信息處理裝置、信息處理方法及電腦程式與流程

2024-03-31 18:37:05

技術領域

本公開內容涉及一種對用戶的行為記錄進行處理的信息處理裝置、一種信息處理方法和一種電腦程式。

背景技術：

提出了一種根據通過使用各種感測技術而獲取的傳感器信息來識別用戶的動作行為的技術。所識別的用戶的動作行為被自動地記錄為行為日誌並且可以通過用於表示的各種技術來表示，例如，通過如化身等動畫來重現動作行為，在地圖上示出用戶的移動軌跡，或使用對各種動作行為進行抽象的指標。

引用內容

專利文獻

專利文獻1：JP 2008-3655A

技術實現要素：

技術問題

但是，當使用例如運動捕獲裝置等行為記錄裝置通過如化身等動畫來重現行為日誌時，會需要非常大型的設備。另一方面，通過使用如智慧型手機等包含小型傳感器的記錄裝置生成的行為日誌限制了可以記錄/識別的行為類型，因此很難向用戶呈現有價值的行為記錄。因此，行為日誌一般被示為用戶在地圖上的移動軌跡或被顯示為被轉換為如健康指標等活動量的行為記錄。

因此，提出了一種表示技術，其以容易理解的方式將包含小型傳感器的記錄裝置所記錄的行為日誌呈現給用戶。

技術方案

根據本公開內容，提供了一種信息處理裝置，包括：行為識別單元，其基於傳感器信息對用戶的動作行為進行識別；和行為表示生成單元，其對表明由行為識別單元識別的用戶的動作行為的動作行為數據進行分析，以根據動作行為數據來生成由動作行為的含義和內容表示的行為段。

根據本公開內容，提供了一種信息處理裝置，包括：行為識別單元，其基於傳感器信息對用戶的動作行為進行識別；行為表示生成單元，其基於決定動作行為的動作行為估計信息、根據表明由行為識別單元識別的用戶的動作行為的動作行為數據來生成組成行為日誌的行為段；和反饋調節單元，其基於所述用戶對由行為表示生成單元生成的行為段的校正反饋來對動作行為估計信息進行校正。

根據本公開內容，提供了一種信息處理方法，包括：基於傳感器信息對用戶的動作行為進行識別的步驟；和對表明所識別的用戶的動作行為的動作行為數據進行分析，以根據動作行為數據來生成由動作行為的含義和內容表示的行為段的步驟。

根據本公開內容，提供了一種信息處理方法，包括：基於傳感器信息對用戶的動作行為進行識別的步驟；基於決定動作行為的動作行為估計信息、根據表明所識別的用戶的動作行為的動作行為數據來生成組成行為日誌的行為段的步驟；和基於用戶對行為段的校正反饋來對動作行為估計信息進行校正的步驟。

根據本公開內容，提供了一種電腦程式，其使得計算機用作信息處理裝置，所述信息處理裝置包括：行為識別單元，其基於傳感器信息對用戶的動作行為進行識別；和行為表示生成單元，其對表明由行為識別單元識別的用戶的動作行為的動作行為數據進行分析，以根據動作行為數據來生成由動作行為的含義和內容表示的行為段。

根據本公開內容，提供了一種電腦程式，其使得計算機用作信息處理裝置，所述信息處理裝置包括：行為識別單元，其基於傳感器信息對用戶的動作行為進行識別；行為表示生成單元，其基於決定動作行為的動作行為估計信息、根據表明由行為識別單元識別的用戶的動作行為的動作行為數據來生成組成行為日誌的行為段；和反饋調節單元，其基於用戶對由行為表示生成單元生成的行為段的校正反饋來對動作行為估計信息進行校正。

根據本公開內容，表明由行為識別單元基於傳感器信息識別的用戶的動作行為的動作行為數據由行為表示生成單元來分析，以根據動作行為數據來生成由動作行為的含義和內容表示的行為段。通過使用由動作行為的含義和內容表示的行為段來顯示行為日誌，信息可以以容易理解的方式呈現給用戶。

發明的有利效果

根據本公開內容，如上所述，所記錄的行為日誌可以以容易理解的方式呈現給用戶。

附圖說明

圖1是示出了根據本公開內容的實施方式的行為日誌顯示系統的配置的說明圖；

圖2是示出了根據該實施方式的行為日誌顯示系統的功能配置的功能框圖；

圖3是示出了語境層級詞典的示例的說明圖；

圖4是示出了通過語境分析根據動作行為數據生成行為段並且通過改變行為段的分段粒度大小來改變行為日誌的顯示的情況的說明圖；

圖5是示出了通過語境分析根據動作行為數據生成行為段並且通過改變行為段的分段粒度大小來改變行為日誌的顯示的情況的另一個示例的說明圖；

圖6是示出了以下情況的說明圖：通過組合語境分析和時間寬度、根據動作行為數據來生成行為段，並且通過改變行為段的分段粒度大小來改變行為日誌的顯示；

圖7是示出了以下情況的說明圖：通過組合語境分析、時間寬度和位置變化、根據動作行為數據來生成行為段，並且通過改變行為段的分段粒度大小來改變行為日誌的顯示；

圖8是示出了行為識別的總體處理流程的流程圖；

圖9是示出了生活行為識別單元的處理的流程圖；

圖10是示出了層次結構判斷單元的處理的流程圖；

圖11是示出了行為段生成處理的流程圖；

圖12是示出了行為段生成處理的流程圖；

圖13是示出了將層次信息附加至行為段的方法的說明圖；

圖14是示出了分析伺服器的功能配置的功能框圖；

圖15是示出了行為日誌的表示的示例的說明圖；

圖16是示出了當行為日誌顯示應用程式被激活時的行為日誌的顯示示例的說明圖；

圖17是示出了日曆的顯示示例的說明圖；

圖18是示出了當通過操作地圖按鈕使地圖顯示與行為日誌對應的位置信息時的顯示示例的說明圖；

圖19是示出了其中用於對要被校正的行為段進行校正的校正屏幕被顯示的狀態的說明圖；

圖20是示出了校正動作行為的校正屏幕的示例的說明圖；

圖21是示出了組合行為段的方法的示例的說明圖；

圖22是示出了決定組合之後的行為段的動作內容的另一種方法的示例的說明圖；

圖23是示出了通過行為段的時間設置的劃分方法的示例的說明圖；

圖24是示出了基於行為段的層次信息的劃分方法的示例的說明圖；

圖25是示出了顯示粗糙度通過使用滑塊而改變的情況的說明圖；

圖26是示出了顯示粗糙度通過使用縮放按鈕而改變的情況的說明圖；

圖27是示出了當在行為類型選擇列表中選擇「工作細節」按鈕時行為段的顯示變化的說明圖；

圖28是示出了當在行為類型選擇列表中選擇「購物細節」按鈕時行為段的顯示變化的說明圖；

圖29是示出了當在行為類型選擇列表中選擇「移動細節」按鈕時行為段的顯示變化的說明圖；

圖30是示出了當在行為類型選擇列表中選擇「統一細節」按鈕時行為段的顯示變化的說明圖；

圖31是示出了設置有針對每種類型的行為設置行為段的顯示粗糙度的滑塊的顯示粒度大小設置單元的位置配置示例的說明圖；

圖32是示出了從行為日誌刪除行為段的方法的說明圖；

圖33是示出了將行為日誌中的行為段的內容投寄至投寄站點的方法的說明圖；

圖34是示出了做出關於行為日誌顯示應用程式的各種設置的設置屏幕的位置配置示例的說明圖；

圖35是示出了生活行為識別單元的行為識別處理的示例的流程圖；

圖36是示出了表明取決於地點的加權因子與每個行為的概率分布之間的關係的動作行為估計信息的說明圖；

圖37是提供了校正反饋的反映處理的概要的說明圖；

圖38是示出了行為的校正反饋的反映處理的流程圖；

圖39是基於圖38的處理對動作行為估計信息的校正進行說明的說明圖。

圖40是示出了行為的校正反饋的反映處理的流程圖；

圖41是示出了行為和位置信息的校正反饋的反映處理的流程圖；

圖42是示出了典型行為模式生成單元的行為模式的個人建模的說明圖；

圖43是示出了通過確定交通媒介/工具的位置顯示技術的說明圖；

圖44是示出了線路估計處理的說明圖；

圖45是示出了站名選擇處理的說明圖；

圖46是示出了根據所述實施方式的行為記錄裝置的硬體配置示例的框圖。

具體實施方式

下文中，將參考附圖詳細地描述本公開內容的優選實施方式。注意，在說明書和附圖中，具有基本上相同功能和結構的元件用相同的附圖標記來表示，並且不再重複說明。

按照以下所示次序來提供描述：

[2-1.行為記錄裝置]

[2-2.行為日誌伺服器]

[2-3.分析伺服器]

[3-1.動作行為與其含義/內容之間的關係]

(示例1：通過語境分析來生成行為段)

(示例2：通過組合語境分析和時間寬度來生成行為段)

(示例3：通過組合語境分析、時間寬度和位置變化來生成行為段)

[3-4.行為表示生成單元的處理內容]

[4-1.基於行為段的行為日誌表示]

[4-2.瀏覽行為]

[4-3.校正行為]

[4-4.組合行為]

[4-5.劃分行為]

[4-6.基於分段粒度大小的行為段表示]

[4-7.刪除行為]

[4-8.投寄行為]

[4-9.行為日誌獲取停止處理]

[4-10.更新顯示內容]

[5-1.校正反饋的屬性]

[5-3.校正反饋的反映處理]

(5-3-1.校正反饋的反映處理的概要)

(5-3-2.行為的校正反饋的反映處理)

(5-3-3.行為和位置信息的校正反饋的反映處理)

[6-1.行為模式的個人建模]

[6-2.通過移動媒介/工具確定的位置顯示技術]

(6-2-1.線路估計處理)

(6-2-2.站名選擇過程)

首先，將參考圖1提供根據本公開內容的實施方式的行為日誌顯示系統的概要。圖1是示出了根據本實施方式的行為日誌顯示系統的概要配置的說明圖；

根據本實施方式的行為日誌顯示系統實現了一種表示技術，該技術以容易理解的方式將包含小型傳感器的記錄裝置100(在下文中被稱為「行為記錄裝置」)所記錄的行為日誌呈現給用戶。例如，可以使用如行動電話、PDA(個人數字助理)和智慧型手機等移動終端作為行為記錄裝置100。行為記錄裝置100設置有對持有該裝置的用戶的狀況或行為進行感測的至少一個傳感器。行為記錄裝置100基於傳感器所獲取的傳感器信息來估計用戶的動作行為，並且將動作行為作為行為日誌發送至行為日誌伺服器200。以此方式，用戶的行為日誌被積累在行為日誌伺服器200中。

由行為記錄裝置100分析的並且存儲在行為日誌伺服器200中的行為日誌將例如「進餐」、「移動」和「睡眠」等動作與行為時間、位置信息等記錄在一起。根據本實施方式的行為日誌顯示系統通過分析伺服器300來對表示動作內容的行為日誌進一步進行分析以識別行為的含義，並且生成添加有行為含義的信息(行為段)。行為段是作為行為日誌的用戶容易理解的表示的單位信息。替代簡單地將行為日誌呈現給用戶，行為段可以以傳達行為含義的方式呈現行為日誌。

由分析伺服器300分析並呈現給用戶的行為日誌可以由用戶來校正。此外，所呈現的行為日誌的數據可以通過生成行為段而被組合、劃分或刪除。所呈現的行為日誌還可以投寄給投寄站點。因此，通過使用根據本實施方式的行為日誌顯示系統，獲取為動作的行為日誌可以被分析並且以容易理解的方式呈現給用戶。下面將詳細描述根據本實施方式的行為日誌顯示系統的配置和功能。

圖2示出了根據本實施方式的行為日誌顯示系統的功能配置。如上所述，行為日誌顯示系統包括：行為記錄裝置100，其記錄用戶的動作行為；行為日誌伺服器200，其管理行為記錄裝置100所記錄的行為日誌；和分析伺服器300，其對行為日誌進行分析以生成行為段。

[2-1.行為記錄裝置]

行為記錄裝置100包括傳感器110、行為識別單元120、客戶端接口單元130、行為表示處理單元140、顯示單元150和輸入單元160。

傳感器110是對用戶的行為或狀況進行感測並且被安裝在行為記錄裝置100中的裝置。例如，可以使用加速度傳感器、陀螺儀傳感器、磁場傳感器、大氣壓傳感器、照度傳感器、溫度傳感器和擴音器等作為傳感器110。還可以安裝獲取緯度/經度的緯度/經度獲取傳感器作為傳感器110。例如，不僅可以使用GPS(全球定位系統)或WiFi而且還可以使用其他通信網絡的基站信息或如RFID和圖像等信息作為緯度/經度獲取傳感器。傳感器110將所檢測的信息作為傳感器信息輸出給行為識別單元120。

行為識別單元120基於傳感器信息對用戶的行為進行估計。行為識別單元120包括傳感器控制器122和動作行為識別單元124。傳感器控制器122控制傳感器110、CPU或總體系統以使得有效地進行由傳感器110進行的感測。傳感器控制器122基於傳感器110或動作行為識別單元124的識別結果來控制上述裝置。

動作行為識別單元124通過執行傳感器信息的信號處理或統計處理來識別用戶的行為或狀況。行為記錄裝置100預先對作為因處理傳感器信息而獲得的關於用戶的行為的信息的行為模型與動作行為之間的對應關係進行保存。當通過處理傳感器信息獲得了行為參數時，動作行為識別單元124對與上述參數對應的動作行為進行識別。然後，動作行為識別單元124將所識別的動作行為與行為時間段、行為時刻、位置信息等相關聯，並且將所關聯的信息作為動作行為數據輸出給客戶端接口單元130。動作行為數據從客戶端接口單元130被上傳至行為日誌伺服器200中。

客戶端接口單元130發送/接收行為記錄裝置100、行為日誌伺服器200和分析伺服器300之間的信息。例如，客戶端接口單元130將從行為識別單元120輸入的動作行為數據發送至行為日誌伺服器200，或將從分析伺服器30接收的分析結果輸出給行為表示處理單元140。此外，客戶端接口單元130將來自用戶的通過輸入單元160輸入的反饋信息發送給分析伺服器300。

行為表示處理單元140是顯示行為日誌或處理來自用戶的反饋信息的功能單元，並且包括顯示處理單元142和輸入信息處理單元144。顯示處理單元142執行處理以對從顯示單元150中的客戶端接口單元130輸入的分析伺服器30的分析結果進行顯示。輸入信息處理單元144執行處理以將從輸入單元160輸入的用戶針對行為日誌的反饋信息通過客戶端接口單元130發送至分析伺服器300。

顯示單元150是顯示信息的輸出裝置並且可以通過例如液晶顯示器、有機EL顯示器等來配置。例如，由顯示處理單元142處理以用於顯示的行為日誌在顯示單元150中被顯示。

輸入單元160是用於輸入信息的輸入裝置，並且例如可以使用觸摸面板、鍵盤、硬體按鈕等。在本實施方式中，假設顯示單元150的顯示表面設置有作為輸入單元160的觸摸面板。在該情況下，用戶例如可以通過使如手指或觸摸筆的動作主體與顯示單元150的顯示表面接觸或通過將移動動作主體使得動作主體與顯示表面接觸來輸入信息。從輸入單元160輸入的信息被輸出至輸入信息處理單元144。

[2-2.行為日誌伺服器]

行為日誌伺服器200包括日誌伺服器接口單元210和行為日誌資料庫(DB)220。

日誌伺服器接口單元210發送/接收行為日誌伺服器200、行為記錄裝置100和分析伺服器300之間的信息。例如，日誌伺服器接口單元210將從行為記錄裝置100接收的動作行為數據記錄在行為日誌資料庫220中，或者根據來自分析伺服器300的發送請求從行為日誌資料庫220獲取動作行為數據並且將動作行為數據發送給分析伺服器300。

行為日誌資料庫220是對由行為記錄裝置100獲取的用戶的動作行為數據進行存儲的存儲單元。如上所述，在存儲在行為日誌資料庫220中的動作行為數據中，由動作行為識別單元124標識的動作行為與行為時間段、行為時刻、位置信息等被關聯並且例如按照時間順序存儲在行為日誌資料庫220中。

[2-3.分析伺服器]

分析伺服器300包括分析伺服器接口單元310、行為表示生成單元320和數據管理單元330。

日誌伺服器接口單元310發送/接收分析伺服器300、行為記錄裝置100和行為日誌伺服器200之間的信息。例如，分析伺服器接口單元310從行為記錄裝置100接收行為日誌的分析指令(分析請求)，或根據分析請求發送所必需的動作行為數據的發送請求。分析伺服器接口單元310還從行為記錄裝置100接收用戶對行為日誌的反饋信息。

行為表示生成單元320分析動作行為數據以理解其含義並且生成添加有含義和內容的行為段。行為表示生成單元320包括生活行為識別單元321和層次結構判斷單元322。生活行為識別單元321根據包括動作行為數據的行為日誌來生成行為段。生活行為識別單元321基於數據與數據的時間段、時刻等之間的關係來分析按照時間順序排列的動作行為數據的含義和內容。生活行為識別單元321選擇所分析的含義和內容中被歸類為最詳細的含義和內容數據作為行為段。所生成的行為段被輸出至數據管理單元330並且被保存在其中。

層次結構判斷單元322對關於由生活行為識別單元321生成的行為段的含義和內容的層次結構進行判斷，並且將表示含義和內容的層次關係的層次信息附加至行為段。層次信息是通過隨後所述處理而被附加至行為段的層次含義信息。層次信息例如可以是使用歸一化值作為鍵的信息或是使用標識含義信息的層級的ID作為直接鍵的信息。附加有層次信息的行為段被稱作層次信息附加行為段。行為的含義與內容的層次關係被存儲在數據管理單元330中。層次結構判斷單元322通過生活行為識別單元321將層次信息附加行為段輸出給數據管理單元330。隨後將會詳細描述行為表示生成單元320的功能和其處理內容的細節。

數據管理單元330對由行為表示生成單元320生成的行為段進行管理.數據管理單元330包括數據獲取單元331、反饋調節單元332、分析參數資料庫333、單位數據存儲數據334和層次信息附加數據存儲資料庫335。

數據獲取單元331將數據發送至行為表示生成單元320中或從行為表示生成單元320接收數據。數據獲取單元331將從行為表示生成單元320發送的行為段記錄在單位數據存儲資料庫334中，或將層次信息附加行為段記錄在層次信息附加數據存儲資料庫335中。數據獲取單元331根據來自行為表示生成單元320的請求從單位數據存儲資料庫334或層次信息附加數據存儲資料庫335中獲取指定的行為段，並且將行為段輸出至行為表示生成單元320中。

反饋調節單元332將從行為記錄裝置100接收的反饋信息反映在用於分析動作行為數據的含義和內容的分析參數中。反饋信息表示用戶對顯示在行為記錄裝置100中的顯示單元150中的行為日誌做出的如校正等處理的內容。反饋調節單元332使用反饋信息來校正分析參數以使得可以更加準確地識別用戶行為的含義和內容。

分析參數資料庫333是保存用於分析動作行為數據的含義和內容的分析參數的存儲單元。在分析參數資料庫333中，例如，動作行為與含義和內容之間的對應關係被存儲為分析參數。存儲在分析參數資料庫333中的信息可以被生活行為識別單元321和層次結構判斷單元322兩者引用。當需要時，基於來自用戶的反饋信息更新分析參數。

單位數據存儲資料庫334對由行為表示生成單元320生成的行為段進行存儲。存儲在單位數據存儲資料庫334中的行為段是識別所必需的最小單位的段(單位段)。

層次信息附加數據存儲資料庫335存儲其中層次附加信息被附加至由行為表示生成單元320生成的行為段的行為段。存儲在層次信息附加數據存儲資料庫335中的行為段是通過層次結構判斷單元332附加有表示行為的含義和內容的層次結構的層次信息的層次信息附加行為段。附加有層次信息的行為段的記錄時刻例如可以是：當由應用程式請求時或多個分段粒度大小的分析結果可以由行為表示生成單元320預先記錄時。

即，行為表示生成單元320和數據管理單元330用作對行為記錄裝置100生成的動作行為數據的含義和內容進行分析的信息處理裝置，以呈現用戶容易理解的信息。

在根據本實施方式的行為日誌顯示系統中，由行為記錄裝置100生成的動作行為的含義和內容由分析伺服器300分析，以基於行為的含義和內容來生成行為段。關於行為的含義和內容的層次信息還可以附加至行為段，並且行為日誌的顯示形式還可以基於層次信息而容易地變化。首先，將參考圖3至圖13來描述行為段的生成處理。

[3-1.動作行為與其含義/內容之間的關係]

行為記錄裝置100對例如「進餐」、「移動」或「睡眠」等動作行為進行分析。分析伺服器300使用包含動作行為的動作行為數據對每個動作行為的內容進行更加深入的分析。動作行為的含義和內容的分析是通過使用例如在圖3中示出的語境層級字典來執行的。

如圖3所示，如果在動作行為「進餐」、「移動」和「睡眠」中選取動作行為「移動」，則其含義和內容取決於移動的類型而變化。例如，當「步行」時，用戶可以採取繼續「行走」的行為或改變至「立定」行為。例如，當在移動中「等待交通工具」時，可能採取繼續「等待交通工具」的行為。此外，例如，當「乘坐火車移動時」，該移動可能由「乘坐火車在單一線路上的移動」的行為做出。此外，可以假設其中「乘坐火車移動」的狀態繼續的狀態，或者用戶移動所乘火車停止的「火車停止」狀態。替選地，可以採取在「乘坐火車移動」之後的「轉火車」行為，或者也可能發生到「等待交通工具」的狀態轉變。

然後，進一步行為「步行」可以與「步行」行為或「轉火車」行為相關聯，並且進一步行為「停止」可以與「立定」行為、「等待交通工具」狀態或「火車停止」狀態相關聯。作為交通工具的「火車」可以進一步與「乘坐火車移動」的狀態相關聯。

因此，處於動作行為層級的行為元信息可以如圖3所示取決於語境而變為較高層級的行為元信息。本實施方式中的行為日誌顯示系統可以基於動作行為與其含義和內容之間的關係來分析行為的含義和內容，從而可以呈現用戶容易理解的行為日誌。此外，通過將作為層次信息的層次關係附加至關於動作行為的含義和內容的行為段，隨後所描述的行為日誌的分段粒度大小可以容易地改變。

在本實施方式中，本體論(ontology)/語義技術被應用於對動作行為的含義和內容的識別，以對判斷「行為」和動作行為數據中的「語境」的行為識別進行分段。本體論系統地表示了字詞之間的關係的概念，並且在本實施方式中，例如，如圖3所示，行為之間的關係的概念被系統化。因此，使用行為之間的關係的系統化概念，通過應用語義技術來理解行為的關係或行為的含義，並且基於該理解來進行對動作行為的含義和內容的識別處理。例如，通過使用從某個行為(例如，進餐)到某個行為(例如，工作)的轉變很有可能伴隨有例如「步行移動」的動作行為的屬性來判斷語境，能夠生成符合用戶感覺的行為段。

(示例1：通過語境分析來生成行為段)

作為使用動作行為與含義和內容之間的關係的行為段生成處理的具體示例，將基於圖4和圖5來描述通過語境分析的行為段生成處理。圖4是示出了通過語境分析根據動作行為數據生成行為段並且通過改變行為段的分段粒度大小來改變行為日誌的顯示的情況的說明圖。圖5是示出了通過語境分析根據動作行為數據生成行為段並且通過改變行為段的分段粒度大小來改變行為日誌的顯示的情況的另一個示例的說明圖。

如圖4所示，假設通過動作行為識別單元124來獲取包括動作行為數據的行為日誌。動作行為數據按照時間順序從左到右來設置。動作行為數據是基於傳感器110的傳感器信息而識別的動作行為，並且行為日誌通過像「行走」、「停止」以及「搭乘火車」等簡單的動作行為來表示。生活行為識別單元321使用如圖3所示的字典根據這樣的行為日誌對每個動作行為數據的含義或動作行為數據之間的關係進行識別。

例如，「搭乘火車」的動作行為數據之間的預定時間或小於預定時間的短暫的「停止」狀態被估計為「火車停止(到站)」狀態。「搭乘火車」的動作行為數據之間的預定時間或小於預定時間的短暫的「行走」狀態被估計為「轉火車」行為。此外，緊接在「搭乘火車」動作行為數據之前的動作行為數據「停止」被估計為「等待火車」狀態。

可以通過使用動作行為數據的行為時刻來更加恰當地估計該行為。關於「乘火車移動」的行為，例如，如果行為時刻是早上時間(例如，從上午6點至上午10點)，則可以估計「去辦公室」或「去學校」的行為含義；如果行為時刻是晚上時間(例如，從下午5點至下午8點)，則可以估計「回家」的行為含義。類似地，關於「進餐」行為，如果行為時刻是早上時間，則可以估計「進早餐」的行為含義；如果行為時刻是大約中午的時間，則可以估計「進午餐」；如果行為時刻是晚上時間，則可以估計「進晚餐」。

因此，通過包括由生活行為識別單元321來分析的動作行為數據的行為日誌來生成包括圖4所示的行為段的行為日誌。行為段是表示添加了動作內容的動作行為的數據，並且是具有相同含義和內容的一塊連續動作行為。所生成的匹配動作行為數據的行為段包括添加了詳細動作內容的單位段。因此，如果如圖4所示由行為段來表示行為日誌，則還能夠知曉乘火車時的移動狀態。

然後，通過從圖3所示的語境層級字典獲取處於動作行為層級的層次行為元信息以層次性地改變作為參數的分段粒度大小從而確定行為段的分段粗糙度，可以改變行為段的顯示。隨著分段粒度大小的增大，可以被認為是一個行為的多個行為段被組合以產生表示粗糙動作內容的行為段。另一方面，隨著分段粒度大小的減小，行為段接近單位分段。

例如，圖4所示，由單位分段表示的行為日誌的分段粒度大小被增大。在通過將分段粒度大小從單位分段的分段粒度大小增大至粒度大小1-1的狀態下，一系列動作「搭乘火車」、「火車停止」和「搭車火車」通過一個行為段「搭乘某一線路的火車」來表示。在通過將分段粒度大小進一步增大至粒度大小1-2的狀態下，一系列動作「搭乘某一線路的火車」、「轉火車」和「搭乘某一線路的火車」通過一個行為段「乘火車移動」來表示。在通過將分段粒度大小進一步增大至粒度大小1-3的狀態下，一系列動作「步行」、「等火車」、「乘火車移動」和「步行」由一個行為段「移動」來表示。

通過以此方式基於處於動作行為層級的層次行為元信息來改變分段粒度大小，可以在用戶容易理解的動作行為層級上顯示行為日誌。

參考圖4來描述涉及移動的動作段，但是也可以針對其他行為類似地顯示行為日誌。假設，例如如圖5所示，表示出現在購物行為等中的顯著不穩定的運動的「行為模型X」和「吃飯」動作行為被動作行為識別單元124識別為動作行為數據。「行為模型X」通常意味著購物類，但是其含義根據先前或後續確定結果來變化。

在圖5所示的示例中，「行為模型X」在「吃飯」之前和之後出現。在該情況下，生活行為識別單元321根據行為模型X之前和之後的動作行為數據將行為模型X識別為如在「吃飯」動作之前和之後進行的動作的「接受」以及「付帳」。因此，用戶容易理解的行為日誌可以由根據先前或後續動作被添加至用戶的不穩定運動的含義和內容來表示。還是在該情況下，通過增大分段粒度大小可以將「接受」、「吃飯」和「付帳」一系列行為表示為一個行為段「吃飯」。

(示例2：通過組合語境分析和時間寬度來生成行為段)

接著，將基於圖6來描述當行為段是通過除了考慮語境分析以外還考慮時間寬度來生成時的具體示例。圖6是示出了以下情況的說明圖：通過組合語境分析和時間寬度、根據動作行為數據來生成行為段，並且通過改變行為段的分段粒度大小來改變行為日誌的顯示。

如圖6所示，假設通過動作行為識別單元124來獲取包括動作行為數據的行為日誌。在本示例中，通過像作為動作行為數據的「案頭工作」、「行走」、「預先安排」和「進餐」等簡單的動作行為來表示行為日誌。生活行為識別單元321使用如圖3所示的字典來識別每個動作行為數據的含義或動作行為數據之間的關係，並且還通過考慮動作行為數據的時間寬度來對其內容和含義進行識別。

圖6示出了公司中的行為日誌的示例。「行走」的動作行為數據是關於何種行走可以根據先前或後續動作行為數據來識別，而且還可以基於行走時間來估計。公司中的短暫「行走」的動作行為通常不具有任何特殊意義。但是，如果行走持續了預定時間或比預定時間長的時間，則行走被估計為不是在樓層上的簡單移動，而在房屋之間的移動。因此，通過組合使用字典的語境分析和動作行為數據的時間寬度而生成的行為段如圖6所示。「行走」的動作行為數據取決於其時間寬度而被劃分成「短暫行走」和「房屋之間的移動」。

當行為段被生成時，像在上述情況下，可以容易地通過改變分段粒度大小來改變包括行為段的行為日誌的顯示。例如，在通過將分段粒度大小從單位分段的分段粒度大小增大至粒度大小2-1的狀態下，一系列動作「案頭工作」、「短暫行走」、「預先安排」、「短暫行走」和「案頭工作」通過一個行為段「工作」來表示。在該情況下，「短暫行走」被組合到一個行為段「工作」中，因此，「房屋之間的移動」的行為段可以被簡單地顯示為「移動」。

在通過將分段粒度大小進一步增大至粒度大小2-2的狀態下，一系列動作「工作」、「進餐」、「工作」、「移動」和「工作」被表示為一個行為段「在公司」。通過以此方式基於處於動作行為層級的層次行為元信息來改變分段粒度大小，可以在用戶容易理解的動作行為層級上顯示行為日誌。

(示例3：通過組合語境分析、時間寬度和位置變化來生成行為段)

接著，將基於圖7來描述當行為段是通過除了考慮語境分析和時間寬度以外還考慮位置變化來生成時的具體示例。圖7是示出了以下情況的說明圖：通過組合語境分析、時間寬度和位置變化、根據動作行為數據來生成行為段，並且通過改變行為段的分段粒度大小來改變行為日誌的顯示。

如圖7所示，假設通過動作行為識別單元124來獲取包括動作行為數據的行為日誌。在本示例中，通過像作為動作行為數據的「購物」和「行走」等簡單動作來表示行為日誌。生活行為識別單元321使用如圖3所示的字典對每個動作行為數據的含義或動作行為數據之間的關係進行識別，並且還通過考慮動作行為數據的時間寬度和行為記錄裝置100(即，用戶)的位置變化來對其內容和含義進行識別。

圖7示出了購物中的行為日誌的示例。「行走」的動作行為數據是關於何種行走可以根據先前或後續動作行為數據來識別，而且還可以基於行走時間和位置變化來詳細估計。

例如，如果「行走」的動作行為數據之前和之後的動作行為是「購物」，移動時間t是t1(例如，35s)或大於t1，並且用戶所攜帶的行為記錄裝置100的位置變化被測量，則用戶被估計為「在商店之間移動」。此外，例如，如果「行走」的動作行為數據之前和之後的動作行為是「購物」，移動時間t是t2(例如，20s)或大於t2而小於t1，並且行為記錄裝置100的位置變化沒有被測量到，則用戶被估計為購物期間「在樓層之間移動」。此外，例如，如果「行走」的動作行為數據之前和之後的動作行為是「購物」，移動時間t是t3(例如，5s)或大於t3而小於t2，並且行為記錄裝置100的位置變化沒有被測量到，則用戶被估計為購物期間「在商店中移動」。

因此，如果動作行為數據的含義和內容是如圖7所示通過組合語境分析/時間寬度和位置變化來識別，則根據「行走」的動作行為數據生成包括三個行為段「在商店中移動(SG1)」、「在樓層上移動(SG2)」和「在商店之間移動(SG3)」的行為段。

當行為段被生成時，像在上述情況下，可以容易地通過改變分段粒度大小來改變包括行為段的行為日誌的顯示。例如，在通過將分段粒度大小從單位段的分段粒度大小增大至粒度大小3-1的狀態下，在涉及行走的行為段當中，具有最短行走時間的行為段SG1與在行為段SG1之前和之後的行為段「購物」相組合。這些行為段通過作為一系列「購物」動作的行為段來表示。在該情況下，「在商店中行走」被組合到一個行為段「行走」中，涉及行走的其他行為段可以簡單地顯示為「移動」。

在通過將分段粒度大小進一步增大至粒度大小3-2的狀態下，在涉及行走的行為段當中，具有僅次於行為段SG1的最短行走時間的行為段SG2與行為段SG2之前和之後的「購物」行為段相組合。然後，在通過將分段粒度大小進一步增大至粒度大小3-3的狀態下，在涉及行走的行為段當中，具有最長行走時間的行為段SG3與行為段SG3之前和之後的「購物」行為段相組合。從而，一系列「購物」和「行走」動作被表示為一個行為段。通過以此方式基於處於動作行為層級的層次行為元信息來改變分段粒度大小，可以在用戶容易理解的動作行為層級上顯示行為日誌。

將基於圖8至圖10來詳細描述根據動作行為數據生成行為段的處理。圖8是示出了行為識別的總體處理流程的流程圖。圖9是示出了生活行為識別單元321所進行的處理的流程圖。圖10是示出了層次結構判斷單元322所進行的處理的流程圖。

如圖8所示，行為識別處理包括：行為記錄裝置100的行為識別單元120所執行的動作行為數據創建處理(S100,S110)；以及分析伺服器300的行為表示生成單元320和數據管理單元330所執行的行為段生成處理(S120至S140)。

從傳感器110獲取了傳感器信息的行為識別單元120的動作行為識別單元124開始動作行為數據的創建處理(S100)。動作行為數據創建處理可以通過使用現有技術來執行。在創建動作行為數據之後，動作行為識別單元124將動作行為數據輸出給行為日誌伺服器200(S100)。以此方式，組成用戶的行為日誌的動作行為數據被積累在行為日誌伺服器200中。順便提及，行為識別單元120不僅可以生成處於動作層級的行為信息，而且還可以生成包括例如時間信息、地點信息、裝置的動作歷史等的信息，作為動作行為數據。

當動作行為數據被創建時，分析伺服器300的行為表示生成單元320通過生活行為識別單元321對動作行為數據的含義和內容進行分析(S120)。生活行為識別單元321將動作行為數據分段成預設長度的數據並且將生活行為元信息附加至每個分段數據。動作行為數據的單位長度由預定時間T來限定(例如，T＝1分鐘)。動作行為數據的分段次序被設置為i(i＝1至N)。

在將動作行為數據按照時間順序分段到單位時間T中之後，生活行為識別單元321首先確定單位長度(T)和參數i的積分值是否小於動作行為數據的長度(時間)(S121)。如果在步驟S121中確定單位長度(T)和參數i的積分值小於動作行為數據的長度(時間)，則生活行為識別單元321將生活行為元信息附加至位於時間T*i和時間T*(i+1)之間的分段數據(步驟S122)。符號「*」表示積分處理。在步驟S122中，可以通過例如使用基於規則的分支處理來附加適用於在該時刻的分段數據的含義和內容(生活行為元信息)。或者，還可以使用如隱馬爾科夫模型(HMM)或神經網絡等機器學習來將生活行為元信息附加至分段數據。附加至分段數據的生活行為元信息的數量不限於一個，並且可以附加多個生活行為元信息。

當生活行為元信息在步驟S122中附加至動作行為數據的分段數據時，生活行為識別單元321將參數i加1(S123)以從步驟S121重複處理。如果在步驟S121中確定單位長度(T)和參數i的積分值等於或大於動作行為數據的長度(時間)，則生活行為識別單元321對通過在步驟S122中的處理附加了生活行為元信息的每個分段數據進行輸出，作為生活行為數據(S124)。生活行為識別單元321的輸出結果可以被記錄在預定的存儲單元(未示出)中或可以直接輸出至執行下一個處理的功能單元(在這種情況下，為層次結構判斷單元322)。

回到圖8的描述，當生成了作為其中通過生活行為識別單元321將生活行為元信息附加至組成動作行為數據的分段數據的信息的生活行為數據時，層次結構判斷單元322將表示關於含義和內容的層次關係的層次信息附加至生活行為數據。基於圖10來描述該處理。層次結構判斷單元322首選確定所輸入的生活行為數據是否滿足以下條件至少之一：沒有附加層次信息；和可以從附加的層次信息轉移至較高的層級(S131)。

如果在步驟S131中這些條件中沒有一個被滿足，即，最高層次信息已經被附加，則層次結構判斷單元322終止圖10所示的處理。另一方面，如果在步驟S131中上述條件之一被滿足，則層次結構判斷單元322對按照時間順序排列的各個分段數據中的相同行為的相鄰分段數據進行組合(S132)。在步驟S132中，執行當相同的行為持續時將在步驟S120中離散化的數據當作一個動作行為的處理。通過組合分段數據而生成的塊(段)可以被記錄在預定的存儲單元(未示出)中(S133)。

接著，如果在步驟S132中生成的段的時間設置次序被設置為j(j＝1至M)，則層次結構判斷單元322確定j是否小於在步驟S131中生成的段的數量，以及是否可以獲取關於第j個段的行為的字典信息(S134)。如果在步驟S134中這兩個條件都被滿足，則層次結構判斷單元322選擇並且附加最適宜於所獲取的字典信息的相關段的字典信息(S135)。然後，層次結構判斷單元322基於所選擇的字典信息和時間語境來確定是否有更高的層次信息可以附加至段(j)(S136)。如果在步驟S136中確定可以附加更高的層次信息，則層次結構判斷單元322將更高層次信息附加至段(j)並且將參數j加1(S137)。然後，重複步驟S134及其之後的處理。

另一方面，如果在步驟S134中確定j等於或大於在步驟S132中生成的段的數量或者不能獲取關於第j個段的行為的字典信息，則層次結構判斷單元322重複步驟S131及其之後的處理。此外，當在步驟S136中確定較高層次信息不能被附加至段(j)時，層次結構判斷單元322重複步驟S131及其之後的處理。

如圖10所示，層次結構判斷單元322通過將分段數據拼湊在一起而將在步驟S120中生成的分段數據進行分段作為時間上連續的相同行為。然後，相關字典信息被獲取並且被附加至每個段，並且可以判斷是否可以添加更高的層次信息。因此，通過執行步驟S131至步驟S137的處理，生成附加了層次信息的最小單位的行為段(單位段)。

圖11和圖12是示出了行為段生成處理的示例的流程圖。如圖11所示，層次結構判斷單元322確定是否有夾在分段數據的相同行為之間的「另一個行為」出現(S200)。如果有夾在相同行為之間的「另一個行為」出現，則「另一個行為」被合併到「另一個行為」之前和之後的行為中(S202)。但是，不執行夾在其精度充分地高並且很有可能是變化點的「行走」動作行為之間的「另一個行為」的合併處理。在「另一個行為」在步驟S202中被合併或在步驟S200中沒有夾在相同行為之間的「另一個行為」之後，層次結構判斷單元322合併連續的相同行為(S204)。

然後，層次結構判斷單元322將表示由合併處理生成的段的時間次序的參數(k＝1至k)設置為初始值1(S206)，並且確定段(k)的行為時間是否小於預定時間T1(例如，T1＝3分鐘)(S208)。如果在步驟S208中段(k)的行為時間小於預定時間T1，則層次結構判斷單元322將該段積累在緩衝器中(S210)。另一方面，如果在步驟S208中段(k)的行為時間被確定為等於或大於預定時間T1，則層次結構判斷單元322確定段(k)的行為時間是否小於預定時間T2(T2>T1；例如，T2＝10分鐘)(S212)。

如果在步驟S212中段(k)的行為時間被確定為小於預定時間T2，則層次結構判斷單元322將段(k)合併到緊接在前的行為中(S214)。另一方面，如果在步驟S212中段(k)的行為時間被確定為等於或大於預定時間T2，則層次結構判斷單元322將段的動作行為決定為「另一個行為」(S216)。然後，層次結構判斷單元322確定是否已經針對所有段執行了步驟S208至S216的處理(S218)，並且如果有任何未處理的段，則層次結構判斷單元322將k加1(S220)，然後重複步驟S208及其之後的處理。

另一方面，如圖12所示，如果已經針對所有段執行了步驟S208至S216的處理，則執行合併相同行為的連續段的處理(S222)。然後，如果僅數據單位時間(例如，僅1分鐘)的車輛行為出現，則段的行為被設置為「另一個行為」(S224)。

接著，層次結構判斷單元322確定段的行為內容是否為「行走」(S226)，並且如果該行為內容不是「行走」，則將該段積累在緩衝器中(S228)。另一方面，如果段的行為內容是「行走」，則層次結構判斷單元322確定是否有任何車輛行為被積累在緩衝器中(S230)。如果有車輛行為被積累在緩衝器中，則層次結構判斷單元322將該段的動作行為設置為「行走」佔最大份額的車輛的行為(S323)。另一方面，如果沒有車輛行為被積累在緩衝器中，則層次結構判斷單元322將段的動作行為設置為「另一個行為」(S324)。

此處，將基於圖13來描述被添加至行為段的層次信息。如圖13所示，假設6個單位段(SG01至SG06)的動作內容分別為「火車」、「火車」、「行走」、「行走」、「火車」和「火車」。通過圖10所示的處理，單位段SG01和單位段SG02被合併為行為段SG07，單位段SG03和單位段SG04被合併為行為段SG08，並且單位段SG05和單位段SG06被合併為行為段SG09。該狀態被設置成粒度大小1-0。按照粒度大小1-0的行為段SG07至SG09分別變為行為段SG17「搭乘某一線路的火車(行為B)」、行為段SG18「轉火車(行為C)」和行為段SG19「搭乘某一線路的火車(行為C)」。此處將粒度大小設置為1-1。如果行為段SG17至SG19從粒度大小1-1進一步合併，則獲得一個行為段SG10「搭車火車(行為A)」。此處將粒度大小設置為1-2。

行為段通過將層次信息附加至組合單位段的行為段或通過將層次信息附加至單位段來保存層次信息。當層次信息被附加至組合單位段的行為段時，假設例如關注圖13中的行為B的行為段SG17。行為段SG17被認為是通過組合單位段SG01和SG02而新生成的行為段。在該情況下，行為段具有粒度大小1-1並且行為內容是「搭乘某一線路的火車」的事實以及行為的開始時間和結束時間作為層次信息被附加至行為段SG17。或者，行為段17包括單位段SG01和SG02的事實可以作為層次信息被附加至行為段SG17。

另一方面，當層次信息被附加至作為最小單位的行為段的單位段時，假設例如關注圖13中的行為段SG01。在該情況下行為段是單位段並且按照粒度大小1-0被包含在行為段SG07中，按照粒度大小1-1被包含在行為段SG17中以及按照粒度大小1-2被包含在行為段SG10中的事實作為層次信息被附加至行為段SG01。更具體地，動作內容按照像例如[火車、行為B、行為A]的層次順序相關聯的信息可以被表示為層次信息。

層次信息可以以任何形式被附加並且可以其他形式被附加。從數據量方面來講，將層次信息附加至組合單位段的行為段的情況較好，從資料庫搜索方面來講，將層次信息附加至單位段的情況較好。

回到圖8的描述，當在步驟S130中生成了根據生活行為數據被附加了層次信息的行為段時，生活行為識別單元321將每個行為段輸出給數據管理單元330(S140)。數據管理單元330將所獲取的行為段記錄在存儲單元(單位數據存儲資料庫334或層次信息附加數據存儲資料庫335)中。

[3-4.行為表示生成單元的處理內容]

分析伺服器300可以通過行為段實時地積累行為日誌，同時基於動作行為的含義和內容來生成行為表示。分析伺服器300還可以根據過去的行為歷史生成行為表示。在圖14中示出了分析伺服器300的行為表示生成單元320和數據管理單元330的詳細配置。圖14是示出了分析伺服器300的功能配置的功能框圖。

如圖14所示，行為表示生成單元320除了可以包括上述生活行為識別單元321和層次結構判斷單元322以外還可以包括層次處理單元323、註冊處理單元324、注釋創建單元325和獲取單元326。

層次處理單元323執行對層次結構判斷單元322的判斷結果的後續處理。當要被附加至行為段的數據的僅一部分被記錄在存儲單元中以減少或加速數據或者指定的行為段的層次信息被傳遞至應用程式時，層次處理單元323基於層次結構來工作。

如上所述，層次信息可以被附加至組合單位段的行為段或附加至單位段。當層次信息被附加至組合的行為段時，層次處理單元323對由用戶通過輸入單元160選擇的層次信息的行為段進行處理。另一方面，當層次信息被附加至單位段時，層次處理單元323通過基於由用戶通過輸入單元160選擇的層次信息來組合單位段以生成行為段。層次處理單元323將信息處理結果發送至註冊處理單元324和注釋創建單元325。

註冊處理單元324將層次處理單元323生成的行為段記錄在數據管理單元330中。註冊處理單元324將行為段輸出給數據獲取單元331以將行為段記錄在層次信息附加數據存儲資料庫335中。

注釋創建單元325創建如行為的含義和內容等注釋並且將注釋附加至所生成的行為段。由注釋創建單元325創建的注釋被輸出給數據獲取單元331。數據獲取單元331將注釋與對應的行為段相關聯，並且將注釋例如記錄在層次信息附加數據存儲資料庫335中。

獲取單元326從單位數據存儲資料庫334或層次信息附加數據存儲資料庫335獲取預定的行為段。例如當需要使用過去的行為日誌的處理被行為表示生成單元320執行時，獲取單元326將過去的數據記錄在單位數據存儲資料庫334或層次信息附加數據存儲資料庫335中。基於來自用戶的指令來決定要被獲取的數據。

如上所述，通過利用分析伺服器300來分析行為記錄裝置100所獲取的動作行為數據，生成附加了動作行為的含義和內容的行為段。下面將描述使用行為段來表示用戶的行為日誌的應用功能。

[4-1.基於行為段的行為日誌表示]

首先，將描述使用行為段對行為日誌進行的表示。在圖15中示出了行為日誌的示例。圖15的行為日誌可以例如在行為記錄裝置100的顯示單元150中顯示。

行為日誌包括按照時間順序排列的行為段。針對每個行為段，例如，顯示動作行為的開始時間和結束時間以及動作內容。當動作內容是像「乘火車移動」的移動時，例如像從開始地點到目的地(例如，「從五反田到大崎」)的位置表示被添加至動作內容。當動作內容是除了像「工作」和「進餐」以外的動作內容時，執行動作的地點(例如，「在大崎」)被添加至動作內容。

此外，為了以容易理解的方式向動作的用戶通知這樣的行為段，可以顯示動作內容的對象，或者可以顯示表明當執行該動作時用戶的感覺的對象。此外，可以顯示用戶執行動作的步驟的數量(步驟值)或指示動作的能耗的值(鍛鍊值)。在組成行為日誌的每個行為段中顯示的內容不限於圖15的示例，並且根據由傳感器獲取的傳感器信息而獲得的信息可以進一步顯示在每個行為段中。

在圖15所示的行為日誌中，存在相鄰行為段的時間不連續的地點。例如，在開始於12:30的行為「在大崎進餐」與開始於14:30的行為「在涉谷」之間存在間隙。以此方式，可以防止行為日誌顯示所有行為段。行為段的非顯示可以由例如用戶對行為段的編輯/刪除引起，或者由通過設置非顯示過濾器以防止一部分行為段被顯示而引起。

關於非顯示過濾器，例如，可以考慮當行為時間短時防止顯示的過濾器或防止顯示對用戶而言不重要的行為段的過濾器。此外，可以設置當識別精度低時防止顯示的過濾器或允許顯示用戶指定的行為或地點的過濾器。

[4-2.瀏覽行為]

例如，當行為日誌顯示應用程式在瀏覽終端(例如，行為記錄裝置100)中被激活時，用戶可以以預定單位例如以天為單位來瀏覽用戶的行為日誌。圖16示出了當行為日誌顯示應用程式被激活時的行為日誌的顯示示例。圖16示出了以下狀態：在行為記錄裝置100的顯示單元150中顯示以天為單位的行為日誌410。

行為日誌410包括按照時間次序(例如，從屏幕的上端朝著下端)設置的行為段412。如圖15所示，在每個行為段412中，執行動作的地點、地點的描述、行為的類型、用戶針對動作的步驟數量、鍛鍊值等被顯示。如果一天的行為日誌不能顯示在顯示屏幕中，則可以通過執行屏幕滾動操作來使得顯示單元150顯示未被顯示的行為段。

通過觸摸「前一天(Prev)」按鈕422來顯示當前所顯示的行為日誌的前一天的行為日誌，或觸摸「下一天(Next)」按鈕424來顯示當前所顯示的行為日誌的下一天的行為日誌，可以使顯示單元150顯示另一天的行為日誌。如果當按下「前一天」按鈕422時前一天的行為日誌沒有出現，則可以使顯示單元150顯示當通過進一步返回過去而接下來獲取到行為日誌的那天的行為日誌。類似地，如果當按下「下一天」按鈕424時下一天的行為日誌沒有出現，則可以使顯示單元150顯示當通過進一步移動至現在而接下來獲取到行為日誌的那天的行為日誌。在顯示單元150中顯示用於行為日誌410的瀏覽、編輯和其他操作的操作按鈕430，並且用戶可以觸摸與所期望的處理對應的按鈕來執行該處理。

例如，如果日曆按鈕434被觸摸，如圖17所示，則在顯示單元150中顯示日曆440。在屏幕轉變後首先在顯示單元150中顯示的日曆440可以是當前月份或是與在屏幕轉變之前顯示的行為日誌410對應的月份。在日曆440中，可以顯示行為日誌410的一天，即，可以通過例如觸摸操作來選擇行為日誌410可以被作為數據積累的那一天。當從日曆440中選擇某一天時，這一天的行為日誌410被顯示在顯示單元150中。

通過前一個按鈕444來改變日曆440的顯示。如果操作前一個按鈕444，則顯示下一個月的日曆。如果當按前一個按鈕444時沒有下一個月的行為日誌出現，則可以通過進一步移動至現在來顯示接下來獲取到行為日誌的月份的日曆440。

圖17示出了其中對單位為月的日曆440進行顯示的示例，但是本技術不限於這樣的示例並且例如可以以周、兩周或年為單位來顯示日曆。此外，可以針對日曆440中可以顯示行為日誌的所有天來顯示表示天的代表性動作行為的圖標。從而，用戶可以一眼就識別出該天的行為。通過使用這樣的日曆功能，所期望瀏覽的行為日誌410可以很容易地被搜索到，並且可以使顯示單元150顯示行為日誌。為了促成從日曆440的顯示屏幕到前一屏幕的轉變，可以操作返回按鈕446。

例如，如果操作按鈕430的地圖按鈕431被觸摸，則行為日誌顯示應用程式激活地圖450以在地圖450中顯示與行為日誌410對應的位置信息。圖18示出了當通過操作地圖按鈕431而使地圖450顯示與行為日誌410對應的位置信息時的顯示示例。

如果當行為日誌410被顯示時，地圖按鈕431被觸摸同時沒有選擇組成行為日誌410的行為段412，則在地圖450上顯示例如該天的行為日誌410的所有位置信息的歷史。如果用戶在移動，則其移動軌跡被顯示在屏幕上。

另一方面，如果當行為日誌410被顯示時，地圖按鈕431被觸摸同時從行為日誌410中選擇了一個行為段412a，則在地圖450上顯示行為段412a的位置信息的歷史。例如，如圖18的左側所示，如果「乘火車從鷺之宮到大崎的移動」的行為段412a被選擇並且地圖按鈕431被觸摸，則如圖18的右側所示，乘火車從開始地點(鷺之宮)到目的地(大崎)的移動軌跡被顯示在地圖450上。從而，可以以容易理解的方式來呈現用戶在哪條線路上移動。當在地圖450上顯示位置信息時，可以在顯示單元150中顯示位置信息的時間信息452。

如果用戶沒有移動，可以在進行動作的地點顯示圖標等。在圖18中，描述了選擇一個行為段412的情況，但是本技術不限於這樣的示例，並且可以選擇多個行為段412，以及可以在地圖450上顯示全部所選擇的行為段412的位置信息。在該情況下，地圖450上的位置信息可以通過針對每個行為段進行色彩編碼等來被區分並且被顯示。為了促成從地圖450的顯示屏幕到前一屏幕的轉變，可以操作返回按鈕454。

[4-3.校正行為]

在前述內容中，描述了使用由分析伺服器300所分析和生成的行為段412來在顯示單元150中顯示行為日誌410的方法。但是，所生成行為日誌410的顯示內容可能是錯誤的。在這樣的情況下，用戶可以對行為日誌410的內容進行校正。校正反饋被反映在行為識別確定處理中。首先，將基於圖19和圖20來描述校正行為日誌410的方法。圖19是示出了對要被校正的行為段進行校正的校正屏幕被顯示的狀態的說明圖。圖20是示出了校正動作行為的校正屏幕的示例的說明圖。

為了校正行為段412的內容，用戶從顯示在顯示單元150中的行為日誌410中選擇要被校正的行為段412a並且觸摸編輯按鈕435。然後，如圖19的右側所示，對要被校正的行為段412a進行校正的校正屏幕460被顯示。例如，如果選擇了「乘火車從鷺之宮到大崎的移動」的行為段412a的校正，則發生從行為日誌410的顯示屏幕到校正屏幕460的屏幕轉變，在校正屏幕460中動作的動作內容、開始地點和結束地點以及該動作期間的感覺可以被編輯。

可以在校正屏幕460的動作內容校正區域461中校正動作內容。例如，如果選擇內容校正區域461，則如圖20所示，顯示其中用於校正的動作內容候選被列出的動作內容候選列表461a。用戶可以通過從動作內容候選列表461a中選擇正確的動作內容來對動作內容進行校正。當從動作內容候選列表461a中選擇「自由輸入」時，顯示用戶可以自由地輸入動作內容的輸入欄位並且可以輸入正確的動作內容。

在從動作內容候選列表461a中選擇動作內容後，用戶繼續對動作的開始地點和結束地點進行校正。此處，如果所選擇的動作內容是移動行為例如像「乘公共汽車移動」等，則可以進行開始地點校正區域462、開始地點描述校正區域463、結束地點校正區域464或結束地點描述校正區域465的校正。

可以針對開始地點校正區域462和結束地點校正區域464顯示地點名稱列表，以使得用戶可以選擇並且輸入地點名稱或者可以使得用戶能夠直接輸入地點名稱。在地點名稱列表中，例如可以顯示會是如建築名稱、站名或商店名稱等地界標。如果沒有地點會是地界標，則地名(地址)可以被顯示在地點名稱列表中。

此外，可以使顯示單元150顯示開始地點地圖462a和結束地點地圖464a，上述地圖通過連結至開始地點校正區域462和結束地點校正區域464的輸入內容來顯示地圖。可以使開始地點地圖462a和結束地點地圖464a通過在地圖上的滾動操作來顯示任何地點的地圖。當對顯示在開始地點地圖462a或結束地點地圖464a上的地圖進行觸摸操作時，與進行觸摸的地點對應的地點名稱可以自動地被輸入到開始地點校正區域462或結束地點校正區域464中。

開始地點描述校正區域463和結束地點描述校正區域465分別是輸入針對用戶而言被輸入到開始地點校正區域462和結束地點校正區域464中的地點是何種類型的地點的區域。當開始地點描述校正區域463或結束地點描述校正區域465被觸摸時，例如，如圖20所示，描述候選列表463a或465a被顯示。用戶可以通過從描述候選列表463a或465a中選擇正確的描述來輸入地點描述。

關於地點的描述內容，可以列舉例如像家的「返回地點」、像公司的「工作地點」和像學校「學習地點」等。通過輸入這樣的地點的描述，地點對於用戶具有何種含義可以被掌握，並且有助於提高針對用戶的行為識別的精度。如果在描述候選列表463a或465a中沒有發現校正描述，則描述可以被直接輸入到開始地點描述校正區域463或結束地點描述校正區域465中。

當從圖20中的動作內容候選列表461a中選擇的動作內容是除了例如像「購物」或「工作」等移動行為以外的行為時，結束地點校正區域464和結束地點描述校正區域465可以被校正。校正方法如上所述。

表示當進行動作時用戶的感覺的對象可以通過例如圖19所示的感覺校正區域466來校正。感覺校正區域466包括「無感覺設置」按鈕和逐步選擇感覺的好或壞的感覺選擇按鈕。感覺選擇按鈕可以被配置成例如使得有五個層級的感覺「非常壞(被激怒或沮喪)」、「壞(有些被激怒)」、「不壞(沒有問題)」、「好(有點美好)」和「非常好(令人身心爽快、令人鼓舞、完美)」可選擇。用戶可以從感覺校正區域466中選擇當執行動作時的感覺。

當完成了所有校正，可以通過按壓位於校正屏幕460底部的保存按鈕468a或頂部的保存按鈕468b來在行為段412a中反映校正內容。當按壓保存按鈕468a或468b時，轉變至在轉變至校正屏幕460之前的屏幕。當沒有在校正屏幕460中反映輸入內容的情況下轉變至在向校正屏幕460轉變之前的屏幕時，可以按壓位於校正屏幕460底部處的取消按鈕467a或頂部的取消按鈕467b。

[4-4.組合行為]

根據本技術，行為日誌410的顯示不僅可以通過校正每個行為段412的內容而且還可以通過校正行為段412之間的關係來容易地改變。例如，多個行為段412可以被組合成將結果段顯示為一個行為段412。行為段412的組合是將時間上連續的多個行為段412組合成一個行為段412的功能。所組合的行為段412的時間範圍從最舊的行為段412的開始時間延伸至最新的行為段412的結束時間。

圖21示出了組合行為段412的方法的示例。首先，如果在顯示行為日誌410時按壓合併按鈕432，則進入可以組合行為段412的狀態(行為組合模式)。可以通過選擇要在行為組合模式中被組合的行為段412來組合所選擇的行為段412。

從要被組合的行為段412中首先選擇的行為段412b的行為可以被設置為組合之後的動作內容。在圖21中，「在大崎工作」的動作內容變為組合之後的動作內容。然後，選擇要被組合的其他行為段412。行為段412的選擇可以通過觸摸操作或拖動操作來做出。在圖21中，選擇參考符號412c所環繞的行為以進行組合。然後，如果在選擇了要被組合的行為段412之後按壓保存按鈕468a，則要被組合的行為段412可以通過被組合而被顯示。所組合的行為段412表示在9:55與22:42之間完成「在大崎工作」的行為。為了取消組合模式，可以按壓取消按鈕467a。

在圖21的示例中，根據首先選擇的行為段412來決定組合之後的行為段412的動作內容，但是本技術不限於這樣的示例。在圖22中示出了決定組合之後的行為段412的動作內容的另一種方法的示例。在圖22中，通過拖動操作來選擇要被組合的行為段。即，要被組合的第一行為段(開始段)通過用手指的接觸而首先被選擇，並且移動手指同時保持接觸直至要被組合的最後一個行為段(結束段)被選擇。以此方式決定要被組合的行為段(參考符號412c所環繞的行為段)。然後，當按壓了保存按鈕468a(參見圖21)時，顯示組合之後的行為段。

例如，要被組合的任何行為段的動作內容可以被設置為組合之後的行為段的動作內容。例如，如果「在大崎行走」的動作內容被選擇，則組合之後的行為段421d的動作內容變為「在大崎行走」。

組合之後的行為段的動作內容例如可以通過要被組合的大多數行為段來決定。在圖22的示例中，例如，在要被組合的4個行為段412中，兩個行為段412的動作內容是「在大崎工作」，一個行為段的動作內容是「在大崎進餐」並且另一個行為段的動作內容是「在大崎行走」。因此，大多數行為段的動作內容「在大崎工作」被確定為組合之後的行為段412的動作內容。

替選地，例如可以通過重新分析要被組合的行為段來決定組合之後的行為段的動作內容。在圖22的示例中，例如，要被組合的4個行為段412的動作內容包括「在大崎工作」、「在大崎進餐」和「在大崎步行」。從而，用戶的行為的含義和內容被重新分析並且例如動作內容「在大崎」可以被決定為組合之後的行為段412d3的動作內容。

因此，可以容易地通過選擇要被組合的行為段的來組合行為段412。

[4-5.劃分行為]

還根據本技術，例如，可以根據行為段412之間的關係的校正來將多個行為段412劃分並且顯示成多個行為段412。行為段412的劃分是將一個行為段412分段成多個行為段412的功能。作為行為段412的劃分方法，例如，已知有設置時刻以劃分行為段412的方法和使用層次信息的劃分方法。

例如，圖23示出了通過行為段412的時刻設置的劃分方法的示例。首先，如果在顯示行為日誌410時按壓劃分按鈕433，則進入行為段412可以被劃分的狀態(行為組合模式)。可以通過選擇要在行為劃分模式中被劃分的行為段412來劃分所選擇的行為段412。

例如，假設在圖23中選擇行為段412e進行劃分。然後，輸入要被劃分的行為段412的劃分時刻的劃分時刻設置屏幕被顯示。在劃分時刻設置屏幕中，可以設置要被劃分的行為段的開始時間和結束時間之間的任何時刻。然後，按壓保存按鈕468a來劃分要被劃分的行為段412，並且顯示所劃分的行為段412。例如，如果劃分時刻被設置成11:50，則行為段412被劃分成9:58與11:50之間的第一行為段「在大崎工作」和11:50與12:29之間的第二行為段「在大崎工作」。為了取消劃分模式，可以按壓取消按鈕467a。

此外，例如，圖24示出了基於行為段412的層次信息的劃分方法的示例。假設已經在圖24中設置了行為劃分模式。如果用戶在行為日誌410被顯示時選擇要被劃分的行為段412，則如圖24所示，顯示通過更加詳細的行為段表示要被劃分的行為段412e的層次列表414。當層次列表414被顯示時，用戶選擇將會是劃分點的行為段。

例如，如果在圖24中選擇了行為段414a，則例如行為段414a的結束時間被決定為劃分時刻，並且如在圖24的右側所示，行為段被劃分成9:30與11:59之間的第一行為段412e1「在大崎工作」和11:59與12:30之間的第二行為段412e2「在大崎工作」。

[4-6.基於分段粒度大小的行為段表示]

在本技術中，組成行為段410的行為段412基於其含義和內容將層次關係保存為層次信息。所顯示的行為日誌410的顯示粗糙度可以通過使用層次信息改變分段粒度大小來改變。可以使用例如滑塊或縮放按鈕來改變顯示粗糙度。

圖25示出了當通過使用滑塊471改變顯示粗糙度時的情況。在滑塊471中顯示用於設置顯示粗糙度(粒度大小)的旋鈕472並且可以通過改變旋鈕472的位置來改變顯示粗糙度。例如，當如圖25的左側所示，旋鈕472被置於滑塊471的小粒度大小側，通過詳細的行為段412來顯示行為日誌410。隨著旋鈕472從上述狀態朝著滑塊471的大粒度大小側移動，基於預先附加至行為段412的分段粒度大小，通過組合來顯示多個行為段412。

圖26示出了當通過使用縮放按鈕473改變顯示粗糙度時的情況。用於設置顯示粗糙度(粒度大小)的多個按鈕474按行被顯示在縮放按鈕473中。通過選擇多個按鈕474之一，可以使行為日誌410以按照與按鈕474對應的顯示粗糙度被顯示。例如，當如圖26的左側所示，縮放按鈕473中的小粒度大小側上的按鈕474被選擇，通過詳細的行為段412來顯示行為日誌410。隨著位於大粒度大小側的按鈕474從上述狀態被選擇，基於預先附加至行為段412的分段粒度大小，通過組合來顯示多個行為段412。

因此，可以基於附加至行為段412的分段粒度大小容易地改變行為段410的顯示粗糙度，以使得用戶可以按照所期望的顯示粗糙度來查看行為日誌410。

行為日誌410的顯示粗糙度在圖25和圖26中被改變，但是在本技術中，行為段412的顯示粗糙度還可以根據目的來改變。即，行為段412的顯示粗糙度獨立於行為類型來改變。工作、購物、移動等可以被認為是行為的類型，並且例如通過檢測如圖27所示的行為類型選擇列表475的對應行為的按鈕476，可以改變僅該行為的顯示粗糙度。

例如，當如圖27所示在行為類型選擇列表475中選擇了「工作細節」按鈕476b時，與工作有關的行為段412f1、412g1被詳細地顯示。例如，通過5個行為段412f2「在大崎的案頭工作」、「步行移動」、「在大崎開會」、「步行移動」和「在大崎的案頭工作」來顯示針對行為段412f1的動作內容「在大崎工作」。順便提及，行為段421的動作內容是最詳細的，因此，在改變顯示粗糙度之後相同的內容被顯示(行為段412g2)。

例如，當如圖28所示在行為類型選擇列表475中選擇了「購物細節」按鈕476c時，與購物有關的行為段412h1被詳細地顯示。例如，通過7個行為段412h2「在涉谷購物」、「步行移動」、「在涉谷購物」、「在涉谷的商店之間移動」、「在涉谷購物」、「在涉谷的商店之間移動」和「在涉谷購物」來顯示行為段412h1的動作內容「在涉谷購物」。

此外，例如，當如圖29所示在行為類型選擇列表475中選擇了「移動細節」按鈕476d時，與移動有關的行為段412i1、412j1、412k1被詳細地顯示。例如，通過5個行為段412i2「在鷺之宮等火車」、「乘火車從鷺之宮到高田的移動」、「在高田轉火車」、「乘火車從高田到大崎的移動」和「在大崎步行移動」來顯示行為段412i1的動作內容「乘火車從鷺之宮到大崎」。類似地，通過4個行為段412j2「移動到大崎站」、「在大崎站等火車」、「乘火車從大崎移動到涉谷」和「移動到涉谷」來顯示行為段412j1的動作內容「乘火車從大崎移動到涉谷」。對於行為段412k1，類似地詳細的內容被顯示。

當應該以相同的顯示粒度大小來顯示行為段412而無論是什麼行為時，例如，如圖30所示，可以在行為類型選擇列表475中選擇「統一細節」按鈕476a。從而，可以按照相同的粒度大小來顯示行為日誌410的所有行為段412。

因此，由於行為段412的顯示粗糙度可以根據行為類型獨立地改變，所以僅用戶想要詳細地查看的行為可以被詳細地顯示。

順便提及，圖25和圖26所示的改變顯示粗糙度的方法以及圖27至圖30所示的根據行為類型類改變顯示粗糙度的方法可以被組合。例如，如圖31所示，可以針對每種類型的動作來設置滑塊以使得可以調節每種類型的行為的顯示粗糙度。圖31示出了顯示粒度大小設置單元477，其設置有用於設置與「工作」有關的行為段的顯示粗糙度的滑塊478a、用於設置與「購物」有關的行為段的顯示粗糙度的滑塊478b、和用於設置與「移動」有關的行為段的顯示粗糙度的滑塊478c。通過移動顯示粒度大小設置單元477的滑塊478a、478b、478c各自的旋鈕479a、479b和479c，可以針對每種類型的行為來調節顯示粗糙度。

[4-7.刪除行為]

根據本技術，可以從行為日誌410中刪除行為段412。例如，如果如圖32所示在顯示行為日誌410時選擇要被刪除的行為段412l並且按壓刪除按鈕436，則如圖32的右側所示，顯示刪除確認屏幕480。在刪除確認屏幕480中，可以使得用戶輸入刪除要被刪除的行為段412l的理由。當用戶按壓寫有刪除理由的按鈕時，從行為日誌410中刪除要被刪除的行為段412l。取決於用戶所選的理由，行為段的刪除可以被反饋作為行為校正。

[4-8.投寄行為]

根據本技術，行為日誌410的行為段412的內容可以被投寄。例如，如果如圖33所示在顯示行為日誌410時選擇要被投寄的行為段412m並且按壓投寄按鈕437，則如圖33的右側所示，顯示投寄屏幕482。在投寄屏幕482中，要被投寄的行為段412m的動作內容可以自動地被粘貼至投寄內容輸入區域482a。當用戶按壓投寄按鈕482b時，投寄內容輸入區域482a中的描述內容被投寄至投寄站點。

[4-9.行為日誌獲取停止處理]

根據本技術，當行為日誌的獲取出於某個理由應該被停止時，例如如圖34所示，通過按壓設置按鈕438來顯示設置屏幕490。在設置屏幕490中，可以進行關於行為日誌顯示應用程式的各種設置。例如，當行為日誌410的獲取應該被停止時，選擇對行為日誌獲取功能的操作進行設置的獲取功能設置單元491的「停止」。從而，行為日誌顯示應用程式停止行為日誌獲取功能。為了重啟被停止的行為日誌獲取功能，可以選擇獲取功能設置單元491的「重啟」。

[4-10.更新顯示內容]

本技術中的行為日誌顯示應用程式將行為記錄裝置100所獲取的動作行為數據在預定的時刻(例如，一天兩次)自動地上載至行為日誌伺服器200。此外，分析伺服器300在預定時刻(例如，一天兩次)自動生成行為段。當基於所生成的行為段來顯示行為日誌時，根據系統功能或環境顯示的行為日誌可能與最新結果不對應。因此，通過按壓更新按鈕493可以將行為日誌更新至最新結果，更新按鈕493將顯示在圖34的設置屏幕490中的行為日誌更新至最新結果。當在更新按鈕493被按壓之後出現至行為日誌顯示屏幕的轉變時，可以使得顯示單元150顯示最新結果。

在本技術的行為日誌顯示系統中，行為的含義和內容由分析伺服器300來分析，行為日誌通過行為段來顯示。但是，如上所述，所顯示的行為日誌的內容可能不全都正確。因此，根據本技術，用戶可以做出校正以通過使用行為日誌顯示應用程式來校正內容。在本技術中，用戶的校正反饋在分析伺服器300的下一次分析處理中被反映並且用於提高下一次和後續分析結果的精度。將基於圖35至圖42來描述校正反饋的反映處理。

[5-1.校正反饋的屬性]

在本技術中，分析結果的精度是通過在分析處理中反映用戶的校正反饋來提高，但是用戶可能不校正分析伺服器300的分析結果的所有錯誤。即，行為日誌的不正確的內容可能沒有必要校正。因此，在本技術中，有必要假設系統僅能夠收集基本上偏置的信息。此外，用戶校正前的分析結果不一定最新的分析結果匹配。因此，通過在針對每個用戶的分析處理中反映行為段是以何種方式來被校正的信息，每個用戶所特定的行為可以被學習，這被認為是有效地工作以提高分析結果的精度。

在上述點的考慮中，根據本實施方式，基於動作行為的識別處理中的特徵量分析結果來決定行為模式，並且獲取與行為模式、時間和位置信息(地點)對應的多個概率分布。在該情況下，賦予直方圖的權重並且基於取決於地點而賦予權重的結果來識別動作行為。如果位置信息不能被獲取或無需獲取位置信息，則可以賦予統一權重或可以賦予像「獲取不到地點」或「無需地點」等具體權重。

圖35是示出了生活行為識別單元321的行為識別處理的示例。圖36示出了決定動作行為的動作行為估計信息。動作行為估計信息是例如表明取決於地點的加權因子與每個行為的概率分布之間的關係的信息，並且如圖36所示，獲取例如「購物」、「工作」、「進餐」和「其他」等行為的多個(在圖36中為4個)概率分布。然後，取決於地點的加權因子被設置給每個概率分布。動作行為估計信息被預設並且例如被記錄在分析參數資料庫333中。

在單位時間的行為日誌被獲取之後，生活行為識別單元321開始識別行為日誌的行為的處理。首先，如圖35所示，基於行為模式、時間信息和位置信息獲取至少一對概率分布和取決於地點的加權因子(S300)。

接著，在步驟S302至S306中，生活行為識別單元321執行決定單位時間的行為日誌的動作內容的處理。首先，假設在步驟S300中獲取的概率分布和加權因子對的數量是n，並且表示處理數量的參數是i(i＝0至n)(S302)。然後，生活行為識別單元321針對第一對(i＝0)概率分布和加權因子將每個行為的概率分布乘以加權因子(S304)。例如，如果在圖36中，第一對是第一行中的概率分布和加權因子對，則針對「購物」將概率50乘以加權因子1，並且針對「工作」將概率10乘以加權因子1。然後，針對「進餐」將概率10乘以加權因子1，並且針對「其他」將概率30乘以加權因子1。從而，獲取到行為的積分值(「購物」：50、「工作」：10、「進餐」：10、「其他」：30)。

當步驟S304中的處理完成時，生活行為識別單元321將參數i加1(S306)並且重複步驟S302及其之後的處理。在圖36的示例中，生活行為識別單元321針對下一對(i＝1)概率分布和加權因子(即，第二行的概率分布與加權因子對)將每個行為的概率分布乘以加權因子(S304)。針對第二行的對，首先針對「購物」將概率10乘以加權因子6，並且針對「工作」將概率50乘以加權因子6。然後，針對「進餐」將概率10乘以加權因子6，並且針對「其他」將概率30乘以加權因子6。從而，獲取到行為的積分值(「購物」：60、「工作」：300、「進餐」：60、「其他」：180)。

然後，生活行為識別單元321針對每個行為將第二行的積分值添加至第一行的積分值。這產生了積分值「購物」：110、「工作」：310、「進餐」：70、「其他」：210。類似地，針對第三行和第四行中的概率分布和加權因子對來計算積分值，並將這些積分值添加至每個行為的上述積分值以最終獲得相加值：「購物」：260、「工作」：460、「進餐」：420、「其他」：460。

生活行為識別單元321將最大的最終相加值決定為行為日誌的動作內容。在圖36的示例中，「工作」和「其他」兩者具有最大的相加值460，但是在該情況下，動作內容通過對除了「其他」以外的行為給予優先權來決定。因此，在圖36的示例中，「工作」被識別為動作內容。

[5-3.校正反饋的反映處理]

(5-3-1.校正反饋的反映處理的概要)

如圖35和圖36所描述的，動作內容的識別處理結果取決於動作行為估計信息而顯著地變化，動作行為估計信息表明了取決於地點的加權因子與概率分布之間的關係。因此，行為日誌由用戶校正，校正內容通過分析伺服器300的反饋調節單元332來反映在被記錄在分析參數資料庫333中的動作行為估計信息中。從而，動作內容的識別處理的精度可以被增強。

將基於圖37來提供校正反饋的反映處理的概要。假設在圖36所示的取決於地點的加權因子與每個行為的概率分布之間的關係在校正之前被保存為動作行為估計信息。作為基於這樣的動作行為估計信息來根據動作行為數據生成行為段的結果，可以假設用戶從輸入單元160輸入了行為段的校正信息(校正反饋)。校正反饋被轉換成某種格式的數據，其可以在通過客戶端接口單元130發送至分析伺服器300之前通過輸入信息處理單元144發送至分析伺服器300。

通過分析伺服器接口單元310從行為記錄裝置100接收了校正反饋的分析伺服器300通過反饋調節單元332將校正反饋的內容反映在動作行為估計信息中。此處，反饋調節單元332在校正反饋的內容與行為有關時校正動作行為估計信息的概率分布，並且在校正反饋的內容與位置信息(地點)有關時校正取決於地點的加權因子。

如圖37所示，假設動作內容「工作」被獲取為分析結果，但是接收到用戶將動作內容改變為「購物」的校正反饋。在該情況下，反饋調節單元332校正多個概率分布當中的具有「工作」的最大概率的概率分布。例如，針對具有「工作」的最大概率的第二行中的概率分布，反饋調節單元332做出校正以將作為分析結果的「工作」的概率以及作為校正結果的「購物」概率設置成這兩個概率的平均值。

另一方面，假設獲取到「工作地點」的分析結果，但是接收到用戶的將地點描述改變為「頻繁購物的地點」的校正反饋。在該情況下，反饋調節單元332校正多個概率分布當中的具有「購物」的最大概率的概率分布的加權因子。例如，反饋調節單元332做出將具有「購物」的最大概率的第一行中的加權因子增加預定數目(例如，10)的校正。

通過以此方式來校正動作行為估計信息，在行為段的分析結果中反映校正反饋以使得可以預期動作內容的分析結果的精度。以下將基於圖38至圖42來更加詳細地描述校正反饋的反映處理。

(5-3-2.行為的校正反饋的反映處理)

首先，將基於圖38至圖40來描述行為的校正反饋的反映處理。圖38是示出了行為的校正反饋的反映處理的流程圖。圖39是示出基於圖38的處理的對動作行為估計信息的校正的說明圖。圖40是示出了行為的校正反饋的其他反映處理的流程圖。在圖39中的每個列的頂行示出的「001」、「002」和「003」是表示各個相應行為的ID。在以下描述中假設生活行為識別單元321的分析結果是「行為002」，並且用戶的校正反饋的校正行為是「行為003」。

當從行為記錄裝置100接收到校正反饋時，反饋調節單元332首先識別校正內容。此處假設，行為段的動作內容被校正。反饋調節單元332從單位數據存儲資料庫334或層次信息附加數據存儲資料庫335獲取要被校正的行為段，並且開始圖38所示的處理。

反饋調節單元322首先根據存儲在分析參數資料庫333中的動作行為估計信息獲取用於對要被校正的行為段的動作內容進行識別的概率分布(局部概率分布)(S310)。接著，反饋調節單元332針對局部概率分布計算通過將每個概率分布的最大概率乘以行的加權因子而獲得的值M(i)，並且對這些概率分布進行排序(S311)。

表示經排序的概率分布的次序的參數被設置為i(i＝0至n)並且組成局部概率分布的概率分布的數量被設置為n。然後，反饋調節單元332確定該參數是否小於n並且乘積值M(i)是否大於預定閾值th(S312)。如果步驟S312中的條件不被滿足，則圖38所示的處理被終止。例如，如果提供了圖39左邊的動作行為估計信息，則僅校正第四行到第六行的概率分布。另一方面，如果步驟S312中的條件被滿足，則反饋調節單元332使用來自動作行為估計信息的具有目標行中的每個行為的概率分布的最大值的行為和從校正反饋獲得的正確行為來根據損失率計算函數獲取校正率C(i)(S313)。

損失率計算函數被假設為表示當做出一些可用決定時所引起的損失的單一綜合性測量。在本實施方式中，損失率計算函數用於設置例如表示如圖39的下部所示的分析結果的行為與正確行為之間的校正率C的校正率表。校正率表可以被預設並且可以被存儲在分析參數資料庫333中。反饋調節單元332從校正率表獲取具有概率分布的最大值的行為與正確行為「行為003」之間的校正率C(i)。例如，如果步驟S313中的處理是針對圖39的左邊的動作行為估計信息的第四行中的概率分布而執行，則獲得具概率分布的最大值的「行為003」與正確行為「行為003」之間的校正率C(0)＝0。

然後，反饋調節單元332將在步驟S313中獲取的校正率C(i)從概率分布最大值的行為的概率分布值中減去，並且將校正率C(i)加至正確行為的概率分布值上，並且在動作行為估計信息中反映這些校正(S314)。例如，如果針對圖39的左邊的動作行為估計信息的第四行中的概率分布執行步驟S314的處理，則該行的概率分布由於校正率C(0)＝0而不改變。然後，反饋調節單元332將參數i加1(S315)並且重複步驟S312及其以後的處理。

例如，如果步驟S313中的處理是針對圖39的左邊的動作行為估計信息的第五行中的概率分布而執行，則獲得具有概率分布的最大值的「行為002」與正確行為「行為003」之間的校正率C(1)＝5。然後，如果執行步驟S314中的處理，則基於校正率C(1)＝5，「行為002」的概率分布值從50被校正至45，並且「行為003」的概率分布的值被從10校正至15。

類似地，如果步驟S313中的處理是針對圖39的左邊的動作行為估計信息的第六行中的概率分布而執行，則獲得具有概率分布的最大值的「行為001」與正確行為「行為003」之間的校正率C(1)＝10。然後，如果執行步驟S314中的處理，則基於校正率C(1)＝10，「行為001」的概率分布值從40被校正至30，並且「行為003」的概率分布的值被從10校正至20。通過執行上述處理，可以獲得如圖39的右邊所示的在校正反饋被反映之後的動作行為估計信息。

以此方式，校正反饋的動作內容被反映在動作行為估計信息中。圖38所示的反映處理在能夠有效地控制反映速度或收斂。即，更加不允許的錯誤可以較早地被反映，並且如果值可以根據與最大值的比率被處理，則可以使該值收斂。在圖38所示的反映處理中，校正率C(i)被加至概率分布中或從概率分布中減去，但是本技術不限於這樣的示例，並且例如，校正反饋可以通過將概率分布的值乘以校正率而被反映在動作行為估計信息中。

在圖38所示的校正反饋的反映處理中，校正反饋的內容通過使用校正率表而被反映在動作行為估計信息中，但是本技術不限於這樣的示例。例如，如圖40所示，可以配置使用神經網絡技術的反饋系統。假設，行為段的動作內容也在圖40中被校正。

反饋調節單元322首先根據存儲在分析參數資料庫333中的動作行為估計信息獲取用於對要被校正的行為段的動作內容進行識別的概率分布(局部概率分布)(S320)。接著，反饋調節單元332針對局部概率分布計算通過將每個概率分布的最大概率乘以行的加權因子而獲得的值M(i)，並且對這些概率分布進行排序(S321)。步驟S320、S321中的處理可以與圖38中的步驟S310、S311中的處理同樣地進行。

如果表明經排序的概率分布的次序的參數被設置為i(i＝0至n)，則反饋調節單元332確定該參數是否小於n(S322)。如果步驟S322中的條件不被滿足，則圖40所示的處理被終止。另一方面，如果步驟S322中的條件被滿足，則反饋調節單元332使用神經網絡技術來基於加權因子將校正反饋的校正內容反映在動作行為估計信息的每個概率分布中(S323)。然後，反饋調節單元332將參數i加1(S324)並且重複步驟S322及其以後的處理。

因此，通過替代校正率表而使用如神經網絡技術等學習處理，校正反饋的內容可以被反映在動作行為估計信息的每個值中而無需預先設置校正率表。

(5-3-3.行為和位置信息的校正反饋的反映處理)

接著，將基於圖41來描述行為和位置信息的校正反饋的反映處理。圖41是示出了行為和位置信息的校正反饋的反映處理的流程圖。

反饋調節單元332從單位數據存儲資料庫334或層次信息附加數據存儲資料庫335獲取要被校正的行為段，並且開始圖41所示的處理。反饋調節單元332首先確定校正反饋是否包含位置信息(S330)。如果在步驟S330中校正反饋包含位置信息，則執行步驟S331及其之後的處理以在動作行為估計信息中反映所校正的位置信息。

在步驟S331中，確定是否對伴隨移動的行為段做出了與位置信息有關的任何校正。如果對伴隨移動的行為段做出了與位置信息有關的校正，則計算結束點的代表性坐標(兩個代表性坐標像位置X至位置Y)(S332)。另一方面，如果沒有對伴隨移動的行為段做出與位置信息相關的校正，則計算移動的代表性坐標(S333)。順便提及，可以通過使用中心、重心、最頻繁點等來計算代表性坐標。

接著，反饋調節單元332將在步驟S332和步驟S333中計算的代表性坐標、精度和所附加屬性記錄在反饋資料庫(未示出)中(S334)。反饋資料庫是設置在分析伺服器300中的存儲單元。然後，反饋調節單元332在步驟334中使用記錄在反饋資料庫中的新位置信息來分析動作內容，並且確定分析結果是否匹配校正反饋所輸入的正確行為(S335)。如果在步驟S335中確定通過使用新位置信息而分析的動作內容匹配正確的行為，則可以做出以下判斷：關於位置信息的校正反饋被正確地反映並且在行為內容中沒有錯誤。因此，反饋調節單元332判斷校正反饋的反映處理完成並且終止圖41的處理。

另一方面，如果在步驟S335中確定使用新位置信息分析的動作內容不匹配正確的行為，則可以做出以下判斷：單獨使用位置信息的校正，校正反饋沒有被正確地確定。在該情況下，執行步驟S336至S341中的處理以將校正反饋的動作內容反映在動作行為估計信息中。步驟S336至S341中的處理可以與圖38中的處理同樣地進行。

即，反饋調節單元322首先從存儲在分析參數資料庫333中的動作行為估計信息獲取用於對要被校正的行為段的動作內容進行識別的概率分布(局部概率分布)(S336)。接著，反饋調節單元332針對局部概率分布計算通過將每個概率分布的最大概率乘以行的加權因子而獲得的值M(i)，並且對這些概率分布進行排序(S337)。

表示經排序的概率分布的次序的參數被設置為i(i＝0至n)並且構成局部概率分布的概率分布的數量被設置為n。然後，反饋調節單元332確定該參數i是否小於n以及乘積值M(i)是否大於預定閾值th(S338)。如果步驟S338中的條件不被滿足，則圖41所示的處理被終止。另一方面，步驟S338中的條件如果被滿足，則反饋調節單元332使用具有來自動作行為估計信息的目標行的每個行為的概率分布的最大值的行為和從校正反饋獲得的正確行為來根據損失率計算函數獲取校正率C(i)(S339)。

然後，反饋調節單元332將在步驟S339中獲取的校正率C(i)從概率分布最大值的行為的概率分布的值中減去，並且將校正率C(i)加至正確行為的概率分布的值中，並且在動作行為估計信息反映這些校正(S340)。然後，反饋調節單元332將參數i加1(S341)並且重複步驟S338及其以後的處理。通過執行上述處理，可以獲得校正反饋被反映之後的動作行為估計信息。

順便提及，替代步驟S336至S341中的處理，可以執行如圖40所示的處理。同樣在該情況下也可以獲得校正反饋被反映之後的動作行為估計信息。

位置信息的校正反饋可以如在圖37的左下方示出的通過改變動作行為估計信息的概率分布的加權因子來反映。替選地，所校正的屬性依賴段、所指定的屬性依賴段、和ID依賴段可以被設置成在每個加權因子中反映位置信息的校正反饋。例如，所指定的屬性依賴段是針對位置信息「房屋」來加強，周圍屬性依賴段是針對位置信息「購物地點」來加強。對於例如「公司」等位置信息，可以呈現像不同辦公室等多個位置信息。在該情況下，可以通過將像業務內容和規模等不同之處作為相應特徵賦予每段位置信息來正確地選擇相同含義的位置信息。

位置信息的加權因子的增加量例如可以基於原始位置信息來確定，或針對位置信息的每種屬性類型來改變。此外，位置信息所特定的概率分布可以隨機生成並且被添加至動作行為估計信息。從而，可以防止過度學習。

[6-1.行為模式的個人建模]

在根據本實施方式的行為日誌顯示系統中，通過使用附加了含義和內容的行為段來顯示行為日誌。通過使用這些行為段執行例如自動相關處理或過濾處理，可以消減時間或行為錯誤。然後，可以從小量數據中提取用戶的典型行為模式。

如圖42所示，作為提取用戶的典型行為模式的功能單元，典型行為模式生成單元336被設置在分析伺服器300中。為了提取典型行為模式，由生活行為識別單元321從行為日誌伺服器200中所獲取的預定時段(例如，一天)的行為日誌首先被平滑，然後輸出至典型行為模式生成單元336。典型行為模式生成單元336對所平滑的行為日誌的行為段使用統計技術例如互相關處理來生成典型的行為模式。

在圖42的示例中，典型行為模式生成單元336基於7天的行為日誌和這些行為日誌的行為段的相關性來獲取用戶的典型行為模式作為分析結果。因此，通過分析附加了由含義和內容表示的並且表明行為段之間的關係的層次信息的行為段，甚至可以根據少量數據來生成用戶的可能典型行為模式。

[6-2.通過移動媒體/工具確定的位置顯示技術]

如果當生成行為段時行為被識別為移動行為，則生活行為識別單元321基於用戶使用哪種交通媒介來移動或用戶使用哪種交通工具來移動來對用戶的位置信息進行標識(圖43)。更具體地，當移動行為根據動作行為數據被識別時，生活行為識別單元321分析如何顯示其位置信息。在該情況下，生活行為識別單元321首先根據易於使用的地界標、最近位置信息和與其相關的信息來獲取最近站候選。最近站候選可以通過使用線路名稱、站名、到站點的距離等來標識。交通媒介或交通工具、時間差、與最近緯度/經度的距離等被獲取作為位置信息以及與其有關的信息。

生活行為識別單元321使用上述信息將權重賦予線路和站以表示最近的站。例如通過增加具有減小的距離的最近站候選的權重或將權重優選地賦予在行為日誌中連續獲取的線路和站，可以將權重賦予線路和站。替選地，考慮可以從直至最近時間的信息獲取的距離差或時間差來分配權重。從而，如果根據直至最近時間的信息識別到相距預定距離或過去預定時間的事實，則可以考慮轉火車至另一條線路的可能性。

(6-2-1.線路估計處理)

例如可以根據從行為日誌識別的經過站的數量來確定線路的估計。此外，可以通過考慮在在根據位置信息識別的站轉火車的概率或考慮多個線路之間的直達服務是否可用來估計用戶的移動軌跡。在如果多個線路在相同站之間運行，可以通過根據用戶的過去移動軌跡來估計更有可能的線路或通過從位置信息獲取傳感器獲取更詳細的位置信息來識別使用哪一個線路。

作為執行上述線路估計處理的結果，例如如圖44所示，用戶的移動例如可以顯示在地圖上。順便提及，僅當預定值或大於預定值的線路估計處理精度被確保時才在地圖顯示該線路。

(6-2-2.站名選擇過程)

站名是如上所述通過識別最近站來選擇的。在該情況下，即使用戶實際上沒有移動，也可能由於傳感器的無線電場強的錯誤而錯誤地識別到緯度/經度的變化。因此，例如如圖45所示，表達可以根據最近站的站名的位置精度來變化。例如，如果大崎站被識別為最近站，則像「在大崎站工作」、「在大崎站附近工作」或「在大崎工作」等表達基於最近站的位置與位置信息之間的距離差而改變。從而，完成工作的地點可以被更加恰當地表達。

如果交通媒介/工具不是例如乘火車移動，則可以優先採用作為地界標的所識別的最近站來通過站名表示動作的地點(不包括「站」)。例如，假設乘汽車移動被識別為分析行為日誌的結果，並且「東小金井站」和「新小金井站」被標識為地界標。在該情況下，通過汽車在上述站之間的移動是不自然的，因此，行為內容可以自然地通過將開始地點和目的地表示為「東小金井站」和「新小金井站」來表達。

根據該實施方式的行為記錄裝置100的處理可以通過硬體或軟體中任意一種來執行。在該情況下，行為記錄裝置100可以按照圖46所示來配置。下文中，將參考圖46來描述本實施方式的行為記錄裝置100的示例性硬體配置。

根據本實施方式的行為記錄裝置100可以如上所述通過計算機等處理設備來實施。如圖46所示，行為記錄裝置100包括CPU(中央處理器)101、ROM(只讀存儲器)102、RAM(隨機存取存儲器)103和主機總線104a。此外，行為記錄裝置100還包括橋104、外部總線104b、接口105、輸入裝置106、輸出裝置107、存儲裝置(HDD)108、驅動器109、連接埠111和通信裝置113。

CPU 101用作算法處理單元和控制單元，並且使用行為記錄裝置100根據各種程序來控制整個操作。CPU 101還可以包括微處理器。ROM 102存儲CPU 101所使用的程序、操作參數等。RAM 103臨時存儲用於CPU101的執行的程序、在執行期間恰當地變化的參數等。這些單元通過包括CPU總線等的主機總線104a來互相連接。

主機總線104a通過橋104連接至如PCI(周邊組件互連/接口)等外部總線104b。注意，主機總線104a、橋104和外部總線104b沒有必要單獨地設置，並且這樣的組件的功能可以被結合至單一總線。

輸入裝置106包括用於用戶輸入信息的輸入裝置，如滑鼠、鍵盤、觸摸面板、按鈕、擴音器、開關或杆；基於用戶輸入生成輸入信號並且將信號輸出至CPU 101的輸入控制電路等。輸出裝置107包括顯示裝置例如液晶顯示器(LCD)、OLED(有機發光二極體)器件或燈；和音頻輸出裝置如揚聲器。

存儲裝置108是用於存儲數據的裝置，其被構造成行為記錄裝置100的存儲單元的示例。存儲裝置108可以包括存儲介質、將數據記錄在存儲介質上的記錄裝置、從存儲介質中讀取數據的讀取裝置、刪除記錄在存儲介質上的數據的刪除裝置等。存儲裝置108例如包括HDD(硬碟驅動器)。存儲裝置108存儲用於驅動硬碟並且由CPU 101執行的程序和各種數據。

驅動器109是存儲介質的讀取器/寫入器，並且被結合在行為記錄裝置100內或外接至行為記錄裝置100。驅動器109讀取記錄在所安裝的移動存儲介質如磁碟、光碟、磁光碟或半導體存儲器上的信息，並且輸出信息至RAM 103。

連接埠111是用於與外裝置連接的接口，並且例如是用於與可以通過USB(統一串行總線)傳輸數據的的外部裝置的連接埠。通信裝置113例如是包括用於與通信網絡10連接的通信裝置等的通信接口。通信裝置113可以是支持無線LAN(區域網)的通信裝置、支持無線USB的通信裝置或執行無線通信的無線通信裝置中的任意一種。

在前述內容中，參考附圖詳細描述了本公開內容的優選實施方式，但是本公開內容的技術範圍不限於上述示例。本領域技術人員可以在所權利要求範圍內找到各種替代和修改，並且應該理解，在本公開內容的技術範圍下它們會自然地出現。

在上述實施方式中，例如，行為表示生成單元320和數據管理單元330被設置在分析伺服器300中，並且行為表示生成單元140被設置在行為記錄裝置100中，但是本公開內容不限於這樣的示例。例如，這些功能單元可以全部設置在分析伺服器300中或行為記錄裝置100中。

此外，本技術還可以被配置如下。

(1)一種信息處理裝置，包括：

行為識別單元，其基於傳感器信息對用戶的動作行為進行識別；以及

行為表示生成單元，其對表明由所述行為識別單元識別的用戶的動作行為的動作行為數據進行分析，以根據所述動作行為數據來生成由動作行為的含義和內容表示的行為段。

(2)根據(1)所述的信息處理裝置，

其中，限定了動作行為的較高層級的含義和內容的關係的字典數據被保存，並且

其中，所述行為表示生成單元基於所述字典數據、根據按照時間順序排列的所述動作行為數據之前和之後的關係來估計所述動作行為的含義和內容，以生成所述行為段。

(3)根據(1)或(2)所述的信息處理裝置，

其中，所述行為表示生成單元根據要被分析的所述動作行為數據的時間段和時刻來估計所述動作行為的含義和內容以生成所述行為段。

(4)根據(1)或(3)中任一項所述的信息處理裝置，

其中，所述行為表示生成單元根據要被分析的所述動作行為數據之前和之後的動作行為數據的位置來估計所述動作行為的含義和內容以生成所述行為段。

(5)根據(1)或(4)中任一項所述的信息處理裝置，

其中，表明關於所述含義和內容的層次關係的層次信息被附加至所述行為段。

(6)根據(5)所述的信息處理裝置，

其中，所述行為表示生成單元基於決定所述行為段的分段粗糙度的分段粒度和所述層次信息來顯示所述行為段。

(7)根據(6)所述的信息處理裝置，

其中，所述行為表示生成單元基於所述分段粒度的大小來組合或劃分所述行為段，並且顯示所組合或劃分的行為段。

(8)根據(1)至(7)中任一項所述的信息處理裝置，進一步包括：

典型行為模式生成單元，其基於所述行為段之間的相關性從包括預定單位的行為段的多個行為段分組中提取一個行為模式。

(9)根據(1)或(8)中任一項所述的信息處理裝置，

其中，所述行為表示生成單元通過按照時間順序排列所述行為段來在顯示單元中顯示至少用所述動作行為的開始時間、結束時間、位置信息和動作內容表示的所述行為段。

(10)根據(1)至(9)中任一項所述的信息處理裝置，進一步包括：

反饋調節單元，其基於所述用戶對由所述行為表示生成單元生成的所述行為段的校正反饋來對決定動作行為的動作行為估計信息進行校正，

其中，所述行為表示生成單元基於所述動作行為估計信息、根據所述動作行為數據生成組成行為日誌的行為段，以及

其中，所述反饋調節單元基於所述校正反饋來對所述動作行為估計信息進行校正。

(11)一種信息處理裝置，包括：

行為識別單元，其基於傳感器信息對用戶的動作行為進行識別；

行為表示生成單元，其基於決定動作行為的動作行為估計信息、根據表明由所述行為識別單元識別的用戶的動作行為的動作行為數據來生成組成行為日誌的行為段；以及

反饋調節單元，其基於所述用戶對由所述行為表示生成單元生成的所述行為段的校正反饋來對所述動作行為估計信息進行校正。

(12)根據(11)所述的信息處理裝置，

其中，所述動作行為估計信息包括針對多個動作行為的概率分布與取決於地點的加權因子的多種組合，並且

其中，所述反饋調節單元基於所述校正反饋針對每個動作行為來校正所述概率分布或所述加權因子。

(13)根據(12)所述的信息處理裝置，

其中，當所述校正反饋與行為內容有關時，所述反饋調節單元根據所述校正反饋的內容來校正所述動作行為估計信息的概率分布。

(14)根據(11)或(12)所述的信息處理裝置，

其中，當所述校正反饋與地點有關時，所述反饋調節單元根據所述校正反饋的內容來校正所述動作行為估計信息的加權因子。

(15)一種信息處理方法，包括：

基於傳感器信息對用戶的動作行為進行識別的步驟；以及

對表明所識別的用戶的動作行為的動作行為數據進行分析，以根據所述動作行為數據來生成由動作行為的含義和內容表示的行為段的步驟。

(16)一種信息處理方法，包括：

基於傳感器信息對用戶的動作行為進行識別的步驟；

基於決定動作行為的動作行為估計信息、根據表明所識別的用戶的動作行為的動作行為數據來生成組成行為日誌的行為段的步驟；以及

基於所述用戶對所述行為段的校正反饋來對所述動作行為估計信息進行校正的步驟。

參考符號列表

100 行為記錄裝置

110 傳感器

120 行為識別單元

122 傳感器控制器

124 動作行為識別單元

130 客戶端接口單元

140 行為表示處理單元

142 顯示處理單元

144 輸入信息處理單元

150 顯示單元

160 輸入單元

200 行為日誌伺服器

210 日誌伺服器接口單元

220 行為日誌資料庫

300 分析伺服器

310 分析伺服器接口單元

320 行為表示生成單元

321 生活行為識別單元

322 層次結構判斷單元

330 數據管理單元

331 數據獲取單元

332 反饋調節單元

333 分析參數資料庫

334 單位數據存儲資料庫

335 層次信息附加數據存儲資料庫