JP6482703B1 - 推定装置、推定方法および推定プログラム - Google Patents

Abstract

【課題】ユーザの属性の推定精度を向上させること。
【解決手段】本願に係る推定装置は、生成部と、取得部と、推定部とを備える。生成部は、ユーザとの対話においてユーザの属性に関する質問を生成する。取得部は、生成部によって生成された質問に対するユーザの回答を取得する。推定部は、取得部が取得した回答に基づいてユーザの属性を推定する。
【選択図】図２

Description

本発明は、推定装置、推定方法および推定プログラムに関する。

従来、例えば、ユーザへ適切な情報を提供することを目的として、ユーザの趣味嗜好等といったユーザの属性を推定する推定装置が知られている。推定装置は、例えば、ネットワーク上におけるユーザの行動に基づいて属性を推定する（例えば、特許文献１参照）。

特開２０１６−１６２３９９号公報

しかしながら、従来の技術は、ユーザの属性の推定精度を向上させる点で改善の余地があった。

本願は、上記に鑑みてなされたものであって、ユーザの属性の推定精度を向上させることができる推定装置、推定方法および推定プログラムを提供することを目的とする。

本願に係る推定装置は、生成部と、取得部と、推定部とを備える。前記生成部は、ユーザとの対話において当該ユーザの属性に関する質問を生成する。前記取得部は、前記生成部によって生成された前記質問に対する前記ユーザの回答を取得する。前記推定部は、前記取得部が取得した前記回答に基づいて前記ユーザの属性を推定する。

実施形態の一態様によれば、ユーザの属性の推定精度を向上させることができるという効果を奏する。

図１は、実施形態に係る推定方法の概要を示す図である。 図２は、実施形態に係る推定装置の構成を示す図である。 図３は、属性情報の説明図である。 図４は、実施形態に係る推定装置の処理の具体例を示す図である。 図５は、実施形態に係る推定装置の処理の具体例を示す図である。 図６は、実施形態に係る推定装置の処理の具体例を示す図である。 図７は、実施形態に係る推定装置が実行する処理の手順を示すフローチャートである。 図８は、実施形態に係る推定装置の機能を実現するコンピュータの一例を示すハードウェア構成図である。

以下に、本願に係る推定装置、推定方法および推定プログラムを実施するための形態（以下、「実施形態」と記載する）について図面を参照しつつ詳細に説明する。なお、この実施形態により本願に係る推定装置、推定方法および推定プログラムが限定されるものではない。また、以下の各実施形態において同一の部位には同一の符号を付し、重複する説明は省略される。

まず、図１を用いて、実施形態に係る推定装置によって実行される推定方法について説明する。図１は、実施形態に係る推定方法の概要を示す図である。図１には、実施形態に係る推定装置１を含む推定システムＳを示している。

図１に示すように、実施形態に係る推定システムＳは、推定装置１と、情報提供端末１００とを備える。推定装置１および情報提供端末１００は、例えば、インターネット等の通信ネットワークを介して接続される。なお、図１では、１台の情報提供端末１００が推定装置１に接続される場合を示しているが、複数台の情報提供端末１００が推定装置１に接続されてもよい。

推定装置１は、ユーザＵの属性を推定する情報処理装置である。ここでいう属性とは、ユーザＵを特徴付ける情報であり、例えば、ユーザＵの趣味や、嗜好、性格等の内面的な情報である。なお、属性には、例えば、ユーザＵの容姿等の外面的な情報、経歴等の付加的な情報等がさらに含まれてもよい。

また、推定装置１は、推定したユーザＵの属性に基づいてユーザＵへ各種コンテンツを提供する提供サーバでもある。提供サーバとしての推定装置１は、情報提供端末１００にインストールされた各種アプリ（例えば、ポータルアプリ、ニュースアプリ、オークションサイト、天気予報アプリ、ショッピングアプリ、ファイナンス（株価）アプリ、路線検索アプリ、地図提供アプリ、旅行アプリ、飲食店紹介アプリ、ブログ閲覧アプリ等）により提供される情報を配信する装置である。あるいは、提供サーバとしての推定装置１は、ポータルサイト、ニュースサイト、オークションサイト、天気予報サイト、ショッピングサイト、ファイナンス（株価）サイト、路線検索サイト、地図提供サイト、旅行サイト、飲食店紹介サイト、ウェブブログなどに関連する各種情報がタイル状に配置されたウェブページを配信する装置である。また、推定装置１は、アプリのデータそのものを配信するサーバであってもよいし、ポータルサイト等のウェブページを配信するサーバであってもよい。

また、図１に示すように、推定装置１は、ユーザＵの属性に関する情報である属性情報４１を記憶している。図１に示す例では、属性情報４１には、属性の種別として「食物」、属性項目として「寿司」および「ラーメン」が含まれていることとする。なお、図１に示す属性情報４１では、「寿司」の属性項目に、「○」がついており、ユーザＵは、寿司が好きであること（肯定的）を示している。なお、「×」は、その食べ物が嫌い（否定的）であることを示し、空欄は、まだ推定できていないことを示している。

情報提供端末１００は、提供サーバとしての推定装置１から各種コンテンツを取得し、ユーザＵへ提供する。例えば、情報提供端末１００は、音声認識機能を備え、ユーザＵの発話の認識結果に基づいて各種コンテンツを提供する。なお、情報提供端末１００は、音声認識に限らず、例えば、タッチパネル式の表示部へのユーザＵの操作を受け付けることで、各種コンテンツを提供してもよい。

また、情報提供端末１００による情報提供方法は、例えば、音声出力により提供する。すなわち、情報提供端末１００は、いわゆるスマートスピーカである。なお、情報提供端末１００は、音声出力に限らず、例えば、プロジェクタや表示部等の映像出力により情報を提供してもよい。

また、情報提供端末１００は、スマートスピーカに限定されず、例えば、スマートデバイス（スマートフォン、あるいはタブレット）、携帯電話、パーソナルコンピュータ等であってもよい。

ここで、従来の推定装置について説明する。従来の推定装置は、例えば、ネットワーク上におけるユーザの行動に基づいてかかるユーザの属性を推定していた。しかしながら、従来の推定装置は、ユーザの属性の推定精度を向上させる点で改善の余地があった。

そこで、実施形態に係る推定装置１は、ユーザＵとの対話を通してユーザＵの属性を推定することとした。例えば、図１に示すように、実施形態に係る情報提供端末１００がユーザＵから「昼食が食べたい」という問いかけの音声入力を受け付けたとする（ステップＳ１）。

かかる場合、実施形態に係る情報提供端末１００は、提供サーバとしての推定装置１へ昼食に関するコンテンツを要求する（ステップＳ２）。つづいて、実施形態に係る推定装置１は、例えば、かかるコンテンツの要求をトリガにして、ユーザＵの属性に関する質問を生成し、情報提供端末１００へ送信する（ステップＳ３）。図１に示す例では、推定装置１は、属性情報４１において、ユーザＵのラーメンに対する嗜好性を推定できていないため、ラーメンの嗜好性を推定するための質問を生成する。

そして、実施形態に係る情報提供端末１００は、推定装置１によって生成された質問「ラーメンはどうですか？」を出力する（ステップＳ４）。そして、実施形態に係る情報提供端末１００は、出力した質問に対するユーザＵの回答「ラーメンは嫌いだな」を受け付ける（ステップＳ５）。

実施形態に係る情報提供端末１００は、受け付けた回答を推定装置１へ送信する（ステップＳ６）。実施形態に係る推定装置１は、情報提供端末１００から取得した回答に基づいてユーザＵの属性を推定する（ステップＳ７）。図１に示す例では、推定装置１は、ユーザＵの回答「ラーメンは嫌いだな」を言語解析し、ラーメンの属性項目に「×」を記入する。

このように、実施形態に係る推定装置１は、ユーザＵとの対話の中で、ユーザＵの属性に関する質問を行うことで、例えば、ユーザＵの属性のうち不足している属性を能動的に聞き出すことができるため、ユーザＵの属性の推定精度を向上させることができる。

なお、図１では、推定装置１および情報提供端末１００が別体で構成される場合について説明したが、推定装置１および情報提供端末１００が１つの装置で構成されてもよい。

次に、図２を用いて、実施形態に係る推定装置１の構成例について説明する。図２は、実施形態に係る推定装置１の構成を示す図である。図２に示すように、実施形態に係る推定装置１は、通信部２と、制御部３と、記憶部４とを備える。なお、推定装置１は、推定装置１を利用する管理者等から各種操作を受け付ける入力部（たとえば、キーボードやマウス等）や、各種情報を表示するための表示部（たとえば、液晶ディスプレイ等）を備えていてもよい。

通信部２は、たとえば、ＮＩＣ（Network Interface Card）等によって実現される。通信部２は、通信ネットワークと有線または無線で接続され、通信ネットワークを介して、情報提供端末１００との間で情報の送受信を行う。

記憶部４は、たとえば、ＲＡＭ（Random Access Memory）、フラッシュメモリ（Flash Memory）等の半導体メモリ素子、または、ハードディスク、光ディスク等の記憶装置によって実現される。図２に示すように、記憶部４は、属性情報４１を記憶する。

属性情報４１は、ユーザＵの属性に関する情報が含まれる。ここで、図３を用いて、属性情報４１について説明する。

図３は、属性情報４１の説明図である。図３に示すように、属性情報４１には、「ユーザＩＤ」、「状況」、「種別」といった内容が含まれる。

「ユーザＩＤ」は、ユーザＵを識別する識別情報である。「状況」は、ユーザＵの周囲の状況を示す情報である。「種別」は、属性の種別を示す情報である。また、各種別には、関連する複数の属性項目が含まれる。具体的には、種別が「食物」には、「寿司」、「ラーメン」等の食物に関する属性項目が含まれる。

例えば、ユーザＩＤ「Ｕ１」で識別されるユーザＵは、自身が１人でいる場合には、寿司を好んで食べ、家族といる場合には、寿司を好んで食べず、ラーメンを好んで食べることを示している。なお、図３に示す例では、ユーザＩＤ「Ｕ１」で識別されるユーザＵは、１人でいる場合に、ラーメンを好んで食べるか否かの属性の推定が完了していない。

なお、図３に示す例では、「状況」は、周囲の人の有無を示したが、例えば、天気や時間、行動履歴等、任意の状況であってよい。このように、状況毎の属性を推定することで、例えば、ユーザＵにコンテンツを提供する際、より適切なコンテンツを提供することができる。

図２に戻って制御部３について説明する。制御部３は、コントローラ（controller）であり、たとえば、ＣＰＵ（Central Processing Unit）やＭＰＵ（Micro Processing Unit）等によって、推定装置１内部の記憶装置に記憶されている各種プログラムがＲＡＭを作業領域として実行されることにより実現される。また、制御部３は、たとえば、コントローラであり、ＡＳＩＣ（Application Specific Integrated Circuit）やＦＰＧＡ（Field Programmable Gate Array）等の集積回路により実現される。

制御部３は、ユーザＵの属性に関する質問を生成するとともに、かかる質問に対するユーザＵの回答を取得し、かかる回答に基づいてユーザＵの属性を推定する機能を以下に示す各部の動作により実現する。

図２に示すように、制御部３は、受付部３１と、検出部３２と、生成部３３と、取得部３４と、推定部３５とを備える。

受付部３１は、情報提供端末１００に対するユーザＵの問いかけを受け付ける。具体的には、受付部３１が問いかけを受け付けることにより、ユーザＵとの対話が開始する。なお、ユーザＵ１の問いかけには、特定の属性を指定する問いかけ（能動的問いかけともいう）と、特定の属性を指定しない問いかけ（受動的問いかけともいう）とがあるが、かかる点については図４および図５で後述する。

なお、受付部３１は、情報提供端末１００に対するユーザＵの問いかけを受け付ける場合に限定されず、例えば、ユーザＵの家族との会話を受け付けることで、対話開始のトリガとしてもよい。つまり、受付部３１は、ユーザＵが情報提供端末１００に対して直接話しかけていない場合であっても、問いかけとして受け付けてもよい。

なお、受付部３１が受け付ける問いかけは、例えば、情報提供端末１００によって音声から言語に変換された情報であってもよく、情報提供端末１００が録音した音源であってもよい。なお、情報提供端末１００が録音した音源を取得する場合、受付部３１は、かかる音源を解析して言語に変換する。

検出部３２は、ユーザＵの状況を検出する。例えば、検出部３２は、各種センサで構成され、情報提供端末１００が設置される空間（つまり、ユーザＵと同じ空間）や、かかる空間の外側の温度や、湿度、天気等の環境情報を状況として検出する。また、検出部３２は、例えば、マイクや振動センサ、赤外線センサ、カメラ等によってユーザＵの周囲にいる人に関する情報を状況として検出する。

また、検出部３２は、ユーザＵの周囲の状況以外にも、例えば、マイクによって集音されたユーザＵの発話内容に基づいて、ユーザＵの喜怒哀楽の状態や、疲労度等の内面的な状況を検出する。

なお、検出部３２は、上記した検出方法に限らず、例えば、生成部３３によって生成された質問に対するユーザＵの回答に基づいてユーザＵの状況を検出してもよい。例えば、検出部３２は、上記したセンサ等によってユーザＵの周囲に複数の他ユーザがいることを検出した場合、生成部３３に対して複数の他ユーザの詳細を検出する質問を生成するように指示する。

例えば、検出部３２は、生成部３３によって「皆さん、こんにちは、元気ですか？」といったあいさつを含む質問を生成し、かかる質問に対する他ユーザの回答から、他ユーザの性別や、年齢等の識別情報や、ユーザＵとの関係性を検出する。このように、生成部３３によって生成された質問に対する回答に基づいてユーザＵの状況を検出することで、検出される状況の確度を向上させることができる。なお、検出部３２は、あいさつを含む質問に限らず、例えば、「皆さんはラーメンは好きですか？」といった属性に関する質問も含ませた質問を行ってもよい。これにより、ユーザＵの属性の推定精度をより向上させることができる。

あるいは、検出部３２は、生成部３３によって生成された属性に関する質問に対するユーザＵの回答の質（言葉の強弱や、発話速度、音量等）が通常とは異なる場合、ユーザＵの状況が通常とは異なることを検出してもよい。かかる場合、検出部３２は、ユーザＵの属性に関する質問を一時中断して、ユーザＵの状況を推定するための状況を質問を行うことで、ユーザＵの状況を推定する。

生成部３３は、属性情報４１に基づいてユーザＵの属性に関する質問を生成する。なお、生成部３３の具体的な処理内容については、図４〜図６で後述する。

取得部３４は、生成部３３によって生成された質問に対するユーザＵの回答を取得する。取得部３４は、質問が択一で回答可能な質問の場合、どの選択肢を選択したかを取得する。選択肢は、「はい」および「いいえ」のような肯定および否定を選択する方式や、複数の候補の中から選択する方式等がある。

また、取得部３４は、択一回答を取得する場合に限定されるものではなく、例えば、「○○が好き」等のように、特定の属性に対する嗜好性等を示す回答を取得してもよい。

推定部３５は、取得部３４が取得した回答に基づいてユーザＵの属性を推定する。例えば、推定部３５は、取得部３４が取得した回答が肯定か否定かを示す択一回答であった場合、属性情報４１における属性項目の空欄に「○」（肯定）または「×」（否定）を入れる。

また、推定部３５は、検出部３２によって検出された状況毎の属性を推定する。つまり、推定部３５は、ユーザＵの質問に対する回答と、ユーザＵの周囲の状況とを対応付ける。これにより、状況に合わせて変化するユーザＵの属性を的確にとらえることができるため、より適切なコンテンツを提供することができる。

なお、推定部３５は、属性情報４１の属性項目を○×方式で推定する場合に限定されるものではなく、例えば、各属性項目に所定の指標値を入れてもよい。

例えば、推定部３５は、所定の属性項目におけるユーザＵの嗜好が肯定および否定の両方存在した場合、肯定および否定の回答の比率に応じた指標値を入れる。すなわち、○×方式のように２種類（肯定か否定か）に分類せず、各属性項目を相対的に評価する。これにより、ユーザＵの属性をより詳細に推定することができる。

次に、図４〜図６を用いて、実施形態に係る推定装置１の処理内容を具体的に説明する。図４〜図６は、実施形態に係る推定装置１の処理の具体例を示す図である。

図４では、ユーザＵが「昼食が食べたい」という問いかけを情報提供端末１００に対して行ったとする。換言すれば、このような問いかけは、特定の属性を指定する問いかけであるとも言える。つまり、このような問いかけは、情報提供端末１００に対して特定の応答を期待してユーザＵが主動的に行うものである。

生成部３３は、このような主動的な問いかけがあった場合、その問いかけに関連する質問を生成する。つまり、生成部３３は、受付部３１が受け付けた問いかけが特定の属性を指定する内容の場合、特定の属性に関連する質問を生成する。

図４に示す例では、生成部３３は、「昼食が食べたい」を言語解析した結果、ユーザＵが食物に関する属性を指定していると判定し、属性情報４１のうち種別が「食物」の属性項目を質問の対象とする。

図４に示す例では、生成部３３は、推定部３５による推定が完了していない属性項目「ラーメン」に関する質問「ラーメンはどうですか？」を生成する。このように、ユーザＵが特定の属性を指定した問いかけに合わせた質問を行うことで、ユーザＵの質問に対する違和感を無くすことができるとともに、質問に対する回答を確実に得ることができる。

また、属性情報４１の推定が完了していない属性項目に関する質問を生成することで、ユーザＵの潜在的な属性を探ることができるため、ユーザＵの属性を幅広く推定することができる。その結果、より適切なコンテンツを提供することができる。

なお、生成部３３は、「ラーメンはどうですか？」に対するユーザＵの回答が否定であった場合には、再度、「食物」に関する質問を生成する。このとき、生成部３３は、例えば、既に推定が完了した属性項目「寿司」に関する質問を生成する。

これにより、ユーザＵに合った応答ができるため、ユーザＵに対して何度も質問を行うという状況を避けることができる。すなわち、ユーザＵの満足度を向上させることができる。

なお、生成部３３は、再度、推定部３５による推定が完了していない属性項目に関する質問を生成してもよい。ユーザＵの属性をより幅広く推定することができる。

また、生成部３３は、ユーザＵの問いかけに関連する属性の質問を生成したが、これに限定されず、ユーザＵの対話の内容に関連する属性の質問であればよい。つまり、生成部３３は、ユーザＵの情報提供端末１００に対する問いかけに関わらず、他ユーザとの対話の内容や、情報提供端末１００との一連の対話の中で生じた内容に関する属性の質問であってもよい。

このように、生成部３３は、対話の内容を解析して、その内容に応じた質問を行うことで、ユーザＵに違和感を与えることのない質問を行うことができる。

さらに、生成部３３は、「ラーメンはどうですか？」のような択一で回答が可能な質問を生成することで、ユーザＵが質問に対して容易に回答できるようにできる。すなわち、ユーザＵの属性を推定するための回答をより容易に得ることができる。

次に、図５では、ユーザＵが「暇だな」という問いかけを情報提供端末１００に対して行ったとする。換言すれば、このような問いかけは、特定の属性を指定しない問いかけであるとも言える。つまり、このような問いかけは、情報提供端末１００に対して特定の応答を期待しておらず、ユーザＵが何かしら新しい情報を欲して受動的に行うものである。

かかる場合に、生成部３３は、任意の属性に関する質問を行う。具体的には、生成部３３は、受付部３１が受け付けた問いかけが特定の属性を指定しない内容の場合、任意の属性に関する質問を生成する。任意の属性とは、例えば、属性情報４１のうち、任意の種別において推定が完了していない空欄の属性項目である。

図５に示す例では、生成部３３は、「オリンピック見ませんか？」といった任意の属性に関する質問を行う。なお、「オリンピック見ませんか？」に対応する属性項目は、種別が「スポーツ」であってもよく、「テレビ」であってもよい。あるいは、「オリンピック」に対応する種別であってもよい。

また、生成部３３は、任意の属性の選択方法について、例えば、推定が完了していない属性項目が多い種別を優先して選択してもよい。あるいは、生成部３３は、検出部３２によって検出されるユーザＵの状況や、ユーザＵの過去のネットワーク上の行動からユーザＵが積極的に回答を行う属性を推定して選択してもよい。

つまり、生成部３３は、受動的なユーザＵに対して能動的に質問を行う。これにより、ユーザＵの潜在的な属性の嗜好性を容易に探ることができる。

なお、図５に示す例において、「オリンピック見ませんか？」に対してユーザＵが肯定的な回答をした場合には、オリンピックの種別等のより詳細な属性項目に関する質問を行ってもよい。

また、「オリンピック見ませんか？」に対してユーザＵが肯定的な回答をした場合には、生成部３３は、異なる種別の属性に関する質問を生成してもよい。

次に、図６では、情報提供端末１００から出力された質問「ラーメンはどうですか？」に対して、ユーザＵが「いいね！ありがとう」と回答し、一連の対話が完了したこととする。

生成部３３は、対話が完了した場合に、かかる対話に関連する属性とは異なる属性に関する質問を生成する。図６に示す例では、属性「食物」に関する対話が完了し、「食物」と関連性がある属性（例えば、スポーツ）に関する質問を行う。

図６に示す例では、生成部３３は、「食物」に関する対話が完了後、「ところで、昼食後にスポーツはどうですか？」等の、「食物」と関連性がある属性に関する質問を行う。そして、推定部３５は、「腹ごなしにちょうどいいね！」といった質問に対する肯定的な回答を得た場合、「食物」と「スポーツ」とを関連付けた属性の推定を行う。

つまり、生成部３３は、直前まで対話をしていたため、ユーザＵが回答しやすい状況であることを利用して新たな属性の質問を行う。これにより、ユーザＵに対して新たな属性の質問をする場合に、ユーザＵに対して唐突感や戸惑いが生じることを軽減できる。

なお、生成部３３は、かかる場合、直前の対話における属性の種別と関連する種別に関する質問を行うことで、ユーザＵに対する唐突感をより軽減できる。

また、生成部３３は、受付部３１がユーザＵの問いかけをトリガにして質問を生成したが、例えば、プッシュ通知のように、ユーザＵの問いかけ無しに質問を生成してもよい。

また、生成部３３は、複数のユーザＵの属性情報４１に基づいて各属性項目間や各種別間の関連度を算出し、かかる関連度に基づいて質問を生成してもよい。具体的には、生成部３３は、生活行動が類似する複数のユーザＵの中で属性項目間の嗜好が類似する場合に、関連度を高く算出する。

例えば、複数のユーザＵの中で、ラーメンを食べた後、運動するユーザＵが所定数以上の場合、ラーメンの質問をした後、運動の属性項目に関する質問を生成する。つまり、生成部３３は、複数のユーザＵの嗜好の傾向から、ユーザＵの嗜好を予め予測して質問を生成する。これにより、ユーザＵの潜在的な属性を探りつつ、ユーザＵの満足度を向上させることができる。

なお、上記では、推定部３５は、ユーザＵが質問に対して肯定的な回答を行った場合にユーザＵがその質問の属性を好むと推定したが、否定的な回答を行った場合にもユーザＵの属性を推定する。

具体的には、推定部３５は、例えば、生成部３３が生成した「芸能関連のニュースを聞きますか？」の質問に対してユーザＵ１が「Ｎｏ」と回答したとする。かかる場合、推定部３５は、芸能関連のニュースが好きではないと推定するとともに、他のジャンル（種別あるいは属性項目）のニュースの中で、芸能関連のニュースと関連するニュースも好きではないと推定する。

より具体的には、推定部３５は、例えば、芸能関連のニュースを抽象化（上位概念化）した種別と同じあるいは類似のニュース（例えば、スポーツニュース等）が好きではないと推定する。このように、ユーザＵの否定的な回答からも属性を推定することで、ユーザＵの属性を幅広く推定することができる。

なお、推定部３５は、芸能関連のニュースに類似するニュースを好きではないと推定したが、一方で、芸能関連とは逆の属性（経済等）のニュースが好きであると推定してもよい。

次に、図７を用いて、実施形態に係る推定装置１が実行する処理の手順について説明する。図７は、実施形態に係る推定装置１が実行する処理の手順を示すフローチャートである。

図７に示すように、まず、受付部３１は、ユーザＵ１の問いかけを受け付ける（ステップＳ１０１）。生成部３３は、受付部３１が受け付けた問いかけが特定の属性を指定する問いかけか否かを判定する（ステップＳ１０２）。

生成部３３は、受付部３１が受け付けた問いかけが特定の属性を指定する問いかけであった場合（ステップＳ１０２，Ｙｅｓ）、指定された属性に関する質問を生成する（ステップＳ１０３）。

つづいて、取得部３４は、生成部３３によって生成された質問に対するユーザＵの回答を取得する（ステップＳ１０４）。つづいて、推定部３５は、取得部３４が取得した回答に基づいてユーザＵの属性を推定し（ステップＳ１０５）、処理を終了する。

一方、ステップＳ１０２において、生成部３３は、受付部３１が受け付けた問いかけが特定の属性を指定しない問いかけであった場合（ステップＳ１０２，Ｎｏ）、任意の属性に関する質問を生成し（ステップＳ１０６）、処理をステップＳ１０４へ移行する。

また、上述してきた実施形態にかかる推定装置１は、例えば図８に示すような構成のコンピュータ１０００によって実現される。図８は、実施形態に係る推定装置１の機能を実現するコンピュータ１０００の一例を示すハードウェア構成図である。コンピュータ１０００は、ＣＰＵ１１００、ＲＡＭ１２００、ＲＯＭ１３００、ＨＤＤ１４００、通信インターフェイス（Ｉ／Ｆ）１５００、入出力インターフェイス（Ｉ／Ｆ）１６００、及びメディアインターフェイス（Ｉ／Ｆ）１７００を有する。

ＣＰＵ１１００は、ＲＯＭ１３００又はＨＤＤ１４００に格納されたプログラムに基づいて動作し、各部の制御を行う。ＲＯＭ１３００は、コンピュータ１０００の起動時にＣＰＵ１１００によって実行されるブートプログラムや、コンピュータ１０００のハードウェアに依存するプログラム等を格納する。

ＨＤＤ１４００は、ＣＰＵ１１００によって実行されるプログラム、及び、かかるプログラムによって使用されるデータ等を格納する。通信インターフェイス１５００は、ネットワークＮを介して他の機器からデータを受信してＣＰＵ１１００へ送り、ＣＰＵ１１００が生成したデータを、ネットワークＮを介して他の機器へ送信する。

ＣＰＵ１１００は、入出力インターフェイス１６００を介して、ディスプレイやプリンタ等の出力装置、及び、キーボードやマウス等の入力装置を制御する。ＣＰＵ１１００は、入出力インターフェイス１６００を介して、入力装置からデータを取得する。また、ＣＰＵ１１００は、生成したデータを、入出力インターフェイス１６００を介して出力装置へ出力する。

メディアインターフェイス１７００は、記録媒体１８００に格納されたプログラム又はデータを読み取り、ＲＡＭ１２００を介してＣＰＵ１１００に提供する。ＣＰＵ１１００は、かかるプログラムを、メディアインターフェイス１７００を介して記録媒体１８００からＲＡＭ１２００上にロードし、ロードしたプログラムを実行する。記録媒体１８００は、例えばＤＶＤ（Digital Versatile Disc）、ＰＤ（Phase change rewritable Disk）等の光学記録媒体、ＭＯ（Magneto-Optical disk）等の光磁気記録媒体、テープ媒体、磁気記録媒体、または半導体メモリ等である。

例えば、コンピュータ１０００が実施形態にかかる推定装置１として機能する場合、コンピュータ１０００のＣＰＵ１１００は、ＲＡＭ１２００上にロードされたプログラムを実行することにより、制御部３の機能を実現する。また、ＨＤＤ１４００には、記憶部４内のデータが格納される。コンピュータ１０００のＣＰＵ１１００は、これらのプログラムを、記録媒体１８００から読み取って実行するが、他の例として、他の装置から、ネットワークＮを介してこれらのプログラムを取得してもよい。

上述してきたように、実施形態に係る推定装置１は、生成部３３と、取得部３４と、推定部３５とを備える。生成部３３は、ユーザＵとの対話においてユーザＵの属性に関する質問を生成する。取得部３４は、生成部３３によって生成された質問に対するユーザＵの回答を取得する。推定部３５は、取得部３４が取得した回答に基づいてユーザＵの属性を推定する。

これにより、ユーザＵの属性の推定精度を向上させることができる。

また、上述した実施形態に係る推定装置１において、生成部３３は、ユーザＵが択一で回答可能な質問を生成する。

これにより、ユーザＵが質問に対して容易に回答できるようになるため、ユーザＵの属性を推定するための回答をより容易に得ることができる。

また、上述した実施形態に係る推定装置１において、生成部３３は、対話の内容に関連する属性の質問を生成する。

これにより、ユーザＵの質問に対する唐突感を軽減できる。

また、上述した実施形態に係る推定装置１において、ユーザＵの属性には、複数の属性項目が含まれる。推定部３５は、複数の属性項目それぞれを推定する。生成部３３は、推定部３５によって推定が完了していない属性項目に関する質問を生成する。

これにより、ユーザＵの属性を幅広く推定することができる。

また、上述した実施形態に係る推定装置１において、生成部３３は、対話が完了した場合に、対話に関連する属性とは異なる属性に関する質問を生成する。

これにより、ユーザＵに対して新たな属性の質問をする場合に、ユーザＵに対して唐突感や戸惑いが生じることを軽減できる。

また、上述した実施形態に係る推定装置１は、受付部３１をさらに備える。受付部３１は、ユーザＵの問いかけを受け付ける。生成部３３は、受付部３１が受け付けた問いかけが特定の属性を指定する内容の場合、特定の属性に関連する質問を生成する。

これにより、ユーザＵの質問に対する違和感を無くすことができるとともに、質問に対する回答を確実に得ることができる。

また、上述した実施形態に係る推定装置１において、生成部３３は、受付部３１が受け付けた問いかけが特定の属性を指定しない内容の場合、任意の属性に関する質問を生成する。

これにより、ユーザＵの潜在的な属性の嗜好性を容易に探ることができる。

また、上述した実施形態に係る推定装置１は、検出部３２をさらに備える。検出部３２は、ユーザＵの状況を検出する。生成部３３は、検出部３２によって検出された状況に応じた質問を生成する。推定部３５は、ユーザＵにおける状況毎の属性を推定する。

これにより、状況に合わせて変化するユーザＵの属性を的確にとらえることができるため、より適切なコンテンツを提供することができる。

また、上述した実施形態に係る推定装置１において、生成部３３は、ユーザＵの状況に関する状況質問をさらに生成する。取得部３４は、生成部３３によって生成された状況質問に対するユーザＵの状況回答を取得する。検出部３２は、取得部３４が取得した状況回答に基づいてユーザＵの状況を検出する。

これにより、ユーザＵの状況毎の属性における推定精度をより向上させることができる。

以上、本願の実施形態のいくつかを図面に基づいて詳細に説明したが、これらは例示であり、発明の開示の欄に記載の態様を始めとして、当業者の知識に基づいて種々の変形、改良を施した他の形態で本発明を実施することが可能である。

また、上記実施形態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、上記文書中や図面中で示した処理手順、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。例えば、各図に示した各種情報は、図示した情報に限られない。

また、図示した各装置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、各装置の分散・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。

また、上述してきた実施形態に記載した各処理は、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。

また、上記してきた「部（section、module、unit）」は、「手段」や「回路」などに読み替えることができる。例えば、検出部３２は、検出手段や検出回路に読み替えることができる。

１ 推定装置
２ 通信部
３ 制御部
４ 記憶部
３１ 受付部
３２ 検出部
３３ 生成部
３４ 取得部
３５ 推定部
４１ 属性情報
１００ 情報提供端末
Ｕ ユーザ

Claims (13)

1. ユーザの属性に関する属性項目および前記属性項目の推定結果を含む属性情報を複数のユーザについて記憶する記憶部と、
   前記複数のユーザの前記属性情報に基づいて、ユーザとの対話において当該ユーザの属性に関する質問を生成する生成部と、
   前記生成部によって生成された前記質問に対する前記ユーザの回答を取得する取得部と、
   前記取得部が取得した前記回答が択一回答であった場合、当該回答に基づいて前記属性情報における前記属性項目の空欄を埋めることで、前記ユーザの属性を推定する推定部と、
   を備え、
   前記生成部は、
   前記複数のユーザのうち前記属性項目の推定結果が類似する複数のユーザの前記属性情報に基づいて前記ユーザの回答を予測した前記属性項目であって、前記推定部による推定が完了していない前記属性項目に関する質問を生成すること
   を特徴とする推定装置。
2. 前記生成部は、
   前記ユーザが択一で回答可能な前記質問を生成すること
   を特徴とする請求項１に記載の推定装置。
3. 前記生成部は、
   前記対話の内容に関連する前記属性の前記質問を生成すること
   を特徴とする請求項１または２に記載の推定装置。
4. 前記属性には、複数の属性項目が含まれ、
   前記推定部は、
   前記複数の属性項目それぞれを推定し、
   前記生成部は、
   前記推定部によって推定が完了していない前記属性項目に関する前記質問を生成すること
   を特徴とする請求項１〜３のいずれか１つに記載の推定装置。
5. 前記生成部は、
   前記対話が完了した場合に、当該対話に関連する前記属性とは異なる前記属性に関する前記質問を生成すること
   を特徴とする請求項１〜４のいずれか１つに記載の推定装置。
6. 前記ユーザの問いかけを受け付ける受付部をさらに備え、
   前記生成部は、
   前記受付部が受け付けた前記問いかけが特定の前記属性を指定する内容の場合、当該特定の属性に関連する前記質問を生成すること
   を特徴とする請求項１〜５のいずれか１つに記載の推定装置。
7. 前記生成部は、
   前記受付部が受け付けた前記問いかけが特定の前記属性を指定しない内容の場合、任意の前記属性に関する前記質問を生成すること
   を特徴とする請求項６に記載の推定装置。
8. 前記ユーザの状況を検出する検出部をさらに備え、
   前記生成部は、
   前記検出部によって検出された前記状況に応じた前記質問を生成し、
   前記推定部は、
   前記ユーザにおける前記状況毎の前記属性を推定すること
   を特徴とする請求項１〜７のいずれか１つに記載の推定装置。
9. 前記生成部は、
   前記ユーザの状況に関する状況質問をさらに生成し、
   前記取得部は、
   前記生成部によって生成された前記状況質問に対する前記ユーザの状況回答を取得し、
   前記検出部は、
   前記取得部が取得した前記状況回答に基づいて前記ユーザの状況を検出すること
   を特徴とする請求項８に記載の推定装置。
10. ユーザの属性に関する属性項目および前記属性項目の推定結果を含む属性情報を記憶する記憶部と、
    前記ユーザとの対話において、前記属性情報における推定が完了していない前記属性項目に関する質問であって、当該ユーザの属性に関する質問を生成する生成部と、
    前記生成部によって生成された前記質問に対する前記ユーザの回答を取得する取得部と、
    前記取得部が取得した前記回答が択一回答であった場合、当該回答に基づいて前記属性情報における前記属性項目の空欄を埋めることで、前記ユーザの属性を推定する推定部と、
    前記ユーザの問いかけを受け付ける受付部と、を備え、
    前記生成部は、
    前記受付部が受け付けた前記問いかけが特定の前記属性を指定しない内容の場合、任意の前記属性に関する前記質問を生成すること
    を特徴とする推定装置。
11. ユーザの属性に関する属性項目および前記属性項目の推定結果を含む属性情報を記憶する記憶部と、
    前記ユーザとの対話において、前記属性情報における推定が完了していない前記属性項目に関する質問であって、当該ユーザの属性に関する質問を生成する生成部と、
    前記生成部によって生成された前記質問に対する前記ユーザの回答を取得する取得部と、
    前記取得部が取得した前記回答が択一回答であった場合、当該回答に基づいて前記属性情報における前記属性項目の空欄を埋めることで、前記ユーザの属性を推定する推定部と、
    前記ユーザの状況を検出する検出部と、を備え、
    前記生成部は、
    前記ユーザの状況に関する状況質問をさらに生成し、
    前記取得部は、
    前記生成部によって生成された前記状況質問に対する前記ユーザの状況回答を取得し、
    前記検出部は、
    前記取得部が取得した前記状況回答に基づいて前記ユーザの状況を検出すること
    を特徴とする推定装置。
12. コンピュータが実行する推定方法であって、
    ユーザの属性に関する属性項目および前記属性項目の推定結果を含む属性情報を複数のユーザについて記憶する記憶工程と、
    前記複数のユーザの前記属性情報に基づいて、ユーザとの対話において当該ユーザの属性に関する質問を生成する生成工程と、
    前記生成工程によって生成された前記質問に対する前記ユーザの回答を取得する取得工程と、
    前記取得工程が取得した前記回答が択一回答であった場合、当該回答に基づいて前記属性情報における前記属性項目の空欄を埋めることで、前記ユーザの属性を推定する推定工程と、
    を含み、
    前記生成工程は、
    前記複数のユーザのうち前記属性項目の推定結果が類似する複数のユーザの前記属性情報に基づいて前記ユーザの回答を予測した前記属性項目であって、前記推定工程による推定が完了していない前記属性項目に関する質問を生成すること
    を特徴とする推定方法。
13. ユーザの属性に関する属性項目および前記属性項目の推定結果を含む属性情報を複数のユーザについて記憶する記憶手順と、
    前記複数のユーザの前記属性情報に基づいて、ユーザとの対話において当該ユーザの属性に関する質問を生成する生成手順と、
    前記生成手順によって生成された前記質問に対する前記ユーザの回答を取得する取得手順と、
    前記取得手順が取得した前記回答が択一回答であった場合、当該回答に基づいて前記属性情報における前記属性項目の空欄を埋めることで、前記ユーザの属性を推定する推定手順と、
    をコンピュータに実行させ、
    前記生成手順は、
    前記複数のユーザのうち前記属性項目の推定結果が類似する複数のユーザの前記属性情報に基づいて前記ユーザの回答を予測した前記属性項目であって、前記推定手順による推定が完了していない前記属性項目に関する質問を生成すること
    を特徴とする推定プログラム。

Images