情報処理装置、情報処理方法、プログラムおよび情報処理システム
【課題】利用者によって携行される装置が適切な呼出動作を行うことを可能にする。
【解決手段】センサからの入力情報に対応する呼出動作を判定する判定部と、上記判定部による判定結果を用いて、上記センサを備える装置における電話、電子メール、インスタントメッセージ等の着信時の呼出動作を制御する制御部とを備え、予め学習された識別モデルを用いて、上記入力情報から識別される識別情報に対応する呼出動作を行う情報処理装置が提供される。
【解決手段】センサからの入力情報に対応する呼出動作を判定する判定部と、上記判定部による判定結果を用いて、上記センサを備える装置における電話、電子メール、インスタントメッセージ等の着信時の呼出動作を制御する制御部とを備え、予め学習された識別モデルを用いて、上記入力情報から識別される識別情報に対応する呼出動作を行う情報処理装置が提供される。
【発明の詳細な説明】
【技術分野】
【０００１】
本発明は、情報処理装置、情報処理方法、プログラムおよび情報処理システムに関する。
【背景技術】
【０００２】
近年、固定電話端末、携帯電話端末、ＰＣ（Personal Computer）のような様々な通信装置が広く普及している。これらの通信装置は、電話、電子メール、インスタントメッセージ等の着信に応じて呼出動作を行う。当該呼出動作は、例えば、着信音の発生、振動（バイブレーション）、画面上の表示の変更等である。
【０００３】
さらに、通信装置には呼出動作を設定する機能が通常備えられているため、利用者は、自身の状況に応じて適切な呼出動作を選択することができる。一例として、携帯電話端末の利用者は、通話できる状況であれば、着信音の発生を呼出動作として選択し、通話できない状況であれば、画面上の表示の変更を呼出動作として選択することができる。
【０００４】
また、利用者による操作なしに呼出動作を自動的に選択して設定する技術も存在する。例えば、特許文献１では、スクリーンセーバーの起動の有無、すなわちＰＣの不操作時間が所定の時間を超えるか否かに基づき、ＰＣ上で動作するソフトフォンの呼出動作を切り替える技術が開示されている。
【先行技術文献】
【特許文献】
【０００５】
【特許文献１】特開２００９−１３５７３９号公報
【発明の概要】
【発明が解決しようとする課題】
【０００６】
しかし、上記特許文献１の技術では、基本的に、通信装置がある場所に固定され、かつ当該場所に利用者がいる場合には当該通信装置を操作する、ということが前提となっている。すなわち、例えば携帯電話端末のように、利用者によって携行され、必要に応じて利用者により操作される通信装置では、当該技術が適用されたとしても、利用者の状況に応じた適切な呼出動作を自動的に選択できない。一例として、利用者は、会議中には通話することができないが、休憩中には通話することができる。しかし、利用者が会議中である場合と利用者が休憩中である場合とで、携帯電話端末の不操作時間の長さには違いが生じない場合もある。よって、不操作時間に着目する上記技術では、会議中には、画面上の表示の変更を呼出動作として自動的に選択し、休憩中には、着信音の発生を呼出動作として自動的に選択することもできない。
【０００７】
そこで、本発明は、利用者によって携行される装置が適切な呼出動作を行うことを可能にする、情報処理装置、情報処理方法、プログラムおよび情報処理システムを提供しようとするものである。
【課題を解決するための手段】
【０００８】
本発明によれば、センサからの入力情報に対応する呼出動作を判定する判定部と、上記判定部による判定結果を用いて、上記センサを備える装置における着信時の呼出動作を制御する制御部と、を備える情報処理装置が提供される。
【０００９】
上記判定部は、予め学習された識別モデルを用いて上記入力情報から識別される識別情報に対応する呼出動作を判定してもよい。
【００１０】
上記識別情報と、当該識別情報に対応する呼出動作を行う場合の予測応答パターンとを対応して記憶する記憶部と、上記センサからの第１の入力情報から第１の識別情報が識別される場合に、当該第１の識別情報に対応する呼出動作の結果観測される応答パターンと、上記第１の識別情報に対応して記憶される第１の予測応答パターンとが一致するか否かを検出する検出部と、をさらに備えてもよい。
【００１１】
観測される上記応答パターンと上記第１の予測応答パターンとの不一致が検出された場合に、上記第１の入力情報と、観測された上記応答パターンに該当する第２の予測応答パターンに対応して記憶される第２の識別情報との組合せを、上記識別モデルの再学習用データとして取得する取得部、をさらに備えてもよい。
【００１２】
上記第１の識別情報が識別された場合に、観測された上記応答パターンと上記第１の予測応答パターンとの不一致が検出された回数を、上記第１の識別情報についての不一致回数としてカウントするカウント部をさらに備え、上記取得部は、上記不一致回数が所定の回数に到達する場合に、上記第１の入力情報と上記第２の識別情報との組合せを上記再学習用データとして取得してもよい。
【００１３】
上記記憶部は、上記不一致回数が所定の回数に到達するまで、各検出についての上記第１の入力情報と観測された上記応答パターンとを記憶し、上記取得部は、上記所定の回数分の上記第１の入力情報と上記第２の識別情報との組合せを上記再学習用データとして取得してもよい。
【００１４】
上記記憶部は、上記識別情報と、当該識別情報が識別される場合における上記装置の利用者の予測割込み拒否度とを対応して記憶し、上記検出部は、上記第１の識別情報が識別される場合に、上記装置の利用者の推定される割込み拒否度と、上記第１の識別情報に対応して記憶される第１の予測割込み拒否度とが一致するか否かを検出してもよい。
【００１５】
観測される上記応答パターンと上記第１の予測応答パターンとの不一致が検出され、かつ推定される上記割込み拒否度と上記第１の予測割込み拒否度との一致が検出された場合に、上記第１の入力情報と、観測された上記応答パターンに該当する第２の予測応答パターンに対応して記憶される第２の識別情報との組合せを、上記識別モデルの再学習用データとして取得する取得部、をさらに備えてもよい。
【００１６】
推定される上記割込み拒否度は、上記装置に関連付けられる所定の機器の使用状況から推定されてもよい。
【００１７】
上記応答パターンは、選択される応答手段または呼出動作の開始時点から応答までの時間を含んでもよい。
【００１８】
上記応答手段は、上記着信が通話のための着信である場合に、通話、通話拒否、保留、または留守番電話への録音を含んでもよい。
【００１９】
上記判定部は、上記入力情報と上記装置の利用者の推定される割込み拒否度とに対応する呼出動作を判定してもよい。
【００２０】
上記センサは、当該センサに近接する物質の種類に応じた入力情報を取得し、上記識別情報は、物質の種類に対応する情報であってもよい。
【００２１】
上記呼出動作は、着信音の発生、振動、または画面上の表示の変更を含んでもよい。
【００２２】
また、本発明によれば、センサからの入力情報に対応する呼出動作を判定するステップと、上記判定部による判定結果を用いて、上記センサを備える装置における着信時の呼出動作を制御するステップと、を含む情報処理方法が提供される。
【００２３】
また、本発明によれば、コンピュータを、センサからの入力情報に対応する呼出動作を判定する判定部と、上記判定部による判定結果を用いて、上記センサを備える装置における着信時の呼出動作を制御する制御部と、として機能させるためのプログラムが提供される。
【００２４】
また、本発明によれば、情報処理装置および関連機器を含む情報処理システムであって、上記情報処理装置は、予め学習された識別モデルを用いてセンサからの入力情報から識別される識別情報に対応する呼出動作を判定する判定部と、上記判定部による判定結果を用いて、上記センサを備える装置における着信時の呼出動作を制御する制御部と、上記識別情報と、当該識別情報に対応する呼出動作を行う場合の予測応答パターンとを対応して記憶する記憶部と、上記センサからの第１の入力情報から第１の識別情報が識別される場合に、当該第１の識別情報に対応する呼出動作の結果観測される応答パターンと、上記第１の識別情報に対応して記憶される第１の予測応答パターンとが一致するか否かを検出する検出部と、を備え、上記関連機器は、上記装置の利用者の割込み拒否度を推定し、上記記憶部は、上記識別情報と、当該識別情報が識別される場合における上記装置の利用者の予測割込み拒否度とを対応して記憶し、上記検出部は、上記第１の識別情報が識別される場合に、上記装置の利用者の推定される割込み拒否度と、上記第１の識別情報に対応して記憶される第１の予測割込み拒否度とが一致するか否かを検出する、情報処理システムが提供される。
【発明の効果】
【００２５】
以上説明したように本発明に係る情報処理装置、情報処理方法、プログラムおよび情報処理システムによれば、利用者によって携行される装置が適切な呼出動作を行うことが可能となる。
【図面の簡単な説明】
【００２６】
【図１】本実施形態に係る情報処理システムの概略的な構成の一例を示す説明図である。
【図２】第１の実施形態に係る着信側の利用者端末の構成の一例を示すブロック図である。
【図３】第１の実施形態に係る記憶部に記憶される参照テーブルの一例を説明する説明図である。
【図４】第１の実施形態に係る発信側の利用者端末の構成の一例を示すブロック図である。
【図５】第１の実施形態に係るにおける情報処理の概略的な流れの一例を示すフローチャートである。
【図６】第２の実施形態に係る着信側の利用者端末の構成の一例を示すブロック図である。
【図７】第２の実施形態に係る記憶部に記憶される参照テーブルの一例を説明する説明図である。
【図８】第２の実施形態に係るにおける情報処理の概略的な流れの一例を示すフローチャートである。
【図９】第３の実施形態に係る着信側の利用者端末の構成の一例を示すブロック図である。
【図１０】第３の実施形態に係る記憶部に記憶される参照テーブルの一例を説明する説明図である。
【図１１】第３の実施形態に係るにおける情報処理の概略的な流れの一例を示すフローチャートである。
【発明を実施するための形態】
【００２７】
以下に添付の図面を参照しながら、本発明の好適な実施の形態について詳細に説明する。なお、本明細書及び図面において、実質的に同一の機能構成を有する構成要素については、同一の符号を付することにより重複説明を省略する。
【００２８】
以下では、＜１．情報処理システムの概略的な構成＞、＜２．第１の実施形態＞、＜３．第２の実施形態＞、＜４．第３の実施形態＞という順序で本発明の実施形態を説明する。
【００２９】
＜１．情報処理システムの概略的な構成＞
まず、図１を参照して、本発明の実施形態に係る情報処理システム１の概略的な構成について説明する。図１は、本実施形態に係る情報処理システム１の概略的な構成の一例を示す説明図である。図１を参照すると、情報処理システム１は、着信側の利用者端末１００（以下、着信端末１００）、発信側の利用者端末２００（以下、発信端末２００）および関連機器３００を含む。本実施形態において、着信端末１００は情報処理装置の一例である。
【００３０】
（着信端末１００および発信端末２００）
着信端末１００は、利用者１０により利用される通信装置であり、発信端末２００は、利用者２０により利用される通信装置である。着信端末１００および発信端末２００は、例えば、スマートフォンまたは他の携帯電話端末である。着信端末１００および発信端末２００は、ネットワーク３０を介して互いに通信することができる。当該ネットワーク３０は、いずれかの方式の無線通信ネットワークを含み、着信端末１００および発信端末２００は、当該方式の無線通信機能を有する。当該方式は、例えば、ＩＥＥＥ８０２．１１ａ／ｂ／ｇ／ｎ等の無線ＬＡＮ（Local Area Network）方式であってもよく、または、ＷＣＤＭＡ（Wide-band Code Division Multiple Access）、ＷｉＭＡＸ（Worldwide Interoperability for Microwave Access）、ＬＴＥ（Long Term Evolution）、ＰＨＳ（Personal Handy-phone System）等のセルラー方式であってもよい。
【００３１】
また、発信端末２００は、上記無線通信機能を用いて、電話、電子メール、インスタントメッセージ等を発信する。また、着信端末１００は、上記無線通信機能を用いて、電話、電子メール、インスタントメッセージ等を着信する。そして、着信端末１００は、着信に応じて、呼出動作を制御する。すなわち、着信端末１００は、着信に応じて、例えば、着信音を発生させ、着信端末１００を振動させ、着信端末１００の画面上の表示を変更する。
【００３２】
また、着信端末１００は、利用者１０により様々な場所に携行される。図１を参照すると、ケースＡでは、利用者１０は、事務所の自席で作業している。この場合に、着信端末１００は、例えば、利用者１０の自席の机に置かれている。また、ケースＢでは、利用者１０は、ある場所から別の場所へ移動している。この場合に、着信端末１００は、例えば、利用者１０の服のポケットの中にある。さらに、ケースＣでは、利用者１０は、会議室で会議に参加している。この場合に、着信端末１００は、例えば、会議室にある机に置かれている。
【００３３】
（関連機器３００）
関連機器３００は、利用者１０により利用される機器である。関連機器３００は、例えば、利用者１０が利用するＰＣ（Personal Computer）である。また、関連機器３００は、着信端末１００に関連付けられている。例えば、関連機器３００に関する情報が、着信端末１００に登録され、または、着信端末１００に関する情報が、関連機器３００に登録される。
【００３４】
また、関連機器３００は、自装置が備える通信機能により、着信端末１００と通信する。当該通信機能は、例えば、Ｂｌｕｅｔｏｏｔｈ、ＺｉｇＢｅｅ、ＩｒＤＡ等の近距離型無線通信方式の通信機能である。着信端末１００は、関連機器３００との通信において、自装置に登録された関連機器３００に関する情報を参照し、または自装置を登録する関連機器３００から自装置宛の情報を送信されることにより、関連機器３００が自装置に関連付けられていることを知ることができる。
【００３５】
以上、図１を参照して本発明の実施形態に係る情報処理システム１の構成の一例を説明したが、情報処理システム１の構成は上述した例に限られない。
【００３６】
例えば、着信端末１００は、スマートフォンまたは他の携帯電話端末に限られない。電話、電子メール、インスタントメッセージ等の着信に応じて呼出動作を行い、利用者により携行される任意の通信装置であってもよい。例えば、着信端末は、ノート型ＰＣ（Personal Computer）、携帯情報端末（Personal Digital Assistant）、電子書籍端末、ゲーム機器、音楽プレーヤ等であってもよい。
【００３７】
また、発信端末２００も、スマートフォンまたは他の携帯電話端末に限られない。電話、電子メール、インスタントメッセージ等の発信を行う任意の通信装置であってもよい。
【００３８】
また、関連機器は、近距離型無線通信方式の通信機能の代わりに、無線ＬＡＮのような近接型以外の方式の通信機能により、着信端末１００と通信してもよい。
【００３９】
本実施形態では、着信時の利用者１０の状況に応じた適切な呼出動作を着信端末１００が行う。以降、＜２．第１の実施形態＞、＜３．第２の実施形態＞および＜４．第３の実施形態＞において、その具体的な内容を説明する。
【００４０】
＜２．第１の実施形態＞
まず、本発明の第１の実施形態を説明する。本発明の第１の実施形態によれば、着信端末１００に備えられるセンサからの入力情報を利用して、着信時の利用者１０の状況に応じた適切な呼出動作を着信端末１００に行わせる。
【００４１】
以下では、第１の実施形態を＜２−１．着信側の利用者端末の構成＞、＜２−２．発信側の利用者端末の構成＞、＜２−３．処理の流れ＞という順序で説明する。
【００４２】
＜２−１．着信側の利用者端末の構成＞
図２および図３を参照して、第１の実施形態に係る着信端末１００−１の構成について説明する。図２は、第１の実施形態に係る着信端末１００−１の構成の一例を示すブロック図である。図２を参照すると、着信端末１００−１は、センサ１１０、識別部１２０、記憶部１３０、呼出制御部１４０、通信部１５０、呼出出力部１６０、応答入力部１７０、音声処理部１８１、音声入力部１８３、音声出力部１８５および音声保存部１８７を備える。ここで、呼出制御部１４０は、判定部および制御部の一例である。
【００４３】
（センサ１１０）
センサ１１０は、着信端末１００−１の環境に応じた入力情報を取得する。センサ１１０は、例えば、フォトレジスタ、光−周波数変換器（light-to-frequency converter）等の光学式センサである。センサ１１０は、１つのセンサのみに限られず、複数のセンサであってもよい。例えば、センサ１１０は、フォトレジスタおよび光−周波数変換器であってもよい。
【００４４】
一例として、センサ１１０は、センサ１１０に近接する物質の種類に応じた入力情報を取得する。物質の種類によって光の反射特性が異なることを利用すると、センサ１１０は、上記のような光学式センサである場合に、物質の種類に応じた入力情報を取得できる。図１を参照すると、ケースＡの「自席の机」、ケースＢの「胸ポケット」、およびケースＣ「会議室の机」が、例えば、それぞれ「木」、「綿」および「ガラス」で作成されている。この場合に、着信端末１００−１が「自席の机」にあれば、センサ１１０は「木」に応じた入力信号を取得し、着信端末１００−１が「胸ポケット」にあれば、センサ１１０は「綿」に応じた入力信号を取得する。また、着信端末１００−１が「会議室の机」にあれば、センサ１１０は「ガラス」に応じた入力信号を取得する。
【００４５】
なお、センサ１１０が光学式センサである場合に、センサ１１０に十分な光が届かない可能性を考慮して、センサ１１０の近傍に１つ以上の発光器が備えられてもよい。例えば、センサ１１０と併せて、１つ以上の発行ダイオード（以下、ＬＥＤ）が備えられてもよい。
【００４６】
（識別部１２０）
識別部１２０は、予め学習された識別モデルを用いて、センサ１１０からの入力情報から識別情報を識別する。当該識別情報は、例えば、利用者１０の状況を直接的または間接的に示す情報である。一例として、識別情報は、「自席の机」、「胸ポケット」、「会議室の机」等の、着信端末１００−１の位置である。そして、これらの識別情報は、それぞれ「利用者１０は自席にいる」、「利用者１０は移動中である」、「利用者１０は会議に参加している」ということを間接的に示す。
【００４７】
また、上記識別モデルは、センサ１１０からの未知の入力情報を、予め定められた識別情報の候補のうちの適切な候補に分類するためのモデルである。当該識別モデルは、センサ１１０からの入力情報と当該入力情報に対応する理想的な識別情報との組合せを教師データとして予め学習される。当該識別モデルは、ＳＶＭ（Support Vector Machine）、ニューラルネットワーク等の任意の学習アルゴリズムにより学習される。
【００４８】
より具体的に、識別部１２０による識別手法の例を説明する。例えば、センサ１１０は、上記のように、センサ１１０に近接する物質の種類（「木」、「綿」および「ガラス」）に応じた入力情報を取得することができる。そこで、以下のような条件下で教師データ用の入力情報を取得し、当該入力情報と以下の理想的な識別情報との組合せである教師データを作成し、識別モデルを学習する。
【００４９】
【表１】
【００５０】
上記教師データにより学習された識別モデルによれば、「木」に応じた入力情報は、識別情報の候補である「自席の机」に分類される。同様に、「綿」に応じた入力情報は「胸ポケット」に、「ガラス」に応じた入力情報は「会議室の机」に分類される。よって、識別モデルの学習後、例えば、着信端末１００−１が自席の机にある場合に、センサ１１０は、「木」に応じた入力情報を取得し、識別部１２０は、当該入力情報が識別モデルにおいて「自席の机」に分類されることを確認できる。そのため、識別部１２０は、当該入力情報から「自席の机」を識別することができる。また、着信端末１００−１が胸ポケットにある場合、または着信端末１００−１が会議室の机にある場合にも、同様に、識別部１２０は、入力情報から「胸ポケット」または「会議室の机」を識別することができる。
【００５１】
このように、識別部１２０は、入力情報から、着信端末１００−１の位置を識別できる。なお、光学式センサを用いた物質の種類の識別手法は、文献「Harrison, Chris and Hudson, Scott E. Lightweight Material Detection for Placement-Aware Mobile Computing. In Proceedings of the 21st Annual ACM Symposium on User Interface Software and Technology. UIST ’08.
ACM, New York, NY, 279-282.」において詳細に記載されている。
【００５２】
以上のように、予め学習された識別モデルを用いた識別により、センサ１１０からの入力情報から、利用者１０の状況を直接的または間接的に示す情報を得ることができる。
【００５３】
（記憶部１３０）
記憶部１３０は、着信端末１００−１において一時的にまたは恒久的に保持すべき情報を記憶する。より具体的には、記憶部１３０は、例えば、識別部１２０により識別される識別情報と、着信端末１００−１による着信時の呼出動作を示す情報とを対応して記憶する。以下、この点について図３を参照してより具体的に説明する。
【００５４】
図３は、第１の実施形態に係る記憶部１３０に記憶される参照テーブル１３１の一例を説明する説明図である。図３を参照すると、参照テーブル１３１は、識別情報および呼出動作情報を対応して記憶する。識別情報は、識別部１２０により識別される識別情報である。図３の例では、当該識別情報は、「自席の机」、「胸ポケット」および「会議室の机」のうちのいずれかである。また、呼出動作情報は、着信端末１００−１による着信時の呼出動作を示す情報である。図３の例では、呼出動作情報は、「着信音の発生」、「振動（バイブレーション）」、「画面上の表示の変更」のいずれかである。
【００５５】
上記参照テーブル１３１では、識別情報と呼出動作情報との対応関係によって、識別情報が識別された場合の適切な呼出動作が定められている。例えば、識別情報として「自席の机」が識別された場合の適切な呼出動作として、「着信音の発生」が定められている。
なぜならば、「着信端末１００−１が自席の机にあれば、利用者１０が自席にいるので、利用者１０が通話可能な状態にあり、かつ着信音を発生させても迷惑はかからない」と考えられるからである。また、識別情報として「胸ポケット」が識別された場合の適切な呼出動作として、「振動（バイブレーション）」が定められている。なぜならば、「着信端末１００−１が胸ポケットにあれば、利用者１０が移動中であるので、利用者１０が通話可能かは不明であり、かつ着信音の発生により迷惑がかかる可能性もある」と考えられるからである。また、識別情報として「会議室の机」が識別された場合の適切な呼出動作として、「画面上の表示の変更」が定められている。なぜならば、「着信端末１００−１が会議室の机にあれば、利用者１０は会議に参加しているので、利用者１０が通話不能な状態にあり、かつ着信音の発生や振動により迷惑がかかる」と考えられるからである。
【００５６】
このように、識別情報と呼出動作情報との間の適切な対応関係を定めることで、正しい識別情報を取得できれば、着信時の利用者１０の状況に応じた適切な呼出動作を判定することが可能になる。
【００５７】
また、記憶部１３０は、例えば、識別部１２０により用いられる識別モデルを記憶する。さらに、記憶部１３０は、当該識別モデルの学習用の教師データも記憶してもよい。
【００５８】
（呼出制御部１４０）
呼出制御部１４０は、センサ１１０からの入力情報に対応する呼出動作を判定する。換言すると、呼出制御部１４０は、予め学習された識別モデルを用いて上記入力情報から識別される識別情報に対応する呼出動作を判定する。より具体的には、呼出制御部１４０は、例えば、記憶部１３０の参照テーブル１３１を参照して、識別部１２０から取得した識別情報に対応する呼出動作情報を検索することにより、当該識別情報に対応する呼出動作を判定する。例えば、呼出制御部１４０は、「自席の机」という識別情報を取得すると、当該識別情報に対応する「着信音の発生」という呼出動作情報を検索する。そして、呼出制御部１４０は、識別情報に対応する呼出動作が「着信音の発生」であると判定する。
【００５９】
また、呼出制御部１４０は、呼出動作の判定結果を用いて、センサ１１０を備える装置における着信時の呼出動作を制御する。すなわち、呼出制御部１４０は、上記判定結果を用いて、着信端末１００−１の呼出動作を制御する。より具体的には、呼出制御部１４０は、例えば、判定された呼出動作を呼出出力部１６０に通知することにより、呼出出力部１６０に呼出動作を行わせる。
【００６０】
このような呼出動作の判定および制御により、センサからの入力情報または識別情報から、着信時の利用者１０の状況に応じた適切な呼出動作を着信端末１００−１に行わせることが可能になる。その結果、利用者１０は、自身の状況に応じて着信端末１００−１の呼出動作を選択する手間を省くことができる。また、利用者１０が自身の状況に応じて呼出動作を選択し忘れることにより不適切な呼出動作が行われることを回避することができる。
【００６１】
なお、上記呼出動作は、例えば着信音の発生、振動、または画面上の表示の変更を含むが、これらに限定されず任意の呼出動作であってもよい。また、上記呼出動作は、着信音の発生と振動との組合せのように、複数の呼出動作の組合せであってもよい。
【００６２】
（通信部１５０）
通信部１５０は、他の通信装置と通信する。より具体的には、通信部１５０は、例えば、ネットワーク３０を介して発信端末２００と通信する。
【００６３】
例えば、通信部１５０は、発信端末２００からの電話、電子メール、インスタントメッセージ等を着信すると、着信があったことを呼出出力部１６０および応答入力部１７０に通知する。
【００６４】
また、通信部１５０は、着信があった場合に、応答入力部１７０からの着信への応答手段を通知されると、当該応答手段に応じた制御を行う。例えば、当該着信が通話のための着信である場合に、応答手段が「通話」であったとすると、通信部１５０は、発信端末２００に応答信号を送信し、発信端末２００とのセッションを確立する。また、応答手段が「通話拒否」であったとすると、通信部１５０は、通話拒否を通知する信号を発信端末２００に送信する。また、応答手段が「保留」であったとすると、保留中であることを通知する信号を発信端末２００に送信する。また、応答手段が「留守番電話」であったとすると、通信部１５０は、「通話」と同様の動作を行った上で、留守番電話メッセージの入力を通知する信号を発信端末２００に送信する。また、通信部１５０は、受信する音声データを音声保存部１８７に出力するように音声処理部１８１に指示する。
【００６５】
また、通信部１５０は、発信端末２００へデータを送信し、発信端末２００からデータを受信する。例えば、電話における音声データの送受信であれば、通信部１５０は、発信端末２００から受信した音声データを音声処理部１８１へ出力し、音声処理部１８１により入力された音声データを発信端末２００へ送信する。なお、通信部１５０は、必要に応じて、送信すべきデータをパケットに分解し、受信したパケットを組立てる。
【００６６】
（呼出出力部１６０）
呼出出力部１６０は、着信端末１００−１における着信時の呼出動作を行う。より具体的には、呼出出力部１６０は、着信があったことを通信部１５０から通知されると、呼出制御部１４０により判定された呼出動作を行う。呼出出力部１６０は、例えば、着信音を発生させ、着信端末１００−１を振動させ、または着信端末１００−１の画面上の表示を変更する。
【００６７】
（応答入力部１７０）
応答入力部１７０は、着信時に応答手段を選択する。より具体的には、応答入力部１７０は、例えば、着信端末１００−１への着信があった場合に、利用者１０の操作に応じて、複数の応答手段からいずれかの応答手段を選択する。そして、応答入力部１７０は、選択された応答手段を通信部１５０に通知する。上記応答手段は、例えば、着信が通話のための着信である場合に、通話、通話拒否、保留、または留守番電話への録音を含む。
【００６８】
（音声処理部１８１）
音声処理部１８１は、音声入力部１８３により入力される音声信号をアナログ／デジタル変換（Ａ／Ｄ変換）し、必要に応じて符号化する。そして、音声処理部１８１は、処理後の音声データを通信部１５０に出力する。
【００６９】
また、音声処理部１８１は、通信部１５０により入力された音声データを、必要に応じて復号し、音声データをデジタル／アナログ変換（Ｄ／Ａ変換）する。そして、音声処理部１８１は、処理後の音声信号を音声出力部１８５に出力する。なお、音声処理部１８１は、通信部１５０による制御に応じて、通信部１５０から入力された音声データを音声保存部１８７に出力してもよい。
【００７０】
（音声入力部１８３）
音声入力部１８３は、利用者１０により発せられた音声から音声信号を取得し、音声処理部１８１に出力する。音声入力部１８３は、例えば、マイクロフォンである。
【００７１】
（音声出力部１８５）
音声出力部１８５は、音声処理部１８１により入力された音声信号から音声を再生する。音声出力部１８５は、例えば、スピーカ、イヤフォン、またはヘッドフォンである。
【００７２】
（音声保存部１８７）
音声保存部１８７は、音声処理部１８１により入力された音声データを記憶する。
【００７３】
＜２−２．発信信側の利用者端末の構成＞
次に、図４を参照して、第１の実施形態に係る発信端末２００の構成について説明する。図４は、第１の実施形態に係る発信端末２００の構成の一例を示すブロック図である。図４を参照すると、発信端末２００は、音声入力部２１０、音声出力部２２０、音声処理部２３０、操作入力部２４０および通信部２５０を備える。
【００７４】
（音声入力部２１０）
音声入力部２１０は、利用者２０により発せられた音声から音声信号を取得し、音声処理部２３０に出力する。音声入力部１８３は、例えば、マイクロフォンである。
【００７５】
（音声出力部２２０）
音声出力部２２０は、音声処理部２３０により入力された音声信号から音声を再生する。音声出力部２２０は、例えば、スピーカ、イヤフォン、またはヘッドフォンである。
【００７６】
（音声処理部２３０）
音声処理部２３０は、音声入力部２１０により入力される音声信号をアナログ／デジタル変換（Ａ／Ｄ変換）し、必要に応じて符号化する。そして、音声処理部２３０は、処理後の音声データを通信部２５０に出力する。
【００７７】
また、音声処理部２３０は、通信部２５０により入力された音声データを、必要に応じて復号し、音声データをデジタル／アナログ変換（Ｄ／Ａ変換）する。そして、音声処理部２３０は、処理後の音声信号を音声出力部２２０に出力する。
【００７８】
（操作入力部２４０）
操作入力部２４０は、利用者２０の操作に応じた入力情報を取得する。より具体的には、操作入力部２４０は、例えば、利用者２０の操作に応じて電話番号や利用者ＩＤを発信先として取得し、当該電話番号や利用者ＩＤを発信先とする発信を通信部２５０に依頼する。
【００７９】
（通信部２５０）
通信部２５０は、他の通信装置と通信する。より具体的には、通信部２５０は、例えば、ネットワーク３０を介して着信端末１００と通信する。なお、通信部２５０も、着信端末１００−１の通信部１５０と同様に動作する。
【００８０】
＜２−３．処理の流れ＞
以下では、図５を参照して、第１の実施形態に係る情報処理の一例について説明する。図５は、第１の実施形態に係るにおける情報処理の概略的な流れの一例を示すフローチャートである。
【００８１】
まず、ステップＳ４０１で、着信端末１００−１の通信部１５０は、発信端末２００からの電話、電子メール、インスタントメッセージ等を着信し、着信があったことを呼出出力部１６０および応答入力部１７０に通知する。
【００８２】
次に、ステップＳ４０３で、センサ１１０は、着信端末１００−１の環境に応じた入力情報を取得する。次に、ステップＳ４０５で、識別部１２０は、予め学習された識別モデルを用いて、センサ１１０からの入力情報から識別情報を識別する。そして、ステップＳ４０７で、呼出制御部１４０は、センサ１１０からの入力情報に対応する呼出動作を判定する。
【００８３】
次に、ステップＳ４０９で、呼出制御部１４０は、呼出動作の判定結果を用いて、着信端末１００−１における着信時の呼出動作を制御する。そして、呼出出力部１６０は、着信端末１００−１における着信時の呼出動作を行う。そして、処理は終了する。
【００８４】
以上、第１の実施形態について説明したが、当該第１の実施形態によれば、着信端末１００に備えられるセンサからの入力情報を利用して、着信時の利用者１０の状況に応じた適切な呼出動作を着信端末１００−１が行うことが可能になる。
【００８５】
＜３．第２の実施形態＞
上記第１の実施形態では、センサ１１０からの入力情報を用いて、利用者１０の状況に応じた呼出動作を選択した。しかし、センサ１１０は、ハードウェアの故障、汚れ等により恒常的に誤った値を出力する可能性がある。この場合に、センサからの入力情報から望ましくない識別情報（例えば、着信端末１００−１の位置）が識別され、当該識別情報に応じた不適切な呼出動作が選択される。そこで、第２の実施形態では、着信端末１１０−２における呼出動作への利用者１０の応答パターンを利用して、センサ１１０からの入力情報と識別情報との対応関係を検証し、当該対応関係が不適切である場合に、識別モデルの再学習を行う。
【００８６】
以下では、第２の実施形態を＜３−１．着信側の利用者端末の構成＞、＜３−２．処理の流れ＞という順序で説明する。
【００８７】
＜３−１．着信側の利用者端末の構成＞
図６および図７を参照して、第２の実施形態に係る着信端末１００−２の構成について説明する。図６は、第２の実施形態に係る着信端末１００−２の構成の一例を示すブロック図である。図６を参照すると、着信端末１００−２は、センサ１１０、識別部１２０、記憶部１３３、呼出制御部１４０、通信部１５０、呼出出力部１６０、応答入力部１７３、音声処理部１８１、音声入力部１８３、音声出力部１８５、音声保存部１８７および検証学習部１９０を備える。ここで、検証学習部１９０は、検出部、取得部およびカウント部の一例である。
【００８８】
ここで、記憶部１３３、応答入力部１７３および検証学習部１９０以外の構成要素については、第１の実施形態との間に差異はない。よって、ここでは、新たに備えられる検証学習部１９０と、第１の実施形態の記憶部１３０および応答入力部１７０から一部変更された記憶部１３３および応答入力部１７３の変更部分とを説明する。
る。
【００８９】
（記憶部１３３）
記憶部１３３は、識別部１２０により識別される識別情報と、当該識別情報に対応する呼出動作を行う場合の予測応答パターンとを対応して記憶する。ここで、予測応答パターンは、例えば、選択すると予測される応答手段、または、呼出動作の開始時点から応答までの予測時間を含む。また、応答手段は、上記のとおり、例えば、着信が通話のための着信である場合に、通話、通話拒否、保留、または留守番電話への録音を含む。以下、記憶部１３３のより具体的な内容について、図７を参照してより具体的に説明する。
【００９０】
図７は、第２の実施形態に係る記憶部１３３に記憶される参照テーブル１３５の一例を説明する説明図である。図７を参照すると、参照テーブル１３５は、識別情報、呼出動作情報、予測応答手段、予測応答時間および不一致回数を対応して記憶する。ここで、識別情報および呼出動作情報は、図３で説明された参照テーブル１３１の識別情報および呼出動作情報と同じである。
【００９１】
ここで、予測応答手段は、呼出動作情報に示される呼出動作が行われる場合に選択すると予測される応答手段である。図３の例では、当該予測応答手段は、「通話」、「保留」および「応答なし」のうちのいずれかである。「応答なし」は、利用者１０により応答手段が選択されないことを示す。
【００９２】
また、予測応答時間は、呼出動作情報に示される呼出動作が行われる場合の呼出動作の開始時点から応答までの予測時間である。図７の例では、当該予測応答時間は、「短」、「中」および「−」のいずれかである。図７の例には記載されていないが、予測応答時間は、さらに「長」であってもよい。これらの「短」、「中」および「長」は、応答時間の長さの分類である。一例として、「短」は５秒未満を示し、「中」は５秒以上かつ２０秒未満を示し、「長」は２０秒以上を示してもよい。なお、「−」は、応答がなかったため応答時間もないことを示す。
【００９３】
また、不一致回数は、ある識別情報が識別された場合に、実際に観測された応答手段または応答時間と、当該識別情報に対応する予測応答手段または予測応答時間との不一致が検出された回数である。当該不一致の検出については、検証学習部１９０に関連して後に説明する。
【００９４】
このように、識別情報と予測応答パターンとの対応関係を定めることで、実際の応答パターンと予測応答パターンとを比較することが可能になる。
【００９５】
（応答入力部１７３）
応答入力部１７３は、着信時の応答パターンを観測する。当該応答パターンは、例えば、選択される応答手段または呼出動作の開始時点から応答までの時間を含む。例えば、電話の着信があり、呼出出力部１６０が着信音を発生させる場合に、利用者１０が１０秒後に保留を選択すれば、応答入力部１７３は、応答手段として「保留」を観測し、応答時間として「１０秒」を観測する。または、利用者１０が応答しなければ、応答入力部１７３は、例えば、応答手段として「応答なし」を観測し、応答時間を観測しない。そして、応答入力部１７３は、観測した応答パターンを検証学習部１９０に出力する。
【００９６】
（検証学習部１９０）
検証学習部１９０は、センサ１１０からの第１の入力情報から第１の識別情報が識別される場合に、当該第１の識別情報に対応する呼出動作の結果観測される応答パターンと、上記第１の識別情報に対応して記憶される第１の予測応答パターンとが一致するか否かを検出する。図７を参照して具体例を説明すると、センサ１１０からの入力情報から、識別部１２０により「自席の机」が識別情報として識別されると、参照テーブル１３５に示されるとおり、呼出出力部１６０は着信音を発生させる。そして、応答入力部１７３は、例えば、応答手段として「通話」を観測し、応答時間として「３秒」を観測する。この場合に、検証学習部１９０は、観測された応答手段である「通話」および観測された応答時間である「３秒」と、識別情報「着信音の発生」に対応する予測応答手段である「通話」および予測応答時間である「短（５秒未満）」とを比較する。そして、検証学習部１９０は、観測された応答手段および応答時間と、予測応答手段および予測応答時間との一致を検出する。すなわち、センサ１１０の入力情報からの識別情報の識別が正しかったと判断される。
【００９７】
図７を参照して別の具体例を説明する。上記具体例と同様に、センサ１１０からの入力情報から、識別部１２０により「自席の机」が識別情報として識別されると、参照テーブル１３５に示されるとおり、呼出出力部１６０は着信音を発生させる。ここで、応答入力部１７３は、例えば、応答手段として「保留」を観測し、応答時間として「１０秒」を観測する。この場合に、検証学習部１９０は、観測された応答手段である「保留」および観測された応答時間である「１０秒」と、識別情報「着信音の発生」に対応する予測応答手段である「通話」および予測応答時間である「短（５秒未満）」とを比較する。そして、検証学習部１９０は、観測された応答手段および応答時間と、予測応答手段および予測応答時間との不一致を検出する。すなわち、センサ１１０の入力情報からの識別情報の識別が正しくなかったと判断される。
【００９８】
このように実際に観測された応答パターンと予測応答パターンとが一致するか否かを検出することにより、識別情報と予測応答パターンとの適切な対応付けを前提として、センサ１１０の入力情報からの識別情報の識別の正しさを検証することができる。すなわち、センサ１１０のメンテナンスまたは識別モデルの再学習が必要であることを知ることができる。その結果、不適切な呼出動作が継続して選択されることを回避できる。
【００９９】
また、検証学習部１９０は、例えば、観測される上記応答パターンと上記第１の予測応答パターンとの不一致が検出された場合に、上記第１の入力情報と、観測された上記応答パターンに該当する第２の予測応答パターンに対応して記憶される第２の識別情報との組合せを、上記識別モデルの再学習用データとして取得する。図７を参照して具体例を説明する。例えば、上記のように、識別情報が「自席の机」である場合に、観測された応答手段および応答時間が「保留」および「１０秒」であったとすると、応答手段および応答時間と、予測応答手段（通話）および予測応答時間（短（５秒未満））との不一致が検出される。この場合に、検証学習部１９０は、観測された応答手段である「保留」および応答時間である「１０秒」の組合せに該当する予測応答手段および予測応答時間の組合せを、参照テーブル１３５から特定する。すなわち、検証学習部１９０は、予測応答時間および予測応答時間の組合せである「保留」および「中（５秒以上かつ２０秒未満）」を特定する。次に、検証学習部１９０は、「保留」および「中（５秒以上かつ２０秒未満）」の組合せに対応して、参照テーブル１３５に記憶される「胸ポケット」という識別情報を取得する。そして、検証学習部１９０は、この場合のセンサ１１０からの入力情報と、「胸ポケット」という識別情報との組合せを、識別モデルの再学習用の教師データとして取得する。
【０１００】
このように、センサ１１０からの入力情報と、予測応答パターンから導かれる理想的な識別情報とを教師データとして取得することで、識別情報と予測応答パターンとの適切な対応付けを前提として、信頼性の高い教師データを自動的に取得し続けることができる。よって、当該教師データを用いて再度学習することで、より信頼性の高い識別モデルを得られる。
【０１０１】
また、検証学習部１９０は、例えば、上記第１の識別情報が識別された場合に、観測された上記応答パターンと上記第１の予測応答パターンとの不一致が検出された回数を、上記第１の識別情報についての不一致回数としてカウントする。そして、検証学習部１９０は、上記不一致回数が所定の回数に到達する場合に、上記第１の入力情報と上記第２の識別情報との組合せを上記再学習用データとして取得する。
【０１０２】
図７を参照して具体例を説明する。上記のように、識別情報が「自席の机」である場合に、応答手段および応答時間と、予測応答手段および予測応答時間との不一致が検出される。この場合に、検証学習部１９０は、参照テーブル１３５の不一致回数を１だけ増加させる。そして、検証学習部１９０は、例えば、当該不一致回数が５回に到達する場合に、不一致が検出された際のセンサ１１０からの入力情報と、予測応答手段および予測応答時間から導かれる理想的な識別情報（例えば、「胸ポケット」）との組合せを、再学習用の教師データとして取得する。
【０１０３】
このような不一致回数を設けることで、識別モデルの信頼性が本当に低い場合にのみ、再学習を行うことができる。すなわち、偶然に不一致が検出された場合に、不適切な再学習が行われることを回避できる。
【０１０４】
また、検証学習部１９０は、上記不一致回数が所定の回数に到達するまで、各検出についての上記第１の入力情報と観測された上記応答パターンとを、記憶部１３３に記憶させる。そして、検証学習部１９０は、上記所定の回数分の上記第１の入力情報と上記第２の識別情報との組合せを上記再学習用データとして取得する。より具体的には、例えば、当該所定の回数が５回である場合に、検証学習部１９０は、不一致が検出される度に、センサ１１０からの入力情報および観測された応答パターンを記憶部１３３に記憶する。そして、不一致回数が５回に到達すると、５回分の入力情報および観測された応答パターンとから、５つの教師データを取得する。このように、不一致が検出される度に教師データを取得しない場合であっても、不一致回数に応じた教師データを得ることができる。なお、不一致回数は、不一致が検出された通算の回数であってもよい。または、不一致回数は、所定の時間若しくは所定の回数あたりに不一致が検出された回数、すなわち不一致回数の頻度であってもよい。
【０１０５】
また、検証学習部１９０は、取得した再学習用の教師データを用いて、識別モデルの再学習を行う。なお、検証学習部１９０は、教師データが得られる度に学習を行ってもよく、または所定の数の教師データを取得する度に、または所定の時間が経過する度に、再学習を行ってもよい。
【０１０６】
＜３−２．処理の流れ＞
以下では、図８を参照して、第２の実施形態に係る情報処理の一例について説明する。図８は、第２の実施形態に係るにおける情報処理の概略的な流れの一例を示すフローチャートである。なお、ここでは、第１の実施形態に係る情報処理の一例と第２の実施形態に係る情報処理の一例との差分であるステップＳ４１１〜Ｓ４２３のみを説明する。
【０１０７】
ステップＳ４１１で、応答入力部１７３は、応答時間の計測を開始する。そして、ステップＳ４１３で、応答入力部１７３は、着信時の応答パターンを観測する。
【０１０８】
次に、ステップＳ４１５で、検証学習部１９０は、観測された応答パターンと、識別された識別情報に対応して記憶される予測応答パターンとが一致するか否かを検出する。その結果、不一致が検出される場合には、処理はステップＳ４１７に進む。一方、一致が検出される場合には、処理は終了する。
【０１０９】
ステップＳ４１７で、検証学習部１９０は、識別された識別情報についての不一致回数を１だけ増加させる。そして、ステップＳ４１９で、検証学習部１９０は、不一致回数が所定の回数に到達したか否かを判定する。その結果、不一致回数が所定の回数に到達する場合に、処理はステップＳ４２１に進む。一方、不一致回数が所定の回数に到達しない場合に、処理は終了する。
【０１１０】
ステップＳ４２１で、検証学習部１９０は、センサからの入力情報と、観測された応答パターンに該当する予測応答パターンに対応して記憶される識別情報との組合せを、再学習用の教師データとして取得する。
【０１１１】
次に、ステップＳ４２３で、検証学習部１９０は、取得した再学習用の教師データを用いて、識別モデルの再学習を行う。そして、処理は終了する。
【０１１２】
以上、第２の実施形態について説明したが、当該第２の実施形態によれば、応答パターンを利用することで、センサ１１０の入力情報からの識別情報の識別の正しさを検証することができる。これにより、センサ１１０のメンテナンスまたは識別モデルの再学習が必要であることを知ることができる。さらに、教師データを自動的に取得し続けることができるので、当該教師データを用いて再度学習することで、より信頼性の高い識別モデルを得られる。
【０１１３】
＜４．第３の実施形態＞
上記第２の実施形態では、識別モデルの検証および再学習用の教師データの取得のために、応答パターンを利用した。しかし、利用者１０が突発的に忙しくなり、または利用者１０が偶然にも着信に応答できることに起因して、観測された応答パターンと予測応答パターンとが異なることもある。その場合に、センサ１１０の入力情報からの識別情報の識別が正しいにも関わらず、識別の誤りとして再学習用の教師データが取得される。その結果、不適切な教師データを用いた再学習により、識別モデルの信頼性が損なわれる可能性がある。そこで、第３の実施形態では、推定される利用者１０の割込み拒否度を関連機器３００から取得し、応答パターンに加えて当該割込み拒否度を利用することにより、不適切な教師データを用いた再学習を回避する。
【０１１４】
以下では、第３の実施形態を＜４−１．関連機器の構成＞、＜４−２．着信側の利用者端末の構成＞、＜４−３．処理の流れ＞という順序で説明する。
【０１１５】
＜４−１．関連機器の構成＞
関連機器３００は、利用者１０の割込み拒否度を推定する。当該割込み拒否度は、利用者１０が作業中に割り込まれることをどの程度拒否したいかを示す情報である。当該割込み拒否度は、例えば、「小」、「中」または「大」のように、複数の段階により表される。
【０１１６】
より具体的には、関連機器３００は、例えば、関連機器３００の使用状況から、利用者１０の割込み拒否度を推定する。一例として、関連機器３００は、キーボードの打鍵速度、マウスの操作量、ソフトウェアの切り替えのタイミング等から、割込み拒否度を推定する。例えば、キーボードの打鍵速度が速い場合、利用者１０は作業に集中していると考えられる。すなわち、利用者１０は割込みを拒否したいと考えられる。よって、この場合に、関連機器３００は、割込み拒否度を「大」と推定する。また、ソフトウェアが切り替えられた直後であれば、利用者１０はある作業から別の作業に切り替えたと考えられる。すなわち、利用者１０は割込みを許容すると考えられる。よって、この場合に、関連機器３００は、割込み拒否度を「小」と推定する。
【０１１７】
また、関連機器３００は、例えば、利用者１０の頭部運動の測定結果から、利用者１０の割込み拒否度を推定してもよい。一例として、関連機器３００は、利用者１０の頭部をカメラにより撮影し、当該カメラの映像を解析することにより、頭部運動を測定することができる。
【０１１８】
なお、割込み拒否度の推定手法は、文献「ＨＡＩシンポジウム２０１０ ３Ｂ−４ ユーザの割込み拒否度推定に基づくインタラクション仲介エージェント 田中貴紘 藤田欣也」においてより詳細に記載されている。
【０１１９】
そして、関連機器３００は、通信機能を用いて、推定される割込み拒否度を着信端末１００に送信する。
【０１２０】
＜４−２．着信側の利用者端末の構成＞
図９および図１０を参照して、第３の実施形態に係る着信端末１００−３の構成について説明する。図９は、第３の実施形態に係る着信端末１００−３の構成の一例を示すブロック図である。図９を参照すると、着信端末１００−３は、センサ１１０、識別部１２０、記憶部１３７、呼出制御部１４０、通信部１５３、呼出出力部１６０、応答入力部１７３、音声処理部１８１、音声入力部１８３、音声出力部１８５、音声保存部１８７および検証学習部１９３を備える。
【０１２１】
ここで、記憶部１３７、通信部１５３および検証学習部１９３以外の構成要素については、第２の実施形態との間に差異はない。よって、ここでは、第２の実施形態の記憶部１３３、通信部１５０および検証学習部１９０から一部変更された記憶部１３７、通信部１５３および検証学習部１９３の変更部分のみを説明する。
る。
【０１２２】
（記憶部１３７）
記憶部１３７は、識別部１２０により識別される識別情報と、当該識別情報が識別される場合における利用者１０の予測割込み拒否度とを対応して記憶する。ここで、予測割込み拒否度は、例えば、関連機器３００により推定されることが予測される割込み拒否度である。以下、記憶部１３７のより具体的な内容について、図１０を参照してより具体的に説明する。
【０１２３】
図１０は、第３の実施形態に係る記憶部１３７に記憶される参照テーブル１３９の一例を説明する説明図である。図１０を参照すると、参照テーブル１３９は、識別情報、呼出動作情報、予測応答手段、予測応答時間、予測割込み拒否度および不一致回数を対応して記憶する。ここで、予測割込み拒否度を除く、識別情報、呼出動作情報、予測応答手段、予測応答時間および不一致回数は、図７で説明された参照テーブル１３５のものと同じである。
【０１２４】
ここで、予測割込み拒否度は、対応する識別情報が識別される場合に関連機器３００により推定されることが予測される割込み拒否度である。図１０の例では、予測割込み拒否度は、「小」、「中」および「大」のうちのいずれかである。
【０１２５】
このように、識別情報と予測割込み拒否度との対応関係を定めることで、実際に推定される割込み拒否度と予測割込み拒否度とを比較することが可能になる。
【０１２６】
（通信部１５３）
通信部１５３は、利用者１０の推定される割込み拒否度を関連機器３００から受信し、検証学習部１９３に出力する。
【０１２７】
（検証学習部１９３）
検証学習部１９３は、センサ１１０からの上記第１の入力情報から上記第１の識別情報が識別される場合に、利用者１０の推定される割込み拒否度と、上記第１の識別情報に対応して記憶される第１の予測割込み拒否度とが一致するか否かを検出する。図１０を参照して具体例を説明すると、センサ１１０からの入力情報から、識別部１２０により「自席の机」が識別情報として識別されると、検証学習部１９３は、「自席の机」に対応する予測割込み拒否度として「小」を特定する。また、検証学習部１９３は、通信部１５３により、利用者１０の推定される割込み拒否度として「大」を入力される。そして、検証学習部１９３は、利用者１０の推定される割込み拒否度である「大」と、予測割込み拒否度である「小」との不一致を検出する。
【０１２８】
このように実際に推定される割込み拒否度と予測割込み拒否度とが一致するか否かを検出することにより、利用者１０が突発的に忙しくなった、利用者１０が偶然にも着信に応答できるようになった等、利用者１０が例外的な状況にあったことを知ることができる。
【０１２９】
また、検証学習部１９３は、観測される上記応答パターンと上記第１の予測応答パターンとの不一致が検出され、かつ推定される上記割込み拒否度と上記第１の予測割込み拒否度との一致が検出された場合に、上記第１の入力情報と、観測された上記応答パターンに該当する第２の予測応答パターンに対応して記憶される第２の識別情報との組合せを、上記識別モデルの再学習用データとして取得する。すなわち、観測された応答パターンと予測応答パターンとの不一致が検出されても、推定される割込み拒否度と予測割込み拒否度とが不一致であれば、利用者１０が例外的な状況にあったとして、検証学習部１９３は、再学習用の教師データを取得しない。
【０１３０】
図１０を参照して具体例を説明する。例えば、識別部１２０により識別された識別情報が、「自席机」であるとする。この場合に、予測応答手段および予測応答時間は、「通話」および「短（５秒未満）」であり、「予測割込み拒否度」は「小」である。ここで、例えば、観測された応答手段および予測応答時間が「保留」および「１０秒」であったとすると、検証学習部１９３は、観測された応答手段および応答時間と予測応答手段および予測応答時間との不一致を検出する。さらに、関連機器３００から受信した、利用者１０の推定される割込み拒否度が「大」であったとすると、検証学習部１９３は、推定される割込み拒否度と予測割込み拒否度との不一致を検出する。すなわち、利用者１０は例外的な状況にあったと考えられる。したがって、検証学習部１９３は、再学習用の教師データを取得しない。
【０１３１】
このように、割込み拒否度による検証も加えることにより、利用者１０が例外的な状況にある場合が考慮されるため、センサ１１０の入力情報からの識別情報の識別が正しいにも関わらず教師データが取得されることを回避できる。その結果、識別モデルの再学習では適切な教師データが用いられるため、識別モデルの信頼性を維持することができる。
【０１３２】
＜４−３．処理の流れ＞
以下では、図１１を参照して、第３の実施形態に係る情報処理の一例について説明する。図１１は、第３の実施形態に係るにおける情報処理の概略的な流れの一例を示すフローチャートである。なお、ここでは、第２の実施形態に係る情報処理の一例と第３の実施形態に係る情報処理の一例との差分であるステップＳ４２５およびＳ４２７のみを説明する。
【０１３３】
ステップＳ４２３では、通信部１５３は、利用者１０の推定される割込み拒否度を関連機器３００から受信し、検証学習部１９３に出力する。
【０１３４】
また、ステップＳ４２７では、検証学習部１９３は、推定される割込み拒否度と、識別された識別情報に対応して記憶される予測割込み拒否度とが一致するか否かを検出する。その結果、一致が検出される場合には、処理はステップＳ４１７に進む。一方、不一致が検出される場合には、処理は終了する。
【０１３５】
以上、第３の実施形態について説明したが、当該第３の実施形態によれば、センサ１１０の入力情報からの識別情報の識別が正しいにも関わらず教師データが取得されることを回避できる。その結果、識別モデルの再学習では適切な教師データが用いられるため、識別モデルの信頼性を維持することができる。
【０１３６】
以上、添付図面を参照しながら本発明の好適な実施形態について説明したが、本発明は係る例に限定されないことは言うまでもない。当業者であれば、特許請求の範囲に記載された範疇内において、各種の変更例または修正例に想到し得ることは明らかであり、それらについても当然に本発明の技術的範囲に属するものと了解される。
【０１３７】
例えば、情報処理装置は、着信側の利用者端末でなくてもよい。情報処理装置は、着信側の利用者端末の呼出動作を制御する別の装置であってもよい。この場合に、情報処理装置は、呼出制御部（判定部、制御部）および記憶部を備え、必要に応じて、識別部または検証学習部（検出部、取得部、カウント部）も備えてもよい。一例として、情報処理装置は、例えば、ＰＢＸ（Private Branch eXchange）であってもよい。
【０１３８】
また、呼出動作は、主として電話の着信時の呼出動作について説明されたが、当然のことながらこれに限定されない。呼出動作は、電子メール、インスタントメッセージ等の他の通信の呼出動作であってもよい。
【０１３９】
また、入力情報を取得するセンサは、光学式センサに限られない。当該センサは、例えば、ＧＰＳセンサ、加速度センサ、ジャイロセンサ、地磁気センサ等の他のセンサであってもよい。例えば、ＧＰＳセンサが位置情報を入力情報として取得し、当該位置情報に応じて、着信側の利用者端末の呼出動作が制御されてもよい。また、上記センサは、着信側の利用者端末に内蔵されてもよく、または着信側の利用者端末に着脱可能であってもよい。
【０１４０】
また、識別情報は、着信側の利用者端末の位置に限られず、呼出動作に対応する任意の情報であってもよい。例えば、識別情報は、「Ａ」、「Ｂ」「Ｃ」等、明示的な意味を有しない記号であってもよい。さらに、識別情報は、呼出動作を直接的に示す情報であってもよい。すなわち、センサからの入力情報と呼出動作情報との間に何らかの情報を介在させず、識別情報が呼出動作情報そのものであってもよい。逆に、識別情報と呼出動作情報との間に何らかの情報を介在させてもよい。
【０１４１】
また、応答パターンによる検証および学習において、センサの入力情報からの識別情報の識別が高い信頼性を有するという前提で、応答パターンにより、識別情報と呼出情報との対応関係の正しさを検証してもよい。
【０１４２】
また、割込み拒否度は、関連機器により推定されずに、利用者端末または情報処理装置により推定されてもよい。この場合に、関連機器は、割込み拒否度の推定に用いる情報を、利用者端末または情報処理装置に送信してもよい。また、割込み拒否度を、応答パターンと同様に、センサの入力情報から識別情報の識別を検証するために利用するのではなく、識別情報と同様に、呼出動作を決定するために利用してもよい。すなわち、センサからの入力情報および利用者の推定される割込み拒否度に対応する呼出動作が判定されてもよい。
【０１４３】
また、情報処理システム１は、発信側の利用者端末の代わりに、電話、電子メール、インスタントメッセージ等を自動発信する通信装置を含んでもよい。
【０１４４】
また、本明細書の情報処理における各ステップは、必ずしもフローチャートに記載された順序に沿って時系列に処理する必要はない。例えば、情報処理における各ステップは、フローチャートとして記載した順序と異なる順序で処理されても、並列的に処理されてもよい。
【０１４５】
また、利用者端末または情報処理装置に内蔵されるＣＰＵ、ＲＯＭおよびＲＡＭ等のハードウェアを、上記利用者端末または情報処理装置の各構成と同等の機能を発揮させるためのコンピュータプログラムも作成可能である。また、当該コンピュータプログラムを記憶させた記憶媒体も提供される。
【符号の説明】
【０１４６】
１ 情報処理システム
１０、２０ 利用者
３０ ネットワーク
１００ 着信側の利用者端末（着信端末）
１１０ センサ
１２０ 識別部
１３０、１３３、１３７ 記憶部
１４０ 呼出制御部
１５０、１５３ 通信部
１６０ 呼出出力部
１７０、１７３ 応答入力部
１８１ 音声処理部
１８３ 音声入力部
１８５ 音声出力部
１８７ 音声保存部
１９０ 検証学習部
２００ 発信側の利用者端末（発信端末）
３００ 関連機器
【技術分野】
【０００１】
本発明は、情報処理装置、情報処理方法、プログラムおよび情報処理システムに関する。
【背景技術】
【０００２】
近年、固定電話端末、携帯電話端末、ＰＣ（Personal Computer）のような様々な通信装置が広く普及している。これらの通信装置は、電話、電子メール、インスタントメッセージ等の着信に応じて呼出動作を行う。当該呼出動作は、例えば、着信音の発生、振動（バイブレーション）、画面上の表示の変更等である。
【０００３】
さらに、通信装置には呼出動作を設定する機能が通常備えられているため、利用者は、自身の状況に応じて適切な呼出動作を選択することができる。一例として、携帯電話端末の利用者は、通話できる状況であれば、着信音の発生を呼出動作として選択し、通話できない状況であれば、画面上の表示の変更を呼出動作として選択することができる。
【０００４】
また、利用者による操作なしに呼出動作を自動的に選択して設定する技術も存在する。例えば、特許文献１では、スクリーンセーバーの起動の有無、すなわちＰＣの不操作時間が所定の時間を超えるか否かに基づき、ＰＣ上で動作するソフトフォンの呼出動作を切り替える技術が開示されている。
【先行技術文献】
【特許文献】
【０００５】
【特許文献１】特開２００９−１３５７３９号公報
【発明の概要】
【発明が解決しようとする課題】
【０００６】
しかし、上記特許文献１の技術では、基本的に、通信装置がある場所に固定され、かつ当該場所に利用者がいる場合には当該通信装置を操作する、ということが前提となっている。すなわち、例えば携帯電話端末のように、利用者によって携行され、必要に応じて利用者により操作される通信装置では、当該技術が適用されたとしても、利用者の状況に応じた適切な呼出動作を自動的に選択できない。一例として、利用者は、会議中には通話することができないが、休憩中には通話することができる。しかし、利用者が会議中である場合と利用者が休憩中である場合とで、携帯電話端末の不操作時間の長さには違いが生じない場合もある。よって、不操作時間に着目する上記技術では、会議中には、画面上の表示の変更を呼出動作として自動的に選択し、休憩中には、着信音の発生を呼出動作として自動的に選択することもできない。
【０００７】
そこで、本発明は、利用者によって携行される装置が適切な呼出動作を行うことを可能にする、情報処理装置、情報処理方法、プログラムおよび情報処理システムを提供しようとするものである。
【課題を解決するための手段】
【０００８】
本発明によれば、センサからの入力情報に対応する呼出動作を判定する判定部と、上記判定部による判定結果を用いて、上記センサを備える装置における着信時の呼出動作を制御する制御部と、を備える情報処理装置が提供される。
【０００９】
上記判定部は、予め学習された識別モデルを用いて上記入力情報から識別される識別情報に対応する呼出動作を判定してもよい。
【００１０】
上記識別情報と、当該識別情報に対応する呼出動作を行う場合の予測応答パターンとを対応して記憶する記憶部と、上記センサからの第１の入力情報から第１の識別情報が識別される場合に、当該第１の識別情報に対応する呼出動作の結果観測される応答パターンと、上記第１の識別情報に対応して記憶される第１の予測応答パターンとが一致するか否かを検出する検出部と、をさらに備えてもよい。
【００１１】
観測される上記応答パターンと上記第１の予測応答パターンとの不一致が検出された場合に、上記第１の入力情報と、観測された上記応答パターンに該当する第２の予測応答パターンに対応して記憶される第２の識別情報との組合せを、上記識別モデルの再学習用データとして取得する取得部、をさらに備えてもよい。
【００１２】
上記第１の識別情報が識別された場合に、観測された上記応答パターンと上記第１の予測応答パターンとの不一致が検出された回数を、上記第１の識別情報についての不一致回数としてカウントするカウント部をさらに備え、上記取得部は、上記不一致回数が所定の回数に到達する場合に、上記第１の入力情報と上記第２の識別情報との組合せを上記再学習用データとして取得してもよい。
【００１３】
上記記憶部は、上記不一致回数が所定の回数に到達するまで、各検出についての上記第１の入力情報と観測された上記応答パターンとを記憶し、上記取得部は、上記所定の回数分の上記第１の入力情報と上記第２の識別情報との組合せを上記再学習用データとして取得してもよい。
【００１４】
上記記憶部は、上記識別情報と、当該識別情報が識別される場合における上記装置の利用者の予測割込み拒否度とを対応して記憶し、上記検出部は、上記第１の識別情報が識別される場合に、上記装置の利用者の推定される割込み拒否度と、上記第１の識別情報に対応して記憶される第１の予測割込み拒否度とが一致するか否かを検出してもよい。
【００１５】
観測される上記応答パターンと上記第１の予測応答パターンとの不一致が検出され、かつ推定される上記割込み拒否度と上記第１の予測割込み拒否度との一致が検出された場合に、上記第１の入力情報と、観測された上記応答パターンに該当する第２の予測応答パターンに対応して記憶される第２の識別情報との組合せを、上記識別モデルの再学習用データとして取得する取得部、をさらに備えてもよい。
【００１６】
推定される上記割込み拒否度は、上記装置に関連付けられる所定の機器の使用状況から推定されてもよい。
【００１７】
上記応答パターンは、選択される応答手段または呼出動作の開始時点から応答までの時間を含んでもよい。
【００１８】
上記応答手段は、上記着信が通話のための着信である場合に、通話、通話拒否、保留、または留守番電話への録音を含んでもよい。
【００１９】
上記判定部は、上記入力情報と上記装置の利用者の推定される割込み拒否度とに対応する呼出動作を判定してもよい。
【００２０】
上記センサは、当該センサに近接する物質の種類に応じた入力情報を取得し、上記識別情報は、物質の種類に対応する情報であってもよい。
【００２１】
上記呼出動作は、着信音の発生、振動、または画面上の表示の変更を含んでもよい。
【００２２】
また、本発明によれば、センサからの入力情報に対応する呼出動作を判定するステップと、上記判定部による判定結果を用いて、上記センサを備える装置における着信時の呼出動作を制御するステップと、を含む情報処理方法が提供される。
【００２３】
また、本発明によれば、コンピュータを、センサからの入力情報に対応する呼出動作を判定する判定部と、上記判定部による判定結果を用いて、上記センサを備える装置における着信時の呼出動作を制御する制御部と、として機能させるためのプログラムが提供される。
【００２４】
また、本発明によれば、情報処理装置および関連機器を含む情報処理システムであって、上記情報処理装置は、予め学習された識別モデルを用いてセンサからの入力情報から識別される識別情報に対応する呼出動作を判定する判定部と、上記判定部による判定結果を用いて、上記センサを備える装置における着信時の呼出動作を制御する制御部と、上記識別情報と、当該識別情報に対応する呼出動作を行う場合の予測応答パターンとを対応して記憶する記憶部と、上記センサからの第１の入力情報から第１の識別情報が識別される場合に、当該第１の識別情報に対応する呼出動作の結果観測される応答パターンと、上記第１の識別情報に対応して記憶される第１の予測応答パターンとが一致するか否かを検出する検出部と、を備え、上記関連機器は、上記装置の利用者の割込み拒否度を推定し、上記記憶部は、上記識別情報と、当該識別情報が識別される場合における上記装置の利用者の予測割込み拒否度とを対応して記憶し、上記検出部は、上記第１の識別情報が識別される場合に、上記装置の利用者の推定される割込み拒否度と、上記第１の識別情報に対応して記憶される第１の予測割込み拒否度とが一致するか否かを検出する、情報処理システムが提供される。
【発明の効果】
【００２５】
以上説明したように本発明に係る情報処理装置、情報処理方法、プログラムおよび情報処理システムによれば、利用者によって携行される装置が適切な呼出動作を行うことが可能となる。
【図面の簡単な説明】
【００２６】
【図１】本実施形態に係る情報処理システムの概略的な構成の一例を示す説明図である。
【図２】第１の実施形態に係る着信側の利用者端末の構成の一例を示すブロック図である。
【図３】第１の実施形態に係る記憶部に記憶される参照テーブルの一例を説明する説明図である。
【図４】第１の実施形態に係る発信側の利用者端末の構成の一例を示すブロック図である。
【図５】第１の実施形態に係るにおける情報処理の概略的な流れの一例を示すフローチャートである。
【図６】第２の実施形態に係る着信側の利用者端末の構成の一例を示すブロック図である。
【図７】第２の実施形態に係る記憶部に記憶される参照テーブルの一例を説明する説明図である。
【図８】第２の実施形態に係るにおける情報処理の概略的な流れの一例を示すフローチャートである。
【図９】第３の実施形態に係る着信側の利用者端末の構成の一例を示すブロック図である。
【図１０】第３の実施形態に係る記憶部に記憶される参照テーブルの一例を説明する説明図である。
【図１１】第３の実施形態に係るにおける情報処理の概略的な流れの一例を示すフローチャートである。
【発明を実施するための形態】
【００２７】
以下に添付の図面を参照しながら、本発明の好適な実施の形態について詳細に説明する。なお、本明細書及び図面において、実質的に同一の機能構成を有する構成要素については、同一の符号を付することにより重複説明を省略する。
【００２８】
以下では、＜１．情報処理システムの概略的な構成＞、＜２．第１の実施形態＞、＜３．第２の実施形態＞、＜４．第３の実施形態＞という順序で本発明の実施形態を説明する。
【００２９】
＜１．情報処理システムの概略的な構成＞
まず、図１を参照して、本発明の実施形態に係る情報処理システム１の概略的な構成について説明する。図１は、本実施形態に係る情報処理システム１の概略的な構成の一例を示す説明図である。図１を参照すると、情報処理システム１は、着信側の利用者端末１００（以下、着信端末１００）、発信側の利用者端末２００（以下、発信端末２００）および関連機器３００を含む。本実施形態において、着信端末１００は情報処理装置の一例である。
【００３０】
（着信端末１００および発信端末２００）
着信端末１００は、利用者１０により利用される通信装置であり、発信端末２００は、利用者２０により利用される通信装置である。着信端末１００および発信端末２００は、例えば、スマートフォンまたは他の携帯電話端末である。着信端末１００および発信端末２００は、ネットワーク３０を介して互いに通信することができる。当該ネットワーク３０は、いずれかの方式の無線通信ネットワークを含み、着信端末１００および発信端末２００は、当該方式の無線通信機能を有する。当該方式は、例えば、ＩＥＥＥ８０２．１１ａ／ｂ／ｇ／ｎ等の無線ＬＡＮ（Local Area Network）方式であってもよく、または、ＷＣＤＭＡ（Wide-band Code Division Multiple Access）、ＷｉＭＡＸ（Worldwide Interoperability for Microwave Access）、ＬＴＥ（Long Term Evolution）、ＰＨＳ（Personal Handy-phone System）等のセルラー方式であってもよい。
【００３１】
また、発信端末２００は、上記無線通信機能を用いて、電話、電子メール、インスタントメッセージ等を発信する。また、着信端末１００は、上記無線通信機能を用いて、電話、電子メール、インスタントメッセージ等を着信する。そして、着信端末１００は、着信に応じて、呼出動作を制御する。すなわち、着信端末１００は、着信に応じて、例えば、着信音を発生させ、着信端末１００を振動させ、着信端末１００の画面上の表示を変更する。
【００３２】
また、着信端末１００は、利用者１０により様々な場所に携行される。図１を参照すると、ケースＡでは、利用者１０は、事務所の自席で作業している。この場合に、着信端末１００は、例えば、利用者１０の自席の机に置かれている。また、ケースＢでは、利用者１０は、ある場所から別の場所へ移動している。この場合に、着信端末１００は、例えば、利用者１０の服のポケットの中にある。さらに、ケースＣでは、利用者１０は、会議室で会議に参加している。この場合に、着信端末１００は、例えば、会議室にある机に置かれている。
【００３３】
（関連機器３００）
関連機器３００は、利用者１０により利用される機器である。関連機器３００は、例えば、利用者１０が利用するＰＣ（Personal Computer）である。また、関連機器３００は、着信端末１００に関連付けられている。例えば、関連機器３００に関する情報が、着信端末１００に登録され、または、着信端末１００に関する情報が、関連機器３００に登録される。
【００３４】
また、関連機器３００は、自装置が備える通信機能により、着信端末１００と通信する。当該通信機能は、例えば、Ｂｌｕｅｔｏｏｔｈ、ＺｉｇＢｅｅ、ＩｒＤＡ等の近距離型無線通信方式の通信機能である。着信端末１００は、関連機器３００との通信において、自装置に登録された関連機器３００に関する情報を参照し、または自装置を登録する関連機器３００から自装置宛の情報を送信されることにより、関連機器３００が自装置に関連付けられていることを知ることができる。
【００３５】
以上、図１を参照して本発明の実施形態に係る情報処理システム１の構成の一例を説明したが、情報処理システム１の構成は上述した例に限られない。
【００３６】
例えば、着信端末１００は、スマートフォンまたは他の携帯電話端末に限られない。電話、電子メール、インスタントメッセージ等の着信に応じて呼出動作を行い、利用者により携行される任意の通信装置であってもよい。例えば、着信端末は、ノート型ＰＣ（Personal Computer）、携帯情報端末（Personal Digital Assistant）、電子書籍端末、ゲーム機器、音楽プレーヤ等であってもよい。
【００３７】
また、発信端末２００も、スマートフォンまたは他の携帯電話端末に限られない。電話、電子メール、インスタントメッセージ等の発信を行う任意の通信装置であってもよい。
【００３８】
また、関連機器は、近距離型無線通信方式の通信機能の代わりに、無線ＬＡＮのような近接型以外の方式の通信機能により、着信端末１００と通信してもよい。
【００３９】
本実施形態では、着信時の利用者１０の状況に応じた適切な呼出動作を着信端末１００が行う。以降、＜２．第１の実施形態＞、＜３．第２の実施形態＞および＜４．第３の実施形態＞において、その具体的な内容を説明する。
【００４０】
＜２．第１の実施形態＞
まず、本発明の第１の実施形態を説明する。本発明の第１の実施形態によれば、着信端末１００に備えられるセンサからの入力情報を利用して、着信時の利用者１０の状況に応じた適切な呼出動作を着信端末１００に行わせる。
【００４１】
以下では、第１の実施形態を＜２−１．着信側の利用者端末の構成＞、＜２−２．発信側の利用者端末の構成＞、＜２−３．処理の流れ＞という順序で説明する。
【００４２】
＜２−１．着信側の利用者端末の構成＞
図２および図３を参照して、第１の実施形態に係る着信端末１００−１の構成について説明する。図２は、第１の実施形態に係る着信端末１００−１の構成の一例を示すブロック図である。図２を参照すると、着信端末１００−１は、センサ１１０、識別部１２０、記憶部１３０、呼出制御部１４０、通信部１５０、呼出出力部１６０、応答入力部１７０、音声処理部１８１、音声入力部１８３、音声出力部１８５および音声保存部１８７を備える。ここで、呼出制御部１４０は、判定部および制御部の一例である。
【００４３】
（センサ１１０）
センサ１１０は、着信端末１００−１の環境に応じた入力情報を取得する。センサ１１０は、例えば、フォトレジスタ、光−周波数変換器（light-to-frequency converter）等の光学式センサである。センサ１１０は、１つのセンサのみに限られず、複数のセンサであってもよい。例えば、センサ１１０は、フォトレジスタおよび光−周波数変換器であってもよい。
【００４４】
一例として、センサ１１０は、センサ１１０に近接する物質の種類に応じた入力情報を取得する。物質の種類によって光の反射特性が異なることを利用すると、センサ１１０は、上記のような光学式センサである場合に、物質の種類に応じた入力情報を取得できる。図１を参照すると、ケースＡの「自席の机」、ケースＢの「胸ポケット」、およびケースＣ「会議室の机」が、例えば、それぞれ「木」、「綿」および「ガラス」で作成されている。この場合に、着信端末１００−１が「自席の机」にあれば、センサ１１０は「木」に応じた入力信号を取得し、着信端末１００−１が「胸ポケット」にあれば、センサ１１０は「綿」に応じた入力信号を取得する。また、着信端末１００−１が「会議室の机」にあれば、センサ１１０は「ガラス」に応じた入力信号を取得する。
【００４５】
なお、センサ１１０が光学式センサである場合に、センサ１１０に十分な光が届かない可能性を考慮して、センサ１１０の近傍に１つ以上の発光器が備えられてもよい。例えば、センサ１１０と併せて、１つ以上の発行ダイオード（以下、ＬＥＤ）が備えられてもよい。
【００４６】
（識別部１２０）
識別部１２０は、予め学習された識別モデルを用いて、センサ１１０からの入力情報から識別情報を識別する。当該識別情報は、例えば、利用者１０の状況を直接的または間接的に示す情報である。一例として、識別情報は、「自席の机」、「胸ポケット」、「会議室の机」等の、着信端末１００−１の位置である。そして、これらの識別情報は、それぞれ「利用者１０は自席にいる」、「利用者１０は移動中である」、「利用者１０は会議に参加している」ということを間接的に示す。
【００４７】
また、上記識別モデルは、センサ１１０からの未知の入力情報を、予め定められた識別情報の候補のうちの適切な候補に分類するためのモデルである。当該識別モデルは、センサ１１０からの入力情報と当該入力情報に対応する理想的な識別情報との組合せを教師データとして予め学習される。当該識別モデルは、ＳＶＭ（Support Vector Machine）、ニューラルネットワーク等の任意の学習アルゴリズムにより学習される。
【００４８】
より具体的に、識別部１２０による識別手法の例を説明する。例えば、センサ１１０は、上記のように、センサ１１０に近接する物質の種類（「木」、「綿」および「ガラス」）に応じた入力情報を取得することができる。そこで、以下のような条件下で教師データ用の入力情報を取得し、当該入力情報と以下の理想的な識別情報との組合せである教師データを作成し、識別モデルを学習する。
【００４９】
【表１】
【００５０】
上記教師データにより学習された識別モデルによれば、「木」に応じた入力情報は、識別情報の候補である「自席の机」に分類される。同様に、「綿」に応じた入力情報は「胸ポケット」に、「ガラス」に応じた入力情報は「会議室の机」に分類される。よって、識別モデルの学習後、例えば、着信端末１００−１が自席の机にある場合に、センサ１１０は、「木」に応じた入力情報を取得し、識別部１２０は、当該入力情報が識別モデルにおいて「自席の机」に分類されることを確認できる。そのため、識別部１２０は、当該入力情報から「自席の机」を識別することができる。また、着信端末１００−１が胸ポケットにある場合、または着信端末１００−１が会議室の机にある場合にも、同様に、識別部１２０は、入力情報から「胸ポケット」または「会議室の机」を識別することができる。
【００５１】
このように、識別部１２０は、入力情報から、着信端末１００−１の位置を識別できる。なお、光学式センサを用いた物質の種類の識別手法は、文献「Harrison, Chris and Hudson, Scott E. Lightweight Material Detection for Placement-Aware Mobile Computing. In Proceedings of the 21st Annual ACM Symposium on User Interface Software and Technology. UIST ’08.
ACM, New York, NY, 279-282.」において詳細に記載されている。
【００５２】
以上のように、予め学習された識別モデルを用いた識別により、センサ１１０からの入力情報から、利用者１０の状況を直接的または間接的に示す情報を得ることができる。
【００５３】
（記憶部１３０）
記憶部１３０は、着信端末１００−１において一時的にまたは恒久的に保持すべき情報を記憶する。より具体的には、記憶部１３０は、例えば、識別部１２０により識別される識別情報と、着信端末１００−１による着信時の呼出動作を示す情報とを対応して記憶する。以下、この点について図３を参照してより具体的に説明する。
【００５４】
図３は、第１の実施形態に係る記憶部１３０に記憶される参照テーブル１３１の一例を説明する説明図である。図３を参照すると、参照テーブル１３１は、識別情報および呼出動作情報を対応して記憶する。識別情報は、識別部１２０により識別される識別情報である。図３の例では、当該識別情報は、「自席の机」、「胸ポケット」および「会議室の机」のうちのいずれかである。また、呼出動作情報は、着信端末１００−１による着信時の呼出動作を示す情報である。図３の例では、呼出動作情報は、「着信音の発生」、「振動（バイブレーション）」、「画面上の表示の変更」のいずれかである。
【００５５】
上記参照テーブル１３１では、識別情報と呼出動作情報との対応関係によって、識別情報が識別された場合の適切な呼出動作が定められている。例えば、識別情報として「自席の机」が識別された場合の適切な呼出動作として、「着信音の発生」が定められている。
なぜならば、「着信端末１００−１が自席の机にあれば、利用者１０が自席にいるので、利用者１０が通話可能な状態にあり、かつ着信音を発生させても迷惑はかからない」と考えられるからである。また、識別情報として「胸ポケット」が識別された場合の適切な呼出動作として、「振動（バイブレーション）」が定められている。なぜならば、「着信端末１００−１が胸ポケットにあれば、利用者１０が移動中であるので、利用者１０が通話可能かは不明であり、かつ着信音の発生により迷惑がかかる可能性もある」と考えられるからである。また、識別情報として「会議室の机」が識別された場合の適切な呼出動作として、「画面上の表示の変更」が定められている。なぜならば、「着信端末１００−１が会議室の机にあれば、利用者１０は会議に参加しているので、利用者１０が通話不能な状態にあり、かつ着信音の発生や振動により迷惑がかかる」と考えられるからである。
【００５６】
このように、識別情報と呼出動作情報との間の適切な対応関係を定めることで、正しい識別情報を取得できれば、着信時の利用者１０の状況に応じた適切な呼出動作を判定することが可能になる。
【００５７】
また、記憶部１３０は、例えば、識別部１２０により用いられる識別モデルを記憶する。さらに、記憶部１３０は、当該識別モデルの学習用の教師データも記憶してもよい。
【００５８】
（呼出制御部１４０）
呼出制御部１４０は、センサ１１０からの入力情報に対応する呼出動作を判定する。換言すると、呼出制御部１４０は、予め学習された識別モデルを用いて上記入力情報から識別される識別情報に対応する呼出動作を判定する。より具体的には、呼出制御部１４０は、例えば、記憶部１３０の参照テーブル１３１を参照して、識別部１２０から取得した識別情報に対応する呼出動作情報を検索することにより、当該識別情報に対応する呼出動作を判定する。例えば、呼出制御部１４０は、「自席の机」という識別情報を取得すると、当該識別情報に対応する「着信音の発生」という呼出動作情報を検索する。そして、呼出制御部１４０は、識別情報に対応する呼出動作が「着信音の発生」であると判定する。
【００５９】
また、呼出制御部１４０は、呼出動作の判定結果を用いて、センサ１１０を備える装置における着信時の呼出動作を制御する。すなわち、呼出制御部１４０は、上記判定結果を用いて、着信端末１００−１の呼出動作を制御する。より具体的には、呼出制御部１４０は、例えば、判定された呼出動作を呼出出力部１６０に通知することにより、呼出出力部１６０に呼出動作を行わせる。
【００６０】
このような呼出動作の判定および制御により、センサからの入力情報または識別情報から、着信時の利用者１０の状況に応じた適切な呼出動作を着信端末１００−１に行わせることが可能になる。その結果、利用者１０は、自身の状況に応じて着信端末１００−１の呼出動作を選択する手間を省くことができる。また、利用者１０が自身の状況に応じて呼出動作を選択し忘れることにより不適切な呼出動作が行われることを回避することができる。
【００６１】
なお、上記呼出動作は、例えば着信音の発生、振動、または画面上の表示の変更を含むが、これらに限定されず任意の呼出動作であってもよい。また、上記呼出動作は、着信音の発生と振動との組合せのように、複数の呼出動作の組合せであってもよい。
【００６２】
（通信部１５０）
通信部１５０は、他の通信装置と通信する。より具体的には、通信部１５０は、例えば、ネットワーク３０を介して発信端末２００と通信する。
【００６３】
例えば、通信部１５０は、発信端末２００からの電話、電子メール、インスタントメッセージ等を着信すると、着信があったことを呼出出力部１６０および応答入力部１７０に通知する。
【００６４】
また、通信部１５０は、着信があった場合に、応答入力部１７０からの着信への応答手段を通知されると、当該応答手段に応じた制御を行う。例えば、当該着信が通話のための着信である場合に、応答手段が「通話」であったとすると、通信部１５０は、発信端末２００に応答信号を送信し、発信端末２００とのセッションを確立する。また、応答手段が「通話拒否」であったとすると、通信部１５０は、通話拒否を通知する信号を発信端末２００に送信する。また、応答手段が「保留」であったとすると、保留中であることを通知する信号を発信端末２００に送信する。また、応答手段が「留守番電話」であったとすると、通信部１５０は、「通話」と同様の動作を行った上で、留守番電話メッセージの入力を通知する信号を発信端末２００に送信する。また、通信部１５０は、受信する音声データを音声保存部１８７に出力するように音声処理部１８１に指示する。
【００６５】
また、通信部１５０は、発信端末２００へデータを送信し、発信端末２００からデータを受信する。例えば、電話における音声データの送受信であれば、通信部１５０は、発信端末２００から受信した音声データを音声処理部１８１へ出力し、音声処理部１８１により入力された音声データを発信端末２００へ送信する。なお、通信部１５０は、必要に応じて、送信すべきデータをパケットに分解し、受信したパケットを組立てる。
【００６６】
（呼出出力部１６０）
呼出出力部１６０は、着信端末１００−１における着信時の呼出動作を行う。より具体的には、呼出出力部１６０は、着信があったことを通信部１５０から通知されると、呼出制御部１４０により判定された呼出動作を行う。呼出出力部１６０は、例えば、着信音を発生させ、着信端末１００−１を振動させ、または着信端末１００−１の画面上の表示を変更する。
【００６７】
（応答入力部１７０）
応答入力部１７０は、着信時に応答手段を選択する。より具体的には、応答入力部１７０は、例えば、着信端末１００−１への着信があった場合に、利用者１０の操作に応じて、複数の応答手段からいずれかの応答手段を選択する。そして、応答入力部１７０は、選択された応答手段を通信部１５０に通知する。上記応答手段は、例えば、着信が通話のための着信である場合に、通話、通話拒否、保留、または留守番電話への録音を含む。
【００６８】
（音声処理部１８１）
音声処理部１８１は、音声入力部１８３により入力される音声信号をアナログ／デジタル変換（Ａ／Ｄ変換）し、必要に応じて符号化する。そして、音声処理部１８１は、処理後の音声データを通信部１５０に出力する。
【００６９】
また、音声処理部１８１は、通信部１５０により入力された音声データを、必要に応じて復号し、音声データをデジタル／アナログ変換（Ｄ／Ａ変換）する。そして、音声処理部１８１は、処理後の音声信号を音声出力部１８５に出力する。なお、音声処理部１８１は、通信部１５０による制御に応じて、通信部１５０から入力された音声データを音声保存部１８７に出力してもよい。
【００７０】
（音声入力部１８３）
音声入力部１８３は、利用者１０により発せられた音声から音声信号を取得し、音声処理部１８１に出力する。音声入力部１８３は、例えば、マイクロフォンである。
【００７１】
（音声出力部１８５）
音声出力部１８５は、音声処理部１８１により入力された音声信号から音声を再生する。音声出力部１８５は、例えば、スピーカ、イヤフォン、またはヘッドフォンである。
【００７２】
（音声保存部１８７）
音声保存部１８７は、音声処理部１８１により入力された音声データを記憶する。
【００７３】
＜２−２．発信信側の利用者端末の構成＞
次に、図４を参照して、第１の実施形態に係る発信端末２００の構成について説明する。図４は、第１の実施形態に係る発信端末２００の構成の一例を示すブロック図である。図４を参照すると、発信端末２００は、音声入力部２１０、音声出力部２２０、音声処理部２３０、操作入力部２４０および通信部２５０を備える。
【００７４】
（音声入力部２１０）
音声入力部２１０は、利用者２０により発せられた音声から音声信号を取得し、音声処理部２３０に出力する。音声入力部１８３は、例えば、マイクロフォンである。
【００７５】
（音声出力部２２０）
音声出力部２２０は、音声処理部２３０により入力された音声信号から音声を再生する。音声出力部２２０は、例えば、スピーカ、イヤフォン、またはヘッドフォンである。
【００７６】
（音声処理部２３０）
音声処理部２３０は、音声入力部２１０により入力される音声信号をアナログ／デジタル変換（Ａ／Ｄ変換）し、必要に応じて符号化する。そして、音声処理部２３０は、処理後の音声データを通信部２５０に出力する。
【００７７】
また、音声処理部２３０は、通信部２５０により入力された音声データを、必要に応じて復号し、音声データをデジタル／アナログ変換（Ｄ／Ａ変換）する。そして、音声処理部２３０は、処理後の音声信号を音声出力部２２０に出力する。
【００７８】
（操作入力部２４０）
操作入力部２４０は、利用者２０の操作に応じた入力情報を取得する。より具体的には、操作入力部２４０は、例えば、利用者２０の操作に応じて電話番号や利用者ＩＤを発信先として取得し、当該電話番号や利用者ＩＤを発信先とする発信を通信部２５０に依頼する。
【００７９】
（通信部２５０）
通信部２５０は、他の通信装置と通信する。より具体的には、通信部２５０は、例えば、ネットワーク３０を介して着信端末１００と通信する。なお、通信部２５０も、着信端末１００−１の通信部１５０と同様に動作する。
【００８０】
＜２−３．処理の流れ＞
以下では、図５を参照して、第１の実施形態に係る情報処理の一例について説明する。図５は、第１の実施形態に係るにおける情報処理の概略的な流れの一例を示すフローチャートである。
【００８１】
まず、ステップＳ４０１で、着信端末１００−１の通信部１５０は、発信端末２００からの電話、電子メール、インスタントメッセージ等を着信し、着信があったことを呼出出力部１６０および応答入力部１７０に通知する。
【００８２】
次に、ステップＳ４０３で、センサ１１０は、着信端末１００−１の環境に応じた入力情報を取得する。次に、ステップＳ４０５で、識別部１２０は、予め学習された識別モデルを用いて、センサ１１０からの入力情報から識別情報を識別する。そして、ステップＳ４０７で、呼出制御部１４０は、センサ１１０からの入力情報に対応する呼出動作を判定する。
【００８３】
次に、ステップＳ４０９で、呼出制御部１４０は、呼出動作の判定結果を用いて、着信端末１００−１における着信時の呼出動作を制御する。そして、呼出出力部１６０は、着信端末１００−１における着信時の呼出動作を行う。そして、処理は終了する。
【００８４】
以上、第１の実施形態について説明したが、当該第１の実施形態によれば、着信端末１００に備えられるセンサからの入力情報を利用して、着信時の利用者１０の状況に応じた適切な呼出動作を着信端末１００−１が行うことが可能になる。
【００８５】
＜３．第２の実施形態＞
上記第１の実施形態では、センサ１１０からの入力情報を用いて、利用者１０の状況に応じた呼出動作を選択した。しかし、センサ１１０は、ハードウェアの故障、汚れ等により恒常的に誤った値を出力する可能性がある。この場合に、センサからの入力情報から望ましくない識別情報（例えば、着信端末１００−１の位置）が識別され、当該識別情報に応じた不適切な呼出動作が選択される。そこで、第２の実施形態では、着信端末１１０−２における呼出動作への利用者１０の応答パターンを利用して、センサ１１０からの入力情報と識別情報との対応関係を検証し、当該対応関係が不適切である場合に、識別モデルの再学習を行う。
【００８６】
以下では、第２の実施形態を＜３−１．着信側の利用者端末の構成＞、＜３−２．処理の流れ＞という順序で説明する。
【００８７】
＜３−１．着信側の利用者端末の構成＞
図６および図７を参照して、第２の実施形態に係る着信端末１００−２の構成について説明する。図６は、第２の実施形態に係る着信端末１００−２の構成の一例を示すブロック図である。図６を参照すると、着信端末１００−２は、センサ１１０、識別部１２０、記憶部１３３、呼出制御部１４０、通信部１５０、呼出出力部１６０、応答入力部１７３、音声処理部１８１、音声入力部１８３、音声出力部１８５、音声保存部１８７および検証学習部１９０を備える。ここで、検証学習部１９０は、検出部、取得部およびカウント部の一例である。
【００８８】
ここで、記憶部１３３、応答入力部１７３および検証学習部１９０以外の構成要素については、第１の実施形態との間に差異はない。よって、ここでは、新たに備えられる検証学習部１９０と、第１の実施形態の記憶部１３０および応答入力部１７０から一部変更された記憶部１３３および応答入力部１７３の変更部分とを説明する。
る。
【００８９】
（記憶部１３３）
記憶部１３３は、識別部１２０により識別される識別情報と、当該識別情報に対応する呼出動作を行う場合の予測応答パターンとを対応して記憶する。ここで、予測応答パターンは、例えば、選択すると予測される応答手段、または、呼出動作の開始時点から応答までの予測時間を含む。また、応答手段は、上記のとおり、例えば、着信が通話のための着信である場合に、通話、通話拒否、保留、または留守番電話への録音を含む。以下、記憶部１３３のより具体的な内容について、図７を参照してより具体的に説明する。
【００９０】
図７は、第２の実施形態に係る記憶部１３３に記憶される参照テーブル１３５の一例を説明する説明図である。図７を参照すると、参照テーブル１３５は、識別情報、呼出動作情報、予測応答手段、予測応答時間および不一致回数を対応して記憶する。ここで、識別情報および呼出動作情報は、図３で説明された参照テーブル１３１の識別情報および呼出動作情報と同じである。
【００９１】
ここで、予測応答手段は、呼出動作情報に示される呼出動作が行われる場合に選択すると予測される応答手段である。図３の例では、当該予測応答手段は、「通話」、「保留」および「応答なし」のうちのいずれかである。「応答なし」は、利用者１０により応答手段が選択されないことを示す。
【００９２】
また、予測応答時間は、呼出動作情報に示される呼出動作が行われる場合の呼出動作の開始時点から応答までの予測時間である。図７の例では、当該予測応答時間は、「短」、「中」および「−」のいずれかである。図７の例には記載されていないが、予測応答時間は、さらに「長」であってもよい。これらの「短」、「中」および「長」は、応答時間の長さの分類である。一例として、「短」は５秒未満を示し、「中」は５秒以上かつ２０秒未満を示し、「長」は２０秒以上を示してもよい。なお、「−」は、応答がなかったため応答時間もないことを示す。
【００９３】
また、不一致回数は、ある識別情報が識別された場合に、実際に観測された応答手段または応答時間と、当該識別情報に対応する予測応答手段または予測応答時間との不一致が検出された回数である。当該不一致の検出については、検証学習部１９０に関連して後に説明する。
【００９４】
このように、識別情報と予測応答パターンとの対応関係を定めることで、実際の応答パターンと予測応答パターンとを比較することが可能になる。
【００９５】
（応答入力部１７３）
応答入力部１７３は、着信時の応答パターンを観測する。当該応答パターンは、例えば、選択される応答手段または呼出動作の開始時点から応答までの時間を含む。例えば、電話の着信があり、呼出出力部１６０が着信音を発生させる場合に、利用者１０が１０秒後に保留を選択すれば、応答入力部１７３は、応答手段として「保留」を観測し、応答時間として「１０秒」を観測する。または、利用者１０が応答しなければ、応答入力部１７３は、例えば、応答手段として「応答なし」を観測し、応答時間を観測しない。そして、応答入力部１７３は、観測した応答パターンを検証学習部１９０に出力する。
【００９６】
（検証学習部１９０）
検証学習部１９０は、センサ１１０からの第１の入力情報から第１の識別情報が識別される場合に、当該第１の識別情報に対応する呼出動作の結果観測される応答パターンと、上記第１の識別情報に対応して記憶される第１の予測応答パターンとが一致するか否かを検出する。図７を参照して具体例を説明すると、センサ１１０からの入力情報から、識別部１２０により「自席の机」が識別情報として識別されると、参照テーブル１３５に示されるとおり、呼出出力部１６０は着信音を発生させる。そして、応答入力部１７３は、例えば、応答手段として「通話」を観測し、応答時間として「３秒」を観測する。この場合に、検証学習部１９０は、観測された応答手段である「通話」および観測された応答時間である「３秒」と、識別情報「着信音の発生」に対応する予測応答手段である「通話」および予測応答時間である「短（５秒未満）」とを比較する。そして、検証学習部１９０は、観測された応答手段および応答時間と、予測応答手段および予測応答時間との一致を検出する。すなわち、センサ１１０の入力情報からの識別情報の識別が正しかったと判断される。
【００９７】
図７を参照して別の具体例を説明する。上記具体例と同様に、センサ１１０からの入力情報から、識別部１２０により「自席の机」が識別情報として識別されると、参照テーブル１３５に示されるとおり、呼出出力部１６０は着信音を発生させる。ここで、応答入力部１７３は、例えば、応答手段として「保留」を観測し、応答時間として「１０秒」を観測する。この場合に、検証学習部１９０は、観測された応答手段である「保留」および観測された応答時間である「１０秒」と、識別情報「着信音の発生」に対応する予測応答手段である「通話」および予測応答時間である「短（５秒未満）」とを比較する。そして、検証学習部１９０は、観測された応答手段および応答時間と、予測応答手段および予測応答時間との不一致を検出する。すなわち、センサ１１０の入力情報からの識別情報の識別が正しくなかったと判断される。
【００９８】
このように実際に観測された応答パターンと予測応答パターンとが一致するか否かを検出することにより、識別情報と予測応答パターンとの適切な対応付けを前提として、センサ１１０の入力情報からの識別情報の識別の正しさを検証することができる。すなわち、センサ１１０のメンテナンスまたは識別モデルの再学習が必要であることを知ることができる。その結果、不適切な呼出動作が継続して選択されることを回避できる。
【００９９】
また、検証学習部１９０は、例えば、観測される上記応答パターンと上記第１の予測応答パターンとの不一致が検出された場合に、上記第１の入力情報と、観測された上記応答パターンに該当する第２の予測応答パターンに対応して記憶される第２の識別情報との組合せを、上記識別モデルの再学習用データとして取得する。図７を参照して具体例を説明する。例えば、上記のように、識別情報が「自席の机」である場合に、観測された応答手段および応答時間が「保留」および「１０秒」であったとすると、応答手段および応答時間と、予測応答手段（通話）および予測応答時間（短（５秒未満））との不一致が検出される。この場合に、検証学習部１９０は、観測された応答手段である「保留」および応答時間である「１０秒」の組合せに該当する予測応答手段および予測応答時間の組合せを、参照テーブル１３５から特定する。すなわち、検証学習部１９０は、予測応答時間および予測応答時間の組合せである「保留」および「中（５秒以上かつ２０秒未満）」を特定する。次に、検証学習部１９０は、「保留」および「中（５秒以上かつ２０秒未満）」の組合せに対応して、参照テーブル１３５に記憶される「胸ポケット」という識別情報を取得する。そして、検証学習部１９０は、この場合のセンサ１１０からの入力情報と、「胸ポケット」という識別情報との組合せを、識別モデルの再学習用の教師データとして取得する。
【０１００】
このように、センサ１１０からの入力情報と、予測応答パターンから導かれる理想的な識別情報とを教師データとして取得することで、識別情報と予測応答パターンとの適切な対応付けを前提として、信頼性の高い教師データを自動的に取得し続けることができる。よって、当該教師データを用いて再度学習することで、より信頼性の高い識別モデルを得られる。
【０１０１】
また、検証学習部１９０は、例えば、上記第１の識別情報が識別された場合に、観測された上記応答パターンと上記第１の予測応答パターンとの不一致が検出された回数を、上記第１の識別情報についての不一致回数としてカウントする。そして、検証学習部１９０は、上記不一致回数が所定の回数に到達する場合に、上記第１の入力情報と上記第２の識別情報との組合せを上記再学習用データとして取得する。
【０１０２】
図７を参照して具体例を説明する。上記のように、識別情報が「自席の机」である場合に、応答手段および応答時間と、予測応答手段および予測応答時間との不一致が検出される。この場合に、検証学習部１９０は、参照テーブル１３５の不一致回数を１だけ増加させる。そして、検証学習部１９０は、例えば、当該不一致回数が５回に到達する場合に、不一致が検出された際のセンサ１１０からの入力情報と、予測応答手段および予測応答時間から導かれる理想的な識別情報（例えば、「胸ポケット」）との組合せを、再学習用の教師データとして取得する。
【０１０３】
このような不一致回数を設けることで、識別モデルの信頼性が本当に低い場合にのみ、再学習を行うことができる。すなわち、偶然に不一致が検出された場合に、不適切な再学習が行われることを回避できる。
【０１０４】
また、検証学習部１９０は、上記不一致回数が所定の回数に到達するまで、各検出についての上記第１の入力情報と観測された上記応答パターンとを、記憶部１３３に記憶させる。そして、検証学習部１９０は、上記所定の回数分の上記第１の入力情報と上記第２の識別情報との組合せを上記再学習用データとして取得する。より具体的には、例えば、当該所定の回数が５回である場合に、検証学習部１９０は、不一致が検出される度に、センサ１１０からの入力情報および観測された応答パターンを記憶部１３３に記憶する。そして、不一致回数が５回に到達すると、５回分の入力情報および観測された応答パターンとから、５つの教師データを取得する。このように、不一致が検出される度に教師データを取得しない場合であっても、不一致回数に応じた教師データを得ることができる。なお、不一致回数は、不一致が検出された通算の回数であってもよい。または、不一致回数は、所定の時間若しくは所定の回数あたりに不一致が検出された回数、すなわち不一致回数の頻度であってもよい。
【０１０５】
また、検証学習部１９０は、取得した再学習用の教師データを用いて、識別モデルの再学習を行う。なお、検証学習部１９０は、教師データが得られる度に学習を行ってもよく、または所定の数の教師データを取得する度に、または所定の時間が経過する度に、再学習を行ってもよい。
【０１０６】
＜３−２．処理の流れ＞
以下では、図８を参照して、第２の実施形態に係る情報処理の一例について説明する。図８は、第２の実施形態に係るにおける情報処理の概略的な流れの一例を示すフローチャートである。なお、ここでは、第１の実施形態に係る情報処理の一例と第２の実施形態に係る情報処理の一例との差分であるステップＳ４１１〜Ｓ４２３のみを説明する。
【０１０７】
ステップＳ４１１で、応答入力部１７３は、応答時間の計測を開始する。そして、ステップＳ４１３で、応答入力部１７３は、着信時の応答パターンを観測する。
【０１０８】
次に、ステップＳ４１５で、検証学習部１９０は、観測された応答パターンと、識別された識別情報に対応して記憶される予測応答パターンとが一致するか否かを検出する。その結果、不一致が検出される場合には、処理はステップＳ４１７に進む。一方、一致が検出される場合には、処理は終了する。
【０１０９】
ステップＳ４１７で、検証学習部１９０は、識別された識別情報についての不一致回数を１だけ増加させる。そして、ステップＳ４１９で、検証学習部１９０は、不一致回数が所定の回数に到達したか否かを判定する。その結果、不一致回数が所定の回数に到達する場合に、処理はステップＳ４２１に進む。一方、不一致回数が所定の回数に到達しない場合に、処理は終了する。
【０１１０】
ステップＳ４２１で、検証学習部１９０は、センサからの入力情報と、観測された応答パターンに該当する予測応答パターンに対応して記憶される識別情報との組合せを、再学習用の教師データとして取得する。
【０１１１】
次に、ステップＳ４２３で、検証学習部１９０は、取得した再学習用の教師データを用いて、識別モデルの再学習を行う。そして、処理は終了する。
【０１１２】
以上、第２の実施形態について説明したが、当該第２の実施形態によれば、応答パターンを利用することで、センサ１１０の入力情報からの識別情報の識別の正しさを検証することができる。これにより、センサ１１０のメンテナンスまたは識別モデルの再学習が必要であることを知ることができる。さらに、教師データを自動的に取得し続けることができるので、当該教師データを用いて再度学習することで、より信頼性の高い識別モデルを得られる。
【０１１３】
＜４．第３の実施形態＞
上記第２の実施形態では、識別モデルの検証および再学習用の教師データの取得のために、応答パターンを利用した。しかし、利用者１０が突発的に忙しくなり、または利用者１０が偶然にも着信に応答できることに起因して、観測された応答パターンと予測応答パターンとが異なることもある。その場合に、センサ１１０の入力情報からの識別情報の識別が正しいにも関わらず、識別の誤りとして再学習用の教師データが取得される。その結果、不適切な教師データを用いた再学習により、識別モデルの信頼性が損なわれる可能性がある。そこで、第３の実施形態では、推定される利用者１０の割込み拒否度を関連機器３００から取得し、応答パターンに加えて当該割込み拒否度を利用することにより、不適切な教師データを用いた再学習を回避する。
【０１１４】
以下では、第３の実施形態を＜４−１．関連機器の構成＞、＜４−２．着信側の利用者端末の構成＞、＜４−３．処理の流れ＞という順序で説明する。
【０１１５】
＜４−１．関連機器の構成＞
関連機器３００は、利用者１０の割込み拒否度を推定する。当該割込み拒否度は、利用者１０が作業中に割り込まれることをどの程度拒否したいかを示す情報である。当該割込み拒否度は、例えば、「小」、「中」または「大」のように、複数の段階により表される。
【０１１６】
より具体的には、関連機器３００は、例えば、関連機器３００の使用状況から、利用者１０の割込み拒否度を推定する。一例として、関連機器３００は、キーボードの打鍵速度、マウスの操作量、ソフトウェアの切り替えのタイミング等から、割込み拒否度を推定する。例えば、キーボードの打鍵速度が速い場合、利用者１０は作業に集中していると考えられる。すなわち、利用者１０は割込みを拒否したいと考えられる。よって、この場合に、関連機器３００は、割込み拒否度を「大」と推定する。また、ソフトウェアが切り替えられた直後であれば、利用者１０はある作業から別の作業に切り替えたと考えられる。すなわち、利用者１０は割込みを許容すると考えられる。よって、この場合に、関連機器３００は、割込み拒否度を「小」と推定する。
【０１１７】
また、関連機器３００は、例えば、利用者１０の頭部運動の測定結果から、利用者１０の割込み拒否度を推定してもよい。一例として、関連機器３００は、利用者１０の頭部をカメラにより撮影し、当該カメラの映像を解析することにより、頭部運動を測定することができる。
【０１１８】
なお、割込み拒否度の推定手法は、文献「ＨＡＩシンポジウム２０１０ ３Ｂ−４ ユーザの割込み拒否度推定に基づくインタラクション仲介エージェント 田中貴紘 藤田欣也」においてより詳細に記載されている。
【０１１９】
そして、関連機器３００は、通信機能を用いて、推定される割込み拒否度を着信端末１００に送信する。
【０１２０】
＜４−２．着信側の利用者端末の構成＞
図９および図１０を参照して、第３の実施形態に係る着信端末１００−３の構成について説明する。図９は、第３の実施形態に係る着信端末１００−３の構成の一例を示すブロック図である。図９を参照すると、着信端末１００−３は、センサ１１０、識別部１２０、記憶部１３７、呼出制御部１４０、通信部１５３、呼出出力部１６０、応答入力部１７３、音声処理部１８１、音声入力部１８３、音声出力部１８５、音声保存部１８７および検証学習部１９３を備える。
【０１２１】
ここで、記憶部１３７、通信部１５３および検証学習部１９３以外の構成要素については、第２の実施形態との間に差異はない。よって、ここでは、第２の実施形態の記憶部１３３、通信部１５０および検証学習部１９０から一部変更された記憶部１３７、通信部１５３および検証学習部１９３の変更部分のみを説明する。
る。
【０１２２】
（記憶部１３７）
記憶部１３７は、識別部１２０により識別される識別情報と、当該識別情報が識別される場合における利用者１０の予測割込み拒否度とを対応して記憶する。ここで、予測割込み拒否度は、例えば、関連機器３００により推定されることが予測される割込み拒否度である。以下、記憶部１３７のより具体的な内容について、図１０を参照してより具体的に説明する。
【０１２３】
図１０は、第３の実施形態に係る記憶部１３７に記憶される参照テーブル１３９の一例を説明する説明図である。図１０を参照すると、参照テーブル１３９は、識別情報、呼出動作情報、予測応答手段、予測応答時間、予測割込み拒否度および不一致回数を対応して記憶する。ここで、予測割込み拒否度を除く、識別情報、呼出動作情報、予測応答手段、予測応答時間および不一致回数は、図７で説明された参照テーブル１３５のものと同じである。
【０１２４】
ここで、予測割込み拒否度は、対応する識別情報が識別される場合に関連機器３００により推定されることが予測される割込み拒否度である。図１０の例では、予測割込み拒否度は、「小」、「中」および「大」のうちのいずれかである。
【０１２５】
このように、識別情報と予測割込み拒否度との対応関係を定めることで、実際に推定される割込み拒否度と予測割込み拒否度とを比較することが可能になる。
【０１２６】
（通信部１５３）
通信部１５３は、利用者１０の推定される割込み拒否度を関連機器３００から受信し、検証学習部１９３に出力する。
【０１２７】
（検証学習部１９３）
検証学習部１９３は、センサ１１０からの上記第１の入力情報から上記第１の識別情報が識別される場合に、利用者１０の推定される割込み拒否度と、上記第１の識別情報に対応して記憶される第１の予測割込み拒否度とが一致するか否かを検出する。図１０を参照して具体例を説明すると、センサ１１０からの入力情報から、識別部１２０により「自席の机」が識別情報として識別されると、検証学習部１９３は、「自席の机」に対応する予測割込み拒否度として「小」を特定する。また、検証学習部１９３は、通信部１５３により、利用者１０の推定される割込み拒否度として「大」を入力される。そして、検証学習部１９３は、利用者１０の推定される割込み拒否度である「大」と、予測割込み拒否度である「小」との不一致を検出する。
【０１２８】
このように実際に推定される割込み拒否度と予測割込み拒否度とが一致するか否かを検出することにより、利用者１０が突発的に忙しくなった、利用者１０が偶然にも着信に応答できるようになった等、利用者１０が例外的な状況にあったことを知ることができる。
【０１２９】
また、検証学習部１９３は、観測される上記応答パターンと上記第１の予測応答パターンとの不一致が検出され、かつ推定される上記割込み拒否度と上記第１の予測割込み拒否度との一致が検出された場合に、上記第１の入力情報と、観測された上記応答パターンに該当する第２の予測応答パターンに対応して記憶される第２の識別情報との組合せを、上記識別モデルの再学習用データとして取得する。すなわち、観測された応答パターンと予測応答パターンとの不一致が検出されても、推定される割込み拒否度と予測割込み拒否度とが不一致であれば、利用者１０が例外的な状況にあったとして、検証学習部１９３は、再学習用の教師データを取得しない。
【０１３０】
図１０を参照して具体例を説明する。例えば、識別部１２０により識別された識別情報が、「自席机」であるとする。この場合に、予測応答手段および予測応答時間は、「通話」および「短（５秒未満）」であり、「予測割込み拒否度」は「小」である。ここで、例えば、観測された応答手段および予測応答時間が「保留」および「１０秒」であったとすると、検証学習部１９３は、観測された応答手段および応答時間と予測応答手段および予測応答時間との不一致を検出する。さらに、関連機器３００から受信した、利用者１０の推定される割込み拒否度が「大」であったとすると、検証学習部１９３は、推定される割込み拒否度と予測割込み拒否度との不一致を検出する。すなわち、利用者１０は例外的な状況にあったと考えられる。したがって、検証学習部１９３は、再学習用の教師データを取得しない。
【０１３１】
このように、割込み拒否度による検証も加えることにより、利用者１０が例外的な状況にある場合が考慮されるため、センサ１１０の入力情報からの識別情報の識別が正しいにも関わらず教師データが取得されることを回避できる。その結果、識別モデルの再学習では適切な教師データが用いられるため、識別モデルの信頼性を維持することができる。
【０１３２】
＜４−３．処理の流れ＞
以下では、図１１を参照して、第３の実施形態に係る情報処理の一例について説明する。図１１は、第３の実施形態に係るにおける情報処理の概略的な流れの一例を示すフローチャートである。なお、ここでは、第２の実施形態に係る情報処理の一例と第３の実施形態に係る情報処理の一例との差分であるステップＳ４２５およびＳ４２７のみを説明する。
【０１３３】
ステップＳ４２３では、通信部１５３は、利用者１０の推定される割込み拒否度を関連機器３００から受信し、検証学習部１９３に出力する。
【０１３４】
また、ステップＳ４２７では、検証学習部１９３は、推定される割込み拒否度と、識別された識別情報に対応して記憶される予測割込み拒否度とが一致するか否かを検出する。その結果、一致が検出される場合には、処理はステップＳ４１７に進む。一方、不一致が検出される場合には、処理は終了する。
【０１３５】
以上、第３の実施形態について説明したが、当該第３の実施形態によれば、センサ１１０の入力情報からの識別情報の識別が正しいにも関わらず教師データが取得されることを回避できる。その結果、識別モデルの再学習では適切な教師データが用いられるため、識別モデルの信頼性を維持することができる。
【０１３６】
以上、添付図面を参照しながら本発明の好適な実施形態について説明したが、本発明は係る例に限定されないことは言うまでもない。当業者であれば、特許請求の範囲に記載された範疇内において、各種の変更例または修正例に想到し得ることは明らかであり、それらについても当然に本発明の技術的範囲に属するものと了解される。
【０１３７】
例えば、情報処理装置は、着信側の利用者端末でなくてもよい。情報処理装置は、着信側の利用者端末の呼出動作を制御する別の装置であってもよい。この場合に、情報処理装置は、呼出制御部（判定部、制御部）および記憶部を備え、必要に応じて、識別部または検証学習部（検出部、取得部、カウント部）も備えてもよい。一例として、情報処理装置は、例えば、ＰＢＸ（Private Branch eXchange）であってもよい。
【０１３８】
また、呼出動作は、主として電話の着信時の呼出動作について説明されたが、当然のことながらこれに限定されない。呼出動作は、電子メール、インスタントメッセージ等の他の通信の呼出動作であってもよい。
【０１３９】
また、入力情報を取得するセンサは、光学式センサに限られない。当該センサは、例えば、ＧＰＳセンサ、加速度センサ、ジャイロセンサ、地磁気センサ等の他のセンサであってもよい。例えば、ＧＰＳセンサが位置情報を入力情報として取得し、当該位置情報に応じて、着信側の利用者端末の呼出動作が制御されてもよい。また、上記センサは、着信側の利用者端末に内蔵されてもよく、または着信側の利用者端末に着脱可能であってもよい。
【０１４０】
また、識別情報は、着信側の利用者端末の位置に限られず、呼出動作に対応する任意の情報であってもよい。例えば、識別情報は、「Ａ」、「Ｂ」「Ｃ」等、明示的な意味を有しない記号であってもよい。さらに、識別情報は、呼出動作を直接的に示す情報であってもよい。すなわち、センサからの入力情報と呼出動作情報との間に何らかの情報を介在させず、識別情報が呼出動作情報そのものであってもよい。逆に、識別情報と呼出動作情報との間に何らかの情報を介在させてもよい。
【０１４１】
また、応答パターンによる検証および学習において、センサの入力情報からの識別情報の識別が高い信頼性を有するという前提で、応答パターンにより、識別情報と呼出情報との対応関係の正しさを検証してもよい。
【０１４２】
また、割込み拒否度は、関連機器により推定されずに、利用者端末または情報処理装置により推定されてもよい。この場合に、関連機器は、割込み拒否度の推定に用いる情報を、利用者端末または情報処理装置に送信してもよい。また、割込み拒否度を、応答パターンと同様に、センサの入力情報から識別情報の識別を検証するために利用するのではなく、識別情報と同様に、呼出動作を決定するために利用してもよい。すなわち、センサからの入力情報および利用者の推定される割込み拒否度に対応する呼出動作が判定されてもよい。
【０１４３】
また、情報処理システム１は、発信側の利用者端末の代わりに、電話、電子メール、インスタントメッセージ等を自動発信する通信装置を含んでもよい。
【０１４４】
また、本明細書の情報処理における各ステップは、必ずしもフローチャートに記載された順序に沿って時系列に処理する必要はない。例えば、情報処理における各ステップは、フローチャートとして記載した順序と異なる順序で処理されても、並列的に処理されてもよい。
【０１４５】
また、利用者端末または情報処理装置に内蔵されるＣＰＵ、ＲＯＭおよびＲＡＭ等のハードウェアを、上記利用者端末または情報処理装置の各構成と同等の機能を発揮させるためのコンピュータプログラムも作成可能である。また、当該コンピュータプログラムを記憶させた記憶媒体も提供される。
【符号の説明】
【０１４６】
１ 情報処理システム
１０、２０ 利用者
３０ ネットワーク
１００ 着信側の利用者端末（着信端末）
１１０ センサ
１２０ 識別部
１３０、１３３、１３７ 記憶部
１４０ 呼出制御部
１５０、１５３ 通信部
１６０ 呼出出力部
１７０、１７３ 応答入力部
１８１ 音声処理部
１８３ 音声入力部
１８５ 音声出力部
１８７ 音声保存部
１９０ 検証学習部
２００ 発信側の利用者端末（発信端末）
３００ 関連機器
【特許請求の範囲】
【請求項１】
センサからの入力情報に対応する呼出動作を判定する判定部と、
前記判定部による判定結果を用いて、前記センサを備える装置における着信時の呼出動作を制御する制御部と、
を備える情報処理装置。
【請求項２】
前記判定部は、予め学習された識別モデルを用いて前記入力情報から識別される識別情報に対応する呼出動作を判定する、請求項１に記載の情報処理装置。
【請求項３】
前記識別情報と、当該識別情報に対応する呼出動作を行う場合の予測応答パターンとを対応して記憶する記憶部と、
前記センサからの第１の入力情報から第１の識別情報が識別される場合に、当該第１の識別情報に対応する呼出動作の結果観測される応答パターンと、前記第１の識別情報に対応して記憶される第１の予測応答パターンとが一致するか否かを検出する検出部と、
をさらに備える、請求項２に記載の情報処理装置。
【請求項４】
観測される前記応答パターンと前記第１の予測応答パターンとの不一致が検出された場合に、前記第１の入力情報と、観測された前記応答パターンに該当する第２の予測応答パターンに対応して記憶される第２の識別情報との組合せを、前記識別モデルの再学習用データとして取得する取得部、をさらに備える、請求項３に記載の情報処理装置。
【請求項５】
前記第１の識別情報が識別された場合に、観測された前記応答パターンと前記第１の予測応答パターンとの不一致が検出された回数を、前記第１の識別情報についての不一致回数としてカウントするカウント部をさらに備え、
前記取得部は、前記不一致回数が所定の回数に到達する場合に、前記第１の入力情報と前記第２の識別情報との組合せを前記再学習用データとして取得する、
請求項４に記載の情報処理装置。
【請求項６】
前記記憶部は、前記不一致回数が所定の回数に到達するまで、各検出についての前記第１の入力情報と観測された前記応答パターンとを記憶し、
前記取得部は、前記所定の回数分の前記第１の入力情報と前記第２の識別情報との組合せを前記再学習用データとして取得する、
請求項５に記載の情報処理装置。
【請求項７】
前記記憶部は、前記識別情報と、当該識別情報が識別される場合における前記装置の利用者の予測割込み拒否度とを対応して記憶し、
前記検出部は、前記第１の識別情報が識別される場合に、前記装置の利用者の推定される割込み拒否度と、前記第１の識別情報に対応して記憶される第１の予測割込み拒否度とが一致するか否かを検出する、
請求項３から６のいずれか１項に記載の情報処理装置。
【請求項８】
観測される前記応答パターンと前記第１の予測応答パターンとの不一致が検出され、かつ推定される前記割込み拒否度と前記第１の予測割込み拒否度との一致が検出された場合に、前記第１の入力情報と、観測された前記応答パターンに該当する第２の予測応答パターンに対応して記憶される第２の識別情報との組合せを、前記識別モデルの再学習用データとして取得する取得部、をさらに備える、請求項７に記載の情報処理装置。
【請求項９】
推定される前記割込み拒否度は、前記装置に関連付けられる所定の機器の使用状況から推定される、請求項７または８に記載の情報処理装置。
【請求項１０】
前記応答パターンは、選択される応答手段または呼出動作の開始時点から応答までの時間を含む、請求項３から９のいずれか１項に記載の情報処理装置。
【請求項１１】
前記応答手段は、前記着信が通話のための着信である場合に、通話、通話拒否、保留、または留守番電話への録音を含む、請求項１０に記載の情報処理装置。
【請求項１２】
前記判定部は、前記入力情報と前記装置の利用者の推定される割込み拒否度とに対応する呼出動作を判定する、請求項１または２に記載の情報処理装置。
【請求項１３】
前記センサは、当該センサに近接する物質の種類に応じた入力情報を取得し、
前記識別情報は、物質の種類に対応する情報である、
請求項１から１２のいずれか１項に記載の情報処理装置。
【請求項１４】
前記呼出動作は、着信音の発生、振動、または画面上の表示の変更を含む、請求項１から１３のいずれか１項に記載の情報処理装置。
【請求項１５】
センサからの入力情報に対応する呼出動作を判定するステップと、
前記判定部による判定結果を用いて、前記センサを備える装置における着信時の呼出動作を制御するステップと、
を含む情報処理方法。
【請求項１６】
コンピュータを、
センサからの入力情報に対応する呼出動作を判定する判定部と、
前記判定部による判定結果を用いて、前記センサを備える装置における着信時の呼出動作を制御する制御部と、
として機能させるためのプログラム。
【請求項１７】
情報処理装置および関連機器を含む情報処理システムであって、
前記情報処理装置は、
予め学習された識別モデルを用いてセンサからの入力情報から識別される識別情報に対応する呼出動作を判定する判定部と、
前記判定部による判定結果を用いて、前記センサを備える装置における着信時の呼出動作を制御する制御部と、
前記識別情報と、当該識別情報に対応する呼出動作を行う場合の予測応答パターンとを対応して記憶する記憶部と、
前記センサからの第１の入力情報から第１の識別情報が識別される場合に、当該第１の識別情報に対応する呼出動作の結果観測される応答パターンと、前記第１の識別情報に対応して記憶される第１の予測応答パターンとが一致するか否かを検出する検出部と、
を備え、
前記関連機器は、前記装置の利用者の割込み拒否度を推定し、
前記記憶部は、前記識別情報と、当該識別情報が識別される場合における前記装置の利用者の予測割込み拒否度とを対応して記憶し、
前記検出部は、前記第１の識別情報が識別される場合に、前記装置の利用者の推定される割込み拒否度と、前記第１の識別情報に対応して記憶される第１の予測割込み拒否度とが一致するか否かを検出する、
情報処理システム。
【請求項１】
センサからの入力情報に対応する呼出動作を判定する判定部と、
前記判定部による判定結果を用いて、前記センサを備える装置における着信時の呼出動作を制御する制御部と、
を備える情報処理装置。
【請求項２】
前記判定部は、予め学習された識別モデルを用いて前記入力情報から識別される識別情報に対応する呼出動作を判定する、請求項１に記載の情報処理装置。
【請求項３】
前記識別情報と、当該識別情報に対応する呼出動作を行う場合の予測応答パターンとを対応して記憶する記憶部と、
前記センサからの第１の入力情報から第１の識別情報が識別される場合に、当該第１の識別情報に対応する呼出動作の結果観測される応答パターンと、前記第１の識別情報に対応して記憶される第１の予測応答パターンとが一致するか否かを検出する検出部と、
をさらに備える、請求項２に記載の情報処理装置。
【請求項４】
観測される前記応答パターンと前記第１の予測応答パターンとの不一致が検出された場合に、前記第１の入力情報と、観測された前記応答パターンに該当する第２の予測応答パターンに対応して記憶される第２の識別情報との組合せを、前記識別モデルの再学習用データとして取得する取得部、をさらに備える、請求項３に記載の情報処理装置。
【請求項５】
前記第１の識別情報が識別された場合に、観測された前記応答パターンと前記第１の予測応答パターンとの不一致が検出された回数を、前記第１の識別情報についての不一致回数としてカウントするカウント部をさらに備え、
前記取得部は、前記不一致回数が所定の回数に到達する場合に、前記第１の入力情報と前記第２の識別情報との組合せを前記再学習用データとして取得する、
請求項４に記載の情報処理装置。
【請求項６】
前記記憶部は、前記不一致回数が所定の回数に到達するまで、各検出についての前記第１の入力情報と観測された前記応答パターンとを記憶し、
前記取得部は、前記所定の回数分の前記第１の入力情報と前記第２の識別情報との組合せを前記再学習用データとして取得する、
請求項５に記載の情報処理装置。
【請求項７】
前記記憶部は、前記識別情報と、当該識別情報が識別される場合における前記装置の利用者の予測割込み拒否度とを対応して記憶し、
前記検出部は、前記第１の識別情報が識別される場合に、前記装置の利用者の推定される割込み拒否度と、前記第１の識別情報に対応して記憶される第１の予測割込み拒否度とが一致するか否かを検出する、
請求項３から６のいずれか１項に記載の情報処理装置。
【請求項８】
観測される前記応答パターンと前記第１の予測応答パターンとの不一致が検出され、かつ推定される前記割込み拒否度と前記第１の予測割込み拒否度との一致が検出された場合に、前記第１の入力情報と、観測された前記応答パターンに該当する第２の予測応答パターンに対応して記憶される第２の識別情報との組合せを、前記識別モデルの再学習用データとして取得する取得部、をさらに備える、請求項７に記載の情報処理装置。
【請求項９】
推定される前記割込み拒否度は、前記装置に関連付けられる所定の機器の使用状況から推定される、請求項７または８に記載の情報処理装置。
【請求項１０】
前記応答パターンは、選択される応答手段または呼出動作の開始時点から応答までの時間を含む、請求項３から９のいずれか１項に記載の情報処理装置。
【請求項１１】
前記応答手段は、前記着信が通話のための着信である場合に、通話、通話拒否、保留、または留守番電話への録音を含む、請求項１０に記載の情報処理装置。
【請求項１２】
前記判定部は、前記入力情報と前記装置の利用者の推定される割込み拒否度とに対応する呼出動作を判定する、請求項１または２に記載の情報処理装置。
【請求項１３】
前記センサは、当該センサに近接する物質の種類に応じた入力情報を取得し、
前記識別情報は、物質の種類に対応する情報である、
請求項１から１２のいずれか１項に記載の情報処理装置。
【請求項１４】
前記呼出動作は、着信音の発生、振動、または画面上の表示の変更を含む、請求項１から１３のいずれか１項に記載の情報処理装置。
【請求項１５】
センサからの入力情報に対応する呼出動作を判定するステップと、
前記判定部による判定結果を用いて、前記センサを備える装置における着信時の呼出動作を制御するステップと、
を含む情報処理方法。
【請求項１６】
コンピュータを、
センサからの入力情報に対応する呼出動作を判定する判定部と、
前記判定部による判定結果を用いて、前記センサを備える装置における着信時の呼出動作を制御する制御部と、
として機能させるためのプログラム。
【請求項１７】
情報処理装置および関連機器を含む情報処理システムであって、
前記情報処理装置は、
予め学習された識別モデルを用いてセンサからの入力情報から識別される識別情報に対応する呼出動作を判定する判定部と、
前記判定部による判定結果を用いて、前記センサを備える装置における着信時の呼出動作を制御する制御部と、
前記識別情報と、当該識別情報に対応する呼出動作を行う場合の予測応答パターンとを対応して記憶する記憶部と、
前記センサからの第１の入力情報から第１の識別情報が識別される場合に、当該第１の識別情報に対応する呼出動作の結果観測される応答パターンと、前記第１の識別情報に対応して記憶される第１の予測応答パターンとが一致するか否かを検出する検出部と、
を備え、
前記関連機器は、前記装置の利用者の割込み拒否度を推定し、
前記記憶部は、前記識別情報と、当該識別情報が識別される場合における前記装置の利用者の予測割込み拒否度とを対応して記憶し、
前記検出部は、前記第１の識別情報が識別される場合に、前記装置の利用者の推定される割込み拒否度と、前記第１の識別情報に対応して記憶される第１の予測割込み拒否度とが一致するか否かを検出する、
情報処理システム。
【図１】
【図２】
【図３】
【図４】
【図５】
【図６】
【図７】
【図８】
【図９】
【図１０】
【図１１】
【図２】
【図３】
【図４】
【図５】
【図６】
【図７】
【図８】
【図９】
【図１０】
【図１１】
【公開番号】特開２０１３−７７９６９（Ｐ２０１３−７７９６９Ａ）
【公開日】平成２５年４月２５日（２０１３．４．２５）
【国際特許分類】
【出願番号】特願２０１１−２１６４７１（Ｐ２０１１−２１６４７１）
【出願日】平成２３年９月３０日（２０１１．９．３０）
【公序良俗違反の表示】
（特許庁注：以下のものは登録商標）
１．Ｂｌｕｅｔｏｏｔｈ
２．ＺＩＧＢＥＥ
【出願人】（００００００２９５）沖電気工業株式会社 (6,645)
【Ｆターム（参考）】
【公開日】平成２５年４月２５日（２０１３．４．２５）
【国際特許分類】
【出願日】平成２３年９月３０日（２０１１．９．３０）
【公序良俗違反の表示】
（特許庁注：以下のものは登録商標）
１．Ｂｌｕｅｔｏｏｔｈ
２．ＺＩＧＢＥＥ
【出願人】（００００００２９５）沖電気工業株式会社 (6,645)
【Ｆターム（参考）】
[ Back to top ]