特許 6134411 情報処理装置、情報処理システム、情報処理方法、および、情報処理プログラム

(19)【発行国】日本国特許庁(JP)

(12)【公報種別】特許公報(B1)

(11)【特許番号】6134411

(24)【登録日】2017年4月28日

(45)【発行日】2017年5月24日

(54)【発明の名称】情報処理装置、情報処理システム、情報処理方法、および、情報処理プログラム

(51)【国際特許分類】

   G06Q 30/02 20120101AFI20170515BHJP

   G06Q 50/10 20120101ALI20170515BHJP

   G06N 5/04 20060101ALI20170515BHJP

【ＦＩ】

   G06Q30/02 470

   G06Q50/10

   G06N5/04

【請求項の数】21

【全頁数】29

(21)【出願番号】特願2016-54305(P2016-54305)

(22)【出願日】2016年3月17日

【審査請求日】2016年9月7日

【早期審査対象出願】

(73)【特許権者】

【識別番号】500257300

【氏名又は名称】ヤフー株式会社

(74)【代理人】

【識別番号】110002147

【氏名又は名称】特許業務法人酒井国際特許事務所

(72)【発明者】

【氏名】坪内 孝太

(72)【発明者】

【氏名】田地 将也

【審査官】 山本 雅士

(56)【参考文献】

【文献】 特開２０１１−０８１４３１（ＪＰ，Ａ）

【文献】 特開２０１１−０６００５９（ＪＰ，Ａ）

【文献】 特開２０１２−０４８３６０（ＪＰ，Ａ）

【文献】 特開２０１２−２３９１５６（ＪＰ，Ａ）

(58)【調査した分野】（Int.Cl.，ＤＢ名）

Ｇ０６Ｑ １０／００ − ９９／００

Ｇ０６Ｎ ５／０４

(57)【特許請求の範囲】

【請求項1】

ユーザが複数種類の特定行動のうちのいずれかの行動をした場合における前記ユーザの端末装置に対する行動の情報と前記ユーザに関するコンテキストの情報と前記ユーザが行った前記特定行動の情報とを取得する取得部と、
前記取得部によって取得された前記ユーザの端末装置に対する行動の情報と前記ユーザに関するコンテキストの情報と前記特定行動の情報とを記憶する記憶部と、
前記記憶部に記憶された前記各特定行動の情報と前記コンテキストの情報とを特徴量として機械学習を実行し、前記ユーザの前記端末装置に対する行動の学習モデルを生成する生成部と、を備える
ことを特徴とする情報処理装置。

【請求項2】

端末装置に対してユーザが行動をとりうるタイミングの候補として設定された複数種類の特定行動のうちのいずれかの行動をユーザが行った場合における前記ユーザの端末装置に対する行動の情報と前記ユーザに関するコンテキストの情報と前記ユーザが行った前記特定行動の情報とを取得する取得部と、
前記取得部によって取得された前記ユーザの前記端末装置に対する行動の情報と前記ユーザに関するコンテキストの情報と前記ユーザが行った前記特定行動の情報とを記憶する記憶部と、
前記記憶部に記憶された前記各特定行動の情報と前記コンテキストの情報とを特徴量として機械学習を実行し、前記ユーザの前記端末装置に対する行動の学習モデルを生成する生成部と、を備える
ことを特徴とする情報処理装置。

【請求項3】

前記ユーザが新たに前記特定行動をした場合における当該特定行動の情報と前記ユーザに関するコンテキストの情報を入力情報として前記学習モデルから前記ユーザの前記端末装置に対する行動の可能性を推定する推定部を備える
ことを特徴とする請求項１または２に記載の情報処理装置。

【請求項4】

前記推定部の推定結果に基づき、前記ユーザへの情報提供を実行する提供部を備える
ことを特徴とする請求項３に記載の情報処理装置。

【請求項5】

前記提供部は、
前記推定部の推定結果に応じたコンテンツを前記端末装置へ提供する情報提供を行う
ことを特徴とする請求項４に記載の情報処理装置。

【請求項6】

前記取得部は、
前記端末装置に提供された前記コンテンツに対する前記ユーザの行動の情報を前記ユーザの前記端末装置に対する行動の情報として取得する
ことを特徴とする請求項５に記載の情報処理装置。

【請求項7】

前記取得部は、
前記端末装置に提供された前記コンテンツに対する前記ユーザの行動の情報を前記ユーザに関する前記コンテキストの情報として取得する
ことを特徴とする請求項５または６に記載の情報処理装置。

【請求項8】

前記提供部は、
前記推定部の推定結果に応じた通知態様で前記情報提供を行う
ことを特徴とする請求項４〜７のいずれか一つに記載の情報処理装置。

【請求項9】

前記提供部は、
前記推定部の推定結果に基づき、当該情報処理装置以外から前記端末装置に通知されている他のコンテンツの種別または内容の情報に応じたコンテンツを前記端末装置へ提供する情報提供を行う
ことを特徴とする請求項４〜８のいずれか一つに記載の情報処理装置。

【請求項10】

前記ユーザに関するコンテキストは、
前記ユーザの属性、前記ユーザの現在位置、現在時刻、前記ユーザが置かれた物理環境、前記ユーザが置かれた社会環境、前記ユーザの運動状態、および、前記ユーザの感情のうち少なくとも一つを含む
ことを特徴とする請求項１〜８のいずれか一つ記載の情報処理装置。

【請求項11】

前記生成部は、
前記各特定行動の情報と前記コンテキストの情報とを特徴量として機械学習を実行し、前記特定行動の長さを推定する推定モデルを生成する
ことを特徴とする請求項１〜３のいずれか一つに記載の情報処理装置。

【請求項12】

前記ユーザが新たに前記特定行動をした場合における当該特定行動の情報と前記ユーザに関するコンテキストの情報を入力情報として前記推定モデルから前記特定行動の長さを推定する推定部を備える
ことを特徴とする請求項１１に記載の情報処理装置。

【請求項13】

前記推定部によって推定された前記特定行動の長さに応じた種別のコンテンツを選択する選択部と、
前記選択部によって選択されたコンテンツを前記ユーザへ提供する情報通知を行う提供部を備える
ことを特徴とする請求項１２に記載の情報処理装置。

【請求項14】

前記選択部は、
前記推定部によって推定された前記特定行動の長さと当該特定行動の時間的特性とに応じた種別のコンテンツを選択する
ことを特徴とする請求項１３に記載の情報処理装置。

【請求項15】

前記請求項１または２に記載の情報処理装置と、前記端末装置とを含む情報処理システムであって、
前記情報処理装置は、
前記生成部によって生成された前記学習モデルの情報を前記端末装置へ送信し、
前記端末装置は、
前記学習モデルの情報を取得する取得部と、
前記ユーザが新たに前記特定行動を行った場合における当該特定行動の情報と前記ユーザに関するコンテキストの情報を入力情報として前記学習モデルから前記ユーザの前記端末装置に対する行動の可能性を推定する推定部と、を備える
ことを特徴とする情報処理システム。

【請求項16】

コンピュータが実行する情報処理方法であって、
ユーザが複数種類の特定行動のうちのいずれかの行動をした場合における前記ユーザの端末装置に対する行動の情報と前記ユーザに関するコンテキストの情報と前記ユーザが行った前記特定行動の情報とを取得する取得工程と、
前記取得工程によって取得された前記ユーザの端末装置に対する行動の情報と前記ユーザに関するコンテキストの情報と前記特定行動の情報とを記憶部に記憶する記憶工程と、
前記記憶部に記憶された前記各特定行動の情報と前記コンテキストの情報とを特徴量として機械学習を実行し、前記ユーザの前記端末装置に対する行動の学習モデルを生成する生成工程と、
を含むことを特徴とする情報処理方法。

【請求項17】

コンピュータが実行する情報処理方法であって、
端末装置に対してユーザが行動をとりうるタイミングの候補として設定された複数種類の特定行動のうちのいずれかの行動をユーザが行った場合における前記ユーザの端末装置に対する行動の情報と前記ユーザに関するコンテキストの情報と前記ユーザが行った前記特定行動の情報とを取得する取得工程と、
前記取得工程によって取得された前記ユーザの前記端末装置に対する行動の情報と前記ユーザに関するコンテキストの情報と前記ユーザが行った前記特定行動の情報とを記憶部に記憶する記憶工程と、
前記記憶部に記憶された前記各特定行動の情報と前記コンテキストの情報とを特徴量として機械学習を実行し、前記ユーザの前記端末装置に対する行動の学習モデルを生成する生成工程と、
を含むことを特徴とする情報処理方法。

【請求項18】

ユーザが複数種類の特定行動のうちのいずれかの行動をした場合における前記ユーザの端末装置に対する行動の情報と前記ユーザに関するコンテキストの情報と前記ユーザが行った前記特定行動の情報とを取得する取得手順と、
前記取得手順によって取得された前記ユーザの端末装置に対する行動の情報と前記ユーザに関するコンテキストの情報と前記特定行動の情報とを記憶部に記憶する記憶手順と、
前記記憶部に記憶された前記各特定行動の情報と前記コンテキストの情報とを特徴量として機械学習を実行し、前記ユーザの前記端末装置に対する行動の学習モデルを生成する生成手順と、
をコンピュータに実行させることを特徴とする情報処理プログラム。

【請求項19】

端末装置に対してユーザが行動をとりうるタイミングの候補として設定された複数種類の特定行動のうちのいずれかの行動をユーザが行った場合における前記ユーザの端末装置に対する行動の情報と前記ユーザに関するコンテキストの情報と前記ユーザが行った前記特定行動の情報とを取得する取得手順と、
前記取得手順によって取得された前記ユーザの端末装置に対する行動の情報と前記ユーザに関するコンテキストの情報と前記特定行動の情報とを記憶部に記憶する記憶手順と、
前記記憶部に記憶された前記各特定行動の情報と前記コンテキストの情報とを特徴量として機械学習を実行し、前記ユーザの前記端末装置に対する行動の学習モデルを生成する生成手順と、
をコンピュータに実行させることを特徴とする情報処理プログラム。

【請求項20】

ユーザの各特定行動の情報と前記ユーザに関するコンテキストの情報とを特徴量とした学習モデルの情報を記憶する記憶部から前記学習モデルの情報を取得する取得手順と、
前記ユーザが新たに前記特定行動を行った場合における当該特定行動の情報と前記ユーザに関するコンテキストの情報を入力情報として前記学習モデルから前記ユーザの端末装置に対する行動の可能性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情報処理プログラム。

【請求項21】

端末装置に対してユーザが行動をとりうるタイミングの候補として設定されたユーザの各特定行動の情報と前記ユーザに関するコンテキストの情報とを特徴量とした学習モデルの情報を記憶する記憶部から前記学習モデルの情報を取得する取得手順と、
前記ユーザが新たに前記特定行動を行った場合における当該特定行動の情報と前記ユーザに関するコンテキストの情報を入力情報として前記学習モデルから前記ユーザの端末装置に対する行動の可能性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情報処理プログラム。

【発明の詳細な説明】

【技術分野】

【0001】

本発明は、情報処理装置、情報処理システム、情報処理方法、および、情報処理プログラムに関する。

【背景技術】

【0002】

従来、端末装置のユーザに対してプッシュ型で情報を提供することが行われており、かかるプッシュ型の情報提供は今後さらに増加するものと考えられる。一方で、通知される情報が多くなるほど、ユーザは通知される情報の一つ一つに注意を払う機会が少なくなるおそれがある。

【0003】

そこで、ユーザが提供される情報に注意を払うように、ユーザの端末装置に対する操作から、ユーザの行動の変わり目（例えば、歩く→止まる、走る→歩くなど）のうち、ユーザへの割り込みに適したタイミングで情報を通知する技術が提案されている（例えば、非特許文献１参照）。

【先行技術文献】

【非特許文献】

【0004】

【非特許文献1】大越 匡、” Detection of User’s Interruptibility for Attention Awareness in Ubiquitous Computing”、博士論文、［online］、学年度２０１５年、インターネット（URL: https://www.ht.sfc.keio.ac.jp/~slash/papers/TadashiOkoshi_PhDThesis_20150809a.pdf）

【発明の概要】

【発明が解決しようとする課題】

【0005】

上記非特許文献１に記載の技術は、ユーザの端末装置に対する操作から、ユーザの行動の変わり目のうちユーザへの割り込みに適したタイミングを検知することができるが、かかる技術は、例えば、さらなる改善や発展が望まれる。

【0006】

本願は、上記に鑑みてなされたものであって、ユーザへの割り込みにより適したタイミングの検知を可能とする情報処理装置、情報処理システム、情報処理方法、および、情報処理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】

【0007】

本願にかかる情報処理装置は、取得部と、生成部とを備える。前記取得部は、ユーザが複数種類の特定行動のうちのいずれかの行動をした場合における前記ユーザの端末装置に対する行動の情報と前記ユーザに関するコンテキストの情報とを取得する。前記生成部は、前記各特定行動の情報と前記コンテキストの情報とを特徴量として機械学習を実行し、前記ユーザの前記端末装置に対する行動の学習モデルを生成する。

【発明の効果】

【0008】

実施形態の一態様によれば、ユーザへの割り込みにより適したタイミングの検知を可能とする情報処理装置、情報処理システム、情報処理方法、および、情報処理プログラムを提供することができる。

【図面の簡単な説明】

【0009】

【図1】図１は、実施形態にかかる情報処理の説明図である。

【図2】図２は、情報処理システムの構成例を示す図である。

【図3】図３は、端末装置の構成例を示す図である。

【図4】図４は、端末装置の表示画面の一例を示す図である。

【図5】図５は、情報処理装置の構成例を示す図である。

【図6】図６は、端末装置における情報処理の流れを示すフローチャートである。

【図7】図７は、図６に示す第１モードの処理の流れを示すフローチャートである。

【図8】図８は、図６に示す第２モードの処理の流れを示すフローチャートである。

【図9】図９は、情報処理装置における情報処理の流れを示すフローチャートである。

【図10】図１０は、プログラムを実行するコンピュータのハードウェア構成の一例を示す図である。

【発明を実施するための形態】

【0010】

以下に、本願にかかる情報処理装置、情報処理システム、情報処理方法、および、情報処理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かかる情報処理装置、情報処理システム、情報処理方法、および、情報処理プログラムが限定されるものではない。

【0011】

〔１．学習モデル生成処理を含む情報処理〕
実施形態にかかる学習モデル生成処理を含む情報処理について説明する。図１は、実施形態にかかる情報処理の説明図であり、図１に示す例では、情報処理装置１００によって情報処理が実行される。

【0012】

情報処理装置１００は、複数の端末装置１０_１〜１０_ｎ（以下、端末装置１０と総称する場合がある）をそれぞれ有する複数のユーザＵ_１〜Ｕ_ｎ（以下、ユーザＵと総称する場合がある）に関する情報（以下、ユーザ関連情報と記載する場合がある）を収集する（ステップＳ１）。

【0013】

かかるユーザ関連情報は、複数のユーザＵが複数種類の特定行動のうちのいずれかの行動をした場合におけるユーザＵの端末装置１０に対する行動の情報とユーザＵに関するコンテキストの情報である。図１に示す例では、ユーザＵ_１が特定行動Ａ、Ｂ、Ｃをそれぞれした場合のユーザ関連情報や、ユーザＵ_ｎが特定行動Ａ、Ｃ、Ｄをそれぞれした場合のユーザ関連情報などが収集される。

【0014】

上記特定行動は、ユーザＵへの割り込みを行うタイミングの候補（以下、ブレークポイントと記載する場合がある）として予め選択されたユーザＵの行動である。かかる特定行動は、例えば、ユーザＵが歩いている状態から止まるという行動、ユーザＵが走っている状態から歩くという行動、座っている状態から立つという行動などである。

【0015】

なお、上述した特定行動の例は、直前の行動を考慮するものであるが、特定行動は、直前の行動を考慮しないものであってもよい。例えば、ユーザＵが電子メールを送信するという行動、ユーザＵが電気機器を操作（ＯＮ／ＯＦＦ）するという行動、ユーザＵが時計を見るという行動などである。

【0016】

また、ユーザＵの端末装置１０に対する行動（以下、対端末行動と記載する場合がある）は、例えば、ユーザＵが情報処理装置１００から端末装置１０へ提供されたコンテンツに反応するという行動、ユーザＵが端末装置１０を持つという行動などである。

【0017】

ユーザＵに関するコンテキスト（以下、単にコンテキストと記載することがある）は、例えば、ユーザＵを取り巻く状況である。かかるコンテキストには、ユーザＵに提供されるコンテンツの内容、ユーザＵが反応したコンテンツの内容、ユーザＵの属性、ユーザＵの現在位置、現在時刻、ユーザＵが置かれた物理環境、ユーザＵが置かれた社会環境、ユーザＵの運動状態、および、ユーザＵの感情などが含まれる。

【0018】

情報処理装置１００は、複数の端末装置１０から複数のユーザ関連情報を収集すると、これら複数のユーザ関連情報に基づいて学習モデルを生成する（ステップＳ２）。具体的には、情報処理装置１００は、各特定行動とコンテキストとを特徴量として機械学習を実行し、ユーザＵの端末装置１０に対する行動の学習モデルを生成する。

【0019】

かかる学習モデルにより、上述した複数のブレークポイントの中から、ユーザＵに関するコンテキストを考慮したより適切なユーザ割り込みタイミング（以下、情報提供タイミングと記載する場合がある）を判定することができる。

【0020】

例えば、情報処理装置１００は、端末装置１０_ｋ（１≦ｋ≦ｎ）のユーザＵ_ｋが新たに特定行動を行った場合にこの特定行動の情報とユーザＵ_ｋに関するコンテキストの情報を取得する（ステップＳ３）。

【0021】

この場合、情報処理装置１００は、ユーザＵ_ｋの新たな特定行動の情報とユーザＵ_ｋに関するコンテキストの情報を入力情報として学習モデルからユーザＵ_ｋの端末装置１０に対する行動の可能性を推定する。情報処理装置１００は、例えば、ユーザＵ_ｋの端末装置１０_ｋに対する行動の可能性が高いと推定される場合、情報提供タイミングであると判定する。

【0022】

このように、情報処理装置１００は、ユーザＵ_ｋの新たな特定行動とユーザＵ_ｋに関するコンテキストに基づいて、新たに特定行動を行ったユーザＵ_ｋへの情報提供タイミングであるか否かを判定することができる（ステップＳ４）。かかる情報提供タイミングは、上述した複数のブレークポイントの中から選択されるタイミングであり、ゴールデンブレークポイントと呼ぶこともできる。

【0023】

情報処理装置１００は、情報提供タイミングであると判定すると、ユーザＵ_ｋの端末装置１０_ｋへコンテンツを提供する情報提供を行う（ステップＳ５）。かかるコンテンツは、例えば、ニュースなどの記事、アプリケーションに関する情報の新着通知、電子メール、クーポンや店舗の紹介などの広告コンテンツなどである。これにより、ユーザＵ_ｋが提供情報に注意を払う可能性が高い適切なタイミングで、ユーザＵ_ｋの端末装置１０_ｋに対してプッシュ型の情報提供を行うことができる。

【0024】

なお、情報処理装置１００は、端末装置１０へ学習モデルの情報を送信することができる。この場合、端末装置１０は、ユーザＵが新たに特定行動を行った場合にこの特定行動の情報とユーザＵに関するコンテキストの情報を入力情報として学習モデルからユーザＵの端末装置１０に対する行動の可能性を推定し、かかる推定結果に基づいてユーザＵへ情報提供を行うことができる。

【0025】

〔２．情報処理システム１〕
図２は、情報処理システム１の構成例を示す図である。図２に示すように、実施形態にかかる情報処理システム１は、複数の端末装置１０_１〜１０_ｎと、センサ装置５０_１〜５０_ｍと、情報処理装置１００とを備える。

【0026】

複数の端末装置１０および情報処理装置１００は、ネットワーク２を介して無線または有線で互いに通信可能に接続される。ネットワーク２は、例えば、ＬＡＮ（Local Area Network）や、インターネットなどのＷＡＮ（Wide Area Network）である。

【0027】

端末装置１０は、デスクトップ型ＰＣ（Personal Computer）や、ノート型ＰＣや、タブレット型端末や、携帯電話機、ＰＤＡ（Personal Digital Assistant）等により実現される。かかる端末装置１０は、例えば、情報通知アプリケーションを含む複数のアプリケーションを有しており、情報処理装置１００から通知されるコンテンツを取得して表示したりする。

【0028】

センサ装置５０_１〜５０_ｍ（以下、センサ装置５０と総称する場合がある）は、ユーザＵの状態を検出して、端末装置１０や情報処理装置１００へネットワーク２を介して通知することができる。センサ装置５０は、例えば、ユーザＵの特定行動を検出することができる。また、センサ装置５０は、例えば、ユーザＵが携帯する装置（例えば、時計やＰＣ）であってもよい。

【0029】

例えば、センサ装置５０は、ユーザＵが所定の電気機器（例えば、コーヒーメーカ、照明機器、テレビ、冷蔵庫など）を操作（例えば、ＯＮ／ＯＦＦ）したことをユーザＵの特定行動として検出することができる。また、センサ装置５０は、例えば、鍵の開け閉めやユーザＵが運転する自動車の動作状態などをユーザＵの特定行動として検出することができる。

【0030】

また、センサ装置５０は、例えば、ユーザＵを撮像し、かかる撮像結果に基づきユーザ認識を行い、ユーザの特定行動（例えば、歩いている状態から止まるという行動や立っている状態から座るという行動など）を検出することができる。

【0031】

情報処理装置１００は、端末装置１０やセンサ装置５０から情報処理装置１００へ提供される情報に基づいて、上述した学習モデルを生成し、かかる学習モデルを用いて、ユーザＵへの割り込みにより適したタイミングでユーザＵへコンテンツを提供することができる。以下、端末装置１０および情報処理装置１００の構成について具体的に説明する。

【0032】

〔２．１．端末装置１０〕
図３は、端末装置１０の構成例を示す図である。図３に示すように、端末装置１０は、通信部１１と、表示部１２ａと、スピーカ１２ｂと、振動部１２ｃと、入力部１３と、検知部１４と、記憶部１５と、制御部１６（コントローラ）とを有する。

【0033】

通信部１１は、ネットワーク２と有線又は無線で接続され、センサ装置５０や情報処理装置１００との間で情報の送受信を行う。例えば、通信部１１は、ＮＩＣ（Network Interface Card）等によって実現される。制御部１６は、通信部１１およびネットワーク２を介して、センサ装置５０や情報処理装置１００との間で各種の情報を送受信することができる。

【0034】

表示部１２ａは、タッチパネル式のディスプレイである。端末装置１０のユーザＵは、表示部１２ａの画面上を指などで操作することで、表示部１２ａに表示された画面に対する操作が可能である。かかる表示部１２ａは、例えば、小型のＬＣＤ（Liquid Crystal Display）や有機ＥＬディスプレイである。

【0035】

入力部１３は、数字、数字およびスペースを入力するためのキー、エンターキーおよび矢印キーなどを含むキーボードや、選択ボタン、電源ボタンなどを有する。

【0036】

検知部１４は、端末装置１０に関する各種情報を検知する。具体的には、検知部１４は、端末装置１０の物理的な状態や周囲の状態を検知する。図３に示す例では、検知部１４は、加速度センサ２１と、測位部２２と、撮像部２３とを有する。

【0037】

加速度センサ２１は、例えば、３軸加速度センサであり、端末装置１０の移動方向、速度、および、加速度などの端末装置１０の物理的な動きを検知する。測位部２２は、ＧＰＳ（Global Positioning System）衛星から送出される電波を受信し、受信した電波に基づいて端末装置１０の現在位置を示す位置情報（例えば、緯度および経度）を取得する。撮像部２３は、端末装置１０の周囲を撮像し、撮像画像を取得する。

【0038】

なお、検知部１４は、加速度センサ２１、測位部２２および撮像部２３に限られず、端末装置１０の物理的な状態を検知する各種機器を有してもよい。例えば、検知部１４は、端末装置１０の周囲の音を収集するマイクロフォンや、端末装置１０の周囲の照度を検知する照度センサや、端末装置１０の周囲の湿度を検知する湿度センサや、端末装置１０の所在位置における磁場を検知する地磁気センサ等を有してもよい。

【0039】

記憶部１５は、モデル情報３１、モード情報３２、ユーザ属性情報３３などの情報を記憶する。かかる記憶部１５は、例えば、ＲＡＭ（Random Access Memory)、フラッシュメモリ等の半導体メモリ素子、または、ＨＤＤ（Hard Disk Drive）、光ディスク等の記憶装置である。

【0040】

モデル情報３１は、ユーザＵの端末装置１０に対する行動の可能性を推定するモデルの情報であり、例えば、情報処理装置１００によって生成される学習モデルや推定モデルの情報を含む。モード情報３２は、端末装置１０のユーザＵによって設定された動作モードの情報である。ユーザ属性情報３３は、例えば、ユーザＵの属性（例えば、年齢、性別、住所、職業、興味関心など）の情報である。

【0041】

制御部１６は、例えば、ＣＰＵ（Central Processing Unit）、ＲＯＭ（Read Only Memory）、ＲＡＭ（Random Access Memory）、入出力ポートなどを有するマイクロコンピュータや各種の回路を含む。

【0042】

制御部１６は、状態判定部４１と、取得部４２と、送信部４３と、タイミング判定部４４と、処理部４５とを備える。かかる状態判定部４１、取得部４２、送信部４３、タイミング判定部４４および処理部４５の機能は、例えば、上記ＣＰＵが上記ＲＯＭに記憶されているプログラムを読み出して実行することにより実現される。

【0043】

なお、状態判定部４１、取得部４２、送信部４３、タイミング判定部４４および処理部４５は、それぞれ一部または全部がＡＳＩＣ（Application Specific Integrated Circuit）やＦＰＧＡ（Field Programmable Gate Array）等のハードウェアで構成されてもよい。以下、これら状態判定部４１、取得部４２、送信部４３、タイミング判定部４４および処理部４５について具体的に説明する。

【0044】

〔２．１．１．状態判定部４１〕
状態判定部４１は、ユーザＵの状態を判定する。例えば、状態判定部４１は、加速度センサ２１によって検出された端末装置１０の物理的な動きに基づいて、ユーザＵの行動が特定行動であるか否かを判定することができる。また、状態判定部４１は、測位部２２によって検出された端末装置１０の現在位置を示す位置情報に基づいて、ユーザＵの行動が特定行動であるか否かを判定することができる。

【0045】

特定行動は、上述したように、例えば、ユーザＵが歩いている状態から止まるという行動、ユーザＵが走っている状態から歩くという行動、座っている状態から立つという行動、立っている状態から座るという行動などである。

【0046】

また、状態判定部４１は、例えば、撮像部２３によって撮像された画像から、ユーザＵがテレビを見るという行動、ユーザＵが時計を見るという行動、ユーザＵがコーヒーを飲んでいるという行動などを特定行動として判定することができる。

【0047】

また、状態判定部４１は、例えば、センサ装置５０によって検出される情報に基づいて、ユーザＵの状態を検出することができる。例えば、センサ装置５０は、電気機器が操作されたことを検出し、かかる検出結果から状態判定部４１は、ユーザＵが電気機器を操作したと判定することができる。

【0048】

また、状態判定部４１は、ユーザＵによる端末装置１０の操作を検出することができる。記憶部１５にはユーザＵが端末装置１０で動作するアプリケーションの操作履歴をログ情報として記憶しており、かかるログ情報に基づき、状態判定部４１は、ユーザＵが端末装置１０のアプリケーションを使用したことを特定行動として検出することができる。例えば、状態判定部４１は、記憶部１５に記憶されたログ情報に基づき、ユーザＵが端末装置１０からメールを送信したことを特定行動として検出することができる。

【0049】

また、状態判定部４１は、加速度センサ２１によって検出された端末装置１０の物理的な動きに基づいて、ユーザＵが端末装置１０を保持したか否かを判定することができる。また、状態判定部４１は、加速度センサ２１によって検出された端末装置１０の物理的な動きに基づいて、ユーザＵの運動状態を判定することができる。

【0050】

また、状態判定部４１は、検知部１４の撮像部２３によって撮像されたユーザＵの顔画像や検知部１４のマイクロフォンで収集したユーザＵの音声に基づいて、ユーザＵの感情を判定することができる。また、状態判定部４１は、図示しない心拍数検出部からの情報に基づき、ユーザＵの感情を判定することもできる。

【0051】

〔２．１．２．取得部４２〕
取得部４２は、情報処理装置１００から通信部１１を介してコンテンツを取得することができる。例えば、取得部４２は、プッシュ型の情報提供により情報処理装置１００から送信されるコンテンツを取得することができる。また、取得部４２は、後述するタイミング判定部４４による判定結果に基づいて表示部１２ａに表示されるコンテンツを情報処理装置１００から取得し、記憶部１５に記憶することができる。

【0052】

また、取得部４２は、状態判定部４１によってユーザＵの行動が特定行動であると判定された場合におけるユーザＵの端末装置１０に対する行動である対端末行動の情報とユーザＵに関するコンテキストの情報とを含む情報をユーザ関連情報として取得することができる。

【0053】

取得部４２は、対端末行動として、例えば、情報処理装置１００から提供されて表示部１２ａに表示されたコンテンツに対して操作を行っているか否かを示す情報を表示部１２ａのタッチパネルや入力部１３から取得することができる。

【0054】

また、取得部４２は、ユーザＵに関するコンテキストの情報として、例えば、ユーザＵの現在位置、現在時刻、ユーザＵの属性、ユーザＵが反応したコンテンツの内容、ユーザＵの運動状態、および、ユーザＵの感情などの情報を取得することができる。

【0055】

例えば、取得部４２は、測位部２２によって検出された端末装置１０の現在位置を示す位置情報をユーザＵの現在位置の情報として取得することができる。また、取得部４２は、制御部１６の図示しない計時部によって計時される現在時刻（例えば、年月日および時分）の情報を取得することができる。また、取得部４２は、記憶部１５からユーザ属性情報３３をユーザＵの属性の情報として取得することができる。

【0056】

また、取得部４２は、状態判定部４１によって判定されたユーザＵの運動状態やユーザＵの感情などの情報を状態判定部４１から取得することができる。なお、取得部４２は、外部装置（図示せず）から、ユーザＵが置かれた物理環境、ユーザＵが置かれた社会環境を示す情報を取得することもできる。

【0057】

また、記憶部１５には上述したようにログ情報として記憶しており、かかるログ情報に基づき、取得部４２は、ユーザＵが反応したコンテンツの内容の情報を取得することができる。

【0058】

また、取得部４２は、情報処理装置１００から学習モデルの情報や推定モデルの情報を取得することができ、取得した学習モデルの情報や推定モデルの情報をモデル情報３１として記憶部１５に記憶することができる。

【0059】

〔２．１．３．送信部４３〕
送信部４３は、取得部４２によって取得された情報をユーザ関連情報として情報処理装置１００へ通信部１１を介して送信することができる。かかるユーザ関連情報には、例えば、状態判定部４１によって判定されたユーザＵの特定行動の種別を示す情報、ユーザＵの行動が特定行動である場合におけるユーザＵの対端末行動の情報とユーザＵに関するコンテキストの情報とが含まれる。

【0060】

送信部４３は、モード情報３２として第１モードの情報が記憶部１５に記憶されている場合、取得部４２によって取得されたユーザ関連情報を第１ユーザ関連情報として情報処理装置１００へ通信部１１を介して送信することができる。また、送信部４３は、モード情報３２として第２モードの情報が記憶部１５に記憶されている場合、取得部４２によって取得されたユーザ関連情報を第２ユーザ関連情報として情報処理装置１００へ通信部１１を介して送信することができる。

【0061】

また、送信部４３は、例えば、情報処理装置１００以外の装置から端末装置１０に通知されている他のコンテンツの種別または内容の情報を情報処理装置１００へ通知することができる。また、送信部４３は、記憶部１５に記憶されたユーザ属性情報３３や、ユーザＵの端末装置１０に対する行動（例えば、端末装置１０に表示されたコンテンツに対するユーザＵの行動）の情報を情報処理装置１００へ送信することができる。

【0062】

〔２．１．４．タイミング判定部４４〕
タイミング判定部４４は、モード情報３２として第２モードの情報が記憶部１５に記憶されている場合、情報処理装置１００による後述の処理と同様に、学習モデルを用いて、ユーザＵへの割り込みに適したタイミングである情報提供タイミングを判定することができる。

【0063】

例えば、タイミング判定部４４は、記憶部１５に記憶されているモデル情報３１に含まれる学習モデルの情報を取得し、取得部４２で取得されたユーザ関連情報を入力情報として学習モデルから、ユーザＵの端末装置１０に対する行動の可能性を推定する。

【0064】

この場合、タイミング判定部４４は、例えば、記憶部１５に記憶されたコンテンツに対してユーザＵの端末装置１０に対する行動の可能性を学習モデルから判定することもできる。

【0065】

また、タイミング判定部４４は、記憶部１５に記憶されたコンテンツに対してユーザＵの端末装置１０に対する行動の可能性が高いとタイミング判定部４４によって推定された場合、情報提供タイミングになったと判定する。

【0066】

〔２．１．５．処理部４５〕
処理部４５は、例えば、表示部１２ａ、スピーカ１２ｂおよび振動部１２ｃを制御する。例えば、処理部４５は、モード情報３２として第１モードの情報が記憶部１５に記憶されている場合、情報処理装置１００からプッシュ型の情報提供により取得したコンテンツをユーザＵに提供することができる。例えば、処理部４５は、情報処理装置１００の要求に応じた通知態様によって、表示部１２ａ、スピーカ１２ｂおよび振動部１２ｃを制御してユーザＵにコンテンツ取得の通知を含む情報提供を行うことができる。

【0067】

かかる通知態様には、例えば、「通知方法」、「通知内容」、「通知手段」などの態様が含まれる。「通知方法」は、例えば、コンテンツの出力パターンである。かかる「通知方法」による変更対象は、例えば、スピーカ１２ｂから出力される通知音の大きさ、周波数および音パターン、表示部１２ａに表示するコンテンツの大きさ、色、形状、および、通知の繰り返しの回数などのうち少なくともいずれか一つである。

【0068】

「通知内容」は、例えば、通知するコンテンツの範囲である。例えば、「通知内容」による変更対象は、通知するコンテンツに含まれる内容のうち通知する内容（例えば、タイトルのみ、タイトルと概要のみ、全文など）や通知するコンテンツの数などである。

【0069】

「通知手段」は、例えば、表示部１２ａ、スピーカ１２ｂおよび振動部１２ｃのうち少なくともいずれか一つである。また、「通知手段」には、例えば、ユーザＵの周囲の装置（例えば、腕時計、冷蔵庫、テレビなど）も含まれ、処理部４５は、通信部１１を介してユーザＵの周囲の装置へコンテンツを送信することができ、これにより、ユーザＵの周囲の装置からユーザＵに情報提供を行うことができる。

【0070】

また、処理部４５は、タイミング判定部４４によって情報提供タイミングになったと判定された場合、記憶部１５に記憶されたコンテンツを表示部１２ａに表示することができる。

【0071】

図４は、端末装置１０の表示画面の一例を示す図である。図４に示す表示画面６０には、情報処理装置１００などの外部装置から提供されたコンテンツ７１〜７３が表示されている。コンテンツ７１〜７３は、例えば、上述した「通知内容」に応じた範囲の内容で表示画面６０に表示される。かかる表示画面６０に表示されたコンテンツをユーザＵが選択（クリック）した場合に、処理部４５は、選択されたコンテンツ全体の内容を表示部１２ａに表示する。これにより、ユーザＵは、コンテンツ全体を把握することができる。

【0072】

コンテンツ７１は、着信メールの内容を示すコンテンツであり、かかるコンテンツ７１をユーザＵが選択（クリック）した場合に、端末装置１０のメールアプリケーションによりメール画面が表示部１２ａに表示される。

【0073】

また、コンテンツ７２は、端末装置１０の周辺の情報であり、コンテンツ７２をユーザＵが選択（クリック）した場合に、端末装置１０の情報通知アプリケーションにより端末装置１０の周辺の具体的な情報を示す画面が表示部１２ａに表示される。かかるコンテンツ７２は、例えば、情報処理装置１００の管理者以外の他の管理者の装置から提供されるコンテンツである。

【0074】

また、コンテンツ７３は、ニュースの情報であり、コンテンツ７３をユーザＵが選択（クリック）した場合に、端末装置１０の情報通知アプリケーションによりニュースの具体的な記事内容を示す画面が表示部１２ａに表示される。

【0075】

なお、処理部４５は、タイミング判定部４４によって情報提供タイミングになったと判定された場合、記憶部１５に記憶されたコンテンツのうち表示部１２ａに表示された他のコンテンツ（例えば、コンテンツ７１）の種別または内容の情報に応じたコンテンツをユーザＵへ提供することができる。

【0076】

例えば、処理部４５は、他のコンテンツと競合しないコンテンツをユーザＵへ提供したり、他のコンテンツよりもユーザＵの興味度が高いコンテンツをユーザＵへ提供したりすることができる。なお、ユーザＵの興味度は、例えば、記憶部１５に記憶されたユーザ属性情報３３に基づいて処理部４５で判定される。

【0077】

処理部４５は、タイミング判定部４４の推定結果に応じた通知態様でコンテンツを表示することができる。例えば、処理部４５は、学習モデルにより可能性が高いと推定される対端末行動の種別に応じてコンテンツの通知方法、通知内容および通知手段のうちの少なくとも一つを変えることができる。なお、通知態様を決定する処理は、情報処理装置１００による後述の処理と同様の処理であるため、ここでは説明を省略する。

【0078】

〔２．２．情報処理装置１００〕
図５は、情報処理装置１００の構成例を示す図である。図５に示すように、情報処理装置１００は、通信部１０１と、記憶部１０２と、制御部１０３（コントローラ）とを有する。

【0079】

通信部１０１は、ネットワーク２と有線又は無線で接続され、端末装置１０やセンサ装置５０との間で情報の送受信を行う。例えば、通信部１０１は、ＮＩＣ（Network Interface Card）等によって実現される。制御部１０３は、通信部１０１およびネットワーク２を介して、端末装置１０やセンサ装置５０との間で各種の情報を送受信することができる。

【0080】

記憶部１０２は、モデル情報記憶部１１１と、ユーザ情報記憶部１１２と、コンテンツ記憶部１１３とを備える。モデル情報記憶部１１１、ユーザ情報記憶部１１２およびコンテンツ記憶部１１３は、例えば、ＲＡＭ、フラッシュメモリ等の半導体メモリ素子、または、ＨＤＤ、光ディスク等の記憶装置である。

【0081】

モデル情報記憶部１１１は、ユーザＵの端末装置１０に対する行動の可能性を推定する学習モデルや特定行動の長さを推定する推定モデルの情報を記憶する。ユーザ情報記憶部１１２は、例えば、ユーザＵの属性（例えば、年齢、性別、住所、職業、興味関心など）の情報などユーザＵに関する情報を記憶することができる。コンテンツ記憶部１１３は、ユーザＵの端末装置１０へ提供するコンテンツの情報を記憶する。

【0082】

制御部１０３は、例えば、ＣＰＵ、ＲＯＭ、ＲＡＭ、入出力ポートなどを有するマイクロコンピュータや各種の回路を含む。かかる制御部１０３は、取得部１２１と、生成部１２２と、推定部１２３と、選択部１２４と、提供部１２５とを備える。かかる取得部１２１、生成部１２２、推定部１２３、提供部１２５および選択部１２４の機能は、例えば、上記ＣＰＵが上記ＲＯＭに記憶されているプログラムを読み出して実行することにより実現される。

【0083】

なお、取得部１２１、生成部１２２、推定部１２３、選択部１２４および提供部１２５は、それぞれ一部または全部がＡＳＩＣやＦＰＧＡ等のハードウェアで構成されてもよい。以下、これら取得部１２１、生成部１２２、推定部１２３、選択部１２４および提供部１２５について具体的に説明する。

【0084】

〔２．２．１．取得部１２１〕
取得部１２１は、通信部１０１を介して端末装置１０から送信される情報（例えば、第１ユーザ関連情報や第２ユーザ関連情報）を取得することができる。

【0085】

また、取得部１２１は、端末装置１０から取得したユーザ関連情報やセンサ装置５０から取得した検出情報をユーザ情報記憶部１１２に記憶することができる。また、取得部１２１は、端末装置１０から取得したユーザ属性情報をユーザ情報記憶部１１２に記憶することができる。

【0086】

なお、センサ装置５０は、検出した情報を端末装置１０ではなく、情報処理装置１００へ送信することができる。この場合、取得部１２１は、センサ装置５０によって検出された情報を通信部１０１経由でセンサ装置５０から取得することができる。

【0087】

なお、取得部１２１は、ユーザＵに関するコンテキストの情報をユーザ情報記憶部１１２や外部装置から取得することができる。例えば、取得部１２１は、ユーザ情報記憶部１１２からユーザＵの属性の情報やユーザＵが反応したコンテンツの内容の情報を取得することができる。

【0088】

また、取得部１２１は、ユーザ関連情報に含まれるユーザＵの現在位置の情報に基づき、ユーザＵが置かれた社会環境（例えば、景気の程度、流行の商品やサービスなど）の情報を外部装置から取得することができる。また、取得部１２１は、ユーザ関連情報に含まれるユーザＵの現在位置の情報に基づき、ユーザＵが置かれた物理環境（気温、天候など）の情報を外部装置から取得することができる。

【0089】

〔２．２．２．生成部１２２〕
生成部１２２は、記憶部１０２に記憶されたユーザ関連情報に基づいて、ユーザＵの各特定行動とユーザＵのコンテキストとを特徴量として機械学習を実行し、ユーザＵの端末装置１０に対する行動の学習モデルを生成する。生成部１２２は、生成した学習モデルの情報をモデル情報記憶部１１１へ記憶する。

【0090】

生成部１２２は、例えば、ユーザＵの端末装置１０に対する行動（対端末行動）の正否を目的変数（正解データ）とし、ユーザＵの各特定行動の正否およびユーザＵのコンテキストの内容の組み合わせを説明変数（素性）とする回帰モデルを学習モデルとして求める。例えば、生成部１２２は、下記式（１）に示すような回帰モデルを求める。
ｙ＝ａ_１１・（ｘ_１，ｚ_１）＋ａ_１２・（ｘ_１，ｚ_２）＋・・・＋ａ_ｎｍ・（ｘ_ｎ，ｚ_ｍ）

【0091】

上記式（１）において、「ｘ_１」〜「ｘ_ｎ」は、ユーザＵの各特定行動の情報であり、「ｚ_１」〜「ｚ_ｍ」は、ユーザＵのコンテキストの内容別の情報である。また、（ｘ_１，ｚ_１）は、特定行動「ｘ_１」とコンテキストの内容「ｚ_１」との組み合わせを説明変数（素性）としていることを意味し、「ｘ_１」と「ｚ_１」が共に「１」である場合に、（ｘ_１，ｚ_１）＝「１」になる。

【0092】

「ｙ」は、ユーザＵの対端末行動の正否であり、ユーザＵの対端末行動がある場合には、「ｙ」＝「１」になり、ユーザＵの対端末行動がない場合には、「ｙ」＝「―１」になる。生成部１２２は、対端末行動の種別毎に学習モデルを生成することができる。例えば、ユーザＵの対端末行動の種別が第１種別から第ｎ種別があるとした場合、生成部１２２は、第１〜第ｎ種別の対端末行動の正否を「ｙ_１」〜「ｙ_ｎ」として学習モデルを生成することができる。

【0093】

例えば、「ｙ_１」は、情報処理装置１００から提供されたコンテンツに対してユーザＵが反応したか否かであり、コンテンツに対してユーザＵの反応がある場合、「ｙ_１」＝「１」になり、コンテンツに対してユーザＵの反応がない場合、「ｙ_１」＝「―１」になる。また、「ｙ_２」は、ユーザＵが端末装置１０を持ったか否かであり、ユーザＵが端末装置１０を持った場合、「ｙ_２」＝「１」になり、ユーザＵが端末装置１０を持たない場合、「ｙ_２」＝「―１」になる。

【0094】

また、「ｘ_１」は、例えば、ユーザＵが歩いている状態から止まるという行動であり、「ｘ_２」は、例えば、立っている状態から座るという行動であり、「ｘ_ｎ」は、例えば、コーヒーメーカを操作するという行為である。

【0095】

また、ユーザＵに関するコンテキストのうち学習に用いるコンテキストの種別を、ユーザＵが反応したコンテンツの内容（車関係、旅行関係、グルメ関係など）とした場合、「ｚ_１」は、例えば、「車」であり、「ｚ_２」は、例えば、「旅行」であり、「ｚ_ｎ」は、例えば、「グルメ」である。これにより、ユーザＵが反応したコンテンツの内容を考慮したユーザＵの端末装置１０に対する行動の学習モデルを生成することができる。なお、生成部１２２は、ユーザＵが反応したコンテンツの内容をユーザ情報記憶部１１２から取得することができる。

【0096】

また、学習に用いるコンテキストの種別を、現在時刻とした場合、「ｚ_１」は、例えば、「６：００〜６：５９」であり、「ｚ_２」は、例えば、「７：００〜７：５９」であり、「ｚ_ｍ」は、例えば、「５：００〜５：５９」である。なお、「ｚ_１」は、例えば、「平日の６：００〜６：５９」、「ｚ_２」は、例えば、「週末の６：００〜６：５９」としたりすることができる。これにより、現在時刻を考慮したユーザＵの端末装置１０に対する行動の学習モデルを生成することができる。

【0097】

また、学習に用いるコンテキストの種別を、ユーザＵの現在位置とした場合、例えば、各都道府県や各市町村を「ｚ_１」〜「ｚ_ｍ」としたり、「自宅」、「職場」、「電車内」、「タクシー内」、「出張先」、・・・などを「ｚ_１」〜「ｚ_ｎ」としたりすることができる。これにより、ユーザＵの現在位置を考慮したユーザＵの端末装置１０に対する行動の学習モデルを生成することができる。

【0098】

また、学習に用いるコンテキストの種別を、ユーザＵが置かれた物理環境（気温、天候等）とした場合、気温と天候の組み合わせを「ｚ_１」〜「ｚ_ｍ」とすることができる。例えば、「ｚ_１」を「摂氏１０度かつ晴れ」とし、「ｚ_２」を「摂氏１０度かつ曇り」としたりすることができる。これにより、物理環境を考慮したユーザＵの端末装置１０に対する行動の学習モデルを生成することができる。

【0099】

また、学習に用いるコンテキストの種別を、ユーザＵが置かれた社会環境とした場合、例えば、景気の程度、流行の商品やサービスなどの種々の社会情勢を「ｚ_１」〜「ｚ_ｍ」とすることができる。

【0100】

また、学習に用いるコンテキストの種別を、ユーザＵの属性とする場合、例えば、ユーザＵの年齢、性別、住所区分、興味関心の種別の少なくともいずれか一つを「ｚ_１」〜「ｚ_ｍ」とすることができる。

【0101】

また、学習に用いるコンテキストの種別を、例えば、ユーザＵの運動状態（例えば、走っている時間、歩いている時間、座っている時間など）、ユーザＵの感情（例えば、笑っている状態、怒っている状態、困っている状態など）、ユーザＵのスケジュール（例えば、現時刻の予定の内容、１時間先の予定の内容など）などとすることができる。

【0102】

なお、上述した例では、学習に用いるコンテキストの種別が一つである場合を説明したが、学習に用いるコンテキストの種別を複数考慮することもできる。この場合、ユーザＵの各特定行動の情報である「ｘ_１」〜「ｘ_ｎ」に対して、特徴量として上記と同様に加えることができる。なお、「ｘ_１」〜「ｘ_ｎ」に対して、特徴量を加える方法として、例えば、クロネッカー積などを用いることができる。

【0103】

また、上述した例では、ユーザＵの各特定行動の正否およびユーザＵのコンテキストの内容の組み合わせを説明変数（素性）としたが、さらに、組み合わせでない説明変数（素性）を考慮することもできる。例えば、生成部１２２は、下記式（２）に示すような回帰モデルを学習モデルとして求めることもできる。
ｙ＝ａ_１・ｘ_１＋ａ_２・ｘ_２＋・・・＋ａ_ｎ・ｘ_ｎ＋ｂ_１・ｚ_１＋ｂ_２・ｚ_２＋・・・＋ｂ_ｎ・ｚ_ｍ＋ｃ_１１・（ｘ_１，ｚ_１）＋ｃ_１２・（ｘ_１，ｚ_２）＋・・・＋ｃ_ｎｍ・（ｘ_ｎ，ｚ_ｍ） ・・・（２）

【0104】

また、生成部１２２は、ユーザＵの対端末行動毎に情報提供としての適格度合いのスコア（以下、適格性スコアと記載する）を変えることもできる。例えば、生成部１２２は、対端末行動に応じた適切な適格性スコアになるように、例えば、上述した対端末行動毎の学習モデルにそれぞれ対端末行動に応じた係数を乗じて適格性スコアを算出することができる。

【0105】

また、生成部１２２は、各特定行動の長さを推定する推定モデルを生成することができる。例えば、生成部１２２は、ユーザＵの各特定行動の長さを目的変数（正解データ）とし、ユーザＵの各特定行動の正否およびユーザＵのコンテキストの内容の組み合わせを説明変数（素性）とする回帰モデルを長さ推定モデルとして求めることができる。

【0106】

この場合、生成部１２２は、上記式（１）において「ｙ」をユーザＵの各特定行動の長さ（特定行動の継続時間）とした回帰モデルを長さ推定モデルとして生成することができる。生成部１２２は、生成した長さ推定モデルの情報をモデル情報記憶部１１１へ記憶する。

【0107】

以上のように、生成部１２２は、対端末行動の種別毎に学習モデルを生成することができ、さらに、コンテキストの種別毎に学習モデルを生成することができる。また、生成部１２２は、対端末行動の種別毎かつ２以上のコンテキストの種別毎に学習モデルを生成したり、長さ推定モデルとして生成したりすることができる。

【0108】

生成部１２２が行う学習モデルの生成は、上述した例に限定されるものではなく、結果的に、対端末行動の種別毎に学習モデルを生成したり、コンテキストの種別毎に学習モデルを生成したりすることなどができればよい。例えば、生成部１２２は、ＳＶＭ（Support Vector Machine）やその他の機械学習法を用いて、学習モデルを生成することもできる。また、生成部１２２は、特徴量（素性）の２乗や３乗などの項を持つ学習モデルを生成することもできる。

【0109】

〔２．２．３．推定部１２３〕
推定部１２３は、モデル情報記憶部１１１に記憶された学習モデルの情報を用いて、取得部１２１で取得されたユーザ関連情報に含まれる情報を入力情報として学習モデルから、ユーザＵの端末装置１０に対する行動の可能性を推定する。

【0110】

例えば、推定部１２３は、モデル情報記憶部１１１に記憶された各対端末行動の学習モデルの情報に対し、ユーザ関連情報に含まれる特定行動の種別の情報およびコンテキストを入力情報として、ユーザＵの各対端末行動の可能性を推定する。

【0111】

例えば、ユーザ関連情報に含まれる特定行動の種別が「ｘ_１」に対応する行動であり、かつ、ユーザ関連情報に含まれるコンテキストの内容が「ｚ_１」である場合、推定部１２３は、「ｘ_１」＝「１」とし、「ｚ_１」＝「１」とする。また、コンテキストの内容が「ｚ_１」、「ｚ_３」などのように複数ある場合、「ｚ_１」＝「１」、「ｚ_３」＝「１」とする。また、推定部１２３は、取得部１２１で取得されたユーザ関連情報に含まれる特定行動の種別が「ｘ_１」、「ｘ_ｎ」などのように複数ある場合、「ｘ_１」＝「１」、「ｘ_ｎ」＝「１」とする。

【0112】

また、推定部１２３は、提供部１２５から提供するコンテンツの内容を入力情報として、ユーザＵの各対端末行動の可能性を推定することができる。この場合、例えば、推定部１２３は、ユーザＵが反応したコンテンツの内容を考慮した上述の学習モデルに対し、提供部１２５から提供するコンテンツの内容を入力情報として、ユーザＵの各対端末行動の可能性を推定することができる。これにより、提供部１２５から提供するコンテンツに応じた適切なタイミングを判定することができる。

【0113】

また、推定部１２３は、複数のコンテンツの内容をそれぞれ入力情報として、ユーザＵの対端末行動の可能性を推定し、例えば、対端末行動の可能性が高いコンテンツ（または、適格性スコアが所定値以上のコンテンツ）または対端末行動の可能性が最も高いコンテンツ（または、適格性スコアが所定値以上かつ最も高いコンテンツ）を判定することができる。これにより、適切なコンテンツを適切なタイミングでユーザＵへ提供することができる。

【0114】

推定部１２３は、端末装置１０からユーザ関連情報を取得する毎に、かかるユーザ関連情報から、ユーザＵの対端末行動（例えば、上述した第１〜第ｎ種別の対端末行動）の可能性を推定することができる。推定部１２３は、上記式（１）による演算結果である「ｙ」が所定値以上（または、適格性スコアが所定値以上）である場合に、ユーザＵの対端末行動の可能性が高いと判定することができる。なお、推定部１２３は、例えば、一つのユーザＵに対して一つ種別の対端末行動の可能性を推定するように構成することもできる。

【0115】

さらに、推定部１２３は、モデル情報記憶部１１１に情報が記憶された長さ推定モデルを用いて、ユーザＵの特定行動の長さを推定することができる。例えば、推定部１２３は、学習モデルの場合と同様に、モデル情報記憶部１１１に情報が記憶された長さ推定モデルから、ユーザ関連情報に含まれる特定行動の種別の情報およびコンテキストを入力情報として、ユーザＵの特定行動の長さを推定することができる。

【0116】

〔２．２．４．選択部１２４〕
選択部１２４は、推定部１２３によって推定された特定行動の長さに応じた種別のコンテンツを選択することができる。

【0117】

例えば、選択部１２４は、推定部１２３によってユーザＵの特定行動が短いと推定された場合には、短時間で確認できるコンテンツ（例えば、メール通知）を選択することができる。一方、推定部１２３によってユーザＵの特定行動が長いと推定された場合には、提供部１２５は、短時間で確認できないコンテンツ（例えば、記事コンテンツ）を選択することができる。

【0118】

また、選択部１２４は、推定部１２３によって推定された特定行動の種別とかかる特定行動の長さに応じた種別のコンテンツを選択することができる。これにより、特定行動の長さに加え、特定行動の種別（例えば、上述した「ｙ_１」〜「ｙ_ｎ」）に応じたコンテンツを選択することができる。すなわち、例えば、座っている状態から立ち上がるという種別の特定行為の長さと、立っている状態から座るという種別の特定行為の長さとが同じである場合であっても、異なるコンテンツを選択することができる。

【0119】

また、選択部１２４は、例えば、推定部１２３におい推定された特定行動の長さとこの特定行動の時間的特性に応じた種別のコンテンツを選択することができる。これにより、特定行動の長さに加えて特定行動の時間的特性に応じた種別のコンテンツをユーザＵへ提供することができる。

【0120】

例えば、走っている状態から止まるという特定行為（以下、特定行為Ｇと記載する）と。テレビの電源を消すという特定行為（以下、特定行為Ｈと記載する）があるとする。この場合において、推定部１２３によって特定行為Ｇの長さと特定行為Ｈの長さとが同じ１分であったとしても、特定行為Ｇと特定行為Ｈとでは、情報提供タイミングとしての適格度合い（以下、情報提供適格度合いと記載する）の時間経過による変化が異なる。

【0121】

例えば、特定行為Ｇでは、時間が経過するほど情報提供適格度合いが減衰する可能性が高い（時間減衰がある）が、特定行為Ｈでは、時間が経過しても情報提供適格度合いが変化しない可能性が高いと想定される。また、他の特定行為では、時間が経過するほど情報提供適格度合いが高くなる可能性が高い（時間増幅がある）ものもある。

【0122】

そこで、選択部１２４は、例えば、推定部１２３におい推定された特定行動の長さに加え、特定行動の時間的特性に基づいて、種別のコンテンツを選択することで、特定行動が発生してからの時間経過に応じた適切なコンテンツを提供することができる。

【0123】

例えば、選択部１２４は、時間減衰がある特定行為の場合には、短時間で確認できるコンテンツを選択し、時間的特性が一定の特定行動や時間増幅がある特定行動の場合には、短時間で確認できないコンテンツを選択することができる。また、選択部１２４は、特定行動の時間増減率に応じて種別のコンテンツを選択することもできる。

【0124】

また、選択部１２４は、端末装置１０に通知されている他のコンテンツの種別または内容の情報に応じたコンテンツを選択することができる。端末装置１０に通知されている他のコンテンツの種別または内容の情報は、例えば、端末装置１０から取得部１２１によって取得される。

【0125】

例えば、選択部１２４は、端末装置１０に通知されている他のコンテンツよりも、ユーザＵが選択する可能性が高いコンテンツを選択することができる。なお、端末装置１０に通知されている他のコンテンツは、情報処理装置１００以外が提供したコンテンツであっても、情報処理装置１００が提供したコンテンツであってもよい。

【0126】

〔２．２．５．提供部１２５〕
提供部１２５は、推定部１２３の推定結果に基づき、ユーザＵへの情報提供を実行する。例えば、提供部１２５は、ユーザＵの対端末行動の可能性が高い場合に、コンテンツをユーザＵの端末装置１０へ通信部１０１を介して送信し、ユーザＵへコンテンツを提供することができる。これにより、動作モードが第１モードに設定された端末装置１０のユーザＵに対してプッシュ型の情報提供を行うことができる。

【0127】

また、提供部１２５は、推定部１２３の推定結果に応じたコンテンツをユーザＵへ提供することができる。例えば、提供部１２５は、対端末行動の可能性が最も高いと推定部１２３が判定したコンテンツをユーザＵの端末装置１０へ送信し、ユーザＵへコンテンツを提供することができる。

【0128】

また、提供部１２５は、例えば、推定部１２３において可能性が高い（または、適格性スコアが閾値以上）と推定される対端末行動の種別（以下、行動種別と記載する）に応じた種別や内容のコンテンツをユーザＵの端末装置１０へ送信し、ユーザＵへコンテンツを提供することができる。また、提供部１２５は、例えば、推定部１２３において対端末行動の可能性の度合い（以下、可能性度合いと記載する）に応じた種別や内容のコンテンツをユーザＵの端末装置１０へ送信し、ユーザＵへコンテンツを提供することができる。

【0129】

また、提供部１２５は、推定部１２３の推定結果に応じた通知態様で情報提供を行うこともできる。この場合、提供部１２５は、例えば、行動種別および／または可能性度合いに応じて通知態様を決定し、かかる通知態様にて情報提供を行うように端末装置１０に対して要求（指示）することができる。かかる要求には、例えば、情報提供対象であるコンテンツと通知態様の情報とが含まれる。通知態様には、上述したように、例えば、コンテンツの通知方法、通知内容、通知手段などの態様が含まれる。

【0130】

また、提供部１２５は、例えば、通知音や通知画面を強調して（例えば、大きくして）端末装置１０から出力させることで、通知を派手にする通知方法を選択することができ、通知音や通知画面を強調しない（例えば、小さくして）で端末装置１０から出力させることで、通知を控えめにする通知方法を選択することができる。また、提供部１２５は、例えば、通知音や通知画面を繰り返し端末装置１０から出力させることで、しつこく通知する通知方法を選択することができる。

【0131】

また、提供部１２５は、通知内容として、例えば、コンテンツのタイトルのみを通知する通知内容を選択することができ、また、タイトルと概要のみを通知する通知内容を選択することができる。

【0132】

また、提供部１２５は、例えば、表示部１２ａへのコンテンツの表示に加え、スピーカ１２ｂ、振動部１２ｃおよびユーザＵの周囲の機器のうち１以上の通知手段を選択し、選択した通知手段を用いてユーザＵに対する通知（コンテンツが通知された旨を示す通知）を行うことができる。

【0133】

例えば、提供部１２５は、スピーカ１２ｂからの通知音の出力、振動部１２ｃによる振動の出力、ユーザＵの周囲の機器からの情報の出力などを行うことができる。なお、提供部１２５は、例えば、電子メールを通知手段として、電子メールでのユーザＵへの通知を行ったり、端末装置１０の図示しないＬＥＤの点灯や点滅による通知を行ったりすることができる。

【0134】

また、提供部１２５は、推定部１２３によって推定されたユーザＵの特定行動の長さに応じた選択部１２４によって選択されたコンテンツをユーザＵの端末装置１０へ送信し、ユーザＵへコンテンツを提供することができる。これにより、提供部１２５は、例えば、ユーザＵへの割り込みに適した長さのコンテンツをユーザＵへ提供することができる。

【0135】

また、提供部１２５は、推定部１２３の推定結果に基づき、ユーザＵの対端末行動の可能性が高い場合に、端末装置１０に通知されている他のコンテンツの種別または内容の情報に応じたコンテンツをユーザＵへ提供することができる。この場合、提供部１２５は、例えば、他のコンテンツと競合しないコンテンツや、他のコンテンツよりもユーザＵの興味度が高いコンテンツをユーザＵへ提供することができる。

【0136】

また、提供部１２５は、モデル情報記憶部１１１に記憶された学習モデルの情報を端末装置１０へ提供することができる。また、提供部１２５は、モデル情報記憶部１１１に記憶された推定モデルの情報を端末装置１０へ提供することができる。

【0137】

〔３．情報処理システム１の処理フロー〕
次に、情報処理システム１における情報処理の手順について説明する。まず、図６を用いて、端末装置１０における情報処理の手順について説明する。図６は、端末装置１０における情報処理の流れを示すフローチャートであり、かかる処理は繰り返し実行される。

【0138】

図６に示すように、端末装置１０の制御部１６は、記憶部１５に記憶されているモード情報３２に基づいて、端末装置１０の動作モードが第１モードか否かを判定する（ステップＳ１０）。

【0139】

動作モードが第１モードであると判定した場合（ステップＳ１０；Ｙｅｓ）、制御部１６は、第１モードの処理を実行する（ステップＳ１１）。ステップＳ１１の処理は、図７に示すステップＳ２０〜Ｓ２４の処理であり、後で詳述する。

【0140】

一方、動作モードが第１モードではないと判定した場合（ステップＳ１０；Ｎｏ）、制御部１６は、第２モードの処理を実行する（ステップＳ１２）。ステップＳ１２の処理は、図８に示すステップＳ３０〜Ｓ３９の処理であり、後で詳述する。ステップＳ１１、Ｓ１２の処理が終了すると、制御部１６は、図６に示す処理を終了する。

【0141】

次に、ステップＳ１１の第１モードの処理について説明する。図７は、図６に示す第１モードの処理の流れを示すフローチャートである。

【0142】

図７に示すように、第１モードの処理を開始すると、制御部１６は、ユーザＵの行動が特定行動であるか否かを判定する（ステップＳ２０）。ユーザＵの行動が特定行動であると判定した場合（ステップＳ２０；Ｙｅｓ）、制御部１６は、ユーザ関連情報を第１ユーザ関連情報として送信する（ステップＳ２１）。

【0143】

ユーザＵの行動が特定行動ではないと判定した場合（ステップＳ２０；Ｎｏ）、または、ステップＳ２１の処理が終了した場合、制御部１６は、情報処理装置１００からコンテンツを取得したか否かを判定する（ステップＳ２２）。コンテンツを取得したと判定した場合（ステップＳ２２；Ｙｅｓ）、制御部１６は、取得したコンテンツを表示部１２ａに表示する（ステップＳ２３）。

【0144】

コンテンツを取得していないと判定した場合（ステップＳ２２；Ｎｏ）、または、ステップＳ２３の処理を終了した場合、制御部１６は、その他の処理を行って（ステップＳ２４）、図７に示す処理を終了する。なお、ステップＳ２４の処理において、制御部１６は、例えば、ステップＳ２３において表示部１２ａに表示されたコンテンツに対してユーザＵが反応（例えば、クリック）したか否かを判定し、コンテンツに対してユーザＵが反応したことを示す情報を記憶部１５に記憶することができる。

【0145】

次に、ステップＳ１２の第２モードの処理について説明する。図８は、図６に示す第２モードの処理の流れを示すフローチャートである。

【0146】

図８に示すように、第２モードの処理を開始すると、制御部１６は、情報処理装置１００からモデル情報を取得したか否かを判定する（ステップＳ３０）。モデル情報を取得したと判定した場合（ステップＳ３０；Ｙｅｓ）、制御部１６は、取得したモデル情報を記憶部１５に記憶する（ステップＳ３１）。

【0147】

ステップＳ３１の処理が終了した場合、または、モデル情報を取得していないと判定した場合（ステップＳ３０；Ｎｏ）、制御部１６は、ユーザＵの行動が特定行動であるか否かを判定する（ステップＳ３２）。

【0148】

制御部１６は、ユーザＵの行動が特定行動であると判定した場合（ステップＳ３２；Ｙｅｓ）、ユーザ関連情報を第２ユーザ関連情報として送信する（ステップＳ３３）。また、制御部１６は、記憶部１５に記憶されたモデル情報３１に含まれる学習モデルから、ユーザ関連情報を用いて、ユーザＵの端末装置１０に対する行動の可能性を推定する（ステップＳ３４）。

【0149】

そして、制御部１６は、ユーザＵの端末装置１０に対する行動の可能性の推定結果に基づいて、情報提供タイミングになったか否かを判定する（ステップＳ３５）。かかる処理において、制御部１６は、例えば、ユーザＵの端末装置１０に対する行動の可能性が高い（例えば、閾値以上）である場合に、情報提供タイミングになったと判定する。

【0150】

情報提供タイミングと判定した場合（ステップＳ３５；Ｙｅｓ）、制御部１６は、記憶部１５に記憶されたコンテンツを表示部１２ａに表示する（ステップＳ３６）。なお、制御部１６は、情報提供タイミングと判定した場合、情報処理装置１００へコンテンツを要求し、かかる要求に応じて取得されたコンテンツを表示部１２ａに表示することもできる。

【0151】

ステップＳ３６の処理が終了した場合、ユーザＵの行動が特定行動でないと判定した場合（ステップＳ３２；Ｎｏ）、または、情報提供タイミングになっていないと判定した場合（ステップＳ３５；Ｎｏ）、制御部１６は、情報処理装置１００からコンテンツを取得したか否かを判定する（ステップＳ３７）。

【0152】

コンテンツを取得したと判定した場合（ステップＳ３７；Ｙｅｓ）、制御部１６は、取得したコンテンツを記憶部１５に記憶する（ステップＳ３８）。かかるステップＳ３８の処理が終了した場合、または、コンテンツを取得していないと判定した場合（ステップＳ３７；Ｎｏ）、制御部１６は、その他の処理を行い（ステップＳ３９）、図８に示す処理を終了する。なお、ステップＳ３９の処理は、図７に示すステップＳ２４の処理と同様である。

【0153】

次に、図９を用いて、情報処理装置１００における情報処理の手順について説明する。図９は、情報処理装置１００における情報処理の流れを示すフローチャートであり、かかる処理は繰り返し実行される。

【0154】

図９に示すように、情報処理装置１００の制御部１０３は、端末装置１０から第１ユーザ関連情報を取得したか否かを判定する（ステップＳ４０）。第１ユーザ関連情報を取得したと判定した場合（ステップＳ４０；Ｙｅｓ）、第１ユーザ関連情報を記憶部１０２に記憶する（ステップＳ４１）。

【0155】

そして、制御部１０３は、第１ユーザ関連情報を入力情報として学習モデルに基づく推定を行う（ステップＳ４２）。かかる処理において、制御部１０３は、例えば、第１ユーザ関連情報を入力情報として記憶部１０２に記憶された学習モデルから、ユーザＵの端末装置１０に対する行動の可能性を推定する。

【0156】

次に、制御部１０３は、ユーザＵの端末装置１０に対する行動の可能性の推定結果に基づいて、情報提供タイミングになったか否かを判定する（ステップＳ４３）。かかる処理において、制御部１０３は、ユーザＵの端末装置１０に対する行動の可能性が高い（例えば、閾値以上）である場合に、情報提供タイミングになったと判定する。情報提供タイミングになったと判定した場合（ステップＳ４３；Ｙｅｓ）、制御部１０３は、通知対象に対応するユーザＵの端末装置１０へコンテンツを送信する（ステップＳ４４）。

【0157】

ステップＳ４４の処理が終了した場合、第１ユーザ関連情報を取得していないと判定した場合（ステップＳ４０；Ｎｏ）、または、情報提供タイミングになっていないと判定した場合（ステップＳ４３；Ｎｏ）、制御部１０３は、処理をステップＳ４５へ移行する。

【0158】

ステップＳ４５において、制御部１０３は、学習モデルの生成契機になったか否かを判定する。なお、制御部１０３は、新たなユーザ関連情報が記憶部１０２に所定数記憶される毎や所定期間毎に学習モデルの生成契機を発生させることができる。

【0159】

学習モデルの生成契機になったと判定した場合（ステップＳ４５；Ｙｅｓ）、制御部１０３は、記憶部１０２に記憶されたユーザ関連情報を用いて学習モデルを生成または更新し（ステップＳ４６）、生成または更新した学習モデルの情報を含むモデル情報を端末装置１０へ送信し、また、生成または更新したモデル情報を記憶部１０２に記憶する（ステップＳ４７）。

【0160】

ステップＳ４７の処理が終了した場合、または、学習モデルの生成契機になっていないと判定した場合（ステップＳ４５；Ｎｏ）、制御部１０３は、端末装置１０から第２ユーザ関連情報を取得したか否かを判定する（ステップＳ４８）。第２ユーザ関連情報を取得したと判定した場合（ステップＳ４８；Ｙｅｓ）、第２ユーザ関連情報を記憶部１０２に記憶する（ステップＳ４９）。

【0161】

ステップＳ４９の処理が終了した場合、または、第２ユーザ関連情報を取得していないと判定した場合（ステップＳ４８；Ｎｏ）、制御部１０３は、その他の処理を行い（ステップＳ５０）、図９に示す処理を終了する。なお、ステップＳ５０の処理において、制御部１０３は、例えば、外部装置からユーザＵの社会環境の情報や物理環境の情報を取得することができる。

【0162】

〔４．変形例〕
上述した実施形態では、端末装置１０においてユーザＵの特定行動を判定する例を説明したが、情報処理装置１００の制御部１０３は、端末装置１０の検知部１４などによって検出される情報やセンサ装置５０によって検出された情報に基づいて、ユーザＵの特定行動を検出することもできる。また、センサ装置５０が端末装置１０と同様に、ユーザＵの特定行動を検出し、かかる検出結果を端末装置１０や情報処理装置１００へ通知することもできる。

【0163】

また、上述した実施形態では、一つのユーザＵが一つの端末装置１０を有するものとして説明したが、一つのユーザＵが複数の端末装置１０を有することもできる。この場合、情報処理装置１００の制御部１０３は、複数の端末装置１０からそれぞれ送信されるユーザ関連情報に基づいて、コンテンツを提供することができる。

【0164】

また、端末装置１０は、自装置を含む複数の装置で取得された複数の情報に基づいて、ユーザＵが特定行動を行ったか否かを判定するようにしてもよい。すなわち、マルチデバイスによる検出結果に基づいて、ユーザＵが特定行動を行ったか否かを判定するようにしてもよい。

【0165】

また、情報処理装置１００の生成部１２２は、複数の端末装置１０_１〜１０_ｎのユーザ関連情報に基づいて、２以上の学習モデルを生成することができる。例えば、生成部１２２は、所定の規準で複数の端末装置１０を区分したグループ毎に学習モデルを生成することができる。例えば、生成部１２２は、年齢や性別で区分したグループ毎に学習モデルを生成することができる。また、生成部１２２は、ユーザＵ毎に学習モデルを生成することもできる。

【0166】

また、上述した実施形態では、情報処理装置１００の制御部１０３が学習モデルの生成を行う例を説明したが、学習モデルの生成は端末装置１０の制御部１６で行うようにしてもよい。また、制御部１６は、制御部１０３が生成した学習モデルを取得したあと、かかる学習モデルを自装置のユーザ関連情報に基づいて更新することもできる。

【0167】

なお、上述した例では、学習モデルにおける「ｙ」に対して「１」と「−１」を選択的に設定する例を説明したが係る例に限定されない。例えば、「ｙ」に対して「１」と「０」を選択的に設定してもよい。また、「ｙ」に対して正の値（例えば、「１」）と負の値（例えば、「−１」）とを選択的に設定して生成した学習モデルの場合、推定部１２３およびタイミング判定部４４は、かかる学習モデルの出力情報（「ｙ」）に対して、ｓｉｇｎ関数による演算を行うこともできる。この場合、推定部１２３およびタイミング判定部４４は、例えば、ｓｉｇｎ関数の出力が「１」であれば、ユーザＵの端末装置１０に対する行動の可能性が高いと判定し、ｓｉｇｎ関数の出力が「−１」であれば、ユーザＵの端末装置１０に対する行動の可能性が低いと判定することができる。

【0168】

〔５．ハードウェア構成〕
上述した実施形態における端末装置１０および情報処理装置１００は、それぞれ例えば図１０に示すような構成のコンピュータ２００がプログラムを実行することによって実現される。

【0169】

図１０は、プログラムを実行するコンピュータのハードウェア構成の一例を示す図である。コンピュータ２００は、ＣＰＵ（Central Processing Unit）２０１、ＲＡＭ２０２（Random Access Memory）、ＲＯＭ（Read Only Memory）２０３、ＨＤＤ（Hard Disk Drive）２０４、通信インターフェイス（Ｉ／Ｆ）２０５、入出力インターフェイス（Ｉ／Ｆ）２０６、およびメディアインターフェイス（Ｉ／Ｆ）２０７を備える。

【0170】

ＣＰＵ２０１は、ＲＯＭ２０３またはＨＤＤ２０４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。ＲＯＭ２０３は、コンピュータ２００の起動時にＣＰＵ２０１によって実行されるブートプログラムや、コンピュータ２００のハードウェアに依存するプログラム等を格納する。

【0171】

ＨＤＤ２０４は、ＣＰＵ２０１によって実行され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２０５は、各通信部１１、１０１に対応し、ネットワーク２を介して他の機器からデータを受信してＣＰＵ２０１へ送り、ＣＰＵ２０１が生成したデータを、ネットワーク２を介して他の機器へ送信する。

【0172】

ＣＰＵ２０１は、入出力インターフェイス２０６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。ＣＰＵ２０１は、入出力インターフェイス２０６を介して、入力装置からデータを取得する。また、ＣＰＵ２０１は、生成したデータを、入出力インターフェイス２０６を介して出力装置へ出力する。

【0173】

メディアインターフェイス２０７は、記録媒体２０８に格納されたプログラムまたはデータを読み取り、ＲＡＭ２０２を介してＣＰＵ２０１に提供する。ＣＰＵ２０１は、当該プログラムを、メディアインターフェイス２０７を介して記録媒体２０８からＲＡＭ２０２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２０８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。

【0174】

コンピュータ２００が端末装置１０として機能する場合、コンピュータ２００のＣＰＵ２０１は、ＲＡＭ２０２上にロードされたプログラムを実行することにより、図３に示す状態判定部４１、取得部４２、送信部４３、タイミング判定部４４および処理部４５の各機能を実現する。また、コンピュータ２００が情報処理装置１００として機能する場合、コンピュータ２００のＣＰＵ２０１は、ＲＡＭ２０２上にロードされたプログラムを実行することにより、図５に示す取得部１２１、生成部１２２、推定部１２３、選択部１２４および提供部１２５の各機能を実現する。

【0175】

コンピュータ２００のＣＰＵ２０１は、オークション情報処理プログラムを、記録媒体２０８から読み取って実行するが、他の例として、他の装置から、ネットワーク２を介してこれらのプログラムを取得してもよい。

【0176】

なお、ＨＤＤ２０４は、各記憶部１５、１０２に対応し、各記憶部１５、１０２と同様のデータを記憶する。また、ＨＤＤ２０４に代えて、ＲＡＭ（Random Access Memory)、フラッシュメモリ等の半導体メモリ素子、または、光ディスク等の記憶装置を用いてもよい。

【0177】

〔６．効果〕
上述した実施形態にかかる情報処理装置１００は、取得部１２１と、生成部１２２とを備える。取得部１２１は、ユーザＵが複数種類の特定行動のうちのいずれかの行動をした場合におけるユーザＵの端末装置１０に対する行動（対端末行動）の情報とユーザＵに関するコンテキストの情報とを取得する。各特定行動の情報とコンテキストの情報とを特徴量として機械学習を実行し、ユーザＵの端末装置１０に対する行動の学習モデルを生成する。かかる学習モデルにより、ユーザＵが提供される情報に注意を払う可能性が高い適切なタイミングを推定することができる。

【0178】

また、情報処理装置１００は、推定部１２３を備える。推定部１２３は、ユーザＵが新たに特定行動をした場合におけるこの特定行動の情報とユーザＵに関するコンテキストの情報を入力情報として学習モデルからユーザＵの端末装置１０に対する行動の可能性を推定する。これにより、ユーザＵが提供される情報に注意を払う可能性が高い適切なタイミングを推定することができる。

【0179】

また、情報処理装置１００は、提供部１２５を備える。提供部１２５は、推定部１２３の推定結果に基づき、ユーザＵへの情報提供を実行する。これにより、ユーザＵが提供される情報に注意を払う可能性が高い適切なタイミングで、ユーザＵへ情報提供を行うことができる。

【0180】

また、提供部１２５は、推定部１２３の推定結果に応じたコンテンツを端末装置１０へ提供する情報提供を行う。これにより、推定部１２３の推定結果に応じた適切なコンテンツをユーザＵへ提供することができる。

【0181】

また、取得部１２１は、端末装置１０に提供されたコンテンツに対するユーザＵの行動の情報をユーザＵの端末装置１０に対する行動の情報として取得する。コンテンツに対するユーザＵの行動は、ユーザＵが注意を払うタイミングであることから、これにより、ユーザＵが提供される情報に注意を払う可能性が高い適切なタイミングを推定することができる。

【0182】

また、取得部１２１は、端末装置１０に提供されたコンテンツに対するユーザＵの行動の情報をユーザＵに関するコンテキストの情報として取得する。これにより、推定部１２３の推定結果に応じたコンテンツをユーザＵへ提供することができる。

【0183】

また、提供部１２５は、推定部１２３の推定結果に応じた通知態様で情報提供を行う。これにより、推定結果に応じた通知態様でユーザＵに対する情報提供を行うことができる。そのため、例えば、行動種別や可能性度合いに応じて異なる通知態様でユーザＵに対する情報提供を行うことができ、これにより、ユーザＵに対して適切な情報提供を行うことができる。

【0184】

また、ユーザＵに関するコンテキストは、ユーザＵの属性、ユーザＵの現在位置、現在時刻、ユーザＵが置かれた物理環境、ユーザＵが置かれた社会環境、ユーザＵの運動状態、および、ユーザＵの感情のうち少なくとも一つを含む。これにより、例えば、属性、現在位置、現在時刻、物理環境、社会環境、運動状態、および、感情のうち少なくとも一つを考慮したユーザＵの端末装置１０に対する行動の学習モデルを生成することができる。

【0185】

また、提供部１２５は、推定部１２３の推定結果に基づき、端末装置１０に通知されている他のコンテンツの種別または内容の情報に応じたコンテンツを端末装置１０へ提供する情報提供を行う。他のコンテンツと競合しないコンテンツをユーザＵへ提供したり、他のコンテンツよりもユーザＵの興味度が高いコンテンツをユーザＵへ提供したりすることで、他のコンテンツよりも優先してユーザに選択される可能性を増加させることができるコンテンツを提供することができる。

【0186】

また、生成部１２２は、各特定行動の情報とコンテキストの情報とを特徴量として機械学習を実行し、特定行動の長さを推定する推定モデルを生成する。かかる推定モデルによって、ユーザＵの特定行動の長さを推定することができる。

【0187】

また、推定部１２３は、ユーザＵが新たに特定行動をした場合におけるこの特定行動の情報とユーザＵに関するコンテキストの情報を入力情報として推定モデルから特定行動の長さを推定する。これにより、例えば、推定された推定モデル長さに応じた情報提供タイミングやコンテンツを選択することができる。

【0188】

また、情報処理装置１００は、選択部１２４を備える。選択部１２４は、推定部１２３によって推定された特定行動の長さに応じた種別のコンテンツを選択する。提供部１２５は、選択部１２４によって選択されたコンテンツをユーザＵＲＬへ提供する情報通知を行う。これにより、ユーザＵの特定行動の長さに応じた適切なコンテンツをユーザＵへ提供することができる。

【0189】

また、選択部１２４は、推定部１２３によって推定された特定行動の長さとこの特定行動の時間的特性とに応じた種別のコンテンツを選択する。これにより、ユーザＵの特定行動が発生してからの時間経過に応じた適切なコンテンツを提供することができる。

【0190】

また、ユーザＵの特定行動は、端末装置１０およびセンサ装置５０（端末装置１０以外の装置の一例）の少なくとも一つによって検出される。

【0191】

また、実施形態にかかる情報処理システム１は、情報処理装置１００に加え、端末装置１０を備える。情報処理装置１００の提供部１２５は、生成部１２２によって生成された学習モデルの情報を端末装置１０へ送信する。端末装置１０の取得部４２およびタイミング判定部４４（推定部の一例）を備える。取得部４２は、学習モデルの情報を取得し、記憶部１５に記憶する。タイミング判定部４４は、ユーザＵが新たに特定行動を行った場合におけるこの特定行動の情報とユーザＵに関するコンテキストの情報を入力情報として記憶部１５に記憶した学習モデルから対端末行動（ユーザＵの端末装置１０に対する行動の一例）の可能性を推定する。これにより、ネットワーク２を介して、ユーザ関連情報を送信することなく、対端末行動の可能性の推定結果を取得することができる。

【0192】

以上、本発明を実施の形態を用いて説明したが、本発明の技術的範囲は上記実施の形態に記載の範囲には限定されない。上記実施の形態に多様な変更または改良を加えることが可能であることが当業者には明らかである。また、そのような変更または改良を加えた形態も本発明の技術的範囲に含まれ得ることが、特許請求の範囲の記載から明らかである。

【0193】

また、上述した情報処理装置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。

【0194】

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、生成部は、生成手段や生成回路に読み替えることができる。

【符号の説明】

【0195】

１ 情報処理システム
１０、１０_１〜１０_ｎ 端末装置
１１、１０１ 通信部
１２ａ 表示部
１２ｂ スピーカ
１２ｃ 振動部
１３ 入力部
１４ 検知部
１５、１０２ 記憶部
１６、１０３ 制御部
４１ 状態判定部
４２、１２１ 取得部
４３ 送信部
４４ タイミング判定部（推定部の一例）
４５ 処理部
５０、５０_１〜５０_ｍ センサ装置
１２２ 生成部
１２３ 推定部
１２４ 選択部
１２５ 提供部

【要約】

【課題】ユーザへの割り込みにより適したタイミングの検知を可能とする情報処理装置、情報処理システム、情報処理方法、および、情報処理プログラムを提供すること。
【解決手段】本願にかかる情報処理装置は、取得部と、生成部とを備える。取得部は、ユーザが複数種類の特定行動のうちのいずれかの行動をした場合におけるユーザの端末装置に対する行動の情報とユーザに関するコンテキストの情報とを取得する。生成部は、各特定行動の情報とコンテキストの情報とを特徴量として機械学習を実行し、ユーザの端末装置に対する行動の学習モデルを生成する。
【選択図】図１

【図1】

【図2】

【図3】

【図4】

【図5】

【図6】

【図7】

【図8】

【図9】

【図10】