JP6069870B2 - 親密度算出方法、親密度算出プログラムおよび親密度算出装置 - Google Patents

Description

本発明は、親密度算出方法等に関する。

利用者間の親密度を求め、求めた親密度に応じて各利用者を線で結んだ人物相関図を生成する技術が存在する。この人物相関図を利用することで、各利用者の関わり合いを視覚的に確認することが可能となる。

ここで、利用者間の親密度を求める従来技術には様々なものが存在する。例えば、従来技術では、同じ画像に各利用者が写っているか否か、画像内で立っている利用者間の間隔が狭いか広いか、各利用者が個人情報を一緒に登録しているか否か等のパラメータを基にして、親密度を算出している。

特開２００８−７１１１２号公報 特開２００１−２６５７９１号公報 特開２０１１−１３３９８８号公報 特開２００９−１２９３３８号公報 特開２００８−３３８３２号公報

しかしながら、上述した従来技術では、親密度を適切に算出することができないという問題があった。

例えば、利用者が相手に親近感を覚える場合には、親近感を覚えない相手と比較して、表面的な行動だけではなく、相手とのコミュニケーションの内容も違ったものとなる。これに対して、従来技術では、利用者間の物理的な位置、または行為等の表面的なパラメータから親密度を算出しており、心理的なパラメータを配慮しておらず、親密度を適切に算出しているとはいえない。

開示の技術は、上記に鑑みてなされたものであって、親密度を適切に算出することができる親密度算出方法、親密度算出プログラムおよび親密度算出装置を提供することを目的とする。

開示の親密度算出方法は、コンピュータが以下の手順で処理を実行する。コンピュータは、端末装置を用いた利用者間の通話の音声データを取得して該音声データの特徴量を抽出し、抽出した特徴量と基準特徴量との乖離具合を数値化したストレス値を算出する。コンピュータは、ストレス値を基にして、利用者間の親密度を算出する。

本願の方法によれば、親密度を適切に算出することができるという効果を奏する。

図１は、本実施例１に係る親密度算出装置の構成を示す機能ブロック図である。 図２は、本実施例１に係る人物相関データのデータ構造の一例を示す図である。 図３は、親密度の計算結果を説明するための図である。 図４は、本実施例１に係る人物相関図の一例を示す図である。 図５は、本実施例１に係る人物相関データを生成する処理手順を示すフローチャートである。 図６は、本実施例１に係る人物相関図を生成する処理手順を示すフローチャートである。 図７は、本実施例２に係る親密度算出装置の構成を示す機能ブロック図である。 図８は、本実施例２に係る人物相関データのデータ構造の一例を示す図である。 図９は、本実施例２に係る人物相関データを生成する処理手順を示すフローチャートである。 図１０は、本実施例３に係るシステムの構成を示す図である。 図１１は、本実施例３に係る管理サーバの構成を示す機能ブロック図である。 図１２は、本実施例３に係る管理サーバの処理手順を示すフローチャートである。 図１３は、本実施例４に係るシステムの構成を示す図である。 図１４は、ＳＮＳサーバの構成を示す機能ブロックである。 図１５は、本実施例４に係る人物相関データのデータ構造の一例を示す図である。 図１６は、本実施例４に係るＳＮＳサーバの処理手順を示すフローチャートである。 図１７は、本実施例５に係るシステムの構成を示す図である。 図１８は、表示形態選択部が表示させる入力画面の一例を示す図である。 図１９は、本実施例５に係る人物相関図の一例を示す図である。 図２０は、ＡＬＬが選択された場合の人物相関図の一例を示す図である。 図２１は、親密度算出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。

以下に、本願の開示する親密度算出方法、親密度算出プログラムおよび親密度算出装置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。

本実施例１に係る親密度算出装置について説明する。図１は、本実施例１に係る親密度算出装置の構成を示す機能ブロック図である。図１に示すように、この親密度算出装置１００は、通信部１０１、マイク１０２、送信部１０３、通話情報取得部１０４、受話部１０５、音声認識部１０６、沈黙率算出部１０７、発話比率算出部１０８、キーワード出現頻度算出部１０９を有する。また、親密度算出装置１００は、ストレス値算出部１１０、記憶部１１１、データ管理部１１２、親密度算出部１１３、人物相関図作成部１１４、表示部１１５を有する。例えば、親密度算出装置１００は、携帯電話や固定電話などに内蔵されているものとする。

通信部１０１は、通話の相手側が使用する電話機とデータ通信を実行する処理部である。以下の説明では、通話の相手側が使用する電話機を単に電話機と表記する。通信部１０１は、ネットワークを介して、電話機と接続される。

例えば、通信部１０１は、送信部１０３から受け付ける音声データを、電話機に送信する。また、通信部１０１は、電話機から受信する相手側の音声データを受話部１０５に出力する。

マイク１０２は、利用者の音声をＡ／Ｄ変換することで、音声データに変換するマイクである。マイク１０２は、音声データを送信部１０３に出力する。

送信部１０３は、音声データに対して送信のための符号化処理を施し、符号化処理を施した音声データを通信部１０１に出力する処理部である。また、送信部１０３は、音声データを音声認識部１０６、ストレス値算出部１１０に出力する処理部である。

通話情報取得部１０４は、通信部１０１、タイマ等と協働して、通話に関する各種の情報を取得する処理部である。例えば、通話情報取得部１０４は、通話回数、通話時間、通話日時を取得する。通話情報取得部１０４は、どのような従来技術を利用して、通話回数、通話時間、通話日時を取得しても良い。

通話情報取得部１０４は、通話回数、通話時間、通話日時の情報をデータ管理部１１２に出力する。また、通話情報取得部１０４は、通話時間の情報を、沈黙率算出部１０７、発話比率算出部１０８、キーワード出現頻度算出部１０９に出力する。

受話部１０５は、電話機から送信される相手側の音声データを受信し、受信した音声データを復号する処理部である。受話部１０５が復号した音声データをレシーバから再生させる。また、受話部１０５は、相手側の音声データを音声認識部１０６に出力する。

音声認識部１０６は、音声データを取得し、音声区間の検出する処理および音声区間に所定のキーワードが出現する回数を計数する処理を実行する処理部である。

音声認識部１０６が音声区間を検出する処理について説明する。音声認識部１０６は、例えば、フレームパワーのピーク値などを用いて音声区間を検出する。音声認識部１０６は、利用者の音声区間の情報、相手側の音声区間の情報を沈黙率算出部１０７および発話比率算出部１０８に出力する。なお、音声認識部１０６は、零交差数、自己相関関数のピーク値、変形自己相関関数のピーク値を基にして、音声区間を検出しても良い。音声認識部１０６は、その他の従来技術を利用して、音声区間を検出しても良い。

音声認識部１０６がキーワードの出現回数を計数する処理について説明する。例えば、音声認識部１０６は、予め指摘されたキーワードの音声パターンと、音声データとをマッチングして、予め指定されたキーワードの出現回数を計数する。例えば、指定されるキーワードは「はい」、「そうです」等の肯定的な意味を示すキーワードとする。音声認識部１０６は、計数したキーワードの出現回数の情報をキーワード出現頻度算出部１０９に出力する。

沈黙率算出部１０７は、通話時間のうち、利用者の音声と相手側の音声とが無音となる時間の割合を沈黙率として算出する処理部である。例えば、沈黙率算出部１０７は、通話時間から、音声区間の時間を減算することで、無音区間の時間を算出する。沈黙率算出部１０７は、無音区間の時間を通話時間で割ることで、沈黙率を算出する。沈黙率算出部１０７は、沈黙率の情報をデータ管理部１１２に出力する。

発話比率算出部１０８は、通話中の利用者の発話比率を算出する処理部である。例えば、発話比率算出部１０８は、式（１）を用いて、発話比率を算出する。式（１）において、「sum_user」は利用者の音声データの総音声区間長を示す。「sum_party」は相手側の音声データの総音声区間長を示す。発話比率算出部１０８は、発話比率の情報をデータ管理部１１２に出力する。

発話比率（talk ratio）=sum_user/sum_user+sum_party×１００（％）・・・（１）

なお、発話比率算出部１０８は、利用者の音声データのみ取得でき、相手側の音声データを取得できない場合には、式（２）を用いて、発話比率を算出しても良い。式（２）において、「total」は、通話開始から通話終了までの通話時間に対応する。

発話比率（talk ratio）=sum_user/total×１００（％）・・・（２）

キーワード出現頻度算出部１０９は、音声データに含まれる予め指定されたキーワードの出現頻度を算出する処理部である。例えば、キーワード出現頻度算出部１０９は、音声認識することで、通話中の単語の総数を求める。そして、予め指定されたキーワードの出現数を、通話中の単語の総数で割り算することで、キーワード出現頻度を算出する。なおキーワード出現頻度は１００を掛けて、パーセントの単位にして用いる。キーワード出現頻度算出部１０９は、キーワード出現頻度の情報を、データ管理部１１２に出力する。なお、通話中の単語の総数に限定されず、形態素や音節の総数など、通話中に発声された分割可能な文字列の単位を用いてもよい。

ストレス値算出部１１０は、利用者が相手側にどれほどのストレスを感じているのかを数値化したストレス値を算出する処理部である。例えば、ストレス値算出部１１０は、音声データの特徴量を抽出し、抽出した特徴量と基準特徴量との乖離具合を数値化することで、ストレス値を算出する。以下において、ストレス値算出部１１０の処理の一例について説明する。

ストレス値算出部１１０は、音声データを分析し、フレーム毎の母音を抽出する。ストレス値算出部１１０は、フレーム毎に母音のピッチ周波数およびパワーを算出し、ピッチ周波数およびパワーの分散値を、音声データの特徴量として抽出する。

ストレス値算出部１１０は、音声データから抽出した特徴量と基準特徴量とを比較し、特徴量と基準特徴量との乖離具合を数値化する。ストレス値算出部１１０は、特徴量と基準特徴量との乖離具合が大きいほど、ストレス値を大きくする。

ここで、基準特徴量は、利用者の平常時の音声データから抽出される特徴量であり、予め、ストレス値算出部１１０に設定されているものとする。また、ストレス値算出部１１０は、ストレス値の値が０〜１００に含まれるように、ストレス値を正規化しても良い。ストレス値算出部１１０は、ストレス値の情報を、データ管理部１１２に出力する。

記憶部１１１は、各種のデータを記憶する記憶装置である。例えば、記憶部１１１は、電話帳データ１１１ａ、人物相関データ１１１ｂを有する。記憶部１１１は、例えば、ＲＡＭ（Random Access Memory）、ＲＯＭ（Read Only Memory）、フラッシュメモリ（Flash Memory）などの半導体メモリ素子、またはハードディスク、光ディスクなどの記憶装置に対応する。

電話帳データ１１１ａは、通話の相手の電話番号、メールアドレス等を含むデータである。

人物相関データ１１１ｂは、利用者と相手側との通話の音声データから得られる各種のパラメータを有する。図２は、本実施例１に係る人物相関データのデータ構造の一例を示す図である。図２に示すように、この人物相関データ１１１ｂは、氏名、電話番号、パラメータ、今月から６ヶ月前までのパラメータの値を対応付けて保持する。

図２において、氏名は、利用者が通話する相手側の人物の氏名に対応する。電話番号は、相手側の電話機の電話番号に対応する。パラメータは、通話回数、平均通話時間、平均ストレス値、平均沈黙率、平均発話比率、平均キーワード出現頻度を含む。

通話回数は、月毎の通話回数の累計値である。平均通話時間は、月毎の通話時間の平均時間である。平均ストレス値は、ストレス値のその月に行われた全通話に対する平均値である。平均沈黙率は、沈黙率のその月に行われた全通話に対する平均値である。平均発話比率は、発話比率のその月に行われた全通話に対する平均値である。平均キーワード出現頻度は、キーワード出現頻度のその月に行われた全通話に対する平均値である。

データ管理部１１２は、記憶部１１１に記録される各種のデータを管理する処理部である。データ管理部１１２は、入力装置から電話帳データ１１１ａの要求を受け付けた場合には、電話帳データ１１１ａを表示部１１５に表示させる。

また、データ管理部１１２は、通話情報取得部１０４、沈黙率算出部１０７、発話比率算出部１０８、キーワード出現頻度算出部１０９、ストレス値算出１１０から、各種の値を取得し、図２に示した人物相関データ１１１ｂの各パラメータの値を更新する。データ管理部１１２は、通話情報取得部１０４から得られる電話番号の情報をキーとして、パラメータの値を電話番号と対応付けて登録する。

データ管理部１１２は、通話情報取得部１０４から通話終了の情報を取得し、今月の通話回数に、１を加算することで、今月の通話回数を更新する。

データ管理部１１２は、通話情報取得部１０４から通話時間を取得した場合には、式（３）に基づいて、今月の平均通話時間を更新する。例えば、今月の通話回数が「２」、それまでの今月の平均通話時間が「７２」、今回の通話時間が「３６」の場合には、今月の平均通話時間の更新値は（７２×１＋３６）／２＝５４となる。

平均通話時間の更新値＝｛今月の平均通話時間×（通話回数−１）＋今回の通話時間｝／通話回数・・・（３）

データ管理部１１２は、ストレス値算出部１１０からストレス値の情報を取得した場合には、式（４）に基づいて、今月の平均ストレス値を更新する。

平均ストレス値の更新値＝｛今月の平均ストレス値×（通話回数−１）＋今回のストレス値｝／通話回数・・・（４）

データ管理部１１２は、沈黙率算出部１０７から沈黙率の情報を取得した場合には、式（５）に基づいて、今月の平均沈黙率を更新する。

平均沈黙率の更新値＝｛今月の平均沈黙率×（通話回数−１）＋今回の沈黙率｝／通話回数・・・（５）

データ管理部１１２は、発話比率算出部１０８から発話比率の情報を取得した場合には、式（６）に基づいて、今月の平均発話比率を更新する。

平均発話比率の更新値＝｛今月の平均発話比率×（通話回数−１）＋今回の発話比率｝／通話回数・・・（６）

データ管理部１１２は、キーワード出現頻度算出部１０９からキーワード出現頻度の情報を取得した場合には、式（７）に基づいて、今月の平均キーワード出現頻度を更新する。

平均キーワード出現頻度の更新値＝｛今月の平均キーワード出現頻度×（通話回数−１）＋今回のキーワード出現頻度｝／通話回数・・・（７）

データ管理部１１２は、月が替わった場合には、人物相関データ１１１ｂの各パラメータの値を移動させる。データ管理部１１２は、５ヶ月前のパラメータの値を、６ヶ月前のパラメータの値に移動させる。データ管理部１１２は、４ヶ月前のパラメータの値を、５ヶ月前のパラメータの値に移動させる。データ管理部１１２は、３ヶ月前のパラメータの値を、４ヶ月前のパラメータの値に移動させる。データ管理部１１２は、２ヶ月前のパラメータの値を、３ヶ月前のパラメータの値に移動させる。データ管理部１１２は、先月前のパラメータの値を、２ヶ月前のパラメータの値に移動させる。

また、データ管理部１１２は、今月のパラメータの値を、先月のパラメータの値に移動させ、今月のパラメータの値を初期値に設定する。データ管理部１１２は、各パラメータの初期値をどのように設定しても良い。例えば、データ管理部１１２は、通話回数の初期値を「０」、平均通話時間の初期値を「０」、平均ストレス値の初期値を「０」とする。データ管理部１１２は、平均沈黙率の初期値を「０％」、平均発話比率の初期値を「５０％」、平均キーワード出現頻度の初期値を「０％」に設定する。なお、発話比率が「５０％」の意味は、利用者と相手側との発話比率が同じであることを意味する。

親密度算出部１１３は、人物相関データ１１１ｂの各月のパラメータの値を基にして、利用者と相手側の人物との親密度を算出する処理部である。例えば、親密度算出部１１３は、式（８）を基にして、親密度を算出する。式（８）に示すＡＢＳは絶対値を示す。親密度は、補正ストレス値が低いほど、補正沈黙率が低いほど、補正キーワード出現頻度が低いほど高い値となる。また、親密度は、発話比率が５０％に近いほど、高い値となる。

親密度＝１００−（０．２５×補正ストレス値＋０．２５×ＡＢＳ（５０％−補正発話比率）×２．０＋０．２５×補正キーワード出現頻度＋０．２５×補正沈黙率）・・・（８）

式（８）に含まれる補正ストレス値は、図２の今月〜６ヶ月前の平均ストレス値から算出される値である。例えば、親密度算出部１１３は、式（９）に基づいて補正ストレス値を算出する。式（９）に示すように、過去の平均ストレス値の重みと比較して、新しい平均ストレス値のほうが大きな重みが乗算される。これにより、より最新の状態を反映した補正ストレス値を算出することができる。

補正ストレス値＝｛（今月の平均ストレス値×今月の通話回数＋先月の平均ストレス値×先月の通話回数）×６＋２ヶ月前の平均ストレス値×２ヶ月前の通話回数×５＋３ヶ月前の平均ストレス値×３ヶ月前の通話回数×４＋４ヶ月前の平均ストレス値×４ヶ月前の通話回数×３＋５ヶ月前の平均ストレス値×５ヶ月前の通話回数×２＋６ヶ月前の平均ストレス値×６ヶ月前の通話回数｝／｛（今月の通話回数＋先月の通話回数）×６＋２ヶ月前の通話回数×５＋３ヶ月前の通話回数×４＋４ヶ月前の通話回数×３＋５ヶ月前の通話回数×２＋６ヶ月前の通話回数｝・・・（９）

式（８）に含まれる補正発話比率は、図２の今月〜６ヶ月前の平均発話比率から算出される値である。例えば、親密度算出部１１３は、式（１０）に基づいて補正発話比率を算出する。式（１０）に示すように、過去の平均発話比率の重みと比較して、新しい平均発話比率のほうが大きな重みが乗算される。これにより、より最新の状態を反映した補正発話比率を算出することができる。

補正発話比率＝｛（今月の平均発話比率×今月の通話回数＋先月の平均発話比率×先月の通話回数）×６＋２ヶ月前の平均発話比率×２ヶ月前の通話回数×５＋３ヶ月前の平均発話比率×３ヶ月前の通話回数×４＋４ヶ月前の平均発話比率×４ヶ月前の通話回数×３＋５ヶ月前の平均発話比率×５ヶ月前の通話回数×２＋６ヶ月前の平均発話比率×６ヶ月前の通話回数｝／｛（今月の通話回数＋先月の通話回数）×６＋２ヶ月前の通話回数×５＋３ヶ月前の通話回数×４＋４ヶ月前の通話回数×３＋５ヶ月前の通話回数×２＋６ヶ月前の通話回数｝・・・（１０）

式（８）に含まれる補正沈黙率は、図２の今月〜６ヶ月前の平均沈黙率から算出される値である。例えば、親密度算出部１１３は、式（１１）に基づいて補正沈黙率を算出する。式（１１）に示すように、過去の平均沈黙率の重みと比較して、新しい平均沈黙率のほうが大きな重みが乗算される。これにより、より最新の状態を反映した補正沈黙率を算出することができる。

補正沈黙率＝｛（今月の平均沈黙率×今月の通話回数＋先月の平均沈黙率×先月の通話回数）×６＋２ヶ月前の平均沈黙率×２ヶ月前の通話回数×５＋３ヶ月前の平均沈黙率×３ヶ月前の通話回数×４＋４ヶ月前の平均沈黙率×４ヶ月前の通話回数×３＋５ヶ月前の平均沈黙率×５ヶ月前の通話回数×２＋６ヶ月前の平均沈黙率×６ヶ月前の通話回数｝／｛（今月の通話回数＋先月の通話回数）×６＋２ヶ月前の通話回数×５＋３ヶ月前の通話回数×４＋４ヶ月前の通話回数×３＋５ヶ月前の通話回数×２＋６ヶ月前の通話回数｝・・・（１１）

式（８）に含まれるキーワード出現頻度は、図２の今月〜６ヶ月前の平均キーワード出現頻度から算出される値である。例えば、親密度算出部１１３は、式（１２）に基づいて補正キーワード出現頻度を算出する。式（１２）に示すように、過去の平均キーワード出現頻度の重みと比較して、新しい平均キーワード出現頻度のほうが大きな重みが乗算される。これにより、より最新の状態を反映した補正キーワード出現頻度を算出することができる。

補正キーワード出現頻度率＝｛（今月の平均キーワード出現頻度率×今月の通話回数＋先月の平均キーワード出現頻度×先月の通話回数）×６＋２ヶ月前の平均キーワード出現頻度×２ヶ月前の通話回数×５＋３ヶ月前の平均キーワード出現頻度×３ヶ月前の通話回数×４＋４ヶ月前の平均キーワード出現頻度×４ヶ月前の通話回数×３＋５ヶ月前の平均キーワード出現頻度×５ヶ月前の通話回数×２＋６ヶ月前の平均キーワード出現頻度×６ヶ月前の通話回数｝／｛（今月の通話回数＋先月の通話回数）×６＋２ヶ月前の通話回数×５＋３ヶ月前の通話回数×４＋４ヶ月前の通話回数×３＋５ヶ月前の通話回数×２＋６ヶ月前の通話回数｝・・・（１２）

親密度算出部１１３は、式（８）を基にして、異なる相手側毎に親密度を算出する。ここでは一例として、図２に示す利用者とＡさんとの親密度、利用者とＢさんとの親密度の計算例について説明する。図３は、親密度の計算結果を説明するための図である。図３の計算結果は、図２の人物相関データ１１１ｂを基に算出された値である。

図３に示すように、Ａさんに対する補正ストレス値は「６３．５」、補正沈黙率は「２８．８％」、ＡＢＳ（５０％−補正発話比率）×２は「３１．１％」、補正キーワード出現頻度「２９．８％」となる。このため、親密度算出部１１３が式（８）を基にして、Ａさんに対する親密度を算出すると「６１．３」となる。

図３に示すように、Ｂさんに対する補正ストレス値は「１８．５」、補正沈黙率は「１３．８％」、ＡＢＳ（５０％−補正発話比率）×２は「８．４％」、補正キーワード出現頻度「２．６％」となる。このため、親密度算出部１１３が式（８）を基にして、Ｂさんに対する親密度を算出すると「８９．２」となる。

このため、利用者は、ＡさんよりもＢさんに対する親密度が高いことがわかる。例えば、図２の人物相関データ１１１ｂを参照すると、ＡさんよりもＢさんのほうが、ストレス値が低く、沈黙率が小さく、発話比率が５０％に近く、キーワード出現頻度が低い。このため、Ａさんの親密度よりもＢさんの親密度が高くなる。

親密度算出部１１３は、相手側の人物毎の親密度の情報を、人物相関図作成部１１４に出力する。

人物相関図作成部１１４は、親密度算出部１１３により算出された利用者と相手側の人物との親密度に基づいて、人物相関図を作成する処理部である。人物相関図作成部１１４は、利用者の顔画像と相手側の顔画像とを線で結ぶことで、人物相関図を生成する。利用者の顔画像の情報、相手側の顔画像の情報は、例えば、記憶部１１１に記憶されているものとする。

人物相関図作成部１１４は、利用者と相手側との親密度が高いほど、利用者の顔画像と相手側の顔画像との距離を近く表示させる。人物相関図作成部１１４は、表示部１１５の画面の高さＨの情報を取得し、各相手側のうち、親密度が最も低い相手側の顔画像と、利用者の顔画像との距離を、Ｈ×０．３５とし、係る距離にあわせて、他の距離を正規化しても良い。

人物相関図作成部１１４は、人物相関データ１１１ｂを参照し、相手側の通話回数および通話時間に応じて、相手側の顔画像の大きさを調整しても良い。例えば、人物相関図作成部１１４は、式（１３）を基にして、相手側の顔画像の大きさを算出する。式（１３）において、αは所定の重みであり、０〜１の数値である。

顔画像の大きさ＝定数×｛α×通話回数／３０＋（１−α）×通話時間／６０｝・・・（１３）

人物相関図作成部１１４は、表示部１１５の縦方向の解像度と横方向の解像度に比例して、人物相関図に表示させる上限人数Ｎを計算しても良い。例えば、人物相関図作成部１１４は、式（１４）を基にして、上限人数Ｎを算出する。式（１４）において、Ａ、Ｂは、所定の定数でよい。

上限人数Ｎ＝Ａ×（縦方向の解像度×横方向の解像度）＋Ｂ・・・（１４）

人物相関図作成部１１４は、相手側の人数が、上限人数Ｎよりも多い場合には、人物相関データ１１１ｂを参照し、過去６ヶ月間の通話回数の多い人物を選択し、人物相関図に含めても良い。

更に、人物相関図作成部１１４は、相手側との通話回数が多いほど、顔画像の大きさを大きくしても良い。人物相関図作成部１１４は、相手側との通話時間に比例して、線の太さを大きくしても良い。人物相関図作成部１１４は、沈黙度が高いほど、点線の隙間を広くしても良い。

人物相関図作成部１１４は、作成した人物相関図の情報を表示部１１５に表示させる。図４は、本実施例１に係る人物相関図の一例を示す図である。図４において、顔画像１０ａは、利用者の顔画像である。また、上記のように、ＡさんよりもＢさんのほうが利用者との親密度が高いため、Ｂさんと利用者との距離のほうが、Ａさんと利用者との距離よりも近くなる。

表示部１１５は、各種の情報を表示する表示装置である。例えば、表示部１１５は、ディスプレイやタッチパネルに対応する。表示部１１５は、人物相関図作成部１１４から取得する人物相関図を表示する。なお、人物相関図を表示するタイミングは、通話が終了したタイミングでも良いし、利用者からの表示要求を入力装置から受け付けた場合のタイミングでもよい。

次に、本実施例１に係る親密度算出装置１００の処理手順について説明する。まず、親密度算出装置１００が、人物相関データ１１１ｂを生成する処理手順について説明する。図５は、本実施例１に係る人物相関データを生成する処理手順を示すフローチャートである。例えば、図５に示す処理は、着信または発着したことを契機にして処理が開始される。

図５に示すように、親密度算出装置１００は、着信または発信し（ステップＳ１０１）、送信部１０３で上り音声(Uplink)の音声データと受話部１０５にて下り音声(Downlink)の音声データを取り込む（ステップＳ１０２）。親密度算出装置１００は、通話が終了した後に（ステップＳ１０３）、親密度算出装置１００は、通話時間データを取得し（ステップＳ１０４）、音声区間を検出し（ステップＳ１０５）、指定されたキーワードを照合することで検出する（ステップＳ１０６）。

親密度算出装置１００は、ストレス値を算出し（ステップＳ１０７）、発話比率を算出する（ステップＳ１０８）。続いて、親密度算出装置１００は、沈黙率を算出し（ステップＳ１０９）、キーワード出現頻度を算出する（ステップＳ１１０）。

親密度算出装置１００は、電話番号を取得し（ステップＳ１１１）、通話日時を取得する（ステップＳ１１２）。親密度算出装置１００は、人物相関データが存在するか否かを判定する（ステップＳ１１３）。親密度算出装置１００は、人物相関データが存在しない場合には（ステップＳ１１３，Ｎｏ）、人物相関データ１１１ｂを初期化し（ステップＳ１１４）、ステップＳ１１６に移行する。

一方、親密度算出装置１００は、人物相関データ１１１ｂが存在する場合には（ステップＳ１１３，Ｙｅｓ）、人物相関データ１１１ｂを更新し（ステップＳ１１５）、親密度を算出する（ステップＳ１１６）。

次に、親密度算出装置１００が、人物相関図を生成する処理手順について説明する。図６は、本実施例１に係る人物相関図を生成する処理手順を示すフローチャートである。図６に示すように、親密度算出装置１００は、人物相関データ１１１ｂおよび親密度を取得する（ステップＳ１２０）。

親密度算出装置１００は、表示部１１５の画面の縦方向の解像度および横方向の解像度を取得し（ステップＳ１２１）、上限人数Ｎを算出する（ステップＳ１２２）。親密度算出装置１００は、利用者と相手側との親密度に応じて距離を算出する（ステップＳ１２３）。

親密度算出部１００は、人物相関データ１１１ｂを基にして、顔画像の大きさ、線の太さ、線の種別を特定する（ステップＳ１２４）。親密度算出装置１００は、人物相関図を作成し（ステップＳ１２５）、人物相関図を表示部１１５に表示させる（ステップＳ１２６）。

次に、本実施例１に係る親密度算出装置１００の効果について説明する。親密度算出部１００は、利用者の音声データに基づいて、利用者が相手側の人物に感じているストレスの度合いを算出し、算出したストレスの度合いよって、利用者と通話相手との親密度を算出する。このため、親密度算出装置１００によれば、心理的なパラメータを配慮して、親密度を正確に算出することができる。

また、親密度算出装置１００は、利用者と相手側との親密度に応じて距離を調整した人物相関図を生成し、人物相関図を表示部１１５に表示させる。このため、利用者と相手側との親密度を視覚的に容易に把握することが可能となる。

次に、本実施例２に係る親密度算出装置について説明する。図７は、本実施例２に係る親密度算出装置の構成を示す機能ブロック図である。図７に示すように、この親密度算出装置２００は、メール作成部２０１、送受信部２０２、メール情報取得部２０３、メール記憶部２０４、テキスト長取得部２０５、絵文字使用頻度算出部２０６、丁寧語使用頻度算出部２０７を有する。また、親密度算出装置２００は、パラメータ算出処理部２０８、記憶部２０９、データ管理部２１０、親密度算出部２１１、人物相関図作成部２１２、表示部２１３を有する。例えば、親密度算出装置２００は、携帯電話や固定電話などに内蔵されているものとする。

メール作成部２０１は、入力装置を介して利用者からの指示を受け付け、電子メールを作成する処理部である。メール作成部２０１は、例えば、メーラ等に対応する。メール作成部２０１は、電子メールの情報を、送受信部２０２に出力する。

送受信部２０２は、ネットワークを介して、相手側の端末装置と電子メールを送受信する処理部である。例えば、送受信部２０２は、メール作成部２０１が作成した電子メールを、相手側の端末装置に送信する。

メール情報取得部２０３は、送受信部２０２、タイマ等と協働して、メール送受信に関する各種の情報を取得する処理部である。例えば、メール情報取得部２０３は、電子メールの送信先のメールアドレスまたは送信元のメールアドレス、電子メールの送信日時、メール送信回数を取得する。メール情報取得部２０３は、どのような従来技術を利用して、メールアドレス、送信日時、メール送信回数を取得しても良い。メール情報取得部２０３は、メールアドレスの情報、送信日時の情報、メール送信回数の情報を、データ管理部２１０に出力する。

メール記憶部２０４は、メール作成部２０１が作成した電子メールの情報を記憶する記憶部である。

テキスト長取得部２０５は、メール記憶部２０４に記憶された電子メールの情報を分析し、電子メールの文字数を計数する処理部である。以下の説明において、電子メールの文字数をテキスト長と表記する。テキスト長取得部２０５は、テキスト長の情報を、絵文字使用頻度算出部２０６、丁寧語使用頻度算出部２０７、データ管理部２１０に出力する。

絵文字使用頻度算出部２０６は、メール記憶部２０４に記憶された電子メールで使用された絵文字の使用頻度を算出する処理部である。絵文字使用頻度算出部２０６は、電子メールを分析し、絵文字の数を計数する。例えば、絵文字使用頻度算出部２０６は、絵文字コードが使用されている箇所をテキストフィルタで抽出することで、絵文字の数を計数する。絵文字使用頻度算出部２０６は、式（１５）を基にして、絵文字使用頻度を算出する。絵文字使用頻度算出部２０６は、絵文字使用頻度の情報を、データ管理部２１０に出力する。

絵文字使用頻度＝絵文字の数／テキスト長×１００・・・（１５）

丁寧語使用頻度計算部２０７は、メール記憶部２０４に記憶された電子メールで使用された丁寧語の使用頻度を算出する処理部である。丁寧語使用頻度算出部２０７は、電子メールを分析し、丁寧語の数を計数する。例えば、丁寧語使用頻度算出部２０７は、検出対象の丁寧語を予め設定しておき、電子メールとテキストマッチすることで、丁寧語を検出する。丁寧語使用頻度算出部２０７は、丁寧語として「です。」、「ます。」、「ました。」等の文字列をフィルタで抽出し、計数する。丁寧語使用頻度算出部２０７は、式（１６）を基にして、丁寧語使用頻度を算出する。丁寧語使用頻度算出部２０７は、丁寧語使用頻度の情報を、データ管理部２１０に出力する。

丁寧語使用頻度＝丁寧語の数／テキスト長×１００・・・（１６）

パラメータ算出処理部２０８は、通話回数、通話時間、ストレス値、沈黙率、発話比率、キーワード出現頻度を算出する処理部である。パラメータ算出部２０８は、例えば、実施例１の通話情報取得部１０４、沈黙率算出部１０７、発話比率算出部１０８、キーワード出現頻度算出部１０９、ストレス値算出部１１０に対応する。パラメータ算出処理部２０８は、通話回数の情報、通話時間の情報、ストレス値の情報、沈黙率の情報、発話比率の情報、キーワード出現頻度の情報を、データ管理部２１０に出力する。

記憶部２０９は、各種のデータを記憶する記憶装置である。例えば、記憶部２０９は、電話帳データ２０９ａ、人物相関データ２０９ｂを記憶する。記憶部２０９は、例えば、ＲＡＭ、ＲＯＭ、フラッシュメモリなどの半導体メモリ素子、またはハードディスク、光ディスクなどの記憶装置に対応する。

電話帳データ２０９ａは、通話の相手の電話番号、メールアドレス等を含むデータである。

人物相関データ２０９ｂは、図２に示した情報に加えて、電子メールの内容から得られる各種のパラメータを有する。図８は、本実施例２に係る人物相関データのデータ構造の一例を示す図である。図８に示すように、この人物相関データ２０９ｂは、氏名、電話番号、メールアドレス、パラメータ、今月から６ヶ月前までのパラメータの値を対応付けて保持する。

図８において、氏名は、利用者が通話する相手側の人物の氏名に対応する。電話番号は、相手側の端末装置の電話番号に対応する。メールアドレスは、相手側の端末装置のメールアドレスに対応する。パラメータは、通話回数、平均通話時間、平均ストレス値、平均沈黙率、平均発話比率、平均キーワード出現頻度を有する。また、パラメータは、メール送信回数、平均テキスト長、平均絵文字使用頻度、平均丁寧語使用頻度を有する。

各パラメータのうち、通話回数、平均通話時間、平均ストレス値、平均沈黙率、平均発話比率、平均キーワード出現頻度に関する説明は、実施例１で説明したものと同様である。

メール送信回数は、月毎の電子メールの送信回数の累計値である。平均テキスト長は、テキスト長のその月に行われた全電子メールに対する平均値である。平均絵文字使用頻度は、絵文字使用頻度のその月に行われた全電子メールに対する平均値である。平均丁寧語使用頻度は、丁寧語使用頻度のその月に行われた全電子メールに対する平均値である。

データ管理部２１０は、記憶部２０９に記憶される各種のデータを管理する処理部である。データ管理部２１０は、入力装置から電話帳データ２０９ａの要求を受け付けた場合には、電話帳データ２０９ａを表示部１１５に表示させる。

また、データ管理部２１０は、パラメータ算出処理部２０８、メール情報取得部２０３、テキスト長取得部２０５、絵文字使用頻度算出部２０６、丁寧語使用頻度算出部２０７から情報を取得し、人物相関データ２０９ｂを更新する。例えば、データ管理部２１０は、パラメータ算出処理部２０８から得られる電話番号、メール情報取得部２０３から得られるメールアドレス等をキーにして、電話番号およびメールアドレスとパラメータの値とを対応付けて登録する。

データ管理部２１０が、通話回数、平均通話時間、平均ストレス値、平均沈黙率、平均発話比率、平均キーワード出現頻度を更新する処理は、実施例１のデータ管理部１１２と同様である。

データ管理部２１０は、メール情報取得部２０３からメール送信が完了した場合には、今月のメール送信回数に、１を加算することで、今月のメール送信回数を更新する。

データ管理部２１０は、テキスト長取得部２０５からテキスト長を取得した場合には、式（１７）に基づいて、今月の平均テキスト長を更新する。

平均テキスト長の更新値＝｛今月の平均テキスト長×（メール送信回数−１）＋今回のテキスト長｝／メール送信回数・・・（１７）

データ管理部２１０は、絵文字使用頻度算出部２０６から絵文字使用頻度を取得した場合には、式（１８）に基づいて、今月の平均絵文字使用頻度を更新する。

平均絵文字使用頻度の更新値＝｛今月の平均絵文字使用頻度×（メール送信回数−１）＋今回の絵文字使用頻度｝／メール送信回数・・・（１８）

データ管理部２１０は、丁寧語使用頻度算出部２０７から丁寧語使用頻度を取得した場合には、式（１９）に基づいて、今月の平均丁寧語使用頻度を更新する。

平均絵文字使用頻度の更新値＝｛今月の平均丁寧語使用頻度×（メール送信回数−１）＋今回の丁寧語使用頻度｝／メール送信回数・・・（１９）

データ管理部２１０は、月が替わった場合には、人物相関データ２０９ｂの各パラメータの値を移動させる。データ管理部２１０は、５ヶ月前のパラメータの値を、６ヶ月前のパラメータの値に移動させる。データ管理部２１０は、４ヶ月前のパラメータの値を、５ヶ月前のパラメータの値に移動させる。データ管理部２１０は、３ヶ月前のパラメータの値を、４ヶ月前のパラメータの値に移動させる。データ管理部２１０は、２ヶ月前のパラメータの値を、３ヶ月前のパラメータの値に移動させる。データ管理部２１０は、先月前のパラメータの値を、２ヶ月前のパラメータの値に移動させる。

また、データ管理部２１０は、今月のパラメータの値を、先月のパラメータの値に移動させ、今月のパラメータの値を初期値に設定する。データ管理部２１０は、各パラメータの初期値をどのように設定しても良い。例えば、データ管理部２１０は、通話回数の初期値を「０」、平均通話時間の初期値を「０」、平均ストレス値の初期値を「０」とする。データ管理部２１０は、平均沈黙率の初期値を「０％」、平均発話比率の初期値を「５０％」、平均キーワード出現頻度の初期値を「０％」に設定する。また、データ管理部２１０は、メール送信回数を「０」、平均テキスト長を「０」、平均絵文字使用頻度を「０％」、平均丁寧語使用頻度を「０％」に設定する。

親密度算出部２１１は、人物相関データ２０９ｂの各月のパラメータの値を基にして、利用者と相手側の人物との親密度を算出する処理部である。以下において、親密度算出部２１１の処理を順に説明する。

親密度算出部２１１は、式（２０）を基にして、電子メールに関する親密度を算出する。以下の説明では、電子メールに関する親密度をメール親密度と表記する。

メール親密度＝０．５×補正絵文字使用頻度＋０．５×（１００−補正丁寧語使用頻度）・・・（２０）

式（２０）に含まれる補正絵文字使用頻度は、図８の今月〜６ヶ月前の平均絵文字使用頻度から算出される値である。例えば、親密度算出部２１１は、式（２１）に基づいて補正絵文字使用頻度を算出する。

補正絵文字使用頻度＝｛（今月の平均絵文字使用頻度×今月のメール送信回数＋先月の平均絵文字使用頻度×先月のメール送信回数）×６＋２ヶ月前の平均絵文字使用頻度×２ヶ月前のメール送信回数×５＋３ヶ月前の平均絵文字使用頻度×３ヶ月前のメール送信回数×４＋４ヶ月前の平均絵文字使用頻度×４ヶ月前のメール送信回数×３＋５ヶ月前の平均絵文字使用頻度×５ヶ月前のメール送信回数×２＋６ヶ月前の平均絵文字使用頻度×６ヶ月前のメール送信回数｝／｛（今月のメール送信回数＋先月のメール送信回数）×６＋２ヶ月前のメール送信回数×５＋３ヶ月前のメール送信回数×４＋４ヶ月前のメール送信回数×３＋５ヶ月前のメール送信回数×２＋６ヶ月前のメール送信回数｝・・・（２１）

式（２０）に含まれる補正丁寧語使用頻度は、図８の今月〜６ヶ月前の平均丁寧語使用頻度から算出される値である。例えば、親密度算出部２１１は、式（２２）に基づいて補正丁寧語使用頻度を算出する。

補正丁寧語使用頻度＝｛（今月の平均丁寧語使用頻度×今月のメール送信回数＋先月の平均丁寧語使用頻度×先月のメール送信回数）×６＋２ヶ月前の平均丁寧語使用頻度×２ヶ月前のメール送信回数×５＋３ヶ月前の平均丁寧語使用頻度×３ヶ月前のメール送信回数×４＋４ヶ月前の平均丁寧語使用頻度×４ヶ月前のメール送信回数×３＋５ヶ月前の平均丁寧語使用頻度×５ヶ月前のメール送信回数×２＋６ヶ月前の平均丁寧語使用頻度×６ヶ月前のメール送信回数｝／｛（今月のメール送信回数＋先月のメール送信回数）×６＋２ヶ月前のメール送信回数×５＋３ヶ月前のメール送信回数×４＋４ヶ月前のメール送信回数×３＋５ヶ月前のメール送信回数×２＋６ヶ月前のメール送信回数｝・・・（２２）

また、親密度算出部２１１は、実施例１の親密度算出部１１３と同様にして、式（８）を用いて、親密度を算出する。式（８）により算出した親密度を、電話親密度と表記する。親密度算出部２１１は、メール親密度と電話親密度とを基にして、総親密度を算出する。例えば、親密度算出部２１１は、式（２３）を基にして、総親密度を算出する。

総親密度＝（通話回数×電話親密度＋メール送信回数×メール親密度）／（通話回数＋メール送信回数）・・・（２３）

例えば、親密度算出部２１１が、図８のパラメータを用いてＡさんのメール親密度を計算すると「３５．７」となる。また、親密度算出部２１１が、図８のパラメータを用いてＡさんの電話親密度を計算すると「６１．３」となる。このため、Ａさんに対する総親密度は「（２７×６１．３＋３９×３５．７）／（２７＋３９）＝４６．２」となる。

親密度算出部２１１は、相手側の人物毎の総親密度の情報を、人物相関図作成部２１２に出力する。

人物相関図作成部２１２は、親密度算出部２１１により算出された利用者と相手側の人物との総親密度に基づいて、人物相関図を作成する処理部である。人物相関図作成部２１２の説明は、実施例１に示した人物相関図作成部１１４と同様である。なお、人物相関図作成部２１２は、通話回数とメール送信回数との加算値を基にして、顔画像の大きさを特定しても良い。また、人物相関図作成部２１２は、親密度の代わりに、総親密度を利用する。

次に、本実施例２に係る親密度算出装置２００の処理手順について説明する。図９は、本実施例２に係る人物相関データを生成する処理手順を示すフローチャートである。図９に示す処理は、メール送信またはメール受信したことを契機にして処理が開始される。

図９に示すように、親密度算出装置２００は、メール送信またはメール受信し（ステップＳ２０１）、メールアドレスを取得する（ステップＳ２０２）。親密度算出装置２００は、メール送信日時を取得し（ステップＳ２０３）、テキスト長を取得する（ステップＳ２０４）。

親密度算出装置２００は、絵文字使用頻度を算出し（ステップＳ２０５）、丁寧語使用頻度を算出する（ステップＳ２０６）。また、親密度算出装置２００は、各パラメータを算出する（ステップＳ２０７）。親密度算出部２００は、ステップＳ２０７において、ストレス値、発話比率、沈黙率、キーワード出現頻度を算出する。

親密度算出装置２００は、人物相関データが存在するか否かを判定する（ステップＳ２０８）。親密度算出装置１００は、人物相関データが存在しない場合には（ステップＳ２０８，Ｎｏ）、人物相関データ２０９ｂを初期化し（ステップＳ２０９）、ステップＳ２１１に移行する。

一方、親密度算出装置２００は、人物相関データ２０９ｂが存在する場合には（ステップＳ２０８，Ｙｅｓ）、人物相関データ２０９ｂを更新し（ステップＳ２１０）、総親密度を算出する（ステップＳ２１１）。

本実施例２に係る親密度算出部２００が、人物相関図を生成する処理手順は、実施例１のものと同様であるため、説明を省略する。

本実施例２に係る親密度算出装置２００の効果について説明する。親密度算出部２１１は、電子メールから得られる利用者が相手側の人物に感じている絵文字使用頻度や丁寧語使用頻度を抽出し、抽出した情報を基にして、利用者と通話相手との親密度を算出する。このため、親密度算出装置１００によれば、心理的なパラメータを配慮して、親密度を正確に算出することができる。

次に、本実施例３に係るシステムについて説明する。図１０は、本実施例３に係るシステムの構成を示す図である。図１０に示すように、このシステムは、管理サーバ３００、携帯端末装置３５０、端末装置３６０を有する。管理サーバ３００、携帯端末装置３５０、端末装置３６０は、ネットワーク５０を介して相互に接続される。

管理サーバ３００は、人物相関データを管理するサーバである。管理サーバ３００は、携帯端末装置３５０から人物相関データを受信し、受信した人物相関データを記憶部に記憶する。また、管理サーバ３００は、人物相関データを基にして、人物相関図を作成し、作成した人物相関図を端末装置３６０に表示させる。管理サーバ３００は、クラウド上のサーバであっても良い。

携帯端末装置３５０は、例えば、携帯電話やスマートフォンなどの端末装置である。携帯端末装置３５０は、実施例２に示した親密度算出装置２００と同じ機能を有するものとする。携帯端末装置３５０が人物相関データを生成する処理は、親密度算出装置２００と同様である。携帯端末装置３５０が親密度を算出する処理は、親密度算出装置２００と同様である。また、携帯端末装置３５０は、親密度を基にして、人物相関図を生成し、生成した人物相関図を表示部に表示させても良い。

携帯端末装置３５０は、通信部３５０ａ、同期部３５０ｂを有する。その他の構成は、実施例２の親密度算出装置２００と同様であるため、図示を省略する。

通信部３５０ａは、ネットワーク５０を介して、管理サーバ３００とデータ通信を実行する処理部である。同期部３５０ｂは、通信部３５０ａを利用して管理サーバ３００に人物相関データを送信する処理部である。人物相関データのデータ構造は、例えば、図８に示すものと同様である。なお、通信部３５０ａは、管理サーバ３００から、ＩＤおよびパスワードの要求を受け付けた場合には、携帯端末装置３５０に予め登録してあるＩＤおよびパスワードを管理サーバ３００に送信する。

携帯端末装置３５０は、管理サーバ３００に対する接続に失敗した場合には、所定時間後に、再度接続を試みても良い。ここで、所定時間は、利用者が適宜設定可能とする。

端末装置３６０は、ＰＣ（Personal Computer）などに対応する。端末装置３６０は、管理サーバ３００にアクセスし、管理サーバ３００が公開するＷｅｂページをブラウザ等により表示する。端末装置３６０は、管理サーバ３００から人物相関図の情報を受信した場合には、人物相関図を表示部に表示させる。

次に、図１０に示した管理サーバ３００の構成について説明する。図１１は、本実施例３に係る管理サーバの構成を示す機能ブロック図である。図１１に示すように、この管理サーバ３００は、通信部３０１、記憶部３０２、制御部３０３を有する。

通信部３０１は、携帯端末装置３５０および端末装置３６０とデータ通信を実行する処理部である。

記憶部３０２は、各種のデータを記憶する記憶装置である。例えば、記憶部３０２は、人物相関データ３０２ａを記憶する。記憶部３０２は、例えば、ＲＡＭ、ＲＯＭ、フラッシュメモリなどの半導体メモリ素子、またはハードディスク、光ディスクなどの記憶装置に対応する。人物相関データ３０２ａのデータ構造は、実施例２に示した人物相関データ２０９ｂと同様である。

制御部３０３は、認証部３０４、同期部３０５、人物相関データ管理部３０６、ＷＥＢ制御部３０７、人物相関図作成部３０８を有する。制御部３０３は、例えば、ＡＳＩＣ（Application Specific Integrated Circuit）や、ＦＰＧＡ（Field Programmable Gate Array）などの集積装置に対応する。また、制御部３０３は、例えば、ＣＰＵやＭＰＵ（Micro Processing Unit）等の電子回路に対応する。

認証部３０４は、ＩＤやパスワードを用いた認証処理を実行する処理部である。認証部３０４は、携帯端末装置３５０および端末装置３６０からアクセス要求を受け付けた場合に、ＩＤ、パスワードを要求し、認証を行う。

同期部３０５は、認証に成功した携帯端末装置３５０から人物相関データを受信する処理部である。同期部３０５は、受信した人物相関データを、人物相関データ管理部３０６に出力する。

人物相関データ管理部３０６は、同期部３０５から取得した人物相関データによって、記憶部３０２に記憶された人物相関データ３０２ａを更新する処理部である。

ＷＥＢ制御部３０７は、認証に成功した端末装置３６０からのアクセスを受けつけた場合に、ＷＥＢ画面の情報を端末装置３６０に送信し、ＷＥＢ画面を表示させる。また、ＷＥＢ制御部３０７は、端末装置３６０から縦方向の解像度および横方向の解像度の情報を受信する。ＷＥＢ制御部３０７は、縦方向の解像度および横方向の解像度の情報を人物相関図作成部３０８に出力する。

人物相関図作成部３０８は、人物相関データ３０２ａ、縦方向の解像度および横方向の解像度の情報を基にして、人物相関図を作成する処理部である。人物相関図作成部３０８が人物相関図を作成する処理は、実施例１の人物相関作成部１１４と同様である。人物相関図作成部３０８は、通信部３０１を介して、人物相関図の情報を端末装置３６０に送信する。

例えば、人物相関図作成部３０８は、人物相関図を画像化し、Ｗｅｂ画面のＨＴＭＬファイルに人物相関図の情報を埋め込み、端末装置３６０に人物相関図を表示させてもよい。なお、人物相関図作成部３０８は、プラグイン機能を利用して、Ｗｅｂページに人物相関図の情報を埋め込んでも良い。

次に、本実施例３に係る管理サーバ３００の処理手順について説明する。図１２は、本実施例３に係る管理サーバの処理手順を示すフローチャートである。図１２に示す処理は、例えば、携帯端末装置３５０からの接続要求を受け付けたことを契機にして実行される。

図１２に示すように、管理サーバ３００は、携帯端末装置３５０から接続要求を受け付ける（ステップＳ３０１）。管理サーバ３００は、認証処理を実行する（ステップＳ３０２）。

管理サーバ３００は、携帯端末装置３５０から人物相関データを受信し（ステップＳ３０３）、人物相関データ３０２ａを更新する（ステップＳ３０４）。

次に、本実施例３に係る管理サーバ３００の効果について説明する。管理サーバ３００は、携帯端末装置３５０から送信される人物相関データを基にして人物相関図を生成する。そして、管理サーバ３００は、人物相関図の情報を、端末装置３６０に送信して表示させる。このため、画面サイズの大きい端末装置３６０で、人物相関図を表示させることが可能となる。

次に、本実施例４に係るシステムについて説明する。図１３は、本実施例４に係るシステムの構成を示す図である。図１３に示すように、このシステムは、ＳＮＳ（Social Networking Service）サーバ４００、携帯端末装置４５０、端末装置４６０を有する。ＳＮＳサーバ４００、携帯端末装置４５０、端末装置４６０は、ネットワーク５０を介して相互に接続される。

ＳＮＳサーバ４００は、ＳＮＳ上のメッセージのやり取りから親密度を算出する装置である。また、ＳＮＳサーバ４００は、携帯端末装置４００から人物相関データを取得した場合には、自装置が記憶する人物相関データの更新日時と、携帯端末装置４００から取得した人物相関データの更新日を比較し、最新の人物相関データに更新する。また、ＳＮＳサーバ４００は、人物相関データを基にして、人物相関図を作成し、作成した人物相関図を端末装置４６０に表示させる。ＳＮＳサーバ４００は、クラウド上のサーバであっても良い。

携帯端末装置４５０は、例えば、携帯電話やスマートフォンなどの端末装置である。携帯端末装置４５０は、実施例２に示した親密度算出装置２００と同じ機能を有するものとする。また、利用者は、携帯端末装置４５０を利用して、ＳＮＳサーバ４００へアクセスし、ＳＮＳアカウントへアクセス可能となっている。携帯端末装置４５０が人物相関データを生成する処理は、親密度算出装置４００と同様である。但し、携帯端末装置４５０は、人物相関データに、更新日時を対応付ける。

携帯端末装置４５０が親密度を算出する処理は、親密度算出装置２００と同様である。また、携帯端末装置４５０は、親密度を基にして、人物相関図を生成し、生成した人物相関図を表示部に表示させても良い。

携帯端末装置４５０は、通信部４５０ａ、同期部４５０ｂを有する。その他の構成は、実施例２の親密度算出装置２００と同様であるため、図示を省略する。

通信部４５０ａは、ネットワーク５０を介して、ＳＮＳサーバ４００とデータ通信を実行する処理部である。同期部４５０ｂは、通信部４５０ａを利用してＳＮＳサーバ４００に人物相関データを送信する処理部である。人物相関データのデータ構造は、例えば、図８に示すものに更新日時が付与されたものとなる。なお、通信部４５０ａは、ＳＮＳサーバ４００から、ＩＤおよびパスワードの要求を受け付けた場合には、携帯端末装置４５０に予め登録してあるＩＤおよびパスワードをＳＮＳサーバ４００に送信する。

携帯端末装置４５０は、ＳＮＳサーバ４００に対する接続に失敗した場合には、所定時間後に、再度接続を試みても良い。ここで、所定時間は、利用者が適宜設定可能とする。

端末装置４６０は、ＰＣなどに対応する。利用者は、端末装置４６０を利用して、ＳＮＳサーバ４００にアクセスし、ＳＮＳアカウントへアクセス可能となっている。端末装置４６０は、ＳＮＳサーバ４００から人物相関図の情報を受信した場合には、人物相関図を表示部に表示させる。

次に、図１３に示したＳＮＳサーバ４００の構成について説明する。図１４は、ＳＮＳサーバの構成を示す機能ブロックである。図１４に示すように、このＳＮＳサーバ４００は、通信部４０１、記憶部４０２、制御部４０３を有する。

通信部４０１は、携帯端末装置４５０および端末装置４６０とデータ通信を実行する処理部である。

記憶部４０２は、各種のデータを記憶する記憶装置である。例えば、記憶部４０２は、人物相関データ４０２ａを記憶する。記憶部４０２は、例えば、ＲＡＭ、ＲＯＭ、フラッシュメモリなどの半導体メモリ素子、またはハードディスク、光ディスクなどの記憶装置に対応する。人物相関データ４０２ａのデータ構造は、実施例２に示した人物相関データ２０９ｂに、更新日時を付加したものとなる。例えば、人物相関データ４０２ａは、ＳＮＳアカウント毎に生成される。

図１５は、本実施例４に係る人物相関データのデータ構造の一例を示す図である。図１５に示すように、この人物相関データ４０２ａは、氏名、電話番号、メールアドレス、パラメータ、今月から６ヶ月前までのパラメータの値、更新日時を対応付けて保持する。

制御部４０３は、認証部４０４、同期部４０５、人物相関データ管理部４０６、メッセージ送信処理部４０７、パラメータ算出部４０８、ＷＥＢ制御部４０９、人物相関図作成部４１０を有する。制御部４０３は、例えば、ＡＳＩＣや、ＦＰＧＡなどの集積装置に対応する。また、制御部４０３は、例えば、ＣＰＵやＭＰＵ等の電子回路に対応する。

認証部４０４は、ＩＤやパスワードを用いた認証処理を実行する処理部である。認証部４０４は、携帯端末装置４５０および端末装置４６０からアクセス要求を受け付けた場合に、ＩＤ、パスワードを要求し、認証を行う。

同期部４０５は、認証に成功した携帯端末装置４５０から人物相関データを受信する処理部である。同期部４０５は、受信した人物相関データを、人物相関データ管理部４０６に出力する。

人物相関データ管理部４０６は、同期部４０５から取得した人物相関データによって、記憶部４０２に記憶された人物相関データ４０２ａを最新のデータに更新する処理部である。なお、人物相関データ管理部４０６は、同期部４０５から取得した人物相関データよりも更新日時が新しいレコードについては、更新を行わない。

人物相関データ管理部４０６は、後述するパラメータ算出部４０８からパラメータを取得し、取得したパラメータのレコードを人物相関データ４０２ａに登録する。なお、人物相関データ管理部４０６は、人物相関データ４０２ａの更新日時を、レコード毎に比較し、更新日時が新しい方のレコードによって、人物相関データ４０２ａを更新する。

メッセージ送信処理部４０７は、ＳＮＳを利用したメッセージを送信する処理部である。メッセージ送信処理部４０７は、携帯端末装置４５０、端末装置４６０からのアクセスを受け付け、メッセージを作成し、指定された相手にメッセージを送信する。メッセージ送信処理部４０７は、メッセ−ジの情報を、パラメータ算出部４０８に出力する。

パラメータ算出部４０８は、メッセージを基にして、メール送信回数、テキスト長、絵文字使用頻度、丁寧語使用頻度のパラメータを算出する処理部である。各パラメータを算出する処理は、実施例２に示した親密度算出装置２００と同様である。パラメータ算出部４０８は、算出したメール送信回数、テキスト長、絵文字使用頻度、丁寧語使用頻度の情報を、人物相関データ管理部４０６に出力する。

ＷＥＢ制御部４０９は、認証に成功した端末装置４６０からのアクセスを受けつけた場合に、ＷＥＢ画面の情報を端末装置４６０に送信し、ＷＥＢ画面を表示させる。また、ＷＥＢ制御部４０９は、端末装置４６０から縦方向の解像度および横方向の解像度の情報を受信する。ＷＥＢ制御部４０９は、縦方向の解像度および横方向の解像度の情報を人物相関図作成部４１０に出力する。

人物相関図作成部４１０は、人物相関データ４０２ａ、縦方向の解像度および横方向の解像度の情報を基にして、人物相関図を作成する処理部である。人物相関図作成部４１０が人物相関図を作成する処理は、実施例１の人物相関作成部１１４と同様である。人物相関図作成部４１０は、通信部４０１を介して、人物相関図の情報を端末装置４６０に送信する。

次に、本実施例４に係るＳＮＳサーバ４００の処理手順について説明する。図１６は、本実施例４に係るＳＮＳサーバの処理手順を示すフローチャートである。図１６に示す処理は、例えば、携帯端末装置４５０からの接続要求を受け付けたことを契機にして実行される。

図１６に示すように、ＳＮＳサーバ４００は、携帯端末装置４５０から接続要求を受け付ける（ステップＳ４０１）。ＳＮＳサーバ４００は、認証処理を実行する（ステップＳ４０２）。

ＳＮＳサーバ４００は、携帯端末装置４５０から人物相関データを受信する（ステップＳ４０３）。ＳＮＳサーバ４００は、ＳＮＳサーバ４００側の更新日時の方が最新であるか否かを判定する（ステップＳ４０４）。

ＳＮＳサーバ４００は、ＳＮＳサーバ４００側の更新日時の方が最新である場合には（ステップＳ４０４，Ｙｅｓ）、処理を終了する。一方、ＳＮＳサーバ４００は、ＳＮＳサーバ４００側の更新日時の方が最新でない場合には（ステップＳ４０４，Ｎｏ）、携帯端末装置４５０から受信した人物相関データを用いて更新する（ステップＳ４０５）。

次に、本実施例４に係るＳＮＳサーバ４００の効果について説明する。ＳＮＳサーバ４００は、ＳＮＳのメッセージから生成した人物相関データを基にして人物相関図を生成する。そして、ＳＮＳサーバ４００は、人物相関図の情報を、端末装置４６０に送信して表示させる。このため、ＳＮＳでのメッセージを解析して得られる親密度を更に利用して、人物相関図を作成することができる。

次に、本実施例５に係るシステムについて説明する。図１７は、本実施例５に係るシステムの構成を示す図である。図１７に示すように、このシステムは、管理サーバ５００、携帯端末装置６０１、６０２、６０３を有する。管理サーバ５００、携帯端末装置６０１、６０２、６０３は、ネットワーク５０を介して接続される。ここでは、携帯端末装置６０１〜６０３のみを示すが、これに限定されるものではない。

携帯端末装置６０１〜６０３に関する説明は、例えば、図１０に示した携帯端末装置３５０と同様である。以下では、携帯端末装置６０１〜６０３の利用者をそれぞれ、甲乙丙と表記する。

管理サーバ５００は、携帯端末装置６０１〜６０３から人物相関データを受信し、各人物相関データをマージする。管理サーバ５００は、記憶部５０１、表示形態選択部５０２、人物相関図作成部５０３を有する。その他の構成は、例えば、図１１に示した管理サーバ３００の構成と同様であるため説明を省略する。

記憶部５０１は、各種のデータを記憶する記憶装置である。例えば、記憶部５０１は、人物相関データ５０１ａ、５０１ｂ、５０１ｃを有する。記憶部５０１は、例えば、ＲＡＭ、ＲＯＭ、フラッシュメモリなどの半導体メモリ素子、またはハードディスク、光ディスクなどの記憶装置に対応する。

人物相関データ５０１ａは、携帯端末装置６０１から受信する人物相関データであり、甲さんの人物相関データに対応する。人物相関データ５０１ａのデータ構造は、例えば、図８に示した人物相関データ２０９ｂと同様である。人物相関データ５０１ａは、携帯端末装置６０１の電話番号などに対応付けられていても良い。

人物相関データ５０１ｂは、携帯端末装置６０２から受信する人物相関データであり、乙さんの人物相関データに対応する。人物相関データ５０１ｂのデータ構造は、例えば、図８に示した人物相関データ２０９ｂと同様である。人物相関データ５０１ｂは、携帯端末装置６０２の電話番号などに対応付けられていても良い。

人物相関データ５０１ｃは、携帯端末装置６０３から受信する人物相関データであり、丙さんの人物相関データに対応する。人物相関データ５０１ｃのデータ構造は、例えば、図８に示した人物相関データ２０９ｂと同様である。人物相関データ５０１ｃは、携帯端末装置６０３の電話番号などに対応付けられていても良い。

表示形態選択部５０２は、電話番号を受け付けた場合に、係る電話番号の利用者と、甲乙丙との人物相関図を表示させる。表示形態選択部５０２は、人物相関図作成部５０３と協働して、人物相関図を作成する。人物相関図作成部５０３の処理は、例えば、図１に示した人物相関図作成部１１４と同様である。

表示形態選択部５０２は、入力画面を表示させ、電話番号の入力を受け付ける。図１８は、表示形態選択部が表示させる入力画面の一例である。例えば、表示形態選択部５０２は、管理サーバ５００に接続されたディスプレイなどに入力画面を表示する。表示形態選択部５０２が、電話番号を入力された場合と、ＡＬＬを入力された場合の処理を順に説明する。

電話番号を入力された場合の表示形態選択部５０２の処理について説明する。表示形態選択部５０２は、入力された電話番号を検索キーとして、人物相関データ５０１ａ〜５０１ｃにアクセスし、入力された電話番号がエントリとして保存されていれば、そのエントリの値を取得して、甲乙丙それぞれに対して親密度を算出する。親密度を算出する処理は、上記実施例と同様である。

表示形態選択部５０２は、管理サーバ５００に接続されたディスプレイから、縦方向の解像度と横方向の解像度を取得し、上限人数を算出する。例えば、表示形態選択部５０２は、式（１４）を用いて、上限人数を算出すればよい。なお、上限人数よりも、表示される人数の方が多い場合には、表示形態選択部５０２は、該当する電話番号との通信回数が多い人物を優先する。表示形態選択部５０２は、通話回数が同じ場合には、端末番号の若いもの順や端末を所有する人物のあいうえお順等により表示する人物を選定する。表示形態選択部５０２は、まず入力された電話番号の人物を中心に配置し、甲乙丙との親密度を用いて距離を決定し、人物相関図を作成する。

図１９は、本実施例５に係る人物相関図の一例を示す図である。図１９に示す例では、入力された電話番号の利用者と丙さんとの親密度が甲乙丙の中で最も高く、利用者と乙さんとの親密度が甲乙丙の中で最も低い。

ＡＬＬが入力された場合の表示形態選択部５０２の処理について説明する。表示形態選択部５０２は、人物相関データ５０１ａ〜５０１ｃの全てのデータを用いて、人物相関図を作成する。表示形態選択部５０２は、甲乙丙それぞれの人物相関図を表示するが、甲乙丙に共通の電話番号については、甲乙丙それぞれから線を結ぶ。図２０は、ＡＬＬが選択された場合の人物相関図の一例を示す図である。

例えば、図２０に示す例では、「090-XXXX-XXXX」は甲乙丙ともエントリがあるので、表示形態選択部５０２は、甲乙丙とも「090-XXXX-XXXX」の顔写真と線で結ぶ。この場合、これまでの実施の形態と異なり、親密度が甲乙丙で異なるため、親密度に従って配置することが難しい。そこでこの場合には、表示形態選択部５０２は、新密度を３つのクラスに分けて、クラスに従った線分の色で区別する。

例えば、表示形態選択部５０２は、親密度が０〜３３の場合には、注意を表す赤で表示する。表示形態選択部５０２は、親密度が３４〜６７の場合には普通の状態を表す黄色で表示する。表示形態選択部５０２は、親密度が６８〜１００には、良好な関係を表す青色で表示する。なお、ここでは、親密度を色で区別したがこれに限定されるものではない。例えば、表示形態選択部５０２は、線分上に親密度の数値を表示したり、線の太さで表してもよい。

また、表示形態選択部５０２は、端末所有者間の親密度を表す方法としては、線分に矢印をつけることで区別する。図２０に示す例では、表示形態選択部５０２は、甲が乙に対する親密度は低いので赤い線で甲から乙に向けた矢印とし、乙から甲へは親密度は高いので、青い線で、乙から甲に向けた矢印として表示している。また、「090-AAAA-AAAA」は、乙の人物相関データベースにのみエントリされているので、乙からの線しか引かれていない。

次に、本実施例５に係る管理サーバ５００の効果について説明する。管理サーバ５００によれば、複数の端末利用者の間の人物相関図を閲覧することが可能となる。これにより、例えば、営業部署が、複数の営業員の電話帳を使ってどの営業員が顧客とうまく行っているかをマージされた人物相関図から見出し、最適な営業員と顧客のマッチングを図る参考とするような利用が可能となる。また、実施例５では、管理サーバ５００にディスプレイが接続されているが、実施例３、４のようにネットワークを介して別のＰＣから閲覧させることも可能である。

次に、上記の実施例で示した親密度算出装置１００、２００等と同様の機能を実現する親密度算出プログラムを実行するコンピュータの一例を説明する。図２１は、親密度算出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２１に示すように、コンピュータ２０は、各種演算処理を実行するＣＰＵ２１と、ユーザからのデータの入力を受け付ける入力装置２２と、ディスプレイ２３を有する。また、コンピュータ２０は、記憶媒体からプログラム等を読み取る読み取り装置２４と、ネットワークを介して他のコンピュータとの間でデータの授受を行うインターフェース装置２５とを有する。また、コンピュータ２０は、各種情報を一時記憶するＲＡＭ２６と、ハードディスク装置２７を有する。そして、各装置２１〜２７は、バス２８に接続される。

ハードディスク装置２７は、パラメータ算出プログラム２７ａ、親密度算出プログラム２７ｂ、人物相関図作成プログラム２７ｃを有する。ＣＰＵ２１は、各プログラム２７ａ〜２７ｃを読み出して、ＲＡＭ２６に展開する。

パラメータ算出プログラム２７ａは、パラメータ算出プロセス２６ａとして機能する。親密度算出プログラム２７ｂは、親密度算出プロセス２６ｂとして機能する。人物相関図作成プログラム２７ｃは、人物相関図作成プロセス２６ｃとして機能する。

例えば、パラメータ算出プロセス２６ａは、図１の各処理部１０４、１０７、１０８、１０９、１１０、図７の各処理部２０３、２０５、２０６、２０７に対応する。親密度算出プロセス２６ｂは、親密度算出部１１３に対応する。人物相関図作成プロセス２６ｃは、人物相関図作成部１１４に対応する。

なお、各プログラム２７ａ〜２７ｃについては、必ずしも最初からハードディスク装置２７に記憶させておかなくてもよい。例えば、コンピュータ２０に挿入されるフレキシブルディスク（ＦＤ）、ＣＤ−ＲＯＭ、ＤＶＤディスク、光磁気ディスク、ＩＣカードなどの「可搬用の物理媒体」に各プログラムを記憶させておく。そして、コンピュータ２０がこれらから各プログラム２７ａ〜２７ｃを読み出して実行するようにしてもよい。

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）コンピュータが実行する親密度算出方法であって、
端末装置を用いた利用者間の通話の音声データを取得して該音声データの特徴量を抽出し、抽出した特徴量と基準特徴量との乖離具合を基にしてストレス値を算出し、
前記ストレス値を基にして、利用者間の親密度を算出する
各処理を実行することを特徴とする親密度算出方法。

（付記２）前記親密度を算出する処理は、通話回数、通話時間、通話時間中に利用者が沈黙する割合を示す沈黙率、通話中の利用者毎の発話比率、前記音声データに所定キーワードが出現するキーワード出現頻度、または前記ストレス値のうち少なくとも一つのパラメータを基にして、親密度を算出することを特徴とする付記１に記載の親密度算出方法。

（付記３）前記端末装置を用いて利用者間で送受信されるテキストデータの特徴量とテキストデータの送受信回数を基にして、前記親密度を補正する処理を更に実行することを特徴とする付記１または２に記載の親密度算出方法。

（付記４）前記親密度を算出する処理は、過去に特定されたパラメータに重みを乗算した値と、新たに特定されたパラメータに前記過去に特定されたパラメータに乗算される重みよりも大きい重みを乗算した値とを基にしてパラメータを補正し、補正したパラメータを用いて親密度を算出することを特徴とする付記２または３に記載の親密度算出方法。

（付記５）前記親密度を算出する処理は、異なる端末装置によって算出された利用者間のパラメータを基にして親密度を算出することを特徴とする付記１〜４のいずれか一つに記載の親密度算出方法。

（付記６）前記利用者間の親密度の高低に応じて、表示装置上の各利用者の画像の距離が変化する人物相関図データを生成する処理を更に実行することを特徴とする付記１〜５のいずれか一つに記載の親密度算出方法。

（付記７）コンピュータに
端末装置を用いた利用者間の通話の音声データを取得して該音声データの特徴量を抽出し、抽出した特徴量と基準特徴量との乖離具合を基にしてストレス値を算出し、
前記ストレス値を基にして、利用者間の親密度を算出する
各処理を実行させることを特徴とする親密度算出プログラム。

（付記８）前記親密度を算出する処理は、通話回数、通話時間、通話時間中に利用者が沈黙する割合を示す沈黙率、通話中の利用者毎の発話比率、前記音声データに所定キーワードが出現するキーワード出現頻度、または前記ストレス値のうち少なくとも一つのパラメータを基にして、親密度を算出することを特徴とする付記７に記載の親密度算出プログラム。

（付記９）前記端末装置を用いて利用者間で送受信されるテキストデータの特徴量とテキストデータの送受信回数を基にして、前記親密度を補正する処理を更に実行させることを特徴とする付記７または８に記載の親密度算出プログラム。

（付記１０）前記親密度を算出する処理は、過去に特定されたパラメータに重みを乗算した値と、新たに特定されたパラメータに前記過去に特定されたパラメータに乗算される重みよりも大きい重みを乗算した値とを基にしてパラメータを補正し、補正したパラメータを用いて親密度を算出することを特徴とする付記８または９に記載の親密度算出プログラム。

（付記１１）前記親密度を算出する処理は、異なる端末装置によって算出された利用者間のパラメータを基にして親密度を算出することを特徴とする付記７〜１０のいずれか一つに記載の親密度算出プログラム。

（付記１２）前記利用者間の親密度の高低に応じて、表示装置上の各利用者の画像の距離が変化する人物相関図データを生成する処理を更に実行することを特徴とする付記７〜１１のいずれか一つに記載の親密度算出プログラム。

（付記１３）端末装置を用いた利用者間の通話の音声データを取得して該音声データの特徴量を抽出し、抽出した特徴量と基準特徴量との乖離具合を基にしてストレス値を算出するストレス値算出部と、
前記ストレス値を基にして、利用者間の親密度を算出する親密度算出部と
を有することを特徴とする親密度算出装置。

（付記１４）前記親密度算出部は、通話回数、通話時間、通話時間中に利用者が沈黙する割合を示す沈黙率、通話中の利用者毎の発話比率、前記音声データに所定キーワードが出現するキーワード出現頻度、または前記ストレス値のうち少なくとも一つのパラメータを基にして、親密度を算出することを特徴とする付記１３に記載の親密度算出装置。

（付記１５）前記親密度算出部は、前記端末装置を用いて利用者間で送受信されるテキストデータの特徴量とテキストデータの送受信回数を基にして、前記親密度を補正することを特徴とする付記１３または１４に記載の親密度算出装置。

（付記１６）前記親密度算出部は、過去に特定されたパラメータに重みを乗算した値と、新たに特定されたパラメータに前記過去に特定されたパラメータに乗算される重みよりも大きい重みを乗算した値とを基にしてパラメータを補正し、補正したパラメータを用いて親密度を算出することを特徴とする付記１４または１５に記載の親密度算出装置。

（付記１７）前記親密度算出部は、異なる端末装置によって算出された利用者間のパラメータを基にして親密度を算出することを特徴とする付記１３〜１６のいずれか一つに記載の親密度算出装置。

（付記１８）前記利用者間の親密度の高低に応じて、表示装置上の各利用者の画像の距離が変化する人物相関図データを生成する人物相関図作成部を更に有することを特徴とする付記１３〜１７のいずれか一つに記載の親密度算出装置。

５０ ネットワーク
１００，２００ 親密度算出装置
３００，５００ 管理サーバ
３５０，４５０，６０１，６０２，６０３ 携帯端末装置
３６０，４６０ 端末装置
４００ ＳＮＳサーバ

Claims (7)

1. コンピュータが実行する親密度算出方法であって、
   端末装置を用いた利用者間の通話の音声データを取得して該音声データの特徴量を抽出し、抽出した特徴量と、利用者の平常時の音声データから抽出される特徴量を示す基準特徴量との乖離具合を基にして、前記乖離具合が大きいほど値が大きくなり、前記乖離具合が小さいほど値が小さくなるストレス値を算出し、
   また、前記音声データに所定キーワードが出現するキーワード出現頻度を算出し、
   前記ストレス値と前記キーワード出現頻度のパラメータを、過去に特定されたパラメータに重みを乗算した値と、今回新たに特定されたパラメータに前記過去に特定されたパラメータに乗算される重みよりも大きい重みを乗算した値とを基にして補正し、
   補正した前記ストレス値と前記キーワード出現頻度のパラメータに基づいて利用者間の親密度を算出する
   各処理を実行することを特徴とする親密度算出方法。
2. 前記親密度を算出する処理は、通話回数、通話時間、通話時間中に利用者が沈黙する割合を示す沈黙率、通話中の利用者毎の発話比率のうち少なくとも一つのパラメータを親密度の算出に更に用いることを特徴とする請求項１に記載の親密度算出方法。
3. 前記端末装置を用いて利用者間で送受信されるテキストデータの特徴量とテキストデータの送受信回数を基にして、前記親密度を補正する処理を更に実行することを特徴とする請求項１または２に記載の親密度算出方法。
4. 前記親密度を算出する処理は、異なる端末装置によって算出された利用者間のパラメータを基にして親密度を算出することを特徴とする請求項１〜３のいずれか一つに記載の親密度算出方法。
5. 前記利用者間の親密度の高低に応じて、表示装置上の各利用者の画像の距離が変化する人物相関図データを生成する処理を更に実行することを特徴とする請求項１〜４のいずれか一つに記載の親密度算出方法。
6. コンピュータに
   端末装置を用いた利用者間の通話の音声データを取得して該音声データの特徴量を抽出し、抽出した特徴量と、利用者の平常時の音声データから抽出される特徴量を示す基準特徴量との乖離具合を基にして、前記乖離具合が大きいほど値が大きくなり、前記乖離具合が小さいほど値が小さくなるストレス値を算出し、
   また、前記音声データに所定キーワードが出現するキーワード出現頻度を算出し、
   前記ストレス値と前記キーワード出現頻度のパラメータを、過去に特定されたパラメータに重みを乗算した値と、今回新たに特定されたパラメータに前記過去に特定されたパラメータに乗算される重みよりも大きい重みを乗算した値とを基にして補正し、
   補正した前記ストレス値と前記キーワード出現頻度のパラメータに基づいて利用者間の親密度を算出する
   各処理を実行させることを特徴とする親密度算出プログラム。
7. 端末装置を用いた利用者間の通話の音声データを取得して該音声データの特徴量を抽出し、抽出した特徴量と、利用者の平常時の音声データから抽出される特徴量を示す基準特徴量との乖離具合を基にして、前記乖離具合が大きいほど値が大きくなり、前記乖離具合が小さいほど値が小さくなるストレス値を算出し、また、前記音声データに所定キーワードが出現するキーワード出現頻度を算出するストレス値算出部と、
   前記ストレス値と前記キーワード出現頻度のパラメータを、過去に特定されたパラメータに重みを乗算した値と、今回新たに特定されたパラメータに前記過去に特定されたパラメータに乗算される重みよりも大きい重みを乗算した値とを基にして補正し、補正した前記ストレス値と前記キーワード出現頻度のパラメータに基づいて利用者間の親密度を算出する親密度算出部と
   を有することを特徴とする親密度算出装置。

Images