JP7456844B2 - 情報処理システム - Google Patents

Description

本発明の実施形態は、情報処理システムに関する。

近年、無線通信機能を搭載し、インターネットに接続可能な家電機器の普及が進んでいる。このような技術分野は一般にＩｏＴ（Internet of Things）と呼ばれ、家電機器の分野に限らず、様々な産業界において注目されている。例えば、家電機器のメーカは、スマートフォンのアプリ（以下「家電アプリ」という。）から家電機器の状態を遠隔から確認したり、家電機器を遠隔から操作したりすることを可能にするサービスを展開している。

特開２０１７－１２０１７８号公報 特開２０１９－７８５０６号公報 再公表ＷＯ２０１７／１７９１８８号公報 特開２０１１－３３３２５号公報

しかしながら、従来のサービスは、ユーザが遠隔から家電機器の状態を確認したり、家電機器の遠隔操作を行ったりといったユーザの操作を起点とするものであったため、ユーザが家電アプリを操作する頻度が高く、必ずしもユーザにとって利便性の高いものではなかった。このため、ユーザの属性に応じて家電機器を制御することができる家電アプリの提供が望まれている。このような家電アプリを提供するためにはユーザの設定行為によらずに、ユーザの属性を推定することが必要となる。

本発明が解決しようとする課題は、冷蔵庫を使用するユーザの属性を推定することができる情報処理システムを提供することである。

実施形態の情報処理システムは、取得部と、推定部と、を持つ。取得部は、冷蔵庫の状態に関するデータを取得する。推定部は、機械学習により生成された学習済みモデルを用いて、前記取得部により取得された前記データに基づき前記冷蔵庫のユーザの属性を推定する。

実施形態の情報処理システム（ユーザ情報収集システム）の全体構成を示す図。 実施形態の冷蔵庫の構成例を示す外観図。 実施形態の冷蔵庫の構成例を示す断面図。 実施形態の冷蔵庫の制御に関する構成例を示すブロック図。 実施形態の冷蔵庫の庫内画像の具体例を示す図。 実施形態のサーバの構成例を示すブロック図。 実施形態の情報処理システムにおいて使用人数推定用入力情報の生成に用いられるデータＤの具体例を示す図。 実施形態の冷蔵庫が設置された建屋内部の温度変化の第１の具体例を示す図。 実施形態の冷蔵庫が設置された建屋内部の温度変化の第２の具体例を示す図。 実施形態のユーザ登録情報の具体例を示す図。 実施形態の冷蔵庫における処理の流れを示す図。 実施形態のサーバにおける処理の流れを示す図。

以下、実施形態の情報処理システムを、図面を参照して説明する。以下の説明では、同一または類似の機能を有する構成に同一の符号を付す。そして、それら構成の重複する説明は省略する場合がある。「ＸＸに基づく」とは、「少なくともＸＸに基づく」ことを意味し、ＸＸに加えて別の要素に基づく場合も含み得る。「ＸＸに基づく」とは、ＸＸを直接に用いる場合に限定されず、ＸＸに対して演算や加工が行われたものに基づく場合も含み得る。「ＸＸまたはＹＹ」とは、ＸＸとＹＹのうちいずれか一方の場合に限定されず、ＸＸとＹＹの両方の場合も含み得る。これは選択的要素が３つ以上の場合も同様である。「ＸＸ」および「ＹＹ」は、任意の要素（例えば任意の情報）である。

（第１実施形態）
＜１．情報処理システムの全体構成＞
図１は、実施形態の情報処理システム（ユーザ情報収集システム）１の全体構成を示す図である。情報処理システム１は、例えば、各家庭に配置された冷蔵庫１００、サーバ２００、および端末装置３００を含む。ただし、本明細書で「情報処理システム」とは、冷蔵庫１００および端末装置３００を含まず、サーバ２００のみを意味してもよい。後述するネットワークＮＷは、例えば、インターネット、セルラー網、Ｗｉ－Ｆｉ網、ＬＰＷＡ（Low Power Wide Area）、ＷＡＮ（Wide Area Network）、ＬＡＮ（Local Area Network）、その他の公衆回線、専用回線などを状況に応じて利用すればよい。

冷蔵庫１００は、ユーザＵの住居内に配置される。冷蔵庫１００は、例えば、ユーザＵの住居内に配置された無線ルータＲおよびネットワークＮＷを介して、サーバ２００と通信可能である。冷蔵庫１００については、詳しく後述する。

サーバ２００は、１台以上のサーバ装置ＳＤ（例えばクラウドサーバ）で構成される。サーバ２００は、「サーバシステム」と称されてもよい。サーバ２００は、ネットワークＮＷ中のルータに含まれる情報処理部など、エッジコンピューティングやフォグコンピューティングを行う情報処理部を含んでもよい。サーバ２００については、詳しく後述する。

端末装置３００は、パーソナルコンピュータなどの機器であり、ネットワークＮＷを介してサーバ２００と通信可能である。端末装置３００は、液晶ディスプレイまたは有機ＥＬディスプレイ（Electro Luminescence）ディスプレイなどの表示装置３００ａを含む。ただし、端末装置３００とサーバ装置ＳＤは、１つの装置で一体に設けられてもよい。

＜２．冷蔵庫＞
＜２．１ 冷蔵庫の全体構成＞
図２は、冷蔵庫１００の構成例を示す外観図である。冷蔵庫１００は、例えば、冷蔵室１０、野菜室２０、冷凍室３０および製氷室４０を貯蔵室として備え、各貯蔵室を開閉するための扉として冷蔵室扉１１、野菜室扉２１、冷凍室扉３１および製氷室扉４１を備えている。また、冷蔵室扉１１、野菜室扉２１、冷凍室扉３１および製氷室扉４１には、それぞれの開閉状態を検知するためのセンサとして冷蔵室扉スイッチ１２、野菜室扉スイッチ２２、冷凍室扉スイッチ３２および製氷室扉スイッチ４２を備えている。さらに、冷蔵庫１００の外面には、ユーザＵの近接を検知するための人感センサ６６が備えられている。

図３は、冷蔵庫１００の構成例を示す断面図である。図３は、図２におけるＡ－Ａ線に沿った断面図である。図３は、冷蔵庫１００の一例として２つの冷却機構を有する、いわゆるツイン冷却式の冷蔵庫を示す。冷蔵庫１００は、例えば、冷凍サイクルを実現するための構成要素として、冷蔵冷却器１３、冷凍冷却器３３、冷蔵冷却ファン１４、冷凍冷却ファン３４、コンプレッサ５１、冷媒切替弁５２、ダンパ５３、製氷皿モータ５４、給水モータ５５を備えている。

コンプレッサ５１は、熱交換媒体として冷凍サイクルを循環する冷媒を圧縮する装置である。冷蔵冷却器１３は、冷媒との熱交換により、冷蔵冷却室１５内の空気を冷却する蒸発器である。冷蔵冷却器１３によって冷却された空気は冷蔵冷却ファン１４の回転により、連通部５３３を介して冷蔵室１０または野菜室２０に供給される。同様に、冷凍冷却器３３は、冷媒との熱交換により、冷凍冷却室３５内の空気を冷却する蒸発器である。冷凍冷却器３３によって冷却された空気は冷凍冷却ファン３４の回転により、連通部５３３を介して冷凍室３０または製氷室４０に供給される。

冷媒切替弁５２は、冷媒が冷蔵冷却器１３および冷凍冷却器３３の一方または両方に送られるように冷媒の流路を切り替える弁である。冷蔵冷却ダンパ５３１は、連通部５３３を介して冷蔵冷却室１５と冷蔵室１０との間を流通する空気の流量を調整する装置である。冷凍冷却ダンパ５３２は、連通部５３３を介して冷凍冷却室３５と冷凍室３０との間を流通する空気の流量を調整する装置である。製氷皿モータ５４は、製氷室４０において製氷皿に生成された氷を受け皿に移動させるために製氷皿を回転させるためモータである。給水モータ５５は、製氷室４０において給水タンクに蓄えられている水を製氷皿に供給するためのモータである。

＜２．２ 冷蔵庫のセンサ群および制御部の構成＞
図４は、冷蔵庫１００の制御に関する構成例を示すブロック図である。図４に示すとおり、冷蔵庫１００は、自身を他の通信機器と通信可能に接続するための無線モジュール７０と、自身を冷凍サイクル装置として機能させるための制御部８０と、冷凍サイクルの制御に必要な各種情報を取得するためのセンサ群ＳＵと、を備える。制御部８０は、冷蔵庫１００内部の通信線によりセンサ群ＳＵと通信可能に接続され、無線モジュール７０を介してサーバ２００と無線通信可能に接続される。無線モジュール７０は、無線ルータＲを介してサーバ２００と無線通信する。

制御部８０は、例えばＣＰＵ（Central Processing Unit）等のプロセッサ、ＳＲＡＭ（Static Random Access Memory）やＤＲＡＭ（Dynamic Random Access Memory）等のメモリ、ＳＳＤ（Solid State Drive）やＨＤＤ（Hard Disk Drive）等の補助記憶装置を含んで構成される。制御部８０は、プロセッサが補助記憶装置に記憶されているプログラムをメモリ上に読み出して実行することにより、冷凍サイクル制御部８１、記憶部８２、情報記録部８３および情報出力部８４を備える装置として機能する。なお、制御部８０の機能の全部または一部は、ＡＳＩＣ（Application Specific Integrated Circuit）、ＰＬＤ（Programmable Logic Device）、またはＦＰＧＡ（Field Programmable Gate Array）などのハードウェア（回路部；circuitryを含む）によって実現されてもよいし、ソフトウェアとハードウェアとの協働によって実現されてもよい。

冷凍サイクル制御部８１は、冷蔵庫１００を冷凍サイクル装置として機能させるため、冷蔵室１０の温度、野菜室２０の温度、冷凍室３０の温度、製氷室４０の温度に基づいて冷蔵冷却ファン１４、冷凍冷却ファン３４、コンプレッサ５１、冷媒切替弁５２、ダンパ５３、製氷皿モータ５４、給水モータ５５の動作を制御する機能を有する。冷凍サイクル制御部８１は、各貯蔵室の温度に基づく制御に加えて、ユーザＵの設定に基づく制御を行うように構成されてもよい。

記憶部８２は、識別情報Ｉ１および状態情報Ｉ２を記憶する。識別情報Ｉ１は、冷蔵庫１００を識別するために各冷蔵庫１００に付与された機器ＩＤを示す。状態情報Ｉ２は、冷蔵庫１００の状態を示す時系列情報である。

情報記録部８３は、例えば不図示のタイマを参照し、冷蔵庫１００の状態を示す情報と日時情報とを対応付けて、記憶部８２の状態情報Ｉ２に追加する。「冷蔵庫１００の状態」は、例えば、冷蔵庫１００の電源のＯＮ／ＯＦＦの状態や、コンプレッサ５１、冷媒切替弁５２、冷蔵冷却ファン１４、冷凍冷却ファン３４の運転状態などを含む。また、「冷蔵庫１００の状態」は冷蔵庫１００が収納するモノの状態を含んでもよい。日時情報は、曜日および時刻を示す情報を含む。

さらに、情報記録部８３は、センサ群ＳＵの検出結果を示す情報と日時情報とを対応付けて、記憶部８２の状態情報Ｉ２に追加する。ここで、冷蔵庫１００は、センサ群ＳＵとして、上記の冷蔵室扉スイッチ１２、野菜室扉スイッチ２２、冷凍室扉スイッチ３２、製氷室扉スイッチ４２に加え、冷蔵室温度センサ６１、野菜室温度センサ６２、冷凍室温度センサ６３、製氷室温度センサ６４、庫内カメラ６５、人感センサ６６、周囲温度センサ６７、周囲湿度センサ６８、電源検出部６９を備えている。冷蔵室温度センサ６１、野菜室温度センサ６２、冷凍室温度センサ６３、製氷室温度センサ６４は、それぞれ、冷蔵室１０、野菜室２０、冷凍室３０および製氷室４０の室内温度を測定するための温度センサである。

庫内カメラ６５は、冷蔵庫１００の庫内を撮像するカメラである。例えば図５は、庫内カメラ６５によって冷蔵庫１００の庫内が撮像された画像（以下「庫内画像」という。）の具体例を示す図である。冷蔵室１０の内部を撮像するように設置された例である。庫内カメラ６５は、必要に応じて野菜室２０や冷凍室３０、製氷室４０の内部を撮像するように設置されてもよい。また、複数の貯蔵室の内部を撮像するために、冷蔵庫１００の内部には複数の庫内カメラ６５が設置されてもよい。センサ群ＳＵの検出結果は、上述した各種センサやスイッチの検出結果である。これら情報は、生データが記録されてもよいし、必要な演算（加工）が行われた状態で記録されてもよい。

人感センサ６６は、冷蔵庫１００付近の人を検知するセンサである。人感センサ６６は赤外線によって人を検知するものであってもよいし、冷蔵庫１００付近を撮像した画像に基づいて人を検知するものであってもよい。

周囲温度センサ６７は、冷蔵庫１００付近の温度を検知するセンサである。周囲湿度センサは、冷蔵庫１００付近の湿度を検知するセンサである。電源検出部６９は、冷蔵庫１００が接続された外部電源の周波数を検知するセンサである。

情報出力部８４は、無線モジュール７０を介して、記憶部８２に記憶された状態情報Ｉ２をサーバ２００に送信する。情報出力部８４は、例えば所定の周期で、状態情報Ｉ２をサーバ２００に送信する。このとき、情報出力部８４は、状態情報Ｉ２と、記憶部８２に記憶された識別情報Ｉ１とを紐付けてサーバ２００に送信する。識別情報Ｉ１は、冷蔵庫１００を識別するために各冷蔵庫１００に付与された機器ＩＤである。状態情報Ｉ２および識別情報Ｉ１は、冷蔵庫１００からサーバ２００に送信されるデータの一例である。以下では、状態情報Ｉ２および識別情報Ｉ１を纏めて「データＤ」と称する。

なお上記構成に代えて、情報記録部８３が省略され、情報出力部８４は、冷蔵庫１００の運転状態およびセンサ群ＳＵの検出結果を、リアルタイムでサーバ２００に送信してもよい。この場合、冷蔵庫１００の運転状態およびセンサ群ＳＵの検出結果と、日時情報との対応付けは、サーバ２００で行われてもよい。

＜３．サーバ＞
図６は、サーバ２００の構成例を示すブロック図である。サーバ２００は、例えば、情報取得部２０１、情報変換部２０２、学習部２０３、推定部２０４、情報記録部２０５、および情報出力部２０６を含む。これら機能部は、サーバ２００が有するＣＰＵのようなハードウェアプロセッサがプログラム（ソフトウェア）を実行することにより実現される。ただし、これら機能部の全部または一部は、ＡＳＩＣ、ＰＬＤ、またはＦＰＧＡなどのハードウェア（回路部；circuitryを含む）によって実現されてもよいし、ソフトウェアとハードウェアとの協働によって実現されてもよい。

さらに、サーバ２００は、記憶部２０７を有する。記憶部２０７は、例えば、ＲＡＭ、ＲＯＭ、ＨＤＤ、フラッシュメモリ、またはこれらのうち複数の組み合わせにより実現される。記憶部２０７には、蓄積情報Ｉ１１、ユーザ登録情報Ｉ１２、学習モデルＬ、推定モデル（学習済みモデル）Ｍ、およびユーザ属性情報Ｉ１３が記憶される。

情報取得部２０１は、冷蔵庫１００から送信されたデータＤを取得する（受け取る）。なお、推定モデルＭの学習が行われる場合には、情報取得部２０１は、複数の家庭でそれぞれ使用される複数の冷蔵庫１００からデータＤを収集する。情報取得部２０１は、取得したデータＤを蓄積情報Ｉ１１として記憶部２０７に蓄積する。情報取得部２０１は、例えば各冷蔵庫１００について、所定期間（例えば３ヶ月）に亘りデータＤを蓄積する。情報取得部２０１は、「取得部」の一例である。

情報変換部２０２は、各冷蔵庫１００のデータＤが蓄積された蓄積情報Ｉ１１と学習モデルＬとに基づき、後述する推定モデルＭに入力する入力情報を生成する。学習モデルＬは機械学習を行うためのアルゴリズムを示すモデルである。推定モデルＭは、学習モデルＬを用いた蓄積情報Ｉ１１の学習によって生成される学習済みモデルであって、ユーザＵの属性を推定するモデルである。例えばユーザＵの属性の一例として、（ａ）冷蔵庫１００の使用人数、（ｂ）性別、（ｃ）年齢、（ｄ）住居形態、（ｅ）設置位置、（ｆ）就業形態、（ｇ）婚姻の有無、（ｈ）居住地域などが挙げられる。ただし、推定するユーザＵの属性は、ユーザＵに関して蓄積情報Ｉ１１に基づいて推定することのできる事項であれば、上記列挙した事項以外の事項であってもよい。

（ａ．使用人数を推定するための入力情報）
情報変換部２０２は、例えば、使用人数に関する属性を推定するために推定モデルＭに入力する入力情報（以下「使用人数推定用入力情報」と称する）として、次に列挙する情報のうち１つ以上を、蓄積情報Ｉ１１に基づき生成する。これらの情報は、少なくとも以下に説明する観点において使用人数との相関性を有する。そのため、以下に列挙する各情報のうち１つ以上を、使用人数に関する属性を出力情報とする推定モデルＭの入力情報として用いることができる。

・冷蔵庫１００の機種に関する情報
・冷蔵庫１００の扉の種類に関する情報
・冷蔵庫１００の扉の開閉回数に関する情報
・冷蔵庫１００の扉の開閉時刻に関する情報
・冷蔵庫１００の扉の開閉時間に関する情報
・冷蔵庫１００の庫内温度に関する情報
・冷蔵庫１００のコンプレッサ５１の動作に関する情報
・冷蔵庫１００の冷却ファンの動作に関する情報
・冷蔵庫１００の製氷機の動作に関する情報
・冷蔵庫１００の急速冷凍動作に関する情報

例えば、一般に冷蔵庫のメーカは、冷蔵庫を使用する人数に応じた機能性を有する機種をラインアップするため、ユーザはラインアップされた機種のうちから自身が想定する使用人数に応じた機種を選択して購入すると考えられる。そのため、冷蔵庫１００は、その機種に応じた人数のユーザによって使用される可能性が高いと考えられる。また、このような使用人数に応じた機種のラインアップでは、より使用人数が多い機種ほど扉部にも使用人数に応じた設計がなされることが多い。そのため、冷蔵庫１００は、その扉の種類に応じた人数のユーザによって使用される可能性が高いと考えられる。

また、一般に、冷蔵庫１００にかかる負荷は、冷蔵庫１００を使用する人数（例えば、ユーザの同居家族の人数）が多いほど大きくなる傾向にある。そのため、冷蔵庫１００にかかる負荷の大きさを示す各種の指標値は、冷蔵庫１００の使用人数と相関性を有する。ここで、冷蔵庫１００にかかる負荷の大きさを示す指標値としては、「冷蔵庫１００の扉の開閉回数」、「冷蔵庫１００の扉の開閉時刻」、「冷蔵庫１００の扉の開閉時間」、「冷蔵庫１００の庫内温度」、「冷蔵庫１００のコンプレッサ５１の動作状況」、「冷蔵庫１００の冷却ファンの動作状況」、「冷蔵庫１００の製氷動作の状況」、「冷蔵庫１００の急速冷凍動作の状況」などが挙げられる。

図７は、使用人数推定用入力情報の生成に用いられるデータＤの具体例を示す図である。データＤはセンサ群ＳＵの検出結果を示す時系列データである。図７において、冷蔵庫１００の使用タイミングは人感センサ６６によって検知されることが分かる。また、各使用タイミングにおいて使用される貯蔵室は、各貯蔵室の扉スイッチのＯＮ／ＯＦＦによって検知されることが分かる。また、各貯蔵室の温度、コンプレッサ５１、冷蔵冷却ファン１４、冷凍冷却ファン３４の動作状況によって、各使用タイミングにおいて負荷が変動することが分かる。

情報返還部２０２は、このようなデータＤに基づいて取得される「冷蔵庫１００の扉の開閉回数」、「冷蔵庫１００の扉の開閉時刻」、「冷蔵庫１００の扉の開閉時間」、「冷蔵庫１００の庫内温度」、「冷蔵庫１００のコンプレッサ５１の動作状況」、「冷蔵庫１００の冷却ファンの動作状況」、「冷蔵庫１００の製氷動作の状況」、「冷蔵庫１００の急速冷凍動作の状況」などの情報を使用人数推定用入力情報として生成する。

なお、冷蔵庫１００の使用人数に関する属性の他の例としてユーザの世帯構成が挙げられる。例えば、冷蔵庫１００のユーザが１人と推定された場合、そのユーザの世帯構成は単独世帯と考えることができる。また、例えば、冷蔵庫１００の使用人数が２人であり、かつ年代が同世代であると推定された場合、そのユーザの世帯構成は夫婦のみの世帯であると考えることができる。この場合、ユーザの年齢や年代を推定するために、後述する年齢推定用入力情報が人数推定用入力情報に含められてもよい。

また、例えば冷蔵庫１００の使用人数が複数人であり、その中に子供と大人が含まれると推定された場合、そのユーザの世帯構成は親と子の世帯であると考えることができる。この場合、子供の有無を推定するために、後述する年齢推定用入力情報や就業形態推定用入力情報などの情報が人数推定用入力情報に含められてもよい。

また、この場合、大人の中に、子育て世代の大人と、老齢の大人が含まれると推定された場合、そのユーザの世帯構成は３世代世帯であると考えることができる。この場合、大人の年代を推定するために、後述する年齢推定用入力情報や就業形態推定用入力情報などの情報が人数推定用入力情報に含められてもよい。

（ｂ．性別を推定するための入力情報）
情報変換部２０２は、例えば、ユーザＵの性別に関する属性を推定するために推定モデルＭに入力する入力情報（以下「性別推定用入力情報」と称する）として、次に列挙する情報のうち１つ以上を、蓄積情報Ｉ１１に基づき生成する。これらの情報は、少なくとも以下に説明する観点においてユーザＵの性別との相関性を有する。そのため、以下に列挙する各情報のうち１つ以上を、ユーザＵの性別に関する属性を出力情報とする推定モデルＭの入力情報として用いることができる。

・冷蔵庫１００の庫内に格納された食材に関する情報
・冷蔵庫１００のユーザＵの身体的特徴に関する情報

「冷蔵庫１００の庫内に格納されている食材」には、ユーザＵの性別に関する傾向が表れると考えられる。例えば、女性は男性に比べて料理をする頻度が高い傾向にあるため、冷蔵庫１００のユーザが女性である場合、その冷蔵庫１００の庫内には生鮮食材が多く格納されている可能性が高いと考えられる。また、女性は男性に比べて野菜類を多く食する傾向があるため、冷蔵庫１００のユーザが女性である場合には、その冷蔵庫１００の庫内には野菜類が多く格納されている可能性が高いと考えられる。

具体的には、情報変換部２０２は庫内カメラ６５によって撮像された冷蔵庫１００の庫内画像（例えば図５を参照。）について、撮像されている食材を識別する画像認識処理を実行する。庫内画像データはデータＤの一態様である。この場合、画像認識処理は、庫内画像に撮像されている食材を識別することができるものであればどのような方法によるものであってもよい。

例えば、画像認識処理には、画像データの各画素値を用いて取得される各種の特徴量に基づいて食材の有無及び種類を識別する方法を用いることができる。そこで情報変換部２０２は画像認識処理による食材の識別結果を示す情報を性別推定用入力情報として生成する。なお、画像データの各画素値には被写体の特徴を示す情報が含まれていると考えられるため、情報変換部２０２は、その画像データ自体を性別推定用入力情報として生成してもよい。

また、「ユーザＵの身体的特徴」には、冷蔵庫１００のユーザＵの性別に関する傾向が表れると考えられる。例えば、男性は女性よりも身長が高い傾向がある。また、男性の手や腕は女性の手や腕よりも大きく太い傾向がある。また、女性は男性よりも宝飾品を手や腕に付けている場合が多いことに加え、その宝飾品が女性用であるか男性用であるかはその外観から見て取れることが多い。

具体的には、冷蔵庫１００のユーザＵの身体的特徴に関する情報は、例えば、人感センサ６６の検知結果や冷蔵庫１００の庫内画像データを用いて取得することができる。例えば、人感センサ６６が所定の高さ以上の身長を有する人を検知する場合、人感センサ６６の検知結果は、冷蔵庫１００のユーザＵの身長が上記所定の高さ以上であるか否かを示す情報として使用することができる。また、例えば、冷蔵庫１００の庫内画像には食材を出し入れするユーザＵの手が撮像される場合がある。そのため、情報変換部２０２は、画像認識処理により庫内画像に撮像されている人の手を検出し、検出された手の属性（例えば、大きさ、太さ、装飾品の有無など）を識別する。

情報変換部２０２は画像認識処理による手の属性の識別結果を示す情報を性別推定用入力情報として生成する。なお、画像データの各画素値には被写体の特徴を示す情報が含まれていると考えられるため、情報変換部２０２は、その画像データ自体を性別推定用入力情報として生成してもよい。

（ｃ．年齢を推定するための入力情報）
情報変換部２０２は、例えば、ユーザＵの年齢に関する属性を推定するために推定モデルＭに入力する入力情報（以下「年齢推定用入力情報」と称する）として、次に列挙する情報のうち１つ以上を、蓄積情報Ｉ１１に基づき生成する。これらの情報は、少なくとも以下に説明する観点においてユーザＵの年齢との相関性を有する。そのため、以下に列挙する各情報のうち１つ以上を、ユーザＵの年齢に関する属性を出力情報とする推定モデルＭの入力情報として用いることができる。

・冷蔵庫１００の扉の開閉時刻に関する情報
・冷蔵庫１００の庫内温度に関する情報

「冷蔵庫１００の扉の開閉時刻」には、ユーザＵの年齢に関する傾向が表れると考えられる。例えば、年配の人は若年の人に比べて朝早くから活動する傾向があるため、冷蔵庫１００の開閉を開始する時刻が若年の人よりも早いと考えられる。また、朝６時ごろから８時ごろまで定期的に冷蔵庫の扉が開閉されている場合、ユーザは朝ごはんの準備に加えてお弁当を作っている可能性が高いと考えられる。さらに、お弁当が必要になるのは学生を子に持つ世代の家族である可能性が高いと考えられる。

具体的には、冷蔵庫１００の扉の開閉時刻は、冷蔵室扉スイッチ１２、野菜室扉スイッチ２２、冷凍室扉スイッチ３２、製氷室扉スイッチ４２のオン／オフ状態を記録した蓄積情報Ｉ１１に基づいて取得することができる。例えば、各扉が閉まっているときにスイッチがオン状態となり、各扉が開いているときにスイッチがオフ状態となる場合、各スイッチがオン状態からオフ状態に変化したタイミング、又は各スイッチがオフ状態からオン状態に変化したタイミングを検出することにより、ユーザが扉を開閉した時刻を求めることができる。

そこで情報変換部２０２はユーザが冷蔵庫１００の扉を開閉した時刻を示す情報を年齢推定用入力情報として生成する。また、「冷蔵庫１００の庫内温度」は、冷蔵室扉１１の開閉のタイミングでも大きく変化しやすいため、情報変換部２０２は、冷蔵庫１００の庫内温度の変化から冷蔵室扉１１の開閉タイミングを識別するように構成されてもよい。

（ｄ．住居形態に関する属性を推定するための入力情報）
情報変換部２０２は、例えば、住居形態に関する属性を推定するために推定モデルＭに入力する入力情報（以下「住居形態推定用入力情報」と称する）として、次に列挙する情報のうち１つ以上を、蓄積情報Ｉ１１に基づき生成する。これらの情報は、少なくとも以下に説明する観点において住居形態との相関性を有する。そのため、以下に列挙する各情報のうち１つ以上を、住居形態に関する属性を出力情報とする推定モデルＭの入力情報として用いることができる。

・冷蔵庫１００が設置された建屋内部の温度に関する情報
・冷蔵庫１００が設置された建屋内部の湿度に関する情報

図８は、冷蔵庫１００が設置された建屋内部の温度変化の第１の具体例を示す図である。図８に示すように「冷蔵庫１００が設置された建屋内部の温度」には、その建屋の種別に応じた室内の温度変化の傾向が表れると考えられる。例えば、マンションは戸建ての家屋よりも室内の温度変化が小さい傾向にある。具体的には、冷蔵庫１００が設置された建屋内部の温度に関する情報は、蓄積情報Ｉ１１に含まれる周囲温度センサ６７の検出結果に基づいて取得することができる。そこで情報変換部２０２は、冷蔵庫１００が設置された建屋内部の温度を示す情報を住居形態推定用入力情報として生成する。

また、マンションは戸建ての家屋よりも外気温の影響を受けにくいため、建屋内部の温度変化が時間帯や季節等によらず小さくなる傾向にある。室内の温度変化は少なからず屋外の温度の影響を受けるため、室内の温度変化の要因をより正確に判断するためには「冷蔵庫１００が設置された建屋外部の温度」も住居形態推定用入力情報に含められてもよい。また、温度変化に加え、マンションは戸建ての家屋おりも室内の湿度変化が小さい傾向にある。このため、温度変化と同様に「冷蔵庫１００が設置された建屋内部の湿度」が住居形態推定用入力情報に含められてもよい。

（ｅ．冷蔵庫１００の設置位置に関する属性を推定するための入力情報）
情報変換部２０２は、例えば、冷蔵庫１００の設置位置に関する属性を推定するために推定モデルＭに入力する入力情報（以下「設置位置推定用入力情報」と称する）として、次に列挙する情報のうち１つ以上を、蓄積情報Ｉ１１に基づき生成する。これらの情報は、少なくとも以下に説明する観点において冷蔵庫１００の設置位置との相関性を有する。そのため、以下に列挙する各情報のうち１つ以上を、冷蔵庫１００の設置位置に関する属性を出力情報とする推定モデルＭの入力情報として用いることができる。

・冷蔵庫１００が設置された建屋内部の温度に関する情報
・冷蔵庫１００が設置された建屋内部の湿度に関する情報

図９は、冷蔵庫１００が設置された建屋内部の温度変化の第２の具体例を示す図である。一般に冷蔵庫１００はキッチンに設置され、その設置位置の近くにはコンロが設置されていることが多い。そして、冷蔵庫１００の付近にコンロが設置されている場合、冷蔵庫１００の付近の温度がコンロの使用タイミングにおいて上昇すると考えられる。また、コンロは食事の時間帯に使用される可能性が高いことから、食事の時間帯において冷蔵庫１００の付近で温度が上昇する頻度が高い場合、当該冷蔵庫１００の設置場所がキッチンである可能性が高い。このように、「冷蔵庫１００が設置された建屋内部の温度」は、冷蔵庫１００の設置場所に関する属性と相関性を有すると考えられる。そこで情報変換部２０２は、冷蔵庫１００が設置された建屋内部の温度を示す情報を設置位置推定用入力情報として生成する。

また、「冷蔵庫１００が設置された建屋内部の湿度」には、その建屋内部の空間の用途に応じた湿度変化が表れると考えられる。例えば、冷蔵庫１００の設置場所として一般的なキッチンでは、調理の際に生じる蒸気によって一時的に湿度が高くなる傾向にある。また、キッチン以外の空間であっても、その空間の使用時には、使用者の呼気や飲み物等によって一時的に湿度が高くなる傾向にある。また、一時的に湿度が高くなる傾向の度合いは、その空間の用途によって異なる場合があり、その傾向は湿度の変化量や湿度が変化する時間帯などの特徴として現れる。具体的には、冷蔵庫１００が設置された建屋内部の湿度に関する情報は、蓄積情報Ｉ１１に含まれる周囲湿度センサ６８の検出結果に基づいて取得することができる。そこで情報変換部２０２は、冷蔵庫１００が設置された建屋内部の湿度を示す情報を設置位置推定用入力情報として生成する。

（ｆ．就業形態を推定するための入力情報）
情報変換部２０２は、例えば、ユーザＵの就業形態に関する属性を推定するために推定モデルＭに入力する入力情報（以下「就業形態推定用入力情報」と称する）として、次に列挙する情報のうち１つ以上を、蓄積情報Ｉ１１に基づき生成する。これらの情報は、少なくとも以下に説明する観点においてユーザＵの就業形態との相関性を有する。そのため、以下に列挙する各情報のうち１つ以上をユーザＵの就業形態に関する属性を出力情報とする推定モデルＭの入力情報として用いることができる。

・冷蔵庫１００の扉の開閉回数に関する情報
・冷蔵庫１００の扉の開閉時刻に関する情報
・冷蔵庫１００の扉の開閉時間に関する情報
・冷蔵庫１００の庫内温度に関する情報
・冷蔵庫１００のコンプレッサ５１の動作に関する情報
・冷蔵庫１００のファンの動作に関する情報
・冷蔵庫１００の製氷機の動作に関する情報
・冷蔵庫１００の急速冷凍動作に関する情報

例えば、ユーザＵの勤務形態や勤務時間帯などの属性は、ユーザＵの生活パターンに現れると考えられる。また、ユーザＵの生活パターンの一部は冷蔵庫１００の使用パターンに現れ、冷蔵庫１００の使用パターンは、冷蔵庫１００にかかる負荷の変動パターンに現れる。例えば、ユーザＵの勤務形態がパートタイムである場合は、冷蔵庫１００の使用が一旦終了してから再開されるまでの時間間隔が比較的短時間（例えば数時間未満）であるという特徴として現れ、ユーザＵの勤務形態がフルタイムである場合は、冷蔵庫１００の使用が一旦終了してから再開されるまでの時間間隔が比較的長時間（例えば１０時間以上）であるという特徴として現れる。

また、例えば、ユーザＵの勤務時間帯は、冷蔵庫１００の使用が一旦終了してから再開されるまでの時間帯として、その生活パターンが冷蔵庫１００の使用パターンに現れる。例えば、朝９時から夕方２０時までを勤務時間とするユーザＵの生活パターンは、平日の朝９時より前に冷蔵庫１００の使用を一旦終了し、夕方２０時以降で冷蔵庫１００の使用を再開するという冷蔵庫１００の使用パターンとして現れる。また、夜２１時から翌朝６時までを勤務時間とするユーザＵの生活パターンは、平日の夜２１時より前に冷蔵庫１００の使用を一旦終了し、翌朝６時以降で冷蔵庫１００の使用を再開するという冷蔵庫１００の使用パターンとして現れる。

また、例えば、ユーザが学生である場合、平日の日ごとには異なるパターンで冷蔵庫１００が使用される場合があるものの、週ごとにはほぼ同じパターンの繰り返しで冷蔵庫１００が使用されるといった使用パターンとして、ユーザＵの生活パターンが現れる。

（ｇ．冷蔵庫１００のユーザＵの婚姻の有無を推定するための入力情報）
情報変換部２０２は、例えば、ユーザＵの婚姻の有無（結婚／未婚）に関する属性を推定するために推定モデルＭに入力する入力情報（以下「婚姻推定用入力情報」と称する）として、次に列挙する情報のうち１つ以上を、蓄積情報Ｉ１１に基づき生成する。これらの情報は、少なくとも以下に説明する観点においてユーザＵの婚姻の有無との相関性を有する。そのため、以下に列挙する各情報のうち１つ以上をユーザＵの婚姻の有無に関する属性を出力情報とする推定モデルＭの入力情報として用いることができる。

・冷蔵庫１００の庫内に格納された食材に関する情報
・冷蔵庫１００のユーザＵの身体的特徴に関する情報

「冷蔵庫１００の庫内に格納されている食材」には、ユーザＵの婚姻の有無に関する傾向が表れると考えられる。例えば、冷蔵庫１００の庫内に男性が嗜好する食材と、女性が施行する食材とのいずれか一方が格納されている場合、ユーザＵは未婚である可能性が高いと考えられ、男性が嗜好する食材と女性が嗜好する食材との両方が庫内に格納されている場合には、ユーザＵは結婚している可能性が高いと考えられる。また、大人が嗜好する食材と、子供が嗜好する食材とが庫内に格納されている場合も、ユーザＵが結婚している可能性が高いと考えられる。

そこで情報変換部２０２は画像認識処理による食材の識別結果を示す情報を婚姻推定用入力情報として生成する。また、画像データの各画素値には被写体の特徴を示す情報が含まれていると考えられるため、情報変換部２０２は、その画像データ自体を婚姻推定用入力情報として生成してもよい。

また、「冷蔵庫１００のユーザＵの身体的特徴」にもユーザＵの婚姻の有無に関する傾向が表れると考えられる。例えば、婚姻の有無に関する傾向を示す身体的特徴として婚姻指輪の装着の有無が挙げられる。画像認識処理によって庫内画像に撮像されたユーザＵの手に結婚指輪が装着されていることが識別された場合、ユーザＵは結婚している可能性が高いと考えられる。

そこで情報変換部２０２は画像認識処理による身体的特徴の識別結果を示す情報を婚姻推定用入力情報として生成する。また、画像データの各画素値には被写体の特徴を示す情報が含まれていると考えられるため、情報変換部２０２は、その画像データ自体を婚姻推定用入力情報として生成してもよい。

（ｈ．居住地域を推定するための入力情報）
情報変換部２０２は、例えば、ユーザＵの居住地域に関する属性を推定するために推定モデルＭに入力する入力情報（以下「居住地域推定用入力情報」と称する）として、次に列挙する情報のうち１つ以上を、蓄積情報Ｉ１１に基づき生成する。これらの情報は、少なくとも以下に説明する観点においてユーザＵの居住地域との相関性を有する。そのため、以下に列挙する各情報のうち１つ以上をユーザＵの居住地域に関する属性を出力情報とする推定モデルＭの入力情報として用いることができる。

・冷蔵庫１００が設置された建屋内部の温度に関する情報
・冷蔵庫１００が設置された建屋内部の湿度に関する情報
・外部電源の周波数に関する情報

「冷蔵庫１００が設置された建屋内部の温度」には、ユーザＵの居住地域に関する傾向が表れると考えられる。例えば、冷蔵庫１００が設置された建屋内部の温度は、外気温に対して相対的に変化すると考えられ、外気温は地域に応じて異なる分布を示す。このため、冷蔵庫１００が設置された建屋内部の温度は、ユーザＵの居住地域の気候を反映するものと考えられる。また、「冷蔵庫１００が設置された建屋内部の湿度」にも、ユーザＵの居住地域に関する傾向が表れると考えられる。さらに、「冷蔵庫１００が設置された建屋内部の温度」と「冷蔵庫１００が設置された建屋内部の湿度」の組み合わせは、居住地域の気候をより詳細に特徴づけると考えられる。

そこで情報変換部２０２は冷蔵庫１００が設置された建屋内部の温度を示す情報を居住地域推定用入力情報として生成する。なお、情報変換部２０２は、気象庁のサーバから各地の気温情報を取得し、取得した各地の気温情報と周囲温度センサ６７の検出結果との比較結果を居住地域推定用入力情報としてもよい。

また、「外部電源の周波数に関する情報」は、冷蔵庫１００が接続された外部電源の交流周波数が５０Ｈｚであるか６０Ｈｚであるかを示す情報などである。この情報は、例えば、データＤに含まれる電源検出部６９の検出結果に基づき導出される。ここで、東日本での商用電源の周波数は５０Ｈｚであり、西日本での商用電源の周波数は６０Ｈｚである。

次に、学習部２０３について説明する。学習部２０３は、上述した各種入力情報を機械学習の学習モデルＬに適用することにより、ユーザＵの属性を推定するための推定モデルＭを学習済みモデルとして生成する。推定モデルＭは、冷蔵庫１００に関する情報が入力されると、冷蔵庫１００のユーザＵの属性の推定結果を出力するように学習される。

本実施形態では、学習部２０３は、ユーザＵの属性を推定するための推定モデルＭとして、使用人数に関する属性を推定する推定モデルＭＡ、に関する属性を推定する推定モデルＭＢ、年齢に関する属性を推定する推定モデルＭＣ、住居形態に関する属性を推定する推定モデルＭＤ、設置位置に関する属性を推定する推定モデルＭＥ、就業形態に関する属性を推定する推定モデルＭＦ、婚姻の有無に関する属性を推定する推定モデルＭＧ、居住地域に関する属性を推定する推定モデルＭＨを生成する。

なお、本明細書で「学習」とは、教師なし学習または教師あり学習のいずれを意味してもよい。以下では、主に推定モデルＭが教師あり学習によって生成される場合について説明するが、推定モデルＭは教師なし学習によって生成されてもよい。例えば、学習鵜２０３は、情報変換部２０２によって生成された各種推定用入力情報とユーザ登録情報Ｉ１２とを教師データとして学習モデルＬに適用して各種推定用入力情報とユーザ登録情報Ｉ１２との関係性を学習することにより、学習済みモデルとして推定モデルＭＡ～ＭＨを生成する。学習モデルＬには、例えばニューラルネットワーク、強化学習、ディープラーニングなどを用いることができるが、学習モデルＬはこれらに限定されない。学習モデルＬは、回帰曲線や分類器を上記関係性の学習結果として生成するものであってもよい。例えば、ニューラルネットワーク以外の学習モデルＬとしてＳＶＭ（Support Vector Machine）や決定木（Decision Tree）、ランダムフォレスト、ｋ近傍法などが用いられてもよい。

図１０は、ユーザ登録情報Ｉ１２の具体例を示す図である。ユーザ登録情報Ｉ１２には、各ユーザＵの識別情報（ユーザＩＤ）ごとに、ユーザが所有する冷蔵庫１００の使用人数、設置位置、ユーザＵの性別、年齢、就業形態、婚姻の有無、居住地域、ユーザが居住する住居の形態（住居形態）などが挙げられる。ただし、推定するユーザＵの属性は、ユーザＵに関して蓄積情報Ｉ１１に基づいて推定することのできる事項であれば、上記列挙した事項以外の事項であってもよい。学習部２０３は、このようなユーザＵの各属性と、それらに相関性を有する各種推定用入力情報とが対応づけられたデータを教師データとする機械学習を行うことにより、ユーザＵの各属性と各種推定用入力情報との関係性を学習することができる。

なお、ユーザＵの各属性と各種推定用入力情報との対応づけは手動で実施されてもよいし、機械的に実施されてもよい。例えば、学習鵜２０３は、各種推定用入力情報について各属性との相関性の強さを求め、各種推定用入力情報を最も相関性の強い属性と対応付けることによって教師データを生成してもよい。

推定部２０４は、学習部２０３により得られた推定モデルＭを用いて、ユーザ属性の判定対象の冷蔵庫１００（以下「判定対象冷蔵庫１００」と称する）から受信したデータＤに基づき、判定対象冷蔵庫１００のユーザＵのユーザ属性を推定する。ここで「推定」とは、最も確からしい１つの属性候補を判定することに限定されず、複数の属性候補のそれぞれの確率（例えば、使用人数が１人である可能性：１０％、使用人数が２人である可能性：２０％、使用人数が３人である可能性：５０％、使用人数が４人以上である可能性：２０％）などを出力する場合も含む。

推定部２０４は、判定対象冷蔵庫１００から得られたデータＤに基づく各種推定用入力情報を推定モデルＭに入力し、推定モデルＭの出力情報として判定対象冷蔵庫１００のユーザＵのユーザ属性の推定結果を得る。本実施形態では、推定部２０４は、判定対象冷蔵庫１００から得られたデータＤに基づく入力情報として、上述した使用人数推定用入力情報、性別推定用入力情報、年齢推定用入力情報、住居形態推定用入力情報、設置位置推定用入力情報、就業形態推定用入力情報、婚姻推定用入力情報、居住地域推定用入力情報をそれぞれ対応する推定モデルＭＡ～ＭＨに入力し、推定モデルＭＡ～ＭＨの出力情報として、（ａ）冷蔵庫１００の使用人数、（ｂ）性別、（ｃ）年齢、（ｄ）住居形態、（ｅ）設置位置、（ｆ）就業形態、（ｇ）婚姻の有無、（ｈ）居住地域の推定結果を出力させる。

情報記録部２０５は、推定部２０４によって推定されたユーザ属性を、ユーザ属性情報Ｉ１３として記憶部２０７に記憶させる。

情報出力部２０６は、上述した処理によって得られたユーザ属性情報Ｉ１３を、端末装置３００に送信する。これにより、ユーザ属性情報Ｉ１３は、製品開発やサービス提供に利用可能になる。

＜４．処理の流れ＞
次に、処理の流れについて説明する。
図１１は、冷蔵庫１００における処理の流れを示す図である。まず、制御部８０は、冷蔵庫１００の電源がＯＮにされたか否かを判定する（Ｓ１０１）。冷蔵庫１００の電源がＯＦＦである場合、制御部８０は、冷蔵庫１００の電源がＯＮにされるまで待機する。

一方で、冷蔵庫１００の電源がＯＮにされた場合（Ｓ１０１：ＹＥＳ）、制御部８０は、センサ群ＳＵで検出された検出結果を、所定の周期またはリアルタイムで、サーバ２００に送信する（Ｓ１０２）。

次に、制御部８０は、冷蔵庫１００の電源がＯＦＦにされたか否かを判定する（Ｓ１０３）。冷蔵庫１００の電源がＯＮである場合（Ｓ１０３：ＮＯ）、制御部８０は、Ｓ１０２の処理を繰り返す。一方で、冷蔵庫１００の電源がＯＦＦにされた場合（Ｓ１０３：ＹＥＳ）、制御部８０は、一連の処理を終了する。そして、冷蔵庫１００は、例えば、所定期間に亘り上述した処理（Ｓ１０１～Ｓ１０３）を繰り返す。

図１２は、サーバ２００における処理の流れを示す図である。前提として、冷蔵庫１００からサーバ２００に送信されたデータＤは、情報取得部２０１によって取得され、蓄積情報Ｉ１１として蓄積されている。

まず、情報変換部２０２は、蓄積情報Ｉ１１に基づき、上述した各種推定用入力情報を生成する（Ｓ２０１）。次に、推定部２０４は、生成した各種推定用入力情報を推定モデルＭＡ～ＭＨにそれぞれ入力することで、出力情報としてユーザＵの属性に関する推定結果を得る（Ｓ２０２）。次に、情報出力部２０６は、推定部２０４により推定されたユーザＵの属性に関する推定結果を示す情報を端末装置３００に出力させる。

＜５．作用＞
比較例として、アンケートやウェブ上で性別、年齢、使用人数や、居住地域などの情報を入力してもらうことで、ユーザＵの属性情報を収集することが考えられる。しかしながらこれらの場合、入力が手間でユーザが情報を入力してくれないことがあり、またユーザが入力してくれる情報が実態と合わない場合もある。また、詳細な使用状況をアンケート形式でユーザに確認することも難しい。

一方で、本実施形態では、情報処理システム１は、冷蔵庫１００から送信されたデータＤを取得する情報取得部２０１と、機械学習された推定モデルＭを用いて、情報取得部２０１により取得されたデータＤから得られる各種推定用入力情報に基づき冷蔵庫１００のユーザＵの属性を推定する推定部２０４とを含む。このような構成によれば、ユーザＵによる入力がなくても、ユーザＵの冷蔵庫１００の使用結果に基づきユーザＵの属性を推定することができる。これにより、ユーザＵの属性情報の収集負担の低減を図ることができる。

なお、サーバ２００は、ネットワークを介して通信可能に接続された複数台の情報処理装置を用いて実装されてもよい。この場合、サーバ２００が備える各機能部は、複数の情報処理装置に分散して実装されてもよい。例えば、学習鵜２０３と推定部２０４とはそれぞれ異なる情報処理装置に実装されてもよい。

以上説明した少なくともひとつの実施形態によれば、冷蔵庫の状態に関するデータを取得する取得部と、機械学習により生成された学習済みモデルを用いて、前記取得部により取得された前記データに基づき前記冷蔵庫のユーザの属性を推定する推定部と、を持つことにより、ユーザの設定行為によらずに、冷蔵庫を使用するユーザの属性を推定することができる。

本発明のいくつかの実施形態を説明したが、これらの実施形態は、例として提示したものであり、発明の範囲を限定することは意図していない。これら実施形態は、その他の様々な形態で実施されることが可能であり、発明の要旨を逸脱しない範囲で、種々の省略、置き換え、変更を行うことができる。これら実施形態やその変形は、発明の範囲や要旨に含まれると同様に、特許請求の範囲に記載された発明とその均等の範囲に含まれるものである。

１…情報処理システム、１００…冷蔵庫、１０…冷蔵室、１１…冷蔵室扉、１２…冷蔵室扉スイッチ、１３…冷蔵冷却器、１４…冷蔵冷却ファン、１５…冷蔵冷却室、２０…野菜室、２１…野菜室扉、２２…野菜室扉スイッチ、３０…冷凍室、３１…冷凍室扉、３２…冷凍室扉スイッチ、３３…冷凍冷却器、３４…冷凍冷却ファン、３５…冷凍冷却室、４０…製氷室、４１…製氷室扉、４２…製氷室扉スイッチ、５１…コンプレッサ、５２…冷媒切替弁、５３…ダンパ、５３１…冷蔵冷却ダンパ、５３２…冷凍冷却ダンパ、５３３…連通部、５４…製氷皿モータ、５５…給水モータ、６１…冷蔵室温度センサ、６２…野菜室温度センサ、６３…冷凍室温度センサ、６４…製氷室温度センサ、６５…庫内カメラ、６６…人感センサ、６７…周囲温度センサ、６８…周囲湿度センサ、６９…電源検出部、７０…無線モジュール、８０…制御部、８１…冷凍サイクル制御部、８２…記憶部、８３…情報記録部、８４…情報出力部、２００…サーバ、２０１…情報取得部、２０２…情報返還部、２０２…情報変換部、２０３…学習鵜、２０３…学習部、２０４…推定部、２０５…情報記録部、２０６…情報出力部、２０７…記憶部、３００…端末装置、３００ａ…表示装置。

Claims (7)

1. 冷蔵庫の状態に関するデータを取得する取得部と、
   機械学習により生成された学習済みモデルを用いて、前記取得部により取得された前記データに基づき前記冷蔵庫のユーザの属性を推定する推定部と、
   を備え、
   前記データは、前記冷蔵庫の機種、扉の種類、扉の開閉回数、扉の開閉時刻、扉の開閉時間、庫内温度、コンプレッサの動作、冷却ファンの動作、製氷機の動作または急速冷凍動作に関する情報を含み、
   前記推定部は、前記ユーザの属性として、前記冷蔵庫の使用人数に関する属性を推定する、
   情報処理システム。
2. 冷蔵庫の状態に関するデータを取得する取得部と、
   機械学習により生成された学習済みモデルを用いて、前記取得部により取得された前記データに基づき前記冷蔵庫のユーザの属性を推定する推定部と、
   を備え、
   前記データは、前記冷蔵庫に格納された食材を示す情報を含み、
   前記推定部は、前記ユーザの属性として、前記ユーザの性別または婚姻の有無に関する属性を推定する、
   情報処理システム。
3. 冷蔵庫の状態に関するデータを取得する取得部と、
   機械学習により生成された学習済みモデルを用いて、前記取得部により取得された前記データに基づき前記冷蔵庫のユーザの属性を推定する推定部と、
   を備え、
   前記データは、前記冷蔵庫の扉の開閉時刻または庫内温度に関する情報を含み、
   前記推定部は、前記ユーザの属性として、前記ユーザの年齢に関する属性を推定する、
   情報処理システム。
4. 冷蔵庫の状態に関するデータを取得する取得部と、
   機械学習により生成された学習済みモデルを用いて、前記取得部により取得された前記データに基づき前記冷蔵庫のユーザの属性を推定する推定部と、
   を備え、
   前記データは、前記冷蔵庫が設置された建屋内部の温度または湿度に関する情報を含み、
   前記推定部は、前記ユーザの属性として、前記ユーザの住居形態に関する属性を推定する、
   情報処理システム。
5. 冷蔵庫の状態に関するデータを取得する取得部と、
   機械学習により生成された学習済みモデルを用いて、前記取得部により取得された前記データに基づき前記冷蔵庫のユーザの属性を推定する推定部と、
   を備え、
   前記データは、前記冷蔵庫が設置された建屋内部の温度または湿度に関する情報を含み、
   前記推定部は、前記ユーザの属性として、前記冷蔵庫の設置位置に関する属性を推定する、
   情報処理システム。
6. 冷蔵庫の状態に関するデータを取得する取得部と、
   機械学習により生成された学習済みモデルを用いて、前記取得部により取得された前記データに基づき前記冷蔵庫のユーザの属性を推定する推定部と、
   を備え、
   前記データは、前記冷蔵庫の扉の開閉回数、扉の開閉時刻、扉の開閉時間、庫内温度、コンプレッサの動作、ファンの動作、製氷機の動作、急速冷凍動作に関する情報を含み、
   前記推定部は、前記ユーザの属性として、前記ユーザの就業形態に関する属性を推定する、
   情報処理システム。
7. 冷蔵庫の状態に関するデータを取得する取得部と、
   機械学習により生成された学習済みモデルを用いて、前記取得部により取得された前記データに基づき前記冷蔵庫のユーザの属性を推定する推定部と、
   を備え、
   前記データは、前記冷蔵庫が設置された建屋内部の温度または湿度に関する情報を含み、
   前記推定部は、前記ユーザの属性として、前記ユーザの居住地域に関する属性を推定する、
   情報処理システム。

Images