JP6990983B2 - 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 PDF

Info

Publication number
JP6990983B2
JP6990983B2 JP2017082019A JP2017082019A JP6990983B2 JP 6990983 B2 JP6990983 B2 JP 6990983B2 JP 2017082019 A JP2017082019 A JP 2017082019A JP 2017082019 A JP2017082019 A JP 2017082019A JP 6990983 B2 JP6990983 B2 JP 6990983B2
Authority
JP
Japan
Prior art keywords
user
information
emotion
estimation device
estimation
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
JP2017082019A
Other languages
English (en)
Other versions
JP2018181101A (ja
Inventor
玲 田島
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.)
Yahoo Japan Corp
Original Assignee
Yahoo Japan Corp
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 Yahoo Japan Corp filed Critical Yahoo Japan Corp
Priority to JP2017082019A priority Critical patent/JP6990983B2/ja
Priority to US15/908,043 priority patent/US11755623B2/en
Publication of JP2018181101A publication Critical patent/JP2018181101A/ja
Application granted granted Critical
Publication of JP6990983B2 publication Critical patent/JP6990983B2/ja
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/28Databases characterised by their database models, e.g. relational or object models
    • G06F16/284Relational databases
    • G06F16/285Clustering or classification
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06QINFORMATION 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
    • G06Q30/00Commerce
    • G06Q30/02Marketing; Price estimation or determination; Fundraising
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06QINFORMATION 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
    • G06Q50/00Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/01Social networking

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Theoretical Computer Science (AREA)
  • Strategic Management (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Marketing (AREA)
  • General Business, Economics & Management (AREA)
  • Accounting & Taxation (AREA)
  • Development Economics (AREA)
  • Economics (AREA)
  • Finance (AREA)
  • Databases & Information Systems (AREA)
  • Game Theory and Decision Science (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Computing Systems (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Human Resources & Organizations (AREA)
  • Primary Health Care (AREA)
  • Tourism & Hospitality (AREA)
  • General Engineering & Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)

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、ユーザに応じて種々の情報を推定する技術が提供されている。例えば、時系列で変化するユーザの動きに基づいたモーションデータの傾向からユーザの感情を推定する技術が提供されている。
特開2015-184763号公報
しかしながら、上記の従来技術では、ユーザの感情を適切に推定することができるとは限らない。例えば、上記の従来技術では、感情の推定対象となるユーザ自身のモーションデータが十分でない場合、そのユーザの感情を適切に推定することが難しい。
本願は、上記に鑑みてなされたものであって、ユーザの感情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、複数のユーザ間の類似関係を示すユーザ関係情報を取得する取得部と、前記取得部により取得されたユーザ関係情報において一のユーザに類似する類似ユーザの感情情報に基づいて、当該一のユーザの感情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、ユーザの感情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、実施形態に係る推定処理の一例を示す図である。 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。 図3は、実施形態に係る推定装置の構成例を示す図である。 図4は、実施形態に係る第1情報記憶部の一例を示す図である。 図5は、実施形態に係る第2情報記憶部の一例を示す図である。 図6は、実施形態に係るユーザ関係情報記憶部の一例を示す図である。 図7は、実施形態に係るクラスタ情報記憶部の一例を示す図である。 図8は、実施形態に係る感情情報記憶部の一例を示す図である。 図9は、実施形態に係る推定処理の一例を示すフローチャートである。 図10は、実施形態に係るクラスタによる伝搬の一例を示す図である。 図11は、実施形態に係る低ランク近似の一例を示す図である。 図12は、実施形態に係る低ランク近似を用いた推定処理の一例を示す図である。 図13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.推定処理〕
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が複数のユーザ間の類似関係を示すユーザ関係情報において一のユーザに類似する類似ユーザの感情情報に基づいて、一のユーザの感情を推定する場合を示す。図1の例では、ユーザ自身の生体情報やSNS(Social Networking Service)において入力(投稿)した入力情報等が取得可能なユーザの感情を推定し、そのユーザの感情に基づいて、他のユーザの感情を推定する場合を示す。
〔推定システムの構成〕
図1の説明に先立って、図2を用いて推定システム1の構成について説明する。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。図2に示すように、推定システム1は、端末装置10と、推定装置100とが含まれる。端末装置10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。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、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、ユーザの行動情報を推定装置100へ送信する。例えば、端末装置10は、ユーザに関する位置情報やユーザが検索に用いた検索クエリに関する情報を含む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。
なお、以下では、「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、複数のユーザ間の類似関係を示すユーザ関係情報において一のユーザに類似する類似ユーザの感情情報に基づいて、一のユーザの感情を推定する情報処理装置である。図1の例では、推定装置100は、ユーザの属性情報やコンテンツの閲覧履歴等、多くのユーザから取得可能な情報に基づいて生成されるユーザ関係情報を用いる。また、図1の例では、推定装置100は、以下では、ユーザ関係情報の生成に用いられる情報を第1情報とし、ユーザの感情の推定に用いられる情報を第2情報とする。図1の例では、推定装置100は、ユーザの類似度を示すユーザ関係情報に基づいて、感情情報EL11が取得されたユーザU1から感情情報EL11を伝搬させることにより、他のユーザU2、ユーザU3等の感情を推定する。
ここから、図1を用いて、推定処理の流れについてより詳細に説明する。図1の例では、推定装置100がユーザU1~ユーザUn等の多数のユーザを対象に推定処理を行う場合を示す。また、「Un」の「n」は、処理対象となるユーザ数に対応し、例えば「100000」や「100万」や「1億」等であってもよい。
例えば、推定装置100は、ユーザ関係情報記憶部123やクラスタ情報記憶部124等を含む情報群IL11を用いて処理を行う。図1の例では、推定装置100は、ユーザ関係情報記憶部123に示すような複数のユーザ間の類似関係を示すユーザ関係情報を用いる。図1中のユーザ関係情報記憶部123に示すユーザ関係情報には、各ユーザの組合せごとのユーザ間の類似度を示す値が含まれる。図1の例では、推定装置100は、ユーザ間の類似度をユーザ間の感情情報の伝搬係数として用いる。
例えば、図1中のユーザ関係情報記憶部123では、ユーザID「U1」の行とユーザID「U1」の列とが交差する項目(マス目)やユーザID「U2」の行とユーザID「U2」の列とが交差する項目等の同じユーザIDが交差する項目には、「1」が記憶される。つまり、同一ユーザの場合、類似度が「1」となり、図1に示す例では、類似度の最大値が「1」であることを示す。
また、例えば、図1中のユーザ関係情報記憶部123では、ユーザID「U1」の行とユーザID「U3」の列とが交差する項目(マス目)には、ユーザU1とユーザU3との類似度を示す値が記憶される。図1中のユーザ関係情報記憶部123では、ユーザID「U1」の行とユーザID「U3」の列とが交差する項目には、「0.75」が記憶される。つまり、ユーザU1とユーザU3との類似度が「0.75」であり、ユーザU1とユーザU3とが類似していることを示す。
例えば、推定装置100は、図1中のユーザ関係情報記憶部123に示すようなユーザ関係情報を外部の情報処理装置から取得してもよいし、種々の情報に基づいて生成してもよい。例えば、推定装置100は、第1情報記憶部121(図4参照)に示すような各ユーザの第1情報に基づいて、図1中のユーザ関係情報記憶部123に示すようなユーザ関係情報を生成してもよい。例えば、推定装置100は、各ユーザの類似関係を示すユーザ関係情報を類似度算出手法の種々の従来技術を適宜用いて類似度を算出することにより、ユーザ関係情報を生成してもよい。
例えば、推定装置100は、第1情報記憶部121(図4参照)に記憶された各ユーザの第1情報から各ユーザのベクトルを生成し、各ユーザのベクトルの比較に基づいて、ユーザ関係情報を生成してもよい。例えば、推定装置100は、第1情報記憶部121(図4参照)に記憶された各ユーザの第1情報から各ユーザのベクトルを生成し、各ユーザのベクトルのコサイン類似度をユーザ間の類似度として、ユーザ関係情報を生成してもよい。なお、上記は一例であり、推定装置100は、ユーザの類似関係を示すユーザ関係情報が生成可能であれば、どのような手法によりユーザ関係情報を生成してもよい。
また、図1の例では、推定装置100は、クラスタ情報記憶部124に示すような複数のユーザをクラスタリングするクラスタ情報を用いる。図1中のクラスタ情報記憶部124に示すクラスタ情報には、各ユーザの類似性に基づいて各ユーザがクラスタリングされた情報が含まれる。図1の例では、推定装置100は、クラスタ情報記憶部124に示すようなクラスタ情報を含むユーザ関係情報を用いて推定処理を行う。
図1中のクラスタ情報記憶部124に示す「クラスタID」は、クラスタを識別するための識別情報を示す。図1中のクラスタ情報記憶部124に示す「帰属ユーザ」は、対応するクラスタに属するユーザを示す。なお、図1中のクラスタ情報記憶部124に示す「#1」、「#2」、「#3」等は、対応するクラスタに含まれるユーザを示す。
例えば、図1中のクラスタ情報記憶部124では、クラスタID「CL1」により識別されるクラスタCL1には、ユーザU1や、ユーザU3や、ユーザU189が帰属ユーザに含まれることを示す。このように、「クラスタCL*(*は任意の数値)」と記載した場合、そのクラスタはクラスタID「CL*」により識別されるクラスタであることを示す。例えば、「クラスタCL11」と記載した場合、そのクラスタはクラスタID「CL11」により識別されるクラスタである。
また、例えば、図1中のクラスタ情報記憶部124では、クラスタCL2には、ユーザU3や、ユーザU2や、ユーザU1001が帰属ユーザに含まれることを示す。また、例えば、図1中のクラスタ情報記憶部124では、クラスタCL3には、ユーザU1や、ユーザU2や、ユーザUnが帰属ユーザに含まれることを示す。図1の例では、上述のように各ユーザが複数のクラスタの帰属ユーザになることを許容するクラスタリング(ソフトクラスタリング)により生成されたクラスタ情報である場合を示す。なお、上記は一例であり、各ユーザは1つのクラスタの帰属ユーザになるクラスタリング(ハードクラスタリング)により生成されたクラスタ情報であってもよい。また、図1の例では図示を省略するが、クラスタ情報記憶部124には、図7に示すように、「#1」、「#2」、「#3」には、ユーザIDにより識別されるユーザのクラスタへの帰属度合いを示す数値(重み)がユーザIDとともに記憶される。例えば、図7中のクラスタCL1に対応するユーザID「U1」の下部の括弧「()」内に示す数値「0.5」は、ユーザU1のクラスタCL1への帰属度合いが「0.5」であることを示す。なお、ユーザのクラスタへの帰属度合いは種々の情報に基づいて算出されてもよい。例えば、ユーザU1とクラスタCL1に帰属する他のユーザとの類似度の平均値であってもよい。例えば、図1の例では、推定装置100は、ユーザのクラスタへの帰属度合いをユーザ間の感情情報の伝搬係数として用いてもよい。例えば、推定装置100は、クラスタへの帰属度合いが大きいユーザ間程、伝搬される感情情報を大きくしてもよい。例えば、推定装置100は、クラスタへの帰属度合いが大きいユーザ間程、伝搬される感情情報の減少(減衰)を小さくしてもよい。なお、上記は一例であり、例えば、推定装置100は、ユーザ間の類似度とクラスタへの帰属度合いとを組み合わせて、感情情報の伝搬を行ってもよい。例えば、推定装置100は、ユーザ間の類似度とクラスタへの帰属度合いとを組み合わせて、伝搬先のスコアを算出してもよい。例えば、推定装置100は、ユーザ間の類似度とクラスタへの帰属度合いとのうち、値が大きい方を用いて、伝搬先のスコアを算出してもよい。
例えば、推定装置100は、図1中のクラスタ情報記憶部124に示すようなクラスタ情報を外部の情報処理装置から取得してもよいし、種々の情報に基づいて生成してもよい。例えば、推定装置100は、第1情報記憶部121(図4参照)に示すような各ユーザの第1情報に基づいて、図1中のクラスタ情報記憶部124に示すようなユーザ関係情報を生成してもよい。また、例えば、推定装置100は、ユーザ関係情報記憶部123に示すような各ユーザの類似関係を示す情報に基づいて、図1中のクラスタ情報記憶部124に示すようなクラスタ情報を生成してもよい。例えば、推定装置100は、図1中のクラスタ情報記憶部124に示すような各ユーザ間の類似度に基づいて、クラスタ情報を生成してもよい。例えば、推定装置100は、ユーザ関係情報記憶部123に示すような各ユーザの類似関係を示す情報(データ)を行列とみなし、後述する低ランク近似により生成されるベクトルの各次元をクラスタとみなしてもよい。なお、この点の詳細については後述する。
例えば、推定装置100は、ユーザの属性情報を含む第1情報に基づいてクラスタ情報を生成してもよい。例えば、推定装置100は、ユーザ関係情報を用いて、ユーザの属性情報を含む第1情報に基づいてクラスタ情報を生成してもよい。なお、推定装置100は、種々のクラスタリング手法を適宜用いて、クラスタ情報を生成してもよい。推定装置100は、k-means法やディリクレ過程を用いたロジスティック回帰等の種々のクラスタリング手法を用いてもよい。なお、上記は一例であり、推定装置100は、ユーザのクラスタリングするクラスタ情報が生成可能であれば、どのような手法によりクラスタ情報を生成してもよい。
まず、推定装置100は、上述したユーザ関係情報記憶部123やクラスタ情報記憶部124に基づいて、グラフ情報を生成する(ステップS11)。図1の例では、推定装置100は、上述したユーザ関係情報記憶部123やクラスタ情報記憶部124に基づいて、グラフ情報GR11を生成する。図1中のグラフ情報GR11は、ユーザU1~ユーザUnのうち一部を示す。図1の例では、説明を簡単にするために、共通するクラスタに帰属するユーザ間で感情情報が伝搬するものとして、以下説明する。また、以下では、共通するクラスタに帰属するユーザを「類似ユーザ」と記載する場合がある。なお、ここでいう感情情報とは、所定の感情と対応付けられた所定の値(スコア)であってもよい。例えば、図1中のグラフ情報GR11において実線で結ばれたユーザ同士は、感情情報が伝搬しあうユーザであるものとする。例えば、図1中のグラフ情報GR11において実線で結ばれたユーザU1とユーザU2とは、共通するクラスタCL3に帰属しており、感情情報が伝搬しあうユーザであるものとする。また、例えば、図1中のグラフ情報GR11において点線で結ばれたユーザ同士は、感情情報が伝搬しないユーザであるものとする。例えば、図1中のグラフ情報GR11において点線で結ばれたユーザU1とユーザU4とは、共通するクラスタに帰属しておらず、感情情報が伝搬しないユーザであるものとする。以下では、共通するクラスタに帰属しないユーザを「非類似ユーザ」と記載する場合がある。
また、図1中のグラフ情報GR11における各ユーザ間を結ぶ線に付した数値は、その実線で結ばれたユーザ同士の類似度を示す。例えば、図1中のグラフ情報GR11におけるユーザU1とユーザU2との間を結ぶ実線に付した数値「0.5」は、ユーザU1とユーザU2との類似度が「0.5」であることを示す。
なお、推定装置100は、グラフ情報GR11を生成することなく、推定処理を行ってもよい。例えば、推定装置100は、ユーザ関係情報記憶部123やクラスタ情報記憶部124に基づいて、第2情報によりスコアが推定されたユーザの感情情報(スコア)を他のユーザに伝搬させることにより、推定処理を行ってもよい。
図1の例では、共通するクラスタに属するユーザ間で感情情報が伝搬する場合を一例として説明する。なお、ユーザ間での感情情報の伝搬は、全ユーザ間で行われるものとして推定処理を行ってもよいし、類似度が所定の閾値(例えば「0.5」等)以上のユーザ間で行われるものとして推定処理を行ってもよい。なお、この場合、類似度が所定の閾値以上のユーザ同士が類似ユーザであってもよい。このように、推定装置100は、例えば、クラスタ情報を用いることなく推定処理を行ってもよい。この場合、推定装置100は、クラスタ情報記憶部124を有しなくてもよい。
そして、推定装置100は、所定の閾値以上の量の第2情報が取得されたユーザ(以下、「起点ユーザ」ともいう)の感情をそのユーザの第2情報に基づいて推定する(ステップS12)。なお、所定の閾値は、第2情報に基づく感情の推定精度等に応じて、適宜設定されてもよい。図1の例では、推定装置100は、第2情報群SL11に示すように、第2情報が取得されたユーザU1の感情を、第2情報群SL11に示すユーザU1の第2情報に基づいて推定する。すなわち、図1の例は、ユーザU1が起点ユーザである場合を示す。なお、起点ユーザは複数であってもよい。
図1中の第2情報群SL11には、ユーザU1の生体情報やユーザU1が入力(投稿)した入力情報等が含まれる。例えば、第2情報群SL11には、ユーザU1の生体情報(心拍)について、1分間の拍動の数(beats per minute)が「XX」であり、閾値TL1より大きくなったことを示す情報が含まれる。なお、「XX」は、「90」等の具体的な数値であってもよい。なお、図1の例では、生体情報(心拍)として、ある時点での心拍の値を用いる場合を示すが、所定の期間における心拍の変化量であってもよい。
また、例えば、第2情報群SL11には、ユーザU1の生体情報(血圧)について、上の血圧(収縮期血圧)が「YY水銀柱ミリメートル」であり、閾値TL2より大きくなったことを示す情報が含まれる。なお、「YY」は、「120」の具体的な数値であってもよい。なお、図1の例では、生体情報(血圧)として、ある時点での血圧の値を用いる場合を示すが、所定の期間における血圧の変化量であってもよい。
また、例えば、第2情報群SL11には、ユーザU1がSNSサービスSAに投稿(入力)した情報が含まれる。具体的には、第2情報群SL11には、「野球チームBTが勝って、気分がいい…」といった入力情報をユーザU1がSNSサービスSAに投稿(入力)したことを示す。
推定装置100は、上記のような第2情報群SL11に含まれる情報に基づいて、ユーザU1の感情やその感情に対応するスコアを推定する。ここでいうスコアは、その推定した感情の強さや確信度を示す値であってもよい。例えば、推定装置100は、ユーザU1の心拍や血圧が閾値よりも上昇し、「野球チームBTが勝って、気分がいい…」といったユーザU1の気分が高揚していることを示す入力情報に基づいて、ユーザU1の感情が良い感情(正の感情)であると推定する。図1の例では、推定装置100は、ユーザU1の心拍や血圧が閾値よりも上昇し、「野球チームBTが勝って、気分がいい…」というユーザU1が喜んでいることを示す入力情報に基づいて、ユーザU1の感情を「喜び」であると推定する。以下では、推定装置100により推定されたユーザの感情を「推定感情」と記載する場合がある。
なお、ユーザの感情の推定は、種々の従来技術を適宜用いて行われてもよい。例えば、推定装置100は、ユーザが投稿した文字情報を構文解析等の種々の従来技術を適宜用いて解析することにより、ユーザの感情を推定してもよい。例えば、種々の感情ごとにキーワードの一覧を記憶部120(図3参照)に記憶し、ユーザが投稿した文字情報に含まれるキーワードが最も該当する一覧の感情をユーザの感情として推定してもよい。また、例えば、推定装置100は、ユーザが検索に用いたクエリ等のユーザが入力した種々の入力情報を用いてユーザの感情を推定してもよい。また、例えば、推定装置100は、ユーザの心拍や血圧以外の生体情報やユーザの顔を撮像した画像情報等を用いてユーザの感情を推定してもよい。なお、上記は一例であり、推定装置100は、ユーザの感情を推定可能であれば、どのような手法により推定してもよい。
また、推定装置100は、推定感情に対応するユーザのスコアを算出する。例えば、推定装置100は、心拍や血圧と閾値との差や、ユーザの入力情報に基づくユーザの感情の変化の度合いに基づいて、推定感情に対応するユーザのスコアを算出する。例えば、推定装置100は、心拍や血圧と閾値との差が大きい程、大きなスコアであると推定する。例えば、推定装置100は、ユーザの入力情報に基づくユーザの感情の変化の度合いが大きい程、大きなスコアであると算出する。図1の例では、推定装置100は、推定感情に対応するユーザのスコアを「0.9」と算出する。なお、上記は一例であり、推定装置100は、推定感情の強さや確信度が大きい程大きなスコアになれば、どのように推定感情に対応するユーザのスコアを算出してもよい。
そして、推定装置100は、ステップS12において推定したユーザの感情情報を他のユーザに伝搬させる(ステップS13)。例えば、推定装置100は、ステップS12において推定したユーザのスコアを他のユーザに伝搬させることにより、ユーザの感情情報を他のユーザに伝搬させる。
例えば、推定装置100は、起点ユーザのスコアを起点ユーザの類似ユーザに伝搬させることにより、起点ユーザの感情情報を他のユーザに伝搬させる。また、起点ユーザから感情情報が伝搬された他のユーザの類似ユーザに伝搬させることにより、他のユーザの感情情報をさらに他のユーザに伝搬させる。このように、推定装置100は、類似ユーザ間に起点ユーザを起点とする感情情報を順次伝搬させることにより、各ユーザに感情情報を伝搬させる。
図1の例では、推定装置100は、ユーザU1の感情情報をユーザU1の類似ユーザであるユーザU2に伝搬させる(ステップS13-1)。また、推定装置100は、ユーザU1の感情情報をユーザU1の類似ユーザであるユーザU3に伝搬させる(ステップS13-2)。また、推定装置100は、ユーザU1の感情情報をユーザU1の類似ユーザであるユーザU189に伝搬させる(ステップS13-3)。また、推定装置100は、ユーザU1の感情情報をユーザU1の類似ユーザであるユーザUnに伝搬させる(ステップS13-4)。なお、図1の例では、ユーザU4は、ユーザU1の非類似ユーザであるため、ユーザU1の感情情報が伝搬されない。
図1の例では、推定装置100は、ユーザU2の感情情報をユーザU2の類似ユーザであるユーザU3に伝搬させる(ステップS13-5)。また、推定装置100は、推定装置100は、ユーザU3の感情情報をユーザU3の類似ユーザであるユーザU2に伝搬させる(ステップS13-5)。このように、推定装置100は、各ユーザの感情情報を相互に伝搬させてもよい。例えば、推定装置100は、ユーザU2の感情情報をユーザU2の類似ユーザであるユーザU1やユーザU1001やユーザUnに伝搬させる。また、例えば、推定装置100は、推定装置100は、ユーザU3の感情情報をユーザU3の類似ユーザであるユーザU1やユーザU189やユーザU1001に伝搬させる。
なお、上記は一例であり、推定装置100は、ラベル伝搬法等の種々の従来技術を適宜用いて、感情情報の伝搬を行ってもよい。すなわち、推定装置100は、起点ユーザからの感情情報の伝搬が可能であれば、どのような手法により感情情報の伝搬を行ってもよい。例えば、推定装置100は、各ユーザのスコアとユーザ間の類似度に基づいて、各ユーザのスコアを算出可能であれば、どのような手法によりスコアを算出してもよい。
図1の例では、推定装置100は、ステップS12において推定したユーザU1のスコアとユーザU1と他のユーザとの類似度に基づいて他のユーザのスコアを算出することにより、ユーザU1の感情情報を他のユーザに伝搬させる。具体的には、推定装置100は、感情情報記憶部125に示すような推定感情「喜び」に対応する各ユーザのスコアを算出する。例えば、推定装置100は、感情情報の伝搬元となるユーザのスコアと、ユーザ間の類似度とを乗算した値に基づいて、伝搬先となる他のユーザのスコアを算出してもよい。
例えば、推定装置100は、伝搬係数として用いる類似度が大きいユーザ間程、伝搬元のスコアからの減少(減衰)が小さくなるように、伝搬先のスコアを算出する。例えば、推定装置100は、伝搬係数として用いる類似度が「1」であるユーザ間の感情情報の伝達においては、伝搬元のスコアからの減少がないように、伝搬先のスコアを算出する。例えば、推定装置100は、伝搬係数として用いる類似度が「1」であるユーザ間の感情情報の伝達においては、伝搬元のスコアを、伝搬先のスコアとして算出してもよい。例えば、推定装置100は、伝搬係数として用いる類似度が「0.9」であるユーザ間の感情情報の伝達においては、伝搬元のスコアから90%減少するように、伝搬先のスコアを算出してもよい。例えば、推定装置100は、伝搬係数として用いる類似度が小さいユーザ間程、伝搬元のスコアからの減少(減衰)が大きくなるように、伝搬先のスコアを算出する。また、例えば、推定装置100は、複数の伝搬元から感情情報が伝搬される伝搬先のスコアを複数の伝搬元から感情情報の平均等により算出してもよいし、複数の伝搬元から感情情報うち、最も影響が大きい感情情報(最大のスコア)に基づいて、伝搬先のスコアを算出してもよい。
また、例えば、推定装置100は、感情情報の伝搬元となるユーザのスコアと、ユーザ間の類似度とを乗算した値に基づいて算出した第1スコアと、伝搬先となる他のユーザ自身の第2情報に基づく第2スコアとに基づいて、第3スコアを算出してもよい。例えば、推定装置100は、第1スコア及び所定のパラメータの乗算値と、第2スコアとの合算することにより、第3スコアを算出してもよい。この場合、推定装置100は、第3スコアを伝搬先となる他のユーザのスコアとして用いてもよい。
図1中の感情情報記憶部125に示す「ユーザID」は、ユーザを識別するための識別情報を示す。図1中の感情情報記憶部125に示す「推定感情(喜び)」は、推定される感情が喜びであることを示す。図1中の感情情報記憶部125に示す「スコア」は、対応する推定感情に関するスコアを示す。図1中の感情情報記憶部125に示す「有無」は、対応するユーザにおける推定感情の有無を示す。
例えば、図1中の感情情報記憶部125では、ユーザU1のスコアが「0.9」と算出されたことを示す。例えば、図1中の感情情報記憶部125では、ユーザU2は、スコアが「0.4」と算出されたことを示す。また、例えば、図1中の感情情報記憶部125では、ユーザU3は、スコアが「0.7」と算出されたことを示す。また、例えば、図1中の感情情報記憶部125では、ユーザU4は、スコアが「0」と算出されたことを示す。また、例えば、図1中の感情情報記憶部125では、ユーザU189は、スコアが「0.65」と算出されたことを示す。また、例えば、図1中の感情情報記憶部125では、ユーザUnは、スコアが「0.2」と算出されたことを示す。
そして、推定装置100は、ユーザの感情を推定する(ステップS14)。例えば、推定装置100は、各ユーザの推定感情に対応するスコアに基づいて、各ユーザが推定感情になっているかどうかを推定する。図1の例では、推定装置100は、感情情報記憶部125に記憶された推定感情(喜び)に対応する各ユーザのスコアに基づいて、各ユーザの感情が「喜び」であるかどうかを推定する。具体的には、推定装置100は、推定感情(喜び)に対応するユーザのスコアが閾値「0.5」より大きい場合、そのユーザの感情が「喜び」であると推定する。また、推定装置100は、推定感情(喜び)に対応するユーザのスコアが閾値「0.5」以下である場合、そのユーザの感情が「喜び」でないと推定する。
図1の例では、ユーザU3のスコアが「0.7」であるため、推定装置100は、ユーザU3について、推定感情(喜び)の有無が「有」であると推定する。すなわち、推定装置100は、ユーザU3には、喜びの感情が生じていると推定する。また、図1の例では、ユーザU189のスコアが「0.65」であるため、推定装置100は、ユーザU189について、推定感情(喜び)の有無が「有」であると推定する。すなわち、推定装置100は、ユーザU189には、喜びの感情が生じていると推定する。このように、推定装置100は、起点ユーザであるユーザU1の感情情報を伝搬させることにより、ユーザU1以外の他のユーザの感情を推定可能となる。
また、図1の例では、ユーザU2のスコアが「0.4」であるため、推定装置100は、ユーザU2について、推定感情(喜び)の有無が「無」であると推定する。すなわち、推定装置100は、ユーザU2には、喜びの感情が生じていないと推定する。また、図1の例では、ユーザU4のスコアが「0」であるため、推定装置100は、ユーザU4について、推定感情(喜び)の有無が「無」であると推定する。すなわち、推定装置100は、ユーザU4には、喜びの感情が生じていないと推定する。
また、図1の例では、ユーザUnのスコアが「0.2」であるため、推定装置100は、ユーザU2について、推定感情(喜び)の有無が「無」であると推定する。すなわち、推定装置100は、ユーザU2には、喜びの感情が生じていないと推定する。また、図1の例では、ユーザU1のスコアが「0.9」であるため、推定装置100は、ユーザU1について、推定感情(喜び)の有無が「有」であると推定する。すなわち、推定装置100は、ユーザU1には、喜びの感情が生じていると推定する。
上述したように、推定装置100は、ユーザ関係情報を用いて感情情報を伝搬させることにより、起点ユーザであるユーザU1の感情情報に基づいて、ユーザU1の類似ユーザであるユーザU3やユーザU189の感情を推定することができる。このように、推定装置100は、複数のユーザ間の類似関係を示すユーザ関係情報において一のユーザに類似する類似ユーザの感情情報に基づいて、一のユーザの感情を推定することにより、ユーザの感情を適切に推定することができる。
ここで、ユーザの感情は、ユーザの興味や関心等に比べて、そのユーザの周囲(コミュニティ等)の状況の影響を受けやすい。言い換えると、ユーザの感情は、ユーザの興味や関心等に比べて、そのユーザの周囲(コミュニティ等)の状況の影響を受けて、変化しやすい。また、ユーザの感情は、ユーザの興味や関心等に比べて、変化の周期が早く、ユーザ自身により外部に表現(出力)されず、ユーザの内部(心の内)にとどまる場合、推定することが難しい対象である。しかしながら、推定装置100は、複数のユーザ間の類似関係を示すユーザ関係情報において一のユーザに類似する類似ユーザの感情情報に基づいて、一のユーザの感情を推定することにより、一のユーザが感情を外部に出力していない場合であっても、感情を外部に出力した他のユーザの感情情報を利用することにより、一のユーザの感情を適切に推定することができる。例えば、推定システム1は、推定装置100により推定されたユーザの感情に基づいて、種々のサービスをユーザに提供してもよい。例えば、推定システム1は、推定装置100により推定されたユーザの感情に関する情報を、ユーザターゲティングに用いてもよい。例えば、推定システム1は、推定装置100により推定されたユーザの感情に基づいて、ユーザに広告等のコンテンツの配信を行ってもよい。
〔1-1.推定感情〕
また、上述した例では、推定感情の対象を「喜び」とし、推定装置100がユーザの感情が「喜び」であるかを推定する場合を示したが、推定装置100は、種々の感情を推定してもよい。例えば、推定装置100は、怒りや悲しみや楽しみや無感情といった種々の感情を推定してもよい。例えば、推定装置100は、怒りや悲しみ等を負の感情として推定してもよい。また、例えば、推定装置100は、喜びや楽しみ等を正の感情として推定してもよい。また、例えば、推定装置100は、ユーザの心の動きがない状態を無感情として推定してもよい。
〔2.推定装置の構成〕
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)
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3に示すように、第1情報記憶部121と、第2情報記憶部122と、ユーザ関係情報記憶部123と、クラスタ情報記憶部124と、感情情報記憶部125とを有する。
(第1情報記憶部121)
実施形態に係る第1情報記憶部121は、第1情報を記憶する。例えば、第1情報記憶部121は、ユーザ属性に関する各種情報や第1情報に対応する行動情報を記憶する。図4は、実施形態に係る第1情報記憶部の一例を示す図である。図4に示す第1情報記憶部121は、「ユーザID」、「年齢」、「性別」、「自宅」、「勤務地」、「行動情報」といった項目が含まれる。「行動情報」には、「行動ID」、「種別」、「内容」、「日時」といった項目が含まれる。
「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、ユーザの年齢を示す。なお、「年齢」は、例えば35歳など、ユーザの具体的な年齢であってもよい。また、「性別」は、ユーザの性別を示す。
また、「自宅」は、ユーザの自宅の位置情報を示す。なお、図4に示す例では、「自宅」は、「LC11」といった抽象的な符号を図示するが、緯度や経度を示す情報であってもよい。また、例えば、「自宅」は、地域名や住所であってもよい。
また、「勤務地」は、ユーザの勤務地の位置情報を示す。なお、図4に示す例では、「勤務地」は、「LC12」といった抽象的な符号を図示するが、緯度や経度を示す情報であってもよい。また、例えば、「勤務地」は、地域名や住所であってもよい。
また、「行動情報」には、第1情報に対応するユーザの行動情報が記憶される。「行動ID」は、ユーザの行動を識別する情報を示す。また、「種別」は、対応するユーザの行動の種別に関する情報を示す。また、「内容」は、対応するユーザの行動において対象となった内容を示す。「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、「dt10」といった抽象的な記号を図示するが、「2017年4月12日22時30分52秒」等の具体的な日時が記憶されてもよい。また、「行動情報」には、ユーザの位置を示す位置情報が記憶される項目「位置」が含まれてもよい。
例えば、図4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、ユーザU1は、自宅が「LC11」であることを示す。また、ユーザU1は、勤務地が「LC12」であることを示す。
例えば、図4の例では、ユーザU1は、行動ID「AC11」により識別される行動(行動AC11)等を行ったことを示す。具体的には、ユーザU1は、日時dt10にコンテンツCTの閲覧を行ったことを示す。
なお、第1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、第1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、第1情報記憶部121は、氏名、家族構成、収入、興味等の情報を記憶してもよい。
(第2情報記憶部122)
実施形態に係る第2情報記憶部122は、第2情報を記憶する。図5は、実施形態に係る第2情報記憶部の一例を示す図である。例えば、第2情報記憶部122は、行動情報として、ある時点(時刻)のユーザの位置におけるユーザの置かれている環境に関する情報を記憶する。例えば、第2情報記憶部122は、行動情報として、ある時点(時刻)のユーザの位置における気象情報を記憶する。図5に示す第2情報記憶部122には、「ユーザID」、「情報ID」、「種別」、「対象」、「内容」、「日時」、「位置」といった項目が含まれる。
「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、「情報ID」は、ユーザの行動を識別する情報を示す。また、「種別」は、第2情報の種別に関する情報を示す。また、「対象」は、対応する第2情報の取得対象を示す。
また、「内容」は、第2情報の具体的な内容を示す。「日時」は、対応する第2情報が取得された日時を示す。「日時」には、「dt11」といった抽象的な記号を図示するが、「2017年4月12日23時11分42秒」等の具体的な日時が記憶されてもよい。
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)は、情報ID「INF11」や情報ID「INF12」や情報ID「INF13」等により識別される第2情報が取得されたことを示す。
具体的には、ユーザU1は、日時dt11に情報ID「INF11」により識別される第2情報(第2情報INF11)が取得されたことを示す。第2情報INF11は、種別が「生体」であり、対象が「心拍」であることを示す。すなわち、日時dt11に取得された第2情報INF11は、心拍に関する生体情報であることを示す。また、第2情報INF11は、ユーザU1の1分間の拍動の数(beats per minute)が「XX」であることを示す。なお、「XX」は、「100」等の具体的な数値であってもよい。
また、ユーザU1は、日時dt12に情報ID「INF12」により識別される第2情報(第2情報INF12)が取得されたことを示す。第2情報INF12は、種別が「生体」であり、対象が「血圧」であることを示す。すなわち、日時dt12に取得された第2情報INF12は、血圧に関する生体情報であることを示す。また、第2情報INF12は、ユーザU1の上の血圧(収縮期血圧)が「YY水銀柱ミリメートル」であり、下の血圧(拡張期血圧)が「ZZ水銀柱ミリメートル」であることを示す。なお、「YY」や「ZZ」は、「110」や「80」等の具体的な数値であってもよい。
また、ユーザU1は、日時dt13に情報ID「INF13」により識別される第2情報(第2情報INF13)が取得されたことを示す。第2情報INF13は、種別が「入力」であり、対象が「SNSサービスSA」であることを示す。すなわち、日時dt13に取得された第2情報INF13は、ユーザU1がSNSサービスSAに投稿(入力)した情報であることを示す。また、第2情報INF13は、ユーザU1がSNSサービスSAに投稿(入力)した情報が、「野球チームBTが勝って、気分がいい…」といった内容であることを示す。
なお、第2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5では、ユーザIDごとに行動情報が第2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。
(ユーザ関係情報記憶部123)
実施形態に係るユーザ関係情報記憶部123は、ユーザ間の関係を示す各種情報を記憶する。図6は、実施形態に係るユーザ関係情報記憶部の一例を示す図である。図6に示すように、ユーザ関係情報記憶部123は、ユーザ関係情報として、ユーザIDにより識別されるユーザ間の類似度を記憶する。
例えば、図6の例では、ユーザID「U1」の行とユーザID「U1」の列とが交差する項目(マス目)やユーザID「U2」の行とユーザID「U2」の列とが交差する項目等の同じユーザIDが交差する項目には、「1」が記憶される。つまり、同一ユーザの場合、類似度が「1」となり、図6に示す例では、類似度の最大値が「1」であることを示す。
また、例えば、図6の例では、ユーザID「U1」の行とユーザID「U3」の列とが交差する項目(マス目)には、ユーザU1とユーザU3との類似度を示す値が記憶される。図6の例では、ユーザID「U1」の行とユーザID「U3」の列とが交差する項目には、「0.75」が記憶される。つまり、ユーザU1とユーザU3との類似度が「0.75」であり、ユーザU1とユーザU3とが類似していることを示す。
また、図6の例では、ユーザID「U2」の行とユーザID「U1」の列とが交差する項目には、ユーザID「U1」の行とユーザID「U2」の列とが交差する項目と同様の情報が記憶される。なお、判定装置100は、ユーザID「U1」の行とユーザID「U2」の列とが交差する項目かユーザID「U2」の行とユーザID「U1」の列とが交差する項目かのいずれか一方のみを記憶してもよい。
また、図6の例では、ユーザID「U1」の行とユーザID「U4」の列とが交差する項目には、「0.1」が記憶される。つまり、ユーザU1とユーザU4との類似度が「0.1」であり、ユーザU1とユーザU4とが類似していないことを示す。
(クラスタ情報記憶部124)
実施形態に係るクラスタ情報記憶部124は、クラスタに関する各種情報を記憶する。図7は、実施形態に係るクラスタ情報記憶部の一例を示す図である。図7に示すクラスタ情報記憶部124には、は、「クラスタID」、「帰属ユーザ」といった項目を有する。「帰属ユーザ」には、「#1」、「#2」、「#3」といった項目が含まれる。
「クラスタID」は、クラスタを識別するための識別情報を示す。「帰属ユーザ」は、対応するクラスタに属するユーザを示す。なお、「帰属ユーザ」には、「#1」、「#2」、「#3」に限らず、「#4」等の項目が含まれる。例えば、対応するクラスタの帰属ユーザが5人である場合、「帰属ユーザ」には、「#1」、「#2」、「#3」、「#4」、及び「#5」といった項目が含まれる。
例えば、図7の例では、クラスタID「CL1」により識別されるクラスタ(クラスタCL1)には、ユーザID「U1」により識別されるユーザや、ユーザID「U3」により識別されるユーザや、ユーザID「U189」により識別されるユーザが帰属ユーザに含まれることを示す。また、図7中において、「#1」、「#2」、「#3」にユーザIDとともに記憶される数値は、ユーザIDにより識別されるユーザのクラスタへの帰属度合いを示す。例えば、図7中において、ユーザID(U1等)の下部の括弧「()」内に示す数値は、ユーザIDにより識別されるユーザのクラスタへの帰属度合いを示す。例えば、図7中の例では、クラスタCL1に対応するユーザID「U1」の下部の括弧「()」内に示す数値「0.5」は、ユーザU1のクラスタCL1への帰属度合いが「0.5」であることを示す。なお、ユーザのクラスタへの帰属度合いは種々の情報に基づいて算出されてもよい。例えば、ユーザU1とクラスタCL1に帰属する他のユーザとの類似度の平均値であってもよい。
なお、クラスタ情報記憶部124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、クラスタ情報記憶部124は、各クラスタの意味を示す情報(ラベル)を各クラスタに対応付けて記憶してもよい。例えば、クラスタ情報記憶部124は、クラスタID「CL1」により識別されるクラスタにラベル「野球チームBTのファン」を対応付けて記憶してもよい。
(感情情報記憶部125)
実施形態に係る感情情報記憶部125は、感情に関する各種情報を記憶する。例えば、感情情報記憶部125は、推定されるユーザの感情に関する感情情報を記憶する。図8は、実施形態に係る感情情報記憶部の一例を示す図である。図8に示す感情情報記憶部125には、「ユーザID」、「推定感情(喜び)」といった項目を有する。また、「推定感情(喜び)」には、「スコア」、「有無」といった項目を有する。
「ユーザID」は、ユーザを識別するための識別情報を示す。「推定感情(喜び)」は、推定される感情が喜びであることを示す。「スコア」は、対応する推定感情に関するスコアを示す。例えば、「スコア」は、ユーザその感情である可能性の度合いを示す値であってもよい。「有無」は、対応するユーザにおける推定感情の有無を示す。例えば、「有無」は、対応するスコアに基づいてユーザに推定感情が生じたかを示す情報であってもよい。例えば、「有無」は、対応するスコアが所定の閾値以上であるユーザに推定感情が生じたことを示す情報であってもよい。
例えば、図8の例では、ユーザID「U1」により識別されるユーザは、スコアが「0.9」であり、推定感情(喜び)の有無が「有」であることを示す。すなわち、ユーザU1は、喜びの感情が生じているユーザであることを示す。また、例えば、図8の例では、ユーザID「U2」により識別されるユーザは、スコアが「0.4」であり、推定感情(喜び)の有無が「無」であることを示す。すなわち、ユーザU2は、喜びの感情が生じていないユーザであることを示す。また、例えば、図8の例では、ユーザID「U3」により識別されるユーザは、スコアが「0.7」であり、推定感情(喜び)の有無が「有」であることを示す。すなわち、ユーザU3は、喜びの感情が生じているユーザであることを示す。なお、図8の例では、推定感情が「喜び」である場合を示すが、推定感情は、「喜び」以外の他の感情、例えば「怒り」や「悲しみ」等であってもよい。例えば、感情情報記憶部125には、「推定感情(怒り)」や「推定感情(悲しみ)」の項目が含まれてもよい。
なお、感情情報記憶部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、感情情報記憶部125は、各ユーザの意味を示す情報(ラベル)を各ユーザに対応付けて記憶してもよい。例えば、感情情報記憶部125は、ユーザID「CL1」により識別されるユーザにラベル「野球チームBTのファン」を対応付けて記憶してもよい。
(制御部130)
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(推定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。
図3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、送信部134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3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。また、制御部130が有する各処理部の接続関係は、図3に示した接続関係に限られず、他の接続関係であってもよい。
(取得部131)
取得部131は、種々の情報を取得する。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、第1情報記憶部121や、第2情報記憶部122や、ユーザ関係情報記憶部123や、クラスタ情報記憶部124や、感情情報記憶部125等から各種情報を取得する。
例えば、取得部131は、複数のユーザ間の類似関係を示すユーザ関係情報を取得する。例えば、取得部131は、複数のユーザの各々に関する第1情報に基づいて生成されたユーザ関係情報を取得する。
例えば、取得部131は、第2情報以外のユーザの行動情報を含む第1情報に基づいて生成されたユーザ関係情報を取得する。例えば、取得部131は、ユーザの属性情報を含む第1情報に基づいて生成されたユーザ関係情報を取得する。
図1の例では、取得部131は、ユーザ関係情報記憶部123や、クラスタ情報記憶部124等から各種情報を取得する。
(生成部132)
生成部132は、種々の情報を生成する。例えば、生成部132は、第1情報記憶部121や、第2情報記憶部122や、ユーザ関係情報記憶部123や、クラスタ情報記憶部124等に基づいて、各種情報を生成する。例えば、生成部132は、取得部131により取得された情報に基づいて、種々の情報を生成する。
例えば、生成部132は、ユーザ関係情報や、クラスタ情報等を生成してもよい。例えば、生成部132は、第2情報以外のユーザの行動情報を含む第1情報に基づいてユーザ関係情報を生成してもよい。例えば、生成部132は、ユーザの属性情報を含む第1情報に基づいてユーザ関係情報を生成してもよい。例えば、生成部132は、第2情報以外のユーザの行動情報を含む第1情報に基づいてクラスタ情報を生成してもよい。
例えば、生成部132は、ユーザの属性情報を含む第1情報に基づいてクラスタ情報を生成してもよい。例えば、生成部132は、ユーザ関係情報を用いて、ユーザの属性情報を含む第1情報に基づいてクラスタ情報を生成してもよい。
なお、生成部132は、種々のクラスタリング手法を適宜用いて、クラスタ情報を生成してもよい。生成部132は、k-means法やディリクレ過程を用いたロジスティック回帰等の種々のクラスタリング手法を用いてもよい。
図1の例では、生成部132は、ユーザ関係情報記憶部123や、クラスタ情報記憶部124等に基づいて、グラフ情報GR11を生成する。
(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により取得される情報に基づいて、各種情報を推定する。例えば、推定部133は、端末装置10から取得される情報に基づいて、各種情報を推定する。例えば、推定部133は、第1情報記憶部121や、第2情報記憶部122や、ユーザ関係情報記憶部123や、クラスタ情報記憶部124等に記憶された各種情報に基づいて、各種情報を推定する。例えば、推定部133は、生成部132により生成されるグラフ情報GR11に基づいて、ユーザの感情を推定する。例えば、推定部133は、推定したユーザの感情情報を感情情報記憶部125へ格納する。
例えば、推定部133は、取得部131により取得されたユーザ関係情報において一のユーザに類似する類似ユーザの感情情報に基づいて、一のユーザの感情を推定する。例えば、推定部133は、一のユーザの感情情報に基づいて、一のユーザの感情を推定する。例えば、推定部133は、ユーザ間の類似性を示す類似度に関する情報を含むユーザ関係情報に基づいて、一のユーザとの間の類似度が所定の閾値以上である類似ユーザの感情情報に基づいて、一のユーザの感情を推定する。例えば、推定部133は、感情情報に基づいて感情が推定済みの類似ユーザから当該類似ユーザに類似するユーザに当該感情情報を伝搬させることにより、一のユーザの感情を推定する。
例えば、推定部133は、ユーザをクラスタリングしたクラスタ情報を含むユーザ関係情報に基づいて、一のユーザと共通のクラスタに属する類似ユーザの感情情報に基づいて、一のユーザの感情を推定する。例えば、推定部133は、ユーザをクラスタリングしたクラスタ情報を含むユーザ関係情報に基づいて、一のユーザが属するクラスタに割り当てられる感情情報に基づいて、一のユーザの感情を推定する。例えば、推定部133は、感情情報に基づいて感情が推定済みの類似ユーザから、当該類似ユーザが属するクラスタに当該感情情報を伝搬させ、当該クラスタから当該クラスタに属するユーザに当該クラスタの感情情報を伝搬させる処理により、一のユーザの感情を推定する。
例えば、推定部133は、類似ユーザに関する第2情報であって、第1情報とは異なる種別の第2情報に基づいて推定された類似ユーザの感情情報に基づいて、一のユーザの感情を推定する。例えば、推定部133は、感情との関連が第1情報よりも高い第2情報に基づいて推定された類似ユーザの感情情報に基づいて、一のユーザの感情を推定する。例えば、推定部133は、ユーザの生体情報を含む第2情報に基づいて推定された類似ユーザの感情情報に基づいて、一のユーザの感情を推定する。例えば、推定部133は、ユーザを撮像した画像情報を含む第2情報に基づいて推定された類似ユーザの感情情報に基づいて、一のユーザの感情を推定する。
例えば、推定部133は、所定の種別の行動に対応するユーザの行動情報を含む第2情報に基づいて推定された類似ユーザの感情情報に基づいて、一のユーザの感情を推定する。例えば、推定部133は、ユーザの行動情報として、ネットワークを介したサービスにおいてユーザが入力した入力情報、及びユーザによる購買を示す購買情報のうち、少なくとも1つを含む第2情報に基づいて推定された類似ユーザの感情情報に基づいて、一のユーザの感情を推定する。
例えば、推定部133は、ユーザ関係情報に基づいて生成されるユーザ間の類似度を示す行列に低ランク近似により近似させた複数の行列を基づいて、一のユーザの感情を推定する。例えば、推定部133は、ユーザ関係情報に基づいて生成されるユーザ間の類似度を示す行列に低ランク近似により近似させた第1の行列及び第2の行列のうち、第1の行列を用いて、一のユーザの感情を推定する。なお、この点の詳細は後述する。
図1の例では、推定部133は、所定の閾値以上の量の第2情報が取得されたユーザ(以下、「起点ユーザ」ともいう)の感情をそのユーザの第2情報に基づいて推定する。例えば、推定部133は、第2情報群SL11に示すように、第2情報が取得されたユーザU1の感情を、第2情報群SL11に示すユーザU1の第2情報に基づいて推定する。
図1の例では、推定部133は、第2情報群SL11に含まれる情報に基づいて、ユーザU1の感情やその感情に対応するスコアを推定する。例えば、推定部133は、ユーザU1の心拍や血圧が閾値よりも上昇し、「野球チームBTが勝って、気分がいい…」といったユーザU1の気分が高揚していることを示す入力情報に基づいて、ユーザU1の感情が良い感情(正の感情)であると推定する。例えば、推定部133は、ユーザU1の心拍や血圧が閾値よりも上昇し、「野球チームBTが勝って、気分がいい…」というユーザU1が喜んでいることを示す入力情報に基づいて、ユーザU1の感情を「喜び」であると推定する。例えば、推定部133は、心拍や血圧と閾値との差が大きい程、大きなスコアであると推定する。
図1の例では、推定部133は、推定感情に対応するユーザのスコアを算出する。例えば、推定装置100は、心拍や血圧と閾値との差や、ユーザの入力情報に基づくユーザの感情の変化の度合いに基づいて、推定感情に対応するユーザのスコアを算出する。例えば、推定部133は、心拍や血圧と閾値との差が大きい程、大きなスコアであると推定する。例えば、推定部133は、ユーザの入力情報に基づくユーザの感情の変化の度合いが大きい程、大きなスコアであると算出する。例えば、推定部133は、推定感情に対応するユーザのスコアを「0.9」と算出する。
図1の例では、推定部133は、ユーザの感情を推定する。例えば、推定装置100は、各ユーザの推定感情に対応するスコアに基づいて、各ユーザが推定感情になっているかどうかを推定する。例えば、推定装置100は、感情情報記憶部125に記憶された推定感情(喜び)に対応する各ユーザのスコアに基づいて、各ユーザの感情が「喜び」であるかどうかを推定する。例えば、推定装置100は、推定感情(喜び)に対応するユーザのスコアが閾値「0.5」より大きい場合、そのユーザの感情が「喜び」であると推定する。例えば、推定装置100は、推定感情(喜び)に対応するユーザのスコアが閾値「0.5」以下である場合、そのユーザの感情が「喜び」でないと推定する。
図1の例では、ユーザU3のスコアが「0.7」であるため、推定部133は、ユーザU3について、推定感情(喜び)の有無が「有」であると推定する。すなわち、推定部133は、ユーザU3には、喜びの感情が生じていると推定する。また、図1の例では、ユーザU189のスコアが「0.65」であるため、推定部133は、ユーザU189について、推定感情(喜び)の有無が「有」であると推定する。すなわち、推定部133は、ユーザU189には、喜びの感情が生じていると推定する。
(送信部134)
送信部134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、送信部134は、推定部133により推定された各種情報を外部装置に提供してもよい。また、送信部134は、推定部133により推定された各種の情報を外部装置に提供してもよい。また、送信部134は、生成部132により生成された各種の情報を外部装置に提供してもよい。例えば、送信部134は、推定部133により推定されたユーザの感情に関する情報を外部装置へ送信する。例えば、送信部134は、感情情報記憶部125に記憶された各ユーザの推定感情をユーザの感情を用いたサービスを提供する外部装置へ提供する。
〔3.推定処理のフロー〕
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。具体的には、図9は、推定処理に応じたコンテンツの提供の処理を含むフローチャートである。
図9に示すように、推定装置100は、複数のユーザ間のユーザ関係情報を取得する(ステップS101)。例えば、推定装置100は、複数のユーザ間の類似関係を示すユーザ関係情報を取得する。図1の例では、推定装置100は、ユーザ関係情報記憶部123からユーザ関係情報を取得する。
そして、推定装置100は、ユーザ関係情報において一のユーザに類似する類似ユーザの感情情報に基づいて、一のユーザの感情を推定する(ステップS102)。例えば、推定装置100は、感情情報に基づいて感情が推定済みの類似ユーザから類似ユーザに類似するユーザに感情情報を伝搬させることにより、一のユーザの感情を推定する。図1の例では、推定装置100は、感情情報EL11が取得されたユーザU1から感情情報EL11を伝搬させることにより、ユーザU3の感情を推定する。図1の例では、推定装置100は、感情情報EL11が取得されたユーザU1から感情情報EL11を伝搬させることにより、ユーザU3の感情が「喜び」になっていると推定する。
〔4.クラスタによる伝搬〕
なお、推定装置100は、種々の態様により感情情報を記憶してもよい。例えば、推定装置100は、感情情報の伝搬をクラスタを介して行ってもよい。この点について、図10を用いて説明する。図10は、実施形態に係るクラスタによる伝搬の一例を示す図である。図10の例では、図1と同様にユーザU1が起点ユーザであり、ユーザU1の感情情報EL11が推定されている場合を例に説明する。なお、図1と同様の点については適宜説明を省略する。
また、例えば、図10の例では、推定装置100は、ユーザ関係情報記憶部123やクラスタ情報記憶部124に基づいて、グラフ情報GR31を生成する。例えば、推定装置100は、ユーザU1~ユーザUnのユーザ群と、クラスタCL1~クラスタCLkのクラスタ群との2部グラフをグラフ情報GR31として生成する。
例えば、図10中のグラフ情報GR31において線で結ばれたユーザ及びクラスタは、そのユーザがそのクラスタの帰属ユーザに含まれることを示す。例えば、図10中のグラフ情報GR31において直線で結ばれたユーザU1及びクラスタCL1は、ユーザU1がクラスタCL1の帰属ユーザに含まれることを示す。例えば、図10中のグラフ情報GR31においてユーザU1とクラスタCL2は直接線で結ばれていないため、ユーザU1はクラスタCL2の帰属ユーザに含まれないことを示す。
また、図10中のグラフ情報GR31におけるユーザ及びクラスタ間を結ぶ線に付した数値は、その線で結ばれたユーザのクラスタへの帰属度合いを示す。例えば、図10中のグラフ情報GR31におけるユーザU1及びクラスタCL1間を結ぶ線に付した数値「0.5」は、ユーザU1のクラスタCL1への帰属度合いが「0.5」であることを示す。なお、ユーザのクラスタへの帰属度合いは種々の情報に基づいて算出されてもよい。例えば、ユーザU1とクラスタCL1に帰属する他のユーザとの類似度の平均値であってもよい。図10の例では、推定装置100は、ユーザのクラスタへの帰属度合いをユーザ及びクラスタ間の感情情報の伝搬係数として用いる。
図10の例では、推定装置100は、グラフ情報GR31における接続関係に基づいてユーザの感情情報を他のユーザに伝搬させる。
例えば、推定装置100は、起点ユーザのスコアを起点ユーザが帰属するクラスタに伝搬させることにより、起点ユーザの感情情報を帰属クラスタに伝搬させる。また、起点ユーザから感情情報が伝搬された帰属クラスタに帰属する他のユーザに伝搬させることにより、帰属クラスタの感情情報を他のユーザに伝搬させる。このように、推定装置100は、起点ユーザを起点とする感情情報を帰属クラスタを介してユーザへ順次伝搬させることにより、各ユーザに感情情報を伝搬させる。
図10の例では、推定装置100は、ユーザU1の感情情報をユーザU1の帰属クラスタであるクラスタCL1に伝搬させる(ステップS31-1)。また、推定装置100は、ユーザU1の感情情報をユーザU1の帰属クラスタであるクラスタCL3に伝搬させる(ステップS31-2)。なお、図1の例では、ユーザU1は、クラスタCL2やクラスタCLkに帰属しないため、ユーザU1の感情情報はクラスタCL2やクラスタCLkには直接は伝搬されない。
また、推定装置100は、クラスタCL3の感情情報をクラスタCL3の帰属ユーザであるユーザU2に伝搬させる(ステップS31-3)。また、クラスタCL3の感情情報をクラスタCL3の帰属ユーザであるユーザUnに伝搬させる(ステップS31-4)。また、推定装置100は、ユーザU2の感情情報をユーザU2の帰属クラスタであるクラスタCL2に伝搬させる(ステップS31-5)。このように、推定装置100は、クラスタを介して各ユーザに感情情報を伝搬させる。なお、各ユーザや各クラスタのスコアの算出やスコアに基づく感情の推定は、「帰属度合い」を「類似度」に替えて用いる点以外は、図1と同様であるため説明を省略する。
〔5.低ランク近似によるクラスタ〕
なお、推定装置100は、低ランク近似に関する技術を用いて推定処理を行ってもよい。この点について、図11及び図12を用いて説明する。図11は、実施形態に係る低ランク近似の一例を示す図である。また、図12は、実施形態に係る低ランク近似を用いた推定処理の一例を示す図である。なお、図1と同様の点については適宜説明を省略する。
図11に示す行列M31は、図1中のユーザ関係情報記憶部123に対応する。図示を省略するが、図11に示す行列M31における行「U1」と列「U1」とが交差するマス目や行「U2」と列「U2」とが交差するマス目には、「1」が対応する。また、図示を省略するが、図11に示す行列M31における行「U1」と列「U2」とが交差するマス目には、「0.5」が対応する。また、図示を省略するが、図11に示す行列M31における行「U1」と列「U3」とが交差するマス目には、「0.75」が対応する。図11に示すように、行列M31は、n行n列の行列となる。
例えば、推定装置100は、上述のような行列M31に対して低ランク近似を行う(ステップS31)。ここで、行列M31に対して、例えば低ランク近似の一手法である行列因子分解(Matrix Factorization)を行い、行列M31よりも低ランクの2つの行列の積の形式に分解する。
図11の例では、推定装置100は、ユーザ数を示す数値「n」よりも小さい数値「k」を基底数として行列因子分解を行う。具体的には、行列M31を行列因子分解により、行列M31よりも列数が小さい行列M32(以下、「第1の行列M32」とする場合がある)と行列M31よりも行数が小さい行列M33(以下、「第2の行列M33」とする場合がある)との積の形式に分解する。
図11は、行列M31~行列M32を概念的に示す図である。上述のように、基底数を「k(<n)」した場合、行列M31は低ランク近似により、n行k列の第1の行列M32とk行n列の第2の行列M33との積の形式に分解される。このように、行列M31が、行列M31よりも低ランクの第1の行列M32と第2の行列M33との積の形式に分解される。なお、低ランク近似の処理については、非負値行列因子分解(Nonnegative Matrix Factorization)などの既知の手法を適宜用いるものとして、詳細については説明を省略する。
上記のような低ランク近似により、n行k列の第1の行列M32、すなわちユーザU1~ユーザUnが、k個のクラスタCL1~CLkに属する場合における各ユーザの各クラスタへの帰属度合いを示す情報と同様の情報が生成される。なお、推定装置100は、第1の行列M32中の各要素の値をユーザ間の類似度に応じて変更してもよい。例えば、推定装置100は、ユーザU1の(行)ベクトルとユーザU2の(行)ベクトルとを比較し、ユーザU1とユーザU2の類似度に対応するように各要素の値を変更してもよい。
そして、推定装置100は、図12に示すように、低ランク近似により生成した行列M32を含む情報群IL41を用いて処理を行う。図12の例では、図1と同様にユーザU1が起点ユーザであり、ユーザU1の感情情報EL11が推定されている場合を例に説明する。
推定装置100は、各ユーザに対応する行のベクトルの類似度に基づいて、感情情報を伝搬させる(ステップS41)。推定装置100は、各ユーザに対応する行のベクトルの類似度を、コサイン類似度や内積等の種々の算出により取得してもよい。
図1の例では、推定装置100は、ユーザU1のスコアとユーザU1と、ユーザU1のベクトル及び他のユーザのベクトル間の類似度に基づいて他のユーザのスコアを算出することにより、ユーザU1の感情情報を他のユーザに伝搬させる。具体的には、推定装置100は、感情情報記憶部125に示すような推定感情「喜び」に対応する各ユーザのスコアを算出する。例えば、推定装置100は、感情情報の伝搬元となるユーザのスコアと、ユーザのベクトル間の類似度とを乗算した値に基づいて、伝搬先となる他のユーザのスコアを算出してもよい。
そして、推定装置100は、ユーザの感情を推定する(ステップS42)。例えば、推定装置100は、各ユーザの推定感情に対応するスコアに基づいて、各ユーザが推定感情になっているかどうかを推定する。図1の例では、推定装置100は、感情情報記憶部125に記憶された推定感情(喜び)に対応する各ユーザのスコアに基づいて、各ユーザの感情が「喜び」であるかどうかを推定する。具体的には、推定装置100は、推定感情(喜び)に対応するユーザのスコアが閾値「0.5」より大きい場合、そのユーザの感情が「喜び」であると推定する。また、推定装置100は、推定感情(喜び)に対応するユーザのスコアが閾値「0.5」以下である場合、そのユーザの感情が「喜び」でないと推定する。
このように、推定装置100は、ユーザ間の類似性に基づく行列M31をn行k列の第1の行列M32とk行n列の第2の行列M33との積の形式に分解し、第1の行列M32を用いてユーザの感情の推定を行う。この場合、第1の行列M32は、n人のユーザとk個のクラスタの行列に対応する。具体的には、第1の行列M32は、ユーザU1~ユーザUnの行と、クラスタCL1~CLkの列とからなる行列に対応する。したがって、推定装置100は、上述のような低ランク近似により生成した第1の行列M32を用いてユーザの感情の推定を行うことにより、他のクラスタ情報を用いた場合と同様に、ユーザの感情を適切に推定することができる。
〔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とを有する。取得部131は、複数のユーザ間の類似関係を示すユーザ関係情報を取得する。推定部133は、取得部131により取得されたユーザ関係情報において一のユーザに類似する類似ユーザの感情情報に基づいて、当該一のユーザの感情を推定する。
このように、実施形態に係る推定装置100は、ユーザ関係情報において一のユーザに類似する類似ユーザの感情情報に基づいて、一のユーザの感情を推定することにより、ユーザの感情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、一のユーザの感情情報に基づいて、一のユーザの感情を推定する。
このように、実施形態に係る推定装置100は、類似ユーザの感情情報に加えて一のユーザの感情情報に基づいて、一のユーザの感情を推定することにより、ユーザの感情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、ユーザ間の類似性を示す類似度に関する情報を含むユーザ関係情報に基づいて、一のユーザとの間の類似度が所定の閾値以上である類似ユーザの感情情報に基づいて、一のユーザの感情を推定する。
このように、実施形態に係る推定装置100は、ユーザ間の類似性を示す類似度に関する情報を含むユーザ関係情報に基づいて、一のユーザとの間の類似度が所定の閾値以上である類似ユーザの感情情報に基づいて、一のユーザの感情を推定することにより、ユーザの感情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、感情情報に基づいて感情が推定済みの類似ユーザから類似ユーザに類似するユーザに感情情報を伝搬させる処理により、一のユーザの感情を推定する。
このように、実施形態に係る推定装置100は、感情情報に基づいて感情が推定済みの類似ユーザから類似ユーザに類似するユーザに感情情報を伝搬させる処理により、一のユーザの感情を推定することにより、ユーザの感情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、ユーザをクラスタリングしたクラスタ情報を含むユーザ関係情報に基づいて、一のユーザと共通のクラスタに属する類似ユーザの感情情報に基づいて、一のユーザの感情を推定する。
このように、実施形態に係る推定装置100は、ユーザをクラスタリングしたクラスタ情報を含むユーザ関係情報に基づいて、一のユーザと共通のクラスタに属する類似ユーザの感情情報に基づいて、一のユーザの感情を推定することにより、ユーザの感情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、感情情報に基づいて感情が推定済みの類似ユーザから、当該類似ユーザが属するクラスタに当該感情情報を伝搬させ、当該クラスタから当該クラスタに属するユーザに当該クラスタの感情情報を伝搬させる処理により、一のユーザの感情を推定する。
このように、実施形態に係る推定装置100は、クラスタを介在させて感情情報に基づいて感情が推定済みの類似ユーザから類似ユーザに類似するユーザに感情情報を伝搬させる処理により、一のユーザの感情を推定することにより、ユーザの感情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、ユーザ関係情報に基づいて生成されるユーザ間の類似度を示す行列に低ランク近似により近似させた複数の行列を基づいて、一のユーザの感情を推定する。
このように、実施形態に係る推定装置100は、ユーザ関係情報に基づいて生成されるユーザ間の類似度を示す行列に低ランク近似により近似させた複数の行列を基づいて、一のユーザの感情を推定することにより、ユーザの感情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、複数のユーザの各々に関する第1情報に基づいて生成されたユーザ関係情報を取得する。推定部133は、類似ユーザに関する第2情報であって、第1情報とは異なる種別の第2情報に基づいて推定された類似ユーザの感情情報に基づいて、一のユーザの感情を推定する。
このように、実施形態に係る推定装置100は、類似ユーザに関する第2情報であって、第1情報とは異なる種別の第2情報に基づいて推定された類似ユーザの感情情報に基づいて、一のユーザの感情を推定することにより、ユーザの感情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、感情との関連が第1情報よりも高い第2情報に基づいて推定された類似ユーザの感情情報に基づいて、一のユーザの感情を推定する。
このように、実施形態に係る推定装置100は、感情との関連が第1情報よりも高い第2情報に基づいて推定された類似ユーザの感情情報に基づいて、一のユーザの感情を推定することにより、ユーザの感情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、ユーザの生体情報を含む第2情報に基づいて推定された類似ユーザの感情情報に基づいて、一のユーザの感情を推定する。
このように、実施形態に係る推定装置100は、ユーザの生体情報を含む第2情報に基づいて推定された類似ユーザの感情情報に基づいて、一のユーザの感情を推定することにより、ユーザの感情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、ユーザを撮像した画像情報を含む第2情報に基づいて推定された類似ユーザの感情情報に基づいて、一のユーザの感情を推定する。
このように、実施形態に係る推定装置100は、ユーザを撮像した画像情報を含む第2情報に基づいて推定された類似ユーザの感情情報に基づいて、一のユーザの感情を推定することにより、ユーザの感情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、所定の種別の行動に対応するユーザの行動情報を含む第2情報に基づいて推定された類似ユーザの感情情報に基づいて、一のユーザの感情を推定する。
このように、実施形態に係る推定装置100は、所定の種別の行動に対応するユーザの行動情報を含む第2情報に基づいて推定された類似ユーザの感情情報に基づいて、一のユーザの感情を推定することにより、ユーザの感情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、ユーザの行動情報として、ネットワークを介したサービスにおいてユーザが入力した入力情報、及びユーザによる購買を示す購買情報のうち、少なくとも1つを含む第2情報に基づいて推定された類似ユーザの感情情報に基づいて、一のユーザの感情を推定する。
このように、実施形態に係る推定装置100は、ユーザの行動情報として、ネットワークを介したサービスにおいてユーザが入力した入力情報、及びユーザによる購買を示す購買情報のうち、少なくとも1つを含む第2情報に基づいて推定された類似ユーザの感情情報に基づいて、一のユーザの感情を推定することにより、ユーザの感情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、第2情報以外のユーザの行動情報を含む第1情報に基づいて生成されたユーザ関係情報を取得する。
このように、実施形態に係る推定装置100は、第2情報以外のユーザの行動情報を含む第1情報に基づいて生成されたユーザ関係情報を取得することにより、ユーザの感情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、ユーザの属性情報を含む第1情報に基づいて生成されたユーザ関係情報を取得する。
このように、実施形態に係る推定装置100は、ユーザの属性情報を含む第1情報に基づいて生成されたユーザ関係情報を取得することにより、ユーザの感情を適切に推定することができる。
〔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13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13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、HDD(Hard Disk Drive)1400、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 第1情報記憶部
122 第2情報記憶部
123 ユーザ関係情報記憶部
124 クラスタ情報記憶部
125 感情情報記憶部
130 制御部
131 取得部
132 生成部
133 推定部
134 送信部
10 端末装置
N ネットワーク

Claims (17)

  1. 複数のユーザ間の類似関係を示すユーザ関係情報を取得する取得部と、
    ユーザの感情をスコアで示す感情情報であって、前記取得部により取得されたユーザ関係情報において一のユーザに類似する類似ユーザの感情情報を他のユーザに伝搬させる処理により、当該一のユーザの感情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。
  2. 前記推定部は、
    ユーザの感情情報がある場合、当該ユーザの感情情報に基づいて、当該ユーザの感情を推定する
    ことを特徴とする請求項1に記載の推定装置。
  3. 前記推定部は、
    ユーザ間の類似性を示す類似度に関する情報を含む前記ユーザ関係情報に基づいて、前記一のユーザとの間の前記類似度が所定の閾値以上である前記類似ユーザの感情情報に基づいて、前記一のユーザの感情を推定する
    ことを特徴とする請求項1または請求項2に記載の推定装置。
  4. 前記推定部は、
    前記感情情報に基づいて感情が推定済みの前記類似ユーザから当該類似ユーザに類似するユーザに当該感情情報を伝搬させる処理により、前記一のユーザの感情を推定する
    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. 前記推定部は、
    ユーザをクラスタリングしたクラスタ情報を含む前記ユーザ関係情報に基づいて、前記一のユーザと共通のクラスタに属する前記類似ユーザの感情情報に基づいて、前記一のユーザの感情を推定する
    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。
  6. 前記感情情報に基づいて感情が推定済みの前記類似ユーザから、当該類似ユーザが属するクラスタに当該感情情報を伝搬させ、当該クラスタから当該クラスタに属するユーザに当該クラスタの感情情報を伝搬させる処理により、前記一のユーザの感情を推定する
    ことを特徴とする請求項5に記載の推定装置。
  7. 前記推定部は、
    前記ユーザ関係情報に基づいて生成されるユーザ間の類似度を示す行列に低ランク近似により近似させた複数の行列に基づいて、前記一のユーザの感情を推定する
    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。
  8. 前記取得部は、
    前記複数のユーザの各々に関する第1情報に基づいて生成された前記ユーザ関係情報を取得し、
    前記推定部は、
    前記類似ユーザに関する第2情報であって、前記第1情報とは異なる種別の第2情報に基づいて推定された前記類似ユーザの感情情報に基づいて、前記一のユーザの感情を推定する
    ことを特徴とする請求項1~7のいずれか1項に記載の推定装置。
  9. 前記推定部は、
    感情との関連が前記第1情報よりも高い前記第2情報に基づいて推定された前記類似ユーザの感情情報に基づいて、前記一のユーザの感情を推定する
    ことを特徴とする請求項8に記載の推定装置。
  10. 前記推定部は、
    ユーザの生体情報を含む前記第2情報に基づいて推定された前記類似ユーザの感情情報に基づいて、前記一のユーザの感情を推定する
    ことを特徴とする請求項8または請求項9に記載の推定装置。
  11. 前記推定部は、
    ユーザを撮像した画像情報を含む前記第2情報に基づいて推定された前記類似ユーザの感情情報に基づいて、前記一のユーザの感情を推定する
    ことを特徴とする請求項8~10のいずれか1項に記載の推定装置。
  12. 前記推定部は、
    所定の種別の行動に対応するユーザの行動情報を含む前記第2情報に基づいて推定された前記類似ユーザの感情情報に基づいて、前記一のユーザの感情を推定する
    ことを特徴とする請求項8~11のいずれか1項に記載の推定装置。
  13. 前記推定部は、
    前記ユーザの行動情報として、ネットワークを介したサービスにおいてユーザが入力した入力情報、及びユーザによる購買を示す購買情報のうち、少なくとも1つを含む前記第2情報に基づいて推定された前記類似ユーザの感情情報に基づいて、前記一のユーザの感情を推定する
    ことを特徴とする請求項12に記載の推定装置。
  14. 前記取得部は、
    前記第2情報以外のユーザの行動情報を含む前記第1情報に基づいて生成された前記ユーザ関係情報を取得する
    ことを特徴とする請求項12または請求項13に記載の推定装置。
  15. 前記取得部は、
    ユーザの属性情報を含む前記第1情報に基づいて生成された前記ユーザ関係情報を取得する
    ことを特徴とする請求項8~14のいずれか1項に記載の推定装置。
  16. コンピュータが実行する推定方法であって、
    複数のユーザ間の類似関係を示すユーザ関係情報を取得する取得工程と、
    ユーザの感情をスコアで示す感情情報であって、前記取得工程により取得されたユーザ関係情報において一のユーザに類似する類似ユーザの感情情報を他のユーザに伝搬させる処理により、当該一のユーザの感情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。
  17. 複数のユーザ間の類似関係を示すユーザ関係情報を取得する取得手順と、
    ユーザの感情をスコアで示す感情情報であって、前記取得手順により取得されたユーザ関係情報において一のユーザに類似する類似ユーザの感情情報を他のユーザに伝搬させる処理により、当該一のユーザの感情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。
JP2017082019A 2017-04-18 2017-04-18 推定装置、推定方法、及び推定プログラム Active JP6990983B2 (ja)

Priority Applications (2)

Application Number Priority Date Filing Date Title
JP2017082019A JP6990983B2 (ja) 2017-04-18 2017-04-18 推定装置、推定方法、及び推定プログラム
US15/908,043 US11755623B2 (en) 2017-04-18 2018-02-28 Estimation device, estimation method, and non-transitory computer-readable recording medium

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
JP2017082019A JP6990983B2 (ja) 2017-04-18 2017-04-18 推定装置、推定方法、及び推定プログラム

Publications (2)

Publication Number Publication Date
JP2018181101A JP2018181101A (ja) 2018-11-15
JP6990983B2 true JP6990983B2 (ja) 2022-01-12

Family

ID=63790074

Family Applications (1)

Application Number Title Priority Date Filing Date
JP2017082019A Active JP6990983B2 (ja) 2017-04-18 2017-04-18 推定装置、推定方法、及び推定プログラム

Country Status (2)

Country Link
US (1) US11755623B2 (ja)
JP (1) JP6990983B2 (ja)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10861053B1 (en) * 2018-11-05 2020-12-08 CSC Holdings, LLC System and methodology for creating device, household and location mapping for advanced advertising

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2013171500A (ja) 2012-02-22 2013-09-02 Nippon Telegr & Teleph Corp <Ntt> 分析装置、分析方法及び分析プログラム
JP2013218485A (ja) 2012-04-06 2013-10-24 Yahoo Japan Corp コンテンツ提供装置、低ランク近似行列生成装置、コンテンツ提供方法、低ランク近似行列生成方法およびプログラム

Family Cites Families (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20010013009A1 (en) * 1997-05-20 2001-08-09 Daniel R. Greening System and method for computer-based marketing
US20060206379A1 (en) * 2005-03-14 2006-09-14 Outland Research, Llc Methods and apparatus for improving the matching of relevant advertisements with particular users over the internet
WO2009017195A1 (ja) * 2007-07-31 2009-02-05 National Institute Of Advanced Industrial Science And Technology 楽曲推薦システム、楽曲推薦方法及び楽曲推薦用コンピュータプログラム
US9251275B2 (en) * 2013-05-16 2016-02-02 International Business Machines Corporation Data clustering and user modeling for next-best-action decisions
JP6054902B2 (ja) 2014-03-20 2016-12-27 ヤフー株式会社 感情推定装置、感情推定方法、及び感情推定プログラム
US20170030726A1 (en) * 2015-07-31 2017-02-02 International Business Machines Corporation Selective human emotion metrics for navigation plans and maps
US20170228752A1 (en) * 2016-02-08 2017-08-10 Mastercard International Incorporated Determining and offering context based rewards
US10958742B2 (en) * 2017-02-16 2021-03-23 International Business Machines Corporation Cognitive content filtering

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2013171500A (ja) 2012-02-22 2013-09-02 Nippon Telegr & Teleph Corp <Ntt> 分析装置、分析方法及び分析プログラム
JP2013218485A (ja) 2012-04-06 2013-10-24 Yahoo Japan Corp コンテンツ提供装置、低ランク近似行列生成装置、コンテンツ提供方法、低ランク近似行列生成方法およびプログラム

Also Published As

Publication number Publication date
US20180300389A1 (en) 2018-10-18
US11755623B2 (en) 2023-09-12
JP2018181101A (ja) 2018-11-15

Similar Documents

Publication Publication Date Title
US10572679B2 (en) Privacy-guided disclosure of crowd-based scores computed based on measurements of affective response
US10198505B2 (en) Personalized experience scores based on measurements of affective response
US10261947B2 (en) Determining a cause of inaccuracy in predicted affective response
US20160300252A1 (en) Collection of Measurements of Affective Response for Generation of Crowd-Based Results
US10726465B2 (en) System, method and computer program product providing eye tracking based cognitive filtering and product recommendations
US20150032670A1 (en) Avatar Having Optimizing Artificial Intelligence for Identifying and Providing Relationship and Wellbeing Recommendations
US20160302711A1 (en) Notifying a user about a cause of emotional imbalance
US20190108191A1 (en) Affective response-based recommendation of a repeated experience
JP6436440B2 (ja) 生成装置、生成方法、及び、プログラム
JP2014501967A (ja) ソーシャルネットワーク上での感情共有
US11481811B2 (en) Electronic device and method for controlling same
US20170124292A1 (en) Device-based participant matching
US20180101807A1 (en) Health and productivity insight generation
KR101761999B1 (ko) 관계 유형을 고려한 코칭 방법 및 시스템
WO2016125478A1 (ja) 情報処理装置、情報処理方法および情報処理システム
US20170242971A1 (en) Characteristic evaluation apparatus, characteristic evaluation system, characteristic evaluation method, and characteristic evaluation program
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
JP6990983B2 (ja) 推定装置、推定方法、及び推定プログラム
JP6818717B2 (ja) 抽出装置、抽出方法、及び抽出プログラム
US20090262988A1 (en) What you will look like in 10 years
JP7039500B2 (ja) 情報処理装置、情報処理方法、及び情報処理プログラム
NL2034153B1 (en) Ai personal fragrance consultation and fragrance selection/recommendation
JP7416595B2 (ja) 生成装置、生成方法及び生成プログラム
JP7146025B1 (ja) 情報処理装置、情報処理方法、及び情報処理プログラム
US20240028653A1 (en) Systems and methods for selecting supplemental content for a user based on a helping user&#39;s behavior

Legal Events

Date Code Title Description
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

A621 Written request for application examination

Free format text: JAPANESE INTERMEDIATE CODE: A621

Effective date: 20200309

A131 Notification of reasons for refusal

Free format text: JAPANESE INTERMEDIATE CODE: A131

Effective date: 20210126

A977 Report on retrieval

Free format text: JAPANESE INTERMEDIATE CODE: A971007

Effective date: 20210127

A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20210302

A02 Decision of refusal

Free format text: JAPANESE INTERMEDIATE CODE: A02

Effective date: 20210629

A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20210914

C60 Trial request (containing other claim documents, opposition documents)

Free format text: JAPANESE INTERMEDIATE CODE: C60

Effective date: 20210914

A911 Transfer to examiner for re-examination before appeal (zenchi)

Free format text: JAPANESE INTERMEDIATE CODE: A911

Effective date: 20210924

C21 Notice of transfer of a case for reconsideration by examiners before appeal proceedings

Free format text: JAPANESE INTERMEDIATE CODE: C21

Effective date: 20210928

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: 20211116

A61 First payment of annual fees (during grant procedure)

Free format text: JAPANESE INTERMEDIATE CODE: A61

Effective date: 20211207

R150 Certificate of patent or registration of utility model

Ref document number: 6990983

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