特開 2023-173612 処理装置、処理方法およびプログラム

(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】P2023173612

(43)【公開日】2023-12-07

(54)【発明の名称】処理装置、処理方法およびプログラム

(51)【国際特許分類】

   G06Q 50/10 20120101AFI20231130BHJP

【ＦＩ】

G06Q50/10

【審査請求】未請求

【請求項の数】5

【出願形態】ＯＬ

(21)【出願番号】P 2022085980

(22)【出願日】2022-05-26

(71)【出願人】

【識別番号】504133110

【氏名又は名称】国立大学法人電気通信大学

(74)【代理人】

【識別番号】100083806

【弁理士】

【氏名又は名称】三好 秀和

(74)【代理人】

【識別番号】100101247

【弁理士】

【氏名又は名称】高橋 俊一

(72)【発明者】

【氏名】坂本 真樹

(72)【発明者】

【氏名】家田 大希

(72)【発明者】

【氏名】野崎 裕二

【テーマコード（参考）】

5L049

【Ｆターム（参考）】

5L049CC20

(57)【要約】

【課題】エリアの雰囲気を指標化する。
【解決手段】 処理装置１は、複数のエリアのそれぞれについて、統計種別毎の統計値を対応づける統計データ１１と、複数のエリアのうちの教師エリアについて、エリアの雰囲気を特定する指標種別毎の評価値を対応づける教師データ１２を記憶する記憶装置と、教師エリアの統計種別毎の統計値と、教師エリアの指標種別毎の評価値との関係を示す学習モデルを学習する学習部２１と、複数のエリアのいずれかが指定されると、統計データ１１の指定されたエリアにおける統計種別毎の統計値を学習モデルに入力し、指定されたエリアの指標種別毎の評価値を出力する出力部２２を備える。
【選択図】 図１

【特許請求の範囲】

【請求項1】

複数のエリアのそれぞれについて、統計種別毎の統計値を対応づける統計データと、
前記複数のエリアのうちの教師エリアについて、前記エリアの雰囲気を特定する指標種別毎の評価値を対応づける教師データを記憶する記憶装置と、
前記教師エリアの前記統計種別毎の統計値と、前記教師エリアの前記指標種別毎の評価値との関係を示す学習モデルを学習する学習部と、
前記複数のエリアのいずれかが指定されると、前記統計データの指定されたエリアにおける前記統計種別毎の統計値を前記学習モデルに入力し、前記指定されたエリアの前記指標種別毎の評価値を出力する出力部
を備える処理装置。

【請求項2】

前記出力部は、前記複数のエリアのそれぞれについて、前記指標種別毎の評価値を対応づけた評価値データを出力し、
前記複数のエリアのいずれかが指定されると、指定されたエリアの前記指標種別毎の評価値との類似度が所定条件を満たすエリアの識別子を出力する
請求項１に記載の処理装置。

【請求項3】

前記指標種別は、音象徴語である
請求項１に記載の処理装置。

【請求項4】

複数のエリアのそれぞれについて、統計種別毎の統計値を対応づける統計データと、前記複数のエリアのうちの教師エリアについて、前記エリアの雰囲気を特定する指標種別毎の評価値を対応づける教師データを記憶するコンピュータが、
前記教師エリアの前記統計種別毎の統計値と、前記教師エリアの前記指標種別毎の評価値との関係を示す学習モデルを学習し、
前記複数のエリアのいずれかが指定されると、前記統計データの指定されたエリアにおける前記統計種別毎の統計値を前記学習モデルに入力し、前記指定されたエリアの前記指標種別毎の評価値を出力する
処理方法。

【請求項5】

コンピュータを、請求項１ないし３のいずれか1項に記載の処理装置として機能させるためのプログラム。

【発明の詳細な説明】

【技術分野】

【0001】

本発明は、処理装置、処理方法およびプログラムに関する。

【背景技術】

【0002】

近年の情報機器の発達に伴い、不動産情報ポータルサイトが普及している（非特許文献１）。非特許文献１に記載のサイトは、ユーザに、ユーザが希望する市町村または最寄り駅等のエリアを指定させた後、ユーザが希望する価格、間取り等の物件の条件を指定させ、ユーザが指定した条件に合致する物件を出力する。

【0003】

一方、ユーザが不動産を探す際、定量的に表される不動産情報だけでなく、街の雰囲気も重要な要因であると考えられる。実際にその街を歩かないと気づかないような街の魅力を把握することが重要視されている（非特許文献２）。

【先行技術文献】

【非特許文献】

【0004】

【非特許文献1】株式会社リクルート、" SUUMO(スーモ)"、［online］、［2022年5月12日検索］、インターネット〈URL：https://suumo.jp/〉

【非特許文献2】荒牧英治，北雄介，宮部真衣，若宮翔子，河合由起子，清田陽司、“広がり続ける100 ninmap project-街歩きから不動産検索まで-”、 人工知能、 32(4)、pp.563-568(2017)

【発明の概要】

【発明が解決しようとする課題】

【0005】

不動産を探すにあたって、街の雰囲気が重要であるにも関わらず、非特許文献１などの現在普及している不動産情報ポータルサイトは、ユーザが希望する市町村の入力を要求する。従ってユーザは、非特許文献１などのポータルサイトの利用にあたり、街の雰囲気を予め調査して、希望する街を特定する必要がある。

【0006】

しかしながら、ユーザは、既知の街の雰囲気を知るに止まり、ユーザがポータルサイトで指定可能な希望する街は、既知の街に止まる場合が多い。そのためユーザは、限られた街から不動産を探すことになり、選択肢が狭まることになる。

【0007】

そこで、ユーザに、未知の街の雰囲気を知らせるために、街等のエリアの雰囲気を指標化する方法が期待されている。

【0008】

従って本発明の目的は、エリアの雰囲気を指標化する技術を提供することである。

【課題を解決するための手段】

【0009】

本発明の一態様の処理装置は、複数のエリアのそれぞれについて、統計種別毎の統計値を対応づける統計データと、前記複数のエリアのうちの教師エリアについて、前記エリアの雰囲気を特定する指標種別毎の評価値を対応づける教師データを記憶する記憶装置と、前記教師エリアの前記統計種別毎の統計値と、前記教師エリアの前記指標種別毎の評価値との関係を示す学習モデルを学習する学習部と、前記複数のエリアのいずれかが指定されると、前記統計データの指定されたエリアにおける前記統計種別毎の統計値を前記学習モデルに入力し、前記指定されたエリアの前記指標種別毎の評価値を出力する出力部を備える。

【0010】

本発明の一態様の処理方法は、複数のエリアのそれぞれについて、統計種別毎の統計値を対応づける統計データと、前記複数のエリアのうちの教師エリアについて、前記エリアの雰囲気を特定する指標種別毎の評価値を対応づける教師データを記憶するコンピュータが、前記教師エリアの前記統計種別毎の統計値と、前記教師エリアの前記指標種別毎の評価値との関係を示す学習モデルを学習し、前記複数のエリアのいずれかが指定されると、前記統計データの指定されたエリアにおける前記統計種別毎の統計値を前記学習モデルに入力し、前記指定されたエリアの前記指標種別毎の評価値を出力するする。

【0011】

本発明の一態様は、上記処理装置として、コンピュータを機能させるプログラムである。

【発明の効果】

【0012】

本発明によれば、エリアの雰囲気を指標化する技術を提供することができる。

【図面の簡単な説明】

【0013】

【図1】図１は、本発明の実施の形態に係る処理装置の機能を説明する図である。

【図2】図２は、統計データのデータ構造の一例を説明する図である。

【図3】図３は、統計データの項目の詳細を説明する図である。

【図4】図４は、エリアと、そのエリアの学校数の統計値の一例を説明する図である。

【図5】図５は、教師データのデータ構造の一例を説明する図である。

【図6】図６は、学習部による学習処理の一例を説明するフローチャートである。

【図7】図７は、出力部による出力処理の一例を説明するフローチャートである。

【図8】図８は、出力部が出力するエリアの評価値の一例を説明する図である。

【図9】図９は、処理装置に用いられるコンピュータのハードウエア構成を説明する図である。

【発明を実施するための形態】

【0014】

次に、図面を参照して、本発明の実施の形態を説明する。以下の図面の記載において、同一または類似の部分には同一または類似の符号を付している。

【0015】

（処理装置）
図１に示す本発明の実施の形態に係る処理装置１は、各エリアについて、各エリアの統計値と、各エリアの雰囲気を特定する評価値との関係を学習したモデルデータ１３を生成する。また処理装置１は、エリアの識別子が入力されると、モデルデータ１３を用いて、入力されたエリアの評価値を算出したり、入力されたエリアと類似する評価値を有するエリアを出力したりする。

【0016】

各エリアは、閉領域であって、地名から特定されても良いし、任意の条件で特定されても良い。任意の条件は、所定駅から500メートル以内、所定駅の所定出口から総人口数が所定数の範囲内など、基準地点とその基準地点からの範囲を決める条件で特定される。また任意の条件は、鉄道のある線路よりも北側のみ、あるいは、ある商店街から100メートル以内など、所定の線形を基準に特定されても良い。任意の条件は、複数の条件を複合的に掛け合わせて設定されても良い。

【0017】

各エリアは、そのエリア内で同様の雰囲気を有すると想定される大きさであることが好ましい。各エリアは、同じ大きさを有することなく、各エリアによって適宜大きさおよび範囲が設定されても良い。例えば、徒歩移動が一般的な地域ではエリアを狭く設定し、車移動が一般的な地域では、エリアを広く設定しても良い。また各エリアは重複することなく設定されることが好ましい。

【0018】

本発明の実施の形態において各エリアは、基準となる駅から500メートル以内と規定するが、これは一例であってこれに限るものではない。

【0019】

図１に示すように処理装置１は、統計データ１１、教師データ１２、モデルデータ１３、評価値データ１４および類似エリアデータ１５の各データと、学習部２１および出力部の各機能を備える。各データは、メモリ９０２またはストレージ９０３等の記憶装置に記憶される。各機能は、CPU９０１に実装される。

【0020】

統計データ１１は、複数のエリアのそれぞれについて、統計種別毎の統計値を対応づける。統計値は、政府または民間等がサイトで提供する統計値である。統計種別は、例えば、人口、世帯、経済、その他等の各大項目に区分される。各大項目は、図３に示すような各統計項目を有する。例えば、統計項目「人口総数」は、それ自体が統計種別となるが、統計項目「年齢別人口」は、10才刻みなどで特定される各年齢範囲の人口が統計種別となる。本発明の実施の形態において統計値データの統計種別は、163次元あるとする。

【0021】

各エリアにおける統計種別毎の統計値はどのような手段で取得されても良い。例えば、政府統計ポータルサイト地理情報システム「jSTAT MAP(https://jstatmap.e-stat.go.jp/jstatmap/main/trialstart.html)」、国土交通省が運営を行っているサイト(https://nlftp.mlit.go.jp/index.html)、グルメサイト「食べログ(https://tabelog.com)」等において、指定されたエリア内での各種統計値を提供する。予めこれらのサイトから取得した各エリアの統計値から、統計データ１１が生成される。

【0022】

図４を参照して、エリアと、そのエリアの学校数の統計値の一例を説明する。図４に示す地図中に、Ｘ駅とＹ駅があり、Ｘ駅を囲む一点鎖線の円が、Ｘ駅のエリアである。Ｘ駅のエリアは、Ｘ駅から500メートルである。地図中に、ＡからＪの学校があるが、Ｘ駅のエリア内には、Ｃ小学校、Ｅ短期大学、Ｇ大学院大学およびＩ小学校が位置する。従って、図４に示す例において、エリア「Ｘ駅」の統計種別「学校数」の統計値は、「４」となる。

【0023】

なおここに示す統計値の取得方法は一例であって、これに限るものではない。

【0024】

教師データ１２は、複数のエリアのうちの教師エリアについて、エリアの雰囲気を特定する指標種別毎の評価値を対応づける。教師データ１２は、後述の学習部２１において、評価値が未知のエリアの評価値を推定する機械学習モデルの作成時に入力されるデータである。複数のエリアのうちのいくつかのエリアが、教師エリアとして予め指定される。教師エリアは、統計データ１１で定義される各エリアのうち、学習部２１による機械学習モデルの学習に先駆けて、予め評価値が設定されたエリアである。教師データ１２は、各教師エリアの雰囲気の評価値を特定する。雰囲気の評価値は、例えば、アンケートによって生成される。各教師エリアについて、指標種別毎に、複数人に５段階評価などで回答させる。各教師エリアの指標種別毎に得られた複数人の回答の平均が、評価値となる。

【0025】

図５を参照して、教師データ１２のデータ構造とデータの一例を説明する。図５に示す例において教師エリアは、新宿駅、経堂駅、表参道駅等の各駅に対応するエリアである。複数人に、これらの各教師エリアに対して、「さらさら」度、「きびきび」度、「ゆるゆる」度などの指標種別毎に、１から５の５段階のＳＤ（semantic differential）法による主観評価で、数値化させる。複数人から得られた数値の平均が、教師データ１２に設定される。図５は、新宿駅についての「さらさら度」について得た複数人の回答の平均が、「２」であることを示す。

【0026】

本発明の実施の形態において指標種別は、音象徴語である。音象徴語は、語音そのものが、ある特定のイメージを喚起する語であって、「さらさら」、「きびきび」等のオノマトペに代表される。オノマトペ等の音象徴語は、直感的にわかりやすい言葉なので、エリアの雰囲気を、他の言語表現よりも微細に数値化することが可能にする。

【0027】

他の実施例において指標種別は、例えば、「静音性」、「高級性」、「買い物のしやすさ」、「子育てのしやすさ」、「緑の多さ」など、人がエリアの雰囲気を特定するための主観的指標であっても良い。

【0028】

モデルデータ１３は、各エリアの統計値と、各エリアの雰囲気を特定する評価値との関係を示すデータである。モデルデータ１３は、学習部２１によって生成される。

【0029】

評価値データ１４は、各エリアの評価種別毎の評価値を対応づけたデータである。評価値データ１４は、処理装置１に入力されたエリアの評価値を含む。評価値データ１４は、出力部２２によって出力される。評価値データ１４に含まれる所定のエリアの評価値は、モデルデータ１３によって特定される学習モデルに、統計データ１１の所定のエリアの統計値を入力することによって、得られる。

【0030】

類似エリアデータ１５は、処理装置に入力されたエリアと類似する雰囲気を有するエリアの識別子を含む。類似エリアデータ１５は、出力部２２によって出力される。

【0031】

学習部２１は、教師エリアの統計種別毎の統計値と、教師エリアの指標種別毎の評価値との関係を示す学習モデルを学習する。学習部２１は、統計データ１１から、各教師エリアの統計種別毎の統計値を取得する。学習部２１は、各教師エリアの統計値と評価値の関係を学習し、モデルを構築する。学習部２１は、構築したモデルを特定するモデルデータ１３を出力する。

【0032】

学習部２１による学習アルゴリズムは、非線型モデルで高次元のデータに適用できる手法であれば、どのようなものでも良い。学習アルゴリズムとして、例えばSupport Vector Regression（サポートベクター回帰、以下ＳＶＲ）が考えられる。ＳＶＲは、分類問題に対して注目されているSupport Vector Machine（サポートベクターマシン、以下ＳＶＭ）を回帰問題に拡張した学習モデルである。分類問題においてＳＶＭは、入力となる特徴量の次元が大きい場合でも高い汎化性能を持つことから、回帰問題に拡張したＳＶＲも高い汎化性能を持つと期待される。図３に示す各統計種別は、163次元で次元が大きいため、エリアの雰囲気の評価値の予測モデルを構築する学習モデルとしてＳＶＲが挙げられる。

【0033】

ＳＶＲのカーネルはガウシアンカーネルを用いる。ハイパーパラメータＣおよびεの探索範囲は、１０^－３から１０^３とした。この探索範囲の中で等間隔な３０個の値を生成し、グリッドサーチによって決定係数が最も高くなるハイパーパラメータの組み合わせを統計種別ごとに求め、その組み合わせを予測モデルに採用した。もう一つのハイパーパラメータであるγはautoとした。

【0034】

なおここで示す学習方法は一例であって、これに限るものではない。

【0035】

図６を参照して、学習部２１による学習処理を説明する。図６に示す処理の内容および順序は一例であってこれに限るものではない。

【0036】

ステップＳ１１において学習部２１は、統計データ１１から、教師データ１２の各教師エリアの統計値を取得する。ステップＳ１２において学習部２１は、教師データ１２から、各教師エリアの評価値を取得する。

【0037】

ステップＳ１３において学習部２１は、各教師エリアの統計値と評価値の関係を学習して学習モデルを構築する。ステップＳ１４において学習部２１は、ステップＳ１３で構築した学習モデルを特定するモデルデータ１３を出力して、処理を終了する。

【0038】

出力部２２は、学習部２１から得られたモデルデータ１３を用いて、エリアの雰囲気に関する情報を出力する。出力部２２が出力するエリアの雰囲気に関する情報は、所定エリアの評価値、所定エリアと類似する類似エリア等である。出力部２２は、評価値出力部２３と、類似エリア出力部２４を備える。

【0039】

評価値出力部２３は、複数のエリアのいずれかが指定されると、統計データ１１の指定されたエリアにおける統計種別毎の統計値を学習モデルに入力し、指定されたエリアの指標種別毎の評価値を出力する。

【0040】

評価値出力部２３は、統計データ１１が特定する複数のエリアのそれぞれについて、指標種別毎の評価値を対応づけた評価値データ１４を出力しても良い。評価値出力部２３は、統計データ１１の各エリアのそれぞれについて、指標種別毎の評価値を算出して、評価値データ１４を出力しても良い。

【0041】

評価値出力部２３は、エリアの客観データである統計値と、エリアの雰囲気を特定する評価値との関係を示す学習モデルに、あるエリアの統計値を入力することにより、そのエリアの雰囲気についての評価値を出力する。これにより評価値出力部２３は、エリアの雰囲気を指標化することができる。

【0042】

類似エリア出力部２４は、複数のエリアのいずれかが指定されると、指定されたエリアの指標種別毎の評価値との類似度が所定条件を満たすエリアの識別子を、類似エリアデータ１５として出力する。

【0043】

類似エリア出力部２４は、評価値データ１４が特定する各エリアの評価値を参照して、指定されたエリアの評価値に類似する評価値を有するエリアの識別子を出力する。評価値間の類似度は、例えば、コサイン類似度によって算出される。類似エリア出力部２４は、指定されたエリアの評価値との類似度が所定値以上となるエリアを、類似エリアとして特定する。あるいは類似エリア出力部２４は、指定されたエリアの評価値との類似度が高い順に所定数のエリアを、類似エリアとして特定する。

【0044】

各エリアの雰囲気を指標化した指標値から算出されるエリア間の類似度により、類似エリア出力部２４は、既知のエリアと類似する未知のエリアの情報を提供することができる。例えば、大阪のあるエリアに住んでいたユーザが、東京でこのエリアに類似するエリアに住みたいと考えた場合、ユーザは、処理装置１に、かつて住んでいた大阪のエリアの識別子を入力する。類似エリア出力部２４は、東京内のエリアのうち、入力された大阪のエリアに類似するエリアを出力することができる。入力された大阪のエリアの評価値と、類似エリア出力部２４が出力する東京のエリアの評価値は類似する。類似エリア出力部２４は、ユーザに既知のエリアの情報から、ユーザに未知の同様の雰囲気を有するエリアの情報を出力することができる。

【0045】

指定されたエリアと類似するエリアを出力する例を説明したが、これに限らない。例えば、ユーザが、各指標種別について評価値を指定した場合、出力部２２は、指定された評価値と類似する評価値を有するエリアを出力しても良い。出力部２２は、ユーザが所望する雰囲気の情報から、その雰囲気を有するユーザに未知エリアの情報を出力することができる。

【0046】

また出力部２２は、入力されたエリアの雰囲気と正反対の雰囲気を有するエリアを出力しても良い。具体的には出力部２２は、入力されたエリアの評価値との類似度が所定値以下の評価値を有するエリアを、正反対の雰囲気を有するエリアとして出力する。

【0047】

図７を参照して、出力部２２による出力処理を説明する。図７に示す処理の内容および順序は一例であってこれに限るものではない。

【0048】

まず各エリアについて、ステップＳ５１ないしステップＳ５３の処理を繰り返す。ステップＳ５１において出力部２２は、統計データ１１から、対象エリアの統計値を取得する。ステップＳ５２において出力部２２は、対象エリアの統計値をモデルに入力して、対象エリアの評価値を出力する。ステップＳ５３において出力部２２は、対象エリアの評価値を、評価値データ１４に設定する。

【0049】

評価値データが生成されると、ステップＳ５４において、指定エリアの識別子の入力を待機する。ステップＳ５４において指定エリアの識別子が入力されると、ステップＳ５５において出力部２２は、評価値データ１４から指定エリアの評価値を取得して出力する。またステップＳ５６において出力部２２は、評価値データ１４から、指定エリアの評価値と類似度が高いエリアを出力する。

【0050】

図８を参照して、処理装置１による処理結果の一例を説明する。図８では、東京都内の指標が類似する２つのエリアを示す。２つのエリアの各指標種別の評価値は、互いに類似する。処理装置１は、各エリアの評価値とともに、各エリアを地図上に図示して表示しても良い。

【0051】

このように、本発明の実施の形態に係る処理装置１によれば、エリアの雰囲気を指標化することができる。このような技術は、例えば、不動産会社の業務に適用することができる。処理装置１は、顧客に物件をレコメンドする際に、「買い物しやすさ」などの顧客が希望する指標の評価値を指定することにより、物件のエリアを絞り込むためのコストを削減することができる。また顧客に所望のエリアと類似する未知のエリアの物件の紹介も可能になるので、顧客に提供できる物件の範囲を広げ、契約に結びつく可能性を広げることが可能になる。また、処理装置１の出力を不動産会社の業務に適用することは一例であって、店舗を設けるエリアの選定など、そのほかの業務に適用されても良い。

【0052】

上記説明した本実施形態の処理装置１は、例えば、CPU（Central Processing Unit、プロセッサ）９０１と、メモリ９０２と、ストレージ９０３（HDD：Hard Disk Drive、SSD：Solid State Drive）と、通信装置９０４と、入力装置９０５と、出力装置９０６とを備える汎用的なコンピュータシステムが用いられる。このコンピュータシステムにおいて、CPU９０１がメモリ９０２上にロードされたプログラムを実行することにより、処理装置１の各機能が実現される。

【0053】

なお、処理装置１は、１つのコンピュータで実装されてもよく、あるいは複数のコンピュータで実装されても良い。また処理装置１は、コンピュータに実装される仮想マシンであっても良い。

【0054】

処理装置１のプログラムは、HDD、SSD、USB（Universal Serial Bus）メモリ、CD(Compact Disc)、DVD (Digital Versatile Disc)などのコンピュータ読取り可能な記録媒体に記憶することも、ネットワークを介して配信することもできる。

【0055】

なお、本発明は上記実施形態に限定されるものではなく、その要旨の範囲内で数々の変形が可能である。

【符号の説明】

【0056】

１ 処理装置
１１ 統計データ
１２ 教師データ
１３ モデルデータ
１４ 評価値データ
１５ 類似エリアデータ
２１ 学習部
２２ 出力部
２３ 評価値出力部
２４ 類似エリア出力部
９０１ CPU
９０２ メモリ
９０３ ストレージ
９０４ 通信装置
９０５ 入力装置
９０６ 出力装置

【図1】

【図2】

【図3】

【図4】

【図5】

【図6】

【図7】

【図8】

【図9】