WO2020054361A1 - 情報処理システム、情報処理方法、および記録媒体 - Google Patents

情報処理システム、情報処理方法、および記録媒体 Download PDF

Info

Publication number
WO2020054361A1
WO2020054361A1 PCT/JP2019/033040 JP2019033040W WO2020054361A1 WO 2020054361 A1 WO2020054361 A1 WO 2020054361A1 JP 2019033040 W JP2019033040 W JP 2019033040W WO 2020054361 A1 WO2020054361 A1 WO 2020054361A1
Authority
WO
WIPO (PCT)
Prior art keywords
agent
user
information processing
attribute
new user
Prior art date
Application number
PCT/JP2019/033040
Other languages
English (en)
French (fr)
Inventor
宮島　靖
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 US17/250,758 priority Critical patent/US20210319361A1/en
Publication of WO2020054361A1 publication Critical patent/WO2020054361A1/ja

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/004—Artificial life, i.e. computing arrangements simulating life
    • G06N3/006—Artificial life, i.e. computing arrangements simulating life based on simulated virtual individual or collective life forms, e.g. social simulations or particle swarm optimisation [PSO]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/23—Updating
    • G06F16/2379—Updates performed during online database operations; commit processing
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/90—Details of database functions independent of the retrieved data types
    • G06F16/903—Querying
    • G06F16/9035—Filtering based on additional data, e.g. user or group profiles
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/90—Details of database functions independent of the retrieved data types
    • G06F16/95—Retrieval from the web
    • G06F16/953—Querying, e.g. by the use of web search engines
    • G06F16/9535—Search customisation based on user profiles and personalisation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00—Machine learning

Definitions

  • the present disclosure relates to an information processing system, an information processing method, and a recording medium.
  • an agent system that recommends content and provides information in response to a user request using a mobile terminal such as a smartphone, a tablet terminal, or a wearable device, or a dedicated terminal such as a smart speaker has been known.
  • a mobile terminal such as a smartphone, a tablet terminal, or a wearable device, or a dedicated terminal such as a smart speaker.
  • Such an agent system can grow on a cloud by machine learning the requirements and optimal solutions of all users.
  • Patent Literature 1 describes a recommendation method for providing information on a mobile device, and generates a recommendation list by referring to data on contents available to a user based on analysis of data associated with the user.
  • a system is disclosed.
  • Patent Document 2 discloses an agent system that enables only a specific user to provide an electronic pet as an agent having desired conditions.
  • Patent Document 3 discloses a system capable of, when generating a character agent, answering a questionnaire to memorize a user's preference and introducing a sales agent that meets the user's preference. I have.
  • JP 2011-511968 A JP-A-2002-268901 JP-A-2002-132604
  • a centralized shared agent based on big data learning is provided, and a common optimization is performed for all users. Agents grow on the cloud. In such a system using a centralized shared agent, even when a new user is added, it is possible to always talk with the latest agent, but on the other hand, it is possible to communicate with a small community unit such as a family or individual. Giving personalized advice was difficult.
  • the present disclosure proposes an information processing system, an information processing method, and a recording medium that can set an individualized optimal agent for a new user.
  • an agent optimized for each user by using the agent service is stored in a database, and the agent service is newly provided.
  • An information processing system including a control unit for selecting a base agent candidate from a plurality of agents stored in the database according to an attribute or characteristic of a new user to be used is proposed.
  • a processor stores, in a database, an agent optimized for each user by using the agent service in an information processing system that provides an agent service to a user, and newly storing the agent
  • the present invention proposes an information processing method including: selecting a base agent candidate from a plurality of agents stored in the database according to an attribute or characteristic of a new user who uses a service.
  • an agent optimized for each user by using the agent service in an information processing system that provides an agent service to a user is stored in a database.
  • a recording medium in which a program for functioning as a control unit for selecting a base agent candidate from a plurality of the agents stored in the database according to an attribute or a characteristic of a new user using a service is recorded. Suggest.
  • FIG. 1 is a diagram illustrating an overview of an information processing system according to an embodiment of the present disclosure.
  • FIG. 1 is a diagram illustrating an example of an overall configuration of an information processing system according to an embodiment. It is a block diagram showing an example of composition of an information processing terminal by this embodiment. It is a block diagram showing an example of composition of an agent management server by this embodiment.
  • FIG. 9 is a diagram illustrating selection of a base agent candidate based on matching using the attribute / feature information of a new user as a parameter according to the present embodiment.
  • FIG. 4 is a diagram illustrating an example of user attribute / feature amount information according to the present embodiment.
  • FIG. 9 is a diagram illustrating a general flow of selection, determination, and updating (learning) of base agent candidates according to the present embodiment.
  • FIG. 1 is a diagram illustrating an overview of an information processing system according to an embodiment of the present disclosure.
  • an information processing system 1 according to the present embodiment uses various information processing terminals 10 such as smart speakers connected to a cloud, and uses an agent 30 (30A to 30C) individually optimized for a user. ) Is an agent system provided.
  • a user means one or more users, and as shown in FIG. 1, a small community unit such as a family using the information processing terminal 10 is also referred to as a user.
  • a smart speaker is used as the information processing terminal 10 and a voice agent system is described as an example of the information processing system 1.
  • the interface of the agent may be a smartphone or the like.
  • a mobile phone terminal, a tablet terminal, a wearable device, a projector, or the like may be used to display an image without being limited to audio.
  • the agent 30 individually machine-learns the user's preference information, life patterns, and the like by interacting with each user and analyzing camera images, and grows on the cloud so as to optimize the user. Accordingly, in FIG. 1, the agents 30A to 30C are illustrated as different agents as agents individually optimized for each user (already learned to some extent or for many years).
  • the agent character shown in FIG. 1 is an example, and the present embodiment is not limited to this.
  • an “agent” is software that autonomously provides various information to a user, supports a user's action, and performs a voice dialogue with the user. It can be operated by the information processing terminal 10.
  • the user's request and context are analyzed by photographed images and audio data acquired by a camera or a microphone (hereinafter, referred to as a microphone), and by analysis of operation input contents acquired by an operation input unit such as a button, a keyboard, and a switch.
  • an operation input unit such as a button, a keyboard, and a switch.
  • a corresponding agent obtains an answer to the user's request and context, and presents the answer to the user from the speaker or the display unit of the information processing terminal 10.
  • Each agent can individually optimize by machine learning and growing the optimal solution for the user's request and context.
  • Agent is a general agent system that responds directly to a user in one short-term session, as well as behavior change to gradually approach problem solving from a long-term perspective. May be a new agent system that prompts the user (referred to as a master system).
  • the master is the name (virtual presence) of a virtual agent that prompts the user to spontaneously change behavior.
  • a predetermined code of behavior (means for solving a problem in the community, a predetermined value standard (that is, a value), a predetermined life rhythm, and the like) is automatically generated for each specific community or each user, and the code of behavior is automatically generated.
  • Solve community issues by indirectly promoting behavioral change based on In other words, while acting according to the words of the master, the user can solve problems in the community or take actions that match the community's value standards without noticing, even if they are not aware of the code of conduct Can improve the community situation.
  • the information processing system 1 it is possible to set an individualized optimum agent for a new user, and to solve the cold start problem.
  • the cold start problem can be solved by setting the agent already used (by copying) as the base (selection of base agent candidate by matching using attribute / feature information as a parameter, see FIG. 5). Becomes
  • the user 4B having similar parameters is specified by matching.
  • the agent 30B used by the user is selected as the agent of the new user 4D.
  • An agent that has already been learned by another user having similar parameters such as family structure is expected to be suitable to a new user to some extent (that is, it can be considered that the agent has been personalized to a certain extent).
  • the attribute information includes, for example, “nationality, address, native language, age, gender, family structure, family age, and the like”, and the feature amount information includes “preference, character, ability, and the like”. Is mentioned. Attribute / feature information can be collected while the user is using the agent. For example, when the user is “family”, the attribute / feature amount information (family information) includes, for example, “family composition, family age, wake-up time, meeting time, dinner time, degree of room clutter, amount of exercise, intimacy ( (Frequency of quarrel)) and the like are collected (for further specific examples, see FIG. 6).
  • the attribute / feature information of a new user used for selecting (matching) a base agent candidate may use information that can be acquired at an initial stage, and is not particularly limited. Also, within a certain period after the agent purchase, as the information of the attribute and the feature amount of the new user is added and updated as needed, the matching may be repeatedly performed to set a more compatible agent (a base agent candidate). Reselection). Then, after a certain period of time has elapsed, or by a decision operation of the new user, the rematching of the base agent is completed (decision of the base agent), and thereafter, growth starts individually as an agent dedicated to the new user (base agent) Agent update confirmed as). Details will be described later with reference to FIG.
  • Whether or not such individually grown agents are made public on the cloud can be arbitrarily set by the user.
  • the user can arbitrarily select whether to use the attribute / feature amount information of the user used for the matching for each item.
  • FIG. 2 is a diagram illustrating an example of the entire configuration of the information processing system 1 according to the present embodiment.
  • the information processing system includes an information processing terminal 10 and an agent management server 20.
  • the information processing terminal 10 and the agent management server 20 can communicate with each other via, for example, the network 3 to transmit and receive data.
  • the information processing terminal 10 is realized by, for example, a smart speaker, a smartphone, a tablet terminal, a wearable device (HMD (Head Mounted Display), a smart band, a smart watch, a smart earphone, a smart neck speaker, and the like), a PC, a TV device, a home projector, and the like. May be done.
  • HMD Head Mounted Display
  • the agent management server 20 can store attribute / feature information of the user as agent information, perform machine learning of dialogue with the user, and perform processing for individually optimizing each agent. Further, the agent management server 20 can perform the matching based on the attribute information of the new user and the like, select the base agent, and the like.
  • FIG. 3 is a block diagram illustrating an example of a configuration of the information processing terminal 10 according to the present embodiment.
  • the information processing terminal 10 includes a control unit 100, a communication unit 110, a voice input unit 120, an operation input unit 130, a camera 140, a voice output unit 150, and a storage unit 160.
  • the control unit 100 functions as an arithmetic processing device and a control device, and controls overall operations in the information processing terminal 10 according to various programs.
  • the control unit 100 is realized by an electronic circuit such as a CPU (Central Processing Unit) and a microprocessor. Further, the control unit 100 may include a ROM (Read Only Memory) for storing a program to be used and operation parameters, and a RAM (Random Access Memory) for temporarily storing appropriately changing parameters and the like.
  • ROM Read Only Memory
  • RAM Random Access Memory
  • the control unit 100 also functions as a voice / operation recognition unit 101, an image analysis unit 102, and an utterance control unit 103.
  • the voice / operation recognition unit 101 performs recognition of a user voice (natural language processing) obtained from the voice input unit 120 and recognition of a user operation obtained from the operation input unit 130.
  • the image analysis unit 102 can analyze a captured image captured by the camera 140 and recognize a user's face and a surrounding state. From the recognition result of the voice / operation recognition unit 101 and the analysis result of the image analysis unit 102, a user request and a context are obtained (by the control unit 100) and transmitted to the agent management server 20.
  • the recognition result and the analysis result may be transmitted to the agent management server 20, and the agent management server 20 may request the user and acquire the context.
  • generation of an agent response (optimal solution) to a user request or context (user command processing) is performed.
  • control unit 100 acquires the attribute / feature information of the user from the recognition result of the voice / operation recognition unit 101 and the analysis result of the image analysis unit 102, and accumulates the information in the storage unit 160. And transmits it to the management server 20.
  • the utterance control unit 103 controls the utterance of the agent voice from the voice output unit 150. For example, the utterance control unit 103 generates an agent voice based on the result of the user command processing acquired from the agent management server 20, and reproduces the agent voice from the voice output unit 150. The agent voice may be generated on the agent management server 20 side. Further, it is also possible to generate a response locally by the utterance control unit 103 without checking the schedule information managed locally or time information, etc., to the cloud.
  • the communication unit 110 connects to the network 3 by wire or wirelessly, and transmits and receives data to and from the agent management server 20 on the network.
  • the communication unit 110 includes, for example, a wired / wireless LAN (Local Area Network), or Wi-Fi (registered trademark), Bluetooth (registered trademark), a mobile communication network (LTE (Long Term Evolution), 3G (third generation mobile). Communication connection is made with the network 3 by a communication method)) or the like.
  • the audio input unit 120 is realized by a microphone, a microphone amplifier unit that amplifies an audio signal obtained by the microphone, and an A / D converter that converts the audio signal into a digital signal, and outputs the audio signal to the control unit 100. .
  • the operation input unit 130 receives an operation instruction from the user and outputs the operation content to the control unit 100.
  • the operation input unit 130 may be a touch sensor, a pressure sensor, or a proximity sensor.
  • the operation input unit 130 may have a physical configuration such as a button, a switch, and a lever.
  • the camera 140 includes a lens system including an imaging lens, an aperture, a zoom lens, and a focus lens, a driving system that performs a focusing operation and a zoom operation on the lens system, and photoelectrically converts imaging light obtained by the lens system. And a solid-state image sensor array for generating an image signal.
  • the solid-state imaging device array may be realized by, for example, a charge coupled device (CCD) sensor array or a complementary metal oxide semiconductor (CMOS) sensor array.
  • the camera 140 according to the present embodiment continuously or at a predetermined timing (intermittently, periodically, when the presence of a person is detected) of the user who is in the vicinity of the information processing terminal 10 and the state of the surroundings. To image.
  • the audio output unit 150 has a speaker that reproduces an audio signal, and an amplifier circuit for the speaker.
  • the storage unit 160 is realized by a ROM (Read Only Memory) that stores a program, an operation parameter, and the like used in the processing of the control unit 100, and a RAM (Random Access Memory) that temporarily stores appropriately changed parameters and the like.
  • ROM Read Only Memory
  • RAM Random Access Memory
  • the storage unit 160 may store user attribute / feature amount information. Also, information on the set agent may be stored.
  • the configuration of the information processing terminal 10 according to the present embodiment has been specifically described above.
  • the configuration of the information processing terminal 10 is not limited to the example illustrated in FIG.
  • the information processing terminal 10 may be realized by a plurality of devices.
  • the camera 140 may be an external device.
  • FIG. 4 is a block diagram illustrating an example of a configuration of the agent management server 20 according to the present embodiment.
  • the agent management server 20 has a control unit 200, a communication unit 210, and a storage unit 220.
  • Control unit 200 The control unit 200 functions as an arithmetic processing device and a control device, and controls the overall operation in the agent management server 20 according to various programs.
  • the control unit 200 is realized by an electronic circuit such as a CPU (Central Processing Unit) and a microprocessor. Further, the control unit 200 may include a ROM (Read Only Memory) for storing a program to be used and calculation parameters and the like, and a RAM (Random Access Memory) for temporarily storing parameters and the like that change as appropriate.
  • ROM Read Only Memory
  • RAM Random Access Memory
  • the control unit 200 also functions as an agent selection unit 201, an agent learning unit 202, and a user command processing unit 203.
  • the agent selecting unit 201 uses, as a parameter, attribute / feature information of a new user (including a small community unit such as a family other than an individual), and uses another user (an individual or a small family such as a family) already using the agent. (Including a community unit), and select an agent used by the other user as a base agent candidate for the new user.
  • FIG. 5 is a diagram illustrating selection of a base agent candidate based on matching using attribute / feature information of a new user as a parameter.
  • attribute / feature information of a new user that can be acquired in the initial state, and a public agent stored in the cloud (an agent whose public flag described later is ON).
  • the user's attribute / feature amount information is compared, and an agent of another user who is similar is selected as a base agent candidate of a new user.
  • the attribute / feature information of the new user can be used to monitor the daily conversation and behavior of the new user using a microphone or a camera by an agent speaker (information processing terminal 10).
  • FIG. 6 shows an example of user attribute / feature amount information that can be obtained in this manner. Note that the “acceptance tendency” illustrated in FIG. 6 is information on a situation that tends to accept a proposal from an agent (for example, during drinking or the night before a holiday).
  • Such "user attribute / feature information” is treated as "agent information" and stored in the agent DB 221. Whether or not the user's attribute / feature information can be disclosed (used) when the agent is a matching target can be arbitrarily determined by the user. As a result, at least a part of the user attribute / feature information can be treated as personal information.
  • the base agent candidate selected by the agent selecting unit 201 is used when the user command processing unit 203 performs a user command process.
  • the user command processing unit 203 acquires a response (optimal solution) to the user in response to a request or context from the user (user command processing). Note that the user command processing unit 203 may collect information from another server on the network as needed.
  • an agent that has been used (learned) by another user for many years with an attribute similar to the attribute of the new user may be an agent having the same or similar values as the new user, and it takes a long time. At the very least, you can get an agent that fits your family values in a short time.
  • the agent selecting unit 201 performs repetitive matching as the information on the attributes and feature amounts of the new user is added and updated as needed within a certain period from the start of use (selection of the base agent candidate), and the compatibility is improved.
  • a base agent candidate may be selected.
  • the agent selecting unit 201 terminates the rematching of the base agent and decides the base agent (for example, registers the agent information in the agent DB 221). Thereafter, the agent learning unit 202 individually starts learning as an agent dedicated to the new user (update of the determined base agent).
  • the agent learning unit 202 continuously performs machine learning based on the user's conversation and behavior, the user's feedback on the presentation information, the response history, and the like, and grows into an agent more suitable for the user (specifically, for example, User attribute / feature information, which is agent information, is expanded).
  • FIG. 7 is a diagram for explaining a general flow of selection and determination of a base agent candidate based on such new user attribute / feature information, and further, learning of the determined base agent.
  • the user determines whether or not to release the determined (registered) agent on the cloud (that is, the matching target when another new user purchases a new agent). Can be set arbitrarily by the user (ON / OFF of the disclosure flag).
  • the communication unit 210 is connected to the network 3 by wire or wirelessly, and transmits and receives data to and from each information processing terminal 10 via the network 3.
  • the communication unit 210 communicates with the network 3 by, for example, a wired / wireless LAN (Local Area Network) or Wi-Fi (Wireless Fidelity, registered trademark).
  • the storage unit 220 is realized by a ROM that stores programs and calculation parameters used for the processing of the control unit 200 and a RAM that temporarily stores parameters that change as appropriate.
  • the storage unit 220 according to the present embodiment stores an agent DB (database) 221.
  • the configuration of the agent management server 20 according to the present embodiment has been specifically described above.
  • the configuration of the agent management server 20 shown in FIG. 4 is an example, and the present embodiment is not limited to this.
  • at least a part of the configuration of the agent management server 20 may be provided in an external device, or at least a part of each function of the control unit 200 may be an information processing terminal 10 or information whose communication distance is relatively close to the information processing terminal 10. It may be realized by a processing device (for example, a so-called edge server).
  • a part of the processing of the user command processing unit 203 may be performed by the information processing terminal 10.
  • the agent information of the base agent that is, the attribute / feature information of another user using the agent selected as the base agent
  • the agent information of the base agent is obtained from the agent management server 20 and the storage unit 160 of the information processing terminal 10. May be stored.
  • FIG. 8 is a flowchart illustrating an example of the flow of base agent candidate selection processing according to the present embodiment.
  • the agent management server 20 When a notification of acquisition of new attribute / feature information of a new user is received from the information processing terminal 10 (step S103 / Yes), the agent management server 20 The acquired attribute / feature information is acquired (step S106).
  • the information processing terminal 10 continuously collects daily information such as conversations and actions of a new user (monitoring with a microphone or a camera by the information processing terminal 10) and acquires attribute / feature information. (For example, a hobby of music, a life pattern, a frequently watched TV program, etc.), the agent management server 20 is notified and attribute / feature amount information is transmitted.
  • the information processing terminal 10 may transmit the new attribute / feature information to the agent management server 20 whenever necessary, or may transmit the voice recognition result or the like. Is also good. Further, the information processing terminal 10 may determine the degree of negative / positive of the conversation from the speech recognition result and transmit the result. When the information processing terminal 10 is newly purchased and has just been started, the information processing terminal 10 may obtain the family structure, age, hobbies, and the like of the new user by, for example, answering a simple questionnaire. Furthermore, it is also possible for the user to directly obtain an evaluation of the content or advice recommended by the agent to the agent, thereby obtaining a more direct preference.
  • the agent selecting unit 201 of the agent management server 20 acquires from the agent DB 221 all the attribute / feature information of other users who use each public agent (step S109).
  • a public agent is an agent that has already been learned to some extent or for many years (that is, individually optimized), and whose release has been approved by the user of the agent.
  • the agent selecting unit 201 regards the attribute / feature as an N-dimensional vector, and obtains the distance between the attribute / feature of the new user and the attribute / feature of each other user using each of the acquired public agents. .
  • Various existing methods may be used to determine the distance. For example, when each feature value is a coordinate value in an N-dimensional space, a method of measuring a Euclidean distance between coordinates, calculating a cosine similarity of a vector as a distance, and the like can be considered. At this time, since each feature amount has a different unit, it is better to normalize it.
  • weighting coefficients are prepared for each vector, etc.
  • the weighting coefficient may be prepared in advance empirically, or may be adjusted while learning the selection of the agent and the evaluation of the user using machine learning or the like.
  • the agent selecting unit 201 uses the closest user among the other users. An agent is selected as a base agent candidate (step S118).
  • the agent selecting unit 201 determines whether or not an agent is being used by another user whose distance is equal to or less than the threshold value TH2. (Step S121 / Yes), the agent having the largest cumulative reference count is selected (step S127).
  • the cumulative reference count is a numerical value indicating the number of times that a base agent has been selected as a base agent candidate. The larger the number, the greater the number of times that another user has become a base agent.
  • a method of simply selecting the agent closest to the distance may be used. Although the relationship of threshold value TH1 ⁇ threshold value TH2 is satisfied, threshold value TH1 is assumed to be a small value that is almost the same.
  • step S121 when no other user is found in the range of the threshold TH2 (step S121 / No), the agent selecting unit 201 increases the range of the threshold TH2 by a certain value (step S124), and Steps S121 to S124 are repeated until a search is found.
  • the agent selecting unit 201 checks whether or not the base agent is different from the base agent currently associated with the user (step S130). This flow is also used when re-selecting the base agent.When re-selecting the base agent, the base agent may be already linked to the new user. Confirm that you do not select an agent.
  • the agent selecting unit 201 increments the reference count of the selected base agent candidate (Step S133).
  • the agent selecting unit 201 changes the agent associated with the user to the selected agent (step S136).
  • the selection of the base agent candidate selected in this way (because the base agent can be reselected until “confirmed”, the base agent is referred to as “candidate” here). May be passed, or based on the user's usage status (evaluation, reaction), such as when a user obtains a certain or better evaluation. Until a certain period of time has passed, or if a user does not obtain a good evaluation over a certain amount, the process shown in FIG. 8 may be repeated to reselect the base agent. At the time of reselection, it is assumed that new attribute / feature information of a new user has also been obtained. As a result, it is possible to obtain an agent more suited to the user (e.g., the sense of values) in a short period of time, and it is possible to solve the cold start problem.
  • FIG. 9 is a flowchart illustrating an example of the flow of processing for determining the base agent according to the present embodiment by user evaluation.
  • the agent management server 20 performs content recommendation, advice presentation, action recommendation, and the like to the user by the user command processing unit 203 using the base agent (step S203).
  • the user command processing unit 203 may perform filtering such as not to present content or advice that is not suitable for the situation in consideration of the situation of the user. For example, do not present unsuitable content or advice when the user is with someone.
  • the user command processing unit 203 can refer to the “acceptance tendency” included in the attribute / feature amount, and can recommend a somewhat drastic content (content having a high degree of serendipity) when the acceptance tendency is high. .
  • the control unit 200 updates the numerical value of the attribute / feature associated with the evaluation target (step S209).
  • the evaluation of the user is to directly inform the agent of the evaluation of the quality of the content presented by the agent.
  • the way of communication may be, for example, by saying "I like this song” by voice input or saying "I can't follow the advice". It should be noted that the attribute and the characteristic amount of the user can be newly acquired by such a user evaluation.
  • the agent selecting unit 201 attaches a non-match flag to the currently selected base agent candidate (step S215).
  • “Nearest” may be, for example, about one month.
  • a binary value of the user's likes / dislikes may be used, or a graded value including a little like and a little dislike may be used.
  • the number of times the evaluation is low may be set as the threshold value.
  • the agent selecting unit 201 performs agent matching (reselection of the base agent) again based on the updated attribute / feature (step S218).
  • agent matching selection of the base agent
  • the detailed flow is as shown in FIG.
  • an agent to which a non-match flag has been added may be excluded.
  • step S221 / Yes when the user evaluation is equal to or more than a certain value (step S221 / Yes), it can be determined that the selected base agent is suitable for the user, so the agent selecting unit 201 sets the confirmation flag to the selected base agent. (Step S224). Thus, the base agent is determined.
  • agent DB 221 agent bank
  • the initial agent is selected from the limited information, and the information processing terminal 10 selects “for your family of 4 Start with a typical agent. "
  • the information processing terminal 10 "changes to the previous agent and further adds to the master's western music and his wife's drama lover. Agents who can respond will be pleased. Thank you. ", And introduce yourself using the attributes of the agent (agent information, that is, the attributes of other users who have grown up using the agent for many years). You may.
  • the information processing terminal 10 will display, "I like you as a favorite, so I will use you as your agent from today. Of course, It is possible to give the user a self-introduction indicating that the base agent has been confirmed and that it will continue to grow in the future.
  • the agent DB 221 stores not only information on agents used by general users but also information on agents used by, for example, celebrities (hereinafter, referred to as “celebrity agents”). Good. A celebrity flag is added to such agent information. Alternatively, it may be managed separately for a general agent DB and a celebrity agent DB. The user can optionally prioritize (or limit) the celebrity agent. At this time, the celebrity agent may be charged for sale.
  • FIG. 10 is a flowchart showing an example of the flow of the learning process of the base agent according to the present embodiment.
  • the agent management server 20 sends the new attribute / feature value from the information processing terminal 10 It is acquired (Step S306).
  • the input associated with the user's attribute or feature amount may be an explicit evaluation based on a preference, or a user's attribute or feature amount acquired by a camera, a microphone, or another sensor. For example, the time of the reunion is updated or the time of returning home is updated.
  • the agent learning unit 202 determines the attribute / feature of the agent determined by the user based on the new feature.
  • the agent information stored in the agent DB 221, that is, the attribute / feature of the user is updated (learned).
  • the determined agent changes (grows) so as to more closely match the user's preference and the like.
  • the “distance from the currently used base agent” refers to the attribute / feature of the currently used (determined) agent (that is, the attribute / feature of the user) stored in the agent DB 221. , The distance from the user to the new attribute / feature obtained in step S306.
  • the agent information of the user in the agent DB 221 is updated in real time. Since an update occurs, the update is performed when a certain difference is generated.
  • the present embodiment is not limited to this, and the agent DB 221 may be updated each time a new attribute / feature is acquired.
  • the agent is always updated to the latest information in updating the agent.
  • the present embodiment is not limited to this, and information at an intermediate stage (before updating) may be held. Good. This increases the number of candidates when selecting another user's base agent.
  • Agent public approval process The fixed base agent learns and grows according to the newly acquired attribute / feature information of the user as described with reference to FIG. (Which may be referred to as a base agent of another new user) is determined based on the approval of the user. You may.
  • FIG. 11 is a flowchart showing an example of the flow of an agent approval process according to the present embodiment.
  • step S323 the agent management server 20 says, "I want to make it public so that other users can use it. Confirmation such as "Is it OK?" Is performed from the information processing terminal 10 to the user (step S326).
  • step S329 / Yes the agent management server 20 sets a public flag for the agent in the agent DB 221. As a result, the agent is included as a candidate when another new user selects a base agent candidate.
  • the user attribute / feature information registered as the agent information does not include information (address, name, etc.) that can specify the individual user. However, some users may not want to use music or TV preference information in addition to direct personal information such as their name. Alternatively, the user may arbitrarily set the approval.
  • a computer program for causing hardware such as the CPU, ROM, and RAM built in the information processing terminal 10 or the agent management server 20 to perform the functions of the information processing terminal 10 or the agent management server 20 is also created. It is possible. Also, a computer-readable storage medium storing the computer program is provided.
  • FIGS. 8 to 11 Although an example of each operation process according to the present embodiment has been described with reference to FIGS. 8 to 11, the operation process illustrated in FIGS. 8 to 11 is an example, and the present disclosure is illustrated in FIGS. It is not limited to the example.
  • the present disclosure is not limited to the order of the steps shown in FIGS. At least one of the steps may be processed in parallel, or may be processed in the reverse order.
  • not all the processes shown in FIGS. 8 to 11 need to be executed.
  • all the processes shown in FIGS. 8 to 11 do not necessarily have to be performed by a single device.
  • An information processing system comprising: a control unit that selects a base agent candidate from a plurality of agents stored in the database according to an attribute or characteristic of a new user who newly uses the agent service.
  • the control unit includes: The method according to (1), wherein an agent of another user having an attribute or characteristic most similar to an attribute or characteristic of the new user is selected as a base agent candidate from the plurality of agents stored in the database.
  • Information processing system (3) The information processing system according to (1) or (2), wherein the information on the agent stored in the database is information on attributes or characteristics of a user using the agent.
  • the control unit includes: Reselecting an agent candidate having an attribute or characteristic most similar to the attribute or characteristic of the new user updated according to the use status of the new user for the service by the agent candidate from the plurality of agents stored in the database The information processing system according to any one of the above (1) to (3).
  • the control unit includes: The information processing system according to (4), wherein when the evaluation of the service by the agent candidate of the new user included in the usage status in a certain period is lower than a certain value, the agent candidate is reselected.
  • the control unit includes: When the agent candidate is selected, The information processing system according to any one of (1) to (5), wherein information corresponding to an attribute or characteristic of the selected agent candidate is presented to the new user.
  • the control unit includes: (1) determining the agent candidate as the base agent and setting the agent candidate as a base agent of the new user according to the usage status of the new user for the service by the agent candidate or the service usage period.
  • the information processing system according to any one of (1) to (6).
  • the control unit includes: The information processing system according to (7), wherein the new user is notified that the base agent has been set.
  • the control unit includes: Update the attributes or characteristics of the new user according to the usage status of the base agent by the new user, When the distance between the attribute or feature of the new user and the attribute or feature of the set base agent is separated by a certain distance or more, The information processing system according to (7) or (8), wherein the set attribute or characteristic of the base agent is updated based on the updated attribute or characteristic of the new user. (10) The control unit includes: Inquires the new user as to whether the set base agent may be released to other users, The apparatus according to any one of (7) to (9), wherein upon obtaining approval from the new user, the set base agent is set to be selectable as an agent candidate serving as a base for another new user. Information processing system.
  • the information processing system according to (10), wherein the approval is set in units of attributes or attributes of the set base agent.
  • An information processing method including: (13) Computer An agent optimized for each user by using the agent service in an information processing system for providing an agent service to a user is stored in a database, A program for functioning as a control unit for selecting a base agent candidate from a plurality of the agents stored in the database according to an attribute or a characteristic of a new user newly using the agent service is recorded. Recording media.

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Databases & Information Systems (AREA)
  • Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Software Systems (AREA)
  • Artificial Intelligence (AREA)
  • Computing Systems (AREA)
  • Evolutionary Computation (AREA)
  • Mathematical Physics (AREA)
  • Medical Informatics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Computational Linguistics (AREA)
  • Biophysics (AREA)
  • Molecular Biology (AREA)
  • General Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Biomedical Technology (AREA)
  • Health & Medical Sciences (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

ユーザにエージェントサービスを提供する情報処理システム（１）において、前記エージェントサービスが利用されることによりユーザ単位で最適化されたエージェントが、データベースに格納されており、新規で前記エージェントサービスを利用する新規ユーザの属性または特徴に応じて、前記データベースに格納されている複数の前記エージェントから、ベースとなるエージェント候補を選択する制御部（１００）を備える、情報処理システム（１）。

Description

情報処理システム、情報処理方法、および記録媒体
　本開示は、情報処理システム、情報処理方法、および記録媒体に関する。
　近年、スマートフォンやタブレット端末、ウェアラブルデバイス等のモバイル端末、または、スマートスピーカー等の専用端末を用いて、ユーザの要求に応じたコンテンツの推薦や情報提供を行うエージェントシステムが知られている。このようなエージェントシステムは、クラウド上で、全てのユーザの要求と最適解を機械学習し、成長していくことができる。
　例えば下記特許文献１では、モバイルデバイス上で情報提供を行うリコメンデーションの方法に関し、ユーザと関連付けられたデータの分析に基づいて、ユーザが入手可能なコンテンツに関するデータを参照し、リコメンデーションリストを生成するシステムが開示されている。
　また、下記特許文献２では、特定ユーザにのみ所望の条件を備えたエージェントとしての電子ペットを提供可能にするエージェントシステムが開示されている。
　また、下記特許文献３では、キャラクターエージェントを生成する際に、アンケートに回答することでユーザの嗜好を覚え込ませ、ユーザの嗜好にあった販売エージェントを紹介することが可能なシステムが開示されている。
特表２０１１－５１１９６８号公報 特開２００２－２６８９０１号公報 特開２００２－１３２６０４号公報
　クラウドに接続された情報処理端末から音声にて操作を行うエージェントシステムでは、上述したように、ビッグデータ学習に基づく一極集中型の共有エージェントが提供され、全ての利用者にとって共通の最適化されたエージェントがクラウド上で成長する。このような一極集中型の共有エージェントを用いるシステムでは、新しい利用者が追加された場合でも常に最新のエージェントと対話することが可能となるが、一方で、家族などの小さなコミュニティ単位あるいは個人にパーソナライズしたアドバイスを行うことは困難であった。
　また、ユーザの操作内容を学習してエージェントを個別に最適化することも考えられるが、初期状態から最適化までは、ある程度の操作や時間が必要となるため、エージェントを購入した際に、快適にスタートさせることが難しい。
　そこで、本開示では、新規ユーザに対して個別化された最適なエージェントを設定することが可能な情報処理システム、情報処理方法、および記録媒体を提案する。
　本開示によれば、ユーザにエージェントサービスを提供する情報処理システムにおいて、前記エージェントサービスが利用されることによりユーザ単位で最適化されたエージェントが、データベースに格納されており、新規で前記エージェントサービスを利用する新規ユーザの属性または特徴に応じて、前記データベースに格納されている複数の前記エージェントから、ベースとなるエージェント候補を選択する制御部を備える、情報処理システムを提案する。
　本開示によれば、プロセッサが、ユーザにエージェントサービスを提供する情報処理システムにおける前記エージェントサービスが利用されることによりユーザ単位で最適化されたエージェントを、データベースに格納することと、新規で前記エージェントサービスを利用する新規ユーザの属性または特徴に応じて、前記データベースに格納されている複数の前記エージェントから、ベースとなるエージェント候補を選択することと、を含む、情報処理方法を提案する。
　本開示によれば、コンピュータを、ユーザにエージェントサービスを提供する情報処理システムにおける前記エージェントサービスが利用されることによりユーザ単位で最適化されたエージェントが、データベースに格納されており、新規で前記エージェントサービスを利用する新規ユーザの属性または特徴に応じて、前記データベースに格納されている複数の前記エージェントから、ベースとなるエージェント候補を選択する制御部として機能させるためのプログラムが記録された、記録媒体を提案する。
　以上説明したように本開示によれば、新規ユーザに対して個別化された最適なエージェントを設定することが可能となる。
　なお、上記の効果は必ずしも限定的なものではなく、上記の効果とともに、または上記の効果に代えて、本明細書に示されたいずれかの効果、または本明細書から把握され得る他の効果が奏されてもよい。
本開示の一実施形態による情報処理システムの概要について説明する図である。 本実施形態による情報処理システムの全体構成の一例を示す図である。 本実施形態による情報処理端末の構成の一例を示すブロック図である。 本実施形態によるエージェント管理サーバの構成の一例を示すブロック図である。 本実施形態による新規ユーザの属性・特徴量情報をパラメータとするマッチングに基づくベースエージェント候補の選択について説明する図である。 本実施形態によるユーザの属性・特徴量情報の一例を示す図である。 本実施形態によるベースエージェント候補の選択、確定、更新（学習）の大まかな流れについて説明する図である。 本実施形態によるベースエージェント候補の選択処理の流れの一例を示すフローチャートである。 本実施形態によるベースエージェントをユーザの評価によって確定する処理の流れの一例を示すフローチャートである。 本実施形態によるベースエージェントの学習処理の流れの一例を示すフローチャートである。 本実施形態によるエージェントの公開承認処理の流れの一例を示すフローチャートである。
　以下に添付図面を参照しながら、本開示の好適な実施の形態について詳細に説明する。なお、本明細書及び図面において、実質的に同一の機能構成を有する構成要素については、同一の符号を付することにより重複説明を省略する。
　また、説明は以下の順序で行うものとする。
　１．本開示の一実施形態による情報処理システムの概要
　２．構成
　　２－１．情報処理端末１０の構成
　　２－２．エージェント管理サーバ２０の構成
　３．動作処理
　　３－１．ベースエージェント候補の選択処理
　　３－２．ベースエージェントの確定処理
　　３－３．ベースエージェントの学習処理
　　３－４．エージェントの公開承認処理
　４．まとめ
　＜＜１．本開示の一実施形態による情報処理システムの概要＞＞
　図１は、本開示の一実施形態による情報処理システムの概要について説明する図である。図１に示すように、本実施形態による情報処理システム１は、クラウドに接続されたスマートスピーカー等の各種情報処理端末１０を用いて、ユーザ専用に個別に最適化されたエージェント３０（３０Ａ～３０Ｃ）が提供されるエージェントシステムである。
　ここで、「ユーザ」とは、一人または複数を含む意味であり、図１に示すように、情報処理端末１０を利用する家族などの小さなコミュニティ単位もユーザと称する。
　本実施形態では、情報処理端末１０としてスマートスピーカーを用いて、情報処理システム１として音声エージェントシステムを例に挙げて説明するが、本実施形態はこれに限定されず、エージェントのインターフェースは、スマートフォンや携帯電話端末、タブレット端末、ウェアラブルデバイス、プロジェクター等により、音声に限らず、画像表示を用いてもよい。
　エージェント３０は、各ユーザとの対話やカメラ画像の解析によりユーザの嗜好情報や生活パターン等を個別に機械学習し、ユーザに最適化するようクラウド上で成長する。したがって、図１では、ユーザ毎に個別に最適化された（既にある程度、又は長年学習された）エージェントとして、各エージェント３０Ａ～３０Ｃを、異なるエージェントとして図示している。図１に示すエージェントのキャラクターは一例であって、本実施形態はこれに限定されない。
　また、本明細書において、「エージェント」とは、ユーザへの様々な情報提供や、ユーザの行動支援、また、ユーザとの音声対話等を、自律的に行うソフトウェアであって、様々な形態の情報処理端末１０により動作し得る。ユーザの要求やコンテキストは、カメラやマイクロホン（以下、マイクと称す）により取得される撮影画像や音声データの解析、また、ボタンやキーボード、スイッチ等の操作入力部により取得される操作入力内容の解析に基づいて取得される。クラウドでは、対応するエージェントにより、ユーザの要求やコンテキストに対する解答を得て、情報処理端末１０のスピーカや表示部からユーザに提示する。各エージェントは、ユーザの要求やコンテキストに対する最適解を機械学習し、成長することで、個別に最適化し得る。
　また、「エージェント」は、ユーザに対して直接的で短期的な１セッションの応答を行う一般的なエージェントシステムの他、長期的な視野に立って徐々に課題解決に近付けていくための行動変容をユーザに促す新たなエージェントシステム（マスターシステムと称する）であってもよい。ここで、マスターとは、ユーザに自発的な行動変容を促す仮想的なエージェントの呼称（師匠的な存在）である。マスターシステムでは、例えば特定コミュニティやユーザ毎に所定の行動規範（コミュニティ内の課題を解決するための手段、所定の価値基準（すなわち価値観）、所定の生活リズム等）を自動生成し、行動規範に基づいて行動変容を間接的に促すことで、コミュニティの課題を解決する。すなわち、ユーザはマスターの言葉に従って行動しているうちに、行動規範を意識せずとも、気付かないうちにコミュニティ内の課題が解決されていたり、コミュニティ内の価値基準に合った行動を取ったりすることができ、コミュニティの状況が改善される。
　（背景）
　上述したように、ユーザとの対話等を学習してエージェントを個別に成長させるには、ある程度又は長年の操作や時間が必要となるため、エージェントを購入した際の初期状態では、快適にスタートすることが困難であった。
　そこで、本実施形態による情報処理システム１では、新規ユーザに対して個別化された最適なエージェントを設定することを可能とし、コールドスタート問題を解消する。
　すなわち、全体共有型のグローバルエージェントではなく、個々の家族や個人に最適化していくエージェント形態において、購入直後にその家族（新規ユーザ）に最も合っていると推定される他の家族が既に利用している（ある程度又は長年学習済みの）エージェントを、新規ユーザの初期エージェント（ベースとなるエージェントの候補。以下、ベースエージェント候補とも称する）として設定（選択）する。
　クラウドには、各ユーザによって既に学習されたエージェントが存在し、本システムは、新規にエージェントの購入を希望する新規ユーザの属性・特徴量情報と類似または同じ属性・特徴量情報を有する他ユーザが既に利用しているエージェントを（コピーして）ベースに設定することで（属性・特徴量情報をパラメータとしたマッチングによるベースエージェント候補の選択、図５参照）、コールドスタート問題を解消することが可能となる。
　例えば図１に示す例では、各ユーザによって既に学習されたエージェント３０Ａ～３０Ｃがクラウドに存在している場合において、新規にエージェントを購入するユーザ４Ｄ（家族）の家族構成（人数、年代）等と類似するパラメータを有するユーザ４Ｂを、マッチングにより特定する。そして、当該ユーザが利用しているエージェント３０Ｂを、新規のユーザ４Ｄのエージェントとして選択する。家族構成等のパラメータが類似している他ユーザにより既に学習されたエージェントは、ある程度新規ユーザにも適合することが期待される（すなわち、ある程度ユーザに個別化しているとみなすことができる）。これにより、初期状態においても、ある程度ユーザに個別化しているとみなされるエージェントからスタートすることができ、快適な利用が可能となる。
　ここで、属性情報とは、例えば、「国籍、住所、母国語、年代、性別、家族構成、家族の年代等」が挙げられ、また、特徴量情報とは、「嗜好、性格、能力等」が挙げられる。属性・特徴量情報は、ユーザがエージェントを使用している間にも収集され得る。例えばユーザが「家族」の場合、属性・特徴量情報（家族情報）としては、例えば、「家族構成、家族の年代、起床時間、団欒時間、夕食時間、部屋の散らかり度、運動量、親密度（喧嘩の頻度）」等が収集される（さらなる具体例については、図６参照）。
　また、ベースエージェント候補を選択する際（マッチング）に用いる新規ユーザの属性・特徴量情報は、初期段階で取得可能なものを用いればよく、特に限定はしない。また、エージェント購入から一定期間内は、新規ユーザの属性や特徴量の情報が随時追加、更新されるに従って、繰り返しマッチングを行い、より相性の良いエージェントを設定するようにしてもよい（ベースエージェント候補の再選択）。そして、一定期間経過後または当該新規ユーザの確定操作などで、ベースエージェントの再マッチングを終了し（ベースエージェントの確定）、その後は、当該新規ユーザ専用のエージェントとして個別に成長を開始する（ベースエージェントとして確定したエージェントの更新）。詳細については、図７を参照して後述する。なお、このように個別に成長したエージェントをクラウド上で公開するか否か（他の新たなユーザがエージェントを購入した際のマッチング対象とさせるか）は、ユーザが任意に設定することができる。また、マッチングに用いられるユーザの属性・特徴量情報も、項目ごとに、ユーザが任意に使用可否を選択することができる。
　（システム構成）
　続いて、このような本実施形態による情報処理システムの全体構成について図２を参照して説明する。図２は、本実施形態による情報処理システム１の全体構成の一例を示す図である。
　図２に示すように、本実施形態による情報処理システムは、情報処理端末１０と、エージェント管理サーバ２０と、を含む。情報処理端末１０とエージェント管理サーバ２０は、例えばネットワーク３を介して通信接続し、データの送受信を行い得る。
　情報処理端末１０は、例えばスマートスピーカー、スマートフォン、タブレット端末、ウェアラブルデバイス（ＨＭＤ（Head　Mounted　Display）、スマートバンド、スマートウォッチ、スマートイヤホン、スマートネックスピーカ等）、ＰＣ、ＴＶ装置、ホームプロジェクタ等により実現されてもよい。
　エージェント管理サーバ２０は、エージェント情報として、利用ユーザの属性・特徴量情報を格納し、また、利用ユーザとの対話等を機械学習し、各エージェントを個別に最適化させる処理を行い得る。また、エージェント管理サーバ２０は、新規ユーザの属性情報等に基づく上記マッチングや、ベースエージェントの選択等を行い得る。
　以上、本開示の一実施形態による情報処理システムについて説明した。続いて、本実施形態による情報処理システムに含まれる各装置の具体的な構成について図面を参照して説明する。
　＜＜２．構成＞＞
　　＜２－１．情報処理端末１０の構成＞
　図３は、本実施形態による情報処理端末１０の構成の一例を示すブロック図である。図３に示すように、情報処理端末１０は、制御部１００、通信部１１０、音声入力部１２０、操作入力部１３０、カメラ１４０、音声出力部１５０、および記憶部１６０を有する。
　制御部１００は、演算処理装置および制御装置として機能し、各種プログラムに従って情報処理端末１０内の動作全般を制御する。制御部１００は、例えばＣＰＵ（Central　Processing　Unit）、マイクロプロセッサ等の電子回路によって実現される。また、制御部１００は、使用するプログラムや演算パラメータ等を記憶するＲＯＭ（Read　Only　Memory）、及び適宜変化するパラメータ等を一時記憶するＲＡＭ（Random　Access　Memory）を含んでいてもよい。
　また、本実施形態による制御部１００は、音声／操作認識部１０１、画像解析部１０２、発話制御部１０３としても機能する。
　音声／操作認識部１０１は、音声入力部１２０から取得したユーザ音声の認識（自然言語処理）や、操作入力部１３０から取得したユーザ操作の認識を行う。また、画像解析部１０２は、カメラ１４０により撮像した撮像画像を解析し、ユーザの顔認識や、周辺の様子の認識を行い得る。音声／操作認識部１０１の認識結果や、画像解析部１０２の解析結果から、ユーザの要求やコンテキストが（制御部１００により）取得され、エージェント管理サーバ２０に送信される。なお、これらの認識結果や解析結果をエージェント管理サーバ２０に送信し、エージェント管理サーバ２０側で、ユーザの要求やコンテキストの取得を行うようにしてもよい。エージェント管理サーバ２０では、ユーザの要求やコンテキストに対するエージェントの応答（最適解）の生成（ユーザコマンド処理）が行われる。
　また、制御部１００は、音声／操作認識部１０１の認識結果や、画像解析部１０２の解析結果から、利用ユーザの属性・特徴量情報を取得し、記憶部１６０に蓄積したり、適宜、エージェント管理サーバ２０に送信したりする。
　発話制御部１０３は、音声出力部１５０からのエージェント音声の発話制御を行う。例えば発話制御部１０３は、エージェント管理サーバ２０から取得したユーザコマンド処理の結果に基づいて、エージェント音声を生成し、音声出力部１５０から再生する。なお、エージェント音声は、エージェント管理サーバ２０側で生成されてもよい。また、ローカルで管理しているスケジュール情報の確認や、時刻情報など、クラウドに問い合わせることなく、発話制御部１０３によりローカルで応答を生成することも可能である。
　（通信部１１０）
　通信部１１０は、有線または無線によりネットワーク３と接続し、ネットワーク上のエージェント管理サーバ２０とデータの送受信を行う。通信部１１０は、例えば有線／無線ＬＡＮ（Local　Area　Network）、またはＷｉ－Ｆｉ（登録商標）、Ｂｌｕｅｔｏｏｔｈ（登録商標）、携帯通信網（ＬＴＥ（Long　Term　Evolution）、３Ｇ（第３世代の移動体通信方式））等によりネットワーク３と通信接続する。
　（音声入力部１２０）
　音声入力部１２０は、マイクロホンと、そのマイクロホンで得られた音声信号を増幅処理するマイクアンプ部と、音声信号にデジタル変換するＡ／Ｄ変換器により実現され、音声信号を制御部１００に出力する。
　（操作入力部１３０）
　操作入力部１３０は、ユーザによる操作指示を受付け、その操作内容を制御部１００に出力する。操作入力部１３０は、タッチセンサ、圧力センサ、若しくは近接センサであってもよい。あるいは、操作入力部１３０は、ボタン、スイッチ、およびレバーなど、物理的構成であってもよい。
　（カメラ１４０）
　カメラ１４０は、撮像レンズ、絞り、ズームレンズ、およびフォーカスレンズ等により構成されるレンズ系、レンズ系に対してフォーカス動作やズーム動作を行わせる駆動系、レンズ系で得られる撮像光を光電変換して撮像信号を生成する固体撮像素子アレイ等を有する。固体撮像素子アレイは、例えばＣＣＤ（Ｃｈａｒｇｅ　Ｃｏｕｐｌｅｄ　Ｄｅｖｉｃｅ）センサアレイや、ＣＭＯＳ（Ｃｏｍｐｌｅｍｅｎｔａｒｙ　Ｍｅｔａｌ　Ｏｘｉｄｅ　Ｓｅｍｉｃｏｎｄｕｃｔｏｒ）センサアレイにより実現されてもよい。また本実施形態によるカメラ１４０は、情報処理端末１０の周辺に居る利用ユーザや、周辺の様子を継続的に、または、所定のタイミング（断続的、定期的、人の存在を検知した場合等）で撮像する。
　（音声出力部１５０）
　音声出力部１５０は、音声信号を再生するスピーカと、スピーカに対するアンプ回路を有する。
　（記憶部１６０）
　記憶部１６０は、制御部１００の処理に用いられるプログラムや演算パラメータ等を記憶するＲＯＭ（Read　Only　Memory）、および適宜変化するパラメータ等を一時記憶するＲＡＭ（Random　Access　Memory）により実現される。
　また、記憶部１６０には、ユーザの属性・特徴量情報が蓄積されていてもよい。また、設定されたエージェントの情報が蓄積されていてもよい。
　以上、本実施形態による情報処理端末１０の構成について具体的に説明した。なお情報処理端末１０の構成は、図３に示す例に限定されない。例えば、情報処理端末１０は、複数の装置により実現されてもよい。また、カメラ１４０は外部装置であってもよい。
　　＜２－２．エージェント管理サーバ２０の構成＞
　図４は、本実施形態によるエージェント管理サーバ２０の構成の一例を示すブロック図である。図４に示すように、エージェント管理サーバ２０は、制御部２００、通信部２１０、および記憶部２２０を有する。
　（制御部２００）
　制御部２００は、演算処理装置および制御装置として機能し、各種プログラムに従ってエージェント管理サーバ２０内の動作全般を制御する。制御部２００は、例えばＣＰＵ（Central　Processing　Unit）、マイクロプロセッサ等の電子回路によって実現される。また、制御部２００は、使用するプログラムや演算パラメータ等を記憶するＲＯＭ（Read　Only　Memory）、及び適宜変化するパラメータ等を一時記憶するＲＡＭ（Random　Access　Memory）を含んでいてもよい。
　また、本実施形態による制御部２００は、エージェント選択部２０１、エージェント学習部２０２、および、ユーザコマンド処理部２０３としても機能する。
　エージェント選択部２０１は、新規ユーザ（個人の他、家族等の小さなコミュニティ単位を含む）の属性・特徴量情報をパラメータとして、既にエージェントを利用している他ユーザ（個人の他、家族等の小さなコミュニティ単位を含む）の属性・特徴量情報とのマッチングを行い、マッチングした他ユーザが利用しているエージェントを、当該新規ユーザのベースエージェント候補として選択する。図５は、新規ユーザの属性・特徴量情報をパラメータとするマッチングに基づくベースエージェント候補の選択について説明する図である。
　図５に示すように、初期状態で取得できた新規ユーザの属性・特徴量情報と、クラウドに格納されている公開エージェント（後述する公開フラグがＯＮになっているエージェント）を利用している他ユーザの属性・特徴量情報とを比較し、類似している他ユーザのエージェントを、新規ユーザのベースエージェント候補として選択する。新規でエージェントを利用する場合（例えばスマートスピーカーを購入した際）、例えば簡単なアンケートに答えさせるなどして新規ユーザの家族構成や年代、趣味などを取得してもよい。また、新規ユーザの属性・特徴量情報は、その後の日々の会話や行動をマイクやカメラでエージェントスピーカー（情報処理端末１０）がモニタリングすることで、家族の団欒時間、家族が興味のあること、家族がよく見るＴＶ番組とそのジャンル等、様々な情報が追加され得る。図６に、このように取得され得るユーザの属性・特徴量情報の一例を示す。なお、図６に示す「アクセプタンス傾向」とは、エージェントからの提案を受け入れる傾向が高い状況に関する情報である（例えば、飲酒時や休前日夜など）。
　このような「ユーザの属性・特徴量情報」は、すなわち「エージェント情報」として扱われ、エージェントＤＢ２２１に蓄積される。当該エージェントがマッチング対象となる場合における、ユーザの属性・特徴量情報の公開（利用）可否は、ユーザが任意に決定することが可能である。これにより、ユーザの属性・特徴量情報のうち少なくとも一部を個人情報扱いとすることができる。
　エージェント選択部２０１により選択されたベースエージェント候補は、ユーザコマンド処理部２０３によりユーザコマンド処理を行う際に利用される。ユーザコマンド処理部２０３は、ユーザからの要求やコンテキストに応じて、ユーザに対する応答（最適解）を取得する（ユーザコマンド処理）。なおユーザコマンド処理部２０３は、必要に応じてネットワーク上の他のサーバから情報を収集してもよい。
　このように、新規にエージェントを購入した際にも、初期状態において、ある程度又は長年学習された、新規ユーザに個別に最適化されたとみなすことができるエージェント（正確には、新規ユーザと属性等が類似する他ユーザによって成長したエージェント）を利用して応答を行うことが可能となる。すなわち、ユーザの属性や嗜好をエージェントに十分に与える前であっても、エージェントがより気の利いたアドバイスやコンテンツの推薦をしてくれる可能性が高まる。例えば、現在得られている属性（初期段階で取得された新規ユーザの属性・特徴量情報）が限定的な情報であっても、選択したベースエージェント候補に紐付いた様々な属性や特徴量（ベースエージェント候補として選択したエージェントを利用している他ユーザの属性・特徴量情報）を利用することができる。かかる属性等は他ユーザ（他の家族）のものであるため、正確には新規ユーザ（新規家族）の属性と合致しない部分もあるかもしれないが、例えば音楽の再生を行う際に、当てずっぽうで適当な音楽を流すよりかは、子供が一緒にいるときに好んで聴く音楽ジャンルがアニメやＪ－ＰＯＰであるといった他ユーザの属性を利用して、新規ユーザの場合も子供と一緒のときにはアニメソングを流してみた方が喜ばれる可能性が高いことが期待できる。なお、新規ユーザの属性と、他ユーザの属性の両方に、よく見るテレビジャンルにアニメが含まれているという共通項がある場合は、「子供と一緒のときにはアニメソングを流す」という応答が喜ばれる可能性の確度が上がる。特に上述したマスターシステムにおいては、家族や個人と紐づくさまざまな属性や特徴量、例えば、家族の考え方や価値観に至るまでの情報も保持されている。このため、新規ユーザの属性等と近い属性の他ユーザが長年利用してきた（学習されてきた）エージェントは、新規ユーザと同じまたは近い価値観を持つエージェントの可能性があり、長い年月をかけずとも、短期間で家族の価値観にあったエージェントを得ることができる。
　なお、エージェント選択部２０１は、使用開始（ベースエージェント候補の選択）から一定期間内は、新規ユーザの属性や特徴量の情報が随時追加、更新されるに従って、繰り返しマッチングを行い、より相性の良いベースエージェント候補を選択するようにしてもよい。
　そして、一定期間経過後または当該新規ユーザの確定操作などで、エージェント選択部２０１は、ベースエージェントの再マッチングを終了し、ベースエージェントを確定する（例えばエージェントＤＢ２２１にエージェント情報を登録する）。その後は、エージェント学習部２０２により、当該新規ユーザ専用のエージェントとして個別に学習が開始される（確定したベースエージェントの更新）。エージェント学習部２０２は、ユーザの会話や行動、提示情報に対するユーザのフィードバック、応答履歴等に基づいて、継続的に機械学習を行い、よりユーザに合ったエージェントに成長させる（具体的には、例えばエージェント情報であるユーザ属性・特徴量情報を拡充する）。
　図７は、このような新規ユーザの属性・特徴量情報に基づくベースエージェント候補の選択と確定、さらに、確定したベースエージェントの学習の大まかな流れについて説明する図である。
　ベースエージェントが確定した際、ユーザは、確定（登録）したエージェントを、クラウド上で公開するか否か（すなわち、当該エージェントを、他の新たなユーザが新規でエージェントを購入した際におけるマッチングの対象とさせるか否か）について、ユーザが任意に設定することができる（公開フラグのＯＮ／ＯＦＦ）。
　（通信部２１０）
　通信部２１０は、有線または無線によりネットワーク３と接続し、ネットワーク３を介して各情報処理端末１０とデータの送受信を行う。通信部２１０は、例えば有線／無線ＬＡＮ（Local　Area　Network）、またはＷｉ－Ｆｉ（Wireless　Fidelity、登録商標）等によりネットワーク３と通信接続する。
　（記憶部２２０）
　記憶部２２０は、制御部２００の処理に用いられるプログラムや演算パラメータ等を記憶するＲＯＭ、および適宜変化するパラメータ等を一時記憶するＲＡＭにより実現される。例えば本実施形態による記憶部２２０は、エージェントＤＢ（データベース）２２１を記憶する。
　以上、本実施形態によるエージェント管理サーバ２０の構成について具体的に説明した。なお図４に示すエージェント管理サーバ２０の構成は一例であって、本実施形態はこれに限定されない。例えばエージェント管理サーバ２０の少なくとも一部の構成が外部装置にあってもよいし、制御部２００の各機能の少なくとも一部が、情報処理端末１０または通信距離が比較的情報処理端末１０に近い情報処理装置（例えば、いわゆるエッジサーバなど）により実現されてもよい。
　例えば、ユーザコマンド処理部２０３の処理の一部を、情報処理端末１０で行うようにしてもよい。その際は、ベースエージェントのエージェント情報（すなわち、ベースエージェントとして選択したエージェントを利用している他ユーザの属性・特徴量情報）を、エージェント管理サーバ２０から取得して情報処理端末１０の記憶部１６０に格納してもよい。
　＜＜３．動作処理＞＞
　続いて、本実施形態による情報処理システムの動作処理について図面を用いて具体的に説明する。
　　＜３－１．ベースエージェント候補の選択処理＞
　図８は、本実施形態によるベースエージェント候補の選択処理の流れの一例を示すフローチャートである。
　図８に示すように、まず、新規ユーザの新しい属性・特徴量情報取得の通知が情報処理端末１０からあった場合（ステップＳ１０３／Ｙｅｓ）、エージェント管理サーバ２０は、情報処理端末１０において現在取得済の属性・特徴量情報を取得する（ステップＳ１０６）。情報処理端末１０では、新規ユーザの会話や行動等、日々の情報を継続的に収集し（情報処理端末１０によりマイクやカメラでモニタリング）、属性・特徴量情報を取得しており、ある程度の特徴が見えた場合に（例えば音楽の趣味、生活パターン、よく見るＴＶ番組等）、エージェント管理サーバ２０に通知を行い、属性・特徴量情報を送信する。なお、これに限らず、情報処理端末１０は、新たな属性・特徴量情報を取得する度に随時エージェント管理サーバ２０に送信するようにしてもよいし、音声認識結果等を送信するようにしてもよい。また、情報処理端末１０は、例えば音声認識結果から会話のネガティブ／ポジティブの判別程度は行ってその結果を送信するようにしてもよい。情報処理端末１０は、新規で購入され、起動したばかりの際は、例えば簡単なアンケートに答えさせるなどして新規ユーザの家族構成や年代、趣味などを取得してもよい。さらに、エージェントが推薦したコンテンツやアドバイスに対しての評価を直接ユーザがエージェントに伝えることで、より直接的な嗜好を取得することも可能である。
　次に、エージェント管理サーバ２０のエージェント選択部２０１は、各公開エージェントを利用する他ユーザの属性・特徴量情報を、エージェントＤＢ２２１から全て取得する（ステップＳ１０９）。公開エージェントとは、既にある程度又は長年学習された（すなわち、個別に最適化された）エージェントのうち、そのエージェントの利用ユーザにより公開が承認されているエージェントである。
　次いで、エージェント選択部２０１は、属性・特徴量をＮ次元のベクトルとみなし、新規ユーザの属性・特徴量と、取得した各公開エージェントを利用する各他ユーザの属性・特徴量との距離を求める。距離の求め方は既存の様々な方法を用いてもかまわない。例えば各特徴量をＮ次元空間の座標値としたときに、座標同士のユークリッド距離を計測する、ベクトルのコサイン類似度を距離として算出する、などの方法が考えられる。このとき、各特徴量は単位がバラバラであるため正規化しておいたほうがよい。また、特徴量によってはあまり意味のないものから重要なものまで幅があるため、距離を求めるために使うパラメータ、使わないパラメータをフラグで区別したり、ベクトルごとに重み付け係数を用意したりして、距離の計算時に各ベクトルの影響度を加味しても構わない。重み付けの係数に関しては、経験的にあらかじめ用意したものでも構わないし、機械学習などを用いてエージェントの選択とユーザの評価とを学習させながら調整しても構わない。
　次に、距離がしきい値ＴＨ１以下の属性・特徴量を有する他ユーザが見つかった場合（ステップＳ１１５／Ｙｅｓ）、エージェント選択部２０１は、その中で最も距離の近い他ユーザが利用しているエージェントをベースエージェント候補として選択する（ステップＳ１１８）。
　一方、しきい値ＴＨ１以下の距離に他ユーザが見つからなかった場合（ステップＳ１１５／Ｎｏ）、エージェント選択部２０１は、距離がしきい値ＴＨ２以下の範囲の他ユーザが利用しているエージェントの中から（ステップＳ１２１／Ｙｅｓ）、最も累積参照カウントの大きいエージェントを選択する（ステップＳ１２７）。累積参照カウントとは、これまでベースエージェント候補として選択された回数を表す数値であり、大きいほど他のユーザのベースエージェントになった回数が多いため、実績のあるエージェントとなる。しかしながら、しきい値ＴＨ１の場合と同様に、しきい値ＴＨ２に関しても複数候補がある場合に、最も距離の近いエージェントを単純に選択する方式であってもよい。なお、しきい値ＴＨ１＜しきい値ＴＨ２の関係であるが、しきい値ＴＨ１は、ほぼ同一に近い小さい値を想定する。
　一方、しきい値ＴＨ２の範囲にも他ユーザが見つからなかった場合（ステップＳ１２１／Ｎｏ）、エージェント選択部２０１は、しきい値ＴＨ２の範囲を一定値大きくして（ステップＳ１２４）、他ユーザが見つかるまで、上記ステップＳ１２１～Ｓ１２４を繰り返す。
　次いで、エージェント選択部２０１は、現在ユーザに紐付いているベースエージェントと違うベースエージェントであるか否かを確認する（ステップＳ１３０）。本フローは、ベースエージェントの再選択の際にも用いられるところ、ベースエージェントの再選択の際には、新規ユーザに対して既にベースエージェンが紐付いている場合があるため、ここで前回と同じベースエージェントを選択しないよう確認を行う。
　次に、エージェント選択部２０１は、選択したベースエージェント候補の参照カウントをインクリメントする（ステップＳ１３３）。
　そして、エージェント選択部２０１は、ユーザに紐付くエージェントを、選択したエージェントに変更する（ステップＳ１３６）。
　このように選択したベースエージェントの候補（“確定”するまでは、ベースエージェントの再選択が行われ得るため、ここでは、ベースエージェント“候補”と称する）の確定は、エージェントの利用期間が一定期間を過ぎた場合としてもよいし、ユーザから一定以上良い評価を得られた場合等、ユーザの利用状況（評価、反応）に基づいてもよい。一定期間を過ぎるまで、または、ユーザから一定以上良い評価が得られなかった場合には、図８に示す処理を繰り返し、ベースエージェントを再選択するようにしてもよい。また、再選択の際には、新規ユーザの新たな属性・特徴量情報も得られていることが想定される。これにより、よりユーザに合った（例えば価値観の合った）エージェントを短期間で得ることができ、コールドスタート問題を解消することが可能となる。
　　＜３－２．ベースエージェントの確定処理＞
　次に、ベースエージェントの確定をユーザの評価によって行う例について、図９を参照して説明する。図９は、本実施形態によるベースエージェントをユーザの評価によって確定する処理の流れの一例を示すフローチャートである。
　図９に示すように、まず、エージェント管理サーバ２０は、ユーザコマンド処理部２０３により、ベースエージェントを用いて、ユーザにコンテンツ推薦やアドバイス提示、行動推薦等を行う（ステップＳ２０３）。ユーザコマンド処理部２０３は、ユーザのシチュエーションを考慮して、状況に適さないコンテンツやアドバイスは提示しない等のフィルタリングを行うようにしてもよい。例えばユーザが誰かといるときには適さないコンテンツやアドバイスは提示しないようにする。また、ユーザコマンド処理部２０３は、属性・特徴量に含まれる「アクセプタンス傾向」を参照し、アクセプタンス傾向が高い条件のときにはやや思い切ったコンテンツ（セレンディピティ度が高いコンテンツ）を推薦することも可能である。
　次に、一定期間内にユーザからの評価入力があった場合（ステップＳ２０６／Ｙｅｓ）、制御部２００は、評価対象に紐付く属性・特徴量の数値を更新する（ステップＳ２０９）。ユーザの評価とは、エージェントによる提示内容の良し悪しの評価を直接エージェントに伝えることである。伝え方は、例えば、音声による入力で「この曲好き」と言ったり、「そのアドバイスには従えない」と言ったりすることで伝えるようにしてもよい。なお、このようなユーザ評価によって、ユーザの属性・特徴量が新たに取得され得る。
　次いで、直近の評価の平均が一定値以下の場合（ステップＳ２１２／Ｙｅｓ）、エージェント選択部２０１は、現在選択しているベースエージェント候補に、非合致フラグを付ける（ステップＳ２１５）。「直近」とは、例えば１ヶ月程度であってもよい。評価に関しては、ユーザの好き／嫌いの２値でも構わないし、やや好き、やや嫌いなどを含めた段階的な値でも構わない。これらの値の平均がしきい値以下の場合だけでなく、評価が低かった回数をしきい値にしても構わない。
　次に、エージェント選択部２０１は、更新された属性・特徴量に基づいて、再度、エージェントマッチング（ベースエージェントの再選択）を行う（ステップＳ２１８）。詳細なフローは、図８に示した通りである。再選択の際は、非合致フラグが付与されたエージェントは除外するようにしてもよい。
　一方、ユーザ評価が一定以上である場合（ステップＳ２２１／Ｙｅｓ）、選択中のベースエージェントがユーザに合っていると判断できるため、エージェント選択部２０１は、当該選択中のベースエージェントに確定フラグをセットする（ステップＳ２２４）。これにより、ベースエージェントが確定する。
　（ベースエージェント選択時や候補時におけるユーザへの紹介）
　ベースエージェントが確定するまでの間は、エージェントＤＢ２２１（エージェントバンク）内の様々なエージェントに切り替わる可能性があるが、各エージェントの選択や切り替えを、明示的にユーザに知らせてもよい。
　例えば、購入時の初期アンケートに答えた状態では、家族構成だけしか入力されていない場合、限定的な情報から初期のエージェントが選ばれ、情報処理端末１０は、「あなたの年代の４人家族向けの典型的なエージェントからスタートします」とエージェントの紹介を行う。
　次に、ユーザ（家族）の属性情報が徐々に増えて新たなエージェントが選択された場合、情報処理端末１０は、「以前のエージェントに変わりまして、さらにご主人の洋楽、奥様のドラマ好きにお応えできるエージェントが対応いたします。よろしくお願いします。」といったように、エージェントの属性（エージェント情報、すなわち当該エージェントを長年利用して成長させた他ユーザの属性）を用いた自己紹介を行うようにしてもよい。
　また、ベースエージェントが確定した場合には、情報処理端末１０は、「お気に入り頂いたみたいなので、私があなたのエージェントとして本日からお遣いさせていただきます。もちろん、今後もあなたのお好みに合わせて成長していきます」というように、ベースエージェントが確定したこと、また、今後も成長していくことを示唆した自己紹介をユーザに行うようにしてもよい。
　（セレブリティ・エージェント）
　エージェントＤＢ２２１には、一般ユーザにより利用されているエージェントの情報だけでなく、例えば有名人などが利用しているエージェント（本明細書では、「セレブリティ・エージェント」と称する）の情報が格納されていてもよい。このようなエージェントの情報には、セレブリティフラグが付与される。若しくは、一般用のエージェントＤＢと、セレブリティ・エージェントＤＢとに分けて管理してもよい。ユーザは、任意によりセレブリティ・エージェントを優先的（あるいは限定）に設定することも可能である。この際、セレブリティ・エージェントは課金対象として有料販売してもよい。
　　＜３－３．ベースエージェントの学習処理＞
　次に、ベースエージェント確定後の処理について、図１０を参照して説明する。ベースエージェント確定後は、ユーザの属性・特徴量の更新に伴い、確定したベースエージェントを更新（学習）させることで、よりユーザに個別化した最適なエージェントに成長させることが可能となる。
　図１０は、本実施形態によるベースエージェントの学習処理の流れの一例を示すフローチャートである。
　図１０に示すように、まず、ユーザの属性や特徴量に紐付く入力があった場合（ステップＳ３０３／Ｙｅｓ）、エージェント管理サーバ２０は、新しい属性・特徴量の数値を、情報処理端末１０から取得する（ステップＳ３０６）。ユーザの属性や特徴量に紐付く入力とは、嗜好に基づいた明示的な評価でもよいし、カメラやマイク、その他センサにより取得されたユーザの属性や特徴量であってもよい。例えば団らんの時間が更新されたり、帰宅時間が更新されたりする。
　次に、現在使用しているベースエージェントとの距離が一定以上離れた場合（ステップＳ３０９／Ｙｅｓ）、エージェント学習部２０２は、新しい特徴量に基付いて、ユーザの確定したエージェントの属性・特徴量（エージェントＤＢ２２１に格納しているエージェント情報であって、すなわち、ユーザの属性・特徴量）を更新（学習）する。これにより、確定したエージェントが、よりユーザの嗜好等に合うよう変化（成長）する。また、上記「現在使用しているベースエージェントとの距離」とは、エージェントＤＢ２２１に格納された、現在使用している（確定した）エージェントの属性・特徴量（すなわちユーザの属性・特徴量）と、上記ステップＳ３０６で取得したユーザの新しい属性・特徴量との距離である。
　本フローでは、ユーザの新しい属性・特徴量を取得した際に、全てリアルタイムにエージェントＤＢ２２１の当該ユーザのエージェント情報を更新するようにすると、様々な特徴量の更新に合わせて膨大な回数のエージェントの更新が発生してしまうため、ある程度差分が出た際に更新を行うようにしている。しかしながら、本実施形態はこれに限定されず、新しい属性・特徴量を取得する度に、エージェントＤＢ２２１を更新するようにしてもよい。
　また、以上説明した例では、エージェントの更新において、常に最新の情報に更新しているが、本実施形態はこれに限定されず、途中の段階の情報（更新前）も保持するようにしてもよい。これにより、他ユーザのベースエージェントを選択する際の候補が増える。
　　＜３－４．エージェントの公開承認処理＞
　確定したベースエージェントは、図１０を参照して説明したように、ユーザの新たに取得された属性・特徴量情報に応じて学習を行い、成長していくが、そのベースエージェント（「エージェント」と称する場合もある）を、他の新規ユーザのために公開するか否か（すなわち、他の新規ユーザのベースエージェントとして利用することを許可するか否か）を、ユーザの承認により決定するようにしてもよい。
　図１１は、本実施形態によるエージェントの公開承認処理の流れの一例を示すフローチャートである。
　図１１に示すように、まず、ベースエージェントが確定した場合（ステップＳ３２３／Ｙｅｓ）、エージェント管理サーバ２０は、「他のユーザの皆様にもお遣いさせていただくために、公開したいと思っています。よろしいでしょうか？」というような承認確認を、情報処理端末１０からユーザに対して行う（ステップＳ３２６）。
　ユーザが承認した場合（ステップＳ３２９／Ｙｅｓ）、エージェント管理サーバ２０は、エージェントＤＢ２２１において、当該エージェントに公開フラグを立てる。これにより、当該エージェントは、他の新規ユーザのベースエージェント候補選択の際に、候補対象に含まれる。
　なお、エージェントの公開承認は、他のユーザにとってベネフィットがあるため、承認したユーザに対して何かしらのインセンティブを与えるようにしてもよいし、エージェントを公開した方がユーザに利点があるサービス設計をしておくようにしてもよい。
　また、エージェントＤＢ２２１において、エージェント情報として登録されるユーザ属性・特徴量情報には、ユーザ個人を特定できるような情報（住所、氏名等）は含まないようにする。ただし、ユーザによっては、氏名等の直接的な個人情報以外にも、音楽やＴＶの嗜好情報は利用されたくないといった場合もあり得るため、公開承認を行う際に、属性・特徴量の項目ごとに、ユーザが任意で承認設定を行えるようにしてもよい。
　＜＜４．まとめ＞＞
　上述したように、本開示の実施形態による情報処理システムでは、新規ユーザに対して個別化された最適なエージェントを設定することが可能となる。
　以上、添付図面を参照しながら本開示の好適な実施形態について詳細に説明したが、本技術はかかる例に限定されない。本開示の技術分野における通常の知識を有する者であれば、請求の範囲に記載された技術的思想の範疇内において、各種の変更例または修正例に想到し得ることは明らかであり、これらについても、当然に本開示の技術的範囲に属するものと了解される。
　例えば、上述した情報処理端末１０、またはエージェント管理サーバ２０に内蔵されるＣＰＵ、ＲＯＭ、およびＲＡＭ等のハードウェアに情報処理端末１０、またはエージェント管理サーバ２０の機能を発揮させるためのコンピュータプログラムも作成可能である。また、当該コンピュータプログラムを記憶させたコンピュータ読み取り可能な記憶媒体も提供される。
　また、本実施形態による各動作処理の一例について図８～図１１を参照して説明したが、図８～図１１に示す動作処理は一例であって、本開示は図８～図１１に示す例に限定されない。例えば、本開示は、図８～図１１に示すステップの順序に限定されない。少なくともいずれかのステップが並列に処理されてもよいし、逆の順番で処理されてもよい。また、図８～図１１に示す全ての処理が必ずしも実行されてなくともよい。また、図８～図１１に示す全ての処理が必ずしも単一の装置で行われなくともよい。
　また、本明細書に記載された効果は、あくまで説明的または例示的なものであって限定的ではない。つまり、本開示に係る技術は、上記の効果とともに、または上記の効果に代えて、本明細書の記載から当業者には明らかな他の効果を奏しうる。
　なお、本技術は以下のような構成も取ることができる。
（１）
　ユーザにエージェントサービスを提供する情報処理システムにおいて、
　前記エージェントサービスが利用されることによりユーザ単位で最適化されたエージェントが、データベースに格納されており、
　新規で前記エージェントサービスを利用する新規ユーザの属性または特徴に応じて、前記データベースに格納されている複数の前記エージェントから、ベースとなるエージェント候補を選択する制御部を備える、情報処理システム。
（２）
　前記制御部は、
　　前記データベースに格納されている複数の前記エージェントから、前記新規ユーザの属性または特徴に最も類似する属性または特徴を有する他ユーザのエージェントを、ベースとなるエージェント候補として選択する、前記（１）に記載の情報処理システム。
（３）
　前記データベースに格納されている前記エージェントの情報は、当該エージェントを利用しているユーザの属性または特徴の情報である、前記（１）または（２）に記載の情報処理システム。
（４）
　前記制御部は、
　　前記エージェント候補によるサービスに対する前記新規ユーザの利用状況によって更新された前記新規ユーザの属性または特徴に最も類似する属性または特徴を有するエージェント候補を、前記データベースに格納されている複数の前記エージェントから再選択する、前記（１）～（３）のいずれか１項に記載の情報処理システム。
（５）
　前記制御部は、
　　前記利用状況に含まれる前記新規ユーザの前記エージェント候補によるサービスに対する一定期間における評価が、一定値より低い場合に、前記エージェント候補の再選択を行う、前記（４）に記載の情報処理システム。
（６）
　前記制御部は、
　　前記エージェント候補が選択されるとき、
　　選択された前記エージェント候補の属性または特徴に対応する情報を、前記新規ユーザに提示する、前記（１）～（５）のいずれか１項に記載の情報処理システム。
（７）
　前記制御部は、
　　前記エージェント候補によるサービスに対する前記新規ユーザの利用状況、又はサービスの利用期間に応じて、前記エージェント候補を、前記ベースとなるエージェントとして確定し、前記新規ユーザのベースエージェントとして設定する、前記（１）～（６）のいずれか１項に記載の情報処理システム。
（８）
　前記制御部は、
　　前記ベースエージェントが設定されたことを前記新規ユーザに通知する、前記（７）に記載の情報処理システム。
（９）
　前記制御部は、
　　前記新規ユーザによる前記ベースエージェントの利用状況に応じて、前記新規ユーザの属性または特徴を更新し、
　　前記新規ユーザの属性または特徴と、前記設定されたベースエージェントの属性または特徴との間の距離が一定以上離間したときに、
　　前記設定されたベースエージェントの属性または特徴を、前記更新した新規ユーザの属性または特徴に基づき、更新する、前記（７）または（８）に記載の情報処理システム。
（１０）
　前記制御部は、
　　前記設定されたベースエージェントを、他のユーザに公開してよいか否か、前記新規ユーザに問い合わせを行い、
　　当該新規ユーザから承認を得ると、前記設定されたベースエージェントを、他の新規ユーザのベースとなるエージェント候補として選択可能に設定する、前記（７）～（９）のいずれか１項に記載の情報処理システム。
（１１）
　前記承認は、前記設定されたベースエージェントの属性または特徴の項目単位で設定される、前記（１０）に記載の情報処理システム。
（１２）
　プロセッサが、
　ユーザにエージェントサービスを提供する情報処理システムにおける前記エージェントサービスが利用されることによりユーザ単位で最適化されたエージェントを、データベースに格納することと、
　新規で前記エージェントサービスを利用する新規ユーザの属性または特徴に応じて、前記データベースに格納されている複数の前記エージェントから、ベースとなるエージェント候補を選択することと、
を含む、情報処理方法。
（１３）
　コンピュータを、
　ユーザにエージェントサービスを提供する情報処理システムにおける前記エージェントサービスが利用されることによりユーザ単位で最適化されたエージェントが、データベースに格納されており、
　新規で前記エージェントサービスを利用する新規ユーザの属性または特徴に応じて、前記データベースに格納されている複数の前記エージェントから、ベースとなるエージェント候補を選択する制御部として機能させるためのプログラムが記録された、記録媒体。
　１　　情報処理システム
　１０　情報処理端末
　１００　制御部
　　１０１　音声／操作認識部
　　１０２　画像解析部
　　１０３　発話制御部
　１１０　通信部
　１２０　音声入力部
　１３０　操作入力部
　１４０　カメラ
　１５０　音声出力部
　１６０　記憶部
　２０　エージェント管理サーバ
　２００　制御部
　　２０１　エージェント選択部
　　２０２　エージェント学習部
　　２０３　ユーザコマンド処理部
　２１０　通信部
　２２０　記憶部

Claims (13)

  1. 　ユーザにエージェントサービスを提供する情報処理システムにおいて、
    　前記エージェントサービスが利用されることによりユーザ単位で最適化されたエージェントが、データベースに格納されており、
    　新規で前記エージェントサービスを利用する新規ユーザの属性または特徴に応じて、前記データベースに格納されている複数の前記エージェントから、ベースとなるエージェント候補を選択する制御部を備える、情報処理システム。
  2. 　前記制御部は、
    　　前記データベースに格納されている複数の前記エージェントから、前記新規ユーザの属性または特徴に最も類似する属性または特徴を有する他ユーザのエージェントを、ベースとなるエージェント候補として選択する、請求項１に記載の情報処理システム。
  3. 　前記データベースに格納されている前記エージェントの情報は、当該エージェントを利用しているユーザの属性または特徴の情報である、請求項１に記載の情報処理システム。
  4. 　前記制御部は、
    　　前記エージェント候補によるサービスに対する前記新規ユーザの利用状況によって更新された前記新規ユーザの属性または特徴に最も類似する属性または特徴を有するエージェント候補を、前記データベースに格納されている複数の前記エージェントから再選択する、請求項１に記載の情報処理システム。
  5. 　前記制御部は、
    　　前記利用状況に含まれる前記新規ユーザの前記エージェント候補によるサービスに対する一定期間における評価が、一定値より低い場合に、前記エージェント候補の再選択を行う、請求項４に記載の情報処理システム。
  6. 　前記制御部は、
    　　前記エージェント候補が選択されるとき、
    　　選択された前記エージェント候補の属性または特徴に対応する情報を、前記新規ユーザに提示する、請求項１に記載の情報処理システム。
  7. 　前記制御部は、
    　　前記エージェント候補によるサービスに対する前記新規ユーザの利用状況、又はサービスの利用期間に応じて、前記エージェント候補を、前記ベースとなるエージェントとして確定し、前記新規ユーザのベースエージェントとして設定する、請求項１に記載の情報処理システム。
  8. 　前記制御部は、
    　　前記ベースエージェントが設定されたことを前記新規ユーザに通知する、請求項７に記載の情報処理システム。
  9. 　前記制御部は、
    　　前記新規ユーザによる前記ベースエージェントの利用状況に応じて、前記新規ユーザの属性または特徴を更新し、
    　　前記新規ユーザの属性または特徴と、前記設定されたベースエージェントの属性または特徴との間の距離が一定以上離間したときに、
    　　前記設定されたベースエージェントの属性または特徴を、前記更新した新規ユーザの属性または特徴に基づき、更新する、請求項７に記載の情報処理システム。
  10. 　前記制御部は、
    　　前記設定されたベースエージェントを、他のユーザに公開してよいか否か、前記新規ユーザに問い合わせを行い、
    　　当該新規ユーザから承認を得ると、前記設定されたベースエージェントを、他の新規ユーザのベースとなるエージェント候補として選択可能に設定する、請求項７に記載の情報処理システム。
  11. 　前記承認は、前記設定されたベースエージェントの属性または特徴の項目単位で設定される、請求項１０に記載の情報処理システム。
  12. 　プロセッサが、
    　ユーザにエージェントサービスを提供する情報処理システムにおける前記エージェントサービスが利用されることによりユーザ単位で最適化されたエージェントを、データベースに格納することと、
    　新規で前記エージェントサービスを利用する新規ユーザの属性または特徴に応じて、前記データベースに格納されている複数の前記エージェントから、ベースとなるエージェント候補を選択することと、
    を含む、情報処理方法。
  13. 　コンピュータを、
    　ユーザにエージェントサービスを提供する情報処理システムにおける前記エージェントサービスが利用されることによりユーザ単位で最適化されたエージェントが、データベースに格納されており、
    　新規で前記エージェントサービスを利用する新規ユーザの属性または特徴に応じて、前記データベースに格納されている複数の前記エージェントから、ベースとなるエージェント候補を選択する制御部として機能させるためのプログラムが記録された、記録媒体。
PCT/JP2019/033040 2018-09-11 2019-08-23 情報処理システム、情報処理方法、および記録媒体 WO2020054361A1 (ja)

Priority Applications (1)

Application Number Priority Date Filing Date Title
US17/250,758 US20210319361A1 (en) 2018-09-11 2019-08-23 Information processing system, information processing method, and recording medium

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
JP2018-169441 2018-09-11
JP2018169441A JP2021193469A (ja) 2018-09-11 2018-09-11 情報処理システム、情報処理方法、および記録媒体

Publications (1)

Publication Number Publication Date
WO2020054361A1 true WO2020054361A1 (ja) 2020-03-19

Family

ID=69777521

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/JP2019/033040 WO2020054361A1 (ja) 2018-09-11 2019-08-23 情報処理システム、情報処理方法、および記録媒体

Country Status (3)

Country Link
US (1) US20210319361A1 (ja)
JP (1) JP2021193469A (ja)
WO (1) WO2020054361A1 (ja)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US11418652B1 (en) * 2021-05-27 2022-08-16 Intuit Inc. Combining behavioral quality of service assessment with machine learning prediction

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20140359439A1 (en) * 2013-05-29 2014-12-04 Philip Scott Lyren User Agent with Personality
WO2017068817A1 (ja) * 2015-10-20 2017-04-27 ソニー株式会社 情報処理システム、および情報処理方法

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20140359439A1 (en) * 2013-05-29 2014-12-04 Philip Scott Lyren User Agent with Personality
WO2017068817A1 (ja) * 2015-10-20 2017-04-27 ソニー株式会社 情報処理システム、および情報処理方法

Also Published As

Publication number Publication date
JP2021193469A (ja) 2021-12-23
US20210319361A1 (en) 2021-10-14

Similar Documents

Publication Publication Date Title
US11327556B2 (en) Information processing system, client terminal, information processing method, and recording medium
US20230275781A1 (en) Systems and methods for modifying playback of a media asset in response to a verbal command unrelated to playback of the media asset
US11948076B2 (en) Media rendering device control based on trained network model
US20200193264A1 (en) Synchronizing virtual agent behavior bias to user context and personality attributes
JP6958573B2 (ja) 情報処理装置、情報処理方法、およびプログラム
US20180101776A1 (en) Extracting An Emotional State From Device Data
CN105453070B (zh) 基于机器学习的用户行为表征
US11729470B2 (en) Predictive media routing based on interrupt criteria
JP6400871B1 (ja) 発話制御装置、発話制御方法、および発話制御プログラム
CN103929662A (zh) 电子装置及其控制方法
US20130061257A1 (en) Verbally communicating facially responsive television apparatus
WO2020213468A1 (ja) 情報処理システム、情報処理方法、及びプログラム
JP6973380B2 (ja) 情報処理装置、および情報処理方法
JP6557376B1 (ja) 出力制御装置、出力制御方法、および出力制御プログラム
CN111862974A (zh) 智能设备的控制方法及智能设备
WO2020022294A1 (ja) 情報処理システム、情報処理方法、および、記録媒体
WO2020054361A1 (ja) 情報処理システム、情報処理方法、および記録媒体
CN110870322B (zh) 信息处理设备、信息处理方法
KR20210102032A (ko) 음성 비서 서비스 제공 방법 및 장치
CN115866339A (zh) 电视节目推荐方法、装置、智能设备及可读存储介质
WO2018216271A1 (ja) 情報処理装置、情報処理方法、およびプログラム
CN114281777A (zh) 多媒体共享的播放效果控制方法、装置、设备及存储介质
JP6787957B2 (ja) 発話制御装置、発話制御方法、および発話制御プログラム
JP6499343B1 (ja) 情報処理装置、情報処理方法、および情報処理プログラム
JP2019164314A (ja) 推定装置、推定方法および推定プログラム

Legal Events

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

Ref document number: 19858747

Country of ref document: EP

Kind code of ref document: A1

NENP Non-entry into the national phase

Ref country code: DE

122 Ep: pct application non-entry in european phase

Ref document number: 19858747

Country of ref document: EP

Kind code of ref document: A1

NENP Non-entry into the national phase

Ref country code: JP