JP2023132142A - 情報処理方法、情報処理装置、及び情報処理プログラム - Google Patents

Abstract

【課題】言語化が困難な住宅に関するユーザの好みとリフォーム業者の得意分野とを考慮に入れて、ユーザの好みにマッチするリフォーム業者を選定する。【解決手段】情報処理装置は、住宅情報に対するユーザの選択指示に基づいてユーザの好みの住宅情報を取得し、好みの住宅情報と間取り情報とに基づいて住宅のリフォームプランを示す第１リフォームプラン情報を作成し、第１リフォームプラン情報の特徴を示す第１特徴量を抽出し、リフォーム業者のリフォームに対する特徴を示す第２特徴量と前記第１特徴量とに基づいて、１以上のリフォーム業者を選定し、選定された前記１以上のリフォーム業者を示すリフォーム業者情報を出力する。【選択図】図２

Description

本開示は、住宅のリフォームに関するものである。

特許文献１は、ユーザのリフォームに対する課題を取得し、取得した課題に対して複数の施工業者により提案されたリフォーム案を取得し、取得したリフォーム案をユーザに提示することで、施工業者とユーザとのマッチングを行う技術を開示する。

特許文献２は、リフォームの対象となる住宅の画像情報と、住宅の寸法情報とを合成して合成画像を生成し、この合成画像を表示する技術を開示する。

特許文献３は、ユーザから住宅リフォームによって実現したい暮らしの指定を受け付け、当該暮らしの指定に基づいて、対象の空間に複数種類の商材を施工することを提案するための住宅リフォームプランを表示する技術を開示する。

特開２００３－２９６６０５号公報 特開２００５－１０８６１号公報 特開２０１８－２０６３３７号公報

しかしながら、従来技術では、言語化が困難な住宅に関するユーザの好みと、リフォーム業者の得意分野とを考慮に入れてリフォーム業者を選定することが行われていないので、さらなる改善の必要がある。

本開示は、このような課題を解決するためのものであり、言語化が困難な住宅に関するユーザの好みとリフォーム業者の得意分野とを考慮に入れて、ユーザの好みにマッチするリフォーム業者を選定し得る技術を提供することを目的とする。

本開示の一態様における情報処理方法は、コンピュータにおける情報処理方法であって、ユーザの住宅の間取りを示す間取り情報を取得し、リフォームの具体例を示す住宅情報を前記ユーザに提示し、前記住宅情報に対する前記ユーザの選択指示に基づいて前記ユーザの好みの住宅情報を取得し、前記好みの住宅情報と前記間取り情報とに基づいて前記住宅のリフォームプランを示す第１リフォームプラン情報を作成し、前記第１リフォームプラン情報の特徴を示す第１特徴量を抽出し、リフォーム業者の前記リフォームに対する特徴を示す第２特徴量と前記第１特徴量とに基づいて、１以上のリフォーム業者を選定し、選定された前記１以上のリフォーム業者を示すリフォーム業者情報を出力する。

本開示によれば、言語化が困難な住宅に関するユーザの好みとリフォーム業者の得意分野とを考慮に入れて、ユーザの好みにマッチするリフォーム業者を選定できる。

本開示の実施の形態１における情報処理システムの全体構成の一例を示すブロック図である。 情報処理装置の機能構成の一例を示すブロック図である。 ユーザ端末に表示される住宅画像の閲覧画面を示す図である。 間取り情報の一例を示す図である。 経験データベースのデータ構成の一例を示す図である。 情報処理システムの処理の一例を示すフローチャートである。 学習済みモデルが更新される際の情報処理システムの処理の一例を示すフローチャートである。 実施の形態２における情報処理システムの処理の一例を示すフローチャートである。 実施の形態３における情報処理システムの処理の一例を示すフローチャートである。

（本開示の一態様に至る経緯）
新築需要の停滞に伴い、既存の物件を利用して新たな住まいに変化させ、最新の機器や工法を利用してよりモダンで自分らしい家を作りたいというリフォームのニーズが高まっている。

また、リフォームできる幅が近年の技術革新により広がっており、家族とのつながりを重視する、自然を取込む、自分らしさを取り入れる、といった多様化するユーザのニーズに応えたリフォームが実現可能になってきている。

しかしながら、リフォームをしようとしてもユーザが自身の好みを正しく言語化することは容易ではないので、リフォームの完成イメージをユーザが作ることは非常に困難である。また、個々のリフォーム業者にはデザイン及び工法等に関する得意分野があるので、ユーザのニーズにマッチするリフォーム業者を決定することは容易ではない。

特許文献１では、間取りの独立化、間取りの一体化、家事動線の改善化といった所定のリフォーム課題の中から特定のリフォーム課題をユーザに選択させ、選択結果に基づいてリフォーム案が作成されているに過ぎず、リフォームに関するユーザの好みが言語化困難であることを考慮した記載はない。

特許文献２では、リフォームを希望する顧客の住宅の壁、床、及び天井等の物品の画像情報と寸法情報とにしたがって合成画像を生成し、生成した合成画像に対して、壁紙及び床材の好みの意匠を顧客に決定させることで、リフォーム案が作成されているに過ぎず、リフォームに関するユーザの好みが言語化困難であることを考慮した記載はない。

特許文献３では、趣味を満喫できる暮らし、人が集まる暮らし、ペットと過ごす暮らし、及び自分だけの場所のある暮らし等の、実現したい暮らしの指定を受け付け、その指定に基づいて予め定められたリフォームプランが表示されているに過ぎず。リフォームに関するユーザの好みが言語化困難であることを考慮した記載はない。

よって、これらの従来技術は、言語化が困難な住宅に関するユーザの好みとリフォーム業者の得意分野とを考慮に入れて、ユーザの好みにマッチするリフォーム業者を選定することができない。

本開示はこのような課題を解決するためになされたものである。

本開示の一態様における情報処理方法は、コンピュータが、ユーザの住宅の間取りを示す間取り情報を取得し、リフォームの具体例を示す住宅情報を前記ユーザに提示し、前記住宅情報に対する前記ユーザの選択指示に基づいて前記ユーザの好みの住宅情報を取得し、前記好みの住宅情報と前記間取り情報とに基づいて前記住宅のリフォームプランを示す第１リフォームプラン情報を作成し、前記第１リフォームプラン情報の特徴を示す第１特徴量を抽出し、リフォーム業者の前記リフォームに対する特徴を示す第２特徴量と前記第１特徴量とに基づいて、１以上のリフォーム業者を選定し、選定された前記１以上のリフォーム業者を示すリフォーム業者情報を出力する。

この構成によれば、リフォームの具体例を示す住宅情報がユーザに提示され、提示された住宅情報の中からユーザの好みの住宅情報が選択され、選択された好みの住宅情報と間取り情報とに基づいて第１リフォームプラン情報が生成されている。そのため、言語化が困難なユーザのリフォームの好みを取得し、取得したリフォームの好みが反映された第１リフォームプラン情報を生成することができる。また、リフォームプラン情報から抽出された第１特徴量と、リフォーム業者のリフォームに対する第２特徴量とに基づいて１以上のリフォーム業者が選定され、リフォーム業者情報が出力されている。そのため、ユーザの好みにマッチするリフォーム業者を選定することができる。

上記情報処理方法において、さらに、作成された前記第１リフォームプラン情報を前記ユーザに提示し、さらに、提示した前記第１リフォームプラン情報から前記ユーザの好みの第１リフォームプラン情報の選択指示を取得し、前記第１特徴量は、前記好みの第１リフォームプラン情報から抽出されたものであってもよい。

この構成によれば、言語化が困難なリフォームのイメージを示す第１リフォームプラン情報をユーザに提示したうえで、ユーザに好みの第１リフォームプラン情報を選択させることができる。

上記情報処理方法において、前記第１リフォームプラン情報は、前記住宅情報と前記間取り情報とリフォーム業者による実際のリフォーム結果を示すリフォーム結果情報とを含むデータセットを機械学習することで得られた学習済みモデルに、取得された前記住宅情報と取得された前記間取り情報とを入力することで得られるものであり、さらに、前記１以上のリフォーム業者のうち１のリフォーム業者により実際にリフォームされた前記住宅のリフォーム結果を示すリフォーム結果情報を取得し、さらに、前記リフォーム結果情報の特徴を示す第３特徴量を抽出し、さらに、前記第１特徴量と前記第３特徴量との差分が小さくなるように、前記学習済みモデルを再学習してもよい。

この構成によれば、実際のリフォーム結果を示すリフォーム結果情報の第３特徴量と第１特徴量との差分が小さくなるように学習済みモデルが再学習されているので、実際のリフォーム結果をより正確に反映する第１リフォームプラン情報を生成し得るように学習済みモデルをアップデートできる。

上記情報処理方法において、さらに、前記第３特徴量に基づいて、前記第２特徴量を更新してもよい。

この構成によれば、リフォーム業者による実際のリフォーム結果を示すリフォーム結果情報の第３特徴量に基づいてリフォーム業者に対応する第２特徴量を更新できる。

上記情報処理方法において、前記第１リフォームプラン情報は、前記リフォームプランを示す第１リフォームプラン画像であり、さらに、前記住宅の写真を取得し、前記第１リフォームプラン情報の作成では、前記写真から前記住宅に設置された設置物を示す設置物情報を抽出し、前記設置物情報に基づいて、前記設置物の画像が重畳された前記第１リフォームプラン画像を作成してもよい。

この構成によれば、現在の住宅に設置された家具、電化製品等の設置物情報が重畳されたリフォームプラン画像を作成することができる。

上記情報処理方法において、さらに、前記第１特徴量を前記第１リフォームプラン情報に対応付け、前記第１特徴量が対応付けられた前記第１リフォームプラン情報を前記ユーザに提示する前記住宅情報として追加してもよい。

この構成によれば、住宅情報の種類を充実させることができる。

上記情報処理方法において、さらに、前記第１リフォームプラン情報に基づいて選定されたリフォーム業者が提案した前記リフォームプランを示す第２リフォームプラン情報を取得し、前記リフォーム業者情報は、前記第２リフォームプラン情報を含んでもよい。

この構成によれば、第１リフォームプラン情報に基づいて複数のリフォーム業者に第２リフォームプランを提案させ、提案された第２リフォームプランを示す第２リフォームプラン情報が出力されるので、コンペティション形式でユーザにリフォーム業者を選択させることができる。

上記情報処理方法において、さらに、前記第２リフォームプラン情報の特徴を示す第４特徴量を抽出し、前記第１特徴量と前記第４特徴量との比較結果に基づいて、前記第２特徴量を更新してもよい。

この構成によれば、提案した第２リフォームプラン情報がユーザの好みを反映させているか否かに応じてリフォーム業者に対応する第２特徴量を更新できる。

情報処理方法において、前記住宅情報は、前記リフォームの具体例を示す住宅画像を含んでもよい。

この構成によれば、リフォームの具体例を示す住宅画像を選択することでリフォームに対するユーザの好みが入力されるので、言語化が困難なユーザの好みをより正確に取得できる。

上記情報処理方法において、前記選択指示は、前記住宅画像の中から前記ユーザが選択した好みの領域を示す領域情報を含み、前記第１リフォームプラン情報の作成では、さらに、前記領域情報に基づいて前記第１リフォームプラン情報を作成してもよい。

この構成によれば、住宅画像の中から好みの領域がユーザにより選択されているので、ユーザの好みをより具体的に特定することができる。

上記情報処理方法において、前記第１特徴量、前記第２特徴量、第３特徴量、及び前記第４特徴量は、それぞれ、雰囲気、色味、前記住宅に設置された物体の特徴、及び前記物体の配置の特徴の少なくとも１つを含んでもよい。

この構成によれば、雰囲気、色味、配置物の特徴、及び前記配置物の位置の少なくとも１つを用いて各種特徴量を指標化できる。

本開示の別の一態様における情報処理装置は、プロセッサを含む情報処理装置であって、前記プロセッサは、ユーザの住宅の間取りを示す間取り情報を取得し、リフォームの具体例を示す住宅情報を前記ユーザに提示し、前記住宅情報に対する前記ユーザの選択指示に基づいて前記ユーザの好みの住宅情報を取得し、前記好みの住宅情報と前記間取り情報とに基づいて前記住宅のリフォームプランを示す第１リフォームプラン情報を作成し、前記第１リフォームプラン情報の特徴を示す第１特徴量を抽出し、リフォーム業者の前記リフォームに対する特徴を示す第２特徴量と前記第１特徴量とに基づいて、１以上のリフォーム業者を選定し、選定された前記１以上のリフォーム業者を示すリフォーム業者情報を出力する、処理を実行する。

この構成によれば、言語化が困難な住宅に関するユーザの好みとリフォーム業者の得意分野とを考慮に入れて、ユーザの好みにマッチするリフォーム業者を選定し得る情報処理装置を提供できる。

本開示の別の一態様における情報処理プログラムは、コンピュータに、ユーザの住宅の間取りを示す間取り情報を取得し、リフォームの具体例を示す住宅情報を前記ユーザに提示し、前記住宅情報に対する前記ユーザの選択指示に基づいて前記ユーザの好みの住宅情報を取得し、前記好みの住宅情報と前記間取り情報とに基づいて前記住宅のリフォームプランを示す第１リフォームプラン情報を作成し、前記第１リフォームプラン情報の特徴を示す第１特徴量を抽出し、リフォーム業者の前記リフォームに対する特徴を示す第２特徴量と前記第１特徴量とに基づいて、１以上のリフォーム業者を選定し、選定された前記１以上のリフォーム業者を示すリフォーム業者情報を出力する、処理を実行させる。

この構成によれば、言語化が困難な住宅に関するユーザの好みとリフォーム業者の得意分野とを考慮に入れて、ユーザの好みにマッチするリフォーム業者を選定し得る情報処理プログラムを提供できる。

本開示は、このような情報処理プログラムによって動作する情報処理システムとして実現することもできる。また、このようなコンピュータプログラムを、ＣＤ－ＲＯＭ等のコンピュータ読取可能な非一時的な記録媒体あるいはインターネット等の通信ネットワークを介して流通させることができるのは、言うまでもない。

なお、以下で説明する実施の形態は、いずれも本開示の一具体例を示すものである。以下の実施の形態で示される数値、形状、構成要素、ステップ、ステップの順序などは、一例であり、本開示を限定する主旨ではない。また、以下の実施の形態における構成要素のうち、最上位概念を示す独立請求項に記載されていない構成要素については、任意の構成要素として説明される。また全ての実施の形態において、各々の内容を組み合わせることもできる。

（実施の形態１）
図１は、本開示の実施の形態１における情報処理システム１００の全体構成の一例を示すブロック図である。情報処理システム１００は、情報処理装置１、ユーザ端末２、及び業者端末３を含む。情報処理装置１、ユーザ端末２、及び業者端末３はネットワークを介して相互に通信可能に接続されている。ネットワークは例えばインターネット等の広域通信網である。

情報処理装置１は、例えば１以上のコンピュータを含むクラウドサーバである。情報処理装置１は、プロセッサ１１、メモリ１２、及び通信部１３を含む。プロセッサ１１は、例えばＣＰＵである。メモリ１２は、例えば、ハードディスクドライブ及びソリッドステートドライブ等の不揮発性の書き換え可能な記憶装置である。通信部１３は、情報処理装置１をネットワークに接続する通信回路である。

ユーザ端末２は、リフォームを希望するユーザが操作したり、情報処理装置１からの通知を表示したりする端末である。ユーザ端末２としては、例えば、リフォームを希望するユーザが所持されるコンピュータや、スマートフォン及びタブレット型コンピュータ等の携帯型のコンピュータが含まれる。但し、これは一例であり、ユーザ端末２は、ラップトップコンピュータで構成されてもよい。プロセッサ２１は、例えばＣＰＵであり、ユーザ端末２の全体制御を司る。操作部２２は、タッチパネル、キーボード、及びマウス等であり、ユーザの操作を受け付ける。表示部２３は、例えば、液晶ディスプレイ及び有機ＥＬディスプレイ等の表示装置である。通信部２４は、ユーザ端末２をネットワークに接続させる通信回路である。

業者端末３は、リフォーム業者により所持されるコンピュータである。業者端末３は、例えば、スマートフォン及びタブレット型コンピュータ等の携帯型のコンピュータである。但し、これは一例であり、業者端末３は、ラップトップコンピュータで構成されてもよい。プロセッサ３１は、例えばＣＰＵであり、業者端末３の全体制御を司る。操作部３２は、タッチパネル、キーボード、及びマウス等であり、ユーザの操作を受け付ける。表示部３３は、例えば、液晶ディスプレイ及び有機ＥＬディスプレイ等の表示装置である。通信部３４は、ユーザ端末２をネットワークに接続させる通信回路である。

引き続いて、情報処理装置１の機能構成について説明する。図２は、情報処理装置１の機能構成の一例を示すブロック図である。情報処理装置１は、住宅画像提示部１０１、住宅画像取得部１０２、間取り情報取得部１０３、プラン画像作成部１０４、特徴量抽出部１０５、リフォーム業者選定部１０６、学習部１０７、リフォーム結果画像取得部１０８、差分検出部１０９、更新部１１０、及び追加部１１１を含む。住宅画像提示部１０１～追加部１１１は、例えばプロセッサ１１が情報処理プログラムを実行することで実現されてもよいし、ＡＳＩＣ等の専用のハードウェア回路で構成されてもよい。

さらに、情報処理装置１は、住宅画像データベース（ＤＢ）２０１、学習済みモデル２０２、リフォーム工法データベース２０３、経験データベース２０４、リフォーム結果画像データベース２０５、及びプラン画像保存部２０６を含む。住宅画像データベース２０１～プラン画像保存部２０６は、メモリ１２により構成される。

住宅画像提示部１０１は、ユーザにリフォーム後の住宅画像を提示させる。住宅画像は、リフォームの具体例を示す画像であり、住宅情報の一例である。住宅画像には、図５に示す特徴量が対応付けられていてもよい。特徴量の詳細は後述する。住宅画像提示部１０１は、住宅画像データベース２０１に記憶された複数の住宅画像を、通信部１３を用いてユーザ端末２に送信することで、ユーザ端末２に、複数の住宅画像を表示させることが好ましい。このように複数の住宅画像を提示すると、ユーザから複数の選択情報を取得することができるので、ユーザの好みをより詳細に把握することができる。

図３は、ユーザ端末２に表示される住宅画像の閲覧画面Ｇ１を示す図である。閲覧画面Ｇ１は、複数の住宅画像３０１を表示する。住宅画像３０１は、例えばリフォームされた実際の住宅の内装又は外装を示す写真である。例えば、１行１列目の住宅画像３０１は、アジアンスタイルの内装のリフォーム例を示す。例えば、１行２列目の住宅画像３０１は、ビンテージ調の内装のリフォーム例を示す。例えば、１行３列目の住宅画像３０１は、北欧風の内装のリフォーム例を示す。例えば、２行１列目の住宅画像３０１は、コンテンポラリースタイルの内装のリフォーム例を示す。例えば、２行２列目の住宅画像３０１は、カリフォルニアスタイルの外装のリフォーム例を示す。例えば、２行３列目の住宅画像３０１は、アメリカンスタイルの外装のリフォーム例を示す。ユーザは閲覧画面Ｇ１に含まれる複数の住宅画像３０１の中から好みの住宅画像３０１を選択する。

図２に参照を戻す。住宅画像取得部１０２は、ユーザ端末２において閲覧画面Ｇ１を閲覧したユーザが選択したユーザの好みの住宅画像を、通信部１３を用いて取得する。ユーザが選択する住宅画像の数は１つであってもよいし、２以上であってもよい。

間取り情報取得部１０３は、リフォーム対象となるユーザの住宅の内装又は外装の間取りを示す間取り情報を取得する。間取り情報は、ユーザ端末２から送信される。そのため、間取り情報取得部１０３は、通信部１３を用いて間取り情報を取得すればよい。

図４は、間取り情報の一例を示す図である。間取り情報は、ユーザの住宅の間取りを２次元又は３次元の座標空間にマッピングした間取り図を示す情報である。間取り情報は、２軸又は３軸の座標軸が設定され、部屋（リビング、和室、洋室）、廊下、壁、床、ドア、玄関、及び階段等の住宅要素の位置を規定する。また、間取り情報に含まれる各住宅要素には、住宅要素のラベル（例えば、寝室、廊下、玄関等）がラベリングされていてもよい。これにより、各住宅要素の位置が特定できる。さらに、各住宅要素には、サイズを示す情報（例えば、２０帖、６帖等）が対応付けられていてもよい。

間取り情報は、住宅の間取りを示す２次元又は３次元のＣＡＤデータで構成されていてもよい。或いは、間取り情報は、例えば、１２帖のリビングが１つ、６帖の和室が１つ、６帖の寝室が２つというように、住宅を構成する住宅要素のラベルとサイズと個数とが対応付けられたデータで構成されていてもよい。

ユーザは、ユーザ端末２に間取り情報を入力する。ユーザ端末２は、入力された間取り情報を情報処理装置１に送信する。これにより、間取り情報取得部１０３は、通信部１３を用いて、間取り情報を取得できる。

図２に参照を戻す。プラン画像作成部１０４は、住宅画像取得部１０２が取得したユーザの好みの住宅画像と間取り情報取得部１０３が取得した間取り情報とに基づいて、ユーザの住宅のリフォームプランを示す第１リフォームプラン画像を生成する。例えば、プラン画像作成部１０４は、好みの住宅画像と間取り情報とを学習済みモデル２０２に入力することで第１リフォームプラン画像を生成すればよい。第１リフォームプラン画像は、ユーザの好みと間取り情報とが反映されたリフォーム例を示す画像である。第１リフォームプラン画像は、あたかも実際にリフォームされたかのように見える画像であり、実在するリフォーム例とは異なる新規のリフォーム例を示す画像である。第１リフォームプラン画像は、２次元の画像データであってもいし、３次元の画像データであってもよい。第１リフォームプラン画像は、第１リフォームプラン情報の一例である。

学習済みモデル２０２は、住宅情報と、間取り情報と、リフォーム結果画像（リフォーム結果情報の一例）とを含む多数のデータセットを機械学習することで得られたモデルである。リフォーム結果画像は、例えば、住宅情報及び間取り情報に基づいてリフォーム業者が実際にリフォームをした住宅のリフォーム結果を示す画像であり、実際にリフォームされた住宅の写真又はＣＡＤデータ等である。

学習済みモデル２０２は、データの特徴を学習することで、実在しないデータを生成する、又は存在するデータの特徴に沿ってデータを変換する機械学習モデルが採用される。学習済みモデル２０２の構成の一例は、敵対的生成ネットワーク（ＧＡＮ：Ｇｅｎｅｒａｔｉｖｅ Ａｄｖｅｒｓａｒｉａｌ Ｎｅｔｗｏｒｋｓ）である。

なお、学習済みモデル２０２は、さらに、リフォーム工法データを用いて第１リフォームプラン画像を生成してもよい。リフォーム工法データは、外壁は撤去できない、内壁は撤去できる、柱は撤去できない、といったリフォームの一般的な制約条件を規定するデータである。この場合、プラン画像作成部１０４は、リフォーム工法データベース２０３から取得したリフォーム工法データを、さらに学習済みモデル２０２に入力することによって第１リフォームプラン画像を作成すればよい。さらに、この場合、学習済みモデル２０２は、リフォーム工法データをさらに含むデータセットを用いて機械学習されたもので構成される。これにより、プラン画像作成部１０４は、現実的に施工不可能な第１リフォーム画像を生成することなく、実際のリフォームした後に近い画像を生成することができる。

ユーザに提示する住宅画像に特徴量が対応付けられた態様が採用される場合、学習済みモデル２０２は、住宅画像と間取り情報とに加えてさらに住宅画像に対応付けられた特徴量とを含むデータセットを機械学習することで、得られたものであってもよい。

この場合、プラン画像作成部１０４は、住宅画像取得部１０２が取得した住宅画像と、間取り情報取得部１０３が取得した間取り情報と、住宅画像取得部１０２が取得した住宅画像に対応付けられた特徴量と、を学習済みモデル２０２に入力することで、第１リフォームプラン画像を生成すればよい。なお、ユーザにより複数の住宅画像が選択された場合、プラン画像作成部１０４は、選択された複数の住宅画像に対応付けられた複数の特徴量において、共通する特徴量を特定し、共通する特徴量を学習済みモデル２０２に入力してもよい。この場合、プラン画像作成部１０４は、共通する特徴量の数が多いほど、その特徴量の項目値を高く設定してもよい。なお、プラン画像作成部１０４は、共通しない特徴量については、それらの特徴量の項目値を低く設定し、生成する第１リフォームプラン画像への影響度を下げてもよい。或いは、プラン画像作成部１０４は、共通しない特徴量の中からランダムで少数の特徴量を選択して、選択した特徴量を加味した１又は複数の第１リフォームプラン画像を生成してもよい。

特徴量抽出部１０５は、第１リフォームプラン画像から、第１リフォームプラン画像の特徴量である第１特徴量を抽出する。第１特徴量は、図５に示す経験データベース２０４が記憶するリフォーム業者の特徴量である第２特徴量と同じ構成を有している。すなわち、第１特徴量は、複数のパラメータで構成されている。具体的には、第１特徴量は、「雰囲気」に関するパラメータ、「色味」に関するパラメータ、「家具の特徴」に関するパラメータ、及び「物体の配置」に関するパラメータを含む。「雰囲気」に関するパラメータはさらに、「北欧風」、「和風」、「南欧風」、「子供好み」の項目と、各項目に対する項目値とを含む。同様に、「色味」に関するパラメータは「明るさ」、「木造」、「黒っぽい」、「ピンク系」等の項目と、各項目に対する項目値とを含む。同様に「家具の特徴」に関するパラメータは、「丸みがある」、「革張り」、「大き目」、「小さ目」等の項目と、各項目に対する項目値とを含む。同様に、「物体の配置」に関するパラメータは、「壁掛けインテリア」、「アイランドキッチン」、「テーブル」等の項目と、各項目に対する項目値とを含む。

特徴量抽出部１０５は、例えば、第１リフォームプラン画像に対して画像処理を行うことで、各項目値を決定すればよい。例えば、雰囲気の項目値は、第１リフォームプラン画像の色の特徴量を、雰囲気の項目ごとに予め定められた色の基準特徴量と比較することで算出される。色の特徴量は例えば色のヒストグラムである。項目値は、項目に該当する度合が高いほど大きな値を有していてもよいし、項目に該当する場合は「１」、項目に該当しない場合は「０」というように２値であってもよい。色味の項目値は、例えば、雰囲気の項目値と同様に色の特徴量に基づいて算出される。

家具の特徴の項目値は、第１リフォームプラン画像に含まれる家具の形状、質感、及びサイズを抽出し、抽出した形状、質感、及びサイズを、家具の特徴の項目ごとに予め定められた基準値と比較することで算出される。物体の配置の項目値は、第１リフォームプラン画像から壁かけインテリア、アイランドキッチン、テーブル等の物体を抽出し、抽出した物体の部屋における相対位置を特定することで算出される。相対位置は、例えば部屋の基準位置（窓や壁）から物体までの距離等である。

図２に参照を戻す。リフォーム業者選定部１０６は、経験データベース２０４に記憶された１又は複数のリフォーム業者のリフォームに対する特徴を示す１又は複数の第２特徴量と、特徴量抽出部１０５により抽出された第１特徴量とに基づいて、１以上のリフォーム業者を選定する。

図５は、経験データベース２０４のデータ構成の一例を示す図である。経験データベース２０４は、複数のリフォーム業者Ａ１～ＡＮのそれぞれに対する第２特徴量を記憶する。第２特徴量は、パラメータ、項目、及び項目値を含む。パラメータ、項目、及び項目値の詳細は上述の第１特徴量で説明したので、詳細な説明は省く。但し、第２特徴量において項目値は、リフォーム業者Ａ１～ＡＮのそれぞれのリフォームの実績（経験）に基づいて算出される点が第１特徴量と相違する。第２特徴量の決定の詳細は後述する。

具体的には、リフォーム業者選定部１０６は、経験データベース２０４に記憶された複数のリフォーム業者Ａ１～ＡＮのそれぞれの第２特徴量と、第１特徴量との類似度を算出し、類似度が所定値以上のリフォーム業者を選定すればよい。類似度は、例えば、同じ項目の項目値同士の誤差の平均値の逆数が採用できる。誤差の平均値としては、例えば二乗平均誤差が採用される。なお、第１特徴量及び第２特徴量をはじめとする特徴量は、ベクトル形式で表現されてもよい。この場合、類似度は、２つの特徴量のベクトル空間の距離で表現される。リフォーム業者選定部１０６は、選定したリフォーム業者を示すリフォーム業者情報を、通信部１３を用いてユーザ端末２に送信する。ユーザ端末２は、リフォーム業者情報を表示し、ユーザに選定されたリフォーム業者が提示される。これにより、ユーザは、提示されたリフォーム業者の中から実際にリフォームを依頼する１のリフォーム業者を決定できる。

図２に参照を戻す。リフォーム結果画像取得部１０８は、ユーザが選定したリフォーム業者によるユーザの住宅の実際のリフォーム結果を示すリフォーム結果画像を取得する。リフォーム結果画像は、例えば、リフォームされた住宅の写真又はＣＡＤデータ等である。ユーザは、リフォームされた住宅の写真又はＣＡＤデータをユーザ端末２に入力する。ユーザ端末２は入力された写真又はＣＡＤデータを情報処理装置１に送信する。これにより、リフォーム結果画像取得部１０８は、通信部１３を用いてリフォーム結果画像を取得する。

さらに、リフォーム結果画像取得部１０８は、取得したリフォーム結果画像の特徴量である第３特徴量を抽出する。第３特徴量は第１特徴量及び第２特徴量と同じデータ構成を有する。リフォーム結果画像取得部１０８は、第１特徴量が抽出される処理と同じ処理をリフォーム結果画像に適用することで、第３特徴量を抽出すればよい。

差分検出部１０９は、特徴量抽出部１０５が抽出した第１特徴量と、リフォーム結果画像取得部１０８が抽出した第３特徴量との差分を検出する。差分検出部１０９は、例えば第１特徴量と第３特徴量とにおいて、同一項目の項目値同士の差を算出することで差分を算出する。第３特徴量の算出の詳細は後述する。

学習部１０７は、差分検出部１０９が検出した第１特徴量及び第３特徴量の差分が小さくなるように学習済みモデル２０２を再学習する。これにより、学習済みモデル２０２は、リフォーム業者があたかも実際にリフォームしたかのようなよりリアルな第１リフォームプラン画像を生成できる。

更新部１１０は、リフォーム結果画像取得部１０８が抽出した第３特徴量に基づいて経験データベース２０４が記憶する第２特徴量であって、第３特徴量に対応するリフォーム業者の第２経験値を更新する。例えば、更新部１１０は、第３特徴量に含まれるある項目Ｂ１の項目値が所定値以上の場合、該当するリフォーム業者の第２特徴量に含まれる項目Ｂ１の項目値を所定レベル上昇させる。

追加部１１１は、リフォーム結果画像データベース２０５に記憶されたリフォーム結果画像に第１特徴量を対応付けて住宅画像データベース２０１に記憶させる。これにより、リフォーム結果画像を住宅画像としてユーザに提示させることが可能となり、住宅画像の選択肢を増大させることができる。対応付けられる第１特徴量は、リフォーム結果画像に対応する第１リフォームプラン画像の第１特徴量である。なお、追加部１１１は、第１特徴量を対応付けずにリフォーム結果画像を住宅画像データベース２０１に記憶させてもよい。

住宅画像データベース２０１は、複数の住宅画像を記憶する。この住宅画像には、追加部１１１により追加されたリフォーム結果画像が含まれる。

次に、情報処理システム１００の処理について説明する。図６は、情報処理システム１００の処理の一例を示すフローチャートである。

情報処理装置１の住宅画像提示部１０１は、住宅画像データベース２０１から住宅画像を読み出して、ユーザ端末２に送信する（ステップＳ２１）。

次に、ユーザ端末２は、住宅画像を受信する（ステップＳ１１）。

次に、ユーザ端末２は、複数の住宅画像を含む閲覧画面Ｇ１をディスプレイに表示する（ステップＳ１２）。

次に、ユーザ端末２は、複数の住宅画像の中からユーザの好みの住宅画像の選択指示を取得する（ステップＳ１３）。選択指示は、例えばユーザＩＤと選択された住宅画像とが含まれる。なお、選択指示は住宅画像に代えて住宅画像の画像ＩＤを含むものであってもよい。

次に、ユーザ端末２は、ユーザにより入力された間取り情報を取得する（ステップＳ１４）。

次に、ユーザ端末２は、選択指示と間取り情報とを情報処理装置１に送信する（ステップＳ１５）。

次に、情報処理装置１の住宅画像取得部１０２は、選択指示及び間取り情報を受信する（ステップＳ２２）。これにより、住宅画像取得部１０２は、ユーザの好みの住宅画像とユーザがリフォームを希望する住宅の間取り情報とを取得できる。

次に、情報処理装置１のプラン画像作成部１０４は、ユーザが選択した住宅画像と間取り情報とを学習済みモデル２０２に入力することで、第１リフォームプラン画像を作成する（ステップＳ２３）。

次に、情報処理装置１のプラン画像作成部１０４は、作成した第１リフォームプラン画像をプラン画像保存部２０６に保存する（ステップＳ２４）。

次に、情報処理装置１の特徴量抽出部１０５は、第１リフォームプラン画像に上述の処理を適用して、第１特徴量を抽出する（ステップＳ２５）。これにより、第１リフォームプラン画像についての図５に示す各項目に対する項目値が得られる。

次に、情報処理装置１のリフォーム業者選定部１０６は、経験データベース２０４からリフォーム業者Ａ１～ＡＮのそれぞれの第２特徴量を取得する（ステップＳ２６）。

次に、情報処理装置１のリフォーム業者選定部１０６は、各リフォーム業者の第２特徴量と第１特徴量との類似度を算出し、算出した類似度が所定値以上の第２特徴量を有するリフォーム業者を選定する（ステップＳ２７）。

次に、リフォーム業者選定部１０６は、選定したリフォーム業者を示すリフォーム業者情報を生成し、生成したリフォーム業者情報を、通信部１３を用いてユーザ端末２に送信する（ステップＳ２８）。

次に、ユーザ端末２は、リフォーム業者情報を受信する（ステップＳ１６）。次に、ユーザ端末２は、リフォーム業者情報を表示する（ステップＳ１７）。ここで、表示されるリフォーム業者情報の表示画面は、各リフォーム業者の名称、連絡先、及び得意分野を示す情報を表示してもよい。得意分野を示す情報は、例えば代表的な過去のリフォーム例を示す画像、得意分野を示すテキストデータ等を含んでもよい。

次に、ユーザ端末２は、ユーザから実際にリフォームを依頼するリフォーム業者を決定する指示を受け付け、決定されたリフォーム業者を示す決定情報を情報処理装置１に送信する（ステップＳ１８）。

次に、情報処理装置１のリフォーム業者選定部１０６は、決定情報を通信部１３を用いて受信する（ステップＳ２９）。次に、リフォーム業者選定部１０６は、決定情報が示すリフォーム業者にリフォームを依頼する依頼情報を生成し、生成した依頼情報を通信部１３を用いて業者端末３に送信する（ステップＳ３０）。

次に、リフォームが依頼されたリフォーム業者の業者端末３は、依頼情報を受信する（ステップＳ３１）。なお、リフォームが依頼されなかったリフォーム業者の業者端末３には、依頼情報は送信されない。

このように、実施の形態１によれば、リフォームの具体例を示す住宅画像がユーザに提示され、提示された住宅情報の中からユーザの好みの住宅画像が選択され、選択された好みの住宅画像と間取り情報とに基づいて第１リフォームプラン画像が生成されている。そのため、言語化が困難なユーザのリフォームの好みを取得し、取得したリフォームの好みが反映された第１リフォームプラン画像を生成することができる。また、リフォームプラン画像から抽出された第１特徴量と、各リフォーム業者のリフォームに対する第２特徴量とに基づいて１以上のリフォーム業者が選定され、リフォーム業者情報が出力されている。そのため、ユーザの好みにマッチするリフォーム業者を選定することができる。

次に、学習済みモデル２０２の更新処理について説明する。図７は、学習済みモデル２０２が更新される際の情報処理システム１００の処理の一例を示すフローチャートである。この処理は、図６の処理により提示されたリフォーム業者の中からユーザが実際にリフォームを依頼したリフォーム業者によって、ユーザの住宅がリフォームされた後に実行される。

まず、ユーザ端末２は、リフォーム結果画像のユーザによる入力を受け付ける（ステップＳ１０１）。リフォーム結果画像は、例えばユーザがリフォーム完了後の住宅をカメラで撮影することによって得られた画像である。この撮影はユーザ端末２のカメラで行われてもよい。なお、リフォーム結果画像は、実際にリフォームを行ったリフォーム業者の業者端末３から取得されてもよい。また、リフォーム結果画像は、リフォームされた住宅のＣＡＤデータであってもよい。なお、リフォーム結果画像はユーザからの入力だけでなく、リフォーム業者によって入力されてもよい。

次に、ユーザ端末２は、リフォーム結果画像を情報処理装置１に送信する（ステップＳ１０２）。

次に、情報処理装置１のリフォーム結果画像取得部１０８は、通信部１３を用いてリフォーム結果画像を取得する（ステップＳ２０１）。

次に、リフォーム結果画像取得部１０８は、リフォーム結果画像から第３特徴量を抽出する（ステップＳ２０２）。

次に、情報処理装置１の差分検出部１０９は、第１特徴量と第３特徴量との差分を算出する（ステップＳ２０３）。ここで用いられる第１特徴量は、第３特徴量が抽出されたリフォーム結果画像におけるリフォームを実施したリフォーム業者を選定する際に生成された第１リフォームプラン画像の第１特徴量である。

次に、学習部１０７は、第１特徴量及び第３特徴量の差分が小さくなるように学習済みモデル２０２を再学習する（ステップＳ２０４）。再学習の手法としては例えばバックプロパゲーションが採用される。

以上の再学習により、よりリアルな第１リフォームプラン画像が生成されるように学習済みモデル２０２を更新できる。

（実施の形態２）
実施の形態２は、第１リフォームプラン画像をユーザに選択させるものである。なお、実施の形態２において、実施の形態１と同一の構成要素には同一の符号を付し、説明を省略する。

図８は、実施の形態２における情報処理システム１００の処理の一例を示すフローチャートである。なお、図８において、図６と同じ処理には同じ処理番号を付し、説明を省略する。

ステップＳ２２に続くステップＳ４１１において、プラン画像作成部１０４は、住宅画像取得部１０２が取得した住宅画像と、間取り情報と、を学習済みモデル２０２に入力することで、複数の第１リフォームプラン画像を生成する。

次に、プラン画像作成部１０４は、生成した複数の第１リフォームプラン画像をプラン画像保存部２０６に保存する（ステップＳ４１２）。

次に、プラン画像作成部１０４は、通信部１３を用いて、ユーザ端末２に、複数の第１リフォームプラン画像を送信する（ステップＳ４１３）。次に、ユーザ端末２は、複数の第１リフォームプラン画像を受信する（ステップＳ４２１）。このとき、ユーザ端末２は、複数の第１リフォームプラン画像を表示し、複数の第１リフォームプラン画像の中から好みの第１リフォームプラン画像をユーザに選択させる。

次に、ユーザ端末２は、複数の第１リフォームプラン画像の中から好みの第１リフォームプラン画像を選択するユーザの指示を受け付ける（ステップＳ４２２）。次に、ユーザ端末２は、選択された第１リフォームプラン画像を情報処理装置１に送信する（ステップＳ４２３）。

次に、プラン画像作成部１０４は、通信部１３を用いて、選択された第１リフォームプラン画像を受信する（ステップＳ４１４）。

以降、選択された第１リフォームプラン画像に対して実施の形態１と同一の処理が適用される。

このように、言語化が困難なリフォームのイメージを示す第１リフォームプラン情報をユーザに提示したうえで、ユーザに好みの第１リフォームプラン情報を選択させることができる。

（実施の形態３）
実施の形態３は、ユーザにコンペティション形式でリフォーム業者を選定させるものである。なお、実施の形態３において、実施の形態１、２と同一の構成要素には同一の符号を付して説明を省略する。

図９は、実施の形態３における情報処理システム１００の処理の一例を示すフローチャートである。

まず、情報処理装置１は処理Ａを実行し（ステップＳ２１１）、ユーザ端末２は処理Ｂを実行する（ステップＳ１１１）。処理Ａは、図６又は図８のステップＳ２１～Ｓ２７の処理である。処理Ｂは図６のステップＳ１１～Ｓ１５の処理又は図８のステップＳ１１～Ｓ４２３の処理である。すなわち、住宅画像をユーザに提示してからユーザの好みに適合するリフォーム業者を選定するまでの処理は実施の形態１、２と同じである。

次に、情報処理装置１のリフォーム業者選定部１０６は、プラン画像作成部１０４が生成した第１リフォームプラン画像を、通信部１３を用いて業者端末３に送信する（ステップＳ２１２）。ここでは、第１リフォームプラン画像は、リフォーム業者選定部１０６により選定されたリフォーム業者の業者端末３に送信される。

次に、業者端末３は、第１リフォームプラン画像を受信する（ステップＳ３１１）。これにより、業者端末３は、第１リフォームプラン画像を表示する。第１リフォームプラン画像を閲覧したリフォーム業者は、第１リフォームプラン画像からユーザの好みを解釈し、解釈した好みに適合するリフォームプランであってリフォーム業者のアイデアを盛り込んだリフォームプランを作成し、作成したリフォームプランを示す第２リフォームプラン画像を生成する。第２リフォームプラン画像は、住宅画像と同様、リフォーム例を示す画像である。第２リフォームプラン画像は、リフォーム業者が提案する第２リフォームプラン情報の一例である。

次に、業者端末３は、第２リフォームプラン画像のリフォーム業者による入力を受け付ける（ステップＳ３１２）。

次に、業者端末３は、第２リフォームプラン画像を情報処理装置１に送信する（ステップＳ３１３）。

次に、情報処理装置１のリフォーム業者選定部１０６は、通信部１３を用いて、第２リフォームプラン画像を取得する（ステップＳ２１３）。これにより、リフォーム業者選定部１０６が選定した各リフォーム業者が提案した第２リフォームプラン画像が得られる。

次に、リフォーム業者選定部１０６は、提案された第２リフォームプラン画像とリフォーム業者の業者情報（名称、連絡先等）とを含むリフォーム業者情報を、通信部１３を用いてユーザ端末２に送信する（ステップＳ２１４）。

次に、ユーザ端末２は、リフォーム業者情報を受信する（ステップＳ１１２）。次に、ユーザ端末２は、リフォーム業者情報を表示する（ステップＳ１１３）。この場合、リフォーム業者情報の表示画面は、各リフォーム業者の名称、連絡先、及び得意分野に加えてさらに第２リフォームプラン画像を表示すればよい。リフォーム業者情報を閲覧したユーザは、各リフォーム業者が提案した第２リフォームプラン画像を参考にして、各リフォーム業者の中から自身の好みが最も反映されているリフォーム業者を決定する。

次に、情報処理装置１のリフォーム業者選定部１０６は、第２リフォームプラン画像の特徴量である第４特徴量を抽出する（ステップＳ２１５）。ここでは、第２リフォームプラン画像を作成したリフォーム業者ごとに第４特徴量が抽出される。第４特徴量は、第１特徴量～第３特徴量と同じ構成を有している。リフォーム業者選定部１０６は、上述の第１特徴量が抽出される処理と同じ処理を第２リフォームプラン画像に適用することで第４特徴量を抽出すればよい。

次に、リフォーム業者選定部１０６は、第１リフォームプラン画像から抽出された第１特徴量と第２リフォームプラン画像から抽出された第４特徴量との比較結果に基づいて、第２リフォームプラン画像を提案したリフォーム業者の第２特徴量を更新する（ステップＳ２１６）。

例えば、リフォーム業者選定部１０６は、第１特徴量のうち、項目値が所定値以上である項目Ｂ１について、第１特徴量の項目値と第４特徴量の項目値との差分Ｄ１が閾値以下であれば、第４特徴量に対応するリフォーム業者は、項目Ｂ１につきユーザの好みに適応しているので、このリフォーム業者について、第２特徴量に含まれる項目Ｂ１の項目値を所定レベル上昇させる。一方、リフォーム業者選定部１０６は、差分Ｄ１が閾値より大きければ、第４特徴量に対応するリフォーム業者は、項目Ｂ１につきユーザの好みに適応できていないので、このリフォーム業者について、第２特徴量に含まれる項目Ｂ１の項目値を所定レベル減少させる。

次に、追加部１１１は、第１リフォームプラン画像を第１特徴量と対応付けて住宅画像データベース２０１に記憶させる（ステップＳ２１７）。これにより、第１リフォームプラン画像を住宅画像としてユーザに提示することが可能となり、住宅画像の選択肢を増大させることができる。なお、追加部１１１は、第１特徴量を対応付けずに第１リフォームプラン画像を住宅画像データベース２０１に記憶させてもよい。

ステップＳ１１４、Ｓ２１８、Ｓ２１９、Ｓ３１４の処理は、図６に示すステップＳ１８、Ｓ２９、Ｓ３０、Ｓ３１と同じであるので、説明を省略する。

このように、実施の形態３によれば、第１リフォームプラン画像に基づいて複数のリフォーム業者に第２リフォームプランを提案させ、提案された第２リフォームプランを示す第２リフォームプラン画像がユーザに提示されるので、コンペティション形式でユーザにリフォーム業者を選択させることができる。

本開示は、下記の変形例が採用できる。

（１）住宅画像取得部１０２は、リフォーム対象となるユーザの住宅の写真をユーザ端末２から通信部１３を用いて取得してもよい。プラン画像作成部１０４は、取得された住宅の写真から住宅に設置された設置物を示す設置物情報を抽出し、設置物情報に基づいて、前記設置物が重畳表示された第１リフォームプラン画像を作成してもよい。設置物は、例えば家具及び電化製品等の住宅に設置される物体である。設置物情報は、写真から抽出した設置物の画像を含む。さらに、設置物情報は、間取り情報が示す間取りにおける設置物の位置情報を含む。

プラン画像作成部１０４は、ユーザが選択した住宅画像と、間取り情報と、に加えて、さらに設置物情報を学習済みモデル２０２を入力する。そして、プラン画像作成部１０４は、学習済みモデル２０２に、設置物の画像が重畳表示された第１リフォームプラン画像を出力させることで、設置物の画像が重畳表示された第１リフォームプラン画像を作成すればよい。この場合、学習済みモデル２０２は、さらに設置物情報を含むデータセットを機械学習することで得られたものが採用される。設置物の画像は、設置物の設置位置に対応する第１リフォームプラン画像上の位置に重畳表示される。なお、プラン画像作成部１０４は、設置物情報を用いて学習済みモデル２０２から出力された第１リフォームプラン画像に設置物の画像を重畳してもよい。

この場合、リフォーム業者選定部１０６は、リフォーム業者情報と共に設置物の画像が重畳表示された第１リフォームプラン画像をユーザ端末２に送信すればよい。

これにより、ユーザは、既存の設置物がある状態の第１リフォームプラン画像を確認することができ、リフォームのイメージを具体化できる。

（２）住宅画像提示部１０１は、ＳＮＳ（ソーシャルネットワークサービス）のサイトに住宅画像を提示してもよい。この場合、ユーザは、ＳＮＳのサイトにアクセスして、好みの住宅画像の選択指示を入力すればよい。この場合、住宅画像取得部１０２は、ＳＮＳサイトにおいて、ユーザが選択した住宅画像を取得すればよい。

（３）ユーザは、提示された住宅画像において好みの領域を選択する操作を入力してもよい。住宅画像取得部１０２は、選択された領域を示す領域情報を住宅画像と合わせて取得する。この場合、住宅画像は、複数の住宅要素のそれぞれに特徴量が対応付けられたデータ構成を有している。例えば、ユーザは住宅画像において壁の部分が好みであれば、壁の部分を選択し、床の部分が好みであれば、床の部分を選択すればよい。

プラン画像作成部１０４は、取得された領域情報に対応付けられた特徴量又は当該領域情報から特徴量を抽出する。そして、プラン画像作成部１０４は、住宅画像、間取り情報に加えて、さらに、領域情報に対応する特徴量を学習済みモデル２０２に入力することで、第１リフォームプラン画像を作成すればよい。これにより、住宅画像のうちユーザが特に好む部分を考慮に入れた第１リフォームプラン画像を生成できる。

（４）住宅画像取得部１０２は、ユーザの好みの住宅画像を取得するに際して、ユーザの検索履歴及び購入履歴の少なくとも一方を取得してもよい。この場合、住宅画像取得部１０２は、ユーザの好みの住宅画像を取得したとき、ユーザ端末２又は検索履歴を管理する外部システムからユーザの検索履歴を取得すればよい。また、住宅画像取得部１０２は、ユーザの好みの住宅画像を取得したとき、ユーザ端末２又はユーザの購買履歴を管理する外部システムから購買履歴を取得すればよい。プラン画像作成部１０４は、住宅画像取得部１０２が取得した住宅画像、間取り情報に加えてさらに購入履歴及び購買履歴を学習済みモデル２０２に入力することで、第１リフォームプラン画像を作成すればよい。購入履歴は、例えばユーザが通販サイト等で購入した商品の履歴である。検索履歴は、例えばユーザが検索エンジンを用いてインターネットで検索した内容の履歴である。

（５）更新部１１０は、各リフォーム事業者のホームページにアクセスし、ホームページに記載された内容を分析することで、各リフォーム業者の実績及び得意分野を特定し、特定した実績及び得意分野に基づいて、各リフォーム業者の第２特徴量を更新してもよい。例えば、更新部１１０は、ホームページに記載された文章をテキスト解析することで、実績及び得意分野を特定すればよい。そして、更新部１１０は、特定した実績及び得意分野に対応する第２特徴量の項目値を所定レベル上昇させればよい。更新部１１０は、ＳＮＳサイトから各リフォーム業者に対する口コミ情報を取得し、取得した口コミ情報の内容を分析することで、各リフォーム業者の実績及び得意分野を特定してもよい。

（６）リフォーム結果画像取得部１０８は、リフォーム結果画像を提供したユーザに対してインセンティブを付与してもよい。インセンティブは、例えば、クーポン、キャッシュバック等である。これにより、ユーザにリフォーム結果画像を提供する動機付けを与えることができる。その結果、多数のリフォーム結果画像が収集され、学習部１０７は、多数のリフォーム結果画像を用いて学習済みモデル２０２を更新することが可能となり、学習済みモデル２０２の精度を高めることができる。

（７）学習部１０７は、学習済みモデル２０２を更新する処理を繰り返し実行してもよい。例えば、学習部１０７は、新たなリフォーム結果画像を取得するごとに、学習済みモデル２０２を更新してもよい。これにより、学習済みモデル２０２はよりリアルな第１リフォーム画像を出力できる。

（８）本実施の形態では、住宅のリフォームに適用されたが、オフィスのリフォームに適用されてもよい。すなわち、本開示において、住宅とはオフィスを含む概念である。

本開示は、ユーザとリフォーム業者とのマッチングを図る技術分野において有用である。

１ ：情報処理装置
２ ：ユーザ端末
３ ：業者端末
１１ ：プロセッサ
１２ ：メモリ
１３ ：通信部
２１ ：プロセッサ
２２ ：操作部
２３ ：表示部
２４ ：通信部
３１ ：プロセッサ
３２ ：操作部
３３ ：表示部
３４ ：通信部
１００ ：情報処理システム
２０２ ：学習済みモデル

Claims (13)

1. コンピュータにおける情報処理方法であって、
   ユーザの住宅の間取りを示す間取り情報を取得し、
   リフォームの具体例を示す住宅情報を前記ユーザに提示し、
   前記住宅情報に対する前記ユーザの選択指示に基づいて前記ユーザの好みの住宅情報を取得し、
   前記好みの住宅情報と前記間取り情報とに基づいて前記住宅のリフォームプランを示す第１リフォームプラン情報を作成し、
   前記第１リフォームプラン情報の特徴を示す第１特徴量を抽出し、
   リフォーム業者の前記リフォームに対する特徴を示す第２特徴量と前記第１特徴量とに基づいて、１以上のリフォーム業者を選定し、
   選定された前記１以上のリフォーム業者を示すリフォーム業者情報を出力する、
   情報処理方法。
2. さらに、作成された前記第１リフォームプラン情報を前記ユーザに提示し、
   さらに、提示した前記第１リフォームプラン情報から前記ユーザの好みの第１リフォームプラン情報の選択指示を取得し、
   前記第１特徴量は、前記好みの第１リフォームプラン情報から抽出されたものである、
   請求項１に記載の情報処理方法。
3. 前記第１リフォームプラン情報は、前記住宅情報と前記間取り情報とリフォーム業者による実際のリフォーム結果を示すリフォーム結果情報とを含むデータセットを機械学習することで得られた学習済みモデルに、取得された前記住宅情報と取得された前記間取り情報とを入力することで得られるものであり、
   さらに、前記１以上のリフォーム業者のうち１のリフォーム業者により実際にリフォームされた前記住宅のリフォーム結果を示すリフォーム結果情報を取得し、
   さらに、前記リフォーム結果情報の特徴を示す第３特徴量を抽出し、
   さらに、前記第１特徴量と前記第３特徴量との差分が小さくなるように、前記学習済みモデルを再学習する、
   請求項１又は２に記載の情報処理方法。
4. さらに、前記第３特徴量に基づいて、前記第２特徴量を更新する、
   請求項３記載の情報処理方法。
5. 前記第１リフォームプラン情報は、前記リフォームプランを示す第１リフォームプラン画像であり、
   さらに、前記住宅の写真を取得し、
   前記第１リフォームプラン情報の作成では、
   前記写真から前記住宅に設置された設置物を示す設置物情報を抽出し、
   前記設置物情報に基づいて、前記設置物の画像が重畳された前記第１リフォームプラン画像を作成する、
   請求項１～４のいずれかに記載の情報処理方法。
6. さらに、前記第１特徴量を前記第１リフォームプラン情報に対応付け、前記第１特徴量が対応付けられた前記第１リフォームプラン情報を前記ユーザに提示する前記住宅情報として追加する、
   請求項１～５のいずれかに記載の情報処理方法。
7. さらに、前記第１リフォームプラン情報に基づいて選定されたリフォーム業者が提案した前記リフォームプランを示す第２リフォームプラン情報を取得し、
   前記リフォーム業者情報は、前記第２リフォームプラン情報を含む、
   請求項１～６のいずれかに記載の情報処理方法。
8. さらに、前記第２リフォームプラン情報の特徴を示す第４特徴量を抽出し、
   前記第１特徴量と前記第４特徴量との比較結果に基づいて、前記第２特徴量を更新する、
   請求項７に記載の情報処理方法。
9. 前記住宅情報は、前記リフォームの具体例を示す住宅画像を含む、
   請求項１～８のいずれかに記載の情報処理方法。
10. 前記選択指示は、前記住宅画像の中から前記ユーザが選択した好みの領域を示す領域情報を含み、
    前記第１リフォームプラン情報の作成では、さらに、前記領域情報に基づいて前記第１リフォームプラン情報を作成する、
    請求項９に記載の情報処理方法。
11. 前記第１特徴量、前記第２特徴量、第３特徴量、及び前記第４特徴量は、それぞれ、雰囲気、色味、前記住宅に設置された物体の特徴、及び前記物体の配置の特徴の少なくとも１つを含む、
    請求項１～１０のいずれかに記載の情報処理方法。
12. プロセッサを含む情報処理装置であって、
    前記プロセッサは、
    ユーザの住宅の間取りを示す間取り情報を取得し、
    リフォームの具体例を示す住宅情報を前記ユーザに提示し、
    前記住宅情報に対する前記ユーザの選択指示に基づいて前記ユーザの好みの住宅情報を取得し、
    前記好みの住宅情報と前記間取り情報とに基づいて前記住宅のリフォームプランを示す第１リフォームプラン情報を作成し、
    前記第１リフォームプラン情報の特徴を示す第１特徴量を抽出し、
    リフォーム業者の前記リフォームに対する特徴を示す第２特徴量と前記第１特徴量とに基づいて、１以上のリフォーム業者を選定し、
    選定された前記１以上のリフォーム業者を示すリフォーム業者情報を出力する、処理を実行する、
    情報処理装置。
13. コンピュータに、
    ユーザの住宅の間取りを示す間取り情報を取得し、
    リフォームの具体例を示す住宅情報を前記ユーザに提示し、
    前記住宅情報に対する前記ユーザの選択指示に基づいて前記ユーザの好みの住宅情報を取得し、
    前記好みの住宅情報と前記間取り情報とに基づいて前記住宅のリフォームプランを示す第１リフォームプラン情報を作成し、
    前記第１リフォームプラン情報の特徴を示す第１特徴量を抽出し、
    リフォーム業者の前記リフォームに対する特徴を示す第２特徴量と前記第１特徴量とに基づいて、１以上のリフォーム業者を選定し、
    選定された前記１以上のリフォーム業者を示すリフォーム業者情報を出力する、処理を実行させる、
    情報処理プログラム。