特許 7552443 情報処理方法、プログラム、および情報処理装置

(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】2024-09-09

(45)【発行日】2024-09-18

(54)【発明の名称】情報処理方法、プログラム、および情報処理装置

(51)【国際特許分類】

   H04L 67/1396 20220101AFI20240910BHJP

   G06Q 10/04 20230101ALI20240910BHJP

【ＦＩ】

H04L67/1396

G06Q10/04

【請求項の数】 18

(21)【出願番号】P 2021034367

(22)【出願日】2021-03-04

(65)【公開番号】P2022134888

(43)【公開日】2022-09-15

【審査請求日】2023-06-27

(73)【特許権者】

【識別番号】000001270

【氏名又は名称】コニカミノルタ株式会社

(74)【代理人】

【識別番号】110001195

【氏名又は名称】弁理士法人深見特許事務所

(72)【発明者】

【氏名】田島 宏樹

【審査官】前田 健人

(56)【参考文献】

【文献】特開２００９－０２０６７２（ＪＰ，Ａ）

【文献】特開２０１１－１７５００６（ＪＰ，Ａ）

【文献】特開２０１７－０７３０６２（ＪＰ，Ａ）

【文献】特開２０１６－０９５５８２（ＪＰ，Ａ）

【文献】特開２００４－１７１４４４（ＪＰ，Ａ）

【文献】特開２０２０－１２３０２８（ＪＰ，Ａ）

【文献】衣笠 雄気 YUKI KINUGASA，センサ情報から得られる個人の行動履歴を用いた近未来の忙しさ予測 Busyness Forecast at Near Future That Uses Behavior of Individual Obtained from Sensor，情報処理学会研究報告 平成２２年度 ５ ［ＣＤ－ＲＯＭ］ ，日本，一般社団法人情報処理学会，2011年02月15日，Vol.2011-GN-78, No.7

【文献】吉澤 政洋 Masahiro YOSHIZAWA，知識共有への抵抗感を低減する相互支援システムの実装および評価 Implementation and Evaluation of Manual Assistance System to Alleviate Employee's Unwillingness to Share their Knowledge，電気学会研究会資料 The Papers of Technical Meeting on Information Oriented Industrial System,IEE Japan，日本，社団法人電気学会 The Institute of Electrical Engineers of Japan，2009年07月30日，pp.11-16

【文献】伊勢崎 隆司 Takashi ISEZAKI，情報提示に対するＱｏＥ向上のための情報提示モデルの検討 A Study on Information Presentation Model for QoE Improvement，電子情報通信学会技術研究報告 Ｖｏｌ．１１４ Ｎｏ．５００ IEICE Technical Report，日本，一般社団法人電子情報通信学会 The Institute of Electronics,Information and Communication Engineers，2015年02月26日，第114巻，pp.185-190

(58)【調査した分野】(Int.Cl.，ＤＢ名)

Ｈ０４Ｌ ６７／００－６７／７５

Ｈ０４Ｌ ５１／０４－５１／０４６

Ｇ０６Ｑ １０／０４－１０／０４７

(57)【特許請求の範囲】

【請求項1】

コンピューターによって実行される情報処理方法であって、
ユーザーの行動を規定する行動情報を取得するステップを含み、前記ユーザーは、忙しさの予測対象であり、
行動情報に対応する忙しさの指標の予測値を特定するためのモジュールにアクセスするステップをさらに含み、前記忙しさの指標は、前記行動情報に対応するタイミングにおける忙しさを規定し、
前記モジュールへの前記ユーザーの行動情報の適用の結果として、前記ユーザーの行動情報に対応する、前記ユーザーの忙しさの指標の予測値を取得するステップと、
取得された前記忙しさの指標の予測値を出力するステップと、をさらに含み、
前記忙しさの指標の予測値を取得するステップは、前記ユーザーに向けて送信されるメッセージの入力のために操作される情報処理装置において所与の条件が成立したことに応じて実行され、
前記所与の条件は、前記情報処理装置において、前記ユーザーに向けて送信されるメッセージの入力操作が検出されたことを含む、情報処理方法。

【請求項2】

コンピューターによって実行される情報処理方法であって、
ユーザーの行動を規定する行動情報を取得するステップを含み、前記ユーザーは、忙しさの予測対象であり、
行動情報に対応する忙しさの指標の予測値を特定するためのモジュールにアクセスするステップをさらに含み、前記忙しさの指標は、前記行動情報に対応するタイミングにおける忙しさを規定し、
前記モジュールへの前記ユーザーの行動情報の適用の結果として、前記ユーザーの行動情報に対応する、前記ユーザーの忙しさの指標の予測値を取得するステップと、
取得された前記忙しさの指標の予測値を出力するステップと、
作成中の前記ユーザーに向けたメッセージについて予定されている送信元に関する情報を取得するステップと、をさらに含み、
前記モジュールは、行動情報に加えて送信元に関する情報にさらに対応する、忙しさの指標の予測値を特定し、
前記忙しさの指標の予測値を取得するステップは、前記ユーザーの行動情報および前記送信元に関する情報に対応する、前記ユーザーの忙しさの指標の予測値を取得することを含む、情報処理方法。

【請求項3】

前記モジュールは、行動情報を入力されることに応じて忙しさの指標の予測値を推定結果として出力するように訓練された予測モデルを含む、請求項１または請求項２に記載の情報処理方法。

【請求項4】

前記モジュールは、行動情報と忙しさの指標の予測値とを互いに関連付ける情報を含む、請求項１～請求項３のいずれか１項に記載の情報処理方法。

【請求項5】

前記ユーザーの識別情報を取得するステップをさらに含み、
前記モジュールは、行動情報に加えて識別情報に対応する、忙しさの指標の予測値を特定し、
前記忙しさの指標の予測値を取得するステップは、前記ユーザーの行動情報および前記ユーザーの識別情報に対応する、前記ユーザーの忙しさの指標の予測値を取得することを含む、請求項１～請求項４のいずれか１項に記載の情報処理方法。

【請求項6】

前記忙しさの指標の予測値を出力するステップは、前記忙しさの指標の予測値を、忙しさの程度を表す文字列、色、および、アバターの表情、ならびに、前記ユーザーが前記メッセージの受信から返信までに要する時間の予測値、のうち少なくとも１つとして表示することを含む、請求項１～請求項５のいずれか１項に記載の情報処理方法。

【請求項7】

コンピューターによって実行される、ユーザーの忙しさの指標の予測値を出力する予測モデルを訓練するための情報処理方法であって、
忙しさの指標に対応付けされた行動情報を含む学習用データセットを取得するステップを含み、前記忙しさの指標は、前記行動情報によって規定される行動に対応するタイミングにおける忙しさを規定し、
前記学習用データセットの前記行動情報が前記予測モデルに入力されることによって出力される予測結果が、前記学習用データセットの前記忙しさの指標に近づくように、前記予測モデルの機械学習を実行するステップをさらに含み、
前記忙しさの指標は、メッセージの受信から当該メッセージへの返信までの時間を含み、
前記学習用データセットは、前記忙しさの指標に対応付けされた、メッセージの送信元に関する情報をさらに含み、
前記予測モデルの機械学習を実行するステップは、前記学習用データセットの前記行動情報と前記送信元に関する情報とが前記予測モデルに入力されることによって出力される忙しさの指標の予測値が、前記学習用データセットの前記忙しさの指標に近づくように、前記予測モデルの機械学習を実行することを含む、情報処理方法。

【請求項8】

前記学習用データセットは、前記忙しさの指標に対応付けされた識別情報をさらに含み、
前記識別情報は、各ユーザーを識別し、
前記予測モデルの機械学習を実行するステップは、前記学習用データセットの前記行動情報が前記予測モデルに入力されることによって出力される忙しさの指標の予測値が、前記学習用データセットの前記忙しさの指標に近づくように、前記予測モデルの機械学習を実行することを含む、請求項７に記載の情報処理方法。

【請求項9】

前記送信元に関する情報は、前記送信元および前記送信元の属性のうち少なくとも１つを含む、請求項２または請求項７に記載の情報処理方法。

【請求項10】

前記忙しさの指標は、メッセージの受信から返信までの時間を表す、請求項１～請求項９のいずれか１項に記載の情報処理方法。

【請求項11】

前記行動情報は、前記ユーザーによるデバイスの操作態様に基づく、請求項１～請求項１０のいずれか１項に記載の情報処理方法。

【請求項12】

前記デバイスは、キーボードを含み、
前記行動情報は、キーボードにおける単位時間あたりのタイプ数を含む、請求項１１に記載の情報処理方法。

【請求項13】

前記デバイスは、ポインティングデバイスを含み、
前記行動情報は、ポインティングデバイスによるポインターの単位時間あたりの移動距離を含む、請求項１１または請求項１２に記載の情報処理方法。

【請求項14】

前記行動情報は、センサーによって検出される前記ユーザーの状態に基づく、請求項１～請求項１３のいずれか１項に記載の情報処理方法。

【請求項15】

前記センサーは、視線センサーを含み、
前記行動情報は、前記ユーザーが前記コンピューターのディスプレイに視線を向けているか否か、および、前記ユーザーが前記コンピューターのディスプレイに視線を向けている単位時間あたりの時間、のうち少なくとも１つを含む、請求項１４に記載の情報処理方法。

【請求項16】

前記行動情報は、コラボレーションツールにおける、前記ユーザーの参加または不参加を表す情報を含む、請求項１～請求項１５のいずれか１項に記載の情報処理方法。

【請求項17】

コンピューターのプロセッサーによって実行されることにより、前記コンピューターに、請求項１～請求項１６のいずれか１項に記載の情報処理方法を実施させる、プログラム。

【請求項18】

請求項１７に記載のプログラムを格納するメモリーと、
前記メモリーに格納されたプログラムを実行するプロセッサーとを備える、情報処理装置。

【発明の詳細な説明】

【技術分野】

【0001】

本開示は、情報処理方法、プログラム、および情報処理装置に関し、特に、ユーザーの忙しさの度合いに関する情報を提供するための情報処理方法、プログラム、および情報処理装置に関する。

【背景技術】

【0002】

近年、ソーシャルネットワーク上などの、ネットワークを介したユーザー同士の交流が盛んになっている。このような傾向は、リモートワークの浸透によって加速している。

【0003】

ネットワーク上では、ユーザーの状態は、他のユーザーに直接見える状況は少ない。このような特性から、ネットワーク上のユーザーとの交流（チャットでの質問など）に適したタイミングを判断するための技術が求められている。

【0004】

特開２００７－４７８１号公報（特許文献１）は、ユーザーへのメール通知のタイミングを制御する技術を開示している。当該技術において、情報通知装置は、時間帯とユーザーの場所との組合せ毎に、ユーザーがメール受信から所与の時間内にメールに反応するか否かに基づいた反応確率（反応履歴）を算出し、そして、当該反応確率、ならびに、現在の時刻およびユーザーの現在の場所に基づいて、当該ユーザーに対してメールを通知するか否かを決定する。

【先行技術文献】

【特許文献】

【0005】

【文献】特開２００７－４７８１号公報

【発明の概要】

【発明が解決しようとする課題】

【0006】

特許文献１に開示された技術は、メールの通知対象のユーザーに適したタイミングで当該ユーザー宛のメールを通知するとしても、専ら当該ユーザーへのサービスの提供に利用されるのであって、当該ユーザーの忙しさを予測するための情報を他のユーザーに提供するものではない。

【0007】

本開示は、係る実情に鑑み考え出されたものであり、その目的は、あるユーザーの忙しさを他のユーザーがリアルタイムで予測するための技術を提供することである。

【課題を解決するための手段】

【0008】

本開示のある局面に従うと、コンピューターによって実行される情報処理方法が提供される。情報処理方法は、ユーザーの行動を規定する行動情報を取得するステップを含み、ユーザーは、忙しさの予測対象であり、行動情報に対応する忙しさの指標の予測値を特定するためのモジュールにアクセスするステップをさらに含み、忙しさの指標は、行動情報に対応するタイミングにおける忙しさを規定し、モジュールへのユーザーの行動情報の適用の結果として、ユーザーの行動情報に対応する、ユーザーの忙しさの指標の予測値を取得するステップと、取得された忙しさの指標の予測値を出力するステップと、をさらに含む。

【0009】

好ましくは、モジュールは、行動情報を入力されることに応じて忙しさの指標の予測値を推定結果として出力するように訓練された予測モデルを含む。

【0010】

好ましくは、モジュールは、行動情報と忙しさの指標の予測値とを互いに関連付ける情報を含む。

【0011】

好ましくは、忙しさの指標の予測値を取得するステップは、ユーザーに向けて送信されるメッセージの入力のために操作される情報処理装置において所与の条件が成立したことに応じて実行され、所与の条件は、情報処理装置において、ユーザーに向けて送信されるメッセージの入力操作が検出されたことを含む。

【0012】

好ましくは、情報処理方法は、ユーザーの識別情報を取得するステップをさらに含み、モジュールは、行動情報に加えて識別情報に対応する、忙しさの指標の予測値を特定し、忙しさの指標の予測値を取得するステップは、ユーザーの行動情報およびユーザーの識別情報に対応する、ユーザーの忙しさの指標の予測値を取得することを含む。

【0013】

好ましくは、情報処理装置は、作成中のユーザーに向けたメッセージについて予定されている送信元に関する情報を取得するステップをさらに実行させ、モジュールは、行動情報に加えて送信元に関する情報にさらに対応する、忙しさの指標の予測値を特定し、忙しさの指標の予測値を取得するステップは、ユーザーの行動情報および送信元に関する情報に対応する、ユーザーの忙しさの指標の予測値を取得することを含む。

【0014】

好ましくは、忙しさの指標の予測値を出力するステップは、忙しさの指標の予測値を、忙しさの程度を表す文字列、色、および、アバターの表情、ならびに、ユーザーがメッセージの受信から返信までに要する時間の予測値、のうち少なくとも１つとして表示することを含む。

【0015】

本開示の他の局面に従うと、コンピューターによって実行される、ユーザーの忙しさの指標の予測値を出力する予測モデルを訓練するための情報処理方法が提供される。情報処理方法は、忙しさの指標に対応付けされた行動情報を含む学習用データセットを取得するステップを含み、忙しさの指標は、行動情報によって規定される行動に対応するタイミングにおける忙しさを規定し、学習用データセットの行動情報が予測モデルに入力されることによって出力される予測結果が、学習用データセットの忙しさの指標に近づくように、予測モデルの機械学習を実行するステップをさらに含む。

【0016】

好ましくは、学習用データセットは、忙しさの指標に対応付けされた識別情報をさらに含み、識別情報は、各ユーザーを識別し、予測モデルの機械学習を実行するステップは、学習用データセットの行動情報および識別情報が予測モデルに入力されることによって出力される忙しさの指標の予測値が、学習用データセットの忙しさの指標に近づくように、予測モデルの機械学習を実行することを含む。

【0017】

好ましくは、忙しさの指標は、メッセージの受信から当該メッセージへの返信までの時間を含み、学習用データセットは、忙しさの指標に対応付けされた、メッセージの送信元に関する情報をさらに含み、予測モデルの機械学習を実行するステップは、学習用データセットの行動情報と送信元に関する情報とが予測モデルに入力されることによって出力される忙しさの指標の予測値が、学習用データセットの忙しさの指標に近づくように、予測モデルの機械学習を実行することを含む。

【0018】

好ましくは、送信元に関する情報は、送信元および送信元の属性のうち少なくとも１つを含む。

【0019】

好ましくは、忙しさの指標は、メッセージの受信から返信までの時間を表す。
好ましくは、行動情報は、ユーザーによるデバイスの操作態様に基づく。

【0020】

好ましくは、デバイスは、キーボードを含み、行動情報は、キーボードにおける単位時間あたりのタイプ数を含む。

【0021】

好ましくは、デバイスは、ポインティングデバイスを含み、行動情報は、ポインティングデバイスによるポインターの単位時間あたりの移動距離を含む。

【0022】

好ましくは、行動情報は、センサーによって検出されるユーザーの状態に基づく。
好ましくは、センサーは、視線センサーを含み、行動情報は、ユーザーがコンピューターのディスプレイに視線を向けているか否か、および、ユーザーがコンピューターのディスプレイに視線を向けている単位時間あたりの時間、のうち少なくとも１つを含む。

【0023】

好ましくは、行動情報は、コラボレーションツールにおける、ユーザーの参加または不参加を表す情報を含む。

【0024】

本開示のさらに他の局面に従うと、コンピューターのプロセッサーによって実行されることにより、コンピューターに、上記情報処理方法を実施させるプログラムが提供される。

【0025】

本開示のさらに他の局面に従うと、上記プログラムを格納するメモリーと、メモリーに格納されたプログラムを実行するプロセッサーとを備える、情報処理装置が提供される。

【発明の効果】

【0026】

本開示によれば、ユーザーの行動を規定する行動情報に対応するタイミングにおける、当該ユーザーの忙しさを規定する指標（忙しさの指標）の予測値が取得される。これにより、あるユーザーのある時点の忙しさの指標の予測値が、その時点の当該ユーザーの行動情報に基づいて取得され、他のユーザーに提供され得る。

【図面の簡単な説明】

【0027】

【図1】忙しさの指標の予測値の表示の一例を示す図である。

【図2】情報処理装置１００のハードウェア構成を示す図である。

【図3】サーバー２００のハードウェア構成を示す図である。

【図4】情報処理装置１００においてユーザーの忙しさの指標の予測値を表示するための情報処理システムの機能構成の一例を示す図である。

【図5】予測モデルの機械学習のための情報の流れを概略的に説明するための図である。

【図6】サーバー２００において予測モデル２１０の機械学習のために実行される処理のフローチャートである。

【図7】情報処理装置１００Ａにおける予測値の提供のために実行される処理のフローチャートである。

【発明を実施するための形態】

【0028】

以下に、図面を参照しつつ、本開示の一実施の形態について説明する。以下の説明では、同一の部品および構成要素には同一の符号を付してある。それらの名称および機能も同じである。したがって、これらの説明は繰り返さない。

【0029】

［１．予測値の表示例］
図１は、情報処理装置によって表示される、忙しさの指標の予測値の表示の一例を示す図である。

【0030】

図１の画面１０は、２件のメッセージ１１，１２、および、メッセージ編集欄１３を含む。メッセージ１１，１２のそれぞれは、チャットツールのあるスレッドに投稿されたメッセージである。メッセージ編集欄１３は、メッセージ１２に返信するメッセージの入力を開始する操作（たとえば、メッセージ１２に関連して表示される「返信」ボタンのクリック）が行われたことにより表示され、入力欄１３Ａと、送信ボタン１３Ｂと、表示欄１３Ｃとを含む。すなわち、メッセージ編集欄１３は、メッセージ１２を投稿したユーザー（図１の例では、「Ken」と称される）に送信されるメッセージを編集するために表示される。表示欄１３Ｃは、文字列「Kenの予測レスポンス時間：４５分」を含む。

【0031】

文字列「Kenの予測レスポンス時間：４５分」の中の「４５分」は、ユーザー「Ken」について取得された、忙しさの指標の予測値を表す。当該予測値は、予測対象のユーザーが現時点でメッセージを受信してから当該メッセージに返信するまでに要する時間の予測値を表す。

【0032】

情報処理装置は、予測値の表示として、予測値の数値そのものを表示する必要はない。情報処理装置は、予測値の代わりに、または、予測値とともに、予測値から取得される忙しさの程度を表す情報（文字列、色、アバターの表情、など）を表示してもよい。

【0033】

忙しさの程度は、たとえば、予め定められた閾値によって予測値を分類する２以上のグループのうち、上記ユーザーの予測値が分類されるグループを特定することによって特定される。一例では、予測値は、以下のグループ（１）～（４）に分類され得る。グループ（１）が最も忙しい状態に対応し、グループ（２）はグループ（１）の次に忙しい状態に対応し、グループ（３）はグループ（２）の次に忙しい状態に対応し、グループ（１）は最も忙しくない状態に対応する。

【0034】

・グループ（１）：２時間以上
・グループ（２）：３０分以上２時間未満
・グループ（３）：５分以上３０分未満
・グループ（４）：５分未満
たとえば、情報処理装置は、忙しさの程度を文字列で表現する場合、予測値がグループ（１）に分類される場合には「非常に忙しい」を、予測値がグループ（２）に分類される場合には「忙しい」を、予測値がグループ（３）に分類される場合には「少し忙しい」を、そして、予測値がグループ（４）に分類される場合には「通常」を、表示してもよい。

【0035】

情報処理装置は、忙しさの程度を色で表現する場合、予測値が分類されるグループが対応する時間が長いほど、濃い色で情報（たとえば、予測値そのものでもよいし、円などの図形であってもよい）を表示してもよい。

【0036】

情報処理装置は、忙しさの程度をアバターの表情で表現する場合、予測値がグループ（１）に分類される場合には「激しく泣く」表情で、予測値がグループ（２）に分類される場合には「泣く」表情（「激しく泣く」表情よりも穏やかな表情）を、予測値がグループ（３）に分類される場合には「汗をかいている」表情を、そして、予測値がグループ（４）に分類される場合には「笑顔」の表情を、表示してもよい。

【0037】

情報処理装置は、忙しさの程度の予測値の表示を、チャットツールでのメッセージ作成以外にも、ショートメッセージサービス、電子メール、ウェブメール、または、ソーシャルネットワーキングサービスなどの、他の形態のツールでのメッセージ作成において実行してもよい。

【0038】

図１の例では、既に表示されているメッセージ（メッセージ１２）に対して返信するメッセージの入力において、予測値が表示されている。なお、情報処理装置は、新たに作成するメッセージの入力において、予測値を表示してもよい。このときに表示される予測値は、新たに作成されるメッセージにおいて送信先に指定されたユーザーについての予測値である。

【0039】

［２．ハードウェア構成］
本実施の形態では、情報処理装置は、サーバーと協働することによって、予測値を表示する。以下に、情報処理装置とサーバーのそれぞれのハードウェア構成を説明する。

【0040】

（情報処理装置）
図２は、情報処理装置１００のハードウェア構成を示す図である。情報処理装置１００は、スマートフォンなどの携帯端末であってもよいし、パーソナルコンピューターなどの備え付けの端末であってもよい。

【0041】

図２に示されるように、情報処理装置１００は、ＣＰＵ（Central Processing Unit）１０１、ＲＡＭ（Random Access Memory）１０２、ストレージ１０３、ディスプレイ１０４、キーボード１０５、マウス１０６、ＮＩＣ（Network Interface Card）１０７、および、カメラ１０８を含む。図２に示された各要素は、内部バスによって互いに接続されている。

【0042】

ＣＰＵ１０１は、情報処理装置１００の動作を制御する。ＲＡＭ１０２は、ＣＰＵ１０１における処理実行時のワークエリアとして機能する。ストレージ１０３は、ＣＰＵ１０１が実行する各種のプログラムおよびプログラムの実行に利用されるデータを格納する不揮発性記憶装置である。ストレージ１０３は、たとえば、フラッシュＥＥＰＲＯＭ（Electrically Erasable Programmable Read-Only Memory）、フラッシュＲＯＭ（Read Only Memory）、ＨＤＤ（Hard Disk Drive）、および／または、ＳＳＤ（Solid State Drive）によって実現される。

【0043】

本開示にかかるプログラムは、コンピューターのオペレーティングシステム（ＯＳ）の一部として提供されるプログラムモジュールのうち、必要なモジュールを所定の配列で所定のタイミングで呼出して処理を実行させるものであってもよい。その場合、プログラム自体には上記モジュールが含まれずＯＳと協働して処理が実行される。上記モジュールを含まないプログラムも、本開示にかかるプログラムに含まれ得る。

【0044】

本開示にかかるプログラムは他のプログラムの一部に組込まれて提供されるものであってもよい。その場合にも、プログラム自体には上記他のプログラムに含まれるモジュールが含まれず、他のプログラムと協働して処理が実行される。このような他のプログラムに組込まれたプログラムも、本開示にかかるプログラムに含まれ得る。

【0045】

提供されるプログラム製品は、ハードディスクなどのプログラム格納部にインストールされて実行される。プログラム製品は、プログラム自体と、プログラムが記録された記録媒体とを含む。

【0046】

ディスプレイ１０４は、「情報処理装置１００のディスプレイ」の一例であり、ＣＰＵ１０１によって実行されるプログラムの処理結果を示す画像を表示する。情報処理装置１００は、情報処理装置１００の外部のディスプレイに上記画像を表示させてもよい。この場合、当該外部のディスプレイが「情報処理装置１００のディスプレイ」の他の例である。

【0047】

キーボード１０５は、１以上のキーを有するハードウェア資源によって実現される。情報処理装置１００は、キーボード１０５として、ハードウェア資源の代わりに、または、ハードウェア資源に加えて、ソフトウェアキーボードを実現する要素を含んでいても良い。

【0048】

マウス１０６は、ポインティングデバイスの一例である。情報処理装置１００では、マウス１０６が操作されることにより、ディスプレイに表示される画面におけるポインターが移動され得る。

【0049】

ＮＩＣ１０７は、情報処理装置１００をネットワークを介して他の装置（後述する、サーバー２００等）と通信させる通信インターフェースである。

【0050】

（サーバー）
図３は、サーバー２００のハードウェア構成を示す図である。サーバー２００は、たとえば汎用のコンピューターによって実現される。

【0051】

図３に示されるように、サーバー２００は、ＣＰＵ２０１、ＲＡＭ２０２、ストレージ２０３、ディスプレイ２０４、入力装置２０５、および、ＮＩＣ２０７を含む。図３に示された各要素は、内部バスによって互いに接続されている。

【0052】

ＣＰＵ２０１は、サーバー２００の動作を制御する。ＲＡＭ２０２は、ＣＰＵ２０１における処理実行時のワークエリアとして機能する。ストレージ２０３は、ＣＰＵ２０１が実行する各種のプログラムおよびプログラムの実行に利用されるデータを格納する不揮発性記憶装置である。

【0053】

ディスプレイ２０４は、液晶ディスプレイ等の表示装置によって実現される。入力装置２０５は、キーボードおよび／またはマウスなどの汎用の入力装置によって実現される。ＮＩＣ２０７は、サーバー２００をネットワークを介して他の装置（情報処理装置１００等）と通信させる通信インターフェースである。

【0054】

［３．機能構成］
図４は、情報処理装置１００においてユーザーの忙しさの指標の予測値を表示するための情報処理システムの機能構成の一例を示す図である。図４に示された情報処理システムは、情報処理装置１００Ａと、情報処理装置１００Ｂと、サーバー２００とを含む。情報処理装置１００Ａおよび情報処理装置１００Ｂのそれぞれは、図２に示された情報処理装置１００によって実現され得る。

【0055】

情報処理装置１００Ａと情報処理装置１００Ｂとは、チャットツールを介して、互いにメッセージを送受信する。サーバー２００は、情報処理装置１００Ａおよび情報処理装置１００Ｂに、上記予測値などの情報を提供する。以下、それぞれの機能構成を説明する。

【0056】

（情報処理装置１００）
情報処理装置１００（情報処理装置１００Ａおよび情報処理装置１００Ｂのそれぞれ）は、その機能として、忙しさ予測部１１０、チャットツール１５０、および、コラボレーションツール１６０を含む。忙しさ予測部１１０は、忙しさの指標の予測値を表示するための種々の機能を含み、たとえば、ＣＰＵ１０１が所与のプログラムを実行することによって実現される。忙しさ予測部１１０の詳細な機能は後述される。

【0057】

チャットツール１５０は、チャットツールを利用したメッセージの送受信のための機能を有し、たとえば、ＣＰＵ１０１がチャットツール用のアプリケーションプログラムを実行することによって実現される。コラボレーションツール１６０は、ウェブ会議システムなどのコラボレーションツールを利用したコミュニケーションのための機能を有し、たとえば、ＣＰＵ１０１がコラボレーションアプリケーション用のプログラムを実行することによって実現される。プログラムは、情報処理装置１００にインストールされていてもよいし、情報処理装置１００とは異なる装置にインストールされていてもよい。

【0058】

忙しさ予測部１１０は、チャットツール１５０におけるメッセージの送受信を検出する。また、忙しさ予測部１１０は、その機能として、行動情報取得部１２０、レスポンス時間検出部１３０、および、予測レスポンス時間表示部１４０を含む。

【0059】

行動情報取得部１２０は、キーボード１０５等のデバイスから操作情報を取得することにより、情報処理装置１００のユーザーの行動情報（ユーザーの行動を規定する情報）を生成する。より具体的には、行動情報取得部１２０では、検出部１２１は、キーボード１０５から取得した操作情報を利用して、単位時間あたりの、ユーザーによるキーボード１０５のタイプ数を生成する。検出部１２２は、マウス１０６から取得した操作情報を利用して、単位時間あたりの、ユーザーがマウス１０６を利用してポインターを移動させた距離を生成する。「情報処理装置１００のユーザー」とは、たとえば、情報処理装置１００の利用のために、情報処理装置１００において実行される少なくとも１つのアプリケーションプログラムに対してログインしているユーザーである。

【0060】

行動情報取得部１２０は、カメラ１０８等のセンサーによって検出されるユーザーの状態を取得することにより、情報処理装置１００のユーザーの行動情報（ユーザーの行動を規定する情報）を生成する。より具体的には、行動情報取得部１２０では、検出部１２３は、カメラ１０８からの画像を利用して、ユーザーの視線が向けられた位置と特定し、これにより、現時点でユーザーがディスプレイ１０４に視線を向けているか否か、および／または、単位時間あたりの、ユーザーがディスプレイ１０４に視線を向けていた時間、を示す情報を生成する。この意味において、検出部１２３を構成するプログラム要素（ソフトウェア要素）は、視線センサーの一例である。なお、視線センサーは、独立したハードウェア要素によって実現されてもよく、または、ハードウェア要素とソフトウェア要素との協働によって実現されてもよい。

【0061】

また、行動情報取得部１２０では、検出部１２４は、コラボレーションツール１６０におけるユーザーのログイン状態（ログインしているか、ログアウトしているか、等）を取得し、これにより、コラボレーションツールにおけるユーザーの参加または不参加を表す情報を生成する。

【0062】

以上より、検出部１２１～１２４では、以下にＡ１～Ａ５で示される５種類の情報が生成され得る。これらの５種類のそれぞれは、行動情報の一例である。

【0063】

Ａ１：単位時間あたりの、ユーザーによるキーボード１０５のタイプ数
Ａ２：単位時間あたりの、ユーザーがマウス１０６を利用してポインターを移動させた距離
Ａ３：ユーザーがディスプレイ１０４に視線を向けているか否か
Ａ４：単位時間あたりの、ユーザーがディスプレイ１０４に視線を向けていた時間
Ａ５：コラボレーションツールにおけるユーザーの参加（または不参加）
上記５種類のうち、Ａ１、Ａ２、およびＡ４は、一定時間ごとに算出され、算出された最新の値が、忙しさの指標の予測値の取得に利用され得る。たとえば、Ａ１について、情報処理装置１００は、１０秒ごとに、最新の１０秒間にキーボード１０５において検出されたタイピング操作の数を利用して「単位時間あたりの、ユーザーによるキーボード１０５のタイプ数」を生成してもよい。そして、情報処理装置１００は、最新の「単位時間あたりの、ユーザーによるキーボード１０５のタイプ数」を、上記予測値の取得に利用してもよい。

【0064】

レスポンス時間検出部１３０は、情報処理装置１００において、ユーザーがチャットツール１５０でメッセージを受信してから当該メッセージへの返信を送信するまでの時間を表す情報（レスポンス時間）を生成する。

【0065】

ユーザーは、忙しいときには、メッセージを受信してから当該メッセージへの返信を送信するまでに長時間を要し、さほど忙しくないときには、当該メッセージへの返信を送信するまでにさほど時間を要しない、ということが想定される。この意味において、レスポンス時間（メッセージの受信から返信までの時間）は、ユーザーの忙しさの指標の一例と言える。

【0066】

ユーザーは、忙しいときには、受信したメッセージへの返信が短く（返信に含まれる内容が少ない）なり、さほど忙しくないときには、当該メッセージへの返信の内容を長く（返信に含まれる内容が多い）することができる、ということが想定される。この意味において、返信メッセージの長さは、ユーザーの忙しさの指標の他の例と言える。

【0067】

予測レスポンス時間表示部１４０は、情報処理装置１００が取得した忙しさの指標の予測値を出力する機能を有する。一例では、忙しさ予測部１１０は、チャットツール用のアプリケーションのプラグインとして実現されてもよく、予測レスポンス時間表示部１４０は、チャットツール１５０に忙しさの指標の予測値を出力してもよい。この場合、チャットツール１５０は、図２に表示欄１３Ｃとして示されたように、ディスプレイ１０４に予測値を表示する。

【0068】

（サーバー２００）
サーバー２００は、その機能として、予測モデル２１０、学習エンジン２２０、および、分析エンジン２３０を含む。

【0069】

予測モデル２１０は、ユーザーの行動情報の入力に応じて、当該行動情報に対応するタイミングでの、忙しさの指標の予測値を出力する。予測モデル２１０は、ＣＰＵ２０１によって実行される（所与のアルゴリズムに従った機械学習モデルを実現するための）プログラム、および、当該プログラムに適用されるパラメータを含む。当該プログラムおよびプログラムは、ストレージ２０３に格納されていてもよいし、ＣＰＵ２０１がアクセス可能なサーバー２００外の記憶装置に格納されていてもよい。

【0070】

学習エンジン２２０は、学習用データセットを利用し、機械学習アルゴリズムに従って、予測モデル２１０の機械学習処理を実行する。これにより、予測モデル２１０は更新され得る。学習エンジン２２０は、たとえば、ＣＰＵ２０１が所与のプログラムを実行することによって実現される。

【0071】

分析エンジン２３０は、ユーザーの行動情報を予測モデル２１０に適用することにより、当該行動情報に対応するタイミングでの、忙しさの指標の予測値を取得する。分析エンジン２３０は、たとえば、ＣＰＵ２０１が所与のプログラムを実行することによって実現される。

【0072】

［４．予測値の取得の概略］
図４を参照して、情報処理装置１００による予測値の取得態様の一例を説明する。この説明では、情報処理装置１００Ａにおいて、情報処理装置１００Ｂのユーザーに向けたメッセージの入力操作がなされている場面を想定する。

【0073】

情報処理装置１００Ａでは、忙しさ予測部１１０は、チャットツール１５０の状態を監視し、メッセージを入力する操作がなされた場合であって、当該メッセージの送信先が選択されている場合、サーバー２００に向けて、当該送信先であるユーザーについて、忙しさの指標の予測値の要求を送信する（予測値要求）。一例では、当該要求は、送信先であるユーザー（情報処理装置１００Ｂのユーザー）の識別情報を含んでいてもよい。

【0074】

サーバー２００の分析エンジン２３０は、情報処理装置１００Ａからの予測値要求に応じて、情報処理装置１００Ｂから、上記ユーザーの行動情報を取得する。サーバー２００には、上記ユーザーの識別情報と情報処理装置１００Ｂとを関連付ける情報が格納されていてもよく、分析エンジン２３０は、当該情報を参照することによって、上記識別情報に対応する装置として情報処理装置１００Ｂを特定し、情報処理装置１００Ｂに行動情報を要求してもよい。情報処理装置１００Ｂは、サーバー２００からの要求に応じて、サーバー２００に向けて行動情報を送信してもよい。

【0075】

送信される行動情報は、たとえば、上記Ａ１～Ａ５のうち１種類以上を含む。
分析エンジン２３０は、行動情報を取得すると、当該行動情報を予測モデル２１０に適用することにより、忙しさの指標の予測値を取得する。

【0076】

一例では、「単位時間あたりの、ユーザーによるキーボード１０５のタイプ数」が大きいほど、予測結果である忙しさの指標の予測値は、ユーザーがより忙しいこと（たとえば、より長いレスポンス時間）を表す。

【0077】

一例では、「単位時間あたりの、ユーザーがマウス１０６を利用してポインターを移動させた距離」が長いほど、予測結果である忙しさの指標の予測値は、ユーザーがより忙しいことを表す。

【0078】

一例では、「ユーザーがディスプレイ１０４に視線を向けているか否か」について、「ディスプレイ１０４に視線を向けている」場合には、「ディスプレイ１０４に視線を向けている」場合よりも、予測結果である忙しさの指標の予測値は、ユーザーがより忙しいことを表す。

【0079】

一例では、「単位時間あたりの、ユーザーがディスプレイ１０４に視線を向けていた時間」が長いほど、予測結果である忙しさの指標の予測値は、ユーザーがより忙しいことを表す。

【0080】

一例では、「コラボレーションツールにおけるユーザーの参加（または不参加）」について、「不参加」の場合よりも「参加」の場合の方が、予測結果である忙しさの指標の予測値は、ユーザーがより忙しいことを表す。一方、ユーザーは、忙しさを理由にコラボレーションツールに参加出来ない場合もあり得る。したがって、「参加」の場合よりも「不参加」の場合の方が、予測結果である忙しさの指標の予測値が、ユーザーがより忙しいことを表す場合もあり得る。

【0081】

そして、分析エンジン２３０は、上記のように取得された忙しさの指標の予測値を、情報処理装置１００Ａに向けて送信する。

【0082】

情報処理装置１００Ａでは、分析エンジン２３０から送信された忙しさの指標の予測値を、予測レスポンス時間表示部１４０が出力する。

【0083】

図１を参照して説明された例では、忙しさの予測対象は、情報処理装置１００Ａにおいて作成中のメッセージの送信先（情報処理装置１００Ｂのユーザー）である。なお、忙しさの予測対象は１人に限定されない。たとえば、情報処理装置１００Ａは、メッセージの入力において、送信先の候補のリストをプルダウンメニューで表示するときに、当該リスト中の送信先のそれぞれについて、忙しさの指標の予測値を取得して表示してもよい。

【0084】

分析エンジン２３０は、情報処理装置１００Ａからの予測値要求に応じて、予測対象のユーザーの行動情報を取得し、当該行動情報を予測モデル２１０に適用して、当該予測対象のユーザーについての忙しさの指標の予測値を取得する。なお、予測値の取得は、予測値要求をトリガーとする必要はない。分析エンジン２３０は、たとえば一定時間ごとに、１以上のユーザーのそれぞれの行動情報を取得し、そして、１以上のユーザーのそれぞれについて、忙しさの指標の予測値を取得してもよい。

【0085】

［５．予測モデルの機械学習の概略］
図５は、予測モデルの機械学習のための情報の流れを概略的に説明するための図である。図５には、図４に示されたのと同じ機能構成が示されている。

【0086】

情報処理装置１００（情報処理装置１００Ａおよび情報処理装置１００Ｂのそれぞれ）は、学習用データセットを生成し、生成した学習用データセットをサーバー２００に提供する。情報処理装置１００における学習用データセットの生成は、図６を参照して後述される。

【0087】

サーバー２００の学習エンジン２２０は、提供された学習用データセットを利用して、予測モデル２１０の機械学習を実行する。

【0088】

情報処理装置１００からサーバー２００への学習用データセットの提供は、情報処理装置１００において返信メッセージが送信されるたびに実施されてもよいし、情報処理装置１００において所与の数の学習用データセットを生成した時点で実施されてもよいし、一定の期間の経過ごとに実施されてもよい。

【0089】

［６．処理の流れ（予測モデルの最適化）］
図６は、サーバー２００において予測モデル２１０の機械学習のために実行される処理のフローチャートである。以下、図６に示された情報処理装置１００およびサーバー２００のそれぞれの処理の内容を説明する。

【0090】

情報処理装置１００は、ステップＳ１００にて、チャットツール１５０でメッセージを受信したか否かを判断する。

【0091】

情報処理装置１００は、ステップＳ１０２にて、その時点での「行動情報」を、所与の記憶領域（たとえば、ストレージ１０３内）に格納する。行動情報とは、たとえば上記Ａ１～Ａ５の中の１種類以上の情報である。

【0092】

情報処理装置１００は、ステップＳ１０４にて、タイマーを開始する。
情報処理装置１００は、ステップＳ１０６にて、ステップＳ１００において受信したと判断したメッセージの返信が送信されたか否かを判断する。情報処理装置１００は、返信が送信されたと判断するまで、たとえば一定時間ごとにステップＳ１０６の制御を繰り返し（ステップＳ１０６にてＮＯ）、返信が送信されたと判断すると（ステップＳ１０６にてＹＥＳ）、ステップＳ１０８へ制御を進める。

【0093】

情報処理装置１００は、ステップＳ１０８にて、ステップＳ１０２にて開始させたタイマーを終了させる。

【0094】

情報処理装置１００は、ステップＳ１１０にて、ステップＳ１０４にて開始させてからステップＳ１０８にて終了させるまでのタイマーの計時時間を、「レスポンス時間」として取得し、当該「レスポンス時間」を所与の記憶領域に格納する。

【0095】

情報処理装置１００は、ステップＳ１１２にて、ステップＳ１０２にて格納した「行動情報」を、ステップＳ１１０にて格納した「レスポンス時間」でラベル付けすることによって、学習用データセットを生成し、当該学習用データセットをサーバー２００へ送信する。本明細書では、「ラベル付け」は、２種類以上のデータ同士の「対応付け」の一例を意味する。その後、情報処理装置１００は、ステップＳ１００へ制御を戻す。

【0096】

サーバー２００では、情報処理装置１００から学習用データセットを受信したことに応じて、図６に示された処理が開始される。図６におけるサーバー２００の処理は、たとえば、学習エンジン２２０の機能として実現される。

【0097】

サーバー２００は、ステップＳ２００にて、情報処理装置１００から送信される学習用データセットを受信する。

【0098】

サーバー２００は、ステップＳ２０２にて、ステップＳ２００にて受信した学習用データセットを利用して、予測モデル２１０の機械学習を実行し、これにより、予測モデル２１０（のパラメータ）を更新する。すなわち、学習用データセットの行動情報が予測モデル２１０に入力されることによって出力される予測結果が学習用データセットの「レスポンス時間」（忙しさの指標）に近づくように、予測モデル２１０が更新される。その後、サーバー２００は、ステップＳ２００へ制御を戻す。

【0099】

［７．処理の流れ（予測値の提供）］
図７は、情報処理装置１００Ａにおける予測値の提供のために実行される処理のフローチャートである。図７の例では、情報処理装置１００Ｂのユーザーに送信するメッセージを作成する情報処理装置１００Ａのユーザーに向けて、予測値が提供される。以下、図７に示された、情報処理装置１００Ａ、サーバー２００、および、情報処理装置１００Ｂのそれぞれの処理の内容を説明する。

【0100】

情報処理装置１００Ａは、ステップＳ１２０にて、情報処理装置１００Ｂのユーザーに送信するメッセージを作成する操作がなされたか否かを判断する。操作の一例は、メッセージの宛先として情報処理装置１００Ｂのユーザーを指定する情報を入力する操作であってもよいし、情報処理装置１００Ｂのユーザーからのメッセージに対する返信を指定する操作（返信ボタンのクリック）であってもよい。情報処理装置１００Ａは、上記操作がなされたと判断するまではたとえば一定時間ごとにステップＳ１２０の制御を繰り返し（ステップＳ１２０にてＮＯ）、上記操作がなされたと判断すると（ステップＳ１２０にてＹＥＳ）、ステップＳ１２２へ制御を進める。

【0101】

情報処理装置１００Ａは、ステップＳ１２２にて、情報処理装置１００Ｂのユーザーに関する予測値要求を、サーバー２００に向けて送信する。

【0102】

図７におけるサーバー２００の処理は、たとえば、分析エンジン２３０の機能として実現される。

【0103】

サーバー２００は、ステップＳ２２０にて、情報処理装置１００Ａからの予測値要求を取得し、ステップＳ２２２にて、情報処理装置１００Ｂのユーザーの行動情報の要求を情報処理装置１００Ｂに向けて送信する。

【0104】

情報処理装置１００Ｂは、ステップＳ１３０にて、サーバー２００からの要求を取得し、ステップＳ１３２にて、情報処理装置１００Ｂのユーザーの行動情報を生成し、ステップＳ１３４にて、生成された行動情報をサーバー２００に向けて送信する。

【0105】

サーバー２００は、ステップＳ２２４にて、情報処理装置１００Ｂからの行動情報を取得し、ステップＳ２２６にて、予測モデル２１０に当該行動情報を適用することにより、当該行動情報に対応する予測値（たとえば、レスポンス時間）を取得する。取得された予測値は、情報処理装置１００Ｂに関する予測値である。そして、サーバー２００は、ステップＳ２２８にて、当該予測値を情報処理装置１００Ａに向けて送信する。

【0106】

情報処理装置１００Ａは、ステップＳ１２４にて、サーバー２００から送信された、情報処理装置１００Ｂに関する予測値を取得する。そして、情報処理装置１００Ａは、ステップＳ１２６にて、取得した予測値を表示する。

【0107】

［８．変形例］
上述の実施の形態において想定される変形例の一部を、以下に説明する。

【0108】

（１）モジュールの形態
図４等に示された例では、予測モデル２１０が、予測値の取得に利用されるモジュールの一例として説明された。なお、予測値の取得に利用されるのは、機械学習モデルである必要はない。すなわち、「忙しさの指標」の予測値と「行動情報」とを関連付ける関連情報（テーブル等）が情報処理装置１００のストレージ１０３に格納されていてもよく、情報処理装置１００は、予測値取得用のモジュールとして当該関連情報を利用してもよい。より具体的には、情報処理装置１００は、当該関連情報を参照することによって、予測対象のユーザーの行動情報に対応する予測値を取得してもよい。

【0109】

（２）忙しさの指標の予測値を取得するために利用される情報
上述の実施の形態では、忙しさの指標の予測値を取得するために、行動情報が利用されていた。すなわち、予測モデル２１０の機械学習に利用される学習用データセットは、行動情報が忙しさの指標でラベル付けされることによって生成され、そして、予測モデル２１０に行動情報が提供されることにより忙しさの指標の予測値が取得された。

【0110】

この点について、忙しさの指標の予測値を取得するために、行動情報の他に、レスポンス時間の生成に利用されるメッセージの送信元に関する情報が利用されてもよい。

【0111】

より具体的には、予測モデル２１０の機械学習に利用される学習要求データセットは、行動情報に加えて、メッセージの送信元に関する情報が、忙しさの指標でラベル付けされることによって生成されてもよい。さらに具体的には、情報処理装置１００は、図６のステップＳ１０２において、行動情報に加えて、ステップＳ１００において受信したと判断されたメッセージの送信元に関する情報を、所与の記憶領域に格納してもよい。そして、情報処理装置１００は、図６のステップＳ１１２において、ステップＳ１０２において格納された行動情報とメッセージの送信元に関する情報とを、レスポンス時間（忙しさの指標）でラベル付けすることによって学習用データセットを生成してもよい。

【0112】

メッセージの送信元に関する情報は、送信元のユーザーそのものを識別する情報であってもよいし、送信元のユーザーの属性（組織における役職、性別、使用言語、年齢、など）であってもよいし、これらの組み合わせであってもよい。情報処理装置１００には、チャットツール１５０に関連するデータとして、各ユーザーの属性が登録されていてもよい。情報処理装置１００は、ステップＳ１０２にて、当該データを参照することにより、送信元の属性を取得してもよい。

【0113】

また、情報処理装置１００は、予測値を取得するために、メッセージの送信先となるユーザーの行動情報に加えて、メッセージの送信元となるユーザーに関する情報を予測モデル２１０に適用することによって、予測値を取得してもよい。

【0114】

予測用のモジュールとして上述の関連情報が利用される場合には、関連情報は、忙しさの指標の予測値を、送信先となるユーザーに関する情報と行動情報とに関連付けて格納していてもよい。情報処理装置１００は、関連情報を参照することにより、送信先となるユーザーに関する情報および行動情報に対応する予測値を取得してもいお。

【0115】

（３）ユーザーごとのモジュール
予測値の取得に利用されるモジュールは、ユーザーごとに設定されてもよい。

【0116】

たとえば、学習用データセットには、忙しさの指標だけでなくユーザーの識別情報によってもラベル付けされていてもよく、予測モデル２１０は、識別情報ごとに生成および機械学習されてもよい。また、上述の関連情報は、識別情報ごとに準備されていてもよい。

【0117】

（４）ハードウェア資源における機能の配置
以上説明された本実施の形態では、サーバー２００が、予測モデル２１０、学習エンジン２２０、および、分析エンジン２３０を含む。

【0118】

一方、各情報処理装置１００は、分析エンジン２３０を含んでいてもよい。たとえば、各情報処理装置１００では、分析エンジン２３０用のアプリケーションプログラムがインストールされていてもよく、ＣＰＵ１０１が当該アプリケーションプログラムを実行することによって、分析エンジン２３０が実現されてもよい。

【0119】

各情報処理装置１００は、学習エンジン２２０および予測モデル２１０を含んでいてもよい。たとえば、各情報処理装置１００では、学習エンジン２２０用のアプリケーションプログラムがインストールされていてもよく、ＣＰＵ１０１が当該アプリケーションプログラムを実行することによって、学習エンジン２２０が実現されてもよい。また、各情報処理装置１００では、予測モデル２１０を実現するためのプログラムがインストールされ、そして、予測モデル２１０を規定するパラメーターが格納されていてもよい。ＣＰＵ１０１が当該パラメーターを利用して当該プログラムを実行することによてい、予測モデル２１０が実現されてもよい。この場合、定期的に、および／または、所与の条件（ユーザーまたはシステム管理者による指示など）が成立したときに、複数の情報処理装置１００の間で、予測モデル２１０に利用されるパラメーターを整合させるための処理（ある情報処理装置１００から他の情報処理装置１００へのパラメーターの通知、など）が実行されてもよい。

【0120】

（５）行動情報に対応するタイミング
以上説明した「予測値」は、当該「予測値」の取得に利用される「行動情報」と同じタイミングに対応している。すなわち、予測値取得用のモジュールは、ある時点の「行動情報」を入力されると、ユーザーがその時点でメッセージを受信した場合に受信から返信までに要する時間の予測値を出力する。

【0121】

なお、「予測値」は、当該「予測値」の取得に利用される「行動情報」とは異なるタイミングに対応していてもよい。すなわち、予測値取得用のモジュールは、ある時点の「行動情報」を入力されると、ユーザーがその時点から一定時間後（たとえば、１分後）にメッセージを受信した場合に受信から返信までに要する時間の予測値を出力してもよい。予測値取得用のモジュールが機械学習モデルによって実現される場合、当該機械学習モデルの機械学習に利用される学習用データセットでは、所与のタイミングの行動情報が、当該所与のタイミングから一定時間後に受信されたメッセージについての「忙しさの指標」によってラベル付けされていてもよい。

【0122】

情報処理システムでは、「予測値」として、上記２種類の予測値（行動情報と同じタイミングに対応する予測値、および、行動情報から一定時間後に対応する予測値）の双方が提供されてもよい。これにより、双方の予測値を見た者は、あるユーザーにメッセージを送信しようとしたときに、その時点で送信した方が良いのか、一定時間後に送信した方が良いのかを判断し得る。

【0123】

たとえば、「行動情報と同じタイミングに対応する予測値」の方が「行動情報から一定時間後に対応する予測値」よりも、ユーザーがより忙しいことを示す場合、双方の予測値を見た者は、当該ユーザーへのメッセージの送信を一定時間後に延期することによって、メッセージの送信タイミングを、ユーザーにおいてより忙しさの度合いが低いタイミングへと調整し得る。

【0124】

（６）予測値が出力されるタイミング
情報処理装置１００は、当該情報処理装置１００においてあるユーザーに向けたメッセージの作成中に、当該ユーザーの忙しさの指標の予測値を取得して表示する。予測値の取得および表示のタイミングは、メッセージの作成を開始したとき（たとえば、チャットシステムにおいてあるユーザーからのメッセージに関する「返信ボタン」を送信したとき）であってもよいし、メッセージを構成するテキストの入力を開始したときであってもよいし、メッセージの送信先として上記あるユーザーが指定されたとき（電子メールにおいてメッセージの送信先に上記ユーザーのアドレスを入力または選択したとき）であってもよい。また、情報処理装置１００は、上記ユーザーに向けたメッセージの作成中、一定時間ごとに予測値を取得し、予測値の表示を更新してもよい。

【0125】

今回開示された各実施の形態は全ての点で例示であって制限的なものではないと考えられるべきである。本発明の範囲は上記した説明ではなくて特許請求の範囲によって示され、特許請求の範囲と均等の意味および範囲内での全ての変更が含まれることが意図される。また、実施の形態および各変形例において説明された発明は、可能な限り、単独でも、組合わせても、実施することが意図される。

【符号の説明】

【0126】

１０ 画面、１１，１２ メッセージ、１３ メッセージ編集欄、１３Ａ 入力欄、１３Ｂ 送信ボタン、１３Ｃ 表示欄、１００，１００Ａ，１００Ｂ 情報処理装置、１０２，２０２ ＲＡＭ、１０３，２０３ ストレージ、１０４，２０４ ディスプレイ、１０５ キーボード、１０６ マウス、１０８ カメラ、１１０ 忙しさ予測部、１２０ 行動情報取得部、１２１～１２４ 検出部、１３０ レスポンス時間検出部、１４０ 予測レスポンス時間表示部、１５０ チャットツール、１６０ コラボレーションツール、２００ サーバー、２０５ 入力装置、２１０ 予測モデル、２２０ 学習エンジン、２３０ 分析エンジン。

【図1】

【図2】

【図3】

【図4】

【図5】

【図6】

【図7】