JP5527040B2 - 共創支援装置、共創支援方法およびプログラム - Google Patents

Description

本発明は、共創支援装置、共創支援方法およびプログラムに関する。

近年、企業の競争力強化や社会の問題解決のため、共創が注目されている。共創とは、企業と消費者あるいは制作者と利用者というような立場を超え、協力し合ってサービスやプロダクトを作り出す手法である。共創は単なる協力とは異なり、異なる専門知識を持ったユーザが互いに影響し合いながら、また、場合によっては多くのユーザが関与しながら、質が高く量の多いサービスやプロダクトを作り出すものである。共創を実現するために、共創をシステムで支援することが望まれる。

共創支援における一つの課題として、連携すべき複数のユーザの選定がある。全ユーザが少数の場合は、すべての組み合わせで連携を試みてうまくいく場合を見つけることができるが、全ユーザがある程度の規模になると、ユーザの組み合わせの場合の数は莫大になってしまいすべての組み合わせを試みることができない。そこで、嗜好性、類似度、意外度などに基づいて、ユーザとユーザまたは情報との組み合わせを推薦するシステムの例として、以下の特許文献１ないし４がある。

特許文献１には、ユーザ特性に基づき類似度を計算することで、ユーザに合ったコミュニティを選択するシステムが記載されている。

特許文献２には、ユーザ特性に基づき嗜好性や意外性を考慮して、ユーザに新しいユーザを紹介するシステムが記載されている。

特許文献３には、問診に対するユーザの回答に基づき類似度を計算することで、インターネット上で類似する関心を持つユーザを自動的に見つけるシステムが記載されている。

特許文献４には、活動ログからユーザの嗜好性を学習し、意外性を考慮して情報を推薦するシステムが記載されている。

特開２００１−２４９９５０号公報 特開２００７−３２３６２２号公報 特開２００１−３５７０６８号公報 特開２００８−２６２３９８号公報

関連する技術の共創支援システムにおいては、次のような問題がある。意外度を算出する場合、記憶部に記憶されているユーザ特性のみから意外度を算出するため、好ましくない共動活動の候補が選出されてしまうことがある。なぜなら、ユーザ特性から様々な特性軸で意外な組み合わせの可能性があるが、ユーザが活動する場、もしくは、環境、もしくは、コミュニティ（以下、場で表記を統一する）において有効であるかは考慮されていないため、場に不適切な特性軸で意外性を出してしまう可能性があるためである。あるいは、類似度が高い場合に、特性が似すぎていて逆に効果が出ない場合もある。

特許文献１ないし４に記載の発明についても、ユーザが活動する場において有効であるかは考慮されていない。

本発明は、このような問題に鑑みてなされたものであり、共動活動の場において有効であるかを考慮して共動活動の候補を選出できる共創支援装置、共創支援方法およびプログラムを提供することを目的とする。

本発明の第１の観点に係る共創支援装置は、
共同活動の場に参加するユーザに共同活動を行う候補者の情報を提供する共創支援装置であって、
前記ユーザの活動に関する特性を示すユーザ特性を記憶するユーザ特性記憶手段と、
前記共同活動に対する評価を含む、前記ユーザの前記共同活動の場における活動の活動ログを取得する手段と、
前記活動ログを分析し、前記ユーザによる前記共同活動の成功または失敗を判断し、成功事例および失敗事例を示す共同活動事例を検出する活動事例検出手段と、
前記活動事例検出手段が検出した前記共同活動事例を記憶する活動事例記憶手段と、
前記共同活動の場に参加するユーザごとに、そのユーザの所定の条件に当てはまる前記共同活動事例において共同活動した相手ユーザの前記ユーザ特性に基づいて、前記ユーザの親和特性を算出する親和特性算出手段と、
対象となる前記ユーザの組み合わせの第１のユーザおよび第２のユーザについて、前記第１のユーザの前記親和特性と前記第２のユーザの前記ユーザ特性との距離から前記第１のユーザの前記第２のユーザに対する親和度を算出する親和度算出手段と、
前記ユーザの中から、前記親和度を含む所定の基準に適合する、前記共同活動を行う前記ユーザの組み合わせの候補を選出する候補選出手段と、
前記候補選出手段が選出した候補の情報を該当する前記ユーザに送信する送信手段と、
を備えることを特徴とする。

本発明の第２の観点に係る共創支援方法は、
共同活動の場に参加するユーザに共同活動を行う候補者の情報を提供する共創支援装置が実行する共創支援方法であって、
前記共同活動に対する評価を含む、前記ユーザの前記共同活動の場における活動の活動ログを取得するステップと、
前記活動ログを分析し、前記ユーザによる前記共同活動の成功または失敗を判断し、成功事例および失敗事例を示す共同活動事例を検出して活動事例記憶手段に記憶するステップと、
前記共同活動の場に参加するユーザごとに、そのユーザの所定の条件に当てはまる前記活動事例記憶手段が記憶する前記共同活動事例において、共同活動した相手ユーザの活動に関する特性を示すユーザ特性に基づいて、前記ユーザの親和特性を算出する親和特性算出ステップと、
対象となる前記ユーザの組み合わせの第１のユーザおよび第２のユーザについて、前記第１のユーザの前記親和特性と前記第２のユーザの前記ユーザ特性との距離から前記第１のユーザの前記第２のユーザに対する親和度を算出する親和度算出ステップと、
前記ユーザの中から、前記親和度を含む所定の基準に適合する、前記共同活動を行う前記ユーザの組み合わせの候補を選出する候補選出ステップと、
前記候補選出ステップが選出した候補の情報を該当する前記ユーザに送信する送信ステップと、
を備えることを特徴とする。

本発明の第３の観点に係るプログラムは、コンピュータに
共同活動に対する評価を含む、ユーザの前記共同活動の場における活動の活動ログを取得するステップと、
前記活動ログを分析し、前記ユーザによる前記共同活動の成功または失敗を判断し、成功事例および失敗事例を示す共同活動事例を検出して活動事例記憶手段に記憶するステップと、
前記共同活動の場に参加するユーザごとに、そのユーザの所定の条件に当てはまる前記活動事例記憶手段が記憶する前記共同活動事例において、共同活動した相手ユーザの活動に関する特性を示すユーザ特性に基づいて、前記ユーザの親和特性を算出する親和特性算出ステップと、
対象となる前記ユーザの組み合わせの第１のユーザおよび第２のユーザについて、前記第１のユーザの前記親和特性と前記第２のユーザの前記ユーザ特性との距離から前記第１のユーザの前記第２のユーザに対する親和度を算出する親和度算出ステップと、
前記ユーザの中から、前記親和度を含む所定の基準に適合する、前記共同活動を行う前記ユーザの組み合わせの候補を選出する候補選出ステップと、
前記候補選出ステップが選出した候補の情報を該当する前記ユーザに送信する送信ステップと、
を実行させることを特徴とする。

本発明によれば、共動活動の場において有効であるかを考慮して共動活動の候補を選出できる。

本発明の実施の形態に係る共創支援システムの構成例を示すブロック図である。 実施の形態におけるユーザ特性を説明する図である。 実施の形態における共同活動事例の例を示す図である。 実施の形態に係る共創支援処理の動作の一例を示すフローチャートである。 本発明に係る共創支援装置のハードウェア構成の一例を示すブロック図である。

本発明において、活動ログとは、たとえば、Ｗｅｂサーバのアクセスログ、Ｗｅｂブラウザの操作ログなどであって、ユーザが共同活動の場で行った活動や、他のユーザの活動に対して行った評価などを示す。親和度とは、対象となるユーザの組み合わせについて、第１のユーザから見て第２のユーザが共同活動の相手として親和性があるか否かを表現する値であって、第１のユーザの親和特性および第２のユーザのユーザ特性に基づいて算出される。親和特性およびユーザ特性は、ユーザ固有のベクトルであって、ユーザ特性は、当該ユーザの共同活動の場での活動における特性を示すベクトルである。親和特性は、当該ユーザの過去の共同活動の事例のうち、成功したと評価される事例の共同活動を行ったユーザのユーザ特性に基づいて算出される。以下では、２人のユーザの共同活動について説明する。なお、３人以上のユーザの共同活動は２人の共同活動の組み合わせによると考える。

以下に、発明を実施するための形態について図面を参照して詳細に説明する。なお図中、同一または相当部分には同じ符号を付す。

図１は、本発明の実施の形態に係る共創支援システムの構成例を示すブロック図である。共創支援システム１００は、ネットワーク８で接続される共創支援装置１とユーザ端末６とで構成される。共創支援装置１は、活動ログ取得部１１、活動ログ記憶部１２、活動事例検出部１３、活動事例記憶部１４、ユーザ特性記憶部１５、類似度算出部１６、意外度算出部１７、親和度算出部１８、候補選出部１９および候補送信部２０を備える。なお、端末６は代表して１台で図示するが、実際には複数のユーザ端末６がネットワーク８に接続される。

活動ログ取得部１１は、ユーザ端末６からユーザの活動ログを取得する。共創支援装置１が、ネットワーク８を介して直接活動ログを取得するのではなく、共創支援装置１を有する管理サーバが活動ログを取得し、内部で受け取ることとしてもよい。活動ログは活動の履歴だけではなく活動の結果も含み、活動ログ取得部１１が受動的に取得するだけでなく能動的に外部から取得してもよい。

活動ログ記憶部１２は、活動ログ取得部１１が取得した活動ログを記憶している。

活動事例検出部１３は、活動ログ記憶部１２が記憶した活動ログを分析し、共同活動の成功事例や失敗事例を検出する。すなわち、所定の条件の第１の基準および第２の基準として共同活動の成功または失敗を判断する。判断方法についての詳細は後述する。

活動事例記憶部１４は、活動事例検出部１３が検出した共同活動の成功事例や失敗事例を記憶する。

活動事例検出部１３は、親和度算出部１８からの要求によって共同活動事例を検出することとしてもよい。この場合、検出した共同活動事例を、活動事例記憶部１４に記憶させるのではなく、直接、親和度算出部１８に送信してもよい。

ユーザ特性記憶部１５は、共同活動の場におけるユーザの活動に関する特性を示すユーザ特性を記憶している。ユーザ特性は特性ベクトルで表される。なお、共創支援装置１は、ユーザ特性更新部を備え、活動ログ取得部１１が取得した活動ログに基づいて、ユーザ特性記憶部１５が記憶しているユーザ特性を更新することとしてもよい。

類似度算出部１６は、ユーザ特性記憶部１５が記憶しているユーザの特性ベクトルからユーザ間の類似度を算出する。たとえば、２ユーザの特性ベクトルどうしの標準内積を類似度とする。

意外度算出部１７は、ユーザ特性記憶部１５が記憶しているユーザの特性ベクトルからユーザ間の意外度を算出する。たとえば、２ユーザの特性ベクトルどうしの外積の標準偏差を意外度とする。

親和度算出部１８は、すべてのユーザについて、活動事例記憶部１４が記憶している共同活動事例に基づいて親和特性を算出する。そして、親和度算出部１８は、対象となるユーザの組み合わせについて、第１のユーザの親和特性と第２のユーザのユーザ特性との距離を算出して、第１のユーザの第２のユーザに対する親和度とし、第２のユーザの親和特性と第１のユーザのユーザ特性との距離を算出して、第２のユーザの第１のユーザに対する親和度とする。

候補選出部１９は、対象となるユーザの組み合わせから、親和度算出部１８が算出した第１のユーザの第２のユーザに対する親和度および第２のユーザの第１のユーザに対する親和度の少なくとも一方が閾値Ｍ以下である組み合わせを除外する。そして、候補選出部１９は、類似度算出部１６が算出した類似度と意外度算出部１７が算出した意外度とを統合して候補度を算出し、候補度が閾値Ｌ以上である組み合わせを候補として選出する。

候補送信部２０は、候補選出部１９が選出した候補リストをユーザ端末６に送信する。

ユーザ端末６は、ユーザの活動の入力を受け付ける。ユーザは、ユーザ端末６を用いて共創支援装置１を有するサーバにアクセスし、種々の活動を行う。ユーザ端末６は、ユーザが入力した活動をネットワーク８を介して共創支援装置１に送信する。

本構成において、共同活動の候補の選出には様々な利用形態がある。たとえば、あるユーザをあらかじめ指定して、当該ユーザに対する共同活動の候補を選出する利用形態がある。たとえば、あるユーザグループを指定して、当該グループのメンバであるユーザの組み合わせの中から、共同活動の候補の組み合わせを選出する利用形態がある。さらに、たとえば、活動ログから共同活動事例を検出して、新たな候補の組み合わせが算出できた場合に、それを能動的に送信する利用形態がある。

図２は、実施の形態におけるユーザ特性を説明する図である。ユーザ特性記憶部１５は、図２に示すようなユーザ特性を記憶する。ユーザ特性は、ユーザを識別するＩＤである「ユーザ」と、対象となる活動の種別を示す「活動種別」と、当該活動における特性の分類を示す「特性軸」と、当該特性軸の値を示す「特性値」との項目で構成される。図２の例では、活動種別には「プログラム」や「デザイン」などがある。活動種別「プログラム」における特性軸には「ロジック思考」「ライブラリ知識」「キータイプ速度」などがあり、活動種別「デザイン」における特性軸には「音楽」「絵」「ストーリー」などがある。

実際には、ユーザ特性の特性軸の数をＮ個とし、特性軸を「特性１」「特性２」・・・「特性Ｎ」とすると、ユーザ特性はＮ次元のベクトルで表現される。ユーザＰ１のユーザ特性ベクトルをＰ１ｔとし、ユーザＰ２のユーザ特性ベクトルをＰ２ｔとし、ユーザＰ３のユーザ特性ベクトルをＰ３ｔとし、ユーザＰＭのユーザ特性ベクトルをＰＭｔとする。Ｐ１ｔ、Ｐ２ｔ、Ｐ３ｔ・・・ＰＭｔの値（特性値）は、事前に質問紙などによって明らかにされているものとし、あらかじめユーザ特性記憶部１５に記憶されている。

共創支援装置１がユーザ特性更新部を備える場合は、ユーザ特性更新部は、各ユーザのそれぞれの特性軸に対する得点を特性値として加算していく。たとえば、ユーザＰ１が作品Ｘを制作し、ユーザＰ３が作品Ｘをストーリー性が高いと評価した場合に、ユーザＰ１の特性ベクトルの活動種別「デザイン」の特性軸「ストーリー」の得点を増加させる。より複雑な例として、機械学習の手法を用いて特性ベクトルを更新してもよい。

ここで、ユーザＰ１とユーザＰ２が共同活動したことを想定する。この共同活動は、候補送信部２０によって候補リストが送信されたことがきっかけであっても、そうでなくてもよい。活動ログ取得部１１が取得したユーザＰ１およびユーザＰ２の活動ログに基づいて、活動事例検出部１３はユーザＰ１およびユーザＰ２の共同活動を検出する。具体的に共同活動は、たとえば、同じチャットルームで議論をしていたという活動ログから検出したり、ユーザＰ１が制作した作品をさらにユーザＰ２が手を加えて作品を作り変えたという活動ログから検出したりする。活動事例検出部１３は、活動ログに基づいてユーザＰ１およびユーザＰ２の共同活動が成功したか失敗したかを判定し、その事例を活動事例記憶部１４に格納する。

図３は、実施の形態における共同活動事例の例を示す図である。活動事例記憶部１４は、図３のように、共同活動が実際に成功したか失敗したかを表す共同活動事例を記憶する。共同活動事例は、共同活動を行った第１のユーザを識別するＩＤである「ユーザ１」と、共同活動を行った第２のユーザを識別するＩＤである「ユーザ２」と、共同活動を実行した期間を示す「期間」と、対象となる共同活動の種別を示す「活動種別」と、当該共同活動が成功したか失敗したかを示す「成功／失敗」の項目がある。活動種別には、「プログラム」や「デザイン」などがある。共同活動事例に「期間」や「活動種別」の項目を含まず、共同活動事例は、ユーザ１とユーザ２の共同活動が成功したか否かだけを示すこととしてもよい。また、簡単のため、たとえば「ユーザ１」がＰ１で、および「ユーザ２」がＰ２の事例は、「ユーザ１」がＰ２で、「ユーザ２」がＰ１である事例のレコードを含むこととする。

活動事例検出部１３は、活動ログ取得部１１が取得した活動ログを分析し、共同活動の成功事例や失敗事例を検出する。共同活動が成功したか失敗したかの判断は、評価が１次元の評価関数である場合は、閾値以上であれば成功と判断し、閾値以下であれば失敗と判断することができる。評価がＮ次元の座標軸である場合は、第１条件の範囲内にあるものを成功とし、第２条件の範囲内にあるものを失敗としてもよい。たとえば、ユーザＰ１およびユーザＰ２の共同活動によって制作されたプログラムＸと、ユーザＰ１およびユーザＰ２の共同活動によって制作されていないプログラムＹとを比較して、閲覧数や、ダウンロード数や、コメント数や、引用数の一部またはすべてにおいて、プログラムＸがプログラムＹを上回っていた場合に、活動事例検出部１３は、ユーザＰ１およびユーザＰ２の共同活動の成功事例として検出する。活動事例検出部１３は、共同活動によって制作された作品と、共同活動によって制作されていない作品との比較だけでなく、共同活動によって制作された作品と同じ活動種別の他の作品との比較で、成功事例または失敗事例を検出することとしてもよい。

この場合、活動事例検出部１３は、図３の例のように、「ユーザ１」がＰ１、「ユーザ２」がＰ２、「活動種別」がプログラムの「成功／失敗」の項目に「○」を入力する。活動事例検出部１３は、失敗事例の場合は「成功／失敗」の項目に「×」を入力する。また、共同活動をまだ行っていない場合には、「−」が入力されている。

より具体的には、たとえば、ユーザＰ１およびユーザＰ２のチャットルームでの議論がユーザＰ３によって支持された（たとえば、投票ボタンを押した）ことを活動ログから検出した場合に成功と判断することができる。あるいは、ユーザＰ１およびＰ２ユーザが関係して制作した作品がユーザＰ３によってよいものと評価された（たとえば、ユーザＰ１が単独で作った作品より多くの拍手ボタンを押した）場合に成功と判断することができる。また、活動種別がプログラムでありコミュニティの目標がよいアルゴリズムを作ることである場合は、プログラムの処理速度が向上したことなどにより判断してもよい。同様に、逆の尺度で共同活動の失敗も判断してもよいし、成功でないものを失敗と判断してもよい。

親和度算出部１８は、対象となるユーザについて、活動事例記憶部１４に記憶されている共同活動事例に基づいて親和特性を算出する。そして、対象のユーザの組み合わせについて、第１のユーザの親和特性と第２のユーザのユーザ特性との距離を算出して、第１のユーザの第２のユーザに対する親和度とする。同様に、第２のユーザの親和特性と第１のユーザのユーザ特性との距離を算出して、第２のユーザの第１のユーザに対する親和度とする。なお、親和度算出部１８は、算出した親和特性を記憶することとしてもよい。

親和特性もＮ次元のベクトルであり、たとえば、ユーザＰ１の親和特性は、「Ｐ（ユーザＰ１の成功事例のすべての相手ユーザの特性ベクトルの和）−Ｑ （ユーザＰ１の失敗事例のすべての相手ユーザの特性ベクトルの和）」の式で算出される。なお、ユーザＰ１の親和特性をＰ（ユーザＰ１の成功事例のすべての相手ユーザの特性ベクトルの和）のみとしてもよいし、ユーザＰ１の成功事例のすべての相手ユーザの特性ベクトルの平均としてもよい。また、算出したベクトルの特性軸を任意に選択して、親和特性としてもよい。そして、ユーザＰ１のユーザＰ２に対する親和度と、ユーザＰ２のユーザＰ１に対する親和度は、距離関数Ｆから算出する。

ユーザＰ１の親和特性をＰ１ｓ、ユーザ特性をＰ１ｕとし、ユーザＰ２の親和特性をＰ２ｓ、ユーザ特性をＰ２ｕとすると、距離関数Ｆは、たとえば、Ｐ１ｓとＰ２ｕとの標準内積およびＰ２ｓとＰ１ｕとの標準内積で定義できる。あるいは、Ｐ１ｓの部分空間のベクトルとＰ２ｕの部分空間のベクトルとの標準内積およびＰ２ｓの部分空間のベクトルとＰ１ｕの部分空間のベクトルとの標準内積を距離関数Ｆとしてもよい。または、Ｐ１ｓとＰ２ｕとのユークリッド距離およびＰ２ｓとＰ１ｕとのユークリッド距離、二値化したＰ１ｓと二値化したＰ２ｕとのハミング距離および二値化したＰ２ｓと二値化したＰ１ｕとのハミング距離などを、距離関数Ｆとして採用してもよい。なお、ユークリッド距離またはハミング距離を採用する場合は、親和度はこれらの値の逆数、あるいは、距離の最大値からこれらの値を引いた値とする。

なお、共同活動事例の数はユーザや評価傾向などによって様々であり、事例の絶対数が親和度に過度に影響するのは好ましくないため、親和特性および／または親和度の算出において、係数をかけたり正規化を行ったりするとよい。たとえば、共同活動の場がプラス評価しやすい傾向がある場合は、活動事例記憶部１４には、成功事例が多く記憶される。この場合、ＰがＱに比べて大きくなりすぎて、Ｑの意義が希薄になるため、Ｑに１より大きい係数をかけて補正する。逆の場合も同様である。係数は、事例数によって動的に決定することもできる。たとえば、成功事例数／失敗事例数をＱの係数とする。これにより、共同活動の場における評価傾向のばらつきに対応できる。

次に、ＰとＱの正規化について説明する。たとえば、新規に参加してきたユーザの事例は古くから参加しているユーザの事例より少ないなど、活動事例記憶部１４に格納される事例はユーザよって偏りがある。偏りがある状態のまま、ＰとＱの引き算をしてしまうと、親和度が正しく算出できない場合がある。そこで、すべてのユーザにおいてＰとＱを正規化（たとえば標準正規分布に従うように）する、もしくは、すべての親和特性を正規化する。これにより、共同活動事例のばらつきに対応できる。

そして、候補選出部１９は、対象となるユーザの組み合わせについて、親和度算出部１８が算出した第１のユーザの第２のユーザに対する親和度および第２のユーザの第１のユーザに対する親和度の少なくとも一方が閾値Ｍ以下である組み合わせを除外する。閾値Ｍは、あらかじめ指定しておいてもよいし、他の親和度の統計的数値を用いてもよい。統計的数値には、たとえば、平均値や２０％値などがある。そして、候補選出部１９は、類似度算出部１６が算出した類似度と意外度算出部１７が算出した意外度とを統合して候補度を算出し、候補度が閾値Ｌ以上である組み合わせを候補として選出する。候補度の算出は、たとえば、重み付き加算による。重み付き加算の重みは、ユーザまたはシステム管理者が任意に設定する。

また、候補度の算出は、類似度算出部１６が算出した類似度と意外度算出部１７が算出した意外度とを親和度算出部１８が算出した第１のユーザの第２のユーザに対する親和度および第２のユーザの第１のユーザに対する親和度を用いて統合することとしてもよい。たとえば、第１のユーザの第２のユーザに対する親和度および第２のユーザの第１のユーザに対する親和度の両方が高い場合に類似度が高いと、逆に特性が重複しすぎて効果がでない場合には、重み付き加算時の重みは、両方の親和度が閾値Ｎ以上であれば意外度を重視するように、意外度の重みを２倍にする。第１のユーザの第２のユーザに対する親和度および第２のユーザの第１のユーザに対する親和度の両方が低い場合に意外度が高いと、特性が乖離しすぎて効果がでない場合には、重み付き加算時の重みは、両方の親和度が閾値Ｎより小さければ類似度を重視するように、類似度の重みを２倍にする。

あるいは、重み付き加算において、親和度を正規化して類似度または意外度の重みとして扱ってもよい。この場合、両方の親和度が閾値Ｎ以上の場合は意外度の重みとして、両方の親和度が閾値Ｎより小さい場合は類類似度の重みとして扱う。なお、活動事例記憶部１４が共同活動事例が記憶されていない状態では、類似度および意外度のみに基づいて候補を選出する。

図４は、実施の形態に係る共創支援処理の動作の一例を示すフローチャートである。まず、類似度算出部１６，意外度算出部１７および親和度算出部１８は、処理の開始を指示する候補選出指示を取得する（ステップＳ１１）。候補選出指示は、たとえば、ユーザ端末６から取得することとしてもよいし、共創支援装置１を有する管理サーバから取得することとしてもよいし、活動ログ取得部１１から取得することとしてもよい。

類似度算出部１６は、ユーザ特性記憶部１５が記憶するユーザ特性に基づいて、すべての対象ユーザの組み合わせの類似度を算出する（ステップＳ１２）。意外度算出部１７は、ユーザ特性記憶部１５が記憶するユーザ特性に基づいて、すべての対象ユーザの組み合わせの意外度を算出する（ステップＳ１３）。親和度算出部１８は、活動事例記憶部１４が記憶する共同活動事例に基づいて、親和特性を算出し（ステップＳ１４）、親和特性に基づいて、対象ユーザの組み合わせの第１のユーザの第２のユーザに対する親和度および第２のユーザの第１のユーザに対する親和度を算出する（ステップＳ１５）。

次に、候補選出部１９は、対象ユーザの組み合わせについて、第１のユーザの第２のユーザに対する親和度および第２のユーザの第１のユーザに対する親和度の少なくとも一方が閾値Ｍ以下であるか否かを判定する（ステップＳ１６）。少なくとも一方の親和度が閾値Ｍ以下であれば（ステップＳ１６；ＹＥＳ）、当該組み合わせを除外する。（ステップＳ１７）。親和度が両方とも閾値Ｍより大きければ（ステップＳ１６；ＮＯ）、意外度と類似度を統合して候補度を算出する（ステップＳ１８）。候補選出部１９は、親和度が両方とも閾値Ｍより大きいすべての対象ユーザの組み合わせについて、候補度が閾値Ｌ以上であるか否かを判定する（ステップＳ１９）。候補度が閾値Ｌ以上でなければ（ステップＳ１９；ＮＯ）、当該組み合わせを除外する。（ステップＳ１７）。候補度が閾値Ｌ以上であれば（ステップＳ１９；ＹＥＳ）、候補として選出する（ステップＳ２０）。そして、候補送信部２０は、選出された候補リストをネットワーク８を介してユーザ端末６に送信する（ステップＳ２１）

以上説明したように、実施の形態の共創支援システム１００によれば、共同活動の成功事例と失敗事例を検出し、共同活動事例の履歴から親和特性を算出し、親和度の低い共動活動の候補を除外することによって、共動活動の場において有効であるかを考慮して共動活動の候補を選出できる。また、類似度と意外度を統合する候補度の算出に、親和度を加味することによって、共動活動の場に合わせて類似度と意外度の統合することができる。

図５は、本発明に係る共創支援装置のハードウェア構成の一例を示すブロック図である。共創支援装置１は、図５に示すように、制御部６１、主記憶部６２、外部記憶部６３、操作部６４、表示部６５および送受信部６６を備える。主記憶部６２、外部記憶部６３、操作部６４、表示部６５および送受信部６６はいずれも内部バス６０を介して制御部６１に接続されている。

制御部６１はＣＰＵ（Central Processing Unit）等から構成され、外部記憶部６３に記憶されている制御プログラム７０に従って、共創支援に係る処理を実行する。制御部６１は、活動事例検出部１３、類似度算出部１６、意外度算出部１７、親和度算出部１８および候補選出部１９として機能する。

主記憶部６２はＲＡＭ（Random-Access Memory）等から構成され、外部記憶部６３に記憶されている制御プログラム７０をロードし、制御部６１の作業領域として用いられる。

外部記憶部６３は、フラッシュメモリ、ハードディスク、ＤＶＤ−ＲＡＭ（Digital Versatile Disc Random-Access Memory）、ＤＶＤ−ＲＷ（Digital Versatile Disc ReWritable）等の不揮発性メモリから構成され、上述の処理を制御部６１に行わせるための制御プログラム７０を予め記憶する。また、制御部６１の指示に従って、この制御プログラム７０が記憶するデータを制御部６１に供給し、制御部６１から供給されたデータを記憶する。活動ログ記憶部１２、活動事例記憶部１４およびユーザ特性記憶部１５は、外部記憶部６３に構成される。

操作部６４はキーボードおよびマウスなどのポインティングデバイス等と、キーボードおよびポインティングデバイス等を内部バス６０に接続するインタフェース装置から構成されている。システム管理者が類似度および意外度を統合する際の重み付け加算の重みや、閾値Ｍや閾値Ｌを設定する場合は、操作部６４を介して、指示が制御部６１に供給される。

表示部６５は、ＣＲＴ（Cathode Ray Tube）またはＬＣＤ（Liquid Crystal Display）などから構成され、システム管理者が類似度および意外度を統合する際の重み付け加算の重みや、閾値Ｍや閾値Ｌを設定する場合は、操作画面を表示する。

送受信部６６は、ネットワークに接続する網終端装置または無線通信装置、およびそれらと接続するシリアルインタフェースまたはＬＡＮ（Local Area Network）インタフェースから構成されている。送受信部６６は、共創支援装置１とユーザ端末６および作成者端末７とを、ネットワーク８を介して接続する。活動ログ取得部１１および候補送信部２０は、送受信部６６に構成される。

その他、前記のハードウェア構成やフローチャートは一例であり、任意に変更および修正が可能である。

制御部６１、主記憶部６２、外部記憶部６３、操作部６４、内部バス６０などから構成される制御処理を行う中心となる部分は、専用のシステムによらず、通常のコンピュータシステムを用いて実現可能である。たとえば、前記の動作を実行するためのコンピュータプログラムを、コンピュータが読み取り可能な記録媒体（フレキシブルディスク、ＣＤ−ＲＯＭ、ＤＶＤ−ＲＯＭ等）に格納して配布し、該コンピュータプログラムをコンピュータにインストールすることにより、前記の処理を実行する共創支援装置１を構成してもよい。また、インターネット等の通信ネットワーク上のサーバ装置が有する記憶装置に該コンピュータプログラムを格納しておき、通常のコンピュータシステムがダウンロード等することで共創支援装置１を構成してもよい。

また、共創支援装置１の機能を、ＯＳ（オペレーティングシステム）とアプリケーションプログラムの分担、またはＯＳとアプリケーションプログラムとの協働により実現する場合などには、アプリケーションプログラム部分のみを記録媒体や記憶装置に格納してもよい。

また、搬送波にコンピュータプログラムを重畳し、通信ネットワークを介して配信することも可能である。たとえば、通信ネットワーク上の掲示板(BBS：Bulletin Board System)に前記コンピュータプログラムを掲示し、ネットワークを介して前記コンピュータプログラムを配信してもよい。そして、このコンピュータプログラムを起動し、ＯＳの制御下で、他のアプリケーションプログラムと同様に実行することにより、前記の処理を実行できるように構成してもよい。

上記の実施形態の一部または全部は、以下の付記のようにも記載されうるが、以下には限られない。

（付記１）
共同活動の場に参加するユーザに共同活動を行う候補者の情報を提供する共創支援装置であって、
前記ユーザの活動に関する特性を示すユーザ特性を記憶するユーザ特性記憶手段と、
前記ユーザの前記共同活動の場における活動の活動ログを取得する手段と、
前記活動ログから、前記ユーザによる前記共同活動の事例とその評価を含む共同活動事例を検出する活動事例検出手段と、
前記活動事例検出手段が検出した前記共同活動事例を記憶する活動事例記憶手段と、
前記共同活動の場に参加するユーザごとに、そのユーザの所定の条件に当てはまる前記共同活動事例において共同活動した相手ユーザの前記ユーザ特性に基づいて、前記ユーザの親和特性を算出する親和特性算出手段と、
対象となる前記ユーザの組み合わせの第１のユーザおよび第２のユーザについて、前記第１のユーザの前記親和特性と前記第２のユーザの前記ユーザ特性との距離から前記第１のユーザの前記第２のユーザに対する親和度を算出する親和度算出手段と、
前記ユーザの中から、前記親和度を含む所定の基準に適合する、前記共同活動を行う前記ユーザの組み合わせの候補を選出する候補選出手段と、
前記候補選出手段が選出した候補の情報を該当する前記ユーザに送信する送信手段と、
を備えることを特徴とする共創支援装置。

（付記２）
前記ユーザ特性に基づいて、前記ユーザ間の特性の似ている度合いを示す類似度を算出する類似度算出手段と、
前記ユーザ特性に基づいて、前記ユーザ間の特性の似ていない度合いを示す意外度を算出する意外度算出手段と、をさらに備え、
前記候補選出手段は、前記第１のユーザの前記第２のユーザに対する前記親和度および前記第２のユーザの前記第１のユーザに対する前記親和度の少なくとも一方が所定の値以下の前記ユーザの組み合わせを候補から除外し、前記類似度と前記意外度とを統合して候補度を算出し、前記候補度が所定の値以上である前記ユーザの組み合わせを候補として選出することを特徴とする付記１に記載の共創支援装置。

（付記３）
前記候補選出手段は、前記第１のユーザの前記第２のユーザに対する前記親和度および前記第２のユーザの前記第１のユーザに対する前記親和度の少なくとも一方が所定の値以下の前記ユーザの組み合わせを候補から除外し、前記親和度に基づいて設定した係数で、前記類似度と前記意外度とを統合して前記候補度を算出し、前記候補度が所定の値以上である前記ユーザの組み合わせを候補として選出することを特徴とする付記２に記載の共創支援装置。

（付記４）
前記親和特性算出手段は、前記ユーザが共同活動を行った前記共同活動事例の評価が第１の基準を満たす前記相手ユーザの前記ユーザ特性の和と、前記ユーザが共同活動を行った前記共同活動事例の評価が第２の基準を満たす前記相手ユーザの前記ユーザ特性の和との差で算出することを特徴とする付記１ないし３のいずれか１項に記載の共創支援装置。

（付記５）
前記親和度算出手段は、前記第１のユーザの親和特性および前記第２のユーザのユーザ特性のベクトルの標準内積、前記親和特性および前記ユーザ特性のそれぞれの部分空間のベクトルの標準内積、前記親和特性および前記ユーザ特性のベクトルのユークリッド距離、前記親和特性および前記ユーザ特性のそれぞれの要素を二値化したベクトルのハミング距離のうちいずれか１つの距離で、前記親和度を算出することを特徴とする付記１ないし４のいずれか１項に記載の共創支援装置。

（付記６）
共同活動の場に参加するユーザに共同活動を行う候補者の情報を提供する共創支援装置が実行する共創支援方法であって、
前記ユーザの前記共同活動の場における活動の活動ログを取得するステップと、
前記活動ログから、前記ユーザによる前記共同活動の事例とその評価を含む共同活動事例を検出して活動事例記憶手段に記憶するステップと、
前記共同活動の場に参加するユーザごとに、そのユーザの所定の条件に当てはまる前記活動事例記憶手段が記憶する前記共同活動事例において、共同活動した相手ユーザの活動に関する特性を示すユーザ特性に基づいて、前記ユーザの親和特性を算出する親和特性算出ステップと、
対象となる前記ユーザの組み合わせの第１のユーザおよび第２のユーザについて、前記第１のユーザの前記親和特性と前記第２のユーザの前記ユーザ特性との距離から前記第１のユーザの前記第２のユーザに対する親和度を算出する親和度算出ステップと、
前記ユーザの中から、前記親和度を含む所定の基準に適合する、前記共同活動を行う前記ユーザの組み合わせの候補を選出する候補選出ステップと、
前記候補選出ステップが選出した候補の情報を該当する前記ユーザに送信する送信ステップと、
を備えることを特徴とする共創支援方法。

（付記７）
前記ユーザ特性に基づいて、前記ユーザ間の特性の似ている度合いを示す類似度を算出する類似度算出ステップと、
前記ユーザ特性に基づいて、前記ユーザ間の特性の似ていない度合いを示す意外度を算出する意外度算出ステップと、をさらに備え、
前記候補選出ステップでは、前記親和度が所定の値以下の前記ユーザの組み合わせを候補から除外し、前記類似度と前記意外度とを統合して候補度を算出し、前記候補度が所定の値以上である前記ユーザの組み合わせを候補として選出することを特徴とする付記６に記載の共創支援方法。

（付記８）
前記候補選出ステップでは、前記親和度が所定の値以下の前記ユーザの組み合わせを候補から除外し、前記親和度に基づいて設定した係数で、前記類似度と前記意外度とを統合して前記候補度を算出し、前記候補度が所定の値以上である前記ユーザの組み合わせを候補として選出することを特徴とする付記７に記載の共創支援方法。

（付記９）
前記親和特性算出ステップでは、前記ユーザが共同活動を行った前記共同活動事例の評価が第１の基準を満たす前記相手ユーザの前記ユーザ特性の和と、前記ユーザが共同活動を行った前記共同活動事例の評価が第２の基準を満たす前記相手ユーザの前記ユーザ特性の和との差で算出することを特徴とする付記６ないし８のいずれか１項に記載の共創支援方法。

（付記１０）
前記親和度算出ステップでは、前記第１のユーザの親和特性および前記第２のユーザのユーザ特性のベクトルの標準内積、前記親和特性および前記ユーザ特性のそれぞれの部分空間のベクトルの標準内積、前記親和特性および前記ユーザ特性のベクトルのユークリッド距離、前記親和特性および前記ユーザ特性のそれぞれの要素を二値化したベクトルのハミング距離のうちいずれか１つの距離で、前記親和度を算出することを特徴とする付記６ないし９のいずれか１項に記載の共創支援方法。

（付記１１）
コンピュータに、
ユーザの共同活動の場における活動の活動ログを取得するステップと、
前記活動ログから、前記ユーザによる前記共同活動の事例とその評価を含む共同活動事例を検出して活動事例記憶手段に記憶するステップと、
前記共同活動の場に参加するユーザごとに、そのユーザの所定の条件に当てはまる前記活動事例記憶手段が記憶する前記共同活動事例において、共同活動した相手ユーザの活動に関する特性を示すユーザ特性に基づいて、前記ユーザの親和特性を算出する親和特性算出ステップと、
対象となる前記ユーザの組み合わせの第１のユーザおよび第２のユーザについて、前記第１のユーザの前記親和特性と前記第２のユーザの前記ユーザ特性との距離から前記第１のユーザの前記第２のユーザに対する親和度を算出する親和度算出ステップと、
前記ユーザの中から、前記親和度を含む所定の基準に適合する、前記共同活動を行う前記ユーザの組み合わせの候補を選出する候補選出ステップと、
前記候補選出ステップが選出した候補の情報を該当する前記ユーザに送信する送信ステップと、
を実行させることを特徴とするプログラム。

１ 共創支援装置
６ ユーザ端末
８ ネットワーク
１１ 活動ログ取得部
１２ 活動ログ記憶部
１３ 活動事例検出部
１４ 活動事例記憶部
１５ ユーザ特性記憶部
１６ 類似度算出部
１７ 意外度算出部
１８ 親和度算出部
１９ 候補選出部
２０ 候補送信部
６１ 制御部
６２ 主記憶部
６３ 外部記憶部
６４ 操作部
６５ 表示部
６６ 送受信部
７０ 制御プログラム
１００ 共創支援システム

Claims (10)

1. 共同活動の場に参加するユーザに共同活動を行う候補者の情報を提供する共創支援装置であって、
   前記ユーザの活動に関する特性を示すユーザ特性を記憶するユーザ特性記憶手段と、
   前記共同活動に対する評価を含む、前記ユーザの前記共同活動の場における活動の活動ログを取得する手段と、
   前記活動ログを分析し、前記ユーザによる前記共同活動の成功または失敗を判断し、成功事例および失敗事例を示す共同活動事例を検出する活動事例検出手段と、
   前記活動事例検出手段が検出した前記共同活動事例を記憶する活動事例記憶手段と、
   前記共同活動の場に参加するユーザごとに、そのユーザの所定の条件に当てはまる前記共同活動事例において共同活動した相手ユーザの前記ユーザ特性に基づいて、前記ユーザの親和特性を算出する親和特性算出手段と、
   対象となる前記ユーザの組み合わせの第１のユーザおよび第２のユーザについて、前記第１のユーザの前記親和特性と前記第２のユーザの前記ユーザ特性との距離から前記第１のユーザの前記第２のユーザに対する親和度を算出する親和度算出手段と、
   前記ユーザの中から、前記親和度を含む所定の基準に適合する、前記共同活動を行う前記ユーザの組み合わせの候補を選出する候補選出手段と、
   前記候補選出手段が選出した候補の情報を該当する前記ユーザに送信する送信手段と、
   を備えることを特徴とする共創支援装置。
2. 前記ユーザ特性に基づいて、前記ユーザ間の特性ベクトルどうしの標準内積を類似度として算出する類似度算出手段と、
   前記ユーザ特性に基づいて、前記ユーザ間の特性ベクトルどうしの外積の標準偏差を意外度として算出する意外度算出手段と、をさらに備え、
   前記候補選出手段は、前記第１のユーザの前記第２のユーザに対する前記親和度および前記第２のユーザの前記第１のユーザに対する前記親和度の少なくとも一方が所定の値以下の前記ユーザの組み合わせを候補から除外し、前記類似度と前記意外度とを統合して候補度を算出し、前記候補度が所定の値以上である前記ユーザの組み合わせを候補として選出することを特徴とする請求項１に記載の共創支援装置。
3. 前記候補選出手段は、前記第１のユーザの前記第２のユーザに対する前記親和度および前記第２のユーザの前記第１のユーザに対する前記親和度の少なくとも一方が所定の値以下の前記ユーザの組み合わせを候補から除外し、前記親和度に基づいて設定した係数で、前記類似度と前記意外度とを統合して前記候補度を算出し、前記候補度が所定の値以上である前記ユーザの組み合わせを候補として選出することを特徴とする請求項２に記載の共創支援装置。
4. 前記親和特性算出手段は、前記ユーザが共同活動を行った前記成功事例の前記相手ユーザの前記ユーザ特性の和と、前記ユーザが共同活動を行った前記失敗事例の前記相手ユーザの前記ユーザ特性の和との差で算出することを特徴とする請求項１ないし３のいずれか１項に記載の共創支援装置。
5. 前記親和度算出手段は、前記第１のユーザの親和特性および前記第２のユーザのユーザ特性のベクトルの標準内積、前記親和特性および前記ユーザ特性のそれぞれの部分空間のベクトルの標準内積、前記親和特性および前記ユーザ特性のベクトルのユークリッド距離、前記親和特性および前記ユーザ特性のそれぞれの要素を二値化したベクトルのハミング距離のうちいずれか１つの距離で、前記親和度を算出することを特徴とする請求項１ないし４のいずれか１項に記載の共創支援装置。
6. 共同活動の場に参加するユーザに共同活動を行う候補者の情報を提供する共創支援装置が実行する共創支援方法であって、
   前記共同活動に対する評価を含む、前記ユーザの前記共同活動の場における活動の活動ログを取得するステップと、
   前記活動ログを分析し、前記ユーザによる前記共同活動の成功または失敗を判断し、成功事例および失敗事例を示す共同活動事例を検出して活動事例記憶手段に記憶するステップと、
   前記共同活動の場に参加するユーザごとに、そのユーザの所定の条件に当てはまる前記活動事例記憶手段が記憶する前記共同活動事例において、共同活動した相手ユーザの活動に関する特性を示すユーザ特性に基づいて、前記ユーザの親和特性を算出する親和特性算出ステップと、
   対象となる前記ユーザの組み合わせの第１のユーザおよび第２のユーザについて、前記第１のユーザの前記親和特性と前記第２のユーザの前記ユーザ特性との距離から前記第１のユーザの前記第２のユーザに対する親和度を算出する親和度算出ステップと、
   前記ユーザの中から、前記親和度を含む所定の基準に適合する、前記共同活動を行う前記ユーザの組み合わせの候補を選出する候補選出ステップと、
   前記候補選出ステップが選出した候補の情報を該当する前記ユーザに送信する送信ステップと、
   を備えることを特徴とする共創支援方法。
7. 前記ユーザ特性に基づいて、前記ユーザ間の特性ベクトルどうしの標準内積を類似度として算出する類似度算出ステップと、
   前記ユーザ特性に基づいて、前記ユーザ間の特性ベクトルどうしの外積の標準偏差を意外度として算出する意外度算出ステップと、をさらに備え、
   前記候補選出ステップでは、前記親和度が所定の値以下の前記ユーザの組み合わせを候補から除外し、前記類似度と前記意外度とを統合して候補度を算出し、前記候補度が所定の値以上である前記ユーザの組み合わせを候補として選出することを特徴とする請求項６に記載の共創支援方法。
8. 前記候補選出ステップでは、前記親和度が所定の値以下の前記ユーザの組み合わせを候補から除外し、前記親和度に基づいて設定した係数で、前記類似度と前記意外度とを統合して前記候補度を算出し、前記候補度が所定の値以上である前記ユーザの組み合わせを候補として選出することを特徴とする請求項７に記載の共創支援方法。
9. 前記親和特性算出ステップでは、前記ユーザが共同活動を行った前記成功事例の前記相手ユーザの前記ユーザ特性の和と、前記ユーザが共同活動を行った前記失敗事例の前記相手ユーザの前記ユーザ特性の和との差で算出することを特徴とする請求項６ないし８のいずれか１項に記載の共創支援方法。
10. コンピュータに、
    共同活動に対する評価を含む、ユーザの前記共同活動の場における活動の活動ログを取得するステップと、
    前記活動ログを分析し、前記ユーザによる前記共同活動の成功または失敗を判断し、成功事例および失敗事例を示す共同活動事例を検出して活動事例記憶手段に記憶するステップと、
    前記共同活動の場に参加するユーザごとに、そのユーザの所定の条件に当てはまる前記活動事例記憶手段が記憶する前記共同活動事例において、共同活動した相手ユーザの活動に関する特性を示すユーザ特性に基づいて、前記ユーザの親和特性を算出する親和特性算出ステップと、
    対象となる前記ユーザの組み合わせの第１のユーザおよび第２のユーザについて、前記第１のユーザの前記親和特性と前記第２のユーザの前記ユーザ特性との距離から前記第１のユーザの前記第２のユーザに対する親和度を算出する親和度算出ステップと、
    前記ユーザの中から、前記親和度を含む所定の基準に適合する、前記共同活動を行う前記ユーザの組み合わせの候補を選出する候補選出ステップと、
    前記候補選出ステップが選出した候補の情報を該当する前記ユーザに送信する送信ステップと、
    を実行させることを特徴とするプログラム。

Images