JP2022080764A - 推定装置、推定方法および推定プログラム - Google Patents
推定装置、推定方法および推定プログラム Download PDFInfo
- Publication number
- JP2022080764A JP2022080764A JP2020192019A JP2020192019A JP2022080764A JP 2022080764 A JP2022080764 A JP 2022080764A JP 2020192019 A JP2020192019 A JP 2020192019A JP 2020192019 A JP2020192019 A JP 2020192019A JP 2022080764 A JP2022080764 A JP 2022080764A
- Authority
- JP
- Japan
- Prior art keywords
- data
- user
- estimation device
- question data
- answer
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 42
- 206010012289 Dementia Diseases 0.000 claims abstract description 96
- 238000010801 machine learning Methods 0.000 claims abstract description 17
- 230000008569 process Effects 0.000 claims description 17
- 238000004891 communication Methods 0.000 abstract description 17
- 238000012358 sourcing Methods 0.000 abstract 1
- 238000012545 processing Methods 0.000 description 25
- 230000006870 function Effects 0.000 description 13
- 238000010586 diagram Methods 0.000 description 8
- 238000013500 data storage Methods 0.000 description 7
- 230000005540 biological transmission Effects 0.000 description 6
- 230000000694 effects Effects 0.000 description 6
- 230000007774 longterm Effects 0.000 description 6
- 238000004364 calculation method Methods 0.000 description 4
- 230000010365 information processing Effects 0.000 description 4
- 208000036119 Frailty Diseases 0.000 description 3
- 206010003549 asthenia Diseases 0.000 description 3
- 230000008859 change Effects 0.000 description 3
- 238000001514 detection method Methods 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 239000004065 semiconductor Substances 0.000 description 3
- 238000005401 electroluminescence Methods 0.000 description 2
- 239000004973 liquid crystal related substance Substances 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000002265 prevention Effects 0.000 description 2
- 235000010724 Wisteria floribunda Nutrition 0.000 description 1
- 230000005856 abnormality Effects 0.000 description 1
- 235000021152 breakfast Nutrition 0.000 description 1
- 239000003086 colorant Substances 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 230000006866 deterioration Effects 0.000 description 1
- 230000005674 electromagnetic induction Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 230000003340 mental effect Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
- 238000010897 surface acoustic wave method Methods 0.000 description 1
- 208000024891 symptom Diseases 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Images
Landscapes
- Medical Treatment And Welfare Office Work (AREA)
Abstract
Description
〔1.推定処理〕
図1を用いて、実施形態に係る推定処理の一例について説明する。図1は、実施形態に係る推定システムの処理の一例を示す図である。
次に、実施形態に係る推定装置100の利用例(適宜、本利用例)について説明する。例えば、一人暮らしの高齢者等の家庭にセンサ等を設置し、高齢者の異常等を検知し、家族等に通知するシステム(適宜、「高齢者見守りシステム」)と連携した利用をすることができる。
次に、図2を用いて、実施形態に係る推定装置100の構成について説明する。図2は、実施形態に係る推定装置100の構成例を示すブロック図である。図2に示すように、推定装置100は、通信部110と、記憶部120と、制御部130とを有する。なお、推定装置100は、推定装置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、所定の通信網(ネットワーク)と有線または無線で接続され、ユーザ端末10やオーナー端末20との間で情報の送受信を行う。
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2に示すように、設問データ記憶部121と、利用者情報記憶部122とを有する。そして、記憶部120は、制御部130が動作する際に参照する各種情報や、制御部130が動作した際に取得した各種情報を記憶する。
実施形態に係る設問データ記憶部121は、設問データに関する各種情報を記憶する。例えば、設問データ記憶部121は、第1の設問データ、第2の設問データを記憶する。また、設問データ記憶部121は、第1の設問データに対する解答データ、第2の設問データに対する解答データを記憶する。さらに、設問データ記憶部121は、第1の設問データに対する解答データから決定された正解データ、第2の設問データの正解データを記憶する。
実施形態に係る利用者情報記憶部122は、ワーカーおよびオーナーに関する情報を記憶する。例えば、利用者情報記憶部122は、ワーカーの氏名、住所、メールアドレス、年齢、性別、過去のタスク、家族に関する情報や、オーナーの名称、端末情報、タスクの目的、過去のタスクに関する情報等を記憶する。
制御部130は、例えば、CPU(Central Processing Unit)やMPU(Micro Processing Unit)等によって、推定装置100内部の記憶装置に記憶されている各種プログラム(推定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、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。
配信部131は、ユーザからの回答が機械学習に用いられる設問データをユーザ10に配信する。例えば、配信部131は、設問データとして、第1の設問データに類似する第2の設問データを配信する。また、配信部131は、第1の設問データに対する回答が所定の条件を満たす場合は、第2の設問データを配信する。また、配信部131は、設問データとして、画像データ、テキストデータおよび音声データの少なくとも1つを用いた設問データを配信する。また、配信部131は、設問データとして、画像の特徴を問い合わせる内容を含む設問データを配信する。また、配信部131は、設問データとして、テキストの特徴を問い合わせる内容を含む設問データを配信する。さらに、配信部131は、ユーザ10の認知症レベルに基づいて、設問データを変更する。また、配信部131は、商品またはサービスの情報をユーザ10または所定の登録者に配信する。なお、配信部131は、配信に関わる設問データを記憶部120から取得する。また、配信部131は、作成、変更に関わる設問データや正解データを記憶部120に格納する。
取得部132は、ユーザからの回答が機械学習に用いられる設問データをオーナー20から取得する。また、取得部132は、ユーザ10の設問データに対する解答データを取得する。例えば、取得部132は、解答データとして、画像の特徴を選択する内容を含む解答データを取得する。また、取得部132は、解答データとして、テキストの特徴を選択する内容を含む解答データを取得する。また、取得部132は、他のユーザの設問データに対する解答データをさらに取得する。なお、取得部132は、オーナー20から取得した設問データを記憶部120に格納する。また、取得部132は、ユーザ10や他のユーザから取得した解答データを記憶部120に格納する。
判定部133は、ユーザ10の解答データに基づいて、ユーザ10の認知症レベルを判定する。また、判定部133は、ユーザ10の解答データおよび他のユーザの解答データに基づいて、ユーザ10の認知症レベルを判定する。さらに、判定部133は、ユーザ10の認知症レベルが所定値以上である場合、ユーザ10の解答データに認知症フラグを設定する。なお、判定部133は、判定に関わる解答データや利用者情報を記憶部120から取得する。また、判定部133は、ユーザ10の認知症レベルを記憶部120に格納する。
出力部134は、ユーザ10の認知症レベルを出力する。さらに、出力部134は、ユーザ10の認知症レベルに基づいて、商品またはサービスの情報を出力する。なお、出力部134は、ユーザ10の認知症レベルや利用者情報を記憶部120から取得する。また、出力部134は、ユーザ10の認知症レベルに基づく商品の情報を記憶部120から検索し、取得する。
次に、図3を用いて、実施形態に係る端末装置であるユーザ端末10およびオーナー端末20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10の構成例を示すブロック図である。図3に示すように、ユーザ端末10は、通信部11と、記憶部12と、入力部13と、表示部14と、制御部15とを有する。また、ユーザ端末10は、各種情報を音声出力するための音声出力部(例えば、スピーカ等)を有してもよい。なお、実施形態に係るオーナー端末20は、ユーザ端末10と同様の構成、機能を有するため省略する。
通信部11は、例えば、通信回路等によって実現される。そして、通信部11は、図示しない所定の通信網と有線または無線で接続され、推定装置100やオーナー端末20との間で情報の送受信を行う。
記憶部12は、例えば、RAM、フラッシュメモリ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。記憶部12は、例えば、ユーザ端末10にインストールされているアプリケーション(例えば情報表示アプリ等)に関する情報、例えばプログラム等を記憶する。
入力部13は、ユーザからの各種操作を受け付ける。入力部13は、音声を検知する機能を有し、ユーザの発話による音声入力を受け付ける。入力部13は、音声を検知するマイクにより検知されたユーザによる発話を入力として受け付ける。
表示部14は、例えば液晶ディスプレイや有機EL(Electro-Luminescence)ディスプレイ等によって実現されるタブレット端末等の表示画面であり、各種情報を表示するための表示装置である。
制御部15は、コントローラであり、例えば、CPUやMPU等によって、端末装置10内部の記憶部12など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。例えば、この各種プログラムは、インストールされているアプリケーション(例えばメッセージアプリ等)のプログラムが含まれる。また、制御部15は、コントローラであり、例えば、ASICやFPGA等の集積回路により実現される。
受付部151は、各種情報を受け付ける。例えば、受付部151は、入力部13を介してユーザによる入力を受け付ける。受付部151は、ユーザによる操作を受け付ける。受付部151は、表示部14により表示された情報に対するユーザの操作を受け付ける。
送信部152は、通信部11を介して、推定装置100やオーナー端末20へ各種情報を送信する。
受信部153は、通信部11を介して、推定装置100やオーナー端末20から送信された各種情報を受信する。
処理部154は、各種の処理を実行する。処理部154は、受信部153が受信した情報を表示部14に表示する。
図4を用いて、実施形態に係る設問データの配信処理の手順について説明する。図4は、実施形態に係る設問データの配信処理の一例を示すフローチャートである。
図5を用いて、解答データの処理の手順について説明する。図5は、実施形態に係る解答データの処理の一例を示すフローチャートである。
図6を用いて、出力処理の手順について説明する。図6は、実施形態に係る出力処理の一例を示すフローチャートである。
上述してきたように、実施形態に係る推定システム1は、ユーザからの回答が機械学習に用いられる設問データをユーザ10に配信し、ユーザ10の設問データに対する解答データを取得し、ユーザ10の解答データに基づいて、ユーザ10の認知症レベルを判定する。これにより、推定システム1は、クラウドソーシングにおいて、認知症レベルを効果的に推定することができる。
また、上述した実施形態に係る端末装置10や推定装置100は、例えば図7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。以下、推定装置100を例に挙げて説明する。図7は、ハードウェア構成の一例を示す図である。コンピュータ1000は、出力装置1010、入力装置1020と接続され、演算装置1030、一次記憶装置1040、二次記憶装置1050、出力I/F(Interface)1060、入力I/F1070、ネットワークI/F1080がバス1090により接続された形態を有する。
以上、本願の実施形態を説明したが、これら実施形態の内容により本発明が限定されるものではない。また、前述した構成要素には、当業者が容易に想定できるもの、実質的に同一のもの、いわゆる均等の範囲のものが含まれる。さらに、前述した構成要素は適宜組み合わせることが可能である。さらに、前述した実施形態の要旨を逸脱しない範囲で構成要素の種々の省略、置換又は変更を行うことができる。
100 推定装置
110 通信部
120 記憶部
121 設問データ記憶部
122 利用者情報記憶部
130 制御部
131 配信部
132 取得部
133 判定部
134 出力部
10 ユーザ端末(端末装置)
11 通信部
12 記憶部
13 入力部
14 表示部
15 制御部
151 受付部
152 送信部
153 受信部
154 処理部
20 オーナー端末
Claims (14)
- ユーザからの回答が機械学習に用いられる設問データをユーザに配信する配信部と、
前記ユーザの前記設問データに対する解答データを取得する取得部と、
前記ユーザの解答データに基づいて、前記ユーザの認知症レベルを判定する判定部と
を備えることを特徴とする推定装置。 - 前記配信部は、前記設問データとして、第1の設問データに類似する第2の設問データを配信することを特徴とする請求項1に記載の推定装置。
- 前記配信部は、前記第1の設問データに対する回答が所定の条件を満たす場合は、前記第2の設問データを配信することを特徴とする請求項2に記載の推定装置。
- 前記配信部は、前記設問データとして、画像データ、テキストデータおよび音声データの少なくとも1つを用いた設問データを配信することを特徴とする請求項1に記載の推定装置。
- 前記配信部は、前記設問データとして、画像の特徴を問い合わせる内容を含む設問データを配信することを特徴とする請求項1に記載の推定装置。
- 前記配信部は、前記設問データとして、テキストの特徴を問い合わせる内容を含む設問データを配信することを特徴とする請求項1に記載の推定装置。
- 前記配信部は、前記認知症レベルに基づいて、前記設問データを変更することを特徴とする請求項1に記載の推定装置。
- 前記取得部は、前記解答データとして、画像の特徴を選択する内容を含む解答データを取得することを特徴とする請求項1に記載の推定装置。
- 前記取得部は、前記解答データとして、テキストの特徴を選択する内容を含む解答データを取得することを特徴とする請求項1に記載の推定装置。
- 前記取得部は、他のユーザの前記設問データに対する解答データをさらに取得し、
前記判定部は、前記ユーザの解答データおよび前記他のユーザの解答データに基づいて、前記ユーザの認知症レベルを判定することを特徴とする請求項1に記載の推定装置。 - 前記判定部は、前記認知症レベルが所定値以上である場合、前記ユーザの解答データに認知症フラグを設定することを特徴とする請求項1に記載の推定装置。
- 前記認知症レベルに基づいて、商品またはサービスの情報を出力する出力部をさらに備え、
前記配信部は、前記情報を前記ユーザまたは所定の登録者に配信することを特徴とする請求項1に記載の推定装置。 - 推定装置によって実行される推定方法であって、
ユーザからの回答が機械学習に用いられる設問データをユーザに配信する配信工程と、
前記ユーザの前記設問データに対する解答データを取得する取得工程と、
前記ユーザの解答データに基づいて、前記ユーザの認知症レベルを判定する判定工程と
を含むことを特徴とする推定方法。 - ユーザからの回答が機械学習に用いられる設問データをユーザに配信する配信ステップと、
前記ユーザの前記設問データに対する解答データを取得する取得ステップと、
前記ユーザの解答データに基づいて、前記ユーザの認知症レベルを判定する判定ステップと
をコンピュータに実行させることを特徴とする推定プログラム。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2020192019A JP2022080764A (ja) | 2020-11-18 | 2020-11-18 | 推定装置、推定方法および推定プログラム |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2020192019A JP2022080764A (ja) | 2020-11-18 | 2020-11-18 | 推定装置、推定方法および推定プログラム |
Publications (1)
Publication Number | Publication Date |
---|---|
JP2022080764A true JP2022080764A (ja) | 2022-05-30 |
Family
ID=81756836
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2020192019A Pending JP2022080764A (ja) | 2020-11-18 | 2020-11-18 | 推定装置、推定方法および推定プログラム |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP2022080764A (ja) |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2005046289A (ja) * | 2003-07-28 | 2005-02-24 | Tokai Univ | 痴呆検査装置、痴呆検査サーバ、痴呆検査クライアント、および痴呆検査システム |
JP2007282992A (ja) * | 2006-04-19 | 2007-11-01 | Sky Kk | 認知症診断支援システム |
JP2020003882A (ja) * | 2018-06-25 | 2020-01-09 | 国立研究開発法人理化学研究所 | リスク評価方法、リスク評価装置及びリスク評価プログラム |
WO2020195929A1 (ja) * | 2019-03-28 | 2020-10-01 | パナソニックIpマネジメント株式会社 | レコメンド商品決定装置、レコメンド商品決定システム及びレコメンド商品決定方法 |
-
2020
- 2020-11-18 JP JP2020192019A patent/JP2022080764A/ja active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2005046289A (ja) * | 2003-07-28 | 2005-02-24 | Tokai Univ | 痴呆検査装置、痴呆検査サーバ、痴呆検査クライアント、および痴呆検査システム |
JP2007282992A (ja) * | 2006-04-19 | 2007-11-01 | Sky Kk | 認知症診断支援システム |
JP2020003882A (ja) * | 2018-06-25 | 2020-01-09 | 国立研究開発法人理化学研究所 | リスク評価方法、リスク評価装置及びリスク評価プログラム |
WO2020195929A1 (ja) * | 2019-03-28 | 2020-10-01 | パナソニックIpマネジメント株式会社 | レコメンド商品決定装置、レコメンド商品決定システム及びレコメンド商品決定方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Nerminathan et al. | Doctors’ use of mobile devices in the clinical setting: a mixed methods study | |
Shpigelman et al. | How do adults with intellectual disabilities use Facebook? | |
Gallego et al. | Evaluating the impact of proactivity in the user experience of a context-aware restaurant recommender for Android smartphones | |
Dou et al. | Power of the swipe: Why mobile websites should add horizontal swiping to tapping, clicking, and scrolling interaction techniques | |
Southerton et al. | Habitual disclosure: Routine, affordance, and the ethics of young peoples social media data surveillance | |
US9391993B1 (en) | Sharing content by indicating activity from users in a social network | |
Gudi et al. | Challenges and prospects in india's digital health journey | |
A. Becker | Know your library users: how three generations use digital tech | |
Kim et al. | Older adults with functional limitations and their use of telehealth during COVID-19 | |
Al Mahmud et al. | Social networking through email: studying email usage patterns of persons with aphasia | |
JP7160757B2 (ja) | 判定装置、判定方法及び判定プログラム | |
JP6601992B1 (ja) | 情報処理装置 | |
JP6635458B1 (ja) | 情報処理装置 | |
Keeney | School social workers’ perceptions of ethical dilemmas associated with electronic media use in school settings | |
JP2022080764A (ja) | 推定装置、推定方法および推定プログラム | |
JP7408605B2 (ja) | 情報処理装置、情報処理方法および情報処理プログラム | |
Slay et al. | Enhancing suicide prevention outreach via mobile‐enabled website design | |
US10672034B2 (en) | Document consumption and value add services | |
JP2019200713A (ja) | 情報処理装置、情報処理方法及び情報処理プログラム | |
JP6500142B1 (ja) | 選択装置、選択方法及び選択プログラム | |
JP2019067119A (ja) | 個人情報管理プログラム、個人情報管理方法および情報処理装置 | |
JP6866327B2 (ja) | 判定装置、判定方法及び判定プログラム | |
Saulsberry et al. | Insurance coverage & whither thou goest for health information in 2012 | |
US10432566B2 (en) | Determining membership causes for new user and continued involvement in social network sites | |
JP7184972B1 (ja) | 情報処理装置、情報処理方法および情報処理プログラム |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20220617 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20230516 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20230517 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20230714 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20230926 |
|
A711 | Notification of change in applicant |
Free format text: JAPANESE INTERMEDIATE CODE: A712 Effective date: 20231026 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20231116 |
|
A02 | Decision of refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A02 Effective date: 20231219 |