JP2022020496A

JP2022020496A - 情報処理装置、情報処理方法および情報処理プログラム

Info

Publication number: JP2022020496A
Application number: JP2020124024A
Authority: JP
Inventors: 孝太坪内; Kota Tsubouchi; 研太金森; Kenta Kanamori
Original assignee: Yahoo Japan Corp
Current assignee: Yahoo Japan Corp
Priority date: 2020-07-20
Filing date: 2020-07-20
Publication date: 2022-02-01
Anticipated expiration: 2040-07-20
Also published as: JP7293171B2

Abstract

【課題】ユーザの情報を高精度に推定することができる情報処理装置、情報処理方法および情報処理プログラムを提供すること。【解決手段】本願に係る情報処理装置は、ユーザの行動を示す行動情報を取得する取得部と、ユーザの行動に対して影響を与える特定の事象を検出する検出部と、検出部によって検出された事象が関係する事象期間の行動情報に基づいて、ユーザのコンテキストを推定する推定部と、を備えることを特徴とする。【選択図】図４

Description

本発明は、情報処理装置、情報処理方法および情報処理プログラムに関する。

従来、各種の情報に基づいてユーザの情報を推定する技術が知られている。このような技術の一例として、ユーザが使用する端末装置が取得した位置情報に基づいて、ユーザの自宅や職場等といった拠点を推定する技術がある（例えば、特許文献１参照）。

国際公開第２０１１／１０２５４１号

しかしながら、上記した従来技術では、ユーザの情報を高精度に推定する点で改善の余地があった。例えば、従来技術では、位置情報に基づく滞在時間の長さに応じてユーザの自宅や職場を推定するため、不規則な行動をするユーザについてはユーザの拠点を高精度に推定できないおそれがあった。

本願は、上記に鑑みてなされたものであって、ユーザの情報を高精度に推定することができる情報処理装置、情報処理方法およ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、ユーザの行動を示す行動情報を取得する取得部と、前記ユーザの前記行動に対して影響を与える特定の事象を検出する検出部と、前記検出部によって検出された前記事象が関係する事象期間の前記行動情報に基づいて、前記ユーザのコンテキストを推定する推定部と、を備えることを特徴とする。

実施形態の一態様によれば、ユーザの情報を高精度に推定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方法の概要を示す図である。図２は、実施形態に係る情報処理システムの構成を示す図である。図３は、実施形態に係るユーザ端末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、ユーザ情報の一例を示す図である。図６は、行動情報の一例を示す図である。図７は、推定部の推定処理を説明するための説明図である。図８は、実施形態に係る情報処理装置が実行する処理の処理手順を示すフローチャートである。図９は、実施形態に係る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、情報処理方法およ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」と記載する）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、情報処理方法およ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）
〔情報処理の概要〕
まず、図１を用いて、実施形態に係る情報処理方法の概要について説明する。図１は、実施形態に係る情報処理方法の概要を示す図である。

図１では、ユーザが所有する端末装置１００と、情報処理装置１とを示している。実施形態に係る情報処理方法は、情報処理装置１によって実行される。具体的には、情報処理方法では、特定の事象が発生した期間におけるユーザの行動を元に、ユーザのコンテキストを推定する。

なお、図１では、情報処理方法の一例として、ユーザの位置情報からユーザの自宅および職場を推定する場合について説明する。

ここで、従来技術では、ユーザの位置情報から自宅および職場を推定する場合、ユーザの滞在時間の長さに応じて自宅および職場を推定していた。または、一般に、ほとんどのユーザは昼の時間帯は職場に滞在している場合が多く、夜の時間帯は自宅に滞在している場合が多いため、位置情報の時間帯により自宅および職場を推定する従来技術もあった。

しかしながら、上述した従来技術では、例えば、学生等のような、生活が不規則で位置情報がばらつきやすいユーザや、昼夜逆転型の生活をするユーザ、つまり、昼は自宅に滞在し、夜は職場に滞在するユーザ等については自宅および職場の推定精度が低下するおそれがあった。

そこで、実施形態に係る情報処理方法では、ユーザの行動に対して影響を与える特定の事象が発生している期間の行動情報を基に、ユーザのコンテキスト（自宅および職場）を推定する。

図１では、特定の事象として、ウィルスのパンデミックを防ぐために発令された外出自粛要請を例に挙げて説明する。

図１に示すように、情報処理装置１は、まず、各ユーザから端末装置１００を介して位置情報を取得する（ステップＳ１）。情報処理装置１は、位置情報を定期的に取得し、蓄積していく。

なお、図１では、ユーザの行動を示す行動情報の一例として、位置情報を挙げたが、行動情報は、ユーザのネットワークにおける行動（検索行動や、購買行動等）の情報等といったユーザの行動に関する情報であれば任意の情報であってもよい。

つづいて、情報処理装置１は、ユーザの行動に影響を与える特定の事象を検出する（ステップＳ２）。図１に示す例では、ウィルスのパンデミックを防ぐために発令された外出自粛要請を特定の事象として検出する。なお、かかる特定の事象は、例えば、ニュースを配信するサーバ装置等の外部装置から取得可能な情報に基づいて検出可能である。

つづいて、情報処理装置１は、特定の事象が関係する事象期間の行動情報に基づいて、ユーザのコンテキストを推定する（ステップＳ３）。例えば、情報処理装置１は、外出自粛要請が発令されている期間を事象期間とし、かかる事象期間の位置情報からユーザの自宅および職場を推定する。

例えば、情報処理装置１は、事象期間の位置情報と、事象期間以外の期間における位置情報とを比較し、事象期間の位置情報において増加した拠点を自宅と推定する。つまり、情報処理装置１は、外出自粛要請によりユーザの自宅で滞在時間が増加することに着目することで、ユーザのコンテキストとして自宅を推定する。

なお、詳細は後述するが、情報処理装置１は、事象期間以外の期間における行動情報に基づいて推定したコンテキストの正否を、事象期間の行動情報に基づいて判定することが可能である。つまり、情報処理装置１は、外出自粛期間以外の通常期間における位置情報により推定したユーザの自宅の正否を、外出自粛期間の位置情報に基づいて判定する。

このように、実施形態に係る情報処理方法によれば、特定の事象によりユーザが特定の行動をすることに着目してユーザのコンテキストを推定することで、ユーザの情報を高精度に推定することができる。

なお、図１では、コンテキストとして、位置情報に基づきユーザの自宅もしくは職場を推定する場合を示したが、コンテキストを推定する他の例としては、ユーザが自家用車を所有しているか否かを推定する例がある。

具体的には、情報処理装置１は、行動情報として、検索クエリの情報や、位置情報、乗換アプリ等の使用状況に関する情報等を取得する。そして、情報処理装置１は、これらの行動情報に基づいて、ユーザのコンテキストである自家用車の所有の有無を推定する。

例えば、情報処理装置１は、通常期間（事象期間以外の期間）には行動情報から電車移動が多く、コンテキストとして自家用車を所有していないとする。そして、情報処理装置１は、ウィルスのパンデミックが発生している事象期間には電車移動が減り自動車での移動が増える行動情報が得られた場合、（車道を所定速度以上で移動や、位置情報が駅に点在しない等）がかかるユーザが自家用車を所有していると補正する。

このように、情報処理装置１は、事象期間および事象期間以外の期間の行動情報の比較から様々コンテキストを推定することができる。

〔情報処理システム〕
次に、図２を用いて、上記の情報処理装置１を含む情報処理システムについて説明する。図２は、実施形態に係る情報処理システムＳの構成を示す図である。図２に示すように、実施形態に係る情報処理システムＳには、情報処理装置１と、複数台のユーザ端末１００とが含まれる。これらの各種装置は、インターネット等の所定のネットワークＮを介して、有線又は無線により通信可能に接続される。

情報処理装置１は、上述した情報処理を実行する情報処理装置であり、例えば、サーバ装置やクラウドシステム等により実現される。例えば、情報処理装置１は、ユーザ端末１００から行動情報を取得し、取得した行動情報を用いて、ユーザのコンテキストを推定する処理や、コンテキストを用いてコンテンツを提供する処理等を実行する。

ユーザ端末１００は、ユーザによって利用される端末装置である。ユーザ端末１００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や、デスクトップＰＣや、携帯電話機や、ＰＤＡ等により実現される。なお、以下では、ユーザ端末１００を端末装置１００と記載する場合がある。

ユーザ端末１００は、自己が備えるセンサにより行動情報を検出する処理や、行動情報を情報処理装置１へ送信する処理を実行する。

〔ユーザ端末の構成〕
次に、図３を用いて、実施形態に係るユーザ端末１００の構成について説明する。図３は、実施形態に係るユーザ端末１００の構成例を示す図である。図３に示すように、ユーザ端末１００は、通信部２００と、制御部３００と、記憶部４００と、入力部５００と、表示部６００とを有する。

入力部５００は、ユーザから各種操作を受け付ける。例えば、入力部５００は、キーボードやマウス等で構成される。表示部６００は、各種情報を表示する。例えば、表示部６００は、液晶ディスプレイ等で構成される。

通信部２００は、例えば、ＮＩＣ（Network Interface Card）等によって実現される。そして、通信部２００は、ネットワークＮと有線または無線で接続され、情報処理装置１との間で情報の送受信を行う。

記憶部４００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。

（制御部）
制御部３００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、端末装置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３００は、例えば、ＡＳＩＣ（Application Specific Integrated Circuit）やＦＰＧＡ（Field Programmable Gate Array）等の集積回路により実現される。

図３に示すように、制御部３００は、取得部３１０と、送信部３２０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。

（取得部）
取得部３１０は、ユーザの行動に関する行動情報を取得する。例えば、行動情報には、ユーザの実際の行動に関する情報や、ユーザのネットワーク上での行動に関する情報が含まれる。

ユーザの実際の行動に関する情報とは、例えば、ユーザの現在地を示す位置情報（あるいは位置情報の変遷）である。取得部３１０は、例えば、ＧＰＳ（Global Positioning System）衛星の受信信号に基づき測位される位置や、ユーザの周辺に配置されたビーコンを利用した位置を位置情報として取得する。

また、ユーザのネットワーク上での行動に関する情報とは、例えば、所定の検索サービスにおける検索行動の情報（検索クエリ等）や、電子商取引サービスにおける購買行動に関する情報（購入した物品や、検索した物品等）、配信されたコンテンツに対するユーザの応答行動に関する情報（動画の視聴や、広告の閲覧、メールの開封等）である。

（送信部）
送信部３２０は、取得部３１０が取得した行動情報を情報処理装置１へ送信する。送信部３２０による行動情報の送信タイミングは、任意であってよい。例えば、送信部３２０は、行動情報を取得する都度、情報処理装置１へ送信してもよく、一定間隔毎（例えば、１日毎）に行動情報をまとめて情報処理装置１へ送信してもよい。

〔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１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１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１は、通信部２と、制御部３と、記憶部４とを有する。

通信部２は、例えば、ＮＩＣ（Network Interface Card）等によって実現される。そして、通信部２は、ネットワークＮと有線または無線で接続され、ユーザ端末１００との間で情報の送受信を行う。

記憶部４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。図４に示すように、記憶部４は、ユーザ情報４０と、行動情報４１とを記憶する。

ユーザ情報４０は、ユーザに関する情報である。図５は、ユーザ情報４０の一例を示す図である。図５に示すように、ユーザ情報４０には、「ユーザＩＤ」および「コンテキスト情報」といった項目が含まれる。

「ユーザＩＤ」は、ユーザを識別する識別情報である。「コンテキスト情報」は、ユーザのコンテキストを示す情報であり、後述する推定部３２によって推定されるコンテキストである。

ここで、コンテキストは、ユーザの状況や、ユーザの環境を示す情報である。具体的には、コンテキストには、ユーザのジオグラフィック属性（自宅の位置や、職場の位置、頻繁に利用する施設の位置等）や、デモグラフィック属性（年齢や、収入、職業等）、サイコグラフィック属性（価値観や、ライフスタイル、性格、好み等）が含まれる。

行動情報４１は、複数のユーザ端末１００から取得した各ユーザの行動に関する行動情報である。図６は、行動情報４１の一例を示す図である。図６に示すように、行動情報４１には、「ユーザＩＤ」および「行動情報」といった項目が含まれる。

「ユーザＩＤ」は、ユーザを識別する識別情報である。「行動情報」は、取得部３０がユーザ端末１００から取得した各種の行動情報が含まれる情報である。

例えば、「行動情報」には、上記したユーザ端末１００から取得する行動情報が含まれる。具体的には、行動情報には、上述したユーザの実際の行動に関する情報や、ユーザのネットワーク上における行動に関する情報が含まれる。

（制御部）
制御部３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１内部の記憶装置に記憶されている各種プログラムが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３は、例えば、ＡＳＩＣ（Application Specific Integrated Circuit）やＦＰＧＡ（Field Programmable Gate Array）等の集積回路により実現される。

図４に示すように、制御部３は、取得部３０と、検出部３１と、推定部３２と、提供部３３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。

（取得部）
取得部３０は、ユーザの行動に関する行動情報を取得する。例えば、取得部３０は、ユーザ端末１００の取得部３１０が取得した行動情報を取得する。また、取得部３０は、所定のサービスを提供するサーバ装置から、サービスにおける行動情報、すなわち、ユーザのネットワーク上における行動に関する情報を取得してもよい。

（検出部）
検出部３１は、ユーザの行動に影響を与える特定の事象を検出する。検出部３１は、特定の事象として、例えば、自然的に発生した災害（地震、台風、大規模火災、土砂崩れ、津波、感染病のパンデミック等）や、人為的に発生した災害（大気汚染等の公害や、交通事故、戦争等）等を検出する。

また、検出部３１は、上記した災害に伴う対策（外出自粛要請や避難要請等）を特定の事象として検出してもよい。また、検出部３１は、映画や、ドラマ、音楽、ファッションといった各種流行（いわゆるブーム）を特定の事象として検出してもよい。

上述した災害や、災害に伴う対策、各種流行は、ユーザの実際の行動や、ネットワーク上における行動（検索行動や購買行動）において、複数のユーザが同じ行動をとりやすくさせる。

つまり、検出部３１は、ユーザの同じ行動をとりやすくなるような事象を特定の事象として検出する。なお、検出部３１は、各種ニュースを提供するサーバ装置や、ソーシャルネットワークサービスを提供するサーバ装置等から取得した情報に基づいて特定の事象を検出することができる。

また、検出部３１は、検出した特定の事象が関係する事象期間を検出する。例えば、検出部３１は、特定の事象が発生したタイミングを含む前後の所定期間内を事象期間として検出する。また、検出部３１は、例えば、特定の事象に関して外部装置等で指定した期間を事象期間として検出してもよい。また、検出部３１は、外部装置から取得した情報に基づいて事象期間を予測してもよい。

（推定部）
推定部３２は、取得部３０が取得した行動情報に基づいてユーザのコンテキストを推定する。例えば、推定部３２は、コンテキストとして、ユーザの状況や、ユーザの環境を推定する。具体的には、推定部３２は、コンテキストとして、ユーザのジオグラフィック属性（自宅の位置や、職場の位置、頻繁に利用する施設の位置等）や、デモグラフィック属性（年齢や、収入、職業等）、サイコグラフィック属性（価値観や、ライフスタイル、性格、好み等）を推定する。

例えば、推定部３２は、特定の事象である外出自粛要請の事象期間の位置情報の履歴に基づいて、ユーザの自宅や職場といった拠点を推定する。具体的には、推定部３２は、位置情報の履歴において、滞在時間が最も長い位置を自宅と推定し、２番目に滞在時間が長い位置を職場と推定し、３番目に滞在時間が長い位置をライフライン関連の位置（スーパーやコンビニエンスストア等）と推定する。

また、推定部３２は、特定の事象である所定の流行（例えば、Ａ歌手のＢ曲が大ヒット）の事象期間のユーザの検索行動から、ユーザの年齢や性別、流行に敏感が否か等の属性を推定する。具体的には、推定部３２は、事象期間において、ユーザがＡ歌手やＢ曲に関連するキーワードを検索クエリとして指定し、検索結果の中からＡ歌手やＢ曲の情報を選択した場合に、かかるユーザが２０代で、かつ、流行に敏感であると推定することができる。

また、推定部３２は、高所得者の中で所定の高額商品が流行している事象期間において、ユーザがかかる高額商品を購入する行動情報が得られた場合には、ユーザが高所得者（年収が所定値以上）であると推定する。

また、推定部３２は、例えば、事象期間以外の期間（通常期間）における行動情報に基づき推定したコンテキストの正否を、事象期間の行動情報に基づいて判定することが可能である。

具体的には、推定部３２は、事象期間以外の期間における行動情報に基づき推定したコンテキストにおいて、かかるコンテキストの事象期間における第１情報と、コンテキストの事象期間以外の期間における第２情報との差異に基づいて、コンテキストの正否を判定する。ここで、かかる点について、図７を用いて説明する。

図７は、推定部３２による推定処理を示す図である。なお、図７では、特定の事象として、外出自粛要請を例に挙げて説明する。図７では、ユーザのコンテキストである自宅および職場の滞在時間に関するグラフを示している。なお、図７に示す「自宅」および「職場」のコンテキストは、事象期間以外の期間（通常期間）の位置情報を基に推定されている。

また、図７のグラフでは、横軸に自宅での滞在時間の差異を示し、縦軸に職場での滞在時間の差異を示している。具体的には、自宅滞在時間の差異は、事象期間の位置情報に基づく自宅滞在時間（第１情報の一例）と、事象期間以外の期間の位置情報に基づく自宅滞在時間（第２情報の一例）との差異を示す。より具体的には、図７に示す自宅滞在時間の差異は、第２情報である自宅滞在時間から第１情報である自宅滞在時間への変化量（差分）を所定条件に従って正規化した値である。

また、職場滞在時間の差異は、事象期間の位置情報に基づく職場滞在時間（第１情報の一例）と、事象期間以外の期間の位置情報に基づく職場滞在時間（第２情報の一例）との差異を示す。より具体的には、図７に示す職場滞在時間の差異は、第２情報である職場滞在時間から第１情報である職場滞在時間への変化量（差分）を所定条件に従って正規化した値である。

かかる値が０の場合、第１情報および第２情報の間で変化が無いことを示し、値が正側に大きくなるほど、第１情報、すなわち、外出自粛中の自宅（もしくは職場）滞在時間が通常時よりも大きくなり、値が負側に大きくなるほど外出自粛中の自宅（もしくは職場）滞在時間が通常時よりも小さくなることを示す。

ここで、一般的には、外出自粛期間中は、旅行等の不要不急な外出が減り自宅滞在時間が増える傾向にある。また、外出自粛期間中は、企業などでも在宅勤務が導入されて職場滞在時間が減る（もしくは変わらない）傾向にある。

しかしながら、図７のグラフでは、外出自粛期間中の自宅滞在時間が減る一方で、職場滞在時間が増えているユーザが一定数存在することになっている。すなわち、図７のグラフでは、外出自粛期間中にも関わらず、一般的なユーザの行動とは真逆の行動をとるユーザが存在していることになる。

ここで、発明者らは、このような真逆の行動をとると推定されたユーザの自宅および職場を確認したところ、コンテキストの推定結果が実際のコンテキストと異なっていることが判明した。つまり、推定したコンテキストである自宅が実際には職場で、推定したコンテキストである職場が自宅であることが判明した。すなわち、事象期間以外の期間の位置情報に基づき推定したコンテキストに誤りがあった。

推定部３２は、かかる点に着目し、特定の事象においてユーザがとりやすい行動と逆の行動をとっていた場合には、推定結果であるコンテキストが誤りであると判定する。具体的には、推定部３２は、第１情報と第２情報との差異が所定の閾値条件を満たす場合に、事象期間以外の期間の行動情報に基づき推定したコンテキストの推定結果が誤りであると判定する。

図７に示す例では、推定部３２は、自宅滞在時間の差異が第１閾値ＴＨ未満、または（かつ）、職場滞在時間の差異が第２閾値ＴＨ以上であるユーザについてはコンテキストの自宅および職場の推定結果が誤りであると判定する。

そして、推定部３２は、推定結果が誤りである判定した場合、上記した差異に基づいてコンテキストを補正する。例えば、推定部３２は、自宅滞在時間の差異および職場滞在時間の差異に基づいて、コンテキストの自宅および職場を入れ替える補正を行う。これにより、最終的な推定結果（補正後のコンテキスト）の精度を高めることができる。

なお、推定部３２は、第１情報および第２情報の差異に基づきコンテキストの正否を判定する場合に限らず、例えば、事象期間の行動情報に基づき推定した第１のコンテキストと、事象期間以外の期間における行動情報から推定した第２のコンテキストとの比較結果により、第２のコンテキストの正否を判定してもよい。

具体的には、推定部３２は、第１のコンテキストおよび第２のコンテキストが同じである場合、第２のコンテキストが正しいと判定し、第１のコンテキストおよび第２のコンテキストが異なる場合、第２のコンテキストが誤りであると判定する。かかる場合、推定部３２は、第２のコンテキストを第１のコンテキストに補正する。

なお、推定部３２は、第２のコンテキストの推定処理を省略し、第１のコンテキストの推定処理のみを行ってもよい。

また、図７では、事象期間以外の期間における行動情報に基づき推定したコンテキストの正否を判定する場合を示したが、例えば、事象期間以外の期間における行動情報に基づくコンテキストの推定処理を省略し、事象期間および事象期間以外の期間それぞれの行動情報の比較結果により直接コンテキストを推定してもよい。

具体的には、推定部３２は、事象期間の行動情報と、事象期間の行動情報との差分にも基づいてコンテキストを推定する。より具体的には、推定部３２は、特定の位置（場所、エリア）において、外出自粛期間である事象期間の滞在時間が事象期間以外の期間の滞在時間よりも増えた（増加率が最も高い）場合、自宅と推定する。

（提供部）
提供部３３は、推定部３２によって推定されたコンテキストに基づいて、ユーザへコンテンツを提供する。具体的には、提供部３３は、推定部３２によって補正後の推定結果であるコンテンツに基づいて決定したコンテンツを提供する。

提供部３３によるコンテンツの提供方法は、例えば、プッシュ通知により提供部３３から自発的にユーザへコンテンツを提供してもよく、ユーザの行動に対する応答としてコンテンツを提供する、つまり、受動的にコンテンツを提供してもよい。

〔処理手順〕
次に、図８を用いて、実施形態に係る情報処理装置１が実行する処理の手順について説明する。図８は、実施形態に係る情報処理装置１が実行する処理の手順を示すフローチャートである。

図８に示すように、まず、取得部３０は、ユーザ端末１００からユーザの行動に関する行動情報を取得する（ステップＳ１０１）。

続いて、推定部３２は、事象期間以外の期間の行動情報に基づくコンテキストを推定する（ステップＳ１０２）。

続いて、推定部３２は、推定したコンテキストの事象期間における第１情報と、かかるコンテキストの事象期間以外の期間における第２情報とを生成する（ステップＳ１０３）。

続いて、推定部３２は、第１情報および第２情報の差異を算出する（ステップＳ１０４）。

続いて、推定部３２は、かかる差異が所定の閾値条件を満たすか否かを判定する（ステップＳ１０５）。

推定部３２は、差異が閾値条件を満たす場合（ステップＳ１０５：Ｙｅｓ）、ステップＳ１０２で推定したコンテキストを補正し（ステップＳ１０６）、処理を終了する。

一方、推定部３２は、差異が閾値条件を満たさない場合（ステップＳ１０５：Ｎｏ）、処理を終了する。つまり、推定部３２は、ステップＳ１０２で推定したコンテキストを最終的な推定結果とする。

〔効果〕
上述してきたように、実施形態に係る情報処理装置１は、取得部３０と、検出部３１と、推定部３２とを備える。取得部３０は、ユーザの行動を示す行動情報を取得する。検出部３１は、ユーザの行動に対して影響を与える特定の事象を検出する。推定部３２は、検出部３１によって検出された特定の事象が関係する事象期間の行動情報に基づいて、ユーザのコンテキストを推定する。

これにより、ユーザの情報（コンテキスト）を高精度に推定することができる。

また、取得部３０は、行動情報として位置情報を取得する。推定部３２は、コンテキストとしてユーザの拠点を推定する。

これにより、ユーザのコンテキストとしてユーザの拠点を高精度に推定することができる。

また、ユーザの拠点には、少なくとも自宅および職場が含まれる。

これにより、ユーザのコンテキストとして自宅および職場を高精度に推定することができる。

また、推定部３２は、事象期間の行動情報と、事象期間以外の期間における行動情報との比較結果に基づいて、コンテキストを推定する。

これにより、ユーザのコンテキストを高精度に推定することができる。

また、推定部３２は、事象期間の行動情報に基づき推定した第１のコンテキストに基づいて、事象期間以前の期間における行動情報に基づき推定した第２のコンテキストの正否を判定する。

これにより、第２のコンテキストの推定結果の正否を高精度に判定することができる。

また、推定部３２は、事象期間以外の期間における行動情報に基づき推定したコンテキストにおいて、コンテキストの事象期間における第１情報と、コンテキストの事象期間以外の期間における第２情報との差異に基づいて、コンテキストの正否を判定する。

これにより、事象期間以外の期間の行動情報に基づいて推定したコンテキストの正否を高精度に判定することができる。

また、推定部３２は、第１情報と第２情報との差異が所定の閾値条件を満たす場合に、推定したコンテキストの推定結果が誤りであると判定し、差異に基づいてコンテキストの推定結果を補正する。

これにより、補正後のコンテキストの精度を高めることができる。

また、実施形態に係る情報処理装置１は、提供部３３をさらに備える。提供部３３は、推定部３２によって推定されたコンテキストに基づいて、ユーザにコンテンツを提供する。

これにより、ユーザのコンテキストに合致したより適切なコンテンツを提供することができる。

〔プログラム〕
また、上述してきた実施形態に係る情報処理装置１は、例えば図９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９は、実施形態に係る情報処理装置１の機能を実現するコンピュータ１０００の一例を示すハードウェア構成図である。コンピュータ１０００は、ＣＰＵ１１００、ＲＡＭ１２００、ＲＯＭ１３００、ＨＤＤ１４００、通信インターフェイス（Ｉ／Ｆ）１５００、入出力インターフェイス（Ｉ／Ｆ）１６００、及びメディアインターフェイス（Ｉ／Ｆ）１７００を有する。

ＣＰＵ１１００は、ＲＯＭ１３００又は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（例えば、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送信する。

ＣＰＵ１１００は、入出力インターフェイス１６００を介して、ディスプレイやプリンタ等の出力装置、及び、キーボードやマウス等の入力装置といった入出力装置を制御する。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又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１として機能する場合、コンピュータ１０００のＣＰＵ１１００は、ＲＡＭ１２００上にロードされたプログラムを実行することにより、制御部３の機能を実現する。また、ＨＤＤ１４００には、記憶部４内のデータが格納される。コンピュータ１０００のＣＰＵ１１００は、これらのプログラムを、記録媒体１８００から読み取って実行するが、他の例として、他の装置から、ネットワークＮを介してこれらのプログラムを取得してもよい。

以上、本願の実施形態のいくつかを図面に基づいて詳細に説明したが、これらは例示であり、発明の開示の欄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。

〔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変更することができる。例えば、各図に示した各種情報は、図示した情報に限られない。

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

また、上述してきた実施形態に記載した各処理は、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、上記してきた「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３０は、取得手段や取得回路に読み替えることができる。

１情報処理装置
２、２００通信部
３、３００制御部
４、４００記憶部
３０、３１０取得部
３１検出部
３２推定部
３３提供部
１００端末装置（ユーザ端末）
３２０送信部
５００入力部
６００表示部
Ｓ情報処理システム

Claims

ユーザの行動を示す行動情報を取得する取得部と、
前記ユーザの前記行動に対して影響を与える特定の事象を検出する検出部と、
前記検出部によって検出された前記事象が関係する事象期間の前記行動情報に基づいて、前記ユーザのコンテキストを推定する推定部と
を備えることを特徴とする情報処理装置。
前記取得部は、
前記行動情報として位置情報を取得し、
前記推定部は、
前記コンテキストとして前記ユーザの拠点を推定すること
を特徴とする請求項１に記載の情報処理装置。
前記ユーザの拠点には、少なくとも自宅および職場が含まれること
を特徴とする請求項２に記載の情報処理装置。
前記推定部は、
前記事象期間の前記行動情報と、前記事象期間以外の期間における前記行動情報との比較結果に基づいて、前記コンテキストを推定すること
を特徴とする請求項１～３のいずれか１つに記載の情報処理装置。
前記推定部は、
前記事象期間の前記行動情報に基づき推定した第１の前記コンテキストと、前記事象期間以前の期間における前記行動情報に基づき推定した第２の前記コンテキストと比較結果により、前記第２のコンテキストの正否を判定すること
を特徴とする請求項４に記載の情報処理装置。
前記推定部は、
前記事象期間以外の期間における前記行動情報に基づき推定した前記コンテキストにおいて、当該コンテキストの前記事象期間における第１情報と、当該コンテキストの前記事象期間以外の期間における第２情報との差異に基づいて、前記コンテキストの正否を判定すること
を特徴とする請求項５に記載の情報処理装置。
前記推定部は、
前記第１情報と前記第２情報との差異が所定の閾値条件を満たす場合に、推定した前記コンテキストの推定結果が誤りであると判定し、前記差異に基づいて前記コンテキストの推定結果を補正すること
を特徴とする請求項６に記載の情報処理装置。
前記推定部によって推定された前記コンテキストに基づいて、前記ユーザにコンテンツを提供する提供部をさらに備えること
を特徴とする請求項１～７のいずれか１つに記載の情報処理装置。
情報処理装置が実行する情報処理方法であって、
ユーザの行動を示す行動情報を取得する取得工程と、
前記ユーザの前記行動に対して影響を与える特定の事象を検出する検出工程と、
前記検出工程によって検出された前記事象が関係する事象期間の前記行動情報に基づいて、前記ユーザのコンテキストを推定する推定工程と
を含むことを特徴とする情報処理方法。
ユーザの行動を示す行動情報を取得する取得手順と、
前記ユーザの前記行動に対して影響を与える特定の事象を検出する検出手順と、
前記検出手順によって検出された前記事象が関係する事象期間の前記行動情報に基づいて、前記ユーザのコンテキストを推定する推定手順と
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。