WO2015155885A1 - 購買履歴分類システム及び購買履歴分類方法 - Google Patents

購買履歴分類システム及び購買履歴分類方法 Download PDF

Info

Publication number
WO2015155885A1
WO2015155885A1 PCT/JP2014/060492 JP2014060492W WO2015155885A1 WO 2015155885 A1 WO2015155885 A1 WO 2015155885A1 JP 2014060492 W JP2014060492 W JP 2014060492W WO 2015155885 A1 WO2015155885 A1 WO 2015155885A1
Authority
WO
WIPO (PCT)
Prior art keywords
meal
information
purchase history
meal information
history classification
Prior art date
Application number
PCT/JP2014/060492
Other languages
English (en)
French (fr)
Inventor
洋史 近藤
大崎　高伸
伴　秀行
Original Assignee
株式会社日立製作所
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 株式会社日立製作所 filed Critical 株式会社日立製作所
Priority to JP2016512554A priority Critical patent/JP6211683B2/ja
Priority to PCT/JP2014/060492 priority patent/WO2015155885A1/ja
Publication of WO2015155885A1 publication Critical patent/WO2015155885A1/ja

Links

Images

Classifications

    • 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
    • G16H20/60—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance relating to nutrition control, e.g. diets

Definitions

  • the present invention relates to a purchase history classification system that analyzes meal purchase information and provides a method for accurately and simply recording information relating to meals actually eaten.
  • Patent Document 1 as a method for collecting information purchased by an individual, a method using personal identifier information included in a purchase history at the time of settlement is described.
  • the present invention determines whether the meal information included in the purchase history is related to the purchase history associated with one personal identifier, is consumed by the associated user, or includes information about other people,
  • the purpose is to classify the information included in the purchase history when other people's information is also included.
  • the present invention is a purchase history classification system comprising a computer including a processor and a memory, and a terminal connected to the computer via a network, the computer including an identifier for identifying an individual, the personal A meal information storage unit that receives and accumulates meal information including an identifier of a meal eaten or eaten from the terminal, a meal feature quantity storage unit that stores the meal feature quantity received from the terminal, and the individual identifier Each time the meal information is selected from the meal information storage unit, the feature amount corresponding to the meal information is acquired from the meal feature amount storage unit, and the tendency of the individual meal selection is analyzed.
  • a food preference model construction unit that calculates the meal selection probability as a food preference model based on the analysis result of the meal selection tendency for each individual, and accepts input of the meal information
  • An input unit a determination unit that determines whether or not the number of people who eat and drink the meal information, and a plurality of the number of people who eat and drink the meal information, the food preference model corresponding to the individual identifier
  • a meal information estimation unit that estimates the meal selected by the individual from the meal information and outputs the estimated meal information.
  • meal information included in the purchase history is consumed by the associated individual alone, or includes information on others. If other people's information is included, the information included in the purchase history is classified, and only the information consumed by the individual can be extracted and recorded.
  • the purchase history classification system of the present invention to the extent that each menu in the meal is eaten by the attribute information and past meal characteristics of the user who shared the meal, even when shared by multiple people There is an effect that it is possible to estimate, calculate a distribution ratio to each person, and automatically distribute meal information among users.
  • FIG. 1 is a block diagram illustrating an example of a purchase history classification system according to a first embodiment of this invention.
  • FIG. It is a figure which shows a 1st Example of this invention and shows an example of the user information which a user information management part manages. It is a figure which shows a 1st Example of this invention and shows an example of the meal information table which a meal information management part manages. It is a figure which shows a 1st Example of this invention and shows an example of the meal feature-value table which a meal feature-value management part manages. It is a flowchart which shows a 1st Example of this invention and shows an example of the process which applies and classifies a meal preference model to meal information.
  • Example 1 of the present invention will be described in detail with reference to the drawings.
  • information on meals taken by the user is collected from a store or the like, and information on meals actually eaten by the user from the collected meal information is calculated from past history.
  • a purchase history classification system that applies a model, extracts it, and records it in a database will be described.
  • FIG. 1 is a block diagram showing an example of a purchase history classification system 100 according to the first embodiment of the present invention.
  • the purchase history classification system 100 is composed mainly of a purchase history classification device 101 and a database 102.
  • the purchase history classification system 100 is connected to a store information terminal 104 and a user terminal 110 via a network 103.
  • the purchase history classification apparatus 101 includes an arithmetic device 108 that performs arithmetic processing, a memory 109 that stores programs and data, a storage medium 105 that stores programs and data, an input unit 106 that includes a keyboard, a mouse, a touch panel, and the like, It is a computer provided with the output part 107 containing a display.
  • the storage medium 105 is a storage device that stores various programs and data for realizing the purchase history classification system 100, and is, for example, a nonvolatile storage medium (magnetic disk drive, nonvolatile memory, etc.).
  • the memory 109 is loaded with programs and data stored in the storage medium 105.
  • the computing device 108 is a device (processor) that executes a program loaded in the memory 109, and is a CPU, a GPU, or the like, for example. Processing and operations described below are executed by the arithmetic device 108.
  • a meal information identifier (meal ID 301) is given when meal information is received from the store information terminal 104 via the network 103 and stored in the database 102.
  • a meal information identifier setting unit 112 that performs the meal feature amount setting unit 111 that receives the setting of the meal feature amount of the meal provided by the store information terminal 104, and a meal feature that manages detailed feature amounts of the meal menu corresponding to the meal information
  • An amount management unit 123 ; a utilization state setting unit 117 that sets a meal state such as the number of users; a meal trend analysis unit 113 that analyzes a meal trend from a past meal feature amount of the user; and a food preference based on the past meal trend
  • the food preference model construction unit 114 for modeling the food, and applying the food preference model to the meal information including information for a plurality of people
  • the meal information estimation unit 115 for estimating the meal information actually eaten, the meal information update unit 119 for reconstructing the meal information from the estimation result of the meal information estimation unit
  • Each function unit of the meal feature amount setting unit 111 to the meal information update unit 119 is loaded into the memory 109 as a program.
  • the computing device 108 operates as a functional unit that provides a predetermined function by processing according to the program of each functional unit.
  • the computing device 108 functions as the meal information identifier setting unit 112 by performing processing according to the meal information feature amount setting program.
  • the arithmetic device 108 also operates as a function unit that provides each function of a plurality of processes executed by each program.
  • a computer and a computer system are an apparatus and a system including these functional units.
  • Information such as programs and tables for realizing each function of the purchase history classification apparatus 101 is a storage system, a nonvolatile semiconductor memory, a hard disk drive, a storage device such as an SSD (Solid State Drive), or an IC card, SD card, DVD Etc., and can be stored in a computer readable non-transitory data storage medium.
  • a storage system a nonvolatile semiconductor memory, a hard disk drive, a storage device such as an SSD (Solid State Drive), or an IC card, SD card, DVD Etc.
  • the database 102 represents the feature of the meal information stored in the user information management unit 121 that manages attribute information for each user, the meal information management unit 122 that stores meal information for each user, and the meal information management unit 122.
  • a meal feature amount management unit 123 that manages information and a food preference model management unit 124 that manages user-specific food preference models are included.
  • the database 102 may be provided by a computer connected to the purchase history classification apparatus 101 via a network. Alternatively, the database 102 may be stored in a storage device connected to the purchase history classification device 101.
  • the store information terminal 104 and the user terminal 110 are computers including an arithmetic device, a memory, an input device, and an output device (not shown).
  • the store information terminal 104 includes a store meal feature amount management unit 1040 that manages a meal feature amount of meals provided in the store.
  • FIG. 2 is a diagram illustrating an example of user information 200 managed by the user information management unit 121.
  • the user information 200 includes a user ID 201 that identifies a user, a date of birth 202, a height 203, a weight 204, a gender 205, a job type 206, income information 207, and authentication ID information 208 in one record. Including.
  • attributes such as gender 205 and job type 206 of this user information 1210, there is an effect that it becomes possible to categorize users (individuals) by group and build a food preference model.
  • FIG. 3 is a diagram illustrating an example of the meal information table 300 managed by the meal information management unit 122.
  • the meal information table 300 includes a user ID 201, a meal ID 301 that specifies meal information, a meal time 302 that indicates the generation time of the meal information, a use store 303 that specifies the store used, breakfast, lunch, dinner, and the like.
  • a meal purpose 304 that indicates the time of the meal
  • a meal menu 305 that stores an identifier for specifying the menu of the meal that has been settled at the same time
  • a simultaneous eater information 306 that indicates the information of the person who has settled at the same time
  • the accuracy 307 representing the probability and the processed flag 308 are included in one record.
  • the accuracy 307 is set to “1” when the meal information is accurate, and is set to “0” when the accuracy of the meal information is unknown.
  • the initial value of the accuracy 307 is set to “0”.
  • the processed flag 308 is set to “True” when the record is processed in the estimation process described later, and “False” is set when the record is not processed.
  • the meal information table 300 has an effect that the user's actual meal information can be extracted using the meal preference model.
  • FIG. 4 is a diagram illustrating an example of the meal feature amount table 400 managed by the meal feature amount management unit 123.
  • the meal feature amount table 400 includes a provision store 401 that stores an identifier of a store that provides meals, a store business condition 402 that specifies conditions for providing a meal menu, a provision date 403, a menu ID 404 for a meal, and a menu name 405. , Price 406, nutritional value 407, ingredients 408, ingredients quantity 409, cooking method 410, cooking category 411, and menu category 412 are included in one record.
  • the foodstuff 408 the foodstuff quantity 409, and the cooking method 410, it can store about the information of several foodstuffs.
  • FIG. 5 is a flowchart showing a series of flows for classifying meal information. This process is executed each time the purchase history classification apparatus 101 receives new meal information.
  • the store information terminal 104 transmits the meal information to the purchase history classification apparatus 101 (501).
  • the purchase history classification apparatus 101 receives meal information, extracts user authentication ID information 208 included in the transmitted meal information, and refers to the user information 200 to identify the user ID 201.
  • the user authentication ID information 208 for example, an electronic money ID, a credit card, biometric authentication information, or other predetermined identification information can be used.
  • the user authentication process is executed each time meal information is received.
  • the user registers the authentication information in the purchase history classification apparatus 101 in advance, creates a user account, and acquires the user ID 201.
  • the purchase history classification apparatus 101 gives a meal information identifier (meal ID 301) to the meal information for which the target user is specified, and is stored in the meal information table 300 as the meal of the target user. At this time, the purchase history classification apparatus 101 sets initial values for the accuracy 307 and the processed flag of the meal information table 300. For example, the accuracy 307 is “0” and the processed flag is “false”.
  • the meal ID 301 is given a unique value by the meal information identifier setting unit 112.
  • the purchase history classification apparatus 101 refers to the processed flag 308 from the meal information table 300 of the meal information management unit 122, and acquires unprocessed (False) meal information.
  • the purchase history classification device 101 may specify the user ID 201 when extracting the data. This process is executed each time meal information is received.
  • the purchase history classification apparatus 101 acquires a meal feature amount corresponding to the acquired meal information from the meal feature amount table 400 of the meal feature amount management unit 123, and calculates a meal feature amount for each meal cost menu. get.
  • the purchase history classification apparatus 101 acquires a meal menu from the received meal information, and acquires a meal feature quantity from the meal feature quantity table 400 based on the menu ID 404 of the meal menu.
  • the information of the meal feature quantity table 400 is registered in advance in the meal feature quantity table 400 of the purchase history classification apparatus 101 upon accepting registration from the store information terminal 104.
  • the registration from the store information terminal 104 to the meal feature table 400 is, for example, input from the store information terminal 104 via the registration screen of the meal feature table 400 provided by the purchase history classification apparatus 101, and the store information.
  • the terminal 104 may have a database (store meal feature amount management unit 1040) holding meal feature amounts, and may be transmitted from the database to the purchase history classification apparatus 101 and recorded in the meal feature amount management unit 123.
  • the meal feature value setting unit 111 executes reception and registration of the meal feature value.
  • step 504 the purchase history classification apparatus 101 determines whether the target meal information includes information eaten by a plurality of persons instead of the target user alone. This processing is performed by the usage status setting unit 117 shown in FIG.
  • the purchase history classification apparatus 101 refers to the simultaneous eater information 306 of the meal information to be processed, and acquires the value of the simultaneous eater information 306 transmitted by the store information terminal 104.
  • the purchase history classification apparatus 101 determines that there is a simultaneous eater when the value of the simultaneous eater information 306 is 2 or more, and proceeds to the processing of step 505. On the other hand, if there are no simultaneous eaters, the process proceeds to step 507. This process determines whether or not a plurality of eaters are included in a fare paid by one user.
  • the purchase history classification apparatus 101 acquires the target user's food preference model from the food preference model management unit 124 when there is simultaneous eater information.
  • the purchase history classification apparatus 101 inputs the meal feature amount of each meal menu to the parameters of the acquired meal preference model, calculates the selection probability of each meal menu 305 of the meal information table 300, and the selection probability is equal to or greater than a separately determined threshold value. Extract the meal menu.
  • the purchase history classification apparatus 101 generates an estimated meal menu (estimated meal information) after eliminating patterns that are difficult to combine in the past meal history with respect to the extracted menu. This process is performed by the meal information estimation unit 115 shown in FIG.
  • step 506 the purchase history classification apparatus 101 classifies the relationship between the plurality of menus included in the meal information table 300 and the eater from the information on the estimated eating menu generated in step 505, as will be described later.
  • the purchase history classification device 101 classifies a menu that is actually eaten or eaten as a eater based on the user's estimated eating menu. This process may be performed only for the user currently focused on.
  • the purchase history classification apparatus 101 sets a value of the accuracy 307 in the meal information table 300 in step 307. For example, when the user has not confirmed the estimation information, the purchase history classification apparatus 101 sets the accuracy 307 as “0”. If the user has confirmed the estimated information, the accuracy 307 is set to “1”. This process is performed by the accuracy setting unit 118 shown in FIG.
  • the purchase history classification apparatus 101 After completing the setting of the accuracy 307, the purchase history classification apparatus 101 sets the processed flag 308 to “True” and stores the meal information in the meal information management unit 122. This process is performed by the meal information update unit 119 shown in FIG.
  • the purchase history classification apparatus 101 estimates the menu of the eater from the meal preference model when the plurality of eaters are included in the meal information received from the store information terminal 104. In other words, the purchase history classification apparatus 101 estimates the menu of the eater from the food preference model when a plurality of eaters are included in the settlement of one user. Then, the purchase history classification apparatus 101 classifies the menu as a eater based on the estimation result.
  • FIG. 6 is a flowchart illustrating an example of a probability setting process in which the purchase history classification apparatus 101 presents meal estimation information to the user terminal 110 and receives confirmation or correction of the content of the estimation information from the user terminal 110. Executing this process when a request from the user terminal 110 or the like is received corresponds to the accuracy setting unit 118 in FIG. Further, this process may be executed in step 507 of FIG.
  • step 602 the purchase history classification apparatus 101 transmits the estimation result of the eating menu to the user terminal 110 that has received the request.
  • the user can check the estimation result of the eating menu with an output device (not shown) of the user terminal 110 connected via the network 103.
  • the purchase history classification apparatus 101 determines whether a request for finalizing the estimation result has been received from the user terminal 110 (603). If a request to confirm is accepted, the process proceeds to step 606; otherwise, the process proceeds to step 604.
  • the purchase history classification apparatus 101 determines in step 604 whether or not an estimation result correction request has been received from the user terminal 110. If the purchase history classification apparatus 101 accepts a correction request, the process proceeds to step 605; otherwise, the process proceeds to step 606.
  • the purchase history classification apparatus 101 accepts correction of the estimation result from the user terminal 110 in step 605.
  • the purchase history classification apparatus 101 when the purchase history classification apparatus 101 receives a confirmation or correction by the user from the user terminal 110 in step 606, the purchase history classification apparatus 101 sets the accuracy 307 of the meal information table 300 high.
  • the purchase history classification apparatus 101 increases the value of the accuracy 307 and updates the value to “1” when the initial value is “0”, for example.
  • the purchase history classifying apparatus 101 updates the contents of the corresponding meal information in the meal information table 300 stored in the meal information management unit 122 in the meal information update step 607 or the correction contents received from the user terminal 110 or
  • the meal information and the accuracy information 307 are updated by reflecting the confirmed contents.
  • the eating menu estimated by the purchase history classification apparatus 101 is confirmed or corrected at the user terminal 110, and the meal information table 300 is updated.
  • FIG. 7 is a flowchart showing an example of processing in which the purchase history classification apparatus 101 constructs a food preference model. This process is executed in response to a command from an administrator of the purchase history classification apparatus 101 or a predetermined cycle (for example, every week) (701). The following process shows an example of generating a food preference model for one user. Further, this process corresponds to the food preference model construction unit 114 shown in FIG.
  • the purchase history classification apparatus 101 selects meal information to be used for generating a meal preference model from past meal information accumulated in the meal information table 300. This selection is performed using the user ID 201, the meal purpose 304, the accuracy 307, and the meal time 302 of the meal information table 300.
  • the purchase history classification apparatus 101 designates the user ID 201, the meal purpose 304 is “lunch”, and the accuracy 307 is equal to or greater than a certain value (for example, “1”). Select only meal information. Note that a food preference model with high accuracy can be generated by selecting meal information having a large value of the accuracy 307.
  • step 703 the purchase history classification apparatus 101 selects the meal feature amount of the meal information selected in step 702 from the meal feature amount table 400 of the meal feature amount management unit 123, and is necessary for generating a food preference model. To extract various meal features.
  • the purchase history classification apparatus 101 has a menu name 405, a price 406, a menu category 412 corresponding to the eating menu 305, a menu number, and a nutrition intake (nutrient value 407) for each meal time 302 and meal purpose 304 of the meal information.
  • a nutrition intake nutritional value 407 for each meal time 302 and meal purpose 304 of the meal information.
  • the purchase history classification apparatus 101 calculates statistical values such as variance and deviation with respect to the acquired value (feature value), and analyzes the selection tendency of the meal (menu) of the user ID 201. This process is performed by the meal tendency analysis unit 113 shown in FIG. Note that calculation of statistical values such as variance and deviation may be performed using a known or well-known method, and thus will not be described in detail here.
  • the statistical values calculated by the purchase history classification apparatus 101 include individual frequency information such as the selection frequency of the meal menu (305, 404, 405) selected by the target user ID 201 in the past, and the food 408 included in each meal menu.
  • the index representing the preference can be a meal selection tendency.
  • step 704 the purchase history classification apparatus 101 creates a model for calculating the selection probability of the meal menu (404, 405) included in the meal feature amount table 400 based on the selection tendency of the meal menu. .
  • This process is performed by the food preference model construction unit 114 shown in FIG. 1, and the food preference model of the user ID 201 that is the current target is calculated.
  • the model for calculating the menu selection probability can generate a prediction (meal preference) model that predicts the selection probability of the meal menu using the feature amount extracted in step 703 as an explanatory variable. Then, the purchase history classification apparatus 101 stores the generated meal menu selection probability in the food preference model management unit 124 as a food preference model.
  • the meal information used to generate the meal preference model may be set to a period such as one year or several months.
  • generates the meal preference model regarding one meal objective 304 was shown about one user in the said process, you may produce
  • the meal purpose 304 generates three meal preference models of “breakfast”, “lunch”, and “dinner”, thereby obtaining a meal menu selection probability corresponding to the meal purpose 304. be able to.
  • a food preference model for each user can be generated and held in the food preference model management unit 124.
  • FIG. 8 is a screen image of a meal information estimation result that the purchase history classification apparatus 101 transmits to the user terminal 110.
  • a screen 801 for displaying the estimation result of the meal information is transmitted to the user terminal 110 in step 602 of FIG. 6, and the purchase history classification apparatus 101 receives user confirmation and correction from the user terminal 110.
  • the screen 801 for displaying the estimation result of the meal information includes a meal condition display unit 802, an estimated breakdown display unit 803, an estimation result display unit 804, a confirmation button 805, and a correction button 806.
  • the meal condition display unit 802 displays the store name, date and purpose, and purpose. These pieces of information include a meal time 302, a use store 303, and a meal purpose 304 in the meal information table 300.
  • the meal condition display unit 802 indicates the date and place of eating the displayed menu.
  • the estimated breakdown display unit 803 indicates the selection probability of each menu calculated by the food preference model.
  • the estimation result display unit 804 shows the result of the estimated meal information (menu).
  • the user operates the input device of the user terminal 110 and clicks the confirmation button 805 to confirm the estimation result.
  • the correction button 806 is clicked, the user can call a function for correcting the estimation result.
  • FIG. 9 is a block diagram illustrating an example of functional elements of the purchase history classification system 100.
  • FIG. 9 shows an outline of processing performed in the purchase history classification system 100.
  • the purchase history classification apparatus 101 stores the history of meal information adjusted by each user in the meal information table 300.
  • the purchase history classification apparatus 101 executes the food preference model construction unit 114 shown in FIG. 7 at a predetermined cycle or the like to generate a food preference model 1240 of the target user.
  • the purchase history classification apparatus 101 acquires meal information within a predetermined period from the meal information table 300 for each user ID 201 and meal purpose 304 (702).
  • the purchase history classification apparatus 101 acquires a meal feature amount from the meal feature amount table 400 for the selected meal information, and analyzes the selection tendency of the meal menu (703).
  • the purchase history classification apparatus 101 calculates the probability that a pre-registered meal menu is selected based on the selection tendency of the meal menu, and generates a meal preference model 1240 (704).
  • the purchase history classification apparatus 101 Upon receiving new meal information (502), the purchase history classification apparatus 101 reads the user's meal preference model 1240 and calculates the meal menu selection probability when the meal information includes a plurality of eaters. The meal menu selected by the user is estimated and output to the user terminal 110 as an estimation result (602).
  • the meal information accuracy 307 is set to “1”, otherwise, “0” is set and the meal information is updated. To do.
  • the purchase history classification system 100 it is possible to estimate the meal menu selected by the corresponding user from the meal information including a plurality of eaters using the meal preference model 1240 generated in advance.
  • a probability model using the meal feature amount as an explanatory variable is used as the meal selection probability.
  • any model that can calculate the meal selection probability may be used.
  • a logistic regression model or a Bayesian network may be used.
  • step 702 selection according to the target user and the meal purpose 304 is performed.
  • the selection is not limited to this.
  • a food preference model can be created.
  • an arbitrary category such as age, gender 205, job type 206, income information 207, etc. is selected as a condition, there is an effect that it is possible to create a food preference model for each category instead of for each individual.
  • the value of the simultaneous eater information 306 is acquired from the meal information table 300 of the meal information management unit 122.
  • the value of the simultaneous eater information 306 may be missing.
  • the simultaneous eater based on the past information recorded in the meal information management unit 122 and the meal feature amount management unit 123 in step 504 of FIG.
  • the presence or absence of can be determined. For example, determination standard information such as an average price and the number of menus per target user is calculated, and based on this, it is determined whether or not the target meal information includes information for one person or more.
  • a threshold value per person may be provided for the nutrition intake taken by the target user, and the presence or absence of a simultaneous eater may be determined.
  • Example 2 of the present invention will be described in detail with reference to the drawings.
  • a purchase history classification system that divides meal information of a corresponding menu and distributes it to each user when a single menu (for example, a serving menu etc.) is shared (or distributed) by a plurality of eaters. explain.
  • FIG. 10 is a block diagram showing an example of a purchase history classification system 100 that is Embodiment 2 of the present invention.
  • the purchase history classification system 100 is composed mainly of a purchase history classification apparatus 101 and a database 102.
  • the purchase history classification apparatus 101 is connected to the store information terminal 104 and the user terminal 110 via the network 103.
  • the purchase history classification device 101 is a computer device, and includes an input unit 106 that receives input of various types of information, an output unit 107 including a display, an arithmetic unit 108, a memory 109, and a storage medium 105.
  • the purchase history classification apparatus 101 extracts meal feature quantities from meal information histories, and the ingredients 408 and cooking methods 410 that are closely related to meal preferences from the meal feature quantities.
  • a meal preference level calculation unit 901 that calculates a user's preference level using feature quantities such as the same, and a meal that is shared and ordered by a plurality of people is allocated to each user according to a meal preference level
  • a distribution coefficient calculation unit 902 that calculates a distribution coefficient for the user, and a simultaneous eater setting unit 903 that sets information of a user who shared a meal using a template or the like.
  • the database 102 manages the preference information management unit 904 that manages the preference information for each user and the setting information used when setting the information of the simultaneous eaters. And a simultaneous eater information management unit 905.
  • the meal information can be distributed even when the meal menu is shared by a plurality of people. Is.
  • FIG. 11 is a diagram illustrating an example of a food preference level table 1000 managed by the food preference level information management unit 904.
  • the meal preference level table 1000 includes a user ID 201 for identifying a user, a meal purpose 1001 for managing preferences for each meal purpose 304, simultaneous eater information 1002 for managing preferences for each simultaneous eater, and a meal menu.
  • One record includes an ingredient preference degree 1003 for storing the preference degree for the contained ingredient (material) for each ingredient, and a cooking method preference degree 1004 for storing the preference degree for the cooking method of the menu for each cooking method.
  • This information has an effect of finely managing the user's food preference for each user's meal purpose 304.
  • FIG. 12 is a diagram illustrating an example of the simultaneous eater setting information table 1100 managed by the simultaneous eater information management unit 905.
  • the simultaneous eater setting information table 1100 stores a user ID 201 for identifying a user and a user ID belonging to a workplace colleague (setting 1), family (setting 2), friend (setting 3), etc. as a unit of a group to eat at the same time.
  • the simultaneous eater setting information 1101 to be included is included in one record.
  • the simultaneous eater setting information 1101 is divided into three groups and set as setting 1 to setting 3.
  • the present invention is not limited to this.
  • the simultaneous eater setting information table 1100 has an effect that a person who eats with the corresponding user can be easily set.
  • FIG. 13 is a diagram illustrating an example of a meal information table 300 managed by the meal information management unit 122.
  • the meal information table 300 includes shared menu information 311 that is menu information that the user has shared and ingested with others, and sharer information 312 that indicates a shared partner. including.
  • the shared menu information 311 and the sharer information 312 are set when being transmitted from the store information terminal 104 to the purchase history classification apparatus 101 system or from the user terminal 110 via an input screen (not shown). By adding the share menu information 311 and the sharer information 312, there is an effect that it becomes possible to specify the shared meal information and the sharer.
  • FIG. 14 is a flowchart showing an example of processing in which the purchase history classification apparatus 101 creates meal preference information. This process is executed in accordance with a command from the administrator of the purchase history classification apparatus 101 or a predetermined cycle (for example, every week) (1301). The following processing shows an example of generating the food preference table 1000 for one user. Further, this processing corresponds to the meal preference level calculation unit 901 illustrated in FIG.
  • the purchase history classification apparatus 101 filters the meal information used to create the food preference information from the past meal information accumulated in the meal information table 300 with the accuracy 307, for example, the accuracy 307 Only meal information whose value is greater than or equal to a predetermined value is selected.
  • step 1303 the purchase history classification apparatus 101 acquires the meal feature amount of the selected meal information from the meal feature amount table 400 of the meal feature amount management unit 123.
  • step 1304 the purchase history classification apparatus 101 calculates the preference level of the target menu based on the meal feature amount. By quantifying the degree of preference as a common index for each user, it is possible to distribute meal information according to the degree of preference among users who share a menu.
  • the appearance frequency of a certain meal feature amount with respect to the number of meals can be used. For example, when meat is taken in all of the meals for one month, the “meat” column is set in the food preference 1003 and the preference value is set to 1. In addition, a “baked” column is set as the cooking method preference degree 1004, and a preference value is set.
  • the preference degree calculation process is updated, for example, every week in order to reflect a change in the user's preference. However, the update frequency can be arbitrarily changed.
  • the purchase history classification apparatus 101 stores the information (1003, 1004) of the target user's food preference in the food preference information management unit 904 in the preference information storage step 1305.
  • the food preference level is calculated for one user with respect to one meal purpose 1001
  • the food preference level may be calculated for each of a plurality of meal purposes 1001 for one user. For example, by calculating the three food preference levels of “breakfast”, “lunch”, and “dinner” for one user, the distribution coefficient of the meal menu corresponding to the meal purpose 1001 can be accurately calculated. Can get to.
  • the food preference level for each user can be calculated and held in the food preference level information management unit 904.
  • FIG. 15 is a flowchart illustrating an example of a process for allocating a menu of meal information based on the meal preference table 1000.
  • Steps 501 to 508 in FIG. 15 are the same as in the first embodiment, and the purchase history classification apparatus 101 acquires unprocessed data whose processed flag 308 is “False” from the meal information table 300. A meal feature amount corresponding to the data is acquired.
  • purchase history classification device 101 presumes the user's meal menu using a meal preference model, when there is a person who eats at the same time.
  • the purchase history classification apparatus 101 determines in step 1401 whether or not a certain meal menu is shared with other eaters. Whether or not the meal menu is shared can be determined based on the contents of the simultaneous eater setting information 1101 recorded in the sharer information 312 shown in FIG.
  • step 1402 the purchase history classification apparatus 101 acquires the food preference level table 1000 from the food preference level information management unit 904 based on the sharer information 312. Calculate the distribution ratio.
  • the purchase history classification apparatus 101 acquires the food preference level related to the meal feature amount such as the ingredients 408 and the cooking method 410 for the meal menu to be processed for the user set in the sharer information 312, and the food preference The distribution coefficient is calculated by comparing the degree values.
  • a predetermined meal feature amount serving as a reference can be selected for calculating the distribution coefficient. For example, if the feature amount relating to the ingredients and the feature amount relating to the cooking method are used, and the ingredient 408 of the menu to be processed is the ingredient A and the cooking method 410 is the recipe A, the ingredient preference level 1003 indicates the ingredient A. The preference level is acquired, and the preference level of the cooking method A is acquired from the cooking method preference level 1004.
  • the purchase history classification apparatus 101 maps a preference vector created based on a preference value to a vector space centered on the preference level of the selected meal feature value, and calculates a vector norm.
  • the distribution coefficient is obtained by calculating the norm of a user's preference degree vector with respect to the total vector norm of each user.
  • the distribution coefficient is calculated as a value between 0 and 1. If the past meal information of the simultaneous eater is not recorded, the input of the profile information of the simultaneous eater is accepted, and for example, it is calculated by substituting the preference level of the existing user with the same age, gender 205, etc. Good.
  • step 1403 the purchase history classification apparatus 101 calculates a distribution ratio for each user based on the product of the calculated distribution coefficient and the nutritional value 407 of the menu, and distributes the obtained value.
  • step 507 the purchase history classification apparatus 101 sets the accuracy 307 as in the first embodiment, and stores the meal information in the meal information table 300 of the meal information management unit 122.
  • FIG. 16 is a screen image of a meal information distribution result that the purchase history classification apparatus 101 transmits to the user terminal 110.
  • the purchase history classification apparatus 101 presents an example of a screen image that presents a distribution result of meal information shared between users to the user terminal 110 and receives user confirmation and correction.
  • a screen 1501 for displaying the distribution result of meal information includes a meal condition display unit 1502, a distribution breakdown display unit 1503, a distribution result display unit 1504, a confirmation button 1505, a correction button 1506, and a simultaneous eater setting unit 1507. , A detailed setting button 1508 and a distribution recalculation button 1509.
  • the meal condition display section 1502 shows the place where the meal was taken, the meal time, and the purpose of the meal, and the distribution breakdown display section 1503 shows the distribution coefficient of each meal menu calculated by the food preference table 1000.
  • the distribution result display unit 1504 indicates the result of the distributed meal information.
  • a distribution result is confirmed by clicking a confirmation button 1505, and a function for correcting the distribution result can be called by pressing a correction button 1506.
  • the simultaneous eater setting unit 1507 can set or change a template of a preset group of simultaneous drinkers.
  • a setting function can be called by clicking a detailed setting button 1508.
  • the distribution recalculation button 1509 When the distribution recalculation button 1509 is pressed, the distribution can be recalculated using the simultaneous eater information whose setting has been changed.
  • screen 1501 may be transmitted to the user terminal 110 in step 1403 of FIG.
  • the example of using the frequency for each meal feature amount is shown as the food preference level.
  • information indicating the food preference level it may be calculated using another statistical method. .
  • the degree of food preference for each user is calculated for each ingredient and cooking method from the accumulated meal information table 300.
  • the meal menu consumed by each of the plurality of users is calculated as the distribution result by calculating the distribution coefficient from the food preference of the ingredients and the cooking method. be able to. Thereby, even when one dish is divided by a plurality of eaters, it is possible to grasp the amount of the meal menu taken by each user.
  • the configuration of the computer, the processing unit, and the processing unit described in the present invention may be partially or entirely realized by dedicated hardware.
  • the various software exemplified in the present embodiment can be stored in various recording media (for example, non-transitory storage media) such as electromagnetic, electronic, and optical, and through a communication network such as the Internet. It can be downloaded to a computer.
  • recording media for example, non-transitory storage media
  • a communication network such as the Internet. It can be downloaded to a computer.
  • the present invention is not limited to the above-described embodiments, and includes various modifications.
  • the above-described embodiments have been described in detail for easy understanding of the present invention, and are not necessarily limited to those having all the configurations described.

Landscapes

  • Health & Medical Sciences (AREA)
  • Nutrition Science (AREA)
  • Engineering & Computer Science (AREA)
  • Epidemiology (AREA)
  • General Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Primary Health Care (AREA)
  • Public Health (AREA)
  • Medical Treatment And Welfare Office Work (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

　プロセッサとメモリを備えた計算機と、前記計算機に接続された端末と、を備えて購買履歴を分類する方法であって、前記計算機が、個人を特定する識別子及び個人が飲食した食事の識別子とを含む食事情報を受信して蓄積し、前記端末から受信した食事の特徴量を食事特徴量格納部に格納し、前記個人の識別子毎に食事情報を選択し、前記食事情報に対応する特徴量を取得して、個人の食事選択の傾向を分析し、個人毎の前記食事選択の傾向の分析結果に基づいて、食事の選択確率を食嗜好モデルとして算出し、食事情報の入力を受け付けて、食事情報の飲食した人数が複数の場合には、前記食嗜好モデルに基づいて、当該個人が選択した食事を前記食事情報から推定する。

Description

購買履歴分類システム及び購買履歴分類方法
　本発明は、食事の購買情報を分析し実際に喫食した食事に関する情報を正確かつ簡便に記録するための方法を提供する購買履歴分類システムに関する。
　近年、メタボリックシンドロームや脳血管疾患、心疾患、糖尿病等に代表される生活習慣病の予防を目的とした食習慣の改善が注目されている。食習慣の改善を実現するには、日々の食事の内容を記録して可視化することが重要である。しかしながら、日々の食事を記録すること自体非常に手間のかかる作業であり、さらに各々の食事に関して栄養価の観点で管理することはさらに相当の手間を要するため、個人が継続して取り組むことが難しい。
　そのため、食事の管理を簡便にすることが重要である。例えば、購入した商品の情報を自動的に収集し、管理することができれば非常に効果的である。特許文献１では、個人が購入した情報を収集する方法として、精算時の購入履歴に含まれる個人の識別子情報を用いる方法が記載されている。
米国特許第８，４５２，６５３号明細書
　上記従来例では、ユーザが自分のための商品のみを購入した場合は問題ないが、他者の分も含めて商品を購入した場合の分類は考慮されていない。例えば商品を食事と仮定した場合、必ずしも精算者と喫食（飲食）者が同一とは言えない。従来技術における精算時の購入履歴に含まれる個人の識別子に従って商品を分類する方法では、実際とは異なる食事の内容が記録されてしまう場合があった。すなわち、複数の喫食者のうちの一人が、複数の喫食者の飲食代を精算した場合、上記従来例では、精算した個人の識別子に全ての複数の喫食者の飲食（商品）が紐付けられてしまう、という問題があった。
　そこで本発明は、一つの個人識別子に関連付けられた購買履歴に関して、当該購買履歴に含まれる食事の情報が、関連付けられたユーザが消費したものであるか、他人の情報も含むものであるか判別し、他人の情報も含まれる場合には当該購買履歴に含まれる情報を分類することを目的とする。
　本発明は、プロセッサとメモリを備えた計算機と、ネットワークを介して前記計算機に接続された端末と、を備えた購買履歴分類システムであって、前記計算機は、個人を特定する識別子と、前記個人が飲食した食事の識別子とを含む食事情報を前記端末から受信して蓄積する食事情報格納部と、前記端末から受信した前記食事の特徴量を格納する食事特徴量格納部と、前記個人の識別子毎に、前記食事情報格納部から前記食事情報を選択し、前記食事情報に対応する前記特徴量を前記食事特徴量格納部から取得して、前記個人の食事選択の傾向を分析する食事傾向分析部と、前記個人毎の前記食事選択の傾向の分析結果に基づいて、前記食事の選択確率を食嗜好モデルとして算出する食嗜好モデル構築部と、前記食事情報の入力を受け付ける入力部と、前記食事情報の前記飲食した人数が複数か否かを判定する判定部と、前記食事情報の前記飲食した人数が複数の場合には、前記個人の識別子に対応する食嗜好モデルに基づいて、当該個人が選択した食事を前記食事情報から推定し、推定食事情報として出力する食事情報推定部と、を有する。
　本発明によれば、一つの個人の識別子に関連付けられた購買履歴に関して、当該購買履歴に含まれる食事の情報が、関連付けられた個人が一人で消費したものであるか、他人の情報も含むものであるか判定し、他人の情報も含まれる場合には当該購買履歴に含まれる情報を分類し、個人が消費した情報のみを抽出し記録することができる効果がある。
　さらに、本発明の購買履歴分類システムは、食事におけるそれぞれのメニューに関して、複数人で共有した場合においても、当該食事を共有したユーザについて属性情報や過去の食事の特徴からメニューをどの程度喫食したか推定し、各者への配分割合を計算して、自動的に食事情報をユーザ間で配分することができる効果がある。
本発明の第１の実施例を示し、購買履歴分類システムの一例を示すブロック図である。 本発明の第１の実施例を示し、利用者情報管理部が管理するユーザ情報の一例を示す図である。 本発明の第１の実施例を示し、食事情報管理部が管理する食事情報テーブルの一例を示す図である。 本発明の第１の実施例を示し、食事特徴量管理部が管理する食事特徴量テーブルの一例を示す図である。 本発明の第１の実施例を示し、食事情報に食嗜好モデルを適用して分類する処理の一例を示すフローチャートである。 本発明の第１の実施例を示し、食事情報の推定結果をユーザに提示する処理の一例を示すフローチャートである。 本発明の第１の実施例を示し、食嗜好モデルを生成する処理の一例を示すフローチャートである。 本発明の第１の実施例を示し、食事情報の推定結果を表示する画面イメージである。 本発明の第１の実施例を示し、購買履歴分類システムの機能要素の一例を示すブロック図である。 本発明の第２の実施例を示し、購買履歴分類システムの一例を示すブロック図である。 本発明の第２の実施例を示し、食嗜好度管理部が管理する食嗜好度テーブルの一例を示す図である。 本発明の第２の実施例を示し、同時喫食者情報管理部が管理する同時喫食者設定情報テーブルの一例を示す図である。 本発明の第２の実施例を示し、食事情報管理部が管理する食事情報テーブルの一例を示す図である。 本発明の第２の実施例を示し、食嗜好度情報を算出する処理の流れの一例を示すフローチャートである。 本発明の第２の実施例を示し、食嗜好度に基づいて食事情報を配分する処理の一例を示すフローチャートである。 本発明の第２の実施例を示し、食事情報の配分結果を表示する画面イメージである。
　以下、本発明の一実施形態について添付図面を用いて説明する。
　本発明の実施例１について図を用いて詳細に説明する。実施例１では、ユーザ（または対象者）が摂った食事の情報を店舗等から収集し、収集した食事情報の中から実際にユーザが喫食した食事の情報を、過去の履歴から算出した食嗜好モデルを適用して抽出し、データベースに記録する購買履歴分類システムについて説明する。
　図１は、本発明の実施例１の購買履歴分類システム１００の一例を示すブロック図である。購買履歴分類システム１００は、購買履歴分類装置１０１とデータベース１０２を主体にして構成される。
　購買履歴分類システム１００は、ネットワーク１０３を介して店舗情報端末１０４と、ユーザ端末１１０と接続されている。購買履歴分類装置１０１は、演算処理を行う演算装置１０８と、プログラムやデータを格納するメモリ１０９と、プログラムやデータを保持する記憶媒体１０５と、キーボードやマウスあるいはタッチパネルなどを含む入力部１０６と、ディスプレイを含む出力部１０７を備えた計算機である。
　記憶媒体１０５は、購買履歴分類システム１００を実現する各種プログラム及びデータ等を格納する記憶装置であり、例えば、不揮発性記憶媒体（磁気ディスクドライブ、不揮発性メモリ等）である。メモリ１０９には、記憶媒体１０５に格納されているプログラムやデータがロードされる。
　演算装置１０８は、メモリ１０９にロードされたプログラムを実行する装置（プロセッサ）であり、例えば、ＣＰＵ、ＧＰＵなどである。以下に説明する処理及び演算は、演算装置１０８が実行する。
　購買履歴分類システム１００を構成する機能部としては、店舗情報端末１０４からネットワーク１０３を介して食事情報の入力を受け付けて、データベース１０２に食事情報を格納する際に食事情報識別子（食事ＩＤ３０１）を付与する食事情報識別子設定部１１２と、店舗情報端末１０４が提供する食事の食事特徴量の設定を受け付ける食事特徴量設定部１１１と、食事情報に対応する食事メニューの詳細な特徴量を管理する食事特徴量管理部１２３と、利用人数等の食事の状況を設定する利用状況設定部１１７と、ユーザの過去の食事特徴量から食事傾向を分析する食事傾向分析部１１３と、過去の食事傾向から食嗜好をモデル化する食嗜好モデル構築部１１４と、複数人分の情報を含む食事情報に対して食嗜好モデルを適用してユーザが実際に喫食した食事情報を推定する食事情報推定部１１５と、食事情報推定部１１５の推定結果から食事情報を再構成してデータベースに格納する食事情報更新部１１９と、食事情報の推定結果に対するユーザの修正要求を受け付ける食事情報修正入力部１１６と、食事情報の推定結果に対する確度３０７を算出する確度設定部１１８を有している。
　食事特徴量設定部１１１～食事情報更新部１１９の各機能部はプログラムとしてメモリ１０９にロードされる。
　演算装置１０８は、各機能部のプログラムに従って処理することによって、所定の機能を提供する機能部として稼働する。例えば、演算装置１０８は、食事情報特徴量設定プログラムに従って処理することで食事情報識別子設定部１１２として機能する。他のプログラムについても同様である。さらに、演算装置１０８は、各プログラムが実行する複数の処理のそれぞれの機能を提供する機能部としても稼働する。計算機及び計算機システムは、これらの機能部を含む装置及びシステムである。
　購買履歴分類装置１０１の各機能を実現するプログラム、テーブル等の情報は、ストレージシステムや不揮発性半導体メモリ、ハードディスクドライブ、ＳＳＤ（Ｓｏｌｉｄ　Ｓｔａｔｅ　Ｄｒｉｖｅ）等の記憶デバイス、または、ＩＣカード、ＳＤカード、ＤＶＤ等の計算機読み取り可能な非一時的データ記憶媒体に格納することができる。
　データベース１０２には、ユーザ毎の属性情報を管理するユーザ情報管理部１２１と、ユーザ別の食事情報を記憶する食事情報管理部１２２と、食事情報管理部１２２に格納された食事情報の特徴を表す情報を管理する食事特徴量管理部１２３と、ユーザ別の食嗜好モデルを管理する食嗜好モデル管理部１２４が含まれる。
　なお、データベース１０２は、ネットワークを介して購買履歴分類装置１０１に接続された計算機で提供されてもよい。あるいは、購買履歴分類装置１０１に接続されたストレージ装置にデータベース１０２を格納してもよい。
　店舗情報端末１０４及びユーザ端末１１０は、図示しない演算装置、メモリ、入力装置及び出力装置を含む計算機である。また、店舗情報端末１０４は、店舗で提供する食事の食事特徴量を管理する店舗食事特徴量管理部１０４０を有している。
　図２は、ユーザ情報管理部１２１が管理するユーザ情報２００の一例を示す図である。ユーザ情報２００は、ユーザを特定するユーザＩＤ２０１と、生年月日２０２と、身長２０３と、体重２０４と、性別２０５と、職種２０６と、収入情報２０７と、認証ＩＤ情報２０８とをひとつのレコードに含む。このユーザ情報１２１０の性別２０５や職種２０６等の属性を利用することにより、ユーザ（個人）をグループ別にカテゴリ化して食嗜好モデルを構築することが可能になる、という効果がある。
　図３は食事情報管理部１２２が管理する食事情報テーブル３００の一例を示す図である。食事情報テーブル３００は、ユーザＩＤ２０１と、食事情報を特定する食事ＩＤ３０１と、食事情報の生成時刻を表す食事時刻３０２と、利用した店舗を特定するための利用店舗３０３と、朝食や昼食、夕食などの食事の時期を示す食事目的３０４と、同時に精算された食事のメニューを特定するための識別子を格納する喫食メニュー３０５と、同時に精算した者の情報を示す同時喫食者情報３０６と、食事情報の確からしさを表す確度３０７と、処理済フラグ３０８とをひとつのレコードに含む。
　確度３０７は、食事情報が正確である場合には“１”が設定され、食事情報の正確さが不明な場合には“０”が設定される。なお、確度３０７の初期値は“０”が設定される。
　また、処理済フラグ３０８は、後述する推定処理で当該レコードを処理した場合には“Ｔｒｕｅ”が設定され、未処理の場合には“Ｆａｌｓｅ”が設定される。
　後述するように、食事情報テーブル３００により、食嗜好モデルを用いてユーザの実際の食事情報を抽出できる、という効果がある。
　図４は、食事特徴量管理部１２３が管理する食事特徴量テーブル４００の一例を示す図である。
　食事特徴量テーブル４００は、食事を提供する店舗の識別子を格納する提供店舗４０１と、食事メニューの提供条件を特定する店舗業態４０２と、提供日４０３と、食事のメニューＩＤ４０４と、メニュー名４０５と、価格４０６と、栄養価４０７と、食材４０８と、食材分量４０９と、調理法４１０と、料理カテゴリ４１１と、メニューカテゴリ４１２とをひとつのレコードに含む。
　なお、食材４０８と、食材分量４０９と、調理法４１０については、複数の食材の情報について格納することができる。
　食事特徴量テーブル４００の情報を用いて所定の処理をすることにより、ユーザの嗜好を特定することが可能になる効果がある。
　次に、フローチャートを用いて、購買履歴分類装置１０１で行われる処理を詳細に説明する。
　図５は、食事情報の分類を行う一連の流れを示すフローチャートである。この処理は、購買履歴分類装置１０１が、新たな食事情報を受信する度に実行される。
　まず、ユーザが店舗にて食事の精算を行うと、店舗情報端末１０４から食事の情報が購買履歴分類装置１０１へ送信される（５０１）。購買履歴分類装置１０１は、食事情報を受信し、送信された食事情報に含まれるユーザの認証ＩＤ情報２０８を抽出し、ユーザ情報２００を参照してユーザＩＤ２０１を特定する。
　ユーザの認証ＩＤ情報２０８は、例えば電子マネーのＩＤやクレジットカード、生体認証情報、その他所定の識別情報を使用することができる。ユーザ認証処理は、食事情報の受信時にその都度実行される。
　ユーザは、事前に上記認証情報を購買履歴分類装置１０１に登録し、ユーザアカウントを作成して、ユーザＩＤ２０１を取得しておく。
　購買履歴分類装置１０１は、対象ユーザが特定された食事情報に食事情報識別子（食事ＩＤ３０１）を付与し、食事情報テーブル３００に対象ユーザの食事として格納される。このとき、購買履歴分類装置１０１は、食事情報テーブル３００の確度３０７と処理済みフラグには、初期値を設定する。例えば、確度３０７は“０”で処理済みフラグは“ｆａｌｓｅ”となる。なお、食事ＩＤ３０１は、食事情報識別子設定部１１２によってユニークな値が付与される。
　次に、購買履歴分類装置１０１は、ステップ５０２にて食事情報管理部１２２の食事情報テーブル３００から、処理済フラグ３０８を参照し、未処理（Ｆａｌｓｅ）の食事情報を取得する。なお、当該データの抽出時には、購買履歴分類装置１０１が、ユーザＩＤ２０１を指定してもよい。本処理は、食事情報が受信された時点でその都度実行される。
　次に、購買履歴分類装置１０１は、ステップ５０３において、取得した食事情報に対応する食事特徴量を食事特徴量管理部１２３の食事特徴量テーブル４００から取得し、各食費メニュー別の食事特徴量を取得する。購買履歴分類装置１０１は、受け付けた食事情報から食事メニューを取得し、食事メニューのメニューＩＤ４０４に基づいて食事特徴量テーブル４００から食事特徴量を取得する。
　食事特徴量テーブル４００の情報は、店舗情報端末１０４からの登録を受け付けて予め購買履歴分類装置１０１の食事特徴量テーブル４００に登録されている。店舗情報端末１０４から食事特徴量テーブル４００への登録は、例えば購買履歴分類装置１０１が提供する食事特徴量テーブル４００の登録用画面等を介して店舗情報端末１０４から入力される場合と、店舗情報端末１０４が食事特徴量を保持したデータベース（店舗食事特徴量管理部１０４０）を有し、当該データベースから購買履歴分類装置１０１へ送信されて食事特徴量管理部１２３に記録される場合がある。なお、食事特徴量の受け付け及び登録は、上記食事特徴量設定部１１１が実行する。
　次に、購買履歴分類装置１０１は、ステップ５０４にて、対象としている食事情報が、対象ユーザ単独のものでなく複数人で喫食した情報も含んでいるか否かを判定する。この処理は、図１に示した利用状況設定部１１７が行う。
　購買履歴分類装置１０１は、処理対象の食事情報の同時喫食者情報３０６を参照し、店舗情報端末１０４が送信した同時喫食者情報３０６の値を取得する。購買履歴分類装置１０１は、同時喫食者情報３０６の値が２以上の場合に同時喫食者有りと判定し、ステップ５０５の処理へ進む。一方、同時喫食者がいない場合にはステップ５０７へ進む。この処理は、一人のユーザが精算した喫食に、複数の喫食者が含まれているか否かを判定する。
　次に、購買履歴分類装置１０１は、ステップ５０５にて、同時喫食者情報有りの場合、対象ユーザの食嗜好モデルを食嗜好モデル管理部１２４から取得する。購買履歴分類装置１０１は、取得した食嗜好モデルのパラメータに各食事メニューの食事特徴量を入力して、食事情報テーブル３００の各喫食メニュー３０５の選択確率を算出し、選択確率が別途定める閾値以上である食事メニューを抽出する。購買履歴分類装置１０１は、抽出したメニューに関して、過去の食事の履歴において組み合わされにくいパターンを排除したうえで推定喫食メニュー（推定食事情報）を生成する。この処理は、図１に示した食事情報推定部１１５で行われる。
　次に、購買履歴分類装置１０１は、ステップ５０６にて、ステップ５０５で生成した推定喫食メニューの情報から、食事情報テーブル３００に含まれる複数のメニューと喫食者の関係を後述するように分類する。換言すれば、購買履歴分類装置１０１は、ユーザの推定喫食メニューに基づいて、実際に飲食したメニューを喫食者に分類する。この処理は、現在着目しているユーザについてのみ行ってもよい。
　次に、購買履歴分類装置１０１は、３０７ステップにて、食事情報テーブル３００に確度３０７の値を設定する。購買履歴分類装置１０１は、例えば、ユーザが推定情報を未確認の場合は確度３０７を“０”として設定する。ユーザが推定情報を確認済みの場合は確度３０７を“１”として設定する。この処理は、図１に示した確度設定部１１８で行われる。
　購買履歴分類装置１０１は、確度３０７の設定が終了した後、処理済フラグ３０８を“Ｔｒｕｅ”設定し、食事情報を食事情報管理部１２２に格納する。この処理は、図１に示した食事情報更新部１１９で行われる。
　以上の処理により、購買履歴分類装置１０１は、店舗情報端末１０４から受信した食事情報に複数の喫食者が含まれる場合、食嗜好モデルから喫食者のメニューを推定する。換言すれば、購買履歴分類装置１０１は、一人のユーザの精算に複数の喫食者が含まれる場合、食嗜好モデルから喫食者のメニューを推定する。そして、購買履歴分類装置１０１は、推定結果に基づいてメニューを喫食者に分類する。
　図６は、購買履歴分類装置１０１が食事の推定情報をユーザ端末１１０に提示し、ユーザ端末１１０から推定情報の内容の確認または修正を受け付ける確度設定処理の一例を示すフローチャートである。この処理は、ユーザ端末１１０等からの要求を受け付けたとき等に実行することが、図１の確度設定部１１８に対応する。また、当該処理を図５のステップ５０７で実行しても良い。
　まず、購買履歴分類装置１０１は、ステップ６０２にて、要求を受け付けたユーザ端末１１０に、喫食メニューの推定結果を送信する。
　ユーザは、ネットワーク１０３を介して接続されたユーザ端末１１０の出力装置（図示省略）で喫食メニューの推定結果を確認することができる。
　ユーザ端末１１０を操作するユーザが推定結果に対して、修正せずに確定する場合と、修正してから確定する場合と、推定結果に対して修正も承認もしない場合が想定される。まず、購買履歴分類装置１０１は、推定結果を確定する要求をユーザ端末１１０から受け付けたか否かを判定する（６０３）。確定する要求を受け付けた場合にはステップ６０６へ進み、そうでない場合にはステップ６０４へ進む。
　次に、購買履歴分類装置１０１は、ステップ６０４にて、ユーザ端末１１０から推定結果の修正要求を受け付けたか否かを判定する。購買履歴分類装置１０１が修正要求を受け付けた場合にはステップ６０５へ進み、そうでない場合にはステップ６０６へ進む。
　次に、購買履歴分類装置１０１は、ステップ６０５にてユーザ端末１１０から推定結果の修正を受付ける。
　次に、購買履歴分類装置１０１は、ステップ６０６にて、ユーザによる確定もしくは修正をユーザ端末１１０から受け付けた場合、食事情報テーブル３００の確度３０７を高く設定する。購買履歴分類装置１０１は、確度３０７の値を増大させ、例えば、初期値が“０”の場合は、値を“１”に更新する。
　次に、購買履歴分類装置１０１は、食事情報更新ステップ６０７にて、食事情報管理部１２２に格納された食事情報テーブル３００のうち該当する食事情報の内容に、ユーザ端末１１０から受付けた修正内容または確定内容を反映し、食事情報と確度３０７の情報を更新する。
　以上の処理によって、購買履歴分類装置１０１が推定した喫食メニューは、ユーザ端末１１０で確定または修正され、食事情報テーブル３００が更新される。
　図７は、購買履歴分類装置１０１が、食嗜好モデルを構築する処理の一例を示すフローチャートである。この処理は、購買履歴分類装置１０１の管理者などの指令や所定の周期（例えば、１週間毎）などで実行される（７０１）。なお、以下の処理は１人のユーザについて食嗜好モデルを生成する例を示す。また、本処理は図１に示した食嗜好モデル構築部１１４に対応する。
　まず、購買履歴分類装置１０１は、ステップ７０２にて、食事情報テーブル３００に蓄積された過去の食事情報の中から、食嗜好モデルの生成に利用する食事情報を選択する。この選択は、食事情報テーブル３００のユーザＩＤ２０１、食事目的３０４、確度３０７、食事時刻３０２を用いて実施する。
　例えば、昼食に関するモデルの構築を目的とする場合、購買履歴分類装置１０１は、ユーザＩＤ２０１を指定し、食事目的３０４が“昼食”で、かつ、確度３０７が一定の値以上（例えば“１”）の食事情報のみを選択する。なお、確度３０７の値が大きい食事情報を選択することにより精度の高い食嗜好モデルを生成することができる。
　次に、ステップ７０３で購買履歴分類装置１０１は、上記ステップ７０２で選択した食事情報の食事特徴量を、食事特徴量管理部１２３の食事特徴量テーブル４００から選択し、食嗜好モデルの生成に必要な食事特徴量を抽出する。
　例えば、購買履歴分類装置１０１は、食事情報の食事時刻３０２や食事目的３０４毎に、喫食メニュー３０５に対応するメニュー名４０５、価格４０６、メニューカテゴリ４１２、メニュー数や栄養摂取量（栄養価４０７）を取得する。なお、単一のメニューだけでなく、複数のメニューを選択するパターン等も特徴量として取得することができる。
　そして、購買履歴分類装置１０１は、上記取得した値（特徴量）に関して分散や偏差等の統計値を算出し、当該ユーザＩＤ２０１の食事（メニュー）の選択傾向を分析する。この処理は、図１に示した食事傾向分析部１１３で行われる。なお、分散や偏差等の統計値の算出は公知または周知の手法を用いればよいので、ここでは詳述しない。
　また、購買履歴分類装置１０１が算出する統計値は、対象となるユーザＩＤ２０１が過去に選択した食事メニュー（３０５、４０４、４０５）の選択頻度や、各食事メニューに含まれる食材４０８等、個人の嗜好を表す指標を食事の選択傾向とすることができる。
　次に、購買履歴分類装置１０１は、ステップ７０４にて、上記食事メニューの選択傾向に基づいて、食事特徴量テーブル４００に含まれる食事メニュー（４０４、４０５）の選択確率を算出するモデルを作成する。この処理は、図１に示した食嗜好モデル構築部１１４で行われ、現在対象となっているユーザＩＤ２０１の食嗜好モデルが算出される。
　メニューの選択確率を算出するモデルは、上記ステップ７０３にて抽出された特徴量を説明変数として、食事メニューの選択確率を予測する予測（食嗜好）モデルを生成することができる。そして、購買履歴分類装置１０１は、生成した食事メニューの選択確率を、食嗜好モデルとして食嗜好モデル管理部１２４に格納する。
　ユーザの食嗜好は、年月や環境または季節により変化するため、適宜食嗜好モデルを更新する必要があるが、上記の処理を新しい食事情報が蓄積された際に繰り返して行うようにすれば、精度の高い食嗜好モデルを構築することができる。
　また、食嗜好モデルを生成するのに使用する食事情報は、１年あるいは数ヶ月などの期間を設定するようにしてもよい。
　また、上記処理では１人のユーザについて、１つの食事目的３０４に関する食嗜好モデルを生成する例を示したが、１人のユーザについて複数の食事目的３０４ごとに食嗜好モデルを生成してもよい。例えば、１人のユーザについて、食事目的３０４が“朝食”、“昼食”、“夕食”の３つの食嗜好モデルを生成しておくことで、食事目的３０４に応じた食事メニューの選択確率を得ることができる。
　上記処理を、全てのユーザについて実施しておくことで、ユーザ毎の食嗜好モデルを生成し、食嗜好モデル管理部１２４で保持することができる。
　図８は、購買履歴分類装置１０１が、ユーザ端末１１０に送信する食事情報の推定結果の画面イメージである。食事情報の推定結果を表示する画面８０１は、図６のステップ６０２でユーザ端末１１０に送信され、購買履歴分類装置１０１はユーザ端末１１０から、ユーザの確認と修正を受け付ける。
　食事情報の推定結果を表示する画面８０１は、食事条件表示部８０２と、推定内訳表示部８０３と、推定結果表示部８０４と、確認ボタン８０５と、修正ボタン８０６とを含む。
　食事条件表示部８０２は、店舗名と日時及び目的が表示される。これらの情報は、食事情報テーブル３００の食事時刻３０２、利用店舗３０３及び食事目的３０４を含む。食事条件表示部８０２は、表示しているメニューを食べた日時と場所を示す。
　推定内訳表示部８０３は、食嗜好モデルにより算出した各メニューの選択確率を示している。推定結果表示部８０４は、推定した食事情報（メニュー）の結果を示している。
　ユーザはユーザ端末１１０の入力装置を操作して、確認ボタン８０５をクリックすることで推定結果を確定し、修正ボタン８０６をクリックすると推定結果を修正する機能を呼び出すことができる。
　図９は、購買履歴分類システム１００の機能要素の一例を示すブロック図である。購買履歴分類システム１００で行われる処理の概要を図９に示す。
　購買履歴分類装置１０１は、各ユーザが精算した食事情報の履歴を食事情報テーブル３００に蓄積しておく。購買履歴分類装置１０１は、所定の周期などで図７に示した食嗜好モデル構築部１１４を実行して、対象となるユーザの食嗜好モデル１２４０を生成する。
　食嗜好モデル１２４０の生成は、購買履歴分類装置１０１がユーザＩＤ２０１及び食事目的３０４ごとに、所定の期間内の食事情報を食事情報テーブル３００から取得する（７０２）。
　購買履歴分類装置１０１は、選択した食事情報について食事特徴量テーブル４００から食事特徴量を取得して、食事メニューの選択傾向を分析する（７０３）。購買履歴分類装置１０１は、食事メニューの選択傾向に基づいて、予め登録された食事メニューが選択される確率を算出し、食嗜好モデル１２４０を生成しておく（７０４）。
　購買履歴分類装置１０１は、新たな食事情報を受信すると（５０２）、食事情報に複数の喫食者が含まれる場合、該当ユーザの食嗜好モデル１２４０を読み込んで、食事メニューの選択確率を算出し、当該ユーザが選択した食事メニューを推定し、推定結果としてユーザ端末１１０へ出力する（６０２）。
　ユーザ端末１１０では、ユーザが食事メニューの推定結果を確認または修正した場合は、当該食事情報の確度３０７に“１”を設定し、そうでない場合には“０”を設定して食事情報を更新する。
　以上のように、購買履歴分類システム１００では、予め生成した食嗜好モデル１２４０を用いて、複数の喫食者が含まれる食事情報から、該当ユーザが選択した食事メニューを推定することが可能となる。
　また、食事情報の履歴のうち、ユーザが確認または修正した確度３０７の高い（閾値以上）食事情報を用いることにより、食事メニューの推定精度を向上させることができる。
　上記実施例１では、食事の選択確率を、食事特徴量を説明変数とする確率モデルを用いているが、選択確率を算出する方法として、食事の選択確率を算出できるモデルであればよい。例えば、ロジスティック回帰モデルやベイジアンネットワーク等を用いてもよい。
　また、図７に示したステップ７０２の食事情報選択処理にて、対象ユーザと食事目的３０４に応じた選択を行っているが、これに限らず、例えば対象ユーザと店舗で選定すると特定の店舗での食嗜好モデルを作成できる。その他、年代や性別２０５、職種２０６、収入情報２０７等任意のカテゴリを条件として選定すると個人単位でなくカテゴリ単位での食嗜好モデルを作成することができる効果がある。
　また、上記実施例１では、食事情報管理部１２２の食事情報テーブル３００から同時喫食者情報３０６の値を取得しているが、同時喫食者情報３０６の値が欠損している場合も考えられる。しかし同時喫食者情報が記録されていない場合であっても、図５のステップ５０４にて、食事情報管理部１２２及び食事特徴量管理部１２３に記録された過去の情報をもとに同時喫食者の有無を判定することができる。例えば、対象ユーザ一人あたりの平均的な価格、メニュー数等の判定基準情報を算出し、これをもとに対象とする食事情報が一人分以上の情報を含んでいるか否かを判定する。また、判定基準に栄養価４０７の情報を用いて、対象ユーザが摂取している栄養摂取量に一人当たりの閾値を設け、同時喫食者の有無を判定するようにしてもよい。
　本発明の実施例２について図を用いて詳細に説明する。本実施例２では、一つのメニュー（例えば、皿盛りメニューなど）を複数の喫食者で共有（または分配）する場合に該当メニューの食事情報を分割して各ユーザに配分する購買履歴分類システムについて説明する。
　図１０は、本発明の実施例２である購買履歴分類システム１００の一例を示すブロック図である。購買履歴分類システム１００は、購買履歴分類装置１０１とデータベース１０２主体にして構成される。購買履歴分類装置１０１は、ネットワーク１０３を介して店舗情報端末１０４と、ユーザ端末１１０と接続されている。購買履歴分類装置１０１は、コンピュータ装置で、各種情報の入力を受付ける入力部１０６と、ディスプレイを含む出力部１０７、演算装置１０８、メモリ１０９、記憶媒体１０５を備えている。
　また、購買履歴分類装置１０１は、前記実施例１の構成に加えて、食事情報の履歴から食事特徴量を抽出し、食事特徴量の中から食事の嗜好に関連の深い食材４０８や調理法４１０等の特徴量を用いてユーザの嗜好度を算出する食事嗜好度算出部９０１と、複数人で共有して注文した食事を、ユーザ毎の食事嗜好度に応じて各ユーザの摂取量を配分するための配分係数を算出する配分係数算出部９０２と、食事を共有したユーザの情報を、テンプレート等を用いて設定する同時喫食者設定部９０３も有している。
　また、データベース１０２は、前記実施例１の構成に加えて、ユーザ別の嗜好度の情報を管理する食嗜好度情報管理部９０４と、同時喫食者の情報を設定する際に用いる設定情報を管理する同時喫食者情報管理部９０５と、を有している。
　本実施例２では、嗜好度情報と同時喫食者情報の設定情報を用いることで、複数人で食事メニューを共有した場合においても、食事情報の配分を行うことができる、という優れた効果を奏するものである。
　図１１は、食嗜好度情報管理部９０４が管理する食嗜好度テーブル１０００の一例を示す図である。
　食嗜好度テーブル１０００は、ユーザを特定するユーザＩＤ２０１と、食事目的３０４別に嗜好を管理するための食事目的１００１と、同時喫食者別に嗜好を管理するための同時喫食者情報１００２と、食事メニューに含まれる食材（材料）に対する嗜好度を食材毎に格納する食材嗜好度１００３と、メニューの調理法に対する嗜好度を調理法毎に格納する調理法嗜好度１００４と、をひとつのレコードに含む。
　この情報により、ユーザの食事目的３０４毎に、ユーザの食嗜好を細かく管理することができるという効果がある。
　図１２は、同時喫食者情報管理部９０５が管理する同時喫食者設定情報テーブル１１００の一例を示す図である。
　同時喫食者設定情報テーブル１１００は、ユーザを特定するユーザＩＤ２０１と、同時に喫食するグループの単位として職場同僚（設定１）、家族（設定２）、友人（設定３）等に所属するユーザＩＤを格納する同時喫食者設定情報１１０１と、をひとつのレコードに含む。
　図示の例では、同時喫食者設定情報１１０１を３つのグループに分けて設定１～設定３とした例を示すが、これに限定されるものではない。
　同時喫食者設定情報テーブル１１００により、該当ユーザと一緒に食事をとる人物の設定を簡便に行うことができる効果がある。
　図１３は、食事情報管理部１２２が管理する食事情報テーブル３００の一例を示す図である。
　実施例２の食事情報テーブル３００は、前記実施例１の構成に加えて、ユーザが他人と共有して摂取したメニューの情報である共有メニュー情報３１１と、共有した相手を示す共有者情報３１２とを含む。
　共有メニュー情報３１１と共有者情報３１２は、店舗情報端末１０４から購買履歴分類装置１０１システムに送信される際もしくは、ユーザ端末１１０から入力画面（図示省略）を介して設定される。共有メニュー情報３１１と共有者情報３１２を加えることにより、共有された食事情報と共有者を特定することが可能になる、という効果がある。
　次に、フローチャートを用いて、購買履歴分類装置１０１で行われる処理を詳細に説明する。
　図１４は、購買履歴分類装置１０１が、食事の嗜好度情報を作成する処理の一例を示すフローチャートである。この処理は、購買履歴分類装置１０１の管理者などの指令や所定の周期（例えば、１週間毎）などで実行される（１３０１）。なお、以下の処理は１人のユーザについて食嗜好度テーブル１０００を生成する例を示す。また、本処理は図１０に示した食事嗜好度算出部９０１に対応する。
　購買履歴分類装置１０１が、ステップ１３０２にて、食事情報テーブル３００に蓄積された過去の食事情報の中から、食嗜好度情報の作成に利用する食事情報を、確度３０７によってフィルタリングし、例えば確度３０７の値が所定値以上の食事情報のみを選定する。
　次に、購買履歴分類装置１０１は、ステップ１３０３にて、選定した食事情報の食事特徴量を食事特徴量管理部１２３の食事特徴量テーブル４００から取得する。
　次に、購買履歴分類装置１０１は、ステップ１３０４にて、食事特徴量をもとに対象メニューの嗜好度を算出する。各ユーザに対して共通の指標として嗜好度を定量化することにより、メニューを共有したユーザ間で嗜好度に応じた食事情報の配分が可能になる。
　嗜好度の算出方法例として、食事回数に対するある食事特徴量の出現頻度を用いることができる。例えば、１ヶ月間の食事のうちその全てで肉類をとっている場合は、食材嗜好度１００３の中に“肉”の列を設定し嗜好度の値を１として設定する。また、調理法嗜好度１００４には“焼く”の列を設定し、嗜好度の値を設定する。嗜好度の算出処理は、ユーザの嗜好の変化を反映させるため、例えば一週間ごとに更新する。ただし更新の頻度は任意に変更することができる。
　次に、購買履歴分類装置１０１は、嗜好度情報格納ステップ１３０５にて食嗜好度情報管理部９０４に対象ユーザの食嗜好度の情報（１００３、１００４）を格納する。
　上記処理では１人のユーザについて、１つの食事目的１００１に関して食嗜好度を算出する例を示したが、１人のユーザについて複数の食事目的１００１ごとに食嗜好度を算出してもよい。例えば、１人のユーザについて、食事目的１００１が“朝食”、“昼食”、“夕食”の３つの食嗜好度を算出しておくことで、食事目的１００１に応じた食事メニューの配分係数を正確に得ることができる。
　上記処理を、全てのユーザについて実施しておくことで、ユーザ毎の食嗜好度を算出し、食嗜好度情報管理部９０４で保持することができる。
　図１５は、食嗜好度テーブル１０００に基づいて、食事情報のメニューを配分する処理の一例を示すフローチャートである。図１５のステップ５０１～５０８は前記実施例１の実施例と同様であり、購買履歴分類装置１０１は、食事情報テーブル３００から処理済みフラグ３０８が“Ｆａｌｓｅ”の未処理のデータを取得して、当該データに対応する食事特徴量を取得する。そして、購買履歴分類装置１０１は、同時に喫食した人がいる場合には、食嗜好モデルを用いて当該ユーザの食事メニューを推定する。
　次に、購買履歴分類装置１０１は、ステップ１４０１にて、ある食事メニューが他の喫食者と共有されたものであるか否かを判定する。食事メニューが共有されたものであるか否かは、図１３に示した共有者情報３１２に同時喫食者設定情報１１０１の内容が記録されている場合には、この内容をもとに判定できる。
　次に、購買履歴分類装置１０１は、ステップ１４０２にて、共有者情報３１２をもとに食嗜好度情報管理部９０４から食嗜好度テーブル１０００を取得し、食嗜好度をもとにユーザ間の配分比率を算出する。
　購買履歴分類装置１０１は、処理対象となっている食事メニューについて食材４０８や調理法４１０等の食事特徴量に関する食嗜好度を、共有者情報３１２に設定されているユーザ分だけ取得し、食嗜好度の値を比較して配分係数を算出する。
　配分係数算出には、基準となる所定の食事特徴量を選択することができる。例えば、食材に関する特徴量と、調理法に関する特徴量を用いることとし、処理対象となるメニューの食材４０８が食材Ａ、調理法４１０が調理法Ａであった場合、食材嗜好度１００３から食材Ａの嗜好度を取得し、調理法嗜好度１００４から調理法Ａの嗜好度を取得する。
　購買履歴分類装置１０１は、選択した食事特徴量の嗜好度を軸とするベクトル空間に嗜好度の値を基にして作られる嗜好度のベクトルをマッピングし、ベクトルのノルムを算出する。配分係数は、各ユーザの持つベクトルのノルムの合計値に対する、あるユーザの嗜好度のベクトルのノルムを算出することで得られる。配分係数は、０以上１以下の値として算出される。同時喫食者の過去の食事情報が記録されていない場合は、同時喫食者のプロフィール情報の入力を受け付けて、例えば年代、性別２０５等が一致する既存ユーザの嗜好度を代用して計算してもよい。
　購買履歴分類装置１０１は、ステップ１４０３にて、上記算出した配分係数とメニューの栄養価４０７の積により、各ユーザに対する配分割合を算出し、得られた値を配分する。購買履歴分類装置１０１は、次に、ステップ５０７にて前記実施例１と同様に確度３０７の設定を行って食事情報管理部１２２の食事情報テーブル３００に食事情報を格納する。
　図１６は、購買履歴分類装置１０１が、ユーザ端末１１０に送信する食事情報の配分結果の画面イメージである。
　購買履歴分類装置１０１が、ユーザ間で共有した食事情報の配分結果をユーザ端末１１０に提示し、ユーザの確認と修正を受け付ける画面イメージの一例を示している。
　食事情報の配分結果を表示する画面１５０１は、食事条件表示部１５０２と、配分内訳表示部１５０３と、配分結果表示部１５０４と、確認ボタン１５０５と、修正ボタン１５０６と、同時喫食者設定部１５０７と、詳細設定ボタン１５０８と、配分再計算ボタン１５０９と、を含む。
　食事条件表示部１５０２には、食事をとった場所と食事時刻と食事目的を示し、配分内訳表示部１５０３は、食嗜好度テーブル１０００により算出した各食事メニューの配分係数を示している。配分結果表示部１５０４は、配分した食事情報の結果を示している。
　ユーザ端末１１０では、確認ボタン１５０５をクリックすることで配分結果を確定し、修正ボタン１５０６を押下すると配分結果を修正する機能を呼び出すことができる。
　同時喫食者設定部１５０７では、予め設定された同時喫食者のグループのテンプレートを設定または変更することができる。同時喫食者の詳細な編集を行う場合は、詳細設定ボタン１５０８をクリックすると設定機能を呼び出すことができる。配分再計算ボタン１５０９を押下すると、設定変更した同時喫食者情報を用いて配分を再計算することができる。
　なお、画面１５０１は、図１５のステップ１４０３でユーザ端末１１０に送信するようにしてもよい。
　上記実施例２では、食嗜好度を食事特徴量別の頻度を用いた例を示しているが、食嗜好度を示す情報を得ることができれば他の統計的手法を用いて算出しても良い。
　以上のように、実施例２では、蓄積された食事情報テーブル３００から、ユーザ毎の食嗜好度を食材や調理方法などについてそれぞれ算出しておく。そして、複数の喫食者でひとつの食事メニューを共有する場合は、食材や調理方法の食嗜好度から配分係数を算出することで、複数のユーザのそれぞれが摂取した食事メニューを配分結果として算出することができる。これにより、１つの料理を複数の喫食者で分割した場合であっても、各ユーザが摂取した食事メニューの量を把握することが可能となる。
　なお、本発明において説明した計算機等の構成、処理部及び処理手段等は、それらの一部又は全部を、専用のハードウェアによって実現してもよい。
　また、本実施例で例示した種々のソフトウェアは、電磁的、電子的及び光学式等の種々の記録媒体（例えば、非一時的な記憶媒体）に格納可能であり、インターネット等の通信網を通じて、コンピュータにダウンロード可能である。
　また、本発明は上記した実施例に限定されるものではなく、様々な変形例が含まれる。例えば、上記した実施例は本発明をわかりやすく説明するために詳細に説明したものであり、必ずしも説明した全ての構成を備えるものに限定されるものではない。

Claims (12)

  1. 　プロセッサとメモリを備えた計算機と、ネットワークを介して前記計算機に接続された端末と、を備えた購買履歴分類システムであって、
    　前記計算機は、
    　個人を特定する識別子と、前記個人が飲食した食事の識別子とを含む食事情報を前記端末から受信して蓄積する食事情報格納部と、
    　前記端末から受信した前記食事の特徴量を格納する食事特徴量格納部と、
    　前記個人の識別子毎に、前記食事情報格納部から前記食事情報を選択し、前記食事情報に対応する前記特徴量を前記食事特徴量格納部から取得して、前記個人の食事選択の傾向を分析する食事傾向分析部と、
    　前記個人毎の前記食事選択の傾向の分析結果に基づいて、前記食事の選択確率を食嗜好モデルとして算出する食嗜好モデル構築部と、
    　前記食事情報の入力を受け付ける入力部と、
    　前記食事情報の前記飲食した人数が複数か否かを判定する判定部と、
    　前記食事情報の前記飲食した人数が複数の場合には、前記個人の識別子に対応する食嗜好モデルに基づいて、当該個人が選択した食事を前記食事情報から推定し、推定食事情報として出力する食事情報推定部と、
    を有することを特徴とする購買履歴分類システム。
  2. 　請求項１に記載の購買履歴分類システムであって、
    　前記食事情報は、
    　同時に飲食した人数を含み、
    　前記判定部は、
    　前記同時に飲食した人がいる場合には、前記食事情報に基づいて、前記飲食した人数が複数と判定することを特徴とする購買履歴分類システム。
  3. 　請求項１に記載の購買履歴分類システムであって、
    　前記判定部は、
    　前記食事情報に対応する食事特徴量と予め設定した判定基準に基づいて、前記飲食した人数が複数であるか否かを判定することを特徴とする購買履歴分類システム。
  4. 　請求項１に記載の購買履歴分類システムであって、
    　前記食事情報推定部で推定された推定食事情報について修正を受け付ける食事情報修正入力部と、
    　前記推定食事情報に対する確認を受け付けて、当該食事情報の確度を設定する確度設定部と、
    をさらに有することを特徴とする購買履歴分類システム。
  5. 　請求項１に記載の購買履歴分類システムであって、
    　前記食事情報は、
    　前記複数の人で共有した食事を特定する共有メニュー情報と、前記共有メニュー情報を共有した個人を特定する識別子とを含み、
    　前記食事情報に基づいて前記個人毎に算出された嗜好度を格納する食嗜好度情報格納部と、
    　前記嗜好度に基づいて、前記共有メニュー情報の食事情報を複数に配分するための配分係数を算出する配分係数算出部と、
    をさらに有することを特徴とする購買履歴分類システム。
  6. 　請求項５に記載の購買履歴分類システムであって、
    　前記食事情報格納部に蓄積された個人毎の食事情報と、当該食事情報に対応する前記食事特徴量を取得し、当該食事特徴量の出現頻度に基づいて前記嗜好度を予め算出して前記食嗜好度情報格納部に格納する食嗜好度算出部をさらに有することを特徴とする購買履歴分類システム。
  7. 　プロセッサとメモリを備えた計算機と、ネットワークを介して前記計算機に接続された端末と、を備えて購買履歴を分類する購買履歴分類方法であって、
    　前記計算機が、個人を特定する識別子と、前記個人が飲食した食事の識別子とを含む食事情報を前記端末から受信して食事情報格納部に蓄積する第１のステップと、
    　前記計算機が、前記端末から受信した前記食事の特徴量を食事特徴量格納部に格納する第２のステップと、
    　前記計算機が、前記個人の識別子毎に、前記食事情報格納部から前記食事情報を選択し、前記食事情報に対応する前記特徴量を前記食事特徴量格納部から取得して、前記個人の食事選択の傾向を分析する第３のステップと、
    　前記計算機が、前記個人毎の前記食事選択の傾向の分析結果に基づいて、前記食事の選択確率を食嗜好モデルとして算出する第４のステップと、
    　前記計算機が、前記食事情報の入力を受け付けて、前記食事情報の前記飲食した人数が複数か否かを判定する第５のステップと、
    　　前記計算機が、前記食事情報の前記飲食した人数が複数の場合には、前記個人の識別子に対応する食嗜好モデルに基づいて、当該個人が選択した食事を前記食事情報から推定し、推定食事情報として出力する第６のステップと、
    を含むことを特徴とする購買履歴分類方法。
  8. 　請求項７に記載の購買履歴分類方法であって、
    　前記食事情報は、
    　同時に飲食した人数を含み、
    　前記第５のステップは、
    　前記同時に飲食した人がいる場合には、前記食事情報に基づいて、前記飲食した人数が複数と判定することを特徴とする購買履歴分類方法。
  9. 　請求項７に記載の購買履歴分類方法であって、
    　前記第５のステップは、
    　前記食事情報に対応する食事特徴量と予め設定した判定基準に基づいて、前記飲食した人数が複数であるか否かを判定することを特徴とする購買履歴分類方法。
  10. 　請求項７に記載の購買履歴分類方法であって、
    　前記計算機が、前記推定された推定食事情報について修正を受け付ける第７のステップと、
    　前記計算機が、前記推定食事情報に対する確認を受け付けて、当該食事情報の確度を設定する第８のステップと、
    をさらに含むことを特徴とする購買履歴分類方法。
  11. 　請求項７に記載の購買履歴分類方法であって、
    　前記食事情報は、
    　前記複数の人で共有した食事を特定する共有メニュー情報と、前記共有メニュー情報を共有した個人を特定する識別子とを含み、
    　前記計算機が、前記食事情報に基づいて前記個人毎に算出された嗜好度を食嗜好度情報格納部に格納する第９のステップと、
    　前記計算機が、前記嗜好度に基づいて、前記共有メニュー情報の食事情報を複数に配分するための配分係数を算出する第１０のステップと、
    をさらに含むことを特徴とする購買履歴分類方法。
  12. 　請求項１１に記載の購買履歴分類方法であって、
    　前記計算機が、前記食事情報格納部に蓄積された個人毎の食事情報と、当該食事情報に対応する前記食事特徴量を取得し、当該食事特徴量の出現頻度に基づいて前記嗜好度を予め算出して前記食嗜好度情報格納部に格納する第１１のステップをさらに含むことを特徴とする購買履歴分類方法。
PCT/JP2014/060492 2014-04-11 2014-04-11 購買履歴分類システム及び購買履歴分類方法 WO2015155885A1 (ja)

Priority Applications (2)

Application Number Priority Date Filing Date Title
JP2016512554A JP6211683B2 (ja) 2014-04-11 2014-04-11 購買履歴分類システム及び購買履歴分類方法
PCT/JP2014/060492 WO2015155885A1 (ja) 2014-04-11 2014-04-11 購買履歴分類システム及び購買履歴分類方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
PCT/JP2014/060492 WO2015155885A1 (ja) 2014-04-11 2014-04-11 購買履歴分類システム及び購買履歴分類方法

Publications (1)

Publication Number Publication Date
WO2015155885A1 true WO2015155885A1 (ja) 2015-10-15

Family

ID=54287486

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/JP2014/060492 WO2015155885A1 (ja) 2014-04-11 2014-04-11 購買履歴分類システム及び購買履歴分類方法

Country Status (2)

Country Link
JP (1) JP6211683B2 (ja)
WO (1) WO2015155885A1 (ja)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2017061055A1 (ja) * 2015-10-09 2017-04-13 楽天株式会社 情報処理システム、情報処理装置、情報処理方法、プログラム
JP6467601B1 (ja) * 2017-09-07 2019-02-13 メドケア株式会社 食事履歴システム
US10380676B2 (en) 2015-10-09 2019-08-13 Rakuten, Inc. Information processing system, information processing device, information processing method and program
US11481457B2 (en) * 2017-11-28 2022-10-25 Uber Technologies, Inc. Menu personalization

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2007102825A (ja) * 2007-01-24 2007-04-19 Matsushita Electric Works Ltd 食事管理支援システム

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2007102825A (ja) * 2007-01-24 2007-04-19 Matsushita Electric Works Ltd 食事管理支援システム

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
EIGO TAKAMI ET AL.: "Ubiquitous na Eiyo Joho Shutoku Shudan o Mochiita Eiyo Balance no Bunseki System", SYMPOSIUM ON MULTIMEDIA, DISTRIBUTED, COOPERATIVE AND MOBILE SYSTEMS (DICOMO) RONBUNSHU, vol. 2005, no. 6, 6 July 2005 (2005-07-06), pages 785 - 788 *
MIKI TAKAMI ET AL.: "Consideration on Meal Records for Families Using Smartphones", IEICE TECHNICAL REPORT, vol. 111, no. 470, 1 March 2012 (2012-03-01), pages 109 - 114 *
SUSUMU MURAKAMI: "Healthcare Support by Automated Meal Record Using Contactless IC Card", THE JOURNAL OF THE INSTITUTE OF IMAGE INFORMATION AND TELEVISION ENGINEERS, vol. 61, no. 8, 1 August 2007 (2007-08-01), pages 1100 - 1103, XP055229529 *

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2017061055A1 (ja) * 2015-10-09 2017-04-13 楽天株式会社 情報処理システム、情報処理装置、情報処理方法、プログラム
US10380676B2 (en) 2015-10-09 2019-08-13 Rakuten, Inc. Information processing system, information processing device, information processing method and program
US10664902B2 (en) 2015-10-09 2020-05-26 Rakuten, Inc. Setting and displaying allocation quantities for allocating amounts of a food product to multiple users while meeting user restriction and demand conditions
JP6467601B1 (ja) * 2017-09-07 2019-02-13 メドケア株式会社 食事履歴システム
JP2019046417A (ja) * 2017-09-07 2019-03-22 メドケア株式会社 食事履歴システム
US11481457B2 (en) * 2017-11-28 2022-10-25 Uber Technologies, Inc. Menu personalization

Also Published As

Publication number Publication date
JPWO2015155885A1 (ja) 2017-04-13
JP6211683B2 (ja) 2017-10-11

Similar Documents

Publication Publication Date Title
US20190304000A1 (en) Online food and beverage search method based on food to biomarker optimization algorithms in a node ranked database
Majid et al. Service quality, food quality, image and customer loyalty: An empirical study at a hotel restaurant
Alene et al. Identifying crop research priorities based on potential economic and poverty reduction impacts: The case of cassava in Africa, Asia, and Latin America
KR101552339B1 (ko) 피드백이 가능한 맞춤형 식단 및 식재료 구매 서비스 장치 및 방법
US11823042B2 (en) System for measuring food weight
CN113544731A (zh) 食品提供系统、食品提供方法以及程序
JP6903523B2 (ja) 情報処理装置、情報処理方法、及びプログラム
JP7284408B2 (ja) 情報処理装置、情報処理方法及びプログラム
JP6211683B2 (ja) 購買履歴分類システム及び購買履歴分類方法
CN107092647B (zh) 一种提供资源组合的方法及装置
US20160027330A1 (en) Food management services
JP2016091061A (ja) サーバ装置、買物支援システムおよびプログラム
US20190325504A1 (en) Brokerage system and method for ordering product
JP2015201090A (ja) 商品推薦装置、商品推薦方法及びプログラム
US20160117703A1 (en) Large-Scale Customer-Product Relationship Mapping and Contact Scheduling
CN110852299A (zh) 顾客饮食习惯确定方法及装置
US8738445B2 (en) Computerized systems and methods for anonymous collaborative auctions
JP6064046B2 (ja) 食事事業者支援システム
KR20170034836A (ko) 재무 정보 및 비재무 정보에 기초한 신용 평가 방법과 시스템 및 기록매체
Malathi et al. Rating-based restaurant and food recommendation system using nearest neighbor algorithm
Moyeenudin et al. Hyper-personalization of mobile applications for cloud kitchen operations
US20200394727A1 (en) Food ordering system based on predefined variables
US20190005555A1 (en) Systems and methods for providing recommendations to consumers based on goods in the possession of the consumers
Lemken et al. The price penalty on meat substitutes—Consumers prefer reduced meat portions over novel meat alternatives and authentic vegetarian dishes—Final stage of a registered report
JP6998331B2 (ja) 推定装置、推定方法及び推定プログラム

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: 14888890

Country of ref document: EP

Kind code of ref document: A1

ENP Entry into the national phase

Ref document number: 2016512554

Country of ref document: JP

Kind code of ref document: A

NENP Non-entry into the national phase

Ref country code: DE

122 Ep: pct application non-entry in european phase

Ref document number: 14888890

Country of ref document: EP

Kind code of ref document: A1