JP2017049750A - 情報提供装置、端末装置、情報提供方法、プログラム - Google Patents

Abstract

【課題】グループ内のユーザの影響力を考慮した情報を示す技術を提供する。【解決手段】グループ形成部４０は、ユーザまたは端末装置である主体の位置情報を取得し、複数の主体に係る位置情報の時系列データに基づいて、複数の主体を含んだグループを形成する。ポイント算出部４２は、位置情報の時系列データに基づいて、グループ形成部４０において形成したグループに含まれた複数の主体のそれぞれに対して、グループ内の主体の影響力が高いとされる所定の行動パターンに合致する度合いを示す特徴行動量を算出し、特徴行動量に基づいて、各主体に対するポイントを算出する。アイテム選択部２６は、ポイント算出部４２において算出したポイントが高い主体を優先するように、グループに対して提示すべきアイテムを選択する。【選択図】図２

Description

本発明は、情報提供技術に関し、特にユーザグループに係る情報を提供する情報提供装置、端末装置、情報提供方法、プログラムに関する。

ユーザが保持する端末装置の位置情報を検出し、その位置情報に応じて適切な情報を端末装置に提供するシステムが存在する。例えば、移動端末の現在位置がユーザの生活地域であるか否かが判定され、それに応じて地域のおすすめ情報が提供される（例えば、特許文献１参照）。また、複数の携帯端末装置の位置情報が検出され、位置情報が所定の時間間隔にわたり共通する携帯端末同士がグループ化され、当該グループに最適な情報が提供される（例えば、特許文献２参照）。

特開２００９−２１０４００号公報 特開２００４−３２０２１７号公報

特許文献２に記載された技術は、端末装置の位置情報に基づき端末装置（ユーザ）をグループ化してから、グループ内の端末装置（ユーザ）に共通する嗜好情報を抽出するとともに、それに合致する情報を各端末装置に提供する。つまり、グループ内のユーザの嗜好・興味の共通部分に合致する情報が提供される。しかしながら、実際のグループにおける意思決定は、各ユーザの嗜好・興味の共通部分に基づいて行われるとは限らない。グループのリーダー格ともいえる特定のユーザの嗜好・興味に基づき、グループの意思決定がなされる場合も少なくない。例えば、５人のユーザで入店する飲食店を決める場合、料理に関する５人の嗜好の共通部分に基づき店を決めるのではなく、特定のユーザの嗜好で決めることも多い。

どのユーザの影響力が大きいかは、ケースバイケースであるが、例えば、グループ内で最も年齢の高い人、最も料理に関する知識が多い人、最も経済的に恵まれている人などがリーダー格になる場合がある。また、グループ内で強い影響力を持つのは１人とは限らず、複数の人が強い影響力を持つ場合もある。このように、現実のグループにおいては、意思決定に関する各ユーザの影響力は均等ではなく、特定のユーザに偏っていることが多い。しかしながら、これまで、このようなグループ内のユーザ間の力関係（影響力）を十分考慮していないため、グループに対して有用な情報を高い精度で提供することが困難であった。

本発明はこうした状況に鑑みてなされたものであり、その目的は、グループ内のユーザの影響力を考慮した情報を提供する技術を提供することである。

上記課題を解決するために、本発明のある態様の情報提供装置は、ユーザまたは端末装置である主体の位置情報を取得し、複数の主体に係る位置情報の時系列データに基づいて、複数の主体を含んだグループを形成するグループ形成部と、位置情報の時系列データに基づいて、グループ形成部において形成したグループに含まれた複数の主体のそれぞれに対して、グループ内の主体の影響力が高いとされる所定の行動パターンに合致する度合いを示す特徴行動量を算出し、特徴行動量に基づいて、各主体に対するポイントを算出するポイント算出部と、ポイント算出部において算出したポイントが高い主体を優先するように、グループに対して提示すべきアイテムを選択するアイテム選択部と、を備える。

本発明の別の態様は、端末装置である。この装置は、ユーザまたは端末装置である主体の位置情報を取得する取得部と、取得部において取得した位置情報の時系列データを情報提供装置に送信する送信部と、送信部において位置情報の時系列データを送信した情報提供装置において選択されたアイテムに関する情報を情報提供装置から受信する受信部と、受信部において受信したアイテムに関する情報を表示する表示部とを備える。受信部において受信したアイテムに関する情報は、情報提供装置において、（１）複数の主体に係る位置情報の時系列データに基づいて、複数の主体を含んだグループを形成し、（２）位置情報の時系列データに基づいて、形成したグループに含まれた複数の主体のそれぞれに対して、グループ内の主体の影響力が高いとされる所定の行動パターンに合致する度合いを示す特徴行動量を算出し、特徴行動量に基づいて、各主体に対するポイントを算出し、（３）算出したポイントが高い主体を優先するように、グループに対して提示すべきアイテムを選択することによって生成された情報である。

本発明のさらに別の態様は、情報提供方法である。この方法は、ユーザまたは端末装置である主体の位置情報を取得し、複数の主体に係る位置情報の時系列データに基づいて、複数の主体を含んだグループを形成するステップと、位置情報の時系列データに基づいて、形成したグループに含まれた複数の主体のそれぞれに対して、グループ内の主体の影響力が高いとされる所定の行動パターンに合致する度合いを示す特徴行動量を算出し、特徴行動量に基づいて、各主体に対するポイントを算出するステップと、算出したポイントが高い主体を優先するように、グループに対して提示すべきアイテムを選択するステップと、を備える。

なお、以上の構成要素の任意の組合せ、本発明の表現を方法、装置、システム、記録媒体、コンピュータプログラムなどの間で変換したものもまた、本発明の態様として有効である。

本発明によれば、グループ内のユーザの影響力を考慮した情報を提供できる。

本発明の実施例１に係る情報提供システムの構成を示す図である。 図１の情報提供装置の構成を示す図である。 図２の情報提供装置による情報提供手順を示すフローチャートである。 図２の位置情報管理部に記憶されたデータベースのデータ構造を示す図である。 図２のグループ形成部に記憶されたデータ構造を示す図である。 図２のグループ情報処理部に記憶されたデータベースのデータ構造を示す図である。 図２の情報提供装置によるリーダーポイントの更新手順を示すフローチャートである。 図２のポイント算出部における処理の概要を示す図である。 図９（ａ）−（ｂ）は、図２のポイント算出部における別の処理の概要を示す図である。 図２のユーザ情報格納部に記憶されたデータベースのデータ構造を示す図である。 図２の提供情報格納部に記憶されたデータベースのデータ構造を示す図である。 図２の送信部から送信される情報のデータ構造を示す図である。 図１の端末装置の構成を示す図である。 図１３の表示部５２に表示される画面を示す図である。 本発明の実施例２に係る情報提供装置の構成を示す図である。 図１５のユーザ情報格納部に記憶されたデータベースのデータ構造を示す図である。 図１５のユーザ情報格納部に記憶された別のデータベースのデータ構造を示す図である。 本発明の実施例３に係るユーザ情報格納部に記憶された別のデータベースのデータ構造を示す図である。 本発明の実施例５に係る情報提供装置の構成を示す図である。 本発明の実施例５に係る表示部に表示される画面を示す図である。 本発明の実施例５に係る表示部に表示される別の画面を示す図である。 本発明の実施例５に係る表示部に表示される別の画面を示す図である。 本発明の実施例５に係るポイント格納部に記憶されたデータベースのデータ構造を示す図である。 本発明の実施例５に係る表示部に表示される別の画面を示す図である。 本発明の実施例５に係る表示部に表示される別の画面を示す図である。 本発明の実施例５に係る表示部に表示される別の画面を示す図である。 本発明の実施例５に係るグループ情報処理部に記憶されたデータベースのデータ構造を示す図である。 本発明の実施例６に係るグループ情報処理部に記憶されたデータベースのデータ構造を示す図である。 本発明の実施例６に係る情報提供装置によるリーダーポイントの補正手順を示すフローチャートである。

（実施例１）
本発明を具体的に説明する前に、まず概要を述べる。本発明の実施例１は、複数の端末装置と、それらに接続可能な情報提供装置とを含む情報提供システムに関する。複数の端末装置のそれぞれを所持したユーザがともに行動することによってグループが形成される。グループにおいて意志決定を行う際、例えば、食事のために入店する飲食店を決定する際、グループにおける影響力が大きいユーザの嗜好が反映される場合がある。そのため、本実施例に係る情報提供装置は、複数の端末装置の位置情報を使用してグループを形成するとともに、グループ内の各ユーザの影響力を推定する。さらに、情報提供装置は、推定した影響力に基づき、グループに最適な情報を提供する。このようにして、グループに対して、位置情報に基づく情報が十分な精度で提供される。

次に、本実施例で提供される情報について説明する。情報提供装置は、グループに対してアイテムに関する情報を提供する。「アイテム」とは、ユーザによって利用される対象物全般を指す用語であり、例えば、店舗、商品、サービス、Ｗｅｂページ、デジタルコンテンツなどである。本実施例において、アイテムは、飲食店等の店舗である。すなわち、本実施例において、情報提供装置は、グループに対して飲食店等の店舗に関する情報を提供する。情報提供装置は、グループからの情報提供リクエストに応じて、アイテムに関する情報を提供してもよいし、情報提供リクエストの有無に関わらず、適当なタイミングでグループに対して情報を提供してもよい。以上が概要の説明である。

図１は、本発明の実施例１に係る情報提供システム１００の構成を示す。情報提供システム１００は、情報提供装置１０、ネットワーク１２、基地局装置１４、端末装置１６と総称される第１端末装置１６ａ、第２端末装置１６ｂ、第３端末装置１６ｃ、第Ｎ端末装置１６ｎを含む。

端末装置１６は、無線通信システムに対応し、後述の基地局装置１４に接続する。無線通信システムの一例は、携帯電話システム、無線ＬＡＮ（Ｌｏｃａｌ Ａｒｅａ Ｎｅｔｗｏｒｋ）システム、業務用無線システム等であるが、これらに限定されない。端末装置１６は、携帯電話、スマートフォン、タブレット端末、ノートＰＣ（Ｐｅｒｓｏｎａｌ Ｃｏｍｐｕｔｅｒ）、無線機等であり、ユーザが容易に持ち運び可能に構成される。端末装置１６は、ＧＰＳ（Ｇｌｏｂａｌ Ｐｏｓｉｔｉｏｎｉｎｇ Ｓｙｓｔｅｍ）、無線ＬＡＮ等による位置情報（緯度、経度など）の取得機能を有する。

基地局装置１４は、一端側において、端末装置１６と同一の無線通信システムに対応し、端末装置１６を接続可能である。また、基地局装置１４は、他端側において、ネットワーク１２を接続する。ネットワーク１２は、基地局装置１４に接続される。ネットワーク１２は、任意のものでよく、例えば、有線ネットワークでもよく、無線ネットワークでもよく、それらの組合せであってもよい。

情報提供装置１０は、ネットワーク１２に接続される。このような構成によって、端末装置１６は、基地局装置１４、ネットワーク１２を介して情報提供装置１０と通信可能である。そのため、端末装置１６は、基地局装置１４、ネットワーク１２を介して情報提供装置１０に、取得した位置情報を送信する。情報提供装置１０は、受信した位置情報をもとに、端末装置１６（ユーザ）のグループを形成し、当該グループに適した情報を選択する。情報提供装置１０は、ネットワーク１２、基地局装置１４を介して端末装置１６に情報を送信する。情報提供装置１０における処理は後述するが、以下では、ユーザまたは／および端末装置１６を意味する「主体」という用語と、ユーザＩＤまたは／および端末ＩＤを意味する「主体識別子」という用語を用いる場合がある。

図２は、情報提供装置１０の構成を示す。情報提供装置１０は、受信部２０、位置情報管理部２２、グループ情報処理部２４、アイテム選択部２６、ユーザ情報格納部２８、提供情報格納部３０、送信部３２、制御部３４を含む。グループ情報処理部２４は、グループ形成部４０、ポイント算出部４２を含む。

この構成は、ハードウエア的には、任意のコンピュータのＣＰＵ、メモリ、その他のＬＳＩで実現でき、ソフトウエア的にはメモリにロードされたプログラムなどによって実現されるが、ここではそれらの連携によって実現される機能ブロックを描いている。したがって、これらの機能ブロックがハードウエアのみ、ソフトウエアのみ、またはそれらの組合せによっていろいろな形で実現できることは、当業者には理解されるところである。例えば、情報提供装置１０を構成する各部の機能を複数のコンピュータに分担させた分散処理システムを構築してもよい。その場合、グループ情報処理部２４を第１のコンピュータに担当させ、アイテム選択部２６を第２のコンピュータに担当させる等、機能毎に異なるコンピュータを対応させた分散処理を行ってもよいし、各々のコンピュータが情報提供装置１０の全ての処理部を持つように構成してもよい。

以上の構成による情報提供システム１００の動作を説明する。図３は、情報提供装置１０による情報提供手順を示すフローチャートである。処理の概要を簡単に述べると、まず、グループ形成部４０が、グループを形成する（Ｓ１００）。次に、ポイント算出部４２が、リーダーポイントを算出し（Ｓ１１０）、リーダーポイントを正規化する（Ｓ１２０）。次に、アイテム選択部２６が、グループのアイテム属性対する嗜好度を算出し（Ｓ１３０）、アイテム（店舗）の推薦度（推薦スコア）を算出する（Ｓ１４０）。そして、アイテム選択部２６が、推薦度の高い順にアイテム（店舗）を選ぶ（Ｓ１５０）。各々のステップの詳細については、図２に示す各部の説明と合わせて、以下で述べる。

受信部２０は、基地局装置１４、ネットワーク１２を介して各端末装置１６からの位置情報、端末ＩＤ、日時情報を定期的に受信する。受信部２０は、位置情報、端末ＩＤ、日時情報を位置情報管理部２２に出力する。位置情報管理部２２は、受信部２０からの位置情報、端末ＩＤ、日時情報を入力する。位置情報管理部２２は、各端末装置１６に対する位置情報、端末ＩＤ、日時情報を関連付けて格納する。なお、受信部２０が端末装置１６からの日時情報を受信せず、位置情報管理部２２が、位置情報、端末ＩＤを取得した日時に基づいて日時情報を生成するように構成してもよい。図４は、位置情報管理部２２に記憶されたデータベースのデータ構造を示す。複数の端末ＩＤのそれぞれに対して、さまざまな日時情報に対応した位置情報が格納される。これは、複数の主体に係る位置情報の時系列データが格納されていることに相当する。前述のごとく、主体は、ユーザまたは端末装置１６を示す。なお、位置情報は、少なくとも緯度、経度の情報を含むが、それ以外に高度、移動方向、加速度などの情報を含んでもよい。

次に、図３のフローチャートを用いて、各部の処理について説明する。ステップＳ１００において、グループ形成部４０は、位置情報管理部２２に格納された複数の主体に係る位置情報の時系列データに基づいて、複数の主体を含んだグループを形成する。グループは、一緒に行動（移動）していると推定される主体をまとめることに相当する。つまり、グループ形成部４０は、どの端末装置１６がグループに属するかを判定し、グループを形成する。具体的に説明すると、グループ形成部４０は、位置情報管理部２２に格納されたデータを使用して、所定時間以上、所定の距離以内に複数の端末装置１６が存在するか否かを判定し、存在する場合に、それらの端末装置１６を１つのグループと判定する。所定時間は、例えば、１〜１０分間に設定される。また、所定の距離は、例えば、１〜５０ｍに設定される。

ここで、位置情報管理部２２に記録された日時が、端末ＩＤ毎に多少異なる場合は、端末ＩＤ同士の日時の差に応じて、緯度、経度を補正することが望ましい。例えば、端末ＩＤが「Ａ」である第１端末装置１６ａの日時が「２０１５／０３／２０ １０：１１：２５」であり、端末ＩＤが「Ｂ」である第２端末装置１６ｂに対応する同じ日時の位置情報が存在しない場合、第２端末装置１６ｂの位置情報の中から、「２０１５／０３／２０ １０：１１：２５」に隣接する日時の２つの位置情報が抽出される。その２つの位置情報が、例えば、「２０１５／０３／２０ １０：１１：００」と「２０１５／０３／２０ １０：１１：２６」である場合、２つの位置情報を補間して、第２端末装置１６ｂの「２０１５／０３／２０ １０：１１：２５」の緯度、経度が算出される。この例では、「２０１５／０３／２０ １０：１１：００」における位置と、「２０１５／０３／２０ １０：１１：２６」における位置を２５：１に内分する位置が算出される。なお、位置情報の補間は、このような線形補間に限らず、３個以上の位置情報を用いた非線形の補間処理を行ってもよい。

ここでは、グループ形成部４０におけるグループ判定を行う一手法について、図５を使用して説明する。図５は、グループ形成部４０に記憶されたデータ構造を示す。これは、ある時間帯（例えば、２０１５／１／１ １０：００〜１０：０３）において、所定範囲のエリア内に存在する第１端末装置１６ａから第８端末装置１６ｈと、それぞれの端末間の平均距離（ｍ）を示す。なお、第１端末装置１６ａの端末ＩＤが「Ａ」と示され、第２端末装置１６ｂの端末ＩＤが「Ｂ」と示され、第３端末装置１６ｃの端末ＩＤが「Ｃ」と示され、第４端末装置１６ｄの端末ＩＤが「Ｄ」と示される。同様に、第８端末装置１６ｈの端末ＩＤが「Ｈ」と示される。平均距離は、所定の長さの期間（例えば３分間）において、所定の時間間隔（例えば、１秒毎）に、あるエリア内に存在する任意の２台の端末装置１６の距離を算出し、それらの平均を算出した値である。

グループ形成部４０は、このデータに対して、端末間の平均距離が１０ｍ（第１のしきい値）以下である場合にグループと判定するルールを適用する。その結果、第１端末装置１６ａから第５端末装置１６ｅが第１グループになり、第６端末装置１６ｆと第７端末装置１６ｇが第２グループになり、第８端末装置１６ｈが第３グループになる。なお、グループ形成部４０は、１つのグループを形成する端末台数の最小値を設定し、その台数に満たない場合に、グループを形成しなくてもよい。例えば、最低３台以上の端末装置１６という条件を適用すると、図５に示すデータ例では、第１グループのみが形成される。また、グループ形成部４０は、１つのグループを形成する端末台数の最大値を設定してもよい。また、グループ形成部４０は、所定期間における端末間の距離の平均値の代わりに、距離の最大値を算出し、これを用いてグループを形成してもよい。また、グループ形成部４０は、端末間の距離の変動の大きさを示す分散や標準偏差を算出し、これを用いてグループを形成してもよい。

例えば、グループ形成部４０は、所定期間における端末間の距離の平均値が第１のしきい値以下であり、かつ端末間の距離の標準偏差が第３のしきい値以下である場合に、グループと判定してもよい。標準偏差を用いることにより、グループ行動していない端末装置１６をグループとして誤認識する確率が低減される。また、グループ形成部４０は、１つのグループを形成する候補の端末台数がある程度多い場合、グループ候補の端末間の距離が第１のしきい値を超えていても、第１のしきい値を超える距離の個数が所定数以下であり、かつ距離の最大値が第２のしきい値以下であれば、１つのグループとする等の処理を実行してもよい。

例えば、グループ判定処理において、あるグループの候補となる端末装置１６が所定数（例えば７台）以上の場合に次のような処理を行う。ここでは、あるグループの候補となる端末装置１６が１０台あり、その中のある１台の端末装置１６（以下、「判定対象端末」という）と、その他の９台の端末装置１６との距離の最大値が１８ｍ、２番目に大きい距離が１０ｍであり、その他の９台の端末装置１６同士の距離の最大値は９ｍであるとする。この場合、グループ判定の第１のしきい値（例えば１０ｍ）を超えた距離の個数は１つであり、この個数が所定数（例えば２個）以下であり、かつ距離の最大値（１８ｍ）が第２のしきい値（例えば２０ｍ）以下であるので、グループ形成部４０は、判定対象端末もグループに属すると判定する。なお、グループ判定処理は、上述の方法に限定される訳ではなく、例えば、グループ形成部４０は、端末間の距離に公知のクラスター分析の各種手法を適用し、形成されたクラスターをグループに対応させる等の処理を用いて行ってもよい。

グループ形成部４０は、１つのグループを形成する毎に新たなグループＩＤを生成し、図６に示すデータベースとして、グループ情報処理部２４内の記憶部に記憶する。図６は、グループ情報処理部２４に記憶されたデータベースのデータ構造を示す。データベースは、グループＩＤと、端末ＩＤ（ユーザＩＤ）と、リーダーポイント（Ｒｐ）とを関連付けており、グループ情報テーブルとも呼ばれる。リーダーポイントとは、グループ内のユーザの行動に基づいて、グループ内のユーザの影響力を推定した数値である。この数値が大きいほど、そのユーザ（端末装置１６）の影響力が大きいことを示す。なお、図６には示していないが、さらにグループが形成された日時（グループ開始日時）をデータベースに記録してもよい。またさらに、グループが解消された日時（グループ終了日時）をデータベースに記録してもよい。例えば、グループＩＤと、端末ＩＤ（ユーザＩＤ）と、リーダーポイント（Ｒｐ）と、グループ開始日時と、グループ終了日時とを関連付けて、グループ情報テーブルとして格納してもよい。

図６は、グループＩＤ「Ｇ１」のグループと、グループＩＤ「Ｇ２」のグループが形成された状態を示す。本図に示す例は、「Ｇ１」が形成されて解消された後、「Ｇ２」が形成されている状態を示す。グループＩＤ「Ｇ１」のグループは、第１端末装置１６ａ、第２端末装置１６ｂ、第３端末装置１６ｃで構成されている。各々のリーダーポイントは、「２０」、「５０」、「３０」となっている。リーダーポイント算出方法については後述する。グループＩＤ「Ｇ２」のグループは、第１端末装置１６ａ、第３端末装置１６ｃ、第６端末装置１６ｆ、第７端末装置１６ｇで構成されており、グループが形成された初期状態である。このように、グループが形成された初期状態では、各ユーザのリーダーポイントは「０」となっている。なお、グループ情報テーブルに格納されたリーダーポイントは、１回のグループ行動が終了するまでの間、随時更新される。さらに、１回のグループ行動が終了した後は、更新されずに同じ値の状態で保存される。更新継続状態のリーダーポイントを表すために「テンポラリポイント」という用語を用いることもある。

ポイント算出部４２は、位置情報管理部２２に記憶した位置情報の時系列データを使用して、グループ内のユーザの意思決定における影響力を推定する。具体的には、ステップＳ１１０において、ポイント算出部４２は、各ユーザの影響力を表す指標として、影響力値(リーダーポイント)を算出する。つまり、ポイント算出部４２は、各端末ＩＤの位置情報の時系列データを解析し、グループに含まれた複数の主体のそれぞれに対して、グループ内の主体の影響力が高いとされる所定の行動パターンに合致する度合いを示す特徴行動量を算出する。さらに、ポイント算出部４２は、特徴行動量に基づいて、各主体に対するリーダーポイント（テンポラリポイント）を算出または更新する。以下では、図７のフローチャートを用いて、この処理を詳細に説明する。

ポイント算出部４２は、主体の位置によって定まる順位が高いほど、値が高くなるようなリーダーポイントを算出する。具体的には、ステップＳ２００において、ポイント算出部４２は、グループの移動方向を基準にして、グループの先頭から所定の順位（順番）に主体が位置することを第１の所定行動パターンとして規定し、主体が所定の順位に位置する回数を特徴行動量として算出する。典型的には、ポイント算出部４２は、ユーザの先行頻度をカウントする。先行頻度とは、グループの移動方向を基準にして、ユーザがグループの最も先頭に位置した回数である。

ステップＳ２００における処理の概要を図８を用いて説明する。本図に示す例では、第１端末装置１６ａ、第２端末装置１６ｂ、第３端末装置１６ｃが矢印の方向に移動している。ポイント算出部４２は、位置情報管理部２２に格納された端末ＩＤと緯度経度の情報から、例えば、最新から過去所定数分（例えば、１００回分）の緯度経度情報を比較することによって、グループ内で進行方向に対して先頭に位置するユーザを特定する。また、ポイント算出部４２は、先行位置にいる回数（先行頻度）を端末ＩＤ毎にカウントする。さらに、ポイント算出部４２は、先行頻度を用いて、ユーザの影響力を示す影響力値（リーダーポイント）を算出する。例えば、１００回測定された位置情報のうち、第３端末装置１６ｃ、第１端末装置１６ａ、第２端末装置１６ｂのそれぞれが先頭にいた回数が６０回、３０回、１０回であるとする。その場合、第３端末装置１６ｃ、第１端末装置１６ａ、第２端末装置１６ｂのそれぞれのリーダーポイントが「６０」、「３０」、「１０」とされる。あるいは、各端末装置１６の位置情報が所定時間毎（例えば５秒毎）に更新される場合、その更新タイミング毎に、グループの先頭に位置する端末装置１６を特定し、そのリーダーポイントを所定値（例えば「１」）ずつ増やす等の処理を行ってもよい。

このように、特徴行動量をそのままリーダーポイントとしてもよいし、特徴行動量に所定の係数を乗算した値などをリーダーポイントとしてもよい。このような処理は、人間がグループで移動する際に、グループの先頭を歩くユーザの影響力が最も大きい傾向にあるという知見に基づいている。特に、グループがある目的に合う適当な店舗を探しながら移動しているような場合は、そのような傾向がより顕著に表れると考えられる。リーダーポイントは、店舗や商品などのアイテムを探索・選択する際のグループユーザの影響力を示す指標といえる。ポイント算出部４２は、算出したリーダーポイント（先行頻度に係るリーダーポイント）をグループ情報テーブルのリーダーポイントに加算し、グループ情報テーブルを更新する。

なお、ポイント算出部４２は、ユーザが最も先頭に位置した場合に限定せずに、先頭から２番目、先頭から３番目等、所定の順位に位置した回数をカウントしてもよい。また、ポイント算出部４２は、先頭からの位置の順位が高いほど、大きな値となるように特徴行動量を算出してもよい。すなわち、ポイント算出部４２は、先頭からの位置の順位が高いほど、リーダーポイントを大きな値としてもよい。これは、先頭からの順位（順番）に応じて、値を変えたリーダーポイントを加算することに相当する。例えば、先頭から２番目に位置した場合は、最も先頭に位置した場合の５０％、先頭から３番目に位置した場合は、最も先頭に位置した場合の２０％などのリーダーポイントが加算される。

また、ポイント算出部４２は、グループに含まれた主体の数に応じて、リーダーポイント算出に用いる、先頭からの位置順位を決定してもよい。例えば、グループの人数が少ない場合（第１の所定数未満の場合）には、先頭から一番目の位置のみを考慮し、グループの人数が中程度である場合（第１の所定数以上、かつ第２の所定数未満の場合）には、先頭から二番目までの位置を考慮する。また、グループの人数が多い場合（第２の所定数以上の場合）には、先頭から三番目までの位置が考慮される。

ポイント算出部４２は、先行頻度ではなく、グループの先頭に位置して移動した距離を特徴行動量とし、その特徴行動量を用いてリーダーポイントを算出してもよい。例えば、所定時間内に、第１端末装置１６ａが先頭に位置した状態で５００ｍ移動し、第２端末装置１６ｂが先頭に位置した状態で３００ｍ移動し、第３端末装置１６ｃが先頭に位置した状態で１００ｍ移動したとする。その状況下において、メートル単位の移動距離を特徴行動量とすると、各々の特徴行動量は「５００」、「３００」、「１００」となる。ポイント算出部４２は、特徴行動量に「０．１」を乗じた値をリーダーポイントとし、各々のリーダーポイントを「５０」、「３０」、「１０」と算出してもよい。すなわち、ポイント算出部４２は、先頭に位置して移動した距離が長いほど、大きな値となるようにリーダーポイントを算出してもよい。

ポイント算出部４２は、各端末装置１６がグループの先頭に位置する時間の長さを特徴行動量とし、その特徴行動量を用いて、リーダーポイントを算出してもよい。例えば、１０分間（所定時間）に、第１端末装置１６ａが先頭に位置していた時間が２分間であり、第２端末装置１６ｂが先頭に位置していた時間が７分間であり、第３端末装置１６ｃが先頭に位置していた時間が１分間であるとする。その状況下において、分単位の時間を特徴量とすると、各々の特徴行動量は「２」、「７」、「１」となる。ポイント算出部４２は、特徴行動量に「１０」を乗じた値をリーダーポイントとし、各々のリーダーポイントを「２０」、「７０」、「１０」と算出してもよい。すなわち、ポイント算出部４２は、先頭に位置していた時間が長いほど、大きな値となるようにリーダーポイントを算出してもよい。さらに、ポイント算出部４２は、グループの先頭に位置する回数、時間、距離に関する特徴行動量を任意に組み合せてリーダーポイントを算出してもよい。

次にステップＳ２１０において、ポイント算出部４２は、１つのグループが複数に分割してから合流した場合に、合流後に移動する方向に分割時から主体が移動しているパターンを第２の所定行動パターンとして規定し、分割後の合流回数を特徴行動量として算出する。その際、ポイント算出部４２は、小グループ（ユーザ１人も含む）が、合流したか、合流されたかは、合流後のグループの移動方向を基準に判定する。つまり、ポイント算出部４２は、分割時から合流後と同じ方向に移動していた小グループを合流された側と判定し、合流された小グループのユーザのリーダーポイントを加算する。

ここでは、グループ化された複数の端末装置１６が別行動をとった後、再度グループが合流した場合に、合流されたグループで先行していた端末ＩＤは、グループへの影響力を持っていると考えられるので、ポイント算出部４２は、これにリーダーポイントを加算する。図９（ａ）−（ｂ）は、ポイント算出部４２における別の処理の概要を示す。図９（ａ）では、第１端末装置１６ａおよび第２端末装置１６ｂと、第３端末装置１６ｃが別々の方向に移動する。図９（ｂ）では、図９（ａ）に続いて、第１端末装置１６ａおよび第２端末装置１６ｂが、第３端末装置１６ｃに合流して、３つの端末装置１６が同じ方向に移動する。ポイント算出部４２は、このような行動パターンを検出した場合、合流１回につき、合流された端末装置１６（この例では第３端末装置１６ｃ）のリーダーポイントに所定値（例えば、「３０」）を加算する。

つまり、ポイント算出部４２は、合流行動に係るリーダーポイントをグループ情報テーブルのリーダーポイントに加算することによって、グループ情報テーブルを更新する。なお、合流された側の小グループが複数のユーザで構成されていた場合、ポイント算出部４２は、その全員を対象にしてリーダーポイントを加算してもよいし、先頭から所定の順位（例えば、１番目と２番目）に位置したユーザに限定して加算してもよい。また、ポイント算出部４２は、合流された側の小グループにおける先頭からの順位に応じて、加算するリーダーポイントを変えてもよい。例えば、ポイント算出部４２は、先頭のユーザに「３０」、先頭から２番目のユーザに「２０」、先頭から３番目のユーザに「１０」などのリーダーポイントを加算する。

ポイント算出部４２は、グループが複数に分割したときの小グループに含まれる主体の数に基づいて、リーダーポイントを算出してもよい。つまり、ポイント算出部４２は、別行動をとったユーザの人数（合流したユーザの人数）に応じて、合流行動に係るリーダーポイントの値を算出してもよい。具体的には、ポイント算出部４２は、別行動をとった人数が多いほど（合流した小グループの人数が多いほど）、大きな値となるように、合流行動に係るリーダーポイントの値を算出する。例えば、ポイント算出部４２は、２人が別行動をとった後に合流した場合は「２０」、３人が別行動をとった後に合流した場合は「３０」、４人が別行動をとった後に合流した場合は「４０」などのリーダーポイントを加算する。

ポイント算出部４２は、合流された側の人数に応じて、合流行動に係るリーダーポイントの値を算出してもよい。具体的には、ポイント算出部４２は、合流された側の人数が多いほど、小さな値となるリーダーポイントを算出し、合流された側のユーザそれぞれに加算する。例えば、ポイント算出部４２は、合流された側の人数が１人である場合は「５０」、２人である場合は、その２人にそれぞれ「３０」、３人である場合は、その３人それぞれ「１０」などのリーダーポイントを加算する。また、合流された側のユーザが複数いる場合は、ポイント算出部４２は、その中の先頭に位置するユーザに合流行動に係るリーダーポイントを加算してもよい。つまり、ポイント算出部４２は、合流された側の人数が多いほど、小さな値となるリーダーポイントを算出し、先頭に位置するユーザに合流行動に係るリーダーポイントを加算してもよい。例えば、ポイント算出部４２は、合流された側の人数が１人である場合は「５０」、２人である場合は、そのうちの先頭に位置する人に「４０」、３人である場合は、そのうちの先頭に位置する人に「３０」などのリーダーポイントを加算してもよい。

次にステップＳ２２０において、ポイント算出部４２は、主体が停止した場合に、当該停止に追従して他の主体も停止するパターンを第３の所定行動パターンとして規定し、移動停止の回数を特徴行動量として算出する。停止に追従した停止とは、ある端末装置１６（例えば、第１端末装置１６ａ）が移動を停止した直後に、他の端末装置１６（グループ内の第１端末装置１６ａ以外の端末装置１６）が移動を停止した状況である。この状況は、先に移動停止したユーザが、気になる店舗等を発見し、そこで足を止め、入店を検討している状況である可能性が高い。このため、ポイント算出部４２は、最初に移動を停止した端末装置１６のリーダーポイントに、他の端末装置１６の移動停止１回につき、所定値（「例えば、「２０」を加算する。

ポイント算出部４２は、当該停止に追従して停止した他の主体の数に基づいて、リーダーポイントを算出してもよい。具体的には、ポイント算出部４２は、後から停止した人数が多いほど、大きな値となるリーダーポイントを算出する。例えば、ポイント算出部４２は、２人が停止した場合に「２０」、３人が停止した場合に「３０」、４人が停止した場合には「４０」などのリーダーポイントを加算する。また、ポイント算出部４２は、後から停止したユーザと、停止せずに移動を継続したユーザが混在している場合は、後から停止したユーザの割合に応じて、停止行動に係るリーダーポイントを算出してもよい。例えば、ポイント算出部４２は、停止したユーザがＮｓ人、移動継続したユーザがＮｃ人である場合、Ｎｓ÷（Ｎｓ＋Ｎｃ）として、停止した人数の割合を算出する。さらに、ポイント算出部４２は、この割合が８０％以上である場合に「４０」、６０％以上〜８０％未満の場合に「３０」、４０％以上〜６０％未満の場合に「２０」、４０％未満の場合に「０」などのリーダーポイントを加算する。このようにポイント算出部４２は、停止した人数の割合が多いほど、大きな値となるリーダーポイントを算出してもよい。

ポイント算出部４２は、各端末装置１６の位置情報の時系列データが、第１の所定の行動パターンから第３の所定の行動パターンの少なくともいずれか１つに合致するか否かを判定する際に、確定的に判定する他に、確率的に判定してもよい。その場合、ポイント算出部４２は、位置情報の時系列データを入力とし、各々の端末装置１６の所定の行動パターンに対応する確率値を出力する確率モデルを使用する。

例えば、ステップＳ２００の第１の所定の行動パターンに対する処理において、ポイント算出部４２は、グループの先頭から２台の端末装置１６が、ほぼ横並びである場合、所定の期間（例えば、１分間）に第１端末装置１６ａが１位である確率を「０．７５」などと算出する。その際、ポイント算出部４２は、第２端末装置１６ｂが１位である確率を「０．２５」などと算出する。ほぼ横並びである場合とは、例えば、どちらが１位か明確でない場合、短時間の間にグループの１位と２位とが頻繁に入れ替わり状態が安定しない場合等である。

また、例えば、ステップＳ２２０の第３の所定の行動パターンに対する処理において、ポイント算出部４２は、第１端末装置１６ａが移動を停止し、他の端末装置１６が移動速度を大幅に落としたものの停止せずにゆっくり前進した場合、第３の所定の行動パターンに合致する確率を「０．２」などと算出する。ポイント算出部４２は、そのように算出した確率値をそのまま特徴行動量としてもよいし、確率値に所定の係数（例えば、１００倍）を乗算した値を特徴行動量としてもよい。

これまで説明したように、特徴行動量は、ある主体の位置情報の時系列データが、グループ内での主体の影響力が高いと判定される所定の行動パターンに合致する度合い（回数、時間、距離、確率）を示す指標といえる。さらに、リーダーポイントは、主体毎の特徴行動量の所定期間（例えば、グループ形成時点からグループ解消時点まで）における総和であるため、特徴行動量が多い（大きい）ほど、リーダーポイントは高く（大きく）なる性質をもっている。

図３のフローチャートの説明に戻る。ステップＳ１２０において、ポイント算出部４２は、各端末ＩＤのリーダーポイント（影響力値）を正規化する。例えば、グループ内ユーザが３人の場合、この３人のリーダーポイントの合計値が「１．０」あるいは「１００」になるように、各ユーザのリーダーポイントが正規化される。あるいは、グループ内メンバーのリーダーポイント最大値が所定値（例えば「１００」）になるように、正規化してもよい。正規化処理は、所定の時間間隔（例えば、１分間に１回）で、あるいはグループが所定距離（例えば、１００ｍ）移動する毎に、あるいはグループが所定時間（例えば、３０秒）以上移動を停止する毎に、実行される。また、情報提供装置１０が、グループの端末装置１６から、情報提供リクエストを受けたタイミングで、実行されてもよい。ポイント算出部４２は、処理対象のグループに属するユーザ（端末装置１６）の数をＮとして、端末ＩＤ＝ｉ（ｉ＝１〜Ｎ）のリーダーポイントをグループ情報テーブルから読み出し、それらの合計値を算出する。ポイント算出部４２は、リーダーポイントをその合計値で割った値を、正規化リーダーポイントとすればよい。ポイント算出部４２は、グループＩＤと、端末ＩＤと、算出した正規化リーダーポイントとを関連付けて、ポイント算出部４２内の記憶部に記憶する。図６に示すリーダーポイントを格納するデータベースとは別の領域に、正規化リーダーポイントを格納することにより、グループ行動が継続中であり、各端末装置１６のリーダーポイントの更新が継続されていても、任意のタイミングで正規化リーダーを算出し、情報提供処理を行うことができる。ただし、この正規化処理を省略し、以下の処理において正規化されていないリーダーポイントを用いることも可能である。以下では、処理対象のグループに属するユーザのリーダーポイントをＰ［ｉ］（ｉ＝１〜Ｎ）とする。以下の説明においては、Ｐ［ｉ］は正規化されているものとする。

アイテム選択部２６は、ポイント算出部４２において算出したリーダーポイントが高い主体を優先するように、グループに対して提示すべきアイテムを選択する。そのために、ステップＳ１３０において、アイテム選択部２６は、ポイント算出部４２において算出された各主体のリーダーポイントによって重み付けしながら、各主体に対応したユーザにおけるアイテム属性に対する嗜好度を加算することによって、グループのアイテム属性に対する嗜好度を導出する。ここで、アイテム属性とは、アイテムの性質を示す属性情報である。例えば、ある飲食店の性質を表す場合に、その店で提供する料理ジャンル、店舗規模（大型、中型、小型など）、立地のタイプ（繁華街、郊外など）、店舗雰囲気のタイプ（高級、庶民的、にぎやか、静かなど）などのアイテム属性を用いることができる。本実施例においては、アイテム属性として、料理ジャンルを用いるが、他のアイテム属性を用いた処理も可能である。また、１つのアイテム属性（例えば、和食）は、複数のアイテム（例えば、飲食店−１、飲食店−２、飲食店−３）に対応していることが一般的である。ステップＳ１３０の処理を具体的に説明すると、まずアイテム選択部２６は、ユーザ情報格納部２８から、グループ内の端末ＩＤ毎の料理ジャンルに対する好みを示す嗜好情報を取得する。

ユーザ情報格納部２８は、端末装置を識別する端末ＩＤ、またはユーザを識別するユーザＩＤ毎に、そのユーザの嗜好情報を格納する。図１０は、ユーザ情報格納部２８に記憶されたデータベース（ユーザ嗜好データベース）のデータ構造を示す。本実施例では、携帯電話／スマートフォンのように、１人のユーザが１台の端末装置１６を占有して使用する形態を想定しており、端末ＩＤとユーザＩＤは実質的に等しい。本実施例では、端末ＩＤ毎に、その端末装置１６を使用するユーザの嗜好情報を管理するが、端末ＩＤとユーザＩＤを併用して、１台の端末装置１６を複数のユーザで使用する形態に対応することも、もちろん可能である。図示のごとく、ユーザの料理ジャンルに対する嗜好情報（嗜好度）が示されており、数値（点数）は、各ジャンルの店舗を訪れた回数や、各ジャンルに対する好みの度合いが数値化されている。本図に示す例では、各々の端末ＩＤの嗜好度の合計が一定値になるように正規化されているが、これに限定される訳ではなく、正規化されていない嗜好度を用いてもよい。

アイテム選択部２６は、料理ジャンルの総数をＭとし、端末装置ｉ（端末ＩＤ＝ｉ）の料理ジャンルｊ（ｊ＝１〜Ｍ）に対する嗜好度をＦ［ｉ］［ｊ］とすると、グループの料理ジャンルｊに対する嗜好度Ａ［ｊ］は、次のように算出される。すなわち、リーダーポイントの大きいユーザの嗜好度がより強くグループの嗜好度に反映される。

アイテム選択部２６は、ステップＳ１３０で導出したグループにおけるアイテム属性に対する嗜好度（料理ジャンルに対する嗜好度）をもとに、アイテムを選択する。このために、ステップＳ１４０において、アイテム選択部２６は、グループに対して、各アイテム（店舗）の推薦度（推薦スコア）を算出する。その際、アイテム選択部２６は、提供情報格納部３０に記憶されたデータベースを参照する。提供情報格納部３０は、店舗を識別する店舗ＩＤと、店舗名と、店舗の提供する料理のジャンルと、店舗の位置情報（緯度、経度）と、住所と、連絡先（電話番号、メールアドレス等）と、店舗を紹介する説明文と、評価点とが関連付けられた情報を格納する。図１１は、提供情報格納部３０に記憶された店舗データベースのデータ構造を示す。評価点は、その店の評判の良さを数値化したものである。インターネット上の口コミサイトのように、多数のユーザの投票／投稿により作成されてもよいし、料理の専門家や評論家により点数付けされてもよい。図１１の例では、１００点満点の点数を用いている。また、１つの店が複数の料理ジャンルに対応していてもよい。例えば、ある店が「フレンチ」と「イタリアン」の両方に対応していてもよい。

具体的に説明すると、店舗データベースに登録された店（推薦候補となる店）の総数をＫとし、店ｋ（ｋ＝１〜Ｋ）の評価点をＲ［ｋ］として、アイテム選択部２６は、グループに対する店ｋの推薦度Ｓ［ｋ］（ｋ＝１〜Ｋ）を次のように算出する。ここで、δ（ｋ，ｊ）は、店ｋが料理ジャンルｊに対応している場合に「１」、対応していない場合に「０」を返す関数である。すなわち、式（１）および式（２）による処理は、グループを構成するメンバーそれぞれのアイテム属性に対する嗜好度を、リーダーポイントで重み付けしながら加算することにより、グループにおけるアイテム毎の推薦度を算出する処理であるといえる。なお、グループの現在位置に応じて、推薦度を算出する店を絞り込んだり、店の推薦度に、グループの現在位置と店との距離を反映させたりしてもよい。

そしてステップＳ１５０において、アイテム選択部２６は、店舗データベースに登録された店の中から、推薦度Ｓ［ｋ］（ｋ＝１〜Ｋ）の大きい順に所定数の店を選択する。あるいは、推薦度が所定値以上の店を選択してもよい。アイテム選択部２６において選択されたアイテムを「推薦アイテム」とも称する。このように、アイテム選択部２６は、ポイント算出部４２において算出したリーダーポイントに基づいて、アイテムを選択する。例えば、嗜好情報が図１０のように示され、１００回測定された位置情報のうち、第３端末装置１６ｃが先頭にいた回数が６０回、第１端末装置１６ａが３０回、第２端末装置１６ｂが１０回である場合を想定する。各端末ＩＤの影響力値は、第１端末装置１６ａ＝０．３、第２端末装置１６ｂ＝０．１、第３端末装置１６ｃ＝０．６となる。その結果、グループの和食に対する嗜好度は、「５×０．３＋２×０．１＋２×０．６＝２．９」となる。他の料理ジャンルについても同様に計算すると、フレンチ＝１．９、イタリアン＝４．９、エスニック＝２．４、ファストフード＝３．９となり、このグループでは、イタリアンの嗜好度が最も高くなる。

ここでは、グループ内の全てのユーザのリーダーポイントを用いて、店の推薦度を算出したが、他の方法を用いてもよい。例えば、アイテム選択部２６は、グループ内で最もリーダーポイントの高いユーザを１人選び、そのユーザの嗜好度そのものをグループの嗜好度としてもよい。すなわち、アイテム選択部２６は、最も影響力の強いユーザ１人の嗜好情報を用いて、推薦情報（おすすめ店の情報）を決定してもよい。また、アイテム選択部２６は、グループ内でリーダーポイントの高い順に所定数のユーザを選択し、選択されたユーザのリーダーポイントに基づいて、推薦情報を決定してもよい。

上述の説明では、アイテム属性（料理ジャンル）に対するグループの嗜好を算出した後に、アイテム（店舗）を選択したが、アイテム属性に対するグループの嗜好を算出せずに、アイテム（店舗）に対するグループの嗜好を直接算出してもよい。例えば、図１０に示すユーザ嗜好データベースの代わりに、端末ＩＤ（ｉ）と店舗ＩＤ（ｋ）と嗜好度Ｆｓ［ｉ］［ｋ］とを対応させた店舗別嗜好データ（図示せず、ユーザのアイテム嗜好データともいえる）をユーザ情報格納部２８に格納する。そして、式（１）および式（２）の代わりに、式（３）用いて、店舗ｋの推薦度Ｓ［ｋ］（ｋ＝１〜Ｋ）を算出することができる。

すなわち、グループを構成するメンバーそれぞれのアイテムに対する嗜好度を、リーダーポイントで重み付けしながら加算することにより、グループにおけるアイテム毎の推薦度を算出する。ここで、端末ｉの店舗ｋに対する嗜好度が登録されていない場合は、Ｆｓ［ｉ］［ｋ］＝０とする。また、Ｒ［ｋ］は、店舗データベースに登録された店舗ｋの評価点であるが、これを用いずに、推薦度Ｓ［ｋ］を算出してもよい。すなわち、式（３）においてＲ［ｋ］＝１として推薦度を算出してもよい。

この数式（３）を用いる方法は、多くの店舗について、グループの端末装置１６の嗜好度が登録されている場合には、高い精度で推薦度を算出することができるが、登録されている店舗別嗜好データが少ない場合には、推薦度の精度が低下する。また、グループの中の少なくとも１人の嗜好度が登録された店舗でないと推薦対象にならない制約があり、場合によっては、推薦アイテムの数が十分に得られない問題がある。上述のアイテム属性に対するグループの嗜好度を算出する方法は、それに比べて、より多くの店舗を推薦候補とすることができるので、十分な数の推薦アイテムが得られ易い。

また、アイテム選択部２６は、グループが推薦情報に記載された店舗等を訪問したか否かを判定し、その情報を次回の推薦情報に反映させてもよい。グループが推薦情報に記載された店舗等を訪問したか否かは、所定時間（例えば５分）以上、グループの各端末装置１６の位置情報が、その店舗の位置情報とほぼ一致するか否かで判定できる。アイテム選択部２６は、グループが推薦情報にしたがって行動した場合、そのような推薦は今後もグループに受容される可能性が高いため、次回以降の推薦情報に、今回と同じ情報あるいは類似の情報が入り易くなるように処理する。

具体的には、図１０に示すようなユーザ嗜好情報Ｆを更新する際に、アイテム選択部２６は、推薦情報に基づいて店舗を訪問した場合に、それ以外の訪問に比べて、より多くの数値を加算する。例えば、図１０に示す例において、通常１回の店舗訪問につき数値を「１」増やすところを、推薦情報にしたがって店舗を訪問した場合は、数値を「２」増やす等の処理を行えばよい。また、該当する料理ジャンルの点数を通常より大きくする他に、端末ＩＤと店舗ＩＤと嗜好度とを対応させた店舗別嗜好データ（図示せず）をユーザ情報格納部２８に格納し、アイテム選択部２６は、推薦情報にしたがってユーザ（端末ＩＤ）が訪問した店舗（店舗ＩＤ）の嗜好度を通常処理より大きくする等の処理を行ってもよい。さらに、アイテム選択部２６は、次回の推薦情報の作成時に、その店舗別嗜好データを反映させる処理を行ってもよい。また、アイテム選択部２６は、グループが推薦情報に記載された店舗等を訪問しなかった場合に、店舗別嗜好データの嗜好度を小さくする処理を行い、それを用いて、前回推薦して訪問されなかった店を次回の推薦情報に入り難くなる処理を行ってもよい。

制御部３４は、情報提供装置１０全体を制御する。また制御部３４は、アイテム選択部２６により選択されたアイテム（推薦アイテム）に関する情報（推薦情報）を送信部３２に送信させる。具体的には、図１１に示す店舗データベースから、推薦アイテムに関する必要なデータを読み出して、推薦情報を作成し、送信部３２に送信させる。送信部３２は、ネットワーク１２、基地局装置１４を介して、推薦情報をグループの端末装置１６に送信する。この送信（推薦情報の提供）は、情報提供装置１０が定期的に行ってもよいし、グループ内の少なくとも１つの端末装置１６から情報提供リクエストを受け付けて、それに対する応答として送信してもよい。情報提供装置１０が定期的に送信する場合は、例えば、グループが形成されている期間に、所定の時間間隔（例えば、１分間に１回）で送信してもよいし、グループが所定の距離（例えば、１００ｍ）移動する毎に送信してもよい。また、グループが解消されたことを検出して、情報提供を止めてもよい。また、グループが店舗データベースに登録された店舗の緯度、経度に一致する位置で長時間停止した場合は、ある店舗に入店したと判定できるため、情報提供を止めてもよい。なお、情報提供装置１０は、グループの端末台数（人数）を正確に把握することができるので、店舗の空き状況を示すデータを合わせることにより、推薦情報を提供する際に、グループ全員が入れるか否かを提示してもよい。また、アイテム選択部２６が、グループ全員が入れる店に限定して、推薦する店を選択し、それに基づく推薦情報を提供してもよい。図１２は、送信部３２から送信される情報のデータ構造を示す。図示のごとく、おすすめ店舗の情報（推薦情報）がランキング形式で構成されており、推薦順位、店舗ＩＤ、推薦度（推薦スコア）、店舗名、店舗説明、現在の空き状況、店舗の位置情報（緯度、経度）、住所、連絡先（電話番号、メールアドレス等）、端末装置１６の現在位置からの距離などの情報で構成されている。

図１３は、端末装置１６の構成を示す。端末装置１６は、取得部５０、表示部５２、制御部５４、送信部５６、受信部５８を含む。取得部５０は、ＧＰＳや無線ＬＡＮ等による測位機能を有し、端末装置１６の位置を測位することによって、ユーザまたは端末装置１６である主体の位置情報を定期的に取得する。位置情報は、緯度と経度によって示される。取得部５０は、位置情報を制御部５４に順次出力する。

制御部５４は、取得部５０からの位置情報を順次入力する。制御部５４は、送信部５６および受信部５８における通信のタイミングを制御する。制御部５４は、送信のタイミングが到来する場合に、位置情報を送信部５６に順次出力する。送信部５６は、制御部５４から順次入力した位置情報を基地局装置１４、ネットワーク１２を介して情報提供装置１０に送信する。このような位置情報は順次送信されるので、位置情報の時系列データを送信することに相当する。また、前述のごとく、位置情報とともに、端末ＩＤ、日時情報も送信される。なお、上述したように、端末装置１６が日時情報を送信しなくてもよい。

受信部５８は、送信部５６において位置情報の時系列データを送信した情報提供装置１０において選択されたアイテムに関する情報（推薦情報）を、基地局装置１４、ネットワーク１２経由で情報提供装置１０から受信する。情報提供装置１０は、定期的に端末装置１６に対して、推薦情報を送信してもよい。また、推薦情報を要求するデータ（推薦情報リクエスト）を送信部５６から情報提供装置１０に送信し、そのレスポンスとして、情報提供装置１０が推薦情報を送信し、受信部５８がそれを受信してもよい。受信部５８は、受信した情報を制御部５４に出力する。制御部５４は、受信部５８において受信したアイテムに関する情報（推薦情報）を表示部５２に表示させる。表示部５２は、図１４のような画面を表示する。本図に示すように、推薦店舗毎に、推薦順位、推薦ランク、店舗名、店舗説明、現在の空き状況、住所、現在位置からの距離、などの情報が表示される。ここで推薦ランクは、推薦度の大きさを大まかに示す情報であり、制御部５４が、推薦度に基づいて作成した情報である。例えば、推薦度が０〜１０の範囲の数値である場合に、推薦度が８以上の店舗は「★★★」、推薦度が６以上かつ８未満の店舗「★★」、推薦度が６未満の店舗は「★」にする等の所定のルールを用いて推薦ランクを決定すればよい。なお、情報提供装置１０が、推薦ランクを送信するようにしてもよい。また、推薦ランクではなく、推薦度をそのまま表示してもよい。なお、推薦情報に含まれる店舗ＩＤは、ユーザにとって特に意味のある情報ではないため、表示してもよいし、表示しなくてもよい。ユーザが特定の店舗の詳細情報を要求した場合などに、ユーザが指定した店舗の店舗ＩＤを端末装置１６から情報提供装置１０に送信することにより、効率よく処理を行うことができる。また、本図に示す例では、推薦店舗毎に、「地図表示」ボタンと「連絡する」ボタンが表示されている。ユーザが「地図表示」ボタンを押すと、店舗の位置情報（緯度、経度）または住所が、端末装置１６に内蔵された地図アプリや外部の地図提供サービスに送信され、地図上に店舗を表示される。また、ユーザが「連絡する」ボタンを押すと、端末装置１６に内蔵された通話アプリ、メールアプリ、外部のコミュニケーションサービス等を介して、店舗と連絡が取れるようになっている。また、本図に示すように、「○○地区にいる５名様のグループにお薦めする飲食店リスト」などと、グループの位置するエリアの名称やグループの人数を表示してもよい。また、ユーザが端末装置１６に、推薦ランク、希望する店舗のジャンル、現在位置からの距離などに関する条件を入力し、その条件に合致する店舗の情報のみを表示してもよい。

これまでの説明では、情報提供装置１０が特徴行動量およびリーダーポイントの算出を実行しているが、他の方式を用いることもできる。例えば、端末装置１６が、近傍の端末装置１６と互いの位置情報を随時交換し、自分の位置情報と他の端末装置１６の位置情報とを用いて、グループを形成する。また、グループに含まれる端末装置１６について、特徴行動量およびリーダーポイントを算出してもよい。つまり、位置情報管理部２２、グループ情報処理部２４が端末装置１６に含まれてもよい。グループ内の各端末装置１６がそれぞれ自分のリーダーポイントのみを算出してもよいし、ある特定の端末装置１６が、複数の端末装置１６のリーダーポイントをまとめて算出してもよい。また、リーダーポイントを算出した端末装置１６は、それを情報提供装置１０に送信する。情報提供装置１０のアイテム選択部２６、送信部３２は、受信したリーダーポイントをもとにこれまでと同様の処理を実行し、グループに対して適切なアイテムを選択する。

また前述のごとく、ポイント算出部４２は、位置情報管理部２２に格納された端末装置１６の緯度、経度情報を用いて、リーダーポイントを算出しているが、別の方法を使用してもよい。例えば、ショッピングモールや商店街に設置された監視カメラの画像・映像を解析し、画像認識の手法を用いて、グループ形成部４０がグループ形成の処理を実行するとともに、ポイント算出部４２がリーダーポイントの更新の処理を実行してもよい。この場合、推薦情報を受け取るために、グループ内の少なくとも１人のユーザが端末装置１６を持っていればよく、グループの全員が端末装置１６を持ち歩く必要がない。また、緯度、経度情報は必ずしも必要なく、グループ内ユーザの相対的な位置関係や、相対的な移動情報を取得できればよい。また、ショッピングモールや商店街の通路に設置された監視カメラと、店舗入り口に設置された監視カメラとを連携させて、顔認識技術を用いることにより、入店時のどの人のリーダーポイントが高いか、どの人のリーダーポイントが低いかを店員が知ることができる。そのような情報を知ることにより、リーダーポイントの高い人にメニューやワインリストを優先的に渡す等、顧客サービスの向上と効率化を図ることができる。

また、ポイント算出部４２は、店内におけるグループ行動履歴を取得し、商品選択に係る影響力を推定してもよい。例えば、ポイント算出部４２は、あるユーザが購入した商品の棚に最初に到着したユーザを特定し、そのユーザのポイントを加算する等の処理を行って、商品選択に係るリーダーポイント（影響力値）を算出してもよい。すなわち、選択対象物が店舗の場合に限らず、商品など含む、アイテムの選択（選定）に係るリーダーポイント（影響力値）が算出される。

本実施例によれば、位置情報の時系列データに基づいて、グループを形成するので、行動をともにする複数の主体をグループ化できる。また、グループ化が自動的になされるので、ユーザに対する利便性を向上できる。また、位置情報の時系列データに基づいて、グループ内の主体の影響力が高いとされる所定の行動パターンに合致する度合いを示す特徴行動量を算出してからリーダーポイントを算出するので、グループ内のユーザの影響力を考慮したリーダーポイントを導出できる。また、リーダーポイントが高い主体を優先するように、グループに対して提示すべきアイテムを選択するので、グループ内のユーザの影響力を考慮したアイテムを選択できる。

また、位置情報の時系列データにおける主体の移動パターンが、所定の行動パターンに合致する回数、合致する時間、合致する移動距離、合致する確率、のうちの少なくとも１つを特徴行動量として算出するので、行動パターンの合致度にあった特徴行動量を導出できる。また、特徴行動量が多いほど、高い値となるようにリーダーポイントを算出するので、行動パターンの合致度に応じたリーダーポイントを導出できる。また、所定の行動パターンは、グループの移動方向を基準にして、グループの先頭から所定順位の位置に主体が位置するパターンであるので、グループ中のユーザが存在する位置に応じたユーザの影響力を高い精度で推定できる。また、所定順位が高いほど、高くなるようなリーダーポイントを算出するので、グループの先頭部分に存在するユーザの影響力が大きいと推定できる。

また、所定の行動パターンは、グループが複数に分割してから合流した場合に、合流後に移動する方向に分割時から主体が移動しているパターンであるので、ユーザの影響力を高い精度で推定できる。また、グループが複数に分割したときの小グループに含まれる主体の数に基づいて、リーダーポイントを算出するので、影響力の大きさを高い精度で推定できる。また、所定の行動パターンは、主体が停止した場合に、当該停止に追従して他の主体も停止するパターンであるので、主体が停止する際の影響力を推定できる。また、停止に追従して停止した他の主体の数に基づいて、リーダーポイントを算出するので、影響力の大きさを高い精度で推定できる。また、グループに含まれた主体の数に応じて、リーダーポイントを算出するので、影響力の大きさを高い精度で推定できる。

また、リーダーポイントによって重み付けしながら、各主体に対応したユーザにおけるアイテムに対する嗜好度を加算することによって、グループにおけるアイテムに対する推薦度を導出し、推薦度に従ってアイテムを選択するので、グループに対してユーザの影響力を考慮したアイテムを選択できる。また、リーダーポイントによって重み付けしながら、各主体に対応したユーザにおけるアイテム属性に対する嗜好度を加算することによって、グループにおけるアイテム属性に対する嗜好度を導出するので、グループに対するユーザの影響力を考慮した嗜好度を導出できる。また、グループにおけるアイテム属性に対する嗜好度をもとに、アイテムを選択するので、グループに対してユーザの影響力を考慮したアイテムを、より多くの推薦候補の中から選択できる。また、算出したリーダーポイントが高い順に所定数の主体を特定し、その特定した主体のリーダーポイントに基づいて、アイテムを選択するので、特に影響力の大きい所定数の主体を考慮してアイテムを選択できる。また、グループ内のユーザの影響力を考慮することで、グループ内のユーザの影響力を均等とみなす方法より高い精度で、実際の行動につながるような情報を提供することができる。また、あらかじめグループ内のユーザの影響力に関する情報を登録しておかなくても、端末装置の位置情報のみから影響力を推定できる。

（実施例２）
次に、実施例２を説明する。実施例２は、実施例１と同様に、複数の端末装置と、それらに接続可能な情報提供装置とを含む情報提供システムに関する。実施例２に係る情報提供装置も、複数の端末装置の位置情報を使用してグループを形成するとともに、グループ内の各ユーザの影響力を推定するが、各ユーザの影響力を推定する際に、ユーザの属性情報も使用する。実施例２に係る情報提供システム１００、端末装置１６は、図１、図１３と同様のタイプである。ここでは、差異を中心に説明する。

図１５は、本発明の実施例２に係る情報提供装置１０の構成を示す。情報提供装置１０は、図２と同様に構成されるが、グループ情報処理部２４は、ユーザ情報格納部２８に記憶されたデータベースを参照可能に構成される。ポイント算出部４２は、位置情報だけでなく、主体に対応したユーザの属性情報（年齢、性別など）を使用してグループ内の影響力を推定することによって、リーダーポイントを算出する。ユーザ情報格納部２８は、ユーザ属性情報を格納する。図１６は、ユーザ情報格納部２８に記憶されたデータベースのデータ構造を示す。端末ＩＤ（またはユーザＩＤ）と、生年月日、性別、勤務先、役職、年収、今月の小遣い、などのユーザ属性項目が関連付けられながら格納されている。これは、一例であり、これ以外のユーザ属性項目のデータが格納されてもよいし、一部の属性項目のみが格納されてもよい。図１５に戻る。

実施例１におけるポイント算出部４２は、位置情報に基づくリーダーポイントを算出したが、実施例２におけるポイント算出部４２は、それに加えて、ユーザ属性情報に基づくリーダーポイントを算出する。さらに、ポイント算出部４２は、２つのリーダーポイントを用いて、総合的なリーダーポイントを算出する。以下では、端末装置ｉの位置情報に基づくリーダーポイントをＰｇ［ｉ］、ユーザ属性情報に基づくリーダーポイントをＰｈ［ｉ］、総合的なリーダーポイントをＰ［ｉ］とする。ポイント算出部４２は、ユーザ属性情報に基づくリーダーポイントＰｈ［ｉ］を以下に示す方法で算出する。

第１の方法は、ユーザ属性項目毎に設定されたルールに基づき算出する方法である。例えば、一般的には、年齢が高いユーザの影響力が高いので、生年月日に基づいて、Ｐｈ［ｉ］を算出することができる。具体的には、ポイント算出部４２は、グループ内ユーザの生年月日に基づき、年齢が高いほど大きな値のリーダーポイントを付与する。例えば、ポイント算出部４２は、年齢が１番高いユーザに「１０」、年齢が２番目に高いユーザに「７」、年齢が３番目に高いユーザに「５」のリーダーポイントを付与する。また、ポイント算出部４２は、付与するリーダーポイントの最大値を１として、０より大きく、１以下の値のリーダーポイントを年齢に応じて付与するようにしてもよい。また、ポイント算出部４２は、年齢の順位が１つ異なる人と、年齢差が所定値以下である場合は、年齢差を無視して同じリーダーポイントを付与する等のルールを入れてもよい。

また、ポイント算出部４２は、役職が高いほど、大きなリーダーポイントを付与する等のルールを用いてもよい。例えば、社長に「１０」、部長に「５」、課長に「２」等のリーダーポイントを付与する。また、ポイント算出部４２は、年収や今月の小遣いの金額に応じてリーダーポイントを算出してもよい。例えば、年収が高い人ほど影響力が高い傾向があるため、年収に所定係数（０．１％等）を乗じた値をＰｈ［ｉ］とすることができる。また、ポイント算出部４２は、年収が１番多い人に「１０」、２番目の人に「８」等のリーダーポイントを付与してもよく、年収の順序に応じて、所定のリーダーポイントを付与してもよい。今月の小遣いについても同様であるが、今月の小遣いの方が、飲食店等で各人が使える金額を正確に表す場合もあるため、年収を使うよりも正確に影響力を推定できる場合がある。また、ポイント算出部４２は、性別に基づいてリーダーポイントを算出してもよい。

第２の方法は、複数のユーザ属性項目を用いて、ユーザ属性項目毎に算出されるリーダーポイントを加算する方法である。つまり、ポイント算出部４２は、ユーザの属性情報に含まれた複数の項目に基づいてリーダーポイントを算出する。まず、ポイント算出部４２は、生年月日に関して、第１の方法で述べた「年齢が高いほどリーダーポイントが高くなる」ルールを用いて、生年月日に関するリーダーポイントＰｈ［１］［ｉ］を算出する。次に、ポイント算出部４２は、役職に関して、第１の方法で述べた「役職が高いほどリーダーポイントが高くなる」ルールを用いて、役職に関するリーダーポイントＰｈ［２］［ｉ］を算出する。このようにして、ポイント算出部４２は、Ｌ個のユーザ属性項目に対して、Ｐｈ［ｌ］［ｉ］（ｌ＝１〜Ｌ、ｉ＝１〜Ｎ）を算出し、次のように、ユーザ属性情報に基づくリーダーポイントＰｈ［ｉ］を算出する。ここで、ｗ［ｌ］（ｌ＝１〜Ｌ）は、ユーザ属性項目毎に定まる所定の重み係数であり、ｗ［ｌ］＞０である。

第３の方法は、複数のユーザ項目の組合せを用いて設定されたルールに基づき算出する方法である。例えば、ポイント算出部４２は、生年月日が所定の範囲にあり、かつ所定の性別のユーザのリーダーポイントを相対的に高く算出する。例えば、特定の年齢層の女性は、飲食店への要求レベルが高い傾向にあるため、生年月日が所定の範囲であり、性別が女性のユーザに対して、所定のリーダーポイントを付与して、そのようなユーザの嗜好がグループの意思決定に反映され易くする。この第３の方法を単独で用いてもよいし、他の方法と組み合せてもよい。例えば、ポイント算出部４２は、まず式（４）にしたがって、リーダーポイントを算出し、次に生年月日が所定の範囲にあり、かつ所定の性別のユーザに対して、「１０」のリーダーポイントを加算する等の処理を行ってもよい。

第４の方法は、ユーザの所属する組織を考慮したルールを用いる方法である。その際、ポイント算出部４２は、ユーザ情報格納部２８に記憶された情報を参照する。図１７は、ユーザ情報格納部２８に記憶された別のデータベースのデータ構造を示す。これは、会社間の取引関係を示す。ここは、Ｘ社がＹ社に仕事を発注し、さらにＹ社がＺ社に仕事を発注している状況を示している。一般的には、発注先の会社の人が、発注元の会社の人の嗜好に合わせて、レストラン等の店を選ぶことが多いため、そのような傾向をリーダーポイントに反映させる。図１６、図１７に示す例では、勤務先＝Ｘのユーザのリーダーポイントが最も高く、次に勤務先＝Ｙのユーザのリーダーポイントが高く、勤務先＝Ｚのユーザのリーダーポイントが最も低くなる。また、勤務先が同じユーザが複数存在する場合、それらのリーダーポイントを同じ値にしてもよいし、生年月日、性別、役職などの属性項目を用いて、差をつけてもよい。

第５の方法は、生年月日と処理を行う月日（現在日時）との関係を用いる方法である。例えば、リーダーポイントを算出する年月日が２０１５年５月３日であり、生年月日が１９７９年５月３日のユーザがグループに存在する場合、その人のお誕生会等が行われる可能性があるため、ポイント算出部４２は、その人のリーダーポイントを通常よりも高く算出する。すなわち、ポイント算出部４２は、処理を行う日が誕生日または誕生日の近傍に該当するユーザのリーダーポイントを相対的に高く算出する。このようにポイント算出部４２は、処理を実行する日付とユーザの属性情報との関係に応じてリーダーポイントを算出する。

第６の方法は、性別と処理を行う月日（現在日時）との関係を用いる方法である。例えば、リーダーポイントを算出する現在日時が２０１５年３月１４日のホワイトデーである場合、男性が女性の嗜好に合わせて飲食店を選ぶ可能性が高いので、ポイント算出部４２は、女性のリーダーポイントを通常よりも高く算出する。なお、ポイント算出部４２は、上述した第１〜第６の方法は、いずれか１つを単独で用いてもよいし、複数の方法を組み合せて使ってもよい。

次に、ポイント算出部４２は、総合的なリーダーポイントＰ［ｉ］を次のように算出する。

ここで、実施例１で説明した端末ｉの位置情報に基づくリーダーポイントをＰｇ［ｉ］（実施例１においてはＰ［ｉ］と表記）、ユーザ属性情報に基づくリーダーポイントをＰｈ［ｉ］と示す。また、α１、α２は、α１＞０、α２＞０を満たす所定の係数である。つまり、ポイント算出部４２は、位置情報に基づくリーダーポイントとユーザ属性情報に基づくリーダーポイントとの重み付き加算を実行する。なお、α１＝１、α２＝１として、位置情報に基づくリーダーポイントとユーザ属性情報に基づくリーダーポイントとの和（加算値）を総合的なリーダーポイントとしてもよい。

また、ポイント算出部４２は、総合的なリーダーポイントＰ［ｉ］を次のように算出してもよい。

ここで、γ１、γ２は、γ１＞０、γ２＞０を満たす所定数である。すなわち、Ｐｇ［ｉ］を基数とし、γ１を指数とする累乗値と、Ｐｈ［ｉ］を基数とし、γ２を指数とする累乗値との積（乗算値）をＰ［ｉ］とする。Ｐｇ［ｉ］をＰｈ［ｉ］に強く反映させたい場合は、γ１を大きな値にし、Ｐｈ［ｉ］をＰｈ［ｉ］に強く反映させたい場合は、γ２を大きな値にするとよい。なお、γ１＝１、γ２＝１として、位置情報に基づくリーダーポイントとユーザ属性情報に基づくリーダーポイントとの積（乗算値）を総合的なリーダーポイントとしてもよい。ポイント算出部４２が、式（５）または式（６）に基づいて、総合的なリーダーポイントをＰ［ｉ］を算出した後、実施例１と同様な処理が実行されればよい。つまり、式（５）または式（６）に基づいて算出したＰ［ｉ］が式（１）に代入される。

本実施例によれば、主体に対応したユーザの属性情報に応じてもリーダーポイントを算出するので、グループ内のユーザの影響力の推定精度を向上できる。また、ユーザの属性情報に含まれた複数の項目に基づいてリーダーポイントを算出するので、推定精度を向上できる。また、処理を実行する日付とユーザの属性情報との関係に応じてリーダーポイントを算出するので、処理を実行する日付を考慮しながら影響力を推定できる。

（実施例３）
次に、実施例３を説明する。実施例３は、これまでと同様に、複数の端末装置と、それらに接続可能な情報提供装置とを含む情報提供システムに関する。実施例３に係る情報提供装置も、実施例２と同様に、複数の端末装置の位置情報を使用してグループを形成するとともに、グループ内の各ユーザの影響力を推定する。実施例３は、グループが家族である場合を想定する。実施例３に係る情報提供システム１００、端末装置１６、情報提供装置１０は、図１、図１３、図１５と同様のタイプである。ここでは、差異を中心に説明する。

図１５のグループ形成部４０は、主体に対応したユーザの属性情報に応じて、グループを形成するための条件を変更する。ユーザの属性情報は、ユーザ情報格納部２８に記憶されている。図１８は、本発明の実施例３に係るユーザ情報格納部２８に記憶された別のデータベースのデータ構造を示す。図示のごとく、家族単位で端末ＩＤが登録されている。図１５に戻る。グループ形成部４０は、家族単位で端末ＩＤが登録されている場合、これらの端末装置１６を１つのグループと判定する条件を、通常に比べて緩和する。例えば、所定時間以上、所定の距離以内に存在する端末装置１６を１つのグループとして判定する場合、グループ形成部４０は、端末間の距離のしきい値を通常よりも長くしたり、所定時間を短くしたりする。家族は共通の目的地に向かって、一緒に行動する可能性が高いという仮定に基づく処理である。例えば、目的地に向かう過程において、一時的に子供が先に離れて行ってしまっても、グループ行動である判定を維持して、適切な情報提供をすることができる。

ポイント算出部４２は、図１８に示したデータベースに登録された生年月日と続柄を用いて、所定年齢以下（例えば、小学生以下）の子供の位置情報に基づくリーダーポイントを親よりも低くする処理を行う。例えば、ポイント算出部４２は、グループの先頭に子供が位置する回数が多くても、位置情報に基づくリーダーポイントにあまり反映しない処理を行う。具体的には、ポイント算出部４２は、所定年齢以下の子供の端末装置１６に対して、先頭位置が観測された回数に０．１を乗じたり、リーダーポイント算出に使う先頭位置の回数に上限を設けたりする等の制御処理を行う。小さい子供は衝動的、突発的に行動することが多いが、このような制御処理を行うことにより、位置情報に基づくリーダーポイントを精度よく算出される。

また、ポイント算出部４２は、一般的に、家庭内における母親の影響力が最も強いため、母親のリーダーポイントを最も大きくする処理を行ってもよい。また、ポイント算出部４２は、処理を行う月日（現在日時）と家庭内の続柄との関連性を用いて算出してもよい。例えば、リーダーポイントを算出する現在日時が２０１５年６月２１日であり、父の日に相当する場合、ポイント算出部４２は、父親のリーダーポイントを通常よりも高く算出してもよい。

本実施例によれば、主体に対応したユーザの属性情報に応じて、グループを形成するための条件を変更するので、家族等の事情に適したグループを形成できる。また、家族構成に応じてリーダーポイントを算出するので、家族内での影響力を高い精度で推定できる。

（実施例４）
次に、実施例４を説明する。実施例４は、これまでと同様に、複数の端末装置と、それらに接続可能な情報提供装置とを含む情報提供システムに関する。実施例４に係る情報提供装置も、これまでと同様に、複数の端末装置の位置情報を使用してグループを形成するとともに、グループ内の各ユーザの影響力を推定する。一方、これまでは、グループ内のユーザに共通の情報を提供しているが、実施例４では、位置情報、ユーザ嗜好情報、ユーザ属性情報のうちの少なくとも１つを使用して、１つのグループ内に複数のサブグループを形成し、各々のサブグループに対して、適切な情報を提供する。実施例４に係る情報提供システム１００、端末装置１６、情報提供装置１０は、図１、図１３、図１５と同様のタイプである。ここでは、差異を中心に説明する。

図１５のグループ形成部４０は、グループに含まれた複数の主体を少なくとも２つのサブグループにも分類することによって、少なくとも２つのサブグループを形成する。前述のごとく、グループ形成部４０は、位置情報管理部２２に格納された位置情報に基づいて、図５に示すような端末間の平均距離を示す行列データを算出している。グループ形成部４０は、この行列データを用いて、サブグループを形成する。グループ形成部４０は、サブグループを形成するための所定のしきい値を設定し、端末間の平均距離がそのしきい値以下の端末装置を同じサブグループに対応させる処理を行う。例えば、サブグループしきい値＝３ｍという条件を第１端末装置１６ａから第５端末装置１６ｅで構成されるグループに適用する。その場合、第１端末装置１６ａ、第２端末装置１６ｂ、第３端末装置１６ｃで構成されるサブグループ１と、第４端末装置１６ｄ、第５端末装置１６ｅで構成されるサブグループの２つのサブグループが作成される。

これとは別に、グループ形成部４０が、ユーザの嗜好情報を用いてサブグループを形成する方法を説明する。ユーザ情報格納部２８には、図１０に示すようなユーザ嗜好情報（嗜好度）Ｆ［ｉ］［ｊ］が格納されている（ｉ＝１〜Ｎ、ｊ＝１〜Ｍ）。これは、端末装置ｉ（ユーザｉに相当）の料理ジャンルｊに対する嗜好の強さを示す数値である。このデータに基づいて、グループ形成部４０は、２つの端末装置１６（２人ユーザ）間の嗜好の一致度を、次のようなコサイン尺度にしたがって算出する。

ここで、Ｅ［ｉ］［ｐ］は、端末装置ｉと端末装置ｐの嗜好に関する類似度であり、数値が大きいほど、両者の嗜好が一致していることを示す。ここで、ｉ＝１〜Ｎ、ｐ＝１〜Ｎ、ｉ≠ｐである。

あるいは、グループ形成部４０は、次に示す相関係数にしたがって、端末装置ｉと端末装置ｐの類似度Ｅ［ｉ］［ｐ］を算出してもよい。

ここで、Ｆａ［ｉ］は、端末装置ｉに対応する嗜好情報Ｆ［ｉ］［ｊ］の平均値であり、Ｆａ［ｐ］は、端末装置ｐに対応する嗜好情報Ｆ［ｐ］［ｊ］の平均値である。式（８）によるＥ［ｉ］［ｐ］は、−１〜＋１の範囲の値をとり、式（７）同様に、端末装置ｉと端末装置ｐの嗜好が一致しているほど大きな値となる。また、これ以外の方法で、２つの端末装置１６の間の嗜好に関する類似度を算出してもよい。例えば、端末装置ｉの嗜好情報と、端末装置ｐの嗜好情報との距離（ユークリッド距離など）の逆数を類似度としてもよい。このようにして、グループ形成部４０は、グループ内の端末装置１６の間の類似度を算出し、類似度が所定のしきい値以上である端末装置をまとめてサブグループとする。

さらに、これらとは別に、ユーザ属性情報を用いて、サブグループを形成する方法を説明する。ユーザ属性情報からサブグループを作成する第１の方法は、同じユーザ属性項目を持つ端末装置１６をサブグループとする方法である。例えば、図１６に示すユーザ属性情報の場合、グループ形成部４０は、勤務先毎にＸ、Ｙ、Ｚの３つのサブグループを形成する。また、グループ形成部４０は、役職レベルが同じまたは近い人をまとめて、サブグループを形成してもよい。例えば、重役、部長、課長、主任、一般といったサブグループを形成すればよい。また、グループ形成部４０は、年齢層別にサブグループを形成してもよい。例えば、１０代、２０代、３０代、４０代、５０代、６０代などのサブグループを形成すればよい。また、グループ形成部４０は、年収別にサブグループを形成してもよい。例えば、３００万円〜４００万円、４００万円〜５００万円、５００万円〜６００万円など所定の年収範囲に基づいて、サブグループを形成すればよい。

ユーザ属性情報からサブグループを作成する第２の方法は、ユーザ属性情報に係る端末装置１６の間の類似度を算出する方法である。図１６に示すように、端末装置ｉに対して、属性項目ｌのユーザ属性情報Ｇ［ｉ］［ｌ］が格納されている（ｉ＝１〜Ｎ、ｌ＝１〜Ｌ）。グループ形成部４０は、次のように、ユーザ属性情報に係る端末装置ｉと端末装置ｐとの類似度Ｑ［ｉ］［ｐ］（ｉ≠ｐ）を算出する。

ここで、δ関数は典型的には、２つの引数が一致する場合に「１」、異なる場合に「０」を返す関数である。なお、属性項目に応じて、異なる応答特性のδ関数を用いてもよい。例えば、属性項目が、性別、勤務先などのように名義尺度である場合には、２つの引数が完全一致する場合にのみ「１」を返す関数が使用される。一方、属性項目が年収、今月の小遣い、などのように数値（間隔尺度または比例尺度）である場合には、２つの引数の相対的な差が１０％以下である場合に「１」を返し、それ以外の場合に「０」を返すような関数が使用される。

あるいは、２つの引数が完全に一致した場合に「１」、誤差５％以内であれば「０．８」、誤差５〜１０％であれば「０．５」、誤差１０〜２０％であれば「０．２」、誤差２０％以上であれば「０」を返す特性の関数が使用されてもよい。グループ形成部４０は、ユーザ属性情報に係る類似度Ｑ［ｉ］［ｐ］（ｉ＝１〜Ｎ、ｐ＝１〜Ｎ、ｉ≠ｐ）を算出した後、類似度が所定のしきい値以上である端末装置１６をまとめてサブグループとする。またさらに、グループ形成部４０は、前述の方法を組み合せてサブグループを作成してもよい。例えば、位置情報と、ユーザ嗜好情報と、ユーザ属性情報の３つを全て使ってサブグループを作成してもよい。

このようにしてサブグループを作成した後、アイテム選択部２６は、サブグループ毎に推薦情報を作成する。つまり、アイテム選択部２６は、これまでのグループに関する処理をサブグループに対応させて処理を実行する。これは、ポイント算出部４２において算出したリーダーポイントが高い主体を優先するように、それぞれのサブグループに対して提示すべきアイテムも選択することに相当する。１つのサブグループに対して作成された推薦情報は、当該サブグループに属する端末装置１６にのみ提供されてもよいし、他のサブグループに属する端末装置１６（グループ内の全ての端末装置１６）に提供されてもよい。

本実施例によれば、グループに含まれた複数の主体を少なくとも２つのサブグループにも分類することによって、少なくとも２つのサブグループを形成するので、グループの中でも類似性を有した主体をサブグループ化できる。また、リーダーポイントが高い主体を優先するように、それぞれのサブグループに対して提示すべきアイテムも選択するので、サブグループ毎にアイテムを提示できる。また、グループ全員が入店できる店舗が存在しない場合などに、グループを２つ以上のサブグループに分割し、サブグループ毎に入店可能な店舗を提示してもよい。各々のサブグループは、ユーザの行動、ユーザの嗜好、ユーザの属性のうちの少なくとも１つに関して、相対的に類似性の高いメンバーで構成されるため、ユーザ間のコミュニケーションが容易に取れる可能性が高く、ユーザの利便性と満足度を高めることができる。

（実施例５）
次に、実施例５を説明する。実施例５は、これまでと同様に、これまでと同様に、複数の端末装置と、それらに接続可能な情報提供装置とを含む情報提供システムに関する。実施例５に係る情報提供装置も、これまでと同様に、複数の端末装置の位置情報を使用してグループを形成するとともに、グループ内の各ユーザの影響力を推定する。これまでは、グループ内の各ユーザの影響力をもとにアイテムを選択していたが、実施例５では、グループ内の各ユーザの影響力を示す情報を提供する。実施例５に係る情報提供システム１００、端末装置１６は、図１、図１３と同様のタイプである。ここでは、差異を中心に説明する。

図１９は、本発明の実施例５に係る情報提供装置１０の構成を示す。情報提供装置１０は、受信部２０、位置情報管理部２２、グループ情報処理部２４、ユーザ情報格納部２８、送信部３２、制御部３４を含む。また、グループ情報処理部２４は、グループ形成部４０、ポイント算出部４２を含み、ユーザ情報格納部２８は、ポイント格納部４４を含む。これまでの情報提供装置１０は、グループに属する端末装置１６に対して、位置情報に基づく店舗情報などを推薦情報として提供するが、実施例５での情報提供装置１０は、グループ内のユーザの影響力を示す情報を提供する。すなわち、ポイント算出部４２は、端末装置１６毎にリーダーポイントを算出し、送信部３２は、ポイント算出部４２において算出したリーダーポイント、またはリーダーポイントを集約した指標を各端末装置１６に送信する。なお、送信先は、グループ内の端末装置１６に限定されず、それ以外の端末装置１６や他の装置（例えば、マーケティングデータ分析システムなど）であってもよい。

一方、図１３に示した端末装置１６の送信部５６は、情報提供装置１０から、リーダーポイントあるいはリーダーポイントを集約した指標に関するデータを受信する。制御部５４は、送信部５６において受信したデータを表示部５２に表示させる制御を行う。なお、端末装置１６の制御部５４は、受信したデータが表示用データである場合、それにしたがって表示部５２を制御する。また、端末装置１６の制御部５４は、受信したデータが素材用データである場合、それに基づき表示用データを作成し、表示部５２に表示させる。

図２０は、本発明の実施例５に係る表示部５２に表示される画面を示す。これは、端末装置１６におけるリーダーポイントの表示の一例に相当する。本図に示す例では、実際に１つのグループを形成した５つの端末装置１６について、各々のリーダーポイントを表示している。横軸のＡ、Ｂ、Ｃ、Ｄ、Ｅは、グループ内の端末装置１６に付与された端末ＩＤを示す。それらは、前述のごとく、第１端末装置１６ａ、第２端末装置１６ｂ、第３端末装置１６ｃ、第４端末装置１６ｄ、第５端末装置１６ｅに対応する。また、縦軸はリーダーポイントを示す。図示のごとく、第３端末装置１６ｃのリーダーポイントが最も高く、２番目に第２端末装置１６ｂが高い。またこの例では、グループ内のリーダーポイントの総和が「１」になるように正規化した値を用いているが、総和を「１００」としたり、最大値が所定の値（例えば、１００）にしたりするようにしてもよい。

図２１は、本発明の実施例５に係る表示部５２に表示される別の画面を示す。これは、リーダーポイント表示の別の一例に相当する。ここでは、位置情報に基づくリーダーポイントＰｇをドットパターンで、ユーザ属性情報に基づくリーダーポイントＰｈを斜線パターンで示す。このような表示をすると、各ユーザのリーダーポイントをより詳細に表すことができる。例えば、第３端末装置１６ｃに次いで、第２端末装置１６ｂのリーダーポイントが大きいが、両者の構成は大きく異なっている。第３端末装置１６ｃはユーザ属性情報に基づくリーダーポイントが大きいのに対し、第２端末装置１６ｂは位置情報の基づくリーダーポイントが大きいことが分かる。この例では、リーダーポイントは、ＰｇとＰｈの和（加算値）であり、グループ内のＰｇの総和が「１００」、Ｐｈの総和が「１００」になるように正規化されている。

図２２は、本発明の実施例５に係る表示部５２に表示される別の画面を示す。これは、サブグループを形成した場合のリーダーポイント表示の一例に相当する。この例では、第１端末装置１６ａ、第２端末装置１６ｂ、第３端末装置１６ｃがサブグループ１に対応し、第４端末装置１６ｄ、第５端末装置１６ｅがサブグループ２に対応する。ＰｇおよびＰｈは、それぞれサブグループ内の総和が「１００」となるように正規化されている。図１９に戻る。

ポイント算出部４２において算出されるリーダーポイント関連のデータは、店舗等を１回選ぶ際の行動履歴に基づくものであってもよいし、複数回の行動履歴に基づくものであってもよい。１回のグループ行動におけるリーダーポイントは、短期的なリーダーポイントであるといえる。また、複数回のグループ行動におけるリーダーポイントを集計（集約）した値（指標）は、長期的なリーダーポイントであるともいえる。長期的なリーダーポイントを提供するために、ポイント格納部４４は、ポイント算出部４２で過去に算出されたリーダーポイントを、各主体に対応させて格納する。図２３は、本発明の実施例５に係るポイント算出部４２に記憶されたデータベース（ポイント履歴テーブル）のデータ構造を示す。ポイント履歴テーブルは、グループＩＤ、端末ＩＤ、算出日時、リーダーポイント、店舗ＩＤ、目的分類を関連付けたポイント履歴データを格納する。グループＩＤは、上述したように、グループを一意に識別可能なＩＤであり、グループが生成される毎に新たなグループＩＤが割り当てられている。目的分類は、グループが選択した店舗等の目的地または行動の目的を示す情報である。

大まかな目的を示す情報として、例えば、「食事」、「買い物」、「飲酒」、「テーマパーク」等の分類を用いることができる。すなわち、店舗ジャンルの上位概念（より抽象化した概念）に相当する分類である。また、より詳細な目的地としては、例えば、「和食レストラン」、「フレンチレストラン」、「中華レストラン」、「居酒屋」、「バー」、「洋服店」、「雑貨店」、「本屋」、「レコード店」、「花屋」などの分類（店舗ジャンル）を用いることができる。なお、グループが目的地に到達したことは、上述のように、所定時間（例えば５分）以上、グループの各端末装置１６の位置情報がほぼ変化しない等の条件で判定することができる。また、その位置情報を使って店舗データベース等を検索することにより、店舗の情報（ジャンル等）を取得することができるので、その情報を目的分類に用いればよい。また、グループが目的地に到達したタイミングなどの適当なタイミングで、グループの端末装置に、今回の行動の目的などを尋ねるアンケート調査を送信し、それを収集して得た情報を目的分類としてもよい。また、このようなポイント履歴テーブルを用いることにより、実際には同じグループとして行動していない、任意の端末装置１６の組み合せで、リーダーポイントを比較することも可能である。

ポイント算出部４２は、ポイント格納部４４を参照しながら、算出日時が所定の期間（例えば、２０１５／０１／０１〜２０１５／０１／３１）に該当するデータを対象にして、一の主体に対応する複数のリーダーポイントを集約した指標を算出する。具体的に説明すると、ポイント算出部４２は、端末ＩＤ毎のリーダーポイントの合計値、代表値（平均値、中央値、最頻値）、最大値、最小値、ばらつきを示す値（標準偏差、分散、（最大値−最小値）など）などの各指標を算出する。また、ポイント算出部４２は、目的分類（カテゴリ）別に、端末ＩＤ毎のリーダーポイントを集約した指標を算出してもよい。つまり、ポイント算出部４２は、カテゴリ毎の度数、カテゴリ毎の相対度数、のうちの少なくとも１つを指標として算出してもよい。所定の期間内でリーダーポイントが算出された回数は、端末装置１６毎に異なるため、端末装置１６同士の比較を行う場合は、合計値よりも、平均値または中央値が適している。

また、ポイント算出部４２は、グループの人数に応じて、リーダーポイントを補正してもよい。１つのグループ内で、リーダーポイントの総和が「１」になるように正規化されている場合、グループの人数が多くなるほど、１人あたりのリーダーポイントの平均値（期待値）は小さくなる。また、正規化されていない場合であっても、グループの人数が多くなると、各ユーザがグループの先頭に位置する頻度が少なくなるため、１人あたりのリーダーポイントは小さくなる傾向がある。このため、ポイント算出部４２は、グループ人数が多い場合に、リーダーポイントの値を増やす等の補正処理を行う。例えば、グループＩＤ毎に人数を算出し、あるグループＩＤの人数が第３所定値以上かつ第４所定値未満である場合に、そのグループＩＤに対応するリーダーポイントを「１．５倍」する。また、あるグループＩＤの人数が第４所定値以上である場合に、そのグループＩＤに対応するリーダーポイントを「２倍」する等の処理を行う。また、このように補正されたリーダーポイントを用いて、リーダーポイントを集約した指標を算出する。

図２４は、本発明の実施例５に係る表示部５２に表示される別の画面を示す。これは、目的分類別にリーダーポイントを表示する一例に相当する。「食事」、「飲酒」、「買い物」の３つの目的分類を使用している。ここに示すリーダーポイントは、ポイント算出部４２において、所定期間に各端末装置が獲得したリーダーポイントの目的分類別の平均値（端末装置と目的分類との組み合せ毎の平均値）を算出し、端末装置毎の平均値の合計が「１」になるように正規化した値である。つまり、ポイント算出部４２は、グループの行動の目的別、またはグループに選択されたアイテムのカテゴリ別またはジャンル別に指標を算出するといえる。ここに示す例では、例えば、第１端末装置１６ａに関して、「食事」と「飲酒」の場面では、影響力が小さいが、「買い物」の場面では強い影響力を発揮することが読みとれる。また、第３端末装置１６ｃに関して、どの場面的でも、比較強い影響力を発揮することが読みとれる。なお、ここに示す第１端末装置１６ａ〜第５端末装置１６ｅは、実際に１つのグループとして行動した端末装置１６であってもよいし、実際には１つのグループとして行動していない端末装置１６を集めた比較であってもよい。すなわち、ユーザが任意の端末装置１６（ユーザ）の組み合せを指定して、リーダーポイントを表示させてもよい。例えば、自分の家族や友人を指定して、そのリーダーポイントを比較可能なように表示してもよい。また、あらかじめ各々のユーザが、自分のリーダーポイントの公開の可否と、公開する情報や公開する相手の条件などを指定し、その情報を情報提供装置１０に格納しておき、その情報に従って、他のユーザへの開示を制御してもよい。また、ユーザが過去に形成されたグループを任意に選んで、そのグループを構成する端末装置１６のリーダーポイントを比較可能なように表示してもよい。操作を行うユーザの端末装置１６がそのグループに含まれていてもよいし、含まれていなくてもよい。

図２５は、本発明の実施例５に係る表示部５２に表示される別の画面を示す。これは、グループの人数別にリーダーポイントを表示する一例に相当する。グループの人数を「２人」、「３〜５人」、「６人以上」の３段階に分けて表示している。グループの人数に応じて決まるカテゴリ別にリーダーポイントを表示するともいえる。ここに示すリーダーポイントは、ポイント算出部４２において、表示対象の端末装置１６それぞれについて、所定期間に端末装置が獲得したリーダーポイントのグループ人数別（３つのカテゴリ別）の平均値を算出し、その平均値のグループ人数毎の合計値が「１」になるように正規化した値である。例えば、グループ人数「２人」に対応する第１端末装置１６ａ〜第５端末装置１６ｅのリーダーポイントの合計が「１」になるように正規化されている。ここに示す例では、第１端末装置１６ａは、グループ人数が２人（少人数）である場合に、影響力が大きいが、グループの人数が増えると影響力が小さいことが分かる。一方、第５端末装置１６ｅは、第１端末装置１６ａとは対照的に、グループ人数が６人以上（多人数）である場合に、影響力が大きいが、グループの人数が減ると影響力が小さいことが分かる。また、第３端末装置１６ｃは、グループの人数に関わらず、どのような場面でも、比較的強い影響力を発揮することが分かる。

図２６は、本発明の実施例５に係る表示部５２に表示される別の画面を示す。これは、所定期間に各端末装置１６が獲得したリーダーポイントを所定のルールに基づいて、複数のカテゴリ（リーダーポイントカテゴリ、Ｒｐカテゴリとも表記する）に分類し、カテゴリ毎の頻度（度数）を表示した一例に相当する。例えば、ポイント算出部４２は、リーダーポイント（Ｒｐ）の値が「０．６以上」の場合にカテゴリ「Ｒｐ大」に対応させ、「０．４以上、０．６未満」の場合にカテゴリ「Ｒｐ中」に対応させ、「０．４未満」の場合にカテゴリ「Ｒｐ小」に対応させる。ここで、リーダーポイントは正規化されているとする。一方、ポイント算出部４２は、リーダーポイントが正規化されていない場合、例えば、Ｒｐの値が「１２０以上」の場合にカテゴリ「Ｒｐ大」に対応させ、「５０以上、１２０未満」の場合にカテゴリ「Ｒｐ中」に対応させ、「５０未満」の場合にカテゴリ「Ｒｐ小」に対応させる。

さらに、ポイント算出部４２は、ポイント格納部４４において、端末ＩＤ毎に、３つのカテゴリそれぞれに対応するデータ数をカウントする。もちろん、これ以外のカテゴリ数を用いてもよい。このようなリーダーポイントカテゴリも、リーダーポイントを集約した指標といえる。なお、グループの人数が少ない場合には、「Ｒｐ大」とする条件を厳しく（Ｒｐ大に該当するしきい値を大きく）し、グループの人数が多い場合には、「Ｒｐ大」とする条件を緩く（Ｒｐ大に該当するしきい値を小さく）してもよい。

前述の所定のルールは、例えば、図２７のように示される。図２７は、本発明の実施例５に係るグループ情報処理部２４に記憶されたデータベースのデータ構造を示す。この例は、グループ人数が「２人」の場合に、リーダーポイント（Ｒｐ）が「０．８以上」であれば「Ｒｐ大」に対応させ、「０．４以上０．８未満」であれば「Ｒｐ中」に対応させ、「０．４未満」であれば「Ｒｐ小」に対応させることを示す。

図２６において、第１端末装置１６ａは、「Ｒｐ大」の割合が高く、多くのグループ行動において、強い影響力を発揮していることが分かる。一方、第２端末装置１６ｂは、「Ｒｐ大」の割合が低い、ほぼ全てのグループ行動において、影響力を発揮していないことが分かる。また、第３端末装置１６ｃは、「Ｒｐ大」となる回数も多いが、「Ｒｐ小」の回数も同程度に多い。このため、第３端末装置１６ｃが影響力を強い影響力を発揮するか否かは、固定的ではなく、ケースバイケースであることが分かる。なお、図２６においては、カテゴリ毎の度数（絶対度数）を表示しているが、各ユーザ（端末装置１６）のカテゴリの度数の総和が１になるように正規化した相対度数を表示してもよい。

これまでの説明では、情報提供装置１０が特徴行動量およびリーダーポイントの算出を実行しているが、他の方式を用いることもできる。例えば、端末装置１６が、近傍の端末装置１６と互いの位置情報を随時交換し、自分の位置情報と他の端末装置１６の位置情報とを用いて、グループを形成する。また、グループに含まれる端末装置１６について、特徴行動量およびリーダーポイントを算出してもよい。つまり、位置情報管理部２２、グループ情報処理部２４が端末装置１６に含まれてもよい。グループ内の各端末装置１６がそれぞれ自分のリーダーポイントのみを算出してもよいし、ある特定の端末装置１６が、複数の端末装置１６のリーダーポイントをまとめて算出してもよい。また、リーダーポイントを算出した端末装置１６は、他の端末装置１６にそれを送信する。グループ内の各端末装置１６は、自らが算出するか、または他の端末装置１６から受信するか、または自らが算出したものと、他の端末装置から受信したものを合わせて、複数の端末装置１６に対応するリーダーポイントを取得する。端末装置１６は、それらのリーダーポイントを用いて、これまでに示した表示を表示部５２にさせる。

本実施例によれば、推定した影響力を示す情報をユーザに提供するので、ユーザは、グループ内の人間関係（暗黙的な役割り等）を客観的かつ定量的に把握できる。また、グループ内のユーザの人間関係が客観的かつ定量的に把握されるので、ユーザは自己の行動の改善や対人関係の見直しを容易に行うことができる。また、複数のリーダーポイントを集約した指標を算出するので、影響力の推定精度を向上できる。また、リーダーポイントの合計値、代表値、最大値、最小値、ばらつきを示す値、リーダーポイントの大きさに応じて決まるカテゴリ毎の度数、カテゴリ毎の相対度数、のうちの少なくとも１つを指標として算出するので、ユーザに影響力を定量的に把握させることができる。また、グループの行動の目的別、またはグループに選択されたアイテムのジャンル別に指標を算出するので、ユーザに影響力をより詳細に把握させることができる。また、ユーザに端末装置１６（ユーザ）の組み合せを自由に選ばせ、それらのリーダーポイントを比較可能なように表示するので、ユーザに影響力を容易に把握させることができる。

また、グループ行動におけるユーザの影響力を示す情報を提供することにより、ユーザ自身が必ずしも自覚していないお互いの影響力を知ることができ、ある種のエンターテインメント情報として、ユーザが楽しむことができる。例えば、「このグループは、Ａさんが仕切っていると思っていたが、実際にはＢさんの影響力が強いことが分かった」等の気づきを与えることができ、グループの人間関係に刺激を与えることができる。また、グループにおける自分の立場や役割を見直すのに役立つ。例えば、「自分は、グループの他のユーザの言いなりで、リーダーシップを発揮していない。もう少し積極的に提案してみよう」とか、「私は、グループを仕切ることが多いことが改めて分かった。今度は少し他人の好みに付き合ってみよう」といった気づきを与えることができる。すなわち、自己の行動の改善やグループの人間関係の改善につながる情報を提供することができる。また、グループ形成、リーダーポイントの導出を端末装置で実行するので、端末装置だけで影響力を推定できる。

（実施例６）
次に、実施例６を説明する。実施例６は、これまでと同様に、複数の端末装置と、それらに接続可能な情報提供装置とを含む情報提供システムに関する。実施例６に係る情報提供装置も、これまでと同様に、複数の端末装置の位置情報を使用してグループを形成するとともに、グループ内の各ユーザの影響力を推定する。一方、これまでは、１回のグループ行動におけるユーザの特徴的な行動に基づいて、リーダーポイントを算出しているが、実施例６では、過去のグループ行動において算出されたリーダーポイントを、現在のグループ行動におけるリーダーポイントに反映させる。具体的には、グループ内のあるユーザ（一のユーザ）のリーダーポイントに、それ以外の他のユーザの過去のリーダーポイントを反映させる。実施例６に係る情報提供システム１００、端末装置１６、情報提供装置１０は、図１、図１３、図１５あるいは図１９と同様のタイプである。ここでは、差異を中心に説明する。

図１５あるいは図１９のポイント算出部４２は、これまでと同様に、リーダーポイントを算出する。その情報は、グループ情報処理部２４に記憶される。図２８は、本発明の実施例５に係るグループ情報処理部２４に記憶されたデータベース（グループ情報テーブル）のデータ構造を示す。以下の説明において、処理対象のグループ（現在のグループ）のグループＩＤは、「Ｇ２１」であり、グループ情報テーブルにおいて、「Ｇ２１」には、「Ｃ」、「Ｄ」、「Ｅ」の３つの端末装置１６が対応しているものとする。この３つの端末装置１６は、第３端末装置１６ｃ、第４端末装置１６ｄ、第５端末装置１６ｅに相当する。さらに、ある時点のリーダーポイント（テンポラリポイント）は、「Ｃ＝８０」、「Ｄ＝１００」、「Ｅ＝６０」であるものとする。

また、図１５あるいは図１９のユーザ情報格納部２８におけるポイント格納部４４には、図２３に一例を示すポイント履歴テーブルが格納されているものとする。ポイント履歴テーブルは、各端末ＩＤに対する過去のリーダーポイントが示されたテーブルであり、例えば、算出日時とリーダーポイントが対応づけられて示されたテーブルである。
本実施例において、情報提供装置１０は、ステップＳ１１０を実行した後、ステップＳ１２０を実行する前に、ステップＳ１１５（図示せず）を実行する。このステップＳ１１５の詳細処理について、図２９のフローチャートを用いて説明する。まず、ステップＳ３００において、ポイント算出部４２は、対象処理グループの端末装置１６をリーダーポイント（テンポラリポイント）の大きい順に順位付けする。前述の例では、「Ｄ＝１位」、「Ｃ＝２位」、「Ｅ＝３位」である。

次に、ステップＳ３１０において、ポイント算出部４２は、所定順位の端末装置１６について、過去のリーダーポイントを取得する。ここで、所定順位とは、２位から２位以下のある順位（Ｘ位）までの各順位である。具体的に説明すると、ポイント算出部４２は、まず２位の端末装置について、ポイント格納部４４に格納したポイント履歴テーブルを参照して、過去のリーダーポイントを取得する。前述の例では、第３端末装置１６ｃの過去のリーダーポイントが取得される。図２３の例において、ポイント算出部４２は、「（Ｇ１１，Ｃ）＝０．４」、「（Ｇ１２，Ｃ）＝０．６」、「（Ｇ１３，Ｃ）＝０．８」の３つのデータを取得する。Ｘ＝２位として、所定順位を２位のみにしてもよい。Ｘ＝３位として、所定順位を「２位および３位」とした場合、ポイント算出部４２は、第５端末装置１６ｅの過去のリーダーポイントをさらに取得する。

図２３の例では、「（Ｇ１１，Ｅ）＝０．０５」、「（Ｇ１２，Ｅ）＝０．１５」の２つである。なお、ポイント算出部４２は、１位の端末装置１６が含まれないグループＩＤに限定して、過去のリーダーポイントを取得してもよい。例えば、ポイント算出部４２は、２位の端末装置１６について、過去のリーダーポイントを取得する際に、第４端末装置１６ｄが含まれるグループＩＤを除外して取得する。前述の例では、Ｇ１１に第４端末装置１６ｄが含まれるので、ポイント算出部４２は、Ｇ１１を除外し、「（Ｇ１２，Ｃ）＝０．６」、「（Ｇ１３，Ｃ）＝０．８」の２つのデータを取得するようにしてもよい。ポイント算出部４２は、３位の端末装置１６についても、同様に、１位の端末装置１６が含まれない過去のリーダーポイントを取得する。このように、１位の端末装置１６が含まれないデータに限定して過去のリーダーポイントを取得することにより、後述するリーダーポイントの補正精度が向上する場合がある。

次に、ステップＳ３２０において、ポイント算出部４２は、取得したリーダーポイントを用いて、端末装置１６毎に、過去のリーダーポイントの代表値を算出する。代表値としては、平均値、中央値、最頻値のいずれかを用いることができるが、以下の説明では、平均値を用いるものとする。前述の例では、第３端末装置１６ｃの平均値は、「（０．４＋０．６＋０．８）÷３＝０．６」となる。第５端末装置１６ｅの平均値は、「（０．０５＋０．１５）÷２＝０．１」となる。

次に、ステップＳ３３０において、ポイント算出部４２は、算出した代表値が、所定条件を満たすかを判定し、その判定結果に応じて、１位のリーダーポイントを補正する。具体的に説明すると、ポイント算出部４２は、代表値が所定値θ１以上であることを所定条件とし、その条件を満たす場合に、１位のリーダーポイントを増加させる。例えば、「θ１＝０．３」とした場合、前述の例では、第３端末装置１６ｃがこの条件を満たすため、１位のリーダーポイント「Ｄ＝１００」を１．５倍して「Ｄ＝１５０」としたり、「３０」を加算して「Ｄ＝１３０」としたりする。つまり、ポイント算出部４２は、１位のリーダーポイントに所定係数を乗算したり、所定数を加算したりして、リーダーポイントを補正する。２位以下の端末装置１６（ユーザ）において、過去のリーダーポイントが高い端末装置１６（ユーザ）が存在する場合、それらに比べてさらにリーダーポイントの高い１位の端末装置１６（ユーザ）の影響力は、非常に強いと推定できる。つまり、過去にリーダーポイントが高かった人よりもさらにリーダーポイントが高い人は、非常に影響力が強い人と推定できる。このため、ポイント算出部４２は、通常よりもリーダーポイントを高くする処理を行う。

また、ポイント算出部４２は、代表値が所定値θ２未満であることを所定条件とし、その条件を満たす場合に、１位のリーダーポイントを低減する処理を行ってもよい。例えば、「θ２＝０．２」とした場合、前述の例では、第５端末装置１６ｅがこの条件を満たすため、１位のリーダーポイント「Ｄ＝１００」を０．８倍して「Ｄ＝８０」としたり、「１０」を減算して「Ｄ＝９０」としたりする。２位以下の端末装置１６（ユーザ）において、過去のリーダーポイントが低い端末装置１６（ユーザ）が存在する場合、現在のグループで１位の端末装置１６（ユーザ）の影響力は、他のユーザの影響力が弱いために、実体よりも強く出ていると推定される。そのため、ポイント算出部４２は、通常よりもリーダーポイントを低くする処理を行う。

また、ポイント算出部４２は、代表値が所定値θ１以上である端末装置１６の数に応じて、リーダーポイントを増加または低減する程度を変えてもよい。例えば、ポイント算出部４２は、代表値がθ１以上である端末装置１６の数が１つである場合に「１．５倍」し、２つである場合に「２倍」し、３つ以上である場合に「３倍」する等の処理を行ってもよい。また、ポイント算出部４２は、２位の端末装置１６の代表値がθ１以上である場合に「２倍」とし、３位の端末装置１６の代表値がθ１以上である場合に「１．５倍」とし、２位と３位の端末装置１６が両方ともθ１以上である場合に「２×１．５＝３倍」してもよい。つまり、ポイント算出部４２は、代表値が所定条件を満たす端末装置１６の順位に応じて、リーダーポイントの補正の程度を変えてもよい。

なお、前述の説明では、１位の端末装置１６のリーダーポイントを補正したが、グループに含まれる端末装置１６の数が多い場合などには、同様の考え方で２位以下の端末装置１６のリーダーポイントを補正してもよい。例えば、３位の端末装置１６の過去のリーダーポイントを用いて、２位の端末装置１６のリーダーポイントを増加または低減してもよい。つまり、ポイント算出部４２は、グループに含まれた一の主体に対して、グループに含まれた他の主体に対応する過去に算出されたリーダーポイントに基づいて、リーダーポイントを算出する。

本実施例によれば、グループに含まれた一の主体に対して、グループに含まれた他の主体に対応する過去に算出されたリーダーポイントに基づいて、リーダーポイントを算出するので、算出精度を向上できる。また、ポイント履歴テーブルに蓄積された過去のリーダーポイントを用いて、処理対象のグループのリーダーポイントを補正するので、ユーザの影響力をさらに精度よくリーダーポイントに反映することができる。

以上、本発明を実施例をもとに説明した。この実施例は例示であり、それらの各構成要素や各処理プロセスの組合せにいろいろな変形例が可能なこと、またそうした変形例も本発明の範囲にあることは当業者に理解されるところである。

実施例１乃至６は、次に示す項目によって規定されてもよい。
［項目１］
ユーザまたは端末装置である主体の位置情報を取得し、複数の主体に係る位置情報の時系列データに基づいて、複数の主体を含んだグループを形成するグループ形成部と、
前記位置情報の時系列データに基づいて、前記グループ形成部において形成したグループに含まれた複数の主体のそれぞれに対して、グループ内の主体の影響力が高いとされる所定の行動パターンに合致する度合いを示す特徴行動量を算出し、前記特徴行動量に基づいて、各主体に対するポイントを算出するポイント算出部と、
前記ポイント算出部において算出したポイントが高い主体を優先するように、グループに対して提示すべきアイテムを選択するアイテム選択部と、
を備えることを特徴とする情報提供装置。

［項目２］
前記ポイント算出部は、前記位置情報の時系列データにおける主体の移動パターンが、前記所定の行動パターンに合致する回数、合致する時間、合致する移動距離、合致する確率、のうちの少なくとも１つを前記特徴行動量として算出し、前記特徴行動量が多いほど、高い値となるように前記ポイントを算出することを特徴とする項目１に記載の情報提供装置。

［項目３］
前記ポイント算出部における前記所定の行動パターンは、グループの移動方向を基準にして、グループの先頭から所定順位の位置に主体が位置するパターンであることを特徴とする項目１または２に記載の情報提供装置。

［項目４］
前記ポイント算出部は、前記所定順位が高いほど、高くなるようなポイントを算出することを特徴とする項目３に記載の情報提供装置。

［項目５］
前記ポイント算出部における前記所定の行動パターンは、グループが複数に分割してから合流した場合に、合流後に移動する方向に分割時から主体が移動しているパターンであることを特徴とする項目１から４のいずれかに記載の情報提供装置。

［項目６］
前記ポイント算出部は、グループが複数に分割したときの小グループに含まれる主体の数に基づいて、ポイントを算出することを特徴とする項目５に記載の情報提供装置。

［項目７］
前記ポイント算出部における前記所定の行動パターンは、主体が停止した場合に、当該停止に追従して他の主体も停止するパターンであることを特徴とする項目１から６のいずれかに記載の情報提供装置。

［項目８］
前記ポイント算出部は、当該停止に追従して停止した他の主体の数に基づいて、ポイントを算出することを特徴とする項目７に記載の情報提供装置。

［項目９］
前記ポイント算出部は、主体に対応したユーザの属性情報に応じてもポイントを算出することを特徴とする項目１から８のいずれかに記載の情報提供装置。

［項目１０］
前記ポイント算出部は、ユーザの属性情報に含まれた複数の項目に基づいてポイントを算出することを特徴とする項目９に記載の情報提供装置。

［項目１１］
前記ポイント算出部は、処理を実行する日付とユーザの属性情報との関係に応じてポイントを算出することを特徴とする項目９に記載の情報提供装置。

［項目１２］
前記グループ形成部は、主体に対応したユーザの属性情報に応じて、グループを形成するための条件を変更することを特徴とする項目１から１１のいずれかに記載の情報提供装置。

［項目１３］
前記グループ形成部は、グループに含まれた複数の主体を少なくとも２つのサブグループにも分類することによって、少なくとも２つのサブグループを形成し、
前記アイテム選択部は、前記ポイント算出部において算出したポイントが高い主体を優先するように、それぞれのサブグループに対して提示すべきアイテムを選択することを特徴とする項目１から１２のいずれかに記載の情報提供装置。

［項目１４］
前記ポイント算出部は、グループに含まれた主体の数に応じて、前記ポイントを算出することを特徴とする項目１から１３のいずれかに記載の情報提供装置。

［項目１５］
前記ポイント算出部は、グループに含まれた一の主体に対して、グループに含まれた他の主体に対応する過去に算出されたポイントに基づいて、前記ポイントを算出することを特徴とする項目１から１４のいずれかに記載の情報提供装置。

［項目１６］
前記アイテム選択部は、（１）前記ポイント算出部において算出した各主体のポイントによって重み付けしながら、各主体に対応したユーザにおけるアイテムに対する嗜好度またはアイテム属性に対する嗜好度を加算することによって、グループにおけるアイテム毎の推薦度を導出し、（２）前記導出したグループにおけるアイテム毎の推薦度をもとに、アイテムを選択することを特徴とする項目１から１５のいずれかに記載の情報提供装置。

［項目１７］
前記アイテム選択部は、前記ポイント算出部において算出したポイントが高い順に所定数の主体を特定し、その特定した主体のポイントに基づいて、アイテムを選択することを特徴とする項目１から１６のいずれかに記載の情報提供装置。

［項目１８］
ユーザまたは端末装置である主体の位置情報を取得する取得部と、
前記取得部において取得した位置情報の時系列データを情報提供装置に送信する送信部と、
前記送信部において前記位置情報の時系列データを送信した前記情報提供装置において選択されたアイテムに関する情報を前記情報提供装置から受信する受信部と、
前記受信部において受信したアイテムに関する情報を表示する表示部とを備え、
前記受信部において受信したアイテムに関する情報は、前記情報提供装置において、（１）複数の主体に係る位置情報の時系列データに基づいて、複数の主体を含んだグループを形成し、（２）前記位置情報の時系列データに基づいて、形成したグループに含まれた複数の主体のそれぞれに対して、グループ内の主体の影響力が高いとされる所定の行動パターンに合致する度合いを示す特徴行動量を算出し、前記特徴行動量に基づいて、各主体に対するポイントを算出し、（３）算出したポイントが高い主体を優先するように、グループに対して提示すべきアイテムを選択することによって生成された情報であることを特徴とする端末装置。

［項目１９］
ユーザまたは端末装置である主体の位置情報を取得し、複数の主体に係る位置情報の時系列データに基づいて、複数の主体を含んだグループを形成するステップと、
前記位置情報の時系列データに基づいて、形成したグループに含まれた複数の主体のそれぞれに対して、グループ内の主体の影響力が高いとされる所定の行動パターンに合致する度合いを示す特徴行動量を算出し、前記特徴行動量に基づいて、各主体に対するポイントを算出するステップと、
算出したポイントが高い主体を優先するように、グループに対して提示すべきアイテムを選択するステップと、
を備えることを特徴とする情報提供方法。

［項目２０］
ユーザまたは端末装置である主体の位置情報を取得し、複数の主体に係る位置情報の時系列データに基づいて、複数の主体を含んだグループを形成するステップと、
前記位置情報の時系列データに基づいて、形成したグループに含まれた複数の主体のそれぞれに対して、グループ内の主体の影響力が高いとされる所定の行動パターンに合致する度合いを示す特徴行動量を算出し、前記特徴行動量に基づいて、各主体に対するポイントを算出するステップと、
算出したポイントが高い主体を優先するように、グループに対して提示すべきアイテムを選択するステップとをコンピュータに実行させるためのプログラム。

１０ 情報提供装置、 １２ ネットワーク、 １４ 基地局装置、 １６ 端末装置、 ２０ 受信部、 ２２ 位置情報管理部、 ２４ グループ情報処理部、 ２６ アイテム選択部、 ２８ ユーザ情報格納部、 ３０ 提供情報格納部、 ３２ 送信部、 ３４ 制御部、 ４０ グループ形成部、 ４２ ポイント算出部、 ５０ 取得部、 ５２ 表示部、 ５４ 制御部、 ５６ 送信部、 ５８ 受信部、 １００ 情報提供システム。

Claims (17)

1. ユーザまたは端末装置である主体の位置情報を取得し、複数の主体に係る位置情報の時系列データに基づいて、複数の主体を含んだグループを形成するグループ形成部と、
   前記位置情報の時系列データに基づいて、前記グループ形成部において形成したグループに含まれた複数の主体のそれぞれに対して、グループ内の主体の影響力が高いとされる所定の行動パターンに合致する度合いを示す特徴行動量を算出し、前記特徴行動量に基づいて、各主体に対するポイントを算出するポイント算出部と、
   前記ポイント算出部において算出したポイントが高い主体を優先するように、グループに対して提示すべきアイテムを選択するアイテム選択部と、
   を備えることを特徴とする情報提供装置。
2. 前記ポイント算出部は、前記位置情報の時系列データにおける主体の移動パターンが、前記所定の行動パターンに合致する回数、合致する時間、合致する移動距離、合致する確率、のうちの少なくとも１つを前記特徴行動量として算出し、前記特徴行動量が多いほど、高い値となるように前記ポイントを算出することを特徴とする請求項１に記載の情報提供装置。
3. 前記ポイント算出部における前記所定の行動パターンは、グループの移動方向を基準にして、グループの先頭から所定順位の位置に主体が位置するパターンであることを特徴とする請求項１または２に記載の情報提供装置。
4. 前記ポイント算出部は、前記所定順位が高いほど、高くなるようなポイントを算出することを特徴とする請求項３に記載の情報提供装置。
5. 前記ポイント算出部における前記所定の行動パターンは、グループが複数に分割してから合流した場合に、合流後に移動する方向に分割時から主体が移動しているパターンであることを特徴とする請求項１から４のいずれかに記載の情報提供装置。
6. 前記ポイント算出部は、グループが複数に分割したときの小グループに含まれる主体の数に基づいて、ポイントを算出することを特徴とする請求項５に記載の情報提供装置。
7. 前記ポイント算出部における前記所定の行動パターンは、主体が停止した場合に、当該停止に追従して他の主体も停止するパターンであることを特徴とする請求項１から６のいずれかに記載の情報提供装置。
8. 前記ポイント算出部は、当該停止に追従して停止した他の主体の数に基づいて、ポイントを算出することを特徴とする請求項７に記載の情報提供装置。
9. 前記ポイント算出部は、主体に対応したユーザの属性情報に応じてもポイントを算出することを特徴とする請求項１から８のいずれかに記載の情報提供装置。
10. 前記グループ形成部は、主体に対応したユーザの属性情報に応じて、グループを形成するための条件を変更することを特徴とする請求項１から９のいずれかに記載の情報提供装置。
11. 前記グループ形成部は、グループに含まれた複数の主体を少なくとも２つのサブグループにも分類することによって、少なくとも２つのサブグループを形成し、
    前記アイテム選択部は、前記ポイント算出部において算出したポイントが高い主体を優先するように、それぞれのサブグループに対して提示すべきアイテムを選択することを特徴とする請求項１から１０のいずれかに記載の情報提供装置。
12. 前記ポイント算出部は、グループに含まれた主体の数に応じて、前記ポイントを算出することを特徴とする請求項１から１１のいずれかに記載の情報提供装置。
13. 前記ポイント算出部は、グループに含まれた一の主体に対して、グループに含まれた他の主体に対応する過去に算出されたポイントに基づいて、前記ポイントを算出することを特徴とする請求項１から１２のいずれかに記載の情報提供装置。
14. 前記アイテム選択部は、（１）前記ポイント算出部において算出した各主体のポイントによって重み付けしながら、各主体に対応したユーザにおけるアイテムに対する嗜好度またはアイテム属性に対する嗜好度を加算することによって、グループにおけるアイテム毎の推薦度を導出し、（２）前記導出したグループにおけるアイテム毎の推薦度をもとに、アイテムを選択することを特徴とする請求項１から１３のいずれかに記載の情報提供装置。
15. ユーザまたは端末装置である主体の位置情報を取得する取得部と、
    前記取得部において取得した位置情報の時系列データを情報提供装置に送信する送信部と、
    前記送信部において前記位置情報の時系列データを送信した前記情報提供装置において選択されたアイテムに関する情報を前記情報提供装置から受信する受信部と、
    前記受信部において受信したアイテムに関する情報を表示する表示部とを備え、
    前記受信部において受信したアイテムに関する情報は、前記情報提供装置において、（１）複数の主体に係る位置情報の時系列データに基づいて、複数の主体を含んだグループを形成し、（２）前記位置情報の時系列データに基づいて、形成したグループに含まれた複数の主体のそれぞれに対して、グループ内の主体の影響力が高いとされる所定の行動パターンに合致する度合いを示す特徴行動量を算出し、前記特徴行動量に基づいて、各主体に対するポイントを算出し、（３）算出したポイントが高い主体を優先するように、グループに対して提示すべきアイテムを選択することによって生成された情報であることを特徴とする端末装置。
16. ユーザまたは端末装置である主体の位置情報を取得し、複数の主体に係る位置情報の時系列データに基づいて、複数の主体を含んだグループを形成するステップと、
    前記位置情報の時系列データに基づいて、形成したグループに含まれた複数の主体のそれぞれに対して、グループ内の主体の影響力が高いとされる所定の行動パターンに合致する度合いを示す特徴行動量を算出し、前記特徴行動量に基づいて、各主体に対するポイントを算出するステップと、
    算出したポイントが高い主体を優先するように、グループに対して提示すべきアイテムを選択するステップと、
    を備えることを特徴とする情報提供方法。
17. ユーザまたは端末装置である主体の位置情報を取得し、複数の主体に係る位置情報の時系列データに基づいて、複数の主体を含んだグループを形成するステップと、
    前記位置情報の時系列データに基づいて、形成したグループに含まれた複数の主体のそれぞれに対して、グループ内の主体の影響力が高いとされる所定の行動パターンに合致する度合いを示す特徴行動量を算出し、前記特徴行動量に基づいて、各主体に対するポイントを算出するステップと、
    算出したポイントが高い主体を優先するように、グループに対して提示すべきアイテムを選択するステップとをコンピュータに実行させるためのプログラム。

Images