JP2020013270A - 情報処理装置、情報処理方法、及び情報処理プログラム - Google Patents

Abstract

【課題】効率的な予測を可能にする。【解決手段】本願に係る情報処理装置は、取得部と、予測部とを有する。取得部は、所定の事柄の予測に用いる第１モデルと、第１モデルの要素を補正する第２モデルとを取得する。予測部は、第１モデルに入力情報を入力することにより所定の事柄を予測する場合、第２モデルを用いて要素を補正することにより、第１モデルを用いて所定の事柄を予測する。【選択図】図４

Description

本発明は、情報処理装置、情報処理方法、及び情報処理プログラムに関する。

従来、種々の予測に関する技術が提供されている。例えば、ユーザをユーザ情報に基づいてグループ分けしたグループ毎に、ユーザの行動を予測するための予測モデルを生成し、予測対象ユーザに適合する予測モデルを選択して予測を行う技術が提供されている。

特開２０１６−６２５０９号公報

しかしながら、上記の従来技術では、効率的な予測を可能にすることができるとは限らない。例えば、上記の従来技術では、ユーザグループや、ユーザが操作する端末の特性に応じて、これら毎に予測モデルを生成することが前提となる。しかしながら、１つのモデル（ユーザモデル等）を生成するのに学習処理にかかるコストが大きく、ユーザグループ毎や端末毎の予測モデルを生成し、保持するのは効率的でない面もあり改善の余地がある。

本願は、上記に鑑みてなされたものであって、効率的な予測を可能にする情報処理装置、情報処理方法、及び情報処理プログラムを提供することを目的とする。

本願に係る情報処理装置は、所定の事柄の予測に用いる第１モデルと、前記第１モデルの要素を補正する第２モデルとを取得する取得部と、前記第１モデルに入力情報を入力することにより前記所定の事柄を予測する場合、前記第２モデルを用いて前記要素を補正することにより、前記第１モデルを用いて前記所定の事柄を予測する予測部と、を備えることを特徴とする。

実施形態の一態様によれば、効率的な予測を可能にすることができるという効果を奏する。

図１は、実施形態に係る情報処理の一例を示す図である。 図２は、実施形態に係る情報処理の一例を示す図である。 図３は、実施形態に係る情報処理システムの構成例を示す図である。 図４は、実施形態に係る情報処理装置の構成例を示す図である。 図５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６は、実施形態に係る端末機種情報記憶部の一例を示す図である。 図７は、実施形態に係るセンサ情報記憶部の一例を示す図である。 図８は、実施形態に係る第１モデル学習用情報記憶部の一例を示す図である。 図９は、実施形態に係る第１モデル情報記憶部の一例を示す図である。 図１０は、実施形態に係る第２モデル学習用情報記憶部の一例を示す図である。 図１１は、実施形態に係る第２モデル情報記憶部の一例を示す図である。 図１２は、実施形態に係る情報処理の一例を示すフローチャートである。 図１３は、実施形態に係る情報処理の一例を示すフローチャートである。 図１４は、情報処理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、本願に係る情報処理装置、情報処理方法、及び情報処理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情報処理装置、情報処理方法、及び情報処理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．情報処理〕
図１及び図２を用いて、実施形態に係る情報処理の一例について説明する。図１は、実施形態に係る情報処理の一例を示す図である。具体的には、図１は、情報処理装置１００が所定の事柄を予測する予測モデル（以下「第１モデル」ともいう）を生成する処理の一例を示す図である。以下では、所定の事柄を予測する予測モデルである第１モデルを単にモデルと記載する場合がある。

図１の例では、情報処理装置１００が所定の事柄としてユーザの歩行を予測する第１モデルを生成する場合を示す。具体的には、情報処理装置１００が機種ＩＤ「ＰＭ１」により識別される機種（機種ＰＭ１）に対応する端末装置１０から収集したセンサ情報を用いて、ユーザが歩行中であるか否かを予測する第１モデルＭ１（以下「モデルＭ１」ともいう）を生成する場合を示す。なお、ここでいうセンサ情報には、種々のセンサにより検知される情報が含まれるが詳細は後述する。また、以下では、正解情報が対応付けられたセンサ情報を「学習用データ（学習用情報）」や「学習データ（学習情報）」ともいう。また、予測の対象となる所定の事柄は、ユーザの歩行に限らず、センサ情報を用いて予測可能な事柄であればどのようなものであってもよい。例えば、情報処理装置１００は、ユーザが車等の移動体で移動中であることやユーザがコンテンツを閲覧中であることやユーザが食事中であることやユーザが睡眠中であること等、種々のユーザコンテキストを予測対象としてもよい。

また、情報処理装置１００は、生成した第１モデルを用いて、所定の事柄を予測する。図２の例では、情報処理装置１００は、生成したモデルＭ１を用いて、ユーザが歩行中であるか否かを予測する。図２は、実施形態に係る情報処理の一例を示す図である。図２は、情報処理装置１００が第１モデルの生成時に対象とした機種以外の機種の端末装置１０について予測を行う場合に、第１モデルの要素を補正する（以下「第２モデル」ともいう）を用いて第１モデルを補正する場合を示す。具体的には、情報処理装置１００が第１モデルであるモデルＭ１の生成時に対象とした機種ＰＭ１以外の機種ＰＭ２の端末装置１０について予測を行う場合に、モデルＭ２１−１やモデル２１−２等の第２モデルを用いてモデルＭ１を補正する場合を示す。

〔情報処理システムの構成〕
まず、図３に示す情報処理システム１について説明する。図３に示すように、情報処理システム１は、複数台の端末装置１０と、情報処理装置１００とが含まれる。複数の端末装置１０と、情報処理装置１００とは所定のネットワークＮを介して、有線または無線により通信可能に接続される。図３は、実施形態に係る情報処理システムの構成例を示す図である。なお、図３に示した情報処理システム１には、複数台の情報処理装置１００が含まれてもよい。

端末装置１０は、ユーザによって利用される情報処理装置である。端末装置１０は、例えば、スマートフォンや、タブレット型端末や、ノート型ＰＣ（Personal Computer）や、デスクトップＰＣや、携帯電話機や、ＰＤＡ（Personal Digital Assistant）等により実現される。図１に示す例においては、端末装置１０がユーザが利用するスマートフォンである場合を示す。例えば、端末装置１０である端末装置ＴＭ１１は、図１に示すユーザＵ１が利用する端末装置１０に対応する。このように、「ユーザＵ＊（＊は任意の数値）」と記載した場合、そのユーザはユーザＩＤ「Ｕ＊」により識別されるユーザであることを示す。例えば、「ユーザＵ１」と記載した場合、そのユーザはユーザＩＤ「Ｕ１」により識別されるユーザである。

また、端末ＩＤ「ＴＭ１１」により識別される端末装置１０は、ユーザＵ１により利用される端末装置１０であり、上記のように端末装置ＴＭ１１と記載する場合がある。また、例えば、端末ＩＤ「ＴＭ１２」により識別される端末装置１０は、ユーザＵ２により利用される端末装置１０であり、端末装置ＴＭ１２と記載する場合がある。例えば、端末ＩＤ「ＴＭ２１」により識別される端末装置１０は、ユーザＵ２１により利用される端末装置１０であり、端末装置ＴＭ２１と記載する場合がある。このように、各端末装置１０を区別して説明する場合、「端末装置」の末尾に端末ＩＤ（ＴＭ１１等）を付加した記載とする。各端末装置１０について、特に区別なく説明する場合には、単に「端末装置１０」と記載する。

また、以下では、ユーザが利用する端末装置１０とそのユーザとは互いに読み替えられてもよい。例えば、「ユーザＵ１」と記載した場合、ユーザＵ１が利用する端末装置１０である「端末装置ＴＭ１１」と読み替えられてもよい。「端末装置ＴＭ１１」と記載した場合、端末装置ＴＭ１１を利用するユーザである「ユーザＵ１」と読み替えられてもよい。

また、端末装置１０は、種々のセンサにより検知された情報（以下、「センサ情報」ともいう）を収集する。端末装置１０は、端末装置１０に対する物理量の情報等をセンサ情報として収集する。例えば、端末装置１０は、端末装置１０における加速度や圧力等の物理量の情報等をセンサ情報として収集する。端末装置１０は、端末装置１０周辺の環境情報をセンサ情報として収集する。例えば、端末装置１０は、位置情報、照度、温度、湿度、磁界等の端末装置１０周辺の環境情報をセンサ情報として収集する。例えば、端末装置１０は、音声、画像等の端末装置１０周辺の環境情報をセンサ情報として収集する。端末装置１０は、端末装置１０を利用するユーザの生体情報をセンサ情報として収集する。例えば、端末装置１０は、ニオイ、汗、指紋等の端末装置１０を利用するユーザの生体情報をセンサ情報として収集する。端末装置１０は、３軸加速度センサ等の加速度センサの機能を有し、端末装置１０における加速度情報を検知し、取得する。端末装置１０は、加速度センサにより、端末装置１０における加速度の変化を示すセンサ情報を取得する。端末装置１０は、ジャイロセンサの機能を有し、端末装置１０における角速度情報を検知し、取得する。端末装置１０は、ジャイロセンサにより、端末装置１０における角速度の変化を示すセンサ情報を取得する。また、端末装置１０は、マイク等の音センサの機能を有し、端末装置１０における音声情報を検知し、取得する。端末装置１０は、音センサにより、端末装置１０の周囲における音（音量）の変化を示すセンサ情報を取得する。また、端末装置１０は、モーションセンサ等の運動状態を検知する機能を有し、端末装置１０における運動状態情報を検知し、取得する。端末装置１０は、モーションセンサにより、端末装置１０における運動状態の変化を示すセンサ情報を取得する。端末装置１０は、モーションセンサにより、端末装置１０における運動状態の変化を示すセンサ情報を取得する。端末装置１０は、３軸加速度センサやジャイロセンサや３軸地磁気センサ等により、端末装置１０における運動状態の変化を示すセンサ情報を取得する。端末装置１０は、３軸加速度センサやジャイロセンサや３軸地磁気センサ等により、端末装置１０における運動状態の変化を示すセンサ情報を取得する。このように、センサ情報には、加速度情報や角速度情報や音声情報や運動状態情報といった種々の情報が含まれる。なお、センサ情報は、上記に限らず、センサにより検知される情報であればどのような情報が含まれてもよい。例えば、センサ情報は、下記のような位置情報や環境情報や画像情報や生体情報等、種々の情報が含まれてもよい。

また、端末装置１０は、ＧＰＳ（Global Positioning System）センサ等の機能を有し、ユーザの位置情報を検知し、取得するものとする。また、端末装置１０は、通信を行っている基地局の位置情報や、Ｗｉ−Ｆｉ（登録商標）（Wireless Fidelity）の電波を用いてユーザの位置情報を推定し、取得してもよい。なお、以下では位置情報を単に「位置」と記載する場合がある。

また、センサ情報には、温度、湿度、照度、圧力、ニオイ、汗、心拍、脈拍、脳波等の種々の情報が含まれてもよい。例えば、端末装置１０は、温度センサ、湿度センサ、照度センサ、圧力センサ、近接センサ、ニオイや汗や心拍や脈拍や脳波等の生体情報を取得のためのセンサ等の種々のセンサにより検知されたセンサ情報を用いてもよい。端末装置１０は、温度センサや気圧センサ等の種々の機能を有し、温度や気圧等のユーザの置かれている環境情報を検知し、取得可能であってもよい。例えば、端末装置１０を利用するユーザは、端末装置１０と通信可能なウェアラブルデバイスを身に付けることにより、端末装置１０によりユーザ自身のコンテキスト情報を取得可能としてもよい。例えば、端末装置１０は、種々のセンサを有し、各種センサ情報を検知する。端末装置１０は、画像センサの機能を有し、画像情報を検知し、取得する。例えば、端末装置１０を利用するユーザは、端末装置１０と通信可能なリストバンド型のウェアラブルデバイスを身に付けることにより、端末装置１０によりユーザ自身の心拍（脈拍）に関する情報を端末装置１０が取得可能としてもよい。また、端末装置１０は、血糖値センサや心拍センサ等の種々の機能を有し、ユーザの血糖値（血糖値情報）や心拍数（心拍情報）等の生体情報を検知し、取得可能であってもよい。なお、端末装置１０は、自装置以外のセンサが検知したセンサ情報を収集し、情報処理装置１００へ送信してもよい。

端末装置１０は、取得（検知）したセンサ情報を情報処理装置１００へ送信する。例えば、端末装置１０は、取得（検知）したセンサ情報を定期的（例えば１時間おき等）に情報処理装置１００へ送信する。例えば、端末装置１０は、取得（検知）したセンサ情報を随時（リアルタイムに）、情報処理装置１００へ送信する。また、端末装置１０は、ユーザによる操作を受け付ける。また、端末装置１０は、情報処理装置１００に種々の情報を送信する。例えば、端末装置１０は、情報処理装置１００に検索クエリや位置情報等の種々の行動情報等を送信する。端末装置１０は、上記のようなセンサ情報を検知するために種々のセンサを有してもよい。例えば、端末装置１０は、端末装置１０における圧力を検知するセンサ、重量を検知するセンサ、ひずみを検知するセンサ等を有してもよい。例えば、端末装置１０は、端末装置１０の速度を検知するセンサ、加速度を検知するセンサ、回転数を検知するセンサ等を有してもよい。例えば、端末装置１０は、音声を検知するセンサ、超音波を検知するセンサ、振動を検知するセンサ等を有してもよい。例えば、端末装置１０は、熱を検知するセンサ、温度を検知するセンサ、湿度を検知するセンサ等を有してもよい。例えば、端末装置１０は、可視光を検知するセンサ、赤外線を検知するセンサ、紫外線を検知するセンサ等の光（電磁波）を検知するセンサを有してもよい。例えば、端末装置１０は、磁界を検知するセンサ、電流を検知するセンサ、電圧を検知するセンサ等の電磁気を検知するセンサを有してもよい。例えば、端末装置１０は、ガスを検知するセンサ、においを検知するセンサ、味覚を検知するセンサ、顔を検知するセンサ、指紋を検知するセンサ等を有してもよい。なお、端末装置１０は、上記に限らず、種々の種別の情報を検知するセンサを有してもよい。

図３に示すように、端末装置ＴＭ１１や端末装置ＴＭ１２は、機種ＰＭ１に対応する端末装置１０である。端末装置ＴＭ２１は、機種ＰＭ２に対応する端末装置１０である。端末装置ＴＭ３１は、機種ＰＭ３に対応する端末装置１０である。このように、情報処理システム１には、複数の機種の各々に対応する複数の端末装置１０が含まれる。

情報処理装置１００は、第１モデルに入力情報を入力することにより所定の事柄を予測する場合、第１モデルの要素を補正する第２モデルを用いて要素を補正することにより、第１モデルを用いて所定の事柄を予測する情報処理装置である。情報処理装置１００は、一の機種に対応する端末装置１０（以下「第１端末」ともいう）に関するセンサ情報（以下「第１情報」ともいう）を用いて第１モデルを生成する生成装置である。図１の例では、情報処理装置１００は、機種ＰＭ１に対応する第１端末から取得したセンサ情報（第１情報）と、第１端末を利用するユーザ（以下「第１ユーザ」ともいう）が歩行中であるかを示す正解情報とを用いて第１モデルを生成する。以下、第１モデルの生成時に対象となった機種を「生成対象機種」と記載する場合がある。

情報処理装置１００は、生成対象機種とは異なる他の機種に対応する端末装置１０（以下「第２端末」ともいう）から取得したセンサ情報（以下「第２情報」ともいう）と、第１モデルとを用いて、第２端末に関する所定の事柄を予測する。図２の例では、情報処理装置１００は、機種ＰＭ１とは異なる機種ＰＭ２に対応する第２端末から取得したセンサ情報（第２情報）と、第１モデルであるＭ１とを用いて、第２端末を利用するユーザ（以下「第２ユーザ」ともいう）に関する所定の事柄を予測する。情報処理装置１００は、機種ＰＭ２に対応する第２端末である端末装置ＴＭ２１を利用する第２ユーザであるユーザＵ２１が歩行中であるか否かを、モデルＭ１を用いて予測する。

この場合、情報処理装置１００は、生成対象機種のセンサ（以下「第１センサ」ともいう）におけるセンサ値（以下「第１センサ値」ともいう）に、第２端末のセンサ（以下「第２センサ」ともいう）におけるセンサ値（以下「第２センサ値」ともいう）を変換する。情報処理装置１００は、各センサ種別に対応する第２モデルを用いて、第２端末の第２センサにより検知された第２センサ値を、生成対象機種の第１センサにおける第１センサ値に変換する。以下、第２センサ値からの変換後に対応する第１センサ値を変換後センサ値ともいう。そして、情報処理装置１００は、第２モデルを用いて変換した変換後センサ値と、第１モデルとを用いて、第２ユーザに関する所定の事柄を予測する。図２の例では、情報処理装置１００は、モデルＭ２１−１やモデル２１−２等の第２モデルを用いて変換した変換後センサ値と、モデルＭ１とを用いて、ユーザＵ２１が歩行中であるか否かを予測する。

また、情報処理装置１００は、予測した情報を用いて種々のサービスを提供する。例えば、情報処理装置１００は、ユーザが歩行中であるか否かを示す情報を用いて、種々のサービスを提供する。例えば、情報処理装置１００は、ユーザが歩行中であるか否かを示す情報を用いて、ユーザに情報提供を行う。

図１の例では、情報処理装置１００は、ユーザＵ１、Ｕ２等が利用する機種ＰＭ１の端末装置１０が有する種々のセンサの機能により、機種ＰＭ１の端末装置１０が検知したセンサ情報（第１センサ情報）を機種ＰＭ１の端末装置１０から取得する。また、図２の例では、ユーザＵ２１が利用する機種ＰＭ２の端末装置１０が有する種々のセンサの機能により、機種ＰＭ２の端末装置１０が検知したセンサ情報（第２センサ情報）を機種ＰＭ２の端末装置１０から取得する。

〔生成処理〕
まず、情報処理装置１００は、ユーザＵ１が利用する端末装置ＴＭ１１からセンサ情報を取得する（ステップＳ１−１）。情報処理装置１００は、機種ＰＭ１の端末装置１０である端末装置ＴＭ１１から、端末装置ＴＭ１１のセンサが検知したセンサ情報を取得する。図１の例では、情報処理装置１００は、日時ＤＴ１１−１において、端末装置ＴＭ１１の加速度センサにより検知された加速度に関する加速度情報ＡＣ１−１を取得する。例えば、情報処理装置１００は、機種ＰＭ１である端末装置ＴＭ１１の加速度センサＳＮ１−１（図６参照）により検知された加速度に関する加速度情報ＡＣ１−１を取得する。なお、図１では、加速度情報を加速度情報ＡＣ１−１といった抽象的な情報として示すが、加速度情報は、加速度や加速度の変化を示す具体的な数値であるものとする。

また、図１の例では、情報処理装置１００は、日時ＤＴ１１−１において、端末装置ＴＭ１１のジャイロセンサにより検知された角速度に関する角速度情報ＡＶ１−１を取得する。例えば、情報処理装置１００は、機種ＰＭ１である端末装置ＴＭ１１の角速度センサＳＮ１−２（図６参照）により検知された角速度に関する角速度情報ＡＶ１−１を取得する。なお、図１では、角速度情報を角速度情報ＡＶ１−１といった抽象的な情報として示すが、角速度情報は、角速度や角速度の変化を示す具体的な数値であるものとする。

また、図１の例では、情報処理装置１００は、日時ＤＴ１１−１において、端末装置ＴＭ１１の音センサにより検知された音に関する音声情報ＳＤ１−１を取得する。例えば、情報処理装置１００は、機種ＰＭ１である端末装置ＴＭ１１の音速度センサ（図示省略）により検知された音に関する音声情報ＳＤ１−１を取得する。なお、図１では、音声情報を音声情報ＳＤ１−１といった抽象的な情報として示すが、音声情報は、音量や音量の変化を示す具体的な数値であるものとする。なお、図１の例では、説明を簡単にするために、センサ情報として、加速度情報、角速度情報、及び音声情報のみを図示するが、センサ情報には、運動状態情報等の種々の種別のセンサ情報が含まれてもよい。このように、図１の例では、情報処理装置１００は、加速度情報ＡＣ１−１や角速度情報ＡＶ１−１や音声情報ＳＤ１−１等が含まれるセンサ情報（センサ情報ＬＧ１１−１）を取得する。例えば、情報処理装置１００は、端末装置ＴＭ１１から取得したセンサ情報ＬＧ１１−１をセンサ情報記憶部１２３に記憶する。

また、情報処理装置１００は、ユーザＵ１が利用する端末装置ＴＭ１１からセンサ情報を取得する（ステップＳ１−２）。情報処理装置１００は、機種ＰＭ１の端末装置１０である端末装置ＴＭ１１から、端末装置ＴＭ１１のセンサが検知したセンサ情報を取得する。図１の例では、情報処理装置１００は、日時ＤＴ１１−２において、端末装置ＴＭ１１の加速度センサにより検知された加速度に関する加速度情報ＡＣ１−２を取得する。

また、図１の例では、情報処理装置１００は、日時ＤＴ１１−２において、端末装置ＴＭ１１のジャイロセンサにより検知された角速度に関する角速度情報ＡＶ１−２を取得する。また、図１の例では、情報処理装置１００は、日時ＤＴ１１−２において、端末装置ＴＭ１１の音センサにより検知された音に関する音声情報ＳＤ１−２を取得する。このように、図１の例では、情報処理装置１００は、加速度情報ＡＣ１−２や角速度情報ＡＶ１−２や音声情報ＳＤ１−２等が含まれるセンサ情報（センサ情報ＬＧ１１−２）を取得する。例えば、情報処理装置１００は、端末装置ＴＭ１１から取得したセンサ情報ＬＧ１１−２をセンサ情報記憶部１２３に記憶する。

また、情報処理装置１００は、ユーザＵ１が利用する端末装置ＴＭ１１からセンサ情報を取得する（ステップＳ１−３）。情報処理装置１００は、機種ＰＭ１の端末装置１０である端末装置ＴＭ１１から、端末装置ＴＭ１１のセンサが検知したセンサ情報を取得する。図１の例では、情報処理装置１００は、日時ＤＴ１１−３において、端末装置ＴＭ１１の加速度センサにより検知された加速度に関する加速度情報ＡＣ１−３を取得する。

また、図１の例では、情報処理装置１００は、日時ＤＴ１１−３において、端末装置ＴＭ１１のジャイロセンサにより検知された角速度に関する角速度情報ＡＶ１−３を取得する。また、図１の例では、情報処理装置１００は、日時ＤＴ１１−３において、端末装置ＴＭ１１の音センサにより検知された音に関する音声情報ＳＤ１−３を取得する。このように、図１の例では、情報処理装置１００は、加速度情報ＡＣ１−３や角速度情報ＡＶ１−３や音声情報ＳＤ１−３等が含まれるセンサ情報（センサ情報ＬＧ１１−３）を取得する。例えば、情報処理装置１００は、端末装置ＴＭ１１から取得したセンサ情報ＬＧ１１−３をセンサ情報記憶部１２３に記憶する。

また、情報処理装置１００は、ユーザＵ２が利用する端末装置ＴＭ１２からセンサ情報を取得する（ステップＳ１−４）。情報処理装置１００は、機種ＰＭ１の端末装置１０である端末装置ＴＭ１２から、端末装置ＴＭ１２のセンサが検知したセンサ情報を取得する。図１の例では、情報処理装置１００は、日時ＤＴ１２−１において、端末装置ＴＭ１２の加速度センサにより検知された加速度に関する加速度情報ＡＣ２−１を取得する。例えば、情報処理装置１００は、機種ＰＭ１である端末装置ＴＭ１２の加速度センサＳＮ１−１（図６参照）により検知された加速度に関する加速度情報ＡＣ２−１を取得する。なお、図１では、加速度情報を加速度情報ＡＣ２−１といった抽象的な情報として示すが、加速度情報は、加速度の変化量を示す具体的な数値であるものとする。

また、図１の例では、情報処理装置１００は、日時ＤＴ１２−１において、端末装置ＴＭ１２のジャイロセンサにより検知された角速度に関する角速度情報ＡＶ２−１を取得する。例えば、情報処理装置１００は、機種ＰＭ１である端末装置ＴＭ１２の角速度センサＳＮ１−２（図６参照）により検知された角速度に関する角速度情報ＡＶ２−１を取得する。なお、図１では、角速度情報を角速度情報ＡＶ２−１といった抽象的な情報として示すが、角速度情報は、角速度の変化量を示す具体的な数値であるものとする。

また、図１の例では、情報処理装置１００は、日時ＤＴ１２−１において、端末装置ＴＭ１２の音センサにより検知された音に関する音声情報ＳＤ２−１を取得する。例えば、情報処理装置１００は、機種ＰＭ１である端末装置ＴＭ１２の音速度センサ（図示省略）により検知された音に関する音声情報ＳＤ２−１を取得する。なお、図１では、音声情報を音声情報ＳＤ２−１といった抽象的な情報として示すが、音声情報は、音量の変化量を示す具体的な数値であるものとする。なお、図１の例では、説明を簡単にするために、センサ情報として、加速度情報、角速度情報、及び音声情報のみを図示するが、センサ情報には、運動状態情報等の種々の種別のセンサ情報が含まれてもよい。このように、図１の例では、情報処理装置１００は、加速度情報ＡＣ２−１や角速度情報ＡＶ２−１や音声情報ＳＤ２−１等が含まれるセンサ情報（センサ情報ＬＧ１２−１）を取得する。例えば、情報処理装置１００は、端末装置ＴＭ１２から取得したセンサ情報ＬＧ１２−１をセンサ情報記憶部１２３に記憶する。

また、情報処理装置１００は、ユーザＵ１が利用する端末装置ＴＭ１２からセンサ情報を取得する（ステップＳ１−５）。情報処理装置１００は、機種ＰＭ１の端末装置１０である端末装置ＴＭ１２から、端末装置ＴＭ１２のセンサが検知したセンサ情報を取得する。図１の例では、情報処理装置１００は、日時ＤＴ１２−２において、端末装置ＴＭ１２の加速度センサにより検知された加速度に関する加速度情報ＡＣ２−２を取得する。

また、図１の例では、情報処理装置１００は、日時ＤＴ１２−２において、端末装置ＴＭ１２のジャイロセンサにより検知された角速度に関する角速度情報ＡＶ２−２を取得する。また、図１の例では、情報処理装置１００は、日時ＤＴ１２−２において、端末装置ＴＭ１２の音センサにより検知された音に関する音声情報ＳＤ２−２を取得する。このように、図１の例では、情報処理装置１００は、加速度情報ＡＣ２−２や角速度情報ＡＶ２−２や音声情報ＳＤ２−２等が含まれるセンサ情報（センサ情報ＬＧ１２−２）を取得する。例えば、情報処理装置１００は、端末装置ＴＭ１２から取得したセンサ情報ＬＧ１２−２をセンサ情報記憶部１２３に記憶する。

以下、ステップＳ１−１〜Ｓ１−５を区別せずに説明する場合、ステップＳ１と総称する。また、ステップＳ１−１〜Ｓ１−５に限らず、センサ情報の取得は、複数回行われてもよい。なお、図１では、２人のユーザＵ１、Ｕ２を図示するが、情報処理装置１００は、ユーザＵ１、Ｕ２に限らず、多数のユーザ（例えば、１００万ユーザや１０００万ユーザ等）が利用する端末装置１０からセンサ情報を取得する。

これにより、情報処理装置１００は、機種ＰＭ１の端末装置１０からセンサ情報を収集する（ステップＳ２）。図１の例では、情報処理装置１００は、センサ情報記憶部１２３に示すように、ユーザＵ１、Ｕ２等が利用する機種ＰＭ１の端末装置１０からセンサ情報を収集する。また、図示を省略するが、情報処理装置１００は、機種ＰＭ１の端末装置１０におけるセンサ情報の検知時に、機種ＰＭ１の端末装置１０を利用するユーザが歩行中であるか否かを示す情報（以下「正解情報」ともいう）を取得するものとする。例えば、情報処理装置１００は、機種ＰＭ１の端末装置１０から正解情報を取得してもよいし、外部の情報処理装置から正解情報を取得してもよい。情報処理装置１００は、機種ＰＭ１の端末装置１０や外部の情報処理装置から、正解情報ＲＤＴ１−１〜ＲＤＴ１−４等を取得してもよい。

例えば、情報処理装置１００は、機種ＰＭ１の端末装置１０を利用するユーザが位置するエリアを撮像する画像センサが撮像した画像情報（動画情報）を収集する外部の情報処理装置から正解情報を取得してもよい。例えば、情報処理装置１００は、外部の情報処理装置から取得した機種ＰＭ１の端末装置１０を利用するユーザが位置するエリアの画像情報（動画情報）に基づいて正解情報を取得してもよい。例えば、情報処理装置１００は、外部の情報処理装置から取得した画像情報（動画情報）を、画像解析等の種々の従来技術を適宜用いて解析することにより、正解情報を取得してもよい。情報処理装置１００は、外部の情報処理装置から取得した画像情報（動画情報）に基づいて、正解情報ＲＤＴ１−１〜ＲＤＴ１−４等を生成してもよい。

そして、情報処理装置１００は、センサ情報や正解情報に基づいて第１モデル学習用情報を生成する（ステップＳ３）。図１の例では、情報処理装置１００は、第１モデル学習用情報記憶部１２４に示すような第１モデル学習用情報（第１モデル学習データ）を生成する。情報処理装置１００は、センサ情報や正解情報に基づいて、データＤＡ１−１〜ＤＡ１−４等の第１モデル学習データ（以下、単に「学習データ」や「学習用情報」ともいう）を生成する。なお、図１では、データＤＡ１−１〜ＤＡ１−４のみを図示するが学習データには多数のデータが含まれるものとする。

なお、上記のように、「データＤＡ＊（＊は任意の数値）」と記載した場合、そのデータはデータＩＤ「ＤＡ＊」により識別されるデータであることを示す。例えば、「データＤＡ１−１」と記載した場合、そのデータはデータＩＤ「ＤＡ１−１」により識別されるデータである。

そして、情報処理装置１００は、機種ＰＭ１の端末装置１０におけるセンサ情報と、センサ情報の検知時におけるユーザの歩行有無を示す正解情報とを対応付けることにより、学習用情報を生成する。情報処理装置１００は、センサ情報ＬＧ１１−１〜ＬＧ１１−３、ＬＧ１２−１と、正解情報ＲＤＴ１−１〜ＲＤＴ１−４とを対応付けることにより、第１モデル学習用情報記憶部１２４に示すような第１モデル学習用情報を生成する。

そして、情報処理装置１００は、学習データに基づいてモデルを生成する（ステップＳ５）。例えば、情報処理装置１００は、第１モデル学習用情報記憶部１２４中のデータＤＡ１−１〜ＤＴ１−４等を学習データ（教師データ）として、学習を行なうことにより、第１モデルを生成する。

例えば、情報処理装置１００は、下記の式（１）に示すようなモデルＭ１を第１モデルとして生成する。

ｙ ＝ Σｗ_ｉｘ_ｉ … （１）

上記の式（１）の左辺の変数「ｙ」がモデルＭ１が出力する出力値（スコア）に対応する。変数「ｙ」は、歩行中であるか否かを予測するための値（スコア）を示す。例えば、変数「ｙ」は、０〜１の値を取り、値が「１」に近い程ユーザが歩行中である可能性が高いことを示し、値が「０」に近い程ユーザが歩行中である可能性は低いことを示す。変数「ｙ」は、値が「０」に近い程、走っている状態や，電車やバスや飛行機や船等の移動体に乗っている状態等の歩行中以外の状態である可能性が高いことを示してもよい。また、例えば、変数「ｙ」は、値が「０」に近い程ユーザが歩行を停止中である可能性が高いことを示してもよい。なお、上記は一例であり、変数「ｙ」は、０〜１の値に限らず、−１〜１の値等、種々の範囲の値であってもよい。

また、上記の式（１）の右辺の変数「ｘ_ｉ」は、モデルＭ１に用いられる特徴量を示す。上記の式（１）の右辺の変数「ｗ_ｉ」は、変数「ｘ_ｉ」に対応する重みを示す。また、変数「ｉ」は、例えば任意の１以上の自然数であり、モデルＭ１に用いられる特徴量の数に対応する値となる。例えば、モデルＭ１に用いられる特徴量が、加速度、角速度、音及び運動状態の４つである場合、変数「ｉ」は、「１」〜「４」の値（自然数）となる。ここで、説明のために上記の式（１）を展開すると下記の式（２）に示すような式となる。

ｙ ＝ ｗ_１＊ｘ_１＋ｗ_２＊ｘ_２＋ｗ_３＊ｘ_３＋ｗ_４＊ｘ_４＋・・・＋ｗ_ｉ＊ｘ_ｉ … （２）

例えば、上記の式（２）の右辺の変数「ｘ_１」は、加速度に対応する特徴量を示す。例えば、変数「ｘ_１」は、センサ値である加速度の変化量を示す。上記の式（２）の右辺の変数「ｗ_１」は、加速度に対応する重みを示す。

例えば、上記の式（２）の右辺の変数「ｘ_２」は、角速度に対応する特徴量を示す。例えば、変数「ｘ_２」は、センサ値である角速度の変化量を示す。上記の式（２）の右辺の変数「ｗ_２」は、角速度に対応する重みを示す。

例えば、上記の式（２）の右辺の変数「ｘ_３」は、音に対応する特徴量を示す。例えば、変数「ｘ_３」は、センサ値である音の変化量を示す。上記の式（２）の右辺の変数「ｗ_３」は、音に対応する重みを示す。

例えば、上記の式（２）の右辺の変数「ｘ_４」は、運動状態に対応する特徴量を示す。例えば、変数「ｘ_４」は、センサ値である運動状態の変化量を示す。上記の式（２）の右辺の変数「ｗ_４」は、運動状態に対応する重みを示す。このように、図１の例では、情報処理装置１００は、各センサ種別のセンサが検知したセンサ値に関する値を特徴量とし、その特徴量に対応する重みを学習する。例えば、情報処理装置１００は、各センサ種別のセンサが検知したセンサ値の変化量を特徴量とし、その特徴量に対応する重みを学習する。なお、情報処理装置１００が学習するセンサ情報に含まれる特徴は、情報処理装置１００の管理者等の人間が情報処理装置１００に入力してもよいし、情報処理装置１００に自動的に学習（抽出）させてもよい。また、図１の例では、説明を簡単にするために、上記の式（１）に示すようなモデルＭ１を情報処理装置１００が生成する場合を示すが、情報処理装置１００が生成する第１モデルは、線形モデルに限らず、非線形モデルであってもよい。

例えば、情報処理装置１００は、第１モデル学習用情報記憶部１２４に示すような学習データを用いてモデルＭ１を生成する。例えば、情報処理装置１００は、正解情報ＲＤＴ１−１がユーザＵ１が歩行中であることを示すスコア「１」である場合、モデルＭ１にデータＤＡ１−１に含まれるセンサ情報が入力された場合に、モデルＭ１が出力するスコアが「１」に近づくように、学習処理を行う。例えば、情報処理装置１００は、データＤＡ１−１の加速度情報ＡＣ１−１や角速度情報ＡＶ１−１や音声情報ＳＤ１−１等がモデルＭ１に入力された場合に、モデルＭ１が出力するスコアが「１」に近づくように、学習処理を行う。

また、例えば、情報処理装置１００は、正解情報ＲＤＴ１−３がユーザＵ１が歩行中以外であることを示すスコア「０」である場合、モデルＭ１にデータＤＡ１−３に含まれるセンサ情報が入力された場合に、モデルＭ１が出力するスコアが「０」に近づくように、学習処理を行う。例えば、情報処理装置１００は、データＤＡ１−３の加速度情報ＡＣ１−３や角速度情報ＡＶ１−３や音声情報ＳＤ１−３等がモデルＭ１に入力された場合に、モデルＭ１が出力するスコアが「０」に近づくように、学習処理を行う。

上記のような処理により、図１の例では、情報処理装置１００は、第１モデル情報記憶部１２５に示すように、モデルＩＤ「Ｍ１」により識別される第１モデル（モデルＭ１）を生成する。上記のように、「モデルＭ＊（＊は任意の数値）」と記載した場合、そのモデルはモデルＩＤ「Ｍ＊」により識別されるモデルであることを示す。例えば、「モデルＭ１」と記載した場合、そのモデルはモデルＩＤ「Ｍ１」により識別される第１モデルである。また、図１中の第１モデル情報記憶部１２５に示すように、モデルＭ１は、予測対象「歩行」、すなわちユーザが歩行中であるか否かの予測のために用いられるモデルであることを示す。また、モデルＭ１は、生成時対象機種（生成対象機種）が機種ＰＭ１であることを示す。モデルＭ１は、その具体的なモデルデータが「モデルデータＭＤＴ１」であることを示す。例えば、情報処理装置１００は、モデルＭ１にセンサ情報を入力することにより、入力したセンサ情報に対応するユーザが歩行中であるか否かを示すスコアを、モデルＭ１に出力させ、モデルＭ１が出力するスコアに基づいてユーザの歩行有無を予測する。

上述したように、情報処理装置１００は、生成対象機種である機種ＰＭ１の端末装置１０におけるセンサ情報と、正解情報とが対応付けられた学習データを用いて学習することにより、機種ＰＭ１の端末装置１０を利用するユーザの歩行を適切に予測可能にする第１モデルを生成することができる。したがって、情報処理装置１００は、上述のように生成したモデルを用いることにより、例えば、生成対象機種の端末装置１０を利用するユーザが歩行しているかを精度よく予測することを可能にすることができる。

なお、第１モデルの学習手法については、上述した手法に限定されるものではなく、任意の公知技術が適用可能である。なお、第１モデルの生成は、機械学習に関する種々の従来技術を適宜用いて行われてもよい。例えば、第１モデルの生成は、線形回帰や非線形回帰等の機械学習に関する技術を用いて行われてもよい。例えば、第１モデルの生成は、ＳＶＭ（Support Vector Machine）等の教師あり学習の機械学習に関する技術を用いて行われてもよい。例えば、第１モデルの生成は、深層学習（ディープラーニング）の技術を用いて行われてもよい。例えば、第１モデルの生成は、ＤＮＮ（Deep Neural Network）やＲＮＮ（Recurrent Neural Network）やＣＮＮ（Convolutional Neural Network）等の種々のディープラーニングの技術を適宜用いて行われてもよい。なお、上記第１モデルの生成に関する記載は例示であり、第１モデルの生成は、取得可能な情報等に応じて適宜選択された学習手法により行われてもよい。すなわち、情報処理装置１００は、学習データに含まれるセンサ情報が入力された場合に、正解情報に対応するスコアを出力するようにモデルＭ１を学習可能であれば、どのような手法によりモデルＭ１の生成を行ってもよい。

〔予測処理〕
ここから、図２を用いて、図１で生成したモデルＭ１を用いた予測処理の一例について説明する。図２では、情報処理装置１００は、モデルＭ１の生成対象機種である機種ＰＭ１とは異なる他の機種の端末装置１０からセンサ情報を取得した場合、取得したセンサ情報を第２モデルにより補正し、補正後のセンサ情報を用いて予測を行う。

まず、情報処理装置１００は、ユーザＵ２１が利用する端末装置ＴＭ２１からセンサ情報を取得する（ステップＳ１１）。情報処理装置１００は、モデルＭ１の生成対象機種である機種ＰＭ１とは異なる他の機種ＰＭ２の端末装置１０である端末装置ＴＭ２１から、端末装置ＴＭ２１のセンサが検知したセンサ情報を取得する。図２の例では、情報処理装置１００は、日時ＤＴ２１−１において、端末装置ＴＭ２１の加速度センサにより検知された加速度に関する加速度情報ＡＣ２１−１を取得する。例えば、情報処理装置１００は、機種ＰＭ２である端末装置ＴＭ２１の加速度センサＳＮ２−１（図６参照）により検知された加速度に関する加速度情報ＡＣ２１−１を取得する。なお、図２では、加速度情報を加速度情報ＡＣ２１−１といった抽象的な情報として示すが、加速度情報は、加速度や加速度の変化を示す具体的な数値であるものとする。

また、図２の例では、情報処理装置１００は、日時ＤＴ２１−１において、端末装置ＴＭ２１のジャイロセンサにより検知された角速度に関する角速度情報ＡＶ２１−１を取得する。例えば、情報処理装置１００は、機種ＰＭ２である端末装置ＴＭ２１の角速度センサＳＮ２−２（図６参照）により検知された角速度に関する角速度情報ＡＶ２１−１を取得する。なお、図２では、角速度情報を角速度情報ＡＶ２１−１といった抽象的な情報として示すが、角速度情報は、角速度や角速度の変化を示す具体的な数値であるものとする。

また、図２の例では、情報処理装置１００は、日時ＤＴ２１−１において、端末装置ＴＭ２１の音センサにより検知された音に関する音声情報ＳＤ２１−１を取得する。例えば、情報処理装置１００は、機種ＰＭ２である端末装置ＴＭ２１の音速度センサ（図示省略）により検知された音に関する音声情報ＳＤ２１−１を取得する。なお、図２では、音声情報を音声情報ＳＤ２１−１といった抽象的な情報として示すが、音声情報は、音量や音量の変化を示す具体的な数値であるものとする。なお、図２の例では、説明を簡単にするために、センサ情報として、加速度情報、角速度情報、及び音声情報のみを図示するが、センサ情報には、運動状態情報等の種々の種別のセンサ情報が含まれてもよい。このように、図２の例では、情報処理装置１００は、一覧情報ＬＴ１１に示すように、加速度情報ＡＣ２１−１や角速度情報ＡＶ２１−１や音声情報ＳＤ２１−１等が含まれるセンサ情報（センサ情報ＬＧ２１−１）を取得する。例えば、情報処理装置１００は、端末装置ＴＭ２１から取得したセンサ情報ＬＧ２１−１をセンサ情報記憶部１２３に記憶してもよい。

ここで、加速度情報ＡＣ２１−１は、機種ＰＭ２である端末装置ＴＭ２１の加速度センサＳＮ２−１により検知されるセンサ値（第２センサ値）である。機種ＰＭ２の加速度センサＳＮ２−１と機種ＰＭ１の加速度センサＳＮ１−１とは、センサ自体や基盤や端末装置１０における配置位置や搭載される端末装置１０の重量等の種々のセンサ特徴を示す情報（以下「センサ特徴情報」ともいう）が異なる。そのため、機種ＰＭ２での加速度センサＳＮ２−１により検知される第２センサ値は、同様の条件下において、機種ＰＭ１である端末装置１０の加速度センサＳＮ１−１により検知されるセンサ値（第１センサ値）とは異なる値になる。また、加速度情報ＡＣ２１−１と同様に、角速度センサＳＮ２−２等の第２センサにより検知される角速度情報ＡＶ２１−１や音声情報ＳＤ２１−１等の他のセンサ情報（第２センサ値）についても、同様の条件下において、機種ＰＭ１の角速度センサＳＮ１−２等の第１センサにより検知される第１センサ値とは異なる。

すなわち、機種ＰＭ２の端末装置１０で検知される第２センサ値は、モデルＭ１の生成対象機種である機種ＰＭ１の端末装置１０で検知される第１センサ値とは異なる値となる。このように、第２端末である機種ＰＭ２の端末装置１０に搭載された第２センサが検知する第２センサ値は、同様の条件下において、第１端末である機種ＰＭ１の端末装置１０に搭載された第１センサが検知する第１センサ値とは異なる。したがって、機種ＰＭ２の端末装置１０で検知される第２センサ値を、機種ＰＭ１を生成対象機種とするモデルＭ１の特徴量に割り当てる値として直接用いた場合、適切な予測を行うことが難しい。

そのため、情報処理装置１００は、加速度情報ＡＣ２１−１や角速度情報ＡＶ２１−１や音声情報ＳＤ２１−１等の第２センサ値を、同様の条件下において、機種ＰＭ１における第１センサで検知された場合の第１センサ値に変換する。具体的には、情報処理装置１００は、各センサ種別に対応する第２モデルを用いて、第２端末の第２センサにより検知された第２センサ値を、生成対象機種の第１センサにおける第１センサ値に変換した変換後センサ値を生成する。例えば、情報処理装置１００は、第２センサ値や第２センサの特徴を示すセンサ特徴情報を用いて、生成対象機種の第１センサにおける第１センサ値に変換した変換後センサ値を生成する。

情報処理装置１００は、第２端末に対応する機種情報を取得する（ステップＳ１２）。例えば、情報処理装置１００は、端末機種情報記憶部１２２から第２端末に搭載された第２センサのセンサ特徴情報を含む機種情報を取得する。

図２に示す端末機種情報記憶部１２２中の「機種ＩＤ」は、端末装置１０の機種を識別するための識別情報である。図２に示す端末機種情報記憶部１２２中の「重量」は、対応する機種の端末装置１０の重量（重さ）を示す。なお、図６に示す例では、「重量」は、「ＷＴ１」といった抽象的な符号を図示するが、「１５０ｇ」や「０．２ｋｇ」といった具体的な重さを示す情報であってもよい。

図２に示す端末機種情報記憶部１２２中の「センサ＃１（加速度センサ）」は、対応する機種の端末装置１０に搭載された加速度センサに関する情報を示す。「センサ＃１（加速度センサ）」には、「センサ」、「配置位置」、「基盤」といった項目が含まれる。「センサ＃１（加速度センサ）」の「センサ」は、対応する機種の端末装置１０に搭載される加速度センサを特定する情報（製品名等）を示す。「センサ＃１（加速度センサ）」の「配置位置」は、対応する機種の端末装置１０に搭載される加速度センサの配置位置を示す。例えば、「配置位置」は、対応する機種の端末装置１０における加速度センサの配置位置を示す。なお、図６に示す例では、「配置位置」は、「ＡＰ１−１」といった抽象的な符号を図示するが、具体的な端末装置１０における配置位置を示す情報であってもよい。「センサ＃１（加速度センサ）」の「基盤」は、対応する機種の端末装置１０に搭載される加速度センサに用いられた基盤を示す。なお、図６に示す例では、「基盤」は、「ＢＤ１−１」といった抽象的な符号を図示するが、具体的な加速度センサの基盤を示す情報（型番等）であってもよい。

図２に示す端末機種情報記憶部１２２中の「センサ＃２（ジャイロセンサ）」には、対応する機種の端末装置１０に搭載されたジャイロセンサに関する情報を示す。「センサ＃２（ジャイロセンサ）」には、「センサ」、「配置位置」、「基盤」といった項目が含まれる。「センサ＃２（ジャイロセンサ）」の「センサ」は、対応する機種の端末装置１０に搭載されるジャイロセンサを特定する情報（製品名等）を示す。「センサ＃２（ジャイロセンサ）」の「配置位置」は、対応する機種の端末装置１０に搭載されるジャイロセンサの配置位置を示す。「センサ＃２（ジャイロセンサ）」の「基盤」は、対応する機種の端末装置１０に搭載されるジャイロセンサに用いられた基盤を示す。

「センサ＃３（音センサ）」には、対応する機種の端末装置１０に搭載された音センサに関する情報を示す。なお、図１では図示を省略するが、「センサ＃３（音センサ）」には、「センサ＃１（加速度センサ）」や「センサ＃２（ジャイロセンサ）」と同様に、「センサ」、「配置位置」、「基盤」といった項目が含まれる。

図２の例では、情報処理装置１００は、端末機種情報記憶部１２２から第２端末である端末装置ＴＭ２１の機種ＰＭ２に対応する機種情報を取得する。情報処理装置１００は、端末機種情報記憶部１２２から機種ＰＭ２に対応するセンサ特徴情報を取得する。

情報処理装置１００は、機種ＩＤ「ＰＭ１２」により識別される機種（機種ＰＭ１２）の端末装置１０の重さは、重量ＷＴ２であることを示す情報を取得する。また、情報処理装置１００は、機種ＰＭ１２の端末装置１０には、加速度センサＳＮ２−１が搭載されていることを示す情報を取得する。また、情報処理装置１００は、機種ＰＭ１２の端末装置１０における加速度センサＳＮ２−１の配置位置は、配置位置ＡＰ２−１であることを示す情報を取得する。また、情報処理装置１００は、加速度センサＳＮ２−１の基盤は、基盤ＢＤ２−１であることを示す情報を取得する。

また、情報処理装置１００は、機種ＰＭ１２の端末装置１０には、ジャイロセンサＳＮ２−２が搭載されていることを示す情報を取得する。また、情報処理装置１００は、機種ＰＭ１２の端末装置１０におけるジャイロセンサＳＮ２−２の配置位置は、配置位置ＡＰ２−２であることを示す情報を取得する。また、情報処理装置１００は、ジャイロセンサＳＮ２−２の基盤は、基盤ＢＤ２−２であることを示す情報を取得する。

また、情報処理装置１００は、第２モデルを取得する（ステップＳ１３）。例えば、情報処理装置１００は、第２モデル情報記憶部１２７から第２モデルを取得する。なお、第２モデルの生成についての詳細は後述する。

図２に示す第２モデル情報記憶部１２７中の「モデルＩＤ」は、モデルを識別するための識別情報を示す。「対象センサ情報」は、対応するモデルの対象センサ情報を示す。「変換先機種」は、センサ情報の変換先となる機種を示す。また、「モデルデータ」は、対応付けられた対応するモデルのデータを示す。また、「入力情報」は、対応付けられた対応するモデルの入力情報を示す。

例えば、図１に示す例において、第２モデルＭ２１−１（以下「モデルＭ２１−１」ともいう）は、対象センサ情報が「加速度」であり、変換先機種が機種ＰＭ１であることを示す。モデルＭ２１−１は、入力された加速度情報を機種ＰＭ１に対応する加速度情報に変換するために用いられることを示す。例えば、モデルＭ２１−１は、入力された第２センサ値を機種ＰＭ１における第１センサ値に変換するために用いられることを示す。また、モデルＭ２１−１には、入力情報として、加速度情報や端末重量やセンサ配置位置等の種々の情報が含まれることを示す。すなわち、モデルＭ２１−１は、加速度情報である第２センサ値やセンサ特徴情報である端末重量やセンサ配置位置等の情報が入力された場合に、第２センサ値に対応する第１センサ値を出力するモデルである。例えば、モデルＭ２１−１は、機種ＰＭ１以外の他の機種で検知された第２センサ値や他の機種のセンサ特徴情報である端末重量やセンサ配置位置等の情報が入力された場合に、第２センサ値の検知と同様の条件下において、機種ＰＭ１の端末装置１０で検知された場合の第１センサ値を出力するモデルである。

そのため、情報処理装置１００は、機種ＰＭ２で検知された加速度情報ＡＣ２１−１や機種ＰＭ２のセンサ特徴情報である重量ＷＴ２や配置位置ＡＰ２−１等の情報をモデルＭ２１−１に入力することにより、加速度情報ＡＣ２１−１を、同様の条件下において、機種ＰＭ１の端末装置１０で検知された場合の変換後加速度情報ＣＡＣ２１−１を生成することができる。

また、図１に示す例において、第２モデルＭ２１−２（以下「モデルＭ２１−２」ともいう）は、対象センサ情報が「角速度」であり、変換先機種が機種ＰＭ１であることを示す。モデルＭ２１−２は、入力された角速度情報を機種ＰＭ１に対応する角速度情報に変換するために用いられることを示す。例えば、モデルＭ２１−２は、入力された第２センサ値を機種ＰＭ１における第１センサ値に変換するために用いられることを示す。また、モデルＭ２１−２には、入力情報として、角速度情報や端末重量やセンサ配置位置等の種々の情報が含まれることを示す。すなわち、モデルＭ２１−２は、角速度情報である第２センサ値やセンサ特徴情報である端末重量やセンサ配置位置等の情報が入力された場合に、第２センサ値に対応する第１センサ値を出力するモデルである。例えば、モデルＭ２１−２は、機種ＰＭ１以外の他の機種で検知された第２センサ値や他の機種のセンサ特徴情報である端末重量やセンサ配置位置等の情報が入力された場合に、第２センサ値の検知と同様の条件下において、機種ＰＭ１の端末装置１０で検知された場合の第１センサ値を出力するモデルである。

そのため、情報処理装置１００は、機種ＰＭ２で検知された角速度情報ＡＶ２１−１や機種ＰＭ２のセンサ特徴情報である重量ＷＴ２や配置位置ＡＰ２−１等の情報をモデルＭ２１−２に入力することにより、角速度情報ＡＶ２１−１を、同様の条件下において、機種ＰＭ１の端末装置１０で検知された場合の変換後角速度情報ＣＡＶ２１−１を生成することができる。

図２の例では、情報処理装置１００は、第２モデル情報記憶部１２７からモデルＭ２１−１、Ｍ２１−２等の第２モデルを取得する。そして、情報処理装置１００は、上記のようなモデルＭ２１−１、Ｍ２１−２等の第２モデルを用いることにより、第１モデルＭ１を下記の式（３）のように補正することができる。

ｙ ＝ Σｗ_ｉｆ_ｉ（ｘ_ｉ） … （３）

上記の式（３）の左辺の変数「ｙ」がモデルＭ１が出力する出力値（スコア）に対応する。例えば、変数「ｙ」は、０〜１の値を取り、値が「１」に近い程ユーザが歩行中である可能性が高いことを示し、値が「０」に近い程ユーザが歩行中以外である可能性が高いことを示す。

また、上記の式（３）の右辺の変数「ｘ_ｉ」は、第２センサ値が割り当てられるモデルＭ１の特徴量を示す。上記の式（３）の右辺の関数「ｆｉ（）」は、第２センサ値を生成対象機種に対応する値に補正する補正関数を示す。例えば、関数「ｆｉ（）」は、第２センサ値を第１センサ値に変換する変換関数である。なお、上記の式（３）では、関数「ｆｉ（）」の入力（変数）として、変数「ｘ_ｉ」のみを示すが、関数「ｆｉ（）」の入力（変数）には、端末重量やセンサ（製品）やセンサ配置位置や基盤等のセンサ特徴情報の各々に対応する変数が含まれるものとする。

また、上記の式（３）の右辺の変数「ｗ_ｉ」は、変数「ｘ_ｉ」に対応する重みを示す。また、変数「ｉ」は、例えば任意の１以上の自然数であり、モデルＭ１に用いられる特徴量の数に対応する値となる。例えば、モデルＭ１に用いられる特徴量が、加速度、角速度、音及び運動状態の４つである場合、変数「ｉ」は、「１」〜「４」の値（自然数）となる。ここで、説明のために上記の式（３）を展開すると下記の式（４）に示すような式となる。

ｙ ＝ ｗ_１＊ｆ_１（ｘ_１）＋ｗ_２＊ｆ_２（ｘ_２）＋ｗ_３＊ｆ_３（ｘ_３）＋ｗ_４＊ｆ_４（ｘ_４）＋・・・＋ｗ_ｉ＊ｆｉ（ｘｉ） … （４）

例えば、上記の式（４）の右辺の変数「ｘ_１」は、加速度に対応する第２センサ値が割り当てられる特徴量を示す。上記の式（４）の右辺の関数「ｆ_１（）」は、加速度に対応する第２センサ値を生成対象機種に対応する値に補正する補正関数を示す。例えば、変数「ｘ_１」は、センサ値である加速度の変化量を示す第２センサ値が割り当てられる。上記の式（４）の右辺の変数「ｗ_１」は、加速度に対応する重みを示す。

例えば、第２モデルであるモデルＭ２１−１は、上記の式（４）中の関数「ｆ_１（）」に対応する。例えば、情報処理装置１００は、下記の式（５）に示すように、加速度に対応する第２センサ値を第１センサ値に変換した変換後センサ値を生成（算出）する。

ｘ_１´ ＝ ｗ_１＊ｆ_１（ｘ_１） … （５）

例えば、上記の式（５）の右辺の変数「ｘ_１」、関数「ｆ_１（）」及び変数「ｗ_１」は、上記の式（４）と同様である。また、上記の式（５）の左辺の変数「ｘ_１´」は、加速度に対応する第２センサ値を第１センサ値に変換した変換後センサ値を示す。例えば、上記の式（５）の左辺の変数「ｘ_１´」は、機種に基づく補正後の特徴量の値を示す。

また、例えば、上記の式（４）の右辺の変数「ｘ_２」は、角速度に対応する第２センサ値が割り当てられる特徴量を示す。上記の式（４）の右辺の関数「ｆ_２（）」は、角速度に対応する第２センサ値を生成対象機種に対応する値に補正する補正関数を示す。例えば、変数「ｘ_２」は、センサ値である角速度の変化量を示す第２センサ値が割り当てられる。上記の式（４）の右辺の変数「ｗ_２」は、角速度に対応する重みを示す。例えば、第２モデルであるモデルＭ２１−２は、上記の式（４）中の関数「ｆ_２（）」に対応する。

例えば、上記の式（４）の右辺の変数「ｘ_３」は、音に対応する第２センサ値が割り当てられる特徴量を示す。上記の式（４）の右辺の関数「ｆ_３（）」は、音に対応する第２センサ値を生成対象機種に対応する値に補正する補正関数を示す。例えば、変数「ｘ_３」は、センサ値である音の変化量を示す第２センサ値が割り当てられる。上記の式（４）の右辺の変数「ｗ_３」は、音に対応する重みを示す。

例えば、上記の式（４）の右辺の変数「ｘ_４」は、運動状態に対応する第２センサ値が割り当てられる特徴量を示す。上記の式（４）の右辺の関数「ｆ_４（）」は、運動状態に対応する第２センサ値を生成対象機種に対応する値に補正する補正関数を示す。例えば、変数「ｘ_４」は、センサ値である運動状態の変化量を示す第２センサ値が割り当てられる。上記の式（４）の右辺の変数「ｗ_４」は、運動状態に対応する重みを示す。

情報処理装置１００は、上記のような各センサ種別に対応するモデルＭ２１−１、Ｍ２１−２等の第２モデルを用いて、機種ＰＭ２に対応する第２センサ値を、生成対象機種である機種ＰＭ１に対応する第１センサ値に変換する（ステップＳ１４）。これにより、情報処理装置１００は、図２に示すような変換後センサ情報ＩＮＦＸを生成する。具体的には、情報処理装置１００は、第２センサ値である加速度情報ＡＣ２１−１を、第１センサ値に変換した変換後加速度情報ＣＡＣ２１−１を含む変換後センサ情報ＩＮＦＸを生成する。また、情報処理装置１００は、第２センサ値である角速度情報ＡＶ２１−１を、第１センサ値に変換した変換後角速度情報ＣＡＶ２１−１を含む変換後センサ情報ＩＮＦＸを生成する。また、情報処理装置１００は、第２センサ値である角速度情報ＡＶ２１−１を、第１センサ値に変換した変換後角速度情報ＣＡＶ２１−１を含む変換後センサ情報ＩＮＦＸを生成する。情報処理装置１００は、第２センサ値である音声情報ＳＤ２１−１を、第１センサ値に変換した変換後音声情報ＣＳＤ２１−１を含む変換後センサ情報ＩＮＦＸを生成する。

このように、情報処理装置１００は、モデルＭ２１−１やモデル２１−２等の第２モデルを用いて、第２センサ値を第１センサ値に変換することにより、モデルＭ１の特徴量に対応するセンサ値を補正する。そして、情報処理装置１００は、モデルＭ１における重みと、特徴量に対応する補正したセンサ値とを用いて、ユーザＵ２１が歩行中であるか否かを予測する。

図２の例では、情報処理装置１００は、生成した変換後センサ情報ＩＮＦＸをモデルに入力する。例えば、情報処理装置１００は、期間ＴＭＸにおけるＡエリアに関する加速度情報や角速度情報や音声情報等をモデルＭ１に入力する。例えば、情報処理装置１００は、処理群ＰＳ１１に示すような処理により、日時ＤＴ２１−１においてユーザＵ２１が歩行中であるか否かを示すスコアを算出する。情報処理装置１００は、変換後センサ情報ＩＮＦＸをモデルＭ１に入力する（ステップＳ１５−１）。具体的には、情報処理装置１００は、機種ＰＭ２に対応する第２センサ値と機種ＰＭ１に対応する第１センサ値へ変換した変換後センサ情報ＩＮＦＸをモデルＭ１に入力する。変換後センサ情報ＩＮＦＸが入力されたモデルＭ１は、スコアを出力する（ステップＳ１５−２）。図２の例では、変換後センサ情報ＩＮＦＸが入力されたモデルＭ１は、スコアＳＣ１１−１に示すようなスコア「０．８」を出力する。

そして、情報処理装置１００は、生成したスコアに関する情報に基づいて、所定の事柄を予測する（ステップＳ１６）。図２の例では、情報処理装置１００は、予測一覧ＰＤＬに示すように、機種ＰＭ２の端末装置ＴＭ２１を利用するユーザＵ２１について、歩行中であるか否かを予測する。例えば、情報処理装置１００は、対象について、スコアと、所定の閾値との比較に基づいて、ユーザＵ２１が歩行中であるか否かを予測する。図２の例では、情報処理装置１００は、閾値「０．７」を用いて、ユーザＵ２１が歩行中であるか否かを予測する。例えば、情報処理装置１００は、スコアが閾値以上である場合、そのユーザが歩行中であると予測する。図２の例では、情報処理装置１００は、スコアが「０．８」であり、閾値以上であるため、ユーザＵ２１が歩行中であると予測する。なお、情報処理装置１００は、生成対象機種の端末装置１０を予測対象とする場合は、上記の式（１）に示すようなモデルＭ１により、補正を行うことなく予測処理を行ってもよい。

このように、情報処理装置１００は、変換後センサ情報と第１モデルとを用いて所定の事柄を予測する。具体的には、情報処理装置１００は、第２センサで検知した第２センサを、第２モデルを用いて第１センサに対応する第１センサ値に変換した変換後センサ情報を生成する。これにより、情報処理装置１００は、第２センサで検知した第２センサから、第１モデルに対応する情報を生成することができる。したがって、情報処理装置１００は、第１モデルの生成対象機種とは異なる機種の端末装置１０が予測対象となった場合であっても、第１モデルを用いて適切に予測を行うことができる。

すなわち、情報処理装置１００は、１つの機種を生成対象機種として予測モデルを生成し、他の機種については、生成対象機種でのセンサ値との変換モデルである第２モデルを用いることにより、１つの機種に対応する第１モデルを他の多くの機種にも適用可能とすることができる。上記のように、情報処理装置１００は、第１モデルの要素を第２モデルにより補正することで、第１モデルを種々の予測対象に対して利用可能となるため、１つの第１モデルを種々の予測対象に対して使い回すことができる。このように、情報処理装置１００は、機種ごとに予測モデルを生成することなく、種々の機種に対して適切な予測を行うことができる。すなわち、情報処理装置１００は、予測モデルの生成を１つのみにすることで、予測モデルの生成に要する学習処理のコストを抑制することができる。また、情報処理装置１００は、予測モデルの生成を１つのみにすることで、予測モデルの保守や更新等についてもコストを抑制することができる。したがって、情報処理装置１００は、効率的な予測を可能にすることができる。

〔１−１．第２モデル〕
ここで、情報処理装置１００は、図２に示すような第２モデルを生成してもよいし、外部の情報処理装置から第２モデルを取得してもよい。例えば、情報処理装置１００は、第２モデルを生成する外部の情報処理装置から第２モデルを取得する場合、外部の情報処理装置から取得した第２モデルを第２モデル情報記憶部１２７に記憶してもよい。例えば、情報処理装置１００は、第２モデルを生成する場合、生成した第２モデルを第２モデル情報記憶部１２７に記憶してもよい。

例えば、情報処理装置１００は、機種依存を補正するような第２モデルを生成してもよい。例えば、情報処理装置１００は、線形モデルや非線形モデル等の種々の第２モデルを生成してもよい。例えば、情報処理装置１００は、図１０中の第２モデル学習用情報記憶部１２６に示すような第２モデル学習用情報（第２モデル学習用データ）を用いて第２モデルを生成してもよい。この点について、以下説明する。図１０は、実施形態に係る第２モデル学習用情報記憶部の一例を示す図である。

図１０中の第２モデル学習用情報記憶部１２６に示す「データＩＤ」は、データを識別するための識別情報を示す。図１０中の第２モデル学習用情報記憶部１２６に示す「センサ種別」は、データＩＤにより識別されるデータが対象とするセンサの種別を示す。

図１０中の第２モデル学習用情報記憶部１２６に示す「第１端末情報」は、データＩＤにより識別されるデータの第１端末に関する情報を示す。「第１端末情報」の「機種」は、第１端末に対応する機種を示す。「第１端末情報」の「端末」は、第１端末に対応する端末を示す。「第１端末情報」の「センサ情報」は、第１端末について取得されたセンサ情報を示す。

図１０中の第２モデル学習用情報記憶部１２６に示す「第２端末情報」は、データＩＤにより識別されるデータの第２端末に関する情報を示す。「第２端末情報」の「機種」は、第２端末に対応する機種を示す。「第２端末情報」の「端末」は、第２端末に対応する端末を示す。「第２端末情報」の「センサ情報」は、第２端末について取得されたセンサ情報を示す。

図１０に示す例において、データＩＤ「ＤＡ２−１」により識別されるデータ（データＤＡ２−１）の対象とするセンサの種別は、センサ種別「加速度」であることを示す。データＤＡ２−１は、第１端末の機種が機種ＰＭ１であることを示す。データＤＡ２−１は、第１端末である端末装置１０が端末装置ＴＭ１１であることを示す。データＤＡ２−１は、第１端末のセンサ情報が加速度情報ＡＣ１−１１であることを示す。

また、データＤＡ２−１は、第２端末の機種が機種ＰＭ２であることを示す。データＤＡ２−１は、第２端末である端末装置１０が端末装置ＴＭ２２であることを示す。データＤＡ２−１は、第２端末のセンサ情報が加速度情報ＡＣ２２−１１であることを示す。

データＤＡ２−１は、機種ＰＭ１の端末装置１０において検知された第１センサ値が加速度情報ＡＣ１−１１であり、同様の条件下において、検知された機種ＰＭ２での第２センサ値が加速度情報ＡＣ２２−１１であることを示す。

また、データＤＡ２−２は、機種ＰＭ１の端末装置１０において検知された第１センサ値が加速度情報ＡＣ２−１１であり、同様の条件下において、検知された機種ＰＭ２での第２センサ値が加速度情報ＡＣ２３−１１であることを示す。

データＤＡ２−３は、機種ＰＭ１の端末装置１０において検知された第１センサ値が加速度情報ＡＣ４−１１であり、同様の条件下において、検知された機種ＰＭ２での第２センサ値が加速度情報ＡＣ３１−１１であることを示す。

情報処理装置１００は、上記のようなデータＤＡ２−１〜ＤＡ２−３のような加速度に関する学習データを用いて、他の機種の第２センサ値を、機種ＰＭ１に対応する第１センサ値に変換する第２モデルであるモデルＭ２１−１を生成する。例えば、情報処理装置１００は、加速度情報ＡＣ２２−１１である第２センサ値や機種ＰＭ２のセンサ特徴情報が入力された場合に、加速度情報ＡＣ１−１１に対応する値を出力するようにモデルＭ２１−１を生成する。例えば、情報処理装置１００は、加速度情報ＡＣ２３−１１である第２センサ値や機種ＰＭ２のセンサ特徴情報が入力された場合に、加速度情報ＡＣ２−１１に対応する値を出力するようにモデルＭ２１−１を生成する。例えば、情報処理装置１００は、加速度情報ＡＣ３１−１１である第２センサ値や機種ＰＭ２のセンサ特徴情報が入力された場合に、加速度情報ＡＣ４−１１に対応する値を出力するようにモデルＭ２１−１を生成する。

図１０に示す例において、データＩＤ「ＤＡ２−４」により識別されるデータ（データＤＡ２−４）の対象とするセンサの種別は、センサ種別「角速度」であることを示す。データＤＡ２−４は、第１端末の機種が機種ＰＭ１であることを示す。データＤＡ２−４は、第１端末である端末装置１０が端末装置ＴＭ１４であることを示す。データＤＡ２−４は、第１端末のセンサ情報が角速度情報ＡＶ４−１２であることを示す。

また、データＤＡ２−４は、第２端末の機種が機種ＰＭ２であることを示す。データＤＡ２−４は、第２端末である端末装置１０が端末装置ＴＭ２２であることを示す。データＤＡ２−４は、第２端末のセンサ情報が角速度情報ＡＶ２２−１２であることを示す。

情報処理装置１００は、上記のようなデータＤＡ２−４のような角速度に関する学習データを用いて、他の機種の第２センサ値を、機種ＰＭ１に対応する第１センサ値に変換する第２モデルであるモデルＭ２１−２を生成する。例えば、情報処理装置１００は、角速度情報ＡＶ２２−１２である第２センサ値や機種ＰＭ２のセンサ特徴情報が入力された場合に、角速度情報ＡＶ４−１２に対応する値を出力するようにモデルＭ２１−２を生成する。また、情報処理装置１００は、他のセンサ種別「音声」や「運動状態」に対応するモデルについても同様に生成する。

なお、第２モデルの学習手法については、上述した手法に限定されるものではなく、任意の公知技術が適用可能である。なお、第２モデルの生成は、機械学習に関する種々の従来技術を適宜用いて行われてもよい。例えば、第２モデルの生成は、線形回帰や非線形回帰等の機械学習に関する技術を用いて行われてもよい。例えば、第２モデルの生成は、ＳＶＭ等の教師あり学習の機械学習に関する技術を用いて行われてもよい。例えば、第２モデルの生成は、深層学習の技術を用いて行われてもよい。例えば、第２モデルの生成は、ＤＮＮやＲＮＮやＣＮＮ等の種々のディープラーニングの技術を適宜用いて行われてもよい。なお、上記第２モデルの生成に関する記載は例示であり、第２モデルの生成は、取得可能な情報等に応じて適宜選択された学習手法により行われてもよい。すなわち、情報処理装置１００は、センサ値について所望の補正を行う第２モデルを学習可能であれば、どのような手法により第２モデルの生成を行ってもよい。

また、図１０中の第２モデル学習用情報記憶部１２６に示す第２モデル学習用データは一例であり、情報処理装置１００は、種々の方法により収集された第２モデル学習用データを用いて、第２モデルを生成してもよい。例えば、所定のユーザが異なる機種の複数の端末装置１０を一体として所持して、各端末装置１０からセンサ値を収集し、それらのセンサ値を同様の条件下において、検知されたセンサ値として対応付けることにより、第２モデル学習用情報が生成されてもよい。そして、情報処理装置１００は、上記のように生成された第２モデル学習用情報を取得し、取得した第２モデル学習用情報を第２モデル学習用情報記憶部１２６に記憶してもよい。

〔１−２．予測の対象について〕
図１及び図２の例では、ユーザが利用する端末装置１０の機種の差に基づく処理について説明した。具体的には、図１及び図２の例では、ユーザが利用する端末装置１０の各機種に搭載されるセンサの差に基づく処理について説明したが、情報処理装置１００は、端末装置１０に限らず、種々の対象における所定の事柄を予測してもよい。

例えば、情報処理装置１００は、図１及び図２に示す端末装置の機種のように、一のカテゴリに属する複数の対象について、図１及び図２の示す処理と同様に処理してもよい。例えば、情報処理装置１００は、一のカテゴリに属する複数の対象のうち、一の対象についての第１情報を基に第１モデルを生成してもよい。この場合、情報処理装置１００は、一の対象以外の他の対象について予測を行う場合は、他の対象の第２情報を第１情報に変換する第２モデルを用いて、他の対象について予測を行ってもよい。

例えば、情報処理装置１００は、ユーザを年齢や性別等の属性情報に基づいて、複数のユーザ群に分類し、図１及び図２の示す処理と同様に処理してもよい。例えば、情報処理装置１００は、複数のユーザ群のうち、一のユーザ群に属する第１ユーザついての第１ユーザ情報を基に第１モデルを生成してもよい。この場合、情報処理装置１００は、一のユーザ群以外の他のユーザ群に属する第２ユーザについて予測を行う場合は、第２ユーザの第２ユーザ情報を第１ユーザ情報に変換する第２モデルを用いて、第２ユーザについて予測を行ってもよい。この場合、情報処理装置１００は、ユーザの検索やコンテンツ閲覧等の行動等の情報を特徴情報として用いてもよい。例えば、情報処理装置１００は、一のユーザ群に属する第１ユーザについて生成した行動予測モデルを、第２ユーザについて用いて、第２ユーザの行動を予測してもよい。

例えば、情報処理装置１００は、一の野球リーグに属する複数の野球チームのうち、一の野球チームについての第１チーム情報を基に第１モデルを生成してもよい。この場合、情報処理装置１００は、一の野球チーム以外の他の野球チームについて予測を行う場合は、他の野球チームの第２チーム情報を第１チーム情報に変換する第２モデルを用いて、他の野球チームについて予測を行ってもよい。この場合、情報処理装置１００は、投手の成績や打者の成績等の情報を特徴情報として用いてもよい。例えば、情報処理装置１００は、一の野球チームについて生成した順位予測モデルを、他の野球チームについて用いて、他の野球チームの順位を予測してもよい。

例えば、情報処理装置１００は、複数のアイドルグループのうち、一のアイドルグループについての第１グループ情報を基に第１モデルを生成してもよい。この場合、情報処理装置１００は、一のアイドルグループ以外の他のアイドルグループについて予測を行う場合は、他のアイドルグループの第２グループ情報を第１グループ情報に変換する第２モデルを用いて、他のアイドルグループについて予測を行ってもよい。この場合、情報処理装置１００は、グループの人数や平均年齢等の情報を特徴情報として用いてもよい。例えば、情報処理装置１００は、一のアイドルグループについて生成した年間売上予測モデルを、他のアイドルグループについて用いて、他のアイドルグループの年間売上を予測してもよい。

例えば、情報処理装置１００は、一の国における複数の政党のうち、一の政党についての第１政党情報を基に第１モデルを生成してもよい。この場合、情報処理装置１００は、一の政党以外の他の政党について予測を行う場合は、他の政党の第２政党情報を第１政党情報に変換する第２モデルを用いて、他の政党について予測を行ってもよい。この場合、情報処理装置１００は、所属議員の出身地や政治的思考の比率等の情報を特徴情報として用いてもよい。例えば、情報処理装置１００は、一の政党について生成した得票率予測モデルを、他の政党について用いて、他の政党の得票率を予測してもよい。

例えば、情報処理装置１００は、複数のテレビ番組のうち、一のテレビ番組についての第１チーム情報を基に第１モデルを生成してもよい。この場合、情報処理装置１００は、一のテレビ番組以外の他のテレビ番組について予測を行う場合は、他のテレビ番組の第２チーム情報を第１チーム情報に変換する第２モデルを用いて、他のテレビ番組について予測を行ってもよい。この場合、情報処理装置１００は、出演者や放送日や放送時間帯や番組予算等の情報を特徴情報として用いてもよい。例えば、情報処理装置１００は、一のテレビ番組について生成した視聴率予測モデルを、他のテレビ番組について用いて、他のテレビ番組の視聴率を予測してもよい。

〔１−３．予測例について〕
また、情報処理装置１００は、種々の情報を用いて、予測処理を行ってもよい。情報処理装置１００は、種々の情報を組み合わせて、予測処理を行ってもよい。例えば、情報処理装置１００は、センサ情報と、地図情報とを組み合わせて、予測処理を行ってもよい。

例えば、情報処理装置１００は、地図情報や時系列的なデータ等の種々の種別のデータ（情報）を考慮して、予測処理を行ってもよい。例えば、情報処理装置１００は、ＧＰＳ情報（位置情報）等の時系列的なデータと地図情報とを組み合わせて、予測処理を行ってもよい。例えば、情報処理装置１００は、ＧＰＳ情報（位置情報）等の時系列的なデータと地図情報とを組み合わせて、○○線の線路上を時速９０ｋｍで移動していることを特定し、これによりユーザが電車に乗っていると予測することにより、ユーザが歩行中ではないと予測してもよい。例えば、情報処理装置１００は、ユーザの位置等の時系列的なデータと、道路の位置や線路の位置等を示す地図情報とを組み合わせて、ユーザの移動体への乗車を判定してもよい。そして、情報処理装置１００は、ユーザが移動体に乗車していると判定した場合、歩行中ではない、すなわちユーザが歩行中以外であると予測してもよい。なお、情報処理装置１００は、地図情報や時系列的なデータに限らず、種々の情報を用いて、予測処理を行ってもよい。

〔１−４．センサ情報について〕
上述したように、情報処理装置１００は、種々のセンサ情報を用いて予測処理を行ってもよい。

情報処理装置１００は、所定の端末に対する物理量の情報を含むセンサ情報を用いて予測処理を行ってもよい。情報処理装置１００は、端末装置１０に対する物理量の情報等を含むセンサ情報を用いて予測処理を行ってもよい。情報処理装置１００は、端末装置１０に対する物理量の情報等を含むセンサ情報を用いて第１センサを生成し、生成した第１モデルを用いて予測処理を行ってもよい。例えば、情報処理装置１００は、端末装置１０における加速度や圧力等の物理量の情報等を含むセンサ情報を用いて予測処理を行ってもよい。例えば、情報処理装置１００は、端末装置１０における加速度の変化（量）や圧力の変化（量）等の物理量の変化情報を用いて予測処理を行ってもよい。

情報処理装置１００は、所定の端末周辺の環境情報を含むセンサ情報を用いて予測処理を行ってもよい。情報処理装置１００は、端末装置１０周辺の環境情報等を含むセンサ情報を用いて予測処理を行ってもよい。情報処理装置１００は、端末装置１０周辺の環境情報等を含むセンサ情報を用いて第１センサを生成し、生成した第１モデルを用いて予測処理を行ってもよい。

例えば、情報処理装置１００は、位置情報（位置）、照度、温度、湿度、磁界等の端末装置１０周辺の環境情報等を含むセンサ情報を用いて予測処理を行ってもよい。例えば、情報処理装置１００は、位置の変化（量）、照度の変化（量）、温度の変化（量）、湿度の変化（量）、磁界の変化（量）等の端末装置１０周辺の環境の変化情報を用いて予測処理を行ってもよい。

例えば、情報処理装置１００は、音声、画像等の端末装置１０周辺の環境情報等を含むセンサ情報を用いて予測処理を行ってもよい。例えば、情報処理装置１００は、音声の変化（量）、画像の変化（量）等の端末装置１０周辺の環境の変化情報を用いて予測処理を行ってもよい。

情報処理装置１００は、所定の端末を利用するユーザの生体情報を含むセンサ情報を用いて予測処理を行ってもよい。情報処理装置１００は、端末装置１０を利用するユーザの生体情報等を含むセンサ情報を用いて予測処理を行ってもよい。情報処理装置１００は、端末装置１０を利用するユーザの生体情報等を含むセンサ情報を用いて第１センサを生成し、生成した第１モデルを用いて予測処理を行ってもよい。例えば、端末装置１０は、ニオイ、汗、指紋等の端末装置１０を利用するユーザの生体情報等を含むセンサ情報を用いて予測処理を行ってもよい。例えば、端末装置１０は、ニオイの変化（量）、汗の変化（量）等の端末装置１０を利用するユーザの生体の変化情報を用いて予測処理を行ってもよい。

〔２．情報処理装置の構成〕
次に、図４を用いて、実施形態に係る情報処理装置１００の構成について説明する。図４は、実施形態に係る情報処理装置の構成例を示す図である。図４に示すように、情報処理装置１００は、通信部１１０と、記憶部１２０と、制御部１３０とを有する。なお、情報処理装置１００は、情報処理装置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、ネットワークと有線または無線で接続され、例えば情報処理システム１に含まれる端末装置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４に示すように、ユーザ情報記憶部１２１と、端末機種情報記憶部１２２と、センサ情報記憶部１２３と、第１モデル学習用情報記憶部１２４と、第１モデル情報記憶部１２５と、第２モデル学習用情報記憶部１２６と、第２モデル情報記憶部１２７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、ユーザ属性情報等の種々の情報を記憶する。図５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」、「利用端末」、「機種情報」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５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、緯度経度情報等であってもよい。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５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、緯度経度情報等であってもよい。また、例えば、「勤務地」は、地域名や住所であってもよい。

また、「利用端末」は、ユーザＩＤにより識別されるユーザが利用する端末装置１０を示す。なお、図５に示す例では、各ユーザに１つの端末装置１０が対応付けられる場合を示すが、ユーザには複数の端末装置１０が対応付けられてもよい。また、例えば、ユーザＵ３が端末装置ＴＭ１３と端末装置ＴＭ１３０を利用する場合、ユーザＵ３に対応する「利用端末」は、「ＴＭ３１」と「ＴＭ１３０」とが記憶されてもよい。

また、「機種情報」は、ユーザＩＤにより識別されるユーザが利用する端末装置１０の機種を示す。なお、図５に示す例では、「機種情報」に「ＰＭ１」といった機種を識別する機種ＩＤが記憶される場合を示すが、「機種情報」には、「スマホ○○バージョン６」といった具体的な機種名を示す情報が記憶されてもよい。

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（ユーザＵ１）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Ｕ１は、自宅が「ＬＣ１１」であり、勤務地が「ＬＣ１２」であることを示す。また、例えば、ユーザＵ１が利用する端末装置１０は、端末装置ＴＭ１１であり、機種は機種ＩＤ「ＰＭ１」により識別される機種であることを示す。

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、ユーザのデモグラフィック属性に関する情報やサイコグラフィック属性に関する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、興味、ライフスタイル等の情報を記憶してもよい。

（端末機種情報記憶部１２２）
実施形態に係る端末機種情報記憶部１２２は、端末装置の各機種に関する各種情報を記憶する。例えば、端末機種情報記憶部１２２は、端末機種情報を記憶する。図６は、実施形態に係る端末機種情報記憶部の一例を示す図である。例えば、端末機種情報記憶部１２２は、各機種に関する情報や各機種に搭載される各種センサに関する情報を記憶する。例えば、端末機種情報記憶部１２２は、各機種に搭載される各種センサに関するセンサ特徴情報を記憶する。図６に示す端末機種情報記憶部１２２には、「機種ＩＤ」、「重量」、「センサ＃１（加速度センサ）」、「センサ＃２（ジャイロセンサ）」、「センサ＃３（音センサ）」といった項目が含まれる。図６の例では、「センサ＃１」〜「センサ＃３」のみを図示するが、端末機種情報記憶部１２２には、「センサ＃４」、「センサ＃５」等、各機種が有するセンサの数に対応する項目が含まれてもよい。例えば、端末機種情報記憶部１２２には、「センサ＃４（モーションセンサ）」等の項目が含まれてもよい。

「機種ＩＤ」は、端末装置１０の機種を識別するための識別情報である。「重量」は、対応する機種の端末装置１０の重量（重さ）を示す。なお、図６に示す例では、「重量」は、「ＷＴ１」といった抽象的な符号を図示するが、「１５０ｇ」や「０．２ｋｇ」といった具体的な重さを示す情報であってもよい。

「センサ＃１（加速度センサ）」は、対応する機種の端末装置１０に搭載された加速度センサに関する情報を示す。「センサ＃１（加速度センサ）」には、「センサ」、「配置位置」、「基盤」といった項目が含まれる。「センサ＃１（加速度センサ）」の「センサ」は、対応する機種の端末装置１０に搭載される加速度センサを特定する情報を示す。なお、図６に示す例では、「センサ」は、「ＳＮ１−１」といった抽象的な符号を図示するが、具体的なセンサ名等であってもよい。

「センサ＃１（加速度センサ）」の「配置位置」は、対応する機種の端末装置１０に搭載される加速度センサの配置位置を示す。例えば、「配置位置」は、対応する機種の端末装置１０における加速度センサの配置位置を示す。なお、図６に示す例では、「配置位置」は、「ＡＰ１−１」といった抽象的な符号を図示するが、具体的な端末装置１０における配置位置を示す情報であってもよい。「センサ＃１（加速度センサ）」の「基盤」は、対応する機種の端末装置１０に搭載される加速度センサに用いられた基盤を示す。なお、図６に示す例では、「基盤」は、「ＢＤ１−１」といった抽象的な符号を図示するが、具体的な加速度センサの基盤を示す情報（型番等）であってもよい。

「センサ＃２（ジャイロセンサ）」には、対応する機種の端末装置１０に搭載されたジャイロセンサに関する情報を示す。「センサ＃２（ジャイロセンサ）」には、「センサ」、「配置位置」、「基盤」といった項目が含まれる。「センサ＃２（ジャイロセンサ）」の「センサ」は、対応する機種の端末装置１０に搭載されるジャイロセンサを特定する情報を示す。なお、図６に示す例では、「センサ」は、「ＳＮ１−２」といった抽象的な符号を図示するが、具体的なセンサ名等であってもよい。

「センサ＃２（ジャイロセンサ）」の「配置位置」は、対応する機種の端末装置１０に搭載されるジャイロセンサの配置位置を示す。例えば、「配置位置」は、対応する機種の端末装置１０におけるジャイロセンサの配置位置を示す。なお、図６に示す例では、「配置位置」は、「ＡＰ１−２」といった抽象的な符号を図示するが、具体的な端末装置１０における配置位置を示す情報であってもよい。「センサ＃２（ジャイロセンサ）」の「基盤」は、対応する機種の端末装置１０に搭載されるジャイロセンサに用いられた基盤を示す。なお、図６に示す例では、「基盤」は、「ＢＤ１−２」といった抽象的な符号を図示するが、具体的なジャイロセンサの基盤を示す情報（型番等）であってもよい。

「センサ＃３（音センサ）」には、対応する機種の端末装置１０に搭載された音センサに関する情報を示す。なお、図６では図示を省略するが、「センサ＃３（音センサ）」には、「センサ＃１（加速度センサ）」や「センサ＃２（ジャイロセンサ）」と同様に、「センサ」、「配置位置」、「基盤」といった項目が含まれる。

図６に示す例において、機種ＩＤ「ＰＭ１１」により識別される機種（機種ＰＭ１１）の端末装置１０の重さは、重量ＷＴ１であることを示す。また、機種ＰＭ１１の端末装置１０には、加速度センサＳＮ１−１が搭載されていることを示す。機種ＰＭ１１の端末装置１０における加速度センサＳＮ１−１の配置位置は、配置位置ＡＰ１−１であることを示す。加速度センサＳＮ１−１の基盤は、基盤ＢＤ１−１であることを示す。

また、機種ＰＭ１１の端末装置１０には、ジャイロセンサＳＮ１−２が搭載されていることを示す。機種ＰＭ１１の端末装置１０におけるジャイロセンサＳＮ１−２の配置位置は、配置位置ＡＰ１−２であることを示す。ジャイロセンサＳＮ１−２の基盤は、基盤ＢＤ１−２であることを示す。

なお、端末機種情報記憶部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。

（センサ情報記憶部１２３）
実施形態に係るセンサ情報記憶部１２３は、センサに関する各種情報を記憶する。図７は、実施形態に係るセンサ情報記憶部の一例を示す図である。例えば、センサ情報記憶部１２３は、各ユーザの端末装置１０を用いて行った検索等を含む種々の行動情報を記憶する。図７に示すセンサ情報記憶部１２３には、「端末ＩＤ」、「履歴ＩＤ」、「日時」、「センサ情報」といった項目が含まれる。「センサ情報」には、「加速度情報」、「角速度情報」、「音声情報」といった項目が含まれる。図６の例では、「センサ情報」として、「加速度情報」、「角速度情報」、「音声情報」のみを図示するが、「センサ情報」には、「運動状態情報」等、検知される各種センサ情報に対応する項目が含まれてもよい。

「端末ＩＤ」は、端末を識別するための識別情報を示す。また、各「端末ＩＤ」の下の括弧内の情報は、各端末に対応する機種を示す。「履歴ＩＤ」は、取得されたセンサ情報を識別するための識別情報を示す。また、「日時」は、各履歴ＩＤに対応する日時を示す。例えば、「日時」は、各履歴ＩＤに対応するセンサ情報が取得された日時を示す。図７の例では、「日時」には、「ＤＴ１１−１」等のように抽象的に図示するが、「２０１８年７月９日２２時４８分３９秒」等の具体的な日時が記憶されてもよい。

また、「センサ情報」は、取得されたセンサ情報を示す。「センサ情報」中の「加速度情報」は、取得された加速度情報を示す。例えば、「加速度情報」には、加速度の変化を示す情報が記憶される。なお、図７に示す例では、「加速度情報」は、「ＡＣ１−１」といった抽象的な符号を図示するが、具体的な数値等であってもよい。

また、「センサ情報」中の「角速度情報」は、取得された角速度情報を示す。例えば、「角速度情報」には、角速度の変化を示す情報が記憶される。なお、図７に示す例では、「角速度情報」は、「ＡＶ１−１」といった抽象的な符号を図示するが、具体的な数値等であってもよい。

また、「センサ情報」中の「音声情報」は、取得された音声情報を示す。例えば、「音声情報」には、音量の変化を示す情報が記憶される。なお、図７に示す例では、「音声情報」は、「ＳＤ１−１」といった抽象的な符号を図示するが、具体的な数値等であってもよい。

例えば、図７の例では、端末ＩＤ「ＴＭ１１」により識別される端末装置１０（図１中のユーザＵ１が利用する端末装置ＴＭ１１に対応）は、履歴ＩＤ「ＬＧ１１−１」〜「ＬＧ１１−３」等により識別されるセンサ情報が記憶されていることを示す。端末装置ＴＭ１１は、日時ＤＴ１１−１において、加速度情報ＡＣ１−１や角速度情報ＡＶ１−１や音声情報ＳＤ１−１等を含むセンサ情報が取得（検知）されたことを示す。端末装置ＴＭ１１は、日時ＤＴ１１−２において、加速度情報ＡＣ１−２や角速度情報ＡＶ１−２や音声情報ＳＤ１−２等を含むセンサ情報が取得（検知）されたことを示す。

また、端末ＩＤ「ＴＭ２１」により識別される端末（図２中のユーザＵ２１が利用する端末装置ＴＭ２１に対応）は、履歴ＩＤ「ＬＧ２１−１」等により識別されるセンサ情報が記憶されていることを示す。端末装置ＴＭ２１は、日時ＤＴ２１−１において、加速度情報ＡＣ２１−１や角速度情報ＡＶ２１−１や音声情報ＳＤ２１−１等を含むセンサ情報が取得（検知）されたことを示す。

なお、センサ情報記憶部１２３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、センサ情報記憶部１２３には、各履歴に対応する位置が記憶されてもよい。例えば、センサ情報記憶部１２３は、各履歴ＩＤに対応する日時における端末装置１０の位置を示す情報が記憶されてもよい。例えば、センサ情報記憶部１２３は、各履歴ＩＤに対応する日時における端末装置１０の緯度経度等の位置情報が記憶されてもよい。

（第１モデル学習用情報記憶部１２４）
実施形態に係る第１モデル学習用情報記憶部１２４は、第１モデルの学習に用いる各種情報（データ）を記憶する。図８は、実施形態に係る第１モデル学習用情報記憶部の一例を示す図である。例えば、第１モデル学習用情報記憶部１２４は、モデルの生成に用いる教師データを記憶する。図８に示す第１モデル学習用情報記憶部１２４には、「データＩＤ」、「対象機種」、「端末」、「ユーザ」、「履歴ＩＤ」、「正解情報」、「センサ情報」といった項目が含まれる。「センサ情報」には、「加速度情報」、「角速度情報」、「音声情報」といった項目が含まれる。

「データＩＤ」は、データを識別するための識別情報を示す。例えば、データＩＤ「ＤＡ１−１」により識別されるデータは、図１の例に示した、データＤＡ１−１に対応する。「対象機種」は、データＩＤにより識別されるデータの対象機種を示す。「端末」は、データＩＤにより識別されるデータの対象端末を示す。「ユーザ」は、データＩＤにより識別されるデータの対象ユーザを示す。「履歴ＩＤ」は、データＩＤにより識別されるデータの対象となるセンサ情報の識別情報を示す。

「正解情報」は、データＩＤにより識別されるデータに対応する正解情報（正解情報ＲＤＴ１−１）を示す。例えば、「正解情報」は、データＩＤにより識別されるデータに対応するユーザが歩行状態であるか否かを示す。図８では「正解情報」に「ＲＤＴ１−１」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、対象ユーザが歩行中である場合は「１」を、対象ユーザが歩行中以外である場合は「０」を示す情報、または、その格納場所を示すファイルパス名などが格納される。例えば、正解情報ＲＤＴ１−１や正解情報ＲＤＴ１−２は、対象ユーザが歩行中であることを示す値「１」であってもよい。例えば、正解情報ＲＤＴ１−３や正解情報ＲＤＴ１−４は、対象ユーザが歩行中以外であることを示す値「０」であってもよい。

「センサ情報」中の「加速度情報」は、センサ情報に含まれる加速度情報を示す。図８では「加速度情報」に「ＡＣ１−１」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、加速度や加速度の変化を示す具体的な数値等、または、その格納場所を示すファイルパス名などが格納される。

「センサ情報」中の「角速度情報」は、センサ情報に含まれる角速度情報を示す。図８では「角速度情報」に「ＡＶ１−１」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、角速度や角速度の変化を示す具体的な数値等、または、その格納場所を示すファイルパス名などが格納される。

「センサ情報」中の「音声情報」は、センサ情報に含まれる音声情報を示す。図８では「音声情報」に「ＳＤ１−１」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、音や音量の変化を示す具体的な数値等、または、その格納場所を示すファイルパス名などが格納される。

例えば、図８に示す例において、データＩＤ「ＤＡ１−１」により識別されるデータ（データＤＡ１−１）の対象機種は、機種ＰＭ１であることを示す。データＤＡ１−１は、データＤＡ１−１の対象端末は、端末装置ＴＭ１１であることを示す。データＤＡ１−１は、データＤＡ１−１の対象ユーザは、ユーザＵ１であることを示す。また、データＤＡ１−１は、正解情報ＲＤＴ１−１を含むことを示す。データＤＡ１−１は、センサ情報として、加速度情報ＡＣ１−１や角速度情報ＡＶ１−１や音声情報ＳＤ１−１等を含むことを示す。

なお、第１モデル学習用情報記憶部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、第１モデル学習用情報記憶部１２４は、学習データが追加された日時に関する情報を記憶してもよい。また、例えば、第１モデル学習用情報記憶部１２４は、各学習データがどのような判定処理により追加されたかを示す情報を記憶してもよい。例えば、第１モデル学習用情報記憶部１２４は、各学習データが管理者の選択により判定されたか等を示す情報を記憶してもよい。

（第１モデル情報記憶部１２５）
実施形態に係る第１モデル情報記憶部１２５は、予測モデルである第１モデルに関する情報を記憶する。例えば、第１モデル情報記憶部１２５は、生成処理により生成された第１モデルのモデル情報（モデルデータ）を記憶する。図９は、実施形態に係る第１モデル情報記憶部の一例を示す図である。図９に示す第１モデル情報記憶部１２５は、「モデルＩＤ」、「予測対象」、「生成時対象機種」、「モデルデータ」といった項目が含まれる。なお、図９では、モデルＭ１、Ｍ２のみを図示するが、Ｍ３、Ｍ４、Ｍ５等、各対象（予測対象）に応じて多数のモデル情報が記憶されてもよい。

「モデルＩＤ」は、モデルを識別するための識別情報を示す。例えば、モデルＩＤ「Ｍ１」により識別されるモデルは、図１の例に示したモデルＭ１に対応する。「予測対象」は、対応するモデルの予測対象を示す。「生成時対象機種」は、対応するモデルの生成時に対象とされた機種（生成対象機種）を示す。例えば、「生成時対象機種」は、対応するモデルの生成時に学習用データとして用いられたセンサ情報等が検知された端末の機種を示す。また、「モデルデータ」は、対応付けられた対応するモデルのデータを示す。例えば、「モデルデータ」には、各層におけるノードと、各ノードが採用する関数と、ノードの接続関係と、ノード間の接続に対して設定される接続係数とを含む情報が含まれる。

例えば、図９に示す例において、モデルＩＤ「Ｍ１」により識別されるモデル（モデルＭ１）は、予測対象が「歩行」であり、入力されたセンサ情報に対応するユーザが歩行しているか否かの予測に用いられることを示す。また、モデルＭ１のモデルデータは、モデルデータＭＤＴ１であることを示す。

例えば、モデルＭ１（モデルデータＭＤＴ１）は、所定の入力情報が入力される入力層と、出力層と、入力層から出力層までのいずれかの層であって出力層以外の層に属する第１要素と、第１要素と第１要素の重みとに基づいて値が算出される第２要素と、を含み、入力層に入力された第２情報に対し、出力層以外の各層に属する各要素を第１要素として、第１要素と第１要素の重みとに基づく演算を行うことにより、所定の事柄の予測に用いられるスコアの値を出力層から出力するよう、コンピュータを機能させるためのモデルである。

ここで、モデルＭ１、Ｍ２等が「ｙ＝ｗ_１＊ｘ_１＋ｗ_２＊ｘ_２＋・・・＋ｗ_ｉ＊ｘ_ｉ」で示す回帰モデルで実現されるとする。この場合、例えば、モデルＭ１が含む第１要素は、ｘ１やｘ２等といった入力データ（ｘｉ）に対応する。また、第１要素の重みは、ｘｉに対応する係数ｗｉ（重みｗｉ）に対応する。ここで、回帰モデルは、入力層と出力層とを有する単純パーセプトロンと見做すことができる。各モデルを単純パーセプトロンと見做した場合、第１要素は、入力層が有するいずれかのノードに対応し、第２要素は、出力層が有するノードと見做すことができる。

また、モデルＭ１、Ｍ２等がＤＮＮ等、１つまたは複数の中間層を有するニューラルネットワークで実現されるとする。この場合、例えば、モデルＭ１が含む第１要素は、入力層または中間層が有するいずれかのノードに対応する。また、第２要素は、第１要素と対応するノードから値が伝達されるノードである次段のノードに対応する。また、第１要素の重みは、第１要素と対応するノードから第２要素と対応するノードに伝達される値に対して考慮される重みである接続係数に対応する。

なお、第１モデル情報記憶部１２５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。

（第２モデル学習用情報記憶部１２６）
実施形態に係る第２モデル学習用情報記憶部１２６は、第２モデルの学習に用いる各種情報（データ）を記憶する。図１０は、実施形態に係る第２モデル学習用情報記憶部の一例を示す図である。図１０に示す第２モデル学習用情報記憶部１２６には、「データＩＤ」、「センサ種別」、「第１端末情報」、「第２端末情報」。「第１端末情報」や「第２端末情報」には、「機種」、「端末」、「センサ情報」といった項目が含まれる。

「データＩＤ」は、データを識別するための識別情報を示す。「センサ種別」は、データＩＤにより識別されるデータが対象とするセンサの種別を示す。

「第１端末情報」は、データＩＤにより識別されるデータの第１端末に関する情報を示す。「第１端末情報」の「機種」は、第１端末に対応する機種を示す。「第１端末情報」の「端末」は、第１端末に対応する端末を示す。「第１端末情報」の「センサ情報」は、第１端末について取得されたセンサ情報を示す。図１０では「センサ情報」に「ＡＣ１−１１」や「ＡＤ４−１２」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、対応するセンサの検知した値（センサ値）やセンサ値の変化量等、または、その格納場所を示すファイルパス名などが格納される。

「第２端末情報」は、データＩＤにより識別されるデータの第２端末に関する情報を示す。「第２端末情報」の「機種」は、第２端末に対応する機種を示す。「第２端末情報」の「端末」は、第２端末に対応する端末を示す。「第２端末情報」の「センサ情報」は、第２端末について取得されたセンサ情報を示す。図１０では「センサ情報」に「ＡＣ２２−１１」や「ＡＤ２２−１２」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、対応するセンサの検知した値（センサ値）やセンサ値の変化量等、または、その格納場所を示すファイルパス名などが格納される。

図１０に示す例において、データＩＤ「ＤＡ２−１」により識別されるデータ（データＤＡ２−１）の対象とするセンサの種別は、センサ種別「加速度」であることを示す。データＤＡ２−１は、第１端末の機種が機種ＰＭ１であることを示す。データＤＡ２−１は、第１端末である端末装置１０が端末装置ＴＭ１１であることを示す。データＤＡ２−１は、第１端末のセンサ情報が加速度情報ＡＣ１−１１であることを示す。

また、データＤＡ２−１は、第２端末の機種が機種ＰＭ２であることを示す。データＤＡ２−１は、第２端末である端末装置１０が端末装置ＴＭ２２であることを示す。データＤＡ２−１は、第２端末のセンサ情報が加速度情報ＡＣ２２−１１であることを示す。

なお、第２モデル学習用情報記憶部１２６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、第２モデル学習用情報記憶部１２６は、学習データが追加された日時に関する情報を記憶してもよい。また、例えば、第２モデル学習用情報記憶部１２６は、各学習データがどのような判定処理により追加されたかを示す情報を記憶してもよい。例えば、第２モデル学習用情報記憶部１２６は、各学習データが管理者の選択により判定されたか等を示す情報を記憶してもよい。

（第２モデル情報記憶部１２７）
実施形態に係る第２モデル情報記憶部１２７は、補正用のモデルである第２モデルに関する情報を記憶する。例えば、第２モデル情報記憶部１２７は、生成処理により生成された第２モデルのモデル情報（モデルデータ）を記憶する。図９は、実施形態に係る第２モデル情報記憶部の一例を示す図である。図９に示す第２モデル情報記憶部１２７は、「モデルＩＤ」、「対象センサ情報」、「変換先機種」、「モデルデータ」といった項目が含まれる。なお、図９では、モデルＭ２１−１、Ｍ２１−２のみを図示するが、Ｍ２１−３、Ｍ２１−４、Ｍ２１−５等、各対象（対象センサ）に応じて多数のモデル情報が記憶されてもよい。

「モデルＩＤ」は、モデルを識別するための識別情報を示す。例えば、モデルＩＤ「Ｍ２１−１」により識別されるモデルは、図２の例に示した第２モデルであるモデルＭ２１−１に対応する。「対象センサ情報」は、対応するモデルの対象センサ情報を示す。「変換先機種」は、センサ情報の変換先となる機種を示す。また、「モデルデータ」は、対応付けられた対応するモデルのデータを示す。また、「入力情報」は、対応付けられた対応するモデルの入力情報を示す。

例えば、図１１に示す例において、モデルＩＤ「Ｍ２１−１」により識別されるモデル（モデルＭ２１−１）は、対象センサ情報が「加速度」であり、変換先機種が機種ＰＭ１であることを示す。モデルＭ２１−１は、入力された加速度情報を機種ＰＭ１に対応する加速度情報（変換後加速度情報）に変換するために用いられることを示す。例えば、モデルＭ２１−１は、入力された加速度の変化を示す値を機種ＰＭ１における加速度の変化を示す値に変換するために用いられることを示す。また、モデルＭ２１−１のモデルデータは、モデルデータＭＤＴ２１−１であることを示す。また、モデルＭ２１−１には、入力情報として、加速度情報や端末重量やセンサ配置位置等の種々の情報が含まれることを示す。

例えば、第２モデルであるモデルＭ２１−１、Ｍ２１−２等は、センサ値を補正する補正関数に対応する。例えば、第２モデルであるモデルＭ２１−１は、上記の式（４）中の関数「ｆ_１（）」に対応する。例えば、第２モデルであるモデルＭ２１−２は、上記の式（４）中の関数「ｆ_２（）」に対応する。例えば、モデルＭ２１−１、Ｍ２１−２等の入力情報としては、センサ配置位置や基盤等の数値以外のセンサ特徴情報は、所定の数値に変換された情報が用いられてもよい。

なお、第２モデル情報記憶部１２７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。

（制御部１３０）
図４の説明に戻って、制御部１３０は、コントローラ（controller）であり、例えば、ＣＰＵ（Central Processing Unit）やＭＰＵ（Micro Processing Unit）等によって、情報処理装置１００内部の記憶装置に記憶されている各種プログラム（情報処理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、コントローラであり、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。

制御部１３０は、第１モデル情報記憶部１２５に記憶されているモデルＭ１等に従った情報処理により、第１情報以外の情報であって、所定の入力情報が入力される入力層と、出力層と、入力層から出力層までのいずれかの層であって出力層以外の層に属する第１要素と、第１要素と第１要素の重みとに基づいて値が算出される第２要素と、を含み、入力層に入力された第２情報に対し、出力層以外の各層に属する各要素を第１要素として、第１要素と第１要素の重みとに基づく演算を行うことにより、所定の事柄の予測に用いられるスコアの値を出力層から出力する。

図４に示すように、制御部１３０は、取得部１３１と、生成部１３２と、予測部１３３と、提供部１３４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。

制御部１３０は、記憶部１２０に記憶されているモデルＭ１（モデルデータＭＤＴ１）に従った情報処理により、第１要素と第１要素の重みとに基づいて値が算出される第２要素とを含み、入力層に入力された入力情報に対し、出力層以外の各層に属する各要素を第１要素として、第１要素と第１要素の重みとに基づく演算を行うことにより、入力された入力情報に対応するスコアを出力層から出力する。なお、モデルＭ１等のモデルは、人工知能ソフトウェアの一部であるプログラムモジュールとしての利用が想定されるものであってもよい。モデルＭ１等のモデルは、プログラムであってもよい。

（取得部１３１）
取得部１３１は、各種情報を取得する。取得部１３１は、記憶部１２０から各種情報を取得する。取得部１３１は、ユーザ情報記憶部１２１や端末機種情報記憶部１２２やセンサ情報記憶部１２３や第１モデル学習用情報記憶部１２４や第１モデル情報記憶部１２５や第２モデル学習用情報記憶部１２６や第２モデル情報記憶部１２７から各種情報を取得する。取得部１３１は、外部の情報処理装置から各種情報を取得する。取得部１３１は、端末装置１０から各種情報を取得する。

取得部１３１は、ユーザが利用する端末装置１０から各種のセンサ情報を取得する。取得部１３１は、所定のセンサにより検知されるセンサ情報を取得する。取得部１３１は、端末装置１０が有する種々のセンサにより検知される種々のセンサ情報を取得する。取得部１３１は、加速度センサにより検知される加速度情報を取得する。取得部１３１は、ジャイロセンサにより検知される角速度情報を取得する。取得部１３１は、音センサにより検知される音声情報を取得する。取得部１３１は、所定のセンサにより検知される運動状態情報を取得する。取得部１３１は、センサ情報の変化を示す情報を取得する。

取得部１３１は、端末装置１０が有する加速度センサにより検知される加速度情報を取得する。取得部１３１は、端末装置１０が有するジャイロセンサにより検知される角速度情報を取得する。取得部１３１は、端末装置１０が有する音センサにより検知される音声情報を取得する。取得部１３１は、端末装置１０が有するセンサにより検知される運動状態情報を取得する。取得部１３１は、センサ情報の変化を示す情報を取得する。

取得部１３１は、所定の事柄の予測に用いる第１モデルと、第１モデルの要素を補正する第２モデルとを取得する。取得部１３１は、第１モデルの要素に対応する値を補正する第２モデルを取得する。取得部１３１は、第１モデルにおける重みと特徴量とを含む要素のうち、特徴量に対応する値を補正する第２モデルを取得する。

取得部１３１は、所定のセンサにより検知されるセンサ情報に基づく入力情報が入力された場合に、所定の事柄に対応する出力情報を出力する第１モデルを取得する。取得部１３１は、加速度センサにより検知される加速度情報を含むセンサ情報に基づく入力情報が入力された場合に、出力情報を出力する第１モデルを取得する。取得部１３１は、ジャイロセンサにより検知される角速度情報を含むセンサ情報に基づく入力情報が入力された場合に、出力情報を出力する第１モデルを取得する。取得部１３１は、音センサにより検知される音声情報を含むセンサ情報に基づく入力情報が入力された場合に、出力情報を出力する第１モデルを取得する。取得部１３１は、所定のセンサにより検知される運動状態情報を含むセンサ情報に基づく入力情報が入力された場合に、出力情報を出力する第１モデルを取得する。取得部１３１は、センサ情報の変化に基づく入力情報が入力された場合に、所定の事柄に対応する出力情報を出力する第１モデルを取得する。

取得部１３１は、第１対象に関する第１情報を用いて生成された第１モデルと、第２対象に関する情報であって、第１情報に対応する情報である第２情報とを取得する。取得部１３１は、第２情報における要素に対応する第２値を、第１情報における要素に対応する第１値に変換する第２モデルを取得する。取得部１３１は、第１対象である第１端末に関する第１情報を用いて生成された第１モデルを取得する。取得部１３１は、第１端末が有する第１センサにより検知されたセンサ情報である第１情報を用いて生成された第１モデルと、第２端末が有する第２センサにより検知されたセンサ情報である第２情報とを取得する。

取得部１３１は、第２情報における要素に対応する第２センサ値と、第２センサの特徴を示すセンサ特徴情報とが入力された場合、第１情報における要素に対応する第１センサ値に第２センサ値を変換する第２モデルを取得する。取得部１３１は、第２センサ値と、第２センサを示す製品情報を含むセンサ特徴情報とが入力された場合、第１センサ値に第２センサ値を変換する第２モデルを取得する。取得部１３１は、第２センサ値と、第２センサの第２端末における配置を示す位置情報を含むセンサ特徴情報とが入力された場合、第１センサ値に第２センサ値を変換する第２モデルを取得する。取得部１３１は、第２センサ値と、第２センサに用いられた基盤を示す基盤情報を含むセンサ特徴情報とが入力された場合、第１センサ値に第２センサ値を変換する第２モデルを取得する。取得部１３１は、第２センサ値と、第２センサの第２端末の重さを示す重さ情報を含むセンサ特徴情報とが入力された場合、第１センサ値に第２センサ値を変換する第２モデルを取得する。

取得部１３１は、第１端末を利用する第１ユーザにおける所定の事柄の予測に用いる第１モデルを取得する。取得部１３１は、所定の端末に対する物理量の情報を含むセンサ情報に基づく入力情報が入力された場合に、出力情報を出力する第１モデルを取得する。取得部１３１は、所定の端末周辺の環境情報を含むセンサ情報に基づく入力情報が入力された場合に、出力情報を出力する第１モデルを取得する。取得部１３１は、所定の端末を利用するユーザの生体情報を含むセンサ情報に基づく入力情報が入力された場合に、出力情報を出力する第１モデルを取得する。取得部１３１は、加速度センサにより検知される加速度情報、ジャイロセンサにより検知される角速度情報、音センサにより検知される音声情報、所定のセンサにより検知される運動状態情報うち、少なくとも１つを含むセンサ情報に基づく入力情報が入力された場合に、出力情報を出力する第１モデルを取得する。取得部１３１は、所定の端末に対する物理量の情報を含むセンサ情報を取得する。取得部１３１は、所定の端末周辺の環境情報を含むセンサ情報を取得する。取得部１３１は、所定の端末を利用するユーザの生体情報を含むセンサ情報を取得する。取得部１３１は、加速度センサにより検知される加速度情報、ジャイロセンサにより検知される角速度情報、音センサにより検知される音声情報、所定のセンサにより検知される運動状態情報うち、少なくとも１つを含むセンサ情報を取得する。

図１の例では、取得部１３１は、日時ＤＴ１１−１において、端末装置ＴＭ１１の加速度センサにより検知された加速度に関する加速度情報ＡＣ１−１を取得する。例えば、取得部１３１は、機種ＰＭ１である端末装置ＴＭ１１の加速度センサＳＮ１−１（図６参照）により検知された加速度に関する加速度情報ＡＣ１−１を取得する。取得部１３１は、日時ＤＴ１１−１において、端末装置ＴＭ１１のジャイロセンサにより検知された角速度に関する角速度情報ＡＶ１−１を取得する。例えば、取得部１３１は、機種ＰＭ１である端末装置ＴＭ１１の角速度センサＳＮ１−２（図６参照）により検知された角速度に関する角速度情報ＡＶ１−１を取得する。取得部１３１は、日時ＤＴ１１−１において、端末装置ＴＭ１１の音センサにより検知された音に関する音声情報ＳＤ１−１を取得する。例えば、取得部１３１は、機種ＰＭ１である端末装置ＴＭ１１の音速度センサ（図示省略）により検知された音に関する音声情報ＳＤ１−１を取得する。

図１の例では、取得部１３１は、加速度情報ＡＣ１−１や角速度情報ＡＶ１−１や音声情報ＳＤ１−１等が含まれるセンサ情報（センサ情報ＬＧ１１−１）を取得する。取得部１３１は、加速度情報ＡＣ１−２や角速度情報ＡＶ１−２や音声情報ＳＤ１−２等が含まれるセンサ情報（センサ情報ＬＧ１１−２）を取得する。取得部１３１は、加速度情報ＡＣ１−３や角速度情報ＡＶ１−３や音声情報ＳＤ１−３等が含まれるセンサ情報（センサ情報ＬＧ１１−３）を取得する。取得部１３１は、加速度情報ＡＣ２−１や角速度情報ＡＶ２−１や音声情報ＳＤ２−１等が含まれるセンサ情報（センサ情報ＬＧ１２−１）を取得する。取得部１３１は、加速度情報ＡＣ２−２や角速度情報ＡＶ２−２や音声情報ＳＤ２−２等が含まれるセンサ情報（センサ情報ＬＧ１２−２）を取得する。

図２の例では、取得部１３１は、日時ＤＴ２１−１において、端末装置ＴＭ２１の加速度センサにより検知された加速度に関する加速度情報ＡＣ２１−１を取得する。例えば、取得部１３１は、機種ＰＭ２である端末装置ＴＭ２１の加速度センサＳＮ２−１（図６参照）により検知された加速度に関する加速度情報ＡＣ２１−１を取得する。取得部１３１は、日時ＤＴ２１−１において、端末装置ＴＭ２１のジャイロセンサにより検知された角速度に関する角速度情報ＡＶ２１−１を取得する。例えば、取得部１３１は、機種ＰＭ２である端末装置ＴＭ２１の角速度センサＳＮ２−２（図６参照）により検知された角速度に関する角速度情報ＡＶ２１−１を取得する。取得部１３１は、日時ＤＴ２１−１において、端末装置ＴＭ２１の音センサにより検知された音に関する音声情報ＳＤ２１−１を取得する。例えば、取得部１３１は、機種ＰＭ２である端末装置ＴＭ２１の音速度センサ（図示省略）により検知された音に関する音声情報ＳＤ２１−１を取得する。取得部１３１は、一覧情報ＬＴ１１に示すように、加速度情報ＡＣ２１−１や角速度情報ＡＶ２１−１や音声情報ＳＤ２１−１等が含まれるセンサ情報（センサ情報ＬＧ２１−１）を取得する。

図２の例では、取得部１３１は、端末機種情報記憶部１２２から第２端末である端末装置ＴＭ２１の機種ＰＭ２に対応する機種情報を取得する。取得部１３１は、端末機種情報記憶部１２２から機種ＰＭ２に対応するセンサ特徴情報を取得する。図２の例では、取得部１３１は、第２モデル情報記憶部１２７からモデルＭ２１−１、Ｍ２１−２等の第２モデルを取得する。

（生成部１３２）
生成部１３２は、種々の情報を生成する。生成部１３２は、記憶部１２０に記憶された情報に基づいて、種々の情報を生成する。生成部１３２は、ユーザ情報記憶部１２１や端末機種情報記憶部１２２やセンサ情報記憶部１２３や第１モデル学習用情報記憶部１２４や第１モデル情報記憶部１２５や第２モデル学習用情報記憶部１２６や第２モデル情報記憶部１２７に記憶された情報に基づいて、種々の情報を生成する。生成部１３２は、取得部１３１により取得された情報に基づいて、種々の情報を生成する。生成部１３２は、外部の情報処理装置から取得された情報に基づいて、種々の情報を生成する。生成部１３２は、端末装置１０から取得された情報に基づいて、種々の情報を生成する。生成部１３２は、生成した情報に基づいて、種々の情報を生成する。生成部１３２は、予測部１３３により予測された情報に基づいて、種々の情報を生成する。生成部１３２は、第１モデルや第２モデル等の種々のモデルを生成する。なお、情報処理装置１００が外部の情報処理装置から第１モデルや第２モデルを取得する場合、生成部１３２は、第１モデルや第２モデルを生成しなくてもよい。

図１の例では、生成部１３２は、センサ情報や正解情報に基づいて第１モデル学習用情報を生成する。生成部１３２は、第１モデル学習用情報記憶部１２４に示すような第１モデル学習用情報（第１モデル学習データ）を生成する。生成部１３２は、センサ情報や正解情報に基づいて、データＤＡ１−１〜ＤＡ１−４等の第１モデル学習データを生成する。

生成部１３２は、機種ＰＭ１の端末装置１０におけるセンサ情報と、センサ情報の検知時におけるユーザの歩行有無を示す正解情報とを対応付けることにより、学習用情報を生成する。生成部１３２は、センサ情報ＬＧ１１−１〜ＬＧ１１−３、ＬＧ１２−１と、正解情報ＲＤＴ１−１〜ＲＤＴ１−４とを対応付けることにより、第１モデル学習用情報記憶部１２４に示すような第１モデル学習用情報を生成する。

生成部１３２は、学習データに基づいてモデルを生成する。例えば、生成部１３２は、第１モデル学習用情報記憶部１２４中のデータＤＡ１−１〜ＤＴ１−４等を学習データ（教師データ）として、学習を行なうことにより、第１モデルを生成する。例えば、生成部１３２は、上記の式（１）に示すようなモデルＭ１を第１モデルとして生成する。

例えば、生成部１３２は、第１モデル学習用情報記憶部１２４に示すような学習データを用いてモデルＭ１を生成する。例えば、生成部１３２は、正解情報ＲＤＴ１−１がユーザＵ１が歩行中であることを示すスコア「１」である場合、モデルＭ１にデータＤＡ１−１に含まれるセンサ情報が入力された場合に、モデルＭ１が出力するスコアが「１」に近づくように、学習処理を行う。例えば、生成部１３２は、データＤＡ１−１の加速度情報ＡＣ１−１や角速度情報ＡＶ１−１や音声情報ＳＤ１−１等がモデルＭ１に入力された場合に、モデルＭ１が出力するスコアが「１」に近づくように、学習処理を行う。

また、例えば、生成部１３２は、正解情報ＲＤＴ１−３がユーザＵ１が歩行中以外であることを示すスコア「０」である場合、モデルＭ１にデータＤＡ１−３に含まれるセンサ情報が入力された場合に、モデルＭ１が出力するスコアが「０」に近づくように、学習処理を行う。例えば、生成部１３２は、データＤＡ１−３の加速度情報ＡＣ１−３や角速度情報ＡＶ１−３や音声情報ＳＤ１−３等がモデルＭ１に入力された場合に、モデルＭ１が出力するスコアが「０」に近づくように、学習処理を行う。

上記のような処理により、図１の例では、生成部１３２は、第１モデル情報記憶部１２５に示すように、モデルＩＤ「Ｍ１」により識別される第１モデル（モデルＭ１）を生成する。

図２の例では、生成部１３２は、加速度情報ＡＣ２１−１や角速度情報ＡＶ２１−１や音声情報ＳＤ２１−１等の第２センサ値を、同様の条件下において、機種ＰＭ１における第１センサで検知された場合の第１センサ値に変換する。具体的には、生成部１３２は、各センサ種別に対応する第２モデルを用いて、第２端末の第２センサにより検知された第２センサ値を、生成対象機種の第１センサにおける第１センサ値に変換した変換後センサ値を生成する。例えば、生成部１３２は、第２センサ値や第２センサの特徴を示す情報を用いて、生成対象機種の第１センサにおける第１センサ値に変換した変換後センサ値を生成する。

生成部１３２は、機種ＰＭ２で検知された加速度情報ＡＣ２１−１や機種ＰＭ２のセンサ特徴情報である重量ＷＴ２や配置位置ＡＰ２−１等の情報をモデルＭ２１−１に入力することにより、加速度情報ＡＣ２１−１を、同様の条件下において、機種ＰＭ１の端末装置１０で検知された場合の変換後加速度情報ＣＡＣ２１−１を生成する。生成部１３２は、機種ＰＭ２で検知された角速度情報ＡＶ２１−１や機種ＰＭ２のセンサ特徴情報である重量ＷＴ２や配置位置ＡＰ２−１等の情報をモデルＭ２１−２に入力することにより、角速度情報ＡＶ２１−１を、同様の条件下において、機種ＰＭ１の端末装置１０で検知された場合の変換後角速度情報ＣＡＶ２１−１を生成する。

生成部１３２は、上記のようなモデルＭ２１−１、Ｍ２１−２等の第２モデルを用いることにより、第１モデルＭ１を上記の式（３）のように補正する。生成部１３２は、上記のような各センサ種別に対応するモデルＭ２１−１、Ｍ２１−２等の第２モデルを用いて、機種ＰＭ２に対応する第２センサ値を、生成対象機種である機種ＰＭ１に対応する第１センサ値に変換する。生成部１３２は、図２に示すような変換後センサ情報ＩＮＦＸを生成する。生成部１３２は、第２センサ値である加速度情報ＡＣ２１−１を、第１センサ値に変換した変換後加速度情報ＣＡＣ２１−１を含む変換後センサ情報ＩＮＦＸを生成する。また、生成部１３２は、第２センサ値である角速度情報ＡＶ２１−１を、第１センサ値に変換した変換後角速度情報ＣＡＶ２１−１を含む変換後センサ情報ＩＮＦＸを生成する。また、生成部１３２は、第２センサ値である角速度情報ＡＶ２１−１を、第１センサ値に変換した変換後角速度情報ＣＡＶ２１−１を含む変換後センサ情報ＩＮＦＸを生成する。生成部１３２は、第２センサ値である音声情報ＳＤ２１−１を、第１センサ値に変換した変換後音声情報ＣＳＤ２１−１を含む変換後センサ情報ＩＮＦＸを生成する。

（予測部１３３）
予測部１３３は、種々の情報を予測する。予測部１３３は、記憶部１２０に記憶された情報に基づいて、種々の情報を予測する。予測部１３３は、ユーザ情報記憶部１２１や端末機種情報記憶部１２２やセンサ情報記憶部１２３や第１モデル学習用情報記憶部１２４や第１モデル情報記憶部１２５や第２モデル学習用情報記憶部１２６や第２モデル情報記憶部１２７に記憶された情報に基づいて、種々の情報を予測する。予測部１３３は、取得部１３１により取得された情報に基づいて、種々の情報を予測する。予測部１３３は、外部の情報処理装置から取得された情報に基づいて、種々の情報を予測する。予測部１３３は、端末装置１０から取得された情報に基づいて、種々の情報を予測する。予測部１３３は、生成部１３２により生成された情報に基づいて、種々の情報を予測する。

予測部１３３は、第１モデルに入力情報を入力することにより所定の事柄を予測する場合、第２モデルを用いて要素を補正することにより、第１モデルを用いて所定の事柄を予測する。予測部１３３は、第２モデルを用いて要素に対応する値を補正することにより、第１モデルを用いて所定の事柄を予測する。予測部１３３は、第２モデルを用いて特徴量に対応する値を補正することにより、第１モデルを用いて所定の事柄を予測する。

予測部１３３は、第１対象とは異なる第２対象を対象として所定の事柄を予測する場合、第１モデルに第２情報を入力情報として入力し、第２モデルを用いて要素を補正することにより、第１モデルを用いて第２対象における所定の事柄を予測する。予測部１３３は、第２値が入力された第２モデルが出力する第１値と、第１モデルにおける要素に対応する重みとを用いて、第２対象における所定の事柄を予測する。

予測部１３３は、第１端末とは異なる第２対象である第２端末を対象として所定の事柄を予測する場合、第２モデルを用いて要素を補正することにより、第１モデルを用いて第２端末における所定の事柄を予測する。予測部１３３は、第１端末とは異なる機種である第２端末を対象として所定の事柄を予測する場合、第２モデルを用いて要素を補正することにより、第１モデルを用いて第２端末における所定の事柄を予測する。予測部１３３は、第２センサ値が入力された第２モデルが出力する第１センサ値と、第１モデルにおける要素に対応する重みとを用いて、第２端末における所定の事柄を予測する。

予測部１３３は、第２端末を利用する第２ユーザを対象として所定の事柄を予測する場合、第２モデルを用いて要素を補正することにより、第１モデルを用いて第２ユーザにおける所定の事柄を予測する。予測部１３３は、所定の端末に対する物理量の情報を含むセンサ情報に基づく入力情報と第１モデルとを用いて、所定の事柄を予測する。予測部１３３は、所定の端末周辺の環境情報を含むセンサ情報に基づく入力情報と第１モデルとを用いて、所定の事柄を予測する。予測部１３３は、所定の端末を利用するユーザの生体情報を含むセンサ情報に基づく入力情報と第１モデルとを用いて、所定の事柄を予測する。予測部１３３は、加速度センサにより検知される加速度情報、ジャイロセンサにより検知される角速度情報、音センサにより検知される音声情報、所定のセンサにより検知される運動状態情報うち、少なくとも１つを含むセンサ情報に基づく入力情報と第１モデルとを用いて、所定の事柄を予測する。予測部１３３は、所定の端末に対する物理量の情報を含むセンサ情報を用いて、所定の事柄を予測する。予測部１３３は、所定の端末周辺の環境情報を含むセンサ情報を用いて、所定の事柄を予測する。予測部１３３は、所定の端末を利用するユーザの生体情報を含むセンサ情報を用いて、所定の事柄を予測する。予測部１３３は、加速度センサにより検知される加速度情報、ジャイロセンサにより検知される角速度情報、音センサにより検知される音声情報、所定のセンサにより検知される運動状態情報うち、少なくとも１つを含むセンサ情報を用いて、所定の事柄を予測する。

図２の例では、予測部１３３は、スコアに関する情報に基づいて、所定の事柄を予測する。予測部１３３は、予測一覧ＰＤＬに示すように、機種ＰＭ２の端末装置ＴＭ２１を利用するユーザＵ２１について、歩行中であるか否かを予測する。例えば、予測部１３３は、対象について、スコアと、所定の閾値との比較に基づいて、ユーザＵ２１が歩行中であるか否かを予測する。予測部１３３は、閾値「０．７」を用いて、ユーザＵ２１が歩行中であるか否かを予測する。予測部１３３は、スコアが閾値以上である場合、そのユーザが歩行中であると予測する。予測部１３３は、スコアが「０．８」であり、閾値以上であるため、ユーザＵ２１が歩行中であると予測する。

（提供部１３４）
提供部１３４は、各種情報を提供する。提供部１３４は、外部の情報処理装置へ各種情報を提供する。提供部１３４は、端末装置１０等の外部の情報処理装置に各種情報を提供する。提供部１３４は、端末装置１０に各種情報を送信する。提供部１３４は、端末装置１０に各種情報を配信する。提供部１３４は、取得部１３１により取得された各種情報に基づいて、種々の情報を提供する。提供部１３４は、生成部１３２により生成された各種情報に基づいて、種々の情報を提供する。提供部１３４は、予測部１３３により予測された各種情報に基づいて、種々のサービスを提供する。提供部１３４は、予測部１３３により予測された各種情報に基づいて、種々の情報を提供する。提供部１３４は、端末装置１０へ予測結果に基づく情報を提供する。提供部１３４は、端末装置１０へ予測結果に基づくコンテンツを提供する。

例えば、提供部１３４は、歩行中以外と予測されたユーザが利用する端末装置１０に、記事コンテンツを提供してもよい。例えば、提供部１３４は、図２の例で歩行中と予測されたユーザＵ２１が利用する端末装置ＴＭ２１に、音声コンテンツを提供してもよい。

〔３．情報処理のフロー〕
〔３−１．生成処理のフロー〕
ここで、図１２を用いて、実施形態に係る情報処理装置１００による情報処理の手順について説明する。図１２は、実施形態に係る情報処理の一例を示すフローチャートである。具体的には、図１２は、実施形態に係るモデルの生成処理の一例を示すフローチャートである。

図１２に示すように、予測装置１００は、第１モデル用学習データを取得する（ステップＳ１０１）。例えば、予測装置１００は、第１モデル学習用情報記憶部１２４から学習データを取得する。

その後、予測装置１００は、学習データに基づきモデルを生成する（ステップＳ１０２）。図１の例では、予測装置１００は、第１モデル学習用情報記憶部１２４から取得した学習データを用いて第１モデルであるモデルＭ１を生成する。

〔３−２．予測処理のフロー〕
次に、図１３を用いて、実施形態に係る情報処理装置１００による情報処理の手順について説明する。図１３は、実施形態に係る情報処理の一例を示すフローチャートである。具体的には、図１３は、実施形態に係る予測処理の一例を示すフローチャートである。

図１３に示すように、情報処理装置１００は、所定の事柄の予測に用いる第１モデルを取得する（ステップＳ２０１）。例えば、情報処理装置１００は、ユーザの歩行の予測に用いる第１モデルであるモデルＭ１を取得する。

また、情報処理装置１００は、第１モデルの要素を補正する第２モデルを取得する（ステップＳ２０２）。例えば、情報処理装置１００は、第２モデルであるモデルＭ２１−１、Ｍ２１−１等を取得する。

また、情報処理装置１００は、第２モデルを用いて要素を補正することにより、第１モデルを用いて所定の事柄を予測する（ステップＳ２０３）。例えば、情報処理装置１００は、モデルＭ１の生成対象機種と異なる機種の端末装置１０が予測対象である場合、モデルＭ２１−１、Ｍ２１−１等を用いて、モデルＭ１の要素である特徴量を補正することにより、モデルＭ１を用いてユーザの歩行を予測する。

〔４．効果〕
上述してきたように、実施形態に係る情報処理装置１００は、取得部１３１と、予測部１３３とを有する。取得部１３１は、所定の事柄の予測に用いる第１モデルと、第１モデルの要素を補正する第２モデルとを取得する。予測部１３３は、第１モデルに入力情報を入力することにより所定の事柄を予測する場合、第２モデルを用いて要素を補正することにより、第１モデルを用いて所定の事柄を予測する。

このように、実施形態に係る情報処理装置１００は、所定の事柄の予測に用いる第１モデルに入力情報を入力することにより所定の事柄を予測する場合、第１モデルの要素を補正する第２モデルを用いて要素を補正することにより、第１モデルを用いて所定の事柄を適切に予測することができる。すなわち、情報処理装置１００は、第１モデルの要素を第２モデルにより補正することで、第１モデルを種々の予測対象に対して利用可能となるため、１つの第１モデルを種々の予測対象に対して使い回すことができ、効率的な予測を可能にすることができる。

また、実施形態に係る情報処理装置１００において、取得部１３１は、第１モデルの要素に対応する値を補正する第２モデルを取得する。予測部１３３は、第２モデルを用いて要素に対応する値を補正することにより、第１モデルを用いて所定の事柄を予測する。

このように、実施形態に係る情報処理装置１００は、第２モデルを用いて要素に対応する値を補正することにより、第１モデルを用いて所定の事柄を予測することにより、所定の事柄を適切に予測することができる。すなわち、情報処理装置１００は、第１モデルの要素に対応する値を第２モデルにより補正することで、第１モデルを種々の予測対象に対して利用可能となるため、１つの第１モデルを種々の予測対象に対して使い回すことができ、効率的な予測を可能にすることができる。

また、実施形態に係る情報処理装置１００において、取得部１３１は、第１モデルにおける重みと特徴量とを含む要素のうち、特徴量に対応する値を補正する第２モデルを取得する。予測部１３３は、第２モデルを用いて特徴量に対応する値を補正することにより、第１モデルを用いて所定の事柄を予測する。

このように、実施形態に係る情報処理装置１００は、第２モデルを用いて特徴量に対応する値を補正することにより、第１モデルを用いて所定の事柄を予測することにより、所定の事柄を適切に予測することができる。すなわち、情報処理装置１００は、第１モデルの特徴量に対応する値を第２モデルにより補正することで、第１モデルを種々の予測対象に対して利用可能となるため、１つの第１モデルを種々の予測対象に対して使い回すことができ、効率的な予測を可能にすることができる。

また、実施形態に係る情報処理装置１００において、取得部１３１は、所定のセンサにより検知されるセンサ情報に基づく入力情報が入力された場合に、所定の事柄に対応する出力情報を出力する第１モデルを取得する。

このように、実施形態に係る情報処理装置１００は、所定のセンサにより検知されるセンサ情報に基づく入力情報が入力された場合に、所定の事柄に対応する出力情報を出力する第１モデルを取得することにより、第１モデルを用いて所定の事柄を適切に予測することができる。

また、実施形態に係る情報処理装置１００において、取得部１３１は、所定の端末に対する物理量の情報を含むセンサ情報に基づく入力情報が入力された場合に、出力情報を出力する第１モデルを取得する。

このように、実施形態に係る情報処理装置１００は、所定の端末に対する物理量の情報を含むセンサ情報に基づく入力情報が入力された場合に、出力情報を出力する第１モデルを取得することにより、第１モデルを用いて所定の事柄を適切に予測することができる。

また、実施形態に係る情報処理装置１００において、取得部１３１は、所定の端末周辺の環境情報を含むセンサ情報に基づく入力情報が入力された場合に、出力情報を出力する第１モデルを取得する。

このように、実施形態に係る情報処理装置１００は、所定の端末周辺の環境情報を含むセンサ情報に基づく入力情報が入力された場合に、出力情報を出力する第１モデルを取得することにより、第１モデルを用いて所定の事柄を適切に予測することができる。

また、実施形態に係る情報処理装置１００において、取得部１３１は、所定の端末を利用するユーザの生体情報を含むセンサ情報に基づく入力情報が入力された場合に、出力情報を出力する第１モデルを取得する。

このように、実施形態に係る情報処理装置１００は、所定の端末を利用するユーザの生体情報を含むセンサ情報に基づく入力情報が入力された場合に、出力情報を出力する第１モデルを取得することにより、第１モデルを用いて所定の事柄を適切に予測することができる。

また、実施形態に係る情報処理装置１００において、取得部１３１は、加速度センサにより検知される加速度情報、ジャイロセンサにより検知される角速度情報、音センサにより検知される音声情報、所定のセンサにより検知される運動状態情報うち、少なくとも１つを含むセンサ情報に基づく入力情報が入力された場合に、出力情報を出力する第１モデルを取得する。

このように、実施形態に係る情報処理装置１００は、加速度センサにより検知される加速度情報、ジャイロセンサにより検知される角速度情報、音センサにより検知される音声情報、所定のセンサにより検知される運動状態情報うち、少なくとも１つを含むセンサ情報に基づく入力情報が入力された場合に、出力情報を出力する第１モデルを取得することにより、第１モデルを用いて所定の事柄を適切に予測することができる。

また、実施形態に係る情報処理装置１００において、取得部１３１は、センサ情報の変化に基づく入力情報が入力された場合に、所定の事柄に対応する出力情報を出力する第１モデルを取得する。

このように、実施形態に係る情報処理装置１００は、センサ情報の変化に基づく入力情報が入力された場合に、所定の事柄に対応する出力情報を出力する第１モデルを取得することにより、第１モデルを用いて所定の事柄を適切に予測することができる。

また、実施形態に係る情報処理装置１００において、取得部１３１は、第１対象に関する第１情報を用いて生成された第１モデルと、第２対象に関する情報であって、第１情報に対応する情報である第２情報とを取得する。予測部１３３は、第１対象とは異なる第２対象を対象として所定の事柄を予測する場合、第１モデルに第２情報を入力情報として入力し、第２モデルを用いて要素を補正することにより、第１モデルを用いて第２対象における所定の事柄を予測する。

このように、実施形態に係る情報処理装置１００は、第１対象とは異なる第２対象を対象として所定の事柄を予測する場合、第１モデルに第２情報を入力情報として入力し、第２モデルを用いて要素を補正することにより、第１モデルを用いて第２対象における所定の事柄を予測することにより、所定の事柄を適切に予測することができる。すなわち、情報処理装置１００は、第１モデルの要素を第２モデルにより補正することで、第１モデルを種々の予測対象に対して利用可能となるため、１つの第１モデルを種々の予測対象に対して使い回すことができ、効率的な予測を可能にすることができる。

また、実施形態に係る情報処理装置１００において、取得部１３１は、第２情報における要素に対応する第２値を、第１情報における要素に対応する第１値に変換する第２モデルを取得する。予測部１３３は、第２値が入力された第２モデルが出力する第１値と、第１モデルにおける要素に対応する重みとを用いて、第２対象における所定の事柄を予測する。

このように、実施形態に係る情報処理装置１００は、第２値が入力された第２モデルが出力する第１値と、第１モデルにおける要素に対応する重みとを用いて、第２対象における所定の事柄を予測することにより、所定の事柄を適切に予測することができる。すなわち、情報処理装置１００は、第１モデルの要素を第２モデルにより補正することで、第１モデルを種々の予測対象に対して利用可能となるため、１つの第１モデルを種々の予測対象に対して使い回すことができ、効率的な予測を可能にすることができる。

また、実施形態に係る情報処理装置１００において、取得部１３１は、第１対象である第１端末に関する第１情報を用いて生成された第１モデルを取得する。予測部１３３は、第１端末とは異なる第２対象である第２端末を対象として所定の事柄を予測する場合、第２モデルを用いて要素を補正することにより、第１モデルを用いて第２端末における所定の事柄を予測する。

このように、実施形態に係る情報処理装置１００は、第１端末とは異なる第２対象である第２端末を対象として所定の事柄を予測する場合、第２モデルを用いて要素を補正することにより、第１モデルを用いて第２端末における所定の事柄を予測することにより、所定の事柄を適切に予測することができる。すなわち、情報処理装置１００は、第１モデルの要素を第２モデルにより補正することで、第１モデルを種々の予測対象に対して利用可能となるため、１つの第１モデルを種々の予測対象に対して使い回すことができ、効率的な予測を可能にすることができる。

また、実施形態に係る情報処理装置１００において、予測部１３３は、第１端末とは異なる機種である第２端末を対象として所定の事柄を予測する場合、第２モデルを用いて要素を補正することにより、第１モデルを用いて第２端末における所定の事柄を予測する。

このように、実施形態に係る情報処理装置１００は、第１端末とは異なる機種である第２端末を対象として所定の事柄を予測する場合、第２モデルを用いて要素を補正することにより、第１モデルを用いて第２端末における所定の事柄を予測することにより、所定の事柄を適切に予測することができる。すなわち、情報処理装置１００は、第１モデルの要素を第２モデルにより補正することで、第１モデルを種々の予測対象に対して利用可能となるため、１つの第１モデルを種々の予測対象に対して使い回すことができ、効率的な予測を可能にすることができる。

また、実施形態に係る情報処理装置１００において、取得部１３１は、第１端末が有する第１センサにより検知されたセンサ情報である第１情報を用いて生成された第１モデルと、第２端末が有する第２センサにより検知されたセンサ情報である第２情報とを取得する。

このように、実施形態に係る情報処理装置１００は、第１端末が有する第１センサにより検知されたセンサ情報である第１情報を用いて生成された第１モデルと、第２端末が有する第２センサにより検知されたセンサ情報である第２情報とを取得することにより、第１モデルを用いて所定の事柄を適切に予測することができる。

また、実施形態に係る情報処理装置１００において、取得部１３１は、第２情報における要素に対応する第２センサ値と、第２センサの特徴を示すセンサ特徴情報とが入力された場合、第１情報における要素に対応する第１センサ値に第２センサ値を変換する第２モデルを取得する。予測部１３３は、第２センサ値が入力された第２モデルが出力する第１センサ値と、第１モデルにおける要素に対応する重みとを用いて、第２端末における所定の事柄を予測する。

このように、実施形態に係る情報処理装置１００は、第２センサ値が入力された第２モデルが出力する第１センサ値と、第１モデルにおける要素に対応する重みとを用いて、第２端末における所定の事柄を予測することにより、所定の事柄を適切に予測することができる。すなわち、情報処理装置１００は、第１モデルの要素を第２モデルにより補正することで、第１モデルを種々の予測対象に対して利用可能となるため、１つの第１モデルを種々の予測対象に対して使い回すことができ、効率的な予測を可能にすることができる。

また、実施形態に係る情報処理装置１００において、取得部１３１は、第２センサ値と、第２センサを示す製品情報を含むセンサ特徴情報とが入力された場合、第１センサ値に第２センサ値を変換する第２モデルを取得する。

このように、実施形態に係る情報処理装置１００は、第２センサ値と、第２センサを示す製品情報を含むセンサ特徴情報とが入力された場合、第１センサ値に第２センサ値を変換する第２モデルを取得することにより、第１モデルを用いて所定の事柄を適切に予測することができる。

また、実施形態に係る情報処理装置１００において、取得部１３１は、第２センサ値と、第２センサの第２端末における配置を示す位置情報を含むセンサ特徴情報とが入力された場合、第１センサ値に第２センサ値を変換する第２モデルを取得する。

このように、実施形態に係る情報処理装置１００は、第２センサ値と、第２センサの第２端末における配置を示す位置情報を含むセンサ特徴情報とが入力された場合、第１センサ値に第２センサ値を変換する第２モデルを取得することにより、第１モデルを用いて所定の事柄を適切に予測することができる。

また、実施形態に係る情報処理装置１００において、取得部１３１は、第２センサ値と、第２センサに用いられた基盤を示す基盤情報を含むセンサ特徴情報とが入力された場合、第１センサ値に第２センサ値を変換する第２モデルを取得する。

このように、実施形態に係る情報処理装置１００は、第２センサ値と、第２センサに用いられた基盤を示す基盤情報を含むセンサ特徴情報とが入力された場合、第１センサ値に第２センサ値を変換する第２モデルを取得することにより、第１モデルを用いて所定の事柄を適切に予測することができる。

また、実施形態に係る情報処理装置１００において、取得部１３１は、第２センサ値と、第２センサの第２端末の重さを示す重さ情報を含むセンサ特徴情報とが入力された場合、第１センサ値に第２センサ値を変換する第２モデルを取得する。

このように、実施形態に係る情報処理装置１００は、第２センサ値と、第２センサの第２端末の重さを示す重さ情報を含むセンサ特徴情報とが入力された場合、第１センサ値に第２センサ値を変換する第２モデルを取得することにより、第１モデルを用いて所定の事柄を適切に予測することができる。

また、実施形態に係る情報処理装置１００において、取得部１３１は、第１端末を利用する第１ユーザにおける所定の事柄の予測に用いる第１モデルを取得する。予測部１３３は、第２端末を利用する第２ユーザを対象として所定の事柄を予測する場合、第２モデルを用いて要素を補正することにより、第１モデルを用いて第２ユーザにおける所定の事柄を予測する。

このように、実施形態に係る情報処理装置１００は、第２端末を利用する第２ユーザを対象として所定の事柄を予測する場合、第２モデルを用いて要素を補正することにより、第１モデルを用いて第２ユーザにおける所定の事柄を予測することにより、所定の事柄を適切に予測することができる。すなわち、情報処理装置１００は、第１モデルの要素を第２モデルにより補正することで、第１モデルを種々のユーザに対して利用可能となるため、１つの第１モデルを種々のユーザに対して使い回すことができ、効率的な予測を可能にすることができる。

〔５．ハードウェア構成〕
上述してきた実施形態に係る情報処理装置１００は、例えば図１４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１４は、情報処理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、ＨＤＤ（Hard Disk Drive）１４００、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、かかる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を介して他の機器からデータを受信してＣＰＵ１１００へ送り、ＣＰＵ１１００が生成したデータをネットワークＮを介して他の機器へ提供する。

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、生成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、かかるプログラムを、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が実施形態に係る情報処理装置１００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またはデータ（例えば、モデルＭ１（モデルデータＭＤＴ１））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またはデータ（例えば、モデルＭ１（モデルデータＭＤＴ１））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。

〔６．その他〕
また、上記実施形態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生成することができる。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に記載された各処理は、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 情報処理システム
１００ 情報処理装置
１２１ ユーザ情報記憶部
１２２ 端末機種情報記憶部
１２３ センサ情報記憶部
１２４ 第１モデル学習用情報記憶部
１２５ 第１モデル情報記憶部
１２６ 第２モデル学習用情報記憶部
１２７ 第２モデル情報記憶部
１３０ 制御部
１３１ 取得部
１３２ 生成部
１３３ 予測部
１３４ 提供部
１０ 端末装置
Ｎ ネットワーク

Claims (22)

1. 所定の事柄の予測に用いる第１モデルと、前記第１モデルの要素を補正する第２モデルとを取得する取得部と、
   前記第１モデルに入力情報を入力することにより前記所定の事柄を予測する場合、前記第２モデルを用いて前記要素を補正することにより、前記第１モデルを用いて前記所定の事柄を予測する予測部と、
   を備えることを特徴とする情報処理装置。
2. 前記取得部は、
   前記第１モデルの前記要素に対応する値を補正する前記第２モデルを取得し、
   前記予測部は、
   前記第２モデルを用いて前記要素に対応する値を補正することにより、前記第１モデルを用いて前記所定の事柄を予測する
   ことを特徴とする請求項１に記載の情報処理装置。
3. 前記取得部は、
   前記第１モデルにおける重みと特徴量とを含む前記要素のうち、前記特徴量に対応する値を補正する前記第２モデルを取得し、
   前記予測部は、
   前記第２モデルを用いて前記特徴量に対応する値を補正することにより、前記第１モデルを用いて前記所定の事柄を予測する
   ことを特徴とする請求項１または請求項２に記載の情報処理装置。
4. 前記取得部は、
   所定のセンサにより検知されるセンサ情報に基づく前記入力情報が入力された場合に、前記所定の事柄に対応する出力情報を出力する前記第１モデルを取得する
   ことを特徴とする請求項１〜３のいずれか１項に記載の情報処理装置。
5. 前記取得部は、
   所定の端末に対する物理量の情報を含む前記センサ情報に基づく前記入力情報が入力された場合に、前記出力情報を出力する前記第１モデルを取得する
   ことを特徴とする請求項４に記載の情報処理装置。
6. 前記取得部は、
   所定の端末周辺の環境情報を含む前記センサ情報に基づく前記入力情報が入力された場合に、前記出力情報を出力する前記第１モデルを取得する
   ことを特徴とする請求項４または請求項５に記載の情報処理装置。
7. 前記取得部は、
   所定の端末を利用するユーザの生体情報を含む前記センサ情報に基づく前記入力情報が入力された場合に、前記出力情報を出力する前記第１モデルを取得する
   ことを特徴とする請求項４〜６のいずれか１項に記載の情報処理装置。
8. 前記取得部は、
   加速度センサにより検知される加速度情報、ジャイロセンサにより検知される角速度情報、音センサにより検知される音声情報、所定のセンサにより検知される運動状態情報のうち、少なくとも１つを含む前記センサ情報に基づく前記入力情報が入力された場合に、前記出力情報を出力する前記第１モデルを取得する
   ことを特徴とする請求項４〜７のいずれか１項に記載の情報処理装置。
9. 前記取得部は、
   前記センサ情報の変化に基づく前記入力情報が入力された場合に、前記所定の事柄に対応する出力情報を出力する前記第１モデルを取得する
   ことを特徴とする請求項４〜８のいずれか１項に記載の情報処理装置。
10. 前記取得部は、
    第１対象に関する第１情報を用いて生成された前記第１モデルと、第２対象に関する情報であって、前記第１情報に対応する情報である第２情報とを取得し、
    前記予測部は、
    前記第１対象とは異なる前記第２対象を対象として前記所定の事柄を予測する場合、前記第１モデルに前記第２情報を前記入力情報として入力し、前記第２モデルを用いて前記要素を補正することにより、前記第１モデルを用いて前記第２対象における前記所定の事柄を予測する
    ことを特徴とする請求項１〜９のいずれか１項に記載の情報処理装置。
11. 前記取得部は、
    前記第２情報における前記要素に対応する第２値を、前記第１情報における前記要素に対応する第１値に変換する前記第２モデルを取得し、
    前記予測部は、
    前記第２値が入力された前記第２モデルが出力する前記第１値と、前記第１モデルにおける前記要素に対応する重みとを用いて、前記第２対象における前記所定の事柄を予測する
    ことを特徴とする請求項１０に記載の情報処理装置。
12. 前記取得部は、
    前記第１対象である第１端末に関する前記第１情報を用いて生成された前記第１モデルを取得し、
    前記予測部は、
    前記第１端末とは異なる前記第２対象である第２端末を対象として前記所定の事柄を予測する場合、前記第２モデルを用いて前記要素を補正することにより、前記第１モデルを用いて前記第２端末における前記所定の事柄を予測する
    ことを特徴とする請求項１０または請求項１１に記載の情報処理装置。
13. 前記予測部は、
    前記第１端末とは異なる機種である前記第２端末を対象として前記所定の事柄を予測する場合、前記第２モデルを用いて前記要素を補正することにより、前記第１モデルを用いて前記第２端末における前記所定の事柄を予測する
    ことを特徴とする請求項１２に記載の情報処理装置。
14. 前記取得部は、
    前記第１端末が有する第１センサにより検知されたセンサ情報である前記第１情報を用いて生成された前記第１モデルと、前記第２端末が有する第２センサにより検知されたセンサ情報である前記第２情報とを取得する
    ことを特徴とする請求項１２または請求項１３に記載の情報処理装置。
15. 前記取得部は、
    前記第２情報における前記要素に対応する第２センサ値と、前記第２センサの特徴を示すセンサ特徴情報とが入力された場合、前記第１情報における前記要素に対応する第１センサ値に前記第２センサ値を変換する前記第２モデルを取得し、
    前記予測部は、
    前記第２センサ値が入力された前記第２モデルが出力する前記第１センサ値と、前記第１モデルにおける前記要素に対応する重みとを用いて、前記第２端末における前記所定の事柄を予測する
    ことを特徴とする請求項１４に記載の情報処理装置。
16. 前記取得部は、
    前記第２センサ値と、前記第２センサを示す製品情報を含む前記センサ特徴情報とが入力された場合、前記第１センサ値に前記第２センサ値を変換する前記第２モデルを取得する
    ことを特徴とする請求項１５に記載の情報処理装置。
17. 前記取得部は、
    前記第２センサ値と、前記第２センサの前記第２端末における配置を示す位置情報を含む前記センサ特徴情報とが入力された場合、前記第１センサ値に前記第２センサ値を変換する前記第２モデルを取得する
    ことを特徴とする請求項１５または請求項１６に記載の情報処理装置。
18. 前記取得部は、
    前記第２センサ値と、前記第２センサに用いられた基盤を示す基盤情報を含む前記センサ特徴情報とが入力された場合、前記第１センサ値に前記第２センサ値を変換する前記第２モデルを取得する
    ことを特徴とする請求項１５〜１７のいずれか１項に記載の情報処理装置。
19. 前記取得部は、
    前記第２センサ値と、前記第２センサの前記第２端末の重さを示す重さ情報を含む前記センサ特徴情報とが入力された場合、前記第１センサ値に前記第２センサ値を変換する前記第２モデルを取得する
    ことを特徴とする請求項１５〜１８のいずれか１項に記載の情報処理装置。
20. 前記取得部は、
    第１端末を利用する第１ユーザにおける前記所定の事柄の予測に用いる前記第１モデルを取得し、
    前記予測部は、
    前記第２端末を利用する第２ユーザを対象として前記所定の事柄を予測する場合、前記第２モデルを用いて前記要素を補正することにより、前記第１モデルを用いて前記第２ユーザにおける前記所定の事柄を予測する
    ことを特徴とする請求項１３〜１９のいずれか１項に記載の情報処理装置。
21. コンピュータが実行する情報処理方法であって、
    所定の事柄の予測に用いる第１モデルと、前記第１モデルの要素を補正する第２モデルとを取得する取得工程と、
    前記第１モデルに入力情報を入力することにより前記所定の事柄を予測する場合、前記第２モデルを用いて前記要素を補正することにより、前記第１モデルを用いて前記所定の事柄を予測する予測工程と、
    を含むことを特徴とする情報処理方法。
22. 所定の事柄の予測に用いる第１モデルと、前記第１モデルの要素を補正する第２モデルとを取得する取得手順と、
    前記第１モデルに入力情報を入力することにより前記所定の事柄を予測する場合、前記第２モデルを用いて前記要素を補正することにより、前記第１モデルを用いて前記所定の事柄を予測する予測手順と、
    をコンピュータに実行させることを特徴とする情報処理プログラム。

Images