JP5994388B2 - サーバ、情報処理方法及び情報処理プログラム - Google Patents

Description

本発明は、サーバ、情報処理方法及び情報処理プログラムに関する。

利用者がどのような状態にあるのかを推定するプレゼンス推定技術が存在する。このプレゼンスとは、例えば、人の現在の状態を示す言葉である。一例としては、会議中や外出中などがプレゼンスに含まれる。例えば、プレゼンス推定技術を利用することで、企業内で個々の社員のプレゼンスを全社員に把握可能にさせるサービスや、利用者のプレゼンスにあわせて情報提供を行うサービスなどが提案されている。

プレゼンス推定技術としては、例えば、利用者の動作や場所、スケジュールなどに基づいて、プレゼンスを推定する技術が存在する。また、例えば、利用者と周囲にいる利用者との関係を示す情報や周囲の騒音レベルなどを用いてプレゼンスを推定する技術も存在する。

なお、動作を検出する技術としては、例えば、加速度センサと角速度センサを組み合わせたモーションセンサを用いた技術、あるいは、カメラ画像から推定する技術などが利用される。

特開２００５−７１０２６号公報 特開２００６−５４５３号公報

しかしながら、上記従来技術では、必ずしも利用者のプレゼンスを推定することができないという問題がある。例えば、ある利用者が野球のバットを振っている場合に、この利用者のプレゼンスは「素振り」と推定される。これに対して、この利用者の周囲の者の投球行為に対してバットを振っている場合には、利用者は「素振り」ではなく「バッティング」を行っていると考えられる。しかし、上記従来技術では、「素振り」と「バッティング」とを区別することなく、この利用者のプレゼンスは「素振り」と推定されてしまう。このように、従来技術では、必ずしも利用者のプレゼンスを推定することができなかった。

開示の技術は、上記に鑑みてなされたものであって、利用者のプレゼンスを高い確度で推定することができるサーバ、情報処理方法及び情報処理プログラムを提供することを目的とする。

本願の開示する技術は、一つの態様において、取得部と、推定部と、決定部とを備える。取得部は、第１利用者の行動情報、位置情報及びスケジュールのうちいずれか一つ又は複数を含む利用者情報から推定された第１利用者の第１プレゼンス情報を取得する。推定部は、第１利用者の位置情報から定まる第１利用者の周囲にいる第２利用者の利用者情報から第１利用者の第２プレゼンス情報を推定する。決定部は、取得した第１プレゼンス情報と、推定した第２プレゼンス情報とに基づいて、第１利用者の第３プレゼンス情報を決定する。

本願の開示する技術の一つの態様によれば、利用者のプレゼンスを高い確度で推定することができるという効果を奏する。

図１は、実施例１に係るシステムの構成例を示す図である。 図２は、実施例１に係る端末の機能構成を示すブロック図である。 図３は、実施例１に係るサーバの機能構成を示すブロック図である。 図４は、状態記憶部に記憶される情報の一例を示す図である。 図５は、学習データ記憶部に記憶される情報の一例を示す図である。 図６は、対応記憶部に記憶される情報の一例を示す図である。 図７は、プレゼンス学習処理の処理手順を示すフローチャートである。 図８は、プレゼンス推定処理の処理手順を示すフローチャートである。 図９は、情報処理プログラムを実行するコンピュータを示す図である。

以下に、本願の開示するサーバ、情報処理方法及び情報処理プログラムの実施例を図面に基づいて詳細に説明する。なお、この実施例によりこの発明が限定されるものではない。各実施例は、処理内容を矛盾させない範囲で適宜組み合わせることが可能である。

実施例１に係るシステムの構成例について説明する。図１は、実施例１に係るシステムの構成例を示す図である。図１に示すように、このシステムには、ＳＮＳ（Social Networking Service）サーバ２０と、端末３０ａと、端末３０ｂと、端末３０ｃと、サーバ１００とが収容される。また、管理サーバ２０、端末３０ａ，３０ｂ，３０ｃ、サーバ１００は、ネットワーク１０を介して接続される。このネットワーク１０としては、有線又は無線を問わず、インターネット（Internet）、ＬＡＮ（Local Area Network）やＶＰＮ（Virtual Private Network）などの任意の種類の通信網を採用して良い。また、図１に示した例では、サーバ１００に３つの端末３０ａ，３０ｂ，３０ｃが接続される場合を示したが、図示の構成に限定されない。すなわち、サーバ１００には任意数の端末が接続されて良い。また、以下では、端末３０ａ，３０ｂ，３０ｃの各装置を区別無く総称する場合には、端末３０と記載する。

管理サーバ２０は、例えば、スケジュール管理サービスを提供するサーバ装置である。例えば、管理サーバ２０は、利用者ＩＤによって識別される個々の利用者が携帯電話やパーソナルコンピュータなどの情報通信機器を用いて登録したスケジュールを記憶する。このスケジュールには、少なくとも、利用者を識別する利用者ＩＤと、その利用者により登録されたスケジュールに関するデータと、各スケジュールが行われる予定時刻が対応付けられる。また、例えば、管理サーバ２０は、利用者によって登録されたスケジュールを利用者の求めに応じて閲覧させる。なお、本実施例では、管理サーバ２０にスケジュールを登録する情報通信機器としては、上記の携帯電話やパーソナルコンピュータのほか、スマートフォンやＰＨＳ（Personal Handy-phone System）端末などを用いても良い。また、後述の端末３０を用いてスケジュールを登録しても良く、端末３０とは別の装置を用いて登録しても良い。

端末３０は、例えば、加速度センサを備え、端末３０を保持する利用者の動作を推定する情報処理装置である。この端末３０の一例としては、スマートフォン、携帯電話、ＰＨＳ（Personal Handy-phone System）端末、活動量計などが挙げられる。

図２は、実施例１に係る端末の機能構成を示すブロック図である。図２に示すように、端末３０は、位置検出部３１、行動推定部３２、状態推定部３３と、通信部３４とを有する。

位置検出部３１は、端末３０の位置情報を検出する。例えば、位置検出部３１は、ＧＰＳ（Global Positioning System）受信部である。例えば、位置検出部３１は、ＧＰＳ衛星から送出される電波を受信し、受信した電波をもとに端末３０の位置情報を取得する。位置検出部３１は、取得した位置情報を後述の状態推定部３３へ出力するとともに、通信部３４を介してサーバ１００へ送信する。なお、位置検出部３１により取得される位置情報は、例えば、グローバル座標である。また、位置検出部３１が位置情報を検出する方法は、これに限定されるものではない。例えば、位置検出部３１は、無線ＬＡＮや３Ｇネットワークなどの無線通信方式を利用した三角法によって位置情報を検出しても良い。

行動推定部３２は、端末３０を保持する利用者の行動を推定する。例えば、行動推定部３２は、森田千絵、佐藤誠、土井美和子，「加速度データを用いた行動認識」，情報科学技術フォーラム一般講演論文集，２００２（３），ｐｐ．４１５−４１６に記載されるように、加速度センサを用いて所定時間ごとの動作を推定する。なお、ここで言う「行動」とは、「座る」、「立つ」、「歩く」、「話す」などの個人の動作を含む。

例えば、行動推定部３２は、１秒ごとに、端末３０の位置や向きの変化に応じた加速度データを加速度センサから取得する。行動推定部３２は、取得した加速度データに基づいて、端末３０を保持する利用者の行動を推定する。行動推定部３２は、推定した行動と、推定された時刻とを対応付けて、状態推定部３３に出力する。なお、ここでは、行動推定部３２が加速度センサを用いて行動を推定する方法を説明したが、本発明はこれに限定されるものではない。例えば、行動推定部３２は、加速度センサと角速度センサとを組み合わせたモーションセンサを用いても良く、カメラ画像から推定する技術を用いても良い。また、ここでは、行動推定部３２が１秒ごとに行動を推定する場合を説明したが、本発明はこれに限定されるものではなく、例えば、０．５秒ごとに行動を推定しても良い。

状態推定部３３は、端末３０を保持する利用者の状態を推定する。例えば、状態推定部３３は、特開２００７−７２５９２号公報に記載されるように、利用者の行動、位置情報及びスケジュールのいずれか一つ又は複数を含む利用者情報を用いて所定時間ごとの状態を推定する。この技術では、例えば、隠れマルコフモデルやリカレントニューラルネットワークなどを用いた確率モデルが利用される。なお、状態は、プレゼンス情報とも称される。ここで言う「状態」とは、「会議中」、「休憩中」、「食事中」などを含み、行動を内包するものとする。また、状態推定部３３によって推定されるプレゼンス情報は、第１プレゼンス情報の一例である。

例えば、状態推定部３３は、１分ごとに、利用者の１分間の行動を示す行動情報を行動推定部３２から取得する。状態推定部３３は、位置検出部３１から同時刻の位置情報を取得する。状態推定部３３は、後述の通信部３４を介して管理サーバ２０から利用者のスケジュールを取得する。状態推定部３３は、利用者の行動情報、位置情報及びスケジュールに基づいて、端末３０を保持する利用者のプレゼンス情報を推定する。状態推定部３３は、推定したプレゼンス情報と、推定した推定時刻と、同時刻の行動情報とを対応付けて、状態情報として通信部３４を介してサーバ１００へ送信する。なお、ここでは、状態推定部３３が１分ごとに状態を推定する場合を説明したが、本発明はこれに限定されるものではなく、例えば、０．５分ごとに状態を推定しても良い。

通信部３４は、例えば、サーバ１００と端末３０との間で送受信される各種情報に関する通信を制御する。この通信部３４一例としては、ネットワークインタフェースカード（ＮＩＣ：Network Interface Card）が挙げられる。また、例えば、通信部３４は、状態推定部３３から推定されたプレゼンス情報と、推定時刻と、同時刻の行動情報とを受け付けて、受け付けた情報をサーバ１００に送信する。また、例えば、通信部３４は、位置検出部３１から位置情報を受け付けて、受け付けた位置情報をサーバ１００に送信する。

なお、位置検出部３１、行動推定部３２、状態推定部３３には、各種の集積回路や電子回路を採用できる。例えば、集積回路としては、ＡＳＩＣ（Application Specific Integrated Circuit）が挙げられる。また、電子回路としては、ＣＰＵ（Central Processing Unit）やＭＰＵ（Micro Processing Unit）などが挙げられる。

サーバ１００は、利用者の行動情報、位置情報及びスケジュールに関する情報などの利用者情報から推定したプレゼンスと、利用者の周囲の他者の利用者情報から推定したプレゼンスとを統合して、利用者のプレゼンスを推定する。

図３は、実施例１に係るサーバの機能構成を示すブロック図である。図３に示すように、サーバ１００は、通信部１０１と、取得部１０２と、状態記憶部１０３と、生成部１０４と、学習データ記憶部１０５と、対応記憶部１０６と、推定部１０７と、決定部１０８とを有する。

通信部１０１は、サーバ１００と端末３０との間で送受信される各種情報に関する通信を制御する。この通信部１０１の一例としては、ＮＩＣが挙げられる。例えば、通信部１０１は、例えば、通信部１０１は、プレゼンス情報、推定時刻、同時刻の行動情報及び位置情報を端末３０から受け付けて、受け付けた情報を取得部１０２、生成部１０４及び推定部１０７に出力する。

取得部１０２は、例えば、端末３０から各種情報を取得する。一例としては、取得部１０２は、端末３０により推定されたプレゼンス情報、推定時刻及び同時刻の行動情報を通信部１０１から受け付ける。取得部１０２は、受け付けたプレゼンス情報、推定時刻及び同時刻の行動情報を状態記憶部１０３へ格納する。なお、取得部１０２が端末３０から受け付けるプレゼンス情報は、端末３０の利用者の第１プレゼンス情報の一例である。

一態様としては、取得部１０２は、プレゼンス情報「移動中」、推定時刻「２０１２／４／２０ １５：２８」及び同時刻の行動情報「歩く、話す」を端末３０ａから受け付ける。取得部１０２は、端末３０ａから受け付けたプレゼンス情報、推定時刻及び同時刻の行動情報を、端末３０ごとに対応付けて状態記憶部１０３へ格納する。

状態記憶部１０３は、例えば、状態を記憶する。例えば、状態記憶部１０３は、利用者ごとのプレゼンス情報が取得部１０２によって格納される。また、例えば、状態記憶部１０３は、生成部１０４によって参照される。なお、状態記憶部１０３に記憶されるプレゼンス情報は、端末３０の利用者の第１プレゼンス情報の一例である。

一例としては、状態記憶部１０３は、日時、プレゼンス情報及び行動情報を端末３０ごとに記憶する。このうち、日時は、端末３０によってプレゼンス情報が推定された推定時刻を指す。また、プレゼンス情報は、端末３０の利用者の状態を指す。また、行動情報は、同時刻における端末３０の利用者の行動を指す。

図４は、状態記憶部に記憶される情報の一例を示す図である。図４には、利用者Ａが保持する端末３０ａによって推定されたプレゼンス情報が１分ごとに登録された場合を例示する。図４の２行目には、日時「２０１２／４／２０ １５：２８」、プレゼンス情報「移動中」及び行動情報「歩く、話す」が対応付けられる。つまり、状態記憶部１０３は、２０１２年４月２０日１５時２８分に利用者Ａが「歩く」及び「話す」という行動をとっており、移動中であると推定されたことを記憶する。また、状態記憶部１０３は、他の日時についても同様に、プレゼンス情報及び行動情報を記憶する。なお、ここでは、一例として、状態記憶部１０３が利用者Ａのプレゼンス情報を記憶する場合を例示したが、これに限定されるものではない。つまり、状態記憶部１０３は、他の利用者のプレゼンス情報についても同様に記憶する。

生成部１０４は、例えば、利用者の第１プレゼンス情報と、利用者の周囲にいる他の利用者の利用者情報との対応関係を生成する。例えば、生成部１０４は、教師有り学習を用いて対応関係を生成する。例えば、生成部１０４は、利用者の第１プレゼンス情報を教師信号とし、利用者の周囲にいる他の利用者の利用者情報を教師信号に対応する学習データとして、教師信号と学習データとの対応関係を生成する。

一例としては、生成部１０４は、端末３０により推定されたプレゼンス情報、推定時刻、同時刻の行動情報及び位置情報を通信部１０１から受け付ける。生成部１０４は、利用者の周囲に他の利用者がいるか判定する。周囲に他の利用者がいる場合には、生成部１０４は、利用者のプレゼンス情報を教師信号に設定する。生成部１０４は、他の利用者の同時刻の行動情報を状態記憶部１０３から抽出する。生成部１０４は、抽出した他の利用者の行動情報を集計する。生成部１０４は、集計した他の利用者の行動情報を他の利用者の人数で正規化する。生成部１０４は、行動情報ごとに正規化した値を学習データ記憶部１０５に格納する。生成部１０４は、あるプレゼンス情報について、所定数以上の学習データがあるか否かを判定する。所定数以上の学習データがある場合には、生成部１０４は、プレゼンス情報ごとに対応記憶部１０６を更新する。

ここで、利用者Ａが、他の利用者Ｂ〜Ｋとともに移動している場合を例示して説明する。生成部１０４は、利用者Ａの端末３０ａにより推定されたプレゼンス情報「移動中」、推定時刻「２０１２／４／２０ １５：２８」及び位置情報を通信部１０１から受け付ける。生成部１０４は、利用者Ａの位置情報を参照し、例えば、利用者Ａから半径１０ｍ以内に他の利用者がいるか判定する。ここでは、利用者Ａから半径１０ｍ以内に他の利用者Ｂ〜Ｋがいるものとする。この場合、生成部１０４は、利用者Ａのプレゼンス情報「移動中」を教師信号に設定する。生成部１０４は、他の利用者Ｂ〜Ｋの同時刻の行動情報を状態記憶部１０３から抽出する。例えば、利用者Ｂの状態記憶部１０３を参照し、推定時刻「２０１２／４／２０ １５：２８」に対応する行動情報「歩く」を抽出する。例えば、利用者Ｂ〜Ｋのうち７人から行動情報「歩く」が抽出された場合には、生成部１０４は、他の利用者Ｂ〜Ｋの行動情報を集計して、歩く「７」を算出する。生成部１０４は、集計した他の利用者Ｂ〜Ｋの行動情報「歩く」を人数「１０」で正規化することで、「０．７」を算出する。生成部１０４は、行動情報「歩く」について正規化した値「０．７」を学習データ記憶部１０５に格納する。なお、ここでは、行動情報「歩く」についてのみ説明したが、生成部１０４は、他の行動情報についても同様に処理を実行する。また、ここでは、利用者の周囲に他の利用者がいるか判定する場合に、半径を用いる場合を説明したが、本発明はこれに限定されるものではない。例えば、利用者の第１プレゼンスに応じて範囲を変更しても良い。つまり、利用者の第１プレゼンス情報が「歩行中」であれば、生成部１０４は、利用者の前後方向に長い楕円形の範囲内に他の利用者がいるか判定しても良い。また、例えば、生成部１０４は、利用者が室内にいる場合には、その部屋の内側に他の利用者がいるか判定しても良い。

また、生成部１０４は、推定時刻「２０１２／４／２０ １５：２８」について学習データ記憶部１０５に情報を格納すると、格納したプレゼンス情報について所定数以上の学習データがあるか否かを判定する。例えば、生成部１０４は、過去１週間分の学習データ記憶部１０５を参照し、プレゼンス情報「移動中」に対応するレコードが１０個以上あるか否かを判定する。ここで、プレゼンス情報「移動中」に対応するレコードが１０個以上ある場合には、生成部１０４は、移動中に対応する行動情報ごとに正規化した値の平均値を算出する。例えば、行動情報「歩く」について正規化した値が、それぞれ「０．５」、「０．６」、「０．７」、「０．８」、「０．９」、「０．５」、「０．６」、「０．７」、「０．８」、「０．９」である場合には、生成部１０４は、「０．７」を算出する。生成部１０４は、算出した「０．７」をプレゼンス情報「移動中」に対応する行動情報「歩く」に格納する。なお、ここでは、行動情報「歩く」についてのみ説明したが、生成部１０４は、他の行動情報についても同様に処理を実行する。

学習データ記憶部１０５は、例えば、学習データを記憶する。例えば、学習データ記憶部１０５は、生成部１０４によって利用者ごとに格納される。

一例としては、学習データ記憶部１０５は、日時、プレゼンス情報及び周囲の他の利用者の行動情報が対応付けられた情報を、利用者ごとに記憶する。このうち、周囲の他の利用者の行動情報は、同時刻における端末３０の利用者の行動が集計されたものを指す。周囲の他の利用者の行動情報は、座る、立つ、歩く、話すなどを含む。

図５は、学習データ記憶部に記憶される情報の一例を示す図である。図５には、利用者Ａが保持する端末３０ａによって推定されたプレゼンス情報が１分ごとに登録された場合を例示する。図５の２行目には、日時「２０１２／４／２０ １５：２８」、プレゼンス情報「移動中」、座る「０．１」、立つ「０．１」、歩く「０．７」及び話す「０．５」が対応付けられている。つまり、学習データ記憶部１０５は、２０１２年４月２０日１５時２８分に利用者Ａが移動中であった時に、周囲の他の利用者が取っていた行動の割合が、座る「０．１」、立つ「０．１」、歩く「０．７」及び話す「０．５」であったことを記憶する。なお、ここでは、一例として、学習データ記憶部１０５が利用者Ａのプレゼンス情報について記憶する場合を例示したが、これに限定されるものではない。つまり、学習データ記憶部１０５は、他の利用者のプレゼンス情報についても同様に記憶する。

対応記憶部１０６は、例えば、例えば、利用者の第１プレゼンス情報と、利用者の周囲にいる他の利用者の利用者情報との対応関係を記憶する。例えば、対応記憶部１０６は、生成部１０４によって利用者ごとに格納される。

一例としては、対応記憶部１０６は、日時、プレゼンス情報及び周囲の他の利用者の行動情報が対応付けられた情報を、利用者ごとに記憶する。このうち、周囲の他の利用者の行動情報は、利用者のプレゼンス情報ごとに、周囲の他の利用者が取っていた行動の割合を指す。周囲の他の利用者の行動情報は、座る、立つ、歩く、話すなどを含む。

図６は、対応記憶部に記憶される情報の一例を示す図である。図６には、利用者Ａが保持する端末３０ａによって推定されたプレゼンス情報が登録された場合を例示する。図６の２行目には、プレゼンス情報「移動中」、座る「０．２」、立つ「０．１５」、歩く「０．７」及び話す「０．４５」が対応付けられている。つまり、対応記憶部１０６は、利用者のプレゼンス情報が「移動中」であった場合に、周囲の他の利用者が取っていた行動の割合が、座る「０．２」、立つ「０．１５」、歩く「０．７」及び話す「０．４５」であったことを記憶する。なお、ここでは、一例として、対応記憶部１０６が利用者Ａのプレゼンス情報について記憶する場合を例示したが、これに限定されるものではない。つまり、対応記憶部１０６は、他の利用者のプレゼンス情報についても同様に記憶する。

推定部１０７は、例えば、利用者の周囲にいる他の利用者の利用者情報から、利用者のプレゼンス情報を推定する。例えば、推定部１０７は、利用者の位置情報から定まる利用者の周囲にいる他の利用者の行動情報から、利用者のプレゼンス情報を推定する。なお、推定部１０７によって推定されるプレゼンス情報は、第２プレゼンス情報の一例である。

ここで、利用者Ａが、他の利用者Ｂ〜Ｋとともに移動している場合を例示して説明する。一態様としては、推定部１０７は、隠れマルコフモデルやリカレントニューラルネットワークなどを用いた確率モデルを利用して、利用者のプレゼンス情報を推定する。推定部１０７は、利用者Ａの端末３０ａにより推定されたプレゼンス情報「移動中」、推定時刻「２０１２／４／２０ １５：２８」及び位置情報を通信部１０１から受け付ける。推定部１０７は、利用者Ａの位置情報を参照し、例えば、利用者Ａから半径１０ｍ以内に他の利用者がいるか判定する。ここでは、利用者Ａから半径１０ｍ以内に他の利用者Ｂ〜Ｋがいるものとする。この場合、推定部１０７は、状態記憶部１０３を参照し、利用者Ｂ〜Ｋの行動情報を抽出する。推定部１０７は、抽出した利用者Ｂ〜Ｋの行動情報を集計し、各行動情報について人数比を算出する。例えば、推定部１０７は、座る「０．１」、立つ「０．１」、歩く「０．７」及び話す「０．５」を算出する。推定部１０７は、算出した各行動情報の人数比と、対応記憶部１０６の利用者Ａの各プレゼンス情報に対応付けられた各行動情報の割合とを比較し、プレゼンス情報ごとに尤度を算出する。推定部１０７は、算出したプレゼンス情報ごとの尤度を、利用者Ａのプレゼンス情報として決定部１０８に出力する。

決定部１０８は、第１プレゼンス情報と第２プレゼンス情報とに基づいて、利用者の第３プレゼンス情報を決定する。例えば、決定部１０８は、前記第１プレゼンス情報の尤度と、前記第２プレゼンス情報の尤度とを用いて、前記第３プレゼンス情報の尤度を算出し、算出した尤度が最良となる第３プレゼンス情報を決定する。

一態様としては、決定部１０８は、端末３０ａから受け付けた利用者Ａのプレゼンス情報の尤度と、推定部１０７によって推定された利用者Ａのプレゼンス情報の尤度とを加算する。決定部１０８は、加算した尤度が最良となるプレゼンス情報を、利用者Ａのプレゼンス情報として決定する。決定部１０８によって決定されたプレゼンス情報は、種々のサービスで利用されて良い。

次に、実施例１に係るプレゼンス学習処理の処理手順について説明する。図７は、プレゼンス学習処理の処理手順を示すフローチャートである。図７に示す処理は、図示した各装置に電源から電力が供給される間、所定時間間隔で実行される。

図７に示すように、取得部１０２は、端末３０により推定されたプレゼンス情報、推定時刻及び同時刻の行動情報を通信部１０１から受け付ける（ステップＳ１０１）。取得部１０２は、受け付けたプレゼンス情報、推定時刻及び同時刻の行動情報を状態記憶部１０３へ格納する（ステップＳ１０２）。

生成部１０４は、利用者の周囲に他の利用者がいるか判定する（ステップＳ１０３）。周囲に他の利用者がいる場合には（ステップＳ１０３肯定）、生成部１０４は、利用者のプレゼンス情報を教師信号に設定する（ステップＳ１０４）。生成部１０４は、他の利用者の同時刻の行動情報を状態記憶部１０３から抽出する（ステップＳ１０５）。

生成部１０４は、抽出した他の利用者の行動情報を集計する（ステップＳ１０６）。生成部１０４は、集計した他の利用者の行動情報を他の利用者の人数で正規化する（ステップＳ１０７）。生成部１０４は、行動情報ごとに正規化した値を学習データ記憶部１０５に格納する（ステップＳ１０８）。生成部１０４は、あるプレゼンス情報について、所定数以上の学習データがあるか否かを判定する（ステップＳ１０９）。所定数以上の学習データがある場合には（ステップＳ１０９肯定）、生成部１０４は、プレゼンス情報ごとに対応記憶部１０６を更新する（ステップＳ１１０）。

なお、周囲に他の利用者がいない場合には（ステップＳ１０３否定）、サーバ１００は、ステップＳ１０１の処理に移行する。また、所定数以上の学習データがない場合には（ステップＳ１０９否定）、サーバ１００は、ステップＳ１０１の処理に移行する。

次に、実施例１に係るプレゼンス推定処理の処理手順について説明する。図８は、プレゼンス推定処理の処理手順を示すフローチャートである。図８に示す処理は、図示した各装置に電源から電力が供給される間、所定時間間隔で実行される。また、図８に示す処理は、例えば、サーバ１００が利用者情報を受信したことを契機として開始されても良く、利用者の要求に応じて開始されても良い。

図８に示すように、処理タイミングになると（ステップＳ２０１肯定）、推定部１０７は、利用者の周囲にいる他の利用者の利用者情報から、利用者のプレゼンス情報を推定する（ステップＳ２０２）。決定部１０８は、推定部１０７によって推定された利用者のプレゼンス情報と、端末３０から受け付けた利用者のプレゼンス情報とに基づいて、利用者のプレゼンス情報を決定する（ステップＳ２０３）。なお、処理タイミングになるまで（ステップＳ２０１否定）、推定部１０７待機状態である。

次に、実施例１に係るサーバ１００の効果について説明する。サーバ１００は、第１利用者の行動情報、位置情報及びスケジュールのうちいずれか一つ又は複数を含む利用者情報から推定された第１利用者の第１プレゼンス情報を取得する。サーバ１００は、第１利用者の位置情報から定まる第１利用者の周囲にいる第２利用者の利用者情報から第１利用者の第２プレゼンス情報を推定する。サーバ１００は、取得した第１プレゼンス情報と、推定した第２プレゼンス情報とに基づいて、第１利用者の第３プレゼンス情報を決定する。このため、サーバ１００は、利用者のプレゼンスを高い確度で推定することができる。

また、例えば、サーバ１００は、第１利用者の第１プレゼンス情報を教師信号とし、第１利用者の周囲にいる第２利用者の利用者情報を教師信号に対応する学習データとして、教師信号と学習データとの対応関係を生成する。サーバ１００は、生成した対応関係と、第２利用者の利用者情報とに基づいて、第１利用者の第２プレゼンス情報を推定する。このため、サーバ１００は、利用者のプレゼンスを高い確度で推定することができる。

また、例えば、サーバ１００は、第２利用者が複数存在する場合に、第２利用者の人数を正規化して対応関係を生成する。このため、サーバ１００は、利用者の周囲の他の利用者の人数が変動したとしても、利用者のプレゼンスを高い確度で推定することができる。

また、例えば、サーバ１００は、第１プレゼンス情報の尤度と、第２プレゼンス情報の尤度とを用いて、第３プレゼンス情報の尤度を算出し、算出した尤度が最良となる第３プレゼンス情報を決定する。このため、サーバ１００は、利用者のプレゼンスを高い確度で推定することができる。

さて、これまで本発明の実施例について説明したが、本発明は上述した実施例以外にも、その他の実施例にて実施されても良い。そこで、以下では、その他の実施例について説明する。

上記の実施例では、端末３０の状態推定部３３によって第１プレゼンス情報が推定される場合を説明したが、本発明はこれに限定されるものではない。例えば、状態推定部３３の機能をサーバ１００に持たせ、サーバ１００によって第１プレゼンス情報が推定される構成としても良い。

また、上記の実施例において説明した各処理のうち、自動的に行われるものとして説明した処理の全部または一部を手動的に行うこともでき、あるいは、手動的に行われるものとして説明した処理の全部または一部を公知の方法で自動的に行うこともできる。この他、上述文書中や図面中で示した処理手順、制御手順、具体的名称、各種のデータやパラメータを含む情報については、特記する場合を除いて任意に変更することができる。

また、図３に示したサーバ１００の各構成要素は機能概念的なものであり、必ずしも物理的に図示の如く構成されていることを要しない。すなわち、サーバ１００の分散・統合の具体的形態は図示のものに限られず、その全部または一部を、各種の負荷や使用状況などに応じて、任意の単位で機能的または物理的に分散・統合して構成することができる。例えば、図３に示した推定部１０７及び決定部１０８の機能を同一の処理部が実行してもかまわない。

図９は、情報処理プログラムを実行するコンピュータの一例を示す図である。図９に示すように、コンピュータ３００は、各種演算処理を実行するＣＰＵ３０１と、ユーザからデータの入力を受け付ける入力装置３０２と、モニタ３０３とを有する。また、コンピュータ３００は、記憶媒体からプログラム等を読み取る媒体読み取り装置３０４と、他の装置と接続するためのインターフェース装置３０５と、他の装置と無線により接続するための無線通信装置３０６とを有する。また、コンピュータ３００は、各種情報を一時記憶するＲＡＭ（Random Access Memory）３０７と、ハードディスク装置３０８とを有する。また、各装置３０１〜３０８は、バス３０９に接続される。

ハードディスク装置３０８には、図３に示した取得部１０２、推定部１０７及び決定部１０８の各処理部と同様の機能を有する情報処理プログラムが記憶される。また、ハードディスク装置３０８には、情報処理プログラムを実現するための各種データが記憶される。

ＣＰＵ３０１は、ハードディスク装置３０８に記憶された各プログラムを読み出して、ＲＡＭ３０７に展開して実行することで、各種の処理を行う。また、これらのプログラムは、コンピュータを図３に示した取得部１０２、推定部１０７及び決定部１０８として機能させることができる。

なお、上記の情報処理プログラムは、必ずしもハードディスク装置３０８に記憶されている必要はない。例えば、コンピュータが読み取り可能な記録媒体に記憶されたプログラムを、コンピュータ３００が読み出して実行するようにしても良い。コンピュータが読み取り可能な記録媒体は、例えば、ＣＤ−ＲＯＭやＤＶＤディスク、ＵＳＢ（Universal Serial Bus）メモリ等の可搬型記録媒体、フラッシュメモリ等の半導体メモリ、ハードディスクドライブ等が対応する。また、公衆回線、インターネット、ＬＡＮ（Local Area Network）、ＷＡＮ（Wide Area Network）等に接続された装置にこのプログラムを記憶させておき、コンピュータ３００がこれらからプログラムを読み出して実行するようにしても良い。

以上の各実施例を含む実施形態に関し、さらに以下の付記を開示する。

（付記１）第１利用者の行動情報、位置情報及びスケジュールのうちいずれか一つ又は複数を含む利用者情報から推定された当該第１利用者の第１プレゼンス情報を取得する取得部と、
前記第１利用者の位置情報から定まる前記第１利用者の周囲にいる第２利用者の前記利用者情報から前記第１利用者の第２プレゼンス情報を推定する推定部と、
取得した前記第１プレゼンス情報と、推定した前記第２プレゼンス情報とに基づいて、前記第１利用者の第３プレゼンス情報を決定する決定部と
を備えることを特徴とするサーバ。

（付記２）前記第１利用者の第１プレゼンス情報を教師信号とし、当該第１利用者の周囲にいる第２利用者の前記利用者情報を当該教師信号に対応する学習データとして、当該教師信号と当該学習データとの対応関係を生成する生成部をさらに備え、
前記推定部は、前記生成部によって生成された対応関係と、前記第２利用者の前記利用者情報とに基づいて、前記第１利用者の第２プレゼンス情報を推定することを特徴とする付記１に記載のサーバ。

（付記３）前記生成部は、前記第２利用者が複数存在する場合に、当該第２利用者の人数を正規化して前記対応関係を生成することを特徴とする付記２に記載のサーバ。

（付記４）前記決定部は、前記第１プレゼンス情報の尤度と、前記第２プレゼンス情報の尤度とを用いて、前記第３プレゼンス情報の尤度を算出し、算出した当該尤度が最良となる第３プレゼンス情報を決定することを特徴とする付記１〜３のいずれか一つに記載のサーバ。

（付記５）コンピュータによって実行される情報処理方法であって、
前記コンピュータが、
第１利用者の行動情報、位置情報及びスケジュールのうちいずれか一つ又は複数を含む利用者情報から推定された当該第１利用者の第１プレゼンス情報を取得し、
前記第１利用者の位置情報から定まる前記第１利用者の周囲にいる第２利用者の前記利用者情報から前記第１利用者の第２プレゼンス情報を推定し、
取得した前記第１プレゼンス情報と、推定した前記第２プレゼンス情報とに基づいて、前記第１利用者の第３プレゼンス情報を決定する
各処理を実行することを特徴とする情報処理方法。

（付記６）前記第１利用者の第１プレゼンス情報を教師信号とし、当該第１利用者の周囲にいる第２利用者の前記利用者情報を当該教師信号に対応する学習データとして、当該教師信号と当該学習データとの対応関係を生成し、
前記推定する処理は、前記生成部によって生成された対応関係と、前記第２利用者の前記利用者情報とに基づいて、前記第１利用者の第２プレゼンス情報を推定することを特徴とする付記５に記載の情報処理方法。

（付記７）前記生成する処理は、前記第２利用者が複数存在する場合に、当該第２利用者の人数を正規化して前記対応関係を生成することを特徴とする付記６に記載の情報処理方法。

（付記８）前記決定する処理は、前記第１プレゼンス情報の尤度と、前記第２プレゼンス情報の尤度とを用いて、前記第３プレゼンス情報の尤度を算出し、算出した当該尤度が最良となる第３プレゼンス情報を決定することを特徴とする付記５〜７のいずれか一つに記載の情報処理方法。

（付記９）コンピュータに、
第１利用者の行動情報、位置情報及びスケジュールのうちいずれか一つ又は複数を含む利用者情報から推定された当該第１利用者の第１プレゼンス情報を取得し、
前記第１利用者の位置情報から定まる前記第１利用者の周囲にいる第２利用者の前記利用者情報から前記第１利用者の第２プレゼンス情報を推定し、
取得した前記第１プレゼンス情報と、推定した前記第２プレゼンス情報とに基づいて、前記第１利用者の第３プレゼンス情報を決定する
各処理を実行させることを特徴とする情報処理プログラム。

（付記１０）前記第１利用者の第１プレゼンス情報を教師信号とし、当該第１利用者の周囲にいる第２利用者の前記利用者情報を当該教師信号に対応する学習データとして、当該教師信号と当該学習データとの対応関係を生成し、
前記推定する処理は、前記生成部によって生成された対応関係と、前記第２利用者の前記利用者情報とに基づいて、前記第１利用者の第２プレゼンス情報を推定することを特徴とする付記９に記載の情報処理プログラム。

（付記１１）前記生成する処理は、前記第２利用者が複数存在する場合に、当該第２利用者の人数を正規化して前記対応関係を生成することを特徴とする付記１０に記載の情報処理プログラム。

（付記１２）前記決定する処理は、前記第１プレゼンス情報の尤度と、前記第２プレゼンス情報の尤度とを用いて、前記第３プレゼンス情報の尤度を算出し、算出した当該尤度が最良となる第３プレゼンス情報を決定することを特徴とする付記９〜１１のいずれか一つに記載の情報処理プログラム。

３０ 端末
３１ 位置検出部
３２ 行動推定部
３３ 状態推定部
３４ 通信部
１００ サーバ
１０１ 通信部
１０２ 取得部
１０３ 状態記憶部
１０４ 生成部
１０５ 学習データ記憶部
１０６ 対応記憶部
１０７ 推定部
１０８ 決定部

Claims (5)

1. 第１利用者の行動情報、位置情報及びスケジュールのうちいずれか一つ又は複数を含む利用者情報から推定された当該第１利用者の第１プレゼンス情報を取得する取得部と、
   前記第１利用者の第１プレゼンス情報を教師信号とし、当該第１利用者の位置情報から定まる当該第１利用者の周囲にいる第２利用者の前記利用者情報を当該教師信号に対応する学習データとして、当該教師信号と当該学習データとの対応関係を生成する生成部と、
   前記生成部によって生成された対応関係と、前記第２利用者の前記利用者情報とに基づいて、前記第１利用者の第２プレゼンス情報を推定する推定部と、
   取得した前記第１プレゼンス情報と、推定した前記第２プレゼンス情報とに基づいて、前記第１利用者の第３プレゼンス情報を決定する決定部と
   を備えることを特徴とするサーバ。
2. 前記生成部は、前記第２利用者が複数存在する場合に、当該第２利用者の人数を正規化して前記対応関係を生成することを特徴とする請求項１に記載のサーバ。
3. 前記決定部は、前記第１プレゼンス情報の尤度と、前記第２プレゼンス情報の尤度とを用いて、前記第３プレゼンス情報の尤度を算出し、算出した当該尤度が最良となる第３プレゼンス情報を決定することを特徴とする請求項１又は２に記載のサーバ。
4. コンピュータによって実行される情報処理方法であって、
   前記コンピュータが、
   第１利用者の行動情報、位置情報及びスケジュールのうちいずれか一つ又は複数を含む利用者情報から推定された当該第１利用者の第１プレゼンス情報を取得し、
   前記第１利用者の第１プレゼンス情報を教師信号とし、当該第１利用者の位置情報から定まる当該第１利用者の周囲にいる第２利用者の前記利用者情報を当該教師信号に対応する学習データとして、当該教師信号と当該学習データとの対応関係を生成し、
   生成された前記対応関係と、前記第２利用者の前記利用者情報とに基づいて、前記第１利用者の第２プレゼンス情報を推定し、
   取得した前記第１プレゼンス情報と、推定した前記第２プレゼンス情報とに基づいて、前記第１利用者の第３プレゼンス情報を決定する
   各処理を実行することを特徴とする情報処理方法。
5. コンピュータに、
   第１利用者の行動情報、位置情報及びスケジュールのうちいずれか一つ又は複数を含む利用者情報から推定された当該第１利用者の第１プレゼンス情報を取得し、
   前記第１利用者の第１プレゼンス情報を教師信号とし、当該第１利用者の位置情報から定まる当該第１利用者の周囲にいる第２利用者の前記利用者情報を当該教師信号に対応する学習データとして、当該教師信号と当該学習データとの対応関係を生成し、
   生成された前記対応関係と、前記第２利用者の前記利用者情報とに基づいて、前記第１利用者の第２プレゼンス情報を推定し、
   取得した前記第１プレゼンス情報と、推定した前記第２プレゼンス情報とに基づいて、前記第１利用者の第３プレゼンス情報を決定する
   各処理を実行させることを特徴とする情報処理プログラム。

Images