JP6977585B2 - 関心度評価プログラム、装置、及び方法 - Google Patents

関心度評価プログラム、装置、及び方法 Download PDF

Info

Publication number
JP6977585B2
JP6977585B2 JP2018011339A JP2018011339A JP6977585B2 JP 6977585 B2 JP6977585 B2 JP 6977585B2 JP 2018011339 A JP2018011339 A JP 2018011339A JP 2018011339 A JP2018011339 A JP 2018011339A JP 6977585 B2 JP6977585 B2 JP 6977585B2
Authority
JP
Japan
Prior art keywords
terminal
momentum
state
cluster
interest
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
Application number
JP2018011339A
Other languages
English (en)
Other versions
JP2019128872A (ja
Inventor
輝幸 佐藤
厚一郎 新沼
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Fujitsu Ltd
Original Assignee
Fujitsu Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Fujitsu Ltd filed Critical Fujitsu Ltd
Priority to JP2018011339A priority Critical patent/JP6977585B2/ja
Priority to US16/225,510 priority patent/US20190236618A1/en
Publication of JP2019128872A publication Critical patent/JP2019128872A/ja
Application granted granted Critical
Publication of JP6977585B2 publication Critical patent/JP6977585B2/ja
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q30/00—Commerce
    • G06Q30/02—Marketing; Price estimation or determination; Fundraising
    • G06Q30/0201—Market modelling; Market analysis; Collecting market data
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F1/00—Details not covered by groups G06F3/00 - G06F13/00 and G06F21/00
    • G06F1/16—Constructional details or arrangements
    • G06F1/1613—Constructional details or arrangements for portable computers
    • G06F1/1633—Constructional details or arrangements of portable computers not specific to the type of enclosures covered by groups G06F1/1615 - G06F1/1626
    • G06F1/1684—Constructional details or arrangements related to integrated I/O peripherals not covered by groups G06F1/1635 - G06F1/1675
    • G06F1/1694—Constructional details or arrangements related to integrated I/O peripherals not covered by groups G06F1/1635 - G06F1/1675 the I/O peripheral being a single or a set of motion sensors for pointer control or gesture input obtained by sensing movements of the portable computer
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F3/00—Input arrangements for transferring data to be processed into a form capable of being handled by the computer; Output arrangements for transferring data from processing unit to output unit, e.g. interface arrangements
    • G06F3/01—Input arrangements or combined input and output arrangements for interaction between user and computer
    • G06F3/048—Interaction techniques based on graphical user interfaces [GUI]
    • G06F3/0484—Interaction techniques based on graphical user interfaces [GUI] for the control of specific functions or operations, e.g. selecting or manipulating an object, an image or a displayed text element, setting a parameter value or selecting a range
    • G06F3/0485—Scrolling or panning
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F3/00—Input arrangements for transferring data to be processed into a form capable of being handled by the computer; Output arrangements for transferring data from processing unit to output unit, e.g. interface arrangements
    • G06F3/01—Input arrangements or combined input and output arrangements for interaction between user and computer
    • G06F3/048—Interaction techniques based on graphical user interfaces [GUI]
    • G06F3/0487—Interaction techniques based on graphical user interfaces [GUI] using specific features provided by the input device, e.g. functions controlled by the rotation of a mouse with dual sensing arrangements, or of the nature of the input device, e.g. tap gestures based on pressure sensed by a digitiser
    • G06F3/0488—Interaction techniques based on graphical user interfaces [GUI] using specific features provided by the input device, e.g. functions controlled by the rotation of a mouse with dual sensing arrangements, or of the nature of the input device, e.g. tap gestures based on pressure sensed by a digitiser using a touch-screen or digitiser, e.g. input of commands through traced gestures
    • G06F3/04883—Interaction techniques based on graphical user interfaces [GUI] using specific features provided by the input device, e.g. functions controlled by the rotation of a mouse with dual sensing arrangements, or of the nature of the input device, e.g. tap gestures based on pressure sensed by a digitiser using a touch-screen or digitiser, e.g. input of commands through traced gestures for inputting data by handwriting, e.g. gesture or text
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L67/00—Network arrangements or protocols for supporting network services or applications
    • H04L67/50—Network services
    • H04L67/535—Tracking the activity of the user
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
    • H04W4/02—Services making use of location information
    • H04W4/025—Services making use of location information using location based information parameters
    • H04W4/026—Services making use of location information using location based information parameters using orientation information, e.g. compass
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
    • H04W4/02—Services making use of location information
    • H04W4/025—Services making use of location information using location based information parameters
    • H04W4/027—Services making use of location information using location based information parameters using movement velocity, acceleration information
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W64/00—Locating users or terminals or network equipment for network management purposes, e.g. mobility management
    • H04W64/006—Locating users or terminals or network equipment for network management purposes, e.g. mobility management with additional information processing, e.g. for direction or speed determination
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W88/00—Devices specially adapted for wireless communication networks, e.g. terminals, base stations or access point devices
    • H04W88/02—Terminal devices

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • General Engineering & Computer Science (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Strategic Management (AREA)
  • Accounting & Taxation (AREA)
  • Development Economics (AREA)
  • Finance (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Computer Hardware Design (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Human Computer Interaction (AREA)
  • Data Mining & Analysis (AREA)
  • Game Theory and Decision Science (AREA)
  • Economics (AREA)
  • Marketing (AREA)
  • General Business, Economics & Management (AREA)
  • User Interface Of Digital Computer (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)

Description

本発明は、関心度評価プログラム、装置、及び方法に関する。
スマートフォン（以下、スマホと記載する）やタブレットなどのモバイル端末を用い、ＥＣサイトで欲しいものを購入する際、顧客が実際の購買行動に至るまでを支援する技術がある。
例えば、閲覧した読書型コンテンツの操作履歴をもとに、ユーザに適合した他コンテンツをレコメンドするシステムがある。
また、ユーザ嗜好を示すスコアを、コンテンツに対する操作ログにユーザ属性ごとに異なる重みを付けて算出を行う装置に関する技術がある。
また、端末機のモーションをセンサで検出する装置に関する技術がある。この技術では、水平及び垂直方向への動く速度及び距離、回転角及び角速度の測定情報から動きを推定し、端末機へのインタラクションを行っている。
特開２０１１−０７５５５９号公報 特開２０１３−２１８４１７号公報 特開２０１５−１４１５３０号公報 特開２０１０−２５２８６１号公報 特開２０１１−１９７９９２号公報 特表２０１７−５２４１８２号公報
しかし、従来技術においては、Ｗｅｂページの内容に実際に関心を持ったか、Ｗｅｂページのどこに関心を持ったか、を個人の操作の癖に合せて把握するのは困難であった。
本発明は、一つの側面として、ユーザの特性に応じた関心度を算出するためのパラメータを求めることを目的とする。
一つの態様として、端末の姿勢の変化に関する端末運動量と前記端末の姿勢に関する情報との組み合わせに基づいて前記端末運動量を複数に類別したクラスタの中から、前記端末運動量と前記端末の姿勢とが特定の状態であるクラスタを特定する。前記端末運動量を、前記端末の所定の操作状態に基づいて、前記端末の操作者のコンテンツに対する非注視状態に属する端末運動量であるか否かに類別する。前記特定の状態に対応するクラスタに属する前記端末運動量と、前記非注視状態に属する前記端末運動量とに基づいて、前記端末の操作者の関心度を評価するためのパラメータを決定する。
一つの側面として、ユーザの特性に応じた関心度を算出するためのパラメータを求めることができる、という効果を有する。
本発明の実施形態に係る関心度評価システムの概略構成を示すブロック図である。 端末の姿勢の分布の一例を示す図である。 信頼度のグラフの一例を示す図である。 ｕｓｅｒ１及びｕｓｅｒ２の信頼度のグラフの一例を示す図である。 端末の姿勢と、端末運動量との２次元のクラスタリング処理の一例を示す図である。 情報処理端末として機能するコンピュータの概略構成を示すブロック図である。 コンテンツサーバとして機能するコンピュータの概略構成を示すブロック図である。 本発明の実施形態に係る関心度評価処理の一例を示すフローチャートである。 第１の運動量を算出する処理の一例を示すフローチャートである。 第２の運動量を算出する処理の一例を示すフローチャートである。
まず、本実施形態の前提となる背景、及び技術について説明する。
近年パソコンだけでなくスマートフォン（以下、スマホと記載する）やタブレットなどのスマートデバイスの端末で情報を検索し、欲しい情報を入手するというスタイルも多くなってきている。このような利用シーンでユーザの関心度が検出できれば、マーケティング効果のみならず新たなサービスが可能となる。ＥＣサイトにおけるＷｅｂ接客を代表的な例として、個人個人の嗜好に合わせてＯｎｅ Ｔｏ Ｏｎｅで施策を打っていくことが、注目されている。この場合、Ｗｅｂページにアクセスしたという情報だけでなく、実際にその内容に関心を持ったか、関心を持ったのはページのどこなのか、までを知ることができれば、顧客情報として重要な情報となりうる。そしてそのようなデータと購買データが集まれば、どういった人が購入し、またペルソナを仮定した時にどのような施策をうてばいいのかを示唆してくれるようになる。
このような背景に対し、端末の運動を加味して、Ｗｅｂページのコンテンツに対する関心度を評価する手法がある。
この手法では、関心度評価に基づく情報提供をリアルタイムに行っている。この手法では、関心のあるコンテンツを閲覧しているときは、ユーザは画面を注視すべく端末を固定するため、端末運動が抑えられることに着目している。この手法では、単位時間当たりの端末運動が一定レベル以下で所定時間続いたときを関心があるものとし、端末運動の大きなところでは関心度を下げるように信頼度の重み付けをするモデル式を定めている。端末運動のベースライン値はユーザ個人の操作の癖に依存するものであるため、個人ごとに信頼度の重み付けを制御することで、個人に合せた関心度評価が可能になる。
このように、端末の運動に着目し関心度を評価する際、個人の操作の癖を考慮し評価する必要がある。関連技術として、加速度や角速度センサで端末の動きを検出することを、ゲーム機やモーション判定に応用した事例で、以下のような手法がある。
例えば、ゲームにおいてシュート操作時のひねり量に関するユーザの癖を知り、減算してキャンセルすることでゲームをやり易くする手法がある（第１の従来手法）。また、ユーザが意識して行うモーションの直前に表れる癖である「事前動作」、および直後に表れる癖である「事後動作」に着目、それを除去する手法がある（第２の従来手法）。さらに、これらのような具体的な事例ではなく、モデルの学習手法として、サーバにあるグローバルモデルをユーザデバイスにダウンロードし、ユーザデバイスでローカルモデルを学習させる手法がある（第３の従来手法）。
もっとも、上記関連技術の手法には次のような課題がある。第１及び第２の従来手法は、応用先ならではの特徴量があり、特徴量に着目することで各々の課題を解決している。つまり、手法特有の特徴量を用いているため、関心度評価という用途に適用することは難しいものである。また第３の従来手法は、モデルのダウンロード及びアップロードのシーケンスがあり、一般のブラウザでＷｅｂサイトをリアルタイムに閲覧する用途には向かないものである。
以上のことから、端末の運動に着目し関心度を評価する際、特にＷｅｂページを閲覧する際、Ｗｅｂページの内容に実際に関心を持ったか、Ｗｅｂページのどこに関心を持ったか、を個人の操作の癖に合せて把握するのは困難であった。
そこで、本発明の実施形態では、例えば、Ｗｅｂページを参照しているユーザの端末の操作の癖を端末運動量、及び端末の姿勢から特定する。具体的には、注視状態、及び非注視状態の端末運動量を求め、関心度を評価するための信頼度のパラメータを決定することで、個々のユーザごとに、関心度を評価する手法を提供する。
以下、図面を参照して本発明に係る実施形態の一例を詳細に説明する。
図１に示すように、本実施形態に係る関心度評価システム１０は、コンテンツサーバ１２と、情報処理端末１６（以下、単に「端末」と記載する場合もある）とを備える。コンテンツサーバ１２と、情報処理端末１６とは、インターネット等のネットワーク１４を介して接続される。なお、情報処理端末１６が関心度評価装置の一例である。
コンテンツサーバ１２は、情報処理端末１６からのコンテンツの要求信号に応じて、コンテンツを情報処理端末１６へ送信する。
情報処理端末１６は、通信部１８と、制御部２０と、表示部２２と、ユーザ操作検出部２４と、端末姿勢検出部２６と、端末運動量検出部２８と、タッチ状態解析部３０と、運動量データ類別部３２と、パラメータ決定部３６と、関心度評価部３８とを備えている。なお、運動量データ類別部３２が類別部の一例であり、パラメータ決定部３６が決定部の一例である。
通信部１８は、コンテンツサーバ１２との間で情報の送受信を行う。例えば、通信部１８は、コンテンツサーバ１２から送信されたコンテンツを受信する。また、通信部１８は、後述する制御部２０によって出力されたコンテンツの要求信号をコンテンツサーバ１２へ送信する。
制御部２０は、通信部１８によって受信されたコンテンツが表示されるように、後述する表示部２２を制御する。
表示部２２は、例えばLiquid Crystal Display（ＬＣＤ）、Organic Electroluminescence Display（ＯＥＬＤ）等のディスプレイによって実現される。表示部２２では、ユーザのタッチなどの入力操作などに応じて画面変化が発生する。表示部２２は、制御部２０による制御に応じてコンテンツを提示する。
ユーザ操作検出部２４は、情報処理端末１６にコンテンツを表示している間に、表示部２２に重畳されたタッチパネルからユーザによる操作の入力を受け付け、ユーザによる入力操作、及び入力操作の有無を検出する。具体的には、ユーザ操作検出部２４は、ユーザによるタップ、フリック、スワイプ、ピンチなどの入力操作の種別を検出する。また、操作検出部２４は、入力操作の種別から画面をスクロールさせるスクロール操作を検出する。そして、ユーザ操作検出部２４は、単位時間のうちの操作の操作時間を計測する。操作時間には、スクロール操作が行われているスクロール操作時間が含まれる。また、ユーザ操作検出部２４は、単位時間のうちの、操作が行われていない無操作時間を計測する。したがって、ユーザ操作検出部２４によって、情報処理端末１６の操作状態の一例である入力操作の種別、入力操作の時刻、接触位置、各単位時間の操作時間、及び無操作時間を含む操作情報が検出される。
端末姿勢検出部２６は、端末の姿勢を単位時間ごとに検出する。端末姿勢検出部２６は、例えば９軸のジャイロセンサから取得したデータから求まるもので、重力加速度や方位コンパス、さらには慣性力データとして、３軸角加速度センサの値、又は３軸磁気センサの値を用いる。姿勢は、端末の画面に対する法線方向（ｚ軸）の重力加速度から求められる。単位時間ごとの端末の姿勢が、端末の姿勢に関する情報の一例である。
端末運動量検出部２８は、単位時間ごとに端末の運動に係るセンサ値を検出する。本実施形態では、端末運動量検出部２８は、９軸センサによって実現される態様を説明する。９軸センサは、３軸の角速度センサ、３軸の加速度センサ、及び３軸の地磁気センサの３種類のセンサから構成される。但し、端末運動量検出部２８は、上記の３種類のうちの１種類以上のセンサによって実現してもよい。
タッチ状態解析部３０は、タッチパネルをタッチ中か否かのタッチ状態とタッチの操作種に応じた操作状態を検出する。タッチの操作種とは、ズームやスクロールなどであり、それぞれの操作による操作状態、例えば、タッチ開始、タッチ継続中、LEAVE（タッチ終了などの非タッチ状態）、スクロール位置、及びスクロール速度を検出する。なお、非タッチ状態が、タッチ状態が非接触の場合の一例である。
ここで、本実施形態の前提となる関心度の算出方法について説明する。本実施形態の関心度は、以下（１）式に示すように、操作種係数、操作時間、及び信頼度に基づいて計算する。なお、関心度評価部３８については後述する。
関心度=Σ(操作種係数×操作時間×信頼度) ・・・（１）
ここで、操作種係数は、タッチ状態解析部３０で算出されたスクロール速度や、端末運動量検出部２８で検出されたセンサ値等に基づいて定められる係数であり、適宜、着目する操作に応じて定めればよい。操作時間は、ユーザ操作検出部２４によって検出される単位時間のうちの操作時間である。信頼度は、注視状態、及び非注視状態に基づいて定められる値である。注視状態、及び非注視状態は、ユーザが関心を持ってスマホの画面を注視しているときは、端末の動きが小さくなるという原理に基づくものである。なお、関心度の算出に、操作時間に加えて無操作時間を用いてもよい。
以下、信頼度の原理について説明する。
図２に端末の姿勢の分布を示す。図２では、横軸は端末の水平方向の傾き、縦軸は端末を顔に向けた際の垂直方向に対する傾き（鉛直方向に対する角度）である。分布が集中しているのは注視している箇所であり、分布広がっており、分散が大きい場合は読み飛ばしている箇所と捉えられる。例えば、ＰＣではマウスのスクロール速度を計測して読み飛ばしているかを判別できる。また、スマホの場合は、タッチ操作の場合タッチがなくても慣性で動いている箇所があり、とくに読み飛ばしている場合は慣性スクロールをしている。よって、姿勢の分布、及び慣性スクロールを信頼度として考慮することで関心度に反映できると考えられる。姿勢の分布が集中している場合は、信頼度を上げ、逆に分散しているとき（例えば、慣性スクロール中と想定される場合）は信頼度を低く設定する。これが関心度を計算するときの信頼度の基本原理である。
上記のように、注視状態では端末の動きが小さくなるという原理に基づいて、本実施形態では、図３に示すように、端末運動量が大きくなるほど低下する信頼度の曲線を考える。この信頼度の曲線において、個人特性パラメータは２つの閾値で表すことができる。図３の信頼度のグラフに示すように、ひとつは、信頼度を最大値から低下させ始める端末運動量の閾値Ｐｔｈであり、もうひとつは、信頼度を最小値（例えば、０）にする端末運動量Ｐｏである。
Ｐｔｈは、注視状態における平均的な端末運動量を表すもので、例えば、分布が最も集中するクラスタ（詳細は後述）の平均的な端末運動量とみなせる。よって信頼度も高いものとして扱うことができる。Ｐｏは、非注視状態における平均的な端末運動量を表すものである。Ｐｏは、様々な端末の動き（スクロール中、ただ持っているだけ等々）が含まれるため姿勢や端末運動量の分布（詳細は後述）が広い場合の平均的な端末運動量である。よって信頼度が低いものとして扱うことができる。
詳細は後述するが、上記のＰｔｈ及びＰ０として、姿勢及び端末運動量の分布が大きい場合の閾値、小さい場合の閾値をそれぞれ設定するのであるが、ユーザごとに操作の癖が異なることから、これらの閾値は、ユーザの個人特性に応じて定める必要がある。図４に、ｕｓｅｒ１及びｕｓｅｒ２の信頼度のグラフの一例を示す。図４では、端末を手に持って操作する時の運動が小さい人がｕｓｅｒ１（例えば、両手持ちの人）、端末を手に持って操作する時の運動が大きい人がｕｓｅｒ２（例えば、片手持ちの人）である。ｕｓｅｒ１及びｕｓｅｒ２に対しては、信頼度を最大値から低下させ始める端末運動量の閾値Ｐｔｈをそれぞれ適切に設定しないと、関心がないのに関心があるとみなされたり、関心があるにもかかわらず、関心がないとみなされてしまうことが起きてしまう。以上が、個人特性への適応の必要性である。
運動量データ類別部３２は、第１運動量算出部３３と、第２運動量算出部３４とを含んで構成されている。
第１運動量算出部３３は、単位時間当たりの端末の姿勢に関する端末運動量と、単位時間ごとの端末の姿勢との組み合わせに基づいて、端末運動量を複数のクラスタに類別する。第１運動量算出部３３は、端末の操作者のコンテンツに対する注視状態に対応するクラスタを特定する。第１運動量算出部３３は、特定した注視状態のクラスタにおける運動量を算出する。また、第１運動量算出部３３で用いる端末運動量は、端末運動量検出部２８で検出したセンサ値（３軸の角速度センサ、３軸の加速度センサ、及び３軸の地磁気センサのうちのいずれかのセンサ値）の２乗和を求め、単位時間内で積算して対数変換した値とする。なお、注視状態が、特定の状態の一例である。
注視状態のクラスタは、端末の姿勢が一定のときの端末運動量の平均から求める。図５に示すように、端末の姿勢と、端末運動量との２次元のクラスタリング処理を行う。本実施形態では、クラスタリングによるクラスタ半径の小さいものを考慮して注視状態のクラスタを類別する。
このように２次元でクラスタリングをするのは、例えば、注視していないときの端末運動量の大きい値に交じって、たまたまサンプリングで端末運動量の小さい値もインライアとして混ざることが想定されるからである。実験から、姿勢が定まっている姿勢中心に集まっている端末運動量と、姿勢中心以外に散らばっている大きい端末運動量や小さい端末運動量とは、異なるクラスタとしてクラスタ類別されて得られることが分かっている。姿勢中心以外では、比較的半径の大きなクラスタとなることがわかっている。クラスタの半径が大きくなることは端末が安定しておらず注視していないことを意味しており、半径の小さいクラスタを注視状態と類別する。図５に２次元のクラスタリングの一例を示す。複数のクラスタのうち姿勢中心に端末運動量が集まっている注視状態のクラスタがあることがわかる。このように、姿勢中心を注視状態とみなすものとして、クラスタリングを行う。
クラスタリングは、例えば、２次元平面上のユークリッド距離に基づくクラスタ分析により行う。このときクラスタ数は３個以上（例えば５個）で与えて実行することで、特に端末運動量の外れ値（アウトライヤ）を含めないようにする。各クラスタから、最小の端末運動量が小さい順に２つの当該クラスタのクラスタ重心の端末運動量を算出する。注視中のクラスタの類別は、まず、クラスタ重心の端末運動量が小さい２つをクラスタの候補として選択する。次に、クラスタ重心の端末運動量が最小のクラスタについて、当該クラスタのクラスタ重心の端末運動量が予め定めた閾値より大きいかをチェックする。ここでの閾値とは、端末自身がもつジャイロセンサの精度の最小値に相当する。閾値より大きいのであれば、当該クラスタのクラスタ重心を第１の運動量として決定する。閾値未満の場合は、２番目に小さいクラスタのクラスタ重心を第１の運動量に決定する。注視状態では、端末運動量が安定しており、クラスタ半径が小さい場合が多いことから、このような閾値処理によりクラスタ半径の小さなものから第１の運動量を決定できる。
第２運動量算出部３４は、端末の所定の操作状態に基づいて端末運動量を算出し、算出した端末運動量が、端末の操作者のコンテンツに対する非注視状態に属する端末運動量であるか否かに類別する。類別結果から第２の運動量を算出する。ここで、所定の操作状態は、端末のタッチ状態が非タッチ（LEAVE）であり、かつ、端末の画面がスクロールされている慣性スクロール中の状態とする。なお、第２運動量算出部３４で用いる端末運動量は、慣性スクロール中の、端末運動量検出部２８で検出したセンサ値の２乗和を積算し対数変換した値とする。
第２運動量算出部３４における慣性スクロールは、上記状態を検出してから開始し、スクロール位置の変化がなくなり、データ取得が途切れたことを契機に終了とする。タイムスタンプを元に慣性スクロールの開始から終了までの継続長が求まる。第２運動量算出部３４は、慣性スクロール中の単位時間当たりの端末運動量の平均の端末運動量を算出する。第２運動量算出部３４は、平均の端末運動量が先に求めた第１の運動量より大きいか否かを判定する。第１の運動量より大きい場合は、当該運動量を第２の運動量として決定する。第１の運動量より小さい場合は、第１運動量算出部３３におけるクラスタ分析で得られている第１の運動量より大きな運動量をもつクラスタのクラスタ重心の端末運動量の値を第２の運動量として決定する。
パラメータ決定部３６は、注視状態に対応するクラスタに属する第１の運動量と、非注視状態に属する第２の運動量とに基づいて、端末の操作者の関心度を評価するためのパラメータを決定する。
パラメータ決定部３６は、パラメータ決定処理において、運動量データ類別部３２で対数変換して端末運動量を求めている場合であれば、指数計算して線形値に戻す処理を行う。具体例として、第１の運動量、及び第２の運動量について、閾値のパラメータＰｔｈ、及びＰ０を以下（２）式、及び（３）式のように定める。
Ｐｔｈ＝ｅｘｐ(第１の運動量＊２＋第２の運動量）/３) ・・・（２）
Ｐ０＝ｅｘｐ(第２の運動量) ・・・（３）
また、信頼度曲線をＰｔｈと傾きΔで定義する場合、その具体例として以下（４）式、及び（５）式のように定める。
Ｐｔｈ＝ｅｘｐ(（第１の運動量＊２＋第２の運動量）/３) ・・・（４）
Δ＝(exp(第２の運動量)−Ｐｔｈ)/９ ・・・（５）
パラメータ決定部３６は以上のような変換処理を行い、関心度評価式に用いる信頼度に関するパラメータである閾値Ｐｔｈ、及びＰ０を決定する。
関心度評価部３８は、タッチ状態解析部３０で算出されたスクロール速度、端末運動量検出部２８で検出されたセンサ値、ユーザ操作検出部２４によって検出された操作時間、パラメータ決定部３６で決定された閾値のパラメータに基づいて、関心度を算出する。関心度評価部３８は、上記（１）式に従って単位時間当たりの関心度を算出する。
以上のパラメータの決定から関心度の算出までの処理を、情報処理端末１６にコンテンツを表示している間の時間に行うことで、リアルタイムにユーザのコンテンツに対する関心度を評価することができる。
情報処理端末１６は、例えば、図６に示すコンピュータ５０で実現することができる。コンピュータ５０はＣＰＵ５１、一時記憶領域としてのメモリ５２、及び不揮発性の記憶部５３を備える。また、コンピュータ５０は、表示部２２及び表示部２２に重畳されたタッチパネル等の入出力Ｉ／Ｆ５４、及び記録媒体５９に対するデータの読み込み及び書き込みを制御するread/write（Ｒ／Ｗ）部５５を備える。また、コンピュータ５０は、インターネット等のネットワークに接続されるネットワークinterface（Ｉ／Ｆ）５６を備える。ＣＰＵ５１、メモリ５２、記憶部５３、入出力Ｉ／Ｆ５４、Ｒ／Ｗ部５５、及びネットワークＩ／Ｆ５６は、バス５７を介して互いに接続される。また、入出力Ｉ／Ｆ５４は、９軸センサである端末運動量検出部２８と接続している。
記憶部５３は、Hard Disk Drive（ＨＤＤ）、Solid State Drive（ＳＳＤ）、フラッシュメモリ等によって実現できる。記憶媒体としての記憶部５３には、コンピュータ５０を情報処理端末１６として機能させるための関心度評価プログラム６０が記憶されている。関心度評価プログラム６０は、通信プロセス６２と、制御プロセス６３と、ユーザ操作検出プロセス６５と、端末姿勢検出プロセス６６と、タッチ状態解析プロセス６８と、第１運動量算出プロセス６９と、第２運動量算出プロセス７０と、パラメータ決定プロセス７１と、関心度評価プロセス７２とを有する。
ＣＰＵ５１は、関心度評価プログラム６０を記憶部５３から読み出してメモリ５２に展開し、関心度評価プログラム６０が有するプロセスを順次実行する。ＣＰＵ５１は、通信プロセス６２を実行することで、図１に示す通信部１８として動作する。また、ＣＰＵ５１は、制御プロセス６２を実行することで、図１に示す制御部２０として動作する。また、ＣＰＵ５１は、ユーザ操作検出プロセス６５を実行することで、図１に示すユーザ操作検出部２４として動作する。また、ＣＰＵ５１は、端末姿勢検出プロセス６６を実行することで、図１に示す端末姿勢検出部２６として動作する。また、ＣＰＵ５１は、タッチ状態解析プロセス６８を実行することで、図１に示すタッチ状態解析部３０として動作する。また、ＣＰＵ５１は、第１運動量算出プロセス６９を実行することで、図１に示す第１運動量算出部３３として動作する。また、ＣＰＵ５１は、第２運動量算出プロセス７０を実行することで、図１に示す第２運動量算出部３４として動作する。また、ＣＰＵ５１は、パラメータ決定プロセス７１を実行することで、図１に示すパラメータ決定部３６として動作する。また、ＣＰＵ５１は、関心度評価プロセス７２を実行することで、図１に示す関心度評価部３８として動作する。これにより、関心度評価プログラム６０を実行したコンピュータ５０が、情報処理端末１６として機能することになる。なお、プログラムを実行するＣＰＵ５１はハードウェアである。
なお、関心度評価プログラム６０により実現される機能は、例えば半導体集積回路、より詳しくはApplication Specific Integrated Circuit（ＡＳＩＣ）等で実現することも可能である。
また、コンテンツサーバ１２は、例えば、図７に示すコンピュータ８０で実現することができる。コンピュータ８０はＣＰＵ８１、一時記憶領域としてのメモリ８２、及び不揮発性の記憶部８３を備える。また、コンピュータ８０は、表示装置及び入力装置等の入出力装置８４、及び記録媒体８９に対するデータの読み込み及び書き込みを制御するＲ／Ｗ部８５を備える。また、コンピュータ８０は、インターネット等のネットワークに接続されるネットワークＩ／Ｆ８６を備える。ＣＰＵ８１、メモリ８２、記憶部８３、入出力装置８４、Ｒ／Ｗ部８５、及びネットワークＩ／Ｆ８６は、バス８７を介して互いに接続される。
記憶部８３は、ＨＤＤ、ＳＳＤ、フラッシュメモリ等によって実現できる。記憶媒体としての記憶部８３には、コンピュータ８０をコンテンツサーバ１２として機能させるためのコンテンツ提供プログラム９０が記憶されている。また、コンテンツ記憶領域９８には、情報処理端末１６へ提供可能なコンテンツが予め記憶される。
なお、コンテンツ提供プログラム９０により実現される機能は、例えば半導体集積回路、より詳しくはＡＳＩＣ等で実現することも可能である。
次に、本実施形態に係る関心度評価システム１０の作用について説明する。関心度評価システム１０において、情報処理端末１６がコンテンツサーバ１２からコンテンツを受信する。そして、情報処理端末１６の表示部２２に受信したコンテンツが表示され、ユーザ操作検出部２４がユーザによる操作の入力を受け付けたときに、情報処理端末１６において、図８に示す関心度評価処理が実行される。以下、各処理について詳述する。
ステップＳ１００において、ユーザ操作検出部２４は、一定時間（ここでは３０秒）における単位時間の各々について、入力操作を検出する。具体的には、入力操作の種別、入力操作の時刻、接触位置、各単位時間の操作時間、及び無操作時間を含む操作情報を検出する。
ステップＳ１０２において、端末姿勢検出部２６は、端末の姿勢を単位時間ごとに検出する。
ステップＳ１０４において、端末運動量検出部２８は、単位時間より短い所定の間隔ごとに端末の運動に係るセンサ値を検出する。センサ値は、３軸の角速度センサ、３軸の加速度センサ、及び３軸の地磁気センサのうちのいずれかのセンサ値とし、所定の間隔は、例えば、200msとする。
ステップＳ１０６において、タッチ状態解析部３０は、タッチパネルをタッチ中か否かのタッチ状態とタッチの操作種に応じた操作状態を検出する。操作状態として、タッチ開始、タッチ継続中、LEAVE（タッチ終了などの非タッチ状態）、スクロール位置、及びスクロール速度を検出する。
ステップＳ１０８において、第１運動量算出部３３は、単位時間当たりの端末の姿勢に関する端末運動量と、単位時間ごとの端末の姿勢との組み合わせに基づいて、端末運動量を複数のクラスタに類別し、注視状態に対応するクラスタを特定する。そして、第１運動量算出部３３は、注視状態のクラスタにおける第１の運動量を算出する。処理の詳細については後述する。
ステップＳ１１０において、第２運動量算出部３４は、ステップＳ１０８で求めた注視状態に対応するクラスタに属する第１の運動量と、端末の所定の操作状態における端末運動量とに基づいて、端末運動量を非注視状態であるか否かに類別する。そして、第２運動量算出部３３は、類別結果から第２の運動量を算出する。処理の詳細については後述する。
ステップＳ１１２において、注視状態に対応するクラスタに属する第１の運動量と、非注視状態に属する第２の運動量とに基づいて、端末の操作者の関心度を評価するためのパラメータを決定する。
ステップＳ１１４において、タッチ状態解析部３０で算出されたスクロール速度、端末運動量検出部２８で検出されたセンサ値、ユーザ操作検出部２４で検出された操作時間、パラメータ決定部３６で決定された閾値のパラメータに基づいて、関心度を算出する。
上記ステップＳ１０８の第１運動量算出部３３の詳細なフローについて図９を参照して説明する。
ステップＳ２００で、端末運動量検出部２８で検出した端末の運動に係るセンサ値の２乗和を求め、単位時間内で積算して対数変換した値を端末運動量として算出する。
ステップＳ２０２で、端末の姿勢と、端末運動量との２次元のクラスタリング処理を行う。
ステップＳ２０４で、クラスタリング処理の結果得られたクラスタについて、最小の端末運動量が小さい順に２つの当該クラスタのクラスタ重心の端末運動量を算出し、クラスタ重心の端末運動量が小さい２つをクラスタの候補として選択する。
ステップＳ２０６で、ステップＳ２０４で選択した候補のうちのクラスタ重心の端末運動量が最小となるクラスタについて、当該クラスタのクラスタ重心の端末運動量が予め定めた閾値より大きいか否かを判定する。閾値より大きければステップＳ２０８へ移行し、閾値より大きくなければステップＳ２１０へ移行する。
ステップＳ２０８で、クラスタ重心の端末運動量が最小だったクラスタのクラスタ重心を第１の運動量に決定する。
ステップＳ２１０で、クラスタ重心の端末運動量が２番目に小さいクラスタのクラスタ重心を第１の運動量に決定する。
上記ステップＳ１１０の第２運動量算出部３４の詳細なフローについて図１０を参照して説明する。
ステップＳ３００で、端末のタッチ状態が非タッチ（LEAVE）であり、かつ、端末の画面がスクロールされている慣性スクロール中の状態を検出する。
ステップＳ３０２で、慣性スクロール中の端末運動量を算出する。端末運動量は、慣性スクロール中の、端末運動量検出部２８で検出した端末の運動に係るセンサ値の２乗和を求め、単位時間内で積算して対数変換した値とする。
ステップＳ３０４で、慣性スクロール中の単位時間当たりの平均の端末運動量を算出する。慣性スクロールは上記ステップＳ３００の状態が検出されてから、スクロール位置の変化がなくなり、データ取得が途切れたことを契機に終了とする。タイムスタンプを元に慣性スクロールの開始から終了までの継続長が求まる。
ステップＳ３０６で、ステップＳ３０４で求めた慣性スクロール中の平均の端末運動量が、第１の運動量より大きいか否かを判定する。大きければステップＳ３０８へ移行し、大きくなければステップＳ３１０へ移行する。
ステップＳ３０８で、ステップＳ３０４で求めた慣性スクロール中の平均の端末運動量を第２の運動量として決定する。
ステップＳ３１０で、上記ステップＳ２０８又はＳ２１０で決定された第１の運動量が属するクラスタよりクラスタ重心の端末運動量が大きいクラスタを選択し、選択したクラスタのクラスタ重心の端末運動量を第２の端末運動量として決定する。
以上説明したように、本実施形態に係る関心度評価システムによれば、単位時間当たりの端末の姿勢の変化に関する端末運動量と、単位時間ごとの端末の姿勢との組み合わせに基づいて、端末運動量を複数のクラスタに類別する。端末の操作者のコンテンツに対する注視状態に対応するクラスタを特定する。注視状態に対応するクラスタに属する端末運動量と、端末の所定の操作状態における端末運動量とに基づいて、端末運動量を端末の操作者のコンテンツに対する非注視状態であるか否かに類別する。注視状態に対応するクラスタに属する端末運動量と、非注視状態である端末運動量とに基づいて、端末の操作者の関心度を評価するためのパラメータを決定する。このため、ユーザの特性に応じた関心度を算出するためのパラメータを求めることができる。
上記実施形態について変形例を説明する。
上記実施形態では、関心度評価システムは、コンテンツサーバと、情報処理端末とを備える場合について説明したが、これに限定されるものではない。例えば、ユーザ情報記憶ＤＢを設け、ユーザごとの関心度を記憶するようにしてもよい。この場合には、ユーザの関心度をコンテンツサーバに送信し、ユーザの関心度に基づいて、コンテンツサーバから情報処理端末に配信するコンテンツを変化させるようにしてもよい。
また、上記実施形態では、情報処理端末にタッチ状態解析部と、運動量データ類別部と、パラメータ決定部と、関心度評価部とを備える場合を例に説明したが、これに限定されるものではない。例えば、ユーザ情報管理サーバを設け、ユーザ情報管理サーバがタッチ状態解析部と、運動量データ類別部と、パラメータ決定部と、関心度評価部とを備えるようにしてもよい。この場合には、情報処理端末で、ユーザによる入力操作、端末の運動のセンサ値、及び端末の姿勢を単位時間ごとに検出する。情報処理端末からネットワークを介してユーザ情報管理サーバに送信し、ユーザ情報管理サーバ側で、タッチ状態を解析し、信頼度の閾値に係るパラメータを決定し、関心度を算出するようにすればよい。
以上の実施形態に関し、更に以下の付記を開示する。
（付記１）
端末の姿勢の変化に関する端末運動量と前記端末の姿勢に関する情報との組み合わせに基づいて前記端末運動量を複数に類別したクラスタの中から、前記端末運動量と前記端末の姿勢とが特定の状態であるクラスタを特定し、
前記端末運動量を、前記端末の所定の操作状態に基づいて、前記端末の操作者のコンテンツに対する非注視状態に属する端末運動量であるか否かに類別し、
前記特定の状態に対応するクラスタに属する前記端末運動量と、前記非注視状態に属する前記端末運動量とに基づいて、前記端末の操作者の関心度を評価するためのパラメータを決定する、
ことを含む処理をコンピュータに実行させるための関心度評価プログラム。
（付記２）
前記特定の状態に対応するクラスタの特定は、前記端末運動量を３以上のクラスタに類別し、予め定められた条件を満たすクラスタを、前記特定の状態に対応するクラスタとして特定する付記１に記載の関心度評価プログラム。
（付記３）
前記予め定められた条件を満たすクラスタは、クラスタ重心の端末運動量が最小のクラスタ、又は前記最小のクラスタのクラスタ重心の端末運動量が所定の閾値以下の場合には、クラスタ重心の端末運動量が二番目に小さいクラスタである付記２に記載の関心度評価プログラム。
（付記４）
前記所定の操作状態は、前記端末のタッチ状態、及び前記端末のスクロールの状態とする付記１〜３のいずれかに記載の関心度評価プログラム。
（付記５）
前記所定の操作状態において、前記端末のタッチ状態が非接触であり、かつ、前記端末の画面がスクロールされている状態を慣性スクロール中とし、前記慣性スクロール中の前記端末の端末運動量であって、前記特定の状態に対応するクラスタに属する端末運動量より大きい端末運動量を、前記非注視状態に類別する付記４に記載の関心度評価プログラム。
（付記６）
前記慣性スクロール中の前記端末の端末運動量が、前記特定の状態に対応するクラスタに属する前記端末運動量より小さい場合、前記特定の状態に対応するクラスタに属する前記端末運動量より大きい前記端末運動量を含むクラスタに属する前記端末運動量を前記非注視状態の端末運動量であると類別する付記５に記載の関心度評価プログラム。
（付記７）
前記関心度を評価するための信頼度であって、端末運動量が大きくなるほど小さくなる信頼度のパラメータとして、信頼度を最大値から低下させ始める端末運動量の第１閾値を、前記特定の状態に対応するクラスタに属する前記端末運動量に基づいて決定し、信頼度が最小値となる端末運動量、又は信頼度を低下させる程度を表す第２の閾値を、前記非注視状態に属する端末運動量に基づいて決定する付記１〜６のいずれかに記載の関心度評価プログラム。
（付記８）
前記端末にコンテンツを表示している間の時間について、前記パラメータの決定を行い、前記関心度を評価する付記１〜７のいずれかに記載の関心度評価プログラム。
（付記９）
前記端末運動量は、３軸角速度センサの値の２乗和、３軸角加速度センサの値の２乗和、及び３軸磁気センサの値の２乗和のいずれかを用いる付記１〜８のいずれかに記載の関心度評価プログラム。
（付記１０）
前記姿勢に関する情報は、３軸角加速度センサの値、及び３軸磁気センサの値のいずれかを用いる付記１〜９のいずれかに記載の関心度評価プログラム。
（付記１１）
端末の姿勢の変化に関する端末運動量と前記端末の姿勢に関する情報との組み合わせに基づいて前記端末運動量を複数に類別したクラスタの中から、前記端末運動量と前記端末の姿勢とが特定の状態であるクラスタを特定し、前記端末運動量を、前記端末の所定の操作状態に基づいて、前記端末の操作者のコンテンツに対する非注視状態に属する端末運動量であるか否かに類別する類別部と、
前記特定の状態に対応するクラスタに属する前記端末運動量と、前記非注視状態に属する前記端末運動量とに基づいて、前記端末の操作者の関心度を評価するためのパラメータを決定する決定部と、
を含む関心度評価装置。
（付記１２）
前記特定の状態に対応するクラスタの特定は、前記端末運動量を３以上のクラスタに類別し、予め定められた条件を満たすクラスタを、前記特定の状態に対応するクラスタとして特定する付記１１に記載の関心度評価装置。
（付記１３）
前記予め定められた条件を満たすクラスタは、クラスタ重心の端末運動量が最小のクラスタ、又は前記最小のクラスタのクラスタ重心の端末運動量が所定の閾値以下の場合には、クラスタ重心の端末運動量が二番目に小さいクラスタである付記１２に記載の関心度評価装置。
（付記１４）
前記所定の操作状態は、前記端末のタッチ状態、及び前記端末のスクロールの状態とする付記１１〜１３のいずれかに記載の関心度評価装置。
（付記１５）
前記所定の操作状態において、前記端末のタッチ状態が非接触であり、かつ、前記端末の画面がスクロールされている状態を慣性スクロール中とし、前記慣性スクロール中の前記端末の端末運動量であって、前記特定の状態に対応するクラスタに属する端末運動量より大きい端末運動量を、前記非注視状態に類別する付記１４に記載の関心度評価装置。
（付記１６）
端末の姿勢の変化に関する端末運動量と前記端末の姿勢に関する情報との組み合わせに基づいて前記端末運動量を複数に類別したクラスタの中から、前記端末運動量と前記端末の姿勢とが特定の状態であるクラスタを特定し、
前記端末運動量を、前記端末の所定の操作状態に基づいて、前記端末の操作者のコンテンツに対する非注視状態に属する端末運動量であるか否かに類別し、
前記特定の状態に対応するクラスタに属する前記端末運動量と、前記非注視状態に属する前記端末運動量とに基づいて、前記端末の操作者の関心度を評価するためのパラメータを決定する、
ことを含む処理をコンピュータが実行することを特徴とする関心度評価方法。
（付記１７）
前記特定の状態に対応するクラスタの特定は、前記端末運動量を３以上のクラスタに類別し、予め定められた条件を満たすクラスタを、前記特定の状態に対応するクラスタとして特定する付記１６に記載の関心度評価方法。
（付記１８）
前記予め定められた条件を満たすクラスタは、クラスタ重心の端末運動量が最小のクラスタ、又は前記最小のクラスタのクラスタ重心の端末運動量が所定の閾値以下の場合には、クラスタ重心の端末運動量が二番目に小さいクラスタである付記１７に記載の関心度評価方法。
（付記１９）
前記所定の操作状態は、前記端末のタッチ状態、及び前記端末のスクロールの状態とする付記１６〜１８のいずれかに記載の関心度評価方法。
（付記２０）
前記所定の操作状態において、前記端末のタッチ状態が非接触であり、かつ、前記端末の画面がスクロールされている状態を慣性スクロール中とし、前記慣性スクロール中の前記端末の端末運動量であって、前記特定の状態に対応するクラスタに属する端末運動量より大きい端末運動量を、前記非注視状態に類別する付記１９に記載の関心度評価方法。
１０ 関心度評価システム
１２ コンテンツサーバ
１４ ネットワーク
１６ 情報処理端末
１８ 通信部
２０ 制御部
２２ 表示部
２４ ユーザ操作検出部
２６ 端末姿勢検出部
２８ 端末運動量検出部
３０ タッチ状態解析部
３２ 運動量データ類別部
３３ 第１運動量算出部
３４ 第２運動量算出部
３６ パラメータ決定部
３８ 関心度評価部
５１、８１ ＣＰＵ
５２、８２ メモリ
５３、８３ 記憶部
５９、８９ 記録媒体
６０ 関心度評価プログラム

Claims (12)

  1. 端末の姿勢の変化に関する端末運動量と前記端末の姿勢に関する情報との組み合わせに基づいて前記端末運動量を複数に類別したクラスタの中から、前記端末運動量と前記端末の姿勢とが特定の状態であるクラスタを特定し、
    前記端末運動量を、前記端末の所定の操作状態に基づいて、前記端末の操作者のコンテンツに対する非注視状態に属する端末運動量であるか否かに類別し、
    前記特定の状態に対応するクラスタに属する前記端末運動量と、前記非注視状態に属する前記端末運動量とに基づいて、前記端末の操作者の関心度を評価するためのパラメータを決定する、
    ことを含む処理をコンピュータに実行させるための関心度評価プログラム。
  2. 前記特定の状態に対応するクラスタの特定は、前記端末運動量を３以上のクラスタに類別し、予め定められた条件を満たすクラスタを、前記特定の状態に対応するクラスタとして特定する請求項１に記載の関心度評価プログラム。
  3. 前記予め定められた条件を満たすクラスタは、クラスタ重心の端末運動量が最小のクラスタ、又は前記最小のクラスタのクラスタ重心の端末運動量が所定の閾値以下の場合には、クラスタ重心の端末運動量が二番目に小さいクラスタである請求項２に記載の関心度評価プログラム。
  4. 前記所定の操作状態は、前記端末のタッチ状態、及び前記端末のスクロールの状態とする請求項１〜請求項３のいずれか１項に記載の関心度評価プログラム。
  5. 前記所定の操作状態において、前記端末のタッチ状態が非接触であり、かつ、前記端末の画面がスクロールされている状態を慣性スクロール中とし、前記慣性スクロール中の前記端末の端末運動量であって、前記特定の状態に対応するクラスタに属する端末運動量より大きい端末運動量を、前記非注視状態に類別する請求項４に記載の関心度評価プログラム。
  6. 前記慣性スクロール中の前記端末の端末運動量が、前記特定の状態に対応するクラスタに属する前記端末運動量より小さい場合、前記特定の状態に対応するクラスタに属する前記端末運動量より大きい前記端末運動量を含むクラスタに属する前記端末運動量を前記非注視状態の端末運動量であると類別する請求項５に記載の関心度評価プログラム。
  7. 前記関心度を評価するための信頼度であって、端末運動量が大きくなるほど小さくなる信頼度のパラメータとして、信頼度を最大値から低下させ始める端末運動量の第１閾値を、前記特定の状態に対応するクラスタに属する前記端末運動量に基づいて決定し、信頼度が最小値となる端末運動量、又は信頼度を低下させる程度を表す第２の閾値を、前記非注視状態に属する端末運動量に基づいて決定する請求項１〜６のいずれか１項に記載の関心度評価プログラム。
  8. 前記端末にコンテンツを表示している間の時間について、前記パラメータの決定を行い、前記関心度を評価する請求項１〜７のいずれか１項に記載の関心度評価プログラム。
  9. 前記端末運動量は、３軸角速度センサの値の２乗和、３軸角加速度センサの値の２乗和、及び３軸磁気センサの値の２乗和のいずれかを用いる請求項１〜８のいずれか１項に記載の関心度評価プログラム。
  10. 前記姿勢に関する情報は、３軸角加速度センサの値、及び３軸磁気センサの値のいずれかを用いる請求項１〜９のいずれか１項に記載の関心度評価プログラム。
  11. 端末の姿勢の変化に関する端末運動量と、前記端末の姿勢に関する情報との組み合わせに基づいて、前記端末運動量を複数のクラスタに類別し、前記端末の操作者のコンテンツに対する特定の状態に対応するクラスタを特定し、前記特定の状態に対応するクラスタに属する前記端末運動量に基づいて、前記端末の所定の操作状態における前記端末運動量を、前記端末の操作者のコンテンツに対する非注視状態に属する端末運動量であるか否かに類別する類別部と、
    前記特定の状態に対応するクラスタに属する前記端末運動量と、前記非注視状態に属する前記端末運動量とに基づいて、前記端末の操作者の関心度を評価するためのパラメータを決定する決定部と、
    を含む関心度評価装置。
  12. 端末の姿勢の変化に関する端末運動量と、前記端末の姿勢に関する情報との組み合わせに基づいて、前記端末運動量を複数のクラスタに類別し、前記端末の操作者のコンテンツに対する特定の状態に対応するクラスタを特定し、
    前記特定の状態に対応するクラスタに属する前記端末運動量に基づいて、前記端末の所定の操作状態における前記端末運動量を、前記端末の操作者のコンテンツに対する非注視状態に属する端末運動量であるか否かに類別し、
    前記特定の状態に対応するクラスタに属する前記端末運動量と、前記非注視状態に属する前記端末運動量とに基づいて、前記端末の操作者の関心度を評価するためのパラメータを決定する、
    ことを含む処理をコンピュータが実行することを特徴とする関心度評価方法。
JP2018011339A 2018-01-26 2018-01-26 関心度評価プログラム、装置、及び方法 Active JP6977585B2 (ja)

Priority Applications (2)

Application Number Priority Date Filing Date Title
JP2018011339A JP6977585B2 (ja) 2018-01-26 2018-01-26 関心度評価プログラム、装置、及び方法
US16/225,510 US20190236618A1 (en) 2018-01-26 2018-12-19 Recording medium in which degree-of-interest evaluating program is recorded, information processing device, and evaluating method

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
JP2018011339A JP6977585B2 (ja) 2018-01-26 2018-01-26 関心度評価プログラム、装置、及び方法

Publications (2)

Publication Number Publication Date
JP2019128872A JP2019128872A (ja) 2019-08-01
JP6977585B2 true JP6977585B2 (ja) 2021-12-08

Family

ID=67392273

Family Applications (1)

Application Number Title Priority Date Filing Date
JP2018011339A Active JP6977585B2 (ja) 2018-01-26 2018-01-26 関心度評価プログラム、装置、及び方法

Country Status (2)

Country Link
US (1) US20190236618A1 (ja)
JP (1) JP6977585B2 (ja)

Family Cites Families (15)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20060061545A1 (en) * 2004-04-02 2006-03-23 Media Lab Europe Limited ( In Voluntary Liquidation). Motion-activated control with haptic feedback
JP2006202015A (ja) * 2005-01-20 2006-08-03 Ntt Docomo Inc 注視状態検出装置および注視状態推定方法
JP4977525B2 (ja) * 2006-05-25 2012-07-18 パナソニック株式会社 画像制御の装置と方法、及びそのプログラムとそれを記録した記録媒体
JP5392157B2 (ja) * 2010-03-19 2014-01-22 富士通株式会社 モーション判定装置、モーション判定方法、およびコンピュータプログラム
US10810613B1 (en) * 2011-04-18 2020-10-20 Oracle America, Inc. Ad search engine
US20130135218A1 (en) * 2011-11-30 2013-05-30 Arbitron Inc. Tactile and gestational identification and linking to media consumption
US20130222277A1 (en) * 2012-02-23 2013-08-29 James Michael O'Hara Systems and methods for identifying a user of an electronic device
US9519909B2 (en) * 2012-03-01 2016-12-13 The Nielsen Company (Us), Llc Methods and apparatus to identify users of handheld computing devices
US8473975B1 (en) * 2012-04-16 2013-06-25 The Nielsen Company (Us), Llc Methods and apparatus to detect user attentiveness to handheld computing devices
JP5705816B2 (ja) * 2012-12-04 2015-04-22 ヤフー株式会社 広告情報提供装置および広告情報提供方法
US9087298B2 (en) * 2012-12-05 2015-07-21 International Business Machines Corporation Inference of anomalous behavior of members of cohorts and associate actors related to the anomalous behavior based on divergent movement from the cohort context centroid
CN104111946B (zh) * 2013-04-19 2018-08-07 腾讯科技（深圳）有限公司 基于用户兴趣的聚类方法和装置
KR102308645B1 (ko) * 2014-12-29 2021-10-05 삼성전자주식회사 사용자 단말 장치 및 그의 제어 방법
US20170147675A1 (en) * 2015-11-19 2017-05-25 International Business Machines Corporation High dimensional clusters profile generation
JP6528726B2 (ja) * 2016-06-03 2019-06-12 京セラドキュメントソリューションズ株式会社 表示装置及び表示制御プログラム

Also Published As

Publication number Publication date
US20190236618A1 (en) 2019-08-01
JP2019128872A (ja) 2019-08-01

Similar Documents

Publication Publication Date Title
US20200193487A1 (en) System and method to measure effectiveness and consumption of editorial content
KR101891493B1 (ko) 사용자 탐색 이벤트의 예측
JP6407363B2 (ja) ユーザデバイスの感覚情報の管理
US8228292B1 (en) Flipping for motion-based input
CN104995581B (zh) 电子设备的手势检测管理
JP6602372B2 (ja) コンテキスト情報に基づくタッチ表面の非アクティブ領域
US8018440B2 (en) Unintentional touch rejection
US20130179958A1 (en) Authentication system, authentication method, authentication device, information terminal, program and information recording medium
US9606712B1 (en) Placement of user interface elements in a browser based on navigation input
US8566332B2 (en) Populating variable content slots on web pages
US9633017B2 (en) Dwell-time based generation of a user interest profile
CN105009034A (zh) 信息处理设备、信息处理方法和程序
WO2012092271A2 (en) Supporting intelligent user interface interactions
CN111742540B (zh) 检测模式和行为以避免移动终端掉落事件的方法、移动设备及计算机可读介质
US11175735B2 (en) Choice-based analytics that combine gaze and selection data
US20080184113A1 (en) Relevance slider in a site analysis report
US20180336578A1 (en) Interest level evaluation method, interest level evaluating device and recording medium
US9400575B1 (en) Finger detection for element selection
KR20140091693A (ko) 간접 상호작용 디바이스를 위한 상호작용 모델
CN114791982B (zh) 对象推荐方法和装置
JP6740819B2 (ja) 関心度評価プログラム、装置及び方法
TW201730838A (zh) 互動式服務平台及其運作方法
CN112219234B (zh) 标识虚拟现实环境的用户的生理压力的方法、介质和系统
BR102015004976A2 (pt) método para adaptar a interface de usuário e as funcionalidades de aplicações móveis de acordo com o nível de experiência do usuário
JP6977585B2 (ja) 関心度評価プログラム、装置、及び方法

Legal Events

Date Code Title Description
A621 Written request for application examination

Free format text: JAPANESE INTERMEDIATE CODE: A621

Effective date: 20201008

A977 Report on retrieval

Free format text: JAPANESE INTERMEDIATE CODE: A971007

Effective date: 20210915

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: 20211012

A61 First payment of annual fees (during grant procedure)

Free format text: JAPANESE INTERMEDIATE CODE: A61

Effective date: 20211025

R150 Certificate of patent or registration of utility model

Ref document number: 6977585

Country of ref document: JP

Free format text: JAPANESE INTERMEDIATE CODE: R150