JP6798840B2 - 推定装置、および推定方法 - Google Patents

Description

本発明は、推定装置、および推定方法に関する。

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。

特開２０１５−２８６２５号公報

"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) "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

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としても、集会を効率的に進めることができない場合がある。

例えば、集会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集会が収束しなくなる恐れがある。

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。

本願に係る推定装置は、複数の利用者の属性の類似度を特定する特定部と、前記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、前記利用者間における共感の伝播を推定する推定部と、を有することを特徴とする。

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。

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。 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。 図６は、ハードウェア構成の一例を示す図である。

以下に、本願に係る推定装置、および推定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推定装置、および推定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。

［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。

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。

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。

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。

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。

〔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。

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。

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。

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。

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。

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）。

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。

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。

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。

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。

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。

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。

〔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。

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。

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。

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。

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。

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。

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。

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。

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。

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。

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。

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。

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。

〔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。

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。

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。

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。

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）。

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。

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。

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。

〔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。

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。

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。

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。

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。

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。

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。

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。

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。

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。

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。

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。

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。

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。

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。

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。

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。

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。

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。

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。

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。

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。

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。

〔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。

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。

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。

〔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。

〔７−１．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。

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。

〔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。

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。

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。

〔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。

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。

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。

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。

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。

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。

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。

〔９．効果〕
上述したように、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。例えば、情報提供装置１０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。このため、情報提供装置１０は、効率的な集会を実現する参加者を選択することができるので、集会を効率的に進めることができる。

また、情報提供装置１０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。このため、情報提供装置１０は、効率的な集会を実現する参加者を選択することができる。

また、情報提供装置１０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。このため、情報提供装置１０は、専門分野の観点から、効率的な集会を実現する参加者を選択することができる。

また、情報提供装置１０は、類似度の値に基づく伝播確率の値から浸透閾値を減算し、さらに伝播確率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ように、所定の集会に招待する利用者を選択する。このため、情報提供装置１０は、効率的な集会を実現する参加者を選択することができる。

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

また、上記してきた「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。

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

Claims (5)

1. あらかじめ属性ごとに生成された分散表現の類似性に基づいて、複数の利用者の属性の類似度を特定する特定部と、
   所定の次元空間からなる系上に配置された複数のセルを利用者と見做し、前記類似度の値を前記系における有向浸透現象において所定のセルから隣接するセルへと活性状態が伝播する確率と見做した場合に、前記系を時間発展させても活性状態が消滅せずにセルの間を伝播し続ける閾値である浸透閾値の値と、前記類似度との比較結果に基づいて、前記利用者間において共感が伝播する態様を推定する推定部と、
   を有することを特徴とする推定装置。
2. 前記特定部は、前記利用者が専門とする分野としてあらかじめ登録した分野を示す分散表現の類似度を特定する
   ことを特徴とする請求項１に記載の推定装置。
3. 前記推定部による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選択部
   をさらに有することを特徴とする請求項１または２に記載の推定装置。
4. 前記選択部は、前記類似度の値に基づく伝播確率の値から前記浸透閾値を減算し、さらに前記伝播確率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ように、前記所定の集会に招待する利用者を選択する
   ことを特徴とする請求項３に記載の推定装置。
5. 推定装置が実行する推定方法であって、
   あらかじめ属性ごとに生成された分散表現の類似性に基づいて、複数の利用者の属性の類似度を特定する特定工程と、
   所定の次元空間からなる系上に配置された複数のセルを利用者と見做し、前記類似度の値を前記系における有向浸透現象において所定のセルから隣接するセルへと活性状態が伝播する確率と見做した場合に、前記系を時間発展させても活性状態が消滅せずにセルの間を伝播し続ける閾値である浸透閾値の値と、前記類似度との比較結果に基づいて、前記利用者間において共感が伝播する態様を推定する推定工程と、
   を含むことを特徴とする推定方法。

Images