JP6865153B2 - 推定装置、推定方法、及び推定プログラム - Google Patents

Description

本発明は、推定装置、推定方法、及び推定プログラムに関する。

従来、ユーザの種々の状態を判定したり、推定したりする技術が提供されている。例えば、ユーザの脳波や撮像されたユーザの様子等により、ユーザの気分を判定する技術が提供されている。

特開２０１３−０００３００号公報 特開２０１７−１４０４３５号公報 特開２０１７−１６８０５４号公報

しかしながら、上記の従来技術では、所定の社会に関する情報を適切に推定することが難しい場合がある。例えば、各ユーザの気分等を判定するのみでは、ユーザが属する社会全体の状況や心理等のセンチメントを推定することは難しい。このように、ユーザごとに推定を行うのみでは、所定の社会に関する情報を適切に推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、所定の社会に関する情報を適切に推定する推定装置、推定方法、及び推定プログラムを提供することを目的とする。

本願に係る推定装置は、所定の社会に属するユーザ群の行動を示す行動情報を含む社会情報を取得する取得部と、前記取得部により取得された前記社会情報に基づいて、前記所定の社会のセンチメントを推定する推定部と、を備えたことを特徴とする。

実施形態の一態様によれば、所定の社会に関する情報を適切に推定することができるという効果を奏する。

図１は、実施形態に係る生成処理の一例を示す図である。 図２は、実施形態に係る推定処理の一例を示す図である。 図３は、実施形態に係る推定システムの構成例を示す図である。 図４は、実施形態に係る推定装置の構成例を示す図である。 図５は、実施形態に係るユーザ情報記憶部の一例を示す図である。 図６は、実施形態に係る行動情報記憶部の一例を示す図である。 図７は、実施形態に係る行動統計情報記憶部の一例を示す図である。 図８は、実施形態に係る情勢情報記憶部の一例を示す図である。 図９は、実施形態に係る学習データ記憶部の一例を示す図である。 図１０は、実施形態に係るモデル情報記憶部の一例を示す図である。 図１１は、実施形態に係るコンテンツ情報記憶部の一例を示す図である。 図１２は、実施形態に係る生成処理の一例を示すフローチャートである。 図１３は、実施形態に係る推定処理の一例を示すフローチャートである。 図１４は、推定装置の機能を実現するコンピュータの一例を示すハードウェア構成図である。

以下に、本願に係る推定装置、推定方法、及び推定プログラムを実施するための形態（以下、「実施形態」と呼ぶ）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係る推定装置、推定方法、及び推定プログラムが限定されるものではない。また、以下の各実施形態において同一の部位には同一の符号を付し、重複する説明は省略される。

（実施形態）
〔１．生成処理〕
図１及び図２では、所定の社会としてＸ国を対象にした場合を一例とし、生成したモデルを用いて、所定の期間におけるＸ国のセンチメントを推定する場合を説明する。なお、ここでいうセンチメントとは、社会全体が不安や楽観的等のその社会全体が醸し出す雰囲気や社会全体の心理的な状態等を含む概念であるものとする。図１及び図２の例では、社会のセンチメントとして、Ｘ国のセンチメントが不安であるかどうかを推定する場合を一例として説明する。なお、図１及び図２の例では、Ｘ国のセンチメントが不安かどうかを推定する場合を一例として説明するが、Ｘ国のセンチメントは不安に限らず、安心や楽観的等の種々のセンチメントであってもよい。

〔推定システムの構成〕
まず、図１及び図２の説明に先だって推定システム１について説明する。図３に示すように、推定システム１は、端末装置１０と、情報提供元装置２０と、推定装置１００とが含まれる。端末装置１０と、情報提供元装置２０と、推定装置１００とは所定のネットワーク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３は、実施形態に係る推定システムの構成例を示す図である。なお、図３に示した推定システム１には、複数台の端末装置１０や、複数台の情報提供元装置２０や複数台の推定装置１００が含まれてもよい。

端末装置１０は、ユーザによって利用される情報処理装置である。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、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）等により実現される。図１は、端末装置１０がスマートフォンである場合を示す。

また、端末装置１０は、ＧＰＳ（Global Positioning System）センサ等の機能を有し、ユーザの位置を検知し、取得可能であるものとする。また、端末装置１０は、温度センサや気圧センサ等の種々の機能を有し、温度や気圧等のユーザの置かれている環境情報を検知し、取得可能であってもよい。また、端末装置１０は、心拍センサ等の種々の機能を有し、ユーザの生体情報を検知し、取得可能であってもよい。例えば、端末装置１０を利用するユーザは、端末装置１０と通信可能なウェアラブルデバイスを身に付けることにより、端末装置１０によりユーザ自身のコンテキスト情報を取得可能としてもよい。例えば、端末装置１０を利用するユーザは、端末装置１０と通信可能なリストバンド型のウェアラブルデバイスを身に付けることにより、端末装置１０によりユーザ自身の心拍（脈拍）に関する情報を端末装置１０が取得可能としてもよい。

また、端末装置１０は、外部装置から提供されたコンテンツを表示する。例えば、端末装置１０は、推定装置１００に種々の情報等を送信する。例えば、端末装置１０は、ユーザによる投稿等の入力情報やユーザが検索に用いた検索クエリに関する情報等の行動情報等を推定装置１００へ送信する。なお、以下では、端末装置１０をユーザと表記する場合がある。すなわち、以下では、ユーザを端末装置１０と読み替えることもできる。端末装置１０は、ユーザによる種々の操作を受け付ける。

また、図１に示す例においては、端末装置１０を利用するユーザに応じて、端末装置１０を端末装置１０−１〜１０−３として説明する。例えば、端末装置１０−１は、ユーザＵ１により使用される端末装置１０である。また、例えば、端末装置１０−２は、ユーザＵ２により使用される端末装置１０である。また、以下では、端末装置１０−１〜１０−３について、特に区別なく説明する場合には、端末装置１０と記載する。なお、上記のように、「ユーザＵ＊（＊は任意の数値）」と記載した場合、そのユーザはユーザＩＤ「Ｕ＊」により識別されるユーザであることを示す。例えば、「ユーザＵ１」と記載した場合、そのユーザはユーザＩＤ「Ｕ１」により識別されるユーザである。

推定装置１００は、所定の社会に属するユーザ群の行動を示す行動情報を含む社会情報に基づいて、前記所定の社会のセンチメントを推定する情報処理装置である。例えば、推定装置１００は、社会情報のうちユーザ群の行動情報から生成される統計データを含む入力情報を入力とするモデルを用いて、所定の社会のセンチメントが不安かどうかを推定する。例えば、推定装置１００は、社会情報のうち所定の社会の情勢を示す情勢情報から推定したセンチメントを正解情報として、モデルを生成する。

推定装置１００は、ユーザの行動情報や情勢情報を含む社会情報に基づいて、所定の社会のセンチメントを推定する。推定装置１００は、ユーザの行動情報から生成した統計データを含む社会情報に基づいて、所定の社会のセンチメントを推定する。具体的には、推定装置１００は、情勢情報により推定したセンチメントを正解情報とし、正解情報と統計データを含む入力情報とを学習データとしてモデルを生成する。そして、推定装置１００は、新たな統計データを含む入力情報を取得した場合、その入力情報をモデルに入力し、モデルにスコアを出力させることにより、統計データに対応する期間の所定の社会のセンチメントを推定する。

例えば、推定装置１００は、取得部１３１により取得されたＸ国に属するユーザ群の行動情報を用いて、Ｘ国のセンチメントの推定に用いるスコアを出力するモデルを生成する。例えば、推定装置１００は、Ｘ国に属するユーザ群の所定の期間における行動情報から、所定の期間における統計行動情報を生成する。例えば、推定装置１００は、所定の期間における統計データを入力情報に用いて、Ｘ国のセンチメントの推定に用いるスコアを出力するモデルを生成する。また、推定装置１００は、所定の期間におけるＸ国の情勢情報から推定したＸ国のセンチメントを正解情報として、モデルを生成する。

推定装置１００は、外部の情報処理装置からユーザの行動情報を取得する。例えば、推定装置１００は、ユーザが利用する端末装置１０からユーザの行動情報を取得する。例えば、推定装置１００は、端末装置１０から取得したクエリ（検索クエリ）に対する検索結果を端末装置１０に提供する検索サービスを提供してもよい。例えば、推定装置１００は、クエリに対応する所定の情報を検索結果として、クエリの送信元である端末装置１０へ提供してもよい。例えば、推定装置１００は、検索サービスや電子商取引サービスを提供する外部の情報処理装置等からユーザの行動情報を取得してもよい。

例えば、推定装置１００は、端末装置１０を利用するユーザが所定のサービスにおいて投稿した情報を端末装置１０や所定のサービスを提供する外部装置から取得してもよい。例えば、推定装置１００は、端末装置１０を利用するユーザがＴｗｉｔｔｅｒ（登録商標）やＦａｃｅｂｏｏｋ（登録商標）等のＳＮＳ（Social Networking Service）において投稿した情報を端末装置１０や所定の外部装置から取得してもよい。例えば、推定装置１００は、端末装置１０を利用するユーザが所定の検索サービスにおいて用いた検索クエリ（以下、単に「クエリ」ともいう）に関する情報を端末装置１０や検索サービスを提供する外部装置から取得してもよい。

情報提供元装置２０は、推定装置１００に種々の情報提供を行うための情報が格納された情報処理装置である。例えば、情報提供元装置２０は、ウェブサーバ等の種々の外部装置から収集した情報等が格納されてもよい。例えば、情報提供元装置２０は、各社会の情勢情報を推定装置１００に提供する。例えば、情報提供元装置２０は、所定の期間ごとの各社会の情勢情報を推定装置１００に提供する。例えば、情報提供元装置２０は、所定の期間ごとのＸ国の情勢情報を推定装置１００に提供する。例えば、情報提供元装置２０は、Ｘ国で発生した災害の回数やＸ国で報じられた悲報の回数やＸ国の経済指標やＸ国の失業率等を含む情勢情報を推定装置１００に提供する。

ここから、図１を用いて、実施形態に係る生成処理の一例について説明する。図１は、実施形態に係る生成処理の一例を示す図である。図１では、推定装置１００が所定の期間ごとのＸ国に属するユーザ群の行動情報と、Ｘ国の情勢情報から推定されたセンチメントを正解情報として、Ｘ国に属するユーザ群の行動情報からＸ国のセンチメントを推定するモデルの生成を行う場合を示す。

図１では、推定装置１００が所定の社会のセンチメントがセンチメントＳＮ１（不安）であるかを推定するために用いるモデルを生成する場合を説明する。図１に示すように、推定装置１００は、Ｘ国（社会ＳＣ１）に属するユーザＵ１〜ユーザＵ３等、Ｘ国の多数のユーザから行動情報を収集する。例えば、推定装置１００は、Ｘ国に属するユーザＵ１〜ユーザＵ３等、Ｘ国の多数のユーザから行動情報記憶部１２２（図６参照）に示すような行動情報を収集する。

推定装置１００は、ユーザＵ１が利用する端末装置１０−１からユーザＵ１の行動情報を取得する（ステップＳ１１−１）。例えば、推定装置１００は、ユーザＵ１がクエリ＃１１を用いた検索を行ったことを示す行動情報を取得する。例えば、「クエリ＃１１」は、「業績不振」や「不況」等の仕事に関するクエリであってもよい。例えば、推定装置１００は、ユーザＵ１がクエリ＃１１を用いた検索（行動ＡＣ１１）を日時ｄｔ１１に行ったことを示す行動情報を取得する。例えば、推定装置１００は、ユーザＵ１がクエリ＃１１を用いた検索を行った際の位置が位置ＬＣ１１であり、天候が晴れ、気温が摂氏２５度（２５℃）、湿度が６０％であったことを示す行動情報を取得する。

例えば、推定装置１００は、ユーザＵ１がＳＮＳ＃１２において投稿を行ったことを示す行動情報を取得する。例えば、「ＳＮＳ＃１２」は、Ｔｗｉｔｔｅｒ（登録商標）やＦａｃｅｂｏｏｋ（登録商標）等のＳＮＳにおいて投稿した文字情報や画像情報等であってもよい。例えば、推定装置１００は、ユーザＵ１がＳＮＳ＃１２における投稿（行動ＡＣ１２）を日時ｄｔ１２に行ったことを示す行動情報を取得する。例えば、推定装置１００は、ユーザＵ１がＳＮＳ＃１２における投稿を行った際の位置が位置ＬＣ１２であり、天候が晴れ、気温が摂氏２５度（２５℃）、湿度が６０％であったことを示す行動情報を取得する。

推定装置１００は、ユーザＵ２が利用する端末装置１０−２からユーザＵ２の行動情報を取得する（ステップＳ１１−２）。例えば、推定装置１００は、ユーザＵ２が占いサイト＃２１を閲覧したことを示す行動情報を取得する。例えば、「占いサイト＃２１」は、サイト名やそのサイトのＵＲＬ（Uniform Resource Locator）が含まれてもよい。例えば、推定装置１００は、ユーザＵ２が占いサイト＃２１の閲覧（行動ＡＣ２１）を日時ｄｔ２１に行ったことを示す行動情報を取得する。例えば、推定装置１００は、ユーザＵ２が占いサイト＃２１を用いた検索を行った際の位置が位置ＬＣ２１であり、天候が雨、気温が摂氏２７度（２７℃）、湿度が９０％であったことを示す行動情報を取得する。

例えば、推定装置１００は、ユーザＵ２がパワースポット＃２２を訪問したことを示す行動情報を取得する。例えば、「パワースポット＃２２」は、具体的な名称や緯度経度や所在地が含まれてもよい。例えば、推定装置１００は、ユーザＵ２がパワースポット＃２２の訪問（行動ＡＣ２２）を日時ｄｔ２２に行ったことを示す行動情報を取得する。例えば、推定装置１００は、ユーザＵ２がパワースポット＃２２の訪問した際の位置が位置ＬＣ２２であり、天候が雲り、気温が摂氏２９度（２９℃）、湿度が８０％であったことを示す行動情報を取得する。

推定装置１００は、ユーザＵ３が利用する端末装置１０−３からユーザＵ３の行動情報を取得する（ステップＳ１１−３）。図１の例では、推定装置１００は、ユーザＵ３が占いサイト＃３１を閲覧したことを示す行動情報やユーザＵ３が職業安定所＃３２を訪問したことを示す行動情報を取得する。

なお、ユーザＵ１〜Ｕ３等の行動情報には、上記に限らず、例えばインターネット上において商品を購入したことを示す情報等のウェブ等のインターネット上での行動情報が含まれてもよい。また、上記のように、推定装置１００は、ユーザＵ１〜Ｕ３のインターネット上以外のユーザの行動情報を取得してもよい。例えば、推定装置１００は、ユーザＵ１がＡコンビニでＢ商品の購入を行ったことを示す情報や、Ｂレストランで飲食を行ったことを示す情報等の種々の行動情報を取得してもよい。

このように、推定装置１００は、Ｘ国に属するユーザＵ１〜ユーザＵ３等、Ｘ国の多数のユーザから行動情報を収集する。図１の例では、推定装置１００は、収集したユーザＵ１〜ユーザＵ３等、Ｘ国の多数のユーザの行動情報を行動情報記憶部１２２に記憶する。

そして、推定装置１００は、Ｘ国に属するユーザ群の行動情報から統計情報を生成する（ステップＳ１２）。例えば、推定装置１００は、所定の期間ごとに、対応する期間に収集されたユーザの行動情報から統計情報を生成する。図１の例では、推定装置１００は、期間ＴＭ１〜ＴＭ３等の各々の期間におけるユーザＵ１やユーザＵ２やユーザＵ３等の複数のユーザの行動情報から各期間に対応する統計情報を生成する。例えば、期間ＴＭ１は、２０１７年１０月の１ヶ月であり、期間ＴＭ２は、２０１７年１１月の１ヶ月であり、期間ＴＭ３は、２０１７年１２月の１ヶ月であるものとする。

例えば、推定装置１００は、行動統計情報記憶部１２３に示すように期間ＴＭ１〜ＴＭ３等の各々に対応する統計情報を生成する。図１の例では、推定装置１００は、行動統計情報記憶部１２３に示すように、統計データの要素として、所定の期間における「パワースポット訪問者数」や「職業安定所利用者数」や「占いサイト閲覧数」や「天候（雨の日数）」を示す情報を生成する。

推定装置１００は、対応する期間におけるユーザの行動情報のうち、パワースポットに対応する位置にユーザがいたことを示す行動情報の数をカウント（計数）する。例えば、推定装置１００は、所定の外部装置から取得したパワースポットの一覧情報を用いて、パワースポットに対応する位置にユーザがいたことを示す行動情報の数をカウント（計数）してもよい。例えば、推定装置１００は、記憶部１２０（図４参照）に記憶されたパワースポットの一覧情報を用いて、パワースポットに対応する位置にユーザがいたことを示す行動情報の数をカウント（計数）してもよい。例えば、推定装置１００は、パワースポットの一覧情報に含まれるパワースポットの所在地から所定の範囲内（例えば１００ｍ以内）にユーザがいたことを示す行動情報の数を、パワースポット訪問者数としてカウント（計数）してもよい。

推定装置１００は、対応する期間におけるユーザの行動情報のうち、職業安定所に対応する位置にユーザがいたことを示す行動情報の数をカウント（計数）する。例えば、推定装置１００は、所定の外部装置から取得した職業安定所の一覧情報を用いて、職業安定所に対応する位置にユーザがいたことを示す行動情報の数をカウント（計数）してもよい。例えば、推定装置１００は、記憶部１２０（図４参照）に記憶された職業安定所の一覧情報を用いて、職業安定所に対応する位置にユーザがいたことを示す行動情報の数をカウント（計数）してもよい。例えば、推定装置１００は、職業安定所の一覧情報に含まれる職業安定所の所在地から所定の範囲内（例えば５０ｍ以内）にユーザがいたことを示す行動情報の数を、職業安定所利用者数としてカウント（計数）してもよい。

推定装置１００は、対応する期間におけるユーザの行動情報のうち、占いサイトを閲覧したことを示す行動情報の数をカウント（計数）する。例えば、推定装置１００は、所定の外部装置から取得した占いサイトの一覧情報を用いて、占いサイトに対応するＵＲＬにユーザがアクセスしたことを示す行動情報の数をカウント（計数）してもよい。例えば、推定装置１００は、記憶部１２０（図４参照）に記憶された占いサイトの一覧情報を用いて、占いサイトをユーザが閲覧したことを示す行動情報の数をカウント（計数）してもよい。

また、推定装置１００は、対応する期間におけるユーザの行動情報のうち、ユーザの行動情報に含まれる天候が「雨」であった行動情報が取得された日数をカウント（計数）する。なお、天候は、雨の日数に限らず、推定装置１００は、対応する期間におけるユーザの行動情報のうち、ユーザの行動情報に含まれる天候が「雨」であった行動情報の割合（％）を算出してもよい。

推定装置１００は、上述のような処理を各期間ＴＭ１〜ＴＭ３に関して行うことにより、行動統計情報記憶部１２３に示すように期間ＴＭ１〜ＴＭ３等の各々に対応する統計情報を生成する。

例えば、推定装置１００は、期間ＴＭ１におけるパワースポット訪問者数がＡ回であることを示す情報を生成する。また、例えば、推定装置１００は、期間ＴＭ１における職業安定所利用者数がＢ回であることを示す情報を生成する。また、例えば、推定装置１００は、期間ＴＭ１における占いサイト閲覧数がＣ回であることを示す情報を生成する。また、例えば、推定装置１００は、期間ＴＭ１における雨の日数がＤ回であることを示す情報を生成する。

これにより、推定装置１００は、期間ＴＭ１において、パワースポットへの訪問者数がＡ回であることを示す情報や、職業安定所の利用者数がＢ回であることを示す情報を含む統計データＳＴＤ１を生成する。また、推定装置１００は、期間ＴＭ１において、占いサイトの閲覧数がＣ回であることを示す情報や、雨の日数がＤ回であることを示す情報を含む統計データＳＴＤ１を生成する。

また、推定装置１００は、期間ＴＭ２、ＴＭ３についても同様に統計情報を生成する。これにより、推定装置１００は、期間ＴＭ２において、パワースポットへの訪問者数がＥ回であることを示す情報や、職業安定所の利用者数がＦ回であることを示す情報を含む統計データＳＴＤ２を生成する。また、推定装置１００は、期間ＴＭ２において、占いサイトの閲覧数がＧ回であることを示す情報や、雨の日数がＨ回であることを示す情報を含む統計データＳＴＤ２を生成する。また、推定装置１００は、期間ＴＭ３において、パワースポットへの訪問者数がＩ回であることを示す情報や、職業安定所の利用者数がＪ回であることを示す情報を含む統計データＳＴＤ３を生成する。また、推定装置１００は、期間ＴＭ３において、占いサイトの閲覧数がＫ回であることを示す情報や、雨の日数がＬ回であることを示す情報を含む統計データＳＴＤ３を生成する。

そして、推定装置１００は、情報提供元装置２０からＸ国の情勢情報を取得する（ステップＳ１３）。例えば、推定装置１００は、情勢情報記憶部１２４に示すように、期間ＴＭ１〜ＴＭ３ごとに対応するＸ国の情勢情報を取得する。図１の例では、推定装置１００は、Ｘ国の情勢情報として、各期間における災害の回数、悲報の数、経済指標、失業率といった種々のＸ国の情勢を示す情報（以下、情勢要素ともいう）を取得する。

例えば、推定装置１００は、期間ＴＭ１においてＸ国で発生した災害が無し、すなわち０回であることを示す情報を取得する。また、例えば、推定装置１００は、期間ＴＭ１においてＸ国で報じられた悲報が無し、すなわち０回であることを示す情報を取得する。

また、例えば、推定装置１００は、期間ＴＭ１の経済指標がＰＮＴ１であることを示す情報を取得する。例えば、推定装置１００は、期間ＴＭ１の経済指標ＰＮＴ１が通常よりも良いことを示す情報を取得する。図１では、経済指標をＰＮＴ１といった概念的な符号で示すが、実際には「５％」等、経済指標に対応する数値等の情報であるものとする。また、例えば、推定装置１００は、期間ＴＭ１におけるＸ国の失業率がＲＵ１であることを示す情報を取得する。例えば、推定装置１００は、期間ＴＭ１のＸ国の失業率ＲＵ１が通常と同様であることを示す情報を取得する。なお、通常と同様とは、通常の値（平均値）から所定の範囲内（例えば通常の値との誤差が５％以内等）であることであってもよい。図１では、失業率をＲＵ１といった概念的な符号で示すが、実際には「３％」等の具体的な数値等の情報であるものとする。また、推定装置１００は、情勢情報記憶部１２４に示すように、期間ＴＭ２、ＴＭ３についても同様に情勢情報を情報提供元装置２０から取得する。

そして、推定装置１００は、各期間の情勢情報に基づいて、各期間のセンチメントを推定する（ステップＳ１４）。図１の例では、説明を簡単にするために、推定装置１００は、一の期間の災害の数や悲報の数が所定の閾値以上であり、一の期間の経済指標や失業率が通常よりも悪い場合、その一の期間のセンチメントが不安であると推定する。

なお、推定装置１００は、一の期間の情勢要素のうち、所定の閾値以上であったり、通常よりも悪かったりする情勢要素の数が所定数（例えば３等）以上である場合、その一の期間のセンチメントが不安であると推定してもよい。また、例えば、推定装置１００は、情勢情報の複数の要素の各々について閾値を設定し、閾値以上となった要素の数が所定数（例えば４つ以上等）である場合に、その社会のセンチメントが不安であると推定してもよい。なお、上記は一例であり、推定装置１００は、種々の情報を適宜用いて情勢情報から各期間のセンチメントを推定してもよい。図１の例では、推定装置１００は、期間ＴＭ１におけるＸ国のセンチメントを通常と推定する。また、推定装置１００は、期間ＴＭ２におけるＸ国のセンチメントを通常と推定する。また、推定装置１００は、期間ＴＭ３におけるＸ国のセンチメントを不安と推定する。

なお、推定装置１００は、情報提供元装置２０から各期間のセンチメントを示す情報を取得してもよい。例えば、推定装置１００は、情報提供元装置２０から各期間の情勢情報に基づくセンチメントを示す情報を取得してもよい。この場合、推定装置１００は、ステップＳ１４の処理を行わなくてもよい。

そして、推定装置１００は、学習データを生成する（ステップＳ１５）。具体的には、推定装置１００は、行動統計情報記憶部１２３や情勢情報記憶部１２４に記憶された情報を用いて、学習データ記憶部１２５に示すような学習データを生成する。なお、図１の例では、推定装置１００は、学習データ記憶部１２５に示すような学習データを情報提供元装置２０等の所定の外部情報処理装置から取得してもよい。

例えば、推定装置１００は、情勢情報記憶部１２４に記憶されたセンチメントを正解情報として、学習データを生成する。例えば、推定装置１００は、情勢情報記憶部１２４に記憶された各期間ＴＭ１〜ＴＭ３等の各々に対応するセンチメントを正解情報として、学習データを生成する。

また、例えば、推定装置１００は、行動統計情報記憶部１２３に記憶された統計データを入力情報として、学習データを生成する。例えば、推定装置１００は、行動統計情報記憶部１２３に記憶された各期間ＴＭ１〜ＴＭ３等の各々に対応する統計データを入力情報として、学習データを生成する。

図１の例では、推定装置１００は、期間ＴＭ１のセンチメントが通常「０」であることを示す正解情報ＲＤＴ１と、期間ＴＭ１の統計データＳＴＤ１との組合せた学習用のデータＤＩＤ１を生成する。また、推定装置１００は、期間ＴＭ２のセンチメントが通常「０」であることを示す正解情報ＲＤＴ２と、期間ＴＭ２の統計データＳＴＤ２との組合せた学習用のデータＤＩＤ２を生成する。また、推定装置１００は、期間ＴＭ３のセンチメントが不安「１」であることを示す正解情報ＲＤＴ３と、期間ＴＭ３の統計データＳＴＤ３との組合せた学習用のデータＤＩＤ３を生成する。

なお、上記のように、「データＤＩＤ＊（＊は任意の数値）」と記載した場合、そのデータはデータＩＤ「ＤＩＤ＊」により識別されるデータであることを示す。例えば、「データＤＩＤ１」と記載した場合、そのデータはデータＩＤ「ＤＩＤ１」により識別されるデータである。

そして、推定装置１００は、学習データに基づいてモデルを生成する（ステップＳ１６）。例えば、推定装置１００は、学習データ記憶部１２５中のデータＤＩＤ１〜ＤＩＤ３等を学習データ（教師データ）として、学習を行なうことにより、モデルを生成する。例えば、推定装置１００は、統計データの各要素を素性（特徴量）として、モデルを生成する。例えば、推定装置１００は、「パワースポット訪問者数」や「職業安定所利用者数」や「占いサイト閲覧数」や「天候（雨の日数）」等を素性（特徴量）として、モデルを生成する。なお、推定装置１００が学習する入力情報（統計データ）に含まれる特徴は、推定装置１００の管理者等の人間が推定装置１００に入力してもよいし、推定装置１００に自動的に学習（抽出）させてもよい。

例えば、推定装置１００は、学習データ記憶部１２５に記憶されたデータＤＩＤ１〜ＤＩＤ３を用いてモデルＭ１を生成する。例えば、推定装置１００は、正解情報ＲＤＴ１が期間ＴＭ１のセンチメントが通常であったことを示す「０」である場合、モデルＭ１にデータＤＩＤ１に含まれる入力情報が入力された場合に、モデルＭ１が出力するスコアが「０」に近づくように、学習処理を行う。例えば、推定装置１００は、データＤＩＤ１の統計データＳＴＤ１等がモデルＭ１に入力された場合に、モデルＭ１が出力するスコアが「０」に近づくように、学習処理を行う。

また、例えば、推定装置１００は、正解情報ＲＤＴ３が期間ＴＭ３のセンチメントが不安であったことを示す「１」である場合、モデルＭ１にデータＤＩＤ３に含まれる入力情報が入力された場合に、モデルＭ１が出力するスコアが「１」に近づくように、学習処理を行う。例えば、推定装置１００は、データＤＩＤ３の統計データＳＴＤ３等がモデルＭ１に入力された場合に、モデルＭ１が出力するスコアが「１」に近づくように、学習処理を行う。

なお、モデルの学習手法については、上述した手法に限定されるものではなく、任意の公知技術が適用可能である。なお、各モデルの生成は、機械学習に関する種々の従来技術を適宜用いて行われてもよい。例えば、モデルの生成は、ＳＶＭ（Support Vector Machine）等の教師あり学習の機械学習に関する技術を用いて行われてもよい。また、例えば、モデルの生成は、教師なし学習の機械学習に関する技術を用いて行われてもよい。例えば、モデルの生成は、深層学習（ディープラーニング）の技術を用いて行われてもよい。例えば、モデルの生成は、ＤＮＮ（Deep Neural Network）やＲＮＮ（Recurrent Neural Network）やＣＮＮ（Convolutional Neural Network）等の種々のディープラーニングの技術を適宜用いて行われてもよい。なお、上記モデルの生成に関する記載は例示であり、モデルの生成は、取得可能な情報等に応じて適宜選択された学習手法により行われてもよい。すなわち、推定装置１００は、学習データに含まれる統計データ等の入力情報が入力された場合に、正解情報に対応するスコアを出力するようにモデルＭ１を学習可能であれば、どのような手法によりモデルＭ１の生成を行ってもよい。

上記のような処理により、図１の例では、推定装置１００は、モデル情報記憶部１２６に示すように、モデルＩＤ「Ｍ１」により識別されるモデル（モデルＭ１）を生成する。上記のように、「モデルＭ＊（＊は任意の数値）」と記載した場合、そのモデルはモデルＩＤ「Ｍ＊」により識別されるモデルであることを示す。例えば、「モデルＭ１」と記載した場合、そのモデルはモデルＩＤ「Ｍ１」により識別されるモデルである。また、図１中のモデル情報記憶部１２６に示すように、モデルＭ１は推定対象「センチメントＳＮ１（不安）」、すなわち入力情報に対応する社会のセンチメントの推定のために用いられるモデルであり、その具体的なモデルデータが「モデルデータＭＤＴ１」であることを示す。例えば、推定装置１００は、モデルＭ１に所定の期間における統計データ等の入力情報を入力することにより、入力した入力情報に対応する社会の所定の期間におけるセンチメントが不安かどうかの可能性を示すスコアを、モデルＭ１に出力させ、モデルＭ１が出力するスコアに基づいて社会の所定の期間におけるセンチメントを推定する。

上述したように、推定装置１００は、統計データ等の入力情報と正解情報とが対応付けられた学習データを用いて学習することにより、ある社会の所定の期間におけるセンチメントを適切に推定（予測）可能にするモデルを生成することができる。したがって、推定装置１００は、上述のように生成したモデルを用いることにより、例えば、所定の社会においてセンチメントが不安かどうかを精度よく推定（予測）することを可能にすることができる。

〔２．推定処理のフロー〕
次に、図２を用いて、実施形態に係る推定処理の一例について説明する。図２は、実施形態に係る推定処理の一例を示す図である。図２では、推定装置１００は、期間ＴＭ１１におけるＸ国に属するユーザ群の行動情報を収集し、その行動情報に基づいて、期間ＴＭ１１におけるＸ国のセンチメントを推定する場合を示す。図２の例では、期間ＴＭ１１は、２０１８年１月の１ヶ月である場合を一例として説明する。

推定装置１００は、ユーザＵ１が利用する端末装置１０−１からユーザＵ１の行動情報を取得する（ステップＳ２１−１）。例えば、推定装置１００は、期間ＴＭ１１においてユーザＵ１が行った各種の行動情報を取得する。また、推定装置１００は、ユーザＵ２が利用する端末装置１０−２からユーザＵ２の行動情報を取得する（ステップＳ２１−２）。例えば、推定装置１００は、期間ＴＭ１１においてユーザＵ２が行った各種の行動情報を取得する。また、推定装置１００は、ユーザＵ３が利用する端末装置１０−３からユーザＵ３の行動情報を取得する（ステップＳ２１−３）。例えば、推定装置１００は、期間ＴＭ１１においてユーザＵ３が行った各種の行動情報を取得する。

このように、推定装置１００は、Ｘ国に属するユーザＵ１〜ユーザＵ３等、Ｘ国の多数のユーザから期間ＴＭ１１における行動情報を収集する。図２の例では、推定装置１００は、収集したユーザＵ１〜ユーザＵ３等、Ｘ国の多数のユーザの期間ＴＭ１１における行動情報を行動情報記憶部１２２に記憶する。

そして、推定装置１００は、Ｘ国に属するユーザ群の期間ＴＭ１１における行動情報から統計情報を生成する（ステップＳ２２）。例えば、推定装置１００は、図２中の行動統計情報記憶部１２３−１に示すように期間ＴＭ１１に対応する統計情報を生成する。図２の例では、推定装置１００は、行動統計情報記憶部１２３−１に示すように、統計データの要素として、所定の期間における「パワースポット訪問者数」や「職業安定所利用者数」や「占いサイト閲覧数」や「天候（雨の日数）」を示す情報を生成する。

例えば、推定装置１００は、期間ＴＭ１１におけるパワースポット訪問者数がＭ回であることを示す情報を生成する。また、例えば、推定装置１００は、期間ＴＭ１１における職業安定所利用者数がＮ回であることを示す情報を生成する。また、例えば、推定装置１００は、期間ＴＭ１１における占いサイト閲覧数がＰ回であることを示す情報を生成する。また、例えば、推定装置１００は、期間ＴＭ１１における雨の日数がＱ回であることを示す情報を生成する。

これにより、推定装置１００は、期間ＴＭ１１において、パワースポットへの訪問者数がＭ回であることを示す情報や、職業安定所の利用者数がＮ回であることを示す情報を含む統計データＳＴＤ１１を生成する。また、推定装置１００は、期間ＴＭ１１において、占いサイトの閲覧数がＰ回であることを示す情報や、雨の日数がＱ回であることを示す情報を含む統計データＳＴＤ１１を生成する。

そして、図２の例では、推定装置１００は、処理群ＰＳ１１に示すような処理により、Ｘ国のセンチメントが不安かどうかを示すスコアを算出する。推定装置１００は、統計データＳＴＤ１１を含む入力情報をモデルＭ１に入力する（ステップＳ２３）。統計データＳＴＤ１１を含む入力情報が入力されたモデルＭ１は、スコアを出力する（ステップＳ２４）。図２の例では、統計データＳＴＤ１１が入力されたモデルＭ１は、スコアＳＲ１１に示すようなスコア「０．８５」を出力する。

そして、推定装置１００は、モデルＭ１が出力したスコアに基づいて、Ｘ国のセンチメントを推定する（ステップＳ２５）。例えば、推定装置１００は、モデルＭ１が出力したスコアと、所定の閾値とを比較することにより、Ｘ国のセンチメントを推定する。図２の例では、推定装置１００は、推定一覧ＥＳ１１に示すように、モデルＭ１が出力したスコアが所定の閾値「０．７」以上である場合、Ｘ国のセンチメントが不安であると推定する。

そして、推定装置１００は、推定したＸ国のセンチメントに応じて、Ｘ国に属するユーザの保険料を決定する（ステップＳ２６）。図２の例では、推定装置１００は、ユーザ情報記憶部１２１に示すように、ユーザＵ１及びユーザＵ２は保険に未加入であるため、推定したＸ国のセンチメントに応じて、ユーザＵ１及びユーザＵ２の加入を推奨する際に提示する保険料を決定する。

例えば、推定装置１００は、Ｘ国のセンチメントが不安であると推定したため、他のユーザが支払う保険料よりも高い保険料をユーザＵ１及びユーザＵ２に提示すると決定する。例えば、推定装置１００は、Ｘ国に属する他のユーザが加入している保険への加入を推奨する情報提供をユーザＵ１及びユーザＵ２に行うと決定する。また、推定装置１００は、Ｘ国のセンチメントが不安であると推定したため、Ｘ国に属する他のユーザが支払う保険料よりも高い保険料をユーザＵ１及びユーザＵ２に提示すると決定する。

図２の例では、推定装置１００は、Ｘ国に属するユーザＵ４が加入しているＡ生命保険を、ユーザＵ４が支払う保険料よりも高い保険料でユーザＵ１及びユーザＵ２に提示すると決定する。例えば、推定装置１００は、ユーザＵ４が支払う保険料Ｘ円よりも高いＵＸ円を保険料としてＡ生命保険をユーザＵ１及びユーザＵ２に推奨すると決定する。

そして、推定装置１００は、ユーザＵ１が利用する端末装置１０−１に情報を提供する（ステップＳ２７−１）。例えば、推定装置１００は、ユーザＵ１が利用する端末装置１０−１にＡ生命保険への加入を勧誘する情報を送信する。図２の例では、推定装置１００は、ユーザＵ４が支払う保険料Ｘ円よりも高いＵＸ円を保険料としてＡ生命保険を勧める広告（例えば、広告ＡＣＸ）をユーザＵ１が利用する端末装置１０−１に配信する。例えば、推定装置１００は、Ａ生命保険を示す情報と、その保険料がＵＸ円であることを示す情報を含む広告ＡＣＸをユーザＵ１が利用する端末装置１０−１に配信する。

また、推定装置１００は、ユーザＵ２が利用する端末装置１０−２に情報を提供する（ステップＳ２７−２）。例えば、推定装置１００は、ユーザＵ２が利用する端末装置１０−２にＡ生命保険への加入を勧誘する情報を送信する。図２の例では、推定装置１００は、ユーザＵ４が支払う保険料Ｘ円よりも高いＵＸ円を保険料としてＡ生命保険を勧める広告（例えば、広告ＡＣＸ）をユーザＵ２が利用する端末装置１０−２に配信する。例えば、推定装置１００は、Ａ生命保険を示す情報と、その保険料がＵＸ円であることを示す情報を含む広告ＡＣＸをユーザＵ２が利用する端末装置１０−２に配信する。

また、推定装置１００は、推定したＸ国のセンチメントに応じて、Ｘ国に属するユーザに提供するコンテンツ（提供コンテンツ）を決定する（ステップＳ２８）。図２の例では、推定装置１００は、コンテンツ情報記憶部１２７に記憶されたコンテンツから、ユーザＵ１への提供コンテンツを決定する。

図２中のコンテンツ情報記憶部１２７において、コンテンツＩＤ「ＣＴ１１」により識別されるＡコンテンツ（コンテンツＣＴ１１）は、ジャンルがスポーツであることを示す。また、コンテンツＣＴ１１は、閲覧したユーザを「楽しい」という心身状態にさせることを示す。すなわち、コンテンツＣＴ１１は、閲覧したＸ国のセンチメントを正の状態にさせることを示す。例えば、コンテンツＣＴ１１は、閲覧したＸ国のセンチメントを安心の状態にさせることを示す。

また、コンテンツＩＤ「ＣＴ１２」により識別されるＡコンテンツ（コンテンツＣＴ１２）は、ジャンルが国際であることを示す。また、コンテンツＣＴ１２は、閲覧したユーザを「悲しい」という心身状態にさせることを示す。すなわち、コンテンツＣＴ１２は、閲覧したＸ国のセンチメントを負の状態にさせることを示す。例えば、コンテンツＣＴ１２は、閲覧したＸ国のセンチメントを不安の状態にさせることを示す。

例えば、推定装置１００は、Ｘ国のセンチメントが不安であると推定したため、コンテンツ情報記憶部１２７に記憶されたコンテンツのうち、Ｘ国に属するユーザのセンチメントを正の状態にさせるコンテンツを、Ｘ国に属するユーザへの提供コンテンツとして決定する。例えば、推定装置１００は、Ｘ国のセンチメントが不安であると推定したため、ユーザの感情や気分を高揚させるコンテンツを、ユーザＵ３への提供コンテンツとして決定する。図２の例では、推定装置１００は、Ｘ国のセンチメントが不安であると推定したため、ユーザを「楽しい」という心身状態にさせるＡコンテンツやＣコンテンツを提供コンテンツとして決定する。

そして、推定装置１００は、ユーザＵ３が利用する端末装置１０にコンテンツを提供する（ステップＳ２９）。例えば、推定装置１００は、ステップＳ２８において決定した提供コンテンツをユーザＵ３の端末装置１０−３に送信する。図２の例では、推定装置１００は、端末装置１０−３にＡコンテンツやＣコンテンツを提供コンテンツとして配信する。

上述のように、推定装置１００は、Ｘ国に属するユーザ群の行動情報に基づいて、Ｘ国のセンチメントを推定することにより、ユーザの行動から所定の社会に関する情報を適切に推定することができる。また、推定装置１００は、ユーザの行動情報に基づく情報を入力とするモデルを用いることにより、ユーザの行動から所定の社会に関する情報を適切に推定することができる。また、推定装置１００は、Ｘ国のセンチメントが不安である場合に、Ｘ国のセンチメントのユーザを正の状態にさせるコンテンツを提供することができる。したがって、推定装置１００は、Ｘ国のセンチメントに応じたコンテンツをユーザに適切に提供することができる。なお、上記推定処理は、推定処理でのユーザの情報の利用を許諾したユーザ、すなわちオプトインしたユーザのみを対象としてもよい。

〔２−１．提供コンテンツ〕
上述した例では、ユーザに提供するコンテンツが、各ジャンルに対応する記事等のコンテンツである場合を示したが、ユーザに提供するコンテンツは、記事に限らず、種々のコンテンツであってもよい。例えば、ユーザに提供するコンテンツは、広告であってもよい。この場合、推定装置１００は、Ｘ国のセンチメントに応じて、ユーザに広告を提供する。すなわち、推定装置１００は、Ｘ国のセンチメントに応じて、ユーザに広告を配信する。例えば、推定装置１００は、Ｘ国のセンチメントである場合、Ｘ国に属するユーザに不安を和らげる広告を提供してもよい。例えば、推定装置１００は、Ｘ国のセンチメントが不安である場合、Ｘ国に属するユーザに他の国の為替や旅行の広告等を提供してもよい。なお、上記は一例であり、推定装置１００は、Ｘ国のセンチメントに応じて種々の広告をユーザに提供してもよい。

また、推定装置１００は、推定したＸ国のセンチメントに応じて、広告等のコンテンツのクリエイティブを最適化してもよい。例えば、推定装置１００は、推定したＸ国のセンチメントに応じて、Ｘ国に属するユーザへ提供するコンテンツの内容を変更してもよい。例えば、推定装置１００は、推定したＸ国のセンチメントが不安である場合、保険料を通常よりも高くした保険の広告をＸ国に属するユーザへ提供してもよい。なお、推定装置１００は、Ｘ国のセンチメントに関わらず、社会（世の中）で報じられたニュース（悲報等）に応じて広告クリエイティブを最適化してもよい。例えば、推定装置１００は、Ｘ国でテロや有名人が病気による訃報等の悲報が報じられた場合、広告の表現を抑えた（自重した）内容に変更してもよい。

〔２−２．センチメント〕
上述した例では、Ｘ国のセンチメントが不安であるかを推定する場合を示したが、推定装置１００は、Ｘ国のセンチメントであれば、どのようなＸ国のセンチメントを推定してもよい。例えば、推定装置１００は、Ｘ国のセンチメントが安心であるかを推定してもよい。この場合、推定装置１００は、Ｘ国のセンチメントが安心であるかを推定するモデルを用いて推定処理を行ってもよい。また、例えば、推定装置１００は、Ｘ国のセンチメントが楽観的であるかを推定してもよい。この場合、推定装置１００は、Ｘ国のセンチメントが楽観的であるかを推定するモデルを用いて推定処理を行ってもよい。

〔２−３．レベル〕
また、推定装置１００は、複数の閾値を設定することにより、センチメントのレベルを推定してもよい。例えば、推定装置１００は、第１閾値「０．５」や第２閾値「０．７」や第３閾値「０．８」等の複数の閾値を用いてセンチメントのレベルを推定してもよい。例えば、推定装置１００は、モデルＭ１が出力するスコアが第３閾値以上である場合、その社会のセンチメントの不安レベルが高レベルであると推定してもよい。また、例えば、推定装置１００は、モデルＭ１が出力するスコアが第２閾値以上である場合、その社会のセンチメントの不安レベルが中レベルであると推定してもよい。例えば、推定装置１００は、モデルＭ１が出力するスコアが第１閾値以上である場合、その社会のセンチメントの不安レベルが低レベルであると推定してもよい。例えば、推定装置１００は、モデルＭ１が出力するスコアが第１閾値未満である場合、その社会のセンチメントが不安ではない（例えば通常である）と推定してもよい。

〔２−４．カテゴリ〕
また、推定装置１００は、Ｘ国のセンチメントを所定のカテゴリごとに推定してもよい。例えば、推定装置１００は、「仕事」、「健康」、「将来」、「不定」等のカテゴリごとのＸ国のセンチメントを推定してもよい。例えば、推定装置１００は、Ｘ国の経済的な要素を主に用いることにより、カテゴリ「仕事」におけるＸ国のセンチメントを推定してもよい。また、例えば、推定装置１００は、Ｘ国の医療費や平均寿命等、Ｘ国の健康に関する要素を主に用いることにより、カテゴリ「健康」におけるＸ国のセンチメントを推定してもよい。また、例えば、推定装置１００は、Ｘ国の出生率や高齢者の割合等、Ｘ国の将来に関する要素を主に用いることにより、カテゴリ「将来」におけるＸ国のセンチメントを推定してもよい。

〔３．推定装置の構成〕
次に、図４を用いて、実施形態に係る推定装置１００の構成について説明する。図４は、実施形態に係る推定装置１００の構成例を示す図である。図４に示すように、推定装置１００は、通信部１１０と、記憶部１２０と、制御部１３０とを有する。なお、推定装置１００は、推定装置１００の管理者等から各種操作を受け付ける入力部（例えば、キーボードやマウス等）や、各種情報を表示するための表示部（例えば、液晶ディスプレイ等）を有してもよい。

（通信部１１０）
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、端末装置１０との間で情報の送受信を行う。

（記憶部１２０）
記憶部１２０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。実施形態に係る記憶部１２０は、図４に示すように、ユーザ情報記憶部１２１と、行動情報記憶部１２２と、行動統計情報記憶部１２３と、情勢情報記憶部１２４と、学習データ記憶部１２５と、モデル情報記憶部１２６と、コンテンツ情報記憶部１２７とを有する。なお、図示は省略するが、記憶部１２０は、パワースポットや職業安定所等の種々の関心地点（ＰＯＩ）の位置等を示す情報や、占いサイト等の各種のサイトのＵＲＬ（Uniform Resource Locator）を示す情報を記憶する。推定装置１００は、記憶部１２０に記憶されたＰＯＩの位置とユーザの位置とに基づいて、ユーザが対応するＰＯＩを訪問したと推定する。また、推定装置１００は、記憶部１２０に記憶されたサイトの情報とユーザが閲覧したサイトの情報とに基づいて、ユーザが対応するサイトを閲覧したと推定する。

（ユーザ情報記憶部１２１）
実施形態に係るユーザ情報記憶部１２１は、ユーザに関する各種情報を記憶する。例えば、ユーザ情報記憶部１２１は、ユーザ属性に関する各種情報を記憶する。図５は、実施形態に係るユーザ情報記憶部の一例を示す図である。図５に示すユーザ情報記憶部１２１は、「ユーザＩＤ」、「年齢」、「性別」、「興味」、「保険情報」といった項目が含まれる。また、図示は省略するが、ユーザ情報記憶部１２１は、「自宅」、「勤務地」といったユーザの生活圏に関する位置情報が記憶されてもよい。また、図示は省略するが、行動情報記憶部１２２は、ユーザの健康状態を示す情報（健康情報）を記憶する。例えば、行動情報記憶部１２２は、各ユーザが通常の状態であるか、または通常の状態とは異なる状態であるかを示す情報を記憶する。例えば、行動情報記憶部１２２は、各ユーザが通常の状態であるか、または疾病中や負傷中等の負の状態であるかを示す情報を記憶する。例えば、行動情報記憶部１２２は、各ユーザが通常の状態である場合は「０」を記憶し、疾病中や負傷中等の負の状態である場合は「１」を健康情報として記憶する。なお、推定装置１００は、推定してもよいし、外部の情報処理装置から各ユーザの健康状態を示す情報を取得してもよい。例えば、推定装置１００は、情報提供元装置２０から各ユーザの健康状態を示す情報を取得してもよい。また、例えば、ユーザ情報記憶部１２１には、各ユーザが属する社会を示す情報が記憶されてもよい。

「ユーザＩＤ」は、ユーザを識別するための識別情報を示す。また、「年齢」は、ユーザＩＤにより識別されるユーザの年齢を示す。なお、「年齢」は、例えば３５歳など、ユーザＩＤにより識別されるユーザの具体的な年齢であってもよい。また、「性別」は、ユーザＩＤにより識別されるユーザの性別を示す。

また、「興味」は、ユーザＩＤにより識別されるユーザの興味を示す。すなわち、「興味」は、ユーザＩＤにより識別されるユーザが関心の高い対象を示す。なお、図５に示す例では、「興味」は、各ユーザに１つずつ図示するが、複数であってもよい。「保険情報」は、ユーザＩＤにより識別されるユーザが加入している保険に関する情報が記憶される。例えば、「保険情報」は、ユーザＩＤにより識別されるユーザが加入している保険の種別や保険料等の種々の保険に関する情報が記憶される。なお、図５に示す例では、「保険情報」は、各ユーザに１つずつ図示するが、複数であってもよい。

例えば、図５の例では、ユーザＩＤ「Ｕ１」により識別されるユーザ（ユーザＵ１）の年齢は、「２０代」であり、性別は、「男性」であることを示す。また、例えば、ユーザＵ１は経済に興味があることを示す。また、例えば、ユーザＵ１は、加入している保険がないことを示す。

例えば、図５の例では、ユーザＩＤ「Ｕ３」により識別されるユーザ（ユーザＵ３）の年齢は、「３０代」であり、性別は、「男性」であることを示す。また、例えば、ユーザＵ３はスポーツに興味があることを示す。また、例えば、ユーザＵ３は、Ｂ損害保険に加入しており、保険料はＹ円であることを示す。

なお、ユーザ情報記憶部１２１は、上記に限らず、目的に応じて種々の情報を記憶してもよい。例えば、ユーザ情報記憶部１２１は、デモグラフィック属性情報やサイコグラフィック属性情報等の種々の情報を記憶してもよい。例えば、ユーザ情報記憶部１２１は、氏名、家族構成、収入等の情報を記憶してもよい。例えば、ユーザ情報記憶部１２１は、ユーザについて最後に取得された位置情報を最新の位置情報として記憶してもよい。

（行動情報記憶部１２２）
実施形態に係る行動情報記憶部１２２は、ユーザの行動に関する各種情報を記憶する。図６は、実施形態に係る行動情報記憶部の一例を示す図である。例えば、行動情報記憶部１２２は、各社会に属するユーザの行動情報を記憶する。図６に示す行動情報記憶部１２２には、「社会ＩＤ」、「ユーザＩＤ」、「行動ＩＤ」、「日時」、「位置」、「気象（天候、気温、湿度…）」、「内容」といった項目が含まれる。

「社会ＩＤ」は、社会を識別するための識別情報を示す。例えば、社会ＩＤ「ＳＣ１」により識別される社会は、図１の例に示したＸ国に対応する。「ユーザＩＤ」は、ユーザを識別するための識別情報を示す。例えば、ユーザＩＤ「Ｕ１」により識別されるユーザは、図１の例に示したユーザＵ１に対応する。また、「行動ＩＤ」は、ユーザの行動を識別する情報を示す。「日時」は、対応するユーザの行動が行われた日時を示す。「日時」には、「ｄｔ１１」等のように抽象的に図示するが、「２０１７年１２月７日２２時３４分４８秒」等の具体的な日時が記憶されてもよい。

また、「位置」は、行動ＩＤにより識別される行動が行われた際のユーザの位置情報を示す。なお、図６に示す例では、「位置」は、「ＬＣ１１」といった抽象的な符号を図示するが、緯度経度情報等であってもよい。「気象（天候、気温、湿度…）」は、行動ＩＤにより識別される行動が行われた際のユーザの位置に対応する気象情報を示す。なお、気象情報は、天候、気温、湿度等に限らず、種々の情報が含まれてもよい。また、「内容」は、対応するユーザの行動の具体的な内容を示す。

例えば、図６の例では、ユーザＩＤ「Ｕ１」により識別されるユーザ（ユーザＵ１）は、行動ＩＤ「ＡＣ１１」により識別される行動（行動ＡＣ１１）や行動ＩＤ「ＡＣ１２」により識別される行動（行動ＡＣ１２）等を行ったことを示す。具体的には、図６の例ではユーザＵ１は、クエリ＃１１を用いた検索（行動ＡＣ１１）を日時ｄｔ１１に行ったことを示す。また、ユーザＵ１がクエリ＃１１を用いた検索を行った際の位置が位置ＬＣ１１であり、天候が晴れ、気温が摂氏２５度（２５℃）、湿度が６０％であったことを示す。

例えば、図６の例では、ユーザＩＤ「Ｕ２」により識別されるユーザ（ユーザＵ２）は、行動ＩＤ「ＡＣ２１」により識別される行動（行動ＡＣ２１）や行動ＩＤ「ＡＣ２２」により識別される行動（行動ＡＣ２２）等を行ったことを示す。具体的には、図６の例ではユーザＵ２は、占いサイト＃２１の閲覧（行動ＡＣ２１）を日時ｄｔ２１に行ったことを示す。また、ユーザＵ２が占いサイト＃２１の閲覧を行った際の位置が位置ＬＣ２１であり、天候が雨、気温が摂氏２７度（２７℃）、湿度が９０％であったことを示す。

例えば、図６の例では、ユーザＩＤ「Ｕ３」により識別されるユーザ（ユーザＵ３）は、行動ＩＤ「ＡＣ３１」により識別される行動（行動ＡＣ３１）や行動ＩＤ「ＡＣ３２」により識別される行動（行動ＡＣ３２）等を行ったことを示す。具体的には、図６の例ではユーザＵ３は、職業安定所＃３２への訪問（行動ＡＣ３２）を日時ｄｔ３２に行ったことを示す。また、ユーザＵ３が訪問した職業安定所＃３２の位置が位置ＬＣ３２であり、天候が雪、気温が摂氏２度（２℃）、湿度が６５％であったことを示す。

また、図６の例では、ユーザＵ１、ユーザＵ２、ユーザＵ３等のユーザが社会ＩＤ「ＳＣ１」により識別される社会（Ｘ国）に属することを示す。

なお、行動情報記憶部１２２は、上記に限らず、目的に応じて種々の情報を記憶してもよい。また、図６では、ユーザＩＤごとに行動情報が行動情報記憶部１２２に記憶される場合を示したが、行動情報は、ユーザＩＤごとに限らず、例えば時刻順に記憶されてもよい。

（行動統計情報記憶部１２３）
実施形態に係る行動統計情報記憶部１２３は、ユーザの行動に基づく各種の統計情報を記憶する。図７は、実施形態に係る行動統計情報記憶部の一例を示す図である。例えば、行動統計情報記憶部１２３は、各社会における所定の期間ごとの統計情報を記憶する。図７に示す行動統計情報記憶部１２３には、「社会ＩＤ」、「統計ＩＤ」、「期間」、「統計データ」、「要素」といった項目が含まれる。また、「要素」には、「パワースポット訪問者数」や「職業安定所利用者数」や「占いサイト閲覧数」や「天候（雨の日数）」といった項目が含まれる。なお、図７の例では、説明を簡単にするために４つの要素のみを図示するが、「要素」には、「クエリＱＸの使用回数」や「商品ＧＸの販売数」等の種々の要素が含まれる。また、「要素」には、統計データの要素として用いることが可能な要素であれば、どのような要素が含まれてもよい。

「社会ＩＤ」は、社会を識別するための識別情報を示す。例えば、社会ＩＤ「ＳＣ１」により識別される社会は、図１の例に示したＸ国に対応する。「統計ＩＤ」は、各統計を識別するための識別情報を示す。「期間」は、対応する統計の基となる行動情報が収集された期間を示す。例えば、統計ＩＤ「ＳＴ１」により識別される統計は、期間ＴＭ１に収集されたＸ国に属するユーザ群の行動情報に基づく統計であることを示す。期間ＴＭ１〜ＴＭ３等の長さは１週間や１ヶ月や３ヶ月等の種々の長さであってもよい。例えば、期間ＴＭ１は、２０１７年１０月の１ヶ月であり、期間ＴＭ２は、２０１７年１１月の１ヶ月であり、期間ＴＭ３は、２０１７年１２月の１ヶ月であってもよい。

「統計データ」は、統計ＩＤにより識別される統計に対応する統計データを示す。図７では「統計データ」に「ＳＴＤ１」といった概念的な情報が格納される例を示したが、実際には、各「要素」に対応する情報を含む。統計データには、各要素の回数を示す情報が含まれてもよいし、通常との比を示す情報が含まれてもよい。なお、通常とは、過去１年間における平均であってもよい。通常は、過去１年間における回数の合計を統計の収集期間の長さに対応する値（例えば統計の収集期間が１週間である場合、「７」）で除算した値（平均）であってもよい。なお、通常の算出の基となる対象は、過去１年に限らず、過去半年や過去３年等の種々の期間であってもよい。

「要素」中の「パワースポット訪問者数」は、対応する社会に属するユーザが対応する期間内にパワースポット訪問した回数を示す。また、「要素」中の「職業安定所利用者数」は、対応する社会に属するユーザが対応する期間内に職業安定所を利用した回数を示す。また、「要素」中の「占いサイト閲覧数」は、対応する社会に属するユーザが対応する期間内に占いサイトを閲覧した回数を示す。また、「要素」中の「天候（雨の日数）」は、対応する社会に属するユーザが対応する位置の天候が雨であった回数を示す。

例えば、図７に示す例において、社会ＩＤ「ＳＣ１」により識別される社会（Ｘ国）において、統計ＩＤ「ＳＴ１」や統計ＩＤ「ＳＴ２」や統計ＩＤ「ＳＴ３」等により識別される統計が行われたことを示す。また、図７に示す例において、統計ＩＤ「ＳＴ１」により識別される統計は、Ｘ国に属するユーザの行動のうち、期間ＴＭ１内に行われた行動を対象とすることを示す。統計ＩＤ「ＳＴ１」により識別される統計の統計データは、統計データＳＴＤ１であることを示す。

また、統計ＩＤ「ＳＴ１」により識別される統計においては、「パワースポット訪問者数」は「Ａ回」であり、通常より少ないことを示す。また、統計ＩＤ「ＳＴ１」により識別される統計においては、「職業安定所利用者数」は「Ｂ回」であり、通常より少ないことを示す。また、統計ＩＤ「ＳＴ１」により識別される統計においては、「占いサイト閲覧数」は「Ｃ回」であり、通常と同様であることを示す。また、統計ＩＤ「ＳＴ１」により識別される統計においては、「天候（雨の日数）」は「Ｄ回」であり、通常と同様であることを示す。この場合、統計データＳＴＤ１には、パワースポット訪問者数がＡ回であることを示す情報や、職業安定所利用者数がＢ回であることを示す情報や、占いサイト閲覧数がＣ回であることを示す情報や、雨の日数がＤ回であることを示す情報が含まれてもよい。統計データＳＴＤ１には、パワースポット訪問者数が通常より少ないことを示す情報（比率等）や、職業安定所利用者数が通常より少ないことを示す情報（比率等）や、占いサイト閲覧数が通常と同様であることを示す情報（比率「１」等）や、雨の日数が通常と同様であることを示す情報（比率「１」等）が含まれてもよい。

なお、行動統計情報記憶部１２３は、上記に限らず、目的に応じて種々の統計情報を記憶してもよい。

（情勢情報記憶部１２４）
実施形態に係る情勢情報記憶部１２４は、各社会の状況を示す情勢情報を記憶する。図８は、実施形態に係る情勢情報記憶部の一例を示す図である。例えば、情勢情報記憶部１２４は、各社会における所定の期間ごとの情勢情報を記憶する。図８に示す情勢情報記憶部１２４には、「社会ＩＤ」、「情勢ＩＤ」、「期間」、「センチメント」、「情勢情報」といった項目が含まれる。また、「情勢情報」には、「災害」や「悲報」や「経済指標」や「失業率」といった項目が含まれる。なお、図８の例では、説明を簡単にするために４つの要素のみを図示するが、「情勢情報」には、社会の状況を示す情報として用いることが可能な情報であれば、どのような情報が含まれてもよい。また、「経済指標」は、１つに限らず、「経済指標その２」、「経済指標その３」等の複数の経済指標が含まれてもよい。例えば、「情勢情報」には、情報提供元装置２０から取得された情報が記憶される。

「社会ＩＤ」は、社会を識別するための識別情報を示す。例えば、社会ＩＤ「ＳＣ１」により識別される社会は、図１の例に示したＸ国に対応する。「情勢ＩＤ」は、各情勢を識別するための識別情報を示す。「期間」は、対応する情勢情報が収集された期間を示す。例えば、情勢ＩＤ「ＣＲ１」により識別される情勢は、期間ＴＭ１に収集されたＸ国に関する情勢情報であることを示す。期間ＴＭ１〜ＴＭ３等の長さは１週間や１ヶ月や３ヶ月等の種々の長さであってもよい。例えば、期間ＴＭ１は、２０１７年１０月の１ヶ月であり、期間ＴＭ２は、２０１７年１１月の１ヶ月であり、期間ＴＭ３は、２０１７年１２月の１ヶ月であってもよい。

「センチメント」は、対応する期間における情勢情報から推定したセンチメントを示す。例えば、情勢情報から推定されたセンチメントは正解情報として用いられる。

「情勢情報」中の「災害」は、対応する社会において対応する期間内に発生した災害の回数を示す。また、「情勢情報」中の「悲報」は、対応する社会において対応する期間内に報じられた悲報の回数を示す。

また、「情勢情報」中の「経済指標」は、対応する社会において対応する期間の所定の経済指標を示す。図８では「経済指標」に「ＰＮＴ１」といった概念的な情報が格納される例を示したが、経済指標が国内総生産（ＧＤＰ：Gross Domestic Product）等である場合、実際には「５％」等、経済指標に対応する情報が記憶される。

また、「情勢情報」中の「失業率」は、経済指標の一例であり、対応する社会において対応する期間の失業率を示す。図８では「失業率」に「ＲＵ１」といった概念的な情報が格納される例を示したが、実際には「３％」等の情報が記憶される。

例えば、図８に示す例において、社会ＩＤ「ＳＣ１」により識別される社会（Ｘ国）において、情勢ＩＤ「ＣＲ１」や情勢ＩＤ「ＣＲ２」や情勢ＩＤ「ＣＲ３」等により識別される情勢が収集されたことを示す。また、図８に示す例において、情勢ＩＤ「ＣＲ１」により識別される情勢は、期間ＴＭ１内のＸ国の情勢を示す。また、期間ＴＭ１におけるＸ国のセンチメントは、「通常」であることを示す。すなわち、情勢ＩＤ「ＣＲ１」により識別される情勢に対応する情勢情報により推定されるＸ国のセンチメントは、「通常」であることを示す。

また、情勢ＩＤ「ＣＲ１」により識別される情勢においては、「災害」は「無」であり、期間ＴＭ１においてＸ国での災害はなかったことを示す。また、情勢ＩＤ「ＣＲ１」により識別される情勢においては、「悲報」は「無」であり、期間ＴＭ１においてＸ国で報じられた悲報はなかったことを示す。また、情勢ＩＤ「ＣＲ１」により識別される情勢においては、「経済指標」は「ＰＮＴ１（通常より良い）」であり、通常より良いことを示す。また、情勢ＩＤ「ＣＲ１」により識別される情勢においては、「失業率」は「ＲＵ１（通常）」であり、通常と同様であることを示す。

なお、情勢情報記憶部１２４は、上記に限らず、目的に応じて種々の統計情報を記憶してもよい。

（学習データ記憶部１２５）
実施形態に係る学習データ記憶部１２５は、学習データに関する各種情報を記憶する。図９は、実施形態に係る学習データ記憶部の一例を示す図である。例えば、学習データ記憶部１２５は、モデルの生成に用いる教師データを記憶する。図９に示す学習データ記憶部１２５には、「データＩＤ」、「正解情報」、「入力情報」といった項目が含まれる。また、「入力情報」には、「統計データ」といった項目が含まれる。

「データＩＤ」は、データを識別するための識別情報を示す。例えば、データＩＤ「ＤＩＤ１」により識別されるデータは、図１の例に示した、データＤＩＤ１に対応する。

「正解情報」は、データＩＤにより識別されるデータに対応する正解情報を示す。「正解情報」は、統計データに対応する行動情報が収集された期間におけるＸ国のセンチメントが通常であったか通常とは異なる負の状態である不安な状態であったかを示す。「正解情報」に「ＲＤＴ１」といった概念的な情報が格納される例を示したが、通常であることを示す「０」や不安な状態であることを示す「１」等、所定の情報が格納される。

「入力情報」は、データＩＤにより識別されるデータに対応する入力情報を示す。「入力情報」中の「統計データ」は、データＩＤにより識別されるデータに対応する統計データを示す。図９では「統計データ」に「ＳＴＤ１」といった概念的な情報が格納される例を示したが、実際には、図７中の行動統計情報記憶部１２３に示すような各種情報、または、その格納場所を示すファイルパス名などが格納される。

例えば、図９に示す例において、データＩＤ「ＤＩＤ１」により識別されるデータ（データＤＩＤ１）は、入力情報として、統計データＳＴＤ１を含むことを示す。また、データＤＩＤ１は、正解情報ＲＤＴ１（通常であることを示す「０」）を含むことを示す。すなわち、データＤＩＤ１は、統計データＳＴＤ１に対応する行動情報が収集された期間ＴＭ１におけるＸ国のセンチメントが通常であったことを示す学習データである。

例えば、図９に示す例において、データＩＤ「ＤＩＤ３」により識別されるデータ（データＤＩＤ３）は、入力情報として、統計データＳＴＤ３を含むことを示す。また、データＤＩＤ３は、正解情報ＲＤＴ３（不安であることを示す「１」）を含むことを示す。すなわち、データＤＩＤ３は、統計データＳＴＤ３に対応する行動情報が収集された期間ＴＭ３におけるＸ国のセンチメントが不安であったことを示す学習データである。

なお、学習データ記憶部１２５は、上記に限らず、目的に応じて種々の情報を記憶してもよい。例えば、学習データ記憶部１２５は、学習データが追加された日時に関する情報を記憶してもよい。また、例えば、学習データ記憶部１２５は、各学習データがどのような判定処理により追加されたかを示す情報を記憶してもよい。例えば、学習データ記憶部１２５は、各学習データが管理者の選択により判定されたか等を示す情報を記憶してもよい。

（モデル情報記憶部１２６）
実施形態に係るモデル情報記憶部１２６は、モデルに関する情報を記憶する。例えば、モデル情報記憶部１２６は、ユーザごとに生成されたモデル情報（モデルデータ）を記憶する。図１０は、実施形態に係るモデル情報記憶部の一例を示す図である。図１０に示すモデル情報記憶部１２６は、「モデルＩＤ」、「推定対象」、「モデルデータ」といった項目が含まれる。なお、図１０では、モデルＭ１のみを図示するが、Ｍ２、Ｍ３、Ｍ４、Ｍ５等、各推定対象に応じて多数のモデル情報が記憶されてもよい。

「モデルＩＤ」は、モデルを識別するための識別情報を示す。例えば、モデルＩＤ「Ｍ１」により識別されるモデルは、図１の例に示したモデルＭ１に対応する。「推定対象」は、対応するモデルの推定対象を示す。また、「モデルデータ」は、対応するモデルのデータを示す。例えば、「モデルデータ」には、各層におけるノードと、各ノードが採用する関数と、ノードの接続関係と、ノード間の接続に対して設定される接続係数とを含む情報が含まれる。

例えば、図１０に示す例において、モデルＩＤ「Ｍ１」により識別されるモデル（モデルＭ１）は、推定対象が「センチメントＳＮ１（不安）」であり、入力された統計データを含む入力情報に対応する期間における社会のセンチメントの推定に用いられることを示す。また、モデルＭ１のモデルデータは、モデルデータＭＤＴ１であることを示す。

モデルＭ１（モデルデータＭＤＴ１）は、所定の社会に属するユーザ群の行動から生成された統計データを含む入力情報が入力される入力層と、出力層と、入力層から出力層までのいずれかの層であって出力層以外の層に属する第１要素と、第１要素と第１要素の重みとに基づいて値が算出される第２要素と、を含み、入力層に入力された入力情報に対し、出力層以外の各層に属する各要素を第１要素として、第１要素と第１要素の重みとに基づく演算を行うことにより、所定の社会のセンチメントの推定に用いられるスコアの値を出力層から出力するよう、コンピュータを機能させるためのモデルである。

ここで、モデルＭ１等が「ｙ＝ａ_１＊ｘ_１＋ａ_２＊ｘ_２＋・・・＋ａ_ｉ＊ｘ_ｉ」で示す回帰モデルで実現されるとする。この場合、例えば、モデルＭ１が含む第１要素は、ｘ１やｘ２等といった入力データ（ｘｉ）に対応する。また、第１要素の重みは、ｘｉに対応する係数ａｉに対応する。ここで、回帰モデルは、入力層と出力層とを有する単純パーセプトロンと見做すことができる。各モデルを単純パーセプトロンと見做した場合、第１要素は、入力層が有するいずれかのノードに対応し、第２要素は、出力層が有するノードと見做すことができる。

また、モデルＭ１等がＤＮＮ等、１つまたは複数の中間層を有するニューラルネットワークで実現されるとする。この場合、例えば、モデルＭ１が含む第１要素は、入力層または中間層が有するいずれかのノードに対応する。また、第２要素は、第１要素と対応するノードから値が伝達されるノードである次段のノードに対応する。また、第１要素の重みは、第１要素と対応するノードから第２要素と対応するノードに伝達される値に対して考慮される重みである接続係数に対応する。

なお、モデル情報記憶部１２６は、上記に限らず、目的に応じて種々のモデル情報を記憶してもよい。

（コンテンツ情報記憶部１２７）
実施形態に係るコンテンツ情報記憶部１２７は、コンテンツ（記事）に関する各種情報を記憶する。図１１は、実施形態に係るコンテンツ情報記憶部の一例を示す図である。図１１に示すコンテンツ情報記憶部１２７は、「コンテンツＩＤ」、「コンテンツ」、「内容」といった項目を有する。

「コンテンツＩＤ」は、コンテンツを識別するための識別情報を示す。「コンテンツ」は、いわゆるコンテンツプロバイダ等の提供元から取得したコンテンツを示す。図１１では「コンテンツ」に「Ａコンテンツ」といった概念的な情報が格納される例を示したが、実際には、文字情報や文字情報と画像との組合せ、または、これらの格納場所を示すファイルパス名などが格納される。

また、「内容」は、対応するコンテンツの具体的な内容を示す。例えば、「内容」は、対応するコンテンツのジャンル（種別）を示す。また、「内容」は、そのコンテンツを閲覧したユーザに与える心理的な作用を示す情報が記憶される。図１１に示す「内容」中の括弧内は、コンテンツを閲覧したユーザがどのような心身状態になるかを示す。

図１１の例では、コンテンツＩＤ「ＣＴ１１」により識別されるＡコンテンツ（コンテンツＣＴ１１）は、ジャンルがスポーツであることを示す。また、コンテンツＣＴ１１は、閲覧したユーザを「楽しい」という心身状態にさせることを示す。すなわち、コンテンツＣＴ１１は、閲覧したＸ国のセンチメントを正の状態にさせることを示す。例えば、コンテンツＣＴ１１は、閲覧したＸ国のセンチメントを安心の状態にさせることを示す。

また、コンテンツＩＤ「ＣＴ１２」により識別されるＢコンテンツ（コンテンツＣＴ１２）は、ジャンルが国際であることを示す。また、コンテンツＣＴ１２は、閲覧したユーザを「悲しい」という心身状態にさせることを示す。すなわち、コンテンツＣＴ１２は、閲覧したＸ国のセンチメントを負の状態にさせることを示す。例えば、コンテンツＣＴ１２は、閲覧したＸ国のセンチメントを不安の状態にさせることを示す。

なお、コンテンツ情報記憶部１２７は、上記に限らず、目的に応じて種々の情報を記憶してもよい。例えば、コンテンツ情報記憶部１２７は、コンテンツを取得した日時やコンテンツが作成された日時に関する情報を記憶してもよい。コンテンツ情報記憶部１２７は、各提供元の評価値に関する情報を記憶してもよい。また、コンテンツ情報記憶部１２７は、コンテンツの提供元を識別するための識別情報を記憶してもよい。

（制御部１３０）
図４の説明に戻って、制御部１３０は、コントローラ（controller）であり、例えば、ＣＰＵ（Central Processing Unit）やＭＰＵ（Micro Processing Unit）等によって、推定装置１００内部の記憶装置に記憶されている各種プログラム（配信プログラムの一例に相当）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、コントローラであり、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る。制御部１３０は、モデル情報記憶部１２６に記憶されているモデルＭ１等に従った情報処理により、所定の社会に属するユーザの行動情報に基づく入力情報が入力される入力層と、出力層と、入力層から出力層までのいずれかの層であって出力層以外の層に属する第１要素と、第１要素と第１要素の重みとに基づいて値が算出される第２要素と、を含み、入力層に入力された入力情報に対し、出力層以外の各層に属する各要素を第１要素として、第１要素と第１要素の重みとに基づく演算を行うことにより、所定の社会のセンチメントの推定に用いられるスコアの値を出力層から出力する。

図４に示すように、制御部１３０は、取得部１３１と、生成部１３２と、推定部１３３と、選定部１３４と、決定部１３５と、提供部１３６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４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。

制御部１３０は、記憶部１２０に記憶されているモデルＭ１（モデルデータＭＤＴ１）に従った情報処理により、第１要素と第１要素の重みとに基づいて値が算出される第２要素と、を含み、入力層に入力された入力情報に対し、出力層以外の各層に属する各要素を第１要素として、第１要素と第１要素の重みとに基づく演算を行うことにより、所定の社会のセンチメントの推定に用いられるスコアの値を出力層から出力する。なお、モデルＭ１等のモデルは、人工知能ソフトウェアの一部であるプログラムモジュールとしての利用が想定されるものであってもよい。モデルＭ１等のモデルは、プログラムであってもよい。

（取得部１３１）
取得部１３１は、種々の情報を取得する。例えば、取得部１３１は、外部の情報処理装置から情報要求を取得する。例えば、取得部１３１は、端末装置１０等の外部装置から各種情報を取得する。また、取得部１３１は、記憶部１２０から各種情報を取得する。また、取得部１３１は、ユーザ情報記憶部１２１や、行動情報記憶部１２２や、行動統計情報記憶部１２３や、情勢情報記憶部１２４や、学習データ記憶部１２５や、モデル情報記憶部１２６や、コンテンツ情報記憶部１２７等から各種情報を取得する。また、取得部１３１は、推定部１３３の推定に応じた情報を取得する。また、取得部１３１は、決定部１３５の決定に応じた情報を取得する。例えば、取得部１３１は、記憶部１２０から社会情報を取得する。例えば、取得部１３１は、行動情報記憶部１２２や、行動統計情報記憶部１２３や、情勢情報記憶部１２４等から社会情報を取得する。

取得部１３１は、所定の社会に属するユーザ群の行動を示す行動情報を含む社会情報を取得する。また、取得部１３１は、所定の社会の情勢を示す情勢情報を含む社会情報を取得する。また、取得部１３１は、所定の社会における経済状況を示す情勢情報を含む社会情報を取得する。また、取得部１３１は、所定の社会において発生した事象を示す情勢情報を含む社会情報を取得する。取得部１３１は、所定の社会に属するユーザ群に含まれるユーザの健康状態を示す情報を取得する。取得部１３１は、ユーザ情報記憶部１２１から所定の社会に属するユーザ群に含まれるユーザの健康状態を示す情報を取得する。例えば、取得部１３１は、外部の情報処理装置から所定の社会に属するユーザの健康状態を示す情報を取得する。

また、取得部１３１は、インターネット上におけるユーザ群の行動情報を含む社会情報を取得する。また、取得部１３１は、ユーザ群が検索に用いたクエリ情報を含む社会情報を取得する。また、取得部１３１は、ユーザ群の購買情報を含む社会情報を取得する。また、取得部１３１は、ユーザ群の位置情報を含む社会情報を取得する。また、取得部１３１は、ユーザ群に対応する位置における気象情報を含む社会情報を取得する。また、取得部１３１は、社会のセンチメントの推定に用いるモデルを取得する。

取得部１３１は、所定の社会に属するユーザの行動情報を取得する。また、取得部１３１は、インターネット上におけるユーザの行動情報を取得する。また、取得部１３１は、所定の社会に属するユーザが検索に用いたクエリ情報を含む行動情報を取得する。また、取得部１３１は、所定の社会に属するユーザの購買情報を含む行動情報を取得する。また、取得部１３１は、所定の社会に属するユーザの位置情報を含む行動情報を取得する。また、取得部１３１は、所定の社会に属するユーザに対応する位置における気象情報を含む行動情報を取得する。

図１の例では、取得部１３１は、ユーザＵ１が利用する端末装置１０−１からユーザＵ１の行動情報を取得する。例えば、取得部１３１は、ユーザＵ１がクエリ＃１１を用いた検索を行ったことを示す行動情報を取得する。取得部１３１は、ユーザＵ１がＳＮＳ＃１２において投稿を行ったことを示す行動情報を取得する。取得部１３１は、ユーザＵ２が利用する端末装置１０−２からユーザＵ２の行動情報を取得する。取得部１３１は、ユーザＵ２が占いサイト＃２１を閲覧したことを示す行動情報を取得する。取得部１３１は、ユーザＵ２がパワースポット＃２２を訪問したことを示す行動情報を取得する。取得部１３１は、ユーザＵ３が利用する端末装置１０−３からユーザＵ３の行動情報を取得する。取得部１３１は、ユーザＵ３が占いサイト＃３１を閲覧したことを示す行動情報やユーザＵ３が職業安定所＃３２を訪問したことを示す行動情報を取得する。

図２の例では、取得部１３１は、ユーザＵ１が利用する端末装置１０−１からユーザＵ１の行動情報を取得する。取得部１３１は、期間ＴＭ１１においてユーザＵ１が行った各種の行動情報を取得する。また、取得部１３１は、ユーザＵ２が利用する端末装置１０−２からユーザＵ２の行動情報を取得する。取得部１３１は、期間ＴＭ１１においてユーザＵ２が行った各種の行動情報を取得する。また、取得部１３１は、ユーザＵ３が利用する端末装置１０−３からユーザＵ３の行動情報を取得する。取得部１３１は、期間ＴＭ１１においてユーザＵ３が行った各種の行動情報を取得する。

（生成部１３２）
生成部１３２は、各種情報を生成する。例えば、生成部１３２は、学習データ記憶部１２５に記憶された学習データを用いて、モデル情報記憶部１２６に示すようなモデルを生成する。例えば、生成部１３２は、取得部１３１により取得されたＸ国に属するユーザ群の行動情報を用いて、Ｘ国のセンチメントの推定に用いるスコアを出力するモデルを生成する。例えば、生成部１３２は、Ｘ国に属するユーザ群の所定の期間における行動情報から、所定の期間における統計行動情報を生成する。例えば、生成部１３２は、所定の期間における統計データを入力情報に用いて、Ｘ国のセンチメントの推定に用いるスコアを出力するモデルを生成する。また、生成部１３２は、所定の期間におけるＸ国の情勢情報から推定したＸ国のセンチメントを正解情報として、モデルを生成する。

例えば、生成部１３２は、モデルＭ１等を生成し、生成したモデルＭ１等をモデル情報記憶部１２６に格納する。なお、生成部１３２は、いかなる学習アルゴリズムを用いてモデルＭ１等を生成してもよい。例えば、生成部１３２は、ニューラルネットワーク、サポートベクターマシン（ＳＶＭ）、クラスタリング、強化学習等の学習アルゴリズムを用いてモデルＭ１等を生成する。一例として、生成部１３２がニューラルネットワークを用いてモデルＭ１等を生成する場合、モデルＭ１等は、一以上のニューロンを含む入力層と、一以上のニューロンを含む中間層と、一以上のニューロンを含む出力層とを有する。

生成部１３２は、モデルを生成し、生成したモデルをモデル情報記憶部１２６に格納する。具体的には、生成部１３２は、所定の社会に属するユーザの行動情報に基づく入力情報が入力される入力層と、出力層と、入力層から出力層までのいずれかの層であって出力層以外の層に属する第１要素と、第１要素と第１要素の重みとに基づいて値が算出される第２要素と、を含み、入力層に入力された入力情報に対し、出力層以外の各層に属する各要素を第１要素として、第１要素と第１要素の重みとに基づく演算を行うことにより、所定の社会のセンチメントの推定に用いられるスコアの値を出力層から出力するモデルを生成する。

生成部１３２は、Ｘ国に属するユーザ群の行動情報から統計情報を生成する。生成部１３２は、所定の期間ごとに、対応する期間に収集されたユーザの行動情報から統計情報を生成する。生成部１３２は、期間ＴＭ１〜ＴＭ３等の各々の期間におけるユーザＵ１やユーザＵ２やユーザＵ３等の複数のユーザの行動情報から各期間に対応する統計情報を生成する。例えば、期間ＴＭ１は、２０１７年１０月の１ヶ月であり、期間ＴＭ２は、２０１７年１１月の１ヶ月であり、期間ＴＭ３は、２０１７年１２月の１ヶ月であるものとする。

例えば、生成部１３２は、行動統計情報記憶部１２３に示すように期間ＴＭ１〜ＴＭ３等の各々に対応する統計情報を生成する。生成部１３２は、行動統計情報記憶部１２３に示すように、統計データの要素として、所定の期間における「パワースポット訪問者数」や「職業安定所利用者数」や「占いサイト閲覧数」や「天候（雨の日数）」を示す情報を生成する。

例えば、生成部１３２は、期間ＴＭ１におけるパワースポット訪問者数がＡ回であることを示す情報を生成する。また、例えば、生成部１３２は、期間ＴＭ１における職業安定所利用者数がＢ回であることを示す情報を生成する。また、例えば、生成部１３２は、期間ＴＭ１における占いサイト閲覧数がＣ回であることを示す情報を生成する。また、例えば、生成部１３２は、期間ＴＭ１における雨の日数がＤ回であることを示す情報を生成する。

また、生成部１３２は、期間ＴＭ２、ＴＭ３についても同様に統計情報を生成する。これにより、生成部１３２は、期間ＴＭ２において、パワースポットへの訪問者数がＥ回であることを示す情報や、職業安定所の利用者数がＦ回であることを示す情報を含む統計データＳＴＤ２を生成する。また、生成部１３２は、期間ＴＭ２において、占いサイトの閲覧数がＧ回であることを示す情報や、雨の日数がＨ回であることを示す情報を含む統計データＳＴＤ２を生成する。また、生成部１３２は、期間ＴＭ３において、パワースポットへの訪問者数がＩ回であることを示す情報や、職業安定所の利用者数がＪ回であることを示す情報を含む統計データＳＴＤ３を生成する。また、生成部１３２は、期間ＴＭ３において、占いサイトの閲覧数がＫ回であることを示す情報や、雨の日数がＬ回であることを示す情報を含む統計データＳＴＤ３を生成する。

そして、生成部１３２は、学習データに基づいてモデルを生成する。生成部１３２は、学習データ記憶部１２５中のデータＤＩＤ１〜ＤＩＤ３等を学習データ（教師データ）として、学習を行なうことにより、モデルを生成する。例えば、生成部１３２は、統計データの各要素を素性（特徴量）として、モデルを生成する。例えば、生成部１３２は、「パワースポット訪問者数」や「職業安定所利用者数」や「占いサイト閲覧数」や「天候（雨の日数）」等を素性（特徴量）として、モデルを生成する。

例えば、生成部１３２は、学習データ記憶部１２５に記憶されたデータＤＩＤ１〜ＤＩＤ３を用いてモデルＭ１を生成する。例えば、生成部１３２は、正解情報ＲＤＴ１が期間ＴＭ１のセンチメントが通常であったことを示す「０」である場合、モデルＭ１にデータＤＩＤ１に含まれる入力情報が入力された場合に、モデルＭ１が出力するスコアが「０」に近づくように、学習処理を行う。例えば、生成部１３２は、データＤＩＤ１の統計データＳＴＤ１等がモデルＭ１に入力された場合に、モデルＭ１が出力するスコアが「０」に近づくように、学習処理を行う。

また、例えば、生成部１３２は、正解情報ＲＤＴ３が期間ＴＭ３のセンチメントが不安であったことを示す「１」である場合、モデルＭ１にデータＤＩＤ３に含まれる入力情報が入力された場合に、モデルＭ１が出力するスコアが「１」に近づくように、学習処理を行う。例えば、生成部１３２は、データＤＩＤ３の統計データＳＴＤ３等がモデルＭ１に入力された場合に、モデルＭ１が出力するスコアが「１」に近づくように、学習処理を行う。

（推定部１３３）
推定部１３３は、種々の情報を推定する。例えば、推定部１３３は、取得部１３１に取得された情報を用いて所定の社会のセンチメントを推定する。例えば、推定部１３３は、所定の社会のセンチメントが不安かどうかを推定する。

推定部１３３は、取得部１３１により取得された社会情報に基づいて、所定の社会のセンチメントを推定する。推定部１３３は、情勢情報に基づいて、所定の社会のセンチメントを推定する。また、推定部１３３は、所定の社会のセンチメントが通常の状態とは異なる他の状態かどうかを推定する。また、推定部１３３は、所定の社会のセンチメントが通常の状態とは異なる負の状態かどうかを推定する。また、推定部１３３は、所定の社会のセンチメントが不安かどうかを推定する。推定部１３３は、社会情報とモデルとに基づいて、所定の社会のセンチメントを推定する。

図１の例では、推定部１３３は、各期間の情勢情報に基づいて、各期間のセンチメントを推定する。図１の例では、推定部１３３は、期間ＴＭ１におけるＸ国のセンチメントを通常と推定する。また、推定部１３３は、期間ＴＭ２におけるＸ国のセンチメントを通常と推定する。また、推定部１３３は、期間ＴＭ３におけるＸ国のセンチメントを不安と推定する。

図２の例では、推定部１３３は、モデルＭ１が出力したスコアに基づいて、Ｘ国のセンチメントを推定する。推定部１３３はモデルＭ１が出力したスコアと、所定の閾値とを比較することにより、Ｘ国のセンチメントを推定する。推定部１３３は、モデルＭ１が出力したスコアが所定の閾値「０．７」以上である場合、Ｘ国のセンチメントが不安であると推定する。

（選定部１３４）
選定部１３４は、種々の情報を選定する。例えば、選定部１３４は、ユーザの健康状態を示す情報やユーザが属する社会のセンチメントを示す情報に基づいて、所定の処理の対象となるユーザ（処理対象ユーザ）を選定する。

選定部１３４は、所定の社会に属するユーザ群に含まれるユーザの健康状態を示す情報と、推定部１３３により推定された所定の社会のセンチメントとに基づいて、ユーザ群のうち、所定の処理を行う対象となるユーザである処理対象ユーザを選定する。選定部１３４は、ユーザ群に含まれるユーザの健康状態と、所定の社会のセンチメントとの差が所定の条件を満たす場合、そのユーザを処理対象ユーザとして選定する。選定部１３４は、ユーザ群に含まれるユーザの健康状態が通常の状態であり、所定の社会のセンチメントが通常の状態とは異なる他の状態である場合、そのユーザを処理対象ユーザとして選定する。

例えば、選定部１３４は、Ｘ国に属するユーザの健康状態が通常の状態であり、Ｘ国のセンチメントが負の状態である場合、そのユーザを処理対象ユーザとして選定する。例えば、選定部１３４は、Ｘ国に属するユーザの健康状態が通常の状態であり、Ｘ国のセンチメントが不安な状態である場合、そのユーザを処理対象ユーザとして選定する。

図２の例では、選定部１３４は、Ｘ国のセンチメントが不安であるため、Ｘ国のセンチメントが負の状態であるとして、Ｘ国に属するユーザ群の各ユーザの健康状態に応じて、Ｘ国に属するユーザ群から処理対象ユーザを選定してもよい。例えば、選定部１３４は、Ｘ国に属するユーザＵ１〜Ｕ３等の健康状態に応じて、ユーザＵ１〜Ｕ３等の中から処理対象ユーザを選定してもよい。例えば、選定部１３４は、ユーザ情報記憶部１２１に記憶されたユーザＵ１〜Ｕ３等の健康状態に基づいて、ユーザＵ１〜Ｕ３等の中から処理対象ユーザを選定してもよい。例えば、選定部１３４は、ユーザＵ１の健康状態が通常の状態である場合、ユーザＵ１を処理対象ユーザとして選定してもよい。また、例えば、選定部１３４は、ユーザＵ１の健康状態が通常の状態とは異なる負の状態である場合、ユーザＵ１を処理対象ユーザとして選定しなくてもよい。また、例えば、選定部１３４は、ユーザＵ２の健康状態が通常の状態である場合、ユーザＵ２を処理対象ユーザとして選定してもよい。また、例えば、選定部１３４は、ユーザＵ３の健康状態が通常の状態とは異なる負の状態である場合、ユーザＵ３を処理対象ユーザとして選定しなくてもよい。このように、推定装置１００は、ユーザの健康状態とそのユーザが属する社会のセンチメントとに乖離がある場合に、そのユーザを処理対象ユーザとして選定することにより、より効率的に処理対象のターゲットとなるユーザを所定の社会の中から選定することができる。

（決定部１３５）
決定部１３５は、種々の情報を決定する。例えば、決定部１３５は、端末装置１０へ配信するコンテンツを決定する。例えば、決定部１３５は、推定部１３３により推定された所定の社会のセンチメントに基づいて、ユーザ群に適用する保険料を決定する。例えば、決定部１３５は、選定部１３４により選定された処理対象ユーザに対して提供するサービスを決定する。例えば、決定部１３５は、選定部１３４により選定された処理対象ユーザに対して種々のサービスを提供すると決定する。例えば、決定部１３５は、選定部１３４により選定された処理対象ユーザに対して、保険の営業サービスや保険のセールスサービス等の種々のサービスを提供すると決定する。

図２の例では、決定部１３５は、推定したＸ国のセンチメントに応じて、Ｘ国に属するユーザの保険料を決定する。決定部１３５は、ユーザ情報記憶部１２１に示すように、ユーザＵ１及びユーザＵ２は保険に未加入であるため、推定したＸ国のセンチメントに応じて、ユーザＵ１及びユーザＵ２の加入を推奨する際に提示する保険料を決定する。

例えば、決定部１３５は、Ｘ国のセンチメントが不安であると推定したため、他のユーザが支払う保険料よりも高い保険料をユーザＵ１及びユーザＵ２に提示すると決定する。例えば、決定部１３５は、Ｘ国に属する他のユーザが加入している保険への加入を推奨する情報提供をユーザＵ１及びユーザＵ２に行うと決定する。また、決定部１３５は、Ｘ国のセンチメントが不安であると推定したため、Ｘ国に属する他のユーザが支払う保険料よりも高い保険料をユーザＵ１及びユーザＵ２に提示すると決定する。

図２の例では、決定部１３５は、Ｘ国に属するユーザＵ４が加入しているＡ生命保険を、ユーザＵ４が支払う保険料よりも高い保険料でユーザＵ１及びユーザＵ２に提示すると決定する。例えば、決定部１３５は、ユーザＵ４が支払う保険料Ｘ円よりも高いＵＸ円を保険料としてＡ生命保険をユーザＵ１及びユーザＵ２に推奨すると決定する。

決定部１３５は、推定したＸ国のセンチメントに応じて、Ｘ国に属するユーザに提供するコンテンツ（提供コンテンツ）を決定する。決定部１３５は、コンテンツ情報記憶部１２７に記憶されたコンテンツから、ユーザＵ１への提供コンテンツを決定する。

例えば、決定部１３５は、Ｘ国のセンチメントが不安であると推定したため、コンテンツ情報記憶部１２７に記憶されたコンテンツのうち、Ｘ国に属するユーザのセンチメントを正の状態にさせるコンテンツを、Ｘ国に属するユーザへの提供コンテンツとして決定する。例えば、決定部１３５は、Ｘ国のセンチメントが不安であると推定したため、ユーザの感情や気分を高揚させるコンテンツを、ユーザＵ３への提供コンテンツとして決定する。図２の例では、決定部１３５は、Ｘ国のセンチメントが不安であると推定したため、ユーザを「楽しい」という心身状態にさせるＡコンテンツやＣコンテンツを提供コンテンツとして決定する。

（提供部１３６）
提供部１３６は、種々の情報を提供する。例えば、提供部１３６は、端末装置１０や情報提供元装置２０等の外部装置に各種情報を提供する。例えば、提供部１３６は、端末装置１０等の外部装置に各種情報を送信する。例えば、提供部１３６は、端末装置１０等の外部装置に各種情報を配信する。例えば、提供部１３６は、決定部１３５により決定された提供コンテンツを端末装置１０に提供する。例えば、提供部１３６は、選定部１３４により選定された処理対象ユーザに対して種々のサービスを提供する。例えば、提供部１３６は、選定部１３４により選定された処理対象ユーザに対して、決定部１３５により決定されたサービスを提供する。例えば、提供部１３６は、選定部１３４により選定された処理対象ユーザに対して、保険の営業サービスや保険のセールスサービス等の種々のサービスを提供する。例えば、提供部１３６は、選定部１３４により選定された処理対象ユーザに対して、コンテンツ提供等の種々の情報提供サービスを行う。

例えば、提供部１３６は、推定部１３３により推定された所定の社会のセンチメントに基づくサービスを提供する。また、提供部１３６は、推定部１３３により推定された所定の社会のセンチメントに基づく情報提供サービスを提供する。また、提供部１３６は、推定部１３３により推定された所定の社会のセンチメントに基づくコンテンツ配信サービスを提供する。

図２の例では、提供部１３６は、ユーザＵ１が利用する端末装置１０−１に情報を提供する。提供部１３６は、ユーザＵ１が利用する端末装置１０−１にＡ生命保険への加入を勧誘する情報を送信する。例えば、提供部１３６は、ユーザＵ１が選定部１３４により処理対象ユーザとして選定された場合、端末装置１０−１に情報を提供してもよい。また、例えば、提供部１３６は、ユーザＵ１が選定部１３４により処理対象ユーザとして選定されなかった場合、端末装置１０−１に情報を提供しなくもよい。提供部１３６は、ユーザＵ４が支払う保険料Ｘ円よりも高いＵＸ円を保険料としてＡ生命保険を勧める広告（例えば、広告ＡＣＸ）をユーザＵ１が利用する端末装置１０−１に配信する。例えば、提供部１３６は、Ａ生命保険を示す情報と、その保険料がＵＸ円であることを示す情報を含む広告ＡＣＸをユーザＵ１が利用する端末装置１０−１に配信する。

また、提供部１３６は、ユーザＵ２が利用する端末装置１０−２に情報を提供する。例えば、提供部１３６は、ユーザＵ２が利用する端末装置１０−２にＡ生命保険への加入を勧誘する情報を送信する。例えば、提供部１３６は、ユーザＵ２が選定部１３４により処理対象ユーザとして選定された場合、端末装置１０−２に情報を提供してもよい。また、例えば、提供部１３６は、ユーザＵ２が選定部１３４により処理対象ユーザとして選定されなかった場合、端末装置１０−２に情報を提供しなくもよい。図２の例では、提供部１３６は、ユーザＵ４が支払う保険料Ｘ円よりも高いＵＸ円を保険料としてＡ生命保険を勧める広告（例えば、広告ＡＣＸ）をユーザＵ２が利用する端末装置１０−２に配信する。例えば、提供部１３６は、Ａ生命保険を示す情報と、その保険料がＵＸ円であることを示す情報を含む広告ＡＣＸをユーザＵ２が利用する端末装置１０−２に配信する。

図２の例では、提供部１３６は、ユーザＵ１が利用する端末装置１０にコンテンツを提供する。提供部１３６は、ステップＳ２８において決定した提供コンテンツをユーザＵ３の端末装置１０−３に送信する。提供部１３６は、端末装置１０−３にＡコンテンツやＣコンテンツを提供コンテンツとして配信する。

〔４．生成処理のフロー〕
次に、図１２を用いて、実施形態に係る推定システム１による生成処理の手順について説明する。図１２は、実施形態に係る推定処理の一例を示すフローチャートである。

図１２に示すように、推定装置１００は、学習データを取得する（ステップＳ１０１）。例えば、推定装置１００は、学習データ記憶部１２５から学習データを取得する。

その後、推定装置１００は、学習データに基づきモデルを生成する（ステップＳ１０２）。図１の例では、推定装置１００は、学習データ記憶部１２５に記憶された学習データを用いてモデルＭ１を生成する。

〔５．推定処理のフロー〕
次に、図１３を用いて、実施形態に係る推定システム１による推定処理の手順について説明する。図１３は、実施形態に係る推定処理の一例を示すフローチャートである。

まず、図１３を用いて、コンテンツに関連付けるタグ情報の推定処理について説明する。図１３に示すように、推定装置１００は、社会のセンチメントの推定に用いるモデルを取得する（ステップＳ２０１）。例えば、推定装置１００は、Ｘ国のセンチメントの推定に用いるモデルを取得する。図２の例では、推定装置１００は、モデル情報記憶部１２６からモデルＭ１を取得する。

また、推定装置１００は、社会のユーザ群の行動情報を取得する（ステップＳ２０２）。例えば、推定装置１００は、Ｘ国に属するユーザＵ１やユーザＵ２やユーザＵ３等の複数のユーザから行動情報を取得する。図２の例では、推定装置１００は、Ｘ国に属するユーザＵ１やユーザＵ２やユーザＵ３等の複数のユーザの行動情報を取得する。例えば、推定装置１００は、期間ＴＭ１１におけるユーザＵ１やユーザＵ２やユーザＵ３等の複数のユーザの行動情報を取得する。

そして、推定装置１００は、ユーザ群の行動情報とモデルとに基づいて、社会のセンチメントを推定する（ステップＳ２０３）。図２の例では、推定装置１００は、期間ＴＭ１１におけるユーザＵ１やユーザＵ２やユーザＵ３等の複数のユーザの行動情報から統計情報を生成する。例えば、推定装置１００は、期間ＴＭ１１において、パワースポットへの訪問者数が通常より多いＭ回であることを示す情報や、職業安定所の利用者数が通常より多いＮ回であることを示す情報を含む統計データＳＴＤ１１を生成する。例えば、推定装置１００は、期間ＴＭ１１において、占いサイトの閲覧数が通常より多いＰ回であることを示す情報や、雨の日数が通常と同様のＱ回であることを示す情報を含む統計データＳＴＤ１１を生成する。そして、推定装置１００は、Ｘ国の期間ＴＭ１１における統計データＳＴＤ１１をモデルに入力することにより、モデルが出力するスコアに基づいて、Ｘ国のセンチメントを推定する。図１の例では、推定装置１００は、Ｘ国の期間ＴＭ１１における統計データＳＴＤ１１をモデルＭ１に入力し、モデルＭ１が出力したスコアに応じて、Ｘ国のセンチメントを推定する。

〔６．効果〕
上述してきたように、実施形態に係る推定装置１００は、取得部１３１と、推定部１３３、を有する。取得部１３１は、所定の社会に属するユーザ群の行動を示す行動情報を含む社会情報を取得する。また、推定部１３３は、取得部１３１により取得された社会情報に基づいて、所定の社会のセンチメントを推定する。

これにより、実施形態に係る推定装置１００は、所定の社会に属するユーザ群の行動を示す行動情報を含む社会情報に基づいて、所定の社会のセンチメントを推定することができ、所定の社会に関する情報を適切に推定することができる。

また、実施形態に係る推定装置１００において、取得部１３１は、所定の社会の情勢を示す情勢情報を含む社会情報を取得する。推定部１３３は、情勢情報に基づいて、所定の社会のセンチメントを推定する。

これにより、実施形態に係る推定装置１００は、所定の社会の情勢を示す情勢情報に基づいて、所定の社会のセンチメントを推定することができ、所定の社会に関する情報を適切に推定することができる。

また、実施形態に係る推定装置１００において、取得部１３１は、所定の社会における経済状況を示す情勢情報を含む社会情報を取得する。

これにより、実施形態に係る推定装置１００は、所定の社会における経済状況に基づいて、所定の社会のセンチメントを推定することができ、所定の社会に関する情報を適切に推定することができる。

また、実施形態に係る推定装置１００において、取得部１３１は、所定の社会において発生した事象を示す情勢情報を含む社会情報を取得する。

これにより、実施形態に係る推定装置１００は、所定の社会において発生した事象に基づいて、所定の社会のセンチメントを推定することができ、所定の社会に関する情報を適切に推定することができる。

また、実施形態に係る推定装置１００において、取得部１３１は、インターネット上におけるユーザ群の行動情報を含む社会情報を取得する。

これにより、実施形態に係る推定装置１００は、インターネット上におけるユーザ群の行動に基づいて、所定の社会のセンチメントを推定することができ、ユーザの状態を適切に推定することができる。

また、実施形態に係る推定装置１００において、取得部１３１は、ユーザ群が検索に用いたクエリ情報を含む社会情報を取得する。

これにより、実施形態に係る推定装置１００は、ユーザ群が検索に用いたクエリ情報に基づいて、所定の社会のセンチメントを推定することができ、ユーザの状態を適切に推定することができる。

また、実施形態に係る推定装置１００において、取得部１３１は、ユーザ群の購買情報を含む社会情報を取得する。

これにより、実施形態に係る推定装置１００は、ユーザ群の購買情報に基づいて、所定の社会のセンチメントを推定することができ、所定の社会に関する情報を適切に推定することができる。

また、実施形態に係る推定装置１００において、取得部１３１は、ユーザ群の位置情報を含む社会情報を取得する。

これにより、実施形態に係る推定装置１００は、ユーザ群の位置情報に基づいて、所定の社会のセンチメントを推定することができ、所定の社会に関する情報を適切に推定することができる。

また、実施形態に係る推定装置１００において、取得部１３１は、ユーザ群に対応する位置における気象情報を含む社会情報を取得する。

これにより、実施形態に係る推定装置１００は、ユーザ群に対応する位置における気象情報に基づいて、所定の社会のセンチメントを推定することができ、所定の社会に関する情報を適切に推定することができる。

また、実施形態に係る推定装置１００において、推定部１３３は、所定の社会のセンチメントが通常の状態とは異なる他の状態かどうかを推定する。

これにより、実施形態に係る推定装置１００は、所定の社会のセンチメントが通常の状態とは異なる他の状態かどうかを推定することができ、所定の社会に関する情報を適切に推定することができる。

また、実施形態に係る推定装置１００において、推定部１３３は、所定の社会のセンチメントが通常の状態とは異なる負の状態かどうかを推定する。

これにより、実施形態に係る推定装置１００は、所定の社会のセンチメントが通常の状態とは異なる負の状態かどうかを推定することができ、所定の社会に関する情報を適切に推定することができる。

また、実施形態に係る推定装置１００において、推定部１３３は、所定の社会のセンチメントが不安かどうかを推定する。

これにより、実施形態に係る推定装置１００は、所定の社会のセンチメントが不安かどうかを推定することができ、所定の社会に関する情報を適切に推定することができる。

また、実施形態に係る推定装置１００において、取得部１３１は、社会のセンチメントの推定に用いるモデルを取得する。推定部１３３は、社会情報とモデルとに基づいて、所定の社会のセンチメントを推定する。

これにより、実施形態に係る推定装置１００は、モデルを用いて所定の社会のセンチメントを推定することができ、所定の社会に関する情報を適切に推定することができる。

また、実施形態に係る推定装置１００は、選定部１３４を有する。選定部１３４は、所定の社会に属するユーザ群に含まれるユーザの健康状態を示す情報と、推定部１３３により推定された所定の社会のセンチメントとに基づいて、ユーザ群のうち、所定の処理を行う対象となるユーザである処理対象ユーザを選定する。

これにより、実施形態に係る推定装置１００は、所定の社会に属するユーザ群に含まれるユーザの健康状態を示す情報と、推定部１３３により推定された所定の社会のセンチメントとに基づいて、ユーザ群のうち、所定の処理を行う対象となるユーザである処理対象ユーザを選定することにより、ユーザの健康、及びそのユーザが属する社会のセンチメントの両方の状態に応じて適切に処理対象となるユーザを選定することができる。

また、実施形態に係る推定装置１００において、取得部１３１は、ユーザ群に含まれるユーザの健康状態を示す情報を取得する。選定部１３４は、ユーザ群に含まれるユーザの健康状態と、所定の社会のセンチメントとの差が所定の条件を満たす場合、そのユーザを処理対象ユーザとして選定する。

これにより、実施形態に係る推定装置１００は、ユーザ群に含まれるユーザの健康状態と、所定の社会のセンチメントとの差が所定の条件を満たす場合、そのユーザを処理対象ユーザとして選定することにより、ユーザの健康、及びそのユーザが属する社会のセンチメントの両方の状態に応じて適切に処理対象となるユーザを選定することができる。

また、実施形態に係る推定装置１００において、選定部１３４は、ユーザ群に含まれるユーザの健康状態が通常の状態であり、所定の社会のセンチメントが通常の状態とは異なる他の状態である場合、そのユーザを処理対象ユーザとして選定する。

これにより、実施形態に係る推定装置１００は、ユーザ群に含まれるユーザの健康状態が通常の状態であり、所定の社会のセンチメントが通常の状態とは異なる他の状態である場合、そのユーザを処理対象ユーザとして選定することにより、ユーザの健康、及びそのユーザが属する社会のセンチメントの両方の状態に応じて適切に処理対象となるユーザを選定することができる。

また、実施形態に係る推定装置１００は、決定部１３５を有する。決定部１３５は、推定部１３３により推定された所定の社会のセンチメントに基づいて、ユーザ群に適用する保険料を決定する。

これにより、実施形態に係る推定装置１００は、推定された所定の社会のセンチメントに基づいて、所定の社会に属するユーザ群に適用する保険料を決定でき、所定の社会のセンチメントに応じて適切な保険サービスを提供可能にすることができる。

また、実施形態に係る推定装置１００は、提供部１３６を有する。提供部１３６は、推定部１３３により推定された所定の社会のセンチメントに基づくサービスを提供する。

これにより、実施形態に係る推定装置１００は、推定された所定の社会のセンチメントに基づいて、所定の社会に属するユーザ群にサービスを提供でき、社会の状態に応じて適切なサービスを提供可能にすることができる。

また、実施形態に係る推定装置１００において、提供部１３６は、推定部１３３により推定された所定の社会のセンチメントに基づく情報提供サービスを提供する。

これにより、実施形態に係る推定装置１００は、推定された所定の社会のセンチメントに基づいて、所定の社会に属するユーザ群に適切な情報を提供することができ、社会の状態に応じて適切な情報提供サービスを提供可能にすることができる。

また、実施形態に係る推定装置１００において、提供部１３６は、推定部１３３により推定された所定の社会のセンチメントに基づくコンテンツ配信サービスを提供する。

これにより、実施形態に係る推定装置１００は、推定された所定の社会のセンチメントに基づいて、所定の社会に属するユーザ群に適切な広告を配信することができ、社会の状態に応じて適切なコンテンツ配信サービスを提供可能にすることができる。

〔７．ハードウェア構成〕
上述してきた実施形態に係る推定装置１００は、例えば図１４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１４は、推定装置の機能を実現するコンピュータの一例を示すハードウェア構成図である。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またはＨＤＤ１４００に格納されたプログラムに基づいて動作し、各部の制御を行う。ＲＯＭ１３００は、コンピュータ１０００の起動時にＣＰＵ１１００によって実行されるブートプログラムや、コンピュータ１０００のハードウェアに依存するプログラム等を格納する。

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

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

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

例えば、コンピュータ１０００が実施形態に係る推定装置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（例えば、モデルＭ１（モデルデータＭＤＴ１））を実行することにより、制御部１３０の機能を実現する。コンピュータ１０００のＣＰＵ１１００は、これらのプログラム（例えば、モデルＭ１（モデルデータＭＤＴ１））を記録媒体１８００から読み取って実行するが、他の例として、他の装置からネットワークＮを介してこれらのプログラムを取得してもよい。

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。

〔８．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 推定システム
１００ 推定装置
１２１ ユーザ情報記憶部
１２２ 行動情報記憶部
１２３ 行動統計情報記憶部
１２４ 情勢情報記憶部
１２５ 学習データ記憶部
１２６ モデル情報記憶部
１２７ コンテンツ情報記憶部
１３０ 制御部
１３１ 取得部
１３２ 生成部
１３３ 推定部
１３４ 選定部
１３５ 決定部
１３６ 提供部
１０ 端末装置
２０ 情報提供元装置
Ｎ ネットワーク

Claims (21)

1. 所定の社会に属するユーザ群の行動を示す行動情報を含む社会情報を取得する取得部と、
   前記取得部により取得された前記社会情報に基づいて生成した統計データをモデルに入力することにより当該モデルが出力するスコアを用いて、前記所定の社会のセンチメントを推定する推定部と、
   前記所定の社会に属する前記ユーザ群に含まれるユーザの健康状態を示す情報と、前記推定部により推定された前記所定の社会の前記センチメントとに基づいて、前記ユーザ群のうち、所定の処理を行う対象となるユーザである処理対象ユーザを選定する選定部と、
   を備えることを特徴とする推定装置。
2. 前記取得部は、
   前記ユーザ群に含まれるユーザの健康状態を示す情報を取得し、
   前記選定部は、
   前記ユーザ群に含まれるユーザの健康状態と、前記所定の社会の前記センチメントとの差が所定の条件を満たす場合、当該ユーザを前記処理対象ユーザとして選定する
   ことを特徴とする請求項１に記載の推定装置。
3. 前記選定部は、
   前記ユーザ群に含まれるユーザの健康状態が通常の状態であり、前記所定の社会の前記センチメントが通常の状態とは異なる他の状態である場合、当該ユーザを前記処理対象ユーザとして選定する
   ことを特徴とする請求項２に記載の推定装置。
4. 前記取得部は、
   前記所定の社会の情勢を示す情勢情報を含む前記社会情報を取得し、
   前記推定部は、
   前記情勢情報に基づいて、前記所定の社会の前記センチメントを推定する
   ことを特徴とする請求項１〜３のいずれか１項に記載の推定装置。
5. 前記取得部は、
   前記所定の社会における経済状況を示す前記情勢情報を含む前記社会情報を取得する
   ことを特徴とする請求項４に記載の推定装置。
6. 前記取得部は、
   前記所定の社会において発生した事象を示す前記情勢情報を含む前記社会情報を取得する
   ことを特徴とする請求項４または請求項５に記載の推定装置。
7. 前記取得部は、
   インターネット上における前記ユーザ群の行動情報を含む前記社会情報を取得する
   ことを特徴とする請求項１〜６のいずれか１項に記載の推定装置。
8. 前記取得部は、
   前記ユーザ群が検索に用いたクエリ情報を含む前記社会情報を取得する
   ことを特徴とする請求項７に記載の推定装置。
9. 前記取得部は、
   前記ユーザ群の購買情報を含む前記社会情報を取得する
   ことを特徴とする請求項１〜８のいずれか１項に記載の推定装置。
10. 前記取得部は、
    前記ユーザ群の位置情報を含む前記社会情報を取得する
    ことを特徴とする請求項１〜９のいずれか１項に記載の推定装置。
11. 前記取得部は、
    前記ユーザ群に対応する位置における気象情報を含む前記社会情報を取得する
    ことを特徴とする請求項１〜１０のいずれか１項に記載の推定装置。
12. 前記推定部は、
    前記所定の社会の前記センチメントが通常の状態とは異なる他の状態かどうかを推定する
    ことを特徴とする請求項１〜１１のいずれか１項に記載の推定装置。
13. 前記推定部は、
    前記所定の社会の前記センチメントが通常の状態とは異なる負の状態かどうかを推定する
    ことを特徴とする請求項１２に記載の推定装置。
14. 前記推定部は、
    前記所定の社会の前記センチメントが不安かどうかを推定する
    ことを特徴とする請求項１３に記載の推定装置。
15. 前記取得部は、
    社会の前記センチメントの推定に用いるモデルを取得し、
    前記推定部は、
    前記社会情報と前記モデルとに基づいて、前記所定の社会の前記センチメントを推定する
    ことを特徴とする請求項１〜１４のいずれか１項に記載の推定装置。
16. 前記推定部により推定された前記所定の社会の前記センチメントに基づいて、前記ユーザ群に適用する保険料を決定する決定部、
    をさらに備えることを特徴とする請求項１〜１５のいずれか１項に記載の推定装置。
17. 前記推定部により推定された前記所定の社会の前記センチメントに基づくサービスを提供する提供部、
    をさらに備えることを特徴とする請求項１〜１６のいずれか１項に記載の推定装置。
18. 前記提供部は、
    前記推定部により推定された前記所定の社会の前記センチメントに基づく情報提供サービスを提供する
    ことを特徴とする請求項１７に記載の推定装置。
19. 前記提供部は、
    前記推定部により推定された前記所定の社会の前記センチメントに基づくコンテンツ配信サービスを提供する
    ことを特徴とする請求項１７または請求項１８に記載の推定装置。
20. コンピュータが実行する推定方法であって、
    所定の社会に属するユーザ群の行動を示す行動情報を含む社会情報を取得する取得工程と、
    前記取得工程により取得された前記社会情報に基づいて生成した統計データをモデルに入力することにより当該モデルが出力するスコアを用いて、前記所定の社会のセンチメントを推定する推定工程と、
    前記所定の社会に属する前記ユーザ群に含まれるユーザの健康状態を示す情報と、前記推定工程により推定された前記所定の社会の前記センチメントとに基づいて、前記ユーザ群のうち、所定の処理を行う対象となるユーザである処理対象ユーザを選定する選定工程と、
    を含むことを特徴とする推定方法。
21. 所定の社会に属するユーザ群の行動を示す行動情報を含む社会情報を取得する取得手順と、
    前記取得手順により取得された前記社会情報に基づいて生成した統計データをモデルに入力することにより当該モデルが出力するスコアを用いて、前記所定の社会のセンチメントを推定する推定手順と、
    前記所定の社会に属する前記ユーザ群に含まれるユーザの健康状態を示す情報と、前記推定手順により推定された前記所定の社会の前記センチメントとに基づいて、前記ユーザ群のうち、所定の処理を行う対象となるユーザである処理対象ユーザを選定する選定手順と、
    をコンピュータに実行させることを特徴とする推定プログラム。

Images