JP6784499B2 - 決定装置、決定方法及び決定プログラム - Google Patents

Description

本発明は、決定装置、決定方法及び決定プログラムに関する。

従来、利用者から取得した生体情報に基づいて利用者の心理状況や感情を判定し、判定した利用者の心理状況や感情に応じたサービスの提供を行う技術が知られている。このような技術の一例として、特定した利用者の感情に基づいて、再生する楽曲を変化させる技術や、利用者が閲覧している映画の中から利用者にとって重要なシーンを特定する技術などが知られている。

特許第４０５２２７４号 特開２００３−２４８７６８号公報

しかしながら、上記の従来技術では、利用者にとって適切なサービスの提供を行うことができない場合がある。

例えば、上述した技術では、利用者の感情に基づいて、決め打ちで設定されたサービスの提供を行っているに過ぎない。このため、従来技術では、利用者が不快に思うサービスを提供してしまう恐れがある。

本願は、上記に鑑みてなされたものであって、利用者にとって適切なサービスの提供を行うことを目的とする。

本願に係る決定装置は、利用者の行動と、当該行動が行われた際に所定の生体情報取得装置が前記利用者から収集した生体情報との関係性を学習したモデルを取得する取得部と、前記取得部により取得されたモデルを用いて、新たに取得された前記利用者の行動または生体情報の少なくともいずれか一方に基づくサービスを、当該利用者に対して提供するサービスとして決定する決定部ととを有することを特徴とする。

実施形態の一態様によれば、利用者にとって適切なサービスの提供を行うことができる。

図１は、実施形態に係る情報配信装置が実行する処理の一例を示す図である。 図２は、実施形態に係る情報配信装置が有する機能構成の一例を示す図である。 図３は、実施形態に係る利用者情報データベースに登録される情報の一例を示す図である。 図４は、実施形態に係る学習モデルデータベースに登録される情報の一例を示す図である。 図５は、実施形態に係る配信コンテンツデータベースに登録される情報の一例を示す図である。 図６は、実施形態に係る情報配信装置が実行する学習処理の流れの一例を説明するフローチャートである。 図７は、実施形態に係る情報配信装置が実行する決定処理の流れの一例を説明するフローチャートである。 図８は、実施形態に係る情報配信装置が提供するコンテンツの一例を示す図である。 図９は、実施形態に係る情報配信装置が提供するサービスの一例を示す図である。 図１０は、ハードウェア構成の一例を示す図である。

以下に、本願に係る決定装置、決定方法及び決定プログラムを実施するための形態（以下、「実施形態」と呼ぶ。）について図面を参照しつつ詳細に説明する。なお、この実施形態により本願に係る決定装置、決定方法及び決定プログラムが限定されるものではない。また、以下の各実施形態において同一の部位には同一の符号を付し、重複する説明は省略される。

〔１．配信装置の一例〕
まず、図１を用いて、決定装置の一例である情報配信装置１０の一例について説明する。図１は、実施形態に係る情報配信装置が実行する処理の一例を示す図である。図１では、情報配信装置１０が実行する処理の一例として、利用者Ｕ０１が装着するウェアラブルデバイスが取得した利用者Ｕ０１の生体情報と、通信ネットワークを介して特定可能な利用者Ｕ０１の行動（以下、「ウェブ行動」と記載する。）とを収集し、収集した生体情報とウェブ行動との関連性を学習する学習処理と、学習処理の結果を用いて、利用者Ｕ０１から取得した生体情報またはウェブ行動に基づいて、利用者の状態に応じたサービスの内容を決定する決定処理との一例について説明する。

図１に示す情報配信装置１０は、図示しないネットワーク（例えば、インターネット）を介して、利用者Ｕ０１が使用する端末装置１００と通信可能に接続されており、例えば、サーバ装置等の情報処理装置やクラウドシステム等によって実現される。

端末装置１００は、利用者Ｕ０１によって利用される情報処理装置であり、利用者が動画像、ニュースサイト、コラム、ＳＮＳ（Social Networking Service）、ブログ、マイクロブログ等、任意のコンテンツを閲覧するために利用される。具体例を挙げると、端末装置１００は、スマートフォンやタブレット端末やＰＤＡ（Personal Digital Assistant）等の移動端末や、デスクトップ型ＰＣ（Personal Computer）や、ノート型ＰＣ等である。

ウェアラブルデバイスＷＤ０１は、利用者が装着可能な情報処理装置であり、例えば、眼鏡型や腕時計型の情報処理装置である。また、ウェアラブルデバイスＷＤ０１は、利用者の脳波、脈拍、血圧、発汗量、利用者Ｕ０１の動きなど、利用者から任意の生体情報を取得可能な装置、すなわち、生体情報取得装置である。なお、ウェアラブルデバイスＷＤ０１は、眼鏡型や腕時計型に限定されるものではない。すなわち、ウェアラブルデバイスＷＤ０１は、利用者の生体情報を取得することができるものであれば、任意の形状の端末装置であってもよく、また、利用者Ｕ０１が装着しない装置であってもよい。

〔１−１．学習処理および決定処理〕
ここで、利用者の生体情報に基づくサービスの提供を決め打ちで行った場合には、利用者Ｕ０１に対して不快なサービスを提供してしまう恐れがある。例えば、利用者Ｕ０１の気分に応じて利用者にサービスの提供を行う技術の一例として、利用者Ｕ０１の気分が落ち込んでいる際に、利用者Ｕ０１を元気づけるようなサービスを提供する旨が想定されうる。しかしながら、利用者Ｕ０１の性格によっては、落ち込んでいる際に気分を元気づけるようなサービスよりも、気分を落ち着かせるようなサービスを所望する場合があると予測される。このため、利用者Ｕ０１の気分に基づいて、利用者Ｕ０１に提供するサービスを決め打ちで設定した場合には、利用者Ｕ０１が不快に思うサービスの提供を行ってしまう恐れがある。

そこで、情報配信装置１０は、以下の学習処理および決定処理を実行する。まず、情報配信装置１０は、以下の学習処理を実行する。まず、情報配信装置１０は、端末装置１００により取得された利用者Ｕ０１のウェブ行動と、そのウェブ行動が行われた際にウェアラブルデバイスＷＤ０１が取得した利用者Ｕ０１の生体情報との組を学習データとして収集する。そして、情報配信装置１０は、収集したウェブ行動と生体情報との関係性を学習したモデルを生成する。すなわち、情報配信装置１０は、利用者Ｕ０１の気分（感情）に応じたウェブ行動の傾向を学習したモデルを生成する。

続いて、情報配信装置１０は、以下の決定処理を実行する。まず、情報配信装置１０は、利用者Ｕ０１に対してサービスの提供を行う際に、利用者Ｕ０１が行ったウェブ行動または利用者Ｕ０１から取得された生体情報の少なくともいずれか一方を取得する。そして、情報配信装置１０は、利用者Ｕ０１のウェブ行動と生体情報との関係性を学習したモデルを取得するとともに、取得したモデルを用いて、新たに取得されたウェブ行動または生体情報に基づくサービスを、利用者Ｕ０１に対して提供するサービスとして決定する。

ここで、ウェブ行動とは、インターネット等、任意の通信ネットワークを介して特定可能な利用者Ｕ０１の行動である。このようなウェブ行動は、例えば、利用者Ｕ０１が閲覧したウェブコンテンツがどのウェブコンテンツであるか、利用者Ｕ０１が閲覧したウェブコンテンツの種別がどのような種別であるか、利用者Ｕ０１が閲覧したウェブコンテンツの内容がどのような内容であるか等を示す情報である。また、例えば、ウェブ行動は、ウェブコンテンツに含まれるリンクを選択したか否か、どのリンクを選択したか、ウェブコンテンツに含まれる広告の閲覧や選択を行ったか否か、どの広告を選択したか等といった情報を示す情報である。また、例えば、ウェブ行動は、利用者がウェブコンテンツを視聴中にスクロール操作を行ったか否か、スクロール操作の量、スクロール操作の速さ、利用者がウェブコンテンツをタップした位置やタイミング、タップの強さや回数等を示す情報である。また、例えば、ウェブ行動は、利用者が入力した検索クエリの内容等であってもよい。また、ウェブ行動は、通信が発生しないアプリケーションの実行時において利用者Ｕ０１が行った操作のログ等であってもよい。すなわち、ウェブ行動は、インターネット等のネットワークを介して任意の装置から取得可能な情報であって、利用者の行動を示す情報、すなわち、利用者の行動を示す行動履歴であれば、任意の情報をウェブ行動として取得し、以下に説明する処理に使用してよい。

一方、利用者Ｕ０１から取得された生体情報は、利用者の気分を推定する際の指標となりえる。例えば、利用者Ｕ０１から取得された脳波、脈拍、血圧、発汗量等に基づいて、利用者Ｕ０１の気分（感情）をマルチモーダルに推定する技術が知られている。このような推定の指標となる生体情報と関連付けられたウェブ行動は、利用者Ｕ０１がどのような気分の際にどのようなウェブ行動を行っていたかを示すことができる。このようなウェブ行動と生体情報との関係性、すなわち、学習データが有する関係性は、利用者Ｕ０１がどのような気分の際にどのようなサービスを提供すればよいかの指標となりえる。

例えば、利用者Ｕ０１がどのような気分の際にどのような種別のウェブコンテンツを閲覧したのかを示す学習データは、利用者Ｕ０１がどのような気分の際にどのような種別のウェブコンテンツを好んで視聴するかを判断する指標となりえる。また、このような学習データは、利用者がどのような種別のウェブコンテンツを閲覧した際にどのような気分になるかを判断する指標となりえる。また、利用者Ｕ０１がどのような気分の際に広告を閲覧したり広告を選択するかを示す学習データは、利用者Ｕ０１がどのような気分の際に広告を提供すればよいかを判断する指標となりえる。また、利用者Ｕ０１がどのような気分の際に、どのようなスクロール操作やタップ操作を行ったかを示す学習データは、利用者が行ったスクロール操作やタップ操作の内容に基づいて、利用者がどのような気分であるかを判断する指標となりえる。

より具体的な例を挙げると、利用者Ｕ０１が所定のウェブコンテンツを閲覧していた際に取得された生体情報が、利用者Ｕ０１の機嫌がよい旨を示している場合には、所定のウェブコンテンツに類似する種別のコンテンツを利用者Ｕ０１に提供することで、利用者Ｕ０１の印象を良くすることができると考えられる。また、利用者Ｕ０１の機嫌が悪い際に、利用者Ｕ０１が速いスクロール操作を行っていた場合やタップ操作を何度も行っていた場合には、利用者Ｕ０１のスクロール操作が速い場合やタップ操作が何度も行われている際に、利用者Ｕ０１の機嫌が悪いと予測されるため、広告コンテンツ等の提供を控えるべきであると判断できる。また、利用者Ｕ０１の機嫌が悪い際に、操作をキャンセルする操作を何度も誤った操作を何度も行っていた場合には、利用者によりシンプルなＵＩ（User Interface）を有するコンテンツを提供した方がよいと判断できる。

このように、利用者Ｕ０１のウェブ行動と、そのウェブ行動が行われた際に利用者Ｕ０１から取得された生体情報との関連性は、利用者Ｕ０１のウェブ行動と利用者Ｕ０１の気分との関連性を示唆する情報となりえる。そして、このような情報は、利用者Ｕ０１の気分がどのような状態の際に、利用者にどのようなウェブサービスを提案すればよいかの指標になるとともに、利用者Ｕ０１がどのようなウェブ行動を行った際に、利用者Ｕ０１の気分を推定し、推定結果に基づいて、どのようなウェブサービスを提案すればよいかの指標となりえる。

そこで、情報配信装置１０は、利用者Ｕ０１のウェブ行動と生体情報との関連性を学習したモデルを生成する。そして、情報配信装置１０は、利用者Ｕ０１から新たな生体情報を取得した場合には、生成したモデルを用いて、新たに取得された生体情報と関連性を有するウェブ行動を特定し、特定したウェブ行動に基づくサービスを、利用者Ｕ０１に対して提供するサービスとして決定する。より具体的には、情報配信装置１０は、新たに取得された生体情報と関連性を有するウェブ行動として、ニュースに関するウェブコンテンツの閲覧をモデルが学習していた場合には、利用者Ｕ０１に対し、ニュースに関するウェブコンテンツの提案や提供を行う。

一方、情報配信装置１０は、利用者Ｕ０１から新たなウェブ行動を取得した場合には、取得されたウェブ行動と関連性を有する生体情報を特定する。そして、情報配信装置１０は、特定した生体情報に基づいて、利用者に対して提供するサービスを決定する。例えば、情報配信装置１０は、特定した生体情報と関連性を有するウェブ行動を特定し、特定したウェブ行動に基づいて、利用者Ｕ０１に対するサービスの内容を決定する。より具体的には、情報配信装置１０は、利用者Ｕ０１のウェブ行動から、利用者Ｕ０１の気分を推定するとともに、推定した気分の際の利用者Ｕ０１が行うウェブ行動を特定し、特定したウェブ行動に基づいて、利用者Ｕ０１に対して提供するサービスの内容を決定する。

すなわち、情報配信装置１０は、利用者Ｕ０１のウェブ行動と生体情報との関連性を学習したモデルを用いて、利用者Ｕ０１の新たなウェブ行動または利用者Ｕ０１から新たに取得された生体情報に基づくサービス、すなわち、利用者の状態に応じたサービスを決定する。そして、情報配信装置１０は、決定したサービスを利用者Ｕ０１に対して提供する。

〔１−２．学習内容について〕
上述したように、情報配信装置１０は、利用者Ｕ０１のウェブ行動と生体情報との関連性を学習したモデルを用いて、利用者Ｕ０１の新たなウェブ行動または利用者Ｕ０１から新たに取得された生体情報に基づくサービスを決定する。ここで、情報配信装置１０は、学習処理においては、ウェブ行動と生体情報とが有する任意の関連性を学習してよい。

例えば、情報配信装置１０は、ウェブ行動と生体情報が示す利用者Ｕ０１の感情との関連性を学習したモデルを生成してもよい。例えば、情報配信装置１０は、利用者Ｕ０１が閲覧するコンテンツの種別や内容と、その種別のコンテンツを閲覧した際に取得された生体情報との関連性を学習したモデルを生成してもよい。また、例えば、情報配信装置１０は、利用者Ｕ０１がコンテンツの閲覧中に行った操作の内容と、その操作が行われた際に取得された生体情報との関連性を学習したモデルを生成してもよい。また、例えば、情報配信装置１０は、利用者Ｕ０１がコンテンツの閲覧中に行った操作をキャンセルする操作の内容と、その操作が行われた際に取得された生体情報との関連性を学習したモデルを生成してもよい。

このようなモデルは、利用者Ｕ０１の新たなウェブ行動から利用者Ｕ０１の感情を推定することができる。さらに、このようなモデルは、利用者Ｕ０１がどのような感情を有する際にどのようなウェブ行動を行っているかを示すことができる。すなわち、情報配信装置１０は、ウェブ行動と生体情報との関係性を学習することにより、利用者Ｕ０１がどのような気分の際にどのような行動を行っているかを学習したモデルを生成することができる。このようなモデルは、例えば、利用者Ｕ０１が落ち着いている際に閲覧または視聴しているウェブコンテンツ、利用者Ｕ０１が興奮している際に閲覧または視聴しているウェブコンテンツ、利用者Ｕ０１が悲しんでいる際に閲覧または視聴しているウェブコンテンツ等の種別や内容を示すことができる。また、このようなモデルは、利用者Ｕ０１落ち着いている際、興奮している際、悲しんでいる際等の操作を示すことができる。

このため、情報配信装置１０は、生成したモデルを用いて、新たに取得した生体情報から利用者Ｕ０１の感情を推定するとともに、推定した感情を有する際に利用者がどのようなウェブ行動を行っているかを特定し、特定したウェブ行動に応じて、新たに利用者に対して提供するサービスの決定を行うことができる。例えば、情報配信装置１０は、利用者Ｕ０１が落ち込んでいる際に、利用者Ｕ０１を落ち着かせるようなウェブコンテンツを好んで閲覧または視聴している旨を学習したモデルを生成できる。この結果、情報配信装置１０は、利用者Ｕ０１が落ち込んでいる際に、利用者Ｕ０１を落ち着かせるウェブコンテンツの提供や提案を行うことができる。

〔１−３．サービスの内容について〕
ここで、情報配信装置１０は、任意の内容のサービスを利用者Ｕ０１に対して提供してよい。例えば、情報配信装置１０は、利用者に対してサービスを提供するか否かの決定を行ってもよい。また、例えば、情報配信装置１０は、利用者Ｕ０１に対して提供するウェブコンテンツの決定を行ってもよく、利用者Ｕ０１に対して提供するウェブコンテンツの種別や内容を決定してもよい。例えば、情報配信装置１０は、利用者Ｕ０１から新たに取得した生体情報やウェブ行動から、利用者Ｕ０１が落ち着いていると推定可能な場合には、利用者Ｕ０１が落ち着いている際に閲覧しているウェブコンテンツと同種のウェブコンテンツを提供してもよい。

また、利用者がスクロール操作を何度も行っている場合や、戻るボタンを押下する等、前回の操作をキャンセルする操作を何度も行っている場合には、よりシンプルなウェブコンテンツを提供した方がよいと予測される。そこで、情報配信装置１０は、利用者Ｕ０１に対して提供するウェブコンテンツに含まれる情報量の決定や、ウェブコンテンツ内のＵＩの決定を行ってもよい。また、情報配信装置１０は、利用者に対して提供する広告の内容等、利用者に提案する情報を決定してもよい。

また、情報配信装置１０は、ＩｏＴ（Internet of Things）の技術を用いて、利用者Ｕ０１の周囲の環境を変化させてもよい。具体的には、情報配信装置１０は、利用者Ｕ０１が使用している照明機器の明るさや、利用者Ｕ０１が視聴している音楽の音量等、利用者に対して提供する環境を決定し、決定した環境を再現するように、照明機器や音響装置を制御してもよい。

〔１−４．広告の提供について〕
また、情報配信装置１０は、利用者Ｕ０１に提供する広告の内容や、広告の提供タイミングを決定してもよい。例えば、情報配信装置１０は、ウェブ行動として利用者Ｕ０１が広告を閲覧したタイミング、広告を選択したタイミング、閲覧または選択した広告の種別や内容を収集する。そして、情報配信装置１０は、収集したウェブ行動と利用者Ｕ０１の生体情報との関連性を学習したモデルを生成する。このようなモデルは、利用者Ｕ０１がどのような際に広告を閲覧または選択したか、どのような広告を好んで閲覧または選択したか、どのような広告を好まなかったか等といった情報、すなわち広告と利用者の感情との関係性の指標となりえる。

そこで、情報配信装置１０は、新たに取得した利用者の生体情報に基づいて、利用者Ｕ０１の感情を推定し、推定した感情に基づいて、広告を配信するか否かや、どのような広告を配信するかを決定してもよい。例えば、情報配信装置１０は、モデルを用いて、新たに取得された利用者Ｕ０１の生体情報と関連性を有する広告の内容や種別、広告を選択したタイミングを特定する。すなわち、情報配信装置１０は、過去に利用者Ｕ０１が同様の気分や感情を有する際に選択した広告の内容や種別、利用者Ｕ０１が広告を選択したタイミング等を特定する。そして、情報配信装置１０は、特定した内容や種別の広告を、特定したタイミングで配信してもよい。

〔１−５．学習処理および決定処理の一例〕
次に、図１を用いて、情報配信装置１０が実行する学習処理および決定処理の一例について説明する。まず、情報配信装置１０が実行する学習処理の一例について説明する。例えば、図１中（Ａ）に示すように、ウェアラブルデバイスＷＤ０１は、利用者Ｕ０１の生体情報を収集する。また、図１中（Ｂ）に示すように、端末装置１００は、利用者のウェブ行動をログとして収集する。そして、情報配信装置１０は、利用者Ｕ０１のウェブ行動と、そのウェブ行動が行われた際に収集された生体情報との組み合わせを学習データとして収集する（ステップＳ１）。

なお、学習データは、例えば、ウェアラブルデバイスＷＤ０１が収集した生体情報を端末装置１００が取得し、取得した生体情報とウェブ行動とを対応付けて情報配信装置１０へと送信してもよい。また、学習データは、例えば、端末装置１００とウェアラブルデバイスＷＤ０１とがそれぞれ個別に生体情報とウェブ行動とを情報配信装置１０に送信し、情報配信装置１０側で、ウェブ行動とそのウェブ行動が行われた際に取得された生体情報とを対応付けることで生成されてもよい。

そして、情報配信装置１０は、収集した利用者のウェブ行動と生体情報との関係性を学習したモデルを生成する（ステップＳ２）。例えば、情報配信装置１０は、利用者が閲覧したコンテンツの内容や種別、利用者が選択したコンテンツの内容や種別、コンテンツに対する各種の操作の内容等といったウェブ行動と、利用者の生体情報との関係性とを学習したモデルを生成する。より具体的には、情報配信装置１０は、どのようなウェブ行動が行われた際にどのような生体情報が取得されたかというウェブ行動と生体情報との共起性を学習したモデルを生成する。

なお、情報配信装置１０は、任意の形式のモデルを学習してよい。例えば、情報配信装置１０は、ニューラルネットワークやディープラーニングの技術を用いて、ウェブ行動と生体情報との関係性を学習してもよい。また、情報配信装置１０は、学習データを正解データとして用いることで、入力されたデータを線形分離する複数のモデルの学習を行ってもよい。例えば、情報配信装置１０は、学習データに含まれる生体情報から利用者の感情を推定し、推定した感情を有する際に利用者が所定のコンテンツを閲覧していたか否かを判断するモデルの学習を行ってもよい。

続いて、情報配信装置１０が実行する決定処理の一例について説明する。まず、図１中（Ｃ）に示すように、ウェアラブルデバイスＷＤ０１は、利用者の生体情報を収集する。また、図１中（Ｄ）に示すように、端末装置１００は、利用者のウェブ行動を収集する。そして、情報配信装置１０は、利用者のウェブ行動および生体情報の少なくとも一方を取得する（ステップＳ３）。

そして、情報配信装置１０は、学習処理で生成したモデルを用いて、取得した情報に基づくサービス、すなわち、利用者の状態に応じた提供サービスを決定する（ステップＳ４）。例えば、情報配信装置１０は、モデルを用いて、新たに取得した利用者Ｕ０１の生体情報と関連性を有するウェブ行動を特定し、特定したウェブ行動に基づいて、利用者に対して提供するサービスを決定する。また、他の例では、情報配信装置１０は、モデルを用いて、新たに取得した利用者Ｕ０１のウェブ行動と関連性を有する生体情報を特定し、特定した生体情報と関連性を有する他のウェブ行動を特定する。そして、情報配信装置１０は、特定したウェブ行動に基づいて、利用者に対して提供するサービスを決定する。すなわち、情報配信装置１０は、特定した生体情報やウェブ行動に基づいて、利用者Ｕ０１の状態を推定し、推定した状態と同様の状態の際に利用者Ｕ０１が行ったウェブ行動を特定する。そして、情報配信装置１０は、特定したウェブ行動から利用者Ｕ０１に提供するサービスである提供サービスを決定する。

例えば、情報配信装置１０は、利用者Ｕ０１の状態に応じたＵＩや内容のウェブコンテンツを利用者Ｕ０１が使用する端末装置１００等に配信する（ステップＳ５）。このような処理の結果、例えば、情報配信装置１０は、利用者Ｕ０１が落ち込んでいる際には、利用者Ｕ０１が落ち込んでいる際によく閲覧または選択するウェブコンテンツと同種のウェブコンテンツを配信することができる。

また、情報配信装置１０は、利用者Ｕ０１の状態に応じて、利用者Ｕ０１の近傍にある照明機器の制御を行ってもよい（ステップＳ６）。例えば、情報配信装置１０は、利用者Ｕ０１のウェブ行動や生体情報から、利用者Ｕ０１が現在の状況と類似する状況の際に行っていたウェブ行動を特定する。そして、情報配信装置１０は、特定したウェブ行動に基づいて、照明機器や音響装置の制御を行う。例えば、情報配信装置１０は、特定したウェブ行動が、利用者が情報量の多いウェブコンテンツを閲覧している旨を示す場合には、照明機器の明るさを増大させたり、音響装置の音量を小さくしてもよい。また、例えば、情報配信装置１０は、特定したウェブ行動が、利用者が落ち着いた曲を聴いている旨を示す場合には、照明機器の明るさを暗くしたりしてもよい。

〔２．情報配信装置の構成〕
次に、上述した実施形態にかかる情報配信装置１０の構成について説明する。図２は、実施形態に係る情報配信装置が有する機能構成の一例を示す図である。図２に示すように、情報配信装置１０は、通信部２０、記憶部３０、および制御部４０を有する。通信部２０は、例えば、ＮＩＣ（Network Interface Card）等によって実現される。そして、通信部２０は、ネットワークＮと有線または無線で接続され、照明機器や音響装置を制御する家電制御システム６０、および端末装置１００との間で情報の送受信を行う。

記憶部３０は、例えば、ＲＡＭ（Random Access Memory)、フラッシュメモリ（Flash Memory）等の半導体メモリ素子、または、ハードディスク、光ディスク等の記憶装置によって実現される。また、記憶部３０は、利用者情報データベース３１、学習モデルデータベース３２、および配信コンテンツデータベース３３（以下、「各データベース３１〜３３」と総称する場合がある。）を有する。

以下、図３〜図５を用いて、各データベース３１〜３３に登録される情報の一例について説明する。なお、図３〜図５に示す例では、各データベース３１〜３３に登録される情報の一例として「生体情報＃１」や「ウェブ行動＃１」等といった概念的な値を記載したが、実施形態は、これに限定されるものではなく、実際には、各データベース３１〜３３には、利用者から取得した脳波や脈拍の値等といった生体情報のデータや、利用者Ｕ０１が閲覧したウェブコンテンツの種別や内容等の各種データが登録されるものとする。また、図３〜図５に示す各データベース３１〜３３は、あくまで一例であり、各データベース３１〜３３には、学習処理および決定処理に用いる他の情報が登録されていてもよい。

利用者情報データベース３１には、利用者Ｕ０１から取得した学習データが登録される。例えば、図３は、実施形態に係る利用者情報データベースに登録される情報の一例を示す図である。図３に示すように、利用者情報データベース３１には、「利用者ＩＤ（Identifier）」、「生体情報」、「ウェブ行動ログ」、「日時」といった項目を有する情報が登録される。ここで、「利用者ＩＤ」とは、対応付けられた生体情報の取得元となる利用者を示す識別子である。「生体情報」とは、対応付けられた「利用者ＩＤ」が示す利用者から取得した生体情報である。また、「ウェブ行動ログ」とは、対応付けられた「利用者ＩＤ」が示す利用者のウェブ行動を示すログである。また、「日時」とは、対応付けられた生体情報やウェブ行動が取得された日時を示す情報である。

例えば、図３に示す例では、利用者ＩＤ「利用者＃１」、生体情報「生体情報＃１」、ウェブ行動ログ「ウェブ行動＃１」、日時「２０１６／０１／１２／１０：００：１５」が対応付けて登録されている。このような情報は、利用者ＩＤ「利用者＃１」が示す利用者Ｕ０１から、２０１６年０１月１２日１０時００分１５秒に、生体情報「生体情報＃１」が取得され、利用者Ｕ０１が「ウェブ行動＃１」を行っていた旨を示す。なお、図３に記載するように、利用者情報データベース３１には、複数の利用者から取得した生体情報やウェブ行動が登録されている。

学習モデルデータベース３２は、各利用者の生体情報とウェブ行動との関係性を学習したモデルが登録される。すなわち、学習モデルデータベース３２は、利用者Ｕ０１のウェブ行動と、そのウェブ行動が行われた際にウェアラブルデバイスＷＤ０１が利用者Ｕ０１から収集した生体情報との関係性を学習したモデルを保持する。例えば、図４は、実施形態に係る学習モデルデータベースに登録される情報の一例を示す図である。図４に示すように、学習モデルデータベース３２には、「モデルＩＤ」、「利用者ＩＤ」、「モデルデータ」といった項目を有する情報が登録される。

ここで、「モデルＩＤ」とは、モデルを識別するための識別子である。また、「モデルデータ」とは、対応付けられた利用者ＩＤが示す利用者から取得した生体情報とウェブ行動との関係性を学習したモデルのデータである。例えば、図４に示す例では、モデルＩＤ「モデル＃１」、利用者ＩＤ「利用者＃１」、モデルデータ「モデルデータ＃１」が対応付けて登録されている。このような情報は、モデルＩＤ「モデル＃１」が示すモデルが、利用者ＩＤ「利用者＃１」が示す利用者Ｕ０１から取得した生体情報とウェブ行動との関係性を学習したモデルであり、そのモデルのデータがモデルデータ「モデルデータ＃１」である旨を示す。

配信コンテンツデータベース３３は、利用者Ｕ０１の状態に応じて利用者Ｕ０１に対して配信されるコンテンツが登録される。例えば、図５は、実施形態に係る配信コンテンツデータベースに登録される情報の一例を示す図である。図５に示すように、配信コンテンツデータベース３３には、「コンテンツＩＤ」、「属性情報」、「気分」といった項目を有する情報が登録される。ここで、「コンテンツＩＤ」とは、配信されるコンテンツを示す識別子である。また、「属性情報」とは、コンテンツの配信先となる利用者の属性を示す情報である。また、「気分」とは、利用者の気分がどのような際に、対応付けられたコンテンツを配信するかを示す情報である。

例えば、図５に示す例では、配信コンテンツデータベース３３には、コンテンツＩＤ「コンテンツ＃１」、属性情報「３０代、男性」、気分「高揚」が対応付けて登録されている。このような情報は、コンテンツＩＤ「コンテンツ＃１」が示すコンテンツが、属性情報「３０代、男性」と合致する利用者に対して配信されるコンテンツであり、利用者の気分が気分「高揚」である際に配信されるコンテンツである旨を示す。なお、図５では記載を省略したが、配信コンテンツデータベース３３には、図５に示す情報と対応付けて、配信対象となるコンテンツのデータが登録されているものとする。

図２に戻り、説明を続ける。制御部４０は、コントローラ（controller）であり、例えば、ＣＰＵ（Central Processing Unit）、ＭＰＵ（Micro Processing Unit）等のプロセッサによって、情報配信装置１０内部の記憶装置に記憶されている各種プログラムがＲＡＭ等を作業領域として実行されることにより実現される。また、制御部４０は、コントローラ（controller）であり、例えば、ＡＳＩＣ（Application Specific Integrated Circuit）やＦＰＧＡ（Field Programmable Gate Array）等の集積回路により実現されてもよい。

図２に示すように、制御部４０は、収集部４１、学習部４２、取得部４３、および決定部４４を有し、以下に説明する情報処理の機能や作用を実現または実行する。なお、制御部４０の内部構成は、図２に示した構成に限られず、後述する情報処理を行う構成であれば他の構成であってもよい。

収集部４１は、利用者Ｕ０１から学習データを収集する。例えば、収集部４１は、端末装置１００が所定の時間間隔で収集するウェブ行動と、ウェアラブルデバイスＷＤ０１が所定の時間間隔で収集する生体情報とを対応付けた学習データを、端末装置１００から受信する。このような場合、収集部４１は、端末装置１００を使用する利用者を示す利用者ＩＤと、受信した学習データと、学習データが収集された日時とを対応付けて利用者情報データベース３１に登録する。なお、学習データが収集された日時は、ウェブ行動と生体情報とが実際に収集された日時であってもよく、端末装置１００から学習データを受信した日時であってもよい。また、収集部４１は、端末装置１００とウェアラブルデバイスＷＤ０１とからそれぞれ個別にウェブ行動と生体情報とを受信し、取得された日時が近いウェブ行動と生体情報とを対応付けて利用者情報データベース３１に登録してもよい。また、収集部４１は、複数の利用者のそれぞれについて、学習データの収集を行ってもよい。

学習部４２は、収集部４１によって収集された学習データを用いて、生体情報とウェブ行動との関連性を学習したモデルを、利用者ごとに生成し、生成したモデルを学習モデルデータベース３２に登録する。例えば、学習部４２は、所定の学習タイミングで、以下の学習処理を実行する。まず、学習部４２には、利用者情報データベース３１からモデルの学習対象となる利用者の利用者ＩＤと対応付けられた学習データを抽出する。そして、学習部４２は、抽出した学習データを正解データとして利用することで、生体情報とウェブ行動との関係性を学習したモデルを生成する。

ここで、学習部４２は、任意の学習手法により、ウェブ行動と生体情報との関係性を学習したモデルを生成してよい。例えば、学習部４２は、各生体情報から利用者の感情を推定し、ウェブ行動と、推定した感情との関係性を学習したモデルを生成する。また、例えば、学習部４２は、ウェブ行動から利用者Ｕ０１が閲覧するコンテンツの種別を特定し、特定したコンテンツの種別と、そのコンテンツを閲覧した際に取得された生体情報との関係性を学習したモデルを生成してもよい。また、学習部４２は、ウェブ行動から利用者Ｕ０１が閲覧するコンテンツの内容を特定し、特定したコンテンツの内容と、そのコンテンツを閲覧した際に取得された生体情報との関係性を学習したモデルを生成してもよい。また、学習部４２は、利用者Ｕ０１が閲覧中のコンテンツに対して行った操作の内容をウェブ行動から特定し、特定した操作の内容と、その操作が行われた際に取得された生体情報との関係性を学習したモデルを生成してもよい。また、学習部４２は、利用者Ｕ０１が閲覧中のコンテンツに対して行った操作をキャンセルする操作の内容を特定し、特定した操作の内容と、その操作が行われた際に取得された生体情報との関係性を学習したモデルを生成してもよい。

すなわち、学習部４２は、生体情報とウェブ行動との関係性を学習したモデルであれば、任意の態様でモデルの学習を行ってよい。このような学習の態様は、後述する決定部４４により、どのようなサービスを利用者に提供するかに応じて決定されうる。また、学習部４２は、生体情報とウェブ行動との関係性をそれぞれ異なる態様で学習した複数のモデルを生成し、生成したモデルを学習モデルデータベース３２に登録してもよい。このような処理を実行することで、情報配信装置１０は、さまざまな態様で提供サービスの決定を行うことができる。

取得部４３は、利用者Ｕ０１のウェブ行動と、ウェブ行動が行われた際にウェアラブルデバイスＷＤ０１から取得された生体情報との関係性を学習したモデルを学習モデルデータベース３２から取得する。そして、取得部４３は、取得したモデルを決定部４４に出力する。

決定部４４は、学習モデルデータベース３２から取得されたモデルを用いて、利用者Ｕ０１から新たに取得されたウェブ行動または生体情報に基づくサービスを、利用者Ｕ０１に対して提供する提供サービスとして決定する。具体的には、決定部４４は、利用者Ｕ０１が使用する端末装置１００から新たなウェブ行動を取得、若しくは、ウェアラブルデバイスＷＤ０１から利用者Ｕ０１の生体情報を新たに取得する。そして、決定部４４は、取得部４３から受付けたモデルを用いて、提供サービスを決定する。

以下、決定部４４が実行する決定処理の例について説明するが、実施形態は、これに限定されるものではない。すなわち、決定部４４は、利用者Ｕ０１から新たに取得されたウェブ行動または生体情報に基づき、利用者Ｕ０１に対して提供する提供サービスを決定するのであれば、任意の態様で決定処理を実行してよい。

例えば、決定部４４は、利用者Ｕ０１から新たに取得されたウェブ行動または生体情報が示す利用者の感情に基づくサービスを、利用者Ｕ０１に対して提供するサービスとして決定する。具体的な例を挙げると、決定部４４は、利用者Ｕ０１から生体情報を新たに取得した場合は、取得した生体情報から利用者Ｕ０１の感情を推定し、利用者Ｕ０１の感情とウェブ行動との関係性を学習した利用者Ｕ０１のモデルを用いて、推定した感情と対応するウェブ行動を特定する。そして、決定部４４は、特定したウェブ行動に基づいて、利用者Ｕ０１にサービスを提供するか否か、利用者Ｕ０１に対して提供するウェブコンテンツの内容、ウェブコンテンツ内に含まれる情報量、利用者Ｕ０１に対して提案する情報の内容等を決定する。例えば、決定部４４は、特定したウェブ行動が示すウェブコンテンツと種別や内容が類似するウェブコンテンツを配信する旨を決定してもよい。また、決定部４４は、ウェブ行動が示す利用者Ｕ０１の行動に基づいて、利用者Ｕ０１に対して提供する環境を決定してもよい。このように、決定部４４は、推定した利用者Ｕ０１の感情に基づいて提供サービスを決定するのではなく、推定した感情と関係性を有するウェブ行動、すなわち、利用者Ｕ０１が推定した感情を有する際に実際に行ったウェブ行動に基づいて、提供サービスの決定を行う。

なお、決定部４４は、利用者Ｕ０１から新たにウェブ行動を取得した場合には、モデルを用いて、ウェブ行動と関係性を有する利用者Ｕ０１の生体情報を特定し、特定した生体情報と関係性を有するウェブ行動をモデルからさらに特定する。そして、決定部４４は、特定したウェブ行動に基づくサービスを提供サービスとして決定してもよい。このような処理を実行することで、決定部４４は、現在の利用者Ｕ０１のウェブ行動に基づいて、決め打ちのサービスを提供するのではなく、そのウェブ行動から利用者Ｕ０１の感情などの状態を推定し、利用者Ｕ０１が過去にその状態であった際に行ったウェブ行動に基づいて、利用者に提供するサービスを決定することができる。

なお、決定部４４は、様々な学習形態に基づいて生成されたモデルを用いて、サービスの決定を行ってもよい。例えば、決定部４４は、ウェブ行動として、利用者が閲覧したコンテンツの内容や種別と生体情報との関係性が学習されていた場合には、利用者が新たに閲覧するコンテンツまたは生体情報に基づいて、利用者に対して提供されるサービスを決定してもよい。また、決定部４４は、ウェブ行動として、利用者が行った操作やその操作をキャンセルする操作と生体情報との関係性が学習されていた場合には、利用者が行った操作やその操作をキャンセルする操作、または、生体情報に基づいて、利用者に対して提供するサービスを決定してもよい。

そして、決定部４４は、決定したサービスを利用者Ｕ０１に対して提供する。例えば、決定部４４は、モデルを用いて特定したウェブ行動、すなわち、サービスの決定の指標となるウェブ行動と類似するコンテンツを配信コンテンツデータベース３３から特定し、特定したコンテンツを利用者Ｕ０１に対して配信してもよい。ここで、決定部４４は、利用者Ｕ０１の属性情報と合致するコンテンツを配信対象としてもよい。また、決定部４４は、利用者Ｕ０１に対して提供されるコンテンツの決定のみならず、照明態様や音楽の再生音量等、利用者Ｕ０１に対して提供する環境を決定し、決定した環境を再現するように、家電制御システム６０に指示を行ってもよい。

〔３．情報配信装置が実行する処理について〕
続いて、情報配信装置１０が実行する処理の流れの一例について説明する。まず、図６を用いて、情報配信装置１０が実行する学習処理の流れの一例について説明する。図６は、実施形態に係る情報配信装置が実行する学習処理の流れの一例を説明するフローチャートである。

例えば、情報配信装置１０は、利用者Ｕ０１のウェアラブルデバイスＷＤ０１が取得した生体情報と、利用者Ｕ０１のウェブ行動とを収集する（ステップＳ１０１）。続いて、情報配信装置１０は、収集した生体情報とウェブ行動との関係性を学習したモデルを生成する（ステップＳ１０２）。そして、情報配信装置１０は、生成したモデルを学習モデルデータベース３２に登録し（ステップＳ１０３）、処理を終了する。

次に、図７を用いて、情報配信装置１０が実行する決定処理の流れの一例について説明する。図７は、実施形態に係る情報配信装置が実行する決定処理の流れの一例を説明するフローチャートである。

例えば、情報配信装置１０は、ウェブ行動および生体情報の少なくともいずれか１つを取得したか否かを判定し（ステップＳ２０１）、取得していない場合には（ステップＳ２０１：Ｎｏ）、処理を待機する。そして、情報配信装置１０は、ウェブ行動または生体情報を取得した場合は（ステップＳ２０１：Ｙｅｓ）、取得元となる利用者Ｕ０１に対応したモデルを取得し、取得したモデルを用いて、同様の状態で利用者が行ったウェブ行動を特定する（ステップＳ２０２）。すなわち、情報配信装置１０は、取得したウェブ行動または生体情報と関係性を有する過去のウェブ行動を利用者の状態を示すウェブ行動として特定する。そして、情報配信装置１０は、特定結果に基づいて、利用者Ｕ０１に対して提供するサービスを決定し（ステップＳ２０３）、決定したサービスを利用者Ｕ０１に対して提供し（ステップＳ２０４）、処理を終了する。

〔４．変形例〕
上述した実施形態に係る情報配信装置１０は、上記実施形態以外にも種々の異なる形態にて実施されてよい。そこで、以下では、上記の情報配信装置１０の他の実施形態について説明する。

〔４−１．決定時に使用する情報について〕
上述した説明では、情報配信装置１０は、新たに取得した生体情報またはウェブ行動に基づくサービスを、利用者Ｕ０１に提供するサービスとして決定した。しかしながら、実施形態は、これに限定されるものではない。例えば、情報配信装置１０は、生体情報とウェブ行動との両方に基づいて、サービスの決定を行ってもよい。具体的な例を挙げると、情報配信装置１０は、モデルを用いて、取得した生体情報とウェブ行動との関係性を有する際の利用者Ｕ０１の状態を推定し、推定した状態と同様の状態である際に利用者Ｕ０１が行ったウェブ行動に基づいて、利用者に対して提供するサービスを決定してもよい。

〔４−２．提供するコンテンツについて〕
上述した情報配信装置１０は、利用者Ｕ０１に対して提供するサービスとして、コンテンツに含まれる情報量やＵＩを決定した。以下、図８を用いて、このような処理の一例を説明する。図８は、実施形態に係る情報配信装置が提供するコンテンツの一例を示す図である。

図８に示すコンテンツＣ１０およびコンテンツＣ２０は、画像やテキストを含む複数のコンテンツＣ１１〜Ｃ１５、Ｃ２１〜Ｃ２３が並べて配置されたコンテンツである。例えば、コンテンツＣ１０には、ニュースに関するコンテンツＣ１１〜Ｃ１５が並べて配置されている。一方、コンテンツＣ２０には、コンテンツＣ１０と比較して少ない数のコンテンツＣ２１〜Ｃ２３が並べて配置されている。なお、コンテンツＣ２１とコンテンツＣ１１、コンテンツＣ２２とコンテンツＣ１２、コンテンツＣ２３とコンテンツＣ１３とは、相互に同じ内容のコンテンツであるものとする。

例えば、利用者Ｕ０１から取得した生体情報とウェブ行動との関連性として、利用者Ｕ０１の気分が落ち着いている際にスクロール速度が遅くなり、利用者Ｕ０１の気分が高ぶっている際にスクロール速度が速くなるという関係性が存在するものとする。このような関係性が存在する場合、利用者Ｕ０１の気分が落ち着いている際には、端末装置１００が有する画面上に多くの情報が配置されていたとしても、利用者Ｕ０１が各情報を閲覧すると予測される。一方、利用者Ｕ０１の気分が高ぶっている際には、端末装置１００が有する画面上に多くの情報が配置されていると、利用者Ｕ０１が各情報を閲覧しないばかりか、表示されたコンテンツに対する印象を悪化させる恐れがある。

そこで、情報配信装置１０は、利用者Ｕ０１から取得した生体情報とウェブ行動との関連性として、利用者Ｕ０１の気分が落ち着いている際にスクロール速度が遅くなり、利用者Ｕ０１の気分が高ぶっている際にスクロール操作が早くなるという関係性を有する場合は、以下の処理を実行する。例えば、情報配信装置１０は、取得した生体情報やウェブ行動から、利用者Ｕ０１の気分が落ち着いていると推定される場合には、利用者Ｕ０１が使用する端末装置１００に対して、コンテンツＣ１０を配信する。一方、情報配信装置１０は、取得した生体情報やウェブ行動から、利用者Ｕ０１の気分が高ぶっていると推定される場合には、利用者Ｕ０１が使用する端末装置１００に対して、コンテンツＣ２０を配信する。この結果、情報配信装置１０は、利用者Ｕ０１の気分とその気分の際に利用者Ｕ０１が行うウェブ行動との関連性に応じて、利用者Ｕ０１に対して提供するコンテンツの出し分けを行うことができる。

〔４−３．利用者間の情報の提供について〕
上述した説明では、情報配信装置１０は、利用者Ｕ０１から取得した生体情報やウェブ行動に基づいて、利用者Ｕ０１に対して提供するサービスを決定した。しかしながら、実施形態は、これに限定されるものではない。例えば、情報配信装置１０は、第１の利用者のモデルを用いて、第１の利用者から取得されたウェブ行動または生体情報に基づくサービスを、第２の利用者に対して提供するサービスとして決定してもよい。

例えば、図９は、実施形態に係る情報配信装置が提供するサービスの一例を示す図である。図９に示す例では、利用者Ｕ０１とは別に、複数の利用者が所属するグループＧ０１が存在する。なお、グループＧ０１は、利用者Ｕ０１が所属するグループであってもよく、利用者Ｕ０１が所属しないグループであってもよい。例えば、情報配信装置１０は、利用者Ｕ０１の生体情報またはウェブ行動の少なくともいずれか１つを取得する（ステップＳ１１）。そして、情報配信装置１０は、利用者Ｕ０１の状態に基づいたサービスを、グループＧ０１に所属する利用者等、他の利用者に対して提供する（ステップＳ１２）。例えば、情報配信装置１０は、利用者Ｕ０１の生体情報およびウェブ行動の関係性を学習したモデルを取得し、取得したモデルを用いて、利用者Ｕ０１から取得したウェブ行動と関係性を有する生体情報を特定する。そして、情報配信装置１０は、特定した生体情報が、利用者Ｕ０１の機嫌が悪い際を示す場合には、グループＧ０１に対し、利用者Ｕ０１の機嫌が悪い旨の通知を行ってもよい。

また、情報配信装置１０は、複数の利用者から取得したウェブ行動と生体情報との関係性を有するモデルをあらかじめ学習しておく。そして、情報配信装置１０は、予め学習したモデルを取得するとともに、取得したモデルを用いて、複数の利用者から取得したウェブ行動たは生体情報に基づくサービスを、複数の利用者に対して提供するサービスとして決定してもよい。すなわち、情報配信装置１０は、モデルを利用者Ｕ０１ごとに生成するのではなく、モデルをグループごとに生成してもよい。例えば、情報配信装置１０は、グループＧ０１に属する各利用者の生体情報とウェブ行動との関係性を学習したモデルを生成する。そして、情報配信装置１０は、グループＧ０１に所属する各利用者、または、グループＧ０１に所属するいずれかの利用者から取得したウェブ行動や生体情報に基づいて、グループＧ０１に所属する利用者に対して提供するサービスを決定してもよい。例えば、情報配信装置１０は、グループＧ０１に属する各利用者の気分が同様の気分となった際に、所定の情報を配信してもよい。

〔４−４．コンテンツの種類について〕
ここで、情報配信装置１０は、利用者Ｕ０１に対して任意のコンテンツを配信してよい。例えば、情報配信装置１０は、ニュースやブログ、マイクロブログ等のウェブコンテンツを配信してもよく、例えば、音楽コンテンツや動画像コンテンツの配信を行ってもよい。また、情報配信装置１０は、所定の企業、地域、人物、商品、役務等、所定の広告対象を紹介する広告コンテンツを配信してもよい。ここで、広告コンテンツは、営利若しくは非営利の広告だけではなく、ボランティアの募集、公共広告、公共に対する通知に関する広告コンテンツであってもよい。

ここで、広告コンテンツは、広告主や広告代理店等のクライアントによって指定された内容のコンテンツであるが、このような広告コンテンツは、商品や役務の販売、宣伝、通知等を行うウェブページのみならず、ゲーム等の任意のコンテンツが適用可能である。また、広告コンテンツは、ウェブページ、静止画像、動画像、文字、図形、記号、ハイパーリンク、その他任意の情報を含むコンテンツを適用可能である。すなわち、利用者に対して興味を生じさせようとするコンテンツであれば、クライアントは、ウェブページ、ゲーム、メール、ツイート、ブログの記事等任意のコンテンツを指定可能である。なお、以下の説明では、所定の商品や役務を紹介する広告コンテンツが指定される例について説明する。

また、情報配信装置１０は、各種ウェブコンテンツの配信ではなく、各種ウェブコンテンツの取得や閲覧を利用者Ｕ０１に対して提案してもよい。また、情報配信装置１０は、上述したコンテンツ以外にも、任意のコンテンツの提供を行ってもよい。すなわち、情報配信装置１０は、生体情報とウェブ行動との関連性を学習することで、利用者Ｕ０１がどのような気分の際にどのようなウェブ行動を行うかという傾向を学習し、利用者Ｕ０１から新たに取得したウェブ行動または生体情報に基づいて、利用者Ｕ０１に対して提供するサービスを決定するのであれば、任意のコンテンツの配信やサービスを提供してよい。

〔４−５．ウェブ行動について〕
上述した説明では、情報配信装置１０は、通信ネットワークを介して特定可能なウェブ行動と生体情報との関連性を学習した。ここで、ウェブ行動は、利用者Ｕ０１がウェブ上で行った行動に限定されるものではない。例えば、情報配信装置１０は、利用者Ｕ０１がインストール済みのアプリケーション等、通信が発生しないようなアプリケーションを実行した旨や、アプリケーションの実行中において取得された操作のログ等、利用者Ｕ０１の行動を示す任意の行動履歴を取得し、取得した行動履歴が示す行動と生体情報との関連性を学習してもよい。すなわち、情報配信装置１０は、利用者の行動と、生体情報との関連性を学習するのであれば、端末装置１００が収集した過去の利用者の行動を示す行動履歴のログ等、任意の情報から利用者の行動を特定し、特定した行動と生体情報との関連性を学習してよい。このような処理の結果、情報配信装置１０は、利用者の行動と生体情報との関係性を学習し、学習結果を用いて、新たに取得された利用者の行動または生体情報に基づくサービスを選択する。この結果、情報配信装置１０は、利用者が類似する状態において実際に行った行動に基づくサービスを提供することができる。

〔４−６．その他〕
また、上記実施形態において説明した各処理のうち、自動的に行われるものとして説明した処理の全部または一部を手動的に行うこともでき、あるいは、手動的に行われるものとして説明した処理の全部または一部を公知の方法で自動的に行うこともできる。この他、上記文書中や図面中で示した処理手順、具体的名称、各種のデータやパラメータを含む情報については、特記する場合を除いて任意に変更することができる。

また、図示した各装置の各構成要素は機能概念的なものであり、必ずしも物理的に図示の如く構成されていることを要しない。すなわち、各装置の分散・統合の具体的形態は図示のものに限られず、その全部または一部を、各種の負荷や使用状況などに応じて、任意の単位で機能的または物理的に分散・統合して構成することができる。

例えば、上述した情報配信装置１０は、学習処理を実行する学習装置と、決定処理を実行する決定装置とが協調して動作することにより実現されてもよい。このような場合、図２に示した利用者情報データベース３１、学習モデルデータベース３２、収集部４１、および学習部４２は、学習装置側に配置され、配信コンテンツデータベース３３、取得部４３、および決定部４４は、決定装置側に配置されることとなる。

〔５．ハードウェア構成〕
また、上述してきた実施形態に係る情報配信装置１０は、例えば図１０に示すような構成のコンピュータ１０００によって実現される。図１０は、ハードウェア構成の一例を示す図である。コンピュータ１０００は、出力装置１０１０、入力装置１０２０と接続され、演算装置１０３０、一次記憶装置１０４０、二次記憶装置１０５０、出力ＩＦ（Interface）１０６０、入力ＩＦ１０７０、ネットワークＩＦ１０８０がバス１０９０により接続された形態を有する。

演算装置１０３０は、一次記憶装置１０４０や二次記憶装置１０５０に格納されたプログラムや入力装置１０２０から読み出したプログラム等に基づいて動作し、各種の処理を実行する。一時記憶装置１０４０は、ＲＡＭ等、演算装置１０３０が各種の演算に用いるデータを一次的に記憶するメモリ装置である。また、二次記憶装置１０５０は、演算装置１０３０が各種の演算に用いるデータや、各種のデータベースが登録される記憶装置であり、ＲＯＭ（Read Only Memory）、ＨＤＤ、フラッシュメモリ等により実現される。

出力ＩＦ１０６０は、モニタやプリンタといった各種の情報を出力する出力装置１０１０に対し、出力対象となる情報を送信するためのインタフェースであり、例えば、ＵＳＢ（Universal Serial Bus）やＤＶＩ（Digital Visual Interface）、ＨＤＭＩ（登録商標）（High Definition Multimedia Interface）といった規格のコネクタにより実現される。また、入力ＩＦ１０７０は、マウス、キーボード、およびスキャナ等といった各種の入力装置１０２０から情報を受信するためのインタフェースであり、例えば、ＵＳＢ等により実現される。

なお、入力装置１０２０は、例えば、ＣＤ（Compact Disc）、ＤＶＤ（Digital Versatile Disc）、ＰＤ（Phase change rewritable Disk）等の光学記録媒体、ＭＯ（Magneto-Optical disk）等の光磁気記録媒体、テープ媒体、磁気記録媒体、または半導体メモリ等から情報を読み出す装置であってもよい。また、入力装置１０２０は、ＵＳＢメモリ等の外付け記憶媒体であってもよい。

ネットワークＩＦ１０８０は、ネットワークＮを介して他の機器からデータを受信して演算装置１０３０へ送り、また、ネットワークＮを介して演算装置１０３０が生成したデータを他の機器へ送信する。

演算装置１０３０は、出力ＩＦ１０６０や入力ＩＦ１０７０を介して、出力装置１０１０や入力装置１０２０の制御を行う。例えば、演算装置１０３０は、入力装置１０２０や二次記憶装置１０５０からプログラムを一次記憶装置１０４０上にロードし、ロードしたプログラムを実行する。

例えば、コンピュータ１０００が情報配信装置１０として機能する場合、コンピュータ１０００の演算装置１０３０は、一次記憶装置１０４０上にロードされたプログラムを実行することにより、制御部４０の機能を実現する。また、二次記憶装置１０５０上には、記憶部３０内の情報、すなわち利用者情報データベース３１、学習モデルデータベース３２、および配信コンテンツデータベース３３が格納される。

〔６．効果〕
上述したように、情報配信装置１０は、利用者Ｕ０１の行動と、その行動が行われた際にウェアラブルデバイスＷＤ０１が利用者Ｕ０１から収集した生体情報との関係性を学習したモデルを取得する。そして、情報配信装置１０は、取得したモデルを用いて、利用者Ｕ０１から新たに取得された行動または生体情報の少なくともいずれか一方に基づくサービスを、利用者Ｕ０１に対して提供するサービスとして決定する。このように、情報配信装置１０は、利用者Ｕ０１の生体情報と、利用者Ｕ０１の実際の行動との関係性に基づいて、利用者Ｕ０１に対して提供するサービスを決定するので、利用者Ｕ０１にとって適切なサービスの提供を実現することができる。

また、情報配信装置１０は、モデルとして、行動と、生体情報が示す利用者Ｕ０１の感情との関係性を学習したモデルを用いて、利用者Ｕ０１から新たに収集された行動または生体情報が示す利用者Ｕ０１の感情に基づき、利用者Ｕ０１に対して提供するサービスを決定する。このため、情報配信装置１０は、利用者Ｕ０１がどのような気分の際にどのような行動を行ったかを学習したモデルを用いて、現在の利用者Ｕ０１の状態に基づき、サービスの決定を行うことができるので、利用者Ｕ０１にとって適切なサービスの提供を実現することができる。

また、情報配信装置１０は、モデルとして、利用者Ｕ０１が閲覧するコンテンツの種別と、そのコンテンツを閲覧した際に取得された生体情報との関係性を学習したモデルを取得する。また、情報配信装置１０は、モデルとして、利用者Ｕ０１が閲覧するコンテンツの内容と、コンテンツを閲覧した際に取得された生体情報との関係性を学習したモデルを取得する。また、情報配信装置１０は、モデルとして、利用者Ｕ０１が閲覧中のコンテンツに対して行った操作の内容と、その操作が行われた際に取得された生体情報との関係性を学習したモデルを取得する。また、情報配信装置１０は、モデルとして、利用者Ｕ０１が閲覧中のコンテンツに対して行った操作をキャンセルする操作の内容と、その操作が行われた際に取得された生体情報との関係性を学習したモデルを取得する。そして、情報配信装置１０は、取得したモデルを用いて、利用者Ｕ０１の新たな行動に基づくサービスを決定する。

このように、情報配信装置１０は、利用者Ｕ０１が実際に行った行動と、その行動を行った際の利用者Ｕ０１の状態を示す生体情報との関係性を学習したモデルを取得する。そして、情報配信装置１０は、取得したモデルを用いて、新たに取得した行動や生体情報に基づくサービス、すなわち、利用者Ｕ０１の状態に応じたサービスを決定する。このため、情報配信装置１０は、利用者Ｕ０１にとって適切なサービスの提供を実現できる。

また、情報配信装置１０は、モデルを用いて、新たに取得した生体情報と関係性を有する利用者Ｕ０１の行動を特定し、特定結果に基づいて、利用者Ｕ０１に対して提供するサービスを決定する。また、情報配信装置１０は、モデルを用いて、新たに取得した行動と関係性を有する利用者Ｕ０１の生体情報を特定し、特定結果に基づいて、利用者Ｕ０１に対して提供するサービスを決定する。このため、情報配信装置１０は、利用者Ｕ０１が実際に行った行動に基づき、利用者Ｕ０１の状態に応じたサービスを決定することができるので、利用者Ｕ０１にとって適切なサービスの提供を実現できる。

また、情報配信装置１０は、特定結果に基づいて、利用者Ｕ０１に対して提供するウェブコンテンツの内容を決定する。また、情報配信装置１０は、特定結果に基づいて、利用者Ｕ０１に対して提供するウェブコンテンツ内に含まれる情報量を決定する。また、情報配信装置１０は、特定結果に基づいて、利用者Ｕ０１に対して提案する情報を決定する。また、情報配信装置１０は、特定結果に基づいて、利用者Ｕ０１に対して提供される環境を決定し、利用者Ｕ０１に対して所定の環境を提供する家電制御システム６０に対し、決定した環境を再現するよう指示する。

このように、情報配信装置１０は、利用者Ｕ０１の状態に応じた様々なサービスを決定することができる。このため、情報配信装置１０は、利用者Ｕ０１に対し、様々なサービスの提供を実現できる。

また、情報配信装置１０は、第１の利用者の行動と生体情報との関係性を学習したモデルを取得し、取得したモデルを用いて、第１の利用者から新たに取得された行動または生体情報に基づいて、第２の利用者に対して提供するサービスを決定する。このため、情報配信装置１０は、例えば、第１の利用者の状態に応じた種別のサービスを第２の利用者に対して提供することができる。

情報配信装置１０は、複数の利用者の行動と生体情報との関係性を学習したモデルを取得し、取得したモデルを用いて、複数の利用者から取得した行動または生体情報に基づくサービスを、複数の利用者に対して提供するサービスとして決定する。このため、情報配信装置１０は、例えば、グループＧ０１の状態に応じたサービスをグループＧ０１に属する各利用者に対して提供することができる。

以上、本願の実施形態のいくつかを図面に基づいて詳細に説明したが、これらは例示であり、発明の開示の欄に記載の態様を始めとして、当業者の知識に基づいて種々の変形、改良を施した他の形態で本発明を実施することが可能である。

また、上記してきた「部（section、module、unit）」は、「手段」や「回路」などに読み替えることができる。例えば、決定部は、決定手段や決定回路に読み替えることができる。

１０ 情報配信装置
２０ 通信部
３０ 記憶部
３１ 利用者情報データベース
３２ 学習モデルデータベース
３３ 配信コンテンツデータベース
４０ 制御部
４１ 収集部
４２ 学習部
４３ 取得部
４４ 決定部
６０ 家電制御システム
１００ 端末装置
ＷＤ０１ ウェアラブルデバイス

Claims (16)

1. 利用者の行動を示す利用者行動情報を収集する所定の情報処理装置からネットワークを介して取得された利用者行動情報が示す利用者の行動と、当該行動が行われた際に所定の生体情報取得装置が前記利用者から収集した生体情報との関係性を学習したモデルを取得する取得部と、
   前記取得部により取得されたモデルを用いて、新たに取得された前記利用者の生体情報に基づいて前記利用者が実行すると推定される行動と対応するサービスを、当該利用者に対して提供するサービスとして決定する決定部と
   を有することを特徴とする決定装置。
2. 前記取得部は、前記モデルとして、前記行動と、前記生体情報が示す利用者の感情との関係性を学習したモデルを取得し、
   前記決定部は、前記取得部により取得されたモデルを用いて、前記利用者から新たに収集された前記生体情報が示す利用者の感情に基づいて前記利用者が実行すると推定される行動と対応するサービスを決定する
   ことを特徴とする請求項１に記載の決定装置。
3. 前記取得部は、前記モデルとして、前記利用者が閲覧するコンテンツの種別と、当該コンテンツを閲覧した際に取得された生体情報との関係性を学習したモデルを取得し、
   前記決定部は、前記取得部により取得されたモデルを用いて、前記利用者から新たに収集された前記生体情報に基づいて前記利用者が閲覧すると推定されるコンテンツと対応するサービスを決定する
   ことを特徴とする請求項１または２に記載の決定装置。
4. 前記決定部は、前記利用者が新たに閲覧すると推定されるコンテンツの内容または前記生体情報に基づくサービスを決定する
   ことを特徴とする請求項３に記載の決定装置。
5. 前記取得部は、前記モデルとして、前記利用者が閲覧中のコンテンツに対して行った操作の内容と、当該操作が行われた際に取得された生体情報との関係性を学習したモデルを取得し、
   前記決定部は、前記取得部により取得されたモデルを用いて、前記利用者から新たに収集された前記生体情報に基づいて前記利用者が行うと推定される操作の内容と対応するサービスを決定する
   ことを特徴とする請求項１〜４のうちいずれか１つに記載の決定装置。
6. 前記取得部は、前記モデルとして、前記利用者が閲覧中のコンテンツに対して行った操作をキャンセルする操作の内容と、当該操作が行われた際に取得された生体情報との関係性を学習したモデルを取得し、
   前記決定部は、前記取得部により取得されたモデルを用いて、前記利用者から新たに収集された前記生体情報に基づいて前記利用者が行うと推定される前記キャンセルする操作の内容と対応するサービスを決定する
   ことを特徴とする請求項５に記載の決定装置。
7. 前記決定部は、前記モデルを用いて、新たに取得された生体情報と関係性を有する前記利用者の行動を前記利用者が行うと推定される行動として特定し、特定結果に基づくサービスを決定する
   ことを特徴とする請求項１〜６のうちいずれか１つに記載の決定装置。
8. 前記決定部は、さらに、前記モデルを用いて、新たに取得された行動と関係性を有する前記利用者の生体情報を特定し、特定結果に基づくサービスを決定する
   ことを特徴とする請求項１〜６のうちいずれか１つに記載の決定装置。
9. 前記決定部は、前記サービスとして、前記利用者に対して提供するウェブコンテンツの内容を決定する
   ことを特徴とする請求項７または８に記載の決定装置。
10. 前記決定部は、前記サービスとして、記利用者に対して提供するウェブコンテンツ内に含まれる情報量を決定する
    ことを特徴とする請求項７または８に記載の決定装置。
11. 前記決定部は、前記サービスとして、前記利用者に対して提案する情報を決定する
    ことを特徴とする請求項７または８に記載の決定装置。
12. 前記決定部は、前記サービスとして、前記利用者に対して提供される環境を決定し、前記利用者に対して所定の環境を提供する提供装置に対し、前記決定した環境を再現するよう指示する
    ことを特徴とする請求項７または８に記載の決定装置。
13. 前記取得部は、第１の利用者の行動と生体情報との関係性を学習したモデルを取得し、
    前記決定部は、前記モデルを用いて、第１の利用者の新たな前記生体情報に基づくサービスを、第２の利用者に対して提供するサービスとして決定する
    ことを特徴とする請求項１〜１２のうちいずれか１つに記載の決定装置。
14. 前記取得部は、複数の利用者の行動と、当該行動が行われた際に前記複数の利用者から収集した生体情報との関係性を学習したモデルを取得し、
    前記決定部は、前記複数の利用者の新たな生体情報に基づいて、当該複数の利用者に対して提供するサービスを決定する
    ことを特徴とする請求項１〜１３のうちいずれか１つに記載の決定装置。
15. 決定装置が実行する決定方法であって、
    利用者の行動を示す利用者行動情報を収集する所定の情報処理装置からネットワークを介して取得された利用者行動情報が示す利用者の行動と、当該行動が行われた際に所定の生体情報取得装置が前記利用者から収集した生体情報との関係性を学習したモデルを取得する取得工程と、
    前記取得工程により取得されたモデルを用いて、新たに取得された前記利用者の生体情報に基づいて前記利用者が実行すると推定される行動と対応するサービスを、当該利用者に対して提供するサービスとして決定する決定工程と
    を含むことを特徴とする決定方法。
16. コンピュータに、
    利用者の行動を示す利用者行動情報を収集する所定の情報処理装置からネットワークを介して取得された利用者行動情報が示す利用者の行動と、当該行動が行われた際に所定の生体情報取得装置が前記利用者から収集した生体情報との関係性を学習したモデルを取得する取得手順と、
    前記取得手順により取得されたモデルを用いて、新たに取得された前記利用者の生体情報に基づいて前記利用者が実行すると推定される行動と対応するサービスを、当該利用者に対して提供するサービスとして決定する決定手順と
    を実行させるための決定プログラム。

Images