行动属性分析方法以及装置制造方法及图纸

本发明专利技术提供一种技术，从积蓄了人的行动的履历数据中提取用户的行动模式，使用该模式从场所或时间等多样的观点上总括且高效地对用户的行动的倾向或特征进行分析。本发明专利技术所涉及的行动属性分析装置通过将人群的行动记载为每个时间段的场景值而成的场景矢量来表现行动模式，通过对场景矢量进行聚类而提取出人群整体所包含的生活模式后，基于各人符合哪个生活模式而进行分类(参照图1)。

【技术实现步骤摘要】
【国外来华专利技术】行动属性分析方法以及装置
本专利技术涉及使用人的行动属性来对分析对象进行分类的方法及其装置。
技术介绍
便携电话那样的便携通信设备与其基站之间的无线通信记录、或道路交通系统中的汽车的探测器信息表示了人的移动履历。同样可以说交通系统IC卡的利用履历也表示了人的移动履历。在对交通系统IC卡赋予电子货币功能的情况下，可以认为卡与移动履历一起还积蓄了购物这样的人的行动履历。在购物这样的观点中，信用卡的利用履历也是人的行动履历。此外，使用可佩戴于人的传感器终端测定出的人的生物体信息(体温、脉搏、手腕的加速度等)是在生理学的观点上的人的行动履历。虽然这些履历由于记录的目的和手段不同，在一日的生活中留存在履历的部分各种各样，但都表示人何时、在何处、在做什么。在下述专利文献1以及专利文献2中，公开了从这些多样的人的行动履历中提取人的行动模式，并提供匹配于各个用户的信息的服务或营销中活用的技术。在专利文献1中，公开了从交通系统IC卡的利用履历中提取用户的移动或购物等的行动模式，并使用该模式提供匹配于用户的行动的信息的技术。在专利文献1中行动模式是交通系统IC卡的用户所利用的车站或店铺的列表。通过使用该模式能够掌握用户的移动或购物的倾向。在专利文献2中，公开了使用用户所携带的移动终端和店铺中设置的无线台来积蓄用户的来店履历，从该来店履历中提取用户的店铺的变迁模式，使用该模式将用户下次来店的可能性高的店铺的信息分发至用户之下的技术。在专利文献2中行动模式是关于某店铺下次来店的店铺的ID(识别符)和来店的次数、以及基于来店次数的店铺间的变迁概率的列表。通过对每个用户生成该行动模式，能够掌握用户利用店铺的倾向。先行技术文献专利文献专利文献1：(日本)特开2010－157055号公报专利文献2：(日本)特开2004－70419号公报专利技术的概要专利技术要解决的课题通过使用上述专利文献1以及2中记载的行动模式，能够掌握用户的移动或购物等行动的倾向，实现匹配于个人的服务，但另一方面存在如下的课题。(课题一)上述专利文献1以及2中记载的行动模式并未考虑用户“何时”利用了车站、设施、店铺名。例如，认为在某车站的用户利用车站内的便利店的状况下，在早上利用的用户、在白天利用的用户、或仅平日/仅休息日利用的用户的利用的目的分别不同，但在专利文献1以及2中记载的行动模式中作为相同的模式而处理。因此，根据用户的行动的模式能够掌握的仅是在车站、设施、店铺的“场所”的观点上的用户的倾向，难以在早上、白天、平日、休息日等“时间”的观点上掌握用户的倾向。(课题二)由于若用户的数目或取得行动履历的期间扩大则行动模式的数目爆发性地增加，所以难以总括地掌握用户的倾向。由于专利文献1中记载的行动模式将用户所利用的车站、设施、店铺名设为模式的属性，专利文献2中记载的行动模式将店铺、设施的代码设为模式的属性，因此若车站、设施、店铺不同，则成为不同的模式。因此，在这些文献中记载的技术中，生成无数行动模式。因此，现实的是仅将以模式的出现频度为依据的“经常”即高频度的模式设为分析对象。此时，很难找到重复利用店铺名不同但类型相同的店铺的模式、或各用户的利用频度低但整体上被看做特定的倾向的模式(在理发店之后通过电车出行等)等。在从用户的行动履历中提取用户的行动模式而活用于信息提供或营销时，优选能够以一定程度的规模(一万人以上等)且总括地分析用户的行动。但是在专利文献1以及2中记载的技术中，可以说在观点的多样性和处理的效率性上存在课题。
技术实现思路
本专利技术是为了解决上述那样的课题而完成的，提供从积蓄了人的行动而成的履历数据中提取用户的行动模式，使用该模式而在场所或时间等多样的观点上总括且高效地分析用户的行动的倾向或特征的技术。用于解决课题的手段本专利技术所涉及的行动属性分析装置通过将人群的行动记载为每个时间段的场景(scene)值的场景矢量来表现行动模式，通过对场景矢量进行聚类来提取人群整体所包含的生活模式后，对各人符合哪个生活模式进行分类。专利技术效果根据本专利技术所涉及的行动属性分析装置，能够在场所或时间等多样的观点上总括且高效地分析用户的行动的倾向或特征。附图说明图1是实施方式一所涉及的行动属性分析装置1的结构图。图2是表示行动属性分析装置1的硬件结构的图。图3是表示IC卡利用履历103的数据结构的图。图4是表示信用卡利用履历104的数据结构的图。图5是表示场景列表105的数据结构的图。图6是表示事件列表106的数据结构的图。图7是表示场景矢量表107的数据结构的图。图8是表示目标场景矢量表205的数据结构的图。图9是表示生活模式表206的数据结构的图。图10是表示用户信息209的数据结构的图。图11是表示场所信息210的数据结构的图。图12是表示日历信息211的数据结构的图。图13是表示特征矢量表305的数据结构的图。图14是表示簇表306的数据结构的图。图15是表示提取条件207的一例的图。图16是表示提取参数208的一例的图。图17是表示分析条件307的一例的图。图18是表示分析参数308的一例的图。图19是表示实施方式一中的行动属性分析装置1的处理步骤的流程图。图20是表示步骤S10的处理步骤的流程图。图21是表示步骤S20的处理步骤的流程图。图22是表示步骤S30的处理步骤的流程图。图23是说明行动属性分析装置1的场景提取规则以及表示场景的数值的图。图24是表示场景提取部101实施的步骤S101的详细的处理步骤的流程图。图25是表示生活模式提取条件设定部201实施的步骤S201的详细的处理步骤的流程图。图26是表示生活模式提取条件设定部201显示的生活模式提取条件设定画面的一例的图。图27是表示生活模式提取条件设定部201显示的加权设定画面的一例的图。图28是表示生活模式提取条件设定部201显示的属性追加设定画面的一例的图。图29是表示生活模式提取条件设定部201显示的参数设定画面的一例的图。图30是表示显示所提取的生活模式的画面的一例的图。图31是表示簇分析条件设定部301实施的步骤S301的详细的处理步骤的流程图。图32是表示簇分析条件设定部301在步骤S301中显示的生活模式簇分析条件设定画面的一例的图。图33是表示在点击了提取条件显示按钮301112时显示的生活模式提取条件显示画面的一例的图。图34是表示在点击了参数设定指示按钮301131时显示的参数设定画面的一例的图。图35是表示特征矢量生成部302实施的步骤S302的详细的处理步骤的流程图。图36是表示簇显示部304部显示簇的画面的一例的图。图37是表示详细分析的画面的一例的图。图38是表示详细分析的画面的一例的图。图39是表示饼图显示的一例的图。图40是表示矩阵显示的一例的图。图41是实施方式二所涉及的行动属性分析装置1的结构图。图42是表示模式矢量表405的数据结构的图。图43是表示期间生活模式表406的数据结构的图。图44是表示提取条件407的一例的图。图45是表示提取参数408的一例的图。图46是表示实施方式二中的行动属性分析装置1的处理步骤的流程图。图47是表示期间生活模式提取部40的处理步骤的流程图。图48是表示模式提取条件设定部401中的期间生活模式提取条件设定画面的一例的图。图49是表示在点击本文档来自技高网...

【技术保护点】
一种行动属性分析装置，其特征在于，具备：场景提取部，从记录了人群的行动履历的履历数据中，提取属于所述人群的人物行动的场景；场景矢量生成部，将所述场景提取部所提取的场景的每个人的变迁作为场景矢量来表现，并将记述了所述场景矢量的场景矢量数据存储至存储装置，所述场景矢量具有1日的时间段作为要素序号，且具有表示与所述时间段对应的场景的值作为与所述要素序号对应的要素值；生活模式提取部，通过对所述场景矢量进行聚类来提取所述场景的变迁模式，从而将所述变迁模式提取为所述人群内包含的生活模式；以及生活模式分析部，根据在所述履历数据之中所述生活模式与分析对象相关联地出现的频度，对所述分析对象赋予特征并对所述分析对象进行聚类。

【技术特征摘要】
【国外来华专利技术】2011.12.22 JP 2011-2820151.一种行动属性分析装置，其特征在于，具备：场景提取部，从记录了人群的行动履历的履历数据中，提取属于所述人群的人物行动的场景；场景矢量生成部，将所述场景提取部所提取的场景的每个人的变迁作为场景矢量来表现，并将记述了所述场景矢量的场景矢量数据存储至存储装置，所述场景矢量具有1日的时间段作为要素序号，且具有表示与所述时间段对应的场景的值作为与所述要素序号对应的要素值；生活模式提取部，通过对所述场景矢量进行聚类来提取所述场景的变迁模式，从而将所述变迁模式提取为所述人群内包含的生活模式；以及生活模式分析部，根据在所述履历数据之中所述生活模式与分析对象相关联地出现的频度，对所述分析对象赋予特征并对所述分析对象进行聚类。2.如权利要求1所述的行动属性分析装置，其特征在于，所述场景提取部基于所述履历数据所记述的所述行动履历的发生场所、发生时间段以及持续时间，推定所述行动履历的目的，从而从所述履历数据中提取与所述目的对应的场景。3.如权利要求2所述的行动属性分析装置，其特征在于，所述场景提取部为：在所述履历数据表示在车站的检票口进站的情况下，若该进站是1日之中的最初的进站，则将该进站的紧前的所述行动履历提取为表示该人物在自家的场景，若该进站不是1日之中的最初的进站，则将该进站的紧前的所述行动履历提取为表示所述人物在外出的场景，在提取表示所述人物在外出的场景的情况下，在该进站的紧前的所述行动履历表示在平日以规定时间以上在相同的场所停留的情况下，提取为表示所述人物在工作的场景，在该进站的紧前的所述行动履历表示在平日以外以规定时间以上在相同的场所停留的情况下，提取为表示所述人物在外出游玩的场景。4.如权利要求1所述的行动属性分析装置，其特征在于，所述场景矢量生成部在将能够作为表示所述场景的值使用的值分配为所述场景矢量的要素值时，以场景间的矢量空间上的距离成为与场景的出现频度或意义相应的大小的方式，实施所述分配。5.如权利要求1所述的行动属性分析装置，其特征在于，所述生活模式提取部在接受到应提取包含特定的场景的生活模式之意的指定时，仅从所述场景矢量之中的包含该场景的场景矢量中提取所述生活模式。6.如权利要求1所述的行动属性分析装置，其特征在于，所述生活模式提取部在接受到应提取适于特定的分析目的的所述生活模式之意的指定时，将所述场景矢量的要素之中的与该分析目的相符的部分的要素值，变换为与属于相同的所述生活模式的其他所述场景矢量的要素值不同的值。7.如权利要求6所述的行动属性分析装置，其特征在于，所述生活模式提取部将所述变换后...

【专利技术属性】
技术研发人员：相园敏子，铃木敬，
申请(专利权)人：株式会社日立制作所，
类型：发明
国别省市：日本;JP