JP6283001B2 - 情報処理装置、情報処理方法および情報処理プログラム - Google Patents

Description

本発明は、情報処理装置、情報処理方法および情報処理プログラムに関する。

近年、ユーザの所在地を予測する技術が知られている。例えば、このような予測に関する技術では、ユーザが過去に滞在していた位置に関する情報と、スケジューラや検索ログの情報とを用いて、ユーザが今後滞在する場所を推測する。

特開２０１１−１９８２９２号公報 特開２０１５−２６１３６号公報

しかしながら、上記の従来技術では、未来に関する事象を高い精度で検出することができるとは限らなかった。例えば、上記の従来技術では、ユーザが過去に滞在していた位置と、ユーザ個人のスケジューラに含まれる予定との間の共起関係に基づいてユーザが今後滞在する場所を推測するに過ぎないので、未来に関する事象を高い精度で検出することができるとは限らなかった。上記の従来技術はユーザ個人の場合を想定したものと思われるが、不特定多数のユーザを対象とする場合でも未来に関する事象についての検出の精度と言う点では課題は残る。

本願は、上記に鑑みてなされたものであって、未来に関する事象を高い精度で検出することができる情報処理装置、情報処理方法および情報処理プログラムを提供することを目的とする。

本願に係る情報処理装置は、現時点より過去の行動に関する意思を示す過去意思情報と、前記過去の行動と対応する行動であって現時点より所定の期間未来の行動に関する意思を示す未来意思情報とを取得する取得部と、前記取得部によって取得された過去意思情報及び未来意思情報に基づいて前記未来に関する事象を検出する検出部とを備えたことを特徴とする。

実施形態の一態様によれば、未来に関する事象を高い精度で検出することができるという効果を奏する。

図１は、実施形態に係る情報処理システムによる検出処理の一例を示す説明図である。 図２は、検出処理を説明するための説明図である。 図３は、実施形態に係る情報処理装置の構成例を示す図である。 図４は、実施形態に係る意思情報記憶部の一例を示す図である。 図５は、実施形態に係る累積情報記憶部の一例を示す図である。 図６は、実施形態に係る異常情報記憶部の一例を示す図である。 図７は、モデルの調整を説明するための説明図である。 図８は、情報処理システムにおける全体の処理の流れを説明するための説明図である。 図９は、画面の一例を示す図である。 図１０は、情報処理システムによる表示処理の流れを説明するための説明図である。 図１１は、情報処理装置による情報処理手順を示すフローチャートである。 図１２は、情報処理装置の機能を実現するコンピュータの一例を示すハードウェア構成図である。

以下に、本願に係る情報処理装置、情報処理方法および情報処理プログラムを実施するための形態（以下、「実施形態」と呼ぶ）について図面を参照しつつ詳細に説明する。なお、この実施形態により本願に係る情報処理装置、情報処理方法および情報処理プログラムが限定されるものではない。また、以下の実施形態において同一の部位には同一の符号を付し、重複する説明は省略される。

〔１．実施形態〕
〔１−１．実施形態に係る検出処理〕
まず、図１を用いて、実施形態に係る検出処理の一例について説明する。図１は、実施形態に係る情報処理システム１による検出処理の一例を示す説明図である。図１の例では、情報処理装置１００によって未来に関する異常（事象の一例に相当）を検出する検出処理が行われる。

図１に示すように、情報処理システム１には、端末装置１０Ａ〜１０Ｃと、情報提供サーバ５０と、情報処理装置１００とが含まれる。端末装置１０Ａ〜１０Ｃ、情報提供サーバ５０、情報処理装置１００は、それぞれネットワークと有線または無線により通信可能に接続される。なお、以下では、端末装置１０Ａ〜１０Ｃの各装置を区別なく総称する場合には、「端末装置１０」と記載する場合がある。

端末装置１０は、一例としては、スマートフォンや、ＰＣ（Personal Computer）や、タブレット型端末や、携帯電話機、ＰＤＡ（Personal Digital Assistant）等の情報処理装置である。例えば、端末装置１０は、情報提供サーバ５０に各種のリクエストを送信することで、情報提供サーバ５０によって提供される各種の情報を受信して表示する。

情報提供サーバ５０は、情報提供サービスを提供するＷｅｂサーバである。例えば、情報提供サーバ５０は、端末装置１０からのリクエストに応じて、交通手段の乗換案内や運行情報などといった路線に関する路線情報を端末装置１０に提供する。

ここで、例えば、急な天候不良やイベントなどが発生した場合には、通常の場合と比較して駅等に人が多く集まり混雑する場合がある。そこで、情報処理装置１００は、端末装置１０から送信され情報提供サーバ５０に蓄積された情報を用いて、通常の場合と比較して駅が混雑する等といった、過去に関する事象とは異なる未来に関する異常を検出する検出処理を実行する。この点について、図１を用いて詳細に説明する。

まず、端末装置１０は、利用者による検索操作を受け付けて、情報提供サーバ５０が提供するＷｅｂページから経路の検索を実行する（ステップＳ１）。ここで、端末装置１０は、利用者の行動に関する意思を示す意思情報を情報提供サーバ５０に送信する。例えば、端末装置１０は、意思情報として、利用者が行く予定の場所と、かかる場所へ行く日時とに関する情報を情報提供サーバ５０に送信する。一例としては、端末装置１０Ａは、意思情報として、端末装置１０Ａの利用者が路線検索において到着地として指定した場所「Ａ駅」と、到着日時として指定した日時「2015年5月25日17:00」とを含む路線検索情報を、検索日時「2015年5月25日9:01」に情報提供サーバ５０に送信する。端末装置１０Ｂは、端末装置１０Ｂの利用者が到着地として指定した場所「Ａ駅」と、到着日時として指定した日時「2015年5月25日18:00」とを含む路線検索情報を、検索日時「2015年5月25日9:02」に情報提供サーバ５０に送信する。端末装置１０Ｃは、端末装置１０Ｃの利用者が到着地として指定した場所「Ａ駅」と、到着日時として指定した日時「2015年5月25日17:30」とを含む路線検索情報を、検索日時「2015年5月25日9:03」に情報提供サーバ５０に送信する。これにより、情報提供サーバ５０は、意思情報を端末装置１０から受信する。そして、情報提供サーバ５０は、端末装置１０から受信した意思情報を記憶部に格納する（ステップＳ２）。

続いて、情報処理装置１００は、現時点より過去の行動に関する意思を示す過去意思情報と、かかる過去の行動と対応する行動であって現時点より所定の期間未来の行動に関する意思を示す未来意思情報とを取得する（ステップＳ３）。例えば、情報処理装置１００は、過去意思情報として、意思情報のうち、現時点より過去の行動に関する意思が示された意思情報を情報提供サーバ５０から取得する。一例としては、情報処理装置１００は、現時点が「2015年5月25日10:00」である場合には、過去意思情報として、利用者が場所「Ａ駅」を到着地として指定し日時「2015年5月18日17:00」を到着日時として指定した路線検索情報を取得する。また、情報処理装置１００は、未来意思情報として、意思情報のうち、かかる過去の行動と対応する行動であって現時点より所定の期間未来の行動に関する意思を示す意思情報を情報提供サーバ５０から取得する。一例としては、情報処理装置１００は、現時点が「2015年5月25日10:00」である場合には、未来意思情報として、利用者が場所「Ａ駅」を到着地として指定し日時「2015年5月25日17:00」を到着日時として指定した路線検索情報を取得する。

そして、情報処理装置１００は、取得された過去意思情報及び未来意思情報に基づいて未来に関する異常を検出する（ステップＳ４）。具体的には、情報処理装置１００は、現時点より過去の第１期間に意思が示された未来意思情報と、かかる第１期間に対応する期間であってかかる第１期間より過去の第２期間に意思が示された過去意思情報とを比較して未来に関する異常を検出する。例えば、情報処理装置１００は、第１期間に意思が示された未来意思情報の累積と、第２期間に意思が示された過去意思情報の累積とを比較して未来に関する異常を検出する。この点について、図２を用いて説明する。

図２は、検出処理を説明するための説明図である。図２では、グラフの縦軸は、「Ａ駅」を到着駅として指定する路線検索の累積件数を示す。グラフの横軸は、時間を示す。また、図２の例では、現時点は、「2015年5月25日10:00」である。第１期間は、「2015年5月25日0:00〜10:00」である。第２期間は、「2015年5月18日0:00〜10:00」である。また、図２に示すグラフＬ１は、「2015年5月18日0:00〜10:00」の期間に、利用者が「Ａ駅」を到着駅として指定した路線検索の累積件数を示す。グラフＬ２は、「2015年5月25日0:00〜10:00」の期間に、利用者が「Ａ駅」を到着駅として指定した路線検索の累積件数を示す。この場合、情報処理装置１００は、グラフＬ１とグラフＬ２との間の差異を比較して過去に関する事象とは異なる未来に関する異常を検出する。ここで、グラフＬ１の時点「2015年5月18日10:00」における累積件数は、「4000件」である。一方、グラフＬ２の時点「2015年5月25日10:00」における累積件数は、「8000件」である。このため、情報処理装置１００は、グラフＬ２より過去の日の同じ時間帯の累積件数であるグラフＬ１と比較してグラフＬ２の累積件数が２倍であり著しく多く、また、到着日時として「2015年5月25日17:00〜18：00」の時間が指定された路線検索の数が多いので、現時点「2015年5月25日10:00」より未来である「2015年5月25日17:00〜18：00」に「Ａ駅」が混雑するといった未来に関する異常を検出する。

このように、実施形態に係る情報処理装置１００は、現時点より過去の行動に関する意思を示す過去意思情報と、過去の行動と対応する行動であって現時点より所定の期間未来の行動に関する意思を示す未来意思情報とを取得する。また、情報処理装置１００は、取得された過去意思情報及び未来意思情報に基づいて未来に関する事象を検出する。

これにより、情報処理装置１００は、未来の行動と対応する過去の行動を示す過去意思情報を用いて未来に関する事象を検出するので、未来に関する異常を高い精度で検出することができる。

また、情報処理装置１００は、現時点より過去の第１期間に意思が示された未来意思情報と、第１期間に対応する期間であって第１期間より過去の第２期間に意思が示された過去意思情報とを比較して未来に関する事象を検出する。

これにより、情報処理装置１００は、現時点より過去の第１期間と第１期間に対応する第２期間との間の意思情報の差異を比較することができるので、未来に関する異常を高い精度で検出することができる。例えば、情報処理装置１００は、曜日や時間帯など同じ条件で比較することができるので、未来に関する異常を高い精度で検出することができる。一例としては、情報処理装置１００は、「Ａ駅」を到着駅とする路線検索数が過去の対応する期間と比較して多い場合に、未来に関する事象として「Ａ駅」が混雑することを高い精度で検出することができる。また、情報処理装置１００は、過去の対応する期間と比較して多い「Ａ駅」を到着駅とする路線検索の到着日時に基づいて、「Ａ駅」が混雑する未来の日時を高い精度で検出することができる。

また、情報処理装置１００は、第１期間に意思が示された未来意思情報の累積と、第２期間に意思が示された過去意思情報の累積とを比較して未来に関する事象を検出する。

これにより、情報処理装置１００は、未来意思情報の累積の推移と過去意思情報の累積の推移との間の差に基づいて未来に関する事象を検出することができるので、未来に関する異常を高い精度で検出することができる。例えば、情報処理装置１００は、異常が発生する場合には未来意思情報の累積が過去意思情報の累積と比較して速いペースで蓄積するので、累積を比較することで未来に関する異常を高い精度で検出することができる。

なお、図１では、情報処理システム１に、３台の端末装置１０Ａ〜１０Ｃと、１台の情報提供サーバ５０と、１台の情報処理装置１００とが含まれる例を示したが、情報処理システム１には、３台に限らず複数台の端末装置１０や、複数台の情報提供サーバ５０や、複数台の情報処理装置１００が含まれてもよい。

また、図１では、説明を簡単にするため、端末装置１０Ａ〜１０Ｃが３つの意思情報を送信する例を示したが、実際には不特定多数の端末装置１０から意思情報が送信される。そして、情報提供サーバ５０は、情報処理装置１００による異常の検出に十分な数の意思情報を保持する。

〔１−２．実施形態に係る情報処理装置の構成〕
次に、図３を用いて、実施形態に係る情報処理装置１００の構成について説明する。図３は、実施形態に係る情報処理装置１００の構成例を示す図である。図３に示すように、情報処理装置１００は、通信部１１０と、記憶部１２０と、制御部１３０とを有する。なお、情報処理装置１００は、情報処理装置１００を利用する管理者等から各種操作を受け付ける入力部（例えば、キーボードやマウス等）や、各種情報を表示するための表示部（例えば、液晶ディスプレイ等）を有してもよい。

（通信部１１０について）
通信部１１０は、例えば、ＮＩＣ等によって実現される。通信部１１０は、ネットワークと有線または無線で接続され、ネットワークを介して、端末装置１０や情報提供サーバ５０との間で情報の送受信を行う。

（記憶部１２０について）
記憶部１２０は、例えば、ＲＡＭ（Random Access Memory)、フラッシュメモリ（Flash Memory）等の半導体メモリ素子、または、ハードディスク、光ディスク等の記憶装置によって実現される。記憶部１２０は、意思情報記憶部１２１と、累積情報記憶部１２２と、異常情報記憶部１２３とを有する。

（意思情報記憶部１２１について）
意思情報記憶部１２１は、利用者の行動に関する意思を示す情報を記憶する。具体的には、意思情報記憶部１２１は、現時点より過去の行動に関する意思を示す過去意思情報と、過去の行動と対応する行動であって現時点より所定の期間未来の行動に関する意思を示す未来意思情報とを記憶する。例えば、意思情報記憶部１２１は、過去意思情報として、現時点より過去の到着日時と到着地とを含む路線検索情報を記憶する。また、意思情報記憶部１２１は、未来意思情報として、現時点より所定の期間未来の到着日時と到着地とを含む路線検索情報を記憶する。ここで、図４に、実施形態に係る意思情報記憶部１２１の一例を示す。図４に示すように、意思情報記憶部１２１は、「ログＩＤ」、「ユーザＩＤ」、「検索日時」、「到着地」および「到着日時」といった項目を有する。

「ログＩＤ」は、意思情報を識別するための識別情報を示す。例えば、「ログＩＤ」は、利用者による路線検索のログを識別する固有の識別子が記憶される。「ユーザＩＤ」は、利用者を識別するための識別情報を示す。例えば、「ユーザＩＤ」は、路線検索を行なった利用者を識別する固有の識別子が記憶される。「検索日時」は、利用者が検索を行なった日時を示す。例えば、「検索日時」には、利用者が路線検索を実行した日時が記憶される。「到着地」は、利用者が検索で指定した到着の場所を示す。例えば、「到着地」には、利用者が路線検索で指定した到着駅の名称が記憶される。「到着日時」は、利用者が検索で指定した到着の日時を示す。例えば、「到着日時」には、利用者が路線検索で指定した駅に到着する日時が記憶される。

すなわち、図４では、ログＩＤ「Ｌ１１」によって識別される路線検索情報は、ユーザＩＤ「Ｕ１１」のユーザによって検索された情報である例を示している。また、ユーザＩＤ「Ｕ１１」のユーザは、到着地として「Ａ駅」を指定し、到着日時として「2015年5月18日17:00」を指定し、検索日時「2015年5月18日9:01」に路線検索を実行した例を示している。

ここで、現時点が「2015年5月25日10:00」である場合には、ログＩＤ「Ｌ１１」によって識別される路線検索情報は、到着日時「2015年5月18日17:00」が現時点より過去なので、過去意思情報として記憶される。同様に、ログＩＤ「Ｌ１２〜Ｌ１３」によって識別される路線検索情報は、過去意思情報として記憶される。一方、現時点が「2015年5月25日10:00」である場合には、ログＩＤ「Ｌ２１」によって識別される路線検索情報は、到着日時「2015年5月25日17:00」が現時点より未来なので、未来意思情報として記憶される。同様に、ログＩＤ「Ｌ２２〜Ｌ２４」によって識別される路線検索情報は、未来意思情報として記憶される。

（累積情報記憶部１２２について）
累積情報記憶部１２２は、意思情報の累積に関する情報を記憶する。具体的には、累積情報記憶部１２２は、場所ごとに、過去意思情報の累積と未来意思情報の累積とを記憶する。例えば、累積情報記憶部１２２は、過去意思情報の累積として、現時点より過去に到着日時が指定された路線検索の累積数を到着地ごとに記憶する。また、累積情報記憶部１２２は、未来意思情報の累積として、現時点より所定の期間未来に到着日時が指定された路線検索の累積数を到着地ごとに記憶する。ここで、図５に、実施形態に係る累積情報記憶部１２２の一例を示す。図５に示すように、累積情報記憶部１２２は、「場所」、「日付」、「時刻」および「累積検索数」といった項目を有する。

「場所」は、利用者の過去または未来の行動に関する場所を示す。例えば、「場所」には、路線検索で指定された到着地が記憶される。「日付」は、路線検索数を累積する期間の対象となる日を示す。「時刻」は、路線検索数を累積する期間の対象となる日の時刻を示す。「累積検索数」は、路線検索数を累積する期間内に行われた路線検索の累積件数を示す。例えば、「累積検索数」には、意思情報記憶部１２１に記憶された意思情報のうち、対象となる場所が到着地として指定された路線検索の累積検索数が記憶される。一例としては、「累積検索数」には、路線検索数を累積する期間の対象となる日の時刻までに路線検索が行われた検索数の合計値が記憶される。

すなわち、図５では、「2015年5月18日0:00〜6：00」の期間に、場所「Ａ駅」を到着地として指定する路線検索の累積検索数は、「600件」である例を示している。また、「2015年5月18日6:00〜10：00」の期間に、場所「Ａ駅」を到着地として指定する路線検索の累積検索数は、「2015年5月18日0:00〜6：00」の累積検索数が「600件」であって「2015年5月18日0:00〜10：00」の累積検索数が「4000件」なので、「3400件」である例を示している。

また、図５では、「2015年5月25日0:00〜6：00」の期間に、場所「Ａ駅」を到着地として指定する路線検索の累積検索数は、「700件」である例を示している。また、「2015年5月25日6:00〜10：00」の期間に、場所「Ａ駅」を到着地として指定する路線検索の累積検索数は、「2015年5月25日0:00〜6：00」の累積検索数が「700件」であって「2015年5月25日0:00〜10：00」の累積検索数が「8000件」なので、「7300件」である例を示している。

（異常情報記憶部１２３について）
異常情報記憶部１２３は、未来に関する事象に関する情報を記憶する。具体的には、異常情報記憶部１２３は、未来に異常が起きる場所や日時、異常の内容、異常の原因等を記憶する。ここで、図６に、実施形態に係る異常情報記憶部１２３の一例を示す。図６に示すように、異常情報記憶部１２３は、「事象ＩＤ」、「事象内容」、「場所」、「日時」および「原因」といった項目を有する。

「事象ＩＤ」は、未来に関する事象を識別するための識別情報を示す。例えば、「事象ＩＤ」には、未来に発生すると検出された異常を識別する固有の識別子が記憶される。「事象内容」は、未来に関する事象の内容を示す。例えば、「事象内容」には、未来に発生すると検出された異常の内容が記憶される。「場所」は、未来に関する事象が起きる場所を示す。例えば、「場所」には、未来に関する異常の発生場所が記憶される。「日時」は、未来に関する事象が起きる日時を示す。例えば、「日時」には、未来に関する異常の発生日時が記憶される。「原因」は、未来に関する事象の原因を示す。例えば、「原因」には、未来に関する異常が発生する原因が記憶される。

すなわち、図６では、事象ＩＤ「Ｉｖ１」によって識別される事象の内容は、「混雑」である例を示している。また、事象ＩＤ「Ｉｖ１」によって識別される事象は、場所「Ａ駅」で、日時「2015年5月25日17:00〜18:00」に起きる例を示している。また、事象ＩＤ「Ｉｖ１」によって識別される事象の原因は、「花火大会」である例を示している。

（制御部１３０について）
制御部１３０は、例えば、ＣＰＵ（Central Processing Unit）やＭＰＵ（Micro Processing Unit）等によって、情報処理装置１００内部の記憶装置に記憶されている各種プログラム（情報処理プログラムの一例に相当）がＲＡＭを作業領域として実行されることにより実現される。また、制御部１３０は、例えば、ＡＳＩＣ（Application Specific Integrated Circuit）やＦＰＧＡ（Field Programmable Gate Array）等の集積回路により実現される。

制御部１３０は、図３に示すように、取得部１３１と、検出部１３２と、特定部１３３と、調整部１３４と、表示制御部１３５と、送信部１３６とを有し、以下に説明する情報処理の機能や作用を実現または実行する。なお、制御部１３０の内部構成は、図３に示した構成に限られず、後述する情報処理を行う構成であれば他の構成であってもよい。また、制御部１３０が有する各処理部の接続関係は、図３に示した接続関係に限られず、他の接続関係であってもよい。

（取得部１３１について）
取得部１３１は、現時点より過去の行動に関する意思を示す過去意思情報と、過去の行動と対応する行動であって現時点より所定の期間未来の行動に関する意思を示す未来意思情報とを取得する。具体的には、取得部１３１は、端末装置１０から送信された意思情報を有する情報提供サーバ５０から、過去意思情報および未来意思情報を取得する。例えば、取得部１３１は、過去意思情報として、意思情報のうち、現時点より過去の行動に関する意思が示された意思情報を取得する。一例としては、取得部１３１は、現時点が「2015年5月25日10:00」である場合には、過去意思情報として、利用者が場所「Ａ駅」を到着地として指定し日時「2015年5月18日17:00」を到着日時として指定した路線検索情報を取得する。また、取得部１３１は、未来意思情報として、意思情報のうち、かかる過去の行動と対応する行動であって現時点より所定の期間未来の行動に関する意思を示す意思情報を取得する。一例としては、取得部１３１は、現時点が「2015年5月25日10:00」である場合には、未来意思情報として、利用者が場所「Ａ駅」を到着地として指定し日時「2015年5月25日17:00」を到着日時として指定した路線検索情報を取得する。

また、取得部１３１は、情報提供サーバ５０から意思情報を取得した場合に、取得した意思情報を意思情報記憶部１２１に格納する。例えば、取得部１３１は、路線検索情報にログＩＤを付与し、路線検索情報に含まれるユーザＩＤと、検索日時と、到着地と、到着日時とをログＩＤに対応付けて意思情報記憶部１２１に格納する。また、取得部１３１は、意思情報記憶部１２１に意思情報を格納した場合に、累積情報記憶部１２２に記憶された意思情報の累積を更新する。例えば、取得部１３１は、意思情報記憶部１２１に路線検索情報を格納した場合に、累積情報記憶部１２２のデータ項目のうち、路線検索情報が示す「到着地」と対応する路線検索の「累積検索数」を更新する。

（検出部１３２について）
検出部１３２は、取得部１３１によって取得された過去意思情報及び未来意思情報に基づいて未来に関する事象を検出する。具体的には、検出部１３２は、現時点より過去の第１期間に意思が示された未来意思情報と、第１期間に対応する期間であって第１期間より過去の第２期間に意思が示された過去意思情報とを比較して未来に関する事象を検出する。例えば、検出部１３２は、第１期間に意思が示された未来意思情報の累積と、第２期間に意思が示された過去意思情報の累積とを比較して未来に関する事象を検出する。一例としては、検出部１３２は、同一の到着駅が指定された第１期間の路線検索の累積検索件数と第２期間の路線検索の累積検索件数とを比較して未来に関する事象を検出する。

図５の例では、検出部１３２は、現時点が「2015年5月25日10:00」である場合には、第１期間「2015年5月25日0：00〜10:00」に意思が示された未来意思情報の累積である路線検索の累積検索数「8000件」と、第２期間「2015年5月18日0：00〜10:00」に意思が示された過去意思情報の累積である路線検索の累積検索数「4000件」とを比較して未来に関する事象を検出する。この場合、検出部１３２は、未来意思情報の累積が過去意思情報の累積の２倍であり著しく多いので、「Ａ駅」で混雑が発生するといった事象を検出する。また、検出部１３２は、過去の対応する期間と比較して多い「Ａ駅」を到着駅とする路線検索の到着日時に基づいて、「Ａ駅」が混雑する未来の日時を検出する。例えば、検出部１３２は、意思情報記憶部１２１に記憶された意思情報を参照し、図４の例では「2015年5月25日17：00〜18:00」を到着日時として指定した路線検索の数が多いので、「2015年5月25日17：00〜18:00」に「Ａ駅」が混雑するといった未来の異常を検出する。

（特定部１３３について）
特定部１３３は、未来意思情報及び過去意思情報に基づいて事象の原因を特定する。具体的には、特定部１３３は、現時点より過去の第１期間に意思が示された未来意思情報と、第１期間に対応する期間であって第１期間より過去の第２期間に意思が示された過去意思情報との間の差異が所定の閾値以上となる時点から所定の期間内に情報提供サービスによって提供されたコンテンツに基づいて事象の原因を特定する。この点について、図５の例を用いて説明する。

図５の例では、第１期間「2015年5月25日0：00〜10:00」に意思が示された未来意思情報の累積である路線検索の累積検索数「8000件」と、第２期間「2015年5月18日0：00〜10:00」に意思が示された過去意思情報の累積である路線検索の累積検索数「4000件」との間の差異は、「4000件」である。ここで、所定の閾値は、「4000件」であるものとする。この場合、特定部１３３は、第１期間の未来意思情報と第２期間の過去意思情報との間の差異が所定の閾値「4000件」以上となる時点「2015年5月25日10:00」から所定の期間内に情報提供サービスによって提供されたコンテンツに基づいて事象の原因を特定する。例えば、特定部１３３は、「2015年5月25日10:00」から１時間以内である「2015年5月25日9：00〜10:00」に、ユーザの投稿やつぶやきをＷｅｂ上で共有する投稿サービスやニュースサイト、ＳＮＳ（Social Networking Service）などに投稿された記事に基づいて事象の原因を特定する。ここで、特定部１３３は、未来の行動に関する場所を示す場所情報に基づいて事象の原因を特定する。具体的には、特定部１３３は、情報提供サービスが提供するコンテンツの中で、場所情報が示す場所と共起する特徴語に基づいて事象の原因を特定する。例えば、場所情報は、未来の行動に関する場所として、路線検索における到着地「Ａ駅」を示すものとする。また、投稿サービスが提供する投稿記事の中では、場所「Ａ駅」と「花火大会」とが共起しているものとする。この場合、特定部１３３は、「Ａ駅」における事象「混雑」の原因として「花火大会」を特定する。

また、特定部１３３は、特定した事象の原因を異常情報記憶部１２３に格納する。例えば、特定部１３３は、「Ａ駅」における事象「混雑」に事象ＩＤを付与し、事象内容「混雑」と、場所「Ａ駅」と、日時「2015年5月25日17:00〜18:00」と、原因「花火大会」とを事象ＩＤに対応付けて異常情報記憶部１２３に格納する。

（調整部１３４について）
調整部１３４は、取得部１３１によって取得された過去意思情報及び未来意思情報に基づいて、未来の行動に関する予測値を算出するモデルを調整する。具体的には、調整部１３４は、過去意思情報の推移と未来意思情報の推移とを学習することでモデルを調整する。例えば、調整部１３４は、モデルによって算出される予測値の推移と未来意思情報の推移との間の差が小さくなるようにモデルを調整する。この点について、図７を用いて説明する。

図７は、モデルの調整を説明するための説明図である。図７では、グラフの縦軸は、「Ａ駅」を到着駅として指定する路線検索の累積件数を示す。グラフの横軸は、時間を示す。また、図７の例では、現時点は、「2015年5月25日10:00」である。また、図７に示すグラフＬ１１は、「2015年5月18日0:00〜24:00」の期間に、利用者が「Ａ駅」を到着駅として指定した路線検索の累積件数を示す。グラフＬ２１は、「2015年5月25日0:00〜10:00」の期間に、利用者が「Ａ駅」を到着駅として指定した路線検索の累積件数を示す。グラフＬ２２は、現時点「2015年5月25日10:00」より未来である「2015年5月25日10:00〜24:00」の期間に利用者が「Ａ駅」を到着駅として指定する路線検索の累積件数の予測値を示す。グラフＬ２２の予測値は、「2015年5月18日0:00〜24:00」の過去意思情報の推移などを学習したモデルによって算出される予測値である。ここで、調整部１３４は、「2015年5月18日0:00〜24:00」の過去意思情報の推移と、「2015年5月25日0:00〜10:00」の未来意思情報の推移とを学習することでモデルを調整する。例えば、調整部１３４は、モデルによって算出される予測値の推移と未来意思情報の推移との間の差が小さくなるようにモデルを調整する。図７の例では、調整部１３４は、モデルによって算出される予測値の推移Ｌ２２が未来意思情報の推移を示すグラフＬ２３に近づくようにモデルを調整する。一例としては、調整部１３４は、未来意思情報の累積の推移が過去意思情報の累積の推移と比較して蓄積されるペースが速いほどモデルによって算出される予測値が高くなるように調整する。一方、調整部１３４は、未来意思情報の累積の推移が過去意思情報の累積の推移と比較して蓄積されるペースが遅いほどモデルによって算出される予測値が低くなるように調整する。例えば、調整部１３４は、未来意思情報の累積の推移が過去意思情報の累積の推移と比較して０．９３倍のペースで蓄積されている場合には、モデルによって算出される予測値が０．９３倍になるように調整する。

ここで、図８を用いて、情報処理システム１による未来に関する異常を検出する検出処理、異常の原因を特定する特定処理、モデルを調整する調整処理の流れを説明する。図８は、情報処理システム１における全体の処理の流れを説明するための説明図である。図８に示すように、情報処理装置１００は、まず、意思情報を情報提供サーバ５０から取得する（ステップＳ１１）。続いて、情報処理装置１００は、取得した意思情報である過去意思情報および未来意思情報に基づいて、未来に関する異常を検出する（ステップＳ１２）。その後、情報処理装置１００は、未来意思情報及び過去意思情報に基づいて異常の原因を特定する（ステップＳ１３）。また、情報処理装置１００は、過去意思情報及び未来意思情報に基づいて、未来の行動に関する予測値を算出するモデルを調整する（ステップＳ１４）。また、情報処理装置１００は、検出した異常に関する情報を異常情報記憶部１２３に格納する（ステップＳ１５）。例えば、情報処理装置１００は、特定した原因と対応付けて異常に関する情報を異常情報記憶部１２３に格納する。なお、情報処理装置１００は、上述した順に限らず、ステップＳ１２より先にステップＳ１４の処理を実行してもよい。

（表示制御部１３５について）
表示制御部１３５は、検出部１３２によって検出された事象に関する情報を、過去意思情報及び未来意思情報を受け付ける情報提供サービスが提供するコンテンツに表示させる。具体的には、表示制御部１３５は、情報提供サービスが提供する路線情報（例えば、路線検索結果）または予定情報（例えば、スケジューラ）に事象を表示させる。例えば、表示制御部１３５は、ユーザが端末装置１０を操作して路線情報を検索した場合に、路線情報の検索結果に異常に関する情報を掲載して端末装置１０に表示させる。この点について、図９を用いて説明する。

図９は、画面の一例を示す図である。ユーザが端末装置１０を操作して路線情報を検索した場合には、図９に示すように、路線情報の検索結果画面Ｗ１が端末装置１０に表示される。ここで、検索結果画面Ｗ１には、異常に関する情報として、「混雑が予想されます」といった混雑情報ＬＫが掲載される。また、ユーザが端末装置１０を操作して、検索結果画面Ｗ１の混雑情報ＬＫを選択した場合には、図９に示すように、混雑情報ＬＫの詳細を示す詳細画面Ｗ２が端末装置１０に表示される。詳細画面Ｗ２には、検出部１３２によって検出された異常「混雑」が発生する場所ＰＬ「Ａ駅」と、日時ＴＩ「2015年5月25日17:00〜18:00」と、特定部１３３によって特定された異常の原因ＲＥ「花火大会」とが掲載される。

ここで、図１０を用いて、情報処理システム１による表示処理の流れについて説明する。図１０は、情報処理システム１による表示処理の流れを説明するための説明図である。図１０に示すように、まず、端末装置１０は、ユーザからの操作を受け付けて、路線の経路を検索する（ステップＳ２１）。これにより、情報提供サーバ５０は、端末装置１０から検索結果のリクエストを受信する。その後、情報提供サーバ５０は、異常に関する情報のリクエストを情報処理装置１００に送信する（ステップＳ２２）。例えば、情報提供サーバ５０は、現在日に発生する異常に関する情報のリクエストを送信する。続いて、情報処理装置１００は、異常に関する情報のリクエストを受信した場合に、異常情報記憶部１２３から異常に関する情報を抽出して情報提供サーバ５０に送信する（ステップＳ２３）。例えば、情報処理装置１００は、異常情報記憶部１２３から異常の日時が現在日と一致する異常に関する情報を抽出して情報提供サーバ５０に送信する。その後、情報提供サーバ５０は、ユーザによって検索された経路内で発生する異常がある場合には、かかる異常に関する情報が記載された検索結果を端末装置１０に送信する。そして、端末装置１０は、異常に関する情報が掲載された検索結果を表示する（ステップＳ２４）。なお、情報提供サーバ５０は、ユーザによって検索された経路内で発生する異常がない場合には、通常の検索結果を端末装置１０に送信する。そして、端末装置１０は、通常の検索結果を表示する。

（送信部１３６について）
送信部１３６は、各種の情報を情報提供サーバ５０に送信する。具体的には、送信部１３６は、表示制御部１３５によって生成される制御情報を情報提供サーバ５０に送信する。例えば、送信部１３６は、情報提供サーバ５０からリクエストがあった場合に、異常情報記憶部１２３に記憶された異常に関する情報を表示させる制御情報を情報提供サーバ５０に送信する。一例としては、送信部１３６は、異常に関する情報として、異常の内容、異常が発生する場所、異常が発生する日時、異常の原因等といった情報を表示させる制御情報を情報提供サーバ５０に送信する。

〔１−３．実施形態に係る情報処理手順〕
次に、図１１を用いて、実施形態に係る情報処理装置１００による処理の手順について説明する。図１１は、実施形態に係る情報処理装置１００による情報処理手順を示すフローチャートである。

図１１に示すように、情報処理装置１００は、現時点より過去の行動に関する意思を示す過去意思情報と、過去の行動と対応する行動であって現時点より所定の期間未来の行動に関する意思を示す未来意思情報とを取得する（ステップＳ１０１）。続いて、情報処理装置１００は、取得した過去意思情報と未来意思情報とを意思情報記憶部１２１に格納する（ステップＳ１０２）。

そして、情報処理装置１００は、取得された過去意思情報及び未来意思情報に基づいて未来に関する異常を検出する（ステップＳ１０３）。具体的には、情報処理装置１００は、現時点より過去の第１期間に意思が示された未来意思情報と、第１期間に対応する期間であって第１期間より過去の第２期間に意思が示された過去意思情報とを比較して未来に関する異常を検出する。例えば、情報処理装置１００は、第１期間に意思が示された未来意思情報の累積と、第２期間に意思が示された過去意思情報の累積とを比較して未来に関する異常を検出する。

その後、情報処理装置１００は、未来意思情報及び過去意思情報に基づいて異常の原因を特定する（ステップＳ１０４）。具体的には、情報処理装置１００は、現時点より過去の第１期間に意思が示された未来意思情報と、第１期間に対応する期間であって第１期間より過去の第２期間に意思が示された過去意思情報との間の差異が所定の閾値以上となる時点から所定の期間内に情報提供サービスによって提供されたコンテンツに基づいて異常の原因を特定する。例えば、情報処理装置１００は、未来の行動に関する場所を示す場所情報に基づいて異常の原因を特定する。一例としては、情報処理装置１００は、情報提供サービスが提供するコンテンツの中で、場所情報が示す場所と共起する特徴語に基づいて異常の原因を特定する。そして、情報処理装置１００は、特定した異常の原因を異常情報記憶部１２３に格納する（ステップＳ１０５）。例えば、情報処理装置１００は、検出した異常に事象ＩＤを付与し、事象内容と、場所と、日時と、原因とを事象ＩＤに対応付けて異常情報記憶部１２３に格納する。

また、情報処理装置１００は、取得された過去意思情報及び未来意思情報に基づいて、未来の行動に関する予測値を算出するモデルを調整する（ステップＳ１０６）。具体的には、情報処理装置１００は、過去意思情報の推移と未来意思情報の推移とを学習することでモデルを調整する。例えば、情報処理装置１００は、予測値の推移と未来意思情報の推移との間の差が小さくなるようにモデルを調整する。

また、情報処理装置１００は、異常に関する情報を表示制御する（ステップＳ１０７）。具体的には、情報処理装置１００は、検出された異常に関する情報を、過去意思情報及び未来意思情報を受け付ける情報提供サービスが提供するコンテンツに表示させる表示制御を行なう。例えば、情報処理装置１００は、情報提供サービスが提供する路線情報または予定情報に異常に関する情報を表示させる。

〔１−４．実施形態の効果〕
上述してきたように、実施形態に係る情報処理装置１００は、取得部１３１と、検出部１３２とを有する。取得部１３１は、現時点より過去の行動に関する意思を示す過去意思情報と、過去の行動と対応する行動であって現時点より所定の期間未来の行動に関する意思を示す未来意思情報とを取得する。検出部１３２は、取得部１３１によって取得された過去意思情報及び未来意思情報に基づいて未来に関する事象を検出する。これにより、情報処理装置１００は、未来の行動と対応する過去の行動を示す過去意思情報を用いて未来に関する事象を検出するので、未来に関する異常を高い精度で検出することができる。

また、実施形態に係る情報処理装置１００において、検出部１３２は、現時点より過去の第１期間に意思が示された未来意思情報と、第１期間に対応する期間であって第１期間より過去の第２期間に意思が示された過去意思情報とを比較して未来に関する事象を検出する。これにより、情報処理装置１００は、現時点より過去の第１期間と第１期間に対応する第２期間との間の意思情報の差異を比較することができるので、未来に関する異常を高い精度で検出することができる。例えば、情報処理装置１００は、曜日や時間帯など同じ条件で比較することができるので、未来に関する異常を高い精度で検出することができる。一例としては、情報処理装置１００は、「Ａ駅」を到着駅とする路線検索数が過去の対応する期間と比較して多い場合に、未来に関する事象として「Ａ駅」が混雑することを高い精度で検出することができる。また、情報処理装置１００は、過去の対応する期間と比較して多い「Ａ駅」を到着駅とする路線検索の到着日時に基づいて、「Ａ駅」が混雑する未来の日時を高い精度で検出することができる。

また、実施形態に係る情報処理装置１００において、検出部１３２は、第１期間に意思が示された未来意思情報の累積と、第２期間に意思が示された過去意思情報の累積とを比較して未来に関する事象を検出する。これにより、情報処理装置１００は、未来意思情報の累積の推移と過去意思情報の累積の推移との間の差に基づいて未来に関する事象を検出することができるので、未来に関する異常を高い精度で検出することができる。例えば、情報処理装置１００は、異常が発生する場合には未来意思情報の累積が過去意思情報の累積と比較して速いペースで蓄積するので、累積を比較することで未来に関する異常を高い精度で検出することができる。

また、実施形態に係る情報処理装置１００は、未来意思情報及び過去意思情報に基づいて事象の原因を特定する特定部１３３をさらに備えてもよい。これにより、情報処理装置１００は、利用者の意思に基づいて事象の原因を特定するので、事象の原因を高い精度で特定することができる。

また、実施形態に係る情報処理装置１００において、特定部１３３は、現時点より過去の第１期間に意思が示された未来意思情報と、第１期間に対応する期間であって第１期間より過去の第２期間に意思が示された過去意思情報との間の差異が所定の閾値以上となる時点から所定の期間内に情報提供サービスによって提供されたコンテンツに基づいて事象の原因を特定する。これにより、情報処理装置１００は、過去意思情報と未来意思情報との間の差が大きくなった時間から所定の期間内に発生したリアルタイムな情報を用いて事象の原因を特定するので、事象の原因を高い精度で特定することができる。

また、実施形態に係る情報処理装置１００において、特定部１３３は、未来の行動に関する場所を示す場所情報に基づいて事象の原因を特定する。これにより、情報処理装置１００は、事象と関連する場所から原因を特定することができるので、事象の原因を高い精度で特定することができる。

また、実施形態に係る情報処理装置１００において、特定部１３３は、情報提供サービスが提供するコンテンツの中で、場所情報が示す場所と共起する特徴語に基づいて事象の原因を特定する。これにより、情報処理装置１００は、信憑性の高い情報に基づいて事象の原因を特定することができるので、事象の原因を高い精度で特定することができる。

また、実施形態に係る情報処理装置１００は、検出部１３２によって検出された事象に関する情報を、過去意思情報及び未来意思情報を受け付ける情報提供サービスが提供するコンテンツに表示させる表示制御部１３５をさらに備えてもよい。これにより、情報処理装置１００は、事象に関する情報を利用者の端末装置１０に表示させることができるので、事象を利用者に把握させることができる。

また、実施形態に係る情報処理装置１００において、表示制御部１３５は、情報提供サービスが提供する路線情報または予定情報に事象を表示させる。これにより、情報処理装置１００は、例えば路線情報を検索する利用者等の端末装置１０に事象に関する情報を表示させることができるので、利用者の利便性を高めることができる。

また、実施形態に係る情報処理装置１００は、取得部１３１によって取得された過去意思情報及び未来意思情報に基づいて、未来の行動に関する予測値を算出するモデルを調整する調整部１３４をさらに備えてもよい。これにより、情報処理装置１００は、未来意思情報と過去意思情報とをモデルに学習させることができるので、モデルが算出する予測値の精度を高めることができる。

また、実施形態に係る情報処理装置１００において、調整部１３４は、過去意思情報の推移と未来意思情報の推移とを学習することでモデルを調整する。これにより、情報処理装置１００は、現時点までの未来意思情報の推移と過去意思情報の推移とをモデルに学習させることができるので、モデルが算出する予測値の精度を高めることができる。

また、実施形態に係る情報処理装置１００において、調整部１３４は予測値の推移と未来意思情報の推移との間の差が小さくなるようにモデルを調整する。これにより、情報処理装置１００は、モデルが算出する予測値の誤差を小さくすることができるので、予測値の精度を高めることができる。

〔２．変形例〕
上述した実施形態に係る情報処理装置１００は、上記実施形態以外にも種々の異なる形態にて実施されてよい。そこで、以下では、上記の情報処理装置１００の他の実施形態について説明する。

〔２−１．モデルの調整〕
上記の実施形態では、情報処理装置１００が過去意思情報及び未来意思情報に基づいて未来の行動に関する予測値を算出するモデルを調整する例を挙げて説明した。ここで、情報処理装置１００は、過去意思情報及び未来意思情報に含まれる各種の情報を素性としてモデルを調整してもよい。

具体的には、情報処理装置１００の調整部１３４は、過去意思情報及び未来意思情報に含まれる場所、日時又は環境に関する情報のうち少なくとも一つを素性として過去意思情報及び未来意思情報を学習することでモデルを調整する。例えば、調整部１３４は、「駅」、「駅の種類」、「曜日」、「時間」、「天候」等といった各種のパラメータを素性として、過去意思情報及び未来意思情報の時間経過に伴う蓄積の仕方を学習することでモデルを調整する。

このように、変形例に係る情報処理装置１００は、過去意思情報及び未来意思情報に含まれる場所、日時又は環境に関する情報のうち少なくとも一つを素性として過去意思情報及び未来意思情報を学習することでモデルを調整する。これにより、情報処理装置１００は、各種のパラメータに基づいて過去意思情報及び未来意思情報を学習することができるので、モデルの精度を高めることができる。

また、情報処理装置１００の調整部１３４は、過去意思情報及び未来意思情報の推移の平均に基づいてモデルを調整してもよい。また、調整部１３４は、蓄積された過去意思情報及び未来意思情報に対してノイズ処理を実行し、ノイズを除去した過去意思情報及び未来意思情報を学習してモデルを調整してもよい。また、調整部１３４は、線形分類器を用いてモデルを調整してもよい。また、調整部１３４は、行列分解等の工夫を加えてモデルを調整してもよい。これにより、情報処理装置１００は、モデルの精度をより高めることができる。

〔２−２．表示制御〕
上記の実施形態では、情報処理装置１００が事象に関する情報を過去意思情報及び未来意思情報を受け付ける情報提供サービスが提供するコンテンツに表示させる例を挙げて説明した。ここで、情報処理装置１００は、事象に関する情報として各種の情報を表示させるように制御してもよい。

具体的には、情報処理装置１００の表示制御部１３５は、調整部１３４によって調整されたモデルから算出される予測値を、過去意思情報及び未来意思情報を受け付ける情報提供サービスが提供するコンテンツに表示させる。例えば、表示制御部１３５は、調整部１３４によって調整されたモデルから算出される予測値を、情報提供サービスが提供する路線情報または予定情報に表示させる。一例としては、表示制御部１３５は、調整部１３４によって調整されたモデルから算出される予測値に基づく電車の混雑率を、路線情報の検索結果に表示させる。

このように、変形例に係る情報処理装置１００は、調整部１３４によって調整されたモデルから算出される予測値を、過去意思情報及び未来意思情報を受け付ける情報提供サービスが提供するコンテンツに表示させる。これにより、情報処理装置１００は、未来の事象に関する予測値を利用者の端末装置１０に表示させることができるので、未来の状況を利用者に把握させることができる。このため、情報処理装置１００は、利用者の利便性を向上させることができる。

また、変形例に係る情報処理装置１００は、調整部１３４によって調整されたモデルから算出される予測値を、情報提供サービスが提供する路線情報または予定情報に表示させる。これにより、情報処理装置１００は、予測値に基づく混雑率等を路線情報の検索結果やスケジュール等に表示させることができるので、未来の混雑具合等を利用者に把握させることができる。このため、情報処理装置１００は、利用者の利便性を向上させることができる。

〔２−３．適用対象〕
上記の実施形態では、情報処理装置１００が未来に関する事象として路線検索における混雑状況を予測する例を挙げて説明した。ここで、情報処理装置１００は、路線検索に限らず各種のサービスに、未来に関する事象の検出やモデルの調整を適用してもよい。

具体的には、情報処理装置１００は、ショッピングサービスにおける商品の売上予測に適用してもよい。この場合、情報処理装置１００は、例えば、過去意思情報及び未来意思情報として、現時点より過去の行動に関する意思を示す決済情報と、過去の行動と対応する行動であって現時点より所定の期間未来の行動に関する意思を示す予約情報とを用いて、未来における商品の売り上げがどの程度か予測を行なう。

また、他の例では、情報処理装置１００は、銘柄検索における株価予測に適用してもよい。この場合、情報処理装置１００は、例えば、株価分析指数の一つであるＫＷレシオを用いて、未来における株価がどの程度か予測を行なう。

これにより、情報処理装置１００は、各種のサービスにおいて未来の状況を予測することができるので、サービスを効率良く提供することができる。例えば、情報処理装置１００は、商品の売り上げを予測することができるので、商品の仕入れ数や生産数を適切な数に調整することで各種の費用を抑制することができる。また、他の例では、情報処理装置１００は、未来の株価を予測することができるので、現時点が買い時か売り時かを示す有益な情報を利用者に提供することができる。

〔２−４．変形例の効果〕
上述してきたように、変形例に係る情報処理装置１００において、調整部１３４は、過去意思情報及び未来意思情報に含まれる場所、日時又は環境に関する情報のうち少なくとも一つを素性として過去意思情報及び未来意思情報を学習することでモデルを調整する。

これにより、変形例に係る情報処理装置１００は、各種のパラメータに基づいて過去意思情報及び未来意思情報を学習することができるので、モデルの精度を高めることができる。

また、変形例に係る情報処理装置１００において、表示制御部１３５は、調整部１３４によって調整されたモデルから算出される予測値を、過去意思情報及び未来意思情報を受け付ける情報提供サービスが提供するコンテンツに表示させる。

これにより、変形例に係る情報処理装置１００は、未来の事象に関する予測値を利用者の端末装置１０に表示させることができるので、未来の状況を利用者に把握させることができる。このため、情報処理装置１００は、利用者の利便性を向上させることができる。

また、変形例に係る情報処理装置１００において、表示制御部１３５は、調整部１３４によって調整されたモデルから算出される予測値を、情報提供サービスが提供する路線情報または予定情報に表示させる。

これにより、変形例に係る情報処理装置１００は、予測値に基づく混雑率等を路線情報の検索結果やスケジュール等に表示させることができるので、未来の混雑具合等を利用者に把握させることができる。このため、情報処理装置１００は、利用者の利便性を向上させることができる。

〔３．その他〕
また、上記実施形態において説明した各処理のうち、自動的に行われるものとして説明した処理の全部または一部を手動的に行うこともでき、あるいは、手動的に行われるものとして説明した処理の全部または一部を公知の方法で自動的に行うこともできる。この他、上記文書中や図面中で示した処理手順、具体的名称、各種のデータやパラメータを含む情報については、特記する場合を除いて任意に変更することができる。

また、図示した各装置の各構成要素は機能概念的なものであり、必ずしも物理的に図示の如く構成されていることを要しない。すなわち、各装置の分散・統合の具体的形態は図示のものに限られず、その全部または一部を、各種の負荷や使用状況などに応じて、任意の単位で機能的または物理的に分散・統合して構成することができる。

例えば、図４に示した意思情報記憶部１２１は、情報処理装置１００が保持せずに、ストレージサーバ等に保持されてもよい。この場合、情報処理装置１００は、ストレージサーバにアクセスすることで、過去意思情報や未来意思情報を取得する。

また、情報処理装置１００は、調整処理は行わず、検出処理のみを行う情報処理装置であってもよい。この場合、情報処理装置は、調整部１３４を有しない。そして、例えば、調整部１３４を有する情報処理装置がモデルの調整を行なう。また、情報処理装置１００は、検出処理は行わず、調整処理のみを行う情報処理装置であってもよい。この場合、情報処理装置は、検出部１３２を有しない。そして、例えば、検出部１３２を有する情報処理装置が未来に関する事象の検出を行なう。なお、検出処理及び調整処理は、必ずしも両方の処理を実行する必要はなく、いずれか一方の処理のみが行われてもよい。

また、上述してきた実施形態に係る情報処理装置１００は、例えば図１２に示すような構成のコンピュータ１０００によって実現される。以下、情報処理装置１００を例に挙げて説明する。図１２は、情報処理装置１００の機能を実現するコンピュータ１０００の一例を示すハードウェア構成図である。コンピュータ１０００は、ＣＰＵ１１００、ＲＡＭ１２００、ＲＯＭ１３００、ＨＤＤ１４００、通信インターフェイス（Ｉ／Ｆ）１５００、入出力インターフェイス（Ｉ／Ｆ）１６００、およびメディアインターフェイス（Ｉ／Ｆ）１７００を有する。

ＣＰＵ１１００は、ＲＯＭ１３００またはＨＤＤ１４００に格納されたプログラムに基づいて動作し、各部の制御を行う。ＲＯＭ１３００は、コンピュータ１０００の起動時にＣＰＵ１１００によって実行されるブートプログラムや、コンピュータ１０００のハードウェアに依存するプログラム等を格納する。

ＨＤＤ１４００は、ＣＰＵ１１００によって実行されるプログラム、および、かかるプログラムによって使用されるデータ等を格納する。通信インターフェイス１５００は、通信網Ｎを介して他の機器からデータを受信してＣＰＵ１１００へ送り、ＣＰＵ１１００が生成したデータを通信網Ｎを介して他の機器へ送信する。

ＣＰＵ１１００は、入出力インターフェイス１６００を介して、ディスプレイやプリンタ等の出力装置、および、キーボードやマウス等の入力装置を制御する。ＣＰＵ１１００は、入出力インターフェイス１６００を介して、入力装置からデータを取得する。また、ＣＰＵ１１００は、生成したデータを入出力インターフェイス１６００を介して出力装置へ出力する。

メディアインターフェイス１７００は、記録媒体１８００に格納されたプログラムまたはデータを読み取り、ＲＡＭ１２００を介してＣＰＵ１１００に提供する。ＣＰＵ１１００は、かかるプログラムを、メディアインターフェイス１７００を介して記録媒体１８００からＲＡＭ１２００上にロードし、ロードしたプログラムを実行する。記録媒体１８００は、例えばＤＶＤ（Digital Versatile Disc）、ＰＤ（Phase change rewritable Disk）等の光学記録媒体、ＭＯ（Magneto Optical disk）等の光磁気記録媒体、テープ媒体、磁気記録媒体、または半導体メモリ等である。

例えば、コンピュータ１０００が実施形態に係る情報処理装置１００として機能する場合、コンピュータ１０００のＣＰＵ１１００は、ＲＡＭ１２００上にロードされたプログラムを実行することにより、制御部１３０の機能を実現する。また、ＨＤＤ１４００には、記憶部１２０内のデータが格納される。コンピュータ１０００のＣＰＵ１１００は、これらのプログラムを記録媒体１８００から読み取って実行するが、他の例として、他の装置から通信網Ｎを介してこれらのプログラムを取得してもよい。

以上、本願の実施形態のいくつかを図面に基づいて詳細に説明したが、これらは例示であり、発明の開示の欄に記載の態様を始めとして、当業者の知識に基づいて種々の変形、改良を施した他の形態で本発明を実施することが可能である。

また、上述した情報処理装置１００は、複数のサーバコンピュータで実現してもよく、また、機能によっては外部のプラットフォーム等をＡＰＩ（Application Programming Interface）やネットワークコンピューティングなどで呼び出して実現するなど、構成は柔軟に変更できる。

また、特許請求の範囲に記載した「部（section、module、unit）」は、「手段」や「回路」などに読み替えることができる。例えば、受信部は、受信手段や受信回路に読み替えることができる。

１ 情報処理システム
１０ 端末装置
５０ 情報提供サーバ
１００ 情報処理装置
１２１ 意思情報記憶部
１２２ 累積情報記憶部
１２３ 異常情報記憶部
１３１ 取得部
１３２ 検出部
１３３ 特定部
１３４ 調整部
１３５ 表示制御部
１３６ 送信部

Claims (14)

1. 現時点より過去の行動に関する意思を示す過去意思情報と、前記過去の行動と対応する行動であって現時点より所定の期間未来の行動に関する意思を示す未来意思情報であって、当該未来の行動を実行する際の条件を含む未来意思情報とを取得し、取得した過去意思情報と未来意思情報とを所定の記憶部に格納する取得部と、
   前記所定の記憶部を参照して、前記取得部によって取得された現時点より過去の第１期間に前記未来意思情報に対応する意思が示された回数と、当該第１期間に対応する期間であって当該第１期間より過去の第２期間に前記過去意思情報に対応する意思が示された回数とを比較して差異が所定の閾値以上となる場合、当該未来意思情報に対応する意思が示された前記条件ごとの回数をそれぞれ比較することで前記未来に関する事象を検出する検出部と
   を備えたことを特徴とする情報処理装置。
2. 前記検出部は、
   前記第１期間に意思が示された未来意思情報に対応する意思が示された回数の累積と、前記第２期間に意思が示された過去意思情報に対応する意思が示された回数の累積とを比較して前記未来に関する事象を検出する
   ことを特徴とする請求項１に記載の情報処理装置。
3. 情報提供サービスが提供するコンテンツであって、前記未来の行動を実行する際の条件を含むコンテンツに基づいて前記事象の原因を特定する特定部
   をさらに備えることを特徴とする請求項１または２に記載の情報処理装置。
4. 前記特定部は、
   現時点より過去の第１期間に意思が示された未来意思情報と、当該第１期間に対応する期間であって当該第１期間より過去の第２期間に意思が示された過去意思情報との間の差異が所定の閾値以上となる時点から所定の期間内に情報提供サービスによって提供されたコンテンツであって、前記未来の行動を実行する際の条件を含むコンテンツに基づいて前記事象の原因を特定する
   ことを特徴とする請求項３に記載の情報処理装置。
5. 前記特定部は、
   情報提供サービスが提供するコンテンツの中で、前記未来の行動に関する場所と共起する特徴語に基づいて前記事象の原因を特定する
   ことを特徴とする請求項３または４に記載の情報処理装置。
6. 前記検出部によって検出された事象に関する情報を、前記過去意思情報及び前記未来意思情報を受け付ける情報提供サービスが提供するコンテンツに表示させる表示制御部
   をさらに備えることを特徴とする請求項１〜５のいずれか一つに記載の情報処理装置。
7. 前記表示制御部は、
   前記情報提供サービスが提供する路線情報または予定情報に前記事象を表示させる
   ことを特徴とする請求項６に記載の情報処理装置。
8. 前記取得部によって取得された前記過去意思情報の推移と前記未来意思情報の推移とを学習することで、前記未来の行動に関する予測値を算出するモデルを調整する調整部
   をさらに備えることを特徴とする請求項１〜７のいずれか一つに記載の情報処理装置。
9. 前記調整部は、
   前記予測値の推移と前記未来意思情報の推移との間の差が小さくなるように前記モデルを調整する
   ことを特徴とする請求項８に記載の情報処理装置。
10. 前記調整部は、
    前記過去意思情報及び前記未来意思情報に含まれる場所、日時又は環境に関する情報のうち少なくとも一つを素性として前記過去意思情報及び前記未来意思情報を学習することでモデルを調整する
    ことを特徴とする請求項８または９に記載の情報処理装置。
11. 前記調整部によって調整されたモデルから算出される予測値を、前記過去意思情報及び前記未来意思情報を受け付ける情報提供サービスが提供するコンテンツに表示させる表示制御部
    をさらに備えることを特徴とする請求項８〜１０のいずれか一つに記載の情報処理装置。
12. 前記表示制御部は、
    前記調整部によって調整されたモデルから算出される予測値を、前記情報提供サービスが提供する路線情報または予定情報に表示させる
    ことを特徴とする請求項１１に記載の情報処理装置。
13. 所定の記憶部を含む情報処理装置が実行する情報処理方法であって、
    現時点より過去の行動に関する意思を示す過去意思情報と、前記過去の行動と対応する行動であって現時点より所定の期間未来の行動に関する意思を示す未来意思情報であって、当該未来の行動を実行する際の条件を含む未来意思情報とを取得し、取得した過去意思情報と未来意思情報とを前記所定の記憶部に格納する取得工程と、
    前記所定の記憶部を参照して、前記取得工程によって取得された現時点より過去の第１期間に前記未来意思情報に対応する意思が示された回数と、当該第１期間に対応する期間であって当該第１期間より過去の第２期間に前記過去意思情報に対応する意思が示された回数とを比較して差異が所定の閾値以上となる場合、当該未来意思情報に対応する意思が示された前記条件ごとの回数をそれぞれ比較することで前記未来に関する事象を検出する検出工程と
    を含んだことを特徴とする情報処理方法。
14. 現時点より過去の行動に関する意思を示す過去意思情報と、前記過去の行動と対応する行動であって現時点より所定の期間未来の行動に関する意思を示す未来意思情報であって、当該未来の行動を実行する際の条件を含む未来意思情報とを取得し、取得した過去意思情報と未来意思情報とを所定の記憶部に格納する取得手順と、
    前記所定の記憶部を参照して、前記取得手順によって取得された現時点より過去の第１期間に前記未来意思情報に対応する意思が示された回数と、当該第１期間に対応する期間であって当該第１期間より過去の第２期間に前記過去意思情報に対応する意思が示された回数とを比較して差異が所定の閾値以上となる場合、当該未来意思情報に対応する意思が示された前記条件ごとの回数をそれぞれ比較することで前記未来に関する事象を検出する検出手順と
    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。
    

Images