JP5337748B2 - 情報処理装置および情報処理プログラム - Google Patents

Description

本発明は、集団の行動に適した情報を選択する情報処理装置および情報処理プログラムに関する。

従来、例えば非特許文献１に開示されるように、個人の嗜好を定量化するシステムがあり、このシステムは、集団での行動時には、その集団を構成する個人のそれぞれの嗜好を統合して情報を提供する。

伊藤浩二、他３名、「行動支援サービスのためのユーザ理解モデルの検討」、信学技報、社団法人 電気情報通信学会、2009年、Vol.109、No.272、p.121-128

しかし、前述したシステムでは、集団を構成する個人のそれぞれの嗜好の統合の際の加重値をシステムの利用者が明示的に入力する必要があり、システム側が最適な加重値を求めて情報を提供するということはなされていない。
集団の行動に関する情報の提供を自動化する一般的な手法では、集団を構成する個人の各項目（ジャンルなど）に対する嗜好を定量的に示した嗜好スコアをその項目の成分とした嗜好ベクトルを作成し、この嗜好ベクトルとある基準ベクトル（各嗜好ベクトルの重心ベクトルなど）との類似性（cosine similarityなど）により、各項目に対する集団の嗜好スコアを算出している。

しかし、集団での行動は、個人の時と比べて嗜好通りの行動に結びつく訳ではない。また、集団での行動を考慮して、集団での行動履歴の累計を用いて嗜好スコアの補正を行なっても、行動は場所や時間帯の影響を受けるため、必ずしも集団に適した情報を選択できるとは限らない。
このように、集団の行動に関する情報の提供を自動化するための従来技術では上記の様に適切な基準ベクトルの算出に関して考慮する余地がある。

そこで、本発明の目的は、集団の行動について適した情報を提供することが可能になる情報処理装置および情報処理プログラムを提供することにある。

上記目的を達成するため、本発明に係わる情報処理装置は、集団を構成する各個人の嗜好情報を取得する嗜好情報取得手段と、前記嗜好情報取得手段により取得した各個人の嗜好情報をもとに、嗜好を示す特徴量空間での前記集団を構成する各個人の嗜好情報を示すベクトルである個人毎の嗜好ベクトルを算出する嗜好ベクトル算出手段と、前記嗜好ベクトル算出手段により算出した個人毎の嗜好ベクトルをもとに、前記特徴量空間での前記集団の所定の状況での行動における集団全体の嗜好を示すベクトルである状況別行動重心ベクトルを算出する状況別行動重心ベクトル算出手段と、前記状況別行動重心ベクトル算出手段により算出した状況別行動ベクトルを基準ベクトルとし、当該基準ベクトルに類似する前記個人毎の嗜好ベクトルの重みが重くなるように当該個人毎の嗜好ベクトルを重み付けし、前記重み付け後の前記個人毎の嗜好ベクトルを用いて前記集団の嗜好を推定する集団嗜好推定手段とを備えたことを特徴とする。

また、本発明に係わる情報処理装置は、前記集団全体での行動履歴情報を取得する行動履歴情報取得手段と、前記嗜好ベクトル算出手段により算出した個人毎の嗜好ベクトルをもとに、前記特徴量空間での個人の嗜好を示すベクトルである嗜好重心ベクトルを算出する嗜好重心ベクトル算出手段と、前記嗜好ベクトル算出手段により算出した嗜好ベクトルと前記行動履歴情報取得手段により取得した行動履歴情報とをもとに、前記特徴量空間での集団全体の嗜好を示すベクトルである累計行動重心ベクトルを算出する累計行動重心ベクトル算出手段とをさらに備え、前記集団嗜好推定手段は、前記状況別行動重心ベクトル、嗜好重心ベクトル、累計行動重心ベクトルに基づいた基準ベクトルに類似する前記個人毎の嗜好ベクトルの重みが重くなるように当該個人毎の嗜好ベクトルを重み付けし、前記重み付け後の前記個人毎の嗜好ベクトルを用いて前記集団の嗜好を推定することを特徴とする。

また、本発明に係わる情報処理装置は、前記嗜好重心ベクトル算出手段は、嗜好の各項目について前記嗜好ベクトル算出手段により算出した個人毎の嗜好ベクトルをもとに、前記特徴量空間での個人の嗜好を示す座標位置である嗜好重心を算出し、前記特徴量空間の原点から前記嗜好重心に向かう嗜好重心ベクトルを算出し、前記累計行動重心ベクトル算出手段は、嗜好の各項目について前記嗜好ベクトル算出手段により算出した個人毎の嗜好ベクトルについて、前記行動履歴情報取得手段により取得した行動履歴情報にもとづいた補正を行なうことで、前記特徴量空間での集団全体の嗜好を示す座標位置である累計行動重心を算出し、前記特徴量空間の原点から前記累計行動重心に向かう累計行動重心ベクトルを算出し、前記状況別行動重心ベクトル算出手段は、嗜好の各項目について前記嗜好ベクトル算出手段により算出した個人毎の嗜好ベクトルについて、前記行動履歴情報取得手段により取得した行動履歴情報にもとづいた補正を行ない、さらに、前記行動履歴情報と前記集団の各個人の状況との照合結果にもとづいた補正を行なうことで、前記特徴量空間での前記集団の所定の状況での行動における集団全体の嗜好を示す座標位置である状況別行動重心を算出し、前記特徴量空間の原点から前記状況別行動重心に向かう状況別行動重心ベクトルを算出し、前記集団嗜好推定手段は、前記嗜好重心ベクトル、前記累計行動重心ベクトルおよび状況別行動重心ベクトルをもとに前記基準ベクトルを生成し、この基準ベクトルを用いて嗜好ベクトルのスコアを重み付けし、この重み付け後のスコアが大きな値の順に予め定めた個数の嗜好ベクトルを抽出し、この抽出した嗜好ベクトルを用いて前記集団の嗜好を推定することを特徴とする。

また、本発明に係わる情報処理装置は、前記集団嗜好推定手段は、前記累計行動重心ベクトルに対する前記嗜好重心ベクトルの差分ベクトル、前記状況別行動重心ベクトルに対する前記嗜好重心ベクトルの差分ベクトル、および前記状況別行動重心ベクトルに対する前記累計行動重心ベクトルの差分ベクトルをもとに前記基準ベクトルを生成し、前記嗜好ベクトルを前記嗜好重心ベクトル算出手段により算出した前記嗜好重心を始点とするベクトルに変換するベクトル変換手段をさらに備え、前記集団嗜好推定手段は、前記基準ベクトルを用いて前記ベクトル変換手段による変換後の嗜好ベクトルのスコアを重み付けし、この重み付け後のスコアが大きな値の順に予め定めた個数の嗜好ベクトルを抽出し、この抽出した嗜好ベクトルを用いて前記集団の嗜好を推定することを特徴とする。

本発明によれば、集団の行動について適した情報を提供することができる。

本発明の実施形態における情報選択装置により計算する各重心ベクトルと各差分ベクトルの一例を示す図。 本発明の実施形態における情報選択装置の機能概要を示す図。 本発明の実施形態における情報選択装置の機能構成を示すブロック図。 本発明の実施形態における情報選択装置により管理する集団構成情報の構成例を表形式で示す図。 本発明の実施形態における情報選択装置により管理する、集団での行動履歴情報の構成例を表形式で示す図。 本発明の実施形態における情報選択装置により管理する、個人の嗜好情報の構成例を表形式で示す図。 本発明の実施形態における情報選択装置により管理する、情報提供用データの構成例を表形式で示す図。 本発明の実施形態における情報選択装置による処理動作の一例を示すフローチャート。 本発明の実施形態における情報選択装置の各種重心算出部による各種重心情報の算出処理の一例を示すフローチャート。 本発明の実施形態における情報選択装置の情報選択部による処理動作の一例を示すフローチャート。 本発明の実施形態における情報選択装置の被験者による嗜好のアンケート結果と行動履歴の適合度合いの一例を示す図。 本発明の実施形態における情報選択装置の情報選択部による処理動作の第１の変形例を示すフローチャート。 本発明の実施形態における情報選択装置の情報選択部による処理動作の第２の変形例を示すフローチャート。

以下図面により本発明の実施形態について説明する。
図１は、本発明の実施形態における情報選択装置により計算する各重心ベクトルと各差分ベクトルの一例を示す図である。
本実施形態における情報選択装置は、集団をなす個人（構成員）の各嗜好ベクトルによる重心ベクトル（以下、嗜好重心ベクトルと称する）、各個人の累計の行動によって各嗜好ベクトルに補正を行ったベクトルである重心ベクトル（以下、累計行動重心ベクトルと称する）の２つに加え、状況別の各個人の行動によって各嗜好ベクトルに補正を行ったベクトルである重心ベクトル（以下、状況別行動重心ベクトルと称する）を用いて基準ベクトルを算出する。

状況別の行動とは、例えば時間帯別や場所別にクラスタリングした行動のことである。時間帯は、例えば朝、昼、夕などであり、場所は、例えばＡ市、Ｂ店などである。本実施形態における情報選択装置は、Ａ市での昼間の行動を成分としたものと合致する嗜好ベクトルに加重値を掛けた結果のベクトルの重心を状況別行動重心ベクトルにするというように、個人の行動の状況と行動履歴との合致具合により補正を掛ける。

本実施形態における情報選択装置は、上記３種類の重心ベクトルを用いて基準ベクトルを作成する。例えば、それぞれの重心ベクトルに加重値を掛けて得たベクトルを合成したものを基準ベクトルとすると、嗜好、行動および状況別行動を考慮した基準ベクトルが算出可能となる。

嗜好重心ベクトルの重心である嗜好重心を原点とすると、嗜好重心ベクトル、行動重心ベクトルおよび状況別行動重心ベクトルの差がより大きくなる場合があり、そのような場合は、この嗜好重心を原点とした方が、行動重心ベクトルや状況別行動重心ベクトルを用いる効果が高い。この場合は、情報選択装置は、各重心ベクトルを用いる代わりに、各重心ベクトルの差分を用いて基準ベクトルを算出する。

具体的には、情報選択装置は、嗜好重心ベクトルと行動重心ベクトルとの差分ベクトル（以下、行動差分ベクトルと称する）、嗜好重心ベクトルと状況別行動重心ベクトルとの差分ベクトル（以下、状況別行動差分ベクトルと称する）、および行動重心ベクトルと状況別行動重心ベクトルとの差分ベクトル（以下、状況差分ベクトルと称する）でなる３つの差分ベクトルを利用して基準ベクトルを算出する。
以上により、行動やその状況に応じた変化を考慮した基準ベクトルを算出することが出来、この算出によって、集団に対して、より適した情報を提供することが可能となる。

図２は、本発明の実施形態における情報選択装置の機能概要を示す図である。
図２に示すように、本発明の実施形態における情報選択装置１０は、入出力インタフェース１、記録部２、各種重心算出部３、情報選択部４、タイマ部５を備える。
入出力インタフェース１は、集団をなす各個人の嗜好情報、集団での行動履歴情報、情報提供用データ、開始トリガなどのデータを受信して、記録部２や情報選択部４に当該データを送信する、
記録部２は、各種データを記録しておくための、不揮発性メモリなどの記憶媒体である。
各種重心算出部３は、個人の嗜好情報、集団での行動履歴情報、現在状況情報、集団構成情報から嗜好重心情報、累計行動重心情報および状況別行動重心情報を算出する。
情報選択部４は、各種重心情報と個人の嗜好情報とを元に、指定された集団に適した情報を情報提供用データの中から選択する。

入出力インタフェース１は、個人の嗜好情報、集団の行動履歴情報、現在状況情報、集団構成情報および情報提供用データを受け取ったら記録部２に記録する。
操作者またはタイマ部５は開始トリガを入出力インタフェース１に送信し、入出力インタフェース１は開始トリガを受信したら、この開始トリガにあわせて、各種重心算出部３へ、この開始トリガを送信する。

各種重心算出部３は、開始トリガを受信したら記録部２へ必要なデータを要求し、該当のデータを受け取る。各種重心算出部３は、受け取ったデータを元に嗜好重心情報、累計行動重心情報および状況別行動重心情報の算出を行ない、この結果を記録部２に記録し、開始トリガを情報選択部４に渡す。

情報選択部４は、開始トリガを受信したら記録部２へ必要なデータを要求し、該当のデータを受け取る。情報選択部４は、受け取った各種重心情報を元に情報提供用データの中から指定された集団に適した情報を選択し、その結果を記録部２に記録する。
図３は、本発明の実施形態における情報選択装置の機能構成を示すブロック図である。
図３に示すように、情報選択装置１０は、ＣＰＵ１１、バス１２、プログラムメモリ１３、データメモリ１４、通信インタフェース１６、入出力インタフェース１７、入力デバイス１８、表示デバイス１９、タイマインタフェース２０、タイマ２１を備える。
プログラムメモリ１３は、不揮発性メモリなどの記憶媒体であり、集団に適した情報選択を行なう上で必要なプログラムが記録されている。具体的には、プログラムメモリ１３は、入出力制御プログラム１３１、個々人嗜好重心算出プログラム１３２、累計行動重心算出プログラム１３３、状況別行動重心算出プログラム１３４、集団に適した情報選択プログラム１３５が記録されている。

データメモリ１４には、集団に適した情報選択を行なう上で必要なデータを記録するための領域が用意されている。具体的には、データメモリ１４は、個人の嗜好情報記録エリア１４１、集団での行動履歴情報記録エリア１４２、現在状況情報記録エリア１４３、情報提供用データ記録エリア１４４、嗜好重心情報記録エリア１４５、累計行動重心情報記録エリア１４６、状況別行動重心情報記録エリア１４７、集団に適した情報記録エリア１４８、集団構成情報記録エリア１４９を有する。

入力デバイス１８、表示デバイス１９は入出力インタフェース１７に接続され、タイマ２１はタイマインタフェース２０に接続される。ＣＰＵ１１、プログラムメモリ１３、データメモリ１４、通信インタフェース１６、入出力インタフェース１７、タイマインタフェース２０はバス１２で相互に接続されているため、それぞれの間でデータ等のやりとりが可能となっている。

図４は、本発明の実施形態における情報選択装置により管理する集団構成情報の構成例を表形式で示す図である。
図３に示したデータメモリ１４の集団構成情報記録エリア１４９には図４に示したような集団構成情報が記録される。この集団構成情報では、ユーザを示す識別子であるユーザＩＤとグループを示す識別子であるグループＩＤとが組になったものが１データとなる。１ユーザが複数の集団の識別子を有してもよい。

図５は、本発明の実施形態における情報選択装置により管理する、集団での行動履歴情報の構成例を表形式で示す図である。
図３に示したデータメモリ１４の集団での行動履歴情報記録エリア１４２には図５に示したような集団での行動履歴情報が集団毎に記録される。この集団での行動履歴情報では、行動を行った集団のＩＤ、日時、場所やそのジャンルを表す集合が１データとなる。図３では外食の例を示したが、ＴＶ番組や旅行などでもよい。

また、集団での行動履歴情報には、費用や店名等の、より詳細なデータが含まれていてもよい。なお、行動履歴情報のグループＩＤと前述した集団構成情報のグループＩＤとは統一されている。例えば、図５に示した行動履歴情報で表記している「グループ１」と図４に示した集団構成情報で表記している「グループ１」とは同じ集団を示している。

図６は、本発明の実施形態における情報選択装置により管理する、個人の嗜好情報の構成例を表形式で示す図である。
図３に示したデータメモリ１４の個人の嗜好情報記録エリア１４１には、図６に示したような個人の嗜好情報が各ユーザ・ジャンル毎に記録される。この個人の嗜好情報では、ユーザＩＤと、ジャンル名と、当該ユーザの当該ジャンルに対する嗜好を定量化した情報である嗜好スコアとの集合が１データとなる。

なお、個人の嗜好情報のユーザＩＤと前述した集団構成情報のユーザＩＤとは統一されている。例えば、図６に示した個人の嗜好情報で表記している「ユーザＡ」と図４に示した集団構成情報で表記している「ユーザＡ」とは同じユーザを示している。
また、個人の嗜好情報のジャンル名と集団での行動履歴情報のジャンル名とは統一されており、ユーザＩＤと同様に、同じジャンル名であれば同じものを示している。

図７は、本発明の実施形態における情報選択装置により管理する、情報提供用データの構成例を表形式で示す図である。
図３に示したデータメモリ１４の情報提供用データ記録エリア１４４には図７に示したような情報提供用データが記録される。この情報提供用データは、図７に示したように外食を例にすると店舗名やジャンル名といった情報の集合が１データとなる。なお、情報提供用データのジャンル名と個人の嗜好情報のジャンル名と集団での行動履歴情報のジャンル名とは統一されており、同値であれば同じものを示している。また、情報提供用データの場所情報と集団での行動履歴情報の場所情報とは統一されており、同値であれば同じものを示している。

また、図３に示したデータメモリ１４の現在状況情報記録エリア１４３には現在状況情報が記録される。この現在状況情報は、開始トリガ送信時のユーザの状況を表す各種情報である。各種情報とは、集団をなす各個人がどこに滞在しているかなどの位置情報や、現在はランチの時間であるなどといった時間帯情報など、ユーザの状況を示すデータである。
この情報は、ユーザのいる場所と時間帯とグループＩＤのデータが含まれていればよく、例えば開始トリガ発信者の現在場所や時間帯であってもよいし、これから向かおうと思っている場所や時間帯であってもよい。

図８は、本発明の実施形態における情報選択装置による処理動作の一例を示すフローチャートである。
情報選択装置１０の入出力インタフェース１は、対象とする集団のグループＩＤと現在状況情報とが含まれた開始トリガを受け取り、各種重心算出部３に出力する（ステップＳ１）。

各種重心算出部３は、開始トリガに含まれたグループＩＤと結びつく、ユーザの個人嗜好情報と集団での行動履歴情報とを記録部２から取得し、これらの取得結果をもとに嗜好重心情報、累計行動重心情報、および各状況別行動重心情報の算出処理を行ない、この算出結果を記録部２に記録する（ステップＳ２）。

情報選択部４は、記録部２から嗜好重心情報、累計行動重心情報、各状況別行動重心情報、個人の嗜好情報および情報提供用データを取得し、この取得した情報提供用データの中から集団に適した情報の選択処理を行ない（ステップＳ３）、一連の処理を終了する。

次に、ステップＳ２における情報選択装置１０の各種重心算出部３の処理について説明する。各種重心算出部３は、個人の嗜好情報から嗜好の各項目（ジャンルなど）に対する嗜好スコア（嗜好を定量的に示したもの）をその項目の成分とした嗜好ベクトルＦ_ｉを求める。

各種重心算出部３は、算出した嗜好ベクトルＦ_ｉから嗜好重心を、嗜好ベクトルＦ_ｉと集団での行動履歴情報から累計行動重心を、嗜好ベクトルＦ_ｉと集団での行動履歴情報と現在状況情報から状況別行動重心を算出する。
嗜好ベクトルＦ_ｉおよびこの嗜好ベクトルＦ_ｉから各重心を算出する式は以下の式（１），式（２），式（３），式（４）である。具体的には、式（１）は嗜好ベクトルＦ_ｉの算出式であり、式（２）は嗜好重心Ｇ_Ｆの算出式であり、式（３）は累計行動重心Ｇ_Ａの算出式であり、式（４）は状況別行動重心Ｇ_Ｓの算出式である。

式（１）における、ｆ（Ａ、ｉ）はユーザＡのジャンルｉに対する嗜好スコアを意味する。
式（３），式（４）におけるｇ（ｉ）は、ジャンルｉに対する集団での行動（それを行なった頻度）を意味し、集団での行動履歴情報から求められるものである。
式（４）におけるｗ_ｉは、集団での行動履歴情報と現在状況情報との合致によるジャンルｉに対する補正値を意味する。この補正値ｗ_ｉは、例えば、場所と時間帯が一致していれば「２」、場所と時間帯のどちらかが一致していれば「１」、一致しているものがなければ「０」といった値をとる。

図９は、本発明の実施形態における情報選択装置の各種重心算出部による各種重心情報の算出処理の一例を示すフローチャートである。
各種重心算出部３は、開始トリガに含まれているグループＩＤに属するユーザＩＤを図２に示した記録部２に記録されている集団構成情報から取得する（ステップＳ２１）。この集団構成情報は、図３に示したデータメモリ１４の集団構成情報記録エリア１４９に記録される、図４に示した集団構成情報を指す。

各種重心算出部３は、ステップＳ２１で取得した、それぞれのユーザＩＤと結びつく個人の嗜好情報と、開始トリガに含まれているグループＩＤと結びつく、集団での行動履歴情報と現在状況情報（位置と時間帯）を記録部２より取得する（ステップＳ２２）。この行動履歴情報は、図３に示したデータメモリ１４の集団での行動履歴情報記録エリア１４２に記録される、図５に示した集団での行動履歴情報を指す。
また、この現在状況情報は、図３に示したデータメモリ１４の現在状況情報記録エリア１４３に記録される現在状況情報を指す。

各種重心算出部３は、記録部２に記録されている個人の嗜好情報から嗜好の各項目（ジャンルなど）に対する嗜好スコア（嗜好を定量的に示したもの）をその項目の成分とした嗜好ベクトルＦ_ｉを前述した式（１）にしたがって作成する（ステップＳ２３）。この個人の嗜好情報は、図３に示したデータメモリ１４の個人の嗜好情報記録エリア１４１に記録される、図６に示した個人の嗜好情報を指す。

各種重心算出部３は、ステップＳ２３で作成した各嗜好ベクトルＦ_ｉをもとに、前述した式（２）にしたがって嗜好重心Ｇ_Ｆを算出し、記録部２に記録する（ステップＳ２４）。この嗜好重心の記録先は、図４に示したデータメモリ１４の嗜好重心情報記録エリア１４５を指す。

各種重心算出部３は、嗜好ベクトルＦ_ｉに集団での行動履歴による補正、例えば、その嗜好ベクトルのジャンルを行った頻度×嗜好ベクトルＦ_ｉという補正を行ったベクトルである行動ベクトル（Ｆ_ｉｇ（ｉ））を作成する（ステップＳ２５）。
各種重心算出部３は、ステップＳ２５で作成した各行動ベクトルをもとに、前述した式（３）に従って累計行動重心Ｇ_Ａを算出し、記録部２に記録する（ステップＳ２６）。この累計行動重心の記録先は、図４に示したデータメモリ１４の累計行動重心情報記録エリア１４６を指す。

各種重心算出部３は、ステップＳ２２で取得した現在状況情報と集団での行動履歴情報とを比較し、例えば、場所と時間帯が一致していれば２倍、場所と時間帯のどちらかが一致していれば等倍、一致しているものがなければ０倍といった補正を集団での行動履歴、例えば、その嗜好ベクトルＦ_ｉのジャンルを行った頻度に対して行ない、嗜好ベクトルＦ_ｉに補正後の行動履歴の値を掛け合わせた行動ベクトルである状況別行動ベクトルＦ_ｉｇ（ｉ）ｗ_ｉを作成する（ステップＳ２７）。

各種重心算出部３は、この作成した各状況別行動ベクトルをもとに、前述した式（４）にしたがって状況別行動重心Ｇ_Ｓを算出して、記録部２に記録し、ステップＳ２に関わる処理を終了する（ステップＳ２８）。この状況別行動重心の記録先は、図４に示したデータメモリ１４の状況別行動重心情報記録エリア１４７を指す。

次に、ステップＳ３における情報選択装置１０の情報選択部４の処理について説明する。情報選択部４は、ステップＳ２４で算出した嗜好重心情報Ｇ_Ｆ、ステップＳ２６で算出した累計行動重心情報Ｇ_Ａ、ステップＳ２８で算出した状況別行動重心情報Ｇ_Ｓを用いて基準ベクトルを算出する。以下に基準ベクトルｖの算出手法の一例を示す。

ｖ＝ｗ_ＧＦＧ_ＦＶ＋ｗ_ＧＡＧ_ＡＶ＋ｗ_ＧＳＧ_ＳＶ …式（５）
Ｇ_ＦＶ：嗜好重心ベクトル
Ｇ_ＡＶ：累計行動重心ベクトル
Ｇ_ＳＶ：状況別行動重心ベクトル
ｗ_ＧＦ：嗜好重心ベクトルの値に掛ける加重値
ｗ_ＧＡ：累計行動重心ベクトルの値に掛ける加重値
ｗ_ＧＳ：状況別行動重心ベクトルの値に掛ける加重値
嗜好重心を原点とすると嗜好と行動・状況の差がより大きくなる場合があり、そのような場合は嗜好重心を原点とした考えた方が適した情報が与えられる場合がある。
嗜好重心を原点とした場合、情報選択部４は、各重心ベクトル自体を用いる代わりに、各重心ベクトルの差分を利用して基準ベクトルを算出する。各重心ベクトルの差分を利用した基準ベクトルの算出例は以下のようになる。

ｖ＝ｗ_１（Ｇ_ＡＶ−Ｇ_ＦＶ）＋ｗ_２（Ｇ_ＳＶ−Ｇ_ＦＶ）＋ｗ_３（Ｇ_ＳＶ−Ｇ_ＡＶ） …式（６）
ｗ_１：累計行動重心ベクトルと嗜好重心ベクトルとの差分ベクトルに掛ける加重値
ｗ_２：状況別行動重心ベクトルと嗜好重心ベクトルとの差分ベクトルに掛ける加重値
ｗ_３：状況別行動重心ベクトルと累計行動重心ベクトルとの差分ベクトルに掛ける加重値
情報選択部４は、ステップＳ２３で各種重心算出部３により求められた各嗜好ベクトルＦ_ｉに対し、基準ベクトルｖを用いて再スコアリングを行なう。例えば、基準ベクトルｖに類似するほど高い加重値を掛けるなどで各嗜好ベクトルＦ_ｉを再スコアリングすることにより集団の嗜好を推定でき、より集団に適した情報を選択可能となる。
この際、前述した式（６）のように差分ベクトルを用いて基準ベクトルｖを求めたい場合、各嗜好ベクトルＦ_ｉは嗜好重心を始点としたベクトルに変換する必要がある。

以下に再スコアリング手法の例を２つ示す。
まず、嗜好ベクトルＦ_ｉが２次元であれば、各嗜好ベクトルＦ_ｉをクラスタリングし、基本ベクトルの所属するクラスタと嗜好ベクトルＦ_ｉが属するクラスタの類似度による再スコアリング手法を用いる。この手法は、個人の嗜好情報の嗜好スコアが粗であっても効果が得られ易いという利点がある。以下に具体的な処理の例を示す。

この処理では、情報選択部４は、３６０度をｎ個のクラスタに分け、基準ベクトルｖが所属するクラスタ番号をｋとする。クラスタとなる下限の閾値と上限の閾値との中間を各クラスタの代表ベクトルとし、各嗜好スコアが所属するクラスタの代表ベクトルとクラスタ番号ｋの代表ベクトルとの類似性を補正値として、それぞれの嗜好ベクトルＦ_ｉに加重する。以下に算出式を示す。

Ｆ_ｉ´=Ｆ_ｉｃｏｓ（ｒａｄ（Ｆ_ｉ）−ｒａｄ_ｋ） …式（７）
Ｆ_ｉ：ジャンルｉに対する嗜好ベクトル
ｒａｄ_ｋ：クラスタ番号ｋの代表ベクトルのラジアン値
ｒａｄ（Ｆ_ｉ）：嗜好ベクトルＦ_ｉの所属するクラスタの代表ベクトルのラジアン値
Ｆ_ｉ´：再スコアリング後の嗜好ベクトル
情報選択部４は、再スコアリングされた各嗜好ベクトルＦ_ｉをもとに情報提供用データのランク付けを行なう。具体的には、情報選択部４は、情報提供用データのジャンル名と再スコアリングされた各嗜好ベクトルＦ_ｉのジャンル名とが一致するものを探し、その再スコアリングされた嗜好ベクトルＦ_ｉ´の大きさ順でランク付けを行なう。そして、情報選択部４は、そのランクの上位ｎ個を集団に適した情報として抽出する。

また、嗜好ベクトルが多次元であれば、基本ベクトルと嗜好ベクトルとの類似度（cosine similarity）による再スコアリング手法を用いる。この手法は、前述したクラスタリングによる再スコアリング手法のような粗な嗜好スコアに対する利点はないが、嗜好ベクトルの次元数に依存しないという利点がある。以下に、基本ベクトルと嗜好ベクトルとの類似度による嗜好ベクトルの再スコアリング式を示す。基本ベクトルはｖ、ジャンルｉに対する嗜好ベクトルはＦ_ｉ、再スコアリング後の嗜好ベクトルはＦ_ｉ´で表している。

再スコアリングされた各嗜好ベクトルから情報提供用データのランク付けに関しては、クラスタリングによる再スコアリング手法と同様である。
図１０は、本発明の実施形態における情報選択装置の情報選択部による処理動作の一例を示すフローチャートである。
情報選択部４は、記録部２から嗜好重心情報、累計行動重心情報、状況別行動重心情報、個人の嗜好情報、および情報提供用データを取得する（ステップＳ３１）。

嗜好重心情報の取得元は、図４に示したデータメモリ１４の嗜好重心情報記録エリア１４５を指し、累計行動重心情報の取得元は、図４に示したデータメモリ１４の累計行動重心情報記録エリア１４６を指し、状況別行動重心情報の記録先は、図４に示したデータメモリ１４の状況別行動重心情報記録エリア１４７を指す。

個人の嗜好情報の取得元は、図３に示したデータメモリ１４の個人の嗜好情報記録エリア１４１を指し、情報提供用データの取得元は、図３に示したデータメモリ１４の情報提供用データ記録エリア１４４を指す。
情報選択部４は、ステップＳ３１で取得した嗜好重心情報、累計行動重心情報および状況別行動重心情報をもとに、原点から嗜好重心に向かう嗜好重心ベクトル、原点から累計行動重心に向かう累計行動重心ベクトル、原点から状況別行動重心に向かう状況別行動重心ベクトルを算出し、これらの重心ベクトルをもとに、式（５）または式（６）にしたがって基準ベクトルを算出する（ステップＳ３２）。

情報選択部４は、ステップＳ３２の処理で、式（６）に従って、つまり差分ベクトルを用いて基準ベクトルを算出した場合は（ステップＳ３３のＹＥＳ）、各嗜好ベクトルを嗜好重心を始点（原点）としたベクトルに変換する（ステップＳ３４）。
情報選択部４は、ステップＳ３２の処理で、式（５）に従って、つまり差分ベクトルを用いないで基準ベクトルを算出した場合（ステップＳ３３のＮＯ）、またはステップＳ３４の終了後、嗜好ベクトルが２次元であるか否かを判定する（ステップＳ３５）。

情報選択部４は、嗜好ベクトルが２次元であれば（ステップＳ３５のＹＥＳ）、算出した基準ベクトルをもとに、クラスタリングによる再スコアリング手法を用いて、式（７）にしたがって嗜好ベクトルを再スコアリングする（ステップＳ３６）。
また、情報選択部４は、嗜好ベクトルが他次元であれば（ステップＳ３５のＮＯ）、算出した基準ベクトルと嗜好ベクトルの類似性を利用して各嗜好ベクトルを式（８）にしたがって再スコアリングする（ステップＳ３７）。

情報選択部４は、ステップＳ３６またはＳ３７の後、再スコアリングされた嗜好ベクトルを基に情報提供用データをランク付けする（ステップＳ３８）。
情報選択部４は、ステップＳ３８でランク付けされた情報提供用データの上位ｎ個を集団に適した情報として抽出して、記録部２へ記録し、集団に適した情報選択処理を終了する（ステップＳ３９）。

図１１は、本発明の実施形態における情報選択装置の被験者による嗜好のアンケート結果と行動履歴の適合度合いの一例を示す図である。
ここでは、男女の１組を被験者とし、個々人の嗜好をアンケートした結果と、二人で一緒に行動したときの履歴を用いた検証結果について説明する。この検証では、外食に関する行動を対象としている。嗜好のアンケートでは食のジャンルに関する３８項目に対してそれぞれ５段階で評価してもらった。また、行動の頻度は食事を行った店の回数とし、先の３８項目のうち最も適したものに対応付けた。状況別の行動としては、時間帯別（ランチ・ティータイム・夕食）と場所別（市レベル）を用いた。

効果の測定方法として、被験者に実在する店舗を提示し、とある状況下においてその店舗は提供される情報として適しているかの度合いを４つの区分（high、middle、low、no）に分けてもらった。ここでは、Ａ市でランチするという状況とし、Ａ市に実在する４２店舗を提示し、既存手法１、既存手法２、本実施形態のそれぞれによる集団の嗜好スコアの上位１０個の項目のうち、前述した「high」や「middle」がどれだけ含まれているかで比較を行った。
図１１には、各手法による上位１０個の項目の適合度合いの内訳を示している。この結果から、本実施形態は既存の手法と比較して、集団の行動について適した情報を提供可能といえる。

以上のように、本発明の実施形態における情報選択装置は、集団を構成する各個人の嗜好情報を取得し、各個人の嗜好情報をもとに、嗜好を示す特徴量空間での集団を構成する各個人の嗜好情報を示すベクトルである個人毎の嗜好ベクトルを算出し、個人毎の嗜好ベクトルをもとに、特徴量空間での集団の所定の状況での行動における集団全体の嗜好を示すベクトルである状況別行動重心ベクトルを算出し、状況別行動ベクトルを基準ベクトルとし、当該基準ベクトルに類似する個人毎の嗜好ベクトルの重みが重くなるように当該個人毎の嗜好ベクトルを重み付けし、重み付け後の個人毎の嗜好ベクトルを用いて集団の嗜好を推定するので、集団に対してより適した情報を提供できるという効果をもたらす。本実施形態では外食の例を示したが、嗜好と行動が伴うものであれば他の行動を対象にしてもよい。また、状況別の行動も時間帯と場所別に限るものではない。

以下、本発明の実施形態の変形例について説明する。図１２は、本発明の実施形態における情報選択装置の情報選択部による処理動作の第１の変形例を示すフローチャートである。
この第１の変形例は、基準ベクトルを差分ベクトルを用いないで算出する場合における、情報選択部４による処理動作を説明するものである。

情報選択部４は、ステップＳ３１処理、つまり、記録部２から嗜好重心情報、累計行動重心情報、状況別行動重心情報、個人の嗜好情報、および情報提供用データを取得する処理を行なう。
情報選択部４は、ステップＳ３１で取得した嗜好重心情報、累計行動重心情報および状況別行動重心情報をもとに、原点から嗜好重心に向かう嗜好重心ベクトル、原点から累計行動重心に向かう累計行動重心ベクトル、原点から状況別行動重心に向かう状況別行動重心ベクトルを算出し、これらの重心ベクトルをもとに、式（５）にしたがって基準ベクトルを算出する（ステップＳ３２）。以後は前述したステップＳ３５からＳ３９までの処理がなされる。

図１３は、本発明の実施形態における情報選択装置の情報選択部による処理動作の第２の変形例を示すフローチャートである。
この第２の変形例は、基準ベクトルを差分ベクトルを用いて算出する場合における、情報選択部４による処理動作を説明するものである。

情報選択部４は、ステップＳ３１処理、つまり、記録部２から嗜好重心情報、累計行動重心情報、状況別行動重心情報、個人の嗜好情報、および情報提供用データを取得する処理を行なう。
情報選択部４は、ステップＳ３１で取得した嗜好重心情報、累計行動重心情報および状況別行動重心情報をもとに、原点から嗜好重心に向かう嗜好重心ベクトル、原点から累計行動重心に向かう累計行動重心ベクトル、原点から状況別行動重心に向かう状況別行動重心ベクトルを算出し、これらの重心ベクトルをもとに、式（６）にしたがって基準ベクトルを算出する（ステップＳ５１）。

すると、情報選択部４は、各嗜好ベクトルを嗜好重心を始点（原点）としたベクトルに変換する（ステップＳ５２）。以後は前述したステップＳ３５からＳ３９までの処理がなされる。
なお、この発明は前記実施形態そのままに限定されるものではなく実施段階ではその要旨を逸脱しない範囲で構成要素を変形して具体化できる。また、前記実施形態に開示されている複数の構成要素の適宜な組み合わせにより種々の発明を形成できる。例えば、実施形態に示される全構成要素から幾つかの構成要素を省略してもよい。更に、異なる実施形態に亘る構成要素を適宜組み合せてもよい。

１…入出力インタフェース、２…記録部、３…各種重心算出部、４…情報選択部、５…タイマ部、１１…ＣＰＵ、１２…バス、１３…プログラムメモリ、１４…データメモリ、１６…通信インタフェース、１７…入出力インタフェース、１８…入力デバイス、１９…表示デバイス、２０…タイマインタフェース、２１…タイマ、１３１…入出力制御プログラム、１３２…個々人嗜好重心算出プログラム、１３３…累計行動重心算出プログラム、１３４…状況別行動重心算出プログラム、１３５…集団に適した情報選択プログラム、１４１…個人の嗜好情報記録エリア、１４２…集団での行動履歴情報記録エリア、１４３…現在状況情報記録エリア、１４４…情報提供用データ記録エリア、１４５…嗜好重心情報記録エリア、１４６…累計行動重心情報記録エリア、１４７…状況別行動重心情報記録エリア、１４８…集団に適した情報記録エリア、１４９…集団構成情報記録エリア。

Claims (5)

1. 集団を構成する各個人の嗜好情報を取得する嗜好情報取得手段と、
   前記嗜好情報取得手段により取得した各個人の嗜好情報をもとに、嗜好を示す特徴量空間での前記集団を構成する各個人の嗜好情報を示すベクトルである個人毎の嗜好ベクトルを算出する嗜好ベクトル算出手段と、
   前記嗜好ベクトル算出手段により算出した個人毎の嗜好ベクトルをもとに、前記特徴量空間での前記集団の所定の状況での行動における集団全体の嗜好を示すベクトルである状況別行動重心ベクトルを算出する状況別行動重心ベクトル算出手段と、
   前記状況別行動重心ベクトル算出手段により算出した状況別行動ベクトルを基準ベクトルとし、当該基準ベクトルに類似する前記個人毎の嗜好ベクトルの重みが重くなるように当該個人毎の嗜好ベクトルを重み付けし、前記重み付け後の前記個人毎の嗜好ベクトルを用いて前記集団の嗜好を推定する集団嗜好推定手段と
   を備えたことを特徴とする情報処理装置。
2. 前記集団全体での行動履歴情報を取得する行動履歴情報取得手段と、
   前記嗜好ベクトル算出手段により算出した個人毎の嗜好ベクトルをもとに、前記特徴量空間での個人の嗜好を示すベクトルである嗜好重心ベクトルを算出する嗜好重心ベクトル算出手段と、
   前記嗜好ベクトル算出手段により算出した嗜好ベクトルと前記行動履歴情報取得手段により取得した行動履歴情報とをもとに、前記特徴量空間での集団全体の嗜好を示すベクトルである累計行動重心ベクトルを算出する累計行動重心ベクトル算出手段とをさらに備え、
   前記集団嗜好推定手段は、
   前記状況別行動重心ベクトル、嗜好重心ベクトル、累計行動重心ベクトルに基づいた基準ベクトルに類似する前記個人毎の嗜好ベクトルの重みが重くなるように当該個人毎の嗜好ベクトルを重み付けし、前記重み付け後の前記個人毎の嗜好ベクトルを用いて前記集団の嗜好を推定する
   ことを特徴とする請求項１に記載の情報処理装置。
3. 前記嗜好重心ベクトル算出手段は、
   嗜好の各項目について前記嗜好ベクトル算出手段により算出した個人毎の嗜好ベクトルをもとに、前記特徴量空間での個人の嗜好を示す座標位置である嗜好重心を算出し、前記特徴量空間の原点から前記嗜好重心に向かう嗜好重心ベクトルを算出し、
   前記累計行動重心ベクトル算出手段は、
   嗜好の各項目について前記嗜好ベクトル算出手段により算出した個人毎の嗜好ベクトルについて、前記行動履歴情報取得手段により取得した行動履歴情報にもとづいた補正を行なうことで、前記特徴量空間での集団全体の嗜好を示す座標位置である累計行動重心を算出し、前記特徴量空間の原点から前記累計行動重心に向かう累計行動重心ベクトルを算出し、
   前記状況別行動重心ベクトル算出手段は、
   嗜好の各項目について前記嗜好ベクトル算出手段により算出した個人毎の嗜好ベクトルについて、前記行動履歴情報取得手段により取得した行動履歴情報にもとづいた補正を行ない、さらに、前記行動履歴情報と前記集団の各個人の状況との照合結果にもとづいた補正を行なうことで、前記特徴量空間での前記集団の所定の状況での行動における集団全体の嗜好を示す座標位置である状況別行動重心を算出し、前記特徴量空間の原点から前記状況別行動重心に向かう状況別行動重心ベクトルを算出し、
   前記集団嗜好推定手段は、
   前記嗜好重心ベクトル、前記累計行動重心ベクトルおよび状況別行動重心ベクトルをもとに前記基準ベクトルを生成し、この基準ベクトルを用いて嗜好ベクトルのスコアを重み付けし、この重み付け後のスコアが大きな値の順に予め定めた個数の嗜好ベクトルを抽出し、この抽出した嗜好ベクトルを用いて前記集団の嗜好を推定する
   ことを特徴とする請求項２に記載の情報処理装置。
4. 前記集団嗜好推定手段は、
   前記累計行動重心ベクトルに対する前記嗜好重心ベクトルの差分ベクトル、前記状況別行動重心ベクトルに対する前記嗜好重心ベクトルの差分ベクトル、および前記状況別行動重心ベクトルに対する前記累計行動重心ベクトルの差分ベクトルをもとに前記基準ベクトルを生成し、
   前記嗜好ベクトルを前記嗜好重心ベクトル算出手段により算出した前記嗜好重心を始点とするベクトルに変換するベクトル変換手段をさらに備え、
   前記集団嗜好推定手段は、
   前記基準ベクトルを用いて前記ベクトル変換手段による変換後の嗜好ベクトルのスコアを重み付けし、この重み付け後のスコアが大きな値の順に予め定めた個数の嗜好ベクトルを抽出し、この抽出した嗜好ベクトルを用いて前記集団の嗜好を推定する
   ことを特徴とする請求項２に記載の情報処理装置。
5. 請求項１ないし４のいずれか１項に記載の情報処理装置を構成する各手段としてコンピュータを機能させるための情報処理プログラム。

Images