JP2018139087A - 感情推定サーバ装置、感情推定方法、提示装置及び感情推定システム - Google Patents

Abstract

【課題】より精度の高いチーム感情を算出することが可能な技術が提供されることが求められている。【解決手段】複数のユーザー間のコミュニケーション行動に対応する第１のセンサデータまたは通信履歴データに基づいて、社会関係性を示す情報を生成する社会関係性情報管理部と、前記複数のユーザーそれぞれの第２のセンサデータまたは前記第２のセンサデータに基づく情報と前記社会関係性を示す情報とに基づいて、チーム感情を推定するチーム感情推定部と、を備える、感情推定サーバが提供される。【選択図】図１

Description

本発明は、感情推定サーバ装置、感情推定方法、提示装置及び感情推定システムに関する。

従来、ある人物の行動や生理反応を、各種センサを用いて外的に計測し、得られたデータから当該人物の内的な心理状態（たとえば感情）を推定する技術が存在する。そのような感情推定技術は、たとえばサービスロボットのように対人的なサービスを提供する機械のヒューマン・マシン・インタラクションに関する性能を向上させることに用いられたり、テレワークのように物理的に離れた環境下にある相手の状況を理解することの支援に用いられたりする。

一例として、特許文献１には、カメラ、マイクロフォン、生体信号等の複数の計測指標データを用いてある人物の感情を推定する感情推定装置が提案されている。

特許文献１に記載された技術のように、「ひとりの」人物の感情（以下「個人感情」）の推定を行う技術は既存に数多く存在する。一方で、「複数の」人物の協働活動により醸成される場の感情的な雰囲気（以下「チーム感情」）を推定し、その推定情報のユーザー共有を支援するような技術は少ない。

一例として、特許文献２には、複数の個人の生体センサから受信した生体情報が特徴抽出済みの生体情報であるか否かを判断し、前記特徴抽出済みと判断された生体情報の特徴情報に基づき集団の感情情報を推定する集団感情推定装置が提案されている。

特開２０１２−５９１０７号公報 特開２０１６−７３６３号公報

あらゆる仕組みが高度に複雑化する現代社会においては、ひとりの人物の作業のみで生み出せる成果には限界があり、自ずと複数名のチームによる協働型の仕事が多くなる。前述の感情推定技術においても、個人感情だけでなく、複数の人物の協働活動により醸成されるチーム感情を推定する方法の必要性が今後高まるだろう。

そこで、より精度の高いチーム感情を推定することが可能な技術が提供されることが求められている。

上記問題を解決するために、本発明のある観点によれば、複数のユーザー間のコミュニケーション行動に対応する第１のセンサデータまたは通信履歴データに基づいて、社会関係性を示す情報を生成する社会関係性情報管理部と、前記複数のユーザーそれぞれの第２のセンサデータまたは前記第２のセンサデータに基づく情報と前記社会関係性を示す情報とに基づいて、チーム感情を推定するチーム感情推定部と、を備える、感情推定サーバが提供される。

前記感情推定サーバは、前記複数のユーザーそれぞれの第２のセンサデータに基づいて、ユーザーごとの個人感情を推定する個人感情推定部を備え、前記チーム感情推定部は、前記第２のセンサデータに基づく情報として前記個人感情を示す情報を得てもよい。

前記チーム感情推定部は、前記第２のセンサデータに基づく情報として前記複数のユーザーそれぞれの第２のセンサデータの特徴量データを得てもよい。

前記チーム感情推定部は、前記社会関係性を示す情報に基づいて重み付け係数を算出し、前記第２のセンサデータまたは前記第２のセンサデータに基づく情報と前記重み付け係数とに基づいて、前記チーム感情を推定してもよい。

前記チーム感情推定部は、前記第２のセンサデータまたは前記第２のセンサデータに基づく情報に対して、前記重み付け係数によって重み付けを行い、当該重み付けがされたデータの平均値、中央値または最頻値を前記チーム感情として算出してもよい。

前記社会関係性情報管理部は、前記第１のセンサデータまたは前記通信履歴データに基づいて、社会ネットワーク情報を生成し、前記社会ネットワーク情報に基づいて、前記社会関係性を示す情報を生成してもよい。

前記社会ネットワーク情報は、前記複数のユーザーそれぞれについて関係性を有する他のユーザーの数を示す次数を含み、前記社会関係性情報管理部は、前記次数に基づいて前記社会関係性を示す情報を生成してもよい。

前記社会ネットワーク情報は、前記複数のユーザーの二者間の関係性の強度を含み、前記社会関係性情報管理部は、前記強度に基づいて前記社会関係性を示す情報を生成してもよい。

前記社会ネットワーク情報は、前記複数のユーザーの関係性を表した社会ネットワークのクラスター係数を含み、前記社会関係性情報管理部は、前記クラスター係数に基づいて前記社会関係性を示す情報を生成してもよい。

また、本発明の他の観点によれば、複数のユーザー間のコミュニケーション行動に対応する第１のセンサデータまたは通信履歴データに基づいて、社会関係性を示す情報を生成することと、前記複数のユーザーそれぞれの第２のセンサデータまたは前記第２のセンサデータに基づく情報と前記社会関係性を示す情報とに基づいて、チーム感情を推定することと、を含む、感情推定方法が提供される。

また、本発明の他の観点によれば、複数のユーザー間のコミュニケーション行動に対応する第１のセンサデータまたは通信履歴データに基づいて生成された社会関係性を示す情報と、前記複数のユーザーそれぞれの第２のセンサデータまたは前記第２のセンサデータに基づく情報とに基づいて、推定されたチーム感情を示す情報を提示する提示部、を備える、提示装置が提供される。

前記提示部は、複数のチームそれぞれのチーム感情を示す情報を、チーム同士のつながりが強いほど近い領域に提示してもよい。

前記提示部は、前記チーム感情を示す情報と前記複数のユーザーそれぞれの個人感情とを感情のカテゴリごとに提示してもよい。

また、本発明の他の観点によれば、複数のユーザー間のコミュニケーション行動に対応する第１のセンサデータまたは通信履歴データに基づいて、社会関係性を示す情報を生成する社会関係性情報管理部と、前記複数のユーザーそれぞれの第２のセンサデータまたは前記第２のセンサデータに基づく情報と前記社会関係性を示す情報とに基づいて、チーム感情を推定するチーム感情推定部と、を備える、感情推定サーバと、前記チーム感情を示す情報を提示する提示部、を備える提示装置と、を有する、感情推定システムが提供される。

以上説明したように本発明によれば、より精度の高いチーム感情を推定することが可能な技術が提供されることが可能となる。

本実施形態に係る感情推定システムの概略的な構成の一例を示す説明図である。 同実施形態に係る感情推定サーバ、ＰＢＸ、センサ端末、情報提示端末のハードウェア構成の一例を示すブロック図である。 同実施形態に係るＰＢＸの機能構成の一例を示すブロック図である。 同実施形態に係る感情推定サーバの機能構成の一例を示すブロック図である。 同実施形態に係る情報提示端末の機能構成の一例を示すブロック図である。 抽象化された社会ネットワークの一例を示す説明図である。 抽象化された社会ネットワークの一例を示す説明図である。 抽象化された社会ネットワークの一例を示す説明図である。 ユーザー間におけるコミュニケーション行動に基づく社会関係性を示す情報の一例を示す説明図である。 ある組織における個人感情を示す情報とチーム感情を示す情報の一例を示す説明図である。 情報提示端末のアプリケーション画面の一例を示す説明図である。 同実施形態に係る感情推定システムの情報処理の概略的な流れの一例を示すフロー図である。

以下に添付図面を参照しながら、本発明の好適な実施の形態について詳細に説明する。なお、本明細書及び図面において、実質的に同一の機能構成を有する構成要素については、同一の符号を付することにより重複説明を省略する。

また、本明細書及び図面において、実質的に同一または類似の機能構成を有する複数の構成要素を、同一の符号の後に異なるアルファベットを付して区別する。ただし、実質的に同一または類似の機能構成を有する複数の構成要素の各々を特に区別する必要がない場合、同一符号のみを付する。

まず、前述の特許文献２の課題について説明する。前述の特許文献２は、個人感情から集団の感情情報を推定する方法について説明しているが、下記に述べる二点の大きな課題を有している。

一点目の課題は、特許文献２が、感情を推定する対象となる集団の構成人物をどのように規定・選定するかについての説明をまったく行っていない点である。たとえば、所属人員が数千名や数万名にも上るような巨大組織においては、同じ組織に所属しているとはいっても日常においては接点がなく名前も顔も知らない人物の数の方が顔見知りである数よりもはるかに多いであろう。そのような交流のない人物同士について集団の感情を合わせて算出したとしても、そのチーム感情を示す情報は（当該人物同士はチームではないため）ほとんど意味を持たないであろう。

二点目の課題は、特許文献２が、集団の感情を算出する際に当該集団の構成人員間の「社会関係性」を影響要素に入れた推定処理を行う旨の説明を行っていない点である。たとえば、数十から数百名にも上る関係者が同時に関わるような大きな業務プロジェクトにおいては、協働関係といっても、同じチーム内の同僚で毎日共同作業を行うような強い社会関係性もあれば、所属部署が異なり月に数える程の接点しか持たないような弱い社会関係性もあるだろう。当然、前者の強い社会関係性を持った人物同士の方が、後者の弱い社会関係性である場合よりもチーム感情において人物同士がお互いに及ぼす影響は大きくなり、チーム感情の推定においてもその影響度を大きく設定されることが推定精度の向上に寄与すると考えられる。特許文献２には、センサデータの特徴情報が抽出された時間や場所の情報を集団の感情算出の重み付けに用いる方法に関する説明はあるが、上述の社会関係性への言及やそれを推定処理に用いる旨の記載はない。

チーム感情の推定技術に関して、特許文献２が有する上記二点の課題を解決するためには、集団のチーム感情の要素となる構成人物が互いに社会関係性を有するか否か、さらに、当該社会関係性の強さ、の情報を推定システムがチーム感情の推定処理に用いる仕組みが必要である。

そこで、本発明は、個人感情に基づく「チーム感情」の推定処理に係る技術に関するものであり、チームの要素となる集団の構成人物の選定及びチーム感情算出の際の重み付けを当該構成人物間の「社会関係性」の有無及びその強さに基づいて処理することで精度の高いチーム感情を算出できる感情推定システムを実現させるものであって、さらに、当該社会関係性は、当該構成人物間で日常的に発生しているコミュニケーション行動のセンサデータやコミュニケーション支援機能サーバの通信履歴データから当該システムの「社会関係性情報管理部」が算出する「社会ネットワーク」情報のデータに基づき推定演算用のパラメータデータに変換されて当該チーム感情が推定されることを特徴とするチーム感情推定システムを提供することを目的とする。

特に、本発明は、日常のコミュニケーション行動に基づく「インフォーマル」（informal）な社会関係性を示す情報を利用する点が特徴となる。

続いて、図１を参照して、本発明の実施形態に係るチーム感情推定システム（以下「感情推定システム」）の概略的な構成を説明する。

図１は、本実施形態に係る感情推定システムの概略的な構成の一例を示す説明図である。図１を参照すると、当感情推定システムは、感情推定サーバ１００、ＰＢＸ３００、複数のユーザー９００、複数のセンサ端末２００、提示装置（以下「情報提示端末」とも言う。）４００、ＬＡＮ（Local Area Network）５０を含む。

ＰＢＸ３００は、当感情推定システムのために新たに用意されなくてよい。ＰＢＸ３００としては、たとえば社内イントラネットワーク上（もしくはクラウドネットワーク上）に存在する既存の社内情報基盤上にある、ＰＢＸ（Private Branch eXchange）等のコミュニケーション支援機能やスケジューラ機能を有する既存のサーバ設備が利用されてもよい。

複数のユーザー９００は、互いに社会関係性を有する（詳細は後述）。

図２は、本実施形態に係る感情推定サーバ１００、ＰＢＸ３００、センサ端末２００、情報提示端末４００（以下、感情推定サーバ１００、ＰＢＸ３００、センサ端末２００及び情報提示端末４００それぞれを区別せずに「本実施形態に係る装置」と言う場合がある。）のハードウェア構成の一例を示すブロック図である。なお、上記の各装置のすべてに下記のハードウェア構成のすべてが備えられている必要はなく（たとえば感情推定サーバ１００に直接的にセンサが備えられている必要はない）、後述する各装置の機能構成を実現できるハードウェアモジュールが適宜限定して備えられてもよい。

図２を参照すると、本実施形態に係る装置は、バス８０１、ＣＰＵ（Central Processing Unit）８０３、ＲＯＭ（Read Only
Memory）８０５、ＲＡＭ（Random Access Memory）８０７、記憶装置８０９、通信インタフェース８１１、センサ８１３、入力装置８１５、表示装置８１７、スピーカ８１９を備える。

ＣＰＵ８０３は、本実施形態に係る装置における様々な処理を実行する。また、ＲＯＭ８０５は、本実施形態に係る装置における処理をＣＰＵ８０３に実行させるためのプログラム及びデータを記憶する。また、ＲＡＭ８０７は、ＣＰＵ８０３の処理の実行時に、プログラム及びデータを一時的に記憶する。

バス８０１は、ＣＰＵ８０３、ＲＯＭ８０５及びＲＡＭ８０７を相互に接続する。バス８０１には、さらに、記憶装置８０９、通信インタフェース８１１、センサ８１３、入力装置８１５、表示装置８１７及びスピーカ８１９が接続される。バス８０１は、例えば、複数の種類のバスを含む。

一例として、バス８０１は、ＣＰＵ８０３、ＲＯＭ８０５及びＲＡＭ８０７を接続する高速バスと、当該高速バスよりも低速の１つ以上の別のバスを含む。

記憶装置８０９は、本実施形態に係る装置内で一時的または恒久的に保存すべきデータを記憶する。記憶装置８０９は、例えば、ハードディスク（Hard Disk）等の磁気記憶装置であってもよく、または、ＥＥＰＲＯＭ（Electrically
Erasable and Programmable Read Only Memory）、フラッシュメモリ（flash
memory）、ＭＲＡＭ（Magnetoresistive Random Access Memory）、ＦｅＲＡＭ（Ferroelectric Random Access Memory）及びＰＲＡＭ（Phase
change Random Access Memory）等の不揮発性メモリ（nonvolatile
memory）であってもよい。

通信インタフェース８１１は、本実施形態に係る装置が備える通信手段であり、ネットワークを介して（あるいは直接的に）外部装置と通信する。通信インタフェース８１１は、無線通信用のインタフェースであってもよく、この場合に、例えば、通信アンテナ、ＲＦ回路及びその他の通信処理用の回路を含んでもよい。また、通信インタフェース８１１は、有線通信用のインタフェースであってもよく、この場合に、例えば、ＬＡＮ端子、伝送回路及びその他の通信処理用の回路を含んでもよい。

センサ８１３は、たとえばカメラ、マイクロフォン、その他のセンサまたはそれらの複合である。カメラは、被写体を撮像するもので、例えば光学系、撮像素子及び画像処理回路を含む。マイクロフォンは、周囲の音を収音するもので、当該音を電気信号へ変換し当該電気信号をデジタルデータに変換する。

入力装置８１５は、タッチパネル、マウス、視線検出装置等である。表示装置８１７は、本実施形態に係る装置からの出力画像（すなわち表示画面）を表示するもので、例えば液晶、有機ＥＬ（Organic Light-Emitting Diode）、ＣＲＴ（Cathode
Ray Tube）等を用いて実現され得る。スピーカ８１９は、音声を出力するもので、デジタルデータを電気信号に変換し当該電気信号を音声に変換する。

次に、本実施形態に係る「センサ端末２００」の機能構成の一例を説明する。

センサ端末２００は、ユーザー９００の行動や生理反応を外的に計測し、該計測により取得したデータを、後述する感情推定サーバ１００へ送信する。センサ端末２００が有するセンサ８１３と計測する行動や生理反応のデータは、たとえば、カメラにより計測される顔表情や身体姿勢の状態内容を含む画像データ、マイクロフォンにより計測される音声データ、加速度センサにより計測される身体動作の加速度データ、キーボード・マウス・タッチパネル等の入力装置により計測される機器操作データ、各種生体センサにより計測される自律神経系活動（心拍活動、皮膚電気活動、血圧、発汗、呼吸、皮膚・深部体温等）のデータ、中枢神経系活動（脳波、脳血流等）のデータ、視線計測装置により計測される視線運動・瞳孔径・瞬目数等のデータを含む。

センサ端末２００のセンサはユーザーへの非接触式でも接触式でもよい。センサ端末２００のセンサが接触式の場合、たとえばセンサ端末２００は腕時計等の形状をしたウェアラブル端末であっても構わない。また、センサ端末２００は、カメラ、マイクロフォン、加速度センサ、通信部等を備えたスマートフォン端末であっても構わない。なお、センサ端末２００は１名のユーザー９００に対応して１台存在するように図１では図示されている。しかし、１台のセンサ端末２００が複数のユーザー９００のセンサデータを取得しても構わない。その場合、センサ端末２００は複数のユーザー９００それぞれについてセンサデータと計測対象人物の識別データとの１対１対応の紐づけ処理を行って、センサデータと計測対象人物の識別データとの各組み合わせを記憶または送信する。計測対象人物の識別データは、どのようにして得られてもよく、一例として、カメラによる撮像画像から顔認識によって特定される人物の識別データであってもよい。

さらに、センサ端末２００は、ユーザー９００が他のユーザー９００と行うコミュニケーション行動に対応するセンサデータを計測する。該コミュニケーション行動とは、たとえば対面での会話行動である。該コミュニケーション行動をセンシングするために、センサ端末２００は、あるユーザー９００の周囲環境の変動に関する情報、たとえばユーザー９００の周囲での音声の発生や継続、他の人物の接近／離脱や滞在、ユーザーの身体姿勢の変化や場所移動等を検出することができる。それらは、前述のようにセンサ端末２００がハードウェアとして備えるセンサ８１３のマイクロフォン、カメラ、加速度センサ等によって実現され得る。

また、センサ端末２００は、ハードウェアとして赤外線送受信器、ＷｉＦｉ（登録商標）やＧＰＳ（Global Positioning System）等の無線通信器を備えていてもよい。それらハードウェアの機能により、複数のユーザー９００それぞれが身体に装着するセンサ端末２００同士の通信に基づいて、複数のユーザー９００同士の身体の相互位置や向きの関係性を示す情報が取得され得る。

まとめると、コミュニケーション行動に対応するセンサデータとは、誰が、誰と、いつ、どこで、どのような身体の相互位置や向きや会話音量でコミュニケーション行動をとったかの情報に対応する電子データを含む。具体例として、コミュニケーション行動に対応するセンサデータは「ユーザー９００Ａが、ユーザー９００Ｂと、２０ＸＸ年ＸＸ月ＸＸ日ＸＸ時ＸＸ分からＹＹ時ＹＹ分まで、４階の通路Ｖで、立位正対の状態で」会話するコミュニケーション行動をとった、といった行動のセンサデータである。

なお、複数のユーザー９００同士が実際に会話等を行っていなくてもよい。たとえば、周辺視や物音などで周囲他者の雰囲気や状況を感じ取っているユーザーの状態（アウェアネス認知状態）が広義のコミュニケーション行動のひとつとみなされてもよい。その場合、センサ端末２００は、たとえば数時間に渡るような長時間の継時的行動データをコミュニケーション行動に対応するセンサデータとしてもよい。

また、センサ端末２００は、計測したデータを一時的に保存するための記憶部を備えていてもよい。また、センサ端末２００は、計測だけでなく簡易な解析までを実施してもよいため、解析演算用の制御部を備えていてもよい。また、センサ端末２００は、計測または簡易解析済みのデータを感情推定サーバ１００へ送信するための通信部を備えていてもよい。なお、前記記憶部は記憶装置８０９により、前記制御部はＣＰＵ８０３、ＲＯＭ８０５及びＲＡＭ８０７により、前記通信部は通信インタフェース８１１により実装され得る。

次に、図３を参照して、本実施形態に係る「ＰＢＸ３００」の機能構成の一例を説明する。

図３は、本実施形態に係るＰＢＸ３００の機能構成の一例を示すブロック図である。図３を参照すると、ＰＢＸ３００は、通信部３１０、記憶部３２０及び制御部３３０を備える。ＰＢＸ３００は、各種コミュニケーションツールを用いたユーザー９００間のデータ通信を支援する。該各種コミュニケーションツールは、たとえば、ＩＰ（Internet Protocol）電話、Ｗｅｂ会議、アプリケーション共有、グループウェア、電子メール、チャット、インスタントメッセージ、社内ＳＮＳ（Social Networking Service）等である。前述のように、ＰＢＸ３００は、当感情推定システムのために新たに用意されなくてよい。ＰＢＸ３００としては、当感情推定システムを利用するユーザーまたは組織がすでに有しているＰＢＸやＳＩＰ（Session Initiation Protocol）サーバ等のコミュニケーション支援機能やスケジューラ機能を有する既存のサーバ設備が利用されてもよい。

通信部３１０は、他の装置と通信する。たとえば、通信部３１０は、ＬＡＮ５０に直接的に接続され、前述のセンサ端末２００や後述する感情推定サーバ１００と通信する。さらに、通信部３１０は、前述のコミュニケーション支援機能を実現するために、ユーザー９００が用いる各種コミュニケーションツールや通信機器（ＰＣやスマートフォン）と通信する。なお、通信部３１０は、通信インタフェース８１１により実装され得る。

記憶部３２０は、前述のコミュニケーション支援機能やスケジューラ機能の動作に関する通信履歴データを記憶する。該通信履歴データは、ＰＢＸ３００を介して行われたコミュニケーション行動に関する情報、たとえば、誰が、誰と、いつ、どこで、どのようなツールを用いて、どのような内容の、コミュニケーション行動をとったかを示す電子データを含む。具体例として、通信履歴データは、「ユーザー９００Ａが、ユーザー９００Ｂと、２０ＸＸ年ＸＸ月ＸＸ日ＸＸ時ＸＸ分からＹＹ時ＹＹ分まで、自席で、ＩＰ電話を使って、テーマＺＺＺに関する内容の」コミュニケーション行動を、ＰＢＸ３００を介して行った、といった利用の通信履歴を示す電子データである。

また別の例として、該通信履歴データは、スケジューラツールによりＰＢＸ３００自体もしくはＰＢＸ３００を経由してクラウド上に記録されたスケジュール情報、たとえば、誰が、誰と、いつ、どこで、どのような内容の、コミュニケーションに関する予定を入れていたかの電子データを含む。具体例としては、「ユーザー９００Ａのスケジュールであって、ユーザー９００Ｂと、２０ＸＸ年ＸＸ月ＸＸ日ＸＸ時ＸＸ分からＹＹ時ＹＹ分まで、Ｗ会議室で、テーマＺＺＺに関する内容の」打合せを行う予定である、といったスケジュール記録の通信履歴を示す電子データである。

上記の通信履歴データを利用して、後述する感情推定サーバ１００は、ユーザー９００間の、ＰＢＸ３００の通信を介した電子的なコミュニケーション行動に関する情報と、ユーザー９００のスケジューラツール入力によりＰＢＸ３００に記録されたスケジュール情報との少なくともいずれか一方に基づいて、コミュニケーション行動を把握することができる。なお、記憶部３２０は、記憶装置８０９により実装され得る。

制御部３３０は、ＰＢＸ３００の様々な機能を提供する。また、制御部３３０は、通信部３１０を介して、他の通信装置、たとえば感情推定サーバ１００からの要求に応じて、上述の記憶部３２０に記憶された通信履歴データを該通信装置へ送信する機能を有する。なお、制御部３３０は、ＣＰＵ８０３、ＲＯＭ８０５及びＲＡＭ８０７により実装され得る。

次に、図４を参照して、本実施形態に係る「感情推定サーバ１００」の機能構成の一例を説明する。図４は、本実施形態に係る感情推定サーバ１００の機能構成の一例を示すブロック図である。図４を参照すると、感情推定サーバ１００は、通信部１１０、記憶部１２０及び制御部１３０を備える。

通信部１１０は、他の装置と通信する。たとえば、通信部１１０は、ＬＡＮ５０に直接的に接続され、センサ端末２００やＰＢＸ３００と通信する。なお、通信部１１０は、通信インタフェース８１１により実装され得る。

記憶部１２０は、感情推定サーバ１００の動作のためのプログラム及びデータを記憶する。なお、記憶部１２０は、記憶装置８０９により実装され得る。

制御部１３０は、感情推定サーバ１００の様々な機能を提供する。制御部１３０は、個人感情推定部１３１、社会関係性情報管理部１３３及びチーム感情推定部１３５を含む。なお、制御部１３０は、ＣＰＵ８０３、ＲＯＭ８０５及びＲＡＭ８０７により実装され得る。個人感情推定部１３１、社会関係性情報管理部１３３及びチーム感情推定部１３５それぞれの機能については、後に説明する。

次に、図５を参照して、本実施形態に係る「情報提示端末４００」の機能構成の一例を説明する。図５は、本実施形態に係る情報提示端末４００の機能構成の一例を示すブロック図である。図５を参照すると、情報提示端末４００は、通信部４１０、記憶部４２０、制御部４３０、操作部４４０及び提示部４５０を備える。

通信部４１０は、他の装置と通信する。たとえば、通信部４１０は、ＬＡＮ５０に直接的に接続され、感情推定サーバ１００と通信する。たとえば、通信部４１０は、感情推定サーバ１００からチーム感情を示す情報を取得する。なお、通信部４１０は、通信インタフェース８１１により実装され得る。

記憶部４２０は、情報提示端末４００の動作のためのプログラム及びデータを記憶する。たとえば、記憶部４２０は、通信部４１０によって感情推定サーバ１００から取得されたチーム感情を示す情報を一時的に保存する。なお、記憶部４２０は、記憶装置８０９により実装され得る。

制御部４３０は、情報提示端末４００の様々な機能を提供する。たとえば、制御部４３０は、チーム感情を示す情報を可視化し、チーム感情を示す情報が提示部４５０によって提示されるように提示部４５０を制御する。なお、制御部４３０は、ＣＰＵ８０３、ＲＯＭ８０５及びＲＡＭ８０７により実装され得る。

操作部４４０は、ユーザーから入力される操作を受け付ける。操作部４４０は、受け付けた操作を制御部４３０に出力すると、操作は、制御部４３０による各種動作に利用される。なお、操作部４４０は、入力装置８１５により実装され得る。

提示部４５０は、制御部４３０による制御に従って、ユーザーに情報を提示する。たとえば、提示部４５０は、制御部４３０によって可視化されたチーム感情を示す情報をユーザーに提示する。なお、提示部４５０は、表示装置８１７により実装され得る。

個人感情推定部１３１、社会関係性情報管理部１３３及びチーム感情推定部１３５それぞれの機能について説明する。個人感情推定部１３１は、ユーザー９００からセンサ端末２００及び通信部１１０を介して取得した行動や生理反応の計測データに基づいて、ユーザー９００毎の個人感情を推定することによって個人感情の推定データ（個人感情を示す情報）を生成する。また、個人感情推定部１３１は、該生成したデータを記憶部１２０に記憶させる機能を有する。特に、個人感情推定部１３１は、あるユーザー９００から推定した個人感情を示す情報を、該ユーザー９００のＩＤと紐づけて記憶部１２０に記憶させてもよい（たとえば、後述する図１０参照のこと）。

ここで、個人感情とその推定方法について説明を補足する。個人感情は、一例として「人が心的過程の中で行うさまざまな情報処理のうちで、人、物、出来事、環境についてする評価的な反応」（Ｏｒｔｏｎｙ ｅｔ ａｌ．，１９８８；大平，２０１０）と定義される。感情の具体的な種類としては、心理学者Ｐａｕｌ Ｅｋｍａｎによる表情に対応する基本感情ベースの離散型モデル上での幸福、驚き、恐れ、怒り、嫌悪、悲しみや、心理学者Ｊａｍｅｓ Ａ． Ｒｕｓｓｅｌｌによる快度及び覚醒度の感情次元ベースの連続型モデルにおける喜怒哀楽の象限などが知られている。他の連続型モデルとしては、Ｗａｔｓｏｎによるポジティブまたはネガティブ感情、Ｗｕｎｄｔによる３軸モデル（快度、興奮度、緊張度）、Ｐｌｕｔｃｈｉｋによる４軸のモデルなどもある。その他、応用的・複合的な感情としては、困惑度、関心度、メンタルストレス、集中度、疲労感、多忙度、創造性、リラックス／緊張度、モチベーション、共感度、信頼度などが挙げられる。さらに、業務活動において集団の雰囲気として体感されるイキイキ感なども高次な感情の一種といえる。

ある人物がどのような感情とその程度にあるかは、たとえば質問紙法を用いることで、当該人物の文字、文章、記号による言語的報告によって求めることができる。当該質問紙としては“Ａｆｆｅｃｔ Ｇｒｉｄ”などがよく知られている。

しかしながら、質問紙を用いた計測方法では回答作業が必要になるため、業務など何か別の作業を行っている日常生活においては計測それ自体が本来の目的作業に支障を及ぼしてしまう可能性がある。

そこで、当感情推定システムにおいて、個人感情推定部１３１は、前述のセンサ端末２００により計測される行動や生理反応のデータに基づいて（質問紙法等で求めた）感情を機械的に推定処理する。当該推定処理を行うためには、予め学習処理によって生成された感情推定モデルのデータが必要となる。感情推定モデルは、たとえば、ある時点・状況における前記行動や生理反応のデータと前記質問紙の回答データからなる学習データとを対応づけたデータの群から生成される。たとえば、オフィスに埋め込まれた無数のカメラやマイクロフォン、ウェアラブル活動量計から計測されたユーザーの顔表情、音声、心拍活動、皮膚電気活動等の行動・生理データと、当該ユーザーの主観的感情を質問紙回答した正解データとが対応づけられて学習用データとされる。前記行動・生理データは、センサからの計測値が変換された学習処理用の特徴量データであってもよい。

特徴量データは、顔の代表的特徴点の位置や各２点間を結ぶ直線の距離や成す角度であってもよい。あるいは、特徴量データは、音声の基本周波数、パワー、平均発話速度、一次ケプストラム係数の最高値と標準偏差であってもよい。あるいは、特徴量データは、心拍数や拍動間隔の平均値や標準偏差、心拍変動性であってもよい。あるいは、特徴量データは、皮膚コンダクタンス水準の平均値や標準偏差や増減率などであってもよい。これらの特徴量データはどのように使用されてもよく、ある時点における絶対値として使用されてもよいし、２時点間の相対的な変化率として使用されてもよい。

前記学習用データを用いた感情推定モデルの生成には、学習の手法として、たとえば既知のＳＶＭ（Ｓｕｐｐｏｒｔ Ｖｅｃｔｏｒ Ｍａｃｈｉｎｅ）や深層学習（Ｄｅｅｐ Ｌｅａｒｎｉｎｇ）法が用いられてもよいし、単純に回帰分析法が利用されてもよい。また、学習モデルはユーザー個人毎に生成されてもよいし、複数のユーザーの学習データを用いて人間に共通的なモデルが生成されてもよい。個人感情推定部１３１は、得られた感情推定モデルのデータを用いることで、ある人物の行動・生理データから個人感情を推定できるようになる。

感情推定サーバ１００や個人感情推定部１３１は、上述の個人感情推定処理のための学習用データや感情推定モデル自体を生成する機能を有していてもよい。さらに、学習用データのための前述の特徴量データの生成は、感情推定サーバ１００ではなくセンサ端末２００の方で行い、センサ端末２００が、当該特徴量データを感情推定サーバ１００へ送信するようにしてもよい。

社会関係性情報管理部１３３は、後述するチーム感情推定部１３５がチーム感情を推定処理するために必要な、社会ネットワーク（社会ＮＷ）情報に基づく社会関係性を示す情報（以下「社会関係性情報」とも言う）を生成する。そのために、社会関係性情報管理部１３３は、通信部１１０を介して、前述の「センサ端末２００によるコミュニケーション行動に対応するセンサデータ」または前述の「ＰＢＸ３００による通信履歴データ」を取得し、取得したデータに基づいて後述する社会ＮＷ情報を生成し、該生成した社会ＮＷ情報を記憶部１２０に記憶する機能を有する。

ここで、「社会ＮＷ情報」について説明する。社会ネットワークは「互いのコミュニケーション行動の量または質により規定される人々のつながり」と定義され得る。また、社会ネットワークの量または質の大きさ・高さに対応して、社会ネットワークの強さが定められ得る。

抽象化した社会ネットワークは、それに属するユーザー９００が円状のノード（要素）として表され、ユーザー９００間の関係性が線分状のエッジ（要素間の関係）として表されることによって、その構造や機能が単純化したモデルとして示され得る。該モデルは、次数（あるノードに接続されるエッジの本数）、強度（あるノード間のつながりの強さ）、クラスター係数（ノードとエッジで形成される三角構造の存在割合）等の指標により、その構造や機能が社会関係性情報管理部１３３によって分析され得る。

図６、図７、図８は、抽象化された社会ネットワークの一例を示す説明図である。図６には、社会ネットワークの基本モデルとして、「次数」指標が反映された社会ネットワークの一例が図示されている。

図中には、ユーザー９００Ａ、９００Ｂ、９００Ｃ、９００Ｄ及び９００Ｅに対応して、ノード９１０Ａ、９１０Ｂ、９１０Ｃ、９１０Ｄ及び９１０Ｅが存在している。また、二つのノードの各組み合わせの一部にエッジ９２０が存在している。この例では、エッジ９２０は過去のコミュニケーション行動の発生が有ったことを示している。ユーザー９００Ａは９００Ｂ、９００Ｃ、９００Ｄおよび９００Ｅそれぞれと過去にコミュニケーション行動をとったことがあるため、ノード９１０Ａとノード９１０Ｂ、９１０Ｃ、９１０Ｄ及び９１０Ｅとの間にエッジがある。反対にユーザー９００Ｄは９００Ｅとコミュニケーション行動をとったことがないため、ノード９１０Ｄとノード９１０Ｅとの間にエッジがない。

ここで、次数はあるノードに接続されるエッジの本数である。図６に示した例では、ノード９１０Ａの次数は４であり、ノード９１０Ｅの次数は１である。社会関係性情報管理部１３３は、次数指標の大きさにより、あるユーザーの交流関係の広さを定量的データとしてもとめることができる。

より具体的には、社会関係性情報管理部１３３は、次数の大きいユーザー９００ほど、他のユーザー９００との社会関係性が強いと判断してよい。たとえば、社会関係性情報管理部１３３は、次数が０であるユーザー９００の社会関係性を「なし」とし、次数が第１の次数よりも低いユーザー９００の社会関係性を「弱」とし、次数が第２の次数以上、かつ、第２の次数未満のユーザー９００の社会関係性を「中」とし、第２の次数以上のユーザー９００の社会関係性を「強」としてもよい。なお、次数に関する閾値は三つでなくてもよい。すなわち、次数に基づく社会関係性は、四段階でなくてもよく、二段階であってもよいし、三段階であってもよいし、五段階以上であってもよい。また、各閾値の大きさも限定されない。

図７には、「強度」指標を反映した社会ネットワークの一例が図示されている。

ここで強度は、前述の社会ネットワークの強さに対応する。たとえば、強度は、コミュニケーション行動の発生頻度、発生時間長、発生時刻の新しさ、コミュニケーションの内容の分量、コミュニケーションの内容のプライベートに関わる内容の量や深さ、用いられたコミュニケーションツールのメディアリッチネスの度合い、会話の音量や高低、互いの身体間の距離、互いの身体正面の向きにより成す角度、ポジティブ／ネガティブ感情の度合い等に対応して規定される。

なお、互いの身体正面の向きにより成す角度は、どのようにして検出されてもよい。たとえば、あらかじめ異なる方向ＩＤが割り当てられた複数の赤外線タグが複数のユーザーそれぞれの身体の正面を前として前後左右の４方向に取り付けられていてもよい。かかる場合、複数のユーザー間において赤外線タグによって交換された方向ＩＤによって、互いの身体正面の向きにより成す角度が検出されてもよい。詳細は、「中村 嘉志、他４名、「複数の赤外線タグを用いた相対位置関係からのトポロジカルな位置および方向の推定」、２００７年３月、情報処理学会論文誌、Ｖｏｌ．４８、Ｎｏ．３」などに記述されている。また、特許第５９０７５４９号に記述されているように、複数のユーザーの位置関係が対面か非対面かが検出されてもよい。

たとえば、社会関係性情報管理部１３３は、二人のユーザー９００の間の会話発生頻度が第１の頻度以上である場合、その二人のユーザー９００の間の社会関係性を「強」としてもよい。また、社会関係性情報管理部１３３は、二人のユーザー９００の間の会話発生頻度が強度が第２の頻度以上、かつ、第１の強度未満である場合、その二人のユーザー９００の間の社会関係性を「中」としてもよい。また、社会関係性情報管理部１３３は、二人のユーザー９００の間の会話発生頻度が第２の頻度未満である場合、その二人のユーザー９００の間の社会関係性を「なし」としてもよい。

一例として、直近１０日間における会話の発生頻度が指標とされる場合、社会関係性情報管理部１３３は、会話発生回数が１０回以上であれば、社会関係性を「強」とし、会話発生回数が５回以上であれば、社会関係性を「中」とし、会話発生回数が１回以上であれば社会関係性を「弱」とし、会話発生回数が０回であれば社会関係性を「なし」としてもよい。図７には、ノード９１０Ａとノード９１０Ｂとの間のエッジ９２０ＡＢは社会関係性「強」で太く、ノード９１０Ａとノード９１０Ｅとの間のエッジ９２０ＡＥは社会関係性「中」で少し太く、それ以外のエッジ９２０は社会関係性「弱」で細く図示されている。

なお、会話の発生頻度に関する期間は、直近１０日間に限定されない。たとえば、会話の発生頻度に関する期間は、直近１カ月であってもよいし、他の期間であってもよい。また、会話発生回数に関する閾値は三つでなくてもよい。すなわち、強度に基づく社会関係性は、四段階でなくてもよく、二段階であってもよいし、三段階であってもよいし、五段階以上であってもよい。また、各閾値の大きさも限定されない。

また、ここでは、コミュニケーション行動の発生頻度に基づいて強度を求める方法を例として説明したが、同様にして、上記他の情報に基づく社会関係性が求められ得る。このとき、コミュニケーション行動の発生時間が長いほど、社会関係性は強くてよい。また、コミュニケーション行動の発生時刻が新しいほど、社会関係性は強くてよい。また、コミュニケーションの内容の分量が多いほど、社会関係性は強くてよい。

また、コミュニケーションの内容のプライベートに関わる内容の量が大きいほど、社会関係性は強くてよい。また、プライベートに関わる内容の深さが深いほど、社会関係性は強くてよい。また、用いられたコミュニケーションツールのメディアリッチネスの度合いが強いほど、社会関係性は強くてよい。また、会話の音量が小さいほど、社会関係性は強くてよい。また、会話の音が低いほど、社会関係性は強くてよい。また、互いの身体間の距離が近いほど、社会関係性は強くてよい。また、互いの身体正面の向きにより成す角度が小さい（すなわち、正対ではない向きに近い）ほど、社会関係性は強くてよい。また、ポジティブ／ネガティブ感情の度合いが強いほど、社会関係性は強くてよい。

図８には、その他の指標例として「クラスター係数」指標が反映された社会ネットワークの一例が図示されている。クラスター係数はネットワークのクラスター性の大きさに関わる指標であるが、公知の理論であるためここでは詳細な説明を省略する。一例として、社会関係性情報管理部１３３は、クラスター係数の大きさにより、社会ネットワーク全体としてのユーザーの交流関係の広さを定量的データとしてもとめることができる。

より具体的には、社会関係性情報管理部１３３は、クラスター係数が大きいほど、社会ネットワーク全体としての社会関係性が強いと判断してよい。たとえば、社会関係性情報管理部１３３は、クラスター係数が０である社会ネットワークの社会関係性を「なし」とし、クラスター係数が第１の値よりも低い社会ネットワークの社会関係性を「弱」とし、クラスター係数が第２の値以上、かつ、第２の値未満の社会ネットワークの社会関係性を「中」とし、第２の値以上の社会ネットワークの社会関係性を「強」としてもよい。なお、クラスター係数に関する閾値は三つでなくてもよい。すなわち、クラスター係数に基づく社会関係性は、四段階でなくてもよく、二段階であってもよいし、三段階であってもよいし、五段階以上であってもよい。また、各閾値の大きさも限定されない。

図９は、ユーザー９００Ａ〜９００Ｅ間におけるコミュニケーション行動に基づく社会関係性を示す情報の一例を示す説明図である。図９には、ユーザー９００Ａ〜９００Ｅ間におけるコミュニケーション行動のデータから生成された社会ＮＷ情報に基づく社会関係性情報のテーブル１２１が図示されている。図９に示すように、社会ＮＷ情報に基づく社会関係性情報のテーブル１２１は、たとえば、あるユーザー９００を一意に特定する社員ＩＤ１、別のユーザー９００の社員ＩＤ２、両者の社会関係性の強さを含む。なお、ここでは、社会関係性の強さは、前述の社会ネットワークにおけるエッジの「強度」指標に基づいて設定される場合を想定する。図９のテーブル１２１は、図７で示し説明した社会ネットワークを表形式で表したものともいえる（たとえば、図９の１行目は図７のノード９１０Ａと９１０Ｂとの間のエッジ９２０ＡＢが社会関係性「強」で太く図示されている表現と対応）。

なお、図９の例では社会関係性の強さは「強」「中」「弱」「なし」の４段階となっているが、既に述べたように、強度に基づいて分類される社会関係性の強さの数は、当然これより多くても少なくても構わず、強度に基づいて分類される社会関係性の強さは、連続的な量的データであっても構わない。また、社会ＮＷ情報の強度指標と社会関係性の強さとの対応づけや分類のために用いられる閾値は当感情推定システムの管理者が予め任意に設定して構わず、その設定パラメータは予め記憶部１２０に記憶されても構わない。

なお、図９に示した例では、強度指標に基づいて社会関係性の強さが設定されている。かかる例においては、二人のユーザー９００に対して一つの社会関係性の強さが設定される。しかし、上記したように、次数指標に基づいて社会関係性の強さが設定されてもよいし、クラスター係数に基づいて社会関係性の強さが設定されてもよい。次数指標に基づいて社会関係性の強さが設定される場合、社会関係性の強さは、各ユーザー９００に対して設定される。一方、クラスター係数に基づいて社会関係性の強さが設定される場合、社会関係性の強さは、社会ネットワーク全体に対して設定される。

チーム感情推定部１３５は、個人感情推定部１３１が生成した前述の個人感情を示す情報と、社会関係性情報管理部１３３が生成した前述の社会ＮＷ情報に基づく社会関係性を示す情報と、に基づいてチーム感情を示す情報を生成する。また、チーム感情推定部１３５は、算出したチーム感情を示す情報を記憶部１２０に記憶する機能を有する。

ここで、チーム感情は、たとえば、予め設定されたユーザーの集団における、構成員毎の個人感情を示す情報が該集団への社会関係性の強さで重み付けされた代表値、たとえば「平均値」「中央値」「最頻値」、として算出される。一例として、チーム感情推定部１３５は、個人感情を示す情報が量的データであり代表値として平均値が採用される場合、かつ、強度指標に基づいて社会関係性の強さが設定される場合、チーム感情を示す情報の例として、チーム感情値を以下の（数式１）で求めることができる。

・・・（数式１）

ただし、ＴＥ：チーム感情値、ｍ：集団において対象とされる二人のユーザーの組み合わせ数、ＱＲ：当該二人のユーザーの社会関係性の強さに対応する重み付け係数、ＲＥ：当該二人のユーザーの各個人感情値から求められる代表値（たとえば「平均値」「中央値」「最頻値」）とする。この際、チーム感情値算出の対象とするユーザーの集団は、図６の例でいえばユーザー９００Ａ〜９００Ｅ全員でもよいし、その中から部分的に組み合わせ選択された任意の人物群であってもよい。前述の算出方式により、基になる個人感情値と社会ＮＷ情報のデータがあれば、任意に設定された集団についてチーム感情値を求めることができる。また、前述のユーザーの組み合わせ数は必ずしも二人である必要はなく、三人以上の組み合わせであってもよい。

ここで、各社会関係性の強さに対応する重み付け係数の値は限定されない。たとえば、社会関係性の強さが強くなるほど、重み付け係数の値は大きくてよい。より詳細には、社会関係性の強さ「強」に対応する重み付け係数は、社会関係性の強さ「中」に対応する重み付け係数よりも大きくてよい。また、社会関係性の強さ「中」に対応する重み付け係数は、社会関係性の強さ「弱」に対応する重み付け係数よりも大きくてよい。また、社会関係性の強さ「弱」に対応する重み付け係数は、社会関係性の強さ「なし」に対応する重み付け係数よりも大きくてよい。

なお、ここでは、強度指標に基づく社会関係性の強さからチーム感情値を求める方法を示した。しかし、強度指標に基づく社会関係性の強さの代わりに、次数指標に基づく社会関係性の強さからチーム感情値が求められてもよい。たとえば、チーム感情推定部１３５は、個人感情を示す情報が量的データであり代表値として平均値が採用される場合、かつ、次数指標に基づいて社会関係性の強さが設定される場合、チーム感情を示す情報の例として、チーム感情値を以下の（数式２）で求めることができる。

・・・（数式２）

ただし、ＴＥ：チーム感情値、ｎ：集団において対象とされるユーザーの人数、ＳＲ：各ユーザーの社会関係性の強さに対応する重み付け係数、ＰＥ：個人感情値とする。

また、クラスター係数に基づく社会関係性の強さからチーム感情値が求められてもよい。たとえば、チーム感情推定部１３５は、個人感情を示す情報が量的データであり代表値として平均値が採用される場合、かつ、クラスター係数に基づいて社会関係性の強さが設定される場合、チーム感情を示す情報の例として、チーム感情値を以下の（数式３）で求めることができる。

・・・（数式３）

ただし、ＴＥ：チーム感情値、ｎ：集団において対象とされるユーザーの人数、ＵＲ：社会ネットワーク全体としての社会関係性の強さに対応する重み付け係数、ＰＥ：個人感情値とする。

なお、本実施形態では、まず、個人感情推定部１３１が個人感情を推定してから、チーム感情推定部１３５がそれらの集合的データとしてチーム感情を推定する場合を主に想定する。しかし、チーム感情推定部１３５がチームの対象となる複数名のセンサデータから直接的にチーム感情を推定しても構わない。その場合、チーム感情推定部１３５は、センサデータの値自体もしくはその特徴量データ（変換値）に対して、前述の社会関係性の強さに対応する重み付けの演算処理を行っても構わない。

このとき、センサデータの値自体もしくはその特徴量データは、特に限定されない。一例として、センサデータの特徴量データは、脈拍センサによって検出された脈拍から変換された後の心拍数の変化率などであってもよい。たとえば、心拍数の変化率は、心拍数の変化の割合であってよく、たとえば、直前の心拍数に対する現在の心拍数の割合（たとえば、「心拍数が２０％上昇した」、「心拍数が１０％減少した」など）によって表されてもよい。かかるセンサデータの値自体もしくはその特徴量データが、チーム感情の推定に際して、個人感情を示す情報の代わりに利用されてもよい。

図１０は、ある組織における個人感情を示す情報とチーム感情を示す情報の一例を示す説明図である。図１０には、図７で説明した社会ＮＷ情報の一例に対応する個人感情を示す情報とチーム感情を示す情報のテーブル１２２が図示されている。ここでは、個人感情を示す情報及びチーム感情を示す情報の一例として量的データのポジティブ度を例示している。

次に、本実施形態に係る「情報提示端末４００」の機能構成の一例を説明する。情報提示端末４００において、制御部４３０は、感情推定サーバ１００が推定したチーム感情を示す情報や個人感情を示す情報を、通信部４１０を介して取得し、それらを可視化して提示部４５０を介してユーザーに提示する。前記ユーザーは、前記チーム感情や個人感情を推定されたユーザー９００でも構わないし、前記チーム感情や個人感情を推定されたユーザー９００とは異なる人物（たとえば、ある組織のメンタルヘルス管理を担当する産業医等）でも構わない。

また、制御部４３０は、前記チーム感情を示す情報や個人感情を示す情報を可視化して提示するにあたり、前述の社会ＮＷ情報に基づく社会関係性を示す情報を用いてユーザーが情報を理解しやすいように前記チーム感情を示す情報や個人感情を示す情報を「カテゴリ化」して提示してもよい。たとえば、制御部４３０は、あるチームのチーム感情を示す情報を画面に表示する際、そのチームの構成者の個人感情を示す情報を、前記チーム感情を示す情報の近傍領域に併せて提示部４５０を介して提示してもよい。これにより、情報提示端末４００のユーザーは、チーム感情を示す情報とその算出要素となった個人感情を示す情報とを併せて直観的に把握することができる。

また、たとえば、制御部４３０は、複数のチームによる複数のチーム感情を示す情報を画面に表示する際、前記社会関係性を示す情報に基づき、互いの構成員間のコミュニケーション行動によるつながりが強いチーム同士ほどより近い領域に互いのチーム感情を示す情報を、提示部４５０を介して提示してもよい。これにより、情報提示端末４００のユーザーは、複数のチームのチーム感情を示す情報を確認する際に、チーム間の社会関係性の強さに基づきそれらの表示を効率的に観ることができる。

図１１は、情報提示端末４００のアプリケーション画面の一例を示す説明図である。図１１を参照すると、あるチームのあるチーム感情を示す情報（チームＴ１のポジティブ度）とその算出要素となった個人感情を示す情報（チームＴ１に属するユーザーＵ１１〜Ｕ１４のポジティブ度）とが近傍の領域に表示され、同チームの別のチーム感情を示す情報（チームＴ１の疲労度）とその算出要素となった個人感情を示す情報（チームＴ１に属するユーザーＵ１１〜Ｕ１４の疲労度）とが近傍の領域に表示されている。このように、提示部４５０が、感情のカテゴリごとにチーム感情を示す情報と個人感情を示す情報とを提示することによって、チーム感情と個人感情とをカテゴリごとに把握しやすくなる。

なお、図１１に示したように、制御部４３０は、チーム感情及び個人感情の過去の推定情報を履歴として提示させ、時系列グラフ状に情報提示しても構わない（図１１には、グラフの右側線分端がチーム感情及び個人感情の現在の推定情報として示されており、右端から左へ向かうにつれて過去に遡った推定情報が示されている）。

続いて、図１２を参照して、本実施形態に係る情報処理の例を説明する。図１２は、本実施形態に係る感情推定システムの情報処理の概略的な流れの一例を示すフロー図である。ステップＳ１０１で、感情推定サーバ１００は、当感情推定システムの管理者により設定される、チーム感情を推定される対象となるチームとその構成者のパラメータ、推定するチーム感情の種類（たとえばポジティブ度、ネガティブ度、困惑度等）のパラメータ、チーム感情の算出法（たとえば代表値として平均値／中央値／最頻値の選択、社会関係性の強さの分類数、社会関係性の強さに対応する重み付けの係数値等）のパラメータ、などを記憶部１２０に記憶させる。

なお、上記パラメータ類は当情報処理の前に予め管理者により設定されていてもよく、また、前回の情報処理時の設定パラメータが流用されてもよいし、初期設定パラメータがそのまま利用されてもよい。その場合は、当ステップＳ１０１の実行は省略しても構わない。

ステップＳ１０３で、感情推定サーバ１００において、通信部１１０は、センサ端末２００を介して前記チーム感情を推定される対象となるチームの構成者となるユーザー９００の行動や生理反応のセンサデータを取得する。

ステップＳ１０５で、感情推定サーバ１００において、個人感情推定部１３１は、前記ユーザー９００のセンサデータから個人感情の推定処理を行う。なお、本実施形態では、まず個人感情推定部１３１が個人感情を推定してから、チーム感情推定部１３５がそれらの集合的データとしてチーム感情を推定するという処理を例に説明を行った。しかし、チーム感情推定部１３５がチームの対象となる複数名のセンサデータから直接的にチーム感情を推定しても構わない。その場合、チーム感情推定部１３５は、センサデータの値自体もしくはその特徴量データに対して、前述の社会関係性の強さに対応する重み付けの演算処理を行っても構わない。その場合は、当ステップＳ１０５の実行は省略されても構わない。

ステップＳ１０７で、感情推定サーバ１００において、通信部１１０は、センサ端末２００やＰＢＸ３００から、前記チーム感情を推定される対象となるチームの構成者となるユーザー９００の「センサ端末２００によるコミュニケーション行動に対応するセンサデータ」または「ＰＢＸ３００による通信履歴データ」を取得し、社会関係性情報管理部１３３は、通信部１１０によって取得されたデータに基づいて、前述の社会ＮＷ情報を生成して、生成した社会ＮＷ情報に基づき社会関係性情報を算出する。

ステップＳ１０９で、チーム感情推定部１３５は、前記個人感情を示す情報と前記社会関係性情報からステップＳ１０１で設定されたチームのチーム感情を推定する。ステップＳ１１１で、情報提示端末４００において、制御部４３０は、感情推定サーバ１００から取得したチーム感情を示す情報やその算出要素となった個人感情を示す情報を提示部４５０に提示させる。なお、推定したチーム感情を示す情報を情報提示端末４００によって提示しない場合は、当ステップＳ１１１の実行は省略しても構わない。

以上のように、本発明の実施形態によれば、日常のコミュニケーション行動という動的で「インフォーマル」な社会関係性を示す情報を利用して、個人感情に基づくチーム感情を自動で高精度に推定することができる。

以上、添付図面を参照しながら本発明の好適な実施形態について詳細に説明したが、本発明はかかる例に限定されない。本発明の属する技術の分野における通常の知識を有する者であれば、特許請求の範囲に記載された技術的思想の範疇内において、各種の変更例または修正例に想到し得ることは明らかであり、これらについても、当然に本発明の技術的範囲に属するものと了解される。

たとえば、上記においては、情報提示端末４００の制御部４３０が、提示部４５０によって提示される各種情報のレイアウトを決める例を主に説明した。しかし、提示部４５０によって提示される各種情報のレイアウトは、他の装置（たとえば、感情推定サーバ１００など）によって決められてもよい。このとき、感情推定サーバ１００は、情報提示端末４００を視認するユーザーの種類（たとえば、ユーザーの役職など）ごとに、提示部４５０によって提示される各種情報のレイアウトを決めてもよい。

１００ 感情推定サーバ
１１０ 通信部
１２０ 記憶部
１３０ 制御部
１３１ 個人感情推定部
１３３ 社会関係性情報管理部
１３５ チーム感情推定部
２００ センサ端末
３００ ＰＢＸ
３１０ 通信部
３２０ 記憶部
３３０ 制御部
４００ 情報提示端末
４１０ 通信部
４２０ 記憶部
４３０ 制御部
４４０ 操作部
４５０ 提示部

Claims (14)

1. 複数のユーザー間のコミュニケーション行動に対応する第１のセンサデータまたは通信履歴データに基づいて、社会関係性を示す情報を生成する社会関係性情報管理部と、
   前記複数のユーザーそれぞれの第２のセンサデータまたは前記第２のセンサデータに基づく情報と前記社会関係性を示す情報とに基づいて、チーム感情を推定するチーム感情推定部と、
   を備える、感情推定サーバ。
2. 前記感情推定サーバは、
   前記複数のユーザーそれぞれの第２のセンサデータに基づいて、ユーザーごとの個人感情を推定する個人感情推定部を備え、
   前記チーム感情推定部は、前記第２のセンサデータに基づく情報として前記個人感情を示す情報を得る、
   請求項１に記載の感情推定サーバ。
3. 前記チーム感情推定部は、前記第２のセンサデータに基づく情報として前記複数のユーザーそれぞれの第２のセンサデータの特徴量データを得る、
   請求項１に記載の感情推定サーバ。
4. 前記チーム感情推定部は、前記社会関係性を示す情報に基づいて重み付け係数を算出し、前記第２のセンサデータまたは前記第２のセンサデータに基づく情報と前記重み付け係数とに基づいて、前記チーム感情を推定する、
   請求項１に記載の感情推定サーバ。
5. 前記チーム感情推定部は、前記第２のセンサデータまたは前記第２のセンサデータに基づく情報に対して、前記重み付け係数によって重み付けを行い、当該重み付けがされたデータの平均値、中央値または最頻値を前記チーム感情として算出する、
   請求項４に記載の感情推定サーバ。
6. 前記社会関係性情報管理部は、前記第１のセンサデータまたは前記通信履歴データに基づいて、社会ネットワーク情報を生成し、前記社会ネットワーク情報に基づいて、前記社会関係性を示す情報を生成する、
   請求項１に記載の感情推定サーバ。
7. 前記社会ネットワーク情報は、前記複数のユーザーそれぞれについて関係性を有する他のユーザーの数を示す次数を含み、
   前記社会関係性情報管理部は、前記次数に基づいて前記社会関係性を示す情報を生成する、
   請求項６に記載の感情推定サーバ。
8. 前記社会ネットワーク情報は、前記複数のユーザーの二者間の関係性の強度を含み、
   前記社会関係性情報管理部は、前記強度に基づいて前記社会関係性を示す情報を生成する、
   請求項６に記載の感情推定サーバ。
9. 前記社会ネットワーク情報は、前記複数のユーザーの関係性を表した社会ネットワークのクラスター係数を含み、
   前記社会関係性情報管理部は、前記クラスター係数に基づいて前記社会関係性を示す情報を生成する、
   請求項６に記載の感情推定サーバ。
10. 複数のユーザー間のコミュニケーション行動に対応する第１のセンサデータまたは通信履歴データに基づいて、社会関係性を示す情報を生成することと、
    前記複数のユーザーそれぞれの第２のセンサデータまたは前記第２のセンサデータに基づく情報と前記社会関係性を示す情報とに基づいて、チーム感情を推定することと、
    を含む、感情推定方法。
11. 複数のユーザー間のコミュニケーション行動に対応する第１のセンサデータまたは通信履歴データに基づいて生成された社会関係性を示す情報と、前記複数のユーザーそれぞれの第２のセンサデータまたは前記第２のセンサデータに基づく情報とに基づいて、推定されたチーム感情を示す情報を提示する提示部、
    を備える、提示装置。
12. 前記提示部は、複数のチームそれぞれのチーム感情を示す情報を、チーム同士のつながりが強いほど近い領域に提示する、
    請求項１１に記載の提示装置。
13. 前記提示部は、前記チーム感情を示す情報と前記複数のユーザーそれぞれの個人感情とを感情のカテゴリごとに提示する、
    請求項１１に記載の提示装置。
14. 複数のユーザー間のコミュニケーション行動に対応する第１のセンサデータまたは通信履歴データに基づいて、社会関係性を示す情報を生成する社会関係性情報管理部と、
    前記複数のユーザーそれぞれの第２のセンサデータまたは前記第２のセンサデータに基づく情報と前記社会関係性を示す情報とに基づいて、チーム感情を推定するチーム感情推定部と、
    を備える、感情推定サーバと、
    前記チーム感情を示す情報を提示する提示部、
    を備える提示装置と、
    を有する、感情推定システム。
    
    

Images