JP2023120695A - 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】ユーザの誤った操作の内容や種別からユーザのコンテキストを推定する情報処理装置、情報処理方法及び情報処理プログラムを提供する。【解決手段】情報処理装置１は、利用者からの入力を受け付ける受付部と、利用者が入力ミスを行ったか否かを判定する判定部と、利用者の入力ミスの傾向からコンテキストを推定する推定部と、を備える。推定部は、誤入力の入力態様と、誤入力が生じた際の行動との関係性を学習したモデルを用いて、利用者が誤入力した場合に、誤入力が生じた際の利用者の行動を推定する。【選択図】図１

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。

設定された単位を誤認して数値を誤入力した場合であっても、数値に対して誤った単位を入力した場合であっても、より適切な値又は単位に修正する技術が開示されている。

特開２０２１－１５２７３６号公報

しかしながら、上記の従来技術では、数値に対して誤った単位を入力した場合に、より適切な値又は単位に修正するものに過ぎない。上記の従来技術では、数値に対して誤った単位を入力した場合のユーザのコンテキストを知ることはできない。

本願は、上記に鑑みてなされたものであって、ユーザの誤った操作の内容や種別からユーザのコンテキストを推定することを目的とする。

本願に係る情報処理装置は、利用者からの入力を受け付ける受付部と、前記利用者が入力ミスを行ったか否かを判定する判定部と、前記利用者の入力ミスの傾向から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、ユーザの誤った操作の内容や種別からユーザのコンテキストを推定することができる。

図１は、実施形態に係る情報処理方法の概要を示す説明図である。 図２は、実施形態に係る情報処理システムの構成例を示す図である。 図３は、実施形態に係る端末装置の構成例を示す図である。 図４は、実施形態に係るサーバ装置の構成例を示す図である。 図５は、利用者情報データベースの一例を示す図である。 図６は、履歴情報データベースの一例を示す図である。 図７は、誤入力情報データベースの一例を示す図である。 図８は、実施形態に係る処理手順を示すフローチャートである。 図９は、ハードウェア構成の一例を示す図である。

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。

〔１．情報処理方法の概要〕
まず、図１を参照し、実施形態に係る情報処理装置が行う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説明図である。なお、図１では、ユーザの誤った操作の内容や種別からユーザのコンテキストを推定する場合を例に挙げて説明する。

図１に示すように、情報処理システム１は、端末装置１０とサーバ装置１００とを含む。端末装置１０とサーバ装置１００とは、ネットワークＮ（図２参照）を介して有線又は無線で互いに通信可能に接続される。本実施形態では、端末装置１０は、サーバ装置１００と連携する。

端末装置１０は、利用者Ｕ（ユーザ）により使用されるスマートフォンやタブレット端末等のスマートデバイスであり、４Ｇ（Generation）やＬＴＥ（Long Term Evolution）等の無線通信網を介して任意のサーバ装置と通信を行うことができる携帯端末装置である。また、端末装置１０は、液晶ディスプレイ等の画面であって、タッチパネルの機能を有する画面を有し、利用者Ｕから指やスタイラス等によりタップ操作、スライド操作、スクロール操作等、コンテンツ等の表示データに対する各種の操作を受付ける。なお、画面のうち、コンテンツが表示されている領域上で行われた操作を、コンテンツに対する操作としてもよい。また、端末装置１０は、スマートデバイスのみならず、デスクトップＰＣ（Personal Computer）やノートＰＣ等の情報処理装置であってもよい。

サーバ装置１００は、各利用者Ｕの端末装置１０と連携し、各利用者Ｕの端末装置１０に対して、各種アプリケーション（以下、アプリ）等に対するＡＰＩ（Application Programming Interface）サービス等と、各種データを提供する情報処理装置であり、コンピュータやクラウドシステム等により実現される。

また、サーバ装置１００は、各利用者Ｕの端末装置１０に対して、オンラインで何らかのＷｅｂサービスを提供する情報処理装置であってもよい。例えば、サーバ装置１００は、Ｗｅｂサービスとして、インターネット接続、検索サービス、ＳＮＳ（Social Networking Service）、電子商取引（ＥＣ：Electronic Commerce）、電子決済、オンラインゲーム、オンラインバンキング、オンライントレーディング、宿泊・チケット予約、動画・音楽配信、ニュース、地図、ルート検索、経路案内、路線情報、運行情報、天気予報等のサービスを提供してもよい。実際には、サーバ装置１００は、上記のようなＷｅｂサービスを提供する各種サーバと連携し、Ｗｅｂサービスを仲介してもよいし、Ｗｅｂサービスの処理を担当してもよい。

なお、サーバ装置１００は、利用者Ｕに関する利用者情報を取得可能である。例えば、サーバ装置１００は、利用者Ｕの性別、年代、居住地域といった利用者Ｕの属性に関する情報を取得する。そして、サーバ装置１００は、利用者Ｕを示す識別情報（利用者ＩＤ等）とともに利用者Ｕの属性に関する情報を記憶して管理する。

また、サーバ装置１００は、利用者Ｕの端末装置１０から、あるいは利用者ＩＤ等に基づいて各種サーバ等から、利用者Ｕの行動を示す各種の履歴情報（ログデータ）を取得する。例えば、サーバ装置１００は、利用者Ｕの位置や日時の履歴である位置履歴を端末装置１０から取得する。また、サーバ装置１００は、利用者Ｕが入力した検索クエリの履歴である検索履歴を検索サーバ（検索エンジン）から取得する。また、サーバ装置１００は、利用者Ｕが閲覧したコンテンツの履歴である閲覧履歴をコンテンツサーバから取得する。また、サーバ装置１００は、利用者Ｕの商品購入や決済処理の履歴である購入履歴（決済履歴）を電子商取引サーバや決済処理サーバから取得する。また、サーバ装置１００は、利用者Ｕのマーケットプレイスへの出品の履歴である出品履歴や販売履歴を電子商取引サーバや決済処理サーバから取得してもよい。また、サーバ装置１００は、利用者Ｕの投稿の履歴である投稿履歴を口コミの投稿サービスを提供する投稿サーバやＳＮＳサーバから取得する。

本実施形態では、利用者Ｕの端末装置１０は、アプリを起動又はプログラムを実行し、サーバ装置１００と連携して、利用者Ｕの入力時のミス（誤入力、打ち間違え等）の傾向から利用者Ｕのコンテキスト（context：状況）を推定する。このとき、端末装置１０は、端末の使用者／所有者である利用者Ｕの入力時のミスの傾向から利用者Ｕのコンテキストを推定する。サーバ装置１００は、端末から通知を受けた各利用者Ｕの入力時のミスの傾向から各利用者Ｕのコンテキストを推定する。

なお、利用者Ｕのコンテキストは、利用者Ｕ本人の行動や状況に限らず、利用者Ｕ及び端末装置１０の周囲（周辺環境、他のユーザ等）の状況や環境等であってもよい。あるいは、利用者Ｕのコンテキストは、利用者Ｕとその周囲の総合的なコンテキストであってもよい。

例えば、端末装置１０及びサーバ装置１００は、日本語入力時に、入力すべき文字として「ま」を入れるべきところ、「た」又は「や」が入っていた場合には、利用者Ｕが「よそ見」をしていると推定し、「み」又は「む」が入っていた場合には、利用者Ｕが「走っている」と推定する。

また、端末装置１０及びサーバ装置１００は、日本語入力時に「ままま」など同じ文字が連続している場合や、ローマ字入力時に不要な箇所に小書き文字（捨て仮名）の「っ」が入っていた場合には、利用者Ｕ又は端末装置１０が揺れている状態、あるいは利用者Ｕが落ち着いて入力できない状態にあると推定する。例えば、端末装置１０及びサーバ装置１００は、利用者Ｕが揺れる乗り物に乗った状態で入力している、あるいは寒さ等で利用者Ｕの指が震える状態で入力していると推定する。

端末装置１０及びサーバ装置１００は、入力時のミスの傾向と、利用者Ｕのコンテキストとの組合せについて学習する。このとき、端末装置１０及びサーバ装置１００は、入力時のミスの傾向から、規則（ルール）を見つけてもよいし、コンテキストを推定してもよい。例えば、端末装置１０及びサーバ装置１００は、ミスで入力された文字（又は文字列）と、その時のコンテキストとをモデルに学習させ、このモデルを用いて、ミスで入力された文字から、その時のコンテキストを推定（推論）する。

また、端末装置１０及びサーバ装置１００は、入力時のミスの傾向と、利用者Ｕのコンテキストとの組合せに加え、さらに「入力方法」、「入力する言語」、「入力装置の種別（キーボード等）」、「入力を行った側の手（右手か左手か）」等を学習してもよい。

このように、端末装置１０及びサーバ装置１００は、誤入力の入力態様と、誤入力が生じた際の行動との関係性を学習したモデルを用いて、利用者Ｕが誤入力した場合に、その時の利用者Ｕの行動を推定する。

〔１－１．学習フェーズ〕
図１に示すように、利用者Ｕの端末装置１０は、利用者Ｕからの文字入力を受け付ける（ステップＳ１）。たとえば、端末装置１０は、検索エンジンの検索窓（検索ボックス、検索バー）やアプリの入力欄、ウェブサイトの入力フォーム等において、利用者Ｕから入力された文字（又は文字列）等を取得する。

次に、利用者Ｕの端末装置１０は、ネットワークＮ（図２参照）を介して、利用者Ｕから入力された文字をサーバ装置１００に送信する（ステップＳ２）。

次に、利用者Ｕの端末装置１０は、サーバ装置１００と連携し、利用者Ｕが入力ミスを行ったか否かを判定する（ステップＳ３－１）。サーバ装置１００は、各利用者Ｕが入力ミスを行ったか否かを判定する（ステップＳ３－２）。このとき、端末装置１０及びサーバ装置１００は、入力ミスを推定するモデルを用いて、利用者Ｕが入力ミスを行ったか否かを判定してもよい。また、入力ミスの判定については、公知技術を利用してもよい。

次に、利用者Ｕの端末装置１０は、利用者Ｕが入力ミスを行った場合、利用者Ｕがその時どのような行動を行っていたかを確認する（ステップＳ４－１）。サーバ装置１００は、入力ミスが行われた場合、入力ミスを行った利用者がその時どのような行動を行っていたかを確認する（ステップＳ４－２）。

本実施形態では、利用者Ｕの端末装置１０は、利用者Ｕが入力ミスを行った場合、利用者Ｕに、その時どのような行動を行っていたかを問い合わせる。サーバ装置１００は、入力ミスが行われた場合、入力ミスを行った利用者Ｕに、その時どのような行動を行っていたかを問い合わせる。すなわち、端末装置１０及びサーバ装置１００は、入力ミスを行った利用者本人に、入力ミスを行った時にとっていた行動を回答させる。

なお、実際には、端末装置１０及びサーバ装置１００は、入力ミスが行われた時の端末装置１０のセンサ情報や位置情報、利用者Ｕの履歴情報等から、入力ミスを行った利用者Ｕの行動や状態、周囲の状況等を推定してもよい。端末装置１０のセンサ情報は、端末装置１０に搭載された各種センサ（加速度センサ等）の出力結果（検出・計測結果）に関する情報である。利用者Ｕの履歴情報は、サーバ装置１００に蓄積された検索履歴や購入履歴等に関する情報である。

次に、利用者Ｕの端末装置１０は、機械学習により、利用者Ｕの入力ミスの傾向を推定するモデルを作成する（ステップＳ５－１）。サーバ装置１００は、機械学習により、各利用者Ｕの入力ミスの傾向を推定するモデルを作成する（ステップＳ５－２）。

このとき、端末装置１０は、ネットワークＮ（図２参照）を介して、サーバ装置１００から、基礎となるモデルの配信を受け付けてもよい。その後は、利用者Ｕの端末装置１０は、オンデバイス機械学習を重ねてモデルを再構築し、推定の精度を向上させるようにしてもよい。

また、端末装置１０が端末独自のローカルモデル（端末側モデル）を管理し、サーバ装置１００が全端末共通のグローバルモデル（サーバ側モデル）を管理してもよい。また、端末装置１０とサーバ装置１００は、連合学習（Federated Learning）により、データを集約せずに分散した状態で機械学習を行ってもよい。

例えば、端末装置１０及びサーバ装置１００は、機械学習により、入力すべき「正しい文字（又は文字列）」と、実際に入力された「誤った文字（又は文字列）」との組を入力とし、その時の「行動」を出力とするモデルを作成する。

なお、端末装置１０及びサーバ装置１００は、正しい文字（又は文字列）と誤った文字（又は文字列）との入力態様の差（フリック入力やキーボードの位置関係、ローマ字入力なら母音と子音とのキーボードの距離の差等）をさらに学習してもよい。また、端末装置１０及びサーバ装置１００は、「入力する言語」や、「入力を行った側の手（右手か左手か）」をさらに学習してもよい。

次に、サーバ装置１００は、ネットワークＮ（図２参照）を介して、利用者Ｕから入力された文字に応じた処理結果を端末装置１０に提供する（ステップＳ６）。このとき、サーバ装置１００は、学習結果に基づくモデル又はそのパラメータや差分等を端末装置１０に提供してもよい。

〔１－２．推論フェーズ〕
図１に示すように、利用者Ｕの端末装置１０は、利用者Ｕからの文字入力を受け付ける（ステップＳ１１）。たとえば、端末装置１０は、検索エンジンの検索窓（検索ボックス、検索バー）やアプリの入力欄、ウェブサイトの入力フォーム等において、利用者Ｕから入力された文字（又は文字列）等を取得する。

次に、利用者Ｕの端末装置１０は、ネットワークＮ（図２参照）を介して、利用者Ｕから入力された文字をサーバ装置１００に送信する（ステップＳ１２）。

次に、利用者Ｕの端末装置１０は、サーバ装置１００と連携し、利用者Ｕが入力ミスを行ったか否かを判定する（ステップＳ１３－１）。サーバ装置１００は、各利用者Ｕが入力ミスを行ったか否かを判定する（ステップＳ１３－２）。入力ミスの判定については、公知技術を利用してもよい。

次に、端末装置１０は、学習済みのモデルを用いて、誤入力から行動を推定する（ステップＳ１４－１）。サーバ装置１００は、学習済みのモデルを用いて、誤入力から行動を推定する（ステップＳ１４－２）。すなわち、端末装置１０及びサーバ装置１００は、誤入力された文字（又は文字列）をモデルに入力し、出力としてその文字（又は文字列）が誤入力された時の行動に関する情報を取得する。

例えば、端末装置１０及びサーバ装置１００は、学習済みのモデルを用いて、実際に入力された「誤った文字（又は文字列）」を入力とし、本来入力すべきであった「正しい文字（又は文字列）」と、誤入力が発生した時の「行動」を出力として取得する。

なお、実際には、端末装置１０及びサーバ装置１００は、学習済みのモデルを用いて、実際に入力された「誤った文字（又は文字列）」と、誤入力が発生した時の「行動」との組を入力とし、本来入力すべきであった「正しい文字（又は文字列）」を出力として取得してもよい。

なお、端末装置１０は、ネットワークＮ（図２参照）を介して、推定された行動をサーバ装置１００に送信してもよい。また、端末装置１０は、ネットワークＮ（図２参照）を介して、推定された正しい文字をサーバ装置１００に送信してもよい。また、端末装置１０は、端末上で、推定された行動に応じた処理を行ってもよい。

次に、サーバ装置１００は、推定された行動に応じた処理結果を、誤入力を行った利用者Ｕの端末装置１０に提供する（ステップＳ１５）。本実施形態では、サーバ装置１００は、誤入力された文字と推定された行動から正しい文字を推定し、推定された正しい文字に応じた処理結果を、誤入力を行った利用者Ｕの端末装置１０に提供する。

例えば、端末装置１０は、サーバ装置１００を検索エンジンとして検索を行っている際に、検索クエリで誤入力が生じた場合に、モデルを用いて、行動を推定する。そして、端末装置１０は、検索クエリ（誤入力された文字を含む文字列）と、推定された行動とを、ネットワークＮ（図２参照）を介してサーバ装置１００に送信する。サーバ装置１００は、モデルを用いて、検索クエリ（誤入力された文字を含む文字列）と、推定された行動とから、正しい検索クエリを推定し、正しい検索クエリに応じた検索結果のリスティング（一覧表）を変更する。

なお、端末装置１０及びサーバ装置１００は、推定結果を何に使ってもよい。例えば、推定結果を、検索結果のリスティング（一覧表の作成・変更）、商品／サービスのレコメンド（recommend）、広告配信、又は音楽の選択等に使用してもよい。すなわち、端末装置１０及びサーバ装置１００は、推定された行動に応じて、検索結果のリスティング、商品／サービスのレコメンド、広告配信、又は音楽の選択等の処理を行い、その処理結果を利用者Ｕの端末装置１０に提供してもよい。

また、端末装置１０及びサーバ装置１００は、推定結果を集計して分析してもよい。例えば、端末装置１０及びサーバ装置１００は、各利用者Ｕが誤入力した文字と、誤入力を行った時の行動とを集計して分析してもよい。

さらに、サーバ装置１００は、推定結果に基づいて、推定結果に関連するサービスや商品等に関する各種情報を、誤入力を行った利用者Ｕの端末装置１０に提供してもよい。例えば、サーバ装置１００は、利用者Ｕが誤入力を行ったときの行動（走っている、料理をしている等）に関連するサービスや商品等に関する各種情報を、利用者Ｕの端末装置１０に提供してもよい。

なお、上記の「１－１．学習フェーズ」と「１－２．推論フェーズ」とは並行して実施してもよい。すなわち、端末装置１０及びサーバ装置１００は、学習と推論を並行して行ってもよい。

このとき、端末装置１０及びサーバ装置１００は、入力ミスを行った利用者Ｕがその時どのような行動を行っていたかを推定できなかった場合にのみ、利用者Ｕに、その時どのような行動を行っていたかを問い合わせ、入力ミスと行動との組合せについて新たに学習するようにしてもよい。

また、端末装置１０及びサーバ装置１００は、学習済みのモデルを用いて入力ミスから行動を推定し、推定された行動（又はその行動に応じた処理結果）を利用者Ｕに提示し、提示した情報が正しくない場合に、利用者Ｕに、入力ミスの時にどのような行動を行っていたかを問い合わせ、入力ミスと行動との組合せについて再度学習するようにしてもよい。すなわち、端末装置１０及びサーバ装置１００は、推定された行動が正しくない場合に、利用者Ｕ自身に正しい行動に訂正させ、入力ミスと行動との組合せについて再度学習するようにしてもよい。

〔１－３．その他〕
このように、本実施形態では、端末装置１０及びサーバ装置１００は、利用者のタイポ（typo：誤植）の種類で利用者のコンテキストを推定することができる。例えば、端末装置１０及びサーバ装置１００は、右手に持っている時のタイポの分布、左手に持っているときのタイポの分布、走っている時のタイポの分布、怒っている時のタイポの分布等を学習してモデルを作成し、モデルにタイポを入力することで、タイポに応じた利用者のコンテキストを推定することができる。

また、端末装置１０及びサーバ装置１００は、タイポと、そのタイポが入力された時のセンサ情報（コンテキストを示す情報）とを学習してもよい。また、端末装置１０及びサーバ装置１００は、タイポと、そのタイポが入力された時の位置情報とを学習してもよい。また、端末装置１０及びサーバ装置１００は、タイポと、そのタイポが入力された時間帯に関する時刻情報とを学習してもよい。さらに、端末装置１０及びサーバ装置１００は、タイポとセンサ情報と位置情報と時刻情報とを任意に組み合わせて学習してもよい。

なお、本実施形態では、文字（又は文字列）の誤入力を例に説明しているが、文字（又は文字列）は一例に過ぎない。実際には、数字や記号等であってもよい。また、日本語入力は一例に過ぎない。実際には、英字入力や数字入力であってもよい。また、ドロップダウンリスト（プルダウン）の選択や、アイコンの操作、ファイルの移動や削除等、文字入力以外の操作であってもよい。すなわち、誤入力に限らず、誤操作であってもよい。例えば、利用者Ｕの端末装置１０は、アプリを起動又はプログラムを実行し、サーバ装置１００と連携して、利用者Ｕの操作時のミスの傾向から利用者Ｕのコンテキストを推定する。このとき、端末装置１０は、操作ミスと、その時のコンテキストとをモデルに学習させ、このモデルを用いて、操作ミスから、その時のコンテキストを推定（推論）する。

〔２．情報処理システムの構成例〕
次に、図２を用いて、実施形態に係るサーバ装置１００が含まれる情報処理システム１の構成について説明する。図２は、実施形態に係る情報処理システム１の構成例を示す図である。図２に示すように、実施形態に係る情報処理システム１は、端末装置１０とサーバ装置１００とを含む。これらの各種装置は、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。ネットワークＮは、例えば、ＬＡＮ（Local Area Network）や、インターネット等のＷＡＮ（Wide Area Network）である。

また、図２に示す情報処理システム１に含まれる各装置の数は図示したものに限られない。例えば、図２では、図示の簡略化のため、端末装置１０を１台のみ示したが、これはあくまでも例示であって限定されるものではなく、２台以上であってもよい。

端末装置１０は、利用者Ｕによって使用される情報処理装置である。例えば、端末装置１０は、スマートフォンやタブレット端末等のスマートデバイス、フィーチャーフォン、ＰＣ（Personal Computer）、ＰＤＡ（Personal Digital Assistant）、通信機能を備えたゲーム機やＡＶ機器、カーナビゲーションシステム、スマートウォッチやヘッドマウントディスプレイ等のウェアラブルデバイス（Wearable Device）、スマートグラス等である。

また、かかる端末装置１０は、ＬＴＥ（Long Term Evolution）、４Ｇ（4th Generation）、５Ｇ（5th Generation：第５世代移動通信システム）等の無線通信網や、Ｂｌｕｅｔｏｏｔｈ（登録商標）、無線ＬＡＮ（Local Area Network）等の近距離無線通信を介してネットワークＮに接続し、サーバ装置１００と通信することができる。

サーバ装置１００は、例えばＰＣやブレードサーバ（blade server）等のコンピュータ、あるいはメインフレーム又はワークステーション等である。なお、サーバ装置１００は、クラウドコンピューティングにより実現されてもよい。

〔３．端末装置の構成例〕
次に、図３を用いて、端末装置１０の構成について説明する。図３は、端末装置１０の構成例を示す図である。図３に示すように、端末装置１０は、通信部１１と、表示部１２と、入力部１３と、測位部１４と、センサ部２０と、制御部３０（コントローラ）と、記憶部４０とを備える。

（通信部１１）
通信部１１は、ネットワークＮ（図２参照）と有線又は無線で接続され、ネットワークＮを介して、サーバ装置１００との間で情報の送受信を行う。例えば、通信部１１は、ＮＩＣ（Network Interface Card）やアンテナ等によって実現される。

（表示部１２）
表示部１２は、位置情報等の各種情報を表示する表示デバイスである。例えば、表示部１２は、液晶ディスプレイ（ＬＣＤ：Liquid Crystal Display）や有機ＥＬディスプレイ（Organic Electro-Luminescent Display）である。また、表示部１２は、タッチパネル式のディスプレイであるが、これに限定されるものではない。

（入力部１３）
入力部１３は、利用者Ｕから各種操作を受け付ける入力デバイスである。例えば、入力部１３は、文字や数字等を入力するためのボタン等を有する。なお、入力部１３は、入出力ポート（I/O port）やＵＳＢ（Universal Serial Bus）ポート等であってもよい。また、表示部１２がタッチパネル式のディスプレイである場合、表示部１２の一部が入力部１３として機能する。また、入力部１３は、利用者Ｕから音声入力を受け付けるマイク等であってもよい。マイクはワイヤレスであってもよい。

（測位部１４）
測位部１４は、ＧＰＳ（Global Positioning System）の衛星から送出される信号（電波）を受信し、受信した信号に基づいて、自装置である端末装置１０の現在位置を示す位置情報（例えば、緯度及び経度）を取得する。すなわち、測位部１４は、端末装置１０の位置を測位する。なお、ＧＰＳは、ＧＮＳＳ（Global Navigation Satellite System）の一例に過ぎない。

また、測位部１４は、ＧＰＳ以外にも、種々の手法により位置を測位することができる。例えば、測位部１４は、位置補正等のための補助的な測位手段として、下記のように、端末装置１０の様々な通信機能を利用して位置を測位してもよい。

（Ｗｉ－Ｆｉ測位）
例えば、測位部１４は、端末装置１０のＷｉ－Ｆｉ（登録商標）通信機能や、各通信会社が備える通信網を利用して、端末装置１０の位置を測位する。具体的には、測位部１４は、Ｗｉ－Ｆｉ通信等を行い、付近の基地局やアクセスポイントとの距離を測位することにより、端末装置１０の位置を測位する。

（ビーコン測位）
また、測位部１４は、端末装置１０のＢｌｕｅｔｏｏｔｈ（登録商標）機能を利用して位置を測位してもよい。例えば、測位部１４は、Ｂｌｕｅｔｏｏｔｈ（登録商標）機能によって接続されるビーコン（beacon）発信機と接続することにより、端末装置１０の位置を測位する。

（地磁気測位）
また、測位部１４は、予め測定された構造物の地磁気のパターンと、端末装置１０が備える地磁気センサとに基づいて、端末装置１０の位置を測位する。

（ＲＦＩＤ測位）
また、例えば、端末装置１０が駅改札や店舗等で使用される非接触型ＩＣカードと同等のＲＦＩＤ（Radio Frequency Identification）タグの機能を備えている場合、もしくはＲＦＩＤタグを読み取る機能を備えている場合、端末装置１０によって決済等が行われた情報とともに、使用された位置が記録される。測位部１４は、かかる情報を取得することで、端末装置１０の位置を測位してもよい。また、位置は、端末装置１０が備える光学式センサや、赤外線センサ等によって測位されてもよい。

測位部１４は、必要に応じて、上述した測位手段の一つ又は組合せを用いて、端末装置１０の位置を測位してもよい。

（センサ部２０）
センサ部２０は、端末装置１０に搭載又は接続される各種のセンサを含む。なお、接続は、有線接続、無線接続を問わない。例えば、センサ類は、ウェアラブルデバイスやワイヤレスデバイス等、端末装置１０以外の検知装置であってもよい。図３に示す例では、センサ部２０は、加速度センサ２１と、ジャイロセンサ２２と、気圧センサ２３と、気温センサ２４と、音センサ２５と、光センサ２６と、磁気センサ２７と、画像センサ（カメラ）２８とを備える。

なお、上記した各センサ２１～２８は、あくまでも例示であって限定されるものではない。すなわち、センサ部２０は、各センサ２１～２８のうちの一部を備える構成であってもよいし、各センサ２１～２８に加えてあるいは代えて、湿度センサ等その他のセンサを備えてもよい。

加速度センサ２１は、例えば、３軸加速度センサであり、端末装置１０の移動方向、速度、及び、加速度等の端末装置１０の物理的な動きを検知する。ジャイロセンサ２２は、端末装置１０の角速度等に基づいて３軸方向の傾き等の端末装置１０の物理的な動きを検知する。気圧センサ２３は、例えば端末装置１０の周囲の気圧を検知する。

端末装置１０は、上記した加速度センサ２１やジャイロセンサ２２、気圧センサ２３等を備えることから、これらの各センサ２１～２３等を利用した歩行者自律航法（ＰＤＲ：Pedestrian Dead-Reckoning）等の技術を用いて端末装置１０の位置を測位することが可能になる。これにより、ＧＰＳ等の測位システムでは取得することが困難な屋内での位置情報を取得することが可能になる。

例えば、加速度センサ２１を利用した歩数計により、歩数や歩くスピード、歩いた距離を算出することができる。また、ジャイロセンサ２２を利用して、利用者Ｕの進行方向や視線の方向、体の傾きを知ることができる。また、気圧センサ２３で検知した気圧から、利用者Ｕの端末装置１０が存在する高度やフロアの階数を知ることもできる。

気温センサ２４は、例えば端末装置１０の周囲の気温を検知する。音センサ２５は、例えば端末装置１０の周囲の音を検知する。光センサ２６は、端末装置１０の周囲の照度を検知する。磁気センサ２７は、例えば端末装置１０の周囲の地磁気を検知する。画像センサ２８は、端末装置１０の周囲の画像を撮像する。

上記した気圧センサ２３、気温センサ２４、音センサ２５、光センサ２６及び画像センサ２８は、それぞれ気圧、気温、音、照度を検知したり、周囲の画像を撮像したりすることで、端末装置１０の周囲の環境や状況等を検知することができる。また、端末装置１０の周囲の環境や状況等から、端末装置１０の位置情報の精度を向上させることが可能になる。

（制御部３０）
制御部３０は、例えば、ＣＰＵ（Central Processing Unit）、ＲＯＭ（Read Only Memory）、ＲＡＭ、入出力ポート等を有するマイクロコンピュータや各種の回路を含む。また、制御部３０は、例えば、ＡＳＩＣ（Application Specific Integrated Circuit）やＦＰＧＡ（Field Programmable Gate Array）等の集積回路等のハードウェアで構成されてもよい。制御部３０は、送信部３１と、受信部３２と、処理部３３と、受付部３４と、判定部３５と、確認部３６と、推定部３７とを備える。

（送信部３１）
送信部３１は、例えば入力部１３を用いて利用者Ｕにより入力された各種情報や、端末装置１０に搭載又は接続された各センサ２１～２８によって検知された各種情報、測位部１４によって測位された端末装置１０の位置情報等を、通信部１１を介してサーバ装置１００へ送信することができる。

（受信部３２）
受信部３２は、通信部１１を介して、サーバ装置１００から提供される各種情報や、サーバ装置１００からの各種情報の要求を受信することができる。

（処理部３３）
処理部３３は、表示部１２等を含め、端末装置１０全体を制御する。例えば、処理部３３は、送信部３１によって送信される各種情報や、受信部３２によって受信されたサーバ装置１００からの各種情報を表示部１２へ出力して表示させることができる。

また、処理部３３は、アプリを起動又はプログラムを実行することで、下記の受付部３４、判定部３５、確認部３６、及び推定部３７として機能してもよい。

（受付部３４）
受付部３４は、入力部１３を介して、利用者Ｕからの入力を受け付ける。例えば、受付部３４は、利用者Ｕから検索クエリの入力を受け付ける。また、受付部３４は、利用者Ｕから端末装置１０に対する何らかの操作を受け付ける。また、受付部３４は、利用者Ｕからの入力として、センサ部２０から利用者Ｕの行動に起因するセンサ情報を受け付ける。

（判定部３５）
判定部３５は、利用者Ｕが入力ミスを行ったか否かを判定する。例えば、判定部３５は、入力された文字（又は文字列）から、利用者Ｕが入力ミスを行ったか否かを判定する。このとき、判定部３５は、入力された文字（又は文字列）から入力ミスを推定するモデルを用いて、利用者Ｕが入力ミスを行ったか否かを判定してもよい。また、入力ミスの判定については、公知技術を利用してもよい。

（確認部３６）
確認部３６は、利用者Ｕが入力ミスを行った場合、利用者Ｕがその時どのような行動を行っていたかを確認する。例えば、確認部３６は、利用者Ｕが入力ミスを行った場合、利用者Ｕに、その時どのような行動を行っていたかを問い合わせる。すなわち、端末装置１０及びサーバ装置１００は、入力ミスを行った利用者本人に、入力ミスを行った時にとっていた行動を回答させる。

なお、実際には、確認部３６は、入力ミスが行われた時の端末装置１０のセンサ情報や位置情報、利用者Ｕの履歴情報等から、入力ミスを行った利用者Ｕの行動や状態、周囲の状況等を推定してもよい。端末装置１０のセンサ情報は、端末装置１０に搭載された各種センサ（加速度センサ等）の出力結果（検出・計測結果）に関する情報である。利用者Ｕの履歴情報は、サーバ装置１００に蓄積された検索履歴や購入履歴等に関する情報である。

（推定部３７）
推定部３７は、利用者Ｕの入力ミスの傾向からコンテキストを推定する。例えば、推定部３７は、誤入力の入力態様と、誤入力が生じた際の行動との関係性を学習したモデルを用いて、利用者Ｕが誤入力した場合に、誤入力が生じた際の利用者Ｕの行動を推定する。

また、推定部３７は、正しい文字を入力すべきところ、正しい文字と位置が近い所定の第１の誤字が入力されている場合には、利用者Ｕが第１の行動を取っていると推定し、正しい文字と位置が近い所定の第２の誤字が入力されている場合には、利用者Ｕが第２の行動を取っていると推定する。

また、推定部３７は、正しい文字を入力すべきところ、正しい文字が不必要に連続して入力されている場合には、利用者Ｕが所定の行動を取っていると推定する。

また、推定部３７は、正しい入力と、誤入力の入力態様と、誤入力が生じた際の行動との関係性を学習したモデルを用いて、利用者Ｕが誤入力した場合に、誤入力が生じた際の利用者Ｕの行動を推定するとともに、正しい入力を推定する。

また、推定部３７は、誤入力の入力態様として、入力方法、入力する言語、入力装置の種別、入力を行った側の手（右手か左手か）、のうち少なくとも１つと、誤入力が生じた際の行動との関係性を学習したモデルを用いて、利用者Ｕが誤入力した場合に、誤入力が生じた際の利用者Ｕの行動を推定する。

また、推定部３７は、誤入力の入力態様と、誤入力が生じた際のセンサ情報、履歴情報、位置情報及び時刻情報のうち少なくとも１つと、誤入力が生じた際の行動との関係性を学習したモデルを用いて、利用者Ｕが誤入力した場合に、誤入力が生じた際の利用者Ｕの行動を推定する。

また、推定部３７は、利用者Ｕの行動とともに、利用者Ｕが置かれている所定の状況又は環境を推定する。

さらに、推定部３７は、利用者Ｕが検索クエリの入力ミスを行った場合、利用者Ｕの入力ミスの態様から利用者Ｕの行動を推定し、推定された行動に応じて検索結果のリスティング（一覧表）を変更する。すなわち、推定部３７は、推定された行動に応じて検索結果のリスティングを変更する変更部としても機能する。なお、推定部３７は、行動から検索結果のリスティングを推定するモデルを用いて、推定された行動に応じた検索結果のリスティングを推定してもよい。

（記憶部４０）
記憶部４０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、又は、ＨＤＤ（Hard Disk Drive）、ＳＳＤ（Solid State Drive）、光ディスク等の記憶装置によって実現される。かかる記憶部４０には、各種プログラムや各種データ等が記憶される。

〔４．サーバ装置の構成例〕
次に、図４を用いて、実施形態に係るサーバ装置１００の構成について説明する。図４は、実施形態に係るサーバ装置１００の構成例を示す図である。図４に示すように、サーバ装置１００は、通信部１１０と、記憶部１２０と、制御部１３０とを有する。

（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。また、通信部１１０は、ネットワークＮ（図２参照）と有線又は無線で接続される。

（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、又は、ＨＤＤ、ＳＳＤ、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１２０は、利用者情報データベース１２１と、履歴情報データベース１２２と、誤入力情報データベース１２３とを有する。

（利用者情報データベース１２１）
利用者情報データベース１２１は、利用者Ｕに関する利用者情報を記憶する。例えば、利用者情報データベース１２１は、利用者Ｕの属性等の種々の情報を記憶する。図５は、利用者情報データベース１２１の一例を示す図である。図５に示した例では、利用者情報データベース１２１は、「利用者ＩＤ（Identifier）」、「年齢」、「性別」、「自宅」、「勤務地」、「興味」といった項目を有する。

「利用者ＩＤ」は、利用者Ｕを識別するための識別情報を示す。なお、「利用者ＩＤ」は、利用者Ｕの連絡先（電話番号、メールアドレス等）であってもよいし、利用者Ｕの端末装置１０を識別するための識別情報であってもよい。

また、「年齢」は、利用者ＩＤにより識別される利用者Ｕの年齢を示す。なお、「年齢」は、利用者Ｕの具体的な年齢（例えば３５歳など）を示す情報であってもよいし、利用者Ｕの年代（例えば３０代など）を示す情報であってもよい。あるいは、「年齢」は、利用者Ｕの生年月日を示す情報であってもよいし、利用者Ｕの世代（例えば８０年代生まれなど）を示す情報であってもよい。また、「性別」は、利用者ＩＤにより識別される利用者Ｕの性別を示す。

また、「自宅」は、利用者ＩＤにより識別される利用者Ｕ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、利用者ＩＤにより識別される利用者Ｕの勤務地（学生の場合は学校）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、「興味」は、利用者ＩＤにより識別される利用者Ｕの興味を示す。すなわち、「興味」は、利用者ＩＤにより識別される利用者Ｕが関心の高い対象を示す。例えば、「興味」は、利用者Ｕが検索エンジンに入力して検索した検索クエリ（キーワード）等であってもよい。なお、図５に示す例では、「興味」は、各利用者Ｕに１つずつ図示するが、複数であってもよい。

例えば、図５に示す例において、利用者ＩＤ「Ｕ１」により識別される利用者Ｕ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、利用者ＩＤ「Ｕ１」により識別される利用者Ｕは、自宅が「ＬＣ１１」であることを示す。また、例えば、利用者ＩＤ「Ｕ１」により識別される利用者Ｕは、勤務地が「ＬＣ１２」であることを示す。また、例えば、利用者ＩＤ「Ｕ１」により識別される利用者Ｕは、「スポーツ」に興味があることを示す。

ここで、図５に示す例では、「Ｕ１」、「ＬＣ１１」及び「ＬＣ１２」といった抽象的な値を用いて図示するが、「Ｕ１」、「ＬＣ１１」及び「ＬＣ１２」には、具体的な文字列や数値等の情報が記憶されるものとする。以下、他の情報に関する図においても、抽象的な値を図示する場合がある。

なお、利用者情報データベース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、利用者情報データベース１２１は、利用者Ｕの端末装置１０に関する各種情報を記憶してもよい。また、利用者情報データベース１２１は、利用者Ｕのデモグラフィック（人口統計学的属性）、サイコグラフィック（心理学的属性）、ジオグラフィック（地理学的属性）、ベヘイビオラル（行動学的属性）等の属性に関する情報を記憶してもよい。例えば、利用者情報データベース１２１は、氏名、家族構成、出身地（地元）、職業、職位、収入、資格、居住形態（戸建、マンション等）、車の有無、通学・通勤時間、通学・通勤経路、定期券区間（駅、路線等）、利用頻度の高い駅（自宅・勤務地の最寄駅以外）、習い事（場所、時間帯等）、趣味、興味、ライフスタイル等の情報を記憶してもよい。

（履歴情報データベース１２２）
履歴情報データベース１２２は、利用者Ｕの行動を示す履歴情報（ログデータ）に関する各種情報を記憶する。図６は、履歴情報データベース１２２の一例を示す図である。図６に示した例では、履歴情報データベース１２２は、「利用者ＩＤ」、「位置履歴」、「検索履歴」、「閲覧履歴」、「購入履歴」、「投稿履歴」といった項目を有する。

「利用者ＩＤ」は、利用者Ｕを識別するための識別情報を示す。また、「位置履歴」は、利用者Ｕの位置や移動の履歴である位置履歴を示す。また、「検索履歴」は、利用者Ｕが入力した検索クエリの履歴である検索履歴を示す。また、「閲覧履歴」は、利用者Ｕが閲覧したコンテンツの履歴である閲覧履歴を示す。また、「購入履歴」は、利用者Ｕによる購入の履歴である購入履歴を示す。また、「投稿履歴」は、利用者Ｕによる投稿の履歴である投稿履歴を示す。なお、「投稿履歴」は、利用者Ｕの所有物に関する質問を含んでいてもよい。

例えば、図６に示す例において、利用者ＩＤ「Ｕ１」により識別される利用者Ｕは、「位置履歴＃１」の通りに移動し、「検索履歴＃１」の通りに検索し、「閲覧履歴＃１」の通りにコンテンツを閲覧し、「購入履歴＃１」の通りに所定の店舗等で所定の商品等を購入し、「投稿履歴」の通りに投稿したことを示す。

ここで、図６に示す例では、「Ｕ１」、「位置履歴＃１」、「検索履歴＃１」、「閲覧履歴＃１」、「購入履歴＃１」及び「投稿履歴＃１」といった抽象的な値を用いて図示するが、「Ｕ１」、「位置履歴＃１」、「検索履歴＃１」、「閲覧履歴＃１」、「購入履歴＃１」及び「投稿履歴＃１」には、具体的な文字列や数値等の情報が記憶されるものとする。

なお、履歴情報データベース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。例えば、履歴情報データベース１２２は、利用者Ｕの所定のサービスの利用履歴等を記憶してもよい。また、履歴情報データベース１２２は、利用者Ｕの実店舗の来店履歴又は施設の訪問履歴等を記憶してもよい。また、履歴情報データベース１２２は、利用者Ｕの端末装置１０を用いた決済（電子決済）での決済履歴等を記憶してもよい。

（誤入力情報データベース１２３）
誤入力情報データベース１２３は、利用者Ｕの誤入力と行動との関係に関する各種情報を記憶する。図７は、誤入力情報データベース１２３の一例を示す図である。図７に示した例では、誤入力情報データベース１２３は、「利用者ＩＤ」、「正しい文字」、「誤った文字」、「行動」といった項目を有する。

「利用者ＩＤ」は、利用者Ｕを識別するための識別情報を示す。また、「正しい文字」は、本来入力されるべき正しい文字（又は文字列）を示す。また、「誤った文字」は、正しい文字を入力すべきところに誤って入力された文字（又は文字列）を示す。また、「行動」は、誤った文字が入力された時の利用者Ｕの行動を示す。なお、「行動」は、利用者Ｕの行動に限らず、利用者Ｕの置かれた状況や環境を示してもよい。すなわち、「行動」は、利用者Ｕのコンテキストを示すものであればよい。

例えば、図７に示す例において、利用者ＩＤ「Ｕ１」により識別される利用者Ｕは、正しい文字として「ま」を乳慮臆すべきところ、誤った文字である「た」を入力しており、その時の行動として「よそ見」をしていると推定されることを示す。

なお、誤入力情報データベース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、誤入力情報データベース１２３は、利用者Ｕの属性情報を記憶してもよい。このとき、誤入力情報データベース１２３は、「利用者ＩＤ」の代わりに属性情報を記憶してもよい。すなわち、個々の利用者ではなく、利用者の属性ごとに、誤入力と行動の関係を示してもよい。また、誤入力情報データベース１２３は、誤入力の入力態様に関する情報を記憶してもよい。例えば、誤入力の入力態様として、入力方法、入力する言語、入力装置の種別、入力を行った側の手（右手か左手か）等を示す情報を記憶してもよい。また、誤入力情報データベース１２３は、誤入力が生じた際の利用者Ｕの履歴情報、端末装置１０のセンサ情報、位置情報及び時刻情報等を記憶してもよい。

（制御部１３０）
図４に戻り、説明を続ける。制御部１３０は、コントローラ（Controller）であり、例えば、ＣＰＵ（Central Processing Unit）、ＭＰＵ（Micro Processing Unit）、ＡＳＩＣ（Application Specific Integrated Circuit）やＦＰＧＡ（Field Programmable Gate Array）等によって、サーバ装置１００の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等の記憶領域を作業領域として実行されることにより実現される。図４に示す例では、制御部１３０は、取得部１３１と、判定部１３２と、確認部１３３と、推定部１３４と、提供部１３５とを有する。

（取得部１３１）
取得部１３１は、通信部１１０を介して、利用者Ｕに関する利用者情報を取得する。例えば、取得部１３１は、利用者Ｕの端末装置１０から、利用者Ｕを示す識別情報（利用者ＩＤ等）や、利用者Ｕの位置情報、利用者Ｕの属性情報等を取得する。また、取得部１３１は、利用者Ｕのユーザ登録時に、利用者Ｕを示す識別情報や、利用者Ｕの属性情報等を取得してもよい。そして、取得部１３１は、利用者情報を、記憶部１２０の利用者情報データベース１２１に登録する。

また、取得部１３１は、通信部１１０を介して、利用者Ｕの行動を示す各種の履歴情報（ログデータ）を取得する。例えば、取得部１３１は、利用者Ｕの端末装置１０から、あるいは利用者ＩＤ等に基づいて各種サーバ等から、利用者Ｕの行動を示す各種の履歴情報を取得する。そして、取得部１３１は、各種の履歴情報を、記憶部１２０の履歴情報データベース１２２に登録する。

また、取得部１３１は、通信部１１０を介して、利用者Ｕからの入力を受け付ける。すなわち、取得部１３１は、利用者Ｕからの入力を受け付ける受付部としても機能する。例えば、取得部１３１は、利用者Ｕにより入力された検索クエリを取得する。このとき、取得部１３１は、利用者Ｕが検索エンジン等に検索クエリを入力してキーワード検索を行った際に、通信部１１０を介して、当該検索クエリを取得する。すなわち、取得部１３１は、通信部１１０を介して、利用者Ｕにより検索エンジンやサイト又はアプリの検索窓に入力されたキーワードを取得する。

（判定部１３２）
判定部１３２は、利用者Ｕが入力ミスを行ったか否かを判定する。例えば、判定部１３２は、入力された文字（又は文字列）から、利用者Ｕが入力ミスを行ったか否かを判定する。このとき、判定部１３２は、入力された文字（又は文字列）から入力ミスを推定するモデルを用いて、利用者Ｕが入力ミスを行ったか否かを判定してもよい。また、入力ミスの判定については、公知技術を利用してもよい。

（確認部１３３）
確認部１３３は、各端末装置１０のいずれかの利用者Ｕが入力ミスを行った場合、その利用者Ｕがその時どのような行動を行っていたかを確認する。例えば、確認部１３３は、入力ミスが行われた場合、通信部１１０を介して、入力ミスを行った利用者Ｕに、その時どのような行動を行っていたかを問い合わせる。すなわち、確認部１３３は、入力ミスを行った利用者本人に、入力ミスを行った時にとっていた行動を回答させる。

なお、実際には、確認部１３３は、入力ミスが行われた時の端末装置１０のセンサ情報や位置情報、利用者Ｕの履歴情報等から、入力ミスを行った利用者Ｕの行動や状態、周囲の状況等を推定してもよい。端末装置１０のセンサ情報は、端末装置１０に搭載された各種センサ（加速度センサ等）の出力結果（検出・計測結果）に関する情報である。利用者Ｕの履歴情報は、サーバ装置１００に蓄積された検索履歴や購入履歴等に関する情報である。

（推定部１３４）
推定部１３４は、利用者Ｕの入力ミスの傾向からコンテキストを推定する。例えば、推定部１３４は、誤入力の入力態様と、誤入力が生じた際の行動との関係性を学習したモデルを用いて、利用者Ｕが誤入力した場合に、誤入力が生じた際の利用者Ｕの行動を推定する。

また、推定部１３４は、正しい文字を入力すべきところ、正しい文字と位置が近い所定の第１の誤字が入力されている場合には、利用者Ｕが第１の行動を取っていると推定し、正しい文字と位置が近い所定の第２の誤字が入力されている場合には、利用者Ｕが第２の行動を取っていると推定する。

また、推定部１３４は、正しい文字を入力すべきところ、正しい文字が不必要に連続して入力されている場合には、利用者Ｕが所定の行動を取っていると推定する。

また、推定部１３４は、正しい入力と、誤入力の入力態様と、誤入力が生じた際の行動との関係性を学習したモデルを用いて、利用者Ｕが誤入力した場合に、誤入力が生じた際の利用者Ｕの行動を推定するとともに、正しい入力を推定する。

また、推定部１３４は、誤入力の入力態様として、入力方法、入力する言語、入力装置の種別、入力を行った側の手（右手か左手か）、のうち少なくとも１つと、誤入力が生じた際の行動との関係性を学習したモデルを用いて、利用者Ｕが誤入力した場合に、誤入力が生じた際の利用者Ｕの行動を推定する。

また、推定部１３４は、誤入力の入力態様と、誤入力が生じた際のセンサ情報、履歴情報、位置情報及び時刻情報のうち少なくとも１つと、誤入力が生じた際の行動との関係性を学習したモデルを用いて、利用者Ｕが誤入力した場合に、誤入力が生じた際の利用者Ｕの行動を推定する。

また、推定部１３４は、利用者Ｕの行動とともに、利用者Ｕが置かれている所定の状況又は環境を推定する。

さらに、推定部１３４は、利用者Ｕが検索クエリの入力ミスを行った場合、利用者Ｕの入力ミスの態様から利用者Ｕの行動を推定し、推定された行動に応じて検索結果のリスティング（一覧表）を変更する。すなわち、推定部１３４は、推定された行動に応じて検索結果のリスティングを変更する変更部としても機能する。なお、推定部１３４は、行動から検索結果のリスティングを推定するモデルを用いて、推定された行動に応じた検索結果のリスティングを推定してもよい。

（提供部１３５）
提供部１３５は、通信部１１０を介して、利用者Ｕからの入力に対し、推定された行動に応じた処理結果を提供する。例えば、提供部１３５は、通信部１１０を介して、利用者Ｕからの検索クエリの入力に対し、推定された行動に応じてリスティングされた検索結果を、利用者Ｕの端末装置１０に提供する。

また、提供部１３５は、通信部１１０を介して、各種推定モデルの基礎となるモデルを、利用者Ｕの端末装置１０に提供してもよい。例えば、提供部１３５は、通信部１１０を介して、利用者Ｕの入力ミスの傾向から利用者Ｕのコンテキストを推定するモデルの基礎となるモデルを、利用者Ｕの端末装置１０に提供してもよい。

〔５．処理手順〕
次に、図８を用いて実施形態に係る端末装置１０及びサーバ装置１００による処理手順について説明する。図８は、実施形態に係る処理手順を示すフローチャートである。なお、以下に示す処理手順は、端末装置１０の制御部３０及びサーバ装置１００の制御部１３０によって繰り返し実行される。

図８に示すように、端末装置１０の受付部３４は、入力部１３を介して、利用者Ｕからの入力を受け付ける（ステップＳ１０１）。このとき、サーバ装置１００の取得部１３１は、通信部１１０を介して、各利用者Ｕの端末装置１０から、それぞれの利用者Ｕからの入力を受け付ける。

続いて、端末装置１０の判定部３５は、利用者Ｕが入力ミスを行ったか否かを判定する（ステップＳ１０２）。このとき、サーバ装置１００の判定部１３２は、各利用者Ｕが入力ミスを行ったか否かを判定する。

続いて、端末装置１０の確認部３６は、利用者Ｕが入力ミスを行った場合、利用者Ｕがその時どのような行動を行っていたかを確認する（ステップＳ１０３）。このとき、サーバ装置１００の確認部１３３は、各端末装置１０のいずれかの利用者Ｕが入力ミスを行った場合、通信部１１０を介して、入力ミスを行った利用者Ｕがその時どのような行動を行っていたかを確認する。

続いて、端末装置１０の推定部３７は、利用者Ｕの入力時のミスの傾向と、入力ミス時の利用者Ｕの行動との組合せについて学習し、誤入力の入力態様と、誤入力が生じた際の行動との関係性を学習したモデルを作成する（ステップＳ１０４）。このとき、サーバ装置１００の推定部１３４は、入力ミスを行った利用者Ｕの入力時のミスの傾向と、その時の利用者Ｕの行動との組合せについて学習し、誤入力の入力態様と、誤入力が生じた際の行動との関係性を学習したモデルを作成する。

このとき、端末装置１０の推定部３７及びサーバ装置１００の推定部１３４は、利用者Ｕの入力時のミスの傾向と、利用者Ｕの行動との組合せに加え、さらに「入力方法」、「入力する言語」、「入力装置の種別（キーボード等）」、「入力を行った側の手（右手か左手か）」等を学習してもよい。

続いて、端末装置１０の受付部３４は、入力部１３を介して、利用者Ｕからの入力を受け付ける（ステップＳ１０５）。このとき、サーバ装置１００の取得部１３１は、通信部１１０を介して、各利用者Ｕの端末装置１０から、それぞれの利用者Ｕからの入力を受け付ける。

続いて、端末装置１０の判定部３５は、利用者Ｕが入力ミスを行ったか否かを判定する（ステップＳ１０６）。このとき、サーバ装置１００の判定部１３２は、各利用者Ｕが入力ミスを行ったか否かを判定する。

続いて、端末装置１０の推定部３７は、誤入力の入力態様と、誤入力が生じた際の行動との関係性を学習したモデルを用いて、利用者Ｕが誤入力した場合に、誤入力が生じた際の利用者Ｕの行動を推定する（ステップＳ１０７）。このとき、サーバ装置１００の取得部１３１は、誤入力の入力態様と、誤入力が生じた際の行動との関係性を学習したモデルを用いて、利用者Ｕが誤入力した場合に、誤入力が生じた際の利用者Ｕの行動を推定する。

例えば、端末装置１０の推定部３７及びサーバ装置１００の推定部１３４は、誤入力の入力態様として、入力方法、入力する言語、入力装置の種別、入力を行った側の手（右手か左手か）、のうち少なくとも１つと、誤入力が生じた際の行動との関係性を学習したモデルを用いて、利用者Ｕが誤入力した場合に、誤入力が生じた際の利用者Ｕの行動を推定する。

また、端末装置１０の推定部３７及びサーバ装置１００の推定部１３４は、誤入力の入力態様と、誤入力が生じた際のセンサ情報、履歴情報、位置情報及び時刻情報のうち少なくとも１つと、誤入力が生じた際の行動との関係性を学習したモデルを用いて、利用者Ｕが誤入力した場合に、誤入力が生じた際の利用者Ｕの行動を推定してもよい。

続いて、サーバ装置１００の提供部１３５は、通信部１１０を介して、利用者Ｕからの入力に対し、推定された行動に応じた処理結果を提供する（ステップＳ１０８）。例えば、提供部１３５は、通信部１１０を介して、利用者Ｕからの検索クエリの入力に対し、推定された行動に応じてリスティングされた検索結果を、利用者Ｕの端末装置１０に提供する。

〔６．変形例〕
上述した端末装置１０及びサーバ装置１００は、上記実施形態以外にも種々の異なる形態にて実施されてよい。そこで、以下では、実施形態の変形例について説明する。

上記の実施形態において、サーバ装置１００が実行している処理の一部又は全部は、実際には、端末装置１０が実行してもよい。例えば、スタンドアローン（Stand-alone）で（端末装置１０単体で）処理が完結してもよい。この場合、端末装置１０に、上記の実施形態におけるサーバ装置１００の機能が備わっているものとする。また、上記の実施形態では、端末装置１０はサーバ装置１００と連携しているため、利用者Ｕから見れば、サーバ装置１００の処理も端末装置１０が実行しているように見える。すなわち、他の観点では、端末装置１０は、サーバ装置１００を備えているともいえる。

また、上記の実施形態において、端末装置１０及びサーバ装置１００は、入力に用いられた端末装置１０の種類と、入力時のミスの傾向と、利用者Ｕのコンテキストとの組合せについて学習してもよい。例えば、端末装置１０及びサーバ装置１００は、端末装置１０の種類と、ミスで入力された文字（又は文字列）と、その時のコンテキストとをモデルに学習させ、このモデルを用いて、ミスで入力された文字から、その時のコンテキストを推定（推論）する。端末装置１０の種類（スマホかタブレットかＰＣか）によっても、入力時のミスの傾向は異なると推測される。

また、上記の実施形態において、端末装置１０及びサーバ装置１００は、利用者Ｕの属性情報と、入力時のミスの傾向と、利用者Ｕのコンテキストとの組合せについて学習してもよい。例えば、端末装置１０及びサーバ装置１００は、利用者Ｕの属性情報と、ミスで入力された文字（又は文字列）と、その時のコンテキストとをモデルに学習させ、このモデルを用いて、ミスで入力された文字から、その時のコンテキストを推定（推論）する。利用者Ｕの属性情報（性別、年齢、居住地域、健康状態、長年の癖等）によっても、入力時のミスの傾向は異なると推測される。

〔７．効果〕
上述してきたように、本願に係る情報処理装置（端末装置１０及びサーバ装置１００）は、利用者Ｕからの入力を受け付ける受付部と、利用者Ｕが入力ミスを行ったか否かを判定する判定部と、利用者Ｕの入力ミスの傾向からコンテキストを推定する推定部と、を備える。

推定部は、誤入力の入力態様と、誤入力が生じた際の行動との関係性を学習したモデルを用いて、利用者Ｕが誤入力した場合に、誤入力が生じた際の利用者Ｕの行動を推定する。

推定部は、正しい文字を入力すべきところ、正しい文字と位置が近い所定の第１の誤字が入力されている場合には、利用者Ｕが第１の行動を取っていると推定し、正しい文字と位置が近い所定の第２の誤字が入力されている場合には、利用者Ｕが第２の行動を取っていると推定する。

推定部は、正しい文字を入力すべきところ、正しい文字が不必要に連続して入力されている場合には、利用者Ｕが所定の行動を取っていると推定する。

推定部は、正しい入力と、誤入力の入力態様と、誤入力が生じた際の行動との関係性を学習したモデルを用いて、利用者Ｕが誤入力した場合に、誤入力が生じた際の利用者Ｕの行動を推定するとともに、正しい入力を推定する。

推定部は、誤入力の入力態様として、入力方法、入力する言語、入力装置の種別、入力を行った側の手（右手か左手か）、のうち少なくとも１つと、誤入力が生じた際の行動との関係性を学習したモデルを用いて、利用者Ｕが誤入力した場合に、誤入力が生じた際の利用者Ｕの行動を推定する。

推定部は、誤入力の入力態様と、誤入力が生じた際のセンサ情報、履歴情報、位置情報及び時刻情報のうち少なくとも１つと、誤入力が生じた際の行動との関係性を学習したモデルを用いて、利用者Ｕが誤入力した場合に、誤入力が生じた際の利用者Ｕの行動を推定する。

推定部は、利用者Ｕの行動とともに、利用者Ｕが置かれている所定の状況又は環境を推定する。

受付部は、利用者Ｕから検索クエリの入力を受け付け、判定部は、利用者Ｕが入力ミスを行ったか否かを判定し、推定部は、利用者Ｕが入力ミスを行った場合、利用者Ｕの入力ミスの態様から利用者Ｕの行動を推定し、推定された行動に応じて検索結果のリスティングを変更する。

本願に係る情報処理装置は、推定されたコンテキストに応じた処理結果を提供する提供部と、をさらに備える。

上述した各処理のいずれかもしくは組合せにより、本願に係る情報処理装置は、ユーザの誤った操作の内容や種別からユーザのコンテキストを推定することができる。

〔８．ハードウェア構成〕
また、上述した実施形態に係る端末装置１０やサーバ装置１００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。以下、サーバ装置１００を例に挙げて説明する。図９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。

演算装置１０３０は、一次記憶装置１０４０や二次記憶装置１０５０に格納されたプログラムや入力装置１０２０から読み出したプログラム等に基づいて動作し、各種の処理を実行する。演算装置１０３０は、例えばＣＰＵ（Central Processing Unit）、ＭＰＵ（Micro Processing Unit）、ＡＳＩＣ（Application Specific Integrated Circuit）やＦＰＧＡ（Field Programmable Gate Array）等により実現される。

一次記憶装置１０４０は、ＲＡＭ（Random Access Memory）等、演算装置１０３０が各種の演算に用いるデータを一次的に記憶するメモリ装置である。また、二次記憶装置１０５０は、演算装置１０３０が各種の演算に用いるデータや、各種のデータベースが登録される記憶装置であり、ＲＯＭ（Read Only Memory）、ＨＤＤ（Hard Disk Drive）、ＳＳＤ（Solid State Drive）、フラッシュメモリ等により実現される。二次記憶装置１０５０は、内蔵ストレージであってもよいし、外付けストレージであってもよい。また、二次記憶装置１０５０は、ＵＳＢ（Universal Serial Bus）メモリやＳＤ（Secure Digital）メモリカード等の取り外し可能な記憶媒体であってもよい。また、二次記憶装置１０５０は、クラウドストレージ（オンラインストレージ）やＮＡＳ（Network Attached Storage）、ファイルサーバ等であってもよい。

出力Ｉ／Ｆ１０６０は、ディスプレイ、プロジェクタ、及びプリンタ等といった各種の情報を出力する出力装置１０１０に対し、出力対象となる情報を送信するためのインターフェースであり、例えば、ＵＳＢ（Universal Serial Bus）やＤＶＩ（Digital Visual Interface）、ＨＤＭＩ（登録商標）（High Definition Multimedia Interface）といった規格のコネクタにより実現される。また、入力Ｉ／Ｆ１０７０は、マウス、キーボード、キーパッド、ボタン、及びスキャナ等といった各種の入力装置１０２０から情報を受信するためのインターフェースであり、例えば、ＵＳＢ等により実現される。

また、出力Ｉ／Ｆ１０６０及び入力Ｉ／Ｆ１０７０はそれぞれ出力装置１０１０及び入力装置１０２０と無線で接続してもよい。すなわち、出力装置１０１０及び入力装置１０２０は、ワイヤレス機器であってもよい。

また、出力装置１０１０及び入力装置１０２０は、タッチパネルのように一体化していてもよい。この場合、出力Ｉ／Ｆ１０６０及び入力Ｉ／Ｆ１０７０も、入出力Ｉ／Ｆとして一体化していてもよい。

なお、入力装置１０２０は、例えば、ＣＤ（Compact Disc）、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、又は半導体メモリ等から情報を読み出す装置であってもよい。

ネットワークＩ／Ｆ１０８０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演算装置１０３０へ送り、また、ネットワークＮを介して演算装置１０３０が生成したデータを他の機器へ送信する。

演算装置１０３０は、出力Ｉ／Ｆ１０６０や入力Ｉ／Ｆ１０７０を介して、出力装置１０１０や入力装置１０２０の制御を行う。例えば、演算装置１０３０は、入力装置１０２０や二次記憶装置１０５０からプログラムを一次記憶装置１０４０上にロードし、ロードしたプログラムを実行する。

例えば、コンピュータ１０００がサーバ装置１００として機能する場合、コンピュータ１０００の演算装置１０３０は、一次記憶装置１０４０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１３０の機能を実現する。また、コンピュータ１０００の演算装置１０３０は、ネットワークＩ／Ｆ１０８０を介して他の機器から取得したプログラムを一次記憶装置１０４０上にロードし、ロードしたプログラムを実行してもよい。また、コンピュータ１０００の演算装置１０３０は、ネットワークＩ／Ｆ１０８０を介して他の機器と連携し、プログラムの機能やデータ等を他の機器の他のプログラムから呼び出して利用してもよい。

〔９．その他〕
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。

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又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又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、その全部又は一部を、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又は物理的に分散・統合して構成することができる。

例えば、上述したサーバ装置１００は、複数のサーバコンピュータで実現してもよく、また、機能によっては外部のプラットフォーム等をＡＰＩ（Application Programming Interface）やネットワークコンピューティング等で呼び出して実現するなど、構成は柔軟に変更できる。

また、上述してきた実施形態及び変形例は、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
１０ 端末装置
３４ 受付部
３５ 判定部
３６ 確認部
３７ 推定部
１００ サーバ装置
１１０ 通信部
１２０ 記憶部
１２１ 利用者情報データベース
１２２ 履歴情報データベース
１２３ 誤入力情報データベース
１３０ 制御部
１３１ 取得部
１３２ 判定部
１３３ 確認部
１３４ 推定部
１３５ 提供部

Claims (12)

1. 利用者からの入力を受け付ける受付部と、
   前記利用者が入力ミスを行ったか否かを判定する判定部と、
   前記利用者の入力ミスの傾向から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。
2. 前記推定部は、誤入力の入力態様と、誤入力が生じた際の行動との関係性を学習したモデルを用いて、前記利用者が誤入力した場合に、誤入力が生じた際の前記利用者の行動を推定する
   ことを特徴とする請求項１に記載の情報処理装置。
3. 前記推定部は、正しい文字を入力すべきところ、前記正しい文字と位置が近い所定の第１の誤字が入力されている場合には、前記利用者が第１の行動を取っていると推定し、前記正しい文字と位置が近い所定の第２の誤字が入力されている場合には、前記利用者が第２の行動を取っていると推定する
   ことを特徴とする請求項１又は２に記載の情報処理装置。
4. 前記推定部は、正しい文字を入力すべきところ、前記正しい文字が不必要に連続して入力されている場合には、前記利用者が所定の行動を取っていると推定する
   ことを特徴とする請求項１～３のうちいずれか１つに記載の情報処理装置。
5. 前記推定部は、正しい入力と、誤入力の入力態様と、誤入力が生じた際の行動との関係性を学習したモデルを用いて、前記利用者が誤入力した場合に、誤入力が生じた際の前記利用者の行動を推定するとともに、正しい入力を推定する
   ことを特徴とする請求項１～４のうちいずれか１つに記載の情報処理装置。
6. 前記推定部は、誤入力の入力態様として、入力方法、入力する言語、入力装置の種別、入力を行った側の手、のうち少なくとも１つと、誤入力が生じた際の行動との関係性を学習したモデルを用いて、前記利用者が誤入力した場合に、誤入力が生じた際の前記利用者の行動を推定する
   ことを特徴とする請求項１～５のうちいずれか１つに記載の情報処理装置。
7. 前記推定部は、誤入力の入力態様と、誤入力が生じた際のセンサ情報、履歴情報、位置情報及び時刻情報のうち少なくとも１つと、誤入力が生じた際の行動との関係性を学習したモデルを用いて、前記利用者が誤入力した場合に、誤入力が生じた際の前記利用者の行動を推定する
   ことを特徴とする請求項１～６のうちいずれか１つに記載の情報処理装置。
8. 前記推定部は、前記利用者の行動とともに、前記利用者が置かれている所定の状況又は環境を推定する
   ことを特徴とする請求項１～７のうちいずれか１つに記載の情報処理装置。
9. 前記受付部は、利用者から検索クエリの入力を受け付け、
   前記判定部は、前記利用者が入力ミスを行ったか否かを判定し、
   前記推定部は、前記利用者が入力ミスを行った場合、前記利用者の入力ミスの態様から前記利用者の行動を推定し、推定された行動に応じて検索結果のリスティングを変更する
   ことを特徴とする請求項１～８のうちいずれか１つに記載の情報処理装置。
10. 推定されたコンテキストに応じた処理結果を提供する提供部と、
    をさらに備えることを特徴とする請求項１～９のうちいずれか１つに記載の情報処理装置。
11. 情報処理装置が実行する情報処理方法であって、
    利用者からの入力を受け付ける受付工程と、
    前記利用者が入力ミスを行ったか否かを判定する判定工程と、
    前記利用者の入力ミスの傾向から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。
12. 利用者からの入力を受け付ける受付手順と、
    前記利用者が入力ミスを行ったか否かを判定する判定手順と、
    前記利用者の入力ミスの傾向から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ための情報処理プログラム。

Images