JP2019148963A - プロフィール情報システムおよび情報処理装置 - Google Patents

Abstract

【課題】プロフィール情報を個人の主観のみに頼らず、より信頼性の高いプロフィール情報を得る。【解決手段】居住空間内のセンサ１１１からのセンシングデータや設備機器１１０の利用ログから、プロフィール項目についてあらかじめ定められた複数の特徴量の基準に基づき、居住者の複数の特徴量のそれぞれを評価し、総合判定することにより、居住者のプロフィール情報を自動抽出する。さらに、居住者が入力した自己申告プロフィール情報と自動抽出したプロフィール情報を比較照合することにより、自己申告プロフィール情報の信頼性を評価する。【選択図】図３

Description

居住空間の設備機器からのセンサデータに基づきプロフィール情報を自動抽出するプロフィール情報システムおよび情報処理装置に関する。

インターネット上での就職支援サービスの活用やＳＮＳ（Social Networking Service）におけるコミュニティ形成などにおいて、利用者は利用や参加にあたって、自己のプロフィール情報を開示する。公開されたプロフィール情報は、人と職種との間あるいは人と人との間のマッチング等、何らかの判断のために用いられることが期待されている。このため、利用者に入力が求められるプロフィール情報は氏名、生年月日といったものから、学歴、職歴、生活スタイル、性格に至るまで多岐にわたる。これらのプロフィール情報は利用者の自己申告であるため、必要に応じてその裏付けとなる書証（身分証明書等）の開示を要求して詐称を防止している。一方、プロフィール情報の中でも生活スタイルや性格といったような利用者の主観に基づく情報については、詐称を防止する仕組みはなく、また、そもそも共通のものさしがあるわけでもないので、プロフィール情報を出した側と受けた側とで認識のずれが生じるのは避けがたい。

特許文献１にはＳＮＳ上で公開するプロフィール情報に信頼性を与えるため、ユーザが訪れたエリア情報、ＳＮＳへの投稿からのキーワードなどからユーザの行動を分析し、プロフィール情報の信頼度を算出することが開示されている。

特許文献２は、複数のユーザのコミュニケーションの活性化を支援するコミュニケーション管理システムが開示されている。本システムにおいては、ユーザごとに日々の生活で取得されるユーザの生体情報及び／または生活行動情報に基づき、ユーザ同士を関連付けるコミュニケーションネットワーク情報を動的に生成する。また、センサやマイク、家電利用情報などから、ユーザの情報を推定している。例えば、掃除機がＯＮされており、マイクが動作音を検知したら「掃除をしている」と推定する。

特開２０１６−１１０１８６号公報 特開２０１５−５２５９号公報

上述のように、利用者が自己申告により公開するプロフィール情報のうち、客観的に裏付けのない項目については詐称を防止することが難しく、加えて利用者の主観で判断する項目については客観的な基準が存在しないため、プロフィール情報の信頼性には限界があった。特許文献１は信頼性判断の基礎情報がＳＮＳの情報、すなわちユーザ自身の投稿に基づいているため、信頼度を求められる範囲が限定される。特許文献２は、コミュニケーションネットワーク形成システムであり、特にプロフィール情報の信頼性について検討したものではないが、センサ等からの情報に基づきユーザの状況を推定する公知文献として挙げたものである。ただし、推定される情報として例示されているのは、「くしゃみ」や「掃除機をかけている」などであり、性格などのプロフィール情報に係る項目についての記述はない。

その他の課題と新規な特徴は、本明細書の記述および添付図面から明らかになるであろう。

居住空間内のセンサからのセンシングデータや設備機器の利用ログから居住者のプロフィール情報を自動抽出する。さらに、居住者が入力した自己申告プロフィール情報と自動抽出したプロフィール情報を比較照合することにより、自己申告プロフィール情報の信頼性を評価する。

プロフィール情報を個人の主観のみに頼らず、客観的な生活パターンや生体情報から推測することにより、より信頼性の高いプロフィール情報を得ることができる。

Ｍ２Ｍシステム構成の概要である。 センサの例である。 プロフィール情報の自動抽出フローである。 プロフィール情報「健康」の特徴量テーブルである。 プロフィール情報「健康」の判定テーブルである。 プロフィール情報「ストレス」の特徴量テーブルである。 プロフィール情報「ストレス」の判定テーブルである。 プロフィール情報「性格」の特徴量テーブルである。 プロフィール情報「性格」の判定テーブルである。 プロフィール情報「趣味」の判定フローである。 プロフィール情報システムの実現イメージである。 プロフィール情報ベリファイシステムの実現イメージである。 プロフィール情報のベリファイフローである。 ゲートウェイのハードウェア構成例である。

図１にプロフィール情報システムを実装するＭ２Ｍ（Machine-to-Machine）システム構成の概要を示す。システム１００は、居住空間１０１に一つ以上配置されるデバイス１１０、複数のデバイス１１０との間でデータの集約・配信を行うゲートウェイ１３０、ゲートウェイ１３０やデバイス１１０に組み込まれているアプリケーションプログラムを管理するソフトウェアを有するサーバ１５０を有している。デバイス１１０はセンサ１１１及び／またはアクチュエータ１１２に接続され、センサ１１１からの情報を収集するとともに、アクチュエータ１１２を制御する。ここで、アクチュエータ１１２はデバイス１１０あるいは上位からの制御命令により動作するものを広く指し、物理的に駆動されるもの、電気的に駆動されるものであってもよく、その駆動メカニズムは問わない。デバイス１１０はエリアネットワーク１２０を介してゲートウェイ１３０に接続され、ゲートウェイ１３０は、エリアネットワーク１２０で接続される複数のデバイス１１０からセンサデータを収集する。また、ゲートウェイ１３０はアクセスネットワーク（ＩＰネットワーク）１４０を介して、サーバ１５０に接続されている。ゲートウェイ１３０やデバイス１１０のアプリケーションプログラムの更新は、アクセスネットワーク１４０、エリアネットワーク１２０経由で行われる。

ここでデバイス１１０は居住空間１０１の家電、照明、各種検知器やメータ等の設備機器に内蔵されていてもよいし、外付けの通信機器としてセンサやアクチュエータを有する設備機器に接続されるものであってもよい。また、センサデータとしてはセンサ１１１からのセンシングデータの他、デバイス１１０である設備機器の利用ログのようなものを含む。

システム１００において、ゲートウェイ１３０、デバイス１１０はそれぞれアプリケーションを有しており、各レベルでの機能、サービスが実現可能とされている。例えば、人感センサを内蔵した照明であれば、室内で人の存在を感知して照明（アクチュエータ）を自動点灯するといった機能をデバイスレベルのアプリケーション１１０ａで実現できる。一方、複数のデバイスからのセンサデータを連携して一つのデバイスを動作させる場合は、ゲートウェイレベルのアプリケーション１３０ａで実現できる。この場合は、複数のデバイス１１０からセンサデータがゲートウェイ１３０に送信され、被制御対象のデバイスのアクチュエータ１１２への命令がゲートウェイ１３０から当該デバイスに送信される。このようなＭ２Ｍシステムをベースとしたシステム構築、サービス提案はさまざまな応用分野で盛んに研究されており、これにともないかかるシステム構築に使用されるセンサの開発も進んでいる。

応用分野の一つとして、居住空間内に各種センサを配置し、設備機器、例えばエアコンや照明を自動調整したり、居住者の見守りサービス、健康アドバイスサービスなどを提供したりする試みが検討されている。図２にそのようなサービスに使用されるセンサ１１１の例を示す。図２に示すように、モノや環境情報のみならず、人に関する情報を収集するセンサも多く開発されている。例えば、ＴｏＦ（Time of Flight）センサを人感センサとして利用する場合には、人の存在のみならず、人の動きも検出することができる。また、人の脈拍等をセンシングするバイタルセンサでは、装着が必要となるリストバンド型などのウェアラブルバイタルセンサ（接触型）の他にも、非接触型のバイタルセンサの開発も進められている。非接触型のバイタルセンサはマイクロ波、またはミリ波を生体に照射し、反射波の位相情報に基づき脈拍、呼吸等の生体情報を検知するものである。非接触型のバイタルセンサは装着なしにこれらの情報を得ることができるので、利用者の負担を軽減させることができる。

なお、ゲートウェイ１３０にはデバイス１１０に限られず、ＰＣ（Personal Computer）、タブレット、スマートフォンなどの情報機器１１３もエリアネットワーク１２０を介して接続可能とされる。なお、情報機器１１３はアクセスネットワーク１４０に接続することも可能であるため、情報機器１１３がゲートウェイレベルのアプリケーション１３０ａを保持して実行することにより、ゲートウェイ１３０に限定されず、デバイス１１０とエリアネットワーク（無線ＬＡＮ等）を介して接続でき、サーバ１５０とアクセスネットワーク（ＩＰネットワーク）を介して接続できる情報処理装置は、以下に説明する本実施例の機能を実現することが可能である。

実施例１は、システム１００においてセンサデータから居住者の行動や体調についての情報が得られることに着目し、居住空間内の家電等の設備機器の利用状況ログやセンサからのセンシングデータからプロフィール情報を自動抽出するシステムである。これらのセンサデータを解析し、居住者の健康状態、生活スタイル、ストレスといったプロフィール情報を自動抽出する。以下の説明において、プロフィール情報を抽出するための評価項目を「特徴量」と呼ぶ。

実施例１のプロフィール自動抽出はゲートウェイレベルのアプリケーション１３０ａとして実現される。これは個人のプロフィール情報を抽出することを目的とするため、情報セキュリティの観点から関連する情報をアクセスネットワーク１４０に載せることなく処理することが望ましいためである。ただし、後述する特徴量評価アルゴリズムやそれに用いる基準値等のパラメータは改良される度に、随時更新されることが望ましい。このため、ゲートウェイ１３０のアプリケーションプログラム１３０ａは、サーバ１５０より遠隔でプログラム内容が更新される。また、特徴量評価に使用されるセンサデータはデバイス１１０に保存されていてもよいし、ゲートウェイ１３０に集約して保存されていてもよい。以下の説明における、「特徴量データベースを参照」は、特徴量の評価に用いるセンサデータを集積したセンサデータデータベースへアクセスすることを指し、そのデータベースが居住空間１０１内のどこに蓄積されているかは特に問題にしない。

図３にプロフィール情報の自動抽出フローを示す。まず、抽出するプロフィール項目を設定する（Ｆ０１）。プロフィール項目ごとにどのような特徴量に基づき決定するか、アプリケーションにおいてあらかじめ定められた特徴量評価アルゴリズムを有している。次に、プロフィール情報を抽出するための特徴量（評価項目）に対応するセンサデータデータベース（「特徴量データベース」）を参照し（Ｆ０２）、特徴量（評価項目）を評価する（Ｆ０３）。Ｆ０２，Ｆ０３において、設定したプロフィール項目によって特徴量（評価項目）が異なり、使用するセンサデータも異なっている。この特徴量を総合判定して、プロフィール情報を抽出する（Ｆ０４）。以下に、プロフィール情報の抽出例を説明する。なお、これらは例示であり、これらの方法に限定するものではない。

図４Ａに「健康」というプロフィール情報を抽出するための特徴量テーブル４０１を示す。この例では特徴量として５つの評価項目（睡眠時間、熟睡度、血圧、体重変動、顔色変動）が設けられ、評価項目ごとに３段階の基準を設定され、点数がつけられるようになっている。各評価項目は、各種センサから取得したセンサデータ（実測値）に基づき、各項目の点数を求める。各評価項目ともにより健康であれば点数が高くされており、また、各評価項目の基準はいずれもセンサデータに基づき、定量的に判定できるように定められている。各評価項目の点数の合計値を図４Ｂに示す判定テーブル４０２で評価することにより、プロフィール情報「非常に健康〜不健康」が抽出される。

同様に、図５Ａに「ストレス」というプロフィール情報を抽出するための特徴量テーブル５０１を示す。この例でも特徴量として５つの評価項目（感情、脈拍変動、熟睡度、行動、肩こり）が設けられ、評価項目ごとに３段階の基準を設定され、点数がつけられるようになっている。各評価項目は、各種センサから取得したセンサデータ（実測値）に基づき、各評価項目の点数を求める。各評価項目ともによりストレスが低い程点数が高くされており、また、各評価項目の基準はいずれもセンサデータに基づき、定量的に判定できるように定められている。各評価項目の点数の合計値を図５Ｂに示す判定テーブル５０２で評価することにより、プロフィール情報「ストレスなし〜高ストレス」が抽出される。

同様に、図６Ａに「性格」というプロフィール情報を抽出するための特徴量テーブル６０１を示す。この例でも特徴量として５つの評価項目（起床時間のずれ、消灯時間のずれ、１日の歯磨き回数、帰宅時間平均、部屋の散らかり方（変化））が設けられ、評価項目ごとに３段階の基準を設定され、点数がつけられるようになっている。各評価項目は、各種センサから取得したセンサデータ（実測値）に基づき、各評価項目の点数を求める。各評価項目ともにより几帳面であれば点数が高くされており、また、各評価項目の基準はいずれもセンサデータに基づき、定量的に判定できるように定められている。各評価項目の点数の合計値を図６Ｂに示す判定テーブル６０２で評価することにより、プロフィール情報「几帳面〜おおざっぱ」が抽出される。

以上の特徴量評価アルゴリズムは、あらかじめ定めたテーブルに基づきプロフィール情報を抽出する例であるが、センサデータに基づく判定フローによりプロフィール情報を抽出することも可能である。図７に「趣味」というプロフィール情報を抽出する判定フローを示す。この例では、まず対象者がどこで時間を使うことが多いかについて情報を抽出する。まず、リビングにいることが多いかどうかを判定する（ステップ７０１）。これはカメラによる顔認識、音声による声紋認識、ＴｏＦセンサによる人検出といった手段で検出できる。リビングにいることが多い場合、リビングでの対象者の行動についての情報を抽出する。本を読むことが多い場合、趣味は読書であると判定する（ステップ７０２）。この判定にあたっては、カメラによる姿勢認識やＴｏＦセンサによる人の動き検出といった手段が利用できる。また、テレビを見ることが多い場合は、趣味はテレビ鑑賞であると判定する（ステップ７０３）。この判定にあたっては、カメラによる姿勢認識やテレビの視聴履歴といった手段が利用できる。同様に、他にもリビングで行う趣味に関する判定フローを設けて判定する。リビングではあまり時間を使っていない場合、自室にいることが多いかどうかを判定する（ステップ７０４）。検出手段はステップ７０１と同様である。自室にいることが多い場合は、自室での趣味判定フローに移行し、外出していることが多い場合は、居住空間外での趣味判定フローに移行する。

図８にプロフィール情報システムの実現イメージを示す。センサとしてエアコン（デバイス）１１０−１に取り付けられたカメラ１１１−１、非接触バイタルセンサ１１０−２を使用し、居住者Ａ８０１の情報を抽出する。カメラ１１１−１からの映像により、被写体がＡであることを判定する顔認識、Ａの表情からＡの感情を判定する感情認識、Ａがどのような姿勢であるかを判定する姿勢認識などが可能である。また、バイタルセンサ１１０−２は居住者Ａ８０１にミリ波を照射し、反射波の位相情報に基づき脈拍や心拍を測定することができる。これらセンサからのセンサデータは無線ＬＡＮなどのエリアネットワーク１２０を通じてゲートウェイ１３０に送信され、蓄積される。ゲートウェイ１３０はあらかじめ有しているアプリケーションプログラムによりプロフィール情報を抽出する。

なお、デバイス１１０、ゲートウェイ１３０ともにアプリケーションプログラムを有しており、プロフィール情報の抽出に必要な情報処理の分担について、デバイス１１０とゲートウェイ１３０との間の割り振りは特に限定しない。例えば、カメラ１１１−１からの映像をゲートウェイ１３０に送付し、ゲートウェイで映像認識処理とそれに基づく特徴量判定を行ってもよいし、デバイス（エアコン）で映像認識処理を行い、ゲートウェイでは認識結果に基づく特徴量判定を行ってもよい。分散処理することで、ゲートウェイでの処理量を低減させることが可能になる。

また、特徴量評価アルゴリズムの例示として、プロフィール情報の抽出をテーブル判定する例、判定フローを設けて判定する例を示したが、機械学習により判定するようにしてもよい。この場合、機械学習の重み付けを随時アップデートすることにより特徴量の判定の精度を高めることが可能になる。

実施例２では、システム１００において、本人が自己申告したプロフィール情報について、居住空間内の家電等の設備機器の利用状況ログやセンサからのセンシングデータに基づき信頼性の評価を行うシステムである。本プロフィール情報ベリファイシステムでは、居住者が入力した自己申告プロフィール情報を入力情報として持ち、実施例１のフローと組み合わせることにより、自己申告プロフィール情報のベリファイ（信頼性の評価）を行う。本システムの出力は、ベリファイされたプロフィール情報（「信頼性情報付きプロフィール情報」という）となる。

図９にプロフィール情報ベリファイシステムの実現イメージを示す。居住者９０１が情報機器１１３で自己申告した自己申告プロフィール情報９０２が作成される。一方で、各設備機器１１０からのセンサデータからゲートウェイ１３０では実施例１に説明したプロフィール情報自動抽出フローにより居住者９０１のプロフィール情報を抽出する。自動抽出された居住者のプロフィール情報と居住者が入力した自己申告プロフィール情報９０２とを比較することにより、居住者が入力した自己申告プロフィール情報９０２の各プロフィール項目の信頼性９０３を算出する。

これにより居住者の自己申告プロフィール情報に対して、客観的なセンサデータに基づく信頼性情報を加えたことにより、居住者の自己申告プロフィール情報の信頼性を高めることができる。

図１０にプロフィール情報のベリファイフロー例を示す。図１０のフローＦ１０（右側）は情報機器１１３のアプリケーション１１３ａで実行される自己申告プロフィール情報入力フローである。アプリケーション１１３ａはインターネット上での就職支援サービスやＳＮＳのアプリケーションであって、フローＦ１０はそれらのプロフィール情報入力ルーチンとして組み込まれている。まず、ユーザ（居住者）はプロフィール情報の入力を行う（Ｆ１１）。

図１０のフローＦ２０（左側）はゲートウェイ１３０のアプリケーションプログラム１３０ａで実行されるプロフィール情報ベリファイフローである。フローＦ２０により、ユーザが自己申告した自己申告プロフィール情報９０２のベリファイを行う。自己申告プロフィール情報９０２に対してベリファイを行うため、情報機器１１３はゲートウェイ１３０のアプリケーション１３０ａを起動させる。

フローＦ２０のフローＦ２１、Ｆ２２、Ｆ２３の処理はそれぞれ実施例１（図３）で説明したフローＦ０１、Ｆ０２、Ｆ０３と同等であり、居住空間１０１内の設備機器からのセンサデータを基に、プロフィール情報の自動抽出を行う。フローＦ２１では、入力された自己申告プロフィール情報９０２に基づき、自動抽出するプロフィール項目の設定を行う。プロフィール情報を抽出するための特徴量（評価項目）に対応するセンサデータデータベース（特徴量データベース）を参照し（Ｆ２２）、特徴量（評価項目）を評価する（Ｆ２３）。フローＦ２４では、特徴量を総合判定して抽出したプロフィール情報（実施例１のフローＦ０４と同等の処理を行う）と自己申告したプロフィール情報９０２とを比較することにより、自己申告プロフィール情報の各プロフィール項目について、その信頼性を評価する。フローＦ２５にて評価した信頼性情報を情報機器１１３へ出力し、ベリファイフローを終了する。ユーザは、信頼性情報付きプロフィール情報９０４を入手し（フローＦ１２）、利用する（フローＦ１３）。

フローＦ２４におけるプロフィール情報の信頼性評価にあたっては、自動抽出したプロフィール情報と自己申告したプロフィール情報とを比較照合することで実行する。例えば、評価対象とするプロフィール情報が「性格」であったとすると、実施例１の図６Ａ、図６Ｂを用いて説明したように、ユーザの性格に関する特徴量は、システムによって自動的に抽出される。点数の合計値が８〜１０点となった場合、図９に示したユーザ９０１が自己申告した「几帳面」であるという入力情報は信頼性が高いと評価できる（なお、信頼性の評価方法は、図９に示すものに限られず、Ａ判定としたり、％表記としたりしてもよい）。一方で、点数の合計値が０〜４点にもかかわらず、ユーザ９０１が「几帳面」と自己申告している場合、その入力情報は信頼性が低いと評価する。その他の項目についても、自動抽出したプロフィール情報と自己申告したプロフィール情報とを比較照合することで、信頼性の評価が可能となる。

これにより、ユーザが自己申告したプロフィール情報の信頼性を高める。また、ユーザによってはシステムによって自動抽出、推測された情報が自己のプロフィール情報とされることを嫌がることもある。自身の入力項目とセンサデータからの自動抽出、推測された情報とを合わせることにより、このような嫌悪感を緩和しつつ、プロフィール情報の信頼性を担保することができる。

図１１にゲートウェイ１３０のハードウェア構成例を示す。ゲートウェイ１３０は、プロセッサ２０１、メモリ２０２、センサデータデータベース２０３、プロフィール情報データベース２０４、インタフェース２０５、これらを接続するバス２０６を有する。インタフェース２０５はゲートウェイ１３０をエリアネットワークまたはアクセスネットワークに接続する。センサデータデータベース２０３はデバイス１１０から送信されたセンサデータを蓄積する。プロフィール情報データベース２０４は、自動抽出したプロフィール情報、または情報機器１１３から入力された自己申告プロフィール情報を格納する。プロセッサ２０１は図示しない補助記憶装置からメモリ２０２にロードされたアプリケーションプログラム１３０ａを実行し、実施例１または実施例２に示したプロフィール情報の自動抽出機能やベリファイ機能を実現する。アプリケーションプログラム１３０ａは、プロフィール項目設定部１３１、プロフィール情報抽出部１３２、信頼性評価部１３３（実施例２の場合）を含む。プロフィール項目設定部１３１は図３のフローＦ０１または図１０のフローＦ２１に相当する処理を実行する。プロフィール情報抽出部１３２は図４Ａ〜図７を用いて説明したプロフィール項目にかかるプロフィール情報の自動抽出を実行する。信頼性評価部１３３は、図１０のフローＦ２４，Ｆ２５に相当する処理を実行する。

以上、本発明者によってなされた発明を実施の形態に基づき具体的に説明したが、本発明は前記実施の形態に限定されるものではなく、その要旨を逸脱しない範囲で種々変更可能であることはいうまでもない。

１００：システム、１０１：居住空間、１１０：デバイス、１１０ａ，１１３ａ，１３０ａ：アプリケーションプログラム、１１１：センサ、１１２：アクチュエータ、１１３：情報機器、１２０：エリアネットワーク、１３０：ゲートウェイ、１４０：アクセスネットワーク、１５０：サーバ。

Claims (10)

1. 居住空間に配置され、センサ及び／またはアクチュエータに接続される複数のデバイスと、
   前記複数のデバイスからのセンサデータに基づき、居住者のプロフィール情報を抽出する情報処理装置とを有するプロフィール情報システムであって、
   前記情報処理装置は、プロセッサを有し、前記プロセッサはアプリケーションプログラムを実行し、
   前記アプリケーションプログラムは、プロフィール項目設定部とプロフィール情報抽出部とを有し、
   前記プロフィール項目設定部は、プロフィール項目を設定し、
   前記プロフィール情報抽出部は、前記プロフィール項目についてあらかじめ定められた複数の特徴量の基準に基づき、前記居住者の前記複数の特徴量のそれぞれを評価し、前記居住者の前記複数の特徴量の評価を総合判定することにより、前記プロフィール項目にかかる前記居住者のプロフィール情報を抽出し、
   前記プロフィール情報抽出部における前記特徴量の評価は、前記複数のデバイスからのセンサデータに基づき行われるプロフィール情報システム。
2. 請求項１において、
   前記センサデータには、前記センサからのセンシングデータ及び、前記デバイスである設備機器の利用ログを含むプロフィール情報システム。
3. 請求項１において、
   前記プロフィール情報抽出部は、前記プロフィール項目に応じた特徴量評価アルゴリズムを有するプロフィール情報システム。
4. 請求項３において、
   前記特徴量評価アルゴリズムは、前記情報処理装置に接続されるサーバにより随時更新されるプロフィール情報システム。
5. 請求項１において、
   前記居住者が入力した自己申告プロフィール情報を格納するプロフィール情報データベースを有し、
   前記アプリケーションプログラムは、さらに信頼性評価部を有し、
   前記プロフィール項目設定部は、前記自己申告プロフィール情報に対応するプロフィール項目を設定し、
   前記信頼性評価部は、前記プロフィール情報抽出部が抽出した前記居住者の前記プロフィール項目のプロフィール情報と前記自己申告プロフィール情報とを比較照合することで前記自己申告プロフィール情報の信頼性を評価するプロフィール情報システム。
6. センサデータデータベースと、アプリケーションプログラムを実行するプロセッサとを有する情報処理装置であって、
   前記アプリケーションプログラムは、プロフィール項目設定部とプロフィール情報抽出部とを有し、
   前記プロフィール項目設定部は、プロフィール項目を設定し、
   前記プロフィール情報抽出部は、前記プロフィール項目についてあらかじめ定められた複数の特徴量の基準に基づき、居住者の前記複数の特徴量のそれぞれを評価し、前記居住者の前記複数の特徴量の評価を総合判定することにより、前記プロフィール項目にかかる前記居住者のプロフィール情報を抽出し、
   前記プロフィール情報抽出部における前記特徴量の評価は、前記センサデータデータベースに格納されたセンサデータに基づき行われ、
   前記センサデータは、前記居住者の居住空間に配置されたセンサ及び／またはアクチュエータに接続される複数のデバイスから収集される情報処理装置。
7. 請求項６において、
   前記センサデータには、前記センサからのセンシングデータ及び、前記デバイスである設備機器の利用ログを含む情報処理装置。
8. 請求項６において、
   前記プロフィール情報抽出部は、前記プロフィール項目に応じた特徴量評価アルゴリズムを有する情報処理装置。
9. 請求項８において、
   前記特徴量評価アルゴリズムは、サーバにより随時更新される情報処理装置。
10. 請求項６において、
    前記居住者が入力した自己申告プロフィール情報を格納するプロフィール情報データベースを有し、
    前記アプリケーションプログラムは、さらに信頼性評価部を有し、
    前記プロフィール項目設定部は、前記自己申告プロフィール情報に対応するプロフィール項目を設定し、
    前記信頼性評価部は、前記プロフィール情報抽出部が抽出した前記居住者の前記プロフィール項目のプロフィール情報と前記自己申告プロフィール情報とを比較照合することで前記自己申告プロフィール情報の信頼性を評価する情報処理装置。

Images