JP2017211948A

JP2017211948A - 収集装置、収集方法、及び収集プログラム

Info

Publication number: JP2017211948A
Application number: JP2016106669A
Authority: JP
Inventors: 孝太坪内; Kota Tsubouchi; 将也田地; Masaya TAJI; 隆則市川; Takanori Ichikawa
Original assignee: Yahoo Japan Corp
Current assignee: Yahoo Japan Corp
Priority date: 2016-05-27
Filing date: 2016-05-27
Publication date: 2017-11-30
Anticipated expiration: 2036-05-27
Also published as: JP6465837B2

Abstract

【課題】通知タイミングの学習を可能にする情報を適切に収集すること。
【解決手段】本願に係る収集装置は、取得部と、収集部とを有する。取得部は、ユーザの端末装置に配信した配信コンテンツであって、端末装置においてユーザに通知される配信コンテンツに対するユーザの行動に関する行動情報を取得する。収集部は、取得部により取得された行動情報を、コンテンツの通知タイミングの学習に用いる情報として収集する。例えば、収集部は、行動情報のうち、配信コンテンツに対してユーザが行動しなかったことを示す行動情報を、通知タイミングに関する負例として収集する。
【選択図】図３

Description

本発明は、収集装置、収集方法、及び収集プログラムに関する。

従来、ユーザの行動情報に基づいてユーザに情報を提供する技術が提供されている。このような場合、例えば、ユーザが興味を示した情報とユーザの状況や行動とを登録し、登録した情報に基づくタイミングでユーザに情報を提供する。

特開２０１１−９７４１７号公報

しかしながら、上記の従来技術では、通知タイミングの学習を可能にする情報を適切に収集することが難しい場合がある。例えば、ユーザが興味を示した情報をユーザの状況や行動に基づいてユーザに情報を提供するだけでは、通知タイミングの学習を可能にする情報を適切に収集することは難しい。

本願は、上記に鑑みてなされたものであって、通知タイミングの学習を可能にする情報を適切に収集する収集装置、収集方法、及び収集プログラムを提供することを目的とする。

本願に係る収集装置は、ユーザの端末装置に配信した配信コンテンツであって、前記端末装置においてユーザに通知される配信コンテンツに対するユーザの行動に関する行動情報を取得する取得部と、前記取得部により取得された行動情報を、コンテンツの通知タイミングの学習に用いる情報として収集する収集部と、を備えたことを特徴とする。

実施形態の一態様によれば、通知タイミングの学習を可能にする情報を適切に収集することができるという効果を奏する。

図１は、実施形態に係る収集処理の一例を示す図である。図２は、実施形態に係る収集システムの構成例を示す図である。図３は、実施形態に係る収集装置の構成例を示す図である。図４は、実施形態に係るユーザ情報記憶部の一例を示す図である。図５は、実施形態に係る行動情報記憶部の一例を示す図である。図６は、実施形態に係る学習情報記憶部の一例を示す図である。図７は、実施形態に係るコンテンツ情報記憶部の一例を示す図である。図８は、実施形態に係る端末装置の構成例を示す図である。図９は、実施形態に係る端末装置の表示画面の一例を示す図である。図１０は、実施形態に係る収集処理の一例を示すフローチャートである。図１１は、実施形態に係る負例収集期間の一例を示す図である。図１２は、実施形態に係る負例の収集処理の一例を示すフローチャートである。図１３は、実施形態に係る負例の収集処理の一例を示すフローチャートである。図１４は、実施形態に係る負例収集期間の一例を示す図である。図１５は、実施形態に係る負例の収集処理の一例を示すフローチャートである。図１６は、実施形態に係る収集期間の一例を示すシーケンス図である。図１７は、収集装置また端末装置の機能を実現するコンピュータの一例を示すハードウェア構成図である。

以下に、本願に係る収集装置、収集方法、及び収集プログラムを実施するための形態（以下、「実施形態」と呼ぶ）について図面を参照しつつ詳細に説明する。なお、この実施形態により本願に係る収集装置、収集方法、及び収集プログラムが限定されるものではない。また、以下の各実施形態において同一の部位には同一の符号を付し、重複する説明は省略される。

（実施形態）
〔１．収集処理〕
まず、図１を用いて、実施形態に係る収集処理の一例について説明する。図１は、実施形態に係る収集処理の一例を示す図である。図１では、本願に係るコンピュータにおいて、本願に係る収集プログラムが実行する処理の一例について説明する。本実施形態において、端末装置１０（図８参照）は、検知部１４（図８参照）から取得した各種情報を基にユーザの状態の変化やコンテキスト等を推定し、収集処理を行う。以下の例では、端末装置１０を利用するユーザがユーザＵ１である場合を示す。

また、図１では、収集装置１００が配信コンテンツである通知情報ＩＭ１１をユーザＵ１の端末装置１０に配信し、通知情報ＩＭ１１に対するユーザＵ１の行動に関する情報（以下、「行動情報」ともいう）を取得する場合を示す。例えば、通知情報ＩＭ１１は、スポーツの速報であるコンテンツＣＴ１１（図９参照）等、種々の情報であってもよい。

図１の例では、行動情報（以下、「ユーザ関連情報」ともいう）には、ユーザＵ１が複数種類の特定行動のうちのいずれかの行動をした場合におけるユーザＵ１の通知情報ＩＭ１１に対する行動の有無とユーザＵ１に関するコンテキストの情報が含まれる。例えば、ユーザＵ１の通知情報ＩＭ１１に対する行動の有無とは、ユーザＵ１が通知情報ＩＭ１１を閲覧（開封）した場合、「有」となり、ユーザＵ１が通知情報ＩＭ１１を閲覧（開封）しなかった場合、「無」となる。

また、ここでいう特定行動は、ユーザへの割り込みを行うタイミングの候補（以下、ブレークポイントと記載する場合がある）として予め選択されたユーザの行動である。特定行動は、例えば、ユーザが歩いている状態から止まるという行動、ユーザが走っている状態から歩くという行動、座っている状態から立つという行動などである。なお、特定行動は、直前の行動を考慮しないものであってもよく、例えば、ユーザが電子メールを送信するという行動、ユーザが電気機器を操作（ＯＮ／ＯＦＦ）するという行動、ユーザが時計を見るという行動等であってもよい。図１の例では、ブレークポイントＢＰ１１〜ＢＰ１６は、ユーザＵ１に関する変化（特定行動ＣＨ１１〜ＣＨ１６）のタイミングに対応するが、詳細は後述する。

ユーザに関するコンテキスト（以下、単に「コンテキスト」ともいう）は、例えば、ユーザを取り巻く状況である。図１では、コンテキストは、ユーザＵ１や端末装置１０の状況やユーザＵ１や端末装置１０の環境（背景）を意味する。また、コンテキストには、ユーザに提供されるコンテンツの内容、ユーザが反応したコンテンツの内容、ユーザの属性、ユーザの現在位置、現在時刻、ユーザが置かれた物理環境、ユーザが置かれた社会環境、ユーザの運動状態、および、ユーザの感情等の種々の情報が含まれる。

ここでいうコンテキストは、ユーザや端末装置１０の状況やユーザや端末装置１０の環境（背景）を意味する。例えば、コンテキストは、ユーザによって端末装置１０が使われている状況や、端末装置１０を所持するユーザが置かれている状態に対応する情報である。すなわち、図１におけるコンテキストは、ユーザＵ１の状況、例えばユーザＵ１がいる場所の環境に対応する。具体的には、図１におけるコンテキストは、各ユーザ関連情報が取得された時点におけるユーザＵ１の状況に対応する。

例えば、収集装置１００は、端末装置１０から取得した行動情報を基に学習モデル（以下、単に「モデル」ともいう）を学習する。すなわち、収集装置１００は、取得した行動情報を基にモデルを生成する。具体的には、収集装置１００は、各特定行動とコンテキストとを特徴量として機械学習を実行し、端末装置１０において配信コンテンツをユーザに通知するタイミング（以下、「通知タイミング」ともいう）のモデルを生成する。詳細は後述するが、収集装置１００は、下記式（１）に示すようなモデルを用いて、ユーザへの通知タイミングを判定するモデルを生成する。

図１の例では、端末装置１０はユーザＵ１に対応するモデル（モデル情報）を保持しており、収集装置１００から受信した配信コンテンツである通知情報ＩＭ１１の通知タイミングを判定する。また、図１の例では、端末装置１０は、ブレークポイントＢＰ１１〜ＢＰ１６と判定した場合、下記式（１）の「ｙ」の値を算出し、「ｙ」の値が所定の閾値以上の場合、そのブレークポイントをゴールデンブレークポイントと判定して、ユーザに通知を行うものとする。

また、端末装置１０は、収集装置１００から配信コンテンツを受信してから所定の期間（以下、「負例収集期間」ともいう）中のゴールデンブレークポイントにおいて、ユーザに通知を行うものとする。なお、負例収集期間の開始時点は、配信コンテンツの受信後の最初のゴールデンブレークポイントであってもよく、種々のタイミングであってもよい。図１の例では、端末装置１０は、収集装置１００から通知情報ＩＭ１１を受信してから負例収集期間Ｎ１１中のゴールデンブレークポイントにおいて、ユーザＵ１に通知を行うものとする。例えば、負例収集期間Ｎ１１は５分等の所定の期間であってもよい。また、図１では、時刻ｔ１１から時刻ｔ１８までを負例収集期間Ｎ１１とする。

また、端末装置１０は、負例収集期間中に収集した行動情報を収集装置１００へ送信する。例えば、収集装置１００は、端末装置１０から取得した行動情報のうち、通知情報ＩＭ１１に対するユーザＵ１の行動が「無」である場合を負例として収集する。

まず、図１に示す例においては、収集装置１００は、時刻ｔ１１において、配信コンテンツを端末装置１０に配信する（ステップＳ１１）。具体的には、収集装置１００は、時刻ｔ１１において、通知情報ＩＭ１１を端末装置１０に送信する。

その後、ユーザＵ１は時刻ｔ１２において走っている状態から歩いている状態へ変化する行動情報ＣＨ１１を行ったものとする。そして、端末装置１０は、行動情報ＣＨ１１が行われたブレークポイントＢＰ１１がゴールデンブレークポイントであるかを判定する（ステップＳ１２）。例えば、端末装置１０は、時刻ｔ１２において算出した下記式（１）の「ｙ」の値と所定の閾値とを比較することにより、ブレークポイントＢＰ１１がゴールデンブレークポイントであるかを判定する。図１では、例えば、ブレークポイントＢＰ１１における下記式（１）の「ｙ」の値が所定の閾値未満であったため、端末装置１０は、ブレークポイントＢＰ１１をゴールデンブレークポイントでないと判定する。

その後、ユーザＵ１は時刻ｔ１３において歩いている状態から座っている状態へ変化する行動情報ＣＨ１２を行ったものとする。そして、端末装置１０は、行動情報ＣＨ１２が行われたブレークポイントＢＰ１２がゴールデンブレークポイントであるかを判定する（ステップＳ１３）。図１では、例えば、ブレークポイントＢＰ１２における下記式（１）の「ｙ」の値が所定の閾値以上であったため、端末装置１０は、ブレークポイントＢＰ１２をゴールデンブレークポイントＧＢＰ１２であると判定する。

そして、端末装置１０は、通知情報ＩＭ１１をプッシュ通知する（ステップＳ１４）。具体的には、端末装置１０は、通知情報ＩＭ１１を表示する。

ここで、ユーザＵ１は、端末装置１０に表示された通知情報ＩＭ１１を選択すること等により、通知情報ＩＭ１１を閲覧（開封）しなかったものとする。この場合、端末装置１０は、ゴールデンブレークポイントＧＢＰ１２における通知情報ＩＭ１１に対するユーザＵ１の行動が「無」であったことを示す行動情報を収集装置１００へ送信する（ステップＳ１５）。これにより、収集装置１００は、通知情報ＩＭ１１に対するユーザＵ１の負例を収集する。なお、図１では、通知タイミングごとに端末装置１０が収集装置１００へ行動情報を送信する例を示すが、行動情報の送信タイミングは、種々のタイミングであってもよい。例えば、端末装置１０から収集装置１００への行動情報の送信タイミングは、負例収集期間Ｎ１１であってもよいし、定期的（例えば、１時間おきや１日おき等）であってもよい。

その後、ユーザＵ１は時刻ｔ１４において座っている状態から立っている状態へ変化する行動情報ＣＨ１３を行ったものとする。そして、端末装置１０は、行動情報ＣＨ１３が行われたブレークポイントＢＰ１３がゴールデンブレークポイントであるかを判定する（ステップＳ１６）。図１では、例えば、ブレークポイントＢＰ１３における下記式（１）の「ｙ」の値が所定の閾値未満であったため、端末装置１０は、ブレークポイントＢＰ１３をゴールデンブレークポイントでないと判定する。

その後、ユーザＵ１は時刻ｔ１５において歩いている状態から立ち止まった状態へ変化する行動情報ＣＨ１４を行ったものとする。そして、端末装置１０は、行動情報ＣＨ１４が行われたブレークポイントＢＰ１４がゴールデンブレークポイントであるかを判定する（ステップＳ１７）。図１では、例えば、ブレークポイントＢＰ１４における下記式（１）の「ｙ」の値が所定の閾値以上であったため、端末装置１０は、ブレークポイントＢＰ１４をゴールデンブレークポイントＧＢＰ１４であると判定する。

そして、端末装置１０が通知情報ＩＭ１１をプッシュ通知し、ユーザＵ１が通知情報ＩＭ１１を閲覧（開封）しなかったものとする（ステップＳ１８）。この場合、端末装置１０は、ゴールデンブレークポイントＧＢＰ１４における通知情報ＩＭ１１に対するユーザＵ１の行動が「無」であったことを示す行動情報を収集装置１００へ送信する（ステップＳ１９）。これにより、収集装置１００は、通知情報ＩＭ１１に対するユーザＵ１の負例を収集する。なお、端末装置１０は、ゴールデンブレークポイントであるとの判定が負例収集期間開始から２回目以降である場合、通知情報ＩＭ１１をプッシュ通知しなくてもよい。

その後、ユーザＵ１は時刻ｔ１６において時計を見る行動情報ＣＨ１５を行ったものとする。そして、端末装置１０は、行動情報ＣＨ１５が行われたブレークポイントＢＰ１５がゴールデンブレークポイントであるかを判定する（ステップＳ２０）。図１では、例えば、ブレークポイントＢＰ１５における下記式（１）の「ｙ」の値が所定の閾値未満であったため、端末装置１０は、ブレークポイントＢＰ１５をゴールデンブレークポイントでないと判定する。

その後、ユーザＵ１は時刻ｔ１７において電車（移動体）に乗る行動情報ＣＨ１６を行ったものとする。そして、端末装置１０は、行動情報ＣＨ１６が行われたブレークポイントＢＰ１６がゴールデンブレークポイントであるかを判定する（ステップＳ２１）。図１では、例えば、ブレークポイントＢＰ１６における下記式（１）の「ｙ」の値が所定の閾値以上であったため、端末装置１０は、ブレークポイントＢＰ１６をゴールデンブレークポイントＧＢＰ１６であると判定する。

そして、端末装置１０が通知情報ＩＭ１１をプッシュ通知し、ユーザＵ１が通知情報ＩＭ１１を閲覧（開封）したものとする（ステップＳ２２）。この場合、端末装置１０は、ゴールデンブレークポイントＧＢＰ１６における通知情報ＩＭ１１に対するユーザＵ１の行動が「有」であったことを示す行動情報を収集装置１００へ送信する（ステップＳ２３）。これにより、収集装置１００は、通知情報ＩＭ１１に対するユーザＵ１の正例を収集する。なお、端末装置１０は、正例の送信時に負例を併せて収集装置１００へ送信してもよい。

上述したように、収集装置１００は、配信コンテンツを配信した端末装置１０から正例や負例を収集する。これにより、収集装置１００は、通知タイミングの学習を可能にする情報を適切に収集することができる。また、負例収集期間を所定の期間に区切ることにより、端末装置１０の電力消費を抑制することができる。また、負例収集期間を所定の期間に区切ることにより、端末装置１０と収集装置１００との通信負荷を抑制することができる。

〔２．収集システム〕
図２は、収集システム１の構成例を示す図である。図２に示すように、実施形態に係る収集システム１は、複数の端末装置１０_１〜１０_ｎと、センサ装置５０_１〜５０_ｍと、収集装置１００とを備える。図２中の端末装置１０_１〜１０_ｎは、端末装置１０が複数あることを示すための符号であり、端末装置１０と同様である。

複数の端末装置１０および収集装置１００は、ネットワーク２を介して無線または有線で互いに通信可能に接続される。ネットワーク２は、例えば、ＬＡＮ（Local Area Network）や、インターネットなどのＷＡＮ（Wide Area Network）である。

端末装置１０は、デスクトップ型ＰＣ（Personal Computer）や、ノート型ＰＣや、タブレット型端末や、携帯電話機、ＰＤＡ（Personal Digital Assistant）等により実現される。端末装置１０は、例えば、情報通知アプリケーションを含む複数のアプリケーションを有しており、収集装置１００から配信されるコンテンツを取得して表示したりする。また、端末装置１０は、ユーザの行動情報等に基づいて生成されたモデルを用いて、ゴールデンブレークポイントを判定することにより、ユーザへの割り込みにより適した通知タイミングでユーザへコンテンツを通知することができる。

センサ装置５０_１〜５０_ｍ（以下、センサ装置５０と総称する場合がある）は、ユーザの状態を検出して、端末装置１０や収集装置１００へネットワーク２を介して通知することができる。センサ装置５０は、例えば、ユーザの特定行動を検出することができる。また、センサ装置５０は、例えば、ユーザが携帯する装置（例えば、時計やＰＣ）であってもよい。

例えば、センサ装置５０は、ユーザが所定の電気機器（例えば、コーヒーメーカ、照明機器、テレビ、冷蔵庫など）を操作（例えば、ＯＮ／ＯＦＦ）したことをユーザの特定行動として検出することができる。また、センサ装置５０は、例えば、鍵の開け閉めやユーザが運転する自動車の動作状態などをユーザの特定行動として検出することができる。

また、センサ装置５０は、例えば、ユーザを撮像し、撮像結果に基づきユーザ認識を行い、ユーザの特定行動（例えば、歩いている状態から止まるという行動や立っている状態から座るという行動など）を検出することができる。

収集装置１００は、端末装置１０やセンサ装置５０から収集装置１００へ提供される情報に基づいて、上述したモデルを生成し、モデルを用いて、ユーザへの割り込みにより適したタイミングでユーザへコンテンツを配信することができる。

〔３．収集装置の構成〕
次に、図３を用いて、実施形態に係る収集装置１００の構成について説明する。図３は、実施形態に係る収集装置１００の構成例を示す図である。図３に示すように、収集装置１００は、通信部１１０と、記憶部１２０と、制御部１３０とを有する。なお、収集装置１００は、収集装置１００の管理者等から各種操作を受け付ける入力部（例えば、キーボードやマウス等）や、各種情報を表示するための表示部（例えば、液晶ディスプレイ等）を有してもよい。

（通信部１１０）
通信部１１０は、例えば、ＮＩＣ（Network Interface Card）等によって実現される。そして、通信部１１０は、ネットワーク２と有線または無線で接続され、端末装置１０との間で情報の送受信を行う。

（記憶部１２０）
記憶部１２０は、例えば、ＲＡＭ（Random Access Memory）、フラッシュメモリ（Flash Memory）等の半導体メモリ素子、または、ハードディスク、光ディスク等の記憶装置によって実現される。実施形態に係る記憶部１２０は、図３に示すように、ユーザ情報記憶部１２１と、行動情報記憶部１２２と、学習情報記憶部１２３と、コンテンツ情報記憶部１２４とを有する。

（ユーザ情報記憶部１２１）
実施形態に係るユーザ情報記憶部１２１は、ユーザに関する各種情報を記憶する。例えば、ユーザ情報記憶部１２１は、ユーザ属性に関する各種情報を記憶する。図４は、実施形態に係るユーザ情報記憶部の一例を示す図である。図４に示すユーザ情報記憶部１２１は、「ユーザＩＤ」、「年齢」、「性別」、「自宅」、「勤務地」、「興味」、「モデル」といった項目が含まれる。

「ユーザＩＤ」は、ユーザを識別するための識別情報を示す。例えば、ユーザＩＤ「Ｕ１」により識別されるユーザは、図１の例に示したユーザＵ１に対応する。また、「年齢」は、ユーザＩＤにより識別されるユーザの年齢を示す。なお、「年齢」は、例えば３５歳など、ユーザＩＤにより識別されるユーザの具体的な年齢であってもよい。また、「性別」は、ユーザＩＤにより識別されるユーザの性別を示す。

また、「自宅」は、ユーザＩＤにより識別されるユーザの自宅の位置情報を示す。なお、図４に示す例では、「自宅」は、「ＬＣ１１」といった抽象的な符号を図示するが、緯度や経度を示す情報であってもよい。また、例えば、「自宅」は、地域名や住所であってもよい。

また、「勤務地」は、ユーザＩＤにより識別されるユーザの勤務地の位置情報を示す。なお、図４に示す例では、「勤務地」は、「ＬＣ１２」といった抽象的な符号を図示するが、緯度や経度を示す情報であってもよい。また、例えば、「勤務地」は、地域名や住所であってもよい。

また、「興味」は、ユーザＩＤにより識別されるユーザの興味を示す。すなわち、「興味」は、ユーザＩＤにより識別されるユーザが関心の高い対象を示す。なお、図４に示す例では、「興味」は、各ユーザに１つずつ図示するが、複数であってもよい。

また、「モデル」は、ユーザＩＤにより識別されるユーザに用いられるモデルを示す。すなわち、「モデル」は、ユーザＩＤにより識別されるユーザにコンテンツを配信したり、通知したりするタイミングを判定するために用いるモデルを示す。

例えば、図４に示す例において、ユーザＩＤ「Ｕ１」により識別されるユーザの年齢は、「２０代」であり、性別は、「男性」であることを示す。また、例えば、ユーザＩＤ「Ｕ１」により識別されるユーザは、自宅が「ＬＣ１１」であることを示す。また、例えば、ユーザＩＤ「Ｕ１」により識別されるユーザは、勤務地が「ＬＣ１２」であることを示す。また、例えば、ユーザＩＤ「Ｕ１」により識別されるユーザは、「スポーツ」に興味があることを示す。また、例えば、ユーザＩＤ「Ｕ１」により識別されるユーザに対するタイミングの判定には、モデルＭ１が用いられることを示す。

なお、ユーザ情報記憶部１２１は、上記に限らず、目的に応じて種々の情報を記憶してもよい。例えば、ユーザ情報記憶部１２１は、氏名、家族構成、収入等の情報を記憶してもよい。

（行動情報記憶部１２２）
実施形態に係る行動情報記憶部１２２は、ユーザの行動に関する各種情報を記憶する。図５は、実施形態に係る行動情報記憶部の一例を示す図である。例えば、行動情報記憶部１２２は、各ユーザの端末装置１０に配信したコンテンツに対するユーザの行動情報を記憶する。図５に示す行動情報記憶部１２２には、「ユーザＩＤ」、「配信コンテンツ」、「行動」、「状況」といった項目が含まれる。また、「行動」には、「ＩＤ」、「有無」といった項目が含まれる。また、「状況」には、「時刻」、「位置」といった項目が含まれる。

「ユーザＩＤ」は、ユーザを識別するための識別情報を示す。例えば、ユーザＩＤ「Ｕ１」により識別されるユーザは、図１の例に示したユーザＵ１に対応する。また、「配信コンテンツ」は、対応するユーザに配信されたコンテンツを識別する情報を示す。また、「行動」は、ユーザの配信コンテンツに対する行動に関する情報を示す。また、「状況」は、対応するユーザの状況に関する情報を示す。

「ＩＤ」は、各行動を識別するための識別情報を示す。例えば、ＩＤ「ＡＴ１１」により識別される行動は、ユーザに配信したコンテンツである通知情報ＩＭ１１に対するユーザの行動に対応する。また、「有無」は、行動の有無を示す。「有無」が「１」の場合、行動が「有」であり、ユーザが行動を行ったことを示す。例えば、「有無」が「１」の場合、ユーザＵ１が通知情報ＩＭ１１を閲覧（開封）したことを示す。また、「有無」が「０」の場合、行動が「無」であり、ユーザが行動を行わなかったことを示す。例えば、「有無」が「０」の場合、ユーザＵ１が通知情報ＩＭ１１を閲覧（開封）しなかったことを示す。

「時刻」は、各行動に関する時刻を示す。時刻「ＴＭ１１」は、行動ＡＴ１１に関する時刻を示す。例えば、時刻「ＴＭ１１」は、ユーザにコンテンツ（例えば、通知情報ＩＭ１１）が通知された時刻やブレークポイント（ゴールデンブレークポイント）と判定された時刻であってもよい。また、例えば、「有無」が「１」の場合、時刻「ＴＭ１１」は、ユーザがコンテンツを閲覧（開封）した時刻であってもよい。また、例えば、「有無」が「０」の場合、時刻「ＴＭ１１」は、ユーザにコンテンツが通知された時刻やブレークポイント（ゴールデンブレークポイント）と判定された時刻から所定の時間が経過した後の時刻であってもよい。

また、「位置」は、各行動に関する位置を示す。位置「ＬＣ１３」は、行動ＡＴ１１に関する位置を示す。例えば、位置「ＬＣ１３」は、ユーザにコンテンツが通知されたときの位置情報やブレークポイント（ゴールデンブレークポイント）と判定されたときの位置情報であってもよい。また、例えば、位置「ＬＣ１３」は、ユーザがコンテンツを閲覧（開封）したときの位置情報であってもよい。

例えば、図５に示す例において、ユーザＩＤ「Ｕ１」により識別されるユーザは、ＩＤ「ＡＴ１３」により識別される行動が有無「１」であり、時刻ＴＭ１３に行動を行ったことを示す。具体的には、ユーザＩＤ「Ｕ１」により識別されるユーザは、配信されたコンテンツ（例えば、通知情報ＩＭ１１）を時刻「ＴＭ１３」に閲覧（開封）したことを示す。また、例えば、位置「ＬＣ１５」は、ユーザがコンテンツを閲覧（開封）したときの位置情報を示す。

なお、行動情報記憶部１２２は、上記に限らず、目的に応じて種々の情報を記憶してもよい。また、図５では、ユーザＩＤごとに行動情報が行動情報記憶部１２２に記憶される場合を示したが、行動情報は、ユーザＩＤごとに限らず、例えば時刻順に記憶されてもよい。

（学習情報記憶部１２３）
実施形態に係る学習情報記憶部１２３は、学習に関する情報を記憶する。例えば、学習情報記憶部１２３は、収集処理により収集されたモデル情報を記憶する。図６は、実施形態に係る学習情報記憶部の一例を示す図である。図６に示す学習情報記憶部１２３は、モデル情報として、各モデルＭ１〜Ｍ６に対応させて「素性１」〜「素性３」等といった項目を有する。

例えば、図６に示す例において、モデルＭ１に関するモデル情報は、素性１の重みが「０．５」、素性２の重みが「０．４」、素性３の重みが「０．２」等であることを示す。例えば、モデルの素性（特徴量）がｍ次元のベクトルで表現される場合、素性数はｍ個になり、素性１〜素性ｍの重みが記憶される。例えば、素性１は、下記式（１）のａ_１１に対応し、素性２は、下記式（１）のａ_１２に対応する。

なお、学習情報記憶部１２３は、上記に限らず、目的に応じて種々のモデル情報を記憶してもよい。

（コンテンツ情報記憶部１２４）
実施形態に係るコンテンツ情報記憶部１２４は、コンテンツ（記事）に関する各種情報を記憶する。図７は、実施形態に係るコンテンツ情報記憶部の一例を示す図である。図７に示すコンテンツ情報記憶部１２４は、「コンテンツＩＤ」、「コンテンツ」、「カテゴリ」といった項目を有する。

「コンテンツＩＤ」は、コンテンツを識別するための識別情報を示す。「コンテンツ」は、いわゆるコンテンツプロバイダ等の提供元から取得したコンテンツである記事を示す。図７では「コンテンツ」に「記事Ａ」といった概念的な情報が格納される例を示したが、実際には、文字情報や文字情報と画像との組合せ、または、これらの格納場所を示すファイルパス名などが格納される。また、「カテゴリ」は、コンテンツの内容に基づく分類情報を示す。

例えば、図７に示す例において、コンテンツＩＤ「ＣＴ１１」により識別される記事Ａ（例えば、「通知情報ＩＭ１１」）は、カテゴリ「スポーツ」に分類されることを示す。また、図７に示す例において、コンテンツＩＤ「ＣＴ１２」により識別される記事Ｂ（コンテンツＣＴ１２）は、カテゴリ「経済」に分類されることを示す。

なお、コンテンツ情報記憶部１２４は、上記に限らず、目的に応じて種々の情報を記憶してもよい。例えば、コンテンツ情報記憶部１２４は、コンテンツを取得した日時やコンテンツが作成された日時に関する情報を記憶してもよい。コンテンツ情報記憶部１２４は、各提供元の評価値に関する情報を記憶してもよい。また、コンテンツ情報記憶部１２４は、コンテンツの提供元を識別するための識別情報を記憶してもよい。また、コンテンツ情報記憶部１２４は、各モデルにより算出されたコンテンツのスコアを記憶してもよい。

（制御部１３０）
図３の説明に戻って、制御部１３０は、例えば、ＣＰＵ（Central Processing Unit）やＭＰＵ（Micro Processing Unit）等によって、収集装置１００内部の記憶装置に記憶されている各種プログラム（収集プログラムの一例に相当）がＲＡＭを作業領域として実行されることにより実現される。また、制御部１３０は、例えば、ＡＳＩＣ（Application Specific Integrated Circuit）やＦＰＧＡ（Field Programmable Gate Array）等の集積回路により実現される。

図３に示すように、制御部１３０は、取得部１３１と、収集部１３２と、学習部１３３と、決定部１３４と、配信部１３５とを有し、以下に説明する情報処理の機能や作用を実現または実行する。なお、制御部１３０の内部構成は、図３に示した構成に限られず、後述する情報処理を行う構成であれば他の構成であってもよい。

（取得部１３１）
取得部１３１は、各種情報を取得する。例えば、取得部１３１は、ユーザの行動情報を取得する。例えば、取得部１３１は、ユーザの端末装置１０に配信した配信コンテンツであって、端末装置１０においてユーザに通知される配信コンテンツに対するユーザの行動に関する行動情報を取得する。また、取得部１３１は、ユーザに関するユーザ情報を取得してもよい。

また、取得部１３１は、端末装置１０からコンテンツの配信要求を取得してもよい。また、取得部１３１は、ユーザを識別する情報（例えば、ログインＩＤや端末識別情報等）や端末装置１０の位置情報等を取得する。また、取得部１３１は、端末装置１０から送信される各種情報を取得する。

（収集部１３２）
収集部１３２は、取得部１３１により取得された行動情報を、コンテンツの通知タイミングの学習に用いる情報として収集する。収集部１３２は、行動情報のうち、配信コンテンツに対してユーザが行動しなかったことを示す行動情報を、通知タイミングに関する負例として収集する。例えば、収集部１３２は、行動情報のうち、配信コンテンツの配信後における所定期間内に配信コンテンツに対してユーザが行動しなかったことを示す行動情報を、負例として収集する。また、例えば、収集部１３２は、行動情報のうち、配信コンテンツに対してユーザが行動したことを示す行動情報を、通知タイミングに関する正例として収集する。また、収集部１３２は、収集した負例や正例を行動情報記憶部１２２に格納する。

図１の例では、収集部１３２は、端末装置１０から取得した行動情報のうち、通知情報ＩＭ１１に対するユーザＵ１の行動が「無」である場合を負例として収集する。また、収集部１３２は、端末装置１０から取得した行動情報のうち、通知情報ＩＭ１１に対するユーザＵ１の行動が「有」である場合を正例として収集する。また、収集装置１００は、負例収集期間Ｎ１１中の負例や正例を収集する。

また、詳細は後述するが、収集部１３２は、負例を収集する所定期間（負例収集期間）を各種情報に基づいて変動させてもよい。例えば、収集部１３２は、ユーザに関するコンテキストに基づく所定期間内に配信コンテンツに対してユーザが行動しなかったことを示す行動情報を、負例として収集する。また、例えば、収集部１３２は、コンテンツに関するコンテキストに基づく所定期間内に配信コンテンツに対してユーザが行動しなかったことを示す行動情報を、負例として収集する。

また、収集部１３２は、負例収集期間をカウント（計時）する際の量を各種情報に基づいて変動させてもよい。例えば、収集部１３２は、ユーザに関するセンサ情報に基づいて、ユーザが配信コンテンツに反応可能と推定される間に計時される所定期間内に、配信コンテンツに対してユーザが行動しなかったことを示す行動情報を、負例として収集する。また、例えば、収集部１３２は、ユーザの環境に関するセンサ情報に基づいて、ユーザが配信コンテンツに反応可能と推定される間に計時される所定期間内に、配信コンテンツに対してユーザが行動しなかったことを示す行動情報を、負例として収集する。また、例えば、収集部１３２は、ユーザのコンテキストに応じて計時される量が変動する所定期間内に、配信コンテンツに対してユーザが行動しなかったことを示す行動情報を、負例として収集する。

また、収集部１３２は、負例を収集する期間を分割してもよい。例えば、収集部１３２は、間欠的に配置される複数の期間を含む所定期間内に、配信コンテンツに対してユーザが行動しなかったことを示す行動情報を、負例として収集する。また、収集部１３２は、行動情報のうち、配信コンテンツの配信後においてユーザに関する変化に基づくタイミングにおいて、配信コンテンツに対してユーザが行動しなかったことを示す行動情報を、変化における負例として収集する。

（学習部１３３）
学習部１３３は、各種情報を用いて学習を行う。例えば、学習部１３３は、各種情報を用いてモデルを生成する。例えば、学習部１３３は、収集部１３２により収集された情報に基づいて学習を行う。例えば、学習部１３３は、収集部１３２により収集された情報に基づいて、コンテンツを配信したり通知したりするタイミングを判定するモデルを生成する。例えば、学習部１３３は、行動情報記憶部１２２に記憶された行動情報に基づいて、ユーザの各特定行動とユーザのコンテキストとを特徴量として機械学習を実行し、コンテンツを配信したり通知したりするタイミングを判定するモデルを生成する。学習部１３３は、生成したモデルの情報を学習情報記憶部１２３へ記憶する。

学習部１３３は、例えば、ユーザの端末装置１０に対する行動（対端末行動）である配信コンテンツの閲覧（開封）の正否を目的変数（正解データ）とし、ユーザの各特定行動の正否およびユーザのコンテキストの内容の組み合わせを説明変数（素性）とする回帰モデルをモデルとして求める。例えば、学習部１３３は、下記式（１）に示すような回帰モデルを求める。なお、対端末行動は、例えば、ユーザが収集装置１００から端末装置１０へ提供されたコンテンツに反応するという行動に限らず、ユーザが端末装置１０を持つという行動等、種々の行動が対象であってもよい。

ｙ＝ａ_１１・（ｘ_１，ｚ_１）＋ａ_１２・（ｘ_２，ｚ_２）＋・・・＋ａ_ｎｍ・（ｘ_ｎ，ｚ_ｍ）・・・（１）

上記式（１）において、「ｘ_１」〜「ｘ_ｎ」は、ユーザの各特定行動の情報であり、「ｚ_１」〜「ｚ_ｍ」は、ユーザのコンテキストの内容別の情報である。また、（ｘ_１，ｚ_１）は、特定行動「ｘ_１」とコンテキストの内容「ｚ_１」との組み合わせを説明変数（素性）としていることを意味し、「ｘ_１」と「ｚ_１」が共に「１」である場合に、（ｘ_１，ｚ_１）＝「１」になる。

例えば、「ｙ」は、ユーザの対端末行動の正否であり、ユーザの対端末行動が行われる可能性が高い場合は「１」に近い値になり、ユーザの対端末行動が行われる可能性が低い場合は「０」に近い値になってもよい。

また、例えば、「ｙ」は、ユーザの対端末行動の正否であり、ユーザの対端末行動がある場合には、「ｙ」＝「１」になり、ユーザの対端末行動がない場合には、「ｙ」＝「−１」になってもよい。学習部１３３は、対端末行動の種別毎にモデルを生成することができる。例えば、ユーザの対端末行動の種別が第１種別から第ｎ種別があるとした場合、学習部１３３は、第１〜第ｎ種別の対端末行動の正否を「ｙ_１」〜「ｙ_ｎ」としてモデルを生成することができる。

また、例えば、「ｙ_１」は、収集装置１００からの配信コンテンツを閲覧（開封）したか否かであり、配信コンテンツを閲覧（開封）した場合、「ｙ_１」＝「１」になり、配信コンテンツを閲覧（開封）しない場合、「ｙ_１」＝「−１」になる。また、「ｙ_２」は、ユーザが端末装置１０を持ったか否かであり、ユーザが端末装置１０を持った場合、「ｙ_２」＝「１」になり、ユーザが端末装置１０を持たない場合、「ｙ_２」＝「−１」になる。

また、「ｘ_１」は、例えば、ユーザが歩いている状態から止まるという行動であり、「ｘ_２」は、例えば、立っている状態から座るという行動であり、「ｘ_ｎ」は、例えば、コーヒーメーカを操作するという行為である。

また、ユーザに関するコンテキストのうち学習に用いるコンテキストの種別を、ユーザが反応したコンテンツの内容（車関係、旅行関係、グルメ関係など）とした場合、「ｚ_１」は、例えば、「車」であり、「ｚ_２」は、例えば、「旅行」であり、「ｚ_ｍ」は、例えば、「グルメ」である。これにより、ユーザが反応したコンテンツの内容を考慮したユーザの端末装置１０に対する行動のモデルを生成することができる。なお、学習部１３３は、ユーザが反応したコンテンツの内容をユーザ情報記憶部１２１やコンテンツ情報記憶部１２４から取得してもよい。

また、学習に用いるコンテキストの種別を、現在時刻とした場合、「ｚ_１」は、例えば、「６：００〜６：５９」であり、「ｚ_２」は、例えば、「７：００〜７：５９」であり、「ｚ_ｍ」は、例えば、「５：００〜５：５９」である。なお、「ｚ_１」は、例えば、「平日の６：００〜６：５９」、「ｚ_２」は、例えば、「週末の６：００〜６：５９」としたりすることができる。これにより、現在時刻を考慮したユーザの端末装置１０に対する行動のモデルを生成することができる。

また、学習に用いるコンテキストの種別を、ユーザの現在位置とした場合、例えば、各都道府県や各市町村を「ｚ_１」〜「ｚ_ｍ」としたり、「自宅」、「職場」、「電車内」、「タクシー内」、「出張先」、・・・などを「ｚ_１」〜「ｚ_ｍ」としたりすることができる。これにより、ユーザの現在位置を考慮したユーザの端末装置１０に対する行動のモデルを生成することができる。

また、学習に用いるコンテキストの種別を、ユーザが置かれた物理環境（気温、天候等）とした場合、気温と天候の組み合わせを「ｚ_１」〜「ｚ_ｍ」とすることができる。例えば、「ｚ_１」を「摂氏１０度かつ晴れ」とし、「ｚ_２」を「摂氏１０度かつ曇り」としたりすることができる。これにより、物理環境を考慮したユーザの端末装置１０に対する行動のモデルを生成することができる。

また、学習に用いるコンテキストの種別を、ユーザが置かれた社会環境とした場合、例えば、景気の程度、流行の商品やサービスなどの種々の社会情勢を「ｚ_１」〜「ｚ_ｍ」とすることができる。

また、学習に用いるコンテキストの種別を、ユーザの属性とする場合、例えば、ユーザの年齢、性別、住所区分、興味関心の種別の少なくともいずれか一つを「ｚ_１」〜「ｚ_ｍ」とすることができる。

また、学習に用いるコンテキストの種別を、例えば、ユーザの運動状態（例えば、走っている時間、歩いている時間、座っている時間など）、ユーザの感情（例えば、笑っている状態、怒っている状態、困っている状態など）、ユーザのスケジュール（例えば、現時刻の予定の内容、１時間先の予定の内容など）などとすることができる。

なお、上述した例では、学習に用いるコンテキストの種別が一つである場合を説明したが、学習に用いるコンテキストの種別を複数考慮することもできる。この場合、ユーザの各特定行動の情報である「ｘ_１」〜「ｘ_ｎ」に対して、特徴量として上記と同様に加えることができる。なお、「ｘ_１」〜「ｘ_ｎ」に対して、特徴量を加える方法として、例えば、クロネッカー積などを用いることができる。

また、上述した例では、ユーザの各特定行動の正否およびユーザのコンテキストの内容の組み合わせを説明変数（素性）としたが、さらに、組み合わせでない説明変数（素性）を考慮することもできる。例えば、学習部１３３は、下記式（２）に示すような回帰モデルをモデルとして求めることもできる。

ｙ＝ａ_１・ｘ_１＋ａ_２・ｘ_２＋・・・＋ａ_ｎ・ｘ_ｎ＋ｂ_１・ｚ_１＋ｂ_２・ｚ_２＋・・・＋ｂ_ｎ・ｚ_ｍ＋ｃ_１１・（ｘ_１，ｚ_１）＋ｃ_１２・（ｘ_１，ｚ_２）＋・・・＋ｃ_ｎｍ・（ｘ_ｎ，ｚ_ｍ）・・・（２）

また、学習部１３３は、ユーザの対端末行動毎に情報提供としての適格度合いのスコア（以下、適格性スコアと記載する）を変えることもできる。例えば、学習部１３３は、対端末行動に応じた適切な適格性スコアになるように、例えば、上述した対端末行動毎のモデルにそれぞれ対端末行動に応じた係数を乗じて適格性スコアを算出することができる。

また、学習部１３３は、各特定行動の長さを推定する推定モデルを生成することができる。例えば、学習部１３３は、ユーザの各特定行動の長さを目的変数（正解データ）とし、ユーザの各特定行動の正否およびコンテキストの内容の組み合わせを説明変数（素性）とする回帰モデルを長さ推定モデルとして求めることができる。

この場合、学習部１３３は、上記式（１）において「ｙ」を各特定行動の長さ（特定行動の継続時間）とした回帰モデルを長さ推定モデルとして生成することができる。学習部１３３は、生成した長さ推定モデルの情報を学習情報記憶部１２３へ記憶する。

以上のように、学習部１３３は、対端末行動の種別毎にモデルを生成することができ、さらに、コンテキストの種別毎にモデルを生成することができる。また、学習部１３３は、対端末行動の種別毎かつ２以上のコンテキストの種別毎にモデルを生成したり、長さ推定モデルとして生成したりすることができる。

学習部１３３が行うモデルの生成は、上述した例に限定されるものではなく、結果的に、対端末行動の種別毎にモデルを生成したり、コンテキストの種別毎にモデルを生成したりすることなどができればよい。例えば、学習部１３３は、ＳＶＭ（Support Vector Machine）やその他の機械学習法を用いて、モデルを生成することもできる。また、学習部１３３は、特徴量（素性）の２乗や３乗などの項を持つモデルを生成することもできる。

（決定部１３４）
決定部１３４は、端末装置１０を利用するユーザに用いるモデルを決定する。例えば、決定部１３４は、端末装置１０を利用するユーザＵ１に用いるモデルをモデルＭ１と決定する。また、決定部１３４は、端末装置１０へ配信するコンテンツや配信するタイミングを決定してもよい。例えば、決定部１３４は、上記式（１）の「ｙ」の値が所定の閾値以上の場合、端末装置１０へコンテンツを配信すると決定してもよい。また、例えば、決定部１３４は、コンテンツごとに上記式（１）の「ｙ」の値を算出し、算出した「ｙ」の値に応じて、端末装置１０へ配信するコンテンツを決定してもよい。例えば、決定部１３４は、コンテンツごとに上記式（１）の「ｙ」の値を算出し、算出した「ｙ」の値が最も大きいコンテンツを、端末装置１０へ配信するコンテンツとして決定してもよい。

（配信部１３５）
配信部１３５は、端末装置１０に各種情報を配信する。例えば、配信部１３５は、端末装置１０にコンテンツを配信する。また、配信部１３５は、決定部１３４により決定されたコンテンツを配信する。また、配信部１３５は、決定部１３４により決定されたタイミングでコンテンツを配信する。図１では、配信部１３５は、時刻ｔ１１において端末装置１０へ通知情報ＩＭ１１を配信する。

〔４．端末装置の構成〕
次に、図８を用いて、実施形態に係る端末装置１０の構成について説明する。図８は、実施形態に係る端末装置の構成例を示す図である。図８に示すように、端末装置１０は、通信部１１と、表示部１２ａと、スピーカ１２ｂと、振動部１２ｃと、入力部１３と、検知部１４と、記憶部１５と、制御部１６（コントローラ）とを有する。

通信部１１は、ネットワーク２と有線又は無線で接続され、センサ装置５０や収集装置１００との間で情報の送受信を行う。例えば、通信部１１は、ＮＩＣ（Network Interface Card）等によって実現される。制御部１６は、通信部１１およびネットワーク２を介して、センサ装置５０や収集装置１００との間で各種の情報を送受信することができる。

表示部１２ａは、タッチパネル式のディスプレイである。端末装置１０のユーザは、表示部１２ａの画面上を指などで操作することで、表示部１２ａに表示された画面に対する操作が可能である。表示部１２ａは、例えば、小型のＬＣＤ（Liquid Crystal Display）や有機ＥＬディスプレイである。

入力部１３は、数字、数字およびスペースを入力するためのキー、エンターキーおよび矢印キーなどを含むキーボードや、選択ボタン、電源ボタンなどを有する。

検知部１４は、端末装置１０に関する各種情報を検知する。具体的には、検知部１４は、端末装置１０の物理的な状態や周囲の状態を検知する。図８に示す例では、検知部１４は、加速度センサ２１と、測位部２２と、撮像部２３とを有する。

加速度センサ２１は、例えば、３軸加速度センサであり、端末装置１０の移動方向、速度、および、加速度などの端末装置１０の物理的な動きを検知する。測位部２２は、ＧＰＳ（Global Positioning System）衛星から送出される電波を受信し、受信した電波に基づいて端末装置１０の現在位置を示す位置情報（例えば、緯度および経度）を取得する。撮像部２３は、端末装置１０の周囲を撮像し、撮像画像を取得する。

なお、検知部１４は、加速度センサ２１、測位部２２および撮像部２３に限られず、端末装置１０の物理的な状態を検知する各種機器を有してもよい。例えば、検知部１４は、端末装置１０の周囲の音を収集するマイクロフォンや、端末装置１０の周囲の照度を検知する照度センサや、端末装置１０の周囲の湿度を検知する湿度センサや、端末装置１０の所在位置における磁場を検知する地磁気センサ等を有してもよい。

記憶部１５は、モデル情報３１、モード情報３２、ユーザ属性情報３３などの情報を記憶する。記憶部１５は、例えば、ＲＡＭ、フラッシュメモリ等の半導体メモリ素子、または、ＨＤＤ（Hard Disk Drive）、光ディスク等の記憶装置である。

モデル情報３１は、ユーザの端末装置１０に対する行動の可能性を推定するモデルの情報であり、例えば、収集装置１００によって生成される学習モデルや推定モデルの情報を含む。例えば、モデル情報３１は、学習情報記憶部１２３に示すようなモデル情報が対応する。例えば、ユーザＵ１の端末装置１０におけるモデル情報３１は、モデルＭ１のモデル情報であってもよい。モード情報３２は、端末装置１０のユーザによって設定された動作モードの情報である。ユーザ属性情報３３は、例えば、ユーザの属性（例えば、年齢、性別、住所、職業、興味関心など）の情報である。

制御部１６は、コントローラ（controller）であり、例えば、ＣＰＵ、ＲＯＭ（Read Only Memory）、ＲＡＭ、入出力ポートなどを有するマイクロコンピュータや各種の回路を含む。

制御部１６は、状態判定部４１と、取得部４２と、送信部４３と、タイミング判定部４４と、処理部４５とを備える。状態判定部４１、取得部４２、送信部４３、タイミング判定部４４および処理部４５の機能は、例えば、上記ＣＰＵが上記ＲＯＭに記憶されているプログラムを読み出して実行することにより実現される。

なお、状態判定部４１、取得部４２、送信部４３、タイミング判定部４４および処理部４５は、それぞれ一部または全部がＡＳＩＣやＦＰＧＡ等のハードウェアで構成されてもよい。以下、これら状態判定部４１、取得部４２、送信部４３、タイミング判定部４４および処理部４５について具体的に説明する。

（状態判定部４１）
状態判定部４１は、ユーザの状態を判定する。例えば、状態判定部４１は、加速度センサ２１によって検出された端末装置１０の物理的な動きに基づいて、ユーザの行動が特定行動であるか否かを判定することができる。また、状態判定部４１は、測位部２２によって検出された端末装置１０の現在位置を示す位置情報に基づいて、ユーザの行動が特定行動であるか否かを判定することができる。

特定行動は、上述したように、例えば、ユーザが歩いている状態から止まるという行動、ユーザが走っている状態から歩くという行動、座っている状態から立つという行動、立っている状態から座るという行動などである。

また、状態判定部４１は、例えば、撮像部２３によって撮像された画像から、ユーザがテレビを見るという行動、ユーザが時計を見るという行動、ユーザがコーヒーを飲んでいるという行動などを特定行動として判定することができる。

また、状態判定部４１は、例えば、センサ装置５０によって検出される情報に基づいて、ユーザの状態を検出することができる。例えば、センサ装置５０は、電気機器が操作されたことを検出し、検出結果から状態判定部４１は、ユーザが電気機器を操作したと判定することができる。

また、状態判定部４１は、ユーザによる端末装置１０の操作を検出することができる。記憶部１５にはユーザが端末装置１０で動作するアプリケーションの操作履歴をログ情報として記憶しており、ログ情報に基づき、状態判定部４１は、ユーザが端末装置１０のアプリケーションを使用したことを特定行動として検出することができる。例えば、状態判定部４１は、記憶部１５に記憶されたログ情報に基づき、ユーザが端末装置１０からメールを送信したことを特定行動として検出することができる。

また、状態判定部４１は、加速度センサ２１によって検出された端末装置１０の物理的な動きに基づいて、ユーザが端末装置１０を保持したか否かを判定することができる。また、状態判定部４１は、加速度センサ２１によって検出された端末装置１０の物理的な動きに基づいて、ユーザの運動状態を判定することができる。

また、状態判定部４１は、検知部１４の撮像部２３によって撮像されたユーザの顔画像や検知部１４のマイクロフォンで収集したユーザの音声に基づいて、ユーザの感情を判定することができる。また、状態判定部４１は、図示しない心拍数検出部からの情報に基づき、ユーザの感情を判定することもできる。

（取得部４２）
取得部４２は、収集装置１００から通信部１１を介してコンテンツを取得することができる。例えば、取得部４２は、プッシュ型の情報提供により収集装置１００から配信されるコンテンツを取得することができる。また、取得部４２は、後述するタイミング判定部４４による判定結果に基づいて表示部１２ａに表示されるコンテンツを収集装置１００から取得し、記憶部１５に記憶することができる。

また、取得部４２は、状態判定部４１によってユーザの行動が特定行動であると判定された場合におけるユーザの端末装置１０に対する行動である対端末行動の情報とユーザに関するコンテキストの情報とを含む情報をユーザ関連情報として取得することができる。

取得部４２は、対端末行動として、例えば、収集装置１００から提供されて表示部１２ａに表示されたコンテンツに対して操作を行っているか否かを示す情報を表示部１２ａのタッチパネルや入力部１３から取得することができる。

また、取得部４２は、ユーザに関するコンテキストの情報として、例えば、ユーザの現在位置、現在時刻、ユーザの属性、ユーザが反応したコンテンツの内容、ユーザの運動状態、および、ユーザの感情などの情報を取得することができる。

例えば、取得部４２は、測位部２２によって検出された端末装置１０の現在位置を示す位置情報をユーザの現在位置の情報として取得することができる。また、取得部４２は、制御部１６の図示しない計時部によって計時される現在時刻（例えば、年月日および時分）の情報を取得することができる。また、取得部４２は、記憶部１５からユーザ属性情報３３をユーザの属性の情報として取得することができる。

また、取得部４２は、状態判定部４１によって判定されたユーザの運動状態やユーザの感情などの情報を状態判定部４１から取得することができる。なお、取得部４２は、外部装置（図示せず）から、ユーザが置かれた物理環境、ユーザが置かれた社会環境を示す情報を取得することもできる。

また、記憶部１５には上述したようにログ情報として記憶しており、ログ情報に基づき、取得部４２は、ユーザが反応したコンテンツの内容の情報を取得することができる。

また、取得部４２は、収集装置１００から学習モデルの情報や推定モデルの情報を取得することができ、取得した学習モデルの情報や推定モデルの情報をモデル情報３１として記憶部１５に記憶することができる。

（送信部４３）
送信部４３は、取得部４２によって取得された情報を行動情報（ユーザ関連情報）として収集装置１００へ通信部１１を介して送信することができる。ユーザ関連情報には、例えば、状態判定部４１によって判定されたユーザの特定行動の種別を示す情報、ユーザの行動が特定行動である場合におけるユーザの対端末行動の情報とユーザに関するコンテキストの情報とが含まれる。

送信部４３は、モード情報３２として第１モードの情報が記憶部１５に記憶されている場合、取得部４２によって取得されたユーザ関連情報を第１ユーザ関連情報として収集装置１００へ通信部１１を介して送信してもよい。また、送信部４３は、モード情報３２として第２モードの情報が記憶部１５に記憶されている場合、取得部４２によって取得されたユーザ関連情報を第２ユーザ関連情報として収集装置１００へ通信部１１を介して送信してもよい。

また、送信部４３は、例えば、収集装置１００以外の装置から端末装置１０に通知されている他のコンテンツの種別または内容の情報を収集装置１００へ通知することができる。また、送信部４３は、記憶部１５に記憶されたユーザ属性情報３３や、ユーザの端末装置１０に対する行動（例えば、端末装置１０に表示されたコンテンツに対するユーザの行動）の情報を収集装置１００へ送信することができる。

（タイミング判定部４４）
タイミング判定部４４は、ユーザへの通知タイミングを判定する。例えば、タイミング判定部４４は、モード情報３２として第２モードの情報が記憶部１５に記憶されている場合、収集装置１００による後述の処理と同様に、学習モデルを用いて、ユーザへの割り込みに適したタイミングである通知タイミングを判定することができる。

例えば、タイミング判定部４４は、記憶部１５に記憶されているモデル情報３１に含まれる学習モデルの情報を取得し、取得部４２で取得されたユーザ関連情報を入力情報として学習モデルから、ユーザの端末装置１０に対する行動の可能性を推定する。

この場合、タイミング判定部４４は、例えば、記憶部１５に記憶されたコンテンツに対してユーザの行動有無の可能性を学習モデルから判定することもできる。

また、タイミング判定部４４は、記憶部１５に記憶されたコンテンツに対してユーザの端末装置１０に対する行動の可能性が高いとタイミング判定部４４によって推定された場合、通知タイミングになったと判定する。

図１の例では、タイミング判定部４４は、収集装置１００から受信した配信コンテンツである通知情報ＩＭ１１の通知タイミングを判定する。例えば、タイミング判定部４４は、ブレークポイントＢＰ１１〜ＢＰ１６と判定した場合、上記式（１）の「ｙ」の値を算出し、「ｙ」の値が所定の閾値以上の場合、そのブレークポイントをゴールデンブレークポイントと判定して、ユーザに通知を行うと判定する。

また、図１の例では、タイミング判定部４４は、行動情報ＣＨ１１が行われたブレークポイントＢＰ１１がゴールデンブレークポイントであるかを判定する。例えば、タイミング判定部４４は、時刻ｔ１２において算出した上記式（１）の「ｙ」の値と所定の閾値とを比較することにより、ブレークポイントＢＰ１１がゴールデンブレークポイントであるかを判定する。例えば、ブレークポイントＢＰ１１における上記式（１）の「ｙ」の値が所定の閾値未満であったため、タイミング判定部４４は、ブレークポイントＢＰ１１をゴールデンブレークポイントでないと判定する。

また、図１の例では、タイミング判定部４４は、行動情報ＣＨ１２が行われたブレークポイントＢＰ１２がゴールデンブレークポイントであるかを判定する。図１では、例えば、ブレークポイントＢＰ１２における上記式（１）の「ｙ」の値が所定の閾値以上であったため、タイミング判定部４４は、ブレークポイントＢＰ１２をゴールデンブレークポイントＧＢＰ１２であると判定する。

（処理部４５）
処理部４５は、例えば、表示部１２ａ、スピーカ１２ｂおよび振動部１２ｃを制御する。例えば、処理部４５は、モード情報３２として第１モードの情報が記憶部１５に記憶されている場合、収集装置１００からプッシュ型の情報提供により取得したコンテンツをユーザに提供することができる。例えば、処理部４５は、収集装置１００の要求に応じた通知態様によって、表示部１２ａ、スピーカ１２ｂおよび振動部１２ｃを制御してユーザにコンテンツ取得の通知を含む情報提供を行うことができる。

通知態様には、例えば、「通知方法」、「通知内容」、「通知手段」などの態様が含まれる。「通知方法」は、例えば、コンテンツの出力パターンである。「通知方法」による変更対象は、例えば、スピーカ１２ｂから出力される通知音の大きさ、周波数および音パターン、表示部１２ａに表示するコンテンツの大きさ、色、形状、および、通知の繰り返しの回数などのうち少なくともいずれか一つである。

「通知内容」は、例えば、通知するコンテンツの範囲である。例えば、「通知内容」による変更対象は、通知するコンテンツに含まれる内容のうち通知する内容（例えば、タイトルのみ、タイトルと概要のみ、全文など）や通知するコンテンツの数などである。

「通知手段」は、例えば、表示部１２ａ、スピーカ１２ｂおよび振動部１２ｃのうち少なくともいずれか一つである。また、「通知手段」には、例えば、ユーザの周囲の装置（例えば、腕時計、冷蔵庫、テレビなど）も含まれ、処理部４５は、通信部１１を介してユーザの周囲の装置へコンテンツを送信することができ、これにより、ユーザの周囲の装置からユーザに情報提供を行うことができる。

また、処理部４５は、タイミング判定部４４によって通知タイミングになったと判定された場合、記憶部１５に記憶されたコンテンツを表示部１２ａに表示することができる。

図９は、端末装置１０の表示画面の一例を示す図である。図９に示す表示画面６０には、収集装置１００などの外部装置から提供されたコンテンツＣＴ１００、ＣＴ２００、ＣＴ１１が表示されている。コンテンツＣＴ１００、ＣＴ２００、ＣＴ１１は、例えば、上述した「通知内容」に応じた範囲の内容で表示画面６０に表示される。表示画面６０に表示されたコンテンツをユーザが選択（クリック）した場合に、処理部４５は、選択されたコンテンツ全体の内容を表示部１２ａに表示する。これにより、ユーザは、コンテンツ全体を把握することができる。

コンテンツＣＴ１００は、着信メールの内容を示すコンテンツであり、コンテンツＣＴ１００をユーザが選択（クリック）した場合に、端末装置１０のメールアプリケーションによりメール画面が表示部１２ａに表示される。また、コンテンツＣＴ２００は、端末装置１０の周辺（周囲）の情報であり、コンテンツＣＴ２００をユーザが選択（クリック）した場合に、端末装置１０の情報通知アプリケーションにより端末装置１０の周辺の具体的な情報を示す画面が表示部１２ａに表示される。例えば、コンテンツＣＴ１００やコンテンツＣＴ２００は、収集装置１００の管理者以外の他の管理者の装置から提供されるコンテンツである。

また、コンテンツＣＴ１１は、スポーツニュースの情報であり、コンテンツＣＴ１１をユーザが選択（クリック）した場合に、端末装置１０の情報通知アプリケーションによりニュースの具体的な記事内容を示す画面が表示部１２ａに表示される。例えば、コンテンツＣＴ１１は、図１中の通知情報ＩＭ１１に対応し収集装置１００から配信される。図９に示すように、コンテンツＣＴ１００、ＣＴ２００、ＣＴ１１は、通知された時刻等の所定の基準に基づいて、一覧表示される。

例えば、図９では、コンテンツＣＴ１００、ＣＴ２００、ＣＴ１１は、通知された時刻等が最新のものから順に、上から下へ一覧表示される。この場合、通知タイミングはユーザが端末装置１０を操作するタイミングの直前であることが望ましい。そのため、端末装置１０は、ゴールデンブレークポイントと判定される度に、通知情報ＩＭ１１をプッシュ通知してもよい。これにより、端末装置１０には、通知情報ＩＭ１１がユーザに認識されやすい位置に表示される。

なお、処理部４５は、タイミング判定部４４によって通知タイミングになったと判定された場合、記憶部１５に記憶されたコンテンツのうち表示部１２ａに表示された他のコンテンツ（例えば、コンテンツＣＴ１００、ＣＴ２００）の種別または内容の情報に応じたコンテンツをユーザへ提供することができる。

例えば、処理部４５は、他のコンテンツと競合しないコンテンツをユーザへ提供したり、他のコンテンツよりもユーザの興味度が高いコンテンツをユーザへ提供したりすることができる。なお、ユーザの興味度は、例えば、記憶部１５に記憶されたユーザ属性情報３３に基づいて処理部４５で判定される。

処理部４５は、タイミング判定部４４の推定結果に応じた通知態様でコンテンツを表示することができる。例えば、処理部４５は、学習モデルにより可能性が高いと推定される対端末行動の種別に応じてコンテンツの通知方法、通知内容および通知手段のうちの少なくとも一つを変えてもよい。

〔５．収集処理のフロー〕
次に、図１０を用いて、実施形態に係る収集システム１による収集処理の手順について説明する。図１０は、実施形態に係る収集処理の一例を示すフローチャートである。

図１０に示すように、収集装置１００は、端末装置１０にコンテンツを配信する（ステップＳ１０１）。その後、収集装置１００は、正例を収集する（ステップＳ１０２）。その後、収集装置１００は、負例を収集する（ステップＳ１０３）。なお、ステップＳ１０３がステップＳ１０２よりも先に行われてもよく、ステップＳ１０２やステップＳ１０３は複数回行われてもよく、ステップＳ１０２とステップＳ１０３とを併せて行ってもよい。その後、収集装置１００は、収集した正例及び負例に基づいて学習を行う（ステップＳ１０４）。

〔６．負例収集期間等の変動〕
上述したように、収集装置１００は、負例収集期間を各種情報に基づいて変動させてもよい。この点について、図１１〜図１５を用いて説明する。

〔６−１．１つの負例収集期間〕
まず、図１１〜図１３を用いて、１つの負例収集期間、すなわち停止期間を含まない負例収集期間の場合について説明する。図１１は、実施形態に係る負例収集期間の一例を示す図である。図１２及び図１３は、実施形態に係る負例の収集処理の一例を示すフローチャートである。

図１１に示す例において、負例収集期間Ｎ１は、時刻ｔ１から時刻ｔ２の間となる。なお、図１１では、負例収集期間Ｎ１のカウントを開始する時刻ｔ１は、端末装置１０が配信コンテンツを受信した時刻であるが、負例収集期間のカウントを開始する時点は、種々のタイミングであってもよい。例えば、負例収集期間Ｎ１のカウントを開始する時刻ｔ１は、端末装置１０が配信コンテンツの受信後の最初のゴールデンブレークポイントであってもよい。

例えば、負例収集期間Ｎ１は５分等の所定の期間であってもよいし、ユーザに関するコンテキストやコンテンツに関するコンテキスト等に基づいて、設定される期間であってもよい。例えば、収集装置１００は、ユーザがいる場所や時間等に基づいて、負例収集期間Ｎ１を変動させてもよい。例えば、収集装置１００は、ユーザが運動中である場合は、負例収集期間Ｎ１を長くしてもよい。また、例えば、収集装置１００は、コンテンツの内容や提供するサービス等に基づいて、負例収集期間Ｎ１を変動させてもよい。

例えば、収集装置１００は、過去の履歴等、多くのユーザの行動情報に基づいて統計的に負例収集期間Ｎ１を決定してもよい。例えば、収集装置１００は、過去の履歴等、多くのユーザの行動情報に基づいて負例収集期間Ｎ１を決定するモデルを生成してもよい。この場合、収集装置１００は、生成したモデルを用いて負例収集期間Ｎ１を決定してもよい。

また、負例収集期間Ｎ１はユーザが配信コンテンツに反応可能と推定される間にのみカウントされてもよい。例えば、端末装置１０は、検知部１４やセンサ装置５０等からの情報やアプリの操作ログに基づいて、端末装置１０にユーザのアテンションが向いている間のみカウントしてもよい。例えば、端末装置１０は、環境センサ（ビデオカメラ、パケットキャッチなど）からの情報に基づいて、端末装置１０にユーザのアテンションが向いている間のみ負例収集期間Ｎ１をカウントしてもよい。例えば、端末装置１０は、撮像部２３により端末装置１０を利用するユーザの顔が撮像されている間、負例収集期間Ｎ１をカウントしてもよい。

上述した例では、端末装置１０は、時間が１秒経過するごとに負例収集期間Ｎ１が１秒経過したとカウントする場合を示したが、端末装置１０は、負例収集期間Ｎ１をカウントする量を変動させてもよい。例えば、端末装置１０は、ユーザのコンテキストに応じて負例収集期間Ｎ１をカウントする量を変動させてもよい。すなわち、端末装置１０は、ユーザのコンテキストに応じた重みにより、負例収集期間Ｎ１をカウントする量を変動させてもよい。

例えば、端末装置１０は、ユーザが運動状態である場合、負例収集期間Ｎ１をカウントする量を大きくしてもよい。例えば、端末装置１０は、ユーザが運動状態である場合、時間が１０秒経過するごとに負例収集期間Ｎ１が１分経過したとカウントしてもよい。また、例えば、端末装置１０は、ユーザが運動状態である場合、端末装置１０にユーザのアテンションが向いている時間が１０秒経過するごとに負例収集期間Ｎ１が１分経過したとカウントしてもよい。

例えば、収集装置１００は、過去の履歴等、多くのユーザの行動情報に基づいて統計的に各コンテキストの重みを決定してもよい。例えば、収集装置１００は、過去の履歴等、多くのユーザの行動情報に基づいて各コンテキストの重みを決定するモデルを生成してもよい。この場合、端末装置１０は、生成したモデルに基づく重みと経過時間とから算出された量で負例収集期間Ｎ１をカウントする。なお上記は、負例収集期間をカウントする一例であり、端末装置１０は、どのように負例収集期間をカウントしてもよい。

ここで、図１２を用いて、負例収集期間のカウントのフローチャートについて説明する。図１２は、時間が１秒経過するごとに負例収集期間Ｎ１が１秒経過したとカウントする場合、すなわち経過した時間通りに負例収集期間をカウントする場合のフローチャートを示す。図１２に示すように、端末装置１０は、負例収集期間を開始する（ステップＳ２０１）。図１１の例では、端末装置１０は、時刻ｔ１において負例収集期間Ｎ１のカウントを開始する。

また、端末装置１０は、時間経過に基づいて負例収集期間をカウントする（ステップＳ２０２）。すなわち、端末装置１０は、時間が１秒経過するごとに負例収集期間Ｎ１が１秒経過したとカウントする。なお、端末装置１０は、端末装置１０にユーザのアテンションが向いている間のみカウントしてもよい。そして、端末装置１０は、負例収集期間が経過したかを判定する（ステップＳ２０３）。

負例収集期間が経過していないと判定された場合（ステップＳ２０３：Ｎｏ）、端末装置１０は、ステップＳ２０２に戻って処理を繰り返す。一方、負例収集期間が経過したと判定された場合（ステップＳ２０３：Ｙｅｓ）、端末装置１０は、負例収集期間を終了する（ステップＳ２０４）。図１１の例では、端末装置１０は、時刻ｔ２において負例収集期間Ｎ１のカウントを終了する。

その後、端末装置１０は、負例を収集装置１００へ送信する（ステップＳ２０５）。なお、ステップＳ２０５において、端末装置１０は、負例とともに正例を収集装置１００へ送信してもよい。

次に、図１３を用いて、負例収集期間のカウントのフローチャートについて説明する。図１３は、負例収集期間Ｎ１をカウントする量を変動させる場合のフローチャートを示す。図１３に示すように、端末装置１０は、負例収集期間を開始する（ステップＳ３０１）。図１１の例では、端末装置１０は、時刻ｔ１において負例収集期間Ｎ１のカウントを開始する。

また、端末装置１０は、時間経過及びコンテキストに基づいて負例収集期間をカウントする（ステップＳ３０２）。すなわち、端末装置１０は、各コンテキストに対応する重みと経過時間とから算出された量で負例収集期間をカウントする。なお、端末装置１０は、端末装置１０にユーザのアテンションが向いている間のみカウントしてもよい。そして、端末装置１０は、負例収集期間が経過したかを判定する（ステップＳ３０３）。

負例収集期間が経過していないと判定された場合（ステップＳ３０３：Ｎｏ）、端末装置１０は、ステップＳ３０２に戻って処理を繰り返す。一方、負例収集期間が経過したと判定された場合（ステップＳ３０３：Ｙｅｓ）、端末装置１０は、負例収集期間を終了する（ステップＳ３０４）。図１１の例では、端末装置１０は、時刻ｔ２において負例収集期間Ｎ１のカウントを終了する。

その後、端末装置１０は、負例を収集装置１００へ送信する（ステップＳ３０５）。なお、ステップＳ３０５において、端末装置１０は、負例とともに正例を収集装置１００へ送信してもよい。

〔６−２．負例収集期間の分割（複数の負例収集期間）〕
次に、図１４及び図１５を用いて、分割された複数の負例収集期間が間欠的に配置される、すなわち停止期間を含む負例収集期間の場合について説明する。図１４は、実施形態に係る負例収集期間の一例を示す図である。図１５は、実施形態に係る負例の収集処理の一例を示すフローチャートである。この場合、例えば、負例収集期間がｎ分である場合、ｎ分をｍ個に分割し、各分割された負例収集期間の間に強制インターバル（以下、「停止期間」ともいう）ｉ分を含ませてもよい。例えば、各負例収集期間がｎ／ｍ分であり、ｎ／ｍ分の負例収集期間の間にｉ分の強制インターバルを含ませてもよい。具体的には、ｎ／ｍ分が５分であり、ｉ分が１０分である場合、負例収集期間の開始後において、負例収集期間５分、停止期間１０分、負例収集期間５分、停止期間１０分、負例収集期間５分と連続してもよい。

図１４に示す例において、時刻ｔ２１から時刻ｔ２６の間において、３つの負例収集期間Ｎ２１〜Ｎ２３が間欠的に配置される。図１４に示す例において、時刻ｔ２１から時刻ｔ２２の間は負例収集期間Ｎ２１に対応する。また、時刻ｔ２２から時刻ｔ２３の間は停止期間Ａ２１に対応する。なお、ここでいう停止期間は、負例の収集を停止する期間である。また、例えば、停止期間中においては、端末装置１０は、ゴールデンブレークポイントの判定を行わなくてもよいし、プッシュ通知を行わなくてもよい。

また、時刻ｔ２３から時刻ｔ２４の間は負例収集期間Ｎ２２に対応する。また、時刻ｔ２４から時刻ｔ２５の間は停止期間Ａ２２に対応する。また、時刻ｔ２５から時刻ｔ２６の間は負例収集期間Ｎ２３に対応する。このように、図１４に示す例において、時刻ｔ２１から時刻ｔ２６の間において、３つの負例収集期間Ｎ２１〜Ｎ２３と２つの停止期間Ａ２１、Ａ２２が交互に配置される。

なお、図１４では、負例収集期間Ｎ２１のカウントを開始する時刻ｔ２１は、端末装置１０が配信コンテンツを受信した時刻であるが、負例収集期間のカウントを開始する時点は、種々のタイミングであってもよい。例えば、負例収集期間Ｎ２１のカウントを開始する時刻ｔ２１は、端末装置１０が配信コンテンツの受信後の最初のゴールデンブレークポイントであってもよい。

なお、分割された負例収集期間の数や長さ、また各停止期間の長さ等は、適宜変更されてもよい。例えば、図１４に示す例では、各負例収集期間Ｎ２１〜Ｎ２３の長さは各々異なってもよい。例えば、図１４に示す例では、負例収集期間Ｎ２１が５分であり、負例収集期間Ｎ２２、Ｎ２３が１０分であってもよい。また、負例収集期間は、負例収集期間Ｎ２１〜Ｎ２３の３つに限らず、２つや４つ以上であってもよい。例えば、図１４に示す例では、停止期間Ａ２１、Ａ２２の長さは各々異なってもよい。例えば、図１４に示す例では、停止期間Ａ２１が２０分であり、停止期間Ａ２２が１５分であってもよい。

例えば、収集装置１００は、過去の履歴等、多くのユーザの行動情報に基づいて統計的に負例収集期間の数や長さ、また各停止期間の長さ等を決定してもよい。例えば、収集装置１００は、過去の履歴等、多くのユーザの行動情報に基づいて負例収集期間の数や長さ、また各停止期間の長さ等を決定するモデルを生成してもよい。この場合、収集装置１００は、生成したモデルを用いて負例収集期間の数や長さ、また各停止期間の長さ等を決定してもよい。

また、分割された負例収集期間の数や長さ、また各停止期間の長さ等は、上記に限らず、種々の方法により決定されてもよい。例えば、分割された負例収集期間の数や長さ、また各停止期間の長さ等は、図１１〜図１３の例において示した処理を組み合わされた処理により決定されてもよい。

このように、収集装置１００は、分割された複数の負例収集期間が間欠的に配置される、すなわち停止期間を含む負例収集期間に基づき負例を収集することにより、負例のバリエーションを多くすることができる。

次に、図１５を用いて、分割された複数の負例収集期間が間欠的に配置される、すなわち停止期間を含む負例収集期間のカウントのフローチャートについて説明する。図１５に示すように、端末装置１０は、負例収集期間を開始する（ステップＳ４０１）。図１４の例では、端末装置１０は、時刻ｔ２１において負例収集期間Ｎ２１のカウントを開始する。

また、端末装置１０は、時間経過及びコンテキストに基づいて負例収集期間をカウントする（ステップＳ４０２）。すなわち、端末装置１０は、各コンテキストに対応する重みと経過時間とから算出された量で負例収集期間をカウントする。なお、端末装置１０は、端末装置１０にユーザのアテンションが向いている間のみカウントしてもよい。そして、端末装置１０は、全負例収集期間が経過したかを判定する（ステップＳ４０３）。

全負例収集期間が経過していないと判定された場合（ステップＳ４０３：Ｎｏ）、端末装置１０は、負例収集期間を停止するかを判定する（ステップＳ４０４）。負例収集期間を停止するとされた場合（ステップＳ４０４：Ｙｅｓ）、端末装置１０は、ステップＳ４０４に戻って処理を繰り返す。図１４の例では、端末装置１０は、時刻ｔ２２になった場合、負例収集期間を停止し停止期間Ａ２１のカウントを開始する。一方、負例収集期間を停止しないとされた場合（ステップＳ４０４：Ｎｏ）、端末装置１０は、ステップＳ４０２に戻って処理を繰り返す。

一方、ステップＳ４０３において、全負例収集期間が経過したと判定された場合（ステップＳ４０３：Ｙｅｓ）、端末装置１０は、負例収集期間を終了する（ステップＳ４０５）。図１４の例では、端末装置１０は、時刻ｔ２６において負例収集期間Ｎ２３のカウントを終了する。

その後、端末装置１０は、負例を収集装置１００へ送信する（ステップＳ４０６）。なお、ステップＳ４０６において、端末装置１０は、負例とともに正例を収集装置１００へ送信してもよい。

〔７．収集処理のシーケンス〕
ここで、収集システム１における収集処理の流れの一例を示す。図１６は、実施形態に係る収集期間の一例を示すシーケンス図である。

図１６に示すように、収集装置１００は、端末装置１０へ収集期間情報を送信する（ステップＳ５０１）。例えば、収集期間情報には、負例収集期間に関する情報が含まれる。なお、端末装置１０が予め収集期間情報を取得済みの場合、ステップＳ５０１は行われなくてもよい。そして、収集装置１００は、端末装置１０へコンテンツを配信する（ステップＳ５０２）。

コンテンツを受信した端末装置１０は、負例収集期間を開始する（ステップＳ５０３）。例えば、端末装置１０は、負例収集期間に関する計時を開始する。その後、端末装置１０は、負例収集期間が終了するまで、例えばゴールデンブレークポイントと判定された通知タイミングでコンテンツを通知する。負例収集期間が経過した後、端末装置１０は、負例収集期間を終了する（ステップＳ５０４）。その後、端末装置１０は、負例を収集装置１００へ送信する（ステップＳ５０５）。なお、ステップＳ５０５において、端末装置１０は、負例とともに正例を収集装置１００へ送信してもよい。

〔８．効果〕
上述してきたように、実施形態に係る収集装置１００は、取得部１３１と、収集部１３２とを有する。取得部１３１は、ユーザの端末装置１０に配信した配信コンテンツであって、端末装置１０においてユーザに通知される配信コンテンツに対するユーザの行動に関する行動情報を取得する。また、収集部１３２は、取得部１３１により取得された行動情報を、コンテンツの通知タイミングの学習に用いる情報として収集する。

これにより、実施形態に係る収集装置１００は、通知タイミングの学習を可能にする情報を適切に収集することができる。

また、実施形態に係る収集装置１００において、収集部１３２は、行動情報のうち、配信コンテンツに対してユーザが行動しなかったことを示す行動情報を、通知タイミングに関する負例として収集する。

これにより、実施形態に係る収集装置１００は、配信コンテンツに対してユーザが行動しなかったことを示す行動情報を、通知タイミングに関する負例として収集することにより、通知タイミングの学習を可能にする負例を適切に収集することができる。

また、実施形態に係る収集装置１００において、収集部１３２は、行動情報のうち、配信コンテンツの配信後における所定期間（実施形態では「負例収集期間」。以下同様）内に配信コンテンツに対してユーザが行動しなかったことを示す行動情報を、負例として収集する。

これにより、実施形態に係る収集装置１００は、所定期間に基づくことにより、通知タイミングの学習を可能にする負例を適切に収集することができる。

また、実施形態に係る収集装置１００において、収集部１３２は、ユーザに関するコンテキストに基づく所定期間内に配信コンテンツに対してユーザが行動しなかったことを示す行動情報を、負例として収集する。

これにより、実施形態に係る収集装置１００は、ユーザに関するコンテキストにより定まる所定期間に基づくことにより、通知タイミングの学習を可能にする負例を適切に収集することができる。

また、実施形態に係る収集装置１００において、収集部１３２は、コンテンツに関するコンテキストに基づく所定期間内に配信コンテンツに対してユーザが行動しなかったことを示す行動情報を、負例として収集する。

これにより、実施形態に係る収集装置１００は、コンテンツに関するコンテキストにより定まる所定期間に基づくことにより、通知タイミングの学習を可能にする負例を適切に収集することができる。

また、実施形態に係る収集装置１００において、収集部１３２は、ユーザに関するセンサ情報に基づいて、ユーザが配信コンテンツに反応可能と推定される間に計時される所定期間内に、配信コンテンツに対してユーザが行動しなかったことを示す行動情報を、負例として収集する。

これにより、実施形態に係る収集装置１００は、条件に応じてカウントされるタイミングや量が変動する所定期間に基づくことにより、通知タイミングの学習を可能にする負例を適切に収集することができる。

また、実施形態に係る収集装置１００において、収集部１３２は、ユーザの環境に関するセンサ情報に基づいて、ユーザが配信コンテンツに反応可能と推定される間に計時される所定期間内に、配信コンテンツに対してユーザが行動しなかったことを示す行動情報を、負例として収集する。

また、実施形態に係る収集装置１００において、収集部１３２は、ユーザのコンテキストに応じて計時される量が変動する所定期間内に、配信コンテンツに対してユーザが行動しなかったことを示す行動情報を、負例として収集する。

また、実施形態に係る収集装置１００において、収集部１３２は、間欠的に配置される複数の期間を含む所定期間内に、配信コンテンツに対してユーザが行動しなかったことを示す行動情報を、負例として収集する。

これにより、実施形態に係る収集装置１００は、間欠的に配置される複数の期間を含む所定期間に基づくことにより、通知タイミングの学習を可能にする負例を適切に収集することができる。

また、実施形態に係る収集装置１００において、収集部１３２は、行動情報のうち、配信コンテンツの配信後においてユーザに関する変化に基づくタイミングにおいて、配信コンテンツに対してユーザが行動しなかったことを示す行動情報を、変化における負例として収集する。

これにより、実施形態に係る収集装置１００は、配信コンテンツの配信後においてユーザに関する変化に基づくことにより、通知タイミングの学習を可能にする負例を適切に収集することができる。

また、実施形態に係る収集装置１００において、収集部１３２は、行動情報のうち、配信コンテンツに対してユーザが行動したことを示す行動情報を、通知タイミングに関する正例として収集する。

これにより、実施形態に係る収集装置１００は、通知タイミングの学習を可能にする正例を適切に収集することができる。

〔９．ハードウェア構成〕
上述してきた実施形態に係る収集装置１００や端末装置１０は、例えば図１７に示すような構成のコンピュータ１０００によって実現される。図１７は、収集装置または端末装置の機能を実現するコンピュータの一例を示すハードウェア構成図である。コンピュータ１０００は、ＣＰＵ１１００、ＲＡＭ１２００、ＲＯＭ１３００、ＨＤＤ１４００、通信インターフェイス（Ｉ／Ｆ）１５００、入出力インターフェイス（Ｉ／Ｆ）１６００、及びメディアインターフェイス（Ｉ／Ｆ）１７００を有する。

ＣＰＵ１１００は、ＲＯＭ１３００またはＨＤＤ１４００に格納されたプログラムに基づいて動作し、各部の制御を行う。ＲＯＭ１３００は、コンピュータ１０００の起動時にＣＰＵ１１００によって実行されるブートプログラムや、コンピュータ１０００のハードウェアに依存するプログラム等を格納する。

ＨＤＤ１４００は、ＣＰＵ１１００によって実行されるプログラム、及び、プログラムによって使用されるデータ等を格納する。通信インターフェイス１５００は、ネットワークＮ（図２中においてはネットワーク２）を介して他の機器からデータを受信してＣＰＵ１１００へ送り、ＣＰＵ１１００が収集したデータをネットワークＮを介して他の機器へ送信する。

ＣＰＵ１１００は、入出力インターフェイス１６００を介して、ディスプレイやプリンタ等の出力装置、及び、キーボードやマウス等の入力装置を制御する。ＣＰＵ１１００は、入出力インターフェイス１６００を介して、入力装置からデータを取得する。また、ＣＰＵ１１００は、収集したデータを入出力インターフェイス１６００を介して出力装置へ出力する。

メディアインターフェイス１７００は、記録媒体１８００に格納されたプログラムまたはデータを読み取り、ＲＡＭ１２００を介してＣＰＵ１１００に提供する。ＣＰＵ１１００は、プログラムを、メディアインターフェイス１７００を介して記録媒体１８００からＲＡＭ１２００上にロードし、ロードしたプログラムを実行する。記録媒体１８００は、例えばＤＶＤ（Digital Versatile Disc）、ＰＤ（Phase change rewritable Disk）等の光学記録媒体、ＭＯ（Magneto-Optical disk）等の光磁気記録媒体、テープ媒体、磁気記録媒体、または半導体メモリ等である。

例えば、コンピュータ１０００が実施形態に係る収集装置１００や端末装置１０として機能する場合、コンピュータ１０００のＣＰＵ１１００は、ＲＡＭ１２００上にロードされたプログラムを実行することにより、制御部１３０の機能を実現する。コンピュータ１０００のＣＰＵ１１００は、これらのプログラムを記録媒体１８００から読み取って実行するが、他の例として、他の装置からネットワークＮを介してこれらのプログラムを取得してもよい。

以上、本願の実施形態及び変形例のいくつかを図面に基づいて詳細に説明したが、これらは例示であり、発明の開示の行に記載の態様を始めとして、当業者の知識に基づいて種々の変形、改良を施した他の形態で本発明を実施することが可能である。

〔１０．その他〕
また、上記実施形態及び変形例において説明した各処理のうち、自動的に行われるものとして説明した処理の全部または一部を手動的に行うこともでき、あるいは、手動的に行われるものとして説明した処理の全部または一部を公知の方法で自動的に行うこともできる。この他、上記文書中や図面中で示した処理手順、具体的名称、各種のデータやパラメータを含む情報については、特記する場合を除いて任意に変更することができる。例えば、各図に示した各種情報は、図示した情報に限られない。

また、図示した各装置の各構成要素は機能概念的なものであり、必ずしも物理的に図示の如く構成されていることを要しない。すなわち、各装置の分散・統合の具体的形態は図示のものに限られず、その全部または一部を、各種の負荷や使用状況などに応じて、任意の単位で機能的または物理的に分散・統合して構成することができる。

また、上述してきた実施形態及び変形例は、処理内容を矛盾させない範囲で適宜組み合わせることが可能である。

また、上述してきた「部（section、module、unit）」は、「手段」や「回路」などに読み替えることができる。例えば、取得部は、取得手段や取得回路に読み替えることができる。

１収集システム
１００収集装置
１２１ユーザ情報記憶部
１２２行動情報記憶部
１２３学習情報記憶部
１２４コンテンツ情報記憶部
１３０制御部
１３１取得部
１３２収集部
１３３学習部
１３４決定部
１３５配信部
１０端末装置
Ｎ、２ネットワーク

Claims

ユーザの端末装置に配信した配信コンテンツであって、前記端末装置においてユーザに通知される配信コンテンツに対するユーザの行動に関する行動情報を取得する取得部と、
前記取得部により取得された行動情報を、コンテンツの通知タイミングの学習に用いる情報として収集する収集部と、
を備えたことを特徴とする収集装置。
前記収集部は、
前記行動情報のうち、前記配信コンテンツに対してユーザが行動しなかったことを示す行動情報を、前記通知タイミングに関する負例として収集する
ことを特徴とする請求項１に記載の収集装置。
前記収集部は、
前記行動情報のうち、前記配信コンテンツの配信後における所定期間内に前記配信コンテンツに対してユーザが行動しなかったことを示す行動情報を、前記負例として収集する
ことを特徴とする請求項２に記載の収集装置。
前記収集部は、
前記ユーザに関するコンテキストに基づく前記所定期間内に前記配信コンテンツに対してユーザが行動しなかったことを示す行動情報を、前記負例として収集する
ことを特徴とする請求項３に記載の収集装置。
前記収集部は、
前記コンテンツに関するコンテキストに基づく前記所定期間内に前記配信コンテンツに対してユーザが行動しなかったことを示す行動情報を、前記負例として収集する
ことを特徴とする請求項３または請求項４に記載の収集装置。
前記収集部は、
前記ユーザに関するセンサ情報に基づいて、前記ユーザが前記配信コンテンツに反応可能と推定される間に計時される前記所定期間内に、前記配信コンテンツに対してユーザが行動しなかったことを示す行動情報を、前記負例として収集する
ことを特徴とする請求項３〜５のいずれか１項に記載の収集装置。
前記収集部は、
前記ユーザの環境に関するセンサ情報に基づいて、前記ユーザが前記配信コンテンツに反応可能と推定される間に計時される前記所定期間内に、前記配信コンテンツに対してユーザが行動しなかったことを示す行動情報を、前記負例として収集する
ことを特徴とする請求項３〜６のいずれか１項に記載の収集装置。
前記収集部は、
前記ユーザのコンテキストに応じて計時される量が変動する前記所定期間内に、前記配信コンテンツに対してユーザが行動しなかったことを示す行動情報を、前記負例として収集する
ことを特徴とする請求項３〜７のいずれか１項に記載の収集装置。
前記収集部は、
間欠的に配置される複数の期間を含む前記所定期間内に、前記配信コンテンツに対してユーザが行動しなかったことを示す行動情報を、前記負例として収集する
ことを特徴とする請求項３〜８のいずれか１項に記載の収集装置。
前記収集部は、
前記行動情報のうち、前記配信コンテンツの配信後において前記ユーザに関する変化に基づくタイミングにおいて、前記配信コンテンツに対してユーザが行動しなかったことを示す行動情報を、前記変化における前記負例として収集する
ことを特徴とする請求項２〜９のいずれか１項に記載の収集装置。
前記収集部は、
前記行動情報のうち、前記配信コンテンツに対してユーザが行動したことを示す行動情報を、前記通知タイミングに関する正例として収集する
ことを特徴とする請求項１〜１０のいずれか１項に記載の収集装置。
コンピュータが実行する収集方法であって、
ユーザの端末装置に配信した配信コンテンツであって、前記端末装置においてユーザに通知される配信コンテンツに対するユーザの行動に関する行動情報を取得する取得工程と、
前記取得工程により取得された行動情報を、コンテンツの通知タイミングの学習に用いる情報として収集する収集工程と、
を含むことを特徴とする収集方法。
ユーザの端末装置に配信した配信コンテンツであって、前記端末装置においてユーザに通知される配信コンテンツに対するユーザの行動に関する行動情報を取得する取得手順と、
前記取得手順により取得された行動情報を、コンテンツの通知タイミングの学習に用いる情報として収集する収集手順と、
をコンピュータに実行させることを特徴とする収集プログラム。