JP7220107B2 - 情報処理装置、および情報処理装置の制御方法 - Google Patents

Description

本発明は、情報処理装置および情報処理装置の制御方法に関する。

多数の製品から、ユーザに合った製品を推薦（リコメンド）する技術が従来から種々存在する。例えば、特許文献１には、ユーザに製品をリコメンドするための、リコメンド素材情報を生成および交換する個人用決裁端末が開示されている。

特開２００９－２４５２１９号公報

しかしながら、前述の従来技術では、ユーザが実際に製品に触れた際の感覚を予想して製品をリコメンドすることはできない。本発明の一態様は、ユーザに適切な製品を推薦することを実現することを目的とする。

前記の課題を解決するために、本発明の一態様に係る情報処理装置は、物体の材料物性に係る物性値を示す軸、または、前記物体と人間の手指との間で生じる物理作用に係る値である作用値を示す軸であって、それぞれ異なる種類の前記物性値または前記作用値を示す複数の軸から成る多次元空間に、該多次元空間における各座標値が示す物性値または前記作用値に対して人間が抱く印象の類型を示す印象領域をマッピングした印象マップを作成する印象マップ作成部と、前記印象マップに対し各製品の前記複数の軸に対応する座標値をプロットした製品印象マップを作成する製品印象マップ作成部と、前記印象領域のいずれかを指定する入力操作示す情報を取得する入力情報取得部と、前記製品印象マップにおける前記入力操作により指定された前記印象領域に前記座標値が含まれている製品を、推薦製品として特定する製品特定部と、前記推薦製品に係る情報を提示させる製品情報提示部と、を備えることを特徴とする。

前記の課題を解決するために、本発明の一態様に係る情報処理装置の制御方法は、物体の材料物性に係る物性値を示す軸、または、前記物体と人間の手指との間で生じる物理作用に係る値である作用値を示す軸であって、それぞれ異なる種類の前記物性値または前記作用値を示す複数の軸から成る多次元空間に、該多次元空間における各座標値が示す物性値または前記作用値に対して人間が抱く印象の類型を示す印象領域をマッピングした印象マップを作成する印象マップ作成ステップと、前記印象マップに対し各製品の前記複数の軸に対応する座標値をプロットした製品印象マップを作成する製品印象マップ作成ステップと、前記印象領域のいずれかを指定する入力操作を示す情報を取得する入力情報取得ステップと、前記製品印象マップにおける前記入力操作により指定された前記印象領域に前記座標値が含まれている製品を、推薦製品として特定する製品特定ステップと、前記推薦製品に係る情報を提示する製品情報提示ステップと、を含むことを特徴とする。

前記の構成によれば、ユーザにより指定された印象領域に含まれる製品、すなわち、ユーザが指定した印象を抱かせることができる物性値または作用値を有する製品を推薦することができる。これにより、ユーザに適切な製品を推薦することができる。

前記情報処理装置は、推定用物性データを取得する推定用物性データ取得部と、あるユーザの推定用知覚データを取得する推定用知覚データ取得部と、前記あるユーザの推定用感性データを取得する推定用感性データ取得部と、前記推定用物性データ、前記推定用知覚データ、および前記推定用感性データを用いて第２入力データを作成する第２入力データ作成部と、製品の材料物性を示すデータである物性データ、人間が前記製品に触れたときの触刺激に関わるデータである知覚データ、および、前記人間が前記製品に触れたときに感じる知覚、および該知覚から想起される印象を示す感性データを用いて作成された第１入力データと、前記触刺激と前記印象との相関関係の類型を示す個性クラスタと、の相関関係を機械学習させた学習モデルを用いて、前記第２入力データから前記あるユーザの前記個性クラスタを推定する推定部と、を備え、前記推定用物性データは、前記物性データの少なくとも一部の情報から成り、前記推定用知覚データは、前記知覚データの少なくとも一部の情報から成り、前記推定用感性データは、前記感性データの少なくとも一部の情報から成り、前記印象マップ作成部は、前記個性クラスタごとに前記印象マップを作成し、前記製品印象マップ作成部は、前記推定部が推定した前記あるユーザの前記個性クラスタに応じた前記印象マップに対し前記座標値をプロットした製品印象マップを作成してもよい。

前記の構成によれば、製品の材料物性と、人間の触刺激に関するデータと、該人間が該製品に対し抱いた印象を示すデータと、に基づいて、触刺激と印象との相関関係を示す個性クラスタを推定することができる。

前記情報処理装置は、前記物性データを取得する物性データ取得部と、前記知覚データを取得する知覚データ取得部と、前記感性データを取得する感性データ取得部と、前記知覚データおよび前記感性データに基づいて、前記個性クラスタを特定するクラスタ特定部と、前記第１入力データと、前記個性クラスタとの相関関係を機械学習させた前記学習モデルを構築するモデル構築部と、を備えていてもよい。

前記の構成によれば、製品の材料物性と、人間の触刺激に関するデータと、該人間が該製品に対し抱いた印象を示すデータと、に基づいて、触刺激と印象との相関関係を示す個性クラスタを推定可能な学習モデルを、構築することができる。触刺激と印象との相関関係とは、すなわち、触知覚の個人差とも捉えられる。したがって、前記の構成または処理によれば、触知覚の個人差を推定可能な学習モデルを構築することができる。

前記情報処理装置の前記クラスタ特定部は、前記触刺激と前記知覚との相関関係の類型を示す知覚クラスタと、前記知覚と前記印象との相関関係の類型を示す感性クラスタと、を特定してもよく、前記個性クラスタは、前記知覚クラスタと前記感性クラスタとの組み合わせから成ってもよい。前記の構成によれば、前記個性クラスタをより詳細に特定することができる。

前記情報処理装置において、前記クラスタ特定部は、同一の製品に対する複数人の感性データの類似度に基づいて前記個性クラスタを特定してもよい。前記の構成によれば、個性クラスタをより正確に特定することができる。

前記情報処理装置において、前記印象マップの前記複数の軸の少なくとも１つは前記作用値を示す軸であってもよい。そして、前記情報処理装置は、前記推定用知覚データに基づき各製品の前記作用値を算出する製品作用値算出部を備え、前記製品印象マップ作成部は、前記製品作用値算出部が算出した前記各製品の前記作用値を含む前記座標値をプロットしてもよい。

前記の構成によれば、製品に対するユーザの触れ方等の個人差を考慮した上で、製品印象マップの作成および推薦製品の提示を実行することができる。したがって、ユーザにより適切な製品を推薦することができる。

前記情報処理装置において、前記知覚データおよび前記推定用知覚データは、前記ユーザの手指の物性に係るデータを含んでいてもよい。前記の構成によれば、個々人で異なる手指の物性を考慮して個性クラスタを推定することができる。したがって、個性クラスタの推定精度を向上させることができる。

前記情報処理装置において、前記知覚データおよび前記推定用知覚データは、前記製品と前記製品に触れた前記ユーザの手指との間で生じる物理作用に係るデータを含んでいてもよい。前記の構成によれば、ユーザの製品への触れ方を考慮して個性クラスタを推定することができる。したがって、個性クラスタの推定精度を向上させることができる。

前記情報処理装置において、前記製品特定部は複数の前記推薦製品を特定し、前記製品情報提示部は、複数の前記推薦製品それぞれに係る情報のうち、前記製品印象マップにおいて前記入力操作により指定された前記印象領域の中央により近い位置にプロットされた推薦製品を、優先して提示させてもよい。

前記の構成によれば、指定された印象をユーザが抱く可能性がより高い製品を推薦することができる。したがって、ユーザに、より適切な製品を推薦することができる。

本発明の一態様によれば、ユーザに適切な製品を推薦することができる。

実施形態１に係る学習システムの概要を示す図である。 前記学習システムに含まれる情報処理装置の要部構成を示すブロック図である。 学習モデル構築処理の流れを示す図である。 実施形態２に係る推定システムの概要を示す図である。 前記推定システムに含まれる情報処理装置２の要部構成を示すブロック図である。 個性クラスタ推定処理の流れを示す図である。 実施形態３に係る情報処理装置の要部構成を示すブロック図である。 実施形態４に係る情報処理装置の処理概要を示す図である。 前記情報処理装置の要部構成を示すブロック図である。 印象マップおよび製品印象マップの一例を示す図である。 リコメンド処理の流れを示す図である。 実施形態５に係る情報処理装置の要部構成を示すブロック図である。 範囲特定処理の流れを示す図である。 実施形態６に係る情報処理装置の要部構成を示すブロック図である。 実施形態７に係る情報処理装置の要部構成を示すブロック図である。

以下、本発明の態様について実施形態１～８に基づき説明する。本発明の適用範囲は特に限定されないが、例えば、車両の座席シート等、布、皮革、樹脂、プラスチック、およびゴム等の種々の素材によって作成され得る、ユーザが触れる製品の触感評価、該製品の推薦、ならびに、該製品の開発等に対し好適に利用することができる。

〔実施形態１〕
≪学習システムの概要≫
本発明の一態様に係る学習システム１０００は、印象の個人差を推定可能な学習モデルを構築するためのシステムである。学習システム１０００は、学習モデル構築のためのサンプル製品の材料物性と、該サンプル製品への試験者（パネラー）の触刺激に関するデータと、該パネラーが該サンプル製品に触れたときに感じる知覚および該知覚から想起される印象を示すデータと、を入力データとし、印象の個人差の類型を示す個性クラスタを正解データとする教師データを作成する。そして、学習システム１０００は、該教師データを用いて機械学習を実行する。これにより、学習システム１０００は、前述の入力データの少なくとも一部から、個性クラスタを推定可能な学習モデルを構築することができる。

図１は、本実施形態に係る学習システム１０００の概要を示す図である。学習システム１０００は少なくとも、情報処理装置１と、センサ群９とを含む。情報処理装置１とセンサ群９とは、有線または無線で接続されている。

（情報処理装置１）
情報処理装置１は、前述の学習モデルを構築するための装置である。情報処理装置１は、例えばパーソナルコンピュータ（ＰＣ）等で実現することができる。情報処理装置１は、物性データと、現象データと、感性データとに基づいて学習モデルを構築する。

（学習モデル構築に使用するデータ）
物性データとは、サンプル製品の材料物性を示すデータである。また、現象データとは、パネラーがサンプル製品に触れたときに生じる触刺激に係るデータを示す。また、感性データとは、パネラーがサンプル製品に触れたときに感じた知覚、および該知覚から想起される印象を示すデータである。

ここで「知覚」とは、触刺激を受けた人間の脳が認識して感じとる、触り心地を示す。また、ここで「印象」とは、触り心地を介してサンプル製品に対して抱く、またはサンプル製品から想起する印象を示す。より具体的には、「知覚」とは、例えば柔らかい、暖かい、なめらか等の感覚を示す。また、「印象」とは例えば、高級感、カジュアル、美しい、良い等、触り心地から間接的に想起される感覚を示す。

これら３種のデータの取得方法は特に限定しないが、本実施形態に係る情報処理装置１は、特段の記載が無い限り、以下で説明する方法でこれら３種のデータを取得することとする。すなわち、情報処理装置１は、自身の記憶部（後述する記憶部１２）に予め記憶されている物性データを読み出すことで該物性データを取得する。また、情報処理装置１は、センサ群９の測定情報を現象データとして取得する。また、情報処理装置１は、自身の入力部（後述する入力部１１）を介して、感性データを取得する。例えば、情報処理装置１は、パネラーまたは学習システム１０００の管理者が入力する詳細アンケートの内容を、感性データとして取得する。

詳細アンケートとは、パネラーがサンプル製品に触れた際の知覚および印象を問うアンケートである。図１では、パネラーが記入した詳細アンケートの内容を情報処理装置１に後で入力する例を示しているが、詳細アンケートの回答はパネラーによって情報処理装置１に直接入力されてもよい。サンプル製品に触れた際の知覚および印象の区分は特に限定されない。例えば、知覚は「やわらかい」「固い」等、サンプル製品の触り心地の類型であってよい。また例えば、印象は「美しい」「高級感」「理知的」等、触り心地から間接的に想起される感覚の類型であってよい。

（センサ群９）
センサ群９は現象データを測定するためのセンサ群である。例えば、現象データには、物体（本実施形態では、サンプル製品）にかかる圧力、物体のせん断力、人の手指と物体との摩擦係数等、物体と該物体に触れた人の手指との間で生じる物理作用に係るデータが含まれていてもよい。また例えば、現象データには、物体に触れた人の手指の長さ、太さ、および形状等、該人の手指の物性に係るデータが含まれていてもよい。また例えば、現象データには、人が物体に触れたときの手指の軌跡、または物体との接触時間等を示すデータが含まれていてもよい。

センサ群９に含まれるセンサの種類および数は、情報処理装置１における学習モデルの構築に必要とされる現象データの種類に基づいて定められてよい。例えば、センサ群９には、物体にかかる圧力を測定するための圧力センサが含まれていてもよい。また、センサ群９には、人の手指の物性を測定するため、および、手指の軌跡を測定するためのカメラ等が含まれていてもよい。また、センサ群９には、手指と物体との接触時間を測定するタイマーが含まれていてもよい。

≪要部構成≫
図２は、学習システム１０００に含まれる情報処理装置１の要部構成を示すブロック図である。なお、同図ではセンサ群９についても併せて図示している。情報処理装置１は少なくとも、制御部１０と、入力部１１と、記憶部１２とを含む。

（入力部１１）
入力部１１は、各種入力操作を受け付けるユーザインタフェース（ＵＩ）である。入力部１１は、例えば物理キーボード、タッチパネル、マウス等で実現される。入力部１１は入力操作を受け付けると、該入力操作の内容を制御部１０の入力情報取得部１０１に伝える。本実施形態に係る入力部１１は、感性データを入力する入力操作を受け付ける。

（制御部１０）
制御部１０は、情報処理装置１が備える各部を統括的に制御する。制御部１０は、入力情報取得部１０１、センサ情報取得部１０２、データベース情報取得部１０３、クラスタ特定部１０４、第１入力データ作成部１０５、および、モデル構築部１０６を備える。

入力情報取得部（感性データ取得部）１０１は、入力部１１が受け付けた入力操作の内容を示す入力情報を取得する。例えば、本実施形態では、入力情報取得部１０１は入力情報として感性データを取得する。入力情報取得部１０１は取得した感性データをクラスタ特定部１０４および第１入力データ作成部１０５に送信する。また例えば、入力情報取得部１０１は入力情報として、パネラーが触れたサンプル製品を特定する情報を取得する。入力情報取得部１０１は該情報をＤＢ情報取得部１０３に送信する。

センサ情報取得部（現象データ取得部）１０２は、センサ群９から送信されるセンサ情報を取得する。本実施形態では、センサ情報取得部１０２は、センサ情報として現象データを取得する。センサ情報取得部１０２は、取得した現象データを、クラスタ特定部１０４および第１入力データ作成部１０５に送信する。

ＤＢ情報取得部（物性データ取得部）１０３は、記憶部１２の製品情報１２１から、パネラーが触った製品の物性データを取得する。パネラーが触れたサンプル製品を特定する情報は、パネラーまたは学習システム１０００の管理者等によって、入力部１１を介して入力されてよい。ＤＢ情報取得部１０３は、入力情報取得部１０１から前記サンプル製品を特定する情報を取得すると、記憶部１２の製品情報１２１を参照して、該サンプル製品に対応する物性データを読み出す。ＤＢ情報取得部１０３は、取得した物性データを第１入力データ作成部１０５に送信する。

クラスタ特定部１０４は、受信した現象データおよび感性データに基づいて、個性クラスタを特定する。クラスタ特定部１０４は、特定した個性クラスタを示す情報をモデル構築部１０６に送信する。

なお、個性クラスタの特定方法は特に限定されない。例えば、クラスタ特定部１０４は、あるパネラーの個性クラスタを特定する場合、該あるパネラーの感性データ（すなわち、サンプル製品に対する知覚および印象のアンケート結果）と、同一のサンプル製品に対する他の複数人のパネラーの感性データとの類似度に基づいて、個性クラスタを特定することが望ましい。これにより、個性クラスタをより正確に特定することができる。また、クラスタ特定部１０４は、ＤＢ情報取得部１０３から物性データを受信してもよい。そして、受信した物性データも考慮して個性クラスタを特定してもよい。

また、クラスタ特定部１０４は、触刺激と前記知覚との相関関係の類型を示す知覚クラスタと、前記知覚と前記印象との相関関係の類型を示す感性クラスタと、を特定してもよい。そして、個性クラスタは、知覚クラスタと感性クラスタとの組み合わせから成っていてもよい。換言すると、クラスタ特定部１０４は、知覚クラスタと感性クラスタとの組み合わせで個性クラスタを示してもよい。これにより、個性クラスタをより詳細に特定することができる。したがって、印象の個人差をより詳細に推定可能な学習モデルを構築することができる。

第１入力データ作成部１０５は、受信した物性データと、現象データと、感性データとから成る第１入力データを作成する。第１入力データ作成部１０５は第１入力データをモデル構築部１０６に送信する。

モデル構築部１０６は、第１入力データ作成部１０５から受信した第１入力データと、クラスタ特定部１０４から情報が示す個性クラスタと、の相関関係を機械学習させた学習モデルを構築する。

なお、以下では、モデル構築部１０６がニューラルネットワーク（ＮＮ：Neural Network）の学習モデルを生成する例を説明する。しかしながら、モデル構築部１０６は、個性クラスタを推定可能な学習モデルを構築できるのであれば、他のアルゴリズムを適用して学習モデルを構築してもよい。なお、ＮＮの学習モデルを構築する場合、モデル構築部１０６は、高い特定精度が期待できる多層のＮＮの学習モデルを構築することが好ましい。

例えば、モデル構築部１０６は、記憶部１２から、学習モデル１２２を読み出す。学習モデル１２２はＮＮ等、学習モデルのアルゴリズムを示すデータである。モデル構築部１０６は記憶部１２から、学習モデル１２２として記憶されているＮＮのアルゴリズムおよび各種重み付け係数等を読み出す。モデル構築部１０６は、第１入力データ作成部１０５が作成した第１入力データを入力データ、クラスタ特定部１０４が特定した個性クラスタを正解データとする教師データを作成し、該教師データを用いてＮＮに教師ありの機械学習を実行させる。これにより、モデル構築部１０６は、ＮＮの重み付け係数等を最適化することができる。

モデル構築部１０６は機械学習後の学習モデル（すなわち、学習済モデル）を記憶部１２に記憶させる。すなわち、記憶部１２の学習モデル１２２をより学習の進んだ学習モデルへと更新する。そして、モデル構築部１０６は最適化後（すなわち、学習後）の学習モデルで、記憶部１２の学習モデル１２２を更新する。

（記憶部１２）
記憶部１２は、情報処理装置１の稼働に必要な情報を記憶する記憶装置である。例えば、記憶部１２は、製品情報１２１と、学習モデル１２２とを記憶している。製品情報１２１は、製品の識別情報に、各製品の材料物性を示すデータ、すなわち、その製品の物性データが対応付けられた情報である。記憶部１２は、パネラーがテストする各サンプル製品についての製品情報１２１を記憶している。学習モデル１２２は、学習モデルのアルゴリズムを示すデータである。学習モデル１２２はモデル構築部１０６によって更新される。

≪学習モデル構築処理≫
図３は、情報処理装置１が学習モデルを構築する処理（学習モデル構築処理）の流れを示す図である。情報処理装置１は以下で説明する処理を任意のタイミングで実行することによって、第１入力データと個性クラスタとの相関関係を学習させた学習モデルを構築する。

Ｓ１０１において、ＤＢ情報取得部１０３は、製品情報１２１を参照して物性データを取得する。ＤＢ情報取得部１０３は物性データをクラスタ特定部１０４および第１入力データ作成部１０５に送信する。Ｓ１０２において、センサ情報取得部１０２は、センサ群９から現象データを取得する。センサ情報取得部１０２は、現象データをクラスタ特定部１０４および第１入力データ作成部１０５に送信する。Ｓ１０３において、入力情報取得部１０１は、入力部１１を介して感性データを取得する。入力情報取得部１０１は感性データをクラスタ特定部１０４および第１入力データ作成部１０５に送信する。なお、Ｓ１０１～Ｓ１０３までの処理は順不動で実行されてよい。

Ｓ１０４において、第１入力データ作成部１０５は受信した物性データ、現象データ、および感性データから成る第１入力データを作成する。第１入力データ作成部１０５は、第１入力データをモデル構築部１０６に送信する。Ｓ１０５において、クラスタ特定部１０４は、パネラーの個性クラスタを特定する。クラスタ特定部１０４は特定した個性クラスタを示す情報を、モデル構築部１０６に送信する。

モデル構築部１０６は第１入力データと、前記個性クラスタとから教師データを作成する。Ｓ１０６において、モデル構築部１０６は、第１入力データと、前記個性クラスタとの相関関係を機械学習させた学習モデルを構築する。Ｓ１０７において、モデル構築部１０６は構築した学習モデルを記憶部１２に記憶させる。すなわち、モデル構築部１０６は学習モデル１２２を更新する。

なお、機械学習に必要な教師データを準備するための処理（Ｓ１０１～Ｓ１０５）と、準備した教師データを用いて実際に機械学習を実行させて、学習モデル１２２を更新するまでの処理（Ｓ１０６～Ｓ１０７）とは、別のタイミングで実行されてもよい。

例えば、情報処理装置１は、Ｓ１０１～Ｓ１０５までの処理を複数回実行することで、複数個の教師データを作成してもよい。なお、モデル構築部１０６は作成した教師データを一時的または非一時的に記憶部１２に記憶させてもよい。

そして、モデル構築部１０６は、所定のタイミング、または教師データが所定個数準備できた段階で、Ｓ１０６～Ｓ１０７に示す処理を実行してもよい。

以上の処理によれば、サンプル製品の材料物性と、パネラーの触刺激に関するデータと、該パネラーが該サンプル製品に対し抱いた印象を示すデータと、に基づいて、印象の個人差を類型化したクラスタである個性クラスタを推定可能な学習モデルを構築することができる。

〔実施形態２〕
本発明の他の実施形態について、以下に説明する。なお、説明の便宜上、前記実施形態にて説明した部材と同じ機能を有する部材については、同じ符号を付記し、その説明を繰り返さない。

≪予測システムの概要≫
本発明の一態様に係る推定システム１１００は、製品の材料物性と、ユーザが製品に触れたときの触刺激に関わるデータと、該ユーザがその製品に触れたときに感じる知覚、および該知覚から想起される印象の少なくとも一方を示すデータとから、個性クラスタを推定するためのシステムである。推定システム１１００は、第１入力データと、前記個性クラスタと、の相関関係を機械学習させた学習モデル（すなわち、機械学習済の学習モデル）を用いて、個性クラスタを推定する。

図４は、本実施形態に係る推定システム１１００の概要を示す図である。推定システム１１００は少なくとも、情報処理装置２と、センサ群９とを含む。情報処理装置２とセンサ群９とは、有線または無線で接続されている。

（情報処理装置２）
情報処理装置２は、機械学習済みの学習モデルを用いて、ユーザの個性クラスタを推定するための装置である。情報処理装置２は、情報処理装置１と同様、パーソナルコンピュータ（ＰＣ）等で実現することができる。情報処理装置２は、製品の推定用物性データと、推定用現象データと、ユーザの推定用感性データと、を学習モデルに入力することで、個性クラスタを推定する。これらのデータについては後で詳述する。

（センサ群９）
センサ群９は推定用現象データを測定するためのセンサ群である。推定用現象データとは、現象データの少なくとも一部の情報から成るデータである。すなわち、センサ群９は、実施形態１に係るセンサ群９の測定情報の少なくとも一部を測定可能なセンサ群である。センサ群９に含まれるセンサの種類および数は、情報処理装置２における個性クラスタの推定に必要とされる推定用現象データの種類に基づいて定められてよい。

図４に示す推定システム１１００では、図１に示した詳細アンケートの代わりに、ユーザに対し簡易アンケートが実施される。簡易アンケートは、詳細アンケートと同様、または詳細アンケートの一部の情報が得られるアンケートである。詳細アンケートと同様、簡易アンケートの内容も、ユーザによって入力部１１を介して情報処理装置２に直接入力されてもよい。製品に触れた際の印象の区分は特に限定されないが、簡易アンケートと詳細アンケートとで、知覚および印象の類型区分は統一されていることが望ましい。

≪要部構成≫
図５は、推定システム１１００に含まれる情報処理装置２の要部構成を示すブロック図である。なお、同図ではセンサ群９についても併せて図示している。情報処理装置２は少なくとも、制御部１０と、入力部１１と、記憶部１２と、表示部１３とを含む。

入力部１１および記憶部１２は、実施形態１における入力部１１および記憶部１２と同様の機能を有する。また、制御部１０の入力情報取得部１０１、センサ情報取得部１０２、およびＤＢ情報取得部１０３も、実施形態１における同様の部材と同様の機能を有する。なお、記憶部１２に記憶されている学習モデル１２２は、機械学習済の学習モデルである。

また、本実施形態では、入力情報取得部（推定用感性データ取得部）１０１は、感性データの少なくとも一部の情報を、推定用感性データとして取得すればよい。例えば、入力情報取得部１０１は、ユーザまたはシステムの管理者が入力する前述の簡易アンケートの結果を、推定用感性データとして取得すればよい。

また、本実施形態では、センサ情報取得部（推定用現象データ取得部）１０２は、現象データの少なくとも一部の情報を、推定用現象データとして取得すればよい。例えば、センサ情報取得部１０２は、センサ群９のセンサ情報を推定用現象データとして取得すればよい。

また、本実施形態では、ＤＢ情報取得部（推定用物性データ取得部）１０３は、物性データの少なくとも一部の情報を、推定用物性データとして取得すればよい。例えば、ＤＢ情報取得部１０３は、製品情報１２１に含まれる各種材料物性の値のうち、後述する推定部１０８での個性クラスタの推定に最低限必要な値を、推定用物性データとして取得すればよい。

第２入力データ作成部１０７は、推定用物性データ、前記推定用現象データ、および前記推定用感性データを用いて第２入力データを作成する。

推定部１０８は、記憶部１２に記憶された学習モデル１２２を用いて、第２入力データからユーザの個性クラスタを推定する。すなわち、推定部１０８は、学習モデル１２２に第２入力データを入力し、該学習モデル１２２のアルゴリズムに基づいて、ユーザの属する個性クラスタを推定する。推定部１０８は推定結果を表示制御部１０９に送信する。

表示制御部１０９は、推定部１０８が推定した個性クラスタに係る情報を、表示部１３に表示させる。

表示部１３は、表示制御部１０９の指示に従って画像を表示する。表示部１３の具体的構成は特に限定されない。また、表示部１３は、入力部１１と一体に形成されたタッチパネルディスプレイであってもよい。

≪個性クラスタ推定処理≫
図６は、情報処理装置２がユーザの個性クラスタを推定する処理（個性クラスタ推定処理）の流れを示す図である。情報処理装置２は、入力情報取得部１０１が入力部１１に対する所定の入力操作を受け付けた場合に、以下で説明する処理を実行する。例えば、情報処理装置２は、ユーザまたは推定システム１１００の管理者による、顧客アンケート結果の回答を入力する入力操作、または個性クラスタの推定処理の実行を指示する入力操作に応答して、以下の処理を実行する。

Ｓ２０１において、ＤＢ情報取得部１０３は、製品情報１２１を参照して推定用物性データを取得する。ＤＢ情報取得部１０３は推定用物性データを第２入力データ作成部１０７に送信する。Ｓ２０２において、センサ情報取得部１０２は、センサ群９から推定用現象データを取得する。センサ情報取得部１０２は、推定用現象データを第２入力データ作成部１０７に送信する。Ｓ２０３において、入力情報取得部１０１は、入力部１１を介して推定用感性データを取得する。入力情報取得部１０１は推定用感性データを第２入力データ作成部１０７に送信する。なお、Ｓ２０１～Ｓ２０３までの処理は順不動で実行されてよい。

Ｓ２０４において、第２入力データ作成部１０７は受信した推定用物性データ、推定用現象データ、および推定用感性データから成る第２入力データを作成する。第２入力データ作成部１０７は、第２入力データを推定部１０８に送信する。

Ｓ２０５において、推定部１０８は記憶部１２から学習モデル１２２を読み出し、該学習モデルに第２入力データを入力する。これにより、第２入力データから、学習モデルで規定されたアルゴリズムおよび係数等に基づいて、個性クラスタが推定される。推定部１０８は推定結果を表示制御部１０９に送信する。

Ｓ２０６において、表示制御部１０９は、表示部１３に推定結果、すなわちユーザが属する個性クラスタを示す情報を表示させる。なお、情報処理装置２においてＳ２０６の処理は必須ではない。

以上の処理によれば、製品の材料物性と、ユーザの触刺激に関するデータと、該ユーザがある製品に対し抱いた知覚および印象を示すデータと、に基づいて、該ユーザの個性クラスタを推定することができる。したがって、ユーザが触れていない製品に対しても、該ユーザが該製品に触れたときの印象を予測することができる。

〔実施形態３〕
実施形態１に係る学習システム１０００と、実施形態２に係る推定システム１１００とは一体で構成されていてもよい。図７は、本実施形態に係る情報処理装置３を示すブロック図である。入力情報取得部１０１、センサ情報取得部１０２、およびＤＢ情報取得部１０３は、実施形態１および実施形態２において説明した機能を有する。情報処理装置３のその他の機能ブロックについては、実施形態１または実施形態２において説明した通りの機能を有する。また、センサ群９は、実施形態１に係るセンサ群９、および実施形態２に係るセンサ群９の両方として機能する。以上の構成によれば、情報処理装置３は、情報処理装置１および２と同様の効果を奏する。

〔実施形態４〕
本発明の一態様に係る情報処理装置は、人が製品を触ったときの、材料物性の値（物性値）または人と製品との間物理作用の値（作用値）と、該人が該製品に対して抱く印象と、の関係を示す印象マップを作成してもよい。そして、本発明の一態様に係る情報処理装置は、各製品の該印象マップにおける座標位置をマッピングした製品印象マップを作成してもよい。さらに、本発明の一態様に係る情報処理装置は、ユーザが指定する印象領域、すなわち、ユーザが所望する印象を示す製品を、該製品印象マップから特定してユーザに提示してもよい。

図８は、本実施形態に係る情報処理装置４の処理概要を示す図である。情報処理装置４は、ユーザの所望する印象を指定する入力操作を受け付ける。例えば、図示の例のように、ユーザに希望アンケート等の形式で製品に所望する印象を回答させ、該回答内容をユーザまたは情報処理装置４の管理者が入力する。これにより、情報処理装置４はユーザの所望する印象を特定することができる。

情報処理装置４は該印象をユーザに抱かせることができる製品を特定する。詳しくは後述するが、情報処理装置４は、各製品の物性値および作用値と、ユーザが抱くと推定される印象との相関関係を示した印象マップを作成し、該印象マップに各種製品の物性値および作用値をプロットすることで、各製品がユーザにどのような印象を抱かせることができるかを特定する。そして、情報処理装置４は、ユーザの所望の印象を抱かせることができると推定される製品を、ユーザに対し推薦する。例えば図８では、ユーザの希望した「高級感」という印象に対し、情報処理装置４は「製品ＣＣＣ」を推薦している。

≪要部構成≫
図９は、情報処理装置４の要部構成を示すブロック図である。情報処理装置４は少なくとも、制御部４０と、入力部４１と、記憶部４２と、表示部４３とを含む。

（入力部４１）
入力部４１は、実施形態１～実施形態３にて説明した入力部１１と同様の構成および機能を備えている。入力部４１は入力操作を受け付けると、該入力操作の内容を制御部４０の入力情報取得部４０１に伝える。本実施形態に係る入力部４１は、印象情報を入力する入力操作を受け付ける。

（制御部４０）
制御部４０は、情報処理装置４が備える各部を統括的に制御する。制御部４０は、入力情報取得部４０１、印象マップ作成部４０２、製品印象マップ作成部４０３、製品特定部４０４、および表示制御部４０５を備える。

入力情報取得部４０１は、入力部４１が受け付けた入力操作の内容を示す入力情報を取得する。本実施形態では、入力情報取得部４０１は入力情報として、印象領域（後述）の指定を取得する。入力情報取得部４０１は取得した印象情報を、印象マップ作成部４０２および製品特定部４０４に送信する。

印象マップ作成部４０２は、入力情報取得部４０１から受信した印象情報の指定と、記憶部４２に記憶されている印象領域情報４２１とに基づいて、印象マップを作成する。印象マップの詳細については後述する。印象マップ作成部４０２は作成した印象マップを製品印象マップ作成部４０３に送信する。

製品印象マップ作成部４０３は、印象マップ作成部４０２から受信した印象マップに基づいて製品印象マップを作成する。製品印象マップの詳細については後述する。製品印象マップ作成部４０３は作成した製品印象マップを製品特定部４０４に送信する。

製品特定部４０４は、製品印象マップ作成部４０３が作成した製品印象マップにおいて、入力部４１が受け付けた入力操作によって指定された印象領域にプロットされている製品を特定する。以降、製品特定部４０４が特定する製品を推薦製品と称する。製品特定部４０４は推薦製品に係る情報を製品情報４２２から読み出して、表示制御部４０５に送信する。

表示制御部（製品情報提示部）４０５は、製品特定部４０４から受信した推薦製品に係る情報を表示部４３に表示させる。

表示部４３は、表示制御部４０５の指示に従って推薦製品に係る情報を表示する。表示部４３の具体的構成は特に限定されない。また、表示部４３は、入力部４１と一体に形成されたタッチパネルディスプレイであってもよい。

（記憶部４２）
記憶部４２は、情報処理装置４の稼働に必要な情報を記憶する記憶装置である。例えば、記憶部４２は、印象領域情報４２１と、製品情報４２２とを記憶している。

印象領域情報４２１は、各印象領域が示す、物性値または作用値の範囲を規定する情報である。印象領域、物性値、および作用値については、後で詳述する。

製品情報４２２は、製品の識別情報に、各製品の物性値および作用値が対応付けられた情報である。なお、該物性値は、製品情報１２１における物性データと同一であってよい。記憶部４２は、各製品についての製品情報４２２を記憶している。

（印象マップと製品印象マップ）
ここで、印象マップと製品印象マップについて、図１０を用いて詳細に説明する。図１０は、印象マップおよび製品印象マップの一例を示す図である。

図１０の（ａ）は印象マップの一例を示している。印象マップとは、多次元空間、すなわち２軸以上で表わされるグラフの一種である。印象マップの各軸は、それぞれ異なる種類の各種物性値および作用値を示す。ここで、物性値とは、物体の材料物性に係る値である。また、作用値とは、前記物体と人間の手指との間で生じる物理作用に係る値である。図１０の（ａ）の例では、印象マップは、「粗さ」という物性値の軸と、「硬軟」という物性値の軸と、「摩擦係数」という作用値の軸とを含む。

印象マップにはさらに、印象領域がマッピングされている。印象領域とは、多次元空間における各座標値が示す物性値または前記作用値に対して人間が抱く印象の類型を示している領域である。なお、印象領域が示す「印象の類型」は、実施形態１に示した詳細アンケートの印象の区分、および、実施形態２に示した簡易アンケートの印象の区分と同一であれば、その分類方法は特に限定されない。また、各印象領域が示す物性値および作用値の範囲は重複していてもよい。

印象マップ作成部４０２は印象マップを作成する際に、少なくとも入力部４１を介し指定された印象領域をマッピングした印象マップを、作成する。図１０の（ａ）の例では、多次元空間に印象領域α～γがマッピングされている。各印象領域に含まれる座標値を持つ物体は、該印象領域が示す印象をユーザに抱かせることができると推定される。

図１０の（ｂ）は製品印象マップの一例を示している。製品印象マップは、印象マップに対して、各製品の前記複数の軸に対応する座標値をプロットしたグラフである。製品印象マップ作成部４０３は、印象マップ作成部４０２から印象マップを受信すると、製品情報４２２を読み出して、該製品情報４２２に含まれる各製品の物性値および作用値を印象マップにプロットすることで、製品印象マップを作成する。

図１０の（ｂ）の例では、製品ＡＡＡ、ＢＢＢ、ＣＣＣ、およびＤＤＤの座標値がプロットされている。ここで、製品ＣＣＣは「高級感」という印象領域にその座標値が含まれている。したがって、製品ＣＣＣはこの製品印象マップにおいて、ユーザに「高級感」を与えられると推定される製品であるといえる。なお、製品印象マップ作成部４０３は製品情報４２２に含まれる製品のうち、一部の製品の座標値のみをプロットすることとしてもよい。例えば、廃番になった製品、季節限定の製品等の座標値は製品印象マップにプロットしないこととしてもよい。

≪リコメンド処理≫
図１１は、情報処理装置４がユーザに、該ユーザが所望する印象を抱かせることができる製品を推薦する処理（リコメンド処理）の流れを示す図である。情報処理装置４は、入力情報取得部４０１が入力部４１に対する所定の入力操作を受け付けた場合に、以下で説明する処理を実行する。例えば、情報処理装置４は、ユーザまたは情報処理装置４の管理者による、印象領域を指定する入力操作（すなわち、ユーザが所望する印象を指定する入力操作）に応答して、以下の処理を実行する。

Ｓ４０１において、入力情報取得部４０１は、印象領域を指定する入力操作を受け付ける。入力情報取得部４０１は該指定を印象マップ作成部４０２および製品特定部４０４に送信する。

Ｓ４０２において、印象マップ作成部４０２は、指定された印象領域を含む印象マップを作成する。印象マップ作成部４０２は作成した印象マップを製品印象マップ作成部４０３に送信する。なお、印象マップ作成部４０２は作成した印象マップを、一時的または非一時的に記憶部４２に記憶させてもよい。Ｓ４０３において、製品印象マップ作成部４０３は、製品情報４２２を参照して、印象マップに各製品の座標値をプロットすることで、製品印象マップを作成する。製品印象マップ作成部４０３は作成した製品印象マップを製品特定部４０４に送信する。なお、製品印象マップ作成部４０３は作成した製品印象マップを、一時的または非一時的に記憶部４２に記憶させてもよい。

Ｓ４０４において、製品特定部４０４は、指定された印象領域に座標値が含まれている製品を、推薦製品として特定する。Ｓ４０５において、製品特定部４０４は記憶部４２の製品情報４２２を参照して、推薦製品に係る情報を読み出す。製品特定部４０４は推薦製品に係る情報を表示制御部４０５に送信する。Ｓ４０６において、表示制御部４０５は、表示部４３に推薦製品に係る情報を表示させる。

以上の処理によれば、情報処理装置４は、ユーザにより指定された印象領域に含まれる製品、すなわち、ユーザが指定した印象を抱かせることができる物性値または作用値を有する製品を推薦することができる。

なお、製品特定部４０４はＳ４０４において複数の推薦製品を特定した場合、指定された印象領域の中央により近い位置に座標値がプロットされた推薦製品についての情報を、表示制御部４０５に送信してもよい。そして、表示制御部４０５は、印象領域の中央により近い位置に座標値がプロットされた推薦製品についての情報を、優先して提示してもよい。これにより、指定された印象をユーザが抱く可能性がより高い製品を推薦することができる。したがって、ユーザに、より適切な製品を推薦することができる。

〔実施形態５〕
本発明の一態様に係る情報処理装置は、人が製品を触ったときの、材料物性の値（物性値）または人と製品との間物理作用の値（作用値）と、該人が該製品に対して抱く印象と、の関係を示す印象マップを作成してもよい。そして、本発明の一態様に係る情報処理装置は、各製品の該印象マップにおける座標位置をマッピングした製品印象マップを作成してもよい。さらに、本発明の一態様に係る情報処理装置は、ユーザが指定する印象領域、すなわち、ユーザが所望する印象を示す製品を、該製品印象マップから特定してユーザに提示してもよい。

≪要部構成≫
図１２は、本実施形態に係る情報処理装置５の要部構成を示すブロック図である。情報処理装置５は少なくとも、制御部５０と、入力部４１と、記憶部４２と、表示部４３とを含む。入力部４１、記憶部４２、および表示部４３は、実施形態４における同番号の部材と同様の機能を有する。

（制御部５０）
制御部５０は、情報処理装置５が備える各部を統括的に制御する。制御部５０は、入力情報取得部４０１、印象マップ作成部４０２、範囲特定部５０３、および表示制御部５０４を備える。

入力情報取得部４０１および印象マップ作成部４０２は、実施形態４における同番号の部材と同様の機能を有する。ただし、印象マップ作成部４０２は、作成した印象マップを範囲特定部５０３に送信する。

範囲特定部５０３は、印象マップにおいて入力情報取得部４０１が取得した操作内容により指定された印象領域が示す前記物性値の範囲、および前記作用値の範囲のうち、少なくとも一方の値の範囲を特定する。範囲特定部５０３は特定した各種値の範囲を表示制御部５０４に送信する。

表示制御部（範囲提示部）５０４は、範囲特定部５０３から受信した各種値の範囲を表示部４３に表示させる。

表示部４３は、表示制御部４０５の指示に従って推薦製品に係る情報を表示する。表示部４３の具体的構成は特に限定されない。また、表示部４３は、入力部４１と一体に形成されたタッチパネルディスプレイであってもよい。

≪範囲特定処理≫
図１３は、情報処理装置５が、ユーザが所望する印象領域の物性値および作用値の少なくとも一方の範囲を特定する処理（範囲特定処理）の流れを示す図である。情報処理装置５は、入力情報取得部４０１が入力部４１に対する所定の入力操作を受け付けた場合に、以下で説明する処理を実行する。例えば、情報処理装置５は、ユーザまたは情報処理装置５の管理者による、印象領域を指定する入力操作（すなわち、ユーザが所望する印象を指定する入力操作）に応答して、以下の処理を実行する。

Ｓ５０１において、入力情報取得部４０１は、印象領域を指定する入力操作を受け付ける。入力情報取得部４０１は該指定を印象マップ作成部４０２に送信する。Ｓ５０２において、印象マップ作成部４０２は、指定された印象領域を含む印象マップを作成する。印象マップ作成部４０２は作成した印象マップを範囲特定部５０３に送信する。なお、印象マップ作成部４０２は作成した印象マップを、一時的または非一時的に記憶部４２に記憶させてもよい。

Ｓ５０３において、範囲特定部５０３は、指定された印象領域が示す各種値の範囲を特定する。範囲特定部５０３は特定した値の範囲を表示制御部５０４に送信する。Ｓ５０４において、表示制御部５０４は、範囲特定部５０３から受信した各種値の範囲を表示部４３に表示させる。

以上の処理によれば、情報処理装置５は、ユーザが所望する印象を抱かせることができる物性値または作用値の範囲を特定し提示することができる。すなわち、ユーザの嗜好に応じた製品の性質を特定することができる。

〔実施形態６〕
実施形態１に係る学習システム１０００と、実施形態２に係る推定システム１１００と、実施形態４に係る情報処理装置４とは一体で構成されていてもよい。

図１４は、本実施形態に係る情報処理装置６の要部構成を示すブロック図である。情報処理装置６は、情報処理装置１と、情報処理装置４との両方の機能を兼ね備えた装置である。情報処理装置６は、制御部６０と、入力部６１と、記憶部６２とを備える。入力部６１は、入力部１１と入力部４１の両方の機能を兼ね備えている。記憶部６２は、記憶部１２と記憶部４２の両方の機能を兼ね備えている。表示部６３は、表示部１３と表示部４３の両方の機能を兼ね備えている。制御部６０の内部における各機能ブロックは、情報処理装置３または４において同じ符号が付された機能ブロックと同様の機能を備えている。以上の構成によれば、情報処理装置６は、情報処理装置１～４と同様の効果を奏する。

なお、情報処理装置６において、印象マップ作成部４０２は印象マップを個性クラスタごとに作成してもよい。もしくは、印象マップ作成部４０２は、推定部１０８が推定した個性クラスタに応じた印象マップを作成してもよい。そして、製品印象マップ作成部４０３は、推定部１０８が推定した個性クラスタに応じた印象マップを用いて製品印象マップを作成してもよい。これにより、物体に触れたときの印象の個人差を考慮した印象マップおよび製品印象マップを作成することができる。

そして、製品特定部４０４は、該個人差を考慮した製品印象マップに基づいて、推薦製品を特定することができる。したがって、ユーザにより適切な製品を推薦することができる。

また、印象マップの軸の少なくとも１つが作用値を示す軸である場合、製品印象マップ作成部（製品作用値算出部）４０３は、推定用現象データに基づいて各製品の作用値を算出してもよい。そして、製品印象マップ作成部４０３は、算出された各製品の作用値を含む座標値をプロットした製品印象マップを作成してもよい。

例えば、印象マップの軸の１つが製品にかかる摩擦係数を示す値であり、センサ情報取得部１０２が推定用現象データとして、ユーザの指の大きさを示す情報を取得していたとする。この場合、製品印象マップ作成部４０３は、製品情報４２２から読み出した各製品の圧力値を、ユーザの指の大きさに応じて補正した上で、印象マップ上にプロットしてもよい。

これにより、製品に対するユーザの触れ方等の個人差を考慮した上で、製品印象マップの作成および推薦製品の提示を実行することができる。したがって、ユーザにより適切な製品を推薦することができる。

〔実施形態７〕
また、実施形態４に係る情報処理装置４と、実施形態５に係る情報処理装置５とは一体で構成されていてもよい。図１５は、本実施形態に係る情報処理装置７の要部構成を示すブロック図である。情報処理装置７は、情報処理装置４と、情報処理装置５との両方の機能を兼ね備えた装置である。情報処理装置７は、制御部７０と、入力部７１と、記憶部７２とを備える。入力部７１は、入力部４１と入力部５１の両方の機能を兼ね備えている。記憶部７２は、記憶部４２と記憶部５２の両方の機能を兼ね備えている。表示部７３は、表示部４３と表示部５３の両方の機能を兼ね備えている。制御部７０の内部における各機能ブロックは、情報処理装置４または５において同じ符号が付された機能ブロックと同様の機能を備えている。以上の構成によれば、情報処理装置７は、情報処理装置１、２、および４と同様の効果を奏する。

〔実施形態８〕
また、実施形態１に係る情報処理装置１と、実施形態５に係る情報処理装置５とは一体で構成されていてもよい。この場合、本実施形態に係る情報処理装置は、情報処理装置１と５との両方の機能を兼ね備えた装置として実現される。本実施形態に係る情報処理装置は、以上の構成によれば、情報処理装置８は、情報処理装置１および５と同様の効果を奏する。

〔変形例〕
なお、実施形態３～５を組み合わせて実施してもよい。この場合、印象マップ作成部４０２は、個性クラスタごとに作成された複数の印象マップそれぞれの重要度を決定する重要度決定部を含んでいてもよい。そして、印象マップ作成部４０２は、該重要度に応じた割合で、個性クラスタごとに作成した複数の印象マップを統合してもよい。

統合の方法は特に限定しないが、印象マップ作成部４０２は例えば各印象マップの荷重平均をとることで複数の印象マップを統合してもよい。そして、範囲特定部５０３は、統合後の印象マップにおいて、指定される印象領域が示す物性値の範囲、および作用値の範囲の少なくとも一方を特定してもよい。

これにより、個性クラスタごと、すなわち、ユーザの嗜好の類型に重み付けを行った上で印象マップを統合することができる。そして、該統合した印象マップを用いて、ユーザの所望する印象を得るための、製品の物性値または作用値の範囲を特定することができる。

〔ソフトウェアによる実現例〕
情報処理装置１～７の各制御ブロックは、集積回路（ＩＣチップ）等に形成された論理回路（ハードウェア）によって実現してもよいし、ソフトウェアによって実現してもよい。

後者の場合、情報処理装置１～７は、各機能を実現するソフトウェアであるプログラムの命令を実行するコンピュータを備えている。このコンピュータは、例えば１つ以上のプロセッサを備えていると共に、前記プログラムを記憶したコンピュータ読み取り可能な記録媒体を備えている。そして、前記コンピュータにおいて、前記プロセッサが前記プログラムを前記記録媒体から読み取って実行することにより、本発明の目的が達成される。前記プロセッサとしては、例えばＣＰＵ（Central Processing Unit）を用いることができる。前記記録媒体としては、「一時的でない有形の媒体」、例えば、ＲＯＭ（Read Only Memory）等の他、テープ、ディスク、カード、半導体メモリ、プログラマブルな論理回路などを用いることができる。また、前記プログラムを展開するＲＡＭ（Random Access Memory）などをさらに備えていてもよい。また、前記プログラムは、該プログラムを伝送可能な任意の伝送媒体（通信ネットワークや放送波等）を介して前記コンピュータに供給されてもよい。なお、本発明の一態様は、前記プログラムが電子的な伝送によって具現化された、搬送波に埋め込まれたデータ信号の形態でも実現され得る。

本発明は上述した各実施形態に限定されるものではなく、請求項に示した範囲で種々の変更が可能であり、異なる実施形態にそれぞれ開示された技術的手段を適宜組み合わせて得られる実施形態についても本発明の技術的範囲に含まれる。

１、２、３、４、５、６、７ 情報処理装置
９ センサ群
１０、２０、３０、４０、５０、６０、７０ 制御部
１１、４１、５１、６１、７１ 入力部
１２、４２、６２ 記憶部
１３、４３、５３、６３、７３ 表示部
１０１、４０１ 入力情報取得部
１０２ センサ情報取得部
１０３ ＤＢ情報取得部
１０４ クラスタ特定部
１０５ 第１入力データ作成部
１０６ モデル構築部
１０７ 第２入力データ作成部
１０８ 推定部
１０９、４０５、５０４ 表示制御部
４０２ 印象マップ作成部
４０３ 製品印象マップ作成部
４０４ 製品特定部
５０３ 範囲特定部

Claims (9)

1. 物体の材料物性に係る物性値を示す軸、または、前記物体と人間の手指との間で生じる物理作用に係る値である作用値を示す軸であって、それぞれ異なる種類の前記物性値または前記作用値を示す複数の軸から成る多次元空間に、該多次元空間における各座標値が示す物性値または前記作用値に対して人間が抱く印象の類型を示す印象領域をマッピングした印象マップを作成する印象マップ作成部と、
   前記印象マップに対し各製品の前記複数の軸に対応する座標値をプロットした製品印象マップを作成する製品印象マップ作成部と、
   前記印象領域のいずれかを指定する入力操作を示す情報を取得する入力情報取得部と、
   前記製品印象マップにおける前記入力操作により指定された前記印象領域に前記座標値が含まれている製品を、推薦製品として特定する製品特定部と、
   前記推薦製品に係る情報を提示させる製品情報提示部と、
   推定用物性データを取得する推定用物性データ取得部と、
   あるユーザの推定用現象データを取得する推定用現象データ取得部と、
   前記あるユーザの推定用感性データを取得する推定用感性データ取得部と、
   前記推定用物性データ、前記推定用現象データ、および前記推定用感性データを用いて第２入力データを作成する第２入力データ作成部と、
   製品の材料物性を示すデータである物性データ、人間が前記製品に触れたときの触刺激に関わるデータである現象データ、ならびに、前記人間が前記製品に触れたときに感じる知覚、および該知覚から想起される印象を示す感性データを用いて作成された第１入力データと、前記触刺激と前記印象との相関関係の類型を示す個性クラスタと、の相関関係を機械学習させた学習モデルを用いて、前記第２入力データから前記あるユーザの前記個性クラスタを推定する推定部と、を備え、
   前記推定用物性データは、前記物性データの少なくとも一部の情報から成り、
   前記推定用現象データは、前記現象データの少なくとも一部の情報から成り、
   前記推定用感性データは、前記感性データの少なくとも一部の情報から成り、
   前記印象マップ作成部は、前記個性クラスタごとに前記印象マップを作成し、
   前記製品印象マップ作成部は、前記推定部が推定した前記あるユーザの前記個性クラスタに応じた前記印象マップに対し前記座標値をプロットした製品印象マップを作成することを特徴とする情報処理装置。
2. 前記物性データを取得する物性データ取得部と、
   前記現象データを取得する現象データ取得部と、
   前記感性データを取得する感性データ取得部と、
   前記現象データおよび前記感性データに基づいて、前記個性クラスタを特定するクラスタ特定部と、
   前記第１入力データと、前記個性クラスタとの相関関係を機械学習させた前記学習モデルを構築するモデル構築部と、を備える、請求項１に記載の情報処理装置。
3. 前記クラスタ特定部は、
   前記触刺激と前記知覚との相関関係の類型を示す知覚クラスタと、前記知覚と前記印象との相関関係の類型を示す感性クラスタと、を特定し、
   前記個性クラスタは、前記知覚クラスタと前記感性クラスタとの組み合わせから成ることを特徴とする、請求項２に記載の情報処理装置。
4. 前記クラスタ特定部は、同一の製品に対する複数人の感性データの類似度に基づいて前記個性クラスタを特定することを特徴とする、請求項２または３に記載の情報処理装置。
5. 前記印象マップの前記複数の軸の少なくとも１つは前記作用値を示す軸であり、
   前記情報処理装置は、
   前記推定用現象データに基づき各製品の前記作用値を算出する製品作用値算出部を備え、
   前記製品印象マップ作成部は、前記製品作用値算出部が算出した前記各製品の前記作用値を含む前記座標値をプロットすることを特徴とする、請求項１～４のいずれか１項に記載の情報処理装置。
6. 前記現象データおよび前記推定用現象データは、前記ユーザの手指の物性に係るデータを含むことを特徴とする、請求項１～５のいずれか１項に記載の情報処理装置。
7. 前記現象データおよび前記推定用現象データは、前記製品と前記製品に触れた前記ユーザの手指との間で生じる物理作用に係るデータを含む、請求項１～６のいずれか１項に記載の情報処理装置。
8. 前記製品特定部は複数の前記推薦製品を特定し、
   前記製品情報提示部は、複数の前記推薦製品それぞれに係る情報のうち、前記製品印象マップにおいて前記入力操作により指定された前記印象領域の中央により近い位置にプロットされた推薦製品を、優先して提示させることを特徴とする、請求項１～７のいずれか１項に記載の情報処理装置。
9. 物体の材料物性に係る物性値を示す軸、または、前記物体と人間の手指との間で生じる物理作用に係る値である作用値を示す軸であって、それぞれ異なる種類の前記物性値または前記作用値を示す複数の軸から成る多次元空間に、該多次元空間における各座標値が示す物性値または前記作用値に対して人間が抱く印象の類型を示す印象領域をマッピングした印象マップを作成する印象マップ作成ステップと、
   前記印象マップに対し各製品の前記複数の軸に対応する座標値をプロットした製品印象マップを作成する製品印象マップ作成ステップと、
   前記印象領域のいずれかを指定する入力操作を示す情報を取得する入力情報取得ステップと、
   前記製品印象マップにおける前記入力操作により指定された前記印象領域に前記座標値が含まれている製品を、推薦製品として特定する製品特定ステップと、
   前記推薦製品に係る情報を提示する製品情報提示ステップと、
   推定用物性データを取得する推定用物性データ取得ステップと、
   あるユーザの推定用現象データを取得する推定用現象データ取得ステップと、
   前記あるユーザの推定用感性データを取得する推定用感性データ取得ステップと、
   前記推定用物性データ、前記推定用現象データ、および前記推定用感性データを用いて第２入力データを作成する第２入力データ作成ステップと、
   製品の材料物性を示すデータである物性データ、人間が前記製品に触れたときの触刺激に関わるデータである現象データ、ならびに、前記人間が前記製品に触れたときに感じる知覚、および該知覚から想起される印象を示す感性データを用いて作成された第１入力データと、前記触刺激と前記印象との相関関係の類型を示す個性クラスタと、の相関関係を機械学習させた学習モデルを用いて、前記第２入力データから前記あるユーザの前記個性クラスタを推定する推定ステップと、を含み、
   前記推定用物性データは、前記物性データの少なくとも一部の情報から成り、
   前記推定用現象データは、前記現象データの少なくとも一部の情報から成り、
   前記推定用感性データは、前記感性データの少なくとも一部の情報から成り、
   前記印象マップ作成ステップは、前記個性クラスタごとに前記印象マップを作成し、
   前記製品印象マップ作成ステップは、前記推定ステップが推定した前記あるユーザの前記個性クラスタに応じた前記印象マップに対し前記座標値をプロットした製品印象マップを作成することを特徴とする、情報処理装置の制御方法。

Images