特許ウォッチ

公開番号2025153307
公報種別公開特許公報(A)
公開日2025-10-10
出願番号2024055712
出願日2024-03-29
発明の名称情報処理プログラム、情報処理方法および情報処理装置
出願人富士通株式会社
代理人個人
主分類G06Q 50/10 20120101AFI20251002BHJP(計算;計数)
要約【課題】行動要因の推定精度を向上させることができること。
【解決手段】情報処理装置100は、学習訓練時、複数の人物各々の行動の計画を示す行動計画に基づいて複数の人物各々の行動に関する特徴量を示す行動特徴を生成する(S1201)。生成した行動特徴の特徴量と、複数の人物各々の行動要因に関する正解の情報とを用いて、対象者の行動要因を推定する機械学習モデルを訓練する。対象者の行動要因推定時、訓練した機械学習モデルに対象者の行動に関する行動計画の計画データ111を入力し、対象者の行動要因を推定する(S1202)。生成した行動特徴を用いた訓練により、行動計画に人物の内面状態である行動要因以外の要因に起因した行動計画が含まれていても行動要因の推定精度の低下を抑制する。推定した行動要因は度合い(高低)を有し、推定した行動要因の度合いに応じて、対象者に適切な行動変容を働きかける(S1203)。
【選択図】図12
特許請求の範囲【請求項１】
複数の人物各々の行動の計画を示す行動計画を取得し、
取得した前記行動計画に基づいて前記複数の人物各々の行動に関する特徴量を示す行動特徴を生成し、
生成した前記行動特徴の前記特徴量と、前記複数の人物各々の行動要因に関する正解の情報とを用いて、対象者の行動要因を推定する機械学習モデルを訓練する、
処理をコンピュータに実行させることを特徴とする情報処理プログラム。
続きを表示（約 1,400 文字）【請求項２】
複数の人物各々の行動の計画を示す行動計画に基づいて生成された前記複数の人物各々の行動に関する特徴量を示す行動特徴の前記特徴量と、前記複数の人物各々の行動要因に関する正解の情報とを用いて訓練された機械学習モデルに、
対象者の行動に関する行動計画を入力し、
前記対象者の行動要因を推定する、
処理をコンピュータに実行させることを特徴とする情報処理プログラム。
【請求項３】
前記生成する処理は、
取得した前記行動計画に含まれる行動毎の負荷をラベル付けし、
ラベル付けした前記行動計画に基づいて前記複数の人物各々の行動に関する特徴量を示す行動特徴を生成する処理である、
ことを特徴とする請求項１に記載の情報処理プログラム。
【請求項４】
前記生成する処理は、所定期間分の前記行動計画と、前記行動計画に対する前記対象者の実施結果とに基づいて、前記行動特徴を生成する処理である、
ことを特徴とする請求項１に記載の情報処理プログラム。
【請求項５】
所定期間分の前記行動計画と、前記行動計画に対する前記対象者の実施結果との差分に基づいて前記行動特徴の特徴量を補正する処理を含み、
前記訓練する処理は、補正した前記行動特徴と、前記正解の情報とを用いて、前記機械学習モデルを訓練する処理である、
ことを特徴とする請求項１に記載の情報処理プログラム。
【請求項６】
前記行動特徴の特徴量は、前記行動計画に含まれる値と、前記実施結果に含まれる値とに基づくベクトルで表される特徴量である、
ことを特徴とする請求項１に記載の情報処理プログラム。
【請求項７】
前記推定する処理は、前記対象者の行動要因の度合いを推定し、
推定された行動要因の度合いに基づいて、前記対象者に適切な行動変容を提示する処理、
を含むことを特徴とする請求項２に記載の情報処理プログラム。
【請求項８】
複数の人物各々の行動の計画を示す行動計画を取得し、
取得した前記行動計画に基づいて前記複数の人物各々の行動に関する特徴量を示す行動特徴を生成し、
生成した前記行動特徴の前記特徴量と、前記複数の人物各々の行動要因に関する正解の情報とを用いて、対象者の行動要因を推定する機械学習モデルを訓練する、
処理をコンピュータが実行することを特徴とする情報処理方法。
【請求項９】
複数の人物各々の行動の計画を示す行動計画に基づいて生成された前記複数の人物各々の行動に関する特徴量を示す行動特徴の前記特徴量と、前記複数の人物各々の行動要因に関する正解の情報とを用いて訓練された機械学習モデルに、
対象者の行動に関する行動計画を入力し、
前記対象者の行動要因を推定する、
処理をコンピュータが実行することを特徴とする情報処理方法。
【請求項１０】
複数の人物各々の行動の計画を示す行動計画を取得し、
取得した前記行動計画に基づいて前記複数の人物各々の行動に関する特徴量を示す行動特徴を生成し、
生成した前記行動特徴の前記特徴量と、前記複数の人物各々の行動要因に関する正解の情報とを用いて、対象者の行動要因を推定する機械学習モデルを訓練する、
制御部を備えたことを特徴とする情報処理装置。
（【請求項１１】以降は省略されています）
発明の詳細な説明【技術分野】
【０００１】
本発明は、情報処理プログラム、情報処理方法および情報処理装置に関する。
続きを表示（約 1,900 文字）【背景技術】
【０００２】
対象となる人物である対象者の行動に関する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。行動要因は、対象者が第一歩の行動を踏み出し易くしたり、その行動を継続したいと感じる対象者のモチベーション、自己効力感等の心理的（内面的）な特性に相当する。行動要因の推定により、対象者に適切な行動変容を促し、健康運動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。複数の人物の行動データと行動要因の関係を機械学習し、モデルを作成することで、作成したモデルを用いて対象者の新たな行動の行動要因が推定可能となる。
【０００３】
先行技術としては、例えば、予め決められたスポーツ等の活動イベントと、活動イベントを行った場合の運動量の情報に基づき、ユーザが選択したイベントでの運動量と目標実現の状態を表示し、リハビリ計画を支援するものがある。また、身体活動能力の質問表に対する回答と服薬の情報、心肺機能の分類結果、運動テスト結果等に基づいて、肉体的な負担をかけない目標の心拍数、頻度となる運動プランを立案するものがある。また、ユーザの志向および嗜好と年齢性別等の基本属性を行動要因とし、不特定ユーザの嗜好のアンケートと、購買やサイト閲覧、移動データ等の一連の行動データの相関関係を学習することで、新規ユーザの購買行動をさせるための要因を推定するものがある（例えば、下記特許文献１～３参照。）。
【先行技術文献】
【特許文献】
【０００４】
特開２０２０－１４９３２１号公報
特開２０２３－１５９５５３号公報
特開２０２３－９７４９６号公報
【発明の概要】
【発明が解決しようとする課題】
【０００５】
しかしながら、訓練に用いる行動データに行動要因以外の要因に起因した行動のデータが含まれると、機械学習モデルの推定精度が低下する場合がある。
【０００６】
一つの側面では、本発明は、行動要因の推定精度を向上させることができることを目的とする。
【課題を解決するための手段】
【０００７】
一つの実施態様によれば、複数の人物各々の行動の計画を示す行動計画を取得し、取得した前記行動計画に基づいて前記複数の人物各々の行動に関する特徴量を示す行動特徴を生成し、生成した前記行動特徴の前記特徴量と、前記複数の人物各々の行動要因に関する正解の情報とを用いて、対象者の行動要因を推定する機械学習モデルを訓練する、情報処理プログラム、情報処理方法および情報処理装置が提案される。
【発明の効果】
【０００８】
一態様によれば、行動要因の推定精度を向上させることができる。
【図面の簡単な説明】
【０００９】
図１は、実施の形態にかかる情報処理の一実施例を示す説明図である。
図２は、従来技術による行動要因推定の説明図である。
図３は、運動ログデータに基づき対象者の行動データから行動要因を推定する説明図である。
図４は、実施の形態において推定する行動要因の例を示す図表である。
図５は、行動要因を推定するモデルの学習時に正解データとなる心理アンケートの質問例を示す図表である。
図６は、運動タスクリストの情報例を示す図表である。
図７は、行動特徴群リストの情報例を示す図表である。
図８は、運動タスクのログデータに基づき行動特徴を数値化する説明図である。
図９は、情報処理装置のハードウェア構成例を示すブロック図である。
図１０は、情報処理装置のモデル学習時の処理例を示すフローチャートである。
図１１は、情報処理装置の行動要因推定時の処理例を示すフローチャートである。
図１２は、本発明にかかる行動要因の推定、および推定した対象者の行動要因に対応した働きかけの説明図である。
図１３は、本発明にかかる推定した対象者の行動要因に対応した働きかけの説明図である。
【発明を実施するための形態】
【００１０】
以下に、図面を参照して、本発明にかかる情報処理プログラム、情報処理方法および情報処理装置の実施の形態を詳細に説明する。
（【００１１】以降は省略されています）

関連特許