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

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/28—Databases characterised by their database models, e.g. relational or object models
    • G06F16/284—Relational databases
    • G06F16/285—Clustering or classification
    • 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
    • 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
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/01—Social 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
JP4953478B2 (ja) * 2007-07-31 2012-06-13 独立行政法人産業技術総合研究所 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
US11755623B2 (en) 2023-09-12
JP2018181101A (ja) 2018-11-15
US20180300389A1 (en) 2018-10-18

Similar Documents

Publication Publication Date Title
Vacharkulksemsuk et al. Dominant, open nonverbal displays are attractive at zero-acquaintance
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
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
JP7348230B2 (ja) 生成装置、生成方法、及び生成プログラム
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

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