JP2020188947A - 状態判定装置、状態判定方法及びコンピュータプログラム - Google Patents

Abstract

【課題】人の状態を判定する技術の判定精度に関する技術であって、人の状態の変化の個人差に起因する判定精度の悪化を抑制する技術を提供すること。【解決手段】回答が回答者の個性を示す第１アンケートの回答を示す第１アンケート情報と前記回答者の生理状態を示す第１生理情報と、回答が回答者の個性を示さない第２アンケートの回答を示す第２アンケート情報と前記回答者の生理状態を示す第２生理情報とを取得する取得部と、判定の対象者が提供する第２生理情報又は第２アンケート情報と所属条件とに基づき対象者が所属するクラスタを推定する所属クラスタ推定部と、推定結果のクラスタにおける第１アンケート情報と第１生理情報との関係を示す状態関係情報と、対象者の第１生理情報とに基づいて対象者の状態を判定する状態判定部とを備え、第１アンケート情報と第１生理情報とを組み合わせた情報は個性を示す状態判定装置。【選択図】図１

Description

本発明は、状態判定装置、状態判定方法及びコンピュータプログラムに関する。

人の生理情報に基づいて眠気や情動状態等の人の状態（以下「人状態」という。）を判定する技術（特許文献１及び特許文献２参照）がある。
人状態は主に２つの要因で変化する。１つ目は、外的刺激に対して人の内部で起きる神経応答に基づく変化である。２つ目は、後天的な学習により獲得された経験に基づく変化である。

特開平１０−２７２９５９号公報 特開２０１３−１３５４２号公報

人状態を変化させる要因がどちらであっても、同じ変化に対する人の状態や人状態の変化は、個人によって差異があり、個人間のばらつきが大きい。そのため、一元的な方法で特定の個人の人状態を精度よく判定することは困難である。一元的な方法とは、全ての個人に対して同一の数式に基づいて人状態を判定する方法である。

上記事情に鑑み、本発明は、人の状態を判定する技術の判定精度に関する技術であって、人の状態の変化の個人差に起因する判定精度の悪化を抑制する技術を提供することを目的としている。

（１）本発明の一態様は、回答が回答者の個性を示さないアンケートを第１アンケートとし、回答が回答者の個性を示すアンケートを第２アンケートとして、前記第１アンケートに対する回答者の回答を示す情報である第１アンケート情報と、前記第１アンケートの回答者の生理状態を示す情報であって前記第１アンケートの回答者の個性を示さない情報である第１生理情報と、前記第２アンケートに対する回答者の回答を示す情報である第２アンケート情報と、前記第２アンケートの回答者の生理状態を示す情報であって前記第２アンケートの回答者の個性を示す情報である第２生理情報と、のうち、判定の対象となる判定対象者について、前記第１生理情報と、第２生理情報又は前記第２アンケート情報とを取得する取得部｛１０１｝と、前記第２生理情報又は前記第２アンケート情報と、前記第２生理情報又は前記第２アンケート情報に基づく所属条件とに基づいて、前記判定対象者が、回答者の母集団を形成する複数のクラスタのいずれに所属するかを推定する所属クラスタ推定部｛１０５｝と、前記複数のクラスタのそれぞれに予め定められる前記第１アンケート情報と前記第１生理情報との関係を示す状態関係情報であって前記所属クラスタ推定部｛１０５｝の推定結果に対応する前記状態関係情報と、前記判定対象者が提供する前記第１生理情報と、に基づいて、前記第１アンケートに対する前記判定対象者の回答を推定する回答推定部｛１０６｝と、前記回答推定部｛１０６｝が推定した前記回答に基づいて、前記判定対象者の状態を判定する状態判定部｛１０７｝と、を備え、前記第１生理情報と前記第１アンケート情報とは、前記第１生理情報と前記第１アンケート情報とを組合せた情報が個性を示す情報である、状態判定装置｛１｝である。

（２）本発明の一態様は、上記の状態判定装置｛１｝であって、前記母集団を構成する人を母集団形成者として、複数の前記母集団形成者が提供する第１生理情報及び第１アンケート情報に基づいて、前記クラスタごとの状態関係情報を取得する状態関係情報取得部｛１０３｝と、前記回答推定部｛１０６｝が推定した前記回答に関する所定の条件である更新条件が満たされる場合に、前記回答と、前記判定対象者が提供する前記第１生理情報とに基づいて前記状態関係情報を更新する第１更新部｛１０９｝と、をさらに備える。

（３）本発明の一態様は、上記の状態判定装置｛１｝であって、前記複数の母集団形成者の前記第１生理情報及び前記第１アンケート情報に基づいて前記母集団形成者を複数のクラスタに分類するクラスタリング部｛１０２｝と、前記更新条件が満たされる場合に、前記複数の母集団形成者の前記第１生理情報及び前記第１アンケート情報と、前記判定対象者の前記第１生理情報と、前記所属クラスタ推定部の推定結果に対応する前記状態関係情報とに基づいて、前記クラスタリング部｛１０２｝に前記母集団形成者及び前記判定対象者を複数のクラスタに分類させる第２更新部｛１１０｝と、をさらに備える。

（４）本発明の一態様は、回答が回答者の個性を示さないアンケートを第１アンケートとし、回答が回答者の個性を示すアンケートを第２アンケートとして、前記第１アンケートに対する回答者の回答を示す情報である第１アンケート情報と、前記第１アンケートの回答者の生理状態を示す情報であって前記第１アンケートの回答者の個性を示さない情報である第１生理情報と、前記第２アンケートに対する回答者の回答を示す情報である第２アンケート情報と、前記第２アンケートの回答者の生理状態を示す情報であって前記第２アンケートの回答者の個性を示す情報である第２生理情報と、のうち、判定の対象となる判定対象者について、前記第１生理情報と、第２生理情報又は前記第２アンケート情報とを取得する取得ステップと、前記第２生理情報又は前記第２アンケート情報と、前記第２生理情報又は前記第２アンケート情報に基づく所属条件とに基づいて、前記判定対象者が、回答者の母集団を形成する複数のクラスタのいずれに所属するかを推定する所属クラスタ推定ステップと、前記複数のクラスタのそれぞれに予め定められる前記第１アンケート情報と前記第１生理情報との関係を示す状態関係情報であって前記所属クラスタ推定ステップにおける推定結果に対応する前記状態関係情報と、前記判定対象者が提供する前記第１生理情報と、に基づいて、前記第１アンケートに対する前記判定対象者の回答を推定する回答推定ステップと、前記回答推定ステップにおいて推定された前記回答に基づいて、前記判定対象者の状態を判定する状態判定ステップと、を有し、前記第１生理情報と前記第１アンケート情報とは、前記第１生理情報と前記第１アンケート情報とを組合せた情報が個性を示す情報である、状態判定方法である。

（５）本発明の一態様は、上記の状態判定装置としてコンピュータを機能させるためのコンピュータプログラムである。

上述した（１）、（２）、（３）、（４）及び（５）によれば、状態判定装置は、複数の提供者が提供する第１生理情報及び第１アンケート情報に基づいて予めクラスタリングされた結果である複数のクラスタのいずれに、判定対象者が所属するかを判定する。状態判定装置は、判定結果が示すクラスタごとの状態関係情報と、判定対象者が提供する第２生理情報又は第２アンケート情報に基づいて、判定対象者の状態を判定する。このように、状態判定装置は、一次元的な方法によって人の状態を判定することはせず、判定対象者が所属するクラスタに応じた状態関係情報によって判定対象者の状態を判定する。そのため、上述した（１）、（２）、（３）及び（４）によれば、状態判定装置は、人の状態の変化の個人差に起因する判定精度の悪化を抑制することができる。

上述した（２）によれば、状態判定装置（１）は、回答推定部｛１０６｝が推定した回答に関する所定の条件である更新条件が満たされる場合に、回答と、判定対象者が提供する第１生理情報とに基づいて、状態関係情報を更新する。そのため、判定対象者の状態を判定する判定の精度を向上することができる。

上述した（３）によれば、状態判定装置（１）は、判定対象者が提供する第１生理情報と、所属クラスタ推定部の推定結果に対応する状態関係情報とに基づいて、再度のクラスタリングを実行する。そのため、判定対象者の状態を判定する判定の精度を向上することができる。

実施形態の状態判定装置１の機能構成の一例を示す図。 実施形態における所属条件を説明する説明図。 実施形態における状態判定装置１が実行する処理の流れの一例を示すフローチャート。 実施形態の状態判定装置１が取得する所属条件の精度を示す実験結果の一例を示す図。 実施形態における第１アンケート情報の一例を示す実験結果の第１の図。 実施形態における第１アンケート情報の一例を示す実験結果の第２の図。 実施形態における第１アンケート情報の一例を示す実験結果の第３の図。 実施形態におけるクラスタリング処理の実行結果の一例を示す実験結果の図。 実施形態における状態情報取得処理の実行結果の一例を示す実験結果の第１の図。 実施形態における状態情報取得処理の実行結果の一例を示す実験結果の第２の図。 実施形態の状態判定装置１が判定対象者の状態を判定する精度と、従来の装置が判定対象者の状態を判定する精度とを示す実験結果の一例を示す図。

図１は、実施形態の状態判定装置１の機能構成の一例を示す図である。状態判定装置１は、判定対象者の状態を判定する。判定対象者の状態とは、眠気や情動状態等の状態である。
状態判定装置１は、バスで接続されたＣＰＵ（Central Processing Unit）等のプロセッサやメモリや記憶部１００などを備え、プログラムを実行する。状態判定装置１は、プログラムの実行によって、取得部１０１、クラスタリング部１０２、状態関係情報取得部１０３、所属条件取得部１０４、所属クラスタ推定部１０５、状態情報取得部１０６、状態判定部１０７、更新判定部１０８、第１更新部１０９、第２更新部１１０及び出力部１１１を備える装置として機能する。

取得部１０１は、マウスやキーボード、タッチパネル等の入力装置を含んで構成される。取得部１０１は、これらの入力装置を自装置に接続するインタフェースとして構成されてもよい。取得部１０１は、自装置に対する各種情報の入力を受け付ける。取得部１０１に入力される各種情報は、判定対象者から提供される第１生理情報と、判定対象者以外の複数の人から提供される第１アンケート情報及び第１生理情報とを含む。以下、判定対象者以外の人を、母集団形成者という。

第１アンケート情報は、第１のアンケート（以下「第１アンケート」という。）に対する回答者による回答を示す情報である。
第１アンケートの質問事項は、回答者の状態に関する質問事項を含む。第１アンケート情報は、第１アンケートの質問事項に対する回答者の回答を示す情報である。第１アンケートの質問事項は、例えば、性格診断のための質問であってもよい。この場合、第１アンケート情報は、性格診断のための質問に対する回答者の回答を示す情報である。第１アンケート情報は、コンピュータが読み取り可能な形式で第１アンケートに対する回答者の回答を示せば、どのような形式で第１アンケートに対する回答者の回答を示してもよい。第１アンケート情報は、例えば、第１アンケートに対する回答者の回答を示す値であってもよい。第１アンケートに対する回答者の回答を示す値は、例えば、第１アンケートに対する回答者の回答がイエスである場合に１であって、第１アンケートに対する回答者の回答がノーである場合に０であってもよい。第１アンケート情報は、第１アンケートに対する回答者の回答をＶＡＳ（Ｖｉｓｕａｌ Ａｎａｌｏｇｕｅ Ｓｃａｌｅ）で示してもよい。

第１生理情報は、第１アンケートの質問事項に対する回答者の第１の生理状態（以下「第１生理状態」という。）を示す情報である。第１生理状態は、変化が第１アンケートに対する回答者の回答の変化と相関をもつ生理状態である。第１生理情報は、回答者から取得される。第１生理情報は、第１生理状態を示す情報であればどのような情報であってもよい。第１生理情報は、例えば、第１生理状態を示す値（以下「第１生理値」という。）であってもよい。第１生理値は、例えば、心電図の波形を示す物理量、脈拍、指尖脈派、耳朶脈派、皮膚温度、皮膚抵抗、呼吸、瞳孔径、視線、瞬き又は表情筋電であってもよい。なお、心電図の波形を示す物理量とは、例えば、心電図の波形の振幅の最大値であってもよいし、周波数であってもよい。生理情報が値を示す複数の物理量は、例えば、心電図の波形を示す物理量、脈拍、指尖脈派、耳朶脈派、皮膚温度、皮膚抵抗、呼吸、瞳孔径、視線、瞬き又は表情筋電のうち少なくとも２つ以上の物理量であってもよい。
なお、第１生理情報は、第１アンケートに回答している時に第１アンケートの回答者から取得される生理状態に関する情報であってもよい。

第１生理情報及び第１アンケート情報は、それぞれは個性を示さない情報であって、第１生理情報と第１アンケート情報との組合せによって、提供者の個性を示す情報である。個性を示さないとは、情報の変化と眠気や情動状態等の人の状態の変化との関係における個人差が表れないことを意味する。個性を示すとは、情報の変化と眠気や情動状態等の人の状態の変化との関係に個人差が表れることを意味する。また、第１アンケート情報は、個性を示さない情報であるので、第１アンケートは、回答が回答者の個性を示さないアンケートである。

取得部１０１に入力される各種情報は、さらに、判定対象者から提供される第２アンケート情報及び第２生理情報と、母集団形成者から提供される第２アンケート情報及び第２生理情報とを含む。第２アンケート情報は、第２のアンケート（以下「第２アンケート」という。）に対する回答者による回答を示す情報である。第２アンケートは、質問事項の一部又は全部が第１アンケートの質問事項とは異なる。

第２アンケートの質問事項は、例えば、性格診断のための質問であってもよい。この場合、第２アンケート情報は、性格診断のための質問に対する回答者の回答を示す情報である。第２アンケート情報は、コンピュータが読み取り可能な形式で第２アンケートに対する回答者の回答を示せば、どのような形式で第２アンケートに対する回答者の回答を示してもよい。第２アンケート情報は、例えば、第２アンケートに対する回答者の回答を示す値であってもよい。第２アンケートに対する回答者の回答を示す値は、例えば、第２アンケートに対する回答者の回答がイエスである場合に１であって、第１アンケートに対する回答者の回答がノーである場合に０であってもよい。第２アンケート情報は、第２アンケートに対する回答者の回答をＶＡＳ（Ｖｉｓｕａｌ Ａｎａｌｏｇｕｅ Ｓｃａｌｅ）で示してもよい。

第２生理情報は回答者の第２の生理状態（以下「第２生理状態」という。）を示す情報である。第２生理状態平常時や安静時の生理状態である。第２生理情報は、回答者から取得される。第２生理情報は、第２生理状態を示す情報であればどのような情報であってもよい。第２生理情報は、例えば、第２生理状態を示す値（以下「第２生理値」という。）であってもよい。第２生理値は、例えば、心電図の波形を示す物理量、脈拍、指尖脈派、耳朶脈派、皮膚温度、皮膚抵抗、呼吸、瞳孔径、視線、瞬き又は表情筋電であってもよい。なお、心電図の波形を示す物理量とは、例えば、心電図の波形の振幅の最大値であってもよいし、周波数であってもよい。生理情報が値を示す複数の物理量は、例えば、心電図の波形を示す物理量、脈拍、指尖脈派、耳朶脈派、皮膚温度、皮膚抵抗、呼吸、瞳孔径、視線、瞬き又は表情筋電のうち少なくとも２つ以上の物理量であってもよい。
なお、第２生理情報は、第２アンケートに回答している時に第２アンケートの回答者から取得される生理状態に関する情報であってもよい。

第２生理情報及び第２アンケート情報は、それぞれ個性を示す情報である。個性を示す情報とは、情報の変化と眠気や情動状態等の人の状態の変化との関係に個人差がある情報である。具体的には、第２生理情報は第２生理情報の提供者の眠気や情動状態等の人の状態の変化と生理状態の変化との関係に個人差がある情報である。具体的には、第２アンケート情報は第２アンケート情報の回答者の眠気や情動状態等の人の状態の変化と第２アンケートに対する回答の変化との関係に個人差がある情報である。また、第２アンケート情報は、個性を示す情報であるので、第２アンケートは、回答が回答者の個性を示すアンケートである。
第２生理状態及び第２アンケートの質問事項は、後述するクラスタリング部１０２のクラスタリング結果であるクラスタに、第２生理情報及び第２アンケート情報の提供者を分類可能な情報である。

（個性を示さない情報と個性を示す情報とについての詳細な説明）
ここで、個性を示さない情報と個性を示す情報とについて詳細に説明する。上述したように、第１生理情報及び第１アンケート情報はそれぞれ単独では個性を示さないが、組合せによって個性を示す情報である。以下、第１生理情報が心拍であって第１アンケート情報が快又は不快の度合を示す値である場合を例に個性を示す情報を説明する。心拍は、一般に、第１生理情報の提供者に不快な刺激が与えられた時に低下する傾向を示す。例えば、３秒間で１０拍／分程度の低下を示す。そのため、「３秒間で１０拍／分低下した」という事象は、人に依らず起きることである。また、「度合が８０程度の不快を感じた」という事象や「度合が７０程度の眠たさである」という事象もまた、人に依らず生じる事象である。このように、第１生理情報と第１アンケート情報とは、それぞれは、個性を示さない情報である。しかしながら、「度合が８０の時に、心拍が３秒間で１０拍／分低下する」という事象は生じない人も生じる人もいる。そのため、個人差がある事象である。
後述するクラスタリング部１０２は、上記個人差がある事象に応じて、第１生理情報及び第１アンケート情報の提供者をクラスタリングする。

次に、第２生理情報及び第２アンケート情報について説明する。第２生理情報及び第２アンケート情報は、それぞれが個性を示す情報である。第２生理情報は、例えば、安静時など人の状態ができるだけ変化しない場合における、２分〜１０分程度の期間の平均の心拍数や血圧である。平均の心拍数や血圧は、個人差が大きく、例えば、心拍が７０という数値は、人それぞれで異なる。このように、第２生理情報は、個性を示す情報である。
第２アンケート情報は第２生理情報として取得することはできない情報であって、例えば、人の認知能力や、感情への感受性、気分の特性、行動の特性、他人への共感能力、現象を説明する論理的認知能力等の個人差が表れる情報である。このように、第２アンケート情報は、生理状態を示す情報以外の個性を示す情報である。ここまでで、個性を示さない情報と個性を示す情報とについての詳細な説明を終了する。

取得部１０１は、入力された各種情報をクラスタリング部１０２、状態関係情報取得部１０３、所属条件取得部１０４、所属クラスタ推定部１０５、状態情報取得部１０６、状態判定部１０７、第１更新部１０９、第２更新部１１０及び出力部１１１に出力する。

クラスタリング部１０２は、第１アンケート情報及び第１生理情報に基づいて、第１アンケート情報及び第１生理情報を提供した提供者を複数のクラスタにクラスタリング（分類）する。第１アンケート情報及び第１生理情報の提供者とは、第１アンケートの質問事項に対する回答者であって、第１生理情報を提供した回答者である。クラスタリング部１０２は、第１アンケート情報及び第１生理情報に基づいて第１アンケート情報及び第１生理情報の提供者を複数のクラスタにクラスタリング可能であれば、どのようなクラスタリングの手法によって提供者をクラスタリングしてもよい。クラスタリング部１０２は、例えば、ｋ−ｍｅａｎｓの手法によってクラスタリングしてもよい。クラスタリング部１０２は、例えば、データが統計分布に従うと仮定したモデルベースクの手法によってクラスタリングしてもよい。クラスタリング部１０２は、例えば、線形回帰の手法によってクラスタリングしてもよい。クラスタリング部１０２は、例えば、時系列解析の手法によってクラスタリングしてもよい。

なお、クラスタリング部１０２は、クラスタリングにおいて、第１アンケート情報及び第１生理情報を正規化してもよい。正規化することで、第１アンケート情報及び第１生理情報の個人差に起因するばらつきを抑制することができる。クラスタリング部１０２によるクラスタリングの結果は、記憶部１００に記録される。

以下、クラスタリング部１０２に入力される第１生理情報を入力生理情報という。以下、クラスタリング部１０２に入力される第１アンケート情報を入力アンケート情報という。

状態関係情報取得部１０３は、クラスタリング部１０２がクラスタしたクラスタごとに、状態式関係情報を取得する。状態関係情報は、対応するクラスタにおける第１アンケート情報と第１生理情報との間の関係を表す情報である。状態関係情報は、例えば、対応するクラスタにおける第１アンケート情報と第１生理情報との間の関係を表す式（以下「状態式」という。）である。状態式は、クラスタが異なっても同じであてもよいし、クラスタが異なっている場合に異なっていてもよい。状態式は、例えば、以下の式（１）で表される多項式（以下「状態多項式」という。）である。

式（１）において、Ｙは、状態式の値であって第１アンケート情報（すなわち、第１アンケートの回答者の回答）を表す。第１アンケート情報は、回答者の状態に関する質問事項を含むことから、状態式の値Ｙは、第１アンケートの回答者による自身の状態の主観的な評価を表す。以下、状態式の値Ｙを状態値という。式（１）において、ａ、ｂ及びｃは状態多項式における係数を表す。状態式における式（１）の係数ａ、ｂ及びｃの値は、クラスタごとに異なってもよいし、同じであってもよい。式（１）において、Ｘ１、Ｘ２及びＸ３は、第１生理状態を表す変数である。すなわち、Ｘ１、Ｘ２及びＸ３には、第１生理値が代入される。Ｘ１、Ｘ２及びＸ３は、第１生理状態を表す変数であれば、どのような変数であってもよい。Ｘ１、Ｘ２及びＸ３は、例えば、心電図の波形を示す物理量、脈拍、指尖脈派、耳朶脈派、皮膚温度、皮膚抵抗、呼吸、瞳孔径、視線、瞬き又は表情筋電の値を表す変数であってもよい。

なお、状態多項式は、必ずしも３項の多項式でなくてもよく、多項式であればどのような項数の式であってもよい。状態多項式は、例えば、４項以上の式であってもよいし、２項の多項式であってもよい。また、状態多項式は、多項式であればどのような多項式であってもよく、必ずしも線形な多項式である必要は無い。状態多項式は、非線形な多項式であってもよい。
所定の手法とは、対象とする人の状態を推定可能な手法であればどのような手法でもよく、例えば、機械学習である決定木、ランダムフォレスト、サポートベクター、ディープラーニングなどの回帰や分類であってもよい。
状態関係情報取得部１０３において、所定の手法が機械学習の手法である場合、例えば、目的変数は第１アンケート情報であり、説明変数は第２生理情報又は第２アンケート情報である。

状態関係情報取得部１０３が状態式を取得するとは、例えば、状態多項式における係数の値を決定することである。状態関係情報取得部１０３が取得した状態関係情報は、記憶部１００に記録される。
以下、説明の簡単のため状態関係情報は状態式であると仮定する。また、以下、説明の簡単のため状態式は、式（１）で表される状態多項式であると仮定する。

所属条件取得部１０４は、第２アンケート情報と、第２生理情報と、クラスタリング部１０２によるクラスタリングの結果とに基づいて、所定の手法によって所属条件を取得する。所属条件は、第１アンケート情報及び第１生理情報に基づいて母集団形成者がクラスタリングされた結果と、第２アンケート情報及び第２生理情報に基づいて母集団形成者がクラスタリングされた結果とが同一となる条件である。
所定の手法とは、対象とする人の状態を推定可能な手法であればどのような手法でもよく、例えば、機械学習である決定木、ランダムフォレスト、サポートベクター、ディープラーニングなどの回帰や分類であってもよい。

所属条件は、例えば、第２アンケート情報及び第２生理情報に基づいて、クラスタリング部１０２が決定した各クラスタのいずれのクラスタに、第２アンケート情報及び第２生理情報の提供者が所属するかを決定する決定木である。
所属条件取得部１０４において、所定の手法が機械学習の手法である場合、例えば、目的変数はクラスタリング部１０２が決定したクラスタであり、説明変数は第２生理情報又は第２アンケート情報である。

図２は、実施形態における所属条件を説明する説明図である。図２は、決定木である。図２は、実験によって得られた決定木の一例である。図２は、クラスタリング部１０２によって第１クラスタから第５クラスタまでの５つのクラスタに、第１アンケート情報及び第１生理情報の提供者が分類された場合における決定木の一例である。

図２に示す決定木にしたがって、第２アンケート情報及び第２生理情報の提供者は所属するクラスタが判定される。具体的には、まず、平均呼吸周波数は２９４５０．２５以上か否かが判定される（ステップＳ１０１）。平均呼吸周波数は、第２生理情報の一例である。ステップＳ１０１において、平均呼吸周波数は２９４５０．２５以上である場合（ステップＳ１０１：ＹＥＳ）、第２アンケート情報及び第２生理情報の提供者の所属するクラスタは第１クラスタであると判定される。

一方、ステップＳ１０１において、平均呼吸周波数は２９４５０．２５未満である場合（ステップＳ１０１：ＮＯ）、皮膚抵抗水準標準偏差が０．２５８以上か否かが判定される（ステップＳ１０２）。皮膚抵抗水準標準偏差は、第２生理情報の一例である。ステップＳ１０２において、皮膚抵抗水準標準偏差が０．２５８未満である場合（ステップＳ１０２：ＮＯ）、第２アンケート情報及び第２生理情報の提供者の所属するクラスタは第２クラスタであると判定される。

一方、ステップＳ１０２において、平均呼吸周波数は２９４５０．２５以上である場合（ステップＳ１０２：ＹＥＳ）、第２アンケートの質問事項のひとつである質問事項Ａに対する回答を示す値が、５８．５以上か否かが判定される（ステップＳ１０３）。図２において、質問事項Ａに対する回答を示す値は、トレントアレイキサイミアスケールによって示される値である。質問事項Ａに対する回答を示す値は、第２アンケート情報の一例である。ステップＳ１０３において、質問事項Ａに対する回答を示す値が５８．５未満である場合（ステップＳ１０３：ＮＯ）、第２アンケート情報及び第２生理情報の提供者の所属するクラスタは第３クラスタであると判定される。

一方、ステップＳ１０３において、質問事項Ａに対する回答を示す値が５８．５以上である場合（ステップＳ１０３：ＹＥＳ）、第２アンケートの質問事項のひとつである質問事項Ｂに対する回答を示す値が、２６．５以上か否かが判定される（ステップＳ１０４）。図２において、質問事項Ｂは、物的因子の認知傾向に関する質問事項である。図２において、質問事項Ｂに対する回答を示す値は、Systemizing Quotientによって示される値である。質問事項Ｂに対する回答を示す値は、第２アンケート情報の一例である。ステップＳ１０４において、質問事項Ｂに対する回答を示す値が２６．５未満である場合（ステップＳ１０４：ＮＯ）、第２アンケート情報及び第２生理情報の提供者の所属するクラスタは第４クラスタであると判定される。

一方、ステップＳ１０４において、質問事項Ｂに対する回答を示す値が２６．５以上である場合（ステップＳ１０４：ＹＥＳ）、第２アンケート情報及び第２生理情報の提供者の所属するクラスタは第５クラスタであると判定される。

なお、図２に示す所属条件は、第２アンケート情報及び第２生理情報に基づく条件であったが、所属条件は、必ずしも、第２アンケート情報及び第２生理情報に基づく必要は無い。所属条件は、第２アンケート情報だけに基づいてもよいし、第２生理情報だけに基づいてもよい。

図１の説明に戻る。所属クラスタ推定部１０５は、判定対象者が提供した第２生理情報及び第２アンケート情報と、所属条件とに基づいて、判定対象者が複数の所定のクラスタのいずれに所属するか推定する。すなわち、所属クラスタ推定部１０５は、判定対象者が提供した第２生理情報及び第２アンケート情報と、所属条件とに基づいて、回答者の母集団を形成する複数のクラスタのいずれに所属するかを推定する。

状態情報取得部１０６は、判定対象者の第１生理情報と所属クラスタ推定部１０５が推定したクラスタに対応する状態関係情報とに基づいて、状態情報を取得する。状態情報は、判定対象者の状態を示す情報である。状態情報は、例えば、状態値である。すなわち、状態情報は、例えば、判定対象者の状態を示す値である。状態情報が示す判定対象者の状態は、例えば、判定対象者の情動であってもよい。
以下、所属クラスタ推定部１０５が推定したクラスタに対応する状態関係情報を、対応クラスタ状態関係情報という。所属クラスタ推定部１０５が推定したクラスタに対応する状態関係情報とは、状態関係情報取得部１０３が取得した状態関係情報のうち、所属クラスタ推定部１０５が推定したクラスタに対して取得された状態関係情報である。

状態情報取得部１０６が、状態情報を取得するとは、例えば、状態情報取得部１０６が、判定対象者の第１生理情報と対応クラスタ状態式とに基づいて、状態値を算出することである。対応クラスタ状態式とは、所属クラスタ推定部１０５が推定したクラスタに対応する状態式である。所属クラスタ推定部１０５が推定したクラスタに対応する状態式とは、状態関係情報取得部１０３が取得した状態式のうち、所属クラスタ推定部１０５が推定したクラスタに対して取得された状態式である。
状態情報取得部１０６は、例えば、対応クラスタ状態式に対して判定対象者の第１生理値を代入し、代入結果を状態値として取得する。
状態情報が判定対象者の状態を示す情報であることから、状態情報取得部１０６が取得する状態情報は、判定対象者による第１アンケートの回答の推定結果である。このことから、状態情報取得部１０６が状態情報を取得するとは、状態情報取得部１０６が第１アンケートに対する判定対象者の回答を推定することを意味する。

状態判定部１０７は、状態情報取得部１０６が取得した状態情報に基づいて、判定対象者の状態を判定する。状態判定部１０７は、例えば、状態情報が状態値であって状態値が所定の値以上である場合に、判定対象者は、眠い状態である、と判定する。

更新判定部１０８は、更新条件が満たされるか否かを判定する。更新条件は、状態情報取得部１０６が取得した状態情報に関する条件であればどのような条件であってもよい。更新条件は、例えば、状態情報取得部１０６が算出した状態値が、対応するクラスタにおける状態値の平均値を所定の値以上に変化させる値である、という条件であってもよい。更新条件は、例えば、状態情報取得部１０６が算出した状態値が、所定の値未満であるという条件であってもよい。

第１更新部１０９は、更新条件が満たされた場合に、状態関係情報の更新に関する所定のアルゴリズムにしたがい、状態値と判定対象者の第１生理情報とに基づいて対応クラスタ状態関係情報を更新する。以下、状態関係情報の更新に関する所定のアルゴリズムを状態関係情報更新アルゴリズムという。状態関係更新アルゴリズムは、対象とする人の状態を推定可能な手法であればどのような手法でもよく、例えば、機械学習である決定木、ランダムフォレスト、サポートベクター、ディープラーニングなどの回帰や分類であってもよい。
第１更新部１０９は、更新に際して、例えば、状態情報が状態式である場合、対応クラスタ状態式の係数の値を更新する。

第２更新部１１０は、更新判定部１０８が更新条件が満たされたと判定した場合に、被更新生理情報を入力生理情報とし被更新アンケート情報を入力アンケート情報として、クラスタリング部１０２にクラスタリングを実行させる。被更新生理情報は、母集団形成者が提供する第１生理情報に対して判定対象者が提供する第１生理情報を加えた情報である。被更新アンケート情報は、母集団形成者が提供する第１アンケート情報に対して判定対象者アンケート情報を加えた情報である。判定対象者アンケート情報は、判定対象者が提供する第１生理情報と、対応クラスタ状態関係情報とに基づいて、取得される第１アンケート情報である。例えば、判定対象者アンケート情報は、判定対象者が提供する第１生理情報を対応クラスタ状態式に代入した値である。

出力部１１１は、ＣＲＴ（Cathode Ray Tube）ディスプレイや液晶ディスプレイ、有機ＥＬ（Electro-Luminescence）ディスプレイ等の表示装置を含んで構成される。出力部１１１は、これらの表示装置を自装置に接続するインタフェースとして構成されてもよい。出力部１１１は、更新条件が満たされない場合における状態情報取得部１０６の取得結果を出力する。

図２は、実施形態における状態判定装置１が実行する処理の流れの一例を示すフローチャートである。
取得部１０１が複数の母集団形成者が提供した第１生理情報、第１アンケート情報、第２生理情報及び第２アンケート情報を取得する（ステップＳ２０１）。取得部１０１は、取得部１０１に複数の母集団形成者が提供した第１生理情報、第１アンケート情報、第２生理情報及び第２アンケート情報が入力されることで、第１生理情報、第１アンケート情報、第２生理情報及び第２アンケート情報を取得する。

ステップＳ２０１において取得された第１生理情報及び第１アンケート情報に基づいて、クラスタリング部１０２が、母集団形成者を複数のクラスタにクラスタリングする（ステップＳ２０２）。状態関係情報取得部１０３が、ステップＳ２０２においてクラスタリングされた各クラスタにおける状態関係情報を取得する（ステップＳ２０３）。

所属条件取得部１０４が、ステップＳ２０１において取得された第２アンケート情報及び第２生理情報と、ステップＳ２０２におけるクラスタリングの結果とに基づいて、所属条件を取得する（ステップＳ２０４）。

取得部１０１が、判定対象者が提供した第１生理情報、第２生理情報及び第２アンケート情報を取得する（ステップＳ２０５）。例えば、取得部１０１は、取得部１０１に判定対象者が提供した第１生理情報、第２生理情報及び第２アンケート情報が入力されることで、第１生理情報、第２生理情報及び第２アンケート情報を取得する。

所属クラスタ推定部１０５が、ステップＳ２０５において取得された第２生理情報及び第２アンケート情報と所属条件とに基づいて、判定対象者がステップＳ１０２においてクラスタリングされた複数のクラスタのいずれに所属するか推定する（ステップＳ２０６）。

状態情報取得部１０６が、判定対象者の第１生理情報とステップＳ２０６における推定結果とに基づいて、状態情報を取得する（ステップＳ２０７）。

更新判定部１０８が、更新条件が満たされたか否かを判定する（ステップＳ２０８）。更新条件が満たされた場合（ステップＳ２０８：ＹＥＳ）、第１更新部１０９が、ステップＳ２０６において判定対象者が所属すると判定されたクラスタの状態関係情報を、状態情報と判定対象者の第１生理情報とに基づいて更新する（ステップＳ２０９）。

ステップＳ２０９の次に、第２更新部１１０が、被更新生理情報及び被更新アンケート情報に基づいて、クラスタリング部１０２にクラスタリングを実行させる（ステップＳ２１０）。
ステップＳ２１０の処理が実行された次に、ステップＳ２０３の処理に戻る。

一方、ステップＳ２０８において、更新条件が満たされない場合（ステップＳ２０８：ＮＯ）、状態判定部１０７は、ステップＳ２０７において取得された状態情報に基づいて、判定対象者の状態を判定する（ステップＳ２１１）。出力部１１１が、ステップＳ２１１の判定結果を出力する（ステップＳ２１２）。ステップＳ２１２の次に、処理が終了する。

以下、状態判定装置１が、複数の第１生理情報及び第１アンケート情報に基づいて、第１生理情報及び第１アンケート情報の提供者をクラスタリングする処理をクラスタリング処理という。クラスタリング処理は、ステップＳ２０２の処理である。
以下、状態判定装置１が、状態関係情報を取得する処理を状態関係情報取得処理という。状態関係情報取得処理は、ステップＳ２０３の処理である。以下、状態判定装置１が所属条件を取得する処理を所属条件取得処理という。所属条件取得処理は、ステップＳ２０４の処理である。

以下、状態判定装置１が、クラスタリング処理の結果である複数のクラスタのいずれに判定対象者が所属するかを、第２生理情報及び第２アンケート情報に基づいて判定する処理を、所属クラスタ判定処理という。所属クラスタ判定処理は、ステップＳ２０６の処理である。

以下、状態判定装置１が、所属クラスタ判定処理の判定結果が示すクラスタに応じた状態関係情報によって状態情報を取得する処理を、状態情報取得処理という。状態情報取得処理は、ステップＳ２０７の処理である。

（実験結果）
図４は、実施形態の状態判定装置１が取得する所属条件の精度を示す実験結果の一例を示す図である。所属条件の精度とは、第２生理情報、第２アンケート情報及び所属条件に基づいて判定された提供者の所属するクラスタが、クラスタリング部１０２によって所属すると判定されたクラスタと一致する確率である。精度が高いほど、一致する確率が高いことを示す。
図４の横軸は、クラスタリング部１０２によって生成されたクラスタの数を示す。図４の縦軸は、所属条件の精度を示す。図４において所属条件の精度は１が最大値である。すなわち、図４において所属条件の精度が１である場合、第２アンケート情報及び所属条件に基づいて判定された提供者の所属するクラスタは、クラスタリング部１０２によって所属すると判定されたクラスタと必ず一致する。
図４は、クラスタリング部１０２によって生成されたクラスタの数が５以下である場合には、所属条件の精度が０．７以上であって精度が高いことを示す。

図５〜図７は、実施形態における第１アンケート情報の一例を示す実験結果の図である。より具体的には、図５〜図７は、１日に４８回の精神動態覚醒水準課題テストプログラム（ＰＶＴテスト）を３日に渡り、１４名の男性に対して行った実験結果の一例である。すなわち、図５〜図７は、ＰＶＴテストが異なる３日で実施された実験結果の一例である。ＰＶＴテストは、１日２セッションが行われ、中間でカフェイン摂取による覚醒変化を導入したテストであった。各セッション直後に実験被験者自身の眠気・覚醒度などについて主観評価がアンケートにて実施された。

ＰＶＴテストにおいて被験者から取得した第１生理情報は、心電図の指標ＨＲ、ＣＳＩ、ＣＶＩ及びＨＦ／（ＬＦ＋ＨＦ）と、脈波と、瞳孔径と、頭部の動きとであった。ＨＲとは、ｉ分における心拍回数ＲＲ_ｉを意味する（ｉは１以上の整数）。ＣＳＩとは、ＲＲ_ｉ＋１／ＲＲ_ｉのプロット図（以下ローレンツプロット）のＬ／Ｔを意味する。Ｌは、ローレンツプロット中の対角軸の分散を意味する。ＴはＬと直行する軸の分散を意味する。ＣＶＩは、Ｌｏｇ_１０（ＬｘＴ）を意味する。心電波形を周波数空間変換した際に得られるパワースペクトラムにおいて０．０４Ｈｚ＜ｆ＜０．１５Ｈｚの区間でのパワー値の積分値を意味する。ＨＦ（Ｈｉｇｈ Ｆｒｅｑｕｅｎｃｙ）は秒間の心拍変動の周波数解析におけるパワースペクトラムにおいて０．２２４Ｈｚ＜ｆ＜０．２８Ｈｚの区間でのパワー値の積分値を意味する。ＬＦ（Ｌｏｗ Ｆｒｅｑｕｅｎｃｙ）は、秒間の心拍変動の周波数解析におけるパワースペクトラムにおいて０．０４Ｈｚ＜ｆ＜０．１２Ｈｚの区間でのパワー値の積分値を意味する。ＨＦ／（ＬＦ＋ＨＦ）は、ＬＦ（０．１５Ｈｚ＜）とＨＦ（０．１５Ｈｚ＞）との比を意味する。

１回のＰＶＴテストにおける脈波を示す値は、具体的には、１回のＰＶＴテストにおける脈派頂点間の振幅値の平均である。１回のＰＶＴテストにおける瞳孔径を示す値は、具体的には、１回のＰＶＴテストにおける瞳孔径の平均値である。１回のＰＶＴテストにおける頭部の動きを示す値は、具体的には、１回のＰＶＴテストにおける頭部の移動量の平均値である。

図５は、実施形態における第１アンケート情報の一例を示す実験結果の第１の図である。
図５（Ａ）〜（Ｅ）はそれぞれ、被験者の男性１４名うち“Ｓｕｂ１”、“Ｓｕｂ１１”、“Ｓｕｂ１７”、“Ｓｕｂ２０”、“Ｓｕｂ２７”の識別子が割り当てられた各人に対するＰＶＴテスト実施直後の実験者自身の主観評価結果である。
図５（Ａ）〜（Ｅ）において横軸は、試行経過時間を表す。図５（Ａ）〜（Ｅ）において、縦軸は、主観眠気値を表す。主観眠気値は、第１アンケート情報が示す値の１つであって、値が大きいほど被験者は眠いと感じていることを表す。
図５（Ａ）〜（Ｅ）の各図は、１日目の実験結果と２日目の実験結果と３日目の実験結果とを示す。

図６は、実施形態における第１アンケート情報の一例を示す実験結果の第２の図である。
図６（Ａ）〜（Ｅ）はそれぞれ、被験者の男性１４名うち“Ｓｕｂ２”、“Ｓｕｂ４”、“Ｓｕｂ６”、“Ｓｕｂ７”、“Ｓｕｂ９”の識別子が割り当てられた各人に対するＰＶＴテスト実施直後の実験者自身の主観評価結果である。
図６（Ａ）〜（Ｅ）において横軸は、試行経過時間を表す。図６（Ａ）〜（Ｅ）において、縦軸は、主観眠気値を表す。
図６（Ａ）〜（Ｅ）の各図は、１日目の実験結果と２日目の実験結果と３日目の実験結果とを示す。

図７は、実施形態における第１アンケート情報の一例を示す実験結果の第３の図である。
図７（Ａ）〜（Ｄ）はそれぞれ、被験者の男性１４名うち“Ｓｕｂ１２”、“Ｓｕｂ１９”、“Ｓｕｂ２１”、“Ｓｕｂ２９”の識別子が割り当てられた各人に対するＰＶＴテスト実施直後の実験者自身の主観評価結果である。
図７（Ａ）〜（Ｄ）において横軸は、時間を表す。図７（Ａ）〜（Ｄ）において、縦軸は、主観眠気値を表す。
図７（Ａ）〜（Ｄ）の各図は、１日目の実験結果と２日目の実験結果と３日目の実験結果とを示す。

図８は、実施形態におけるクラスタリング処理の実行結果の一例を示す実験結果の図である。
図８は、図５〜図７に示す実験結果に基づいてＢａｙｚｉａｎ−ＦＤＡの手法を用い、クラスタ数ｋ＝１〜８で、状態判定装置１がクラスタリングを行った結果を示す。図８は、図５〜図７に示す実験結果に基づいてＢａｙｚｉａｎ−ＦＤＡの手法におけるｋ＝１〜８で状態判定装置１がクラスタリングを行った結果、ベイジアン尤度ＢＩＣがｋ＝２において最小値であったことを示す。Ｂａｙｚｉａｎ−ＦＤＡにおけるｋは、クラスタ数を意味する。

ｋ＝２において最小値であることは、図８に示すように、図５〜図７の実験結果の被験者が２つのクラスタに分類されることを意味する。図８は、図５に示す実験結果の被験者（すなわち、“Ｓｕｂ１”、“Ｓｕｂ１１”、“Ｓｕｂ１７”、“Ｓｕｂ２０”及び“Ｓｕｂ２７”の被験者）が２つのクラスタのうちの一方のクラスタに所属することを示す。図８は、図６及び図７に示す実験結果の被験者（すなわち、“Ｓｕｂ２”、“Ｓｕｂ４”、“Ｓｕｂ６”、“Ｓｕｂ７”、“Ｓｕｂ９”、“Ｓｕｂ１２”、“Ｓｕｂ１９”、“Ｓｕｂ２１”、“Ｓｕｂ２９”の被験者）が他方のクラスタに所属することを示す。

図５から図７に示す実験結果に基づき所定の装置が機械学習によって推定する状態値の精度は以下の通りであった。一般線形化モデルを用いて誤差項を二項分布として相関係数を算出した場合には、各被験者の状態予測推定の相関係数平均は０．４４である値であった。一方、個別のクラスタにおいて同様にクラスタに属する被験者に対し状態予測推定の相関係数を算出した場合には、Ｒ^２＝０．５３であった。このように、個別のクラスタにおいて同様にクラスタに属する被験者に対し状態予測推定の相関係数を算出することで、状態値の推定精度が向上した。

図９は、実施形態における状態情報取得処理の実行結果の一例を示す実験結果の第１の図である。
図９は、図６（Ｃ）が示す実験結果に基づいて、状態判定装置１が“Ｓｕｂ６”の被験者に対して状態情報取得処理を実行した結果を示す。図９は、横軸３日目のＰＶＴ試行の経過時間を表す。図９は、縦軸が眠気値を表す。眠気値は、状態値の１つであって、値が大きいほど眠気が強いことを示す。眠気値はＳｕｂ６の主観評価値であり、緑線はＳｕｂ６を除く全被験者から学習した関係式を用いた推定結果を示す。図９は、状態予測推定の相関係数Ｒ^２が０．４１であることを示す。

図１０は、実施形態における状態情報取得処理の実行結果の一例を示す実験結果の第２の図である。
図１０は、状態判定装置１が、図６（Ｃ）が示す実験結果の半分の結果を図６（Ｃ）が示す実験結果にさらにくわえて、“Ｓｕｂ６”の被験者に対する状態情報取得処理を実行した結果を示す。図１０は、横軸が３日目のＰＶＴ試行を表す。図１０は、縦軸が眠気値を表す。眠気値はＳｕｂ６の申告値であり、緑線はＳｕｂ６が属するクラスタ内被験者からＳｕｂ６を除いた被験者から学習した関係式を用いた推定結果を示す。図１０は、状態予測推定の相関係数Ｒ^２が０．５７であることを示す。
ここまでで図９及び図１０についての説明を終了する。

図８に示すクラスタのいずれに“Ｓｕｂ６”の被験者が所属するかを判定する所属クラスタ判定処理においては、状態判定装置１は、図５〜図７が示す２日目の主観時系列の特徴を部分的に抽出可能なプロトコルを実行した。

図８に示すクラスタのいずれに“Ｓｕｂ６”の被験者が所属するかを判定する所属クラスタ判定処理における第２生理情報は、ＰＶＴテストに準ずる単純タスクを実行する被験者の複数の日に渡る生理状態を示す情報であった。
ＰＶＴテストに準ずる単純タスクにおける第２生理情報は、ＰＶＴテストに準ずる単純タスクを実行する被験者の複数の日に渡る生理状態の情報である。ＰＶＴテストに準ずる単純タスクは、朝、昼、晩等の日常生活の中で眠気の異なる時間帯に短時間に数回実行された。ＰＶＴテストに準ずる単純タスクは、安静状態で実行された。
被験者から取得される第２生理情報は、心電図のＨＲ、ＣＳＩ、ＣＶＩ及びＨＦ／（ＬＦ＋ＨＦ）と、脈波と、瞳孔径と、頭部の動きとであった。

図８に示すクラスタのいずれに“Ｓｕｂ６”の被験者が所属するかを判定する所属クラスタ判定処理におけるプロトコルは、相関がより強いクラスタに被験者が属すると判定するプロトコルであった。
ここまでで、図５〜図１０の実験結果の説明を終了する。

ここで、図２の実験結果を取得した際の実験の詳細について説明する。第２生理情報は２分間の安静時の生理活動から以下に示す生理から算出された値を用いた。皺眉筋、大頬骨筋、笑筋の筋電位活動状態（平均活動量、偏差等の活動ゆらぎ）、平均呼吸周波数、周波数の偏差等のゆらぎ、瞬きの頻度、皮膚抵抗水準の平均、偏差、最大、最小値、指先ＰＰＧセンサから出力されたデータにおける基線及び振幅の、平均、偏差、最大、最小値、心拍情報における、ＲＲＩ平均、標準偏差、最大、最小、ＳＳＤ、ＮＮ、Ｐｎｎ、ＬＦ、ＨＦ、ＣＶＩ、ＣＳＩ等の心拍解析手法を用い情報を取得した。簡易アンケート情報は、ＢＩＳ／ＢＡＳ（行動調節）、ＳＴＡＩ−ｔｒａｉｔ（不安特性）、ＳＴＡＩ−ｓｔａｔｅ（不安状態）、ＩＲＩ（共感）、ＢＤＩ（抑うつ度）、ＴＡＳ（失感情）、ＥＲＱ／ＥＱ（情動調節）、ＰＳＱＩ（睡眠習慣）、Ｅｍｐａｔｈｉｚｉｎｇ Ｑｕｏｔｉｅｎｔ ／Ｓｙｓｔｅｍｉｚｉｎｇ Ｑｕｏｔｉｅｎｔ日本語版を用いた。これら簡易情報を基に決定木を用いてクラスタの推定を実施し、５クラスタでの推定おいて、４つの簡易データがクラスタの推定に寄与する結果を得た。
ここまでで、図２の実験結果を取得した際の実験の詳細についての説明を終了する。

図１１は、実施形態の状態判定装置１が判定対象者の状態を判定する精度と、従来の装置が判定対象者の状態を判定する精度とを示す実験結果の一例を示す図である。
図１１の横軸は、被験者を表す。図１１の縦軸は、状態予測推定の相関係数Ｒ^２の値を示す。図１１は、被験者ごとに、従来の装置における状態予測推定の相関係数Ｒ^２の値と、状態判定装置１における状態予測推定の相関係数Ｒ^２の値とを示す。図１１は、従来の装置では、状態予測推定の相関係数Ｒ^２の平均値が０．４５であることを示す。図１１は、状態判定装置１では、状態予測推定の相関係数Ｒ^２の平均値が０．５１であることを示す。図１１は、個人差はあるものの、大多数の被験者において、従来の装置よりも状態判定装置１の方が、状態予測推定の相関係数Ｒ^２の値が大きいことを示す。

このように構成された実施形態の状態判定装置１は、予め母集団形成者が提供する第１生理情報及び第１アンケート情報に基づいてクラスタリングされた結果である複数のクラスタのいずれに、判定対象者が所属するかを判定する。状態判定装置１は、判定結果が示すクラスタごとの状態関係情報に基づいて、判定対象者の状態を示す情報である状態情報を取得する。状態判定装置１は、取得された状態情報に基づいて判定対象者の状態を判定する。このように、状態判定装置１は、一次元的な方法によって人の状態を判定することはせず、判定対象者が所属するクラスタに応じた状態式によって判定対象者の状態を判定する。そのため、状態判定装置１は、人の状態の変化の個人差に起因する判定精度の悪化を抑制することができる。

このように構成された実施形態の状態判定装置１は、クラスタリング処理、状態関係情報取得処理、所属条件取得処理、所属クラスタ判定処理及び状態情報取得処理を実行する。そのため、このように構成された実施形態の状態判定装置１は、クラスタリング処理に要する時間を必要とする。クラスタリングの手法は、機械学習に要する時間よりも少ないため、クラスタリング処理に要する時間は、機械学習に要する時間よりも少ない。そのため、このように構成された実施形態の状態判定装置１は、機械学習の手法によって判定対象者の状態を判定するまでに要する時間以下の時間で、判定対象者の状態を判定することができる。

また、このように構成された実施形態の状態判定装置１は、被更新生理情報及び被更新アンケート情報に基づいて、状態値を算出した後にも、クラスタリング処理を実行する。以下、状態情報を取得した後のクラスタリング処理を、再クラスタリング処理という。再クラスタリング処理は、ステップＳＳ２１０の処理である。そのため、このように構成された実施形態の状態判定装置１は、再クラスタリング処理の実行後には、再クラスタリング処理の実行前よりも精度よく人の状態を判定することができる。

また、このように構成された実施形態の状態判定装置１は、状態情報と判定対象者の第１生理情報とに基づいて、状態関係情報の係数の値を更新する。以下、状態情報を取得した後の状態情報を更新する処理を、状態情報更新処理という。状態情報更新処理は、ステップＳ２０９の処理である。そのため、このように構成された実施形態の状態判定装置１は、状態情報更新処理の実行後には、状態情報更新処理の実行前よりも精度よく人の状態を判定することができる。

（変形例）
なお、第１生理情報、第２生理情報、第１アンケート情報及び第２アンケート情報は、状態判定装置１の判定の目的となる状態が有意な差として変化する状況において取得された情報であることが望ましい。
例えば、判定の目的となる状態が眠気である場合には、第１生理情報、第２生理情報、第１アンケート情報及び第２アンケート情報は、朝、昼、晩等の日常生活の中で眠気の異なる時間帯に取得されることが望ましい。
また、大きな負荷が与えられると、被験者の生理状態は、大きな負荷によって複雑に変化してしまう場合がある。そのため、第１生理情報及び第２生理情報は、大きな負荷が被験者に与えられた後に取得された情報ではないことが望ましい。例えば、判定の目的となる状態が人の快・不快である場合には、第１生理情報及び第２生理情報と第１アンケート情報及び第２アンケート情報とは、人が快や不快と感じる刺激を提供者が感じたときに取得されることが望ましい。人が快や不快と感じる刺激とは、例えば、画像、音楽、触覚、匂い、味である。また第１生理情報及び第２生理情報と第１アンケート情報及び第２アンケート情報とは、快から不快まで様々な刺激の情報が取得されることが望ましい。またその刺激の負荷は小さな負荷から大きな負荷であっても良い。

なお、状態判定装置１の各機能の全て又は一部は、ＡＳＩＣ（Ａｐｐｌｉｃａｔｉｏｎ Ｓｐｅｃｉｆｉｃ Ｉｎｔｅｇｒａｔｅｄ Ｃｉｒｃｕｉｔ）やＰＬＤ（Ｐｒｏｇｒａｍｍａｂｌｅ Ｌｏｇｉｃ Ｄｅｖｉｃｅ）やＦＰＧＡ（Ｆｉｅｌｄ Ｐｒｏｇｒａｍｍａｂｌｅ Ｇａｔｅ Ａｒｒａｙ）等のハードウェアを用いて実現されてもよい。プログラムは、コンピュータ読み取り可能な記録媒体に記録されてもよい。コンピュータ読み取り可能な記録媒体とは、例えばフレキシブルディスク、光磁気ディスク、ＲＯＭ、ＣＤ−ＲＯＭ等の可搬媒体、コンピュータシステムに内蔵されるハードディスク等の記憶装置である。プログラムは、電気通信回線を介して送信されてもよい。

なお、第２生理情報は第１生理情報と同じ情報量か、もしくはそれ以下であってもよい。また、第２アンケート情報は第１アンケート情報と同じ情報量か、もしくはそれ以下であってもよい。
なお、所属条件は必ずしも第２生理情報及び第２アンケート情報の両方に基づく条件でなくてもよい。この場合、取得部１０１は、第２生理情報又は第２アンケート情報のうち、所属条件が基づく情報だけを取得してもよい。すなわち、取得部１０１は、第２生理情報だけを取得してもよいし、第２アンケート情報だけを取得してもよい。

なお、第１更新部１０９は、状態関係更新部の一例である。なお、状態情報取得部１０６は、回答推定部の一例である。

なお、状態判定装置１は、ネットワークを介して通信可能に接続された複数台の情報処理装置を用いて実装されてもよい。この場合、状態判定装置１が備える各機能部は、複数の情報処理装置に分散して実装されてもよい。例えば、クラスタリング部１０２及び状態関係情報取得部１０３とその他の機能部とはそれぞれ異なる情報処理装置に実装されてもよい。

以上、この発明の実施形態について図面を参照して詳述してきたが、具体的な構成はこの実施形態に限られるものではなく、この発明の要旨を逸脱しない範囲の設計等も含まれる。

１…状態判定装置、 １０１…取得部、 １０２…クラスタリング部、 １０３…状態関係情報取得部、 １０４…所属条件取得部、 １０５…所属クラスタ推定部、 １０６…状態情報取得部、 １０７…状態判定部、 １０８…更新判定部、 １０９…第１更新部、 １１０…第２更新部、 １１１…出力部

Claims (5)

1. 回答が回答者の個性を示さないアンケートを第１アンケートとし、回答が回答者の個性を示すアンケートを第２アンケートとして、前記第１アンケートに対する回答者の回答を示す情報である第１アンケート情報と、前記第１アンケートの回答者の生理状態を示す情報であって前記第１アンケートの回答者の個性を示さない情報である第１生理情報と、前記第２アンケートに対する回答者の回答を示す情報である第２アンケート情報と、前記第２アンケートの回答者の生理状態を示す情報であって前記第２アンケートの回答者の個性を示す情報である第２生理情報と、のうち、判定の対象となる判定対象者について、前記第１生理情報と、第２生理情報又は前記第２アンケート情報とを取得する取得部と、
   前記第２生理情報又は前記第２アンケート情報と、前記第２生理情報又は前記第２アンケート情報に基づく所属条件とに基づいて、前記判定対象者が、回答者の母集団を形成する複数のクラスタのいずれに所属するかを推定する所属クラスタ推定部と、
   前記複数のクラスタのそれぞれに予め定められる前記第１アンケート情報と前記第１生理情報との関係を示す状態関係情報であって前記所属クラスタ推定部の推定結果に対応する前記状態関係情報と、前記判定対象者が提供する前記第１生理情報と、に基づいて、前記第１アンケートに対する前記判定対象者の回答を推定する回答推定部と、
   前記回答推定部が推定した前記回答に基づいて、前記判定対象者の状態を判定する状態判定部と、
   を備え、
   前記第１生理情報と前記第１アンケート情報とは、前記第１生理情報と前記第１アンケート情報とを組合せた情報が個性を示す情報である、
   状態判定装置。
2. 前記母集団を構成する人を母集団形成者として、複数の前記母集団形成者が提供する第１生理情報及び第１アンケート情報に基づいて、前記クラスタごとの状態関係情報を取得する状態関係情報取得部と、
   前記回答推定部が推定した前記回答に関する所定の条件である更新条件が満たされる場合に、前記回答と、前記判定対象者が提供する前記第１生理情報とに基づいて前記状態関係情報を更新する第１更新部と、
   をさらに備える請求項１に記載の状態判定装置。
3. 前記複数の母集団形成者の前記第１生理情報及び前記第１アンケート情報に基づいて前記母集団形成者を複数のクラスタに分類するクラスタリング部と、
   前記更新条件が満たされる場合に、前記複数の母集団形成者の前記第１生理情報及び前記第１アンケート情報と、前記判定対象者の前記第１生理情報と、前記所属クラスタ推定部の推定結果に対応する前記状態関係情報とに基づいて、前記クラスタリング部に前記母集団形成者及び前記判定対象者を複数のクラスタに分類させる第２更新部と、
   をさらに備える請求項２に記載の状態判定装置。
4. 回答が回答者の個性を示さないアンケートを第１アンケートとし、回答が回答者の個性を示すアンケートを第２アンケートとして、前記第１アンケートに対する回答者の回答を示す情報である第１アンケート情報と、前記第１アンケートの回答者の生理状態を示す情報であって前記第１アンケートの回答者の個性を示さない情報である第１生理情報と、前記第２アンケートに対する回答者の回答を示す情報である第２アンケート情報と、前記第２アンケートの回答者の生理状態を示す情報であって前記第２アンケートの回答者の個性を示す情報である第２生理情報と、のうち、判定の対象となる判定対象者について、前記第１生理情報と、第２生理情報又は前記第２アンケート情報とを取得する取得ステップと、
   前記第２生理情報又は前記第２アンケート情報と、前記第２生理情報又は前記第２アンケート情報に基づく所属条件とに基づいて、前記判定対象者が、回答者の母集団を形成する複数のクラスタのいずれに所属するかを推定する所属クラスタ推定ステップと、
   前記複数のクラスタのそれぞれに予め定められる前記第１アンケート情報と前記第１生理情報との関係を示す状態関係情報であって前記所属クラスタ推定ステップにおける推定結果に対応する前記状態関係情報と、前記判定対象者が提供する前記第１生理情報と、に基づいて、前記第１アンケートに対する前記判定対象者の回答を推定する回答推定ステップと、
   前記回答推定ステップにおいて推定された前記回答に基づいて、前記判定対象者の状態を判定する状態判定ステップと、
   を有し、
   前記第１生理情報と前記第１アンケート情報とは、前記第１生理情報と前記第１アンケート情報とを組合せた情報が個性を示す情報である、
   状態判定方法。
5. 請求項１から３のいずれか一項に記載の状態判定装置としてコンピュータを機能させるためのコンピュータプログラム。

Images