本发明专利技术提供了信息处理装置、信息处理方法和程序。提供了一种装置，该装置包括信息处理装置，其包括：行为学习单元，该行为学习单元从用户的位置的时间序列数据以概率状态转变模型的形式学习表示用户的活动状态的活动模型，并且利用用户的活动模型找出与用户从事活动的位置相对应的状态节点；候选指派单元，该候选指派单元向状态节点指派与位置或时间有关的类别候选；以及显示单元，该显示单元向用户呈现类别候选。
【技术实现步骤摘要】
本公开涉及信息处理装置、信息处理方法和程序。
技术介绍
信息提供服务是用于向用户拥有的客户终端提供与位置信息或时区相联系的用户特定信息的服务。例如，现有的信息提供服务根据用户预先设定的区域和时区来提供铁路交通信息、公路交通信息、台风信息、地震信息、事件信息等等。另外，有一种服务，用于将用户与某个区域相关联地登记的信息在用户接近登记的区域时以提醒的形式通知给用户。
技术实现思路
在现有的信息提供服务中，为了接收与位置信息和时区相联系的用户特定信息， 期望用户预先登记区域和时区。例如，为了接收与用户使用的区域相联系的服务，例如铁路交通信息、公路交通信息、台风信息、地震信息、事件信息等等，用户必须通过从客户终端等等输入来登记自己的住宅或者用户频繁访问的区域。另外，如果希望与某些区域相关联地登记信息并且接收提醒，则用户必须针对每个要登记的区域进行操作，这是不方便的。另外，如果用户希望设定接收信息的时间，则用户必须通过从客户终端等等输入接收信息的时区来进行登记。因此，存在用户为了接收与位置信息和时区相联系的用户特定信息而必须得输入详细设定的问题。尤其，为了在多个时区中在多个区域接收信息，用户必须得执行大量操作，从而增大了用户的负担。JP 2009-159336A公开了一种技术，其利用隐式马尔可夫模型(HMM，hidden Markov model)预测用户的行进路线的拓扑以便监视用户的活动。其中记载了当在位置预测步骤中预测的当前位置在夜间的一定时间段和时间范围期间指示出相同的状态标签 (label)时，此技术将该状态标签识别为活动范围监视对象的住宅等等。然而，上述公开没有记载状态标签被呈现给用户并且向用户确认。在不向用户确认的情况下自动添加所有状态标签将包括不确定性，因此对于诸如铁路交通信息等等之类的不允许不提供的信息，变得难以确保信息提供的确定性。JP 4284351B公开了一种技术，其基于移动信息终端的操作历史来自动选择用于通知接收到了信息的通知形态(输出形式)，从而消除了预设通知形态的操作。此外，其记载了在一些情况下就通知形态的设定向用户确认。然而，JP 4284351B的目的是为了决定通知形态而进行确认。因此，其
不同于其中必须登记区域和时区的与位置信息和时区相联系的用户特定信息提供服务的
鉴于上述情况，希望提供一种新颖且改进的信息处理装置、信息处理方法和程序， 其能够利用用户的活动模型来找出与用户从事活动的位置相对应的状态节点并且在识别出用户的活动时能够容易地对状态节点设定类别。根据本公开的一个实施例，提供了一种信息处理装置，包括行为学习单元，该行为学习单元从用户的位置的时间序列数据以概率状态转变模型的形式学习表示用户的活动状态的活动模型，并且利用用户的活动模型找出与用户从事活动的位置相对应的状态节点；候选指派单元，该候选指派单元向状态节点指派与位置或时间有关的类别候选；以及显示单元，该显示单元向用户呈现类别候选。信息处理装置还可包括地图数据库，该地图数据库包括地图数据和与地图数据相关联的位置的属性信息；以及类别提取单元，该类别提取单元基于状态节点和地图数据库来提取类别候选。信息处理装置还可包括行为预测单元，该行为预测单元预测从状态节点能够采取的路线；标注单元，该标注单元向状态节点登记所述类别候选之中的至少一个类别候选作为标签；以及信息呈现单元，该信息呈现单元基于登记的标签来提供与预测的路线中包括的状态节点有关的信息。与状态节点有关的信息可以根据标签的属性来确定。根据本公开的另一实施例，提供了一种信息处理方法，包括从用户的位置的时间序列数据以概率状态转变模型的形式学习表示用户的活动状态的活动模型，并且利用用户的活动模型找出与用户从事活动的位置相对应的状态节点；向状态节点指派与位置或时间有关的类别候选；以及向用户呈现类别候选。根据本公开的另一实施例，提供了一种程序，用于使得计算机执行从用户的位置的时间序列数据以概率状态转变模型的形式学习表示用户的活动状态的活动模型，并且利用用户的活动模型找出与用户从事活动的位置相对应的状态节点；向状态节点指派与位置或时间有关的类别候选；以及向用户呈现类别候选。根据上述本公开的实施例，可以利用用户的活动模型找出与用户从事活动的位置相对应的状态节点，并且可以在识别出用户的活动时很容易地向状态节点设定类别。附图说明图1是示出根据本公开的实施例的预测系统的配置示例的框图；图2是示出预测系统的硬件配置示例的框图；图3是示出要被输入到预测系统中的时间序列数据的示例的示图；图4是示出HMM的示例的示图；图5是示出用于语音识别的HMM的示例的示图；图6是示出被赋予稀疏限制(sparse restriction)的HMM的示例的示图；图7是示出行为预测单元搜索路线的处理的示例的示图；图8是示出用户活动模型学习处理的流程图；图9是示出图1中的行为学习单元的第一配置示例的框图；图10是示出图1中的行为学习单元的第二配置示例的框图；图11是示出与图9中的行为状态识别单元相对应的学习设备的第一配置示例的框图；图12示出了行为状态的分类示例；图13是说明图11中的行为状态标注单元的处理示例的示图；图14是说明图11中的行为状态标注单元的处理示例的示图15是示出图11中的行为状态学习单元的配置示例的框图；图16是示出图11中的行为状态学习单元的学习结果的示图；图17是示出与图11中的行为状态学习单元相对应的行为状态识别单元的配置示例的框图；图18是示出与图9中的行为状态识别单元相对应的学习设备的第二配置示例的框图；图19是说明行为状态标注单元的处理示例的示图；图20是示出图20中的行为状态学习单元的学习结果的示图；图21是示出与图20中的行为状态学习单元相对应的行为状态识别单元的配置示例的框图；图22是示出目的地到达时间预测处理的流程图；图23是示出目的地到达时间预测处理的流程图；图M是示出图10中的预测系统的处理结果的示例的示图；图25是示出图10中的预测系统的处理结果的示例的示图；图沈是示出图10中的预测系统的处理结果的示例的示图；图27是示出图10中的预测系统的处理结果的示例的示图；图观是示出用于创建行为样式(pattern)表格的处理的流程的说明图；图四是示出行为模式的分类的说明图；图30是示出行为样式表格的说明图；图31是示出用于路线预测的处理的流程的说明图；图32是示出从行为样式表格指派候选的流程的说明图；图33是示出向用户呈现位置登记的示例的说明图；图34是示出用于位置登记的画面的示例的说明图；图35是示出在决定候选之后的修正行为样式表格的说明图；图36是示出被登记为非对象目的地的修正行为样式表格的说明图；图37是示出利用修正行为样式表格的预测处理的流程的说明图；图38是示出预测的目的地和呈现的信息的组合示例的说明图；图39是示出利用行为样式表格的预测的路线和呈现的信息的示例的说明图；图40是示出利用修正行为样式表格的预测的路线和呈现的信息的示例的说明图；图41是示出根据本公开的实施例的信息呈现系统的框图；图42是示出根据本公开的实施例的信息呈现系统的处理的流程图；并且图43是示出本公开所应用的计算机的实施例的配置示例的框图。具体实施例方式下面，将参考附图详本文档来自技高网...
【技术保护点】
１．一种信息处理装置，包括：行为学习单元，该行为学习单元从用户的位置的时间序列数据以概率状态转变模型的形式学习表示用户的活动状态的活动模型，并且利用用户的活动模型找出与用户从事活动的位置相对应的状态节点；候选指派单元，该候选指派单元向所述状态节点指派与位置或时间有关的类别候选；以及显示单元，该显示单元向用户呈现所述类别候选。
【技术特征摘要】
...
【专利技术属性】
技术研发人员：阿部真一郎，臼居隆志，高田昌幸，
申请(专利权)人：索尼公司，
类型：发明
国别省市：JP
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。