JP6885858B2 - 推定装置、推定方法、及び推定プログラム - Google Patents
推定装置、推定方法、及び推定プログラム Download PDFInfo
- Publication number
- JP6885858B2 JP6885858B2 JP2017241030A JP2017241030A JP6885858B2 JP 6885858 B2 JP6885858 B2 JP 6885858B2 JP 2017241030 A JP2017241030 A JP 2017241030A JP 2017241030 A JP2017241030 A JP 2017241030A JP 6885858 B2 JP6885858 B2 JP 6885858B2
- Authority
- JP
- Japan
- Prior art keywords
- user
- target user
- estimation
- mental
- unit
- 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 64
- 230000003340 mental effect Effects 0.000 claims description 190
- 208000019901 Anxiety disease Diseases 0.000 claims description 107
- 230000036506 anxiety Effects 0.000 claims description 107
- 230000036541 health Effects 0.000 claims description 70
- 238000012545 processing Methods 0.000 claims description 66
- 230000006996 mental state Effects 0.000 claims description 45
- 230000008569 process Effects 0.000 claims description 28
- 238000010187 selection method Methods 0.000 claims 4
- 125000002066 L-histidyl group Chemical group [H]N1C([H])=NC(C([H])([H])[C@](C(=O)[*])([H])N([H])[H])=C1[H] 0.000 claims 1
- 230000006399 behavior Effects 0.000 description 180
- 230000006400 anxiety behaviour Effects 0.000 description 74
- 230000009471 action Effects 0.000 description 73
- 238000010586 diagram Methods 0.000 description 29
- 206010028980 Neoplasm Diseases 0.000 description 11
- 201000011510 cancer Diseases 0.000 description 11
- 230000006870 function Effects 0.000 description 11
- 230000010365 information processing Effects 0.000 description 11
- 210000004027 cell Anatomy 0.000 description 7
- 238000004891 communication Methods 0.000 description 7
- 238000013528 artificial neural network Methods 0.000 description 6
- 101150105144 UL21 gene Proteins 0.000 description 5
- 238000012986 modification Methods 0.000 description 5
- 230000004048 modification Effects 0.000 description 5
- 238000013459 approach Methods 0.000 description 4
- 210000004556 brain Anatomy 0.000 description 4
- 230000008859 change Effects 0.000 description 4
- 230000003542 behavioural effect Effects 0.000 description 3
- 238000007796 conventional method Methods 0.000 description 3
- 239000003814 drug Substances 0.000 description 3
- 229940079593 drug Drugs 0.000 description 3
- 230000008451 emotion Effects 0.000 description 3
- 238000003384 imaging method Methods 0.000 description 3
- 238000010801 machine learning Methods 0.000 description 3
- 230000036651 mood Effects 0.000 description 3
- 210000002569 neuron Anatomy 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 239000004065 semiconductor Substances 0.000 description 3
- 238000012706 support-vector machine Methods 0.000 description 3
- 208000027418 Wounds and injury Diseases 0.000 description 2
- 239000003795 chemical substances by application Substances 0.000 description 2
- 238000013527 convolutional neural network Methods 0.000 description 2
- 230000006378 damage Effects 0.000 description 2
- 238000013135 deep learning Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000001939 inductive effect Effects 0.000 description 2
- 208000014674 injury Diseases 0.000 description 2
- 241000132179 Eurotium medium Species 0.000 description 1
- 101001136140 Pinus strobus Putative oxygen-evolving enhancer protein 2 Proteins 0.000 description 1
- 239000008186 active pharmaceutical agent Substances 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 201000010099 disease Diseases 0.000 description 1
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 230000006855 networking Effects 0.000 description 1
- 230000004800 psychological effect Effects 0.000 description 1
- 238000012797 qualification Methods 0.000 description 1
- 230000000306 recurrent effect Effects 0.000 description 1
- 230000002787 reinforcement Effects 0.000 description 1
Images
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Description
〔1.推定処理のフロー〕
まず、図1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1は、実施形態に係る推定処理の一例を示す図である。図1の例では、推定装置100は、ユーザ及びカテゴリの組合せごとに生成された学習モデル(以下、「モデル」ともいう)を用いて、ユーザの心身状態を推定する場合を一例として説明する。図1の例では、ユーザの心身状態が通常と異なる負の状態である不安な状態かどうかを推定する。また、図1の例では、ユーザの心身状態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、ユーザの心身状態は不安に限らず、安心や疾病中等の種々の心身状態であってもよい。また、図1の例では、心身状態を推定するカテゴリとして、仕事、健康、将来、不明等を示すが、カテゴリは、種々のカテゴリであってもよい。
まず、図1及び図2に示す推定システム1について説明する。図2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2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2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。
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、ユーザの心身状態に応じて、ユーザに広告を提供する。すなわち、推定装置100は、ユーザの心身状態に応じて、ユーザに広告を配信する。例えば、推定装置100は、ユーザの仕事における心身状態が不安である場合、ユーザに仕事の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、ユーザの仕事における心身状態が不安である場合、ユーザに転職サイトの広告や自己啓発の広告等を提供してもよい。
上述した例では、ユーザの心身状態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、ユーザの心身状態であれば、どのようなユーザの心身状態を推定してもよい。例えば、推定装置100は、ユーザの心身状態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、ユーザの心身状態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、ユーザの心身状態が疾病中であるかを推定してもよい。この場合、推定装置100は、ユーザの心身状態が疾病中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、推定装置100が推定する心身状態は、喜び、怒り、悲しみ、楽しみ、無感情等の感情であってもよい。
また、上述した例では、心身状態を推定する対象カテゴリが「仕事」である場合を一例として説明したが、心身状態を推定する対象カテゴリは、「健康」、「将来」、「不明」であってもよい。また、心身状態を推定する対象カテゴリは、「家庭」や「お金」等のユーザの心身状態を推定する対象となるカテゴリであれば、どのようなカテゴリであってもよい。
次に、図3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3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3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3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、モデル情報記憶部123と、レベル情報記憶部124と、コンテンツ情報記憶部125とを有する。
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4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4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。
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5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、ユーザのインターネット上における行動等のユーザの行動情報を記憶する。図5に示す行動情報記憶部122には、「ユーザID」、「行動ID」、「日時」、「位置」、「気象(天候、気温、湿度…)」、「内容」、「行動情報」といった項目が含まれる。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。
実施形態に係るモデル情報記憶部123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123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6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6の例では、モデル情報記憶部123は、モデルデータセット123−1やモデルデータセット123−2やモデルデータセット123−3等のように対象ユーザごとに情報(テーブル)を記憶する。図6に示すモデルデータセット123−1〜123−3等は、「対象ユーザ」、「モデルID」、「対象カテゴリ」、「モデルデータ」といった項目が含まれる。なお、図6では、モデルM1−1〜M3−4等を図示するが、M1−5、M3−5等、各ユーザとカテゴリの組合せに応じて多数のモデル情報が記憶されてもよい。
実施形態に係るレベル情報記憶部124は、レベルに関する各種情報を記憶する。例えば、レベル情報記憶部124は、各カテゴリのレベルに関する各種情報を記憶する。図7は、実施形態に係るレベル情報記憶部の一例を示す図である。例えば、レベル情報記憶部124には、「レベル」と「カテゴリ」との組み合わせによる判定条件が記憶される。具体的には、レベル情報記憶部124には、行「レベル」と列「カテゴリ」とする各マスには、対応するカテゴリにおけるユーザの心身状態のレベルのスコアに基づく判定条件を示す情報が記憶される。図7の例では、レベル情報記憶部124には、行「レベル」と列「カテゴリ」とする各マスには、対応するカテゴリにおけるユーザの不安のレベルのスコアに基づく判定条件を示す情報が記憶される。
実施形態に係るコンテンツ情報記憶部125は、コンテンツ(記事)に関する各種情報を記憶する。図8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8に示すコンテンツ情報記憶部125は、「コンテンツID」、「コンテンツ」、「内容」といった項目を有する。
図3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123に記憶されているモデルM1−1等に従った情報処理により、ユーザの行動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行動情報に対し、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、ユーザの心身状態の推定に用いられるスコアの値を出力層から出力する。
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、モデル情報記憶部123や、レベル情報記憶部124や、コンテンツ情報記憶部125等から各種情報を取得する。また、取得部131は、選択部132の選択に応じた情報を取得する。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、対象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から対象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対象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、決定部135の決定に応じた情報を取得する。
選択部132は、種々の情報を選択する。例えば、選択部132は、心身状態の推定に用いるモデルを選択する。
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ユーザの心身状態を推定する。例えば、推定部133は、ユーザの心身状態を推定する。
選定部134は、種々の情報を選定する。例えば、選定部134は、ユーザの心身状態を示す情報やユーザの健康状態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。
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、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。
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。
次に、図9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9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。
上述した実施形態に係る推定システム1は、上記実施形態以外にも種々の異なる態様にて実施されてもよい。例えば、所定の不安行動のリストとレベル推定規則とを用いた推定処理が行われてもよい。そこで、以下では、上記の推定システム1の他の実施形態について説明する。なお、上述した実施形態と同様の点については同様の符号を付す等して適宜説明を省略する。例えば、実施形態に係る推定システム1と変形例における推定システムとは、推定装置100と推定装置100Aとの相違以外は同様の構成である。以下、推定装置100Aによる推定処理について説明する。
まず、図10を用いて、変形例に係る推定システムにおける推定処理について説明する。図10は、変形例に係る推定処理の一例を示す図である。図10を用いて、推定装置100AがユーザU2を対象ユーザとして、ユーザU2の心理状態が不安かどうかを推定する場合を説明する。
次に、図11を用いて、変形例に係る推定装置100Aの構成について説明する。図11は、変形例に係る推定装置100Aの構成例を示す図である。図11に示すように、推定装置100Aは、通信部110と、記憶部120Aと、制御部130Aとを有する。なお、推定装置100Aについては、実施形態に係る推定装置100と同様の点については、適宜説明を省略する。
記憶部120Aは、例えば、RAM、フラッシュメモリ等の半導体メモリ素子、または、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。変形例に係る記憶部120Aは、図11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、レベル推定規則情報記憶部123Aと、不安行動リスト情報記憶部124Aとを有する。
変形例に係るレベル推定規則情報記憶部123Aは、レベル推定規則(レベル推定モデル)に関する各種情報を記憶する。レベル推定規則情報記憶部123Aは、ユーザの心身状態のレベルの推定に用いる各種情報を記憶する。例えば、レベル推定規則情報記憶部123Aは、各カテゴリのレベルの推定に用いる各種情報を記憶する。図12は、変形例に係るレベル推定規則情報記憶部の一例を示す図である。例えば、レベル推定規則情報記憶部123Aには、「レベル」と「カテゴリ」との組み合わせによる推定モデル(推定規則)が記憶される。具体的には、レベル推定規則情報記憶部123Aには、行「レベル」と列「カテゴリ」とする各マスには、対応するカテゴリにおけるユーザの心身状態のレベルのスコアに基づく推定規則を示す情報(ルール情報)が記憶される。図12の例では、レベル推定規則情報記憶部123Aには、行「レベル」と列「カテゴリ」とする各マスには、ユーザの不安行動に基づくカテゴリごとの不安レベルの推定モデルを示す情報が記憶される。
変形例に係る不安行動リスト情報記憶部124Aは、不安行動に関する情報を記憶する。例えば、不安行動リスト情報記憶部124Aは、カテゴリごとに対応付けられた不安行動のリスト(一覧)情報を記憶する。図13は、変形例に係る不安行動リスト情報記憶部の一例を示す図である。図13の例では、不安行動リスト情報記憶部124Aは、行動一覧セット124A−1や行動一覧セット124A−2や行動一覧セット124A−3や行動一覧セット124A−4等のようにカテゴリごとに情報(テーブル)を記憶する。図13に示す行動一覧セット124A−1〜124A−4等は、「カテゴリ」、「種別」、「不安行動リスト」といった項目が含まれる。なお、各カテゴリ及び種別の不安行動は推定装置100Aの管理者が設定してもよい。また、推定装置100Aは、全カテゴリに共通の不安行動リストを用いてもよい。
制御部130Aは、コントローラ(controller)であり、例えば、CPUやMPU等によって、推定装置100A内部の記憶装置に記憶されている各種プログラム(推定プログラムや生成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130Aは、コントローラ(controller)であり、例えば、ASICやFPGA等の集積回路により実現される。
変形例に係る取得部131は、実施形態に係る取得部131と同様の処理を行う。取得部131は、実施形態に係る取得部131と同様に種々の情報を取得する。
変形例に係る推定部133Aは、実施形態に係る推定部133と同様の処理を行う。推定部133Aは、実施形態に係る推定部133と同様に種々の推定を行う。推定部133Aは、実施形態に係る推定部133と同様に種々の情報を推定する。
変形例に係る決定部135Aは、実施形態に係る決定部135と同様の処理を行う。決定部135Aは、実施形態に係る決定部135と同様に種々の決定を行う。決定部135Aは、実施形態に係る決定部135と同様に種々の情報を決定する。
変形例に係る提供部136Aは、実施形態に係る提供部136と同様の処理を行う。提供部136Aは、実施形態に係る提供部136と同様に種々の提供を行う。提供部136Aは、実施形態に係る提供部136と同様に種々の情報を提供する。
生成部136は、種々の生成を行う。例えば、生成部136は、モデルを生成する。例えば、生成部136は、図6中のモデル情報記憶部123に示すような各種モデルを生成する。
また、推定装置100Aは、ユーザ属性ごとに対応付けられたレベル推定規則情報を用いてもよい。例えば、推定装置100Aは、20代男性、20代女性、30代男性等のユーザ属性ごと対応付けられたレベル推定規則情報を用いてもよい。この点について図14を用いて説明する。図14は、変形例に係るレベル推定規則情報記憶部の他の一例を示す図である。
変形例に係るレベル推定規則情報記憶部123Bは、レベル推定規則に関する各種情報を記憶する。レベル推定規則情報記憶部123Bは、ユーザの心身状態のレベルの推定に用いる各種情報を記憶する。例えば、レベル推定規則情報記憶部123Bは、各カテゴリのレベルの推定に用いる各種情報を記憶する。図14は、変形例に係るレベル推定規則情報記憶部の一例を示す図である。図14の例では、レベル推定規則情報記憶部123Bは、レベル推定規則セット123B−1やレベル推定規則セット123B−2やレベル推定規則セット123B−3等のようにユーザ属性ごとに情報(テーブル)を記憶する。図14に示すレベル推定規則セット123B−1〜123B−3等は、「ユーザ属性」の項目を有し、「レベル」と「カテゴリ」との組み合わせによる推定モデル(推定規則)が記憶される。具体的には、レベル推定規則セット123B−1〜123B−3等には、行「レベル」と列「カテゴリ」とする各マスには、対応するカテゴリにおけるユーザの心身状態のレベルのスコアに基づく推定規則を示す情報(ルール情報)が記憶される。図14の例では、レベル推定規則情報記憶部123Bには、行「レベル」と列「カテゴリ」とする各マスには、ユーザの不安行動に基づくカテゴリごとの不安レベルの推定モデルを示す情報が記憶される。
例えば、推定装置100Aは、生成したモデルを用いた推定を行う場合、実施形態に係る推定装置100と同様の処理を行ってもよい。また、この場合、推定装置100Aの記憶部120Aは、モデル情報記憶部123やレベル情報記憶部124やコンテンツ情報記憶部125を有してもよい。また、推定装置100Aの制御部130Aは、選択部132を有してもよい。例えば、推定装置100Aがモデルを用いた推定を行う場合、推定装置100Aは、実施形態に係る推定装置100と一体であってもよい。
上述してきたように、実施形態に係る推定装置100及び変形例に係る推定装置100Aは、取得部131と、推定部133、133Aとを有する。取得部131は、対象ユーザの行動情報を取得する。また、推定部133、133Aは、取得部131により取得された対象ユーザの行動を示す行動情報に基づいて、対象ユーザの心身状態を推定する。
上述してきた実施形態に係る推定装置100及び変形例に係る推定装置100Aは、例えば図15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15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。
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。
100 推定装置
121 ユーザ情報記憶部
122 行動情報記憶部
123 モデル情報記憶部
124 レベル情報記憶部
125 コンテンツ情報記憶部
130 制御部
131 取得部
132 選択部
133 推定部
134 選定部
135 決定部
136 提供部
10 端末装置
50 情報提供元装置
N ネットワーク
Claims (29)
- 対象ユーザの行動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対象ユーザの行動を示す行動情報に基づいて、ユーザの心身状態を推定する対象となり、ユーザが人生において不安を抱く対象となる複数のカテゴリのうち、前記対象ユーザの属性情報と前記対象ユーザの行動情報とに応じた対象カテゴリにおける前記対象ユーザの心身状態を推定する推定部と、
を備えることを特徴とする推定装置。 - 前記取得部は、
インターネット上における前記対象ユーザの前記行動情報を取得する
ことを特徴とする請求項1に記載の推定装置。 - 前記取得部は、
前記対象ユーザが検索に用いたクエリ情報を含む前記行動情報を取得する
ことを特徴とする請求項2に記載の推定装置。 - 前記取得部は、
前記対象ユーザの購買情報を含む前記行動情報を取得する
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。 - 前記取得部は、
前記対象ユーザの位置情報を含む前記行動情報を取得する
ことを特徴とする請求項1〜4のいずれか1項に記載の推定装置。 - 前記取得部は、
前記対象ユーザに対応する位置における気象情報を含む前記行動情報を取得する
ことを特徴とする請求項1〜5のいずれか1項に記載の推定装置。 - 前記推定部は、
前記対象ユーザの心身状態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1〜6のいずれか1項に記載の推定装置。 - 前記推定部は、
前記対象ユーザの心身状態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7に記載の推定装置。 - 前記推定部は、
前記対象ユーザの心身状態が不安かどうかを推定する
ことを特徴とする請求項8に記載の推定装置。 - 前記取得部は、
ユーザの行動情報から前記ユーザの心身状態の推定に用いるモデルを取得し、
前記推定部は、
前記対象ユーザの行動情報と前記モデルとに基づいて、前記対象ユーザの心身状態を推定する
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。 - 前記取得部は、
前記対象ユーザの心身状態の推定として、前記心身状態の複数のレベルのうち、前記ユーザの前記心身状態がいずれのレベルであるかの推定に用いる前記モデルを取得し、
前記推定部は、
前記対象ユーザの行動情報が入力された場合に前記モデルが出力するスコアに基づいて、前記対象ユーザの心身状態の推定として、前記対象ユーザの前記心身状態のレベルを推定する
ことを特徴とする請求項10に記載の推定装置。 - 所定の対象毎に生成された複数の前記モデルのうち、所定の条件に基づいて一の前記モデルを選択する選択部、
をさらに備え、
前記推定部は、
前記選択部により選択された前記一の前記モデルに基づいて、前記対象ユーザの心身状態を推定する
ことを特徴とする請求項10または請求項11に記載の推定装置。 - 前記選択部は、
前記ユーザごとに生成される前記複数の前記モデルのうち、前記対象ユーザに対応する前記一の前記モデルを選択し、
前記推定部は、
前記選択部により選択された前記一の前記モデルに基づいて、前記対象ユーザの心身状態を推定する
ことを特徴とする請求項12に記載の推定装置。 - 前記選択部は、
前記ユーザの前記心身状態を推定する対象となる複数のカテゴリ毎に生成される前記複数の前記モデルのうち、推定の対象となる対象カテゴリに対応する前記一の前記モデルを選択し、
前記推定部は、
前記選択部により選択された前記一の前記モデルに基づいて、前記対象カテゴリにおける前記対象ユーザの心身状態を推定する
ことを特徴とする請求項12に記載の推定装置。 - 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当該ユーザの前記心身状態とに基づいて、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、
をさらに備え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。 - 前記取得部は、
前記対象ユーザの健康状態を示す情報を取得し、
前記選定部は、
前記対象ユーザの健康状態と、前記対象ユーザの心身状態との差が所定の条件を満たす場合、前記対象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15に記載の推定装置。 - 前記選定部は、
前記対象ユーザの健康状態が通常の状態であり、前記対象ユーザの心身状態が前記通常の状態とは異なる他の状態である場合、前記対象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16に記載の推定装置。 - 前記推定部により推定された前記対象ユーザの前記心身状態に基づいて、前記対象ユーザ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1〜17のいずれか1項に記載の推定装置。 - 前記推定部により推定された前記対象ユーザの前記心身状態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1〜18のいずれか1項に記載の推定装置。 - 前記提供部は、
前記推定部により推定された前記対象ユーザの前記心身状態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19に記載の推定装置。 - 前記提供部は、
前記推定部により推定された前記対象ユーザの前記心身状態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19または請求項20に記載の推定装置。 - コンピュータが実行する推定方法であって、
対象ユーザの行動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対象ユーザの行動を示す行動情報に基づいて、ユーザの心身状態を推定する対象となり、ユーザが人生において不安を抱く対象となる複数のカテゴリのうち、前記対象ユーザの属性情報と前記対象ユーザの行動情報とに応じた対象カテゴリにおける前記対象ユーザの心身状態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。 - 対象ユーザの行動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対象ユーザの行動を示す行動情報に基づいて、ユーザの心身状態を推定する対象となり、ユーザが人生において不安を抱く対象となる複数のカテゴリのうち、前記対象ユーザの属性情報と前記対象ユーザの行動情報とに応じた対象カテゴリにおける前記対象ユーザの心身状態を推定する推定手順と、
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。 - 対象ユーザの行動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対象ユーザの行動を示す行動情報に基づいて、前記対象ユーザの心身状態を推定する推定部と、
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当該ユーザの前記心身状態とに基づいて、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。 - コンピュータが実行する推定方法であって、
対象ユーザの行動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対象ユーザの行動を示す行動情報に基づいて、前記対象ユーザの心身状態を推定する推定工程と、
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当該ユーザの前記心身状態とに基づいて、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。 - 対象ユーザの行動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対象ユーザの行動を示す行動情報に基づいて、前記対象ユーザの心身状態を推定する推定手順と、
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当該ユーザの前記心身状態とに基づいて、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。 - ユーザの心身状態を推定する対象となる複数のカテゴリ毎に生成される複数のモデルと、対象ユーザの行動情報とを取得する取得部と、
前記複数のモデルのうち、推定の対象となる対象カテゴリに対応する一のモデルを選択する選択部と、
前記取得部により取得された前記対象ユーザの行動を示す行動情報と、前記選択部により選択された前記一のモデルとに基づいて、前記対象カテゴリにおける前記対象ユーザの心身状態を推定する推定部と、
を備えることを特徴とする推定装置。 - コンピュータが実行する推定方法であって、
ユーザの心身状態を推定する対象となる複数のカテゴリ毎に生成される複数のモデルと、対象ユーザの行動情報とを取得する取得工程と、
前記複数のモデルのうち、推定の対象となる対象カテゴリに対応する一のモデルを選択する選択工程と、
前記取得工程により取得された前記対象ユーザの行動を示す行動情報と、前記選択工程により選択された前記一のモデルとに基づいて、前記対象カテゴリにおける前記対象ユーザの心身状態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。 - ユーザの心身状態を推定する対象となる複数のカテゴリ毎に生成される複数のモデルと、対象ユーザの行動情報とを取得する取得手順と、
前記複数のモデルのうち、推定の対象となる対象カテゴリに対応する一のモデルを選択する選択手順と、
前記取得手順により取得された前記対象ユーザの行動を示す行動情報と、前記選択手順により選択された前記一のモデルとに基づいて、前記対象カテゴリにおける前記対象ユーザの心身状態を推定する推定手順と、
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。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2017241030A JP6885858B2 (ja) | 2017-12-15 | 2017-12-15 | 推定装置、推定方法、及び推定プログラム |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2017241030A JP6885858B2 (ja) | 2017-12-15 | 2017-12-15 | 推定装置、推定方法、及び推定プログラム |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2019109620A JP2019109620A (ja) | 2019-07-04 |
JP6885858B2 true JP6885858B2 (ja) | 2021-06-16 |
Family
ID=67179784
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2017241030A Active JP6885858B2 (ja) | 2017-12-15 | 2017-12-15 | 推定装置、推定方法、及び推定プログラム |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP6885858B2 (ja) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2021117926A (ja) * | 2020-01-29 | 2021-08-10 | キヤノン株式会社 | 医用情報処理システム、医用情報処理装置、医用情報処理システムの制御方法、及びプログラム |
JP7004886B1 (ja) * | 2021-03-09 | 2022-01-21 | 合同会社Famc | ユーザに好適な商品またはサービスを決定するためのシステム、方法、およびプログラム |
JP7016980B1 (ja) * | 2021-03-18 | 2022-02-07 | ヤフー株式会社 | 情報処理装置、情報処理方法及び情報処理プログラム |
Family Cites Families (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2002245253A (ja) * | 2001-02-20 | 2002-08-30 | Sony Corp | 情報処理装置、情報処理方法及び情報処理装置のプログラム |
JP4261930B2 (ja) * | 2003-01-31 | 2009-05-13 | 三井住友海上火災保険株式会社 | 保険提示システム、保険提示サーバ、保険提示方法、及びプログラム |
JP2005190388A (ja) * | 2003-12-26 | 2005-07-14 | Matsushita Electric Ind Co Ltd | プログラム実行方法、電子機器及び携帯端末装置 |
JP5080298B2 (ja) * | 2008-01-31 | 2012-11-21 | 株式会社エヌ・ティ・ティ・ドコモ | コンディション推定装置、及び、コンディション推定プログラム |
JP2013105232A (ja) * | 2011-11-11 | 2013-05-30 | Nippon Telegr & Teleph Corp <Ntt> | 感情推定装置及び感情推定方法 |
JP5982322B2 (ja) * | 2013-05-13 | 2016-08-31 | 日本電信電話株式会社 | 感情推定方法、装置及びプログラム |
US20160063874A1 (en) * | 2014-08-28 | 2016-03-03 | Microsoft Corporation | Emotionally intelligent systems |
JP6561996B2 (ja) * | 2014-11-07 | 2019-08-21 | ソニー株式会社 | 情報処理装置、制御方法、および記憶媒体 |
JP6478327B2 (ja) * | 2015-07-02 | 2019-03-06 | Kddi株式会社 | センサを搭載しない携帯端末におけるユーザ状態を推定するサーバ及びプログラム |
JP6436030B2 (ja) * | 2015-09-17 | 2018-12-12 | トヨタ自動車株式会社 | ライフログ記録システム |
US9566411B1 (en) * | 2016-01-21 | 2017-02-14 | Trungram Gyaltrul R. Sherpa | Computer system for determining a state of mind and providing a sensory-type antidote to a subject |
JP6784499B2 (ja) * | 2016-03-15 | 2020-11-11 | ヤフー株式会社 | 決定装置、決定方法及び決定プログラム |
JP6352357B2 (ja) * | 2016-10-05 | 2018-07-04 | ヤフー株式会社 | モデル生成装置、モデル生成方法、及びモデル生成プログラム |
-
2017
- 2017-12-15 JP JP2017241030A patent/JP6885858B2/ja active Active
Also Published As
Publication number | Publication date |
---|---|
JP2019109620A (ja) | 2019-07-04 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10318534B2 (en) | Recommendations in a computing advice facility | |
Campbell et al. | A risk of meaning transfer: Are negative associations more likely to transfer than positive associations? | |
JP7160980B2 (ja) | 情報提供装置、情報提供方法、およびプログラム | |
CN103119620A (zh) | 基于推测的社会关系的行为建议 | |
KR20130099240A (ko) | 컴퓨팅 어드바이스 수단에서의 흥미도 추천 | |
JP6885858B2 (ja) | 推定装置、推定方法、及び推定プログラム | |
JP6601821B2 (ja) | 決定装置、決定方法、決定プログラム、情報処理装置、情報処理方法、及び情報処理プログラム | |
CN115862806A (zh) | 一种基于隐私保护的健康画像构建方法 | |
JP2020095608A (ja) | 情報処理装置、情報処理方法、及び情報処理プログラム | |
JP6865153B2 (ja) | 推定装置、推定方法、及び推定プログラム | |
JP6774763B2 (ja) | 推定装置、推定方法、及び推定プログラム | |
US11580573B2 (en) | Fan experience recommendation system and method | |
JP7459040B2 (ja) | 情報処理装置、情報処理方法、及び情報処理プログラム | |
JP7434264B2 (ja) | 情報処理装置、情報処理方法、及び情報処理プログラム | |
JP7459041B2 (ja) | 情報処理装置、情報処理方法、及び情報処理プログラム | |
JP7507140B2 (ja) | 情報処理装置、情報処理方法、及び情報処理プログラム | |
JP7476081B2 (ja) | 検索装置、検索方法及び検索プログラム | |
JP7464346B2 (ja) | 対象属性表現を生成可能な対象属性表現生成モデル、対象属性推定装置及び方法 | |
JP7079867B1 (ja) | 生成装置、生成方法及び生成プログラム | |
JP7455162B2 (ja) | 情報管理システム、情報管理装置、情報管理方法及び情報管理プログラム | |
JP7194798B2 (ja) | 情報処理装置、情報処理方法、及び情報処理プログラム | |
Fang et al. | Modeling Product Choices in a Peer Network | |
JP7061542B2 (ja) | 情報処理装置、情報処理方法、及び情報処理プログラム | |
WO2023127583A1 (ja) | 機械学習装置、データ処理装置、推論装置、機械学習方法、データ処理方法、及び、推論方法 | |
JP6981946B2 (ja) | 情報処理装置、情報処理方法、及び情報処理プログラム |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20180516 |
|
A871 | Explanation of circumstances concerning accelerated examination |
Free format text: JAPANESE INTERMEDIATE CODE: A871 Effective date: 20180516 |
|
A975 | Report on accelerated examination |
Free format text: JAPANESE INTERMEDIATE CODE: A971005 Effective date: 20180516 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20180925 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20181016 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20181213 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20190312 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20190513 |
|
A02 | Decision of refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A02 Effective date: 20190716 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20191003 |
|
C60 | Trial request (containing other claim documents, opposition documents) |
Free format text: JAPANESE INTERMEDIATE CODE: C60 Effective date: 20191003 |
|
A911 | Transfer to examiner for re-examination before appeal (zenchi) |
Free format text: JAPANESE INTERMEDIATE CODE: A911 Effective date: 20191011 |
|
C21 | Notice of transfer of a case for reconsideration by examiners before appeal proceedings |
Free format text: JAPANESE INTERMEDIATE CODE: C21 Effective date: 20191015 |
|
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 |
|
A912 | Re-examination (zenchi) completed and case transferred to appeal board |
Free format text: JAPANESE INTERMEDIATE CODE: A912 Effective date: 20200214 |
|
C211 | Notice of termination of reconsideration by examiners before appeal proceedings |
Free format text: JAPANESE INTERMEDIATE CODE: C211 Effective date: 20200218 |
|
C22 | Notice of designation (change) of administrative judge |
Free format text: JAPANESE INTERMEDIATE CODE: C22 Effective date: 20200804 |
|
C22 | Notice of designation (change) of administrative judge |
Free format text: JAPANESE INTERMEDIATE CODE: C22 Effective date: 20201006 |
|
C13 | Notice of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: C13 Effective date: 20201215 |
|
C302 | Record of communication |
Free format text: JAPANESE INTERMEDIATE CODE: C302 Effective date: 20210204 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20210212 |
|
C23 | Notice of termination of proceedings |
Free format text: JAPANESE INTERMEDIATE CODE: C23 Effective date: 20210309 |
|
C03 | Trial/appeal decision taken |
Free format text: JAPANESE INTERMEDIATE CODE: C03 Effective date: 20210413 |
|
C30A | Notification sent |
Free format text: JAPANESE INTERMEDIATE CODE: C3012 Effective date: 20210413 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20210513 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 6885858 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
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 |