JPWO2019116658A1 - 情報処理装置、情報処理方法、およびプログラム - Google Patents

Abstract

【課題】評価者の信頼度を推定して評価値の正確性を向上させることが可能な情報処理装置、情報処理方法、およびプログラムを提供する。【解決手段】評価者の評価対象者に対する評価情報と、前記評価対象者のセンシングデータとを取得する処理と、前記評価者の前記評価対象者に対する前記評価情報と、前記評価対象者のセンシングデータとに基づいて、前記評価者による評価の信頼度を推定する処理とを行う制御部を備える、情報処理装置。【選択図】図５

Description

本開示は、情報処理装置、情報処理方法、およびプログラムに関する。

従来から、他人から見た自分自身の評価は自分自身を客観的に把握する重要な材料となるものであった。また、各人物に対する他人からの客観的な評価は、職場での人事評価や仕事のアサイン、ＳＮＳ（Social Networking Service）で繋がる人物やインターネット上で商取引を行う際の相手を判断する際にも重要な材料となっていた。

人物や店舗等の実体の評価に関し、例えば下記特許文献１には、算出された評判又は影響度のスコアを用いてエンティティのランキングを生成する技術が開示されている。

特開２０１５−５７７１８号公報

しかしながら、評価者による評価能力には個人差があり、全ての評価をそのまま利用すると正確な評価値が得られない場合がある。

そこで、本開示では、評価者の信頼度を推定して評価値の正確性を向上させることが可能な情報処理装置、情報処理方法、およびプログラムを提案する。

本開示によれば、評価者の評価対象者に対する評価情報と、前記評価対象者のセンシングデータとを取得する処理と、前記評価者の前記評価対象者に対する前記評価情報と、前記評価対象者のセンシングデータとに基づいて、前記評価者による評価の信頼度を推定する処理とを行う制御部を備える、情報処理装置を提案する。

本開示によれば、プロセッサが、評価者の評価対象者に対する評価情報と、前記評価対象者のセンシングデータとを取得することと、前記評価者の前記評価対象者に対する前記評価情報と、前記評価対象者のセンシングデータとに基づいて、前記評価者による評価の信頼度を推定することとを含む、情報処理方法を提案する。

本開示によれば、コンピータを、評価者の評価対象者に対する評価情報と、前記評価対象者のセンシングデータとを取得する処理と、前記評価者の前記評価対象者に対する前記評価情報と、前記評価対象者のセンシングデータとに基づいて、前記評価者による評価の信頼度を推定する処理とを行う制御部として機能させるための、プログラムを提案する。

以上説明したように本開示によれば、評価者の信頼度を推定して評価値の正確性を向上させることが可能となる。

なお、上記の効果は必ずしも限定的なものではなく、上記の効果とともに、または上記の効果に代えて、本明細書に示されたいずれかの効果、または本明細書から把握され得る他の効果が奏されてもよい。

本開示の一実施形態の全体的な構成の例を示すブロック図である。 本開示の一実施形態の全体的な構成の別の例を示すブロック図である。 本開示の一実施形態の全体的な構成の別の例を示すブロック図である。 本開示の一実施形態の全体的な構成の別の例を示すブロック図である。 本開示の一実施形態に係る処理部の機能構成例を示すブロック図である。 本開示の一実施形態に係る評価入力画面の一例を示す図である。 本開示の一実施形態に係る評価者のセンシングデータからの評価情報の取得の一例について説明する図である。 本開示の一実施形態に係る評価の伝搬に基づく評価値の算出の一例について説明する図である。 本開示の一実施形態に係る分析結果の表示画面の一例を示す図である。 本開示の一実施形態に係る情報処理システムの全体の処理の流れを示すフローチャートである。 本開示の一実施形態において、評価者のセンシングデータからの評価情報の取得処理の一例を示すフローチャートである。 本開示の一実施形態において、評価対象者のセンシングデータからの評価情報の取得処理の一例を示すフローチャートである。 本開示の一実施形態において、ユーザ間の評価の伝搬に基づいて評価値を算出する第１の分析処理の一例を示すフローチャートである。 本開示の一実施形態において、評価者の信頼度を参照して評価値を算出すると共に信頼度の更新を行う第２の分析処理の一例を示すフローチャートである。 本開示の一実施形態において、評価対象者のセンシングデータに基づいて評価者の信頼度を推定する処理の一例を示すフローチャートである。 本開示の一実施形態において、相対評価に基づいて評価値を算出する第３の分析処理の一例を示すフローチャートである。 本開示の一実施形態において、分析した評価値の統合処理の一例を示すフローチャートである。 本実施形態の応用例に係る評価学習および自動評価を行う処理部の機能構成例を示すブロック図である。 本実施形態の応用例に係る自動評価の具体例について説明する図である。 本実施形態の応用例に係る因果分析を行う処理部の機能構成例を示すブロック図である。 本実施形態の応用例で用いる因果分析技術について説明する図である。 本実施形態の応用例において、因果分析の処理の流れを示すフローチャートである。 本実施形態の応用例に係る因果分析に用いるデータに関し、連続値変数の離散化処理の流れを示すフローチャートである。 本実施形態の応用例に係るセンシングデータと評価情報の因果分析例を示す図である。 本実施形態の応用例において、因果分析結果の提示処理の流れを示すフローチャートである。 本実施形態の応用例に係る分析結果の表示画面の一例を示す図である。 本実施形態の応用例において、評価の時系列因果分析を行う処理部の機能構成例を示すブロック図である。 本実施形態の応用例に係る評価時系列分析の結果を示す表示画面の一例を示す図である。 本実施形態の応用例に係る信頼度自動推定を行う処理部の機能構成例を示すブロック図である。 本開示の実施形態に係るシステム構成の第１の例を示すブロック図である。 本開示の実施形態に係るシステム構成の第２の例を示すブロック図である。 本開示の実施形態に係るシステム構成の第３の例を示すブロック図である。 本開示の実施形態に係るシステム構成の第４の例を示すブロック図である。 本開示の実施形態に係るシステム構成の第５の例を示すブロック図である。 本開示の実施形態に係るシステム構成のより具体的な例の一つとして、クライアント−サーバシステムを示す図である。 本開示の実施形態に係るシステム構成の他の具体的な例の一つとして、分散型システムを示す図である。 本開示の実施形態に係るシステム構成の第６の例を示すブロック図である。 本開示の実施形態に係るシステム構成の第７の例を示すブロック図である。 本開示の実施形態に係るシステム構成の第８の例を示すブロック図である。 本開示の実施形態に係るシステム構成の第９の例を示すブロック図である。 本開示の実施形態に係るシステム構成のより具体的な例の一つとして、中間サーバを含むシステムの例を示す図である。 本開示の実施形態に係るシステム構成のより具体的な例の一つとして、ホストとして機能する端末装置を含むシステムの例を示す図である。 本開示の実施形態に係るシステム構成のより具体的な例の一つとして、エッジサーバを含むシステムの例を示す図である。 本開示の実施形態に係るシステム構成のより具体的な例の一つとして、フォグコンピューティングを含むシステムの例を示す図である。 本開示の実施形態に係るシステム構成の第１０の例を示すブロック図である。 本開示の実施形態に係るシステム構成の第１１の例を示すブロック図である。 本開示の実施形態に係る情報処理装置のハードウェア構成例を示すブロック図である。

以下に添付図面を参照しながら、本開示の好適な実施の形態について詳細に説明する。なお、本明細書及び図面において、実質的に同一の機能構成を有する構成要素については、同一の符号を付することにより重複説明を省略する。

また、説明は以下の順序で行うものとする。
１．全体的な構成
１−１．入力部
１−２．処理部
１−３．出力部
２．処理部の機能構成
２−１．全体的な機能構成
３．処理フロー
３−１．全体の処理の流れ
３−２．評価情報の取得
３−３．評価情報の分析
（３−３−１．第１の分析処理）
（３−３−２．第２の分析処理）
（３−３−３．第３の分析処理）
（３−３−４．評価値（分析結果）の統合処理）
４．応用例
４−１．自動評価
４−２．因果分析
４−３．時系列分析
４−４．信頼度自動推定
５．システム構成
６．ハードウェア構成
７．補足

（１．全体的な構成）
図１は、本開示の一実施形態の全体的な構成の例を示すブロック図である。図１を参照すると、システム１０は、入力部１００と、処理部２００と、出力部３００とを含む。入力部１００、処理部２００、および出力部３００は、後述するシステム１０の構成例に示されるように、１または複数の情報処理装置によって実現される。

（１−１．入力部）
入力部１００は、例えば、操作入力装置、センサ、または外部サービスから情報を取得するソフトウェアなどを含み、ユーザ、周辺環境、または他のサービスから、さまざまな情報の入力を受け付ける。

操作入力装置は、例えば、ハードウェアボタン、キーボード、マウス、タッチパネル、タッチセンサ、近接センサ、加速度センサ、角速度センサ、温度センサなどを含み、ユーザによる操作入力を受け付ける。また、操作入力装置は、ユーザのジェスチャまたは音声によって表現される操作入力を受け付ける、カメラ（撮像素子）またはマイクロフォンなどを含んでもよい。

なお、入力部１００には、操作入力装置によって取得される信号またはデータを操作コマンドに変換するプロセッサまたは処理回路が含まれてもよい。あるいは、入力部１００は、操作入力装置が取得した信号またはデータを、操作コマンドに変換することなくインターフェース１５０に出力してもよい。その場合、操作入力装置が取得した信号またはデータは、例えば処理部２００で操作コマンドに変換される。

センサは、加速度センサ、角速度センサ、地磁気センサ、照度センサ、温度センサ、または気圧センサなどを含み、装置にかかる加速度や角速度、方位、照度、温度、気圧などを検出する。上記の各種センサは、例えばセンサを含む装置がユーザによって携帯または装着されている場合に、各種情報をユーザに関する情報、例えばユーザの運動や向きなどを示す情報として検出することができる。また、センサは、他にも、脈拍、発汗、脳波、触覚、嗅覚、味覚など、ユーザの生体情報を検出するセンサを含んでもよい。入力部１００には、これらのセンサによって検出された情報、および／または後述するカメラやマイクによって検出された画像または音声のデータを解析することによってユーザの感情を示す情報を取得する処理回路が含まれてもよい。あるいは、上記の情報および／またはデータは解析を経ずにインターフェース１５０に出力され、例えば処理部２００において解析が実行されてもよい。

さらに、センサは、カメラ、マイク、上述した各種センサなどにより、ユーザまたは装置の近傍の画像または音声をデータとして取得してもよい。また、センサは、屋内または屋外の位置を検出する位置検出手段を含んでもよい。位置検出手段は、具体的には、GNSS（Global Navigation Satellite System）受信機、例えばＧＰＳ（Global Positioning System）受信機、GLONASS（Global Navigation Satellite
System）受信機、BDS（BeiDou Navigation Satellite System）受信機および／または通信装置などを含みうる。通信装置は、例えばＷｉ−ｆｉ（登録商標）、ＭＩＭＯ（Multi-Input Multi-Output）、セルラー通信（例えば携帯基地局を使った位置検出、フェムトセル）、または近距離無線通信（例えばＢＬＥ（Bluetooth Low Energy）、Ｂｌｕｅｔｏｏｔｈ（登録商標））、LPWA（Low Power Wide Area）などの技術を利用して位置を検出する。

上記のようなセンサがユーザの位置や状況（生体情報を含む）を検出する場合、センサを含む装置は、例えばユーザによって携帯または装着されている。あるいは、センサを含む装置がユーザの生活環境に設置されているような場合にも、ユーザの位置や状況（生体情報を含む）を検出することが可能でありうる。例えば、室内などに固定して設置されたカメラによって取得されたユーザの顔を含む画像を解析することによって、ユーザの脈拍を検出することができる。

なお、入力部１００には、センサによって取得される信号またはデータを所定の形式に変換する（例えば、アナログ信号をデジタル信号に変換したり、画像または音声のデータをエンコードしたりする）プロセッサまたは処理回路が含まれてもよい。あるいは、入力部１００は、取得された信号またはデータを、所定の形式に変換することなくインターフェース１５０に出力してもよい。その場合、センサが取得した信号またはデータは、処理部２００で操作コマンドに変換される。

外部サービスから情報を取得するソフトウェアは、例えば、外部サービスのＡＰＩ（Application Program Interface）を利用して、外部サービスによって提供される各種の情報を取得する。ソフトウェアは、例えば外部サービスのサーバから情報を取得してもよいし、クライアント装置で実行されているサービスのアプリケーションソフトウェアから情報を取得してもよい。ソフトウェアによって、例えば、ユーザまたは他のユーザがソーシャルメディアなどの外部サービスに投稿したテキストや画像などの情報が取得されうる。取得される情報は、必ずしもユーザまたは他のユーザによって意図的に投稿されたものでなくてもよく、例えばユーザまたは他のユーザが実行した操作のログなどであってもよい。また、取得される情報は、ユーザまたは他のユーザの個人的な情報には限らず、例えばニュース、天気予報、交通情報、ＰＯＩ（Point Of Interest）、または広告などのように、不特定多数のユーザに向けて配信される情報であってもよい。

また、外部サービスから取得される情報には、上述した各種センサによって取得された情報、例えば加速度、角速度、方位、高度、照度、温度、気圧、脈拍、発汗、脳波、触覚、嗅覚、味覚、その他の生体情報、感情、位置情報などが、外部サービスと連携する他のシステムに含まれるセンサによって検出され、外部サービスに投稿されることによって生成された情報が含まれてもよい。

インターフェース１５０は、入力部１００と処理部２００との間のインターフェースである。例えば、入力部１００と処理部２００とが別個の装置で実現される場合、インターフェース１５０は、有線または無線の通信インターフェースを含みうる。また、インターネットが入力部１００と処理部２００の間に介在することもありうる。より具体的には、有線または無線の通信インターフェースは、３Ｇ／ＬＴＥ／５Ｇなどのセルラー通信、Ｗｉ−Ｆｉ（登録商標）などの無線ＬＡＮ（Local Area Network）通信、Ｂｌｕｅｔｏｏｔｈ（登録商標）などの無線ＰＡＮ（Personal Area Network）通信、ＮＦＣ（Near Field Communication）、イーサネット（登録商標）、ＨＤＭＩ（登録商標）（High-Definition Multimedia Interface）、ＵＳＢ（Universal Serial Bus）などを含みうる。また、入力部１００と処理部２００の少なくとも一部とが同一の装置で実現される場合、インターフェース１５０は、装置内のバスや、プログラムモジュール内でのデータ参照などを含みうる（以下、これらを装置内のインターフェースともいう）。また、入力部１００が複数の装置に分散して実現される場合、インターフェース１５０は、それぞれの装置のための異なる種類のインターフェースを含みうる。例えば、インターフェース１５０は、通信インターフェースと装置内のインターフェースとの両方を含んでもよい。

（１−２．処理部）
処理部２００は、入力部１００によって取得された情報に基づいてさまざまな処理を実行する。より具体的には、例えば、処理部２００は、ＣＰＵ（Central Processing Unit）、GPU(Graphics processing unit)、ＤＳＰ（Digital Signal Processor）、ＡＳＩＣ（Application Specific Integrated Circuit）、またはＦＰＧＡ（Field-Programmable Gate Array）などのプロセッサまたは処理回路を含む。また、処理部２００は、プロセッサまたは処理回路において実行されるプログラム、および処理において読み書きされるデータを一時的または永続的に格納するメモリまたはストレージ装置を含んでもよい。

なお、処理部２００は、単一の装置内の単一のプロセッサまたは処理回路によって実現されてもよいし、複数の装置、または同一の装置内の複数のプロセッサもしくは処理回路に分散して実現されてもよい。処理部２００が分散して実現される場合、図２および図３に示す例のように、処理部２００の分割された部分の間にはインターフェース２５０が介在する。インターフェース２５０は、上記のインターフェース１５０と同様に、通信インターフェース、または装置内のインターフェースを含みうる。なお、後述する処理部２００の詳細な説明では、処理部２００を構成する個々の機能ブロックを例示するが、インターフェース２５０は、任意の機能ブロックの間に介在しうる。つまり、処理部２００が複数の装置、または複数のプロセッサもしくは処理回路に分散して実現される場合、機能ブロックをどのように各装置、各プロセッサまたは各処理回路に振り分けるかは、別途の記載がない限り任意である。

このような処理部２００により行われる処理の一例として、例えば機械学習が挙げられる。図４に、処理部２００の機能ブロック図の一例を示す。図４に示すように、処理部２００は、学習部２１０および識別部２２０を備える。学習部２１０は、入力された情報（学習データ）に基づいて機械学習を行い、学習結果を出力する。また、識別部２２０は、入力された情報と学習結果に基づいて、当該入力された情報の識別（判断や予測等）を行う。

学習部２１０における学習手法には、例えばニューラルネットワークやディープラーニングが用いられる。ニューラルネットワークとは、人間の脳神経回路を模倣したモデルであって、入力層、中間層（隠れ層）、出力層の３種類の層から成る。また、ディープラーニングとは、多層構造のニューラルネットワークを用いたモデルであって、各層で特徴的な学習を繰り返し、大量データの中に潜んでいる複雑なパターンを学習することができる。ディープラーニングは、例えば画像内のオブジェクトや音声内の単語を識別する用途として用いられる。

また、このような機械学習を実現するハードウェア構造としては、ニューラルネットワークの概念を組み込まれたニューロチップ／ニューロモーフィック・チップが用いられ得る。

また、機械学習の問題設定には、教師あり学習、教師なし学習、半教師学習、強化学習、逆強化学習、能動学習、転移学習等がある。例えば教師あり学習は、与えられたラベル付きの学習データ（教師データ）に基づいて特徴量を学習する。これにより、未知のデータのラベルを導くことが可能となる。

また、教師なし学習は、ラベルが付いていない学習データを大量に分析して特徴量を抽出し、抽出した特徴量に基づいてクラスタリングを行う。これにより、膨大な未知のデータに基づいて傾向の分析や未来予測を行うことが可能となる。

また、半教師学習は、教師あり学習と教師なし学習を混在させたものであって、教師あり学習で特徴量を学ばせた後、教師なし学習で膨大な訓練データを与え、自動的に特徴量を算出させながら繰り返し学習を行う方法である。

また、強化学習は、ある環境内におけるエージェントが現在の状態を観測して取るべき行動を決定する問題を扱うものである。エージェントは、行動を選択することで環境から報酬を習得し、一連の行動を通じて報酬が最も多く得られるような方策を学習する。このように、ある環境における最適解を学習することで、人間の判断力を再現し、また、人間を超える判断力をコンピュータに習得させることが可能となる。

以上説明したような機械学習によって、処理部２００は、仮想的なセンシングデータを生成することも可能である。例えば、処理部２００は、入力された画像情報から位置情報を生成するなど、あるセンシングデータから別のセンシングデータを予測して入力情報として使用することが可能である。また、処理部２００は、複数のセンシングデータから別のセンシングデータを生成することも可能である。また、処理部２００は、必要な情報を予測し、センシングデータから所定の情報を生成することも可能である。

（１−３．出力部）
出力部３００は、処理部２００から提供された情報を、ユーザ（入力部１００のユーザと同じユーザであってもよいし、異なるユーザであってもよい）、外部装置、または他のサービスに出力する。例えば、出力部３００は、出力装置、制御装置、または外部サービスに情報を提供するソフトウェアなどを含みうる。

出力装置は、処理部２００から提供された情報を、ユーザ（入力部１００のユーザと同じユーザであってもよいし、異なるユーザであってもよい）の視覚や聴覚、触覚、嗅覚、味覚などの感覚によって知覚される形式で出力する。例えば、出力装置はディスプレイであり、情報を画像によって出力する。なお、ディスプレイは、ＬＣＤ（Liquid Crystal Display）や有機ＥＬ（Electro-Luminescence）ディスプレイなどの反射型または自発光型のディスプレイには限らず、ウェアラブル装置などで用いられるような、ユーザの眼に画像表示光を導光する導光部材と光源との組み合わせをも含む。また、出力装置はスピーカを含み、情報を音声によって出力してもよい。その他にも、出力装置は、プロジェクタやバイブレータなどを含んでもよい。

制御装置は、処理部２００から提供された情報に基づいて装置を制御する。制御される装置は、出力部３００を実現する装置に含まれてもよいし、外部装置であってもよい。より具体的には、例えば、制御装置は制御コマンドを生成するプロセッサまたは処理回路を含む。外部装置が制御される場合、出力部３００は、さらに、制御コマンドを外部装置に送信する通信装置を含みうる。制御装置は、例えば、処理部２００から提供された情報を印刷物として出力するプリンタを制御する。制御装置は、処理部２００から提供された情報の、ストレージ装置またはリムーバブル記録媒体への書き込みを制御するドライバを含んでもよい。あるいは、制御装置は、処理部２００から提供された情報を出力または記録する装置以外の装置を制御してもよい。例えば、制御装置は、照明装置を制御して照明を点灯させたり、テレビを制御して画像を消したり、オーディオ装置を制御して音量を調節したり、ロボットを制御してその動き等を制御したりしてもよい。

また、制御装置は、入力部１００に含まれる入力装置を制御してもよい。すなわち、制御装置は、入力装置により所定の情報を取得するよう制御することができる。また、制御装置が入力装置と同一の装置で実現されてもよい。これにより、入力装置が、他の入力装置を制御することも可能となる。例えば、複数台のカメラ装置がある場合に、通常は省電力目的で一つだけ起動しているが、人物を認識した際には、起動している一つのカメラ装置が、接続する他のカメラ装置を起動するよう制御する。

外部サービスに情報を提供するソフトウェアは、例えば、外部サービスのＡＰＩを利用して、処理部２００から提供された情報を外部サービスに提供する。ソフトウェアは、例えば外部サービスのサーバに情報を提供してもよいし、クライアント装置で実行されているサービスのアプリケーションソフトウェアに情報を提供してもよい。提供される情報は、必ずしもすぐに外部サービスに反映されるものでなくてよく、例えばユーザが外部サービスに投稿または送信するための候補として提供されてもよい。より具体的には、例えば、ソフトウェアは、クライアント装置で実行されているブラウザソフトウェアにおいて、ユーザが入力する検索キーワードやＵＲＬ（Uniform Resource Locator）の候補として用いられるテキストを提供してもよい。また、例えば、ソフトウェアは、ユーザに代わって、ソーシャルメディアなどの外部サービスに、テキスト、画像、動画、音声などを投稿してもよい。

インターフェース３５０は、処理部２００と出力部３００との間のインターフェースである。例えば、処理部２００と出力部３００とが別個の装置で実現される場合、インターフェース３５０は、有線または無線の通信インターフェースを含みうる。また、処理部２００の少なくとも一部と出力部３００とが同一の装置で実現される場合、インターフェース３５０は、上述した装置内のインターフェースを含みうる。また、出力部３００が複数の装置に分散して実現される場合、インターフェース３５０は、それぞれの装置のための異なる種類のインターフェースを含みうる。例えば、インターフェース３５０は、通信インターフェースと装置内のインターフェースとの両方を含んでもよい。

（２．処理部の機能構成）
（２−１．全体的な機能構成）
図５は、本開示の一実施形態に係る処理部の機能構成例を示すブロック図である。図５を参照すると、処理部２００（制御部）は、評価部２０１と、評価分析部２０５と、分析結果出力部２１１とを含む。以下、それぞれの機能構成についてさらに説明する。

評価部２０１は、入力部１００からインターフェース１５０を介して、評価対象者の評価を示す各種の情報を取得する。より具体的には、例えば、評価部２０１は、入力部１００に含まれる操作入力装置から情報を取得する。操作入力装置から取得される情報は、例えば評価者が評価入力画面でマニュアル入力した評価情報である。マニュアル入力された評価情報は、評価対象者の所定のスキルについて所定の数値により評価を行う絶対評価と、他の評価対象者と比較して評価を行う相対評価とが含まれる。スキル（評価項目）は特に限定しないが、例えば、スポーツ（サッカー、野球、テニス等）、ゲーム、ファッション、料理、歌の上手さ、足の速さ、親切さ、優しさ等が想定される。また、入力される数値は、評価者が選択した、評価を示す星の数や言葉（「すごい／とてもすごい／超すごい」など）が変換されたものであってもよい。このような評価情報の入力を行い得る評価入力画面の一例を、図６に示す。図６に示すように、例えば評価入力画面３０では、評価対象者単位で、各スキルの評価の入力が星の数の選択により行われる。また、評価入力画面３１では、スキル単位で、各評価対象者の評価の入力が星の数の選択または言葉の選択により行われる。また、評価入力画面３２では、スキル単位で複数の評価対象者をそれぞれ比較して優れている方を選択する相対的な評価が行われる。

また、例えば、評価部２０１は、入力部１００に含まれるセンサから情報を取得する。センサから取得される情報は、例えば、評価者のセンシングデータである。近年のＩｏＴ（Internet of Things）の技術により、様々なデバイスがインターネットに接続され、日常的に大量のセンシングデータを取得することが可能となっている。これにより、マニュアル入力以外から評価者による評価を取得することができる。例えば、ユーザの電話の会話から、「○○さんはバスケが得意だよね」、「○○さんはとても優しいよね」、「○○さんは□□さんより料理が上手い」等、評価に関する情報を抽出し、評価情報として取得することができる。評価部２０１は、センシングデータとして、例えば音声、ＳＮＳ等への書き込み、メール内容等を取得して解析し、評価対象者（誰に対する評価か）および評価内容（スキル、強度）を特定し、評価情報を取得する。このようなセンシングデータからの評価情報の取得について図７に一例を示す。図７左に示すように、センシングデータとして、評価者が誰かと話している際の音声情報や、評価者がＳＮＳ等へ書き込んだ内容等を各種センサから取得すると、図７中央に示すように、音声認識やテキスト解析により、評価対象者および評価内容に相当する文字列を特定する。評価対象者および評価内容に相当する文字列の特定は、例えば機械学習により得た認識機を用いて行ってもよい。次いで、図７右に示すように、特定した文字列（評価対象者および評価内容）から、評価情報を取得する。例えば「太郎君って超面白いよね」といった文字列からは、評価対象者：太郎、スキル：話術、強度：とてもすごい、確実性：中が評価情報として取得される。「強度」とは、そのスキルの能力の高さを示す評価に相当する。評価部２０１は、例えば予め登録された辞書データを用いて、文字列の中から「強度」を示す言葉を抽出し、「すごい／とてもすごい／超すごい」のいずれの評価に該当するかを判断してもよい。例えば一例として、「超面白い」は、『とてもすごい』の評価に相当すると判断される。また、「確実性」とは、取得した評価の確からしさである。評価部２０１は、例えば断定した表現により評価されている場合（「絶対にすごく面白いよ！」等）は確実性が高く、断定しない表現により評価されている場合（「面白いような気がする、、、」等）は確実性が低いと判断する。

評価部２０１は、取得した評価情報を評価情報ＤＢ（データベース）２０３に蓄積する。

評価分析部２０５は、評価情報ＤＢ２０３に蓄積された評価情報を分析し、評価値の算出や、信頼度の推定を行い得る。

例えば、評価分析部２０５は、評価者および評価対象者を含む全ユーザ間で評価を伝搬させることで、より正確な評価値を算出する。すなわち、あるスキルの評価が高い人物による、そのスキルの評価は、そのスキルの評価が低い人物による評価よりも正確である（信頼できる）と言える。従って、あるスキルについて評価の高い評価者が他者に対して行った評価は、評価者自身の評価を上乗せして算出するようにしてもよい。ここで、図８を参照して、評価の伝搬に基づく評価値の算出の一例について説明する。

図８に示す例では、あるユーザが他のユーザに対して評価（星の数で表現）を行った際、評価した者自身の評価を加算して評価値とする。このような評価の加算を繰り返す（伝搬）することで、より評価の高い者が行った例えば星１個の評価が、評価の低い者が行った星１個の評価よりも高く算出され得る。具体的には、図８に示すユーザＡ（評価：星０個）が、ユーザＢに対して「すごい（評価：星１個）」の評価を行った場合、ユーザＢには、評価：星１個が付与される。次いで、ユーザＢ（評価：星１個）が、ユーザＣに対して「超すごい（評価：星３個）」の評価を行った場合、ユーザＣには、ユーザＢが行った評価にユーザＢ自身の評価を加算して、評価：星４個が付与される。また、ユーザＣ（評価：星４個）が、ユーザＤに対して「すごい（評価：星１個）」の評価を行った場合、ユーザＤには、ユーザＣが行った評価にユーザＣ自身の評価を加算して、評価：星５個が付与される。なおユーザＤに対しては、ユーザＥ（評価：星５個）からも「すごい（評価：星１個）」の評価が行われており、ユーザＥに基づく評価（評価：星６個）も付与される。これにより、ユーザＤの評価は、星１１個となる。このように、同じ「すごい（評価：星１個）」の評価を行った場合でも、評価を行ったユーザ自身の評価を加算することで、より正確な評価値を算出することが可能となる。

また、評価分析部２０５は、信頼度ＤＢ２０７に蓄積されている各評価者の信頼度を参照して重み付けを行った上で、各評価対象者の評価値を算出することも可能である。これにより、信頼度の高いユーザの評価ほど大きく評価値（分析結果）に反映させ、評価値の正確性を向上させることができる。

また、評価分析部２０５は、信頼度ＤＢ２０７に蓄積されている各評価者の信頼度を更新することも可能である。例えば、評価分析部２０５は、算出された評価対象者の評価値（多数の評価者による評価情報を分析して算出された評価値）と、評価者の評価情報とを比較し、一致度の高さに応じて当該評価者の信頼度を更新する。

また、評価分析部２０５は、信頼度の更新と、信頼度を参照した評価値の算出とを繰り返し交互に行うことで、より正確な評価値を算出することが可能である。

また、評価分析部２０５は、評価対象者のセンシングデータに基づいて、評価者の評価の信頼度を推定することも可能である。センサ情報ＤＢ２０８には、入力部１００から取得された各ユーザ（評価対象者および評価者を含む。同じ人物が評価者となることもあれば、評価対象者となることもある）の各種センシングデータが蓄積されている。ユーザの各種センシングデータは、例えば、ユーザの撮像画像、音声、位置情報、生体情報（発汗や脈拍等）、環境情報（気温や湿度等）、および動き等である。これらのセンシングデータは、例えばユーザが身に着けるウェアラブル端末（例えばＨＭＤ（Head Mounted Display）、スマートアイグラス、スマートウォッチ、スマートバンド、スマートイヤホン等）、評価対象者が所有するモバイル端末（スマートフォン、携帯電話端末、音楽プレーヤー、ゲーム機等）、ＰＣ（Personal Computer）、ユーザ周辺の環境センサ（カメラ、マイクロホン、加速度センサ等）、ユーザ周辺の様々な電子機器（テレビ、車載デバイス、デジタルカメラ、ＣＥ（Consumer Electronics）デバイス等）により取得され、入力部１００からセンサ情報ＤＢ２０８に蓄積される。近年のＩｏＴ（Internet of Things）の技術により、日常生活で利用する様々な物にセンサが設けられ、また、インターネットに接続され、大量の様々なセンシングデータを日常的に取得することが可能となっている。センサ情報ＤＢ２０８には、このように取得されたユーザのセンシングデータが蓄積されている。本実施形態では、このようなＩｏＴセンシング結果を利用することで、得られる評価値を精緻化することが出来る。また、センシングデータには、テストの点数や学校の成績、スポーツ大会の実績、また、個人の販売実績、売り上げ、目標達成率といった事項も含まれ得る。

このように日常的に蓄積される大量の様々なセンシングデータを用いて、評価分析部２０５は、評価者による評価の信頼度を推定する。具体的には、評価分析部２０５は、評価者による評価対象者に対する評価情報と、センサ情報ＤＢ２０８に蓄積された当該評価対象者のセンシングデータを比較し、評価者による評価の信頼度を推定する。評価の信頼度は、評価項目毎（評価項目とは、本明細書において、「スキル」、「分野」とも称す）に推定され、信頼度ＤＢ２０７に保存される。推定アルゴリズムについては特に限定しないが、例えば、評価分析部２０５は、評価者による評価対象者に対する評価情報と、対応するセンシングデータが一致するか否か、両者の一致度の高さ等に基づいて、信頼度を推定してもよい。具体例としては、例えばユーザＡが「Ｂさんは足が速い」と評価した場合に、ユーザＢの50ｍ走や100ｍ走の実際のタイム（センシングデータの一例）と比較し、ユーザＢの足が本当に速いのか否かを判断する。「足が速い」の判断は、年齢や性別に応じた全国平均が校内の順位等により判断してもよく、このような判断基準は予め設定される。また、信頼度の推定に用いるセンシングデータは、評価者による評価のタイミングと時期的に近いもの（例えば評価のタイミングの前後３カ月等）を優先的に用いるようにしてもよいし、評価項目に応じてどのようなセンシングデータを用いるか適宜判断してもよい。また、センシングデータをそのまま用いるのではなく、１以上のセンシングデータに対して何らかの処理を行って得た処理結果を用いるようにしてもよい。このように、実際のデータと評価とを比較して評価の信頼度を推定することで、不正な評価を把握することが可能となる。また、信頼度の低い（所定値より低い）評価者の評価情報は評価の分析に用いないようにすることで、不正な評価を排除し、より正確性な評価値を出力することが可能となる。

また、評価分析部２０５は、上述した各手法により算出した評価値を統合して総合的な評価値を算出してもよい。具体的には、評価分析部２０５は、総合的な評価値として、各評価対象者のスキル毎の偏差値を算出してもよい。

以上、評価分析部２０５による評価分析の一例について説明した。なお、評価値の算出に用いる評価情報は、図７を参照して説明したその評価の確実性をさらに掛けたものであってもよい。また、評価分析部２０５は、星の数や言葉等、様々な表現により行われた評価情報をそれぞれ正規化して評価値を算出する。この際、評価分析部２０５は、相対評価に関しては、全ての相対評価が出来るだけ整合するよう評価対象者をソートすることで、相対評価を絶対評価に換算することが可能である。評価分析部２０５は、このように算出（分析）した評価値を、分析結果として分析結果ＤＢ２０９に蓄積する。

分析結果出力部２１１は、分析結果ＤＢ２０９に蓄積された各評価対象者の分析結果（評価値）を出力する制御を行う。分析結果は、インターフェース３５０を介して出力部３００に提供され、出力部３００によって出力される。また、分析結果出力部２１１は、評価者の信頼度を示す情報を、評価入力画面等に表示してもよい。例えば、所定値を上回る信頼度の場合に評価者に「あなたはこの評価項目について見る目があります」といったコメントと共に提示することで、評価者の評価入力のモチベーションを高めることができる。

本実施形態では、各ユーザが個別に付けた評価そのままではなく、多数の評価者の総意としての分析結果のみを評価対象者に表示することで、評価を提示された側の納得感を高めると共に、評価者個人への攻撃を防止することが可能となる。また、各ユーザが個別に付けた評価がそのまま提示されることがないので、評価者側の心理的障壁を下げ、人の評価をエンターテイメント化することができる。また、他人から見た自分の評価が可視化されることで、自分を客観視することができる。また、様々な能力についての分析結果の評価値が、成績表や偏差値で生涯において可視化されるようにすることで、個人の成長を促進することが可能となる。また、各ユーザの評価の可視化により、仕事のアサインなどにおけるミスマッチを防止することができる。

分析結果出力部２１１は、分析結果を示す画面を生成し、生成した画面情報を出力してもよい。ここで、図９に、分析結果の表示画面の一例を示す。図９に示すように、例えば分析結果画面４０では、評価対象者単位で各スキルの評価値が例えば偏差値により提示されている。また、分析結果画面４１では、スキル単位で、各評価対象者の評価値が偏差値により提示されている。また、分析結果画面４２では、評価対象者のスキルの評価値の時系列が偏差値の時系列により提示されている。

より具体的には、例えば、分析結果出力部２１１によって生成された情報は、出力部３００に含まれるディスプレイ、またはスピーカなどの出力装置から、画像、または音声などによって出力されてもよい。また、分析結果出力部２１１によって生成された情報は、出力部３００に含まれる制御装置によって制御されたプリンタから印刷物として出力されたり、ストレージ装置またはリムーバブル記録媒体に電子データとして記録されたりしてもよい。あるいは、分析結果出力部２１１によって生成された情報は、出力部３００に含まれる制御装置よる装置の制御に利用されてもよい。また、分析結果出力部２１１によって生成された情報は、出力部３００に含まれる、外部サービスに情報を提供するソフトウェアを介して、外部サービスに提供されてもよい。

（３．処理フロー）
（３−１．全体の処理の流れ）
図１０は、本開示の一実施形態に係る情報処理システム（評価可視化システム）の全体の処理の流れを示すフローチャートである。図１０を参照すると、まず、評価部２０１が、評価情報を取得する（ステップＳ１００）。上記のように、評価部２０１は、入力部１００に含まれるセンサ、入力装置、またはソフトウェアなどの入力手段から評価情報を取得する。取得した評価情報は評価情報ＤＢ２０３に蓄積される。

次に、評価分析部２０５が、評価情報を分析する（ステップＳ３００）。上記のように、評価分析部２０５は、評価情報ＤＢ２０３に蓄積された多数の評価情報に基づいて、評価対象者のスキル毎の評価を分析し、評価値を出力する。この際、評価分析部２０５は、評価者の信頼度を推定、更新することも可能である。また、評価分析部２０５は、評価者の信頼度を参照してより正確な評価値を算出し得る。

次いで、分析結果出力部２１１が、分析結果を出力する（ステップＳ５００）。上記のように、分析結果出力部２１１は、各ユーザによる評価そのままではなく、全ユーザの評価情報を分析して得た評価値をユーザに提示する。

（３−２．評価情報の取得）
図１１は、評価者のセンシングデータからの評価情報の取得処理の一例を示すフローチャートである。図１１に示すように、まず、評価部２０１は、評価者のセンシングデータ（音声情報、画像情報、テキスト情報等）を取得すると（ステップＳ１０３）、センシングデータから、他のユーザの評価に関連する箇所の抽出、および評価対象者の特定を行う（ステップＳ１０６）。

次に、評価部２０１は、評価に関連する箇所を解析し、スキル（評価項目）、強度（評価）、および確実性を取得する（ステップＳ１０９）。

そして、評価部２０１は、取得した評価情報を、評価情報ＤＢ２０３に保存する（ステップＳ１１２）。

図１２は、評価対象者のセンシングデータからの評価情報の取得処理の一例を示すフローチャートである。図１２に示すように、まず、評価部２０１は、評価対象者のセンシングデータを取得すると（ステップＳ１１５）、センシングデータに基づいて、評価対象者のスキルを評価する（ステップＳ１１８）。例えば、評価部２０１は、センシングデータとしてスポーツテストの結果やスポーツ大会の成績が取得された場合、評価対象者の同性代の平均値や分散値と比較して、足が速い、持久力がある、サッカーが上手い等の評価情報を取得することが可能である。評価部２０１は、評価対象者の客観的な実測値であるセンシングデータが所定の条件を満たすか否か等に基づいて、スキル（能力）を判断することが可能となる。

そして、評価部２０１は、取得した評価情報を、評価情報ＤＢ２０３に保存する（ステップＳ１２１）。

（３−３．評価情報の分析）
続いて、図１３〜図１７を参照して本実施形態による評価情報の分析処理について具体的に説明する。

（３−３−１．第１の分析処理）
図１３は、ユーザ間の評価の伝搬に基づいて評価値を算出する第１の分析処理の一例を示すフローチャートである。

図１３に示すように、まず、評価分析部２０５は、評価軸ｋを１つ選択する（ステップＳ３０３）。評価軸ｋとは、上記「スキル」に相当する。

次に、評価分析部２０５は、選択した評価軸ｋに関する全ユーザ（全ての評価対象者）の評価情報を評価情報ＤＢ２０３から取得する（ステップＳ３０６）。

次いで、評価分析部２０５は、ユーザ間で評価を伝播させた場合の評価値を算出する（ステップＳ３０９）。例えば、評価分析部２０５は、上記図８を参照したように、評価を行った評価者自身の当該評価軸ｋの評価値を加算して評価対象者の評価値を算出する。かかるユーザ間の伝搬に基づく評価値算出の具体的なアルゴリズムは特に限定しないが、例えばページランクアルゴリズムを用いて算出することも可能である。

次に、評価分析部２０５は、算出した評価値を分析結果ＤＢ２０９に保存する（ステップＳ２０９）。

以上説明したステップＳ３０３〜Ｓ３１２を、全ての評価軸に対して行う（ステップＳ３１５）。これにより、あるユーザ（評価者対象者）の各スキルの評価値を算出し得る。

（３−３−２．第２の分析処理）
図１４は、評価者の信頼度を参照して評価値を算出すると共に信頼度の更新を行う第２の分析処理の一例を示すフローチャートである。

図１４に示すように、まず、評価分析部２０５は、評価軸ｋを１つ選択する（ステップＳ３２３）。

次に、評価分析部２０５は、信頼度ＤＢ２０７から各評価者（ユーザi）の信頼度R_iを読み込んで初期化する（ステップＳ３２６）。各評価者（ユーザi）の信頼度R_iは評価軸ｋ毎に設けられてもよく、評価分析部２０５は、選択した評価軸ｋの各評価者（ユーザi）の信頼度R_iを読み込んで初期化する。

次いで、評価分析部２０５は、評価対象者（ユーザj）の評価軸kについて、評価値の分布（平均μ_i,kと分散σ_i,k）を求める（ステップＳ３２９）。評価分析部２０５は、上記第１の分析処理の結果に基づいて評価値の分布を求めてもよい。この際、評価分析部２０５は、評価者（ユーザi）の信頼度R_iに応じて評価者（ユーザi）の評価を重み付けた上で、評価値の分布を求める。

次に、評価分析部２０５は、各評価者（ユーザi）が行った評価対象者（ユーザj）の各評価軸ｋについての平均尤度L_iを求める（ステップＳ３３２）。

次いで、評価分析部２０５は、平均尤度L_iから評価者（ユーザi）の信頼度R_iを決定する（ステップＳ３３５）。すなわち、評価分析部２０５は、全評価者による評価と合った評価を行った評価者の信頼度を上げて、全評価者による評価から外れた評価を行った評価者の信頼度を下げる処理を行う（信頼度の更新）。信頼度は、例えば「‐1〜1」の相関係数であってもよい。

続いて、評価分析部２０５は、評価値の分布が収束するまで上記ステップＳ３２９〜ステップＳ３３５の処理を繰り返す（ステップＳ３３８）。すなわち、繰り返しの上記ステップＳ３２９では、上記ステップＳ３３５で更新した信頼度に応じた評価の重み付けを再度行った上で評価値の分布を求め（分析処理）、かかる分布が収束するまで、信頼度の更新と評価値の分析処理を交互に繰り返す。

次に、評価値の分布が収束した場合（ステップＳ３３８／Ｙｅｓ）、評価分析部２０５は、評価対象者（ユーザj）の評価軸kの平均評価値μ_i,kを分析結果ＤＢ２０９に出力する（ステップＳ３４１）。

次いで、評価分析部２０５は、評価者（ユーザi）の信頼度R_iを信頼度ＤＢ２０９に出力する（ステップＳ３４４）。

そして、評価分析部２０５は、全ての評価軸について上記ステップＳ３２３〜Ｓ３４４の処理を繰り返す（ステップＳ３４７）。

（信頼度の推定処理）
本開示の一実施形態における信頼度の推定処理は図１４を参照して説明した例に限定されず、例えば、評価対象者のセンシングデータと比較して推定することも可能である。以下、図１５を参照して説明する。

図１５は、評価対象者のセンシングデータに基づいて評価者の信頼度を推定する処理の一例を示すフローチャートである。

図１５に示すように、まず、評価分析部２０５は、評価者の評価情報を取得する（ステップＳ３５３）。

次に、評価分析部２０５は、評価対象者のセンシング情報を取得する（ステップＳ３５６）。

次いで、評価分析部２０５は、評価軸kに対する評価者の評価情報と、評価対象者のセンシング情報とを比較し、信頼度を推定する（ステップＳ３５９）。具体的には、評価分析部２０５は、評価者の評価情報と評価対象者のセンシングデータの処理結果が一致するか否か、または一致度の高さ等に応じて、当該評価者の評価軸kにおける信頼度を推定する。すなわち、評価分析部２０５は、評価者の評価情報がセンシングデータの処理結果と一致する場合、一致度が高い場合、若しくは、評価情報に対応する所定の条件をセンシングデータが満たす場合、信頼度を高く推定する。

次に、評価分析部２０５は、算出結果を信頼度ＤＢ２０７に保存する（ステップＳ３６２）。

（３−３−３．第３の分析処理）
続いて、相対評価に基づいて評価値を算出する場合について図１６を参照して説明する。図１６は、相対評価に基づいて評価値を算出する第３の分析処理の一例を示すフローチャートである。

図１６に示すように、まず、評価分析部２０５は、評価軸ｋを１つ選択する（ステップＳ３７３）。

次に、評価分析部２０５は、評価軸ｋに対する評価値（相対評価）に基づいて各評価対象者を昇順ソートする（ステップＳ３７６）。

次いで、評価分析部２０５は、ソート後の各評価対象者の順位を正規化し、評価値（絶対評価値）とする（ステップＳ３７９）。

次に、評価分析部２０５は、算出した評価値（絶対評価値）を分析結果ＤＢ２０９に保存する（ステップＳ３８２）。

そして、評価分析部２０５は、全ての評価軸について上記ステップＳ３７３〜Ｓ３８２の処理を繰り返す（ステップＳ３８５）。

このように、相対評価を絶対評価に変換して分析結果として出力することが可能である。また、評価分析部２０５は、相対評価から得た分析結果と、絶対評価から得た分析結果を単純に平均する等して１つの絶対評価にまとめることも可能である。

（３−３−４．評価値（分析結果）の統合処理）
以上、本実施形態による評価情報の分析による評価値の出力について複数の手法により行われ得ることを説明した。なお本実施形態では、これら複数の手法により算出された評価値を統合して総合的な評価値として出力するようにしてもよい。以下、図１７を参照して説明する。

図１７は、分析した評価値の統合処理の一例を示すフローチャートである。

図１７に示すように、評価分析部２０５は、ユーザ間の評価伝播に基づく評価値の算出を行う（ステップＳ４０３）。

次に、評価分析部２０５は、評価者の信頼度を参照した評価値の算出を行う（ステップＳ４０６）。

次いで、評価分析部２０５は、相対評価に基づく評価値の算出を行う（ステップＳ４０９）。

次に、評価分析部２０５は、各ユーザｊについて、上記ステップＳ４０３〜Ｓ４０９で算出した３種類の評価値を分析結果ＤＢ２０９から抽出し、加算する（ステップＳ４１２）。

次いで、評価分析部２０５は、各ユーザについて、評価軸の偏差値を算出する（ステップＳ４１５）。

そして、評価分析部２０５は、偏差値を最終的な評価値として分析結果ＤＢ２０９に保存する（ステップＳ４１８）。

（４．応用例）
続いて、本実施形態の応用例について説明する。

（４−１．自動評価）
本実施形態による評価可視化システムでは、評価情報とセンシングデータから認識機を学習することで、自動評価を行うことを実現する。これにより、例えば他者から一度も評価されていない項目についても評価値を算出することができる。

図１８は、評価学習および自動評価を行う処理部２００Ａの機能構成例を示すブロック図である。図１８に示すように、処理部２００Ａは、評価部２０１Ａと、評価分析部２０５と、分析結果出力部２１１と、自動評価学習部２１３と、自動評価部２１７とを含む。以下、それぞれの機能構成についてさらに説明する。なお、図５を参照して説明した機能構成と同符号の機能構成については、ここでの詳細な説明は省略する。

評価部２０１Ａは、図１２を参照して上述した評価部２０１と同様に、入力された評価対象者のセンシングデータから評価情報を取得し、評価情報ＤＢ２０３Ａに保存することが可能である。特にセンシングデータがテストの結果やスポーツ大会の成績等の客観的事実である場合、評価情報をより確実に取得し得る。

一方で、センシングデータが生体情報や位置情報等であって、センシングデータからの評価情報の取得が難しい場合であっても、機械学習により取得した自動評価機を用いることで、自動評価を行うことを可能とする。具体的には、次に説明する自動評価学習部２１３および自動評価部２１７により行われ得る。

自動評価学習部２１３は、センサ情報ＤＢ２０８に保存された評価対象者のセンシングデータと、当該評価対象者に対して行われた評価者による評価情報に基づいて、自動評価機の学習を行う。具体的には、自動評価学習部２１３は、評価情報ＤＢ２０３Ａから、ある項目に関する評価情報Ｙを、センサ情報ＤＢ２０８から同項目について評価のある評価対象者に関するセンシングデータＸを取得する。次いで、自動評価学習部２１３は、センシングデータＸから評価情報Ｙを推定する機械学習を行い、自動評価機Ｙ＝Ｆ（Ｘ）を生成する。自動評価学習部２１３は、生成した自動評価機を、自動評価機ＤＢ２１５に保存する。

自動評価部２１７は、センサ情報ＤＢ２０８から評価対象者に関するセンシングデータＸを、自動評価機ＤＢ２１５から評価機Ｆ（Ｘ）をそれぞれ取得し、評価対象者の自動評価を行う。すなわち、自動評価部２１７は、Ｙ＝Ｆ（Ｘ）を評価し、評価対象者の評価情報Ｙを求める。自動評価部２１７は、求めた評価情報Ｙを、評価情報ＤＢ２０３Ａに保存する。なお、自動評価機ＤＢ２１５には、予め設計された自動評価機が保存されていてもよい。

ここで図１９に、自動評価の具体例について説明する図を示す。図１９に示すように、例えば自動評価部２１７は、ある評価対象者がサッカーを行っている際のセンシングデータＸ（位置情報や心拍等）と、当該評価対象者に対するサッカーの評価情報Ｙに基づいて、自動評価機Ｙ＝Ｆ（Ｘ）を学習する。次いで、自動評価部２１７は、サッカーについての評価が入力されていない評価対象者のサッカー中のセンシングデータＸを取得した場合、自動評価機Ｙ＝Ｆ（Ｘ）を用いて評価を行い、当該評価対象者についてのサッカーの自動評価を取得する。

このように、本実施形態の評価可視化システムは、学習機を用いることで他者から一度も評価されていない項目についても評価情報を取得することができる。

また、本実施形態の評価可視化システムは、学習機を用いることで、「優しい」、「親切」、「格好良い」等の主観的な評価も、評価対象者のセンシングデータから取得することが可能となる。

（４−２．因果分析）
また、本実施形態による評価可視化システムでは、評価結果の出力において、評価が時系列的に変化した場合にその要因も提示することが可能である。これにより、評価対象者は、なぜ自分の評価が変化したかを知ることができるため、より好ましい変化を強化したり、好ましくない変化を抑制したりするための行動をとることができる。

評価が時系列的に変化した場合の要因の取得には、例えば評価対象者のセンシングデータと評価情報の間の因果分析を用いる。かかる因果分析を行う評価可視化システムの構成および処理フローについて、図面を用いて説明する。

（構成）
図２０は、因果分析を行う処理部２００Ｂの機能構成例を示すブロック図である。図２０に示すように、処理部２００Ｂは、評価部２０１と、評価分析部２０５と、分析結果出力部２１１と、因果分析部２１９とを含む。なお、図５を参照して説明した機能構成と同符号の機能構成については、ここでの詳細な説明は省略する。

因果分析部２１９は、センサ情報ＤＢ２０８から取得した評価対象者のセンシングデータと、評価情報ＤＢ２０３から取得した評価対象者の評価情報との間の因果分析を行い、分析結果を分析結果ＤＢ２０９Ｂに保存する。

因果分析は、複数の変数の観測結果が与えられたときに、変数間の因果関係を有向グラフの形で出力する分析技術である。例えば、図２０に示すように、因果分析用データセットを用意し、因果分析結果を出力する。因果分析で用いるデータはユーザ毎に、評価されたタイミング毎で作成され得る。例えば、図２０に示す因果分析用データセットのデータ１はユーザＡが１回目に評価された時のデータであって、データ２はユーザＡが２回目に評価された時のデータであって、データ３はユーザＢが１回目に評価された時のデータである。また、変数はセンシング結果と評価結果を含む。例えば、図１０に示す変数Ａはサッカーの練習量、変数Ｂは睡眠時間、変数Ｃはサッカーに対する評価情報である。

（処理フロー）
図２２は、因果分析部２１９は、因果分析の処理の流れを示すフローチャートである。図２２に示すように、まず、因果分析対象のデータセットを入力する（ステップＳ５１３）。

次に、因果分析部２１９は、連続値変数の離散化処理を行う（ステップＳ５１６）。因果分析部２１９による因果分析処理において、例えばMax-min hill climbing法を用いる場合、扱えるのは離散化された変数のみであり、連続値は扱えないため、離散化処理を行う。本実施例では、例えば図２３に示すように、最小値から最大値の間を予め決めた数に均等に離散化する。図２３に示す例では、例えば連続値を８段階（0,1,2,…,7）に離散化する場合であって、最小値から最大値の間を８つに区切ることで、連続値を離散値に変換する。

次いで、因果分析部２１９は、Max-min hill climbingによるＤＡＧ（有向グラフ）の推定を行う（ステップＳ５１９）。具体的には、因果分析部２１９は、データセットの持つ各変数について、他のどの変数が原因になっているのかについての推定結果が得る。ここで、図２４に、センシングデータと評価情報の因果分析例を示す。図２４に示すように、因果分析により、例えばサッカーの練習時間、活動量全体、および睡眠時間といったセンシングデータと、サッカーの評価という評価情報の変数間における因果が推定される。図中の矢印は変数間に因果があることを示すものである。因果分析部２１９は、因果分析により得た推定結果を分析結果ＤＢ２０９Ｂに保存する。

図２５は、因果分析結果の提示処理の流れを示すフローチャートである。図２５に示すように、まず、分析結果出力部２１１は、評価対象者の各評価項目を、最近の評価の変化が大きかった順にソートする（ステップＳ５２３）。

次に、分析結果出力部２１１は、各評価項目における評価の変化の要因として因果分析結果を提示する（ステップＳ５２６）。具体的には、分析結果出力部２１１は、推定結果に基づいて、最近の評価との因果が推定されるセンシングデータを示す。ここで、図２６に、分析結果の表示画面の一例を示す。図２６に示すように、例えば最近の評価の変化が大きかった評価項目の順に、評価値の時系列を表示し、さらに各評価項目における最近の評価の要因として、「練習量の増加」、「活動量の増加」等の因果分析結果を表示する。これにより、評価対象者は、自分の評価が変化した理由を知ることができる。

（４−３．時系列分析）
また、本実施形態による評価可視化システムでは、評価者の評価と、全評価者の評価の分析結果とを時系列分析し、評価者の評価に全体の評価が追い付いた場合、評価者に先見の明があることを評価者にフィードバックすることも可能である。
上述した評価者の信頼度の推定の一例では、多数の評価者の（例えば全ての評価者の）評価情報を分析して算出した評価値（分析結果）と、ある評価者の評価情報とを比較し、一致度の高さに応じて当該評価者の信頼度を推定しているが、この場合、マイノリティが排除される。しかし、人の能力を見出すことに長けた評価ユーザＡがいた場合に、そのユーザＡの評価が他の一般的な評価ユーザの評価と異なると、評価ユーザＡの信頼度が低くなってしまうことがある。そこで、本応用例では、評価者による評価の時系列関係を分析し、先見の明がある評価者を抽出する。抽出結果を元に、先見の明があると判定された評価者ほど信頼度を高くし、優先的に評価値に反映するようにすることで、評価値（分析結果）の精度を高めることができる。また、見る目（先見の明）があることを評価者にフィードバックすることで、評価者は、自分がどの分野で先見の明があるかを知ることができ、ユーザ体験が高まる。

このような時系列分析を行う評価可視化システムの構成および処理フローについて、図面を用いて説明する。

（構成）
図２７は、評価の時系列因果分析を行う処理部２００Ｃの機能構成例を示すブロック図である。図２７に示すように、処理部２００Ｃは、評価部２０１と、評価分析部２０５と、分析結果出力部２１１と、評価時系列分析部２２１とを含む。なお、図５を参照して説明した機能構成と同符号の機能構成については、ここでの詳細な説明は省略する。

評価時系列分析部２２１は、評価情報ＤＢ２０３から評価者による評価情報を取得し、ある評価者の行った評価情報と、全評価者の評価情報との時系列因果分析を行う。具体的には、評価時系列分析部２２１は、全評価者の評価情報を分析して得た評価値の時系列と、ある評価者の行った評価情報とを比較し、全体の評価値が当該評価者の評価に近付いている場合、当該評価者は先見の明があると判断し、信頼度を高くする処理（信頼度ＤＢ２０７Ｃに保存されている当該評価者の信頼度を更新する処理）を行う。また、評価時系列分析部２２１は、先見の明があると判断した評価者の評価情報を優先的に反映させて（例えば重み付けを行い）全体の評価値を分析し、分析結果を分析結果ＤＢ２０９Ｃに保存する。

このように、評価時系列分析部２２１は、評価値の時系列因果分析を行い、信頼度の更新および全体の評価値の再分析を行うことで、より正確な評価値を出力することが可能となる。

分析結果出力部２１１Ｃは、評価時系列因果分析の結果に基づいて、高い信頼度を持つ評価者に対してフィードバックを行う表示画面を生成し、出力する。これにより、評価者は、自分がどの分野で先見の明があるかを知ることができ、ユーザ体験が高まる。「高い信頼度」とは、例えば所定値を超える信頼度である。閾値は評価項目毎、または評価項目毎の時系列因果分析結果（例えば、評価時系列の変化の大きさや経過時間等）に応じて適宜流動的に設定されてもよい。

（表示画面例）
図２８は、評価時系列因果分析の結果をフィードバックする表示画面の一例を示す図である。例えば図２８の表示画面４５に示すように、評価者のプロフィール画面において、高い信頼度が期待できる評価項目を評価対象者に提示してもよい。高い信頼度が期待できる評価項目とは、例えばその評価者の信頼度が所定値を上回る評価項目である。また、図２８の表示画面４７に示すように、評価入力画面において、高い信頼度が期待できる評価項目４７１を上位に表示するようにしてもよい。また、高い信頼度が期待できる評価項目４７１に色を付ける等して強調表示してもよい。なお、図２８に示す表示画面例は、評価時系列因果分析の結果をフィードバックする表示画面の一例として用いたが、本実施形態はこれに限定されず、上述したように、評価分析部２０５により推定された信頼度が所定値を上回る場合に、評価者にフィードバックする際に用いてもよい。

（４−４．信頼度自動推定）
また、本実施形態による評価可視化システムでは、信頼度とセンシングデータから推定機を学習することで、信頼度を自動推定することを実現する。これにより、例えば一度も他者を評価したことがないユーザについても信頼度を推定することができる。

図２９は、信頼度自動推定を行う処理部２００Ｄの機能構成例を示すブロック図である。図２９に示すように、処理部２００Ｄは、評価部２０１と、評価分析部２０５と、分析結果出力部２１１と、信頼度自動推定学習部２２４と、信頼度自動推定部２２８とを含む。以下、それぞれの機能構成についてさらに説明する。なお、図５を参照して説明した機能構成と同符号の機能構成については、ここでの詳細な説明は省略する。

信頼度自動推定機学習部２２４は、信頼度ＤＢ２０７Ｄから評価者の信頼度Ｙを、センサ情報ＤＢ２０８から評価者のセンシングデータＸを取得し、センシングデータＸから信頼度Ｙを推定する機械学習を行い、信頼度自動推定機Ｙ＝Ｆ（Ｘ）を生成する。信頼度自動推定学習部２２４は、生成した信頼度自動推定機を信頼度自動推定機ＤＢ２２６に保存する。

信頼度自動推定部２２８は、センサ情報ＤＢ２０８から評価者に関するセンシングデータＸを、信頼度自動推定機ＤＢ２２６から信頼度自動推定機を取得し、評価者の信頼度の自動推定を行う。具体的には、信頼度自動推定部２２８は、Ｙ＝Ｆ（Ｘ）を評価し、評価者の信頼度Ｙを求める。そして、信頼度自動推定部２２８は、求めた信頼度Ｙを信頼度ＤＢ２０７Ｄに保存する。なお、信頼度自動推定機ＤＢ２２６には、予め設計された自動推定機が保存されていてもよい。

（５．システム構成）
以上、本開示の一実施形態について説明した。上述したように、本実施形態に係るシステム１０は、入力部１００と、処理部２００と、出力部３００とを含み、これらの構成要素は、１または複数の情報処理装置によって実現される。以下では、システム１０を実現する情報処理装置の組み合わせの例について、より具体的な例とともに説明する。

（第１の例）
図３０は、本開示の実施形態に係るシステム構成の第１の例を示すブロック図である。図３０を参照すると、システム１０は、情報処理装置１１を含む。入力部１００、処理部２００、および出力部３００は、いずれも情報処理装置１１において実現される。情報処理装置１１は、以下で説明するように端末装置またはサーバでありうる。この第１の例において、情報処理装置１１は、本開示の実施形態に係る機能の実現のためにネットワークを介して外部装置と通信しない、スタンドアロンの装置であってもよい。なお、情報処理装置１１は、他の機能のために外部装置と通信してもよく、従って必ずしもスタンドアロンの装置でなくてもよい。入力部１００と処理部２００との間のインターフェース１５０ａ、および処理部２００と出力部３００との間のインターフェース３５０ａは、いずれも装置内のインターフェースでありうる。

第１の例において、情報処理装置１１は、例えば端末装置でありうる。この場合、入力部１００は、入力装置、センサ、外部サービスから情報を取得するソフトウェアなどを含みうる。外部サービスから情報を取得するソフトウェアは、例えば、端末装置で実行されているサービスのアプリケーションソフトウェアからデータを取得する。処理部２００は、端末装置が備えるプロセッサまたは処理回路がメモリまたはストレージ装置に格納されたプログラムに従って動作することによって実現される。出力部３００は、出力装置、制御装置、外部サービスに情報を提供するソフトウェアなどを含みうる。外部サービスに情報を提供するソフトウェアは、例えば、端末装置で実行されているサービスのアプリケーションソフトウェアに情報を提供しうる。

あるいは、第１の例において、情報処理装置１１は、サーバであってもよい。この場合、入力部１００は、外部サービスから情報を取得するソフトウェアを含みうる。外部サービスから情報を取得するソフトウェアは、例えば、外部サービスのサーバ（情報処理装置１１自身であってもよい）からデータを取得する。処理部２００は、端末装置が備えるプロセッサがメモリまたはストレージ装置に格納されたプログラムに従って動作することによって実現される。出力部３００は、外部サービスに情報を提供するソフトウェアなどを含みうる。外部サービスに情報を提供するソフトウェアは、例えば、外部サービスのサーバ（情報処理装置１１自身であってもよい）に情報を提供する。

（第２の例）
図３１は、本開示の実施形態に係るシステム構成の第２の例を示すブロック図である。図３１を参照すると、システム１０は、情報処理装置１１，１３を含む。入力部１００および出力部３００は、情報処理装置１１において実現される。一方、処理部２００は、情報処理装置１３において実現される。情報処理装置１１と情報処理装置１３とは、本開示の実施形態に係る機能を実現するために、ネットワークを介して通信する。入力部１００と処理部２００との間のインターフェース１５０ｂおよび処理部２００と出力部３００との間のインターフェース３５０ｂは、いずれも装置間の通信インターフェースでありうる。

第２の例において、情報処理装置１１は、例えば端末装置でありうる。この場合、入力部１００は、上記の第１の例と同様に、入力装置、センサ、外部サービスから情報を取得するソフトウェアなどを含みうる。出力部３００も、上記の第１の例と同様に、出力装置、制御装置、外部サービスに情報を提供するソフトウェアなどを含みうる。あるいは、情報処理装置１１は、外部サービスとの間で情報をやりとりするためのサーバであってもよい。この場合、入力部１００は、外部サービスから情報を取得するソフトウェアを含みうる。また、出力部３００は、外部サービスに情報を提供するソフトウェアを含みうる。

また、第２の例において、情報処理装置１３は、サーバまたは端末装置でありうる。処理部２００は、情報処理装置１３が備えるプロセッサまたは処理回路がメモリまたはストレージ装置に格納されたプログラムに従って動作することによって実現される。情報処理装置１３は、例えばサーバとして専用される装置であってもよい。この場合、情報処理装置１３は、データセンタなどに設置されてもよいし、家庭内に設置されてもよい。あるいは、情報処理装置１３は、他の機能については端末装置として利用可能であるが、本開示の実施形態に係る機能に関しては入力部１００および出力部３００を実現しない装置であってもよい。以下の例において、情報処理装置１３は、上記のような意味において、サーバであってもよいし、端末装置であってもよい。

一例として、情報処理装置１１がウェアラブルデバイスであり、情報処理装置１３がウェアラブルデバイスにＢｌｕｅｔｏｏｔｈ（登録商標）などで接続されたモバイルデバイスであるような場合を考える。ウェアラブルデバイスがユーザによる操作入力を受け付け（入力部１００）、当該操作入力に基づいて送信されたリクエストに基づいてモバイルデバイスが処理を実行し（処理部２００）、処理の結果をウェアラブルデバイスから出力する（出力部３００）ような場合、ウェアラブルデバイスは上記の第２の例における情報処理装置１１として、モバイルデバイスは情報処理装置１３として、それぞれ機能しているといえる。

（第３の例）
図３２は、本開示の実施形態に係るシステム構成の第３の例を示すブロック図である。図３２を参照すると、システム１０は、情報処理装置１１ａ，１１ｂ，１３を含む。入力部１００は、情報処理装置１１ａにおいて実現される。出力部３００は、情報処理装置１１ｂにおいて実現される。また、処理部２００は、情報処理装置１３において実現される。情報処理装置１１ａ，１１ｂと情報処理装置１３とは、本開示の実施形態に係る機能を実現するために、ネットワークを介してそれぞれ通信する。入力部１００と処理部２００との間のインターフェース１５０ｂおよび処理部２００と出力部３００との間のインターフェース３５０ｂは、いずれも装置間の通信インターフェースでありうる。ただし、第３の例では、情報処理装置１１ａと情報処理装置１１ｂとが別個の装置であるために、インターフェース１５０ｂ，３５０ｂは、それぞれ異なる種類のインターフェースを含みうる。

第３の例において、情報処理装置１１ａ，１１ｂは、例えば端末装置でありうる。この場合、入力部１００は、上記の第１の例と同様に、入力装置、センサ、外部サービスから情報を取得するソフトウェアなどを含みうる。出力部３００も、上記の第１の例と同様に、出力装置、制御装置、外部サービスに情報を提供するソフトウェアなどを含みうる。あるいは、情報処理装置１１ａ，１１ｂのうちの一方または両方は、外部サービスからの情報の取得、および外部サービスへの情報の提供のためのサーバであってもよい。この場合、入力部１００は、外部サービスから情報を取得するソフトウェアを含みうる。また、出力部３００は、外部サービスに情報を提供するソフトウェアを含みうる。

また、第３の例において、情報処理装置１３は、上記の第２の例と同様に、サーバまたは端末装置でありうる。処理部２００は、情報処理装置１３が備えるプロセッサまたは処理回路がメモリまたはストレージ装置に格納されたプログラムに従って動作することによって実現される。

上記の第２の例では、入力部１００を実現する情報処理装置１１ａと、出力部３００を実現する情報処理装置１１ｂとが別個の装置である。従って、例えば、第１のユーザが所持または使用する端末装置である情報処理装置１１ａによって取得された入力に基づく処理の結果を、第１のユーザとは異なる第２のユーザが所持または使用する端末装置である情報処理装置１１ｂから出力するといったような機能が実現できる。また、第１のユーザが所持または使用する端末装置である情報処理装置１１ａによって取得された入力に基づく処理の結果を、その時点では第１のユーザの手元にない（例えば留守中の自宅に設置されている）端末装置である情報処理装置１１ｂから出力するといったような機能も実現できる。あるいは、情報処理装置１１ａと情報処理装置１１ｂは、いずれも同じユーザによって所持または使用される端末装置であってもよい。例えば、情報処理装置１１ａ，１１ｂが、ユーザの異なる部位に装着されるウェアラブルデバイスである場合や、ウェアラブルデバイスとモバイルデバイスとの組み合わせであるような場合、これらのデバイスを連携させた機能をユーザに提供することができる。

（第４の例）
図３３は、本開示の実施形態に係るシステム構成の第４の例を示すブロック図である。図３３を参照すると、システム１０は、情報処理装置１１，１３を含む。第４の例において、入力部１００および出力部３００は、情報処理装置１１において実現される。一方、処理部２００は、情報処理装置１１および情報処理装置１３に分散して実現される。情報処理装置１１と情報処理装置１３とは、本開示の実施形態に係る機能を実現するために、ネットワークを介して通信する。

上記のように、この第４の例では、処理部２００が、情報処理装置１１と情報処理装置１３との間で分散して実現される。より具体的には、処理部２００は、情報処理装置１１で実現される処理部２００ａ，２００ｃと、情報処理装置１３で実現される処理部２００ｂとを含む。処理部２００ａは、入力部１００からインターフェース１５０ａを介して提供される情報に基づいて処理を実行し、処理の結果を処理部２００ｂに提供する。この意味において、処理部２００ａは、前処理を実行するともいえる。一方、処理部２００ｃは、処理部２００ｂから提供される情報に基づいて処理を実行し、処理の結果をインターフェース３５０ａを介して出力部３００に提供する。この意味において、処理部２００ｃは、後処理を実行するともいえる。

なお、図示された例では、前処理を実行する処理部２００ａと後処理を実行する処理部２００ｃとが両方示されているが、実際にはこのうちのいずれか一方だけが存在してもよい。つまり、情報処理装置１１は、前処理を実行する処理部２００ａを実現するが、後処理を実行する処理部２００ｃを実現せず、処理部２００ｂから提供される情報は、そのまま出力部３００に提供されてもよい。同様に、情報処理装置１１は、後処理を実行する処理部２００ｃを実現するが、前処理を実行する処理部２００ａを実現しなくてもよい。

処理部２００ａと処理部２００ｂとの間、および処理部２００ｂと処理部２００ｃとの間には、それぞれインターフェース２５０ｂが介在する。インターフェース２５０ｂは、装置間の通信インターフェースである。一方、情報処理装置１１が処理部２００ａを実現する場合、インターフェース１５０ａは、装置内のインターフェースである。同様に、情報処理装置１１が処理部２００ｃを実現する場合、インターフェース３５０ａは、装置内のインターフェースである。

なお、上述した第４の例は、処理部２００ａまたは処理部２００ｃのうちの一方または両方が情報処理装置１１が備えるプロセッサまたは処理回路によって実現される点を除いては、上記の第２の例と同様である。つまり、情報処理装置１１は、端末装置、または外部サービスとの間で情報をやり取りするためのサーバでありうる。また、情報処理装置１３は、サーバまたは端末装置でありうる。

（第５の例）
図３４は、本開示の実施形態に係るシステム構成の第５の例を示すブロック図である。図３４を参照すると、システム１０は、情報処理装置１１ａ，１１ｂ，１３を含む。入力部１００は、情報処理装置１１ａにおいて実現される。出力部３００は、情報処理装置１１ｂにおいて実現される。また、処理部２００は、情報処理装置１１ａ，１１ｂおよび情報処理装置１３に分散して実現される。情報処理装置１１ａ，１１ｂと情報処理装置１３とは、本開示の実施形態に係る機能を実現するために、ネットワークを介してそれぞれ通信する。

図示されているように、この第５の例では、処理部２００が、情報処理装置１１ａ，１１ｂと情報処理装置１３との間で分散して実現される。より具体的には、処理部２００は、情報処理装置１１ａで実現される処理部２００ａと、情報処理装置１３で実現される処理部２００ｂと、情報処理装置１１ｂで実現される処理部２００ｃとを含む。このような処理部２００の分散については、上記の第４の例と同様である。ただし、この第５の例では、情報処理装置１１ａと情報処理装置１１ｂとが別個の装置であるために、インターフェース２５０ｂ１，２５０ｂ２は、それぞれ異なる種類のインターフェースを含みうる。

なお、第５の例は、処理部２００ａまたは処理部２００ｃのうちの一方または両方が情報処理装置１１ａまたは情報処理装置１１ｂが備えるプロセッサまたは処理回路によって実現される点を除いては、上記の第３の例と同様である。つまり、情報処理装置１１ａ，１１ｂは、端末装置、または外部サービスとの間で情報をやり取りするためのサーバでありうる。また、情報処理装置１３は、サーバまたは端末装置でありうる。また、以降の例では、入力部と出力部を有する端末またはサーバにおける処理部は省略して記載するが、いずれの例においても、いずれかまたは全ての装置が処理部を有していてもよい。

（クライアント−サーバシステムの例）
図３５は、本開示の実施形態に係るシステム構成のより具体的な例の一つとして、クライアント−サーバシステムを示す図である。図示された例では、情報処理装置１１（または情報処理装置１１ａ，１１ｂ）が端末装置であり、情報処理装置１３がサーバである。

図示されているように、端末装置には、例えば、スマートフォン、タブレット、もしくはノートＰＣ（Personal Computer）のようなモバイルデバイス１１−１、アイウェアまたはコンタクトレンズ型端末、腕時計型端末、腕輪型端末、指輪型端末、ヘッドセット、衣服取付型または衣服一体型端末、靴取付型または靴一体型端末、もしくはネックレス型端末のようなウェアラブルデバイス１１−２、カーナビゲーションシステムやリアシートエンターテインメントシステムのような車載デバイス１１−３、テレビ１１−４、デジタルカメラ１１−５、レコーダ、ゲーム機、エアコンディショナー、冷蔵庫、洗濯機、もしくはデスクトップＰＣのようなＣＥ（Consumer Electronics）デバイス１１−６、ロボット装置、設備に付帯して設置されるセンサなどを含むデバイス、または街頭に設置されるデジタルサインボード（デジタルサイネージ）１１−７などが含まれうる。これらの情報処理装置１１（端末装置）は、ネットワークを介して情報処理装置１３（サーバ）と通信する。端末装置とサーバとの間のネットワークは、上記の例におけるインターフェース１５０ｂ、インターフェース２５０ｂ、またはインターフェース３５０ｂにあたる。さらに、これらの装置は、装置相互間で個別に連係動作してもよいし、すべての装置が連係動作可能なシステムが構築されていてもよい。

なお、図３５に示した例は、システム１０がクライアント−サーバシステムにおいて実現される例を理解しやすくするために示されたものであり、システム１０がこのようなクライアント−サーバシステムに限定されないのは、上記のそれぞれの例で説明された通りである。つまり、例えば、情報処理装置１１，１３の両方が端末装置であってもよいし、情報処理装置１１，１３の両方がサーバであってもよい。情報処理装置１１が情報処理装置１１ａ，１１ｂを含む場合、情報処理装置１１ａ，１１ｂのうちの一方が端末装置であり、他方がサーバであってもよい。また、情報処理装置１１が端末装置である場合も、端末装置の例は、上記の端末装置１１−１〜１１−７には限られず、他の種類の端末装置が含まれてもよい。

（分散型システムの例）
システム１０の他の構成例について、図３６を参照して説明する。図３６は、本開示の実施形態に係るシステム構成の他の具体的な例の一つとして、分散型システムを示す図である。図示された例では、情報処理装置１１（または、情報処理装置１１ａ、１１ｂ）がノードであって、これらの情報処理装置１１は、ネットワークを介して互いに接続している。

図３６に示す分散型システムでは、装置相互間で個別に連携動作したり、データを分散管理したり、処理を分散したりすることが可能である。これにより、処理負担の軽減、リアルタイム性の向上（応答時間や処理速度の向上）、セキュリティの担保を実現することが可能となる。

また、分散型システムは、分散協調的に機械学習を行うことも可能であって、大量のデータを処理することができる。

また、図３６に示す分散型システムでは、集中型システムにおけるサーバを必要とせず、互いにデータの監視を行ってその信憑性を確保することも可能である。具体的には、例えば、取引情報（台帳）を参加者全員（各情報処理装置１１）で共有して正当性を厳密に維持することができる（所謂ブロックチェーン）。ブロックチェーンにおいては、参加者全員の台帳を全て改ざんすることは実質的に不可能なため、より確実に信憑性を確保可能となる。また、ブロックチェーンにおいて、過去のブロックに含まれるデータを改ざんする場合、そのブロック以降のブロックに含まれるハッシュ値を全て再計算する必要があるため、処理負荷が高く実質的に不可能であるため、より確実に信憑性を確保可能となる。

また、ブロックチェーンでは、参加者全員が取引情報を共有し（分散データベース）、かかる分散データベースへの書き込みを特定の合意形成により行うため、特定の参加者による不正を防ぎ、公平性が保たれる。

（第６の例）
図３７は、本開示の実施形態に係るシステム構成の第６の例を示すブロック図である。図３７を参照すると、システム１０は、情報処理装置１１，１２，１３を含む。入力部１００および出力部３００は、情報処理装置１１において実現される。一方、処理部２００は、情報処理装置１２および情報処理装置１３に分散して実現される。情報処理装置１１と情報処理装置１２、および情報処理装置１２と情報処理装置１３とは、本開示の実施形態に係る機能を実現するために、ネットワークを介してそれぞれ通信する。

上記のように、この第６の例では、処理部２００が、情報処理装置１２と情報処理装置１３との間で分散して実現される。より具体的には、情報処理装置１２で実現される処理部２００ａ，２００ｃと、情報処理装置１３で実現される処理部２００ｂとを含む。処理部２００ａは、入力部１００からインターフェース１５０ｂを介して提供される情報に基づいて処理を実行し、処理の結果をインターフェース２５０ｂを介して処理部２００ｂに提供する。一方、処理部２００ｃは、処理部２００ｂからインターフェース２５０ｂを介して提供される情報に基づいて処理を実行し、処理の結果をインターフェース３５０ｂを介して出力部３００に提供する。なお、図示された例では、前処理を実行する処理部２００ａと後処理を実行する処理部２００ｃとが両方示されているが、実際にはこのうちのいずれか一方だけが存在してもよい。

第６の例において、情報処理装置１２は、情報処理装置１１と情報処理装置１３との間に介在する。より具体的には、例えば、情報処理装置１２は、端末装置である情報処理装置１１と、サーバである情報処理装置１３との間に介在する端末装置またはサーバでありうる。情報処理装置１２が端末装置である例としては、情報処理装置１１がウェアラブルデバイスであり、情報処理装置１２がウェアラブルデバイスとＢｌｕｅｔｏｏｔｈ（登録商標）などで接続されたモバイルデバイスであり、情報処理装置１３がモバイルデバイスとインターネットで接続されたサーバであるような場合がある。また、情報処理装置１２がサーバである例としては、情報処理装置１１が各種の端末装置であり、情報処理装置１２が端末装置とネットワークで接続された中間サーバであり、情報処理装置１３が中間サーバとネットワークで接続されたサーバであるような場合がある。

（第７の例）
図３８は、本開示の実施形態に係るシステム構成の第７の例を示すブロック図である。図３８を参照すると、システム１０は、情報処理装置１１ａ，１１ｂ，１２，１３を含む。図示された例において、入力部１００は、情報処理装置１１ａにおいて実現される。出力部３００は、情報処理装置１１ｂにおいて実現される。一方、処理部２００は、情報処理装置１２および情報処理装置１３に分散して実現される。情報処理装置１１ａ，１１ｂと情報処理装置１２、および情報処理装置１２と情報処理装置１３とは、本開示の実施形態に係る機能を実現するために、ネットワークを介してそれぞれ通信する。

この第７の例は、上記の第３の例と第６の例とを組み合わせた例である。つまり、第７の例では、入力部１００を実現する情報処理装置１１ａと、出力部３００を実現する情報処理装置１１ｂとが別個の装置である。より具体的には、この第７の例には、情報処理装置１１ａ，１１ｂが、ユーザの異なる部位に装着されるウェアラブルデバイスであり、情報処理装置１２がこれらのウェアラブルデバイスとＢｌｕｅｔｏｏｔｈ（登録商標）などで接続されたモバイルデバイスであり、情報処理装置１３がモバイルデバイスとインターネットで接続されたサーバであるような場合が含まれる。また、この第７の例には、情報処理装置１１ａ，１１ｂが複数の端末装置（同じユーザによって所持または使用されてもよいし、異なるユーザによって所持または使用されてもよい）であり、情報処理装置１２がそれぞれの端末装置とネットワークで接続された中間サーバであり、情報処理装置１３が中間サーバとネットワークで接続されたサーバであるような場合も含まれる。

（第８の例）
図３９は、本開示の実施形態に係るシステム構成の第８の例を示すブロック図である。図３９を参照すると、システム１０は、情報処理装置１１，１２ａ，１２ｂ，１３を含む。入力部１００および出力部３００は、情報処理装置１１において実現される。一方、処理部２００は、情報処理装置１２ａ，１２ｂおよび情報処理装置１３に分散して実現される。情報処理装置１１と情報処理装置１２ａ，１２ｂ、および情報処理装置１２ａ，１２ｂと情報処理装置１３とは、本開示の実施形態に係る機能を実現するために、ネットワークを介してそれぞれ通信する。

この第８の例は、上記の第６の例において、前処理を実行する処理部２００ａと、後処理を実行する処理部２００ｃとが、別個の情報処理装置１２ａ，１２ｂによってそれぞれ実現されるようにした例である。従って、情報処理装置１１および情報処理装置１３については、上記の第６の例と同様である。また、情報処理装置１２ａ，１２ｂは、それぞれ、サーバであってもよいし、端末装置であってもよい。例えば、情報処理装置１２ａ，１２ｂがいずれもサーバである場合、システム１０では、処理部２００が、３つのサーバ（情報処理装置１２ａ，１２ｂ，１３）に分散して実現されているともいえる。なお、処理部２００を分散的に実現するサーバの数は、３つには限らず、２つであってもよいし、４つ以上であってもよい。これらの例については、例えばこの第８の例、または次に説明する第９の例から理解することが可能であるため、図示は省略する。

（第９の例）
図４０は、本開示の実施形態に係るシステム構成の第９の例を示すブロック図である。図４０を参照すると、システム１０は、情報処理装置１１ａ，１１ｂ，１２ａ，１２ｂ，１３を含む。この第９の例において、入力部１００は、情報処理装置１１ａにおいて実現される。出力部３００は、情報処理装置１１ｂにおいて実現される。一方、処理部２００は、情報処理装置１２ａ，１２ｂおよび情報処理装置１３に分散して実現される。情報処理装置１１ａと情報処理装置１２ａ、情報処理装置１１ｂと情報処理装置１２ｂ、および情報処理装置１２ａ，１２ｂと情報処理装置１３とは、本開示の実施形態に係る機能を実現するために、ネットワークを介してそれぞれ通信する。

この第９の例は、上記の第７の例と第８の例とを組み合わせた例である。つまり、第９の例では、入力部１００を実現する情報処理装置１１ａと、出力部３００を実現する情報処理装置１１ｂとが別個の装置である。情報処理装置１１ａ，１１ｂは、それぞれ別個の中間ノード（情報処理装置１２ａ，１２ｂ）と通信する。従って、この第９の例では、上記の第８の例と同様に処理部２００が３つのサーバ（情報処理装置１２ａ，１２ｂ，１３）に分散して実現されるとともに、同じユーザによって所持または使用される、または異なるユーザによって所持または使用される端末装置でありうる情報処理装置１１ａ，１１ｂを利用して、本開示の実施形態に係る機能を実現することができる。

（中間サーバを含むシステムの例）
図４１は、本開示の実施形態に係るシステム構成のより具体的な例の一つとして、中間サーバを含むシステムの例を示す図である。図示された例では、情報処理装置１１（または情報処理装置１１ａ，１１ｂ）が端末装置であり、情報処理装置１２が中間サーバであり、情報処理装置１３がサーバである。

上記で図３５を参照して説明した例と同様に、端末装置には、モバイルデバイス１１−１、ウェアラブルデバイス１１−２、車載デバイス１１−３、テレビ１１−４、デジタルカメラ１１−５、ＣＥデバイス１１−６、ロボットデバイス、またはサインボード１１−７などが含まれうる。これらの情報処理装置１１（端末装置）は、ネットワークを介して情報処理装置１２（中間サーバ）と通信する。端末装置と中間サーバとの間のネットワークは、上記の例におけるインターフェース１５０ｂ，３５０ｂにあたる。また、情報処理装置１２（中間サーバ）は、ネットワークを介して情報処理装置１３（サーバ）と通信する。中間サーバとサーバとの間のネットワークは、上記の例におけるインターフェース２５０ｂにあたる。

なお、図４１に示した例は、システム１０が中間サーバを含むシステムにおいて実現される例を理解しやすくするために示されたものであり、システム１０がこのようなシステムに限定されないのは、上記のそれぞれの例で説明された通りである。

（ホストとして機能する端末装置を含むシステムの例）
図４２は、本開示の実施形態に係るシステム構成のより具体的な例の一つとして、ホストとして機能する端末装置を含むシステムの例を示す図である。図示された例では、情報処理装置１１（または情報処理装置１１ａ，１１ｂ）が端末装置であり、情報処理装置１２がホストとして機能する端末装置であり、情報処理装置１３がサーバである。

図示された例において、端末装置には、例えば、ウェアラブルデバイス１１−２、車載デバイス１１−３、デジタルカメラ１１−５、ロボットデバイス、設備に付帯して設置されるセンサなどを含むデバイス、およびＣＥデバイス１１−６が含まれうる。これらの情報処理装置１１（端末装置）は、例えばＢｌｕｅｔｏｏｔｈ（登録商標）やＷｉ−Ｆｉのようなネットワークを介して情報処理装置１２と通信する。図では、ホストとして機能する端末装置として、モバイルデバイス１２−１を例示している。端末装置とモバイルデバイスとの間のネットワークは、上記の例におけるインターフェース１５０ｂ，３５０ｂにあたる。情報処理装置１２（モバイルデバイス）は、例えばインターネットなどのネットワークを介して情報処理装置１３（サーバ）と通信する。モバイルデバイスとサーバとの間のネットワークは、上記の例におけるインターフェース２５０ｂにあたる。

なお、図４２に示した例は、システム１０がホストとして機能する端末装置を含むシステムにおいて実現される例を理解しやすくするために示されたものであり、システム１０がこのようなシステムに限定されないのは、上記のそれぞれの例で説明された通りである。また、ホストとして機能する端末装置は、図示された例におけるモバイルデバイス１２−１には限られず、適切な通信機能および処理機能を有する各種の端末装置が、ホストとして機能しうる。また、端末装置の例として図示したウェアラブルデバイス１１−２、車載デバイス１１−３、デジタルカメラ１１−５、およびＣＥデバイス１１−６は、これらの装置以外の端末装置をこの例から除外するものではなく、情報処理装置１２がモバイルデバイス１２−１である場合の情報処理装置１１としてありうる典型的な端末装置の例を示しているにすぎない。

（エッジサーバを含むシステムの例）
図４３は、本開示の実施形態に係るシステム構成のより具体的な例の一つとして、エッジサーバを含むシステムの例を示す図である。図示された例では、情報処理装置１１（または情報処理装置１１ａ、１１ｂ）が端末装置であり、情報処理装置１２がエッジサーバであり、情報処理装置１３がサーバである。

上記で図３５を参照して説明した例と同様に、端末装置には、モバイルデバイス１１−１、ウェアラブルデバイス１１−２、車載デバイス１１−３、テレビ１１−４、デジタルカメラ１１−５、ＣＥデバイス１１−６、ロボットデバイス、またはサインボード１１−７などが含まれうる。これらの情報処理装置１１（端末装置）は、ネットワークを介して情報処理装置１２（エッジサーバ１２−２）と通信する。端末装置とエッジサーバとの間のネットワークは、上記の例におけるインターフェース１５０ｂ，３５０ｂにあたる。情報処理装置１２（エッジサーバ）は、例えばインターネットなどのネットワークを介して情報処理装置１３（サーバ）と通信する。エッジサーバとサーバとの間のネットワークは、上記の例におけるインターフェース２５０ｂにあたる。

図４３に示す例では、サーバ１３よりも端末装置（情報処理装置１１）の近くにエッジサーバ１２−２（例えば、エッジサーバ１２−２ａ〜１２−２ｄ）を分散させることで、通信遅延の短縮、処理の高速化、およびリアルタイム性の向上を実現し得る。

なお、図４３に示した例は、システム１０がエッジサーバを含むシステムにおいて実現される例を理解しやすくするために示されたものであり、システム１０がこのようなシステムに限定されないのは、上記のそれぞれの例で説明された通りである。

（フォグコンピューティングを含むシステムの例）
図４４は、本開示の実施形態に係るシステム構成のより具体的な例の一つとして、フォグコンピューティングを含むシステムの例を示す図である。図示された例では、情報処理装置１１（または情報処理装置１１ａ、１１ｂ）が端末装置であり、情報処理装置１２がフォグコンピューティングであり、情報処理装置１３がサーバである。

上記で図３５を参照して説明した例と同様に、端末装置には、モバイルデバイス１１−１、ウェアラブルデバイス１１−２、車載デバイス１１−３、テレビ１１−４、デジタルカメラ１１−５、ＣＥデバイス１１−６、ロボットデバイス、またはサインボード１１−７などが含まれうる。これらの情報処理装置１１（端末装置）は、ネットワークを介して情報処理装置１２（フォグコンピューティング１２−３）と通信する。端末装置とフォグコンピューティングとの間のネットワークは、上記の例におけるインターフェース１５０ｂ，３５０ｂにあたる。情報処理装置１２（フォグコンピューティング）は、例えばインターネットなどのネットワークを介して情報処理装置１３（サーバ）と通信する。フォグコンピューティングとサーバとの間のネットワークは、上記の例におけるインターフェース２５０ｂにあたる。

フォグコンピューティング１２−３は、クラウドとデバイスの間にある分散処理環境で、クラウド（サーバ１３）よりデバイス（情報処理装置１１）に近い位置に広く分散している。具体的には、フォグコンピューティング１２−３は、処理のためのコンピューティングリソースを分野別や地域別に分散化して最適に配置する仕組みによりエッジコンピューティングを包含したシステム構成となる。

図４４に示す例では、一例として、フォグコンピューティング１２−３として、モバイル端末１１−１のデータ管理および処理を行うモビリティフォグ１２−３ａ、ウェアラブルデバイス１１−２のデータ管理および処理を行うウェアラブルフォグ１２−３ｂ、車載デバイス１１−３のデータ管理および処理を行う車載デバイスフォグ１２−３ｃ、テレビ１１−４のデータ管理および処理を行うテレビ端末フォグ１２−３ｄ、デジタルカメラ１１−５のデータ管理および処理を行うカメラ端末フォグ１２−３ｅ、ＣＥデバイス１１−６のデータ管理および処理を行うＣＥフォグ１２−３ｆ、サインボード１１−７のデータ管理および処理を行うサインボードフォグ１２−３ｇが想定される。各フォグ同士でのデータ流通も行われ得る。

フォグコンピューティングでは、コンピューティングリソースをデバイスに近い位置で分散し、データ管理や蓄積、変換等の各種処理を行うことができ、通信遅延の短縮、処理の高速化、およびリアルタイム性の向上を実現し得る。

なお、図４４に示した例は、システム１０がフォグコンピューティングを含むシステムにおいて実現される例を理解しやすくするために示されたものであり、システム１０がこのようなシステムに限定されないのは、上記のそれぞれの例で説明された通りである。

（第１０の例）
図４５は、本開示の実施形態に係るシステム構成の第１０の例を示すブロック図である。図４５を参照すると、システム１０は、情報処理装置１１ａ，１２ａ，１３を含む。この第１０の例において、入力部１００は、情報処理装置１１ａにおいて実現される。また、処理部２００は、情報処理装置１２ａおよび情報処理装置１３に分散して実現される。出力部３００は、情報処理装置１３において実現される。情報処理装置１１ａと情報処理装置１２ａ、および情報処理装置１２ａと情報処理装置１３とは、本開示の実施形態に係る機能を実現するために、ネットワークを介してそれぞれ通信する。

この第１０の例は、上記の第９の例において、情報処理装置１１ｂ，１２ｂが情報処理装置１３に取り込まれた例である。つまり、第１０の例では、入力部１００を実現する情報処理装置１１ａ、および処理部２００ａを実現する情報処理装置１２ａはそれぞれが独立した装置であるが、処理部２００ｂと出力部３００とは、同じ情報処理装置１３によって実現される。

第１０の例によって、例えば、端末装置である情報処理装置１１ａにおいて入力部１００によって取得された情報が、中間的な端末装置またはサーバである情報処理装置１２ａでの処理部２００ａによる処理を経て、サーバまたは端末である情報処理装置１３に提供され、処理部２００ｂによる処理を経て出力部３００から出力される、といったような構成が実現される。なお、情報処理装置１２ａによる中間的な処理は、省略されてもよい。このような構成は、例えば、端末装置１１ａから提供される情報に基づいて、サーバまたは端末１３にて所定の処理を実行した上で、処理結果をサーバまたは端末１３において蓄積または出力するようなサービスにおいて採用されうる。蓄積された処理結果は、例えば別のサービスによって利用されうる。

（第１１の例）
図４６は、本開示の実施形態に係るシステム構成の第１１の例を示すブロック図である。図４６を参照すると、システム１０は、情報処理装置１１ｂ，１２ｂ，１３を含む。この第１１の例において、入力部１００は、情報処理装置１３において実現される。また、処理部２００は、情報処理装置１３および情報処理装置１２ｂに分散して実現される。出力部３００は、情報処理装置１１ｂにおいて実現される。情報処理装置１３と情報処理装置１２ｂ、および情報処理装置１２ｂと情報処理装置１１ｂとは、本開示の実施形態に係る機能を実現するために、ネットワークを介してそれぞれ通信する。

この第１１の例は、上記の第９の例において、情報処理装置１１ａ，１２ａが情報処理装置１３に取り込まれた例である。つまり、第１１の例では、出力部３００を実現する情報処理装置１１ｂ、および処理部２００ｃを実現する情報処理装置１２ｂはそれぞれが独立した装置であるが、入力部１００と処理部２００ｂとは、同じ情報処理装置１３によって実現される。

第１１の例によって、例えば、サーバまたは端末装置である情報処理装置１３において入力部１００によって取得された情報が、処理部２００ｂによる処理を経て、中間的な端末装置またはサーバである情報処理装置１２ｂに提供され、処理部２００ｃによる処理を経て、端末装置である情報処理装置１１ｂにおいて出力部３００から出力される、といったような構成が実現される。なお、情報処理装置１２ｂによる中間的な処理は、省略されてもよい。このような構成は、例えば、サーバまたは端末１３において取得された情報に基づいて、サーバまたは端末１３にて所定の処理を実行した上で、処理結果を端末装置１１ｂに提供するようなサービスにおいて採用されうる。取得される情報は、例えば別のサービスによって提供されうる。

（６．ハードウェア構成）
次に、図４７を参照して、本開示の実施形態に係る情報処理装置のハードウェア構成について説明する。図４７は、本開示の実施形態に係る情報処理装置のハードウェア構成例を示すブロック図である。

情報処理装置９００は、ＣＰＵ（Central Processing unit）９０１、ＲＯＭ（Read Only Memory）９０３、およびＲＡＭ（Random Access Memory）９０５を含む。また、情報処理装置９００は、ホストバス９０７、ブリッジ９０９、外部バス９１１、インターフェース９１３、入力装置９１５、出力装置９１７、ストレージ装置９１９、ドライブ９２１、接続ポート９２３、通信装置９２５を含んでもよい。さらに、情報処理装置９００は、必要に応じて、撮像装置９３３、およびセンサ９３５を含んでもよい。情報処理装置９００は、ＣＰＵ９０１に代えて、またはこれとともに、ＤＳＰ（Digital Signal Processor）、ＡＳＩＣ（Application Specific Integrated Circuit）、またはＦＰＧＡ（Field-Programmable Gate Array）などの処理回路を有してもよい。

ＣＰＵ９０１は、演算処理装置および制御装置として機能し、ＲＯＭ９０３、ＲＡＭ９０５、ストレージ装置９１９、またはリムーバブル記録媒体９２７に記録された各種プログラムに従って、情報処理装置９００内の動作全般またはその一部を制御する。ＲＯＭ９０３は、ＣＰＵ９０１が使用するプログラムや演算パラメータなどを記憶する。ＲＡＭ９０５は、ＣＰＵ９０１の実行において使用するプログラムや、その実行において適宜変化するパラメータなどを一次記憶する。ＣＰＵ９０１、ＲＯＭ９０３、およびＲＡＭ９０５は、ＣＰＵバスなどの内部バスにより構成されるホストバス９０７により相互に接続されている。さらに、ホストバス９０７は、ブリッジ９０９を介して、ＰＣＩ（Peripheral Component Interconnect/Interface）バスなどの外部バス９１１に接続されている。

入力装置９１５は、例えば、マウス、キーボード、タッチパネル、ボタン、スイッチおよびレバーなど、ユーザによって操作される装置である。入力装置９１５は、例えば、赤外線やその他の電波を利用したリモートコントロール装置であってもよいし、情報処理装置９００の操作に対応した携帯電話などの外部接続機器９２９であってもよい。入力装置９１５は、ユーザが入力した情報に基づいて入力信号を生成してＣＰＵ９０１に出力する入力制御回路を含む。ユーザは、この入力装置９１５を操作することによって、情報処理装置９００に対して各種のデータを入力したり処理動作を指示したりする。

出力装置９１７は、取得した情報をユーザに対して視覚や聴覚、触覚などの感覚を用いて通知することが可能な装置で構成される。出力装置９１７は、例えば、ＬＣＤ（Liquid Crystal Display）または有機ＥＬ（Electro-Luminescence）ディスプレイなどの表示装置、スピーカまたはヘッドフォンなどの音声出力装置、もしくはバイブレータなどでありうる。出力装置９１７は、情報処理装置９００の処理により得られた結果を、テキストもしくは画像などの映像、音声もしくは音響などの音声、またはバイブレーションなどとして出力する。

ストレージ装置９１９は、情報処理装置９００の記憶部の一例として構成されたデータ格納用の装置である。ストレージ装置９１９は、例えば、ＨＤＤ（Hard Disk Drive）などの磁気記憶部デバイス、半導体記憶デバイス、光記憶デバイス、または光磁気記憶デバイスなどにより構成される。ストレージ装置９１９は、例えばＣＰＵ９０１が実行するプログラムや各種データ、および外部から取得した各種のデータなどを格納する。

ドライブ９２１は、磁気ディスク、光ディスク、光磁気ディスク、または半導体メモリなどのリムーバブル記録媒体９２７のためのリーダライタであり、情報処理装置９００に内蔵、あるいは外付けされる。ドライブ９２１は、装着されているリムーバブル記録媒体９２７に記録されている情報を読み出して、ＲＡＭ９０５に出力する。また、ドライブ９２１は、装着されているリムーバブル記録媒体９２７に記録を書き込む。

接続ポート９２３は、機器を情報処理装置９００に接続するためのポートである。接続ポート９２３は、例えば、ＵＳＢ（Universal Serial Bus）ポート、ＩＥＥＥ１３９４ポート、ＳＣＳＩ（Small Computer System Interface）ポートなどでありうる。また、接続ポート９２３は、ＲＳ−２３２Ｃポート、光オーディオ端子、ＨＤＭＩ（登録商標）（High-Definition Multimedia Interface）ポートなどであってもよい。接続ポート９２３に外部接続機器９２９を接続することで、情報処理装置９００と外部接続機器９２９との間で各種のデータが交換されうる。

通信装置９２５は、例えば、通信ネットワーク９３１に接続するための通信デバイスなどで構成された通信インターフェースである。通信装置９２５は、例えば、ＬＡＮ（Local Area Network）、Ｂｌｕｅｔｏｏｔｈ（登録商標）、Ｗｉ−Ｆｉ、またはＷＵＳＢ（Wireless USB）用の通信カードなどでありうる。また、通信装置９２５は、光通信用のルータ、ＡＤＳＬ（Asymmetric Digital Subscriber Line）用のルータ、または、各種通信用のモデムなどであってもよい。通信装置９２５は、例えば、インターネットや他の通信機器との間で、ＴＣＰ／ＩＰなどの所定のプロトコルを用いて信号などを送受信する。また、通信装置９２５に接続される通信ネットワーク９３１は、有線または無線によって接続されたネットワークであり、例えば、インターネット、家庭内ＬＡＮ、赤外線通信、ラジオ波通信または衛星通信などを含みうる。

撮像装置９３３は、例えば、ＣＭＯＳ（Complementary Metal Oxide Semiconductor）またはＣＣＤ（Charge Coupled Device）などの撮像素子、および撮像素子への被写体像の結像を制御するためのレンズなどの各種の部材を用いて実空間を撮像し、撮像画像を生成する装置である。撮像装置９３３は、静止画を撮像するものであってもよいし、また動画を撮像するものであってもよい。

センサ９３５は、例えば、加速度センサ、角速度センサ、地磁気センサ、照度センサ、温度センサ、気圧センサ、または音センサ（マイクロフォン）などの各種のセンサである。センサ９３５は、例えば情報処理装置９００の筐体の姿勢など、情報処理装置９００自体の状態に関する情報や、情報処理装置９００の周辺の明るさや騒音など、情報処理装置９００の周辺環境に関する情報を取得する。また、センサ９３５は、ＧＰＳ（Global Positioning System）信号を受信して装置の緯度、経度および高度を測定するＧＰＳ受信機を含んでもよい。

以上、情報処理装置９００のハードウェア構成の一例を示した。上記の各構成要素は、汎用的な部材を用いて構成されていてもよいし、各構成要素の機能に特化したハードウェアにより構成されていてもよい。かかる構成は、実施する時々の技術レベルに応じて適宜変更されうる。

（７．補足）
本開示の実施形態は、例えば、上記で説明したような情報処理装置、システム、情報処理装置またはシステムで実行される情報処理方法、情報処理装置を機能させるためのプログラム、およびプログラムが記録された一時的でない有形の媒体を含みうる。

また、本実施形態による情報処理システムは、主にユーザ間の評価、すなわち人から見た人の評価を対象としているが、評価対象は人に限定されず、モノ、コンテンツ、組織、場所等であってもよい。また、この場合、各分野への目利きの信頼度の高い人（上述した見る目のある人物）の評価情報がより強く評価値に反映されるようにしてもよい。

以上、添付図面を参照しながら本開示の好適な実施形態について詳細に説明したが、本技術はかかる例に限定されない。本開示の技術分野における通常の知識を有する者であれば、特許請求の範囲に記載された技術的思想の範疇内において、各種の変更例または修正例に想到し得ることは明らかであり、これらについても、当然に本開示の技術的範囲に属するものと了解される。

例えば、上述した入力部１００、処理部２００、または出力部３００に内蔵されるＣＰＵ、ＲＯＭ、およびＲＡＭ等のハードウェアに、・入力部１００、処理部２００、または出力部３００の機能を発揮させるためのコンピュータプログラムも作成可能である。また、当該コンピュータプログラムを記憶させたコンピュータ読み取り可能な記憶媒体も提供される。

また、本明細書に記載された効果は、あくまで説明的または例示的なものであって限定的ではない。つまり、本開示に係る技術は、上記の効果とともに、または上記の効果に代えて、本明細書の記載から当業者には明らかな他の効果を奏しうる。

なお、本技術は以下のような構成も取ることができる。
（１）
評価者の評価対象者に対する評価情報と、前記評価対象者のセンシングデータとを取得する処理と、
前記評価者の前記評価対象者に対する前記評価情報と、前記評価対象者のセンシングデータとに基づいて、前記評価者による評価の信頼度を推定する処理とを行う制御部を備える、情報処理装置。
（２）
前記制御部は、前記評価情報と前記センシングデータの処理結果の一致度に応じて、前記信頼度を推定する、前記（１）に記載の情報処理装置。
（３）
前記制御部は、前記信頼度を示す情報を前記評価者に通知する制御を行う、前記（１）または（２）に記載の情報処理装置。
（４）
前記制御部は、
前記信頼度を示す前記情報を含む画面を生成し、
生成した前記画面を前記評価者に送信する制御を行う、前記（３）に記載の情報処理装置。
（５）
前記制御部は、
前記信頼度を評価項目毎に推定し、
前記信頼度の高さに応じて評価項目を配置した評価入力画面を生成し、
生成した前記評価入力画面を前記評価者に送信する制御を行う、前記（１）または（２）に記載の情報処理装置。
（６）
前記制御部は、前記評価者のセンシングデータに基づいて前記信頼度を推定する、前記（１）〜（５）のいずれか１項に記載の情報処理装置。
（７）
前記制御部は、
蓄積された複数評価者のセンシングデータおよび前記複数評価者の各信頼度に基づいて生成された機械学習済の情報を用いて、前記評価者の前記センシングデータに基づく前記信頼度の推定処理を行う、前記（６）に記載の情報処理装置。
（８）
前記制御部は、
前記評価者の前記評価情報と、蓄積された複数評価者の評価情報の分析結果の評価値とを比較し、
比較結果に基づいて前記評価者の前記信頼度を推定する、前記（１）〜（７）のいずれか１項に記載の情報処理装置。
（９）
前記制御部は、
蓄積された複数評価者の評価情報の分析結果の評価値の時系列変化と、前記評価者の前記評価情報とを比較し、
前記評価値が、前記評価者による前記評価情報に近似した場合、前記評価者の前記信頼度が高いことを前記評価者にフィードバックする制御を行う、前記（１）〜（８）のいずれか１項に記載の情報処理装置。
（１０）
前記制御部は、
蓄積された複数評価者による前記評価対象者に対する前記評価情報を分析し、前記評価対象者の評価値を算出する、前記（１）〜（９）のいずれか１項に記載の情報処理装置。
（１１）
前記制御部は、
前記複数評価者による前記評価情報に、前記複数評価者の前記信頼度に応じた重み付けを行った上で、前記評価値を算出する、前記（１０）に記載の情報処理装置。
（１２）
前記制御部は、
前記算出した前記評価値と、前記評価対象者の前記評価情報とを比較し、
前記評価情報の前記評価値との近さに応じて前記評価者の前記信頼度を更新し、
前記複数評価者による前記評価情報に、前記更新した前記信頼度に応じた重み付けを行った上で、再度、前記評価値を算出する、前記（１１）に記載の情報処理装置。
（１３）
前記制御部は、
前記評価者による前記評価対象者に対する前記評価情報と、前記評価者が他の評価者から評価された評価情報の分析結果の評価値とに基づいて、前記評価対象者の前記評価値を算出する、前記（１０）に記載の情報処理装置。
（１４）
前記制御部は、
前記複数評価者による前記評価情報が、複数の人物を比較した相対評価の場合、前記複数評価者による全ての相対評価に基づいて複数の前記評価対象者をソートして絶対評価に換算した上で、前記評価対象者の前記評価値を算出する、前記（１０）に記載の情報処理装置。
（１５）
前記制御部は、
前記複数評価者による前記評価情報に、前記複数評価者の前記信頼度に応じた重み付けを行った上で、前記評価対象者の第１の評価値を算出し、
前記評価者による前記評価対象者に対する前記評価情報と、前記評価者が他の評価者から評価された評価情報の分析結果の評価値とに基づいて、前記評価対象者の第２の評価値を算出し、
前記複数評価者による前記評価情報が、複数の人物を比較した相対評価の場合、前記複数評価者による全ての相対評価に基づいて複数の前記評価対象者をソートして絶対評価に換算した上で、前記評価対象者の第３の評価値を算出し、
前記第１の評価値、前記第２の評価値、および前記第３の評価値に基づいて、前記評価対象者の最終的な前記評価値を算出する、前記（１０）〜（１４）のいずれか１項に記載の情報処理装置。
（１６）
前記制御部は、
前記評価者により入力された評価入力画面の入力内容、前記評価者が入力したメッセージのテキスト解析結果、または前記評価者が発話した音声の解析結果の少なくともいずれかから、前記評価情報を取得し、記憶部に蓄積する制御を行う、前記（１）〜（１５）のいずれか１項に記載の情報処理装置。
（１７）
前記制御部は、
蓄積された複数評価対象者のセンシングデータおよび前記複数評価対象者の各評価情報の分析結果の評価値に基づいて生成された機械学習済の情報を用いて、新たに取得した前記評価対象者のセンシングデータから前記評価情報を取得し、
取得した前記評価情報を記憶部に蓄積する制御を行う、前記（１）〜（１６）のいずれか１項に記載の情報処理装置。
（１８）
前記制御部は、
前記評価対象者の前記評価情報の分析結果の評価値と、前記評価値が時系列変化した場合は変化の要因を示す情報とを、前記評価対象者に提示する制御を行う、前記（１）〜（１７）のいずれか１項に記載の情報処理装置。
（１９）
プロセッサが、
評価者の評価対象者に対する評価情報と、前記評価対象者のセンシングデータとを取得することと、
前記評価者の前記評価対象者に対する前記評価情報と、前記評価対象者のセンシングデータとに基づいて、前記評価者による評価の信頼度を推定することとを含む、情報処理方法。
（２０）
コンピータを、
評価者の評価対象者に対する評価情報と、前記評価対象者のセンシングデータとを取得する処理と、
前記評価者の前記評価対象者に対する前記評価情報と、前記評価対象者のセンシングデータとに基づいて、前記評価者による評価の信頼度を推定する処理とを行う制御部として機能させるための、プログラム。

１０ システム
１１，１２，１３ 情報処理装置
１００ 入力部
１５０，２５０，３５０ インターフェース
２００、２００Ａ、２００Ｂ、２００Ｃ、２００Ｄ 処理部
２０１ 評価部
２０３ 評価情報ＤＢ
２０５ 評価分析部
２０７ 信頼度ＤＢ
２０８ センサ情報ＤＢ
２０９ 分析結果ＤＢ
２１１ 分析結果出力部
２１３ 自動評価学習部
２１５ 自動評価機ＤＢ
２１７ 自動評価部
２１９ 因果分析部
２２１ 評価時系列分析部
２２４ 信頼度自動推定学習部
２２６ 信頼度自動推定機ＤＢ
２２８ 信頼度自動推定部
３００ 出力部

Claims (20)

1. 評価者の評価対象者に対する評価情報と、前記評価対象者のセンシングデータとを取得する処理と、
   前記評価者の前記評価対象者に対する前記評価情報と、前記評価対象者のセンシングデータとに基づいて、前記評価者による評価の信頼度を推定する処理とを行う制御部を備える、情報処理装置。
2. 前記制御部は、前記評価情報と前記センシングデータの処理結果の一致度に応じて、前記信頼度を推定する、請求項１に記載の情報処理装置。
3. 前記制御部は、前記信頼度を示す情報を前記評価者に通知する制御を行う、請求項１または２に記載の情報処理装置。
4. 前記制御部は、
   前記信頼度を示す前記情報を含む画面を生成し、
   生成した前記画面を前記評価者に送信する制御を行う、請求項３に記載の情報処理装置。
5. 前記制御部は、
   前記信頼度を評価項目毎に推定し、
   前記信頼度の高さに応じて評価項目を配置した評価入力画面を生成し、
   生成した前記評価入力画面を前記評価者に送信する制御を行う、請求項１または２に記載の情報処理装置。
6. 前記制御部は、前記評価者のセンシングデータに基づいて前記信頼度を推定する、請求項１に記載の情報処理装置。
7. 前記制御部は、
   蓄積された複数評価者のセンシングデータおよび前記複数評価者の各信頼度に基づいて生成された機械学習済の情報を用いて、前記評価者の前記センシングデータに基づく前記信頼度の推定処理を行う、請求項６に記載の情報処理装置。
8. 前記制御部は、
   前記評価者の前記評価情報と、蓄積された複数評価者の評価情報の分析結果の評価値とを比較し、
   比較結果に基づいて前記評価者の前記信頼度を推定する、請求項１に記載の情報処理装置。
9. 前記制御部は、
   蓄積された複数評価者の評価情報の分析結果の評価値の時系列変化と、前記評価者の前記評価情報とを比較し、
   前記評価値が、前記評価者による前記評価情報に近似した場合、前記評価者の前記信頼度が高いことを前記評価者にフィードバックする制御を行う、請求項１に記載の情報処理装置。
10. 前記制御部は、
    蓄積された複数評価者による前記評価対象者に対する前記評価情報を分析し、前記評価対象者の評価値を算出する、請求項１に記載の情報処理装置。
11. 前記制御部は、
    前記複数評価者による前記評価情報に、前記複数評価者の前記信頼度に応じた重み付けを行った上で、前記評価値を算出する、請求項１０に記載の情報処理装置。
12. 前記制御部は、
    前記算出した前記評価値と、前記評価対象者の前記評価情報とを比較し、
    前記評価情報の前記評価値との近さに応じて前記評価者の前記信頼度を更新し、
    前記複数評価者による前記評価情報に、前記更新した前記信頼度に応じた重み付けを行った上で、再度、前記評価値を算出する、請求項１１に記載の情報処理装置。
13. 前記制御部は、
    前記評価者による前記評価対象者に対する前記評価情報と、前記評価者が他の評価者から評価された評価情報の分析結果の評価値とに基づいて、前記評価対象者の前記評価値を算出する、請求項１０に記載の情報処理装置。
14. 前記制御部は、
    前記複数評価者による前記評価情報が、複数の人物を比較した相対評価の場合、前記複数評価者による全ての相対評価に基づいて複数の前記評価対象者をソートして絶対評価に換算した上で、前記評価対象者の前記評価値を算出する、請求項１０に記載の情報処理装置。
15. 前記制御部は、
    前記複数評価者による前記評価情報に、前記複数評価者の前記信頼度に応じた重み付けを行った上で、前記評価対象者の第１の評価値を算出し、
    前記評価者による前記評価対象者に対する前記評価情報と、前記評価者が他の評価者から評価された評価情報の分析結果の評価値とに基づいて、前記評価対象者の第２の評価値を算出し、
    前記複数評価者による前記評価情報が、複数の人物を比較した相対評価の場合、前記複数評価者による全ての相対評価に基づいて複数の前記評価対象者をソートして絶対評価に換算した上で、前記評価対象者の第３の評価値を算出し、
    前記第１の評価値、前記第２の評価値、および前記第３の評価値に基づいて、前記評価対象者の最終的な前記評価値を算出する、請求項１０に記載の情報処理装置。
16. 前記制御部は、
    前記評価者により入力された評価入力画面の入力内容、前記評価者が入力したメッセージのテキスト解析結果、または前記評価者が発話した音声の解析結果の少なくともいずれかから、前記評価情報を取得し、記憶部に蓄積する制御を行う、請求項１に記載の情報処理装置。
17. 前記制御部は、
    蓄積された複数評価対象者のセンシングデータおよび前記複数評価対象者の各評価情報の分析結果の評価値に基づいて生成された機械学習済の情報を用いて、新たに取得した前記評価対象者のセンシングデータから前記評価情報を取得し、
    取得した前記評価情報を記憶部に蓄積する制御を行う、請求項１に記載の情報処理装置。
18. 前記制御部は、
    前記評価対象者の前記評価情報の分析結果の評価値と、前記評価値が時系列変化した場合は変化の要因を示す情報とを、前記評価対象者に提示する制御を行う、請求項１に記載の情報処理装置。
19. プロセッサが、
    評価者の評価対象者に対する評価情報と、前記評価対象者のセンシングデータとを取得することと、
    前記評価者の前記評価対象者に対する前記評価情報と、前記評価対象者のセンシングデータとに基づいて、前記評価者による評価の信頼度を推定することとを含む、情報処理方法。
20. コンピータを、
    評価者の評価対象者に対する評価情報と、前記評価対象者のセンシングデータとを取得する処理と、
    前記評価者の前記評価対象者に対する前記評価情報と、前記評価対象者のセンシングデータとに基づいて、前記評価者による評価の信頼度を推定する処理とを行う制御部として機能させるための、プログラム。

Images