特開 2015-210733 推定装置、推定方法および推定プログラム

(19)【発行国】日本国特許庁(JP)

(12)【公報種別】公開特許公報(A)

(11)【公開番号】特開2015-210733(P2015-210733A)

(43)【公開日】2015年11月24日

(54)【発明の名称】推定装置、推定方法および推定プログラム

(51)【国際特許分類】

   G06Q 30/06 20120101AFI20151027BHJP

   G06Q 50/10 20120101ALI20151027BHJP

【ＦＩ】

   G06Q30/06 130

   G06Q50/10 180

   G06Q30/06 140Z

【審査請求】有

【請求項の数】16

【出願形態】ＯＬ

【全頁数】26

(21)【出願番号】特願2014-93057(P2014-93057)

(22)【出願日】2014年4月28日

(71)【出願人】

【識別番号】500257300

【氏名又は名称】ヤフー株式会社

(71)【出願人】

【識別番号】504171134

【氏名又は名称】国立大学法人 筑波大学

(74)【代理人】

【識別番号】100089118

【弁理士】

【氏名又は名称】酒井 宏明

(74)【代理人】

【識別番号】100125612

【弁理士】

【氏名又は名称】中嶋 裕昭

(72)【発明者】

【氏名】清水 伸幸

(72)【発明者】

【氏名】森嶋 厚行

(72)【発明者】

【氏名】丹治 寛佳

【テーマコード（参考）】

5L049

【Ｆターム（参考）】

5L049BB53

5L049BB60

5L049CC20

(57)【要約】

【課題】発注者や受注者にとって魅力的な業務委託形態を提供することができること。
【解決手段】本願に係る推定装置は、提示部と、受付部と、推定部とを有する。提示部は、発注者が依頼する依頼業務に関連する対象物と当該依頼業務の成果物とを受注者に提示する。受付部は、提示部によって提示された対象物および成果物に対する受注者の反応に関する反応情報を受け付ける。推定部は、受付部によって受け付けられた反応情報に基づいて、依頼業務における発注者の意図を示す依頼意図を推定する。
【選択図】図４

【特許請求の範囲】

【請求項1】

発注者が依頼する依頼業務に関連する対象物と当該依頼業務の成果物とを受注者に提示する提示部と、
前記提示部によって提示された前記対象物および前記成果物に対する前記受注者の反応に関する反応情報を受け付ける受付部と、
前記受付部によって受け付けられた前記反応情報に基づいて、前記依頼業務における前記発注者の意図を示す依頼意図を推定する推定部と、
を備えたことを特徴とする推定装置。

【請求項2】

前記受付部によって受け付けられた反応情報の特徴情報を抽出する抽出部
をさらに備え、
前記推定部は、
前記抽出部によって抽出された前記特徴情報に基づいて、前記依頼意図を推定する
ことを特徴とする請求項１に記載の推定装置。

【請求項3】

前記抽出部によって抽出された特徴情報を、他の反応情報の特徴情報と共通する共通特徴情報と他の反応情報の特徴情報と共通しない非共通特徴情報とに分類する分類部と、
前記分類部によって分類された共通特徴情報と非共通特徴情報との間の関係性を構築する構築部と
をさらに備え、
前記推定部は、
前記構築部によって構築された前記関係性に基づいて、前記依頼意図を推定する
ことを特徴とする請求項２に記載の推定装置。

【請求項4】

前記提示部は、
前記発注者に推薦する特徴情報として、前記抽出部によって抽出された特徴情報に対応する非共通特徴情報を提示する
ことを特徴とする請求項３に記載の推定装置。

【請求項5】

前記抽出部によって抽出された特徴情報と前記構築部によって構築された関係性とを前記依頼業務に関連付けて記憶部に格納する格納部
をさらに備えることを特徴とする請求項３または４に記載の推定装置。

【請求項6】

前記提示部は、
前記依頼業務を肯定する成果物と否定する成果物との間の中間に属すると想定される前記対象物を前記受注者に提示する
ことを特徴とする請求項１〜５のいずれか一つに記載の推定装置。

【請求項7】

前記推定部によって推定された依頼意図に基づいて、前記依頼業務を表現する依頼表現を生成する生成部
をさらに備えることを特徴とする請求項１〜６のいずれか一つに記載の推定装置。

【請求項8】

前記提示部は、
前記生成部によって生成された依頼業務を表現する依頼表現と当該依頼業務に関連する対象物とを受注者に提示し、
前記受付部は、
前記提示部によって提示された前記依頼表現および前記対象物に基づいて前記受注者によって作成された成果物を受け付け、
前記推定部は、
前記発注者によって作成された前記依頼業務の成果物と前記受付部によって受け付けられた前記受注者によって作成された成果物との間の一致度合いに基づいて前記依頼意図を推定する
ことを特徴とする請求項７に記載の推定装置。

【請求項9】

前記提示部は、
前記成果物として前記依頼業務に対する回答を前記受注者に提示し、
前記受付部は、
前記提示部によって提示された前記対象物および前記回答から想定される前記依頼業務を表現する質問を前記反応情報として受け付け、
前記推定部は、
前記受付部によって受け付けられた質問に基づいて前記依頼意図を推定する
ことを特徴とする請求項１から８のいずれか一つに記載の推定装置。

【請求項10】

前記提示部は、
前記発注者によって予め用意された前記依頼業務の複数の回答と前記依頼業務を表現する質問とを前記受注者に提示し、
前記受付部は、
前記提示部によって提示された前記依頼業務の複数の回答のうち不明であることを示す不明回答とともに、前記回答が肯定となる質問または否定となる質問を受け付け、
前記推定部は、
前記受付部によって受け付けられた質問に基づいて前記依頼意図を推定する
ことを特徴とする請求項９に記載の推定装置。

【請求項11】

前記提示部は、
前記依頼業務に対する回答が肯定となる対象物または否定となる対象物を前記受注者に提示する
ことを特徴とする請求項９または１０に記載の推定装置。

【請求項12】

前記提示部は、
前記依頼業務に対する回答が肯定となる対象物と否定となる対象物とを前記受注者に同時に提示する
ことを特徴とする請求項９〜１１のいずれか一つに記載の推定装置。

【請求項13】

前記提示部は、
前記依頼業務に対する回答が肯定となる対象物と否定となる対象物とを所定の割合で前記受注者に提示する
ことを特徴とする請求項９〜１２のいずれか一つに記載の推定装置。

【請求項14】

前記提示部は、
前記依頼業務に対する回答が肯定となる複数の対象物または否定となる複数の対象物を前記受注者に提示する
ことを特徴とする請求項９〜１３のいずれか一つに記載の推定装置。

【請求項15】

推定装置が実行する推定方法であって、
発注者が依頼する依頼業務に関連する対象物と当該依頼業務の成果物とを受注者に提示する提示工程と、
前記提示工程によって提示された前記対象物および前記成果物に対する前記受注者の反応に関する反応情報を受け付ける受付工程と、
前記受付工程によって受け付けられた前記反応情報に基づいて、前記依頼業務における前記発注者の意図を示す依頼意図を推定する推定工程と
を含んだことを特徴とする推定方法。

【請求項16】

発注者が依頼する依頼業務に関連する対象物と当該依頼業務の成果物とを受注者に提示する提示手順と、
前記提示手順によって提示された前記対象物および前記成果物に対する前記受注者の反応に関する反応情報を受け付ける受付手順と、
前記受付手順によって受け付けられた前記反応情報に基づいて、前記依頼業務における前記発注者の意図を示す依頼意図を推定する推定手順と
をコンピュータに実行させることを特徴とする推定プログラム。

【発明の詳細な説明】

【技術分野】

【0001】

本発明は、推定装置、推定方法および推定プログラムに関する。

【背景技術】

【0002】

近年、業務委託形態の一態様として、不特定多数の人に業務を委託するクラウドソーシングが知られている。このようなクラウドソーシングに関する技術として、発注者及び受注者の利益を保護する技術が知られている。例えば、このような技術では、タスクに対する成果物をチェックし、チェックに合格した場合のみ成果物を発注者に納品する。

【先行技術文献】

【特許文献】

【0003】

【特許文献1】特開２０１４−６５８１号公報

【特許文献2】特開２００４−２９５６０７号公報

【発明の概要】

【発明が解決しようとする課題】

【0004】

しかしながら、上記の従来技術では、発注者や受注者にとって魅力的な業務委託形態を提供することができるとは限らなかった。例えば、上記の従来技術では、発注者が受注者に委託する委託業務の依頼情報を作成する。ここで、発注者が所望する成果物を受注者から得るための依頼情報を作成することは発注者にとって難しい作業なので、発注者の手間がかかる。また、受注者は、発注者が所望する成果物を作成しないとスパマーとして疑われる場合がある。このようなことから、上記の従来技術では、発注者や受注者にとって魅力的な業務委託形態を提供することができるとは限らなかった。

【0005】

本願は、上記に鑑みてなされたものであって、発注者や受注者にとって魅力的な業務委託形態を提供することができる推定装置、推定方法および推定プログラムを提供することを目的とする。

【課題を解決するための手段】

【0006】

本願に係る推定装置は、発注者が依頼する依頼業務に関連する対象物と当該依頼業務の成果物とを受注者に提示する提示部と、前記提示部によって提示された前記対象物および前記成果物に対する前記受注者の反応に関する反応情報を受け付ける受付部と、前記受付部によって受け付けられた前記反応情報に基づいて、前記依頼業務における前記発注者の意図を示す依頼意図を推定する推定部とを備えたことを特徴とする。

【発明の効果】

【0007】

実施形態の一態様によれば、発注者や受注者にとって魅力的な業務委託形態を提供することができるという効果を奏する。

【図面の簡単な説明】

【0008】

【図1】図１は、実施形態に係る生成システムによる生成処理の一例を示す説明図である。

【図2】図２は、タスクの一例を示す説明図である。

【図3】図３は、改善タスクの一例を示す説明図である。

【図4】図４は、第１の実施形態に係る推定装置の構成例を示す図である。

【図5】図５は、第１の実施形態に係るタスク情報記憶部の一例を示す図である。

【図6】図６は、推定装置による生成処理手順を示すシーケンスである。

【図7】図７は、第２の実施形態に係る推定装置の構成例を示す図である。

【図8】図８は、第２の実施形態に係るタスク情報記憶部の一例を示す図である。

【図9】図９は、提示処理を説明するための説明図である。

【図10】図１０は、改善タスクの一例を示す図である。

【図11】図１１は、改善タスクの一例を示す図である。

【図12】図１２は、改善タスクの一例を示す図である。

【図13】図１３は、タスクの一例を示す図である。

【図14】図１４は、推定装置の機能を実現するコンピュータの一例を示すハードウェア構成図である。

【発明を実施するための形態】

【0009】

以下に、本願に係る推定装置、推定方法および推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推定装置、推定方法および推定プログラムが限定されるものではない。また、以下の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。

【0010】

（第１の実施形態）
〔１−１．生成処理〕
まず、図１を用いて、第１の実施形態に係る生成処理の一例について説明する。図１は、第１の実施形態に係る生成システム１による生成処理の一例を示す説明図である。図１の例では、仲介業者が管理する推定装置１００によって発注者Ｏｗが依頼する依頼業務（例えば、タスク）である質問を生成する生成処理が行われる。

【0011】

図１に示すように、生成システム１には、発注端末１０と、受注端末５０Ａ〜５０Ｃと、推定装置１００とが含まれる。発注端末１０、受注端末５０Ａ〜５０Ｃ、推定装置１００は、それぞれネットワークと無線により通信可能に接続される。なお、以下では、受注端末５０Ａ〜５０Ｃの各装置を区別なく総称する場合には、「受注端末５０」と記載する場合がある。

【0012】

発注端末１０および受注端末５０は、例えば、ＰＣ（Personal Computer）や、タブレット型端末や、スマートフォンや、携帯電話機、ＰＤＡ（Personal Digital Assistant）等の情報処理装置である。推定装置１００は、発注端末１０と受注端末５０との間のタスクの委託を仲介するサーバ装置である。ここで、推定装置１００によって実行される生成処理について、発注者Ｏｗが依頼するタスクとして質問を生成する場合を想定して説明する。

【0013】

まず、発注者Ｏｗは、タスクを作成する。ここでは、発注者Ｏｗが作成するタスクは、発注者Ｏｗの依頼業務である質問であるものとする。図２は、タスクの一例を示す図である。図２の例では、タスクＴ１に相当する質問Ｑ１は、「この写真は不適切ですか？」である。また、発注者Ｏｗは、タスクに関連する対象物を作成する。図２の例では、タスクに関連する対象物は、風景が描出された画像Ｐ１である。また、発注者Ｏｗは、タスクの成果物を作成する。例えば、発注者Ｏｗは、タスクＴ１の成果物として、タスクＴ１に対する回答であって質問Ｑ１を肯定する「はい」という回答Ａ１を作成する。

【0014】

ここで、例えば、発注者Ｏｗが作成した質問Ｑ１の記述があいまいな表現である場合には、発注者Ｏｗの依頼意図が受注者に伝わらないという課題がある。この場合、受注者は、発注者Ｏｗの意図と異なる解釈をしてタスクＴ１の成果物を作成するので、発注者Ｏｗが所望する成果物と異なる成果物を作成してしまう可能性がある。このため、推定装置１００は、質問Ｑ１と比較して、発注者Ｏｗの依頼意図をより明確に表現する改善質問ＵＱ１を生成する生成処理を実行する。

【0015】

そこで、まず、発注端末１０は、発注者Ｏｗによって作成されたタスクＴ１とタスクＴ１に関連する対象物である画像Ｐ１とタスクＴ１の成果物である回答Ａ１を推定装置１００に送信する（ステップＳ１１）。これにより、推定装置１００は、発注者ＯｗからタスクＴ１、画像Ｐ１および回答Ａ１を受け付ける。そして、推定装置１００は、受け付けたタスクＴ１を画像Ｐ１および回答Ａ１と対応付けて記憶する。

【0016】

そして、推定装置１００は、タスクＴ１に関連する対象物である画像Ｐ１とタスクの成果物である回答Ａ１とを受注者ａ〜ｃに提示する（ステップＳ１２）。例えば、推定装置１００は、タスクＴ１に関連する対象物とタスクＴ１の成果物とを受注者に公開して質問を推測させる改善タスクを受注者ａ〜ｃの受注端末５０Ａ〜５０Ｃに送信する。図３は、改善タスクの一例を示す図である。推定装置１００は、図３に示すように、画像Ｐ１と回答Ａ１とを公開して質問を推測させる改善タスクＵＴ１を受注者ａ〜ｃの受注端末５０Ａ〜５０Ｃに送信する。

【0017】

続いて、受注者ａ〜ｃは、推定装置１００から送信された改善タスクＵＴ１から想定される想定質問を作成する。図１の例では、受注者ａ〜ｃは、画像Ｐ１から想定される質問であって質問を肯定する回答Ａ１「はい」となる想定質問を作成する。例えば、受注者ａは、「この写真は風景の写真ですか？」という想定質問ＩＱ１を作成する。同様に、受注者ｂ〜ｃは、「この写真は風景の写真ですか？」という想定質問ＩＱ２〜ＩＱ３をそれぞれ作成したものとする。そして、受注端末５０Ａ〜５０Ｃは、受注者ａ〜ｃによってそれぞれ作成された想定質問ＩＱ１〜ＩＱ３を推定装置１００に送信する（ステップＳ１３）。

【0018】

これにより、推定装置１００は、想定質問ＩＱ１〜ＩＱ３を、タスクＴ１に関連する対象物である画像Ｐ１および成果物である回答Ａ１に対する受注者ａ〜ｃの反応に関する反応情報として受け付ける。

【0019】

そして、推定装置１００は、受け付けられた受注者ａ〜ｃの反応情報である想定質問ＩＱ１〜ＩＱ３に基づいて、タスクＴ１における発注者Ｏｗの意図を示す依頼意図を推定する（ステップＳ１４）。例えば、推定装置１００は、受注者ａ〜ｃが「この写真は風景の写真ですか？」という質問を想定しているので、「風景」の写真であるか否かを問うことを依頼意図として推定する。

【0020】

続いて、推定装置１００は、推定された依頼意図に基づいて、タスクＴ１を表現する改善質問を生成する（ステップＳ１５）。例えば、推定装置１００は、「風景」の写真であるか否かを問うことがタスクＴ１の依頼意図であると推定しているので、「この写真は風景の写真ですか？」という改善質問ＵＱ１を生成する。そして、推定装置１００は、生成された改善質問ＵＱ１をタスクＴ１と対応付けて記憶する。これにより、推定装置１００は、発注者Ｏｗによって作成された「この写真は不適切ですか？」という質問Ｑ１を、受注者の反応を反映して生成された「この写真は風景の写真ですか？」という改善質問ＵＱ１に改善することができる。

【0021】

このように、第１の実施形態に係る推定装置１００は、発注者が依頼する依頼業務に関連する対象物と依頼業務の成果物とを受注者に提示する。また、推定装置１００は、提示された対象物および成果物に対する受注者の反応に関する反応情報を受け付ける。また、推定装置１００は、受け付けられた反応情報に基づいて、依頼業務における発注者の意図を示す依頼意図を推定する。

【0022】

また、第１の実施形態に係る推定装置１００は、成果物として依頼業務の回答を受注者に提示する。また、推定装置１００は、提示された対象物および回答から想定される依頼業務を表現する質問を反応情報として受け付ける。また、推定装置１００は、受け付けられた質問に基づいて依頼意図を推定する。

【0023】

また、第１の実施形態に係る推定装置１００は、推定された依頼意図に基づいて、依頼業務を表現する改善質問を生成する。

【0024】

これにより、推定装置１００は、タスクを改善することができるので、発注者や受注者にとって魅力的な業務委託形態を提供することができる。例えば、推定装置１００は、タスクの質問の記述を自動的に生成することができるので、発注者が質問の記述を考える手間を減らすことができる。また、推定装置１００は、受注者の反応を反映してタスクの質問の記述を生成することができるので、タスクの質を高めることができる。

【0025】

また、推定装置１００は、タスクの質を高めることができるので、受注者にとって魅力的な業務委託形態を提供することができる。例えば、推定装置１００は、発注者の依頼意図が高い精度で記述された質問を生成することができるので、受注者が発注者の意図と異なる解釈をして成果物を作成してしまい納品を拒絶されてしまうことを防ぐことができる。また、推定装置１００は、タスクの記述があいまいなことが原因で質の高い受注者が発注者の所望しない成果物を作成してしまいスパマーとして疑われることを防ぐことができる。

【0026】

なお、図１では、生成システム１に、１台の発注端末１０と、３台の受注端末５０Ａ〜５０Ｃと、１台の推定装置１００とが含まれる例を示したが、生成システム１には、複数台の発注端末１０や、３台に限らず複数台の受注端末５０Ａ〜５０Ｃや、複数台の推定装置１００が含まれてもよい。

【0027】

また、図１では、説明を簡単にするため３人の受注者から質問を受け付ける例を示したが、実際には３人の受注者に限らず、依頼意図を推定するのに十分な人数の受注者から質問を受け付ける。

【0028】

〔１−２．推定装置の構成〕
次に、図４を用いて、第１の実施形態に係る推定装置１００の構成について説明する。図４は、第１の実施形態に係る推定装置１００の構成例を示す図である。図４に示すように、推定装置１００は、通信部１１０と、記憶部１２０と、制御部１３０とを有する。なお、推定装置１００は、推定装置１００を利用する管理者等から各種操作を受け付ける入力部（例えば、キーボードやマウス等）や、各種情報を表示するための表示部（例えば、液晶ディスプレイ等）を有してもよい。

【0029】

（通信部１１０について）
通信部１１０は、例えば、ＮＩＣ等によって実現される。かかる通信部１１０は、ネットワークと有線または無線で接続され、ネットワークを介して、発注端末１０や受注端末５０との間で情報の送受信を行う。

【0030】

（記憶部１２０について）
記憶部１２０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。かかる記憶部１２０は、タスク情報記憶部１２１を有する。

【0031】

（タスク情報記憶部１２１について）
タスク情報記憶部１２１は、タスクに関する情報を記憶する。具体的には、タスク情報記憶部１２１は、タスク毎に、タスクに含まれる質問や回答に関する情報を記憶する。ここで、図５に、第１の実施形態に係るタスク情報記憶部１２１の一例を示す。図５に示すように、タスク情報記憶部１２１は、「タスクＩＤ」、「対象物」、「質問」、「回答」、「想定質問」および「改善質問」といった項目を有する。

【0032】

「タスクＩＤ」は、タスクを識別するための識別情報を示す。「対象物」は、タスクＩＤによって識別されるタスクに含まれる対象物を示す。例えば、「対象物」には、タスクの質問に関する画像が記憶される。「質問」は、タスクに含まれる質問を示す。例えば、「質問」には、発注者によって作成された質問が記憶される。「回答」は、「質問」に対する答えを示す。例えば、「回答」には、発注者によって作成された質問に対する答えが記憶される。「想定質問」は、「対象物」および「回答」から想定される質問を示す。例えば、「想定質問」には、受注者によって作成された想定質問が記憶される。なお、「想定質問」には、複数の受注者からそれぞれ想定質問を受け付けた場合には、複数の想定質問が記憶される。「改善質問」は、発注者によって作成された「質問」を改善した質問を示す。例えば、「改善質問」には、後述の生成部１３５によって生成された質問が記憶される。また、「改善質問」には、後述の推定部１３４によって推定された依頼意図に基づいて発注者が作成した質問が記憶されてもよい。

【0033】

すなわち、図５では、タスクＩＤ「Ｔ１」によって識別されるタスクＴ１の対象物は、画像Ｐ１である例を示している。また、タスクＴ１の質問は、「この写真は不適切ですか？」という質問である例を示している。また、タスクＴ１の質問に対する回答は、「はい」という肯定の回答である例を示している。また、受注者から受け付けたタスクＴ１の想定質問は、「この写真は風景の写真ですか？」という３つの質問である例を示している。また、タスクＴ１の改善質問ＵＱ１は、「この写真は風景の写真ですか？」という質問である例を示している。

【0034】

（制御部１３０について）
制御部１３０は、例えば、ＣＰＵ（Central Processing Unit）やＭＰＵ（Micro Processing Unit）等によって、推定装置１００内部の記憶装置に記憶されている各種プログラム（推定プログラムの一例に相当）がＲＡＭ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１３０は、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る。

【0035】

制御部１３０は、図４に示すように、受信部１３１と、提示部１３２と、受付部１３３と、推定部１３４と、生成部１３５とを有し、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１３０の内部構成は、図４に示した構成に限られず、後述する生成処理を行う構成であれば他の構成であってもよい。また、制御部１３０が有する各処理部の接続関係は、図４に示した接続関係に限られず、他の接続関係であってもよい。

【0036】

（受信部１３１について）
受信部１３１は、発注端末１０からタスクに関する情報を受信する。具体的には、受信部１３１は、タスクやタスクに関連する対象物、タスクの成果物などを発注端末１０から受信する。ここで、タスクは、例えば、発注者が依頼する依頼業務である質問である。また、タスクに関連する対象物は、例えば、タスクを表現する質問に関する画像である。また、タスクの成果物は、例えば、タスクを表現する質問に対する回答である。なお、発注者は、必ずしも質問を作成して推定装置１００に送信する必要はない。このため、受信部１３１は、質問については受信しなくてもよい。

【0037】

図５の例では、受信部１３１は、「この写真は不適切ですか？」というタスクＴ１を表現する質問Ｑ１と、タスクＴ１に関連する対象物である画像Ｐ１と、質問Ｑ１を肯定する回答「はい」とを発注端末１０から受信する。また、受信部１３１は、発注端末１０からタスクに関する情報を受信した場合に、受信したタスクに関する情報をタスク情報記憶部１２１に格納する。

【0038】

（提示部１３２について）
提示部１３２は、タスクに関する情報を受注者に提示する。具体的には、提示部１３２は、発注者が依頼するタスクに関連する対象物とタスクの成果物とを受注者に提示する。例えば、提示部１３２は、タスクに関連する対象物と成果物とを公開して質問を推測させる改善タスクを受注者の受注端末５０に送信する。一例としては、提示部１３２は、成果物としてタスクに対する回答を受注者に提示する。図５の例では、提示部１３２は、タスクＴ１に関連する対象物である画像Ｐ１とタスクを肯定する回答「はい」とを公開して想定質問を推測させる改善タスクを受注端末５０に送信する。

【0039】

（受付部１３３について）
受付部１３３は、受注端末５０から納品物を受け付ける。具体的には、受付部１３３は、提示部１３２によって提示された対象物および成果物に対する受注者の反応に関する反応情報を受け付ける。例えば、受付部１３３は、提示部１３２によって提示された対象物および回答から想定されるタスクを表現する想定質問を反応情報として受け付ける。図５の例では、受付部１３３は、タスクＴ１の想定質問として、「この写真は風景の写真ですか？」という質問を受注端末５０から受け付ける。

【0040】

（推定部１３４について）
推定部１３４は、タスクにおける発注者の意図を示す依頼意図を推定する。具体的には、推定部１３４は、受付部１３３によって受け付けられた反応情報に基づいて、タスクにおける発注者の依頼意図を推定する。図５の例では、推定部１３４は、３人の受注者が「この写真は風景の写真ですか？」という質問を想定しているので、写真が「風景」の写真であるか否かを問うことをタスクＴ１の依頼意図として推定する。

【0041】

なお、図１や図５の例では、説明を簡単にするため、３人の受注者から同一の記述で表現された想定質問を受け付ける例を示したが、実際には受注者によって異なる記述で表現された想定質問を受け付ける。この場合、推定部１３４は、例えば、質問の特徴を示す特徴語を複数の異なる質問からそれぞれ抽出する。そして、推定部１３４は、抽出した特徴語に基づいて依頼意図を推定する。例えば、推定部１３４は、最も多く抽出された特徴語を依頼意図として推定する。

【0042】

（生成部１３５について）
生成部１３５は、依頼業務（例えば、タスク）を表現する依頼表現（例えば、質問）を生成する。具体的には、生成部１３５は、推定部１３４によって推定された依頼意図に基づいて、タスクを表現する改善質問を生成する。図５の例では、生成部１３５は、写真が「風景」の写真であるか否かを問うことが依頼意図として推定されているので、タスクＴ１を表現する改善質問として、「この写真は風景の写真ですか？」という改善質問ＵＱ１を生成する。

【0043】

また、生成部１３５は、生成した改善質問をタスク情報記憶部１２１に格納する。図５の例では、生成部１３５は、生成した改善質問ＵＱ１をタスクＴ１と対応付けてタスク情報記憶部１２１に格納する。

【0044】

〔１−３．生成処理手順〕
次に、図６を用いて、第１の実施形態に係る推定装置１００による処理の手順について説明する。図６は、第１の実施形態に係る推定装置１００による生成処理手順を示すシーケンスである。

【0045】

図６に示すように、発注端末１０は、タスクとタスクに関連する対象物とタスクの成果物とを推定装置１００に送信する（ステップＳ１０１）。例えば、発注端末１０は、タスクとタスクに関連する画像とタスクに対する回答とを推定装置１００に送信する。これにより、推定装置１００は、タスクとタスクに関連する対象物とタスクの成果物とを発注端末１０から受信する。そして、推定装置１００は、受信したタスクとタスクに関連する対象物とタスクの成果物とをタスク情報記憶部１２１に記憶する。

【0046】

続いて、推定装置１００は、タスクに関連する対象物とタスクの成果物とを受注者に提示する（ステップＳ１０２）。例えば、推定装置１００は、タスクに関連する対象物とタスクの成果物とを発注者に公開して質問を推測させる改善タスクを受注端末５０Ａや受注端末５０Ｂに送信する。

【0047】

その後、受注端末５０は、タスクに関連する対象物および成果物に対する受注者の反応に関する反応情報を推定装置１００に送信する。例えば、受注端末５０は、タスクに関連する対象物および成果物から受注者が推測して作成した想定質問を推定装置１００に送信する（ステップＳ１０３）。これにより、推定装置１００は、想定質問を受注端末５０から受け付ける。

【0048】

そして、推定装置１００は、受注端末５０から受け付けた想定質問に基づいて、依頼意図を推定する（ステップＳ１０４）。続いて、推定装置１００は、推定された依頼意図に基づいて改善質問を生成する（ステップＳ１０５）。

【0049】

〔１−４．第１の実施形態の効果〕
上述してきたように、第１の実施形態に係る推定装置１００は、提示部１３２と、受付部１３３と、推定部１３４とを有する。提示部１３２は、発注者が依頼する依頼業務に関連する対象物と当該依頼業務の成果物とを受注者に提示する。受付部１３３は、提示部１３２によって提示された対象物および成果物に対する受注者の反応に関する反応情報を受け付ける。推定部１３４は、受付部１３３によって受け付けられた反応情報に基づいて、依頼業務における発注者の意図を示す依頼意図を推定する。

【0050】

また、第１の実施形態に係る推定装置１００において、提示部１３２は、成果物として依頼業務に対する回答を受注者に提示する。受付部１３３は、提示部１３２によって提示された対象物および回答から想定される依頼業務を表現する質問を反応情報として受け付ける。推定部１３４は、受付部１３３によって受け付けられた質問に基づいて依頼意図を推定する。

【0051】

また、第１の実施形態に係る推定装置１００は、推定部１３４によって推定された依頼意図に基づいて、依頼業務を表現する依頼表現を生成する。

【0052】

これにより、推定装置１００は、タスクを改善することができるので、発注者や受注者にとって魅力的な業務委託形態を提供することができる。例えば、推定装置１００は、タスクの質問の記述を自動的に生成することができるので、発注者が質問の記述を考える手間を減らすことができる。また、推定装置１００は、受注者の反応を反映してタスクの質問の記述を生成することができるので、タスクの質を高めることができる。

【0053】

また、推定装置１００は、タスクの精度を高めることができるので、受注者にとって魅力的な業務委託形態を提供することができる。例えば、推定装置１００は、発注者の依頼意図が高い精度で記述された質問を生成することができるので、受注者が発注者の意図と異なる解釈をして成果物を作成してしまい納品を拒絶されてしまうことを防ぐことができる。また、推定装置１００は、タスクの記述があいまいなことが原因で質の高い受注者が発注者の所望しない成果物を作成してしまいスパマーとして疑われることを防ぐことができる。

【0054】

（第２の実施形態）
上記第１の実施形態で説明した推定装置１００は、受注者の反応に関する反応情報に基づいて依頼意図を推定する。第２の実施形態では、推定装置２００によって行われる想定質問の特徴に関する情報を蓄積する処理について説明する。

【0055】

〔２−１．推定装置の構成〕
まず、図７を用いて、第２の実施形態に係る推定装置２００の構成について説明する。図７は、第２の実施形態に係る推定装置２００の構成例を示す図である。図７に示すように、推定装置２００は、推定装置１００と比較して、タスク情報記憶部２２１と、抽出部２３６と、分類部２３７と、構築部２３８と、格納部２３９と、推定部２３４とをさらに有する。

【0056】

（タスク情報記憶部２２１について）
図８に、第２の実施形態に係るタスク情報記憶部２２１の一例を示す。図８に示した例では、タスク情報記憶部２２１は、タスク情報記憶部１２１と比較して、「特徴情報」、「共通特徴情報」、「非共通特徴情報」といった項目をさらに有する。

【0057】

「特徴情報」は、タスクの特徴を示す特徴情報を示す。例えば、「特徴情報」には、タスクを表現する質問に含まれる代表的なキーワードやかかるキーワードの上位概念に相当するキーワードが記憶される。「共通特徴情報」は、他の想定質問と共通する特徴情報を示す。例えば、「共通特徴情報」には、「特徴情報」のうち他の想定質問に含まれる特徴情報と同一の特徴情報が記憶される。「非共通特徴情報」は、他の想定質問と共通しない特徴情報を示す。例えば、「非共通特徴情報」には、「特徴情報」のうち他の想定質問に含まれる特徴情報と異なる特徴情報が記憶される。

【0058】

ここで、図８では、タスクＴ３に関連する対象物である画像Ｐ３は、山の傾斜地にある畑と空とが描出された画像であるものとする。すなわち、図８では、タスクＩＤ「Ｔ３」によって識別されるタスクＴ３の想定質問「この写真は山の写真ですか？」の特徴情報は、「風景」および「山」である例を示している。また、タスクＴ３の想定質問「この写真は山の写真ですか？」の共通特徴情報は、「風景」である例を示している。また、タスクＴ３の想定質問「この写真は山の写真ですか？」の非共通特徴情報は、「山」である例を示している。また、タスクＴ３の改善質問は、「この写真は山または畑または空の写真ですか？」である例を示している。

【0059】

（抽出部２３６について）
抽出部２３６は、特徴情報を抽出する。具体的には、抽出部２３６は、受付部１３３によって受け付けられた反応情報から特徴情報を抽出する。例えば、抽出部２３６は、公知となっている各種の抽出技術によって、想定質問ごとに、想定質問に含まれるキーワードのうち想定質問の特徴を示すキーワードを抽出する。図８の例では、抽出部２３６は、タスクＴ３の想定質問「この写真は山の写真ですか？」の特徴情報として、「風景」および「山」を抽出する。また、抽出部２３６は、タスクＴ３の想定質問「この写真は畑の写真ですか？」の特徴情報として、「風景」および「畑」を抽出する。また、抽出部２３６は、タスクＴ３の想定質問「この写真は空の写真ですか？」の特徴情報として、「風景」および「空」を抽出する。

【0060】

（分類部２３７について）
分類部２３７は、特徴情報を分類する。具体的には、分類部２３７は、抽出部２３６によって抽出された特徴情報を、他の反応情報の特徴情報と共通する共通特徴情報と他の反応情報の特徴情報と共通しない非共通特徴情報とに分類する。例えば、分類部２３７は、他の想定質問の特徴情報と同一の特徴情報を共通特徴情報として分類する。一方、分類部２３７は、他の想定質問の特徴情報と異なる特徴情報を非共通特徴情報として分類する。

【0061】

図８の例では、分類部２３７は、想定質問「この写真は山の写真ですか？」の特徴情報「風景、山」のうち「風景」が、タスクＴ３の他の想定質問「この写真は畑の写真ですか？」および「この写真は空の写真ですか？」においても特徴情報となっているので、「風景」の特徴情報を共通特徴情報として分類する。また、分類部２３７は、特徴情報「風景、山」のうち「山」が、他の想定質問「この写真は畑の写真ですか？」および「この写真は空の写真ですか？」において特徴情報となっていないので、「山」の特徴情報を非共通特徴情報として分類する。

【0062】

（構築部２３８について）
構築部２３８は、タスクごとに、特徴情報の関係性を構築する。具体的には、構築部２３８は、分類部２３７によって分類された共通特徴情報と非共通特徴情報との間の関係性を構築する。一例としては、構築部２３８は、各特徴情報間における包含関係（例えば、Ｉｓ−ａ関係）を構築する。

【0063】

図８の例では、非共通特徴情報である「山」は、共通特徴情報である「風景」に含まれる下位概念の１つである。このため、構築部２３８は、「山」と「風景」との間で包含関係を構築する。同様に、構築部２３８は、「畑」と「風景」との間で包含関係を構築する。また、構築部２３８は、「空」と「風景」との間で包含関係を構築する。この場合、「風景」は、「山」、「畑」および「空」を包含するので、「山」、「畑」および「空」の積集合となる。なお、構築部２３８は、包含関係に限らず、類似関係などを各特徴情報間において構築してもよい。

【0064】

（格納部２３９について）
格納部２３９は、特徴情報に関する情報を格納する。具体的には、格納部２３９は、抽出部２３６によって抽出された特徴情報と構築部２３８によって構築された関係性とを依頼業務に関連付けてタスク情報記憶部２２１に格納する。例えば、格納部２３９は、質問から抽出された特徴情報と、共通特徴情報と非共通特徴情報との間の関係性とをタスクに関連付けてタスク情報記憶部２２１に格納する。図８の例では、格納部２３９は、特徴情報「風景」および「山」と、包含関係にある共通特徴情報「風景」および非共通特徴情報「山」と、をタスクＴ３に関連付けてタスク情報記憶部２２１に格納する。同様に、格納部２３９は、特徴情報「風景」および「畑」と、包含関係にある共通特徴情報「風景」および非共通特徴情報「畑」と、をタスクＴ３に関連付けてタスク情報記憶部２２１に格納する。また、格納部２３９は、特徴情報「風景」および「空」と、包含関係にある共通特徴情報「風景」および非共通特徴情報「空」と、をタスクＴ３に関連付けてタスク情報記憶部２２１に格納する。

【0065】

これにより、格納部２３９は、知識データベースを構築することができる。このため、
例えば、生成部１３５は、知識データベースを用いることで、発注者が作成した質問をより明確に言い換えた改善質問を生成することができる。例えば、図８の例では、特徴情報「風景」と「山」、「畑」および「空」との間の包含関係がタスク情報記憶部２２１に記憶されているので、生成部１３５は、「この写真は風景の写真ですか？」という質問から「この写真は山または畑または空の写真ですか？」という改善質問を生成することができる。

【0066】

（推定部２３４について）
推定部２３４は、タスクにおける発注者の意図を示す依頼意図を推定する。一例としては、推定部２３４は、抽出部２３６によって抽出された特徴情報に基づいて、依頼意図を推定する。例えば、推定部２３４は、特徴情報として抽出されたキーワードに基づいて依頼意図を推定する。図８の例では、推定部２３４は、「山」、「畑」、「空」というキーワードがＴ３の特徴情報なので、写真が「山」、「畑」または「空」の写真であるか否かを問うことをタスクＴ３の依頼意図として推定する。

【0067】

他の一例としては、推定部２３４は、構築部２３８によって構築された関係性に基づいて、依頼意図を推定する。図８の例では、推定部２３４は、特徴情報「風景」と「山」、「畑」および「空」との間の包含関係がタスク情報記憶部２２１に記憶されているので、写真が「山」、「畑」または「空」の写真であるか否かを問うことをタスクＴ３の依頼意図として推定する。

【0068】

〔２−２．第２の実施形態の効果〕
上述してきたように、第２の実施形態に係る推定装置１００は、抽出部２３６と、分類部２３７と、構築部２３８と、格納部２３９と、推定部２３４とを有する。抽出部２３６は、受付部１３３によって受け付けられた反応情報の特徴情報を抽出する。分類部２３７は、抽出部２３６によって抽出された特徴情報を、他の反応情報の特徴情報と共通する共通特徴情報と他の反応情報の特徴情報と共通しない非共通特徴情報とに分類する。構築部２３８は、分類部２３８によって分類された共通特徴情報と非共通特徴情報との間の関係性を構築する。格納部２３９は、抽出部２３６によって抽出された特徴情報と構築部２３８によって構築された関係性とを依頼業務に関連付けて記憶部に格納する。推定部２３４は、抽出部２３６によって抽出された特徴情報に基づいて、依頼意図を推定する。また、推定部２３４は、構築部２３８によって構築された関係性に基づいて、依頼意図を推定する。

【0069】

これにより、推定装置１００は、特徴情報の知識データベースを構築することができるので、依頼意図がより明確なタスクを生成することができる。例えば、推定装置１００は、構築した知識データベースを用いることで、発注者の依頼意図をあいまいに表現する上位概念の質問を複数の下位概念で表現する質問に改善することができるので、発注者の依頼意図がより明確なタスクを生成することができる。また、推定装置１００は、タスクの特徴を示すキーワードや当該キーワード間の関係性などに基づいて依頼意図を推定することができるので、発注者の依頼意図をより明確に推定することができる。

【0070】

なお、改善質問は、推定装置１００に限らず、発注者が作成してもよい。例えば、発注者は、知識データベースを参照することで、特徴情報「風景」が「山」、「畑」、「空」を含む包含関係にあることを把握することができる。これにより、発注者は、「この写真は山または畑または空の写真ですか？」という改善質問を容易に作成することができる。

【0071】

〔３．変形例〕
上述した実施形態に係る推定装置１００や推定装置２００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、上記の推定装置１００や推定装置２００の他の実施形態について説明する。

【0072】

〔３−１．タスク推薦〕
上記第２の実施形態では、推定装置２００が知識データベースを構築する例を挙げて説明した。ここで、推定装置２００は、発注者に推薦する特徴情報として、抽出部２３６によって抽出された特徴情報に対応する非共通特徴情報を提示してもよい。この点について図８を用いて説明する。

【0073】

例えば、推定装置２００の抽出部２３６は、特徴情報として「風景」および「山」を抽出したものとする。この場合、抽出部２３６は、特徴情報「風景」および「山」に対応する非共通特徴情報「山」を知識データベースであるタスク情報記憶部２２１から抽出する。そして、提示部１３２は、発注者に推薦する特徴情報として、抽出部２３６によって抽出された非共通特徴情報「山」を提示する。非共通特徴情報である「山」の方が「風景」よりもタスクを明確に表現することができる特徴だからである。

【0074】

このように、推定装置２００は、発注者に推薦する特徴情報として、抽出部２３６によって抽出された特徴情報に対応する非共通特徴情報を提示する。

【0075】

これにより、推定装置２００は、発注者の意図をより明確に示す特徴を発注者に示すことができるので、質の高いタスクを発注者に容易に作成させることができる。

【0076】

〔３−２．対象物の提示〕
上記実施形態では、推定装置１００は、タスクに関連する対象物を提示する例を挙げて説明した。ここで、上述してきた推定装置１００は、依頼業務を肯定する成果物と否定する成果物との間の中間に属すると想定される対象物を受注者に提示してもよい。一例としては、推定装置１００は、依頼業務を表現する質問を肯定する回答と否定する回答との間の中間に属すると想定される対象物（例えば、境界面に属する対象物）を受注者に提示する。例えば、推定装置１００の提示部１３２は、質問を肯定する回答と否定する回答との間の中間に属すると想定される対象物として、質問に対する回答を判断し難い対象物を受注者に提示する。ここで、判断し難い対象物とは、例えば、「はい」と回答する割合と「いいえ」と回答する割合とが近しい割合となる対象物である。

【0077】

この点について、図９を用いて説明する。図９は、提示処理を説明するための説明図である。図９の例では、依頼業務を表現する質問Ｑｎは、「果物ですか？」であるものとする。この場合、提示部１３２は、図９に示すように、スイカが描出された画像Ｐｎを受注者に提示する。スイカは、学問的には野菜に分類されるが文化的には果物とも分類され得るので、質問Ｑｎに対する回答が「はい」とも「いいえ」ともなり得る対象物だからである。なお、図９では、質問Ｑｎに対する回答が「はい」となる割合が多い対象物ほど境界面の右側に表示される。一方、質問Ｑｎに対する回答が「いいえ」となる割合が多い対象物ほど境界面の左側に表示される。すなわち、図９では、質問Ｑｎに対する回答の境界面からの距離は、肯定する回答または否定する回答の割合を示す。

【0078】

そして、受注者は、スイカが描出された画像Ｐｎから想定される想定質問を作成する。例えば、受注者は、「学問的に野菜ではなく果物に分類されますか？」という想定質問Ｘを作成する。これにより、推定装置１００は、質問Ｑｎをより明確に表現した想定質問Ｘを取得することができる。このため、推定装置１００は、想定質問Ｘに基づいて質問Ｑｎをより改善した改善質問を生成することができる。

【0079】

なお、質問を肯定する回答と否定する回答との間の中間に属すると想定される対象物は、例えば、正例の対象物と負例の対象物との中間にある対象物とする。図９の例では、提示部１３２は、画像Ｐ_１と画像Ｐ_２との間の距離の中間にある画像を提示する。

【0080】

また、他の一例としては、提示部１３２は、中間に属すると想定される対象物として、正例の対象物の画像の色味と負例の対象物の画像の色味との間の中間の色味の画像を提示してもよい。

【0081】

また、他の一例としては、提示部１３２は、中間に属すると想定される対象物として、クラウドソーシングによって得られる回答を判断し難い画像を提示してもよい。例えば、推定装置１００は、受注者に対して回答を判断し難い画像を問い合わせる。これにより、推定装置１００は、回答を判断し難い画像を受注者から受け付ける。

【0082】

また、他の一例としては、回答を判断し難い対象物を発注者が予め用意する。例えば、発注者は、質問に対する回答が「はい」となるか「いいえ」となるか判断が難しい対象物（例えば、ゴールドデータ）を中間に属すると想定される対象物として作成する。そして、推定装置１００は、発注者が用意した判断が難しい対象物を予め記憶する。これにより、推定装置１００は、中間に属すると想定される対象物を保持する。

【0083】

また、他の一例としては、推定装置１００は、機械学習や能動学習、半教師あり学習の手法によって中間に属すると想定される対象物を抽出してもよい。例えば、推定装置１００は、ＳＶＭ（Support vector machine）の手法においてサポートベクトルになり得る境界面に近い２組の画像を受注者に問い合わせる。そして、推定装置１００は、境界面に近い画像を受注者から取得する。

【0084】

このように、推定装置１００は、依頼業務を肯定する成果物と否定する成果物との間の中間に属すると想定される対象物を受注者に提示する。

【0085】

これにより、推定装置１００は、発注者が作成した質問をより明確に表現した想定質問を取得することができるので、想定質問に基づいて発注者が作成した質問をより改善する改善質問を生成することができる。

【0086】

また、推定装置１００は、複数の対象物を受注者に提示し、受注者から回答を受け付けることで境界面を取得してもよい。一例としては、推定装置１００は、カテゴリの異なる複数の対象物を同時に受注者に提示する。例えば、図９の例では、推定装置１００は、りんごが描出された画像とスイカが描出された画像とを同時に提示するとともに、「２つの画像に描出されたものは同じカテゴリに属しますか？」という質問を受注者に提示する。そして、推定装置１００は、「はい」の回答を受け付けた場合には、「２つの画像に描出されたものは何のカテゴリに属しますか？」という質問を受注者に提示する。そして、推定装置１００は、例えば、「果物」というカテゴリの回答を受け付ける。これにより、推定装置１００は、２つの画像の境界面となるコンセプトを取得することができる。

【0087】

一方、推定装置１００は、「いいえ」の回答を受け付けた場合には、「２つの画像に描出されたものの違いは何ですか？」という質問を受注者に提示する。そして、推定装置１００は、例えば、「学問的に果物か否か」という２つの違いの回答を受け付ける。これにより、推定装置１００は、２つの画像の境界面となるコンセプトを取得することができる。

【0088】

そして、推定装置１００は、取得した境界面となるコンセプトを集計して発注者に提示してもよい。これにより、推定装置１００は、明確なタスクを作成することに役立つ情報を発注者に提供することができるので、発注者がタスクを作成する作業を支援することができる。また、推定装置１００は、取得した境界面となるコンセプトを知識データベースに蓄積してもよい。これにより、推定装置１００は、取得した境界面となるコンセプトを知識体系抽出のソースとして活用することができる。

【0089】

〔３−３．想定質問の受け付け〕
上記実施形態では、質問に対する回答が「はい」または「いいえ」となる想定質問を受け付ける例を説明した。ここで、上述してきた推定装置１００は、提示部１３２によって提示された依頼業務の複数の回答のうち不明であることを示す不明回答とともに、回答が肯定となる質問または否定となる質問を受け付けてもよい。

【0090】

この点について図１０を用いて説明する。まず、推定装置１００は、改善タスクを受注端末５０に送信する。図１０は、変形例に係る改善タスクの一例を示す図である。図１０に示すように、改善タスクＵＴ２は、タスクＴ１を表現する質問Ｑ１とタスクＴ１に関連する対象物である画像Ｐ１を表示する。

【0091】

また、改善タスクＵＴ２は、質問Ｑ１を肯定する回答Ａ２１と、質問Ｑ１を否定する回答Ａ２２と、質問Ｑ１の回答が不明であることを示す回答Ａ２３とを選択するチェックボックスを表示する。これにより、推定装置１００は、発注者によって予め用意されたタスク務の複数の回答とタスクを表現する質問とを受注者に提示する。

【0092】

また、改善タスクＵＴ２は、質問Ｑ１の回答が不明である場合に、質問Ｑ１に対する答えが「はい」となる想定質問を入力させるテキストボックスＴＢ１と、質問Ｑ１に対する答えが「いいえ」となる想定質問を入力させるテキストボックスＴＢ２とを表示する。これにより、推定装置１００は、提示部１３２によって提示された依頼業務の複数の回答のうち不明であることを示す不明回答とともに、回答が肯定となる質問または否定となる質問を受け付ける。

【0093】

そして、推定装置１００は、受付部１３３によって受け付けられた質問に基づいて依頼意図を推定する。例えば、推定装置１００は、受注者によってテキストボックスＴＢ１やテキストボックスＴＢ２に入力された質問に基づいて依頼意図を推定する。

【0094】

このように、推定装置１００は、発注者によって予め用意された依頼業務の複数の回答と依頼業務を表現する質問とを受注者に提示する。また、推定装置１００は、提示部１３２によって提示された依頼業務の複数の回答のうち不明であることを示す不明回答とともに、回答が肯定となる質問または否定となる質問を受け付ける。また、推定装置１００は、受付部１３３によって受け付けられた質問に基づいて依頼意図を推定する。

【0095】

これにより、推定装置１００は、質問に対する回答が不明な場合でも想定質問を受け付けることができるので、発注者の作成した質問に関わらず質の高い改善質問を生成することができる。また、推定装置１００は、知識データベースのサンプルデータを増やすことができる。

【0096】

〔３−４．対象物の提示〕
上記実施形態では、タスクに関連する対象物を受注者に提示する例を説明した。ここで、上述してきた推定装置１００は、タスクに関連する対象物を各種の形態で受注者に提示してもよい。

【0097】

例えば、推定装置１００は、タスクに対する回答が肯定となる対象物または否定となる対象物を受注者に提示する。この点について図３を用いて説明する。推定装置１００は、改善タスクを受注端末５０に送信する。一例としては、推定装置１００は、図３に示すように、タスクに対する回答が肯定となる対象物Ｐ１を改善タスクＵＴ１によって受注者に提示する。ここで、推定装置１００は、タスクに対する回答が肯定となる対象物に限らず、タスクに対する回答が否定となる対象物を提示してもよい。

【0098】

また、推定装置１００は、タスクに対する回答が肯定となる対象物と否定となる対象物とを受注者に同時に提示してもよい。この点について図１１を用いて説明する。図１１は、変形例に係る改善タスクの一例を示す図である。図１１に示すように、推定装置１００は、タスクに対する回答が肯定する回答Ａ２となる対象物Ｐ２と否定する回答Ａ３となる対象物Ｐ３とを改善タスクＵＴ３によって受注者に同時に提示する。

【0099】

また、推定装置１００は、タスクに対する回答が肯定となる対象物と否定となる対象物とを所定の割合で受注者に提示してもよい。例えば、推定装置１００は、タスクに対する回答が肯定となる対象物と否定となる対象物とを１対１の割合で受注者に提示する。これにより、タスクに対する回答が異なる対象物をバランスよく提示することができる。

【0100】

また、推定装置１００は、タスクに対する回答が肯定となる対象物と否定となる対象物とを受注者に同時に提示するに限らず、タスクに対する回答が肯定となる複数の対象物やタスクに対する回答が否定となる複数の対象物を受注者に同時に提示してもよい。

【0101】

この点について図１２を用いて説明する。図１２は、変形例に係る改善タスクの一例を示す図である。図１２に示すように、推定装置１００は、タスクに対する回答が肯定する回答Ａ２となる対象物Ｐ２とタスクに対する回答が肯定する回答Ａ４となる対象物Ｐ４とを改善タスクＵＴ４によって受注者に同時に提示する。なお、推定装置１００は、図１２に示す例に限らず、タスクに対する回答が否定となる複数の対象物を受注者に同時に提示してもよい。

【0102】

このように、推定装置１００は、依頼業務に対する回答が肯定となる対象物または否定となる対象物を受注者に提示する。これにより、推定装置１００は、発注者が所望する回答となる想定質問を受注者から受け付けることができる。

【0103】

また、推定装置１００は、依頼業務に対する回答が肯定となる対象物と否定となる対象物とを受注者に同時に提示する。これにより、推定装置１００は、回答が肯定となる対象物と否定となる対象物とを受注者に比較させることができるので、発注者の依頼意図により近い想定質問を受注者から受け付けることができる。

【0104】

また、推定装置１００は、依頼業務に対する回答が肯定となる対象物と否定となる対象物とを所定の割合で受注者に提示する。これにより、推定装置１００は、タスクに対する回答が異なる対象物をバランスよく提示することができる。

【0105】

また、推定装置１００は、依頼業務に対する回答が肯定となる複数の対象物または否定となる複数の対象物を受注者に提示する。これにより、推定装置１００は、受注者に対して複数の対象物から質問を想定させることができるので、発注者の依頼意図により近い想定質問を受注者から受け付けることができる。

【0106】

〔３−５．ダブルチェック〕
上記実施形態では、改善質問を生成する例を説明した。ここで、上述してきた推定装置１００は、生成した改善質問を審査してもよい。この点について図１３を用いて説明する。図１３は、変形例に係るタスクの一例を示す図である。

【0107】

具体的には、推定装置１００の提示部１３２は、まず、生成部１３５によって生成された依頼業務（例えば、タスク）を表現する依頼表現（例えば、改善質問）と依頼業務に関連する対象物とを受注者に提示する。例えば、推定装置１００は、発注者が作成した質問を改善質問に改善したタスクを受注端末５０に送信する。図１３は、変形例に係るタスクの一例を示す説明図である。図１３に示すように、推定装置１００は、発注者が作成したタスクＴ１を表現する質問Ｑ１を生成部１３５によって生成された改善質問ＵＱ１に変更したタスクＣＴ１によって改善質問ＵＱ１を受注者に提示する。また、推定装置１００は、タスクＴ１に関連する対象物である画像Ｐ１をタスクＣＴ１によって受注者に提示する。

【0108】

その後、推定装置１００の受付部１３３は、提示部１３２によって提示された改善質問に基づいて受注者によって作成された成果物（例えば、依頼業務に対する回答）を受け付ける。図１３の例では、推定装置１００は、改善質問ＵＱ１および対象物である画像Ｐ１に基づいて受注者によって作成された回答を受注者から受け付ける。

【0109】

続いて、推定装置１００は、発注者によって作成された回答と受付部１３３によって受け付けられた受注者によって作成された回答との一致度合いを判定する。例えば、推定装置１００は、受注者から受け付けたタスクに対する回答と発注者によって作成されたタスクに対する回答とが同一の回答か否かを判定する。

【0110】

そして、推定装置１００は、発注者によって作成された回答と受注者によって作成された回答との間の一致度合いに基づいて依頼意図を推定する。例えば、推定装置１００は、受注者から受け付けたタスクに対する回答と発注者によって作成されたタスクに対する回答とが同一の回答の場合には、タスクを表現する質問として改善質問を採用する。この場合、改善質問は発注者の意図と一致していると考えられるからである。

【0111】

一方、推定装置１００は、受注者から受け付けたタスクに対する回答と発注者によって作成されたタスクに対する回答とが異なる場合には、タスクを表現する質問として改善質問を採用せず、改めて改善質問を生成する。この場合、改善質問は発注者の意図と異なると考えられるからである。例えば、推定装置１００は、他の受注者に改善タスクを送信する。そして、推定装置１００は、改善タスクを送信した他の受注者から想定質問を受け付ける。これにより、推定装置１００は、受け付けた想定質問に基づいて改めて依頼意図を推定する。

【0112】

このように、推定装置１００は、生成部１３５によって生成された依頼業務を表現する依頼表現と当該依頼業務に関連する対象物とを受注者に提示する。また、推定装置１００は、提示部１３２によって提示された依頼表現および対象物に基づいて受注者によって作成された成果物を受け付ける。また、推定装置１００は、発注者によって作成された依頼業務の成果物と受付部１３３によって受け付けられた受注者によって作成された成果物との間の一致度合いに基づいて依頼意図を推定する。

【0113】

これにより、推定装置１００は、生成した改善質問を審査することができるので、発注者の依頼意図を反映したタスクを生成することができる。例えば、推定装置１００は、受注者から受け付けたタスクに対する回答と発注者によって作成されたタスクに対する回答とが同一の回答の場合に、タスクを表現する質問として改善質問を採用することができるので、発注者の依頼意図と一致するタスクを生成することができる。

【0114】

〔３−６．変形例の効果〕
上述してきたように、変形例に係る推定装置２００において、提示部１３２は、発注者に推薦する特徴情報として、抽出部２３６によって抽出された特徴情報に対応する非共通特徴情報を提示する。

【0115】

これにより、変形例に係る推定装置２００は、発注者の意図をより明確に示す特徴を発注者に示すことができるので、質の高いタスクを発注者に容易に作成させることができる。

【0116】

また、変形例に係る推定装置１００において、提示部１３２は、依頼業務を表現する質問を肯定する回答と否定する回答との間の中間に属すると想定される対象物を受注者に提示する。

【0117】

これにより、変形例に係る推定装置１００は、発注者が作成した質問をより明確に表現した想定質問を取得することができるので、想定質問に基づいて発注者が作成した質問をより改善する改善質問を生成することができる。

【0118】

また、変形例に係る推定装置１００において、提示部１３２は、発注者によって予め用意された依頼業務の複数の回答と依頼業務を表現する質問とを受注者に提示する。また、受付部１３３は、提示部１３２によって提示された依頼業務の複数の回答のうち不明であることを示す不明回答とともに、回答が肯定となる質問または否定となる質問を受け付ける。また、推定部１３４は、受付部１３３によって受け付けられた質問に基づいて依頼意図を推定する。

【0119】

これにより、変形例に係る推定装置１００は、質問に対する回答が不明な場合でも想定質問を受け付けることができるので、発注者の作成した質問に関わらず質の高い改善質問を生成することができる。また、推定装置１００は、知識データベースのサンプルデータを増やすことができる。

【0120】

また、変形例に係る推定装置１００において、提示部１３２は、依頼業務に対する回答が肯定となる対象物または否定となる対象物を受注者に提示する。

【0121】

これにより、変形例に係る推定装置１００は、発注者が所望する回答となる想定質問を受注者から受け付けることができる。

【0122】

また、変形例に係る推定装置１００において、提示部１３２は、依頼業務に対する回答が肯定となる対象物と否定となる対象物とを受注者に同時に提示する。

【0123】

これにより、変形例に係る推定装置１００は、回答が肯定となる対象物と否定となる対象物とを受注者に比較させることができるので、発注者の依頼意図により近い想定質問を受注者から受け付けることができる。

【0124】

また、変形例に係る推定装置１００において、提示部１３２は、依頼業務に対する回答が肯定となる対象物と否定となる対象物とを所定の割合で受注者に提示する。

【0125】

これにより、変形例に係る推定装置１００は、タスクに対する回答が異なる対象物をバランスよく提示することができる。

【0126】

また、変形例に係る推定装置１００において、提示部１３２は、依頼業務に対する回答が肯定となる複数の対象物または否定となる複数の対象物を受注者に提示する。

【0127】

これにより、変形例に係る推定装置１００は、受注者に対して複数の対象物から質問を想定させることができるので、発注者の依頼意図により近い想定質問を受注者から受け付けることができる。

【0128】

また、変形例に係る推定装置１００において、提示部１３２は、生成部１３５によって生成された依頼業務を表現する依頼表現と当該依頼業務に関連する対象物とを受注者に提示する。受付部１３３は、提示部１３２によって提示された依頼表現および対象物に基づいて受注者によって作成された成果物を受け付ける。推定部１３４は、発注者によって作成された依頼業務の成果物と受付部１３３によって受け付けられた受注者によって作成された成果物との間の一致度合いに基づいて依頼意図を推定する。

【0129】

これにより、変形例に係る推定装置１００は、生成した改善質問を審査することができるので、発注者の依頼意図を反映したタスクを生成することができる。例えば、推定装置１００は、受注者から受け付けたタスクに対する回答と発注者によって作成されたタスクに対する回答とが同一の回答の場合に、タスクを表現する質問として改善質問を採用することができるので、発注者の依頼意図と一致するタスクを生成することができる。

【0130】

〔４．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。

【0131】

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。

【0132】

例えば、図４に示したタスク情報記憶部１２１は、推定装置１００が保持せずに、ストレージサーバ等に保持されてもよい。この場合、推定装置１００は、ストレージサーバにアクセスすることで、タスクに関する情報を取得する。

【0133】

また、推定装置１００は、推定処理や生成処理は行わず、受付部１３３による構築処理のみを行う構築装置であってもよい。この場合、構築装置は、推定部１３４と生成部１３５とを有しない。そして、推定部１３４を有する推定装置が発注者の依頼意図を推定する。また、生成部１３５を有する生成装置が、タスクを表現する改善質問を生成する。

【0134】

また、上述してきた実施形態に係る推定装置１００は、例えば図１４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。以下、推定装置１００を例に挙げて説明する。図１４は、推定装置１００の機能を実現するコンピュータ１０００の一例を示すハードウェア構成図である。コンピュータ１０００は、ＣＰＵ１１００、ＲＡＭ１２００、ＲＯＭ１３００、ＨＤＤ１４００、通信インターフェイス（Ｉ／Ｆ）１５００、入出力インターフェイス（Ｉ／Ｆ）１６００、およびメディアインターフェイス（Ｉ／Ｆ）１７００を有する。

【0135】

ＣＰＵ１１００は、ＲＯＭ１３００またはＨＤＤ１４００に格納されたプログラムに基づいて動作し、各部の制御を行う。ＲＯＭ１３００は、コンピュータ１０００の起動時にＣＰＵ１１００によって実行されるブートプログラムや、コンピュータ１０００のハードウェアに依存するプログラム等を格納する。

【0136】

ＨＤＤ１４００は、ＣＰＵ１１００によって実行されるプログラム、および、かかるプログラムによって使用されるデータ等を格納する。通信インターフェイス１５００は、通信網５０を介して他の機器からデータを受信してＣＰＵ１１００へ送り、ＣＰＵ１１００が生成したデータを通信網５０を介して他の機器へ送信する。

【0137】

ＣＰＵ１１００は、入出力インターフェイス１６００を介して、ディスプレイやプリンタ等の出力装置、および、キーボードやマウス等の入力装置を制御する。ＣＰＵ１１００は、入出力インターフェイス１６００を介して、入力装置からデータを取得する。また、ＣＰＵ１１００は、生成したデータを入出力インターフェイス１６００を介して出力装置へ出力する。

【0138】

メディアインターフェイス１７００は、記録媒体１８００に格納されたプログラムまたはデータを読み取り、ＲＡＭ１２００を介してＣＰＵ１１００に提供する。ＣＰＵ１１００は、かかるプログラムを、メディアインターフェイス１７００を介して記録媒体１８００からＲＡＭ１２００上にロードし、ロードしたプログラムを実行する。記録媒体１８００は、例えばＤＶＤ（Digital Versatile Disc）、ＰＤ（Phase change rewritable Disk）等の光学記録媒体、ＭＯ（Magneto Optical disk）等の光磁気記録媒体、テープ媒体、磁気記録媒体、または半導体メモリ等である。

【0139】

例えば、コンピュータ１０００が実施形態に係る推定装置１００として機能する場合、コンピュータ１０００のＣＰＵ１１００は、ＲＡＭ１２００上にロードされたプログラムを実行することにより、制御部１３０の機能を実現する。また、ＨＤＤ１４００には、記憶部１２０内のデータが格納される。コンピュータ１０００のＣＰＵ１１００は、これらのプログラムを記録媒体１８００から読み取って実行するが、他の例として、他の装置から通信網５０を介してこれらのプログラムを取得してもよい。

【0140】

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。

【0141】

また、上述した推定装置１００は、複数のサーバコンピュータで実現してもよく、また、機能によっては外部のプラットフォーム等をＡＰＩ（Application Programming Interface）やネットワークコンピューティングなどで呼び出して実現するなど、構成は柔軟に変更できる。

【0142】

また、特許請求の範囲に記載した「手段」は、「部（section、module、unit）」や「回路」などに読み替えることができる。例えば、受信部は、受信手段や受信回路に読み替えることができる。

【符号の説明】

【0143】

１ 生成システム
１０ 発注端末
５０ 受注端末
１００ 推定装置
１２１ タスク情報記憶部
１３１ 受信部
１３２ 提示部
１３３ 受付部
１３４ 推定部
１３５ 生成部

【図1】

【図2】

【図3】

【図4】

【図5】

【図6】

【図7】

【図8】

【図9】

【図10】

【図11】

【図12】

【図13】

【図14】