JP7297712B2 - 情報処理装置、情報処理方法、及びプログラム - Google Patents
情報処理装置、情報処理方法、及びプログラム Download PDFInfo
- Publication number
- JP7297712B2 JP7297712B2 JP2020057652A JP2020057652A JP7297712B2 JP 7297712 B2 JP7297712 B2 JP 7297712B2 JP 2020057652 A JP2020057652 A JP 2020057652A JP 2020057652 A JP2020057652 A JP 2020057652A JP 7297712 B2 JP7297712 B2 JP 7297712B2
- Authority
- JP
- Japan
- Prior art keywords
- sensor
- sensors
- time
- series data
- combination
- 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
Links
Images
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Description
本発明は、特徴ベクトルを生成する情報処理装置、情報処理方法、及びプログラムに関する。
ＩｏＴ（Ｉｎｔｅｒｎｅｔ ｏｆ Ｔｈｉｎｇｓ）機器の普及に伴い、ＩｏＴ機器を用いた各種分析が行われている。例えば、非特許文献１では、ＩｏＴ機器である宅内センサーのセンサーＩＤを、宅内センサーが作動した時間順に並べた時系列データを生成し、時系列データを文章、時系列データに含まれるセンサーＩＤを単語とし、Ｗｏｒｄ２Ｖｅｃを利用して、各センサーに、センサー同士の共起関係を示す特徴ベクトルを割り当てる技術が開示されている。
宅内のユーザが所定の行動又は所定の行動と連動した行動を行うことにより作動する複数のセンサーは、特徴空間上で相対的に近い位置に配置される。したがって、ユーザの行動と、センサーの作動状況との対応付けを行うことにより、センサーの作動状況に基づいて、宅内のユーザの行動認識、及び行動予測を行うことができる。
Kushal Singla, and Joy Bose." IoT2Vec: Identification of Similar IoT Devices via Activity Footprints." 2018 International Conference on Advances in Computing, Communications and Informatics (ICACCI). IEEE, ２０１８年
ところで、従来の技術は、１つの施設（宅内）のセンサーに対して特徴ベクトルを割り当てるものであり、複数の施設におけるセンサーの関連性について考慮していない。複数の施設はそれぞれ独立していることから、複数の施設のそれぞれに設置されているセンサーの作動状況に基づいてセンサーの特徴ベクトルを生成した場合、複数の施設のそれぞれの基準で特徴ベクトルが生成される。このため、複数の施設のそれぞれにおいて同一の用途でセンサーが使用されていても、センサーが設置されている施設によってセンサーの特徴ベクトルが異なることがある。このため、複数の施設において、ユーザの行動認識、及び行動予測を共有することができないという問題がある。このことから、複数の施設のそれぞれのセンサーの特徴ベクトルを同一の基準で生成し、複数の施設において、ユーザの行動認識、及び行動予測を共有できるようにすることが求められている。
そこで、本発明はこれらの点に鑑みてなされたものであり、複数の施設のそれぞれのセンサーの特徴ベクトルを同一の基準で生成することができる情報処理装置、情報処理方法及びプログラムを提供することを目的とする。
本発明の第１の態様に係る情報処理装置は、センサーを識別するセンサー識別情報と、前記センサーが作動した時刻とを関連付けた時系列データであって、第１の施設に設けられている複数の第１センサーに対応する前記時系列データである第１時系列データと、第２の施設に設けられている複数の第２センサーに対応する前記時系列データである第２時系列データとを取得するデータ取得部と、複数の前記第１センサーのそれぞれの前記センサー識別情報に関連付けられた前記第１センサーの属性を示す第１属性情報を取得するとともに、複数の前記第２センサーのそれぞれの前記センサー識別情報に関連付けられた前記第２センサーの属性を示す第２属性情報を取得する属性情報取得部と、前記第１属性情報及び前記第２属性情報に基づいて、前記属性が類似する前記第１センサーと前記第２センサーとの組合せを特定する組合せ特定部と、複数の前記第１センサー及び複数の前記第２センサーのそれぞれについて、前記第１時系列データ及び前記第２時系列データが示すセンサーの作動状況と、他のセンサーの作動状況との関係性を示すとともに、前記組合せ特定部が特定した前記組合せに対応する前記第１センサーと、前記第２センサーとの類似性が反映された特徴ベクトルを生成する特徴ベクトル生成部と、を備える。
前記特徴ベクトル生成部は、前記第１時系列データが示す複数の前記第１センサーの作動状況の関係性を学習して複数の前記第１センサーのそれぞれの特徴ベクトルを生成し、複数の前記第１センサーのそれぞれの特徴ベクトルを生成した後に、前記第２時系列データが示す複数の前記第２センサーの作動状況の関係性を学習し、前記組合せ特定部が特定した前記組合せに対応する前記第１センサーと、前記第２センサーとの特徴ベクトルが一致又は類似するように複数の前記第２センサーのそれぞれの特徴ベクトルを生成することにより、前記組合せ特定部が特定した前記組合せに対応する前記第１センサーと、前記第２センサーとの類似性が反映された、複数の前記第２センサーそれぞれの特徴ベクトルを生成してもよい。
前記特徴ベクトル生成部は、前記第１時系列データが示す複数の前記第１センサーの作動状況の関係性と、前記第２時系列データが示す複数の前記第２センサーの作動状況の関係性とを同時に学習し、前記組合せ特定部が特定した前記組合せに対応する前記第１センサーと、前記第２センサーとの特徴ベクトルが一致又は類似するように複数の前記第１センサー及び前記第２センサーのそれぞれの特徴ベクトルを生成することにより、前記組合せ特定部が特定した前記組合せに対応する前記第１センサーと、前記第２センサーとの類似性が反映された、複数の前記第１センサー及び複数の前記第２センサーそれぞれの特徴ベクトルを生成してもよい。
前記第１属性情報及び前記第２属性情報は、複数の属性を示しており、前記情報処理装置は、前記特徴ベクトル生成部が前記特徴ベクトルを生成した後に、前記組合せ特定部が特定した前記第１センサーと前記第２センサーとの前記特徴ベクトルの類似度に基づいて、前記組合せ特定部が特定した前記第１センサーと前記第２センサーとの属性情報に対応する複数の属性の中から有意な一以上の属性を抽出する属性抽出部をさらに備えてもよい。
前記特徴ベクトル生成部は、前記属性抽出部が前記属性を抽出した後に、複数の前記第１センサー及び複数の前記第２センサーのそれぞれについて、前記属性抽出部が抽出した属性に基づく類似性が反映された前記特徴ベクトルを再生成してもよい。
前記データ取得部は、第１の施設において、前記第１センサーを作動させる第１ユーザが行っていた行動を示す行動種別と、当該行動を行っていた時刻とを関連付けた第１ラベル情報を取得し、前記情報処理装置は、前記第２センサーに対応するラベルを、当該第２センサーと特徴ベクトルが類似する前記第１センサーに対応する前記行動種別を示すラベルに特定するラベル特定部をさらに備えてもよい。
本発明の第２の態様に係る情報処理方法は、コンピュータが実行する、センサーを識別するセンサー識別情報と、前記センサーが作動した時刻とを関連付けた時系列データであって、第１の施設に設けられている複数の第１センサーに対応する前記時系列データである第１時系列データと、第２の施設に設けられている複数の第２センサーに対応する前記時系列データである第２時系列データとを取得するステップと、複数の前記第１センサーのそれぞれの前記センサー識別情報に関連付けられた前記第１センサーの属性を示す第１属性情報を取得するとともに、複数の前記第２センサーのそれぞれの前記センサー識別情報に関連付けられた前記第２センサーの属性を示す第２属性情報を取得するステップと、前記第１属性情報及び前記第２属性情報に基づいて、前記属性が類似する前記第１センサーと前記第２センサーとの組合せを特定するステップと、複数の前記第１センサー及び複数の前記第２センサーのそれぞれについて、前記第１時系列データ及び前記第２時系列データが示すセンサーの作動状況と、他のセンサーの作動状況との関係性を示すとともに、前記組合せ特定部が特定した前記組合せに対応する前記第１センサーと、前記第２センサーとの類似性が反映された特徴ベクトルを生成するステップと、を有する。
本発明の第３の態様に係るプログラムは、コンピュータを、センサーを識別するセンサー識別情報と、前記センサーが作動した時刻とを関連付けた時系列データであって、第１の施設に設けられている複数の第１センサーに対応する前記時系列データである第１時系列データと、第２の施設に設けられている複数の第２センサーに対応する前記時系列データである第２時系列データとを取得するデータ取得部、複数の前記第１センサーのそれぞれの前記センサー識別情報に関連付けられた前記第１センサーの属性を示す第１属性情報を取得するとともに、複数の前記第２センサーのそれぞれの前記センサー識別情報に関連付けられた前記第２センサーの属性を示す第２属性情報を取得する属性情報取得部、前記第１属性情報及び前記第２属性情報に基づいて、前記属性が類似する前記第１センサーと前記第２センサーとの組合せを特定する組合せ特定部、及び、複数の前記第１センサー及び複数の前記第２センサーのそれぞれについて、前記第１時系列データ及び前記第２時系列データが示すセンサーの作動状況と、他のセンサーの作動状況との関係性を示すとともに、前記組合せ特定部が特定した前記組合せに対応する前記第１センサーと、前記第２センサーとの類似性が反映された特徴ベクトルを生成する特徴ベクトル生成部、として機能させる。
本発明によれば、複数の施設のそれぞれのセンサーについて同一の基準で特徴ベクトルを生成することができるという効果を奏する。
＜第１の実施形態＞
［特徴ベクトル生成装置の概要］
図１は、第１の実施形態に係る特徴ベクトル生成装置の概要を説明する図である。特徴ベクトル生成装置は、施設に設けられているＩｏＴ機器の一種である複数のセンサーの共起関係を示す特徴ベクトルを生成するコンピュータである。
［特徴ベクトル生成装置の概要］
図１は、第１の実施形態に係る特徴ベクトル生成装置の概要を説明する図である。特徴ベクトル生成装置は、施設に設けられているＩｏＴ機器の一種である複数のセンサーの共起関係を示す特徴ベクトルを生成するコンピュータである。
図１に示すように、第１の施設としての第１住宅Ａには、第１センサーｉａ１～ｉａ５が少なくとも設けられており、第２の施設としての第２住宅Ｂには、第２センサーｉｂ１～ｉｂ５が少なくとも設けられている。第１センサーｉａ１～ｉａ５、第２センサーｉｂ１～ｉｂ５は、作動したことに応じて、作動したことを示す作動信号を出力する。第１センサーｉａ１～ｉａ５、第２センサーｉｂ１～ｉｂ５は、それぞれ、種類、設置場所、作動回数を示す属性情報が付されているものとする。
例えば、第１センサーｉａ１は、図１に示すように、圧力センサーであり、ベッドルームに設置され、１時間当たり５回作動することを示す属性情報が付されている。また、第１センサーｉａ２には、照度センサーであり、ベッドルームに設置され、１時間あたり０．２回作動することを示す属性情報が付されているものとする。
また、ここでは、常時計測を行うセンサー（例えば、温湿度センサーや照度センサー）については、計測値が当該センサーに定められている閾値を超える変動をしたら、作動したと見なされるものとする。第１住宅Ａに設けられている第１端末（不図示）は、第１センサーｉａ１～ｉａ５のそれぞれから出力された作動信号を受信し、第１センサーｉａ１～ｉａ５が作動した時刻と、当該第１センサーｉａ１～ｉａ５を識別するセンサーＩＤとを関連付けた第１時系列データを生成する。
同様に、第２センサーｉｂ１～ｉｂ５は、作動したことに応じて、作動信号を出力する。第２住宅Ｂに設けられている第２端末（不図示）は、第２センサーｉｂ１～ｉｂ５のそれぞれから出力された作動信号を受信し、第２センサーｉｂ１～ｉｂ５が作動した時刻と、当該第２センサーｉｂ１～ｉｂ５のセンサーＩＤとを関連付けた第２時系列データを生成する。
なお、本実施形態では、説明の便宜上、各センサーに設けられている符号（ｉａ１～ｉａ５、ｉｂ１～ｉｂ５）をセンサーＩＤとする。また、第１センサーｉａ１～ｉａ５を区別して扱わない場合、これらの第１センサーｉａ１～ｉａ５を第１センサーｉａという。同様に、第２センサーｉｂ１～ｉｂ５を区別して扱わない場合、これらの第２センサーｉｂ１～ｉｂ５を第２センサーｉｂという。
特徴ベクトル生成装置は、住宅Ａに設けられている第１端末から第１時系列データを取得するとともに、住宅Ｂに設けられている第２端末から第２時系列データを取得する。また、特徴ベクトル生成装置は、第１センサーｉａの属性情報と、第２センサーｉｂの属性情報を取得する。特徴ベクトル生成装置は、取得した属性情報に基づいて、複数の第１センサーｉａのそれぞれに対する複数の第２センサーｉｂのそれぞれの類似度を特定し、類似するセンサーの組合せを特定する。図１に示す例では、特徴ベクトル生成装置は、第１センサーｉａ３と第２センサーｉｂ３とが類似するセンサーの組合せであると特定するとともに、第１センサーｉａ４と第２センサーｉｂ５とが類似するセンサーの組合せであると特定する。
特徴ベクトル生成装置は、第１時系列データ及び第２時系列データが示すセンサーの作動順に基づいて、センサーの作動状況の関係性を示す特徴ベクトルを生成する。特徴ベクトル生成装置は、特定した組合せに対応する第１センサーｉａ及び第２センサーｉｂの特徴ベクトルが略同一となるように特徴ベクトルを生成する。これにより、特徴ベクトル生成装置は、特定した組合せに対応する第１センサーｉａと第２センサーｉｂとの類似性が反映された特徴ベクトルを生成することができる。
図１の下部には、特徴空間に第１センサーｉａ及び第２センサーｉｂを配置した例を示している。図１の特徴空間に示されるように、第１センサーｉａ１（ベッドルームに設置されている圧力センサー）、ｉａ２（ベッドルームに設置されている照度センサー）、及び第２センサーｉｂ１（ベッドルームに設置されている加速度センサー）が、互いに近い位置に配置されていることが確認できる。
また、図１の特徴空間に示されるように、特定した組合せに対応する第１センサーｉａ３と第２センサーｉｂ３が互いに近い位置に配置されているとともに、特定した組合せに対応する第１センサーｉａ４と第２センサーｉｂ５が互いに近い位置に配置されていることが確認できる。このように、特徴ベクトル生成装置は、住宅Ａ、Ｂのそれぞれに設けられている各センサーの特徴ベクトルを同一の基準により生成し、同様の性質を示すセンサーを互いに近い位置に配置することができる。
［特徴ベクトル生成装置１の構成例］
続いて、特徴ベクトル生成装置の構成について説明する。図２は、第１の実施形態に係る特徴ベクトル生成装置１の構成を示す図である。特徴ベクトル生成装置１は、記憶部１１と、制御部１２とを備える。
続いて、特徴ベクトル生成装置の構成について説明する。図２は、第１の実施形態に係る特徴ベクトル生成装置１の構成を示す図である。特徴ベクトル生成装置１は、記憶部１１と、制御部１２とを備える。
記憶部１１は、例えば、ＲＯＭ（Ｒｅａｄ Ｏｎｌｙ Ｍｅｍｏｒｙ）及びＲＡＭ（Ｒａｎｄｏｍ Ａｃｃｅｓｓ Ｍｅｍｏｒｙ）等である。記憶部１１は、特徴ベクトル生成装置１を機能させるための各種プログラムを記憶する。例えば、記憶部１１は、特徴ベクトル生成装置１の制御部１２を、データ取得部１２１、属性情報取得部１２２、組合せ特定部１２３、特徴ベクトル生成部１２４及びラベル特定部１２５として機能させる特徴ベクトル生成プログラムを記憶する。
制御部１２は、例えばＣＰＵ（Ｃｅｎｔｒａｌ Ｐｒｏｃｅｓｓｉｎｇ Ｕｎｉｔ）である。制御部１２は、記憶部１１に記憶されている各種プログラムを実行することにより、特徴ベクトル生成装置１に係る機能を制御する。制御部１２は、記憶部１１に記憶されているプログラムを実行することにより、データ取得部１２１、属性情報取得部１２２、組合せ特定部１２３、特徴ベクトル生成部１２４及びラベル特定部１２５として機能する。
［センサーの特徴ベクトルの生成］
第１の実施形態において、データ取得部１２１、属性情報取得部１２２、組合せ特定部１２３、特徴ベクトル生成部１２４は、協働することにより、施設に設けられている複数のセンサーのそれぞれに対応する特徴ベクトルを生成する。以下、特徴ベクトルの生成に係るデータ取得部１２１、属性情報取得部１２２、組合せ特定部１２３、特徴ベクトル生成部１２４の機能について説明する。
第１の実施形態において、データ取得部１２１、属性情報取得部１２２、組合せ特定部１２３、特徴ベクトル生成部１２４は、協働することにより、施設に設けられている複数のセンサーのそれぞれに対応する特徴ベクトルを生成する。以下、特徴ベクトルの生成に係るデータ取得部１２１、属性情報取得部１２２、組合せ特定部１２３、特徴ベクトル生成部１２４の機能について説明する。
データ取得部１２１は、複数の施設のそれぞれに対応するセンサーを識別するセンサーＩＤと、当該センサーが作動した時刻とを関連付けた時系列データを所定時間（例えば１日）おきに取得する。
具体的には、データ取得部１２１は、第１の施設に設けられている第１端末から、第１の施設に設けられている複数の第１センサーｉａに対応する時系列データである第１時系列データを取得する。データ取得部１２１は、第１端末から、所定期間（例えば１日間）において作動した第１センサーｉａのセンサーＩＤと、当該第１センサーｉａの作動時刻とを関連付けた第１時系列データを取得する。なお、同一の第１センサーｉａが複数回作動した場合、当該作動に対応して、第１時系列データに、当該第１センサーｉａのセンサーＩＤが複数含まれていてもよい。
また、データ取得部１２１は、第１端末から、第１の施設において第１センサーｉａを作動させる第１ユーザが行っていた行動を示す行動種別と、当該行動を行っていた時刻とを関連付けた第１ラベル情報を取得する。第１ユーザが行う行動としては、「起きる」、「洗顔」、「調理」、「食事」等が挙げられる。なお、ラベル情報は、例えば、ユーザが自身の行動を記録することにより生成されるものとする。
また、データ取得部１２１は、第１端末から第１時系列データを取得するのと同様に、第２の施設に設けられている第２端末から、第２の施設に設けられている複数の第２センサーｉｂに対応する時系列データである第２時系列データを取得する。データ取得部１２１は、第２端末から、所定期間において作動した第２センサーｉｂのセンサーＩＤと、当該第２センサーｉｂの作動時刻とを関連付けた第２時系列データを取得する。
属性情報取得部１２２は、第１の施設に対応する複数の第１センサーｉａのそれぞれのセンサーＩＤに関連付けられた第１センサーｉａの属性を示す属性情報を取得する。属性情報取得部１２２は、第２の施設に対応する複数の第２センサーｉｂのそれぞれのセンサーＩＤに関連付けられた第２センサーｉｂの属性を示す属性情報を取得する。第１センサーｉａの属性情報を第１属性情報、第２センサーｉｂの属性情報を第２属性情報ともいう。
属性情報取得部１２２は、複数の属性情報のうち一部の属性情報を、時系列データを解析することにより取得してもよい。例えば、属性情報取得部１２２は、時系列データを解析することにより、属性情報としてのセンサーの作動回数を取得してもよい。
組合せ特定部１２３は、第１属性情報及び第２属性情報に基づいて、属性が類似する第１センサーｉａと第２センサーｉｂとの組合せを特定する。例えば、組合せ特定部１２３は、第１属性情報及び第２属性情報が示す複数の属性のそれぞれについて、最小値と最大値を一致させる等の正規化を行う。組合せ特定部１２３は、正規化後の属性情報が示す複数の属性のそれぞれをセンサーの属性ベクトルとし、第１センサーｉａの属性ベクトルと、第２センサーｉｂの属性ベクトルとの類似度を算出する。組合せ特定部１２３は、例えば、第１センサーｉａの属性ベクトルと、第２センサーｉｂの属性ベクトルとのコサイン類似度を算出することにより、第１センサーｉａの属性ベクトルと、第２センサーｉｂの属性ベクトルとの類似度を算出する。
組合せ特定部１２３は、算出した類似度が所定の閾値を超える第１センサーｉａと第２センサーｉｂとの組合せを、属性が類似する第１センサーｉａと第２センサーｉｂとの組合せとして特定する。なお、組合せ特定部１２３は、コサイン類似度を算出することにより類似度を算出したがこれに限らず、他の手法を用いて類似度を算出してもよい。
特徴ベクトル生成部１２４は、複数の第１センサーｉａ及び複数の第２センサーｉｂのそれぞれについて、第１時系列データ及び第２時系列データが示すセンサーの作動状況と、他のセンサーの作動状況との関係性を示すとともに、組合せ特定部１２３が特定した組合せに対応する第１センサーｉａと、第２センサーｉｂとの類似性が反映された特徴ベクトルを生成する。
まず、特徴ベクトル生成部１２４は、第１時系列データが示す複数の第１センサーｉａの作動状況の関係性を学習して複数の第１センサーｉａのそれぞれの特徴ベクトルを生成する。例えば、特徴ベクトル生成部１２４は、第１時系列データに含まれるセンサーＩＤを、当該センサーＩＤのセンサーが作動した時刻順に並べたシーケンスデータを第１シーケンスデータとして生成する。
特徴ベクトル生成部１２４は、第１シーケンスデータを１つの文章とみなすとともに、第１シーケンスデータに含まれる第１センサーｉａを、文章に含まれる１つの単語とみなす。特徴ベクトル生成部１２４は、第１シーケンスデータに対してＷｏｒｄ２ｖｅｃを用いることにより、複数の第１センサーｉａのそれぞれの特徴ベクトルを生成する。特徴ベクトル生成部１２４は、以下の式（１）に示す目的関数Ｔ１が最大となるように学習を行うことにより、複数の第１センサーｉａのそれぞれの特徴ベクトルを生成する。
続いて、特徴ベクトル生成部１２４は、複数の第１センサーｉａのそれぞれの特徴ベクトルを生成した後に、第２時系列データが示す複数の第２センサーｉｂの作動状況の関係性を学習し、組合せ特定部１２３が特定した組合せに対応する第１センサーｉａと、第２センサーｉｂとの特徴ベクトルが一致又は類似するように複数の第２センサーｉｂのそれぞれの特徴ベクトルを生成する。これにより、特徴ベクトル生成部１２４は、組合せ特定部１２３が特定した組合せに対応する第１センサーｉａと、第２センサーｉｂとの類似性が反映された、複数の第２センサーｉｂのそれぞれの特徴ベクトルを生成する。
例えば、特徴ベクトル生成部１２４は、第２時系列データに含まれるセンサーＩＤを、当該センサーＩＤのセンサーが作動した時刻順に並べたシーケンスデータを第２シーケンスデータとして生成する。特徴ベクトル生成部１２４は、第２シーケンスデータが第２センサーｉｂの文脈関係を示すデータであるとして、Ｗｏｒｄ２ｖｅｃを用いることにより、複数の第２センサーｉｂのそれぞれの特徴ベクトルを生成する。ここで、特徴ベクトル生成部１２４は、組合せ特定部１２３が特定した第１センサーｉａと、第２センサーｉｂとの特徴ベクトルが類似又は一致するように、以下の式（２）に示す目的関数Ｔ２が最大となるように学習を行うことにより、複数の第２センサーｉｂのそれぞれの特徴ベクトルを生成する。
なお、特徴ベクトル生成部１２４は、第１センサーｉａの特徴ベクトルを生成した後に、第２センサーｉｂの特徴ベクトルを生成したが、これに限らない。特徴ベクトル生成部１２４は、第１時系列データが示す複数の第１センサーｉａの作動状況の関係性と、第２時系列データが示す複数の第２センサーｉｂの作動状況の関係性とを同時に学習してもよい。特徴ベクトル生成部１２４は、組合せ特定部１２３が特定した組合せに対応する第１センサーｉａと、第２センサーｉｂとの特徴ベクトルが一致又は類似するように複数の第１センサーｉａ及び第２センサーｉｂのそれぞれの特徴ベクトルを生成することにより、組合せ特定部１２３が特定した組合せに対応する第１センサーｉａと、第２センサーｉｂとの類似性が反映された、複数の第１センサーｉａ及び複数の第２センサーｉｂそれぞれの特徴ベクトルを生成してもよい。
例えば、特徴ベクトル生成部１２４は、上述した式（１）及び式（２）を組み合わせた式（４）に示す目的関数Ｔ３が最大となるように学習を行うことにより、複数の第１センサーｉａ及び複数の第２センサーｉｂのそれぞれの特徴ベクトルを生成する。
このようにすることで、特徴ベクトル生成装置１は、式（１）及び式（２）を個別に実行した場合と同様に、複数の第１センサーｉａ及び複数の第２センサーｉｂそれぞれの特徴ベクトルを生成することができる。
図３は、特徴ベクトル生成部１２４が生成した特徴ベクトルに基づいてセンサーを特徴空間に配置した例を示す図である。なお、図３では、説明の便宜上、特徴空間を二次元に圧縮し、圧縮された特徴空間にセンサーを配置した例を示している。図３には、楕円のマークＭ１と菱形のマークＭ２とがそれぞれ複数配置されている。これらのマークは、特徴空間上のセンサーの位置を示している。マークＭ１は第１センサーｉａの位置、マークＭ２は第２センサーｉｂの位置を示している。
また、特徴空間には、各センサーの作動時刻と、ユーザの行動が発生した時刻とに基づく、各センサーに対応する行動種別のおおよその範囲を破線で囲んだ領域で示している。図３に示すように、第１センサーｉａ１、ｉａ２及び第２センサーｉｂ１が特徴空間上で近傍に配置され、「起きる」という行動種別に対応する１つの領域内に集約されていることが確認できる。また、図３に示すように、第１センサーｉａ３、第２センサーｉｂ３及びｉｂ２が、「洗顔」という行動種別に対応する１つの領域内に集約されているとともに、第１センサーｉａ４、ｉａ５、及び第２センサーｉｂ４、ｉｂ５が「調理」という行動種別に対応する１つの領域内に集約されていることが確認できる。
［センサーへのラベルの付与］
第１の実施形態において、ラベル特定部１２５は、ラベル情報との関連付けがないセンサーに対応する行動を予測する予測装置として機能する。本機能を説明するにあたり、第２センサーｉｂには、第２センサーｉｂを作動させる第２ユーザが行っていた行動を示す行動種別が関連付けられていないものとする。
第１の実施形態において、ラベル特定部１２５は、ラベル情報との関連付けがないセンサーに対応する行動を予測する予測装置として機能する。本機能を説明するにあたり、第２センサーｉｂには、第２センサーｉｂを作動させる第２ユーザが行っていた行動を示す行動種別が関連付けられていないものとする。
ラベル特定部１２５は、第２時系列データに対応する第２センサーｉｂに対応するラベルを、当該第２センサーｉｂと特徴ベクトルが類似する第１センサーｉａに対応する行動種別を示すラベルに特定する。例えば、ラベル特定部１２５は、第２センサーｉｂの特徴ベクトルとの距離（例えば、ユークリッド距離）が所定距離以内の特徴ベクトルを有する第１センサーｉａを、第２センサーｉｂと特徴ベクトルが類似する第１センサーｉａと特定する。そして、ラベル特定部１２５は、第１ラベル情報を参照し、特定した第１センサーｉａの作動時刻にユーザが行った行動に対応する行動種別を、第２センサーｉｂに対応する行動種別として特定することにより、当該第２センサーｉｂに対応するラベルを特定する。このようにすることで、ラベルが付与されていない第２センサーｉｂに対してラベルを付与し、第２センサーｉｂに対応する行動を予測することができる。
［特徴ベクトル生成装置１における処理の流れ］
続いて、特徴ベクトル生成装置１における処理の流れの一例について説明する。図４は、第１の実施形態に係る特徴ベクトル生成装置１における処理の流れの一例を示すフローチャートである。
続いて、特徴ベクトル生成装置１における処理の流れの一例について説明する。図４は、第１の実施形態に係る特徴ベクトル生成装置１における処理の流れの一例を示すフローチャートである。
まず、データ取得部１２１は、第１時系列データと第２時系列データとを取得する（Ｓ１）。
続いて、属性情報取得部１２２は、第１属性情報と第２属性情報とを取得する（Ｓ２）。
続いて、組合せ特定部１２３は、第１属性情報及び第２属性情報に基づいて、属性が類似する第１センサーｉａと第２センサーｉｂとの組合せを特定する（Ｓ３）。
続いて、属性情報取得部１２２は、第１属性情報と第２属性情報とを取得する（Ｓ２）。
続いて、組合せ特定部１２３は、第１属性情報及び第２属性情報に基づいて、属性が類似する第１センサーｉａと第２センサーｉｂとの組合せを特定する（Ｓ３）。
続いて、特徴ベクトル生成部１２４は、第１時系列データに含まれるセンサーＩＤを第１センサーｉａの作動時刻順に並べた第１シーケンスデータと、第２時系列データに含まれるセンサーＩＤを第２センサーｉｂの作動時刻順に並べた第２シーケンスデータとを生成する（Ｓ４）。
続いて、特徴ベクトル生成部１２４は、Ｓ４において生成した第１シーケンスデータ及び第２シーケンスデータに基づいて、第１センサーｉａ及び第２センサーｉｂの特徴ベクトルを生成する（Ｓ５）。
続いて、ラベル特定部１２５は、第２時系列データに対応する複数の第２センサーｉｂのそれぞれに対応するラベルを、当該第２センサーｉｂと特徴ベクトルが類似する第１センサーｉａに対応する行動種別を示すラベルに特定する（Ｓ６）。
［第１の実施形態における効果］
以上の通り、第１の実施形態に係る特徴ベクトル生成装置１は、第１の施設に対応する第１センサーのセンサーＩＤと、センサーの作動時刻とを関連付けた第１時系列データと、第２の施設に対応する第２センサーのセンサーＩＤと、センサーの作動時刻とを関連付けた第２時系列データを取得し、第１の施設と第２の施設とで類似するセンサーの組合せを特定する。特徴ベクトル生成装置１は、複数の第１センサー及び複数の第２センサーのそれぞれについて、第１時系列データ及び第２時系列データが示すセンサーの作動状況と、他のセンサーの作動状況との関係性を示すとともに、特定した組合せに対応する第１センサーと、第２センサーとの類似性が反映された特徴ベクトルを生成する。このようにすることで、特徴ベクトル生成装置１は、複数の施設のそれぞれのセンサーについて同一の基準で特徴ベクトルを生成することができる。
以上の通り、第１の実施形態に係る特徴ベクトル生成装置１は、第１の施設に対応する第１センサーのセンサーＩＤと、センサーの作動時刻とを関連付けた第１時系列データと、第２の施設に対応する第２センサーのセンサーＩＤと、センサーの作動時刻とを関連付けた第２時系列データを取得し、第１の施設と第２の施設とで類似するセンサーの組合せを特定する。特徴ベクトル生成装置１は、複数の第１センサー及び複数の第２センサーのそれぞれについて、第１時系列データ及び第２時系列データが示すセンサーの作動状況と、他のセンサーの作動状況との関係性を示すとともに、特定した組合せに対応する第１センサーと、第２センサーとの類似性が反映された特徴ベクトルを生成する。このようにすることで、特徴ベクトル生成装置１は、複数の施設のそれぞれのセンサーについて同一の基準で特徴ベクトルを生成することができる。
＜第２の実施形態＞
続いて、第２の実施形態について説明する。属性情報取得部１２２が取得した属性情報の中には、特徴ベクトルの生成に対して関連性がない属性も含まれている可能性がある。そして、関連性がない属性も含まれている属性情報に基づいて特徴ベクトルを生成すると、特徴ベクトルの精度が悪化するという問題がある。そこで、第２実施形態に係る特徴ベクトル生成装置１は、特徴ベクトルの生成と関連性がある可能性が高い属性を有意な属性として抽出し、抽出した属性に基づいて特徴ベクトルを再生成する。以下、第２の実施形態に係る特徴ベクトル生成装置１について説明する。
続いて、第２の実施形態について説明する。属性情報取得部１２２が取得した属性情報の中には、特徴ベクトルの生成に対して関連性がない属性も含まれている可能性がある。そして、関連性がない属性も含まれている属性情報に基づいて特徴ベクトルを生成すると、特徴ベクトルの精度が悪化するという問題がある。そこで、第２実施形態に係る特徴ベクトル生成装置１は、特徴ベクトルの生成と関連性がある可能性が高い属性を有意な属性として抽出し、抽出した属性に基づいて特徴ベクトルを再生成する。以下、第２の実施形態に係る特徴ベクトル生成装置１について説明する。
図５は、第２実施形態に係る特徴ベクトル生成装置１の構成を示す図である。図５に示すように、第２実施形態に係る特徴ベクトル生成装置１は、属性抽出部１２６をさらに備える。
属性抽出部１２６は、特徴ベクトル生成部１２４が特徴ベクトルを生成した後に、組合せ特定部１２３が特定した第１センサーｉａと第２センサーｉｂとの特徴ベクトルの類似度に基づいて、組合せ特定部１２３が特定した第１センサーｉａと第２センサーｉｂとの属性情報に対応する複数の属性のうち、有意な一以上の属性を抽出する。
例えば、属性情報に含まれる全ての属性を｛Ｍ１，Ｍ２，…，ＭＮ｝とし、全ての属性のうちの一部の属性の組合せを｛ｍ１，ｍ２，…，ｍＫ｝とした場合、属性抽出部１２６は、全ての属性の中から取り得る属性の組合せのうち、以下に示す式（５）の値が最大となる属性の組合せ｛ｍ１，ｍ２，…，ｍＫ｝を、有意な一以上の属性に対応する組合せとして抽出する。
特徴ベクトル生成部１２４は、属性抽出部１２６が属性を抽出した後に、複数の第１センサーｉａ及び複数の第２センサーｉｂのそれぞれについて、属性抽出部１２６が抽出した属性に基づく第１センサーｉａと第２センサーｉｂとの類似性が反映された特徴ベクトルを再生成する。
具体的には、特徴ベクトル生成部１２４は、属性抽出部１２６が抽出した属性に基づいて、属性ベクトルの類似度を算出し、当該類似度を式（２）又は式（４）に適用することにより、複数の第１センサーｉａ及び複数の第２センサーｉｂそれぞれの特徴ベクトルを再生成する。
［第２の実施形態における効果］
以上の通り、第２の実施形態に係る特徴ベクトル生成装置１は、特徴ベクトルを生成した後に、属性が類似する組合せに対応する第１センサーｉａと第２センサーｉｂとの特徴ベクトルの類似度に基づいて、当該組合せに対応する第１センサーｉａと第２センサーｉｂとの属性情報に対応する複数の属性のうち、有意な一以上の属性を抽出する。このようにすることで、特徴ベクトル生成装置１は、有意な一以上の属性に基づいて特徴ベクトルを生成することができるので、特徴ベクトルの精度を向上させることができる。
以上の通り、第２の実施形態に係る特徴ベクトル生成装置１は、特徴ベクトルを生成した後に、属性が類似する組合せに対応する第１センサーｉａと第２センサーｉｂとの特徴ベクトルの類似度に基づいて、当該組合せに対応する第１センサーｉａと第２センサーｉｂとの属性情報に対応する複数の属性のうち、有意な一以上の属性を抽出する。このようにすることで、特徴ベクトル生成装置１は、有意な一以上の属性に基づいて特徴ベクトルを生成することができるので、特徴ベクトルの精度を向上させることができる。
以上、本発明を上記の実施形態を用いて説明したが、本発明の技術的範囲は上記実施形態に記載の範囲には限定されない。上記実施形態に、多様な変更又は改良を加えることが可能であることが当業者に明らかである。例えば、上述の実施形態では、特徴ベクトル生成装置１は、２つの施設のそれぞれのセンサーについて同一の基準で特徴ベクトルを生成したが、これに限らない。特徴ベクトル生成装置１は、３つ以上の施設のそれぞれのセンサーについて同一の基準で特徴ベクトルを生成してもよい。また、特に、装置の分散・統合の具体的な実施形態は以上に図示するものに限られず、その全部又は一部について、種々の付加等に応じて、又は、機能負荷に応じて、任意の単位で機能的又は物理的に分散・統合して構成することができる。
１・・・特徴ベクトル生成装置、１１・・・記憶部、１２・・・制御部、１２１・・・データ取得部、１２２・・・属性情報取得部、１２３・・・組合せ特定部、１２４・・・特徴ベクトル生成部、１２５・・・ラベル特定部、１２６・・・属性抽出部
Claims (9)
- センサーを識別するセンサー識別情報と、前記センサーが作動した時刻とを関連付けた時系列データであって、第１の施設に設けられている複数の第１センサーに対応する前記時系列データである第１時系列データと、第２の施設に設けられている複数の第２センサーに対応する前記時系列データである第２時系列データとを取得するデータ取得部と、
複数の前記第１センサーのそれぞれの前記センサー識別情報に関連付けられた前記第１センサーの属性を示す第１属性情報を取得するとともに、複数の前記第２センサーのそれぞれの前記センサー識別情報に関連付けられた前記第２センサーの属性を示す第２属性情報を取得する属性情報取得部と、
前記第１属性情報及び前記第２属性情報に基づいて、前記属性が類似する前記第１センサーと前記第２センサーとの組合せを特定する組合せ特定部と、
前記第１時系列データが示す複数の前記第１センサーの作動状況の関係性を学習して複数の前記第１センサーのそれぞれの特徴ベクトルであって、複数の前記第１センサーのうち他の第１センサーとの作動状況の関係性を示す特徴ベクトルを生成し、複数の前記第１センサーのそれぞれの特徴ベクトルを生成した後に、前記第２時系列データが示す複数の前記第２センサーの作動状況の関係性を学習し、前記組合せ特定部が特定した前記組合せに対応する前記第１センサーと前記第２センサーとの特徴ベクトルが一致又は類似するように複数の前記第２センサーのそれぞれの特徴ベクトルであって、複数の前記第２センサーのうち他の第２センサーとの作動状況の関係性を示す特徴ベクトルを生成することにより、複数の前記第１センサー及び複数の前記第２センサーのそれぞれについて、前記第１時系列データ及び前記第２時系列データが示すセンサーの作動状況と、当該センサーと異なる前記第１センサー及び前記第２センサーである他のセンサーの作動状況との関係性を示す特徴ベクトルであって、前記組合せ特定部が特定した前記組合せに対応する前記第１センサーと、前記第２センサーとの類似性が反映された特徴ベクトルを生成する特徴ベクトル生成部と、
を備える情報処理装置。 - センサーを識別するセンサー識別情報と、前記センサーが作動した時刻とを関連付けた時系列データであって、第１の施設に設けられている複数の第１センサーに対応する前記時系列データである第１時系列データと、第２の施設に設けられている複数の第２センサーに対応する前記時系列データである第２時系列データとを取得するデータ取得部と、
複数の前記第１センサーのそれぞれの前記センサー識別情報に関連付けられた前記第１センサーの属性を示す第１属性情報を取得するとともに、複数の前記第２センサーのそれぞれの前記センサー識別情報に関連付けられた前記第２センサーの属性を示す第２属性情報を取得する属性情報取得部と、
前記第１属性情報及び前記第２属性情報に基づいて、前記属性が類似する前記第１センサーと前記第２センサーとの組合せを特定する組合せ特定部と、
前記第１時系列データが示す複数の前記第１センサーの作動状況の関係性と、前記第２時系列データが示す複数の前記第２センサーの作動状況の関係性とを同時に学習して、前記組合せ特定部が特定した前記組合せに対応する前記第１センサーと、前記第２センサーとの特徴ベクトルが一致又は類似するように複数の前記第１センサー及び前記第２センサーのそれぞれの特徴ベクトルであって、複数の前記第１センサー及び前記第２センサーのうち他の第１センサー及び第２センサーとの作動状況の関係性を示す特徴ベクトルを生成することにより、複数の前記第１センサー及び複数の前記第２センサーのそれぞれについて、前記第１時系列データ及び前記第２時系列データが示すセンサーの作動状況と、当該センサーと異なる前記第１センサー及び前記第２センサーである他のセンサーの作動状況との関係性を示す特徴ベクトルであって、前記組合せ特定部が特定した前記組合せに対応する前記第１センサーと、前記第２センサーとの類似性が反映された特徴ベクトルを生成する特徴ベクトル生成部と、
を備える情報処理装置。 - 前記第１属性情報及び前記第２属性情報は、複数の属性を示しており、
前記特徴ベクトル生成部が前記特徴ベクトルを生成した後に、前記組合せ特定部が特定した前記第１センサーと前記第２センサーとの前記特徴ベクトルの類似度に基づいて、前記組合せ特定部が特定した前記第１センサーと前記第２センサーとの属性情報に対応する複数の属性の中から有意な一以上の属性を抽出する属性抽出部をさらに備える、
請求項１又は２に記載の情報処理装置。 - 前記特徴ベクトル生成部は、前記属性抽出部が前記属性を抽出した後に、複数の前記第１センサー及び複数の前記第２センサーのそれぞれについて、前記属性抽出部が抽出した属性に基づく類似性が反映された前記特徴ベクトルを再生成する、
請求項３に記載の情報処理装置。 - 前記データ取得部は、第１の施設において、前記第１センサーを作動させる第１ユーザが行っていた行動を示す行動種別と、当該行動を行っていた時刻とを関連付けた第１ラベル情報を取得し、
前記第２センサーに対応するラベルを、当該第２センサーと特徴ベクトルが類似する前記第１センサーに対応する前記行動種別を示すラベルに特定するラベル特定部をさらに備える、
請求項１から４のいずれか１項に記載の情報処理装置。 - コンピュータが実行する、
センサーを識別するセンサー識別情報と、前記センサーが作動した時刻とを関連付けた時系列データであって、第１の施設に設けられている複数の第１センサーに対応する前記時系列データである第１時系列データと、第２の施設に設けられている複数の第２センサーに対応する前記時系列データである第２時系列データとを取得するステップと、
複数の前記第１センサーのそれぞれの前記センサー識別情報に関連付けられた前記第１センサーの属性を示す第１属性情報を取得するとともに、複数の前記第２センサーのそれぞれの前記センサー識別情報に関連付けられた前記第２センサーの属性を示す第２属性情報を取得するステップと、
前記第１属性情報及び前記第２属性情報に基づいて、前記属性が類似する前記第１センサーと前記第２センサーとの組合せを特定するステップと、
前記第１時系列データが示す複数の前記第１センサーの作動状況の関係性を学習して複数の前記第１センサーのそれぞれの特徴ベクトルであって、複数の前記第１センサーのうち他の第１センサーとの作動状況の関係性を示す特徴ベクトルを生成し、複数の前記第１センサーのそれぞれの特徴ベクトルを生成した後に、前記第２時系列データが示す複数の前記第２センサーの作動状況の関係性を学習し、前記組合せを特定するステップにおいて特定された前記組合せに対応する前記第１センサーと前記第２センサーとの特徴ベクトルが一致又は類似するように複数の前記第２センサーのそれぞれの特徴ベクトルであって、複数の前記第２センサーのうち他の第２センサーとの作動状況の関係性を示す特徴ベクトルを生成することにより、複数の前記第１センサー及び複数の前記第２センサーのそれぞれについて、前記第１時系列データ及び前記第２時系列データが示すセンサーの作動状況と、当該センサーと異なる前記第１センサー及び前記第２センサーである他のセンサーの作動状況との関係性を示す特徴ベクトルであって、前記組合せを特定するステップにおいて特定された前記組合せに対応する前記第１センサーと、前記第２センサーとの類似性が反映された特徴ベクトルを生成するステップと、
を有する情報処理方法。 - コンピュータが実行する、
センサーを識別するセンサー識別情報と、前記センサーが作動した時刻とを関連付けた時系列データであって、第１の施設に設けられている複数の第１センサーに対応する前記時系列データである第１時系列データと、第２の施設に設けられている複数の第２センサーに対応する前記時系列データである第２時系列データとを取得するステップと、
複数の前記第１センサーのそれぞれの前記センサー識別情報に関連付けられた前記第１センサーの属性を示す第１属性情報を取得するとともに、複数の前記第２センサーのそれぞれの前記センサー識別情報に関連付けられた前記第２センサーの属性を示す第２属性情報を取得するステップと、
前記第１属性情報及び前記第２属性情報に基づいて、前記属性が類似する前記第１センサーと前記第２センサーとの組合せを特定するステップと、
前記第１時系列データが示す複数の前記第１センサーの作動状況の関係性と、前記第２時系列データが示す複数の前記第２センサーの作動状況の関係性とを同時に学習して、前記組合せを特定するステップにおいて特定された前記組合せに対応する前記第１センサーと、前記第２センサーとの特徴ベクトルが一致又は類似するように複数の前記第１センサー及び前記第２センサーのそれぞれの特徴ベクトルであって、複数の前記第１センサー及び前記第２センサーのうち他の第１センサー及び第２センサーとの作動状況の関係性を示す特徴ベクトルを生成することにより、複数の前記第１センサー及び複数の前記第２センサーのそれぞれについて、前記第１時系列データ及び前記第２時系列データが示すセンサーの作動状況と、当該センサーと異なる前記第１センサー及び前記第２センサーである他のセンサーの作動状況との関係性を示す特徴ベクトルであって、前記組合せを特定するステップにおいて特定された前記組合せに対応する前記第１センサーと、前記第２センサーとの類似性が反映された特徴ベクトルを生成するステップと、
を有する情報処理方法。 - コンピュータを、
センサーを識別するセンサー識別情報と、前記センサーが作動した時刻とを関連付けた時系列データであって、第１の施設に設けられている複数の第１センサーに対応する前記時系列データである第１時系列データと、第２の施設に設けられている複数の第２センサーに対応する前記時系列データである第２時系列データとを取得するデータ取得部、
複数の前記第１センサーのそれぞれの前記センサー識別情報に関連付けられた前記第１センサーの属性を示す第１属性情報を取得するとともに、複数の前記第２センサーのそれぞれの前記センサー識別情報に関連付けられた前記第２センサーの属性を示す第２属性情報を取得する属性情報取得部、
前記第１属性情報及び前記第２属性情報に基づいて、前記属性が類似する前記第１センサーと前記第２センサーとの組合せを特定する組合せ特定部、及び、
前記第１時系列データが示す複数の前記第１センサーの作動状況の関係性を学習して複数の前記第１センサーのそれぞれの特徴ベクトルであって、複数の前記第１センサーのうち他の第１センサーとの作動状況の関係性を示す特徴ベクトルを生成し、複数の前記第１センサーのそれぞれの特徴ベクトルを生成した後に、前記第２時系列データが示す複数の前記第２センサーの作動状況の関係性を学習し、前記組合せ特定部が特定した前記組合せに対応する前記第１センサーと前記第２センサーとの特徴ベクトルが一致又は類似するように複数の前記第２センサーのそれぞれの特徴ベクトルであって、複数の前記第２センサーのうち他の第２センサーとの作動状況の関係性を示す特徴ベクトルを生成することにより、複数の前記第１センサー及び複数の前記第２センサーのそれぞれについて、前記第１時系列データ及び前記第２時系列データが示すセンサーの作動状況と、当該センサーと異なる前記第１センサー及び前記第２センサーである他のセンサーの作動状況との関係性を示す特徴ベクトルであって、前記組合せ特定部が特定した前記組合せに対応する前記第１センサーと、前記第２センサーとの類似性が反映された特徴ベクトルを生成する特徴ベクトル生成部、
として機能させるプログラム。 - コンピュータを、
センサーを識別するセンサー識別情報と、前記センサーが作動した時刻とを関連付けた時系列データであって、第１の施設に設けられている複数の第１センサーに対応する前記時系列データである第１時系列データと、第２の施設に設けられている複数の第２センサーに対応する前記時系列データである第２時系列データとを取得するデータ取得部、
複数の前記第１センサーのそれぞれの前記センサー識別情報に関連付けられた前記第１センサーの属性を示す第１属性情報を取得するとともに、複数の前記第２センサーのそれぞれの前記センサー識別情報に関連付けられた前記第２センサーの属性を示す第２属性情報を取得する属性情報取得部、
前記第１属性情報及び前記第２属性情報に基づいて、前記属性が類似する前記第１センサーと前記第２センサーとの組合せを特定する組合せ特定部、及び、
前記第１時系列データが示す複数の前記第１センサーの作動状況の関係性と、前記第２時系列データが示す複数の前記第２センサーの作動状況の関係性とを同時に学習して、前記組合せ特定部が特定した前記組合せに対応する前記第１センサーと、前記第２センサーとの特徴ベクトルが一致又は類似するように複数の前記第１センサー及び前記第２センサーのそれぞれの特徴ベクトルであって、複数の前記第１センサー及び前記第２センサーのうち他の第１センサー及び第２センサーとの作動状況の関係性を示す特徴ベクトルを生成することにより、複数の前記第１センサー及び複数の前記第２センサーのそれぞれについて、前記第１時系列データ及び前記第２時系列データが示すセンサーの作動状況と、当該センサーと異なる前記第１センサー及び前記第２センサーである他のセンサーの作動状況との関係性を示す特徴ベクトルであって、前記組合せ特定部が特定した前記組合せに対応する前記第１センサーと、前記第２センサーとの類似性が反映された特徴ベクトルを生成する特徴ベクトル生成部、
として機能させるプログラム。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2020057652A JP7297712B2 (ja) | 2020-03-27 | 2020-03-27 | 情報処理装置、情報処理方法、及びプログラム |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2020057652A JP7297712B2 (ja) | 2020-03-27 | 2020-03-27 | 情報処理装置、情報処理方法、及びプログラム |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JP2021157544A JP2021157544A (ja) | 2021-10-07 |
| JP7297712B2 true JP7297712B2 (ja) | 2023-06-26 |
Family
ID=77918495
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP2020057652A Active JP7297712B2 (ja) | 2020-03-27 | 2020-03-27 | 情報処理装置、情報処理方法、及びプログラム |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JP7297712B2 (ja) |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2010122751A (ja) | 2008-11-17 | 2010-06-03 | Nec Corp | 状況推定システム、状況推定方法、状況推定プログラム |
| WO2012147970A1 (ja) | 2011-04-28 | 2012-11-01 | 日本電気株式会社 | 位置コンテキスト取得装置、位置コンテキスト取得プログラムを記録したコンピュータ読み取り可能な記録媒体、及び位置コンテキスト取得方法 |
| JP2012248017A (ja) | 2011-05-27 | 2012-12-13 | Nippon Telegr & Teleph Corp <Ntt> | 行動モデル学習装置、方法、及びプログラム |
| JP2016024823A (ja) | 2014-07-21 | 2016-02-08 | アライドテレシスホールディングス株式会社 | センサベース検出システムのためのデータ構造 |
| WO2019021369A1 (ja) | 2017-07-25 | 2019-01-31 | 三菱電機株式会社 | データ解析装置 |
| WO2019107237A1 (ja) | 2017-11-30 | 2019-06-06 | 日本電気株式会社 | 位置推定装置、位置推定方法とプログラムを格納する記録媒体、並びに、位置推定システム |
-
2020
- 2020-03-27 JP JP2020057652A patent/JP7297712B2/ja active Active
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2010122751A (ja) | 2008-11-17 | 2010-06-03 | Nec Corp | 状況推定システム、状況推定方法、状況推定プログラム |
| WO2012147970A1 (ja) | 2011-04-28 | 2012-11-01 | 日本電気株式会社 | 位置コンテキスト取得装置、位置コンテキスト取得プログラムを記録したコンピュータ読み取り可能な記録媒体、及び位置コンテキスト取得方法 |
| JP2012248017A (ja) | 2011-05-27 | 2012-12-13 | Nippon Telegr & Teleph Corp <Ntt> | 行動モデル学習装置、方法、及びプログラム |
| JP2016024823A (ja) | 2014-07-21 | 2016-02-08 | アライドテレシスホールディングス株式会社 | センサベース検出システムのためのデータ構造 |
| WO2019021369A1 (ja) | 2017-07-25 | 2019-01-31 | 三菱電機株式会社 | データ解析装置 |
| WO2019107237A1 (ja) | 2017-11-30 | 2019-06-06 | 日本電気株式会社 | 位置推定装置、位置推定方法とプログラムを格納する記録媒体、並びに、位置推定システム |
Also Published As
| Publication number | Publication date |
|---|---|
| JP2021157544A (ja) | 2021-10-07 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| JP6799800B2 (ja) | 意味情報生成方法、意味情報生成装置、およびプログラム | |
| Souza et al. | Data stream classification guided by clustering on nonstationary environments and extreme verification latency | |
| Ntalampiras | Bird species identification via transfer learning from music genres | |
| JP6650305B2 (ja) | 行動分析システムおよびプログラム | |
| Chen et al. | Activity Recognition Using Transfer Learning. | |
| JP2015207179A (ja) | 行動理解システムおよびプログラム | |
| JP2012248017A (ja) | 行動モデル学習装置、方法、及びプログラム | |
| US20210348985A1 (en) | Abnormality diagnostic device, abnormality diagnostic method, and program | |
| Chen et al. | Activity recognition based on streaming sensor data for assisted living in smart homes | |
| CN111434118A (zh) | 用户感兴趣信息生成的装置和方法 | |
| Qiao et al. | Feature selection strategy for machine learning methods in building energy consumption prediction | |
| CN113673244A (zh) | 医疗文本处理方法、装置、计算机设备和存储介质 | |
| Kapourchali et al. | Unsupervised feature learning from time-series data using linear models | |
| JP2019105871A (ja) | 異常候補抽出プログラム、異常候補抽出方法および異常候補抽出装置 | |
| Zhang et al. | Multi-label prediction in time series data using deep neural networks | |
| CN114191665A (zh) | 机械通气过程中人机异步现象的分类方法和分类装置 | |
| JP7297712B2 (ja) | 情報処理装置、情報処理方法、及びプログラム | |
| WO2019220609A1 (ja) | 異常検出装置、異常検出方法及びプログラム | |
| Lymberopoulos et al. | Macroscopic human behavior interpretation using distributed imager and other sensors | |
| Albinali et al. | Structural learning of activities from sparse datasets | |
| JP5781040B2 (ja) | 行動推定装置およびそのプログラム | |
| JP7178975B2 (ja) | 情報処理装置、情報処理方法、及びプログラム | |
| Keyvanpour et al. | Augmented feature-state sensors in human activity recognition | |
| Alemdar et al. | A unified model for human behavior modeling using a hierarchy with a variable number of states | |
| US20230190159A1 (en) | Mood forecasting method, mood forecasting apparatus and program |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20211220 |
|
| A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20221118 |
|
| A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20221220 |
|
| A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20230208 |
|
| 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: 20230606 |
|
| A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20230614 |
|
| R150 | Certificate of patent or registration of utility model |
Ref document number: 7297712 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |