特許ウォッチ

公開番号2024175618
公報種別公開特許公報(A)
公開日2024-12-18
出願番号2023093563
出願日2023-06-06
発明の名称行動要因推定方法および行動要因推定プログラム
出願人富士通株式会社
代理人個人
主分類G06Q 10/0639 20230101AFI20241211BHJP(計算;計数)
要約【課題】対象者の行動の行動要因を正しく推定できること。
【解決手段】行動要因推定装置100は、行動要因推定のモデルを用いて、対象者の行動の行動要因を推定する。行動要因推定装置100は、新たに推定する対象者の行動および業務状況に対応する行動および業務状況の学習データが、モデルが今までに学習を行った際に用いた学習データに含まれているか否かを、例えば、推定可否判定用設定Hを参照して判定する。行動要因推定装置100は、判定結果に基づいて、モデルを用いて対象者の行動の行動要因の推定が可能か否かを可否判定する。判定結果は、例えば、(1)モデルの再学習なしで推定可能、(2)モデルの再学習が有効な可能性あり、(3)誤判定リスク高、の3通りが得られる。
【選択図】図1
特許請求の範囲【請求項１】
行動要因推定モデルを用いて、対象者の行動の行動要因を推定する行動要因推定方法において、
新たに推定する前記対象者の行動および業務状況に対応する行動および業務状況の学習データが、前記行動要因推定モデルが今までに学習を行った際に用いた学習データに含まれているか否かを判定し、
判定結果に基づいて、前記行動要因推定モデルを用いて前記対象者の行動の行動要因の推定が可能な否かを可否判定する、
処理をコンピュータが実行することを特徴とする行動要因推定方法。
続きを表示（約 1,600 文字）【請求項２】
前記可否判定の処理は、
推定時の前記対象者の行動と前記学習データに含まれる行動について閾値を用いた高低いずれかの類似状態、および推定時の前記対象者の業務状況と前記学習データに含まれる業務状況との類似状態の組み合わせに基づき、
前記推定時の前記対象者の行動と前記学習データに含まれる行動とが類似し、推定時の前記対象者の業務状況と前記学習データに含まれる業務状況とが類似する場合、前記行動要因推定モデルを用いた前記対象者の行動の行動要因の推定が可能と第１判定し、
推定時の前記対象者の業務状況と前記学習データに含まれる業務状況とが類似しない場合、推定時の前記対象者の行動と前記学習データに含まれる行動との類似に関わりなく、前記行動要因推定モデルの再学習により前記対象者の行動の行動要因の推定の可能性があると第２判定し、
推定時の前記対象者の行動と前記学習データに含まれる行動とが類似せず、推定時の前記対象者の業務状況と前記学習データに含まれる業務状況とが類似する場合、前記行動要因推定モデルを用いた前記対象者の行動の行動要因の推定では誤判定リスクが高いと第３判定する、
ことを特徴とする請求項１に記載の行動要因推定方法。
【請求項３】
前記第１判定の場合、前記行動要因推定モデルに、推定時の前記対象者の行動を入力し、当該行動の行動要因を推定し、
前記第２判定の場合、再学習後の行動要因推定モデルに、推定時の前記対象者の行動を入力し、当該行動の行動要因を推定し、
前記第３判定の場合、前記行動要因推定モデルを用いた前記対象者の行動の行動要因の推定を行わない、
ことを特徴とする請求項２に記載の行動要因推定方法。
【請求項４】
前記第２判定時、当該第２判定の要因となった業務状況に対応する行動を除外する特定を行い、特定した行動以外の行動を用いた再学習を行う、
ことを特徴とする請求項２に記載の行動要因推定方法。
【請求項５】
前記除外する特定の処理は、前記行動の種別と前記業務状況の種別との組み合わせのうち前記行動要因推定モデルの学習から除外する組み合わせの設定に基づき、前記対象者の業務状況に対し除外する行動を特定する、
ことを特徴とする請求項４に記載の行動要因推定方法。
【請求項６】
前記除外する特定の処理は、前記行動の種別と前記業務状況の種別との組み合わせのうち前記行動要因モデルの学習から除外する度合いの組み合わせに設定した除外する度合いの設定に基づき、再学習した前記行動要因推定モデルおよび再学習前の行動要因推定モデルそれぞれの回帰係数を重回帰モデルにより線形結合した修正版モデルを作成し、
前記修正版モデルを用いて前記対象者の行動の行動要因を推定する、
ことを特徴とする請求項４に記載の行動要因推定方法。
【請求項７】
前記対象者の業務状況は、前記対象者の業務を記録した業務状況ログデータから所定の業務種別毎に集計した値をデータ抽出し、
前記対象者の行動は、前記業務ログデータから所定の行動特徴毎に集計した値をデータ抽出する、
ことを特徴とする請求項１に記載の行動要因推定方法。
【請求項８】
行動要因推定モデルを用いて、対象者の行動の行動要因を推定する行動要因推定プログラムにおいて、
新たに推定する前記対象者の行動および業務状況に対応する行動および業務状況の学習データが、前記行動要因推定モデルが今までに学習を行った際に用いた学習データに含まれているか否かを判定し、
判定結果に基づいて、前記行動要因推定モデルを用いて前記対象者の行動の行動要因の推定が可能な否かを可否判定する、
処理をコンピュータに実行させることを特徴とする行動要因推定プログラム。

発明の詳細な説明【技術分野】
【０００１】
本発明は、行動要因推定方法および行動要因推定プログラムに関する。
続きを表示（約 1,600 文字）【背景技術】
【０００２】
対象者の行動の経時的な変化の状態（行動変容）を決定する要因（行動要因）を推定する技術がある。行動要因の推定により、対象者に適切な行動変容を促し、業務改善する等の各種支援サービスに適用されている。対象者の行動は、例えば、対象者が携帯するスマートフォンのセンサや、ＰＣのアプリケーションの操作等により行動データとして検出可能である。複数のユーザの業務遂行時の行動データと行動要因の関係を機械学習し、行動要因推定モデル作成することで、作成した行動要因推定モデルを用いて対象者の新たな行動のデータの行動要因が推定可能となる。
【０００３】
行動要因を推定する先行技術としては、例えば、ユーザへのアンケートとシチュエーション情報による特徴量に基づいてユーザのステージを判定し、ユーザがターゲット行動を行う際に影響を及ぼす動機要因または阻害要因を判定しメッセージ送信するものがある。また、ユーザの生体データと行動データに基づく生体指標と、生体指標に影響を及ぼす行動指標の生成に基づきユーザが行動を変容する必要性を表す要求度を算出し、要求度に基づき、複数の中から決定した指導者からユーザに行動変容を促すものがある。また、ユーザの感情、行動、コンテクストの推定値に基づいてユーザの状態を判定し、ユーザへの介入について、介入のタイプ、タイミング、頻度を機械学習モデルで決定するものがある。また、利用者が入力する行動の阻害要因および行動要因と、行動データにより意図と行動の乖離のプロファイルを用いて行動の提案を行うものがある（例えば、下記特許文献１～４参照。）。
【０００４】
また、スマートフォン等のセンサ値や画面のオン／オフ等の行動データを用いて、使用者の内面状態（ストレス状態）を推定する技術がある（例えば、下記非特許文献１参照。）。
【先行技術文献】
【特許文献】
【０００５】
特開２０２１－８６２８２号公報
特開２０２０－１３２０８号公報
米国特許出願公開第２０１９／０１８９０２５号明細書
米国特許出願公開第２０１８／００８２２６１号明細書
【非特許文献】
【０００６】
落合圭一、外９名、ストレスと注意機能の相互作用を考慮したスマートフォンログからのストレス推定手法、マルチメディア，分散，協調とモバイル（ＤＩＣＯＭＯ２０１９）シンポジウム、令和元年７月
【発明の概要】
【発明が解決しようとする課題】
【０００７】
しかしながら、従来技術では、例えば、業務状況が作成した行動要因推定モデルの学習時と変わった場合の行動の行動要因を誤判定してしまう可能性があった。例えば、過去に同じ業務状況で同じ行動を行った対象者についての学習が行われていない行動要因推定モデルを用いた場合、対象者の新たな行動の行動要因を推定できない可能性が高い。
【０００８】
一つの側面では、本発明は、対象者の行動の行動要因を正しく推定できることを目的とする。
【課題を解決するための手段】
【０００９】
一つの実施態様によれば、行動要因推定モデルを用いて、対象者の行動の行動要因の推定において、新たに推定する前記対象者の行動および業務状況に対応する行動および業務状況の学習データが、前記行動要因推定モデルが今までに学習を行った際に用いた学習データに含まれているか否かを判定し、判定結果に基づいて、前記行動要因推定モデルを用いて前記対象者の行動の行動要因の推定が可能な否かを可否判定する、行動要因推定方法および行動要因推定プログラムが提案される。
【発明の効果】
【００１０】
一態様によれば、対象者の行動の行動要因を正しく推定できるようになる。
【図面の簡単な説明】
（【００１１】以降は省略されています）

関連特許