JP6937723B2 - 行動パターンからの乖離度に基づいて感情を推定可能なプログラム、装置及び方法 - Google Patents
行動パターンからの乖離度に基づいて感情を推定可能なプログラム、装置及び方法 Download PDFInfo
- Publication number
- JP6937723B2 JP6937723B2 JP2018103295A JP2018103295A JP6937723B2 JP 6937723 B2 JP6937723 B2 JP 6937723B2 JP 2018103295 A JP2018103295 A JP 2018103295A JP 2018103295 A JP2018103295 A JP 2018103295A JP 6937723 B2 JP6937723 B2 JP 6937723B2
- Authority
- JP
- Japan
- Prior art keywords
- person
- information
- behavior
- emotion
- data
- 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
Images
Landscapes
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Description
当該行動関連データを用い、当該グループに属する人物毎に構築された学習済みの行動識別モデルによって、当該人物の行動情報を決定する行動識別手段と、
当該グループに属する人物毎に、決定された当該行動情報に基づいて、当該人物による行動の時系列を含む行動パターン情報を生成する行動パターン生成手段と、
感情推定対象の人物について生成された行動パターン情報を基準とした、当該人物について決定された行動情報の乖離度を決定する乖離度決定手段と、
当該感情推定対象の人物について決定された行動情報及び乖離度を用い、学習済みの感情推定モデルによって、当該人物の感情情報を決定する感情決定手段と
してコンピュータを機能させる感情推定プログラムが提供される。
行動識別手段は、当該エリアに係る検出・測定手段によって取得された当該行動関連データである検出・測定データと、当該識別情報とを用い、当該グループに属する人物毎に構築された学習済みの行動識別モデルによって、当該人物の行動情報を決定することも好ましい。
行動識別手段は、当該行動関連データ及び当該属性情報を用い、当該グループに属する人物毎に構築された学習済みの行動識別モデルによって、当該人物の行動情報を決定する
ことも好ましい。
行動パターン生成手段は、当該グループに属する人物毎に、決定された行動情報及び滞在判定情報に基づいて、当該人物の当該行動パターン情報を生成し、
乖離度決定手段は、感情推定対象の人物について生成された行動パターン情報を基準とした、当該人物について決定された行動情報及び滞在判定情報の乖離度を決定し、
感情決定手段は、当該感情推定対象の人物について決定された行動情報、滞在判定情報及び乖離度を用い、学習済みの感情推定モデルによって、当該人物の感情情報を決定することも好ましい。
当該行動関連データを用い、当該人物グループに属する人物毎に構築された学習済みの行動識別モデルによって、当該人物の行動情報を決定する行動識別手段と、
当該人物グループに属する人物毎に、決定された当該行動情報に基づいて、当該人物による行動の時系列を含む行動パターン情報を生成する行動パターン生成手段と、
当該人物グループに属する人物毎に、生成された行動パターン情報を基準とした、当該人物について決定された行動情報の乖離度を決定する乖離度決定手段と、
当該人物グループに属する人物について決定された行動情報及び乖離度を用い、学習済みの快適度推定モデルによって、当該人物グループの快適度を決定する快適度決定手段と
してコンピュータを機能させる快適度推定プログラムが提供される。
行動識別手段は、当該エリアに係る検出・測定手段によって取得された当該行動関連データである検出・測定データと、当該識別情報とを用い、当該グループに属する人物毎に構築された学習済みの行動識別モデルによって、当該人物の行動情報を決定することも好ましい。
当該行動関連データを用い、当該グループに属する人物毎に構築された学習済みの行動識別モデルによって、当該人物の行動情報を決定する行動識別手段と、
当該グループに属する人物毎に、決定された当該行動情報に基づいて、当該人物による行動の時系列を含む行動パターン情報を生成する行動パターン生成手段と、
感情推定対象の人物について生成された行動パターン情報を基準とした、当該人物について決定された行動情報の乖離度を決定する乖離度決定手段と、
当該感情推定対象の人物について決定された行動情報及び乖離度を用い、学習済みの感情推定モデルによって、当該人物の感情情報を決定する感情決定手段と
を有する感情推定装置が提供される。
当該行動関連データを用い、当該グループに属する人物毎に構築された学習済みの行動識別モデルによって、当該人物の行動情報を決定するステップと、
当該グループに属する人物毎に、決定された当該行動情報に基づいて、当該人物による行動の時系列を含む行動パターン情報を生成するステップと、
感情推定対象の人物について生成された行動パターン情報を基準とした、当該人物について決定された行動情報の乖離度を決定するステップと、
当該感情推定対象の人物について決定された行動情報及び乖離度を用い、学習済みの感情推定モデルによって、当該人物の感情情報を決定するステップと
を有し、上記の各ステップをコンピュータが実行する感情推定方法が提供される。
図1は、本発明による感情推定装置を含む感情推定システムの一実施形態を示す模式図である。
(a)人物を識別することが可能な「人物識別データ」と、
(b)自宅における検出・測定手段によって取得された「検出・測定データ」と
を含む。
(a1)自宅について設けられたカメラ2(例えば、ネットワークカメラやコミュニケーションロボットに搭載されたカメラ等)によって取得される画像(映像)データ、及び
(a2)自宅について設置されたマイク(例えば、ネットワークカメラに搭載されたマイクやスマートスピーカに搭載されたマイク等)によって取得される音声データ
の両方又はいずれか一方を含むことも好ましい。このような画像データや音声データに対し、画像解析・識別処理や音声解析・識別処理を施すことによって、当該データが、予め登録された人物のうちのいずれに係るデータであるかを判定することが可能となる。
(b1)自宅について設けられた電力計(例えばスマートメータ4等)によって取得される消費電力量データ、
(b2)自宅について設けられた通信装置(例えばホームゲートウェイ(HGW)5)によって取得される通信量データ、
(b3)自宅について設けられた温度計3によって取得される温度データ、
(b4)自宅について設けられた湿度計3によって取得される湿度データ、
(b5)自宅について設けられた照度計3によって取得される照度データ、
(b6)自宅について設けられた人感センサ3によって取得される人検出データ、及び
(b7)自宅について設けられた生体センサ3(例えば、ユーザの装着したウェアラブル端末に搭載された(例えば脈拍、心拍、脳波等を計測可能な)生体センサや自宅に設置された体温感知赤外線センサ等)によって取得される生体データ
のうちの少なくとも1つのデータを含むことも好ましい。
世帯構成,居住地域,住居種別,間取り情報,所有家電情報,・・・
等、世帯・自宅に関する静的属性情報ならば種々の情報を属性情報とすることができる。
(A)「検出・測定データ」を用い、当該世帯のユーザ(グループに属する人物)毎に構築された学習済みの行動識別モデルによって、当該ユーザ(人物)の「行動情報」を決定する行動識別部122と、
(B)当該世帯のユーザ(グループに属する人物)毎に、決定された「行動情報」に基づいて、当該人物による行動の時系列を含む「行動パターン情報」を生成する行動パターン生成部124と、
(C)感情推定対象のユーザ(人物)について生成された「行動パターン情報」を基準とした、当該ユーザ(人物)について決定された「行動情報」の「乖離度」を決定する乖離度決定部125と、
(D)感情推定対象のユーザ(人物)について決定された「行動情報」及び「乖離度」を用い、学習済みの感情推定モデルによって、当該ユーザ(人物)の「感情情報」を決定する感情決定部126と
を有している。
(E)「人物識別データ」を用い、学習済みの人物識別モデルによって、「人物識別データ」に係る人物の「識別情報」を決定する人物識別部121
を更に有している。この場合、行動識別部122は、「検出・測定データ」と「識別情報」とを用い、当該世帯のユーザ毎に構築された学習済みの行動識別モデルによって、当該ユーザ(人物)の「行動情報」を決定する。このように「識別情報」を利用することによって、ユーザ個々人について決定される「行動情報」の精度をより向上させることが可能となるのである。
同じく図1の機能ブロック図によれば、感情推定装置1は、通信インタフェース部101と、行動関連データ保存部102と、属性情報保存部103と、感情ラベル保存部104と、ディスプレイ(DP)105と、キーボード(KB)106と、プロセッサ・メモリとを有する。
(a)ユーザの自宅に設置されたHGW5等から、画像データや音声データ等の人物識別データと、各種センサ3、スマートフォン4、HGW5による検出・測定データとを受信し、また、属性情報管理装置2から、アンケートや申告等の形で収集された属性情報を受信して、通信制御部131を介して装置内に取り込ませる。
またさらに、通信インタフェース部101は、
(b)感情決定部126で決定された各ユーザについての感情推定結果データを、入出力制御部132及び通信制御部131を介して入力し、外部の情報処理装置へ送信してもよい。送信された感情推定結果データは、当該情報処理装置において、様々な用途に利用可能となる。
(a)消費電力量データから、各時間帯での消費電力量の最小値に基づいて機器起因電力量を算出し、当該時間帯での消費電力量と機器起因電力量とに基づいて、当該ユーザの活動に係る電力量に対応する活動電力量を算出し、
(b)当該ユーザの所定期間での活動電力量から、当該所定期間を構成する単位期間毎に、各時間帯での活動電力量を要素とする活動電力ベクトルを生成し、活動電力ベクトルを所定数のクラスタに分類するクラスタリング処理を行い、最大のクラスタに属する活動電力ベクトルに基づいて、当該ユーザの特徴時間帯での活動電力量を代表する特徴時間代表ベクトルを生成し、
(c)当該ユーザの1つの単位期間における活動電力ベクトルの要素と、当該ユーザについて生成された特徴時間代表ベクトルの要素とを含む特徴ベクトルを生成し、
(d)当該特徴ベクトルと、当該特徴ベクトルに係るユーザの属性情報との組を教師データとして含む教師データセットを用いて機械学習を行って推定モデルを構築し、
(e)当該ユーザの1つの単位期間における活動電力ベクトルの要素と、当該ユーザについて生成された特徴時間代表ベクトルの要素とを含む特徴ベクトルを構築された推定モデルに入力し、当該ユーザの属性情報を推定する
ことも好ましい。
(a)単位期間における生活関連量データである単位期間データと、当該単位期間データに係る属性値との組を教師データとして含む教師データセットから、複数のサブセットを生成し、
(b)生成されたサブセット毎に、当該サブセットにおける単位期間データについての分岐判定式が根ノード及び内部ノードの各々において規定された決定木であって、分岐判定式による学習の結果として葉ノードに属性値が対応付けられた決定木を生成し、
(c)所定の推定期間における推定対象データを構成する単位期間データであって、当該推定期間を構成する複数の単位期間の各々において取得された単位期間データを、生成された複数の決定木に入力し、当該決定木の各々における到達先となった葉ノードに対応付
けられた属性値に基づいて、単位ユーザ属性情報を決定し、
(d)推定期間を構成する複数の単位期間の各々について決定された単位ユーザ属性情報に基づいて、当該推定期間における属性情報を決定する
ことも好ましい。
(a)ユーザの生活行動又は生活環境に関連する生活関連量であって、電力消費量を含む少なくとも1つの生活関連量の計測値から生成される生活関連データを蓄積し、
(b)電力消費パターン毎に、予め設定された属性情報を対応付けて記録した属性情報テーブルを有し、蓄積された当該ユーザに係る電力消費データに基づき、当該属性情報テーブルを用いて、当該ユーザの属性情報を推定する
ことも好ましい。
睡眠,起床,調理,朝食,服薬,身支度(外出準備),出勤・外出,掃除,
洗濯,スマホ・PC使用,昼食,買い物・外出,(子供の)帰宅,勉強,
(出勤者の)最寄り場所通過,(出勤者の)帰宅,夕食,テレビ視聴,
入浴,団欒,(子供の)就寝,仕事,(親の)就寝
が挙げられる。ここで、アンケート結果や申告内容は、対象世帯の各ユーザについて、正解データセットを生成するための所定期間における、実際に実施した行動種別毎にその開始時刻及び終了時刻を紐づけたデータとすることができる。
(a)当該ユーザの消費電力量のデータに基づいて、推定対象となる複数の生活行動(生活状況)項目のそれぞれについて生活行動を推定し、
(b)複数の生活行動の間の整合性を取り決めた生活行動ルール(生活状況ルール)に基づいて、当該複数の生活行動項目のそれぞれにおける生活行動の推定結果間の整合性を判断し、
(c)複数の生活行動推定の推定精度に基づいて算定された評価値を保持し、
(d)整合性がないと判断された推定結果の組について、当該組の推定結果に係る評価値に基づき、当該組の推定結果のうちの1つ又は複数の推定結果を変更して整合性のある状態とした場合の総評価値を算出し、算出された総評価値同士を比較することによって、最も評価の高い変更後の推定結果の組を、補正された推定結果の組とする
ことも好ましい。
(a)統計対象ユーザについて、統計期間を構成する単位期間毎に、特定時間内の各時間帯での消費電力量データに基づいて特徴量ベクトルを生成し、当該特徴量ベクトルをクラスタとして分類し、
(b)統計対象ユーザの消費電力量データに基づいて、1つ以上の生活行動の発生した発生時刻又は時間帯を推定し、
(c)分類されたクラスタに対し、当該クラスタに属する特徴量ベクトルと、当該特徴量ベクトルとしての消費電力量データについて推定された生活行動の発生時刻又は時間帯とに基づいて、推定される生活行動と当該生活行動の発生時刻又は時間帯情報とをラベル付けし、
(d)分類されたクラスタの中から、行動パターン生成対象ユーザの消費電力量データに対応するクラスタを決定し、決定したクラスタにラベル付けされた生活行動と当該生活行動の発生時刻又は時間帯情報とに基づいて、行動パターン生成対象ユーザの行動パターン情報を生成する
ことも好ましい。
(a)決定された行動情報に含まれる「行動種別」に係る時刻情報と、生成された行動パターン情報における当該「行動種別」に係る時刻情報との「時間差」が大きいほど大きな値となる傾向を有する乖離スコアであって、
(b)決定された滞在判定情報に含まれる「滞在(又は不在)」に係る時刻情報と、生成された行動パターン情報における「滞在(又は不在)」に係る時刻情報との「時間差」が大きいほど大きな値となる傾向を有する乖離スコア
を決定する。ちなみに、「行動種別」に例えば「外出」を含む実施形態であれば、上記(a)の条件だけを満たす乖離スコアが決定されてもよい。
リラックス(時の感情),ニュートラル(な感情),
焦り,疲労(時の感情),・・・
を感情ラベルとし、このうち実際に該当した感情ラベルと、当該感情ラベルの感情が発生した時間区間情報(例えば発生時刻及び終了時刻)と、当該ユーザのユーザIDとを対応付けた情報を感情ラベル情報とすることも好ましい。
(a)行動データを時間軸上で動作素片へと分割すると共に、各動作素片を分類して複数の動作種別のいずれに該当するかを特定し、
(b)各動作素片より算出された特徴量に基づき、各動作素片が複数の感情情報のいずれに該当するかを推定し、
(c)動作素片ごとに推定された感情情報を、特定された動作種別に対する重み情報を用い、行動データの全体に渡って統合することによって、行動データが複数の感情情報のいずれに該当するかを特定する
ことによって、感情情報を決定することも好ましい。
本実施例では、行動拠点エリアを自宅とする、父、母、長女及び次女からなる4人家族世帯において、2018年1月1日〜1月31日に収集したデータを学習データとして感情推定モデルを構築し、父、母、長女及び次女の各人について、2018年2月1日に感情決定処理を実施している。
図8は、本発明による快適度推定装置の一実施形態を示す機能ブロック図である。
(A)図1に示したものと同一構成・機能を有する行動識別部122、行動パターン生成部124、及び乖離度決定部125と、
(B)家族(人物グループ)に属する人物について決定された行動情報及び乖離度を用い、学習済みの快適度推定モデルによって、当該家族(人物グループ)の快適度を決定する快適度決定部126と
を有することを特徴としている。
(a)感情ラベル保存部104を快適度ラベル保存部104’に変更し、
(b)感情決定部126を快適度決定部126’に変更し、この快適度決定部126’における快適度推定モデル構築処理及び快適度決定処理には、属性情報から生成された特徴量も入力とし、
(c)残りの機能構成部を同一構成・機能のものとした
装置となっている。
101 通信インタフェース部
102 行動関連データ保存部
103 属性情報保存部
104 感情ラベル保存部
104’ 快適度ラベル保存部
105 ディスプレイ(DP)
106 キーボード(KB)
111 人物識別データ管理部
112 検出・測定データ管理部
113 属性情報管理部
114 属性情報決定部
115 特徴量生成部
121 人物識別部
122 行動識別部
123 滞在判定部
124 行動パターン生成部
125 乖離度決定部
126 感情決定部
126’ 快適度決定部
131 通信制御部
132 入出力制御部
2 カメラ
3 各種センサ
4 スマートメータ
5 ホームゲートウェイ(HGW)
6 属性情報管理装置
7 サーバ
Claims (14)
- あるエリアを行動拠点とするグループに属する人物の感情情報を、当該エリアについて取得された行動関連データに基づいて推定する装置に搭載されたコンピュータを機能させる感情推定プログラムであって、
当該行動関連データを用い、当該グループに属する人物毎に構築された学習済みの行動識別モデルによって、当該人物の行動情報を決定する行動識別手段と、
当該グループに属する人物毎に、決定された当該行動情報に基づいて、当該人物による行動の時系列を含む行動パターン情報を生成する行動パターン生成手段と、
感情推定対象の人物について生成された行動パターン情報を基準とした、当該人物について決定された行動情報の乖離度を決定する乖離度決定手段と、
当該感情推定対象の人物について決定された行動情報及び乖離度を用い、学習済みの感情推定モデルによって、当該人物の感情情報を決定する感情決定手段と
してコンピュータを機能させることを特徴とする感情推定プログラム。 - 人物を識別することが可能な当該行動関連データである人物識別データを用い、学習済みの人物識別モデルによって、当該人物識別データに係る人物の識別情報を決定する人物識別手段としてコンピュータを更に機能させ、
前記行動識別手段は、当該エリアに係る検出・測定手段によって取得された当該行動関連データである検出・測定データと、当該識別情報とを用い、当該グループに属する人物毎に構築された学習済みの行動識別モデルによって、当該人物の行動情報を決定する
ことを特徴とする請求項1に記載の感情推定プログラム。 - 前記乖離度決定手段は、決定された行動情報に含まれる行動種別に係る時刻情報と、生成された行動パターン情報における当該行動種別に係る時刻情報との時間差が大きいほど大きな値となる傾向を有する乖離度を決定することを特徴とする請求項1又は2に記載の感情推定プログラム。
- 前記行動パターン生成手段は、所定期間内で繰り返される各単位期間の各時刻において決定された行動情報に係る行動種別に基づき、当該単位期間において決定された行動情報毎に、当該行動情報に係る行動種別と、当該行動情報に係る時刻の代表値とを対応付けた情報を当該行動パターン情報として生成することを特徴とする請求項1から3のいずれか1項に記載の感情推定プログラム。
- 前記行動識別手段は、当該グループに属する人物毎に且つ予め設定された行動種別毎に構築された学習済みの行動識別モデルによって、当該人物の行動情報を決定することを特徴とする請求項1から4のいずれか1項に記載の感情推定プログラム。
- 当該グループに係る属性情報を保持する属性情報管理手段としてコンピュータを更に機能させ、
前記行動識別手段は、当該行動関連データ及び当該属性情報を用い、当該グループに属する人物毎に構築された学習済みの行動識別モデルによって、当該人物の行動情報を決定する
ことを特徴とする請求項1から5のいずれか1項に記載の感情推定プログラム。 - 当該行動関連データを用い、学習済みの属性情報推定モデルによって、当該グループに係る属性情報を決定する属性情報決定手段としてコンピュータを更に機能させることを特徴とする請求項6に記載の感情推定プログラム。
- 当該行動関連データを用い、当該グループに属する人物毎に構築された学習済みのエリア内滞在判定モデルによって、当該人物が当該エリア内に滞在しているか否かについての情報である滞在判定情報を決定する滞在判定手段としてコンピュータを更に機能させ、
前記行動パターン生成手段は、当該グループに属する人物毎に、決定された行動情報及び滞在判定情報に基づいて、当該人物の当該行動パターン情報を生成し、
前記乖離度決定手段は、感情推定対象の人物について生成された行動パターン情報を基準とした、当該人物について決定された行動情報及び滞在判定情報の乖離度を決定し、
前記感情決定手段は、当該感情推定対象の人物について決定された行動情報、滞在判定情報及び乖離度を用い、学習済みの感情推定モデルによって、当該人物の感情情報を決定する
ことを特徴とする請求項1から7のいずれか1項に記載の感情推定プログラム。 - 当該人物識別データは、当該エリアについて設けられたカメラによって取得される画像データ、及び/又は当該エリアについて設けられたマイクによって取得される音声データを含むことを特徴とする請求項2に記載の感情推定プログラム。
- 当該検出・測定データは、当該エリアについて設けられた電力計、通信装置、温度計、湿度計、照度計、人感センサ及び生体センサによってそれぞれ取得される、消費電力量データ、通信量データ、温度データ、湿度データ、照度データ、人検出データ及び生体データのうちの少なくとも1つのデータを含むことを特徴とする請求項2に記載の感情推定プログラム。
- あるエリアを行動拠点とする人物グループの快適度を、当該エリアについて取得された行動関連データに基づいて推定する装置に搭載されたコンピュータを機能させる快適度推定プログラムであって、
当該行動関連データを用い、当該人物グループに属する人物毎に構築された学習済みの行動識別モデルによって、当該人物の行動情報を決定する行動識別手段と、
当該人物グループに属する人物毎に、決定された当該行動情報に基づいて、当該人物による行動の時系列を含む行動パターン情報を生成する行動パターン生成手段と、
当該人物グループに属する人物毎に、生成された行動パターン情報を基準とした、当該人物について決定された行動情報の乖離度を決定する乖離度決定手段と、
当該人物グループに属する人物について決定された行動情報及び乖離度を用い、学習済みの快適度推定モデルによって、当該人物グループの快適度を決定する快適度決定手段と
してコンピュータを機能させることを特徴とする快適度推定プログラム。 - 人物を識別することが可能な当該行動関連データである人物識別データを用い、学習済みの人物識別モデルによって、当該人物識別データに係る人物の識別情報を決定する人物識別手段としてコンピュータを更に機能させ、
前記行動識別手段は、当該エリアに係る検出・測定手段によって取得された当該行動関連データである検出・測定データと、当該識別情報とを用い、当該グループに属する人物毎に構築された学習済みの行動識別モデルによって、当該人物の行動情報を決定する
ことを特徴とする請求項11に記載の快適度推定プログラム。 - あるエリアを行動拠点とするグループに属する人物の感情情報を、当該エリアについて取得された行動関連データに基づいて推定する感情推定装置であって、
当該行動関連データを用い、当該グループに属する人物毎に構築された学習済みの行動識別モデルによって、当該人物の行動情報を決定する行動識別手段と、
当該グループに属する人物毎に、決定された当該行動情報に基づいて、当該人物による行動の時系列を含む行動パターン情報を生成する行動パターン生成手段と、
感情推定対象の人物について生成された行動パターン情報を基準とした、当該人物について決定された行動情報の乖離度を決定する乖離度決定手段と、
当該感情推定対象の人物について決定された行動情報及び乖離度を用い、学習済みの感情推定モデルによって、当該人物の感情情報を決定する感情決定手段と
を有することを特徴とする感情推定装置。 - あるエリアを行動拠点とするグループに属する人物の感情情報を、当該エリアについて取得された行動関連データに基づいて推定する装置に搭載されたコンピュータにおける感情推定方法であって、
当該行動関連データを用い、当該グループに属する人物毎に構築された学習済みの行動識別モデルによって、当該人物の行動情報を決定するステップと、
当該グループに属する人物毎に、決定された当該行動情報に基づいて、当該人物による行動の時系列を含む行動パターン情報を生成するステップと、
感情推定対象の人物について生成された行動パターン情報を基準とした、当該人物について決定された行動情報の乖離度を決定するステップと、
当該感情推定対象の人物について決定された行動情報及び乖離度を用い、学習済みの感情推定モデルによって、当該人物の感情情報を決定するステップと
を有し、上記の各ステップをコンピュータが実行することを特徴とする感情推定方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2018103295A JP6937723B2 (ja) | 2018-05-30 | 2018-05-30 | 行動パターンからの乖離度に基づいて感情を推定可能なプログラム、装置及び方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2018103295A JP6937723B2 (ja) | 2018-05-30 | 2018-05-30 | 行動パターンからの乖離度に基づいて感情を推定可能なプログラム、装置及び方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2019207604A JP2019207604A (ja) | 2019-12-05 |
JP6937723B2 true JP6937723B2 (ja) | 2021-09-22 |
Family
ID=68767710
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2018103295A Active JP6937723B2 (ja) | 2018-05-30 | 2018-05-30 | 行動パターンからの乖離度に基づいて感情を推定可能なプログラム、装置及び方法 |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP6937723B2 (ja) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP7372614B2 (ja) * | 2020-05-14 | 2023-11-01 | 学校法人早稲田大学 | 情報処理システムおよびプログラム |
WO2022157949A1 (ja) * | 2021-01-22 | 2022-07-28 | 株式会社Rabo | 情報処理装置 |
JP7457667B2 (ja) | 2021-03-26 | 2024-03-28 | 株式会社日立製作所 | モニタ調査装置及びモニタ調査方法 |
CN114252794B (zh) * | 2021-11-24 | 2024-04-09 | 国电南瑞科技股份有限公司 | 一种拆回智能电能表剩余寿命预测方法及装置 |
Family Cites Families (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7298871B2 (en) * | 2002-06-07 | 2007-11-20 | Koninklijke Philips Electronics N.V. | System and method for adapting the ambience of a local environment according to the location and personal preferences of people in the local environment |
JP5768517B2 (ja) * | 2011-06-13 | 2015-08-26 | ソニー株式会社 | 情報処理装置、情報処理方法およびプログラム |
JP6312295B2 (ja) * | 2013-10-30 | 2018-04-18 | Kddi株式会社 | 電力消費及び通信トラフィックを考慮したユーザ活動状況の判定装置、プログラム及び方法 |
JP6151202B2 (ja) * | 2014-02-28 | 2017-06-21 | Kddi株式会社 | 特徴時間帯での消費電力量からユーザ属性を推定するプログラム、装置及び方法 |
JP6190309B2 (ja) * | 2014-03-31 | 2017-08-30 | Kddi株式会社 | 消費電力量に基づいて生活パターンを推定する装置、プログラム及び方法 |
JP6394194B2 (ja) * | 2014-08-29 | 2018-09-26 | オムロンヘルスケア株式会社 | 動作情報測定装置、ゲーム制御プログラム、動作情報測定プログラム |
JP2017187915A (ja) * | 2016-04-05 | 2017-10-12 | ソニー株式会社 | 情報処理装置、情報処理方法、及びプログラム |
-
2018
- 2018-05-30 JP JP2018103295A patent/JP6937723B2/ja active Active
Also Published As
Publication number | Publication date |
---|---|
JP2019207604A (ja) | 2019-12-05 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP6937723B2 (ja) | 行動パターンからの乖離度に基づいて感情を推定可能なプログラム、装置及び方法 | |
Yahaya et al. | A consensus novelty detection ensemble approach for anomaly detection in activities of daily living | |
Song et al. | Human comfort in indoor environment: a review on assessment criteria, data collection and data analysis methods | |
US20090171902A1 (en) | Life recorder | |
CN107431649B (zh) | 用于智能住家环境中的住户策略实现的方法和系统 | |
Berrocal et al. | Rich contextual information for monitoring the elderly in an early stage of cognitive impairment | |
Clement et al. | Detecting activities of daily living with smart meters | |
US20230237059A1 (en) | Managing engagement methods of a digital assistant while communicating with a user of the digital assistant | |
JP2018147407A (ja) | 要因推定装置、要因推定システム、および要因推定方法 | |
US20200357504A1 (en) | Information processing apparatus, information processing method, and recording medium | |
KR20160000446A (ko) | 대인 관계 유형 파악을 통한 코칭 정보 제공 시스템 | |
KR20090065199A (ko) | 사용자 행동 패턴 생성 장치 및 방법 | |
Jiang et al. | Beyond AI-powered context-aware services: the role of human–AI collaboration | |
JP6964836B2 (ja) | 類似度算出装置、類似度算出方法、及びプログラム | |
Lago et al. | Contextualized behavior patterns for change reasoning in Ambient Assisted Living: A formal model | |
JP7085266B2 (ja) | 行動情報に基づいて満足度を推定可能な装置、プログラム及び方法 | |
WO2018000260A1 (zh) | 一种机器人交互内容的生成方法、系统及机器人 | |
KR20090050405A (ko) | 상황 인식 시스템 환경에서 발생한 이벤트 로그에 기초하여사용자의 행위를 분류하는 방법 및 장치 | |
JP2021105941A (ja) | 情報処理システム、生活評価方法およびプログラム | |
US20220230753A1 (en) | Techniques for executing transient care plans via an input/output device | |
US20220036251A1 (en) | Compiling a customized persuasive action for presenting a recommendation for a user of an input/output device | |
US20230269303A1 (en) | System and method thereof for determining availability of a user for interaction with a digital assistant | |
US20210362344A1 (en) | System and method for operating a digital assistant based on deviation from routine behavior of a user using the digital assistant | |
Hansen et al. | A home energy management system with focus on energy optimization | |
Ramírez et al. | Distributed interfaces and context-oriented broadcast services in a smart-home environment |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20200523 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20210520 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20210521 |
|
A521 | Written amendment |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20210528 |
|
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: 20210824 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20210831 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 6937723 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |