JP2023121986A - 情報処理装置、情報処理方法、およびプログラム - Google Patents

Abstract

【課題】従来、検査の結果に対する対処を提案する場合に、その提案の根拠を提示できなかった。【解決手段】ユーザの検査結果を特定する結果情報を含むユーザ情報を受け付けるユーザ情報受付部１２１と、ユーザが行った対処を識別する対処識別子に対応付いた２以上の教師データであり、対処を行う前の検査結果を特定する第一結果情報と、対処を行った結果の検査結果を特定する第二結果情報とを含む２以上の教師データに基づく学習情報を取得し、当該学習情報と、受け付けられたユーザ情報とを用いて、ユーザ情報が有する結果情報に応じた対処識別子を取得する対処決定部１３３と、取得された対処識別子に対応する１以上の教師データと受け付けられたユーザ情報とを用いて、対処を勧める根拠に関する根拠情報を取得する根拠情報取得部１３４と、対処識別子と根拠情報とを出力する情報出力部１４１とを具備する情報処理装置１により、上記課題を解決できる。【選択図】図２

Description

本発明は、ユーザの生体の検査結果に応じた対処を提案する情報処理装置等に関するものである。

従来技術において、検査結果に応じて推奨される健康食品を示す情報、および検査結果に応じて推奨される生活習慣を示す情報等を出力する技術があった（特許文献１参照）。

特開２０２１－１４８５０７号公報

しかしながら、従来技術においては、検査の結果に対する対処を提案する場合に、その提案の根拠を提示できなかった。

本第一の発明の情報処理装置は、一のユーザの生体に関する検査結果を特定する結果情報を含む１以上のユーザ属性値を有するユーザ情報を受け付けるユーザ情報受付部と、ユーザが行った対処を識別する対処識別子に対応付いた２以上の教師データであり、対処を行う前の検査結果を特定する第一結果情報と、対処を行った結果の検査結果を特定する第二結果情報とを含む２以上のユーザ属性値とを有する２以上の教師データに基づく学習情報が格納される学習情報格納部から学習情報を取得し、学習情報と、ユーザ情報受付部が受け付けたユーザ情報とを用いて、ユーザ情報が有する結果情報に応じた対処を識別する対処識別子を取得する対処決定部と、対処決定部が取得した対処識別子に対応する１以上の教師データとユーザ情報受付部が受け付けたユーザ情報とを用いて、対処決定部が取得した対処識別子で識別される対処を勧める根拠に関する根拠情報を取得する根拠情報取得部と、対処決定部が取得した対処識別子と根拠情報取得部が取得した根拠情報とを出力する情報出力部とを具備する情報処理装置である。

かかる構成により、検査の結果に対する対処を提案する場合に、その提案の根拠を提示できる。

また、本第二の発明の情報処理装置は、第一の発明に対して、根拠情報取得部は、対処決定部が取得した対処識別子に対応する１以上の教師データとユーザ情報受付部が受け付けたユーザ情報とを用いて、対処を推薦する根拠の強さの度合いを特定する根拠レベル、および対処を推薦する理由を示す情報であり、対処を行った場合の有効性に関する有効性情報または対処を行った後の満足度に関する満足度情報を含む情報である理由情報のうちの１種類以上の情報を含む根拠情報を取得する、情報処理装置である。

かかる構成により、検査の結果に対する対処を提案する場合に、その提案の適切な根拠を提示できる。

また、本第三の発明の情報処理装置は、第一または第二の発明に対して、根拠情報取得部は、根拠情報を取得できなかった場合に、根拠が無い旨の情報である根拠情報を取得する、情報処理装置である。

かかる構成により、検査の結果に対する対処を提案する場合に、その提案の根拠が無いことも明示できる。

また、本第四の発明の情報処理装置は、第一から第三いずれか１つの発明に対して、ユーザに対処を行うことを勧めるための報酬を特定する情報であり、根拠情報に対応する情報である報酬情報を取得する報酬情報取得部をさらに具備し、情報出力部は、報酬情報取得部が取得した報酬情報をも出力する、情報処理装置である。

かかる構成により、検査の結果に対する対処を提案する場合に、その対処を行うインセンティブをユーザに与えることが示できる。

また、本第五の発明の情報処理装置は、第四の発明に対して、報酬情報取得部は、根拠情報に含まれる根拠レベルに応じて、報酬を特定する報酬情報を取得する、情報処理装置である。

かかる構成により、検査の結果に対する対処を提案する場合に、その対処を行うインセンティブをユーザに与えることが示できる。

また、本第六の発明の情報処理装置は、第一から第五いずれか１つの発明に対して、対処識別子ごとに、２以上の各教師データが有する第二結果情報を用いて取得される情報であり、対処の効果に関する情報である効果情報を用いて、２以上の教師データを２以上のクラスに分類し、２以上の各教師データに対してクラスを識別するクラス識別子に対応付ける分類部をさらに具備し、対処決定部は、ユーザ情報受付部が受け付けたユーザ情報と２以上の教師データに基づく学習情報とを用いて、２以上の各対処識別子ごとに、ユーザ情報が属するクラスを決定し、第一結果情報と第二結果情報との差異が大きいクラスに対応する対処識別子と差異が小さいクラスに対応する対処識別子とを区別して取得する、情報処理装置である。

かかる構成により、検査の結果に対する適切な対処を決定できる。

また、本第七の発明の情報処理装置は、第六の発明に対して、教師データは、対処を行った結果のユーザの満足度をも有し、分類部は、対処識別子ごとに、２以上の各教師データに対する効果情報と満足度とを用いて、２以上の教師データを２以上のクラスに分類し、２以上の各教師データに対してクラスを識別するクラス識別子に対応付ける、情報処理装置である。

かかる構成により、検査の結果に対するより適切な対処を決定できる。

また、本第八の発明の情報処理装置は、第六の発明に対して、分類部が分類した２以上の各クラスには、クラスに対応する教師データに対する効果情報に基づく根拠レベルが対応付いており、根拠情報取得部は、クラスに対応する根拠レベルを取得し、対処決定部が決定したクラスに対応する教師データが有する第二結果情報を用いて取得される情報であり、対処の効果に関する情報である効果情報を用いて有効性情報を取得し、根拠レベルと有効性情報を含む情報である理由情報とを含む根拠情報を取得する、請求項６載の情報処理装置である。

かかる構成により、検査の結果に対する対処を提案する場合に、その提案の適切な根拠を提示できる。

また、本第九の発明の情報処理装置は、第八の発明に対して、教師データは、対処を行った結果のユーザの満足度をも有し、分類部は、対処識別子ごとに、２以上の各教師データに対する効果情報と満足度とを用いて、２以上の教師データを２以上のクラスに分類し、２以上の各教師データに対してクラスを識別するクラス識別子に対応付け、根拠情報取得部は、ユーザ情報が属するクラスに対応する教師データが有する満足度を用いて満足度情報を取得し、満足度情報を含む理由情報を含む根拠情報を取得する、情報処理装置である。

かかる構成により、検査の結果に対する対処を提案する場合に、その提案のより適切な根拠を提示できる。

また、本第十の発明の情報処理装置は、第一から第九いずれか１つの発明に対して、ユーザ情報受付部が受け付けたユーザ情報に含まれる１以上のユーザ属性値と類似条件を満たす１以上のユーザ属性値を有する２以上の教師データを用いて、学習情報を取得する学習情報取得部をさらに具備し、学習情報格納部の学習情報格納部は、学習情報取得部が取得した学習情報である、情報処理装置である。

かかる構成により、検査の結果に対するより適切な対処を決定できる。

また、本第十一の発明の情報処理装置は、第一から第十いずれか１つの発明に対して、対処は、検査結果の改善のために商品を一定期間以上摂取するチャレンジであり、教師データは、チャレンジに関するアンケートの回答情報であるチャレンジの取り組み度合いを含む、情報処理装置である。

かかる構成により、検査の結果に対する対処を提案する場合に、その提案の根拠を提示できる。

本発明による情報処理装置によれば、検査の結果に対する対処を提案する場合に、その提案の根拠を提示できる。

実施の形態１における情報システムＡの概念図 同情報システムＡのブロック図 同情報処理装置１の動作例について説明するフローチャート 同学習情報作成処理の第一の例について説明するフローチャート 同分類処理の例について説明するフローチャート 同学習処理の例について説明するフローチャート 同学習情報作成処理の第二の例について説明するフローチャート 同学習情報作成処理の第三の例について説明するフローチャート 同学習情報作成処理の第四の例について説明するフローチャート 同出力情報取得処理の例について説明するフローチャート 同対処情報取得処理の例について説明するフローチャート 同対処情報取得処理の例について説明するフローチャート 同対処情報取得処理の例について説明するフローチャート 同対処情報取得処理の例について説明するフローチャート 同根拠情報処理の例について説明するフローチャート 同報酬情報処理の例について説明するフローチャート 同教師データ管理表を示す図 同根拠レベル判定表を示す図 同教師データの分類の概念を示した図 同出力例を示す図 同コンピュータシステムの概観図 同コンピュータシステムのブロック図

以下、情報処理装置等の実施形態について図面を参照して説明する。なお、実施の形態において同じ符号を付した構成要素は同様の動作を行うので、再度の説明を省略する場合がある。

（実施の形態１）
本実施の形態において、ユーザの検査結果を受け付け、学習情報を用いて、検査結果に応じた対処（例えば、商品）と、当該対処を勧める根拠に関する根拠情報とを取得し、出力する情報処理装置について説明する。

また、本実施の形態において、根拠情報を用いて、報酬情報を取得し、出力する情報処理装置について説明する。

さらに、本実施の形態において、ユーザが対処を行った後に、当該対処に対するアンケートの回答情報をも用いて、検査結果に応じた対処と、当該対処を勧める根拠に関する根拠情報を取得し、出力する情報処理装置について説明する。

なお、本実施の形態において、情報Ｘが情報Ｙに対応付いていることは、情報Ｘから情報Ｙを取得できること、または情報Ｙから情報Ｘを取得できることであり、その対応付けの方法は問わない。情報Ｘと情報Ｙとがリンク付いていても良いし、同じバッファに存在していても良いし、情報Ｘが情報Ｙに含まれていても良いし、情報Ｙが情報Ｘに含まれている等でも良い。

図１は、本実施の形態における情報システムＡの概念図である。情報システムＡは、情報処理装置１、１または２以上の端末装置２を備える。

情報処理装置１は、ユーザの検査結果に応じた対処や根拠情報を出力する装置である。情報処理装置１は、いわゆるサーバであり、例えば、クラウドサーバ、ＡＳＰサーバであるが、その種類は問わない。なお、情報処理装置１は、スタンドアロンの装置でも良い。

端末装置２は、ユーザが使用する装置である。端末装置２は、例えば、いわゆるパーソナルコンピュータ、スマートフォン等の多機能携帯電話、携帯電話、タブレット型端末であるが、その種類は問わない。なお、ユーザは、情報処理装置１を使用する人、または情報処理装置１の管理者である。

情報処理装置１と１以上の各端末装置２とは、インターネットやＬＡＮ等のネットワークにより通信可能である。

図２は、本実施の形態における情報システムＡのブロック図である。情報処理装置１は、格納部１１、受付部１２、処理部１３、および出力部１４を備える。格納部１１は、教師データ格納部１１１、および学習情報格納部１１２を備える。受付部１２は、ユーザ情報受付部１２１を備える。処理部１３は、分類部１３１、学習情報取得部１３２、対処決定部１３３、根拠情報取得部１３４、および報酬情報取得部１３５を備える。出力部１４は、情報出力部１４１を備える。

端末装置２は、端末格納部２１、端末受付部２２、端末処理部２３、端末送信部２４、端末受信部２５、および端末出力部２６を備える。

情報処理装置１を構成する格納部１１には、各種の情報が格納される。各種の情報とは、例えば、後述する教師データ、後述する学習情報、後述するアンケート情報、後述する回答情報、後述する各種の条件である。各種の条件は、例えば、後述する効果条件、後述する満足度条件、後述する取得条件、後述する報酬条件、クラス識別子と根拠レベルとを対応付ける情報である。

教師データ格納部１１１には、１または２以上の教師データが格納される。教師データは、学習情報の元になる情報である。教師データは、ユーザ（「被験者」と言っても良い）が行った対処を識別する対処識別子に対応付いている。教師データは、２以上のユーザ属性値を有する。２以上のユーザ属性値は、第一結果情報と第二結果情報とを含む。２以上のユーザ属性値は、例えば、ユーザの性別、ユーザの年齢、ユーザの身長、ユーザの体重、取組情報、生活習慣情報、目標、目標達成率（Ｔｏ－Ｂｅ実現率と言っても良い）、満足度を含む。教師データは、ユーザ本人から直接的に取得したものであってもよいし、学術論文や学会誌等から間接的に取得してもよい。

教師データは、効果情報を含むことは好適である。効果情報は、対処の効果に関する情報である。効果情報は、通常、第二結果情報を用いて取得される情報である。効果情報は、例えば、第一結果情報と第二結果情報との差異に関する情報である。効果情報は、例えば、第一結果情報と第二結果情報との差、または第一結果情報と第二結果情報との差異と第一結果情報との割合である改善の度合いを示す情報である。効果情報は、例えば、第二結果情報と目標との差異に関する情報である。効果情報は、例えば、第二結果情報と目標との差、または第二結果情報と目標との差異と目標との割合である改善の度合いを示す情報、または目標に対する達成度である。教師データが効果情報を含む場合、教師データは、第一結果情報と第二結果情報とを含まなくても良い。効果情報とは、ユーザが対処を行ったことによる効果に関する情報である。効果情報は、第一結果情報と第二結果情報との差異に関する情報であり、例えば、血圧の減少数（増大量）、血糖値の減少数（増大量）、効果の有無を示す情報、インドキシル硫酸測定値の改善率、腸内環境の健康度の上昇数、腸内環境の健康度の上昇率、体重の減少量（増大量）、体組成の改善量、身長の増減量である。

対処とは、検査結果に応じたユーザの行動に関する情報である。対処は、例えば、ユーザが摂取した商品、ユーザに提供されたサービス、ユーザが行った行動、ユーザが行ったチャレンジである。ユーザが行ったチャレンジは、例えば、ユーザが所定期間において商品を摂取すること（例えば、減塩商品Ａを２週間使った食事をする）、ユーザが所定期間においてサービスの提供を享受すること、ユーザが所定期間において所定の行動（例えば、１ヶ月の間に３０分のウォーキングを行った、２週の間、継続して毎日１時間のラニングを行った、１カ月間喫煙又は飲酒を止めた又は制限した、など）をとることである。なお、ユーザが摂取する商品やサービスや行動等は、例えば、検査結果の改善のための商品である。

第一結果情報は、対処識別子により識別される対処を行う前の検査結果を特定する情報である。第二結果情報は、対処識別子により識別される対処を行った後の検査結果を特定する情報である。第一結果情報および第二結果情報は、例えば、血糖値、血圧、インドキシル硫酸測定値、腸内環境の健康度、体重、体組成、身長である。体組成は、例えば筋肉量（率）、体脂肪量（率）、内臓脂肪量（率）、皮下脂肪量（率）、骨密度、ＢＭＩ、体年齢、等である。

なお、検査は、ユーザの生体に対する検査である。検査は、ここでは、例えば、検体を用いて実施される。検体は、生体試料または生体外試料である。生体試料は、例えば、尿、便、血液、口腔内細胞、唾液、毛髪、体毛、皮脂、爪、皮膚片、精液、涙液、汗、母乳、鼻水、痰、歯石、舌苔である。生体外試料は、例えば、被験者の写真データ、被験者の映像データ、被験者の音声データ、被験者の住居のハウスダストである。また、検査は、例えば、検査キットを用いた検査があるが、これに限られない。例えば、体重計、体組成計、身長計等の身体検査器具を用いた検査であってよい。検査は、例えば、アンケートによる主観的なストレス度チェックや不快感チェック、または認知機能検査でも良い。なお、かかる検査は、例えば、認知状態を評価するMini-Mental State Examination (MMSE)検査（ＵＲＬ：http://www.shizuokamind.org/wp-content/uploads/2013/10/MMSE.pdf参照）、更年期症状を評価するKupperman更年期障害指数（KKSI）検査（ＵＲＬ：https://ohana-clinic-kinoshitacho.com/wp-content/themes/ohana/download/kuppaman.pdf参照）である。

検査キットは、例えば、被験者の生体から出される物質を用いた検査のための物品等である。生体から出される物質は、例えば、尿、血液、便、その他の体液である。検査キットは、例えば、インドキシル硫酸測定値を得るための検査のための物品である。検査キットは、例えば、大豆イソフラボンからエクオールがつくれているか測る尿検査であるエクオール検査のキット、腸内細菌由来の腐敗物質量で腸内環境の健康度を測る尿検査である腸内環境検査のキット、活性酸素によってダメージをうけたＤＮＡ（８－ＯＨｄＧ）を測る尿検査である酸化ストレス検査のキット、１日あたりどれくらい食塩を摂っているのか測る尿検査である減塩測定の検査キット、胃がんリスクを高める「ヘリコバクター・ピロリ菌」の抗体の有無を測る尿検査のキットである。

検査キットは、例えば、被験者に関する情報を用いた検査のための情報（例えば、権利情報）でも良い。被験者に関する情報は、例えば、被験者の音声データ、被験者の画像データである、画像データは、静止画または動画である。物品以外のものは、画像データと音声データの両方を含む情報でも良い。なお、被験者の音声データや被験者の画像データから、被検者の健康状態に関する情報が検査結果として得られる。かかる健康状態に関する情報は、例えば、フレイル度や心の落ち込み度等であるが、情報の内容は問わない。

取組情報とは、ユーザのチャレンジに対する取り組みの状況に関する情報である。取組情報は、例えば、ユーザのチャレンジに対する取り組み度合いである。取組情報は、例えば、完遂率、対処を行った日数である。完遂率は、例えば、予め決められた期間における対処を行った日の率である。取組情報は、チャレンジに対する直接的な取り組みに関する情報だけでなく、付随する取り組みに関する情報も含めても良い。付随する取り組みに関する情報は、例えば、チャレンジプログラムの取り組み（例えば、ヨーグルトの摂取）に対して、間食を止めたことを示す情報、睡眠時間を長くしたことを示す情報、睡眠時間を特定する情報、運動時間を増やしたことを示す情報、運動時間を特定する情報、喫煙を止めたことを示す情報、喫煙本数を特定する情報、飲酒を止めたことを示す情報、飲酒量を特定する情報等である。

生活習慣情報とは、ユーザの生活習慣に関する情報である。生活習慣情報は、例えば、喫煙の有無、飲酒の有無、１日の喫煙の量、飲酒の頻度、飲酒の量、運動習慣の有無、所定期間（例えば、１日）の運動時間である。

目標とは、ユーザの目標であり、通常、検査結果に関する目標である。目標は、根拠が存在する目標である。目標は、例えば、論文や統計的な結果に基づく理想的な状態を示すものである、と言える。目標は、例えば、血圧の目標値、体重の目標値である。他にも第一結果情報および第二結果情報に対応した目標値を設定してもよく、例えば、血糖値、血圧、インドキシル硫酸測定値、腸内環境の健康度、等の目標値であってもよい。

Ｔｏ－Ｂｅ実現率とは、ユーザの現在の状態（Ａｓ－Ｉｓ）から理想の状態（Ｔｏ－Ｂｅ）までの達成度合いであり、言い換えればユーザ個人が設定した目標（例えば、最高血圧「１２０」）に対する達成の割合である。

満足度とは、対処を行った後の満足の度合いである。満足度は、通常、対処に対する満足の度合いである。満足度は、例えば、１から５のいずれかの数値、「満足する」「普通」「満足しない」の３段階のうちのいずれかの評価値である。

なお、教師データに含まれる第一結果情報と第二結果情報以外のユーザ属性値は、例えば、ユーザに対するアンケートに対応する回答情報である。回答情報は、例えば、ユーザの性別、ユーザの年齢、ユーザの身長、ユーザの体重、取組情報、生活習慣情報、目標、Ｔｏ－Ｂｅ実現率、満足度である。

学習情報格納部１１２は、２以上の教師データに基づく学習情報が格納される。学習情報格納部１１２は、例えば、後述する学習器、後述する対応表、教師データ集合である。学習情報格納部１１２の学習情報を作成する処理は、後述する学習情報取得部１３２が行っても良いし、図示しない外部の学習装置が行っても良い。なお、教師データ集合は、２以上の教師データの集合である。

学習器は、例えば、２以上の教師データを用いて、機械学習の学習処理により、作成されたデータである。かかる学習処理は、後述する学習情報取得部１３２が行っても良いし、図示しない外部の学習装置が行っても良い。外部の学習装置が学習処理を行う場合、教師データ格納部１１１は不要である。なお、学習器は、分類器、予測器、学習モデル、モデル等と言っても良い。

対応表は、２以上の対応情報を有する。対応情報は、例えば、１または２以上のユーザ属性値と対処識別子との対応を示す情報である。対応情報は、例えば、１または２以上のユーザ属性値とクラス識別子との対応を示す情報である。クラス識別子については後述する。

受付部１２は、各種の情報や指示を受け付ける。各種の情報や指示とは、例えば、後述するユーザ情報である。

ここで、受け付けとは、通常、有線もしくは無線の通信回線を介して、端末装置２から送信された情報の受信である。ただし、受け付けは、キーボードやマウス、タッチパネルなどの入力デバイスから入力された情報の受け付け、光ディスクや磁気ディスク、半導体メモリなどの記録媒体から読み出された情報の受け付けなどを含む概念であっても良い。

ユーザ情報受付部１２１は、一のユーザのユーザ情報を受け付ける。ユーザ情報は、１以上のユーザ属性値を有する。ユーザ属性値は、結果情報を含む。結果情報は、一のユーザの生体に関する検査の結果を特定する情報である。結果情報は、例えば、血糖値、血圧、インドキシル硫酸測定値、腸内環境の健康度である。ユーザ情報受付部１２１がユーザ情報を受け付けるのは、通常、対処識別子や根拠情報を得るためである。ユーザ情報受付部１２１はが受け付けるユーザ情報が有する結果情報は、対処を行う前の検査結果の情報である。

処理部１３は、各種の処理を行う。各種の処理は、例えば、分類部１３１、学習情報取得部１３２、対処決定部１３３、根拠情報取得部１３４、報酬情報取得部１３５が行う処理である。

処理部１３は、根拠情報取得部１３４が取得した根拠情報を用いて、出力情報を構成しても良い。処理部１３は、根拠情報取得部１３４が取得した根拠情報と報酬情報取得部１３５が取得した報酬情報とを用いて、出力情報を構成しても良い。出力情報は、出力される情報である。

分類部１３１は、教師データ格納部１１１の２以上の教師データを２以上のクラスに分類し、２以上の各教師データに対してクラス識別子に対応付ける。クラス識別子は、クラスを識別する情報である。クラス識別子は、例えば、「クラス１」「クラス２」「クラス３」「クラス４」のうちのいずれかである。

分類部１３１は、対処識別子ごとに、効果情報を用いて、２以上の教師データを２以上のクラスに分類し、２以上の各教師データに対してクラス識別子に対応付ける。

分類部１３１は、例えば、対処識別子ごとに、２以上の各教師データが有する第一結果情報と第二結果情報との差異に関する効果情報を取得する。次に、分類部１３１は、２以上の各教師データに対応する効果情報を２以上のクラスに分類し、当該効果情報の分類に応じて、２以上の教師データを２以上のクラスに分類し、当該２以上の各教師データに対してクラス識別子に対応付ける。分類部１３１は、例えば、「効果情報＜＝閾値１」の教師データを「クラス１」、「閾値１＜効果情報＜＝閾値２」の教師データを「クラス２」、「閾値２＜効果情報」の教師データを「クラス３」として、２以上の教師データを３つのクラスに分類する。なお、クラスの数は問わない。

分類部１３１は、例えば、対処識別子ごとに、２以上の各教師データが有する効果情報と満足度とを用いて、２以上の教師データを２以上のクラスに分類し、２以上の各教師データに対してクラスを識別するクラス識別子に対応付ける。

分類部１３１は、例えば、「効果情報＜＝閾値１ かつ 満足度＜＝閾値ａ」の教師データを「クラス１」、「効果情報＜＝閾値１ かつ 閾値ａ＜満足度」の教師データを「クラス２」、「閾値１＜効果情報 かつ 満足度＜＝閾値ａ」の教師データを「クラス３」、「閾値１＜効果情報 かつ 閾値ａ＜満足度」の教師データを「クラス４」として、２以上の教師データを４つのクラスに分類する。なお、クラスの数は問わない。

また、分類部１３１は、例えば、２以上の各教師データを、公知のクラスター分析のアルゴリズムにより、２以上のクラスに分類しても良い。公知のクラスター分析のアルゴリズムは、ｋ－ｍｅａｎｓ法や最短距離法（最近隣法）や最短距離法（最近隣法）や重心法や群平均法等の階層的手法、ｋ－ｍｅａｎｓ法や超体積法等の非階層的手法でも良い。なお、２以上の教師データを２以上のクラスに分類することは、２以上の各教師データにクラス識別子に対応付けることである。

学習情報取得部１３２は、教師データ格納部１１１の２以上の教師データを用いて、学習情報を取得する。学習情報取得部１３２は、分類部１３１が行った分類の結果を用いて、学習情報を取得することは好適である。学習情報は、対処識別子を取得するために使用される情報である。学習情報は、対処識別子を取得する前に、ユーザが属するクラスのクラス識別子を取得される情報でも良い。また、学習情報は、例えば、学習器、対応表である。

学習情報取得部１３２は、ユーザ情報受付部１２１が受け付けたユーザ情報に含まれる１以上のユーザ属性値と類似条件を満たす１以上のユーザ属性値を有する２以上の教師データを用いて、学習情報を取得することは好適である。類似条件は、例えば、類似度が閾値以上、類似度が閾値より大きいことである。なお、類似度は、ユーザ情報受付部１２１が受け付けたユーザ情報に含まれる１以上の各ユーザ属性値を要素とするベクトルと、教師データが有する１以上の各ユーザ属性値を要素とするベクトルとの類似度である。なお、２つのベクトルの類似度を算出するアルゴリズムは公知技術であるので、説明を省略する。

以下、学習情報を取得するための具体的なアルゴリズムの例を説明する。
（１）クラス識別子を取得するための学習情報
（１－１）学習情報が学習器である場合
（１－１－１）学習器がクラス識別子の候補のうちの一のクラス識別子を出力するための学習器（例えば、他値分類）である場合

学習情報取得部１３２は、対処識別子ごとに、教師データ格納部１１１が有する２以上の教師データを取得する。次に、学習情報取得部１３２は、対処識別子ごとに、２以上の各教師データが有する１または２以上のユーザ属性値を説明変数として、２以上の各教師データに対応するクラス識別子を目的変数として、機械学習の学習処理を行い、学習器を取得し、対処識別子に対応付けて、学習情報格納部１１２に蓄積する。なお、教師データのクラス識別子は、分類部１３１が取得した情報である。

なお、機械学習の学習処理を行うアルゴリズムとして、深層学習、決定木、ランダムフォレスト、ＳＶＲ等があり得るが、問わない。なお、後述する機械学習の予測処理を行うアルゴリズムも、深層学習、決定木、ランダムフォレスト、ＳＶＲ等があり得るが、問わない。また、機械学習には、例えば、ＴｅｎｓｏｒＦｌｏｗのライブラリ、ｆａｓｔＴｅｘｔ、ｔｉｎｙＳＶＭ、Ｒ言語のｒａｎｄｏｍ ｆｏｒｅｓｔのモジュール等の各種の機械学習の関数や、種々の既存のライブラリを用いることができる。なお、モジュールは、プログラム、ソフトウェア、関数、メソッド等と言っても良い。

なお、学習情報取得部１３２は、学習器を作成する際に、教師データを構成する全てのユーザ属性値を使用する必要はなく、一部のユーザ属性値を使用しても良い。
（１－１－２）学習器が二値分類の学習器である場合

学習情報取得部１３２は、対処識別子ごとに、教師データ格納部１１１が有する２以上の教師データを取得する。次に、学習情報取得部１３２は、対処識別子ごと、およびクラス識別子ごとに、着目するクラス識別子に対応する教師データを正例とし、当該クラス識別子に対応しない教師データを負例として、機械学習の学習処理を行い、学習器を取得し、対処識別子と当該クラス識別子とに対応付けて、学習情報格納部１１２に蓄積する。

なお、学習情報取得部１３２は、２以上の各教師データが有する１または２以上のユーザ属性値を説明変数として、２以上の各教師データに対応するクラス識別子を目的変数として、機械学習の学習処理を行い、二値分類の学習器を取得する。
（１－２）学習情報が対応表である場合
（１－２－１）一の対応情報が一の教師データに対応する場合

学習情報取得部１３２は、対処識別子ごとに、教師データ格納部１１１が有する２以上の教師データを取得する。次に、学習情報取得部１３２は、対処識別子ごとに、２以上の各教師データが有する１以上の各ユーザ属性値を要素とするベクトルを構成する。そして、学習情報取得部１３２は、対処識別子ごとに、当該ベクトルと教師データに対応するクラス識別子とを有する２以上の対応情報を有する対応表を構成し、当該対応表を当該対処識別子に対応付けて、学習情報格納部１１２に蓄積する。
（１－２－２）一の対応情報が一のクラス識別子に対応する場合

学習情報取得部１３２は、対処識別子ごとに、教師データ格納部１１１が有する２以上の教師データを取得する。次に、学習情報取得部１３２は、対処識別子ごとおよびクラス識別子ごとに、１または２以上の各教師データが有する１以上の各ユーザ属性値を要素とするベクトルを構成する。次に、学習情報取得部１３２は、対処識別子ごとおよびクラス識別子ごとに、１以上のベクトルを代表する代表ベクトルを取得する。次に、学習情報取得部１３２は、対処識別子ごとおよびクラス識別子ごとに、代表ベクトルとクラス識別子とを有する２以上の対応情報を有する対応表を構成し、当該対応表を当該対処識別子に対応付けて、学習情報格納部１１２に蓄積する。
（２）対処識別子を取得するための学習情報

学習情報が対処識別子を取得するための情報である場合、教師データを分類する必要は無く、分類部１３１は不要である。
（２－１）学習情報が学習器である場合
（２－１－１）効果情報を用いる場合

学習情報取得部１３２は、教師データ格納部１１１が有する２以上の各教師データから、各教師データに対応する効果情報を取得する。次に、学習情報取得部１３２は、効果情報が予め決められた効果条件を満たす１または２以上の教師データを取得する。次に、学習情報取得部１３２は、取得した１以上の各教師データが有する１以上のユーザ識別子を説明変数とし、１以上の各教師データに対応する対処識別子を目的変数して、機械学習の学習処理を行い、学習器を取得し、学習情報格納部１１２に蓄積する。

なお、効果条件は、効果情報が予め決められた効果と同じまたはよりも大きな効果であると判断するための条件である。効果条件は、例えば、効果情報が閾値以上（例えば、「血糖値の減少が１０以上」「最高血圧の減少が２０以上」「目標達成度が８０％以上」）または閾値より大きい（例えば、「血糖値の減少が１０より大きい」「最高血圧の減少が２０より大きい」「目標達成度が７０％より大きい」）または特定の値（例えば、「効果あり」「改善が大きい」）である。
（２－１－２）効果情報と満足度とを用いる場合

学習情報取得部１３２は、教師データ格納部１１１が有する２以上の各教師データから、各教師データに対する効果情報と、各教師データが有する満足度とを取得する。次に、学習情報取得部１３２は、効果情報が予め決められた効果条件を満たし、かつ満足度が予め決められた満足度条件を満たす１または２以上の教師データを取得する。次に、学習情報取得部１３２は、取得した１以上の各教師データが有する１以上のユーザ識別子を説明変数とし、１以上の各教師データに対応する対処識別子を目的変数して、機械学習の学習処理を行い、学習器を取得し、学習情報格納部１１２に蓄積する。

なお、教師データに対する効果情報とは、教師データが有する情報から取得される効果情報、または教師データが有する効果情報である。また、満足度条件は、満足度が高いことを判断するための条件であり、例えば、満足度が閾値以上または閾値より大きい（満足している）ことである。
（２－２）学習情報が対応表である場合
（２－２－１）効果情報を用いる場合
（２－２－１－１）一の対応情報が一の教師データに対応する場合

学習情報取得部１３２は、教師データ格納部１１１が有する２以上の各教師データから、各教師データに対応する効果情報を取得する。次に、学習情報取得部１３２は、効果情報が予め決められた効果条件を満たす１または２以上の教師データを取得する。次に、学習情報取得部１３２は、取得した１以上の各教師データが有する１以上の各ユーザ識別子を要素とするベクトルを構成する。そして、学習情報取得部１３２は、当該ベクトルと当該教師データに対応する対処識別子とを有する２以上の対応情報を有する対応表を構成し、当該対応表を学習情報格納部１１２に蓄積する。
（２－２－１－２）一の対応情報が一の対処識別子に対応する場合

学習情報取得部１３２は、教師データ格納部１１１が有する２以上の各教師データから、各教師データに対応する効果情報を取得する。次に、学習情報取得部１３２は、効果情報が予め決められた効果条件を満たす１または２以上の教師データを取得する。次に、学習情報取得部１３２は、対処識別子ごとに、１以上の各教師データが有する１以上の各ユーザ属性値を要素とするベクトルを構成する。次に、学習情報取得部１３２は、対処識別子ごとに、１以上のベクトルを代表する代表ベクトルを取得する。次に、学習情報取得部１３２は、代表ベクトルと対処識別子とを有する２以上の対応情報を有する対応表を構成し、当該対応表を学習情報格納部１１２に蓄積する。
（２－２－２）効果情報と満足度とを用いる場合
（２－２－２－１）一の対応情報が一の教師データに対応する場合

学習情報取得部１３２は、教師データ格納部１１１が有する２以上の各教師データから、各教師データに対応する効果情報と満足度とを取得する。次に、学習情報取得部１３２は、効果情報が予め決められた効果条件を満たし、満足度が予め決められた満足度条件を満たす１または２以上の教師データを取得する。次に、学習情報取得部１３２は、取得した１以上の各教師データが有する１以上の各ユーザ識別子を要素とするベクトルを構成する。そして、学習情報取得部１３２は、当該ベクトルと当該教師データに対応する対処識別子とを有する２以上の対応情報を有する対応表を構成し、当該対応表を学習情報格納部１１２に蓄積する。
（２－２－２－２）一の対応情報が一の対処識別子に対応する場合

学習情報取得部１３２は、教師データ格納部１１１が有する２以上の各教師データから、各教師データに対応する効果情報と満足度とを取得する。次に、学習情報取得部１３２は、効果情報が予め決められた効果条件を満たし、満足度が予め決められた満足度条件を満たす１または２以上の教師データを取得する。次に、学習情報取得部１３２は、対処識別子ごとに、１以上の各教師データが有する１以上の各ユーザ属性値を要素とするベクトルを構成する。次に、学習情報取得部１３２は、対処識別子ごとに、１以上のベクトルを代表する代表ベクトルを取得する。次に、学習情報取得部１３２は、代表ベクトルと対処識別子とを有する２以上の対応情報を有する対応表を構成し、当該対応表を学習情報格納部１１２に蓄積する。

対処決定部１３３は、学習情報を取得し、当該学習情報と、ユーザ情報受付部１２１が受け付けたユーザ情報とを用いて、ユーザ情報が有する結果情報に応じた１以上の各対処を識別する対処識別子を取得する。

対処決定部１３３は、例えば、ユーザ情報受付部１２１が受け付けたユーザ情報と学習情報とを用いて、２以上の各対処識別子ごとに、ユーザ情報が属するクラスを決定し、第一結果情報と第二結果情報との差異が大きいクラス（対処の効果が大きいクラス）に対応する対処識別子と差異が小さいクラス（対処の効果が小さいクラス）に対応する対処識別子とを区別して取得する。区別して取得することは、例えば、差異が大きい順に対処識別子をソートすること、効果条件を満たす差異に対応する対処識別子のみを取得することである。

対処決定部１３３は、例えば、機械学習の予測処理により、対処識別子を取得する。対処決定部１３３は、例えば、対応表を用いて、対処識別子を取得する。以下の対処決定部１３３の処理の例について説明する。
学習情報が学習器である場合
（１－１）学習器がクラス識別子を取得する学習器である場合
（１－１－１）学習器が一つである場合

対処決定部１３３は、対処識別子ごとに、ユーザ情報受付部１２１が受け付けたユーザ情報が有する１以上の属性値を取得する。次に、対処決定部１３３は、当該１以上の各属性値を要素とするベクトルを構成する。また、対処決定部１３３は、学習情報格納部１１２から当該対処識別子に対応する学習器を取得する。次に、対処決定部１３３は、対処識別子ごとに、当該ベクトルと当該学習器とを、機械学習の予測処理を行うモジュールに与え、当該モジュールを実行し、クラス識別子を取得する。

次に、対処決定部１３３は、対処識別子に取得したクラス識別子を対応付けて、図示しないバッファに蓄積する。なお、対処決定部１３３は、取得条件を満たすクラス識別子（例えば、効果が大きく、満足度が高いクラスの識別子）に対応する１以上の対処識別子を取得し、図示しないバッファに蓄積しても良い。取得条件は、対処識別子を取得するための条件である。取得条件は、効果情報に基づく効果条件である。取得条件は、効果条件と満足度条件でも良い。効果条件は、例えば、効果情報が閾値以上または閾値より大きいことである。満足度条件は、満足度に基づく条件であり、例えば、満足度が閾値以上または閾値より大きいことである。取得条件は、例えば、効果情報が示す効果が最高であり、かつ満足度が最大であることである。
（１－１－２）学習器が２以上の二値分類の学習器である場合

対処決定部１３３は、対処識別子ごとに、ユーザ情報受付部１２１が受け付けたユーザ情報が有する１以上の属性値を取得する。次に、対処決定部１３３は、当該１以上の各属性値を要素とするベクトルを構成する。また、対処決定部１３３は、学習情報格納部１１２から当該対処識別子および各クラス識別子に対応する学習器を取得する。次に、対処決定部１３３は、対処識別子ごとおよびクラス識別子ごとに、構成したベクトルと取得した学習器とを機械学習の予測処理を行うモジュールに与え、当該モジュールを実行し、当該クラス識別子で識別されるクラスに属するか否かを示す予測結果を取得する。なお、予測結果は、スコアを含んでも良い。

次に、対処決定部１３３は、「クラスに属する」との情報を含む予測結果に対応する１または２以上のクラス識別子を取得する。

次に、対処決定部１３３は、対処識別子ごとに、取得したクラス識別子を対応付けて、図示しないバッファに蓄積する。なお、対処決定部１３３は、取得条件を満たすクラス識別子に対応する１以上の対処識別子を取得し、図示しないバッファに蓄積しても良い。取得条件は、例えば、クラス識別子に対応する効果情報が閾値以上または閾値より大きな情報である（大きな効果がある）ことである。
（１－２）学習器が対処識別子を取得する学習器である場合
（１－２－１）学習器が一つである場合

対処決定部１３３は、対処識別子ごとに、ユーザ情報受付部１２１が受け付けたユーザ情報が有する１以上の属性値を取得する。次に、対処決定部１３３は、当該１以上の各属性値を要素とするベクトルを構成する。また、対処決定部１３３は、学習情報格納部１１２から学習器を取得する。次に、対処決定部１３３は、当該ベクトルと当該学習器とを、機械学習の予測処理を行うモジュールに与え、当該モジュールを実行し、対処識別子を取得する。
（１－２－２）学習器が２以上の二値分類の学習器である場合

対処決定部１３３は、対処識別子ごとに、ユーザ情報受付部１２１が受け付けたユーザ情報が有する１以上の属性値を取得する。次に、対処決定部１３３は、当該１以上の各属性値を要素とするベクトルを構成する。また、対処決定部１３３は、対処識別子ごとに、学習情報格納部１１２から学習器を取得する。次に、対処決定部１３３は、対処識別子ごとに、当該ベクトルと当該学習器とを、機械学習の予測処理を行うモジュールに与え、当該モジュールを実行し、対処識別子で識別される対処に属するか否かを示す情報を含む予測結果を取得する。そして、対処決定部１３３は、「対処識別子で識別される対処に属する」旨の情報を含む予測結果に対応する対処識別子を取得する。
（２）学習情報が対応表である場合
（２－１）対応表がクラス識別子を取得する対応表である場合

対処決定部１３３は、対処識別子ごとに、ユーザ情報受付部１２１が受け付けたユーザ情報が有する１以上の属性値を取得する。次に、対処決定部１３３は、当該１以上の各属性値を要素とするベクトルを構成する。次に、対処決定部１３３は、当該ベクトルに最も近似するベクトルを有する対応情報を決定し、当該対応情報が有するクラス識別子を取得する。

次に、対処決定部１３３は、対処識別子に取得したクラス識別子を対応付けて、図示しないバッファに蓄積する。なお、対処決定部１３３は、取得条件を満たすクラス識別子に対応する１以上の対処識別子を取得し、図示しないバッファに蓄積しても良い。なお、取得条件は、例えば、クラス識別子に対応する効果情報が閾値以上または閾値より大きな情報である（大きな効果がある）ことである。
（２－２）対応表が対処識別子を取得する対応表である場合

対処決定部１３３は、対処識別子ごとに、ユーザ情報受付部１２１が受け付けたユーザ情報が有する１以上の属性値を取得する。次に、対処決定部１３３は、当該１以上の各属性値を要素とするベクトルを構成する。次に、対処決定部１３３は、当該ベクトルに最も近似するベクトルを有する対応情報を決定し、当該対応情報が有する対処識別子を取得する。

なお、対処決定部１３３は、候補となる２以上のすべての対処の対処識別子を格納部１１から取得しても良い。

根拠情報取得部１３４は、対処決定部１３３が取得した１以上の各対処識別子ごとに、対処識別子に対応する１以上の教師データとユーザ情報受付部１２１が受け付けたユーザ情報とを用いて、根拠情報を取得する。根拠情報は、対処決定部１３３が取得した対処識別子で識別される対処を勧める根拠に関する情報である。

根拠情報取得部１３４は、例えば、分類部１３１が対応付けたクラス識別子に対応する根拠レベルを取得する。根拠情報取得部１３４は、例えば、分類部１３１が対応付けたクラス識別子に対応する教師データに対する効果情報を用いて有効性情報を取得し、当該根拠レベルと当該有効性情報を含む情報である理由情報を取得する。根拠情報取得部１３４は、例えば、根拠レベルと理由情報のうちの１種類以上の情報を含む根拠情報を取得することは好適である。

根拠情報取得部１３４は、ユーザ情報が属するクラスに対応する教師データが有する満足度を用いて満足度情報を取得し、当該満足度情報を含む理由情報を含む根拠情報を取得することは好適である。

根拠は、エビデンスと言っても良い。根拠情報は、エビデンス情報と言っても良い。根拠情報は、例えば、根拠レベル、理由情報のうちの１以上の情報を有する。理由情報は、有効性情報、満足度情報のうちの１以上の情報を有する。

根拠レベルは、対処を推薦する根拠の強さの度合いを特定する情報である。根拠レベルは、例えば、「１」「２」「３」のうちのいずれかであるが、「Ａ」「Ｂ」「Ｃ」等の順序性のある情報であれば良い。

理由情報は、対処を勧める理由に関する情報である。有効性情報は、対処を行った場合の有効性に関する情報である。有効性情報は、例えば、対処を行った場合の有効度の平均値、対処を行った場合の有効度が閾値以上のユーザの割合（教師データの割合）、対処を行った場合の有効度が閾値以上のユーザの数である。満足度情報は、対処を行った後の満足度に関する情報である。満足度情報は、対処を行った後の満足度の平均値、対処を行った場合の満足度が閾値以上のユーザ（教師データでも良い）の割合、対処を行った場合の満足度が閾値以上のユーザの数である。

根拠情報取得部１３４は、例えば、対処決定部１３３が取得した１以上の各対処識別子ごとに、対処識別子に対応する１以上の教師データとユーザ情報受付部１２１が受け付けたユーザ情報とを用いて、根拠レベルを取得する。根拠情報取得部１３４は、例えば、対処決定部１３３が取得した対処識別子に対応する１以上の教師データと対になるクラス識別子を取得する。次に、根拠情報取得部１３４は、例えば、当該クラス識別子に対応する根拠レベルを取得する。なお、かかる場合、クラス識別子に根拠レベルが対応付けられて、格納部１１に格納されている、とする。

根拠情報取得部１３４は、例えば、対処識別子ごとに、対処決定部１３３が取得した対処識別子に対応する１以上の教師データを用いて有効性情報を取得する。根拠情報取得部１３４は、例えば、対処決定部１３３が取得した各対処識別子に対応する１以上の各教師データに対応する効果情報を取得する。次に、根拠情報取得部１３４は、例えば、対処識別子ごとに、取得した効果情報の中で、効果条件を満たす効果情報の数である有効である人数を取得する。次に、根拠情報取得部１３４は、例えば、対処識別子に対応する全教師データの数と有効である人数とを用いて、有効である割合である有効性情報を取得する。なお、有効性情報は、有効である人数等でも良い。また、効果条件は、効果情報が高い効果を示す情報であり、例えば、効果情報が閾値以上、効果情報が閾値より大きいこと、効果情報が「効果あり」であることである。

根拠情報取得部１３４は、例えば、対処識別子ごとに、対処決定部１３３が取得した対処識別子に対応する１以上の教師データを用いて満足度情報を取得する。根拠情報取得部１３４は、例えば、対処決定部１３３が取得した各対処識別子に対応する１以上の各教師データが有する満足度を取得する。次に、根拠情報取得部１３４は、例えば、対処識別子ごとに、取得した満足度の中で、満足度条件を満たす満足度の数である満足であった人数を取得する。次に、根拠情報取得部１３４は、例えば、対処識別子に対応する全教師データの数と満足であった人数とを用いて、満足である割合である満足度情報を取得する。なお、満足度情報は、満足であった人数等でも良い。

根拠情報取得部１３４は、例えば、対処識別子ごとに、対処決定部１３３が取得した対処識別子に対応する１以上の教師データを用いて有効性情報と満足度情報とを取得する。そして、根拠情報取得部１３４は、例えば、取得した有効性情報と取得した満足度情報とを有する理由情報を構成することは好適である。

根拠情報取得部１３４は、目標達成条件を満たす対処識別子に対して、強く勧めるためのお勧め情報を取得することは好適である。目標達成条件は、目標達成度合いが閾値以上であること、または閾値より大きいことである。目標達成率は、ユーザ属性値である目標に対する達成度合いである。目標達成度合いは、例えば、１以上の目標達成率の代表値（例えば、平均値、中央値）、目標を達成したユーザの数、目標を達成したユーザの割合である。

根拠情報取得部１３４は、根拠情報を取得できなかった対処識別子に対して、根拠が無い旨の情報である根拠情報を取得することは好適である。

なお、根拠情報取得部１３４は、通常、取得した根拠情報を、対応する対処識別子に対応付けて、図示しないバッファに一時蓄積する。

報酬情報取得部１３５は、ユーザに対処を行うことを勧めるための報酬を特定する情報であり、根拠情報に対応する情報である報酬情報を取得する。報酬情報は、例えば、対処に対応する商品またはサービスの購入を勧める情報である。報酬情報は、例えば、対処に対応する商品またはサービスの割引率を示す情報である。

報酬情報取得部１３５は、根拠情報に含まれる根拠レベルに応じて、報酬を特定する報酬情報を取得する。報酬情報取得部１３５は、例えば、根拠情報に含まれる根拠レベルが低いほど、高い報酬を特定する報酬情報を取得する。かかる場合の報酬情報が示す報酬は、根拠レベルが低いものを採用するユーザの取り組みに対する報酬である。また、報酬情報取得部１３５は、例えば、根拠情報に含まれる根拠レベルが高いほど、高い報酬を特定する報酬情報を取得する。かかる場合は、根拠レベルが高い取り組みをユーザに行って欲しい場合である。このような根拠レベルと報酬情報と関係性は、情報処理装置１の管理者が設定してもよい。

報酬情報取得部１３５は、例えば、取得された根拠レベルに対応付く報酬情報を格納部１１から取得する。

出力部１４は、各種の情報を出力する。各種の情報とは、例えば、対処識別子、根拠情報、報酬情報である。

ここで、出力とは、通常、端末装置２への送信であるが、ディスプレイへの表示、プロジェクターを用いた投影、プリンタでの印字、音出力、記録媒体への蓄積、他の処理装置や他のプログラムなどへの処理結果の引渡しなどを含む概念であっても良い。

情報出力部１４１は、対処決定部１３３が取得した対処識別子と根拠情報取得部１３４が取得した根拠情報とを出力する。情報出力部１４１は、報酬情報取得部１３５が取得した報酬情報をも出力することは好適である。

端末装置２を構成する端末格納部２１には、各種の情報が格納される。各種の情報は、例えば、ユーザ識別子である。ユーザ識別子は、端末装置２のＩＤ等でも良い。

端末受付部２２は、各種の情報や指示を受け付ける。各種の情報や指示とは、例えば、ユーザ情報である。各種の情報や指示の入力手段は、マイクやタッチパネルやキーボードやマウスやメニュー画面によるもの等、何でも良い。

端末処理部２３は、各種の処理を行う。各種の処理は、例えば、端末受付部２２が受け付けた指示や情報を送信するデータ構造にする処理である。また、各種の処理は、例えば、端末受信部２５が受信した情報を出力するデータ構造にする処理である。

端末送信部２４は、各種の情報や指示を情報処理装置１に送信する。各種の情報や指示とは、例えば、ユーザ情報である。

端末受信部２５は、各種の情報を情報処理装置１から受信する。各種の情報は、例えば、対処識別子、根拠情報、報酬情報である。

端末出力部２６は、各種の情報を出力する。各種の情報は、例えば、対処識別子、根拠情報、報酬情報である。

格納部１１、教師データ格納部１１１、学習情報格納部１１２、および端末格納部２１は、不揮発性の記録媒体が好適であるが、揮発性の記録媒体でも実現可能である。

格納部１１等に情報が記憶される過程は問わない。例えば、記録媒体を介して情報が格納部１１等で記憶されるようになってもよく、通信回線等を介して送信された情報が格納部１１等で記憶されるようになってもよく、あるいは、入力デバイスを介して入力された情報が格納部１１等で記憶されるようになってもよい。

受付部１２、およびユーザ情報受付部１２１は、無線または有線の通信手段で実現されることが好適であるが、放送を受信する手段、タッチパネルやキーボード等の入力手段のデバイスドライバーや、メニュー画面の制御ソフトウェア等で実現されても良い。

処理部１３、学習情報取得部１３２、分類部１３１、対処決定部１３３、根拠情報取得部１３４、報酬情報取得部１３５、および端末処理部２３は、通常、プロセッサやメモリ等から実現され得る。処理部１３等の処理手順は、通常、ソフトウェアで実現され、当該ソフトウェアはＲＯＭ等の記録媒体に記録されている。但し、ハードウェア（専用回路）で実現しても良い。なお、プロセッサは、ＣＰＵ、ＭＰＵ、ＧＰＵ等であり、その種類は問わない。

出力部１４、情報出力部１４１、および端末送信部２４は、通常、無線または有線の通信手段で実現されるが、放送手段で実現されても良い。

端末受付部２２は、タッチパネルやキーボード等の入力手段のデバイスドライバーや、メニュー画面の制御ソフトウェア等で実現され得る。

端末受信部２５は、通常、無線または有線の通信手段で実現されるが、放送を受信する手段で実現されても良い。

端末出力部２６は、ディスプレイやスピーカー等の出力デバイスを含むと考えても含まないと考えても良い。端末出力部２６は、出力デバイスのドライバーソフトまたは、出力デバイスのドライバーソフトと出力デバイス等で実現され得る。

次に、情報システムＡの動作例について説明する。まず、情報処理装置１の動作例について、図３のフローチャートを用いて説明する。

（ステップＳ３０１）受付部１２は、１以上の教師データを受け付けたか否かを判断する。１以上の教師データを受け付けた場合はステップＳ３０２に行く、教師データを受け付けなかった場合はステップＳ３０３に行く。なお、ここでの受け付けは、例えば、端末装置２からの受信である。

（ステップＳ３０２）処理部１３は、ステップＳ３０１で受け付けられた１以上の教師データを教師データ格納部１１１に蓄積する。ステップＳ３０１に戻る。

（ステップＳ３０３）処理部１３は、学習情報を作成するか否かを判断する。学習情報を作成すると判断した場合はステップＳ３０４に行き、学習情報を作成すると判断しなかった場合はステップＳ３０５に行く。なお、処理部１３は、例えば、受付部１２が学習情報作成指示を受け付けた場合に、学習情報を作成すると判断する。また、処理部１３は、例えば、予め決められた時刻になった場合に学習情報を作成すると判断する。また、処理部１３は、例えば、教師データ格納部１１１に蓄積された教師データの数が閾値以上になった場合に学習情報を作成すると判断する。ただし、処理部１３が学習情報を作成すると判断する条件は問わない。

（ステップＳ３０４）学習情報取得部１３２は、学習情報作成処理を行う。ステップＳ３０１に戻る。学習情報作成処理の例について、図４、図７、図８、および図９のフローチャートを用いて説明する。

（ステップＳ３０５）ユーザ情報受付部１２１は、ユーザ情報を受け付けたか否かを判断する。ユーザ情報を受け付けた場合はステップＳ３０６に行き、ユーザ情報を受け付けなかった場合はステップＳ３０１に戻る。なお、ここでの受け付けは、例えば、端末装置２からの受信である。

（ステップＳ３０６）処理部１３は、出力情報取得処理を行う。出力情報取得処理の例について、図１０のフローチャートを用いて説明する。

（ステップＳ３０７）情報出力部１４１は、ステップＳ３０６で取得された出力情報を出力する。ステップＳ３０１に戻る。なお、ここでの出力は、例えば、端末装置２への送信である。

なお、図３のフローチャートにおいて、電源オフや処理終了の割り込みにより処理は終了する。

次に、ステップＳ３０４の学習情報作成処理の第一の例について、図４のフローチャートを用いて説明する。学習情報作成処理の第一の例は、クラス識別子を取得するための学習器を取得する場合の例である。

（ステップＳ４０１）処理部１３は、カウンタｉに１を代入する。

（ステップＳ４０２）処理部１３は、ｉ番目の対処識別子が存在するか否かを判断する。ｉ番目の対処識別子が存在する場合はステップＳ４０３に行き、ｉ番目の対処識別子が存在しない場合は上位処理にリターンする。

（ステップＳ４０３）分類部１３１は、ｉ番目の対処識別子に対応する２以上の教師データを分類する。かかる分類処理の例について、図５のフローチャートを用いて説明する。

（ステップＳ４０４）学習情報取得部１３２は、ステップＳ４０３における分類処理の結果を用いて学習処理を行い、学習器を取得する。学習処理の例について、図６のフローチャートを用いて説明する。

（ステップＳ４０５）学習情報取得部１３２は、ステップＳ４０４で取得した学習器を、ｉ番目の対処識別子に対応付けて、学習情報格納部１１２に蓄積する。

（ステップＳ４０６）処理部１３は、カウンタｉを１、インクリメントする。ステップＳ４０２に戻る。

次に、ステップＳ４０３の分類処理の例について、図５のフローチャートを用いて説明する。

（ステップＳ５０１）分類部１３１は、着目する対処識別子（Ｓ４０２のｉ番目の対処識別子）に対応するすべての教師データを教師データ格納部１１１から取得する。

（ステップＳ５０２）分類部１３１は、カウンタｉに１を代入する。

（ステップＳ５０３）分類部１３１は、ステップＳ５０１で取得した教師データの中で、ｉ番目の教師データが存在するか否かを判断する。ｉ番目の教師データが存在する場合はステップＳ５０４に行き、ｉ番目の教師データが存在しない場合は上位処理にリターンする。

（ステップＳ５０４）分類部１３１は、ｉ番目の教師データに対する効果情報を取得する。分類部１３１は、例えば、ｉ番目の教師データが有する第一結果情報と第二結果情報とを取得し、当該第一結果情報と当該第二結果情報との差異に関する効果情報を取得する。分類部１３１は、例えば、ｉ番目の教師データが有する効果情報を取得する。

（ステップＳ５０５）分類部１３１は、ｉ番目の教師データが有する満足度を取得する。

（ステップＳ５０６）分類部１３１は、ステップＳ５０４で取得した効果情報およびステップＳ５０５で取得した満足度を用いて、当該効果情報および当該満足度に対応するクラス識別子を取得する。

（ステップＳ５０７）分類部１３１は、ステップＳ５０６で取得したクラス識別子に、ｉ番目の教師データを対応付ける。

（ステップＳ５０８）分類部１３１は、カウンタｉを１、インクリメントする。ステップＳ５０３に戻る。

なお、図５のフローチャートにおいて、分類部１３１は、効果情報および満足度を用いて、教師データのクラスを決定した。しかし、分類部１３１は、効果情報、満足度のうちの一方を用いて、教師データのクラスを決定しても良い。

また、図５のフローチャートにおいて、分類部１３１は、上述した公知のクラスター分析のアルゴリズムを用いて、２以上の教師データを分類しても良い。

次に、ステップＳ４０４の学習処理の例について、図６のフローチャートを用いて説明する。

（ステップＳ６０１）学習情報取得部１３２は、カウンタｉに１を代入する。

（ステップＳ６０２）学習情報取得部１３２は、ステップＳ４０３において分類部１３１が分類したｉ番目のクラスのクラス識別子が存在するか否かを判断する。ｉ番目のクラス識別子が存在する場合はステップＳ６０３に行き、存在しない場合は上位処理にリターンする。

（ステップＳ６０３）学習情報取得部１３２は、１以上の正例を取得する。なお、正例は、ｉ番目のクラス識別子に対応付けられた教師データである。

（ステップＳ６０４）学習情報取得部１３２は、１以上の負例を取得する。なお、負例は、ｉ番目のクラス識別子に対応付けられていない教師データである。ｉ番目のクラス識別子に対応付けられていない教師データは、通常、ｉ番目のクラス識別子以外のクラス識別子に対応付けられた教師データである。

（ステップＳ６０５）学習情報取得部１３２は、ステップＳ６０３で取得した１以上の正例と、ステップＳ６０４で取得した１以上の負例とを用いて、機械学習の学習処理を行い、学習器を取得する。なお、かかる学習器は、ｉ番目のクラスに属するか否かを判断するための学習器であり、二値分類を行う学習器である。

（ステップＳ６０６）学習情報取得部１３２は、着目する対処識別子とｉ番目のクラス識別子とに対応付けて、ステップＳ６０５で取得した学習器を学習情報格納部１１２に蓄積する。

（ステップＳ６０７）学習情報取得部１３２は、カウンタｉを１、インクリメントする。ステップＳ６０２に戻る。

なお、図６のフローチャートにおいて、学習情報取得部１３２は、着目する対処識別子に対応する２以上の教師データを用いて、各教師データが有する１以上のユーザ属性値を説明変数とし、クラス識別子を目的変数とし、機械学習の学習処理を行い、学習器を取得し、着目する対処識別子に対応付けて、取得した学習器を学習情報格納部１１２に蓄積しても良い。かかる場合、一の対処識別子に対応する学習器は一つである。かかる学習器は、クラス識別子のうちのいずれかを予測するための学習器である。

次に、ステップＳ３０４の学習情報作成処理の第二の例について、図７のフローチャートを用いて説明する。学習情報作成処理の第二の例は、対処識別子を取得するための学習器を取得する場合の例である。また、第二の例で取得される学習器は、対応する対処識別子で識別される対処を行うべきか否かを判断するための学習器であり、対処ごとに取得される。かかる学習器は、二値分類を行う学習器である。

（ステップＳ７０１）学習情報取得部１３２は、カウンタｉに１を代入する。

（ステップＳ７０２）学習情報取得部１３２は、ｉ番目の対処識別子が存在するか否かを判断する。ｉ番目の対処識別子が存在する場合はステップＳ７０３に行き、存在しない場合は上位処理にリターンする。

（ステップＳ７０３）学習情報取得部１３２は、ｉ番目の対処識別子に対応する２以上の教師データを教師データ格納部１１１から取得する。

（ステップＳ７０４）学習情報取得部１３２は、ステップＳ７０３で取得した２以上の教師データから、１以上の正例を取得する。正例は、正例条件に合致する教師データである。

なお、正例条件は、対処を行うべきであると決定するための条件である。正例条件は、効果条件を満たすこと、満足度条件を満たすことのうちの１つまたは２つの条件でも良い。正例条件は、例えば、効果情報と満足度のうちの１または２種類以上の情報に基づく条件である。正例条件は、例えば、「効果情報が閾値以上または閾値より大きいこと」、「満足度が閾値以上または閾値より大きいこと」、「効果情報が閾値以上または閾値より大きいこと、かつ満足度が閾値以上または閾値より大きいこと」である。

（ステップＳ７０５）学習情報取得部１３２は、ステップＳ７０３で取得した２以上の教師データから、１以上の負例を取得する。負例は、正例条件に合致しない教師データである。

（ステップＳ７０６）学習情報取得部１３２は、ステップＳ７０４で取得した１以上の正例とステップＳ７０５で取得した１以上の負例とを用いて、機械学習の学習処理を行い、学習器を取得する。

（ステップＳ７０７）学習情報取得部１３２は、ステップＳ７０６で取得した学習器を、着目する対処識別子に対応付けて学習情報格納部１１２に蓄積する。

（ステップＳ７０８）学習情報取得部１３２は、カウンタｉを１、インクリメントする。ステップＳ７０２に戻る。

次に、ステップＳ３０４の学習情報作成処理の第三の例について、図８のフローチャートを用いて説明する。学習情報作成処理の第三の例は、対処識別子を取得するための一の学習器を取得する場合の例である。なお、かかる学習器は、通常、多値分類を行うための学習器である。

（ステップＳ８０１）学習情報取得部１３２は、正例条件に合致する１以上の教師データを教師データ格納部１１１から取得する。

（ステップＳ８０２）学習情報取得部１３２は、ステップＳ８０１で取得した１以上の教師データを、機械学習の学習モジュールに与え、学習器を取得する。

（ステップＳ８０３）学習情報取得部１３２は、ステップＳ８０２で習得した学習器を学習情報格納部１１２に蓄積する。上位処理にリターンする。

次に、ステップＳ３０４の学習情報作成処理の第四の例について、図９のフローチャートを用いて説明する。学習情報作成処理の第四の例は、対処識別子ごとの対応表を作成する。図９のフローチャートにおいて、図４のフローチャートと同一のステップについて、説明を省略する。

（ステップＳ９０１）学習情報取得部１３２は、カウンタｊに１を代入する。

（ステップＳ９０２）学習情報取得部１３２は、ｉ番目の対処識別子に対応するｊ番目のクラス識別子が存在するか否かを判断する。ｊ番目のクラス識別子が存在する場合はステップＳ９０３に行き、存在しない場合はステップＳ９０７に行く。

（ステップＳ９０３）学習情報取得部１３２は、ｉ番目の対処識別子とｊ番目のクラス識別子とに対応する１以上の教師データを取得する。

（ステップＳ９０４）学習情報取得部１３２は、１以上の各教師データから構成されるベクトルの代表ベクトルを取得する。

（ステップＳ９０５）学習情報取得部１３２は、ｊ番目のクラス識別子に対応付けて、ステップＳ９０４で取得した代表ベクトルを一時蓄積する。

（ステップＳ９０６）カ学習情報取得部１３２は、カウンタｊを１、インクリメントする。ステップＳ９０２に戻る。

（ステップＳ９０７）学習情報取得部１３２は、ステップＳ９０５で取得した代表ベクトルとクラス識別子とを有する２以上の対応情報を有する対応表を構成し、ｉ番目の対処識別子に対応付けて、当該対応表を学習情報格納部１１２に蓄積する。

（ステップＳ９０８）学習情報取得部１３２は、カウンタｉを１、インクリメントする。ステップＳ４０２に戻る。

次に、ステップＳ３０６の出力情報取得処理の例について、図１０のフローチャートを用いて説明する。

（ステップＳ１００１）対処決定部１３３は、対処情報を取得する。対処情報取得処理の例について、図１１、図１２、図１３、図１４のフローチャートを用いて説明する。

（ステップＳ１００２）根拠情報取得部１３４は、根拠情報を取得する。根拠情報処理の例について、図１５のフローチャートを用いて説明する。

（ステップＳ１００３）報酬情報取得部１３５は、報酬情報を取得する。報酬情報処理の例について、図１６のフローチャートを用いて説明する。

（ステップＳ１００４）処理部１３は、対処情報、根拠情報、報酬情報を用いて出力情報を構成する。上位処理にリターンする。

次に、ステップＳ１００１の対処情報取得処理の例について、図１１のフローチャートを用いて説明する。なお、図１１のフローチャートにおいて、対処ごと、およびクラスごとの学習器を用いる。

（ステップＳ１１０１）対処決定部１３３は、受け付けられたユーザ情報が有する１以上のユーザ属性値を取得する。

（ステップＳ１１０２）対処決定部１３３は、カウンタｉに１を代入する。

（ステップＳ１１０３）対処決定部１３３は、ｉ番目の対処識別子が存在するか否かを判断する。ｉ番目の対処識別子が存在する場合はステップＳ１１０４に行き、存在しない場合は上位処理にリターンする。

（ステップＳ１１０４）対処決定部１３３は、カウンタｊに１を代入する。

（ステップＳ１１０５）対処決定部１３３は、ｊ番目のクラス識別子が存在するか否かを判断する。ｊ番目のクラス識別子が存在する場合はステップＳ１１０６に行き、存在しない場合はステップＳ１１１１に行く。

（ステップＳ１１０６）対処決定部１３３は、ｉ番目の対処識別子とｊ番目のクラス識別子とに対応する学習器を学習情報格納部１１２から取得する。

（ステップＳ１１０７）対処決定部１３３は、ステップＳ１１０６で取得した学習器とステップＳ１１０１で取得した１以上のユーザ属性値とを用いて、機械学習の予測処理を行い、予測結果を取得する。なお、予測結果は、ｊ番目のクラス識別子で識別されるクラスに属するか否かの情報を含む。予測結果は、スコアを含むことは好適である。

（ステップＳ１１０８）対処決定部１３３は、ステップＳ１１０７で取得した予測結果が、「ｊ番目のクラス識別子で識別されるクラスに属する」との予測結果である場合はステップＳ１１０９に行き、「ｊ番目のクラス識別子で識別されるクラスに属さない」との予測結果である場合はステップＳ１１１０に行く。

（ステップＳ１１０９）対処決定部１３３は、ｉ番目の対処識別子に対応付けて、ｊ番目のクラス識別子を図示しないバッファに一時蓄積する。

（ステップＳ１１１０）対処決定部１３３は、カウンタｊを１、インクリメントする。ステップＳ１１０５に戻る。

（ステップＳ１１１１）対処決定部１３３は、カウンタｉを１、インクリメントする。ステップＳ１１０３に戻る。

なお、図１１のフローチャートにおいて、対処識別子ごとのクラス識別子が決定された。そして、対処決定部１３３は、決定されたクラス識別子が取得条件を満たす場合のみ、当該クラス識別子に対応する対処識別子のみを格納部１１に蓄積しても良い。

次に、ステップＳ１００１の対処情報取得処理の例について、図１２のフローチャートを用いて説明する。図１２のフローチャートにおいて、図１１のフローチャートと同一のステップについて、説明を省略する。なお、図１２のフローチャートにおいて、対処を行うか否かを判断するための学習器であり、対処ごとの学習器を用いる。

（ステップＳ１２０１）対処決定部１３３は、ｉ番目の対処識別子に対応する学習器を学習情報格納部１１２から取得する。

（ステップＳ１２０２）対処決定部１３３は、ステップＳ１２０１で取得した学習器とステップＳ１１０１で取得した１以上のユーザ属性値とを用いて、機械学習の予測処理を行い、予測結果を取得する。なお、予測結果は、ｊ番目の対処識別子で識別される対処を行って効果があるか否か（満たすか否か）の情報を含む。予測結果は、スコアを含むことは好適である。

（ステップＳ１２０３）対処決定部１３３は、ステップＳ１２０２における予測結果が「満たす」（例えば、「１」）を含む場合はステップＳ１２０４に行き、「満たさない」（例えば、「０」）を含む場合はステップＳ１２０７に行く。なお、予測結果が「満たす」ことは、当該対処識別子で識別される対処を行うべきであることを示す。

（ステップＳ１２０４）対処決定部１３３は、ステップＳ１２０２における予測処理のスコアを取得する。

（ステップＳ１２０５）対処決定部１３３は、ステップＳ１２０４で取得したスコアが条件を満たすか否かを判断する。条件を満たす場合はステップＳ１２０６に行き、条件を満たさない場合はステップＳ１２０７に行く。なお、条件は、スコアが高いことであり、例えば、「スコアが閾値以上」「スコアが閾値より大きい」ことである。

（ステップＳ１２０６）対処決定部１３３は、ｊ番目の対処識別子を格納部１１に蓄積する。対処決定部１３３は、ステップＳ１２０４で取得したスコアも蓄積することは好適である。

（ステップＳ１２０７）対処決定部１３３は、カウンタｉを１、インクリメントする。ステップＳ１１０５に戻る。

次に、ステップＳ１００１の対処情報取得処理の例について、図１３のフローチャートを用いて説明する。図１３のフローチャートにおいて、図１１のフローチャートと同一のステップについて、説明を省略する。なお、図１３のフローチャートにおいて、対処識別子を出力する学習器を用いる。

（ステップＳ１３０１）対処決定部１３３は、学習器を学習情報格納部１１２から取得する。

（ステップＳ１３０２）対処決定部１３３は、ステップＳ１３０１で取得した学習器とステップＳ１１０１で取得した１以上のユーザ属性値とを用いて、機械学習の予測処理を行い、予測結果を取得する。なお、予測結果は、対処識別子を含む。予測結果は、スコアを含むことは好適である。

（ステップＳ１３０３）対処決定部１３３は、ステップＳ１３０２で取得した対処識別子を蓄積する。上位処理にリターンする。なお、ここで、対処決定部１３３は、スコアも蓄積することは好適である。

次に、ステップＳ１００１の対処情報取得処理の例について、図１４のフローチャートを用いて説明する。図１４のフローチャートにおいて、図１１のフローチャートと同一のステップについて、説明を省略する。なお、図１４のフローチャートにおいて、クラス識別子を取得するための対応表を用いる。

（ステップＳ１４０１）対処決定部１３３は、ステップＳ１１０１で取得した１以上の各ユーザ属性値を要素とするベクトルを構成する。次に、対処決定部１３３は、当該ベクトルと最も近似するベクトルを有する対応情報を、学習情報格納部１１２の対応表であり、ｉ番目の対処識別子と対になる対応表から決定する。

（ステップＳ１４０２）対処決定部１３３は、ステップＳ１４０１で決定した対応情報が有するクラス識別子を取得する。

（ステップＳ１４０３）対処決定部１３３は、ステップＳ１４０２で取得したクラス識別子が条件を満たすか否かを判断する。条件を満たす場合はステップＳ１４０４に行き、条件を満たさない場合はステップＳ１４０５に行く。なお、ここでの条件は、クラス識別子が予め決められた１以上のクラス識別子のうちのいずれかのクラス識別子（例えば、効果条件を満たすクラスの識別子）であることである。

（ステップＳ１４０４）対処決定部１３３は、ステップＳ１４０２で取得したクラス識別子をｉ番目の対処識別子と対にして蓄積する。

（ステップＳ１４０５）対処決定部１３３は、カウンタｉを１、インクリメントする。ステップＳ１１０３に戻る。

なお、図１４のフローチャートにおいて、対処識別子を取得するための対応表を用いても良い。かかる場合、ステップＳ１４０２で、対処決定部１３３は、ステップＳ１４０１で決定した対応情報が有する対処識別子を取得し、蓄積する。また、かかる場合、ステップＳ１４０３、ステップＳ１４０４は不要である。

次に、ステップＳ１００２の根拠情報処理の例について、図１５のフローチャートを用いて説明する。

（ステップＳ１５０１）根拠情報取得部１３４は、カウンタｉに１を代入する。

（ステップＳ１５０２）根拠情報取得部１３４は、ステップＳ１００２で取得された対処識別子の中で、ｉ番目の対処識別子が存在するか否かを判断する。ｉ番目の対処識別子が存在する場合はステップＳ１５０３に行き、存在しない場合は上位処理にリターンする。

（ステップＳ１５０３）根拠情報取得部１３４は、元情報を取得する。なお、元情報とは、根拠レベルを取得する際に使用する情報である。元情報は、例えば、対処識別子に対応するクラス識別子、対処識別子に対応するスコアである。

（ステップＳ１５０４）根拠情報取得部１３４は、ステップＳ１５０３で取得した元情報に対応する根拠レベルを取得する。

なお、根拠情報取得部１３４は、例えば、ステップＳ１５０３で取得したクラス識別子に対応する根拠レベルを取得する。かかる場合、２以上の各クラス識別子と対になる根拠レベルが格納部１１に格納されている。

また、拠情報取得部１３４は、例えば、ステップＳ１５０３で取得したスコアに対応する根拠レベルを取得する。かかる場合、スコアの２以上の各条件と対になる根拠レベルが格納部１１に格納されている。スコアの条件は、通常、スコアの幅を示す情報である。なお、スコアは、機械学習の予測処理において取得されたスコアである。

（ステップＳ１５０５）根拠情報取得部１３４は、ｉ番目の対処識別子を取得する元になった１以上の教師データを取得する。

（ステップＳ１５０６）根拠情報取得部１３４は、ステップＳ１５０５で取得した１以上の各教師データを用いて、各教師データに対応する効果情報を取得する。次に、根拠情報取得部１３４は、１以上の効果情報を用いて、有効性情報を取得し、ｉ番目の対処識別子に対応付けて、図示しないバッファに蓄積する。

（ステップＳ１５０７）根拠情報取得部１３４は、ステップＳ１５０５で取得した１以上の各教師データから満足度を取得する。

（ステップＳ１５０８）根拠情報取得部１３４は、ステップＳ１５０７で取得した１以上の満足度を用いて、満足度情報を取得し、ｉ番目の対処識別子に対応付けて、図示しないバッファに蓄積する。

（ステップＳ１５０９）根拠情報取得部１３４は、カウンタｉを１、インクリメントする。ステップＳ１５０２に戻る。

なお、図１５のフローチャートにおいて、根拠レベル、効果情報、満足度情報が取得されたが、これらの情報のうち、１または２種類の情報のみを取得しても良い。

次に、ステップＳ１００３の報酬情報処理の例について、図１６のフローチャートを用いて説明する。

（ステップＳ１６０１）報酬情報取得部１３５は、カウンタｉに１を代入する。

（ステップＳ１６０２）報酬情報取得部１３５は、ｉ番目の対処識別子が存在するか否かを判断する。ｉ番目の対処識別子が存在する場合はステップＳ１６０３に行き、存在しない場合は上位処理にリターンする。

（ステップＳ１６０３）報酬情報取得部１３５は、ｉ番目の対処識別子が報酬条件に合致するか否かを判断する。報酬条件に合致する場合はステップＳ１６０４に行き、報酬条件に合致しない場合はステップＳ１６０６に行く。

報酬情報取得部１３５は、例えば、ｉ番目の対処識別子、ｉ番目の対処識別子に対応付く根拠レベル、効果情報、また満足度情報のいずれか１以上を用いて、ｉ番目の対処識別子が報酬条件に合致するか否かを判断する。

なお、報酬条件は、報酬情報を取得するための条件である。報酬条件は、例えば、「ｉ番目の対処識別子に対応付けられた報酬情報が格納部１１に格納されていること」、「ｉ番目の対処識別子に対応付く根拠レベルが「根拠がないことを示す情報である」こと」、「ｉ番目の対処識別子に対応付く根拠レベルが閾値以下または閾値より小さいであること」、「ｉ番目の対処識別子に対応付く効果情報が示す効果が条件を満たすほど低いこと」、「ｉ番目の対処識別子に対応付く満足度情報が示す満足の度合いが条件を満たすほど低いこと」である。

（ステップＳ１６０４）報酬情報取得部１３５は、報酬情報を格納部１１から取得する。報酬情報取得部１３５は、例えば、ｉ番目の対処識別子に対応付く報酬情報を格納部１１から取得する。報酬情報取得部１３５は、例えば、報酬条件に対応付く報酬情報を格納部１１から取得する。

（ステップＳ１６０５）報酬情報取得部１３５は、ステップＳ１６０４で取得した報酬情報を、出力する報酬情報として、ｉ番目の対処識別子に対応付けて、図示しないバッファに一時蓄積する。

（ステップＳ１６０６）報酬情報取得部１３５は、カウンタｉを１、インクリメントする。ステップＳ１６０２に戻る。

次に、端末装置２の動作例について説明する。端末装置２の端末受付部２２は、ユーザ情報を受け付ける。次に、端末処理部２３は、当該ユーザ情報を用いて、送信するユーザ情報を構成する。端末送信部２４は、当該ユーザ情報を情報処理装置１に送信する。次に、ユーザ情報の送信に応じて、端末受信部２５は、情報処理装置１から出力情報を受信する。次に、端末処理部２３は、当該出力情報を用いて、出力する情報を構成する。端末出力部２６は、当該構成された情報を出力する。出力された情報は、例えば、対処識別子、根拠情報、報酬情報を有する。

また、端末装置２の端末受付部２２は、教師データを受け付けても良い。かかる場合、端末処理部２３は、当該教師データを用いて、送信する教師データを構成する。次に、
端末送信部２４は、当該教師データを情報処理装置１に送信する。

以下、本実施の形態における情報システムＡの具体的な動作例について説明する。

今、情報処理装置１の教師データ格納部１１１には、端末装置２から送信された２以上の教師データを有する教師データ管理表が格納されている、とする。教師データは、何らかの対処を行ったユーザの情報であり、第一結果情報と第二結果情報とを有する。この教師データ管理表は、図１７である。教師データ管理表には、「ＩＤ」「対処識別子」「第一結果情報」「第二結果情報」「性別」「年齢」「身長」「体重」「回答情報」を有する２以上のレコードが管理されている。「回答情報」は、ユーザに対するアンケートの回答であり、ここでは、「取組情報」「生活習慣情報」「目標」「満足度」を有する。また、「第一結果情報」は、対処識別子で識別される対処を行う前の検査結果である。「第二結果情報」は、対処識別子で識別される対処を行った後の検査結果である。検査結果は、ここでは、最高血圧である。「目標」は、ユーザが目指す最高血圧である。「満足度」は、対処識別子で識別される対処を行った、ユーザの満足の度合いである。

また、情報処理装置１の格納部１１には、対処識別子「商品Ａ（減塩醤油）」「商品Ｂ（減塩味噌）」「商品Ｃ（ヨーグルト）」が格納されている、とする。また、ここでは、「商品Ａ」に対応する対処は、商品Ａを１ヶ月継続して使用するプログラム（プログラムＡ）であり、「商品Ｂ」に対応する対処は、商品Ｂを１ヶ月継続して使用するプログラム（プログラムＢ）であり、「商品Ｃ」に対応する対処は、商品Ｃを２ヶ月継続して使用するプログラム（プログラムＣ）である、とする。プログラムは、商品やサービス等を継続して摂取等することを言い、チャレンジプログラムとも言うこととする。

また、格納部１１には、クラス識別子「クラスＡ」に対応付けられた根拠レベル「３」、クラス識別子「クラスＢ」および「クラスＤ」に対応付けられた根拠レベル「２」、クラス識別子「クラスＣ」に対応付けられた根拠レベル「１」、クラス識別子「なし」に対応付けられた根拠レベル「０」を有する根拠レベル判定表が格納されている、とする。

なお、根拠レベル判定表は、図１８に示すように、有効性情報、満足度情報のうちの１以上の情報を用いて根拠レベルを判定するための表であっても良い。かかる根拠レベル判定表は「根拠レベル」「判定条件」を有する。なお、「判定条件」は、根拠レベルを決定するための条件である。つまり、根拠情報取得部１３４は、有効性情報、満足度情報のうちの１以上の情報を用いて根拠レベルを取得しても良い。また、「根拠レベル＝１から３」の判定条件は、例えば、教師データが閾値（例えば、１００件）以上または閾値より多く存在する場合に適用される、とする。また、図１８の「根拠レベル＝１から３」において、「根拠レベル＝３」「根拠レベル＝２」「根拠レベル＝１」の順で適用される、とする。

また、格納部１１には、目標達成条件「目標達成率＞＝８０％」が格納されている、とする。そして、根拠情報取得部１３４は、目標達成条件を満たす対処識別子に対して、強く勧めるためのお勧め情報を取得する、とする。お勧め情報は、ここでは「必要」（例えば、「１」）である、とする。なお、「必要」は、目標達成のために、対処識別子で識別される対処を行うことが必要であることを意味する。また、根拠情報取得部１３４は、目標達成条件を満たさない対処識別子に対して、お勧め情報「不要」（例えば、「０」）を取得する、とする。

また、格納部１１には、報酬条件「根拠レベル＝０」と、当該報酬条件に対応する報酬情報「３０％ＯＦＦ」とが格納されている、とする。つまり、「根拠レベル＝０」に対応する商品に対して、３０％ＯＦＦの報酬情報（３０％引きで、商品が購入できる旨を示す情報）を提示するものとする。

かかる状況において、情報処理装置１の分類部１３１は、対処識別子ごとに、図１７の各教師データの第一結果情報と第二結果情報と目標と満足度とを取得する。次に、分類部１３１は、対処識別子ごとおよび教師データごとに、第一結果情報と第二結果情報と目標を用いて、効果情報を取得する。効果情報は、ここでは、目標達成率である。目標達成率は、例えば、「（第一結果情報－第二結果情報）／（第一結果情報－目標）＊１００（％）」により算出される、とする。

次に、分類部１３１は、対処識別子ごとに、効果情報と満足度とを用いて、教師データを分類する。ここでは、分類部１３１は、対処識別子ごとに、例えば、効果情報が６０％以上であり、満足度が「４または５」である教師データのクラス識別子を「クラスＡ」、効果情報が６０％未満であり、満足度が「４または５」である教師データのクラス識別子を「クラスＢ」、効果情報が６０％未満であり、満足度が「１または２または３」である教師データのクラス識別子を「クラスＣ」、効果情報が６０％以上であり、満足度が「１または２または３」である教師データのクラス識別子を「クラスＤ」として、教師データを分類する、とする。かかる教師データの分類の概念を示した図は、図１９である。

次に、学習情報取得部１３２は、対処識別子ごとに、図１７の教師データ管理表から、「第一結果情報」「性別」「年齢」「身長」「体重」「生活習慣情報」「目標」を教師データごとに取得し、当該「第一結果情報」「性別」「年齢」「身長」「体重」「生活習慣情報」「目標」を説明変数とし、クラス識別子を目的変数とするベクトルを構成する。

次に、学習情報取得部１３２は、対処識別子ごとに、２以上のベクトルを用いて、機械学習の学習処理を行い、対処識別子ごとに、学習器を構成し、対処識別子ごとの学習器を、対処識別子に対応付けて学習情報格納部１１２に蓄積する。なお、かかる学習器は、「第一結果情報」「性別」「年齢」「身長」「体重」「生活習慣情報」「目標」を有するベクトルを用いて、クラス識別子を予測するための学習器である。

以上の状況において、ユーザＡは、端末装置２に、「＜第一結果情報＞１８３ ＜性別＞男 ＜年齢＞６８ ＜身長＞１７５ ＜体重＞８８ ＜生活習慣情報＞喫煙 ＜目標＞１４０」を有するユーザ情報を入力した、とする。次に、端末装置２は、当該ユーザ情報を受け付け、ユーザ情報を情報処理装置１に送信する。

次に、情報処理装置１のユーザ情報受付部１２１は、ユーザＡの端末装置２から当該ユーザ情報を受信する。

次に、処理部１３は、以下のように出力情報取得処理を行う。つまり、まず、対処決定部１３３は、対処識別子「商品Ａ（減塩醤油）」「商品Ｂ（減塩味噌）」「商品Ｃ（ヨーグルト）」ごとに、クラス識別子を決定する。つまり、まず、対処決定部１３３は、対処識別子「商品Ａ（減塩醤油）」と対になる学習器を学習情報格納部１１２から取得する。次に、対処決定部１３３は、ユーザ情報が有するユーザ属性値「＜第一結果情報＞１８３ ＜性別＞男 ＜年齢＞６８ ＜身長＞１７５ ＜体重＞８８ ＜生活習慣情報＞喫煙 ＜目標＞１４０」と取得した学習器とを、機械学習の予測処理を行う予測モジュールに与え、当該予測モジュールを実行し、クラス識別子「クラスＡ」を取得した、とする。同様に、対処決定部１３３は、対処識別子「商品Ｂ（減塩味噌）」と対になる学習器を学習情報格納部１１２から取得する。次に、対処決定部１３３は、ユーザ情報が有する２以上のユーザ属性値と取得した学習器とを、機械学習の予測処理を行う予測モジュールに与え、当該予測モジュールを実行し、クラス識別子「クラスＤ」を取得した、とする。なお、対処決定部１３３は、対処識別子「商品Ｃ（ヨーグルト）」と対になる学習器を学習情報格納部１１２から取得できなかった、とする。

次に、根拠情報取得部１３４は、対処識別子「商品Ａ（減塩醤油）」に対応するクラス識別子「クラスＡ」と対になる根拠レベル「３」を格納部１１から取得する。また、根拠情報取得部１３４は、対処識別子「商品Ｂ（減塩味噌）」に対応するクラス識別子「クラスＤ」と対になる根拠レベル「２」を格納部１１から取得する。さらに、根拠情報取得部１３４は、クラスを決定できなかった対処識別子「商品Ｃ（ヨーグルト）」と対になる根拠レベル「０」を格納部１１から取得する。

次に、根拠情報取得部１３４は、クラス識別子が取得された対処識別子ごとに、当該対処識別子と当該クラス識別子に対応する１以上の教師データを取得する。そして、根拠情報取得部１３４は、取得した１以上の教師データを用いて、各教師データの効果情報を取得する。次に、根拠情報取得部１３４は、各教師データの効果情報の平均である「有効性情報」を取得する。なお、根拠情報取得部１３４は、対処識別子「商品Ａ（減塩醤油）」とクラス識別子「クラスＡ」とに対応する１以上の教師データから有効性情報「８０％」を取得した、とする。また、根拠情報取得部１３４は、取得した１以上の各教師データが有する満足度を取得する。次に、根拠情報取得部１３４は、同一クラスにおける満足度が「４」または「５」を有する教師データの割合である満足度情報「６０％」を取得した、とする。

同様に、根拠情報取得部１３４は、対処識別子「商品Ｂ（減塩味噌）」に対応するクラス識別子「クラスＤ」に対応する１以上の教師データを取得し、当該教師データを用いて、有効性情報「８０％」および満足度情報「３０％」を取得した、とする。

また、根拠情報取得部１３４は、目標達成条件「目標達成率＞＝８０％」を格納部１１から取得する。次に、根拠情報取得部１３４は、対処識別子ごとに、当該対処識別子と対応するクラス識別子に対する１以上の教師データの目標達成率の平均が目標達成条件を満たす対処識別子「商品Ａ（減塩醤油）」を取得する。次に、根拠情報取得部１３４は、対処識別子「商品Ａ（減塩醤油）」に対応付けて、お勧め情報「必要」を取得する。また、根拠情報取得部１３４は、目標達成条件を満たさない対処識別子「商品Ｂ（減塩味噌）」および「商品Ｃ（ヨーグルト）」に対応付けて、お勧め情報「不要」を取得する。

また、根拠情報取得部１３４は、対処識別子「商品Ｃ（ヨーグルト）」に対応する有効性情報と満足度情報とは取得できなかった。根拠レベルが「０」であるからである。

次に、報酬情報取得部１３５は、格納部１１の報酬条件「根拠レベル＝０」を参照し、「根拠レベル＝０」に対応する対処識別子「商品Ｃ（ヨーグルト）」に対して、３０％ＯＦＦの報酬情報を取得する。

次に、処理部１３は、取得された対処情報、根拠情報、お勧め情報、および報酬情報を用いて出力情報を構成する。次に、情報出力部１４１は、取得された出力情報を端末装置２に送信する。

次に、端末装置２は、出力情報を受信し、出力する。かかる出力例は、図２０である。図２０において、２００１は根拠レベルであり、ここでは「エビデンスレベル」と言っている。また、２００２は、有効性情報と満足度情報とを有する根拠情報であり、「理由」のラベルが付与されている。２００３は、お勧め情報であり、「ＴｏＢｅ達成のため」というラベルが付与されている。さらに、２００４は、報酬情報であり、「インセンティブ」というラベルが付与されている。

以上、本実施の形態によれば、検査の結果に対する適切な対処を決定できる。

また、本実施の形態によれば、検査の結果に対する対処を提案する場合に、その提案の根拠を提示できる。

また、本実施の形態によれば、検査の結果に対する対処を提案する場合に、その提案の根拠が無いことも明示できる。

さらに、本実施の形態によれば、検査の結果に対する対処を提案する場合に、その対処を行うインセンティブをユーザに与えることが示できる。

また、本実施の形態における処理は、ソフトウェアで実現しても良い。そして、このソフトウェアをソフトウェアダウンロード等により配布しても良い。また、このソフトウェアをＣＤ－ＲＯＭなどの記録媒体に記録して流布しても良い。なお、このことは、本明細書における他の実施の形態においても該当する。なお、本実施の形態における情報処理装置を実現するソフトウェアは、以下のようなプログラムである。つまり、このプログラムは、コンピュータを、一のユーザの生体に関する検査結果を特定する結果情報を含む１以上のユーザ属性値を有するユーザ情報を受け付けるユーザ情報受付部と、ユーザが行った対処を識別する対処識別子に対応付いた２以上の教師データであり、当該対処を行う前の検査結果を特定する第一結果情報と、当該対処を行った結果の検査結果を特定する第二結果情報とを含む２以上のユーザ属性値とを有する２以上の教師データに基づく学習情報が格納される学習情報格納部から学習情報を取得し、当該学習情報と、前記ユーザ情報受付部が受け付けた前記ユーザ情報とを用いて、当該ユーザ情報が有する結果情報に応じた対処を識別する対処識別子を取得する対処決定部と、前記対処決定部が取得した前記対処識別子に対応する１以上の教師データと前記ユーザ情報受付部が受け付けた前記ユーザ情報とを用いて、前記対処決定部が取得した前記対処識別子で識別される対処を勧める根拠に関する根拠情報を取得する根拠情報取得部と、前記対処決定部が取得した前記対処識別子と前記根拠情報取得部が取得した前記根拠情報とを出力する情報出力部として機能させるためのプログラムである。

また、図２１は、本明細書で述べたプログラムを実行して、上述した種々の実施の形態の情報処理装置１等を実現するコンピュータの外観を示す。上述の実施の形態は、コンピュータハードウェア及びその上で実行されるコンピュータプログラムで実現され得る。図２１は、このコンピュータシステム３００の概観図であり、図２２は、システム３００のブロック図である。

図２１において、コンピュータシステム３００は、ＣＤ－ＲＯＭドライブを含むコンピュータ３０１と、キーボード３０２と、マウス３０３と、モニタ３０４とを含む。

図２２において、コンピュータ３０１は、ＣＤ－ＲＯＭドライブ３０１２に加えて、ＭＰＵ３０１３と、ＣＤ－ＲＯＭドライブ３０１２等に接続されたバス３０１４と、ブートアッププログラム等のプログラムを記憶するためのＲＯＭ３０１５と、ＭＰＵ３０１３に接続され、アプリケーションプログラムの命令を一時的に記憶するとともに一時記憶空間を提供するためのＲＡＭ３０１６と、アプリケーションプログラム、システムプログラム、及びデータを記憶するためのハードディスク３０１７とを含む。ここでは、図示しないが、コンピュータ３０１は、さらに、ＬＡＮへの接続を提供するネットワークカードを含んでも良い。

コンピュータシステム３００に、上述した実施の形態の情報処理装置１等の機能を実行させるプログラムは、ＣＤ－ＲＯＭ３１０１に記憶されて、ＣＤ－ＲＯＭドライブ３０１２に挿入され、さらにハードディスク３０１７に転送されても良い。これに代えて、プログラムは、図示しないネットワークを介してコンピュータ３０１に送信され、ハードディスク３０１７に記憶されても良い。プログラムは実行の際にＲＡＭ３０１６にロードされる。プログラムは、ＣＤ－ＲＯＭ３１０１またはネットワークから直接、ロードされても良い。

プログラムは、コンピュータ３０１に、上述した実施の形態の情報処理装置１等の機能を実行させるオペレーティングシステム（ＯＳ）、またはサードパーティープログラム等は、必ずしも含まなくても良い。プログラムは、制御された態様で適切な機能（モジュール）を呼び出し、所望の結果が得られるようにする命令の部分のみを含んでいれば良い。コンピュータシステム３００がどのように動作するかは周知であり、詳細な説明は省略する。

なお、上記プログラムにおいて、情報を送信するステップや、情報を受信するステップなどでは、ハードウェアによって行われる処理、例えば、送信ステップにおけるモデムやインターフェースカードなどで行われる処理（ハードウェアでしか行われない処理）は含まれない。

また、上記プログラムを実行するコンピュータは、単数であってもよく、複数であってもよい。すなわち、集中処理を行ってもよく、あるいは分散処理を行ってもよい。

また、上記各実施の形態において、一の装置に存在する２以上の通信手段は、物理的に一の媒体で実現されても良いことは言うまでもない。

また、上記各実施の形態において、各処理は、単一の装置によって集中処理されることによって実現されてもよく、あるいは、複数の装置によって分散処理されることによって実現されてもよい。

本発明は、以上の実施の形態に限定されることなく、種々の変更が可能であり、それらも本発明の範囲内に包含されるものであることは言うまでもない。

以上のように、本発明にかかる情報処理装置は、検査の結果に対する対処を提案する場合に、その提案の根拠を提示できるという効果を有し、推薦する対処を識別する対処識別子と根拠情報とを出力するサーバ等として有用である。

１ 情報処理装置
３ 端末装置
１１ 格納部
１２ 受付部
１３ 処理部
１４ 出力部
２１ 端末格納部
２２ 端末受付部
２３ 端末処理部
２４ 端末送信部
２５ 端末受信部
２６ 端末出力部
１１１ 教師データ格納部
１１２ 学習情報格納部
１２１ ユーザ情報受付部
１３１ 分類部
１３２ 学習情報取得部
１３３ 対処決定部
１３４ 拠情報取得部
１３４ 根拠情報取得部
１３５ 報酬情報取得部
１４１ 情報出力部

Claims (13)

1. 一のユーザの生体に関する検査結果を特定する結果情報を含む１以上のユーザ属性値を有するユーザ情報を受け付けるユーザ情報受付部と、
   ユーザが行った対処を識別する対処識別子に対応付いた２以上の教師データであり、当該対処を行う前の検査結果を特定する第一結果情報と、当該対処を行った結果の検査結果を特定する第二結果情報とを含む２以上のユーザ属性値とを有する２以上の教師データに基づく学習情報が格納される学習情報格納部から学習情報を取得し、当該学習情報と、前記ユーザ情報受付部が受け付けた前記ユーザ情報とを用いて、当該ユーザ情報が有する結果情報に応じた対処を識別する対処識別子を取得する対処決定部と、
   前記対処決定部が取得した前記対処識別子に対応する１以上の教師データと前記ユーザ情報受付部が受け付けた前記ユーザ情報とを用いて、前記対処決定部が取得した前記対処識別子で識別される対処を勧める根拠に関する根拠情報を取得する根拠情報取得部と、
   前記対処決定部が取得した前記対処識別子と前記根拠情報取得部が取得した前記根拠情報とを出力する情報出力部とを具備する情報処理装置。
2. 前記根拠情報取得部は、
   前記対処決定部が取得した前記対処識別子に対応する１以上の教師データと前記ユーザ情報受付部が受け付けた前記ユーザ情報とを用いて、前記対処を推薦する根拠の強さの度合いを特定する根拠レベル、および前記対処を推薦する理由を示す情報であり、当該対処を行った場合の有効性に関する有効性情報または当該対処を行った後の満足度に関する満足度情報を含む情報である理由情報のうちの１種類以上の情報を含む根拠情報を取得する、請求項１記載の情報処理装置。
3. 前記根拠情報取得部は、
   根拠情報を取得できなかった場合に、根拠が無い旨の情報である根拠情報を取得する、請求項１または請求項２記載の情報処理装置。
4. ユーザに前記対処を行うことを勧めるための報酬を特定する情報であり、前記根拠情報に対応する情報である報酬情報を取得する報酬情報取得部をさらに具備し、
   前記情報出力部は、
   前記報酬情報取得部が取得した前記報酬情報をも出力する、請求項１から請求項３いずれか一項に記載の情報処理装置。
5. 前記報酬情報取得部は、
   前記根拠情報に含まれる根拠レベルに応じた報酬を特定する報酬情報を取得する、請求項４記載の情報処理装置。
6. 対処識別子ごとに、前記２以上の各教師データが有する前記第二結果情報を用いて取得される情報であり、対処の効果に関する情報である効果情報を用いて、前記２以上の教師データを２以上のクラスに分類し、前記２以上の各教師データに対して前記クラスを識別するクラス識別子に対応付ける分類部をさらに具備し、
   前記対処決定部は、
   前記ユーザ情報受付部が受け付けた前記ユーザ情報と前記２以上の教師データに基づく前記学習情報とを用いて、２以上の各対処識別子ごとに、前記ユーザ情報が属するクラスを決定し、前記第一結果情報と前記第二結果情報との前記差異が大きいクラスに対応する前記対処識別子と前記差異が小さいクラスに対応する前記対処識別子とを区別して取得する、請求項１から請求項５いずれか一項に記載の情報処理装置。
7. 前記教師データは、前記対処を行った結果のユーザの満足度をも有し、
   前記分類部は、
   対処識別子ごとに、前記２以上の各教師データに対する前記効果情報と前記満足度とを用いて、前記２以上の教師データを２以上のクラスに分類し、前記２以上の各教師データに対して前記クラスを識別するクラス識別子に対応付ける、請求項６記載の情報処理装置。
8. 前記分類部が分類した２以上の各クラスには、当該クラスに対応する教師データに対する効果情報に基づく根拠レベルが対応付いており、
   前記根拠情報取得部は、
   前記クラスに対応する根拠レベルを取得し、前記対処決定部が決定した前記クラスに対応する教師データが有する前記第二結果情報を用いて取得される情報であり、対処の効果に関する情報である効果情報を用いて前記有効性情報を取得し、当該根拠レベルと当該有効性情報を含む情報である理由情報とを含む根拠情報を取得する、請求項６記載の情報処理装置。
9. 前記教師データは、前記対処を行った結果のユーザの満足度をも有し、
   前記分類部は、
   対処識別子ごとに、前記２以上の各教師データに対する前記効果情報と前記満足度とを用いて、前記２以上の教師データを２以上のクラスに分類し、前記２以上の各教師データに対して前記クラスを識別するクラス識別子に対応付け、
   前記根拠情報取得部は、
   前記ユーザ情報が属する前記クラスに対応する教師データが有する満足度を用いて前記満足度情報を取得し、当該満足度情報を含む理由情報を含む根拠情報を取得する、請求項８記載の情報処理装置。
10. 前記ユーザ情報受付部が受け付けた前記ユーザ情報に含まれる前記１以上のユーザ属性値と類似条件を満たす１以上のユーザ属性値を有する２以上の教師データを用いて、学習情報を取得する学習情報取得部をさらに具備し、
    前記学習情報格納部の学習情報は、前記学習情報取得部が取得した学習情報である、請求項１から請求項９いずれか一項に記載の情報処理装置。
11. 前記対処は、検査結果の改善のために商品を一定期間以上摂取するチャレンジであり、前記教師データは、前記チャレンジに関するアンケートの回答情報であるチャレンジの取り組み度合いを含む、請求項１から請求項１０いずれか一項に記載の情報処理装置。
12. ユーザ情報受付部と、対処決定部と、根拠情報取得部と、情報出力部とにより実現される情報処理方法であって、
    前記ユーザ情報受付部が、一のユーザの生体に関する検査結果を特定する結果情報を含む１以上のユーザ属性値を有するユーザ情報を受け付けるユーザ情報受付ステップと、
    前記対処決定部が、対処を行う前の検査結果を特定する第一結果情報と、当該対処を行った結果の検査結果を特定する第二結果情報とを含む１以上のユーザ属性値とを有する２以上の教師データに基づく学習情報が格納される学習情報格納部から学習情報を取得し、当該学習情報と、前記ユーザ情報受付部が受け付けた前記ユーザ情報とを用いて、当該ユーザ情報が有する結果情報に応じた対処を識別する対処識別子を取得する対処決定ステップと、
    前記根拠情報取得部が、前記対処決定ステップで取得された前記対処識別子に対応する１以上の教師データと前記ユーザ情報受付部が受け付けた前記ユーザ情報とを用いて、前記対処決定部が取得した前記対処識別子で識別される対処を勧める根拠に関する根拠情報を取得する根拠情報取得ステップと、
    前記情報出力部が、前記対処決定ステップで取得された前記対処識別子と前記根拠情報取得ステップで取得された前記根拠情報とを出力する情報出力ステップとを具備する情報処理方法。
13. 対処を行う前の検査結果を特定する第一結果情報と、当該対処を行った結果の検査結果を特定する第二結果情報とを含む１以上のユーザ属性値とを有する２以上の教師データに基づく学習情報が格納される学習情報格納部にアクセス可能なコンピュータを、
    一のユーザの生体に関する検査結果を特定する結果情報を含む１以上のユーザ属性値を有するユーザ情報を受け付けるユーザ情報受付部と、
    前記学習情報格納部から前記学習情報を取得し、当該学習情報と、前記ユーザ情報受付部が受け付けた前記ユーザ情報とを用いて、当該ユーザ情報が有する結果情報に応じた対処を識別する対処識別子を取得する対処決定部と、
    前記対処決定部が取得した前記対処識別子に対応する１以上の教師データと前記ユーザ情報受付部が受け付けた前記ユーザ情報とを用いて、前記対処決定部が取得した前記対処識別子で識別される対処を勧める根拠に関する根拠情報を取得する根拠情報取得部と、
    前記対処決定部が取得した前記対処識別子と前記根拠情報取得部が取得した前記根拠情報とを出力する情報出力部ととして機能させるためのプログラム。

Images