数据处理设备、数据处理方法以及程序技术

本发明专利技术涉及一种即使当实时获取的当前位置数据存在有缺失数据时也能够进行预测的数据处理设备、数据处理方法以及程序。学习主处理单元（23）将作为用于学习的数据的移动历史数据表示为表示用户的活动的概率模型，并且导出该概率模型的参数。预测主处理单元（33）使用通过学习获取的概率模型根据实时获取的移动历史数据来估计用户的当前位置。如果实时获取的移动历史数据中缺失了一部分数据，那么预测主处理单元（33）通过插值处理来生成缺失的数据部分，并且估计与经插值的预测数据对应的状态节点序列。在对状态节点序列进行估计时，针对插值数据，使用与实际数据相比数据的贡献更小的观测概率。本发明专利技术可应用于根据移动历史数据来预测目的地的数据处理设备。

【技术实现步骤摘要】
【国外来华专利技术】
本专利技术涉及数据处理设备、数据处理方法以及程序，并且具体地涉及即使当实时获取的当前位置的数据中存在间断时也能使预测进行的数据处理设备、数据处理方法以及程序。
技术介绍
近年来，已经积极地进行以下研究:使用从作为可以被用户佩戴的传感器即可佩戴式传感器获取的时间序列数据对用户的状态进行建模和学习，并且使用通过学习获取的模型来识别用户的当前状态(见PTLl和PTL2以及NPLl)。如日本专利申请第2009-180780号(在下文中，称为在先申请I)所述，本申请人之前提出了用于随机预测用户在将来的预定时间点的活动状态的多个概率的方法。利用根据在先申请I的方法，根据时间序列数据来学习用户的活动状态作为概率状态转移模型，并且使用学习到的概率状态转移模型来识别当前的活动状态，并且因此，可以概率性地预测用户“在预定的时间之后”的活动状态。在在先申请I的情况下，将对用户“在预定的时间之后”的活动状态进行预测的示例作为例子示出，其中使用概率状态转移模型来识别用户的当前位置，在该概率状态转移模型中，学习了用户的移动历史时间序列数据(移动历史数据)以预测用户在预定的时间之后的目的地(地点)。此外，如日本专利申请第2009-208064号(在下文中，称为在先申请2)所述，本申请人在在先申请I上有所发展并且提出了用于即使在不存在用作为“在预定的时间之后”的从当前时间点经过的时间的说明的情况下预测多个目的地的到达概率、路线以及时间的方法。利用根据在先申请2的方法，将“移动状态”或者“停留状态”的属性添加至组成概率状态转移模型的状态节点。可以通过在组成概率状态转移模型的状态节点中搜索处于“停留状态”的状态节点作为用于目的地的状态节点来自动检测候选目的地。 如日本专利申请第2010-141946号(在下文中，称为在先申请3)所述，当添加新的移动路线的移动历史数据时，本申请人使得根据在先申请2的学习模型(概率状态转移模型)能够被发展，由此使得有效地学习。引文列表专利文献PTLl:日本未审查专利申请公开第2006-134080号PTL2:日本未审查专利申请公开第2008-204040号非专利文献NPLl:^Life Patterns: structure from wearable sensors'Brian PatrickClarkson, Doctor Thesis, MIT, 200
技术实现思路
技术问题然而，利用根据在先申请3的方法，基于要被实时获取的当前移动历史数据，在估计当前值(当前状态)之后对目的地进行预测，但是在无法获取当前位置的数据的情况下，无法估计当前状态，并且也无法进行对目的地的预测。根据这种情况作出了本专利技术，使得即使当实时获取的当前位置的数据中存在间断时也能够进行预测。问题解决一种根据本专利技术的一个方面的数据处理设备，包括:学习装置，被配置成在要被获取作为用于学习的数据的用户的移动历史数据被表示为表示所述用户的活动的概率模型的情况下获取概率模型的参数；目的地和路线点估计装置，被配置成估计在使用通过所述学习装置获取的所述参数的所述概率模型的状态节点中的与移动目的地和路线点等效的目的地节点和路线点节占.预测数据生成装置，被配置成:获取在从现在起的预定时间段内的与所述用于学习的数据不同的所述用户的移动历史数据作为用于预测的数据；以及在所获取的所述用于预测的数据中包括有数据缺失部分的情况下，通过插值处理来生成所述用于预测的数据中的所述数据缺失部分，并且计算与通过所述插值处理所生成的插值数据对应的实际数据的虚拟误差；当前点估计装置，被配置成:将其所述数据缺失部分已被插值的所述用于预测的数据输入给使用通过学习获取的所述参数的所述概率模型；以及在与其所述数据缺失部分已被插值的所述用于预测的数据对应的状态节点序列的估计中，使用针对所述插值数据的所述虚拟误差，将与实际数据相比数据的贡献更小的观测概率作为所述状态节点的观测概率，来估计与所述用户的当前位置等效的当前点节点；搜索装置，被配置成使用与所估计的所述目的地节点和所述路线点节点以及所述当前点节点有关的信息、以及通过学习获取的所述概率模型来搜索从用户的当前位置到目的地的路线；以及计算装置，被配置成计算所搜索的目的地的到达概率和所需的时间。一种根据本专利技术的一个方面的数据处理方法，包括以下步骤:利用数据处理设备的被配置成对用户的移动历史数据进行处理的学习装置，在要被获取作为用于学习的数据的用户的移动历史数据被表示为表示所述用户的活动的概率模型的情况下获取概率模型的参数；利用所述数据处理设备的目的地和路线点估计装置，估计在使用通过所述学习装置获取的所述参数的所述概率模型的状态节点中的与移动目的地和路线点等效的目的地节点和路线点节点；利用所述数据处理设备的预测数据生成装置，获取在从现在起的预定时间段内的与所述用于学习的数据不同的所述用户的移动历史数据作为用于预测的数据；以及在所获取的所述用于预测的数据中包括有数据缺失部分的情况下，通过插值处理来生成所述用于预测的数据中的所述数据缺失部分，并且计算与通过所述插值处理所生成的插值数据对应的实际数据的虚拟误差；利用所述数据处理设备的当前点估计装置，将其所述数据缺失部分已被插值的所述用于预测的数据输入给使用通过学习获取的所述参数的所述概率模型；以及在与其所述数据缺失部分已被插值的所述用于预测的数据对应的状态节点序列的估计中，使用针对所述插值数据的所述虚拟误差，将与实际数据相比数据的贡献更小的观测概率作为所述状态节点的观测概率，来估计与所述用户的当前位置等效的当前点节点；利用所述数据处理设备的搜索装置，使用与所估计的所述目的地节点和所述路线点节点以及所述当前点节点有关的信息、以及通过学习获取的所述概率模型来搜索从用户的当前位置到目的地的路线；以及利用所述数据处理设备的计算装置，计算所搜索的目的地的到达概率和所需的时间。一种根据本专利技术的一个方面的程序，使计算机用作为:学习装置，被配置成在要被获取作为用于学习的数据的用户的移动历史数据被表示为表示所述用户的活动的概率模型的情况下获取概率模型的参数；目的地和路线点估计装置，被配置成估计在使用通过所述学习装置获取的所述参数的所述概率模型的状态节点中的与移动目的地和路线点等效的目的地节点和路线点节占.预测数据生成装置，被配置成:获取在从现在起的预定时间段内的与所述用于学习的数据不同的所述用户的移动历史数据作为用于预测的数据；以及在所获取的所述用于预测的数据中包括有数据缺失部分的情况下，通过插值处理来生成所述用于预测的数据中的所述数据缺失部分，并且计算与通过所述插值处理所生成的插值数据对应的实际数据的虚拟误差；当前点估计装置，被配置成:将其所述数据缺失部分已被插值的所述用于预测的数据输入给使用通过学习获取的所述参数的所述概率模型；以及在与其所述数据缺失部分已被插值的所述用于预测的数据对应的状态节点序列的估计中，使用针对所述插值数据的所述虚拟误差，将与实际数据相比数据的贡献更小的观测概率作为所述状态节点的观测概率，来估计与所述用户的当前位置等效的当前点节点；搜索装置，被配置成使用与所估计的所述目的地节点和所述路线点节点以及所述当前点节点有关的信息、以及通过学习获取的所述概率模型来搜索从所述用户的当前位置到本文档来自技高网...

【技术保护点】

【技术特征摘要】
【国外来华专利技术】...

【专利技术属性】
技术研发人员：井手直纪，伊藤真人，佐部浩太郎，
申请(专利权)人：索尼公司，
类型：
国别省市：