JP6151573B2 - 視聴状態推定装置及びそのプログラム - Google Patents

Description

本願発明は、被験者の視聴状態を推定する視聴状態推定装置及びそのプログラムに関する。

従来から、視聴者のコンテンツに対する理解度又は主観評価は、視聴後のアンケートで把握されている。受信機で視聴者の理解度又は主観評価の把握が可能であれば、視聴者の嗜好の把握に役立ち、有益な情報推薦に応用が期待できるが、コンテンツ視聴後に毎回アンケートを行うことは現実的ではない。

そのため、視聴者の生体信号から客観的、かつ、自動的に理解度を把握する従来技術が提案されている（例えば、特許文献１−６）。これら従来技術は、計測された生体信号に、理解度に応じて予め決められた生体信号パターンが含まれるか否かによって、理解度を推定するものである。

特許第４３７０２０９号公報 特許第４４４１３４５号公報 特許第４６８６２９９号公報 特許第３９９１０６６号公報 特許第４１８９４４０号公報 特許第５１１９３７５号公報

しかし、前記した従来技術は、予め決められた生体信号パターンに基づいて理解度を推定するため、多種多様なコンテンツに対応できておらず、理解度の推定が困難であるという問題がある。

そこで、本願発明は、前記した課題に鑑みて、コンテンツに対する視聴状態を客観的、かつ、高精度に推定できる視聴状態推定装置及びそのプログラムを提供することを課題とする。

前記した課題を解決するため、本願発明に係る視聴状態推定装置は、コンテンツに対する理解度又は主観評価である視聴状態を尋ねる設問に対する第１被験者群の解答と、コンテンツの視聴中に計測された第１被験者群の生体信号と、解答を行っていない第２被験者の生体信号とに基づいて、第２被験者の視聴状態を推定する視聴状態推定装置であって、生体信号類似度行列算出手段と、視聴状態類似度行列算出手段と、類似度相関係数算出手段と、計測チャンネル選択手段と、生体信号抽出手段と、生体信号類似度ベクトル算出手段と、視聴状態推定手段と、を備えることを特徴とする。

かかる構成によれば、視聴状態推定装置は、生体信号類似度行列算出手段によって、生体信号の計測チャンネル毎に、第１被験者群の生体信号が入力され、入力された第１被験者群の生体信号から、第１被験者間の生体信号の類似度を示す生体信号類似度行列を算出する。また、視聴状態推定装置は、視聴状態類似度行列算出手段によって、第１被験者群の解答を要素とする第１視聴状態ベクトルが入力され、入力された第１視聴状態ベクトルから、第１被験者間の第１視聴状態ベクトルの類似度を示す視聴状態類似度行列を算出する。

ここで、被験者間の生体信号の類似度と、被験者間の解答パターンの類似度との間には、高い相関があると考えられる。そこで、視聴状態推定装置は、類似度相関係数算出手段によって、生体信号類似度行列の上三角要素又は下三角要素からなる生体信号三角要素ベクトルを生成し、視聴状態類似度行列の上三角要素又は下三角要素からなる視聴状態三角要素ベクトルを生成し、計測チャンネル毎に、生体信号三角要素ベクトル及び視聴状態三角要素ベクトルの相関係数を算出する。

また、視聴状態推定装置は、計測チャンネル選択手段によって、計測チャンネル毎の相関係数が予め設定された閾値を超えるか否かを判定し、相関係数が閾値を超えた計測チャンネルを選択チャンネルとして選択する。そして、視聴状態推定装置は、生体信号抽出手段によって、コンテンツの視聴中に計測された第２被験者の生体信号が計測チャンネル毎に入力され、入力された第２被験者の生体信号から、計測チャンネルが選択チャンネルに一致する第２被験者の生体信号を抽出する。このようにして、視聴状態との間に有意な相関がある計測チャンネルの生体信号が抽出される。

また、視聴状態推定装置は、生体信号類似度ベクトル算出手段によって、生体信号抽出手段で抽出された第２被験者の生体信号と、第１被験者の生体信号との類似度を示す生体信号類似度ベクトルを算出する。そして、視聴状態推定装置は、視聴状態推定手段によって、第２被験者の解答を示す第２視聴状態ベクトル及び第１視聴状態ベクトルの類似度を示す視聴状態類似度ベクトルと、生体信号類似度ベクトルとの相関係数が最大になる第２視聴状態ベクトルを求め、求めた第２視聴状態ベクトルを、第２被験者の視聴状態として推定する。このようにして、視聴状態推定装置は、予め決められた生体信号パターンを用いることなく、第２被験者の視聴状態を推定することができる。

なお、本願発明に係る視聴状態推定装置は、コンピュータが備えるＣＰＵ、メモリ、ハードディスク等のハードウェア資源を、前記した各手段として協調動作させる視聴状態推定プログラムで実現することもできる。このプログラムは、通信回線を介して配布してもよく、ＣＤ−ＲＯＭやフラッシュメモリ等の記録媒体に書き込んで配布してもよい。

本願発明によれば、以下のような優れた効果を奏する。
本願発明によれば、被験者間の生体信号の類似度と、被験者間の解答パターンの類似度との間に高い相関があることを利用し、視聴状態との間に有意な相関がある計測チャンネルの生体信号を用いて、第２被験者の視聴状態を推定するため、予め決められた生体信号パターンを用いる必要がない。これによって、本願発明によれば、コンテンツに対する視聴状態を客観的、かつ、高精度に推定することができる。

本願発明の実施形態に係る視聴状態推定装置の構成を示すブロック図である。 本願発明の実施形態において、視聴状態及び生体信号の相関関係を説明する画像である。 図１の視聴状態推定手段による視聴状態の推定を説明する説明図である。 図１の視聴状態推定装置の動作を示すフローチャートである。

（実施形態）
以下、本願発明の実施形態について、適宜図面を参照しながら詳細に説明する。なお、各実施形態において、同一の機能を有する手段には同一の符号を付し、説明を省略した。

［視聴状態推定装置の構成］
図１を参照し、本願発明の実施形態に係る視聴状態推定装置１の構成について、説明する。
視聴状態推定装置１は、第１被験者の解答と、第１被験者の生体信号と、第２被験者の生体信号とに基づいて、第２被験者の視聴状態（解答）を推定するものである。

図１に示すように、視聴状態推定装置１は、生体信号入力手段１０と、生体信号蓄積手段１１と、生体信号類似度行列算出手段１２と、視聴状態入力手段２０と、視聴状態蓄積手段２１と、視聴状態類似度行列算出手段２２と、類似度相関係数算出手段３０と、計測チャンネル選択手段４０と、生体信号抽出手段５０と、生体信号類似度ベクトル算出手段５１と、視聴状態推定手段６０とを備える。

第１被験者とは、コンテンツの視聴中に生体信号が計測されると共に、そのコンテンツの視聴状態を尋ねる設問を解答した被験者である。本実施形態では、第１被験者がＮ人であることとする（Ｎ≧２）。
第２被験者とは、視聴状態の推定対象となっている被験者である。つまり、第２被験者は、コンテンツの視聴中に生体信号が計測されるだけで、設問を解答しない。
コンテンツは、例えば、ニュース番組、バラエティ番組等の番組を内容とする番組コンテンツである。

生体信号入力手段１０は、生体信号の計測チャンネル毎に、必要被験者数Ｎの人数分だけ、第１被験者の生体信号が入力されるものである。また、生体信号入力手段１０は、入力された生体信号を数値化し、計測チャンネルの位置データに基づく前処理を施す。そして、生体信号入力手段１０は、位置データと共に、必要被験者数Ｎの人数分だけ、第１被験者の生体信号を生体信号蓄積手段１１に蓄積する。

生体信号は、被験者の生体組織の状態や組織が機能している場合の情報を反映した信号である。この生体信号は、例えば、脳血中酸素量、脳表の電位（ＥＥＧ：Electroencephalogram）、又は、人体の体表温度である。例えば、脳血中酸素量は、機能的核磁気共鳴映像法（ｆＭＲＩ：functional Magnetic Resonance Imaging）、又は、近赤外分光法で計測できる。また、例えば、人体の体表温度は、サーモグラフィで計測できる。

計測チャンネルとは、生体信号計測装置で生体信号の計測領域単位で表された、生体信号を計測した被写体の位置（部位）に相当するものである。ｆＭＲＩを用いた場合、計測チャンネルは、ｆＭＲＩ装置が３次元画像を生成することから、ボクセル単位で表された、被験者の脳の部位に相当する。また、近赤外分光法又はＥＥＧを用いた場合、計測チャンネルは、被験者の頭表上に置かれるプローブ単位又は電極単位で表された、脳の部位に相当する。

計測チャンネルの位置データとは、計測チャンネルの位置（部位）を示すデータである。ｆＭＲＩを用いた場合、計測チャンネルの位置データは、被験者の脳の部位を表す３次元座標（ボクセル座標）となる。

ｆＭＲＩを用いた場合、生体信号入力手段１０は、計測チャンネルの位置データに基づく前処理として、脳断層画像の正規化処理を行うことが好ましい。つまり、各第１被験者の脳の大きさが異なるので、脳断層画像に含まれる脳の大きさを予め揃えておく必要がある。そこで、生体信号入力手段１０は、正規化処理として、脳断層画像に含まれる脳を圧縮、伸張及び回転させて、標準脳と呼ばれるテンプレート脳画像にあわせる。

生体信号蓄積手段１１は、生体信号を蓄積するメモリ、ハードディスク等の記憶装置である。生体信号蓄積手段１１に蓄積された生体信号は、生体信号類似度行列算出手段１２及び生体信号類似度ベクトル算出手段５１によって、参照される。

生体信号類似度行列算出手段１２は、生体信号蓄積手段１１に蓄積された生体信号の計測チャンネル毎に、第１被験者間の生体信号の類似度を示す生体信号類似度行列を算出するものである。本実施形態では、生体信号類似度行列算出手段１２は、下記の式（１）〜式（４）のように、相関係数を用いて、全ての第１被験者間で生体信号類似度行列Ｍ^ｃ _ｘを算出する。

ここで、第１被験者をｉ、計測チャンネルをｃ、生体信号の時刻をｔ（ｔ＝１〜Ｔ）とすると、時系列の生体信号ｘ^ｃ _ｉは、下記の式（１）のベクトルで表すことができる。なお、時刻ｔ＝１がコンテンツの開始時刻であり、時刻ｔ＝Ｔがコンテンツの終了時刻である。

この場合、第１被験者間の生体信号類似度行列Ｍ^ｃ _ｘは、下記の式（２）のように、Ｎ×Ｎ次元の対称行列で表すことができる（対角成分は全て１）。つまり、Ｍ^ｃ _x,i,j＝Ｍ^ｃ _x,j,iであり、ｉ＝ｊのとき、Ｍ^ｃ _x,i,j＝１となる（但し、１≦ｉ≦Ｎ、１≦ｊ≦Ｎを満たす）。

そして、生体信号類似度行列Ｍ^ｃ _ｘの要素Ｍ^ｃ _x,i,jは、第１被験者ｉ，ｊの計測チャンネルｃの生体信号ｘ^ｃ _ｉ，ｘ^ｃ _ｊの相関係数となり、下記の式（３）で表すことができる。また、式（３）のｘ￣^ｃ _ｉは、下記の式（４）及び式（５）で表すことができる（ｘ￣^ｃ _ｊも同様）。なお、式（５）は、全ての要素が１となるＴ次元のベクトルを表す。

生体信号類似度行列算出手段１２は、算出した生体信号類似度行列Ｍ^ｃ _ｘを類似度相関係数算出手段３０に出力する。

＜設問及び解答の具体例＞
視聴状態入力手段２０を説明する前に、設問及び解答の具体例を説明する。
設問は、コンテンツの視聴状態を第１被験者に尋ねるものである。つまり、設問は、そのコンテンツを視聴した第１被験者の理解度又は主観評価を尋ねるものである。本実施形態では、設問は、第１被験者の理解度を尋ねるものとする。

また、各設問には、複数の選択肢が予め設定されている。そして、第１被験者は、複数の選択肢から、自らが相応しいと思う選択肢を１個選択して解答する。各解答には、コンテンツの内容と照らし合わせて、正解又は不正解が設定される。

例えば、コンテンツが経済に関するニュース番組の場合、以下の設問１〜４を第１被験者に尋ねる。また、設問１〜４のそれぞれには、４個の選択肢１〜４が設定されている。設問１〜４では、選択肢１が正解であり、選択肢２〜４が不正解である。

設問１：何の話題ですか？
選択肢１：通貨ユーロの危機
選択肢２：ＥＵの政情不安
選択肢３：中国のＥＵ圏への投資
選択肢４：ドイツとフランスの経済紛争

設問２：現在のユーロはどのような状況ですか？
選択肢１：ユーロ体制そのものへの信頼性が低下している
選択肢２：ＩＭＦからの金融支援で信頼回復を果たしている
選択肢３：ＥＵの各国間の政治的な対立により価値切り下げの様相を呈している
選択肢４：多くの国が自国通貨へ回帰を検討している

設問３：信頼性が低下している原因は何ですか？誤っているものを解答してください
選択肢１：ギリシャがＥＵとＩＭＦから金融支援を受けることが決まったこと
選択肢２：アイルランドがギリシャと同様の経済状況になったこと
選択肢３：ポルトガルの国債が値下がりしたこと
選択肢４：スペインの国債が値下がりしたこと

設問４：当面の注目点は何だといっていますか。誤っているものを解答してください
選択肢１：中国の投資が持続するかどうか
選択肢２：危機の連鎖を止められるかどうか
選択肢３：ＥＵやＩＭＦが設けたセーフティネットは十分か
選択肢４：ＥＵが結束して危機に対応できるか

なお、第１被験者が解答を行うタイミングは、任意である。例えば、第１被験者は、コンテンツの視聴中又は視聴後に解答を行ってもよい。
また、設問及び選択肢を第１被験者に提示する手法は、任意である。例えば、図示を省略したディスプレイに設問及び選択肢を表示してもよい。

続いて、視聴状態入力手段２０を説明する。
視聴状態入力手段２０は、必要被験者数Ｎの人数分だけ、第１被験者の解答が入力されるものである。また、視聴状態入力手段２０は、予め設定された解答数値化規則により、入力された第１被験者の解答を数値化して、第１被験者の解答を要素とする第１視聴状態ベクトルを生成する。そして、視聴状態入力手段２０は、必要被験者数Ｎの人数分だけ、第１視聴状態ベクトルを視聴状態蓄積手段２１に蓄積する。

前記した設問１〜４に対し、第１被験者が解答した場合を考える。
例えば、視聴状態入力手段２０は、解答数値化規則として、入力された解答を正解（例えば、‘１’）又は不正解（例えば、‘０’）で数値化する規則が予め設定される。ここで、視聴状態入力手段２０には、ある第１被験者について、設問１で選択肢１、設問２で選択肢２、設問３で選択肢４、設問４で選択肢１という解答が入力された場合を考える。この場合、視聴状態入力手段２０は、正解が選択肢１のため、解答数値化規則により、第１視聴状態ベクトル[１ ０ ０ １]を生成する。

従って、第１被験者ｉの第１視聴状態ベクトルｙ_ｉは、下記の式（６）のように、設問数がＮ_ｑであれば、Ｎ_ｑ次元のベクトルとなり、各要素が‘０’又は‘１’になる。なお、式（６）では、ｋ番目の要素ｙ_ｉ,ｋは、ｋ番目の設問に対する解答を表している。

視聴状態蓄積手段２１は、第１被験者の生体信号と対応付けて、第１視聴状態ベクトルを蓄積するメモリ、ハードディスク等の記憶装置である。視聴状態蓄積手段２１に蓄積された第１視聴状態ベクトルは、視聴状態類似度行列算出手段２２及び視聴状態推定手段６０によって、参照される。

視聴状態類似度行列算出手段２２は、視聴状態蓄積手段２１に蓄積された第１視聴状態ベクトルから、第１被験者間の第１視聴状態ベクトルの類似度を示す視聴状態類似度行列を算出するものである。本実施形態では、視聴状態類似度行列算出手段２２は、下記の式（７）及び式（８）を用いて、視聴状態類似度行列Ｍ_ｙを算出する。

ここで、視聴状態類似度行列Ｍ_ｙは、下記の式（７）のように、Ｎ×Ｎ次元の対称行列で表すことができる（対角成分は全て１）。

また、第１被験者ｉ，ｊ間の視聴状態の類似度Ｍ_ｙ,ｉ,ｊは、下記の式（８）のように、第１被験者ｉ，ｊ間の第１視聴状態ベクトルｙ_ｉ，ｙ_ｊの内積を用いて、表すことができる。

このように内積を用いた場合、類似度Ｍ_ｙ,ｉ,ｊには、第１被験者ｉ，ｊのコンテンツ全体を通しての視聴状態を反映できる。これにより、視聴状態推定装置１は、類似度Ｍ_ｙ,ｉ,ｊを正確に求められるので、第２被験者の視聴状態をより高精度に推定することができる。
なお、類似度Ｍ_ｙ,ｉ,ｊは、内積よりも精度が劣るが、コサイン距離でも定義できる。

視聴状態類似度行列算出手段２２は、算出した視聴状態類似度行列Ｍ_ｙを類似度相関係数算出手段３０に出力する。

類似度相関係数算出手段３０は、後記する生体信号三角要素ベクトル及び視聴状態三角要素ベクトルを生成し、計測チャンネル毎に、生体信号三角要素ベクトル及び視聴状態三角要素ベクトルの相関係数を算出するものである。

まず、類似度相関係数算出手段３０は、生体信号類似度行列算出手段１２より入力された生体信号類似度行列Ｍ^ｃ _ｘの上三角要素からなる生体信号三角要素ベクトルを生成する。具体的には、類似度相関係数算出手段３０は、生体信号類似度行列Ｍ^ｃ _ｘの対角成分を除き、上三角要素を予め設定された順序で１次元に並び変えることで、生体信号三角要素ベクトルを生成する。つまり、生体信号類似度行列Ｍ^ｃ _ｘがＮ×Ｎ次元のとき、対角成分を除いた上三角要素は、（Ｎ×Ｎ−Ｎ)／２個となる。従って、生体信号三角要素ベクトルは、（Ｎ×Ｎ−Ｎ)／２次元のベクトルになる。

また、類似度相関係数算出手段３０は、生体信号三角要素ベクトルと同様の手順で、視聴状態類似度行列算出手段２２より入力された視聴状態類似度行列Ｍ_ｙの上三角要素からなる視聴状態三角要素ベクトルを生成する。
なお、類似度相関係数算出手段３０は、上三角要素の代わりに下三角要素から、生体信号三角要素ベクトル及び視聴状態三角要素ベクトルを生成してもよい。

また、類似度相関係数算出手段３０は、全ての計測チャンネルについて、生体信号三角要素ベクトル及び視聴状態三角要素ベクトルの相関係数（以後、「相関係数ｒ_ｃ」）を算出する。そして、類似度相関係数算出手段３０は、計測チャンネル毎の相関係数ｒ_ｃを計測チャンネル選択手段４０に出力する。

計測チャンネル選択手段４０は、類似度相関係数算出手段３０から入力された計測チャンネル毎の相関係数ｒ_ｃが予め設定された閾値Ｔ（例えば、‘０．５’）を超えるか否かを判定するものである。また、計測チャンネル選択手段４０は、相関係数ｒ_ｃが閾値Ｔを超えた計測チャンネルを選択チャンネルとして選択する。そして、計測チャンネル選択手段４０は、選択チャンネルを生体信号抽出手段５０に出力する。

＜視聴状態及び生体信号の相関関係＞
図２を参照し、視聴状態及び生体信号の相関関係について、説明する（適宜図１参照）。
図２は、ある被験者の首側から頭頂側までの脳断層画像である。各脳断層画像には、脳断層画像の撮影位置を示す数値（ミリメートル単位）が付されている。また、各脳断層画像では、選択チャンネルとして選択された部位について、図２の右下のように、相関係数ｒ_ｃに応じた色が付されている。

つまり、各脳断層画像では、相関係数ｒ_ｃが高くなるほど、選択チャンネルとして選択された部位が明るくなっている。一方、各脳断層画像では、相関係数ｒ_ｃが低くなるほど、選択チャンネルとして選択された部位が暗くなっている。このことから、視聴状態と生体信号（脳血中酸素量）との間には、相関関係があることがわかる。

図１に戻り、視聴状態推定装置１の構成について、説明する。
生体信号抽出手段５０は、計測チャンネル毎に第２被験者の生体信号が入力され、入力された第２被験者の生体信号から、計測チャンネルが選択チャンネルに一致する第２被験者の生体信号を抽出するものである。

具体的には、生体信号抽出手段５０は、計測チャンネル選択手段４０から入力された選択チャンネルで、第２被験者の生体信号を抽出する。また、生体信号抽出手段５０は、生体信号入力手段１０と同様、抽出した第２被験者の生体信号を数値化し、計測チャンネルの位置データに基づく前処理を施す。そして、生体信号抽出手段５０は、位置データと共に、第２被験者の生体信号を生体信号類似度ベクトル算出手段５１に出力する。

第２被験者の生体信号は、コンテンツの視聴中に第２被験者から計測された、第１被験者と同種の生体信号である。
以後、生体信号抽出手段５０が抽出した第２被験者の生体信号をｘ^Ｃ _ｎｅｗと表す。

生体信号類似度ベクトル算出手段５１は、生体信号抽出手段５０から入力された第２被験者の生体信号ｘ^Ｃ _ｎｅｗと、生体信号蓄積手段１１に蓄積された第１被験者の生体信号ｘ^ｃ _ｉとの類似度を示す生体信号類似度ベクトルを算出するものである。本実施形態では、生体信号類似度ベクトル算出手段５１は、下記の式（９）を用いて、生体信号類似度ベクトルｓ_ｘを算出する。

ここで、生体信号類似度ベクトルｓ_ｘは、生体信号蓄積手段１１に蓄積された第１被験者の生体信号ｘ^ｃ _ｉがＮ人分であれば、N次元のベクトルとなる。また、生体信号類似度ベクトルｓ_ｘは、そのｉ番目の要素ｓ_ｘｉを、下記の式（９）で表すことができる。

この式（９）のｘ￣^Ｃ _ｎｅｗは、下記の式（１０）及び式（１１）で表すことができる。また、ベクトルｘ^Ｃ _ｎｅｗは、そのｉ番目の要素がｘ^Ｃ _{ｎｅｗ，ｉ}であり、下記の式（１２）で表すことができる。なお、式（１１）は、全ての要素が１となるＴ次元のベクトルを表す。

生体信号類似度ベクトル算出手段５１は、算出した生体信号類似度ベクトルｓ_ｘを視聴状態推定手段６０に出力する。

視聴状態推定手段６０は、後記する視聴状態類似度ベクトルｓ_ｙと、生体信号類似度ベクトル算出手段５１から入力された生体信号類似度ベクトルｓ_ｘとの相関係数が最大になる第２視聴状態ベクトルの推定値ｙ＾_ｎｅｗを求めるものである。本実施形態では、視聴状態推定手段６０は、下記の式（１３）及び式（１４）を用いて、第２視聴状態ベクトルｙ＾_ｎｅｗを求める。

ここで、第２被験者の視聴状態を示す第２視聴状態ベクトルをｙ_ｎｅｗと記す。この場合、視聴状態類似度ベクトルｓ_ｙは、下記の式（１３）のように、視聴状態蓄積手段２１に蓄積された第１視聴状態ベクトルｙ_ｉと、第２視聴状態ベクトルｙ_ｎｅｗとの類似度を表す。

もし、第２視聴状態ベクトルｙ_ｎｅｗが既知であれば、生体信号類似度ベクトルｓ_ｘと視聴状態類似度ベクトルｓ_ｙとの相関係数は、大きくなる。従って、第２視聴状態ベクトルｙ_ｎｅｗが未知の場合、第２視聴状態ベクトルｙ_ｎｅｗを推定するには、第２視聴状態ベクトルｙ_ｎｅｗを変数として、生体信号類似度ベクトルｓ_ｘと視聴状態類似度ベクトルｓ_ｙとの相関係数を最大化すればよい。すなわち、第２視聴状態ベクトルの推定値ｙ＾_ｎｅｗは、下記の式（１４）で表すことができる。

例えば、視聴状態推定手段６０は、全ての解答を組み合わせた第２視聴状態ベクトルｙ_ｎｅｗを生成する。そして、視聴状態推定手段６０は、生体信号類似度ベクトルｓ_ｘと視聴状態類似度ベクトルｓ_ｙとの相関係数が最大になるときの第２視聴状態ベクトルｙ_ｎｅｗを、第２視聴状態ベクトルの推定値ｙ＾_ｎｅｗとしてもよい。

ここで、設問数が多いといった理由で、全ての解答を組み合わせた第２視聴状態ベクトルｙ_ｎｅｗを生成することが困難な場合もある。この場合、視聴状態推定手段６０は、下記の式（１５）に示すように、最小二乗法で解くこともできる。なお、式（１５）では、Ｘのｉ列目は、第１被験者の生体信号ｘ^ｃ _ｉを表している。

視聴状態推定手段６０は、求めた第２視聴状態ベクトルｙ＾_ｎｅｗが示す解答を、第２被験者の視聴状態として外部に出力する。

＜複数の選択チャンネルにおける第２視聴状態ベクトルの推定＞
図３を参照し、選択チャンネルが複数の場合における、第２視聴状態ベクトルの推定について、説明する（適宜図１参照）。

図３は、脳断層画像の模式図であり、破線が頭蓋骨を示し、実線が脳を示している。また、図３では、３つの選択チャンネルＣ_１〜Ｃ_３に対応する部位をハッチングで図示した。
この例では、４問の設問が第１被験者に尋ねられ、その解答が視聴状態推定装置１に入力されたこととする。

生体信号抽出手段５０は、選択チャンネルに一致する全ての計測チャンネルについて、第２被験者の生体信号ｘ^Ｃ _ｎｅｗを抽出する。
生体信号類似度ベクトル算出手段５１は、前記同様、選択チャンネル毎に、生体信号類似度ベクトルｓ_ｘを算出する。

視聴状態推定手段６０は、前記同様、選択チャンネルＣ_１〜Ｃ_３毎に第２視聴状態ベクトルｙ＾_ｎｅｗを推定する。ここでは、選択チャンネルＣ_１の第２視聴状態ベクトルｙ＾_ｎｅｗ１＝[１ ０ １ １]であることとする。この第２視聴状態ベクトルｙ＾_ｎｅｗ１は、設問１，３，４の解答が‘１’なので正解であり、設問２の解答が‘０’なので不正解であることを示している。

選択チャンネルＣ_２の第２視聴状態ベクトルｙ＾_ｎｅｗ２＝[１ ０ ０ １]であることとする。また、選択チャンネルＣ_３の第２視聴状態ベクトルｙ＾_ｎｅｗ３＝[１ １ ０ ０]であることとする。

次に、視聴状態推定手段６０は、第２視聴状態ベクトルｙ＾_ｎｅｗ１〜ｙ＾_ｎｅｗ３に投票処理を施して、最多得票となる第２被験者の視聴状態ベクトルｙ＾_ｎｅｗを、視聴状態として推定する。言い換えるなら、視聴状態推定手段６０は、第２視聴状態ベクトルｙ＾_ｎｅｗ１〜ｙ＾_ｎｅｗ３について、要素毎の平均値を算出する。そして、視聴状態推定手段６０は、算出した平均値が’０．５’を超えれば正解、要素毎の平均値が’０．５’以下であれば不正解として、第２被験者の視聴状態ベクトルｙ＾_ｎｅｗを推定する。

この例では、視聴状態推定手段６０は、要素毎の平均値＝[（１+１+１）／３ （０+０+１）／３ （１+０+０）／３ （１+１+０）／３]＝[１ １／３ １／３ ２／３]を算出する。そして、視聴状態推定手段６０は、第２被験者の視聴状態ベクトルｙ＾_ｎｅｗ＝[１ ０ ０ １]を推定する。
このように選択チャンネルが複数選択された場合でも、視聴状態推定装置１は、第２被験者の視聴状態を客観的、かつ、高精度に推定することができる。

［視聴状態推定装置の動作］
図４を参照し、視聴状態推定装置１の動作について、説明する(適宜図１参照)。
視聴状態推定装置１は、生体信号入力手段１０によって、計測チャンネル毎に、第１被験者の生体信号が入力される（ステップＳ１）。
視聴状態推定装置１は、生体信号入力手段１０によって、ステップＳ１で入力された第１被験者の生体信号を生体信号蓄積手段１１に蓄積する（ステップＳ２）。

視聴状態推定装置１は、視聴状態入力手段２０によって、第１視聴状態ベクトルが入力される（ステップＳ３）。
視聴状態推定装置１は、視聴状態入力手段２０によって、ステップＳ３で入力された第１視聴状態ベクトルを視聴状態蓄積手段２１に蓄積する（ステップＳ４）。

視聴状態推定装置１は、生体信号及び第１視聴状態ベクトルを蓄積した第１被験者数が必要被験者数Ｎを超えているか否か判定する（ステップＳ５）。
第１被験者数が必要被験者数Ｎを超えている場合（ステップＳ５でＹｅｓ）、視聴状態推定装置１は、ステップＳ６の処理に進む。
第１被験者数が必要被験者数Ｎを超えていない場合（ステップＳ５でＮｏ）、視聴状態推定装置１は、ステップＳ１の処理に戻る。

視聴状態推定装置１は、生体信号類似度行列算出手段１２によって、ステップＳ２で蓄積された生体信号から、生体信号類似度行列を算出する（ステップＳ６）。
視聴状態推定装置１は、視聴状態類似度行列算出手段２２によって、ステップＳ４で蓄積された第１視聴状態ベクトルから、視聴状態類似度行列を算出する（ステップＳ７）。

視聴状態推定装置１は、類似度相関係数算出手段３０によって、計測チャンネル毎に、生体信号類似度行列の上三角要素からなる生体信号三角要素ベクトルと、視聴状態類似度行列の上三角要素からなる視聴状態三角要素ベクトルとの相関係数ｒ_ｃを算出する（ステップＳ８）。
視聴状態推定装置１は、計測チャンネル選択手段４０によって、相関係数ｒ_ｃが閾値Ｔを超えた計測チャンネルを選択チャンネルとして選択する（ステップＳ９）。

視聴状態推定装置１は、生体信号抽出手段５０によって、計測チャンネル毎に第２被験者の生体信号が入力される（ステップＳ１０）。
視聴状態推定装置１は、生体信号抽出手段５０によって、ステップＳ１０で入力された第２被験者の生体信号から、計測チャンネルが選択チャンネルに一致する第２被験者の生体信号を抽出する（ステップＳ１１）。

視聴状態推定装置１は、生体信号類似度ベクトル算出手段５１によって、第２被験者の生体信号と第１被験者の生体信号との類似度を示す生体信号類似度ベクトルを算出する（ステップＳ１２）。

視聴状態推定装置１は、視聴状態推定手段６０によって、視聴状態類似度ベクトルと生体信号類似度ベクトルとの相関係数が最大になる第２視聴状態ベクトルを求める。そして、視聴状態推定装置１は、視聴状態推定手段６０によって、求めた第２視聴状態ベクトルが示す解答を、第２被験者の視聴状態として推定する（ステップＳ１３）。

［視聴状態推定装置１の作用・効果］
視聴状態推定装置１は、被験者間の生体信号の類似度と、被験者間の解答パターンの類似度との間に高い相関があることを利用し、視聴状態との間に有意な相関がある計測チャンネルの生体信号を用いて、第２被験者の視聴状態を推定するため、予め決められた生体信号パターンを用いる必要がない。これによって、視聴状態推定装置１は、コンテンツに対する視聴状態を客観的、かつ、高精度に推定することができる。

（変形例）
本願発明に係る視聴状態推定装置１は、前記した実施形態に限定されず、その趣旨を逸脱しない範囲で変形を加えることができる。
前記した実施形態では、設問が第１被験者の理解度を尋ねるものとして説明したが、本願発明は、これに限定されない。
つまり、設問は、コンテンツを視聴した第１被験者の主観評価（印象評価）を尋ねるものであってもよい。例えば、ＳＤ（Semantic Differential)法を用いて設問及び選択肢を準備してもよい。

前記した実施形態では、生体信号を１種類として説明したが、本願発明は、２種類以上の生体信号を組み合わせてもよい。例えば、第１被験者及び第２被験者について、ｆＭＲＩで脳血中酸素量を計測し、サーモグラフィで人体の体表温度を計測した場合を考える。また、ｆＭＲＩの計測チャンネル数をＲ_１とし、サーモグラフィの計測チャンネル数をＲ_２とする。

この場合、第１被験者の生体信号は、ｆＭＲＩで計測した脳血中酸素量と、サーモグラフィで計測した人体の体表温度との２種類を組み合わせて、計測チャンネルの数が（Ｒ_１＋Ｒ_２）となる１種類の生体信号として扱うことができる（第２被験者の生体信号も同様）。従って、視聴状態推定装置１は、２種類以上の生体信号を組み合わせた場合でも、前記した実施形態と同様の処理で第２被験者の視聴状態を推定できる。

前記した実施形態では、解答数値化規則が、解答を正解（例えば、‘１’）又は不正解（例えば、‘０’）で数値化する規則であることとしたが、本願発明は、これに限定されない。
つまり、本願発明は、解答数値化規則として、解答を連続量で数値化する規則を用いてもよい。例えば、解答数値化規則は、解答が「良い」を‘０’、「普通」を‘１’、「悪い」を‘２’と数値化する規則である。

前記した実施形態では、生体信号類似度行列算出手段１２が、相関係数を用いて、生体信号類似度行列Ｍ^ｃ _ｘを算出することとして説明したが、本願発明は、これに限定されない。
つまり、生体信号類似度行列算出手段１２は、コサイン距離又は内積の何れかにより、生体信号類似度行列Ｍ^ｃ _ｘを算出することもできる。これにより、視聴状態推定装置１は、生体信号類似度行列Ｍ^ｃ _ｘを正確に求められるので、第２被験者の視聴状態をより高精度に推定することができる。

前記した実施形態では、視聴状態推定装置１を独立したハードウェアとして説明したが、本願発明は、これに限定されない。例えば、視聴状態推定装置１は、コンピュータが備えるＣＰＵ、メモリ、ハードディスク等のハードウェア資源を、前記した各手段として協調動作させる視聴状態推定プログラムで実現することもできる。このプログラムは、通信回線を介して配布してもよく、ＣＤ−ＲＯＭやフラッシュメモリ等の記録媒体に書き込んで配布してもよい。

本願発明は、視聴者（被験者）が、視聴したコンテンツを興味深く感じることができたか、このコンテンツを正しく受容できたかの客観的な判断に利用することができる。従って、本願発明は、コンテンツの制作や評価といった分野で利用することができる。

１ 視聴状態推定装置
１０ 生体信号入力手段
１１ 生体信号蓄積手段
１２ 生体信号類似度行列算出手段
２０ 視聴状態入力手段
２１ 視聴状態蓄積手段
２２ 視聴状態類似度行列算出手段
３０ 類似度相関係数算出手段
４０ 計測チャンネル選択手段
５０ 生体信号抽出手段
５１ 生体信号類似度ベクトル算出手段
６０ 視聴状態推定手段

Claims (6)

1. コンテンツに対する理解度又は主観評価である視聴状態を尋ねる設問に対する第１被験者群の解答と、前記コンテンツの視聴中に計測された前記第１被験者群の生体信号と、前記解答を行っていない第２被験者の生体信号とに基づいて、前記第２被験者の視聴状態を推定する視聴状態推定装置であって、
   前記生体信号の計測チャンネル毎に、前記第１被験者群の生体信号が入力され、入力された前記第１被験者群の生体信号から、第１被験者間の生体信号の類似度を示す生体信号類似度行列を算出する生体信号類似度行列算出手段と、
   前記第１被験者群の解答を要素とする第１視聴状態ベクトルが入力され、入力された前記第１視聴状態ベクトルから、前記第１被験者間の第１視聴状態ベクトルの類似度を示す視聴状態類似度行列を算出する視聴状態類似度行列算出手段と、
   前記生体信号類似度行列の上三角要素又は下三角要素からなる生体信号三角要素ベクトルを生成し、前記視聴状態類似度行列の上三角要素又は下三角要素からなる視聴状態三角要素ベクトルを生成し、前記計測チャンネル毎に、前記生体信号三角要素ベクトル及び前記視聴状態三角要素ベクトルの相関係数を算出する類似度相関係数算出手段と、
   前記計測チャンネル毎の相関係数が予め設定された閾値を超えるか否かを判定し、前記相関係数が前記閾値を超えた計測チャンネルを選択チャンネルとして選択する計測チャンネル選択手段と、
   前記コンテンツの視聴中に計測された前記第２被験者の生体信号が前記計測チャンネル毎に入力され、入力された前記第２被験者の生体信号から、前記計測チャンネルが前記選択チャンネルに一致する前記第２被験者の生体信号を抽出する生体信号抽出手段と、
   前記生体信号抽出手段で抽出された第２被験者の生体信号と、前記第１被験者の生体信号との類似度を示す生体信号類似度ベクトルを算出する生体信号類似度ベクトル算出手段と、
   前記第２被験者の解答を示す第２視聴状態ベクトル及び前記第１視聴状態ベクトルの類似度を示す視聴状態類似度ベクトルと、前記生体信号類似度ベクトルとの相関係数が最大になる第２視聴状態ベクトルを求め、求めた前記第２視聴状態ベクトルを、前記第２被験者の視聴状態として推定する視聴状態推定手段と、
   を備えることを特徴とする視聴状態推定装置。
2. 前記計測チャンネル選択手段で前記選択チャンネルが複数選択された場合、
   前記生体信号類似度ベクトル算出手段は、前記選択チャンネル毎に前記生体信号類似度ベクトルを算出し、
   前記視聴状態推定手段は、前記選択チャンネル毎に前記生体信号類似度ベクトルと前記視聴状態類似度ベクトルとの相関係数が最大になる第２視聴状態ベクトルを求め、求めた前記選択チャンネル毎の第２視聴状態ベクトルに投票処理を施して、最多得票となる前記第２視聴状態ベクトルを、前記第２被験者の視聴状態として推定することを特徴とする請求項１に記載の視聴状態推定装置。
3. 前記視聴状態類似度行列算出手段は、前記第１被験者間の第１視聴状態ベクトルの類似度として、前記第１被験者間の前記第１視聴状態ベクトルの内積を算出することを特徴とする請求項１又は請求項２に記載の視聴状態推定装置。
4. 前記生体信号類似度行列算出手段は、前記第１被験者間の生体信号の類似度として、前記第１被験者間の生体信号のコサイン距離、相関関数又は内積の何れかを算出することを特徴とする請求項１から請求項３の何れか一項に記載の視聴状態推定装置。
5. 前記生体信号類似度行列算出手段は、前記第１被験者群の生体信号として、前記第１被験者群の脳血中酸素量、脳表の電位、又は、人体の体表温度の何れか１以上が入力され、
   前記生体信号抽出手段は、前記第２被験者の生体信号として、前記第２被験者の脳血中酸素量、脳表の電位、又は、人体の体表温度の何れか１以上が入力されることを特徴とする請求項１から請求項４の何れか一項に記載の視聴状態推定装置。
6. コンピュータを、請求項１に記載の視聴状態推定装置として機能させるための視聴状態推定プログラム。