WO2015140860A1 - 施策推薦装置、施策推薦方法および施策推薦プログラム - Google Patents

施策推薦装置、施策推薦方法および施策推薦プログラム Download PDF

Info

Publication number
WO2015140860A1
WO2015140860A1 PCT/JP2014/006265 JP2014006265W WO2015140860A1 WO 2015140860 A1 WO2015140860 A1 WO 2015140860A1 JP 2014006265 W JP2014006265 W JP 2014006265W WO 2015140860 A1 WO2015140860 A1 WO 2015140860A1
Authority
WO
WIPO (PCT)
Prior art keywords
measure
combination
success
recommendation
unit
Prior art date
Application number
PCT/JP2014/006265
Other languages
English (en)
French (fr)
Inventor
雄大 田口
Original Assignee
Ｎｅｃソリューションイノベータ株式会社
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Ｎｅｃソリューションイノベータ株式会社 filed Critical Ｎｅｃソリューションイノベータ株式会社
Priority to JP2016508321A priority Critical patent/JP6172781B2/ja
Priority to US15/122,286 priority patent/US20160372000A1/en
Priority to EP14886648.6A priority patent/EP3121785A4/en
Publication of WO2015140860A1 publication Critical patent/WO2015140860A1/ja

Links

Images

Classifications

    • G—PHYSICS
    • G09—EDUCATION; CRYPTOGRAPHY; DISPLAY; ADVERTISING; SEALS
    • G09B—EDUCATIONAL OR DEMONSTRATION APPLIANCES; APPLIANCES FOR TEACHING, OR COMMUNICATING WITH, THE BLIND, DEAF OR MUTE; MODELS; PLANETARIA; GLOBES; MAPS; DIAGRAMS
    • G09B19/00—Teaching not covered by other main groups of this subclass
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/24—Querying
    • G06F16/245—Query processing
    • G06F16/2457—Query processing with adaptation to user needs
    • G06F16/24575—Query processing with adaptation to user needs using context
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/24—Querying
    • G06F16/245—Query processing
    • G06F16/2457—Query processing with adaptation to user needs
    • G06F16/24578—Query processing with adaptation to user needs using ranking
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/10—Office automation; Time management
    • G06Q10/101—Collaborative creation, e.g. joint development of products or services
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q30/00—Commerce
    • G06Q30/02—Marketing; Price estimation or determination; Fundraising
    • G06Q30/0282—Rating or review of business operators or products
    • G—PHYSICS
    • G09—EDUCATION; CRYPTOGRAPHY; DISPLAY; ADVERTISING; SEALS
    • G09B—EDUCATIONAL OR DEMONSTRATION APPLIANCES; APPLIANCES FOR TEACHING, OR COMMUNICATING WITH, THE BLIND, DEAF OR MUTE; MODELS; PLANETARIA; GLOBES; MAPS; DIAGRAMS
    • G09B23/00—Models for scientific, medical, or mathematical purposes, e.g. full-sized devices for demonstration purposes
    • G09B23/28—Models for scientific, medical, or mathematical purposes, e.g. full-sized devices for demonstration purposes for medicine
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H20/00—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance
    • G16H20/70—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance relating to mental therapies, e.g. psychological therapy or autogenous training

Definitions

  • the present invention relates to a measure recommendation device, a measure recommendation method, and a measure recommendation program for recommending an appropriate measure to a person who fails to implement the measure.
  • CBT cognitive behavioral therapy
  • CBT-I cognitive behavioral therapy
  • a task is given every day for one month, and the client corrects the behavior by continuously performing the given task. Therefore, in cognitive behavioral therapy, issues and measures recommended to clients are important factors.
  • Non-Patent Document 1 As a general method for recommending information to the user, recommendation by collaborative filtering is described in Non-Patent Document 1. How to recommend a product that a person wants to a potential customer is an important factor for advertisers. Therefore, in the recommendation by collaborative filtering, the user's preference pattern is learned based on the Internet user's site browsing history, click history, and the like, and a product that the user is likely to like is recommended.
  • Non-Patent Document 1 Recommendation by collaborative filtering described in Non-Patent Document 1 is a method that focuses on starting a new use or purchasing a new product. That is, the technique described in Non-Patent Document 1 recommends similar products to other users based on favorable facts obtained in the past.
  • an object of the present invention is to provide a measure recommendation device, a measure recommendation method, and a measure recommendation program that can appropriately recommend the next best measure to a person who has not successfully implemented a measure.
  • the measure recommendation device is based on the duration of the measure implemented by each user and the threshold or range of the duration used for determining whether each measure is successful or not.
  • a measure result determination unit that determines a failure
  • a combination generation unit that generates, for each user, a combination including a failure measure that is determined as a failure and a successful measure that is determined as a success based on the determination result;
  • a measure that is recognized as failed is input, a combination of the generated measures that matches the failed measure is extracted from the generated combinations, and a measure recommendation that recommends a successful measure included in the extracted combination And a section.
  • the measure recommendation method is a measure recommendation device in which the measure recommendation device determines whether the measure by each user is based on the duration of the measure implemented by each user and the threshold value or range of the duration used to determine the success or failure of each measure. The success or failure of the implementation is judged, and the measure recommendation device generates, for each user, a combination including the failure measure that is determined to be a failure and the success measure that is determined to be a success based on the determination result.
  • a measure recognized as a failure is input by the measure recommendation device, a combination in which the input measure matches the failed measure is extracted from the generated combination, and the success included in the extracted combination It is characterized by recommending measures.
  • the measure recommendation program allows a computer to execute the measure by each user based on the duration of the measure implemented by each user and the threshold value or range of the duration used for determining the success or failure of each measure.
  • a process and a measure recognized as failed are input, a combination in which the input measure matches the failure measure is extracted from the generated combination, and a successful measure included in the extracted combination is recommended. It is characterized in that a measure recommendation process is executed.
  • FIG. FIG. 1 is a block diagram showing a configuration example of a first embodiment of a measure recommendation device according to the present invention.
  • the measure recommendation device 10 of this embodiment includes a measure result determination unit 11, a combination generation unit 12, a measure input unit 13, a measure recommendation unit 14, a determination condition storage unit 15, and a measure candidate storage unit 16. ing.
  • the measure recommendation device 10 may include a measure history storage unit 20 described later.
  • the measure recommendation device may be used by a user himself / herself for recommending a new measure to the user. Further, it is determined whether or not the measure taken by the user is a failure, and a person who recommends the next best measure to the user is described as an administrator.
  • the measure recommendation device may be used by an administrator who determines success or failure of implementation of a measure by a user, and the administrator may recommend a second best measure to the user.
  • the measure history storage unit 20 stores information for the measure result determination unit 11 to make a determination. Specifically, the measure history storage unit 20 stores the duration of the measure implemented by each user. In the following description, information indicating the duration of a measure implemented by each user may be referred to as an implementation history.
  • FIG. 2 is an explanatory diagram illustrating an example of information stored in the measure history storage unit 20.
  • the measure history storage unit 20 includes, for each user ID that identifies each user, a support measure ID that identifies the measure that the user has implemented, and a duration that indicates the period during which the measure has been implemented.
  • the number of days is set for the duration, but the information indicating the duration is not limited to the number of days, and may be the number of months, years, hours, or the like.
  • the measure history storage unit 20 may store not only the duration but also other information in association with each measure implemented by the user.
  • FIG. 3 is an explanatory diagram showing examples of measures.
  • the support measure ID and the measure contents are managed in association with each other.
  • a measure identified by the support measure ID may be associated with a plurality of sub measures for realizing the measure.
  • the support measure ID “003”
  • the three sub-measures are associated with the measures identified by.
  • the measure recommendation device 10 may confirm the presence or absence of the sub measure when the support measure ID is designated.
  • the measure result determination unit 11 determines the success or failure of the implementation of the measure by each user based on the duration of the measure implemented by each user. At that time, the measure result determination unit 11 determines the success or failure of the implementation of the measure by each user based on the duration condition used for determining the success or failure of each measure.
  • the duration condition is stored in the determination condition storage unit 15.
  • the duration condition may be set for each measure, or may be set for the entire process. When the duration condition is set for each measure, it becomes possible to make a finer determination. In addition, when one continuation period condition is set for the entire process, the number of items set by the user or the administrator can be suppressed, so that it is possible to reduce the labor related to setting.
  • FIG. 4 is an explanatory diagram illustrating an example of determination conditions stored in the determination condition storage unit 15.
  • the determination condition storage unit 15 stores, for each measure, a threshold value of a continuation period that is determined to be successful in each measure as a condition for the continuation period.
  • the measure result determination unit 11 determines that the measure has been successfully implemented when the duration of each measure executed by each user is equal to or greater than the set threshold value.
  • the determination condition storage unit 15 is realized by, for example, a memory.
  • the conditions used by the measure result determination unit 11 for determination are not limited to the threshold value for the duration.
  • the measure result determination unit 11 may use, for example, a range of a continuous period determined as success as a condition.
  • FIG. 5 is an explanatory diagram showing the result of determining the execution history illustrated in FIG. 2 using the conditions illustrated in FIG.
  • the user identified by the user ID “A” continuously implemented the measure identified by the support measure ID “001” for 10 days.
  • the threshold of the duration for determining that the implementation of the measure identified by the support measure ID “001” is successful is 25 days. Therefore, the measure identified by the support measure ID “001” implemented by this user is determined to have failed.
  • the duration condition may be determined in advance by an administrator or the like based on past experience or the like, or may be calculated by the measure result determination unit 11.
  • the measure result determination unit 11 may use, for example, the execution history illustrated in FIG. 2 to calculate the median value of the duration in which each measure is implemented, and set the median as the threshold value of the duration.
  • the measure result determination unit 11 may calculate an average of durations in which each measure is implemented, and may use the average value as a threshold value of the duration.
  • the median value is more preferably used as the threshold value of the duration because it is easily affected by biased data.
  • the combination generation unit 12 generates, for each user, a combination including the measure determined to be unsuccessful and the measure determined to be successful based on the determination result by the measure result determination unit 11.
  • a measure determined as failure may be referred to as a failure measure
  • a measure determined as successful may be referred to as a success measure.
  • This combination may include not only information for identifying a success measure and a failure measure, but also information associated with the success measure and information associated with the failure measure.
  • FIG. 6 is an explanatory diagram showing an example of processing for generating a combination of a failure measure and a success measure.
  • the combination generation unit 12 generates a combination based on the determination result illustrated in FIG. For example, focusing on the user identified by the user ID “A”, the failure measure is a measure identified by the support measure IDs “001” and “003”, and the success measure is identified by the support measure ID “002”. Measure.
  • the combination generation unit 12 includes the combination of the measure identified by the support measure ID “001” and the measure identified by the support measure ID “002”, and the support measure. A combination of the measure identified by the ID “003” and the measure identified by the support measure ID “002” is generated. The same applies to other users.
  • the combination generation unit 12 may generate a combination of overlapping failure measures and success measures.
  • the same combination (first and second lines) is obtained from the user implementation history identified by the user ID “A” and the user implementation history identified by the user ID “C”. Has been generated.
  • generation part 12 may leave one combination and delete the other overlapping combination, when the combination of the failure measure and the success measure which overlap is produced
  • the measure candidate storage unit 16 stores a combination including the failure measure and the success measure generated by the combination generation unit 12.
  • the measure candidate storage unit 16 is realized by, for example, a magnetic disk.
  • the measure input unit 13 inputs a measure recognized as a failure by the administrator.
  • the measure input unit 13 is realized by an input device such as a keyboard or a touch panel that receives input from a user or an administrator.
  • the measure input unit 13 may be realized by a network interface that receives the input.
  • the measure recommendation unit 14 extracts a combination in which the input measure matches the failed measure from the combinations generated by the combination generation unit 12 when the measure recognized as failed is input. And the measure recommendation part 14 extracts the success measure contained in the extracted combination, and outputs it as a recommendation result.
  • the measure recommendation unit 14 may output the specified success measure as a recommendation result.
  • the measure recommendation unit 14 may output all of the plurality of successful measures as recommendation results, and one successful measure based on a predetermined rule. You may output as a recommendation result.
  • FIG. 7 is an explanatory diagram showing an example of a process for recommending a measure.
  • Mr. A who fails to implement the measure identified by the support measure ID “001” inputs “001” identifying the failed measure via the measure input unit 13
  • the measure recommendation unit 14 The combination with the support measure ID “001” is extracted, and the support measure IDs “002” and “003” of the success measures included in the combination are extracted. Then, the measure recommendation unit 14 recommends all the extracted measures to Mr. A. In the example shown in FIG. 7, a plurality of measures are searched, but the recommendation order is arbitrary.
  • the measure result determination unit 11, the combination generation unit 12, and the measure recommendation unit 14 are realized by a CPU of a computer that operates according to a program (measure recommendation program).
  • the program is stored in a storage unit (not shown) of the measure recommendation device 10, and the CPU reads the program and operates as the measure result determination unit 11, the combination generation unit 12, and the measure recommendation unit 14 according to the program. May be.
  • each of the measure result determination unit 11, the combination generation unit 12, and the measure recommendation unit 14 may be realized by dedicated hardware.
  • FIG. 8 is a flowchart showing an operation example of the measure recommendation device 10 of the present embodiment.
  • the measure result determination unit 11 refers to the measure history stored in the measure history storage unit 20, and determines the success or failure of the implementation of the measure by each user (step S11).
  • the combination generation unit 12 generates, for each user, a combination including the measure determined to be unsuccessful and the measure determined to be successful based on the determination result by the measure result determination unit 11 (step S12).
  • generation part 12 memorize
  • the measure recommendation unit 14 matches the input measure with the failed measure from among the combinations generated by the combination generation unit 12. A combination is extracted (step S14). And the measure recommendation part 14 extracts the success measure contained in the extracted combination, and outputs it as a recommendation result (step S15).
  • the measure result determination unit 11 determines the duration of a measure implemented by each user and the threshold value or range of the duration used for determining whether each measure is successful. The success or failure of the implementation of the measure by each user is determined, and the combination generation unit 12 generates a combination including the failure measure and the successful measure for each user. Then, when a measure recognized as failed through the measure input unit 13 is input, the measure recommendation unit 14 extracts a combination in which the input measure matches the failed measure from the generated combinations, Recommend success measures included in the extracted combinations.
  • Embodiment 2 a second embodiment of the measure recommendation device according to the present invention will be described.
  • the measure recommendation unit 14 recommends all the successful measures corresponding to the failure measure from the combinations generated by the combination generation unit 12.
  • a method for recommending a successful measure will be described based on total information obtained by further counting the combinations generated by the combination generation unit 12 so that a more suitable successful measure can be recommended.
  • FIG. 9 is a block diagram showing a configuration example of the second embodiment of the measure recommendation device according to the present invention.
  • the measure recommendation device 10a includes a measure result determination unit 11, a combination generation unit 12, a measure input unit 13, a measure recommendation unit 14, a determination condition storage unit 15, a measure candidate storage unit 16, and a combination. And a counting unit 17.
  • the measure recommendation device of this embodiment is different from that of the first embodiment in that it further includes a combination tabulation unit 17.
  • the combination generation unit 12 may perform the process of the combination totaling unit 17.
  • the combination tabulation unit 17 generates tabulation information obtained by tabulating the combinations generated by the combination generation unit 12.
  • the combination totalization unit 17 is realized by a CPU of a computer that operates according to a program (measure recommendation program).
  • the measure recommendation unit 14 extracts total information in which the input measure matches the failure measure, and recommends a success measure using the extracted total information.
  • the measure recommendation unit 14 may output at least one or more pieces of aggregate information together with the recommended success measure.
  • the measure recommendation unit 14 may specify total information that is determined to be recommended more preferentially, and may select and recommend a successful measure corresponding to the specified total information. At this time, the measure recommendation unit 14 may use only one specific information or a plurality of total information. Further, the measure recommendation unit 14 may output the total information together with the recommended success measure.
  • FIG. 10 is an explanatory diagram illustrating a first example of the process of counting the combinations.
  • the combination tabulation unit 17 generates tabulation information by counting the number of users who have implemented the measure history from which the combination is generated.
  • the measure recommendation unit 14 may output the number of users as total information together with the recommended success measure.
  • the measure recommendation unit 14 may recommend success measures with a larger number of people in order from the extracted total information, or may recommend a success measure with the largest number of people.
  • the measure recommendation unit 14 identifies the measure identified by the support measure ID “003”, the measure identified by the support measure ID “002”, and the support measure ID “005” in descending order of the number of people. Successive measures may be recommended in the order of measures taken. By performing such processing, the user and the manager can select a measure with many people who have succeeded in the past.
  • FIG. 11 is an explanatory diagram showing a second example of the process of counting the combinations.
  • the combination tabulation unit 17 sets priorities in descending order of the duration of success measures included in the combination (that is, sorts). When the combination of the failure measure and the success measure overlaps, the combination counting unit 17 may leave only the combination having a longer duration.
  • the measure recommendation unit 14 may output the duration as aggregate information together with the recommended success measure. Further, in this case, it can be determined that the success measure corresponding to the total information having a longer duration should be recommended with higher priority. Therefore, the measure recommendation unit 14 may recommend a success measure with a longer duration in order from the extracted total information, or may recommend a success measure with the longest duration. By performing such processing, the user or the manager can select a measure with a high duration from past success examples.
  • FIG. 12 is an explanatory diagram showing a third example of the process of counting the combinations.
  • the combination tabulation unit 17 determines a period to be applied as a duration of the success measure included in the combination for the same combination of the failure measure and the success measure.
  • the combination tabulation unit 17 may use an average value, a median value, a total value, or the like of durations as an applied period. In the example shown in FIG. 12, the average value of the duration is calculated as the duration applied as the duration.
  • the measure recommendation unit 14 may output a period to be applied as aggregate information together with the recommended success measure. Further, in this case, it can be determined that the success measure corresponding to the aggregate information having a longer period to be applied should be recommended more preferentially. Therefore, the measure recommendation unit 14 may recommend a success measure with a longer applied period in order from the extracted total information, or may recommend a successful measure with the longest applied period. By performing such processing, the user and the manager can select a measure having high statistical continuity.
  • generates is not limited to the total information mentioned above.
  • the combination tabulation unit 17 may generate a plurality of types of tabulation information.
  • the measure recommendation unit 14 may recommend a success measure by combining a plurality of types of aggregate information.
  • a priority for applying the aggregate information may be determined in advance, and the measure recommendation unit 14 may recommend a successful measure according to the priority order.
  • FIG. 13 is a flowchart showing an operation example of the measure recommendation device 10a of the present embodiment.
  • the process in which the measure result determination unit 11 determines the success or failure of the implementation of the measure by each user and the combination generation unit 12 generates a combination of the fail measure and the successful measure for each user is illustrated in FIG. It is the same as the process of S11 and step S12.
  • the combination tabulation unit 17 generates tabulation information obtained by tabulating the combinations generated by the combination generation unit 12 (step S21). Then, the combination tabulation unit 17 stores the generated tabulation information in the measure candidate storage unit 16 (step S22).
  • the measure recommendation unit 14 matches the input measure with the failed measure from the total information generated by the combination totaling unit 17. Total information to be extracted is extracted (step S23). Then, the measure recommendation unit 14 extracts a success measure included in the extracted total information, and recommends a success measure using the extracted total information (step S24).
  • the combination tabulation unit 17 generates tabulation information in which the combinations generated by the combination generation unit 12 are tabulated, and the measure recommendation unit 14 matches the input measure with the failed measure. Aggregate information is extracted and successful measures are recommended using the extracted aggregate information. At this time, the measure recommendation unit 14 outputs aggregate information or preferentially recommends a success measure.
  • the combination totaling unit 17 generates the total information by counting the number of users who have implemented the policy history from which the combination is generated, and the policy recommendation unit 14 determines whether the input policy is A successful measure with a larger number of people may be recommended from the total information that matches the failed measure.
  • combination tabulation unit 17 tabulates the durations of successful measures included in the combination in descending order, and the measure recommendation unit 14 determines the duration from the tabulation information in which the input measure matches the failure measure. Longer success measures may be recommended.
  • the combination totaling unit 17 determines a period to be applied as the duration of the success measure included in the combination for the same combination of the failure measure and the success measure, and the measure recommendation unit 14 is input.
  • a successful measure with a longer period of application may be recommended from the aggregated information that matches the failed measure.
  • the measure recommendation unit 14 recommends all the successful measures corresponding to the failure measure from the combinations generated by the combination generation unit 12.
  • information hereinafter referred to as priority
  • the measure recommendation unit 14 recommends a success measure using the specified priority information.
  • the measure recommendation unit 14 recommends a successful measure using a category into which each measure is classified.
  • a method for recommending a successful measure based on a category into which each measure is classified so that a more suitable successful measure can be recommended will be described.
  • FIG. 14 is a block diagram showing a configuration example of the third embodiment of the measure recommendation device according to the present invention.
  • the measure recommendation device 10b of this embodiment includes a measure result determination unit 11, a combination generation unit 12, a measure input unit 13, a measure recommendation unit 14, a determination condition storage unit 15, a measure candidate storage unit 16, and a category. And an information storage unit 18.
  • the measure recommendation device of this embodiment is different from that of the first embodiment in that it further includes a category information storage unit 18.
  • the measure recommendation device 10b according to the present embodiment may include the combination tabulation unit 17 according to the second embodiment.
  • the category information storage unit 18 stores a category into which each measure is classified.
  • FIG. 15 is an explanatory diagram illustrating an example of categories stored in the category information storage unit 18.
  • the measures identified by the support measure ID “001” and the support measure ID “003” are based on exogenous motivation, and the support measure ID “002” and the support measure ID “ The measure identified by “004” indicates that it is based on intrinsic motivation.
  • the category used for the classification of measures is not limited to the above category.
  • Other examples of categories include measures for specific persons and measures for unspecified majority, measures for qualitative evaluation and measures for quantitative evaluation.
  • the category information storage unit 18 stores the priority of the category of successful measures defined for the category of failed measures.
  • the priority of the intrinsic category may be set higher than the exogenous category.
  • the priority of the external category may be set higher than the intrinsic category.
  • this priority is an example.
  • the relationship between a measure for a specific person and a measure for an unspecified majority, a measure for which qualitative evaluation is performed, and a measure for which quantitative evaluation is performed This relationship may also be defined in the same manner as the priority described above.
  • the measure recommendation unit 14 recommends a successful measure according to the priority of the category stored in the category information storage unit 18 among the successful measures included in the extracted combination.
  • the measure recommendation unit 14 specifies the priority of the category of the successful measure defined for the category of the failed measure as the priority information for each extracted combination, and uses the specified priority information to determine the success measure. Recommendation to.
  • the measure recommendation unit 14 may output priority information together with the recommended success measure.
  • the number and type of information to be output is arbitrary.
  • the measure recommendation unit 14 may select and recommend a success measure that should be recommended with higher priority.
  • the measure recommendation unit 14 may recommend a success measure using only one priority information, or may recommend a success measure using a plurality of priority information.
  • FIG. 16 is an explanatory diagram showing an example in which categories are added to combinations of success measures and failure measures, respectively.
  • the measure recommendation unit 14 may specify the combination illustrated in FIG. 16 using the combination generated by the combination generation unit 12 and the category information stored in the category information storage unit 18. Further, the combination generation unit 12 may generate a combination illustrated in FIG. 16 with reference to the category information storage unit 18.
  • FIG. 17 is an explanatory diagram showing another example of recommending a measure. For example, when Mr. A who fails to implement the measure identified by the support measure ID “001” inputs “001” identifying the failed measure via the measure input unit 13, the measure recommendation unit 14 The combination with the support measure ID “001” is extracted, and the support measure IDs “002” and “003” of the success measures included in the combination are extracted.
  • the measure recommendation unit 14 may recommend a measure identified by the support measure ID “002”, which is a measure classified into the “intrinsic” category, to Mr. A.
  • the measure recommendation unit 14 specifies the priority information of the extracted combination based on the priority of the category of the successful measure defined for the category of the failed measure. Specifically, the measure recommendation unit 14 recommends a success measure of a category having a higher priority defined for the category of the fail measure among the success measures included in the extracted combination. This is because a measure classified into the same category as a failed measure is highly likely to fail even if it is recommended again. According to the present embodiment, since the priority of the category defined based on the causal relationship between the measures is used at the time of recommendation, in addition to the effect of the first embodiment, more to the user and the administrator Can recommend appropriate success measures.
  • Embodiment 4 a fourth embodiment of the measure recommendation device according to the present invention will be described.
  • the measure recommendation unit 14 recommends all the successful measures corresponding to the failure measure from the combinations generated by the combination generation unit 12.
  • a method for recommending a success measure will be described in consideration of the attributes of the user who executed the measure history from which the combination was generated so that a more suitable success measure can be recommended.
  • the measure recommendation unit 14 performs processing for specifying priority information for each extracted combination, and recommends a successful measure using the specified priority information.
  • FIG. 18 is a block diagram showing a configuration example of the fourth embodiment of the measure recommendation device according to the present invention.
  • the measure recommendation device 10c of this embodiment includes a measure result determination unit 11, a combination generation unit 12, a measure input unit 13, a measure recommendation unit 14, a determination condition storage unit 15, a measure candidate storage unit 16, and an attribute And an information storage unit 19.
  • the measure recommendation device of the present embodiment is different from the first embodiment in that it further includes an attribute information storage unit 19.
  • the measure recommendation device 10c of this embodiment may include the combination tabulation unit 17 of the second embodiment, or may include the category information storage unit 18 of the third embodiment.
  • the attribute information storage unit 19 stores attribute information of each user.
  • the attribute information in the present embodiment includes not only the user's own properties and characteristics but also the environment surrounding the user. Examples of attribute information include gender, age, household composition, smoking status, hospitalization history, exercise history, eating behavior, eating and dislikes, past failure measures and their duration, past success measures and their duration, etc. .
  • the combination generation unit 12 generates, for each combination of the failure measure and the success measure, a combination in which attribute information of the user who has implemented the measure history from which the combination is generated is added. Specifically, when the combination generation unit 12 generates a combination of a failure measure and a success measure for each user, the combination generation unit 12 refers to the attribute information storage unit 19 to acquire the attribute information of the corresponding user, Add attribute information. The combination generation unit 12 stores the generated combination in the measure candidate storage unit 16.
  • FIG. 19 is an explanatory diagram showing an example of a combination to which attribute information is added.
  • the example shown in FIG. 19 indicates that attribute information including the gender of the user is added to each combination.
  • the measure recommendation unit 14 is specified by the input identification information among the combinations in which the input measure matches the failed measure when the measure recognized as failed and the identification information of the user to be recommended are input.
  • the similarity of user attribute information is specified as priority information for each extracted combination. Then, the measure recommendation unit 14 recommends a successful measure using the specified priority information.
  • the measure recommendation unit 14 recommends, for example, successful measures included in a combination having a higher degree of similarity with user attribute information specified by the input identification information.
  • the measure recommendation unit 14 refers to the attribute information storage unit 19, Get the attribute information of the user.
  • attribute information may be input together with the identification information of the user via the measure input unit 13. In that case, the measure recommendation unit 14 may use the input attribute information.
  • the measure recommendation unit 14 of this embodiment may also output priority information together with the recommended success measure.
  • the number and type of information to be output is arbitrary.
  • the measure recommendation unit 14 may select and recommend a success measure that should be recommended with higher priority.
  • the measure recommendation unit 14 may recommend a success measure using only one priority information, or may recommend a success measure using a plurality of priority information.
  • the measure recommendation unit 14 may determine that the degree of similarity increases as the number of matching attributes increases between the user attribute information and the attribute information added to the generated combination. Further, the measure recommendation unit 14 may weight each attribute, and may determine that the similarity is higher as the total weight of the matching attributes is larger. Further, the measure recommendation unit 14 may determine that the similarity is higher as the duration of the failed measure is closer to the duration of the failed measure added to the generated combination.
  • FIG. 20 is an explanatory diagram showing still another example of recommending a measure.
  • Mr. A who fails to implement the measure identified by the support measure ID “001” inputs “001” identifying the failed measure via the measure input unit 13
  • the measure recommendation unit 14 displays the attribute information.
  • the attribute information of Mr. A is acquired with reference to the storage unit 19.
  • the information of Mr. A includes information such as “male (male)”, “with wife and child (married, with children)”, and “successful examples continued due to measures (praises) praised in the past”. Has been acquired.
  • the measure recommendation unit 14 recommends a success measure included in the combination having the highest similarity with the user attribute information among the combinations including the failure measure that matches the input support measure ID “001”.
  • the similarity of the combination in the first row is 5, which is higher than the similarity of the other combinations. Therefore, the measure recommendation unit 14 may recommend a measure identified by the support measure ID “003” to Mr. A as a successful measure included in the combination determined to have the highest similarity.
  • the combination generation unit 12 displays the attribute information of the user who has executed the measure history from which the combination was generated. Generate the added combination. Then, the measure recommendation unit 14 is based on the similarity with the attribute information of the user specified by the input identification information when the measure recognized as failed and the identification information of the user to be recommended are input. The priority information of the combination in which the inputted measure matches the failed measure is specified. Specifically, the measure recommendation unit 14 recommends a successful measure included in a combination having a higher degree of similarity with the attribute information of the user specified by the input identification information.
  • a successful measure implemented by a user with a close attribute is highly likely to succeed even if implemented by other users.
  • a more appropriate success measure can be recommended in addition to the effects of the first embodiment. Therefore, the user can select a past success measure of a person similar to the user.
  • FIG. 21 is a block diagram showing an outline of a measure recommendation device according to the present invention.
  • the measure recommendation device according to the present invention is based on the duration of measures implemented by each user and the threshold value or range of the duration used for determining the success or failure of each measure (for example, stored in the measure history storage unit 20).
  • a measure result determination unit 81 (for example, measure result determination unit 11) that determines success or failure of the measure execution by each user, and a measure that is determined to be unsuccessful based on the determination result.
  • a combination generation unit 82 (for example, combination generation unit 12) that generates a combination including a certain failure measure and a success measure that is determined to be successful for each user, and a measure that has been recognized as failed are input.
  • a policy recommendation unit 83 that extracts a combination in which the input measure matches the failure measure from the generated combination and recommends a success measure included in the extracted combination (measure recommendation unit 14). It is equipped with a.
  • the measure recommendation unit 83 specifies priority information (for example, category priority, similarity to attribute information) used for determining a successful measure to be preferentially recommended for each extracted combination. Successful measures may be recommended using the prioritized information.
  • priority information for example, category priority, similarity to attribute information
  • the measure recommendation unit 83 may specify the priority information of the extracted combination based on the priority of the category of the successful measure defined for the category of the failed measure. According to such a configuration, the priority of the category defined based on the causal relationship between measures is used at the time of recommendation, so that a more appropriate success measure can be recommended to the user and the administrator.
  • the combination generation unit 82 may generate a combination in which attribute information of the user who has implemented the measure history from which the combination is generated is added to each combination of the failure measure and the success measure. Good. Then, the measure recommendation unit 83, based on the similarity with the attribute information of the user specified by the input identification information, when the measure recognized as failed and the identification information of the user to be recommended are input. , Combination priority information in which the input measure matches the failure measure may be specified. According to such a configuration, it is possible to preferentially recommend a success measure implemented in the past by a user with a close attribute, and therefore it is possible to recommend a more appropriate success measure.
  • the measure recommendation unit 83 may output at least one or more priority information together with the success measure when recommending the success measure. Further, the measure recommendation unit 83 may select and recommend a success measure that should be recommended more preferentially based on one or more pieces of priority information.
  • the measure recommendation device includes a combination totaling unit (for example, the combination totaling unit 17) that generates totaling information (for example, information totaling the number of people and the period) that totalizes the combinations generated by the combination generating unit 82. Also good. Then, the measure recommendation unit 83 may extract aggregate information in which the input measure matches the failure measure, and may recommend a success measure using the extracted aggregate information.
  • a combination totaling unit for example, the combination totaling unit 17
  • totaling information for example, information totaling the number of people and the period
  • the measure recommendation unit 83 may output at least one or more pieces of aggregate information together with the success measure when recommending the success measure. Further, the measure recommendation unit 83 is a successful measure corresponding to total information (for example, a large total number of people, a long duration, etc.) that is determined to be recommended more preferentially based on one or more total information. You may select and recommend.
  • the combination tabulation unit may generate tabulation information by counting the number of users who have implemented the measure history from which the combination is generated. Further, the combination tabulation unit may tabulate in order from the longest duration of the success measures included in the combination. In addition, the combination tabulation unit may determine a period to be applied as a duration of the success measure included in the combination for the same combination of the failure measure and the success measure.

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Strategic Management (AREA)
  • Human Resources & Organizations (AREA)
  • Health & Medical Sciences (AREA)
  • Educational Technology (AREA)
  • Educational Administration (AREA)
  • Economics (AREA)
  • Marketing (AREA)
  • Data Mining & Analysis (AREA)
  • General Business, Economics & Management (AREA)
  • Finance (AREA)
  • Development Economics (AREA)
  • Accounting & Taxation (AREA)
  • General Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Mathematical Optimization (AREA)
  • Developmental Disabilities (AREA)
  • Computational Mathematics (AREA)
  • Mathematical Physics (AREA)
  • Pure & Applied Mathematics (AREA)
  • Algebra (AREA)
  • Medicinal Chemistry (AREA)
  • Chemical & Material Sciences (AREA)
  • Game Theory and Decision Science (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Tourism & Hospitality (AREA)
  • Child & Adolescent Psychology (AREA)
  • Mathematical Analysis (AREA)
  • Hospice & Palliative Care (AREA)
  • Psychiatry (AREA)
  • Psychology (AREA)
  • Social Psychology (AREA)
  • Epidemiology (AREA)
  • Primary Health Care (AREA)

Abstract

　施策結果判定部８１は、各ユーザにより実施された施策の継続期間と、各施策の成功可否の判定に用いられる継続期間の閾値または範囲に基づいて、各ユーザによる施策の実施の成功又は失敗を判定する。組合せ生成部８２は、判定結果に基づいて、失敗と判定された施策である失敗施策と成功と判定された施策である成功施策とを含む組合せをユーザごとに生成する。施策推薦部８３は、失敗したと認識された施策が入力されたときに、生成された組合せから、入力された施策が失敗施策に一致する組合せを抽出し、抽出された組合せに含まれる成功施策を推薦する。

Description

施策推薦装置、施策推薦方法および施策推薦プログラム
　本発明は、施策の実施に失敗した人に対して適切な施策を推薦する施策推薦装置、施策推薦方法および施策推薦プログラムに関する。
　認知行動療法（ＣＢＴ：cognitive behavioral therapy）では、行動を修正するための課題や、その課題を実行するための施策に基づいて、カウンセリング等が行われる。例えば、不眠症用の認知行動療法（ＣＢＴ－Ｉ）では、一ヶ月間毎日課題が与えられ、クライアントは、与えられた課題を継続的に実施することで、行動を修正していく。そのため、認知行動療法では、クライアントに推薦する課題や施策は、重要な要素である。
　また、ユーザに情報を推薦する一般的な手法として、協調フィルタリングによるリコメンデーションが、非特許文献１に記載されている。潜在的な顧客にいかにその人が欲しい商品を勧めるかは広告主にとって重要な要素である。そこで、協調フィルタリングによるリコメンデーションでは、インターネットユーザのサイト閲覧履歴やクリック履歴などをもとにユーザの嗜好パターンを学習し、そのユーザが好みそうな商品を推薦する。
"協調フィルタリングによるリコメンデーション"、２００３年３月２８日、特許庁、［平成２６年２月２４日検索］、インターネット〈URL:http://www.jpo.go.jp/shiryou/s_sonota/hyoujun_gijutsu/net_koukoku/134.html〉
　上述する認知行動療法のように、生活習慣の改善活動を継続する場合、人の性格や実施内容によって、その人に適した、飽きずに続けられる施策を推薦することが重要である。
　非特許文献１に記載された協調フィルタリングによるリコメンデーションは、新たな利用を開始させることや、新たな商品を購入させることに着目した手法である。すなわち、非特許文献１に記載された手法は、過去に得られた好ましい事実に基づいて、他のユーザに対しても、同様の商品等を推薦するものである。
　一方、継続して行われる施策が実施されるような場面では、ある施策をうまく実施できなかった人に対して、うまく実施できなかったという事実を活用し、適切に次善の策を推薦できることが好ましい。
　そこで、本発明は、ある施策をうまく実施できなかった人に対して、適切に次善の策を推薦できる施策推薦装置、施策推薦方法および施策推薦プログラムを提供することを目的とする。
　本発明による施策推薦装置は、各ユーザにより実施された施策の継続期間と、各施策の成功可否の判定に用いられる継続期間の閾値または範囲に基づいて、各ユーザによる施策の実施の成功又は失敗を判定する施策結果判定部と、判定結果に基づいて、失敗と判定された施策である失敗施策と成功と判定された施策である成功施策とを含む組合せをユーザごとに生成する組合せ生成部と、失敗したと認識された施策が入力されたときに、生成された組合せから、入力された施策が失敗施策に一致する組合せを抽出し、抽出された組合せに含まれる成功施策を推薦する施策推薦部とを備えたことを特徴とする。
　本発明による施策推薦方法は、施策推薦装置が、各ユーザにより実施された施策の継続期間と、各施策の成功可否の判定に用いられる継続期間の閾値または範囲に基づいて、各ユーザによる施策の実施の成功又は失敗を判定し、施策推薦装置が、判定結果に基づいて、失敗と判定された施策である失敗施策と成功と判定された施策である成功施策とを含む組合せをユーザごとに生成し、施策推薦装置が、失敗したと認識された施策が入力されたときに、生成された組合せから、入力された施策が失敗施策に一致する組合せを抽出し、抽出された組合せに含まれる成功施策を推薦することを特徴とする。
　本発明による施策推薦プログラムは、コンピュータに、各ユーザにより実施された施策の継続期間と、各施策の成功可否の判定に用いられる継続期間の閾値または範囲に基づいて、各ユーザによる施策の実施の成功又は失敗を判定する施策結果判定処理、判定結果に基づいて、失敗と判定された施策である失敗施策と成功と判定された施策である成功施策とを含む組合せをユーザごとに生成する組合せ生成処理、および、失敗したと認識された施策が入力されたときに、生成された組合せから、入力された施策が失敗施策に一致する組合せを抽出し、抽出された組合せに含まれる成功施策を推薦する施策推薦処理を実行させることを特徴とする。
　本発明によれば、ある施策をうまく実施できなかった人に対して、適切に次善の策を推薦できる。
本発明による施策推薦装置の第１の実施形態の構成例を示すブロック図である。 施策履歴記憶部が記憶する情報の例を示す説明図である。 施策の例を示す説明図である。 判定条件の例を示す説明図である。 成功または失敗を判定する処理の例を示す説明図である。 失敗施策と成功施策との組合せを生成する処理の例を示す説明図である。 施策を推薦する処理の例を示す説明図である。 第１の実施形態の施策推薦装置の動作例を示すフローチャートである。 本発明による施策推薦装置の第２の実施形態の構成例を示すブロック図である。 組合せを集計する処理の第一の例を示す説明図である。 組合せを集計する処理の第二の例を示す説明図である。 組合せを集計する処理の第三の例を示す説明図である。 第２の実施形態の施策推薦装置の動作例を示すフローチャートである。 本発明による施策推薦装置の第３の実施形態の構成例を示すブロック図である。 カテゴリの例を示す説明図である。 成功施策と失敗施策の組合せにカテゴリを付加した例を示す説明図である。 施策を推薦する他の例を示す説明図である。 本発明による施策推薦装置の第４の実施形態の構成例を示すブロック図である。 属性情報が付加された組合せの例を示す説明図である。 施策を推薦するさらに他の例を示す説明図である。 本発明による施策推薦装置の概要を示すブロック図である。
　以下、本発明の実施形態を図面を参照して説明する。
実施形態１．
　図１は、本発明による施策推薦装置の第１の実施形態の構成例を示すブロック図である。本実施形態の施策推薦装置１０は、施策結果判定部１１と、組合せ生成部１２と、施策入力部１３と、施策推薦部１４と、判定条件記憶部１５と、施策候補記憶部１６とを備えている。なお、施策推薦装置１０は、後述する施策履歴記憶部２０を備えていてもよい。
　以下の説明では、施策を実施する人をユーザと記す。本発明による施策推薦装置は、ユーザ自身により利用され、新たな施策をそのユーザに推薦する用途に使用されてもよい。また、ユーザにより行われた施策が失敗か否かを判断し、そのユーザに次善の施策を推薦する人を管理者と記す。本発明による施策推薦装置は、ユーザによる施策の実施の成功または失敗を判断する管理者によって利用され、その管理者が次善の施策をユーザに推薦する用途に使用されてもよい。
　施策履歴記憶部２０は、施策結果判定部１１が判定を行うための情報を記憶する。具体的には、施策履歴記憶部２０は、各ユーザが実施した施策の継続期間を記憶する。なお、以下の説明では、各ユーザが実施した施策の継続期間を示す情報を、実施履歴と記すこともある。
　図２は、施策履歴記憶部２０が記憶する情報の例を示す説明図である。図２に示す例では、施策履歴記憶部２０は、各ユーザを識別するユーザＩＤごとに、そのユーザが実施した施策を識別する支援策ＩＤと、その施策が実施された期間を示す継続期間とを記憶する。図２に示す例では、継続期間に日数が設定されているが、継続期間を表す情報は、日数に限定されず、月数や年数、時間などであってもよい。また、施策履歴記憶部２０は、ユーザが実施した施策ごとに、継続期間だけでなく、他の情報も対応付けて記憶していてもよい。
　図３は、施策の例を示す説明図である。図３に示す例では、支援策ＩＤと施策の内容とを対応付けて管理している。本実施形態では、施策は２種類以上存在する。なお、図３に示すように、支援策ＩＤで識別される施策には、その施策を実現するための複数のサブ施策を関連付けてもよい、図３に示す例では、支援策ＩＤ「００３」で識別される施策に、３つのサブ施策が関連付けられている。施策推薦装置１０は、支援策ＩＤが指定されたときに、サブ施策の有無を確認するようにしてもよい。
　施策結果判定部１１は、各ユーザにより実施された施策の継続期間に基づいて、各ユーザによる施策の実施の成功又は失敗を判定する。その際、施策結果判定部１１は、各施策の成功可否の判定に用いられる継続期間の条件に基づいて、各ユーザによる施策の実施の成功又は失敗を判定する。図１に示す例では、継続期間の条件は、判定条件記憶部１５に記憶される。継続期間の条件は、施策ごとに設定されていてもよく、処理全体で１つ設定されていてもよい。継続期間の条件を施策ごとに設定する場合には、より細かな判定を行うことが可能になる。また、継続期間の条件を処理全体で１つ設定する場合には、ユーザや管理者が設定する項目数を抑制できるため、設定に関する手間を軽減することが可能になる。
　図４は、判定条件記憶部１５が記憶する判定条件の例を示す説明図である。図４に示す例では、判定条件記憶部１５は、継続期間の条件として、各施策において成功と判定される継続期間の閾値を施策ごとに記憶する。この場合、施策結果判定部１１は、各ユーザにより実施された各施策の継続期間が設定された閾値以上である場合に、その施策の実施を成功と判定する。なお、判定条件記憶部１５は、例えば、メモリ等により実現される。
　なお、施策結果判定部１１が判定に用いる条件は、継続期間の閾値に限定されない。施策結果判定部１１は、例えば、成功と判定する継続期間の範囲を条件として用いてもよい。
　図５は、図２に例示する実施履歴を図４に例示する条件を利用して判定された結果を示す説明図である。例えば、ユーザＩＤ「Ａ」で識別されるユーザは、支援策ＩＤ「００１」で識別される施策を１０日間継続して実施をした。ここで、支援策ＩＤ「００１」で識別される施策の実施を成功と判定するための継続期間の閾値は、２５日である。そのため、このユーザによって実施された支援策ＩＤ「００１」で識別される施策は、失敗と判定される。
　継続期間の条件は、過去の経験等により、管理者等によって予め定められてもよいし、施策結果判定部１１によって算出されてもよい。施策結果判定部１１は、例えば、図２に例示する実施履歴を利用し、各施策が実施された継続期間の中央値を算出し、その中央値を継続期間の閾値としてもよい。なお、施策結果判定部１１は、各施策が実施された継続期間の平均を算出し、その平均値を継続期間の閾値としてもよい。ただし、この場合、偏ったデータの影響を受けやすくなるため、中央値を継続期間の閾値として用いることが、より好ましい。
　組合せ生成部１２は、施策結果判定部１１による判定結果に基づいて、失敗と判定された施策と、成功と判定された施策とを含む組合せを、ユーザごとに生成する。以下、失敗と判定された施策のことを失敗施策と記すことがあり、成功と判定された施策のことを成功施策と記すことがある。なお、この組合せには、成功施策と失敗施策とを識別する情報だけでなく、成功施策に付随する情報および失敗施策に付随する情報が含まれていてもよい。
　図６は、失敗施策と成功施策との組合せを生成する処理の例を示す説明図である。図６に示す例では、組合せ生成部１２は、図５に例示する判定結果に基づいて、組合せを生成している。例えば、ユーザＩＤ「Ａ」で識別されるユーザに着目すると、失敗施策は支援策ＩＤ「００１」および「００３」で識別される施策であり、成功施策は、支援策ＩＤ「００２」で識別される施策である。
　そこで、組合せ生成部１２は、ユーザＩＤ「Ａ」で識別されるユーザについて、支援策ＩＤ「００１」で識別される施策と支援策ＩＤ「００２」で識別される施策の組合せ、および、支援策ＩＤ「００３」で識別される施策と支援策ＩＤ「００２」で識別される施策の組合せを生成する。他のユーザについても同様である。
　組合せ生成部１２は、重複する失敗施策と成功施策の組合せを生成してもよい。図６に示す例では、ユーザＩＤ「Ａ」で識別されるユーザの実施履歴と、ユーザＩＤ「Ｃ」で識別されるユーザの実施履歴から、同一の組合せ（１行目と２行目）が生成されている。なお、組合せ生成部１２は、重複する失敗施策と成功施策の組合せが生成された場合、１つの組合せを残し、それ以外の重複する組合せを削除してもよい。
　施策候補記憶部１６は、組合せ生成部１２により生成された失敗施策と成功施策とを含む組合せを記憶する。施策候補記憶部１６は、例えば、磁気ディスク等により実現される。
　施策入力部１３は、管理者によって失敗と認識された施策を入力する。施策入力部１３は、ユーザや管理者の入力を受け付けるキーボードや、タッチパネルなどの入力装置により実現される。また、ネットワークを介してユーザや管理者による入力を受け付ける場合、施策入力部１３は、その入力を受け付けるネットワークインタフェースにより実現されてもよい。
　施策推薦部１４は、失敗したと認識された施策が入力されたときに、組合せ生成部１２により生成された組合せの中から、入力された施策が失敗施策に一致する組合せを抽出する。そして、施策推薦部１４は、抽出した組合せに含まれる成功施策を抽出し、推薦結果として出力する。
　失敗施策に対応する成功施策が一つに特定される場合、施策推薦部１４は、特定されたその成功施策を推薦結果として出力してもよい。また、失敗施策に対応する成功施策が複数存在する場合、施策推薦部１４は、複数存在する成功施策の全てを推薦結果として出力してもよく、予め定めた規則に基づいて一の成功施策を推薦結果として出力してもよい。
　図７は、施策を推薦する処理の例を示す説明図である。例えば、支援策ＩＤ「００１」で識別される施策の実施に失敗したＡさんが、施策入力部１３を介して、失敗施策を識別する「００１」を入力すると、施策推薦部１４は、失敗施策の支援策ＩＤが「００１」の組合せを抽出し、その組合せに含まれる成功施策の支援策ＩＤ「００２」および「００３」を抽出する。そして、施策推薦部１４は、抽出されたすべての施策をＡさんに推薦する。図７に示す例では、複数の施策が検索されているが、その推薦順位は任意である。
　施策結果判定部１１と、組合せ生成部１２と、施策推薦部１４とは、プログラム（施策推薦プログラム）に従って動作するコンピュータのＣＰＵによって実現される。例えば、プログラムは、施策推薦装置１０の記憶部（図示せず）に記憶され、ＣＰＵは、そのプログラムを読み込み、プログラムに従って、施策結果判定部１１、組合せ生成部１２及び施策推薦部１４として動作してもよい。また、施策結果判定部１１と、組合せ生成部１２と、施策推薦部１４とは、それぞれが専用のハードウェアで実現されていてもよい。
　次に、本実施形態の施策推薦装置１０の動作例を説明する。図８は、本実施形態の施策推薦装置１０の動作例を示すフローチャートである。
　まず、施策結果判定部１１は、施策履歴記憶部２０に記憶された施策履歴を参照し、各ユーザによる施策の実施の成功又は失敗を判定する（ステップＳ１１）。組合せ生成部１２は、施策結果判定部１１による判定結果に基づいて、失敗と判定された施策と、成功と判定された施策とを含む組合せを、ユーザごとに生成する（ステップＳ１２）。そして、組合せ生成部１２は、生成した組合せを、施策候補記憶部１６に記憶する（ステップＳ１３）。
　その後、施策入力部１３が、管理者によって失敗と認識された施策を入力すると、施策推薦部１４は、組合せ生成部１２により生成された組合せの中から、入力された施策が失敗施策に一致する組合せを抽出する（ステップＳ１４）。そして、施策推薦部１４は、抽出した組合せに含まれる成功施策を抽出し、推薦結果として出力する（ステップＳ１５）。
　以上のように、本実施形態では、施策結果判定部１１が、各ユーザにより実施された施策の継続期間と、各施策の成功可否の判定に用いられる継続期間の閾値または範囲に基づいて、その各ユーザによる施策の実施の成功又は失敗を判定し、組合せ生成部１２が、失敗施策と成功施策とを含む組合せをユーザごとに生成する。そして、施策入力部１３を介して失敗したと認識された施策が入力されたときに、施策推薦部１４は、生成された組合せから、入力された施策が失敗施策に一致する組合せを抽出し、抽出された組合せに含まれる成功施策を推薦する。
　よって、ある施策をうまく実施できなかった人（すなわち、失敗したと認識された施策を入力した人）に対して、適切に次善の策を推薦できる。
実施形態２．
　次に、本発明による施策推薦装置の第２の実施形態を説明する。第１の実施形態では、施策推薦部１４は、組合せ生成部１２により生成された組合せから、失敗施策に対応する全ての成功施策を推薦していた。一方、本実施形態では、より適した成功施策を推薦できるように、組合せ生成部１２により生成された組合せをさらに集計した集計情報をもとに、成功施策を推薦する方法を説明する。
　図９は、本発明による施策推薦装置の第２の実施形態の構成例を示すブロック図である。なお、第１の実施形態と同様の構成については、図１と同一の符号を付し、説明を省略する。本実施形態の施策推薦装置１０ａは、施策結果判定部１１と、組合せ生成部１２と、施策入力部１３と、施策推薦部１４と、判定条件記憶部１５と、施策候補記憶部１６と、組合せ集計部１７とを備えている。
　すなわち、本実施形態の施策推薦装置は、組合せ集計部１７をさらに備えている点において、第１の実施形態と異なる。なお、組合せ生成部１２が組合せ集計部１７の処理を行ってもよい。
　組合せ集計部１７は、組合せ生成部１２によって生成された組合せを集計した集計情報を生成する。組合せ集計部１７は、プログラム（施策推薦プログラム）に従って動作するコンピュータのＣＰＵによって実現される。この場合、施策推薦部１４は、入力された施策が失敗施策に一致する集計情報を抽出し、抽出された集計情報を用いて成功施策を推薦する。具体的には、施策推薦部１４は、推薦する成功施策とともに少なくとも１つ以上の集計情報を出力してもよい。
　また、施策推薦部１４は、より優先的に推薦すべきと判断される集計情報を特定し、特定した集計情報に対応する成功施策を選択して推薦してもよい。このとき、施策推薦部１４は、１つの特定情報のみを用いてもよく、複数の集計情報を用いてもよい。また、施策推薦部１４は、推薦した成功施策とともに集計情報を出力してもよい。
　以下、組合せ集計部１７が生成する集計情報の具体例を説明する。図１０は、組合せを集計する処理の第一の例を示す説明図である。図１０に示す例では、組合せ集計部１７は、組合せが生成されるもとになった施策履歴を実施したユーザの人数をカウントして集計情報を生成する。このとき、施策推薦部１４は、推薦する成功施策とともに、ユーザの人数を集計情報として出力してもよい。
　また、この場合、人数がより多い集計情報に対応する成功施策を、より優先的に推薦すべきと判断できる。そこで、施策推薦部１４は、抽出される集計情報の中から、人数がより多い成功施策を順に推薦してもよく、最も人数の多い成功施策を推薦してもよい。
　図１０に示す例では、施策推薦部１４は、人数の多い順に、支援策ＩＤ「００３」で識別される施策、支援策ＩＤ「００２」で識別される施策、支援策ＩＤ「００５」で識別される施策の順に、成功施策を推薦してもよい。このような処理を行うことで、ユーザや管理者は過去に成功した人が多い施策を選択できるようになる。
　図１１は、組合せを集計する処理の第二の例を示す説明図である。図１１に示す例では、組合せ集計部１７は、組合せに含まれる成功施策の継続期間が長い順に優先順位をつける（すなわち、ソートする）。組合せ集計部１７は、失敗施策と成功施策の組が重複する場合、より継続期間の長い組合せのみを残すようにしてもよい。
　このとき、施策推薦部１４は、推薦する成功施策とともに、継続期間を集計情報として出力してもよい。また、この場合、継続期間がより長い集計情報に対応する成功施策を、より優先的に推薦すべきと判断できる。そこで、施策推薦部１４は、抽出される集計情報の中から、継続期間がより長い成功施策を順に推薦してもよく、最も継続期間の長い成功施策を推薦してもよい。このような処理を行うことで、ユーザや管理者は過去の成功例から、継続期間の高い施策を選択できるようになる。
　図１２は、組合せを集計する処理の第三の例を示す説明図である。図１２に示す例では、組合せ集計部１７は、失敗施策と成功施策が同一の組合せを対象に、その組合せに含まれる成功施策の継続期間として適用される期間を決定する。組合せ集計部１７は、適用される期間として、継続期間の平均値や中央値、合計値などを利用してもよい。図１２に示す例では、継続期間として適用される期間として、継続期間の平均値が算出されている。
　このとき、施策推薦部１４は、推薦する成功施策とともに、適用される期間を集計情報として出力してもよい。また、この場合、適用される期間がより長い集計情報に対応する成功施策を、より優先的に推薦すべきと判断できる。そこで、施策推薦部１４は、抽出される集計情報の中から、適用される期間がより長い成功施策を順に推薦してもよく、適用される期間が最も長い成功施策を推薦してもよい。このような処理を行うことで、ユーザや管理者は統計的に継続性の高い施策を選択できるようになる。
　なお、組合せ集計部１７が生成する集計情報は、上述する集計情報に限定されない。また、組合せ集計部１７は、複数種類の集計情報を生成してもよい。このとき、施策推薦部１４は、複数種類の集計情報を組み合わせて成功施策を推薦してもよい。複数種類の集計情報を組み合わせる方法として、例えば、集計情報を適用する優先度を予め定めておき、施策推薦部１４は、その優先度順に従って、成功施策を推薦してもよい。複数組み合わせた集計情報を利用することで、状況に応じて、より適した施策を推薦できる。
　次に、本実施形態の施策推薦装置１０ａの動作例を説明する。図１３は、本実施形態の施策推薦装置１０ａの動作例を示すフローチャートである。なお、施策結果判定部１１が各ユーザによる施策の実施の成功又は失敗を判定し、組合せ生成部１２が失敗施策と成功施策との組合せをユーザごとに生成する処理は、図８に例示するステップＳ１１およびステップＳ１２の処理と同様である。
　組合せ集計部１７は、組合せ生成部１２によって生成された組合せを集計した集計情報を生成する（ステップＳ２１）。そして、組合せ集計部１７は、生成した集計情報を、施策候補記憶部１６に記憶する（ステップＳ２２）。
　その後、施策入力部１３が、管理者によって失敗と認識された施策を入力すると、施策推薦部１４は、組合せ集計部１７により生成された集計情報の中から、入力された施策が失敗施策に一致する集計情報を抽出する（ステップＳ２３）。そして、施策推薦部１４は、抽出した集計情報に含まれる成功施策を抽出し、抽出された集計情報を用いて成功施策を推薦する（ステップＳ２４）。
　以上のように、本実施形態では、組合せ集計部１７が、組合せ生成部１２によって生成された組合せを集計した集計情報を生成し、施策推薦部１４は、入力された施策が失敗施策に一致する集計情報を抽出し、抽出された集計情報を用いて成功施策を推薦する。このとき、施策推薦部１４は、集計情報を出力したり、優先的に成功施策を推薦したりする。
　具体的には、組合せ集計部１７が、組合せが生成されるもとになった施策履歴を実施したユーザの人数をカウントして集計情報を生成し、施策推薦部１４が、入力された施策が失敗施策に一致する集計情報の中から、人数がより多い成功施策を推薦してもよい。
　他にも、組合せ集計部１７が、組合せに含まれる成功施策の継続期間が長い順に集計し、施策推薦部１４が、入力された施策が失敗施策に一致する集計情報の中から、継続期間がより長い成功施策を推薦してもよい。
　他にも、組合せ集計部１７が、失敗施策と成功施策が同一の組合せを対象に、その組合せに含まれる成功施策の継続期間として適用される期間を決定し、施策推薦部１４が、入力された施策が失敗施策に一致する集計情報の中から、適用される期間がより長い成功施策を推薦してもよい。
　これらのような構成により、第１の実施形態の効果に加え、ユーザや管理者に対してより適切な成功施策を推薦できる。
実施形態３．
　次に、本発明による施策推薦装置の第３の実施形態を説明する。第１の実施形態では、施策推薦部１４は、組合せ生成部１２により生成された組合せから、失敗施策に対応する全ての成功施策を推薦していた。以下の実施形態（第３の実施形態、第４の実施形態）では、施策推薦部１４が、抽出された組合せごとに、優先的に推薦すべき成功施策の判断に用いられる情報（以下、優先情報と記す。）を特定する処理を行う。このとき、施策推薦部１４は、特定された優先情報を用いて成功施策を推薦する。
　第３の実施形態では、各施策が分類されるカテゴリを利用して施策推薦部１４が成功施策を推薦する。以下、より適した成功施策を推薦できるように、各施策が分類されるカテゴリに基づいて成功施策を推薦する方法を説明する。
　図１４は、本発明による施策推薦装置の第３の実施形態の構成例を示すブロック図である。なお、第１の実施形態と同様の構成については、図１と同一の符号を付し、説明を省略する。本実施形態の施策推薦装置１０ｂは、施策結果判定部１１と、組合せ生成部１２と、施策入力部１３と、施策推薦部１４と、判定条件記憶部１５と、施策候補記憶部１６と、カテゴリ情報記憶部１８とを備えている。
　すなわち、本実施形態の施策推薦装置は、カテゴリ情報記憶部１８をさらに備えている点において、第１の実施形態と異なる。なお、本実施形態の施策推薦装置１０ｂが、第２の実施形態の組合せ集計部１７を備えていてもよい。
　カテゴリ情報記憶部１８は、各施策が分類されるカテゴリを記憶する。図１５は、カテゴリ情報記憶部１８が記憶するカテゴリの例を示す説明図である。図１５に示す例では、支援策ＩＤ「００１」および支援策ＩＤ「００３」で識別される施策は、外発的な動機づけに基づくものであり、支援策ＩＤ「００２」および支援策ＩＤ「００４」で識別される施策は、内発的な動機づけに基づくものであることを示す。
　ただし、施策の分類に用いられるカテゴリは、上記カテゴリに限定されない。カテゴリの例として、他にも、特定の人を対象とした施策と不特定多数を対象とした施策、定性的評価が行われる施策と定量的評価が行われる施策などが挙げられる。
　また、カテゴリ情報記憶部１８は、失敗施策のカテゴリに対して定義される成功施策のカテゴリの優先度を記憶する。例えば、外発的なカテゴリに対して内発的なカテゴリの優先度が高く設定されてもよい。同様に、内発的なカテゴリに対して外発的なカテゴリの優先度が高く設定されてもよい。ただし、この優先度は一例であり、例えば、特定の人を対象とした施策と不特定多数を対象とした施策との関係や、定性的評価が行われる施策と定量的評価が行われる施策との関係も、上述する優先度と同様に定義されてもよい。
　施策推薦部１４は、抽出された組合せに含まれる成功施策のうち、カテゴリ情報記憶部１８に記憶されたカテゴリの優先度に応じて、成功施策を推薦する。すなわち、施策推薦部１４は、失敗施策のカテゴリに対して定義される成功施策のカテゴリの優先度を優先情報として、抽出された組合せごとに特定し、特定された優先情報を用いて成功施策を推薦する。
　このとき、施策推薦部１４は、推薦する成功施策とともに優先情報を出力してもよい。なお、出力される情報の数や種類は任意である。また、施策推薦部１４は、より優先的に推薦すべき成功施策を選択して推薦してもよい。なお、施策推薦部１４は、１つの優先情報のみを用いて成功施策を推薦してもよく、複数の優先情報を用いて成功施策を推薦してもよい。
　図１６は、成功施策と失敗施策の組合せに、それぞれカテゴリを付加した例を示す説明図である。施策推薦部１４は、組合せ生成部１２が生成した組合せと、カテゴリ情報記憶部１８が記憶するカテゴリ情報とを用いて、図１６に例示する組合せを特定してもよい。また、組合せ生成部１２がカテゴリ情報記憶部１８を参照して、図１６に例示する組合せを生成してもよい。
　図１７は、施策を推薦する他の例を示す説明図である。例えば、支援策ＩＤ「００１」で識別される施策の実施に失敗したＡさんが、施策入力部１３を介して、失敗施策を識別する「００１」を入力すると、施策推薦部１４は、失敗施策の支援策ＩＤが「００１」の組合せを抽出し、その組合せに含まれる成功施策の支援策ＩＤ「００２」および「００３」を抽出する。
　ここで、支援策ＩＤ「００１」で識別される施策は、「外発的」カテゴリに分類されており、失敗施策が「外発的」カテゴリに分類される場合には、「内発的」カテゴリを優先的に推薦することを示すカテゴリの優先度が定義されている。そこで、施策推薦部１４は、「内発的」カテゴリに分類される施策である、支援策ＩＤ「００２」で識別される施策をＡさんに推薦してもよい。
　以上のように、本実施形態では、施策推薦部１４が、失敗施策のカテゴリに対して定義される成功施策のカテゴリの優先度に基づいて、抽出された組合せの優先情報を特定する。具体的には、施策推薦部１４は、抽出された組合せに含まれる成功施策のうち、失敗施策のカテゴリに対して定義される優先度がより高いカテゴリの成功施策を推薦する。失敗施策と同一カテゴリに分類される施策は、再度推薦しても失敗する可能性が高いからである。本実施形態によれば、推薦の際、施策間の因果関係等に基づいて定義されるカテゴリの優先度が用いられるため、第１の実施形態の効果に加え、ユーザや管理者に対してより適切な成功施策を推薦できる。
実施形態４．
　次に、本発明による施策推薦装置の第４の実施形態を説明する。第１の実施形態では、施策推薦部１４は、組合せ生成部１２により生成された組合せから、失敗施策に対応する全ての成功施策を推薦していた。一方、本実施形態では、より適した成功施策を推薦できるように、組合せが生成されるもとになった施策履歴を実施したユーザの属性を考慮して、成功施策を推薦する方法を説明する。本実施形態でも、施策推薦部１４が、抽出された組合せごとに優先情報を特定する処理を行い、特定された優先情報を用いて成功施策を推薦する。
　図１８は、本発明による施策推薦装置の第４の実施形態の構成例を示すブロック図である。なお、第１の実施形態と同様の構成については、図１と同一の符号を付し、説明を省略する。本実施形態の施策推薦装置１０ｃは、施策結果判定部１１と、組合せ生成部１２と、施策入力部１３と、施策推薦部１４と、判定条件記憶部１５と、施策候補記憶部１６と、属性情報記憶部１９とを備えている。
　すなわち、本実施形態の施策推薦装置は、属性情報記憶部１９をさらに備えている点において、第１の実施形態と異なる。なお、本実施形態の施策推薦装置１０ｃが、第２の実施形態の組合せ集計部１７を備えていてもよく、第３の実施形態のカテゴリ情報記憶部１８を備えていてもよい。
　属性情報記憶部１９は、各ユーザの属性情報を記憶する。本実施形態における属性情報は、ユーザ自身の性質や特徴だけでなく、ユーザを取り巻く環境なども含む。属性情報の例として、性別、年齢、世帯構成、喫煙有無、通院歴、運動歴、食行動、食事の好き嫌い、過去の失敗施策およびその継続期間、過去の成功施策およびその継続期間などが挙げられる。
　組合せ生成部１２は、失敗施策と成功施策との各組合せに対して、その組合せが生成されるもとになった施策履歴を実施したユーザの属性情報を付加した組合せを生成する。具体的には、組合せ生成部１２は、失敗施策と成功施策との組合せをユーザごとに生成する際、属性情報記憶部１９を参照して、該当のユーザの属性情報を取得し、各組合せに属性情報を付加する。組合せ生成部１２は、生成した組合せを施策候補記憶部１６に記憶する。
　図１９は、属性情報が付加された組合せの例を示す説明図である。図１９に示す例では、ユーザの性別を含む属性情報が各組合せに付加されていることを示す。
　施策推薦部１４は、失敗したと認識された施策および推薦対象のユーザの識別情報が入力されたときに、入力された施策が失敗施策に一致する組合せのうち、入力された識別情報により特定されるユーザの属性情報の類似度を優先情報として、抽出された組合せごとに特定する。そして、施策推薦部１４は、特定された優先情報を用いて成功施策を推薦する。施策推薦部１４は、例えば、入力された識別情報により特定されるユーザの属性情報との類似度がより高い組合せに含まれる成功施策を推薦する。
　具体的には、施策入力部１３を介して、失敗したと認識された施策および推薦対象のユーザの識別情報が入力されると、施策推薦部１４は、属性情報記憶部１９を参照して、そのユーザの属性情報を取得する。なお、施策入力部１３を介して、そのユーザの識別情報とあわせて属性情報が入力されることもある。その場合、施策推薦部１４は、入力された属性情報を利用してもよい。
　本実施形態の施策推薦部１４も、推薦する成功施策とともに優先情報を出力してもよい。なお、出力される情報の数や種類は任意である。また、施策推薦部１４は、より優先的に推薦すべき成功施策を選択して推薦してもよい。なお、施策推薦部１４は、１つの優先情報のみを用いて成功施策を推薦してもよく、複数の優先情報を用いて成功施策を推薦してもよい。
　施策推薦部１４は、ユーザの属性情報と、生成された組合せに付加された属性情報とで、一致する属性の数が多いほど、類似度が高いと判断してもよい。また、施策推薦部１４は、各属性に重みづけを行い、一致する属性の重みづけの合計が大きいほど、類似度が高いと判断してもよい。また、施策推薦部１４は、失敗施策の継続期間と、生成された組合せに付加された失敗施策の継続期間が近いほど、類似度が高いと判断してもよい。
　図２０は、施策を推薦するさらに他の例を示す説明図である。例えば、支援策ＩＤ「００１」で識別される施策の実施に失敗したＡさんが、施策入力部１３を介して、失敗施策を識別する「００１」を入力すると、施策推薦部１４は、属性情報記憶部１９を参照して、Ａさんの属性情報を取得する。
　図２０に示す例では、Ａさんの属性として、「男性（男）」、「妻子あり（既婚、子供がいる）」、「過去に褒められる施策（褒章）により継続した成功例あり」という情報が取得されている。
　そして、施策推薦部１４は、入力された支援策ＩＤ「００１」と一致する失敗施策を含む組合せのうち、ユーザの属性情報との類似度が最も高い組合せに含まれる成功施策を推薦する。図２０に示す例では、類似度が判定された結果、１行目の組合せの類似度が５で、他の組合せの類似度よりも高い。そこで、施策推薦部１４は、類似度が最も高いと判定された組合せに含まれる成功施策として、支援策ＩＤ「００３」で識別される施策をＡさんに推薦してもよい。
　以上のように、本実施形態では、組合せ生成部１２は、失敗施策と成功施策との各組合せに対して、その組合せが生成されるもとになった施策履歴を実施したユーザの属性情報を付加した組合せを生成する。そして、施策推薦部１４は、失敗したと認識された施策および推薦対象のユーザの識別情報が入力されたときに、入力された識別情報により特定されるユーザの属性情報との類似度に基づいて、入力された施策が失敗施策に一致する組合せの優先情報を特定する。具体的には、施策推薦部１４は、入力された識別情報により特定されるユーザの属性情報との類似度がより高い組合せに含まれる成功施策を推薦する。
　すなわち、ユーザが過去に実施した成功施策のうち、属性が近いユーザが実施した成功施策は、他のユーザが実施しても成功する可能性が高いと言える。本実施形態では、属性が近いユーザが過去に実施した成功施策を優先的に推薦するため、第１の実施形態の効果に加え、より適切な成功施策を推薦できる。そのため、ユーザは、自分と似た人の過去の成功施策を選択することが可能になる。
　次に、本発明の概要を説明する。図２１は、本発明による施策推薦装置の概要を示すブロック図である。本発明による施策推薦装置は、各ユーザにより実施された施策の継続期間と、各施策の成功可否の判定に用いられる継続期間の閾値または範囲に基づいて（例えば、施策履歴記憶部２０に記憶された実施履歴に基づいて）、各ユーザによる施策の実施の成功又は失敗を判定する施策結果判定部８１（例えば、施策結果判定部１１）と、判定結果に基づいて、失敗と判定された施策である失敗施策と成功と判定された施策である成功施策とを含む組合せをユーザごとに生成する組合せ生成部８２（例えば、組合せ生成部１２）と、失敗したと認識された施策が入力されたときに、生成された組合せから、入力された施策が失敗施策に一致する組合せを抽出し、抽出された組合せに含まれる成功施策を推薦する施策推薦部８３（施策推薦部１４）とを備えている。
　そのような構成により、ある施策をうまく実施できなかった人に対して、適切に次善の策を推薦できる。
　また、施策推薦部８３は、優先的に推薦すべき成功施策の判断に用いられる優先情報（例えば、カテゴリの優先度、属性情報との類似度）を、抽出された組合せごとに特定し、特定された優先情報を用いて成功施策を推薦してもよい。
　具体的には、施策推薦部８３は、失敗施策のカテゴリに対して定義される成功施策のカテゴリの優先度に基づいて、抽出された組合せの優先情報を特定してもよい。そのような構成によれば、推薦の際、施策間の因果関係等に基づいて定義されるカテゴリの優先度が用いられるため、ユーザや管理者に対してより適切な成功施策を推薦できる。
　また、組合せ生成部８２は、失敗施策と成功施策との各組合せに対して、その組合せが生成されるもとになった施策履歴を実施したユーザの属性情報を付加した組合せを生成してもよい。そして、施策推薦部８３は、失敗したと認識された施策および推薦対象のユーザの識別情報が入力されたときに、入力された識別情報により特定されるユーザの属性情報との類似度に基づいて、入力された施策が前記失敗施策に一致する組合せの優先情報を特定してもよい。そのような構成によれば、属性が近いユーザが過去に実施した成功施策を優先的に推薦できるため、より適切な成功施策を推薦できる。
　施策推薦部８３は、成功施策を推薦する際、その成功施策とともに少なくとも１つ以上の優先情報を出力してもよい。また、施策推薦部８３は、１つ以上の優先情報に基づいて、より優先的に推薦すべき成功施策を選択して推薦してもよい。
　また、施策推薦装置は、組合せ生成部８２によって生成された組合せを集計した集計情報（例えば、人数や期間を集計した情報）を生成する組合せ集計部（例えば、組合せ集計部１７）を備えていてもよい。そして、施策推薦部８３は、入力された施策が失敗施策に一致する集計情報を抽出し、抽出された集計情報を用いて成功施策を推薦してもよい。
　施策推薦部８３は、成功施策を推薦する際、その成功施策とともに少なくとも１つ以上の集計情報を出力してもよい。また、施策推薦部８３は、１つ以上の集計情報に基づいて、より優先的に推薦すべきと判断される集計情報（例えば、集計人数が多い、継続期間が長いなど）に対応する成功施策を選択して推薦してもよい。
　具体的には、組合せ集計部は、組合せが生成されるもとになった施策履歴を実施したユーザの人数をカウントして集計情報を生成してもよい。また、組合せ集計部は、組合せに含まれる成功施策の継続期間が長い順に集計してもよい。また、組合せ集計部は、失敗施策と成功施策が同一の組合せを対象に、その組合せに含まれる成功施策の継続期間として適用される期間を決定してもよい。
　以上、実施形態及び実施例を参照して本願発明を説明したが、本願発明は上記実施形態および実施例に限定されるものではない。本願発明の構成や詳細には、本願発明のスコープ内で当業者が理解し得る様々な変更をすることができる。
　この出願は、２０１４年３月１９日に出願された日本特許出願２０１４－０５５８４０を基礎とする優先権を主張し、その開示の全てをここに取り込む。
　１０，１０ａ，１０ｂ，１０ｃ　施策推薦装置
　１１　施策結果判定部
　１２　組合せ生成部
　１３　施策入力部
　１４　施策推薦部
　１５　判定条件記憶部
　１６　施策候補記憶部
　１７　組合せ集計部
　１８　カテゴリ情報記憶部
　１９　属性情報記憶部
　２０　施策履歴記憶部

Claims (16)

  1. 　各ユーザにより実施された施策の継続期間と、各施策の成功可否の判定に用いられる継続期間の閾値または範囲に基づいて、各ユーザによる施策の実施の成功又は失敗を判定する施策結果判定部と、
    　前記判定結果に基づいて、失敗と判定された施策である失敗施策と成功と判定された施策である成功施策とを含む組合せをユーザごとに生成する組合せ生成部と、
    　失敗したと認識された施策が入力されたときに、生成された組合せから、入力された施策が前記失敗施策に一致する組合せを抽出し、抽出された組合せに含まれる前記成功施策を推薦する施策推薦部とを備えた
    　ことを特徴とする施策推薦装置。
  2. 　施策推薦部は、優先的に推薦すべき成功施策の判断に用いられる優先情報を、抽出された組合せごとに特定し、特定された優先情報を用いて成功施策を推薦する
    　請求項１記載の施策推薦装置。
  3. 　施策推薦部は、失敗施策のカテゴリに対して定義される成功施策のカテゴリの優先度に基づいて、抽出された組合せの優先情報を特定する
    　請求項２記載の施策推薦装置。
  4. 　組合せ生成部は、失敗施策と成功施策との各組合せに対して、当該組合せが生成されるもとになった施策履歴を実施したユーザの属性情報を付加した組合せを生成し、
    　施策推薦部は、失敗したと認識された施策および推薦対象のユーザの識別情報が入力されたときに、入力された識別情報により特定されるユーザの属性情報との類似度に基づいて、入力された施策が前記失敗施策に一致する組合せの優先情報を特定する
    　請求項２または請求項３のうちのいずれか１項に記載の施策推薦装置。
  5. 　施策推薦部は、成功施策を推薦する際、当該成功施策とともに少なくとも１つ以上の優先情報を出力する
    　請求項２から請求項４のうちのいずれか１項に記載の施策推薦装置。
  6. 　施策推薦部は、１つ以上の優先情報に基づいて、より優先的に推薦すべき成功施策を選択して推薦する
    　請求項２から請求項５のうちのいずれか１項に記載の施策推薦装置。
  7. 　組合せ生成部によって生成された組合せを集計した集計情報を生成する組合せ集計部を備え、
    　施策推薦部は、入力された施策が失敗施策に一致する集計情報を抽出し、抽出された集計情報を用いて成功施策を推薦する
    　請求項１から請求項６のうちのいずれか１項に記載の施策推薦装置。
  8. 　施策推薦部は、成功施策を推薦する際、当該成功施策とともに少なくとも１つ以上の集計情報を出力する
    　請求項７記載の施策推薦装置。
  9. 　施策推薦部は、１つ以上の集計情報に基づいて、より優先的に推薦すべきと判断される集計情報に対応する成功施策を選択して推薦する
    　請求項７または請求項８記載の施策推薦装置。
  10. 　組合せ集計部は、組合せが生成されるもとになった施策履歴を実施したユーザの人数をカウントして集計情報を生成する
    　請求項７から請求項９のうちのいずれか１項に記載の施策推薦装置。
  11. 　組合せ集計部は、組合せに含まれる成功施策の継続期間が長い順に集計する
    　請求項７から請求項１０のうちのいずれか１項に記載の施策推薦装置。
  12. 　組合せ集計部は、失敗施策と成功施策が同一の組合せを対象に、当該組合せに含まれる成功施策の継続期間として適用される期間を決定する
    　請求項７から請求項１１のうちのいずれか１項に記載の施策推薦装置。
  13. 　施策推薦装置が、各ユーザにより実施された施策の継続期間と、各施策の成功可否の判定に用いられる継続期間の閾値または範囲に基づいて、各ユーザによる施策の実施の成功又は失敗を判定し、
    　前記施策推薦装置が、前記判定結果に基づいて、失敗と判定された施策である失敗施策と成功と判定された施策である成功施策とを含む組合せをユーザごとに生成し、
    　前記施策推薦装置が、失敗したと認識された施策が入力されたときに、生成された組合せから、入力された施策が前記失敗施策に一致する組合せを抽出し、抽出された組合せに含まれる前記成功施策を推薦する
    　ことを特徴とする施策推薦方法。
  14. 　優先的に推薦すべき成功施策の判断に用いられる優先情報を、抽出された組合せごとに特定し、
    　特定された優先情報を用いて成功施策を推薦する
    　請求項１３記載の施策推薦方法。
  15. 　コンピュータに、
    　各ユーザにより実施された施策の継続期間と、各施策の成功可否の判定に用いられる継続期間の閾値または範囲に基づいて、各ユーザによる施策の実施の成功又は失敗を判定する施策結果判定処理、
    　前記判定結果に基づいて、失敗と判定された施策である失敗施策と成功と判定された施策である成功施策とを含む組合せをユーザごとに生成する組合せ生成処理、および、
    　失敗したと認識された施策が入力されたときに、生成された組合せから、入力された施策が前記失敗施策に一致する組合せを抽出し、抽出された組合せに含まれる前記成功施策を推薦する施策推薦処理を実行させる
    　ための施策推薦プログラム。
  16. 　施策推薦処理で、優先的に推薦すべき成功施策の判断に用いられる優先情報を、抽出された組合せごとに特定させ、特定させた優先情報を用いて成功施策を推薦させる
    　請求項１５記載の施策推薦プログラム。
PCT/JP2014/006265 2014-03-19 2014-12-16 施策推薦装置、施策推薦方法および施策推薦プログラム WO2015140860A1 (ja)

Priority Applications (3)

Application Number Priority Date Filing Date Title
JP2016508321A JP6172781B2 (ja) 2014-03-19 2014-12-16 施策推薦装置、施策推薦方法および施策推薦プログラム
US15/122,286 US20160372000A1 (en) 2014-03-19 2014-12-16 Scheme recommendation device, scheme recommendation method, and scheme recommendation program
EP14886648.6A EP3121785A4 (en) 2014-03-19 2014-12-16 Scheme recommendation device, scheme recommendation method, and scheme recommendation program

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
JP2014-055840 2014-03-19
JP2014055840 2014-03-19

Publications (1)

Publication Number Publication Date
WO2015140860A1 true WO2015140860A1 (ja) 2015-09-24

Family

ID=54143886

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/JP2014/006265 WO2015140860A1 (ja) 2014-03-19 2014-12-16 施策推薦装置、施策推薦方法および施策推薦プログラム

Country Status (4)

Country Link
US (1) US20160372000A1 (ja)
EP (1) EP3121785A4 (ja)
JP (1) JP6172781B2 (ja)
WO (1) WO2015140860A1 (ja)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2018191774A (ja) * 2017-05-15 2018-12-06 パナソニックＩｐマネジメント株式会社 気流制御システム及び気流制御方法
WO2019077898A1 (ja) * 2017-10-17 2019-04-25 Ｎｅｃソリューションイノベータ株式会社 睡眠改善支援システム、方法およびプログラム

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
TWI625682B (zh) * 2017-12-01 2018-06-01 財團法人工業技術研究院 參數最佳化方法、裝置以及非暫態電腦可讀取媒體

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2002073815A (ja) * 2000-08-24 2002-03-12 Omron Corp 健康生活支援装置
WO2007063605A1 (ja) * 2005-12-02 2007-06-07 Netman Co., Ltd. 行動改善システム
JP2011197797A (ja) * 2010-03-17 2011-10-06 Toshiba Corp エネルギー削減装置
WO2012127757A1 (ja) * 2011-03-22 2012-09-27 日本電気株式会社 履歴収集装置、推薦装置、履歴収集方法、およびコンピュータ読み取り可能な記録媒体

Family Cites Families (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6064980A (en) * 1998-03-17 2000-05-16 Amazon.Com, Inc. System and methods for collaborative recommendations
WO2001033410A2 (en) * 1999-11-04 2001-05-10 Strategic Data Corp. Segment-based self-learning method and system
US20030186202A1 (en) * 2002-03-27 2003-10-02 Susan Isenberg System and method for behavior modification
US8540516B2 (en) * 2006-11-27 2013-09-24 Pharos Innovations, Llc Optimizing behavioral change based on a patient statistical profile
US20110256517A1 (en) * 2010-04-20 2011-10-20 Alaster Drew Swanson Computer aided real-time behavior coaching

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2002073815A (ja) * 2000-08-24 2002-03-12 Omron Corp 健康生活支援装置
WO2007063605A1 (ja) * 2005-12-02 2007-06-07 Netman Co., Ltd. 行動改善システム
JP2011197797A (ja) * 2010-03-17 2011-10-06 Toshiba Corp エネルギー削減装置
WO2012127757A1 (ja) * 2011-03-22 2012-09-27 日本電気株式会社 履歴収集装置、推薦装置、履歴収集方法、およびコンピュータ読み取り可能な記録媒体

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
See also references of EP3121785A4 *

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2018191774A (ja) * 2017-05-15 2018-12-06 パナソニックＩｐマネジメント株式会社 気流制御システム及び気流制御方法
WO2019077898A1 (ja) * 2017-10-17 2019-04-25 Ｎｅｃソリューションイノベータ株式会社 睡眠改善支援システム、方法およびプログラム
JPWO2019077898A1 (ja) * 2017-10-17 2020-10-22 Ｎｅｃソリューションイノベータ株式会社 睡眠改善支援システム、方法およびプログラム

Also Published As

Publication number Publication date
JP6172781B2 (ja) 2017-08-02
EP3121785A1 (en) 2017-01-25
US20160372000A1 (en) 2016-12-22
JPWO2015140860A1 (ja) 2017-04-06
EP3121785A4 (en) 2017-08-02

Similar Documents

Publication Publication Date Title
US11107118B2 (en) Management of the display of online ad content consistent with one or more performance objectives for a webpage and/or website
AU2017202248B2 (en) Intent prediction based recommendation system
CN109690608B (zh) 外推信任得分中的趋势
JP6719727B2 (ja) 購買行動分析装置およびプログラム
US20160162974A1 (en) Personalized recommendation method and system, and computer-readable record medium
US11042810B2 (en) Similarity learning-based device attribution
US20130332385A1 (en) Methods and systems for detecting and extracting product reviews
US20190087837A1 (en) Cloud-based System And Methods for Quantifying Engagement Around Topics
Zhu et al. Popularity modeling for mobile apps: A sequential approach
US20180047115A1 (en) Systems and Methods of Data Mining to Customize Software Trial Demonstrations
US20180189860A1 (en) Item recommendation system, item recommendation method, and computer program product
US20110252463A1 (en) Method and system for providing enterprise procurement network
JP2017509960A (ja) コンテンツ推奨のための方法、装置およびシステム
US9911130B1 (en) Attribution modeling using regression analysis
US20200043026A1 (en) Decision support system and methods associated with same
JP6172781B2 (ja) 施策推薦装置、施策推薦方法および施策推薦プログラム
JP2002334257A (ja) レコメンドエンジン、レコメンド方法、レコメンドプログラム
Moraes et al. The role of attributes in product quality comparisons
US11809437B1 (en) System and method for providing information about users who performed internet-based activities
US8700625B1 (en) Identifying alternative products
Kwak et al. Integrating the reviewers’ and readers’ perceptions of negative online reviews for customer decision-making: a mixed-method approach
US20140278800A1 (en) Systems, devices, and methods for generating location establishment severity identification
Ghosh et al. Raw jute grading by multi-criteria decision making method
JP5945206B2 (ja) 商品推薦装置及び方法及びプログラム
Wu et al. Modeling uncertainty driven curiosity for social recommendation

Legal Events

Date Code Title Description
121 Ep: the epo has been informed by wipo that ep was designated in this application

Ref document number: 14886648

Country of ref document: EP

Kind code of ref document: A1

ENP Entry into the national phase

Ref document number: 2016508321

Country of ref document: JP

Kind code of ref document: A

WWE Wipo information: entry into national phase

Ref document number: 15122286

Country of ref document: US

REEP Request for entry into the european phase

Ref document number: 2014886648

Country of ref document: EP

WWE Wipo information: entry into national phase

Ref document number: 2014886648

Country of ref document: EP

NENP Non-entry into the national phase

Ref country code: DE