、この結果に対応するテキスト情報が目標／宣言を含むものと判定する。一方、体験の種類が「ダイエット」であっても、体験時間が「過去」の場合、目標／宣言抽出部１３３は、この結果に対応するテキスト情報が目標／宣言を含まないものと判定する。

つまり、目標／宣言抽出部１３３は、体験種類が目標／宣言に該当し、体験時間が未来の場合に、その結果に対応するテキスト情報が目標／宣言を含むものと判定する。そして、目標／宣言抽出部１３３は、目標／宣言を含むものと判定したテキスト情報から得られた体験種類を目標／宣言として抽出する。そして、目標／宣言抽出部１３３により抽出された目標／宣言の情報は、目標／宣言照合部１３４に入力される。目標／宣言の情報が入力されると、目標／宣言照合部１３４は、対応関係記憶部１３５を参照し、入力された目標／宣言に関連する一又は複数の行動パターンを特定し、特定した各行動パターンを抽出する。

ここで、上記の説明では、目標／宣言照合部１３４は、目標／宣言の情報が入力された後に、その目標／宣言に対応する一又は複数の行動パターンを特定することとしたが、本実施形態に係る技術の適用範囲はこれに限定されない。

例えば、目標／宣言に関連するか否かを問わず、予め取得可能な全行動パターンを認識し、その認識結果をデータベースに格納しておくことが考えられる。この場合には、目標／宣言が入力された際に、全行動パターンの認識結果を格納したデータベースから、入力された目標／宣言に対応付けられた行動パターンについてのデータを参照すればよい。

対応関係記憶部１３５には、例えば、図２１に示すように、目標／宣言と行動パターンとの対応関係を示すデータベースが格納されている。また、図２１の例では、目標／宣言と行動パターンとの各組み合わせに対して寄与度が対応付けられている。例えば、ダイエットを目標／宣言にしている場合、「歩く」や「走る」といった行動はダイエットに効果があるが、「車に乗る」や「電車に乗る」といった行動はダイエットに効果がない。こうした観点から、図２１の例では、目標／宣言と行動パターンとの各組み合わせに対して寄与度が対応付けられている。

目標／宣言照合部１３４は、目標／宣言の情報及び目標／宣言に対応する行動パターンの情報を目標／宣言登録部１３６に入力する。目標／宣言の情報及び目標／宣言に対応する行動パターンの情報が入力されると、目標／宣言登録部１３６は、入力された目標／宣言及び行動パターンを到達度記憶部１３７に登録する。このようにして目標／宣言が登録されると、登録された目標／宣言に関して達成度の計算及び達成度に関する情報の提供が開始される。また、日々検出される行動パターンに応じて達成度が計算され、リアルタイムに目標／宣言に対する達成度の情報がユーザに提供される。

再び図１５を参照する。行動パターンの検出は、センサ情報取得部１３８及び行動パターン抽出部１３９の機能により実現される。まず、センサ情報取得部１３８は、モーションセンサや位置センサなどからセンサ情報を取得する。センサ情報取得部１３８により取得されたセンサ情報は、行動パターン抽出部１３９に入力される。行動パターン抽出部１３９は、入力されたセンサ情報から行動パターンを抽出する。行動パターン抽出部１３９により抽出された行動パターンの情報は、達成度更新部１４０に入力される。なお、行動パターンの抽出方法は、上述した行動・状況解析システム１０による行動パターンの抽出方法と同じ方法が適用可能である。

行動パターンの情報が入力されると、達成度更新部１４０は、達成度記憶部１３７に登録された目標／宣言に関する情報を参照し、入力された情報が示す行動パターンが、目標／宣言に対応する行動パターンに該当するか否かを判定する。目標／宣言に対応する行動パターンに該当する場合、達成度記憶部１３７は、その目標／宣言と、入力された行動パターンとの組み合わせに対応する達成効果（例えば、図２１を参照）を認識する。次いで、達成度記憶部１３７は、その達成効果に対応付けられた達成度の更新値に基づいて現在の達成度を計算し、達成度記憶部１３７に記録する。

例えば、目標／宣言が「ダイエット」、達成効果「無」＝−５ポイント、達成効果「小」＝＋５ポイント、達成効果「中」＝＋１５ポイント、達成効果「大」＝＋３０ポイントの場合について、図２２を参照しながら具体的に考えてみたい。まず、ユーザが電車に１時間乗った場合、行動パターン「電車に乗る（達成効果「無」）」が検出されるため、達成度更新部１４０は、現在の達成度を−５ポイントに設定する。次いで、ユーザが１０分歩いた場合、行動パターン「歩く（達成効果「中」）」が検出されるため、達成度更新部１４０は、前回の達成度に１５ポイント加算して現在の達成度を１０ポイントに更新する。このように、行動パターンに応じて達成度が更新される。

再び図１５を参照する。上記のように、達成度記憶部１３７に格納された目標／宣言毎の達成度はリアルタイムに更新される。達成度記憶部１３７に格納された目標／宣言毎の達成度は、達成度表示部１４１により読み出され、ユーザに提示される。例えば、達成度表示部１４１は、図２２の表示例＃１及び＃２に示すように、ユーザがとった行動パターンを示すオブジェクトと共に、その行動に応じて更新された達成度の値を表示する。表示例＃１は、ユーザが「走る」行動をとったために達成度がアップし、更新後の達成度が３５になったことを示している。

以上、構成例＃１に係る情報提供システム１３の構成について説明した。なお、上記の説明においては、テキスト情報の解析を先に実施し、センサ情報の解析を後に実施するような処理の流れに沿って説明したが、解析処理の順序は逆でもよい。また、達成度の通知方法は、画面表示に代えて音声ガイダンスにしたり、振動や光の明滅などで表現したりする方法などでもよい。例えば、達成度に応じて振動の強弱が変化したり、光の明滅速度や明るさが変化したりする構成などが考えられる。こうした変形についても当然に本実施形態の技術的範囲に属する。

（２−２−２：処理の流れ）
次に、図２３を参照しながら、情報提供システム１３が実行する処理の流れについて説明する。図２３は、情報提供システム１３が実行する処理の流れについて説明するための説明図である。なお、図２３に示した処理ステップの一部は順序を変更してもよい。例えば、テキスト情報の解析に係る処理ステップの順番とセンサ情報の解析に係る処理ステップの順番とを入れ替えてもよい。

図２３に示すように、まず、情報提供システム１３は、テキスト情報取得部１３１の機能により、テキスト情報を取得する（Ｓ１０１）。次いで、情報提供システム１３は、体験抽出部１３２の機能により、テキスト情報から体験に関する情報を抽出する（Ｓ１０２）。体験に関する情報としては、例えば、体験の種類、体験場所、体験時間などが含まれる。次いで、情報提供システム１３は、目標／宣言抽出部１３３の機能により、体験に関する情報から目標／宣言に関する情報を抽出する（Ｓ１０３）。

次いで、情報提供システム１３は、目標／宣言照合部１３４の機能により、ステップＳ１０３で抽出した目標／宣言に対応する行動パターンを抽出する（Ｓ１０４）。次いで、情報提供システム１３は、目標／宣言登録部１３６の機能により、達成度の算出対象となる目標／宣言と、その目標／宣言に対応する行動パターンを達成度記憶部１３７に登録する（Ｓ１０５）。

一方で、情報提供システム１３は、センサ情報取得部１３８の機能により、センサ情報を取得する（Ｓ１０６）。次いで、情報提供システム１３は、行動パターン抽出部１３９の機能により、センサ情報から行動パターンを抽出する（Ｓ１０７）。次いで、情報提供システム１３は、達成度更新部１４０の機能により、ステップＳ１０７で抽出した行動パターンに対応する目標／宣言の達成効果を認識し、認識した達成効果に応じて現在の達成度を計算する（Ｓ１０８）。次いで、情報提供システム１３は、達成度表示部１４１の機能により、目標／宣言の達成度を表示し（Ｓ１０９）、一連の処理を終了する。

以上、情報提供システム１３が実行する処理の流れについて説明した。

（２−２−３：画面表示の例）
ここで、達成度の表示方法について説明を補足する。

達成度の表示方法としては、図２２の表示例＃１及び＃２のような方法がある。つまり、現在の行動パターンに対応するオブジェクトを表示し、現在の行動パターンをとった結果として得られた達成度を表示する方法が一例として挙げられる。特に、図２２の例では、現在の行動パターンにより達成度がアップしたのか、ダウンしたのかが矢印で表示されており、ひと目で目標／宣言に対する効果が分かるようになっている。このような表示により、良い効果を奏する行動パターンをとるようにユーザを促すことが可能になる。また、その効果が達成度の数値にリアルタイムに反映されるため、目標／宣言に取り組むユーザのモチベーションを持続させる効果も期待できる。

（２−２−４：変形例（動物への適用））
ところで、これまでは人間の行動パターンを対象とする技術について説明を進めてきた。しかし、構成例＃１に係る技術は、人間以外の動物に対しても適用可能である。例えば、犬や猫などのペットの首輪にセンサを装着し、飼い主がペットの目標／宣言をテキスト情報として入力することにより、ペットの目標達成度を得ることも可能である。例えば、飼い主が目の届かない場所や時間帯に、ペットがどのくらい運動しているか、といったデータを得ることが可能になる。こうしたデータを解析し、ペットの健康管理を行うことで、ペットの病気予防などに効果を発揮するものと考えられる。

以上、構成例＃１に係る技術について説明した。上記の構成例＃１に係る技術によれば、入力情報から得られるユーザの宣言と、推定された行動パターンとの適合状況から、当該ユーザの宣言に関する達成状況を提示することが可能になる。

（適用例）
上記のように、構成例＃１に係る技術を適用すると、ユーザの目標／宣言、及び行動パターンに基づく達成度が得られる。そこで、この達成度をグラフ化してユーザに表示したり、目標／宣言の達成に向けて達成度が増加傾向にあるか、減少傾向にあるかに応じて目標／宣言に向けた努力の度合いを表示したりする表示方法が実現可能である。さらに、目標／宣言の達成が困難な状況（達成度が著しく低い状況（閾値を下回る場合など））になっている場合に、達成度を下げる要因となった行動パターンの代表例（頻度の多いもの）やヒストグラムなどをユーザに提示して、困難な状況に陥った原因をユーザに提示する表示方法も実現可能である。さらに、達成度を下げる要因となった行動パターンの代表例とは逆の傾向を持つ行動パターンをユーザに提示することで、ユーザが目標／宣言を達成するための助言を与える表示方法も実現可能である。このような表示方法を適用することで、ユーザの目標／宣言の達成を直接的又は間接的にサポートすることが可能になる。

［２−３：構成例＃２（詳細行動の表示）］
次に、構成例＃２について説明する。構成例＃２は、入力情報から得られるユーザの体験に関する情報を行動パターンの情報に付加して提供する仕組みに関する。

（２−３−１：システム構成の詳細）
構成例＃２に係るシステム（情報提供システム１７）は、例えば、図２４のようになる。図２４に示すように、情報提供システム１７は、テキスト情報取得部１７１と、体験抽出部１７２と、抽出結果記憶部１７３と、センサ情報取得部１７４と、行動パターン抽出部１７５と、行動・体験照合部１７６と、対応関係記憶部１７７と、付加体験検索部１７８と、行動・付加体験表示部１７９とを有する。

なお、センサ情報取得部１７４及び行動パターン抽出部１７５の機能は、上述した行動・状況解析システム１０の機能を利用して実現可能である。また、情報提供システム１７が有する上記構成要素のうち、どの構成要素の機能を情報端末ＣＬが担い、どの構成要素の機能をサーバ装置ＳＶが担うように設計するかは自由である。例えば、情報端末ＣＬの演算能力や通信速度などを考慮して設計されることが望ましい。

テキスト情報取得部１７１は、ユーザが入力したテキスト情報を取得する。例えば、テキスト情報取得部１７１は、ユーザがテキストを入力するための入力デバイスであってもよいし、ソーシャルネットワークサービスやアプリケーションからテキスト情報を取得する情報収集デバイスであってもよい。ここでは、説明の都合上、テキスト情報取得部１７１がソフトウェアキーボードのような入力手段であると想定して説明を進める。

テキスト情報取得部１７１により取得されたテキスト情報は、体験抽出部１７２に入力される。このとき、体験抽出部１７２には、テキスト情報と共に、テキスト情報が入力された際の時刻情報が入力されてもよい。テキスト情報が入力されると、体験抽出部１７２は、入力されたテキスト情報を解析し、ユーザの体験に関する情報をテキスト情報から抽出する。体験に関する情報とは、例えば、体験した事象（体験の種類など）、体験した場所、体験した時間などを含む情報である。なお、体験抽出部１７２の機能は、構成例＃１に係る体験抽出部１３２の機能と実質的に同じである。体験抽出部１７２により抽出された体験に関する情報は、抽出結果記憶部１７３に格納される。

一方、センサ情報取得部１７４は、モーションセンサや位置センサなどからセンサ情報を取得する。センサ情報取得部１７４により取得されたセンサ情報は、行動パターン抽出部１７５に入力される。行動パターン抽出部１７５は、入力されたセンサ情報から行動パターンを抽出する。行動パターン抽出部１７５により抽出された行動パターンの情報は、行動・体験照合部１７６に入力される。なお、行動パターンの抽出方法は、上述した行動・状況解析システム１０による行動パターンの抽出方法と同じ方法が適用可能である。

行動パターンの情報が入力されると、行動・体験照合部１７６は、対応関係記憶部１７７に記憶された行動パターンと体験との対応関係を参照し、入力された情報が示す行動パターンに対応する体験を抽出する。例えば、図２５に示すように、対応関係記憶部１７７には、行動パターン毎に体験が対応付けて記憶されている。上記のように、行動パターンは、センサ情報から得られる。一方、体験の情報は、テキスト情報から得られる。行動パターン及び体験の情報を得る方法については、上記の構成例＃１と実質的に同じである。

行動・体験照合部１７６により抽出された体験の情報及び当該体験に対応する行動パターンの情報は、付加体験検索部１７８に入力される。体験の情報が入力されると、付加体験検索部１７８は、抽出結果記憶部１７３を参照し、入力された情報が示す体験と同じ体験を検索する。検索の結果、入力された情報が示す体験と同じ体験が検出されると、付加体験検索部１７８は、検出された体験に対応するテキスト情報、体験に関する情報（体験の種類、体験場所、体験時間、体験の対象など）を抽出する。例えば、付加体験検索部１７８により、図２６に示すような体験に関する情報が得られる。

付加体験検索部１７８による検索結果は、行動・付加体験表示部１７９に入力される。検索結果が入力されると、行動・付加体験表示部１７９は、入力された検索結果に基づいて体験に関する情報を表示する。例えば、図２７に示すように、行動・付加体験表示部１７９は、行動パターン及び体験に関する情報を表示する。図２７には、センサ情報のみを利用した場合に得られる行動パターンの情報を表示する場合と、センサ情報及びテキスト情報を利用した場合に得られる行動パターンの情報及び体験の情報を表示する場合とを並べて示した。センサ情報に加えてテキスト情報を利用すると、図２７に示すように、体験に関する詳細な情報が得られるため、詳細な情報の表示が可能になる。

ケース＃１の場合、センサ情報のみだと行動パターン「歩行」に対応するオブジェクトを表示することしかできないが、テキスト情報を追加的に利用すると行動の対象である「犬」に関するオブジェクトを表示することが可能になる。ケース＃２の場合、センサ情報のみだと行動パターン「走る」に対応するオブジェクトを表示することしかできないが、テキスト情報を追加的に利用すると体験の種類である「出社」に関するオブジェクトを表示することが可能になる。

さらに、ケース＃３の場合、センサ情報のみだと行動パターン「車に乗る」に対応するオブジェクトを表示することしかできないが、テキスト情報を追加的に利用すると体験の種類「会話」及び体験場所「車」に関するオブジェクトを表示することが可能になる。また、ここではテキスト情報を追加的に利用する方法を例示したが、音声情報を利用することでも体験の種類「会話」や体験場所「車」などを特定可能になるため、音声情報を追加的に利用して同様の詳細表示を実現することも可能である。また、音声認識技術を利用すると、音声信号をテキスト情報に変換することができるため、同様の方法にて図２７に示すような詳細表示を実現することが可能になる。

以上、構成例＃２に係る情報提供システム１７の構成について説明した。なお、上記の説明においては、テキスト情報の解析を先に実施し、センサ情報の解析を後に実施するような処理の流れに沿って説明したが、解析処理の順序は逆でもよい。また、詳細情報の通知方法は、画面表示に代えて音声ガイダンスにしたりしてもよい。こうした変形についても当然に本実施形態の技術的範囲に属する。

（２−３−２：処理の流れ）
次に、図２８を参照しながら、情報提供システム１７が実行する処理の流れについて説明する。図２８は、情報提供システム１７が実行する処理の流れについて説明するための説明図である。なお、図２８に示した処理ステップの一部は順序を変更してもよい。例えば、テキスト情報の解析に係る処理ステップの順番とセンサ情報の解析に係る処理ステップの順番とを入れ替えてもよい。

図２８に示すように、まず、情報提供システム１７は、テキスト情報取得部１７１の機能により、テキスト情報を取得する（Ｓ１１１）。次いで、情報提供システム１７は、体験抽出部１７２の機能により、テキスト情報から体験に関する情報を抽出する（Ｓ１１２）。次いで、情報提供システム１７は、センサ情報取得部１７４の機能により、センサ情報を取得する（Ｓ１１３）。次いで、情報提供システム１７は、行動パターン抽出部１７５の機能により、センサ情報から行動パターンを抽出する（Ｓ１１４）。

次いで、情報提供システム１７は、行動・体験照合部１７６の機能により、ステップＳ１１４で抽出した行動パターンと体験とを照合し、当該行動パターンに対応する体験の情報を抽出する（Ｓ１１５）。次いで、情報提供システム１７は、付加体験検索部１７８の機能により、ステップＳ１１２で抽出された体験に関する情報の中から、ステップＳ１１５にて抽出した体験に対応する体験に関する情報を抽出する（Ｓ１１６）。次いで、情報提供システム１７は、行動・付加体験表示部１７９の機能により、センサ情報から抽出された行動パターンに対応する情報と共に、ステップＳ１１６で抽出された体験に関する情報に対応する情報を表示し（Ｓ１１７）、一連の処理を終了する。

以上、情報提供システム１７が実行する処理の流れについて説明した。

（２−３−３：画面表示の例）
ここで、詳細情報の表示方法について説明を補足する。

詳細情報の表示方法としては、図２７のケース＃１〜＃３のような方法がある。つまり、センサ情報から検出された行動パターンの情報を表示しておき、当該行動パターンに対応する体験についてテキスト情報から体験に関する情報が得られている場合に、その体験に関する情報を追加的に表示する方法が一例として挙げられる。また、ケース＃２のように詳細表示として時間情報（「あと５ｍｉｎ」)を付加的に表示したり、ケース＃３のように詳細表示として同乗者や会話内容を付加的に表示したりする方法も考えられる。こうした詳細表示が可能になると、より的確に状況を伝えることができるようになる。

以上、構成例＃２に係る技術について説明した。

［２−４：構成例＃３（日常行動／非日常行動の判別）］
次に、構成例＃３について説明する。構成例＃３は、行動パターンの情報、及びテキスト情報などの入力情報から得られるユーザの体験のうち、非日常的な行動や体験を判別してユーザに提供する仕組みに関する。

（２−４−１：システム構成の詳細）
構成例＃３に係るシステム（情報提供システム１９）は、例えば、図２９のようになる。図２９に示すように、情報提供システム１９は、テキスト情報取得部１９１と、体験抽出部１９２と、抽出結果記憶部１９３と、センサ情報取得部１９４と、行動パターン抽出部１９５と、行動・体験照合部１９６と、対応関係記憶部１９７と、非日常行動判別部１９８と、非日常行動表示部１９９とを有する。

なお、センサ情報取得部１９４及び行動パターン抽出部１９５の機能は、上述した行動・状況解析システム１０の機能を利用して実現可能である。また、情報提供システム１９が有する上記構成要素のうち、どの構成要素の機能を情報端末ＣＬが担い、どの構成要素の機能をサーバ装置ＳＶが担うように設計するかは自由である。例えば、情報端末ＣＬの演算能力や通信速度などを考慮して設計されることが望ましい。

テキスト情報取得部１９１は、ユーザが入力したテキスト情報を取得する。例えば、テキスト情報取得部１９１は、ユーザがテキストを入力するための入力デバイスであってもよいし、ソーシャルネットワークサービスやアプリケーションからテキスト情報を取得する情報収集デバイスであってもよい。ここでは、説明の都合上、テキスト情報取得部１７１がソフトウェアキーボードのような入力手段であると想定して説明を進める。

テキスト情報取得部１９１により取得されたテキスト情報は、体験抽出部１９２に入力される。このとき、体験抽出部１９２には、テキスト情報と共に、テキスト情報が入力された際の時刻情報が入力されてもよい。テキスト情報が入力されると、体験抽出部１９２は、入力されたテキスト情報を解析し、ユーザの体験に関する情報をテキスト情報から抽出する。体験に関する情報とは、例えば、体験した事象（体験の種類など）、体験した場所、体験した時間などを含む情報である。なお、体験抽出部１９２の機能は、構成例＃１に係る体験抽出部１３２の機能と実質的に同じである。体験抽出部１９２により抽出された体験に関する情報は、抽出結果記憶部１９３に格納される。

一方、センサ情報取得部１９４は、モーションセンサや位置センサなどからセンサ情報を取得する。センサ情報取得部１９４により取得されたセンサ情報は、行動パターン抽出部１９５に入力される。行動パターン抽出部１９５は、入力されたセンサ情報から行動パターンを抽出する。行動パターン抽出部１９５により抽出された行動パターンの情報は、行動・体験照合部１９６に入力される。なお、行動パターンの抽出方法は、上述した行動・状況解析システム１０による行動パターンの抽出方法と同じ方法が適用可能である。

行動パターンの情報が入力されると、行動・体験照合部１９６は、対応関係記憶部１９７に記憶された行動パターンと体験との対応関係を参照し、入力された情報が示す行動パターンに対応する体験を抽出する。例えば、図２５に示すように、対応関係記憶部１９７には、行動パターン毎に体験が対応付けて記憶されている。上記のように、行動パターンは、センサ情報から得られる。一方、体験の情報は、テキスト情報から得られる。行動パターン及び体験の情報を得る方法については、上記の構成例＃１と実質的に同じである。

行動・体験照合部１９６により抽出された体験の情報及び当該体験に対応する行動パターンの情報は、非日常行動判別部１９８に入力される。行動パターンの情報が入力されると、非日常行動判別部１９８は、入力された行動パターンの情報が非日常的な行動を示すものであるか否かを判別する。また、行動の情報が入力されると、非日常行動判別部１９８は、入力された体験の情報が非日常的な体験を示すものであるか否かを判別する。

例えば、非日常行動判別部１９８は、図３０に示すような非日常条件に基づいて非日常的な行動及び非日常的な体験を判別する。

図３０の例では、（非日常＃１）の場合、非日常行動判別部１９８は、センサ情報から抽出した行動パターンに時間帯異常が発生したか否かを判定する。つまり、非日常行動判別部１９８は、ある種類の行動が、普段抽出される時間帯とは異なる時間帯に抽出された場合や、どの時間帯にも抽出されなかった場合に、その行動が非日常行動であると判別する。具体的には、普段「歩行」行動が朝と夕方に抽出されるユーザについて、「歩行」行動が深夜に抽出された場合、深夜の「歩行」行動は、非日常行動であると判別される。

また、（非日常＃２）の場合、非日常行動判別部１９８は、センサ情報から抽出した行動パターンに種類異常が発生したか否かを判定する。つまり、非日常行動判別部１９８は、ある時間帯について、普段抽出される行動とは異なる種類の行動が抽出された場合、その行動が非日常行動であると判別する。具体的には、普段「歩行」行動や「電車」行動が朝に抽出されるユーザについて、「走る」行動や「自転車」行動が抽出された場合、「走る」行動や「自転車」行動は、非日常行動であると判別される。

また、（非日常＃３）の場合、非日常行動判別部１９８は、テキスト情報から抽出した体験に時間帯異常が発生したか否かを判定する。つまり、非日常行動判別部１９８は、ある種類の体験が、普段抽出される時間帯とは異なる時間帯に抽出された場合や、どの時間帯にも抽出されなかった場合に、その体験が非日常行動であると判別する。具体的には、朝、昼、晩に「食事」体験が抽出されるユーザについて、「食事」体験が深夜に抽出された場合や、昼に「食事」体験が抽出されなかった場合、該当する体験は、非日常行動であると判別される。

また、（非日常＃４）の場合、非日常行動判別部１９８は、テキスト情報から抽出した体験に種類異常が発生したか否かを判定する。つまり、非日常行動判別部１９８は、ある時間帯について、普段抽出される体験とは異なる種類の体験が抽出された場合、その体験が非日常行動であると判別する。具体的には、昼に「食事」体験が抽出されるユーザについて、昼に「走る」体験が検出された場合、昼に「走る」体験は、非日常行動であると判別される。

再び図２９を参照する。上記のようにして非日常行動判別部１９８による非日常行動の判別結果は、非日常行動表示部１９９に入力される。非日常行動表示部１９９は、非日常行動に対応するオブジェクトやテキストを強調表示したり、非日常行動を示す新たなオブジェクトを表示したりする。

以上、構成例＃３に係る情報提供システム１９の構成について説明した。なお、上記の説明においては、テキスト情報の解析を先に実施し、センサ情報の解析を後に実施するような処理の流れに沿って説明したが、解析処理の順序は逆でもよい。また、日常／非日常を判別する処理を例に挙げて説明したが、ポジティブな行動／ネガティブな行動を判別する仕組みを同様にして構築することも可能である。こうした変形についても当然に本実施形態の技術的範囲に属する。

（２−４−２：応用例）
図３０に非日常行動の判別ロジックを具体的に示したが、このようにして日常行動／非日常行動を判別できるようにすることで、ユーザの健康状態や詳細な状況を推定することが可能になる。例えば、図３０に示した（非日常＃１）の場合、普段抽出されない深夜の行動が抽出されていることから、不眠症ではないかと推定される。図３０の例では説明の都合上、条件を単純化しているが、例えば、日中に「居眠り」行動が抽出されていれば、夜更かしや生活リズムの乱れなどが理由として推定される。さらに条件を追加することで、不眠症など、健康状態の診断に利用することも可能になる。

同様に、（非日常＃２）の例では、非日常行動の理由として、通勤時間にダイエットを試みているのではないか、と推定される。また、（非日常＃３）の例では、単に、仕事で忙しいことが非日常行動の理由として推定される。さらに、（非日常＃４）の例では、非日常行動の理由として、昼食を抜くダイエットをしているのではないか、と推定される。非日常行動を組み合わせることで、理由の推定精度を向上させることは可能であろう。また、センサ情報及びテキスト情報に基づく非日常行動の履歴や統計結果から、非日常条件を改善したり、理由の推定アルゴリズムを構築したりすることも有用であろう。このように、本実施形態に係る技術は様々に応用可能である。

以上、構成例＃３に係る技術について説明した。

［２−５：構成例の組み合わせについて］
上記の構成例＃１〜＃３に係る技術は任意に組み合わせることも可能である。テキスト情報から体験に関する情報を抽出する技術、及びセンサ情報から行動パターンを抽出する技術に関しては共通しているため、他の機能ブロックを直列又は並列に接続することで、任意の構成例＃１〜＃３の一部又は全部を組み合わせることが可能である。また、複数の構成例を組み合わせる場合、共通する機能を有する機能ブロックを共有するように設計することで、処理負荷の低減やメモリ使用量の削減効果などを見込める。こうした組み合わせ構成についても、当然に本実施形態の技術的範囲に属する。

＜３：ハードウェア構成例＞
上記の行動・状況認識システム１０、情報提供システム１３、１７、１９、情報端末ＣＬ、サーバ装置ＳＶが有する各構成要素の機能は、例えば、図３１に示すようなハードウェア構成を用いて実現することが可能である。つまり、当該各構成要素の機能は、コンピュータプログラムを用いて図３１に示すハードウェアを制御することにより実現される。なお、このハードウェアの形態は任意であり、例えば、パーソナルコンピュータ、携帯電話、ＰＨＳ、ＰＤＡ等の携帯情報端末、ゲーム機、又は種々の情報家電がこれに含まれる。但し、上記のＰＨＳは、Ｐｅｒｓｏｎａｌ Ｈａｎｄｙ−ｐｈｏｎｅ Ｓｙｓｔｅｍの略である。また、上記のＰＤＡは、Ｐｅｒｓｏｎａｌ Ｄｉｇｉｔａｌ Ａｓｓｉｓｔａｎｔの略である。

図３１に示すように、このハードウェアは、主に、ＣＰＵ９０２と、ＲＯＭ９０４と、ＲＡＭ９０６と、ホストバス９０８と、ブリッジ９１０と、を有する。さらに、このハードウェアは、外部バス９１２と、インターフェース９１４と、入力部９１６と、出力部９１８と、記憶部９２０と、ドライブ９２２と、接続ポート９２４と、通信部９２６と、を有する。但し、上記のＣＰＵは、Ｃｅｎｔｒａｌ Ｐｒｏｃｅｓｓｉｎｇ Ｕｎｉｔの略である。また、上記のＲＯＭは、Ｒｅａｄ Ｏｎｌｙ Ｍｅｍｏｒｙの略である。そして、上記のＲＡＭは、Ｒａｎｄｏｍ Ａｃｃｅｓｓ Ｍｅｍｏｒｙの略である。

ＣＰＵ９０２は、例えば、演算処理装置又は制御装置として機能し、ＲＯＭ９０４、ＲＡＭ９０６、記憶部９２０、又はリムーバブル記録媒体９２８に記録された各種プログラムに基づいて各構成要素の動作全般又はその一部を制御する。ＲＯＭ９０４は、ＣＰＵ９０２に読み込まれるプログラムや演算に用いるデータ等を格納する手段である。ＲＡＭ９０６には、例えば、ＣＰＵ９０２に読み込まれるプログラムや、そのプログラムを実行する際に適宜変化する各種パラメータ等が一時的又は永続的に格納される。

これらの構成要素は、例えば、高速なデータ伝送が可能なホストバス９０８を介して相互に接続される。一方、ホストバス９０８は、例えば、ブリッジ９１０を介して比較的データ伝送速度が低速な外部バス９１２に接続される。また、入力部９１６としては、例えば、マウス、キーボード、タッチパネル、ボタン、スイッチ、及びレバー等が用いられる。さらに、入力部９１６としては、赤外線やその他の電波を利用して制御信号を送信することが可能なリモートコントローラ（以下、リモコン）が用いられることもある。

出力部９１８としては、例えば、ＣＲＴ、ＬＣＤ、ＰＤＰ、又はＥＬＤ等のディスプレイ装置、スピーカ、ヘッドホン等のオーディオ出力装置、プリンタ、携帯電話、又はファクシミリ等、取得した情報を利用者に対して視覚的又は聴覚的に通知することが可能な装置である。但し、上記のＣＲＴは、Ｃａｔｈｏｄｅ Ｒａｙ Ｔｕｂｅの略である。また、上記のＬＣＤは、Ｌｉｑｕｉｄ Ｃｒｙｓｔａｌ Ｄｉｓｐｌａｙの略である。そして、上記のＰＤＰは、Ｐｌａｓｍａ ＤｉｓｐｌａｙＰａｎｅｌの略である。さらに、上記のＥＬＤは、Ｅｌｅｃｔｒｏ−Ｌｕｍｉｎｅｓｃｅｎｃｅ Ｄｉｓｐｌａｙの略である。

記憶部９２０は、各種のデータを格納するための装置である。記憶部９２０としては、例えば、ハードディスクドライブ（ＨＤＤ）等の磁気記憶デバイス、半導体記憶デバイス、光記憶デバイス、又は光磁気記憶デバイス等が用いられる。但し、上記のＨＤＤは、Ｈａｒｄ Ｄｉｓｋ Ｄｒｉｖｅの略である。

ドライブ９２２は、例えば、磁気ディスク、光ディスク、光磁気ディスク、又は半導体メモリ等のリムーバブル記録媒体９２８に記録された情報を読み出し、又はリムーバブル記録媒体９２８に情報を書き込む装置である。リムーバブル記録媒体９２８は、例えば、ＤＶＤメディア、Ｂｌｕ−ｒａｙメディア、ＨＤ ＤＶＤメディア、各種の半導体記憶メディア等である。もちろん、リムーバブル記録媒体９２８は、例えば、非接触型ＩＣチップを搭載したＩＣカード、又は電子機器等であってもよい。但し、上記のＩＣは、Ｉｎｔｅｇｒａｔｅｄ Ｃｉｒｃｕｉｔの略である。

接続ポート９２４は、例えば、ＵＳＢポート、ＩＥＥＥ１３９４ポート、ＳＣＳＩ、ＲＳ−２３２Ｃポート、又は光オーディオ端子等のような外部接続機器９３０を接続するためのポートである。外部接続機器９３０は、例えば、プリンタ、携帯音楽プレーヤ、デジタルカメラ、デジタルビデオカメラ、又はＩＣレコーダ等である。但し、上記のＵＳＢは、Ｕｎｉｖｅｒｓａｌ Ｓｅｒｉａｌ Ｂｕｓの略である。また、上記のＳＣＳＩは、Ｓｍａｌｌ Ｃｏｍｐｕｔｅｒ Ｓｙｓｔｅｍ Ｉｎｔｅｒｆａｃｅの略である。

通信部９２６は、ネットワーク９３２に接続するための通信デバイスであり、例えば、有線又は無線ＬＡＮ、Ｂｌｕｅｔｏｏｔｈ（登録商標）、又はＷＵＳＢ用の通信カード、光通信用のルータ、ＡＤＳＬ用のルータ、又は各種通信用のモデム等である。また、通信部９２６に接続されるネットワーク９３２は、有線又は無線により接続されたネットワークにより構成され、例えば、インターネット、家庭内ＬＡＮ、赤外線通信、可視光通信、放送、又は衛星通信等である。但し、上記のＬＡＮは、Ｌｏｃａｌ Ａｒｅａ Ｎｅｔｗｏｒｋの略である。また、上記のＷＵＳＢは、Ｗｉｒｅｌｅｓｓ ＵＳＢの略である。そして、上記のＡＤＳＬは、Ａｓｙｍｍｅｔｒｉｃ Ｄｉｇｉｔａｌ Ｓｕｂｓｃｒｉｂｅｒ Ｌｉｎｅの略である。

＜４：まとめ＞
最後に、本実施形態の技術的思想について簡単に纏める。以下に記載する技術的思想は、例えば、ＰＣ、携帯電話、携帯ゲーム機、携帯情報端末、情報家電、カーナビゲーションシステム等、種々の情報処理装置に対して適用することができる。

上記の情報処理装置の機能構成は次のように表現することができる。

（１）
テキスト情報から所定の事柄を抽出する事柄抽出部と、
前記所定の事柄に関連付けられた一又は複数の行動パターンを特定する行動パターン特定部と、
センサ情報から前記所定の事柄に関連付けられた各前記行動パターンを抽出する行動抽出部と、
前記所定の事柄と当該事柄に関連付けられた各前記行動パターンとの組み合わせ毎に、各前記行動パターンが前記所定の事柄に寄与する度合いを表した寄与度を用い、前記センサ情報から抽出された各前記行動パターンに基づいて、前記事柄に関する状態を表す状態情報を生成する状態解析部と、
を備える、
情報処理装置。

（２）
前記状態解析部により生成された前記状態情報を表示させる状態表示部をさらに備える、
上記（１）に記載の情報処理装置。

（３）
ユーザが保持する端末装置に搭載されたセンサが検出したセンサ情報を取得するセンサ情報取得部と、
前記ユーザが入力したテキスト情報を取得するテキスト情報取得部と、
をさらに備え、
前記事柄抽出部は、前記テキスト情報取得部により取得されたテキスト情報から前記所定の事柄を抽出し、
前記行動抽出部は、前記センサ情報取得部により取得されたセンサ情報から前記行動パターンを抽出する、
上記（１）又は（２）に記載の情報処理装置。

（４）
前記状態表示部は、ユーザが保持する端末装置の表示部に前記状態情報を表示させる、
上記（２）に記載の情報処理装置。

（５）
前記状態情報は、
前記所定の事柄が、達成が希望される事柄である場合において、当該事柄に対する現在の達成度合いを表した達成度と、
前記所定の事柄に関連付けられた前記行動パターンから取得され、前記所定の事柄の現在の状態に関する現在値と、
前記所定の事柄に関連付けられた前記行動パターンから取得される値であって、前記所定の事柄の現在の状態に関する現在値と、前記所定の事柄の過去の状態に関する過去値とを比較した比較値と、
のいずれか１つを少なくとも含む、
上記（１）〜（４）のいずれか１項に記載の情報処理装置。

（６）
前記状態情報は、
前記所定の事柄が、達成が希望される事柄である場合において、当該事柄に対する現在の達成度合いを表した達成度であり、
前記達成度の増加又は減少傾向に応じて、前記達成が希望される事柄の達成に向けて努力しているか否かを判定し、判定結果をユーザに提示する努力傾向通知部をさらに備える、
上記（３）〜（５）のいずれか１項に記載の情報処理装置。

（７）
前記状態情報は、
前記所定の事柄が、達成が希望される事柄である場合において、当該事柄に対する現在の達成度合いを表した達成度であり、
前記達成度が所定の閾値を下回った場合、過去に負の寄与度を与えた行動パターンの中で頻度の高い行動パターン、又は、過去に負の寄与度を与えた行動パターンのヒストグラムをユーザに提示する原因通知部をさらに備える、
上記（３）〜（６）のいずれか１項に記載の情報処理装置。

（８）
前記状態情報は、
前記所定の事柄が、達成が希望される事柄である場合において、当該事柄に対する現在の達成度合いを表した達成度であり、
前記達成度が所定の閾値を下回った場合、過去に負の寄与度を与えた行動パターンの中で頻度の高い行動パターンと逆の傾向を有する行動パターンをユーザに提示する助言通知部をさらに備える、
上記（３）〜（７）のいずれか１項に記載の情報処理装置。

（９）
移動体に取り付けた端末装置に搭載されたセンサが検出したセンサ情報を取得するセンサ情報取得部と、
前記移動体を管理するユーザが入力したテキスト情報を取得するテキスト情報取得部と、
をさらに備え、
前記事柄抽出部は、前記テキスト情報取得部により取得されたテキスト情報から前記所定の事柄を抽出し、
前記行動抽出部は、前記センサ情報取得部により取得されたセンサ情報から前記行動パターンを抽出する、
上記（１）又は（２）に記載の情報処理装置。

（１０）
テキスト情報から所定の事柄を抽出することと、
前記所定の事柄に関連付けられた一又は複数の行動パターンを特定することと、
センサ情報から前記所定の事柄に関連付けられた各前記行動パターンを抽出することと、
前記所定の事柄と当該事柄に関連付けられた各前記行動パターンとの組み合わせ毎に、各前記行動パターンが前記所定の事柄に寄与する度合いを表した寄与度を用い、前記センサ情報から抽出された各前記行動パターンに基づいて、前記事柄に関する状態を表す状態情報を生成することと、
を含む、
情報処理方法。

（１１）
テキスト情報から所定の事柄を抽出する事柄抽出機能と、
前記所定の事柄に関連付けられた一又は複数の行動パターンを特定する行動パターン特定機能と、
センサ情報から前記所定の事柄に関連付けられた各前記行動パターンを抽出する行動抽出機能と、
前記所定の事柄と当該事柄に関連付けられた各前記行動パターンとの組み合わせ毎に、各前記行動パターンが前記所定の事柄に寄与する度合いを表した寄与度を用い、前記センサ情報から抽出された各前記行動パターンに基づいて、前記事柄に関する状態を表す状態情報を生成する状態解析機能と、
をコンピュータに実現させるためのプログラム。

（１２）
テキスト情報からユーザの体験を示す体験情報を抽出する体験抽出部と、
センサ情報から行動パターンを抽出する行動抽出部と、
体験情報と行動パターンとの対応関係を示す関係情報に基づいて前記センサ情報から抽出された行動パターンに対応する体験情報を抽出する対応体験抽出部と、
前記テキスト情報から抽出された体験情報に関する情報と、前記行動パターンに対応する体験情報に関する情報とを併せて表示させる表示制御部と、
を備える、
情報処理装置。

（１３）
前記体験抽出部は、体験の種類、体験の場所、体験の時間、体験の対象物から選択される少なくとも１つの情報を前記体験情報として前記テキスト情報から抽出する、
上記（１２）に記載の情報処理装置。

（１４）
前記表示制御部は、前記センサ情報から抽出される行動パターンに対応する体験情報に関する情報を表示させ、ユーザが詳細表示の操作を行った場合に、前記テキスト情報から抽出される体験情報に関する情報を表示させる、
上記（１２）又は（１３）に記載の情報処理装置。

（１５）
ユーザが保持する端末装置に搭載されたセンサが検出したセンサ情報を取得するセンサ情報取得部と、
前記ユーザが入力したテキスト情報を取得するテキスト情報取得部と、
をさらに備え、
前記体験抽出部は、前記テキスト情報取得部により取得されたテキスト情報から前記体験情報を抽出し、
前記行動抽出部は、前記センサ情報取得部により取得されたセンサ情報から前記行動パターンを抽出する、
上記（１２）〜（１４）のいずれか１項に記載の情報処理装置。

（１６）
前記センサ情報から抽出された行動パターンが非日常的であるか否かを判定する非日常行動判定部をさらに備える、
上記（１２）〜（１５）のいずれか１項に記載の情報処理装置。

（１７）
前記非日常行動判定部は、前記テキスト情報から抽出された体験情報が非日常的であるか否かをさらに判定する、
上記（１６）に記載の情報処理装置。

（１８）
前記表示制御部は、前記非日常行動判定部により非日常的であると判定された場合に、当該判定の結果に対応する体験情報に関する情報を強調表示させる、
上記（１６）又は（１７）に記載の情報処理装置。

（１９）
前記非日常行動判定部は、日常的に抽出される時間帯とは異なる時間帯に抽出された体験情報又はいずれの時間帯にも抽出されなかった体験情報に対応する行動を非日常的と判定する、
上記（１６）〜（１８）のいずれか１項に記載の情報処理装置。

（２０）
前記非日常行動判定部は、日常的に抽出される体験の種類とは異なる種類の体験情報に対応する行動を非日常的と判定する、
上記（１６）〜（１８）のいずれか１項に記載の情報処理装置。

（２１）
テキスト情報からユーザの体験を示す体験情報を抽出するステップと、
センサ情報から行動パターンを抽出するステップと、
体験情報と行動パターンとの対応関係を示す関係情報に基づいて前記センサ情報から抽出された行動パターンに対応する体験情報を抽出するステップと、
前記テキスト情報から抽出された体験情報に関する情報と、前記行動パターンに対応する体験情報に関する情報とを併せて表示させるステップと、
を含む、
情報処理方法。

（２１）
テキスト情報からユーザの体験を示す体験情報を抽出する体験抽出機能と、
センサ情報から行動パターンを抽出する行動抽出機能と、
体験情報と行動パターンとの対応関係を示す関係情報に基づいて前記センサ情報から抽出された行動パターンに対応する体験情報を抽出する対応体験抽出機能と、
前記テキスト情報から抽出された体験情報に関する情報と、前記行動パターンに対応する体験情報に関する情報とを併せて表示させる表示制御機能と、
をコンピュータに実現させるためのプログラム。

以上、添付図面を参照しながら本技術に係る好適な実施形態について説明したが、本技術はここで開示した構成例に限定されないことは言うまでもない。当業者であれば、特許請求の範囲に記載された範疇内において、各種の変更例又は修正例に想到し得ることは明らかであり、それらについても当然に本技術の技術的範囲に属するものと了解される。

１０ 行動・状況解析システム
１０１ モーションセンサ
１０２ 動き・状態認識部
１０３ 時刻情報取得部
１０４ 位置センサ
１０５ ＧＩＳ情報取得部
１０６ 行動・状況認識部
１３ 達成度提供システム
１３１ テキスト情報取得部
１３２ 体験抽出部
１３３ 目標／宣言抽出部
１３４ 目標／宣言照合部
１３５ 対応関係記憶部
１３６ 目標／宣言登録部
１３７ 達成度記憶部
１３８ センサ情報取得部
１３９ 行動パターン抽出部
１４０ 達成度更新部
１４１ 達成度表示部
１５１ 種類特徴量抽出部
１５２ 体験種類判別部
１５３ 体験種類モデル記憶部
１５４ 場所特徴量抽出部
１５５ 体験場所抽出部
１５６ 体験場所モデル記憶部
１５７ 時間特徴量抽出部
１５８ 体験時間抽出部
１５９ 体験時間モデル記憶部
１７１ テキスト情報取得部
１７２ 体験抽出部
１７３ 抽出結果記憶部
１７４ センサ情報取得部
１７５ 行動パターン抽出部
１７６ 行動・体験照合部
１７７ 対応関係記憶部
１７８ 付加体験検索部
１７９ 行動・付加体験表示部
１９１ テキスト情報取得部
１９２ 体験抽出部
１９３ 抽出結果記憶部
１９４ センサ情報取得部
１９５ 行動パターン抽出部
１９６ 行動・体験照合部
１９７ 対応関係記憶部
１９８ 非日常行動判別部
１９９ 非日常行動表示部
ＣＬ 情報端末
ＳＶ サーバ装置

Claims (11)

1. テキスト情報から所定の事柄を抽出する事柄抽出部と、
   前記所定の事柄に関連付けられた一又は複数の行動パターンを特定する行動パターン特定部と、
   センサ情報から前記所定の事柄に関連付けられた各前記行動パターンを抽出する行動抽出部と、
   前記所定の事柄と当該事柄に関連付けられた各前記行動パターンとの組み合わせ毎に、各前記行動パターンが前記所定の事柄に寄与する度合いを表した寄与度を用い、前記センサ情報から抽出された各前記行動パターンに基づいて、前記事柄に関する状態を表す状態情報を生成する状態解析部と、
   を備える、
   情報処理装置。
2. 前記状態解析部により生成された前記状態情報を表示させる状態表示部をさらに備える、
   請求項１に記載の情報処理装置。
3. ユーザが保持する端末装置に搭載されたセンサが検出したセンサ情報を取得するセンサ情報取得部と、
   前記ユーザが入力したテキスト情報を取得するテキスト情報取得部と、
   をさらに備え、
   前記事柄抽出部は、前記テキスト情報取得部により取得されたテキスト情報から前記所定の事柄を抽出し、
   前記行動抽出部は、前記センサ情報取得部により取得されたセンサ情報から前記行動パターンを抽出する、
   請求項１に記載の情報処理装置。
4. 前記状態表示部は、ユーザが保持する端末装置の表示部に前記状態情報を表示させる、
   請求項２に記載の情報処理装置。
5. 前記状態情報は、
   前記所定の事柄が、達成が希望される事柄である場合において、当該事柄に対する現在の達成度合いを表した達成度と、
   前記所定の事柄に関連付けられた前記行動パターンから取得され、前記所定の事柄の現在の状態に関する現在値と、
   前記所定の事柄に関連付けられた前記行動パターンから取得される値であって、前記所定の事柄の現在の状態に関する現在値と、前記所定の事柄の過去の状態に関する過去値とを比較した比較値と、
   のいずれか１つを少なくとも含む、
   請求項１に記載の情報処理装置。
6. 前記状態情報は、
   前記所定の事柄が、達成が希望される事柄である場合において、当該事柄に対する現在の達成度合いを表した達成度であり、
   前記達成度の増加又は減少傾向に応じて、前記達成が希望される事柄の達成に向けて努力しているか否かを判定し、判定結果をユーザに提示する努力傾向通知部をさらに備える、
   請求項３に記載の情報処理装置。
7. 前記状態情報は、
   前記所定の事柄が、達成が希望される事柄である場合において、当該事柄に対する現在の達成度合いを表した達成度であり、
   前記達成度が所定の閾値を下回った場合、過去に負の寄与度を与えた行動パターンの中で頻度の高い行動パターン、又は、過去に負の寄与度を与えた行動パターンのヒストグラムをユーザに提示する原因通知部をさらに備える、
   請求項３に記載の情報処理装置。
8. 前記状態情報は、
   前記所定の事柄が、達成が希望される事柄である場合において、当該事柄に対する現在の達成度合いを表した達成度であり、
   前記達成度が所定の閾値を下回った場合、過去に負の寄与度を与えた行動パターンの中で頻度の高い行動パターンと逆の傾向を有する行動パターンをユーザに提示する助言通知部をさらに備える、
   請求項３に記載の情報処理装置。
9. 移動体に取り付けた端末装置に搭載されたセンサが検出したセンサ情報を取得するセンサ情報取得部と、
   前記移動体を管理するユーザが入力したテキスト情報を取得するテキスト情報取得部と、
   をさらに備え、
   前記事柄抽出部は、前記テキスト情報取得部により取得されたテキスト情報から前記所定の事柄を抽出し、
   前記行動抽出部は、前記センサ情報取得部により取得されたセンサ情報から前記行動パターンを抽出する、
   請求項１に記載の情報処理装置。
10. テキスト情報から所定の事柄を抽出することと、
    前記所定の事柄に関連付けられた一又は複数の行動パターンを特定することと、
    センサ情報から前記所定の事柄に関連付けられた各前記行動パターンを抽出することと、
    前記所定の事柄と当該事柄に関連付けられた各前記行動パターンとの組み合わせ毎に、各前記行動パターンが前記所定の事柄に寄与する度合いを表した寄与度を用い、前記センサ情報から抽出された各前記行動パターンに基づいて、前記事柄に関する状態を表す状態情報を生成することと、
    を含む、
    情報処理方法。
11. テキスト情報から所定の事柄を抽出する事柄抽出機能と、
    前記所定の事柄に関連付けられた一又は複数の行動パターンを特定する行動パターン特定機能と、
    センサ情報から前記所定の事柄に関連付けられた各前記行動パターンを抽出する行動抽出機能と、
    前記所定の事柄と当該事柄に関連付けられた各前記行動パターンとの組み合わせ毎に、各前記行動パターンが前記所定の事柄に寄与する度合いを表した寄与度を用い、前記センサ情報から抽出された各前記行動パターンに基づいて、前記事柄に関する状態を表す状態情報を生成する状態解析機能と、
    をコンピュータに実現させるためのプログラム。
    

Images