(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】P2023159740
(43)【公開日】2023-11-01
(54)【発明の名称】情報提供装置、情報提供方法および情報提供プログラム
(51)【国際特許分類】
G06Q 50/10 20120101AFI20231025BHJP
G16H 50/80 20180101ALI20231025BHJP
【ＦＩ】
G06Q50/10
G16H50/80
【審査請求】未請求
【請求項の数】8
【出願形態】ＯＬ
(21)【出願番号】P 2022069645
(22)【出願日】2022-04-20
(71)【出願人】
【識別番号】319013263
【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】弁理士法人酒井国際特許事務所
(72)【発明者】
【氏名】有地 瑠衣
(72)【発明者】
【氏名】兵藤 安昭
(72)【発明者】
【氏名】西田 浩二
【テーマコード（参考）】
5L049
5L099
【Ｆターム（参考）】
5L049CC17
5L099AA15
(57)【要約】
【課題】より効果的に感染症のリスクを判定すること。
【解決手段】情報提供装置１０は、利用者情報を収集し、利用者情報が示す各利用者の履歴情報に基づいて、当該各利用者の所定の病気に関する危険度を算出し、利用者情報が示す位置情報に基づいて、所定の区域に所在した複数の利用者を特定し、特定した複数の利用者の危険度に基づいて、各利用者の危険度を更新する。また、情報提供装置１０は、履歴情報と所定の病気に関する危険度との関係性を学習した機械学習モデルを用いて、各利用者の危険度を算出する。
【選択図】図１
【解決手段】情報提供装置１０は、利用者情報を収集し、利用者情報が示す各利用者の履歴情報に基づいて、当該各利用者の所定の病気に関する危険度を算出し、利用者情報が示す位置情報に基づいて、所定の区域に所在した複数の利用者を特定し、特定した複数の利用者の危険度に基づいて、各利用者の危険度を更新する。また、情報提供装置１０は、履歴情報と所定の病気に関する危険度との関係性を学習した機械学習モデルを用いて、各利用者の危険度を算出する。
【選択図】図１
【特許請求の範囲】
【請求項1】
利用者情報を収集する収集部と、
前記利用者情報が示す各利用者の履歴情報に基づいて、当該各利用者の所定の病気に関する危険度を算出する算出部と、
前記利用者情報が示す位置情報に基づいて、所定の区域に所在した複数の利用者を特定する特定部と、
特定された前記複数の利用者の前記危険度に基づいて、前記各利用者の前記危険度を更新する更新部と、
を備えることを特徴とする情報提供装置。
前記利用者情報が示す各利用者の履歴情報に基づいて、当該各利用者の所定の病気に関する危険度を算出する算出部と、
前記利用者情報が示す位置情報に基づいて、所定の区域に所在した複数の利用者を特定する特定部と、
特定された前記複数の利用者の前記危険度に基づいて、前記各利用者の前記危険度を更新する更新部と、
を備えることを特徴とする情報提供装置。
【請求項2】
前記更新部は、
特定された前記複数の利用者の前記危険度の高さに応じて、前記各利用者のうち前記複数の利用者の前記危険度を更新する、
ことを特徴とする請求項１に記載の情報提供装置。
特定された前記複数の利用者の前記危険度の高さに応じて、前記各利用者のうち前記複数の利用者の前記危険度を更新する、
ことを特徴とする請求項１に記載の情報提供装置。
【請求項3】
前記更新部は、
特定された前記複数の利用者の人数の多さに応じて、前記各利用者のうち前記複数の利用者の前記危険度を更新する、
ことを特徴とする請求項２に記載の情報提供装置。
特定された前記複数の利用者の人数の多さに応じて、前記各利用者のうち前記複数の利用者の前記危険度を更新する、
ことを特徴とする請求項２に記載の情報提供装置。
【請求項4】
前記更新部は、
特定された前記複数の利用者の所在した時間の長さに応じて、前記各利用者のうち前記複数の利用者の前記危険度を更新する、
ことを特徴とする請求項２に記載の情報提供装置。
特定された前記複数の利用者の所在した時間の長さに応じて、前記各利用者のうち前記複数の利用者の前記危険度を更新する、
ことを特徴とする請求項２に記載の情報提供装置。
【請求項5】
前記危険度が所定の閾値を超過した利用者に対して、当該閾値を超過した旨を通知する通知部、
をさらに備えることを特徴とする請求項１に記載の情報提供装置。
をさらに備えることを特徴とする請求項１に記載の情報提供装置。
【請求項6】
前記算出部は、
履歴情報と所定の病気に関する危険度との関係性を学習した機械学習モデルを用いて、前記各利用者の前記危険度を算出する、
ことを特徴とする請求項１から５のうちいずれか１項に記載の情報提供装置。
履歴情報と所定の病気に関する危険度との関係性を学習した機械学習モデルを用いて、前記各利用者の前記危険度を算出する、
ことを特徴とする請求項１から５のうちいずれか１項に記載の情報提供装置。
【請求項7】
情報提供装置によって実行される情報提供方法であって、
利用者情報を収集する収集工程と、
前記利用者情報が示す各利用者の履歴情報に基づいて、当該各利用者の所定の病気に関する危険度を算出する算出工程と、
前記利用者情報が示す位置情報に基づいて、所定の区域に所在した複数の利用者を特定する特定工程と、
特定された前記複数の利用者の前記危険度に基づいて、前記各利用者の前記危険度を更新する更新工程と、
を含むことを特徴とする情報提供方法。
利用者情報を収集する収集工程と、
前記利用者情報が示す各利用者の履歴情報に基づいて、当該各利用者の所定の病気に関する危険度を算出する算出工程と、
前記利用者情報が示す位置情報に基づいて、所定の区域に所在した複数の利用者を特定する特定工程と、
特定された前記複数の利用者の前記危険度に基づいて、前記各利用者の前記危険度を更新する更新工程と、
を含むことを特徴とする情報提供方法。
【請求項8】
利用者情報を収集する収集手順と、
前記利用者情報が示す各利用者の履歴情報に基づいて、当該各利用者の所定の病気に関する危険度を算出する算出手順と、
前記利用者情報が示す位置情報に基づいて、所定の区域に所在した複数の利用者を特定する特定手順と、
特定された前記複数の利用者の前記危険度に基づいて、前記各利用者の前記危険度を更新する更新手順と、
をコンピュータに実行させることを特徴とする情報提供プログラム。
前記利用者情報が示す各利用者の履歴情報に基づいて、当該各利用者の所定の病気に関する危険度を算出する算出手順と、
前記利用者情報が示す位置情報に基づいて、所定の区域に所在した複数の利用者を特定する特定手順と、
特定された前記複数の利用者の前記危険度に基づいて、前記各利用者の前記危険度を更新する更新手順と、
をコンピュータに実行させることを特徴とする情報提供プログラム。
【発明の詳細な説明】
【技術分野】
【0001】
本発明は、情報提供装置、情報提供方法および情報提供プログラムに関する。
【背景技術】
【0002】
従来、エレベーターのかごに乗り降りする利用者に関する情報を取得し、エレベーターの運行情報と利用者の乗降実績とを用いて、感染症に罹患するリスクをフロア別に示す指標データを生成し、当該指標データを利用者等に通知する技術がある。
【先行技術文献】
【特許文献】
【0003】
【特許文献1】特開２０２２－０３２８０８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、上記の従来技術は、感染症等の病気に罹患するリスク（適宜、「感染症リスク」）を効果的に判定する上で改善の余地がある。例えば、上記の従来技術では、エレベーターがない施設において感染症リスクを判定することは難しい。
【0005】
本願は、上記に鑑みてなされたものであって、より効果的に感染症のリスクを判定する情報提供装置、情報提供方法および情報提供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】
上述した課題を解決し、目的を達成するために、利用者情報を収集する収集部と、前記利用者情報が示す各利用者の履歴情報に基づいて、当該各利用者の所定の病気に関する危険度を算出する算出部と、前記利用者情報が示す位置情報に基づいて、所定の区域に所在した複数の利用者を特定する特定部と、特定された前記複数の利用者の前記危険度に基づいて、前記各利用者の前記危険度を更新する更新部と、を備えることを特徴とする。
【0007】
また、本発明に係る情報提供方法は、情報提供装置によって実行される情報提供方法であって、利用者情報を収集する収集工程と、前記利用者情報が示す各利用者の履歴情報に基づいて、当該各利用者の所定の病気に関する危険度を算出する算出工程と、前記利用者情報が示す位置情報に基づいて、所定の区域に所在した複数の利用者を特定する特定工程と、特定された前記複数の利用者の前記危険度に基づいて、前記各利用者の前記危険度を更新する更新工程と、を含むことを特徴とする。
【0008】
また、本発明に係る情報提供プログラムは、利用者情報を収集する収集手順と、前記利用者情報が示す各利用者の履歴情報に基づいて、当該各利用者の所定の病気に関する危険度を算出する算出手順と、前記利用者情報が示す位置情報に基づいて、所定の区域に所在した複数の利用者を特定する特定手順と、特定された前記複数の利用者の前記危険度に基づいて、前記各利用者の前記危険度を更新する更新手順と、をコンピュータに実行させることを特徴とする。
【発明の効果】
【0009】
本発明では、より効果的に感染症のリスクを判定することができる。
【図面の簡単な説明】
【0010】
【発明を実施するための形態】
【0011】
以下に、本願に係る情報提供装置、情報提供方法および情報提供プログラムを実施するための形態（以下、実施形態）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、本願に係る情報提供装置、情報提供方法および情報提供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。
【0012】
〔実施形態〕
以下に、実施形態に係る情報提供システム１００の構成、情報提供装置１０の構成、情報提供処理の流れを順に説明し、最後に実施形態の効果を説明する。
以下に、実施形態に係る情報提供システム１００の構成、情報提供装置１０の構成、情報提供処理の流れを順に説明し、最後に実施形態の効果を説明する。
【0013】
〔１．情報提供システム１００の構成〕
図１を用いて、実施形態に係る情報提供システム１００の処理を説明する。図１は、実施形態に係る情報提供システム１００の構成例を示す図である。以下では、情報提供システム１００の構成例、情報提供システム１００の処理、情報提供システム１００の効果の順に説明する。
図１を用いて、実施形態に係る情報提供システム１００の処理を説明する。図１は、実施形態に係る情報提供システム１００の構成例を示す図である。以下では、情報提供システム１００の構成例、情報提供システム１００の処理、情報提供システム１００の効果の順に説明する。
【0014】
（１－１．情報提供システム１００の構成例）
図１に示した情報提供システム１００は、情報提供装置１０と利用者端末２０（２０Ａ、２０Ｂ、２０Ｃ）とを有する。ここで、情報提供装置１０と利用者端末２０とは、図示しない所定の通信網を介して、有線または無線により通信可能に接続される。なお、情報提供システム１００には、複数台の情報提供装置１０または４台以上の利用者端末２０が含まれてもよい。
図１に示した情報提供システム１００は、情報提供装置１０と利用者端末２０（２０Ａ、２０Ｂ、２０Ｃ）とを有する。ここで、情報提供装置１０と利用者端末２０とは、図示しない所定の通信網を介して、有線または無線により通信可能に接続される。なお、情報提供システム１００には、複数台の情報提供装置１０または４台以上の利用者端末２０が含まれてもよい。
【0015】
（１－１－１．情報提供装置１０）
情報提供装置１０は、利用者端末２０との間でデータの送受信を行う装置であり、例えば、サーバ装置やクラウドシステム等により実現される。図１の例では、情報提供装置１０がサーバ装置により実現される場合を示す。
情報提供装置１０は、利用者端末２０との間でデータの送受信を行う装置であり、例えば、サーバ装置やクラウドシステム等により実現される。図１の例では、情報提供装置１０がサーバ装置により実現される場合を示す。
【0016】
（１－１－２．利用者端末２０）
利用者端末２０は、利用者Ｕ（ＵＡ、ＵＢ、ＵＣ）によって使用されるデバイス（コンピュータ）である。利用者端末２０Ａは、利用者ＵＡによる操作を受け付ける。また、利用者端末２０Ｂは、利用者ＵＢによる操作を受け付ける。また、利用者端末２０Ｃは、利用者ＵＣによる操作を受け付ける。なお、利用者端末２０は、例えば、スマートフォンや、タブレット型端末や、ノート型ＰＣ（Personal Computer）や、デスクトップＰＣや、携帯電話機や、ＰＤＡ（Personal Digital Assistant）等により実現される。図１の例では、利用者端末２０がスマートフォンにより実現される場合を示す。
利用者端末２０は、利用者Ｕ（ＵＡ、ＵＢ、ＵＣ）によって使用されるデバイス（コンピュータ）である。利用者端末２０Ａは、利用者ＵＡによる操作を受け付ける。また、利用者端末２０Ｂは、利用者ＵＢによる操作を受け付ける。また、利用者端末２０Ｃは、利用者ＵＣによる操作を受け付ける。なお、利用者端末２０は、例えば、スマートフォンや、タブレット型端末や、ノート型ＰＣ（Personal Computer）や、デスクトップＰＣや、携帯電話機や、ＰＤＡ（Personal Digital Assistant）等により実現される。図１の例では、利用者端末２０がスマートフォンにより実現される場合を示す。
【0017】
以下では、利用者端末２０を利用者Ｕと表記する場合がある。すなわち、利用者Ｕを利用者端末２０と読み替えることもできる。また、利用者Ｕを複数の対象者を表わすものとして使用することがある。
【0018】
（１－２．情報提供システム１００の処理）
以下に、情報提供システム１００の処理として、ステップＳ１～Ｓ６の処理について説明する。なお、下記のステップＳ１～Ｓ６は、異なる順序で実行することもできる。また、下記のステップＳ１～Ｓ６のうち、省略される処理があってもよい。
以下に、情報提供システム１００の処理として、ステップＳ１～Ｓ６の処理について説明する。なお、下記のステップＳ１～Ｓ６は、異なる順序で実行することもできる。また、下記のステップＳ１～Ｓ６のうち、省略される処理があってもよい。
【0019】
（１－２－１．ステップＳ１の処理）
情報提供システム１００において、第１に、情報提供装置１０は、利用者Ｕ（ＵＡ、ＵＢ、ＵＣ）の利用者端末２０（２０Ａ、２０Ｂ、２０Ｃ）から、利用者情報を収集する（ステップＳ１）。ここで、利用者情報とは、利用者属性、履歴情報、位置情報等を含む情報である。例えば、利用者属性は、利用者Ｕの性別、年齢、年代、職業、年収、居住地、既婚・未婚の別、子供の有無、利用者Ｕの動画像、利用者Ｕが興味関心を有するカテゴリ等を含む情報である。また、履歴情報は、利用者Ｕのウェブサイト上での検索履歴・閲覧履歴、インターネットショッピングでの購買履歴、利用者Ｕの移動履歴等の行動履歴全般を含む情報である。また、位置情報は、利用者Ｕの利用者端末２０から収集された利用者Ｕの現在位置、移動速度、移動手段等を示す情報である。さらに、利用者情報は、利用者端末２０の画面情報、利用者Ｕの生体情報等を含む情報であってもよく、特に限定されない。
情報提供システム１００において、第１に、情報提供装置１０は、利用者Ｕ（ＵＡ、ＵＢ、ＵＣ）の利用者端末２０（２０Ａ、２０Ｂ、２０Ｃ）から、利用者情報を収集する（ステップＳ１）。ここで、利用者情報とは、利用者属性、履歴情報、位置情報等を含む情報である。例えば、利用者属性は、利用者Ｕの性別、年齢、年代、職業、年収、居住地、既婚・未婚の別、子供の有無、利用者Ｕの動画像、利用者Ｕが興味関心を有するカテゴリ等を含む情報である。また、履歴情報は、利用者Ｕのウェブサイト上での検索履歴・閲覧履歴、インターネットショッピングでの購買履歴、利用者Ｕの移動履歴等の行動履歴全般を含む情報である。また、位置情報は、利用者Ｕの利用者端末２０から収集された利用者Ｕの現在位置、移動速度、移動手段等を示す情報である。さらに、利用者情報は、利用者端末２０の画面情報、利用者Ｕの生体情報等を含む情報であってもよく、特に限定されない。
【0020】
（１－２－２．ステップＳ２の処理）
情報提供システム１００において、第２に、情報提供装置１０は、利用者Ｕ（ＵＡ、ＵＢ、ＵＣ）の感染症等の所定の病気に関する初期の危険度を算出する（ステップＳ２）。ここで、所定の病気とは、病原体（例：細菌、ウイルス、真菌、寄生虫）が感染源となる感染症の他、化学物質等に起因するアレルギー、他者との接近等に起因する精神疾患であってもよく、特に限定されない。また、危険度とは、感染症等の所定の病気に罹患する危険の程度を示す数値であるが、複数の病気に罹患する総合的な危険の程度を示す数値であってもよい。例えば、情報提供装置１０は、利用者Ｕ（ＵＡ、ＵＢ、ＵＣ）の履歴情報（例：訪問場所、検索ワード、送受信した通知、感染症の陽性・陰性判定）をもとに初期の危険度を０～１００％の数値で算出する。
情報提供システム１００において、第２に、情報提供装置１０は、利用者Ｕ（ＵＡ、ＵＢ、ＵＣ）の感染症等の所定の病気に関する初期の危険度を算出する（ステップＳ２）。ここで、所定の病気とは、病原体（例：細菌、ウイルス、真菌、寄生虫）が感染源となる感染症の他、化学物質等に起因するアレルギー、他者との接近等に起因する精神疾患であってもよく、特に限定されない。また、危険度とは、感染症等の所定の病気に罹患する危険の程度を示す数値であるが、複数の病気に罹患する総合的な危険の程度を示す数値であってもよい。例えば、情報提供装置１０は、利用者Ｕ（ＵＡ、ＵＢ、ＵＣ）の履歴情報（例：訪問場所、検索ワード、送受信した通知、感染症の陽性・陰性判定）をもとに初期の危険度を０～１００％の数値で算出する。
【0021】
上記のステップＳ２において、情報提供装置１０は、学習済みの機械学習モデルを用いて施設価値を算出することができる。例えば、情報提供装置１０は、履歴情報と所定の病気の危険度との関係性を学習したＤＮＮ（Deep Neural Network）等の機械学習モデルを用いて、初期の危険度を算出する。なお、情報提供装置１０は、ルールベースで初期の危険度を算出してもよい。
【0022】
（１－２－３．ステップＳ３の処理）
情報提供システム１００において、第３に、情報提供装置１０は、利用者Ｕ（ＵＡ、ＵＢ、ＵＣ）の位置情報をもとに、同一区域（エリア）に所在した複数の利用者Ｕを特定する（ステップＳ３）。例えば、情報提供装置１０は、利用者ＵＡと利用者ＵＢとの位置情報をもとに、所定の時間内において利用者ＵＡと利用者ＵＢとが同一区域（例：飲食店、コンサート会場、電車の車両）に所在したことを特定する。
情報提供システム１００において、第３に、情報提供装置１０は、利用者Ｕ（ＵＡ、ＵＢ、ＵＣ）の位置情報をもとに、同一区域（エリア）に所在した複数の利用者Ｕを特定する（ステップＳ３）。例えば、情報提供装置１０は、利用者ＵＡと利用者ＵＢとの位置情報をもとに、所定の時間内において利用者ＵＡと利用者ＵＢとが同一区域（例：飲食店、コンサート会場、電車の車両）に所在したことを特定する。
【0023】
（１－２－４．ステップＳ４の処理）
情報提供システム１００において、第４に、情報提供装置１０は、利用者Ｕ（ＵＡ、ＵＢ、ＵＣ）のうち、ステップＳ３の処理で特定した利用者ＵＡおよび利用者ＵＢの危険度を更新する（ステップＳ４）。例えば、情報提供装置１０は、特定した利用者ＵＡおよび利用者ＵＢの危険度の高さに応じて、利用者ＵＡおよび利用者ＵＢの危険度を更新する。具体的には、情報提供装置１０は、利用者ＵＡの危険度が利用者ＵＢの危険度より高い場合には、利用者ＵＢの危険度を引き上げる。このとき、情報提供装置１０は、利用者ＵＡの危険度と利用者ＵＢの危険度との差が大きいほど、利用者ＵＢの危険度を高く引き上げてもよい。
情報提供システム１００において、第４に、情報提供装置１０は、利用者Ｕ（ＵＡ、ＵＢ、ＵＣ）のうち、ステップＳ３の処理で特定した利用者ＵＡおよび利用者ＵＢの危険度を更新する（ステップＳ４）。例えば、情報提供装置１０は、特定した利用者ＵＡおよび利用者ＵＢの危険度の高さに応じて、利用者ＵＡおよび利用者ＵＢの危険度を更新する。具体的には、情報提供装置１０は、利用者ＵＡの危険度が利用者ＵＢの危険度より高い場合には、利用者ＵＢの危険度を引き上げる。このとき、情報提供装置１０は、利用者ＵＡの危険度と利用者ＵＢの危険度との差が大きいほど、利用者ＵＢの危険度を高く引き上げてもよい。
【0024】
また、情報提供装置１０は、同一区域に所在した利用者Ｕの人数の多さに応じて利用者Ｕの危険度を更新してもよいし、同一区域に所在した利用者Ｕの所在時間の長さに応じて利用者Ｕの危険度を更新してもよい。すなわち、情報提供装置１０は、同一区域に所在した利用者Ｕの人数が多いほど、また、同一区域に所在した利用者Ｕの所在時間が長いほど、利用者Ｕの危険度を高く引き上げる。また、同一区域に所在した利用者Ｕの危険度が所定値未満の場合には、利用者Ｕの危険度を更新しなくともよい。
【0025】
さらに、情報提供装置１０は、時間の経過に応じた危険度の減算を行ってもよい。例えば、利用者Ｕが単独で行動している時間に応じて、利用者Ｕの危険度を徐々に引き下げてもよい。また、情報提供装置１０は、病院等で感染症の陽性判定がなされた場合は利用者Ｕの危険度を１００％、陰性判定がなされた場合は利用者Ｕの危険度を０％と更新してもよい。
【0026】
（１－２－５．ステップＳ５の処理）
情報提供システム１００において、第５に、情報提供装置１０は、利用者Ｕ（ＵＡ、ＵＢ、ＵＣ）のうち、危険度が閾値以上の利用者Ｕに対して通知する（ステップＳ４）。例えば、情報提供装置１０は、利用者ＵＢの危険度が７０％以上になった場合には、利用者ＵＢの利用者端末２０Ｂに、「○○感染症の危険度が７０％を超過しました。」等の閾値超過通知を送信する。
情報提供システム１００において、第５に、情報提供装置１０は、利用者Ｕ（ＵＡ、ＵＢ、ＵＣ）のうち、危険度が閾値以上の利用者Ｕに対して通知する（ステップＳ４）。例えば、情報提供装置１０は、利用者ＵＢの危険度が７０％以上になった場合には、利用者ＵＢの利用者端末２０Ｂに、「○○感染症の危険度が７０％を超過しました。」等の閾値超過通知を送信する。
【0027】
（１－２－６．ステップＳ６の処理）
情報提供システム１００において、第６に、情報提供装置１０は、算出した危険度を学習する（ステップＳ６）。例えば、情報提供装置１０は、感染症の感染力が上昇した情報が機械学習モデルに入力された場合には、危険度がより高い数値として出力されるように、バックプロパゲーション等を用いて学習する。また、情報提供装置１０は、感染症の感染力が下降した情報が機械学習モデルに入力された場合には、危険度がより低い数値として出力されるように、バックプロパゲーション等を用いて学習する。
情報提供システム１００において、第６に、情報提供装置１０は、算出した危険度を学習する（ステップＳ６）。例えば、情報提供装置１０は、感染症の感染力が上昇した情報が機械学習モデルに入力された場合には、危険度がより高い数値として出力されるように、バックプロパゲーション等を用いて学習する。また、情報提供装置１０は、感染症の感染力が下降した情報が機械学習モデルに入力された場合には、危険度がより低い数値として出力されるように、バックプロパゲーション等を用いて学習する。
【0028】
（１－３．情報提供システム１００の効果）
以下では、情報提供システム１００の処理の概要を説明した上で、情報提供システム１００の効果について説明する。
以下では、情報提供システム１００の処理の概要を説明した上で、情報提供システム１００の効果について説明する。
【0029】
（１－３－１．概要）
情報提供システム１００では、情報提供装置１０は、利用者Ｕの利用者情報を収集し、利用者情報が示す各利用者Ｕの履歴情報に基づいて各利用者Ｕの所定の病気に関する危険度を算出し、利用者情報が示す位置情報に基づいて所定の区域に所在した利用者Ｕを特定し、特定した利用者Ｕの危険度に基づいて各利用者Ｕの危険度を更新する。このとき、情報提供装置１０は、履歴情報と所定の病気に関する危険度との関係性を学習した機械学習モデルを用いて、各利用者Ｕの危険度を算出する。
情報提供システム１００では、情報提供装置１０は、利用者Ｕの利用者情報を収集し、利用者情報が示す各利用者Ｕの履歴情報に基づいて各利用者Ｕの所定の病気に関する危険度を算出し、利用者情報が示す位置情報に基づいて所定の区域に所在した利用者Ｕを特定し、特定した利用者Ｕの危険度に基づいて各利用者Ｕの危険度を更新する。このとき、情報提供装置１０は、履歴情報と所定の病気に関する危険度との関係性を学習した機械学習モデルを用いて、各利用者Ｕの危険度を算出する。
【0030】
また、情報提供装置１０は、利用者Ｕの危険度の高さ、利用者Ｕの人数の多さ、所在した時間の長さ等に応じて、各利用者Ｕの危険度を更新する。さらに、情報提供装置１０は、危険度が所定の閾値を超過した利用者Ｕに対して、当該閾値を超過した旨を通知する。
【0031】
（１－３－２．効果）
上述してきたように、情報提供システム１００では、利用者Ｕの検索データ（例：会食に関連しそうな検索ワード）や、位置情報データ（例：複数人で集合して一定期間を過ごしている、満員電車で移動している）を用いて、大人数での会食、移動量、満員電車利用等の判定を行い、利用者Ｕの感染症リスクを判定することができる。すなわち、情報提供システム１００では、複数の利用者Ｕの位置情報を利用し、利用者Ｕの感染症リスクを判定することができる。このため、情報提供システム１００では、新規感染者数だけではなく、未症状者も含めたリスク判定を可能とする。さらに、情報提供システム１００では、公共交通機関等において感染症リスクが高い対象者の割合を分析することで、感染症リスクの増加に合わせたキャンペーンやイベント施策等を計画することに利用できる。
上述してきたように、情報提供システム１００では、利用者Ｕの検索データ（例：会食に関連しそうな検索ワード）や、位置情報データ（例：複数人で集合して一定期間を過ごしている、満員電車で移動している）を用いて、大人数での会食、移動量、満員電車利用等の判定を行い、利用者Ｕの感染症リスクを判定することができる。すなわち、情報提供システム１００では、複数の利用者Ｕの位置情報を利用し、利用者Ｕの感染症リスクを判定することができる。このため、情報提供システム１００では、新規感染者数だけではなく、未症状者も含めたリスク判定を可能とする。さらに、情報提供システム１００では、公共交通機関等において感染症リスクが高い対象者の割合を分析することで、感染症リスクの増加に合わせたキャンペーンやイベント施策等を計画することに利用できる。
【0032】
〔２．情報提供装置１０の構成〕
図２を用いて、実施形態に係る情報提供装置１０の構成について説明する。図２は、実施形態に係る情報提供装置１０の構成例を示すブロック図である。図２に示すように、情報提供装置１０は、通信部１１、記憶部１２および制御部１３を有する。なお、情報提供装置１０は、情報提供装置１０の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。
図２を用いて、実施形態に係る情報提供装置１０の構成について説明する。図２は、実施形態に係る情報提供装置１０の構成例を示すブロック図である。図２に示すように、情報提供装置１０は、通信部１１、記憶部１２および制御部１３を有する。なお、情報提供装置１０は、情報提供装置１０の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。
【0033】
（２－１．通信部１１）
通信部１１は、例えば、ＮＩＣ（Network Interface Card）等によって実現される。そして、通信部１１は、所定の通信網（ネットワーク）と有線または無線で接続され、各種装置との間で情報の送受信を行う。
通信部１１は、例えば、ＮＩＣ（Network Interface Card）等によって実現される。そして、通信部１１は、所定の通信網（ネットワーク）と有線または無線で接続され、各種装置との間で情報の送受信を行う。
【0034】
（２－２．記憶部１２）
記憶部１２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。実施形態に係る記憶部１２は、図２に示すように、利用者情報記憶部１２ａおよび危険度情報記憶部１２ｂを有する。そして、記憶部１２は、制御部１３が動作する際に参照する各種情報や、制御部１３が動作した際に取得した各種情報を記憶する。
記憶部１２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。実施形態に係る記憶部１２は、図２に示すように、利用者情報記憶部１２ａおよび危険度情報記憶部１２ｂを有する。そして、記憶部１２は、制御部１３が動作する際に参照する各種情報や、制御部１３が動作した際に取得した各種情報を記憶する。
【0035】
（２－２－１．利用者情報記憶部１２ａ）
利用者情報記憶部１２ａは、利用者Ｕに関する各種の情報（利用者情報）を記憶する。ここで、図３を用いて、利用者情報記憶部１２ａが記憶する情報の一例を説明する。図３は、実施形態に係る利用者情報記憶部１２ａの一例を示す図である。図３の例において、利用者情報記憶部１２ａは、「利用者ＩＤ」、「利用者属性」、「履歴情報」、「位置情報」といった項目を有する。
利用者情報記憶部１２ａは、利用者Ｕに関する各種の情報（利用者情報）を記憶する。ここで、図３を用いて、利用者情報記憶部１２ａが記憶する情報の一例を説明する。図３は、実施形態に係る利用者情報記憶部１２ａの一例を示す図である。図３の例において、利用者情報記憶部１２ａは、「利用者ＩＤ」、「利用者属性」、「履歴情報」、「位置情報」といった項目を有する。
【0036】
「利用者ＩＤ」は、利用者Ｕを識別するための識別情報を示す。「利用者属性」は、事前に登録された利用者Ｕの分類に寄与する情報であって、利用者Ｕの性別、年齢、年代、職業、年収、居住地、既婚・未婚の別、子供の有無、利用者Ｕの動画像、利用者Ｕが興味関心を有するカテゴリ等を含む情報である。「履歴情報」は、購買履歴、閲覧履歴、検索履歴、移動履歴、通信履歴等の情報である。「位置情報」は、利用者Ｕの利用者端末２０から収集された利用者Ｕの現在位置、移動速度、移動手段等を示す情報である。
【0037】
図３では、利用者ＩＤ「ＵＩＤ＃１」によって識別される利用者Ｕについて、利用者属性が「利用者属性＃１」、履歴情報が「履歴情報＃１」、位置情報が「位置情報＃１」である例を示す。
【0038】
（２－２－２．危険度情報記憶部１２ｂ）
危険度情報記憶部１２ｂは、後述する制御部１３の算出部１３ｂによって算出された危険度を含む危険度情報を記憶する。ここで、図４を用いて、危険度情報記憶部１２ｂが記憶する情報の一例を説明する。図４は、実施形態に係る危険度情報記憶部１２ｂの一例を示す図である。図４の例において、危険度情報記憶部１２ｂは、「病気ＩＤ」、「利用者ＩＤ」、「危険度」といった項目を有する。
危険度情報記憶部１２ｂは、後述する制御部１３の算出部１３ｂによって算出された危険度を含む危険度情報を記憶する。ここで、図４を用いて、危険度情報記憶部１２ｂが記憶する情報の一例を説明する。図４は、実施形態に係る危険度情報記憶部１２ｂの一例を示す図である。図４の例において、危険度情報記憶部１２ｂは、「病気ＩＤ」、「利用者ＩＤ」、「危険度」といった項目を有する。
【0039】
「病気ＩＤ」は、評価対象である感染症等の病気を識別するための識別情報を示す。「利用者ＩＤ」は、利用者Ｕを識別するための識別情報を示す。「危険度」は、評価対象である病気ごとに算出された利用者Ｕの罹患の危険の程度を示す情報である。
【0040】
図４では、病気ＩＤ「ＤＩＤ＃１」によって識別される病気について、利用者ＩＤが「ＵＩＤ＃１」の利用者Ｕの危険度が「危険度＃１」、利用者ＩＤが「ＵＩＤ＃２」の利用者Ｕの危険度が「危険度＃２」である例を示す。
【0041】
（２－３．制御部１３）
制御部１３は、例えば、ＣＰＵ（Central Processing Unit）やＭＰＵ（Micro Processing Unit）等によって、情報提供装置１０内部の記憶装置に記憶されている各種プログラム（情報処理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１３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。
制御部１３は、例えば、ＣＰＵ（Central Processing Unit）やＭＰＵ（Micro Processing Unit）等によって、情報提供装置１０内部の記憶装置に記憶されている各種プログラム（情報処理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１３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。
【0042】
図２に示すように、制御部１３は、収集部１３ａ、算出部１３ｂ、特定部１３ｃ、更新部１３ｄ、通知部１３ｅおよび学習部１３ｆ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１３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。また、制御部１３が有する各処理部の接続関係は、図２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。
【0043】
（２－３－１．収集部１３ａ）
収集部１３ａは、利用者Ｕ（ＵＡ、ＵＢ、ＵＣ）の利用者情報を収集する。例えば、収集部１３ａは、利用者情報として、利用者Ｕにおける利用者属性（例：性別、年齢、年代、職業、年収、居住地、既婚・未婚の別、子供の有無、利用者Ｕの動画像、利用者Ｕが興味関心を有するカテゴリ）、履歴情報（例：購買履歴、閲覧履歴、検索履歴、移動履歴、通信履歴）、位置情報（例：現在位置、移動速度、移動手段）等を利用者Ｕの利用者端末２０から収集する。なお、収集部１３ａは、収集した利用者情報を利用者情報記憶部１２ａに格納する。
収集部１３ａは、利用者Ｕ（ＵＡ、ＵＢ、ＵＣ）の利用者情報を収集する。例えば、収集部１３ａは、利用者情報として、利用者Ｕにおける利用者属性（例：性別、年齢、年代、職業、年収、居住地、既婚・未婚の別、子供の有無、利用者Ｕの動画像、利用者Ｕが興味関心を有するカテゴリ）、履歴情報（例：購買履歴、閲覧履歴、検索履歴、移動履歴、通信履歴）、位置情報（例：現在位置、移動速度、移動手段）等を利用者Ｕの利用者端末２０から収集する。なお、収集部１３ａは、収集した利用者情報を利用者情報記憶部１２ａに格納する。
【0044】
（２－３－２．算出部１３ｂ）
算出部１３ｂは、利用者情報が示す各利用者Ｕ（ＵＡ、ＵＢ、ＵＣ）の履歴情報に基づいて、各利用者Ｕ（ＵＡ、ＵＢ、ＵＣ）の所定の病気に関する危険度を算出する。例えば、算出部１３ｂは、移動履歴、検索履歴、購買履歴等を用いて、利用者Ｕ（ＵＡ、ＵＢ、ＵＣ）の訪問場所、検索ワード、送受信した通知、感染症の陽性・陰性判定等を特定し、当該危険度を算出する。
算出部１３ｂは、利用者情報が示す各利用者Ｕ（ＵＡ、ＵＢ、ＵＣ）の履歴情報に基づいて、各利用者Ｕ（ＵＡ、ＵＢ、ＵＣ）の所定の病気に関する危険度を算出する。例えば、算出部１３ｂは、移動履歴、検索履歴、購買履歴等を用いて、利用者Ｕ（ＵＡ、ＵＢ、ＵＣ）の訪問場所、検索ワード、送受信した通知、感染症の陽性・陰性判定等を特定し、当該危険度を算出する。
【0045】
算出する手法について説明すると、算出部１３ｂは、履歴情報と所定の病気に関する危険度との関係性を学習した機械学習モデルを用いて、各利用者Ｕ（ＵＡ、ＵＢ、ＵＣ）の危険度を算出する。また、算出部１３ｂは、ルールベースで施設の価値を算出してもよい。
【0046】
算出する数値について説明すると、算出部１３ｂは、病気ごとの危険度を０～１００％の数値で算出する。また、算出部１３ｂは、病気ごとの危険度を０～１の数値で算出してもよく、算出する数値の範囲や単位は特に限定されない。
【0047】
なお、算出部１３ｂは、利用者情報記憶部１２ａから履歴情報を取得する。一方、算出部１３ｂは、算出した病気ごとの危険度を危険度情報記憶部１２ｂに格納する。
【0048】
（２－３－３．特定部１３ｃ）
特定部１３ｃは、利用者情報が示す位置情報に基づいて、所定の区域に所在した複数の利用者Ｕを特定する。例えば、特定部１３ｃは、利用者Ｕの現在位置、移動速度、移動手段等を用いて、所定の区域に所在した利用者ＵＡおよび利用者ＵＢを特定する。このとき、特定部１３ｃは、利用者ＵＡと利用者ＵＢとの人数の他、所在時間を特定する。さらに、特定部１３ｃは、所定の区域の換気状態等の感染防止の対策状況等を特定してもよい。
特定部１３ｃは、利用者情報が示す位置情報に基づいて、所定の区域に所在した複数の利用者Ｕを特定する。例えば、特定部１３ｃは、利用者Ｕの現在位置、移動速度、移動手段等を用いて、所定の区域に所在した利用者ＵＡおよび利用者ＵＢを特定する。このとき、特定部１３ｃは、利用者ＵＡと利用者ＵＢとの人数の他、所在時間を特定する。さらに、特定部１３ｃは、所定の区域の換気状態等の感染防止の対策状況等を特定してもよい。
【0049】
なお、特定部１３ｃは、利用者情報記憶部１２ａから位置情報または履歴情報を取得する。一方、特定部１３ｃは、特定した利用者Ｕ、利用者Ｕの人数、所在時間等を記憶部１２に格納してもよい。
【0050】
（２－３－４．更新部１３ｄ）
更新部１３ｄは、特定された複数の利用者Ｕの危険度に基づいて、各利用者Ｕ（ＵＡ、ＵＢ、ＵＣ）の危険度を更新する。例えば、更新部１３ｄは、特定された利用者ＵＡおよび利用者ＵＢの危険度の高さに応じて、各利用者Ｕ（ＵＡ、ＵＢ、ＵＣ）のうち利用者ＵＡおよび利用者ＵＢの危険度を更新する。具体的な例としては、更新部１３ｄは、特定された利用者ＵＡの危険度が８０％であり、利用者ＵＢの危険度が３０％である場合には、利用者ＵＢの危険度を５０％に引き上げる。このとき、情報提供装置１０は、利用者ＵＡの危険度と利用者ＵＢの危険度との差が大きいほど、利用者ＵＢの危険度を高く引き上げてもよい。具体的な例としては、更新部１３ｄは、特定された利用者ＵＡの危険度が９０％であり、利用者ＵＢの危険度が３０％である場合には、利用者ＵＢの危険度を６０％に引き上げる。
更新部１３ｄは、特定された複数の利用者Ｕの危険度に基づいて、各利用者Ｕ（ＵＡ、ＵＢ、ＵＣ）の危険度を更新する。例えば、更新部１３ｄは、特定された利用者ＵＡおよび利用者ＵＢの危険度の高さに応じて、各利用者Ｕ（ＵＡ、ＵＢ、ＵＣ）のうち利用者ＵＡおよび利用者ＵＢの危険度を更新する。具体的な例としては、更新部１３ｄは、特定された利用者ＵＡの危険度が８０％であり、利用者ＵＢの危険度が３０％である場合には、利用者ＵＢの危険度を５０％に引き上げる。このとき、情報提供装置１０は、利用者ＵＡの危険度と利用者ＵＢの危険度との差が大きいほど、利用者ＵＢの危険度を高く引き上げてもよい。具体的な例としては、更新部１３ｄは、特定された利用者ＵＡの危険度が９０％であり、利用者ＵＢの危険度が３０％である場合には、利用者ＵＢの危険度を６０％に引き上げる。
【0051】
また、更新部１３ｄは、特定された複数の利用者Ｕの人数の多さに応じて、各利用者Ｕ（ＵＡ、ＵＢ、ＵＣ）のうち複数の利用者Ｕの危険度を更新する。具体的な例としては、更新部１３ｄは、特定された利用者Ｕの人数１人につき危険度を１％引き上げる。また、更新部１３ｄは、特定された複数の利用者Ｕの所在した時間の長さに応じて、各利用者Ｕ（ＵＡ、ＵＢ、ＵＣ）のうち複数の利用者Ｕの危険度を更新する。具体的な例としては、更新部１３ｄは、特定された所在時間１時間につき危険度を１％引き上げる。さらに、更新部１３ｄは、所定の区域に所在した利用者Ｕの危険度が所定値未満の場合には、利用者Ｕの危険度を更新しなくともよい。具体的な例としては、更新部１３ｄは、特定された利用者ＵＡの危険度が１０％であり、利用者ＵＢの危険度が５％である場合には、利用者ＵＢの危険度を引き上げない。
【0052】
なお、更新部１３ｄは、危険度情報記憶部１２ｂから初期の危険度を取得する。一方、更新部１３ｄは、更新した危険度を危険度情報記憶部１２ｂに格納する。
【0053】
（２－３－５．通知部１３ｅ）
通知部３ｅは、所定の閾値を超過した利用者Ｕに対して、当該閾値を超過した旨を通知する。例えば、通知部１３ｅは、利用者ＵＢの危険度が７０％以上になった場合には、利用者ＵＢの利用者端末２０Ｂに、「○○感染症の危険度が７０％を超過しました。」等の閾値を超過した旨のプッシュ通知を送信する。
通知部３ｅは、所定の閾値を超過した利用者Ｕに対して、当該閾値を超過した旨を通知する。例えば、通知部１３ｅは、利用者ＵＢの危険度が７０％以上になった場合には、利用者ＵＢの利用者端末２０Ｂに、「○○感染症の危険度が７０％を超過しました。」等の閾値を超過した旨のプッシュ通知を送信する。
【0054】
（２－３－６．学習部１３ｆ）
学習部１３ｆは、利用者Ｕ（ＵＡ、ＵＢ、ＵＣ）の利用者情報が入力された際に、所定の病気の危険度が出力されるように、機械学習モデルを学習する。このとき、学習部１３ｆは、バックプロパゲーション等により機械学習モデルを学習してもよい。
学習部１３ｆは、利用者Ｕ（ＵＡ、ＵＢ、ＵＣ）の利用者情報が入力された際に、所定の病気の危険度が出力されるように、機械学習モデルを学習する。このとき、学習部１３ｆは、バックプロパゲーション等により機械学習モデルを学習してもよい。
【0055】
例えば、学習部１３ｆは、感染症の感染力が上昇した情報が機械学習モデルに入力された場合には、当該感染症の危険度が高い数値として出力されるように、機械学習モデルを学習する。
【0056】
例えば、学習部１３ｆは、感染症の感染力が下降した情報が機械学習モデルに入力された場合には、当該感染症の危険度が低い数値として出力されるように、機械学習モデルを学習する。
【0057】
〔３．情報提供処理の流れ〕
図５を用いて、実施形態に係る情報提供装置１０の情報提供処理の手順について説明する。図５は、実施形態に係る情報提供処理の流れの一例を示すフローチャートである。なお、下記のステップＳ１０１～Ｓ１０６は、異なる順序で実行することもできる。また、下記のステップＳ１０１～Ｓ１０６のうち、省略される処理があってもよい。
図５を用いて、実施形態に係る情報提供装置１０の情報提供処理の手順について説明する。図５は、実施形態に係る情報提供処理の流れの一例を示すフローチャートである。なお、下記のステップＳ１０１～Ｓ１０６は、異なる順序で実行することもできる。また、下記のステップＳ１０１～Ｓ１０６のうち、省略される処理があってもよい。
【0058】
（３－１．利用者情報収集処理）
第１に、情報提供装置１０の収集部１３ａは、利用者情報収集処理を実行する（ステップＳ１０１）。例えば、収集部１３ａは、利用者情報として、利用者Ｕ（ＵＡ、ＵＢ、ＵＣ）の利用者属性、履歴情報、位置情報等を収集する。
第１に、情報提供装置１０の収集部１３ａは、利用者情報収集処理を実行する（ステップＳ１０１）。例えば、収集部１３ａは、利用者情報として、利用者Ｕ（ＵＡ、ＵＢ、ＵＣ）の利用者属性、履歴情報、位置情報等を収集する。
【0059】
（３－２．危険度算出処理）
第２に、情報提供装置１０の算出部１３ｂは、危険度算出処理を実行する（ステップＳ１０２）。例えば、算出部１３ｂは、利用者Ｕ（ＵＡ、ＵＢ、ＵＣ）の感染症等の所定の病気に関する初期の危険度を算出する。
第２に、情報提供装置１０の算出部１３ｂは、危険度算出処理を実行する（ステップＳ１０２）。例えば、算出部１３ｂは、利用者Ｕ（ＵＡ、ＵＢ、ＵＣ）の感染症等の所定の病気に関する初期の危険度を算出する。
【0060】
（３－３．利用者特定処理）
第３に、情報提供装置１０の特定部１３ｃは、利用者特定処理を実行する（ステップＳ１０３）。例えば、特定部１３ｃは、利用者Ｕ（ＵＡ、ＵＢ、ＵＣ）の位置情報をもとに、同一区域に所在した複数の利用者Ｕを特定する。
第３に、情報提供装置１０の特定部１３ｃは、利用者特定処理を実行する（ステップＳ１０３）。例えば、特定部１３ｃは、利用者Ｕ（ＵＡ、ＵＢ、ＵＣ）の位置情報をもとに、同一区域に所在した複数の利用者Ｕを特定する。
【0061】
（３－４．危険度更新処理）
第４に、情報提供装置１０の更新部１３ｄは、危険度更新処理を実行する（ステップＳ１０４）。例えば、更新部１３ｄは、利用者Ｕ（ＵＡ、ＵＢ、ＵＣ）のうち、特定された同一区域に所在した利用者ＵＡおよび利用者ＵＢの危険度を更新する。
第４に、情報提供装置１０の更新部１３ｄは、危険度更新処理を実行する（ステップＳ１０４）。例えば、更新部１３ｄは、利用者Ｕ（ＵＡ、ＵＢ、ＵＣ）のうち、特定された同一区域に所在した利用者ＵＡおよび利用者ＵＢの危険度を更新する。
【0062】
（３－５．閾値超過通知処理）
第５に、情報提供装置１０の通知部１３ｅは、閾値超過通知処理を実行する（ステップＳ１０５）。例えば、通知部１３ｅは、利用者Ｕ（ＵＡ、ＵＢ、ＵＣ）のうち、危険度が閾値以上の利用者ＵＢに対して閾値が超過した旨を通知する。
第５に、情報提供装置１０の通知部１３ｅは、閾値超過通知処理を実行する（ステップＳ１０５）。例えば、通知部１３ｅは、利用者Ｕ（ＵＡ、ＵＢ、ＵＣ）のうち、危険度が閾値以上の利用者ＵＢに対して閾値が超過した旨を通知する。
【0063】
（３－６．危険度学習処理）
第６に、情報提供装置１０の学習部１３ｆは、危険度学習処理を実行する（ステップＳ１０６）。例えば、学習部１３ｆは、利用者Ｕ（ＵＡ、ＵＢ、ＵＣ）の行動履歴等を用いて機械学習モデルの学習を行う。
第６に、情報提供装置１０の学習部１３ｆは、危険度学習処理を実行する（ステップＳ１０６）。例えば、学習部１３ｆは、利用者Ｕ（ＵＡ、ＵＢ、ＵＣ）の行動履歴等を用いて機械学習モデルの学習を行う。
【0064】
〔４．実施形態の効果〕
最後に、実施形態の効果について説明する。以下では、実施形態に係る処理に対応する効果１～６について説明する。
最後に、実施形態の効果について説明する。以下では、実施形態に係る処理に対応する効果１～６について説明する。
【0065】
（４－１．効果１）
上述した実施形態に係る処理では、利用者情報を収集し、利用者情報が示す利用者Ｕ（ＵＡ、ＵＢ、ＵＣ）の履歴情報に基づいて、利用者Ｕ（ＵＡ、ＵＢ、ＵＣ）の所定の病気に関する危険度を算出し、利用者情報が示す位置情報に基づいて、所定の区域に所在した複数の利用者Ｕを特定し、特定された複数の利用者Ｕの危険度に基づいて、利用者Ｕ（ＵＡ、ＵＢ、ＵＣ）の危険度を更新する。このため、本処理では、より効果的に感染症のリスクを判定することができる。
上述した実施形態に係る処理では、利用者情報を収集し、利用者情報が示す利用者Ｕ（ＵＡ、ＵＢ、ＵＣ）の履歴情報に基づいて、利用者Ｕ（ＵＡ、ＵＢ、ＵＣ）の所定の病気に関する危険度を算出し、利用者情報が示す位置情報に基づいて、所定の区域に所在した複数の利用者Ｕを特定し、特定された複数の利用者Ｕの危険度に基づいて、利用者Ｕ（ＵＡ、ＵＢ、ＵＣ）の危険度を更新する。このため、本処理では、より効果的に感染症のリスクを判定することができる。
【0066】
（４－２．効果２）
上述した実施形態に係る処理では、特定された複数の利用者Ｕの危険度の高さに応じて、利用者Ｕ（ＵＡ、ＵＢ、ＵＣ）のうち複数の利用者Ｕの危険度を更新する。このため、本処理では、複数の利用者Ｕの危険度の高さを用いることによって、より効果的に感染症のリスクを判定することができる。
上述した実施形態に係る処理では、特定された複数の利用者Ｕの危険度の高さに応じて、利用者Ｕ（ＵＡ、ＵＢ、ＵＣ）のうち複数の利用者Ｕの危険度を更新する。このため、本処理では、複数の利用者Ｕの危険度の高さを用いることによって、より効果的に感染症のリスクを判定することができる。
【0067】
（４－３．効果３）
上述した実施形態に係る処理では、特定された複数の利用者Ｕの人数の多さに応じて、利用者Ｕ（ＵＡ、ＵＢ、ＵＣ）のうち複数の利用者Ｕの危険度を更新する。このため、本処理では、複数の利用者Ｕの人数の多さを用いることによって、より効果的に感染症のリスクを判定することができる。
上述した実施形態に係る処理では、特定された複数の利用者Ｕの人数の多さに応じて、利用者Ｕ（ＵＡ、ＵＢ、ＵＣ）のうち複数の利用者Ｕの危険度を更新する。このため、本処理では、複数の利用者Ｕの人数の多さを用いることによって、より効果的に感染症のリスクを判定することができる。
【0068】
（４－４．効果４）
上述した実施形態に係る処理では、特定された複数の利用者Ｕの所在した時間の長さに応じて、利用者Ｕ（ＵＡ、ＵＢ、ＵＣ）のうち複数の利用者Ｕの危険度を更新する。このため、本処理では、複数の利用者Ｕの所在時間の長さを用いることによって、より効果的に感染症のリスクを判定することができる。
上述した実施形態に係る処理では、特定された複数の利用者Ｕの所在した時間の長さに応じて、利用者Ｕ（ＵＡ、ＵＢ、ＵＣ）のうち複数の利用者Ｕの危険度を更新する。このため、本処理では、複数の利用者Ｕの所在時間の長さを用いることによって、より効果的に感染症のリスクを判定することができる。
【0069】
（４－５．効果５）
上述した実施形態に係る処理では、危険度が所定の閾値を超過した利用者Ｕに対して、当該閾値を超過した旨を通知する。このため、本処理では、より効果的に感染症のリスクを判定することができるとともに、感染症の拡大を防止することができる。
上述した実施形態に係る処理では、危険度が所定の閾値を超過した利用者Ｕに対して、当該閾値を超過した旨を通知する。このため、本処理では、より効果的に感染症のリスクを判定することができるとともに、感染症の拡大を防止することができる。
【0070】
（４－６．効果６）
上述した実施形態に係る処理では、履歴情報と所定の病気に関する危険度との関係性を学習した機械学習モデルを用いて、利用者Ｕ（ＵＡ、ＵＢ、ＵＣ）の危険度を算出する。このため、本処理では、機械学習モデルを用いることによって、より効果的に感染症のリスクを判定することができる。
上述した実施形態に係る処理では、履歴情報と所定の病気に関する危険度との関係性を学習した機械学習モデルを用いて、利用者Ｕ（ＵＡ、ＵＢ、ＵＣ）の危険度を算出する。このため、本処理では、機械学習モデルを用いることによって、より効果的に感染症のリスクを判定することができる。
【0071】
〔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提供装置１０は、例えば、図６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、情報提供装置１０を例に挙げて説明する。図６は、情報提供装置１０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。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。
また、上述してきた実施形態に係る情報提供装置１０は、例えば、図６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、情報提供装置１０を例に挙げて説明する。図６は、情報提供装置１０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。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。
【0072】
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。
【0073】
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、所定の通信網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所定の通信網を介して他の機器へ送信する。
【0074】
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、及び、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。
【0075】
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。
【0076】
例えば、コンピュータ１０００が実施形態に係る情報提供装置１０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１３の機能を実現する。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、他の装置から所定の通信網を介してこれらのプログラムを取得してもよい。
【0077】
〔その他〕
以上、本願の実施形態を説明したが、これら実施形態の内容により本発明が限定されるものではない。また、前述した構成要素には、当業者が容易に想定できるもの、実質的に同一のもの、いわゆる均等の範囲のものが含まれる。さらに、前述した構成要素は適宜組み合わせることが可能である。さらに、前述した実施形態の要旨を逸脱しない範囲で構成要素の種々の省略、置換または変更を行うことができる。
以上、本願の実施形態を説明したが、これら実施形態の内容により本発明が限定されるものではない。また、前述した構成要素には、当業者が容易に想定できるもの、実質的に同一のもの、いわゆる均等の範囲のものが含まれる。さらに、前述した構成要素は適宜組み合わせることが可能である。さらに、前述した実施形態の要旨を逸脱しない範囲で構成要素の種々の省略、置換または変更を行うことができる。
【0078】
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又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又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。例えば、各図に示した各種情報は、図示した情報に限られない。
【0079】
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、その全部又は一部を、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又は物理的に分散・統合して構成することができる。
【0080】
例えば、上述した情報提供装置１０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ホーム等をＡＰＩ（Application Programming Interface）やネットワークコンピューティング等で呼び出して実現するなど、構成は柔軟に変更できる。
【0081】
また、上述してきた実施形態および変形例は、処理内容を矛盾させない範囲で適宜組み合わせることが可能である。
【0082】
また、上述してきた「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、制御部は、制御手段や制御回路に読み替えることができる。
【符号の説明】
【0083】
１０ 情報提供装置
１１ 通信部
１２ 記憶部
１２ａ 利用者情報記憶部
１２ｂ 危険度情報記憶部
１３ 制御部
１３ａ 収集部
１３ｂ 算出部
１３ｃ 特定部
１３ｄ 更新部
１３ｅ 通知部
１３ｆ 学習部
２０、２０Ａ、２０Ｂ、２０Ｃ 利用者端末
１００ 情報提供システム
１１ 通信部
１２ 記憶部
１２ａ 利用者情報記憶部
１２ｂ 危険度情報記憶部
１３ 制御部
１３ａ 収集部
１３ｂ 算出部
１３ｃ 特定部
１３ｄ 更新部
１３ｅ 通知部
１３ｆ 学習部
２０、２０Ａ、２０Ｂ、２０Ｃ 利用者端末
１００ 情報提供システム
【図1】
【図2】
【図3】
【図4】
【図5】
【図6】