WO2024201567A1 - 判別装置及び判別方法 - Google Patents

Abstract

判別装置は、ユーザの近傍にあるセンサで計測された前記ユーザの活動状態に関するセンシングデータを取得するセンサ情報取得部と、学習用の前記センシングデータを用いて機械学習を行い学習モデルを生成する学習実行部と、前記学習モデルと推論用の前記センシングデータとに基づいて、予め定義された前記活動状態の分類を表す複数の活動モードのうち、前記ユーザの現時点の前記活動モードがいずれであるかを判別する活動モード判別部とを備える。

Description

判別装置及び判別方法

　本発明は、判別装置及び判別方法に関する。

　リモートワークが普及し、例えば自宅等の本来の職場とは異なる場所で仕事に従事する働き方が増えつつある。また、これにより、例えば子育てをしながら働くこと等、従来のワーク・ライフ・バランスという考え方を超えてワーク・イン・ライフという考え方が広まりつつある。このような働き方の変化によって、仕事及び個人の生活に関する様々な通知が、時間や場所を問わず、人々に対して頻繁に届くようになった。そのため、人々は、通知内容を確認することに多くの時間を割くことを余儀なくされ、生活における“ゆとり”が奪われてしまうことも珍しくない。

　これに対し、従来、失われた“ゆとり”を取り戻すために、人々の動作を検出して、動作と動作の合間に通知を行うことによって人々の心的な負荷を軽減させる技術、及び、人々が普段使用している例えばスマートフォン等の機器の動作状態を判別し、判別結果に応じて通知を行う技術が検討されている（例えば、非特許文献１及び２を参照）。

Tadashi Okoshi, Kota Tsubouchi, Masaya Tajiy, Takanori Ichikawa, and Hideyuki Tokuda, "Attention and Engagement-Awareness in the Wild: A Large-Scale Study with Adaptive Notifications," International Conference on Pervasive Computing and Communications (PerCom), IEEE, 2017. Tadashi Okoshi, "Detection of User's Interruptibility for Attention Awareness in Ubiquitous Computing," Doctoral Dissertation, Graduate School of Media and Governance Keio University, Academic Year 2015.

　前述の通り、従来技術には、人々が使用する機器の動作状態を判別して通知を制御するものがある。しかしながら、このような従来技術は、機器が、仕事で使用されているのか、あるいは、個人的な用途で使用されているのかについては判別をしていない。一方、通知には、例えば人々が仕事中にでも受けたいと思う通知や個人的な時間を過ごしている時にだけ受けたいと思う通知等、様々な種類がある。そのため、単に使用機器の動作状態に応じて通知制御が行われただけでは、人々の生活における“ゆとり”が阻害されたり、“ゆとり”を取り戻すことができなくなったりすることがある。

　昨今、ワーク・イン・ライフの考え方が広まり、個人の生活と仕事との関係がより密接になってきている。そのため、人々は、例えば「仕事における自分」や「家庭における自分」等の、その時々の自身の立場、周辺環境及び時間帯等によって異なる活動状態に応じて、自身の行動様式や活動ポリシー等を適宜切り替えることを以前よりも細かい粒度で実施する必要があり、負荷が増している。このような環境においては、どのような活動状態の人々にはどのような通知が受け入れられるのかについての認識がなされたうえで、人々のその時々の活動状態に応じた適切な通知制御が行われることが望ましい。そのためには、人々の活動状態をより細かい粒度で精度高く判別することが求められる。

　上記事情に鑑み、本発明は、人々の活動状態をより細かい粒度で精度高く判別することができる判別装置及び判別方法を提供することを目的とする。

　本発明の一態様は、ユーザの近傍にあるセンサで計測された前記ユーザの活動状態に関するセンシングデータを取得するセンサ情報取得部と、学習用の前記センシングデータを用いて機械学習を行い学習モデルを生成する学習実行部と、前記学習モデルと推論用の前記センシングデータとに基づいて、予め定義された前記活動状態の分類を表す複数の活動モードのうち、前記ユーザの現時点の前記活動モードがいずれであるかを判別する活動モード判別部と、を備える判別装置である。

　また、本発明の一態様は、コンピュータによる判別方法であって、ユーザの近傍にあるセンサで計測された前記ユーザの活動状態に関するセンシングデータを取得するセンサ情報取得ステップと、学習用の前記センシングデータを用いて機械学習を行い学習モデルを生成する学習実行ステップと、前記学習モデルと推論用の前記センシングデータとに基づいて、予め定義された前記活動状態の分類を表す複数の活動モードのうち、前記ユーザの現時点の前記活動モードがいずれであるかを判別する活動モード判別ステップと、を備える判別方法である。

　本発明により、人々の活動状態をより細かい粒度で精度高く判別することが可能になる。

本発明の第１の実施形態における通知システム１の全体構成図である。 本発明の第１の実施形態における通知制御装置１０の機能構成を示すブロック図である。 本発明の第１の実施形態における通知制御装置１０の学習時における動作を示すフローチャートである。 本発明の第１の実施形態における通知制御装置１０の推論時における動作を示すフローチャートである。 本発明の第１の実施形態の変形例における通知制御装置１０ａの機能構成を示すブロック図である。 本発明の第１の実施形態の変形例における通知制御装置１０ａの学習時における動作を示すフローチャートである。 本発明の第１の実施形態の変形例における通知制御装置１０ａの推論時における動作を示すフローチャートである。 本発明の第２の実施形態における通知制御装置１０ｂの機能構成を示すブロック図である。 本発明の第２の実施形態における通知制御装置１０ｂの学習時における動作を示すフローチャートである。 本発明の第２の実施形態における通知制御装置１０ｂの推論時における動作を示すフローチャートである。 本発明の第３の実施形態における通知制御装置１０ｃの機能構成を示すブロック図である。 本発明の第３の実施形態における通知制御装置１０ｃの学習時における動作を示すフローチャートである。 本発明の第３の実施形態における通知制御装置１０ｃの推論時における動作を示すフローチャートである。 本発明の第４の実施形態における通知制御装置１０ｄの機能構成を示すブロック図である。 本発明の第４の実施形態における通知制御装置１０ｄの学習時における動作を示すフローチャートである。 本発明の第４の実施形態における通知制御装置１０ｄの推論時における動作を示すフローチャートである。 本発明の第５の実施形態における通知制御装置１０ｅの機能構成を示すブロック図である。 本発明の第５の実施形態における通知制御装置１０ｅの学習時における動作を示すフローチャートである。 本発明の第６の実施形態における通知制御装置１０ｆの機能構成を示すブロック図である。 本発明の第６の実施形態における通知制御装置１０ｆの推論時における動作を示すフローチャートである。 本発明の第７の実施形態における通知制御装置１０ｇの機能構成を示すブロック図である。 本発明の第７の実施形態における通知制御装置１０ｇの推論時における動作を示すフローチャートである。

　以下、本発明の判別装置及び判別方法のいくつかの実施形態について、図面を参照しながら詳しく説明する。

＜第１の実施形態＞
　以下、本発明の第１の実施形態について説明する。

［通知システムの構成］
　以下、本発明の第１の実施形態における通知制御装置１０による通知制御によってユーザに対する通知を行う通知システム１の構成について説明する。通知制御装置１０は、本発明の判別装置の一例である。

　図１は、本発明の第１の実施形態における通知システム１の全体構成図である。図１に示されるように、通知システム１は、通知制御装置１０と、配信装置２０と、複数のユーザ端末４０と、ネットワーク５０とを含んで構成される。

　通知制御装置１０は、例えば汎用コンピュータ等の情報処理装置を含んで構成される。通知制御装置１０は、ネットワーク５０に接続する。通知制御装置１０は、ネットワーク５０を介して、配信装置２０及び複数のユーザ端末４０の各々と互いに通信を行うことができる。

　通知制御装置１０は、配信装置２０によって行われるユーザ端末４０への通知を制御する。例えば、通知制御装置１０は、ネットワーク５０を介してクラウド型のサービスを提供するサーバ装置である。例えばクラウド型のサービスとは、上記の配信装置２０による通知を制御するサービスである。

　通知制御装置１０は、ユーザ端末４０に備えられたセンサによって得られる情報（以下、「センシングデータ」という。）を取得する。通知制御装置１０は、取得されたセンシングデータに基づいて、上記のユーザ端末４０の使用者であるユーザの活動モードを判別する。例えば、通知制御装置１０は、予め定義された複数の活動モードを記憶しており、当該複数の活動モードの中から適切な活動モードを判別する。通知制御装置１０は、判別された活動モードに応じて、配信装置２０によるユーザ端末４０への通知の内容やタイミングを制御する通知制御を行う。

　ここでいう活動モードとは、ユーザのその時々の立場、周辺環境及び時間帯等によって異なる活動状態が分類されて、予め定義されたものである。ユーザの活動状態の分類は、例えば、ユーザがどのような種類の通知を受け入れられる状況であるかに基づいて行われることが望ましい。

　例えば、ユーザは、仕事をしている活動状態である時には、業務内容や関連業者等に関する情報を含む通知であれば受け取ってもよいが、ユーザの趣味に関する広告宣伝を目的とした通知を受け取りたくはないと思うものであるとする。逆に、例えば、ユーザは、個人的な時間を過ごしている活動状態である時には、業務内容や関連業者等に関する情報を含む通知を受け取りたくはないが、ユーザの趣味に関する広告宣伝を目的とした通知であれば受け取ってもよいと思うものであるとする。このような場合には、例えば仕事中の活動モードと個人的な時間の活動モードとが予め定義され、それぞれの活動モードに応じた通知制御がなされるとよい。

　なお、通知制御装置１０の構成の詳細については、後に詳しく説明する。

　配信装置２０は、例えば汎用コンピュータ等の情報処理装置を含んで構成される。配信装置２０は、ネットワーク５０に接続する。配信装置２０は、ネットワーク５０を介して、通知制御装置１０及び複数のユーザ端末４０の各々と互いに通信を行うことができる。

　配信装置２０は、複数のユーザ端末４０の各々へ、ユーザに対する通知である通知情報を配信する配信サーバである。例えば、配信装置２０は、ユーザ端末４０にインストールされたメッセージングアプリケーションによって、通知内容が記載されたメッセージを、当該ユーザ端末４０の使用者であるユーザのアカウントを宛先として送信する。あるいは、例えば、配信装置２０は、ユーザ端末４０にインストールされたアプリケーションが有する通知機能によって当該ユーザ端末４０が備える画面に通知内容を表示させる。あるいは、例えば、配信装置２０は、通知内容が記載された電子メールを、ユーザ端末４０の使用者であるユーザのメールアドレスを宛先として送信する。

　なお、通知内容は、その他、スマートグラス、スマートウォッチ又は自動車のフロントガラス等に表示されてもよいし、イヤホン、ヘッドホン又はスピーカー等で音声によって通知されてもよい。

　配信装置２０は、活動モードと通知内容とが対応付けられた情報を予め記憶している。配信装置２０は、ユーザ端末４０を識別する識別情報と活動モードを示す情報とを含む指示情報を通知制御装置１０から取得する。配信装置２０は、取得された指示情報に含まれる識別情報に対応するユーザ端末４０に対して、取得された指示情報に含まれる活動モードに対応付けられた通知内容の通知を行う。

　なお、指示情報には、通知方法を示す情報が含まれていてもよい。この場合、配信装置２０は、取得された指示情報に含まれる通知方法で通知を行う。通知方法を示す情報とは、例えば、上記のような通知に用いる機器やアプリケーション等を示す情報であってもよい。また、指示情報には、通知を行う日時等の通知タイミングを示す情報が含まれていてもよい。この場合、配信装置２０は、取得された指示情報に含まれる通知タイミングで通知を行う。

　なお、通知制御装置１０と配信装置２０とは、一体化された装置であってもよい。なお、センシングデータは、ユーザ端末４０から通知制御装置１０へ直接伝送される構成であってもよいし、ユーザ端末４０から配信装置２０を経由して通知制御装置１０へ伝送される構成であってもよい。

　ネットワーク５０は、通知制御装置１０と、配信装置２０と、複数のユーザ端末４０の各々とを互いに通信接続する情報通信網である。例えば、ネットワーク５０は、インターネット、ＬＡＮ（Local Area Network）、及び無線通信基地局等を含んで構成される。ＬＡＮは、通知制御装置１０，配信装置２０及び無線通信基地局とインターネットと通信接続する。無線通信基地局は、無線通信端末であるユーザ端末４０と互いに無線通信を行う。

　ユーザ端末４０は、例えばスマートフォン等の携帯端末である。ユーザ端末４０は、各種センサを備える。ユーザ端末４０は、各種センサによって得られたセンシングデータをネットワーク５０を介して通知制御装置１０へ送信する。例えば、第１の実施形態におけるユーザ端末４０は、ＧＰＳ（Global Positioning System）等の衛星測位システムの受信機を備える。ユーザ端末４０は、衛星測位システムの受信機によって自己位置を特定する。ユーザ端末４０は、特定された自己位置を示すセンシングデータを通知制御装置１０へ送信する。

　また、ユーザ端末４０は、例えば液晶ディスプレイ等の表示部（不図示）を備える。ユーザ端末４０は、配信装置２０から送信された通知を受信する。ユーザ端末４０は、受信した通知を表示部に表示させる。

　また、ユーザ端末４０は、スマートウォッチやスマートグラス等のウェアラブル端末であってもよい。また、ユーザは、例えば、仕事用のスマートフォン、個人用のスマートフォン、及びウェアラブル端末等、複数のユーザ端末４０を所持していてもよい。

［通知制御装置の構成］
　以下、通知制御装置１０の構成について詳細に説明する。図２は、本発明の第１の実施形態における通知制御装置１０の機能構成を示すブロック図である。図２に示されるように、通知制御装置１０は、学習部１１と、推論部１２と、判別結果出力部１３とを含んで構成される。

　学習部１１は、学習データを取得して教師なし機械学習を行うことにより、学習データのクラスタリングを行う。以下、機械学習のことを単に「学習」という場合がある。クラスタリングの手法として、例えば、階層的クラスタリングが用いられてもよいし、ｋ－ｍｅａｎｓ法のアルゴリズム等による非階層的クラスタリングが用いられてもよい。

　なお、第１の実施形態における通知制御装置１０は、教師なし機械学習ではなく教師あり機械学習を行う構成であってもよいが、その場合の構成については第１の実施形態の変形例として後に説明する。

　図２に示されるように、学習部１１は、学習データ取得部１１１と、学習データ記憶部１１２と、学習実行部１１３と、機器種別登録部１１４と、学習モデル記憶部１１５とを含んで構成される。

　学習データ取得部１１１は、正解ラベルを含まない学習データを取得する。第１の実施形態における学習データは、ユーザ端末４０がユーザによって使用中であるか否かの状態（以下、「アクティブ状態」という。）を示すデータ、及びユーザ端末４０の通信状態を示すデータ等である。ここでいう通信状態を示す情報とは、例えば、ユーザ端末４０による通信が行われた時間帯（使用時間帯）を示す情報、及び通信が連続して行われた時間（連続使用時間）を示す情報等である。

　学習データ取得部１１１は、例えば、複数のユーザ端末４０の各々の過去のアクティブ状態及び通信状態を示すデータが大量に蓄積された外部のサーバ等から、これらのデータを学習データとして一括で取得する。なお、学習データ取得部１１１は、複数のユーザ端末４０の各々から直接、アクティブ状態及び通信状態を示すデータを随時取得するようにしてもよい。学習データ取得部１１１は、取得した学習データを学習データ記憶部１１２に記憶させる。

　なお、学習部１１が学習データ記憶部１１２を備えていない構成である場合には、学習データ取得部１１１は、取得した学習データを後述される学習実行部１１３に直接出力するようにしてもよい。

　学習データ記憶部１１２は、学習データ取得部１１１によって取得された学習データを記憶する。学習データ記憶部１１２は、例えば、ユーザ端末４０の各々を特定する情報と紐づけて学習データを蓄積する。

　学習実行部１１３は、学習データ記憶部１１２に記憶された学習データを取得する。学習実行部１１３は、取得した学習データを用いて教師なし機械学習を行うことにより学習データのクラスタリングを行う。

　クラスタリングにより分類された各クラスターに対し、機器種別登録部１１４によって解釈がなされる。具体的には、クラスタリングにより分類された各クラスターに、ユーザ端末４０の機器の種類を示す情報が付与される。ここでいうユーザ端末４０の機器の種類を示す情報とは、例えば、ユーザが仕事で使用する端末、又は、ユーザが個人的に（プライベートの時間である時に）使用する端末等の、ユーザの活動モードの判別に用いることができる情報である。

　例えば、各クラスターに対する解釈は、通知システム１の運用者等によって行われてもよいし、ユーザ自身によって行われてもよい。例えば、運用者又はユーザは、学習実行部１１３による教師なし機械学習によって得られたクラスタリングの結果を示す情報を参照し、各クラスターに対してそれぞれ付与するユーザ端末４０の機器の種類を示す情報を機器種別登録部１１４に入力する。機器種別登録部１１４は、入力された情報を学習実行部１１３へ出力し、学習実行部１１３は、入力された情報を、クラスタリングの結果として得られた各クラスターに対してそれぞれ紐づける。

　学習実行部１１３は、教師なし機械学習の結果として生成された学習済みの学習モデルを学習モデル記憶部１１５に記憶させる。ここでいう学習モデルには、例えば、機械学習のアルゴリズム及びパラメータ値、及び各クラスターに対してそれぞれ紐づけられたユーザ端末４０の機器の種類を示す情報等が含まれる。

　学習モデル記憶部１１５は、学習実行部１１３によって生成された学習済みの学習モデルを記憶する。

　学習実行部１１３は、通知制御装置１０に備えられた例えばＣＰＵ（Central Processing Unit）等のプロセッサ（不図示）が、当該通知制御装置１０に備えられた記憶媒体（不図示）に予め記憶されたプログラムを実行することによって実現される機能部である。学習データ記憶部１１２及び学習モデル記憶部１１５は、例えば、ＲＡＭ（Random Access Memory）、ＥＥＰＲＯＭ（Electrically Erasable Programmable Read Only Memory）及びＲＯＭ（Read Only Memory）等の半導体メモリ、ＳＳＤ等の（Solid State Drive）フラッシュメモリ、ＨＤＤ（Hard Disk Drive）等の磁気ディスク、光ディスク等の記憶媒体（不図示）、または、これらの記憶媒体の任意の組み合わせを含んで構成される。学習データ取得部１１１及び機器種別登録部１１４は、例えばネットワーク５０を介して外部の機器と通信接続する通信インターフェースを含んで構成される。

　図２に示されるように、推論部１２は、機器状態取得部１２１と、機器特定部１２２と、位置情報取得部１２３と、活動モード判別部１２４と、判別ルール記憶部１２５とを含んで構成される。

　　機器状態取得部１２１は、ユーザ端末４０から使用機器情報を取得する。ここでいう使用機器情報には、ユーザ端末４０がユーザによって使用中である否かの状態（すなわち、アクティブ状態）を示す情報、及びユーザ端末４０の通信状態を示す情報等が含まれる。すなわち、使用機器情報は、前述の学習データ取得部１１１が取得する学習データと同様な項目の情報が含まれる。なお、機器状態取得部１２１と学習データ取得部１１１とは、ハードウェアとしては同一の装置で構成されていてもよい。

　機器状態取得部１２１は、取得した使用機器情報を機器特定部１２２へ出力する。なお、機器状態取得部１２１は、取得した使用機器情報を学習部１１の学習データ記憶部１１２に記憶させるようにしてもよい。すなわち、機器状態取得部１２１によって取得された使用機器情報は、学習データとして用いられてもよい。機器状態取得部１２１によって取得された使用機器情報を学習データとして用いる場合、例えば、当該使用機器情報は、次回行われる教師なし機械学習において用いられるようにしてもよい。または、機器状態取得部１２１が使用機器情報を取得する度に、取得された使用機器情報を含めた学習データを用いて、学習実行部１１３が教師なし機械学習をその都度実行するようにしてもよい。

　機器特定部１２２は、機器状態取得部１２１から出力された使用機器情報を取得する。また、機器特定部１２２は、学習部１１の学習モデル記憶部１１５に記憶された学習済みの学習モデルを取得する。機器特定部１２２は、取得した使用機器情報と学習済みの学習モデルとに基づいてユーザが使用しているユーザ端末４０の機器の種類を特定する。機器特定部１２２は、特定されたユーザ端末４０の機器の種類を示す情報を活動モード判別部１２４へ出力する。

　具体的には、例えば、機器特定部１２２は、取得した使用機器情報を学習済みの学習モデルに入力し、入力された使用機器情報が属するクラスターを特定する。機器特定部１２２は、特定されたクラスターに付与されているユーザ端末４０の機器の種類を特定する。機器特定部１２２は、特定されたユーザ端末４０の機器の種類を示す情報を活動モード判別部１２４へ出力する。

　位置情報取得部１２３は、ユーザ端末４０の現在位置を示す位置情報を取得する。なお、位置情報取得部１２３が取得する位置情報に対応するユーザ端末４０と、機器状態取得部１２１が取得する使用機器情報に対応するユーザ端末４０とは、同一の端末である。すなわち、推論部１２は、あるユーザ端末４０の使用機器情報と位置情報との組み合わせを取得し、使用機器情報が機器状態取得部１２１に入力され、位置情報が位置情報取得部１２３に入力される。位置情報取得部１２３は、取得されたユーザ端末４０の現在位置を示す位置情報を活動モード判別部１２４へ出力する。

　活動モード判別部１２４は、機器特定部１２２から出力された、ユーザ端末４０の機器の種類を示す情報を取得する。また、活動モード判別部１２４は、位置情報取得部１２３から出力されたユーザ端末４０の現在位置を示す位置情報を取得する。また、活動モード判別部１２４は、判別ルール記憶部１２５に記憶された判別ルールを示す情報を取得する。

　判別ルール記憶部１２５は、判別ルールを示す情報を予め記憶している。ここでいう判別ルールとは、ユーザ端末４０の機器の種類とユーザ端末４０が現在位置している場所とに基づいて、当該ユーザ端末４０を使用しているユーザの活動モードを判別するルールである。活動モード判別部１２４は、ユーザ端末４０の機器の種類を示す情報と、ユーザ端末４０の現在位置を示す位置情報と、判別ルールとに基づいて、当該ユーザ端末４０を使用しているユーザの活動モードを判別する。活動モード判別部１２４は、判別結果であるユーザの活動モードを示す情報を判別結果出力部１３へ出力する。

　以下、ユーザ単位で使用機器情報及び位置情報が取得される場合における、判別ルールの一例について説明する。例えば、あるユーザが使用する複数のユーザ端末４０のうち、仕事用のパソコンがアクティブの状態であり、仕事用のスマートフォンがアクティブの状態であり、個人用のスマートフォンがアクティブではない状態であり、かつ、仕事用のスマートフォン及び個人用のスマートフォンが現在位置している場所がユーザの自宅である場合には、このユーザの活動モードは「仕事中」であると判別するような判別ルールが、判別ルール記憶部１２５に予め記憶されている。

　これは、たとえ仕事用のパソコンがユーザの勤務先にあり、かつ、ユーザが自宅にいる場合であっても、仕事用のスマートフォンがアクティブの状態であり、個人用のスマートフォンがアクティブではない状態であるならば、ユーザが自宅でリモートワークを行っていることが推測されることから、上記の一例のような判別ルールが予め定義されている。

　なお、位置情報と場所（例えば、ユーザの自宅、勤務先等）との対応付けは、例えば、予め通知制御装置１０に備えられた記憶媒体（不図示）に記憶されている構成であってもよい。あるいは、例えば位置情報取得部１２３が、位置情報と汎用的な地図情報（不図示）とに基づいて、位置情報からユーザがいる場所を推定する構成であってもよい。

　なお、ユーザ端末４０の機器の種類を示す情報とユーザ端末４０の現在位置を示す位置情報とに基づいて当該ユーザ端末４０を使用しているユーザの活動モードを判別する構成は、上記のような判別ルールに基づいて行われる構成に限られるものではない。例えば、機械学習による推論によって、ユーザ端末４０の機器の種類を示す情報とユーザ端末４０の現在位置を示す位置情報とに基づいて当該ユーザ端末４０を使用しているユーザの活動モードを判別するような構成であってもよい。

　機器特定部１２２及び活動モード判別部１２４は、通知制御装置１０に備えられた例えばＣＰＵ等のプロセッサ（不図示）が、当該通知制御装置１０に備えられた記憶媒体（不図示）に予め記憶されたプログラムを実行することによって実現される機能部である。判別ルール記憶部１２５は、例えば、ＲＡＭ、ＥＥＰＲＯＭ及びＲＯＭ等の半導体メモリ、ＳＳＤ等のフラッシュメモリ、ＨＤＤ等の磁気ディスク、光ディスク等の記憶媒体（不図示）、または、これらの記憶媒体の任意の組み合わせを含んで構成される。機器状態取得部１２１及び位置情報取得部１２３は、例えばネットワーク５０を介してユーザ端末４０と通信接続する通信インターフェースを含んで構成される。

　判別結果出力部１３は、活動モード判別部１２４から出力された、ユーザの活動モードを示す情報を取得する。また、判別結果出力部１３が活動モード判別部１２４から取得する情報には、例えばユーザの個人用のスマートフォン等の、ユーザ端末４０を識別する識別情報が含まれている。判別結果出力部１３は、取得したユーザの活動モードを示す情報とユーザ端末４０を識別する識別情報とを含む指示情報を、ネットワーク５０を介して配信装置２０へ送信する。

　ここでいう指示情報とは、活動モードを示す情報に対応付けられた情報を含む通知を、活動モードを示す情報に対応付けられたタイミングで、指定する識別情報が付与されたユーザ端末４０に向けて送信させることを指示するための情報である。配信装置２０は、受信した指示情報に従って、ユーザ端末４０に対する通知を実行する。

　判別結果出力部１３は、例えばネットワーク５０を介して配信装置２０と通信接続する通信インターフェースを含んで構成される。

　なお、判別結果出力部１３は、ユーザの活動モードを示す情報を表示する装置であってもよい。この場合、判別結果出力部１３は、例えば、液晶ディスプレイ（ＬＣＤ）、有機ＥＬ（Electroluminescence）ディスプレイ又はＣＲＴ（Cathode Ray Tube）等の表示装置を含んで構成される。また、この場合、例えば配信装置２０の運用者等が、判別結果出力部１３に表示されたユーザの活動モードを示す情報を参照し、当該情報を配信装置２０に入力する。これにより、判別されたユーザの活動モードに従って、ユーザ端末４０に対する通知が実行される。

［通知制御装置の動作］
　以下、通知制御装置１０の教師なし機械学習の学習時における動作の一例と、ユーザの活動モードの推論時における動作の一例とを、それぞれ説明する。

　図３は、本発明の第１の実施形態における通知制御装置１０の学習時における動作を示すフローチャートである。図３のフローチャートが示す通知制御装置１０の動作は、例えば学習データ取得部１１１に学習データが入力された際に開始される。

　学習部１１の学習データ取得部１１１は、正解ラベルを含まない学習データを取得する（ステップＳ００１）。前述の通り、第１の実施形態における学習データは、例えば、ユーザ端末４０のアクティブ状態を示すデータ、及びユーザ端末４０の通信状態を示すデータである。学習データ記憶部１１２は、学習データ取得部１１１によって取得された学習データを記憶する。（ステップＳ００２）。

　学習実行部１１３は、学習データ記憶部１１２に記憶された学習データを取得する。学習実行部１１３は、取得した学習データを用いて教師なし機械学習を行うことにより学習データのクラスタリングを行う（ステップＳ００３）。

　クラスタリングにより分類された各クラスターに対し、機器種別登録部１１４によって解釈がなされる。例えば、運用者又はユーザは、学習実行部１１３による教師なし機械学習によって得られたクラスタリングの結果を示す情報を参照し、各クラスターに対してそれぞれ付与するユーザ端末４０の機器の種類を示す情報を機器種別登録部１１４に入力する。機器種別登録部１１４は、入力された情報を学習実行部１１３へ出力し、学習実行部１１３は、入力された情報を、クラスタリングの結果として得られた各クラスターに対してそれぞれ紐づける（ステップＳ００４）。

　学習モデル記憶部１１５は、学習実行部１１３によって教師なし機械学習の結果として生成された学習済みの学習モデルを記憶する（ステップＳ００５）。以上で、図３のフローチャートが示す通知制御装置１０の学習時の動作が終了する。

　図４は、本発明の第１の実施形態における通知制御装置１０の推論時における動作を示すフローチャートである。図４のフローチャートが示す通知制御装置１０の動作は、例えば、あるユーザ端末４０の使用機器情報が機器状態取得部１２１に入力され、当該ユーザ端末４０の位置情報が位置情報取得部１２３に入力された際に開始される。

　推論部１２の機器状態取得部１２１は、ユーザ端末４０から使用機器情報を取得する（ステップＳ００６）。前述の通り、使用機器情報には、ユーザ端末４０のアクティブ状態を示す情報、及びユーザ端末４０の通信状態を示す情報が含まれる。機器状態取得部１２１は、取得した使用機器情報を機器特定部１２２へ出力する。

　機器特定部１２２は、機器状態取得部１２１から出力された使用機器情報を取得する。また、機器特定部１２２は、学習部１１の学習モデル記憶部１１５に記憶された学習済みの学習モデルを取得する（ステップＳ００７）。機器特定部１２２は、取得した使用機器情報を学習済みの学習モデルに入力し、入力された使用機器情報が属するクラスターを特定する。機器特定部１２２は、特定されたクラスターに付与されているユーザ端末４０の機器の種類を特定する（ステップＳ００８）。機器特定部１２２は、特定されたユーザ端末４０の機器の種類を示す情報を活動モード判別部１２４へ出力する。

　位置情報取得部１２３は、ユーザ端末４０の現在位置を示す位置情報を取得する（ステップＳ００９）。位置情報取得部１２３は、取得されたユーザ端末４０の現在位置を示す位置情報を活動モード判別部１２４へ出力する。活動モード判別部１２４は、機器特定部１２２から出力された、ユーザ端末４０の機器の種類を示す情報を取得する。また、活動モード判別部１２４は、位置情報取得部１２３から出力されたユーザ端末４０の現在位置を示す位置情報を取得する。また、活動モード判別部１２４は、判別ルール記憶部１２５に記憶された判別ルールを示す情報を取得する（ステップＳ０１０）。

　活動モード判別部１２４は、ユーザ端末４０の機器の種類を示す情報と、ユーザ端末４０の現在位置を示す位置情報と、判別ルールとに基づいて、当該ユーザ端末４０を使用しているユーザの活動モードを判別する（ステップＳ０１１）。活動モード判別部１２４は、判別結果であるユーザの活動モードを示す情報を判別結果出力部１３へ出力する。

　判別結果出力部１３は、活動モード判別部１２４から出力された、ユーザの活動モードを示す情報を取得する。また、判別結果出力部１３が活動モード判別部１２４から取得する情報には、ユーザ端末４０を識別する識別情報が含まれている。判別結果出力部１３は、取得したユーザの活動モードを示す情報とユーザ端末４０を識別する識別情報とを含む指示情報を、ネットワーク５０を介して配信装置２０へ送信する（ステップＳ０１２）。以上で、図４のフローチャートが示す通知制御装置１０の推論時の動作が終了する。

［通知制御装置が用いるセンシングデータ］
　なお、前述の通り、本実施形態における通知制御装置１０は、ユーザ端末４０のアクティブ状態及び通信状態に基づいてユーザが使用中のユーザ端末４０の種類を特定する構成である。ここで、通信状態とは、前述の通り、例えばユーザ端末４０の使用時間帯及び連続使用時間等を示す情報等である。そして、通知制御装置１０は、特定されたユーザ端末４０の種類と、位置情報と、所定の判別ルールとに基づいて、ユーザの活動モードを判別する構成である。

　但し、ユーザの活動モードの判別のために用いられる上記のセンシングデータはあくまで一例であり、その他のセンシングデータが用いられてもよい。例えば、ユーザが使用するユーザ端末４０の１つが、スマートウォッチやスマートグラス等のウェアラブル端末である場合には、通知制御装置１０は、ユーザのバイタル状態を測定可能なセンサによって得られるセンシングデータを利用することが可能である。ここでいうバイタル状態とは、例えば、脈波、心拍、体温、筋電、脳波及び指紋等である。通知制御装置１０は、これらのセンシングデータを用いて機械学習を行い、ユーザの活動モードを判別する構成であってもよい。

　また、ユーザ端末４０にジャイロ、加速度センサ、カメラ及びマイク等が備えられている場合には、通知制御装置１０は、これらの装置によって得られるセンシングデータを用いて機械学習を行い、ユーザの活動モードを判別するような構成であってもよい。例えば、ジャイロ、加速度センサ及びカメラによって得られるセンシングデータが用いられることで、通知制御装置１０は、ＧＰＳ等の衛星測位システムのみからでは得ることが難しい更に詳細なユーザの動作や位置を検出することが可能になり、ユーザの活動モードの判別精度をより向上させることができる場合があると考えられる。また、例えば、マイクによって得られるセンシングデータが用いられることで、通知制御装置１０は、ユーザの周囲の環境を検出することができたり、ユーザの声から体調を推定することができたりすることが考えられ、これによってユーザの活動モードの判別精度をより向上させることができる場合があると考えられる。

　また、ユーザ端末４０に温度計、湿度計、気圧計、風力計及び光量計等の、ユーザの周囲の環境を測定可能な装置（以下、「環境測定機器」という。）が備えられている場合には、通知制御装置１０は、これらの環境測定機器によって得られるセンシングデータを用いて機械学習を行い、ユーザの活動モードを判別するような構成であってもよい。また、通知制御装置１０は、ユーザ端末４０の位置情報に基づいて、当該ユーザ端末４０の近傍に設置されている環境測定機器を検出し、当該環境測定機器からセンシングデータを取得するような構成であってもよい。

　このように、センシングデータには、大きく分けて、ユーザのバイタル状態を示すセンシングデータ、ユーザの位置や行動を示すセンシングデータ、及びユーザを取り巻く環境（ユーザの周辺環境）を示すセンシングデータ等がある。より多くの種類のセンシングデータが用いられるほど、ユーザの活動モードの判別精度をより向上させることができると考えられる。

［認証機能］
　ユーザに対して、常に適切なタイミングで適切な内容の通知を行うためには、上記のセンシングデータが継続的に取得されることが望ましい（エニタイム・センシング）。例えば本実施形態のように、とくに通知制御装置１０が不特定多数のユーザに対してクラウド型のサービスを提供するサーバである場合には、互いに異なるユーザのセンシングデータがサーバ内で混在してしまったり、情報漏洩が発生してしまったりすることを防止する認証機能を有していることが求められる。

　例えば、前述の通り、本実施形態における通知制御装置１０はユーザのバイタル状態を示すセンシングデータを用いることができるため、このセンシングデータをユーザ認証にも活用するような構成にしてもよい。

　例えば、ユーザ端末４０からユーザの指紋を示すセンシングデータが得ることができる場合には、通知制御装置１０は、このセンシングデータを記憶しておき、指紋を照合することでユーザを認証する指紋認証を行うようにしてもよい。また、例えば、ユーザ端末４０からユーザの心拍を示すセンシングデータが得ることができる場合には、通知制御装置１０は、このセンシングデータを記憶しておき、心電図を照合することでユーザを認証する心電図認証を行うようにしてもよい。また、例えば、ユーザ端末４０からユーザの虹彩を示すセンシングデータが得ることができる場合には、通知制御装置１０は、このセンシングデータを記憶しておき、虹彩を照合することでユーザを認証する虹彩認証を行うようにしてもよい。

　その他にも、例えば、瞳孔反応、瞳孔のレフ、及び脳波等のセンシングデータも、ユーザ認証とユーザの活動モードの判別との双方において活用することができる。なお、上記のユーザ認証におけるセンシングデータの照合方法としては、任意の従来技術を用いることができるが、例えば、これらのセンシングデータから得られる波形データに対してウェーブレット変換や短時間フーリエ変換等を行う照合方法を用いることができる。

　このように、本実施形態における通知システム１では、ユーザの活動モードを判別するために用いられるセンサの種別は問われない。本実施形態における通知システム１では、ユーザの状態を客観的に数値化することができるセンサであるならば、任意のセンサを用いることが可能である。

　以上説明したように、本発明の第１の実施形態における通知制御装置１０は、教師なし機械学習によって学習がなされた学習モデルを用いて、ユーザの活動モードを判別することができる。これにより、本発明の第１の実施形態における通知制御装置１０によれば、人々の活動状態に応じて適切な通知制御を行うことが可能になる。

　また、本発明の第１の実施形態における通知制御装置１０は、教師なし機械学習を用いてユーザの活動モードを判別するため、膨大な教師データを用意する必要がない。すなわち、膨大なデータに正解ラベルを付与する必要がない。そのため、第１の実施形態における通知制御装置１０によれば、例えば教師あり機械学習を用いてユーザの活動モードを判別する場合と比べて、時間やコストをかけずに理想とする学習結果が得られ易くなる。

＜第１の実施形態の変形例＞
　以下、本発明の第１の実施形態の変形例について説明する。

［通知システムの構成］
　以下、本発明の第１の実施形態の変形例における通知制御装置１０ａによる通知制御によってユーザに対する通知を行う通知システムの構成について説明する。第１の実施形態の変形例における通知システムの全体構成は、前述の図１に示される第１の実施形態における通知システム１の全体構成に対し、通知制御装置１０が通知制御装置１０ａに置き換わっている点を除いては同一である。そのため、ここでは、配信装置２０、ユーザ端末４０及びネットワーク５０等に関する説明を省略する。

　第１の実施形態の変形例における通知制御装置１０ａが前述の第１の実施形態における通知制御装置１０と異なる点は、前述の通知制御装置１０が教師なし機械学習によってユーザ端末４０の機器の種類を特定する学習モデルを生成するのに対し、以下に説明する通知制御装置１０ａは教師あり機械学習によってユーザ端末４０の機器の種類を特定する学習モデルを生成する点である。

［通知制御装置の構成］
　以下、通知制御装置１０ａの構成について詳細に説明する。通知制御装置１０ａは、本発明の判別装置の一例である。図５は、本発明の第１の実施形態の変形例における通知制御装置１０ａの機能構成を示すブロック図である。図５に示されるように、通知制御装置１０ａは、学習部１１ａと、推論部１２ａと、判別結果出力部１３とを含んで構成される。

　学習部１１ａは、学習データを取得して教師あり機械学習を行うことにより、使用機器情報の入力に対してユーザ端末４０の機器の種類の推定結果を示す情報の出力を可能にする学習済みの学習モデルを生成する。なお、教師あり機械学習の手法として、例えば、ＤＮＮ（Deep Neural Network）、サポートベクターマシン、又は線形回帰等の任意の手法を用いることができる。

　図５に示されるように、学習部１１ａは、学習データ取得部１１１ａと、学習データ記憶部１１２ａと、学習実行部１１３ａと、学習モデル記憶部１１５ａとを含んで構成される。

　学習データ取得部１１１ａは、正解ラベルを含む学習データを取得する。第１の実施形態の変形例における学習データは、ユーザ端末４０に関する使用機器情報と、当該ユーザ端末４０の機器の種類を示す情報（すなわち、正解ラベル）とが対応付けられたデータである。前述の通り、使用機器情報には、例えば、ユーザ端末４０がユーザによって使用中である否かを表すアクティブ状態を示すデータ、及びユーザ端末４０の通信状態を示すデータ等が含まれる。また、前述の通り、通信状態を示す情報とは、例えばユーザ端末４０の使用時間帯を示す情報及びユーザ端末４０の連続使用時間を示す情報等である。

　学習データ取得部１１１ａは、例えば、複数のユーザ端末４０の各々の過去のアクティブ状態及び通信状態を示す情報と機器の種類を示す情報（正解ラベル）とが対応付けられたデータが大量に蓄積された外部のサーバ等から、これらのデータを学習データとして一括で取得する。なお、学習データ取得部１１１ａは、複数のユーザ端末４０の各々から直接、アクティブ状態及び通信状態を示す情報と機器の種類を示す情報（正解ラベル）とが対応付けられたデータを随時取得するようにしてもよい。学習データ取得部１１１ａは、取得した学習データを学習データ記憶部１１２ａに記憶させる。

　なお、学習部１１ａが学習データ記憶部１１２ａを備えていない構成である場合には、学習データ取得部１１１ａは、取得した学習データを後述される学習実行部１１３ａに直接出力するようにしてもよい。

　学習データ記憶部１１２ａは、学習データ取得部１１１によって取得された学習データを記憶する。学習データ記憶部１１２ａは、例えば、ユーザ端末４０の各々を特定する情報と紐づけて学習データを蓄積する。

　学習実行部１１３ａは、学習データ記憶部１１２ａに記憶された学習データを取得する。学習実行部１１３ａは、取得した学習データを用いて教師あり機械学習を行うことにより学習済みの学習モデルを生成する。

　学習実行部１１３ａは、生成された学習済みの学習モデルを学習モデル記憶部１１５ａに記憶させる。ここでいう学習モデルには、例えば、機械学習のアルゴリズム及びパラメータ値を示す情報等が含まれる。

　学習モデル記憶部１１５ａは、学習実行部１１３ａによって生成された学習済みの学習モデルを記憶する。

　学習実行部１１３ａは、通知制御装置１０ａに備えられた例えばＣＰＵ等のプロセッサ（不図示）が、当該通知制御装置１０ａに備えられた記憶媒体（不図示）に予め記憶されたプログラムを実行することによって実現される機能部である。学習データ記憶部１１２ａ及び学習モデル記憶部１１５ａは、例えば、ＲＡＭ、ＥＥＰＲＯＭ及びＲＯＭ等の半導体メモリ、ＳＳＤ等のフラッシュメモリ、ＨＤＤ等の磁気ディスク、光ディスク等の記憶媒体（不図示）、または、これらの記憶媒体の任意の組み合わせを含んで構成される。学習データ取得部１１１ａは、例えばネットワーク５０を介して外部の機器と通信接続する通信インターフェースを含んで構成される。

　図５に示されるように、推論部１２ａは、機器状態取得部１２１ａと、機器特定部１２２ａと、位置情報取得部１２３と、活動モード判別部１２４と、判別ルール記憶部１２５とを含んで構成される。

　機器状態取得部１２１ａは、ユーザ端末４０から使用機器情報を取得する。ここでいう使用機器情報には、ユーザ端末４０がユーザによって使用中である否かの状態（すなわち、アクティブ状態）を示す情報、及びユーザ端末４０の通信状態を示す情報等が含まれる。すなわち、使用機器情報には、前述の学習データ取得部１１１ａが取得する学習データのうち、正解ラベルの項目以外の項目の情報と同様の情報が含まれる。なお、機器状態取得部１２１ａと学習データ取得部１１１ａとは、ハードウェアとしては同一の装置で構成されていてもよい。機器状態取得部１２１ａは、取得した使用機器情報を機器特定部１２２ａへ出力する。

　機器特定部１２２ａは、機器状態取得部１２１ａから出力された使用機器情報を取得する。また、機器特定部１２２ａは、学習部１１ａの学習モデル記憶部１１５に記憶された学習済みの学習モデルを取得する。機器特定部１２２ａは、取得した使用機器情報と学習済みの学習モデルとに基づいてユーザが使用しているユーザ端末４０の機器の種類を特定する。機器特定部１２２ａは、特定されたユーザ端末４０の機器の種類を示す情報を活動モード判別部１２４へ出力する。

　具体的には、例えば、機器特定部１２２ａは、取得した使用機器情報を学習済みの学習モデルに入力し、当該学習モデルが出力するユーザ端末４０の機器の種類を取得する。機器特定部１２２は、取得されたユーザ端末４０の機器の種類を示す情報を活動モード判別部１２４へ出力する。

　位置情報取得部１２３は、ユーザ端末４０の現在位置を示す位置情報を取得する。なお、位置情報取得部１２３が取得する位置情報に対応するユーザ端末４０と、機器状態取得部１２１ａが取得する使用機器情報に対応するユーザ端末４０とは、同一の端末である。すなわち、推論部１２は、あるユーザ端末４０の使用機器情報と位置情報との組み合わせを取得し、使用機器情報が機器状態取得部１２１ａに入力され、位置情報が位置情報取得部１２３に入力される。位置情報取得部１２３は、取得されたユーザ端末４０の現在位置を示す位置情報を活動モード判別部１２４へ出力する。

　活動モード判別部１２４は、機器特定部１２２から出力された、ユーザ端末４０の機器の種類を示す情報を取得する。また、活動モード判別部１２４は、位置情報取得部１２３から出力されたユーザ端末４０の現在位置を示す位置情報を取得する。また、活動モード判別部１２４は、判別ルール記憶部１２５に記憶された判別ルールを示す情報を取得する。

　判別ルール記憶部１２５は、判別ルールを示す情報を予め記憶している。ここでいう判別ルールとは、ユーザ端末４０の機器の種類とユーザ端末４０が現在位置している場所とに基づいて、当該ユーザ端末４０を使用しているユーザの活動モードを判別するルールである。活動モード判別部１２４は、ユーザ端末４０の機器の種類を示す情報と、ユーザ端末４０の現在位置を示す位置情報と、判別ルールとに基づいて、当該ユーザ端末４０を使用しているユーザの活動モードを判別する。活動モード判別部１２４は、判別結果であるユーザの活動モードを示す情報を判別結果出力部１３へ出力する。

　前述の第１の実施形態と同様に、例えば、あるユーザが使用する複数のユーザ端末４０のうち、仕事用のパソコンがアクティブの状態であり、仕事用のスマートフォンがアクティブの状態であり、個人用のスマートフォンがアクティブではない状態であり、かつ、仕事用のスマートフォン及び個人用のスマートフォンが現在位置している場所がユーザの自宅である場合には、このユーザの活動モードは「仕事中」であると判別するような判別ルールが、判別ルール記憶部１２５に予め記憶されている。

　なお、位置情報と場所（例えば、ユーザの自宅、勤務先等）との対応付けは、例えば、予め通知制御装置１０ａに備えられた記憶媒体（不図示）に記憶されている構成であってもよい。あるいは、例えば位置情報取得部１２３が、位置情報と汎用的な地図情報（不図示）とに基づいて、位置情報からユーザがいる場所を推定する構成であってもよい。

　なお、ユーザ端末４０の機器の種類を示す情報とユーザ端末４０の現在位置を示す位置情報とに基づいて当該ユーザ端末４０を使用しているユーザの活動モードを判別する構成は、上記のような判別ルールに基づいて行われる構成に限られるものではない。例えば、機械学習による推論によって、ユーザ端末４０の機器の種類を示す情報とユーザ端末４０の現在位置を示す位置情報とに基づいて当該ユーザ端末４０を使用しているユーザの活動モードを判別するような構成であってもよい。

　判別結果出力部１３は、活動モード判別部１２４から出力された、ユーザの活動モードを示す情報を取得する。また、判別結果出力部１３が活動モード判別部１２４から取得する情報には、例えばユーザの個人用のスマートフォン等の、ユーザ端末４０を識別する識別情報が含まれている。判別結果出力部１３は、取得したユーザの活動モードを示す情報とユーザ端末４０を識別する識別情報とを含む指示情報を、ネットワーク５０を介して配信装置２０へ送信する。

　前述の通り、指示情報とは、活動モードを示す情報に対応付けられた情報を含む通知を、活動モードを示す情報に対応付けられたタイミングで、指定する識別情報が付与されたユーザ端末４０に向けて送信させることを指示するための情報である。配信装置２０は、受信した指示情報に従って、ユーザ端末４０に対する通知を実行する。

　機器特定部１２２ａ及び活動モード判別部１２４は、通知制御装置１０ａに備えられた例えばＣＰＵ等のプロセッサ（不図示）が、当該通知制御装置１０ａに備えられた記憶媒体（不図示）に予め記憶されたプログラムを実行することによって実現される機能部である。判別ルール記憶部１２５は、例えば、ＲＡＭ、ＥＥＰＲＯＭ及びＲＯＭ等の半導体メモリ、ＳＳＤ等のフラッシュメモリ、ＨＤＤ等の磁気ディスク、光ディスク等の記憶媒体（不図示）、または、これらの記憶媒体の任意の組み合わせを含んで構成される。機器状態取得部１２１ａ及び位置情報取得部１２３は、例えばネットワーク５０を介してユーザ端末４０と通信接続する通信インターフェースを含んで構成される。

［通知制御装置の動作］
　以下、通知制御装置１０ａの教師あり機械学習の学習時における動作の一例と、ユーザの活動モードの推論時における動作の一例とを、それぞれ説明する。

　図６は、本発明の第１の実施形態の変形例における通知制御装置１０ａの学習時における動作を示すフローチャートである。図６のフローチャートが示す通知制御装置１０ａの動作は、例えば学習データ取得部１１１ａに正解ラベルを含む学習データ（すなわち、教師データ）が入力された際に開始される。

　学習部１１ａの学習データ取得部１１１ａは、正解ラベルを含む学習データを取得する（ステップＳ１０１）。前述の通り、第１の実施形態の変形例における学習データは、例えば、ユーザ端末４０に関する使用機器情報と、当該ユーザ端末４０の機器の種類を示す情報（すなわち、正解ラベル）とが対応付けられたデータである。学習データ記憶部１１２ａは、学習データ取得部１１１ａによって取得された学習データを記憶する。（ステップＳ１０２）。

　学習実行部１１３ａは、学習データ記憶部１１２ａに記憶された学習データを取得する。学習実行部１１３ａは、取得した学習データを用いて教師あり機械学習を行う（ステップＳ１０３）。

　学習モデル記憶部１１５ａは、学習実行部１１３ａによって教師あり機械学習の結果として生成された学習済みの学習モデルを記憶する（ステップＳ１０４）。以上で、図６のフローチャートが示す通知制御装置１０ａの学習時の動作が終了する。

　図７は、本発明の第１の実施形態の変形例における通知制御装置１０ａの推論時における動作を示すフローチャートである。図７のフローチャートが示す通知制御装置１０の動作は、例えば、あるユーザ端末４０の使用機器情報が機器状態取得部１２１ａに入力され、当該ユーザ端末４０の位置情報が位置情報取得部１２３に入力された際に開始される。

　推論部１２ａの機器状態取得部１２１ａは、ユーザ端末４０から使用機器情報を取得する（ステップＳ１０５）。前述の通り、使用機器情報には、ユーザ端末４０のアクティブ状態を示す情報、及びユーザ端末４０の通信状態を示す情報が含まれる。機器状態取得部１２１ａは、取得した使用機器情報を機器特定部１２２ａへ出力する。

　機器特定部１２２ａは、機器状態取得部１２１ａから出力された使用機器情報を取得する。また、機器特定部１２２ａは、学習部１１の学習モデル記憶部１１５に記憶された学習済みの学習モデルを取得する（ステップＳ１０６）。機器特定部１２２ａは、取得した使用機器情報を学習済みの学習モデルに入力し、これに対する当該学習モデルからの出力に基づいて、ユーザ端末４０の機器の種類を特定する（ステップＳ１０７）。機器特定部１２２ａは、特定されたユーザ端末４０の機器の種類を示す情報を活動モード判別部１２４へ出力する。

　位置情報取得部１２３は、ユーザ端末４０の現在位置を示す位置情報を取得する（ステップＳ１０８）。位置情報取得部１２３は、取得されたユーザ端末４０の現在位置を示す位置情報を活動モード判別部１２４へ出力する。活動モード判別部１２４は、機器特定部１２２ａから出力された、ユーザ端末４０の機器の種類を示す情報を取得する。また、活動モード判別部１２４は、位置情報取得部１２３から出力されたユーザ端末４０の現在位置を示す位置情報を取得する。また、活動モード判別部１２４は、判別ルール記憶部１２５に記憶された判別ルールを示す情報を取得する（ステップＳ１０９）。

　活動モード判別部１２４は、ユーザ端末４０の機器の種類を示す情報と、ユーザ端末４０の現在位置を示す位置情報と、判別ルールとに基づいて、当該ユーザ端末４０を使用しているユーザの活動モードを判別する（ステップＳ１１０）。活動モード判別部１２４は、判別結果であるユーザの活動モードを示す情報を判別結果出力部１３へ出力する。

　判別結果出力部１３は、活動モード判別部１２４から出力された、ユーザの活動モードを示す情報を取得する。また、判別結果出力部１３が活動モード判別部１２４から取得する情報には、ユーザ端末４０を識別する識別情報が含まれている。判別結果出力部１３は、取得したユーザの活動モードを示す情報とユーザ端末４０を識別する識別情報とを含む指示情報を、ネットワーク５０を介して配信装置２０へ送信する（ステップＳ１１１）。以上で、図７のフローチャートが示す通知制御装置１０ａの推論時における動作が終了する。

　以上説明したように、本発明の第１の実施形態の変形例における通知制御装置１０ａは、教師あり機械学習によって学習がなされた学習モデルを用いて、ユーザの活動モードを判別することができる。これにより、本発明の第１の実施形態の変形例における通知制御装置１０ａによれば、人々の活動状態に応じて適切な通知制御を行うことが可能になる。

　また、本発明の第１の実施形態の変形例における通知制御装置１０ａは、正解ラベルが付与された教師データを用いて学習する教師あり機械学習を用いてユーザの活動モードを判別する。そのため、第１の実施形態の変形例における通知制御装置１０ａによれば、例えば前述の第１の実施形態における通知制御装置１０のように教師なし機械学習を用いてユーザの活動モードを判別する場合と比べて、より学習精度が高く、より正確にユーザの活動モードを判別することができる。

＜第２の実施形態＞
　以下、本発明の第２の実施形態について説明する。

［通知システムの構成］
　以下、本発明の第２の実施形態における通知制御装置１０ｂによる通知制御によってユーザに対する通知を行う通知システムの構成について説明する。第２の実施形態における通知システムの全体構成は、前述の図１に示される第１の実施形態における通知システム１の全体構成に対し、通知制御装置１０が通知制御装置１０ｂに置き換わっている点を除いては同一である。そのため、ここでは、配信装置２０、ユーザ端末４０及びネットワーク５０等に関する説明を省略する。

［通知制御装置の構成］
　以下、通知制御装置１０ｂの構成について詳細に説明する。通知制御装置１０ｂは、本発明の判別装置の一例である。図８は、本発明の第２の実施形態における通知制御装置１０ｂの機能構成を示すブロック図である。図８に示されるように、通知制御装置１０ｂは、学習部１１ｂと、推論部１２ｂと、判別結果出力部１３とを含んで構成される。

　学習部１１ｂは、学習データを取得して教師あり機械学習を行うことにより、ユーザ端末４０から送信されるセンシングデータの入力に対してユーザ端末４０を使用するユーザの活動モードの推定結果を示す情報の出力を可能にする学習済みの学習モデルを生成する。なお、教師あり機械学習の手法として、例えば、ＤＮＮ、サポートベクターマシン、又は線形回帰等の任意の手法を用いることができる。

　なお、前述の第１の実施形態における通知制御装置１０及び第１の実施形態の変形例における通知制御装置１０は、機械学習によりユーザの使用中の機器を特定するための学習モデルを生成する構成であった。これに対し、第２の実施形態以降の実施形態における通知制御装置は、機械学習によりユーザの活動モードを判別するための学習モデルを生成する構成を備える。

　図８に示されるように、学習部１１ｂは、センシングデータ取得部１１１ｂと、変化検出部１１６と、センシングデータ記憶部１１７と、活動モード確認部１１８と、学習データ記憶部１１２ｂと、学習実行部１１３ｂと、学習モデル記憶部１１５ｂとを含んで構成される。

　センシングデータ取得部１１１ｂは、ユーザ端末４０から送信される各種のセンシングデータをネットワーク５０を介して取得する。センシングデータ取得部１１１ｂが取得したセンシングデータは、後述される学習実行部１１３ｂにおいて学習データとして用いられるデータの一部となる。センシングデータ取得部１１１ｂは、取得したセンシングデータを変化検出部１１６へ出力する。

　センシングデータ取得部１１１ｂは、例えば、ユーザのバイタル状態を示すセンシングデータ、ユーザの位置や行動を示すセンシングデータ、及びユーザを取り巻く環境を示すセンシングデータ等を取得する。なお、センシングデータ取得部１１１ｂが取得するセンシングデータの項目は任意であるが、より多くの項目のセンシングデータが得られるほどユーザの活動モードの判別精度が高くなると考えられる。

　変化検出部１１６は、センシングデータ取得部１１１ｂから出力されたセンシングデータを取得する。変化検出部１１６は、取得されたセンシングデータに対応するユーザに関する過去のセンシングデータが、後述されるセンシングデータ記憶部１１７に記憶されているか否かを確認する。

　なお、上記の処理を行うためには、センシングデータには、例えばユーザＩＤ（Identifier）等のユーザを識別する識別情報が含まれている必要がある。なお、本実施形態では、後述されるように、変化検出部１１６は、ユーザごとにセンシングデータの特徴量の時系列の変化を検出する構成であるが、ユーザ端末４０ごとにセンシングデータの変化を検出する構成であってもよい。この場合、センシングデータには、例えば端末ＩＤ等のユーザ端末４０を識別する識別情報が含まれている必要がある。

　過去のセンシングデータがセンシングデータ記憶部１１７に記憶されていない場合、変化検出部１１６は、取得されたセンシングデータを活動モード確認部１１８へ出力するとともに、取得されたセンシングデータをセンシングデータ記憶部１１７に記憶させる。

　過去のセンシングデータがセンシングデータ記憶部１１７に記憶されている場合、変化検出部１１６は、過去のセンシングデータと取得されたセンシングデータとを比較する。比較の結果、センシングデータが示す特徴量の時系列の変化が検出された場合、変化検出部１１６は、取得されたセンシングデータを活動モード確認部１１８へ出力するとともに、センシングデータ記憶部１１７に記憶された過去のセンシングデータを、取得されたセンシングデータによって上書きする。

　比較の結果、センシングデータの変化が検出されなかった場合、変化検出部１１６は、取得されたセンシングデータを破棄する。なお、変化検出部１１６は、過去のセンシングデータが示す特徴量と取得されたセンシングデータが示す特徴量との差が所定の閾値を超えている場合に、センシングデータに変化があると判定するようにしてもよい。

　活動モード確認部１１８は、変化検出部１１６から出力されたセンシングデータを取得する。活動モード確認部１１８は、取得されたセンシングデータに対応するユーザのユーザ端末４０に対し、例えばネットワーク５０等を介して、当該ユーザの現時点の活動モードの問い合わせを行う。なお、問い合わせの方法は任意であるが、例えば、所定の複数の活動モードの中から現時点の活動モードに近いものをユーザに選択させるような問合せ方法であってもよい。

　活動モード確認部１１８は、ユーザ端末４０から送信された、ユーザの現時点の活動モードの問い合わせに対する回答を示す情報を取得する。活動モード確認部１１８は、変化検出部１１６から出力されたセンシングデータと、ユーザ端末４０から送信された回答に基づくユーザの活動モードを示す情報とを対応付ける。これにより、正解ラベルを含む学習データ（すなわち、教師データ）が生成される。活動モード確認部１１８は、生成された正解ラベルを含む学習データを学習データ記憶部１１２ｂに記憶させる。学習データ記憶部１１２ｂは、正解ラベルを含む学習データを記憶する。

　このような処理を繰り返すことで、正解ラベルを含む学習データが学習データ記憶部１１２ｂに蓄積されていく。上記の通り、正解ラベルを含む学習データとは、センシングデータとユーザの活動モードを示す情報とが対応付けられたデータである。

　学習実行部１１３ｂは、学習データ記憶部１１２ｂに記憶された正解ラベルを含む学習データを取得する。なお、学習実行部１１３ｂは、学習データ記憶部１１２ｂに所定のデータ量の学習データが蓄積されたタイミングで学習データを取得するようにしてもよい。学習実行部１１３ｂは、取得した学習データを用いて教師あり機械学習を行うことにより学習済みの学習モデルを生成する。すなわち、ここで生成される学習モデルは、センシングデータの入力に対してユーザの活動モードの推定結果を出力する学習モデルである。

　学習実行部１１３ｂは、生成された学習済みの学習モデルを学習モデル記憶部１１５ｂに記憶させる。ここでいう学習モデルには、例えば、機械学習のアルゴリズム及びパラメータ値を示す情報等が含まれる。

　学習モデル記憶部１１５ｂは、学習実行部１１３ｂによって生成された学習済みの学習モデルを記憶する。

　変化検出部１１６、活動モード確認部１１８及び学習実行部１１３ｂは、通知制御装置１０ｂに備えられた例えばＣＰＵ等のプロセッサ（不図示）が、当該通知制御装置１０ｂに備えられた記憶媒体（不図示）に予め記憶されたプログラムを実行することによって実現される機能部である。センシングデータ記憶部１１７、学習データ記憶部１１２ｂ及び学習モデル記憶部１１５ｂは、例えば、ＲＡＭ、ＥＥＰＲＯＭ及びＲＯＭ等の半導体メモリ、ＳＳＤ等のフラッシュメモリ、ＨＤＤ等の磁気ディスク、光ディスク等の記憶媒体（不図示）、または、これらの記憶媒体の任意の組み合わせを含んで構成される。センシングデータ取得部１１１ｂ及び活動モード確認部１１８は、例えばネットワーク５０を介して外部の機器と通信接続する通信インターフェースを含んで構成される。

　図８に示されるように、推論部１２ｂは、センシングデータ取得部１２１ｂと、活動モード判別部１２４ｂとを含んで構成される。

　センシングデータ取得部１２１ｂは、ユーザ端末４０から送信される各種のセンシングデータをネットワーク５０を介して取得する。センシングデータ取得部１２１ｂが取得するセンシングデータの項目は、例えば、学習部１１ｂのセンシングデータ取得部１１１ｂが取得するセンシングデータの項目と同じものである。なお、センシングデータ取得部１２１ｂとセンシングデータ取得部１１１ｂとは、ハードウェアとしては同一の装置で構成されていてもよい。センシングデータ取得部１２１ｂは、取得されたセンシングデータを活動モード判別部１２４ｂへ出力する。

　活動モード判別部１２４ｂは、センシングデータ取得部１２１ｂから出力されたセンシングデータを取得する。また、活動モード判別部１２４ｂは、学習部１１ｂの学習モデル記憶部１１５ｂに記憶された学習済みの学習モデルを取得する。活動モード判別部１２４ｂは、取得したセンシングデータと学習済みの学習モデルとに基づいて現時点のユーザの活動モードを判別する。活動モード判別部１２４ｂは、判別結果である現時点のユーザの活動モードを示す情報を判別結果出力部１３へ出力する。

　活動モード判別部１２４ｂは、通知制御装置１０ｂに備えられた例えばＣＰＵ等のプロセッサ（不図示）が、当該通知制御装置１０ｂに備えられた記憶媒体（不図示）に予め記憶されたプログラムを実行することによって実現される機能部である。センシングデータ取得部１２１ｂは、例えばネットワーク５０を介してユーザ端末４０と通信接続する通信インターフェースを含んで構成される。

［通知制御装置の動作］
　以下、通知制御装置１０ｂの教師あり機械学習の学習時における動作の一例と、ユーザの活動モードの推論時における動作の一例とを、それぞれ説明する。

　図９は、本発明の第２の実施形態における通知制御装置１０ｂの学習時における動作を示すフローチャートである。図９のフローチャートが示す通知制御装置１０ｂの動作は、例えばセンシングデータ取得部１１１ｂにセンシングデータが入力された際に開始される。

　学習部１１ｂのセンシングデータ取得部１１１ｂは、ユーザ端末４０から送信される各種のセンシングデータをネットワーク５０を介して取得する（ステップＳ２０１）。例えば、センシングデータ取得部１１１ｂは、ユーザのバイタル状態を示すセンシングデータ、ユーザの位置や行動を示すセンシングデータ、及びユーザを取り巻く環境を示すセンシングデータ等を取得する。センシングデータ取得部１１１ｂは、取得したセンシングデータを変化検出部１１６へ出力する。

　変化検出部１１６は、センシングデータ取得部１１１ｂから出力されたセンシングデータを取得する。変化検出部１１６は、取得されたセンシングデータに対応するユーザに関する過去のセンシングデータが、後述されるセンシングデータ記憶部１１７に記憶されているか否かを確認する（ステップＳ２０２）。

　過去のセンシングデータがセンシングデータ記憶部１１７に記憶されていない場合（ステップＳ２０３・ＮＯ）、変化検出部１１６は、取得されたセンシングデータを活動モード確認部１１８へ出力するとともに、取得されたセンシングデータをセンシングデータ記憶部１１７に記憶させる（ステップＳ２０４）。

　過去のセンシングデータがセンシングデータ記憶部１１７に記憶されている場合（ステップＳ２０３・ＹＥＳ）、変化検出部１１６は、過去のセンシングデータと取得されたセンシングデータとを比較する（ステップＳ２０５）。比較の結果、センシングデータが示す特徴量の時系列の変化が検出された場合（ステップＳ２０６・ＹＥＳ）、変化検出部１１６は、取得されたセンシングデータを活動モード確認部１１８へ出力するとともに、センシングデータ記憶部１１７に記憶された過去のセンシングデータを、取得されたセンシングデータによって上書きする（ステップＳ２０７）。

　比較の結果、センシングデータの変化が検出されなかった場合（ステップＳ２０６・ＮＯ）、変化検出部１１６は、取得されたセンシングデータを破棄する（ステップＳ２０８）。

　活動モード確認部１１８は、変化検出部１１６から出力されたセンシングデータを取得する。活動モード確認部１１８は、取得されたセンシングデータに対応するユーザのユーザ端末４０に対し、例えばネットワーク５０等を介して、当該ユーザの現時点の活動モードの問い合わせを行う（ステップＳ２０９）。

　活動モード確認部１１８は、ユーザ端末４０から送信された、ユーザの現時点の活動モードの問い合わせに対する回答を示す情報を取得する。活動モード確認部１１８は、変化検出部１１６から出力されたセンシングデータと、ユーザ端末４０から送信された回答に基づくユーザの活動モードを示す情報とを対応付ける。これにより、正解ラベルを含む学習データ（すなわち、教師データ）が生成される（ステップＳ２１０）。活動モード確認部１１８は、生成された正解ラベルを含む学習データを学習データ記憶部１１２ｂに記憶させる（ステップＳ２１１）。

　学習部１１ｂは、所定のデータ量の学習データが蓄積されるまで、上記のステップＳ２０１からステップＳ２１１までの処理を繰り返す。所定のデータ量の学習データが蓄積された場合（ステップＳ２１２・ＹＥＳ）、学習実行部１１３ｂは、学習データ記憶部１１２ｂに記憶された正解ラベルを含む学習データを用いて教師あり機械学習を行うことにより、学習済みの学習モデルを生成する（ステップＳ２１３）。

　学習実行部１１３ｂは、生成された学習済みの学習モデルを学習モデル記憶部１１５ｂに記憶させる（ステップＳ２１４）。以上で、図９のフローチャートが示す通知制御装置１０ｂの学習時の動作が終了する。

　図１０は、本発明の第２の実施形態における通知制御装置１０ｂの推論時における動作を示すフローチャートである。図１０のフローチャートが示す通知制御装置１０ｂの動作は、例えば、センシングデータがセンシングデータ取得部１２１ｂに入力され際に開始される。

　推論部１２ｂのセンシングデータ取得部１２１ｂは、ユーザ端末４０から送信される各種のセンシングデータをネットワーク５０を介して取得する（ステップＳ２１５）。センシングデータ取得部１２１ｂは、取得されたセンシングデータを活動モード判別部１２４ｂへ出力する。

　活動モード判別部１２４ｂは、センシングデータ取得部１２１ｂから出力されたセンシングデータを取得する。また、活動モード判別部１２４ｂは、学習部１１ｂの学習モデル記憶部１１５ｂに記憶された学習済みの学習モデルを取得する（ステップＳ２１６）。活動モード判別部１２４ｂは、取得したセンシングデータと学習済みの学習モデルとに基づいて現時点のユーザの活動モードを判別する（ステップＳ２１７）。活動モード判別部１２４ｂは、判別結果である現時点のユーザの活動モードを示す情報を判別結果出力部１３へ出力する。

　判別結果出力部１３は、活動モード判別部１２４から出力された、ユーザの活動モードを示す情報を取得する。また、判別結果出力部１３が活動モード判別部１２４から取得する情報には、ユーザ端末４０を識別する識別情報が含まれている。判別結果出力部１３は、取得したユーザの活動モードを示す情報とユーザ端末４０を識別する識別情報とを含む指示情報を、ネットワーク５０を介して配信装置２０へ送信する（ステップＳ２１８）。以上で、図１０のフローチャートが示す通知制御装置１０ｂの推論時の動作が終了する。

　以上説明したように、本発明の第２の実施形態における通知制御装置１０ｂは、教師あり機械学習によって学習がなされた学習モデルを用いて、ユーザの活動モードを判別することができる。これにより、本発明の第２の実施形態における通知制御装置１０ｂによれば、人々の活動状態に応じて適切な通知制御を行うことが可能になる。

　また、本発明の第２の実施形態における通知制御装置１０ｂは、正解ラベルが付与された教師データを用いて学習する教師あり機械学習を用いてユーザの活動モードを判別する。そのため、第２の実施形態における通知制御装置１０ｂによれば、例えば前述の第１の実施形態における通知制御装置１０のように教師なし機械学習を用いてユーザの活動モードを判別する場合と比べて、より学習精度が高く、より正確にユーザの活動モードを判別することができる。

＜第３の実施形態＞
　以下、本発明の第３の実施形態について説明する。

［通知システムの構成］
　以下、本発明の第３の実施形態における通知制御装置１０ｃによる通知制御によってユーザに対する通知を行う通知システムの構成について説明する。第３の実施形態における通知システムの全体構成は、前述の図１に示される第１の実施形態における通知システム１の全体構成に対し、通知制御装置１０が通知制御装置１０ｃに置き換わっている点を除いては同一である。そのため、ここでは、配信装置２０、ユーザ端末４０及びネットワーク５０等に関する説明を省略する。

［通知制御装置の構成］
　以下、通知制御装置１０ｃの構成について詳細に説明する。通知制御装置１０ｃは、本発明の判別装置の一例である。図１１は、本発明の第３の実施形態における通知制御装置１０ｃの機能構成を示すブロック図である。図１１に示されるように、通知制御装置１０ｃは、学習部１１ｃと、推論部１２ｃと、判別結果出力部１３とを含んで構成される。

　学習部１１は、学習データを取得して教師なし機械学習を行うことにより、学習データのクラスタリングを行う。クラスタリングの手法として、例えば、階層的クラスタリングが用いられてもよいし、ｋ－ｍｅａｎｓ法のアルゴリズム等による非階層的クラスタリングが用いられてもよい。

　図１１に示されるように、学習部１１ｃは、センシングデータ取得部１１１ｃと、センシングデータ記憶部１１２ｃと、学習実行部１１３ｃと、活動モード確認部１１４ｃと、学習モデル記憶部１１５ｃとを含んで構成される。

　センシングデータ取得部１１１ｃは、センシングデータを取得する。このセンシングデータは、後述される学習実行部１１３ｃによって正解ラベルを含まない学習データとして用いられる。第３の実施形態における通知制御装置１０ｃは、取得されるセンシングデータが示す特徴量の時系列の変化を検出する。すなわち、第３の実施形態における通知制御装置１０ｃは、ユーザの活動モードの変化を検出する。そのため、センシングデータ取得部１１１ｃは、継続的に（例えば、定期的に）学習データであるセンシングデータを取得する。

　第３の実施形態における学習データは、例えば、ユーザのバイタル状態を示すセンシングデータ、ユーザの位置や行動を示すセンシングデータ、及びユーザを取り巻く環境を示すセンシングデータ等である。あるいは、第３の実施形態における学習データは、ユーザ端末４０がユーザによって使用中である否かを表すアクティブ状態を示すデータ、及びユーザ端末４０の通信状態を示すデータ等であってもよい。ここでいう通信状態を示す情報とは、例えば、ユーザ端末４０による通信が行われた時間帯（使用時間帯）を示す情報、及び通信が連続して行われた時間（連続使用時間）を示す情報等である。なお、センシングデータ取得部１１１ｃが取得するセンシングデータの項目は任意であるが、より多くの項目のセンシングデータが得られるほどユーザの活動モードの判別精度が高くなると考えられる。

　センシングデータ取得部１１１ｃは、例えば、複数のユーザ端末４０の各々に関する各種センシングデータが大量に蓄積された外部のサーバ等から、当該センシングデータを定期的に取得する。すなわち、センシングデータ取得部１１１ｃは、例えば、外部のサーバ等から複数のユーザ端末４０の各々に関する正解ラベルを含まない学習データをまとめて定期的に取得する。なお、センシングデータ取得部１１１ｃは、複数のユーザ端末４０の各々から直接、センシングデータを随時取得するようにしてもよい。

　センシングデータ取得部１１１ｃは、取得した学習データをセンシングデータ記憶部１１２ｃに記憶させる。なお、学習部１１ｃがセンシングデータ記憶部１１２ｃを備えていない構成である場合には、センシングデータ取得部１１１ｃは、取得した学習データを後述される学習実行部１１３ｃに直接出力するようにしてもよい。

　センシングデータ記憶部１１２ｃは、センシングデータ取得部１１１ｃによって取得された学習データを記憶する。センシングデータ記憶部１１２ｃは、例えば、ユーザ端末４０の各々を特定する情報と紐づけて学習データであるセンシングデータを蓄積する。

　学習実行部１１３ｃは、センシングデータ記憶部１１２ｃに記憶された学習データを取得する。学習実行部１１３ｃは、取得した学習データを用いて教師なし機械学習を行うことにより学習データのクラスタリングを行う。

　変化検出部１１６ｃは、学習モデル記憶部１１５ｃに記憶された過去のクラスタリングの結果を取得する。変化検出部１１６ｃは、過去のクラスタリングの結果と、学習実行部１１３ｃによるクラスタリングの結果とを比較し、新規のクラスターが生成されているか否かを確認する。すなわち、変化検出部１１６ｃは、学習実行部１１３ｃによるクラスタリングの結果の時系列の変化を検出することで、ユーザ端末４０から取得されるセンシングデータに特徴のある変動が生じたことを認知する。

　変化検出部１１６ｃは、クラスタリングの結果の時系列の変化に基づいてユーザ端末４０から取得されるセンシングデータが変動したことを認知すると、ユーザに対して現時点の活動モードを問い合わせるための指示情報を活動モード確認部１１４ｃへ出力する。

　活動モード確認部１１４ｃは、変化検出部１１６から出力された指示情報を取得する。活動モード確認部１１４ｃは、指示情報を取得した場合、取得されたセンシングデータに対応するユーザのユーザ端末４０に対し、例えばネットワーク５０等を介して、当該ユーザの現時点の活動モードの問い合わせを行う。そのため、センシングデータには、例えば端末ＩＤ等のユーザ端末４０を識別する識別情報、あるいは、例えば、ユーザＩＤ等のユーザを識別する識別情報等が含まれている必要がある。なお、問い合わせの方法は任意であるが、例えば、任意の活動モードを示す情報をユーザに入力させるような問合せ方法であってもよい。

　活動モード確認部１１４ｃは、上記の問い合わせに対する回答としてユーザ端末４０から返送される、ユーザの現時点の活動モードを示す情報を取得する。活動モード確認部１１４ｃは、取得したユーザの現時点の活動モードを示す情報を学習実行部１１３ｃへ出力する。

　学習実行部１１３ｃは、活動モード確認部１１４ｃから出力されたユーザの現時点の活動モードを示す情報を取得する。学習実行部１１３ｃは、取得した情報に基づく活動モードを、上記の新規に生成されたクラスターに対応付ける。

　なお、学習実行部１１３ｃが初めて教師なし機械学習を行う場合には、過去のクラスタリングの結果は存在しないため、分類された全てのクラスターはいずれも解釈がなされていない（すなわち、活動モードが対応付けられていない）状態である。この初回の学習時における各クラスターに対する解釈は、通知システム１の運用者等によって行われてもよいし、ユーザ自身によって行われてもよい。

　例えば、運用者又はユーザは、学習実行部１１３による教師なし機械学習によって得られたクラスタリングの結果を示す情報を参照し、各クラスターに対してそれぞれ付与するユーザの活動モードを示す情報を活動モード確認部１１４ｃに入力する。活動モード確認部１１４ｃは、入力されたユーザの活動モードを示す情報を学習実行部１１３ｃへ出力する。学習実行部１１３ｃは、活動モード確認部１１４ｃから入力されたユーザの活動モードを示す情報を、クラスタリングの結果として得られた各クラスターに対してそれぞれ紐づける。

　学習実行部１１３ｃは、教師なし機械学習の結果として生成された学習済みの学習モデルを学習モデル記憶部１１５ｃに記憶させる。ここでいう学習モデルには、例えば、機械学習のアルゴリズム及びパラメータ値、及び各クラスターに対してそれぞれ紐づけられたユーザ端末４０の機器の種類を示す情報等が含まれる。

　学習モデル記憶部１１５ｃは、学習実行部１１３ｃによって生成された学習済みの学習モデルを記憶する。

　学習実行部１１３ｃ及び変化検出部１１６ｃは、通知制御装置１０ｃに備えられた例えばＣＰＵ等のプロセッサ（不図示）が、当該通知制御装置１０ｃに備えられた記憶媒体（不図示）に予め記憶されたプログラムを実行することによって実現される機能部である。センシングデータ記憶部１１２ｃ及び学習モデル記憶部１１５ｃは、例えば、ＲＡＭ、ＥＥＰＲＯＭ及びＲＯＭ等の半導体メモリ、ＳＳＤ等のフラッシュメモリ、ＨＤＤ等の磁気ディスク、光ディスク等の記憶媒体（不図示）、または、これらの記憶媒体の任意の組み合わせを含んで構成される。センシングデータ取得部１１１ｃ及び活動モード確認部１１４ｃは、例えばネットワーク５０を介して外部の機器と通信接続する通信インターフェースを含んで構成される。

　図１１に示されるように、推論部１２ｃは、センシングデータ取得部１２１ｃと、活動モード判別部１２４ｃとを含んで構成される。

　センシングデータ取得部１２１ｃは、ユーザ端末４０から送信される各種のセンシングデータをネットワーク５０を介して取得する。センシングデータ取得部１２１ｃが取得するセンシングデータの項目は、例えば、学習部１１ｃのセンシングデータ取得部１１１ｃが取得するセンシングデータの項目と同じものである。なお、センシングデータ取得部１２１ｃとセンシングデータ取得部１１１ｃとは、ハードウェアとしては同一の装置で構成されていてもよい。センシングデータ取得部１２１ｃは、取得されたセンシングデータを活動モード判別部１２４ｃへ出力する。

　活動モード判別部１２４ｃは、センシングデータ取得部１２１ｃから出力されたセンシングデータを取得する。また、活動モード判別部１２４ｃは、学習部１１ｃの学習モデル記憶部１１５ｃに記憶された学習済みの学習モデルを取得する。活動モード判別部１２４ｃは、取得したセンシングデータと学習済みの学習モデルとに基づいて現時点のユーザの活動モードを判別する。すなわち、活動モード判別部１２４ｃは、センシングデータを学習済みの学習モデルに入力し、当該学習モデルから出力されるユーザの活動モードを示す情報を得る。活動モード判別部１２４ｃは、判別結果である現時点のユーザの活動モードを示す情報を判別結果出力部１３へ出力する。

　活動モード判別部１２４ｃは、通知制御装置１０ｃに備えられた例えばＣＰＵ等のプロセッサ（不図示）が、当該通知制御装置１０ｃに備えられた記憶媒体（不図示）に予め記憶されたプログラムを実行することによって実現される機能部である。センシングデータ取得部１２１ｃは、例えばネットワーク５０を介してユーザ端末４０と通信接続する通信インターフェースを含んで構成される。

［通知制御装置の動作］
　以下、通知制御装置１０ｃの教師なし機械学習の学習時における動作の一例と、ユーザの活動モードの推論時における動作の一例とを、それぞれ説明する。

　図１２は、本発明の第３の実施形態における通知制御装置１０ｃの学習時における動作を示すフローチャートである。図１２のフローチャートが示す通知制御装置１０ｃの動作は、例えばセンシングデータ取得部１１１ｃにセンシングデータが入力された際に開始される。

　学習部１１ｃのセンシングデータ取得部１１１ｃは、例えば外部のサーバ等からセンシングデータを取得する（ステップＳ３０１）。センシングデータ取得部１１１ｃは、取得した学習データをセンシングデータ記憶部１１２ｃに記憶させる。センシングデータ記憶部１１２ｃは、センシングデータ取得部１１１ｃによって取得された学習データを記憶する（ステップＳ３０２）。

　学習実行部１１３ｃは、センシングデータ記憶部１１２ｃに記憶された学習データを取得する。学習実行部１１３ｃは、取得した学習データを用いて教師なし機械学習を行うことにより学習データのクラスタリングを行う（ステップＳ３０３）。

　変化検出部１１６ｃは、学習モデル記憶部１１５ｃに記憶された過去のクラスタリングの結果を取得する。変化検出部１１６ｃは、過去のクラスタリングの結果と、学習実行部１１３ｃによるクラスタリングの結果とを比較し、新規のクラスターが生成されているか否かを確認する（ステップＳ３０４）。

　変化検出部１１６ｃは、クラスタリングの結果の時系列の変化に基づいてユーザ端末４０から取得されるセンシングデータが変動したことを認知すると（ステップＳ３０５・ＹＥＳ）、ユーザに対して現時点の活動モードを問い合わせるための指示情報を活動モード確認部１１４ｃへ出力する。活動モード確認部１１４ｃは、変化検出部１１６から出力された指示情報を取得する。活動モード確認部１１４ｃは、指示情報を取得した場合、取得されたセンシングデータに対応するユーザのユーザ端末４０に対し、例えばネットワーク５０等を介して、当該ユーザの現時点の活動モードの問い合わせを行う（ステップＳ３０６）。

　活動モード確認部１１４ｃは、上記の問い合わせに対する回答としてユーザ端末４０から返送される、ユーザの現時点の活動モードを示す情報を取得する。活動モード確認部１１４ｃは、取得したユーザの現時点の活動モードを示す情報を学習実行部１１３ｃへ出力する。学習実行部１１３ｃは、活動モード確認部１１４ｃから出力されたユーザの現時点の活動モードを示す情報を取得する。学習実行部１１３ｃは、取得した情報に基づく活動モードを、上記の新規に生成されたクラスターに紐づける（ステップＳ３０７）。

　学習実行部１１３ｃは、教師なし機械学習の結果として生成された学習済みの学習モデルを学習モデル記憶部１１５ｃに記憶させる。学習モデル記憶部１１５ｃは、学習実行部１１３ｃによって生成された学習済みの学習モデルを記憶する（ステップＳ３０８）。以上で、図１２のフローチャートが示す通知制御装置１０ｃの学習時の動作が終了する。

　図１３は、本発明の第３の実施形態における通知制御装置１０ｃの推論時における動作を示すフローチャートである。図１３のフローチャートが示す通知制御装置１０ｃの動作は、例えば、あるユーザ端末４０のセンシングデータがセンシングデータ取得部１２１ｃに入力された際に開始される。

　推論部１２ｃのセンシングデータ取得部１２１ｃは、ユーザ端末４０から送信される各種のセンシングデータをネットワーク５０を介して取得する（ステップＳ３０９）。センシングデータ取得部１２１ｃは、取得されたセンシングデータを活動モード判別部１２４ｃへ出力する。

　活動モード判別部１２４ｃは、センシングデータ取得部１２１ｃから出力されたセンシングデータを取得する。また、活動モード判別部１２４ｃは、学習部１１ｃの学習モデル記憶部１１５ｃに記憶された学習済みの学習モデルを取得する（ステップＳ３１０）。活動モード判別部１２４ｃは、取得したセンシングデータと学習済みの学習モデルとに基づいて現時点のユーザの活動モードを判別する（ステップＳ３１１）。活動モード判別部１２４ｃは、判別結果である現時点のユーザの活動モードを示す情報を判別結果出力部１３へ出力する。

　判別結果出力部１３は、活動モード判別部１２４ｃから出力された、ユーザの活動モードを示す情報を取得する。また、判別結果出力部１３が活動モード判別部１２４ｃから取得する情報には、ユーザ端末４０を識別する識別情報が含まれている。判別結果出力部１３ｃは、取得したユーザの活動モードを示す情報とユーザ端末４０を識別する識別情報とを含む指示情報を、ネットワーク５０を介して配信装置２０へ送信する（ステップＳ３１２）。以上で、図１３のフローチャートが示す通知制御装置１０ｃの推論時の動作が終了する。

　以上説明したように、本発明の第３の実施形態における通知制御装置１０ｃは、ユーザが新たな活動モードに切り替わることで、取得されるセンシングデータの特徴量が変動してクラスタリングによる分類に新たなクラスターが生成されたことを検知する。そして、通知制御装置１０ｃは、新たに生成されたクラスターに対して活動モードを付与する処理を行い、学習を繰り返す。このような構成を備えることで、通知制御装置１０ｃは、新たなユーザの活動モードが発生したとしても、当該新たな活動モードを判別することができるようになる。これにより、本発明の第３の実施形態における通知制御装置１０ｃは、新たな活動モードの状態であるユーザに対しても適切な通知を行うことを可能にする。

　また、以上説明したように、本発明の第３の実施形態における通知制御装置１０ｃは、教師なし機械学習によって学習がなされた学習モデルを用いて、ユーザの活動モードを判別することができる。これにより、本発明の第３の実施形態における通知制御装置１０ｃによれば、人々の活動状態に応じて適切な通知制御を行うことが可能になる。

　また、本発明の第３の実施形態における通知制御装置１０ｃは、教師なし機械学習を用いてユーザの活動モードを判別するため、膨大な教師データを用意する必要がない。すなわち、膨大なデータに正解ラベルを付与する必要がない。そのため、第３の実施形態における通知制御装置１０ｃによれば、例えば教師あり機械学習を用いてユーザの活動モードを判別する場合と比べて、時間やコストをかけずに理想とする学習結果が得られ易くなる。

＜第４の実施形態＞
　以下、本発明の第４の実施形態について説明する。

［通知システムの構成］
　以下、本発明の第４の実施形態における通知制御装置１０ｄによる通知制御によってユーザに対する通知を行う通知システムの構成について説明する。第４の実施形態における通知システムの全体構成は、前述の図１に示される第１の実施形態における通知システム１の全体構成に対し、通知制御装置１０が通知制御装置１０ｄに置き換わっている点を除いては同一である。そのため、ここでは、配信装置２０、ユーザ端末４０及びネットワーク５０等に関する説明を省略する。

［通知制御装置の構成］
　以下、通知制御装置１０ｄの構成について詳細に説明する。通知制御装置１０ｄは、本発明の判別装置の一例である。図１４は、本発明の第４の実施形態における通知制御装置１０ｄの機能構成を示すブロック図である。図１４に示されるように、通知制御装置１０ｄは、学習部１１ｄと、推論部１２ｄと、判別結果出力部１３とを含んで構成される。

　学習部１１ｄは、学習データを取得して教師あり機械学習を行うことにより、ユーザ端末４０から送信されるセンシングデータの入力に対してユーザ端末４０を使用するユーザの活動モードの推定結果を示す情報の出力を可能にする学習済みの学習モデルを生成する。なお、教師あり機械学習の手法として、例えば、ＤＮＮ、サポートベクターマシン、又は線形回帰等の任意の手法を用いることができる。

　第４の実施形態の学習部１１ｄによる学習は、通知制御装置１０ｄがユーザ端末４０から現時点のユーザの活動モードを示す情報を取得したことをトリガーとして開始される。すなわち、第４の実施形態では、教師データの中の正解ラベルに相当する活動モードを示す情報の取得が学習実行のトリガーとなる。この点で、第４の実施形態における学習部１１ｄの構成は、教師データの中の例題に相当するセンシングデータ等の取得が学習実行のトリガーとなる前述の各実施形態の学習部１１，１１ａ～１１ｃの構成とは異なる。

　図１４に示されるように、学習部１１ｄは、活動モード取得部１１８ｄと、学習データ記憶部１１２ｄと、学習実行部１１３ｄと、学習モデル記憶部１１５ｄとを含んで構成される。

　活動モード取得部１１８ｄは、ユーザ端末４０から送信された現時点のユーザの活動モードを示す情報をネットワーク５０を介して取得する。なお、現時点のユーザの活動モードを示す情報は、例えばユーザが現時点の自身の活動モードを判断してユーザ端末４０に操作入力することによって生成される。

　活動モード取得部１１８ｄは、現時点のユーザの活動モードを示す情報の送信元であるユーザ端末４０を識別する識別情報（例えば、端末ＩＤ）をセンシングデータ取得部１１１ｄへ出力する。そのため、活動モード取得部１１８ｄは、現時点のユーザの活動モードを示す情報を送信したユーザ端末４０を識別可能である必要がある。例えば、活動モード取得部１１８ｄは、ユーザ端末４０との通信接続が確立した際に当該ユーザ端末４０を識別する識別情報を取得するようにしてもよいし、現時点のユーザの活動モードを示す情報に当該ユーザ端末４０を識別する識別情報が付与された情報を取得するようにしてもよい。

　また、活動モード取得部１１８ｄは、取得した現時点のユーザの活動モードを示す情報とユーザ端末４０を識別する識別情報とを対応付けて学習データ記憶部１１２ｄに記憶させる。学習データ記憶部１１２ｄは、ユーザの活動モードを示す情報とユーザ端末４０を識別する識別情報とを記憶する。

　センシングデータ取得部１１１ｄは、活動モード取得部１１８ｄから出力されたユーザ端末４０を識別する識別情報を取得する。センシングデータ取得部１１１ｄは、取得した識別情報によって識別されるユーザ端末４０へ、センシングデータの送信を要求する要求情報を送信する。ユーザ端末４０は、センシングデータ取得部１１１ｄから送信された要求情報を習得した場合、センシングデータを当該センシングデータ取得部１１１ｄへ送信する。

　センシングデータ取得部１１１ｄは、要求情報の送信に応じてユーザ端末４０から返送されたセンシングデータをネットワーク５０を介して取得する。センシングデータ取得部１１１ｄは、例えば、ユーザのバイタル状態を示すセンシングデータ、ユーザの位置や行動を示すセンシングデータ、及びユーザを取り巻く環境を示すセンシングデータ等を取得する。なお、センシングデータ取得部１１１ｄが取得するセンシングデータの項目は任意であるが、より多くの項目のセンシングデータが得られるほどユーザの活動モードの判別精度が高くなると考えられる。

　センシングデータ取得部１１１ｄは、取得されたセンシングデータを学習データ記憶部１１２ｄに記憶させる。このとき、センシングデータ取得部１１１ｄは、センシングデータの送信元であるユーザ端末４０を識別する識別情報と同一の識別情報が対応付けられた活動モードを示す情報に、取得したセンシングデータを対応付けて学習データ記憶部１１２ｄに記憶させる。これにより、同一のユーザ端末４０から取得された現時点のユーザの活動モード（すなわち、正解ラベル）とセンシングデータとが対応付けられた教師データが生成される。

　なお、学習部１１ｄが、十分に短い間隔で定期的にユーザ端末４０からセンシングデータを取得するような構成である場合には、活動モードを示す情報の取得に応じて改めてセンシングデータの送信をユーザ端末４０に要求しなくてもよい。すなわち、この場合、例えば学習部１１ｄは、活動モードを示す情報を取得した際に、当該活動モードを示す情報と、直近に取得されたセンシングデータとを対応付けたデータを、教師データとして学習データ記憶部１１２ｄに記憶させればよい。

　学習データ記憶部１１２ｄは、正解ラベルを含む学習データを記憶する。このような処理を繰り返すことで、正解ラベルを含む学習データが学習データ記憶部１１２ｄに蓄積されていく。上記の通り、正解ラベルを含む学習データとは、センシングデータとユーザの活動モードを示す情報とが対応付けられた教師データである。

　学習実行部１１３ｄは、学習データ記憶部１１２ｄに記憶された正解ラベルを含む学習データを取得する。なお、学習実行部１１３ｄは、学習データ記憶部１１２ｄに所定のデータ量の学習データが蓄積されたタイミングで学習データを取得するようにしてもよい。学習実行部１１３ｄは、取得した学習データを用いて教師あり機械学習を行うことにより学習済みの学習モデルを生成する。すなわち、ここで生成される学習モデルは、センシングデータの入力に対してユーザの活動モードの推定結果を出力する学習モデルである。

　学習実行部１１３ｄは、生成された学習済みの学習モデルを学習モデル記憶部１１５ｄに記憶させる。ここでいう学習モデルには、例えば、機械学習のアルゴリズム及びパラメータ値を示す情報等が含まれる。

　学習モデル記憶部１１５ｄは、学習実行部１１３ｄによって生成された学習済みの学習モデルを記憶する。

　学習実行部１１３ｄは、通知制御装置１０ｄに備えられた例えばＣＰＵ等のプロセッサ（不図示）が、当該通知制御装置１０ｄに備えられた記憶媒体（不図示）に予め記憶されたプログラムを実行することによって実現される機能部である。学習データ記憶部１１２ｄ及び学習モデル記憶部１１５ｄは、例えば、ＲＡＭ、ＥＥＰＲＯＭ及びＲＯＭ等の半導体メモリ、ＳＳＤ等のフラッシュメモリ、ＨＤＤ等の磁気ディスク、光ディスク等の記憶媒体（不図示）、または、これらの記憶媒体の任意の組み合わせを含んで構成される。活動モード取得部１１８ｄ及びセンシングデータ取得部１１１ｄは、例えばネットワーク５０を介して外部の機器と通信接続する通信インターフェースを含んで構成される。

　図１４に示されるように、推論部１２ｄは、センシングデータ取得部１２１ｄと、活動モード判別部１２４ｄと、活動モード確認部１２６とを含んで構成される。

　センシングデータ取得部１２１ｄは、ユーザ端末４０から送信される各種のセンシングデータをネットワーク５０を介して取得する。センシングデータ取得部１２１ｄが取得するセンシングデータの項目は、例えば、学習部１１ｄのセンシングデータ取得部１１１ｄが取得するセンシングデータの項目と同じものである。なお、センシングデータ取得部１２１ｄとセンシングデータ取得部１１１ｄとは、ハードウェアとしては同一の装置で構成されていてもよい。センシングデータ取得部１２１ｄは、取得されたセンシングデータを活動モード判別部１２４ｄへ出力する。

　活動モード判別部１２４ｄは、センシングデータ取得部１２１ｄから出力されたセンシングデータを取得する。また、活動モード判別部１２４ｄは、学習部１１ｄの学習モデル記憶部１１５ｄに記憶された学習済みの学習モデルを取得する。活動モード判別部１２４ｄは、取得したセンシングデータと学習済みの学習モデルとに基づいて現時点のユーザの活動モードを判別する。

　ここで、第４の実施形態における推論部１２ｄは、活動モード判別部１２４ｄによって判別された活動モードが実際に現時点のユーザの活動モードとして正しいかどうかを確認するための以下の処理を行う。なお、この確認の処理は、常に行われる必要はなく、ユーザの活動モードの判別精度を維持する又は向上させることを目的として、例えば、必要に応じて随時、あるいは定期的に行われるようにしてもよい。

　活動モード判別部１２４ｄは、取得したセンシングデータと、判別されたユーザの活動モードを示す情報とを、活動モード確認部１２６へ出力する。

　活動モード確認部１２６は、活動モード判別部１２４ｄから出力された、センシングデータとユーザの活動モードを示す情報とを取得する。活動モード確認部１２６は、活動モード判別部１２４ｄからこれらの情報を取得した場合、取得されたセンシングデータに対応するユーザのユーザ端末４０に対し、例えばネットワーク５０等を介して、当該ユーザの現時点の活動モードの問い合わせを行う。そのため、センシングデータには、例えば端末ＩＤ等のユーザ端末４０を識別する識別情報、あるいは、例えば、ユーザＩＤ等のユーザを識別する識別情報等が含まれている必要がある。なお、問い合わせの方法は任意であるが、例えば、任意の活動モードを示す情報をユーザに入力させるような問合せ方法であってもよい。

　活動モード確認部１２６は、上記の問い合わせに対する回答としてユーザ端末４０から返送される、ユーザの現時点の活動モードを示す情報を取得する。活動モード確認部１２６は、活動モード判別部１２４ｄから取得した情報に基づくユーザの活動モードと、ユーザ端末４０から取得したユーザの活動モード（すなわち、正解となる活動モード）とを比較する。活動モード確認部１２６は、上記の両者のユーザの活動モードが一致する場合（すなわち、活動モード判別部１２４ｄによる判別の判別結果が正しかった場合）、正解であったことを示す情報を活動モード判別部１２４ｄへ出力する。

　一方、活動モード確認部１２６は、上記の両者のユーザの活動モードが一致しない場合（すなわち、活動モード判別部１２４ｄによる判別の判別結果が誤りであった場合）、ユーザ端末４０から取得した現時点のユーザの活動モードを示す情報（すなわち、正解ラベル）と、活動モード判別部１２４ｄから取得したセンシングデータとを対応付けたデータを、新たな教師データとして学習部１１ｄの学習データ記憶部１１２ｄに記憶させる。

　このように、第４の実施形態における通知制御装置１０ｄは、ユーザの活動モードを判別した後、ユーザに対して実際の活動モードを問い合わせて判別結果が正しかったどうかを確認する構成を備える。そして、通知制御装置１０ｄは、判別結果が正しくなかった場合には、ユーザから得られた確認結果を正解ラベルとする学習データを新たな教師データとして加えていく構成を備える。これにより、通知制御装置１０ｄは、学習実行部１１３ｄによる教師あり機械学習の学習精度をより向上させることができる。

　また、活動モード確認部１２６は、上記の両者のユーザの活動モードが一致しない場合（すなわち、活動モード判別部１２４ｄによる判別の判別結果が誤りであった場合）、ユーザ端末４０から取得した現時点のユーザの活動モードを示す情報（すなわち、正解ラベル）を活動モード判別部１２４ｄへ出力する。

　活動モード判別部１２４ｄは、判別結果が正解であったことを示す情報を活動モード確認部１２６から取得した場合、又は、ユーザに対して活動モードの問い合わせを行わなかった場合、判別結果である現時点のユーザの活動モードを示す情報を判別結果出力部１３へ出力する。

　一方、活動モード判別部１２４ｄは、ユーザ端末４０から取得された現時点のユーザの活動モードを示す情報（すなわち、正解ラベル）を活動モード確認部１２６から取得した場合（すなわち、判別結果が誤りであった場合）、ユーザ端末４０から取得された現時点のユーザの活動モードを示す情報を判別結果出力部１３へ出力する。

　活動モード判別部１２４ｄ及び活動モード確認部１２６は、通知制御装置１０ｄに備えられた例えばＣＰＵ等のプロセッサ（不図示）が、当該通知制御装置１０ｄに備えられた記憶媒体（不図示）に予め記憶されたプログラムを実行することによって実現される機能部である。センシングデータ取得部１２１ｄ及び活動モード確認部１２６は、例えばネットワーク５０を介してユーザ端末４０と通信接続する通信インターフェースを含んで構成される。

［通知制御装置の動作］
　以下、通知制御装置１０ｄの教師あり機械学習の学習時における動作の一例と、ユーザの活動モードの推論時における動作の一例とを、それぞれ説明する。

　図１５は、本発明の第４の実施形態における通知制御装置１０ｄの学習時における動作を示すフローチャートである。図１５のフローチャートが示す通知制御装置１０ｄの動作は、例えば活動モード取得部１１８ｄに現時点のユーザの活動モードを示す情報が入力された際に開始される。

　学習部１１ｄの活動モード取得部１１８ｄは、ユーザ端末４０から送信された現時点のユーザの活動モードを示す情報をネットワーク５０を介して取得する（ステップＳ４０１）。

　活動モード取得部１１８ｄは、現時点のユーザの活動モードを示す情報の送信元であるユーザ端末４０を識別する識別情報（例えば、ユーザＩＤ）をセンシングデータ取得部１１１ｄへ出力する。また、活動モード取得部１１８ｄは、取得した現時点のユーザの活動モードを示す情報とユーザ端末４０を識別する識別情報とを対応付けて学習データ記憶部１１２ｄに記憶させる。学習データ記憶部１１２ｄは、ユーザの活動モードを示す情報とユーザ端末４０を識別する識別情報とを記憶する（ステップＳ４０２）。

　センシングデータ取得部１１１ｄは、活動モード取得部１１８ｄから出力されたユーザ端末４０を識別する識別情報を取得する。センシングデータ取得部１１１ｄは、取得した識別情報によって識別されるユーザ端末４０へ、センシングデータの送信を要求する要求情報を送信する（ステップＳ４０３）。ユーザ端末４０は、センシングデータ取得部１１１ｄから送信された要求情報を習得した場合、センシングデータをセンシングデータ取得部１１１ｄへ送信する。

　センシングデータ取得部１１１ｄは、要求情報の送信に応じてユーザ端末４０から返送されたセンシングデータをネットワーク５０を介して取得する（ステップＳ４０４）。センシングデータ取得部１１１ｄは、例えば、ユーザのバイタル状態を示すセンシングデータ、ユーザの位置や行動を示すセンシングデータ、及びユーザを取り巻く環境を示すセンシングデータ等を取得する。

　センシングデータ取得部１１１ｄは、取得されたセンシングデータを学習データ記憶部１１２ｄに記憶させる。このとき、センシングデータ取得部１１１ｄは、センシングデータの送信元であるユーザ端末４０を識別する識別情報と同一の識別情報が対応付けられた活動モードを示す情報に、取得したセンシングデータを対応付けて学習データ記憶部１１２ｄに記憶させる（ステップＳ４０５）。これにより、同一のユーザ端末４０から取得された現時点のユーザの活動モード（すなわち、正解ラベル）とセンシングデータとが対応付けられた教師データが生成される。学習データ記憶部１１２ｄは、正解ラベルを含む学習データを記憶する。

　学習実行部１１３ｄは、学習データ記憶部１１２ｄに記憶された正解ラベルを含む学習データを取得する。なお、学習実行部１１３ｄは、学習データ記憶部１１２ｄに所定のデータ量の学習データが蓄積されたタイミングで学習データを取得するようにしてもよい。学習実行部１１３ｄは、取得した学習データを用いて教師あり機械学習を行うことにより学習済みの学習モデルを生成する（ステップＳ４０６）。

　学習実行部１１３ｄは、教師あり機械学習の結果として生成された学習済みの学習モデルを学習モデル記憶部１１５ｄに記憶させる。学習モデル記憶部１１５ｄは、学習実行部１１３ｄによって生成された学習済みの学習モデルを記憶する（ステップＳ４０７）。以上で、図１５のフローチャートが示す通知制御装置１０ｄの学習時の動作が終了する。

　図１６は、本発明の第４の実施形態における通知制御装置１０ｄの推論時における動作を示すフローチャートである。図１６のフローチャートが示す通知制御装置１０ｄの動作は、例えば、あるユーザ端末４０のセンシングデータがセンシングデータ取得部１２１ｄに入力された際に開始される。

　推論部１２ｄのセンシングデータ取得部１２１ｄは、ユーザ端末４０から送信される各種のセンシングデータをネットワーク５０を介して取得する（ステップＳ４０８）。センシングデータ取得部１２１ｄが取得するセンシングデータの項目は、例えば、学習部１１ｄのセンシングデータ取得部１１１ｄが取得するセンシングデータの項目と同じものである。センシングデータ取得部１２１ｄは、取得されたセンシングデータを活動モード判別部１２４ｄへ出力する。

　活動モード判別部１２４ｄは、センシングデータ取得部１２１ｄから出力されたセンシングデータを取得する。また、活動モード判別部１２４ｄは、学習部１１ｄの学習モデル記憶部１１５ｄに記憶された学習済みの学習モデルを取得する（ステップＳ４０９）。活動モード判別部１２４ｄは、取得したセンシングデータと学習済みの学習モデルとに基づいて現時点のユーザの活動モードを判別する（ステップＳ４１０）。

　活動モード判別部１２４ｄは、取得したセンシングデータと、判別されたユーザの活動モードを示す情報とを、活動モード確認部１２６へ出力する。活動モード確認部１２６は、活動モード判別部１２４ｄから出力された、センシングデータとユーザの活動モードを示す情報とを取得する。活動モード確認部１２６は、活動モード判別部１２４ｄからこれらの情報を取得した場合、取得されたセンシングデータに対応するユーザのユーザ端末４０に対し、例えばネットワーク５０等を介して、当該ユーザの現時点の活動モードの問い合わせを行う（ステップＳ４１１）。

　活動モード確認部１２６は、上記の問い合わせに対する回答としてユーザ端末４０から返送される、ユーザの現時点の活動モードを示す情報を取得する（ステップＳ４１２）。活動モード確認部１２６は、活動モード判別部１２４ｄから取得した情報に基づくユーザの活動モードと、ユーザ端末４０から取得したユーザの活動モード（すなわち、正解となる活動モード）とを比較する（ステップＳ４１３）。

　活動モード確認部１２６は、上記の両者のユーザの活動モードが一致する場合（ステップＳ４１４・ＹＥＳ）、現時点のユーザの活動モードの判別結果が正解であったことを示す情報を活動モード判別部１２４ｄへ出力する。活動モード判別部１２４ｄは、判別結果が正解であったことを示す情報を活動モード確認部１２６から取得した場合、判別結果である現時点のユーザの活動モードを示す情報を判別結果出力部１３へ出力する。

　判別結果出力部１３は、活動モード判別部１２４ｄから出力された、上記の判別の結果に基づくユーザの活動モードを示す情報を取得する。また、判別結果出力部１３が活動モード判別部１２４ｄから取得する情報には、ユーザ端末４０を識別する識別情報が含まれている。判別結果出力部１３は、取得したユーザの活動モードを示す情報とユーザ端末４０を識別する識別情報とを含む指示情報を、ネットワーク５０を介して配信装置２０へ送信する（ステップＳ４１５）。

　一方、活動モード確認部１２６は、上記の両者のユーザの活動モードが一致しない場合（ステップＳ４１４・ＮＯ）、ユーザ端末４０から取得した現時点のユーザの活動モードを示す情報（すなわち、正解ラベル）と、活動モード判別部１２４ｄから取得したセンシングデータとを対応付けて新たな教師データとし、学習部１１ｄの学習データ記憶部１１２ｄに記憶された既存の教師データに追加する（ステップＳ４１６）。

　また、活動モード確認部１２６は、上記の両者のユーザの活動モードが一致しない場合（ステップＳ４１４・ＮＯ）、ユーザ端末４０から取得した現時点のユーザの活動モードを示す情報（すなわち、正解ラベル）を活動モード判別部１２４ｄへ出力する。活動モード判別部１２４ｄは、ユーザ端末４０から取得された現時点のユーザの活動モードを示す情報（すなわち、正解ラベル）を活動モード確認部１２６から取得した場合（すなわち、判別結果が誤りであった場合）、ユーザ端末４０から取得された現時点のユーザの活動モードを示す情報を判別結果出力部１３へ出力する。

　判別結果出力部１３は、活動モード判別部１２４ｄから出力された、上記の問い合わせの結果に基づくユーザの活動モードを示す情報を取得する。また、判別結果出力部１３が活動モード判別部１２４ｃから取得する情報には、ユーザ端末４０を識別する識別情報が含まれている。判別結果出力部１３ｄは、取得したユーザの活動モードを示す情報とユーザ端末４０を識別する識別情報とを含む指示情報を、ネットワーク５０を介して配信装置２０へ送信する（ステップＳ４１７）。以上で、図１６のフローチャートが示す通知制御装置１０ｄの推論時の動作が終了する。

　以上説明したように、本発明の第４の実施形態における通知制御装置１０ｄは、ユーザ端末４０から現時点のユーザの活動モードを示す情報を取得したことをトリガーとして教師データを生成し、教師あり機械学習を行う構成を備える。このような構成を備えることで、通知制御装置１０ｄは、ユーザが自発的に申告した現時点の活動モードを正解ラベルとする教師データに基づいて学習を行うため、前述の各実施形態における通知制御装置と比べて、よりユーザの活動モードの判別精度が高い学習モデルを生成することができる。

　また、以上説明したように、本発明の第４の実施形態における通知制御装置１０ｄは、現時点の実際のユーザの活動モードを問い合わせて、学習モデルを用いて判別した現時点のユーザの活動モードが正しいかどうかを評価する構成を備える。このような構成を備えることで、通知制御装置１０ｄは、前述の各実施形態における通知制御装置と比べて、より正確に特定されたユーザの活動モードを示す情報を含む指示情報を配信装置２０へ送信することができる。また、このような構成を備えることで、通知制御装置１０ｄは、推論時にも教師データを生成することができるため、より多くの教師データを生成することができる。

　また、以上説明したように、本発明の第４の実施形態における通知制御装置１０ｄは、教師あり機械学習によって学習がなされた学習モデルを用いて、ユーザの活動モードを判別することができる。これにより、本発明の第４の実施形態における通知制御装置１０ｄによれば、人々の活動状態に応じて適切な通知制御を行うことが可能になる。

　また、本発明の第４の実施形態における通知制御装置１０ｄは、正解ラベルが付与された教師データを用いて学習する教師あり機械学習を用いてユーザの活動モードを判別する。そのため、第４の実施形態における通知制御装置１０ｄによれば、例えば前述の第１の実施形態における通知制御装置１０のように教師なし機械学習を用いてユーザの活動モードを判別する場合と比べて、より学習精度が高く、より正確にユーザの活動モードを判別することができる。

＜第５の実施形態＞
　以下、本発明の第５の実施形態について説明する。

［通知システムの構成］
　以下、本発明の第５の実施形態における通知制御装置１０ｅによる通知制御によってユーザに対する通知を行う通知システムの構成について説明する。第５の実施形態における通知システムの全体構成は、前述の図１に示される第１の実施形態における通知システム１の全体構成に対し、通知制御装置１０が通知制御装置１０ｅに置き換わっている点を除いては同一である。そのため、ここでは、配信装置２０、ユーザ端末４０及びネットワーク５０等に関する説明を省略する。

［通知制御装置の構成］
　以下、通知制御装置１０ｅの構成について詳細に説明する。通知制御装置１０ｅは、本発明の判別装置の一例である。図１７は、本発明の第５の実施形態における通知制御装置１０ｅの機能構成を示すブロック図である。図１７に示されるように、通知制御装置１０ｅは、学習部１１ｅと、推論部１２ｅと、判別結果出力部１３とを含んで構成される。

　学習部１１ｅは、学習データを取得して教師あり機械学習を行うことにより、ユーザ端末４０から送信されるセンシングデータの入力に対してユーザ端末４０を使用するユーザの活動モードの推定結果を示す情報の出力を可能にする学習済みの学習モデルを生成する。なお、教師あり機械学習の手法として、例えば、ＤＮＮ、サポートベクターマシン、又は線形回帰等の任意の手法を用いることができる。

　第５の実施形態の学習部１１ｅによる学習は、通知制御装置１０ｅが、ユーザが使用を許可するセンシングデータの項目が予め指定された上で、ユーザ端末４０から現時点のユーザの活動モードを示す情報をそれぞれ取得したことをトリガーとして開始される。すなわち、第５の実施形態では、学習に用いることができるセンシングデータがユーザによって指定され、一部のセンシングデータのみによって学習がなされた学習モデルを用いて、ユーザの活動モードの判別が行われる。この点で、第５の実施形態における学習部１１ｅの構成は、ユーザ端末４０から取得される全ての項目のセンシングデータを用いて学習を行う前述の各実施形態の学習部１１，１１ａ～１１ｄの構成とは異なる。

　図１７に示されるように、学習部１１ｅは、センシングデータ指定部１１９と、活動モード取得部１１８ｅと、学習データ記憶部１１２ｅと、学習実行部１１３ｅと、学習モデル記憶部１１５ｅとを含んで構成される。

　センシングデータ指定部１１９は、通知制御装置１０ｅによって行われる機械学習に使用可能なセンシングデータの項目を示す情報を、例えばユーザ端末４０からネットワーク５０を介して取得する。使用可能なセンシングデータの項目は、例えば、ユーザがユーザ端末４０を操作することによって指定される。なお、使用可能なセンシングデータの項目の指定の方法は任意であるが、例えば、所定の複数のセンシングデータの項目の中から、使用を許可する項目をユーザに選択させるような指定方法であってもよい。

　センシングデータ指定部１１９は、取得した使用可能なセンシングデータの項目を示す情報と、当該情報を送信したユーザ端末４０を識別する識別情報（例えば、端末ＩＤ）とを対応付けて、学習データ記憶部１１２ｅに記憶させる。なお、センシングデータ指定部１１９は、取得した使用可能なセンシングデータの項目を示す情報と、当該情報を送信したユーザ端末４０を使用するユーザを識別する識別情報（例えば、ユーザIＤ）とを対応付けて、学習データ記憶部１１２ｅに記憶させるようにしてもよい。

　学習データ記憶部１１２ｅは、センシングデータ指定部１１９から出力されたセンシングデータの項目を示す情報と、当該情報を送信したユーザ端末４０を識別する識別情報とが対応付けられた情報を記憶する。

　活動モード取得部１１８ｅは、ユーザ端末４０から送信された現時点のユーザの活動モードを示す情報をネットワーク５０を介して取得する。なお、現時点のユーザの活動モードを示す情報は、例えばユーザが現時点の自身の活動モードを判断してユーザ端末４０に操作入力することによって生成される。

　活動モード取得部１１８ｅは、現時点のユーザの活動モードを示す情報の送信元であるユーザ端末４０を識別する識別情報（例えば、端末ＩＤ）をセンシングデータ取得部１１１ｅへ出力する。そのため、活動モード取得部１１８ｅは、現時点のユーザの活動モードを示す情報を送信したユーザ端末４０を識別可能である必要がある。例えば、活動モード取得部１１８ｅは、ユーザ端末４０との通信接続が確立した際に当該ユーザ端末４０を識別する識別情報を取得するようにしてもよいし、現時点のユーザの活動モードを示す情報に当該ユーザ端末４０を識別する識別情報が付与された情報を取得するようにしてもよい。

　また、活動モード取得部１１８ｅは、取得した現時点のユーザの活動モードを示す情報とユーザ端末４０を識別する識別情報とを対応付けて学習データ記憶部１１２ｅに記憶させる。学習データ記憶部１１２ｅは、ユーザの活動モードを示す情報とユーザ端末４０を識別する識別情報とを記憶する。これにより、学習データ記憶部１１２ｅは、ユーザ端末４０を識別する識別情報と、使用可能なセンシングデータの項目を示す情報と、現時点のユーザの活動モードを示す情報とを対応付けて記憶することとなる。

　センシングデータ取得部１１１ｅは、活動モード取得部１１８ｅから出力されたユーザ端末４０を識別する識別情報を取得する。センシングデータ取得部１１１ｅは、取得した識別情報によって識別されるユーザ端末４０へ、センシングデータの送信を要求する要求情報を送信する。ユーザ端末４０は、センシングデータ取得部１１１ｅから送信された要求情報を習得した場合、センシングデータをセンシングデータ取得部１１１ｅへ送信する。

　センシングデータ取得部１１１ｅは、要求情報の送信に応じてユーザ端末４０から返送されたセンシングデータをネットワーク５０を介して取得する。センシングデータ取得部１１１ｅは、例えば、ユーザのバイタル状態を示すセンシングデータ、ユーザの位置や行動を示すセンシングデータ、及びユーザを取り巻く環境を示すセンシングデータ等を取得する。なお、センシングデータ取得部１１１ｅが取得するセンシングデータの項目は任意であるが、より多くの項目のセンシングデータが得られるほどユーザの活動モードの判別精度が高くなると考えられる。

　センシングデータ取得部１１１ｅは、取得されたセンシングデータを学習データ記憶部１１２ｅに記憶させる。このとき、センシングデータ取得部１１１ｅは、センシングデータの送信元であるユーザ端末４０を識別する識別情報と同一の識別情報が対応付けられた活動モードを示す情報に、取得したセンシングデータを対応付けて学習データ記憶部１１２ｅに記憶させる。これにより、同一のユーザ端末４０から取得された現時点のユーザの活動モード（すなわち、正解ラベル）とセンシングデータとが対応付けられた教師データが生成される。

　また、このとき、センシングデータ取得部１１１ｅは、センシングデータの送信元であるユーザ端末４０を識別する識別情報と同一の識別情報が対応付けられた、使用可能なセンシングデータの項目を示す情報を学習データ記憶部１１２ｅから読み出す。センシングデータ取得部１１１ｅは、学習データ記憶部１１２ｅに記憶された上記のユーザ端末４０に対応するセンシングデータのうち、使用可能なセンシングデータの項目ではない項目のセンシングデータを削除する処理を行う。これにより、学習部１１ｅは、ユーザによって使用が許可されていない項目のセンシングデータを機械学習に用いないようにすることができる。

　なお、学習部１１ｅが、十分に短い間隔で定期的にユーザ端末４０からセンシングデータを取得するような構成である場合には、活動モードを示す情報の取得に応じて改めてセンシングデータの送信をユーザ端末４０に要求しなくてもよい。すなわち、この場合、例えば学習部１１ｅは、活動モードを示す情報を取得した際に、当該活動モードを示す情報と、直近に取得されたセンシングデータとを対応付けたデータを、教師データとして学習データ記憶部１１２ｅに記憶させればよい。

　学習データ記憶部１１２ｅは、正解ラベルを含む学習データを記憶する。このような処理を繰り返すことで、正解ラベルを含む学習データが学習データ記憶部１１２ｅに蓄積されていく。上記の通り、正解ラベルを含む学習データとは、センシングデータとユーザの活動モードを示す情報とが対応付けられた教師データである。

　学習実行部１１３ｅは、学習データ記憶部１１２ｅに記憶された正解ラベルを含む学習データを取得する。なお、学習実行部１１３ｅは、学習データ記憶部１１２ｅに所定のデータ量の学習データが蓄積されたタイミングで学習データを取得するようにしてもよい。学習実行部１１３ｅは、取得した学習データを用いて教師あり機械学習を行うことにより学習済みの学習モデルを生成する。すなわち、ここで生成される学習モデルは、センシングデータの入力に対してユーザの活動モードの推定結果を出力する学習モデルである。

　学習実行部１１３ｅは、生成された学習済みの学習モデルを学習モデル記憶部１１５ｅに記憶させる。ここでいう学習モデルには、例えば、機械学習のアルゴリズム及びパラメータ値を示す情報等が含まれる。

　学習モデル記憶部１１５ｅは、学習実行部１１３ｅによって生成された学習済みの学習モデルを記憶する。

　学習実行部１１３ｅは、通知制御装置１０ｅに備えられた例えばＣＰＵ等のプロセッサ（不図示）が、当該通知制御装置１０ｅに備えられた記憶媒体（不図示）に予め記憶されたプログラムを実行することによって実現される機能部である。学習データ記憶部１１２ｅ及び学習モデル記憶部１１５ｅは、例えば、ＲＡＭ、ＥＥＰＲＯＭ及びＲＯＭ等の半導体メモリ、ＳＳＤ等のフラッシュメモリ、ＨＤＤ等の磁気ディスク、光ディスク等の記憶媒体（不図示）、または、これらの記憶媒体の任意の組み合わせを含んで構成される。センシングデータ指定部１１９、活動モード取得部１１８ｅ及びセンシングデータ取得部１１１ｅは、例えばネットワーク５０を介して外部の機器と通信接続する通信インターフェースを含んで構成される。

　図１７に示されるように、推論部１２ｅは、センシングデータ取得部１２１ｅと、活動モード判別部１２４ｅと、活動モード確認部１２６ｅとを含んで構成される。

　なお、第５の実施形態における推論部１２ｅのセンシングデータ取得部１２１ｅ、活動モード判別部１２４ｅ、及び活動モード確認部１２６ｅの構成は、前述の第４の実施形態における推論部１２ｄのセンシングデータ取得部１２１ｄ、活動モード判別部１２４ｄ、及び活動モード確認部１２６の構成と同様であるため、説明を省略する。

　なお、以上説明した第５の実施形態における通知制御装置１０ｅの構成は、前述の第４の実施形態における通知制御装置１０ｄの構成に対して、機械学習に使用可能なセンシングデータの項目をユーザが指定することができる構成が追加されたものである。但し、このような構成に限られるものではなく、前述のその他の各実施形態における通知制御装置のいずれかの構成に対して、機械学習に使用可能なセンシングデータの項目をユーザが指定することができる構成が追加された構成にすることも可能である。

［通知制御装置の動作］
　以下、通知制御装置１０ｅの教師あり機械学習の学習時における動作の一例について説明する。なお、通知制御装置１０ｅの推論時の動作の一例については、前述の図１６に示される第４の実施形態における通知制御装置１０ｄの推論時の動作の一例と同様であるため、説明を省略する。

　図１８は、本発明の第４の実施形態における通知制御装置１０ｄの学習時における動作を示すフローチャートである。図１８のフローチャートが示す通知制御装置１０ｅの動作は、例えばセンシングデータ指定部１１９に、通知制御装置１０ｅによって行われる機械学習に使用可能なセンシングデータの項目を示す情報が入力された際に開始される。

　学習部１１ｅのセンシングデータ指定部１１９は、通知制御装置１０ｅによって行われる機械学習に使用可能なセンシングデータの項目を示す情報を、例えばユーザ端末４０からネットワーク５０を介して取得する（ステップＳ５０１）。使用可能なセンシングデータの項目は、例えば、ユーザがユーザ端末４０を操作することによって指定される。

　センシングデータ指定部１１９は、取得した使用可能なセンシングデータの項目を示す情報と、当該情報を送信したユーザ端末４０を識別する識別情報（例えば、端末ＩＤ）とを対応付けて、学習データ記憶部１１２ｅに記憶させる。学習データ記憶部１１２ｅは、センシングデータ指定部１１９から出力されたセンシングデータの項目を示す情報と、当該情報を送信したユーザ端末４０を識別する識別情報とが対応付けられた情報を記憶する（ステップＳ５０２）。

　活動モード取得部１１８ｅは、ユーザ端末４０から送信された現時点のユーザの活動モードを示す情報をネットワーク５０を介して取得する（ステップＳ５０３）。活動モード取得部１１８ｅは、現時点のユーザの活動モードを示す情報の送信元であるユーザ端末４０を識別する識別情報（例えば、ユーザＩＤ）をセンシングデータ取得部１１１ｅへ出力する。

　また、活動モード取得部１１８ｅは、取得した現時点のユーザの活動モードを示す情報とユーザ端末４０を識別する識別情報とを対応付けて学習データ記憶部１１２ｅに記憶させる。学習データ記憶部１１２ｅは、ユーザの活動モードを示す情報とユーザ端末４０を識別する識別情報とを記憶する（ステップＳ５０４）。これにより、学習データ記憶部１１２ｅは、ユーザ端末４０を識別する識別情報と、使用可能なセンシングデータの項目を示す情報と、現時点のユーザの活動モードを示す情報とを対応付けて記憶することとなる。

　センシングデータ取得部１１１ｅは、活動モード取得部１１８ｅから出力されたユーザ端末４０を識別する識別情報を取得する。センシングデータ取得部１１１ｅは、取得した識別情報によって識別されるユーザ端末４０へ、センシングデータの送信を要求する要求情報を送信する（ステップＳ５０５）。ユーザ端末４０は、センシングデータ取得部１１１ｅから送信された要求情報を習得した場合、センシングデータをセンシングデータ取得部１１１ｅへ送信する。

　センシングデータ取得部１１１ｅは、要求情報の送信に応じてユーザ端末４０から返送されたセンシングデータをネットワーク５０を介して取得する（ステップＳ５０６）。センシングデータ取得部１１１ｅは、例えば、ユーザのバイタル状態を示すセンシングデータ、ユーザの位置や行動を示すセンシングデータ、及びユーザを取り巻く環境を示すセンシングデータ等を取得する。

　センシングデータ取得部１１１ｅは、取得されたセンシングデータを学習データ記憶部１１２ｅに記憶させる。このとき、センシングデータ取得部１１１ｅは、センシングデータの送信元であるユーザ端末４０を識別する識別情報と同一の識別情報が対応付けられた活動モードを示す情報に、取得したセンシングデータを対応付けて学習データ記憶部１１２ｅに記憶させる（ステップＳ５０７）。これにより、同一のユーザ端末４０から取得された現時点のユーザの活動モード（すなわち、正解ラベル）とセンシングデータとが対応付けられた教師データが生成される。

　また、このとき、センシングデータ取得部１１１ｅは、センシングデータの送信元であるユーザ端末４０を識別する識別情報と同一の識別情報が対応付けられた、使用可能なセンシングデータの項目を示す情報を学習データ記憶部１１２ｅから読み出す。センシングデータ取得部１１１ｅは、学習データ記憶部１１２ｅに記憶された上記のユーザ端末４０に対応するセンシングデータのうち、使用可能なセンシングデータの項目ではない項目のセンシングデータを削除する処理を行う（ステップＳ５０８）。これにより、学習部１１ｅは、ユーザによって仕様が許可されていない項目のセンシングデータを機械学習に用いないようにすることができる。

　学習データ記憶部１１２ｅは、正解ラベルを含む学習データを記憶する。学習実行部１１３ｅは、学習データ記憶部１１２ｅに記憶された正解ラベルを含む学習データを取得する。なお、学習実行部１１３ｄは、学習データ記憶部１１２ｄに所定のデータ量の学習データが蓄積されたタイミングで学習データを取得するようにしてもよい。学習実行部１１３ｅは、取得した学習データを用いて教師あり機械学習を行うことにより学習済みの学習モデルを生成する（ステップＳ５０９）。

　学習実行部１１３ｅは、教師あり機械学習の結果として生成された学習済みの学習モデルを学習モデル記憶部１１５ｅに記憶させる。学習モデル記憶部１１５ｅは、学習実行部１１３ｄによって生成された学習済みの学習モデルを記憶する（ステップＳ５１０）。以上で、図１８のフローチャートが示す通知制御装置１０ｅの学習時の動作が終了する。

　以上説明したように本発明の第５の実施形態における通知制御装置１０ｅは、機械学習に使用可能なセンシングデータの項目をユーザが指定することができる構成を備える。このような構成を備えることで、通知制御装置１０ｅは、ユーザの希望やプライバシーを考慮した通知が行われるように、配信装置２０の通知制御を行うことができる。

　また、以上説明したように、本発明の第５の実施形態における通知制御装置１０ｅは、ユーザ端末４０から現時点のユーザの活動モードを示す情報を取得したことをトリガーとして教師データを生成し、教師あり機械学習を行う構成を備える。このような構成を備えることで、通知制御装置１０ｅは、ユーザが自発的に申告した現時点の活動モードを正解ラベルとする教師データに基づいて学習を行うため、前述の各実施形態における通知制御装置と比べて、よりユーザの活動モードの判別精度が高い学習モデルを生成することができる。

　また、以上説明したように、本発明の第５の実施形態における通知制御装置１０ｅは、現時点の実際のユーザの活動モードを問い合わせて、学習モデルを用いて判別した現時点のユーザの活動モードが正しいかどうかを評価する構成を備える。このような構成を備えることで、通知制御装置１０ｅは、前述の各実施形態における通知制御装置と比べて、より正確に特定されたユーザの活動モードを示す情報を含む指示情報を配信装置２０へ送信することができる。また、このような構成を備えることで、通知制御装置１０ｅは、推論時にも教師データを生成することができるため、より多くの教師データを生成することができる。

　また、以上説明したように、本発明の第５の実施形態における通知制御装置１０ｅは、教師あり機械学習によって学習がなされた学習モデルを用いて、ユーザの活動モードを判別することができる。これにより、本発明の第５の実施形態における通知制御装置１０ｅによれば、人々の活動状態に応じて適切な通知制御を行うことが可能になる。

　また、本発明の第５の実施形態における通知制御装置１０ｅは、正解ラベルが付与された教師データを用いて学習する教師あり機械学習を用いてユーザの活動モードを判別する。そのため、第５の実施形態における通知制御装置１０ｅによれば、例えば前述の第１の実施形態における通知制御装置１０のように教師なし機械学習を用いてユーザの活動モードを判別する場合と比べて、より学習精度が高く、より正確にユーザの活動モードを判別することができる。

＜第６の実施形態＞
　以下、本発明の第６の実施形態について説明する。

［通知システムの構成］
　以下、本発明の第６の実施形態における通知制御装置１０ｆによる通知制御によってユーザに対する通知を行う通知システムの構成について説明する。第６の実施形態における通知システムの全体構成は、前述の図１に示される第１の実施形態における通知システム１の全体構成に対し、通知制御装置１０が通知制御装置１０ｆに置き換わっている点を除いては同一である。そのため、ここでは、配信装置２０、ユーザ端末４０及びネットワーク５０等に関する説明を省略する。

［通知制御装置の構成］
　以下、通知制御装置１０ｆの構成について詳細に説明する。通知制御装置１０ｆは、本発明の判別装置の一例である。図１９は、本発明の第６の実施形態における通知制御装置１０ｆの機能構成を示すブロック図である。図１９に示されるように、通知制御装置１０ｆは、学習部１１ｆと、推論部１２ｆと、判別結果出力部１３とを含んで構成される。

　図１９に示されるように、学習部１１ｆは、活動モード取得部１１８ｆと、センシングデータ取得部１１１ｆと、学習データ記憶部１１２ｆと、学習実行部１１３ｆと、学習モデル記憶部１１５ｆとを含んで構成される。

　なお、第６の実施形態における学習部１１ｆの活動モード取得部１１８ｆ、センシングデータ取得部１１１ｆ、学習データ記憶部１１２ｆ、学習実行部１１３ｆ、及び学習モデル記憶部１１５ｆの構成は、前述の図１４に示される第４の実施形態における学習部１１ｄの活動モード取得部１１８ｄ、センシングデータ取得部１１１ｄ、学習データ記憶部１１２ｄ、学習実行部１１３ｄ、及び学習モデル記憶部１１５ｄの構成と同様であるため、説明を省略する。

　図１９に示されるように、推論部１２ｆは、センシングデータ指定部１２７と、指定項目記憶部１２８と、センシングデータ取得部１２１ｆと、活動モード判別部１２４ｆとを含んで構成される。

　センシングデータ指定部１２７は、通知制御装置１０ｆによって行われる推論に使用可能なセンシングデータの項目を示す情報を、例えばユーザ端末４０からネットワーク５０を介して取得する。使用可能なセンシングデータの項目は、例えば、ユーザがユーザ端末４０を操作することによって指定される。なお、使用可能なセンシングデータの項目の指定の方法は任意であるが、例えば、所定の複数のセンシングデータの項目の中から、使用を許可する項目をユーザに選択させるような指定方法であってもよい。

　例えば、ユーザは、特定の情報を優位に使用したいという意図がある場合等に、使用可能なセンシングデータの項目を指定することにより、推論を行うための情報の組み合わせを任意に変化させることができる。なお、本実施形態においては、推論に使用可能なセンシングデータの項目の指定をユーザ自身が行う構成であるものとしたが、このような構成に限られるものではなく、通知制御装置１０ｆが自動的に行うようにしてもよい。例えば、センシングデータ指定部１２７は、ユーザ端末４０から送信されるセンシングデータの項目うち、相対的に変動量が多いセンシングデータの項目を特定して、特定された項目を推論に使用可能なセンシングデータの項目として自動的に指定するようにしてもよい。

　センシングデータ指定部１２７は、取得した使用可能なセンシングデータの項目を示す情報と、当該情報を送信したユーザ端末４０を識別する識別情報（例えば、端末ＩＤ）とを対応付けて、指定項目記憶部１２８に記憶させる。なお、センシングデータ指定部１２７は、取得した使用可能なセンシングデータの項目を示す情報と、当該情報を送信したユーザ端末４０を使用するユーザを識別する識別情報（例えば、ユーザIＤ）とを対応付けて、指定項目記憶部１２８に記憶させるようにしてもよい。

　指定項目記憶部１２８は、センシングデータ指定部１２７から出力されたセンシングデータの項目を示す情報と、当該情報を送信したユーザ端末４０を識別する識別情報とが対応付けられた情報を記憶する。

　センシングデータ取得部１２１ｆは、ユーザ端末４０から送信される各種のセンシングデータをネットワーク５０を介して取得する。センシングデータ取得部１２１ｆが取得するセンシングデータの項目は、例えば、学習部１１ｆのセンシングデータ取得部１１１ｆが取得するセンシングデータの項目と同じものである。なお、センシングデータ取得部１２１ｆとセンシングデータ取得部１１１ｆとは、ハードウェアとしては同一の装置で構成されていてもよい。

　このとき、センシングデータ取得部１２１ｆは、センシングデータの送信元であるユーザ端末４０を識別する識別情報と同一の識別情報が対応付けられた、使用可能なセンシングデータの項目を示す情報を指定項目記憶部１２８から読み出す。センシングデータ取得部１２１ｆは、取得したセンシングデータのうち、使用可能なセンシングデータの項目ではない項目のセンシングデータを削除する処理を行う。これにより、推論部１２ｆは、ユーザによって使用が許可されていない項目のセンシングデータを推論に用いないようにすることができる。

　センシングデータ取得部１２１ｆは、使用可能な項目のセンシングデータのみからなるセンシングデータを活動モード判別部１２４ｆへ出力する。

　活動モード判別部１２４ｆは、センシングデータ取得部１２１ｆから出力されたセンシングデータを取得する。また、活動モード判別部１２４ｆは、学習部１１ｆの学習モデル記憶部１１５ｆに記憶された学習済みの学習モデルを取得する。活動モード判別部１２４ｆは、取得したセンシングデータと学習済みの学習モデルとに基づいて現時点のユーザの活動モードを判別する。活動モード判別部１２４ｆは、判別結果である現時点のユーザの活動モードを示す情報を判別結果出力部１３へ出力する。

　センシングデータ取得部１２１ｆ及び活動モード判別部１２４ｆは、通知制御装置１０ｆに備えられた例えばＣＰＵ等のプロセッサ（不図示）が、当該通知制御装置１０ｆに備えられた記憶媒体（不図示）に予め記憶されたプログラムを実行することによって実現される機能部である。指定項目記憶部１２８は、例えば、ＲＡＭ、ＥＥＰＲＯＭ及びＲＯＭ等の半導体メモリ、ＳＳＤ等のフラッシュメモリ、ＨＤＤ等の磁気ディスク、光ディスク等の記憶媒体（不図示）、または、これらの記憶媒体の任意の組み合わせを含んで構成される。センシングデータ取得部１２１ｆ及びセンシングデータ指定部１２７は、例えばネットワーク５０を介してユーザ端末４０と通信接続する通信インターフェースを含んで構成される。

　なお、以上説明した第６の実施形態における通知制御装置１０ｆの構成は、前述の第４の実施形態における通知制御装置１０ｄの構成に対して、推論時に使用可能なセンシングデータの項目をユーザが指定することができる構成が追加されたものである。但し、このような構成に限られるものではなく、前述のその他の各実施形態における通知制御装置のいずれかの構成に対して、推論時に使用可能なセンシングデータの項目をユーザが指定することができる構成が追加された構成にすることも可能である。

［通知制御装置の動作］
　以下、通知制御装置１０ｆの教師あり機械学習の推論時における動作の一例について説明する。なお、通知制御装置１０ｆの学習時の動作の一例については、前述の図１５に示される第４の実施形態における通知制御装置１０ｄの学習時の動作の一例と同様であるため、説明を省略する。

　図２０は、本発明の第６の実施形態における通知制御装置１０ｆの推論時における動作を示すフローチャートである。図２０のフローチャートが示す通知制御装置１０ｆの動作は、例えば、センシングデータ指定部１２７に、通知制御装置１０ｆによって行われる推論に使用可能なセンシングデータの項目を示す情報が入力された際に開始される。

　推論部１２ｆのセンシングデータ指定部１２７は、通知制御装置１０ｆによって行われる推論に使用可能なセンシングデータの項目を示す情報を、例えばユーザ端末４０からネットワーク５０を介して取得する（ステップＳ６０１）。使用可能なセンシングデータの項目は、例えば、ユーザがユーザ端末４０を操作することによって指定される。

　センシングデータ指定部１２７は、取得した使用可能なセンシングデータの項目を示す情報と、当該情報を送信したユーザ端末４０を識別する識別情報（例えば、端末ＩＤ）とを対応付けて、指定項目記憶部１２８に記憶させる。指定項目記憶部１２８は、センシングデータ指定部１２７から出力されたセンシングデータの項目を示す情報と、当該情報を送信したユーザ端末４０を識別する識別情報とが対応付けられた情報を記憶する（ステップＳ６０２）。

　センシングデータ取得部１２１ｆは、ユーザ端末４０から送信される各種のセンシングデータをネットワーク５０を介して取得する（ステップＳ６０３）。センシングデータ取得部１２１ｆが取得するセンシングデータの項目は、例えば、学習部１１ｆのセンシングデータ取得部１１１ｆが取得するセンシングデータの項目と同じものである。

　このとき、センシングデータ取得部１２１ｆは、センシングデータの送信元であるユーザ端末４０を識別する識別情報と同一の識別情報が対応付けられた、使用可能なセンシングデータの項目を示す情報を指定項目記憶部１２８から読み出す。センシングデータ取得部１２１ｆは、取得したセンシングデータのうち、使用可能なセンシングデータの項目ではない項目のセンシングデータを削除する処理を行う（ステップＳ６０４）。センシングデータ取得部１２１ｆは、使用可能な項目のセンシングデータのみからなるセンシングデータを活動モード判別部１２４ｆへ出力する。

　活動モード判別部１２４ｆは、センシングデータ取得部１２１ｆから出力されたセンシングデータを取得する。また、活動モード判別部１２４ｆは、学習部１１ｆの学習モデル記憶部１１５ｆに記憶された学習済みの学習モデルを取得する（ステップＳ６０５）。活動モード判別部１２４ｆは、取得したセンシングデータと学習済みの学習モデルとに基づいて現時点のユーザの活動モードを判別する（ステップＳ６０６）。活動モード判別部１２４ｆは、上記の判別の結果である現時点のユーザの活動モードを示す情報を判別結果出力部１３へ出力する。

　判別結果出力部１３は、活動モード判別部１２４ｆから出力された、上記の判別の結果に基づくユーザの活動モードを示す情報を取得する。また、判別結果出力部１３が活動モード判別部１２４ｆから取得する情報には、ユーザ端末４０を識別する識別情報が含まれている。判別結果出力部１３は、取得したユーザの活動モードを示す情報とユーザ端末４０を識別する識別情報とを含む指示情報を、ネットワーク５０を介して配信装置２０へ送信する（ステップＳ６０７）。以上で、図２０のフローチャートが示す通知制御装置１０ｆの推論時の動作が終了する。

　以上説明したように本発明の第６の実施形態における通知制御装置１０ｆは、推論に使用可能なセンシングデータの項目をユーザが指定することができる構成を備える。このような構成を備えることで、ユーザが特定の情報を優位に使用したいという意図がある場合等に使用可能なセンシングデータの項目を指定することができ、通知制御装置１０ｆは、指定に応じて、推論を行うための情報の組み合わせを任意に変化させることができる。また、このような構成を備えることで、通知制御装置１０ｆは、ユーザの希望やプライバシーを考慮した通知が行われるように、配信装置２０の通知制御を行うことができる。

　また、以上説明したように、本発明の第６の実施形態における通知制御装置１０ｆは、教師あり機械学習によって学習がなされた学習モデルを用いて、ユーザの活動モードを判別することができる。これにより、本発明の第６の実施形態における通知制御装置１０ｆによれば、人々の活動状態に応じて適切な通知制御を行うことが可能になる。

　また、本発明の第６の実施形態における通知制御装置１０ｆは、正解ラベルが付与された教師データを用いて学習する教師あり機械学習を用いてユーザの活動モードを判別する。そのため、第６の実施形態における通知制御装置１０ｆによれば、例えば前述の第１の実施形態における通知制御装置１０のように教師なし機械学習を用いてユーザの活動モードを判別する場合と比べて、より学習精度が高く、より正確にユーザの活動モードを判別することができる。

＜第７の実施形態＞
　以下、本発明の第７の実施形態について説明する。

［通知システムの構成］
　以下、本発明の第７の実施形態における通知制御装置１０ｇによる通知制御によってユーザに対する通知を行う通知システムの構成について説明する。第７の実施形態における通知システムの全体構成は、前述の図１に示される第１の実施形態における通知システム１の全体構成に対し、通知制御装置１０が通知制御装置１０ｇに置き換わっている点を除いては同一である。そのため、ここでは、配信装置２０、ユーザ端末４０及びネットワーク５０等に関する説明を省略する。

［通知制御装置の構成］
　以下、通知制御装置１０ｇの構成について詳細に説明する。通知制御装置１０ｇは、本発明の判別装置の一例である。図２１は、本発明の第７の実施形態における通知制御装置１０ｇの機能構成を示すブロック図である。図２１に示されるように、通知制御装置１０ｇは、学習部１１ｇと、推論部１２ｇと、判別結果出力部１３とを含んで構成される。

　図２１に示されるように、学習部１１ｇは、活動モード取得部１１８ｇと、センシングデータ取得部１１１ｇと、学習データ記憶部１１２ｇと、学習実行部１１３ｇと、学習モデル記憶部１１５ｇとを含んで構成される。

　なお、第７の実施形態における学習部１１ｇの活動モード取得部１１８ｇ、センシングデータ取得部１１１ｇ、学習データ記憶部１１２ｇ、学習実行部１１３ｇ、及び学習モデル記憶部１１５ｇの構成は、前述の図１４に示される第４の実施形態における学習部１１ｄの活動モード取得部１１８ｄ、センシングデータ取得部１１１ｄ、学習データ記憶部１１２ｄ、学習実行部１１３ｄ、及び学習モデル記憶部１１５ｄの構成と同様であるため、説明を省略する。

　図２１に示されるように、推論部１２ｇは、重み付け指定部１２９と、重み付け情報記憶部１２８ｇと、センシングデータ取得部１２１ｇと、活動モード判別部１２４ｇとを含んで構成される。

　重み付け指定部１２９は、推論部１２ｇによる推論に用いられるセンシングデータの各々に対して付加される重みの値が項目ごとに指定された情報（以下、「重み付け情報」という。）を、例えばユーザ端末４０からネットワーク５０を介して取得する。センシングデータの各々に対して付加される重みの値は、例えば、ユーザがユーザ端末４０を操作することによって指定される。なお、センシングデータの各々に対して付加される重みの値の指定の方法は任意であるが、例えば、センシングデータの項目ごとの重みを表す数値をユーザに入力させるような指定方法であってもよい。

　例えば、ユーザは、健康状態や活動量についてより重みを置いて推定された活動モードに応じて通知を受けたい場合には、バイタル情報に関するセンシングデータの重みの値相対的に大きくするように指定を行う。このように、ユーザは、通知制御装置１０ｇによる推論において特定のセンシングデータの項目がより考慮されるように指定することができる。

　なお、本実施形態においては、センシングデータの項目ごとの重みの値の指定をユーザ自身が行う構成であるものとしたが、このような構成に限られるものではなく、通知制御装置１０ｇが自動的に行うようにしてもよい。例えば、重み付け指定部１２９は、ユーザ端末４０から送信されるセンシングデータの項目うち、相対的に変動量が多いセンシングデータの項目を特定して、特定された項目に対する重みの値をより大きくするように自動的に指定するようにしてもよい。

　重み付け指定部１２９は、取得したセンシングデータの項目ごとの重みの値を示す情報と、当該情報を送信したユーザ端末４０を識別する識別情報（例えば、端末ＩＤ）とを対応付けて、重み付け情報記憶部１２８ｇに記憶させる。なお、重み付け指定部１２９は、取得したセンシングデータの項目ごとの重みの値と、当該情報を送信したユーザ端末４０を使用するユーザを識別する識別情報（例えば、ユーザIＤ）とを対応付けて、重み付け情報記憶部１２８ｇに記憶させるようにしてもよい。

　重み付け情報記憶部１２８ｇは、重み付け指定部１２９から出力されたセンシングデータの項目ごとの重みの値と、当該情報を送信したユーザ端末４０を識別する識別情報とが対応付けられた情報を記憶する。

　センシングデータ取得部１２１ｇは、ユーザ端末４０から送信される各種のセンシングデータをネットワーク５０を介して取得する。センシングデータ取得部１２１ｇが取得するセンシングデータの項目は、例えば、学習部１１ｇのセンシングデータ取得部１１１ｇが取得するセンシングデータの項目と同じものである。なお、センシングデータ取得部１２１ｇとセンシングデータ取得部１１１ｇとは、ハードウェアとしては同一の装置で構成されていてもよい。

　このとき、センシングデータ取得部１２１ｇは、センシングデータの送信元であるユーザ端末４０を識別する識別情報と同一の識別情報が対応付けられた、センシングデータの項目ごとの重みの値を重み付け情報記憶部１２８ｇから読み出す。センシングデータ取得部１２１ｇは、取得したセンシングデータの各々に対して、項目ごとに指定された重みの値で重み付けをする処理を行う。

　なお、センシングデータに対して重み付けを行う方法としては任意の方法を用いることができるが、例えば、センシングデータ取得部１２１ｇは、項目ごとの重みの値に比例するように各項目のセンシングデータの件数を調整するようにしてもよい。

　センシングデータ取得部１２１ｇは、重み付けがなされたセンシングデータを活動モード判別部１２４ｇへ出力する。

　活動モード判別部１２４ｇは、センシングデータ取得部１２１ｇから出力されたセンシングデータを取得する。また、活動モード判別部１２４ｇは、学習部１１ｇの学習モデル記憶部１１５ｇに記憶された学習済みの学習モデルを取得する。活動モード判別部１２４ｇは、取得したセンシングデータと学習済みの学習モデルとに基づいて現時点のユーザの活動モードを判別する。活動モード判別部１２４ｇは、判別結果である現時点のユーザの活動モードを示す情報を判別結果出力部１３へ出力する。

　センシングデータ取得部１２１ｇ及び活動モード判別部１２４ｆは、通知制御装置１０ｇに備えられた例えばＣＰＵ等のプロセッサ（不図示）が、当該通知制御装置１０ｇに備えられた記憶媒体（不図示）に予め記憶されたプログラムを実行することによって実現される機能部である。重み付け情報記憶部１２８ｇは、例えば、ＲＡＭ、ＥＥＰＲＯＭ及びＲＯＭ等の半導体メモリ、ＳＳＤ等のフラッシュメモリ、ＨＤＤ等の磁気ディスク、光ディスク等の記憶媒体（不図示）、または、これらの記憶媒体の任意の組み合わせを含んで構成される。センシングデータ取得部１２１ｇ及び重み付け指定部１２９は、例えばネットワーク５０を介してユーザ端末４０と通信接続する通信インターフェースを含んで構成される。

　なお、以上説明した第７の実施形態における通知制御装置１０ｇの構成は、前述の第４の実施形態における通知制御装置１０ｄの構成に対して、推論時にセンシングデータの項目ごとに付与する重みの値をユーザが指定することができる構成が追加されたものである。但し、このような構成に限られるものではなく、前述のその他の各実施形態における通知制御装置のいずれかの構成に対して、推論時にセンシングデータの項目ごとに付与する重みの値をユーザが指定することができる構成が追加された構成にすることも可能である。

［通知制御装置の動作］
　以下、通知制御装置１０ｇの教師あり機械学習の推論時における動作の一例について説明する。なお、通知制御装置１０ｇの学習時の動作の一例については、前述の図１５に示される第４の実施形態における通知制御装置１０ｄの学習時の動作の一例と同様であるため、説明を省略する。

　図２２は、本発明の第７の実施形態における通知制御装置１０ｇの推論時における動作を示すフローチャートである。図２２のフローチャートが示す通知制御装置１０ｇの動作は、例えば、重み付け指定部１２９に、重み付け情報が入力された際に開始される。

　推論部１２ｇの重み付け指定部１２９は、重み付け情報を、例えばユーザ端末４０からネットワーク５０を介して取得する（ステップＳ７０１）。重み付け情報に含まれるセンシングデータの各々に対して付加される重みの値は、例えば、ユーザがユーザ端末４０を操作することによって指定される。

　重み付け指定部１２９は、取得した重み付け情報と、当該重み付け情報を送信したユーザ端末４０を識別する識別情報（例えば、端末ＩＤ）とを対応付けて、重み付け情報記憶部１２８ｇに記憶させる。重み付け情報記憶部１２８ｇは、重み付け指定部１２９から出力された重み付け情報と、当該重み付け情報を送信したユーザ端末４０を識別する識別情報とが対応付けられた情報を記憶する（ステップＳ７０２）。

　センシングデータ取得部１２１ｇは、ユーザ端末４０から送信される各種のセンシングデータをネットワーク５０を介して取得する（ステップＳ７０３）。センシングデータ取得部１２１ｇが取得するセンシングデータの項目は、例えば、学習部１１ｇのセンシングデータ取得部１１１ｇが取得するセンシングデータの項目と同じものである。

　このとき、センシングデータ取得部１２１ｇは、センシングデータの送信元であるユーザ端末４０を識別する識別情報と同一の識別情報が対応付けられた重み付け情報を重み付け情報記憶部１２８ｇから読み出す。センシングデータ取得部１２１ｇは、取得したセンシングデータの各々に対して、項目ごとに指定された重みの値で重み付けをする処理を行う（ステップＳ７０４）。センシングデータ取得部１２１ｇは、重み付けがなされたセンシングデータを活動モード判別部１２４ｇへ出力する。

　活動モード判別部１２４ｇは、センシングデータ取得部１２１ｆから出力されたセンシングデータを取得する。また、活動モード判別部１２４ｇは、学習部１１ｇの学習モデル記憶部１１５ｇに記憶された学習済みの学習モデルを取得する（ステップＳ７０５）。活動モード判別部１２４ｇは、取得したセンシングデータと学習済みの学習モデルとに基づいて現時点のユーザの活動モードを判別する（ステップＳ７０６）。活動モード判別部１２４ｇは、上記の判別の結果である現時点のユーザの活動モードを示す情報を判別結果出力部１３へ出力する。

　判別結果出力部１３は、活動モード判別部１２４ｇから出力された、上記の判別の結果に基づくユーザの活動モードを示す情報を取得する。また、判別結果出力部１３が活動モード判別部１２４ｇから取得する情報には、ユーザ端末４０を識別する識別情報が含まれている。判別結果出力部１３は、取得したユーザの活動モードを示す情報とユーザ端末４０を識別する識別情報とを含む指示情報を、ネットワーク５０を介して配信装置２０へ送信する（ステップＳ７０７）。以上で、図２２のフローチャートが示す通知制御装置１０ｇの推論時の動作が終了する。

　以上説明したように本発明の第７の実施形態における通知制御装置１０ｇは、推論時にセンシングデータの各々に対して付加される重みの値をユーザが指定することができる構成を備える。このような構成を備えることで、特定のセンシングデータの項目をより考慮するようにユーザが指定することができ、通知制御装置１０ｆは、指定に応じて、推論を行うための情報の活用の度合いを任意に変化させることができる。また、このような構成を備えることで、通知制御装置１０ｇは、ユーザの希望や健康状態及び活動量等を考慮した通知が行われるように、配信装置２０の通知制御を行うことができる。

　また、以上説明したように、本発明の第７の実施形態における通知制御装置１０ｇは、教師あり機械学習によって学習がなされた学習モデルを用いて、ユーザの活動モードを判別することができる。これにより、本発明の第７の実施形態における通知制御装置１０ｇによれば、人々の活動状態に応じて適切な通知制御を行うことが可能になる。

　また、本発明の第７の実施形態における通知制御装置１０ｇは、正解ラベルが付与された教師データを用いて学習する教師あり機械学習を用いてユーザの活動モードを判別する。そのため、第７の実施形態における通知制御装置１０ｇによれば、例えば前述の第１の実施形態における通知制御装置１０のように教師なし機械学習を用いてユーザの活動モードを判別する場合と比べて、より学習精度が高く、より正確にユーザの活動モードを判別することができる。

＜第８の実施形態＞
　前述の第１～７実施形態及び変形例における通知制御装置１０，１０ａ～１０ｇでは、学習実行部１１３，１１３ａ～１１３ｇが、ユーザの活動モード又は使用機器を判別するための学習モデルを、ユーザごとにそれぞれ最適化して生成するように構成される。これに対し、通知制御装置が、これらの個人最適化する機械学習に関する情報を用いて、複数のユーザ全体に対して一般化された学習モデルを生成するように構成されてもよい。

　具体的には、例えば通知制御装置は、各ユーザの活動モードの分布を示す情報とセンシングデータとを学習データとして機械学習を行うことにより、複数のユーザ全体に対して一般化された学習モデルを生成するようにしてもよい。または、例えば通知制御装置は、ユーザごとにそれぞれ最適化して生成された学習モデルの入力値と出力値との組み合わせを教師データとして教師あり機械学習を行うことにより、複数のユーザ全体に対して一般化された学習モデルを生成するようにしてもよい。

　このように、複数のユーザ全体に対して一般化された学習モデルが用いられることによって、例えば、ユーザごとにそれぞれ最適化された学習モデルが用いられる場合と比べて、学習モデルに関する情報を記憶するための記憶媒体（例えば、学習モデル記憶部１１５，１１５ａ～１１５ｇ）の容量を削減することができ、装置コストや運用コスト等を抑制することができる場合があると考えられる。

＜第９の実施形態＞
　前述の第１～７実施形態及び変形例における通知制御装置１０，１０ａ～１０ｇは、判別されたユーザの活動モードに応じて、配信装置２０によるユーザ端末４０への通知の内容やタイミングを制御する通知制御を行うように構成される。但し、通知制御装置による配信装置２０の通知制御は、このような構成に限られるものではなく、例えば以下のように、判別されたユーザの活動モードに応じて更に詳細な通知の制御を行うような構成であってもよい。

　通知制御装置は、例えばある特定のユーザが、現時点で使用中のユーザ端末４０、又は現時点でユーザがユーザ端末４０を使用していない場合には直近に使用していたユーザ端末４０を基本通知端末として認識し、当該基本通知端末を通知対象のユーザ端末４０とするように配信装置２０を制御するようにしてもよい。これにより、ユーザに対してより確実に通知を行うことができる、あるいは、ユーザの手の届く範囲にあり容易に取り出すことができるユーザ端末４０に向けて通知されるため、ユーザに対してより安全に通知を行うことができる場合があると考えられる。

　また、通知制御装置は、例えば上記の基本通知端末の状態がアクティブでないことを検出し、ユーザが歩行中であると推定される場合には、ユーザが使用中のスマートグラスの画面上に通知内容を表示したり、ユーザが使用中のイヤホンに音声で通知をしたり、ユーザが使用中のスマートウォッチの画面上に通知内容を表示したりするように、配信装置２０による通知制御を行ってもよい。これにより、ユーザに対してより確実に通知を行うことができる場合があると考えられる。

　また、通知制御装置は、例えばユーザが自動車等を運転中であると推定される場合には、ユーザの運転操作における集中を切らすことを避けるため、スマートグラスの画面上であってユーザの運転中の視界を遮らない箇所に通知内容を表示させるように配信装置２０による通知制御を行ってもよい。これにより、ユーザに対してより安全に通知を行うことができる場合があると考えられる。

　このように、ユーザの活動モードを考慮して、現時点のユーザがより確認しやすい方法であり、かつ、安全に通知内容を把握できる方法によって通知がなされることが望ましい。

　なお、通知制御装置は、上記のような通知を行った場合、行われた通知方法が適切であったか否かについて、例えば定期的に、ユーザに対して問い合わせを行うようにしてもよい。この場合、例えばユーザからフィードバックされる情報を用いて機械学習を行うことによって、通知方法を決定するためのユーザごとに最適化された学習モデルを生成し、ユーザにとってより適切な通知方法での通知制御を行うことができると考えられる。

　なお、通知制御装置１０又は配信装置２０等に、ユーザ自身による通知方法の指定を可能にする構成が備えられていてもよい。これにより、例えばユーザは、歩行中は通知を音声で行わせるように指定する等、状況に応じた通知方法を指定することができる。なお、通知制御装置１０は、例えば上記のようにユーザ自身が通知方法を指定可能な構成を備えていた場合あっても、行われた通知方法が適切であったか否かについてユーザに対して更に問い合わせを行い、機械学習等を実行することで、各ユーザにとって最適な通知方法の推定精度をより高めることが可能であると考えられる。

　上述した実施形態によれば、判別装置は、センサ情報取得部と、学習実行部と、活動モード判別部とを備える。例えば、判別装置は、実施形態における通知制御装置１０，１０ａ～１０ｇであり、センサ情報取得部は、実施形態における学習データ取得部１１１，１１１ａ、センシングデータ取得部１１１ｂ～１１１ｇ、機器状態取得部１２１，１２１ａ又はセンシングデータ取得部１２１ｂ～１２１ｇであり、学習実行部は、実施形態における学習実行部１１３，１１３ａ～１１３ｇであり、活動モード判別部は、実施形態における活動モード判別部１２４，１２４ｂ～１２４ｇである。

　上記のセンサ情報取得部は、ユーザの近傍にあるセンサで計測されたユーザの活動状態に関するセンシングデータを取得する。例えば、ユーザの近傍にあるセンサとは、実施形態におけるユーザ端末40に搭載された各種センサである。上記の学習実行部は、学習用のセンシングデータを用いて機械学習を行い学習モデルを生成する。上記の活動モード判別部は、学習モデルと推論用のセンシングデータとに基づいて、予め定義された活動状態の分類を表す複数の活動モードのうち、ユーザの現時点の活動モードがいずれであるかを判別する。

　なお、上記の判別装置において、活動モードは、ユーザの立場、周辺環境及び時間帯のうち少なくとも１つに基づいて特定されるユーザの活動状態を表す情報であってもよい。

　なお、上記の判別装置において、複数の活動モードには、少なくとも、ユーザが仕事をしている活動状態あることを示す活動モードと、ユーザが個人的な時間を過ごしている活動状態であることを示す活動モードとが含まれていてもよい。

　なお、上記の判別装置において、センシングデータは、ユーザのバイタル状態を示すデータ、ユーザの位置や行動を示すデータ、及びユーザの周辺環境を示すデータのうち、少なくとも１つを含んでいてもよい。

　なお、上記の判別装置において、ユーザの行動を示すデータは、ユーザが保持する端末の使用状態を示すデータを含んでいてもよい。例えば、ユーザが保持する端末とは、実施形態におけるユーザ端末４０であり、端末の使用状態を示すデータとは、実施形態におけるユーザ端末４０による通信が行われた時間帯（使用時間帯）を示す情報及び通信が連続して行われた時間（連続使用時間）を示す情報等の通信状態を示すデータである。

　なお、上記の判別装置は、変化検出部と、活動モード確認部とをさらに備えていてもよい。例えば、変化検出部は、実施形態における変化検出部１１６，１１６ｃであり、活動モード確認部は、実施形態における活動モード確認部１１４ｃ，１１８、活動モード取得部１１８ｄ～１１８ｇである。この場合、変化検出部は、センシングデータが示す特徴量の時系列の変化を検出する。活動モード確認部は、変化検出部によって変化が検出された場合、ユーザの現時点の活動モードを示す情報の入力をユーザが保持する端末に対して要求し、取得された活動モードを示す情報を機械学習で用いられる学習データに追加する。例えば、ユーザが保持する端末は、実施形態におけるユーザ端末４０である。

　なお、上記の判別装置は、判別結果出力部をさらに備えていてもよい。例えば、判別結果出力部は、実施形態における判別結果出力部１３である。この場合、判別結果出力部は、活動モード判別部によって判別されたユーザの現時点の活動モードを示す情報を、現時点の活動モードに応じた通知情報をユーザが保持する端末へ配信する配信装置へ出力する。例えば、ユーザが保持する端末は、実施形態におけるユーザ端末４０であり、配信装置は、実施形態における配信装置２０である。

　上述した実施形態における通知制御装置１０，１０ａ～１０ｇの構成の一部又は全部をコンピュータで実現するようにしてもよい。その場合、この機能を実現するためのプログラムをコンピュータ読み取り可能な記録媒体に記録して、この記録媒体に記録されたプログラムをコンピュータシステムに読み込ませ、実行することによって実現してもよい。なお、ここでいう「コンピュータシステム」とは、ＯＳや周辺機器などのハードウェアを含むものとする。また、「コンピュータ読み取り可能な記録媒体」とは、フレキシブルディスク、光磁気ディスク、ＲＯＭ、ＣＤ－ＲＯＭなどの可搬媒体、コンピュータシステムに内蔵されるハードディスクなどの記憶装置のことをいう。さらに「コンピュータ読み取り可能な記録媒体」とは、インターネットなどのネットワークや電話回線などの通信回線を介してプログラムを送信する場合の通信線のように、短時間の間、動的にプログラムを保持するもの、その場合のサーバやクライアントとなるコンピュータシステム内部の揮発性メモリのように、一定時間プログラムを保持しているものも含んでもよい。また上記プログラムは、前述した機能の一部を実現するためのものであってもよく、さらに前述した機能をコンピュータシステムにすでに記録されているプログラムとの組み合わせで実現できるものであってもよく、ＦＰＧＡ（Field Programmable Gate Array）などのプログラマブルロジックデバイスを用いて実現されるものであってもよい。

　以上、この発明の実施形態について図面を参照して詳述してきたが、具体的な構成はこの実施形態に限られるものではなく、この発明の要旨を逸脱しない範囲の設計なども含まれる。

１…通知システム、１０，１０ａ～１０ｇ…通知制御装置、１１，１１ａ～１１ｇ…学習部、１２，１２ａ～１２ｇ…推論部、１３，１３ｃ，１３ｄ…判別結果出力部、２０…配信装置、４０…ユーザ端末、５０…ネットワーク、１１１，１１１ａ…学習データ取得部、１１１ｂ～１１１ｇ…センシングデータ取得部、１１２，１１２ａ，１１２ｂ，１１１ｄ～１１２ｇ…学習データ記憶部、１１２ｃ…センシングデータ記憶部、１１３，１１３ａ～１１３ｇ…学習実行部、１１４…機器種別登録部、１１４ｃ…活動モード確認部、１１５，１１５ａ～１１５ｇ…学習モデル記憶部、１１６，１１６ｃ…変化検出部、１１７…センシングデータ記憶部、１１８…活動モード確認部、１１８ｄ～１１８ｇ…活動モード取得部、１１９…センシングデータ指定部、１２１，１２１ａ…機器状態取得部、１２１ｂ～１２１ｇ…センシングデータ取得部、１２２，１２２ａ…機器特定部、１２３…位置情報取得部、１２４，１２４ｂ～１２４ｇ…活動モード判別部、１２５…判別ルール記憶部、１２６，１２６ｅ…活動モード確認部、１２７…センシングデータ指定部、１２８…指定項目記憶部、１２８ｇ…重み付け情報記憶部、１２９…重み付け指定部

Claims (8)

1. 　ユーザの近傍にあるセンサで計測された前記ユーザの活動状態に関するセンシングデータを取得するセンサ情報取得部と、
   　学習用の前記センシングデータを用いて機械学習を行い学習モデルを生成する学習実行部と、
   　前記学習モデルと推論用の前記センシングデータとに基づいて、予め定義された前記活動状態の分類を表す複数の活動モードのうち、前記ユーザの現時点の前記活動モードがいずれであるかを判別する活動モード判別部と、
   　を備える判別装置。
2. 　前記活動モードは、前記ユーザの立場、周辺環境及び時間帯のうち少なくとも１つに基づいて特定される前記ユーザの前記活動状態を表す情報である
   　請求項１に記載の判別装置。
3. 　複数の前記活動モードには、少なくとも、前記ユーザが仕事をしている前記活動状態あることを示す前記活動モードと、前記ユーザが個人的な時間を過ごしている前記活動状態であることを示す前記活動モードとが含まれる
   　請求項１に記載の判別装置。
4. 　前記センシングデータは、前記ユーザのバイタル状態を示すデータ、前記ユーザの位置や行動を示すデータ、及び前記ユーザの周辺環境を示すデータのうち、少なくとも１つを含む
   　請求項１に記載の判別装置。
5. 　前記ユーザの行動を示すデータは、前記ユーザが保持する端末の使用状態を示すデータを含む
   　請求項４に記載の判別装置。
6. 　前記センシングデータが示す特徴量の時系列の変化を検出する変化検出部と、
   　前記変化検出部によって前記変化が検出された場合、前記ユーザの現時点の前記活動モードを示す情報の入力を前記ユーザが保持する端末に対して要求し、取得された前記活動モードを示す情報を前記機械学習で用いられる学習データに追加する活動モード確認部と、
   　をさらに備える請求項１に記載の判別装置。
7. 　前記活動モード判別部によって判別された前記ユーザの現時点の前記活動モードを示す情報を、現時点の前記活動モードに応じた通知情報を前記ユーザが保持する端末へ配信する配信装置へ出力する判別結果出力部
   　をさらに備える請求項１から６のうちいずれか一項に記載の判別装置。
8. 　コンピュータによる判別方法であって、
   　ユーザの近傍にあるセンサで計測された前記ユーザの活動状態に関するセンシングデータを取得するセンサ情報取得ステップと、
   　学習用の前記センシングデータを用いて機械学習を行い学習モデルを生成する学習実行ステップと、
   　前記学習モデルと推論用の前記センシングデータとに基づいて、予め定義された前記活動状態の分類を表す複数の活動モードのうち、前記ユーザの現時点の前記活動モードがいずれであるかを判別する活動モード判別ステップと、
   　を備える判別方法。

Images