JP2020038448A - 情報処理装置、情報処理方法及びプログラム - Google Patents

Abstract

【課題】或る事象を他の事象でたとえることを可能にするための仕組みを提供すること。【解決手段】情報処理装置は、複数の第１の事象のそれぞれごとに、当該第１の事象に関する定量的な情報を含むデータと、当該第１の事象に関する主観的な情報を含むデータとを対応付けて記憶する第１の記憶部（対応付けＤＢ）と、第１の事象の組み合わせごとに当該組み合わせに係る各第１の事象の各データに基づいて、当該各第１の事象の間の類似性を示す指標の値を算出する算出部（類似事象抽出部）と、を有する。【選択図】図３

Description

本発明は、情報処理装置、情報処理方法及びプログラムに関する。

或る事象（例えば、或るスポーツの特定の技や楽器の演奏方法等）の習得に努力している人や、当該事象を知らない人等に対して、当該事象を感覚的に伝えることができれば、当該事象の習得や理解等を効果的に支援することができる。

従来技術では、行為者の動作と目的とする動作を重畳させることで目的動作へ近づき上達を促す方法が取られている（例えば、非特許文献１）。

"中村 祐基, 柳井 香史朗, 中川 純希, 温 文, 山川 博司, 山下 淳, 淺間 一 (2015) 重畳映像を用いた動作学習支援システムにおける映像提示視点の自動決定. サービス学会第3回国内大会講演論文集, pp.236-240, 金沢, April 2015. （査読付き口頭発表）

一方、本願発明者は、或る動作等の事象を他の事象によってたとえることができれば、当該或る動作等の事象を感覚的に伝えることが可能であると考えた。しかし、従来技術では、或る事象を他の事象にたとえて表現するための効果的な仕組みは検討されていない。

本発明は、上記の点に鑑みてなされたものであって、或る事象を他の事象でたとえることを可能にするための仕組みを提供することを目的とする。

そこで上記課題を解決するため、情報処理装置は、複数の第１の事象のそれぞれごとに、当該第１の事象に関する定量的な情報を含むデータと、当該第１の事象に関する主観的な情報を含むデータとを対応付けて記憶する第１の記憶部と、前記第１の事象の組み合わせごとに当該組み合わせに係る前記各第１の事象の前記各データに基づいて、当該各第１の事象の間の類似性を示す指標の値を算出する算出部と、を有する。

或る事象を他の事象でたとえることを可能にするための仕組みを提供することができる。

本発明の実施の形態におけるシステムの構成例を示す図である。 本発明の実施の形態における理解支援装置１０のハードウェア構成例を示す図である。 本発明の実施の形態における理解支援装置１０の機能構成例を示す図である。 事前処理の処理手順の一例を説明するためのフローチャートである。 カテゴリテーブルＴ１の構成例を示す図である。 定量データテーブルＴ２の構成例を示す図である。 主観データテーブルＴ３の構成例を示す図である。 類似性強化要素テーブルＴ４の構成例を示す図である。 定量データ、主観データ及び類似性強化要素データの入力画面の一例を示す図である。 類似度ＤＢ１２２の構成例を示す図である。 定量データの項目のうち主観データとの相関が強い項目を説明するための図である。 たとえ表現の提示処理の処理手順の一例を説明するためのフローチャートである。 既知情報テーブルＴ５の構成例を示す図である。 カテゴリが「経路」である事象に対応する定量データテーブルＴ２の構成例を示す図である。 カテゴリが「経路」である事象に対応する主観データテーブルＴ３の構成例を示す図である。 カテゴリが「経路」である事象に対応する類似性強化要素テーブルＴ４の構成例を示す図である。 カテゴリが「辛い料理」である事象に対応する定量データテーブルＴ２の構成例を示す図である。 カテゴリが「辛い料理」である事象に対応する主観データテーブルＴ３の構成例を示す図である。 カテゴリが「辛い料理」である事象に対応する類似性強化要素テーブルＴ４の構成例を示す図である。

［第１の実施形態］
以下、図面に基づいて本発明の実施の形態を説明する。図１は、本発明の実施の形態におけるシステムの構成例を示す図である。図１において、理解支援装置１０は、１以上の利用者端末２０とインターネット等のネットワークＮ１を介して接続される。利用者端末２０は、無線回線等を経由して、ネットワークＮ１に接続されてもよい。

理解支援装置１０は、例えば、利用者に対して、当該利用者が知りたい事象又は習得したい事象等（以下、「対象事象」とする）について、当該利用者にとって既知の事象（以下、「既知事象」という。）によってたとえた表現を提示することで、当該利用者による対象事象に関する感覚的な理解を支援する１以上のコンピュータである。例えば、ドラムのシングルストロークという技を練習している利用者が、ドラムのシングルストロークという事象を対象事象として入力した場合、当該利用者にとってバドミントンのラケットを振ることが既知事象であり、バドミントンのラケットを振ることとドラムのシングルストロークとが類似した動作であれば、理解支援装置１０は、例えば、「バドミントンのラケットを振る」といったたとえ表現を出力する。

利用者端末２０は、利用者が所有するスマートフォン、タブレット、ＰＣ（Personal Computer）、又はスマートスピーカ等、対象事象を示す（特定する）情報の入力、及び対象事象に類似する既知事象の出力に利用される端末である。本実施の形態において、各事象は、カテゴリ及び名称によって特定されることとする。換言すれば、利用者は、対象事象のカテゴリ及び名称を、対象事象を示す情報として利用者端末２０に入力する。カテゴリとは、本実施の形態において、事象の分類構造において最上位における概念である。すなわち、事象は、カテゴリによって大別される。名称は、カテゴリを細分化して、事象と一対一に対応する概念である。すなわち、名称は、事象に対応した粒度で定義される。このように、本実施の形態では、事象は、カテゴリ及び名称の２階層によって分類される例が示されるが、事象の分類方法は、これに限定されない。例えば、各事象が、大分類、中分類、小分類の３階層によって定義されてもよい。

図２は、本発明の実施の形態における理解支援装置１０のハードウェア構成例を示す図である。図２の理解支援装置１０は、それぞれバスＢで相互に接続されているドライブ装置１００、補助記憶装置１０２、メモリ装置１０３、ＣＰＵ１０４、及びインタフェース装置１０５等を有する。

理解支援装置１０での処理を実現するプログラムは、ＣＤ−ＲＯＭ等の記録媒体１０１によって提供される。プログラムを記憶した記録媒体１０１がドライブ装置１００にセットされると、プログラムが記録媒体１０１からドライブ装置１００を介して補助記憶装置１０２にインストールされる。但し、プログラムのインストールは必ずしも記録媒体１０１より行う必要はなく、ネットワークを介して他のコンピュータよりダウンロードするようにしてもよい。補助記憶装置１０２は、インストールされたプログラムを格納すると共に、必要なファイルやデータ等を格納する。

メモリ装置１０３は、プログラムの起動指示があった場合に、補助記憶装置１０２からプログラムを読み出して格納する。ＣＰＵ１０４は、メモリ装置１０３に格納されたプログラムに従って理解支援装置１０に係る機能を実行する。インタフェース装置１０５は、ネットワークに接続するためのインタフェースとして用いられる。

図３は、本発明の実施の形態における理解支援装置１０の機能構成例を示す図である。図３において、理解支援装置１０は、事象レコード生成部１１、定量データ入力部１２、主観データ入力部１３、類似性強化要素入力部１４、類似性評価部１５、事象入力部１６、類似事象抽出部１７及び出力部１８等を有する。これら各部は、理解支援装置１０にインストールされた１以上のプログラムが、ＣＰＵ１０４に実行させる処理により実現される。理解支援装置１０は、また、対応付けＤＢ１２１、類似度ＤＢ１２２及び既知情報ＤＢ１２３等のデータベース（記憶部）を利用する。これら各データベースは、例えば、補助記憶装置１０２、又は理解支援装置１０にネットワークを介して接続可能な記憶装置等を用いて実現可能である。

事象レコード生成部１１は、例えば、サービス提供者による操作に応じ、利用者が選択可能な各事象のカテゴリ及び名称を対応付けＤＢ１２１に登録する。

定量データ入力部１２は、カテゴリ及び名称が対応付けＤＢ１２１に登録された事象ごと（カテゴリ及び名称ごと）に、当該事象に関する定量データを入力とし、当該定量データを当該事象のカテゴリ及び名称に対応付けて対応付けＤＢ１２１に登録する。本実施の形態において、定量データとは、例えば、或る動作の手首の角度や腕の角度や、或る料理について味覚センサで取得した辛味値など、事象について客観的に観測又は計測等が可能な定量的な情報を含むデータをいう。入力される定量データは、可能な限り事象の理想値（動作であればプロの動作、味覚であれば万人の平均値など）であることが好ましい。この点は、後述される主観データ及び類似性強化要素データについては、プロに関する値よりも、万人の平均値や有無など（例えば、素人の疲労感の平均値や火鍋（辛い料理）を食べる一般的な場所）の方が好ましい。

主観データ入力部１３は、カテゴリ及び名称が対応付けＤＢ１２１に登録された事象ごと（カテゴリ及び名称ごと）に、当該事象に関する主観データを入力とし、当該主観データを当該事象のカテゴリ及び名称に対応付けて対応付けＤＢ１２１に登録する。本実施の形態において、主観データとは、例えば、或る動作時の疲労感や、ものを食べた時に感じるネバネバ感など、事象を実際に体験した人の感想等の主観的な情報を含むデータをいう。

類似性強化要素入力部１４は、カテゴリ及び名称が対応付けＤＢ１２１に登録された事象ごと（カテゴリ及び名称ごと）に、当該事象に関する類似性強化要素データを入力とし、当該類似性強化要素データを当該事象のカテゴリ及び名称に対応付けて対応付けＤＢ１２１に登録する。本実施の形態において、類似性強化要素データとは、例えば、動作に関する事象であれば、動作に利用される道具の特性（例えば、バドミントンのラケットの形状等）や動作の継続時間（一瞬で終わる動作なのか、うちわのように数分にわたり繰り返し行う動作なのか）等が一例であり、料理に関する事象であれば、珍味であるかどうか等の食べ物の社会的位置づけなど、当該情報が一致していることが事象間の類似性の判定に影響する情報を含むデータをいう。なお、類似性強化要素データに含まれる情報は、定量データに含まれる情報又は主観データに含まれる情報以外の情報であって、当該情報が一致していることが事象間の類似性の判定に影響する情報であればよく、類似性強化要素データに含まれる情報は所定の情報に限定されない。

上記より明らかなように、対応付けＤＢ１２１は、事象ごと（カテゴリ及び名称ごと）に、当該事象に関する定量データ、主観データ及び類似性強化要素データを対応付けて記憶する。

類似性評価部１５は、カテゴリ及び名称が対応付けＤＢ１２１に登録された事象の組み合わせ（２つの事象の組み合わせ）ごとの、当該組み合わせに係る各事象の定量データ、主観データ及び類似性強化要素データを入力とし、カテゴリ及び名称が対応付けＤＢ１２１に登録された事象の組み合わせ（２つの事象の組み合わせ）ごとに、当該組み合わせに係る各事象の定量データ、主観データ及び類似性強化要素データに基づいて、当該各事象の間の類似性を示す指標の値（以下、「類似度」という。）を算出し、算出された類似度を当該組み合わせに対応付けて類似度ＤＢ１２２に登録する。したがって、類似度ＤＢ１２２は、類似性評価部１５が事象の組み合わせごとに算出して類似度を、当該組み合わせごとに記憶する。なお、類似度の算出において、類似性強化要素データは必須ではない。すなわち、類似性強化要素データが使用されない形態が採用されてもよい。

事象入力部１６は、或る利用者の利用者端末２０から、当該利用者が程度感覚をたとえて提示してほしい事象（対象事象）のカテゴリ及び名称を受信（入力）し、受信したカテゴリ及び名称を類似事象抽出部１７へ出力する。

類似事象抽出部１７は、事象入力部１６からの対象事象のカテゴリ及び名称を入力とし、入力された対象事象との組み合わせについて類似度ＤＢ１２２に記憶された類似度に基づいて、対象事象との組み合わせに係る事象のうちの一部又は全部の事象を、対象事象に対する類似事象として抽出する。この際、類似度抽出部は、既知情報ＤＢ１２３に記憶された情報を参照して、類似事象として抽出する事象を、利用者にとって既知である事象に絞り込む。すなわち、既知情報ＤＢ１２３には、カテゴリ及び名称の組み合わせごと（すなわち、事象ごと）に、各利用者にとって当該事象が既知であるか否かを示すフラグ情報が記憶されている。既知の定義には、知識として知っていることのみならず、実際に経験したこと等が含まれてもよい。また、既知の定義は、サービス提供者によって任意に決定されてもよい。類似事象抽出部１７は、抽出した類似事象を出力する。

出力部１８は、類似事象抽出部１７によって抽出された類似事象を入力とし、装置の出力として出力する。

以下、理解支援装置１０が実行する処理手順について説明する。図４は、事前処理の処理手順の一例を説明するためのフローチャートである。

ステップＳ１０１において、事象レコード生成部１１は、例えば、サービス提供者による操作に応じ、利用者が選択可能な複数の事象のそれぞれのカテゴリ及び名称を対応付けＤＢ１２１のカテゴリテーブルＴ１に登録する。

図５は、カテゴリテーブルＴ１の構成例を示す図である。図５において、カテゴリテーブルＴ１は、カテゴリごとに列が割り当てられ、各カテゴリに属する名称の一覧を行方向に記憶するテーブルである。したがって、ステップＳ１０１では、各カテゴリがカテゴリテーブルＴ１列方向に登録され、カテゴリごとの名称の一覧が、各カテゴリの行方向に登録される。なお、カテゴリ及び当該カテゴリに属する名称の一覧は、例えば、辞書や書籍等から引用されてもよい。具体的には、サービス提供者などが辞書や書籍等から引用して事前にカテゴリテーブルＴ１を作成しておいてもよいし、辞書や書籍の電子データを利用し、データ更改時には自動で差分を引用して名称の項目として登録されるようにしてもよい。

続いて、定量データ入力部１２は、カテゴリテーブルＴ１に登録された事象ごと（カテゴリ及び名称ごと）に、当該事象に関する定量データを入力とし、当該定量データを当該事象のカテゴリ及び名称に対応付けて対応付けＤＢ１２１の定量データテーブルＴ２に登録する（Ｓ１０２）。なお、定量データの入力は、サービス提供者等による手入力によって行われてもよいし、センサ等による自動取得に基づいて行われてもよい。

図６は、定量データテーブルＴ２の構成例を示す図である。図６の定量データテーブルＴ２は、カテゴリ「動作」に対応する定量データテーブルＴ２である。すなわち、定量データテーブルＴ２は、カテゴリ別に生成される。カテゴリごとに定量データの構成（定量データの項目（種別）や項目の個数等）が異なる可能性が有るからである。この点については、主観データ及び類似性強化要素データについても同様である。

図６において、定量データテーブルＴ２は、カテゴリ「動作」に対してカテゴリテーブルＴ１（図５）に登録されている名称ごと（すなわち、事象ごと）に、当該事象に関する各定量データが１つの項目として登録可能なように構成されている。図６の例では、カテゴリ「動作」について、「手首の角度」、「腕の角度」及び「握力」等が定量データを構成する項目である例が示されている。本実施の形態では、１つのカテゴリに対して１以上の項目が設定される。図６では、「手首の角度」及び「腕の角度」については、例えば、センサによって計測された時系列の波形データが定量データとされる例が示されている。すなわち、「手首の角度」及び「腕の角度」の項目の波形は、横軸が時間を示し縦軸が手首の角度又は腕の角度を示すグラフである。なお、各カテゴリの定量データの各項目は、例えば、定量データの入力が行われる前までにサービス提供者等によって設定されればよい。

続いて、主観データ入力部１３は、カテゴリテーブルＴ１に登録された事象ごと（カテゴリ及び名称ごと）に、当該事象に関する主観データを入力とし、当該主観データを当該事象のカテゴリ及び名称に対応付けて対応付けＤＢ１２１の主観データテーブルＴ３に登録する（Ｓ１０３）。なお、主観データの入力は、サービス提供者等による手入力によって行われてもよいし、センサ等による自動取得に基づいて行われてもよい。

図７は、主観データテーブルＴ３の構成例を示す図である。図７の主観データテーブルＴ３は、カテゴリ「動作」に対応する主観データテーブルＴ３である。すなわち、主観データテーブルＴ３も、カテゴリ別に生成される。カテゴリごとに主観データの構成が異なる可能性が有るからである。

図７において、主観データテーブルＴ３は、カテゴリ「動作」に対してカテゴリテーブルＴ１（図５）に登録されている名称ごと（すなわち、事象ごと）に、当該事象に関する各主観データが１つの項目として登録可能なように構成されている。図７の例では、カテゴリ「動作」について、「疲労感」、「集中度」及び「楽しさ」等が主観データを構成する項目である例が示されている。本実施の形態では、主観データについては、１つのカテゴリに対して１以上の項目が設定される。図７では、０．０〜１．０の範囲の数値によって、主観データ各項目の値が評価される例が示されている。なお、各カテゴリの主観データの項目は、例えば、主観データの入力が行われる前までにサービス提供者等によって設定されればよい。

続いて、類似性強化要素入力部１４は、カテゴリテーブルＴ１に登録された事象ごと（カテゴリ及び名称ごと）に、当該事象に関する類似性強化要素データを入力とし、当該類似性強化要素データを当該事象のカテゴリ及び名称に対応付けて対応付けＤＢ１２１の類似性強化要素テーブルＴ４に登録する（Ｓ１０４）。なお、類似性強化要素データの入力は、サービス提供者等による手入力によって行われてもよいし、センサ等による自動取得に基づいて行われてもよい。但し、類似性強化要素データが入力されない事象が有ってもよい。すなわち、各事象について、類似性強化要素データは０以上が入力されればよい。

図８は、類似性強化要素テーブルＴ４の構成例を示す図である。図８の類似性強化要素テーブルＴ４は、カテゴリ「動作」に対応する類似性強化要素テーブルＴ４である。すなわち、類似性強化要素テーブルＴ４も、カテゴリ別に生成される。カテゴリごとに類似性強化要素データの構成が異なる可能性が有るからである。

図８において、類似性強化要素テーブルＴ４は、カテゴリ「動作」に対してカテゴリテーブルＴ１（図５）に登録されている名称ごと（すなわち、事象ごと）に、当該事象に関する各類似性強化要素データが１つの項目として登録可能なように構成されている。図８の例では、カテゴリ「動作」について、「道具の特性」及び「継続時間」等が類似性強化要素データを構成する項目である例が示されている。「道具の特性」とは、動作に利用される道具の特性であり、図８の例では、「固さ」、「長さ」、「素材」の３項目によって構成されている。「固さ」は、道具の固さである。「長さ」は、道具の長さである。「素材」は、利用者の手に触れる部分の素材である。「継続時間」は、動作の継続時間である。名称ごと（すなわち、事象ごと）に、どのような期間を継続時間とするかは適宜設定されればよい。例えば、「バドミントンのラケットを振る」については、１回の素振りの時間であってもよいし、所定回数の繰り返しの素振りの時間であってもよい。

なお、定量データ、主観データ及び類似性強化要素データがサービス提供者の手入力によって行われる場合、例えば、図９に示されるような画面を介してこれらの情報が入力されてもよい。

図９は、定量データ、主観データ及び類似性強化要素データの入力画面の一例を示す図である。図９において、入力画面５１０は、カテゴリ選択メニュー５１１、名称選択メニュー５１２、定量データ入力領域５１３、主観データ入力領域５１４、及び類似性強化要素データ入力領域５１５等を含む。

カテゴリ選択メニュー５１１は、カテゴリテーブルＴ１（図５）の列方向に登録されたカテゴリを選択肢とするプルダウンメニューである。図９では、「動作」が選択された状態が示されている。

名称選択メニュー５１２は、カテゴリ選択メニュー５１１において選択されたカテゴリに対してカテゴリテーブルＴ１（図５）の行方向に登録された名称を選択肢とするプルダウンメニューである。図９では、「動作」のカテゴリに属する名称のうち「バドミントンのラケットを振る」が選択された状態が示されている。

定量データ入力領域５１３は、カテゴリ選択メニュー５１１において選択された「動作」及び名称選択メニュー５１２において選択された「バドミントンのラケットを振る」に係る事象に対する定量データの各項目の値の入力を受け付けるための領域である。本実施の形態において、定量データの項目は、カテゴリ別に設定されるため、図９では、カテゴリ「動作」に対応する定量データの項目が表示された状態が示されている。カテゴリ「動作」対応する定量データの項目がいずれであるかは、定量データテーブルＴ２に基づいて特定可能である。

主観データ入力領域５１４は、カテゴリ選択メニュー５１１において選択された「動作」及び名称選択メニュー５１２において選択された「バドミントンのラケットを振る」に係る事象に対する主観データの各項目の値の入力を受け付けるための領域である。本実施の形態において、主観データの項目は、カテゴリ別に設定されるため、図９では、カテゴリ「動作」に対応する主観データの項目が表示された状態が示されている。カテゴリ「動作」対応する主観データの項目がいずれであるかは、主観データテーブルＴ３に基づいて特定可能である。

類似性強化要素データ入力領域５１５は、カテゴリ選択メニュー５１１において選択された「動作」及び名称選択メニュー５１２において選択された「バドミントンのラケットを振る」に係る事象に対する類似性強化要素データの各項目の値の入力を受け付けるための領域である。本実施の形態において、類似性強化要素データの項目は、カテゴリ別に設定されるため、図９では、カテゴリ「動作」に対応する類似性強化要素データの項目が表示された状態が示されている。カテゴリ「動作」対応する類似性強化要素データの項目がいずれであるかは、類似性強化要素テーブルＴ４に基づいて特定可能である。

なお、同じカテゴリに属する全ての名称（事象）について、定量データの項目の構成、主観データの項目の構成、及び類似性強化要素データの項目の構成が完全に一致するとは限らない。したがって、名称（事象）によっては、定量データ、主観データ、類似性強化要素データの一部の項目が入力されなくてもよい（又はｎｕｌｌが入力されてもよい）。

なお、図６に示される主観データ（「手首の角度」、「腕の角度」）のように、波形データ等のようなデータの場合には、波形の形状を特定可能な情報が記録されたファイルの読み込みが可能とされてもよい。

続いて、類似性評価部１５は、カテゴリテーブルＴ１（図５）に登録された各事象について、他の全ての事象との組み合わせごと（すなわち、２つの事象の組み合わせごと）に、当該組み合わせに係る事象の間の類似度を算出し、算出した類似度を当該組み合わせに対応付けて類似度ＤＢ１２２に登録する（Ｓ１０５）。

図１０は、類似度ＤＢ１２２の構成例を示す図である。図１０において、類似度ＤＢ１２２には、行方向及び列方向に各事象（カテゴリ及び名称の組み合わせ）が配列され、各行の事象と各列の事象との組み合わせごとに、当該組み合わせについて算出された類似度が記憶される。なお、同じ事象同士の類似度は、例えば、類似度の最高値を示す「ＭＡＸ」が記憶される。

なお、類似度は、例えば、コサイン類似度等のように複数項目の総合的な類似度が算出可能な方法によって算出されてもよい。例えば、以下の式に基づいて類似度ｓｉｍが算出されてもよい。

但し、
ｘ：一方の事象（以下、「事象Ｘ」という。）に関する項目の値の配列
ｙ：他方の事象（以下、「事象Ｙ」という。）に関する項目の値の配列
ｘ_ｉ：ｘにおけるｉ番目の項目の値
ｙ_ｉ：ｙにおけるｉ番目の項目の値
Λ：分母が０となるのを避けるための定数（例えば、１等）
Ｎ：事象Ｘに関する項目と事象Ｙに関する項目との共通項目の個数
ｉ：１〜Ｎ
なお、項目の値の配列とは、定量データの各項目の値、主観データの各項目の値、類似性強化要素データの各項目の値の配列をいう。また、ｘにおけるパラメータの配列における項目の並び順と、ｙにおけるパラメータの配列における項目の並び順とは同じである。例えばｘ_ｉとｙ_ｉとは、同じ項目（例えば、主観データの「手首の角度」）の値である。

ｘ_ｉ、ｙ_ｉが、図６の主観データの「手首の角度」や「腕の角度」のように、波形のような系列データである場合、類似性評価部１５は、ピーク値等の代表値をｘ_ｉ、ｙ_ｉに代入してもよい。又は、類似性評価部１５は、ｘ_ｉ、ｙ_ｉそれぞれのピーク値、同相性、分散、平均値など波形の特徴を表すパラメータのうちｎ個のパラメータを計算し、ｘ_ｉ、ｙ_ｉそれぞれをｎ個の変数に細分化（分割）して、各変数に各パラメータの計算結果を代入してもよい。又は、類似性評価部１５は、ｘ_ｉ、ｙ_ｉのそれぞれの波形をフーリエ変換し、それぞれのスペクトル値をｘ_ｉ、ｙ_ｉに代入してもよい。又は、類似性評価部１５は、ＭＡＴＬＡＢ等の数値計算ソフトを利用して、ｘ_ｉの波形とｙ_ｉの波形との相互相関を関数ｘｃｏｒｒ（）等により求めてもよい。この場合、類似性評価部１５は、ｘ_ｉ及びｙ_ｉについては、数１に示した式に代入せずに、他の項目に関して数１に基づいて算出された類似度に対して、ｘ_ｉ及びｙ_ｉについて計算された相互相関を加算することで、事象Ｘと事象Ｙとの最終的な類似度を算出してもよい。

また、ｘ_ｉ、ｙ_ｉが、図８の類似性強化要素データの「素材」のように、数値化されていない項目の値である場合には、類似性評価部１５は、ｘ_ｉ＝ｙ_ｉであれば、ｘ_ｉ＝１、ｙ_ｉ＝１とし、ｘ_ｉ≠ｙ_ｉであれば、ｘ_ｉ＝０、ｙ_ｉ＝０として数値化してもよい。

本実施の形態では、定量データ、主観データ及び類似性強化要素データのそれぞれの構成は、同一カテゴリの範囲内で共通だからである、したがって、本実施の形態では、事象Ｘと事象Ｙとが同じカテゴリの事象であれば、ｘとｙとは同じ項目の配列で構成される。但し、ｘ_ｉ及びｙ_ｉのいずれか一方の値が空（ｎｕｌｌ）である場合、ｉ番目の項目は、計算の対象外とされてもよい。

一方、事象Ｘと事象Ｙとが異なるカテゴリの事象であれば、ｘとｙとが同じ項目の配列で構成されるとは限らない。この場合、類似性評価部１５は、事象Ｘに関する項目と事象Ｙに関する項目との間で共通項目を抽出し、抽出された共通項目を同じ順番で配列した場合の事象Ｘの当該各共通項目の値の配列をｘとし、事象Ｙの当該各共通項目の値の配列をｙとすればよい。事象Ｘと事象Ｙとの間で共通の項目が一つも無い場合、類似性評価部１５は、事象Ｘと事象Ｙとの類似度を最低値（例えば、０）にすればよい。

なお、類似性評価部１５は、各項目の値を、０以上１以下の間に相対化（又は正規化）した後でｘ_ｉ又はｙ_ｉに代入してもよい。

また、事象Ｘと事象Ｙとの間での共通項目の全てが類似度の計算に利用されてもよいし、共通項目の一部のみが類似度の計算に利用されてもよい。類似度の計算に利用する項目は、サービス提供者が事前に選択してもよい。この場合、サービス提供者は、定量データ及び主観データからは１以上の項目を選択し、類似性強化要素データからは０以上の項目を選択する。例えば、サービス提供者が重視したい項目が、類似度の計算の利用対象として選択されてもよい。また、事象Ｘと事象Ｙとが同一カテゴリの場合には、当該カテゴリ内の事象において、値が入力されている項目数が最小の事象において値が入力されている項目のみが類似度の計算に利用されてもよいし、当該カテゴリ内の全ての事象について値が入力されている項目のみが類似度の計算に利用されてもよい。なお、類似度の計算に利用される項目が共通項目の一部に限定される場合、当該一部の項目に対して、類似度の計算要素であることを示すフラグ情報が、サービス提供者によって付与されてもよい。具体的には、定量データテーブルＴ２（図６）、主観データテーブルＴ３（図７）、類似性強化要素テーブルＴ４（図８）のそれぞれの項目のうち、類似度の計算要素として選択された項目にフラグ情報が付与されてもよい。なお、定量データ及び主観データについては、フラグ情報は、１項目のみに付与されてもよいし、重視したい順番が分かる情報として複数の項目に付与されてもよい。類似性強化要素データについては、全ての項目に対してフラグ情報が付与されなくてもよいし、重視したい順番が分かる情報として１以上の項目にフラグ情報が付与されてもよい。この場合、類似性評価部１５は、フラグ情報が付与された項目の方が、フラグ情報が付与されていない項目よりも重視されるように項目ごとに重み付けをして類似度を計算してもよい。例えば、類似性評価部１５は、フラグ情報が付与された項目のみを用いて類似度を算出してもよい。また、重視したい順番が分かる情報として複数項目に重み付けがなされている場合には、類似性評価部１５は、重視したいものほど重みが大きくなるように重み付けして類似度を算出してもよい。

また、類似性評価部１５は、主観データについては、事象Ｘと事象Ｙとの共通項目のうち、主観データとの相関が強い１以上の項目のみを類似度の計算に利用してもよい。そうすることで、事象間の類似度について、人が受ける印象をより強く考慮することができる。すなわち、動作等の程度そのものが似ていても各人は異なる印象を抱く場合があるからである。

図１１は、定量データの項目のうち主観データとの相関が強い項目を説明するための図である。図１１には、Ａさん、Ｂさん、Ｃさん等、複数人の主観データが収集され、当該複数人の主観データとの間で、定量データの各項目について相関が計算された例が示されている。

図１１の例では、事象「バドミントンのラケットを振る」の定量データの項目のうち、「手首の角度」についての主観データとの相関は以下の通りであることが示されている。
疲労感との相関：０．９
集中度との相関：０．２
楽しさとの相関：０．３
また、事象「バドミントンのラケットを振る」の定量データの項目のうち、「腕の角度」についての主観データとの相関は以下の通りであることが示されている。
疲労感との相関：０．７
集中度との相関：０．２
楽しさとの相関：０．３
更に、「バドミントンのラケットを振る」の定量データの項目のうち、「握力」についての主観データとの相関は以下の通りであることが示されている。
疲労感との相関：０．５
集中度との相関：０．５
楽しさとの相関：０．４
例えば、相関に対する閾値が０．７であり、閾値以上である項目が選択される場合、図１１の例では、「手首の角度」及び「腕の角度」が類似度の計算要素とされ、「握力」は当該計算要素から除外される。

なお、定量データの項目うち、主観データとの相関が相対的に高い項目は、類似性評価部１５が、類似度の計算時に選定してもよい。この場合、選定される項目数は、予めサービス提供者によって設定されてもよい。又は、主観データとの相関が相対的に高い項目は例えば、サービス提供者によって予め１以上選定され、選定された項目を識別するためのフラグ情報が、主観データテーブルＴ３に対して付与されてもよい。フラグ情報が付与された場合の類似度の計算（重み付け等）については、上記した通りでよい。

また、類似性評価部１５は、定量データ、主観データ及び類似性強化要素データの各共通項目について、各共通項目の特異性に基づいて重み付けを行って類似度を算出してもよい。重み付けの方法は、上記した通りでよい。特異性が高い項目とは、珍しい値（又は特徴的な値）を含む項目をいう。例えば、類似性評価部１５は、各項目の特異性を以下の（１）〜（３）の手順で計算する。
（１）類似性評価部１５は、同一カテゴリの定量データテーブルＴ２（図６）、主観データテーブルＴ３（図７）、類似性強化要素テーブルＴ４（図８）ごとに、各項目の各値について、珍しさ（特異性）を数値化した指標値（以下、「特異度」という。）を計算する。例えば、図８の類似性強化要素テーブルＴ４を例にすると、類似性評価部１５は、「固さ」、「長さ」、「素材」、「継続時間」ごとに、各項目の値について特異度を計算する。例えば、「素材」については、類似性評価部１５は、「皮」、「プラスチック」、「縄」等のそれぞれについて特異度を計算する。特異度は、当該値が当該項目の中でどの程度珍しいか（特徴的であるか）が数値化されたものであればよい。例えば、当該項目の値の平均値からの差分の絶対値や、当該項目における出現頻度の低さ（例えば、出現頻度の逆数）等によって特異度が計算されてもよい。したがって、例えば、「素材」において、「皮」の出現頻度が低ければ、「皮」の特異度は高くなり、「プラスチック」の出現頻度が高ければ、「プラスチック」の特異度は低くなる。
（２）類似性評価部１５は、各項目について値ごとに計算した特異度について、項目ごとに最大値を特定する。
（３）類似性評価部１５は、項目ごとの最大値を比較して、各項目の重み付けを決定する。例えば、類似性評価部１５は、一部の項目を類似度の計算要素として選択する。具体的には、特異度の最大値が閾値（例えば、各項目において取り得る特異度の最大値を１とし、最小値を０として正規化した場合の０．８等）以上である項目が、当該計算要素として選択されてもよい。又は、最大値が上位ｎ個の項目が、当該計算要素として選択されてもよい。なお、取り得る特異度とは、出現頻度で特異度を計算する場合は、全てに出現した場合を０とし、出現した回数に応じた割合とする。例えば、図８のＴ４で"道具の素材"という項目における"縄"について出現回数に基づいて特異度を計算する場合は、例えば特異度=1-(出現回数/全てに出現した場合の出現回数)等のように出現回数が少ないほど特異度が高くなるような式により計算する。また、平均値からの差分で特異度を計算する場合は、差分０の場合を０とし、平均から最も離れた限界値を１とする。例えば、図６のＴ２で"腕の角度"という項目について平均値からの差分で特異度を計算する場合は、"腕の角度"として記録された値の最大値や平均値を利用して、該当する項目（例えば"バドミントンのラケットを振る"）の"腕の角度"と全項目の"腕の角度"の平均値との差分が０の場合を０とし、人間が動作可能な"腕の角度"の最大角度、または／および、最小角度の場合が１となるような式により計算する。

図１２は、たとえ表現の提示処理の処理手順の一例を説明するためのフローチャートである。

ステップＳ２０１において、事象入力部１６は、或る利用者（以下、「対象利用者」という。）の利用者端末２０から、例えば、「ドラムのシングルストローク」等、程度感覚をたとえて提示してほしい事象（対象事象」）のカテゴリ及び名称を受信（入力）する。利用者端末２０における当該カテゴリ及び当該名称の入力は、例えば、所定の画面のカテゴリ用のプルダウンメニューからのカテゴリの選択と、名称用のプルダウンメニューからの名称の選択とによって行われてもよい。この場合、利用者端末２０は、選択されたカテゴリ及び名称を示す文字列を理解支援装置１０へ送信する。又は、対象事象のカテゴリ及び名称は、例えば、利用者端末２０に表示される所定の画面に対して、自由形式の文字列として入力されてもよい。この場合、利用者端末２０は、入力された自由形式の文字列を理解支援装置１０へ送信する。

又は、利用者端末２０がスマートスピーカである場合には、利用者端末２０が、選択肢としてのカテゴリ及び名称を列挙して音声出力してもよい。この場合、利用者は、列挙されたカテゴリ及び名称の中からいずれかのカテゴリ及び名称を発声することで、対象事象のカテゴリ及び名称を入力してもよい。若しくは、選択肢としてのカテゴリ及び名称の音声は列挙されずに、利用者が、対象事象のカテゴリ及び名称を自由形式で利用者端末２０に発声してもよい。いずれの場合であっても、利用者端末２０は、入力された音声を理解支援装置１０へ送信する。

理解支援装置１０の事象入力部１６は、利用者端末２０において上記のように入力された文字列又は音声を利用者端末２０から受信する。音声が受信された場合、事象入力部１６は、当該音声について音声認識を実行することで、受信された音声を文字列に変換する。以下、受信された文字列、又は音声から変換された文字列を「入力文字列」という。

続いて、事象入力部１６は、入力文字列を解析して、対象事象のカテゴリ（以下、「対象カテゴリ」という。）及び名称（以下、「対象名称」という。）を特定する（Ｓ２０２）。入力文字列が、選択肢から選択されたカテゴリ及び名称を含む場合、事象入力部１６は、当該カテゴリ及び当該名称を、対象カテゴリ、対象名称として特定する。入力文字列が自由形式である場合、事象入力部１６は、入力文字列に合致するカテゴリ及び名称又は入力文字列に最も類似のカテゴリ及び名称を、対象カテゴリ、対象名称として特定する。類似のカテゴリは、例えば、事前に名寄せ設定ファイルを用意し、「食べた感じ」、「柔らかさ」、「固さ」等が入力文字列であれば「食感」というカテゴリに集約する、等の方法により抽出されてもよい。名称についても同様である。

なお、事象入力部１６は、対象利用者の識別情報（以下「対象利用者ＩＤ」という。）と、対象カテゴリ及び対象名称を類似事象抽出部１７へ入力する。対象利用者ＩＤは、ステップＳ２０１の前に利用者端末２０から受信されてもよいし、ステップＳ２０１において利用者端末２０から受信されてもよい。

続いて、類似事象抽出部１７は、対象利用者にとって既知である事象（以下、「既知事象」という。）を、既知情報ＤＢ１２３に利用者ＩＤごとに登録されている既知情報テーブルＴ５のうち、対象利用者ＩＤに対応する既知情報テーブルＴ５から抽出する（Ｓ２０３）。

図１３は、既知情報テーブルＴ５の構成例を示す図である。図１３の既知情報テーブルＴ５は、対象利用者の既知情報テーブルＴ５を示す。

図１３において、既知情報テーブルＴ５には、カテゴリ及び名称の組み合わせごと（すなわち、事象ごと）に、対象利用者にとって当該事象が既知であるか否かを示すフラグ情報である「既知フラグ」が記憶されている。「既知フラグ」について、「１」は、既知であることを示し、「０」は、未知であることを示す。

各事象についての既知情報テーブルＴ５への「既知フラグ」の登録は、利用者自身の手動により、利用者端末２０等から事前に行われてもよい。又は、利用者の検索ログから知識を推定するなど利用者のログを用いて自動登録されてもよい。又は、各利用者の既知情報テーブルＴ５は、予め既知情報ＤＢ１２３に登録されていなくてもよい。例えば、利用者端末２０に既知情報テーブルＴ５が保存されていてもよい。この場合、各利用者の任意のタイミング（例えば、図１２のステップＳ２０１のタイミング等）で、利用者端末２０が、自端末に保存されている既知情報テーブルＴ５を理解支援装置１０へアップロードし、当該既知情報テーブルＴ５が既知情報ＤＢ１２３へ登録されてもよい。

いずれの場合であっても、ステップＳ２０３において、類似事象抽出部１７は、「既知フラグ」の値が「１」、即ち、既知であるカテゴリ及び名称の組み合わせ（すなわち、事象）を、対象利用者の既知事象のカテゴリ及び名称として抽出する。

続いて、類似事象抽出部１７は、抽出した各既知事象と対象事象との類似度を類似度ＤＢ１２２（図１０）から取得する（Ｓ２０４）。具体的には、類似事象抽出部１７は、既知事象のカテゴリ及び名称と、対象カテゴリ及び対象名称との組み合わせに対して類似度ＤＢ１２２に記憶されている類似度を取得する。

続いて、類似事象抽出部１７は、取得した類似度の降順に、一部又は全部の既知事象を抽出する（Ｓ２０５）。例えば、類似事象抽出部１７は、類似度の降順にｎ件（ｎ番目までの）既知事象を抽出してもよい。なお、本実施の形態では、類似度は、類似しているほど値が高くなる指標である。仮に、類似しているほど値が小さくなる指標を類似度とする場合には、取得した類似度の昇順にｎ件の既知情報が抽出されればよい。ｎは、１以上の整数であり、予め設定されていてもよいし、対象利用者によって対象事象の入力時に指定されてもよい。又は、ｎ＝１に固定されていてもよい。又は、類似度が閾値以上である全ての既知事象が抽出されてもよい。類似事象抽出部１７は、抽出した既知事象（以下、「類似事象」という。）を出力部１８へ入力する。

続いて、出力部１８は、類似事象抽出部１７から入力された類似事象を出力する（Ｓ２０６）。本実施の形態では、出力部１８は、当該類似事象を示す情報を利用者端末２０へ送信する。類似事象を示す情報の表現方法は任意でよい。例えば、出力部１８は、各類似事象のカテゴリ名及び名称と共に、対象事象との類似度を出力してもよい。又は、出力部１８は、対象事象を中心に配置し、対象事象の周囲に、類似度に応じて類似事象のカテゴリ名及び名称が放射線状に配置された図を出力してもよい。又は、出力部１８は、類似事象を示す画像を一出力してもよい。この場合、例えば、対応付けＤＢ１２１において、カテゴリテーブルＴ１（図５）に登録されている各名称（すなわち、各事象）に関連付けられて当該名称に係る事象を示す画像が記憶されていてもよい。

［第２の実施形態］
次に、第２の実施の形態について説明する。第２の実施の形態では上記の第１の実施の形態と異なる点について説明する。第２の実施の形態において特に言及されない点については、第１の実施の形態と同様でもよい。

上記の第１の実施の形態では、主に、カテゴリが「動作」である事象について説明したが、第２の実施の形態において適用可能な事象は、「動作」に関する事象に限られない。例えば、経路が事象とされてもよい。そうすることで、道案内ナビゲーションアプリ等で経路を案内する際に、当該経路の疲労度等を、利用者にとって既知の経路でたとえて提示することができる。この場合、対応付けＤＢ１２１には、例えば、図１４〜図１６に示されるテーブルが登録され、これらのテーブルが利用されてもよい。

すなわち、図１４は、カテゴリが「経路」である事象に対応する定量データテーブルＴ２の構成例を示す図である。また、図１５は、カテゴリが「経路」である事象に対応する主観データテーブルＴ３の構成例を示す図である。更に、図１６は、カテゴリが「経路」である事象に対応する類似性強化要素テーブルＴ４の構成例を示す図である。

［第３の実施形態］
次に、第３の実施の形態について説明する。第３の実施の形態では上記の第１又は第２の実施の形態と異なる点について説明する。第３の実施の形態において特に言及されない点については、第１又は第２の実施の形態と同様でもよい。

第３の実施の形態では、辛い料理が事象とされる。そうすることで、利用者にとって未知である料理の辛さ度合いを、利用者が食べたことがある料理でたとえて提示することができる。この場合、対応付けＤＢ１２１には、例えば、図１７〜図１９に示されるテーブルが登録され、これらのテーブルが利用されてもよい。

すなわち、図１７は、カテゴリが「辛い料理」である事象に対応する定量データテーブルＴ２の構成例を示す図である。また、図１８は、カテゴリが「辛い料理」である事象に対応する主観データテーブルＴ３の構成例を示す図である。更に、図１９は、カテゴリが「辛い料理」である事象に対応する類似性強化要素テーブルＴ４の構成例を示す図である。

上述したように、本実施の形態によれば、各事象に関する定量データ及び主観データに基づいて、事象間の類似度が算出される。当該類似度は、或る事象を他の事象にたとえる際に、当該他の事象を選択するための基準とすることができる。類似している事象同士は、お互いに他方のたとえとして適していると考えられるからである。したがって、本実施の形態によれば、或る事象を他の事象でたとえることを可能にするための仕組みを提供することができる。

また、本実施の形態では、更に、類似性強化要素データを用いて類似度が算出される。類似性強化要素データが用いられることで、類似度の精度を高めることができる。

また、本実施の形態では、利用者によって或る事象（対象事象）が入力されると、当該事象との類似度に基づいて、類似事象が出力される。したがって、対象事象について、他の事象によるたとえ表現によって、当該利用者による対象事象の理解を支援することができる。

また、本実施の形態では、利用者にとって既知の事象が、対象事象に対する類似事象として出力される。利用者の日常生活における既知の類似体験・知識を類似事象として利用者に提示することで、対象事象の程度感覚を分かり易く伝えることができる。例えば、楽器等の練習時に初心者に対して熟練者の力の入れ具合を伝える場面、初めて見る食べ物の味（辛さ度合）／食感（固さ度合）を伝える場面、訪日外国人に地震などニュースの緊急性を伝える場面などにおいて、程度感覚（身体動作のような感覚的なコツ、苦手な食べ物か否かの判断基準、出来事の深刻さ等）を分かり易く伝えることができる。

なお、本実施の形態において、理解支援装置１０は、情報処理装置の一例である。対応付けＤＢ１２１は、第１の記憶部の一例である。類似性評価部１５は、算出部の一例えある。類似度ＤＢ１２２は、第２の記憶部の一例である。事象入力部１６は、入力部の一例である。類似事象抽出部１７は、抽出部の一例である。既知情報ＤＢ１２３は、第３の記憶部の一例である。カテゴリテーブルＴ１にカテゴリ名及び名称が登録されている事象は、第１の事象の一例である。対象事象は、第２の事象の一例である。

以上、本発明の実施の形態について詳述したが、本発明は斯かる特定の実施形態に限定されるものではなく、特許請求の範囲に記載された本発明の要旨の範囲内において、種々の変形・変更が可能である。

１０ 理解支援装置
１１ 事象レコード生成部
１２ 定量データ入力部
１３ 主観データ入力部
１４ 類似性強化要素入力部
１５ 類似性評価部
１６ 事象入力部
１７ 類似事象抽出部
１８ 出力部
２０ 利用者端末
１００ ドライブ装置
１０１ 記録媒体
１０２ 補助記憶装置
１０３ メモリ装置
１０４ ＣＰＵ
１０５ インタフェース装置
１２１ 対応付けＤＢ
１２２ 類似度ＤＢ
１２３ 既知情報ＤＢ
Ｂ バス

Claims (7)

1. 複数の第１の事象のそれぞれごとに、当該第１の事象に関する定量的な情報を含むデータと、当該第１の事象に関する主観的な情報を含むデータとを対応付けて記憶する第１の記憶部と、
   前記第１の事象の組み合わせごとに当該組み合わせに係る前記各第１の事象の前記各データに基づいて、当該各第１の事象の間の類似性を示す指標の値を算出する算出部と、
   を有することを特徴とする情報処理装置。
2. 前記第１の記憶部は、更に、前記複数の第１の事象のそれぞれごとに、前記定量的な情報又は前記主観的な情報以外の情報を含むデータであって、前記第１の事象の間で当該情報が一致することにより当該第１の事象の間の類似性に影響する情報を含むデータを記憶し、
   前記算出部は、更に、前記第１の事象の組み合わせごとに当該組み合わせに係る前記各第１の事象の前記類似性に影響する情報を含むデータに基づいて、前記指標の値を算出する、
   ことを特徴とする請求項１記載の情報処理装置。
3. 前記算出部は、前記各データの項目ごとに、当該項目の特異性に基づく重み付けを行って、前記指標の値を算出する、
   ことを特徴とする請求項１又は２記載の情報処理装置。
4. 前記算出部が前記組み合わせごとに算出した前記指標の値を、前記組み合わせごとに記憶する第２の記憶部を有し、
   利用者から第２の事象を示す情報を入力する入力部と、
   前記第２の事象との組み合わせについて前記第２の記憶部に記憶された類似度に基づいて、前記第２の事象との組み合わせに係る前記第１の事象のうちの一部又は全部の前記第１の事象を抽出する抽出部と、
   前記抽出部が抽出した前記第１の事象を示す情報を出力する出力部と、
   を有することを特徴とする請求項１乃至３いずれか一項記載の情報処理装置。
5. 前記第１の事象ごとに、前記利用者にとって当該第１の事象が既知であるか否かを示す情報を記憶した第３の記憶部を有し、
   前記抽出部は、前記第３の記憶部を参照して、前記第２の記憶部に前記指標の値が記憶された前記組み合わせのうち、前記第２の事象との前記組み合わせであって、前記利用者にとって既知である前記第１の事象との組み合わせの中から、前記指標の値に基づいて一部又は全部の前記組み合わせを抽出する、
   ことを特徴とする請求項４記載の情報処理装置。
6. 複数の第１の事象のそれぞれごとに、当該第１の事象に関する定量的な情報を含むデータと、当該第１の事象に関する主観的な情報を含むデータとを対応付けて第１の記憶部に記憶する記憶手順と、
   前記第１の事象の組み合わせごとに当該組み合わせに係る前記各第１の事象の前記各データに基づいて、当該各第１の事象の間の類似性を示す指標の値を算出する算出手順と、
   をコンピュータが実行することを特徴とする情報処理方法。
7. 請求項１乃至５いずれか一項記載の各部としてコンピュータを機能させることを特徴とするプログラム。

Images