JP6679532B2 - 情報処理装置、情報処理方法および情報処理装置プログラム - Google Patents

Description

本発明の実施形態は、情報処理装置、情報処理方法および情報処理装置プログラムに関する。

従来、遺伝子検査によって得られた遺伝子情報が様々な分野に活用されるようになってきている。例えば、特許文献１には、生命保険会社、製薬会社、食品会社などが好適に使用することができる遺伝子検査データ活用方法について開示されている。

特開２００１−２５６３０５号公報

しかしながら、上記の従来技術では、利用者の行動と関連する遺伝子を効果的に特定することができるとは限らない。例えば、上記の従来技術では、遺伝子検査によって得られた遺伝子情報と被検査者の病歴情報とが対応付られた遺伝子情報ファイルを作成し、これを医療・薬品・食品の開発若しくは製造団体に提供する。また、遺伝子情報ファイルの提供を受けた機関は、遺伝子情報ファイルに基づく情報（例えば、薬品や食品等）を個人に提供する。

このように、上記の従来技術は、遺伝子情報と被検査者の病歴情報とに基づく情報処理を行っているに過ぎないため、必ずしも利用者の行動と関連する遺伝子を効果的に特定することができるとは限らない。

本願は、上記に鑑みてなされたものであって、利用者の行動と関連する遺伝子を効果的に特定することができる情報処理装置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、利用者のネットワーク上における行動を示す行動情報と、当該利用者の遺伝子情報とを取得する取得部と、前記利用者の行動情報と遺伝子情報との関係性を分析する分析部とを有することを特徴とする。

実施形態の一態様によれば、利用者の行動と関連する遺伝子を効果的に特定することができるといった効果を奏する。

図１は、実施形態にかかる情報処理の一例を示す図である。 図２は、実施形態にかかる情報処理システムの構成例を示す図である。 図３は、実施形態にかかる情報処理装置の構成例を示す図である。 図４は、実施形態にかかる遺伝子情報記憶部の一例を示す図である。 図５は、実施形態にかかる購買履歴記憶部の一例を示す図である。 図６は、行動情報と遺伝子情報との関係性を分析する分析手法の一例を模式的に示す図である。 図７は、行動情報と遺伝子情報との関係性を分析する分析手法の一例を模式的に示す図である。 図８は、行動情報と遺伝子情報との関係性を分析する分析手法の一例を模式的に示す図である。 図９は、実施形態にかかる情報処理装置による提供処理の全体的な流れを示すフローチャートである。 図１０は、実施形態にかかる検索履歴記憶部の一例を示す図である。 図１１は、実施形態にかかる閲覧履歴記憶部の一例を示す図である。 図１２は、情報処理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、本願にかかる情報処理装置、情報処理方法および情報処理装置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装置プログラムが限定されるものではない。また、以下の実施形態において、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。

〔１．情報処理〕
まず、図１を用いて、実施形態にかかる情報処理の一例について説明する。図１は、実施形態にかかる情報処理の一例を示す図である。実施形態にかかる情報処理は、図１に示す情報処理装置１００によって行われる。

また、実施形態にかかる情報処理システム１は、図１に示すように、情報処理装置１００を含む。情報処理装置１００は、ネットワークを介して有線または無線により通信可能に接続される。なお、図１に示す情報処理システム１には、複数台の情報処理装置１００が含まれてもよい。なお、後述するが、情報処理システム１には、検査機関サーバ３０や外部サーバ６０も含まれる。

利用者端末１０は、スマートフォンや、タブレット型端末や、ノート型ＰＣ（Personal Computer）や、デスクトップＰＣや、携帯電話機や、ＰＤＡ（Personal Digital Assistant）等である。例えば、利用者端末１０は、情報処理装置１００から受信した情報を画面表示したり音声出力する。

ここで、本実施形態の前提について説明する。例えば、ある特定の病気に罹患した人について、遺伝子検査を行い、その病気に関係する（例えば、その病気の発症原因）遺伝子の型を特定する臨床検査が行われる場合がある。しかしながら、例えば、この病気が非常に稀な病気であるとすると、被験者が少ないことから、臨床検査の検査結果は必しも精度が高いとは言えない。また、病気の発症が複数の遺伝子の組合せに起因している場合、臨床検査では、複数の遺伝子の組合せの特定が困難である。

また、ある特定の行動を行う人は、特定の遺伝子を有する、といった行動と遺伝子との間での傾向に関する不確かな情報がある場合に、この行動と遺伝子との間に確かに関係性が得られれば、かかる傾向を確かなものに出来る。さらに、この行動から予測される予測情報（例えば、体質や病気）の原因因子となる遺伝子への特定へと結びつけることができる。しかしながら、上記のように、どの行動とどの遺伝子とが関係するのかを特定するためには、まず、行動に関する情報を多量に収集しなければならないといった問題がある。

実施形態にかかる情報処理装置１００は、上記のような問題点に着目し、利用者の行動を示す行動情報と、利用者の遺伝子に関する遺伝子情報との関係性を分析し、行動情報から予測される予測情報に対する遺伝子の関与を特定することへと繋げるものである。具体的には、実施形態にかかる情報処理装置１００は、利用者のネットワーク上における行動を示す行動情報と、当該利用者の遺伝子情報とを取得し、取得した行動情報と遺伝子情報との関係性を分析する。例えば、情報処理装置１００は、行動情報と遺伝子情報との間に所定の関係性が成立するか否かを分析する。さらに一例を示すと、情報処理装置１００は、行動情報と遺伝子情報との間に当該行動情報と当該遺伝子情報との傾向に基づく関係性（相関関係）が成立するか否かを分析する。以下では、実施形態にかかる情報処理について、一例を用いて説明する。

まず、情報処理装置１００は、利用者のネットワーク上における行動を示す行動情報と、当該利用者の遺伝子情報とを取得する（ステップＳ１）。遺伝子情報とは、遺伝子検査によって得られた検査結果であり、例えば、利用者が有する遺伝子の一覧である。また、遺伝子情報とは、特定の病気が発症することと関わりのある遺伝子が、どのようなタイプ（遺伝子型）であるか、といったことを示す情報である。例えば、「がん」の発症と関わりのある遺伝子を説明の便宜上「ＧＩＮＥ１」とする。そして、「ＧＩＮＥ１」のタイプが「ａ」型である人は、特に「がん」の発症率が高いことが知られているとすると、利用者は、遺伝子検査により、自身の「ＧＩＮＥ１」は「ａ」型であるのかそうでないのかといったことを知ることができる。

情報処理装置１００は、このような遺伝子情報を、遺伝子検査を行った検査機関から取得する。例えば、情報処理装置１００は、かかる検査機関に属するサーバ装置（検査機関サーバ）にアクセスすることで、遺伝子情報を取得する。なお、情報処理装置１００を管理する管理会社（以下、「管理会社Ｔ」とする）と、かかる検査機関との間で所定の契約が交わされ、さらに遺伝子検査を受診した利用者に承諾が得られている場合に、このような遺伝子情報の取得は可能となる。なお、情報処理装置１００は、遺伝子検査を受診した利用者から直接、遺伝子情報の提供を受けてもよい。つまり、情報処理装置１００がどの様な形で遺伝子情報を取得するかは限定されない。

また、情報処理装置１００は、取得した遺伝子情報を自装置内の記憶部である遺伝子情報記憶部１２１に格納する。遺伝子情報記憶部１２１は、遺伝子検査によって得られた遺伝子情報を記憶する記憶部であり、図１に示すように、遺伝子検査を受けた各利用者を識別する識別情報（利用者ＩＤ）と、その利用者の遺伝子情報とを対応付けて記憶する。

つまり、遺伝子情報記憶部１２１は、遺伝子情報として、各利用者がどのようなタイプの遺伝子を有するかを記憶する。例えば、遺伝子情報記憶部１２１は、遺伝子情報として、ＳＮＰ（Single Nucleotide Polymorphism）を有することにより複数のタイプを有する遺伝子のうち、各利用者がどのようなタイプの遺伝子を有するかを記憶する。また、遺伝子情報記憶部１２１は、遺伝子情報として、病気の発症に関与する遺伝子において、各利用者がどのようなタイプの遺伝子を有するかを記憶する。

例えば、図１に示す遺伝子情報記憶部１２１では、利用者Ｕ１の遺伝子情報は、利用者Ｕ１が、遺伝子「Ｇ１ａ」、「Ｇ２ａ」、「Ｇ３ａ」、「Ｇ４ａ」・・・を有することを示す。ここで、本実施形態において遺伝子標記に付与する小文字のアルファベットは、遺伝子のタイプを示すものとする。例えば、遺伝子「Ｇ１ａ」であれば、「ａ」型の遺伝子「Ｇ１」を示す。つまり、利用者Ｕ１が、ＳＮＰにより複数のタイプが存在する遺伝子「Ｇ１」において、「ａ」型の遺伝子「Ｇ１」を有することを示す。同様に、図１の例では、利用者Ｕ２は、複数のタイプが存在する遺伝子「Ｇ１」において、「ｂ」型の遺伝子「Ｇ１」を有することを示す。

また、情報処理装置１００は、利用者の行動情報として、利用者が行った購買に関する情報である購買情報を取得する。購買情報とは、どの利用者が、いつ、何を購入したか、といった購買行動を示す情報である。すなわち、購買情報は、購買履歴と言い換えることができる。例えば、情報処理装置１００は、購買情報を所定のサーバ装置（例えば、ショッピングサーバ）から取得する。そして、情報処理装置１００は、取得した購買情報を自装置内の記憶部である購買履歴記憶部１２２に格納する。

購買履歴記憶部１２２は、図１に示すように、各利用者を識別する識別情報（利用者ＩＤ）と、その利用者の購買情報とを対応付けて記憶する。すなわち、図１の例では、購買履歴記憶部１２２は、各利用者が何を購入したかといった購買情報を記憶する。図１の例では、利用者Ｕ１が「ノートパソコンＰ１を買う」といった購買行動を行った例を示す。なお、情報処理装置１００は、任意のタイミングで購買情報を取得してよい。例えば、情報処理装置１００は、定期的に購買情報を取得する。

また、遺伝子情報記憶部１２１に記憶される各遺伝子情報と、購買履歴記憶部１２２に記憶される行動情報とは、利用者毎に共通の利用者ＩＤで紐付られる。図１の例では、利用者ＩＤ「Ｕ１」に対応付けられる遺伝子情報と、利用者ＩＤ「Ｕ１」に対応付けられる購買情報とは、利用者ＩＤ「Ｕ１」によって紐付けられる。また、このような利用者ＩＤは、利用者が管理会社Ｔに対して会員登録することにより独自に発行されるアカウント情報である。

次に、情報処理装置１００は、ステップＳ１で取得した購買情報と遺伝子情報との関係性を分析する（ステップＳ２）。具体的には、情報処理装置１００は、行動情報と遺伝子情報との間に所定の関係性が成立するか否かを分析する。例えば、情報処理装置１００は、所定の関係性として、行動情報と遺伝子情報との傾向に基づく関係性が成立するか否かを分析する。傾向に基づく関係性とは、つまり相関関係を示す。

より具体的には、情報処理装置１００は、各行動情報と各遺伝子情報との相関分析を行うことで、各行動情報と各遺伝子情報との間に相関関係が成立するか否かを分析する。一例を示すと、情報処理装置１００は、「ノートパソコンＰ１を買う」といった購買行動を行う利用者は遺伝子「Ｇ１ａ」を有する傾向にあるか、すなわち購買行動「ノートパソコンＰ１を買う」と遺伝子情報「Ｇ１ａ」との間に相関関係が成立するか、を分析する。具体的な分析手法については、後述する。

次に、情報処理装置１００は、相関分析を行った結果から、相関関係にある行動情報と遺伝子情報とを特定する（ステップＳ３）。一例を示すと、情報処理装置１００は、「スナック菓子Ｐ３を買う」といった購買行動と相関関係にある遺伝子が存在する場合、遺伝子情報記憶部１２１に記憶されている遺伝子のうち、それはどの遺伝子であるかを特定する。かかる例では、情報処理装置１００は、購買行動「スナック菓子Ｐ３を買う」と、遺伝子「Ｇ２ｂ」とは相関関係にあることを特定したものとする。

また、情報処理装置１００は、ステップＳ３で相関関係にあると特定した行動情報と遺伝子情報について、当該行動情報から予測される予測情報と当該遺伝子情報も相関関係にあることを特定する。行動情報から予測される予測情報とは、例えば、行動情報から予測される体質や病気である。一例を示すと、「スナック菓子Ｐ３を買う」といった行動情報から予測情報として「糖尿病」が予測されているとする。言い換えれば、「スナック菓子Ｐ３を買う」人は「糖尿病」になる傾向にあると予測されているとする。

かかる場合、情報処理装置１００は、「糖尿病」に罹患している人は遺伝子「Ｇ２ｂ」を有する傾向にある、すなわち遺伝子「Ｇ２ｂ」は「糖尿病」の発症に関与する原因因子であると特定する。

また、情報処理装置１００は、行動情報から予測される予測情報が正しいか否かを判定する。上記例の場合、情報処理装置１００は、行動情報「スナック菓子Ｐ３を買う」から予測される予測情報「糖尿病」（「スナック菓子Ｐ３を買う」人は「糖尿病」になる傾向にあるとの予測）が正しいものとして特定する。

さて、これまで説明してきたように、実施形態にかかる情報処理装置１００は、利用者のネットワーク上における行動を示す行動情報と、当該利用者の遺伝子情報とを取得する。そして、情報処理装置１００は、利用者の行動情報と遺伝子情報との関係性を分析する。

これにより、実施形態にかかる情報処理装置１００は、利用者の行動と関連する遺伝子を効果的に特定することができる。また、情報処理装置１００は、行動情報から予測される予測情報が正しいか否かを検証することができる。また、情報処理装置１００は、行動情報および遺伝子情報を取得することにより、行動情報および遺伝子情報の蓄積数が増えていく度に、上記情報処理を繰り返すことで、検証結果の精度を高めることができる。

〔２．システムの構成〕
次に、図２を用いて、実施形態にかかる情報処理システムの構成について説明する。図２は、実施形態にかかる情報処理システム１の構成例を示す図である。図２に示すように、情報処理システム１は、検査機関サーバ３０と、外部サーバ６０と、情報処理装置１００とを含む。検査機関サーバ３０と、外部サーバ６０と、情報処理装置１００とは、ネットワークＮを介して有線または無線により通信可能に接続される。

図１では省略したが、実施形態にかかる情報処理システム１は、図２に示すように、さらに検査機関サーバ３０および外部サーバ６０を含む。検査機関サーバ３０は、遺伝子検査を行う所定の検査機関に属するサーバ装置であり、検査結果でる遺伝子情報を蓄積している。例えば、検査機関サーバ３０は、情報処理装置１００からの要求に応じて、情報処理装置１００に遺伝子情報を送信する。

外部サーバ６０は、各種行動情報の大元となるサーバ装置である。例えば、外部サーバ６０は、ショッピングサイトや電子モール等のＥＣ（Electronic Commerce）サイトを提供するショッピングサーバである。ショッピングサーバは、利用者が行った購買に関する情報である購買情報（行動情報の一例）を蓄積している。

また、例えば、外部サーバ６０は、検索サービスを提供する検索サーバである。検索サーバは、利用者が検索キーワードを用いて行った検索に関する情報である検索行動情報（行動情報の一例）を蓄積している。

また、例えば、外部サーバ６０は、広告コンテンツや記事コンテンツを含むウェブページの配信を行うコンテンツサーバである。コンテンツサーバは、利用者が広告コンテンツを閲覧した閲覧行動に関する情報である広告閲覧情報（行動情報の一例）を蓄積している。また、コンテンツサーバは、利用者が記事コンテンツを閲覧した閲覧行動に関する情報である記事閲覧情報（行動情報の一例）を蓄積している。

また、例えば、外部サーバ６０は、株取引に関するコンテンツを提供する株取引管理サーバである。株取引管理サーバは、利用者が行った株取引に関する情報である株取引情報（行動情報の一例）を蓄積している。

〔３．情報処理装置の構成〕
次に、図３を用いて、実施形態にかかる情報処理装置１００について説明する。図３は、実施形態にかかる情報処理装置１００の構成例を示す図である。図３に示すように、情報処理装置１００は、通信部１１０と、記憶部１２０と、制御部１３０とを有する。

（通信部１１０について）
通信部１１０は、例えば、ＮＩＣ（Network Interface Card）等によって実現される。そして、通信部１１０は、ネットワークＮと有線または無線で接続され、例えば、利用者端末１０、検査機関サーバ３０、外部サーバ６０との間で情報の送受信を行う。

（記憶部１２０について）
記憶部１２０は、例えば、ＲＡＭ（Random Access Memory)、フラッシュメモリ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。記憶部１２０は、遺伝子情報記憶部１２１と、購買履歴記憶部１２２を有する。なお、不図示であるが、記憶部１２０は、提供部１３４によって提供される情報が格納された記憶部をさらに有する。この一例として、記憶部１２０は、広告コンテンツが格納される広告コンテンツ記憶部を有する。

（遺伝子情報記憶部１２１について）
遺伝子情報記憶部１２１は、遺伝子検査によって得られた遺伝子情報を記憶する記憶部である。また、遺伝子情報記憶部１２１に記憶される遺伝子情報は、取得部１３１により取得されたものである。ここで、図４に実施形態にかかる遺伝子情報記憶部１２１の一例を示す。図４の例では、遺伝子情報記憶部１２１は、「利用者ＩＤ」、「遺伝子情報」、「氏名」、「住所」、「生年月日」といった項目を有する。

「利用者ＩＤ」は、利用者を識別するための識別情報を示す。図１でも説明したが、「遺伝子情報」は、遺伝子検査により利用者の遺伝子を解析して得られた解析結果に基づく遺伝子情報を示す。遺伝子情報とは、具体的には、ＳＮＰを有することにより複数のタイプを有する遺伝子のうち、各利用者がどのようなタイプの遺伝子を有するか、といった情報である。また、遺伝子情報とは、病気の発症に関与する遺伝子において、各利用者がどのようなタイプの遺伝子を有するか、といった情報である。

「氏名」は、利用者の氏名を示す。「住所」は、利用者の住所を示す。「生年月日」は、利用者の生年月日を示す。「氏名」、「住所」、「生年月日」は、例えば、遺伝子検査の申込みの際に利用者によって入力されたものである。

すなわち、図４の例では、利用者Ｕ１が、ＳＮＰにより複数のタイプが存在する遺伝子「Ｇ１」のうち、「ａ」型の遺伝子「Ｇ１」である遺伝子「Ｇ１ａ」を有することを示す。同様に、図１の例では、利用者Ｕ２は、複数のタイプが存在する遺伝子「Ｇ１」のうち、「ｂ」型の遺伝子「Ｇ１」である遺伝子「Ｇ１ｂ」を有することを示す。なお、図４に示すように、遺伝子情報記憶部１２１に記憶される各遺伝子情報には、各遺伝子情報を識別するための符号を付している。例えば、利用者Ｕ１に対応する遺伝子情報には、符号「ｒｄ１１」を付している。以下では、このような遺伝子情報を「遺伝子情報ｒｄ１１」と表記する。その他の遺伝子情報についても同様である。

（購買履歴記憶部１２２について）
購買履歴記憶部１２２は、利用者が行った購買に関する情報である購買情報（行動情報の一例）の履歴、すなわち購買履歴を記憶する記憶部である。購買履歴記憶部１２２は、購買情報として、各利用者が、いつ、何を購入したかといった情報を記憶する。また、購買履歴記憶部１２２に記憶される購買情報は、取得部１３１により取得されたものである。ここで、図５に実施形態にかかる購買履歴記憶部１２２の一例を示す。図５の例では、購買履歴記憶部１２２は、「利用者ＩＤ」、「購入商品」、「購入日時」といった項目を有する。

「利用者ＩＤ」は、利用者を識別するための識別情報を示す。なお、遺伝子情報記憶部１２１に記憶される遺伝子情報と、購買履歴記憶部１２２に記憶される購買情報とは、同一の利用者ＩＤで紐付けられる。つまり、同一の「利用者ＩＤ」が対応付けられる遺伝子情報および購買情報は、同一利用者から得られたものである。「購入商品」は、対応する利用者によって購入された商品を示す。「購入日時」は、対応する利用者によって「購入商品」が購入された日時を示す。

すなわち、図５の例では、利用者Ｕ１が、「２０１７年１月１０日」において「ノートパソコンＰ１を買う」といった購買行動を行った例を示す。なお、図５に示すように、購買履歴記憶部１２２に記憶される購買情報には、各購買情報を識別するための符号を付している。例えば、利用者Ｕ１に対応する購買情報には、符号「ｐｄ１１」を付している。以下では、このような購買情報を「購買情報ｐｄ１１」と表記する。その他の購買情報についても同様である。

（制御部１３０について）
図３に戻り、制御部１３０は、ＣＰＵ（Central Processing Unit）やＭＰＵ（Micro Processing Unit）等によって、情報処理装置１００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１３０は、例えば、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。

図３に示すように、制御部１３０は、取得部１３１と、分析部１３２と、特定部１３３とを有し、以下に説明する情報処理の機能や作用を実現または実行する。なお、制御部１３０の内部構成は、図３に示した構成に限られず、後述する情報処理を行う構成であれば他の構成であってもよい。また、制御部１３０が有する各処理部の接続関係は、図２に示した接続関係に限られず、他の接続関係であってもよい。

（取得部１３１について）
取得部１３１は、利用者のネットワーク上における行動を示す行動情報と、当該利用者の遺伝子情報とを取得する。例えば、取得部１３１は、遺伝子検査を行った検査機関から遺伝子情報を取得する。例えば、取得部１３１は、かかる検査機関に属するサーバ装置である検査機関サーバ３０にアクセスすることで、遺伝子情報を取得する。例えば、取得部１３１は、検査機関サーバ３０に定期的にアクセスし、遺伝子情報を取得する。また、取得部１３１は、取得した遺伝子情報を、図４に示すように、遺伝子情報記憶部１２１に格納する。

また、例えば、取得部１３１は、利用者の行動情報として、利用者が行った購買に関する情報である購買情報を取得する。例えば、取得部１３１は、外部サーバ６０（例えば、ショッピングサーバ）にアクセスすることで、購買情報を取得する。例えば、取得部１３１は、外部サーバ６０に定期的にアクセスし、購買情報を取得する。また、取得部１３１は、取得した購買情報を、図５に示すように、購買履歴記憶部１２２に格納する。

（分析部１３２について）
分析部１３２は、取得部１３１によって取得された行動情報と遺伝子情報との関係性を分析する。具体的には、分析部１３２は、行動情報と遺伝子情報との間に所定の関係性が成立するか否かを分析する。例えば、分析部１３２は、所定の関係性として、行動情報と遺伝子情報との傾向に基づく関係性が成立するか否かを分析する。本実施形態では、分析部１３２は、行動情報と遺伝子情報との間に相関関係が成立するか否かを分析する。

例えば、取得部１３１により購買情報が取得された場合、分析部１３２は、取得部１３１によって取得された購買情報と遺伝子情報との関係性を分析する。例えば、分析部１３２は、購買情報と遺伝子情報との間に相関関係が成立するか否かを分析する。分析手法としては、以下の３パターンが考えられる。以下では、行動情報の一例として購買情報を用いて各パターンについて説明する。

（パターン１）
まず、図６を用いて、パターン１について説明する。図６は、行動情報と遺伝子情報との関係性を分析する分析手法の一例を模式的に示す図である。パターン１では、分析部１３２は、各行動情報と各遺伝子情報との相関分析を行うことで、各行動情報と各遺伝子情報との間に相関関係が成立するか否かを分析する。まず、分析部１３２は、遺伝子情報記憶部１２１を参照し、遺伝子毎に当該遺伝子を有する利用者をリストアップする。具体的には、分析部１３２は、図６（ａ）に示すように、遺伝子情報に含まれる遺伝子毎に当該遺伝子を有する利用者には「１」を付与し、遺伝子毎に当該遺伝子を有しない利用者には「０」を付与する。例えば、図４に示す遺伝子情報記憶部１２１の例では、遺伝子情報ｒｄ１１から、利用者Ｕ１は、遺伝子「Ｇ１ａ」を有することがわかる。したがって、分析部１３２は、図６（ａ）に示すように、遺伝子「Ｇ１ａ」と利用者ＩＤ「Ｕ１」とに対応する入力欄に「１」を付与する。そうして、分析部１３２は、図６（ａ）に示すような、遺伝子−利用者リストを生成する。

また、分析部１３２は、購買履歴記憶部１２２を参照し、期間Ｔｎ（時系列に応じた期間）の間に各商品を購入した利用者をリストアップする。ここで、期間Ｔ１を「１ヶ月」とし、この１ヶ月をさらに「２０１７年１月１日〜２０１７年１月３１日」とする。このような状態において、分析部１３２は、図６（ｂ）に示すように、取得された購買情報のうち、「２０１７年１月１日〜２０１７年１月３１日」の間に行われた購買に関する購買情報に含まれる商品毎に当該商品を購入した利用者には「１」を付与し、商品毎に当該商品を購入していない利用者には「０」を付与する。例えば、図５に示す購買履歴記憶部１２２の例では、購買情報ｐｄ１１から、利用者Ｕ１は、「２０１７年１月１０日」に「ノートパソコンＰ１」を購入したことがわかる。したがって、分析部１３２は、図６（ｂ）に示すように、「ノートパソコンＰ１」と利用者ＩＤ「Ｕ１」とに対応する入力欄に「１」を付与する。そうして、分析部１３２は、図６（ｂ）に示すような、商品（ノートパソコンＰ１）−利用者リストを生成する。

また、同様に、分析部１３２は、取得された購買情報のうち、「２０１７年２月１日〜２０１７年２月２９日」の間（期間Ｔ２）に行われた購買に関する購買情報に含まれる商品毎に当該商品を購入した利用者には「１」を付与し、商品毎に当該商品を購入していない利用者には「０」を付与することにより、商品−利用者リストを生成する。つまり、分析部１３２は、期間Ｔｎ毎に、商品（ノートパソコンＰ１）−利用者リストを生成する。また、ノートパソコンＰ１を例に説明したが、分析部１３２は、図６（ｂ）に示すように、スーツＰ２、日本酒Ｐ３といったように、各商品毎に、期間Ｔｎ毎の商品−利用者リストを生成する。

以下、購買行動「ノートパソコンＰ１を買う」と遺伝子情報「Ｇ１ａ」との相関分析の一例について説明する。まず、期間Ｔｎに「ノートパソコンＰ１」を購入した利用者数を変数Ｘとする。また、期間Ｔｎに「ノートパソコンＰ１」を購入した利用者数のうち、遺伝子「Ｇ１ａ」を有する利用者数を変数Ｙとする。このような状態において、分析部１３２は、図６（ｃ）に示すように、時系列に応じた期間Ｔｎ毎に、変数Ｘおよび変数Ｙをカウントする。例えば、分析部１３２は、「２０１７年１月１日〜２０１７年１月３１日」（期間Ｔ１）において「ノートパソコンＰ１」を購入した利用者数、および、この利用者数のうち遺伝子「Ｇ１ａ」を有する利用者数をカウントする。同様に、分析部１３２は、各期間Ｔｎについてカウントを行う。ここでは、分析部１３２は、図６（ｃ）に示すようなカウント結果を得たとする。

分析部１３２は、このカウント結果を用いて、「ノートパソコンＰ１を買う」といった購買行動を行う利用者は遺伝子「Ｇ１ａ」を有する傾向にあるか、すなわち購買行動「ノートパソコンＰ１を買う」と遺伝子情報「Ｇ１ａ」との間に相関関係が成立するか、を分析する。具体的には、分析部１３２は、このカウント結果を用いて、相関係数を算出する。そして、分析部１３２は、算出した相関係数が、例えば、所定値以上であれば、購買行動「ノートパソコンＰ１を買う」と遺伝子情報「Ｇ１ａ」との間に相関関係が成立する、といった相関分析結果を得る。一方、分析部１３２は、算出した相関係数が、所定値以下であれば、購買行動「ノートパソコンＰ１を買う」と遺伝子情報「Ｇ１ａ」とは相関関係にない、といった相関分析結果を得る。

なお、図６では、購買行動「ノートパソコンＰ１を買う」と遺伝子情報「Ｇ１ａ」を例に挙げて説明したが、分析部１３２は、各商品（例えば、スーツＰ２、スナック菓子Ｐ３等）に対応する購買情報と、各遺伝子に対応する遺伝子情報（例えば、Ｇ１ｂ、Ｇ２ａ等）との相関関係を分析し、相関係数を算出する。

（パターン２）
次に、図７を用いて、パターン２について説明する。図７は、行動情報と遺伝子情報との関係性を分析する分析手法の一例を模式的に示す図である。パターン２では、分析部１３２は、利用者の行動情報と、利用者の遺伝子情報のうち複数の遺伝子情報の組合せとの関係性を分析する。例えば、分析部１３２は、各行動情報と、遺伝子情報のうち複数の遺伝子情報の組合せとの相関分析を行うことで、各行動情報と複数の遺伝子情報の組合せとの間に相関関係が成立するか否かを分析する。

まず、分析部１３２は、遺伝子情報記憶部１２１を参照し、複数の遺伝子の組合せ毎に当該遺伝子を有する利用者をリストアップする。例えば、候補となる遺伝子が「３０万」存在する場合には、複数の遺伝子の組合せは「３０万×３０万」通り存在する。具体的には、分析部１３２は、図７（ａ）に示すように、複数の遺伝子の組合せ毎に当該遺伝子の組合せを有する利用者には「１」を付与し、複数の遺伝子の組合せ毎に当該遺伝子の組合せを有しない利用者には「０」を付与する。例えば、図４に示す遺伝子情報記憶部１２１の例では、遺伝子情報ｒｄ１１から、利用者Ｕ１は、遺伝子「Ｇ１ａ」および「Ｇ２ａ」といった組合せを有することがわかる。したがって、分析部１３２は、図７（ａ）に示すように、かかる組合せに対応する入力欄に「１」を付与する。そうして、分析部１３２は、図７（ａ）に示すような、遺伝子組合せ−利用者リストを生成する。なお、ここでは、説明を簡単にするために、複数の遺伝子の組合せを２つの遺伝子の組合せとしているが、組合される遺伝子の数は限定されるものではない。

また、分析部１３２は、購買履歴記憶部１２２を参照し、期間Ｔｎ（時系列に応じた期間）の間に各商品を購入した利用者をリストアップする。ここで、期間Ｔ１を「１ヶ月」とし、この１ヶ月をさらに「２０１７年１月１日〜２０１７年１月３１日」とする。このような状態において、分析部１３２は、図７（ｂ）に示すように、取得された購買情報のうち、「２０１７年１月１日〜２０１７年１月３１日」の間に行われた購買に関する購買情報に含まれる商品毎に当該商品を購入した利用者には「１」を付与し、商品毎に当該商品を購入していない利用者には「０」を付与する。例えば、図５に示す購買履歴記憶部１２２の例では、購買情報ｐｄ１１から、利用者Ｕ１は、「２０１７年１月１０日」に「ノートパソコンＰ１」を購入したことがわかる。したがって、分析部１３２は、図７（ｂ）に示すように、「ノートパソコンＰ１」と利用者ＩＤ「Ｕ１」とに対応する入力欄に「１」を付与する。そうして、分析部１３２は、図７（ｂ）に示すような、商品（ノートパソコンＰ１）−利用者リストを生成する。

また、同様に、分析部１３２は、取得された購買情報のうち、「２０１７年２月１日〜２０１７年２月２９日」の間（期間Ｔ２）に行われた購買に関する購買情報に含まれる商品毎に当該商品を購入した利用者には「１」を付与し、商品毎に当該商品を購入していない利用者には「０」を付与することにより、商品−利用者リストを生成する。つまり、分析部１３２は、期間Ｔｎ毎に、商品（ノートパソコンＰ１）−利用者リストを生成する。また、ノートパソコンＰ１を例に説明したが、分析部１３２は、図７（ｂ）に示すように、スーツＰ２、日本酒Ｐ３といったように、各商品毎に、期間Ｔｎ毎の商品−利用者リストを生成する。

以下、購買行動「ノートパソコンＰ１を買う」と遺伝子の組合せ「Ｇ１ａ−Ｇ２ａ」との相関分析の一例について説明する。まず、期間Ｔｎに「ノートパソコンＰ１」を購入した利用者数を変数Ｘとする。また、期間Ｔｎに「ノートパソコンＰ１」を購入した利用者数のうち、遺伝子の組合せ「Ｇ１ａ−Ｇ２ａ」を有する利用者数を変数Ｙとする。このような状態において、分析部１３２は、図７（ｃ）に示すように、時系列に応じた期間Ｔｎ毎に、変数Ｘおよび変数Ｙをカウントする。例えば、分析部１３２は、「２０１７年１月１日〜２０１７年１月３１日」（期間Ｔ１）において「ノートパソコンＰ１」を購入した利用者数、および、この利用者数のうち遺伝子の組合せ「Ｇ１ａ−Ｇ２ａ」を有する利用者数をカウントする。同様に、分析部１３２は、各期間Ｔｎについてカウントを行う。ここでは、分析部１３２は、図７（ｃ）に示すようなカウント結果を得たとする。

分析部１３２は、このカウント結果を用いて、「ノートパソコンＰ１を買う」といった購買行動を行う利用者は遺伝子の組合せ「Ｇ１ａ−Ｇ２ａ」を有する傾向にあるか、すなわち購買行動「ノートパソコンＰ１を買う」と遺伝子の組合せ「Ｇ１ａ−Ｇ２ａ」との間に相関関係が成立するか、を分析する。具体的には、分析部１３２は、このカウント結果を用いて、相関係数を算出する。そして、分析部１３２は、算出した相関係数が、例えば、所定値以上であれば、購買行動「ノートパソコンＰ１を買う」と遺伝子の組合せ「Ｇ１ａ−Ｇ２ａ」との間に相関関係が成立する、といった相関分析結果を得る。一方、分析部１３２は、算出した相関係数が、所定値以下であれば、購買行動「ノートパソコンＰ１を買う」と遺伝子の組合せ「Ｇ１ａ−Ｇ２ａ」とは相関関係にない、といった相関分析結果を得る。

なお、図７では、購買行動「ノートパソコンＰ１を買う」と遺伝子の組合せ「Ｇ１ａ−Ｇ２ａ」を例に挙げて説明したが、分析部１３２は、各商品（例えば、スーツＰ２、スナック菓子Ｐ３等）に対応する購買情報と、各遺伝子の組合せに対応する遺伝子情報（例えば、「Ｇ１ａ−Ｇ２ｂ」、「Ｇ１ｂ−Ｇ２ａ」等）との相関関係を分析し、相関係数を算出する。

（パターン３）
次に、図８を用いて、パターン３について説明する。図８は、行動情報と遺伝子情報との関係性を分析する分析手法の一例を模式的に示す図である。パターン３では、分析部１３２は、取得された行動情報のうち複数の行動情報の組合せと、各遺伝子情報との相関分析を行うことで、複数の行動情報の組合せと各遺伝子情報との間に相関関係が成立するか否かを分析する。なお、パターン３では、複数の行動情報の組合せを商品のカテゴリそれぞれに属する商品群であるものとする。しかし、この例に限らず、複数の行動情報の組合せは、例えば、各商品を組み合わせることにより想定される全通りの組合せであってもよい。

まず、分析部１３２は、遺伝子情報記憶部１２１を参照し、遺伝子毎に当該遺伝子を有する利用者をリストアップする。具体的には、分析部１３２は、図８（ａ）に示すように、遺伝子情報に含まれる遺伝子毎に当該遺伝子を有する利用者には「１」を付与し、遺伝子毎に当該遺伝子を有しない利用者には「０」を付与する。例えば、図４に示す遺伝子情報記憶部１２１の例では、遺伝子情報ｒｄ１１から、利用者Ｕ１は、遺伝子「Ｇ１ａ」を有することがわかる。したがって、分析部１３２は、図８（ａ）に示すように、遺伝子「Ｇ１ａ」と利用者ＩＤ「Ｕ１」とに対応する入力欄に「１」を付与する。そうして、分析部１３２は、図８（ａ）に示すような、遺伝子−利用者リストを生成する。

また、分析部１３２は、購買履歴記憶部１２２を参照し、期間Ｔｎ（時系列に応じた期間）の間に各カテゴリに商品を購入した利用者をリストアップする。ここで、期間Ｔ１を「１ヶ月」とし、この１ヶ月をさらに「２０１７年１月１日〜２０１７年１月３１日」とする。このような状態において、分析部１３２は、図８（ｂ）に示すように、「２０１７年１月１日〜２０１７年１月３１日」の間に行われた購買に関する購買情報に含まれる商品のうち、各カテゴリに属する商品毎に当該商品を購入した利用者には「１」を付与し、商品毎に当該商品を購入していない利用者には「０」を付与する。例えば、、分析部１３２は、図８（ｂ）に示すように、カテゴリ「パソコン本体」と利用者ＩＤ「Ｕ１」とに対応する入力欄に「１」を付与する。そうして、分析部１３２は、図８（ｂ）に示すような、商品カテゴリ−利用者リストを生成する。

また、同様に、分析部１３２は、「２０１７年２月１日〜２０１７年２月２９日」の間（期間Ｔ２）に行われた購買に関する購買情報に含まれる商品のうち、各カテゴリに属する商品毎に当該商品を購入した利用者には「１」を付与し、商品毎に当該商品を購入していない利用者には「０」を付与することにより、商品カテゴリ−利用者リストを生成する。つまり、分析部１３２は、期間Ｔｎ毎に、商品カテゴリ−利用者リストを生成する。また、カテゴリ「パソコン本体」を例に説明したが、分析部１３２は、図８（ｂ）に示すように、カテゴリ「男性スーツ」、カテゴリ「スナック類」といったように、カテゴリ毎に、期間Ｔｎ毎の商品カテゴリ−利用者リストを生成する。

以下、購買行動「カテゴリ「パソコン本体」に属する商品を買う」と遺伝子情報「Ｇ１ａ」との相関分析の一例について説明する。まず、期間Ｔｎにカテゴリ「パソコン本体」に属する商品を購入した利用者数を変数Ｘとする。また、期間Ｔｎにカテゴリ「パソコン本体」に属する商品を購入した利用者数のうち、遺伝子「Ｇ１ａ」を有する利用者数を変数Ｙとする。このような状態において、分析部１３２は、図８（ｃ）に示すように、時系列に応じた期間Ｔｎ毎に、変数Ｘおよび変数Ｙをカウントする。例えば、分析部１３２は、「２０１７年１月１日〜２０１７年１月３１日」（期間Ｔ１）においてカテゴリ「パソコン本体」に属する商品を購入した利用者数、および、この利用者数のうち遺伝子「Ｇ１ａ」を有する利用者数をカウントする。同様に、分析部１３２は、各期間Ｔｎについてカウントを行う。ここでは、分析部１３２は、図８（ｃ）に示すようなカウント結果を得たとする。

そして、分析部１３２は、このカウント結果を用いて、「カテゴリ「パソコン本体」に属する商品を買う」といった購買行動を行う利用者は遺伝子「Ｇ１ａ」を有する傾向にあるか、すなわち購買行動「カテゴリ「パソコン本体」に属する商品を買う」と遺伝子情報「Ｇ１ａ」との間に相関関係が成立するか、を分析する。具体的には、分析部１３２は、このカウント結果を用いて、相関係数を算出する。そして、分析部１３２は、算出した相関係数が、例えば、所定値以上であれば、購買行動「カテゴリ「パソコン本体」に属する商品を買う」と遺伝子情報「Ｇ１ａ」との間に相関関係が成立する、といった相関分析結果を得る。一方、分析部１３２は、算出した相関係数が、所定値以下であれば、購買行動「カテゴリ「パソコン本体」に属する商品を買う」と遺伝子情報「Ｇ１ａ」とは相関関係にない、といった相関分析結果を得る。

なお、図８では、購買行動「カテゴリ「パソコン本体」に属する商品を買う」と遺伝子情報「Ｇ１ａ」を例に挙げて説明したが、分析部１３２は、各カテゴリ（例えば、男性スーツ、スナック等）に対応する購買情報と、各遺伝子に対応する遺伝子情報（例えば、Ｇ１ｂ、Ｇ２ａ等）との相関関係を分析し、相関係数を算出する。

（特定部１３３について）
図３に戻り、特定部１３３は、分析部１３２による相関分析から得られた分析結果に基づいて、取得部１３１によって取得された利用者の遺伝子情報のうち、利用者の行動情報と所定の関係性（例えば、相関関係）を有する遺伝子情報を特定する。

例えば、上記パターン１の場合、特定部１３３は、分析部１３２による分析結果に基づいて、どの行動情報とどの遺伝子情報とが相関関係にあるかを特定する。また、上記パターン２の場合、分析部１３３は、分析部１３２による分析結果に基づいて、どの行動情報とどの遺伝子情報の組合せとが相関関係にあるかを特定する。また、例えば、上記パターン３の場合、分析部１３３は、分析部１３２による分析結果に基づいて、どの行動情報の組合せとどの遺伝子情報とが相関関係にあるかを特定する。

また、特定部１３３は、相関関係にあると特定した行動情報と遺伝子情報について、当該行動情報から予測される予測情報と当該遺伝子情報も相関関係にあることを特定する。また、特定部１３３は、行動情報から予測される予測情報が正しいものと判断する。

例えば、行動情報から予測される予測情報が「病気」であるとすると、特定部１３３は、この「病気」と相関関係にある遺伝子をこの「病気」の原因因子であるものと特定する。また、例えば、特定部１３３は、購買行動「スナック菓子Ｐ３を買う」と、遺伝子の組合せ「Ｇ２ｂ−Ｇ３ｂ」とは相関関係にあることを特定したものとする。また、ここで、「スナック菓子Ｐ３を買う」といった行動情報から予測情報として「糖尿病」が予測されているとする。言い換えれば、「スナック菓子Ｐ３を買う」人は「糖尿病」になる傾向にあると予測されているとする。かかる場合、特定部１３３は、「糖尿病」に罹患している人は遺伝子の組合せ「Ｇ２ｂ−Ｇ３ｂ」を有する傾向にある、すなわち遺伝子「Ｇ２ｂ」は「糖尿病」の発症に関与する原因因子であると特定する。

また、かかる例では、特定部１３３は、「スナック菓子Ｐ３を買う」人は「糖尿病」になる傾向にあるとの予測が正しいものと判断し、この判断結果を通知する。

〔４．処理手順〕
次に、図９を用いて、実施形態にかかる情報処理装置１００が実行する情報処理の手順について説明する。図９は、実施形態にかかる情報処理装置１００による情報処理の全体的な流れを示すフローチャートである。

まず、情報処理装置１００は、利用者のネットワーク上における行動を示す行動情報と、当該利用者の遺伝子情報とを取得する（ステップＳ１０１）。例えば、情報処理装置１００は、所定の検査機関のサーバ装置である検査機関サーバ３０から遺伝子情報を取得する。また、情報処理装置１００は、各種行動情報を蓄積する外部サーバ６０から行動情報を取得する。

次に、情報処理装置１００は、行動情報と遺伝子情報との関係性を分析する（ステップＳ１０２）。具体的には、情報処理装置１００は、行動情報と遺伝子情報との間に所定の関係性が成立するか否かを分析する。例えば、情報処理装置１００は、所定の関係性として、行動情報と遺伝子情報との傾向に基づく関係性、すなわち相関関係が成立するか否かを分析する。

次に、情報処理装置１００は、ステップＳ１０２での分析結果から、利用者の遺伝子情報のうち、利用者の行動情報と関係性を有する（相関関係を有する）遺伝子情報を特定する（ステップＳ１０３）。すなわち、情報処理装置１００は、利用者の遺伝子情報のうちどの遺伝子情報が、利用者のどの行動情報と関係性を有するのかを特定する。

〔５．変形例〕
実施形態にかかる情報処理装置１００は、上記実施例以外にも種々の異なる形態にて実施されてよい。そこで、以下では、他の実施形態について説明する。

〔５−１．検索行動を用いた処理〕
上記実施形態では、情報処理装置１００が、行動情報として購買情報を取得し、購買情報と遺伝子情報との関係性を分析する例を示した。しかし、情報処理装置１００は、行動情報として検索に関する情報を取得し、検索に関する情報に基づく分析を行ってもよい。

具体的には、取得部１３１は、利用者の行動情報として、利用者が検索キーワードを用いて行った検索に関する情報である検索行動情報を取得する。そして、分析部１３２は、取得部１３１により取得された検索行動情報と遺伝子情報との関係性を分析する。そして、特定部１３３は、分析部１３２によって得られた分析結果に基づいて、利用者の遺伝子情報のうち、利用者の検索行動情報と所定の関係性（例えば、相関関係）を有する遺伝子情報を特定する。また、特定部１３３は、所定の関係性にあると特定した検索行動情報と遺伝子情報について、当該検索行動情報から予測される予測情報と当該遺伝子情報も相関関係にあることを特定する。以下では、行動情報として検索行動情報を用いる場合における情報処理の一例について説明する。なお、上記実施形態では、行動情報として購買情報を用いる例を示したが、本変形例は、購買情報の代わりに検索行動情報を用いるものである。したがって、共通する処理については適宜説明を簡略化する。

例えば、取得部１３１は、外部サーバ６０（例えば、検索サーバ）にアクセスすることで、利用者が検索キーワードを用いて行った検索に関する情報である検索行動情報を取得する。検索行動情報とは、どの利用者が、どのような検索キーワードを用いて、いつ情報検索を行ったか、といった検索行動を示す情報である。したがって、検索行動情報は、検索履歴ともいえる。取得部１３１は、取得した検索行動情報を、図１０に示すように、検索履歴記憶部１２３に格納する。検索履歴記憶部１２３は、記憶部１２０が有する記憶部である。

図１０は、実施形態にかかる検索履歴記憶部１２３の一例を示す図である。図１０の例では、検索履歴記憶部１２３は、「利用者ＩＤ」、「検索キーワード」、「検索日時」といった項目を有する。「利用者ＩＤ」は、検索を行った利用者を識別するための識別情報を示す。なお、遺伝子情報記憶部１２１に記憶される遺伝子情報と、検索履歴記憶部１２３に記憶される検索行動情報とは、同一の利用者ＩＤで紐付けられる。「検索キーワード」は、対応する利用者によって用いられた（入力された）検索キーワードを示す。「検索日時」は、対応する利用者によって検索が行われた日時を示す。すなわち、図１０の例では、利用者Ｕ１が、「２０１７年１月１０日」において検索キーワード「旅行」を用いた検索行動を行った例を示す。

また、分析部１３２は、上記実施形態で説明したように、３パターンの分析手法を用いて、検索行動情報と遺伝子情報との間に相関関係が成立するか否かを分析することができる。

パターン１では、分析部１３２は、各検索行動情報と各遺伝子情報との相関分析を行うことで、各行動情報と各遺伝子情報との間に相関関係が成立するか否かを分析する。例えば、分析部１３２は、図６（ａ）で説明したように、遺伝子−利用者リストを生成する。また、分析部１３２は、各検索行動（各検索キーワード）毎に、期間Ｔｎ毎の商品−利用者リストを生成する。かかるリストは、図６（ｂ）に示す期間Ｔｎ毎の商品−利用者リストにおいて商品を各検索キーワード（例えば、旅行、転職等）に置き換えたものに相当する。

そして、分析部１３２は、各検索キーワードに対応する検索行動情報情報と、各遺伝子に対応する遺伝子情報との相関関係を分析し、相関係数を算出する。一例を示すと、分析部１３２は、期間Ｔ１に検索キーワード「旅行」を用いて検索を行った利用者数を変数Ｘとし、また、期間Ｔ１に検索キーワード「旅行」を用いて検索を行った利用者数のうち、遺伝子「Ｇ１ａ」を有する利用者数を変数Ｙとして、これらの変数をカウントする。そして、分析部１３２は、検索キーワード「旅行」を用いて検索を行う利用者は遺伝子「Ｇ１ａ」を有する傾向にあるか、すなわち検索行動「検索キーワード「旅行」で検索を行う」と遺伝子情報「Ｇ１ａ」との間に相関関係が成立するか、を相関分析することにより相関係数を算出する。同様に、分析部１３２は、各期間Ｔｎについてカウントを行う。

パターン２では、分析部１３２は、各検索行動情報と、取得された遺伝子情報のうち複数の遺伝子情報の組合せとの相関分析を行うことで、各検索行動情報と複数の遺伝子情報の組合せとの間に相関関係が成立するか否かを分析する。例えば、分析部１３２は、図７（ａ）で説明したように、遺伝子組合せ−利用者リストを生成する。また、分析部１３２は、各検索行動（各検索キーワード）毎に、期間Ｔｎ毎の商品−利用者リストを生成する。かかるリストは、図７（ｂ）に示す期間Ｔｎ毎の商品−利用者リストにおいて商品を各検索キーワード（例えば、旅行、転職等）に置き換えたものに相当する。

そして、分析部１３２は、各検索キーワードに対応する検索行動情報情報と、各遺伝子の組合せに対応する遺伝子情報との相関関係を分析し、相関係数を算出する。一例を示すと、分析部１３２は、期間Ｔ１に検索キーワード「旅行」を用いて検索を行った利用者数を変数Ｘとし、また、期間Ｔ１に検索キーワード「旅行」を用いて検索を行った利用者数のうち、遺伝子の組合せ「Ｇ１ａ−Ｇ２ａ」を有する利用者数を変数Ｙとして、これらの変数をカウントする。そして、分析部１３２は、検索キーワード「旅行」を用いて検索を行う利用者は遺伝子の組合せ「Ｇ１ａ−Ｇ２ａ」を有する傾向にあるか、すなわち検索行動「検索キーワード「旅行」で検索を行う」と遺伝子の組合せ「Ｇ１ａ−Ｇ２ａ」との間に相関関係が成立するか、を相関分析することにより相関係数を算出する。同様に、分析部１３２は、各期間Ｔｎについてカウントを行う。

パターン３では、分析部１３２は、取得された検索行動情報のうち複数の検索行動情報の組合せと、各遺伝子情報との相関分析を行うことで、当該複数の検索行動情報の組合せと各遺伝子情報との間に相関関係が成立するか否かを分析する。なお、パターン３では、複数の検索行動情報の組合せを検索キーワードのカテゴリそれぞれに属する検索キーワード群であるものとする。一例を示すと、検索カテゴリ「酒類」に属する検索キーワードといったものである。しかし、この例に限らず、複数の検索行動情報の組合せは、例えば、各検索キーワードを組み合わせることにより想定される全通りの組合せであってもよい。

例えば、分析部１３２は、図８（ａ）で説明したように、遺伝子−利用者リストを生成する。また、分析部１３２は、各検索カテゴリ毎に、期間Ｔｎ毎の商品カテゴリ−利用者リストを生成する。かかるリストは、図８（ｂ）に示す期間Ｔｎ毎の商品カテゴリ−利用者リストにおいて商品を各検索カテゴリに置き換えたものに相当する。

そして、分析部１３２は、各検索カテゴリに対応する検索行動情報と、各遺伝子に対応する遺伝子情報との相関関係を分析することで、相関係数を算出する。一例を示すと、分析部１３２は、期間Ｔ１に検索カテゴリ「パソコン」に属する検索キーワードで検索を行った利用者数を変数Ｘとし、また、期間Ｔ１に検索カテゴリ「パソコン」に属する検索キーワードで検索を行った利用者数のうち、遺伝子「Ｇ１ａ」を有する利用者数を変数Ｙとして、これらの変数をカウントする。そして、分析部１３２は、検索カテゴリ「パソコン」に属する検索キーワードで検索を行う利用者は遺伝子「Ｇ１ａ」を有する傾向にあるか、すなわち検索行動「検索カテゴリ「パソコン」に属する検索キーワードで検索を行う」と遺伝子「Ｇ１ａ」との間に相関関係が成立するか、を相関分析することにより相関係数を算出する。

ここで、特定部１３３は、相関分析結果から検索行動「検索キーワード「スナック菓子」を用いて検索する」と、遺伝子「Ｇ２ｂ」とは相関関係にあることを特定したとする。かかる場合、特定部１３３は、「検索キーワード「スナック菓子」を用いて検索する」といった行動情報から予測される予測情報（例えば、糖尿病）と遺伝子「Ｇ２ｂ」とも相関関係にあることを特定する。また、相関関係にあることを特定したことにより、特定部１３３は、予測情報が正しいものと判断する。

これにより、実施形態にかかる情報処理装置１００は、利用者の検索行動と関連する遺伝子を効果的に特定することができる。また、情報処理装置１００は、検索行動から予測される予測情報が正しいか否かを検証することができる。

〔５−２．広告閲覧行動を用いた処理〕
また、情報処理装置１００は、行動情報として広告コンテンツの閲覧に関する情報を取得し、広告コンテンツの閲覧に関する情報に基づく分析を行ってもよい。

具体的には、取得部１３１は、利用者の行動情報として、利用者が広告コンテンツを閲覧した閲覧行動に関する情報である広告閲覧情報を取得する。そして、分析部１３２は、取得部１３１により取得された広告閲覧情報と遺伝子情報との関係性を分析する。そして、特定部１３３は、分析部１３２によって得られた分析結果に基づいて、利用者の遺伝子情報のうち、利用者の広告閲覧情報と所定の関係性（例えば、相関関係）を有する遺伝子情報を特定する。また、特定部１３３は、所定の関係性にあると特定した広告閲覧情報と遺伝子情報について、当該広告閲覧情報から予測される予測情報と当該遺伝子情報も相関関係にあることを特定する。一例を用いて説明する。

例えば、取得部１３１は、外部サーバ６０（例えば、コンテンツサーバ）にアクセスすることで、利用者が広告コンテンツを閲覧した閲覧行動に関する情報である広告閲覧情報を取得する。広告閲覧情報とは、どの利用者が、いつ、どの広告コンテンツを閲覧したか、といった検索行動を示す情報である。したがって、広告閲覧情報は、広告閲覧履歴ともいえる。なお、どのような場合を、利用者が広告を閲覧したと定義してもよい。例えば、利用者が広告コンテンツを選択した場合、その選択された広告コンテンツは閲覧されたものと定義してもよい。また、利用者に配信された広告コンテンツは閲覧されたものと定義してもよい。本変形例では、利用者に選択された広告コンテンツを、その利用者に閲覧されたものと定める。

取得部１３１は、取得した広告閲覧情報を、図１１に示すように、閲覧履歴記憶部１２４に格納する。閲覧履歴記憶部１２４は、記憶部１２０が有する記憶部である。図１１は、実施形態にかかる閲覧履歴記憶部１２４の一例を示す図である。図１１の例では、閲覧履歴記憶部１２４は、「利用者ＩＤ」、「広告コンテンツ」、「閲覧日時」といった項目を有する。

「利用者ＩＤ」は、広告コンテンツを閲覧した利用者を識別するための識別情報を示す。なお、遺伝子情報記憶部１２１に記憶される遺伝子情報と、閲覧履歴記憶部１２４に記憶される広告閲覧情報とは、同一の利用者ＩＤで紐付けられる。「広告コンテンツ」は、対応する利用者によって閲覧された広告コンテンツを示す。「閲覧日時」は、対応する利用者によって広告コンテンツが閲覧された日時を示す。

また、分析部１３２は、上記実施形態で説明したように、３パターンの分析手法を用いて、広告閲覧情報と遺伝子情報との間に相関関係が成立するか否かを分析することができる。パターン１では、分析部１３２は、各広告閲覧情報と各遺伝子情報との相関分析を行うことで、各広告閲覧情報と各遺伝子情報との間に相関関係が成立するか否かを分析する。パターン２では、分析部１３２は、各広告閲覧情報と、取得された遺伝子情報のうち複数の遺伝子情報の組合せとの相関分析を行うことで、各広告閲覧情報と複数の遺伝子情報の組合せとの間に相関関係が成立するか否かを分析する。パターン３では、分析部１３２は、取得された広告閲覧情報のうち複数の広告閲覧情報の組合せと、各遺伝子情報との相関分析を行うことで、当該複数の広告閲覧情報の組合せと各遺伝子情報との間に相関関係が成立するか否かを分析する。

ここで、特定部１３３は、相関分析結果から閲覧行動「スナック菓子に関する広告を閲覧する」と、遺伝子「Ｇ２ｂ」とは相関関係にあることを特定したとする。かかる場合、特定部１３３は、「スナック菓子に関する広告を閲覧する」といった広告閲覧情報から予測される予測情報（例えば、糖尿病）と遺伝子「Ｇ２ｂ」とも相関関係にあることを特定する。また、相関関係にあることを特定したことにより、特定部１３３は、予測情報が正しいものと判断する。

これにより、実施形態にかかる情報処理装置１００は、利用者の閲覧行動と関連する遺伝子を効果的に特定することができる。また、情報処理装置１００は、閲覧行動から予測される予測情報が正しいか否かを検証することができる。

〔５−３．記事閲覧行動を用いた処理〕
また、広告コンテンツは記事コンテンツであってもよい。つまり、情報処理装置１００は、行動情報として記事コンテンツの閲覧に関する情報を取得し、記事コンテンツの閲覧に関する情報報に基づく分析を行ってもよい。

具体的には、取得部１３１は、利用者の行動情報として、利用者が記事コンテンツを閲覧した閲覧行動に関する情報である記事閲覧情報を取得する。記事コンテンツとは、例えば、ニュース記事、経済記事、エンターテイメント関連記事、スポーツ記事、ブログ等である。そして、分析部１３２は、取得部１３１により取得された記事閲覧情報と遺伝子情報との関係性を分析する。例えば、分析部１３２は、記事閲覧情報と遺伝子情報との間に相関関係が成立するか否かを分析する。分析手法の詳細な説明は省略するが、これまで説明してきたように、パターン１〜３を用いることができる。

そして、特定部１３３は、分析部１３２によって得られた分析結果に基づいて、利用者の遺伝子情報のうち、利用者の広告閲覧情報と所定の関係性（例えば、相関関係）を有する遺伝子情報を特定する。また、特定部１３３は、所定の関係性にあると特定した記事閲覧情報と遺伝子情報について、当該記事閲覧情報から予測される予測情報と当該遺伝子情報も相関関係にあることを特定する。

これにより、実施形態にかかる情報処理装置１００は、利用者の閲覧行動と関連する遺伝子を効果的に特定することができる。また、情報処理装置１００は、閲覧行動から予測される予測情報が正しいか否かを検証することができる。

〔５−４．株取引を用いた処理〕
また、取得部１３１は、利用者の行動情報として、利用者が行った株取引に関する情報である株取引情報を取得してもよい。そして、分析部１３２は、取得された株取引情報と利用者の遺伝子情報との関係性を分析する。そして、特定部１３３は、分析部１３２によって得られた分析結果に基づいて、利用者の遺伝子情報のうち、利用者の株取引情報と所定の関係性（例えば、相関関係）を有する遺伝子情報を特定する。また、特定部１３３は、所定の関係性にあると特定した株取引情報と遺伝子情報について、当該株取引情報から予測される予測情報と当該遺伝子情報も相関関係にあることを特定する。一例を用いて説明する。

例えば、取得部１３１は、外部サーバ６０（例えば、株取引管理サーバ）にアクセスすることで、利用者が行った株取引に関する情報である株取引情報を取得する。株取引情報とは、どの利用者が、いつ、どの株（銘柄）の株を何株購入したかといった株取引行動を示す情報である。また、取得部１３１は、取得した株取引情報を株取引の履歴として、所定の記憶部（不図示）に格納する。

また、分析部１３２は、上記実施形態で説明したように、３パターンの分析手法を用いて、株取引情報と遺伝子情報との間に相関関係が成立するか否かを分析することができる。パターン１では、分析部１３２は、各株取引情報と各遺伝子情報との相関分析を行うことで、各広告閲覧情報と各遺伝子情報との間に相関関係が成立するか否かを分析する。パターン２では、分析部１３２は、各株取引情報と、取得された遺伝子情報のうち複数の遺伝子情報の組合せとの相関分析を行うことで、各株取引情報と複数の遺伝子情報の組合せとの間に相関関係が成立するか否かを分析する。パターン３では、分析部１３２は、取得された株取引情報のうち複数の株取引情報の組合せと、各遺伝子情報との相関分析を行うことで、当該複数の株取引情報の組合せと各遺伝子情報との間に相関関係が成立するか否かを分析する。

ここで、例えば、特定部１３３によって、相関分析結果から株取引「１株所定額以上の株を所定数以上買う」と、遺伝子「Ｇ４ａ」とは相関関係にあることが特定されたものとする。言い換えれば、特定部１３３は、「１株所定額以上の株を所定数以上買う」利用者は、遺伝子「Ｇ４ａ」を有する傾向にある、といった相関関係を示す傾向を特定したものとする。例えば、このような株取引はリスクの高いものであり、「短気」な性質の人がこのような株取引を行うと予測されている場合、特定部１３３は、「短気」な性格と遺伝子「Ｇ４ａ」とも相関関係にあることを特定する。また、相関関係にあることを特定したことにより、特定部１３３は、予測が正しいものと判断する。

これにより、実施形態にかかる情報処理装置１００は、利用者の株取引、あるいは株取引に関与する利用者の性質（性格）と関連する遺伝子を効果的に特定することができる。

〔５−５．予測情報について〕
上記実施形態では、分析部１３２が、利用者の行動情報と遺伝子情報との関係性を分析する例を示した。しかし、分析部１３２は、利用者の行動情報から予測される予測情報と利用者の遺伝子情報との関係性を分析してもよい。例えば、分析部１３２は、利用者の行動情報を用いて予測を行い、この予測によって得られた予測情報と遺伝子情報との関係性を分析する。一例としては、分析部１３２は、利用者の行動情報から利用者の病気を予測し、予測した病気（予測情報の一例）と遺伝子情報との関係性を分析する。

例えば、上記実施形態では、分析部１３２は、「スナック菓子Ｐ３を買う」といった購買行動と遺伝子情報との間に相関関係が成立するか否かを分析する例を示した。かかる例を用いると、分析部１３２は、まず、「スナック菓子Ｐ３を買う」といった購買行動を行う人は「糖尿病の傾向がある、あるいは、将来、糖尿病になる傾向にある」といった予測を行う。次に、分析部１３２は、「糖尿病」と遺伝子情報との関係性を分析する。例えば、分析部１３２は、「糖尿病」と遺伝子情報との間に相関関係が成立するか否かを分析する。

ここで、例えば、特定部１３３は、「糖尿病」と遺伝子「Ｇ２ｂ」とは相関関係にあることを特定したとする。かかる場合、特定部１３３は、遺伝子「Ｇ２ｂ」は「糖尿病」の原因因子であると特定する。

これにより、実施形態にかかる情報処理装置１００は、利用者の行動から予測される予測情報（例えば、病気や体質）と関連する遺伝子を効果的に特定することができる。

〔６．ハードウェア構成〕
また、上述してきた実施形態にかかる情報処理処理１００は、例えば図１２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１２は、情報処理処理１００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、通信網５０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通信網５０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が情報処理処理１００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１３０の機能を実現する。また、ＨＤＤ１４００には、記憶部１２０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、他の装置から通信網５０を介してこれらのプログラムを取得してもよい。

〔７．その他〕
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、上述してきた各実施形態は、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。

〔８．効果〕
実施形態にかかる情報処理装置１００は、取得部１３１と、分析部１３２とを有する。取得部１３１は、利用者のネットワーク上における行動を示す行動情報と、当該利用者の遺伝子情報とを取得する。分析部１３２は、利用者の行動情報と遺伝子情報との関係性を分析する。

これにより、実施形態にかかる情報処理装置１００は、利用者の行動と関連する遺伝子を効果的に特定することができる。

また、取得部１３１は、利用者の行動情報として、利用者が検索キーワードを用いて行った検索に関する情報である検索行動情報を取得し、分析部１３２は、検索行動情報と利用者の遺伝子情報との関係性を分析する。

これにより、実施形態にかかる情報処理装置１００は、利用者の検索行動と関連する遺伝子を効果的に特定することができる。

また、取得部１３１は、利用者の行動情報として、利用者が行った購買に関する情報である購買情報を取得し、分析部１３２は、購買情報と利用者の遺伝子情報との関係性を分析する。

これにより、実施形態にかかる情報処理装置１００は、利用者の購買行動と関連する遺伝子を効果的に特定することができる。

また、取得部１３１は、利用者の行動情報として、利用者が広告コンテンツを閲覧した閲覧行動に関する情報である広告閲覧情報を取得し、分析部１３２は、広告閲覧情報と利用者の遺伝子情報との関係性を分析する。

これにより、実施形態にかかる情報処理装置１００は、利用者の閲覧行動と関連する遺伝子を効果的に特定することができる。

また、取得部１３１は、利用者の行動情報として、利用者が記事コンテンツを閲覧した閲覧行動に関する情報である記事閲覧情報を取得し、分析部１３２は、記事閲覧情報と利用者の遺伝子情報との関係性を分析する。

これにより、実施形態にかかる情報処理装置１００は、利用者の閲覧行動と関連する遺伝子を効果的に特定することができる。

また、取得部１３１は、利用者の行動情報として、利用者が行った株取引に関する情報である株取引情報を取得し、分析部１３２は、株取引情報と利用者の遺伝子情報との関係性を分析する。

また、分析部１３２は、利用者の行動情報と、利用者の遺伝子情報のうち複数の遺伝子情報の組合せとの関係性を分析する。

例えば、病気の中には、複数の遺伝子が発症原因となっているものが存在するが、実施形態にかかる情報処理装置１００は、このような複数の遺伝子を効果的に特定することができる。

また、分析部１３２は、利用者の行動情報と遺伝子情報との間に所定の関係性が成立するか否かを分析する。

これにより、実施形態にかかる情報処理装置１００は、利用者の行動と所定の関連性を有する遺伝子を効果的に特定することができる。

また、分析部は、所定の関係性として、利用者の行動情報と遺伝子情報との間に当該行動情報と当該遺伝子情報との傾向に基づく関係性が成立するか否を分析する。

これにより、実施形態にかかる情報処理装置１００は、利用者の行動と相関関係にある遺伝子を効果的に特定することができる。

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、上述してきた「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、取得部は、取得手段や取得回路に読み替えることができる。

１ 情報処理システム
３０ 検査機関サーバ
６０ 外部サーバ
１００ 情報処理装置
１２１ 遺伝子情報記憶部
１２２ 購買履歴記憶部
１３１ 取得部
１３２ 分析部
１３３ 特定部

Claims (11)

1. 利用者のネットワーク上における行動を示す行動情報と、当該利用者の遺伝子情報とを取得する取得部と、
   前記利用者の行動情報と遺伝子情報との関係性を分析する分析部と、
   前記利用者の行動情報から前記利用者の状態が予測されている場合において、前記分析部による分析結果に基づいて、前記遺伝子情報が示す遺伝子の中に、前記行動情報と相関関係にある遺伝子であって、前記状態に関連する遺伝子の存在が特定された場合には、前記利用者は前記状態にあるとする予測が正しいものと判定する判定部と
   を有することを特徴とする情報処理装置。
2. 前記取得部は、前記利用者の行動情報として、前記利用者が検索キーワードを用いて行った検索に関する情報である検索行動情報を取得し、
   前記分析部は、前記検索行動情報と前記利用者の遺伝子情報との関係性を分析する
   ことを特徴とする請求項１に記載の情報処理装置。
3. 前記取得部は、前記利用者の行動情報として、前記利用者が行った購買に関する情報である購買情報を取得し、
   前記分析部は、前記購買情報と前記利用者の遺伝子情報との関係性を分析する
   ことを特徴とする請求項１または２に記載の情報処理装置。
4. 前記取得部は、前記利用者の行動情報として、前記利用者が広告コンテンツを閲覧した閲覧行動に関する情報である広告閲覧情報を取得し、
   前記分析部は、前記広告閲覧情報と前記利用者の遺伝子情報との関係性を分析する
   ことを特徴とする請求項１〜３のいずれか１つに記載の情報処理装置。
5. 前記取得部は、前記利用者の行動情報として、前記利用者が記事コンテンツを閲覧した閲覧行動に関する情報である記事閲覧情報を取得し、
   前記分析部は、前記記事閲覧情報と前記利用者の遺伝子情報との関係性を分析する
   ことを特徴とする請求項１〜４のいずれか１つに記載の情報処理装置。
6. 前記取得部は、前記利用者の行動情報として、前記利用者が行った株取引に関する情報である株取引情報を取得し、
   前記分析部は、前記株取引情報と前記利用者の遺伝子情報との関係性を分析する
   ことを特徴とする請求項１〜５のいずれか１つに記載の情報処理装置。
7. 前記分析部は、前記利用者の行動情報と、前記利用者の遺伝子情報のうち複数の遺伝子情報の組合せとの関係性を分析する
   ことを特徴とする請求項１〜６のいずれか１つに記載の情報処理装置。
8. 前記分析部は、前記利用者の行動情報と遺伝子情報との間に所定の関係性が成立するか否かを分析する
   ことを特徴とする請求項１〜７のいずれか１つに記載の情報処理装置。
9. 前記分析部は、前記所定の関係性として、前記利用者の行動情報と遺伝子情報との間に当該行動情報と当該遺伝子情報との傾向に基づく関係性が成立するか否を分析する
   ことを特徴とする請求項８に記載の情報処理装置。
10. 情報処理装置が実行する情報処理方法であって、
    利用者のネットワーク上における行動を示す行動情報と、当該利用者の遺伝子情報とを取得する取得工程と、
    前記利用者の行動情報と遺伝子情報との関係性を分析する分析工程と、
    前記利用者の行動情報から前記利用者の状態が予測されている場合において、前記分析工程による分析結果に基づいて、前記遺伝子情報が示す遺伝子の中に、前記行動情報と相関関係にある遺伝子であって、前記状態に関連する遺伝子の存在が特定された場合には、前記利用者は前記状態にあるとする予測が正しいものと判定する判定工程と
    を含んだことを特徴とする情報処理方法。
11. 利用者のネットワーク上における行動を示す行動情報と、当該利用者の遺伝子情報とを取得する取得手順と、
    前記利用者の行動情報と遺伝子情報との関係性を分析する分析手順と、
    前記利用者の行動情報から前記利用者の状態が予測されている場合において、前記分析手順による分析結果に基づいて、前記遺伝子情報が示す遺伝子の中に、前記行動情報と相関関係にある遺伝子であって、前記状態に関連する遺伝子の存在が特定された場合には、前記利用者は前記状態にあるとする予測が正しいものと判定する判定手順と
    をコンピュータに実行させることを特徴とする情報処理プログラム。

Images