JP6584376B2 - 情報処理装置、情報処理方法、および、情報処理プログラム - Google Patents

Description

本発明は、情報処理装置、情報処理方法、および、情報処理プログラムに関する。

従来、ユーザの端末装置に対して種々の情報を含んだメッセージを通知する情報処理装置が知られている（例えば、特許文献１参照）。かかる情報処理装置にあっては、端末装置の現在の位置情報を取得し、取得された現在の位置情報に応じたメッセージを生成して端末装置へ通知している。

特開２０１４−５６３９９号公報

しかしながら、上記した従来技術にあっては、現在の位置情報のみに基づいてメッセージを生成しているため、メッセージの内容がユーザにとって必ずしも適した内容とならず、ユーザの満足度を十分に満たさない場合があり、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、ユーザに適した内容のメッセージを生成してメッセージに対するユーザの満足度を向上させることができる情報処理装置、情報処理方法、および、情報処理プログラムを提供することを目的とする。

本願にかかる情報処理装置は、取得部と、生成部とを備える。前記取得部は、ユーザに関する複数のコンテキスト情報を取得する。前記生成部は、前記取得部によって取得された前記複数のコンテキスト情報に基づいてメッセージ生成用学習モデルから、前記ユーザの端末装置に対するメッセージを生成する。

実施形態の一態様によれば、ユーザに適した内容のメッセージを生成してメッセージに対するユーザの満足度を向上させることができる。

図１は、第１実施形態に係る情報処理の説明図である。 図２は、情報処理システムの構成例を示す図である。 図３は、端末装置の構成例を示す図である。 図４は、情報処理装置の構成例を示す図である。 図５は、情報処理装置における情報処理の流れを示すフローチャートである。 図６は、第２実施形態に係る情報処理装置の構成例を示す図である。 図７は、抽出されたメッセージ候補の一例を示す図である。 図８は、端末装置の表示部の一例を示す図である。 図９は、第２実施形態に係る情報処理装置の情報処理の流れを示すフローチャートである。 図１０は、プログラムを実行するコンピュータのハードウェア構成の一例を示す図である。

以下に、本願にかかる情報処理装置、情報処理方法、および、情報処理プログラムを実施するための形態（以下、「実施形態」と呼ぶ）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かかる情報処理装置、情報処理方法、および、情報処理プログラムが限定されるものではない。

（第１実施形態）
〔１．情報処理〕
第１実施形態に係る情報処理の一例について図１を参照して説明する。図１は、第１実施形態に係る情報処理の説明図であり、図１に示す例では、情報処理装置４０によって情報処理が実行される。

図１に示すように、情報処理装置４０は、ユーザＵの端末装置１０に対して種々の情報を含んだメッセージを通知し、ユーザＵへ情報を提供する装置である。

ところで、通知されたメッセージに対するユーザＵの満足度は、メッセージの内容がユーザＵの置かれた現在の状況（以下、「現在状況」と記載する場合がある）に適した内容であるか否かによって変わる。

例えば、ユーザＵの現在状況が旅行中であり、ユーザＵが旅先にいる場合に、現在位置付近の観光情報を含むメッセージが端末装置１０に対して通知されると、メッセージの内容はユーザＵの現在状況に適した内容であるため、ユーザＵの満足度は向上する。

他方、ユーザＵが自宅や会社などがある生活圏にいる場合に、現在位置付近の観光情報を含むメッセージが端末装置１０に対して通知されると、メッセージの内容はユーザＵの現在状況に適した内容とは言えず、ユーザＵの満足度は低下する。

そこで、本実施形態に係る情報処理装置４０にあっては、ユーザＵに適した内容のメッセージ（例えば、ユーザＵの現在状況に応じた内容のメッセージ）を生成し、メッセージに対するユーザＵの満足度を向上させるようにした。

具体的に説明すると、図１に示すように、情報処理装置４０は、端末装置１０から、端末装置１０を利用するユーザＵに関するコンテキスト情報を取得する（ステップＳ１）。かかるコンテキスト情報は、ユーザＵやユーザＵが利用する端末装置１０の状況を示す情報、ユーザＵやユーザＵが利用する端末装置１０の環境（背景）を示す情報などを意味する。

例えば、コンテキスト情報には、ユーザＵの位置情報、ユーザＵの属性情報、ユーザＵの運動の状態を示す運動状態情報、ユーザＵのスケジュール情報、ユーザＵが置かれた環境の情報を示す環境情報、および、ユーザＵの端末装置１０に対する行動履歴情報などが含まれる。なお、コンテキスト情報に含まれる各情報の内容については後述する。以下では、理解の便宜のため、コンテキスト情報がユーザＵの位置情報である場合を例にとって説明する。

また、情報処理装置４０は、端末装置１０からコンテキスト情報を定期または不定期に取得し続けることができる。これにより、情報処理装置４０には、時間の経過とともに、複数のコンテキスト情報である位置情報が時系列で蓄積される。

情報処理装置４０は、複数のコンテキスト情報を取得すると、これら複数のコンテキスト情報に基づいてメッセージ生成用学習モデル（以下、単に「学習モデル」と記載する場合がある）から、メッセージを生成する（ステップＳ２）。

具体的には、情報処理装置４０は、コンテキスト情報を入力情報として学習モデルから、ユーザＵの端末装置１０に対するメッセージを生成する。例えば、情報処理装置４０は、畳み込みニューラルネットワーク（ＣＮＮ：Convolutional Neural Network）などを用いて複数のコンテキスト情報をベクトル化して特徴量抽出処理を行う。

そして、情報処理装置４０は、ベクトル化されたコンテキスト情報を入力情報として学習モデルから、ユーザＵの現在状況を推定する。情報処理装置４０は、上記したように複数のコンテキスト情報を時系列で取得していることから、複数のコンテキスト情報における時系列の推移に基づいてユーザＵの現在状況を推定することができる。

詳しくは、例えば、情報処理装置４０はまず、複数のコンテキスト情報である位置情報の推移に基づき、ユーザＵが比較的よく行く場所をユーザＵの生活圏として特定する。なお、ユーザＵの生活圏の特定については、後述する。

次いで、情報処理装置４０は、ユーザＵの現在の位置情報を取得し、現在位置が生活圏であるか否かを判定する。そして、情報処理装置４０は、現在位置が生活圏であると判定された場合、ユーザＵの現在状況は日常の行動を行っていると推定することができる。

一方、情報処理装置４０は、現在位置が生活圏ではない、すなわち生活圏から所定距離離れていたり、初めて行く場所であると判定された場合、ユーザＵの現在状況は例えば旅行など非日常の行動を行っていると推定することができる。

このように、情報処理装置４０は、位置情報が時系列においてある程度の規則性を持って推移する生活圏を特定するとともに、特定した生活圏をユーザＵが離れるなど、時系列の推移の不規則性の度合いが比較的高い場合に、ユーザＵの現在状況は非日常の行動を行っていると推定することができる。

また、情報処理装置４０は、位置情報の時系列の推移である移動経路に基づいてユーザＵの現在状況（例えばユーザＵが遊んでいるか、仕事をしているか等）を推定することができる。例えば、情報処理装置４０は、ユーザＵの移動経路の途中にテーマパークや遊園地などのレジャー施設等が含まれる場合、ユーザＵの現在状況は遊んでいる可能性が高いと推定することができる。他方、情報処理装置４０は、ユーザＵの移動経路の途中に大学や会社等が含まれる場合、ユーザＵの現在状況は仕事をしている可能性が高いと推定することができる。

次いで、情報処理装置４０は、ユーザＵの現在状況の推定結果に基づき、学習モデルからメッセージを生成する。例えば、情報処理装置４０は、ユーザＵの現在状況は旅行など非日常の行動を行っていると推定された場合に、例えばユーザＵの現在位置が東京タワーの最寄駅であるとすると、「東京タワーはもう見た？」など観光情報を含むメッセージＭ１を生成する。

他方、情報処理装置４０は、ユーザＵの現在状況は日常の行動を行っていると推定される場合、例えばユーザＵの現在位置が東京タワーの最寄駅であっても、観光情報を含まないメッセージＭ２（例えば「近くに新しいレストランがオープンしたよ。」など）を生成する。なお、ここでは、「東京タワー」は観光情報の一例であり、「新しいレストラン」は観光情報ではなく、ユーザＵが生活圏にいるときに興味を引き易い情報の一例であるものとする。

なお、図示は省略するが、情報処理装置４０は、例えば、ユーザＵの現在状況は遊んでいる可能性が高いと推定された場合、遊びに関する情報を含むメッセージを生成する一方、仕事をしている可能性が高いと推定された場合、仕事に関する情報を含むメッセージを生成することができる。

このように、情報処理装置４０にあっては、ユーザＵに関するコンテキスト情報を考慮したより適切なメッセージを学習モデルにより生成することができる。

そして、情報処理装置４０は、生成されたメッセージＭ１またはメッセージＭ２を端末装置１０へ通知する（ステップＳ３）。かかるメッセージＭ１またはメッセージＭ２は、ユーザＵの現在状況に応じた内容のメッセージであることから、メッセージに対するユーザＵの満足度を向上させるようにした。なお、図１では、メッセージＭ１が通知された端末装置１０の表示部１２を図面左側に、メッセージＭ２が通知された端末装置１０の表示部１２を図面右側に示した。

また、情報処理装置４０は、コンテキスト情報に応じた通知タイミングでメッセージを端末装置１０へ通知することができる。

ここでは、コンテキスト情報がユーザＵの運動状態情報である場合を例にとって説明する。例えば、情報処理装置４０は、運動状態情報に基づき、ユーザＵが歩いている状態から止まるという行動などユーザＵがメッセージに注意を払う可能性が高い運動状態か否かを判定する。

そして、情報処理装置４０は、ユーザＵがメッセージに注意を払う可能性が高い運動状態であると判定された場合に、メッセージを通知する。これにより、情報処理装置４０にあっては、ユーザＵがメッセージを確認し易い適切なタイミングで、メッセージの通知を行うことができる。

なお、上記した情報処理装置４０によるメッセージの通知は、ユーザＵの自発的なメッセージの要求が無い状態でメッセージを端末装置１０へ通知する、所謂プッシュ型の通知であるが、これに限られない。すなわち、例えば、情報処理装置４０のメッセージの通知が、ユーザＵの自発的なメッセージの要求に応答する形でメッセージを通知する、プル型の通知であってもよい。なお、プル型の通知については第２実施形態で説明する。

〔２．情報処理システム１〕
図２は、情報処理システム１の構成例を示す図である。図２に示すように、第１実施形態にかかる情報処理システム１は、端末装置１０と、情報処理装置４０とを備える。

端末装置１０および情報処理装置４０は、ネットワークＮを介して無線または有線で互いに通信可能に接続される。ネットワークＮは、例えば、ＬＡＮ（Local Area Network）や、インターネットなどのＷＡＮ（Wide Area Network）である。

端末装置１０は、例えば、スマートフォンや、タブレット型端末や、ＰＤＡ（Personal Digital Assistant）や、デスクトップ型ＰＣ（Personal Computer）や、ノート型ＰＣ等により実現される。

情報処理装置４０は、上記したように、端末装置１０から取得したコンテキスト情報など各種の情報に基づいて学習モデルからメッセージを生成し、端末装置１０へ通知することができる。以下、端末装置１０および情報処理装置４０の構成について具体的に説明する。

〔２．１．端末装置１０〕
図３は、端末装置１０の構成例を示す図である。図３に示すように、端末装置１０は、通信部１１と、表示部１２と、スピーカ１３と、入力部１４と、検知部１５と、記憶部１６と、制御部１７（コントローラ）とを有する。

通信部１１は、ネットワークＮと有線または無線で接続され、情報処理装置４０との間で情報の送受信を行う。例えば、通信部１１は、ＮＩＣ（Network Interface Card）等によって実現される。

表示部１２は、上記したメッセージ等を表示する表示デバイスである。例えば、表示部１２は、ＬＣＤ（Liquid Crystal Display）や有機ＥＬディスプレイである。また、表示部１２は、タッチパネル式のディスプレイであってもよい。

スピーカ１３は、例えばユーザＵに対し、通知されたメッセージの内容を音声で出力することができる。入力部１４は、ユーザＵから各種操作を受け付ける入力デバイスである。入力部１４は、例えば、文字や数字などを入力するためのボタン等を有する。また、表示部１２がタッチパネル式のディスプレイである場合、表示部１２の一部が入力部１４として機能する。

検知部１５は、端末装置１０に関する各種情報を検知する。具体的には、検知部１５は、端末装置１０の物理的な状態や周囲の状態を検知する。図３に示す例では、検知部１５は、測位部２１と、加速度センサ２２と、マイク２３とを有する。

測位部２１は、ＧＰＳ（Global Positioning System）衛星から送出される電波を受信し、受信した電波に基づいて端末装置１０の現在位置を示す位置情報（例えば、緯度および経度）を取得する。加速度センサ２２は、例えば、３軸加速度センサであり、端末装置１０の移動方向、速度、および、加速度などの端末装置１０の物理的な動きを検知する。マイク２３は、例えば端末装置１０の周囲の音を収集し、音声情報を取得する。

なお、検知部１５は、測位部２１、加速度センサ２２およびマイク２３に限定されるものではない。例えば、検知部１５は、端末装置１０の所在位置における磁場や磁気量を検出する地磁気センサや、端末装置１０の周囲を撮像し、撮像画像を取得するカメラや、端末装置１０の周囲の照度を検知する照度センサや、端末装置１０の周囲の湿度を検知する湿度センサ等を有してもよい。

記憶部１６は、例えば、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。かかる記憶部１６には、各種プログラムや設定データなどが記憶される。

また、記憶部１６には、ユーザ属性情報や、ユーザＵのスケジュール情報や、ユーザＵの環境情報や、ユーザＵの端末装置１０に対する行動履歴情報などが記憶されてもよい。

ユーザ属性情報は、例えば、ユーザＵの属性（例えば、年齢、性別、住所、職業、興味関心など）の情報などユーザＵに関する情報である。ユーザＵのスケジュール情報は、ユーザＵによって端末装置１０に入力されたスケジュール（例えば、旅行や出張等の予定など）を示す情報である。ユーザＵの環境情報は、ユーザＵが置かれた環境（気温、天候、気圧、現在の時刻など）の情報であり、例えば後述する受信部３２によって図示しない外部装置から取得することができる情報である。

行動履歴情報は、例えば、ユーザＵが端末装置１０を介してネットワークＮ上で行動を起こした場合に、その行動の状態、結果等を示すログ情報である。行動履歴情報は、例えば、ユーザＵがブログになした投稿、ＳＮＳ（Social Networking Service）内やツイッター（登録商標）等での会話、サイトの検索履歴、閲覧履歴、ショッピングサイトでの購入履歴等の情報である。

制御部１７は、例えば、例えば、ＣＰＵ（Central Processing Unit）、ＲＯＭ（Read Only Memory）、ＲＡＭ、入出力ポートなどを有するマイクロコンピュータや各種の回路を含む。また、制御部１７は、例えば、ＡＳＩＣ（Application Specific Integrated Circuit）やＦＰＧＡ（Field Programmable Gate Array）等の集積回路等のハードウェアで構成されてもよい。

制御部１７は、送信部３１と、受信部３２と、処理部３３とを備える。送信部３１は、ユーザＵに関するコンテキスト情報を端末装置１０へ通信部１１を介して送信する。具体的には、送信部３１は、検知部１５によって検知される各種情報をコンテキスト情報として送信する。

例えば、送信部３１は、測位部２１によって検出された端末装置１０の現在位置を示す位置情報をコンテキスト情報として端末装置１０へ送信することができる。また、例えば、送信部３１は、加速度センサ２２によって検出された端末装置１０の移動方向等の物理的な動きに関する情報をコンテキスト情報として端末装置１０へ送信することができる。また、例えば、送信部３１は、マイク２３によって検出された音声情報をコンテキスト情報として端末装置１０へ送信することができる。

また、例えば、送信部３１は、記憶部１６からユーザ属性情報、スケジュール情報、ユーザＵの環境情報およびユーザＵの行動履歴情報のうちの一部あるいは全部を取得し、取得した情報をコンテキスト情報として端末装置１０へ送信することができる。

受信部３２は、情報処理装置４０から通信部１１を介してメッセージを受信することができ、受信したメッセージを記憶部１６に記憶させることができる。また、受信部３２は、ユーザＵの環境情報を図示しない外部装置から通信部１１を介して取得し、記憶部１６に記憶させることができる。

処理部３３は、表示部１２やスピーカ１３等を含め、端末装置１０全体を制御する。例えば、処理部３３は、記憶部１６に記憶されたメッセージを表示部１２へ出力して表示させることができる（図１参照）。また、処理部３３は、例えば、メッセージの内容をスピーカ１３を介して音声で出力することができる。

〔２．２．情報処理装置４０〕
図４は、情報処理装置４０の構成例を示す図である。図４に示すように、情報処理装置４０は、通信部４１と、記憶部４２と、制御部４３（コントローラ）とを有する。

通信部４１は、ネットワークＮと有線または無線で接続され、端末装置１０との間で情報の送受信を行う。例えば、通信部４１は、ＮＩＣ等によって実現される。

記憶部４２は、モデル情報記憶部５１と、コンテキスト情報記憶部５２とを備える。モデル情報記憶部５１およびコンテキスト情報記憶部５２は、例えば、ＲＡＭ、フラッシュメモリ等の半導体メモリ素子、または、ＨＤＤ、光ディスク等の記憶装置である。

モデル情報記憶部５１は、メッセージ生成用の学習モデルの情報を記憶することができる。コンテキスト情報記憶部５２は、端末装置１０から取得したユーザＵに関するコンテキスト情報を記憶することができる。

制御部４３は、例えば、ＣＰＵ、ＲＯＭ、ＲＡＭ、入出力ポートなどを有するマイクロコンピュータや各種の回路を含む。かかる制御部４３は、取得部６１と、生成部６２と、通知部６３とを備える。かかる取得部６１、生成部６２および通知部６３の機能は、例えば、上記ＣＰＵが上記ＲＯＭに記憶されているプログラムを読み出して実行することにより実現される。

なお、取得部６１、生成部６２および通知部６３は、それぞれ一部または全部がＡＳＩＣやＦＰＧＡ等のハードウェアで構成されてもよい。以下、これら取得部６１、生成部６２および通知部６３について具体的に説明する。

〔２．２．１．取得部６１〕
取得部６１は、通信部４１を介して端末装置１０から送信される情報（例えば、複数のコンテキスト情報）を取得することができる。そして、取得部６１は、端末装置１０から取得したコンテキスト情報をコンテキスト情報記憶部５２に記憶させることができる。

また、取得部６１は、端末装置１０からコンテキスト情報を定期または不定期に取得し続けることができる。従って、記憶部４２のコンテキスト情報記憶部５２には、時間の経過とともに、複数のコンテキスト情報である位置情報が時系列で蓄積される。

〔２．２．２．生成部６２〕
生成部６２は、記憶部４２に記憶された複数のコンテキスト情報に基づいて、学習モデルからメッセージ生成することができる。具体的には、生成部６２は、学習モデルを用いることで、複数のコンテキスト情報に基づいてユーザＵの現在状況を推定し、推定されたユーザＵの現在状況に応じてメッセージを生成する。

ユーザＵの現在状況を推定する処理について説明すると、生成部６２はまず、例えばコンテキスト情報であるユーザＵの位置情報の時系列の推移に基づいてユーザＵの生活圏を特定する。

詳しくは、ユーザＵは、例えばユーザＵの自宅、ユーザＵの会社、ユーザＵが買い物等でよく行く店などを含む所定の範囲をある程度の規則性を持って移動する傾向がある（例えば、平日の朝夜は自宅、平日の日中は会社、休日は買い物等でよく行く店など）。

そこで、例えば、生成部６２は、ユーザＵの位置情報の時系列の推移に基づき、ユーザＵの自宅、ユーザＵの会社、ユーザＵが買い物等でよく行く店などを推定し、これらの場所を含む所定の範囲を生活圏として特定することができる。

なお、上記した生活圏の特定は、あくまでも例示であって限定されるものではなく、例えばユーザＵの自宅を中心とした所定の範囲（半径２０ｋｍ以内など）を生活圏として特定してもよい。また、ユーザＵの自宅を中心とした所定の範囲、ユーザＵの会社を中心とした所定の範囲、及びユーザＵのよく行く店を中心とした所定の範囲を移動経路で結んだ範囲を生活圏として特定してもよい。さらには、自宅や会社に比べて頻度は低いものの複数回行くような場所は、友人宅や出張先と推定し、かかる場所も生活圏として含めてもよい。また、上記した生活圏は、生成部６２によって自動的に特定してもよいし、ユーザＵによる入力によって特定してもよい。

このように、生成部６２は、まずユーザＵの生活圏を特定する。続いて、生成部６２は、ユーザＵの現在の位置情報が特定した生活圏内であるか否かを判定することで、ユーザＵの現在状況を推定することができる。

例えば、生成部６２は、ユーザＵの現在位置が生活圏であると判定された場合、ユーザＵの現在状況は日常の行動を行っていると推定することができる。すなわち、生成部６２は、ユーザＵの現在位置が生活圏である場合、移動情報の時系列の推移は規則性がある範囲内である、言い換えると不規則性の度合いが比較的低いことから、ユーザＵの現在状況は日常の行動を行っていると推定することができる。

他方、生成部６２は、ユーザＵの現在位置が生活圏ではないと判定された場合、移動情報の時系列の推移は規則性がある範囲外である、言い換えると不規則性の度合いが比較的高いことから、ユーザＵの現在状況は、例えば旅行など非日常の行動を行っていると推定することができる。

なお、上記した生成部６２にあっては、ユーザＵの現在位置が生活圏外である場合に非日常の行動であると推定したが、これに限られず、例えばユーザＵの現在位置が生活圏から所定距離以上離れた場合に非日常の行動と推定するようにしてもよい。また、生成部６２にあっては、例えば生活圏から離れるにつれて増加する数値などを用いて不規則性の度合いを数値化し、かかる数値がしきい値以上の場合に非日常の行動と推定するようにしてもよい。

このように、生成部６２は、複数のコンテキスト情報における時系列の推移（例えば位置情報の推移）に基づいて、詳しくは時系列の推移の不規則性の度合いに基づいて、ユーザＵの現在状況を推定することができる。

また、生成部６２は、コンテキスト情報をクラスタ分析してユーザＵの生活圏の特定やユーザＵの現在状況を推定してもよい。例えば、生成部６２は、コンテキスト情報である過去の位置情報のクラスタ分析を行い、位置情報の中から例えば駅Ａに近い位置情報、駅Ａとは異なる駅Ｂ付近の位置情報、繁華街Ｃ付近の位置情報など、互いに似た場所を示す位置情報を集めて分類する。そして、生成部６２は、分類された位置情報に基づいてユーザＵの生活圏を特定したり、現在状況を推定したりするようにしてもよい。

なお、上記した生成部６２においては、ユーザＵの生活圏の特定等を位置情報を用いて行うようにしたが、これは例示であって限定されるものではなく、種々のコンテキスト情報に基づいて推定することができる。

例えば、生成部６２は、コンテキスト情報であるユーザＵの行動履歴情報を用いてユーザＵの生活圏の特定等を行うことができる。例えば、生成部６２は、学習モデルにより、行動履歴情報のうちユーザＵがブログになした投稿の内容やレストランの検索履歴情報などから、場所に関する語句を抽出し、抽出された語句の頻度や投稿時間等からユーザＵの生活圏を特定したり、現在状況を推定したりするようにしてもよい。

続いて、生成部６２は、上記のようにしてユーザＵの現在状況を推定した後、推定結果に基づいて学習モデルからメッセージを生成する。

例えば、生成部６２は、ユーザＵの現在状況は日常の行動を行っていると推定された場合、ユーザＵの現在位置付近においてユーザＵが興味を引き易い情報（例えば、現在位置近くに新しくできたレストランの情報や現在位置近くの店の広告情報など）を含むメッセージを生成する（図１のメッセージＭ２参照）。

他方、生成部６２は、ユーザＵの現在状況は非日常の行動を行っていて例えば旅先にいると推定された場合、ユーザＵの現在位置付近においてユーザＵが興味を引き易い情報（例えば、現在位置付近の観光情報など）を含むメッセージを生成する（図１のメッセージＭ１参照）。

なお、生成部６２は、メッセージの内容を、例えば「観光情報：東京タワー」など単語のみの羅列とせず、学習モデルを用いて例えば「東京タワーはもう見た？」などの自然な文章とすることができる。これにより、ユーザＵにとって興味を示し易いメッセージとなり、結果としてメッセージに対する満足度を一層向上させることができる。

また、生成部６２は、ユーザＵに対して観光情報等を段階的に提供するようなメッセージを生成することができる。例えば、生成部６２は、ユーザＵが東京タワー付近にいる場合、現在位置から東京タワーまでの経路などの情報を一度のメッセージに入れず、例えば「東京タワーはもう見た？」などユーザＵに対して問いかけるメッセージを生成する。その後、ユーザＵから東京タワーへの経路情報の要求がある場合に、現在位置から東京タワーまでの経路などの情報を含んだメッセージを生成するようにしてもよい。このように、生成部６２は、観光情報等を段階的に提供するようなメッセージを生成することで、ユーザＵとの対話を続かせることができ、これによりユーザＵは楽しみながら観光情報を得ることとなって、メッセージに対する満足度をより一層向上させることができる。

〔２．２．３．通知部６３〕
通知部６３は、生成部６２によって生成されたメッセージを端末装置１０へ通知する。また、通知部６３は、コンテキスト情報に応じた通知タイミングでメッセージを端末装置１０へ通知することができる。

詳しくは、通知部６３は、ユーザＵのコンテキスト情報を入力情報として学習モデルから、通知タイミングになったか否かを判定し、通知タイミングになったと判定された場合に、メッセージを端末装置１０へ通知することができる。

具体的には、例えば、通知部６３は、コンテキスト情報の変化に基づいて通知タイミングになったか否かを判定することができる。例えば、取得部６１は、加速度センサ２２によって検出される端末装置１０の移動方向や加速度等を示す情報をユーザＵの運動状態情報（コンテキスト情報の一例）として取得し、通知部６３は、かかるユーザＵの運動状態情報の変化に基づいて通知タイミングになったか否かを判定する。

例えば、通知部６３は、ユーザＵの運動状態が歩いている状態から止まるという行動の変化や、走っている状態から歩くという行動の変化などが検出された場合など、ユーザＵが端末装置１０を見易い状態に変化したときに、通知タイミングになったと判定することができる。

また、通知部６３は、上記した運動状態情報に加えてあるいは代えて、コンテキスト情報である環境情報（例えば時間帯や天気など）に基づいて通知タイミングを判定することができる。例えば、通知部６３は、ユーザＵの運動状態が歩いている状態から止まるという行動の変化が検出されるともに、現在の時刻が通勤時間帯や昼休み時間帯などユーザＵが端末装置１０を見易い時間帯である場合に、通知タイミングになったと判定することができる。

なお、通知タイミングになったか否かを判定するためのコンテキスト情報は、上記したユーザＵの運動状態に限られない。例えば、通知部６３は、地磁気センサで検出された磁気量の情報やマイク２３で取得した音声情報に基づいて学習モデルから、通知タイミングを判定することができる。

具体的に説明すると、例えばユーザＵが電車等で移動中の場合、現在位置の観光情報やレストラン情報を含むメッセージはユーザＵにとって不要であると推定される。そこで、例えば、通知部６３は、地磁気センサで検出された磁気量が電車内であることを示す所定範囲にある場合や、マイク２３で取得した音声情報の音の大きさ（音圧）や音の高さ（周波数）等が電車内であることを示す所定範囲にある場合、通知タイミングではないと判定することができる。そして、通知部６３は、磁気量や音の大きさ等が所定範囲外となった場合に、ユーザＵが電車を降りるなどして移動中ではなくなったと推定して、通知タイミングになったと判定することができる。

また、通知部６３は、メッセージに含まれる情報とコンテキスト情報とに基づいて通知タイミングになったか否かを判定することができる。例えば、生成部６２によって生成されたメッセージがレストラン情報を含んでおり、かつ、ユーザＵは所定の時間帯（例えば１２時）にレストラン情報をウェブ上で検索する行動をとり易いという情報がユーザＵの行動履歴情報（コンテキスト情報の一例）として含まれる場合がある。かかる場合、通知部６３は、現在時刻が所定の時間帯になったとき、ユーザＵがレストラン情報を所望し易い時間帯であることから、通知タイミングになったと判定することができる。

また、通知部６３は、複数種類のコンテキスト情報のうち予め選択（設定）されたコンテキスト情報が取得部６１によって取得されたときに、通知タイミングになったと判定することができる。例えば、通知部６３は、複数種類のコンテキスト情報のうちユーザＵの位置情報と行動履歴情報とが予め選択されているものとする。そして、例えば、通知部６３は、ショッピングサイトでの観光バスの乗車券等の購入履歴を含む行動履歴情報が取得されるとともに、観光バス等の目的地と同じ場所の位置情報が取得されたとき、ユーザＵが観光情報を所望し易い状態であると推定されることから、通知タイミングになったと判定することできる。

そして、通知部６３は、上記した通知タイミングになったと判定された場合、メッセージを端末装置１０へ通知する。このように、通知部６３は、コンテキスト情報に応じた通知タイミングとすることから、ユーザＵが端末装置１０に注意を向け易いタイミングやユーザＵが情報を所望し易いタイミングなど適切なタイミングでメッセージを通知することが可能となる。

また、通知部６３は、コンテキスト情報に基づいて通知タイミングを調整（学習）してもよい。例えば、通知部６３は、メッセージを端末装置１０へ通知した後、ユーザＵがメッセージに対して実際に端末装置１０をクリック操作した場合（メッセージに反応した場合）、クリック操作がなされた時間や場所などのクリック情報を行動履歴情報（コンテキスト情報の一例）として記憶部１６に記憶させる。そして、通知部６３は、クリック情報を含む行動履歴情報をフィードバックとして、次回以降の通知タイミングをユーザＵが端末装置１０をクリック操作し易い時間にするなど、適切な通知タイミングとなるように調整（学習）してもよい。

〔３．情報処理装置４０の処理フロー〕
次に、情報処理装置４０における情報処理の手順について説明する。図５は、情報処理装置４０における情報処理の流れを示すフローチャートであり、かかる処理は繰り返し実行される。

図５に示すように、情報処理装置４０の制御部４３は、端末装置１０から複数のコンテキスト情報を取得する（ステップＳ１０）。次に、制御部４３は、複数のコンテキスト情報を入力情報として学習モデルからメッセージを生成する（ステップＳ１１）。かかる処理において、制御部４３は、例えば、コンテキスト情報を入力情報として学習モデルから、ユーザＵの現在状況を推定し、推定された現在状況に応じたメッセージを生成する。

次に、制御部４３は、ユーザＵのコンテキスト情報に応じた通知タイミングになったか否かを判定する（ステップＳ１２）。制御部４３は、通知タイミングになったと判定されない場合（ステップＳ１２，Ｎｏ）、ステップＳ１２の処理を繰り返す一方、通知タイミングになったと判定された場合（ステップＳ１２，Ｙｅｓ）、ユーザＵの端末装置１０へメッセージを通知する（ステップＳ１３）。

（第２実施形態）
〔４．第２実施形態に係る端末装置１０および情報処理装置４０〕
上述した第１実施形態では、情報処理装置４０によるメッセージの通知は、プッシュ型の通知であるが、これに限定されるものではない。第２実施形態に係る情報処理装置４０にあっては、プッシュ型の通知に加えてあるいは代えて、ユーザＵの自発的なメッセージの要求に応答する形でメッセージを送信する、所謂プル型の通知を行ってもよい。なお、以下においては、上記した第１実施形態と共通の構成については、同一の符号を付して説明を省略する。

具体的にはまず、端末装置１０にユーザＵによってユーザメッセージが入力される。ここで、ユーザメッセージは、ユーザＵによって端末装置１０へ入力されるテキストデータであり、ユーザメッセージに応答する形でのメッセージの通知を情報処理装置４０に対して要求するものである。

なお、上記したユーザメッセージの入力は、ユーザＵの発話による入力であっても、ユーザＵの入力部１４の操作による入力であってもよい。なお、ユーザＵの発話による入力の場合は、例えば、図示しない音声認識サーバを用いて、ユーザＵの発話を示す音声情報に対して自然言語処理を実行し、音声情報をテキストデータに変換するようにしてもよい。

端末装置１０の送信部３１は、入力されたユーザメッセージを端末装置１０へ通信部１１を介して送信する（図３参照）。

そして、情報処理装置４０は、ユーザメッセージに対応するメッセージを生成する。図６は、第２実施形態に係る情報処理装置４０の構成例を示す図である。図６に示すように、第２実施形態に係る情報処理装置４０の制御部４３は、受付部６４と、抽出部６５と、変更部６６とをさらに備える。

〔４．１．受付部６４〕
受付部６４は、通信部４１を介して端末装置１０から送信される、ユーザＵからのユーザメッセージを受け付ける。なお、ここでは、ユーザＵが例えばレストラン情報を要求する内容のユーザメッセージ（例えば「お腹がすいた」や「美味しいお店ある？」など）が入力されたものとして説明を続ける。

〔４．２．抽出部６５〕
抽出部６５は、ユーザメッセージとコンテキスト情報とに基づき、学習モデルからユーザメッセージに対応する複数のメッセージ候補をメッセージ候補群から抽出する。例えば、学習モデルは、入力されたユーザメッセージを実数ベクトルで示す分散表現を用いて、入力されたユーザメッセージに対するメッセージ候補を抽出することができるモデルである。

学習モデルは、例えばウェブや、ツイッター（登録商標）などから得られるレストラン情報や観光情報、文章情報などの各種情報を学習データとして取集し、メッセージとなり得るメッセージ候補について学習されたモデルである。学習モデルは、例えば、ＬＳＴＭ（Long Short-Term Memory）を備えたＲＮＮ（Recurrent Neural Network）の技術を用いて学習され、生成される。なお、メッセージ候補群は、学習モデルによって学習された多数のメッセージ候補を含むデータ群である。

例えば、抽出部６５は、学習モデルを用いることで、ユーザメッセージが「お腹がすいた」や「美味しいお店ある？」などである場合、レストラン情報を含むメッセージ候補を抽出することができる。具体的には、例えば、抽出部６５は、ユーザメッセージとユーザＵの現在の位置情報とを入力情報として学習モデルから、メッセージ候補（例えばユーザＵの現在位置付近のレストラン情報を含むメッセージ候補）を抽出する。

図７は、抽出されたメッセージ候補の一例を示す図である。図７に示す例では、メッセージ候補として、レストランＡ，Ｂ，Ｃ等が抽出されたものとする。また、抽出されたメッセージ候補には、メッセージ候補が最終的にメッセージとして選択される確率を示す選択確率が関連付けて抽出される。

メッセージ候補の選択確率は、ユーザＵへ応答するメッセージとして適している（ユーザＵが所望している）と推定されるメッセージが高くなるように設定される。例えば、図７に示す例では、レストランＡ〜Ｃは、ウェブ上などで得られたレストランの人気度順に応じて選択確率が設定されているものとする。

なお、図７に示す例では、レストランＡを含むメッセージ候補の選択確率が「０.３」であり、レストランＢの選択確率が「０.４」、レストランＣの選択確率が「０.１」であり、選択確率は高い順にレストランＢ→Ａ→Ｃであるものとする。なお、ここでは、レストランＡは、例えばユーザＵの現在位置が六本木である場合、六本木を代表するレストランであって、観光客にも人気のレストランであるものとして説明を続ける。

また、上記では、メッセージ候補の選択確率は、ウェブ上のレストランの人気度順に基づいて設定されるようにしたが、これに限られず、例えば検索件数やＳＮＳでなされた会話での出現回数の情報など、その他の情報に基づいて設定されてもよい。

〔４．３．変更部６６〕
図６の説明に戻ると、変更部６６は、抽出部６５によって抽出されたメッセージ候補の選択確率を、複数のコンテキスト情報に基づいて変更する。詳しくは、変更部６６は、学習モデルを用い、メッセージ候補の選択確率を、複数のコンテキスト情報に基づいて推定されたユーザＵの現在状況に応じて変更する。

例えば、ユーザＵの現在状況が旅行中で六本木にいる場合、ユーザＵにとっては、六本木を代表するレストランであるレストランＡの情報の方がレストランＢの情報に比べて、ユーザＵへ応答するメッセージの内容として適していると推定することができる。

そこで、変更部６６は、コンテキスト情報に基づき、ユーザＵの現在状況が旅行など非日常の行動を行っていると推定された場合に、ユーザＵの現在状況に適したメッセージ候補（ここではレストランＡ）の選択確率を上げるように変更する。

図７に示す例では、変更部６６は、レストランＡの選択確率を「０．３」から「０．５」へ上げる変更を行う。これにより、選択確率は高い順にレストランＡ→Ｂ→Ｃに変わる。なお、図７では、ユーザＵの現在状況が日常の行動を行っていて生活圏にいると推定される状況を「状況Ａ」、非日常の行動を行っていて旅先にいると推定される状況を「状況Ｂ」として示している。

なお、変更部６６においてメッセージ候補の選択確率を設定あるいは変更する学習モデルとしては、例えばトリガーモデルやキャッシュモデルを用いることができる。また、変更部６６は、メッセージ候補の選択確率の変更を、状況Ａ時の選択確率に対して所定値を加算したり、乗算したりすることで行うことができる。

そして、生成部６２は、複数のメッセージ候補の中から選択確率に基づいてメッセージ候補を選択し、選択された当該メッセージ候補をメッセージとして生成する（図６参照）。例えば、生成部６２は、複数のメッセージ候補の中から選択確率が最も高いメッセージ候補を選択して、当該メッセージ候補をメッセージとして生成することができる。その後、通知部６３は、生成されたメッセージを端末装置１０へ通知する。

図８は、メッセージが通知された端末装置１０の表示部１２の一例を示す図である。図８に示すように、例えば、情報処理装置４０は、レストラン情報を要求する内容のユーザメッセージＵＭ１を受け付ける。

そして、情報処理装置４０は、コンテキスト情報に基づき、ユーザＵの現在状況が旅行など非日常の行動を行っていると推定された場合（状況Ｂの場合）、選択確率が変更され、変更された選択確率に基づいて、六本木を代表するレストランＡの情報を含むメッセージＭ３を生成して端末装置１０へ通知する。

他方、情報処理装置４０は、コンテキスト情報に基づき、ユーザＵの現在状況が日常の行動を行っていて生活圏にいると推定された場合（状況Ａの場合）、選択確率は変更されないため、変更前の選択確率に基づいて、ウェブ上で人気のあるレストランＢの情報を含むメッセージＭ４を生成して端末装置１０へ通知する。

このように、第２実施形態に係る情報処理装置４０にあっては、ユーザメッセージとコンテキスト情報とに基づいてメッセージを生成することから、ユーザメッセージに対応するとともに、ユーザＵに適した内容のメッセージ（例えば、ユーザＵの現在状況に応じた内容のメッセージ）を生成し、メッセージに対するユーザＵの満足度を向上させることができる。

〔５．第２実施形態に係る情報処理装置４０の処理フロー〕
次に、第２実施形態に係る情報処理装置４０の情報処理の手順について説明する。図９は、第２実施形態に係る情報処理装置４０の情報処理の流れを示すフローチャートであり、かかる処理は繰り返し実行される。

図９に示すように、情報処理装置４０の制御部４３は、端末装置１０から複数のコンテキスト情報を取得する（ステップＳ１０）。次に、制御部４３は、端末装置１０からユーザメッセージを受け付けたか否かを判定する（ステップＳ１０ａ）。

制御部４３は、ユーザメッセージを受け付けたと判定された場合（ステップＳ１０ａ，Ｙｅｓ）、ユーザメッセージに対応する複数のメッセージ候補をメッセージ候補群から抽出する（ステップＳ１０ｂ）。

次いで、制御部４３は、抽出されたメッセージ候補の選択確率を、複数のコンテキスト情報に基づいて変更する（ステップＳ１０ｃ）。そして、制御部４３は、複数のメッセージ候補の中から選択確率に基づいてメッセージ候補を選択し、選択された当該メッセージ候補をメッセージとして生成する（ステップＳ１１）。なお、ステップＳ１１以降のステップＳ１２，１３は、図５と同様の処理であるため、説明を省略する。

一方、制御部４３は、ユーザメッセージを受け付けていないと判定された場合（ステップＳ１０ａ，Ｎｏ）、上記した第１実施形態で述べたように、複数のコンテキスト情報に基づいてメッセージを生成し（ステップＳ１１）、ステップＳ１２，１３の処理へ進む。

〔６．変形例〕
上記では、一人のユーザＵが一つの端末装置１０を有するものとして説明したが、一人のユーザＵが複数の端末装置１０を有することもできる。この場合、情報処理装置４０の制御部４３は、複数の端末装置１０からそれぞれ送信されるコンテキスト情報に基づいて、メッセージを生成することができる。

また、例えばユーザＵが特定の同伴者（例えば友人や家族など）と行動を共にするような場合、ユーザＵおよび同伴者がそれぞれ端末装置１０を有することもできる。この場合、情報処理装置４０にあっては、ユーザＵの端末装置１０と同伴者の端末装置１０とが、行動を共にする可能性のある所定の関係性を有することが予め設定され、そして制御部４３は、各端末装置１０から送信されるコンテキスト情報に基づいて、メッセージを生成することができる。

さらに、制御部４３は、一方の端末装置１０（例えば同伴者の端末装置１０）から送信されるコンテキスト情報に基づいてメッセージを生成し、生成されたメッセージを他方の端末装置１０（例えばユーザＵの端末装置１０）へ通知することもできる。これにより、情報処理装置４０は、例えば他方の端末装置１０のコンテキスト情報が取得できない場合であっても、一方の端末装置１０のコンテキスト情報に基づいてメッセージを生成し、他方の端末装置１０へ通知することができる。

また、上記では、情報処理装置４０は、コンテキスト情報の一つである位置情報を用いてメッセージを生成したが、これに限られるものではない。例えば、情報処理装置４０の生成部６２は、複数のコンテキスト情報のうち複数種類のコンテキスト情報（例えば、ユーザＵの位置情報、ユーザＵの属性情報、ユーザＵの運動状態情報、ユーザＵのスケジュール情報、ユーザＵの環境情報、および、ユーザＵの行動履歴情報）の一部あるいは全部に基づいてメッセージを生成してもよい。

例えば、生成部６２は、ユーザＵの位置情報と気圧や天気などのユーザＵの環境情報とを組み合わせたり、加速度などのユーザＵの運動状態情報と気温や天気などのユーザＵの環境情報とを組み合わせたりしてメッセージを生成してもよい。

これにより、生成部６２は、例えば移動情報と環境情報とに基づき、ユーザＵの現在状況が旅行中で、かつ雨であると推定された場合、雨でも楽しめる観光施設などの観光情報を含んだメッセージを生成することが可能となる。このように、生成部６２は、ユーザＵの現在状況をより正確に推定でき、かかる推定結果に基づいてユーザＵにより一層適した内容のメッセージを生成してユーザＵの満足度をより一層向上させることができる。なお、上記した複数種類のコンテキスト情報の組み合わせは、あくまでも例示であって限定されるものではない。

また、情報処理装置４０は、複数種のコンテキスト情報に対して重み付けするようにしてもよい。例えば、情報処理装置４０は、学習モデルにおいて複数種のコンテキスト情報のうち、ユーザＵの現在状況が示され易いコンテキスト情報（例えばユーザＵの位置情報）に重み付けするようにしてもよい。

また、情報処理装置４０は、複数種のコンテキスト情報のうち不定期で取得されるコンテキスト情報（例えば、ユーザＵがブログになした投稿やショッピングサイトでの購入履歴）に基づいてメッセージを生成するようにしてもよい。

〔７．効果〕
情報処理装置４０は、取得部６１と、生成部６２とを備える。取得部６１は、ユーザＵに関する複数のコンテキスト情報を取得する。生成部６２は、取得部６１によって取得された複数のコンテキスト情報に基づいてメッセージ生成用学習モデルから、ユーザＵの端末装置１０に対するメッセージを生成する。

これにより、情報処理装置４０は、ユーザＵに適した内容のメッセージを生成してメッセージに対するユーザの満足度を向上させることができる。

また、生成部６２は、複数のコンテキスト情報における時系列の推移に基づいてメッセージを生成する。これにより、情報処理装置４０は、例えば複数のコンテキスト情報における時系列の推移に基づいてユーザＵの現在状況を推定でき、かかる推定結果に基づいてユーザＵにより適した内容のメッセージを生成してユーザＵの満足度をより向上させることができる。

また、生成部６２は、時系列の推移の不規則性の度合いに基づいてメッセージを生成する。これにより、情報処理装置４０は、例えば複数のコンテキスト情報における時系列の推移の不規則性の度合いに基づいてユーザＵの現在状況を推定でき、かかる推定結果に基づいてユーザＵにより一層適した内容のメッセージを生成してユーザＵの満足度をより一層向上させることができる。

また、生成部６２は、複数のコンテキスト情報のうち複数種類のコンテキスト情報に基づいてメッセージを生成する。これにより、情報処理装置４０は、ユーザＵの現在状況をより正確に推定でき、かかる推定結果に基づいてユーザＵにより一層適した内容のメッセージを生成してユーザＵの満足度をより一層向上させることができる。

また、情報処理装置４０は、通知部６３をさらに備える。通知部６３は、コンテキスト情報に応じた通知タイミングでメッセージを端末装置１０へ通知する。これにより、情報処理装置４０は、ユーザＵがメッセージを確認し易い適切なタイミングで、メッセージの通知を行うことが可能となる。

また、情報処理装置４０は、受付部６４と、抽出部６５と、変更部６６とをさらに備える。受付部６４は、ユーザＵからのユーザメッセージを受け付ける。抽出部６５は、受付部６４によって受け付けたユーザメッセージに対応する複数のメッセージ候補をメッセージ候補群から抽出する。変更部６６は、抽出部６５によって抽出されたメッセージ候補がメッセージとして選択される確率を示す選択確率を、複数のコンテキスト情報に基づいて変更する。そして、生成部６２は、複数のメッセージ候補の中から選択確率に基づいてメッセージ候補を選択し、選択された当該メッセージ候補をメッセージとして生成する。

これにより、情報処理装置４０は、ユーザメッセージに対応するとともに、ユーザＵに適した内容のメッセージを生成し、メッセージに対するユーザＵの満足度を向上させることができる。

また、取得部６１は、ユーザＵの位置情報、ユーザＵの属性情報、ユーザＵの運動の状態を示す運動状態情報、ユーザＵのスケジュール情報、ユーザＵが置かれた環境の情報を示す環境情報、および、ユーザＵの端末装置１０に対する行動履歴情報のうち少なくとも一つをコンテキスト情報として取得する。これにより、情報処理装置４０は、ユーザＵの現在状況を正確に推定でき、かかる推定結果に基づいてユーザＵにより適した内容のメッセージを生成してユーザＵの満足度をより向上させることができる。

〔８．ハードウェア構成〕
上述した実施形態における情報処理装置４０は、例えば図１０に示すような構成のコンピュータ１００がプログラムを実行することによって実現される。

図１０は、プログラムを実行するコンピュータのハードウェア構成の一例を示す図である。コンピュータ１００は、ＣＰＵ（Central Processing Unit）１０１、ＲＡＭ（Random Access Memory）１０２、ＲＯＭ（Read Only Memory）１０３、ＨＤＤ（Hard Disk Drive）１０４、通信インターフェイス（Ｉ／Ｆ）１０５、入出力インターフェイス（Ｉ／Ｆ）１０６、およびメディアインターフェイス（Ｉ／Ｆ）１０７を備える。

ＣＰＵ１０１は、ＲＯＭ１０３またはＨＤＤ１０４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。ＲＯＭ１０３は、コンピュータ１００の起動時にＣＰＵ１０１によって実行されるブートプログラムや、コンピュータ１００のハードウェアに依存するプログラム等を格納する。

ＨＤＤ１０４は、ＣＰＵ１０１によって実行され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１０５は、各通信部１１、４１に対応し、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ＣＰＵ１０１へ送り、ＣＰＵ１０１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。

ＣＰＵ１０１は、入出力インターフェイス１０６を介して、ディスプレイやプリンタ等の出力装置、および、キーボードやマウス等の入力装置を制御する。ＣＰＵ１０１は、入出力インターフェイス１０６を介して、入力装置からデータを取得する。また、ＣＰＵ１０１は、生成したデータを、入出力インターフェイス１０６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１０７は、記録媒体１０８に格納されたプログラムまたはデータを読み取り、ＲＡＭ１０２を介してＣＰＵ１０１に提供する。ＣＰＵ１０１は、当該プログラムを、メディアインターフェイス１０７を介して記録媒体１０８からＲＡＭ１０２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１０８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。

コンピュータ１００が情報処理装置４０として機能する場合、コンピュータ１００のＣＰＵ１０１は、ＲＡＭ１０２上にロードされたプログラムを実行することにより、図４および図６に示す取得部６１、生成部６２、通知部６３、受付部６４、抽出部６５および変更部６６の各機能を実現する。

コンピュータ１００のＣＰＵ１０１は、これらのプログラムを、記録媒体１０８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。

以上、本願の実施形態及び変形例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、発明の開示の行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。

[９．その他]
また、上記実施形態及び変形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及び変形例は、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。

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、生成部は、生成手段や生成回路に読み替えることができる。

１ 情報処理システム
１０ 端末装置
１２ 表示部
１５ 検知部
１７ 制御部
２１ 測位部
４０ 情報処理装置
４３ 制御部
５１ モデル情報記憶部
５２ コンテキスト情報記憶部
６１ 取得部
６２ 生成部
６３ 通知部
６４ 受付部
６５ 抽出部
６６ 変更部

Claims (14)

1. ユーザに関する複数のコンテキスト情報を取得する取得部と、
   前記取得部によって取得された前記複数のコンテキスト情報に基づいてメッセージ生成用学習モデルから、前記ユーザの端末装置に対するメッセージを生成する生成部と、
   前記複数のコンテキスト情報のうち予め選択された複数種類のコンテキスト情報が前記取得部によって取得されたときに通知タイミングになったと判定し、前記生成部によって生成された前記メッセージを前記端末装置へ通知する通知部と
   を備え、
   前記通知部は、
   前記メッセージを前記端末装置へ通知した後、前記メッセージに対する反応として当該端末装置が操作された場合、当該端末装置への操作を示す行動履歴情報を記憶部に記憶し、前記記憶部に記憶された前記行動履歴情報に基づいて次回以降の通知タイミングを調整すること
   を特徴とする情報処理装置。
2. ユーザに関する複数のコンテキスト情報を取得する取得部と、
   前記取得部によって取得された前記複数のコンテキスト情報に基づいてメッセージ生成用学習モデルから、前記ユーザの端末装置に対するメッセージ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メッセージに含まれる情報と前記コンテキスト情報とに基づいて通知タイミングになったか否かを判定し、前記通知タイミングになったと判定したとき、前記メッセージを前記端末装置へ通知する通知部と
   を備え、
   前記通知部は、
   前記メッセージを前記端末装置へ通知した後、前記メッセージに対する反応として当該端末装置が操作された場合、当該端末装置への操作を示す行動履歴情報を記憶部に記憶し、前記記憶部に記憶された前記行動履歴情報に基づいて次回以降の通知タイミングを調整すること
   を特徴とする情報処理装置。
3. ユーザに関する複数のコンテキスト情報を、所定の関係性を有する複数の端末装置からそれぞれ取得する取得部と、
   前記取得部によって前記複数の端末装置のうちの一部の端末装置から取得された前記複数のコンテキスト情報に基づいてメッセージ生成用学習モデルから、前記複数の端末装置に対するメッセージ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メッセージを、前記複数の端末装置のうち前記一部の端末装置とは異なる端末装置へ通知する通知部と
   を備え、
   前記通知部は、
   前記メッセージを前記端末装置へ通知した後、前記メッセージに対する反応として当該端末装置が操作された場合、当該端末装置への操作を示す行動履歴情報を記憶部に記憶し、前記記憶部に記憶された前記行動履歴情報に基づいて次回以降の通知タイミングを調整すること
   を特徴とする情報処理装置。
4. 前記生成部は、
   前記複数のコンテキスト情報における時系列の推移に基づいて前記メッセージを生成する
   ことを特徴とする請求項１〜３のいずれか一つに記載の情報処理装置。
5. 前記生成部は、
   前記時系列の推移の不規則性の度合いに基づいて前記メッセージを生成する
   ことを特徴とする請求項４に記載の情報処理装置。
6. 前記生成部は、
   前記複数のコンテキスト情報のうち複数種類のコンテキスト情報に基づいて前記メッセージを生成する
   ことを特徴とする請求項１〜５のいずれか一つに記載の情報処理装置。
7. 前記ユーザからのユーザメッセージを受け付ける受付部と、
   前記受付部によって受け付けた前記ユーザメッセージに対応する複数のメッセージ候補をメッセージ候補群から抽出する抽出部と、
   前記抽出部によって抽出された前記メッセージ候補が前記メッセージとして選択される確率を示す選択確率を、前記複数のコンテキスト情報に基づいて変更する変更部と
   をさらに備え、
   前記生成部は、
   前記複数のメッセージ候補の中から前記選択確率に基づいて前記メッセージ候補を選択し、選択された当該メッセージ候補を前記メッセージとして生成する
   ことを特徴とする請求項１〜６のいずれか一つに記載の情報処理装置。
8. 前記取得部は、
   前記ユーザの位置情報、前記ユーザの属性情報、前記ユーザの運動の状態を示す運動状態情報、前記ユーザのスケジュール情報、前記ユーザが置かれた環境の情報を示す環境情報、および、前記ユーザの前記端末装置に対する行動履歴情報のうち少なくとも一つを前記コンテキスト情報として取得する
   ことを特徴とする請求項１〜７のいずれか一つに記載の情報処理装置。
9. 情報処理装置が実行する情報処理方法であって、
   ユーザに関する複数のコンテキスト情報を取得する取得工程と、
   前記取得工程において取得された前記複数のコンテキスト情報に基づいてメッセージ生成用学習モデルから、前記ユーザの端末装置に対するメッセージを生成する生成工程と、
   前記複数のコンテキスト情報のうち予め選択された複数種類のコンテキスト情報が前記取得工程において取得されたときに通知タイミングになったと判定し、前記生成工程において生成された前記メッセージを前記端末装置へ通知する通知工程と
   を含み、
   前記通知工程は、
   前記メッセージを前記端末装置へ通知した後、前記メッセージに対する反応として当該端末装置が操作された場合、当該端末装置への操作を示す行動履歴情報を記憶部に記憶し、前記記憶部に記憶された前記行動履歴情報に基づいて次回以降の通知タイミングを調整すること
   を特徴とする情報処理方法。
10. 情報処理装置が実行する情報処理方法であって、
    ユーザに関する複数のコンテキスト情報を取得する取得工程と、
    前記取得工程において取得された前記複数のコンテキスト情報に基づいてメッセージ生成用学習モデルから、前記ユーザの端末装置に対するメッセージを生成する生成工程と、
    前記生成工程において生成された前記メッセージに含まれる情報と前記コンテキスト情報とに基づいて通知タイミングになったか否かを判定し、前記通知タイミングになったと判定したとき、前記メッセージを前記端末装置へ通知する通知工程と
    を含み、
    前記通知工程は、
    前記メッセージを前記端末装置へ通知した後、前記メッセージに対する反応として当該端末装置が操作された場合、当該端末装置への操作を示す行動履歴情報を記憶部に記憶し、前記記憶部に記憶された前記行動履歴情報に基づいて次回以降の通知タイミングを調整すること
    を特徴とする情報処理方法。
11. 情報処理装置が実行する情報処理方法であって、
    ユーザに関する複数のコンテキスト情報を、所定の関係性を有する複数の端末装置からそれぞれ取得する取得工程と、
    前記取得工程において前記複数の端末装置のうちの一部の端末装置から取得された前記複数のコンテキスト情報に基づいてメッセージ生成用学習モデルから、前記複数の端末装置に対するメッセージを生成する生成工程と、
    前記生成工程において生成された前記メッセージを、前記複数の端末装置のうち前記一部の端末装置とは異なる端末装置へ通知する通知工程と
    を含み、
    前記通知工程は、
    前記メッセージを前記端末装置へ通知した後、前記メッセージに対する反応として当該端末装置が操作された場合、当該端末装置への操作を示す行動履歴情報を記憶部に記憶し、前記記憶部に記憶された前記行動履歴情報に基づいて次回以降の通知タイミングを調整すること
    を特徴とする情報処理方法。
12. ユーザに関する複数のコンテキスト情報を取得する取得手順と、
    前記取得手順において取得された前記複数のコンテキスト情報に基づいてメッセージ生成用学習モデルから、前記ユーザの端末装置に対するメッセージを生成する生成手順と、
    前記複数のコンテキスト情報のうち予め選択された複数種類のコンテキスト情報が前記取得手順において取得されたときに通知タイミングになったと判定し、前記生成手順において生成された前記メッセージを前記端末装置へ通知する通知手順と
    をコンピュータに実行させ、
    前記通知手順は、
    前記メッセージを前記端末装置へ通知した後、前記メッセージに対する反応として当該端末装置が操作された場合、当該端末装置への操作を示す行動履歴情報を記憶部に記憶し、前記記憶部に記憶された前記行動履歴情報に基づいて次回以降の通知タイミングを調整すること
    を特徴とする情報処理プログラム。
13. ユーザに関する複数のコンテキスト情報を取得する取得手順と、
    前記取得手順において取得された前記複数のコンテキスト情報に基づいてメッセージ生成用学習モデルから、前記ユーザの端末装置に対するメッセージを生成する生成手順と、
    前記生成手順において生成された前記メッセージに含まれる情報と前記コンテキスト情報とに基づいて通知タイミングになったか否かを判定し、前記通知タイミングになったと判定したとき、前記メッセージを前記端末装置へ通知する通知手順と
    をコンピュータに実行させ、
    前記通知手順は、
    前記メッセージを前記端末装置へ通知した後、前記メッセージに対する反応として当該端末装置が操作された場合、当該端末装置への操作を示す行動履歴情報を記憶部に記憶し、前記記憶部に記憶された前記行動履歴情報に基づいて次回以降の通知タイミングを調整すること
    を特徴とする情報処理プログラム。
14. ユーザに関する複数のコンテキスト情報を、所定の関係性を有する複数の端末装置からそれぞれ取得する取得手順と、
    前記取得手順において前記複数の端末装置のうちの一部の端末装置から取得された前記複数のコンテキスト情報に基づいてメッセージ生成用学習モデルから、前記複数の端末装置に対するメッセージを生成する生成手順と、
    前記生成手順において生成された前記メッセージを、前記複数の端末装置のうち前記一部の端末装置とは異なる端末装置へ通知する通知手順と
    をコンピュータに実行させ、
    前記通知手順は、
    前記メッセージを前記端末装置へ通知した後、前記メッセージに対する反応として当該端末装置が操作された場合、当該端末装置への操作を示す行動履歴情報を記憶部に記憶し、前記記憶部に記憶された前記行動履歴情報に基づいて次回以降の通知タイミングを調整すること
    を特徴とする情報処理プログラム。

Images