WO2024147259A1 - ライフサポートシステム、ライフサポート装置、および、ライフサポート方法 - Google Patents

ライフサポートシステム、ライフサポート装置、および、ライフサポート方法 Download PDF

Info

Publication number
WO2024147259A1
WO2024147259A1 PCT/JP2023/044128 JP2023044128W WO2024147259A1 WO 2024147259 A1 WO2024147259 A1 WO 2024147259A1 JP 2023044128 W JP2023044128 W JP 2023044128W WO 2024147259 A1 WO2024147259 A1 WO 2024147259A1
Authority
WO
WIPO (PCT)
Prior art keywords
word
word map
text
unit
words
Prior art date
Legal status (The legal status 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 status listed.)
Ceased
Application number
PCT/JP2023/044128
Other languages
English (en)
French (fr)
Inventor
陽 久保
欣也 中津
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Hitachi Ltd
Original Assignee
Hitachi Ltd
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 Hitachi Ltd filed Critical Hitachi Ltd
Publication of WO2024147259A1 publication Critical patent/WO2024147259A1/ja
Anticipated expiration legal-status Critical
Ceased legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/10—Services

Definitions

  • the sensor group 40 collects information on the behavior and state of the subject (the service user of the life support device 10 and those related to him/her) whose lifestyle is to be measured, as well as information on the subject's surrounding environment (such as the home).
  • the sensor group 40 includes at least one of the following: a camera 41A, a microphone 42A, a vital sign sensor 43A, a human presence sensor 44A, a door sensor 45A, an acceleration sensor 46A, a gyro sensor 47A, an illuminance sensor 48A, a temperature and humidity sensor 41B, a millimeter wave sensor 42B, a radio wave sensor 43B, a depth sensor 44B, an air pressure sensor 45B, a noise sensor 46B, a vibration sensor 47B, an odor sensor 48B, and a home appliance sensor 49B.
  • FIG. 2 is a configuration diagram of the life supporting device 10.
  • the input/output unit 11 includes an information input unit 110 , an information output unit 111 , and a recommendation input unit 112 .
  • the information input unit 110 receives inputs of sensor information acquired by the sensor group 40 , sensor information mounted on the terminal device 30 , and text information input by the service provider or service user via the terminal device 30 .
  • the information output unit 111 outputs information such as the word map 122 generated by the calculation unit 13, the extracted word map transition characteristics (details of which will be described later with reference to FIG. 4), and edited recommendations to the terminal device 30.
  • the recommendation input unit 112 receives an input of a recommendation sentence to be edited.
  • the word map transition feature extraction unit 132 extracts conversion functions and adjustment features for converting between a time-series changing word map 122 generated from a specific individual or group, and different word maps 122 generated from different individuals or groups.
  • the specific information filtering unit 133 filters specific information such as personal information contained in the behavior corpus to generate an anonymous behavior corpus.
  • FIG. 3 is a flowchart illustrating the text conversion process of the life supporting device 10.
  • the information input unit 110 determines whether to acquire sensor information from the sensor group 40 or to accept input of text information from the terminal device 30 (S12) as information regarding the behavior and status of service users and service-related persons, and information regarding the surrounding environment.
  • the text conversion processing unit 130 converts the result of the input of the text information (S12) into a behavior corpus 121 as shown in FIG. 11 and stores it in the memory unit 12 (S13).
  • FIG. 4 is a flowchart illustrating a word map generation process of the life supporting device 10, which is executed after the process of FIG.
  • the specific information filtering unit 133 protects privacy by filtering specific information such as personal information from the behavior corpus 121 (S32).
  • the group map is the word map 122 generated from group data of an unspecified number of people.
  • the group data is data of individuals or data of family members in the same household.
  • a common word map 122 can be extracted from data of an unspecified large number of groups having the same attribute (for example, the same level of care required) indicated by the attribute information 123.
  • the word map 122 is generated from individual data.
  • the text conversion processing unit 130 may generate text such as "heart rate increasing” or “heart rate decreasing” by, for example, a time series analysis of the heart rate.
  • the text conversion processing unit 130 may derive text such as "walking" by an arithmetic operation of an acceleration sensor or a gyro sensor.
  • a word map 201 (first word map) generated from sensor information (first sensor information) from one week ago. In the first sensor information, the health condition was "good” and the activity level was high.
  • a word map 202 (second word map) generated from current sensor information (second sensor information). In the second sensor information, the health condition is "poor" and the activity level is low.
  • the word map transition feature extraction unit 132 extracts word map transition features between the previously generated word map 201 and the currently generated word map 202.
  • the word map transition feature may be a word that has been added or removed from the previous word map 122, or a cluster that has been added or removed from the previous word map 122. Alternatively, it may be a word that has changed its position from a specific word or its cluster since the previous word map 122. 12, words that are differences between word map 201 and word map 202 are enclosed in a square as the word map transition features extracted by word map transition feature extraction unit 132. For example, going to bed C in word map 201 when the health condition is good does not include the words "abnormal heart rate" or "morning". On the other hand, going to bed C in word map 202 when the health condition is poor includes the words "abnormal heart rate” and "morning".
  • the word map transition feature extraction unit 132 in the first embodiment extracts the following word map transition features:
  • the extracted word map transition features may also be included in the screen display 200 in S43.
  • (Feature A) The "Going out related cluster" disappeared.
  • (Feature B) The words “abnormal heart rate” and “morning” were added to the “sleeping related cluster”.
  • (Feature C) The words “before noon” and “afternoon” moved from the "going out related cluster” to the "relaxation related cluster”.
  • the elderly person can understand that his/her current lifestyle (current behavior) is a nocturnal lifestyle in which he/she stays up late during the day and does not go out, and that his/her lifestyle from one week ago (target behavior) is a diurnal lifestyle in which he/she goes out during the day. Therefore, the elderly person can realize from the screen diagram of FIG. 13 that he/she should change his/her lifestyle from a nocturnal lifestyle to a diurnal lifestyle.
  • Fig. 14 is a configuration diagram of the life support device 10 in the embodiment 2.
  • attribute information 123 and a specific information filtering unit 133 are added to the life support device 10 in Fig. 5 .
  • the storage unit 12 further stores attribute information 123 for classifying a plurality of subjects.
  • the word map generating unit 131 generates one word map 122 from sensor information related to a plurality of subjects having the same attribute information 123. That is, in the process in which the text conversion processing unit 130 stores text in the behavior corpus (S13 in FIG. 3), the attribute information 123 is referred to in order to sort the attributes into different behavior corpuses 121.
  • the attribute information 123 is, for example, information on the level of care required for each individual, and data on individuals having the same level of care required is pooled in the same behavior corpus 121.
  • FIG. 15 is a screen diagram showing a conversion function 213 and an inverse conversion function 214 between the word maps 211 and 212.
  • the word map transition feature extraction unit 132 extracts conversion rules (conversion function 213 and inverse conversion function 214) for converting between word maps 122 (FIG. 2) of mutually different attribute information 123.
  • the word map transition feature extraction unit 132 generates the other word map by applying a conversion rule to one of the first word map 211 and the second word map 212, which corresponds to the same attribute information 123 as the subject.
  • the word map transition feature extraction unit 132 derives a conversion function 213 from the word map 211 to the word map 212, and an inverse conversion function 214 from the word map 212 to the word map 211.
  • the word map transition feature extraction unit 132 calculates a conversion function 213 and an inverse conversion function 214 for converting between word maps of different attributes such as those shown in Figure 15 based on the fact that the arrangement tendencies of words (words indicating time periods, sleep, meals, etc.) common to word maps 122 of different levels of care required are different as the word map transition feature of S42.
  • the word map transition feature extraction unit 132 may display the specific contents of the conversion function 213 and the inverse conversion function 214 as an alert or recommendation to the elderly person or the service provider of the senior housing facility, in addition to the screen 210.
  • the conversion function 213 and the inverse conversion function 214 derived in this manner are used, for example, in the following situations.
  • the elderly person X can become aware of lifestyle improvements by comparing it with the target word map 122 (word map X2) on how to improve their lifestyle habits.
  • the word map X2 cannot be created from the personal data of the elderly person X.
  • the word map generating unit 131 applies the inverse transformation function 214 to the word map X1 to create a modified word map X2.
  • This word map X2 is based on the word map X1 of the elderly person X, and is therefore more persuasive to the elderly person X than the general (group) word map Y1, which indicates a low level of care required.
  • the word map transition feature extraction unit 132 generates a new conversion function X4 from word map X1 to word map X3.
  • the word map transition feature extraction unit 132 may display the result of comparing this individual's conversion function X4 with the group conversion function 213 (or inverse conversion function 214) displayed in FIG. 15. This makes it possible to analyze whether the transition state of elderly person X is heading in the direction of worsening or improving the level of care required.
  • the word norm analysis and extraction unit 134 analyzes the norms of words included in the behavior corpus 121 in S13. Note that the more frequently a word appears in a similar context, the larger the norm is likely to be compared to other words, and the more likely it is to express a problem consciousness common to many union members. Then, the word norm analysis and extraction unit 134 sorts the words by the size of the norm as a result of the analysis of the word norm 124, and extracts the top words as keywords for work environment problems. In this way, the text conversion processing unit 130 converts the text into text including words that indicate the contents of the meeting. Then, the word map generating unit 131 excludes from the word map 122 words that indicate the contents of the meeting and whose vector norms are less than a predetermined value.
  • FIG. 17 is a screen diagram of a word map 221 that summarizes past opinions in the third embodiment.
  • the word map generating unit 131 generates a word map 221 (past opinion map) that aggregates past opinions based on the keywords extracted in S52 from past discussions.
  • a word map 221 past opinion map
  • words used in similar contexts or topics are placed close to each other (clustered), making it possible to classify problems in the work environment and extract their contents.
  • ⁇ Problem 1 C Chores, efficiency, workload, late-night work, and overtime are clustered under A: Issues with work structure and workload.
  • the second problem C working from home, IT tools, communication, and lack of exercise are clustered under B: Problems associated with working from home.
  • the word map generating unit 131 determines the number of clusters by, for example, the Elbow method, and obtains the similarity between word vectors by, for example, the k-means method. This allows the word map generating unit 131 to derive the semantic similarity between words, and to perform clustering of words with high semantic similarity (close to each other on the word map 221).
  • Fig. 19 is a configuration diagram of a life support device in Example 4.
  • the life support device 10 in Fig. 19 has a related word extraction unit 135, a recommendation editing unit 136, a recommendation input unit 112, and a word embedding unit 125 added to the life support device 10 in Fig. 5.
  • the word map generation unit 131 generates the word map 122 based on the word embeddings 125 that indicate the meaning of each word that appears in the behavior corpus 121. Since the behavior corpus 121 is assigned a subject, actions and places that are highly relevant to a specific person are placed in the word map 122.
  • FIG. 21 is a flow chart showing the details of the target word recommendation generating process (S62).
  • the recommendation input unit 112 receives an input of an expression serving as a clue for a recommendation (hereinafter, a clue sentence) via the terminal device 30.
  • the recommendation input unit 112 receives input of a cue sentence.
  • the input cue sentence directly instructs the service user to change his/her behavior.
  • the cue sentence may be a behavior related to health or well-being, such as "Get some sleep,”"Exercise,”"Relax,””Converse,” or "Take a bath.”
  • the cue sentence may be a behavior related to energy saving, such as "Turn off unused lights” or "Raise the temperature setting of the air conditioner.”
  • the recommendation input unit 112 may input a clue sentence calculated based on sensor data, such as heart rate data, measured by an elderly person wearing a wristwatch (smart watch) equipped with a sensor group 40, such as a vital sensor 43A.
  • sensor data such as heart rate data
  • a wristwatch smart watch
  • a sensor group 40 such as a vital sensor 43A.
  • FIG. 22 is an example of the word map 122 according to the fourth embodiment.
  • the related word extraction unit 135 extracts related words of the clue sentence input in S621 from the word map 122 generated in S41.
  • the related word extraction unit 135 performs morphological analysis on the clue sentence, identifies words and their synonyms (hereinafter referred to as "target words") included in the recommendation content of the analysis result on the word map 122, and extracts related words.
  • the target word "relax" is identified from the clue sentence "Let's relax.”
  • the related word extraction unit 135 may extract related words for the target word from words (Ichiro, living room, television) in a cluster including the target word as shown in Fig. 22. Alternatively, if no cluster is formed on the word map 122, the related word extraction unit 135 may select words located in the vicinity of the target word.
  • the recommendation editing unit 136 generates a recommendation sentence by mechanically or manually editing a clue sentence from the related words extracted in S622.
  • the recommendation editing unit 136 edits a recommendation from the related words extracted in S621 and the target word of the clue sentence.
  • the recommendation editing unit 136 generates a meaningful recommendation sentence by filling in the gaps between the parts of speech that have been filled in with particles, auxiliary verbs, verbs, etc.
  • the target word of the clue sentence is a candidate for the verb to be completed.
  • the computer 900 of the life supporting device 10 or the like may be configured such that the components shown in Fig. 24 are integrated into one physical computer.
  • the computer 900 may be distributed across multiple computing resources such as cloud servers and edge servers, each of which is connected via a network.
  • the functions of multiple devices may be centrally located as a single device (for example, within the terminal device 30), or only the calculation unit 13 may be located on the cloud server.

Landscapes

  • Business, Economics & Management (AREA)
  • Tourism & Hospitality (AREA)
  • Health & Medical Sciences (AREA)
  • Economics (AREA)
  • General Health & Medical Sciences (AREA)
  • Human Resources & Organizations (AREA)
  • Marketing (AREA)
  • Primary Health Care (AREA)
  • Strategic Management (AREA)
  • Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • General Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)
  • Medical Treatment And Welfare Office Work (AREA)
  • Document Processing Apparatus (AREA)

Abstract

ライフサポート装置（１０）は、センサ群（４０）が取得したセンサ情報を、記憶部（１２）から読み込んだテキスト化ルール（１２０）に基づいて、テキストに変換するテキスト化処理部（１３０）と、テキスト化処理部（１３０）が変換したテキストの各単語を、２次元以上のベクトル空間である単語マップ（１２２）内に配置する単語マップ生成部（１３１）と、センサ群（４０）から取得した第１のセンサ情報を変換したテキストの単語から生成される第１の単語マップと、センサ群（４０）から取得した第２のセンサ情報を変換したテキストの単語から生成される第２の単語マップとを比較可能な提案画面を出力する単語マップ変遷特徴抽出部（１３２）と、を備える。

Description

ライフサポートシステム、ライフサポート装置、および、ライフサポート方法
　本発明は、ライフサポートシステム、ライフサポート装置、および、ライフサポート方法に関する。
　育児において子どもの不適切な行動を変容させるしつけなど、行動を変容させることをコンピュータが支援する行動変容支援システムが提案されている。特許文献１には、行動と当該行動のきっかけと当該行動の結果との組み合わせごとに当該行動に対する対応方法を示す対応方法情報から、対応者に提示する対応方法を決定する旨が記載されている。
特開２０１９－１３３６３８号公報
　行動変容の支援として、エコフレンドリーやWell-being（健康や幸福）を重視した生活基盤づくりのため、要介護者などの対象者にライフスタイル向上のための情報提供を行うシステムを検討する。このようなライフスタイルを提案するためには、現状の対象者の生活習慣などのライフスタイルを把握し、どの行動を継続させ、どの行動を改善すればよいかという詳細かつ広範囲な提案が有効である。また、対象者は、個別のライフスタイルを持っているため、万人に対して画一的な健康マニュアルよりも、自分のライフスタイルに合った個人別のアドバイスの方が、説得力を持つ。
　しかし、特許文献１などの従来の行動変容支援システムでは、「弟のおもちゃを横取りする」などの１つの不適切な行動だけを改善する支援にとどまって、個別のライフスタイルを提案する用途には不向きである。また、特許文献１の方法では、不適切な行動に対する対応方法を示す対応方法情報などのルールデータベースを事前に手入力する必要があり、行動変容の準備にコストがかかっていた。
　そこで、本発明は、対象者の個別のライフスタイルに基づく行動変容の支援を、低コストで実現することを主な課題とする。
　前記課題を解決するために、本発明のライフサポートシステムは、以下の特徴を有する。
　本発明は、ライフスタイルを計測する対象者に関するセンサ情報を取得するセンサ群と、取得したセンサ情報をもとにライフスタイルを提案する提案画面を対象者に提示するライフサポート装置とを有するライフサポートシステムであって、
　前記ライフサポート装置が、
　前記センサ群が取得したセンサ情報を、記憶部から読み込んだテキスト化ルールに基づいて、テキストに変換するテキスト化処理部と、
　前記テキスト化処理部が変換したテキストの各単語を、２次元以上のベクトル空間である単語マップ内に配置する単語マップ生成部と、
　前記センサ群から取得した第１のセンサ情報を変換したテキストの単語から生成される第１の単語マップと、前記センサ群から取得した第２のセンサ情報を変換したテキストの単語から生成される第２の単語マップとを比較可能な前記提案画面を出力する単語マップ比較部と、を備えることを特徴とする。
　その他の手段は、後記する。
　本発明によれば、対象者の個別のライフスタイルに基づく行動変容の支援を、低コストで実現することができる。
本実施形態に関するライフサポートシステムの構成図である。 本実施形態に関するライフサポート装置の構成図である。 本実施形態に関するライフサポート装置のテキスト化処理を説明するフローチャートである。 本実施形態に関する図３の後に実行される、ライフサポート装置の単語マップ生成処理を説明するフローチャートである。 実施例１に関するライフサポート装置の構成図である。 実施例１に関するセンサ群によって取得されるセンサ情報の例を示すテーブルである。 実施例１に関するテキスト化ルールの例を示すテーブルである。 実施例１に関するテキスト化ルールの例を示すフローチャートである。 実施例１に関するテキスト化ルールの例を示すフローチャートである。 実施例１に関するテキスト化ルールの例を示すフローチャートである。 実施例１に関する行動コーパスの例を示す説明図である。 実施例１に関する単語マップの例を示す画面図である。 実施例１に関する図１２の画面図の単語マップに対して、行動経路情報を追加した画面図である。 実施例２に関するライフサポート装置の構成図である。 実施例２に関する単語マップ間の変換関数および逆変換関数を示す画面図である。 実施例３に関するライフサポート装置の構成図である。 実施例３に関するにおける過去の意見を集約した単語マップの画面図である。 実施例３に関するにおける現在の意見を集約した単語マップの画面図である。 実施例４に関するライフサポート装置の構成図である。 実施例４に関する行動コーパスの一例を示す説明図である。 実施例４に関する目標語のリコメンド作成処理の詳細を示すフローチャートである。 実施例４に関する単語マップの一例である。 実施例４に関するリコメンド編集部の出力画面の一例を示す画面図である。 本実施形態に関するライフサポートシステムの各装置のハードウェア構成図である。
　図１は、ライフサポートシステム１００の構成図である。ライフサポートシステム１００は、ライフサポート装置１０と、情報入出力用の端末装置３０と、センサ群４０とが、ネットワーク２０を介して接続される構成である。ライフサポート装置１０は、入出力部１１と、記憶部１２と、演算部１３とを備える。
　入出力部１１は、端末装置３０やセンサ群４０との入出力データをやり取りする。記憶部１２には、演算のために予め保持しておくデータベースおよび演算部１３により抽出したデータが記憶される。演算部１３は、ライフサポート装置１０の機能を実行する。
　端末装置３０は、ＰＣやスマートフォンやスマートウォッチ、スマートスピーカなどの形態でもよいが、端末装置３０の種類は、これらに限定されることはない。
　端末装置３０は、提示部３１と、入力部３２とを備える。
　提示部３１は、サービス提供者またはサービス利用者に対してライフサポート装置１０が出力した情報を提示する。入力部３２は、サービス提供者またはサービス利用者自らが、サービス利用者の行動、状態や、周囲環境について入力する。
　センサ群４０は、ライフスタイルを計測する対象者（ライフサポート装置１０のサービス利用者とその関係者）の行動や状態についての情報や、対象者の周囲環境（住宅など）についての情報を収集する。センサ群４０には、カメラ４１Ａと、マイクロホン４２Ａと、バイタルセンサ４３Ａと、人感センサ４４Ａと、ドアセンサ４５Ａと、加速度センサ４６Ａと、ジャイロセンサ４７Ａと、照度センサ４８Ａと、温湿度センサ４１Ｂと、ミリ波センサ４２Ｂと、電波センサ４３Ｂと、深度センサ４４Ｂと、気圧センサ４５Ｂと、騒音センサ４６Ｂと、振動センサ４７Ｂと、においセンサ４８Ｂと、家電センサ４９Ｂとのうちの少なくとも１つが含まれる。
　バイタルセンサ４３Ａは、例えば、サ高住に住む高齢者が装着する。人感センサ４４Ａと、ドアセンサ４５Ａと、照度センサ４８Ａと、家電センサ４９Ｂとは、例えば、サ高住に設置される。
　また、センサ群４０は、その一部または全てが端末装置３０に含まれていてもよい。例えば、端末装置３０がスマートフォンである場合、加速度センサ４６Ａやジャイロセンサ４７Ａ、ＧＰＳ等の情報をライフサポート装置１０に出力することができる。
　図２は、ライフサポート装置１０の構成図である。
　入出力部１１は、情報入力部１１０と、情報出力部１１１と、リコメンド入力部１１２とを備える。
　情報入力部１１０は、センサ群４０によって取得したセンサ情報や、端末装置３０に搭載したセンサ情報や、サービス提供者またはサービス利用者が端末装置３０を介して入力したテキスト情報の入力を受ける。
　情報出力部１１１は、演算部１３によって生成された単語マップ１２２や、抽出された単語マップ変遷特徴（詳細は図４で後記）や、編集されたリコメンド等の情報を端末装置３０に出力する。
　リコメンド入力部１１２は、編集の対象とするリコメンド文の入力を受ける。
　記憶部１２には、テキスト化ルール１２０と、行動コーパス１２１と、単語マップ１２２と、属性情報１２３と、単語ノルム１２４と、単語分散表現１２５とが記憶される。
　テキスト化ルール１２０には、センサ群４０から入力したセンサ情報から、サービス利用者の行動や状況および周囲環境をテキスト情報とするためのルールが格納されている。例えば、センサ情報に対するクラス分類、時系列分析、算術演算、比較演算、論理演算、音声認識、画像認識等の結果に対応したテキストのリストである。
　行動コーパス１２１には、サービス利用者（その関係者でもよい）の行動または状態を示すテキスト情報、もしくは、周囲環境を示すテキスト情報が、データベースとして格納される。テキストの各文には、「行動の内容（Do）」や「状態の内容（Be）」の情報と、それに紐づく「いつ（When）」、「どこで（Where）」、「誰が（Who）」、「何を（What）」、「誰と（With Whom）」のうち少なくともひとつの情報とが含まれる。
　単語マップ１２２は、行動コーパス１２１内の単語が使われる意味合いの類似度を基に、マッピングされたデータである。各単語の意味合いは、カウントベースの手法（単語の共起行列を次元削減する手法）や、単語分散表現１２５を獲得する推論ベースの手法によってベクトル化されている。
　単語マップ１２２における単語同士の近さや遠さの配置は、各単語が持つ単位ベクトル表現の内積の大きさによって決定される。これにより、使用される意味合いの類似度が大きい単語は近く、使用される意味合いの類似度が小さい単語は遠くに配置される。
　単語マップ１２２は、サービス利用者の行動や状態だけでなく、家庭やオフィス内の場所や部屋の名前、家具や家電とその稼動状態、サービス利用者やその関係者の人物名やニックネーム、朝や夜といった時間帯、曜日などを含んでいてもよい。また、単語マップ１２２内の単語は、その類似度の大きさによってクラスタリングされていてもよい。
　例えば、「食事」や「ダイニング」といった単語を含むクラスタに所属する場所や行動、家具や家電、人物、時間帯などはまとめて「食事クラスタ」、「睡眠」や「寝室」といった単語を含むクラスタ内の場所や行動、家具や家電、人物名、時間帯などはまとめて「睡眠クラスタ」に分類されてもよい。クラスタ数はElbow法やSilhouette法などによって決定することが考えられる。
　属性情報１２３は、センシング対象となる個人や集団の属性がラベリングされたデータであり、例えば、高齢者の要介護度である。
　単語ノルム１２４とは、行動コーパス１２１に含まれる単語をベクトル化する際に導出される単語ベクトルの長さである。単語のベクトル化表現において、特定の文脈、かつ頻繁に出現する単語であるほど、ほかの単語と比較して相対的に大きなノルムを持つことが考えられる。そのため、大きなベクトルノルムを持つ単語は、サービス利用者の行動傾向、思考の傾向、癖などをより顕著に表現する単語として抽出できる。
　単語分散表現１２５は、行動コーパス１２１内の単語を数値ベクトルに変換してその意味を把握するWord2Vecなどの推論ベースの手法により、生成される。
　演算部１３は、テキスト化処理部１３０と、単語マップ生成部１３１と、単語マップ変遷特徴抽出部（単語マップ比較部）１３２と、特定情報フィルタリング部１３３と、単語ノルム分析抽出部１３４と、関連語抽出部１３５と、リコメンド編集部１３６とを備える。
　テキスト化処理部１３０は、センサ情報に対して、以下に例示するアルゴリズムを適用することによって、センサ情報をテキスト化する。
　・クラス分類部１３００によるクラス分類アルゴリズム。
　・時系列分析部１３０１による時系列分析アルゴリズム。
　・算術演算部１３０２による算術演算アルゴリズム。
　・比較・論理演算部１３０３による比較演算アルゴリズムおよび論理演算アルゴリズム。
　・音声認識部１３０４による音声認識アルゴリズム。
　・画像認識部１３０５による画像認識アルゴリズム。
　テキスト化処理部１３０によるテキスト化には、単一の種類のセンサ情報の処理結果を用いてもよいし、２種類以上のセンサ情報を用いてもよい。例えば、玄関のドアセンサと指向性を持つ人感センサとを組み合わせることで「外出」か「帰宅」のテキストどちらを生成するかを分類・判断することが考えられる。また、センサ情報またはその分類結果に紐づいたテキスト化のルールであるテキスト化ルール１２０に基づいたテキスト化を行ってもよい。
　単語マップ生成部１３１は、前述のWord2Vec等の自然言語処理演算によって行動コーパス１２１内の単語をベクトル化し、そのベクトル化した単語を２次元以上のベクトル空間に配置した単語マップ１２２を生成する。単語マップ生成部１３１は、行動コーパス１２１内のすべてのテキストを用いて単語マップを生成してもよいし、直近１カ月間の行動コーパスなど、一定期間に生成されたテキストを用いて単語マップを生成してもよい。
　単語マップ生成部１３１は、人にとって可読性の高い２次元や３次元で単語マップ１２２を生成してもよいし、４次元以上のベクトル表現を有する単語マップ１２２を生成してもよい。単語マップ１２２の次元数は、単語マップ１２２に配置される単語間の類似度の計算処理、または、配置された単語間のクラスタリング処理が適切に行われる次元数が望ましい。さらに、単語マップ生成部１３１は、４次元以上の単語のベクトル表現を単語マップ１２２に配置し可視化する際、t-SNE（t-distributed Stochastic Neighbor Embedding）やPCA（Principal Component Analysis）を使って、ベクトルの次元数を２や３まで削減して、人間にとって可読性の高い表現にしてもよい。
　単語マップ変遷特徴抽出部１３２は、特定の個人や集団から生成した、時系列的に変化する単語マップ１２２や、異なる個人や集団から生成した異なる単語マップ１２２を、相互に変換するための変換関数や、調整する特徴量を抽出する。
　特定情報フィルタリング部１３３は、行動コーパスに含まれる個人情報などの特定情報をフィルタリングし、匿名性のある行動コーパスを生成する。
　単語ノルム分析抽出部１３４は、行動コーパスに含まれる単語のノルムを、単語ノルム１２４として分析する。
　関連語抽出部１３５は、入力したリコメンドを形態素解析し、リコメンドを構成する単語を抽出する。そして、リコメンド文を構成する単語のマップ上の位置から、サービス利用者に対するリコメンドの関連語を抽出する。リコメンド編集部１３６は、関連語抽出部１３５が抽出した関連語を用いて、リコメンド文を編集する。
　図３は、ライフサポート装置１０のテキスト化処理を説明するフローチャートである。
　Ｓ１１において、情報入力部１１０は、サービス利用者やサービス関連者についての行動や状態に関する情報、および、周囲環境に関する情報として、センサ群４０からセンサ情報を取得するか、端末装置３０からテキスト情報の入力（Ｓ１２）を受け付けるかを判断する。
　端末装置３０からテキスト情報を入力した場合（Ｓ１１，テキスト）、テキスト化処理部１３０は、そのテキスト情報の入力（Ｓ１２）の結果を、図１１のような行動コーパス１２１に変換して記憶部１２に格納する（Ｓ１３）。
　センサ群４０からセンサ情報を取得した場合（Ｓ１１，センサ）、Ｓ２０において、情報入力部１１０は、取得したセンサ情報の種別に応じて、以下のように分岐する。テキスト化処理部１３０は、分岐先の各処理により、取得したセンサ情報をテキスト化する。
　・センサ情報が時系列データである場合（Ｓ２０，時系列）、クラス分類部１３００は、センサに紐づけられたタイムスタンプの値をテキスト化ルール１２０に基づいてクラス分類することによって、センサ情報のテキスト化を行う（Ｓ２１）。
　・センサ情報がバイタルセンサ値などである場合（Ｓ２０，バイタルなど）、そのバイタルセンサ値に対して、時系列分析部１３０１が実行する時系列分析処理、算術演算部１３０２が実行する算術演算処理、または、比較・論理演算部１３０３が実行する論理演算処理によって、センサ情報のテキスト化を行う（Ｓ２２、詳細は図８）。
　・センサ情報が人感センサ値などである場合（Ｓ２０，人感など）、比較・論理演算部１３０３は、その人感センサ値と、各種センサ（ドアセンサ４５Ａ、バイタルセンサ４３Ａ、照度センサ４８Ａ、家電センサ４９Ｂ）の値とを、論理演算することによって人の行動をテキスト化する（Ｓ２３、詳細は図９、図１０）。
　・センサ情報が音声データなどである場合（Ｓ２０，音声）、音声認識部１３０４は、マイクロホン４２Ａから取得した発話者の発言の内容をテキストに変換する（Ｓ２４）。
　・センサ情報が画像データなどである場合（Ｓ２０，画像）、画像認識部１３０５は、カメラ４１Ａの画像から取得した発話者の非言語的な情報（感情、ジェスチャーなど）をテキスト化する（Ｓ２５）。
　テキスト化処理部１３０は、Ｓ２１～Ｓ２５でテキスト化されたテキストについても、行動コーパス１２１に変換して記憶部１２に格納する（Ｓ１３）。
　図４は、図３の後に実行される、ライフサポート装置１０の単語マップ生成処理を説明するフローチャートである。
　Ｓ３１において、事前に入力された設定により、後記する実施例２の処理（集団マップを生成する処理）を行う場合には（Ｓ３１,Yes）、特定情報フィルタリング部１３３は、行動コーパス１２１から個人情報など特定の情報をフィルタリングすることで（Ｓ３２）、プライバシー保護を行う。集団マップとは、不特定多数の集団データから生成される単語マップ１２２である。集団データは、個々人のデータ、または、同一世帯の家族のデータである。
　実施例２により、属性情報１２３が示す同じ属性（例えば、同じ要介護度）をもつ不特定多数の集団のデータから、共通の単語マップ１２２を抽出できる。一方、後記する実施例１では、個人のデータから単語マップ１２２を生成する。
　Ｓ４１において、単語マップ生成部１３１は、Ｓ１３またはＳ３１の行動コーパス１２１から単語マップ１２２を生成する。単語マップ生成部１３１は、一週間に一度や数か月に一度など、行動コーパス１２１に新たなテキストが一定数以上追加される毎に、定期的にその機能を実行する。
　Ｓ４２では、単語マップ変遷特徴抽出部１３２は、Ｓ４１において生成した単語マップ１２２の時系列的な変遷を説明する「単語マップ変遷特徴」の抽出を行う。単語マップ変遷特徴とは、複数の単語マップ１２２間でどのように配置された単語や、それらの単語をグループ化したクラスタが変遷（変化）したかを示す特徴である。なお、複数の単語マップ１２２間の変遷とは、同一人物による時間的な変遷でもよいし、別々の人物による変遷でもよい。
　Ｓ５１において、事前に入力された設定により、後記する実施例３の処理（ディスカッションの意見を集約する処理）を行う場合には（Ｓ５１,Yes）、単語ノルム分析抽出部１３４は、行動コーパス１２１に含まれる単語について単語ベクトルのノルムを分析し、単語をノルムの大きさでソートすることによって、キーワードを抽出する（Ｓ５２）。
　そして、単語マップ生成部１３１は、Ｓ５２で抽出したキーワードをもとに、意見を集約した結果を示す単語マップ１２２（意見マップ）を生成する。この意見マップには、不特定多数の集団の自由記述から、共通認識や多数派意見が見やすい形式で反映されている。
　Ｓ６１において、事前に入力された設定により、後記する実施例４の処理（目標語に基づくリコメンドの内容を補足する処理）を行う場合には（Ｓ６１,Yes）、リコメンド編集部１３６は、単語マップ１２２内の単語と目標語との類似度を基に、リコメンドを作成する（Ｓ６２、詳細は図２１）。
　Ｓ４３では、単語マップ変遷特徴抽出部１３２は、変遷前の単語マップ１２２と、変遷後の単語マップ１２２とを並べて表示する。ユーザは、双方の単語マップ１２２を比較することによって、単語マップ変遷特徴を把握できる。または、単語マップ変遷特徴抽出部１３２が双方の単語マップ１２２を比較することによって、機械的に単語マップ変遷特徴を抽出してもよい。
　Ｓ４４では、端末装置３０は、Ｓ４２において抽出した単語マップ変遷特徴から、介護サービスなどの提供サービスの提案を生成する。提供サービスの提案とは、どのようなサービスを新たに利用するかを選択する提案や、既に利用中のサービスをどう調整するかを選択する提案などである。Ｓ４４の処理は、サービス利用者またはサービス提供者が提案内容を端末装置３０に入力してもよいし、サービスを提供するロボットや家電などが機械的に生成してもよい。
　実施例１では、サービス付き高齢者向け住宅（以下サ高住）で生活する高齢者個人の生活習慣に対して、ライフサポートシステム１００を適用した場合を例示する。
　ライフサポートシステム１００は、ライフスタイルを計測する対象者に関するセンサ情報を取得するセンサ群４０と、取得したセンサ情報をもとにライフスタイルを提案する提案画面を対象者に提示するライフサポート装置１０とを有する。
　図５は、実施例１のライフサポート装置１０の構成図である。図５のライフサポート装置１０は、図２のライフサポート装置１０の一部を抽出したものであり、具体的には以下の構成要素を有する。
　・入出力部１１は、情報入力部１１０と、情報出力部１１１とを備える。
　・記憶部１２は、テキスト化ルール１２０と、行動コーパス１２１と、単語マップ１２２とを備える。
　・演算部１３は、テキスト化処理部１３０と、単語マップ生成部１３１と、単語マップ変遷特徴抽出部１３２とを備える。
　・テキスト化処理部１３０は、クラス分類部１３００と、時系列分析部１３０１と、算術演算部１３０２と、比較・論理演算部１３０３とを備える。
　図５のライフサポート装置１０は、主に、以下の構成要素を有する。
　・センサ群４０が取得したセンサ情報を、記憶部１２から読み込んだテキスト化ルール１２０に基づいて、テキストに変換するテキスト化処理部１３０。
　・テキスト化処理部１３０が変換したテキストの各単語を、２次元以上のベクトル空間である単語マップ１２２内に配置する単語マップ生成部１３１。
　・センサ群４０から取得した第１のセンサ情報を変換したテキストの単語から生成される第１の単語マップと、センサ群４０から取得した第２のセンサ情報を変換したテキストの単語から生成される第２の単語マップとを比較可能な提案画面を出力する単語マップ変遷特徴抽出部１３２。
　図６は、実施例１のセンサ群４０によって取得されるセンサ情報の例を示すテーブルである。
　このテーブルは、タイムスタンプ（Time）ごとに、加速度センサ４６Ａから取得される加速度データなどのセンサ群４０から取得される各種のセンサ情報が格納される。なお、「人感＠玄関＝OFF」とは、玄関に居る人を検知する人感センサ４４Ａが、人を検知しなかった旨を示す。また、「人感＠リビング＝ON」とは、リビングに居る人を検知する人感センサ４４Ａが、人を検知した旨を示す。
　なお、図６のテーブルのセンサ情報は１分ごとに格納されているが、サンプリングレートはこの限りではない。
　図７は、Ｓ２１で用いられるテキスト化ルール１２０の例を示すテーブルである。
　このテーブルは、「時間」テキスト分類のように、気象庁の定義に基づいた３時間ごとの８種類の時間帯へと、タイムスタンプ値を分類した結果である。
　Ｓ２１において、テキスト化処理部１３０のクラス分類部１３００は、センサに紐づけられたタイムスタンプの値をテキスト化ルール１２０に基づいてクラス分類する。
　図８は、Ｓ２２で用いられるテキスト化ルール１２０の例を示すフローチャートである。このフローチャートは、心拍数が上昇したときに実行される。このテキスト化ルール１２０は、「多くの人は歩行速度が時速2.5km以上である」などの経験則から生成される。
　テキスト化処理部１３０は、歩行速度が時速2.5km以上であるときには（Ｓ１０１,Yes）、「運動」とテキスト分類する（Ｓ１０２）。一方、テキスト化処理部１３０は、（Ｓ１０１,No）なら、「異常心拍数」とテキスト分類する（Ｓ１０３）。
　この図８のテキスト化ルール１２０により、テキスト化処理部１３０は、心拍数と加速度の論理演算により「運動」または「異常心拍数」といったテキストを導出できる。
　または、テキスト化処理部１３０は、例えば、心拍数の時系列分析により「心拍数の上昇」や「心拍数の低下」といったテキストを生成してもよい。または、テキスト化処理部１３０は、加速度センサやジャイロセンサの算術演算によって「歩行」といったテキストを導出してもよい。
　図９は、Ｓ２３で用いられるテキスト化ルール１２０の例を示すフローチャートである。このフローチャートは、ドア開閉センサ値がONになったときに実行される。
　比較・論理演算部１３０３は、図９のフローチャートに従って、ドアセンサ値と人感センサ値とを論理演算することで、テキスト化を行う（Ｓ２３）。
　テキスト化処理部１３０は、家の内側向きに配置された玄関の人感センサ４４ＡがONであるときには（Ｓ１１１,Yes）、「外出」とテキスト分類する（Ｓ１１２）。一方、テキスト化処理部１３０は、（Ｓ１１１,No）、かつ、直近の行動コーパス１２１に「外出」があるときには（Ｓ１１３,Yes）、「帰宅」とテキスト分類する（Ｓ１１４）。一方、テキスト化処理部１３０は、（Ｓ１１３,No）なら、「訪問」とテキスト分類する（Ｓ１１５）。
　図１０は、Ｓ２３で用いられるテキスト化ルール１２０の例を示すフローチャートである。このフローチャートは、人感センサ値がONになったときに実行される。
　比較・論理演算部１３０３は、図１０のフローチャートに従って、人感センサ値と、各種センサ（加速度センサ４６Ａ、照度センサ４８Ａ、家電センサ４９Ｂなど）の値とを、論理演算することによって人の行動をテキスト化する（Ｓ２３）。
　なお、テキスト化処理部１３０は、最も直近のタイムスタンプを持つセンサ情報のみからテキスト化を行ってもよいし、最も直近のセンサ情報から過去に遡った複数のタイムスタンプに紐づいたセンサ情報からテキスト化を行ってもよい。
　テキスト化処理部１３０は、人感センサ値がONとなる人の居場所に応じて、処理を分岐させる（Ｓ２０１）。
　・リビングに居る場合、「リラックス」とテキスト分類する（Ｓ２０２）。
　・ダイニングに居る場合、食卓の付近で移動している（加速度＠食卓が閾値以上）なら（Ｓ２１１,Yes）、「食事」とテキスト分類する（Ｓ２１２）。
　・寝室に居る場合、寝室が暗い（照度＠寝室が閾値未満）なら（Ｓ２２１,Yes）、「睡眠」とテキスト分類する（Ｓ２２２）。
　・キッチンに居る場合、キッチン家電が稼働する（冷蔵庫や電子レンジのドアが開閉したなどの家電センサ４９Ｂの検知あり）なら（Ｓ２３１,Yes）、「料理」とテキスト分類する（Ｓ２３２）。
　図１１は、Ｓ１３で生成された行動コーパス１２１の例を示す説明図である。
　テキスト化処理部１３０は、図７～図１０などのテキスト化ルール１２０によって生成された、「食事」や「睡眠」といった行動を示すテキストの集積から、以下に例示する手順により、「未明に睡眠」などの人の行動を示す文を示す図１１の行動コーパス１２１を生成する（Ｓ１３）。
　（手順１）タイムスタンプから時間ラベルを決定する（When）。
　（手順２）人感センサ値から場所ラベルを決定する（Where）。
　（手順３）その他センサ（加速度、心拍数、ドア、照度、家電）から行動の内容（Do）を決定する。
　（手順４）タイムスタンプによって行動ラベルを細分化（例えば、「食事」を「朝食」へ細分化）する。
　（手順５）同一人物の同一のタイムスタンプによる行動を示す文を、（手順１）～（手順４）から作成する。
　図１２は、Ｓ４１で抽出された単語マップ１２２（図２）の例を示す画面図である。
　単語マップ生成部１３１は、テキスト化処理部１３０が変換したテキストの各単語についての意味合いをベクトル表現としてベクトル化し、そのベクトル表現をもとに各単語どうしの類似度を計算し、類似度が大きい単語間ほど、単語マップ１２２内で近くになるように配置する。
　単語マップ生成部１３１は、図１１などの行動コーパス１２１から、以下に例示する手順により、図１２などの単語マップ１２２を生成する（Ｓ４１）。
　（手順１）単語マップ生成部１３１は、機械による形態素解析によって、テキスト化した文章を品詞に細分化する。例えば、図１１の第１行「未明に睡眠」は、品詞「未明」と、品詞「に」と、品詞「睡眠」とに細分化される。
　（手順２）細分化された品詞の単語をベクトル化する機械学習アルゴリズム（Word2Vec）によって単語の分散表現を獲得し、その分散表現に従って単語を単語マップ１２２上にプロットする。そして、単語マップ生成部１３１は、プロットされた１つ以上の単語の配置をもとに、単語マップ１２２上の単語間の距離などをもとにグループ化（クラスタ化）する。なお、単語の分散表現とは、例えば、以下の通りである。
　・単語「未明」＝[0, 0.3, 0.4]
　・単語「睡眠」＝[0.5, 0, 0.2]
　（手順３）生成されたクラスタへの名付けは、人が経験則に従って行う。例えば、人の家庭内における行動分類は、「就寝関連」「リラックス関連」「外出関連」「家事、食事関連」に分類するよう決めておく。なお、図１２の単語マップ１２２においては就寝C（Clusterの略）、リラックスC、外出C、家事食事Cという合計４つのクラスタが、単語同士の類似度を基に生成されているが、必ずしもクラスタを作る必要はなく、クラスタの数や種類もこれらに限られることはない。
　以上の手順により、同じ手順であっても、入力される行動コーパス１２１が異なることで、出力される単語マップ１２２も異なるものが生成される。例えば、図１２では、同じ高齢者の行動コーパス１２１であっても、以下の２つの単語マップで、配置される個々の単語や、それらをクラスタ化したクラスタに違いが発生する。
　・一週間前のセンサ情報（第１のセンサ情報）から生成される単語マップ２０１（第１の単語マップ）。第１のセンサ情報では、健康状態が「良」であり活動度が高かった。
　・現在のセンサ情報（第２のセンサ情報）から生成される単語マップ２０２（第２の単語マップ）。第２のセンサ情報では、健康状態が「不良」であり活動度が低い。
　単語マップ変遷特徴抽出部１３２は、単語マップ２０１と、単語マップ２０２とを並べて見比べる画面表示２００を生成し、画面表示２００を端末装置３０（サ高住の事業者の端末）などに表示させる（Ｓ４３）。
　単語マップ２０１には、就寝C、リラックスC、外出C、家事食事Cという合計４つのクラスタが含まれるが、単語マップ２０２には、就寝C、リラックスC、家事食事Cという合計３つのクラスタが含まれる。つまり、ユーザは、画面表示２００内の単語マップ２０１と単語マップ２０２とを見比べることで、健康状態が悪くなったから外出をしなくなったことを把握できる。
　単語マップ変遷特徴抽出部１３２は、前回生成した単語マップ２０１と今回生成した単語マップ２０２との単語マップ変遷特徴を抽出する。単語マップ変遷特徴とは、以前の単語マップ１２２から付加または消失した単語でもよいし、以前の単語マップ１２２から付加または消失したクラスタでもよい。または、以前の単語マップ１２２から、特定の単語からの位置や所属するクラスタが変わった単語でもよい。
　なお、図１２では、単語マップ変遷特徴抽出部１３２が抽出した単語マップ変遷特徴として、単語マップ２０１と、単語マップ２０２との相違点となる単語を、四角で囲んでいる。例えば、健康状態が良いときの単語マップ２０１の就寝Cには、「異常心拍数」や「朝」の単語が含まれていない。一方、健康状態が不良であるときの単語マップ２０２の就寝Cには、「異常心拍数」や「朝」の単語が含まれている。
　実施例１における単語マップ変遷特徴抽出部１３２は、以下に例示する単語マップ変遷特徴を抽出する。この抽出した単語マップ変遷特徴も、Ｓ４３の画面表示２００に含めてもよい。
　（特徴Ａ）「外出関連クラスタ」が消失したこと
　（特徴Ｂ）「就寝関連クラスタ」に「異常心拍数」や「朝」という単語が付加されたこと
　（特徴Ｃ）「昼前」や「昼過ぎ」といった単語が「外出関連クラスタ」から「リラックス関連クラスタ」に移動したこと
　これにより、サ高住の事業者は、Ｓ４３の画面表示２００により、該当する高齢者の健康状態や活動度が低下したことを推察する。その結果、サ高住の事業者は、把握した単語マップ変遷特徴から、端末装置３０を介して以下に例示する提供サービスを提案する（Ｓ４４）。
　・（特徴Ａ）に対して、屋外での散歩や、デーサービスでのレクリエーション参加を促す提案。また、外出Cの近辺にある単語から提案してもよい。
　・（特徴Ｂ）、（特徴Ｃ）に対して、サ高住のスタッフに「健康状態悪化」「ライフスタイルの変化」アラートを上げ、見回り頻度の上昇を提案する。
　図１３は、図１２の画面図の単語マップに対して、行動経路情報を追加した画面図である。
　単語マップ変遷特徴抽出部１３２は、第１の単語マップ２０１と、第２の単語マップ２０２とについて、それぞれ単語マップ２０１内の時間帯を示す単語どうしを、単語マップ１２２内の位置が近く、かつ、その時間帯の経過順に接続することで行動経路２０１Ｒ，２０２Ｒを生成し、その生成した行動経路２０１Ｒ，２０２Ｒをそれぞれの単語マップ内に表示する。
　行動経路２０１Ｒ，２０２Ｒを見比べた高齢者は、今の自分の生活習慣（現状の行動）が、昼間は外出せずに夜遅くまで起きている夜型のものであり、一週間前の生活習慣（目標の行動）が、昼間は外出する昼型のものであることを把握できる。よって、高齢者は、生活習慣を夜型から昼型に変容しようという気付きを、図１３の画面図から得ることができる。
　そのため、単語マップ変遷特徴抽出部１３２は、例えば、外出Cの「昼前」→家事食事Cの「夕方」→リラックスCの「夜のはじめ頃」→就寝Cの「夜遅く」の順に接続する行動経路２０１Ｒを生成する。同様に、単語マップ変遷特徴抽出部１３２は、リラックスCの「昼前」→家事食事Cの「夕方」→就寝Cの「夜遅く」の順に接続する行動経路２０２Ｒを生成する。
　その結果、単語マップ２０１に対して、「外出C→家事食事C→リラックスC→就寝C」の順に接続する行動経路２０１Ｒが追加されている。単語マップ２０２に対して、「リラックスC→家事食事C→就寝C」の順に接続する行動経路２０２Ｒが追加されている。
　実施例２では、実施例１のような特定の個人に関する単語マップ１２２ではなく、特定の属性（ここでは要介護度）をもつ集団の単語マップ１２２を生成し、異なる要介護度の単語マップ１２２間での単語マップ変遷特徴を抽出する例である。以下では、サ高住内の高齢者の集団に対してライフサポートシステム１００を適用した場合を例示する。
　図１４は、実施例２におけるライフサポート装置１０の構成図である。図１４のライフサポート装置１０は、図５のライフサポート装置１０に対して、属性情報１２３および特定情報フィルタリング部１３３が追加される。
　記憶部１２には、さらに、複数人の対象者を分類するための属性情報１２３が格納されている。単語マップ生成部１３１は、属性情報１２３が同じ複数人の対象者に関するセンサ情報から、１つの単語マップ１２２を生成する。
　つまり、属性情報１２３は、テキスト化処理部１３０が行動コーパスにテキストを格納する処理（図３のＳ１３）において、属性ごとに異なる行動コーパス１２１へと振り分けるために参照される。属性情報１２３は、例えば、個人ごとの要介護度の情報であり、同じ要介護度をもつ個人のデータは同じ行動コーパス１２１へとプールされる。
　特定情報フィルタリング部１３３は、行動コーパス１２１から、個人情報（氏名、契約者番号、ＩＤなど）に該当する情報をフィルタリングして削除することで、匿名性のある行動コーパス１２１を作成する（Ｓ３２）。つまり、特定情報フィルタリング部１３３は、複数人の対象者に関するセンサ情報から、１つの単語マップ１２２を生成する場合には、対象者の個人を特定できる情報に該当する単語を単語マップ１２２から除外する。
　そして、単語マップ生成部１３１は、Ｓ３２の行動コーパス１２１に対して、異なる属性（ここでは要介護度）毎に、単語マップ１２２を生成する（Ｓ４１）。
　図１５は、単語マップ２１１，２１２間の変換関数２１３および逆変換関数２１４を示す画面図である。
　単語マップ変遷特徴抽出部１３２は、互いに異なる属性情報１２３の単語マップ１２２（図２）を相互に変換するための変換ルール（変換関数２１３および逆変換関数２１４）を抽出する。
　単語マップ変遷特徴抽出部１３２は、第１の単語マップ２１１と、第２の単語マップ２１２とのうち、対象者と同じ属性情報１２３に該当する一方の単語マップに対して変換ルールを適用することで、他方の単語マップを生成する。
　画面２１０には、要介護度＝軽度の単語マップ２１１と、要介護度＝重度の単語マップ２１２とが並べて表示されている（Ｓ４３）。これにより、要介護度が重度の群を軽度の群へ近づけるためのライフスタイルを提案できる。そのため、単語マップ変遷特徴抽出部１３２は、単語マップ２１１から単語マップ２１２への変換関数２１３、および、単語マップ２１２から単語マップ２１１への逆変換関数２１４を導出する。
　具体的には、単語マップ変遷特徴抽出部１３２は、Ｓ４２の単語マップ変遷特徴として、互いに異なる要介護度の単語マップ１２２に共通する単語（時間帯を示す単語や、睡眠、食事など）における配置の傾向が異なることに基づき、図１５のような異なる属性の単語マップを相互に変換するための変換関数２１３および逆変換関数２１４を求める。
　そして、単語マップ変遷特徴抽出部１３２は、画面２１０に加えて、変換関数２１３の具体的な内容および逆変換関数２１４の具体的な内容を、高齢者自身またはサ高住の事業者に、アラートやリコメンドとして表示させてもよい。例えば、食事関連クラスタ対する「朝」という単語の有無、「昼前」「昼過ぎ」が属するクラスタの違いなどが、表示される。これにより、要介護度が重度な群に、朝食をとることをリコメンドしたり、昼前～昼過ぎに外出をリコメンドしたりできる。
　なお、変換関数２１３および逆変換関数２１４には、例えば、以下の（変換Ｂ１）～（変換Ｂ３）が含まれる。
　（変換Ｂ１）単語間やクラスタ間の距離の変更。例えば、図１５では「朝」と「昼前」との距離が、単語マップ１２２間で変更される。
　（変換Ｂ２）クラスタ数の変更。
　（変換Ｂ３）クラスタを構成する単語の変更。例えば、図１５では「朝」が家事食事Cから就寝Cに変更される。
　また、変換関数２１３および逆変換関数２１４は、（変換Ｂ１）～（変換Ｂ３）を複合的に行うものでもよい。この際、単語マップ変遷特徴抽出部１３２は、特定の単語間やクラスタ間の距離だけを調整してもよいし、特定の単語間の距離を用いてすべての単語間やクラスタ間の距離を調整してもよい。
　このようにして導出された変換関数２１３および逆変換関数２１４は、例えば、以下の場面で使用される。
　ある要介護度＝重度の高齢者Ｘがサ高住に入所し、入所初週の生活習慣をもとに単語マップ生成部１３１が単語マップ１２２（単語マップＸ１）を生成したとする。この単語マップＸ１は、単独では、要介護度＝重度の生活習慣を可視化するものである。高齢者Ｘは、その生活習慣をどのように改善すればよいかという目標の単語マップ１２２（単語マップＸ２）と見比べることで生活改善の気づきが得られる。しかし、入所初週にサ高住に入所したばかりの高齢者Ｘには、過去のデータが無いので、高齢者Ｘの個人データからは単語マップＸ２を作成できない。
　そこで、単語マップ生成部１３１は、単語マップＸ１に対して、逆変換関数２１４を適用することにより、単語マップＸ１を修正した単語マップＸ２を作成する。この単語マップＸ２は、高齢者Ｘ個人の単語マップＸ１をベースとしているので、要介護度＝軽度の一般的な（集団の）単語マップＹ１を見せられるよりも、高齢者Ｘにとって説得力を持つ。
　さらに、高齢者Ｘが入所して３か月が経過したとする。これにより、入所３か月後の単語マップＸ３も作成できるようになるので、実施例１で説明したように、入所初週の個人の単語マップＸ１と、入所３か月後の個人の単語マップＸ３とを並べて表示することもできる。ここで、単語マップ変遷特徴抽出部１３２は、新たに、単語マップＸ１→単語マップＸ３の変換関数Ｘ４を生成する。単語マップ変遷特徴抽出部１３２は、この個人の変換関数Ｘ４と、図１５で表示される集団の変換関数２１３（または逆変換関数２１４）とを比較した結果を表示してもよい。これにより、高齢者Ｘの遷移状態が要介護度の悪化方向と改善方向どちらに向かっているかを分析できる。
　Ｓ４４において、例えば保険事業者の端末装置３０は、サ高住に加入した高齢者がどの属性の単語マップ１２２に近いか、またはどの属性に変遷しつつあるかを定期的に判定することで、加入する商品を見直すように勧める。または、端末装置３０は、加入者に対し、軽度の要介護度の単語マップ１２２におけるライフスタイルへと徐々に近づくように行動変容を推奨することができる。その結果、当該高齢者個人の単語マップ１２２が軽度の要介護度に近づけば、保険料を下げることができ、保険事業における付加価値を向上できる。
　実施例３では、企業の労働組合における労働環境改善のためのディスカッション（意見集約および改善策立案）に、ライフサポートシステム１００を適用した場合を例示する。企業の労働組合内では、労働環境の改善のためのディスカッションやアンケートを通じて、組合員からの意見収集が定期的に行われる。しかし、多様な意見集約や主要な問題の抽出、およびそれらに対する改善策の立案は、組合執行委員が本来の業務の傍ら行うことが多く、社員の負担になる場合がある。そこで、実施例３では、意見集約などをサポートするツールとしての機能を提供する。
　図１６は、実施例３におけるライフサポート装置の構成図である。
　図１６のライフサポート装置１０は、図５のライフサポート装置１０から、クラス分類部１３００と、時系列分析部１３０１と、算術演算部１３０２と、比較・論理演算部１３０３とが削除される。また、図１６のライフサポート装置１０は、図５のライフサポート装置１０に対して、音声認識部１３０４と、画像認識部１３０５と、特定情報フィルタリング部１３３と、単語ノルム分析抽出部１３４と、単語ノルム１２４とが追加される。
　Ｓ１１において、情報入力部１１０は、組合関係のディスカッションにおけるマイクロホンやカメラ４１Ａの情報を取得する。この取得したディスカッションの情報は、例えば、以下の通りである。
　・音声認識部１３０４が、発話者の発言の内容をテキスト化した（Ｓ２４）情報。
　・画像認識部１３０５が、カメラ４１Ａ等から発話者の発言時の様子を示す非言語的な情報（喜ぶ、怒るなどの感情など）をテキスト化した（Ｓ２５）情報。
　・書面やＷｅｂ上にて収集されたアンケートのテキスト情報が端末装置３０から入力された（Ｓ１２）情報。
　テキスト化処理部１３０は、Ｓ２４，Ｓ２５，Ｓ１２で入力されたディスカッションの情報を行動コーパス１２１に変換して記憶部１２に格納する（Ｓ１３）。
　Ｓ５２において、単語ノルム分析抽出部１３４は、Ｓ１３の行動コーパス１２１に含まれる単語のノルムを分析する。なお、類似した文脈、かつ頻繁に出現する単語であるほど、ほかの単語と比較して相対的に大きなノルムを持つことが考えられ、多くの組合員に共通した問題意識を表現する単語と考えられる。そして、単語ノルム分析抽出部１３４は、単語ノルム１２４の分析の結果、単語をノルムの大きさでソートし、上位数単語を労働環境問題のキーワードとして抽出する。
　このように、テキスト化処理部１３０は、会議の内容を示す単語を含むテキストに変換する。そして、単語マップ生成部１３１は、会議の内容を示す各単語のベクトルノルムが所定値未満の単語を、単語マップ１２２から除外する。
　図１７は、実施例３における過去の意見を集約した単語マップ２２１の画面図である。
　Ｓ５３において、単語マップ生成部１３１は、過去のディスカッションからＳ５２で抽出したキーワードをもとに、過去の意見を集約した単語マップ２２１（過去の意見マップ）を生成する。図１７の過去の意見マップには、似た文脈や類似したトピックスで用いられる単語は近くに配置され（クラスタ化され）、労働環境の抱える問題の分類とその内容の抽出が可能となる。
　・第１問題Ｃ＝雑用、効率、業務量、深夜労働、残業は、A：業務体制・仕事量の問題においてクラスタ化される。
　・第２問題Ｃ＝在宅勤務、ITツール、コミュニケーション、運動不足は、B：在宅勤務に付随する問題においてクラスタ化される。
　・第３問題Ｃ＝賃金、ボーナス、基本給、税金、物価高は、C：賃金と生活費に関する問題においてクラスタ化される。
　・第４問題Ｃ＝育休、産休、人手不足、補助金は、D：仕事と育児の両立に関する問題においてクラスタ化される。
　なお、単語マップ生成部１３１は、例えばElbow法によってクラスタ数を決定し、例えばk-means法によって単語ベクトル間の類似度を求める。これにより、単語マップ生成部１３１は、単語間の意味合いの類似度を導出できるとともに、意味合いの類似度が高い（単語マップ２２１上で近接する）単語どうしのクラスタリングを行う。
　図１８は、実施例３における現在の意見を集約した単語マップ２２２の画面図である。
　Ｓ５３において、単語マップ生成部１３１は、現在のディスカッションからＳ５２で抽出したキーワードをもとに、現在の意見を集約した単語マップ２２２（現在の意見マップ）を生成する。
　そして、単語マップ変遷特徴抽出部１３２は、過去の（図１７の）意見マップと、現在の（図１８の）意見マップとを見比べる画面を表示するとともに、双方の意見マップ間での単語マップ変遷特徴を抽出する。これにより、改善された労働環境問題（例えば「深夜労働」）、残存する問題（例えば「運動不足」）、新たに出現した問題（例えば「物価高」）などが抽出される。
　これにより、Ｓ４４において、労働組合の執行部門の端末装置３０は、Ｓ５２において抽出されたキーワードと、Ｓ５３において抽出された単語マップ変遷特徴とをもとに、会社施策として要求する改善策を立案できる。
　実施例４では、家庭やオフィス向けの行動変容のリコメンドサービスに、ライフサポートシステム１００を適用した場合を例示する。
　図１９は、実施例４におけるライフサポート装置の構成図である。図１９のライフサポート装置１０は、図５のライフサポート装置１０に対して、関連語抽出部１３５と、リコメンド編集部１３６と、リコメンド入力部１１２と、単語分散表現１２５とが追加される。
　図２０は、実施例４における行動コーパス１２１の一例を示す説明図である。
　図１１の行動コーパス１２１と比較すると、図２０の行動コーパス１２１には、各行動の主語が付加されている。クラス分類部１３００は、テキストに主語を付与する際の個人識別を行う。この個人識別の方法は、カメラ４１Ａの撮影画像による顔認証でもよいし、心拍数や歩容といった、画像と比較してプライバシー性の高いバイタルサインでもよい。
　Ｓ４１において、単語マップ生成部１３１は、行動コーパス１２１に出現する各単語の意味合いを示す単語分散表現１２５などをもとに、単語マップ１２２を生成する。行動コーパス１２１に主語を付与されているので、特定の人物と関連性の高い行動や場所が単語マップ１２２に配置される。
　図２１は、目標語のリコメンド作成処理（Ｓ６２）の詳細を示すフローチャートである。
　Ｓ６２１において、リコメンド入力部１１２は、端末装置３０を介してリコメンドの手がかりとなる表現（以下、手がかり文）の入力を受ける。
　リコメンド入力部１１２は、手がかり文の入力を受ける。入力される手がかり文は、サービス利用者の行動変容を直接的に指示する。例えば「睡眠をとりましょう」、「運動しましょう」、「リラックスしましょう」、「会話しましょう」、「入浴しましょう」といった健康やWell-beingにまつわる行動でもよい。または、手がかり文は、「使っていない照明を消しましょう」、「エアコンの設定温度を上げましょう」といった省エネ行動にまつわる行動でもよい。
　または、Ｓ６２１において、リコメンド入力部１１２は、バイタルセンサ４３Ａなどのセンサ群４０が搭載された腕時計（スマートウォッチ）などが、装着した高齢者から計測した心拍数データなどのセンサデータをもとに計算した手がかり文を入力対象としてもよい。
　図２２は、実施例４の単語マップ１２２の一例である。
　Ｓ６２２において、関連語抽出部１３５は、Ｓ６２１において入力された手がかり文の関連語を、Ｓ４１で生成した単語マップ１２２から抽出する。
　関連語抽出部１３５は、手がかり文を形態素解析し、解析結果のリコメンド内容に含まれる単語やその類義語（以下では「目標語」）を単語マップ１２２上で特定し、関連語を抽出する。例えば、「リラックスしましょう」という手がかり文からは、「リラックス」という目標語が特定される。
　そして、関連語抽出部１３５は、目標語に対する関連語の抽出処理として、図２２のように、目標語が含まれるクラスタ内にある単語（一郎、リビング、テレビ）から生成してもよいし。または、単語マップ１２２上でクラスタを形成しない場合は、関連語抽出部１３５は、目標語の周辺に配置されている単語を選んでもよい。
　Ｓ６２３において、リコメンド編集部１３６は、Ｓ６２２において抽出した関連語から、手がかり文を機械的にまたは手作業で編集することで、リコメンド文を生成する。
　リコメンド編集部１３６は、Ｓ６２１において抽出された関連語と、手がかり文の目標語とからリコメンドを編集する。リコメンド編集部１３６は、「行動の内容（Do）」、「状態の内容（Be）」、「いつ（When）」、「どこで（Where）」、「誰が（Who）」、「何を（What）」、「誰と（With Whom）」などのリコメンド文のテンプレートに対して、関連語を当てはめることにより、リコメンド文を生成する。
　そのため、「リビング＝場所を示す名詞であり、どこで（Where）～に当てはめる候補となる」などの単語辞書が、あらかじめ用意されている。また、リコメンド編集部１３６は、当てはめた品詞間を助詞や助動詞、動詞等で補間することで、意味のあるリコメンド文を生成する。なお、手がかり文の目標語は、補完する動詞の候補である。
　図２３は、実施例４のリコメンド編集部１３６の出力画面の一例を示す画面図である。
　Ｓ６２４において、リコメンド編集部１３６は、Ｓ６２３において編集したリコメンド文を端末装置３０の提示部３１に出力する。
　なお、図２３は、スマートフォンのロック中の画面にリコメンド文を通知する一例である。ロック中の画面だけでなく、スマートウォッチに通知を出力してもよいし、家庭用ロボットやスマートスピーカによる音声通知として出力してもよい。
　このように、関連語抽出部１３５は、入力されたリコメンドの手がかりとなる表現から目標語を抽出し、単語マップ生成部１３１が生成した単語マップ１２２内の単語から目標語を検索し、その単語マップ１２２内の目標語の近くに配置されている関連語を抽出する。
　そして、リコメンド編集部１３６は、関連語抽出部１３５が抽出した目標語と関連語とをもとに、入力されたリコメンドの手がかりとなる表現を補完するリコメンド文を生成する。
　図２４は、ライフサポートシステム１００の各装置のハードウェア構成図である。
　ライフサポートシステム１００の各装置（ライフサポート装置１０、端末装置３０、センサ群４０）は、それぞれＣＰＵ９０１と、ＲＡＭ９０２と、ＲＯＭ９０３と、ＨＤＤ９０４と、通信Ｉ／Ｆ９０５と、入出力Ｉ／Ｆ９０６と、メディアＩ／Ｆ９０７とを有するコンピュータ９００として構成される。
　通信Ｉ／Ｆ９０５は、外部の通信装置９１５と接続される。入出力Ｉ／Ｆ９０６は、入出力装置９１６と接続される。メディアＩ／Ｆ９０７は、記録媒体９１７からデータを読み書きする。さらに、ＣＰＵ９０１は、ＲＡＭ９０２に読み込んだプログラム（アプリケーションや、その略のアプリとも呼ばれる）を実行することにより、各処理部を改善制御する。そして、このプログラムは、通信回線を介して配布したり、ＣＤ－ＲＯＭ等の記録媒体９１７に記録して配布したりすることも可能である。
　なお、ライフサポート装置１０などのコンピュータ９００は、図２４に示した構成要素を１つの物理的な計算機に集約されていてもよい。または、コンピュータ９００は、クラウドサーバやエッジサーバ等の複数の計算リソースに分散配置され、各々がネットワークを介して接続されている形態をとっていてもよい。
　また、複数の装置（端末装置３０、ライフサポート装置１０）の機能が、１つの装置として（例えば、端末装置３０内に）集中的に配置されていてもよいし、演算部１３のみがクラウドサーバに配置されていてもよい。
　以上説明した各実施例のライフサポートシステム１００は、サービス利用者の行動を示す情報、状態を示す情報や、周囲環境を示す情報をテキスト化したデータを、単語マップ１２２として分析する。これにより、サービス利用者にとってライフスタイルを示す単語を導出してサービス内容に活用することで、サービス利用者のライフスタイルや、その変遷に応じてパーソナライズされた効果的なライフサポートを提供できる。単語マップ１２２内のライフスタイルを示す単語には、例えば、特定の行動や状態と関連性の高い行動/状態/時間/場所/人物などを示す単語が含まれる。
　一方、従来の行動変容を支援するシステムでは、以下の理由により本実施形態のライフサポートシステム１００のような効果は得られない。
　・行動変容のルールが万人に対して画一的であるため、提示内容がサービス利用者のライフスタイルと乖離する場合がある。
　・ヒトに行動変容を促す際、本人に気づかせるのではなく、直接的な指示や命令であるため、無視や反発を生む場合がある。
　さらに、本発明は上述した各実施形態に限られるものではなく、特許請求の範囲に記載した本発明の要旨を逸脱しない限りにおいて、その他種々の応用例、変形例を取り得ることは勿論である。例えば、上述した各実施形態は本発明を分かりやすく説明するためにライフサポートシステム１００の構成を詳細かつ具体的に説明したものであり、必ずしも説明した全ての構成要素を備えるものに限定されない。また、ある実施形態の構成の一部を他の実施形態の構成要素に置き換えることが可能である。また、ある実施形態の構成に他の実施形態の構成要素を加えることも可能である。また、各実施形態の構成の一部について、他の構成要素の追加又は置換、削除をすることも可能である。
　また、上記の各構成、機能、処理部等は、それらの一部又は全部を、例えば集積回路で設計するなどによりハードウェアで実現してもよい。ハードウェアとして、ＦＰＧＡ（Field Programmable Gate Array）やＡＳＩＣ（Application Specific Integrated Circuit）などの広義のプロセッサデバイスを用いてもよい。
　また、上述した実施形態にかかるライフサポートシステム１００の各構成要素は、それぞれのハードウェアがネットワークを介して互いに情報を送受信できるならば、いずれのハードウェアに実装されてもよい。また、ある処理部により実行される処理が、１つのハードウェアにより実現されてもよいし、複数のハードウェアによる分散処理により実現されてもよい。
　１０　　ライフサポート装置
　１１　　入出力部
　１２　　記憶部
　１３　　演算部
　２０　　ネットワーク
　３０　　端末装置
　３１　　提示部
　３２　　入力部
　４０　　センサ群
　１００　ライフサポートシステム
　１１０　情報入力部
　１１１　情報出力部
　１１２　リコメンド入力部
　１２０　テキスト化ルール
　１２１　行動コーパス
　１２２　単語マップ
　１２３　属性情報
　１２４　単語ノルム
　１２５　単語分散表現
　１３０　テキスト化処理部
　１３１　単語マップ生成部
　１３２　単語マップ変遷特徴抽出部（単語マップ比較部）
　１３３　特定情報フィルタリング部
　１３４　単語ノルム分析抽出部
　１３５　関連語抽出部
　１３６　リコメンド編集部

Claims (10)

  1. 　ライフスタイルを計測する対象者に関するセンサ情報を取得するセンサ群と、取得したセンサ情報をもとにライフスタイルを提案する提案画面を対象者に提示するライフサポート装置とを有するライフサポートシステムであって、
    　前記ライフサポート装置は、
    　前記センサ群が取得したセンサ情報を、記憶部から読み込んだテキスト化ルールに基づいて、テキストに変換するテキスト化処理部と、
    　前記テキスト化処理部が変換したテキストの各単語を、２次元以上のベクトル空間である単語マップ内に配置する単語マップ生成部と、
    　前記センサ群から取得した第１のセンサ情報を変換したテキストの単語から生成される第１の単語マップと、前記センサ群から取得した第２のセンサ情報を変換したテキストの単語から生成される第２の単語マップとを比較可能な前記提案画面を出力する単語マップ比較部と、を備えることを特徴とする
    　ライフサポートシステム。
  2. 　前記単語マップ生成部は、前記テキスト化処理部が変換したテキストの各単語についての意味合いをベクトル表現としてベクトル化し、そのベクトル表現をもとに各単語どうしの類似度を計算し、類似度が大きい単語間ほど、前記単語マップ内で近くになるように配置することを特徴とする
    　請求項１に記載のライフサポートシステム。
  3. 　前記単語マップ比較部は、前記第１の単語マップと、前記第２の単語マップとについて、それぞれ前記単語マップ内の時間帯を示す単語どうしを、前記単語マップ内の位置が近く、かつ、その時間帯の経過順に接続することで行動経路を生成し、その生成した行動経路をそれぞれの前記単語マップ内に表示することを特徴とする
    　請求項１に記載のライフサポートシステム。
  4. 　前記記憶部には、さらに、複数人の対象者を分類するための属性情報が格納されており、
    　前記単語マップ生成部は、前記属性情報が同じ複数人の対象者に関するセンサ情報から、１つの前記単語マップを生成することを特徴とする
    　請求項１に記載のライフサポートシステム。
  5. 　前記ライフサポート装置は、さらに、特定情報フィルタリング部を備えており、
    　前記特定情報フィルタリング部は、複数人の対象者に関するセンサ情報から、１つの前記単語マップを生成する場合には、対象者の個人を特定できる情報に該当する単語を前記単語マップから除外することを特徴とする
    　請求項４に記載のライフサポートシステム。
  6. 　前記単語マップ比較部は、互いに異なる前記属性情報の前記単語マップを相互に変換するための変換ルールを抽出し、
    　前記第１の単語マップと前記第２の単語マップとのうち、対象者と同じ前記属性情報に該当する一方の前記単語マップに対して前記変換ルールを適用することで、他方の前記単語マップを生成することを特徴とする
    　請求項４に記載のライフサポートシステム。
  7. 　前記テキスト化処理部は、会議の内容を示す単語を含むテキストに変換し、
    　前記単語マップ生成部は、会議の内容を示す各単語のベクトルノルムが所定値未満の単語を、前記単語マップから除外することを特徴とする
    　請求項１に記載のライフサポートシステム。
  8. 　前記ライフサポート装置は、さらに、関連語抽出部と、リコメンド編集部とを備えており、
    　前記関連語抽出部は、入力されたリコメンドの手がかりとなる表現から目標語を抽出し、前記単語マップ生成部が生成した前記単語マップ内の単語から目標語を検索し、その単語マップ内の目標語の近くに配置されている関連語を抽出し、
    　前記リコメンド編集部は、前記関連語抽出部が抽出した目標語と関連語とをもとに、入力されたリコメンドの手がかりとなる表現を補完するリコメンド文を生成することを特徴とする
    　請求項１に記載のライフサポートシステム。
  9. 　ライフスタイルを計測する対象者に関するセンサ情報をセンサ群から取得し、そのセンサ情報をもとにライフスタイルを提案する提案画面を対象者に提示するライフサポート装置であって、
    　前記センサ群が取得したセンサ情報を、記憶部から読み込んだテキスト化ルールに基づいて、テキストに変換するテキスト化処理部と、
    　前記テキスト化処理部が変換したテキストの各単語を、２次元以上のベクトル空間である単語マップ内に配置する単語マップ生成部と、
    　前記センサ群から取得した第１のセンサ情報を変換したテキストの単語から生成される第１の単語マップと、前記センサ群から取得した第２のセンサ情報を変換したテキストの単語から生成される第２の単語マップとを比較可能な前記提案画面を出力する単語マップ比較部と、を備えることを特徴とする
    　ライフサポート装置。
  10. 　ライフスタイルを計測する対象者に関するセンサ情報をセンサ群から取得し、そのセンサ情報をもとにライフスタイルを提案する提案画面を対象者に提示するライフサポート装置は、テキスト化処理部と、単語マップ生成部と、単語マップ比較部と、を備えており、
    　前記テキスト化処理部は、前記センサ群が取得したセンサ情報を、記憶部から読み込んだテキスト化ルールに基づいて、テキストに変換し、
    　前記単語マップ生成部は、前記テキスト化処理部が変換したテキストの各単語を、２次元以上のベクトル空間である単語マップ内に配置し、
    　前記単語マップ比較部は、前記センサ群から取得した第１のセンサ情報を変換したテキストの単語から生成される第１の単語マップと、前記センサ群から取得した第２のセンサ情報を変換したテキストの単語から生成される第２の単語マップとを比較可能な前記提案画面を出力することを特徴とする
    　ライフサポート方法。
PCT/JP2023/044128 2023-01-06 2023-12-11 ライフサポートシステム、ライフサポート装置、および、ライフサポート方法 Ceased WO2024147259A1 (ja)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
JP2023-001236 2023-01-06
JP2023001236A JP7815156B2 (ja) 2023-01-06 2023-01-06 ライフサポートシステム、ライフサポート装置、および、ライフサポート方法

Publications (1)

Publication Number Publication Date
WO2024147259A1 true WO2024147259A1 (ja) 2024-07-11

Family

ID=91803910

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/JP2023/044128 Ceased WO2024147259A1 (ja) 2023-01-06 2023-12-11 ライフサポートシステム、ライフサポート装置、および、ライフサポート方法

Country Status (3)

Country Link
JP (1) JP7815156B2 (ja)
TW (1) TWI874052B (ja)
WO (1) WO2024147259A1 (ja)

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2017076373A (ja) * 2015-10-16 2017-04-20 富士通株式会社 クラウドベースの健康関連データ分析サービスの提供
JP2019133638A (ja) * 2018-02-02 2019-08-08 Ｎｅｃソリューションイノベータ株式会社 行動変容支援システム、行動変容支援装置、行動変容支援方法およびプログラム
WO2021235225A1 (ja) * 2020-05-21 2021-11-25 ソニーグループ株式会社 情報処理装置及び情報処理方法

Family Cites Families (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP3347812A4 (en) * 2015-09-02 2019-08-28 Identifor, Inc. INTELLIGENT VIRTUAL ASSISTANCE SYSTEMS AND APPROPRIATE PROCEDURES
JP7078429B2 (ja) * 2018-03-20 2022-05-31 株式会社Ｓｃｒｅｅｎホールディングス テキストマイニング方法、テキストマイニングプログラム、および、テキストマイニング装置
TWI709048B (zh) * 2018-08-10 2020-11-01 全球華人股份有限公司 高頻詞企業特質屬性推薦方法
WO2021132088A1 (ja) * 2019-12-25 2021-07-01 ソニーグループ株式会社 情報処理システム、情報処理装置及び情報処理方法
US12322493B2 (en) 2020-12-29 2025-06-03 Kpn Innovations, Llc. Systems and methods for generating a lifestyle-based disease prevention plan

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2017076373A (ja) * 2015-10-16 2017-04-20 富士通株式会社 クラウドベースの健康関連データ分析サービスの提供
JP2019133638A (ja) * 2018-02-02 2019-08-08 Ｎｅｃソリューションイノベータ株式会社 行動変容支援システム、行動変容支援装置、行動変容支援方法およびプログラム
WO2021235225A1 (ja) * 2020-05-21 2021-11-25 ソニーグループ株式会社 情報処理装置及び情報処理方法

Also Published As

Publication number Publication date
JP2024097643A (ja) 2024-07-19
TWI874052B (zh) 2025-02-21
TW202429370A (zh) 2024-07-16
JP7815156B2 (ja) 2026-02-17

Similar Documents

Publication Publication Date Title
Jiang et al. Beyond AI-powered context-aware services: the role of human–AI collaboration
Witteborn Digitalization, digitization and datafication: the" three D" transformation of forced migration management
Bakker et al. Stess@ work: From measuring stress to its understanding, prediction and handling with personalized coaching
Karatzas et al. A text analytic framework for gaining insights on the integration of digital twins and machine learning for optimizing indoor building environmental performance
Pálsdóttir The connection between purposive information seeking and information encountering: A study of Icelanders' health and lifestyle information seeking
KR20210055296A (ko) 빅데이터 기반 사람과 사람을 연결하는 매칭 서비스 제공 방법
Woll et al. What is a smart hospital? A review of the literature
Sadick et al. What did the occupant say? Fine-tuning and evaluating a large language model for efficient analysis of multi-domain indoor environmental quality feedback
JP2026059421A (ja) 情報処理装置、方法、プログラム及びシステム
CN118299013A (zh) 基于ai的医养一体化数据管理方法及系统
Jiang et al. Modern workplace ergonomics and productivity–a systematic literature review
Sankar et al. Developing personas for designing health interventions
JP7815156B2 (ja) ライフサポートシステム、ライフサポート装置、および、ライフサポート方法
Elmamooz et al. Towards understanding mobility in museums
JP7219546B2 (ja) 物件検索システム
CN111488500A (zh) 一种医学问题信息处理方法、装置和存储介质
WO2024252964A1 (ja) 行動分析装置及び行動分析方法
Casino et al. Integrating audio-based interactions and large language models into ambient assisted living environments
Huang et al. On improving the acceptance of intelligent companion robots among Chinese empty-nesters with the application of emotional design
Alsaggaf et al. A machine learning framework for early-stage dementia-friendly architectural design evaluation using visual access metrics
JP7123601B2 (ja) 価値観評価システム、及び物件検索システム
Periša et al. Concept, Architecture, and Performance Testing of a Smart Home Environment for the Visually Impaired Persons
Sousa et al. Learning user comfort and well-being through smart devices
Geetha et al. Prediction Depression Analysis Framework For Twitter Data Using Genetic Algorithm Based Feature Extraction And Naive Bayes Classifier.
Valmorbida et al. U-Library: An Intelligent Model for Ubiquitous Library Support

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: 23914747

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: 23914747

Country of ref document: EP

Kind code of ref document: A1