JP6031972B2 - 知覚反応分析装置，その方法及びプログラム - Google Patents

Description

本発明は，知覚反応分析装置，その方法及びプログラムに関する。

人間は，自分が見た物，聞いた物等知覚した物に対して，感情を顔の表情で表したり，身振りで表したりする等の知覚反応を示す。また，人間が同じ物に対して複数回知覚した後ではその人間の知覚反応は初回のものと異なる場合があるため，単に性別や年齢等の属性やスキルから人間の知覚反応を予測することは難しい。

従来，知覚反応を分析して人間の感情を推測する技術が知られている。そして，このような技術は，例えば，サーバから配信された映像等のコンテンツを見ているユーザの表情等からユーザがコンテンツに対し興味や関心，情報獲得意欲（以下，総称して興味と呼ぶ。）があるか否かの推測をするのに利用されることがある。これにより，コンテンツに対するユーザの興味の有無を把握することができ，その結果をコンテンツの改善のためにフィードバックすることができる。

特開２００７−２９５６２２号公報 特開２００９−１１７９７４号公報 特開２０１０−２１８４９１号公報 特開平９−１３４３６３号公報 特開２００３−３０４４７３号公報 特開２００５−３３２２６６号公報 特開平９−１４７１１９号公報

Mahmoud, M., Baltrusaitis, T., Robinson, P., and Riek, L. "3D corpus of spontaneous complex mental states." (2011). In Proceedings of the International Conference on Affective Computing and Intelligent Interaction (ACII 2011). Lecture Notes in Computer Science, Oct 2011.

しかしながら，人間の興味の有無は明確に表には出されないことがある。例えば，コンテンツを見ているユーザが一人でいると，コンテンツに興味があるにもかかわらず表情をほとんど変えないことがある。その結果，顔の表情から興味の有無を推測することが困難となる。また，ユーザがわずかに身を乗り出す程度の動きのみをした場合，このような動きのみだけではコンテンツへの興味の有無の判定は困難である。このようにユーザの知覚反応が顕在しない場合，そのユーザの興味の有無を正しく判定することは難しい。

そこで，本発明の目的は，確信の度合いを高く，人間の興味の有無を推定できる知覚反応分析装置，その方法及びプログラムを提供することとする。

知覚反応分析装置の第１の側面は，
ネットワークを介して接続する複数の端末にコンテンツを送信し，前記端末が前記端末のユーザの前記コンテンツに対する知覚反応を所定期間検出した知覚反応情報に基づき，前記複数の端末のユーザそれぞれの興味の有無を推定し，
前記複数の端末それぞれが検出した知覚反応情報を受信する知覚反応情報受信処理を行う知覚反応情報受信手段と，
受信した知覚反応情報に基づいて前記複数の端末のユーザそれぞれの知覚反応の変化を示す知覚反応変化情報を生成する知覚反応変化情報生成処理を行う知覚反応変化生成手段と，
前記知覚反応変化情報に基づき前記複数の端末のユーザそれぞれの興味の有無を推定し，前記興味の有無に対応するグループに前記ユーザを組み分けるユーザグルーピング処理を行うユーザグルーピング手段と，
前記知覚反応変化情報に基づき前記ユーザごとに推定した興味の有無の確信の度合いを示す確信度を生成する確信度生成処理を行う確信度生成手段と，
閾値より低い確信度のユーザに対して，当該ユーザと同じ興味の有無のユーザの知覚反応情報に基づき，当該ユーザと同じ興味の有無が再び推定されるような知覚反応に対応する前記コンテンツへの操作を試行する知覚反応試行処理を行う知覚反応試行手段とを有し，
前記知覚反応試行処理の後，前記知覚反応受信処理と前記知覚反応変化生成処理と前記ユーザグルーピング処理とを行い，前記試行した操作に対する当該ユーザの興味の有無を推定する興味再推定処理を行う。

知覚反応分析装置の第１の側面によれば，興味を表に出さないユーザであっても，確信の度合いを高くして興味の有無を推定できる。

本実施の形態における知覚反応分析システムを示す図である。 本実施の形態における端末の構成を示す図である。 本実施の形態における知覚反応分析装置の構成を示す図である。 本実施の形態における知覚反応分析装置の分析動作のフローチャートである。 第１の実施の形態における知覚反応情報の一例を示す図である。 第１の実施の形態における知覚反応変化情報の一例を示す図である。 第１の実施の形態におけるユーザグループの決定過程の一例を示す図である。 第１の実施の形態における知覚反応試行の操作内容の決定過程の一例を示す図である。 第1の実施の形態における機械実施可能命令テーブルの一例を示す図である。 第２の実施の形態における知覚反応情報及び知覚反応変化情報の一例を示す図である。 第２の実施の形態におけるユーザグループの決定過程の一例を示す図である。 第２の実施の形態における知覚反応試行の操作内容の決定過程の一例を示す図である。 第２の実施の形態における知覚反応試行に対する知覚反応の評価の第１の例を示す図である。 第２の実施の形態における知覚反応試行に対する知覚反応の評価の第２の例を示す図である。 第３の実施の形態における知覚反応分析装置の分析動作のフローチャートである。 第３の実施の形態におけるユーザグループの決定過程の一例を示す図である。

以下，図面を用いて本発明の実施の形態について説明する。

図１は，本実施の形態における知覚反応分析システムを示す図である。複数の端末ＣＬ１〜ＣＬｎは，ネットワークＮＷを介して知覚反応分析装置１００と接続する。知覚反応分析装置１００は，ネットワークＮＷを介し，映像等のコンテンツを複数の端末ＣＬ１〜ＣＬｎに配信する。

なお，端末ＣＬ１〜ＣＬｎは，携帯電話，タブレット端末，パソコン等，知覚反応分析装置１００から配信されるコンテンツを表示することができる装置である。また，ネットワークＮＷは，ＬＡＮ，インターネット，通信事業者等が提供する専用回線又はそれらを組み合わせたＩＰネットワークである。

端末ＣＬ１〜ＣＬｎは，配信されたコンテンツをディスプレイ等の出力装置に出力する。それとともに，端末ＣＬ１〜ＣＬｎは，カメラ等の知覚反応検出装置を介し，コンテンツを視聴するユーザの知覚反応を，また，集音マイク等の環境状態検出装置を介して，端末が置かれている環境状態を，一定の期間（検出期間）毎にそれぞれ検出する。そして，端末ＣＬ１〜ＣＬｎは，検出した知覚反応を知覚反応情報として，環境状態を環境状態情報として知覚反応分析装置１００に送信する。

端末ＣＬ１〜ＣＬｎが検出する知覚反応には，顔の表情の変化や身振り等の感情的知覚反応だけでなく，ユーザが端末に近づく又は遠ざかる，音量を上げる又は下げる，端末におけるコンテンツの表示領域を拡大する又は縮小する等の対処的知覚反応も含まれる。なぜなら，ユーザは，感情的知覚反応で興味を表さなくても，対処的知覚反応で興味を表すことがあるためである。

また，端末が置かれている環境状態とは，例えば，端末周囲の騒音状態，気温，人間の密集度等が挙げられる。

知覚反応分析装置１００は，端末ＣＬ１〜ＣＬｎから受信した知覚反応情報に基づいて，コンテンツに興味が有る又は無い等，コンテンツに対する各ユーザの興味の有無を推定する。そして，知覚反応分析装置１００は，各ユーザの興味の有無や環境状態情報に基づいて，ユーザ毎に配信するコンテンツを変更したり，表示を切り替えたりする等，端末ＣＬ１〜ＣＬｎに配信するコンテンツを制御する。例えば，室内の端末に映し出されている商品に対してユーザが興味を示した場合，知覚反応分析装置１００はその端末に割引券を表示させる。

しかしながら，端末ＣＬ１〜ＣＬｎの検出期間のうちユーザが興味を示した時間がわずかであったり，興味を示す知覚反応が鈍かったりすると，知覚反応分析装置１００が推定したユーザの興味は正しいとは限らない。すなわち，知覚反応情報データのうち，ユーザの興味の有無の判定の元となるデータ量がわずかで残りは興味の有無の判定ができないデータである場合や，ユーザの知覚反応を示すデータの変化が微少である場合等においては，知覚反応分析装置１００が推定したユーザの興味の確信の度合いは低い。

そこで，本実施の形態では，知覚反応分析装置１００は，推定した興味の有無の確信の度合いを判定するために，後述する確信度という指標を使用する。知覚反応分析装置１００は，ユーザの興味の有無を推定するとともに，受信した知覚反応情報から確信度を生成する。

確信度が低い場合，すなわち推定した興味の有無の確信の度合い度が低い場合には，知覚反応分析装置１００は，当該ユーザに対し，当該ユーザと同じ興味の有無が再び推定されるような知覚反応に対応するコンテンツへの操作を試行する（知覚反応試行）。本実施の形態では，知覚反応分析装置１００は，当該ユーザの知覚反応又は当該ユーザと同じ興味の有無が推定された他のユーザの知覚反応に基づいて，知覚反応試行の内容を決定する。そして，知覚反応分析装置１００は，決定した知覚反応試行を当該ユーザの端末において試行させ，その知覚反応試行に対する当該ユーザの知覚反応情報から再び興味の有無を推定するとともに，確信度を算出する。これにより，知覚反応分析装置１００は，確信度をより高く，ユーザの興味の有無を推定することができる。

例えば，知覚反応分析装置１００があるユーザがコンテンツに対して興味が無いと推定し，かつその確信度が低い場合，当該ユーザが本当にコンテンツに対して興味が無いのかは不明確である。そこで，知覚反応分析装置１００は，次の検出期間においても当該ユーザが興味が無い知覚反応をするように，知覚反応試行として，当該ユーザが視聴するコンテンツの音量を小さくする。そして，音量が小さくなったコンテンツに対して当該ユーザが何も反応を示さない場合，当該ユーザはその知覚反応を試行する操作を受け入れたとみなせるので，知覚反応分析装置１００は，確信度を高くして，当該ユーザがコンテンツに対して興味が無いと推定することができる。反対に，当該ユーザが音量を上げたり，端末に近づいたりする等コンテンツに対して興味があることを示す知覚反応を示す場合には，その知覚反応を試行する操作を拒否したとみなせるので，知覚反応分析装置１００は，確信度を高くして，当該ユーザがコンテンツに対して興味があると推定することができる。

図２は，本実施の形態における端末の構成を示す図である。

図２の端末ＣＬは，ＣＰＵ２０１と，ＲＡＭ２０２と，マウスやキーボード等の入力装置２０３と，ディスプレイ等の出力装置２０４と，ネットワークＮＷに接続するインターフェース２０５と，バス２０６と，ＲＯＭ２０７と，端末を使用するユーザの知覚反応を検出するカメラ等の知覚反応検出装置２０８と，端末が置かれている環境状態を検出する環境状態検出装置２０９とを有する。なお，図１の端末ＣＬ１〜ＣＬｎは，図２の端末ＣＬと同様の構成を有する。

知覚反応検出装置２０８は，例えば，ユーザの顔の表情や向き，身振り等の感情的知覚反応を検出するとともに，ユーザによる端末の音量調整操作，ユーザと端末との距離，端末におけるコンテンツの表示領域の拡大・縮小操作等の対処的知覚反応を検出する。

環境状態検出装置とは，例えば，周囲の騒音状態を検出する集音マイク，周囲の気温を計測する温度計，端末の出力装置２０４前方にいる人数を検出するカメラ等である。

ＲＯＭ２０７は，知覚反応分析装置１００から受信したコンテンツを出力装置２０４に表示するためのコンテンツ表示プログラム２１０や，知覚反応検出装置２０８が検出した知覚反応をユーザに視聴されたコンテンツに紐づけて知覚反応情報を生成し知覚反応分析装置１００に送信するための知覚反応検出プログラム２１１，知覚反応試行の実行制御する知覚反応試行プログラム２１２，検出した環境状態に基づいて環境状態情報を生成し知覚反応分析装置１００に送信するための環境状態検出プログラム２１３等の各種プログラムや，プログラムの実行に必要なデータを記憶する。

ＲＡＭ２０２は，ＣＰＵ２０１がＲＯＭ２０７からロードした各種プログラムや一時的なデータ等を記憶する。

図３は，本実施の形態における知覚反応分析装置の構成を示す図である。

知覚反応分析装置１００は，ＣＰＵ１０１と，ＲＡＭ１０２と，マウスやキーボード等の入力装置１０３と，ディスプレイ等の出力装置１０４と，ネットワークＮＷに接続するインターフェース１０５と，バス１０６と，ＲＯＭ１０７とを有する。

ＲＯＭ１０７は，コンテンツを生成し端末ＣＬ１〜ＣＬｎに配信するためのコンテンツ配信プログラム１０８や，端末ＣＬ１〜ＣＬｎから環境状態情報を受信し端末ＣＬ１〜ＣＬｎの周辺環境を分析するための環境状態処理プログラム１０９，端末ＣＬ１〜ＣＬｎから受信した知覚反応情報に基づいて端末のユーザの興味の有無を推定するための知覚反応分析プログラム１１０等の各種プログラムを記憶する。それとともにＲＯＭ１０７は，端末ＣＬ１〜ＣＬｎから受信した環境状態情報を記憶する環境状態情報テーブル１１１や，受信した知覚反応情報を記憶する知覚反応情報テーブル１１２，後述する知覚反応変化情報テーブル１１３，重み付けテーブル１１４，ユーザグループテーブル１１５，端末ＣＬ１〜ＣＬｎに配信するコンテンツを記憶するコンテンツテーブル１１６，端末ＣＬ１〜ＣＬｎに配信したコンテンツの履歴を記憶するコンテンツ表示履歴テーブル１１７，端末ＣＬ１〜ＣＬｎの各ユーザの属性（年齢，性別，所属組織等）を記憶するユーザ属性テーブル１１８，知覚反応分析装置１００が知覚反応試行における操作内容を記憶する機械実施可能命令テーブル１１９等，プログラムの実行に必要なデータを記憶する。

ＲＡＭ１０２は，ＣＰＵ１０１がＲＯＭ１０７からロードした各種プログラムや一時的なデータ等を記憶する。

ＣＰＵ１０１は，ＲＯＭ１０７に記憶された各種プログラムを実行し，知覚反応分析装置１００内の各装置の制御を行う。例えば，ＣＰＵ１０１は，知覚反応分析プログラム１１０を実行して，知覚反応情報受信手段１１０１，知覚反応変化生成手段１１０２，ユーザグルーピング手段１１０３，確信度生成手段１１０４，及び知覚反応試行手段１１０５の機能を実現する。

知覚反応情報受信手段１１０１は，端末ＣＬ１〜ＣＬｎから送信された知覚反応情報を受信し知覚反応受信情報テーブル１１２に記憶する。

知覚反応変化算出手段１１０２は，知覚反応受信情報テーブル１１２から知覚反応情報を読み出して，各端末の検出期間内における知覚反応の変化を示す知覚反応変化情報を生成し，知覚反応変化情報テーブル１１３に記憶する。

ユーザグルーピング手段１１０３は，知覚反応変化情報テーブル１１３から知覚反応変化情報を読み出して，各ユーザの興味の有無を判定し，判定毎にユーザを組み分ける。

確信度算出手段１１０４は，知覚反応情報に基づいて，各ユーザの興味の有無の確信度を算出する。

知覚反応試行手段１１０５は，確信度が低いユーザに対して知覚反応試行を行う。

図４は，本実施の形態における知覚反応分析装置の分析動作のフローチャートである。知覚反応分析装置１００は，知覚反応分析プログラムを実行して図４に示す分析動作を行う。

まず，知覚反応分析装置１００は，端末ＣＬ１〜ＣＬｎから知覚反応情報を受信し，知覚反応情報テーブル１１２に記憶する（図４のステップＳ１１）。上述のように端末ＣＬ１〜ＣＬｎからの知覚反応情報は，各端末で検出された感情的知覚反応（感情的知覚反応情報）及び対処的知覚反応（対処的知覚反応情報）を有する。

感情的知覚反応情報の例としては，ユーザが笑顔であるか否か，退屈そうな表情をしているか否か等が挙げられる。

一方，対処的知覚反応情報の例としては，ユーザと端末との距離，コンテンツの音量，コンテンツの表示領域の大きさ等が挙げられる。そして，対処的知覚反応情報は，距離が近い又は遠い，音量が大きい又は小さい，表示領域が大きい又は小さい等，ユーザのコンテンツに対する接触の程度を反応の種類毎に２段階で算出したり，反応の種類毎に最大値と最小値の間で反応の程度を正規化した接触量で算出したりしてもよい。接触量で算出する場合，例えば，ユーザと端末との距離は１．０で最も近く（例えば距離が３０ｃｍ以内である），０．０で最も離れている（例えば距離が２ｍ以上である）を意味し，音量は１．０で最大，０．０で最小（消音状態）を意味し，そして表示領域は１．０で最大サイズ（例えば画面全体サイズ），０．０で最小サイズ（例えば閉じられている状態）を意味する。

また，知覚反応情報テーブル１１２に記憶される知覚反応情報は，ユーザの知覚反応をそのときユーザが視聴したコンテンツに紐づけている。例えば，コンテンツ上の時間を基準に一定の時間間隔で検出されたユーザの知覚反応を端末の検出期間分だけ時系列に集約した知覚反応情報や，コンテンツのシーン毎に検出されたユーザの知覚反応を時系列に集約した知覚反応情報である。

次に，知覚反応分析装置１００は，知覚反応情報に基づいて知覚反応変化情報を生成し，知覚反応変化情報テーブル１１３に記憶する（図４のステップＳ１２）。知覚反応変化情報は，時系列に集約された知覚反応の変化を表す。例えば，知覚反応変化情報は，各時間又は各シーンにおいて表情がどのように変化をしたのかを時系列に「興味あり」（ポジティブ）又「興味無し」（ネガティブ）で判定して表したり，ユーザがコンテンツの音量がどの程度増減したのかを時系列に数値化して表したりする。

ステップＳ１２の後，知覚反応分析装置１００は，知覚反応変化情報に基づいて各端末のユーザの興味の有無を判定し，各端末のユーザを興味の有無の判定に対応するグループ（ユーザグループ）に組み分ける（図４のステップＳ１３）。ユーザグループは，ユーザグループテーブル１１５に判定毎に定義されている。例えば，知覚反応分析装置１００は，ユーザがコンテンツに対して興味があると判定した場合には当該ユーザをポジティブグループに組み分けて，ユーザがコンテンツに対して興味が無いと判定した場合には当該ユーザをネガティブグループに組み分ける。

そして，知覚反応分析装置１００は，知覚反応変化情報に基づいて，各端末のユーザの興味の有無の確信度を生成する（図４のステップＳ１４）。確信度は，ステップＳ１３でユーザが所属するグループを決定する際の，その決定の確からしさを示す指標である。

確信度を決定づける要素としては，例えば，ユーザの知覚反応によってユーザを組み分ける際（図４のステップＳ１３），そのユーザのユーザグループを決定するのに用いたデータ量である。知覚反応が明確に判別できず，ユーザグループを決定するのに用いたデータ量が少ない状況では，確信度は低くなる。また，確信度を決定づける要素のもう一つの例は，データの変化の程度である。感情的知覚反応の変化ばかりでなく，対処的知覚反応の変化のデータもあまり蓄積できない場合は，ユーザの興味の有無の判定が困難であり，確信度が低くなる。

本実施の形態では，支持率又は変動率のいずれか，又は両方を用いて確信度を生成する。例えば，支持率のみ用いられる場合は，支持率が閾値より低いとき確信度が低い。変動率のみ用いられる場合は，変動率が閾値より低いとき確信度が低い。また，支持率及び変動率の両方用いられる場合は，支持率と変動率のいずれかがそれぞれの閾値を上回れば確信度を高いとしてもよいし，支持率と変動率とがそれぞれの閾値を上回れば確信度が高いとしてもよい。

支持率は，「ユーザの興味の有無の判定元となるデータ量／当該ユーザの全データ量」で表される。例えば，ユーザをネガティブグループに組み分けた場合には，支持率＝ネガティブな感情を示すデータ量／当該ユーザの全データ量，となる。この場合，興味が無いことを示すデータ量が全データ量に対してその割合が小さいと，支持率は低くなる。

変動率は，「｜接触量の変化の総和／対処的知覚反応の種類数｜」で表される。すなわち，変動率は接触量の変化の平均値の大きさである。例えば，ユーザがネガティブグループに組み分けられたときにおけるコンテンツの表示領域サイズの変化が−０．３，コンテンツの音量の変化が−０．８，ユーザと端末との距離の変化が−０．５の場合，変動率は，｜（−０．３−０．８−０．５）／３｜＝０．５３となる。つまり，変動率は，データ（接触量）の変化の程度を示す。

ステップＳ１４の後，生成した確信度が高い場合（図４のステップＳ１５のＮｏ），知覚反応分析装置１００は，分析動作を終了する。その結果，ユーザのユーザグループが確定する。

一方，生成した確信度が低い場合（図４のステップＳ１５のＹｅｓ），知覚反応分析装置１００は，知覚反応試行を実施する（図４のステップＳ１６）。知覚反応試行は，知覚反応分析装置１００が確信度が低いユーザの興味の有無と同じ興味の有無が当該ユーザから再び推定されるようにコンテンツを操作し，当該ユーザのグループへの所属の確からしさを確認するために行われる。

ステップＳ１６で知覚反応分析装置１００が行う操作は，例えば，当該ユーザが所属するグループで最も変化の回数が多い対処的知覚反応に対応する操作，当該ユーザが所属するグループで接触量の変化が最も大きかった対処的知覚反応に対応する操作等である。

対処的知覚反応に対応する操作の内容は，機械実施可能命令テーブル１０９に記憶されている。知覚反応分析装置１００は，上記対処的知覚反応を抽出した後，機械実施可能命令テーブル１０９を参照して，操作内容を決定する。

知覚反応分析装置１００は，ステップＳ１６の知覚反応試行を実施した後，再び端末ＣＬ１〜ＣＬｎから知覚反応情報を受信する（図４のステップＳ１１）。そして，知覚反応分析装置１００は，ステップＳ１２〜Ｓ１５を繰り返し，ステップＳ１５で確信度が低い場合には，再び知覚反応試行（図４のステップＳ１６）を行う。

このように，知覚反応分析装置１００は，確信度が低い場合に知覚反応試行を行うことで，より確信度を高くしてユーザのユーザグループを決定することができる。なお，知覚反応試行は，確信度が高くなるまで繰り返されてもよいし，又は基準回数まで繰り返されてもよい。

次に，知覚反応分析装置１００の分析動作の具体例として，第１及び第２の実施の形態について説明する。

［第1の実施の形態］
図５は，第１の実施の形態における知覚反応情報の一例を示す図である。図５は，コンテンツ上の時間（コンテンツ時間）を基準に一定の時間間隔（検出期間）で検出された，端末ＣＬ１のユーザ１の知覚反応情報である。図５（１）は，コンテンツ時間Ｔ０〜Ｔ５における感情的知覚反応情報を示し，図５（２）はコンテンツ時間Ｔ０〜Ｔ５における対処的知覚反応情報を示す。

第１の実施の形態では，端末ＣＬ１は，感情的知覚反応情報として表情が笑顔であるか否かを「有」（笑顔である）・「無」（笑顔でない）の２段階で，退屈な表情であるか否かを「有」（退屈な表情である）・「無」（退屈な表情でない）の２段階でそれぞれ検出する。また，端末ＣＬ１は，対処的知覚反応情報として，ユーザ１と端末ＣＬ１との距離を「近い」・「遠い」の２段階で，コンテンツの表示領域を「大」・「中」・「小」の３段階で，コンテンツの音量を「大」「中」「小」の３段階でそれぞれ検出する。

図５に示すように，感情的知覚反応はいずれも「無」であるため，知覚反応分析装置１００は感情的知覚反応からユーザの興味の有無を推定することができない。しかし，対処的知覚反応は時間の経過とともに変化しているため，知覚反応分析装置１００は，対処的知覚反応に基づいてユーザの興味の有無を推定することができる。

図６は，第１の実施の形態における知覚反応変化情報の一例を示す図である。図６は，知覚反応分析装置１００が図５の知覚反応情報から生成した知覚反応変化情報である（図４のステップＳ１２）。図６（１）は図５（１）の感情的知覚反応情報から生成された感情的知覚反応変化情報であり，図６（２）は図５（２）の対処的知覚反応情報から生成された対処的知覚反応変化情報である。

まず，知覚反応分析装置１００は，知覚反応の種類毎にコンテンツ時間Ｔ０からＴ１，Ｔ１からＴ２，Ｔ２からＴ３，Ｔ４からＴ５の知覚反応の変化を判定する。具体的には，図６では，知覚反応分析装置１００は，ユーザがコンテンツに対して興味がある変化であることを示す「ポジティブ」，ユーザがコンテンツに対して興味が無い変化であることを示す「ネガティブ」，又は反応に変化がないことを示す「変化なし」のいずれかに判定する。

図６（１）では，図５（１）のように感情的知覚反応は時間Ｔ０〜Ｔ５において変化が無いため，知覚反応分析装置１００は全て「変化なし」と判定する。

一方，図６（２）では，コンテンツ時間Ｔ０〜Ｔ１でユーザ１と端末ＣＬ１との距離が「近い」から「遠い」に変化しているため（図５（２）），知覚反応分析装置１００はこれを「ネガティブ」な変化と判定する。コンテンツ時間Ｔ１〜Ｔ２でユーザ１と端末ＣＬ１との距離が「遠い」から「近い」に変化しているため（図５（２）），知覚反応分析装置１００はこれを「ポジティブ」な変化と判定する。コンテンツ時間Ｔ４〜Ｔ５でユーザ１と端末ＣＬ１との距離が「近い」から「遠い」に変化しているため（図５（２）），知覚反応分析装置１００はこれを「ネガティブ」な変化と判定する。

また，コンテンツ時間Ｔ０〜Ｔ１でコンテンツの音量が「大」から「中」に変化しているため（図５（２）），知覚反応分析装置１００はこれを「ネガティブ」な変化と判定する。

コンテンツの表示領域はコンテンツ時間Ｔ０〜Ｔ５において「中」で維持されているため（図５（２）），知覚反応分析装置１００は，コンテンツ時間Ｔ０〜Ｔ５におけるコンテンツの表示領域の変化は「変化なし」と判定する。

次に，知覚反応分析装置１００は，知覚反応の種類毎に各コンテンツ時間の知覚反応の変化を判定した後，感情的知覚反応及び対処的知覚反応それぞれについて，コンテンツ時間毎の知覚反応の変化を総合判定する。

図６（１）では，コンテンツ時間Ｔ０〜Ｔ５の各時間において知覚反応の変化がないため，知覚反応分析装置１００は，すべて「判定不能」として総合判定をしている。

図６（２）では，コンテンツ時間Ｔ０〜Ｔ１における知覚反応の変化については，「ネガティブ」な変化が２回あるため，知覚反応分析装置１００は「ネガティブ」として総合判定をしている。コンテンツ時間Ｔ１〜Ｔ２における知覚反応の変化については，「ポジティブ」な変化が１回あるため，知覚反応分析装置１００は「ポジティブ」として総合判定をしている。時間Ｔ４〜Ｔ５における知覚反応の変化については，「ネガティブ」な変化が１回あるため，知覚反応分析装置１００は「ネガティブ」として総合判定をしている。

このようにして，知覚反応分析装置１００は，図５の知覚反応情報から図６の知覚反応変化情報を生成する。

図７は，第１の実施の形態におけるユーザグループの決定過程の一例を示す図である。知覚反応分析装置１００は，図６の知覚反応変化情報に基づいて，ユーザグループを決定する（図４のステップＳ１３）。

図７では，知覚反応分析装置１００は，感情的知覚反応変化情報，対処的知覚反応変化情報それぞれの総合判定を使用し，「ポジティブ」な変化及び「ネガティブ」な変化のうち回数が多い方の変化に対応するユーザグループにユーザ１を組み分ける。

具体的には，知覚反応分析装置１００は，まず，図６（１）のユーザ１の感情的知覚反応変化情報に基づいて，図７（１）のようにコンテンツ時間Ｔ０〜Ｔ５におけるユーザ１の感情的知覚反応変化の回数を集計する。その結果，「ポジティブ」な変化は０回，「ネガティブ」な変化は０回，判定不能は５回となる。

次に，知覚反応分析装置１００は，図６（２）のユーザ１の対処的知覚反応変化情報に基づいて，図７（２）のようにコンテンツ時間Ｔ０〜Ｔ５におけるユーザ１の対処的知覚反応変化の回数を集計する。その結果，「ポジティブ」な変化は１回，「ネガティブ」な変化は２回，判定不能は２回となる。

そして，知覚反応分析装置１００は，図７（１）の結果と，図７（２）の結果を合計し，図７（３）のように，時間Ｔ０〜Ｔ５におけるユーザ１の全知覚反応変化の回数を集計する。その結果，「ポジティブ」な変化が1回，「ネガティブ」な変化が２回，判定不能は７回となる。そのため，時間Ｔ０〜Ｔ５では，ユーザ１は「ネガティブ」な変化をより多くしていたこととなる。これにより，知覚反応分析装置１００は，ユーザ１をネガティブグループに組み分ける。

このように，感情的知覚反応が検出されない場合であっても，知覚反応分析装置１００は対処的知覚反応によって，各端末のユーザが所属するユーザグループを決定することができる。

ここで，図４で述べたように，知覚反応分析装置１００は，ユーザグループを決定した後，確信度を生成する（図４のステップＳ１４）。図７では，支持率によって確信度が高い，低いが判定される。

支持率は，「ユーザの興味の有無の判定元となるデータ量／当該ユーザの全データ量」で表される。そのため，図７においてユーザ１の支持率は，興味が無いこと（ネガティブ）を示すデータ量／当該ユーザの全データ量＝２／１０＝０．２となる。ここで，支持率が閾値０．４未満のとき確信度が低いとすると，知覚反応分析装置１００は，ユーザ１のネガティブグループへの組み分けについて確信度が低いと判定する。

図８は，第１の実施の形態における知覚反応試行の操作内容の決定過程の一例を示す図である。知覚反応分析装置１００は，確信度が低いユーザに対して知覚反応試行を実施する（図４のステップＳ１６）。

図８では，知覚反応分析装置１００は，図７で確信度が低いと判定されたユーザ１の対処的知覚反応情報と，ユーザ１が所属するネガティブグループの他のユーザの対処的知覚反応情報とに基づいて，発生回数が最も多い対処的知覚反応の変化を検出する。そして，知覚反応分析装置１００は，機械実施可能命令テーブル１１９を参照し，その対処的知覚反応に対応する操作を知覚反応試行の操作に決定する。

これにより，知覚反応分析装置１００は，ユーザ１が所属するネガティブグループで最も頻繁に検出された対処的知覚反応に対応する操作を知覚反応試行として行い，ユーザ１がその対処的知覚反応を受け入れるか否かを判定し，確信度をより高くしてユーザ１の興味の有無を推定することができる。

具体的には，知覚反応分析装置１００は，まず，コンテンツ時間Ｔ＝０〜５の間に検出されたネガティブグループの各ユーザの対処的知覚反応情報に基づいて，コンテンツ時間毎に対処的知覚反応の変化内容を確認し，図８の集計結果Ｒ１のように対処的知覚反応の変化毎に発生回数を集計する。その結果，知覚反応分析装置１００は，コンテンツの音量を「大」から「小」にする対処的知覚反応の変化が，最も発生回数が多い１０回であることを検出する。

次に，知覚反応分析装置１００は，機械実施可能命令テーブル１１９を参照し，コンテンツの音量を「大」から「小」にする対処的知覚反応に対応する操作を読み出す。

ここで，図９は，第1の実施の形態における機械実施可能命令テーブルの一例を示す図である。機械実施可能命令テーブルには，知覚反応分析装置１００が知覚反応試行で行う，対処的知覚反応に対応する操作が記憶されている。

発生回数が最も多い対処的知覚反応の変化によっては，知覚反応分析装置１００が直接その変化を発生させることができない場合がある。例えば，発生回数が最も多い対処的知覚反応の変化が，ユーザと端末との距離を「近」から「遠」にする対処的知覚反応である場合，知覚反応分析装置１００は自分自身が移動する必要があり，ユーザと端末との距離を直接操作して「近」から「遠」にすることは難しい。

しかし，ユーザのコンテンツに対する接触の程度に着目すると，ユーザと端末との距離を「近」から「遠」にすることは，コンテンツの表示領域サイズを「大」から「小」にすることと同等である。

知覚反応分析装置１００は，機械実施可能命令テーブル１１９から発生回数が最も多い対処的知覚反応に対応する操作を読み出し，知覚反応試行の操作を決定する。

したがって，知覚反応分析装置１００は，図８でコンテンツの音量を「大」から「小」にする対処的知覚反応の変化を検出した後，図９の機械実施可能命令テーブル１１９を参照し，ユーザ1に対する知覚反応試行の操作を「コンテンツの音量を「大」から「小」にする操作」に決定する。

そして，知覚反応分析装置１００は，ユーザ1に対しては上述のようにして決定した操作を知覚反応試行として行い，図５〜図７と同様にして再度各端末から次の検出期間における知覚反応情報を受信して各ユーザの興味の有無を推定し確信度を生成する（図４のＳ１１〜Ｓ１４）。

以上のように，第1の実施の形態では，知覚反応分析装置１００は，受信した各ユーザの知覚反応情報に基づいて，知覚反応の変化を時系列にネガティブ又はポジティブに判定して，各ユーザの知覚反応変化情報を生成する。

次に，知覚反応分析装置１００は，生成した各ユーザの知覚反応変化情報に基づいて，ネガティブの変化又はポジティブの変化のうち，回数の多い方の変化に対応するユーザグループに各ユーザを組み分ける。そして，知覚反応分析装置１００は確信度として支持率を使用して，各ユーザのユーザグループの組み分けに対する支持率を生成する。

支持率が閾値よりも低い場合には，当該ユーザが属するユーザグループの全ユーザの対処的知覚反応のうち検出された変化の回数が最も多い対処的知覚反応に対応するコンテンツの操作を知覚反応試行として行い，当該ユーザの興味の有無を推定する。

［第２の実施の形態］
図１０は，第２の実施の形態における知覚反応情報及び知覚反応変化情報の一例を示す図である。図１０は，ユーザ１からユーザｎの知覚反応情報と，それに基づいて生成された知覚反応変化情報である。第２の実施の形態では，第1の実施の形態と同様，感情的知覚反応は検出されず，対処的知覚反応のみが検出されている。

また，第２の実施の形態では，各端末は対処的知覚反応情報を接触量で算出する。そして，知覚反応分析装置１００は，各端末から受信した対処的知覚反応情報に基づき，対処的知覚反応変化情報を接触量の変化量で算出する。

例えば，ユーザ１の場合，対処的知覚反応情報においてコンテンツ時間Ｔ０からＴ１でユーザと端末との距離が「０．６」から「０．３」に変化しているため，対処的知覚反応変化情報においてその変化量は「−０．３」となる。また，コンテンツ時間Ｔ０からＴ１で音量が「０．９」から「０．７」に変化しているため，その変化量は「−０．２」となる。

さらに，コンテンツ時間Ｔ１からＴ２でユーザと端末との距離が「０．３」から「０．７」に変化しているため，その変化量は「０．４」となり，コンテンツの表示領域が「０．６」から「０．７」に変化しているため，その変化量は「０．１」となる。

このように，第２の実施の形態では，知覚反応分析装置１００は，対処的知覚反応の種類ごとにコンテンツ時間ごとの変化を接触量の変化量で求め，対処的知覚反応変化情報を生成する。

図１１は，第２の実施の形態におけるユーザグループの決定過程の一例を示す図である。知覚反応分析装置１００は，図１０のように接触量の変化量で各ユーザの対処的知覚反応変化情報を生成した後（図４のステップＳ１２），各ユーザをユーザグループに組み分ける。

具体的には，知覚反応分析装置１００は，まず，接触量の増加をポジティブな変化とし，接触量の減少をネガティブな変化として，各ユーザの接触量の変化量をそれぞれ集計する。

例えば，ユーザ１では，時間Ｔ１〜Ｔ２において距離が「０．４」だけ増加し，コンテンツの表示領域が「０．１」だけ増加したため，ユーザ１のポジティブな変化量は０．１＋０．４＝０．５となる。同様にして，ユーザ１のネガティブな変化量は （−０．３）＋（−０．２）＋（−０．４）＝−０．９となる。

一方，ユーザ２については，上述と同様にしてポジティブな変化量は０．９となり，ネガティブな変化量は−０．２となる。また，ユーザｎについても同様にして，ポジティブな変化量は０．０となり，ネガティブな変化量は−１．８となる。

知覚反応分析装置１００は，各ユーザの接触量の変化量を集計した後，ポジティブな変化量とネガティブな変化量を比較し，その値の大きさが大きい方に対応するユーザグループに各ユーザを組み分ける。そのため，図１１では，ユーザ１はネガティブグループ，ユーザ２はポジティブグループ，ユーザｎはネガティブグループに組み分けられる。

このように，感情的知覚反応が検出されない場合であっても，知覚反応分析装置１００は対処的知覚反応によって，各端末のユーザが所属するユーザグループを決定することができる。

ここで，図４で述べたように，知覚反応分析装置１００は，ユーザグループを決定した後，確信度を生成する（図４のステップＳ１４）。図１１では，変動率によって確信度が高い，低いが判定される。

変動率は，「｜接触量の変化の総和／対処的知覚反応の種類数｜」で表される。そのため，図１１においてユーザ１の変動率は，｜｛０．５＋（−０．９）｝／３｜＝｜−０．１３｜＝０．１３となる。ユーザ２及びユーザｎの変動率は同様にしてそれぞれ０．２３，０．６となる。

変動率が閾値０．２未満のとき確信度が低いとすると，知覚反応分析装置１００は，ユーザ１のネガティブグループへの組み分けについて確信度が低いと判定する。また，知覚反応分析装置１００は，ユーザ２のポジティブグループへの及びユーザｎのネガティブグループへの組み分けについて，それぞれ確信度が高いと判定する。そのため，知覚反応分析装置１００は，ユーザ１に対して知覚反応試行を実施する（図４のステップＳ１６）。

図１２は，第２の実施の形態における知覚反応試行の操作内容の決定過程の一例を示す図である。図１２は，図１１で確信度が低いと判定されたユーザ１に対して知覚反応試行の操作内容の決定過程を示す。

図１２では，知覚反応分析装置１００は，ユーザ１の対処的知覚反応情報と，ユーザ１が所属するネガティブグループの他のユーザの対処的知覚反応情報とに基づいて，コンテンツ時間Ｔ＝０〜５の間でネガティブの変化量が最も大きい対処的知覚反応を検出する。そして，知覚反応分析装置１００は，機械実施可能命令テーブル１１９（図９）を参照し，その対処的知覚反応に対応する操作を知覚反応試行の操作に決定する。

具体的には，知覚反応分析装置１００は，コンテンツ時間Ｔ＝０〜５の間でコンテンツの音量を下げる対処的知覚反応の変化量「−０．８」が最大であることを検出する。そのため，知覚反応分析装置１００は，機械実施可能命令テーブル１１９を参照し，ユーザ1に対する知覚反応試行の操作を「コンテンツの音量を時間の経過とともに小さくする操作」に決定する。

そして，知覚反応分析装置１００は，このようにして決定した操作を知覚反応試行としてユーザ1に対して行い，図１０〜図１１と同様にして再度各端末から知覚反応情報を受信して各ユーザの興味の有無を推定し確信度を生成する（図４のＳ１１〜Ｓ１４）。

図１３は，第２の実施の形態における知覚反応試行に対する知覚反応の評価の第１の例を示す図である。

図１３のユーザ１の対処的知覚反応情報は，知覚反応分析装置１００が図１２で決定した操作を，図１３のようにユーザ１に対する知覚反応試行としてコンテンツ音量を時間Ｔ５から０．１ずつ減少する知覚的反応試行を実施した場合に，端末ＣＬ１が時間Ｔ５〜Ｔ１０で検出したものである。

知覚反応分析装置１００は，知覚反応試行後，各端末から知覚反応情報を受信し知覚反応変化情報を生成する（図４のステップＳ１１，Ｓ１２）。そして，知覚反応分析装置１００は，ユーザ１の知覚反応試行に対する知覚反応変化情報から，ユーザ１のユーザグループを決定する（図４のステップＳ１３）。

ここで，ユーザグループを決定する際，知覚反応分析装置１００は，図１１ではなく，図１３のように対処的知覚反応変化情報の接触量の変化量に重み付けをして行ってもよい。これは，知覚反応試行を行った直後のコンテンツ時間区間で検出された対処的知覚反応情報が，ユーザ１の興味の有無を明確に表している可能性があるためである。例えば，もしユーザ１がコンテンツに興味を持っていれば，知覚反応試行を開始した後，ユーザ１は早い時間帯で音量が小さくなっていることに気づき，ポジティブな対処的知覚反応を示す場合がある。

知覚反応分析装置１００は，対処的知覚反応変化情報を生成した後，重み付けテーブル１１４を参照し，コンテンツ時間毎の接触量の変化量と重み付けテーブル１１４の係数との積を求め，重み付け後の接触量の変化量をポジティブ，ネガティブにそれぞれ集計する。

図１３では，重み付けテーブル１１４は，知覚反応試行の開始直後から２区間，コンテンツ時間Ｔ５〜Ｔ６，Ｔ６〜Ｔ７の音量の接触量の変化に対して係数を１．０として，他の接触量の変化に対する係数を０．５としている。

一方，ユーザ１の対処的知覚反応変化情報については，時間Ｔ７〜Ｔ８にかけてユーザ１と端末ＣＬ１との距離が「０．３」から「０．７」に，コンテンツの表示領域が「０．７」から「０．２」に変化している。また，ユーザ１は，時間Ｔ５〜Ｔ１０知覚反応試行により音量が０．１ずつ減少しているにもかかわらず，音量を上げる反応を示していない。 すなわち，ユーザ１は，ネガティブグループの他のユーザが示したネガティブな知覚反応の変化を受容している。

そのため，ユーザ１のポジティブな変化量は０．４×０．５＝０．２となり，ネガティブな変化量は，（−０．１）×１．０＋（−０．１）×１．０＋（−０．１）×０．５＋（−０．１）×０．５＋（−０．１）×０．５＋（−０．１）×０．５＋（−０．５）×０．５＝−０．６となる。その結果，ネガティブな変化量の大きさの方がポジティブな変化量より大きいため，ユーザ１は，ネガティブグループに組み分けられる。

また，このときのユーザ１の変動率は，｜｛０．４＋（−０．１）×５＋（−０．５）｝／３｜＝｜−０．２｜＝０．２であるため，確信度は高いと判定される。その結果，知覚反応分析装置１００は，ユーザ１のユーザグループをネガティブグループに決定し，ユーザ１はコンテンツに対して興味がないと判定する。

このように，図１３では，知覚反応分析装置１００は，知覚反応試行により確信度を高くするだけでなく，知覚反応試行の直後の知覚反応の変化に係数を積算して重み付けをすることで知覚反応試行に対するユーザの反応を重点的に計算に反映することができる。

図１４は，第２の実施の形態における知覚反応試行に対する知覚反応の評価の第２の例を示す図である。知覚反応分析装置１００は，図１２で決定したユーザ１の知覚反応試行に対する知覚反応変化情報から，ユーザ１のユーザグループを決定する際，図１１や図１３ではなく，図１４のように，ユーザ１の所属するユーザグループの接触量の平均値とユーザ１の接触量との差に基づいて重み付けをして行ってもよい。これにより，知覚反応分析装置１００は，ユーザ１の所属するユーザグループの平均から外れた知覚反応変化を強調して，知覚反応試行に対するユーザ１の興味の有無を推定することができる。

図１４のユーザ１の対処的知覚反応情報は，知覚反応分析装置１００が図１２で決定した操作をユーザ１に対する知覚反応試行としてコンテンツ音量を時間Ｔ５から０．１ずつ減少する知覚的反応試行を実施した場合に，端末ＣＬ１が時間Ｔ５〜Ｔ１０で検出したものである。また，接触量の下の括弧内の値は，各コンテンツ時間でのネガティブグループにおける接触量の平均値とユーザ１の接触量の差である。

具体的には，コンテンツ時間Ｔ７〜Ｔ８にかけて，ユーザ１と端末ＣＬ１との距離が「０．３」から「０．７」に変化し，コンテンツ時間Ｔ８の距離「０．７」はネガティブグループの平均と「０．３」だけ差がある。また，コンテンツの表示領域は，コンテンツ時間Ｔ７〜Ｔ８にかけて「０．７」から「０．２」に変化し，コンテンツ時間Ｔ８ではネガティブグループの平均と「０．２」だけ差がある。また，ユーザ１は，時間Ｔ５〜Ｔ１０知覚反応試行により音量が０．１ずつ減少しているにもかかわらず，音量を上げる反応を示していない。 すなわち，ユーザ１は，ネガティブグループの他のユーザが示したネガティブな知覚反応の変化を受容している。

知覚反応分析装置１００は，対処的知覚反応変化情報を生成した後，重み付けテーブル１１４を参照し，コンテンツ時間毎の接触量の変化量と重み付けテーブル１１４の係数との積を求め，重み付け後の接触量の変化量をポジティブ，ネガティブにそれぞれ集計する。このように重み付けをすることで，知覚反応分析装置１００は，ユーザ１の所属するユーザグループの平均から外れた知覚反応変化を強調して，知覚反応試行に対するユーザ１の興味の有無を推定することができる。

図１４では，重み付けテーブル１１４は，ネガティブグループにおける接触量の平均値との差が０．３以上の接触量になる変化に対して係数を１．０とし，０．３未満の接触量になる変化に対して係数を０．０としている。

そのため，ユーザ１のポジティブな変化量は０．４×１．０＝０．４となり，ネガティブな変化量は，（−０．１）×０．０×５＋（−０．５）×０．０＝０．０となる。その結果，ポジティブの変化量の大きさの方がネガティブの変化量より大きいため，ユーザ１は，ポジティブグループに組み分けられる。つまり，図１４では，時間Ｔ７〜Ｔ８にかけてユーザ１がネガティブグループの平均から外れて端末に近づく知覚反応変化が強調され，ユーザ１はポジティブグループに組み分けられる。

また，このときのユーザ１の変動率は，｜｛０．４＋（−０．１）×５＋（−０．５）｝／３｜＝｜−０．２｜＝０．２であるため，確信度は高いと判定される。その結果，知覚反応分析装置１００は，ユーザ１のユーザグループをポジティブグループに決定し，ユーザ１はコンテンツに対して興味があると判定する。

このように，図１４では，知覚反応分析装置１００は，知覚反応試行により確信度を高くするだけでなく，知覚反応試行の直後の知覚反応の変化に係数を積算して重み付けをすることでユーザ１の所属するユーザグループの平均から外れた知覚反応変化を強調して，知覚反応試行に対するユーザ１の興味の有無を推定することができる。

なお，図１４のユーザ１の対処的知覚反応情報の接触量の下の括弧内の値は，各コンテンツのシーンでのネガティブグループにおける接触量の平均値とユーザ１の接触量の差であってもよい。例えば，コンテンツが序盤，中盤，終盤の３つのシーンで構成されており，コンテンツ時間Ｔ０〜Ｔ５がコンテンツの序盤に含まれている場合には，コンテンツの序盤でのネガティブグループにおける接触量の平均値とユーザ１の接触量の差を用いてもよい。

また，知覚反応検出装置２０８のＷｅｂカメラが端末ＣＬの出力装置２０４のディスプレイに対するユーザの視線の位置を検出し，知覚反応分析装置１００はその検出結果に基づいて，対処的知覚反応変化情報の接触量の変化量に重み付けをする，しないを制御してもよい。例えば，ユーザの視線がコンテンツ上に位置している場合には接触量の変化量に重み付けを行う。反対に，ユーザの視線がコンテンツ上に位置していない場合には接触量の変化量に重み付けを行わない。

以上のように，第２の実施の形態では，知覚反応分析装置１００は，受信した各ユーザの知覚反応情報に基づいて，接触量の変化量の変化を時系列に生成して各ユーザの知覚反応変化情報を生成する。

次に，知覚反応分析装置１００は，生成した知覚反応変化情報に基づいて，接触量の減少量の方が多い場合にはそのユーザをネガティブグループに組み分け，接触量の増加量の方が多い場合にはそのユーザをポジティブグループに組み分け，変動率を生成する。

変動率が閾値よりも低い場合には，当該ユーザと同じグループの全ユーザの知覚反応のうち，コンテンツに対する接触量の変化量が最も大きい種類の対処的知覚反応に対応するコンテンツの操作を知覚反応試行として行い，当該ユーザの興味の有無を推定する。

［第３の実施の形態］
知覚反応分析装置１００は，第１の実施の形態ではユーザ毎の関心の有無を推定するだけでなく，受信した各ユーザの知覚反応情報及びユーザの属性に基づいて，コンテンツに対する興味の有無を属性別に推定してもよい。属性とは，ユーザの年齢，性別や所属組織等である。以下，図１５及び図１６を参照して，営業所を属性の例とし，知覚反応分析装置の動作について説明する。

図１５は，第３の実施の形態における知覚反応分析装置の分析動作のフローチャートである。図１６は，第３の実施の形態におけるユーザグループの決定過程の一例を示す図である。図１６は，知覚反応分析装置１００が営業所Ａ〜Ｃに所属するユーザＡ１〜Ａ１０，Ｂ１〜Ｂ２０，Ｃ１〜Ｃ３０の知覚反応情報を受信して営業所Ａ〜Ｃのユーザグループを決定する過程を示す。

知覚反応分析装置１００は，まず，営業所Ａ〜Ｃの各ユーザの端末から知覚反応情報を受信する（図１５のステップＳ２１）。

そして，知覚反応分析装置１００は，受信した知覚反応情報に基づいて第１の実施の形態と同様，ユーザ毎にポジティブ，ネガティブの変化の回数を集計しユーザグループを決定する（図１５のステップＳ２２）。具体的には，知覚反応分析装置１００は，ユーザＡ１〜Ａ１０，Ｂ１〜Ｂ２０，Ｃ１〜Ｃ３０の知覚反応情報に基づいて，各ユーザのユーザグループを決定する。その結果，例えば，ユーザＡ１，Ｂ２０，Ｃ１，Ｃ３０等はネガティブグループ，ユーザＡ１０，Ｂ１等はポジティブグループに組み分けられる。

ステップＳ２２の後，知覚反応分析装置１００は，属性毎にポジティブ，ネガティブの変化の回数を集計し，Ｓ２２と同様に各属性のユーザグループを決定する（図１５のステップＳ２３）。

例えば，営業所Ａのユーザグループを決定する場合，知覚反応分析装置１００は，ユーザＡ１〜Ａ１０の知覚反応変化情報を基に，ユーザＡ１〜Ａ１０のポジティブな変化，ネガティブな変化及び判定不能の回数を集計し，営業所Ａの全知覚反応変化の集計結果Ｒａを生成する。その結果，「ポジティブ」な変化が１０回，「ネガティブ」な変化が２０回，判定不能は７０回となる。そのため，営業所Ａでは「ネガティブ」な変化がより多く発生していたこととなる。これにより，知覚反応分析装置１００は，営業所Ａをネガティブグループに組み分ける。

また，知覚反応分析装置１００は，営業所Ｂ，営業所Ｃについても同様にして，集計結果Ｒｂ，Ｒｃを生成し，それぞれの結果をもとに営業所Ｂをポジティブグループ，営業所Ｃをネガティブグループに組み分ける。

ステップＳ２３の後，知覚反応分析装置１００は，第1の実施の形態と同様にして，属性毎に確信度を生成する（図１５のステップＳ２４）。例えば，営業所Ａでは，支持率が，ネガティブな感情を示すデータ量／当該ユーザの全データ量＝２０／１００＝０．２０となる。ここで，支持率が閾値０．４未満のとき確信度が低いとすると，知覚反応分析装置１００は，営業所Ａのネガティブグループへの組み分けについて確信度が低いと判定する。

また，知覚反応分析装置１００は，営業所Ｂ，営業所Ｃについても同様にして支持率を０．４５，０．４１と算出し，それぞれ確信度が高いと判定する。

ステップＳ２４で生成した確信度が低い場合には（図１５のステップＳ２５のＹｅｓ），知覚反応分析装置１００は，知覚反応試行を実施する（図１５のステップＳ２６）。

具体的には，知覚反応分析装置１００は，まず確信度が低い営業所Ａと同じネガティブグループに所属するユーザＡ１，Ｂ２０，Ｃ１，Ｃ３０等の知覚反応情報に基づいて，図８と同様にして発生回数が最も多い対処的知覚反応の変化を検出する。そして，知覚反応分析装置１００は，機械実施可能命令テーブル１１９を参照し，その対処的知覚反応に対応する操作を知覚反応試行の操作に決定する。そして，知覚反応分析装置１００は，営業所Ａに所属するユーザＡ１〜Ａ１０に対して，決定した操作を知覚反応試行として行う。

すなわち，ステップＳ２６では，知覚反応分析装置１００は，まず，確信度が低い属性のユーザグループと同じユーザグループに所属する全ユーザの知覚反応情報に基づいて，知覚反応試行の操作内容を決定する。そして，知覚反応分析装置１００は，当該属性を有するユーザ全員に対して，決定した操作を行う。

このように，第３の実施の形態では，知覚反応分析装置１００は，受信した各ユーザの知覚反応情報及びユーザの属性に基づいて，コンテンツに対する興味の有無を属性別に推定する。そして，確信度が低い場合，知覚反応分析装置１００は，当該属性のユーザグループと同じユーザグループに所属するユーザの知覚反応情報に基づいて知覚反応試行を，当該属性を有する全ユーザに行う。その結果，知覚反応分析装置１００は，確信度を高くして，コンテンツに対する興味の有無を属性毎に推定することができる。

以上の実施の形態をまとめると，次の付記のとおりである。

（付記１）
ネットワークを介して接続する複数の端末にコンテンツを送信し，前記端末が前記端末のユーザの前記コンテンツに対する知覚反応を所定期間検出した知覚反応情報に基づき，前記複数の端末のユーザそれぞれの興味の有無を推定する知覚反応分析装置であって，
前記複数の端末それぞれが検出した知覚反応情報を受信する知覚反応情報受信処理を行う知覚反応情報受信手段と，
受信した知覚反応情報に基づいて前記複数の端末のユーザそれぞれの知覚反応の変化を示す知覚反応変化情報を生成する知覚反応変化情報生成処理を行う知覚反応変化生成手段と，
前記知覚反応変化情報に基づき前記複数の端末のユーザそれぞれの興味の有無を推定し，前記興味の有無に対応するグループに前記ユーザを組み分けるユーザグルーピング処理を行うユーザグルーピング手段と，
前記知覚反応変化情報に基づき前記ユーザごとに推定した興味の有無の確信の度合いを示す確信度を生成する確信度生成処理を行う確信度生成手段と，
閾値より低い確信度のユーザに対して，当該ユーザと同じ興味の有無のユーザの知覚反応情報に基づき，当該ユーザと同じ興味の有無が再び推定されるような知覚反応に対応する前記コンテンツへの操作を試行する知覚反応試行処理を行う知覚反応試行手段とを有し，
前記知覚反応試行処理の後，前記知覚反応受信処理と前記知覚反応変化生成処理と前記ユーザグルーピング処理とを行い，前記試行した操作に対する当該ユーザの興味の有無を推定する興味再推定処理を行う知覚反応分析装置。

（付記２）
付記１において，
前記興味再推定処理の後，前記確信度生成処理を行い，当該ユーザの確信度が前記閾値より低い場合には，再度前記知覚反応試行処理と前記興味再推定処理とを繰り返す前記知覚反応分析装置。

（付記３）
付記１において，
前記知覚反応変化生成処理では，前記知覚反応の変化を時系列にネガティブ変化又はポジティブ変化のいずれかに判定して知覚反応変化情報を生成し，
ユーザグルーピング処理では，前記知覚反応変化情報に基づいて，前記ネガティブ変化又は前記ポジティブ変化のうち回数の多い方の変化に対応するグループに組み分ける知覚反応分析装置。

（付記４）
付記３において，
前記確信度は，前記ネガティブ変化又は前記ポジティブ変化のうち回数の多い方の変化が前記所定期間に対して占める割合である知覚反応分析装置。

（付記５）
付記３において，
知覚反応試行処理では，前記閾値より低い確信度のユーザと同じグループのユーザの知覚反応のうち，検出された回数が最も多い種類の知覚反応を当該ユーザが行うように前記コンテンツを操作する知覚反応分析装置。

（付記６）
付記１において，
知覚反応変化生成処理では，前記コンテンツに対する前記ユーザの接触量の変化量を時系列に算出して知覚反応変化情報を生成し，
ユーザグルーピング処理では，前記知覚反応変化情報に基づき，前記接触量が減少した場合にはネガティブグループに組み分けて，前記接触量が増加した場合にはポジティブグループに組み分ける知覚反応分析装置。

（付記７）
付記６において，
前記確信度は，前記ユーザの知覚反応の種類ごとの前記接触量の変化量の平均値である知覚反応分析装置。

（付記８）
付記６において，
知覚反応試行処理では，前記閾値より低い確信度のユーザと同じグループのユーザの知覚反応のうち，前記コンテンツに対する接触量の変化量が最も大きい種類の知覚反応を当該ユーザが行うように前記コンテンツを操作する知覚反応分析装置。

（付記９）
付記６において，
前記知覚反応試行処理で前記コンテンツを操作した後のユーザグルーピング処理では，前記操作したコンテンツについての当該ユーザの接触量の変化量に対して前記操作に応じた重み付けを与え，前記重み付けを与えられた接触量の変化量に基づいて当該ユーザをネガティブグループ又はポジティブグループに組み分ける知覚反応分析装置。

（付記１０）
付記６において，
前記知覚反応試行処理で前記コンテンツを操作した後のユーザグルーピング処理では，前記操作したコンテンツについての当該ユーザの接触量の変化量に対して，当該ユーザと同じグループに所属するユーザの接触量の平均値と当該ユーザの接触量との差に応じた重み付けを与え，前記重み付けを与えられた接触量の変化量に基づいて当該ユーザをネガティブグループ又はポジティブグループに組み分ける知覚反応分析装置。

（付記１１）
付記１において，
前記知覚反応情報は，前記端末と前記端末のユーザとの距離に関する反応，前記端末における前記コンテンツの表示領域の大きさに関する反応，及び前記端末における前記コンテンツの音量に関する反応のうち少なくとも１つを有する知覚反応分析装置。

（付記１２）
付記１において，
前記知覚反応試行処理では，当該ユーザと同じ興味の有無のユーザの知覚反応情報に基づき，前記端末における前記コンテンツの音量を増減する音量調整処理，及び前記端末における前記コンテンツの表示領域を拡縮する表示領域調整処理のうち少なくとも１つを実行する知覚反応分析装置。

（付記１３）
付記１において，
前記ユーザグルーピング手段は，前記知覚反応変化情報に基づき前記複数の端末のユーザの属性の興味の有無を推定し，前記興味の有無に対応するグループに前記属性を組み分ける属性グルーピング処理を行い，
前記確信度生成手段は，前記知覚反応変化情報に基づき前記属性ごとに推定した興味の有無の確信の度合いを示す属性確信度を生成する属性確信度生成処理を行い，
前記知覚反応試行手段は，前記閾値より低い属性確信度の属性に対して，当該属性と同じ興味の有無のユーザの知覚反応情報に基づき，当該属性と同じ興味の有無が再び推定されるような知覚反応に対応する前記コンテンツへの操作を，当該属性を有するユーザに試行する属性知覚反応試行処理を行う知覚反応分析装置。

（付記１４）
ネットワークを介して接続する複数の端末にコンテンツを送信し，前記端末が前記端末のユーザの前記コンテンツに対する知覚反応を所定期間検出した知覚反応情報に基づき，前記複数の端末のユーザそれぞれの興味の有無を推定する知覚反応分析装置の知覚反応分析方法であって，
前記知覚反応分析装置が，前記複数の端末それぞれが検出した知覚反応情報を受信する知覚反応情報受信工程と，
前記知覚反応分析装置が，受信した知覚反応情報に基づいて前記複数の端末のユーザそれぞれの知覚反応の変化を示す知覚反応変化情報を生成する知覚反応変化生成工程と，
前記知覚反応分析装置が，前記知覚反応変化情報に基づき前記複数の端末のユーザそれぞれの興味の有無を推定し，前記興味の有無に対応するグループに前記ユーザを組み分けるユーザグルーピング工程と，
前記知覚反応分析装置が，前記知覚反応変化情報に基づき前記ユーザごとに推定した興味の有無の確信の度合いを示す確信度を生成する確信度生成工程と，
前記知覚反応分析装置が，閾値より低い確信度のユーザに対して，当該ユーザと同じ興味の有無のユーザの知覚反応情報に基づき，当該ユーザと同じ興味の有無が再び推定されるような知覚反応に対応する前記コンテンツへの操作を試行する知覚反応試行工程と，
前記知覚反応分析装置が，前記知覚反応試行工程の後，前記知覚反応受信工程と前記知覚反応変化生成工程と前記ユーザグルーピング工程とを行い，前記試行した操作に対する当該ユーザの興味の有無を推定する興味再推定工程とを有する知覚反応分析方法。

（付記１５）
付記１４において，
前記知覚反応分析装置が，前記興味再推定工程の後，前記確信度生成工程を行い，当該ユーザの確信度が前記閾値より低い場合には，再度前記知覚反応試行工程と前記興味再推定工程とを繰り返す知覚反応分析方法。

（付記１６）
付記１４において，
前記知覚反応情報は，前記端末と前記端末のユーザとの距離に関する反応，前記端末における前記コンテンツの表示領域の大きさに関する反応，及び前記端末における前記コンテンツの音量に関する反応のうち少なくとも１つを有する知覚反応分析方法。

（付記１７）
付記１４において，
前記知覚反応試行工程では，前記知覚反応分析装置が，当該ユーザと同じ興味の有無のユーザの知覚反応情報に基づき，前記端末における前記コンテンツの音量を増減する音量調整処理，及び前記端末における前記コンテンツの表示領域を拡縮する表示領域調整処理のうち少なくとも１つを実行する知覚反応分析方法。

（付記１８）
ネットワークを介して接続する複数の端末にコンテンツを送信し，前記端末が前記端末のユーザの前記コンテンツに対する知覚反応を所定期間検出した知覚反応情報に基づき，前記複数の端末のユーザそれぞれの興味の有無を推定する前記知覚反応分析装置に知覚反応分析処理を実行させるコンピュータ読み取り可能なプログラムであって，
前記知覚反応分析装置に，前記複数の端末それぞれが検出した知覚反応情報を受信させる知覚反応情報受信工程と，
前記知覚反応分析装置に，受信した知覚反応情報に基づいて前記複数の端末のユーザそれぞれの知覚反応の変化を示す知覚反応変化情報を生成させる知覚反応変化生成工程と，
前記知覚反応分析装置に，前記知覚反応変化情報に基づき前記複数の端末のユーザそれぞれの興味の有無を推定し，前記興味の有無に対応するグループに前記ユーザを組み分けさせるユーザグルーピング工程と，
前記知覚反応分析装置に，前記知覚反応変化情報に基づき前記ユーザごとに推定した興味の有無の確信の度合いを示す確信度を生成させる確信度生成工程と，
前記知覚反応分析装置に，閾値より低い確信度のユーザに対して，当該ユーザと同じ興味の有無のユーザの知覚反応情報に基づき，当該ユーザと同じ興味の有無が再び推定されるような知覚反応に対応する前記コンテンツへの操作を試行させる知覚反応試行工程と，
前記知覚反応分析装置に，前記知覚反応試行工程の後，前記知覚反応受信工程と前記知覚反応変化生成工程と前記ユーザグルーピング工程とを行い，前記試行した操作に対する当該ユーザの興味の有無を推定させる興味再推定工程とを有するプログラム。
（付記１９）
付記１８において，
前記知覚反応分析装置に，前記興味再推定工程の後，前記確信度生成工程を行わせ，当該ユーザの確信度が前記閾値より低い場合には，再度前記知覚反応試行工程と前記興味再推定工程とを繰り返させるプログラム。

（付記２０）
付記１８において，
前記知覚反応情報は，前記端末と前記端末のユーザとの距離に関する反応，前記端末における前記コンテンツの表示領域の大きさに関する反応，及び前記端末における前記コンテンツの音量に関する反応とのうち少なくとも１つを有するプログラム。

（付記２１）
付記１８において，
前記知覚反応試行工程では，前記知覚反応分析装置に，当該ユーザと同じ興味の有無のユーザの知覚反応情報に基づき，前記端末における前記コンテンツの音量を増減する音量調整処理，及び前記端末における前記コンテンツの表示領域を拡縮する表示領域調整処理のうち少なくとも１つを実行させるプログラム。

ＣＬ，ＣＬ１，ＣＬｎ ：端末
ＮＷ ：ネットワーク
１００ ：知覚反応分析装置
１０１．２０１ ：ＣＰＵ
１０２，２０２ ：ＲＡＭ
１０３，２０３ ：入力装置
１０４，２０４ ：出力装置
１０５，２０５ ：Ｉ／Ｆ
１０６，２０６ ：バス
１０７，２０７ ：ＲＯＭ
１０８ ：コンテンツ配信プログラム
１０９ ：環境状態処理プログラム
１１０ ：知覚反応プログラム
１１１ ：環境状態情報テーブル
１１２ ：知覚反応情報テーブル
１１３ ：知覚反応変化情報テーブル
１１４ ：重み付けテーブル
１１５ ：ユーザグループテーブル
１１６ ：コンテンツテーブル
１１７ ：コンテンツ表示履歴テーブル
１１８ ：ユーザ属性テーブル
１１９ ：機械実施可能命令テーブル
２０８ ：知覚反応検出装置
２０９ ：環境状態検出装置
２１０ ：コンテンツ表示プログラム
２１１ ：知覚反応検出プログラム
２１２ ：知覚反応試行制御プログラム
２１３ ：環境状態検出プログラム

Claims (12)

1. ネットワークを介して接続する複数の端末にコンテンツを送信し，前記端末が前記端末のユーザの前記コンテンツに対する知覚反応を所定期間検出した知覚反応情報に基づき，前記複数の端末のユーザそれぞれの興味の有無を推定する知覚反応分析装置であって，
   前記複数の端末それぞれが検出した知覚反応情報を受信する知覚反応情報受信処理を行う知覚反応情報受信手段と，
   受信した知覚反応情報に基づいて前記複数の端末のユーザそれぞれの知覚反応の変化を示す知覚反応変化情報を生成する知覚反応変化情報生成処理を行う知覚反応変化情報生成手段と，
   前記知覚反応変化情報に基づき前記複数の端末のユーザそれぞれの興味の有無を推定し，前記興味の有無に対応するグループに前記ユーザを組み分けるユーザグルーピング処理を行うユーザグルーピング手段と，
   前記知覚反応変化情報に基づき前記ユーザごとに推定した興味の有無の確信の度合いを示す確信度を生成する確信度生成処理を行う確信度生成手段と，
   閾値より低い確信度のユーザに対して，当該ユーザと同じ興味の有無のユーザの知覚反応情報に基づき，当該ユーザと同じ興味の有無が再び推定されるような知覚反応に対応する前記コンテンツへの操作を試行する知覚反応試行処理を行う知覚反応試行手段とを有し，
   前記知覚反応試行処理の後，前記知覚反応情報受信処理と前記知覚反応変化情報生成処理と前記ユーザグルーピング処理とを行い，前記試行した操作に対する当該ユーザの興味の有無を推定する興味再推定処理を行う知覚反応分析装置。
2. 請求項１において，
   前記興味再推定処理の後，前記確信度生成処理を行い，当該ユーザの確信度が前記閾値より低い場合には，再度前記知覚反応試行処理と前記興味再推定処理とを繰り返す前記知覚反応分析装置。
3. 請求項１において，
   前記知覚反応変化情報生成処理では，前記知覚反応の変化を時系列にネガティブ変化又はポジティブ変化のいずれかに判定して前記知覚反応変化情報を生成し，
   前記ユーザグルーピング処理では，前記知覚反応変化情報に基づいて，前記ネガティブ変化又は前記ポジティブ変化のうち回数の多い方の変化に対応するグループに組み分ける知覚反応分析装置。
4. 請求項３において，
   前記確信度は，前記ネガティブ変化又は前記ポジティブ変化のうち回数の多い方の変化が前記所定期間に対して占める割合である知覚反応分析装置。
5. 請求項３において，
   前記知覚反応試行処理では，前記閾値より低い確信度のユーザと同じグループのユーザの知覚反応のうち，検出された回数が最も多い種類の知覚反応を当該ユーザが行うように前記コンテンツを操作する知覚反応分析装置。
6. 請求項１において，
   前記知覚反応変化情報生成処理では，前記コンテンツに対する前記ユーザの接触量の変化量を時系列に算出して前記知覚反応変化情報を生成し，
   前記ユーザグルーピング処理では，前記知覚反応変化情報に基づき，前記接触量が減少した場合にはネガティブグループに組み分けて，前記接触量が増加した場合にはポジティブグループに組み分ける知覚反応分析装置。
7. 請求項６において，
   前記確信度は，前記ユーザの知覚反応の種類ごとの前記接触量の変化量の平均値である知覚反応分析装置。
8. 請求項６において，
   前記知覚反応試行処理では，前記閾値より低い確信度のユーザと同じグループのユーザの知覚反応のうち，前記コンテンツに対する接触量の変化量が最も大きい種類の知覚反応を当該ユーザが行うように前記コンテンツを操作する知覚反応分析装置。
9. 請求項１において，
   前記知覚反応情報は，前記端末と前記端末のユーザとの距離に関する反応，前記端末における前記コンテンツの表示領域の大きさに関する反応，及び前記端末における前記コンテンツの音量に関する反応のうち少なくとも１つを有する知覚反応分析装置。
10. 請求項１において，
    前記知覚反応試行処理では，当該ユーザと同じ興味の有無のユーザの知覚反応情報に基づき，前記端末における前記コンテンツの音量を増減する音量調整処理，及び前記端末における前記コンテンツの表示領域を拡縮する表示領域調整処理のうち少なくとも１つを実行する知覚反応分析装置。
11. ネットワークを介して接続する複数の端末にコンテンツを送信し，前記端末が前記端末のユーザの前記コンテンツに対する知覚反応を所定期間検出した知覚反応情報に基づき，前記複数の端末のユーザそれぞれの興味の有無を推定する知覚反応分析装置の知覚反応分析方法であって，
    前記知覚反応分析装置が，前記複数の端末それぞれが検出した知覚反応情報を受信する知覚反応情報受信工程と，
    前記知覚反応分析装置が，受信した知覚反応情報に基づいて前記複数の端末のユーザそれぞれの知覚反応の変化を示す知覚反応変化情報を生成する知覚反応変化情報生成工程と，
    前記知覚反応分析装置が，前記知覚反応変化情報に基づき前記複数の端末のユーザそれぞれの興味の有無を推定し，前記興味の有無に対応するグループに前記ユーザを組み分けるユーザグルーピング工程と，
    前記知覚反応分析装置が，前記知覚反応変化情報に基づき前記ユーザごとに推定した興味の有無の確信の度合いを示す確信度を生成する確信度生成工程と，
    前記知覚反応分析装置が，閾値より低い確信度のユーザに対して，当該ユーザと同じ興味の有無のユーザの知覚反応情報に基づき，当該ユーザと同じ興味の有無が再び推定されるような知覚反応に対応する前記コンテンツへの操作を試行する知覚反応試行工程と，
    前記知覚反応分析装置が，前記知覚反応試行工程の後，前記知覚反応情報受信工程と前記知覚反応変化情報生成工程と前記ユーザグルーピング工程とを行い，前記試行した操作に対する当該ユーザの興味の有無を推定する興味再推定工程とを有する知覚反応分析方法。
12. ネットワークを介して接続する複数の端末にコンテンツを送信し，前記端末が前記端末のユーザの前記コンテンツに対する知覚反応を所定期間検出した知覚反応情報に基づき，前記複数の端末のユーザそれぞれの興味の有無を推定する知覚反応分析装置に知覚反応分析処理を実行させるコンピュータ読み取り可能なプログラムであって，
    前記知覚反応分析装置に，前記複数の端末それぞれが検出した知覚反応情報を受信させる知覚反応情報受信工程と，
    前記知覚反応分析装置に，受信した知覚反応情報に基づいて前記複数の端末のユーザそれぞれの知覚反応の変化を示す知覚反応変化情報を生成させる知覚反応変化情報生成工程と，
    前記知覚反応分析装置に，前記知覚反応変化情報に基づき前記複数の端末のユーザそれぞれの興味の有無を推定し，前記興味の有無に対応するグループに前記ユーザを組み分けさせるユーザグルーピング工程と，
    前記知覚反応分析装置に，前記知覚反応変化情報に基づき前記ユーザごとに推定した興味の有無の確信の度合いを示す確信度を生成させる確信度生成工程と，
    前記知覚反応分析装置に，閾値より低い確信度のユーザに対して，当該ユーザと同じ興味の有無のユーザの知覚反応情報に基づき，当該ユーザと同じ興味の有無が再び推定されるような知覚反応に対応する前記コンテンツへの操作を試行させる知覚反応試行工程と，
    前記知覚反応分析装置に，前記知覚反応試行工程の後，前記知覚反応情報受信工程と前記知覚反応変化情報生成工程と前記ユーザグルーピング工程とを行い，前記試行した操作に対する当該ユーザの興味の有無を推定させる興味再推定工程とを有するプログラム。

Images