JP7290704B1 - 調査集計システム - Google Patents

Abstract

【課題】調査対象者の負担を軽減することができると共に、調査対象者からの回答を収集する場合と同等の品質や信頼性を確保し得る回答を収集することができる調査集計システムを提供する。【解決手段】調査集計システム１は、質問に対する回答を取得して集計する回答集計部２０と、回答を生成可能な複数の学習モデルを機械学習処理により構築する機械学習装置１０とを備える。機械学習装置１０は、質問に対する回答の一致度合いが高い質問対象者と学習モデルとの組（ペアセット）を抽出するペアセット抽出部１２を含む。回答集計部２０は、ペアセットを構成する調査対象者の回答の代わりに、該ペアセットの学習モデルが生成する回答を取得し得る。【選択図】図１

Description

本発明は、様々な分野において、複数の調査対象者に対する質問の回答を集計する調査集計システムに関する。

マーケティング調査や、テレビの視聴率調査等、様々な分野の調査において、あらかじめ選定された複数の調査対象者（所謂、パネリスト又はパネラー）から質問に対する回答を収集することが従来より、一般に行われている（例えば特許文献１を参照）。

このように複数の調査対象者を利用する調査では、調査対象者を適切に選定しておくことで、品質や信頼性の高い調査結果を得ることが可能である。

特開２００２－３１２５５７号公報

しかしながら、複数の調査対象者からの回答を収集する調査では、各調査対象者への報酬が必要になるために、調査コストが高コストになりやすい。また、各調査対象者は、多くの質問に対する回答を行うことが必要になる場合に、回答作業に工数がとられやすい。さらに、調査内容によっては、各調査対象者が、時間的な制約や行動の制約を受ける場合もある。ひいては、各調査対象者の負担が高まりやすい。

本発明はかかる背景に鑑みてなされたものであり、調査対象者の負担を軽減することができると共に、調査対象者からの回答を収集する場合と同等の品質や信頼性を確保し得る回答を収集することができる調査集計システムを提供することを目的とする。

本発明の調査集計システムは、上記の目的を達成するために、あらかじめ選定された複数の調査対象者から質問に対する回答を取得し、当該取得した回答を集計する回答集計部を備える調査集計システムであって、
質問に対する回答を生成し得る複数の学習モデルを機械学習処理により構築して記憶保持する機械学習装置を備えており、
該機械学習装置は、前記複数の調査対象者のそれぞれに対して実施した質問に対する該複数の調査対象者のそれぞれの回答と、該質問に対して前記複数の学習モデルのそれぞれが生成する回答とを比較し、該複数の調査対象者のそれぞれと該複数の学習モデルのそれぞれとの組み合わせから、該質問に対する回答の一致度合いが所定の閾値以上に高い調査対象者及び学習モデルの組であるペアセットを抽出するペアセット抽出部と、該ペアセットのそれぞれの学習モデルを、該学習モデルとペアセットを構成する調査対象者に対応付けて記憶保持する学習モデル記憶部とを有しており、
前記回答集計部は、前記複数の調査対象者のうち、一組以上の前記ペアセットのそれぞれの調査対象者から質問に対する回答を取得する要求があるとき、該ペアセットのそれぞれの調査対象者の回答の代用として、該ペアセットのそれぞれの学習モデルが該質問に対して生成する回答を取得し得るように構成されていることを特徴とする。

かかる本発明によれば、回答集計部は、前記ペアセットのそれぞれの調査対象者の回答の代用として、該ペアセットのそれぞれの学習モデルが該質問に対して生成する回答を取得することができる。

この場合、ペアセットのそれぞれの調査対象者に対応する学習モデル（該調査対象者とペアセットを構成する学習モデル）は、対応する調査対象者に対して実施した質問に対して該調査対象者が発した回答と一致度合いが高い回答を生成し得る学習モデルである。このため、ペアセットのそれぞれの学習モデルが質問に対して生成する回答は、該学習モデルとペアセットを構成する調査対象者が、該質問に対して発する回答に一致する可能性が高い。

従って、回答集計部は、前記ペアセットのそれぞれの調査対象者の実際の回答を取得せずとも、当該実際の回答の疑似的な回答を、該調査対象者とペアセットを構成する学習モデルから取得することができる。この結果、本発明の調査集計システムによれば、質問に対する回答を取得しようとする調査対象者がいずれかの学習モデルとペアセットを構成する場合に、該調査対象者の負担を軽減することができると共に、調査対象者からの回答を収集する場合と同等の品質や信頼性を確保し得る回答を収集することができる。

かかる本発明では、前記機械学習装置は、前記複数の学習モデルのうちの少なくとも一部の学習モデルを、不特定の複数の人のライフログを学習データとして用いる機械が学習処理により構築するように構成され得る。

これによれば、多量のライフログを学習データとして用いて学習モデルを構築できるので、調査対象者の多くのライフログを収集することができない場合でも、複数の調査対象者のうちのいずれかの調査対象者の質問に対する回答と一致度合いの高い回答を生成し得る学習モデルを機械学習処理により構築することが可能となる。

また、本発明では、前記機械学習装置は、前記複数の学習モデルのうちの少なくとも一部の学習モデルを、前記複数の調査対象者のうちの少なくとも一部の調査対象者のそれぞれのライフログを学習データとして用いる機械学習処理により構築するように構成され得る。

これによれば、複数の調査対象者のうちの少なくとも一部の調査対象者のそれぞれのライフログを学習データとして用いて学習モデルを構築できるので、該一部の調査対象者のいずれかの調査対象者の質問に対する回答と一致度合いの高い回答を生成し得る学習モデルを、効率よく機械学習処理により構築することが可能となる。

本発明の実施系形態の調査集計システムに関する構成を示すブロック図。 図１に示すペアセット抽出部の処理に関する説明図。

本発明の一実施形態を以下に図１～図２を参照して説明する。図１を参照して、本実施形態の調査集計システム１は、質問に対する回答を生成し得る複数の学習モデルＬＭ1，ＬＭ2，…，ＬＭNを機械学習処理により構築（生成）して記憶保持する機械学習装置１０と、あらかじめ選定された複数の調査対象者Ｐ1，Ｐ2，…，Ｐnの全体又は一部から質問に対する回答を取得して集計する回答集計部２０と、調査対象者Ｐ1～Ｐnの全体又は一部に対する質問の内容を示す質問データを生成する質問データ生成部３０と、調査対象者Ｐ1～Ｐnのそれぞれに関する情報を記憶保持する質問対象者データベース４０（以降、単にデータベース４０という）と、インターネット、電話通信網等により構成される外部ネットワークＮＷ（広域ネットワーク）と通信を行い得る通信装置５０とを備える。以降、複数の学習モデルＬＭ1～ＬＭNのうちの任意の1つの学習モデルをＬＭiと表記し、複数の調査対象者Ｐ1～Ｐnのうちの任意の一人の調査対象者をＰjと表記する。

通信装置５０は、外部ネットワークＮＷと通信を行い得ることに加えて、調査対象者Ｐ1～Ｐnのそれぞれが使用する通信端末６０と、外部ネットワークＮＷを介して通信を行うことが可能である。

ここで、各調査対象者Ｐjが使用する通信端末６０は、例えばスマートフォン、タブレット端末、パソコン等により構成され、液晶ディスプレイ等により構成される表示部６０ａや、スピーカ等により構成される発音部６０ｂを含む。この通信端末６０には、調査用の所定のアプリケーション（以下、調査用アプリという）があらかじめインストールされている。

そして、通信端末６０は、当該調査用アプリを起動した状態で、通信装置５０と外部ネットワークＮＷを介して通信を行うことが可能である。この場合、通信端末６０は、調査集計システム１から通信装置５０を介して送信される質問データを受信して、該質問データにより示される質問の内容を調査対象者Ｐjに報知する機能や、質問に対する調査対象者Ｐjの回答を受け付けて、通信装置５０に送信する機能等を有する。

調査集計システム１の機械学習装置１０、回答集計部２０、質問データ生成部３０、及びデータベース４０は、例えばマイコン等のプロセッサ、メモリ等の記憶装置、インターフェース回路等を含む1つ以上のコンピュータにより構成される。

例えば、機械学習装置１０、回答集計部２０、質問データ生成部３０、及びデータベース４０のそれぞれは、相互に通信可能な各別のコンピュータにより構成され得る。この場合、機械学習装置１０を構成するコンピュータは、それに実装されたハードウェア構成とプログラム（ソフトウェア構成）とにより機械学習装置１０として機能するよう構成される。回答集計部２０、質問データ生成部３０、及びデータベース４０についても同様である。

ただし、機械学習装置１０、回答集計部２０、質問データ生成部３０、及びデータベース４０のうちの２つ以上が、例えば、1つのコンピュータに含まれるように、該コンピュータが構成されていてもよい。また、通信装置５０は、機械学習装置１０、回答集計部２０、質問データ生成部３０、及びデータベース４０を構成するいずれかのコンピュータに含まれ、もしくは付設され得る。あるいは、通信装置５０は、機械学習装置１０、回答集計部２０、質問データ生成部３０、及びデータベース４０を構成する複数のコンピュータのそれぞれに含まれ、もしくは付設され得る。

データベース４０は、あらかじめ選定された複数の調査対象者Ｐ1～Ｐnのそれぞれに関する情報として、各調査対象者Ｐjの居住地、性別、年齢、家族構成等の属性情報や、各調査対象者Ｐjに対して実施した質問に対する回答の履歴を示す回答履歴情報等を記憶保持している。そして、データベース４０は、機械学習装置１０や回答集計部２０等からの要求に応じて、任意の調査対象者Ｐjに関する任意の情報（属性情報、回答履歴情報等）を出力することが可能である。

質問データ生成部３０は、マーケティング調査や、テレビの視聴率調査等の所要の調査を実施する場合に、その調査のための複数の質問項目の内容を示す質問データをオペレータからの指示等に応じて生成するように構成されている。該質問データは、例えばテキストデータ、もしくは音声信号データとして生成され得る。なお、質問データ生成部３０は、実施した各調査において生成した質問データの履歴を記憶保持することが可能である。

機械学習装置１０は、質問に対する回答を生成し得る複数の学習モデルＬＭ1～ＬＭNを、不特定の複数の人（不特定多数の個々人）のライフログを学習データして用いる機械学習処理により複数の学習モデルＬＭ1～ＬＭNを構築（生成）するように構成されている。

該ライフログは、不特定多数の個々人の固有の情報、もしくは特徴的な情報を多く含む情報である。該ライフログとしては、個々人が発信したＳＮＳ（Social Networking Service）情報等を使用し得る。

かかるライフログは、オペレータが、随時、適宜の入力装置を介して機械学習装置１０に入力し得る。あるいは、機械学習装置１０が、外部ネットワークＮＷのインターネット等から自動的に収集し得る。

機械学習装置１０は、与えられた多数のライフログから各学習モデルＬＭiの学習データとして使用するライフログを抽出し、各学習モデルＬＭi毎に、抽出したライフログを学習データとして用いて機械学習処理を実行することで、各学習モデルＬＭiを構築する。

この場合、各学習モデルＬＭiの学習データ用のライフログの抽出においては、例えば、各学習モデルＬＭiが学習データとして使用するライフログのうちの少なくとも一部のライフログが、学習モデルＬＭ1～ＬＭNのそれぞれで互いに異なるように、各学習モデルＬＭiの学習データ用のライフログが抽出され得る。これにより、学習モデルＬＭ1～ＬＭNのそれぞれは、質問に対する回答の生成に関して、互いに異なる個性を有するように構成され得る。

補足すると、調査対象者Ｐ1～ＰＮのライフログを収集できる場合には、例えば、学習モデルＬＭ1～ＬＭNのうちの少なくとも一部の学習モデルのそれぞれの学習データとして、いずれかの調査対象者Ｐiのライフログを使用してもよい。この場合、調査対象者Ｐiのライフログを学習データとして用いる学習モデルが複数である場合には、その複数の学習モデルのそれぞれの学習データとして、互いに異なる調査対象者のライフログが使用される。

なお、各学習モデルＬＭiへの新たなライフログの入力と、機械学習処理とは継続的に実施される。これより、各学習モデルＬＭiは、様々な質問に対して、その内容に整合した回答を生成し得るように更新されていく。

機械学習装置１０は、上記の如く複数の学習モデルＬＭ1～ＬＭNを機械学習処理により構築し得るように構成されている。なお、各学習モデルＬＭiを生成するより具体的な技術としては、例えば特開２０１８－１９０４５７号公報等に提案されている技術を採用し得る。

本実施形態の機械学習装置１０はさらに、構築した学習モデルＬＭ1～ＬＭNを記憶保持する学習モデル記憶部１１としての機能と、複数の調査対象者Ｐ1～Ｐnのそれぞれと複数の学習モデルＬＭ1～ＬＭNのそれぞれとの組み合わせから、質問に対する回答の一致度合いが所定の閾値以上に高い調査対象者及び学習モデルの組であるペアセットを抽出するペアセット抽出部１２としての機能とを含むように構成されている。

ここで、ペアセット抽出部１２の具体的な処理について説明しておく。ペアセット抽出部１２は、例えば、定期的なタイミング、あるいは、オペレータにより指示されたタイミング、あるいは、各調査の実施後のタイミング等で、ペアセットの抽出処理を実行する。この処理では、ペアセット抽出部１２は、調査対象者Ｐ1～Ｐnの全体又は一部に対して過去に実施した調査（例えば最新に実施した調査、又は直近の複数回の調査）における質問データを質問データ生成部３０から取得し、その質問データにより示される複数の質問（テキスト形式の質問）を学習モデルＬＭ1～ＬＭNに入力する。

さらに、ペアセット抽出部１２は、各学習モデルＬＭiが、複数の質問のそれぞれに応じて生成した回答を取得すると共に、該複数の質問に対して調査対象者Ｐ1～ＰNの全体又は一部から得られた回答をデータベース４０から取得し、学習モデルＬＭ1～ＬＭNのそれぞれから得られた回答と、調査対象者Ｐ1～ＰNの全体又は一部のそれぞれから得られた回答とを比較する。

そして、ペアセット抽出部１２は、複数の調査対象者Ｐ1～ＰNのそれぞれと複数の学習モデルＬＭ1～ＬＭNのそれぞれとの組み合わせから、質問に対する回答の一致度合いが所定の閾値以上に高い調査対象者及び学習モデルの組をペアセットとして抽出する。

この場合、各学習モデルＬＭiの回答と各調査対象者Ｐjの回答との一致度合い表す指標値として、例えば、該学習モデルＬＭiと該調査対象者Ｐjとで一致する回答の総数の割合（質問の総数に対する割合。以降、一致回答割合という）を使用し得る。そして、ペアセット抽出部１２は、調査対象者Ｐ1～ＰNのうちの、ある一人の調査対象者Ｐjと、学習モデルＬＭ1～ＬＭNのうちの、ある一つの学習モデルＬＭiとの組に関する一致回答割合が所定の閾値以上である場合（例えば一致回答割合が１００％に近い閾値以上である場合）に、その調査対象者Ｐjと学習モデルＬＭiとの組をペアセット（Ｐj，ＬＭi）として抽出する。

例えば、図２を参照して、調査対象者Ｐaと学習モデルＬＭaとの組についての一致回答割合、調査対象者Ｐbと学習モデルＬＭbとの組についての一致回答割合、及び、調査対象者Ｐcと学習モデルＬＭcとの組についての一致回答割合がそれぞれ所定の閾値以上である場合、これらの３つの組（Ｐa，ＬＭa），（Ｐb，ＬＭb），（Ｐc，ＬＭc）がペアセットとして抽出される。

そして、学習モデル記憶部１１は、学習モデルＬＭ1～ＬＭNのうち、いずれかの調査対象者Ｐjとペアセットを構成する学習モデルＬＭiについては、該学習モデルＬＭiを、ペアセットを構成する調査対象者Ｐjに対応付けて記憶保持する。例えば図１においては、学習モデルＬＭ2が、これとペアセットを構成する調査対象者Ｐ5に対応付けて学習モデル記憶部１１に記憶保持されていることを示している。

補足すると、いずれかの調査対象者Ｐjとペアセットを構成する学習モデルＬＭiは、該調査対象者Ｐjと質問に対する回答の一致度合いが高いので、該調査対象者Ｐjの思考や行動態様を模擬する人工知能（換言すれば、調査対象者Ｐjのデジタルクローン）に相当するものとみなし得る。

回答集計部２０は、詳細は後述するが、所要の調査を実施する場合に、データベース４０に登録されている調査対象者Ｐ1～Ｐnから、質問に対する回答を取得すべき複数の調査対象者を回答取得対象者として選定し、その複数の回答取得対象者から、複数の質問事項に対する回答を取得して集計し得るように構成されている。

加えて、回答集計部２０は、選定した複数の回答取得対象者にペアセットを構成する回答取得対象者が一定数以上、存在する場合には、ペアセットを構成する回答取得対象者に対応する学習モデルだけから、複数の質問事項に対する回答を取得して集計することも可能である。

次に、所要の調査を実施する場合の調査集計システム１の作動を具体的に説明する。マーケティング調査、テレビの視聴率調査等の所要の調査を実施する場合、回答集計部２０は、データベース４０に登録されている調査対象者Ｐ1～Ｐnから複数の回答取得対象者を選定する。該回答取得対象者Ｐは、実施する調査の内容等に応じてオペレータ等により設定される選定条件に基づいて選定される。

例えば、調査対象者Ｐ1～Ｐnのうち、居住地や、性別、年齢等に関する所定の選定条件（例えば、居住地が関東である、性別が女性である、年齢が３０～４０歳の範囲に属する等の条件）を満たす調査対象者のそれぞれが回答取得対象者として選定され得る。なお、選定条件が設定されない場合もあり、その場合には、調査対象者Ｐ1～Ｐnの全員が回答取得対象者として選定される。

また、質問データ生成部３０が、複数の質問項目の内容を示す質問データをオペレータからの指示等に応じて生成する。そして、回答集計部２０には、質問に対する回答を取得するために、回答取得対象者のうちのいずれかとペアセットを構成する学習モデルを使用するか否かがオペレータ等から指示される。あるいは、回答集計部２０は、ペアセットを構成する学習モデルを使用するか否かを、実施する調査の種類等からあらかじめ定められた規則に従って決定する。

ペアセットを構成する学習モデルを使用しない場合には、回答集計部２０は、選定した回答取得対象者のそれぞれの通信端末６０に、質問データ生成部３０で生成された質問データを通信装置５０から外部ネットワークＮＷを介して送信させる。このとき、質問データを受信した各回答取得対象者の通信端末６０は、調査用アプリの起動状態において、該質問データにより示される複数の質問事項を回答取得対象者に報知する。この場合、各質問事項は、例えば文字情報として通信端末６０の表示部６０ａで表示され、あるいは、音声情報として通信端末６０の発音部６０ｂから出力される。

各回答取得対象者は、自身の通信端末６０の操作部（タッチパネル、操作スイッチ、キーボード等）の操作もしくは音声入力操作によって、通信端末６０に各質問事項に対する回答を入力する。そして、全ての質問事項に対する回答の入力が終了すると、通信端末６０は、当該回答の内容を示す回答データを外部ネットワークＮＷを介いて調査集計システム１の通信装置５０に送信する。該回答データは、例えばテキストデータ又は音声信号データとして通信装置５０に送信される。

各回答取得対象者の回答内容を示す回答データを受信した通信装置５０は、該回答データを回答集計部２０に受け渡す。これにより、回答集計部２０は、各回答取得対象者からの回答を取得する。そして、回答集計部２０は、全ての回答取得対象者からの回答を取得すると、その回答を集計する。その集計結果は、図示しない調査分析装置に与えられ、該調査分析装置で所定の調査指標等に関する報告データが作成される。なお、調査分析装置は、回答集計部２０に含まれていてもよい。

一方、ペアセットを構成する学習モデルを使用する場合には、回答集計部２０は、機械学習装置１０のペアセット抽出部１２から、抽出済のペアセットに関する情報を取得して参照することで、選定した回答取得対象者のうちに、ペアセットを構成する回答取得対象者が存在するか否かを確認する。

このとき、ペアセットを構成する回答取得対象者が、調査の種類等に応じてあらかじめ設定された一定数（所定数）に満たない場合には、回答集計部２０は、ペアセットを構成する学習モデルを使用しない場合と同様に、各回答取得対象者からの回答を取得して集計する。

また、ペアセットを構成する回答取得対象者（以降、ペアセット有りの回答取得対象者ということがある）が一定数以上、存在する場合（選定した回答取得対象者の全員がペアセット有りの回答取得対象者である場合を含む）には、回答集計部２０は、選定した回答取得対象者のそれぞれの通信端末６０に質問データを送信させる代わりに、ペアセット有りの回答取得対象者のそれぞれに対応する学習モデルにより質問に対する回答を生成することを機械学習装置１０に指示する。

このとき、機械学習装置１０は、質問データ生成部３０で生成された質問データをテキスト形式で取得して、該質問データにより示される複数の質問事項のそれぞれを、ペアセット有りの回答取得対象者のそれぞれに対応する学習モデルに入力する。例えば、ペアセット有りの回答取得対象者に、図２に示す調査対象者Ｐa，Ｐb，Ｐcが含まれる場合、それぞれとペアセットを構成する学習モデルＬＭa，ＬＭb，ＬＭcに質問データにより示される複数の質問事項が入力される。

そして、機械学習装置１０は、ペアセット有りの回答取得対象者のそれぞれに対応する学習モデルが、複数の質問事項のそれぞれの入力に応じて生成した回答を示す回答データを、ペアセット有りの回答取得対象者のそれぞれの回答の代用的な回答として、回答集計部２０に出力する。これにより、回答集計部２０は、回答取得対象者のそれぞれの回答を取得する代わりに、ペアセット有りの回答取得対象者のそれぞれに対応する学習モデルが生成した回答を取得する。

この場合、ペアセット有りの各回答取得対象者に対応する学習モデルは、該回答取得対象者の思考や行動態様を模擬し得る学習モデルであるので、該学習モデルが複数の質問事項のそれぞれに応じて生成する回答は、該回答取得対象者の回答に一致する可能性が高い。従って、回答集計部２０は、ペアセット有りの各回答取得対象者の回答を、疑似的に、該回答対象者に対応する学習モデルから取得することができる。

以上の如くペアセット有りの各回答取得対象者に対応する学習モデルとから回答を取得した回答集計部２０は、その回答を集計する。そして、その集計結果は、ペアセットを構成する学習モデルを使用しない場合と同様に、図示しない調査分析装置に与えられ、該調査分析装置で所定の調査指標等に関する報告データが作成される。

以上説明した実施形態によれば、回答集計部２０は、調査のために複数の調査対象者Ｐ1～Ｐnから選定した複数の回答取得対象者のうちに、ペアセット有りの回答取得対象者のが一定数以上、存在する場合に、選定した各回答取得対象者の実際の回答の代わりに、ペアセット有りの各回答取得対象者の学習モデルからの回答を、該回答取得対象者の疑似的な回答として取得できる。そして、回答集計部２０は、選定した回答取得対象者からの回答を取得することを必要とせずに、ペアセット有りの各回答取得対象者に対応する学習モデルからの回答だけを、調査結果の報告データの作成用の回答として集計できる。このため、回答取得対象者の負担を軽減できると共に、調査コストを低減できる。

また、ペアセット有りの各回答取得対象者に対応する学習モデルからの回答は、該回答取得対象者本人の回答に一致する可能性が高いので、選定した複数の回答取得対象者だけから回答を得る場合と同様に、調査の信頼性や品質を適切に確保することができる。

なお、本発明は以上説明した実施形態に限定されるものではなく、他の実施形態を採用することもできる。以下に他の実施形態をいくつか例示する。前記実施形態では、回答集計部２０は、選定した回答取得対象者のうちに、ペアセット有りの回答取得対象者が一定数以上、存在する場合に、ペアセット有りの各回答取得対象者に対応する学習モデルだけから質問に対する回答を取得するようにした。ただし、例えば、ペアセット有りの回答取得対象者が一定数以上、存在し、且つ、ペアセット無しの回答取得対象者（ペアセットを構成しない回答取得対象者）が一人以上存在する場合には、ペアセット有りの各回答取得対象者に対応する学習モデルからの回答を取得することに加えて、ペアセット無しの各回答取得対象者からの回答をも、集計用の回答として取得してもよい。

さらに、ペアセット有りの回答取得対象者が一定数に満たない場合であっても、ペアセット有りの回答取得対象者が一人以上存在する場合には、ペアセット有りの各回答取得対象者に対応する学習モデルからの回答と、ペアセット無しの各回答取得対象者からの回答との両方の回答を集計用の回答として取得してもよい。

また、前記実施形態では、調査のための回答取得対象者を、データベース４０に登録された実在の複数の調査対象者Ｐ1～ＰNから選定した。ただし、例えば、実施する調査の種類等によっては、調査対象者Ｐ1～ＰNの全体又は一部を回答取得対象者として選定することに加えて、学習モデル記憶部１１に記憶された複数の学習モデルＬＭ1～ＬＭNのうちの一部（例えば、学習モデルＬＭ1～ＬＭNのうち、ペアセットを構成しない学習モデルの一部）を疑似的な回答取得対象者として選定することも可能である。そして、調査対象者Ｐ1～ＰNから選定した回答取得対象者と、疑似的な回答取得対象者として選定した学習モデルとから回答を取得して、該回答を集計してもよい。

また、ライフログを学習データとして用いる機械学習処理により構築された学習モデルから、いずれかの調査対象者とペアセットを構成する学習モデルが抽出された場合に、例えば、該学習モデルを複数、複製して学習モデル記憶部１１に記憶すると共に、複製元の学習モデルと、複製先の学習モデル（複製元の学習モデルから複製した学習モデル）のそれぞれとに、各別の属性情報等の付帯要素を付加してよい。例えば、複製元の学習モデルに、これとペアセットを構成する調査対象者と同じ属性情報（性別、居住地、年齢、家族構成等）を付加すると共に、複製先の各学習モデル毎に各別に、複製元の学習モデルと異なる属性情報を付加してもよい。

そして、複製元の学習モデルだけでなく、その複製先の各学習モデルを、疑似的な回答取得対象者として用いて、該複製先の学習モデルからの回答を集計用の回答として取得してもよい。例えば、複製先の学習モデルの属性情報が、回答取得対象者の選定条件に合致する場合に、該複製先の学習モデルを、疑似的な回答取得対象者として用いて、該学習モデルからの回答を取得するようにしてもよい。

１…調査集計システム、１０…機械学習装置、１１…学習モデル記憶部、１２…ペアセット抽出部、２０…回答集計部。

Claims (3)

1. あらかじめ選定された複数の調査対象者から質問に対する回答を取得し、当該取得した回答を集計する回答集計部を備える調査集計システムであって、
   質問に対する回答を生成し得る複数の学習モデルを機械学習処理により構築して記憶保持する機械学習装置を備えており、
   該機械学習装置は、前記複数の調査対象者のそれぞれに対して実施した質問に対する該複数の調査対象者のそれぞれの回答と、該質問に対して前記複数の学習モデルのそれぞれが生成する回答とを比較し、該複数の調査対象者のそれぞれと該複数の学習モデルのそれぞれとの組み合わせから、該質問に対する回答の一致度合いが所定の閾値以上に高い調査対象者及び学習モデルの組であるペアセットを抽出するペアセット抽出部と、該ペアセットのそれぞれの学習モデルを、該学習モデルとペアセットを構成する調査対象者に対応付けて記憶保持する学習モデル記憶部とを有しており、
   前記回答集計部は、前記複数の調査対象者のうち、一組以上の前記ペアセットのそれぞれの調査対象者から質問に対する回答を取得する要求があるとき、該ペアセットのそれぞれの調査対象者の回答の代用として、該ペアセットのそれぞれの学習モデルが該質問に対して生成する回答を取得し得るように構成されていることを特徴とする調査集計システム。
2. 請求項１記載の調査集計システムにおいて、
   前記機械学習装置は、前記複数の学習モデルのうちの少なくとも一部の学習モデルを、不特定の複数の人のライフログを学習データとして用いる機械が学習処理により構築するように構成されていることを特徴とする調査集計システム。
3. 請求項１又は２記載の調査集計システムにおいて、
   前記機械学習装置は、前記複数の学習モデルのうちの少なくとも一部の学習モデルを、前記複数の調査対象者のうちの少なくとも一部の調査対象者のそれぞれのライフログを学習データとして用いる機械学習処理により構築するように構成されていることを特徴とする調査集計システム。

Images