JP6211683B2 - 購買履歴分類システム及び購買履歴分類方法 - Google Patents

Description

本発明は、食事の購買情報を分析し実際に喫食した食事に関する情報を正確かつ簡便に記録するための方法を提供する購買履歴分類システムに関する。

近年、メタボリックシンドロームや脳血管疾患、心疾患、糖尿病等に代表される生活習慣病の予防を目的とした食習慣の改善が注目されている。食習慣の改善を実現するには、日々の食事の内容を記録して可視化することが重要である。しかしながら、日々の食事を記録すること自体非常に手間のかかる作業であり、さらに各々の食事に関して栄養価の観点で管理することはさらに相当の手間を要するため、個人が継続して取り組むことが難しい。

そのため、食事の管理を簡便にすることが重要である。例えば、購入した商品の情報を自動的に収集し、管理することができれば非常に効果的である。特許文献１では、個人が購入した情報を収集する方法として、精算時の購入履歴に含まれる個人の識別子情報を用いる方法が記載されている。

米国特許第８，４５２，６５３号明細書

上記従来例では、ユーザが自分のための商品のみを購入した場合は問題ないが、他者の分も含めて商品を購入した場合の分類は考慮されていない。例えば商品を食事と仮定した場合、必ずしも精算者と喫食（飲食）者が同一とは言えない。従来技術における精算時の購入履歴に含まれる個人の識別子に従って商品を分類する方法では、実際とは異なる食事の内容が記録されてしまう場合があった。すなわち、複数の喫食者のうちの一人が、複数の喫食者の飲食代を精算した場合、上記従来例では、精算した個人の識別子に全ての複数の喫食者の飲食（商品）が紐付けられてしまう、という問題があった。

そこで本発明は、一つの個人識別子に関連付けられた購買履歴に関して、当該購買履歴に含まれる食事の情報が、関連付けられたユーザが消費したものであるか、他人の情報も含むものであるか判別し、他人の情報も含まれる場合には当該購買履歴に含まれる情報を分類することを目的とする。

本発明は、プロセッサとメモリを備えた計算機と、ネットワークを介して前記計算機に接続された端末と、を備えた購買履歴分類システムであって、前記計算機は、個人を特定する識別子と、前記個人が飲食した食事の識別子とを含む食事情報を前記端末から受信して蓄積する食事情報格納部と、前記端末から受信した前記食事の特徴量を格納する食事特徴量格納部と、前記個人の識別子毎に、前記食事情報格納部から前記食事情報を選択し、前記食事情報に対応する前記特徴量を前記食事特徴量格納部から取得して、前記個人の食事選択の傾向を分析する食事傾向分析部と、前記個人毎の前記食事選択の傾向の分析結果に基づいて、前記食事の選択確率を食嗜好モデルとして算出する食嗜好モデル構築部と、前記食事情報の入力を受け付ける入力部と、前記食事情報の前記飲食した人数が複数か否かを判定する判定部と、前記食事情報の前記飲食した人数が複数の場合には、前記個人の識別子に対応する食嗜好モデルに基づいて、当該個人が選択した食事を前記食事情報から推定し、推定食事情報として出力する食事情報推定部と、を有する。

本発明によれば、一つの個人の識別子に関連付けられた購買履歴に関して、当該購買履歴に含まれる食事の情報が、関連付けられた個人が一人で消費したものであるか、他人の情報も含むものであるか判定し、他人の情報も含まれる場合には当該購買履歴に含まれる情報を分類し、個人が消費した情報のみを抽出し記録することができる効果がある。

さらに、本発明の購買履歴分類システムは、食事におけるそれぞれのメニューに関して、複数人で共有した場合においても、当該食事を共有したユーザについて属性情報や過去の食事の特徴からメニューをどの程度喫食したか推定し、各者への配分割合を計算して、自動的に食事情報をユーザ間で配分することができる効果がある。

本発明の第１の実施例を示し、購買履歴分類システムの一例を示すブロック図である。 本発明の第１の実施例を示し、利用者情報管理部が管理するユーザ情報の一例を示す図である。 本発明の第１の実施例を示し、食事情報管理部が管理する食事情報テーブルの一例を示す図である。 本発明の第１の実施例を示し、食事特徴量管理部が管理する食事特徴量テーブルの一例を示す図である。 本発明の第１の実施例を示し、食事情報に食嗜好モデルを適用して分類する処理の一例を示すフローチャートである。 本発明の第１の実施例を示し、食事情報の推定結果をユーザに提示する処理の一例を示すフローチャートである。 本発明の第１の実施例を示し、食嗜好モデルを生成する処理の一例を示すフローチャートである。 本発明の第１の実施例を示し、食事情報の推定結果を表示する画面イメージである。 本発明の第１の実施例を示し、購買履歴分類システムの機能要素の一例を示すブロック図である。 本発明の第２の実施例を示し、購買履歴分類システムの一例を示すブロック図である。 本発明の第２の実施例を示し、食嗜好度管理部が管理する食嗜好度テーブルの一例を示す図である。 本発明の第２の実施例を示し、同時喫食者情報管理部が管理する同時喫食者設定情報テーブルの一例を示す図である。 本発明の第２の実施例を示し、食事情報管理部が管理する食事情報テーブルの一例を示す図である。 本発明の第２の実施例を示し、食嗜好度情報を算出する処理の流れの一例を示すフローチャートである。 本発明の第２の実施例を示し、食嗜好度に基づいて食事情報を配分する処理の一例を示すフローチャートである。 本発明の第２の実施例を示し、食事情報の配分結果を表示する画面イメージである。

以下、本発明の一実施形態について添付図面を用いて説明する。

本発明の実施例１について図を用いて詳細に説明する。実施例１では、ユーザ（または対象者）が摂った食事の情報を店舗等から収集し、収集した食事情報の中から実際にユーザが喫食した食事の情報を、過去の履歴から算出した食嗜好モデルを適用して抽出し、データベースに記録する購買履歴分類システムについて説明する。

図１は、本発明の実施例１の購買履歴分類システム１００の一例を示すブロック図である。購買履歴分類システム１００は、購買履歴分類装置１０１とデータベース１０２を主体にして構成される。

購買履歴分類システム１００は、ネットワーク１０３を介して店舗情報端末１０４と、ユーザ端末１１０と接続されている。購買履歴分類装置１０１は、演算処理を行う演算装置１０８と、プログラムやデータを格納するメモリ１０９と、プログラムやデータを保持する記憶媒体１０５と、キーボードやマウスあるいはタッチパネルなどを含む入力部１０６と、ディスプレイを含む出力部１０７を備えた計算機である。

記憶媒体１０５は、購買履歴分類システム１００を実現する各種プログラム及びデータ等を格納する記憶装置であり、例えば、不揮発性記憶媒体（磁気ディスクドライブ、不揮発性メモリ等）である。メモリ１０９には、記憶媒体１０５に格納されているプログラムやデータがロードされる。

演算装置１０８は、メモリ１０９にロードされたプログラムを実行する装置（プロセッサ）であり、例えば、ＣＰＵ、ＧＰＵなどである。以下に説明する処理及び演算は、演算装置１０８が実行する。

購買履歴分類システム１００を構成する機能部としては、店舗情報端末１０４からネットワーク１０３を介して食事情報の入力を受け付けて、データベース１０２に食事情報を格納する際に食事情報識別子（食事ＩＤ３０１）を付与する食事情報識別子設定部１１２と、店舗情報端末１０４が提供する食事の食事特徴量の設定を受け付ける食事特徴量設定部１１１と、食事情報に対応する食事メニューの詳細な特徴量を管理する食事特徴量管理部１２３と、利用人数等の食事の状況を設定する利用状況設定部１１７と、ユーザの過去の食事特徴量から食事傾向を分析する食事傾向分析部１１３と、過去の食事傾向から食嗜好をモデル化する食嗜好モデル構築部１１４と、複数人分の情報を含む食事情報に対して食嗜好モデルを適用してユーザが実際に喫食した食事情報を推定する食事情報推定部１１５と、食事情報推定部１１５の推定結果から食事情報を再構成してデータベースに格納する食事情報更新部１１９と、食事情報の推定結果に対するユーザの修正要求を受け付ける食事情報修正入力部１１６と、食事情報の推定結果に対する確度３０７を算出する確度設定部１１８を有している。

食事特徴量設定部１１１〜食事情報更新部１１９の各機能部はプログラムとしてメモリ１０９にロードされる。

演算装置１０８は、各機能部のプログラムに従って処理することによって、所定の機能を提供する機能部として稼働する。例えば、演算装置１０８は、食事情報特徴量設定プログラムに従って処理することで食事情報識別子設定部１１２として機能する。他のプログラムについても同様である。さらに、演算装置１０８は、各プログラムが実行する複数の処理のそれぞれの機能を提供する機能部としても稼働する。計算機及び計算機システムは、これらの機能部を含む装置及びシステムである。

購買履歴分類装置１０１の各機能を実現するプログラム、テーブル等の情報は、ストレージシステムや不揮発性半導体メモリ、ハードディスクドライブ、ＳＳＤ（Ｓｏｌｉｄ Ｓｔａｔｅ Ｄｒｉｖｅ）等の記憶デバイス、または、ＩＣカード、ＳＤカード、ＤＶＤ等の計算機読み取り可能な非一時的データ記憶媒体に格納することができる。

データベース１０２には、ユーザ毎の属性情報を管理するユーザ情報管理部１２１と、ユーザ別の食事情報を記憶する食事情報管理部１２２と、食事情報管理部１２２に格納された食事情報の特徴を表す情報を管理する食事特徴量管理部１２３と、ユーザ別の食嗜好モデルを管理する食嗜好モデル管理部１２４が含まれる。

なお、データベース１０２は、ネットワークを介して購買履歴分類装置１０１に接続された計算機で提供されてもよい。あるいは、購買履歴分類装置１０１に接続されたストレージ装置にデータベース１０２を格納してもよい。

店舗情報端末１０４及びユーザ端末１１０は、図示しない演算装置、メモリ、入力装置及び出力装置を含む計算機である。また、店舗情報端末１０４は、店舗で提供する食事の食事特徴量を管理する店舗食事特徴量管理部１０４０を有している。

図２は、ユーザ情報管理部１２１が管理するユーザ情報２００の一例を示す図である。ユーザ情報２００は、ユーザを特定するユーザＩＤ２０１と、生年月日２０２と、身長２０３と、体重２０４と、性別２０５と、職種２０６と、収入情報２０７と、認証ＩＤ情報２０８とをひとつのレコードに含む。このユーザ情報１２１０の性別２０５や職種２０６等の属性を利用することにより、ユーザ（個人）をグループ別にカテゴリ化して食嗜好モデルを構築することが可能になる、という効果がある。

図３は食事情報管理部１２２が管理する食事情報テーブル３００の一例を示す図である。食事情報テーブル３００は、ユーザＩＤ２０１と、食事情報を特定する食事ＩＤ３０１と、食事情報の生成時刻を表す食事時刻３０２と、利用した店舗を特定するための利用店舗３０３と、朝食や昼食、夕食などの食事の時期を示す食事目的３０４と、同時に精算された食事のメニューを特定するための識別子を格納する喫食メニュー３０５と、同時に精算した者の情報を示す同時喫食者情報３０６と、食事情報の確からしさを表す確度３０７と、処理済フラグ３０８とをひとつのレコードに含む。

確度３０７は、食事情報が正確である場合には“１”が設定され、食事情報の正確さが不明な場合には“０”が設定される。なお、確度３０７の初期値は“０”が設定される。

また、処理済フラグ３０８は、後述する推定処理で当該レコードを処理した場合には“Ｔｒｕｅ”が設定され、未処理の場合には“Ｆａｌｓｅ”が設定される。

後述するように、食事情報テーブル３００により、食嗜好モデルを用いてユーザの実際の食事情報を抽出できる、という効果がある。

図４は、食事特徴量管理部１２３が管理する食事特徴量テーブル４００の一例を示す図である。

食事特徴量テーブル４００は、食事を提供する店舗の識別子を格納する提供店舗４０１と、食事メニューの提供条件を特定する店舗業態４０２と、提供日４０３と、食事のメニューＩＤ４０４と、メニュー名４０５と、価格４０６と、栄養価４０７と、食材４０８と、食材分量４０９と、調理法４１０と、料理カテゴリ４１１と、メニューカテゴリ４１２とをひとつのレコードに含む。

なお、食材４０８と、食材分量４０９と、調理法４１０については、複数の食材の情報について格納することができる。

食事特徴量テーブル４００の情報を用いて所定の処理をすることにより、ユーザの嗜好を特定することが可能になる効果がある。

次に、フローチャートを用いて、購買履歴分類装置１０１で行われる処理を詳細に説明する。

図５は、食事情報の分類を行う一連の流れを示すフローチャートである。この処理は、購買履歴分類装置１０１が、新たな食事情報を受信する度に実行される。

まず、ユーザが店舗にて食事の精算を行うと、店舗情報端末１０４から食事の情報が購買履歴分類装置１０１へ送信される（５０１）。購買履歴分類装置１０１は、食事情報を受信し、送信された食事情報に含まれるユーザの認証ＩＤ情報２０８を抽出し、ユーザ情報２００を参照してユーザＩＤ２０１を特定する。

ユーザの認証ＩＤ情報２０８は、例えば電子マネーのＩＤやクレジットカード、生体認証情報、その他所定の識別情報を使用することができる。ユーザ認証処理は、食事情報の受信時にその都度実行される。

ユーザは、事前に上記認証情報を購買履歴分類装置１０１に登録し、ユーザアカウントを作成して、ユーザＩＤ２０１を取得しておく。

購買履歴分類装置１０１は、対象ユーザが特定された食事情報に食事情報識別子（食事ＩＤ３０１）を付与し、食事情報テーブル３００に対象ユーザの食事として格納される。このとき、購買履歴分類装置１０１は、食事情報テーブル３００の確度３０７と処理済みフラグには、初期値を設定する。例えば、確度３０７は“０”で処理済みフラグは“ｆａｌｓｅ”となる。なお、食事ＩＤ３０１は、食事情報識別子設定部１１２によってユニークな値が付与される。

次に、購買履歴分類装置１０１は、ステップ５０２にて食事情報管理部１２２の食事情報テーブル３００から、処理済フラグ３０８を参照し、未処理（Ｆａｌｓｅ）の食事情報を取得する。なお、当該データの抽出時には、購買履歴分類装置１０１が、ユーザＩＤ２０１を指定してもよい。本処理は、食事情報が受信された時点でその都度実行される。

次に、購買履歴分類装置１０１は、ステップ５０３において、取得した食事情報に対応する食事特徴量を食事特徴量管理部１２３の食事特徴量テーブル４００から取得し、各食費メニュー別の食事特徴量を取得する。購買履歴分類装置１０１は、受け付けた食事情報から食事メニューを取得し、食事メニューのメニューＩＤ４０４に基づいて食事特徴量テーブル４００から食事特徴量を取得する。

食事特徴量テーブル４００の情報は、店舗情報端末１０４からの登録を受け付けて予め購買履歴分類装置１０１の食事特徴量テーブル４００に登録されている。店舗情報端末１０４から食事特徴量テーブル４００への登録は、例えば購買履歴分類装置１０１が提供する食事特徴量テーブル４００の登録用画面等を介して店舗情報端末１０４から入力される場合と、店舗情報端末１０４が食事特徴量を保持したデータベース（店舗食事特徴量管理部１０４０）を有し、当該データベースから購買履歴分類装置１０１へ送信されて食事特徴量管理部１２３に記録される場合がある。なお、食事特徴量の受け付け及び登録は、上記食事特徴量設定部１１１が実行する。

次に、購買履歴分類装置１０１は、ステップ５０４にて、対象としている食事情報が、対象ユーザ単独のものでなく複数人で喫食した情報も含んでいるか否かを判定する。この処理は、図１に示した利用状況設定部１１７が行う。

購買履歴分類装置１０１は、処理対象の食事情報の同時喫食者情報３０６を参照し、店舗情報端末１０４が送信した同時喫食者情報３０６の値を取得する。購買履歴分類装置１０１は、同時喫食者情報３０６の値が２以上の場合に同時喫食者有りと判定し、ステップ５０５の処理へ進む。一方、同時喫食者がいない場合にはステップ５０７へ進む。この処理は、一人のユーザが精算した喫食に、複数の喫食者が含まれているか否かを判定する。

次に、購買履歴分類装置１０１は、ステップ５０５にて、同時喫食者情報有りの場合、対象ユーザの食嗜好モデルを食嗜好モデル管理部１２４から取得する。購買履歴分類装置１０１は、取得した食嗜好モデルのパラメータに各食事メニューの食事特徴量を入力して、食事情報テーブル３００の各喫食メニュー３０５の選択確率を算出し、選択確率が別途定める閾値以上である食事メニューを抽出する。購買履歴分類装置１０１は、抽出したメニューに関して、過去の食事の履歴において組み合わされにくいパターンを排除したうえで推定喫食メニュー（推定食事情報）を生成する。この処理は、図１に示した食事情報推定部１１５で行われる。

次に、購買履歴分類装置１０１は、ステップ５０６にて、ステップ５０５で生成した推定喫食メニューの情報から、食事情報テーブル３００に含まれる複数のメニューと喫食者の関係を後述するように分類する。換言すれば、購買履歴分類装置１０１は、ユーザの推定喫食メニューに基づいて、実際に飲食したメニューを喫食者に分類する。この処理は、現在着目しているユーザについてのみ行ってもよい。

次に、購買履歴分類装置１０１は、３０７ステップにて、食事情報テーブル３００に確度３０７の値を設定する。購買履歴分類装置１０１は、例えば、ユーザが推定情報を未確認の場合は確度３０７を“０”として設定する。ユーザが推定情報を確認済みの場合は確度３０７を“１”として設定する。この処理は、図１に示した確度設定部１１８で行われる。

購買履歴分類装置１０１は、確度３０７の設定が終了した後、処理済フラグ３０８を“Ｔｒｕｅ”設定し、食事情報を食事情報管理部１２２に格納する。この処理は、図１に示した食事情報更新部１１９で行われる。

以上の処理により、購買履歴分類装置１０１は、店舗情報端末１０４から受信した食事情報に複数の喫食者が含まれる場合、食嗜好モデルから喫食者のメニューを推定する。換言すれば、購買履歴分類装置１０１は、一人のユーザの精算に複数の喫食者が含まれる場合、食嗜好モデルから喫食者のメニューを推定する。そして、購買履歴分類装置１０１は、推定結果に基づいてメニューを喫食者に分類する。

図６は、購買履歴分類装置１０１が食事の推定情報をユーザ端末１１０に提示し、ユーザ端末１１０から推定情報の内容の確認または修正を受け付ける確度設定処理の一例を示すフローチャートである。この処理は、ユーザ端末１１０等からの要求を受け付けたとき等に実行することが、図１の確度設定部１１８に対応する。また、当該処理を図５のステップ５０７で実行しても良い。

まず、購買履歴分類装置１０１は、ステップ６０２にて、要求を受け付けたユーザ端末１１０に、喫食メニューの推定結果を送信する。

ユーザは、ネットワーク１０３を介して接続されたユーザ端末１１０の出力装置（図示省略）で喫食メニューの推定結果を確認することができる。

ユーザ端末１１０を操作するユーザが推定結果に対して、修正せずに確定する場合と、修正してから確定する場合と、推定結果に対して修正も承認もしない場合が想定される。まず、購買履歴分類装置１０１は、推定結果を確定する要求をユーザ端末１１０から受け付けたか否かを判定する（６０３）。確定する要求を受け付けた場合にはステップ６０６へ進み、そうでない場合にはステップ６０４へ進む。

次に、購買履歴分類装置１０１は、ステップ６０４にて、ユーザ端末１１０から推定結果の修正要求を受け付けたか否かを判定する。購買履歴分類装置１０１が修正要求を受け付けた場合にはステップ６０５へ進み、そうでない場合にはステップ６０６へ進む。

次に、購買履歴分類装置１０１は、ステップ６０５にてユーザ端末１１０から推定結果の修正を受付ける。

次に、購買履歴分類装置１０１は、ステップ６０６にて、ユーザによる確定もしくは修正をユーザ端末１１０から受け付けた場合、食事情報テーブル３００の確度３０７を高く設定する。購買履歴分類装置１０１は、確度３０７の値を増大させ、例えば、初期値が“０”の場合は、値を“１”に更新する。

次に、購買履歴分類装置１０１は、食事情報更新ステップ６０７にて、食事情報管理部１２２に格納された食事情報テーブル３００のうち該当する食事情報の内容に、ユーザ端末１１０から受付けた修正内容または確定内容を反映し、食事情報と確度３０７の情報を更新する。

以上の処理によって、購買履歴分類装置１０１が推定した喫食メニューは、ユーザ端末１１０で確定または修正され、食事情報テーブル３００が更新される。

図７は、購買履歴分類装置１０１が、食嗜好モデルを構築する処理の一例を示すフローチャートである。この処理は、購買履歴分類装置１０１の管理者などの指令や所定の周期（例えば、１週間毎）などで実行される（７０１）。なお、以下の処理は１人のユーザについて食嗜好モデルを生成する例を示す。また、本処理は図１に示した食嗜好モデル構築部１１４に対応する。

まず、購買履歴分類装置１０１は、ステップ７０２にて、食事情報テーブル３００に蓄積された過去の食事情報の中から、食嗜好モデルの生成に利用する食事情報を選択する。この選択は、食事情報テーブル３００のユーザＩＤ２０１、食事目的３０４、確度３０７、食事時刻３０２を用いて実施する。

例えば、昼食に関するモデルの構築を目的とする場合、購買履歴分類装置１０１は、ユーザＩＤ２０１を指定し、食事目的３０４が“昼食”で、かつ、確度３０７が一定の値以上（例えば“１”）の食事情報のみを選択する。なお、確度３０７の値が大きい食事情報を選択することにより精度の高い食嗜好モデルを生成することができる。

次に、ステップ７０３で購買履歴分類装置１０１は、上記ステップ７０２で選択した食事情報の食事特徴量を、食事特徴量管理部１２３の食事特徴量テーブル４００から選択し、食嗜好モデルの生成に必要な食事特徴量を抽出する。

例えば、購買履歴分類装置１０１は、食事情報の食事時刻３０２や食事目的３０４毎に、喫食メニュー３０５に対応するメニュー名４０５、価格４０６、メニューカテゴリ４１２、メニュー数や栄養摂取量（栄養価４０７）を取得する。なお、単一のメニューだけでなく、複数のメニューを選択するパターン等も特徴量として取得することができる。

そして、購買履歴分類装置１０１は、上記取得した値（特徴量）に関して分散や偏差等の統計値を算出し、当該ユーザＩＤ２０１の食事（メニュー）の選択傾向を分析する。この処理は、図１に示した食事傾向分析部１１３で行われる。なお、分散や偏差等の統計値の算出は公知または周知の手法を用いればよいので、ここでは詳述しない。

また、購買履歴分類装置１０１が算出する統計値は、対象となるユーザＩＤ２０１が過去に選択した食事メニュー（３０５、４０４、４０５）の選択頻度や、各食事メニューに含まれる食材４０８等、個人の嗜好を表す指標を食事の選択傾向とすることができる。

次に、購買履歴分類装置１０１は、ステップ７０４にて、上記食事メニューの選択傾向に基づいて、食事特徴量テーブル４００に含まれる食事メニュー（４０４、４０５）の選択確率を算出するモデルを作成する。この処理は、図１に示した食嗜好モデル構築部１１４で行われ、現在対象となっているユーザＩＤ２０１の食嗜好モデルが算出される。

メニューの選択確率を算出するモデルは、上記ステップ７０３にて抽出された特徴量を説明変数として、食事メニューの選択確率を予測する予測（食嗜好）モデルを生成することができる。そして、購買履歴分類装置１０１は、生成した食事メニューの選択確率を、食嗜好モデルとして食嗜好モデル管理部１２４に格納する。

ユーザの食嗜好は、年月や環境または季節により変化するため、適宜食嗜好モデルを更新する必要があるが、上記の処理を新しい食事情報が蓄積された際に繰り返して行うようにすれば、精度の高い食嗜好モデルを構築することができる。

また、食嗜好モデルを生成するのに使用する食事情報は、１年あるいは数ヶ月などの期間を設定するようにしてもよい。

また、上記処理では１人のユーザについて、１つの食事目的３０４に関する食嗜好モデルを生成する例を示したが、１人のユーザについて複数の食事目的３０４ごとに食嗜好モデルを生成してもよい。例えば、１人のユーザについて、食事目的３０４が“朝食”、“昼食”、“夕食”の３つの食嗜好モデルを生成しておくことで、食事目的３０４に応じた食事メニューの選択確率を得ることができる。

上記処理を、全てのユーザについて実施しておくことで、ユーザ毎の食嗜好モデルを生成し、食嗜好モデル管理部１２４で保持することができる。

図８は、購買履歴分類装置１０１が、ユーザ端末１１０に送信する食事情報の推定結果の画面イメージである。食事情報の推定結果を表示する画面８０１は、図６のステップ６０２でユーザ端末１１０に送信され、購買履歴分類装置１０１はユーザ端末１１０から、ユーザの確認と修正を受け付ける。

食事情報の推定結果を表示する画面８０１は、食事条件表示部８０２と、推定内訳表示部８０３と、推定結果表示部８０４と、確認ボタン８０５と、修正ボタン８０６とを含む。

食事条件表示部８０２は、店舗名と日時及び目的が表示される。これらの情報は、食事情報テーブル３００の食事時刻３０２、利用店舗３０３及び食事目的３０４を含む。食事条件表示部８０２は、表示しているメニューを食べた日時と場所を示す。

推定内訳表示部８０３は、食嗜好モデルにより算出した各メニューの選択確率を示している。推定結果表示部８０４は、推定した食事情報（メニュー）の結果を示している。

ユーザはユーザ端末１１０の入力装置を操作して、確認ボタン８０５をクリックすることで推定結果を確定し、修正ボタン８０６をクリックすると推定結果を修正する機能を呼び出すことができる。

図９は、購買履歴分類システム１００の機能要素の一例を示すブロック図である。購買履歴分類システム１００で行われる処理の概要を図９に示す。

購買履歴分類装置１０１は、各ユーザが精算した食事情報の履歴を食事情報テーブル３００に蓄積しておく。購買履歴分類装置１０１は、所定の周期などで図７に示した食嗜好モデル構築部１１４を実行して、対象となるユーザの食嗜好モデル１２４０を生成する。

食嗜好モデル１２４０の生成は、購買履歴分類装置１０１がユーザＩＤ２０１及び食事目的３０４ごとに、所定の期間内の食事情報を食事情報テーブル３００から取得する（７０２）。

購買履歴分類装置１０１は、選択した食事情報について食事特徴量テーブル４００から食事特徴量を取得して、食事メニューの選択傾向を分析する（７０３）。購買履歴分類装置１０１は、食事メニューの選択傾向に基づいて、予め登録された食事メニューが選択される確率を算出し、食嗜好モデル１２４０を生成しておく（７０４）。

購買履歴分類装置１０１は、新たな食事情報を受信すると（５０２）、食事情報に複数の喫食者が含まれる場合、該当ユーザの食嗜好モデル１２４０を読み込んで、食事メニューの選択確率を算出し、当該ユーザが選択した食事メニューを推定し、推定結果としてユーザ端末１１０へ出力する（６０２）。

ユーザ端末１１０では、ユーザが食事メニューの推定結果を確認または修正した場合は、当該食事情報の確度３０７に“１”を設定し、そうでない場合には“０”を設定して食事情報を更新する。

以上のように、購買履歴分類システム１００では、予め生成した食嗜好モデル１２４０を用いて、複数の喫食者が含まれる食事情報から、該当ユーザが選択した食事メニューを推定することが可能となる。

また、食事情報の履歴のうち、ユーザが確認または修正した確度３０７の高い（閾値以上）食事情報を用いることにより、食事メニューの推定精度を向上させることができる。

上記実施例１では、食事の選択確率を、食事特徴量を説明変数とする確率モデルを用いているが、選択確率を算出する方法として、食事の選択確率を算出できるモデルであればよい。例えば、ロジスティック回帰モデルやベイジアンネットワーク等を用いてもよい。

また、図７に示したステップ７０２の食事情報選択処理にて、対象ユーザと食事目的３０４に応じた選択を行っているが、これに限らず、例えば対象ユーザと店舗で選定すると特定の店舗での食嗜好モデルを作成できる。その他、年代や性別２０５、職種２０６、収入情報２０７等任意のカテゴリを条件として選定すると個人単位でなくカテゴリ単位での食嗜好モデルを作成することができる効果がある。

また、上記実施例１では、食事情報管理部１２２の食事情報テーブル３００から同時喫食者情報３０６の値を取得しているが、同時喫食者情報３０６の値が欠損している場合も考えられる。しかし同時喫食者情報が記録されていない場合であっても、図５のステップ５０４にて、食事情報管理部１２２及び食事特徴量管理部１２３に記録された過去の情報をもとに同時喫食者の有無を判定することができる。例えば、対象ユーザ一人あたりの平均的な価格、メニュー数等の判定基準情報を算出し、これをもとに対象とする食事情報が一人分以上の情報を含んでいるか否かを判定する。また、判定基準に栄養価４０７の情報を用いて、対象ユーザが摂取している栄養摂取量に一人当たりの閾値を設け、同時喫食者の有無を判定するようにしてもよい。

本発明の実施例２について図を用いて詳細に説明する。本実施例２では、一つのメニュー（例えば、皿盛りメニューなど）を複数の喫食者で共有（または分配）する場合に該当メニューの食事情報を分割して各ユーザに配分する購買履歴分類システムについて説明する。

図１０は、本発明の実施例２である購買履歴分類システム１００の一例を示すブロック図である。購買履歴分類システム１００は、購買履歴分類装置１０１とデータベース１０２主体にして構成される。購買履歴分類装置１０１は、ネットワーク１０３を介して店舗情報端末１０４と、ユーザ端末１１０と接続されている。購買履歴分類装置１０１は、コンピュータ装置で、各種情報の入力を受付ける入力部１０６と、ディスプレイを含む出力部１０７、演算装置１０８、メモリ１０９、記憶媒体１０５を備えている。

また、購買履歴分類装置１０１は、前記実施例１の構成に加えて、食事情報の履歴から食事特徴量を抽出し、食事特徴量の中から食事の嗜好に関連の深い食材４０８や調理法４１０等の特徴量を用いてユーザの嗜好度を算出する食事嗜好度算出部９０１と、複数人で共有して注文した食事を、ユーザ毎の食事嗜好度に応じて各ユーザの摂取量を配分するための配分係数を算出する配分係数算出部９０２と、食事を共有したユーザの情報を、テンプレート等を用いて設定する同時喫食者設定部９０３も有している。

また、データベース１０２は、前記実施例１の構成に加えて、ユーザ別の嗜好度の情報を管理する食嗜好度情報管理部９０４と、同時喫食者の情報を設定する際に用いる設定情報を管理する同時喫食者情報管理部９０５と、を有している。

本実施例２では、嗜好度情報と同時喫食者情報の設定情報を用いることで、複数人で食事メニューを共有した場合においても、食事情報の配分を行うことができる、という優れた効果を奏するものである。

図１１は、食嗜好度情報管理部９０４が管理する食嗜好度テーブル１０００の一例を示す図である。

食嗜好度テーブル１０００は、ユーザを特定するユーザＩＤ２０１と、食事目的３０４別に嗜好を管理するための食事目的１００１と、同時喫食者別に嗜好を管理するための同時喫食者情報１００２と、食事メニューに含まれる食材（材料）に対する嗜好度を食材毎に格納する食材嗜好度１００３と、メニューの調理法に対する嗜好度を調理法毎に格納する調理法嗜好度１００４と、をひとつのレコードに含む。

この情報により、ユーザの食事目的３０４毎に、ユーザの食嗜好を細かく管理することができるという効果がある。

図１２は、同時喫食者情報管理部９０５が管理する同時喫食者設定情報テーブル１１００の一例を示す図である。

同時喫食者設定情報テーブル１１００は、ユーザを特定するユーザＩＤ２０１と、同時に喫食するグループの単位として職場同僚（設定１）、家族（設定２）、友人（設定３）等に所属するユーザＩＤを格納する同時喫食者設定情報１１０１と、をひとつのレコードに含む。

図示の例では、同時喫食者設定情報１１０１を３つのグループに分けて設定１〜設定３とした例を示すが、これに限定されるものではない。

同時喫食者設定情報テーブル１１００により、該当ユーザと一緒に食事をとる人物の設定を簡便に行うことができる効果がある。

図１３は、食事情報管理部１２２が管理する食事情報テーブル３００の一例を示す図である。

実施例２の食事情報テーブル３００は、前記実施例１の構成に加えて、ユーザが他人と共有して摂取したメニューの情報である共有メニュー情報３１１と、共有した相手を示す共有者情報３１２とを含む。

共有メニュー情報３１１と共有者情報３１２は、店舗情報端末１０４から購買履歴分類装置１０１システムに送信される際もしくは、ユーザ端末１１０から入力画面（図示省略）を介して設定される。共有メニュー情報３１１と共有者情報３１２を加えることにより、共有された食事情報と共有者を特定することが可能になる、という効果がある。

次に、フローチャートを用いて、購買履歴分類装置１０１で行われる処理を詳細に説明する。

図１４は、購買履歴分類装置１０１が、食事の嗜好度情報を作成する処理の一例を示すフローチャートである。この処理は、購買履歴分類装置１０１の管理者などの指令や所定の周期（例えば、１週間毎）などで実行される（１３０１）。なお、以下の処理は１人のユーザについて食嗜好度テーブル１０００を生成する例を示す。また、本処理は図１０に示した食事嗜好度算出部９０１に対応する。

購買履歴分類装置１０１が、ステップ１３０２にて、食事情報テーブル３００に蓄積された過去の食事情報の中から、食嗜好度情報の作成に利用する食事情報を、確度３０７によってフィルタリングし、例えば確度３０７の値が所定値以上の食事情報のみを選定する。

次に、購買履歴分類装置１０１は、ステップ１３０３にて、選定した食事情報の食事特徴量を食事特徴量管理部１２３の食事特徴量テーブル４００から取得する。

次に、購買履歴分類装置１０１は、ステップ１３０４にて、食事特徴量をもとに対象メニューの嗜好度を算出する。各ユーザに対して共通の指標として嗜好度を定量化することにより、メニューを共有したユーザ間で嗜好度に応じた食事情報の配分が可能になる。

嗜好度の算出方法例として、食事回数に対するある食事特徴量の出現頻度を用いることができる。例えば、１ヶ月間の食事のうちその全てで肉類をとっている場合は、食材嗜好度１００３の中に“肉”の列を設定し嗜好度の値を１として設定する。また、調理法嗜好度１００４には“焼く”の列を設定し、嗜好度の値を設定する。嗜好度の算出処理は、ユーザの嗜好の変化を反映させるため、例えば一週間ごとに更新する。ただし更新の頻度は任意に変更することができる。

次に、購買履歴分類装置１０１は、嗜好度情報格納ステップ１３０５にて食嗜好度情報管理部９０４に対象ユーザの食嗜好度の情報（１００３、１００４）を格納する。

上記処理では１人のユーザについて、１つの食事目的１００１に関して食嗜好度を算出する例を示したが、１人のユーザについて複数の食事目的１００１ごとに食嗜好度を算出してもよい。例えば、１人のユーザについて、食事目的１００１が“朝食”、“昼食”、“夕食”の３つの食嗜好度を算出しておくことで、食事目的１００１に応じた食事メニューの配分係数を正確に得ることができる。

上記処理を、全てのユーザについて実施しておくことで、ユーザ毎の食嗜好度を算出し、食嗜好度情報管理部９０４で保持することができる。

図１５は、食嗜好度テーブル１０００に基づいて、食事情報のメニューを配分する処理の一例を示すフローチャートである。図１５のステップ５０１〜５０８は前記実施例１の実施例と同様であり、購買履歴分類装置１０１は、食事情報テーブル３００から処理済みフラグ３０８が“Ｆａｌｓｅ”の未処理のデータを取得して、当該データに対応する食事特徴量を取得する。そして、購買履歴分類装置１０１は、同時に喫食した人がいる場合には、食嗜好モデルを用いて当該ユーザの食事メニューを推定する。

次に、購買履歴分類装置１０１は、ステップ１４０１にて、ある食事メニューが他の喫食者と共有されたものであるか否かを判定する。食事メニューが共有されたものであるか否かは、図１３に示した共有者情報３１２に同時喫食者設定情報１１０１の内容が記録されている場合には、この内容をもとに判定できる。

次に、購買履歴分類装置１０１は、ステップ１４０２にて、共有者情報３１２をもとに食嗜好度情報管理部９０４から食嗜好度テーブル１０００を取得し、食嗜好度をもとにユーザ間の配分比率を算出する。

購買履歴分類装置１０１は、処理対象となっている食事メニューについて食材４０８や調理法４１０等の食事特徴量に関する食嗜好度を、共有者情報３１２に設定されているユーザ分だけ取得し、食嗜好度の値を比較して配分係数を算出する。

配分係数算出には、基準となる所定の食事特徴量を選択することができる。例えば、食材に関する特徴量と、調理法に関する特徴量を用いることとし、処理対象となるメニューの食材４０８が食材Ａ、調理法４１０が調理法Ａであった場合、食材嗜好度１００３から食材Ａの嗜好度を取得し、調理法嗜好度１００４から調理法Ａの嗜好度を取得する。

購買履歴分類装置１０１は、選択した食事特徴量の嗜好度を軸とするベクトル空間に嗜好度の値を基にして作られる嗜好度のベクトルをマッピングし、ベクトルのノルムを算出する。配分係数は、各ユーザの持つベクトルのノルムの合計値に対する、あるユーザの嗜好度のベクトルのノルムを算出することで得られる。配分係数は、０以上１以下の値として算出される。同時喫食者の過去の食事情報が記録されていない場合は、同時喫食者のプロフィール情報の入力を受け付けて、例えば年代、性別２０５等が一致する既存ユーザの嗜好度を代用して計算してもよい。

購買履歴分類装置１０１は、ステップ１４０３にて、上記算出した配分係数とメニューの栄養価４０７の積により、各ユーザに対する配分割合を算出し、得られた値を配分する。購買履歴分類装置１０１は、次に、ステップ５０７にて前記実施例１と同様に確度３０７の設定を行って食事情報管理部１２２の食事情報テーブル３００に食事情報を格納する。

図１６は、購買履歴分類装置１０１が、ユーザ端末１１０に送信する食事情報の配分結果の画面イメージである。

購買履歴分類装置１０１が、ユーザ間で共有した食事情報の配分結果をユーザ端末１１０に提示し、ユーザの確認と修正を受け付ける画面イメージの一例を示している。

食事情報の配分結果を表示する画面１５０１は、食事条件表示部１５０２と、配分内訳表示部１５０３と、配分結果表示部１５０４と、確認ボタン１５０５と、修正ボタン１５０６と、同時喫食者設定部１５０７と、詳細設定ボタン１５０８と、配分再計算ボタン１５０９と、を含む。

食事条件表示部１５０２には、食事をとった場所と食事時刻と食事目的を示し、配分内訳表示部１５０３は、食嗜好度テーブル１０００により算出した各食事メニューの配分係数を示している。配分結果表示部１５０４は、配分した食事情報の結果を示している。

ユーザ端末１１０では、確認ボタン１５０５をクリックすることで配分結果を確定し、修正ボタン１５０６を押下すると配分結果を修正する機能を呼び出すことができる。

同時喫食者設定部１５０７では、予め設定された同時喫食者のグループのテンプレートを設定または変更することができる。同時喫食者の詳細な編集を行う場合は、詳細設定ボタン１５０８をクリックすると設定機能を呼び出すことができる。配分再計算ボタン１５０９を押下すると、設定変更した同時喫食者情報を用いて配分を再計算することができる。

なお、画面１５０１は、図１５のステップ１４０３でユーザ端末１１０に送信するようにしてもよい。

上記実施例２では、食嗜好度を食事特徴量別の頻度を用いた例を示しているが、食嗜好度を示す情報を得ることができれば他の統計的手法を用いて算出しても良い。

以上のように、実施例２では、蓄積された食事情報テーブル３００から、ユーザ毎の食嗜好度を食材や調理方法などについてそれぞれ算出しておく。そして、複数の喫食者でひとつの食事メニューを共有する場合は、食材や調理方法の食嗜好度から配分係数を算出することで、複数のユーザのそれぞれが摂取した食事メニューを配分結果として算出することができる。これにより、１つの料理を複数の喫食者で分割した場合であっても、各ユーザが摂取した食事メニューの量を把握することが可能となる。

なお、本発明において説明した計算機等の構成、処理部及び処理手段等は、それらの一部又は全部を、専用のハードウェアによって実現してもよい。

また、本実施例で例示した種々のソフトウェアは、電磁的、電子的及び光学式等の種々の記録媒体（例えば、非一時的な記憶媒体）に格納可能であり、インターネット等の通信網を通じて、コンピュータにダウンロード可能である。

また、本発明は上記した実施例に限定されるものではなく、様々な変形例が含まれる。例えば、上記した実施例は本発明をわかりやすく説明するために詳細に説明したものであり、必ずしも説明した全ての構成を備えるものに限定されるものではない。

Claims (12)

1. プロセッサとメモリを備えた計算機と、ネットワークを介して前記計算機に接続された端末と、を備えた購買履歴分類システムであって、
   前記計算機は、
   個人を特定する識別子と、前記個人が飲食した食事の識別子とを含む食事情報を前記端末から受信して蓄積する食事情報格納部と、
   前記端末から受信した前記食事の特徴量を格納する食事特徴量格納部と、
   前記個人の識別子毎に、前記食事情報格納部から前記食事情報を選択し、前記食事情報に対応する前記特徴量を前記食事特徴量格納部から取得して、前記個人の食事選択の傾向を分析する食事傾向分析部と、
   前記個人毎の前記食事選択の傾向の分析結果に基づいて、前記食事の選択確率を食嗜好モデルとして算出する食嗜好モデル構築部と、
   前記食事情報の入力を受け付ける入力部と、
   前記食事情報の前記飲食した人数が複数か否かを判定する判定部と、
   前記食事情報の前記飲食した人数が複数の場合には、前記個人の識別子に対応する食嗜好モデルに基づいて、当該個人が選択した食事を前記食事情報から推定し、推定食事情報として出力する食事情報推定部と、
   を有することを特徴とする購買履歴分類システム。
2. 請求項１に記載の購買履歴分類システムであって、
   前記食事情報は、
   同時に飲食した人数を含み、
   前記判定部は、
   前記同時に飲食した人がいる場合には、前記食事情報に基づいて、前記飲食した人数が複数と判定することを特徴とする購買履歴分類システム。
3. 請求項１に記載の購買履歴分類システムであって、
   前記判定部は、
   前記食事情報に対応する食事特徴量と予め設定した判定基準に基づいて、前記飲食した人数が複数であるか否かを判定することを特徴とする購買履歴分類システム。
4. 請求項１に記載の購買履歴分類システムであって、
   前記食事情報推定部で推定された推定食事情報について修正を受け付ける食事情報修正入力部と、
   前記推定食事情報に対する確認を受け付けて、当該食事情報の確度を設定する確度設定部と、
   をさらに有することを特徴とする購買履歴分類システム。
5. 請求項１に記載の購買履歴分類システムであって、
   前記食事情報は、
   前記複数の人で共有した食事を特定する共有メニュー情報と、前記共有メニュー情報を共有した個人を特定する識別子とを含み、
   前記食事情報に基づいて前記個人毎に算出された嗜好度を格納する食嗜好度情報格納部と、
   前記嗜好度に基づいて、前記共有メニュー情報の食事情報を複数に配分するための配分係数を算出する配分係数算出部と、
   をさらに有することを特徴とする購買履歴分類システム。
6. 請求項５に記載の購買履歴分類システムであって、
   前記食事情報格納部に蓄積された個人毎の食事情報と、当該食事情報に対応する前記食事特徴量を取得し、当該食事特徴量の出現頻度に基づいて前記嗜好度を予め算出して前記食嗜好度情報格納部に格納する食嗜好度算出部をさらに有することを特徴とする購買履歴分類システム。
7. プロセッサとメモリを備えた計算機と、ネットワークを介して前記計算機に接続された端末と、を備えて購買履歴を分類する購買履歴分類方法であって、
   前記計算機が、個人を特定する識別子と、前記個人が飲食した食事の識別子とを含む食事情報を前記端末から受信して食事情報格納部に蓄積する第１のステップと、
   前記計算機が、前記端末から受信した前記食事の特徴量を食事特徴量格納部に格納する第２のステップと、
   前記計算機が、前記個人の識別子毎に、前記食事情報格納部から前記食事情報を選択し、前記食事情報に対応する前記特徴量を前記食事特徴量格納部から取得して、前記個人の食事選択の傾向を分析する第３のステップと、
   前記計算機が、前記個人毎の前記食事選択の傾向の分析結果に基づいて、前記食事の選択確率を食嗜好モデルとして算出する第４のステップと、
   前記計算機が、前記食事情報の入力を受け付けて、前記食事情報の前記飲食した人数が複数か否かを判定する第５のステップと、
   前記計算機が、前記食事情報の前記飲食した人数が複数の場合には、前記個人の識別子に対応する食嗜好モデルに基づいて、当該個人が選択した食事を前記食事情報から推定し、推定食事情報として出力する第６のステップと、
   を含むことを特徴とする購買履歴分類方法。
8. 請求項７に記載の購買履歴分類方法であって、
   前記食事情報は、
   同時に飲食した人数を含み、
   前記第５のステップは、
   前記同時に飲食した人がいる場合には、前記食事情報に基づいて、前記飲食した人数が複数と判定することを特徴とする購買履歴分類方法。
9. 請求項７に記載の購買履歴分類方法であって、
   前記第５のステップは、
   前記食事情報に対応する食事特徴量と予め設定した判定基準に基づいて、前記飲食した人数が複数であるか否かを判定することを特徴とする購買履歴分類方法。
10. 請求項７に記載の購買履歴分類方法であって、
    前記計算機が、前記推定された推定食事情報について修正を受け付ける第７のステップと、
    前記計算機が、前記推定食事情報に対する確認を受け付けて、当該食事情報の確度を設定する第８のステップと、
    をさらに含むことを特徴とする購買履歴分類方法。
11. 請求項７に記載の購買履歴分類方法であって、
    前記食事情報は、
    前記複数の人で共有した食事を特定する共有メニュー情報と、前記共有メニュー情報を共有した個人を特定する識別子とを含み、
    前記計算機が、前記食事情報に基づいて前記個人毎に算出された嗜好度を食嗜好度情報格納部に格納する第９のステップと、
    前記計算機が、前記嗜好度に基づいて、前記共有メニュー情報の食事情報を複数に配分するための配分係数を算出する第１０のステップと、
    をさらに含むことを特徴とする購買履歴分類方法。
12. 請求項１１に記載の購買履歴分類方法であって、
    前記計算機が、前記食事情報格納部に蓄積された個人毎の食事情報と、当該食事情報に対応する前記食事特徴量を取得し、当該食事特徴量の出現頻度に基づいて前記嗜好度を予め算出して前記食嗜好度情報格納部に格納する第１１のステップをさらに含むことを特徴とする購買履歴分類方法。

Images