JP2021189973A - 情報処理装置、情報処理方法および情報処理プログラム - Google Patents

Abstract

【課題】環境情報に基づいてユーザを分類する情報処理装置、情報処理方法および情報処理プログラムを提供する。【解決手段】情報提供装置と複数の端末装置とが夫々ネットワークを介して有線又は無線で互いに通信可能に接続される情報処理システムにおいて、情報処理装置１００は、取得部１３１と、分類部１３４とを備える。取得部１３１は、センサを有するユーザの端末装置が同時期に取得したセンサ情報とユーザの識別情報とを取得する。分類部１３４は、センサ情報に基づいてユーザを分類する。また、情報処理装置１００は、推定部１３３と、推奨部１３５とをさらに備える。推定部１３５は、センサ情報からユーザの属性を推定し、ユーザの分類に基づいて、ユーザへのレコメンドを行う。【選択図】図４

Description

本発明は、情報処理装置、情報処理方法および情報処理プログラムに関する。

所定の空間における音を種別ごとに集積した音統計データベースを構成する技術が開示されている。

特開２０１６−１８０７９１号公報

しかしながら、上記の従来技術では、所定の空間に設置した録音装置等を用いた定点観測を想定している。そのため、建物の室内等の特定の場所の環境分析はできても、移動するユーザの周囲の環境や状況を分析し、その結果に基づいてユーザを分類することはできない。

本願は、上記に鑑みてなされたものであって、環境情報に基づいてユーザを分類することを目的とする。

本願に係る情報処理装置は、センサを有するユーザの端末装置が同時期に取得したセンサ情報と前記ユーザの識別情報とを取得する取得部と、前記センサ情報に基づいて前記ユーザを分類する分類部と、を備えることを特徴とする。

実施形態の一態様によれば、環境情報に基づいてユーザを分類することができる。

図１は、実施形態に係る情報処理方法の概要を示す説明図である。 図２は、実施形態に係る情報処理システムの構成例を示す図である。 図３は、実施形態に係る端末装置の構成例を示す図である。 図４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５は、ユーザ情報データベースの一例を示す図である。 図６は、センサ情報データベースの一例を示す図である。 図７は、レコメンド情報データベースの一例を示す図である。 図８は、実施形態に係る処理手順を示すフローチャートである。 図９は、ハードウェア構成の一例を示す図である。

以下に、本願に係る情報処理装置、情報処理方法、および情報処理プログラムを実施するための形態（以下、「実施形態」と記載する）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処理装置、情報処理方法、および情報処理プログラムが限定されるものではない。また、以下の実施形態において同一の部位には同一の符号を付し、重複する説明は省略される。

〔１．情報処理方法の概要〕
まず、図１を参照し、実施形態に係る情報処理装置が行う情報処理方法の概要について説明する。図１は、実施形態に係る情報処理方法の概要を示す説明図である。なお、図１では、環境情報に基づくユーザの分類、グループ化及びレコメンドを行う場合を例に挙げて説明する。

図１に示すように、情報処理システム１は、端末装置１０と情報提供装置１００とを含む。端末装置１０と情報提供装置１００とは、それぞれネットワークＮ（図２参照）を介して有線又は無線で互いに通信可能に接続される。

端末装置１０は、ユーザＵにより利用されるスマートフォンやタブレット等のスマートデバイスであり、４Ｇ（Generation）やＬＴＥ（Long Term Evolution）等の無線通信網を介して任意のサーバ装置と通信を行うことができる携帯端末装置である。また、端末装置１０は、液晶ディスプレイ等の画面であって、タッチパネルの機能を有する画面を有し、ユーザから指やスタイラス等によりタップ操作、スライド操作、スクロール操作等、コンテンツ等の表示データに対する各種の操作を受付ける。なお、画面のうち、コンテンツが表示されている領域上で行われた操作を、コンテンツに対する操作としてもよい。また、端末装置１０は、スマートデバイスのみならず、デスクトップＰＣ（Personal Computer）やノートＰＣ等の情報処理装置であってもよい。ここでは、スマートフォンを例に説明する。

情報提供装置１００は、ユーザＵの端末装置１０から、端末装置１０に搭載された各種センサ（Sensor：検知器）の出力であるセンサ情報（センサデータ）とユーザ情報と位置情報とを取得する情報処理装置であり、サーバ装置やクラウドシステム等により実現される。ここでは、情報提供装置１００は、不特定多数の端末装置１０のそれぞれから、センサ情報とユーザ情報と位置情報とを取得し、センサ情報とユーザ情報と位置情報とを紐づけてデータベースに記憶する。そして、センサ情報に基づいてユーザＵのコンテキストや属性を推定する。また、センサ情報に基づいてユーザを分類（カテゴライズ）する。具体的には、情報提供装置１００は、センサ情報に基づいてユーザをグループ化（グルーピング）する。例えば、環境音として同じ音楽が流れているユーザ（同じ音楽を聴いているユーザ）を、その音楽に関する分類（カテゴリ）でグループ化する。そして、情報提供装置１００は、これらの結果に基づいて、ユーザＵに対して、様々なレコメンド（recommend：物品やサービス等の推薦）を行う。なお、ユーザ情報は、ユーザＵ又は端末装置１０を一意に識別するための識別情報等である。

〔１−１．データ収集からレコメンドを行うまでの情報処理方法の概要〕
まず、図１を参照して、データ収集からレコメンドを行うまでの情報処理方法の概要について説明する。

図１に示すように、情報提供装置１００は、各地に所在する複数のユーザＵの端末装置１０のそれぞれからセンサ情報とユーザ情報と位置情報とを受信する（ステップＳ１）。

このとき、端末装置１０は移動中であってもよいし、一か所に留まっていてもよい。また、情報提供装置１００は、各地を移動する同じ端末装置１０からセンサ情報とユーザ情報と位置情報とを受信してもよい。センサ情報は、例えば環境音、気圧、照度等である。このとき、情報提供装置１００は、センサ情報に含まれる音から環境音を抽出し、その環境音を、音の種別毎に分類（カテゴライズ）する。また、位置情報は、端末装置１０がセンサ情報を取得した時点での位置情報である。なお、位置情報も広義ではセンサ情報に該当する。また、センサ情報や位置情報には、端末装置１０がそのセンサ情報や位置情報を取得した日時に関する情報も含まれる。

図１の例では、情報提供装置１００は、ユーザＵ１〜Ｕ５が所持する端末装置１０Ａ〜１０Ｅのそれぞれからセンサ情報とユーザ情報と位置情報とを受信する。なお、ユーザＵ１〜Ｕ５は、同一人であってもよい。また、端末装置１０Ａ〜１０Ｅは、同一の装置であってもよい。

そして、情報提供装置１００は、端末装置１０から受信したセンサ情報とユーザ情報と位置情報とを紐づけて記憶する（ステップＳ２）。

例えば、情報提供装置１００は、センサ情報とユーザ情報と位置情報とを紐づけてデータベースに蓄積し、所定の期間（例えば、一週間／一か月／半年／１年等）保持する。なお、実際には、期間を定めず、蓄積し続けてもよい。

なお、情報提供装置１００は、環境音を音の種別毎に分類した場合、音の種別毎に、ユーザ情報と位置情報とに紐づけて記憶する。

ここで、情報提供装置１００は、端末装置１０から適切なセンサ情報を取得できていない場合、位置情報に基づいてセンサ情報を推定する（ステップＳ３）。

例えば、情報提供装置１００は、阻害要因や端末装置１０のセンサの故障等によりセンサ情報を取得できない場合、あるいは端末装置１０から取得したセンサ情報の精度や信頼性が低いと思われる場合には、位置情報からセンサ情報を推定する。例えば、情報提供装置１００は、位置情報に基づいて、その位置で過去に取得されたセンサ情報や、同じ又は近い位置に存在する他のユーザの端末装置１０から取得したセンサ情報を用いて、その位置で得られると予想されるセンサ情報を推定する。あるいは、情報提供装置１００は、位置情報と、その位置で得られると予想されるセンサ情報との組を正解データとしてモデルに学習させる。そして、情報提供装置１００は、学習済モデルに対して、位置情報を入力することにより、その位置で得られると予想されるセンサ情報を取得する。すなわち、情報提供装置１００は、位置情報を入力した際にモデルが出力したセンサ情報を、推定結果として取得する。

反対に、情報提供装置１００は、端末装置１０から適切な位置情報を取得できない場合には、センサ情報に基づいて位置情報を推定してもよい。例えば、情報提供装置１００は、センサ情報と、そのセンサ情報が得られると予想される位置情報との組を正解データとしてモデルに学習させてもよい。そして、情報提供装置１００は、学習済モデルに対して、センサ情報を入力することにより、そのセンサ情報が得られると予想される位置情報を取得する。すなわち、情報提供装置１００は、センサ情報を入力した際にモデルが出力した位置情報を、推定結果として取得してもよい。また、情報提供装置１００は、環境音、気圧、照度等に基づいて、ユーザＵが屋内にいるか屋外にいるかを推定してもよい。

そして、情報提供装置１００は、センサ情報に基づいて、ユーザＵの置かれた環境や状況に関するコンテキストを推定する（ステップＳ４）。

このとき、情報提供装置１００は、センサ情報と位置情報との組合せから、ユーザＵの置かれた環境や状況を推定してもよい。例えば、環境音として水が流れる音が聞こえる場合であって、位置情報が川の近くを示している場合には、より高精度にユーザＵが川の近くにいると推定できる。すなわち、位置情報が、センサ情報の信頼性の裏付けとなる。

そして、情報提供装置１００は、センサ情報に基づいて、ユーザＵの属性を推定する（ステップＳ５）。

例えば、情報提供装置１００は、センサ情報から、ユーザＵの趣味、ライフスタイル（生活様式）、行動パターン、ユーザＵの属する集団等を推定する。ユーザＵの属する集団とは、例えば、会社等の組織、スポーツや趣味等の同好の士の集まり（クラブ、サークル等）、同じ施設や店舗の利用客（会員、常連客等）、コミュニティー（共同体、地域社会等）、その他の団体等である。

また、例えば、情報提供装置１００は、環境音、会話内容、気圧、照度その他の情報等から、ユーザＵがスポーツやゲーム、動画・アイドル鑑賞やスポーツ観戦、楽器演奏や音楽鑑賞、ドライブやツーリング、ハイキングやサイクリング、山登りやキャンプ、ＢＢＱ（バーベキュー）、釣りやカヌー・カヤック、スキー等を行っていることを推定することができる。

なお、情報提供装置１００は、センサ情報に基づいて推定されたユーザのコンテキストから、ユーザの属性を推定してもよい。

そして、情報提供装置１００は、センサ情報に基づいて、ユーザＵを分類する（ステップＳ６）。

例えば、情報提供装置１００は、センサ情報に含まれる音から環境音のみを抽出し、環境音の特性が類似するユーザをグループ化する。なお、「環境音の特性が類似する」とは、背景の音楽が似ている（例えば、同じ歌手の歌である、同じ鳥の鳴き声である、同じ機械音である等）ことや、背景音の単なるセンサ数値時系列情報としての類似性（例えば、騒音時の音量の類似性、静寂時と騒音時との差異の類似性、静寂時と騒音時との切り替わるタイミングの類似性等）が高いこと等を示す。

また、情報提供装置１００は、センサ情報に基づいて推定されたユーザＵのコンテキストや属性から、ユーザＵを分類してもよい。

そして、情報提供装置１００は、センサ情報に基づいて、ユーザＵの端末装置１０に対してレコメンドを行う（ステップＳ７）。

例えば、情報提供装置１００は、ユーザＵの端末装置１０に対して、センサ情報に応じたレコメンド情報を送信してもよい。また、情報提供装置１００は、ユーザＵの端末装置１０に、ユーザＵの分類や所属グループに応じて、又は上記推定した結果（ユーザＵのコンテキストや属性）に応じて、ユーザＵに推薦すべき物品やサービス等に関する情報を送信してもよい。また、情報提供装置１００は、同じ分類やグループに属する他のユーザが既に購入していて、当該ユーザＵが未だ購入していない商品等をレコメンドしてもよい。

〔２．情報処理システムの構成例〕
次に、図２を用いて、実施形態に係る情報提供装置１００が含まれる情報処理システム１の構成について説明する。図２は、実施形態に係る情報処理システム１の構成例を示す図である。図２に示すように、実施形態に係る情報処理システム１は、端末装置１０と情報提供装置１００とを含む。これらの各種装置は、ネットワークＮを介して、有線又は無線により通信可能に接続される。ネットワークＮは、例えば、ＬＡＮ（Local Area Network）や、インターネット等のＷＡＮ（Wide Area Network）である。

また、図２に示す情報処理システム１に含まれる各装置の数や種類は図示したものに限られない。例えば、図２では、図示の簡略化のため、端末装置１０を１種類のみ示したが、これはあくまでも例示であって限定されるものではなく、２種類以上であってもよい。

端末装置１０は、ユーザＵによって使用される情報処理装置であって、各種センサを有し、持ち運んだり移動させたりすることが可能な小型の可搬型機器や移動型機器である。例えば、端末装置１０は、スマートフォンやタブレット端末等のスマートデバイスである。なお、実際には、フィーチャーフォン、ＰＣ（Personal Computer）、ＰＤＡ（Personal Digital Assistant）、カーナビゲーションシステム、スマートウォッチやヘッドマウントディスプレイ等のウェアラブルデバイス（Wearable Device）、スマートグラス、スマートスピーカ、３６０度カメラ等であってもよい。

また、かかる端末装置１０は、ＬＴＥ（Long Term Evolution）、４Ｇ（4th Generation）、５Ｇ（5th Generation：第５世代移動通信システム）等の無線通信網や、Ｂｌｕｅｔｏｏｔｈ（登録商標）、無線ＬＡＮ（Local Area Network）等の近距離無線通信を介してネットワークＮに接続し、情報提供装置１００と通信することができる。

情報提供装置１００は、例えばＰＣやサーバ装置、あるいはメインフレーム又はワークステーション等である。なお、情報提供装置１００は、クラウドコンピューティングにより実現されてもよい。

〔３．端末装置の構成例〕
次に、図３を用いて、端末装置１０の構成について説明する。図３は、端末装置１０の構成例を示す図である。図３に示すように、端末装置１０は、通信部１１と、表示部１２と、入力部１３と、測位部１４と、センサ部２０と、制御部３０（コントローラ）と、記憶部４０とを備える。

（通信部１１）
通信部１１は、ネットワークＮ（図２参照）と有線又は無線で接続され、ネットワークＮを介して、情報提供装置１００との間で情報の送受信を行う。例えば、通信部１１は、ＮＩＣ（Network Interface Card）やアンテナ等によって実現される。

（表示部１２）
表示部１２は、位置情報等の各種情報を表示する表示デバイスである。例えば、表示部１２は、液晶ディスプレイ（ＬＣＤ：Liquid Crystal Display）や有機ＥＬディスプレイ（Organic Electro-Luminescent Display）である。また、表示部１２は、タッチパネル式のディスプレイであるが、これに限定されるものではない。

（入力部１３）
入力部１３は、ユーザＵから各種操作を受け付ける入力デバイスである。入力部１３は、例えば、文字や数字等を入力するためのボタン等を有する。また、表示部１２がタッチパネル式のディスプレイである場合、表示部１２の一部が入力部１３として機能する。なお、入力部１３は、ユーザＵから音声入力を受け付けるマイク等であってもよい。マイクはワイヤレスであってもよい。

（測位部１４）
測位部１４は、ＧＰＳ（Global Positioning System）の衛星から送出される信号（電波）を受信し、受信した信号に基づいて、自装置である端末装置１０の現在位置を示す位置情報（例えば、緯度および経度）を取得する。すなわち、測位部１４は、端末装置１０の位置を測位する。なお、ＧＰＳは、ＧＮＳＳ（Global Navigation Satellite System）の一例に過ぎない。

また、測位部１４は、ＧＰＳ以外にも、種々の手法により位置を測位することができる。例えば、測位部１４は、位置補正等のための補助的な測位手段として、下記のように、端末装置１０の様々な通信機能を利用して位置を測位してもよい。

（Ｗｉ−Ｆｉ測位）
例えば、測位部１４は、端末装置１０のＷｉ−Ｆｉ（登録商標）通信機能や、各通信会社が備える通信網を利用して、端末装置１０の位置を測位する。具体的には、測位部１４は、Ｗｉ−Ｆｉ通信等を行い、付近の基地局やアクセスポイントとの距離を測位することにより、端末装置１０の位置を測位する。

（ビーコン測位）
また、測位部１４は、端末装置１０のＢｌｕｅｔｏｏｔｈ（登録商標）機能を利用して位置を測位してもよい。例えば、測位部１４は、Ｂｌｕｅｔｏｏｔｈ機能によって接続されるビーコン（beacon）発信機と接続することにより、端末装置１０の位置を測位する。

（地磁気測位）
また、測位部１４は、予め測定された構造物の地磁気のパターンと、端末装置１０が備える地磁気センサとに基づいて、端末装置１０の位置を測位する。

（ＲＦＩＤ測位）
また、例えば、端末装置１０が駅改札や店舗等で使用される非接触型ＩＣカードと同等のＲＦＩＤ（Radio Frequency Identification）タグの機能を備えている場合、もしくはＲＦＩＤタグを読み取る機能を備えている場合、端末装置１０によって決済等が行われた情報とともに、使用された位置が記録される。測位部１４は、かかる情報を取得することで、端末装置１０の位置を測位してもよい。また、位置は、端末装置１０が備える光学式センサや、赤外線センサ等によって測位されてもよい。

測位部１４は、必要に応じて、上述した測位手段の一つ又は組合せを用いて、端末装置１０の位置を測位してもよい。

（センサ部２０）
センサ部２０は、端末装置１０に搭載される各種のセンサを含む。図３に示す例では、センサ部２０は、加速度センサ２１と、ジャイロセンサ２２と、気圧センサ２３と、気温センサ２４と、音センサ２５と、光センサ２６と、磁気センサ２７と、画像センサ（カメラ）２８とを備える。

なお、上記した各センサ２１〜２８は、あくまでも例示であって限定されるものではない。すなわち、センサ部２０は、各センサ２１〜２８のうちの一部を備える構成であってもよいし、各センサ２１〜２８に加えてあるいは代えて、湿度センサ等その他のセンサを備えてもよい。

加速度センサ２１は、例えば、３軸加速度センサであり、端末装置１０の移動方向、速度、および、加速度等の端末装置１０の物理的な動きを検知する。ジャイロセンサ２２は、端末装置１０の角速度等に基づいて３軸方向の傾き等の端末装置１０の物理的な動きを検知する。気圧センサ２３は、例えば端末装置１０の周囲の気圧を検知する。

端末装置１０は、上記した加速度センサ２１やジャイロセンサ２２、気圧センサ２３等を備えることから、これらの各センサ２１〜２３等を利用した歩行者自律航法（ＰＤＲ：Pedestrian Dead-Reckoning）等の技術を用いて端末装置１０の位置を測位することが可能になる。これにより、ＧＰＳ等の測位システムでは取得することが困難な屋内での位置情報を取得することが可能になる。

例えば、加速度センサ２１を利用した歩数計により、歩数や歩くスピード、歩いた距離を算出することができる。また、ジャイロセンサ２２を利用して、ユーザＵの進行方向や視線の方向、体の傾きを知ることができる。また、気圧センサ２３で検知した気圧から、ユーザＵの端末装置１０が存在する高度やフロアの階数を知ることもできる。

気温センサ２４は、例えば端末装置１０の周囲の気温を検知する。音センサ２５は、例えば端末装置１０の周囲の音を検知する。光センサ２６は、端末装置１０の周囲の照度を検知する。磁気センサ２７は、例えば端末装置１０の周囲の地磁気を検知する。画像センサ２８は、端末装置１０の周囲の画像を撮像する。

上記した気圧センサ２３、気温センサ２４、音センサ２５、光センサ２６および画像センサ２８は、それぞれ気圧、気温、音、照度を検知したり、周囲の画像を撮像したりすることで、端末装置１０の周囲の環境や状況等を検知することができる。また、端末装置１０の周囲の環境や状況等から、端末装置１０の位置情報の精度を向上させることが可能になる。

（制御部３０）
制御部３０は、例えば、ＣＰＵ（Central Processing Unit）、ＲＯＭ（Read Only Memory）、ＲＡＭ、入出力ポート等を有するマイクロコンピュータや各種の回路を含む。また、制御部３０は、例えば、ＡＳＩＣ（Application Specific Integrated Circuit）やＦＰＧＡ（Field Programmable Gate Array）等の集積回路等のハードウェアで構成されてもよい。制御部３０は、送信部３１と、受信部３２と、処理部３３とを備える。

（送信部３１）
送信部３１は、例えば入力部１３を用いてユーザＵにより入力された各種情報や、端末装置１０に搭載された各センサ２１〜２８によって検知された各種情報、測位部１４によって測位された端末装置１０の位置情報等を、通信部１１を介して情報提供装置１００へ送信することができる。

（受信部３２）
受信部３２は、通信部１１を介して、情報提供装置１００から提供される各種情報や、情報提供装置１００からのセンサ情報の要求を受信することができる。

（処理部３３）
処理部３３は、表示部１２等を含め、端末装置１０全体を制御する。例えば、処理部３３は、送信部３１によって送信される各種情報や、受信部３２によって受信された情報提供装置１００からの各種情報を表示部１２へ出力して表示させることができる。

（記憶部４０）
記憶部４０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、又は、ＨＤＤ（Hard Disk Drive）、ＳＳＤ（Solid State Drive）、光ディスク等の記憶装置によって実現される。かかる記憶部４０には、各種プログラムや各種データ等が記憶される。

〔４．情報提供装置の構成例〕
次に、図４を用いて、実施形態に係る情報提供装置１００の構成について説明する。図４は、実施形態に係る情報提供装置１００の構成例を示す図である。図４に示すように、情報提供装置１００は、通信部１１０と、記憶部１２０と、制御部１３０とを有する。

（通信部１１０）
通信部１１０は、例えば、ＮＩＣ（Network Interface Card）等によって実現される。また、通信部１１０は、ネットワークＮ（図２参照）と有線又は無線で接続される。

（記憶部１２０）
記憶部１２０は、例えば、ＲＡＭ（Random Access Memory）、フラッシュメモリ（Flash Memory）等の半導体メモリ素子、又は、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。図４に示すように、記憶部１２０は、ユーザ情報データベース１２１と、センサ情報データベース１２２と、レコメンド情報データベース１２３とを有する。

（ユーザ情報データベース１２１）
ユーザ情報データベース１２１は、ユーザＵに関する各種情報を記憶する。例えば、ユーザ情報データベース１２１は、ユーザＵの属性等の種々の情報を記憶する。図５は、ユーザ情報データベース１２１の一例を示す図である。図５に示した例では、ユーザ情報データベース１２１は、「ユーザＩＤ（Identifier）」、「年齢」、「性別」、「自宅」、「勤務地」、「端末ＩＤ」といった項目を有する。

「ユーザＩＤ」は、ユーザＵを識別するための識別情報を示す。また、「年齢」は、ユーザＩＤにより識別されるユーザＵの年齢を示す。なお、「年齢」は、例えば３５歳等、ユーザＩＤにより識別されるユーザＵの具体的な年齢であってもよい。また、「性別」は、ユーザＩＤにより識別されるユーザＵの性別を示す。

また、「自宅」は、ユーザＩＤにより識別されるユーザＵの自宅の位置情報を示す。なお、図５に示す例では、「自宅」は、「ＬＣ１１」といった抽象的な符号を図示するが、緯度経度情報等であってもよい。また、例えば、「自宅」は、地域名や住所であってもよい。

また、「勤務地」は、ユーザＩＤにより識別されるユーザＵの勤務地（学生の場合は学校）の位置情報を示す。なお、図５に示す例では、「勤務地」は、「ＬＣ１２」といった抽象的な符号を図示するが、緯度経度情報等であってもよい。また、例えば、「勤務地」は、地域名や住所であってもよい。

また、「端末ＩＤ」は、ユーザＩＤにより識別されるユーザＵが現在利用している端末装置１０（稼働中の端末装置）を識別するための識別情報を示す。なお、「端末ＩＤ」は、複数であってもよい。すなわち、１人のユーザＵが複数の端末装置を同時に利用してもよい。また、「端末ＩＤ」は、端末装置１０の種別を示す情報を含んでいてもよい。

例えば、図５に示す例において、ユーザＩＤ「Ｕ１」により識別されるユーザＵの年齢は、「２０代」であり、性別は、「男性」であることを示す。また、例えば、ユーザＩＤ「Ｕ１」により識別されるユーザＵは、自宅が「ＬＣ１１」であることを示す。また、例えば、ユーザＩＤ「Ｕ１」により識別されるユーザＵは、勤務地が「ＬＣ１２」であることを示す。また、例えば、ユーザＩＤ「Ｕ１」により識別されるユーザＵは端末ＩＤ「Ｄ１」により識別される端末装置１０を利用していることを示す。

ここで、図５に示す例では、「Ｕ１」、「ＬＣ１１」、「ＬＣ１２」および「Ｄ１」といった抽象的な値を用いて図示するが、「Ｕ１」、「ＬＣ１１」、「ＬＣ１２」および「Ｄ１」には、具体的な文字列や数値等の情報が記憶されるものとする。以下、他の情報に関する図においても、抽象的な値を図示する場合がある。

なお、ユーザ情報データベース１２１は、上記に限らず、目的に応じて種々の情報を記憶してもよい。例えば、ユーザ情報データベース１２１は、ユーザＵの端末装置１０に関する各種情報を記憶してもよい。また、ユーザ情報データベース１２１は、ユーザＵのデモグラフィック（人口統計学的属性）、サイコグラフィック（心理学的属性）、ジオグラフィック（地理学的属性）、ベヘイビオラル（行動学的属性）等の属性に関する情報を記憶してもよい。例えば、ユーザ情報データベース１２１は、氏名、家族構成、職業、職位、収入、資格、居住形態（戸建、マンション等）、車の有無、通学・通勤時間、通学・通勤経路、定期券区間（駅、路線等）、利用頻度の高い駅（自宅・勤務地の最寄駅以外）、行動履歴（利用頻度の高い位置情報）、習い事（場所、時間帯等）、趣味、興味、ライフスタイル等の情報を記憶してもよい。また、ユーザ情報データベース１２１は、ユーザＵが検索エンジン等に入力した検索クエリ（検索キーワード）に関する情報を記憶してもよい。

（センサ情報データベース１２２）
センサ情報データベース１２２は、センサ出力に関する各種情報を記憶する。例えば、センサ情報データベース１２２は、ユーザＵの端末装置１０からのセンサ情報とユーザ情報と位置情報とを紐づけて記憶する。図６は、センサ情報データベース１２２の一例を示す図である。図６に示した例では、センサ情報データベース１２２は、「ユーザＩＤ」、「取得日時」、「センサ情報」、「位置情報」、「コンテキスト」、「属性」、「分類」といった項目を有する。

「ユーザＩＤ」は、端末装置１０から取得したユーザ情報であって、当該端末装置１０を使用するユーザＵを識別するための識別情報を示す。なお、「ユーザＩＤ」は、当該端末装置１０を識別するための識別情報であってもよい。すなわち、「ユーザＩＤ」は、「端末ＩＤ」であってもよい。

「取得日時」は、端末装置１０がセンサ情報とユーザ情報と位置情報とを取得した日時を示す。なお、情報提供装置１００が端末装置１０からリアルタイムでセンサ情報とユーザ情報と位置情報とを取得している場合には、情報提供装置１００が端末装置１０からセンサ情報とユーザ情報と位置情報とを取得した日時であってもよい。また、「取得日時」は、年月日時分秒に限らず、曜日、昼間／夜間等に関する情報を含んでいてもよい。

「センサ情報」は、端末装置１０の各種センサの出力（検知結果）を示す。「センサ情報」は、例えば環境音、気圧、照度等である。なお、環境音は、音の種別毎に分類（カテゴライズ）されて記憶されてもよい。

「位置情報」は、端末装置１０がセンサ情報を取得した時点での位置情報を示す。「位置情報」は、例えばＧＰＳやＰＤＲ等で測位した位置情報である。

「コンテキスト」は、ユーザＵの置かれた環境や状況を示す。「コンテキスト」は、例えばユーザＵが川の近くや山の上にいることや、街の中や店内にいることや、ユーザＵがスポーツやゲーム等をしていることや、車を運転していることや、ユーザＵが日照権を侵害された暗い部屋にいること等を示す。

「属性」は、センサ情報に基づくユーザＵの属性を示す。「属性」は、センサ情報から推定されたユーザの属性、例えばユーザの趣味、ライフスタイル（生活様式）、行動パターン、ユーザＵの属する集団等に関する情報であってもよい。なお、同一のユーザＵが、センサ情報ごとに異なる属性に該当していてもよい。すなわち、「属性」は、複数であってもよい。例えば、同一のユーザＵが複数の趣味等を持っていることもあり得る。

「分類」は、センサ情報に基づくユーザＵの分類（カテゴリ）を示す。例えば、「分類」は、センサ情報に基づいてユーザをグループ化（グルーピング）したグループを識別するための識別情報（グループＩＤ）であってもよい。なお、同一のユーザＵが、複数のグループに属していてもよい。すなわち、同一のユーザＵに対して、複数のグループＩＤが割り当てられてもよい。また、「分類」には、同じグループに属するユーザ（メンバー）のそれぞれのユーザＩＤを記憶してもよい。

例えば、図６に示す例において、ユーザＩＤ「Ｕ１」により識別されるユーザＵの端末装置１０は、取得日時「取得日時＃１１」に、センサ情報「センサ情報＃１１」と位置情報「位置情報＃１１」とを取得していることを示す。また、ユーザＩＤ「Ｕ１」により識別されるユーザＵは、コンテキスト「コンテキスト＃１１」と属性「属性＃１１」とを有し、分類「分類＃１１」に分類されていることを示す。

なお、センサ情報データベース１２２は、上記に限らず、目的に応じて種々の情報を記憶してもよい。例えば、センサ情報データベース１２２は、センサ情報を保管する有効期限に関する情報を記憶してもよい。また、センサ情報データベース１２２は、センサ情報の分析結果（環境の評価結果）に関する情報を記憶してもよい。また、センサ情報データベース１２２は、端末装置１０のユーザＵが入力したセンサ情報取得時の状況等に関するコメントに関する情報を記憶してもよい。なお、コメントは、テキストでも音声でもよい。

（レコメンド情報データベース１２３）
レコメンド情報データベース１２３は、ユーザＵに対するレコメンドに関する各種情報を記憶する。例えば、レコメンド情報データベース１２３は、ユーザＵに推薦する物品やサービス等に関する情報を記憶する。図７は、レコメンド情報データベース１２３の一例を示す図である。図７に示した例では、レコメンド情報データベース１２３は、「レコメンドＩＤ」、「対象者」、「推薦内容」といった項目を有する。

「レコメンドＩＤ」は、個々のレコメンドを識別するための識別情報を示す。

「対象者」は、レコメンドの対象者を示す。「対象者」は、レコメンドの対象となるユーザＵを識別するための識別情報（ユーザＩＤ）であってもよい。また、「対象者」は、レコメンドの対象となるユーザＵの分類や、レコメンドの対象となる集団を識別するための識別情報（グループＩＤ）を示す情報であってもよい。

「推薦内容」は、対象者に推薦する物品やサービス等に関する情報を示す。なお、「推薦内容」は、例えば「おすすめ」や「売れ筋ランキング」等であってもよい。また、「推薦内容」は、例えば広告や販促サイト、案内、クーポン情報等であってもよい。

例えば、図７に示す例において、レコメンドＩＤ「レコメンド＃１」により識別されるレコメンドは、対象者「対象者＃１」に対し、推薦内容「推薦内容＃１」で示される物品やサービス等を推薦することを示している。

なお、レコメンド情報データベース１２３は、上記に限らず、目的に応じて種々の情報を記憶してもよい。例えば、レコメンド情報データベース１２３は、対象者に推薦する物品やサービス等に関する口コミや評判、所定の評価指標に基づく評価結果等に関する情報を記憶してもよい。

（制御部１３０）
図４に戻り、説明を続ける。制御部１３０は、コントローラ（Controller）であり、例えば、ＣＰＵ（Central Processing Unit）、ＭＰＵ（Micro Processing Unit）、ＡＳＩＣ（Application Specific Integrated Circuit）やＦＰＧＡ（Field Programmable Gate Array）等によって、情報提供装置１００の内部の記憶装置に記憶されている各種プログラム（情報処理プログラムの一例に相当）がＲＡＭ等の記憶領域を作業領域として実行されることにより実現される。図４に示す例では、制御部１３０は、取得部１３１と、集積部１３２と、推定部１３３と、分類部１３４と、推奨部１３５と、出力部１３６を有する。

（取得部１３１）
取得部１３１は、通信部１１０を介して、各地に所在する複数のユーザＵの端末装置１０のそれぞれからセンサ情報（センサデータ）とユーザ情報と位置情報とを取得する。

（集積部１３２）
集積部１３２は、端末装置１０から受信したセンサ情報とユーザ情報と位置情報とを紐づけてデータベースに集積する。なお、集積部１３２は、取得部１３１の一部であってもよい。

また、集積部１３２は、端末装置１０から受信したセンサ情報に音が含まれている場合、その音から環境音のみを抽出する。例えば、集積部１３２は、センサ情報に含まれる音をフィルタリングして環境音のみを抽出してもよい。このとき、集積部１３２は、環境音を、音の種別毎に分類（カテゴライズ）してもよい。すなわち、集積部１３２は、環境音の抽出部や分類部としても機能する。

なお、集積部１３２は、機械学習に基づくモデルを用いて、端末装置１０から受信したセンサ情報に含まれる音から環境音を抽出してもよい。この場合、集積部１３２は、例えば端末装置１０から受信したセンサ情報に含まれる音と、音の種別毎に分類（カテゴライズ）した環境音との組を正解データとしてモデルに学習させてもよい。そして、集積部１３２は、学習済モデルに対して、センサ情報に含まれる音を入力することにより、音の種別毎に分類した環境音を抽出する。すなわち、集積部１３２は、センサ情報に含まれる音を入力した際にモデルが出力した環境音を、抽出結果としてもよい。

なお、モデルは、任意の種別のモデルが採用可能である。例えば、集積部１３２は、ＳＶＭ（Support Vector Machine）やＤＮＮ（Deep Neural Network）をモデルとして採用してもよい。ここで、ＤＮＮは、ＣＮＮ（Convolutional Neural Network）やＲＮＮ（Recurrent Neural Network）であってもよい。また、ＲＮＮは、ＬＳＴＭ（Long short-term memory）等であってもよい。すなわち、モデルは、任意の形式のモデルが採用可能である。また、モデルは、例えば、ＣＮＮとＲＮＮとを組み合わせたモデル等、複数のモデルを組み合わせることで実現されるモデルであってもよい。

学習は、例えばディープニューラルネットワーク（ＤＮＮ：Deep Neural Network）を利用したディープラーニング（深層学習）等である。また、データマイニングやその他の機械学習アルゴリズムを利用してもよい。集積部１３２は、上述した各種の学習手法により、モデルの学習を行う。

（推定部１３３）
推定部１３３は、ユーザＵの端末装置１０からのセンサ情報に基づいて、ユーザＵの属性を推定する。例えば、推定部１３３は、センサ情報から、ユーザの趣味、ライフスタイル（生活様式）、行動パターン、ユーザの属する集団等を推定する。ユーザの属する集団とは、例えば、会社等の組織、スポーツや趣味等の同好の士の集まり（クラブ、サークル等）、同じ施設や店舗の利用客（会員、常連客等）、コミュニティー（共同体、地域社会等）、その他の団体等である。なお、推定部１３３は、分類部１３４の一部であってもよい。

なお、推定部１３３は、機械学習に基づくモデルを用いて、ユーザＵの属性を推定してもよい。この場合、推定部１３３は、例えば端末装置１０から受信したセンサ情報をモデルに入力し、ユーザの趣味、ライフスタイル（生活様式）、行動パターン、ユーザの属する集団等を正解データとして学習を行う。

また、推定部１３３は、端末装置１０から適切なセンサ情報を取得できていない場合、位置情報に基づいてセンサ情報を推定する。例えば、推定部１３３は、位置情報に基づいて、その位置で過去に取得されたセンサ情報や、同じ又は近い位置に存在する他のユーザの端末装置１０から取得したセンサ情報を用いて、その位置で得られると予想されるセンサ情報を推定する。あるいは、推定部１３３は、機械学習に基づくモデルを用いて、センサ情報を推定してもよい。この場合、推定部１３３は、位置情報と、その位置で得られると予想されるセンサ情報との組を正解データとしてモデルに学習させる。そして、推定部１３３は、学習済モデルに対して、位置情報を入力することによりセンサ情報を推定する。すなわち、推定部１３３は、位置情報を入力した際にモデルが出力したセンサ情報を、推定結果とする。

反対に、推定部１３３は、端末装置１０から適切な位置情報を取得できない場合には、センサ情報に基づいて位置情報を推定する。例えば、推定部１３３は、センサ情報と、センサ情報に紐づけられた位置情報との組を正解データとしてモデルに学習させる。そして、推定部１３３は、学習済モデルに対して、センサ情報を入力することにより位置情報を推定する。すなわち、推定部１３３は、センサ情報を入力した際にモデルが出力した位置情報を、推定結果とする。

また、推定部１３３は、環境音、気圧、照度等に基づいて、ユーザＵが屋内にいるか屋外にいるかを推定してもよい。

（分類部１３４）
分類部１３４は、ユーザＵの端末装置１０からのセンサ情報に基づいて、ユーザＵを分類（カテゴライズ）する。また、分類部１３４は、センサ情報又は分類に基づいて、ユーザをグループ化（グルーピング）する。

なお、分類部１３４は、機械学習に基づくモデルを用いて、ユーザの分類やグループ化を行ってもよい。この場合、分類部１３４は、例えば端末装置１０から受信したセンサ情報をモデルに入力し、ユーザの分類や所属グループを正解データとして学習を行う。

（推奨部１３５）
推奨部１３５は、センサ情報に基づいて、ユーザＵの端末装置１０に対するレコメンドを行う。例えば、推奨部１３５は、センサ情報に応じて、又はユーザＵの分類や所属グループに応じて、又は上記推定した結果に応じて、ユーザＵに推薦すべき物品やサービス等に関する情報をレコメンド情報として決定する。また、推奨部１３５は、同じ分類やグループに属する他のユーザが既に購入していて、当該ユーザＵが未だ購入していない商品等に関する情報をレコメンド情報として決定してもよい。

（出力部１３６）
出力部１３６は、通信部１１０を介して、ユーザＵの端末装置１０に対して、レコメンド情報を送信する。なお、出力部１３６は、推奨部１３５の一部であってもよい。

〔５．処理手順〕
次に、図８を用いて実施形態に係る情報提供装置１００による処理手順について説明する。図８は、実施形態に係る処理手順を示すフローチャートである。なお、以下に示す処理手順は、情報提供装置１００の制御部１３０によって繰り返し実行される。

図８に示すように、情報提供装置１００は、各地に所在する複数のユーザＵの端末装置１０のそれぞれからセンサ情報（センサデータ）とユーザ情報と位置情報とを取得する（ステップＳ１０１）。

情報提供装置１００は、センサ情報とユーザ情報と位置情報とを紐づけてデータベースに記憶する（ステップＳ１０２）。例えば、情報提供装置１００は、センサ情報に含まれる音から環境音を抽出し、抽出された環境音を音の種別毎に分類（カテゴライズ）し、分類された環境音を音の種別毎にユーザ情報と位置情報とに紐づけて記憶する。

このとき、情報提供装置１００は、ユーザＵの端末装置１０から、適切なセンサ情報を取得できているか否かを判定する（ステップＳ１０３）。

情報提供装置１００は、ユーザＵの端末装置１０から、適切なセンサ情報を取得できていない場合には（ステップＳ１０３；Ｎｏ）、位置情報に基づいてセンサ情報を推定する（ステップＳ１０４）。

情報提供装置１００は、ユーザＵの端末装置１０から、適切なセンサ情報を取得できている場合（ステップＳ１０３；Ｙｅｓ）、又はセンサ情報を推定した場合（ステップＳ１０４）には、センサ情報に基づいて、ユーザＵの置かれた環境や状況に関するコンテキストを推定する（ステップＳ１０５）。例えば、情報提供装置１００は、水の流れる音や鳥の鳴き声等から、ユーザＵが川の近くにいることを推定する。

また、情報提供装置１００は、センサ情報に基づいて、ユーザＵの属性を推定する（ステップＳ１０６）。例えば、情報提供装置１００は、センサ情報から、ユーザの趣味、ライフスタイル（生活様式）、行動パターン、ユーザの属する集団等を推定する。

また、情報提供装置１００は、センサ情報に基づいて、ユーザＵを分類する（ステップＳ１０７）。例えば、情報提供装置１００は、センサ情報に含まれる音から環境音のみを抽出し、環境音の特性が類似するユーザをグループ化する。

そして、情報提供装置１００は、センサ情報に基づいて、ユーザＵの端末装置１０に対するレコメンドを行う。例えば、情報提供装置１００は、センサ情報に応じて、又はユーザＵの分類や所属グループに応じて、又は上記推定した結果に応じて、ユーザＵに推薦すべき物品やサービス等に関する情報をレコメンド情報として決定し、ユーザＵの端末装置１０に対して、レコメンド情報を送信する（ステップＳ１０８）。

〔６．変形例〕
上述した端末装置１０および情報提供装置１００は、上記実施形態以外にも種々の異なる形態にて実施されてよい。そこで、以下では、実施形態の変形例について説明する。

上記の実施形態において、端末装置１０がユーザＵの衣服のポケットや鞄（バッグ、リュック、ポーチ）等の中にしまわれている可能性もある。そこで、端末装置１０は、ユーザＵにより使用（操作、動画視聴等）されている場合にのみ、センサ情報を情報提供装置１００に送信するようにしてもよい。例えば、情報提供装置１００は、端末装置１０が何らかのアプリケーションプログラム（アプリ）等を起動している場合にはセンサ情報を取得し、何らアプリ等を起動していない場合にはセンサ情報を取得しないようにする。もしくは、情報提供装置１００は、端末装置１０が非スリープ状態の場合にはセンサ情報を取得し、端末装置１０がスリープ状態の場合にはセンサ情報を取得しないようにする。なお、「センサ情報を取得しない」には、「センサ情報を取得しても記憶しない」ことを含む。

また、情報提供装置１００は、センサ情報とともに、端末装置１０の操作履歴等を取得し、端末装置１０がユーザＵにより所定時間以上（例えば５分以上）使用されていない場合には、端末装置１０がユーザＵの衣服のポケットや鞄等の中にしまわれていると推定し、端末装置１０からのセンサ情報を取得しないようにしてもよい。

また、情報提供装置１００は、センサ情報（環境音、気圧、照度等）又はその変化等に基づいて、端末装置１０がユーザＵの衣服のポケットや鞄等の中にしまわれていると推定した場合には、端末装置１０からのセンサ情報を取得しないようにしてもよい。

なお、情報提供装置１００は、ユーザＵの端末装置１０内の一機能として実装されてもよい。例えば、情報提供装置１００は、ユーザＵの端末装置１０のうちの一台であってもよい。

〔７．効果〕
上述してきたように、本願に係る情報提供装置１００は、取得部１３１と、分類部１３４とを備える。取得部１３１は、センサを有するユーザの端末装置が同時期に取得したセンサ情報とユーザの識別情報とを取得する。分類部１３４は、センサ情報に基づいてユーザを分類する。分類部１３４は、環境音の特性が類似するユーザをグループ化する。さらに、情報提供装置１００は、推定部１３３と、推奨部１３５とを備える。推定部１３３は、センサ情報からユーザの属性を推定する。推奨部１３５は、ユーザの分類に基づいて、ユーザへのレコメンドを行う。このように、本願に係る情報提供装置１００は、ＨａａＳ（Hardware as a Service）を活用して環境情報に基づいてユーザを分類することができる。

〔８．ハードウェア構成〕
また、上述した実施形態に係る端末装置１０や情報提供装置１００は、例えば図９に示すような構成のコンピュータ１０００によって実現される。以下、情報提供装置１００を例に挙げて説明する。図９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Ｉ／Ｆ（Interface）１０６０、入力Ｉ／Ｆ１０７０、ネットワークＩ／Ｆ１０８０がバス１０９０により接続された形態を有する。

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。演算装置１０３０は、例えばＣＰＵ（Central Processing Unit）、ＭＰＵ（Micro Processing Unit）、ＡＳＩＣ（Application Specific Integrated Circuit）やＦＰＧＡ（Field Programmable Gate Array）等により実現される。

一次記憶装置１０４０は、ＲＡＭ（Random Access Memory）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（Hard Disk Drive）、ＳＳＤ（Solid State Drive）、フラッシュメモリ等により実現される。二次記憶装置１０５０は、内蔵ストレージであってもよいし、外付けストレージであってもよい。また、二次記憶装置１０５０は、ＵＳＢメモリやＳＤ（Secure Digital）メモリカード等の取り外し可能な記憶媒体であってもよい。また、二次記憶装置１０５０は、クラウドストレージ（オンラインストレージ）やＮＡＳ（Network Attached Storage）、ファイルサーバ等であってもよい。

出力Ｉ／Ｆ１０６０は、ディスプレイ、プロジェクタ、およびプリンタ等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ーフェイスであり、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Ｉ／Ｆ１０７０は、マウス、キーボード、キーパッド、ボタン、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ーフェイスであり、例えば、ＵＳＢ等により実現される。

また、出力Ｉ／Ｆ１０６０および入力Ｉ／Ｆ１０７０はそれぞれ出力装置１０１０および入力装置１０２０と無線で接続してもよい。すなわち、出力装置１０１０および入力装置１０２０は、ワイヤレス機器であってもよい。

また、出力装置１０１０および入力装置１０２０は、タッチパネルのように一体化していてもよい。この場合、出力Ｉ／Ｆ１０６０および入力Ｉ／Ｆ１０７０も、入出力Ｉ／Ｆとして一体化していてもよい。

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、又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。

ネットワークＩ／Ｆ１０８０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。

演算装置１０３０は、出力Ｉ／Ｆ１０６０や入力Ｉ／Ｆ１０７０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。

例えば、コンピュータ１０００が情報提供装置１００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１３０の機能を実現する。また、コンピュータ１０００の演算装置１０３０は、ネットワークＩ／Ｆ１０８０を介して他の機器から取得した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してもよい。また、コンピュータ１０００の演算装置１０３０は、ネットワークＩ／Ｆ１０８０を介して他の機器と連携し、プログラムの機能やデータ等を他の機器の他のプログラムから呼び出して利用してもよい。

〔９．その他〕
以上、本願の実施形態を説明したが、これら実施形態の内容により本発明が限定されるものではない。また、前述した構成要素には、当業者が容易に想定できるもの、実質的に同一のもの、いわゆる均等の範囲のものが含まれる。さらに、前述した構成要素は適宜組み合わせることが可能である。さらに、前述した実施形態の要旨を逸脱しない範囲で構成要素の種々の省略、置換又は変更を行うことができる。

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又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又は一部を公知の方法で自動的に行うこともできる。この他、上記文書中や図面中で示した処理手順、具体的名称、各種のデータやパラメータを含む情報については、特記する場合を除いて任意に変更することができる。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。

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、その全部又は一部を、各種の負荷や使用状況等に応じて、任意の単位で機能的又は物理的に分散・統合して構成することができる。

例えば、上述した情報提供装置１００は、複数のサーバコンピュータで実現してもよく、また、機能によっては外部のプラットホーム等をＡＰＩ（Application Programming Interface）やネットワークコンピューティング等で呼び出して実現する等、構成は柔軟に変更できる。

また、上述してきた実施形態および変形例は、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。

また、上述してきた「部（section、module、unit）」は、「手段」や「回路」等に読み替えることができる。例えば、取得部は、取得手段や取得回路に読み替えることができる。

１ 情報処理システム
１０ 端末装置
１４ 測位部
２０ センサ部
１００ 情報提供装置
１１０ 通信部
１２０ 記憶部
１２１ ユーザ情報データベース
１２２ センサ情報データベース
１２３ レコメンド情報データベース
１３０ 制御部
１３１ 取得部
１３２ 集積部
１３３ 推定部
１３４ 分類部
１３５ 推奨部
１３６ 出力部

Claims (13)

1. センサを有するユーザの端末装置が同時期に取得したセンサ情報と前記ユーザの識別情報とを取得する取得部と、
   前記センサ情報に基づいて前記ユーザを分類する分類部と、
   を備えることを特徴とする情報処理装置。
2. 前記分類部は、前記センサ情報に基づいてユーザをグループ化する
   ことを特徴とする請求項１に記載の情報処理装置。
3. 前記センサ情報に含まれる音から環境音を抽出する抽出部と、
   をさらに備え、
   前記分類部は、前記環境音の特性が類似するユーザをグループ化する
   ことを特徴とする請求項１又は２に記載の情報処理装置。
4. 前記センサ情報に基づいて前記ユーザの置かれた環境や状況に関するコンテキストを推定する推定部と、
   をさらに備えることを特徴とする請求項１〜３のうちいずれか１つに記載の情報処理装置。
5. 前記推定部は、前記センサ情報に基づいて前記ユーザの属性を推定する
   ことを特徴とする請求項４に記載の情報処理装置。
6. 前記推定部は、前記センサ情報から前記ユーザの趣味を推定する
   ことを特徴とする請求項５に記載の情報処理装置。
7. 前記推定部は、前記センサ情報から前記ユーザの生活様式を推定する
   ことを特徴とする請求項５又は６に記載の情報処理装置。
8. 前記推定部は、前記センサ情報から前記ユーザの行動パターンを推定する
   ことを特徴とする請求項５〜７のうちいずれか１つに記載の情報処理装置。
9. 前記推定部は、前記センサ情報から前記ユーザが属する集団を推定する
   ことを特徴とする請求項５〜８のうちいずれか１つに記載の情報処理装置。
10. 前記取得部は、さらに前記端末装置から位置情報を取得し、
    前記推定部は、前記センサ情報を取得できていない場合、前記位置情報に基づいて前記センサ情報を推定する
    ことを特徴とする請求項４〜９のうちいずれか１つに記載の情報処理装置。
11. 前記センサ情報に基づいて、前記ユーザへのレコメンドを行う推奨部と、
    をさらに備えることを特徴とする請求項１〜１０のうちいずれか１つに記載の情報処理装置。
12. 情報処理装置が実行する情報処理方法であって、
    センサを有するユーザの端末装置が同時期に取得したセンサ情報と前記ユーザの識別情報とを取得する取得工程と、
    前記センサ情報に基づいて前記ユーザを分類する分類工程と、
    を含むことを特徴とする情報処理方法。
13. センサを有するユーザの端末装置が同時期に取得したセンサ情報と前記ユーザの識別情報とを取得する取得手順と、
    前記センサ情報に基づいて前記ユーザを分類する分類手順と、
    をコンピュータに実行させるための情報処理プログラム。

Images