WO2020003670A1 - 情報処理装置、および情報処理方法 - Google Patents

情報処理装置、および情報処理方法 Download PDF

Info

Publication number
WO2020003670A1
WO2020003670A1 PCT/JP2019/013846 JP2019013846W WO2020003670A1 WO 2020003670 A1 WO2020003670 A1 WO 2020003670A1 JP 2019013846 W JP2019013846 W JP 2019013846W WO 2020003670 A1 WO2020003670 A1 WO 2020003670A1
Authority
WO
WIPO (PCT)
Prior art keywords
action
situation
behavior
user
history information
Prior art date
Application number
PCT/JP2019/013846
Other languages
English (en)
French (fr)
Inventor
亮 中橋
Original Assignee
ソニー株式会社
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by ソニー株式会社 filed Critical ソニー株式会社
Priority to JP2020527215A priority Critical patent/JP7375751B2/ja
Priority to US17/254,920 priority patent/US20210260482A1/en
Publication of WO2020003670A1 publication Critical patent/WO2020003670A1/ja

Links

Images

Classifications

    • A—HUMAN NECESSITIES
    • A63—SPORTS; GAMES; AMUSEMENTS
    • A63F—CARD, BOARD, OR ROULETTE GAMES; INDOOR GAMES USING SMALL MOVING PLAYING BODIES; VIDEO GAMES; GAMES NOT OTHERWISE PROVIDED FOR
    • A63F13/00—Video games, i.e. games using an electronically generated display having two or more dimensions
    • A63F13/60—Generating or modifying game content before or while executing the game program, e.g. authoring tools specially adapted for game development or game-integrated level editor
    • A63F13/67—Generating or modifying game content before or while executing the game program, e.g. authoring tools specially adapted for game development or game-integrated level editor adaptively or by learning from player actions, e.g. skill level adjustment or by storing successful combat sequences for re-use
    • A—HUMAN NECESSITIES
    • A63—SPORTS; GAMES; AMUSEMENTS
    • A63F—CARD, BOARD, OR ROULETTE GAMES; INDOOR GAMES USING SMALL MOVING PLAYING BODIES; VIDEO GAMES; GAMES NOT OTHERWISE PROVIDED FOR
    • A63F13/00—Video games, i.e. games using an electronically generated display having two or more dimensions
    • A63F13/50—Controlling the output signals based on the game progress
    • A63F13/53—Controlling the output signals based on the game progress involving additional visual information provided to the game scene, e.g. by overlay to simulate a head-up display [HUD] or displaying a laser sight in a shooting game
    • A63F13/537—Controlling the output signals based on the game progress involving additional visual information provided to the game scene, e.g. by overlay to simulate a head-up display [HUD] or displaying a laser sight in a shooting game using indicators, e.g. showing the condition of a game character on screen
    • A63F13/5375—Controlling the output signals based on the game progress involving additional visual information provided to the game scene, e.g. by overlay to simulate a head-up display [HUD] or displaying a laser sight in a shooting game using indicators, e.g. showing the condition of a game character on screen for graphically or textually suggesting an action, e.g. by displaying an arrow indicating a turn in a driving game
    • A—HUMAN NECESSITIES
    • A63—SPORTS; GAMES; AMUSEMENTS
    • A63F—CARD, BOARD, OR ROULETTE GAMES; INDOOR GAMES USING SMALL MOVING PLAYING BODIES; VIDEO GAMES; GAMES NOT OTHERWISE PROVIDED FOR
    • A63F13/00—Video games, i.e. games using an electronically generated display having two or more dimensions
    • A63F13/80—Special adaptations for executing a specific game genre or game mode
    • A63F13/803—Driving vehicles or craft, e.g. cars, airplanes, ships, robots or tanks
    • A—HUMAN NECESSITIES
    • A63—SPORTS; GAMES; AMUSEMENTS
    • A63F—CARD, BOARD, OR ROULETTE GAMES; INDOOR GAMES USING SMALL MOVING PLAYING BODIES; VIDEO GAMES; GAMES NOT OTHERWISE PROVIDED FOR
    • A63F13/00—Video games, i.e. games using an electronically generated display having two or more dimensions
    • A63F13/80—Special adaptations for executing a specific game genre or game mode
    • A63F13/822—Strategy games; Role-playing games
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00—Machine learning
    • A—HUMAN NECESSITIES
    • A63—SPORTS; GAMES; AMUSEMENTS
    • A63F—CARD, BOARD, OR ROULETTE GAMES; INDOOR GAMES USING SMALL MOVING PLAYING BODIES; VIDEO GAMES; GAMES NOT OTHERWISE PROVIDED FOR
    • A63F2300/00—Features of games using an electronically generated display having two or more dimensions, e.g. on a television screen, showing representations related to the game
    • A63F2300/30—Features of games using an electronically generated display having two or more dimensions, e.g. on a television screen, showing representations related to the game characterized by output arrangements for receiving control signals generated by the game device
    • A63F2300/303—Features of games using an electronically generated display having two or more dimensions, e.g. on a television screen, showing representations related to the game characterized by output arrangements for receiving control signals generated by the game device for displaying additional data, e.g. simulating a Head Up Display
    • A63F2300/305—Features of games using an electronically generated display having two or more dimensions, e.g. on a television screen, showing representations related to the game characterized by output arrangements for receiving control signals generated by the game device for displaying additional data, e.g. simulating a Head Up Display for providing a graphical or textual hint to the player
    • A—HUMAN NECESSITIES
    • A63—SPORTS; GAMES; AMUSEMENTS
    • A63F—CARD, BOARD, OR ROULETTE GAMES; INDOOR GAMES USING SMALL MOVING PLAYING BODIES; VIDEO GAMES; GAMES NOT OTHERWISE PROVIDED FOR
    • A63F2300/00—Features of games using an electronically generated display having two or more dimensions, e.g. on a television screen, showing representations related to the game
    • A63F2300/80—Features of games using an electronically generated display having two or more dimensions, e.g. on a television screen, showing representations related to the game specially adapted for executing a specific type of game
    • A63F2300/8017—Driving on land or water; Flying
    • A—HUMAN NECESSITIES
    • A63—SPORTS; GAMES; AMUSEMENTS
    • A63F—CARD, BOARD, OR ROULETTE GAMES; INDOOR GAMES USING SMALL MOVING PLAYING BODIES; VIDEO GAMES; GAMES NOT OTHERWISE PROVIDED FOR
    • A63F2300/00—Features of games using an electronically generated display having two or more dimensions, e.g. on a television screen, showing representations related to the game
    • A63F2300/80—Features of games using an electronically generated display having two or more dimensions, e.g. on a television screen, showing representations related to the game specially adapted for executing a specific type of game
    • A63F2300/807—Role playing or strategy games

Definitions

  • the present disclosure relates to an information processing device and an information processing method.
  • Non-Patent Document 1 a training application in which a user learns a technique while taking steps one by one.
  • the training application is uniform, and it has been difficult to provide advice information according to the behavior of the user.
  • the present disclosure proposes an information processing apparatus and an information processing method that can provide advice information according to the behavior of a user.
  • an information processing apparatus includes an extraction unit configured to extract a specific situation of a content whose situation changes according to the behavior of the user, based on a behavior model of the user. And an output control unit that outputs advice information on the specific situation.
  • FIG. 1 is a schematic diagram illustrating an example of an information processing system according to a first embodiment of the present disclosure, a modification of the first embodiment, and a second embodiment.
  • FIG. 2 is a schematic diagram illustrating an example of content according to the first embodiment of the present disclosure.
  • FIG. 1 is a diagram illustrating an example of a functional block diagram of an information processing device and a terminal device according to a first embodiment and a second embodiment of the present disclosure.
  • FIG. 2 is a schematic diagram illustrating an example of a data configuration of first action history information and second action history information according to the first embodiment of the present disclosure.
  • FIG. 4 is an explanatory diagram illustrating an example of extraction of an occurrence factor according to the first embodiment of the present disclosure.
  • FIG. 1 is a schematic diagram illustrating an example of an information processing system according to a first embodiment of the present disclosure, a modification of the first embodiment, and a second embodiment.
  • FIG. 2 is a schematic diagram illustrating an example of content according to the first embodiment of the present disclosure.
  • FIG. 2 is a schematic diagram illustrating an example of a display screen according to the first embodiment of the present disclosure.
  • 5 is a flowchart illustrating an example of an information processing procedure according to the first embodiment of the present disclosure.
  • 5 is a flowchart illustrating an example of a procedure of an output process according to the first embodiment of the present disclosure.
  • FIG. 6 is a diagram illustrating an example of a functional block diagram of an information processing device and a terminal device according to a modified example of the first embodiment of the present disclosure.
  • FIG. 11 is an explanatory diagram illustrating an example of generation of third action history information according to a modified example of the first embodiment of the present disclosure.
  • 11 is a flowchart illustrating an example of a procedure of information processing according to a modified example of the first embodiment of the present disclosure.
  • FIG. 10 is a schematic diagram illustrating an example of a display screen according to a second embodiment of the present disclosure.
  • 13 is a flowchart illustrating an example of an information processing procedure according to the second embodiment of the present disclosure.
  • FIG. 1 is a hardware configuration diagram illustrating an example of a computer that realizes functions of an information processing device and a terminal device according to the present disclosure.
  • FIG. 1 is a schematic diagram illustrating an example of an information processing system 1 according to the present embodiment.
  • the information processing system 1 includes an information processing device 10 and a terminal device 12.
  • the information processing device 10 and the terminal device 12 are communicably connected via a network N.
  • the information processing device 10 and the terminal device 12 need only be communicably connected wirelessly or by wire, and the communication mode is not limited.
  • the information processing device 10 is a device that provides advice information on content according to the behavior of the user U.
  • Content is an event whose situation changes according to the behavior of the user U.
  • the content is an application program that changes the situation in the content according to the input action of the user U and outputs the changed situation.
  • the content is represented by a set of changes in the situation with respect to the behavior of the user U.
  • the content outputs situation information indicating a changed situation according to the action signal.
  • the action signal may be simply referred to as action
  • the situation information may be referred to simply as situation.
  • the content is a game executed on a computer.
  • the game indicates a simulation game or a computer game in which a real event or experience progresses virtually.
  • FIG. 2 is a schematic diagram showing an example of the content 32.
  • the content 32 is a drive game 32A, an action game 32B, a board game 32C, a board game 32D, a sports game 32E, and the like.
  • the drive game 32A is a game in which a vehicle runs in a virtual space.
  • the action game 32B is a game in which the situation in the game changes according to the movement of the character.
  • the board game 32C is a Go board game.
  • the board game 32D is a shogi board game.
  • the sports game 32E is a game indicating a sport such as a game or competition.
  • the type of the content 32 is not limited to these.
  • the content 32 may be an application program for simulation that virtually executes a real event or experience such as a sport or a vehicle running in the real world.
  • the content 32 may be an application program that simply executes a part of an event performed in the real world. That is, the content 32 may provide an event such as a sport performed by the user U in the real space as a program that simulates at least a part of the event.
  • the information processing device 10 of the present embodiment outputs advice information according to the behavior of the user U with respect to the content 32. Details of the action and advice information of the user U will be described later. In the present embodiment, the information processing device 10 outputs the advice information by transmitting the advice information to the terminal device 12. Details of the information processing device 10 will be described later.
  • the terminal device 12 is a device that outputs the advice information received from the information processing device 10.
  • a program (hereinafter, referred to as a game program) for implementing the content 32 is installed in the terminal device 12 in advance.
  • the terminal device 12 outputs the advice information at a predetermined timing such as when the content 32 is executed or before execution.
  • the terminal device 12 may be any device that can output the advice information received from the information processing device 10 in a form that the user U can check. Further, from the viewpoint of outputting the advice information at the time of executing the content 32 or before the execution, the terminal device 12 is preferably a device capable of executing the content 32 and capable of outputting the advice information.
  • FIG. 1 shows a game device 12A and a portable terminal 12B as examples of the terminal device 12.
  • the game device 12A is a device that executes a game as an example of the content 32.
  • the game device 12A has, for example, a ROM (Read Only Memory) drive, and operates as the game device 12A by inserting a game ROM into the ROM drive and executing a game program.
  • the game device 12A can also operate as an emulation device that executes an image file of the game program by activating the emulator program.
  • the emulator program may be obtained via the network N, or may be pre-installed at the time of shipment.
  • the output unit 14 and the input unit 16 are connected to the game device 12A by wire or wirelessly.
  • the input unit 16 is an input interface device for the user U to perform an operation input to the game device 12A.
  • the input unit 16 outputs an operation signal according to the operation instruction of the user U to the game device 12A.
  • the input unit 16 is a controller, a keyboard, a touch panel, a pointing device, a mouse, an input button, and the like.
  • the output unit 14 is a display for displaying various images.
  • the output unit 14 is, for example, a known LCD (Liquid Crystal Display) or an organic EL (Electro-Luminescence).
  • the output unit 14 may further have a speaker function of outputting sound in addition to the image display function.
  • the portable terminal 12B is a terminal device 12 that can be carried by the user U.
  • the mobile terminal 12B is, for example, a tablet terminal or a smartphone.
  • the mobile terminal 12B includes a UI (user interface) unit 26.
  • the UI unit 26 receives various operation inputs from the user U and outputs various information.
  • the UI unit 26 includes an output unit 26A and an input unit 26B.
  • the output unit 26A displays various information.
  • the output unit 26A is an organic EL, an LCD, or the like. Note that the output unit 26A may include a speaker function of outputting sound in addition to the display function.
  • the input unit 26B receives various operation inputs from the user U.
  • the input unit 26B outputs an operation signal according to the operation instruction of the user U to the control unit of the mobile terminal 12B.
  • the input unit 26B is, for example, a keyboard, a pointing device, a mouse, an input button, and the like.
  • the output unit 26A and the input unit 26B may be integrally configured to form a touch panel.
  • FIG. 3 is an example of a functional block diagram of the information processing device 10 and the terminal device 12.
  • the information processing apparatus 10 includes a control unit 18, a storage unit 20, and a communication unit 22.
  • the storage unit 20, the communication unit 22, and the control unit 18 are connected so that data and signals can be exchanged.
  • the communication unit 22 is a communication interface for communicating with various devices such as the terminal device 12 via the network N.
  • the storage unit 20 stores various information.
  • the storage unit 20 stores first action history information 20A, second action history information 20B, and an action model DB 20C.
  • the first action history information 20A is information indicating a history of actions of the first user U1.
  • the second action history information 20B is information indicating a history of actions of the second user U2.
  • the first user U1 and the second user U2 are examples of the user U.
  • the second user U2 is a user U who has a higher level of proficiency and skill in the content 32 than the first user U1. Note that, when the first user U1 and the second user U2 are collectively described, they will be simply referred to as the user U.
  • FIG. 4 is a schematic diagram showing an example of a data configuration of the first action history information 20A and the second action history information 20B.
  • the first action history information 20A and the second action history information 20B are represented by a set of correspondence between the situation s of the content 32 and the behavior a of the user U with respect to the situation s.
  • the status s of the content 32 indicates an environment provided by the content 32.
  • the situation s is, specifically, a screen output during the game, a position and an activity state of a character moving in response to an operation instruction by the user U in the game, a state of a surrounding environment other than the character, a progress state of the game, And a game score.
  • the state of the surrounding environment includes the position and state of an object other than the character in the game, the brightness, the weather, and the like.
  • the content 32 may provide an event such as a sport performed by the user U in the real space as a program that simulates at least a part of the event.
  • the situation s may be information indicating the state of the real space.
  • the state of the real space may be any environment that changes according to the action of the user U.
  • the action a of the user U is represented by an action signal indicating the action of the user U.
  • the action signal is information indicating an action a such as an operation instruction of the input unit 16 by the user U, and a movement (action a) of at least a part of the body of the user U.
  • the action a indicated in the first action history information 20A and the second action history information 20B is an action signal input by the user U operating the input unit 16 with respect to the situation s provided by the content 32
  • Information indicating at least one of a detection result of an action signal indicating movement of at least a part of the body of the user U in the real space may be used.
  • the action signal indicating at least a part of the movement of the body of the user U includes, for example, a detection result detected by a known image processing technique for detecting the movement of at least a part of the body of the user U or a technique using a known sensor detection. May be used.
  • the history information of the action a of the user U indicated in the first action history information 20A and the second action history information 20B indicates that the user U It may be history information when operation input is performed using the unit 26B or the like.
  • the history information of the action a of the user U shown in the first action history information 20A and the second action history information 20B is the history information when the user U performs an operation such as a sport corresponding to the content 32 in the real space. It may be.
  • the content 32 is changed from the status s of the content 32 to the next status s by the user U's operation instruction such as the operation instruction of the input unit 16 or the movement of the body. That is, the content 32 outputs the changed situation s according to the input action a. Further, the situation s changes to the next situation s according to the action a of the user U with respect to the situation s after the change. By this repetition, a game or a story provided by the content 32 progresses.
  • At least one of the first action history information 20A and the second action history information 20B may be a time series set corresponding to the situation s and the action a of the user U. That is, at least one of the first action history information 20A and the second action history information 20B may be a time-series set indicating the correspondence between the situation s and the action a for each time-series timing.
  • the time series set may be a continuous or stepwise time series set, or may be a discrete time series set.
  • the action a of the first user U1 will be described as a first action aa.
  • the behavior a of the second user U2 will be described as a recommended behavior ab.
  • the second user U2 is a user U who has a higher level of proficiency and skill in the content 32 than the first user U1. Therefore, in the present embodiment, the action a of the second user U2 will be described as a recommended action a for the situation s, that is, a recommended action ab.
  • FIG. 4 shows, as an example of the first action history information 20A, a plurality of situations s (situation s1 to situation sm (m is an integer of 2 or more)) corresponding to each timing, and a first user for each situation s.
  • a time series set of the action a performed by U1 (first action aa (first action aa1 to first action aam)) is shown.
  • FIG. 4 shows, as an example of the second action history information 20B, a plurality of situations s (situation s1 to situation sn (n is an integer of 2 or more)) corresponding to each timing, and A set of the action a (recommended action ab (recommended action ab1 to recommended action abn)) performed by two users U2 is shown as an example.
  • the first action history information 20A may be a set of first actions aa derived by inputting the situation s into a first action model learned by the control unit 18 described later.
  • history information obtained by playing the content 32 virtually using the first behavior model can be used as the first behavior history information 20A.
  • the first action history information 20A including the first action aa for the inexperienced situation s of the first user U1 can be obtained. Details of the first behavior model will be described later.
  • the second action history information 20B may be a set of recommended actions ab derived by inputting the situation s into the second action model learned by the control unit 18 described later.
  • history information obtained by playing the content 32 virtually using the second behavior model can be used as the second behavior history information 20B.
  • the second action history information 20B including the recommended action ab for the inexperienced situation s of the second user U2 can be obtained. Details of the second behavior model will be described later.
  • the information processing apparatus 10 may collect the first action history information 20A and the second action history information 20B from one or a plurality of terminal devices 12 and external devices via the network N, and store them in the storage unit 20.
  • the information processing apparatus 10 transmits the first action history information 20A and the second action history information 20B generated by the control unit 18 using the action model (the first action model and the second action model), The information may be stored in the storage unit 20.
  • the behavior model DB 20C is a database for registering a behavior model learned by the control unit 18.
  • the data format of the behavior model DB 20C is not limited to a database.
  • the control unit 18 controls the information processing device 10.
  • the control unit 18 includes a first learning unit 18A, a second learning unit 18B, an extraction unit 18C, and an output control unit 18D.
  • a part or all of the first learning unit 18A, the second learning unit 18B, the extraction unit 18C, and the output control unit 18D may be realized, for example, by causing a processing device such as a CPU to execute a program, that is, realized by software. It may be realized by hardware such as an IC (Integrated Circuit) or by using software and hardware together.
  • the first learning unit 18A learns the first behavior model based on the first behavior history information 20A.
  • the first behavior model is an example of a behavior model.
  • the behavior model is a learning model for deriving the behavior a from the situation s.
  • the behavior model is a classifier or a classifier represented by an algorithm indicating a behavior pattern of the user U according to the situation s.
  • the first behavior model is a learning model for deriving the first behavior aa from the situation s.
  • the first behavior model is represented, for example, by the following equation (1).
  • s indicates a situation s provided by the content 32.
  • aa indicates the first action aa of the first user U1 in a certain situation s.
  • the first behavior model may be a learning model indicating the probability of taking a specific first behavior aa in a certain situation s.
  • the first behavior model is represented by, for example, the following equation (2).
  • the first learning unit 18A uses a pair of the situation s and the first action aa corresponding to each timing indicated in the first action history information 20A as teacher data. Then, the first learning unit 18A learns an action model for deriving a first action aa performed by the first user U1 in a certain situation s, using the teacher data.
  • the first learning unit 18A may learn the first behavior model by a known machine learning for learning the imitation of the behavior of the user U such as a known Imination @ Learning.
  • the second learning unit 18B learns the second behavior model based on the second behavior history information 20B.
  • the second behavior model is an example of a behavior model.
  • the second behavior model is a learning model for deriving the recommended behavior ab from the situation s.
  • the second behavior model is represented by, for example, the following equation (3).
  • s indicates a situation s provided by the content 32.
  • ab indicates the recommended action ab of the second user U2 in a certain situation s.
  • the second behavior model may be a learning model indicating the probability of taking a specific recommended behavior ab in a certain situation s.
  • the second behavior model is represented by, for example, the following equation (4).
  • the second learning unit 18B uses a pair of the situation s and the recommended action ab corresponding to each timing indicated in the second action history information 20B as teacher data. Then, the second learning unit 18B learns an action model for deriving a recommended action ab performed by the second user U2 in a certain situation s using the teacher data.
  • the second learning unit 18B may learn the second behavior model by a known machine learning that learns the imitation of the behavior of the user U such as a known Imination @ Learning.
  • the first learning unit 18A and the second learning unit 18B classify the learned first behavior model and the second behavior model according to the classification rules and associate them with the identification information of each classification rule. May be registered in the behavior model DB 20C.
  • the classification rule may be determined in advance.
  • the classification rules are, for example, for each user U used for learning these behavior models, for each group to which the user U belongs, for each application target of the behavior model, and the like. Note that the classification rules are not limited to these.
  • the extraction unit 18C extracts the specific situation of the content 32 based on the behavior model of the user U.
  • the behavior model of the user U used to extract the specific situation of the content 32 is at least one of the first behavior model of the first user U1 and the second behavior model of the second user U2.
  • the extraction unit 18C extracts a specific situation based on the first behavior model of the first user U1.
  • the specific situation indicates a set of one or more specific situations s among the situations s included in the content 32.
  • the specific situation may be a time series set of continuous or stepwise situations s, or may be a time series set of discrete situations s. Note that the specific situation may be a set of one or more situations s, and is not limited to a time-series set.
  • Specific situation is, specifically, a situation s defined as an abnormality defined in the content 32 in advance.
  • the abnormal situation s is, for example, a situation s deviating from a predetermined traveling route or a situation s colliding with another vehicle. .
  • the extraction unit 18C determines that the evaluation value of the situation s output from the content 32 is equal to or less than the first threshold. Is extracted as a specific situation.
  • the state in which the evaluation value is equal to or less than the first threshold value is a state s defined as an abnormality defined in the content 32 in advance.
  • a threshold for discriminating between the abnormal situation s and the normal situation s may be determined in advance.
  • the upper limit of the range of the evaluation value regarded as the abnormal situation s may be set in advance as the first threshold.
  • the extraction unit 18C may determine a first threshold value in advance for each content 32 and store the first threshold value in the storage unit 20 in association with the identification information of the content 32. Then, when extracting the specific situation, the extracting unit 18C may read the first threshold value corresponding to the identification information of the content 32 to be extracted of the specific situation from the storage unit 20 and use the first threshold value for extracting the specific situation.
  • the extraction unit 18C acquires the first behavior aa for the situation s by introducing the situation s provided by the content 32 into the first behavior model. Then, the extraction unit 18C obtains the changed next situation s by inputting the obtained first action aa as the action a to the content 32. Then, the extraction unit 18C repeatedly executes this processing. That is, the extraction unit 18C virtually executes the game realized by the content 32 using the first behavior model.
  • the model representing the content 32 is represented by, for example, the following equation (5).
  • Equation (5) indicates that when an action a that is a certain situation s is input, the next situation s is output.
  • the extraction unit 18C calculates the evaluation value of the situation s each time a new situation s after the change is output from the content 32 in response to the input of the first action aa (action a).
  • the extraction unit 18C calculates a higher evaluation value as the content indicated by the situation s is closer to a predetermined recommended situation s in the content 32 that provides the situation s.
  • the method of calculating the evaluation value may be determined in advance according to the content 32.
  • the extraction unit 18C calculates an evaluation value using a situation determination function.
  • the situation determination function is represented by, for example, the following equation (6) or equation (7).
  • Expression (6) is an expression indicating a situation determination function r for deriving an evaluation value R for a certain situation s.
  • Equation (7) is an equation indicating a situation determination function r for deriving an evaluation value R when the action a that is a certain situation s is performed.
  • the extraction unit 18C calculates the changed situation s output from the content 32, or the changed situation s and the action a as the first action aa input to the changed situation s, using the above equation ( 6) or the equation (7) is used to calculate the evaluation value R.
  • the extraction unit 18C determines that the situation s in which the calculated evaluation value R is equal to or less than the first threshold value is a situation in which the evaluation value R is bad, that is, a situation s far from the recommended situation s, and extracts the situation as a specific situation. I do.
  • the extraction unit 18C extracts the specific situation of the content 32 based on the first behavior model of the first user U1.
  • the extraction unit 18C may further extract the extracted cause of the specific situation.
  • the extraction unit 18C further extracts the correspondence between the situation s in the period before the occurrence timing of the specific situation and the first action aa as the occurrence factor of the specific situation.
  • the extraction unit 18C virtually executes the game realized by the content 32 using the first behavior model. Then, as described above, the extraction unit 18C specifies the specific situation and also specifies the occurrence timing of the specific situation. Furthermore, the extraction unit 18C determines a correspondence between at least one situation s in the time series set of the situation s in the period before the occurrence timing of the specific situation and the first action aa input in the situation s. Is extracted as a cause of occurrence of a specific situation.
  • FIG. 5 is an explanatory diagram showing an example of extraction of the cause of occurrence.
  • the vertical axis indicates the evaluation value R represented by the situation determination function r (s, a), and the horizontal axis indicates the timing.
  • the extraction unit 18C extracts the situation s10 at the timing t4 as the specific situation. Further, the extraction unit 18C specifies the timing t4 as the occurrence timing t4 of the specific situation.
  • the extraction unit 18 ⁇ / b> C selects the status s (the status s9, the status s8, and the status s7 in FIG. 5) of the timing before the occurrence timing t4 among the statuses s in the period A before the generation timing t4 of the specific status.
  • the corrected action obtained by correcting the first action aa for each is input to the content 32 as the action a.
  • the extraction unit 18C goes back to the situation s one by one toward the (past) timing before the occurrence timing t4, and is performed for the situation s that goes back every time the situation s is gone back.
  • the first action aa is corrected to a correction action having a value different from the first action aa. Then, the corrected action is input to the content 32 as the action a for the timing of the situation s.
  • the extraction unit 18C corrects the first action aa input for the situation s9 at the timing t3 which is one situation s earlier than the timing t4, to the correction action. Then, the extraction unit 18C obtains the corrected situation s9 'by inputting the correction action to the content 32 as the action a corresponding to the timing t3.
  • the extraction unit 18C may use the recommended behavior ab of the second user U2 with respect to the situation s traced back as a correction behavior. That is, the extraction unit 18C may use the recommended behavior ab of the second user U2 input for the situation s that has been traced back as the correction behavior.
  • the extraction unit 18C may acquire the recommended behavior ab for the situation s by inputting the situation s traced back to the second behavior model learned by the second learning unit 18B.
  • the extraction unit 18C may obtain the recommended action ab for the situation s by reading the recommended action ab corresponding to the situation s traced back from the second action history information 20B.
  • the control unit 18 may not include the second learning unit 18B.
  • the extraction unit 18C After inputting the corrective action to the content 32 as the action a for the situation s at the previous timing, the extraction unit 18C extracts the content 32 using the first action model in the same manner as described above toward the occurrence timing t4 of the specific situation. Run virtually.
  • the extraction unit 18C sets the timing before (occurrence) the occurrence timing t4 until the evaluation value R of the situation s output from the content 32 at the occurrence timing t4 of the specific situation exceeds the first threshold T1. Then, the situation s is traced back one by one, and the input of the correction action to the content 32 and the determination of the evaluation value R of the situation s at the occurrence timing t4 are repeatedly executed.
  • the extraction unit 18C determines the correspondence between the situation s at the timing when the evaluation value R of the situation s output from the content 32 at the occurrence timing t4 exceeds the first threshold T1, and the first action aa for the situation s. May be extracted as an occurrence factor.
  • the extraction unit 18C extracts the correspondence between the situation s8 at the timing t2 and the first action aa of the first user U1 with respect to the situation s8 as the occurrence factor of the specific situation (situation s10) at the occurrence timing t4. I do.
  • the extraction unit 18 ⁇ / b> C inputs, to the content 32, a correction action obtained by correcting the first action aa for the situation s in the period before the occurrence timing t ⁇ b> 4 of the specific situation. Then, when the corrective action is input to the content 32 in the previous period, the extraction unit 18C determines that the evaluation value R of the situation s output from the content 32 at the occurrence timing t4 exceeds the first threshold T1, and The correspondence between the situation s at the timing t closest to t4 and the first action aa is extracted as an occurrence factor.
  • the output control unit 18D outputs advice information on a specific situation.
  • the output control unit 18D receives the specific situation from the extraction unit 18C.
  • the output control unit 18D may receive both the specific situation and the occurrence factor from the extraction unit 18C. Then, the extraction unit 18C outputs the advice information on the specific situation. Note that the extraction unit 18C may output advice information regarding the specific situation and the occurrence factor.
  • the advice information is information that provides advice to the first user U1 regarding a specific situation. Specifically, the advice information indicates at least one of the content of the specific situation, the cause of the specific situation, and the method of avoiding the specific situation.
  • the content of the specific situation is information indicating the situation s indicated by the specific situation and the first action aa of the first user U1 with respect to the situation s.
  • the situation s indicated by the specific information includes, for example, a screen output during the game, a position and an activity state of a character moving in response to an operation instruction by the first user U1 in the game, a state of a surrounding environment other than the character, and a state of the game. It is represented by a progress status, a game score, and the like.
  • the content of the specific situation may include information indicating the position and the occurrence timing of the specific situation in the content 32.
  • the content of the specific situation may include information indicating that the location indicated by the position or the occurrence timing of the specific situation is a location to which the first user U1 should draw attention.
  • the cause of the specific situation may be information indicating the correspondence between the situation s indicating the cause extracted by the extraction unit 18C and the first action aa of the first user U1.
  • the occurrence factor may be information indicating what kind of action the first user U1 performs in a certain situation s and the situation s indicated in the specific situation occurs at the occurrence timing.
  • the specific situation avoidance method is information indicating the action a taken by the first user U1 to avoid the specific information.
  • the method of avoiding the specific situation is, for example, information indicating the recommended action ab corresponding to the situation s indicated by the specific situation, or information indicating the recommended action ab corresponding to the situation s indicated by the occurrence factor.
  • the output control unit 18D may generate and output the advice information using the specific situation received from the extraction unit 18C or the specific situation and the cause.
  • the output control unit 18D outputs the advice information by transmitting the advice information on the specific situation to the terminal device 12 that can provide the information to the first user U1.
  • the output control unit 18D may transmit the advice information on the specific situation to the terminal device 12 operated by the first user U1 via the communication unit 22 and the network N.
  • the storage unit 20 may store in advance the identification information of the first user U1 and the identification information of the terminal device 12 operated by the first user U1 in association with each other. Then, the output control unit 18D reads the identification information of the terminal device 12 operated by the first user U1 corresponding to the identification information of the first user U1 to be provided from the storage unit 20, and is identified by the identification information. What is necessary is just to transmit the advice information to the terminal device 12.
  • the output control unit 18D may output the advice information on the specific situation to an output device such as a display device directly connected to the information processing device 10.
  • the terminal device 12 outputs the advice information received from the information processing device 10.
  • the terminal device 12 includes a control unit 24, a UI unit 26, a communication unit 28, and a storage unit 30.
  • the UI unit 26, the communication unit 28, the storage unit 30, and the control unit 24 are connected so that data and signals can be exchanged.
  • the UI unit 26 includes the output unit 26A and the input unit 26B as described above.
  • the output unit 26A corresponds to the output unit 14
  • the input unit 26B corresponds to the input unit 16.
  • the communication unit 28 is a communication interface that communicates with the information processing device 10 and other devices via the network N.
  • the storage unit 30 stores various information.
  • the control unit 24 controls the terminal device 12.
  • the control unit 24 includes an acquisition unit 24A and an output control unit 24B.
  • a part or all of the acquisition unit 24A and the output control unit 24B may be realized by, for example, causing a processing device such as a CPU to execute a program, that is, realized by software or realized by hardware such as an IC. Alternatively, it may be realized by using software and hardware together.
  • the acquisition unit 24A acquires the advice information from the information processing device 10.
  • the output control unit 24B outputs the advice information to the UI unit 26.
  • the output control unit 24B displays a display screen showing the advice information on the UI unit 26.
  • FIG. 6 is a schematic diagram showing an example of the display screen 40.
  • the content 32 is a drive game 32A (see FIG. 2).
  • the output control unit 24B of the terminal device 12 generates a display screen 40 in which an icon P indicating advice information is arranged on a game screen provided in the drive game 32A, and outputs the display screen 40 to the UI unit 26.
  • the display screen 40 may be generated by the output control unit 18D of the information processing device 10.
  • the first user U1 selects the display position of the icon P on the display screen 40 by operating the UI unit 26 (the input unit 26B or the input unit 16).
  • the output control unit 24B may display details of the advice information corresponding to the selected icon P on the UI unit 26.
  • the display form of the advice information is not limited to the form shown in FIG.
  • the output timing of the advice information in the terminal device 12 is not limited.
  • the control unit 24 displays the advice information on the UI unit 26 when receiving a game start instruction signal according to an operation instruction of the UI unit 26 by the first user U1.
  • the control unit 24 may output the advice information to the UI unit 26 while the terminal device 12 is executing the game program of the content 32.
  • the control unit 24 transmits the advice information to the UI unit 26 when the situation s provided by the content 32 becomes the specific situation indicated by the advice information, the situation s of the occurrence factor, or when the situation approaches the specific situation.
  • FIG. 7 is a flowchart illustrating an example of a procedure of information processing executed by the information processing apparatus 10.
  • the first learning unit 18A acquires the first action history information 20A from the storage unit 20 (Step S100). Next, the first learning unit 18A learns the first behavior model based on the first behavior history information 20A acquired in step S100 (step S102).
  • the second learning unit 18B acquires the second action history information 20B from the storage unit 20 (Step S104). Next, the second learning unit 18B learns a second behavior model based on the second behavior history information 20B acquired in step S104 (step S106).
  • the extraction unit 18C virtually executes the game realized by the content 32 using the first behavior model learned in step S102 (step S108). That is, in step 108, the extraction unit 18C sequentially inputs the first action aa derived from the first action model to the content 32 as the action a, and obtains a situation s that is sequentially output.
  • the extraction unit 18C specifies the content 32 based on the evaluation value R of the situation s sequentially output from the content 32 in step S108 based on the first behavior model of the first user U1 learned in step S102.
  • the situation is extracted (step S110).
  • the extraction unit 18C extracts the cause of the specific situation extracted in step S110 (step S112).
  • the output control unit 18D outputs the specific situation extracted in step S110 and the advice information on the cause of occurrence extracted in step S112 to the terminal device 12 (step S114). Then, this routine ends.
  • the control unit 18 executes at least one of the learning of the first behavior model and the learning of the second behavior model in steps S100 to S106 at a different timing from the extraction of the specific situation by the extraction unit 18C. Is also good. Specifically, a series of processes in steps S100 to S106 may be executed at a timing different from the series of processes in steps S108 to S114.
  • FIG. 8 is a flowchart illustrating an example of a procedure of an output process performed by the terminal device 12.
  • FIG. 8 illustrates an example in which the terminal device 12 is the game device 12 ⁇ / b> A and the game program is executed as the content 32.
  • step S200 determines whether a game start instruction signal has been received from the input unit 16 (Step S200). If a negative determination is made in step S200 (step S200: No), this routine ends. On the other hand, if a positive determination is made in step S200 (step S200: Yes), the process proceeds to step S202.
  • step S202 the obtaining unit 24A obtains the advice information from the information processing device 10 via the communication unit 28.
  • the control unit 24 of the terminal device 12 may store the advice information received from the information processing device 10 in the storage unit 30. Then, the obtaining unit 24A may obtain the advice information by reading the advice information from the storage unit 30.
  • the output control unit 24B outputs the advice information to the UI unit 26 (Step S204). For this reason, a display screen 40 including an icon P indicating advice information shown in FIG. 6 is displayed on the UI unit 26 of the terminal device 12, for example.
  • control unit 24 executes a game program corresponding to the game start instruction signal received in step S200 (step S206). Then, the control unit 24 repeats the negative determination until it determines that the game end instruction has been received from the input unit 16 (Step S208: No), and when the affirmative determination is made (Step S208: Yes), ends this routine. As described above, the control unit 24 may output the advice information to the UI unit 26 during the execution of the game.
  • the information processing device 10 of the present embodiment includes the extraction unit 18C and the output control unit 18D.
  • the extraction unit 18C extracts a specific situation of the content 32 whose situation changes according to the behavior of the user U, based on the behavior model of the user U.
  • the output control unit 18D outputs advice information on a specific situation.
  • training contents that allow the user to acquire skills while stepping on each step have been prepared.
  • training contents such as a smooth acceleration method and a method for entering a corner have been separately prepared.
  • the training content is uniform, and it has been difficult to provide advice information according to the behavior of the user U.
  • the extraction unit 18C extracts a specific situation based on the behavior model of the user U. Then, the output control unit 18D outputs advice information on the specific situation extracted based on the behavior model of the user U.
  • the information processing apparatus 10 of the present embodiment can provide advice information according to the behavior of the user U.
  • the first learning unit 18A determines the first action from the situation s based on the first action history information 20A indicating the correspondence between the situation s and the first action aa of the first user U1 as the user U.
  • the first behavior model is learned as a behavior model for deriving the behavior aa.
  • the extraction unit 18C extracts, as a specific situation, a situation s in which the evaluation value R of the situation s output from the content 32 when the first behavior aa derived from the first behavior model is input as the behavior a is equal to or less than the first threshold T1. I do.
  • the information processing apparatus 10 of the present embodiment obtains the first action aa of the first user U1 for inputting to the content 32 using the first action model. For this reason, even if at least one of the situations s provided by the content 32 is not registered in the first action history information 20A, the information processing apparatus 10 performs the first Action aa can be obtained. Then, the extraction unit 18C of the information processing device 10 uses the evaluation value R of the situation s output from the content 32 when the first action aa derived from the first action model is input as the action a, and determines the specific situation. Extract.
  • the information processing apparatus 10 of the present embodiment can accurately extract a specific situation in addition to the above-described effects.
  • the extraction unit 18C further extracts the correspondence between the situation s and the first action aa in a period before the occurrence timing of the specific situation as the occurrence factor of the specific situation.
  • the information processing apparatus 10 of the present embodiment can provide the user U with appropriate advice information in addition to the above effects.
  • the extraction unit 18C determines the occurrence timing when the correction action obtained by correcting the first action aa is input to the content 32 as the action a in the situation s in the period before the occurrence timing of the specific situation. , The correspondence between the situation s in which the evaluation value R of the situation s output from the content 32 exceeds the first threshold value T1 and the first action aa is extracted as an occurrence factor.
  • the extraction unit 18C determines A situation s at which the evaluation value R is good and a first action aa performed on the situation s are extracted as occurrence factors.
  • the information processing apparatus 10 of the present embodiment can accurately extract the cause of occurrence in addition to the above-described effects.
  • action history information obtained by correcting the first action history information 20A of the first user U1 is generated, and a recommendation situation is extracted based on an action model learned based on the action history information.
  • FIG. 1 is a schematic diagram illustrating an example of an information processing system 1A according to the present modification.
  • the information processing system 1A includes an information processing device 10A and a terminal device 12.
  • the information processing system 1A is the same as the information processing system 1 of the first embodiment except that the information processing system 1A includes an information processing device 10A instead of the information processing device 10.
  • FIG. 9 is an example of a functional block diagram of the information processing device 10A and the terminal device 12.
  • the functional configuration of the terminal device 12 is the same as in the first embodiment.
  • the information processing device 10 ⁇ / b> A includes the control unit 17, the storage unit 21, and the communication unit 22.
  • the storage unit 21, the communication unit 22, and the control unit 17 are connected so that data and signals can be exchanged.
  • the communication unit 22 is the same as in the first embodiment.
  • the storage unit 21 stores various information.
  • the storage unit 21 stores first action history information 20A, second action history information 20B, third action history information 20D, and an action model DB 20C.
  • the first action history information 20A, the second action history information 20B, and the action model DB 20C are the same as in the first embodiment.
  • the third action history information 20D is action history information obtained by correcting the first action history information 20A.
  • the third action history information 20D is generated by the processing of the control unit 17 and stored in the storage unit 21 (details will be described later).
  • the control unit 17 controls the information processing device 10A.
  • the control unit 17 includes a first learning unit 18A, a second learning unit 18B, a generation unit 17E, a third learning unit 17F, an extraction unit 17C, and an output control unit 18D.
  • Some or all of the first learning unit 18A, the second learning unit 18B, the generation unit 17E, the third learning unit 17F, the extraction unit 17C, and the output control unit 18D cause a processing device such as a CPU to execute a program. That is, it may be realized by software, may be realized by hardware such as an IC, or may be realized by using software and hardware together.
  • the first learning unit 18A, the second learning unit 18B, and the output control unit 18D are the same as in the first embodiment.
  • the generation unit 17E corrects the first action history information 20A of the first user U1, and generates the third action history information 20D.
  • FIG. 10 is an explanatory diagram showing an example of generation of the third action history information 20D.
  • the generation unit 17E determines that the difference between the recommended action ab and the first action aa of the first action history information 20A is equal to or greater than a predetermined value.
  • the third action history information 20D is generated by replacing the first action aa with the recommended action ab.
  • the generation unit 17E compares the first action aa and the recommended action ab corresponding to the same situation s for the first action history information 20A and the second action history information 20B. In other words, the generation unit 17E compares the corresponding first action aa and the recommended action ab for the same situation s for the first action history information 20A and the second action history information 20B.
  • the generation unit 17E specifies, in one or a plurality of situations s defined in the first action history information 20A, a situation s in which the difference between the corresponding first action aa and the recommended action ab is equal to or more than a predetermined value.
  • the first action aa is a normal or good action a.
  • the larger the difference between the first action aa and the recommended action ab the more the first action aa is abnormal or bad.
  • the lower limit of the range of the difference between the first action aa and the recommended action ab which is regarded as abnormal or bad action a, may be set in advance as the predetermined value.
  • the generation unit 17E may determine a predetermined value in advance for each of the content 32 and the user U, and store the predetermined value in the storage unit 21 in advance in association with the content 32 and the identification information of the user U. Then, when generating the third action history information 20D, the generation unit 17E reads a predetermined value corresponding to the identification information of the content 32 to be processed and the user U from the storage unit 21 and is used to generate the third action history information 20D. Just fine.
  • the generation unit 17E corresponds to the situation s in which the difference is specified to be equal to or more than the predetermined value among the first behaviors aa corresponding to one or more situations s defined in the first behavior history information 20A.
  • the first action aa is replaced with the recommended action ab corresponding to the same situation s in the second action history information 20B. With this replacement, the generation unit 17E generates the third action history information 20D.
  • the difference between the first action aa2 corresponding to the situation s2 of the first action history information 20A and the recommended action ab2 corresponding to the same situation s2 of the second action history information 20B is , Is equal to or greater than a predetermined value. It is also assumed that the difference between the first action aa3 corresponding to the situation s3 in the first action history information 20A and the recommended action ab3 corresponding to the same situation s3 in the second action history information 20B is equal to or greater than a predetermined value.
  • the generation unit 17E converts the first action aa2 and the first action aa3 of the first action history information 20A (see the frame 42A in FIG. 10) into the recommended action ab2 and the recommended action ab2 of the second action history information 20B. ab3 (refer to the frame 42B in FIG. 10). Through this processing, the generation unit 17E generates the third action history information 20D.
  • the third learning unit 17F learns a third behavior model as a behavior model for deriving a third behavior ac in the third behavior history information 20D from the situation s, based on the third behavior history information 20D.
  • the third action ac is an action a defined in the third action history information 20D, and the first action aa in the first action history information 20A and the recommended action in the second action history information 20B. ab.
  • the third behavior model is an example of a behavior model.
  • the third behavior model is a learning model for deriving the third behavior ac from the situation s.
  • the third learning unit 17F uses the teacher data indicating the correspondence between the situation s corresponding to each timing indicated in the third action history information 20D and the third action ac in the same manner as the first learning unit 18A. What is necessary is just to learn three action models.
  • the extraction unit 17C extracts, as a specific situation, a situation s in which the evaluation value R of the situation s output from the content 32 when the third action ac derived from the third action model is input as the action a exceeds the third threshold value. I do.
  • the extraction unit 17C is similar to the extraction unit 18C of the first embodiment except that the evaluation value R is calculated using the third behavior model instead of the first behavior model and the second behavior model. , To extract specific situations.
  • the third action history information 20D is generated by replacing the first action aa whose difference from the recommended action ab in the first action history information 20A is equal to or more than a predetermined value with the recommended action ab. Action history information.
  • the extraction unit 17C extracts a situation s in which the evaluation value R is improved by replacing the first behavior aa with the recommended behavior ab as a specific situation.
  • the extraction unit 17C uses the third threshold value to determine the evaluation value R.
  • the lower limit of the range of the evaluation value R for determining that the situation s has been improved by replacing the first action aa with the recommended action ab may be set as the third threshold. Then, the extraction unit 17C may extract the situation s in which the evaluation value R is equal to or more than the third threshold as the specific situation.
  • the extraction unit 17C may further extract the cause of occurrence of the specific situation, similarly to the extraction unit 18C of the first embodiment.
  • the extraction of the cause of the specific situation may be performed in the same manner as the extraction unit 18C.
  • FIG. 11 is a flowchart illustrating an example of a procedure of information processing executed by the information processing apparatus 10.
  • the first learning unit 18A acquires the first action history information 20A from the storage unit 21 (Step S300). Next, the first learning unit 18A learns the first behavior model based on the first behavior history information 20A acquired in step S300 (step S302).
  • the second learning unit 18B acquires the second action history information 20B from the storage unit 21 (Step S304). Next, the second learning unit 18B learns the second behavior model based on the second behavior history information 20B acquired in step S304 (step S306).
  • the generation unit 17E generates the third action history information 20D using the first action history information 20A and the second action history information 20B (Step S308).
  • the third learning unit 17F learns a third behavior model based on the third behavior history information 20D generated in step S308 (step S310).
  • the extraction unit 17C virtually executes the game realized by the content 32 using the third behavior model learned in step S310 (step S312). That is, in step 312, the extraction unit 17C sequentially inputs the third action ac derived from the third action model to the content 32 as the action a.
  • the extraction unit 17C extracts a specific situation of the content 32 based on the evaluation value R of the situation s sequentially output from the content 32 in step S312 based on the third behavior model learned in step S310 ( Step S314).
  • the extraction unit 18C extracts the cause of the specific situation extracted in step S314 (step S316).
  • the output control unit 18D outputs the specific situation extracted in step S316 and the advice information on the cause of occurrence extracted in step S316 to the terminal device 12 (step S318). Then, this routine ends.
  • the generation unit 17E determines the second action aa of the first action history information 20A based on the first action history information 20A and the second action history information 20B.
  • the third action history information 20D is generated by replacing the first action aa whose difference from the recommended action ab of the action history information 20B is equal to or more than a predetermined value with the recommended action ab.
  • the third learning unit 17F Based on the third action history information 20D, the third learning unit 17F generates a first action aa in the third action history information 20D and a third action ac as the recommended action ab in the third action history information 20D based on the situation s. 3. Learn the behavior model.
  • the extraction unit 17C extracts, as a specific situation, a situation s in which the evaluation value R of the situation s output from the content 32 when the third action ac derived from the third action model is input as the action a is equal to or greater than the third threshold. I do.
  • the generation unit 17E stores the first action history information 20A of the first user U1 in the second action history of the second user U2 having a higher proficiency or skill in the content 32 than the first user U1.
  • the third action history information 20D corrected using the information 20B is generated.
  • the extraction unit 17C extracts a specific situation based on the third behavior model of the user U, which is learned from the third behavior history information 20D.
  • the information processing apparatus 10A can provide advice information according to the action a of the user U.
  • identification is performed based on the difference between the first action aa defined in the first action history information 20A of the first user U1 and the recommended action ab derived from the second action model of the second user U2.
  • a mode for extracting a situation will be described.
  • FIG. 1 is a schematic diagram illustrating an example of an information processing system 1B according to the present modification.
  • the information processing system 1B includes an information processing device 10B and a terminal device 12.
  • the information processing system 1B is the same as the information processing system 1 of the first embodiment except that the information processing system 1B includes an information processing device 10B instead of the information processing device 10.
  • FIG. 3 is an example of a functional block diagram of the information processing device 10B and the terminal device 12.
  • the functional configuration of the terminal device 12 is the same as in the first embodiment.
  • the information processing device 10 ⁇ / b> B includes a control unit 19, a storage unit 20, and a communication unit 22.
  • the storage unit 21, the communication unit 22, and the control unit 19 are connected so that data and signals can be exchanged.
  • the storage unit 20 and the communication unit 22 are the same as in the first embodiment.
  • the control unit 19 controls the information processing device 10B.
  • the control unit 19 includes a first learning unit 18A, a second learning unit 18B, an extraction unit 19C, and an output control unit 18D.
  • Some or all of the first learning unit 18A, the second learning unit 18B, the extraction unit 19C, and the output control unit 18D may be configured to execute a program by a processing device such as a CPU, that is, may be realized by software. Alternatively, it may be realized by hardware such as an IC, or may be realized by using software and hardware together.
  • the first learning unit 18A, the second learning unit 18B, and the output control unit 18D are the same as in the first embodiment.
  • the extraction unit 19C determines the first action aa and the recommended action ab based on the first action history information 20A indicating the correspondence between the situation s and the first action aa of the first user U1, and the second action model.
  • the situation s whose difference is equal to or greater than the second threshold is extracted as a specific situation.
  • the second learning unit 18B of the control unit 19 learns the second behavior model from the second behavior history information 20B in the same manner as in the first embodiment.
  • the extraction unit 19C obtains the recommended action ab for the situation s by introducing each of the situations s indicated in the first action history information 20A into the second action model.
  • the situation s indicated in the first action history information 20A and the situation s indicated in the second action history information 20B sometimes do not match.
  • the output status s of the content 32 changes according to the input action a of the user U. Therefore, when the behavior a of the first user U1 and the second user U2 for a certain situation s is different, the changed situation s output from the content 32 is different. For this reason, at least a part of the situation s indicated in the first action history information 20A and the situation s indicated in the second action history information 20B may not match.
  • the situation s changed by the first action aa by the first user U1 may include a situation s not caused by the recommended action ab by the second user U2.
  • the extraction unit 19C derives the recommended behavior ab corresponding to the situation s by introducing each of the situations s indicated in the first behavior history information 20A into the second behavior model.
  • the extracting unit 19C calculates, for each situation s indicated in the first action history information 20A, a difference between the corresponding first action aa and the corresponding recommended action ab derived using the second action model. I do.
  • the extraction unit 19C extracts a situation s in which the difference between the first action aa and the recommended action ab is equal to or more than a second threshold as a specific situation.
  • the first action aa is a normal or good action a.
  • the larger the difference between the first action aa and the recommended action ab the more abnormal or poor the first action aa is.
  • the lower limit of the range of the difference between the first action aa and the recommended action ab which is regarded as abnormal or bad action a, may be set in advance as the second threshold.
  • the extraction unit 19C may determine a second threshold value in advance for each of the content 32, the first user U1, and the second user U2, and store the second threshold value in the storage unit 20 in advance in association with the identification information. Then, when extracting the specific situation, the extraction unit 19C reads from the storage unit 20 the second threshold value corresponding to the identification information of the first user U1, the second user U2, and the content 32 to be processed, and extracts the specific situation. It may be used.
  • the extracting unit 19C determines that the difference between the first action aa and the recommended action ab is the second based on the first action history information 20A of the first user U1 and the second action model of the second user U2. A situation s equal to or greater than the threshold is extracted as a specific situation.
  • the extraction unit 19C calculates the degree of deviation between a set of continuous first actions aa in the first action history information 20A and a set of continuous recommended actions ab in the second action history information 20B as the difference.
  • the situation s in which the difference is equal to or greater than the second threshold may be extracted as the specific situation.
  • the extraction unit 19C may further extract the extracted cause of the specific situation.
  • the extraction of the occurrence factor may be performed using the first behavior model learned by the first learning unit 18A, as in the first embodiment.
  • the control unit 19 may be configured not to include the first learning unit 18A.
  • the output control unit 18D outputs the advice information on the specific situation, as in the first embodiment.
  • the specific situation is the situation s where the difference between the first action aa and the recommended action ab is equal to or greater than the second threshold.
  • the advice information may further include information indicating a difference between the first action aa of the first user U1 and the recommended action ab of the second user U2.
  • the advice information indicates at least one of the content of the specific situation, the cause of the specific situation, the difference between the action a and the recommended action ab of the user U for the specific situation, and the method of avoiding the specific situation. Any information is acceptable.
  • the advice information includes information indicating the difference between the first action aa of the first user U1 and the recommended action ab of the second user U2 as the information on the specific situation
  • the information output by the terminal device 12 is the difference May be included.
  • FIG. 12 is a schematic diagram showing an example of the display screen 44 including the advice information.
  • FIG. 12 shows an example in which the content 32 is a drive game 32A (see FIG. 2).
  • the control unit 24 of the terminal device 12 outputs to the UI unit 26 a display screen 44 in which a line P1 and a line P2 indicating advice information are arranged on a game screen provided in the drive game 32A.
  • the line P1 is an image indicating the first action aa of the first user U1.
  • the line P2 is an image indicating the recommended action ab of the second user U2.
  • the terminal device 12 displays information indicating the difference between the first action aa of the first user U1 and the recommended action ab of the second user U2 by displaying the display screen 44 indicating the line P1 and the line P2. May be.
  • the display screen 44 may be generated on the information processing device 10B side or may be generated on the terminal device 12 side.
  • FIG. 13 is a flowchart illustrating an example of a procedure of information processing executed by the information processing apparatus 10B.
  • the first learning unit 18A acquires the first action history information 20A from the storage unit 20 (Step S400). Next, the first learning unit 18A learns the first behavior model based on the first behavior history information 20A acquired in step S400 (step S402).
  • the second learning unit 18B acquires the second action history information 20B from the storage unit 20 (Step S404). Next, the second learning unit 18B learns a second behavior model based on the second behavior history information 20B acquired in step S404 (step S406).
  • the extraction unit 19C derives a recommended action ab corresponding to the situation s by inputting each of the situations s indicated in the first action history information 20A to the second behavior model learned in step S406. (Step S408).
  • the extracting unit 19C calculates, for each situation s indicated in the first action history information 20A, the difference between the corresponding first action aa and the corresponding recommended action ab derived using the second action model in step S408. Extracts the situation s equal to or greater than the second threshold value as the specific situation (step S410).
  • the extraction unit 19C extracts in step S410 in the same manner as the extraction unit 18C in the first embodiment.
  • the cause of the occurrence of the specified situation is extracted (step S412).
  • the output control unit 18D outputs, to the terminal device 12, the advice information on the specific situation extracted in step S410 and the occurrence factor extracted in step S412 (step S414). Then, this routine ends.
  • the second learning unit 18B uses the second behavior as the behavior model for deriving the recommended behavior ab from the situation s based on the second behavior history information 20B.
  • the extracting unit 19C extracts, as a specific situation, a situation s in which the difference between the first behavior aa and the recommended behavior ab is equal to or greater than a second threshold based on the first behavior history information 20A and the second behavior model.
  • the information processing apparatus 10B includes the first behavior aa corresponding to the situation s indicated in the first behavior history information 20A of the first user U1 and the situation s derived from the second behavior model.
  • a situation s in which a difference from the corresponding recommended action ab is equal to or more than a second threshold is extracted as a specific situation.
  • the first action history information 20A indicates The recommended behavior ab of the second user U2 corresponding to each of the situations s to be performed can be derived.
  • the information processing apparatus 10 ⁇ / b> B of the present embodiment can accurately provide advice information according to the behavior of the user U.
  • the advice information indicates at least one of the content of the specific situation, the cause of the specific situation, the difference between the action a of the user U and the recommended action ab with respect to the specific situation, and the method of avoiding the specific situation.
  • the information processing apparatus 10B of the present embodiment can provide appropriate advice information according to the behavior of the user U in addition to the above-described effects.
  • the application targets of the information processing apparatuses 10, 10A, and 10B according to the embodiment and the modification are not limited.
  • the present invention can be applied to a system using the game device 12A, a development tool kit for game developers, various systems for providing advice information on the behavior of the user U in the real space, and the like.
  • a training game for characters and avatars operating in the game and an AI (Artificial Intelligence) installed in the game are provided. Development efficiency can be improved.
  • FIG. 14 is a hardware configuration diagram illustrating an example of a computer 1000 that implements the functions of the information processing apparatuses 10, 10A, and 10B and the terminal device 12 according to the embodiment and the modification.
  • the computer 1000 includes a CPU 1100, a RAM 1200, a read only memory (ROM) 1300, a hard disk drive (HDD) 1400, a communication interface 1500, and an input / output interface 1600. Each unit of the computer 1000 is connected by a bus 1050.
  • the CPU 1100 operates based on a program stored in the ROM 1300 or the HDD 1400 and controls each unit. For example, the CPU 1100 expands a program stored in the ROM 1300 or the HDD 1400 into the RAM 1200 and executes processing corresponding to various programs.
  • the ROM 1300 stores a boot program such as a BIOS (Basic Input Output System) executed by the CPU 1100 when the computer 1000 starts up, a program that depends on the hardware of the computer 1000, and the like.
  • BIOS Basic Input Output System
  • the HDD 1400 is a computer-readable recording medium for non-temporarily recording a program executed by the CPU 1100, data used by the program, and the like.
  • HDD 1400 is a recording medium that records a program according to the present disclosure, which is an example of program data 1450, and the like.
  • the communication interface 1500 is an interface for connecting the computer 1000 to an external network 1550 (for example, the Internet).
  • the CPU 1100 receives data from another device via the communication interface 1500 or transmits data generated by the CPU 1100 to another device.
  • the input / output interface 1600 is an interface for connecting the input / output device 1650 and the computer 1000.
  • the CPU 1100 receives data from an input device such as a keyboard and a mouse via the input / output interface 1600.
  • the CPU 1100 transmits data to an output device such as a display, a speaker, or a printer via the input / output interface 1600.
  • the input / output interface 1600 may function as a media interface that reads a program or the like recorded on a predetermined recording medium (media).
  • the medium is, for example, an optical recording medium such as a DVD (Digital Versatile Disc) or a PD (Phase change rewritable Disk), a magneto-optical recording medium such as an MO (Magneto-Optical Disk), a tape medium, a magnetic recording medium, or a semiconductor memory. It is.
  • an optical recording medium such as a DVD (Digital Versatile Disc) or a PD (Phase change rewritable Disk)
  • a magneto-optical recording medium such as an MO (Magneto-Optical Disk)
  • a tape medium such as a magnetic tape, a magnetic recording medium, or a semiconductor memory. It is.
  • the CPU 1100 of the computer 1000 executes the information processing program loaded on the RAM 1200 to realize the functions of the extraction unit 18C and the like. I do.
  • the HDD 1400 stores an information processing program according to the present disclosure and data in the storage unit 20 and the storage unit 21. Note that the CPU 1100 reads and executes the program data 1450 from the HDD 1400. However, as another example, the CPU 1100 may acquire these programs from another device via the external network 1550.
  • An extracting unit configured to extract a specific situation of a content whose situation changes according to the behavior of the user, based on a behavior model of the user;
  • An output control unit that outputs advice information regarding the specific situation;
  • An information processing apparatus comprising: (2) Learning a first behavior model as the behavior model for deriving the first behavior from the situation based on first behavior history information indicating a correspondence between the situation and a first behavior of a first user as the user
  • a first learning unit that performs The extraction unit includes: When the first action derived from the first action model is input as the action, the situation where the evaluation value of the situation output from the content is equal to or less than a first threshold is extracted as the specific situation,
  • the information processing device according to (1).
  • the extraction unit includes: Further extracting a correspondence between the situation and the first action in a period before the occurrence timing of the specific situation as a cause of the specific situation, The information processing device according to (2).
  • the extraction unit includes: When a correction action obtained by correcting the first action is input to the content as the action in the situation before the occurrence timing of the specific situation, the situation output from the content at the occurrence timing Extracting the correspondence between the situation where the evaluation value exceeds the first threshold value and the first action as the occurrence factor; The information processing device according to (3).
  • the extraction unit includes: Based on the first action history information indicating the correspondence between the situation and the first action of the first user as the user, and the second action model, a difference between the first action and the recommended action is set to Extracting the situation having two or more thresholds as the specific situation, The information processing device according to (1).
  • First action history information indicating a correspondence between the situation and a first action of a first user as the user, second action history information indicating a correspondence between the situation and a recommended action of a second user as the user, ,On the basis of the,
  • a generation unit configured to generate third action history information in which the first action of the first action history information, in which a difference from the recommended action is a predetermined value or more, replaces the first action with the recommended action; Based on the third action history information, a third action model is learned as the action model for deriving the first action and the third action as the recommended action in the third action history information from the situation.
  • the extraction unit includes: When the third action derived from the third action model is input as the action, the situation where the evaluation value of the situation output from the content is equal to or greater than a third threshold is extracted as the specific situation, The information processing device according to (1).
  • the advice information is The content of the specific situation, the cause of the specific situation, the difference between the user's behavior and the recommended behavior for the specific situation, and at least one of the specific situation avoidance method, The information processing apparatus according to any one of (1) to (6).
  • (8) Computer Based on the behavior model of the user, extracting a specific situation of the content whose situation changes according to the behavior of the user, Outputting advice information on the specific situation; Information processing method.

Landscapes

  • Engineering & Computer Science (AREA)
  • Multimedia (AREA)
  • Software Systems (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Evolutionary Computation (AREA)
  • Medical Informatics (AREA)
  • Data Mining & Analysis (AREA)
  • Computing Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Mathematical Physics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Optics & Photonics (AREA)
  • Artificial Intelligence (AREA)
  • User Interface Of Digital Computer (AREA)

Abstract

情報処理装置（１０）は、抽出部（１８Ｃ）と、出力制御部（１８Ｄ）と、を備える。抽出部（１８Ｃ）は、ユーザの行動モデルに基づいて、ユーザの行動に応じて状況が変化するコンテンツの特定状況を抽出する。出力制御部（１８Ｄ）は、特定状況に関するアドバイス情報を出力する。

Description

情報処理装置、および情報処理方法
　本開示は、情報処理装置、および情報処理方法に関する。
　コンピュータゲームや実空間で行われるスポーツでは、ユーザがスキルを身につけたときの成功感や達成感が、醍醐味の一つである。しかし、難易度の高いスキルの獲得には、時間を要する場合がある。そこで、１つ１つステップを踏みながら技術を習得させる、トレーニング用のアプリケーションが知られている（例えば、非特許文献１）。
Ｄａｖｉｄ　Ｓｉｌｖｅｒ１他、「Ｍａｓｔｅｒｉｎｇ　ｔｈｅ　ｇａｍｅ　ｏｆ　Ｇｏ　ｗｉｔｈ　ｄｅｅｐ　ｎｅｕｒａｌ　ｎｅｔｗｏｒｋｓ　ａｎｄ　ｔｒｅｅ　ｓｅａｒｃｈ」、ＡＲＴＩＣＬＥ、ｄｏｉ：１０．１０３８／ｎａｔｕｒｅ１６９６１
　しかしながら、トレーニング用のアプリケーションは画一的であり、ユーザの行動に応じたアドバイス情報を提供することは困難であった。
　そこで、本開示では、ユーザの行動に応じたアドバイス情報を提供することができる、情報処理装置、および情報処理方法を提案する。
　上記の課題を解決するために、本開示に係る一形態の情報処理装置は、ユーザの行動モデルに基づいて、前記ユーザの行動に応じて状況が変化するコンテンツの特定状況を抽出する抽出部と、前記特定状況に関するアドバイス情報を出力する出力制御部と、を備える。
　本開示によれば、ユーザの行動に応じたアドバイス情報を提供することができる。なお、ここに記載された効果は必ずしも限定されるものではなく、本開示中に記載されたいずれかの効果であってもよい。
本開示の第１の実施形態、第１の実施形態の変形例、および第２の実施形態に係る情報処理システムの一例を示す模式図である。 本開示の第１の実施形態に係るコンテンツの一例を示す模式図である。 本開示の第１の実施形態および第２の実施形態に係る情報処理装置および端末装置の機能ブロック図の一例を示す図である。 本開示の第１の実施形態に係る第１行動履歴情報および第２行動履歴情報のデータ構成の一例を示す模式図である。 本開示の第１の実施形態に係る発生要因の抽出の一例を示す説明図である。 本開示の第１の実施形態に係る表示画面の一例を示す模式図である。 本開示の第１の実施形態に係る情報処理の手順の一例を示すフローチャートである。 本開示の第１の実施形態に係る出力処理の手順の一例を示すフローチャートである。 本開示の第１の実施形態の変形例に係る情報処理装置および端末装置の機能ブロック図の一例を示す図である。 本開示の第１の実施形態の変形例に係る第３行動履歴情報の生成の一例を示す説明図である。 本開示の第１の実施形態の変形例に係る情報処理の手順の一例を示すフローチャートである。 本開示の第２の実施形態に係る表示画面の一例を示す模式図である。 本開示の第２の実施形態に係る情報処理の手順の一例を示すフローチャートである。 本開示の情報処理装置および端末装置の機能を実現するコンピュータの一例を示すハードウェア構成図である。
　以下に、本開示の実施形態について図面に基づいて詳細に説明する。なお、以下の各実施形態において、同一の部位には同一の符号を付することにより重複する説明を省略する。
（第１の実施形態）
［第１の実施形態に係る情報処理システムの構成］
　図１は、本実施形態の情報処理システム１の一例を示す模式図である。
　情報処理システム１は、情報処理装置１０と、端末装置１２と、を備える。情報処理装置１０と端末装置１２とは、ネットワークＮを介して通信可能に接続されている。情報処理装置１０と端末装置１２とは、無線または有線により通信可能に接続されていればよく、通信形態は限定されない。
　情報処理装置１０は、コンテンツに対する、ユーザＵの行動に応じたアドバイス情報を提供する装置である。
　コンテンツは、ユーザＵの行動に応じて状況が変化する事象である。言い換えると、コンテンツは、入力されたユーザＵの行動に応じてコンテンツ内の状況が変化し、変化後の状況を出力するアプリケーションプログラムである。詳細には、コンテンツは、ユーザＵの行動に対する状況の変化の集合によって表される。例えば、コンテンツにユーザＵの行動を示す行動信号が入力されると、コンテンツは、行動信号に応じた変化後の状況を示す状況情報を出力する。なお、以下では、行動信号を単に行動と称し、状況情報を単に状況と称して説明する場合がある。
　具体的には、コンテンツは、コンピュータで実行されるゲームである。ゲームは、現実の事象や体験を仮想的に進行するシミュレーションゲームや、コンピュータゲームを示す。
　図２は、コンテンツ３２の一例を示す模式図である。例えば、コンテンツ３２は、ドライブゲーム３２Ａ、アクションゲーム３２Ｂ、ボードゲーム３２Ｃ、ボードゲーム３２Ｄ、スポーツゲーム３２Ｅ、などである。ドライブゲーム３２Ａは、仮想空間内で車両を走行させるゲームである。アクションゲーム３２Ｂは、キャラクタの動きによりゲーム内の状況が変化するゲームである。ボードゲーム３２Ｃは、囲碁のボードゲームである。ボードゲーム３２Ｄは、将棋のボードゲームである。スポーツゲーム３２Ｅは、試合や競技などのスポーツを示すゲームである。
　なお、コンテンツ３２の種類は、これらに限定されない。例えば、コンテンツ３２は、現実の世界で行われるスポーツや車両の走行などの現実の事象や体験を、仮想的に実行するシミュレーション用のアプリケーションプログラムであってもよい。また、コンテンツ３２は、現実の世界で行われる事象の一部を簡易的に実行するアプリケーションプログラムであってもよい。すなわち、コンテンツ３２は、ユーザＵが実空間で行うスポーツなどの事象を、該事象の少なくとも一部を模擬的に示すプログラムとして提供したものであってもよい。
　図１に戻り説明を続ける。本実施形態の情報処理装置１０は、コンテンツ３２に対するユーザＵの行動に応じたアドバイス情報を出力する。ユーザＵの行動およびアドバイス情報の詳細は後述する。本実施形態では、情報処理装置１０は、アドバイス情報を端末装置１２へ送信することで、アドバイス情報を出力する。情報処理装置１０の詳細は後述する。
　端末装置１２は、情報処理装置１０から受信したアドバイス情報を出力する装置である。端末装置１２には、コンテンツ３２を実現するためのプログラム（以下、ゲームプログラムと称する）が予めインストールされている。端末装置１２は、コンテンツ３２の実行時や実行前などの所定のタイミングで、アドバイス情報を出力する。
　端末装置１２は、情報処理装置１０から受信したアドバイス情報をユーザＵが確認可能な形態で出力可能な装置であればよい。また、コンテンツ３２の実行時または実行前などにアドバイス情報を出力する観点から、端末装置１２は、コンテンツ３２を実行可能な装置であり、且つ、アドバイス情報を出力可能な装置であることが好ましい。図１には、端末装置１２の一例として、ゲーム装置１２Ａと、携帯端末１２Ｂと、を示した。
　ゲーム装置１２Ａは、コンテンツ３２の一例であるゲームを実行する装置である。ゲーム装置１２Ａは、例えば、ＲＯＭ（Ｒｅａｄ　Ｏｎｌｙ　Ｍｅｍｏｒｙ）ドライブを有し、ゲーム用ＲＯＭをＲＯＭドライブに挿入してゲームプログラムを実行することで、ゲーム装置１２Ａとして動作する。なお、ゲーム装置１２Ａは、エミュレータプログラムを起動することで、ゲームプログラムのイメージファイルを実行するエミュレーション装置としても動作できる。なおエミュレータプログラムは、ネットワークＮを介して取得してもよく、また出荷時にプリインストールされていてもよい。
　ゲーム装置１２Ａには、出力部１４および入力部１６が有線または無線により接続されている。入力部１６は、ユーザＵがゲーム装置１２Ａに対して操作入力を行うための入力インターフェース装置である。入力部１６は、ユーザＵの操作指示に応じた動作信号をゲーム装置１２Ａへ出力する。入力部１６は、コントローラ、キーボード、タッチパネル、ポインティングデバイス、マウス、入力ボタンなどである。
　出力部１４は、各種画像を表示するディスプレイである。出力部１４は、例えば、公知のＬＣＤ（Ｌｉｑｕｉｄ　Ｃｒｙｓｔａｌ　Ｄｉｓｐｌａｙ）や有機ＥＬ（Ｅｌｅｃｔｒｏ－Ｌｕｍｉｎｅｓｃｅｎｃｅ）などである。出力部１４は、画像の表示機能に加えて、音を出力するスピーカ機能を更に有していてもよい。
　携帯端末１２Ｂは、ユーザＵによって携帯可能な端末装置１２である。携帯端末１２Ｂは、例えば、タブレット端末やスマートフォンである。携帯端末１２Ｂは、ＵＩ（ユーザ・インターフェース）部２６を備える。ＵＩ部２６は、ユーザＵによる各種操作入力の受付および各種情報の出力を行う。ＵＩ部２６は、出力部２６Ａと、入力部２６Ｂと、を備える。出力部２６Ａは、各種情報を表示する。出力部２６Ａは、有機ＥＬやＬＣＤなどである。なお、出力部２６Ａは、表示機能に加えて、音を出力するスピーカ機能を備えていてもよい。入力部２６Ｂは、ユーザＵによる各種操作入力を受付ける。本実施形態では、入力部２６Ｂは、ユーザＵの操作指示に応じた動作信号を携帯端末１２Ｂの制御部へ出力する。入力部２６Ｂは、例えば、キーボード、ポインティングデバイス、マウス、入力ボタンなどである。なお、出力部２６Ａと入力部２６Ｂとを一体的に構成し、タッチパネルとしてもよい。
［第１の実施形態に係る情報処理装置１０の構成］
　図３は、情報処理装置１０および端末装置１２の機能ブロック図の一例である。
　情報処理装置１０は、制御部１８と、記憶部２０と、通信部２２と、を備える。記憶部２０および通信部２２と、制御部１８とは、データや信号を授受可能に接続されている。
　通信部２２は、ネットワークＮを介して端末装置１２などの各種装置と通信するための通信インターフェースである。
　記憶部２０は、各種情報を記憶する。本実施形態では、記憶部２０は、第１行動履歴情報２０Ａと、第２行動履歴情報２０Ｂと、行動モデルＤＢ２０Ｃと、を記憶する。
　第１行動履歴情報２０Ａは、第１ユーザＵ１の行動の履歴を示す情報である。第２行動履歴情報２０Ｂは、第２ユーザＵ２の行動の履歴を示す情報である。第１ユーザＵ１および第２ユーザＵ２は、ユーザＵの一例である。第２ユーザＵ２は、第１ユーザＵ１に比べて、コンテンツ３２に対する習熟度やスキルの高いユーザＵである。なお、第１ユーザＵ１および第２ユーザＵ２を総称して説明する場合には、単に、ユーザＵと称して説明する。
　図４は、第１行動履歴情報２０Ａおよび第２行動履歴情報２０Ｂのデータ構成の一例を示す模式図である。
　第１行動履歴情報２０Ａおよび第２行動履歴情報２０Ｂは、コンテンツ３２の状況ｓと、状況ｓに対するユーザＵの行動ａと、の対応の集合によって表される。
　コンテンツ３２の状況ｓとは、コンテンツ３２によって提供される環境を示す。状況ｓは、具体的には、ゲーム中に出力される画面、ゲーム内においてユーザＵによる操作指示などに応じて動くキャラクタの位置や活動状態、キャラクタ以外の周辺環境の状態、ゲームの進行状況、およびゲームスコア等によって表される。周辺環境の状態は、ゲーム内における上記キャラクタ以外の物の位置や物の状態、明るさや天候などを含む。なお、上述したように、コンテンツ３２が、ユーザＵが実空間で行うスポーツなどの事象を、該事象の少なくとも一部を模擬的に示すプログラムとして提供したものである場合がある。この場合、状況ｓは、実空間の状態を示す情報であってもよい。実空間の状態とは、ユーザＵの行動に応じて変化する環境であればよい。
　ユーザＵの行動ａは、ユーザＵの行動を示す行動信号によって表される。行動信号は、ユーザＵによる入力部１６の操作指示などの行動ａや、ユーザＵの身体の少なくとも一部の動き（行動ａ）を示す情報である。
　すなわち、第１行動履歴情報２０Ａおよび第２行動履歴情報２０Ｂに示される行動ａは、コンテンツ３２によって提供される状況ｓに対してユーザＵが入力部１６を操作することで入力した行動信号と、実空間におけるユーザＵの身体の少なくとも一部の動きを示す行動信号の検出結果と、の少なくとも一方を示す情報であればよい。ユーザＵの身体の少なくとも一部の動きを示す行動信号には、例えば、ユーザＵの身体の少なくとも一部の動きを検出する公知の画像処理技術や公知のセンサ検知による技術により検出された検出結果を用いればよい。
　このように、第１行動履歴情報２０Ａおよび第２行動履歴情報２０Ｂに示されるユーザＵの行動ａの履歴情報は、コンテンツ３２によって提供されるゲームに対してユーザＵが過去に入力部１６や入力部２６Ｂなどを用いて操作入力を行ったときの履歴情報であってもよい。また、第１行動履歴情報２０Ａおよび第２行動履歴情報２０Ｂに示されるユーザＵの行動ａの履歴情報は、ユーザＵが実空間においてコンテンツ３２に対応するスポーツなどの動作を行ったときの履歴情報であってもよい。
　コンテンツ３２は、ユーザＵによる入力部１６の操作指示や身体の動きなどの行動ａにより、コンテンツ３２の状況ｓが次の状況ｓへと変化する。すなわち、コンテンツ３２は、入力された行動ａに応じて変化後の状況ｓを出力する。そして、更に、変化後の状況ｓに対するユーザＵの行動ａに応じて、該状況ｓが次の状況ｓへと変化する。この繰返しにより、コンテンツ３２によって提供されるゲームやストーリなどが進行する。
　このため、第１行動履歴情報２０Ａおよび第２行動履歴情報２０Ｂには、コンテンツ３２の状況ｓと、状況ｓに対するユーザＵの行動ａと、の対応の集合が登録される。
　なお、第１行動履歴情報２０Ａおよび第２行動履歴情報２０Ｂの少なくとも一方は、状況ｓと、ユーザＵの行動ａと、の対応の時系列集合であってもよい。すなわち、第１行動履歴情報２０Ａおよび第２行動履歴情報２０Ｂの少なくとも一方は、状況ｓと行動ａとの対応を時系列のタイミングごとに示した時系列集合であってもよい。なお、時系列集合は、連続的または段階的な時系列集合であってもよく、離散的な時系列集合であってもよい。
　以下では、第１ユーザＵ１の行動ａを、第１行動ａａと称して説明する。また、第２ユーザＵ２の行動ａを、推奨行動ａｂと称して説明する。上述したように、第２ユーザＵ２は、第１ユーザＵ１に比べて、コンテンツ３２に対する習熟度やスキルの高いユーザＵである。このため、本実施形態では、第２ユーザＵ２の行動ａを、状況ｓに対する推奨される行動ａ、すなわち推奨行動ａｂと称して説明する。
　図４には、第１行動履歴情報２０Ａの一例として、各タイミングに応じた複数の状況ｓ（状況ｓ１～状況ｓｍ（ｍは２以上の整数））と、各状況ｓに対して第１ユーザＵ１の行った行動ａ（第１行動ａａ（第１行動ａａ１～第１行動ａａｍ））と、の時系列集合を示した。
　また、図４には、第２行動履歴情報２０Ｂの一例として、各タイミングに応じた複数の状況ｓ（状況ｓ１～状況ｓｎ（ｎは２以上の整数））と、各状況ｓに対して第２ユーザＵ２の行った行動ａ（推奨行動ａｂ（推奨行動ａｂ１～推奨行動ａｂｎ））と、の集合を一例として示した。
　なお、第１行動履歴情報２０Ａは、後述する制御部１８で学習した第１行動モデルに、状況ｓを入力することで導出される第１行動ａａの集合であってもよい。この場合、第１行動モデルを用いて仮想的にコンテンツ３２をプレイさせることで得られる履歴情報を、第１行動履歴情報２０Ａとして用いることが可能となる。また、この場合、第１ユーザＵ１の未経験の状況ｓに対する第１行動ａａを含む、第１行動履歴情報２０Ａを得ることができる。第１行動モデルの詳細は後述する。
　同様に、第２行動履歴情報２０Ｂは、後述する制御部１８で学習した第２行動モデルに状況ｓを入力することで導出される推奨行動ａｂの集合であってもよい。この場合、第２行動モデルを用いて仮想的にコンテンツ３２をプレイさせることで得られた履歴情報を、第２行動履歴情報２０Ｂとして用いることが可能となる。また、この場合、第２ユーザＵ２の未経験の状況ｓに対する推奨行動ａｂを含む、第２行動履歴情報２０Ｂを得ることができる。第２行動モデルの詳細は後述する。
　図３に戻り説明を続ける。情報処理装置１０は、ネットワークＮを介して１または複数の端末装置１２や外部装置などから、第１行動履歴情報２０Ａおよび第２行動履歴情報２０Ｂを収集し、記憶部２０へ記憶すればよい。
　また、上述したように、情報処理装置１０は、制御部１８で行動モデル（第１行動モデル、第２行動モデル）を用いて生成した第１行動履歴情報２０Ａおよび第２行動履歴情報２０Ｂを、記憶部２０へ記憶してもよい。
　次に、行動モデルＤＢ２０Ｃについて説明する。行動モデルＤＢ２０Ｃは、制御部１８で学習された行動モデルを登録するためのデータベースである。なお、行動モデルＤＢ２０Ｃのデータ形式は、データベースに限定されない。
　次に、制御部１８について説明する。制御部１８は、情報処理装置１０を制御する。
　制御部１８は、第１学習部１８Ａと、第２学習部１８Ｂと、抽出部１８Ｃと、出力制御部１８Ｄと、を備える。第１学習部１８Ａ、第２学習部１８Ｂ、抽出部１８Ｃ、および出力制御部１８Ｄの一部またはすべては、例えば、ＣＰＵなどの処理装置にプログラムを実行させること、すなわち、ソフトウェアにより実現してもよいし、ＩＣ（Ｉｎｔｅｇｒａｔｅｄ　Ｃｉｒｃｕｉｔ）などのハードウェアにより実現してもよいし、ソフトウェアおよびハードウェアを併用して実現してもよい。
　第１学習部１８Ａは、第１行動履歴情報２０Ａに基づいて、第１行動モデルを学習する。
　第１行動モデルは、行動モデルの一例である。行動モデルは、状況ｓから行動ａを導出するための学習モデルである。言い換えると、行動モデルは、状況ｓに応じたユーザＵの行動パターンを示すアルゴリズムによって表される分類器や識別器である。
　第１行動モデルは、状況ｓから第１行動ａａを導出するための学習モデルである。第１行動モデルは、例えば、下記式（１）で表される。
　π（ｓ）→ａａ　式（１）
　式（１）中、ｓは、コンテンツ３２によって提供される状況ｓを示す。式（１）中、ａａは、ある状況ｓのときの第１ユーザＵ１の第１行動ａａを示す。
　なお、第１行動モデルは、ある状況ｓのときに特定の第１行動ａａをとる確率を示す学習モデルであってもよい。この場合、第１行動モデルは、例えば、下記式（２）で表される。
　π（ａａ｜ｓ）→［０，１］　　　式（２）
　式（２）中、ａａおよびｓは、式（１）と同様である。
　第１学習部１８Ａは、第１行動履歴情報２０Ａに示される各タイミングに対応する状況ｓと第１行動ａａとの対を教師データとして用いる。そして、第１学習部１８Ａは、該教師データを用いて、ある状況ｓのときに第１ユーザＵ１が行う第１行動ａａを導出するための行動モデルを学習する。第１学習部１８Ａは、公知のＩｍｉｔａｔｉｏｎ　ＬｅａｒｎｉｎｇなどのユーザＵの行動模倣を学習する公知の機械学習により、第１行動モデルを学習すればよい。
　第２学習部１８Ｂは、第２行動履歴情報２０Ｂに基づいて、第２行動モデルを学習する。第２行動モデルは、行動モデルの一例である。第２行動モデルは、状況ｓから推奨行動ａｂを導出するための学習モデルである。
　第２行動モデルは、例えば、下記式（３）で表される。
　π’（ｓ）→ａｂ　式（３）
　式（３）中、ｓは、コンテンツ３２によって提供される状況ｓを示す。式（３）中、ａｂは、ある状況ｓのときの第２ユーザＵ２の推奨行動ａｂを示す。
　なお、第２行動モデルは、ある状況ｓのときに特定の推奨行動ａｂをとる確率を示す学習モデルであってもよい。この場合、第２行動モデルは、例えば、下記式（４）で表される。
　π’（ａｂ｜ｓ）→［０，１］　　　式（４）
　式（４）中、ａｂおよびｓは、上記式（３）と同様である。
　第２学習部１８Ｂは、第２行動履歴情報２０Ｂに示される各タイミングに対応する状況ｓと推奨行動ａｂとの対を教師データとして用いる。そして、第２学習部１８Ｂは、該教師データを用いて、ある状況ｓのときに第２ユーザＵ２が行う推奨行動ａｂを導出するための行動モデルを学習する。第２学習部１８Ｂは、公知のＩｍｉｔａｔｉｏｎ　ＬｅａｒｎｉｎｇなどのユーザＵの行動模倣を学習する公知の機械学習により、第２行動モデルを学習すればよい。
　なお、第１学習部１８Ａおよび第２学習部１８Ｂは、学習した第１行動モデルおよび第２行動モデルを、これらの行動モデルを分類規則に応じて分類し、各分類規則の識別情報に対応付けて行動モデルＤＢ２０Ｃへ登録してもよい。分類規則は、予め定めればよい。分類規則は、例えば、これらの行動モデルの学習に用いたユーザＵごと、ユーザＵの属するグループごと、行動モデルの適用対象ごと、などである。なお、分類規則は、これらに限定されない。
　次に、抽出部１８Ｃについて説明する。
　抽出部１８Ｃは、ユーザＵの行動モデルに基づいて、コンテンツ３２の特定状況を抽出する。コンテンツ３２の特定状況に抽出に用いるユーザＵの行動モデルは、第１ユーザＵ１の第１行動モデル、および、第２ユーザＵ２の第２行動モデル、の少なくとも一方である。本実施形態では、抽出部１８Ｃは、第１ユーザＵ１の第１行動モデルに基づいて、特定状況を抽出する。
　特定状況とは、コンテンツ３２に含まれる状況ｓの内、特定の１または複数の状況ｓの集合を示す。特定状況は、連続的または段階的な状況ｓの時系列集合であってもよいし、離散的な状況ｓの時系列集合であってもよい。なお、特定状況は、１または複数の状況ｓの集合であればよく、時系列の集合に限定されない。
　特定状況は、具体的には、コンテンツ３２で予め規定された異常とされる状況ｓである。例えば、コンテンツ３２がドライブゲーム３２Ａ（図２参照）である場合、異常とされる状況ｓは、例えば、予め定めた走行ルートを外れた状況ｓや、他の車両と衝突した状況ｓなどである。
　本実施形態では、抽出部１８Ｃは、第１行動モデルから導出した第１行動ａａを行動ａとしてコンテンツ３２に入力したときに、該コンテンツ３２から出力される状況ｓの評価値が第１閾値以下の状況を、特定状況として抽出する。
　評価値が高いほど、予め定めた推奨の状況ｓに近い事を示す。また、評価値が低いほど、予め定めた推奨の状況ｓからの距離が大きい事を示す。評価値が第１閾値以下の状態とは、コンテンツ３２で予め規定した異常とされる状況ｓである。
　第１閾値には、異常な状況ｓと正常な状況ｓとを判別するための閾値を予め定めればよい。言い換えると、第１閾値には、異常な状況ｓとみなす評価値の範囲の上限値を予め定めればよい。なお、抽出部１８Ｃは、コンテンツ３２ごとに第１閾値を予め定め、コンテンツ３２の識別情報に対応づけて第１閾値を記憶部２０へ記憶してもよい。そして、抽出部１８Ｃは、特定状況の抽出時に、特定状況の抽出対象のコンテンツ３２の識別情報に対応する第１閾値を記憶部２０から読取り、特定状況の抽出に用いればよい。
　抽出部１８Ｃは、コンテンツ３２によって提供された状況ｓを、第１行動モデルへ導入することで、該状況ｓに対する第１行動ａａを得る。そして、抽出部１８Ｃは、得られた第１行動ａａを、行動ａとしてコンテンツ３２へ入力することで、変化した次の状況ｓを得る。そして、抽出部１８Ｃは、この処理を繰り返し実行する。すなわち、抽出部１８Ｃは、第１行動モデルを用いて、コンテンツ３２によって実現されるゲームを仮想的に実行する。
　コンテンツ３２を示すモデルは、例えば、下記式（５）で表される。
　Ｔ（ｓ，ａ）→ｓ　　式（５）
　式（５）は、ある状況ｓである行動ａが入力されると、次の状況ｓが出力されることを示す。
　抽出部１８Ｃは、第１行動ａａ（行動ａ）の入力により、コンテンツ３２から変化後の新たな状況ｓが出力されるごとに、該状況ｓの評価値を算出する。
　抽出部１８Ｃは、該状況ｓの示す内容が該状況ｓを提供するコンテンツ３２において予め定めた推奨される状況ｓに近いほど、高い評価値を算出する。評価値の算出方法は、コンテンツ３２に応じて予め定めればよい。
　例えば、抽出部１８Ｃは、状況判定関数を用いて、評価値を算出する。状況判定関数は、例えば、下記式（６）または式（７）で表される。
　ｒ（ｓ）→Ｒ　　・・・式（６）
　ｒ（ｓ，ａ）→Ｒ　　・・・式（７）
　式（６）は、ある状況ｓに対する評価値Ｒを導出するための状況判定関数ｒを示す式である。式（７）は、ある状況ｓである行動ａを行ったときの評価値Ｒを導出するための状況判定関数ｒを示す式である。
　抽出部１８Ｃは、コンテンツ３２から出力された変化後の状況ｓ、または該変化後の状況ｓと該変化後の状況ｓに対して入力された第１行動ａａとしての行動ａを、上記式（６）または式（７）へ導入することで、評価値Ｒを算出する。
　そして、抽出部１８Ｃは、算出した評価値Ｒが第１閾値以下の状況ｓを、評価値Ｒが悪い、すなわち、推奨の状況ｓからより離れた状況ｓであると判断し、特定状況として抽出する。
　上記処理により抽出部１８Ｃは、第１ユーザＵ１の第１行動モデルに基づいて、コンテンツ３２の特定状況を抽出する。
　なお、抽出部１８Ｃは、抽出した特定状況の発生要因を更に抽出してもよい。
　この場合、抽出部１８Ｃは、特定状況の発生タイミングより前の期間の状況ｓと第１行動ａａとの対応を、特定状況の発生要因として更に抽出する。
　詳細には、抽出部１８Ｃは、第１行動モデルを用いて、コンテンツ３２によって実現されるゲームを仮想的に実行する。そして、抽出部１８Ｃは、上述したように、特定状況を特定すると共に、特定状況の発生タイミングを特定する。さらに、抽出部１８Ｃは、特定状況の発生タイミングより前の期間の状況ｓの時系列集合の内、少なくとも１つの状況ｓと、該状況ｓのとき入力された第１行動ａａと、の対応を、特定状況の発生要因として抽出する。
　図５は、発生要因の抽出の一例を示す説明図である。なお、図５に示すグラフ中、縦軸には状況判定関数ｒ（ｓ，ａ）によって表される評価値Ｒを示し、横軸にはタイミングを示した。
　例えば、タイミングｔ４のときの状況ｓ１０の評価値Ｒが第１閾値Ｔ１以下の範囲内であったと仮定する。この場合、抽出部１８Ｃは、該タイミングｔ４のときの状況ｓ１０を特定状況として抽出する。また、抽出部１８Ｃは、該タイミングｔ４を、特定状況の発生タイミングｔ４として特定する。
　そして、抽出部１８Ｃは、特定状況の発生タイミングｔ４より前の期間Ａの状況ｓの内、該発生タイミングｔ４より前のタイミングの状況ｓ（図５では、状況ｓ９、状況ｓ８、状況ｓ７）の各々に対する第１行動ａａを補正した補正行動を、行動ａとしてコンテンツ３２へ入力する。
　詳細には、抽出部１８Ｃは、発生タイミングｔ４より前の（過去の）タイミングに向かって、１つずつ状況ｓを遡り、１つ状況ｓを遡るごとに、遡った状況ｓに対して行われた第１行動ａａを、該第１行動ａａとは異なる値の補正行動に補正する。そして、補正した補正行動を、該状況ｓの該タイミングに対する行動ａとしてコンテンツ３２へ入力する。
　図５に示す例の場合、抽出部１８Ｃは、タイミングｔ４から１つ状況ｓを遡ったタイミングｔ３の状況ｓ９に対して入力された第１行動ａａを、補正行動に補正する。そして、抽出部１８Ｃは、該補正行動を、該タイミングｔ３に対応する行動ａとしてコンテンツ３２へ入力することで、補正後の状況ｓ９’を得る。
　なお、抽出部１８Ｃは、遡った状況ｓに対する第２ユーザＵ２の推奨行動ａｂを、補正行動として用いてもよい。すなわち、抽出部１８Ｃは、遡った状況ｓに対して入力された第２ユーザＵ２の推奨行動ａｂを、補正行動として用いてもよい。
　この場合、抽出部１８Ｃは、遡った状況ｓを、第２学習部１８Ｂで学習した第２行動モデルへ入力することで、該状況ｓに対する推奨行動ａｂを取得すればよい。
　なお、抽出部１８Ｃは、遡った状況ｓに対応する推奨行動ａｂを第２行動履歴情報２０Ｂから読取ることで、該状況ｓに対する推奨行動ａｂを取得してもよい。抽出部１８Ｃが第２行動履歴情報２０Ｂから推奨行動ａｂを読取る場合には、制御部１８は、第２学習部１８Ｂを備えない構成であってもよい。
　抽出部１８Ｃは、遡ったタイミングの状況ｓに対する行動ａとして補正行動をコンテンツ３２へ入力した後に、特定状況の発生タイミングｔ４に向かって、上記と同様にして第１行動モデルを用いてコンテンツ３２を仮想的に実行する。
　そして、抽出部１８Ｃは、特定状況の発生タイミングｔ４においてコンテンツ３２から出力される状況ｓの評価値Ｒが第１閾値Ｔ１を超えたと判定するまで、発生タイミングｔ４より前の（過去の）タイミングに向かって、１つずつ状況ｓを遡り、補正行動のコンテンツ３２への入力と発生タイミングｔ４における状況ｓの評価値Ｒの判定を繰返し実行する。
　そして、抽出部１８Ｃは、発生タイミングｔ４においてコンテンツ３２から出力される状況ｓの評価値Ｒが第１閾値Ｔ１を超えたときのタイミングの状況ｓと、該状況ｓに対する第１行動ａａとの対応を、発生要因として抽出すればよい。
　図５に示すように、発生タイミングｔ４から１つ状況ｓを遡ったタイミングｔ３の状況ｓ９を第１行動ａａの補正によって状況ｓ９’としたと想定する。そして、この場合、その後の第１行動モデルを用いたコンテンツ３２の仮想的な実行によって、発生タイミングｔ４でコンテンツ３２から出力された状況ｓが、第１閾値Ｔ１以下の状況ｓ１０９であったと想定する。
　そして、タイミングｔ３から更に１つ状況ｓを遡ったタイミングｔ２の状況ｓ８の状況ｓ８を第１行動ａａの補正によって状況ｓ８’としたと想定する。そして、この場合、その後の第１行動モデルを用いたコンテンツ３２の仮想的な実行によって、発生タイミングｔ４でコンテンツ３２から出力された状況ｓが、第１閾値Ｔ１を超える状況ｓ１０８となったと想定する。
　この場合、抽出部１８Ｃは、該タイミングｔ２の状況ｓ８と、該状況ｓ８に対する第１ユーザＵ１の第１行動ａａと、の対応を、発生タイミングｔ４の特定状況（状況ｓ１０）の発生要因として抽出する。
　このように、抽出部１８Ｃは、特定状況の発生タイミングｔ４より前の期間の状況ｓに対する第１行動ａａを補正した補正行動を、コンテンツ３２に入力する。そして、抽出部１８Ｃは、該前の期間に補正行動をコンテンツ３２に入力した場合に、発生タイミングｔ４においてコンテンツ３２から出力される状況ｓの評価値Ｒが第１閾値Ｔ１を超え、且つ発生タイミングｔ４に最も近いタイミングｔの状況ｓと第１行動ａａとの対応を、発生要因として抽出する。
　図３に戻り説明を続ける。次に、出力制御部１８Ｄについて説明する。出力制御部１８Ｄは、特定状況に関するアドバイス情報を出力する。
　出力制御部１８Ｄは、抽出部１８Ｃから特定状況を受付ける。なお、出力制御部１８Ｄは、抽出部１８Ｃから、特定状況および発生要因の双方を受付けてもよい。そして、抽出部１８Ｃは、特定状況に関するアドバイス情報を出力する。なお、抽出部１８Ｃは、特定状況および発生要因に関するアドバイス情報を出力してもよい。
　アドバイス情報とは、第１ユーザＵ１に対する、特定状況に関するアドバイスとなる情報である。具体的には、アドバイス情報は、特定状況の内容、特定状況の発生要因、および特定状況の回避方法、の少なくとも１つを示す。
　特定状況の内容とは、特定状況の示す状況ｓや、該状況ｓに対する第１ユーザＵ１の第１行動ａａを示す情報である。特定情報の示す状況ｓは、例えば、ゲーム中に出力される画面、ゲーム内において第１ユーザＵ１による操作指示などに応じて動くキャラクタの位置や活動状態、キャラクタ以外の周辺環境の状態、ゲームの進行状況、およびゲームスコア等によって表される。また、特定状況の内容は、コンテンツ３２における該特定状況の位置や発生タイミングを示す情報を含んでいてもよい。また、特定状況の内容は、該特定状況の位置や発生タイミングによって示される箇所が、第１ユーザＵ１の注意を喚起すべき箇所であることを示す情報を含んでいてもよい。
　特定状況の発生要因は、抽出部１８Ｃが抽出した発生要因を示す状況ｓと第１ユーザＵ１の第１行動ａａとの対応を示す情報であればよい。例えば、発生要因は、ある状況ｓで第１ユーザＵ１がどのような行動を行うと、発生タイミングにおいて特定状況に示される状況ｓが発生するかを示す情報であってもよい。
　特定状況の回避方法は、特定情報を回避するために第１ユーザＵ１がとる行動ａを示す情報である。特定状況の回避方法は、例えば、特定状況の示す状況ｓに対応する推奨行動ａｂを示す情報や、発生要因に示される状況ｓに対応する推奨行動ａｂを示す情報である。
　出力制御部１８Ｄは、抽出部１８Ｃから受付けた特定状況、または特定状況および発生要因を用いて、アドバイス情報を生成し、出力すればよい。
　本実施形態では、出力制御部１８Ｄは、特定状況に関するアドバイス情報を、第１ユーザＵ１に該情報を提供可能な端末装置１２へ送信することで、該アドバイス情報を出力する。
　例えば、出力制御部１８Ｄは、特定状況に関するアドバイス情報を、通信部２２およびネットワークＮを介して第１ユーザＵ１の操作する端末装置１２へ送信すればよい。この場合、例えば、記憶部２０は、第１ユーザＵ１の識別情報と、該第１ユーザＵ１の操作する端末装置１２の識別情報と、を対応づけて予め記憶すればよい。そして、出力制御部１８Ｄは、提供対象の第１ユーザＵ１の識別情報に対応する、該第１ユーザＵ１の操作する端末装置１２の識別情報を記憶部２０から読取り、該識別情報によって識別される端末装置１２へアドバイス情報を送信すればよい。
　なお、出力制御部１８Ｄは、特定状況に関するアドバイス情報を、情報処理装置１０に直接接続された表示装置などの出力装置に出力してもよい。
［第１の実施形態に係る端末装置の構成］
　次に、端末装置１２について説明する。端末装置１２は、情報処理装置１０から受信したアドバイス情報を出力する。
　端末装置１２は、制御部２４と、ＵＩ部２６と、通信部２８と、記憶部３０と、を備える。ＵＩ部２６、通信部２８、および記憶部３０と、制御部２４とは、データや信号を授受可能に接続されている。
　ＵＩ部２６は、上述したように、出力部２６Ａと入力部２６Ｂとを含む。なお、端末装置１２がゲーム装置１２Ａである場合には、出力部２６Ａは出力部１４に相当し、入力部２６Ｂは入力部１６に相当する。
　通信部２８は、ネットワークＮを介して情報処理装置１０や他の装置と通信する通信インターフェースである。記憶部３０は、各種情報を記憶する。
　制御部２４は、端末装置１２を制御する。制御部２４は、取得部２４Ａと、出力制御部２４Ｂと、を備える。取得部２４Ａおよび出力制御部２４Ｂの一部またはすべては、例えば、ＣＰＵなどの処理装置にプログラムを実行させること、すなわち、ソフトウェアにより実現してもよいし、ＩＣなどのハードウェアにより実現してもよいし、ソフトウェアおよびハードウェアを併用して実現してもよい。
　取得部２４Ａは、情報処理装置１０からアドバイス情報を取得する。出力制御部２４Ｂは、アドバイス情報をＵＩ部２６へ出力する。本実施形態では、出力制御部２４Ｂは、アドバイス情報を示す表示画面をＵＩ部２６へ表示する。
　図６は、表示画面４０の一例を示す模式図である。図６には、コンテンツ３２がドライブゲーム３２Ａ（図２参照）である場合を一例として示した。この場合、端末装置１２の出力制御部２４Ｂは、ドライブゲーム３２Ａで提供されるゲーム画面に、アドバイス情報を示すアイコンＰを配置した、表示画面４０を生成し、ＵＩ部２６へ出力する。なお、表示画面４０の生成は、情報処理装置１０の出力制御部１８Ｄで実行してもよい。
　例えば、第１ユーザＵ１は、ＵＩ部２６（入力部２６Ｂまたは入力部１６）を操作することで、表示画面４０におけるアイコンＰの表示位置を選択する。出力制御部２４Ｂは、該選択を示す選択信号をＵＩ部２６から受付けると、選択されたアイコンＰに対応するアドバイス情報の詳細をＵＩ部２６へ表示すればよい。なお、アドバイス情報の表示形態は、図６に示す形態に限定されない。
　図３に戻り説明を続ける。端末装置１２における、アドバイス情報の出力タイミングは限定されない。例えば、制御部２４は、第１ユーザＵ１によるＵＩ部２６の操作指示によってゲーム開始指示信号を受付けたときに、アドバイス情報をＵＩ部２６へ表示する。また、例えば、制御部２４は、端末装置１２がコンテンツ３２のゲームプログラムを実行中に、アドバイス情報をＵＩ部２６へ出力してよい。この場合、制御部２４は、コンテンツ３２によって提供される状況ｓがアドバイス情報に示される特定状況や発生要因の状況ｓとなった場合や特定状況に近づいたときなどに、アドバイス情報をＵＩ部２６へ出力すればよい。
［第１の実施形態に係る情報処理手順］
　次に、情報処理装置１０が実行する情報処理の手順の一例を説明する。
　図７は、情報処理装置１０が実行する情報処理の手順の一例を示す、フローチャートである。
　まず、第１学習部１８Ａが、記憶部２０から第１行動履歴情報２０Ａを取得する（ステップＳ１００）。次に、第１学習部１８Ａは、ステップＳ１００で取得した第１行動履歴情報２０Ａに基づいて、第１行動モデルを学習する（ステップＳ１０２）。
　次に、第２学習部１８Ｂが、記憶部２０から第２行動履歴情報２０Ｂを取得する（ステップＳ１０４）。次に、第２学習部１８Ｂは、ステップＳ１０４で取得した第２行動履歴情報２０Ｂに基づいて、第２行動モデルを学習する（ステップＳ１０６）。
　次に、抽出部１８Ｃが、ステップＳ１０２で学習した第１行動モデルを用いて、コンテンツ３２によって実現されるゲームを仮想的に実行する（ステップＳ１０８）。すなわち、ステップ１０８では、抽出部１８Ｃは、第１行動モデルから導出される第１行動ａａを行動ａとして、順次コンテンツ３２へ入力し、順次出力される状況ｓを得る。
　次に、抽出部１８Ｃは、ステップＳ１０２で学習した第１ユーザＵ１の第１行動モデルに基づいて、ステップＳ１０８でコンテンツ３２から順次出力される状況ｓの評価値Ｒに基づいて、コンテンツ３２の特定状況を抽出する（ステップＳ１１０）。
　次に、抽出部１８Ｃは、ステップＳ１１０で抽出した特定状況の発生要因を抽出する（ステップＳ１１２）。
　次に、出力制御部１８Ｄが、ステップＳ１１０で抽出した特定状況およびステップＳ１１２で抽出した発生要因に関するアドバイス情報を端末装置１２へ出力する（ステップＳ１１４）。そして、本ルーチンを終了する。
　なお、制御部１８は、上記ステップＳ１００～ステップＳ１０６の第１行動モデルの学習および第２行動モデルの学習の少なくとも一方の処理を、抽出部１８Ｃによる特定状況の抽出とは異なるタイミングで実行してもよい。具体的には、ステップＳ１００～ステップＳ１０６の一連の処理を、ステップＳ１０８～ステップＳ１１４の一連の処理とは異なるタイミングで実行してもよい。
［第１の実施形態に係る出力処理手順］
　次に、端末装置１２が実行する出力処理の手順の一例を説明する。
　図８は、端末装置１２が実行する出力処理の手順の一例を示す、フローチャートである。なお、図８には、端末装置１２がゲーム装置１２Ａであり、コンテンツ３２としてゲームプログラムを実行する場合を一例として説明する。
　まず、端末装置１２の取得部２４Ａが、入力部１６からゲーム開始指示信号を受付けたか否かを判断する（ステップＳ２００）。ステップＳ２００で否定判断すると（ステップＳ２００：Ｎｏ）、本ルーチンを終了する。一方、ステップＳ２００で肯定判断すると（ステップＳ２００：Ｙｅｓ）、ステップＳ２０２へ進む。
　ステップＳ２０２では、取得部２４Ａは、通信部２８を介して情報処理装置１０から、アドバイス情報を取得する。なお、端末装置１２の制御部２４は、情報処理装置１０から受信したアドバイス情報を記憶部３０へ記憶してもよい。そして、取得部２４Ａは、記憶部３０からアドバイス情報を読取ることで、アドバイス情報を取得してもよい。
　そして、出力制御部２４Ｂは、アドバイス情報をＵＩ部２６へ出力する（ステップＳ２０４）。このため、端末装置１２のＵＩ部２６には、例えば、図６に示す、アドバイス情報を示すアイコンＰを含む表示画面４０が表示される。
　そして、制御部２４は、ステップＳ２００で受付けたゲーム開始指示信号に対応するゲームプログラムを実行する（ステップＳ２０６）。そして、制御部２４は、入力部１６からゲーム終了指示を受付けたと判断するまで否定判断を繰り返し（ステップＳ２０８：Ｎｏ）、肯定判断すると（ステップＳ２０８：Ｙｅｓ）、本ルーチンを終了する。なお、上述したように、制御部２４は、ゲームの実行中に、アドバイス情報をＵＩ部２６へ出力してもよい。
　以上説明したように、本実施形態の情報処理装置１０は、抽出部１８Ｃと、出力制御部１８Ｄと、を備える。抽出部１８Ｃは、ユーザＵの行動モデルに基づいて、ユーザＵの行動に応じて状況が変化するコンテンツ３２の特定状況を抽出する。出力制御部１８Ｄは、特定状況に関するアドバイス情報を出力する。
　ここで、従来では、１つ１つステップを踏みながら技術を習得させる、トレーニング用のコンテンツを用意していた。例えば、ドライブゲームの場合、なめらかな加速方法、コーナへの進入方法などのトレーニング用コンテンツが別途用意されていた。しかしながら、トレーニング用のコンテンツは画一的であり、ユーザＵの行動に応じたアドバイス情報を提供することは困難であった。
　一方、本実施形態では、抽出部１８Ｃが、ユーザＵの行動モデルに基づいて、特定状況を抽出する。そして、出力制御部１８Ｄは、このユーザＵの行動モデルに基づいて抽出された特定状況に関する、アドバイス情報を出力する。
　従って、本実施形態の情報処理装置１０は、ユーザＵの行動に応じたアドバイス情報を提供することができる。
　また、本実施形態では、第１学習部１８Ａは、状況ｓとユーザＵとしての第１ユーザＵ１の第１行動ａａとの対応を示す第１行動履歴情報２０Ａに基づいて、状況ｓから第１行動ａａを導出するための行動モデルとして第１行動モデルを学習する。抽出部１８Ｃは、第１行動モデルから導出した第１行動ａａを行動ａとして入力したときにコンテンツ３２から出力される状況ｓの評価値Ｒが第１閾値Ｔ１以下の状況ｓを特定状況として抽出する。
　このように、本実施形態の情報処理装置１０は、第１行動モデルを用いて、コンテンツ３２へ入力するための第１ユーザＵ１の第１行動ａａを得る。このため、コンテンツ３２によって提供される状況ｓの少なくとも１つが第１行動履歴情報２０Ａに未登録の場合であっても、情報処理装置１０は、コンテンツ３２によって提供される状況ｓに応じた第１行動ａａを得ることができる。そして、情報処理装置１０の抽出部１８Ｃは、第１行動モデルから導出した第１行動ａａを行動ａとして入力したときにコンテンツ３２から出力される状況ｓの評価値Ｒを用いて、特定状況を抽出する。
　このため、本実施形態の情報処理装置１０は、上記効果に加えて、精度良く特定状況を抽出することができる。
　また、本実施形態では、抽出部１８Ｃは、特定状況の発生タイミングより前の期間の状況ｓと第１行動ａａとの対応を、特定状況の発生要因として更に抽出する。
　このように、特定状況の発生要因を更に抽出することで、本実施の形態の情報処理装置１０は、上記効果に加えて、ユーザＵに対して適切なアドバイス情報を提供することができる。
　また、本実施形態では、抽出部１８Ｃは、特定状況の発生タイミングより前の期間の状況ｓの内、第１行動ａａを補正した補正行動を行動ａとしてコンテンツ３２に入力したときに、発生タイミングにおいてコンテンツ３２から出力される状況ｓの評価値Ｒが第１閾値Ｔ１を超える状況ｓと第１行動ａａとの対応を、発生要因として抽出する。
　すなわち、抽出部１８Ｃは、特定状況の発生タイミングより前の期間の状況ｓの内、状況ｓに対する第１行動ａａを他の行動ａである補正行動に変更した場合に、発生タイミングにおける状況ｓの評価値Ｒが良好となる状況ｓと、該状況ｓに対して行われた第１行動ａａと、を発生要因として抽出する。
　このため、本実施形態の情報処理装置１０は、上記効果に加えて、精度良く発生要因を抽出することができる。
［第１の実施形態の変形例］
　本変形例では、第１ユーザＵ１の第１行動履歴情報２０Ａを補正した行動履歴情報を生成し、該行動履歴情報に基づいて学習した行動モデルに基づいて、推奨状況を抽出する。
［第１の実施形態の変形例に係る情報処理システムの構成］
　図１は、本変形例の情報処理システム１Ａの一例を示す模式図である。
　情報処理システム１Ａは、情報処理装置１０Ａと、端末装置１２と、を備える。情報処理システム１Ａは、情報処理装置１０に代えて情報処理装置１０Ａを備える点以外は、第１の実施形態の情報処理システム１と同様である。
［第１の実施形態の変形例に係る情報処理装置の構成］
　図９は、情報処理装置１０Ａおよび端末装置１２の機能ブロック図の一例である。端末装置１２の機能的構成は、第１の実施形態と同様である。
　情報処理装置１０Ａは、制御部１７と、記憶部２１と、通信部２２と、を備える。記憶部２１および通信部２２と、制御部１７とは、データや信号を授受可能に接続されている。通信部２２は、第１の実施形態と同様である。
　記憶部２１は、各種情報を記憶する。本変形例では、記憶部２１は、第１行動履歴情報２０Ａと、第２行動履歴情報２０Ｂと、第３行動履歴情報２０Ｄと、行動モデルＤＢ２０Ｃと、を記憶する。第１行動履歴情報２０Ａ、第２行動履歴情報２０Ｂ、および行動モデルＤＢ２０Ｃは、第１の実施形態と同様である。
　第３行動履歴情報２０Ｄは、第１行動履歴情報２０Ａを補正した行動履歴情報である。第３行動履歴情報２０Ｄは、制御部１７の処理によって生成され、記憶部２１に記憶される（詳細後述）。
　制御部１７は、情報処理装置１０Ａを制御する。制御部１７は、第１学習部１８Ａと、第２学習部１８Ｂと、生成部１７Ｅと、第３学習部１７Ｆと、抽出部１７Ｃと、出力制御部１８Ｄと、を備える。第１学習部１８Ａ、第２学習部１８Ｂ、生成部１７Ｅ、第３学習部１７Ｆ、抽出部１７Ｃ、および出力制御部１８Ｄの一部またはすべては、例えば、ＣＰＵなどの処理装置にプログラムを実行させること、すなわち、ソフトウェアにより実現してもよいし、ＩＣなどのハードウェアにより実現してもよいし、ソフトウェアおよびハードウェアを併用して実現してもよい。第１学習部１８Ａ、第２学習部１８Ｂ、および出力制御部１８Ｄは、第１の実施形態と同様である。
　生成部１７Ｅは、第１ユーザＵ１の第１行動履歴情報２０Ａを補正し、第３行動履歴情報２０Ｄを生成する。
　図１０は、第３行動履歴情報２０Ｄの生成の一例を示す説明図である。
　生成部１７Ｅは、第１行動履歴情報２０Ａと、第２行動履歴情報２０Ｂと、に基づいて、第１行動履歴情報２０Ａの第１行動ａａの内、推奨行動ａｂとの差が所定値以上の第１行動ａａを該推奨行動ａｂに置換することにより、第３行動履歴情報２０Ｄを生成する。
　詳細には、生成部１７Ｅは、第１行動履歴情報２０Ａと第２行動履歴情報２０Ｂについて、同じ状況ｓに対応する第１行動ａａと推奨行動ａｂとを比較する。言い換えると、生成部１７Ｅは、第１行動履歴情報２０Ａと第２行動履歴情報２０Ｂについて、同じ状況ｓごとに、対応する第１行動ａａと推奨行動ａｂとを比較する。
　そして、生成部１７Ｅは、第１行動履歴情報２０Ａに規定された１または複数の状況ｓにおける、対応する第１行動ａａと推奨行動ａｂとの差が所定値以上の状況ｓを特定する。
　ここで、第１行動ａａと推奨行動ａｂとの差が小さいほど、第１行動ａａは正常または良好な行動ａである。また、第１行動ａａと推奨行動ａｂとの差が大きいほど、第１行動ａａは異常または不良な行動ａである。
　このため、所定値には、異常または不良な行動ａとみなす、第１行動ａａと推奨行動ａｂとの差の範囲の下限値を予め定めればよい。なお、生成部１７Ｅは、コンテンツ３２やユーザＵごとに所定値を予め定め、コンテンツ３２およびユーザＵの識別情報に対応づけて記憶部２１へ予め記憶してもよい。そして、生成部１７Ｅは、第３行動履歴情報２０Ｄの生成時に、処理対象のコンテンツ３２およびユーザＵの識別情報に対応する所定値を記憶部２１から読取り、第３行動履歴情報２０Ｄの生成に用いればよい。
　次に、生成部１７Ｅは、第１行動履歴情報２０Ａに規定された１または複数の状況ｓに対応する第１行動ａａの内、該差が所定値以上であると特定した状況ｓに対応する第１行動ａａを、第２行動履歴情報２０Ｂにおける同じ状況ｓに対応する推奨行動ａｂに置換する。この置換により、生成部１７Ｅは、第３行動履歴情報２０Ｄを生成する。
　具体的には、図１０に示すように、第１行動履歴情報２０Ａの状況ｓ２に対応する第１行動ａａ２と、第２行動履歴情報２０Ｂの同じ状況ｓ２に対応する推奨行動ａｂ２との差が、所定値以上であったと想定する。また、第１行動履歴情報２０Ａの状況ｓ３に対応する第１行動ａａ３と、第２行動履歴情報２０Ｂの同じ状況ｓ３に対応する推奨行動ａｂ３との差が、所定値以上であったと想定する。この場合、生成部１７Ｅは、第１行動履歴情報２０Ａの第１行動ａａ２および第１行動ａａ３（図１０中、枠線４２Ａ内参照）を、第２行動履歴情報２０Ｂの推奨行動ａｂ２および推奨行動ａｂ３（図１０中、枠線４２Ｂ内参照）に置換する。この処理により、生成部１７Ｅは、第３行動履歴情報２０Ｄを生成する。
　図９に戻り説明を続ける。第３学習部１７Ｆは、第３行動履歴情報２０Ｄに基づいて、状況ｓから該第３行動履歴情報２０Ｄにおける第３行動ａｃを導出するための行動モデルとして、第３行動モデルを学習する。第３行動ａｃは、図１０に示すように、第３行動履歴情報２０Ｄに規定された行動ａであり、第１行動履歴情報２０Ａの第１行動ａａと、第２行動履歴情報２０Ｂの推奨行動ａｂと、によって表される。
　図９に戻り説明を続ける。第３行動モデルは、行動モデルの一例である。第３行動モデルは、状況ｓから第３行動ａｃを導出するための学習モデルである。
　第３学習部１７Ｆは、第３行動履歴情報２０Ｄに示される各タイミングに対応する状況ｓと第３行動ａｃとの対応を示す教師データを用いて、第１学習部１８Ａと同様にして、第３行動モデルを学習すればよい。
　次に、抽出部１７Ｃについて説明する。
　抽出部１７Ｃは、第３行動モデルから導出した第３行動ａｃを行動ａとして入力したときにコンテンツ３２から出力される状況ｓの評価値Ｒが第３閾値を超える状況ｓを、特定状況として抽出する。
　すなわち、抽出部１７Ｃは、第１行動モデルおよび第２行動モデルに代えて、第３行動モデルを用いて評価値Ｒを算出する点以外は、第１の実施形態の抽出部１８Ｃと同様にして、特定状況を抽出する。
　ここで、上述したように、第３行動履歴情報２０Ｄは、第１行動履歴情報２０Ａにおける、推奨行動ａｂとの差が所定値以上の第１行動ａａを該推奨行動ａｂに置換することにより生成された行動履歴情報である。
　このため、本変形例では、抽出部１７Ｃは、第１行動ａａを推奨行動ａｂに置換することで評価値Ｒの向上した状況ｓを、特定状況として抽出する。
　すなわち、本変形例では、抽出部１７Ｃは、評価値Ｒの判断に、第３閾値を用いる。第３閾値には、第１行動ａａを推奨行動ａｂに置換することで状況ｓが向上したと判別するための評価値Ｒの範囲の下限値を定めればよい。そして、抽出部１７Ｃは、評価値Ｒが第３閾値以上の状況ｓを、特定状況として抽出すればよい。
　なお、抽出部１７Ｃは、第１の実施形態の抽出部１８Ｃと同様に、特定状況の発生要因を更に抽出してもよい。特定状況の発生要因の抽出は、抽出部１８Ｃと同様に実行すればよい。
［第１の実施形態の変形例に係る情報処理手順］
　次に、情報処理装置１０Ａが実行する情報処理の手順の一例を説明する。
　図１１は、情報処理装置１０が実行する情報処理の手順の一例を示す、フローチャートである。
　まず、第１学習部１８Ａが、記憶部２１から第１行動履歴情報２０Ａを取得する（ステップＳ３００）。次に、第１学習部１８Ａは、ステップＳ３００で取得した第１行動履歴情報２０Ａに基づいて、第１行動モデルを学習する（ステップＳ３０２）。
　次に、第２学習部１８Ｂが、記憶部２１から第２行動履歴情報２０Ｂを取得する（ステップＳ３０４）。次に、第２学習部１８Ｂは、ステップＳ３０４で取得した第２行動履歴情報２０Ｂに基づいて、第２行動モデルを学習する（ステップＳ３０６）。
　次に、生成部１７Ｅが、第１行動履歴情報２０Ａおよび第２行動履歴情報２０Ｂを用いて第３行動履歴情報２０Ｄを生成する（ステップＳ３０８）。次に、第３学習部１７Ｆが、ステップＳ３０８で生成した第３行動履歴情報２０Ｄに基づいて、第３行動モデルを学習する（ステップＳ３１０）。
　次に、抽出部１７Ｃが、ステップＳ３１０で学習した第３行動モデルを用いて、コンテンツ３２によって実現されるゲームを仮想的に実行する（ステップＳ３１２）。すなわち、ステップ３１２では、抽出部１７Ｃは、第３行動モデルから導出される第３行動ａｃを行動ａとして、順次コンテンツ３２へ入力する。
　次に、抽出部１７Ｃは、ステップＳ３１０で学習した第３行動モデルに基づいて、ステップＳ３１２でコンテンツ３２から順次出力される状況ｓの評価値Ｒに基づいて、コンテンツ３２の特定状況を抽出する（ステップＳ３１４）。
　次に、抽出部１８Ｃは、ステップＳ３１４で抽出した特定状況の発生要因を抽出する（ステップＳ３１６）。
　次に、出力制御部１８Ｄが、ステップＳ３１６で抽出した特定状況およびステップＳ３１６で抽出した発生要因に関するアドバイス情報を端末装置１２へ出力する（ステップＳ３１８）。そして、本ルーチンを終了する。
　以上説明したように、本変形例では、生成部１７Ｅが、第１行動履歴情報２０Ａと第２行動履歴情報２０Ｂとに基づいて、第１行動履歴情報２０Ａの第１行動ａａの内、第２行動履歴情報２０Ｂの推奨行動ａｂとの差が所定値以上の第１行動ａａを該推奨行動ａｂに置換した第３行動履歴情報２０Ｄを生成する。第３学習部１７Ｆは、第３行動履歴情報２０Ｄに基づいて、状況ｓから第３行動履歴情報２０Ｄにおける第１行動ａａおよび推奨行動ａｂとしての第３行動ａｃを導出するための行動モデルとして第３行動モデルを学習する。抽出部１７Ｃは、第３行動モデルから導出した第３行動ａｃを行動ａとして入力したときにコンテンツ３２から出力される状況ｓの評価値Ｒが第３閾値以上の状況ｓを、特定状況として抽出する。
　このように、本変形例では、生成部１７Ｅが、第１ユーザＵ１の第１行動履歴情報２０Ａを、第１ユーザＵ１よりコンテンツ３２に対する習熟度やスキルの高い第２ユーザＵ２の第２行動履歴情報２０Ｂを用いて補正した、第３行動履歴情報２０Ｄを生成する。そして、抽出部１７Ｃは、この第３行動履歴情報２０Ｄから学習された、ユーザＵの第３行動モデルに基づいて、特定状況を抽出する。
　このため、本変形例の情報処理装置１０Ａは、ユーザＵの行動ａに応じたアドバイス情報を提供することができる。
（第２の実施形態）
　本実施形態では、第１ユーザＵ１の第１行動履歴情報２０Ａに規定された第１行動ａａと、第２ユーザＵ２の第２行動モデルから導出した推奨行動ａｂと、の差に基づいて、特定状況を抽出する形態を説明する。
［第２の実施形態に係る情報処理システムの構成］
　図１は、本変形例の情報処理システム１Ｂの一例を示す模式図である。
　情報処理システム１Ｂは、情報処理装置１０Ｂと、端末装置１２と、を備える。情報処理システム１Ｂは、情報処理装置１０に代えて情報処理装置１０Ｂを備える点以外は、第１の実施形態の情報処理システム１と同様である。
［第２の実施形態に係る情報処理装置の構成］
　図３は、情報処理装置１０Ｂおよび端末装置１２の機能ブロック図の一例である。端末装置１２の機能的構成は、第１の実施形態と同様である。
　情報処理装置１０Ｂは、制御部１９と、記憶部２０と、通信部２２と、を備える。記憶部２１および通信部２２と、制御部１９とは、データや信号を授受可能に接続されている。記憶部２０および通信部２２は、第１の実施形態と同様である。
　制御部１９は、情報処理装置１０Ｂを制御する。制御部１９は、第１学習部１８Ａと、第２学習部１８Ｂと、抽出部１９Ｃと、出力制御部１８Ｄと、を備える。第１学習部１８Ａ、第２学習部１８Ｂ、抽出部１９Ｃ、および出力制御部１８Ｄの一部またはすべては、例えば、ＣＰＵなどの処理装置にプログラムを実行させること、すなわち、ソフトウェアにより実現してもよいし、ＩＣなどのハードウェアにより実現してもよいし、ソフトウェアおよびハードウェアを併用して実現してもよい。第１学習部１８Ａ、第２学習部１８Ｂ、および出力制御部１８Ｄは、第１の実施形態と同様である。
　抽出部１９Ｃは、状況ｓと第１ユーザＵ１の第１行動ａａとの対応を示す第１行動履歴情報２０Ａと、第２行動モデルと、に基づいて、第１行動ａａと推奨行動ａｂとの差が第２閾値以上の状況ｓを、特定状況として抽出する。
　詳細には、本実施形態では制御部１９の第２学習部１８Ｂが、第１の実施形態と同様にして、第２行動履歴情報２０Ｂから第２行動モデルを学習する。
　そして、抽出部１９Ｃは、第１行動履歴情報２０Ａに示される状況ｓの各々を、第２行動モデルへ導入することで、該状況ｓに対する推奨行動ａｂを得る。
　ここで、第１行動履歴情報２０Ａに示される状況ｓと、第２行動履歴情報２０Ｂに示される状況ｓとは、少なくとも一部が不一致の場合がある。上述したように、コンテンツ３２は、入力されたユーザＵの行動ａに応じて、出力する状況ｓが変化する。このため、ある状況ｓに対する第１ユーザＵ１と第２ユーザＵ２の行動ａが異なる場合、コンテンツ３２から出力される変化後の状況ｓは、異なるものとなる。このため、第１行動履歴情報２０Ａに示される状況ｓと、第２行動履歴情報２０Ｂに示される状況ｓと、の少なくとも一部が不一致の場合がある。
　すると、第１行動履歴情報２０Ａに示される複数の状況ｓの内、少なくとも一部の状況ｓが、第２行動履歴情報２０Ｂには示されない場合がある。言い換えると、第１ユーザＵ１による第１行動ａａによって変化した状況ｓには、第２ユーザＵ２による推奨行動ａｂによっては生じない状況ｓが含まれる場合がある。
　そこで、本実施形態では、抽出部１９Ｃは、第１行動履歴情報２０Ａに示される状況ｓの各々を、第２行動モデルへ導入することで、該状況ｓに対応する推奨行動ａｂを導出する。
　そして、抽出部１９Ｃは、第１行動履歴情報２０Ａに示される状況ｓごとに、対応する第１行動ａａと、第２行動モデルを用いて導出した該対応する推奨行動ａｂと、の差を算出する。
　そして、抽出部１９Ｃは、この第１行動ａａと推奨行動ａｂとの差が第２閾値以上の状況ｓを、特定状況として抽出する。
　ここで、第１行動ａａと推奨行動ａｂとの差が小さいほど、第１行動ａａは正常または良好な行動ａである。また、第１行動ａａと推奨行動ａｂとの差が大きいほど、第１行動ａａは異常または不良な行動である。
　このため、第２閾値には、異常または不良な行動ａとみなす、第１行動ａａと推奨行動ａｂとの差の範囲の下限値を予め定めればよい。なお、抽出部１９Ｃは、コンテンツ３２や第１ユーザＵ１や第２ユーザＵ２ごとに第２閾値を予め定め、これらの識別情報に対応づけて記憶部２０へ予め記憶してもよい。そして、抽出部１９Ｃは、特定状況の抽出時に、処理対象の第１ユーザＵ１、第２ユーザＵ２、およびコンテンツ３２の識別情報に対応する第２閾値を記憶部２０から読取り、特定状況の抽出に用いればよい。
　上記処理により抽出部１９Ｃは、第１ユーザＵ１の第１行動履歴情報２０Ａと、第２ユーザＵ２の第２行動モデルと、に基づいて、第１行動ａａと推奨行動ａｂとの差が第２閾値以上の状況ｓを、特定状況として抽出する。
　なお、抽出部１９Ｃは、第１行動履歴情報２０Ａにおける連続した第１行動ａａの集合と、第２行動履歴情報２０Ｂにおける連続した推奨行動ａｂの集合と、の乖離度合を、該差として算出し、該差が第２閾値以上の状況ｓを、特定状況として抽出してもよい。
　なお、抽出部１９Ｃは、第１の実施形態の抽出部１８Ｃと同様に、抽出した特定状況の発生要因を更に抽出してもよい。発生要因の抽出は、第１の実施形態と同様に、第１学習部１８Ａで学習した第１行動モデルを用いて実行すればよい。なお、情報処理装置１０Ｂが、特定状況の発生要因の抽出を行わない場合には、制御部１９は、第１学習部１８Ａを備えない構成であってもよい。
　出力制御部１８Ｄは、第１の実施形態と同様に、特定状況に関するアドバイス情報を出力する。
　ここで、本実施形態では、特定状況は、第１行動ａａと推奨行動ａｂとの差が第２閾値以上の状況ｓである。このため、アドバイス情報は、第１ユーザＵ１の第１行動ａａと第２ユーザＵ２の推奨行動ａｂとの差を示す情報を更に含んでいてもよい。
　具体的には、アドバイス情報は、特定状況の内容、特定状況の発生要因、特定状況に対するユーザＵの行動ａと推奨行動ａｂとの差、および、特定状況の回避方法、の少なくとも１つを示す情報であればよい。
　アドバイス情報が、特定状況に関する情報として、第１ユーザＵ１の第１行動ａａと第２ユーザＵ２の推奨行動ａｂとの差を示す情報を含むため、端末装置１２で出力される情報は、該差を示す情報を含んだものであってもよい。
　図１２は、アドバイス情報を含む表示画面４４の一例を示す模式図である。図１２には、コンテンツ３２がドライブゲーム３２Ａ（図２参照）である場合を一例として示した。例えば、端末装置１２の制御部２４は、ドライブゲーム３２Ａで提供されるゲーム画面に、アドバイス情報を示すラインＰ１およびラインＰ２を配置した、表示画面４４をＵＩ部２６へ出力する。
　ラインＰ１は、第１ユーザＵ１の第１行動ａａを示す画像である。ラインＰ２は、第２ユーザＵ２の推奨行動ａｂを示す画像である。端末装置１２は、これらのラインＰ１およびラインＰ２を示す表示画面４４を表示することで、第１ユーザＵ１の第１行動ａａと第２ユーザＵ２の推奨行動ａｂとの差を示す情報を出力してもよい。
　なお、第１の実施形態と同様に、表示画面４４は、情報処理装置１０Ｂ側で生成してもよいし、端末装置１２側で生成してもよい。
［第２の実施形態に係る情報処理手順］
　次に、情報処理装置１０Ｂが実行する情報処理の手順の一例を説明する。
　図１３は、情報処理装置１０Ｂが実行する情報処理の手順の一例を示す、フローチャートである。
　まず、第１学習部１８Ａが、記憶部２０から第１行動履歴情報２０Ａを取得する（ステップＳ４００）。次に、第１学習部１８Ａは、ステップＳ４００で取得した第１行動履歴情報２０Ａに基づいて、第１行動モデルを学習する（ステップＳ４０２）。
　次に、第２学習部１８Ｂが、記憶部２０から第２行動履歴情報２０Ｂを取得する（ステップＳ４０４）。次に、第２学習部１８Ｂは、ステップＳ４０４で取得した第２行動履歴情報２０Ｂに基づいて、第２行動モデルを学習する（ステップＳ４０６）。
　次に、抽出部１９Ｃが、第１行動履歴情報２０Ａに示される状況ｓの各々を、ステップＳ４０６で学習した第２行動モデルへ入力することで、該状況ｓに対応する推奨行動ａｂを導出する（ステップＳ４０８）。
　そして、抽出部１９Ｃは、第１行動履歴情報２０Ａに示される状況ｓごとに、対応する第１行動ａａと、ステップＳ４０８で第２行動モデルを用いて導出した対応する推奨行動ａｂと、の差が第２閾値以上の状況ｓを、特定状況として抽出する（ステップＳ４１０）。
　次に、抽出部１９Ｃが、ステップＳ４０２で学習した第１行動モデルと、ステップＳ４１０で抽出した特定状況と、に基づいて、第１の実施形態の抽出部１８Ｃと同様にして、ステップＳ４１０で抽出した特定状況の発生要因を抽出する（ステップＳ４１２）。
　次に、出力制御部１８Ｄが、ステップＳ４１０で抽出した特定状況およびステップＳ４１２で抽出した発生要因に関するアドバイス情報を端末装置１２へ出力する（ステップＳ４１４）。そして、本ルーチンを終了する。
　以上説明したように、本実施形態の情報処理装置１０Ｂでは、第２学習部１８Ｂが、第２行動履歴情報２０Ｂに基づいて、状況ｓから推奨行動ａｂを導出するための行動モデルとして第２行動モデルを学習する。抽出部１９Ｃは、第１行動履歴情報２０Ａと第２行動モデルとに基づいて、第１行動ａａと推奨行動ａｂとの差が第２閾値以上の状況ｓを特定状況として抽出する。
　このように、本実施形態の情報処理装置１０Ｂは、第１ユーザＵ１の第１行動履歴情報２０Ａに示される状況ｓに対応する第１行動ａａと、第２行動モデルから導出した該状況ｓに対応する推奨行動ａｂと、の差が第２閾値以上の状況ｓを、特定状況として抽出する。
　このため、第１行動履歴情報２０Ａに示される状況ｓと、第２行動履歴情報２０Ｂに示される状況ｓと、の少なくとも一部が不一致の場合であっても、第１行動履歴情報２０Ａに示される状況ｓの各々に対応する第２ユーザＵ２の推奨行動ａｂを導出することができる。
　従って、本実施形態の情報処理装置１０Ｂは、上記実施形態の効果に加えて、精度良く、ユーザＵの行動に応じたアドバイス情報を提供することができる。
　また、アドバイス情報は、特定状況の内容、特定状況の発生要因、特定状況に対するユーザＵの行動ａと推奨行動ａｂとの差、および、特定状況の回避方法、の少なくとも１つを示す。
　このため、本実施形態の情報処理装置１０Ｂは、上記効果に加えて、ユーザＵの行動に応じた適切なアドバイス情報を提供することができる。
　なお、上記には、本開示の実施形態および変形例を説明したが、上述した各実施形態および変形例に係る処理は、上記各実施形態および変形例以外にも種々の異なる形態にて実施されてよい。また、上述してきた各実施形態および変形例は、処理内容を矛盾させない範囲で適宜組み合わせることが可能である。
　また、本明細書に記載された効果はあくまで例示であって限定されるものでは無く、また他の効果があってもよい。
［上記実施形態および変形例の抽出装置および情報処理装置の適用対象］
　上記実施形態および変形例に係る情報処理装置１０、１０Ａ、１０Ｂの適用対象は限定されない。例えば、ゲーム装置１２Ａを用いたシステムや、ゲーム開発者向けの開発ツールキットや、実空間のユーザＵの行動に対するアドバイス情報を提供する各種システムなどに適用することができる。
　ゲーム開発者向けの開発ツールキットに適用した場合、上記実施形態および変形例の効果に加えて、ゲーム内で動作するキャラクタやアバターなどの育成ゲームや、ゲームに搭載されたＡＩ（Ａｒｔｉｆｉｃｉａｌ　Ｉｎｔｅｌｌｉｇｅｎｃｅ）の開発効率化を図ることができる。
（ハードウェア構成）
　図１４は、上記実施形態および変形例に係る情報処理装置１０、１０Ａ、１０Ｂおよび端末装置１２の機能を実現するコンピュータ１０００の一例を示すハードウェア構成図である。
　コンピュータ１０００は、ＣＰＵ１１００、ＲＡＭ１２００、ＲＯＭ（Ｒｅａｄ　Ｏｎｌｙ　Ｍｅｍｏｒｙ）１３００、ＨＤＤ（Ｈａｒｄ　Ｄｉｓｋ　Ｄｒｉｖｅ）１４００、通信インターフェース１５００、及び入出力インターフェース１６００を有する。コンピュータ１０００の各部は、バス１０５０によって接続される。
　ＣＰＵ１１００は、ＲＯＭ１３００又はＨＤＤ１４００に格納されたプログラムに基づいて動作し、各部の制御を行う。例えば、ＣＰＵ１１００は、ＲＯＭ１３００又はＨＤＤ１４００に格納されたプログラムをＲＡＭ１２００に展開し、各種プログラムに対応した処理を実行する。
　ＲＯＭ１３００は、コンピュータ１０００の起動時にＣＰＵ１１００によって実行されるＢＩＯＳ（Ｂａｓｉｃ　Ｉｎｐｕｔ　Ｏｕｔｐｕｔ　Ｓｙｓｔｅｍ）等のブートプログラムや、コンピュータ１０００のハードウェアに依存するプログラム等を格納する。
　ＨＤＤ１４００は、ＣＰＵ１１００によって実行されるプログラム、及び、かかるプログラムによって使用されるデータ等を非一時的に記録する、コンピュータが読み取り可能な記録媒体である。具体的には、ＨＤＤ１４００は、プログラムデータ１４５０の一例である本開示に係るプログラムなどを記録する記録媒体である。
　通信インターフェース１５００は、コンピュータ１０００が外部ネットワーク１５５０（例えばインターネット）と接続するためのインターフェースである。例えば、ＣＰＵ１１００は、通信インターフェース１５００を介して、他の機器からデータを受信したり、ＣＰＵ１１００が生成したデータを他の機器へ送信する。
　入出力インターフェース１６００は、入出力デバイス１６５０とコンピュータ１０００とを接続するためのインターフェースである。例えば、ＣＰＵ１１００は、入出力インターフェース１６００を介して、キーボードやマウス等の入力デバイスからデータを受信する。また、ＣＰＵ１１００は、入出力インターフェース１６００を介して、ディスプレイやスピーカやプリンタ等の出力デバイスにデータを送信する。また、入出力インターフェース１６００は、所定の記録媒体（メディア）に記録されたプログラム等を読み取るメディアインターフェイスとして機能してもよい。メディアとは、例えばＤＶＤ（Ｄｉｇｉｔａｌ　Ｖｅｒｓａｔｉｌｅ　Ｄｉｓｃ）、ＰＤ（Ｐｈａｓｅ　ｃｈａｎｇｅ　ｒｅｗｒｉｔａｂｌｅ　Ｄｉｓｋ）等の光学記録媒体、ＭＯ（Ｍａｇｎｅｔｏ－Ｏｐｔｉｃａｌ　ｄｉｓｋ）等の光磁気記録媒体、テープ媒体、磁気記録媒体、または半導体メモリ等である。
　例えば、コンピュータ１０００が第１の実施形態に係る情報処理装置１０として機能する場合、コンピュータ１０００のＣＰＵ１１００は、ＲＡＭ１２００上にロードされた情報処理プログラムを実行することにより、抽出部１８Ｃ等の機能を実現する。また、ＨＤＤ１４００には、本開示に係る情報処理プログラムや、記憶部２０や記憶部２１内のデータが格納される。なお、ＣＰＵ１１００は、プログラムデータ１４５０をＨＤＤ１４００から読み取って実行するが、他の例として、外部ネットワーク１５５０を介して、他の装置からこれらのプログラムを取得してもよい。
　なお、本技術は以下のような構成も取ることができる。
（１）
　ユーザの行動モデルに基づいて、前記ユーザの行動に応じて状況が変化するコンテンツの特定状況を抽出する抽出部と、
　前記特定状況に関するアドバイス情報を出力する出力制御部と、
　を備える情報処理装置。
（２）
　前記状況と前記ユーザとしての第１ユーザの第１行動との対応を示す第１行動履歴情報に基づいて、前記状況から前記第１行動を導出するための前記行動モデルとして第１行動モデルを学習する第１学習部を備え、
　前記抽出部は、
　前記第１行動モデルから導出した前記第１行動を前記行動として入力したときに前記コンテンツから出力される前記状況の評価値が第１閾値以下の前記状況を、前記特定状況として抽出する、
　前記（１）に記載の情報処理装置。
（３）
　前記抽出部は、
　前記特定状況の発生タイミングより前の期間の前記状況と前記第１行動との対応を、前記特定状況の発生要因として更に抽出する、
　前記（２）に記載の情報処理装置。
（４）
　前記抽出部は、
　前記特定状況の発生タイミングより前の期間の前記状況の内、前記第１行動を補正した補正行動を前記行動として前記コンテンツに入力したときに、前記発生タイミングにおいて前記コンテンツから出力される前記状況の前記評価値が前記第１閾値を超える前記状況と前記第１行動との対応を、前記発生要因として抽出する、
　前記（３）に記載の情報処理装置。
（５）
　前記状況と前記ユーザとしての第２ユーザの推奨行動との対応を示す第２行動履歴情報に基づいて、前記状況から前記推奨行動を導出するための前記行動モデルとして第２行動モデルを学習する第２学習部を備え、
　前記抽出部は、
　前記状況と前記ユーザとしての第１ユーザの第１行動との対応を示す第１行動履歴情報と、前記第２行動モデルと、に基づいて、前記第１行動と前記推奨行動との差が第２閾値以上の前記状況を前記特定状況として抽出する、
　前記（１）に記載の情報処理装置。
（６）
　前記状況と前記ユーザとしての第１ユーザの第１行動との対応を示す第１行動履歴情報と、前記状況と前記ユーザとしての第２ユーザの推奨行動との対応を示す第２行動履歴情報と、に基づいて、
　前記第１行動履歴情報の前記第１行動の内、前記推奨行動との差が所定値以上の前記第１行動を前記推奨行動に置換した第３行動履歴情報を生成する生成部と、
　前記第３行動履歴情報に基づいて、前記状況から該第３行動履歴情報における前記第１行動および前記推奨行動としての第３行動を導出するための前記行動モデルとして第３行動モデルを学習する第３学習部と、
　を備え、
　前記抽出部は、
　前記第３行動モデルから導出した前記第３行動を前記行動として入力したときに前記コンテンツから出力される前記状況の評価値が第３閾値以上の前記状況を、前記特定状況として抽出する、
　前記（１）に記載の情報処理装置。
（７）
　前記アドバイス情報は、
　前記特定状況の内容、前記特定状況の発生要因、前記特定状況に対するユーザの行動と推奨行動との差、および、前記特定状況の回避方法、の少なくとも１つを示す、
　前記（１）～前記（６）の何れか１つに記載の情報処理装置。
（８）
　コンピュータが、
　ユーザの行動モデルに基づいて、前記ユーザの行動に応じて状況が変化するコンテンツの特定状況を抽出し、
　前記特定状況に関するアドバイス情報を出力する、
　情報処理方法。
　１０、１０Ａ、１０Ｂ　情報処理装置
　１７Ｅ　生成部
　１７Ｆ　第３学習部
　１８Ａ　第１学習部
　１８Ｂ　第２学習部
　１８Ｃ、１９Ｃ　抽出部
　１８Ｄ　出力制御部

Claims (8)

  1. 　ユーザの行動モデルに基づいて、前記ユーザの行動に応じて状況が変化するコンテンツの特定状況を抽出する抽出部と、
    　前記特定状況に関するアドバイス情報を出力する出力制御部と、
    　を備える情報処理装置。
  2. 　前記状況と前記ユーザとしての第１ユーザの第１行動との対応を示す第１行動履歴情報に基づいて、前記状況から前記第１行動を導出するための前記行動モデルとして第１行動モデルを学習する第１学習部を備え、
    　前記抽出部は、
    　前記第１行動モデルから導出した前記第１行動を前記行動として入力したときに前記コンテンツから出力される前記状況の評価値が第１閾値以下の前記状況を、前記特定状況として抽出する、
    　請求項１に記載の情報処理装置。
  3. 　前記抽出部は、
    　前記特定状況の発生タイミングより前の期間の前記状況と前記第１行動との対応を、前記特定状況の発生要因として更に抽出する、
    　請求項２に記載の情報処理装置。
  4. 　前記抽出部は、
    　前記特定状況の発生タイミングより前の期間の前記状況の内、前記第１行動を補正した補正行動を前記行動として前記コンテンツに入力したときに、前記発生タイミングにおいて前記コンテンツから出力される前記状況の前記評価値が前記第１閾値を超える前記状況と前記第１行動との対応を、前記発生要因として抽出する、
    　請求項３に記載の情報処理装置。
  5. 　前記状況と前記ユーザとしての第２ユーザの推奨行動との対応を示す第２行動履歴情報に基づいて、前記状況から前記推奨行動を導出するための前記行動モデルとして第２行動モデルを学習する第２学習部を備え、
    　前記抽出部は、
    　前記状況と前記ユーザとしての第１ユーザの第１行動との対応を示す第１行動履歴情報と、前記第２行動モデルと、に基づいて、前記第１行動と前記推奨行動との差が第２閾値以上の前記状況を前記特定状況として抽出する、
    　請求項１に記載の情報処理装置。
  6. 　前記状況と前記ユーザとしての第１ユーザの第１行動との対応を示す第１行動履歴情報と、前記状況と前記ユーザとしての第２ユーザの推奨行動との対応を示す第２行動履歴情報と、に基づいて、
    　前記第１行動履歴情報の前記第１行動の内、前記推奨行動との差が所定値以上の前記第１行動を前記推奨行動に置換した第３行動履歴情報を生成する生成部と、
    　前記第３行動履歴情報に基づいて、前記状況から該第３行動履歴情報における前記第１行動および前記推奨行動としての第３行動を導出するための前記行動モデルとして第３行動モデルを学習する第３学習部と、
    　を備え、
    　前記抽出部は、
    　前記第３行動モデルから導出した前記第３行動を前記行動として入力したときに前記コンテンツから出力される前記状況の評価値が第３閾値以上の前記状況を、前記特定状況として抽出する、
    　請求項１に記載の情報処理装置。
  7. 　前記アドバイス情報は、
    　前記特定状況の内容、前記特定状況の発生要因、前記特定状況に対するユーザの行動と推奨行動との差、および、前記特定状況の回避方法、の少なくとも１つを示す、
    　請求項１に記載の情報処理装置。
  8. 　コンピュータが、
    　ユーザの行動モデルに基づいて、前記ユーザの行動に応じて状況が変化するコンテンツの特定状況を抽出し、
    　前記特定状況に関するアドバイス情報を出力する、
    　情報処理方法。
PCT/JP2019/013846 2018-06-29 2019-03-28 情報処理装置、および情報処理方法 WO2020003670A1 (ja)

Priority Applications (2)

Application Number Priority Date Filing Date Title
JP2020527215A JP7375751B2 (ja) 2018-06-29 2019-03-28 情報処理装置、および情報処理方法
US17/254,920 US20210260482A1 (en) 2018-06-29 2019-03-28 Information processing device and information processing method

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
JP2018-124453 2018-06-29
JP2018124453 2018-06-29

Publications (1)

Publication Number Publication Date
WO2020003670A1 true WO2020003670A1 (ja) 2020-01-02

Family

ID=68987000

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/JP2019/013846 WO2020003670A1 (ja) 2018-06-29 2019-03-28 情報処理装置、および情報処理方法

Country Status (3)

Country Link
US (1) US20210260482A1 (ja)
JP (1) JP7375751B2 (ja)
WO (1) WO2020003670A1 (ja)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2021151320A (ja) * 2020-03-24 2021-09-30 株式会社 ディー・エヌ・エー 電子ゲーム情報処理装置及び電子ゲーム情報処理プログラム

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US11504626B2 (en) * 2018-11-29 2022-11-22 Ts Tech Co., Ltd. Seat system and seat experience device
KR20230073684A (ko) * 2021-11-19 2023-05-26 현대자동차주식회사 추천 알고리즘 기반 문제 조치 제안 시스템 및 그 방법
US12083429B2 (en) 2022-02-08 2024-09-10 Sony Group Corporation Artificial intelligence for driving lines in racing games

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2011030892A (ja) * 2009-08-04 2011-02-17 Taito Corp ゲーム装置、ゲームサーバ、ゲームプログラム
JP2014018324A (ja) * 2012-07-13 2014-02-03 Konami Digital Entertainment Co Ltd ゲーム管理装置、ゲームシステム、ゲーム管理方法及びプログラム
JP2014228725A (ja) * 2013-05-23 2014-12-08 ソニー株式会社 情報処理装置及び記憶媒体

Family Cites Families (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP5924638B2 (ja) 2011-09-21 2016-05-25 国立大学法人福井大学 分析システム、分析方法及び分析プログラム
JP5874292B2 (ja) 2011-10-12 2016-03-02 ソニー株式会社 情報処理装置、情報処理方法、及びプログラム
JPWO2018150654A1 (ja) * 2017-02-15 2019-12-12 ソニー株式会社 情報処理装置、および情報処理方法、並びにプログラム
US11406907B2 (en) * 2020-03-31 2022-08-09 Sony Interactive Entertainment Inc. Player feedback to increase spectatorship in a video game
US11400378B2 (en) * 2020-06-30 2022-08-02 Sony Interactive Entertainment LLC Automatic separation of abusive players from game interactions

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2011030892A (ja) * 2009-08-04 2011-02-17 Taito Corp ゲーム装置、ゲームサーバ、ゲームプログラム
JP2014018324A (ja) * 2012-07-13 2014-02-03 Konami Digital Entertainment Co Ltd ゲーム管理装置、ゲームシステム、ゲーム管理方法及びプログラム
JP2014228725A (ja) * 2013-05-23 2014-12-08 ソニー株式会社 情報処理装置及び記憶媒体

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2021151320A (ja) * 2020-03-24 2021-09-30 株式会社 ディー・エヌ・エー 電子ゲーム情報処理装置及び電子ゲーム情報処理プログラム
JP7417451B2 (ja) 2020-03-24 2024-01-18 株式会社 ディー・エヌ・エー 電子ゲーム情報処理装置及び電子ゲーム情報処理プログラム

Also Published As

Publication number Publication date
US20210260482A1 (en) 2021-08-26
JP7375751B2 (ja) 2023-11-08
JPWO2020003670A1 (ja) 2021-08-02

Similar Documents

Publication Publication Date Title
WO2020003670A1 (ja) 情報処理装置、および情報処理方法
US10803762B2 (en) Body-motion assessment device, dance assessment device, karaoke device, and game device
WO2020233464A1 (zh) 模型训练方法、装置、存储介质及设备
US9965675B2 (en) Using virtual reality for behavioral analysis
KR20220028654A (ko) 미러 디스플레이를 이용하여 태권도 동작 코칭 서비스를 제공하는 장치 및 방법
US20210170230A1 (en) Systems and methods for training players in a sports contest using artificial intelligence
KR102388939B1 (ko) 사용자의 움직임 보정을 위한 피드백 서비스 제공 방법
US11327320B2 (en) Electronic device and method of controlling the same
KR102183894B1 (ko) 가상 현실을 이용한 컴퓨터 기반 학습 평가 시스템 및 이의 동작 방법
US20160225273A1 (en) Methods and systems for evaluating user
CN112802439B (zh) 一种演奏数据识别方法、装置、设备及存储介质
CA3087629A1 (en) System for managing user experience and method therefor
CN112540668A (zh) 一种基于AI及IoT的智能教学辅助方法及系统
WO2020003671A1 (ja) 情報処理装置、抽出装置、情報処理方法、および抽出方法
WO2023036810A1 (en) Method for detecting user input to a breath input configured user interface
US20140113719A1 (en) Computing device and video game direction method
CN117083633A (zh) 动作改善装置、动作改善方法、动作改善程序以及动作改善系统
KR102385873B1 (ko) 미디어 소비에 기초하여 컴퓨팅 디바이스 사용자에 의해 수행된 물리적 활동 식별
CN110781820B (zh) 游戏角色的动作生成方法、装置、计算机设备及存储介质
KR20220052450A (ko) 골프 스윙 연습 보조 방법 및 장치
JP2021174311A (ja) 動作評価システム、動作評価装置、および動作評価方法
KR20220053021A (ko) 비디오 게임 오버레이
CN111105651A (zh) 基于ar的废弃物归类的教学方法及系统
JP2019144822A (ja) 形式知化システムおよびその方法
CN112274924B (zh) 在应用门户中管理用户体验的系统和计算机实现的方法

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: 19827443

Country of ref document: EP

Kind code of ref document: A1

ENP Entry into the national phase

Ref document number: 2020527215

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: 19827443

Country of ref document: EP

Kind code of ref document: A1