JPWO2010010654A1 - 使い方推定装置 - Google Patents
使い方推定装置 Download PDFInfo
- Publication number
- JPWO2010010654A1 JPWO2010010654A1 JP2010521589A JP2010521589A JPWO2010010654A1 JP WO2010010654 A1 JPWO2010010654 A1 JP WO2010010654A1 JP 2010521589 A JP2010521589 A JP 2010521589A JP 2010521589 A JP2010521589 A JP 2010521589A JP WO2010010654 A1 JPWO2010010654 A1 JP WO2010010654A1
- Authority
- JP
- Japan
- Prior art keywords
- usage
- trajectory
- user
- analysis target
- operation history
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F11/00—Error detection; Error correction; Monitoring
- G06F11/30—Monitoring
- G06F11/34—Recording or statistical evaluation of computer activity, e.g. of down time, of input/output operation ; Recording or statistical evaluation of user activity, e.g. usability assessment
- G06F11/3438—Recording or statistical evaluation of computer activity, e.g. of down time, of input/output operation ; Recording or statistical evaluation of user activity, e.g. usability assessment monitoring of user actions
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F11/00—Error detection; Error correction; Monitoring
- G06F11/30—Monitoring
- G06F11/34—Recording or statistical evaluation of computer activity, e.g. of down time, of input/output operation ; Recording or statistical evaluation of user activity, e.g. usability assessment
- G06F11/3466—Performance evaluation by tracing or monitoring
- G06F11/3476—Data logging
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F11/00—Error detection; Error correction; Monitoring
- G06F11/30—Monitoring
- G06F11/34—Recording or statistical evaluation of computer activity, e.g. of down time, of input/output operation ; Recording or statistical evaluation of user activity, e.g. usability assessment
- G06F11/3409—Recording or statistical evaluation of computer activity, e.g. of down time, of input/output operation ; Recording or statistical evaluation of user activity, e.g. usability assessment for performance assessment
- G06F11/3419—Recording or statistical evaluation of computer activity, e.g. of down time, of input/output operation ; Recording or statistical evaluation of user activity, e.g. usability assessment for performance assessment by assessing time
Landscapes
- Engineering & Computer Science (AREA)
- General Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Computer Hardware Design (AREA)
- Quality & Reliability (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
端末装置に対するユーザの使い方の推移を予測する。端末装置に対するユーザの操作履歴情報を一定時間毎に分割し、各分割区間の操作履歴情報毎に使い方を表す特徴量の組を算出し、それらの特徴量を基底とする空間上で前記特徴量の組に対応する点を時間順につなげた軌跡を使い方軌跡と呼ぶ。処理装置110は、複数の基準ユーザについてそれらの操作履歴情報から算出した基準ユーザ毎の使い方軌跡と、分析対象ユーザについてその操作履歴情報から算出した使い方軌跡とを比較し、分析対象ユーザの使い方軌跡に類似する基準ユーザの使い方軌跡から分析対象ユーザの今後の使い方を推定する。
Description
本発明は、端末装置に対するユーザの今後の使い方の特徴を推定する装置、推定した使い方の特徴に応じた情報をユーザに推薦する装置に関する。
携帯電話機やパーソナルコンピュータ、家電などの端末装置は、年々高機能化しており、初心者でも手軽に利用できる機能から、或る程度の熟練者でなければ使いこなせない機能まで数多くの機能が搭載されている。そのため、製品の中には、取扱説明書において、基礎編、発展編などと称して、ユーザの熟練度に応じた機能を解説しているものもある。しかし、ユーザの熟練度はユーザ自身で判断する必要があったために、客観的に正確に判断することは難しかった。このため、使いこなせない機能を試そうとして却って認知的な負荷が高まったり、エラーが発生してユーザの利便性が下がる現象などが発生しがちであった。
他方、特許文献1には、ユーザの利便性の向上を目的に、端末装置に対するユーザの操作履歴から当該ユーザの熟練度を判断して機器の表示方法を制御する技術が開示されている。特許文献1に記載の技術では、端末装置(例えば携帯電話機)の購入当初から現在までの使用履歴情報(機器の電源ONの回数、ユーザがキー入力操作を行った時間やその履歴など)に基づいて、ユーザの現在の熟練度を判定し、ユーザの熟練度に応じた表示の簡略化を行っている。
端末装置に対するユーザの操作履歴から当該ユーザの熟練度を判定する特許文献1に記載の技術によれば、ユーザの熟練度を操作履歴という客観的な事実に基づいて自動的に判定することができる。従って、この技術を、熟練度に応じた機能をユーザに推薦する技術に応用すれば、端末装置が有する多種多様な機能のうち、現在の熟練度に応じた機能をユーザに推薦するといったサービスが実現できる。しかしながら、現在ではなく近い将来の熟練度に応じた機能を推薦するサービスは実現できない。
ユーザの現在の熟練度に応じた機能を推薦することもそれなりに有効ではあるが、ユーザの熟練度の更なる向上を促進するためには、現在ではなく近い将来の熟練度に応じた機能を推薦することが望ましい場合がある。そのためには、現在の熟練度ではなく近い将来の熟練度を客観的に判定できる技術が必要になる。
一般に、携帯電話機やパーソナルコンピュータなどの多機能装置では、例えば図14に示すように、最初はみんな同じ初心者のユーザ群に属していても、個々の好みや癖、使用目的等に応じて熟練の方向に差が生じ、或るユーザはメール関連の操作に熟練したユーザ群の一員となり、別のユーザはワードプロセッサ関連の操作に熟練したユーザ群の一員となるように、使い方の特徴が相違する多数の異なるユーザ群に枝分かれしていく。また、同じようにメール関連の操作に熟練したユーザ群に推移する複数のユーザであっても、その推移に要する時間には個人差がある。そのため、或るユーザの今後の使い方の特徴の推移を推定するためには、使い方の特徴が一般的にどのように推移するのかをモデル化し、そして、このモデル化した基準となる推移を利用して分析対象ユーザの今後の使い方の特徴を推定する必要がある。
本発明はこのような事情に鑑みて提案されたものであり、その目的は、端末装置に対するユーザの使い方の推移を予測することのできる装置と方法を提供することにある。
本発明の第1の使い方推定装置は、端末装置に対するユーザの操作履歴情報を時間で分割し、各分割区間の操作履歴情報毎に使い方を表す特徴量の組を算出し、それらの特徴量を基底とする空間上で前記特徴量の組に対応する点を時間順につなげた軌跡を使い方軌跡と呼ぶとき、複数の基準ユーザについてそれらの操作履歴情報から算出した基準ユーザ毎の使い方軌跡と、分析対象ユーザについてその操作履歴情報から算出した使い方軌跡とを比較し、分析対象ユーザの使い方軌跡に類似する基準ユーザの使い方軌跡から前記分析対象ユーザの今後の使い方を推定する。
本発明によれば、端末装置に対するユーザの操作履歴情報に基づいて、端末装置に対するユーザの今後の使い方を推定することができる。
次に、本発明の実施の形態について図面を参照して詳細に説明する。
[第1の実施の形態]
図1を参照すると、本発明の第1の実施の形態に係る使い方推定装置100は、処理装置110と、これに接続された操作履歴情報記憶装置120、基準使い方軌跡記憶装置130および分析対象軌跡記憶装置140とから構成される。
図1を参照すると、本発明の第1の実施の形態に係る使い方推定装置100は、処理装置110と、これに接続された操作履歴情報記憶装置120、基準使い方軌跡記憶装置130および分析対象軌跡記憶装置140とから構成される。
操作履歴情報記憶装置120は、使い方の分析の対象となる端末装置(例えば或る種の携帯電話機)に対する複数の基準となるユーザの操作履歴情報121を蓄積するデータベースである。或る一人のユーザの操作履歴情報には、他のユーザの操作履歴情報と区別するためのユーザ識別子が付与され、例えば図2に示すように、時刻とそのときのユーザの操作が組で保存されている。履歴として残す操作の種類は、個々のユーザの使い方(操作の習熟度や利用するアプリケーションの種類など)を推定するのに役立つものがよい。例えば、端末装置に存在する一つ一つのボタンが押されたというような詳細なレベルでも良いし、起動したアプリケーションの種類などのレベルでもよい。ここでいうアプリケーションとは、端末装置が提供する機能単位を表す。例えば携帯電話機でいえば、メール機能、電話機能、スケジューラー機能、テレビ受信機能、電子マネー等の決済機能、GPSを利用した機能、乗り換え案内などの各種Webサービスなどである。さらに細かな機能単位(装飾メール、メールへの写真添付など)でも構わない。またパーソナルコンピュータでいえば、ワードプロセッサソフト、表計算ソフト、プレゼンテーションソフト、メールソフトやその他のプログラムなどである。これもまたさらに細かな機能単位(例えば、ワードプロセッサソフトの中の、段組機能、目次生成機能、スペルコレクト機能など)でも構わない。その他の種類の端末装置においてもその端末装置から呼び出せる種々の機能が対象となる。
処理装置110は、操作履歴情報記憶装置120に記憶された操作履歴情報121と別途入力される分析対象ユーザの操作履歴情報とに基づいて、分析対象ユーザの今後の使い方を推定して出力する装置であり、基準軌跡生成部111、分析対象軌跡生成部112、類似軌跡検出部113および使い方遷移先推定部114を備えている。
基準軌跡生成部111は、操作履歴情報記憶装置120から各ユーザの操作履歴情報121を入力し、各ユーザ毎の使い方軌跡131を生成し、基準使い方軌跡記憶装置130に保存する。ここで、ユーザの使い方軌跡とは、ユーザの操作履歴情報を使い始めから一定時間Tの間隔で分割し、各分割区間の操作履歴情報毎に使い方を表す特徴量の組を算出し、それらの各特徴量を基底とする空間(以下、使い方空間と呼ぶ)上で前記特徴量の組に対応する点を時間順につなげた軌跡のことである。なお、時間Tで割り切れない端数が残る場合、最後の区間はTより短い区間として残すか、直前の区間に包含させる。今、使用する特徴量をx1,x2,…xpのP個とすると、一つの分割区間の使い方の特徴量の組は、x1,x2,…xpを要素とするベクトルで表される。このベクトルを特徴量ベクトルVと呼ぶ。各分割区間の時間間隔はTなので、ユーザの使い方軌跡は、特徴量ベクトルV(T0),V(T1),V(T2),…,V(Tn)を時間順につなげた曲線で表される。
ユーザの使い方を表現する特徴量としては、起動アプリケーション数、起動したアプリケーション一覧、アプリケーション到達までの時間、ボタン操作回数、メニュー滞留時間、アプリケーションへの入力量などがある。どの種類の特徴量を幾つ使用するかは任意である。また、一定時間Tとは例えば数日、数週間、数カ月といった予め決められた期間である。
各分割区間の操作履歴情報毎に使い方を表す特徴量の組を算出する方法としては、例えば時刻t1から時刻t2までの区間(t2-t1=T)の操作履歴情報の場合、時刻t2の直前の期間t内の操作履歴情報から起動アプリケーション数などの予め定められた複数の特徴量を抽出する方法がある。ここで、期間tは、t=Tであっても良いし、t<Tあるいはt>Tであっても良い。また、特徴量の種類に応じてtが異なっていても良い。
分析対象軌跡生成部112は、分析対象ユーザの操作履歴情報から分析対象ユーザの使い方軌跡141を生成して、分析対象軌跡記憶装置140に保存する手段である。分析対象ユーザの使い方軌跡141は、分析対象ユーザの操作履歴情報を、基準軌跡生成部111における方法と同様に、一定時間T毎に分割し、各分割区間の操作履歴情報毎に使い方を表す特徴量の組を算出し、それらの特徴量を基底とする空間上で前記特徴量の組に対応する点を時間順につなげた軌跡である。
類似軌跡検出部113は、分析対象軌跡記憶装置140に記憶された分析対象ユーザの使い方軌跡141と基準使い方軌跡記憶装置130に記憶された基準となる各ユーザの使い方軌跡131とを比較し、分析対象ユーザの使い方軌跡141に類似する1以上のユーザの使い方軌跡131を検出する手段である。使い方軌跡同士が類似しているかどうかを調べる方法としては、軌跡の開始点をあわせて軌跡同士の差を調べる方法が利用できる。軌跡同士の差としては、例えば、開始点からの経過時間が同じ点の特徴ベクトル同士の差の総和を用いることができる。対応する特徴ベクトル同士の差としては、特徴ベクトル間の距離で表現することができる。また使い方軌跡同士が類似しているかどうかを調べる他の方法としては、それぞれの軌跡の曲線特徴量(曲率変化やフーリエ記述子など)の変化を照合する方法がある。ここで、フーリエ記述子は閉曲線の形状を表現する方法であり、双方の使い方軌跡が閉曲線の場合に利用できる。
使い方遷移先推定部114は、類似軌跡検出部113で検出された1以上のユーザの使い方軌跡における分析対象ユーザの使い方軌跡の最終点以降に対応する軌跡部分から分析対象ユーザの今後の使い方を推定する手段である。具体的には、分析対象ユーザの使い方軌跡の最後の特徴ベクトルが使い始めからTi時間経過時点のものとして求められている場合、類似軌跡検出部113で検出された1以上のユーザの使い方軌跡上の点のうち、使い始めからTi+Δt時間経過時点の点を、分析対象ユーザの今後の使い方の特徴の遷移先として求め、この点を特定する情報(例えば、どの使い方軌跡上におけるどの点であるかを特定する情報)を出力する。ここで、Δtは、時間的にどの程度先の使い方を推定するかを定める値であり、固定した値であってもよいし、変更可能な値であってもよい。
なお、使い方遷移先推定部114は、類似軌跡検出部113で検出されたユーザの使い方軌跡上の点を特定する情報を出力する代わりに、またはそれに加えて、その点の特徴量を出力してもよい。また、類似軌跡検出部113で複数のユーザの使い方軌跡が検出された結果、遷移先が複数の点になる場合、それらの点における特徴量の平均値や使い方空間上での確率分布を計算し、出力してもよい。
次に図3に示すフローチャートを参照しながら本実施の形態の動作を説明する。
まず、基準軌跡生成部111は、操作履歴情報記憶装置120から複数のユーザの操作履歴情報121を読み出し、各ユーザの操作履歴情報121毎の使い方軌跡131を算出し、基準使い方軌跡記憶装置130に保存する(図3のステップS101)。
次に、分析対象軌跡生成部112は、外部から分析対象ユーザの操作履歴情報を入力し、この操作履歴情報の使い方軌跡141を算出し、分析対象軌跡記憶装置140に保存する(ステップS102)。
次に、類似軌跡検出部113は、分析対象軌跡記憶装置140に記憶された分析対象ユーザの使い方軌跡141と基準使い方軌跡記憶装置130に記憶された各ユーザの使い方軌跡131とを比較し、分析対象ユーザの使い方軌跡141に類似するユーザの使い方軌跡131を検出する(ステップS103)。
次に、使い方遷移先推定部114は、類似軌跡検出部113で検出された基準となるユーザの使い方軌跡131に基づいて、分析対象ユーザの今後の使い方の遷移先を求めて出力する(ステップS104)。
なお、操作履歴情報記憶装置120に記憶されている操作履歴情報121が変更されない限り、ステップS101は初回だけ実行すればよい。従って、分析対象ユーザの操作履歴情報が繰り返し入力される場合には、ステップ102から処理を繰り返すようにしてもよい。
図4Aは、特徴量として、ボタン操作などの操作速度と起動アプリケーション数の2つを用い、基準となる複数のユーザの使い方軌跡131を使い方空間にマッピングしたイメージを示す。ここでは操作速度と起動アプリケーション数の2つの特徴量を用いているが、使用する特徴量の種類と個数は任意である。図中の1つの矢印付きの曲線が1人のユーザの使い方軌跡を示す。また、図4Bは、分析対象ユーザの使い方軌跡141のイメージを図4Aに追加した図である。類似軌跡検出部113は、分析対象ユーザの使い方軌跡141と類似するユーザの使い方軌跡131を検出する。図4Bの場合、分析対象ユーザの使い方軌跡141の先頭から最後に至るまでの軌跡に類似した軌跡を持つのは、使い方軌跡131−1〜131−5である。このため、類似軌跡検出部113は、使い方軌跡131−1〜131−5を検出結果として出力する。使い方遷移先推定部114は、使い方軌跡131−1〜131−5から分析対象ユーザの今後の使い方の遷移先を推定する。具体的には、分析対象ユーザの使い方軌跡141の最後の時点から所定時間経過した図4Cの破線の円で示す時点におけるユーザの使い方軌跡131−1〜131−5上の点を遷移先として出力する。
次に本実施の形態の効果を説明する。
本実施の形態によれば、端末装置に対する複数の基準ユーザの操作履歴情報に基づいて、或る時点までの操作履歴情報が記録されている分析対象ユーザのそれ以後の使い方を推定することができる。その理由は、或る時点までの軌跡が類似する複数の使い方軌跡は今後も同じように変化していく可能性が高いことを利用して、基準ユーザの操作履歴情報から生成した使い方軌跡のうち、分析対象ユーザの操作履歴情報から生成した使い方軌跡に類似する使い方軌跡を検出し、この検出した使い方軌跡の傾向から分析対象ユーザの今後の使い方を推定するためである。
[第2の実施の形態]
図5を参照すると、本発明の第2の実施の形態に係る使い方推定装置200は、図1に示した第1の実施の形態に係る使い方推定装置100と比較して、処理装置110が、使い方遷移先推定部114に代えて使い方遷移先推定部115を備えている点で相違する。
図5を参照すると、本発明の第2の実施の形態に係る使い方推定装置200は、図1に示した第1の実施の形態に係る使い方推定装置100と比較して、処理装置110が、使い方遷移先推定部114に代えて使い方遷移先推定部115を備えている点で相違する。
使い方遷移先推定部115は、類似軌跡検出部113で検出された1以上の使い方軌跡を所定の条件でさらに絞り込み、この絞り込んだ使い方軌跡から分析対象ユーザの今後の使い方を推定する点で、絞り込み機能の無い第1の実施の形態の使い方遷移先推定部114と相違する。使い方遷移先推定部115は、分類部116とクラスタ選択部117と推定部118とから構成される。
分類部116は、類似軌跡検出部113で検出された1以上の基準となるユーザの使い方軌跡131を、似た使い方軌跡同士からなる1以上のクラスタに分類する手段である。具体的には、検出された1以上の使い方軌跡131について、軌跡の開始点をあわせて軌跡同士の差を調べ、軌跡同士の差が近いもの同士を1つのクラスタに分類する。軌跡同士の差としては、対応する特徴ベクトル同士の差の総和を用いることができる。対応する特徴ベクトル同士の差としては、特徴ベクトル間の距離で表現することができる。また使い方軌跡同士が類似しているかどうかを調べる他の方法としては、それぞれの軌跡の曲線特徴量(曲率変化やフーリエ記述子など)の変化を照合する方法がある。
クラスタ選択部117は、分類部116で分類された1以上のクラスタのうちから所定の条件を満たすクラスタを選択する手段である。所定の条件としては、楽観的条件として、端末装置をより良く使いこなしているユーザの使い方軌跡を含むという条件を用いることができる。またその逆に、悲観的条件として、端末装置を余り良く使いこなしていないユーザの使い方軌跡を含むという条件を用いてもよい。以下、端末装置をより良く使いこなしているユーザの使い方軌跡を含むという条件を用いる場合を例に、具体的な判定の方法を説明する。
端末装置をよりよく使いこなしているユーザの使い方軌跡かどうかを判定する方法としては、以下の2通りの方法がある。
a)習熟度を基準に判定する方法
b)ユーザの満足度を基準に判定する方法
a)習熟度を基準に判定する方法
b)ユーザの満足度を基準に判定する方法
習熟度を基準に判定する方法は、端末装置をよりよく使いこなしているユーザは習熟度が一般的に高いという因果関係があることを利用する。習熟度が高いかどうかは、ユーザの使い方軌跡が望ましい方向に近づいているかどうかを分析して判定する。望ましい方向とは、例えば、起動アプリケーション数の場合はより多いこと、起動したアプリケーション一覧ではバリエーション数がより多いことである。またアプリケーション到達までの時間は短い方がよいし、メニュー滞留時間は短い方がよいなどである。これらの特徴量からそれぞれ望ましい方向に近づいているかどうかを表す評価値Jを計算して、評価値Jが大きくなる使い方軌跡を含むクラスタを選択する。例えば、小さいほうが望ましい特徴量を{an}(n=1,…,N)、大きいほうが望ましい特徴量を{bm}(m=1,…,M)とすると、評価値Jは次式で与えられる。
J=Σ(1/an)2+Σ(bm)2 …(1)
J=Σ(1/an)2+Σ(bm)2 …(1)
クラスタ選択部117は、分類部116で生成された各クラスタの評価値Jを、そのクラスタに属するユーザの使い方軌跡の生成に使用した操作履歴情報に基づいて計算し、最も評価値Jの大きなクラスタを選択する。
他方、ユーザの満足度を基準に判定する方法は、満足度の高いユーザは端末装置をよりよく使いこなしているユーザが多いという因果関係があることを利用する。ユーザの満足度は、ユーザに対するアンケートなどを行って収集し、操作履歴情報記憶装置120あるいは別の記憶装置に、どの時点でのユーザ満足度であるかを特定できるように例えば操作履歴との関係で特定しておく。
クラスタ選択部117は、分類部116で生成されたクラスタ毎に、そのクラスタに属するユーザの使い方軌跡の生成に用いた操作履歴情報に関連するユーザの満足度を操作履歴情報記憶装置120等から読み出し、平均をとることでクラスタ毎のユーザ満足度の指標値を計算し、最も評価値Jの大きなクラスタを選択する。使用するユーザ満足度は、分析対象ユーザの操作履歴情報の終了時点以降に収集されたユーザ満足度である。
推定部118は、クラスタ選択部117で選択されたクラスタに含まれる1以上の基準ユーザの使い方軌跡から分析対象ユーザの今後の使い方の遷移先を推定する手段である。
次に図6のフローチャートを参照して本実施の形態の動作を説明する。
まず、基準軌跡生成部111による各ユーザ毎の使い方軌跡131の生成と基準使い方軌跡記憶装置130への保存(図6のステップS101)、分析対象軌跡生成部112による分析対象ユーザの使い方軌跡141の生成と分析対象軌跡記憶装置140への保存(ステップS102)、類似軌跡検出部113による分析対象ユーザの使い方軌跡141に類似するユーザの使い方軌跡131の検出(ステップS103)が行われる。これらの処理は第1の実施の形態と同じである。
次に、使い方遷移先推定部115の分類部116は、類似軌跡検出部113で検出された1以上の基準となるユーザの使い方軌跡131を、似た基準使い方軌跡同士からなる1以上のクラスタに分類する(ステップS201)。次に、クラスタ選択部117は、分類部116で分類された1以上のクラスタのうちから所定の条件を満たすクラスタを選択する(ステップS202)。次に、推定部118は、クラスタ選択部117で選択されたクラスタに含まれる1以上のユーザの使い方軌跡131から分析対象ユーザの今後の使い方の遷移先を推定し、出力する(ステップS203)。
なお、操作履歴情報記憶装置120に記憶されている操作履歴情報121が変更されない限り、ステップS101は初回だけ実行すればよい。従って、分析対象ユーザの操作履歴情報が繰り返し入力される場合には、ステップ102から処理を繰り返すようにしてもよい。
図7Aは、図4Aと同様に特徴量として、ボタン操作などの操作速度と起動アプリケーション数の2つを用い、基準となる複数のユーザの使い方軌跡131を使い方空間にマッピングしたイメージを示す。また、図7Bは、分析対象ユーザの使い方軌跡141のイメージを図7Aに追加した図である。類似軌跡検出部113は、分析対象ユーザの使い方軌跡141と類似する使い方軌跡131として、図4Bの場合と同様に、使い方軌跡131−1〜131−5を検出する。
図7Cは、類似する使い方軌跡131−1〜131−5を使い方の近さでクラスタリングした結果を示しており、この例では、使い方軌跡131−1〜131−3を含むクラスタ1と、使い方軌跡131−4、131−5を含むクラスタ2とに分類されている。図7Dは、端末装置をより良く使いこなしているユーザの使い方軌跡を含むという条件でクラスタを選択した例を示す。クラスタ1の方がクラスタ2に比べて、操作速度の面でも、また起動アプリケーション数の面でも、より良く使いこなしている状態にあるため、クラスタ1が選択されている。推定部118は、クラスタ1に属するユーザの使い方軌跡131−1〜131−3から分析対象ユーザの今後の使い方の遷移先を推定する。具体的には、分析対象ユーザの使い方軌跡141の最終点から所定時間経過した図7Dの破線の円で示す時点におけるユーザの使い方軌跡131−1〜131−3上の点を遷移先として出力する。
次に本実施の形態の効果を説明する。
本実施の形態によれば、第1の実施の形態と同様の効果が得られると同時に、類似軌跡検出部113で検出された複数のユーザの使い方軌跡が分析対象ユーザの操作履歴終了点以降に異なる方向に変化している場合、所定の条件によって推定に使用する使い方軌跡を絞り込むことができる効果がある。
[第3の実施の形態]
図8を参照すると、本発明の第3の実施の形態に係る使い方推定装置300は、図5に示した第2の実施の形態に係る使い方推定装置200に分析対象ユーザに対する利用アプリケーションの推薦機能を付加した装置であり、第2の実施の形態に係る使い方推定装置200と比較して、処理装置110が、基準軌跡生成部111、分析対象軌跡生成部112、類似軌跡検出部113および使い方遷移先推定部115に加えてさらに、推薦情報決定部119を備えている点で相違する。
図8を参照すると、本発明の第3の実施の形態に係る使い方推定装置300は、図5に示した第2の実施の形態に係る使い方推定装置200に分析対象ユーザに対する利用アプリケーションの推薦機能を付加した装置であり、第2の実施の形態に係る使い方推定装置200と比較して、処理装置110が、基準軌跡生成部111、分析対象軌跡生成部112、類似軌跡検出部113および使い方遷移先推定部115に加えてさらに、推薦情報決定部119を備えている点で相違する。
推薦情報決定部119は、基準となるユーザの使い方軌跡上の点のうち、使い方遷移先推定部115において分析対象ユーザの今後の使い方の遷移先として推定した点において当該基準ユーザが利用していたアプリケーションを当該基準ユーザの操作履歴情報から抽出し、この抽出したアプリケーションの全部または一部を分析対象ユーザに推薦する手段である。つまり、分析対象ユーザの今後の使い方と同じ使い方の基準ユーザが利用しているアプリケーションの全部または一部を分析対象ユーザに推薦する手段である。一部に限定して推薦する方法としては、使い方遷移先推定部115で選択されたクラスタに属するより多くの基準ユーザが利用しているアプリケーションに限定する方法、起動回数が一定値より多いアプリケーションに限定する方法、分析対象ユーザが利用していないアプリケーションに限定する方法の何れかの方法、またはそれらを組み合わせた方法が考えられる。
次に図9のフローチャートを参照して本実施の形態の動作を説明する。
まず、基準軌跡生成部111による各ユーザ毎の使い方軌跡131の生成と基準使い方軌跡記憶装置130への保存(図9のステップS101)、分析対象軌跡生成部112による分析対象ユーザの使い方軌跡141の生成と分析対象軌跡記憶装置140への保存(ステップS102)、類似軌跡検出部113による分析対象ユーザの使い方軌跡141に類似するユーザの使い方軌跡131の検出(ステップS103)、使い方遷移先推定部115による類似する基準使い方軌跡のクラスタリング(ステップS201)、クラスタの選択(ステップS202)および分析対象ユーザの今後の使い方の遷移先の推定(ステップS203)が行われる。これらの処理は第2の実施の形態と同じである。
次に、推薦情報決定部119は、使い方遷移先推定部115において分析対象ユーザの今後の使い方の遷移先として推定した基準使い方軌跡上の点について、その生成に使用したユーザの操作履歴情報121に利用履歴が記述されているアプリケーションの全部または一部を分析対象ユーザに推薦する(ステップS301)。
例えば、使い方遷移先推定部115が図7Dの破線の円で示す使い方軌跡131−1〜131−3上の点を分析対象ユーザの今後の使い方の遷移先と推定した場合、推薦情報決定部119は、それらの点の算出に利用した基準ユーザ1〜3の操作履歴情報121に利用履歴が記録されているアプリケーション名を操作履歴情報記憶装置120から検索して、推薦情報として出力する。
なお、操作履歴情報記憶装置120に記憶されている操作履歴情報121が変更されない限り、ステップS101は初回だけ実行すればよい。従って、分析対象ユーザの操作履歴情報が繰り返し入力される場合には、ステップ102から処理を繰り返すようにしてもよい。
次に本実施の形態における推薦情報決定部119の実施例について説明する。
図10を参照すると、本実施例の推薦情報決定部119は、利用アプリケーション抽出部1191と、リスト記憶部1192と、推薦アプリケーション選択部1193とから構成される。
利用アプリケーション抽出部1191は、操作履歴情報記憶装置120に記憶されているユーザの操作履歴情報121毎に、そのユーザがどのようなアプリケーションを利用しているかを一定期間T毎に操作履歴情報121から抽出して、各ユーザ毎の期間別の利用アプリケーションリスト11921を作成し、リスト記憶部1192に保存する。具体的には、ユーザ毎に、そのユーザの操作履歴情報を操作履歴情報記憶装置120から読み込み、期間T間隔で操作履歴情報を分割し、分割された各々の操作履歴情報から起動されているアプリケーション名を全て抽出してリスト化する。このとき、使われた回数が多い順に順位付けしたリストを作成して保存するようにしてもよい。
リスト記憶部1192は、利用アプリケーション抽出部1191により作成された各ユーザ毎の期間別の利用アプリケーションリスト11921を保持するデータベースである。
推薦アプリケーション選択部1193は、使い方遷移先推定部115から分析対象ユーザの遷移先の情報として、基準となるユーザのユーザ識別子と使い方軌跡上の点を特定する情報を受け取ると、リスト記憶部1192から当該基準となるユーザの期間別の利用アプリケーションリストを検索し、さらに、この利用アプリケーションリスト中から前記使い方軌跡上の点に対応する期間の利用アプリケーションリストを検索する。そして、この利用アプリケーションリストに記載された全部または一部のアプリケーションを推薦候補のアプリケーションとした推薦情報を作成し、出力する。このとき、分析対象ユーザの操作履歴情報から利用しているアプリケーションを抽出し、前記利用アプリケーションリストに記載されたアプリケーションのうち分析対象ユーザが既に利用しているアプリケーションは推薦候補から除外してもよい。
利用アプリケーション抽出部1191によるユーザの期間別の利用アプリケーションリスト11921の作成は、分析対象ユーザの使い方の遷移先が推薦情報決定部119に入力されてから開始してもよいし、その入力を待たずに事前に開始してもよい。後者の場合、推薦時に必要な計算量を少なくすることができる。
次に本実施の形態の効果を説明する。
本実施の形態によれば、第2の実施の形態と同様の効果が得られると同時に、分析対象ユーザの使い方の改善を促すにあたってユーザが無理なく実行できるアプリケーションを推薦することができる。その理由は、分析対象ユーザの今後の使い方と似た使い方の基準ユーザが実際に使用していたアプリケーションを推薦するためである。
[第4の実施の形態]
図11を参照すると、本発明の第4の実施の形態は、分析対象ユーザの端末装置400に、第3の実施の形態における基準軌跡生成部111、分析対象軌跡生成部112、類似軌跡検出部113、使い方遷移先推定部115および推薦情報決定部119を有する処理装置110と、操作履歴情報記憶装置120と、基準使い方軌跡記憶装置130ならびに分析対象軌跡記憶装置140を設け、さらに、自端末の操作履歴情報を記憶する記憶装置150と、推薦情報を表示する表示装置160とを設けている。
図11を参照すると、本発明の第4の実施の形態は、分析対象ユーザの端末装置400に、第3の実施の形態における基準軌跡生成部111、分析対象軌跡生成部112、類似軌跡検出部113、使い方遷移先推定部115および推薦情報決定部119を有する処理装置110と、操作履歴情報記憶装置120と、基準使い方軌跡記憶装置130ならびに分析対象軌跡記憶装置140を設け、さらに、自端末の操作履歴情報を記憶する記憶装置150と、推薦情報を表示する表示装置160とを設けている。
基準軌跡生成部111は、端末装置400の最初の使用開始時などの適当なタイミングで第3の実施の形態で説明した動作を実行し、操作履歴情報記憶装置120に記憶された操作履歴情報に基づいて基準となるユーザの使い方軌跡を生成し、基準使い方軌跡記憶装置130に記憶する。また、分析対象軌跡生成部112は、分析対象ユーザが端末装置400を使用している適当なタイミングで、記憶装置150から自端末の操作履歴情報を読み出し、第3の実施の形態で説明した動作を実行して分析対象ユーザの使い方軌跡を生成し、分析対象軌跡記憶装置140に記憶する。続いて、類似軌跡検出部113が分析対象ユーザの使い方軌跡に類似する基準となるユーザの使い方軌跡を検出し、使い方遷移先推定部115がその検出された使い方軌跡に基づいて分析対象ユーザの使い方の遷移先を、第3の実施の形態で説明した方法により推定し、推薦情報決定部119が第3の実施の形態で説明した動作を実行して、推薦候補とするアプリケーションを決定する。そして、推薦情報決定部119は、推薦候補のアプリケーション名などを含む推薦情報を推薦情報表示装置160に出力する。推薦情報表示装置160は、入力された推薦情報を表示画面に表示することで、分析対象ユーザに提示する。
本実施の形態によれば、基準となる複数のユーザの使い方軌跡の生成からその軌跡を使用した分析対象ユーザの使い方の遷移先の判定、推薦情報の決定と表示まで、全て端末装置の内部で実施できる。
[第5の実施の形態]
図12を参照すると、本発明の第5の実施の形態は、分析対象ユーザの端末装置500に、第3の実施の形態における方法と同様の方法で作成された複数のユーザの使い方軌跡を記憶する基準使い方軌跡記憶装置130と、分析対象軌跡生成部112、類似軌跡検出部113、使い方遷移先推定部115および推薦情報決定部119を有する処理装置110とを設け、さらに、自端末の操作履歴情報を記憶する記憶装置150と、推薦情報を表示する表示装置160とを設けている。なお、推薦情報決定部119には、図10を参照して説明したようなユーザ毎の期間別の利用アプリケーションリストを保持するリスト記憶部1192が内蔵されている。
図12を参照すると、本発明の第5の実施の形態は、分析対象ユーザの端末装置500に、第3の実施の形態における方法と同様の方法で作成された複数のユーザの使い方軌跡を記憶する基準使い方軌跡記憶装置130と、分析対象軌跡生成部112、類似軌跡検出部113、使い方遷移先推定部115および推薦情報決定部119を有する処理装置110とを設け、さらに、自端末の操作履歴情報を記憶する記憶装置150と、推薦情報を表示する表示装置160とを設けている。なお、推薦情報決定部119には、図10を参照して説明したようなユーザ毎の期間別の利用アプリケーションリストを保持するリスト記憶部1192が内蔵されている。
分析対象軌跡生成部112は、分析対象ユーザが端末装置500を使用している適当なタイミングで、記憶装置150から自端末の操作履歴情報を読み出し、第3の実施の形態で説明した動作を実行して分析対象ユーザの使い方軌跡を生成し、分析対象軌跡記憶装置140に記憶する。続いて、類似軌跡検出部113が分析対象ユーザの使い方軌跡に類似する基準となるユーザの使い方軌跡を検出し、使い方遷移先推定部115がその検出された使い方軌跡に基づいて分析対象ユーザの使い方の遷移先を、第3の実施の形態で説明した方法と同様の方法により推定し、推薦情報決定部119が第3の実施の形態で説明した動作と同様の動作を実行して、推薦候補とするアプリケーションを決定する。そして、推薦情報決定部119は、推薦候補のアプリケーション名などを含む推薦情報を推薦情報表示装置160に出力する。推薦情報表示装置160は、入力された推薦情報を表示画面に表示することで、分析対象ユーザに提示する。
本実施の形態によれば、外部で生成した基準ユーザの使い方軌跡を端末装置にインストールして用いるため、複数の基準ユーザの使い方軌跡を生成する機能のない端末装置でも分析対象ユーザの使い方の遷移先の決定とそれに応じた推薦情報の生成が可能になる。
[第6の実施の形態]
図13を参照すると、本発明の第6の実施の形態は、ネットワーク603を通じて相互に通信可能なサーバ装置601および端末装置602とで構成され、サーバ装置601に、第3の実施の形態における基準軌跡生成部111、分析対象軌跡生成部112、類似軌跡検出部113、使い方遷移先推定部115および推薦情報決定部119を有する処理装置110と、操作履歴情報記憶装置120と、基準使い方軌跡記憶装置130ならびに分析対象軌跡記憶装置140を設け、端末装置602に、自端末の操作履歴情報を記憶する記憶装置150と、推薦情報を表示する表示装置160とを設けている。また、サーバ装置601には、ネットワーク603を通じて端末装置602とデータ通信を行う送信手段620および受信手段610が設けられ、端末装置602には、ネットワーク603を通じてサーバ装置601とデータ通信を行う送信手段630および受信手段640が設けられている。
図13を参照すると、本発明の第6の実施の形態は、ネットワーク603を通じて相互に通信可能なサーバ装置601および端末装置602とで構成され、サーバ装置601に、第3の実施の形態における基準軌跡生成部111、分析対象軌跡生成部112、類似軌跡検出部113、使い方遷移先推定部115および推薦情報決定部119を有する処理装置110と、操作履歴情報記憶装置120と、基準使い方軌跡記憶装置130ならびに分析対象軌跡記憶装置140を設け、端末装置602に、自端末の操作履歴情報を記憶する記憶装置150と、推薦情報を表示する表示装置160とを設けている。また、サーバ装置601には、ネットワーク603を通じて端末装置602とデータ通信を行う送信手段620および受信手段610が設けられ、端末装置602には、ネットワーク603を通じてサーバ装置601とデータ通信を行う送信手段630および受信手段640が設けられている。
サーバ装置601の基準軌跡生成部111は、適当なタイミングで第3の実施の形態で説明した動作と同様の動作を実行し、操作履歴情報記憶装置120に記憶された操作履歴情報に基づいて基準となるユーザの使い方軌跡を生成し、基準使い方軌跡記憶装置130に記憶する。
端末装置602の送信手段630は、分析対象ユーザが端末装置602を使用している適当なタイミングで記憶装置150から操作履歴情報を読み出し、ネットワーク603を通じてサーバ装置601へ送信する。サーバ装置601では、この操作履歴情報は受信手段610で受信され、処理装置110の分析対象軌跡生成部112に入力される。
サーバ装置601の分析対象軌跡生成部112は、入力された分析対象ユーザの操作履歴情報に基づいて、第3の実施の形態で説明した動作と同様の動作を実行して分析対象ユーザの使い方軌跡を生成し、分析対象軌跡記憶装置140に記憶する。続いて、類似軌跡検出部113が分析対象ユーザの使い方軌跡に類似する基準となるユーザの使い方軌跡を検出し、使い方遷移先推定部115がその検出された基準使い方軌跡に基づいて分析対象ユーザの使い方の遷移先を、第3の実施の形態で説明した方法と同様の方法により推定し、推薦情報決定部119が第3の実施の形態で説明した動作と同様の動作を実行して、推薦候補とするアプリケーションを決定する。そして、推薦情報決定部119は、推薦候補のアプリケーション名などを含む推薦情報を送信手段620により、ネットワーク603経由で端末装置602へ送信する。
端末装置602では、サーバ装置601から送信された推薦情報が受信手段640で受信され、推薦情報表示装置160に出力する。推薦情報表示装置160は、入力された推薦情報を表示画面に表示することで、ユーザに提示する。
なお、本実施の形態では、分析対象ユーザの操作履歴情報を分析対象ユーザの端末装置602からサーバ装置601へ送信しているが、端末装置602がシンクライアント端末であるような場合には、その操作履歴情報は端末装置602に保存されず、シンクライアントシステムのサーバ側に保存される。従って、サーバ装置601は分析対象ユーザの操作履歴情報をシンクライアントシステムのサーバ側から取得する実施の形態も考えられる。
本実施の形態によれば、端末装置を使用するユーザの今後の使い方を推定してそのユーザに好適な機能を推薦するサービスを、Webサービスの一種として実現することができる。
以上本発明の実施の形態について説明したが、本発明は以上の例にのみ限定されず、その他各種の付加変更が可能である。また、本発明の使い方推定装置は、その有する機能をハードウェア的に実現することは勿論、コンピュータとプログラムとで実現することができる。プログラムは、磁気ディスクや半導体メモリ等のコンピュータ可読記録媒体に記録されて提供され、コンピュータの立ち上げ時などにコンピュータに読み取られ、そのコンピュータの動作を制御することにより、そのコンピュータを前述した各実施の形態における基準軌跡生成部、分析対象軌跡生成部、類似軌跡検出部、使い方遷移先推定部、推薦情報決定部などの機能手段として機能させる。
以上、実施の形態を参照して本願発明を説明したが、本願発明は上記によって限定されるものではない。本願発明の構成や詳細には、発明のスコープ内で当業者が理解し得る様々な変更をすることができる。
この出願は、2008年7月24日に出願された日本出願特願2008−190656を基礎とする優先権を主張し、その開示の全てをここに取り込む。
本発明は、複数のユーザが存在するシステム、例えば携帯電話機、パーソナルコンピュータ、コンピュータ上の特定アプリケーション、企業内システム、ATMやキオスク端末、ハードディスクレコーダ・テレビやそれ以外の情報家電製品などに適用できる。
100…使い方推定装置
110…処理装置
111…基準軌跡生成部
112…分析対象軌跡生成部
113…類似軌跡検出部
114、115…使い方遷移先推定部
116…分類部
117…クラスタ選択部
118…推定部
120…操作履歴情報記憶装置
121…ユーザの操作履歴情報
130…基準使い方軌跡記憶装置
131…ユーザの使い方軌跡
140…分析対象軌跡記憶装置
141…分析対象ユーザの使い方軌跡
110…処理装置
111…基準軌跡生成部
112…分析対象軌跡生成部
113…類似軌跡検出部
114、115…使い方遷移先推定部
116…分類部
117…クラスタ選択部
118…推定部
120…操作履歴情報記憶装置
121…ユーザの操作履歴情報
130…基準使い方軌跡記憶装置
131…ユーザの使い方軌跡
140…分析対象軌跡記憶装置
141…分析対象ユーザの使い方軌跡
Claims (30)
- 端末装置に対するユーザの操作履歴情報を時間で分割し、各分割区間の操作履歴情報毎に使い方を表す特徴量の組を算出し、それらの特徴量を基底とする空間上で前記特徴量の組に対応する点を時間順につなげた軌跡を使い方軌跡と呼ぶとき、複数の基準ユーザについてそれらの操作履歴情報から算出した基準ユーザ毎の使い方軌跡と、分析対象ユーザについてその操作履歴情報から算出した使い方軌跡とを比較し、分析対象ユーザの使い方軌跡に類似する基準ユーザの使い方軌跡から前記分析対象ユーザの今後の使い方を推定することを特徴とする使い方推定装置。
- 複数の基準ユーザのそれぞれの操作履歴情報から基準ユーザ毎の使い方軌跡を生成する基準軌跡生成手段と、分析対象ユーザの操作履歴情報から使い方軌跡を生成する分析対象軌跡生成手段と、該分析対象軌跡生成手段で生成された分析対象ユーザの使い方軌跡と前記基準軌跡生成手段で生成された基準ユーザ毎の使い方軌跡とを比較し、前記分析対象ユーザの使い方軌跡に類似する1以上の基準ユーザの使い方軌跡を検出する類似軌跡検出手段と、該類似軌跡検出手段で検出された1以上の基準ユーザの使い方軌跡から前記分析対象ユーザの今後の使い方を推定する使い方遷移先推定手段とを備えることを特徴とする請求項1に記載の使い方推定装置。
- 複数の基準ユーザのそれぞれの操作履歴情報から生成された基準ユーザ毎の使い方軌跡を記憶する基準使い方軌跡記憶手段と、分析対象ユーザの操作履歴情報から使い方軌跡を生成する分析対象軌跡生成手段と、該分析対象軌跡生成手段で生成された分析対象ユーザの使い方軌跡と前記基準使い方軌跡記憶手段に記憶された基準ユーザ毎の使い方軌跡とを比較し、前記分析対象ユーザの使い方軌跡に類似する1以上の基準ユーザの使い方軌跡を検出する類似軌跡検出手段と、該類似軌跡検出手段で検出された1以上の基準ユーザの使い方軌跡から前記分析対象ユーザの今後の使い方を推定する使い方遷移先推定手段とを備えることを特徴とする請求項1に記載の使い方推定装置。
- 前記使い方遷移先推定手段は、前記類似軌跡検出手段で検出された1以上の基準ユーザの使い方軌跡を、似た使い方軌跡同士からなる1以上のクラスタに分類する分類手段と、前記1以上のクラスタのうちから所定の条件を満たすクラスタを選択するクラスタ選択手段と、該クラスタ選択手段で選択されたクラスタに含まれる1以上の基準ユーザの使い方軌跡から前記分析対象ユーザの今後の使い方を推定する推定手段とを備えることを特徴とする請求項2または3に記載の使い方推定装置。
- 前記所定の条件が、端末装置をより良く使いこなしている基準ユーザの使い方軌跡を含むという条件であることを特徴とする請求項4に記載の使い方推定装置。
- 前記クラスタ選択手段は、前記複数のクラスタ毎に、そのクラスタに属する使い方軌跡の生成に用いた操作履歴情報に基づいて習熟度の度合いを示す評価値を計算し、前記評価値の最も大きなクラスタを選択することを特徴とする請求項5に記載の使い方推定装置。
- 前記クラスタ選択手段は、前記複数のクラスタ毎に、そのクラスタに属する使い方軌跡の生成に用いた操作履歴情報と関連付けられて記憶されたユーザからのフィードバック情報に基づいてユーザの満足度の度合いを示す評価値を計算し、前記評価値の最も大きなクラスタを選択することを特徴とする請求項5に記載の使い方推定装置。
- 前記分析対象ユーザについて推定された今後の使い方に応じた推薦情報を決定して出力する推薦情報決定手段を備えることを特徴とする請求項1乃至7の何れか1項に記載の使い方推定装置。
- 前記推薦情報は、前記分析対象ユーザの今後の使い方の推定に用いた前記基準ユーザの使い方軌跡の生成に使用した操作履歴情報に利用履歴が記述されているアプリケーションの全部または一部を推薦する情報であることを特徴とする請求項8に記載の使い方推定装置。
- 前記分析対象ユーザが使用する端末装置に設けられ、前記推薦情報決定手段で決定した推薦情報を表示する推薦情報表示手段を備えることを特徴とする請求項8または9に記載の使い方推定装置。
- 端末装置に対するユーザの操作履歴情報を時間で分割し、各分割区間の操作履歴情報毎に使い方を表す特徴量の組を算出し、それらの特徴量を基底とする空間上で前記特徴量の組に対応する点を時間順につなげた軌跡を使い方軌跡と呼ぶとき、複数の基準ユーザについてそれらの操作履歴情報から算出した基準ユーザ毎の使い方軌跡と、分析対象ユーザについてその操作履歴情報から算出した使い方軌跡とを比較し、分析対象ユーザの使い方軌跡に類似する基準ユーザの使い方軌跡から前記分析対象ユーザの今後の使い方を推定することを特徴とする使い方推定方法。
- a)基準軌跡生成手段が、複数の基準ユーザのそれぞれの操作履歴情報から基準ユーザ毎の使い方軌跡を生成する基準軌跡生成ステップと、
b)分析対象軌跡生成手段が、分析対象ユーザの操作履歴情報から使い方軌跡を生成する分析対象軌跡生成ステップと、
c)類似軌跡検出手段が、前記分析対象軌跡生成ステップbで生成された分析対象ユーザの使い方軌跡と前記基準軌跡生成ステップaで生成された基準ユーザ毎の使い方軌跡とを比較し、前記分析対象ユーザの使い方軌跡に類似する1以上の基準ユーザの使い方軌跡を検出する類似軌跡検出ステップと、
d)使い方遷移先推定手段が、前記類似軌跡検出ステップcで検出された1以上の基準ユーザの使い方軌跡から前記分析対象ユーザの今後の使い方を推定する使い方遷移先推定ステップと、
を含むことを特徴とする請求項11に記載の使い方推定方法。 - b)分析対象軌跡生成手段が、分析対象ユーザの操作履歴情報から使い方軌跡を生成する分析対象軌跡生成ステップと、
c)類似軌跡検出手段が、前記分析対象軌跡生成ステップbで生成された分析対象ユーザの使い方軌跡と、複数の基準ユーザのそれぞれの操作履歴情報から生成された基準ユーザ毎の使い方軌跡を記憶する基準使い方軌跡記憶手段に記憶された基準ユーザ毎の使い方軌跡とを比較し、前記分析対象ユーザの使い方軌跡に類似する1以上の基準ユーザの使い方軌跡を検出する類似軌跡検出ステップと、
d)使い方遷移先推定手段が、前記類似軌跡検出ステップcで検出された1以上の基準ユーザの使い方軌跡から前記分析対象ユーザの今後の使い方を推定する使い方遷移先推定ステップと、
を含むことを特徴とする請求項11に記載の使い方推定方法。 - 前記使い方遷移先推定ステップdは、
d−1)分類手段が、前記類似軌跡検出ステップcで検出された1以上の基準ユーザの使い方軌跡を、似た使い方軌跡同士からなる1以上のクラスタに分類する分類ステップと、
d−2)クラスタ選択手段が、前記1以上のクラスタのうちから所定の条件を満たすクラスタを選択するクラスタ選択ステップと、
d−3)前記クラスタ選択ステップd−2で選択されたクラスタに含まれる1以上の基準ユーザの使い方軌跡から前記分析対象ユーザの今後の使い方を推定する推定ステップと、
を含むことを特徴とする請求項12または13に記載の使い方推定方法。 - 前記所定の条件が、端末装置をより良く使いこなしている基準ユーザの使い方軌跡を含むという条件であることを特徴とする請求項14に記載の使い方推定方法。
- 前記クラスタ選択ステップd−2では、前記クラスタ選択手段が、前記複数のクラスタ毎に、そのクラスタに属する使い方軌跡の生成に用いた操作履歴情報に基づいて習熟度の度合いを示す評価値を計算し、前記評価値の最も大きなクラスタを選択することを特徴とする請求項15に記載の使い方推定方法。
- 前記クラスタ選択ステップd−2では、前記クラスタ選択手段が、前記複数のクラスタ毎に、そのクラスタに属する使い方軌跡の生成に用いた操作履歴情報と関連付けられて記憶されたユーザからのフィードバック情報に基づいてユーザの満足度の度合いを示す評価値を計算し、前記評価値の最も大きなクラスタを選択することを特徴とする請求項15に記載の使い方推定方法。
- e)推薦情報決定手段が、前記分析対象ユーザについて推定された今後の使い方に応じた推薦情報を決定して出力する推薦情報決定ステップを、
さらに含むことを特徴とする請求項11乃至17の何れか1項に記載の使い方推定方法。 - 前記推薦情報は、前記分析対象ユーザの今後の使い方の推定に用いた前記基準ユーザの使い方軌跡の生成に使用した操作履歴情報に利用履歴が記述されているアプリケーションの全部または一部を推薦する情報であることを特徴とする請求項18に記載の使い方推定方法。
- f)前記分析対象ユーザが使用する端末装置に設けられた推薦情報表示手段が、前記推薦情報決定ステップeで決定した推薦情報を表示する推薦情報表示ステップを、
さらに含むことを特徴とする請求項18または19に記載の使い方推定方法。 - コンピュータを、
端末装置に対するユーザの操作履歴情報を時間で分割し、各分割区間の操作履歴情報毎に使い方を表す特徴量の組を算出し、それらの特徴量を基底とする空間上で前記特徴量の組に対応する点を時間順につなげた軌跡を使い方軌跡と呼ぶとき、複数の基準ユーザについてそれらの操作履歴情報から算出した基準ユーザ毎の使い方軌跡と、分析対象ユーザについてその操作履歴情報から算出した使い方軌跡とを比較し、分析対象ユーザの使い方軌跡に類似する基準ユーザの使い方軌跡から前記分析対象ユーザの今後の使い方を推定する手段として機能させるためのプログラムが格納された記録媒体。 - 前記コンピュータを、
複数の基準ユーザのそれぞれの操作履歴情報から基準ユーザ毎の使い方軌跡を生成する基準軌跡生成手段と、分析対象ユーザの操作履歴情報から使い方軌跡を生成する分析対象軌跡生成手段と、該分析対象軌跡生成手段で生成された分析対象ユーザの使い方軌跡と前記基準軌跡生成手段で生成された基準ユーザ毎の使い方軌跡とを比較し、前記分析対象ユーザの使い方軌跡に類似する1以上の基準ユーザの使い方軌跡を検出する類似軌跡検出手段と、該類似軌跡検出手段で検出された1以上の基準ユーザの使い方軌跡から前記分析対象ユーザの今後の使い方を推定する使い方遷移先推定手段として機能させるための請求項21に記載のプログラムが格納された記録媒体。 - 前記コンピュータを、分析対象ユーザの操作履歴情報から使い方軌跡を生成する分析対象軌跡生成手段と、該分析対象軌跡生成手段で生成された分析対象ユーザの使い方軌跡と複数の基準ユーザのそれぞれの操作履歴情報から生成された基準ユーザ毎の使い方軌跡を記憶する基準使い方軌跡記憶手段に記憶された基準ユーザ毎の使い方軌跡とを比較し、前記分析対象ユーザの使い方軌跡に類似する1以上の基準ユーザの使い方軌跡を検出する類似軌跡検出手段と、該類似軌跡検出手段で検出された1以上の基準ユーザの使い方軌跡から前記分析対象ユーザの今後の使い方を推定する使い方遷移先推定手段として機能させるための請求項21に記載のプログラムが格納された記録媒体。
- 前記使い方遷移先推定手段は、前記類似軌跡検出手段で検出された1以上の基準ユーザの使い方軌跡を、似た使い方軌跡同士からなる1以上のクラスタに分類する分類手段と、前記1以上のクラスタのうちから所定の条件を満たすクラスタを選択するクラスタ選択手段と、該クラスタ選択手段で選択されたクラスタに含まれる1以上の基準ユーザの使い方軌跡から前記分析対象ユーザの今後の使い方を推定する推定手段とを備えることを特徴とする請求項22または23に記載のプログラムが格納された記録媒体。
- 前記所定の条件が、端末装置をより良く使いこなしている基準ユーザの使い方軌跡を含むという条件であることを特徴とする請求項24に記載のプログラムが格納された記録媒体。
- 前記クラスタ選択手段は、前記複数のクラスタ毎に、そのクラスタに属する使い方軌跡の生成に用いた操作履歴情報に基づいて習熟度の度合いを示す評価値を計算し、前記評価値の最も大きなクラスタを選択することを特徴とする請求項25に記載のプログラムが格納された記録媒体。
- 前記クラスタ選択手段は、前記複数のクラスタ毎に、そのクラスタに属する使い方軌跡の生成に用いた操作履歴情報と関連付けられて記憶されたユーザからのフィードバック情報に基づいてユーザの満足度の度合いを示す評価値を計算し、前記評価値の最も大きなクラスタを選択することを特徴とする請求項25に記載のプログラムが格納された記録媒体。
- 前記コンピュータを、さらに、前記分析対象ユーザについて推定された今後の使い方に応じた推薦情報を決定して出力する推薦情報決定手段として機能させるための請求項21乃至27の何れか1項に記載のプログラムが格納された記録媒体。
- 前記推薦情報は、前記分析対象ユーザの今後の使い方の推定に用いた前記基準ユーザの使い方軌跡の生成に使用した操作履歴情報に利用履歴が記述されているアプリケーションの全部または一部を推薦する情報であることを特徴とする請求項28に記載のプログラムが格納された記録媒体。
- 前記コンピュータを、さらに、前記分析対象ユーザが使用する前記端末装置に設けられ、前記推薦情報決定手段で決定した推薦情報を表示する推薦情報表示手段として機能させるための請求項28または29に記載のプログラムが格納された記録媒体。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2008190656 | 2008-07-24 | ||
JP2008190656 | 2008-07-24 | ||
PCT/JP2009/002550 WO2010010654A1 (ja) | 2008-07-24 | 2009-06-05 | 使い方推定装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
JPWO2010010654A1 true JPWO2010010654A1 (ja) | 2012-01-05 |
Family
ID=41570130
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2010521589A Pending JPWO2010010654A1 (ja) | 2008-07-24 | 2009-06-05 | 使い方推定装置 |
Country Status (3)
Country | Link |
---|---|
US (1) | US20110117537A1 (ja) |
JP (1) | JPWO2010010654A1 (ja) |
WO (1) | WO2010010654A1 (ja) |
Families Citing this family (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9058210B2 (en) * | 2010-03-23 | 2015-06-16 | Ebay Inc. | Weighted request rate limiting for resources |
JP5486997B2 (ja) * | 2010-04-14 | 2014-05-07 | 株式会社ソニー・コンピュータエンタテインメント | ユーザ支援システム、ユーザ支援方法、管理サーバ及び携帯情報端末 |
KR101812657B1 (ko) * | 2011-11-22 | 2018-01-31 | 삼성전자주식회사 | 컨텍스트 정보에 기초한 애플리케이션 추천 시스템 및 방법 |
KR101895536B1 (ko) * | 2011-12-29 | 2018-10-25 | 삼성전자주식회사 | 어플리케이션 사용에 따른 어플리케이션 추천 서버 및 단말, 그리고 어플리케이션 추천 방법 |
WO2014014806A1 (en) * | 2012-07-15 | 2014-01-23 | Apple Inc. | Disambiguation of multitouch gesture recognition for 3d interaction |
JP5964210B2 (ja) * | 2012-11-06 | 2016-08-03 | 株式会社コナミデジタルエンタテインメント | 管理装置、プログラムおよび選択肢管理方法 |
JP6004948B2 (ja) * | 2013-01-09 | 2016-10-12 | 三菱電機株式会社 | 負荷量予測装置、負荷量予測方法および負荷量予測プログラム |
JP2016031615A (ja) * | 2014-07-28 | 2016-03-07 | 株式会社Nttファシリティーズ | 設備稼働支援システム、設備稼働支援方法及びプログラム |
JP6907702B2 (ja) * | 2017-05-23 | 2021-07-21 | 富士通株式会社 | 情報抽出装置、情報抽出プログラムおよび情報抽出方法 |
KR102021695B1 (ko) * | 2018-02-22 | 2019-09-16 | 한국과학기술원 | 상황인지 기반 스마트 기기 사용 중재를 위한 설득적 인터랙션 제한 방법 및 시스템 |
JP2020112917A (ja) * | 2019-01-09 | 2020-07-27 | 日本電信電話株式会社 | 目的地予測装置、方法、及びプログラム |
CN110069468A (zh) * | 2019-03-18 | 2019-07-30 | 平安普惠企业管理有限公司 | 一种获取用户需求的方法及装置、电子设备 |
Family Cites Families (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7133834B1 (en) * | 1992-08-06 | 2006-11-07 | Ferrara Ethereal Llc | Product value information interchange server |
JP2000066789A (ja) * | 1998-08-24 | 2000-03-03 | Sharp Corp | 表示方法、該方法に用いる情報記憶媒体及び表示装置 |
US20030129574A1 (en) * | 1999-12-30 | 2003-07-10 | Cerego Llc, | System, apparatus and method for maximizing effectiveness and efficiency of learning, retaining and retrieving knowledge and skills |
JP4073711B2 (ja) * | 2002-05-28 | 2008-04-09 | シャープ株式会社 | 操作補助方法、操作補助装置、プログラムおよびプログラムを記録した媒体 |
JP2005259160A (ja) * | 2003-05-26 | 2005-09-22 | Matsushita Electric Ind Co Ltd | 操作履歴利用システム |
JP3782435B2 (ja) * | 2003-05-26 | 2006-06-07 | 松下電器産業株式会社 | 操作履歴利用システム |
JP2006344018A (ja) * | 2005-06-09 | 2006-12-21 | Hitachi Systems & Services Ltd | 操作支援システム |
US8332192B2 (en) * | 2007-05-21 | 2012-12-11 | The Boeing Company | Asynchronous stochastic learning curve effects in a large scale production system |
US20080293031A1 (en) * | 2007-05-25 | 2008-11-27 | Inventec Corporation | Learning system based on biological curve and learning curve of user and method therefor |
US20090043646A1 (en) * | 2007-08-06 | 2009-02-12 | International Business Machines Corporation | System and Method for the Automated Capture and Clustering of User Activities |
US8579632B2 (en) * | 2008-02-14 | 2013-11-12 | Infomotion Sports Technologies, Inc. | Electronic analysis of athletic performance |
-
2009
- 2009-06-05 US US13/054,671 patent/US20110117537A1/en not_active Abandoned
- 2009-06-05 JP JP2010521589A patent/JPWO2010010654A1/ja active Pending
- 2009-06-05 WO PCT/JP2009/002550 patent/WO2010010654A1/ja active Application Filing
Also Published As
Publication number | Publication date |
---|---|
WO2010010654A1 (ja) | 2010-01-28 |
US20110117537A1 (en) | 2011-05-19 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
WO2010010654A1 (ja) | 使い方推定装置 | |
WO2010010653A1 (ja) | ユーザモデル処理装置 | |
US9785888B2 (en) | Information processing apparatus, information processing method, and program for prediction model generated based on evaluation information | |
Zheng et al. | Collaborative web service QoS prediction via neighborhood integrated matrix factorization | |
JP5615857B2 (ja) | 分析装置、分析方法及び分析プログラム | |
US20160285672A1 (en) | Method and system for processing network media information | |
US10162868B1 (en) | Data mining system for assessing pairwise item similarity | |
TW201447797A (zh) | 內容個人化之多相排序方法和系統 | |
JP6097126B2 (ja) | レコメンド情報生成装置及びレコメンド情報生成方法 | |
US9325754B2 (en) | Information processing device and information processing method | |
US20110238605A1 (en) | Information processing apparatus, information processing method, and program | |
KR20080031148A (ko) | 정보 처리 장치, 특징 추출 방법, 기록 매체, 및 프로그램 | |
US20150120634A1 (en) | Information processing device, information processing method, and program | |
CN111061979A (zh) | 一种用户标签的推送方法、装置、电子设备和介质 | |
US20150058136A1 (en) | Attribute based coupon provisioning | |
JP5813052B2 (ja) | 情報処理装置、方法及びプログラム | |
KR101169170B1 (ko) | 시간에 따라 변화하는 사용자 선호도를 고려한 컨텐츠 추천 방법 | |
JP5406794B2 (ja) | 検索クエリ推薦装置及び検索クエリ推薦プログラム | |
CN105706409B (zh) | 用于增强用户对于服务的参与度的方法、设备及*** | |
JP5588938B2 (ja) | アイテム推薦装置及び方法及びプログラム | |
CN111507471B (zh) | 一种模型训练方法、装置、设备及存储介质 | |
CN114357292A (zh) | 模型训练方法、设备和存储介质 | |
US20160098766A1 (en) | Feedback collecting system | |
CN114329187B (zh) | 内容对象的推荐方法、装置、电子设备以及可读介质 | |
JP7249222B2 (ja) | 情報処理装置、情報処理方法および情報処理プログラム |