特開 2024-131812 情報処理装置、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】公開特許公報(A)

(11)【公開番号】P2024131812

(43)【公開日】2024-09-30

(54)【発明の名称】情報処理装置、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 50/10 20120101AFI20240920BHJP

【ＦＩ】

G06Q50/10

【審査請求】未請求

【請求項の数】13

【出願形態】ＯＬ

(21)【出願番号】P 2023042284

(22)【出願日】2023-03-16

(71)【出願人】

【識別番号】500257300

【氏名又は名称】ＬＩＮＥ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】小川 知紘

【テーマコード（参考）】

5L049

5L050

【Ｆターム（参考）】

5L049CC11

5L050CC11

(57)【要約】

【課題】利用者に対して適切な飲食物を提案することができる情報処理装置、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】本願に係る情報処理装置は、第１利用者が摂取した飲食物の履歴の情報を含む飲食履歴情報を取得する取得部と、取得部によって取得された飲食履歴情報に基づいて、第１利用者によって摂取される飲食物に関する変遷の特徴を特定する特定部と、特定部によって特定された変遷の特徴に基づいて、第２利用者に対して第１利用者に提供する飲食物に関する提案を行う提案部とを備えることを特徴とする。
【選択図】図３

【特許請求の範囲】

【請求項1】

第１利用者が摂取した飲食物の履歴の情報を含む飲食履歴情報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飲食履歴情報に基づいて、前記第１利用者によって摂取される飲食物に関する変遷の特徴を特定する特定部と、
前記特定部によって特定された前記変遷の特徴に基づいて、第２利用者に対して前記第１利用者に提供する飲食物に関する提案を行う提案部と、を備える
ことを特徴とする情報処理装置。

【請求項2】

前記提案部は、
前記第２利用者に対して所定の飲食物を前記第１利用者に提供するか否かの提案を行う
ことを特徴とする請求項１に記載の情報処理装置。

【請求項3】

前記提案部は、
前記第２利用者に対して前記第１利用者が所望すると推定される飲食物の提案を行う
ことを特徴とする請求項１に記載の情報処理装置。

【請求項4】

前記特定部は、
前記取得部によって取得された前記飲食履歴情報に基づいて、前記第１利用者が摂取した前記飲食物のカテゴリの変遷の特徴を学習した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１つに記載の情報処理装置。

【請求項5】

前記第２利用者から提供飲食物の候補のカテゴリの指定を第１カテゴリの指定として受け付ける受付部を備え、
前記提案部は、
前記特定部によって特定された前記カテゴリの変遷の特徴に基づいて、前記第１利用者が将来摂取を所望する飲食物のカテゴリを第２カテゴリとして推定し、前記第１カテゴリと前記第２カテゴリとの比較結果に基づいて、前記第２利用者に対して前記第１利用者に提供する飲食物に関する提案を行う
ことを特徴とする請求項１～３のいずれか１つに記載の情報処理装置。

【請求項6】

前記提案部は、
前記第１カテゴリと前記第２カテゴリとが一致するか否かに基づいて、前記提供飲食物の候補を前記第２利用者に対して提案するか否かを決定する
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】

前記提案部は、
前記第１カテゴリと前記第２カテゴリとが一致しない場合、前記第２カテゴリまたは前記第２カテゴリの飲食物を前記第２利用者に提案する
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8】

前記提案部は、
前記第１カテゴリと前記第２カテゴリとが一致せず且つ前記第１カテゴリが前記第１利用者によって連続して摂取される飲食物のカテゴリになる場合、前記第１カテゴリの飲食物の連続摂取の履歴に基づいて、前記提供飲食物の候補を前記第２利用者に対して提案するか否かを決定する
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9】

前記提案部は、
前記第１カテゴリと前記第２カテゴリとが一致せず且つ前記第１カテゴリが前記第１利用者によって連続して摂取される飲食物のカテゴリになる場合、前記第１カテゴリの飲食物の連続摂取の履歴に加えて、さらに前記第１利用者の体調に基づいて、前記提供飲食物の候補を前記第２利用者に対して提案するか否かを決定する
ことを特徴とする請求項８に記載の情報処理装置。

【請求項10】

前記特定部は、
前記推定モデルを前記第１利用者の状態毎に生成する
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11】

前記特定部は、
前記推定モデルを複数の前記第１利用者を含むグループ毎に生成する
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12】

コンピュータが実行する情報処理方法であって、
第１利用者が摂取した飲食物の履歴の情報を含む飲食履歴情報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飲食履歴情報に基づいて、前記第１利用者によって摂取される飲食物に関する変遷の特徴を特定する特定工程と、
前記特定工程によって特定された前記変遷の特徴に基づいて、第２利用者に対して前記第１利用者に提供する飲食物に関する提案を行う提案工程と、を含む
ことを特徴とする情報処理方法。

【請求項13】

第１利用者が摂取した飲食物の履歴の情報を含む飲食履歴情報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飲食履歴情報に基づいて、前記第１利用者によって摂取される飲食物に関する変遷の特徴を特定する特定手順と、
前記特定手順によって特定された前記変遷の特徴に基づいて、第２利用者に対して前記第１利用者に提供する飲食物に関する提案を行う提案手順と、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、献立を提案する献立提案システムが知られている。例えば、特許文献１には、食材の在庫情報に基づいて、利用者に提案する献立を選択し、選択した献立を利用者に提案する技術が開示されている。

【先行技術文献】

【特許文献】

【0003】

【特許文献1】特開２０２１－１８２２８３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、例えば、利用者が食べ飽きている飲食物などが利用者に提案されてしまうといった課題があり、改善の余地がある。

【0005】

本願は、上記に鑑みてなされたものであって、利用者に対して適切な飲食物を提案することができる情報処理装置、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】

【0006】

本願に係る情報処理装置は、第１利用者が摂取した飲食物の履歴の情報を含む飲食履歴情報を取得する取得部と、取得部によって取得された飲食履歴情報に基づいて、第１利用者によって摂取される飲食物に関する変遷の特徴を特定する特定部と、特定部によって特定された変遷の特徴に基づいて、第２利用者に対して第１利用者に提供する飲食物に関する提案を行う提案部とを備えることを特徴とする。

【発明の効果】

【0007】

実施形態の一態様によれば、利用者に対して適切な飲食物を提案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、実施形態に係る情報処理の一例を示す図である。

【図2】図２は、実施形態に係る情報処理システムの構成の一例を示す図である。

【図3】図３は、実施形態に係る情報処理装置の構成の一例を示す図である。

【図4】図４は、実施形態に係る利用者情報記憶部に記憶される利用者情報テーブルの一例を示す図である。

【図5】図５は、実施形態に係る情報処理装置の処理部による情報処理の一例を示すフローチャートである。

【図6】図６は、実施形態に係る情報処理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、本願に係る情報処理装置、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係る情報処理装置、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。また、各実施形態は、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。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。

【0010】

〔１．情報処理の一例〕
まず、図１を用いて、実施形態に係る情報処理の一例について説明する。図１は、実施形態に係る情報処理の一例を示す図であり、情報処理装置１によって実行される。

【0011】

図１に示す情報処理装置１は、複数の端末装置２と連携し、オンラインで各種の情報を複数の利用者Ｕに提供する情報処理装置であり、例えば、１以上のサーバまたはクラウドシステムなどにより実現される。

【0012】

端末装置２の利用者Ｕは、他の利用者Ｕに対して飲食物を提供する。図１に示す例では、他の利用者Ｕを第１利用者Ｕ１とし、端末装置２の利用者Ｕを第２利用者Ｕ２として表している。情報処理装置１は、第２利用者Ｕ２に対して第１利用者Ｕ１が所望すると推定される飲食物を提案する飲食物提案サービスを提供する。

【0013】

まず、情報処理装置１は、第１利用者Ｕ１が過去に摂取した飲食物の履歴の情報を含む飲食履歴情報を内部の記憶部または外部のサーバなどから取得する（ステップＳ１）。

【0014】

飲食履歴情報は、第１利用者Ｕ１または第２利用者Ｕ２によって登録された情報であるが、第１利用者Ｕ１または第２利用者Ｕ２による食材の購入履歴や第１利用者Ｕ１または第２利用者Ｕ２による飲食物の購入履歴などに基づいて、第１利用者Ｕ１が摂取したと推定された飲食物の履歴の情報であってもよく、これらの情報を含んでいてもよい。

【0015】

つづいて、情報処理装置１は、ステップＳ１の処理において取得した飲食履歴情報に基づいて、第１利用者Ｕ１によって摂取される飲食物に関する変遷の特徴を特定する（ステップＳ２）。以下において、第１利用者Ｕ１によって摂取される飲食物に関する変遷の特徴を飲食変遷特徴と記載する場合がある。

【0016】

情報処理装置１は、例えば、ステップＳ２の処理において取得した飲食履歴情報に基づいて、第１利用者Ｕ１の飲食変遷特徴を機械学習によって特定する。例えば、情報処理装置１は、ステップＳ１の処理において取得した飲食履歴情報に基づいて、第１利用者Ｕ１の飲食変遷特徴を学習した推定モデルを生成する。

【0017】

情報処理装置１によって生成される推定モデルは、第１利用者Ｕ１が過去に摂取した飲食物に関する情報を入力とし、第１利用者Ｕ１が次以降に所望すると推定される飲食物に関する情報を出力とするモデルである。

【0018】

情報処理装置１は、例えば、推定モデルを第１利用者Ｕ１の状態毎に生成することができる。第１利用者Ｕ１の状態は、例えば、体調が悪い状態、体調が良い状態、悪い感情の状態、良い感情の状態などであるが、かかる例に限定されない。悪い感情は、例えば、怒り、恐れ、悲しみなどであり、良い感情は、例えば、楽しみ、喜びなどである。

【0019】

また、情報処理装置１は、推定モデルを複数の第１利用者Ｕ１を含むグループ毎に生成することもできる。グループは、例えば、属性が共通する第１利用者Ｕ１のグループであり、例えば、性別、年齢、居住地、職業、年収などの組み合わせが共通する第１利用者Ｕ１のグループ、または飲食物の嗜好が共通する第１利用者Ｕ１のグループなどである。

【0020】

飲食物の嗜好が共通する第１利用者Ｕ１のグループは、例えば、予め定められた期間において摂取した飲食物が類似する第１利用者Ｕ１のグループ、または予め定められた期間において摂取した飲食物のカテゴリが類似する第１利用者Ｕ１のグループなどである。

【0021】

情報処理装置１は、例えば、第１利用者Ｕ１が摂取した飲食物のカテゴリの変遷の特徴を学習した推定モデルを生成する。かかる推定モデルは、第１利用者Ｕ１が過去に摂取した飲食物のカテゴリの情報を特徴量として入力し、第１利用者Ｕ１が次以降に所望すると推定される飲食物のカテゴリの情報を出力とするモデルである。

【0022】

飲食物のカテゴリは、例えば、脂っぽい、さっぱり、味が濃い、甘い、辛い、酸っぱい、苦いなどといった味覚で分類されたカテゴリであるが、かかる例に限定されない。例えば、飲食物のカテゴリは、柔らかい、硬い、トロトロ、モチモチ、サクサクなどといった食感による分類であってもよく、味覚と食感との組み合わせで分類されたカテゴリであってもよく、味覚と食感と香りとの組み合わせで分類されたカテゴリであってもよい。

【0023】

また、飲食物のカテゴリは、例えば、日本料理、中華料理、イタリア料理、フランス料理、インド料理、韓国料理、タイ料理、メキシコ料理などといった地域的な分類のカテゴリであってもよい。

【0024】

また、飲食物のカテゴリは、地域的な分類のカテゴリとしてさらに細分化されたカテゴリ、例えば、日本料理であれば、そば・うどん、天ぷら、とんかつ、鍋物、お好み焼き、カレーライス、牛丼、寿司などのカテゴリであってもよい。

【0025】

また、飲食物のカテゴリは、味覚、食感、および香りのうちの１つと地域的な分類のカテゴリとの組み合わせであってもよい。例えば、飲食物のカテゴリは、さっぱりした日本料理、味が濃い牛丼、酸っぱいインド料理などであってもよい。

【0026】

また、飲食物のカテゴリは、原材料のカテゴリを含んでいてもよく、カロリーで区分けされるカテゴリを含んでいてもよく、栄養分（例えば、栄養バランス、油脂成分の含有率や炭水化物成分の含有率など）で区分けされるカテゴリを含んでいてもよい。

【0027】

情報処理装置１は、ステップＳ１の処理において取得した飲食履歴情報から第１利用者Ｕ１によって摂取された複数の飲食物の各々のカテゴリを判定する。そして、情報処理装置１は、第１利用者Ｕ１によって連続するｎ個の摂取回において摂取されたｎ個の飲食物のカテゴリの情報（時系列データ）を複数含む学習用データを生成し、生成した学習用データを用いて推定モデルを生成する。

【0028】

推定モデルは、連続するｍ個の摂取回において摂取されたｍ個の飲食物のカテゴリの情報を特徴料として入力し、推定モデルから出力されるｋ個の飲食物のカテゴリの情報を出力とするモデルである。ｍは、例えば、ｎ未満の自然数であり、ｋは、１以上の整数である。ｎ、ｍ、およびｋの間の関係は、例えば、ｎ＝ｍ＋ｋである。

【0029】

推定モデルは、例えば、マルコフ過程（マルコフモデル）またはリカンレントニューラルネットワーク（ＲＮＮ：Recurrent Neural Network）などである。マルコフ過程は、状態遷移が確率的に生じるシステムの確率モデルであり、例えば、Ｎ階マルコフ過程などである。Ｎは、例えば、上述したｎと同じ値である。

【0030】

情報処理装置１は、機械学習以外の統計処理によって、第１利用者Ｕ１の飲食変遷特徴を特定することもできる。また、情報処理装置１は、飲食物に関する変遷の複数種類のパターンである変遷パターンの中から第１利用者Ｕ１によって摂取される飲食物に関する変遷と最も類似する変遷パターンで示される飲食物に関する変遷を、第１利用者Ｕ１の飲食変遷特徴として特定することもできる。

【0031】

つづいて、情報処理装置１は、第２利用者Ｕ２の端末装置２から送信される提案要求を受け付ける（ステップＳ３）。提案要求には、例えば、対象者特定情報と、提供飲食物候補情報とが含まれている。

【0032】

対象者特定情報は、第１利用者Ｕ１を特定する情報を含む。提供飲食物候補情報は、第１利用者Ｕ１に提供する飲食物（以下、提供飲食物と記載する場合がある）の候補であって第２利用者Ｕ２によって指定された提供飲食物の候補を示す情報を含む。情報処理装置１は、提供飲食物の候補を示す情報に基づいて、提供飲食物の候補のカテゴリを判定する。

【0033】

提供飲食物の候補のカテゴリは、第１カテゴリの一例である。提供飲食物候補情報で示される情報は、提供飲食物の候補を示す情報に限定されず、提供飲食物の候補のカテゴリを示す情報であってもよい。

【0034】

第２利用者Ｕ２は、端末装置２を操作することで、第１利用者Ｕ１を指定し、提供飲食物の候補を指定することによって、対象者特定情報を端末装置２から情報処理装置１に送信させる。情報処理装置１は、ステップＳ３において提案要求を受け付けることによって、対象者特定情報と、提供飲食物候補情報とを受け付ける。

【0035】

図１の（ａ）に示す例では、第２利用者Ｕ２は、端末装置２を操作することで、第１利用者Ｕ１の名前を１つ目の入力枠に入力し、提供飲食物の候補を２つ目の入力枠に入力した後、提案要求ボタンを選択（例えば、タップまたはクリック）することによって、端末装置２から提案要求が情報処理装置１に送信される。

【0036】

つづいて、情報処理装置１は、ステップＳ２の処理において特定した飲食変遷特徴に基づいて、第２利用者Ｕ２に対して第１利用者Ｕ１に提供する飲食物に関する提案を行う（ステップＳ４）。

【0037】

例えば、情報処理装置１は、ステップＳ２の処理において特定した飲食変遷特徴に基づいて、第１利用者Ｕ１が将来摂取を所望する飲食物のカテゴリを第２カテゴリとして推定する。

【0038】

情報処理装置１は、例えば、直前の連続する複数の摂取回において摂取された複数の飲食物のカテゴリの情報を特徴量として推定モデルに入力し、推定モデルから出力される１または複数の飲食物のカテゴリの情報を第１利用者Ｕ１が所望するカテゴリ（以下、所望カテゴリと記載する場合がある）の情報として推定する。所望カテゴリは、第２カテゴリの一例である。

【0039】

例えば、情報処理装置１は、直前の連続するｍ個の摂取回において摂取されたｍ個の飲食物のカテゴリの情報を特徴量として推定モデルに入力し、推定モデルから出力されるｋ個の飲食物のカテゴリの情報を所望カテゴリの情報として推定する。

【0040】

また、情報処理装置１は、ステップＳ２の処理において特定した飲食変遷特徴が変遷パターンで特定される場合、かかる変遷パターンから、第２カテゴリを推定する。例えば、情報処理装置１は、変遷パターンのうち直前の連続する複数の摂取回において摂取された複数の飲食物のカテゴリの変遷と一致または類似する箇所を特定し、その箇所から続く１以上のカテゴリを変遷パターンから抽出することで、第２カテゴリを推定する。

【0041】

情報処理装置１は、例えば、第２利用者Ｕ２に対して所定の飲食物を第１利用者Ｕ１に提供するか否かの提案を行う。所定の飲食物は、例えば、ステップＳ３で受け付けられた提供飲食物候補情報で示される提供飲食物の候補であり、提供飲食物候補情報で示される提供飲食物の候補がカテゴリ「脂っこい」の飲食物である場合、所定の飲食物は、脂っこい飲食物である。

【0042】

情報処理装置１は、第１カテゴリと第２カテゴリとの比較結果に基づいて、第２利用者Ｕ２に対して第１利用者Ｕ１に提供する飲食物に関する提案を行う。例えば、情報処理装置１は、第１カテゴリと第２カテゴリとが一致するか否かに基づいて、提供飲食物の候補を第２利用者Ｕ２に対して提案するか否かを決定する。

【0043】

情報処理装置１は、第１カテゴリと第２カテゴリとが一致する場合、第１カテゴリまたは第１カテゴリの飲食物を第２利用者Ｕ２に提案する。例えば、情報処理装置１は、第１カテゴリおよび第２カテゴリがカテゴリ「酸っぱい」である場合、第２利用者Ｕ２の端末装置２に対し、文字列「ご指定の飲食物でよさそう」などの情報を含む提案情報を送信することによって、提供飲食物の候補を第２利用者Ｕ２に対して第２利用者Ｕ２に提案する。

【0044】

また、情報処理装置１は、第１カテゴリと第２カテゴリとが一致しない場合、第２カテゴリまたは第２カテゴリの飲食物を第２利用者Ｕ２に提案する。例えば、第１カテゴリが「脂っぽい」であり、第２カテゴリがカテゴリ「さっぱり」であるとする。

【0045】

この場合、情報処理装置１は、第２利用者Ｕ２の端末装置２に対し、文字列「もっとさっぱりしたものがいいかも」などの情報を含む提案情報を送信することによって、図１の（ｂ）に示すように、提提供飲食物の候補以外の飲食物を第２利用者Ｕ２に提案する。これにより、第２利用者Ｕ２は、第１利用者Ｕ１に良かれと思って作った料理を第１利用者Ｕ１が不満に思ってしまうといった状況を回避する可能性を高めることができる。

【0046】

図１の（ｂ）に示す提案情報では、文字列「もっとさっぱりしたものがいいかも」などの情報に加えて、第２カテゴリの飲食物として、文字列「冷やし中華」、文字列「冷やしうどん」、文字列「ざるそば」、文字列「冷やしパスタ」などの情報が含まれる。これにより、第２利用者Ｕ２は、第１利用者Ｕ１に提供することが適切である推定される飲食物を容易に把握することができる。

【0047】

また、情報処理装置１は、第２利用者Ｕ２に対して第１利用者Ｕ１が所望すると推定される飲食物の提案を行う。例えば、情報処理装置１は、ステップＳ３で受け付けた提案要求に提供飲食物候補情報が含まれていない場合、第２カテゴリまたは第２カテゴリの飲食物を第２利用者Ｕ２に対して提案する。

【0048】

また、情報処理装置１は、第１カテゴリと第２カテゴリとが一致せず且つ第１カテゴリが第１利用者Ｕ１によって連続して摂取される飲食物のカテゴリになる場合、第１カテゴリの飲食物の連続摂取の履歴に基づいて、第１カテゴリまたは第１カテゴリの飲食物を第２利用者Ｕ２に対して提案するか否かを決定することもできる。

【0049】

例えば、情報処理装置１は、第１カテゴリの飲食物の連続摂取の履歴に基づいて、第１カテゴリにおける連続性のスコアを判定する。連続性のスコアは、第１カテゴリの飲食物を連続してどのくらいの回数食べても平気であるかを示すスコアであり、回数で示される。

【0050】

連続性のスコアは、第１利用者Ｕ１または第２利用者Ｕ２によって登録された値であってもよく、第１利用者Ｕ１または第２利用者Ｕ２による食材の購入履歴や第１利用者Ｕ１または第２利用者Ｕ２による飲食物の購入履歴などに基づいて、第１利用者Ｕ１が連続摂取可能であると推定された値であってもよい。例えば、連続性のスコアは、第１利用者Ｕ１が連続摂取した回数の平均値、中央値、最大値、またはこれらの値から補正値（＜１）を乗じた値などである。

【0051】

情報処理装置１は、第１カテゴリと第２カテゴリとが一致せず且つ第１カテゴリが第１利用者Ｕ１によって連続して摂取される飲食物のカテゴリになる場合、第１カテゴリが第１利用者Ｕ１によって連続して摂取される飲食物のカテゴリであって、その連続摂取の回数と連続性のスコアとを比較する。

【0052】

そして、情報処理装置１は、連続摂取の回数が連続性のスコア未満であれば、第１カテゴリまたは第１カテゴリの飲食物を第２利用者Ｕ２に対して提案し、そうでなければ、第１カテゴリまたは第１カテゴリの飲食物を第２利用者Ｕ２に対して提案せずに、第２カテゴリまたは第２カテゴリの飲食物を第２利用者Ｕ２に提案する。

【0053】

また、情報処理装置１は、第１カテゴリと第２カテゴリとが一致せず且つ第１カテゴリが第１利用者Ｕ１によって連続して摂取される飲食物のカテゴリになる場合、第１カテゴリの飲食物の連続摂取の履歴に加えて、さらに第１利用者Ｕ１の体調、感情、および満足度のうちの少なくとも１つに基づいて、第１カテゴリまたは第１カテゴリの飲食物を第２利用者Ｕ２に対して提案するか否かを決定することもできる。

【0054】

例えば、情報処理装置１は、第１カテゴリの飲食物の連続摂取の履歴と第１カテゴリの飲食物の連続摂取時の第１利用者Ｕ１の体調、感情、および満足度のうちの少なくとも１つとに基づいて、第１カテゴリにおける連続性のスコアを判定する。

【0055】

情報処理装置１は、飲食物の連続摂取時の第１利用者Ｕ１の体調、感情、および満足度のうちの少なくとも１つと飲食物の連続摂回数との関係をカテゴリ毎に学習した判定モデルを用いて、第１カテゴリにおける連続性のスコアを判定することができる。

【0056】

判定モデルは、例えば、飲食物の連続摂回数をラベルとして、飲食物の連続摂取時の第１利用者Ｕ１の体調、感情、および満足度のうちの少なくとも１つと飲食物の連続摂回数とを含む学習データを用いて情報処理装置１によって生成される。判定モデルは、例えば、ニューラルネットワークまたは隠れマルコフモデルなどであるが、かかる例に限定されない。

【0057】

体調、感情、および満足度は、例えば、第１利用者Ｕ１または第２利用者Ｕ２によって登録されるが、情報処理装置１によって推定されてもよい。情報処理装置１は、例えば、第１利用者に装着された各種のセンサ（例えば、血圧、心拍数、血中酸素濃度、呼吸数、加速度、皮膚電機活動、表情、睡眠、ストレス、脳波などを検出するセンサ）の検出結果を取得し、かかる検出結果に基づいて、体調、感情、および満足度を推定する。

【0058】

上述した判定モデルは、飲食物のカテゴリにおける連続性のスコアを出力するが、飲食物毎の連続性のスコアを出力するモデルであってもよい。情報処理装置１は、第１カテゴリと第２カテゴリとが一致せず且つ提供飲食物の候補が第１利用者Ｕ１によって連続して摂取される飲食物になる場合、提供飲食物の候補における連続性のスコアを判定する。

【0059】

そして、情報処理装置１は、連続摂取の回数が連続性のスコア未満であれば、提供飲食物の候補を第２利用者Ｕ２に対して提案し、そうでなければ、提供飲食物の候補を第２利用者Ｕ２に対して提案せずに、第２カテゴリまたは第２カテゴリの飲食物を第２利用者Ｕ２に提案する。なお、提供飲食物の候補における連続性のスコアの判定方法は、カテゴリにおける連続性のスコアの判定方法と同様である。

【0060】

また、情報処理装置１は、感情や体調が悪くなる直前の数日間または感情や体調が悪くなった時の数日間に第１利用者Ｕ１が摂取した飲食物の類似性を判定し、判定した類似性に基づいて、飲食物のカテゴリまたは飲食物の連続性のスコアを補正することもできる。

【0061】

例えば、情報処理装置１は、感情や体調が悪くなる直前の数日間または感情や体調が悪くなった時の数日間に連続摂取した飲食物を類似する飲食物である第１飲食物として判定する。そして、情報処理装置１は、第１飲食物の上述した連続性のスコアを補正することもできる。例えば、情報処理装置１は、第１飲食物の上述した連続性のスコアに１未満の係数を乗算した値を補正後の連続性のスコアとすることができる。

【0062】

第１利用者Ｕ１は、１人に限定されず、例えば、家族などのように複数人の単位であってもよい。情報処理装置１は、対象者特定情報によって指定される第１利用者Ｕ１が複数である場合、対象者特定情報によって指定される各第１利用者Ｕ１の飲食変遷特徴に基づいて、提供飲食物の候補を第２利用者Ｕ２に対して提案するか否かを決定することもできる。

【0063】

例えば、情報処理装置１は、第１カテゴリと各第１利用者Ｕ１の第２カテゴリとが一致しない場合、各第１利用者Ｕ１の第２カテゴリまたは各第１利用者Ｕ１の第２カテゴリの飲食物を第２利用者Ｕ２に提案することができる。この場合、第２利用者Ｕ２は、第１利用者Ｕ１に含まれてもよい。

【0064】

また、情報処理装置１は、第１カテゴリと各第１利用者Ｕ１の第２カテゴリとが一致しない場合、複数の第１利用者Ｕ１の第２カテゴリのうち最も多い第２カテゴリまたは当該第２カテゴリの飲食物を第２利用者Ｕ２に提案することもできる。

【0065】

また、推定モデルは、上述した推定モデルと同様の情報を特徴量として入力し、第１利用者Ｕ１の所望度合いを示すスコアをカテゴリ毎に出力するモデルであってもよい。この場合、情報処理装置１は、カテゴリ毎のスコアをお薦め度合いを示すスコアとして第２利用者Ｕ２に提供したり、カテゴリ毎のスコアの逆数または当該逆数に係数を乗算した値を非お薦め度合いを示すスコアとして第２利用者Ｕ２に提供したりすることができる。

【0066】

以下、このような処理を行う情報処理装置１および端末装置２を含む情報処理システムの構成などについて、詳細に説明する。

【0067】

〔２．情報処理システムの構成〕
図２は、実施形態に係る情報処理システムの構成の一例を示す図である。図２に示すように、実施形態に係る情報処理システム１００は、情報処理装置１と、複数の端末装置２とを含む。

【0068】

複数の端末装置２は、互いに異なる利用者Ｕによって用いられる。端末装置２は、例えば、ノートＰＣ（Personal Computer）、デスクトップＰＣ、スマートフォン、タブレットＰＣ、ウェアラブルデバイスである。ウェアラブルデバイスは、例えば、スマートグラス、またはスマートウォッチなどであるが、かかる例に限定されない。利用者Ｕは、情報処理装置１などから提供されるサービスを利用する利用者である。

【0069】

情報処理装置１および端末装置２の各々は、ネットワークＮを介して、有線または無線により互いに通信可能に接続される。なお、図２に示す情報処理システム１００には、情報処理装置１などが複数含まれてもよい。

【0070】

ネットワークＮは、例えば、インターネットなどのＷＡＮ（Wide Area Network）およびＬＴＥ（Long Term Evolution）、４Ｇ（4th Generation）、５Ｇ（5th Generation：第５世代移動通信システム）などの移動体通信網などを含む。

【0071】

端末装置２は、移動体通信網、Ｂｌｕｅｔｏｏｔｈ（登録商標）、無線ＬＡＮ（Local Area Network）などの近距離無線通信を介してネットワークＮに接続し、情報処理装置１と通信することができる。

【0072】

〔３．情報処理装置１の構成〕
図３は、実施形態に係る情報処理装置１の構成の一例を示す図である。図３に示すように、情報処理装置１は、通信部１０と、記憶部１１と、処理部１２とを有する。

【0073】

〔３．１．通信部１０〕
通信部１０は、例えば、通信モジュールやＮＩＣ（Network Interface Card）などによって実現される。そして、通信部１０は、ネットワークＮと有線または無線で接続され、他の各種装置との間で情報の送受信を行う。例えば、通信部１０は、端末装置２との間でネットワークＮを介して情報の送受信を行う。

【0074】

〔３．２．記憶部１１〕
記憶部１１は、例えば、ＲＡＭ（Random Access Memory）、フラッシュメモリ（Flash Memory）などの半導体メモリ素子、または、ハードディスク、光ディスクなどの記憶装置によって実現される。記憶部１１は、利用者情報記憶部２０を有する。

【0075】

〔３．２．１．利用者情報記憶部２０〕
利用者情報記憶部２０は、利用者Ｕに関する各種の情報を記憶する。図４は、実施形態に係る利用者情報記憶部２０に記憶される利用者情報テーブルの一例を示す図である。

【0076】

図４に示す例では、利用者情報記憶部２０に記憶される利用者情報テーブルは、「利用者ＩＤ（Identifier）」、「属性情報」および「履歴情報」といった項目の情報を含む。「利用者ＩＤ」は、利用者Ｕを識別する識別子であり、利用者Ｕ毎に付される情報である。

【0077】

「属性情報」は、「利用者ＩＤ」に対応付けられた利用者Ｕの属性を示す属性情報である。利用者Ｕの属性は、例えば、デモグラフィック属性、サイコグラフィック属性などである。デモグラフィック属性は、人口統計学的属性であり、例えば、年齢、性別、職業、居住地、年収、家族構成などの複数の属性項目を含む。

【0078】

サイコグラフィック属性は、心理学的属性であり、例えば、ライフスタイル、価値観、興味関心などに関する複数の属性項目を含む。例えば、サイコグラフィック属性における複数の属性項目の各々は、車、服、旅行、ゲーム、キャンプ、バイク、電車、家電、またはパソコンなどといった利用者Ｕの興味関心を有する対象である。

【0079】

「履歴情報」は、利用者Ｕによる飲食物の摂取に関連する摂取履歴の情報とサービスの利用履歴の情報などを含む履歴情報である。摂取履歴の情報は、摂取飲食物情報、飲食日時情報、飲食時利用者情報などを飲食物の摂取毎に含む。

【0080】

摂取飲食物情報は、利用者Ｕが摂取した飲食物を示す情報を含む。飲食日時情報は、利用者Ｕが摂取した飲食物のカテゴリを示す情報、利用者Ｕが飲食物を摂取した日時を示す情報を含む。

【0081】

飲食時利用者情報は、利用者Ｕが飲食物を摂取したときの利用者Ｕの体調、感情、および満足度を示す情報、利用者Ｕが飲食物を摂取したときの利用者Ｕの生体情報を検出する各種のセンサの検出結果を示す情報などを含む。

【0082】

サービスの利用履歴の情報は、例えば、利用者Ｕの決済履歴情報、利用者Ｕの検索履歴情報、利用者Ｕの閲覧履歴情報、および利用者Ｕの設定履歴情報などを含む。

【0083】

利用者Ｕの決済履歴情報には、利用者Ｕが決済サービスを用いてオンライン、実店舗、または実施設などにおいて購入した商品に関する購入履歴情報、利用者Ｕが決済サービスを用いてオンライン、実店舗、実施設などにおいて有料で利用したサービスに関するサービス利用履歴情報などが含まれる。

【0084】

購入履歴情報には、利用者Ｕが購入した商品の情報、購入費用の情報、購入日時、購入店舗の情報などが含まれる。サービス利用履歴情報には、利用者Ｕが利用したサービスの情報、利用費用の情報、利用日時、利用店舗の情報などが含まれる。

【0085】

利用者Ｕの検索履歴情報は、例えば、検索サイトでのウェブコンテンツの検索履歴の情報、各種のウェブサイトでの検索履歴の情報などである。利用者Ｕの閲覧履歴情報は、利用者Ｕの各サイトでの商品情報の閲覧履歴の情報を含む。

【0086】

〔３．３．処理部１２〕
処理部１２は、コントローラ（controller）であり、例えば、ＣＰＵ（Central Processing Unit）またはＭＰＵ（Micro Processing Unit）などによって、端末装置２内部の記憶装置に記憶されている各種プログラムがＲＡＭを作業領域として実行されることにより実現される。

【0087】

処理部１２は、例えば、ＡＳＩＣ（Application Specific Integrated Circuit）またはＦＰＧＡ（Field Programmable Gate Array）などの集積回路により一部または全部が実現されてもよい。

【0088】

図３に示すように、処理部１２は、取得部３０と、受付部３１と、特定部３２と、提案部３３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、処理部１２の内部構成は、図３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。

【0089】

〔３．３．１．取得部３０〕
取得部３０は、外部の情報処理装置や端末装置２などから通信部１０を介して種々の情報を取得し、取得した情報を記憶部１１に記憶させる。

【0090】

例えば、取得部３０は、外部の情報処理装置または端末装置２などから通信部１０を介して利用者Ｕの情報である利用者情報を取得し、取得した利用者情報を利用者情報記憶部２０の利用者情報テーブルに追加する。

【0091】

また、取得部３０は、記憶部１１から各種の情報を取得する。例えば、取得部３０は、利用者Ｕの情報である利用者情報を利用者情報記憶部２０などから取得する。取得部３０によって取得される利用者情報は、例えば、上述した属性情報および履歴情報のうちの少なくとも１つ以上の情報の一部または全部を含む。

【0092】

例えば、取得部３０は、第１利用者Ｕ１が摂取した飲食物の履歴の情報を含む飲食履歴情報を取得する。

【0093】

〔３．３．２．受付部３１〕
受付部３１は、通信部１０を介して端末装置２から各種の要求や情報などを受け付ける。例えば、受付部３１は、利用者Ｕの端末装置２から送信される提案要求を受け付ける。提案要求には、例えば、上述したように、対象者特定情報と、提供飲食物候補情報とが含まれている。

【0094】

対象者特定情報は、第１利用者Ｕ１を特定する情報を含む。提供飲食物候補情報は、第１利用者Ｕ１に提供する飲食物である提供飲食物の候補のカテゴリであって第２利用者Ｕ２によって指定された提供飲食物の候補を示す情報を含む。

【0095】

提供飲食物の候補のカテゴリは、第１カテゴリの一例である。提供飲食物候補情報で示される情報は、提供飲食物の候補を示す情報に限定されず、提供飲食物の候補のカテゴリを示す情報であってもよい。

【0096】

〔３．３．３．特定部３２〕
特定部３２は、取得部３０によって取得された飲食履歴情報に基づいて、第１利用者Ｕ１によって摂取される飲食物に関する変遷の特徴である飲食変遷特徴を特定する。

【0097】

特定部３２は、例えば、取得部３０によって取得された飲食履歴情報に基づいて、第１利用者Ｕ１の飲食変遷特徴を機械学習によって特定する。例えば、特定部３２は、取得部３０によって取得された飲食履歴情報に基づいて、第１利用者Ｕ１の飲食変遷特徴を学習した推定モデルを生成する。

【0098】

特定部３２によって生成される推定モデルは、第１利用者Ｕ１が過去に摂取した飲食物に関する情報を特徴量として入力し、第１利用者Ｕ１が次以降に所望すると推定される飲食物に関する情報を出力とするモデルである。

【0099】

特定部３２は、例えば、推定モデルを第１利用者Ｕ１の状態毎に生成することができる。第１利用者Ｕ１の状態は、例えば、体調が悪い状態、体調が良い状態、悪い感情の状態、良い感情の状態などであるが、かかる例に限定されない。悪い感情は、例えば、怒り、恐れ、悲しみなどであり、良い感情は、例えば、楽しみ、喜びなどである。

【0100】

また、特定部３２は、推定モデルを複数の第１利用者Ｕ１を含むグループ毎に生成することもできる。グループは、例えば、属性が共通する第１利用者Ｕ１のグループであり、例えば、性別、年齢、居住地、職業、年収などの組み合わせが共通する第１利用者Ｕ１のグループ、または飲食物の嗜好が共通する第１利用者Ｕ１のグループなどである。

【0101】

飲食物の嗜好が共通する第１利用者Ｕ１のグループは、例えば、予め定められた期間において摂取した飲食物が類似する第１利用者Ｕ１のグループ、または予め定められた期間において摂取した飲食物のカテゴリが類似する第１利用者Ｕ１のグループなどである。

【0102】

特定部３２は、例えば、第１利用者Ｕ１が摂取した飲食物のカテゴリの変遷の特徴を学習した推定モデルを生成する。かかる推定モデルは、第１利用者Ｕ１が過去に摂取した飲食物のカテゴリの情報を入力とし、第１利用者Ｕ１が次以降に所望すると推定される飲食物のカテゴリの情報を出力とするモデルである。

【0103】

飲食物のカテゴリは、例えば、脂っぽい、さっぱり、味が濃い、甘い、辛い、酸っぱい、苦いなどといった味覚で分類されたカテゴリであるが、かかる例に限定されない。例えば、飲食物のカテゴリは、柔らかい、硬い、トロトロ、モチモチ、サクサクなどといった食感による分類であってもよく、味覚と食感との組み合わせで分類されたカテゴリであってもよく、味覚と食感と香りとの組み合わせで分類されたカテゴリであってもよい。

【0104】

また、飲食物のカテゴリは、例えば、日本料理、中華料理、イタリア料理、フランス料理、インド料理、韓国料理、タイ料理、メキシコ料理などといった地域的な分類のカテゴリであってもよい。また、飲食物のカテゴリは、地域的な分類のカテゴリとしてさらに細分化されたカテゴリ、例えば、日本料理であれば、そば・うどん、天ぷら、とんかつ、鍋物、お好み焼き、カレーライス、牛丼、寿司などのカテゴリであってもよい。

【0105】

また、飲食物のカテゴリは、味覚、食感、および香りのうちの１つと地域的な分類のカテゴリとの組み合わせであってもよい。例えば、飲食物のカテゴリは、さっぱりした日本料理、味が濃い牛丼、酸っぱいインド料理などであってもよい。

【0106】

また、飲食物のカテゴリは、原材料のカテゴリを含んでいてもよく、カロリーで区分けされるカテゴリを含んでいてもよく、栄養分（例えば、栄養バランス、油脂成分の含有率や炭水化物成分の含有率など）で区分けされるカテゴリを含んでいてもよい。

【0107】

特定部３２は、取得部３０によって取得された飲食履歴情報から第１利用者Ｕ１によって摂取された複数の飲食物の各々のカテゴリを判定する。そして、特定部３２は、第１利用者Ｕ１によって連続するｎ個の摂取回において摂取されたｎ個の飲食物のカテゴリの情報（時系列データ）を複数含む学習用データを生成し、生成した学習用データを用いて推定モデルを生成する。

【0108】

推定モデルは、連続するｍ個の摂取回において摂取されたｍ個の飲食物のカテゴリの情報を入力とし、推定モデルから出力されるｋ個の飲食物のカテゴリの情報を出力とするモデルである。ｍは、例えば、ｎ未満の自然数であり、ｋは、１以上の整数である。ｎ、ｍ、およびｋの間の関係は、例えば、ｎ＝ｍ＋ｋである。

【0109】

推定モデルは、例えば、マルコフ過程またはリカンレントニューラルネットワークなどである。マルコフ過程は、状態遷移が確率的に生じるシステムの確率モデルであり、例えば、Ｎ階マルコフ過程などである。Ｎは、例えば、上述したｎと同じ値である。

【0110】

特定部３２は、機械学習以外の統計処理によって、第１利用者Ｕ１の飲食変遷特徴を特定することもできる。また、特定部３２は、飲食物に関する変遷の複数種類のパターンである変遷パターンの中から第１利用者Ｕ１によって摂取される飲食物に関する変遷と最も類似する変遷パターンで示される飲食物に関する変遷を、第１利用者Ｕ１の飲食変遷特徴として特定することもできる。

【0111】

〔３．３．４．提案部３３〕
提案部３３は、特定部３２によって特定された飲食変遷特徴に基づいて、第２利用者Ｕ２に対して第１利用者Ｕ１に提供する飲食物に関する提案を行う。

【0112】

例えば、提案部３３は、提案要求が受付部３１によって受け付けられた場合、特定部３２によって特定された飲食変遷特徴に基づいて、第１利用者Ｕ１が将来摂取を所望する飲食物のカテゴリを第２カテゴリとして推定する。

【0113】

提案部３３は、例えば、直前の連続する複数の摂取回において摂取された複数の飲食物のカテゴリの情報を特徴量として推定モデルに入力し、推定モデルから出力される１または複数の飲食物のカテゴリの情報を第１利用者Ｕ１が所望するカテゴリである所望カテゴリの情報として推定する。所望カテゴリは、第２カテゴリの一例である。

【0114】

例えば、提案部３３は、直前の連続するｍ個の摂取回において摂取されたｍ個の飲食物のカテゴリの情報を特徴量として推定モデルに入力し、推定モデルから出力されるｋ個の飲食物のカテゴリの情報を所望カテゴリの情報として推定する。

【0115】

また、提案部３３は、特定部３２によって特定された飲食変遷特徴が変遷パターンで特定される場合、かかる変遷パターンから、第２カテゴリを推定する。例えば、提案部３３は、変遷パターンのうち直前の連続する複数の摂取回において摂取された複数の飲食物のカテゴリの変遷と一致または類似する箇所を特定し、その箇所から続く１以上のカテゴリを変遷パターンから抽出することで、第２カテゴリを推定する。

【0116】

提案部３３は、例えば、第２利用者Ｕ２に対して所定の飲食物を第１利用者Ｕ１に提供するか否かの提案を行う。所定の飲食物は、例えば、受付部３１によって受け付けられた提供飲食物候補情報で示される提供飲食物の候補である。提案部３３は、提供飲食物候補情報で示される提供飲食物の候補のカテゴリを判定する。提供飲食物候補情報で示される提供飲食物の候補がカテゴリ「脂っこい」の飲食物である場合、所定の飲食物は、脂っこい飲食物であるが、提供飲食物の候補そのものであってもよい。

【0117】

提案部３３は、第１カテゴリと第２カテゴリとの比較結果に基づいて、第２利用者Ｕ２に対して第１利用者Ｕ１に提供する飲食物に関する提案を行う。例えば、提案部３３は、第１カテゴリと第２カテゴリとが一致するか否かに基づいて、提供飲食物の候補を第２利用者Ｕ２に対して提案するか否かを決定する。

【0118】

提案部３３は、第１カテゴリと第２カテゴリとが一致する場合、第１カテゴリまたは第１カテゴリの飲食物を第２利用者Ｕ２に提案する。例えば、提案部３３は、第１カテゴリおよび第２カテゴリがカテゴリ「酸っぱい」である場合、第２利用者Ｕ２の端末装置２に対し、文字列「ご指定の飲食物でよさそう」などの情報を含む提案情報を送信することによって、提供飲食物の候補を第２利用者Ｕ２に対して第２利用者Ｕ２に提案する。

【0119】

また、提案部３３は、第１カテゴリと第２カテゴリとが一致しない場合、第２カテゴリまたは第２カテゴリの飲食物を第２利用者Ｕ２に提案する。例えば、第１カテゴリが「脂っぽい」であり、第２カテゴリがカテゴリ「さっぱり」であるとする。

【0120】

この場合、提案部３３は、第２利用者Ｕ２の端末装置２に対し、文字列「もっとさっぱりしたものがいいかも」を含む提案情報を送信することによって、図１の（ｂ）に示すように、提供飲食物の候補以外の飲食物を第２利用者Ｕ２に提案する。これにより、第２利用者Ｕ２は、第１利用者Ｕ１に良かれと思って作った料理を第１利用者Ｕ１が不満に思ってしまうといった状況を回避する可能性を高めることができる。

【0121】

図１の（ｂ）に示す提案情報では、文字列「もっとさっぱりしたものがいいかも」などの情報に加えて、第２カテゴリの飲食物として、文字列「冷やし中華」、文字列「冷やしうどん」、文字列「ざるそば」、文字列「冷やしパスタ」などの情報が含まれる。これにより、第２利用者Ｕ２は、第１利用者Ｕ１に提供することが適切である推定される飲食物を容易に把握することができる。

【0122】

また、提案部３３は、第２利用者Ｕ２に対して第１利用者Ｕ１が所望すると推定される飲食物の提案を行う。例えば、提案部３３は、受付部３１によって受け付けられた提案要求に提供飲食物候補情報が含まれていない場合、第２カテゴリまたは第２カテゴリの飲食物を第２利用者Ｕ２に対して提案する。

【0123】

また、提案部３３は、第１カテゴリと第２カテゴリとが一致せず且つ第１カテゴリが第１利用者Ｕ１によって連続して摂取される飲食物のカテゴリになる場合、第１カテゴリの飲食物の連続摂取の履歴に基づいて、第１カテゴリまたは第１カテゴリの飲食物を第２利用者Ｕ２に対して提案するか否かを決定することもできる。

【0124】

例えば、提案部３３は、第１カテゴリの飲食物の連続摂取の履歴に基づいて、第１カテゴリにおける連続性のスコアを判定する。連続性のスコアは、第１カテゴリの飲食物を連続してどのくらいの回数食べても平気であるかを示すスコアであり、回数で示される。

【0125】

連続性のスコアは、第１利用者Ｕ１または第２利用者Ｕ２によって登録された値であってもよく、第１利用者Ｕ１または第２利用者Ｕ２による食材の購入履歴や第１利用者Ｕ１または第２利用者Ｕ２による飲食物の購入履歴などに基づいて、第１利用者Ｕ１が連続摂取可能であると推定された値であってもよい。例えば、連続性のスコアは、第１利用者Ｕ１が連続摂取した回数の平均値、中央値、最大値、またはこれらの値から補正値（＜１）を乗じた値などである。

【0126】

提案部３３は、第１カテゴリと第２カテゴリとが一致せず且つ第１カテゴリが第１利用者Ｕ１によって連続して摂取される飲食物のカテゴリになる場合、第１カテゴリが第１利用者Ｕ１によって連続して摂取される飲食物のカテゴリであって、その連続摂取の回数と連続性のスコアとを比較する。

【0127】

そして、提案部３３は、連続摂取の回数が連続性のスコア未満であれば、第１カテゴリまたは第１カテゴリの飲食物を第２利用者Ｕ２に対して提案し、そうでなければ、第１カテゴリまたは第１カテゴリの飲食物を第２利用者Ｕ２に対して提案せずに、第２カテゴリまたは第２カテゴリの飲食物を第２利用者Ｕ２に提案する。

【0128】

また、提案部３３は、第１カテゴリと第２カテゴリとが一致せず且つ第１カテゴリが第１利用者Ｕ１によって連続して摂取される飲食物のカテゴリになる場合、第１カテゴリの飲食物の連続摂取の履歴に加えて、さらに第１利用者Ｕ１の体調、感情、および満足度のうちの少なくとも１つに基づいて、第１カテゴリまたは第１カテゴリの飲食物を第２利用者Ｕ２に対して提案するか否かを決定することもできる。

【0129】

例えば、提案部３３は、第１カテゴリの飲食物の連続摂取の履歴と第１カテゴリの飲食物の連続摂取時の第１利用者Ｕ１の体調、感情、および満足度のうちの少なくとも１つとに基づいて、第１カテゴリにおける連続性のスコアを判定する。

【0130】

提案部３３は、飲食物の連続摂取時の第１利用者Ｕ１の体調、感情、および満足度のうちの少なくとも１つと飲食物の連続摂回数との関係をカテゴリ毎に学習した判定モデルを用いて、第１カテゴリにおける連続性のスコアを判定することができる。

【0131】

判定モデルは、例えば、飲食物の連続摂回数をラベルとして、飲食物の連続摂取時の第１利用者Ｕ１の体調、感情、および満足度のうちの少なくとも１つと飲食物の連続摂回数とを含む学習データを用いて提案部３３によって生成される。判定モデルは、例えば、ニューラルネットワークまたは隠れマルコフモデルなどであるが、かかる例に限定されない。

【0132】

体調、感情、および満足度は、例えば、第１利用者Ｕ１または第２利用者Ｕ２によって登録されるが、提案部３３によって推定されてもよい。提案部３３は、例えば、第１利用者に装着された各種のセンサ（例えば、血圧、心拍数、血中酸素濃度、呼吸数、加速度、皮膚電機活動、表情、睡眠、ストレス、脳波などを検出するセンサ）の検出結果を取得し、かかる検出結果に基づいて、体調、感情、および満足度を推定する。

【0133】

上述した判定モデルは、飲食物のカテゴリにおける連続性のスコアを出力するが、飲食物毎の連続性のスコアを出力するモデルであってもよい。提案部３３は、第１カテゴリと第２カテゴリとが一致せず且つ提供飲食物の候補が第１利用者Ｕ１によって連続して摂取される飲食物になる場合、提供飲食物の候補における連続性のスコアを判定する。

【0134】

そして、提案部３３は、連続摂取の回数が連続性のスコア未満であれば、提供飲食物の候補を第２利用者Ｕ２に対して提案し、そうでなければ、提供飲食物の候補を第２利用者Ｕ２に対して提案せずに、第２カテゴリまたは第２カテゴリの飲食物を第２利用者Ｕ２に提案する。なお、提供飲食物の候補における連続性のスコアの判定方法は、カテゴリにおける連続性のスコアの判定方法と同様である。

【0135】

また、提案部３３は、感情や体調が悪くなる直前の数日間または感情や体調が悪くなった時の数日間に第１利用者Ｕ１が摂取した飲食物の類似性を判定し、判定した類似性に基づいて、飲食物のカテゴリまたは飲食物の連続性のスコアを補正することもできる。

【0136】

例えば、提案部３３は、感情や体調が悪くなる直前の数日間または感情や体調が悪くなった時の数日間に連続摂取した飲食物を類似する飲食物である第１飲食物として判定する。そして、提案部３３は、第１飲食物の上述した連続性のスコアを補正することもできる。例えば、提案部３３は、第１飲食物の上述した連続性のスコアに１未満の係数を乗算した値を補正後の連続性のスコアとすることができる。

【0137】

第１利用者Ｕ１は、１人に限定されず、例えば、家族などのように複数人の単位であってもよい。提案部３３は、対象者特定情報によって指定される第１利用者Ｕ１が複数である場合、対象者特定情報によって指定される各第１利用者Ｕ１の飲食変遷特徴に基づいて、提供飲食物の候補を第２利用者Ｕ２に対して提案するか否かを決定することもできる。

【0138】

例えば、提案部３３は、第１カテゴリと各第１利用者Ｕ１の第２カテゴリとが一致しない場合、各第１利用者Ｕ１の第２カテゴリまたは各第１利用者Ｕ１の第２カテゴリの飲食物を第２利用者Ｕ２に提案することができる。この場合、第２利用者Ｕ２は、第１利用者Ｕ１に含まれてもよい。

【0139】

また、提案部３３は、第１カテゴリと各第１利用者Ｕ１の第２カテゴリとが一致しない場合、複数の第１利用者Ｕ１の第２カテゴリのうち最も多い第２カテゴリまたは当該第２カテゴリの飲食物を第２利用者Ｕ２に提案することもできる。

【0140】

また、推定モデルは、上述した推定モデルと同様の情報を特徴量として入力し、第１利用者Ｕ１の所望度合いを示すスコアをカテゴリ毎に出力するモデルであってもよい。この場合、提案部３３は、カテゴリ毎のスコアをお薦め度合いを示すスコアとして第２利用者Ｕ２に提供したり、カテゴリ毎のスコアの逆数または当該逆数に係数を乗算した値を非お薦め度合いを示すスコアとして第２利用者Ｕ２に提供したりすることができる。

【0141】

〔４．処理手順〕
次に、実施形態に係る情報処理装置１の処理部１２による情報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処理装置１の処理部１２による情報処理の一例を示すフローチャートである。

【0142】

図５に示すように、情報処理装置１の処理部１２は、飲食変遷特徴の特定タイミングになったか否かを判定する（ステップＳ１０）。特定タイミングは、例えば、予め定められた周期で到来するタイミングであるが、かかる例に限定されない。

【0143】

処理部１２は、飲食変遷特徴の特定タイミングになったと判定した場合（ステップＳ１０：Ｙｅｓ）、第１利用者Ｕ１によって摂取される飲食物に関する変遷の特徴である飲食変遷特徴を特定する（ステップＳ１１）。

【0144】

処理部１２は、ステップＳ１１の処理が終了した場合、または飲食変遷特徴の特定タイミングになっていないと判定した場合（ステップＳ１０：Ｎｏ）、提案要求を受け付けたか否かを判定する（ステップＳ１２）。

【0145】

処理部１２は、提案要求を受け付けたと判定した場合（ステップＳ１２：Ｙｅｓ）、飲食変遷特徴に基づいて、第２利用者Ｕ２に対して第１利用者Ｕ１に提供する飲食物に関する提案を行う（ステップＳ１３）。

【0146】

処理部１２は、ステップＳ１３の処理が終了した場合、または提案要求を受け付けていないと判定した場合（ステップＳ１２：Ｎｏ）、動作終了タイミングになったか否かを判定する（ステップＳ１４）。処理部１２は、例えば、情報処理装置１の電源がオフにされた場合などに動作終了タイミングになったと判定する。

【0147】

処理部１２は、動作終了タイミングになっていないと判定した場合（ステップＳ１４：Ｎｏ）、処理をステップＳ１０へ移行し、動作終了タイミングになったと判定した場合（ステップＳ１４：Ｙｅｓ）、図５に示す処理を終了する。

【0148】

〔５．変形例〕
また、上述した例では、情報処理装置１が提案情報を生成して端末装置２に表示させるが、提案情報は、端末装置２主体の処理により表示されてもよい。例えば、情報処理装置１は、ＡＰＩ（Application Programming Interface）などのインターフェイスを介して端末装置２から入力された情報に基づき、複数の情報を端末装置２に提供し、端末装置２が情報処理装置１から提供された複数の情報に基づいて提案情報を生成して表示させるものであってもよい。

【0149】

また、図１では、端末装置２と情報処理装置１とが別装置である場合を示したが、情報処理装置１における上述した機能を端末装置２が有してもよい。この場合、端末装置２が上述した処理を行う情報処理装置として機能する。

【0150】

上述した第２利用者Ｕ２は、第１利用者Ｕ１の家族、第１利用者Ｕ１のホームへルパーなどであるが、第１利用者Ｕ１が利用する飲食店の店長や従業員であってもよく、第１利用者Ｕ１に食事を届ける宅配業者であってもよい。

【0151】

〔６．ハードウェア構成〕
上述してきた実施形態に係る情報処理装置１は、例えば図６に示すような構成のコンピュータ８０によって実現される。図６は、実施形態に係る情報処理装置１の機能を実現するコンピュータ８０の一例を示すハードウェア構成図である。コンピュータ８０は、ＣＰＵ８１、ＲＡＭ８２、ＲＯＭ（Read Only Memory）８３、ＨＤＤ（Hard Disk Drive）８４、通信インターフェイス（Ｉ／Ｆ）８５、入出力インターフェイス（Ｉ／Ｆ）８６、およびメディアインターフェイス（Ｉ／Ｆ）８７を有する。

【0152】

ＣＰＵ８１は、ＲＯＭ８３またはＨＤＤ８４に記憶されたプログラムに基づいて動作し、各部の制御を行う。ＲＯＭ８３は、コンピュータ８０の起動時にＣＰＵ８１によって実行されるブートプログラム、およびコンピュータ８０のハードウェアに依存するプログラムなどを記憶する。

【0153】

ＨＤＤ８４は、ＣＰＵ８１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などを記憶する。通信インターフェイス８５は、ネットワークＮ（図２参照）を介して他の機器からデータを受信してＣＰＵ８１へ送り、ＣＰＵ８１が生成したデータを、ネットワークＮを介して他の機器へ送信する。

【0154】

ＣＰＵ８１は、入出力インターフェイス８６を介して、ディスプレイおよびプリンタなどの出力装置、および、キーボードまたはマウスなどの入力装置を制御する。ＣＰＵ８１は、入出力インターフェイス８６を介して、入力装置からデータを取得する。また、ＣＰＵ８１は、入出力インターフェイス８６を介して生成したデータを出力装置へ出力する。

【0155】

メディアインターフェイス８７は、記録媒体８８に記憶されたプログラムまたはデータを読み取り、ＲＡＭ８２を介してＣＰＵ８１に提供する。ＣＰＵ８１は、かかるプログラムを、メディアインターフェイス８７を介して記録媒体８８からＲＡＭ８２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８８は、例えばＤＶＤ（Digital Versatile Disc）、ＰＤ（Phase change rewritable Disk）などの光学記録媒体、ＭＯ（Magneto-Optical disk）などの光磁気記録媒体、テープ媒体、磁気記録媒体、または半導体メモリなどである。

【0156】

例えば、コンピュータ８０が実施形態に係る情報処理装置１として機能する場合、コンピュータ８０のＣＰＵ８１は、ＲＡＭ８２上にロードされたプログラムを実行することにより、処理部１２の機能を実現する。また、ＨＤＤ８４には、記憶部１１内のデータが記憶される。コンピュータ８０のＣＰＵ８１は、これらのプログラムを記録媒体８８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Ｎを介してこれらのプログラムを取得してもよい。

【0157】

〔７．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。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。

【0158】

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。

【0159】

例えば、上述した情報処理装置１は、端末装置とサーバコンピュータとで実現してもよく、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などをＡＰＩ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。

【0160】

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。

【0161】

〔８．効果〕
上述してきたように、実施形態に係る情報処理装置１は、第１利用者Ｕ１が摂取した飲食物の履歴の情報を含む飲食履歴情報を取得する取得部３０と、取得部３０によって取得された飲食履歴情報に基づいて、第１利用者Ｕ１によって摂取される飲食物に関する変遷の特徴を特定する特定部３２と、特定部３２によって特定された変遷の特徴に基づいて、第２利用者Ｕ２に対して第１利用者Ｕ１に提供する飲食物に関する提案を行う提案部３３とを備える。これにより、情報処理装置１は、第２利用者Ｕ２に対して第１利用者Ｕ１に提供する適切な飲食物を提案することができる。

【0162】

また、提案部３３は、第２利用者Ｕ２に対して所定の飲食物を第１利用者Ｕ１に提供するか否かの提案を行う。これにより、情報処理装置１は、第２利用者Ｕ２に対して第１利用者Ｕ１に提供する適切な飲食物を提案することができる。

【0163】

また、提案部３３は、第２利用者Ｕ２に対して第１利用者Ｕ１が所望すると推定される飲食物の提案を行う。これにより、情報処理装置１は、第２利用者Ｕ２に対して第１利用者Ｕ１に提供する適切な飲食物を提案することができる。

【0164】

また、特定部３２は、取得部３０によって取得された飲食履歴情報に基づいて、第１利用者Ｕ１が摂取した飲食物のカテゴリの変遷の特徴を学習した推定モデルを生成する。これにより、情報処理装置１は、第２利用者Ｕ２に対して第１利用者Ｕ１に提供する適切な飲食物を提案することができる。

【0165】

また、情報処理装置１は、第２利用者Ｕ２から提供飲食物の候補のカテゴリの指定を第１カテゴリの指定として受け付ける受付部３１を備え、提案部３３は、特定部３２によって特定されたカテゴリの変遷の特徴に基づいて、第１利用者Ｕ１が将来摂取を所望する飲食物のカテゴリを第２カテゴリとして推定し、第１カテゴリと第２カテゴリとの比較結果に基づいて、第２利用者Ｕ２に対して第１利用者Ｕ１に提供する飲食物に関する提案を行う。これにより、情報処理装置１は、第２利用者Ｕ２に対して第１利用者Ｕ１に提供する適切な飲食物を提案することができる。

【0166】

また、提案部３３は、第１カテゴリと第２カテゴリとが一致するか否かに基づいて、提供飲食物の候補を第２利用者Ｕ２に対して提案するか否かを決定する。これにより、情報処理装置１は、第２利用者Ｕ２に対して第１利用者Ｕ１に提供する適切な飲食物を提案することができる。

【0167】

また、提案部３３は、第１カテゴリと第２カテゴリとが一致しない場合、第２カテゴリまたは第２カテゴリの飲食物を第２利用者Ｕ２に提案する。これにより、情報処理装置１は、第２利用者Ｕ２に対して第１利用者Ｕ１に提供する適切な飲食物を提案することができる。

【0168】

また、提案部３３は、第１カテゴリと第２カテゴリとが一致せず且つ第１カテゴリが第１利用者Ｕ１によって連続して摂取される飲食物のカテゴリになる場合、第１カテゴリの飲食物の連続摂取の履歴に基づいて、提供飲食物の候補を第２利用者Ｕ２に対して提案するか否かを決定する。

【0169】

また、提案部３３は、第１カテゴリと第２カテゴリとが一致せず且つ第１カテゴリが第１利用者Ｕ１によって連続して摂取される飲食物のカテゴリになる場合、第１カテゴリの飲食物の連続摂取の履歴に加えて、さらに第１利用者Ｕ１の体調に基づいて、提供飲食物の候補を第２利用者Ｕ２に対して提案するか否かを決定する。これにより、情報処理装置１は、第２利用者Ｕ２に対して第１利用者Ｕ１に提供する適切な飲食物を提案することができる。

【0170】

また、特定部３２は、推定モデルを第１利用者Ｕ１の状態毎に生成する。これにより、情報処理装置１は、第２利用者Ｕ２に対して第１利用者Ｕ１に提供する適切な飲食物を提案することができる。

【0171】

また、特定部３２は、推定モデルを複数の第１利用者Ｕ１を含むグループ毎に生成する。これにより、情報処理装置１は、第２利用者Ｕ２に対して第１利用者Ｕ１に提供する適切な飲食物を提案することができる。

【0172】

以上、本願の実施形態を図面に基づいて詳細に説明したが、これは例示であり、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。

【0173】

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、取得部は、取得手段や取得回路に読み替えることができる。

【符号の説明】

【0174】

１ 情報処理装置
２ 端末装置
１０ 通信部
１１ 記憶部
１２ 処理部
２０ 利用者情報記憶部
３０ 取得部
３１ 受付部
３２ 特定部
３３ 提案部
１００ 情報処理システム
Ｎ ネットワーク

【図1】

【図2】

【図3】

【図4】

【図5】

【図6】