JP6798840B2 - Estimator and estimation method - Google Patents
Estimator and estimation method Download PDFInfo
- Publication number
- JP6798840B2 JP6798840B2 JP2016182365A JP2016182365A JP6798840B2 JP 6798840 B2 JP6798840 B2 JP 6798840B2 JP 2016182365 A JP2016182365 A JP 2016182365A JP 2016182365 A JP2016182365 A JP 2016182365A JP 6798840 B2 JP6798840 B2 JP 6798840B2
- Authority
- JP
- Japan
- Prior art keywords
- value
- similarity
- information providing
- user
- meeting
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000000034 method Methods 0.000 title claims description 59
- 230000008569 process Effects 0.000 claims description 36
- 230000035515 penetration Effects 0.000 claims description 6
- 230000014509 gene expression Effects 0.000 claims description 5
- 230000008595 infiltration Effects 0.000 claims description 4
- 238000001764 infiltration Methods 0.000 claims description 4
- 230000000644 propagated effect Effects 0.000 claims description 4
- 238000004422 calculation algorithm Methods 0.000 description 28
- 238000005325 percolation Methods 0.000 description 21
- 238000012545 processing Methods 0.000 description 20
- 238000013459 approach Methods 0.000 description 9
- 238000010586 diagram Methods 0.000 description 8
- 238000004458 analytical method Methods 0.000 description 7
- 230000004044 response Effects 0.000 description 6
- 238000004364 calculation method Methods 0.000 description 4
- 238000004891 communication Methods 0.000 description 4
- 238000011156 evaluation Methods 0.000 description 4
- 230000010365 information processing Effects 0.000 description 4
- 230000009471 action Effects 0.000 description 3
- 230000008859 change Effects 0.000 description 3
- 230000001186 cumulative effect Effects 0.000 description 3
- 230000008451 emotion Effects 0.000 description 3
- 238000007796 conventional method Methods 0.000 description 2
- 238000013135 deep learning Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000000877 morphologic effect Effects 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000001902 propagating effect Effects 0.000 description 2
- 239000004065 semiconductor Substances 0.000 description 2
- 230000006399 behavior Effects 0.000 description 1
- 230000008033 biological extinction Effects 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000008034 disappearance Effects 0.000 description 1
- 230000002349 favourable effect Effects 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 238000003058 natural language processing Methods 0.000 description 1
- 230000002787 reinforcement Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000010187 selection method Methods 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Images
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Description
本発明は、推定装置、および推定方法に関する。 The present invention relates to an estimation device and an estimation method.
従来、入力された情報の解析結果に基づいて、入力された情報と関連する情報を検索もしくは生成し、検索もしくは生成した情報を応答として出力する技術が知られている。このような技術の一例として、入力されたテキストに含まれる単語、文章、文脈を多次元ベクトルに変換して解析し、解析結果に基づいて、入力されたテキストと類似するテキストや、入力されたテキストに続くテキストを類推し、類推結果を出力する自然言語処理の技術が知られている。 Conventionally, there is known a technique of searching or generating information related to the input information based on the analysis result of the input information, and outputting the searched or generated information as a response. As an example of such a technique, words, sentences, and contexts contained in the input text are converted into a multidimensional vector and analyzed, and based on the analysis result, text similar to the input text or input. There is known a natural language processing technique that infers the text following the text and outputs the analogy result.
しかしながら、上記の従来技術を集会の補助として適用したとしても、集会を効率的に進めることができない場合がある。 However, even if the above-mentioned prior art is applied as an aid to the assembly, the assembly may not be carried out efficiently.
例えば、集会に参加した利用者がそれぞれ異なる分野に興味を有していた場合、共感を得ることができずに集会が収束しなくなる恐れがある。 For example, if the users who participated in the meeting were interested in different fields, there is a risk that the meeting will not converge without sympathy.
本願は、上記に鑑みてなされたものであって、集会を効率的に進めることを目的とする。 The present application has been made in view of the above, and an object of the present application is to facilitate the meeting efficiently.
本願に係る推定装置は、複数の利用者の属性の類似度を特定する特定部と、前記類似度の値を有向浸透現象において状態が伝播する確率と見做して、前記利用者間における共感の伝播を推定する推定部と、を有することを特徴とする。 The estimation device according to the present application regards a specific unit that specifies the similarity of attributes of a plurality of users and the value of the similarity as the probability that the state propagates in the directed infiltration phenomenon, and among the users. It is characterized by having an estimation unit for estimating the propagation of empathy.
実施形態の一態様によれば、集会を効率的に進めることができる。 According to one aspect of the embodiment, the assembly can proceed efficiently.
以下に、本願に係る推定装置、および推定方法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、および推定方法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。 Hereinafter, the estimation device according to the present application and a mode for carrying out the estimation method (hereinafter, referred to as “the embodiment”) will be described in detail with reference to the drawings. It should be noted that this embodiment does not limit the estimation device and the estimation method according to the present application. Further, in each of the following embodiments, the same parts are designated by the same reference numerals, and duplicate description is omitted.
[実施形態]
〔1.情報提供装置の一例〕
まず、図1を用いて、推定処理および決定処理を実行する情報提供装置の一例について説明する。図1は、実施形態に係る情報提供装置が実行する推定処理および決定処理の一例を示す図である。図1では、情報提供装置10は、以下に説明する推定処理および決定処理を実行する情報処理装置であり、例えば、サーバ装置やクラウドシステム等により実現される。
[Embodiment]
[1. An example of an information providing device]
First, an example of an information providing device that executes estimation processing and determination processing will be described with reference to FIG. FIG. 1 is a diagram showing an example of estimation processing and determination processing executed by the information providing device according to the embodiment. In FIG. 1, the
より具体的には、情報提供装置10は、インターネット等の所定のネットワークN(例えば、図2を参照)を介して、入力装置100や出力装置200(例えば、図2を参照)、端末装置300(例えば、図2を参照)といった任意の装置と通信が可能である。
More specifically, the
ここで、入力装置100は、マイクなどの音声を取得する音声取得装置を用いて、利用者の発言を取得する。そして、入力装置100は、任意の音声認識技術を用いて、発言をテキストデータに変換し、変換後のテキストデータを情報提供装置10へと送信する。また、出力装置200は、スピーカ等の音声を出力する装置を用いて、情報提供装置10から受信したテキストデータの読み上げを行う。なお、出力装置200は、情報提供装置10から受信したテキストデータを所定の表示装置に表示してもよい。また、端末装置300は、各利用者が使用する端末装置であり、情報提供装置10から受信した任意の情報を表示可能な情報処理装置である。例えば、端末装置300は、会議等といった所定の集会に利用者を招待するメッセージを情報提供装置10から受信すると、受信したメッセージを表示することで、利用者が招待された旨を通知する。
Here, the
なお、入力装置100、出力装置200、および端末装置300は、スマートフォンやタブレット等のスマートデバイス、デスクトップPC(Personal Computer)やノートPC、サーバ装置等の情報処理装置により実現される。なお、入力装置100、出力装置200、および端末装置300は、例えば、同一の情報処理装置によって実現されてもよく、例えば、ロボット等の装置によって実現されてもよい。
The
なお、以下の説明においては、情報提供装置10は、任意の音声認識技術を用いて、利用者の発言をテキストデータに変換可能であるものとする。また、情報提供装置10は、形態素解析やw2v(word2vec)、ディープラーニング等の技術を用いて、テキストデータに変換された発言の内容を解析し、発言内容の類似性や発言内容の概念の類似性を示す値を算出可能であるものとする。このような発言内容の類似性や、発言内容の概念の類似性を判定する言語解析技術については、後述する推定処理や決定処理の説明に関わらず、任意の技術が適用可能であるものとする。
In the following description, it is assumed that the
〔2.情報提供装置が実行する推定処理について〕
ここで、従来技術では、会議等の発言に対応する発言をロボット等から出力することで、会議等の集会を円滑に進めるといった技術が考えられる。例えば、会議に参加した利用者がそれぞれ異なる分野に興味を有していた場合、共感を得ることができずに会議が収束しなくなり、会議を効率的に進めることができない場合がある。一方で、会議に参加した利用者が全て同一の分野に興味を有していた場合、すなわち、集会に参加した利用者が類似する場合には、会議中に生じたトピックに対して理解や共感を得やすいものの、ブレインストーミング等、新たな発想が求められる集会においては、トピックの展開等が進まず、新たなアイデアを創出できない恐れがある。
[2. About the estimation process executed by the information provider]
Here, in the conventional technique, it is conceivable that the robot or the like outputs a statement corresponding to the statement of the meeting or the like to smoothly advance the meeting or the like. For example, if the users who participated in the conference are interested in different fields, the conference may not be able to converge without sympathy, and the conference may not proceed efficiently. On the other hand, if all the users who participated in the meeting were interested in the same field, that is, when the users who participated in the meeting were similar, they understood and sympathized with the topic that occurred during the meeting. Although it is easy to obtain, at meetings where new ideas are required, such as brainstorming, there is a risk that new ideas cannot be created due to the lack of progress in topic development.
そこで、情報提供装置10は、以下の推定処理を実行する。まず、情報提供装置10は、複数の利用者の属性の類似度を特定する。そして、情報提供装置10は、類似度の値を有向浸透現象において状態が伝播する確率と見做して、利用者間における共感の伝播を推定する。
Therefore, the
すなわち、情報提供装置10は、利用者間において共感が伝播する確率を、有向浸透現象、すなわち、パーコレーションにおいて状態が伝播する確率と見做して、利用者間を共感が伝播する状態を推定する。より具体的には、情報提供装置10は、集会に招待する利用者の候補(以下、「候補者」と記載する場合がある。)の間で、所定のトピックについて共感が伝播する様子を、有向浸透現象を予測する技術を用いて推定する。そして、情報提供装置10は、推定結果に基づいて、集会に招待する利用者を決定し、決定した利用者の端末装置300に、集会に招待するメッセージ(以下、「招待メッセージ」と記載する場合がある。)を送信する。
That is, the
例えば、利用者間を共感が伝播する確率(以下、「伝播確率」と記載する。)は、利用者同士の類似度に応じて変化すると予測される。そこで、情報提供装置10は、候補者の属性の類似度に基づいて、伝播確率の値を特定する。例えば、情報提供装置10は、候補者の性別や年代といったデモグラフィック属性や、好み等といったサイコグラフィック属性に加え、各候補者が専門的に研究している学問分野、すなわち、各候補者の専門分野を属性として収集する。そして、情報提供装置10は、候補者間の属性の類似度を算出し、算出した類似度に基づく伝播確率を算出する。
For example, the probability that empathy propagates between users (hereinafter referred to as "propagation probability") is predicted to change according to the degree of similarity between users. Therefore, the
例えば、有向浸透現象においては、任意の次元空間上に複数のセルを配置した系を設定し、活性状態(乱流)であるセルから隣接するセルに活性状態が伝播する伝播確率をp、活性状態が消滅する消滅確率を1−pとして、各セルの状態を時間発展させることで、系における活性状態の伝播をシミュレートする。 For example, in the directed infiltration phenomenon, a system in which a plurality of cells are arranged in an arbitrary dimensional space is set, and the propagation probability that the active state propagates from the cell in the active state (turbulent flow) to the adjacent cell is set to p. The propagation of the active state in the system is simulated by time-evolving the state of each cell with the disappearance probability of the active state disappearing as 1-p.
このような活性状態の伝播においては、伝播確率pの値を系に応じた浸透閾値pcの値以上に設定すると、時間発展を続けても活性状態がいずれかのセルに残り続ける状態が生じる。一方で、伝播確率pの値を系に応じた浸透閾値pcの値よりも小さい値に設定すると、時間発展の結果、活性状態が最終的に消滅する状態が生じる。また、伝播確率pの値が浸透閾値pcよりも十分に大きい場合には、系全体に活性状態が迅速に行きわたることとなる。一方、伝播確率pの値が浸透閾値pcよりも十分に小さい場合には、活性状態が系全体で迅速に消滅することとなる。また、伝播確率pの値が浸透閾値pcの値以上であり、かつ、伝播確率pの値が浸透閾値pcに十分に近い場合には、時間発展させても活性状態が系から消滅せず、自己相似的(フラクタル)的なパターンでセルの間を伝播し続けることとなる(例えば、非特許文献1参照)。 In such an active state propagation, is set to greater than or equal to the value of percolation threshold p c in accordance with the value of the propagation probability p in the system, the remainder continues to a state occurs in the cell active state either be followed time evolution .. On the other hand, when set to a value smaller than the value of the percolation threshold p c in accordance with the value of the propagation probability p to the system, the result of the time evolution, the state in which the active state is eventually extinguished occurs. Further, when the value of the propagation probability p is sufficiently larger than the percolation threshold p c becomes the to the entire system is activated over go quickly. On the other hand, when the value of the propagation probability p is sufficiently smaller than the percolation threshold p c becomes the active state to quickly disappear throughout the system. Further, when the value of the propagation probability p is equal to or higher than the value of the permeation threshold pc and the value of the propagation probability p is sufficiently close to the permeation threshold pc , the active state disappears from the system even after time evolution. Instead, it will continue to propagate between cells in a self-similar (fractal) pattern (see, for example, Non-Patent Document 1).
ここで、系を集会と見做し、系に設定された各セルを集会に参加した利用者と見做すことで、活性状態の伝播を利用者間の共感の伝播と見做すことができると考えられる。すると、活性状態が系全体で消滅する状態は、集会においてあるトピックに対する共感が発散してしまい、最終的な合意が得られない状態と見做すことができ、活性状態が系全体に行きわたる状態は、集会においてあるトピックに対する共感が行きわたり、全員の合意が得られる状態と見做すことも可能である。 Here, by regarding the system as a rally and each cell set in the system as a user who participated in the rally, the propagation of the active state can be regarded as the propagation of empathy between users. It is thought that it can be done. Then, the state in which the active state disappears in the entire system can be regarded as a state in which sympathy for a certain topic diverges at the meeting and the final consensus cannot be obtained, and the active state spreads throughout the system. The state can also be regarded as a state in which empathy for a topic is spread at the meeting and everyone agrees.
しかしながら、ブレインストーミング等の新たなアイデアを創出する集会(以下、単に「集会」と記載する。)においては、あるトピックに対する共感が伝播せず、最終的な合意が得られない場合には、新たなアイデアを創出できるとは言い難い。また、このような集会において、あるトピックに対する共感が迅速に全員に行きわたるような状態でも、単純に合意が行われるに過ぎないため、新たなアイデアを創出できるとは言いがたい。このため、集会において新たなアイデアを創出するような場合には、あるアイデアの共感が利用者間で伝播しつづけることで、アイデアの変種が生じやすくなるといった状態が好ましいと考えられる。 However, at a meeting that creates new ideas such as brainstorming (hereinafter referred to simply as "meeting"), if sympathy for a certain topic does not spread and a final agreement cannot be obtained, a new meeting will be made. It is hard to say that you can create new ideas. Moreover, even in a situation where sympathy for a certain topic quickly spreads to everyone at such a meeting, it is difficult to say that a new idea can be created because an agreement is simply reached. For this reason, when creating a new idea at a meeting, it is preferable that the sympathy of a certain idea continues to be propagated among users, so that a variation of the idea is likely to occur.
そこで、情報提供装置10は、利用者間の属性の類似度の値と、有向浸透現象において臨界現象が生じる浸透閾値との比較結果に基づいて、利用者間における共感の伝播を推定する。すなわち、情報提供装置10は、伝播確率pの値と浸透閾値pcの値との比較結果に基づいて、集会における共感の収束を制御する。
Therefore, the
例えば、情報提供装置10は、様々な候補者の組み合わせについて、利用者の属性の類似度を算出し、算出した値を伝播確率pとする。例えば、情報提供装置10は、ある組み合わせに含まれる候補者の属性を収集し、収集した属性の類似度を示す1以下の値を算出する。なお、情報提供装置10は、例えば、各候補者の属性が共通する場合には類似度を上昇させ、各候補者の属性が共通しない場合には類似度を減少させるアルゴリズムであれば、任意のアルゴリズムに基づいて、各候補者の属性の類似度を算出してよい。
For example, the
そして、情報提供装置10は、算出した各伝播確率pの値と浸透閾値pcの値とを比較し、伝播確率pの値が浸透閾値pcの値よりも大きく、かつ、伝播確率pの値が浸透閾値pcの値に最も近い候補者の組み合わせを特定する。例えば、情報提供装置10は、伝播確率pの値から浸透閾値pcの値を減算し、さらにの伝播確率pの値で除算した値が1よりも十分に小さい正の値となる候補者の組み合わせを特定する。すなわち、情報提供装置10は、参加者の間でアイデアへの共感が伝播し続けるが、全員が同じアイデアに共感し、合意がえられるといった状態になりにくい参加者の組み合わせを特定する。
Then, the
そして、情報提供装置10は、特定した組み合わせに含まれる候補者に対して、招待メッセージを送信する。このような処理の結果、情報提供装置10は、あるトピックへの共感が、表面的な内容への共感ではなく、根本的な内容の理解にたどり着いた上で共感できる利用者を集会に招待する利用者として選択することができる。この結果、情報提供装置10は、集会において新たなアイデアの創出を補助することができる。
Then, the
〔3.情報提供装置が実行する決定処理について〕
ここで、会議等の発言に対応する発言をロボット等から出力することで、集会を円滑に進行させるといった技術が考えられる。しかしながら、上記の従来技術では、入力されたテキストと類似するテキストや、入力されたテキストに続くテキスト等、利用者が予測しうる情報を出力しているに過ぎない。このため、例えば、上記の従来技術では、集会を効率的に進めることができない恐れがある。
[3. About the decision processing executed by the information providing device]
Here, a technique is conceivable in which a remark corresponding to a remark in a meeting or the like is output from a robot or the like to facilitate the meeting. However, in the above-mentioned prior art, only information that can be predicted by the user, such as a text similar to the input text and a text following the input text, is output. Therefore, for example, with the above-mentioned conventional technique, there is a possibility that the meeting cannot be efficiently advanced.
そこで、情報提供装置10は、以下の決定処理を実行する。まず、情報提供装置10は、集会における発言内容を取得する。そして、情報提供装置10は、集会における発言主体の発言、あるいは、目的に近づけるはために生成された発言を木構造のノードと見做して、後続する発言内容を集会の目的に近づける発言主体を、木構造探索手法により決定する。
Therefore, the
例えば、情報提供装置10は、MAB(Multi Armed Bandit)アルゴリズムによる計算手法を用いて、後続する発言内容を集会の目的に近づける可能性が最も高い発言主体を決定する。より具体的には、情報提供装置10は、集会における発言主体をMABのアームと見做し、集会の目的と集会の状態とに基づく報酬に応じて、MABアルゴリズムに基づき、発言主体を決定する。
For example, the
すなわち、情報提供装置10は、集会の参加者にMABアルゴリズムによるスロットマシンを対応付ける。このような場合、参加者をアームとみなし、出力装置200等のロボットが選択した参加者の発言により、ロボットが報酬を貰える設定で、ロボットが累積報酬を最大化する問題をMABアルゴリズムにより解決する装置であると見なすことができ、スロットマシンが当たりを出す確率は、集会の参加者が発言を行うことで、集会の状態が集会の目的へと近づく確率と見做すことができると考えらえる。また、集会の参加者が発言を行うことで、集会の状態が集会の目的へと近づいた場合には、MABアルゴリズムにおける報酬の額が増大したと見做すことができる。
That is, the
そこで、情報提供装置10は、各利用者の属性(例えば、専門分野)と各利用者の発言により集会の状態が集会の目的に近づいたか否かとに基づいて、各利用者に対応付けたスロットマシンが当たりを出す確率を推定する。そして、情報提供装置10は、MAB(Multi Armed Bandit)アルゴリズムによる計算手法を用いて、後続する発言内容を集会の目的に近づける可能性が最も高い発言主体を決定する。より具体的には、情報提供装置10は、参加者の発言により、集会の状態が集会の目的に近づいた場合は、報酬が増大したと見做して、後続する発言を行う利用者を決定する。
Therefore, the
より具体的な例を挙げると、情報提供装置10は、参加者が新たな内容のアイデアを発言した場合には、報酬が増大したと見做してもよい。また、情報提供装置10は、アイデアの新たな適用対象やアイデアのバリエーション等、参加者がアイデアを広げる発言をした場合に、報酬が増大したと見做してもよい。例えば、情報提供装置10は、概念検索における重みづけから、参加者の発言に基づいて、アイデアがどれくらい広がったかを示す値を算出し、算出した値に基づいて、報酬の値を変更してもよい。
To give a more specific example, the
また、情報提供装置10は、アイデアのポイントに関する発言等、参加者がアイデアを深める発言をした場合に、報酬が増大したと見做してもよい。例えば、情報提供装置10は、w2vの技術等を用いて、参加者の発言内容とアイデアのポイントとなる概念との間の意味空間上の距離を算出する。そして、情報提供装置10は、算出した距離が一定内に収まる発言を利用者が行った場合は、参加者がアイデアを深める発言をしたものとして、報酬を増大させてもよい。
Further, the
また、情報提供装置10は、両者が発言を行うごとに、良い発言であったか否かのアンケートを参加者に対して行い、アンケートの結果に基づいて、報酬の値を設定してもよい。また、情報提供装置10は、ウェアラブルデバイス等が参加者から取得した生体情報に基づいて、発言に対する各利用者の感情を推定し、推定した感情が好意的な感情である場合は、報酬の値を増大させてもよい。
Further, the
また、例えば、情報提供装置10は、前回取得した発言内容と、新たに取得した発言内容とのブレが少ない程、報酬の値を大きくしてもよい。ここで、報酬の値は、例えば、形態素解析等の文章解析技術に基づいて、前回の発言内容と、新たな発言内容との比較を行い、前回の発言内容と新たな発言内容との差分が大きい程、報酬の値を小さくするといった手段により実現されてもよい。
Further, for example, the
また、報酬の値は、例えば、発言後において、集会に参加する利用者が入力した評価の値に基づいて決定されてもよい。例えば、情報提供装置10は、発言の出力後に、集会に参加する利用者から、集会の内容が目的に近づいているか否かの評価を受付ける。このような評価は、例えば、各利用者に与えられたスライダ等の入力装置や、BMI(Brain-machine Interface)等によって取得される。そして、情報提供装置10は、取得された評価に基づいて、報酬の値を設定し、設定した報酬の値に基づいて、次に発言する参加者を決定してもよい。
In addition, the reward value may be determined based on the evaluation value input by the user who participates in the meeting, for example, after the statement. For example, the
なお、情報提供装置10は、MABアルゴリズムに関連するアルゴリズムであれば、任意のアルゴリズムを適用可能である。例えば、情報提供装置10は、ある状態sで行動aをとるときの価値Q(s,a)を学習し、価値Qの値に基づくUCB値に基づいた行動選択を行うUCBQアルゴリズム(例えば、非特許文献2参照)に基づいて、発言を行う利用者の選択を行ってもよい。また、情報提供装置10は、UCT(Upper Confidence bound applied to Tree)値と、価値Qの値とに基づいた行動選択を行うアルゴリズム(例えば、非特許文献3参照)に基づいて、発言を行う利用者の選択を行ってもよい。また、情報提供装置10は、上述したアルゴリズム以外にも、集会の各参加者をスロットマシンのアームと見做し、各参加者が行う発言により集会の状態が集会の目的に近づいたか否かに基づく報酬を設定することで、集会の状態を集会の目的に近づける参加者を次の発言者として戦略的に選択することができるのであれば、上述したアルゴリズム以外にも、任意のアルゴリズムが適用可能である。
The
ここで、MABアルゴリズムにおいては、どのアームを選択したとしても、得られる報酬の期待値があまり変化しなくなる場合がある。このような状態は、それ以上集会の状態を集会の目的に近づけることができない状態と見做すことができる。そこで、情報提供装置10は、報酬が得られなくなったとき、あるは、累積報酬が増大しなくなったアームを選択した際の選択した際の報酬の期待値が同程度となった場合は、集会を終了させるための応答を出力してもよい。このような応答を出力することで、情報提供装置10は、無駄な集会の継続を回避することができる。
Here, in the MAB algorithm, the expected value of the reward obtained may not change so much regardless of which arm is selected. Such a state can be regarded as a state in which the state of the meeting cannot be brought closer to the purpose of the meeting. Therefore, the
なお、上述した説明においては、情報提供装置10は、集会の参加者が発言する度に報酬の値を算出し直したが、実施形態は、これに限定されるものではない。例えば、情報提供装置10は、選択した利用者が発言を回避した場合や、発言を拒否した場合、発言ができなかった場合等には、発言が行われなかったという状態に基づいて、報酬の値や各アームが当たりを出力する確率を変更し、再度、発言者の選択を行ってもよい。
In the above description, the
〔4.情報提供装置が実行する処理の一例〕
次に、図1を用いて、情報提供装置10が実行する推定処理および決定処理の一例について説明する。まず、情報提供装置10が実行する推定処理の一例について説明する。まず情報提供装置10は、集会に招待する候補となる利用者の専門分野の類似度から、パーコレーションの伝播確率を取得する(ステップS1)。例えば、情報提供装置10は、利用者#1の専門分野が分野#1であり、利用者#2の専門分野が分野#2であり、利用者#3の専門分野が分野#3である場合は、分野#1〜分野#3の類似性を示す類似度を算出し、算出した類似度を利用者#1〜#3の伝播確率pとする。なお、情報提供装置10は、利用者#1〜利用者#3以外にも、全ての候補者の組み合わせについて、専門分野の類似度から伝播確率pの値を取得する。
[4. An example of processing executed by the information providing device]
Next, an example of the estimation process and the determination process executed by the
そして、情報提供装置10は、有向浸透現象のモデルを用いて、利用者間における共感の伝播を推定する(ステップS2)。例えば、情報提供装置10は、ステップS1にて算出した伝播確率pと、伝播確率pを1から減算した値である消滅確率1−pとを用いて、共感がどのように伝播するかを推定する。例えば、情報提供装置10は、伝播確率pと消滅確率1−pとから、浸透閾値pcの値を求める。そして、情報提供装置10は、伝播確率pの値が浸透閾値pcの値以上となる候補者の組み合わせのうち、伝播確率pの値が浸透閾値pcの値に最も近い候補者の組み合わせを検索する。
Then, the
その後、情報提供装置10は、推定結果に基づいて、招待する利用者を選択する(ステップS3)。例えば、情報提供装置10は、伝播確率pの値が浸透閾値pcの値以上となる候補者の組み合わせのうち、伝播確率pの値が浸透閾値pcの値に最も近い候補者の組み合わせが、利用者#1、利用者#3、および利用者#6の組み合わせである場合は、かかる組み合わせを招待する利用者の組み合わせとして選択する。
After that, the
そして、情報提供装置10は、選択した組み合わせの利用者を集会に招待する(ステップS4)。例えば、情報提供装置10は、利用者#1、利用者#3、および利用者#6を集会に招待する。この結果、情報提供装置10は、新たなアイデアを創出しやすい利用者の集会を実現できる。
Then, the
次に、情報提供装置10が実行する決定処理の一例について説明する。まず、情報提供装置10は、各利用者の発言を受付ける(ステップS5)。このような場合、情報提供装置10は、各利用者をMABアルゴリズムのアームと見做し、集会の目的と現在の集会の状態とに応じた報酬を設定する(ステップS6)。
Next, an example of the determination process executed by the
例えば、情報提供装置10は、利用者#1をアーム#1と見做し、利用者#3をアーム#3と見做し、利用者#6をアーム#6と見做す。また、情報提供装置10は、集会における利用者#1の発言や利用者#1の専門分野に基づいて、アーム#1が当たりを出す確率を推定する。同様に、情報提供装置10は、集会における利用者#3の発言や利用者#3の専門分野に基づいて、アーム#3が当たりを出す確率を推定し、集会における利用者#6の発言や利用者#6の専門分野に基づいて、アーム#6が当たりを出す確率を推定する。また、情報提供装置10は、発言によるアイデアの広がりや深まり、利用者の満足度に基づいて報酬を設定する。
For example, the
そして、情報提供装置10は、後続する発言内容を集会の目的に近づけるように、発言主体を木構造探索手法により決定する(ステップS7)。例えば、情報提供装置10は、UCBQアルゴリズムや、UCTとQ値とを組み合わせたアルゴリズム等、MABアルゴリズムを用いて、報酬が最大化するようなアーム、すなわち、利用者を推定する。
Then, the
そして、情報提供装置10は、決定した利用者に対して発言を促す(ステップS8)。例えば、情報提供装置10は、ロボットなどの出力装置200に対し、決定した利用者に発言を促すような発言を行わせる。この結果、情報提供装置10は、報酬が最大化するように、すなわち、集会の目的に近づけるように、集会を効率的に進めることができる。
Then, the
〔5.情報提供装置の構成〕
以下、上記した推定処理および決定処理を実現する情報提供装置10が有する機能構成の一例について説明する。図2は、実施形態に係る情報提供装置の構成例を示す図である。図2に示すように、情報提供装置10は、通信部20、記憶部30、および制御部40を有する。
[5. Configuration of information providing device]
Hereinafter, an example of the functional configuration of the
通信部20は、例えば、NIC(Network Interface Card)等によって実現される。そして、通信部20は、ネットワークNと有線または無線で接続され、入力装置100、出力装置200、および端末装置300との間で情報の送受信を行う。
The
記憶部30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。また、記憶部30は、利用者属性データベース31を記憶する。
The
利用者属性データベース31には、候補者の属性が登録されている。例えば、図3は、実施形態に係る利用者属性データベースに登録される情報の一例を示す図である。図3に示すように、利用者属性データベース31には、「利用者ID(Identifier)」、および「専門分野」といった項目を有する情報が登録される。
Candidate attributes are registered in the
ここで、「利用者ID」とは、利用者を識別するための識別子である。また、「専門分野」とは、対応付けられた利用者IDが示す利用者の専門分野を示す情報である。なお、利用者属性データベース31には、図3に示す項目以外にも、利用者のデモグラフィック属性やサイコグラフィック属性等、各種属性情報が登録されていてもよい。
Here, the "user ID" is an identifier for identifying a user. Further, the "specialty field" is information indicating the special field of the user indicated by the associated user ID. In addition to the items shown in FIG. 3, various attribute information such as demographic attributes and psychographic attributes of users may be registered in the
例えば、図3に示す例では、利用者属性データベース31には、利用者ID「利用者#1」、専門分野「分野#1」とが対応付けて登録されている。このような情報は、利用者ID「利用者#1」が示す利用者の専門分野が専門分野「分野#1」である旨を示す。なお、図3に示す例では、「分野#1」等といった概念的な値を記載したが、実際には、分野を示すテキストデータや数値等が登録される。
For example, in the example shown in FIG. 3, the user ID "
図2に戻り、説明を続ける。制御部40は、コントローラ(controller)であり、例えば、CPU(Central Processing Unit)、MPU(Micro Processing Unit)等のプロセッサによって、情報提供装置10内部の記憶装置に記憶されている各種プログラムがRAM等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40は、コントローラ(controller)であり、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てもよい。
Returning to FIG. 2, the explanation will be continued. The
図2に示すように、制御部40は、特定部41、推定部42、選択部43、取得部44、決定部45、および出力部46を有し、上述した推定処理および決定処理を実行する。より具体的には、特定部41、推定部42、および選択部43は、上述した推定処理を実行し、取得部44、決定部45、および出力部46は、上述した決定処理を実行する。
As shown in FIG. 2, the
特定部41は、複数の利用者の属性の類似度を特定する。より具体的には、特定部41は、利用者の属性の類似度として、利用者が専門とする分野の類似度を特定する。例えば、特定部41は、利用者属性データベース31を参照し、候補者の組み合わせを生成する。具体的な例を挙げると、特定部41は、集会に招待する利用者の数が3人である場合は、利用者IDの中から3つの利用者IDを組み合わせた組を全て生成する。なお、特定部41は、専門分野やその他利用者の属性情報の条件を考慮して、候補者の組み合わせを生成してもよい。
The
そして、特定部41は、生成した組み合わせごとに、属性の類似度を算出する。例えば、特定部41は、組み合わせに含まれる候補者の利用者IDと対応付けられた専門分野を特定し、特定した専門分野の類似性を示す類似度を算出する。例えば、特定部41は、専門分野の概念の分散表現空間をあらかじめ学習しておき、分散表現空間上における各候補者の専門分野の類似性(コサイン距離等)に基づいて、類似度を算出してもよい。
Then, the
推定部42は、類似度の値を有向浸透現象において状態が伝播する確率と見做して、利用者間における共感の伝播を推定する。例えば、推定部42は、類似度の値と、有向浸透現象において臨界現象が生じる浸透閾値との比較結果に基づいて、利用者間における共感の伝播を推定する。 The estimation unit 42 regards the value of similarity as the probability that the state propagates in the directed penetration phenomenon, and estimates the propagation of empathy among users. For example, the estimation unit 42 estimates the propagation of empathy among users based on the comparison result between the value of similarity and the permeation threshold value at which a critical phenomenon occurs in a directed permeation phenomenon.
例えば、推定部42は、特定部41から候補者の組と類似度とを受付ける。このような場合、推定部42は、類似度に基づいて、候補者の組に対応する伝播確率pの値を算出する。そして、推定部42は、算出した伝播確率pの値に基づいて、利用者間における共感の伝播を推定する。例えば、推定部42は、伝播確率pの値から所定の浸透閾値pcの値を減算した値を算出し、算出した値を伝播確率pの値で除算した値εを算出する。そして、推定部42は、値εの値が、1よりも十分小さい正の値であるか否かを判定する。すなわち、推定部42は、伝播確率pの値が浸透閾値pcの値よりも大きく、かつ、浸透閾値pcの値に近しいか否かを判定することで、共感が候補者間を随時伝播し続けるか否かを判定する。
For example, the estimation unit 42 accepts a set of candidates and a degree of similarity from the
そして、推定部42は、εの値が、1よりも十分小さい正の値である場合(例えば、εの値が所定の閾値よりも小さい正の値である場合)は、対応する候補者の組を選択部43に通知する。すなわち、推定部42は、共感が候補者間を随時伝播し続ける候補者の組を通知する。
Then, when the value of ε is a positive value sufficiently smaller than 1 (for example, when the value of ε is a positive value smaller than a predetermined threshold value), the estimation unit 42 of the corresponding candidate Notify the
選択部43は、推定結果に基づいて、所定の集会に招待する利用者を選択する。より具体的には、選択部43は、伝播確率pの値から浸透閾値pcを減算し、さらに伝播確率pの値で除算した値εが1よりも十分に小さい正の値となるように、所定の集会に招待する利用者を選択する。例えば、選択部43は、εの値が1よりも十分小さい正の値を取る候補者の組み合わせを推定部42から受付ける。
The
このような場合、選択部43は、各組み合わせに対応するεの値を比較し、εの値が最も小さい組み合わせを選択する。すなわち、選択部43は、合意までの間に、候補者の間を共感が長い間伝播し続ける候補者の組を選択する。そして、選択部43は、選択した組に含まれる候補者の端末装置300に対し、招待メッセージを送信する。
In such a case, the
取得部44は、集会における発言内容を取得する。例えば、取得部44は、入力装置100から、集会における各利用者の発言内容のテキストデータを取得する。なお、取得部44は、音声データを取得し、任意の音声解析技術等を用いて、各利用者の発言内容のテキストデータを取得してもよい。
The acquisition unit 44 acquires the content of the statement at the meeting. For example, the acquisition unit 44 acquires text data of the remarks of each user at the meeting from the
決定部45は、集会における発言主体の発言、あるいは、目的に近づけるはために生成された発言を木構造のノードと見做して、後続する発言内容を集会の目的に近づける発言主体を、木構造探索手法により決定する。より具体的には、決定部45は、集会における発言主体をアームと見做し、集会の目的と集会の状態とに基づく報酬に応じて、MABアルゴリズムに基づき、発言主体を決定する。例えば、決定部45は、集会の状態が集会の目的に近づいた場合は、報酬が増大したと見做して、次の発言主体を選択する。 The decision-making unit 45 regards the remarks of the remarks in the meeting or the remarks generated in order to bring them closer to the purpose as a node of a tree structure, and sets the remarks to bring the subsequent remarks closer to the purpose of the meeting. Determined by the structure search method. More specifically, the determination unit 45 regards the speaking subject at the meeting as an arm, and determines the speaking subject based on the MAB algorithm according to the reward based on the purpose of the meeting and the state of the meeting. For example, when the state of the meeting approaches the purpose of the meeting, the decision-making unit 45 considers that the reward has increased and selects the next speaker.
例えば、決定部45は、集会に参加した利用者である参加者から、あらかじめ集会の目的の設定を受付ける。そして、決定部45は、現在の集会の状態と、集会の目的との概念上の距離に基づく報酬の値を設定する。例えば、決定部45は、w2v等、言葉の概念を分散表現空間上に落とし込む任意の技術を利用して、現在の集会の状態と、集会の目的との概念上の距離に基づく報酬の値を設定する。 For example, the decision-making unit 45 receives in advance the setting of the purpose of the meeting from the participants who are the users who participated in the meeting. Then, the determination unit 45 sets the value of the reward based on the conceptual distance between the current state of the meeting and the purpose of the meeting. For example, the determination unit 45 uses an arbitrary technique such as w2v to drop the concept of words into the distributed expression space, and sets the reward value based on the conceptual distance between the current state of the meeting and the purpose of the meeting. Set.
また、決定部45は、参加者の専門分野に基づいて、各参加者を発言者として選択した際に報酬の値を増加させる確率を推定する。例えば、決定部45は、専門分野と、集会の目的との概念上の距離に基づいて、確率を推定する。そして、決定部45は、推定した確率を、各参加者に対応付けたアームが当たりを出力する確率とする。 In addition, the decision-making unit 45 estimates the probability of increasing the reward value when each participant is selected as a speaker, based on the specialty of the participant. For example, the decision-making unit 45 estimates the probability based on the conceptual distance between the discipline and the purpose of the meeting. Then, the determination unit 45 sets the estimated probability as the probability that the arm associated with each participant outputs a hit.
また、決定部45は、いずれかの参加者が発言を行った場合は、かかる発言によって変化した集会の状態と、集会の目的との概念上の距離に基づく報酬の値を再設定する。例えば、情報提供装置10は、発言によるアイデアの広がりや深まり、利用者の満足度に基づいて報酬を再設定する。さらに、決定部45は、参加者が発言を行ったことにより、集会の状態が集会の目的に近づいたか否かに基づいて、発言を行った参加者が報酬の値を増加させる確率を再設定する。そして、決定部45は、各参加者のうち、次に発言を行わせる参加者を、報酬の値が最終的に増大するように、UCBQアルゴリズムや、UCTとQ値とを組み合わせたアルゴリズム等、MABアルゴリズムを用いて選択する。
Further, when any of the participants makes a statement, the determination unit 45 resets the reward value based on the conceptual distance between the state of the meeting changed by the statement and the purpose of the meeting. For example, the
なお、決定部45は、例えば、出力装置200に対し、所定の確率で当たりを出力するMABアルゴリズムのアームを割り当ててもよい。また、決定部45は、出力装置200に対しても、他の参加者と同様に、当たりの確率が変化するアームを設定し、MABアルゴリズムによって発言を行わせてもよい。このような場合、出力装置200は、w2vやディープラーニング等を用いて、集会の状態や前の参加者の発言等に基づく新たな発言を行うように構成されていてよい。
The determination unit 45 may assign, for example, an arm of the MAB algorithm that outputs a hit with a predetermined probability to the
出力部46は、決定した発言主体に発言させるための応答を出力する。例えば、出力部46は、決定部45が参加者のうち利用者#1を発言者として選択した場合は、「利用者#1さん、何か考えは有りますか?」等といった利用者#1に対して発言を促す発言を出力装置200に発声させる。この結果、情報提供装置10は、集会の状態を集会の目的に近づけるような発言を行わせることができる。
The
なお、出力部46は、参加者に対応付けられた各アームを選択した際の報酬が得られなくなったとき、あるは、累積報酬が増大しなくなった期待値が同程度となった場合は、集会を終了させるための応答を出力する。例えば、出力部46は、各アームを選択した際の期待値の差が所定の範囲内に収まる場合は、「それでは、この辺で休憩としましょう。」等といった集会を一旦終了させるような発言を出力装置200に発声させる。
In addition, when the
〔6.情報提供装置が実行する処理の流れの一例〕
次に、図4、図5を用いて、情報提供装置10が実行する推定処理および決定処理の流れの一例について説明する。まず、図4を用いて、情報提供装置10が実行する推定処理の流れの一例を説明する。図4は、実施形態に係る推定処理の流れの一例を説明するフローチャートである。
[6. An example of the flow of processing executed by the information providing device]
Next, an example of the flow of the estimation process and the determination process executed by the
まず、情報提供装置10は、候補者となる各利用者の属性情報を取得する(ステップS101)。続いて、情報提供装置10は、各利用者の属性の類似度をパーコレーションの伝播確率pと見做して、利用者間における共感の伝播を推定する(ステップS102)。そして、情報提供装置10は、推定結果に基づいて、集会に招待する利用者を選択する(ステップS103)。その後、情報提供装置10は、選択した利用者に対して、招待メッセージの通知を行い(ステップS104)、処理を終了する。
First, the
次に、図5を用いて、情報提供装置10が実行する決定処理の流れの一例を説明する。図5は、実施形態に係る決定処理の流れの一例を説明するフローチャートである。例えば、情報提供装置10は、集会における利用者の発言を取得する(ステップS201)。このような場合、情報提供装置10は、各発言の主体をMABアルゴリズムのアームと見做し、集会の目的と現在の集会の状態とに基づく報酬に応じて、次の発言主体を決定する(ステップS202)。そして、情報提供装置10は、決定した発言主体に対して発言を求める応答を出力装置200に出力させ(ステップS203)、処理を終了する。
Next, an example of the flow of the determination process executed by the
〔7.変形例〕
上記では、情報提供装置10による推定処理および決定処理の一例について説明した。しかしながら、実施形態は、これに限定されるものではない。以下、情報提供装置10が実行する推定処理および決定処理のバリエーションについて説明する。
[7. Modification example]
In the above, an example of the estimation process and the determination process by the
〔7−1.推定処理と決定処理との実行環境について〕
上述した説明では、情報提供装置10は、推定処理および決定処理を両方実行することで、効率的な集会を実現した。しかしながら、実施形態は、これに限定されるものではない。例えば、情報提供装置10は、推定処理のみを実行する推定装置と、決定処理のみを実行する決定装置とによって実現されてもよい。このような場合、推定装置は、図2に示す特定部41、推定部42、および選択部43を有し、決定装置は、取得部44、決定部45および出力部46を有することとなる。
[7-1. Execution environment for estimation processing and decision processing]
In the above description, the
なお、推定装置および決定装置は、スタンドアローンで動作してもよく、連携した動作を行ってもよい。例えば、決定装置は、決定装置から集会において各利用者の発言と、かかる発言によって集会の状態が集会の目的に近づいたか否か、集会の目的にどれくらい近づいたかといった情報を属性情報として提供する。このような場合、推定装置は、決定装置から受付けた属性情報に基づいて、集会の状態を集会の目的に近づけるような利用者を優先的に選択してもよい。 The estimation device and the determination device may operate standalone or in cooperation with each other. For example, the decision device provides attribute information such as the remarks of each user at the meeting from the decision device, whether or not the state of the meeting approaches the purpose of the meeting by such remarks, and how close the state of the meeting is to the purpose of the meeting. In such a case, the estimation device may preferentially select a user who brings the state of the meeting closer to the purpose of the meeting based on the attribute information received from the determination device.
〔7−2.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、上記文章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。
[7-2. Others]
Further, among the processes described in the above-described embodiment, all or a part of the processes described as being automatically performed can be manually performed, or the processes described as being manually performed can be performed. All or part of it can be done automatically by a known method. In addition, the processing procedure, specific name, and information including various data and parameters shown in the above text and drawings can be arbitrarily changed unless otherwise specified. For example, the various information shown in each figure is not limited to the illustrated information.
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。 Further, each component of each of the illustrated devices is a functional concept, and does not necessarily have to be physically configured as shown in the figure. That is, the specific form of distribution / integration of each device is not limited to the one shown in the figure, and all or part of the device is functionally or physically distributed / physically in arbitrary units according to various loads and usage conditions. It can be integrated and configured.
また、上記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。 In addition, the above-described embodiments can be appropriately combined as long as the processing contents do not contradict each other.
〔8.プログラム〕
また、上述してきた実施形態に係る情報提供装置10は、例えば図6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6は、ハードウェア構成の一例を示す図である。コンピュータ1000は、出力装置1010、入力装置1020と接続され、演算装置1030、一次記憶装置1040、二次記憶装置1050、出力IF(Interface)1060、入力IF1070、ネットワークIF1080がバス1090により接続された形態を有する。
[8. program〕
Further, the
演算装置1030は、一次記憶装置1040や二次記憶装置1050に格納されたプログラムや入力装置1020から読み出したプログラム等に基づいて動作し、各種の処理を実行する。一次記憶装置1040は、RAM等、演算装置1030が各種の演算に用いるデータを一次的に記憶するメモリ装置である。また、二次記憶装置1050は、演算装置1030が各種の演算に用いるデータや、各種のデータベースが登録される記憶装置であり、ROM(Read Only Memory)、HDD、フラッシュメモリ等により実現される。
The
出力IF1060は、モニタやプリンタといった各種の情報を出力する出力装置1010に対し、出力対象となる情報を送信するためのインタフェースであり、例えば、USB(Universal Serial Bus)やDVI(Digital Visual Interface)、HDMI(登録商標)(High Definition Multimedia Interface)といった規格のコネクタにより実現される。また、入力IF1070は、マウス、キーボード、およびスキャナ等といった各種の入力装置1020から情報を受信するためのインタフェースであり、例えば、USB等により実現される。 The output IF 1060 is an interface for transmitting information to be output to an output device 1010 that outputs various information such as a monitor and a printer. For example, USB (Universal Serial Bus), DVI (Digital Visual Interface), and the like. It is realized by a connector of a standard such as HDMI (registered trademark) (High Definition Multimedia Interface). Further, the input IF 1070 is an interface for receiving information from various input devices 1020 such as a mouse, a keyboard, and a scanner, and is realized by, for example, USB.
なお、入力装置1020は、例えば、CD(Compact Disc)、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から情報を読み出す装置であってもよい。また、入力装置1020は、USBメモリ等の外付け記憶媒体であってもよい。 The input device 1020 is, for example, an optical recording medium such as a CD (Compact Disc), a DVD (Digital Versatile Disc), a PD (Phase change rewritable Disk), a magneto-optical recording medium such as an MO (Magneto-Optical disk), or a tape. It may be a device that reads information from a medium, a magnetic recording medium, a semiconductor memory, or the like. Further, the input device 1020 may be an external storage medium such as a USB memory.
ネットワークIF1080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演算装置1030へ送り、また、ネットワークNを介して演算装置1030が生成したデータを他の機器へ送信する。
The network IF 1080 receives data from another device via the network N and sends it to the
演算装置1030は、出力IF1060や入力IF1070を介して、出力装置1010や入力装置1020の制御を行う。例えば、演算装置1030は、入力装置1020や二次記憶装置1050からプログラムを一次記憶装置1040上にロードし、ロードしたプログラムを実行する。
The
例えば、コンピュータ1000が情報提供装置10として機能する場合、コンピュータ1000の演算装置1030は、一次記憶装置1040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40の機能を実現する。
For example, when the
〔9.効果〕
上述したように、情報提供装置10は、複数の利用者の属性の類似度を特定する。そして、情報提供装置10は、類似度の値を有向浸透現象において状態が伝播する確率と見做して、利用者間における共感の伝播を推定する。例えば、情報提供装置10は、推定結果に基づいて、所定の集会に招待する利用者を選択する。このため、情報提供装置10は、効率的な集会を実現する参加者を選択することができるので、集会を効率的に進めることができる。
[9. effect〕
As described above, the
また、情報提供装置10は、類似度の値と、有向浸透現象において臨界現象が生じる浸透閾値との比較結果に基づいて、利用者間における共感の伝播を推定する。このため、情報提供装置10は、効率的な集会を実現する参加者を選択することができる。
Further, the
また、情報提供装置10は、利用者の属性の類似度として、利用者が専門とする分野の類似度を特定する。このため、情報提供装置10は、専門分野の観点から、効率的な集会を実現する参加者を選択することができる。
In addition, the
また、情報提供装置10は、類似度の値に基づく伝播確率の値から浸透閾値を減算し、さらに伝播確率の値で除算した値が1よりも十分に小さい正の値となるように、所定の集会に招待する利用者を選択する。このため、情報提供装置10は、効率的な集会を実現する参加者を選択することができる。
Further, the
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。 Although some of the embodiments of the present application have been described in detail with reference to the drawings, these are examples, and various modifications are made based on the knowledge of those skilled in the art, including the embodiments described in the disclosure column of the invention. It is possible to practice the present invention in other improved forms.
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、選択部は、選択手段や選択回路に読み替えることができる。 In addition, the above-mentioned "section, module, unit" can be read as "means" or "circuit". For example, the selection unit can be read as a selection means or a selection circuit.
10 情報提供装置
20 通信部
30 記憶部
31 利用者属性データベース
40 制御部
41 特定部
42 推定部
43 選択部
44 取得部
45 決定部
46 出力部
100 入力装置
200 出力装置
300 端末装置
10
Claims (5)
所定の次元空間からなる系上に配置された複数のセルを利用者と見做し、前記類似度の値を前記系における有向浸透現象において所定のセルから隣接するセルへと活性状態が伝播する確率と見做した場合に、前記系を時間発展させても活性状態が消滅せずにセルの間を伝播し続ける閾値である浸透閾値の値と、前記類似度との比較結果に基づいて、前記利用者間において共感が伝播する態様を推定する推定部と、
を有することを特徴とする推定装置。 A specific part that identifies the similarity of attributes of multiple users based on the similarity of distributed expressions generated in advance for each attribute .
A plurality of cells arranged on a system consisting of a predetermined dimensional space are regarded as users, and the value of the similarity is propagated from a predetermined cell to an adjacent cell in a directed infiltration phenomenon in the system. Based on the comparison result between the permeation threshold value, which is the threshold value at which the active state does not disappear even if the system is evolved over time and continues to propagate between cells, and the similarity, when regarded as the probability of an estimation unit that empathy have you between the user to estimate the mode of propagation,
An estimation device characterized by having.
ことを特徴とする請求項1に記載の推定装置。 It said specific portion of the previous SL user estimating apparatus according to claim 1, characterized in that to identify the distribution of the degree of similarity representation of the areas registered in advance as a field that specializes.
をさらに有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。 The estimation device according to claim 1 or 2 , further comprising a selection unit that selects a user to be invited to a predetermined meeting based on the estimation result by the estimation unit.
ことを特徴とする請求項3に記載の推定装置。 The selection unit subtracts the penetration threshold value from the value of the propagation probability based on the value of the similarity, and further divides the value by the value of the propagation probability so that the value becomes a positive value sufficiently smaller than 1. The estimation device according to claim 3 , wherein a user to be invited to a predetermined meeting is selected.
あらかじめ属性ごとに生成された分散表現の類似性に基づいて、複数の利用者の属性の類似度を特定する特定工程と、
所定の次元空間からなる系上に配置された複数のセルを利用者と見做し、前記類似度の値を前記系における有向浸透現象において所定のセルから隣接するセルへと活性状態が伝播する確率と見做した場合に、前記系を時間発展させても活性状態が消滅せずにセルの間を伝播し続ける閾値である浸透閾値の値と、前記類似度との比較結果に基づいて、前記利用者間において共感が伝播する態様を推定する推定工程と、
を含むことを特徴とする推定方法。 The estimation method performed by the estimation device
A specific process that identifies the similarity of attributes of multiple users based on the similarity of distributed expressions generated in advance for each attribute, and
A plurality of cells arranged on a system consisting of a predetermined dimensional space are regarded as users, and the value of the similarity is propagated from a predetermined cell to an adjacent cell in a directed infiltration phenomenon in the system. Based on the comparison result between the permeation threshold value, which is the threshold value at which the active state does not disappear even if the system is evolved over time and continues to propagate between cells, and the similarity, when regarded as the probability of an estimation step of empathy have you between the user to estimate the mode of propagation,
An estimation method characterized by including.
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2016182365A JP6798840B2 (en) | 2016-09-16 | 2016-09-16 | Estimator and estimation method |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2016182365A JP6798840B2 (en) | 2016-09-16 | 2016-09-16 | Estimator and estimation method |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2018045660A JP2018045660A (en) | 2018-03-22 |
JP6798840B2 true JP6798840B2 (en) | 2020-12-09 |
Family
ID=61693169
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2016182365A Active JP6798840B2 (en) | 2016-09-16 | 2016-09-16 | Estimator and estimation method |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP6798840B2 (en) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP7213857B2 (en) * | 2020-10-23 | 2023-01-27 | 本田技研工業株式会社 | CONFERENCE SUPPORT DEVICE, CONFERENCE SUPPORT METHOD, AND CONFERENCE SUPPORT PROGRAM |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2000099570A (en) * | 1998-09-22 | 2000-04-07 | Fuji Xerox Co Ltd | Conference suppoprting system |
US7958120B2 (en) * | 2005-05-10 | 2011-06-07 | Netseer, Inc. | Method and apparatus for distributed community finding |
JP2009104288A (en) * | 2007-10-22 | 2009-05-14 | Hitachi Ltd | Communication management server and computer system |
JP5615857B2 (en) * | 2012-02-22 | 2014-10-29 | 日本電信電話株式会社 | Analysis apparatus, analysis method, and analysis program |
-
2016
- 2016-09-16 JP JP2016182365A patent/JP6798840B2/en active Active
Also Published As
Publication number | Publication date |
---|---|
JP2018045660A (en) | 2018-03-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Xiao et al. | If I hear you correctly: Building and evaluating interview chatbots with active listening skills | |
US10635752B2 (en) | Method and system for creating interactive inquiry and assessment bots | |
US10599983B2 (en) | Inferred facts discovered through knowledge graph derived contextual overlays | |
US10891322B2 (en) | Automatic conversation creator for news | |
CN104778173B (en) | Target user determination method, device and equipment | |
JP2017174062A (en) | Purchase behavior analyzing device and program | |
US9697198B2 (en) | Guiding a conversation based on cognitive analytics | |
US10726466B2 (en) | System and method for recommending products to bridge gaps between desired and actual personal branding | |
US10943070B2 (en) | Interactively building a topic model employing semantic similarity in a spoken dialog system | |
CN112703494A (en) | Electronic device and method of controlling the same | |
US10726087B2 (en) | Machine learning system and method to identify and connect like-minded users | |
US10770072B2 (en) | Cognitive triggering of human interaction strategies to facilitate collaboration, productivity, and learning | |
CN114036398B (en) | Content recommendation and ranking model training method, device, equipment and storage medium | |
KR101931624B1 (en) | Trend Analyzing Method for Fassion Field and Storage Medium Having the Same | |
JP6798840B2 (en) | Estimator and estimation method | |
JP6798839B2 (en) | Information providing device and information providing method | |
US20180121987A1 (en) | System and Method for Enabling Personal Branding | |
JP2019215823A (en) | Extraction device, evaluation device, extraction method, and extraction program | |
JP7117835B2 (en) | Generation device, model, generation method and generation program | |
Hernández et al. | User-centric Recommendation Model for AAC based on Multi-criteria Planning | |
CN113220997B (en) | Data processing method, device, electronic equipment and storage medium | |
JP6869849B2 (en) | Information providing equipment, information providing method, and information providing program | |
CN113032685B (en) | Object pushing method, device, equipment and storage medium based on social relationship | |
JP2019215808A (en) | Evaluation device, evaluation method, and evaluation program | |
JP2019215814A (en) | Evaluation device, evaluation method, and evaluation program |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20190325 |
|
A711 | Notification of change in applicant |
Free format text: JAPANESE INTERMEDIATE CODE: A712 Effective date: 20191101 |
|
RD03 | Notification of appointment of power of attorney |
Free format text: JAPANESE INTERMEDIATE CODE: A7423 Effective date: 20191108 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20200225 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20200317 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20200515 |
|
TRDD | Decision of grant or rejection written | ||
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20201104 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20201119 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 6798840 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
S111 | Request for change of ownership or part of ownership |
Free format text: JAPANESE INTERMEDIATE CODE: R313111 |
|
R350 | Written notification of registration of transfer |
Free format text: JAPANESE INTERMEDIATE CODE: R350 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |