WO2018179602A1 - 人間関係推定装置 - Google Patents

Abstract

ユーザ同士の人間関係を精度良く推定できる人間関係推定装置を提供する。　人間関係推定装置は、２人のユーザが互いに近接することを検出する検出部２１と、検出部によって近接が検出された位置に対してユーザ毎に対応付けられた、互いに異なる属性を示す情報を取得する場所プロファイル推定部２３と、場所プロファイル推定部２３によって取得された情報によって示される、ユーザ毎に対応付けられた、互いに異なる属性の組合せに基づいて、ユーザ同士の人間関係を推定する関係推定部２４と、を備える。

Description

人間関係推定装置

　本発明は、人間関係推定装置に関する。

　特許文献１には、モバイル端末のユーザ同士がどのような人間関係にあるのかを推定する技術が開示されている。この技術では、事前の登録内容に基づいて、ユーザの目的に応じたエリアの定義がなされている。そして、ユーザ同士がどのエリアに同時に存在したかに基づいて、ユーザ同士の人間関係が判断されている。例えば、ユーザ同士が自宅エリアに同時に存在している場合、ユーザ同士の関係は家族であると推定される。

特開２０１０－１６５０９７号公報

　従来の技術においては、あるエリアにユーザ同士が同時に存在していたとしても、例えば、そのエリアに対するユーザ同士の定義が異なる場合には、当該ユーザ同士の人間関係を推定することが困難である。

　本発明の一側面は、ユーザ同士の人間関係を精度良く推定できる人間関係推定装置を提供することを目的とする。

　本発明の一側面に係る人間関係推定装置は、２人のユーザが互いに近接することを検出する検出部と、検出部によって近接が検出された位置に対してユーザ毎に対応付けられた、互いに異なる属性を示す情報を取得する位置属性情報取得部と、位置属性情報取得部によって取得された情報によって示される、ユーザ毎に対応付けられた、互いに異なる属性の組合せに基づいて、ユーザ同士の人間関係を推定する関係推定部と、を備える。

　この人間関係推定装置では、互いに異なる属性の組合せに基づいて人間関係が推定されるので、検出部によって検出された位置の属性が互いに異なるユーザ同士であっても、人間関係の推定を行うことができる。また、属性の組合せに基づくことによって、属性の種類よりも多くの場合分けを行うことがき、より細やかな推定を行うことができる。したがって、ユーザ同士の人間関係を精度良く推定することができる。

　本発明の一形態によれば、ユーザ同士の人間関係を精度良く推定できる人間関係推定装置を提供することができる。

一実施形態に係る人間関係推定装置を用いた人間関係推定システムの概念図である。 人間関係推定システムの機能ブロック図である。 人間関係推定の処理結果の一例を示す図である。 プロファイル情報を概念的に示す図である。 人間関係推定システムで実行される処理（定期推定）を示すシーケンスである。 人間関係推定システムで実行される処理（人間関係推定）を示すシーケンスである。 携帯端末及びサーバ置のハードウェア構成を示す図である。

　以下、本発明に係る実施の形態について図面を参照しながら具体的に説明する。便宜上、実質的に同一の要素には同一の符号を付し、その説明を省略する場合がある。

　図１は、一実施形態に係る人間関係推定装置を用いた人間関係推定システムの概念図である。本実施形態において、人間関係推定システム３は、複数の携帯端末１と、人間関係推定サーバ（人間関係推定装置）２とを含んでいる。なお、本実施形態では、人間関係推定システム３に複数の携帯端末１含まれるが、図１では、近接する２つの携帯端末のみを示している。以下の説明では携帯端末１ａ、携帯端末１ｂをそれぞれ他端末、自端末と称する場合がある。

　携帯端末１は、ユーザによって携帯されて用いられる装置である。携帯端末１は、具体的には、スマートフォン、携帯電話、タブレット端末、ＰＤＡ（Personal　Digital　Assistant）、パーソナルコンピュータなどの情報処理端末である。携帯端末１は、移動体通信網などのネットワークに接続して無線通信を行う機能を有している。携帯端末１は、ＣＰＵ（Central Processing Unit）、メモリ及び通信モジュールなどのハードウェアから構成されている。

　人間関係推定サーバ２は、サーバコンピュータなどの情報処理端末である。人間関係推定サーバ２は、ＣＰＵ、メモリ、通信モジュールなどのハードウェアから構成されているものである。人間関係推定システム３において、携帯端末１と人間関係推定サーバ２とは、ネットワークを介して通信を行うことができ、互いに情報の送受信を行い得る。

　図２は、携帯端末及び人間関係推定サーバの機能ブロック図である。図２に示すように、携帯端末１ｂは、少なくともセンサデータ取得部１１を含んでいる。なお、携帯端末１ａも携帯端末１ｂと同様の機能ブロックの構成を有している。

　センサデータ取得部１１は、２つの携帯端末１ａ，１ｂが互いに近接していることを検出する。本実施形態では、一方の携帯端末１ｂのセンサデータ取得部１１が、近接する他方の携帯端末１ａを検出する。携帯端末１ａ，１ｂが互いに近接する状態とは、携帯端末１ａが携帯端末１ｂを中心とした所定の範囲内に存在する状態であり、例えば、携帯端末１ａ，１ｂの両ユーザが行動を共にしていると判断できる状態である。一例として、携帯端末１ａが携帯端末１ｂを中心とした数ｍ以内の範囲に存在する場合に、２つの携帯端末１ａ，１ｂが互いに近接していると判断することができる。具体的に、センサデータ取得部１１は、通信モジュールを利用し、携帯端末１ａから発せられたＢｌｕｅｔｏｏｔｈ（登録商標）、ＷｉＦｉ（登録商標）などの近距離無線通信の電波を検出することで、携帯端末１ａの近接を検出する。その他に、センサデータ取得部１１は、マイク、ＢＬＥ（Bluetooth Low Energy）のＰｅｒｉｐｈｅｒａｌモード、ＬＴＥ（Long　Term　Evolution）　Ｄｉｒｅｃｔ技術などを利用して、携帯端末１ａの近接を検出してもよい。

　携帯端末１ｂのセンサデータ取得部１１は、近接した携帯端末１ａを検出した際に、携帯端末１ａ又は携帯端末１ａのユーザに関する情報（以下、「近接端末情報」という）を取得する。例えば、携帯端末１ａから発せられた近距離無線通信の電波には、携帯端末１ａの識別情報（例えば、ＭＡＣアドレス）、携帯端末１ａのユーザの識別情報（例えば、ユーザＩＤ）などが含まれている。携帯端末１ｂのセンサデータ取得部１１は、検出した電波に含まれるそれらの識別情報を近接端末情報として取得し得る。センサデータ取得部１１は、取得した近接端末情報を人間関係推定サーバ２及び自端末１ｂのコンテキスト推定部１３に出力することがきる。

　また、センサデータ取得部１１は、自端末１ｂに備えられた各種のセンサによるデータを取得し得る。センサデータ取得部１１が取得するデータには、自端末１ｂの位置情報が含まれる。位置情報は、ＧＰＳ（Global　Positioning　System）による緯度及び経度を示す情報であってもよい。また、位置情報は、ＷｉＦｉなどの固定的に設置された近距離無線通信機器（例えば、アクセスポイント）から受信される当該近距離無線通信機器の識別情報に基づく情報であってもよい。また、センサデータ取得部１１は、各データが取得された時刻を示すデータもセンサのデータの一部として取得することができる。センサデータ取得部１１は、定期的にセンサのデータを検出することができる。センサデータ取得部１１は、検出したセンサのデータを自端末の識別情報（以下、「自端末情報」という）と共に、人間関係推定サーバ２に出力する。

　人間関係推定サーバ２は、検出部２１と、センサデータ格納部２２と、場所プロファイル推定部（位置属性情報取得部）２３と、関係推定部２４とを含んでいる。検出部２１は、自端末情報、近接端末情報、及びセンサのデータを携帯端末１ｂから受信する。本実施形態では、検出部２１が近接端末情報を取得することによって、自端末１ｂのユーザと他端末１ａのユーザとが互いに近接することを検出している。また、検出部２１は、近接端末情報が取得された時刻を示すデータに基づいて、ユーザ同士が互いに近接している時間の長さの情報を検出することができる。検出部２１によって受信されたデータは、センサデータ格納部２２に出力され得る。また、検出部２１によって検出されたデータのうち、少なくともユーザ同士が互いに近接している時間の長さの情報は、関係推定部２４に出力され得る。

　センサデータ格納部２２は、携帯端末１ｂから受信した自端末情報、近接端末情報、及びセンサのデータを格納する。また、センサデータ格納部２２は、格納された自端末情報、近接端末情報、及びセンサのデータを場所プロファイル推定部２３に出力することができる。なお、センサデータ格納部２２は、他の携帯端末１ａにおけるセンサのデータも当該他の携帯端末１ａから受信し、格納している。各携帯端末１から受信したセンサのデータは、携帯端末１ごとの識別情報に関連付けられて、センサデータ格納部２２に格納される。

　場所プロファイル推定部２３は、場所プロファイルとして、位置に対してユーザ毎に対応付けられた（意味付けられた）属性を示す情報を取得する。例えば、場所プロファイル推定部２３は、ユーザ毎の位置の履歴を示す情報を取得し、当該履歴に基づいて、場所プロファイルを推定する。位置に対するユーザごとの意味付けは、時刻によって異なる場合がある。そのため、本実施形態では、日時に対するユーザにとっての意味付けが、場所プロファイルに含まれる。

　場所プロファイル推定部２３は、位置情報と当該位置情報の意味付けとが関連付けられた情報を場所プロファイルとして推定（導出）する。例えば、場所プロファイル推定部２３は、ユーザが滞在した場所の位置情報に対して「自宅」、「職場」、「出張」、「外食」、「遊び」などの意味付けを関連付ける。なお、ユーザが学生であると推定される場合、「職場」は「学校」として意味付けられてもよい。

　一例として、場所プロファイルの推定には、携帯端末から取得されたＷｉＦｉの識別情報、ＧＰＳによる緯度及び経度を示す情報などが位置情報として利用される。例えば、場所プロファイル推定部２３は、取得された位置情報などに基づいて、各曜日の各時間帯（以下、「日時情報」という）に検出されていた位置情報を抽出する。この処理により、日時情報と位置情報とが関連付けられる。場所プロファイル推定部２３は、日時情報に関連付けられた位置情報に基づいて、統計的手法によって、場所の意味付けを行う。

　より具体的には、場所プロファイル推定部２３は、位置情報の履歴に対してクラスタリングを行うことによって、互いに位置的に近い位置情報の集合を抽出する。この際、ＷｉＦｉの識別情報は、予め記憶した識別情報と緯度及び経度との対応表によって、緯度及び経度を示す情報に変換されてもよい。場所プロファイル推定部２３は、抽出された位置情報の集合をそれぞれ「拠点」として取得する。場所プロファイル推定部２３は、取得された拠点におけるユーザの在圏データを導出する。在圏データは、例えば各拠点におけるユーザの滞在日時のデータであってよい。続いて、場所プロファイル推定部２３は、各拠点に対するユーザにとっての意味付けを推定する。この推定には、例えば、予め決められた期間中（例えば過去半年間）に各拠点を何日間訪問しているかを示す在圏日数率が利用されてもよい。例えば、ある日に一回のみ拠点を訪問しても、ある日に複数回にわたって拠点を訪問しても、いずれも在圏日数は「１」である。在圏日数率は、在圏データに基づいて導出される。一例として、在圏日数率の順位が１位である拠点は、「自宅」として意味付けられてもよい。また、在圏日数率の順位が２位～１０位、且つ、１週間の滞在頻度が１日以上、且つ、訪問した日における平均滞在時間が２００分以上である拠点は、「職場」として意味付けられてもよい。

　また、場所プロファイル推定部２３は、「職場」として推定されたエリアの在圏曜日に基づいて、各曜日が出勤日であるか休日であるかの推定を行う。さらに、場所プロファイル推定部２３は、出勤日及び休日の推定結果、拠点に滞在する時間帯情報などに基づいて他の拠点の意味付けを行う。この場合、例えば、平日の日中の滞在日率が所定の値（例えば０．３など）以上である拠点は、「出張」として意味付けられてもよい。ここで、平日はユーザにとっての勤務日の曜日であり、滞在日率は平日にユーザが滞在した日数の割合である。また、日中の平均滞在時間が所定時間（例えば２０分）以下であり、且つ、夜間の平均滞在時間が所定時間（例えば６０分）以上である拠点は、「外食」として意味付けられてもよい。また、平均滞在時間が所定時間（例えば３０分）以上であり、且つ、「出張」及び「外食」に該当しない拠点は、「遊び」として意味付けられてもよい。位置情報に対してユーザにとっての意味付けを行う方法は、他の既知の方法によって行われてもよい。なお、場所プロファイルの推定においては、エリア（施設）における位置情報とカテゴリ情報とが関連付けられた地図情報が参照されてもよい。カテゴリ情報とは、例えばエリアの特徴を示す情報であり、一例として、「商業施設」、「飲食店」、「娯楽施設」、「オフィス街」などである。

　場所プロファイル推定部２３は、推定した場所プロファイルを記憶し、関係推定部２４のリクエストに応じて関係推定部２４に出力することができる。例えば、検出部２１によって互いに近接する携帯端末１ａ，１ｂが検出されると、場所プロファイル推定部２３は、検出部２１によって近接が検出された位置に対してユーザ毎に対応付けられた、場所プロファイルを取得する。取得される場所プロファイルは、ユーザ同士において互いに異なる場合と、同じ場合とがある。場所プロファイル推定部２３は、携帯端末１ａ，１ｂに関連付けられた場所プロファイルの情報を関係推定部２４に出力する。

　関係推定部２４は、場所プロファイルによって示される、ユーザ毎に対応付けられた属性の組合せに基づいて、ユーザ同士の人間関係である人間関係プロファイルを推定する。属性の組合せには、互いに同じである場合と、互いに異なっている場合とが含まれる。人間関係プロファイルは、ユーザの人間関係に関するプロファイル情報であり、ユーザ同士の関係性を示す関係性情報、及び、ユーザ同士の親密度を示す親密度情報を含む。一例として、人間関係プロファイルの推定には、携帯端末１ｂから取得された近接した携帯端末１ａの近接端末情報、場所プロファイル推定部２３によって推定された場所プロファイルのデータなどが利用される。

　例えば、関係推定部２４は、場所プロファイルとして推定された各拠点において検出された近接端末情報を抽出する。関係推定部２４は、ユーザ毎に対応付けられた位置の属性の組合せに基づいて、自端末１ｂのユーザと他端末１ａのユーザとの関係性を「家族」、「友人」、「同僚」、「仕事関係者」、「知人」などに分類し、関係性情報として取得する。

　一例として、関係推定部２４は、関係性情報を推定するために、位置の属性の組合せとユーザ同士の人間関係との対応付けを予め記憶していてもよい。この場合、ユーザ同士の人間関係は、互いに異なる位置の属性の組合せと、互いに同じである位置の属性の組合せとの両方に対応付けられていてよい。

　例えば、自端末１ｂと他端末１ａとが互いに近接した拠点に対する場所プロファイルが、自端末１ｂのユーザにとっての「自宅」であり、且つ、他端末１ａのユーザにとっての「自宅」であると推定されている場合には、他端末１ａのユーザは自端末１ｂの「家族」として推定されてよい。一例として、場所プロファイルとして推定された「自宅」の位置情報が一致し、且つ、「自宅」における滞在時間のうち所定割合（例えば５０％）以上の時間にわたって互いに近接している携帯端末１ａ，１ｂのユーザ同士は、「家族」として推定されてもよい。

　また、自端末１ｂと他端末１ａとが互いに近接した拠点に対する場所プロファイルが、自端末１ｂのユーザにとっての「自宅」であり、且つ、他端末１ａのユーザにとっての「遊び」であると推定されている場合には、他端末１ａのユーザは自端末１ｂのユーザにとっての「友人」として推定されてよい。

　また、自端末１ｂと他端末１ａとが互いに近接した拠点に対する場所プロファイルが、自端末１ｂのユーザにとっての「職場」であり、当該場所が他端末１ａのユーザにとっての「職場」であると推定されている場合には、他端末１ａのユーザは自端末１ｂのユーザにとっての「同僚」として推定されてよい。一例として、推定された「職場」の位置情報が一致し、且つ、「職場」での１週間において自端末１ｂと他端末１ａとが近接している時間（以下、「遭遇時間」という）が所定時間（例えば５０分）以上である場合、携帯端末１ａ，１ｂのユーザ同士は「同僚」として推定されてもよい。

　また、１日における最大の遭遇時間が所定時間（例えば３０分）以上の他ユーザは、「知人」として推定されてもよい。また、「知人」に該当するユーザの中で、同僚以外であり、且つ、自端末１ｂ又は他端末１ａのユーザの「職場」で遭遇したユーザは、「仕事関係者」として推定されてもよい。例えば、自端末１ｂと他端末１ａとが互いに近接した拠点に対する場所プロファイルが、自端末１ｂのユーザにとっての「職場」であり、且つ、他端末１ａのユーザにとっての「出張先」であると推定されている場合には、他端末１ａのユーザは自端末１ｂのユーザにとっての「仕事関係者」として推定されてよい。一例として、塾教師とその塾に通う生徒との関係が推定される場合における関係推定部２４の処理について説明する。例えば、塾教師の場所プロファイルでは、塾の位置が「職場」として推定されている。一方、生徒の場所プロファイルでは、塾の位置が「出張先」として推定されている。関係推定部２４は、「職場」と「主張先」という異なる属性の組合せに基づいて、両者の関係を「仕事関係者」として推定する。

　なお、他ユーザが「家族」、「友人」、「同僚」、「仕事関係者」及び「知人」のうちの複数に該当する場合、「家族」＞「友人」＞「同僚」＞「仕事関係者」＞「知人」の優先順位に従って関係性が推定されてもよい。

　また、関係推定部２４は、検出部２１によって検出された時間の情報に基づいて、自端末１ｂのユーザと他端末１ａのユーザとの親密度を推定してもよい。例えば、関係推定部２４は、自端末１ｂのユーザとの関係性が推定された全ユーザを母集団として、自端末１ｂのユーザと他端末１ａのユーザとの親密度を相対評価によって推定することができる。一例として、親密度の評価には、遭遇相手との遭遇率、一日の平均遭遇時間、遭遇拠点数などが利用されてよい。遭遇相手との遭遇率は、例えば、（（所定期間における遭遇日数）÷（所定期間の日数））であってよい。「遭遇日数」とは、自端末１ｂと他端末１ａとが互いに近接したことが検出された日数である。一日の平均遭遇時間は、例えば、（（１日目の遭遇時間＋…＋ｎ日目の遭遇時間）÷（遭遇日数））であってよい。遭遇拠点数は、所定期間（例えば、過去半年間）において遭遇相手と遭遇した拠点数であってよい。遭遇相手との遭遇率、一日の平均遭遇時間及び遭遇拠点数の値が高いほど、親密度は高く評価される。親密度は、例えば最低値を０、最高値を１００とした範囲で数値として表されてよい。

　また、関係推定部２４は、推定されたユーザ同士の人間関係に基づいて、人間関係をグラフとして表示するためのグラフデータを生成してもよい。この場合、関係推定部２４は、推定された人間関係毎に複数のユーザを抽出し、抽出された複数のユーザ同士に関するグラフデータを生成してもよい。関係推定部２４は、例えば「職場」が同じであると推定された複数のユーザを抽出する。この場合、抽出されたユーザ同士の関係は、「同僚」又は「友人」に属する。

　関係推定部２４は、抽出されたユーザをノードとし、ユーザ同士の関係をエッジとしてグラフデータを生成する。図３は、生成されたグラフデータを表示した状態を説明するためのイメージ図である。例えば、図３の例では、「職場」が同じである複数のユーザ同士の「友人」としての関係をグラフ化している。

　また、関係推定部２４は、抽出された複数のユーザを親密度に基づいてクラスタリングしてもよい。例えば、関係推定部２４は、「友人」の関係にあるユーザ同士の親密度を抽出し、全ユーザを複数のグループに分割する。上述の通り、ユーザ同士の親密度は、ユーザ毎に導出されるため、一方のユーザと他方のユーザとで互いに異なっている。この場合、例えば、関係推定部２４は、推定された全ての親密度を正規化処理する。正規化処理においては、例えば、関係推定部２４は、一方のユーザからみた他方のユーザとの親密度と、他方のユーザからみた一方のユーザとの親密度との平均値を導出し、この平均値を一方のユーザと他方のユーザとの親密度とする。関係推定部２４は、エッジで連結されたユーザ同士の親密度が予め設定された閾値よりも小さいときに、グループの境界を形成する。この処理により、抽出した複数のユーザを人間関係に応じたグループに分けることができる。図示例では、複数のユーザＡ～Ｊが、ユーザＢ～Ｇによって構成されるグループαと、ユーザＨ～Ｊによって構成されるグループβと、いずれのグループにも属さない孤立したユーザＡとに分けられている。

　また、関係推定部２４は、ユーザ毎に次数中心性、近接中心性及び媒介中心性を導出してもよい。次数中心性は、他のユーザとの繋がりの多さの指標であり、数値が大きいほど知人が多いことを示す。本実施形態では、関係推定部２４は、生成されたグラフデータにおける各ユーザのエッジの数を次数中心性として導出する。すなわち、次数中心性は、以下の式によって導出される。例えば、図３の例では、「Ｄ」として示されるユーザの次数中心性が高く、「Ｄ」がグループαのリーダ的な存在であると推定される。
　ユーザの次数中心性＝抽出された他のユーザとのエッジの数

　近接中心性は、抽出された複数のユーザ間における全体的な交流の度合いを示す指標であり、数値が大きいほど全体的な交流が深いことを示す。本実施形態では、（１００－親密度）が各ユーザ間の「距離（心の距離）」として定義されている。関係推定部２４は、他の全てのユーザまでの「距離」の総和が小さいほど高い値となるように、「距離」の逆数を近接中心性として導出する。すなわち、近接中心性は、以下の式によって導出される。例えば、相対的に他ユーザとの繋がりの数が多く、繋がりのある他ユーザとの親密度も高い場合には、近接中心性が高くなる。逆に、相対的に他ユーザとの繋がりの数が少なく、繋がりのある他ユーザとの親密度も低い場合には、近接中心性が低くなる。なお、以下の式中の抽出された他のユーザとは、ユーザと直接エッジで連結された他のユーザだけでなく、ユーザと他のユーザを介して間接的にエッジで連結された他のユーザを含む。
　ユーザの近接中心性＝（抽出された他のユーザの数）／（抽出された他のユーザとユーザとの最短距離の総和）

　媒介中心性は、抽出された複数のユーザ間における、中継役（窓口）としての役割（ハブ）の高さの指標であり、数値が高いほど中継役としての役割が高いことを示す。本実施形態では、ユーザによって示されるノードを通る経路が多いほど高い値となるように、以下の式に基づいて、関係推定部２４が媒介中心性を導出する。例えば、図３の例では、「Ｆ」で示されるユーザがグループαとグループβとの中継役であることが推定される。
　ユーザの媒介中心性＝（ユーザを通る最短経路数）／（他ユーザ間の最短経路数）

　なお、次数中心性、近接中心性及び媒介中心性における導出の対象範囲は、「同僚」だけ、「家族」だけ、「同僚＋家族」だけのように、人間関係に応じて変更可能であってよい。

　関係推定部２４によって推定された人間関係プロファイルは、場所プロファイルと共にプロファイル情報として記憶されてもよい。プロファイル情報の一例を図４に示す。図４に示すように、プロファイル情報は、ユーザＩＤと、ユーザＩＤに関連付けられ場所プロファイル及び人間関係プロファイルを含む。図示のように、場所プロファイルの情報では、自宅、職場及び各拠点について、それぞれ緯度及び経度の位置情報と観測されるＷｉＦｉの識別情報とが関連付けられている。なお、図示例では、各拠点について一つの緯度及び経度の情報のみ示されているが、拠点は位置情報の集合であるため、場所プロファイルの情報は、各拠点について複数の緯度及び経度の情報を有し得る。人間関係プロファイルは、自端末１ｂのユーザ（自分）の次数中心性、近接中心性及び媒介中心性を含む。次数中心性、近接中心性及び媒介中心性は、ユーザの人間関係のそれぞれに対して生成されていてよい。また、人間関係プロファイルでは、ユーザと関係のある他のユーザの情報（図示例では、関係、親密度、各中心性）がユーザのＩＤごとに関連付けられている。プロファイル情報には、携帯端末１ｂが過去に取得した既知のＷｉＦｉの識別情報が含まれてもよい。

　続いて、図５に示すシーケンスを参照して、人間関係推定サーバ２の動作について説明する。図５は、人間関係推定サーバ２が定期的に場所プロファイルを推定する処理を示す。まず、携帯端末１ａ，１ｂは、それぞれのセンサデータ取得部１１によって定期的にセンサのデータを取得する（ステップＳ１，Ｓ２）。例えば、携帯端末１ａ，１ｂのセンサデータ取得部１１は５分毎にセンサのデータを取得してもよい。この場合、携帯端末１ａ，１ｂは、所定の期間内に取得されたデータを蓄積していてもよい。次に、携帯端末１ａ，１ｂは、取得されたデータを人間関係推定サーバ２に送信する（ステップＳ３，Ｓ４）。例えば、携帯端末１ａ，１ｂは、取得され保持されているセンサデータを、データ取得の間隔よりも長い所定時間（例えば２時間）毎に人間関係推定サーバ２に送信してもよい。人間関係推定サーバ２では、携帯端末１ａ，１ｂから送信されたセンサのデータを携帯端末１ａ，１ｂの識別情報ごとに関連付けて蓄積する（ステップＳ５，Ｓ６）。次に、人間関係推定サーバ２は、蓄積された携帯端末１ａ，１ｂのセンサのデータに基づいて各携帯端末１ａ，１ｂのユーザの属性を推定する（ステップＳ７）。例えば、属性の推定は、携帯端末１ａ，１ｂによるデータ送信の間隔よりも長い所定時間毎に実行されてもよい。一例として、属性の推定は１日に１回実行されてもよい。上述の通り、人間関係推定サーバ２では、場所プロファイルが推定される。このように、携帯端末１ａ，１ｂと人間関係推定サーバ２との間では、定期的にユーザの場所プロファイルが推定されていてもよい。

　続いて、図６に示すシーケンスを参照して、人間関係推定サーバ２が人間関係プロファイルを推定する処理の一例について説明する。まず、ユーザの携帯端末１ｂに近接する他のユーザの携帯端末１ａから近接端末情報が携帯端末１ｂに送信される（ステップＳ２１）。近接端末情報は、例えばＢＬＥによって送信され得る。

　次に、携帯端末１ｂは、受信した近接端末情報と共に、自端末情報及びセンサのデータを人間関係推定サーバに送信する（ステップＳ２２）。携帯端末１ｂから送信された近接端末情報、自端末情報及びセンサのデータが人間関係推定サーバ２によって取得されると（ステップＳ２３）、人間関係推定サーバは、上述した人間関係プロファイルを推定する（ステップＳ２４）。推定された人間関係プロファイルは、人間関係推定サーバ２に蓄積されていてよい。本実施形態では、例えば人間関係推定サーバ２の管理者５によって、人間関係プロファイルが閲覧され得る（ステップＳ２５）。管理者５は、例えば、人間関係プロファイルに基づくデータ（例えば図３に示すグラフを含む）を人間関係推定サーバ２に接続されたディスプレイなどの表示装置に表示させてもよい。

　以上説明した人間関係推定サーバ２では、ユーザ同士が同時に滞在する拠点に対応付けられた各ユーザの属性（場所プロファイル）の組合せに基づいて人間関係が推定される。すなわち、位置の属性が互いに同じ場合だけでなく、互いに異なる組合せであっても、ユーザ同士の人間関係の推定を行うことができる。また、属性の組合せに基づくことによって、属性の種類よりも多くの場合分けを行うことがき、より細やかな推定を行うことができる。したがって、ユーザ同士の人間関係を精度良く推定することができる。

　また、関係推定部は、予め記憶された、属性の組合せとユーザ同士の人間関係との対応付けに基づいて、ユーザ同士の人間関係を推定する。対応付けが予め記憶されているため、関係推定部による人間関係の推測の処理負担が軽減される。また、属性の組合せと人間関係との対応関係を容易に更新することができる。

　また、場所プロファイル推定部は、ユーザ毎の位置の履歴を示す情報を取得し、当該履歴に基づいて、位置に対してユーザ毎に対応付けられた場所プロファイルを取得する。この場合、住所等を事前に登録する必要がない。また、位置の履歴が蓄積されることによって、推定される場所プロファイルの情報量及び精度が高まり、より高精度な人間関係の推定がなされる。

　また、関係推定部は、検出部によって検出された時間の長さの情報に基づいて、ユーザ同士の親密度を推定する。この場合、拠点においてユーザ同士が近接している時間の長さに応じて親密度を推定することができ、ユーザの行動が親密度に反映されやすい。

　また、関係推定部は、推定された人間関係毎に複数のユーザを抽出し、抽出された複数のユーザを親密度に基づいてクラスタリングする。この構成によれば、ユーザ同士の人間関係が親密度に基づいて解析されるので、より高精度な人間関係の推定がなされる。

　また、ユーザの次数中心性、近接中心性及び媒介中心性が相対的に低い場合には、当該ユーザの知人が少なく、全体的に仲良くしておらず（社交性が低く）、グループ間を繋ぐハブの役割も低いということが分かる。このように、個別にユーザ同士の親密度を参照する場合に比べて、孤立しているユーザ、社交性の高いユーザを精度よく推定することが可能である。

　また、上記実施形態では、検出部２１は、移動体通信によって携帯端末１が接続された基地局を特定するセルＩＤを取得してもよい。この場合、セルＩＤが位置情報として利用されてもよい。

　また、検出部２１は、プロファイルの推定に用いるセンサのデータとして、携帯端末１にインストールされたアプリケーションの利用状況を取得してもよい。この場合、アプリケーションの利用状況に基づいて趣味嗜好の推定がなされてもよく、例えば、趣味嗜好の一致度を親密度のパラメータに加えてもよい。また、プロファイルの推定に用いるために、検出部２１は、携帯端末のＷｅｂ閲覧履歴、電池残量、加速度センサ情報などを取得してもよい。

　なお、上記実施の形態の説明に用いたブロック図は、機能単位のブロックを示している。これらの機能ブロック（構成部）は、ハードウェア及び／又はソフトウェアの任意の組み合わせによって実現される。また、各機能ブロックの実現手段は特に限定されない。すなわち、各機能ブロックは、物理的及び／又は論理的に結合した１つの装置により実現されてもよいし、物理的及び／又は論理的に分離した２つ以上の装置を直接的及び／又は間接的に(例えば、有線及び／又は無線)で接続し、これら複数の装置により実現されてもよい。

　例えば、本発明の一実施の形態における携帯端末１、人間関係推定サーバ２は、本実施形態の携帯端末１、人間関係推定サーバ２の処理を行うコンピュータとして機能してもよい。図７は、本実施形態に係る携帯端末１、人間関係推定サーバ２のハードウェア構成の一例を示す図である。上述の携帯端末１、人間関係推定サーバ２は、物理的には、プロセッサ１００１、メモリ１００２、ストレージ１００３、通信装置１００４、入力装置１００５、出力装置１００６、バス１００７などを含むコンピュータ装置として構成されてもよい。

　なお、以下の説明では、「装置」という文言は、回路、デバイス、ユニットなどに読み替えることができる。携帯端末１及び人間関係推定サーバ２のハードウェア構成は、図に示した各装置を１つ又は複数含むように構成されてもよいし、一部の装置を含まずに構成されてもよい。

　携帯端末１及び人間関係推定サーバ２における各機能は、プロセッサ１００１、メモリ１００２などのハードウェア上に所定のソフトウェア（プログラム）を読み込ませることで、プロセッサ１００１が演算を行い、通信装置１００４による通信、並びにメモリ１００２及びストレージ１００３におけるデータの読み出し及び／又は書き込みを制御することで実現される。

　プロセッサ１００１は、例えば、オペレーティングシステムを動作させてコンピュータ全体を制御する。プロセッサ１００１は、周辺装置とのインターフェース、制御装置、演算装置、レジスタなどを含む中央処理装置（ＣＰＵ：Central　Processing　Unit）で構成されてもよい。例えば、携帯端末１及び人間関係推定サーバ２の各機能部は、プロセッサ１００１で実現されてもよい。

　また、プロセッサ１００１は、プログラム（プログラムコード）、ソフトウェアモジュール及びデータを、ストレージ１００３及び／又は通信装置１００４からメモリ１００２に読み出し、これらに従って各種の処理を実行する。プログラムとしては、上述の実施の形態で説明した動作の少なくとも一部をコンピュータに実行させるプログラムが用いられる。例えば、携帯端末１及び人間関係推定サーバ２の各機能部は、メモリ１００２に格納され、プロセッサ１００１で動作する制御プログラムによって実現されてもよい。上述の各種処理は、１つのプロセッサ１００１で実行される旨を説明してきたが、２以上のプロセッサ１００１により同時又は逐次に実行されてもよい。プロセッサ１００１は、１以上のチップで実装されてもよい。なお、プログラムは、電気通信回線を介してネットワークから送信されても良い。

　メモリ１００２は、コンピュータ読み取り可能な記録媒体であり、例えば、ＲＯＭ（Read　Only　Memory）、ＥＰＲＯＭ（Erasable　Programmable　ＲＯＭ）、ＥＥＰＲＯＭ（Electrically Erasable Programmable ＲＯＭ）、ＲＡＭ（Random　Access　Memory）などの少なくとも１つで構成されてもよい。メモリ１００２は、レジスタ、キャッシュ、メインメモリ（主記憶装置）などと呼ばれてもよい。メモリ１００２は、本発明の一実施の形態に係る方法を実施するために実行可能なプログラム（プログラムコード）、ソフトウェアモジュールなどを保存することができる。

　ストレージ１００３は、コンピュータ読み取り可能な記録媒体であり、例えば、ＣＤ－ＲＯＭ（Compact　Disc　ＲＯＭ）などの光ディスク、ハードディスクドライブ、フレキシブルディスク、光磁気ディスク(例えば、コンパクトディスク、デジタル多用途ディスク、Ｂｌｕ－ｒａｙ（登録商標）ディスク)、スマートカード、フラッシュメモリ(例えば、カード、スティック、キードライブ)、フロッピー（登録商標）ディスク、磁気ストリップなどの少なくとも１つで構成されてもよい。ストレージ１００３は、補助記憶装置と呼ばれてもよい。上述の記憶媒体は、例えば、メモリ１００２及び／又はストレージ１００３を含むデータベース、サーバその他の適切な媒体であってもよい。

　通信装置１００４は、有線及び／又は無線ネットワークを介してコンピュータ間の通信を行うためのハードウェア（送受信デバイス）であり、例えばネットワークデバイス、ネットワークコントローラ、ネットワークカード、通信モジュールなどともいう。例えば、上述のセンサデータ取得部１１、検出部２１、関係推定部２４などは、通信装置１００４を含んで実現されてもよい。

　入力装置１００５は、外部からの入力を受け付ける入力デバイス（例えば、キーボード、マウス、マイクロフォン、スイッチ、ボタン、センサなど）である。出力装置１００６は、外部への出力を実施する出力デバイス（例えば、ディスプレイ、スピーカー、LEDランプなど）である。なお、入力装置１００５及び出力装置１００６は、一体となった構成（例えば、タッチパネル）であってもよい。

　また、プロセッサ１００１及びメモリ１００２などの各装置は、情報を通信するためのバス１００７で接続される。バス１００７は、単一のバスで構成されてもよいし、装置間で異なるバスで構成されてもよい。

　また、携帯端末１及び人間関係推定サーバ２は、マイクロプロセッサ、デジタル信号プロセッサ（ＤＳＰ：Digital　Signal　Processor）、ＡＳＩＣ（Application　Specific　Integrated　Circuit）、ＰＬＤ（Programmable　Logic　Device）、ＦＰＧＡ（Field　Programmable　Gate　Array）などのハードウェアを含んで構成されてもよく、当該ハードウェアにより、各機能ブロックの一部又は全てが実現されてもよい。例えば、プロセッサ１００１は、これらのハードウェアの少なくとも１つで実装されてもよい。

　以上、本実施形態について詳細に説明したが、当業者にとっては、本実施形態が本明細書中に説明した実施形態に限定されるものではないということは明らかである。本実施形態は、特許請求の範囲の記載により定まる本発明の趣旨及び範囲を逸脱することなく修正及び変更態様として実施することができる。したがって、本明細書の記載は、例示説明を目的とするものであり、本実施形態に対して何ら制限的な意味を有するものではない。

　本明細書で説明した各態様／実施形態は、ＬＴＥ（Long　Term　Evolution）、ＬＴＥ－Ａ（LTE-Advanced）、ＳＵＰＥＲ　３Ｇ、ＩＭＴ－Ａｄｖａｎｃｅｄ、４Ｇ、５Ｇ、ＦＲＡ（Future　Radio　Access）、Ｗ－ＣＤＭＡ（登録商標）、ＧＳＭ（登録商標）、ＣＤＭＡ２０００、ＵＭＢ（Ultra　Mobile　Broadband）、ＩＥＥＥ　８０２．１１（Ｗｉ－Ｆｉ）、ＩＥＥＥ　８０２．１６（ＷｉＭＡＸ）、ＩＥＥＥ　８０２．２０、ＵＷＢ（Ultra-WideBand）、Ｂｌｕｅｔｏｏｔｈ（登録商標）、その他の適切なシステムを利用するシステム及び／又はこれらに基づいて拡張された次世代システムに適用されてもよい。

　本明細書で説明した各態様／実施形態の処理手順、シーケンス、フローチャートなどは、矛盾の無い限り、順序を入れ替えてもよい。例えば、本明細書で説明した方法については、例示的な順序で様々なステップの要素を提示しており、提示した特定の順序に限定されない。

　入出力された情報等は特定の場所(例えば、メモリ)に保存されてもよいし、管理テーブルで管理してもよい。入出力される情報等は、上書き、更新、または追記され得る。出力された情報等は削除されてもよい。入力された情報等は他の装置へ送信されてもよい。

　判定は、１ビットで表される値（０か１か）によって行われてもよいし、真偽値（Boolean：trueまたはfalse）によって行われてもよいし、数値の比較（例えば、所定の値との比較）によって行われてもよい。

　本明細書で説明した各態様／実施形態は単独で用いてもよいし、組み合わせて用いてもよいし、実行に伴って切り替えて用いてもよい。また、所定の情報の通知（例えば、「Ｘであること」の通知）は、明示的に行うものに限られず、暗黙的（例えば、当該所定の情報の通知を行わない）ことによって行われてもよい。

　ソフトウェアは、ソフトウェア、ファームウェア、ミドルウェア、マイクロコード、ハードウェア記述言語と呼ばれるか、他の名称で呼ばれるかを問わず、命令、命令セット、コード、コードセグメント、プログラムコード、プログラム、サブプログラム、ソフトウェアモジュール、アプリケーション、ソフトウェアアプリケーション、ソフトウェアパッケージ、ルーチン、サブルーチン、オブジェクト、実行可能ファイル、実行スレッド、手順、機能などを意味するよう広く解釈されるべきである。

　また、ソフトウェア、命令などは、伝送媒体を介して送受信されてもよい。例えば、ソフトウェアが、同軸ケーブル、光ファイバケーブル、ツイストペア及びデジタル加入者回線（ＤＳＬ）などの有線技術及び／又は赤外線、無線及びマイクロ波などの無線技術を使用してウェブサイト、サーバ、又は他のリモートソースから送信される場合、これらの有線技術及び／又は無線技術は、伝送媒体の定義内に含まれる。

　本明細書で説明した情報、信号などは、様々な異なる技術のいずれかを使用して表されてもよい。例えば、上記の説明全体に渡って言及され得るデータ、命令、コマンド、情報、信号、ビット、シンボル、チップなどは、電圧、電流、電磁波、磁界若しくは磁性粒子、光場若しくは光子、又はこれらの任意の組み合わせによって表されてもよい。

　なお、本明細書で説明した用語及び／又は本明細書の理解に必要な用語については、同一の又は類似する意味を有する用語と置き換えてもよい。

　本明細書で使用する「システム」および「ネットワーク」という用語は、互換的に使用される。

　また、本明細書で説明した情報、パラメータなどは、絶対値で表されてもよいし、所定の値からの相対値で表されてもよいし、対応する別の情報で表されてもよい。

　移動通信端末は、当業者によって、加入者局、モバイルユニット、加入者ユニット、ワイヤレスユニット、リモートユニット、モバイルデバイス、ワイヤレスデバイス、ワイヤレス通信デバイス、リモートデバイス、モバイル加入者局、アクセス端末、モバイル端末、ワイヤレス端末、リモート端末、ハンドセット、ユーザエージェント、モバイルクライアント、クライアント、またはいくつかの他の適切な用語で呼ばれる場合もある。

　本明細書で使用する「判断(determining)」、「決定(determining)」という用語は、多種多様な動作を包含する場合がある。「判断」、「決定」は、例えば、判定(judging)、計算(calculating)、算出(computing)、処理(processing)、導出(deriving)、調査(investigating)、探索(looking up)（例えば、テーブル、データベースまたは別のデータ構造での探索）、確認(ascertaining)した事を「判断」「決定」したとみなす事などを含み得る。また、「判断」、「決定」は、受信(receiving)（例えば、情報を受信すること）、送信(transmitting)(例えば、情報を送信すること)、入力(input)、出力(output)、アクセス(accessing)（例えば、メモリ中のデータにアクセスすること）した事を「判断」「決定」したとみなす事などを含み得る。また、「判断」、「決定」は、解決(resolving)、選択(selecting)、選定(choosing)、確立(establishing)、比較(comparing)などした事を「判断」「決定」したとみなす事を含み得る。つまり、「判断」「決定」は、何らかの動作を「判断」「決定」したとみなす事を含み得る。

　本明細書で使用する「に基づいて」という記載は、別段に明記されていない限り、「のみに基づいて」を意味しない。言い換えれば、「に基づいて」という記載は、「のみに基づいて」と「に少なくとも基づいて」の両方を意味する。

　「含む（include）」、「含んでいる（including）」、およびそれらの変形が、本明細書あるいは特許請求の範囲で使用されている限り、これら用語は、用語「備える(comprising)」と同様に、包括的であることが意図される。さらに、本明細書あるいは特許請求の範囲において使用されている用語「または（or）」は、排他的論理和ではないことが意図される。本明細書において、文脈または技術的に明らかに1つのみしか存在しない装置である場合以外は、複数の装置をも含むものとする。

　本開示の全体において、文脈から明らかに単数を示したものではなければ、複数のものを含むものとする。

　１ａ（１）…他端末（携帯端末）、１ｂ（１）…自端末（携帯端末）、２…人間関係推定サーバ（人間関係推定装置）、２１…検出部、２３…場所プロファイル推定部（位置属性情報取得部）、２４…関係推定部。

Claims (5)

1. 　２人のユーザが互いに近接することを検出する検出部と、
   　前記検出部によって近接が検出された位置に対して前記ユーザ毎に対応付けられた、互いに異なる属性を示す情報を取得する位置属性情報取得部と、
   　前記位置属性情報取得部によって取得された情報によって示される、前記ユーザ毎に対応付けられた、互いに異なる属性の組合せに基づいて、前記ユーザ同士の人間関係を推定する関係推定部と、を備える人間関係推定装置。
2. 　前記関係推定部は、予め記憶された、前記属性の組合せと前記ユーザ同士の人間関係との対応付けに基づいて、前記ユーザ同士の人間関係を推定する、請求項１に記載の人間関係推定装置。
3. 　前記位置属性情報取得部は、前記ユーザ毎の位置の履歴を示す情報を取得し、当該履歴に基づいて、前記位置に対して前記ユーザ毎に対応付けられた前記属性を推定して、前記属性を示す情報を取得する請求項１又は２に記載の人間関係推定装置。
4. 　前記検出部は、前記ユーザ同士が互いに近接している時間の長さの情報を検出し、
   　前記検出部によって検出された前記時間の長さの情報に基づいて、前記関係推定部は、前記ユーザ同士の親密度を更に推定する、請求項１～３のいずれか一項に記載の人間関係推定装置。
5. 　前記関係推定部は、推定された前記人間関係毎に複数の前記ユーザを抽出し、抽出された前記複数のユーザを前記親密度に基づいてクラスタリングする、請求項４に記載の人間関係推定装置。

Images