JP2015232913A - 拡張現実装置、方法、及びプログラム - Google Patents
拡張現実装置、方法、及びプログラム Download PDFInfo
- Publication number
- JP2015232913A JP2015232913A JP2015191678A JP2015191678A JP2015232913A JP 2015232913 A JP2015232913 A JP 2015232913A JP 2015191678 A JP2015191678 A JP 2015191678A JP 2015191678 A JP2015191678 A JP 2015191678A JP 2015232913 A JP2015232913 A JP 2015232913A
- Authority
- JP
- Japan
- Prior art keywords
- user
- feature
- facility
- information
- interest
- 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.)
- Abandoned
Links
Images
Landscapes
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
【課題】効率よく情報を提示できる。【解決手段】本実施形態に係る拡張現実装置は、推定部、検索部、第1格納部、第2格納部、関心特徴生成部、施設特徴生成部及び選択部を含む。推定部は、中心施設を地図情報から推定する。検索部は、対象施設を得る。第1格納部は、興味項目と関連ユーザとを対応付けて格納する。第2格納部は、第1特徴キーワードと興味項目とで決まる第1値を全ての興味項目に対して格納する。関心特徴生成部は、ユーザの興味項目に対応する1以上の第1値に応じた第1特徴量を生成する。施設特徴生成部は、第2特徴キーワードと対象施設に関連する情報とで決まる第2値に応じた第2特徴量を生成する。選択部は、第1特徴量および第2特徴量を用いて対象施設とユーザとの関連度を対象施設ごとに算出し、関連度が閾値以上である対象施設の推奨施設情報を選択する。【選択図】図1
Description
本発明の実施形態は、拡張現実装置、方法、及びプログラムに関する。
従来のAR(Augmented Reality:拡張現実)では、カメラを向けた方角に存在する各施設に対し、予めSNS(Social Networking Service)やコミュニティー上で付与された情報(例えば、口コミなどのおすすめ情報)または施設の基本情報を画像に合成して提示する手法がある。しかし、提示される情報の中にはユーザにとって不必要な情報も含まれるため、ユーザにとって必要な情報を効果的に提示することが重要となる。
このようなARの問題に対して、従来の一般的な検索手法として、地理的領域、時間帯、および店舗などのジャンルごとにユーザの関心度を表わすテーブルを用意し、利用者の行動パターンを予測することで個々の時点で適した情報を選択して提供する手法がある。
しかしながら、上述の手法は、ユーザの行動が正確に予測できており、かつユーザの関心が統計的に取得できていることが必要である。したがって、ユーザが予測パターン以外の行動をした場合や、ユーザがARを利用する場所が予め予測できない場合は、ユーザに適切な情報が提示されない。
本開示は、上述の課題を解決するためになされたものであり、ユーザに効率よく情報を提示することができる拡張現実装置、方法、及びプログラムを提供することを目的とする。
本実施形態に係る拡張現実装置は、中心施設推定部、対象施設検索部、第1格納部、第2格納部、関心特徴生成部、施設特徴生成部および推奨施設選択部を含む。中心施設推定部は、ユーザの位置情報と該ユーザが使用するカメラのレンズが向けられる方向とに基づいて、該カメラにより撮像される画像の中心に位置する中心施設を地図情報から推定する。対象施設検索部は、前記中心施設から第1距離範囲内かつ前記カメラの画角内に存在する1以上の施設を前記地図情報から検索し、該施設を1以上の対象施設として得る。第1格納部は、ユーザごとに、該ユーザが興味を示す1以上の興味項目を対応付けて格納する。第2格納部は、複数のキーワードのうちの、1つの興味項目の特徴を表現する語として該当する1以上のキーワードを第1特徴キーワードとして、1つの第1特徴キーワードと1つの興味項目とによって決まる第1値を、全ての興味項目に対して格納する。関心特徴生成部は、少なくとも前記ユーザの興味項目に対応する1以上の前記第1値に応じた第1特徴量を生成する。施設特徴生成部は、前記複数のキーワードのうちの、1つの対象施設の特徴を表現する語として該当する1以上のキーワードを第2特徴キーワードとして、対象施設ごとに、1つの第2特徴キーワードと1つの対象施設に関連する情報とによって決まる第2値に応じた第2特徴量を生成する。推奨施設選択部は、前記第1特徴量および前記第2特徴量を用いて前記対象施設と前記ユーザとの関連度を前記対象施設ごとに算出し、該関連度が第1閾値以上である対象施設の情報を推奨施設情報として選択する。
以下、図面を参照しながら本実施形態に係る拡張現実装置、方法、及びプログラムについて詳細に説明する。なお、以下の実施形態では、同一の参照符号を付した部分は同様の動作をおこなうものとして、重複する説明を適宜省略する。
本実施形態に係る拡張現実装置の利用例について図1を参照して説明する。
本実施形態に係る拡張現実装置100は、ユーザ位置検出部101、地図データベース102(以下、地図DB102という)、中心施設推定部103、対象施設検索部104、ユーザプロフィールデータベース105(以下、ユーザプロフィールDB105という)、関心データベース106(以下、関心DB106という)、関心特徴生成部107、対象施設特徴生成部108、推奨施設選択部109、表示データ合成部110、および表示部111を含む。
本実施形態に係る拡張現実装置の利用例について図1を参照して説明する。
本実施形態に係る拡張現実装置100は、ユーザ位置検出部101、地図データベース102(以下、地図DB102という)、中心施設推定部103、対象施設検索部104、ユーザプロフィールデータベース105(以下、ユーザプロフィールDB105という)、関心データベース106(以下、関心DB106という)、関心特徴生成部107、対象施設特徴生成部108、推奨施設選択部109、表示データ合成部110、および表示部111を含む。
ユーザ位置検出部101は、ユーザの現在の位置情報(緯度および経度)とユーザが使用するカメラ150の向きとを検出する。位置情報は、例えば、一般的なGPS(Grobal Posisioning System)情報を用いて検出することができる。また、カメラ150の向きとは、カメラ150のレンズが向けられる方向である。カメラ150の向きは、例えば一般的な6軸センサーを用いて検出することができる。6軸センサーは、3軸の地磁気センサー(電子コンパス)と3軸の加速度センサーとが一体となったセンサーである。この6軸センサーを用いることにより、カメラ150の向き(東西南北の方位および仰角)と同時に、カメラ150に加わった加速度の方向も検出することができる。以下、カメラのレンズが向けられる方位および仰角と、加速度の方向に関する情報とを合わせて方向情報ともいう。
地図DB102は、緯度および経度に関する情報を有する地図情報と、この地図上に存在する施設に関する情報を示す施設情報とを対応付けて格納する。施設は、例えばショップやレストラン、ホテルなどの宿泊施設、市役所などの公共施設である。施設情報は、ここでは基本的な情報として、施設の名称、施設の分類、電話番号および住所とするが、これに限らず、例えばレストランであれば人気メニュー名を含めるなど、施設に関するどのような情報を含めてもよい。さらに、地図DB102は、外部のサーバなどに格納されてもよい。
中心施設推定部103は、ユーザ位置検出部101からユーザの位置情報およびカメラ150の方向情報を受け取り、地図DB102に格納される地図情報からユーザの位置情報に対応する地点とその周辺の施設を抽出し、カメラ150により撮像される画像の中心に位置する施設(以下、中心施設という)を推定する。
対象施設検索部104は、中心施設推定部103から推定された中心施設を受け取り、推定された中心施設に基づいて、中心施設とその周辺に存在する施設との中で、中心施設から一定距離の範囲内かつカメラ150の画角内に存在する施設を地図DB103から検索する。その後、対象施設検索部104は、上述の条件を満たす施設を、ユーザに情報を推薦する候補となる施設(以下、対象施設という)として決定し、地図DB103から対象施設に関する施設情報を抽出する。
対象施設検索部104は、中心施設推定部103から推定された中心施設を受け取り、推定された中心施設に基づいて、中心施設とその周辺に存在する施設との中で、中心施設から一定距離の範囲内かつカメラ150の画角内に存在する施設を地図DB103から検索する。その後、対象施設検索部104は、上述の条件を満たす施設を、ユーザに情報を推薦する候補となる施設(以下、対象施設という)として決定し、地図DB103から対象施設に関する施設情報を抽出する。
ユーザプロフィールDB105は、ユーザのプロフィール情報を格納する。プロフィール情報は、ユーザに関する情報であり、例えばSNS上で登録されているユーザID、性別、年齢、ユーザの興味項目が挙げられる。ユーザプロフィールDB105については、図2を参照して後述する。
関心DB106は、興味項目と第1特徴キーワードとによって決まる第1値を対応付けて格納する。第1特徴キーワードは、複数のキーワードのうちの、興味項目の特徴を表現する語である。関心DB106については、図3および図4を参照して後述する。
関心DB106は、興味項目と第1特徴キーワードとによって決まる第1値を対応付けて格納する。第1特徴キーワードは、複数のキーワードのうちの、興味項目の特徴を表現する語である。関心DB106については、図3および図4を参照して後述する。
関心特徴生成部107は、ユーザプロフィールDB105からプロフィール情報を、関心DB106から特徴キーワードをそれぞれ抽出する。関心特徴生成部107は、プロフィール情報に含まれるユーザの興味項目に対応する第1特徴キーワードの第1値を得て、1以上の第1値に応じて、興味項目の特徴を反映した第1特徴量を生成する。
対象施設特徴生成部108は、対象施設検索部104から対象施設の施設情報を受け取り、対象施設ごとに、第2特徴キーワードと対象施設に関連する情報とによって決まる第2値を計算し、第2値に応じて、施設の特徴を反映した第2特徴量を生成する。第2特徴キーワードは、複数のキーワードうちの、対象施設の特徴を表現する語である。
対象施設特徴生成部108は、対象施設検索部104から対象施設の施設情報を受け取り、対象施設ごとに、第2特徴キーワードと対象施設に関連する情報とによって決まる第2値を計算し、第2値に応じて、施設の特徴を反映した第2特徴量を生成する。第2特徴キーワードは、複数のキーワードうちの、対象施設の特徴を表現する語である。
推奨施設選択部109は、対象施設特徴生成部108から第2特徴量と対象施設の施設情報とを、関心特徴生成部107から第1特徴量をそれぞれ受け取り、対象施設ごとにユーザとの関連度を算出し、関連度が閾値以上である対象施設の施設情報を推奨施設情報として選択する。なお、ここでは施設情報を対象施設特徴生成部108から受け取ることを想定しているが、推奨施設が選択された後に、推奨施設選択部109が地図DB103から対象施設の情報を推奨施設情報として抽出してもよい。
表示データ合成部110は、カメラ150から画像データを、推奨施設選択部109から推奨施設情報をそれぞれ受け取り、画像データに推奨施設情報を合成して合成画像を得る。
表示部111は、表示データ合成部110から合成画像を受け取り、合成画像を画面に表示する。
カメラ150は、例えば携帯端末に搭載され、画像を撮影可能な一般的なCCDカメラであればよい。カメラ150によりユーザ周りの施設が撮像され、画像データが得られる。
表示部111は、表示データ合成部110から合成画像を受け取り、合成画像を画面に表示する。
カメラ150は、例えば携帯端末に搭載され、画像を撮影可能な一般的なCCDカメラであればよい。カメラ150によりユーザ周りの施設が撮像され、画像データが得られる。
次に、ユーザプロフィールDB105に格納されるテーブルの一例について図2を参照して説明する。
図2に示す例では、ユーザプロフィールDB105は、ユーザID201とプロフィール情報202とを対応付けて格納する。ユーザID201は、各ユーザを識別するために付与される一意的なIDである。プロフィール情報202は、ここでは、ユーザの性別203、年齢204、関連ユーザ205および興味206を含む。関連ユーザ205は、ユーザ同士が知り合いであるといった、ユーザと関連があることを示す情報である。ここでは、ユーザ本人と知り合いである関連ユーザのユーザID201が対応付けられる。興味206には、ユーザが興味を示す事柄が含まれ、本実施形態では興味項目のID(後述の興味ID)が含まれる。
具体的には、ユーザID201「User001」のユーザは、プロフィール情報202として、性別203「Male」、年齢204「25」、関連ユーザ205「User002,User013,User106,User238,User348」、および興味206「interest005,interest018,interest225」がそれぞれ対応付けられてテーブルに格納される。このように、ユーザプロフィールDB105には、ユーザごとのプロフィール情報が格納される。
図2に示す例では、ユーザプロフィールDB105は、ユーザID201とプロフィール情報202とを対応付けて格納する。ユーザID201は、各ユーザを識別するために付与される一意的なIDである。プロフィール情報202は、ここでは、ユーザの性別203、年齢204、関連ユーザ205および興味206を含む。関連ユーザ205は、ユーザ同士が知り合いであるといった、ユーザと関連があることを示す情報である。ここでは、ユーザ本人と知り合いである関連ユーザのユーザID201が対応付けられる。興味206には、ユーザが興味を示す事柄が含まれ、本実施形態では興味項目のID(後述の興味ID)が含まれる。
具体的には、ユーザID201「User001」のユーザは、プロフィール情報202として、性別203「Male」、年齢204「25」、関連ユーザ205「User002,User013,User106,User238,User348」、および興味206「interest005,interest018,interest225」がそれぞれ対応付けられてテーブルに格納される。このように、ユーザプロフィールDB105には、ユーザごとのプロフィール情報が格納される。
次に、関心DB106に格納される興味項目に関するテーブルの一例について図3を参照して説明する。
関心DB106は、興味ID301、興味項目名302および第1特徴キーワード303をそれぞれ対応付けて格納する。
興味ID301は、ユーザプロフィールDB105の興味206に登録されるIDである。興味項目名302は、興味項目の一般的な名称であり、例えば、歌手名、俳優名、映画名、書籍名、施設名、活動名が挙げられる。第1特徴キーワード303としては、第1特徴キーワードのID(後述の第1特徴キーワードID)が含まれる。興味ID301と興味項目名302とは、1対1に対応する。さらに、1つの興味ID301には、1以上の第1特徴キーワードが対応付けられる。なお、異なる興味ID301に同じ第1特徴キーワードが含まれてもよい。
具体的には、図3の例では、興味ID301「interst005」、興味項目名302「夜景」、および第1特徴キーワード303「kw2,kw4,kw6」がそれぞれ対応付けられてテーブルに格納される。
関心DB106は、興味ID301、興味項目名302および第1特徴キーワード303をそれぞれ対応付けて格納する。
興味ID301は、ユーザプロフィールDB105の興味206に登録されるIDである。興味項目名302は、興味項目の一般的な名称であり、例えば、歌手名、俳優名、映画名、書籍名、施設名、活動名が挙げられる。第1特徴キーワード303としては、第1特徴キーワードのID(後述の第1特徴キーワードID)が含まれる。興味ID301と興味項目名302とは、1対1に対応する。さらに、1つの興味ID301には、1以上の第1特徴キーワードが対応付けられる。なお、異なる興味ID301に同じ第1特徴キーワードが含まれてもよい。
具体的には、図3の例では、興味ID301「interst005」、興味項目名302「夜景」、および第1特徴キーワード303「kw2,kw4,kw6」がそれぞれ対応付けられてテーブルに格納される。
次に、第1特徴キーワードに関するテーブルの一例について図4を参照して説明する。
第1特徴キーワードに関するテーブルには、第1特徴キーワードID401とキーワード名402とが対応付けられる。具体的には、第1特徴キーワードID401「kw1」とキーワード名402「大きい」、第1特徴キーワードID401「kw2」とキーワード名402「きれい」のように、それぞれが対応付けられる。なお、キーワード名402としては、分類名、固有名詞、形容詞などを想定しているが、施設および興味項目の特徴を表現できる文字や記号であれば何でもよい。また、第1特徴キーワードに関するテーブルは、関心DB106に格納されてもよいし、別のデータベースとして用意されてもよい。外部のデータベースにテーブルを格納し、そこから参照するようにしてもよい。
第1特徴キーワードに関するテーブルには、第1特徴キーワードID401とキーワード名402とが対応付けられる。具体的には、第1特徴キーワードID401「kw1」とキーワード名402「大きい」、第1特徴キーワードID401「kw2」とキーワード名402「きれい」のように、それぞれが対応付けられる。なお、キーワード名402としては、分類名、固有名詞、形容詞などを想定しているが、施設および興味項目の特徴を表現できる文字や記号であれば何でもよい。また、第1特徴キーワードに関するテーブルは、関心DB106に格納されてもよいし、別のデータベースとして用意されてもよい。外部のデータベースにテーブルを格納し、そこから参照するようにしてもよい。
次に、中心施設推定部103および対象施設検索部104における施設抽出処理について図5を参照して説明する。
図5は、携帯端末501を用いて対象施設を撮像した一例であり、携帯端末501に搭載されるカメラ150(図示せず)により、施設が撮像されるときの画角511を示す。図5の例では、タワーや、ホテル、中華レストラン、イタリアンレストランなどが撮像される。このとき、中心施設推定部103が、ユーザの現在位置とカメラ150の方向情報とカメラ150の画角511とに基づいてカメラ150により撮像された画像から中心施設を推定する。
例えば、ユーザの位置情報およびカメラ150の方向情報を地図DBに格納される地図データ上にマッピングし、カメラ150の画角511の範囲内にあり、かつ画角511の中心線上にある施設の中で最もユーザに近い施設を中心施設として推定する。または、画角511の中心線上にある施設の中でユーザから一定範囲内の距離かつ画像内で閾値以上の大きさがある施設を中心施設として推定すればよい。ここでは、カメラ150の画角511の範囲内でありかつ画角511の中心線上にあるのはタワー502のみであるので、タワー502が中心施設として抽出される。
図5は、携帯端末501を用いて対象施設を撮像した一例であり、携帯端末501に搭載されるカメラ150(図示せず)により、施設が撮像されるときの画角511を示す。図5の例では、タワーや、ホテル、中華レストラン、イタリアンレストランなどが撮像される。このとき、中心施設推定部103が、ユーザの現在位置とカメラ150の方向情報とカメラ150の画角511とに基づいてカメラ150により撮像された画像から中心施設を推定する。
例えば、ユーザの位置情報およびカメラ150の方向情報を地図DBに格納される地図データ上にマッピングし、カメラ150の画角511の範囲内にあり、かつ画角511の中心線上にある施設の中で最もユーザに近い施設を中心施設として推定する。または、画角511の中心線上にある施設の中でユーザから一定範囲内の距離かつ画像内で閾値以上の大きさがある施設を中心施設として推定すればよい。ここでは、カメラ150の画角511の範囲内でありかつ画角511の中心線上にあるのはタワー502のみであるので、タワー502が中心施設として抽出される。
続いて、対象施設検索部104が、対象施設として、中心施設から一定範囲512(図5中の破線で囲まれる範囲)内に存在する施設であり、かつカメラの画角511内に存在する施設を抽出する。ここでは、中心施設であるタワー502から一定範囲512内に存在し、かつカメラの画角511内に存在する施設は、タワー502、ホテル503、イタリアンレストランA504および中華レストラン506があり、これらが対象施設として抽出される。
なお、本実施形態における「画角内に存在する」とは、画角511をなす辺513上に施設が存在する場合は、閾値以上の領域(ここでは、施設の半分の領域)が画角511内に存在することを意味する。すなわち、中華レストラン506は、画角511の外に存在する領域もあるが、一定範囲512内に存在しかつ閾値以上の領域が画角内に存在するので、対象施設として抽出される。一方、寺院507は、一定範囲512内であり、画角511内に存在する領域もあるが、閾値以上の領域が画角511内に存在しないので対象施設として抽出されない。また、イタリアンレストランB505は、画角511内であるが中心施設から一定範囲512の外に存在するので対象施設として抽出されない。
なお、本実施形態における「画角内に存在する」とは、画角511をなす辺513上に施設が存在する場合は、閾値以上の領域(ここでは、施設の半分の領域)が画角511内に存在することを意味する。すなわち、中華レストラン506は、画角511の外に存在する領域もあるが、一定範囲512内に存在しかつ閾値以上の領域が画角内に存在するので、対象施設として抽出される。一方、寺院507は、一定範囲512内であり、画角511内に存在する領域もあるが、閾値以上の領域が画角511内に存在しないので対象施設として抽出されない。また、イタリアンレストランB505は、画角511内であるが中心施設から一定範囲512の外に存在するので対象施設として抽出されない。
なお、本実施形態で想定するARにおいては、カメラの向き以外(ユーザの真横または後ろ)の施設の情報は提示する必要がなく、また遠距離に存在する施設名の提示も不要である。この理由は、ユーザがカメラを向ける方向を変えることで施設の情報を得ることができるため、カメラの向き以外の情報を提示することは、逆に不必要な情報を提示することになるからである。
次に、本実施形態に係る拡張現実装置100の動作について図6のフローチャートを参照して説明する。以下では、第1特徴量として、興味項目を表現する語として第1特徴キーワードに該当するかどうかの値を成分としたベクトルである関心ベクトルを用いて説明する。また、第2特徴量として、対象施設を表現する語として同じく第2特徴キーワードに該当するかどうかの値を成分としたベクトルである特徴ベクトルを用いて説明する。なお、ベクトルの代わりに関数の値を用いるなど、興味項目の特徴および施設の特徴を反映できる指標であれば何でもよい。
ステップS601では、ユーザ位置検出部101が、ユーザの現在位置およびカメラ150の向きを検出し、位置情報および方向情報を得る。
ステップS602では、中心施設推定部103が、地図DB102に基づいて中心施設を推定する。
ステップS603では、対象施設検索部104が、中心施設に基づいて中心施設から一定範囲内かつカメラの画角内に存在する対象施設を検索する。
ステップS601では、ユーザ位置検出部101が、ユーザの現在位置およびカメラ150の向きを検出し、位置情報および方向情報を得る。
ステップS602では、中心施設推定部103が、地図DB102に基づいて中心施設を推定する。
ステップS603では、対象施設検索部104が、中心施設に基づいて中心施設から一定範囲内かつカメラの画角内に存在する対象施設を検索する。
Nは第1特徴キーワードの総数、kwkはk番目の第1特徴キーワードを表わす。このように、興味項目に対する各第1特徴キーワードに対する第1値が得られる。
ユーザプロフィールDB105には、複数の興味項目が登録可能であるので、ユーザの興味項目全てのベクトルを求めるのが望ましい。これにより、ユーザがどのような事柄に関心があるかを表すことができる。
ユーザプロフィールDB105には、複数の興味項目が登録可能であるので、ユーザの興味項目全てのベクトルを求めるのが望ましい。これにより、ユーザがどのような事柄に関心があるかを表すことができる。
は、ユーザ固有の関心ベクトル(以下、固有関心ベクトルともいう)を示し、それぞれの興味項目の特徴ベクトルの線形和として表現できる。すなわち、ユーザの興味項目のセットを{Ij}(1≦j≦m,j、mは自然数)とすると、固有関心ベクトルは式(2)で表される。
ここで、ajは重み係数であり、ユーザの関心の大きい興味項目ほど係数の値を大きくすることにより、同じ興味項目を選択しているユーザでも、ユーザごとに異なる固有関心ベクトルを生成することができる。
以下、各関連ユーザの関心ベクトルの線形和を総関連ユーザ関心ベクトルと呼ぶ。
ここで、bsは、各関連ユーザの関心ベクトルに付加する重み係数を表わし、nは関連ユーザ数を表わす。すなわち、ユーザと関係性が高い関連ユーザの重み値を大きく設定することで、ユーザが興味を持つと想定される情報を抽出することができる。反対に、ユーザと関係性が低い関連ユーザの重み値を小さく、さらには0に設定することで、関係性が低い関連ユーザの情報をユーザに提示しないように考慮することができる。また、関連ユーザの関心ベクトルを考慮することで、ユーザ自身が当初から関心があった情報だけでなく、ユーザ自身は知らなかったが、関連ユーザが知っている情報を得ることもできる。
関心特徴生成部107は、式(4)に示すように固有関心ベクトルと総関連ユーザ関心ベクトルとの和を計算し、最終的なユーザの関心ベクトルを得る。
ここで、bsは、各関連ユーザの関心ベクトルに付加する重み係数を表わし、nは関連ユーザ数を表わす。すなわち、ユーザと関係性が高い関連ユーザの重み値を大きく設定することで、ユーザが興味を持つと想定される情報を抽出することができる。反対に、ユーザと関係性が低い関連ユーザの重み値を小さく、さらには0に設定することで、関係性が低い関連ユーザの情報をユーザに提示しないように考慮することができる。また、関連ユーザの関心ベクトルを考慮することで、ユーザ自身が当初から関心があった情報だけでなく、ユーザ自身は知らなかったが、関連ユーザが知っている情報を得ることもできる。
関心特徴生成部107は、式(4)に示すように固有関心ベクトルと総関連ユーザ関心ベクトルとの和を計算し、最終的なユーザの関心ベクトルを得る。
ステップS605では、対象施設特徴生成部108が、対象施設の名称を検索ワードとしてweb検索を行い、対象施設ごとの特徴ベクトルを生成する。具体的には、対象施設特徴生成部108が、検索ワードのweb上でのヒット率が上位であるwebページなどのコンテンツにおいて、コンテンツ中に出現する検索ワードの周辺に存在する第2特徴キーワードの有無に基づいて、対象施設ごとの特徴ベクトルを生成する。
例えば、対象施設の名称「○○遊園地」を検索ワードとしてweb検索し、ヒットしたwebページ中のテキストにおいて、「夕方から夜にかけて、ライトアップがきれいである○○遊園地」という文が存在したと仮定する。この場合、対象施設特徴生成部108は、検索ワード「○○遊園地」の周辺(ここでは、検索ワードの6文字前)に第2特徴キーワードである「きれい」が存在すると判定することができる。このように、対象施設の特徴を表現するワードとして第2特徴キーワードが存在するかどうかを判定し、全ての第2特徴キーワードについても同様の処理を行なうことで、対象施設に対する第2特徴キーワードのベクトルを算出することができる。
ここで、第2特徴キーワードは関心DB106における第1特徴キーワードと同一であるので、対象施設に対する第2特徴キーワードのベクトルは以下の式(5)で表すことができる。
例えば、対象施設の名称「○○遊園地」を検索ワードとしてweb検索し、ヒットしたwebページ中のテキストにおいて、「夕方から夜にかけて、ライトアップがきれいである○○遊園地」という文が存在したと仮定する。この場合、対象施設特徴生成部108は、検索ワード「○○遊園地」の周辺(ここでは、検索ワードの6文字前)に第2特徴キーワードである「きれい」が存在すると判定することができる。このように、対象施設の特徴を表現するワードとして第2特徴キーワードが存在するかどうかを判定し、全ての第2特徴キーワードについても同様の処理を行なうことで、対象施設に対する第2特徴キーワードのベクトルを算出することができる。
ここで、第2特徴キーワードは関心DB106における第1特徴キーワードと同一であるので、対象施設に対する第2特徴キーワードのベクトルは以下の式(5)で表すことができる。
cpは重み係数であり、例えば検索結果の上位のwebページほど重み係数が大きく、下位のwebページほど重み係数が小さくなるように設定すればよい。なお、式(5)に示すような第2特徴キーワードのベクトルは、地図DB102に格納される施設情報に予め含めてもよい。また、予め施設名と第2特徴キーワードとの対応テーブルを用意し、対象施設特徴生成部108が、web検索時に対応テーブルから第2特徴キーワードを抽出し、第2特徴キーワードの有無を検出して動的に第2特徴キーワードのベクトルを生成してもよい。
ステップS606では、推奨施設選択部109が、ユーザの関心ベクトルと対象施設特徴ベクトルとの類似度、および中心施設から対象施設までの距離dに基づいて、ユーザと施設との関連度Relを対象施設ごとに計算する。関連度は、例えば式(7)のように計算される。
τは、距離に対する減衰係数を表わす。ここで、式(7)の右辺の前半部分は、ユーザの関心ベクトルと対象施設特徴ベクトルのコサイン類似度を表わし、右辺の後半部分は、対象施設が中心施設から離れているほど減衰する。これにより、施設の特徴とユーザの関心とが近く、中心施設(またはユーザ)と距離が近いものほど優先されるようになる。
ステップS607では、推奨施設選択部109が、関連度が閾値以上の対象施設の施設情報を推奨施設情報として選択する。
ステップS608では、表示データ合成部110が、カメラの画像データと推奨施設情報とを合成する。その際、関連度が大きい対象施設に関する対象施設情報は、「大きく表示する」「色を変えて表示する」など、ユーザが視認しやすいようにハイライト表示させるようにしてもよい。反対に、関連度が小さい対象施設情報については、「小さく表示する」「色を変えて表示する」などの処理を行なってもよい。
ステップS609では、表示部111が、合成されたデータを合成画像として画面に表示する。
以上で、本実施形態に係る拡張現実装置100の動作を終了する。リアルタイムに情報を提示するため、この動作を短期間(例えば、1ミリ秒)に繰り返し行なってもよいし、加速度センサーによりカメラが動かされていることを検出した場合は上述した動作を停止し、カメラが静止したときに上述した動作を行うようにしてもよい。
ステップS608では、表示データ合成部110が、カメラの画像データと推奨施設情報とを合成する。その際、関連度が大きい対象施設に関する対象施設情報は、「大きく表示する」「色を変えて表示する」など、ユーザが視認しやすいようにハイライト表示させるようにしてもよい。反対に、関連度が小さい対象施設情報については、「小さく表示する」「色を変えて表示する」などの処理を行なってもよい。
ステップS609では、表示部111が、合成されたデータを合成画像として画面に表示する。
以上で、本実施形態に係る拡張現実装置100の動作を終了する。リアルタイムに情報を提示するため、この動作を短期間(例えば、1ミリ秒)に繰り返し行なってもよいし、加速度センサーによりカメラが動かされていることを検出した場合は上述した動作を停止し、カメラが静止したときに上述した動作を行うようにしてもよい。
なお、ステップS606の関連度の計算において、他のユーザによる点数評価なども関連度の計算に反映し、評価が高い対象施設ほど関連度が高くなるようにしてもよい。例えば、式(7)の右辺に、評価が高い対象施設であるほど重み値が大きくなる重み係数を乗算することで、信頼度の高い推薦施設情報を選択することができる。
ここで、関心特徴生成部107における関連ユーザの選択手法について説明する。関連ユーザの選択においては、関連ユーザの数が多くなると、全ての関連ユーザを考慮して計算する場合には計算量が膨大になるため、計算に使用する関連ユーザの関心ベクトルに制限を設けることが望ましい。
関連ユーザの第1の選択手法として、ソーシャルグラフ上での距離を用いる手法がある。ユーザとその関連ユーザ、各関連ユーザの関連ユーザ、というようにユーザ間のつながりを線で結ぶことによりグラフ構造が得られる。このようなグラフをソーシャルグラフと呼ぶ。一般に、ソーシャルグラフ上で距離が近いユーザ同士は関係性が高く、逆に距離が遠いユーザ同士は関係性が低いと考えることができる。
従って、総関連ユーザ関心ベクトルを算出する際に、ソーシャル上での距離を考慮すると、以下の式(8)により重み係数を設定すればよい。
ここで、関心特徴生成部107における関連ユーザの選択手法について説明する。関連ユーザの選択においては、関連ユーザの数が多くなると、全ての関連ユーザを考慮して計算する場合には計算量が膨大になるため、計算に使用する関連ユーザの関心ベクトルに制限を設けることが望ましい。
関連ユーザの第1の選択手法として、ソーシャルグラフ上での距離を用いる手法がある。ユーザとその関連ユーザ、各関連ユーザの関連ユーザ、というようにユーザ間のつながりを線で結ぶことによりグラフ構造が得られる。このようなグラフをソーシャルグラフと呼ぶ。一般に、ソーシャルグラフ上で距離が近いユーザ同士は関係性が高く、逆に距離が遠いユーザ同士は関係性が低いと考えることができる。
従って、総関連ユーザ関心ベクトルを算出する際に、ソーシャル上での距離を考慮すると、以下の式(8)により重み係数を設定すればよい。
また、ソーシャルグラフ上での距離が一定以上の場合は、bS=0としてもよい。すなわち、関心特徴生成部107は、ソーシャルグラフ上での距離が一定範囲内の関連ユーザのみを用いて総関連ユーザ関心ベクトルを算出することで、ユーザと関係性が高い関連ユーザのみを選択することができる。
第2の選択手法としては、一定の条件を満たす関連ユーザの重み値を大きく(または小さく)設定すればよい。例えば、年齢が近い(または年齢が遠い)、性別が同じ(または性別が異なる)関連ユーザに対して重み値を大きく設定することにより、それらの関連ユーザを重視するように関連ユーザの関心ベクトルを生成することができる。逆に、重み値を小さく、あるいは0にすれば、それらの関連ユーザの影響を小さくしたり、さらには無視することができる。
さらに第3の選択手法としては、対象施設に対して評価を行っているユーザを考慮してもよい。上述の手法では、関連ユーザは「ユーザから関連ユーザの情報を辿ることにより到達できるユーザ」であるが、本手法では、直接的または間接的なユーザとのつながりが無くとも特定のユーザ群を関連ユーザとする。特定のユーザ群は、例えば、対象施設のレストランについて評価(星を付ける、点数を付ける、口コミなど)を行なっているユーザ群を関連ユーザとすればよい。このとき式(8)の重み係数bSは、全て同じでもよいし、一定条件を満たす関連ユーザの重みを大きく(または小さく)してもよい。
上述のようなユーザ群は、例えば、SNSから抽出してもよいし、インターネット上の口コミ情報をまとめたwebサイトの情報から抽出するようにしてもよい。この手法によれば、例えば「対象施設について星3つ以上の評価を行なっているユーザのうち、30代男性の関心ベクトル」のような、具体的な条件を付けた関心ベクトルを用いることができ、ユーザの関心が高い施設情報を効率的に抽出することができる。
次に、表示部111における表示例を図7および図8を参照して説明する。
図7は、従来のAR機器における施設情報の表示例を示し、図8は、本実施形態に係る拡張現実装置100の表示例を示す。図7および図8ともに、表示部111において、カメラの画像データに施設情報が合成された合成画像が表示される。
図7に示すように、カメラ150の画角内に存在する全施設の施設情報701が表示され、ユーザが自身にとって必要となる施設の関連情報を見つけることが難しい。
一方、図8では、ユーザと関連度が高い推奨施設の推奨施設情報801のみ表示されるため、ユーザは必要な情報のみを効率的に素早く認識することができる。
図7は、従来のAR機器における施設情報の表示例を示し、図8は、本実施形態に係る拡張現実装置100の表示例を示す。図7および図8ともに、表示部111において、カメラの画像データに施設情報が合成された合成画像が表示される。
図7に示すように、カメラ150の画角内に存在する全施設の施設情報701が表示され、ユーザが自身にとって必要となる施設の関連情報を見つけることが難しい。
一方、図8では、ユーザと関連度が高い推奨施設の推奨施設情報801のみ表示されるため、ユーザは必要な情報のみを効率的に素早く認識することができる。
以上に示した本実施形態に係る拡張現実装置によれば、ユーザとの関連度に応じて推奨施設を選択するので、ユーザに効率よく情報を提示することができる。また、ユーザ本人の関心だけでなく、SNS上におけるユーザの知り合いのお薦め情報や関連ユーザの関心も利用して情報の選択を行えば、当初関心があった情報だけでなく、関連ユーザから思いがけない情報が得られる。これにより、ユーザがARによって新しい発見および経験が得られる可能性を高めることができる。
また、本実施形態に係る拡張現実装置の構成を、端末とサーバとに分けてもよい。例えば、端末は、ユーザ位置検出部101、表示データ合成部110、表示部111およびカメラ150を含めばよい。一方サーバは、中心施設推定部103、対象施設検索部104、対象施設特徴生成部108、ユーザプロフィールDB105、関心DB106、関心特徴生成部107および推奨施設選択部109を含めばよい。このようにすることで、計算量が多い演算処理をサーバ側で行なうことができるので、端末側の処理量を減らすことができる。よって、端末の構成を簡潔にすることができる。
上述の実施形態の中で示した処理手順に示された指示は、ソフトウェアであるプログラムに基づいて実行されることが可能である。汎用の計算機システムが、このプログラムを予め記憶しておき、このプログラムを読み込むことにより、上述した拡張現実装置による効果と同様な効果を得ることも可能である。上述の実施形態で記述された指示は、コンピュータに実行させることのできるプログラムとして、磁気ディスク(フレキシブルディスク、ハードディスクなど)、光ディスク(CD−ROM、CD−R、CD−RW、DVD−ROM、DVD±R、DVD±RW、Blu−ray(登録商標)Discなど)、半導体メモリ、又はこれに類する記録媒体に記録される。コンピュータまたは組み込みシステムが読み取り可能な記録媒体であれば、その記憶形式は何れの形態であってもよい。コンピュータは、この記録媒体からプログラムを読み込み、このプログラムに基づいてプログラムに記述されている指示をCPUで実行させれば、上述した実施形態の拡張現実装置と同様な動作を実現することができる。もちろん、コンピュータがプログラムを取得する場合又は読み込む場合はネットワークを通じて取得又は読み込んでもよい。
また、記録媒体からコンピュータや組み込みシステムにインストールされたプログラムの指示に基づきコンピュータ上で稼働しているOS(オペレーティングシステム)や、データベース管理ソフト、ネットワーク等のMW(ミドルウェア)等が本実施形態を実現するための各処理の一部を実行してもよい。
さらに、本実施形態における記録媒体は、コンピュータあるいは組み込みシステムと独立した媒体に限らず、LANやインターネット等により伝達されたプログラムをダウンロードして記憶または一時記憶した記録媒体も含まれる。
また、記録媒体は1つに限られず、複数の媒体から本実施形態における処理が実行される場合も、本実施形態における記録媒体に含まれ、媒体の構成は何れの構成であってもよい。
また、記録媒体からコンピュータや組み込みシステムにインストールされたプログラムの指示に基づきコンピュータ上で稼働しているOS(オペレーティングシステム)や、データベース管理ソフト、ネットワーク等のMW(ミドルウェア)等が本実施形態を実現するための各処理の一部を実行してもよい。
さらに、本実施形態における記録媒体は、コンピュータあるいは組み込みシステムと独立した媒体に限らず、LANやインターネット等により伝達されたプログラムをダウンロードして記憶または一時記憶した記録媒体も含まれる。
また、記録媒体は1つに限られず、複数の媒体から本実施形態における処理が実行される場合も、本実施形態における記録媒体に含まれ、媒体の構成は何れの構成であってもよい。
なお、本実施形態におけるコンピュータまたは組み込みシステムは、記録媒体に記憶されたプログラムに基づき、本実施形態における各処理を実行するためのものであって、パソコン、マイコン等の1つからなる装置、複数の装置がネットワーク接続されたシステム等の何れの構成であってもよい。
また、本実施形態におけるコンピュータとは、パソコンに限らず、情報処理機器に含まれる演算処理装置、マイコン等も含み、プログラムによって本実施形態における機能を実現することが可能な機器、装置を総称している。
また、本実施形態におけるコンピュータとは、パソコンに限らず、情報処理機器に含まれる演算処理装置、マイコン等も含み、プログラムによって本実施形態における機能を実現することが可能な機器、装置を総称している。
本発明のいくつかの実施形態を説明したが、これらの実施形態は、例として提示したものであり、発明の範囲を限定することは意図していない。これら新規な実施形態は、その他の様々な形態で実施されることが可能であり、発明の要旨を逸脱しない範囲で、種々の省略、置き換え、変更を行うことができる。これら実施形態やその変形は、発明の範囲や要旨に含まれるとともに、特許請求の範囲に記載された発明とその均等の範囲に含まれる。
100・・・拡張現実装置、101・・・ユーザ位置検出部、102・・・地図データベース(DB)、103・・・中心施設推定部、104・・・対象施設検索部、105・・・ユーザプロフィールデータベース(DB)、106・・・関心データベース(DB)、107・・・関心特徴生成部、108・・・対象施設特徴生成部、109・・・推奨施設選択部、110・・・表示データ合成部、111・・・表示部、150・・・カメラ、ユーザID・・・201、202・・・プロフィール情報、203・・・性別、204・・・年齢、205・・・関連ユーザ、206・・・興味、301・・・興味ID、302・・・興味項目名、303・・・第1特徴キーワード、401・・・第1特徴キーワードID、402・・・キーワード名、501・・・携帯端末、502・・・タワー、503・・・ホテル、504・・・イタリアンレストランA、505・・・イタリアンレストランB、506・・・中華レストラン、507・・・寺院、511・・・画角、512・・・一定範囲、513・・・辺、701・・・施設情報、801・・・推奨施設情報。
Claims (15)
- ユーザの位置情報と該ユーザが使用するカメラのレンズが向けられる方向とに基づいて、該カメラにより撮像される画像の中心に位置する中心施設を地図情報から推定する推定部と、
前記中心施設から第1距離範囲内かつ前記カメラの画角内に存在する1以上の施設を前記地図情報から検索し、該施設を1以上の対象施設として得る対象施設検索部と、
前記ユーザが興味を示す興味項目と、当該興味項目の特徴を表現するキーワードである第1特徴キーワードとに基づいて第1特徴量を生成する第1特徴生成部と、
前記対象施設の特徴を表現するキーワードである第2特徴キーワードと、前記対象施設に関連する情報とに基づいて第2特徴量を生成する第2特徴生成部と、
前記第1特徴量および前記第2特徴量を用いて算出された前記対象施設と前記ユーザとの関連度が第1閾値以上である対象施設の情報を、推奨施設情報として選択する推奨施設選択部と、を具備することを特徴とする拡張現実装置。 - 前記推奨施設選択部は、少なくとも、前記第1特徴量と前記第2特徴量との類似度と、前記中心施設から前記対象施設までの距離が遠くなるほど小さい値となる重み付けとに基づいて、前記関連度を算出することを特徴とする請求項1に記載の拡張現実装置。
- 前記興味項目は、前記ユーザのプロフィール情報に含まれることを特徴とする請求項1または請求項2に記載の拡張現実装置。
- ユーザごとに、該ユーザと関係を有する1以上の関連ユーザをそれぞれ対応づけて格納する格納部をさらに具備し、
前記第1特徴生成部は、前記ユーザおよび前記関連ユーザの興味項目に応じた第1特徴量を生成することを特徴とする請求項1から請求項3のいずれか1項に記載の拡張現実装置。 - 前記第1特徴生成部は、前記第1特徴キーワードに対する1以上の第1値のそれぞれを成分とする、前記ユーザに関する1以上の第1興味項目に対応する第1ベクトルを生成し、関連ユーザに関する1以上の第2興味項目に対応する第2ベクトルを前記関連ユーザごとに生成し、前記ユーザと各関連ユーザとの間の関係に応じた第1重み値を前記第2ベクトルのそれぞれに乗じた複数の第3ベクトルと、前記第1ベクトルとの和を前記第1特徴量として生成することを特徴とする請求項4に記載の拡張現実装置。
- 前記第1特徴生成部は、前記ユーザと前記関連ユーザとの関係性が高いほど前記第1重み値を大きく設定することを特徴とする請求項5に記載の拡張現実装置。
- 前記第1特徴生成部は、前記ユーザと前記関連ユーザとの関係性が低いほど前記第1重み値を小さく設定することを特徴とする請求項5に記載の拡張現実装置。
- 前記第1特徴生成部は、前記ユーザと前記関連ユーザとの関係を表すソーシャルグラフでの、該ユーザと該関連ユーザとの距離が第2閾値以内である関連ユーザのみを前記第1特徴量の生成に用いることを特徴とする請求項4から請求項7のいずれか1項に記載の拡張現実装置。
- 前記第2特徴生成部は、前記対象施設ごとに、該対象施設の名称を検索ワードとして該対象施設に関する情報を含むコンテンツを検索し、検索結果のコンテンツに出現する前記第2特徴キーワードごとの出現頻度に基づいて第2値を生成し、該第2値を成分とする第4ベクトルを複数のコンテンツでそれぞれ生成し、複数の該第4ベクトルのそれぞれに第2重み値を乗じた和を前記第2特徴量として生成することを特徴とする請求項1から請求項8のいずれか1項に記載の拡張現実装置。
- 前記推奨施設選択部は、前記対象施設の評価が高いほど前記関連度が高くなるように重み付けることを特徴とする請求項1から請求項9のいずれか1項に記載の拡張現実装置。
- ユーザの位置情報と該ユーザが使用するカメラのレンズが向けられる方向とに基づいて、該カメラにより撮像される画像の中心に位置する中心施設を地図情報から推定する推定部と、
前記中心施設から第1距離範囲内かつ前記カメラの画角内に存在する1以上の施設を前記地図情報から検索し、該施設を1以上の対象施設として得る対象施設検索部と、
前記ユーザが興味を示す興味項目と当該興味項目の特徴を表現するキーワードである第1特徴キーワードとに基づいて、前記ユーザと前記対象施設の評価を行なったユーザを示す関連ユーザに関する第1特徴量を生成する第1特徴生成部と、
前記対象施設の特徴を表現するキーワードである第2特徴キーワードと、前記対象施設に関連する情報とに基づいて第2特徴量を生成する第2特徴生成部と、
前記第1特徴量および前記第2特徴量を用いて算出された前記対象施設と前記ユーザとの関連度が第1閾値以上である対象施設の情報を、推奨施設情報として選択する推奨施設選択部と、を具備することを特徴とする拡張現実装置。 - 前記第1特徴生成部は、前記関連ユーザのうち、所定の条件を満たす関連ユーザのみに基づいて前記第1特徴量を生成することを特徴とする請求項11に記載の拡張現実装置。
- 前記推奨施設情報と前記カメラの画像データとを合成するデータ合成部と、
合成された画像データを表示する表示部と、をさらに具備することを特徴とする請求項1から請求項12のいずれか1項に記載の拡張現実装置。 - 推定手段が、ユーザの位置情報と該ユーザが使用するカメラのレンズが向けられる方向とに基づいて、該カメラにより撮像される画像の中心に位置する中心施設を地図情報から推定し、
検索手段が、前記中心施設から第1距離範囲内かつ前記カメラの画角内に存在する1以上の施設を前記地図情報から検索し、該施設を1以上の対象施設として得、
第1特徴生成手段が、前記ユーザが興味を示す興味項目と、当該興味項目の特徴を表現するキーワードである第1特徴キーワードとに基づいて第1特徴量を生成し、
第2特徴生成手段が、前記対象施設の特徴を表現するキーワードである第2特徴キーワードと、前記対象施設に関連する情報とに基づいて第2特徴量を生成し、
推奨施設選択手段が、前記第1特徴量および前記第2特徴量を用いて算出された前記対象施設と前記ユーザとの関連度が第1閾値以上である対象施設の情報を、推奨施設情報として選択することを具備することを特徴とする拡張現実方法。 - コンピュータを、
ユーザの位置情報と該ユーザが使用するカメラのレンズが向けられる方向とに基づいて、該カメラにより撮像される画像の中心に位置する中心施設を地図情報から推定する推定手段と、
前記中心施設から第1距離範囲内かつ前記カメラの画角内に存在する1以上の施設を前記地図情報から検索し、該施設を1以上の対象施設として得る対象施設検索手段と、
前記ユーザが興味を示す興味項目と、当該興味項目の特徴を表現するキーワードである第1特徴キーワードとに基づいて第1特徴量を生成する第1特徴生成手段と、
前記対象施設の特徴を表現するキーワードである第2特徴キーワードと、前記対象施設に関連する情報とに基づいて第2特徴量を生成する第2特徴生成手段と、
前記第1特徴量および前記第2特徴量を用いて算出された前記対象施設と前記ユーザとの関連度が第1閾値以上である対象施設の情報を、推奨施設情報として選択する推奨施設選択手段として機能させるための拡張現実プログラム。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2015191678A JP2015232913A (ja) | 2015-09-29 | 2015-09-29 | 拡張現実装置、方法、及びプログラム |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2015191678A JP2015232913A (ja) | 2015-09-29 | 2015-09-29 | 拡張現実装置、方法、及びプログラム |
Related Parent Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2012008881A Division JP2013149073A (ja) | 2012-01-19 | 2012-01-19 | 拡張現実装置、方法、及びプログラム |
Publications (1)
Publication Number | Publication Date |
---|---|
JP2015232913A true JP2015232913A (ja) | 2015-12-24 |
Family
ID=54934269
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2015191678A Abandoned JP2015232913A (ja) | 2015-09-29 | 2015-09-29 | 拡張現実装置、方法、及びプログラム |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP2015232913A (ja) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2019191683A (ja) * | 2018-04-19 | 2019-10-31 | アルパイン株式会社 | 検索装置、検索システム、プログラム |
JP2020071530A (ja) * | 2018-10-29 | 2020-05-07 | 日本電気株式会社 | 情報処理装置、分析方法、及びプログラム |
-
2015
- 2015-09-29 JP JP2015191678A patent/JP2015232913A/ja not_active Abandoned
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2019191683A (ja) * | 2018-04-19 | 2019-10-31 | アルパイン株式会社 | 検索装置、検索システム、プログラム |
JP7058914B2 (ja) | 2018-04-19 | 2022-04-25 | アルパイン株式会社 | 検索装置、検索システム、プログラム |
JP2020071530A (ja) * | 2018-10-29 | 2020-05-07 | 日本電気株式会社 | 情報処理装置、分析方法、及びプログラム |
JP7206806B2 (ja) | 2018-10-29 | 2023-01-18 | 日本電気株式会社 | 情報処理装置、分析方法、及びプログラム |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP2013149073A (ja) | 拡張現実装置、方法、及びプログラム | |
US11483268B2 (en) | Content navigation with automated curation | |
JP5827445B2 (ja) | 拡張現実インタラクションを実現する方法およびシステム | |
CN108701143B (zh) | 促进图像在搜索查询中的使用 | |
US20080270378A1 (en) | Method, Apparatus and Computer Program Product for Determining Relevance and/or Ambiguity in a Search System | |
US20210383455A1 (en) | System and method for recommending entities based on interest indicators | |
EP4057163B1 (en) | Facilitating use of images as search queries | |
CN105874452B (zh) | 从社交摘要中标记兴趣点 | |
US11709881B2 (en) | Visual menu | |
KR20190031001A (ko) | 사용자 선호 음식점 추천 방법 및 컴퓨터 프로그램 | |
KR20160133304A (ko) | 사용자 리뷰 제공 방법, 장치 및 컴퓨터 프로그램 | |
JP2017182628A (ja) | 拡張現実ユーザインタフェース適用装置および制御方法 | |
US20130304370A1 (en) | Method and apparatus to provide location information | |
JP2015232913A (ja) | 拡張現実装置、方法、及びプログラム | |
US20180006992A1 (en) | Content posting method and apparatus | |
JP2011165092A (ja) | 文書画像関連情報提供装置、及び文書画像関連情報取得システム | |
JP6167022B2 (ja) | 地図情報提供装置、ユーザ端末、及び地図情報提供方法 | |
JP7090779B2 (ja) | 情報処理装置、情報処理方法及び情報処理システム | |
JP2010181975A (ja) | 情報提供装置、情報提供方法、情報提供プログラムおよび記録媒体 | |
KR20190011185A (ko) | 예약어 시각화 방법 및 장치 | |
JP2009140148A (ja) | 情報提示装置、情報提示システム、情報提示方法およびプログラム | |
JP2013037515A (ja) | 情報処理装置、情報処理方法、プログラム、及び情報処理システム | |
JP2013037516A (ja) | 情報処理装置、情報処理方法、プログラム、及び情報処理システム |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20150929 |
|
A762 | Written abandonment of application |
Free format text: JAPANESE INTERMEDIATE CODE: A762 Effective date: 20160307 |