ホーム > 特許ランキング > 株式会社ＮＴＴドコモ
知財求人 - 知財ポータルサイト「IP Force」
(19)【発行国】日本国特許庁(JP)
(12)【公報種別】特許公報(B2)
(11)【特許番号】
(24)【登録日】2024-09-06
(45)【発行日】2024-09-17
(54)【発明の名称】判定装置
(51)【国際特許分類】
G06Q 30/0201 20230101AFI20240909BHJP
【ＦＩ】
G06Q30/0201
【請求項の数】
8
(21)【出願番号】P 2023517078
(86)(22)【出願日】2022-02-15
(86)【国際出願番号】 JP2022005992
(87)【国際公開番号】W WO2022230311
(87)【国際公開日】2022-11-03
【審査請求日】2023-07-12
(31)【優先権主張番号】P 2021077495
(32)【優先日】2021-04-30
(33)【優先権主張国・地域又は機関】JP
(73)【特許権者】
【識別番号】392026693
【氏名又は名称】株式会社ＮＴＴドコモ
(74)【代理人】
【識別番号】100088155
【弁理士】
【氏名又は名称】長谷川 芳樹
(74)【代理人】
【識別番号】100113435
【弁理士】
【氏名又は名称】黒木 義樹
(74)【代理人】
【識別番号】100121980
【弁理士】
【氏名又は名称】沖山 隆
(74)【代理人】
【識別番号】100128107
【弁理士】
【氏名又は名称】深石 賢治
(72)【発明者】
【氏名】中川 智尋
(72)【発明者】
【氏名】妹尾 いづみ
(72)【発明者】
【氏名】佐々木 一也
【審査官】宮地 匡人
(56)【参考文献】
【文献】特開２０１９－１４４９３７（ＪＰ，Ａ）
【文献】特開２０１５－０３７２４４（ＪＰ，Ａ）
【文献】特開２０１６－０２４７０４（ＪＰ，Ａ）
【文献】中国特許出願公開第１１１３０９９７７（ＣＮ，Ａ）
(58)【調査した分野】(Int.Cl.，ＤＢ名)
Ｇ０６Ｑ １０／００－９９／００
(57)【特許請求の範囲】
【請求項1】
ユーザ管理データベースにおいて管理されている第１のユーザＩＤに対応する位置情報から位置ベクトルを生成する位置ベクトル生成部と、前記ユーザ管理データベースとは異なる他のユーザ管理データベースで管理されている第２のユーザＩＤに対応する行動情報から行動ベクトルを生成する行動ベクトル生成部と、
前記位置ベクトルと前記行動ベクトルとに基づいて、前記第１のユーザＩＤのユーザおよび前記第２のユーザＩＤのユーザの同一性を判定する判定部と、
を備え、
前記位置ベクトル生成部は、複数の第１のユーザＩＤのそれぞれの位置ベクトルを生成し、
前記行動ベクトル生成部は、複数の第２のユーザＩＤのそれぞれの行動ベクトルを生成し、
前記位置ベクトル生成部は、一または複数の特定地点ごとにおける複数の前記第１のユーザＩＤのそれぞれの位置ベクトルを生成し、
前記行動ベクトル生成部は、一または複数の特定地点ごとにおける複数の前記第２のユーザＩＤのそれぞれの行動ベクトルを生成する、
判定装置。
【請求項2】
前記位置情報および前記行動情報から、前記特定地点におけるユーザの滞在時間を取得する滞在時間取得部をさらに備え、前記位置ベクトル生成部および前記行動ベクトル生成部は、前記特定地点における前記滞在時間に基づいて、前記特定地点における位置ベクトルまたは行動ベクトルを生成する、
請求項１に記載の判定装置。
【請求項3】
前記判定部は、前記一または複数の位置ベクトルと前記一または複数の行動ベクトルとのそれぞれの組み合わせに対して算出された、位置ベクトルと行動ベクトルとの類似度に基づいて、同じユーザと判定できる前記第１のユーザＩＤと前記第２のユーザＩＤとの組合せを判定する、
請求項１または２に記載の判定装置。
【請求項4】
前記判定部は、同じユーザと判定できる前記第１のユーザＩＤと前記第２のユーザＩＤとの組合せを除外した他の第１のユーザＩＤの位置ベクトルおよび他の第２のユーザＩＤの行動ベクトルを用いて、当該位置ベクトルおよび当該行動ベクトルとの類似度を算出して、前記他の第１のユーザＩＤのユーザと前記他の第２のユーザＩＤのユーザとの同一性を判定する、請求項３に記載の判定装置。
【請求項5】
ユーザ管理データベースにおいて管理されている複数の第１のユーザＩＤに対応する位置情報からそれぞれの位置ベクトルを生成する位置ベクトル生成部と、
前記ユーザ管理データベースとは異なる他のユーザ管理データベースで管理されている複数の第２のユーザＩＤに対応する行動情報からそれぞれの行動ベクトルを生成する行動ベクトル生成部と、
前記位置ベクトルと前記行動ベクトルとに基づいて、前記第１のユーザＩＤのユーザおよび前記第２のユーザＩＤのユーザの同一性を判定する判定部と、
前記複数の第１のユーザＩＤの位置ベクトルと、前記複数の第２のユーザＩＤの行動ベクトルとのそれぞれの組み合わせにおける複数の類似度を算出する類似度算出部と、を備え、
前記判定部は、
前記一または複数の位置ベクトルと前記一または複数の行動ベクトルとのそれぞれの組み合わせに対して算出された、位置ベクトルと行動ベクトルとの類似度に基づいて、同じユーザと判定できる前記第１のユーザＩＤと前記第２のユーザＩＤとの組合せを判定し、
一の第１のユーザＩＤの位置ベクトルと前記複数の第２のユーザＩＤそれぞれの行動ベクトルとの複数の類似度のうち、当該類似度が所定条件を満たした第２のユーザＩＤと、
一の第２のユーザＩＤの行動ベクトルと前記複数の第１のユーザＩＤそれぞれの位置ベクトルとの複数の類似度のうち、当該類似度が所定条件を満たした第１のユーザＩＤと、
を導出し、
前記一の第１のユーザＩＤと、前記類似度が所定条件を満たした第１のユーザＩＤとが一致し、
前記一の第２のユーザＩＤと、前記類似度が所定条件を満たした第２のユーザＩＤとが一致した場合、
前記一の第１のユーザＩＤのユーザと前記一の第２のユーザＩＤのユーザとは、同一であると判定する、
判定装置。
【請求項6】
前記所定条件とは、最大値または所定値以上である、請求項５に記載の判定装置。
【請求項7】
ユーザ管理データベースにおいて管理されている第１のユーザＩＤに対応する位置情報から位置ベクトルを生成する位置ベクトル生成部と、
前記ユーザ管理データベースとは異なる他のユーザ管理データベースで管理されている第２のユーザＩＤに対応する行動情報から行動ベクトルを生成する行動ベクトル生成部と、
前記位置ベクトルと前記行動ベクトルとに基づいて、前記第１のユーザＩＤのユーザおよび前記第２のユーザＩＤのユーザの同一性を判定する判定部と、
を備え、
一の学習用ユーザＩＤにおいて、ベクトルの要素を計算するパラメータを変えて、学習用位置ベクトルおよび学習用行動ベクトルを複数生成する学習用ベクトル生成部と、
前記パラメータを共通にする前記学習用位置ベクトルと前記学習用行動ベクトルとの類似度を算出して、当該類似度に基づいて一のパラメータを決定する決定部と、
に基づいて、前記一のパラメータは決定されており、
前記位置ベクトル生成部および前記行動ベクトル生成部は、前記一のパラメータに基づいて前記位置ベクトルおよび前記行動ベクトルを生成する、
判定装置。
【請求項8】
前記学習用ベクトル生成部は、学習用位置情報および学習用行動情報のうち少なくともいずれか一方に含まれている、予め定められた特定地点におけるユーザの滞在時間を取得し、前記学習用ベクトル生成部は、前記滞在時間に基づいて、前記特定地点における学習用位置ベクトルまたは学習用行動ベクトルを生成する、
請求項７に記載の判定装置。
【発明の詳細な説明】
【技術分野】
【0001】
本発明は、ユーザＩＤの判定を行う判定装置に関する。
【背景技術】
【0002】
特許文献１または特許文献２には、異なるユーザデータベースから位置情報同士を比較することで、異なるユーザＩＤのユーザが、同じユーザであるか否かを判定する発明が記載されている。
【先行技術文献】
【特許文献】
【0003】
【文献】特開２０１３－１６８２７３号公報
【文献】特開２０１２－２３４５８９号公報
【発明の概要】
【発明が解決しようとする課題】
【0004】
一般的に、異なるユーザデータベースにおいては、ユーザＩＤは異なっている。従って、ユーザＩＤに紐付くユーザが、店舗等の位置情報に基づいて同じ位置にいることを滞在時間等に基づいて判定することになる。その場合、閾値を設定することでユーザがその位置に滞在しているか否かを判定することができる。しかしながら、店舗の平均的な利用時間（滞在時間）は、店舗の業態または店舗規模によって異なるため、適切な設定をすることは困難である。
【0005】
そこで、上述の課題を解決するために本発明は、異なるユーザデータベースにおけるユーザＩＤが同じユーザであるか否かを高精度で判定することができる判定装置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】
本発明の判定装置は、ユーザ管理データベースにおいて管理されている第１のユーザＩＤに対応する位置情報から位置ベクトルを生成する位置ベクトル生成部と、前記ユーザ管理データベースとは異なる他のユーザ管理データベースで管理されている第２のユーザＩＤに対応する行動情報から行動ベクトルを生成する行動ベクトル生成部と、前記位置ベクトルと前記行動ベクトルとに基づいて、前記第１のユーザＩＤのユーザおよび前記第２のユーザＩＤのユーザの同一性を判定する判定部と、を備える。
【発明の効果】
【0007】
本発明によると、異なるデータベースで管理されているユーザＩＤにおけるユーザの同一性を高精度で判定することができる。
【図面の簡単な説明】
【0008】
【図1】本開示におけるＩＤ判定装置１００を用いたデータ連携方法を示す概念図である。
【図2】行動ベクトルおよび位置ベクトルを示す説明図である。
【図3】ＩＤ判定装置１００の機能構成を示すブロック図である。
【図4】位置ベクトルおよび行動ベクトルの具体例を示す図である。
【図5】類似度行列の生成処理および更新処理を示す図である。
【図6】学習用ベクトル生成部１０７および閾値学習部１０８の動作を示す説明図である。
【図7】ＩＤ判定装置１００の判定処理を示すフローチャートである。
【図8】学習処理を行うＩＤ判定装置１００の動作を示すフローチャートである。
【図9】本開示の一実施の形態に係るＩＤ判定装置１００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】
【0009】
添付図面を参照しながら本開示の実施形態を説明する。可能な場合には、同一の部分には同一の符号を付して、重複する説明を省略する。
【0010】
図１は、本開示におけるＩＤ判定装置１００を用いたデータ連携方法を示す概念図である。図に示されるとおり、ＩＤ判定装置１００は、決済データＫおよび位置情報データＬを入力する。決済データＫは、ユーザＩＤごとに購入時刻、購入店舗、および購入商品を対応付けている。位置情報データＬは、ユーザＩＤごとに、位置情報を登録した時刻およびそのときの座標情報を対応付けている。
【0011】
決済データＫは、クレジットカード、ＱＲコード決済、ＩＣカード決済、またはその他キャッシュレス決済に基づいて決済された店舗（特定地点）およびその決済時刻を示している。この決済データＫは、キャッシュレス決済を運営している決済事業者（クレジットカード会社など）によって管理（記憶）されている。なお、ポイントカードを用いたデータを利用して、ユーザが商品購入した店舗（位置）およびその時刻を利用してもよい。
【0012】
位置情報データＬは、携帯電話およびスマートフォンなどの携帯端末が移動体通信網に通信接続する際に行われる位置登録に基づいた情報である。この位置情報データＬは、移動体通信網を運営している通信事業者によって管理されている。なお、これに限らず、携帯端末がＧＰＳを利用して測位した情報を利用してもよい。
【0013】
一般的に、決済データＫと位置情報データＬとは、運営事業者が異なっているため、同じユーザであってもユーザＩＤは異なる。本開示のＩＤ判定装置１００は、同じユーザを示すそれぞれ異なるユーザＩＤを紐付けるための判定を行う。
【0014】
図１においては、ＩＤ判定装置１００は、決済データＫおよび位置情報データＬから一致するユーザＵおよび不一致ユーザＵ１を抽出する。そして、一致するユーザＵにおけるユーザＩＤを紐付ける。ＩＤ判定装置１００がこのようにユーザが一致する異なるユーザＩＤを判定することで、広告配信装置（図示せず）は、これを利用して、異なるユーザＩＤ宛に対して同一ユーザであることを前提とした広告配信等を行うことができる。したがって、効果的な広告配信および送客を実現できる。
【0015】
図２は、行動ベクトルおよび位置ベクトルを示す説明図である。図に示されるとおり、ＩＤ判定装置１００は、決済データＤＢ２００および位置情報データＤＢ３００からそれぞれ決済データＫおよび位置情報データＬを取り出し、それぞれ行動ベクトルおよび位置ベクトルを、ユーザＩＤごとに生成する。そして、ＩＤ判定装置１００は、決済データＫおよび位置情報データＬのコサイン類似度を算出する。ＩＤ判定装置１００は、コサイン類似度が所定値以上のユーザＩＤの組み合わせは、同じユーザであると判定する。なお、類似度を算出する方法として、コサイン類似度以外にも、ユークリッド距離を用いた方法など種々の方法を利用してもよい。
【0016】
つぎに、このＩＤ判定装置１００の詳細な構成について説明する。図３は、ＩＤ判定装置１００の機能構成を示すブロック図である。図に示されるとおり、ＩＤ判定装置１００は、行動ベクトル生成部１０１、位置ベクトル生成部１０２、類似度行列生成部１０３（類似度算出部）、ＩＤ判定部１０４、類似度行列更新部１０５、および滞在時間計算部１０６、学習用ベクトル生成部１０７（取得部）、および閾値学習部１０８（決定部）を含んで構成されている。また、ＩＤ判定装置１００は、決済データＤＢ２００、位置情報データＤＢ３００、および学習用データＤＢ４００（記憶部）と通信接続可能に構成されており、各種データを取得することができる。
【0017】
行動ベクトル生成部１０１は、決済データＫから行動ベクトルを生成する部分である。行動ベクトルは、ユーザＩＤごとおよび店舗ＩＤごとに、購買の有無を時間帯ごとに２値（または多値でもよい）で示して、構成される。図４（ａ）では、時間帯は、１時間単位で示されている。すなわち、行動ベクトルは、店舗ＩＤで示される店舗でユーザが購入した時間帯を示しており、言い換えると、ユーザがその店舗に、どの時間帯にいたのかを示す。
【0018】
位置ベクトル生成部１０２は、位置情報データＬから位置ベクトルを生成する部分である。位置ベクトルは、ユーザＩＤごとおよびメッシュＩＤごとに、位置登録の有無を時間帯ごとに２値（または多値でもよい）で示して、構成される。図４（ｂ）では、時間帯は、１時間単位で示されている。すなわち、位置ベクトルは、メッシュＩＤで示される地域にユーザが滞在した時間帯を示す。
【0019】
なお、行動ベクトル生成部１０１および位置ベクトル生成部１０２は、滞在時間計算部１０６が計算した各メッシュおよび各店舗に滞在していた時間に基づいた滞在の有無をベクトルに反映してもよい。例えば、所定時間以上、メッシュおよび店舗に滞在していた場合に、位置ベクトルおよび行動ベクトルにユーザが滞在していたことを示すようにしてもよい。
【0020】
類似度行列生成部１０３は、判定対象とする店舗ごとに、類渡行列を生成する部分である。なお、その比較対象となる位置ベクトルは、当該店舗付近のメッシュＩＤを含んだ位置ベクトルが利用される。
【0021】
より詳細には、類似度行列生成部１０３は、判定対象となる店舗ＩＤおよび当該店舗の近辺を示すメッシュＩＤを含んだ行動ベクトルおよち位置ベクトルを取得する。そして、一のユーザＩＤの行動ベクトルと、他のユーザＩＤそれぞれの位置ベクトルとの類似度を算出する。全てのユーザＩＤの行動ベクトルに対して、それぞれ他のユーザＩＤの位置ベクトルに対する類似度算出を行うことで、ある位置（店舗またはメッシュ）におけるユーザＩＤ同士の類似度行列を生成する。
【0022】
図５（ａ）は、その模式図である。図に示されるとおり、類似度行列生成部１０３は、一のユーザの行動ベクトルと、他の全てのユーザの位置ベクトルそれぞれとの類似度を計算し、行列を構成する要素（成分）とする。また、類似度行列生成部１０３は、一のユーザとは別の他のユーザの行動ベクトルと、他の全てのユーザの位置ベクトルそれぞれとの類似度を計算し、それを行列を構成する要素（成分）とする。類似度行列生成部１０３は、全てのユーザの行動ベクトルに対して上記処理を行うことで、類似度行列を生成する。
【0023】
図５（ａ）は、類似度行列の模式図を示し、ユーザＩＤ：１～５のそれぞれの行動ベクトルと、ユーザＩＤ：Ａ～Ｅの位置ベクトルとの類似度を行列の要素として、類似度行列が構成されている。本開示では、類似度は、０～１００の間となるよう調整された値としているが、当然にそのような処理に限定されるものではない。
【0024】
ＩＤ判定部１０４は、類似度行列の各要素が最大値であるユーザＩＤの組合せを選択して、それらユーザＩＤは、同じユーザに紐付けられたユーザＩＤであることを判定する部分である。例えば、ＩＤ判定部１０４は、一のユーザＩＤの位置ベクトルと、全ての他のユーザＩＤの行動ベクトルそれぞれとの類似度のうち、類似度が最大となる他のユーザＩＤが示すユーザは、一のユーザＩＤが示すユーザと同じである可能性が高いと判定する。
【0025】
そして、ＩＤ判定部１０４は、当該他のユーザＩＤ（行動ベクトル）の類似度行列の行をみて、上記一のユーザＩＤとの類似度が最大であれば、一のユーザＩＤ（位置ベクトル）と他のユーザＩＤ（行動ベクトル）とは同じユーザであると判定する。
【0026】
一方で、ＩＤ判定部１０４は、当該他のユーザＩＤ（行動ベクトル）の類似度行列の行をみて、上記一のユーザＩＤとの類似度が最大でないのであれば、一のユーザＩＤ（位置ベクトル）と他のユーザＩＤ（行動ベクトル）とは同じユーザではないと判定する。
【0027】
図５（ａ）を参照すると、ユーザＩＤ：Ｂの列において、ユーザＩＤ：２との類似度は、他のユーザＩＤ：１、３、４、および５との組合せより高く、最大値であるとする。また、ユーザＩＤ：２の行において、ユーザＩＤ：Ｂとの類似度は、他のユーザＩＤ：Ａ、Ｃ、Ｄ、およびＥとの組合せより高く、最大値であるとする。この場合、ＩＤ判定部１０４は、このような最大値となるユーザＩＤの組み合わせである、ユーザＩＤ：２、ユーザＩＤ：Ｂを選択して、これらユーザＩＤは、同じユーザであると判定する。図５（ａ）では、ユーザＩＤ：３、ユーザＩＤ：Ｃの組み合わせも、同じユーザであると判定する。
【0028】
また、ユーザＩＤ：Ｄの列において、ユーザＩＤ：１との類似度は、他のユーザＩＤ：２、３、４、および５との組合せより高く、最大値であるとする。しかしながら、ユーザＩＤ：１の行において、ユーザＩＤ：Ｂとの類似度が最大値である。このような場合には、ＩＤ判定部１０４は、ユーザＩＤ：１とユーザＩＤ：Ｄとは、同じユーザではないと判定する。
【0029】
上記説明では、類似度が最大ととなるユーザＩＤの組合せを同じユーザであると判定しているが、これに限るものではない。類似度が所定値以上であるユーザＩＤの組合せをユーザと判定してもよい場合がある。
【0030】
ＩＤ判定部１０４は、行動ベクトルのユーザＩＤからみた、位置ベクトルとの類似度が最大となるユーザＩＤと、位置ベクトルのユーザＩＤからみた、行動ベクトルのユーザＩＤとの類似度が最大となるユーザＩＤとが、一致する場合、その組合せとなるユーザＩＤのユーザを同一のユーザと判定する（図５（ｂ）参照）。
【0031】
類似度行列更新部１０５は、ＩＤ判定部１０４で選択されたユーザＩＤを除外した新たな類似度行列を生成する部分である。ＩＤ判定部１０４は、これを使ってさらにユーザＩＤの組合せを選択する。
【0032】
図５（ｃ）を参照すると、同一ユーザと判定された行および列が削除されている。ここでは、ユーザＩＤ：Ｂ、Ｃ、ユーザＩＤ：２、３のベクトル要素が削除される。
【0033】
滞在時間計算部１０６は、学習用データＤＢ４００から学習用データを取り出し、メッシュＩＤで示されるメッシュ（地域）または店舗ＩＤで示される店舗、に滞在する時間を計算する部分である。学習用データは、位置情報データおよび決済データからなり、時間情報を含んでいる。滞在時間計算部１０６は、その時間情報に基づいてメッシュまたは店舗にユーザが滞在した時間を把握する。また、滞在時間計算部１０６は、決済データＤＢ２００および位置情報データＤＢ３００の情報に基づいて各メッシュおよび各店舗に滞在した時間を計算してもよい。
【0034】
学習用ベクトル生成部１０７は、学習用データＤＢ４００から学習用データを取得し、当該学習用データから、ユーザＩＤごとおよびメッシュごとに、学習用位置ベクトルを生成し、また、ユーザＩＤおよび店舗ＩＤごとに、学習用行動ベクトルを生成する部分である。学習用データＤＢ４００は、ユーザＩＤを共通にして、位置情報と決済データとを記憶している。例えば、学習用データＤＢ４００は、携帯端末の位置登録の管理と、決済データを管理する事業者により管理されている。例えば、近年の通信事業者は、移動体通信網を運営するとともに、キャッシュレスサービス等も運営している。
【0035】
学習用ベクトル生成部１０７は、これを利用して、ユーザＩＤごとに、学習用位置ベクトルおよび学習用行動ベクトルを生成する。これら学習用位置ベクトルおよび学習用行動ベクトルは、上述した位置ベクトルおよび行動ベクトルと同じであるが、その解像度が変わる。
【0036】
すなわち、学習用ベクトル生成部１０７は、まずは１時間単位をベクトルの要素とする位置ベクトルおよび行動ベクトルを生成する。その後、閾値学習部１０８による判定に基づいて、その単位を変えたベクトルを作り替える。
【0037】
また、学習用ベクトル生成部１０７は、ユーザがメッシュまたは店舗に滞在した時間を、滞在時間計算部１０６から取得し、その時間に基づいて、ベクトルの要素に滞在の有無を含ませる。例えば、ユーザが、メッシュまたは店舗に長時間いた場合と、通り過ぎた場合とでは、ベクトルとしての扱いが変わるためである。なお、学習用ベクトル生成部１０７は、所定時間滞在した場合に、ベクトルの要素を１とするが、それに限るものではなく、例えば、ベクトル要素を滞在時間について関数ｆ（ｔ）であらわしてもよい。この場合、要素は、０～１の間の連続値で表される。
【0038】
閾値学習部１０８は、学習用ベクトル生成部１０７により生成された位置ベクトルおよび行動ベクトルの類似度を計算して、適切なベクトルの要素を計算するパラメータ（例えば時間帯幅）を学習する部分である。すなわち、閾値学習部１０８は、位置ベクトルおよび行動ベクトルの類似度が所定値以下である場合には、学習用ベクトル生成部１０７に対してベクトルの再生成を指示し、適切なパラメータを学習する。
【0039】
学習用ベクトル生成部１０７は、その指示を受けると、ベクトルの要素を計算するパラメータを変えて、位置ベクトルおよび行動ベクトルを生成する。例えば、学習用ベクトル生成部１０７は、位置ベクトルおよび行動ベクトルの要素のパラメータ（時間帯幅）は１時間であったが、それを拡大して、例えば２時間とした位置ベクトルおよび行動ベクトルを生成する。
【0040】
閾値学習部１０８は、再生成された位置ベクトルおよび行動ベクトルに基づいて類似度を計算し、それが所定値以上である場合に、そのベクトルの要素を計算したパラメータを閾値として学習する。閾値学習部１０８は、当該閾値を行動ベクトル生成部１０１および位置ベクトル生成部１０２に送る。行動ベクトル生成部１０１および位置ベクトル生成部１０２は、学習されたパラメータに基づいて行動ベクトルおよび位置ベクトルを生成する。
【0041】
上記パラメータは、時間帯幅を示す時間解像度を例に説明したが、これに限るものではなく、メッシュの大きさを定義した地理解像度を加えてもよい。例えば、メッシュの大きさを徐々に大きくすることにより、ベクトルは同じような構成となり、その類似度が高くなる。また、時間解像度または地理解像度のみ調整ししてもよい。
【0042】
図６は、学習用ベクトル生成部１０７および閾値学習部１０８の動作を示す説明図である。学習用データＤＢ４００から、学習用データＧとして、ユーザＩＤ、位置情報データおよび決済データが取り出される。ユーザＩＤは、位置情報データおよび決済データの両者において共通のＩＤである。
【0043】
学習用ベクトル生成部１０７は、所定のパラメータ（時間解像度および地理的解像度）に基づいて、位置情報データから位置ベクトルを求め、決済データから行動ベクトルを求める（Ｓ１１）。
【0044】
閾値学習部１０８は、類似度を算出する（Ｓ１２）。閾値学習部１０８は、類似度が所定値以上ではないと判定すると、学習用ベクトル生成部１０７に、ベクトル要素のパラメータを変えたベクトル生成の指示を出力する。例えば、時間解像度の時間幅を広げ、および／または地理解像度のメッシュ幅を広げる、などの指示を行う。
【0045】
学習用ベクトル生成部１０７は、所定の類似度を得るまでパラメータを変えたベクトルを生成する。例えば、時間解像度として、ベクトル要素の時間間隔を広げ、また地理的解像度として、メッシュ単位を大きくした学習用位置ベクトルおよび学習用行動ベクトルを生成する（Ｓ１３）。
【0046】
閾値学習部１０８は、類似度が所定の条件を満たしたパラメータ（時間解像度および地理解像度）を決定し、行動ベクトル生成部１０１および位置ベクトル生成部１０２に通知して、当該解像度によるベクトル生成を行わせる（Ｓ１４）。
【0047】
これにより、適切なパラメータで位置ベクトルおよび行動ベクトルを生成することができる。
【0048】
つぎに、本開示のＩＤ判定装置１００の動作について説明する。図７は、ＩＤ判定装置１００の判定処理を示すフローチャートである。位置ベクトル生成部１０２は、位置ベクトルを生成する（Ｓ１０１）。行動ベクトル生成部１０１は、行動ベクトルを生成する（Ｓ１０２）。類似度行列生成部１０３は、ベクトル間の類似度を示す類似度行列を生成する（Ｓ１０３）。
【0049】
ＩＤ判定部１０４は、同一ユーザのユーザＩＤの組み合わせを、位置ベクトルと行動ベクトルとの類似度に基づいて判定する（Ｓ１０４）。類似度行列更新部１０５は、ユーザＩＤの組み合わせを除外した類似度行列を更新する（Ｓ１０６）。ＩＤ判定部１０４は、更新した類似度行列を用いて同一ユーザのユーザＩＤ判定を行う。
【0050】
これら処理を終了条件を満たすまで繰り返し行う（Ｓ１０５）。終了条件とは、例えば、類似度行列がなくなるまであるが、これに限らず、類似度が所定値以下のものだけになった場合などである。類似度が所定値以下のものだけとは、ユーザが同一であると判定できないことを示す。
【0051】
つぎに、解像度の学習処理について説明する。図８は、学習処理を行うＩＤ判定装置１００の動作を示すフローチャートである。滞在時間計算部１０６は、学習用データＤＢ４００から学習用データを取得して、各ユーザの各店舗および各メッシュにおける滞在時間を計算する（Ｓ２０１）。
【0052】
学習用ベクトル生成部１０７は、計算したユーザごとの各メッシュにおける滞在時間に基づいて、位置ベクトルを生成する（Ｓ２０２）。また、学習用ベクトル生成部１０７は、計算したユーザごとの各店舗における滞在時間に基づいて、行動ベクトルを生成する（Ｓ２０３）。
【0053】
閾値学習部１０８は、生成した位置ベクトルおよび行動ベクトルに基づいて、適切な解像度を学習する（S２０４）。
【0054】
このような処理を行うことにより、位置ベクトルを生成するためのメッシュの解像度およびその時間単位を適切な単位にすることができる。
【0055】
つぎに、本開示におけるＩＤ判定装置１００の作用効果について説明する。本開示のＩＤ判定装置１００は、ユーザ管理データベース、例えば位置情報データＤＢ３００において管理されているユーザＩＤ（第１のユーザＩＤ）に対応する位置情報から位置ベクトルを生成する位置ベクトル生成部１０２と、上記ユーザ管理データベース（例えば位置情報データＤＢ３００）とは異なる他のユーザ管理データベースである決済データＤＢ２００で管理されているユーザＩＤ（第２のユーザＩＤ）に対応する購買情報（行動情報）から行動ベクトルを生成する行動ベクトル生成部１０１と、を備える。
【0056】
そして、ＩＤ判定部１０４は、位置ベクトルと行動ベクトルとに基づいて、位置ベクトルのユーザＩＤ（第１のユーザＩＤ）のユーザおよび行動ベクトルのユーザＩＤ（第２のユーザＩＤ）のユーザの同一性を判定する。
【0057】
ここで、位置ベクトル生成部１０２は、複数のユーザＩＤ（第１ユーザＩＤ）のそれぞれの位置ベクトルを生成する。行動ベクトル生成部１０１は、複数のユーザＩＤ（第２のユーザＩＤ）のそれぞれの行動ベクトルを生成する。
【0058】
さらに、ここで位置ベクトル生成部１０２および行動ベクトル生成部１０１は、それぞれ一または複数の特定地点であるメッシュまたは店舗におけるベクトルを生成する。
【0059】
また、滞在時間計算部１０６は、位置情報データＤＢ３００および決済データＤＢ２００の情報から、予め定められた特定地点（メッシュまたは店舗）におけるユーザの滞在時間を取得してもよい。そして、行動ベクトル生成部１０１および位置ベクトル生成部１０２は、特定地点における滞在時間に基づいて、特定地点（メッシュ等）における位置ベクトルまたは行動ベクトルを生成する。
【0060】
また、本開示おいて、ＩＤ判定部１０４は、一または複数の位置ベクトルと一または複数の行動ベクトルとのそれぞれの組み合わせに対して算出された、位置ベクトルと行動ベクトルとの類似度に基づいて、同じユーザと判定できるユーザＩＤ（第１のユーザＩＤおよび第２のユーザＩＤ）の組合せを判定する。
【0061】
このような構成により、異なるデータベースで管理されているユーザＩＤのそれぞれにおいて同じユーザに紐付いたユーザＩＤであるかを判定することができる。
【0062】
また、ＩＤ判定部１０４は、同じユーザと判定できるユーザＩＤ（第１のユーザＩＤ、第２のユーザＩＤ）の組合せを除外した他のユーザＩＤ（第１のユーザＩＤ）の位置ベクトルおよび他のユーザＩＤ（第２のユーザＩＤ）の行動ベクトルを用いて、さらにそのベクトルの類似度を算出して、他のユーザＩＤ（第１のユーザＩＤ、第２のユーザＩＤ）同士のユーザとの同一性を判定する。
【0063】
このような構成により、さらにベクトル同士が類似するユーザＩＤのユーザを判定することができる。
【0064】
より具体的には、類似度行列生成部１０３は、複数のユーザＩＤ（第１のユーザＩＤ）の位置ベクトルと、複数のユーザＩＤ（第２のユーザＩＤ）の行動ベクトルとの組み合わせにおける複数の類似度を算出する。そして、ＩＤ判定部１０４は、一のユーザＩＤ（第１のユーザＩＤ）の位置ベクトルと複数のユーザＩＤ（第２のユーザＩＤ）それぞれの行動ベクトルとの複数の類似度のうち、当該類似度が所定条件を満たした一のユーザＩＤ（第２のユーザＩＤ）を決定する。
【0065】
ＩＤ判定部１０４は、さらに一のユーザＩＤ（第２のユーザＩＤ）の行動ベクトルと複数のユーザＩＤ（第１のユーザＩＤ）それぞれの位置ベクトルとの複数の類似度のうち、一のユーザＩＤ（第１のユーザＩＤ）との類似度が所定条件を満たした場合、位置ベクトルにおける一のユーザＩＤ（第１のユーザＩＤ）のユーザと、行動ベクトルにおける一のユーザＩＤ（第２のユーザＩＤ）のユーザとは、同一であると判定する。
【0066】
すなわち、ＩＤ判定部１０４は、位置情報データＤＢ３００において管理されている一のユーザＩＤ（第１のユーザＩＤ）の位置ベクトルと、決済データＤＢ２００において管理されている複数のユーザＩＤ（第２のユーザＩＤ）それぞれの行動ベクトルとの複数の類似度のうち、当該類似度が所定条件を満たした行動ベクトルのユーザＩＤ（第２のユーザＩＤ）を導出する。また、同様に、一のユーザＩＤ（第２のユーザＩＤ）の行動ベクトルと複数のユーザＩＤ（第１のユーザＩＤ）それぞれの位置ベクトルとの複数の類似度のうち、当該類似度が所定条件を満たしたユーザＩＤ（第１のユーザＩＤ）を導出する。
【0067】
ＩＤ判定部１０４は、位置情報データＤＢ３００において管理されていたユーザＩＤにおいて、一のユーザＩＤと、類似度が所定条件を満たしたユーザＩＤとが一致し、決済データＤＢ２００において管理されていたユーザＩＤにおいて、一のユーザＩＤ（第２のユーザＩＤ）と、類似度が所定条件を満たしたユーザＩＤ（第２のユーザＩＤ）とが一致した場合、位置情報データＤＢ３００において管理されている一のユーザＩＤのユーザ（第１のユーザＩＤ）と、決済データＤＢ２００において管理されている一のユーザＩＤ（第２のユーザＩＤ）のユーザとは、同一であると判定する。
【0068】
ここで所定条件とは、最大値または所定値以上とするが、これに限定するものではない。
【0069】
なお、上記説明では、ＩＤ判定部１０４は、位置ベクトルの一のユーザＩＤをキーにして、所定条件を満たす行動ベクトルのユーザＩＤを探しだし、その行動ベクトルのユーザＩＤをキーにした場合、位置ベクトルの上記一のユーザＩＤが所定条件を満たしたか否かを判定しているが、これに限るものではなく、逆にしてもよい。すなわち、ＩＤ判定部１０４は、行動ベクトルの一のユーザＩＤをキーにして、所定条件を満たす位置ベクトルのユーザＩＤを探し出し、その位置ベクトルのユーザＩＤをキーにした場合、行動ベクトルの一のユーザＩＤが所定条件を満たしたか否かを判定してもよい。
【0070】
また、本開示のＩＤ判定装置１００において、学習用ベクトル生成部１０７は、共通するユーザＩＤ（一の学習用ユーザＩＤ）において、学習用位置ベクトルおよび学習用行動ベクトルを、ベクトルの要素を計算するパラメータを変えて 複数生成する。
【0071】
閾値学習部１０８は、パラメータを共通にする学習用位置ベクトルと学習用行動ベクトルと間の類似度を算出して、当該類似度に基づいて一のパラメータを決定する。
【0072】
位置ベクトル生成部１０２および行動ベクトル生成部１０１は、一のパラメータに基づいて位置ベクトルおよび行動ベクトルを生成する。
【0073】
学習用ベクトル生成部１０７または滞在時間計算部１０６は、学習用データＤＢ４００から、ユーザＩＤを共通にした学習用データ（学習用位置情報および学習用行動情報）を取得する。
【0074】
そして、学習用ベクトル生成部１０７は、学習用位置情報および学習用行動情報から、ユーザＩＤを共通にした学習用位置ベクトルおよび学習用行動ベクトルを生成する。
【0075】
この構成においては、ユーザが同一であることを前提にした学習用位置ベクトルおよび学習用行動ベクトルを生成することができる。そのため、学習用位置ベクトルおよび学習用行動ベクトルにおける類似度は、所定値以上であって、同一のユーザであることを示す。しかしながら、上記したパラメータに基づくベクトルの解像度によっては、必ずしも一致を示すようにベクトルは構成されていない。
【0076】
そのため、パラメータを調整する必要がある。本開示においては、類似度が一致を示すパラメータを探し出すことで、適切なパラメータで、ベクトルの生成を可能にする。そして、適切なパラメータ（時間解像度または地理解像度）を用いた位置ベクトルおよび行動ベクトルを生成することで、ユーザの同一性判定を正確に行うことができる。
【0077】
また、本開示においては、滞在時間計算部１０６は、学習データ（学習用位置情報および学習用行動情報のうち少なくともいずれか一方）に含まれている、予め定められた特定地点におけるユーザの滞在時間を取得する。学習用ベクトル生成部１０７は、滞在時間に基づいて、特定地点における学習用位置ベクトルまたは学習用行動ベクトルを生成する。ここでは、閾値を設けて、所定時間以上滞在していた場合に、ベクトルの要素を１とするが、これに限らず、滞在時間に基づいた関数を用いて、ベクトルの要素を定めてもよい。
【0078】
この構成により、ユーザが単に近くを通り過ぎたような状態を滞在していたと扱うことがなく、適切な位置ベクトルまたは行動ベクトルを生成することができる。
【0079】
本開示において、ＩＤ判定装置１００は、滞在時間計算部１０６、閾値学習部１０８、および閾値学習部１０８を備えているが、これに限定するものではない。ＩＤ判定装置１００とは別に学習装置があって、当該学習装置が滞在時間計算部１０６、閾値学習部１０８、および閾値学習部１０８を備え、学習装置が、位置ベクトルおよび行動ベクトルの要素を計算するためのパラメータを学習してもよい。ＩＤ判定装置１００は、学習したパラメータを用いて行動ベクトルおよび位置ベクトルを生成する。
【0080】
上記実施形態の説明に用いたブロック図は、機能単位のブロックを示している。これらの機能ブロック（構成部）は、ハードウェア及びソフトウェアの少なくとも一方の任意の組み合わせによって実現される。また、各機能ブロックの実現方法は特に限定されない。すなわち、各機能ブロックは、物理的又は論理的に結合した１つの装置を用いて実現されてもよいし、物理的又は論理的に分離した２つ以上の装置を直接的又は間接的に（例えば、有線、無線などを用いて）接続し、これら複数の装置を用いて実現されてもよい。機能ブロックは、上記１つの装置又は上記複数の装置にソフトウェアを組み合わせて実現されてもよい。
【0081】
機能には、判断、決定、判定、計算、算出、処理、導出、調査、探索、確認、受信、送信、出力、アクセス、解決、選択、選定、確立、比較、想定、期待、見做し、報知（broadcasting）、通知（notifying）、通信（communicating）、転送（forwarding）、構成（configuring）、再構成（reconfiguring）、割り当て（allocating、mapping）、割り振り（assigning）などがあるが、これらに限られない。たとえば、送信を機能させる機能ブロック（構成部）は、送信部（transmitting unit）や送信機（transmitter）と呼称される。いずれも、上述したとおり、実現方法は特に限定されない。
【0082】
例えば、本開示の一実施の形態におけるＩＤ判定装置１００は、本開示のＩＤ判定方法の処理を行うコンピュータとして機能してもよい。図９は、本開示の一実施の形態に係るＩＤ判定装置１００のハードウェア構成の一例を示す図である。上述のＩＤ判定装置１００は、物理的には、プロセッサ１００１、メモリ１００２、ストレージ１００３、通信装置１００４、入力装置１００５、出力装置１００６、バス１００７などを含むコンピュータ装置として構成されてもよい。
【0083】
なお、以下の説明では、「装置」という文言は、回路、デバイス、ユニットなどに読み替えることができる。ＩＤ判定装置１００のハードウェア構成は、図に示した各装置を１つ又は複数含むように構成されてもよいし、一部の装置を含まずに構成されてもよい。
【0084】
ＩＤ判定装置１００における各機能は、プロセッサ１００１、メモリ１００２などのハードウェア上に所定のソフトウェア（プログラム）を読み込ませることによって、プロセッサ１００１が演算を行い、通信装置１００４による通信を制御したり、メモリ１００２及びストレージ１００３におけるデータの読み出し及び書き込みの少なくとも一方を制御したりすることによって実現される。
【0085】
プロセッサ１００１は、例えば、オペレーティングシステムを動作させてコンピュータ全体を制御する。プロセッサ１００１は、周辺装置とのインターフェース、制御装置、演算装置、レジスタなどを含む中央処理装置（ＣＰＵ：Central Processing Unit）によって構成されてもよい。例えば、上述のＩＤ判定装置１００の行動ベクトル生成部１０１、位置ベクトル生成部１０２などは、プロセッサ１００１によって実現されてもよい。
【0086】
また、プロセッサ１００１は、プログラム（プログラムコード）、ソフトウェアモジュール、データなどを、ストレージ１００３及び通信装置１００４の少なくとも一方からメモリ１００２に読み出し、これらに従って各種の処理を実行する。プログラムとしては、上述の実施の形態において説明した動作の少なくとも一部をコンピュータに実行させるプログラムが用いられる。例えば、ＩＤ判定装置１００の行動ベクトル生成部１０１、位置ベクトル生成部１０２、類似度行列生成部１０３などは、メモリ１００２に格納され、プロセッサ１００１において動作する制御プログラムによって実現されてもよく、他の機能ブロックについても同様に実現されてもよい。上述の各種処理は、１つのプロセッサ１００１によって実行される旨を説明してきたが、２以上のプロセッサ１００１により同時又は逐次に実行されてもよい。プロセッサ１００１は、１以上のチップによって実装されてもよい。なお、プログラムは、電気通信回線を介してネットワークから送信されても良い。
【0087】
メモリ１００２は、コンピュータ読み取り可能な記録媒体であり、例えば、ＲＯＭ（Read Only Memory）、ＥＰＲＯＭ（Erasable Programmable ＲＯＭ）、ＥＥＰＲＯＭ（Electrically Erasable Programmable ＲＯＭ）、ＲＡＭ（Random Access Memory）などの少なくとも１つによって構成されてもよい。メモリ１００２は、レジスタ、キャッシュ、メインメモリ（主記憶装置）などと呼ばれてもよい。メモリ１００２は、本開示の一実施の形態に係るＩＤ判定方法を実施するために実行可能なプログラム（プログラムコード）、ソフトウェアモジュールなどを保存することができる。
【0088】
ストレージ１００３は、コンピュータ読み取り可能な記録媒体であり、例えば、ＣＤ－ＲＯＭ（Compact Disc ＲＯＭ）などの光ディスク、ハードディスクドライブ、フレキシブルディスク、光磁気ディスク(例えば、コンパクトディスク、デジタル多用途ディスク、Ｂｌｕ－ｒａｙ（登録商標）ディスク)、スマートカード、フラッシュメモリ(例えば、カード、スティック、キードライブ)、フロッピー（登録商標）ディスク、磁気ストリップなどの少なくとも１つによって構成されてもよい。ストレージ１００３は、補助記憶装置と呼ばれてもよい。上述の記憶媒体は、例えば、メモリ１００２及びストレージ１００３の少なくとも一方を含むデータベース、サーバその他の適切な媒体であってもよい。
【0089】
通信装置１００４は、有線ネットワーク及び無線ネットワークの少なくとも一方を介してコンピュータ間の通信を行うためのハードウェア（送受信デバイス）であり、例えばネットワークデバイス、ネットワークコントローラ、ネットワークカード、通信モジュールなどともいう。通信装置１００４は、例えば周波数分割複信（ＦＤＤ：Frequency Division Duplex）及び時分割複信（ＴＤＤ：Time Division Duplex）の少なくとも一方を実現するために、高周波スイッチ、デュプレクサ、フィルタ、周波数シンセサイザなどを含んで構成されてもよい。例えば、各データベースを通信接続するにあたっては、通信装置１００４によって実現されてもよい。この通信装置１００４は、物理的に、または論理的に分離された実装がなされてもよい。
【0090】
入力装置１００５は、外部からの入力を受け付ける入力デバイス（例えば、キーボード、マウス、マイクロフォン、スイッチ、ボタン、センサなど）である。出力装置１００６は、外部への出力を実施する出力デバイス（例えば、ディスプレイ、スピーカー、LEDランプなど）である。なお、入力装置１００５及び出力装置１００６は、一体となった構成（例えば、タッチパネル）であってもよい。
【0091】
また、プロセッサ１００１、メモリ１００２などの各装置は、情報を通信するためのバス１００７によって接続される。バス１００７は、単一のバスを用いて構成されてもよいし、装置間ごとに異なるバスを用いて構成されてもよい。
【0092】
情報の通知は、本開示において説明した態様／実施形態に限られず、他の方法を用いて行われてもよい。例えば、情報の通知は、物理レイヤシグナリング（例えば、ＤＣＩ（Downlink Control Information）、ＵＣＩ（Uplink Control Information））、上位レイヤシグナリング（例えば、ＲＲＣ（Radio Resource Control）シグナリング、ＭＡＣ（Medium Access Control）シグナリング、報知情報（ＭＩＢ（Master Information Block）、ＳＩＢ（System Information Block）））、その他の信号又はこれらの組み合わせによって実施されてもよい。また、ＲＲＣシグナリングは、ＲＲＣメッセージと呼ばれてもよく、例えば、ＲＲＣ接続セットアップ（RRC Connection Setup）メッセージ、ＲＲＣ接続再構成（RRC Connection Reconfiguration）メッセージなどであってもよい。
【0093】
本開示において説明した各態様／実施形態の処理手順、シーケンス、フローチャートなどは、矛盾の無い限り、順序を入れ替えてもよい。例えば、本開示において説明した方法については、例示的な順序を用いて様々なステップの要素を提示しており、提示した特定の順序に限定されない。
【0094】
入出力された情報等は特定の場所（例えば、メモリ）に保存されてもよいし、管理テーブルを用いて管理してもよい。入出力される情報等は、上書き、更新、又は追記され得る。出力された情報等は削除されてもよい。入力された情報等は他の装置へ送信されてもよい。
【0095】
判定は、１ビットで表される値（０か１か）によって行われてもよいし、真偽値（Boolean：true又はfalse）によって行われてもよいし、数値の比較（例えば、所定の値との比較）によって行われてもよい。
【0096】
本開示において説明した各態様／実施形態は単独で用いてもよいし、組み合わせて用いてもよいし、実行に伴って切り替えて用いてもよい。また、所定の情報の通知（例えば、「Ｘであること」の通知）は、明示的に行うものに限られず、暗黙的（例えば、当該所定の情報の通知を行わない）ことによって行われてもよい。
【0097】
以上、本開示について詳細に説明したが、当業者にとっては、本開示が本開示中に説明した実施形態に限定されるものではないということは明らかである。本開示は、請求の範囲の記載により定まる本開示の趣旨及び範囲を逸脱することなく修正及び変更態様として実施することができる。したがって、本開示の記載は、例示説明を目的とするものであり、本開示に対して何ら制限的な意味を有するものではない。
【0098】
ソフトウェアは、ソフトウェア、ファームウェア、ミドルウェア、マイクロコード、ハードウェア記述言語と呼ばれるか、他の名称で呼ばれるかを問わず、命令、命令セット、コード、コードセグメント、プログラムコード、プログラム、サブプログラム、ソフトウェアモジュール、アプリケーション、ソフトウェアアプリケーション、ソフトウェアパッケージ、ルーチン、サブルーチン、オブジェクト、実行可能ファイル、実行スレッド、手順、機能などを意味するよう広く解釈されるべきである。
【0099】
また、ソフトウェア、命令、情報などは、伝送媒体を介して送受信されてもよい。例えば、ソフトウェアが、有線技術（同軸ケーブル、光ファイバケーブル、ツイストペア、デジタル加入者回線（ＤＳＬ：Digital Subscriber Line）など）及び無線技術（赤外線、マイクロ波など）の少なくとも一方を使用してウェブサイト、サーバ、又は他のリモートソースから送信される場合、これらの有線技術及び無線技術の少なくとも一方は、伝送媒体の定義内に含まれる。
【0100】
本開示において説明した情報、信号などは、様々な異なる技術のいずれかを使用して表されてもよい。例えば、上記の説明全体に渡って言及され得るデータ、命令、コマンド、情報、信号、ビット、シンボル、チップなどは、電圧、電流、電磁波、磁界若しくは磁性粒子、光場若しくは光子、又はこれらの任意の組み合わせによって表されてもよい。
【0101】
なお、本開示において説明した用語及び本開示の理解に必要な用語については、同一の又は類似する意味を有する用語と置き換えてもよい。
【0102】
また、本開示において説明した情報、パラメータなどは、絶対値を用いて表されてもよいし、所定の値からの相対値を用いて表されてもよいし、対応する別の情報を用いて表されてもよい。例えば、無線リソースはインデックスによって指示されるものであってもよい。
【0103】
上述したパラメータに使用する名称はいかなる点においても限定的な名称ではない。さらに、これらのパラメータを使用する数式等は、本開示で明示的に開示したものと異なる場合もある。
【0104】
本開示においては、「移動局（ＭＳ：Mobile Station）」、「ユーザ端末（user terminal）」、「ユーザ装置（ＵＥ：User Equipment）」、「端末」などの用語は、互換的に使用され得る。
【0105】
移動局は、当業者によって、加入者局、モバイルユニット、加入者ユニット、ワイヤレスユニット、リモートユニット、モバイルデバイス、ワイヤレスデバイス、ワイヤレス通信デバイス、リモートデバイス、モバイル加入者局、アクセス端末、モバイル端末、ワイヤレス端末、リモート端末、ハンドセット、ユーザエージェント、モバイルクライアント、クライアント、又はいくつかの他の適切な用語で呼ばれる場合もある。
【0106】
本開示で使用する「判断(determining)」、「決定(determining)」という用語は、多種多様な動作を包含する場合がある。「判断」、「決定」は、例えば、判定(judging)、計算(calculating)、算出(computing)、処理(processing)、導出(deriving)、調査(investigating)、探索(looking up、search、inquiry)（例えば、テーブル、データベース又は別のデータ構造での探索）、確認(ascertaining)した事を「判断」「決定」したとみなす事などを含み得る。また、「判断」、「決定」は、受信(receiving)（例えば、情報を受信すること）、送信(transmitting)(例えば、情報を送信すること)、入力(input)、出力(output)、アクセス(accessing)（例えば、メモリ中のデータにアクセスすること）した事を「判断」「決定」したとみなす事などを含み得る。また、「判断」、「決定」は、解決(resolving)、選択(selecting)、選定(choosing)、確立(establishing)、比較(comparing)などした事を「判断」「決定」したとみなす事を含み得る。つまり、「判断」「決定」は、何らかの動作を「判断」「決定」したとみなす事を含み得る。また、「判断（決定）」は、「想定する（assuming）」、「期待する（expecting）」、「みなす（considering）」などで読み替えられてもよい。
【0107】
「接続された(connected)」、「結合された(coupled)」という用語、又はこれらのあらゆる変形は、２又はそれ以上の要素間の直接的又は間接的なあらゆる接続又は結合を意味し、互いに「接続」又は「結合」された２つの要素間に１又はそれ以上の中間要素が存在することを含むことができる。要素間の結合又は接続は、物理的なものであっても、論理的なものであっても、或いはこれらの組み合わせであってもよい。例えば、「接続」は「アクセス」で読み替えられてもよい。本開示で使用する場合、２つの要素は、１又はそれ以上の電線、ケーブル及びプリント電気接続の少なくとも一つを用いて、並びにいくつかの非限定的かつ非包括的な例として、無線周波数領域、マイクロ波領域及び光（可視及び不可視の両方）領域の波長を有する電磁エネルギーなどを用いて、互いに「接続」又は「結合」されると考えることができる。
【0108】
本開示において使用する「に基づいて」という記載は、別段に明記されていない限り、「のみに基づいて」を意味しない。言い換えれば、「に基づいて」という記載は、「のみに基づいて」と「に少なくとも基づいて」の両方を意味する。
【0109】
本開示において使用する「第１の」、「第２の」などの呼称を使用した要素へのいかなる参照も、それらの要素の量又は順序を全般的に限定しない。これらの呼称は、２つ以上の要素間を区別する便利な方法として本開示において使用され得る。したがって、第１及び第２の要素への参照は、２つの要素のみが採用され得ること、又は何らかの形で第１の要素が第２の要素に先行しなければならないことを意味しない。
【0110】
本開示において、「含む（include）」、「含んでいる（including）」及びそれらの変形が使用されている場合、これらの用語は、用語「備える（comprising）」と同様に、包括的であることが意図される。さらに、本開示において使用されている用語「又は（or）」は、排他的論理和ではないことが意図される。
【0111】
本開示において、例えば、英語でのa, an及びtheのように、翻訳により冠詞が追加された場合、本開示は、これらの冠詞の後に続く名詞が複数形であることを含んでもよい。
【0112】
本開示において、「ＡとＢが異なる」という用語は、「ＡとＢが互いに異なる」ことを意味してもよい。なお、当該用語は、「ＡとＢがそれぞれＣと異なる」ことを意味してもよい。「離れる」、「結合される」などの用語も、「異なる」と同様に解釈されてもよい。
【符号の説明】
【0113】
１００…ＩＤ判定装置、１０１…行動ベクトル生成部、１０２…位置ベクトル生成部、１０３…類似度行列生成部、１０４…ＩＤ判定部、１０５…類似度行列更新部、１０６…滞在時間計算部、１０７…学習用ベクトル生成部、１０８…閾値学習部。
【図1】
【図2】
【図3】
【図4】
【図5】
【図6】
【図7】
【図8】
【図9】