JP6798839B2 - Information providing device and information providing method - Google Patents

Description

本発明は、情報提供装置、および情報提供方法に関する。 The present invention relates to an information providing device and an information providing method.

従来、入力された情報の解析結果に基づいて、入力された情報と関連する情報を検索もしくは生成し、検索もしくは生成した情報を応答として出力する技術が知られている。このような技術の一例として、入力されたテキストに含まれる単語、文章、文脈を多次元ベクトルに変換して解析し、解析結果に基づいて、入力されたテキストと類似するテキストや、入力されたテキストに続くテキストを類推し、類推結果を出力する自然言語処理の技術が知られている。 Conventionally, there is known a technique of searching or generating information related to the input information based on the analysis result of the input information, and outputting the searched or generated information as a response. As an example of such a technique, words, sentences, and contexts contained in the input text are converted into a multidimensional vector and analyzed, and based on the analysis result, text similar to the input text or input. There is known a natural language processing technique that infers the text following the text and outputs the analogy result.

特開２０１５−２８６２５号公報JP-A-2015-28625

“Fractals, Chaos, Power Laws” Manfred Schroeder Dover Publications ISBN-10:0486472043“Fractals, Chaos, Power Laws” Manfred Schroeder Dover Publications ISBN-10: 0486472043 “強化学習におけるUCB行動選択手法の効果”、斉藤 晃貴、野津 亮、本多 克宏、30th Fuzzy System Symposium (Kochi, September 1-3, 2014)“Effects of UCB Behavior Selection Method on Reinforcement Learning”, Akitaka Saito, Ryo Nozu, Katsuhiro Honda, 30th Fuzzy System Symposium (Kochi, September 1-3, 2014) “モンテカルロ囲碁における探索木の情報を利用したシミュレーション方策の動的更新” 板持 貴之、 三輪 誠、 鶴岡 慶雅、 近山 隆、The 18th Game Programming Workshop 2013“Dynamic update of simulation measures using information on search trees in Monte Carlo Go” Takayuki Itamochi, Makoto Miwa, Yoshimasa Tsuruoka, Takashi Chikayama, The 18th Game Programming Workshop 2013

しかしながら、上記の従来技術を集会の補助として適用した場合、集会を効率的に進めることができない場合がある。 However, when the above-mentioned prior art is applied as an aid to the assembly, the assembly may not be carried out efficiently.

例えば、上述した従来技術を用いて、利用者の発言に基づき、次の発言を行わせる利用者を決定し、決定した発言者に発言を求めるといった司会を行わせる技術が考えられる。しかしながら、上記の従来技術では、入力されたテキストと類似するテキストや、入力されたテキストに続くテキスト等、利用者が予測しうる情報を出力しているに過ぎない。このため、例えば、上記の従来技術では、同じような発言を行う利用者に発言を求める結果、集会を効率的に進める利用者に発言を求めることができないおそれがある。 For example, it is conceivable to use the above-mentioned conventional technique to determine a user to make the next remark based on the remark of the user, and to have the determined speaker perform the moderator. However, in the above-mentioned prior art, only information that can be predicted by the user, such as a text similar to the input text and a text following the input text, is output. For this reason, for example, in the above-mentioned conventional technique, as a result of requesting a user who makes a similar statement, there is a possibility that the user who efficiently advances the meeting cannot request the statement.

本願は、上記に鑑みてなされたものであって、集会を効率的に進めることを目的とする。 The present application has been made in view of the above, and an object of the present application is to facilitate the meeting efficiently.

本願に係る情報提供装置は、集会における発言内容を取得する取得部と、前記集会における発言主体の発言、あるいは、目的に近づけるはために生成された発言を木構造のノードと見做して、後続する発言内容を前記集会の目的に近づける発言主体を、木構造探索手法により決定する決定部と、前記決定した発言主体に発言させるための応答を出力する出力部とを有する。 The information providing device according to the present application regards the acquisition unit that acquires the content of the remarks at the meeting, the remarks of the remarker at the meeting, or the remarks generated in order to approach the purpose as a tree-structured node. It has a determination unit that determines a remark subject that brings the content of subsequent remarks closer to the purpose of the meeting by a tree structure search method, and an output unit that outputs a response for making the determined remark subject speak.

実施形態の一態様によれば、集会を効率的に進めることができる。 According to one aspect of the embodiment, the assembly can proceed efficiently.

図１は、実施形態に係る情報提供装置が実行する推定処理および決定処理の一例を示す図である。FIG. 1 is a diagram showing an example of estimation processing and determination processing executed by the information providing device according to the embodiment. 図２は、実施形態に係る情報提供装置の構成例を示す図である。FIG. 2 is a diagram showing a configuration example of the information providing device according to the embodiment. 図３は、実施形態に係る利用者属性データベースに登録される情報の一例を示す図である。FIG. 3 is a diagram showing an example of information registered in the user attribute database according to the embodiment. 図４は、実施形態に係る推定処理の流れの一例を説明するフローチャートである。FIG. 4 is a flowchart illustrating an example of the flow of the estimation process according to the embodiment. 図５は、実施形態に係る決定処理の流れの一例を説明するフローチャートである。FIG. 5 is a flowchart illustrating an example of the flow of the determination process according to the embodiment. 図６は、ハードウェア構成の一例を示す図である。FIG. 6 is a diagram showing an example of a hardware configuration.

以下に、本願に係る情報提供装置および情報提供方法を実施するための形態（以下、「実施形態」と記載する。）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提供装置および情報提供方法が限定されるものではない。また、以下の各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。 Hereinafter, a mode for carrying out the information providing device and the information providing method according to the present application (hereinafter, referred to as “the embodiment”) will be described in detail with reference to the drawings. The information providing device and the information providing method according to the present application are not limited by this embodiment. Further, in each of the following embodiments, the same parts are designated by the same reference numerals, and duplicate description is omitted.

［実施形態］
〔１．情報提供装置の一例〕
まず、図１を用いて、推定処理および決定処理を実行する情報提供装置の一例について説明する。図１は、実施形態に係る情報提供装置が実行する推定処理および決定処理の一例を示す図である。図１では、情報提供装置１０は、以下に説明する推定処理および決定処理を実行する情報処理装置であり、例えば、サーバ装置やクラウドシステム等により実現される。 [Embodiment]
[1. An example of an information providing device]
First, an example of an information providing device that executes estimation processing and determination processing will be described with reference to FIG. FIG. 1 is a diagram showing an example of estimation processing and determination processing executed by the information providing device according to the embodiment. In FIG. 1, the information providing device 10 is an information processing device that executes estimation processing and determination processing described below, and is realized by, for example, a server device or a cloud system.

より具体的には、情報提供装置１０は、インターネット等の所定のネットワークＮ（例えば、図２を参照）を介して、入力装置１００や出力装置２００（例えば、図２を参照）、端末装置３００（例えば、図２を参照）といった任意の装置と通信が可能である。 More specifically, the information providing device 10 includes an input device 100, an output device 200 (see, for example, FIG. 2), and a terminal device 300 via a predetermined network N (see, for example, FIG. 2) such as the Internet. It is possible to communicate with any device (see, for example, FIG. 2).

ここで、入力装置１００は、マイクなどの音声を取得する音声取得装置を用いて、利用者の発言を取得する。そして、入力装置１００は、任意の音声認識技術を用いて、発言をテキストデータに変換し、変換後のテキストデータを情報提供装置１０へと送信する。また、出力装置２００は、スピーカ等の音声を出力する装置を用いて、情報提供装置１０から受信したテキストデータの読み上げを行う。なお、出力装置２００は、情報提供装置１０から受信したテキストデータを所定の表示装置に表示してもよい。また、端末装置３００は、各利用者が使用する端末装置であり、情報提供装置１０から受信した任意の情報を表示可能な情報処理装置である。例えば、端末装置３００は、会議等といった所定の集会に利用者を招待するメッセージを情報提供装置１０から受信すると、受信したメッセージを表示することで、利用者が招待された旨を通知する。 Here, the input device 100 acquires the user's remark by using a voice acquisition device such as a microphone that acquires the voice. Then, the input device 100 converts the remark into text data by using an arbitrary voice recognition technique, and transmits the converted text data to the information providing device 10. Further, the output device 200 reads out the text data received from the information providing device 10 by using a device that outputs voice such as a speaker. The output device 200 may display the text data received from the information providing device 10 on a predetermined display device. Further, the terminal device 300 is a terminal device used by each user, and is an information processing device capable of displaying arbitrary information received from the information providing device 10. For example, when the terminal device 300 receives a message from the information providing device 10 that invites the user to a predetermined meeting such as a meeting, the terminal device 300 displays the received message to notify that the user has been invited.

なお、入力装置１００、出力装置２００、および端末装置３００は、スマートフォンやタブレット等のスマートデバイス、デスクトップＰＣ（Personal Computer）やノートＰＣ、サーバ装置等の情報処理装置により実現される。なお、入力装置１００、出力装置２００、および端末装置３００は、例えば、同一の情報処理装置によって実現されてもよく、例えば、ロボット等の装置によって実現されてもよい。 The input device 100, the output device 200, and the terminal device 300 are realized by smart devices such as smartphones and tablets, and information processing devices such as desktop PCs (Personal Computers), notebook PCs, and server devices. The input device 100, the output device 200, and the terminal device 300 may be realized by, for example, the same information processing device, or may be realized by a device such as a robot.

なお、以下の説明においては、情報提供装置１０は、任意の音声認識技術を用いて、利用者の発言をテキストデータに変換可能であるものとする。また、情報提供装置１０は、形態素解析やｗ２ｖ（word2vec）、ディープラーニング等の技術を用いて、テキストデータに変換された発言の内容を解析し、発言内容の類似性や発言内容の概念の類似性を示す値を算出可能であるものとする。このような発言内容の類似性や、発言内容の概念の類似性を判定する言語解析技術については、後述する推定処理や決定処理の説明に関わらず、任意の技術が適用可能であるものとする。 In the following description, it is assumed that the information providing device 10 can convert the user's remarks into text data by using an arbitrary voice recognition technique. Further, the information providing device 10 analyzes the content of the remark converted into text data by using techniques such as morphological analysis, w2v (word2vec), and deep learning, and resembles the remark content and the concept of the remark content. It is assumed that the value indicating the sex can be calculated. It is assumed that any technique can be applied to the language analysis technology for determining the similarity of the content of the statement and the similarity of the concept of the content of the statement, regardless of the explanation of the estimation process and the determination process described later. ..

〔２．情報提供装置が実行する推定処理について〕
ここで、従来技術では、会議等の発言に対応する発言をロボット等から出力することで、会議等の集会を円滑に進めるといった技術が考えられる。例えば、会議に参加した利用者がそれぞれ異なる分野に興味を有していた場合、共感を得ることができずに会議が収束しなくなり、会議を効率的に進めることができない場合がある。一方で、会議に参加した利用者が全て同一の分野に興味を有していた場合、すなわち、集会に参加した利用者が類似する場合には、会議中に生じたトピックに対して理解や共感を得やすいものの、ブレインストーミング等、新たな発想が求められる集会においては、トピックの展開等が進まず、新たなアイデアを創出できない恐れがある。 [2. About the estimation process executed by the information provider]
Here, in the conventional technique, it is conceivable that the robot or the like outputs a statement corresponding to the statement of the meeting or the like to smoothly advance the meeting or the like. For example, if the users who participated in the conference are interested in different fields, the conference may not be able to converge without sympathy, and the conference may not proceed efficiently. On the other hand, if all the users who participated in the meeting were interested in the same field, that is, when the users who participated in the meeting were similar, they understood and sympathized with the topic that occurred during the meeting. Although it is easy to obtain, at meetings where new ideas are required, such as brainstorming, there is a risk that new ideas cannot be created due to the lack of progress in topic development.

そこで、情報提供装置１０は、以下の推定処理を実行する。まず、情報提供装置１０は、複数の利用者の属性の類似度を特定する。そして、情報提供装置１０は、類似度の値を有向浸透現象において状態が伝播する確率と見做して、利用者間における共感の伝播を推定する。 Therefore, the information providing device 10 executes the following estimation process. First, the information providing device 10 specifies the similarity of the attributes of a plurality of users. Then, the information providing device 10 regards the value of the similarity as the probability that the state propagates in the directed permeation phenomenon, and estimates the propagation of empathy among the users.

すなわち、情報提供装置１０は、利用者間において共感が伝播する確率を、有向浸透現象、すなわち、パーコレーションにおいて状態が伝播する確率と見做して、利用者間を共感が伝播する状態を推定する。より具体的には、情報提供装置１０は、集会に招待する利用者の候補（以下、「候補者」と記載する場合がある。）の間で、所定のトピックについて共感が伝播する様子を、有向浸透現象を予測する技術を用いて推定する。そして、情報提供装置１０は、推定結果に基づいて、集会に招待する利用者を決定し、決定した利用者の端末装置３００に、集会に招待するメッセージ（以下、「招待メッセージ」と記載する場合がある。）を送信する。 That is, the information providing device 10 regards the probability of empathy propagating between users as a directed penetration phenomenon, that is, the probability of state propagating in percolation, and estimates the state in which empathy propagates between users. To do. More specifically, the information providing device 10 shows how sympathy propagates on a predetermined topic among the candidates of users invited to the meeting (hereinafter, may be referred to as "candidates"). Estimate using techniques for predicting directed osmosis phenomena. Then, the information providing device 10 determines a user to be invited to the meeting based on the estimation result, and a message to invite to the meeting (hereinafter, described as "invitation message") to the terminal device 300 of the determined user. There is.) Is sent.

例えば、利用者間を共感が伝播する確率（以下、「伝播確率」と記載する。）は、利用者同士の類似度に応じて変化すると予測される。そこで、情報提供装置１０は、候補者の属性の類似度に基づいて、伝播確率の値を特定する。例えば、情報提供装置１０は、候補者の性別や年代といったデモグラフィック属性や、好み等といったサイコグラフィック属性に加え、各候補者が専門的に研究している学問分野、すなわち、各候補者の専門分野を属性として収集する。そして、情報提供装置１０は、候補者間の属性の類似度を算出し、算出した類似度に基づく伝播確率を算出する。 For example, the probability that empathy propagates between users (hereinafter referred to as "propagation probability") is predicted to change according to the degree of similarity between users. Therefore, the information providing device 10 specifies the value of the propagation probability based on the similarity of the attributes of the candidates. For example, the information providing device 10 has demographic attributes such as the gender and age of the candidate, psychographic attributes such as preference, and the academic field in which each candidate is specialized in research, that is, the specialty of each candidate. Collect fields as attributes. Then, the information providing device 10 calculates the similarity of the attributes between the candidates, and calculates the propagation probability based on the calculated similarity.

例えば、有向浸透現象においては、任意の次元空間上に複数のセルを配置した系を設定し、活性状態（乱流）であるセルから隣接するセルに活性状態が伝播する伝播確率をｐ、活性状態が消滅する消滅確率を１−ｐとして、各セルの状態を時間発展させることで、系における活性状態の伝播をシミュレートする。 For example, in the directed infiltration phenomenon, a system in which a plurality of cells are arranged in an arbitrary dimensional space is set, and the propagation probability that the active state propagates from the cell in the active state (turbulent flow) to the adjacent cell is set to p. The propagation of the active state in the system is simulated by time-evolving the state of each cell with the disappearance probability of the active state disappearing as 1-p.

このような活性状態の伝播においては、伝播確率ｐの値を系に応じた浸透閾値ｐ_ｃの値以上に設定すると、時間発展を続けても活性状態がいずれかのセルに残り続ける状態が生じる。一方で、伝播確率ｐの値を系に応じた浸透閾値ｐ_ｃの値よりも小さい値に設定すると、時間発展の結果、活性状態が最終的に消滅する状態が生じる。また、伝播確率ｐの値が浸透閾値ｐ_ｃよりも十分に大きい場合には、系全体に活性状態が迅速に行きわたることとなる。一方、伝播確率ｐの値が浸透閾値ｐ_ｃよりも十分に小さい場合には、活性状態が系全体で迅速に消滅することとなる。また、伝播確率ｐの値が浸透閾値ｐ_ｃの値以上であり、かつ、伝播確率ｐの値が浸透閾値ｐ_ｃに十分に近い場合には、時間発展させても活性状態が系から消滅せず、自己相似的（フラクタル）的なパターンでセルの間を伝播し続けることとなる（例えば、非特許文献１参照）。 In such an active state propagation, is set to greater than or equal to the value of percolation threshold p _c in accordance with the value of the propagation probability p in the system, the remainder continues to a state occurs in the cell active state either be followed time evolution .. On the other hand, when set to a value smaller than the value of the percolation threshold p _c in accordance with the value of the propagation probability p to the system, the result of the time evolution, the state in which the active state is eventually extinguished occurs. Further, when the value of the propagation probability p is sufficiently larger than the percolation threshold p _c becomes the to the entire system is activated over go quickly. On the other hand, when the value of the propagation probability p is sufficiently smaller than the percolation threshold p _c becomes the active state to quickly disappear throughout the system. Further, when the value of the propagation probability p is equal to or higher than the value of the permeation threshold _{pc and} the value of the propagation probability p is sufficiently close to the permeation threshold _pc , the active state disappears from the system even after time evolution. Instead, it will continue to propagate between cells in a self-similar (fractal) pattern (see, for example, Non-Patent Document 1).

ここで、系を集会と見做し、系に設定された各セルを集会に参加した利用者と見做すことで、活性状態の伝播を利用者間の共感の伝播と見做すことができると考えられる。すると、活性状態が系全体で消滅する状態は、集会においてあるトピックに対する共感が発散してしまい、最終的な合意が得られない状態と見做すことができ、活性状態が系全体に行きわたる状態は、集会においてあるトピックに対する共感が行きわたり、全員の合意が得られる状態と見做すことも可能である。 Here, by regarding the system as a rally and each cell set in the system as a user who participated in the rally, the propagation of the active state can be regarded as the propagation of empathy between users. It is thought that it can be done. Then, the state in which the active state disappears in the entire system can be regarded as a state in which sympathy for a certain topic diverges at the meeting and the final consensus cannot be obtained, and the active state spreads throughout the system. The state can also be regarded as a state in which empathy for a topic is spread at the meeting and everyone agrees.

しかしながら、ブレインストーミング等の新たなアイデアを創出する集会（以下、単に「集会」と記載する。）においては、あるトピックに対する共感が伝播せず、最終的な合意が得られない場合には、新たなアイデアを創出できるとは言い難い。また、このような集会において、あるトピックに対する共感が迅速に全員に行きわたるような状態でも、単純に合意が行われるに過ぎないため、新たなアイデアを創出できるとは言いがたい。このため、集会において新たなアイデアを創出するような場合には、あるアイデアの共感が利用者間で伝播しつづけることで、アイデアの変種が生じやすくなるといった状態が好ましいと考えられる。 However, at a meeting that creates new ideas such as brainstorming (hereinafter referred to simply as "meeting"), if sympathy for a certain topic does not spread and a final agreement cannot be obtained, a new meeting will be made. It is hard to say that you can create new ideas. Moreover, even in a situation where sympathy for a certain topic quickly spreads to everyone at such a meeting, it is difficult to say that a new idea can be created because an agreement is simply reached. For this reason, when creating a new idea at a meeting, it is preferable that the sympathy of a certain idea continues to be propagated among users, so that a variation of the idea is likely to occur.

そこで、情報提供装置１０は、利用者間の属性の類似度の値と、有向浸透現象において臨界現象が生じる浸透閾値との比較結果に基づいて、利用者間における共感の伝播を推定する。すなわち、情報提供装置１０は、伝播確率ｐの値と浸透閾値ｐ_ｃの値との比較結果に基づいて、集会における共感の収束を制御する。 Therefore, the information providing device 10 estimates the propagation of empathy among users based on the comparison result between the value of the similarity of attributes between users and the permeation threshold value at which a critical phenomenon occurs in a directed permeation phenomenon. That is, the information providing apparatus 10, based on a result of comparison between the values of the percolation threshold p _c of propagation probability p, to control the convergence of sympathy in meetings.

例えば、情報提供装置１０は、様々な候補者の組み合わせについて、利用者の属性の類似度を算出し、算出した値を伝播確率ｐとする。例えば、情報提供装置１０は、ある組み合わせに含まれる候補者の属性を収集し、収集した属性の類似度を示す１以下の値を算出する。なお、情報提供装置１０は、例えば、各候補者の属性が共通する場合には類似度を上昇させ、各候補者の属性が共通しない場合には類似度を減少させるアルゴリズムであれば、任意のアルゴリズムに基づいて、各候補者の属性の類似度を算出してよい。 For example, the information providing device 10 calculates the similarity of user attributes for various combinations of candidates, and uses the calculated value as the propagation probability p. For example, the information providing device 10 collects the attributes of the candidates included in a certain combination, and calculates a value of 1 or less indicating the similarity of the collected attributes. The information providing device 10 is arbitrary as long as it is an algorithm that increases the similarity when the attributes of the candidates are common and decreases the similarity when the attributes of the candidates are not common. The similarity of the attributes of each candidate may be calculated based on the algorithm.

そして、情報提供装置１０は、算出した各伝播確率ｐの値と浸透閾値ｐ_ｃの値とを比較し、伝播確率ｐの値が浸透閾値ｐ_ｃの値よりも大きく、かつ、伝播確率ｐの値が浸透閾値ｐ_ｃの値に最も近い候補者の組み合わせを特定する。例えば、情報提供装置１０は、伝播確率ｐの値から浸透閾値ｐ_ｃの値を減算し、さらにの伝播確率ｐの値で除算した値が１よりも十分に小さい正の値となる候補者の組み合わせを特定する。すなわち、情報提供装置１０は、参加者の間でアイデアへの共感が伝播し続けるが、全員が同じアイデアに共感し、合意がえられるといった状態になりにくい参加者の組み合わせを特定する。 Then, the information providing apparatus 10 compares the value of each propagation probability p and the calculated value of the percolation threshold p _c, greater than the value of the propagation probability p value of percolation threshold p _c, and, the propagation probability p value to identify the combination of the nearest candidate of the value of the percolation threshold p _c. For example, the information providing device 10 subtracts the value of the percolation threshold p _c from the value of the propagation probability p, further divided by the value of the propagation probability p of candidates as a positive value sufficiently smaller than 1 Identify the combination. That is, the information providing device 10 identifies a combination of participants in which sympathy for the idea continues to be propagated among the participants, but it is difficult for all the participants to sympathize with the same idea and reach an agreement.

そして、情報提供装置１０は、特定した組み合わせに含まれる候補者に対して、招待メッセージを送信する。このような処理の結果、情報提供装置１０は、あるトピックへの共感が、表面的な内容への共感ではなく、根本的な内容の理解にたどり着いた上で共感できる利用者を集会に招待する利用者として選択することができる。この結果、情報提供装置１０は、集会において新たなアイデアの創出を補助することができる。 Then, the information providing device 10 transmits an invitation message to the candidates included in the specified combination. As a result of such processing, the information providing device 10 invites users who can sympathize with a certain topic after reaching an understanding of the fundamental content rather than sympathizing with the superficial content. You can select as a user. As a result, the information providing device 10 can assist in the creation of new ideas at the meeting.

〔３．情報提供装置が実行する決定処理について〕
ここで、会議等の発言に対応する発言をロボット等から出力することで、集会を円滑に進行させるといった技術が考えられる。しかしながら、上記の従来技術では、入力されたテキストと類似するテキストや、入力されたテキストに続くテキスト等、利用者が予測しうる情報を出力しているに過ぎない。このため、例えば、上記の従来技術では、集会を効率的に進めることができない恐れがある。 [3. About the decision processing executed by the information providing device]
Here, a technique is conceivable in which a remark corresponding to a remark in a meeting or the like is output from a robot or the like to facilitate the meeting. However, in the above-mentioned prior art, only information that can be predicted by the user, such as a text similar to the input text and a text following the input text, is output. Therefore, for example, with the above-mentioned conventional technique, there is a possibility that the meeting cannot be efficiently advanced.

そこで、情報提供装置１０は、以下の決定処理を実行する。まず、情報提供装置１０は、集会における発言内容を取得する。そして、情報提供装置１０は、集会における発言主体の発言、あるいは、目的に近づけるはために生成された発言を木構造のノードと見做して、後続する発言内容を集会の目的に近づける発言主体を、木構造探索手法により決定する。 Therefore, the information providing device 10 executes the following determination process. First, the information providing device 10 acquires the content of remarks at the meeting. Then, the information providing device 10 regards the remarks of the remark subject at the meeting or the remarks generated for the purpose of approaching the purpose as a tree-structured node, and the remark subject that brings the subsequent remark contents closer to the purpose of the meeting. Is determined by the tree structure search method.

例えば、情報提供装置１０は、ＭＡＢ（Multi Armed Bandit）アルゴリズムによる計算手法を用いて、後続する発言内容を集会の目的に近づける可能性が最も高い発言主体を決定する。より具体的には、情報提供装置１０は、集会における発言主体をＭＡＢのアームと見做し、集会の目的と集会の状態とに基づく報酬に応じて、ＭＡＢアルゴリズムに基づき、発言主体を決定する。 For example, the information providing device 10 uses a calculation method based on a MAB (Multi Armed Bandit) algorithm to determine a speaker who is most likely to bring the content of subsequent statements closer to the purpose of the meeting. More specifically, the information providing device 10 regards the speaking subject at the meeting as the arm of the MAB, and determines the speaking subject based on the MAB algorithm according to the reward based on the purpose of the meeting and the state of the meeting. ..

すなわち、情報提供装置１０は、集会の参加者にＭＡＢアルゴリズムによるスロットマシンを対応付ける。このような場合、参加者をアームとみなし、出力装置２００等のロボットが選択した参加者の発言により、ロボットが報酬を貰える設定で、ロボットが累積報酬を最大化する問題をＭＡＢアルゴリズムにより解決する装置であると見なすことができ、スロットマシンが当たりを出す確率は、集会の参加者が発言を行うことで、集会の状態が集会の目的へと近づく確率と見做すことができると考えらえる。また、集会の参加者が発言を行うことで、集会の状態が集会の目的へと近づいた場合には、ＭＡＢアルゴリズムにおける報酬の額が増大したと見做すことができる。 That is, the information providing device 10 associates the participants of the meeting with the slot machine by the MAB algorithm. In such a case, the MAB algorithm solves the problem that the robot maximizes the cumulative reward by regarding the participant as an arm and setting the robot to receive a reward according to the remarks of the participant selected by the robot such as the output device 200. It can be regarded as a device, and the probability that the slot machine will hit can be regarded as the probability that the state of the rally approaches the purpose of the rally by the participants of the rally making statements. Eh. In addition, when the participants of the rally make statements and the state of the rally approaches the purpose of the rally, it can be considered that the amount of reward in the MAB algorithm has increased.

そこで、情報提供装置１０は、各利用者の属性（例えば、専門分野）と各利用者の発言により集会の状態が集会の目的に近づいたか否かとに基づいて、各利用者に対応付けたスロットマシンが当たりを出す確率を推定する。そして、情報提供装置１０は、ＭＡＢ（Multi Armed Bandit）アルゴリズムによる計算手法を用いて、後続する発言内容を集会の目的に近づける可能性が最も高い発言主体を決定する。より具体的には、情報提供装置１０は、参加者の発言により、集会の状態が集会の目的に近づいた場合は、報酬が増大したと見做して、後続する発言を行う利用者を決定する。 Therefore, the information providing device 10 is a slot associated with each user based on the attributes of each user (for example, a specialized field) and whether or not the state of the meeting approaches the purpose of the meeting due to the remarks of each user. Estimate the probability that the machine will win. Then, the information providing device 10 uses a calculation method based on the MAB (Multi Armed Bandit) algorithm to determine the speaker who is most likely to bring the content of the subsequent statement closer to the purpose of the meeting. More specifically, the information providing device 10 determines the user who makes subsequent remarks, assuming that the reward has increased when the state of the rally approaches the purpose of the rally according to the remarks of the participants. To do.

より具体的な例を挙げると、情報提供装置１０は、参加者が新たな内容のアイデアを発言した場合には、報酬が増大したと見做してもよい。また、情報提供装置１０は、アイデアの新たな適用対象やアイデアのバリエーション等、参加者がアイデアを広げる発言をした場合に、報酬が増大したと見做してもよい。例えば、情報提供装置１０は、概念検索における重みづけから、参加者の発言に基づいて、アイデアがどれくらい広がったかを示す値を算出し、算出した値に基づいて、報酬の値を変更してもよい。 To give a more specific example, the information providing device 10 may consider that the reward has increased when the participant expresses an idea of a new content. Further, the information providing device 10 may be regarded as having increased the reward when the participant makes a statement to spread the idea, such as a new application target of the idea or a variation of the idea. For example, the information providing device 10 calculates a value indicating how much the idea has spread based on the remarks of the participants from the weighting in the concept search, and even if the reward value is changed based on the calculated value. Good.

また、情報提供装置１０は、アイデアのポイントに関する発言等、参加者がアイデアを深める発言をした場合に、報酬が増大したと見做してもよい。例えば、情報提供装置１０は、ｗ２ｖの技術等を用いて、参加者の発言内容とアイデアのポイントとなる概念との間の意味空間上の距離を算出する。そして、情報提供装置１０は、算出した距離が一定内に収まる発言を利用者が行った場合は、参加者がアイデアを深める発言をしたものとして、報酬を増大させてもよい。 Further, the information providing device 10 may consider that the reward has increased when the participant makes a statement to deepen the idea, such as a statement regarding the point of the idea. For example, the information providing device 10 calculates the distance in the semantic space between the content of the participant's remark and the concept that is the point of the idea by using the technology of w2v or the like. Then, when the user makes a statement that the calculated distance is within a certain range, the information providing device 10 may increase the reward as if the participant made a statement to deepen the idea.

また、情報提供装置１０は、両者が発言を行うごとに、良い発言であったか否かのアンケートを参加者に対して行い、アンケートの結果に基づいて、報酬の値を設定してもよい。また、情報提供装置１０は、ウェアラブルデバイス等が参加者から取得した生体情報に基づいて、発言に対する各利用者の感情を推定し、推定した感情が好意的な感情である場合は、報酬の値を増大させてもよい。 Further, the information providing device 10 may perform a questionnaire to the participants as to whether or not they made a good statement each time they made a statement, and set a reward value based on the result of the questionnaire. Further, the information providing device 10 estimates each user's emotion for remarks based on the biometric information acquired from the participant by the wearable device or the like, and if the estimated emotion is a favorable emotion, a reward value. May be increased.

また、例えば、情報提供装置１０は、前回取得した発言内容と、新たに取得した発言内容とのブレが少ない程、報酬の値を大きくしてもよい。ここで、報酬の値は、例えば、形態素解析等の文章解析技術に基づいて、前回の発言内容と、新たな発言内容との比較を行い、前回の発言内容と新たな発言内容との差分が大きい程、報酬の値を小さくするといった手段により実現されてもよい。 Further, for example, the information providing device 10 may increase the reward value as the deviation between the previously acquired remark content and the newly acquired remark content is small. Here, the value of the reward is calculated by comparing the previous remark content with the new remark content based on a sentence analysis technique such as morphological analysis, and the difference between the previous remark content and the new remark content is The larger the value, the smaller the reward value may be.

また、報酬の値は、例えば、発言後において、集会に参加する利用者が入力した評価の値に基づいて決定されてもよい。例えば、情報提供装置１０は、発言の出力後に、集会に参加する利用者から、集会の内容が目的に近づいているか否かの評価を受付ける。このような評価は、例えば、各利用者に与えられたスライダ等の入力装置や、ＢＭＩ（Brain-machine Interface）等によって取得される。そして、情報提供装置１０は、取得された評価に基づいて、報酬の値を設定し、設定した報酬の値に基づいて、次に発言する参加者を決定してもよい。 In addition, the reward value may be determined based on the evaluation value input by the user who participates in the meeting, for example, after the statement. For example, the information providing device 10 receives an evaluation from a user who participates in the meeting whether or not the content of the meeting is close to the purpose after the output of the remark. Such an evaluation is acquired by, for example, an input device such as a slider given to each user, a BMI (Brain-machine Interface), or the like. Then, the information providing device 10 may set a reward value based on the acquired evaluation, and determine a participant who speaks next based on the set reward value.

なお、情報提供装置１０は、ＭＡＢアルゴリズムに関連するアルゴリズムであれば、任意のアルゴリズムを適用可能である。例えば、情報提供装置１０は、ある状態ｓで行動ａをとるときの価値Ｑ（ｓ，ａ）を学習し、価値Ｑの値に基づくＵＣＢ値に基づいた行動選択を行うＵＣＢＱアルゴリズム（例えば、非特許文献２参照）に基づいて、発言を行う利用者の選択を行ってもよい。また、情報提供装置１０は、ＵＣＴ（Upper Confidence bound applied to Tree）値と、価値Ｑの値とに基づいた行動選択を行うアルゴリズム（例えば、非特許文献３参照）に基づいて、発言を行う利用者の選択を行ってもよい。また、情報提供装置１０は、上述したアルゴリズム以外にも、集会の各参加者をスロットマシンのアームと見做し、各参加者が行う発言により集会の状態が集会の目的に近づいたか否かに基づく報酬を設定することで、集会の状態を集会の目的に近づける参加者を次の発言者として戦略的に選択することができるのであれば、上述したアルゴリズム以外にも、任意のアルゴリズムが適用可能である。 The information providing device 10 can apply any algorithm as long as it is an algorithm related to the MAB algorithm. For example, the information providing device 10 learns the value Q (s, a) when taking an action a in a certain state s, and performs an action selection based on the UCB value based on the value Q (for example, non-UCBQ algorithm). The user who makes a statement may be selected based on (see Patent Document 2). Further, the information providing device 10 is used to make a statement based on an algorithm (for example, see Non-Patent Document 3) that selects an action based on a UCT (Upper Confidence bound applied to Tree) value and a value Q value. You may make a choice. In addition to the algorithm described above, the information providing device 10 regards each participant of the assembly as an arm of a slot machine, and determines whether or not the state of the assembly approaches the purpose of the assembly by the remarks made by each participant. Any algorithm other than the above algorithm can be applied as long as it is possible to strategically select a participant who brings the state of the meeting closer to the purpose of the meeting as the next speaker by setting the reward based on the above. Is.

ここで、ＭＡＢアルゴリズムにおいては、どのアームを選択したとしても、得られる報酬の期待値があまり変化しなくなる場合がある。このような状態は、それ以上集会の状態を集会の目的に近づけることができない状態と見做すことができる。そこで、情報提供装置１０は、報酬が得られなくなったとき、あるは、累積報酬が増大しなくなったアームを選択した際の選択した際の報酬の期待値が同程度となった場合は、集会を終了させるための応答を出力してもよい。このような応答を出力することで、情報提供装置１０は、無駄な集会の継続を回避することができる。 Here, in the MAB algorithm, the expected value of the reward obtained may not change so much regardless of which arm is selected. Such a state can be regarded as a state in which the state of the meeting cannot be brought closer to the purpose of the meeting. Therefore, the information providing device 10 gathers when the reward cannot be obtained, or when the expected value of the reward at the time of selecting the arm whose cumulative reward does not increase becomes the same. You may output the response to end. By outputting such a response, the information providing device 10 can avoid unnecessary continuation of the meeting.

なお、上述した説明においては、情報提供装置１０は、集会の参加者が発言する度に報酬の値を算出し直したが、実施形態は、これに限定されるものではない。例えば、情報提供装置１０は、選択した利用者が発言を回避した場合や、発言を拒否した場合、発言ができなかった場合等には、発言が行われなかったという状態に基づいて、報酬の値や各アームが当たりを出力する確率を変更し、再度、発言者の選択を行ってもよい。 In the above description, the information providing device 10 recalculates the reward value each time a participant of the meeting speaks, but the embodiment is not limited to this. For example, when the selected user avoids speaking, refuses to speak, or cannot speak, the information providing device 10 pays a reward based on the state that the speaking is not performed. The value and the probability that each arm outputs a hit may be changed, and the speaker may be selected again.

〔４．情報提供装置が実行する処理の一例〕
次に、図１を用いて、情報提供装置１０が実行する推定処理および決定処理の一例について説明する。まず、情報提供装置１０が実行する推定処理の一例について説明する。まず情報提供装置１０は、集会に招待する候補となる利用者の専門分野の類似度から、パーコレーションの伝播確率を取得する（ステップＳ１）。例えば、情報提供装置１０は、利用者＃１の専門分野が分野＃１であり、利用者＃２の専門分野が分野＃２であり、利用者＃３の専門分野が分野＃３である場合は、分野＃１〜分野＃３の類似性を示す類似度を算出し、算出した類似度を利用者＃１〜＃３の伝播確率ｐとする。なお、情報提供装置１０は、利用者＃１〜利用者＃３以外にも、全ての候補者の組み合わせについて、専門分野の類似度から伝播確率ｐの値を取得する。 [4. An example of processing executed by the information providing device]
Next, an example of the estimation process and the determination process executed by the information providing device 10 will be described with reference to FIG. First, an example of the estimation process executed by the information providing device 10 will be described. First, the information providing device 10 acquires the percolation propagation probability from the similarity of the specialized fields of the users who are candidates to be invited to the meeting (step S1). For example, in the information providing device 10, the specialized field of the user # 1 is the field # 1, the specialized field of the user # 2 is the field # 2, and the specialized field of the user # 3 is the field # 3. Calculates the similarity indicating the similarity between the fields # 1 to # 3, and uses the calculated similarity as the propagation probability p of the users # 1 to # 3. The information providing device 10 acquires the value of the propagation probability p from the similarity in the specialized field for all combinations of candidates other than users # 1 to user # 3.

そして、情報提供装置１０は、有向浸透現象のモデルを用いて、利用者間における共感の伝播を推定する（ステップＳ２）。例えば、情報提供装置１０は、ステップＳ１にて算出した伝播確率ｐと、伝播確率ｐを１から減算した値である消滅確率１−ｐとを用いて、共感がどのように伝播するかを推定する。例えば、情報提供装置１０は、伝播確率ｐと消滅確率１−ｐとから、浸透閾値ｐ_ｃの値を求める。そして、情報提供装置１０は、伝播確率ｐの値が浸透閾値ｐ_ｃの値以上となる候補者の組み合わせのうち、伝播確率ｐの値が浸透閾値ｐ_ｃの値に最も近い候補者の組み合わせを検索する。 Then, the information providing device 10 estimates the propagation of empathy among users by using the model of the directed penetration phenomenon (step S2). For example, the information providing device 10 estimates how the empathy propagates by using the propagation probability p calculated in step S1 and the extinction probability 1-p which is a value obtained by subtracting the propagation probability p from 1. To do. For example, the information providing device 10 from the annihilation probability 1-p and propagation probability p, determines the value of the percolation threshold p _c. Then, the information providing apparatus 10, among the combinations of candidates values for propagation probability p is equal to or greater than the value of the percolation threshold p _c, a combination of the nearest candidate values of propagation probability p is the value of the percolation threshold p _c Search for.

その後、情報提供装置１０は、推定結果に基づいて、招待する利用者を選択する（ステップＳ３）。例えば、情報提供装置１０は、伝播確率ｐの値が浸透閾値ｐ_ｃの値以上となる候補者の組み合わせのうち、伝播確率ｐの値が浸透閾値ｐ_ｃの値に最も近い候補者の組み合わせが、利用者＃１、利用者＃３、および利用者＃６の組み合わせである場合は、かかる組み合わせを招待する利用者の組み合わせとして選択する。 After that, the information providing device 10 selects an invited user based on the estimation result (step S3). For example, the information providing apparatus 10, among the combinations of candidates values for propagation probability p is equal to or greater than the value of the percolation threshold p _c, a combination of the nearest candidate in the value of the value percolation threshold p _c of propagation probability p , User # 1, User # 3, and User # 6, the combination is selected as the combination of users to be invited.

そして、情報提供装置１０は、選択した組み合わせの利用者を集会に招待する（ステップＳ４）。例えば、情報提供装置１０は、利用者＃１、利用者＃３、および利用者＃６を集会に招待する。この結果、情報提供装置１０は、新たなアイデアを創出しやすい利用者の集会を実現できる。 Then, the information providing device 10 invites the users of the selected combination to the meeting (step S4). For example, the information providing device 10 invites the user # 1, the user # 3, and the user # 6 to the meeting. As a result, the information providing device 10 can realize a gathering of users who can easily create new ideas.

次に、情報提供装置１０が実行する決定処理の一例について説明する。まず、情報提供装置１０は、各利用者の発言を受付ける（ステップＳ５）。このような場合、情報提供装置１０は、各利用者をＭＡＢアルゴリズムのアームと見做し、集会の目的と現在の集会の状態とに応じた報酬を設定する（ステップＳ６）。 Next, an example of the determination process executed by the information providing device 10 will be described. First, the information providing device 10 receives the remarks of each user (step S5). In such a case, the information providing device 10 regards each user as an arm of the MAB algorithm, and sets a reward according to the purpose of the meeting and the current state of the meeting (step S6).

例えば、情報提供装置１０は、利用者＃１をアーム＃１と見做し、利用者＃３をアーム＃３と見做し、利用者＃６をアーム＃６と見做す。また、情報提供装置１０は、集会における利用者＃１の発言や利用者＃１の専門分野に基づいて、アーム＃１が当たりを出す確率を推定する。同様に、情報提供装置１０は、集会における利用者＃３の発言や利用者＃３の専門分野に基づいて、アーム＃３が当たりを出す確率を推定し、集会における利用者＃６の発言や利用者＃６の専門分野に基づいて、アーム＃６が当たりを出す確率を推定する。また、情報提供装置１０は、発言によるアイデアの広がりや深まり、利用者の満足度に基づいて報酬を設定する。 For example, the information providing device 10 regards the user # 1 as the arm # 1, the user # 3 as the arm # 3, and the user # 6 as the arm # 6. In addition, the information providing device 10 estimates the probability that the arm # 1 will win based on the remarks of the user # 1 at the meeting and the specialized field of the user # 1. Similarly, the information providing device 10 estimates the probability that the arm # 3 will win based on the remarks of the user # 3 at the rally and the specialized field of the user # 3, and the remarks of the user # 6 at the rally. Estimate the probability that arm # 6 will win based on the specialty of user # 6. In addition, the information providing device 10 sets a reward based on the spread and deepening of ideas by remarks and the satisfaction level of users.

そして、情報提供装置１０は、後続する発言内容を集会の目的に近づけるように、発言主体を木構造探索手法により決定する（ステップＳ７）。例えば、情報提供装置１０は、ＵＣＢＱアルゴリズムや、ＵＣＴとＱ値とを組み合わせたアルゴリズム等、ＭＡＢアルゴリズムを用いて、報酬が最大化するようなアーム、すなわち、利用者を推定する。 Then, the information providing device 10 determines the subject of the statement by the tree structure search method so that the content of the subsequent statement is closer to the purpose of the meeting (step S7). For example, the information providing device 10 uses a MAB algorithm such as a UCBQ algorithm or an algorithm that combines a UCT and a Q value to estimate an arm that maximizes the reward, that is, a user.

そして、情報提供装置１０は、決定した利用者に対して発言を促す（ステップＳ８）。例えば、情報提供装置１０は、ロボットなどの出力装置２００に対し、決定した利用者に発言を促すような発言を行わせる。この結果、情報提供装置１０は、報酬が最大化するように、すなわち、集会の目的に近づけるように、集会を効率的に進めることができる。 Then, the information providing device 10 prompts the determined user to speak (step S8). For example, the information providing device 10 causes an output device 200 such as a robot to make a statement that prompts a determined user to speak. As a result, the information providing device 10 can efficiently advance the meeting so as to maximize the reward, that is, to approach the purpose of the meeting.

〔５．情報提供装置の構成〕
以下、上記した推定処理および決定処理を実現する情報提供装置１０が有する機能構成の一例について説明する。図２は、実施形態に係る情報提供装置の構成例を示す図である。図２に示すように、情報提供装置１０は、通信部２０、記憶部３０、および制御部４０を有する。 [5. Configuration of information providing device]
Hereinafter, an example of the functional configuration of the information providing device 10 that realizes the above-mentioned estimation processing and determination processing will be described. FIG. 2 is a diagram showing a configuration example of the information providing device according to the embodiment. As shown in FIG. 2, the information providing device 10 includes a communication unit 20, a storage unit 30, and a control unit 40.

通信部２０は、例えば、ＮＩＣ（Network Interface Card）等によって実現される。そして、通信部２０は、ネットワークＮと有線または無線で接続され、入力装置１００、出力装置２００、および端末装置３００との間で情報の送受信を行う。 The communication unit 20 is realized by, for example, a NIC (Network Interface Card) or the like. Then, the communication unit 20 is connected to the network N by wire or wirelessly, and transmits / receives information to / from the input device 100, the output device 200, and the terminal device 300.

記憶部３０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。また、記憶部３０は、利用者属性データベース３１を記憶する。 The storage unit 30 is realized by, for example, a semiconductor memory element such as a RAM (Random Access Memory) or a flash memory (Flash Memory), or a storage device such as a hard disk or an optical disk. In addition, the storage unit 30 stores the user attribute database 31.

利用者属性データベース３１には、候補者の属性が登録されている。例えば、図３は、実施形態に係る利用者属性データベースに登録される情報の一例を示す図である。図３に示すように、利用者属性データベース３１には、「利用者ＩＤ（Identifier）」、および「専門分野」といった項目を有する情報が登録される。 Candidate attributes are registered in the user attribute database 31. For example, FIG. 3 is a diagram showing an example of information registered in the user attribute database according to the embodiment. As shown in FIG. 3, information having items such as "user ID (Identifier)" and "specialty field" is registered in the user attribute database 31.

ここで、「利用者ＩＤ」とは、利用者を識別するための識別子である。また、「専門分野」とは、対応付けられた利用者ＩＤが示す利用者の専門分野を示す情報である。なお、利用者属性データベース３１には、図３に示す項目以外にも、利用者のデモグラフィック属性やサイコグラフィック属性等、各種属性情報が登録されていてもよい。 Here, the "user ID" is an identifier for identifying a user. Further, the "specialty field" is information indicating the special field of the user indicated by the associated user ID. In addition to the items shown in FIG. 3, various attribute information such as demographic attributes and psychographic attributes of users may be registered in the user attribute database 31.

例えば、図３に示す例では、利用者属性データベース３１には、利用者ＩＤ「利用者＃１」、専門分野「分野＃１」とが対応付けて登録されている。このような情報は、利用者ＩＤ「利用者＃１」が示す利用者の専門分野が専門分野「分野＃１」である旨を示す。なお、図３に示す例では、「分野＃１」等といった概念的な値を記載したが、実際には、分野を示すテキストデータや数値等が登録される。 For example, in the example shown in FIG. 3, the user ID "user # 1" and the specialized field "field # 1" are registered in association with each other in the user attribute database 31. Such information indicates that the specialized field of the user indicated by the user ID "user # 1" is the specialized field "field # 1". In the example shown in FIG. 3, conceptual values such as "field # 1" and the like are described, but in reality, text data and numerical values indicating the field are registered.

図２に戻り、説明を続ける。制御部４０は、コントローラ（controller）であり、例えば、ＣＰＵ（Central Processing Unit）、ＭＰＵ（Micro Processing Unit）等のプロセッサによって、情報提供装置１０内部の記憶装置に記憶されている各種プログラムがＲＡＭ等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４０は、コントローラ（controller）であり、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てもよい。 Returning to FIG. 2, the explanation will be continued. The control unit 40 is a controller, and for example, various programs stored in a storage device inside the information providing device 10 by a processor such as a CPU (Central Processing Unit) or an MPU (Micro Processing Unit) are stored in a RAM or the like. Is realized by executing as a work area. Further, the control unit 40 is a controller, and may be realized by, for example, an integrated circuit such as an ASIC (Application Specific Integrated Circuit) or an FPGA (Field Programmable Gate Array).

図２に示すように、制御部４０は、特定部４１、推定部４２、選択部４３、取得部４４、決定部４５、および出力部４６を有し、上述した推定処理および決定処理を実行する。より具体的には、特定部４１、推定部４２、および選択部４３は、上述した推定処理を実行し、取得部４４、決定部４５、および出力部４６は、上述した決定処理を実行する。 As shown in FIG. 2, the control unit 40 includes a specific unit 41, an estimation unit 42, a selection unit 43, an acquisition unit 44, a determination unit 45, and an output unit 46, and executes the above-mentioned estimation process and determination process. .. More specifically, the specific unit 41, the estimation unit 42, and the selection unit 43 execute the estimation process described above, and the acquisition unit 44, the determination unit 45, and the output unit 46 execute the determination process described above.

特定部４１は、複数の利用者の属性の類似度を特定する。より具体的には、特定部４１は、利用者の属性の類似度として、利用者が専門とする分野の類似度を特定する。例えば、特定部４１は、利用者属性データベース３１を参照し、候補者の組み合わせを生成する。具体的な例を挙げると、特定部４１は、集会に招待する利用者の数が３人である場合は、利用者ＩＤの中から３つの利用者ＩＤを組み合わせた組を全て生成する。なお、特定部４１は、専門分野やその他利用者の属性情報の条件を考慮して、候補者の組み合わせを生成してもよい。 The identification unit 41 specifies the similarity of the attributes of a plurality of users. More specifically, the specific unit 41 specifies the degree of similarity in the field in which the user specializes, as the degree of similarity of the attributes of the user. For example, the specific unit 41 refers to the user attribute database 31 and generates a combination of candidates. To give a specific example, when the number of users invited to the meeting is three, the specific unit 41 generates all the sets in which the three user IDs are combined from the user IDs. In addition, the specific unit 41 may generate a combination of candidates in consideration of the special field and other conditions of the attribute information of the user.

そして、特定部４１は、生成した組み合わせごとに、属性の類似度を算出する。例えば、特定部４１は、組み合わせに含まれる候補者の利用者ＩＤと対応付けられた専門分野を特定し、特定した専門分野の類似性を示す類似度を算出する。例えば、特定部４１は、専門分野の概念の分散表現空間をあらかじめ学習しておき、分散表現空間上における各候補者の専門分野の類似性（コサイン距離等）に基づいて、類似度を算出してもよい。 Then, the specific unit 41 calculates the similarity of the attributes for each generated combination. For example, the specific unit 41 identifies the specialized field associated with the user ID of the candidate included in the combination, and calculates the degree of similarity indicating the similarity of the specified specialized field. For example, the specific unit 41 learns the distributed expression space of the concept of the specialized field in advance, and calculates the degree of similarity based on the similarity (cosine distance, etc.) of each candidate's specialized field on the distributed expression space. You may.

推定部４２は、類似度の値を有向浸透現象において状態が伝播する確率と見做して、利用者間における共感の伝播を推定する。例えば、推定部４２は、類似度の値と、有向浸透現象において臨界現象が生じる浸透閾値との比較結果に基づいて、利用者間における共感の伝播を推定する。 The estimation unit 42 regards the value of similarity as the probability that the state propagates in the directed penetration phenomenon, and estimates the propagation of empathy among users. For example, the estimation unit 42 estimates the propagation of empathy among users based on the comparison result between the value of similarity and the permeation threshold value at which a critical phenomenon occurs in a directed permeation phenomenon.

例えば、推定部４２は、特定部４１から候補者の組と類似度とを受付ける。このような場合、推定部４２は、類似度に基づいて、候補者の組に対応する伝播確率ｐの値を算出する。そして、推定部４２は、算出した伝播確率ｐの値に基づいて、利用者間における共感の伝播を推定する。例えば、推定部４２は、伝播確率ｐの値から所定の浸透閾値ｐ_ｃの値を減算した値を算出し、算出した値を伝播確率ｐの値で除算した値εを算出する。そして、推定部４２は、値εの値が、１よりも十分小さい正の値であるか否かを判定する。すなわち、推定部４２は、伝播確率ｐの値が浸透閾値ｐ_ｃの値よりも大きく、かつ、浸透閾値ｐ_ｃの値に近しいか否かを判定することで、共感が候補者間を随時伝播し続けるか否かを判定する。 For example, the estimation unit 42 accepts a set of candidates and a degree of similarity from the specific unit 41. In such a case, the estimation unit 42 calculates the value of the propagation probability p corresponding to the set of candidates based on the similarity. Then, the estimation unit 42 estimates the propagation of empathy among users based on the calculated value of the propagation probability p. For example, the estimation unit 42 calculates a value a value obtained by subtracting the value from the predetermined percolation threshold p _c of propagation probability p, calculates the value ε dividing the calculated value by the value of the propagation probability p. Then, the estimation unit 42 determines whether or not the value of the value ε is a positive value sufficiently smaller than 1. That is, the estimation unit 42 is larger than the value of the value of the propagation probability p is percolation threshold p _c, and by determining whether Chikashii the value of percolation threshold p _c, sympathy any time propagation between candidate Determine if you want to continue.

そして、推定部４２は、εの値が、１よりも十分小さい正の値である場合（例えば、εの値が所定の閾値よりも小さい正の値である場合）は、対応する候補者の組を選択部４３に通知する。すなわち、推定部４２は、共感が候補者間を随時伝播し続ける候補者の組を通知する。 Then, when the value of ε is a positive value sufficiently smaller than 1 (for example, when the value of ε is a positive value smaller than a predetermined threshold value), the estimation unit 42 of the corresponding candidate Notify the selection unit 43 of the set. That is, the estimation unit 42 notifies the set of candidates whose empathy continues to propagate between the candidates at any time.

選択部４３は、推定結果に基づいて、所定の集会に招待する利用者を選択する。より具体的には、選択部４３は、伝播確率ｐの値から浸透閾値ｐ_ｃを減算し、さらに伝播確率ｐの値で除算した値εが１よりも十分に小さい正の値となるように、所定の集会に招待する利用者を選択する。例えば、選択部４３は、εの値が１よりも十分小さい正の値を取る候補者の組み合わせを推定部４２から受付ける。 The selection unit 43 selects a user to be invited to a predetermined meeting based on the estimation result. More specifically, the selection unit 43 subtracts the percolation threshold p _c from the value of the propagation probability p, as further divided by the value of the propagation probability p epsilon is a positive value sufficiently smaller than 1 , Select users to invite to a given meeting. For example, the selection unit 43 receives from the estimation unit 42 a combination of candidates having a positive value whose value of ε is sufficiently smaller than 1.

このような場合、選択部４３は、各組み合わせに対応するεの値を比較し、εの値が最も小さい組み合わせを選択する。すなわち、選択部４３は、合意までの間に、候補者の間を共感が長い間伝播し続ける候補者の組を選択する。そして、選択部４３は、選択した組に含まれる候補者の端末装置３００に対し、招待メッセージを送信する。 In such a case, the selection unit 43 compares the values of ε corresponding to each combination and selects the combination having the smallest value of ε. That is, the selection unit 43 selects a set of candidates whose sympathy continues to propagate among the candidates for a long time until the agreement is reached. Then, the selection unit 43 transmits an invitation message to the terminal device 300 of the candidate included in the selected group.

取得部４４は、集会における発言内容を取得する。例えば、取得部４４は、入力装置１００から、集会における各利用者の発言内容のテキストデータを取得する。なお、取得部４４は、音声データを取得し、任意の音声解析技術等を用いて、各利用者の発言内容のテキストデータを取得してもよい。 The acquisition unit 44 acquires the content of the statement at the meeting. For example, the acquisition unit 44 acquires text data of the remarks of each user at the meeting from the input device 100. The acquisition unit 44 may acquire voice data and acquire text data of the content of each user's remark by using an arbitrary voice analysis technique or the like.

決定部４５は、集会における発言主体の発言、あるいは、目的に近づけるはために生成された発言を木構造のノードと見做して、後続する発言内容を集会の目的に近づける発言主体を、木構造探索手法により決定する。より具体的には、決定部４５は、集会における発言主体をアームと見做し、集会の目的と集会の状態とに基づく報酬に応じて、ＭＡＢアルゴリズムに基づき、発言主体を決定する。例えば、決定部４５は、集会の状態が集会の目的に近づいた場合は、報酬が増大したと見做して、次の発言主体を選択する。 The decision-making unit 45 regards the remarks of the remarks in the meeting or the remarks generated in order to bring them closer to the purpose as a node of a tree structure, and sets the remarks to bring the subsequent remarks closer to the purpose of the meeting. Determined by the structure search method. More specifically, the determination unit 45 regards the speaking subject at the meeting as an arm, and determines the speaking subject based on the MAB algorithm according to the reward based on the purpose of the meeting and the state of the meeting. For example, when the state of the meeting approaches the purpose of the meeting, the decision-making unit 45 considers that the reward has increased and selects the next speaker.

例えば、決定部４５は、集会に参加した利用者である参加者から、あらかじめ集会の目的の設定を受付ける。そして、決定部４５は、現在の集会の状態と、集会の目的との概念上の距離に基づく報酬の値を設定する。例えば、決定部４５は、ｗ２ｖ等、言葉の概念を分散表現空間上に落とし込む任意の技術を利用して、現在の集会の状態と、集会の目的との概念上の距離に基づく報酬の値を設定する。 For example, the decision-making unit 45 receives in advance the setting of the purpose of the meeting from the participants who are the users who participated in the meeting. Then, the determination unit 45 sets the value of the reward based on the conceptual distance between the current state of the meeting and the purpose of the meeting. For example, the determination unit 45 uses an arbitrary technique such as w2v to drop the concept of words into the distributed expression space, and sets the reward value based on the conceptual distance between the current state of the meeting and the purpose of the meeting. Set.

また、決定部４５は、参加者の専門分野に基づいて、各参加者を発言者として選択した際に報酬の値を増加させる確率を推定する。例えば、決定部４５は、専門分野と、集会の目的との概念上の距離に基づいて、確率を推定する。そして、決定部４５は、推定した確率を、各参加者に対応付けたアームが当たりを出力する確率とする。 In addition, the decision-making unit 45 estimates the probability of increasing the reward value when each participant is selected as a speaker, based on the specialty of the participant. For example, the decision-making unit 45 estimates the probability based on the conceptual distance between the discipline and the purpose of the meeting. Then, the determination unit 45 sets the estimated probability as the probability that the arm associated with each participant outputs a hit.

また、決定部４５は、いずれかの参加者が発言を行った場合は、かかる発言によって変化した集会の状態と、集会の目的との概念上の距離に基づく報酬の値を再設定する。例えば、情報提供装置１０は、発言によるアイデアの広がりや深まり、利用者の満足度に基づいて報酬を再設定する。さらに、決定部４５は、参加者が発言を行ったことにより、集会の状態が集会の目的に近づいたか否かに基づいて、発言を行った参加者が報酬の値を増加させる確率を再設定する。そして、決定部４５は、各参加者のうち、次に発言を行わせる参加者を、報酬の値が最終的に増大するように、ＵＣＢＱアルゴリズムや、ＵＣＴとＱ値とを組み合わせたアルゴリズム等、ＭＡＢアルゴリズムを用いて選択する。 Further, when any of the participants makes a statement, the determination unit 45 resets the reward value based on the conceptual distance between the state of the meeting changed by the statement and the purpose of the meeting. For example, the information providing device 10 resets the reward based on the spread and deepening of ideas by remarks and the satisfaction level of users. Further, the decision-making unit 45 resets the probability that the participant who made the statement increases the reward value based on whether or not the state of the assembly approaches the purpose of the assembly due to the participant making the statement. To do. Then, the decision unit 45 determines the UCBQ algorithm, the algorithm that combines the UCT and the Q value, and the like so that the value of the reward is finally increased for the participant who makes the next speaker among the participants. Select using the MAB algorithm.

なお、決定部４５は、例えば、出力装置２００に対し、所定の確率で当たりを出力するＭＡＢアルゴリズムのアームを割り当ててもよい。また、決定部４５は、出力装置２００に対しても、他の参加者と同様に、当たりの確率が変化するアームを設定し、ＭＡＢアルゴリズムによって発言を行わせてもよい。このような場合、出力装置２００は、ｗ２ｖやディープラーニング等を用いて、集会の状態や前の参加者の発言等に基づく新たな発言を行うように構成されていてよい。 The determination unit 45 may assign, for example, an arm of the MAB algorithm that outputs a hit with a predetermined probability to the output device 200. Further, the determination unit 45 may set an arm in which the probability of winning changes for the output device 200 as in the case of other participants, and make a statement by the MAB algorithm. In such a case, the output device 200 may be configured to make a new remark based on the state of the meeting, the remarks of the previous participants, or the like by using w2v, deep learning, or the like.

出力部４６は、決定した発言主体に発言させるための応答を出力する。例えば、出力部４６は、決定部４５が参加者のうち利用者＃１を発言者として選択した場合は、「利用者＃１さん、何か考えは有りますか？」等といった利用者＃１に対して発言を促す発言を出力装置２００に発声させる。この結果、情報提供装置１０は、集会の状態を集会の目的に近づけるような発言を行わせることができる。 The output unit 46 outputs a response for making the determined speaker speak. For example, in the output unit 46, when the determination unit 45 selects user # 1 as a speaker among the participants, user # 1 such as "User # 1, do you have any thoughts?" The output device 200 is made to utter a remark that prompts the remark. As a result, the information providing device 10 can make a statement that brings the state of the meeting closer to the purpose of the meeting.

なお、出力部４６は、参加者に対応付けられた各アームを選択した際の報酬が得られなくなったとき、あるは、累積報酬が増大しなくなった期待値が同程度となった場合は、集会を終了させるための応答を出力する。例えば、出力部４６は、各アームを選択した際の期待値の差が所定の範囲内に収まる場合は、「それでは、この辺で休憩としましょう。」等といった集会を一旦終了させるような発言を出力装置２００に発声させる。 In addition, when the output unit 46 cannot obtain the reward when selecting each arm associated with the participant, or when the expected value at which the cumulative reward does not increase becomes about the same, the output unit 46 may. Output a response to end the rally. For example, if the difference in expected values when each arm is selected falls within a predetermined range, the output unit 46 outputs a statement such as "Then, let's take a break around here." Make the device 200 speak.

〔６．情報提供装置が実行する処理の流れの一例〕
次に、図４、図５を用いて、情報提供装置１０が実行する推定処理および決定処理の流れの一例について説明する。まず、図４を用いて、情報提供装置１０が実行する推定処理の流れの一例を説明する。図４は、実施形態に係る推定処理の流れの一例を説明するフローチャートである。 [6. An example of the flow of processing executed by the information providing device]
Next, an example of the flow of the estimation process and the determination process executed by the information providing device 10 will be described with reference to FIGS. 4 and 5. First, an example of the flow of the estimation process executed by the information providing device 10 will be described with reference to FIG. FIG. 4 is a flowchart illustrating an example of the flow of the estimation process according to the embodiment.

まず、情報提供装置１０は、候補者となる各利用者の属性情報を取得する（ステップＳ１０１）。続いて、情報提供装置１０は、各利用者の属性の類似度をパーコレーションの伝播確率ｐと見做して、利用者間における共感の伝播を推定する（ステップＳ１０２）。そして、情報提供装置１０は、推定結果に基づいて、集会に招待する利用者を選択する（ステップＳ１０３）。その後、情報提供装置１０は、選択した利用者に対して、招待メッセージの通知を行い（ステップＳ１０４）、処理を終了する。 First, the information providing device 10 acquires the attribute information of each user who is a candidate (step S101). Subsequently, the information providing device 10 regards the similarity of the attributes of each user as the propagation probability p of percolation, and estimates the propagation of empathy among the users (step S102). Then, the information providing device 10 selects a user to be invited to the meeting based on the estimation result (step S103). After that, the information providing device 10 notifies the selected user of the invitation message (step S104), and ends the process.

次に、図５を用いて、情報提供装置１０が実行する決定処理の流れの一例を説明する。図５は、実施形態に係る決定処理の流れの一例を説明するフローチャートである。例えば、情報提供装置１０は、集会における利用者の発言を取得する（ステップＳ２０１）。このような場合、情報提供装置１０は、各発言の主体をＭＡＢアルゴリズムのアームと見做し、集会の目的と現在の集会の状態とに基づく報酬に応じて、次の発言主体を決定する（ステップＳ２０２）。そして、情報提供装置１０は、決定した発言主体に対して発言を求める応答を出力装置２００に出力させ（ステップＳ２０３）、処理を終了する。 Next, an example of the flow of the determination process executed by the information providing device 10 will be described with reference to FIG. FIG. 5 is a flowchart illustrating an example of the flow of the determination process according to the embodiment. For example, the information providing device 10 acquires the user's remarks at the meeting (step S201). In such a case, the information providing device 10 regards the subject of each statement as the arm of the MAB algorithm, and determines the next subject of the statement according to the reward based on the purpose of the meeting and the current state of the meeting ( Step S202). Then, the information providing device 10 causes the output device 200 to output a response requesting the determined speaker to speak (step S203), and ends the process.

〔７．変形例〕
上記では、情報提供装置１０による推定処理および決定処理の一例について説明した。しかしながら、実施形態は、これに限定されるものではない。以下、情報提供装置１０が実行する推定処理および決定処理のバリエーションについて説明する。 [7. Modification example]
In the above, an example of the estimation process and the determination process by the information providing device 10 has been described. However, the embodiments are not limited to this. Hereinafter, variations of the estimation process and the determination process executed by the information providing device 10 will be described.

〔７−１．推定処理と決定処理との実行環境について〕
上述した説明では、情報提供装置１０は、推定処理および決定処理を両方実行することで、効率的な集会を実現した。しかしながら、実施形態は、これに限定されるものではない。例えば、情報提供装置１０は、推定処理のみを実行する推定装置と、決定処理のみを実行する決定装置とによって実現されてもよい。このような場合、推定装置は、図２に示す特定部４１、推定部４２、および選択部４３を有し、決定装置は、取得部４４、決定部４５および出力部４６を有することとなる。 [7-1. Execution environment for estimation processing and decision processing]
In the above description, the information providing device 10 has realized an efficient meeting by executing both the estimation process and the decision process. However, the embodiments are not limited to this. For example, the information providing device 10 may be realized by an estimation device that executes only the estimation process and a determination device that executes only the determination process. In such a case, the estimation device has the identification unit 41, the estimation unit 42, and the selection unit 43 shown in FIG. 2, and the determination device has the acquisition unit 44, the determination unit 45, and the output unit 46.

なお、推定装置および決定装置は、スタンドアローンで動作してもよく、連携した動作を行ってもよい。例えば、決定装置は、決定装置から集会において各利用者の発言と、かかる発言によって集会の状態が集会の目的に近づいたか否か、集会の目的にどれくらい近づいたかといった情報を属性情報として提供する。このような場合、推定装置は、決定装置から受付けた属性情報に基づいて、集会の状態を集会の目的に近づけるような利用者を優先的に選択してもよい。 The estimation device and the determination device may operate standalone or in cooperation with each other. For example, the decision device provides attribute information such as the remarks of each user at the meeting from the decision device, whether or not the state of the meeting approaches the purpose of the meeting by such remarks, and how close the state of the meeting is to the purpose of the meeting. In such a case, the estimation device may preferentially select a user who brings the state of the meeting closer to the purpose of the meeting based on the attribute information received from the determination device.

〔７−２．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、上記文章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。例えば、各図に示した各種情報は、図示した情報に限られない。 [7-2. Others]
Further, among the processes described in the above-described embodiment, all or a part of the processes described as being automatically performed can be manually performed, or the processes described as being manually performed can be performed. All or part of it can be done automatically by a known method. In addition, the processing procedure, specific name, and information including various data and parameters shown in the above text and drawings can be arbitrarily changed unless otherwise specified. For example, the various information shown in each figure is not limited to the illustrated information.

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。 Further, each component of each of the illustrated devices is a functional concept, and does not necessarily have to be physically configured as shown in the figure. That is, the specific form of distribution / integration of each device is not limited to the one shown in the figure, and all or part of the device is functionally or physically distributed / physically in arbitrary units according to various loads and usage conditions. It can be integrated and configured.

また、上記してきた各実施形態は、処理内容を矛盾させない範囲で適宜組み合わせることが可能である。 In addition, the above-described embodiments can be appropriately combined as long as the processing contents do not contradict each other.

〔８．プログラム〕
また、上述してきた実施形態に係る情報提供装置１０は、例えば図６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。図６は、ハードウェア構成の一例を示す図である。コンピュータ１０００は、出力装置１０１０、入力装置１０２０と接続され、演算装置１０３０、一次記憶装置１０４０、二次記憶装置１０５０、出力ＩＦ（Interface）１０６０、入力ＩＦ１０７０、ネットワークＩＦ１０８０がバス１０９０により接続された形態を有する。 [8. program〕
Further, the information providing device 10 according to the above-described embodiment is realized by, for example, a computer 1000 having a configuration as shown in FIG. FIG. 6 is a diagram showing an example of a hardware configuration. The computer 1000 is connected to the output device 1010 and the input device 1020, and the arithmetic unit 1030, the primary storage device 1040, the secondary storage device 1050, the output IF (Interface) 1060, the input IF 1070, and the network IF 1080 are connected by the bus 1090. Has.

演算装置１０３０は、一次記憶装置１０４０や二次記憶装置１０５０に格納されたプログラムや入力装置１０２０から読み出したプログラム等に基づいて動作し、各種の処理を実行する。一次記憶装置１０４０は、ＲＡＭ等、演算装置１０３０が各種の演算に用いるデータを一次的に記憶するメモリ装置である。また、二次記憶装置１０５０は、演算装置１０３０が各種の演算に用いるデータや、各種のデータベースが登録される記憶装置であり、ＲＯＭ（Read Only Memory）、ＨＤＤ、フラッシュメモリ等により実現される。 The arithmetic unit 1030 operates based on a program stored in the primary storage device 1040 or the secondary storage device 1050, a program read from the input device 1020, or the like, and executes various processes. The primary storage device 1040 is a memory device that temporarily stores data used by the arithmetic unit 1030 for various calculations, such as a RAM. Further, the secondary storage device 1050 is a storage device in which data used by the arithmetic unit 1030 for various calculations and various databases are registered, and is realized by a ROM (Read Only Memory), an HDD, a flash memory, or the like.

出力ＩＦ１０６０は、モニタやプリンタといった各種の情報を出力する出力装置１０１０に対し、出力対象となる情報を送信するためのインタフェースであり、例えば、ＵＳＢ（Universal Serial Bus）やＤＶＩ（Digital Visual Interface）、ＨＤＭＩ（登録商標）（High Definition Multimedia Interface）といった規格のコネクタにより実現される。また、入力ＩＦ１０７０は、マウス、キーボード、およびスキャナ等といった各種の入力装置１０２０から情報を受信するためのインタフェースであり、例えば、ＵＳＢ等により実現される。 The output IF 1060 is an interface for transmitting information to be output to an output device 1010 that outputs various information such as a monitor and a printer. For example, USB (Universal Serial Bus), DVI (Digital Visual Interface), and the like. It is realized by a connector of a standard such as HDMI (registered trademark) (High Definition Multimedia Interface). Further, the input IF 1070 is an interface for receiving information from various input devices 1020 such as a mouse, a keyboard, and a scanner, and is realized by, for example, USB.

なお、入力装置１０２０は、例えば、ＣＤ（Compact Disc）、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から情報を読み出す装置であってもよい。また、入力装置１０２０は、ＵＳＢメモリ等の外付け記憶媒体であってもよい。 The input device 1020 is, for example, an optical recording medium such as a CD (Compact Disc), a DVD (Digital Versatile Disc), a PD (Phase change rewritable Disk), a magneto-optical recording medium such as an MO (Magneto-Optical disk), or a tape. It may be a device that reads information from a medium, a magnetic recording medium, a semiconductor memory, or the like. Further, the input device 1020 may be an external storage medium such as a USB memory.

ネットワークＩＦ１０８０は、ネットワークＮを介して他の機器からデータを受信して演算装置１０３０へ送り、また、ネットワークＮを介して演算装置１０３０が生成したデータを他の機器へ送信する。 The network IF 1080 receives data from another device via the network N and sends it to the arithmetic unit 1030, and also transmits the data generated by the arithmetic unit 1030 to the other device via the network N.

演算装置１０３０は、出力ＩＦ１０６０や入力ＩＦ１０７０を介して、出力装置１０１０や入力装置１０２０の制御を行う。例えば、演算装置１０３０は、入力装置１０２０や二次記憶装置１０５０からプログラムを一次記憶装置１０４０上にロードし、ロードしたプログラムを実行する。 The arithmetic unit 1030 controls the output device 1010 and the input device 1020 via the output IF 1060 and the input IF 1070. For example, the arithmetic unit 1030 loads a program from the input device 1020 or the secondary storage device 1050 onto the primary storage device 1040, and executes the loaded program.

例えば、コンピュータ１０００が情報提供装置１０として機能する場合、コンピュータ１０００の演算装置１０３０は、一次記憶装置１０４０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４０の機能を実現する。 For example, when the computer 1000 functions as the information providing device 10, the arithmetic unit 1030 of the computer 1000 realizes the function of the control unit 40 by executing the program loaded on the primary storage device 1040.

〔９．効果〕
上述したように、情報提供装置１０は、集会における発言内容を取得する。また、情報提供装置１０は、集会における発言主体の発言、あるいは、目的に近づけるはために生成された発言を木構造のノードと見做して、後続する発言内容を集会の目的に近づける発言主体を、木構造探索手法により決定する。そして、情報提供装置１０は、決定した発言主体に発言させるための応答を出力する。このため、情報提供装置１０は、集会を効率的に進めることができる。 [9. effect〕
As described above, the information providing device 10 acquires the content of the statement at the meeting. Further, the information providing device 10 regards the remarks of the remark subject at the meeting or the remarks generated in order to approach the purpose as a tree-structured node, and the remark subject that brings the subsequent remark contents closer to the purpose of the meeting. Is determined by the tree structure search method. Then, the information providing device 10 outputs a response for making the determined speaking subject speak. Therefore, the information providing device 10 can efficiently advance the meeting.

また、情報提供装置１０は、集会における発言主体をアームと見做し、集会の目的と集会の状態とに基づく報酬に応じて、ＭＡＢアルゴリズムに基づき、発言主体を決定する。このため、情報提供装置１０は、発言を様々な参加者に行わせつつも、集会が目的へと効率的に近づくように、集会を進めることができる。 Further, the information providing device 10 regards the speaking subject at the meeting as an arm, and determines the speaking subject based on the MAB algorithm according to the reward based on the purpose of the meeting and the state of the meeting. Therefore, the information providing device 10 can advance the rally so that the rally can efficiently approach the purpose while making various participants make remarks.

また、情報提供装置１０は、集会の状態が集会の目的に近づいた場合は、報酬が増大したと見做す。このため、情報提供装置１０は、集会の状態が集会の目的へと近づくように、発言を行わせる参加者を選択することができる。 In addition, the information providing device 10 considers that the reward has increased when the state of the meeting approaches the purpose of the meeting. Therefore, the information providing device 10 can select a participant to make a statement so that the state of the meeting approaches the purpose of the meeting.

また、情報提供装置１０は、各アームを選択した際の報酬が得られなくなったとき、あるは、累積報酬が増大しなくなった場合は、集会を終了させるための応答を出力する。このため、情報提供装置１０は、無駄な集会の継続を防ぐことができる。 Further, the information providing device 10 outputs a response for ending the rally when the reward for selecting each arm cannot be obtained or when the cumulative reward does not increase. Therefore, the information providing device 10 can prevent unnecessary continuation of the gathering.

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。 Although some of the embodiments of the present application have been described in detail with reference to the drawings, these are examples, and various modifications are made based on the knowledge of those skilled in the art, including the embodiments described in the disclosure column of the invention. It is possible to practice the present invention in other improved forms.

また、上記してきた「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、選択部は、選択手段や選択回路に読み替えることができる。 In addition, the above-mentioned "section, module, unit" can be read as "means" or "circuit". For example, the selection unit can be read as a selection means or a selection circuit.

１０ 情報提供装置
２０ 通信部
３０ 記憶部
３１ 利用者属性データベース
４０ 制御部
４１ 特定部
４２ 推定部
４３ 選択部
４４ 取得部
４５ 決定部
４６ 出力部
１００ 入力装置
２００ 出力装置
３００ 端末装置 10 Information provider 20 Communication unit 30 Storage unit 31 User attribute database 40 Control unit 41 Specific unit 42 Estimate unit 43 Selection unit 44 Acquisition unit 45 Decision unit 46 Output unit 100 Input device 200 Output device 300 Terminal device

Claims (4)

集会における参加者の組み合わせを、利用者属性データベースの利用者の専門分野属性の組み合わせの類似度に基づいて決定する推定部と、
前記集会における参加者の発言内容を取得する取得部と、
前記集会における参加者の発言主体をアームと見做し、前記集会において各発言主体が発言を行った場合に、当該発言内容の分散表現と、集会の目的の分散表現とが類似した場合により高い値の報酬が設定されるマルチアームドバンディットアルゴリズムによる強化学習の結果に基づいて、後続する発言内容を前記集会の目的に近づける可能性が高い発言主体を決定する決定部と、
前記決定した発言主体に発言させるための応答を出力する出力部と
を有することを特徴とする情報提供装置。 An estimation unit that determines the combination of participants in a meeting based on the similarity of the combination of the user's specialty attributes in the user attribute database ,
The acquisition department that acquires the content of the participants' remarks at the meeting,
It is higher when the speaking subject of the participants in the meeting is regarded as an arm and each speaking subject makes a statement in the meeting, and the distributed expression of the content of the statement and the distributed expression of the purpose of the meeting are similar. a determination unit based on the result of reinforcement learning by multi Armed Bundy Tsu preparative algorithm compensation values are set, possibly close the subsequent speech content for the purposes of the gathering determines the high remarks mainly
An information providing device characterized by having an output unit that outputs a response for making the determined speaking subject speak. 前記決定部は、前記集会の状態が前記集会の目的に近づいた場合は、報酬が増大したと見做す
ことを特徴とする請求項１に記載の情報提供装置。 The information providing device according to claim 1, wherein the determination unit considers that the reward has increased when the state of the meeting approaches the purpose of the meeting. 前記出力部は、各アームを選択した際の報酬が得られなくなったとき、あるいは、累積報酬が増大しなくなった場合は、前記集会を終了させるための応答を出力する
ことを特徴とする請求項１または２に記載の情報提供装置。 The claim is characterized in that the output unit outputs a response for ending the rally when the reward for selecting each arm cannot be obtained or when the cumulative reward does not increase. The information providing device according to 1 or 2. 情報提供装置が実行する情報提供方法であって
集会における参加者の組み合わせを、利用者属性データベースの利用者の専門分野属性の組み合わせの類似度に基づいて決定する推定工程と、
前記集会における参加者の発言内容を取得する取得工程と、
前記集会における参加者の発言主体をアームと見做し、前記集会において各発言主体が発言を行った場合に、当該発言内容の分散表現と、集会の目的の分散表現とが類似した場合により高い値の報酬が設定されるマルチアームドバンディットアルゴリズムによる強化学習の結果に基づいて、後続する発言内容を前記集会の目的に近づける可能性が高い発言主体を決定する決定工程と、
前記決定した発言主体に発言させるための応答を出力する出力工程と
を含むことを特徴とする情報提供方法。 An estimation process that determines the combination of participants in a meeting, which is an information providing method executed by the information providing device, based on the similarity of the combination of the user's specialized field attributes in the user attribute database .
The acquisition process to acquire the content of the participants' remarks at the meeting and
It is higher when the speaking subject of the participants in the meeting is regarded as an arm and each speaking subject makes a statement in the meeting, and the distributed expression of the content of the statement and the distributed expression of the purpose of the meeting are similar. a determination step of, based on the results of reinforcement learning by multi Armed Bundy Tsu preparative algorithm compensation values are set, possibly close the subsequent speech content for the purposes of the gathering determines the high remarks mainly
An information providing method including an output step of outputting a response for making the determined speaker speak.

Images