信息处理装置、信息处理方法和程序的制作方法

专利名称：信息处理装置、信息处理方法和程序的制作方法
信息处理装置、信息处理方法和程序
对相关申请的交叉引用
本申请要求于2011年6月13日在日本专利局提交的日本专利申请 No. 2011-131073的优先权，其全部内容通过引用被合并于此。技术领域
本公开涉及一种信息处理装置、信息处理方法和程序。
背景技术：
用于使用安装在用户拥有的移动终端中的运动传感器等获得关于用户的加速度和位置等的信息以及由该信息辨认(recognize)用户的行为的算法已经得到了发展。例如， 在日本专利申请公开No. 2010-198595中公开了用于通过过滤或具有高精度的运算设备来辨认用户的行为的技术。此外，在日本专利申请公开No. 2011-81431中公开了用于在比较长的时间内检测用户的行为模式的技术。关于使用如上所述的技术检测的行为的信息用于例如根据诸如锻炼量或热量消耗之类的指标值来评价行为或根据移动终端的应用提供与用户的状况对应的服务。发明内容
但是，接收服务的供应的用户的个人状况或特性不一定被考虑，因为如上所述的行为信息的使用基于例如统计计算的锻炼量或热量消耗的参考值、一般用户的思维方式 (thought pattern)等。因此，对于使用辨认的用户的行为信息来增大用户对服务的提供的满意度尚有进一步改善的余地。
本公开提供一种新颖且改进的、可以帮助用户执行行为的、可以获得更高满意度的信息处理装置、信息处理系统和程序。
根据一个实施例，一种信息处理装置可以包括处理器，用于获得与用户的行为有关的信息和与用户的满意度有关的信息，以及用于分析与行为有关的信息和与满意度有关的信息之间的关联性。
根据另一个实施例，一种信息处理装置可以包括处理器，用于根据所分析的与用户的行为有关的信息和与用户的满意度有关的信息之间的关联性来产生影响用户的行为的信息，其中获得与行为有关的信息和与满意度有关的信息。
根据另一个实施例，一种信息处理的方法可以包括获得与用户的行为有关的信息和与用户的满意度有关的信息。此外，该方法可以包括由处理器分析与行为有关的信息和与满意度有关的信息之间的关联性。
根据另一个实施例，一种非瞬时记录介质可以利用可由计算机运行的程序来记录，其中该程序包括获得与用户的行为有关的信息和与用户的满意度有关的信息，以及分析与行为有关的信息和与满意度有关的信息之间的关联性。


图1是示意性地示出根据本公开的第一实施例的信息处理系统的配置的图；图2是示出了根据本公开的第一实施例的信息处理系统的配置的进一步的细节 的图；图3是显示根据本公开的第一实施例的信息处理系统的功能配置的框图；图4是显示根据本公开的第一实施例的过程流的示例的图；图5是示出了根据本公开的第一实施例的行为分析单元的示例的图；图6是显示在本公开的第一实施例中的用于允许用户输入行为标签和满意度的 用户界面(UI)的示例的图；图7是显示在本公开的第一实施例中的用于允许用户添加行为标签的n的示例 的图；图8是显示在本公开的第一实施例中的用于允许用户输入每日满意度的n的示 例的图；图9是显示在本公开的第一实施例中用于允许用户根据多个准则输入满意度的 UI的第一不例的图；图10是显示在本公开的第一实施例中用于允许用户根据多个准则输入满意度的 UI的第二示例的图；图11是显示当多个准则用于本公开的第一实施例时分析行为和满意度之间的关 系的不例的图；图12是显示在本公开的第一实施例中在其上向用户呈现行为和满意度之间的关 系的屏幕的示例的图；图13是显示在本公开的第一实施例中在其上向用户呈现每日行为分数的屏幕的 示例的图；图14是显示在本公开的第一实施例中在其上向用户呈现行为模式的屏幕的示例 的图；图15是显示在本公开的第一实施例中在其上呈现用户的理想行为的屏幕的示例 的图；图16是显示在本公开的第一实施例中呈现用户的行为的目标的屏幕的示例的 图；图17是示出了在本公开的第一实施例中的行为、满意度和目标之间的关系的示 例的图；图18是显示在本公开的第一实施例中在其上呈现其他用户的行为模式的屏幕的 示例的图；图19是显示在本公开的第一实施例中用于向用户呈现推荐行为以及进一步获得 对于该呈现的反馈的UI的示例的图；图20是显示根据本公开的第二实施例的信息处理系统的功能配置的框图；和图21是示出了信息处理装置的硬件配置的框图。
具体实施方式
在下文中，将参考附图详细描述本公开的优选实施例。注意，在此说明书和附图中，具有基本上相同的功能和结构的结构元素利用相同的参考数字表示，以及省略这些结构元素的重复的说明。
将按照以下顺序给出描述。
1.第一实施例
1-1.信息处理系统的配置
1-2.过程流
1-3.信息输入的不例
1-4.信息呈现的示例
2.第二实施例
3.硬件配置
4.补充
(第一实施例)
在下文中，将描述本公开的第一实施例。首先，将参考图1到图3描述根据此实施例的信息处理系统的配置。接着，将参考图4和图5描述根据此实施例的过程流。此外，将参考图6到图11描述根据此实施例的信息输入的示例。最后，将参考图12到图19描述根据此实施例的信息呈现的示例。
(1-1.信息处理系统的配置)
首先，将描述根据此实施例的信息处理系统的配置。在下面的描述中，将参考三个附图描述信息处理系统的配置。图1是示意性地示出了信息处理系统的配置的图，图2是示出了图1所示的配置的进一步的细节的图，以及图3是用功能框图表示图1和图2所示的配置的图。
(1-1-1.示意性描述)
图1是示意性地示出了根据本公开的第一实施例的信息处理系统的配置的图。在此实施例中，信息处理系统10包括移动设备20和服务器设备30。
移动设备20是用户的便携式设备。在与服务器设备30的关系中移动设备20充当客户端。移动设备20获得关于用户的活动的信息以及将该信息发送到服务器设备30。 此外，移动设备20将从服务器设备30接收到的信息呈现给用户。
只要可以实现这样的功能，则移动设备20不局限于通用的移动设备。也就是说， 移动设备20可以是诸如平板电脑或笔记本式个人计算机(PC)、游戏机和个人数字助理 (PDA)以及智能电话机或移动电话机之类的各种设备。
此外，移动设备20的功能可以不一定由单个设备实现。例如，获得由传感器数据辨认的信息21的功能由用户携带的智能电话机实现，以及获得由用户输入的信息22的功能和向用户呈现信息的功能由用户的桌上型PC实现，以使得功能可以各自由单独的设备实现。
另一方面，服务器设备30具有用于存储和分析从作为客户端的移动设备20接收到的信息的分析部分和用于基于分析的结果产生信息的Π部分。这里，将产生的信息发送到移动设备20并且呈现给用户。虽然移动设备20和服务器设备30在所示的示例中具有 1:1关系，但是服务器设备30可以与由多个用户使用的多个移动设备20通信。
只要可以实现这样的功能，服务器设备30可以是任何类型的设备。例如，服务器设备30可以是单个设备或分配给网络中的多个设备的资源集群。
在移动设备20中获得的信息包括由传感器数据辨认的信息21和由用户输入的信息22。这里，由传感器数据辨认的信息21包括行为辨认信息21a和活动量估计信息21b。 可以由引擎使用公知的算法，例如如日本专利申请公开No. 2010-198595中公开的技术，由传感器数据检测的关于用户的加速度或位置的信息来辨认或估计用户的行为或活动量。
另一方面，由用户输入的信息22包括目标信息22a、情绪/疲劳度信息22b、活动信息22c和反馈信息22d。目标信息22a是用户想要通过活动实现的目标，例如锻炼量、热量消耗等等。情绪/疲劳度信息22b是用户的主观满意度的指标。活动信息22c是用户他自己/她自己分配给行为的标签的信息，诸如指示用户现在(在输入时间)正在做什么、用户和谁在一起、或用户感觉如何的信息。反馈信息22d是关于用户对于信息处理系统10呈现的行为的反馈的信息，下面将进行描述。
将在移动设备20中输入的信息在任何时间或周期性地发送到服务器设备30。服务器设备30将由传感器数据辨认的信息21存储在移动设备20中作为行为数据31。此外， 由用户在移动设备20中输入的信息22被存储为输入数据32。
此外，在服务器设备30中，由其他服务应用编程接口(API) 25获得的数据被存储为其他服务数据33。其他服务数据33可以是例如用户在网络上的通信中已经说出的记录 (log)的内容，等等。
接着，在服务器设备30中分析作为行为数据31、输入数据32和其他服务数据33 存储的数据。这里，分析的数据不局限于关于单个用户的数据，并且可以是关于多个用户的数据。也就是说，服务器设备30可以与多个移动设备20通信以及存储和分析关于多个用户的数据。
诸如关联性分析引擎34、高级活动估计引擎35和典型模式提取引擎36之类的引擎可以用于在服务器设备30中的数据的分析。关联性分析引擎34通过完整地分析行为数据31、输入数据32和其他服务数据33来分析在包括用户的行为的时间段中的用户的行为和用户的满意度之间的关系。高级活动估计引擎35使用公知的算法，例如在日本专利申请公开No. 2011-81431中公开的技术，估计“工作”或“购物”和诸如用户的“工作”之类的高级行为。典型模式提取引擎36提取用户的典型行为模式。
此外，用户设备30可以基于关联性分析引擎34的分析结果产生并更新内部模型 37，以及基于该内部模型37产生使用基于上下文的信息呈现引擎38呈现给用户的关于基于上下文的行为的信息。
服务器设备30基于上述分析结果来产生用于呈现适合于行为模式、关联性和上下文的行为选项的信息39，作为呈现给用户的信息。将信息39发送到移动设备20并且呈现给用户。
这里，信息39发送到的移动设备20 (第二移动设备)可以不一定是与向服务器设备30发送关于用户的行为的信息的移动设备20 (第一移动设备)相同的设备。例如，第二移动设备可以是由使用第一移动设备的用户的家庭使用的移动设备20，以及可以以从家庭到用户的建议的形式将信息39间接地提供给用户。
(1-1-2.进一步详细的描述)
图2是示出了根据本公开的第一实施例的信息处理系统的配置的进一步的细节的图。如上所述中，在此实施例中，信息处理系统10包括移动设备20和服务器设备30。移动设备20包括传感器210、自动行为辨认模块220、应用230和通信模块240。服务器设备 30包括通信模块310、数据库(DB) 320、记录数据分析单元330和信息呈现单元340。
(传感器)
传感器210包括运动传感器211和位置传感器213。这里，运动传感器211包括例如三维加速度传感器(包括加速度传感器、重力检测传感器、下降检测传感器等)或三维陀螺传感器(包括角速度传感器、照相机晃动校正传感器、地磁传感器等)，以及当用户执行了行为时检测加速度改变和围绕重力轴的旋转。位置传感器213使用全球定位系统(GPS)、无线局域网(LAN)或移动网络来检测用户的位置。此外，传感器210可以通过获得移动设备 20的操作记录来检测指示“设备是否已被使用”、“哪个应用已被使用”等的信息，或检测温度、湿度、环境声、亮度等。传感器210将检测的信息提供给自动行为辨认模块220。
(自动行为辨认模块)
自动行为辨认模块220包括行为辨认引擎221、位置获取模块223和本地行为记录 DB 225。自动行为辨认模块220可以例如由移动设备20中的中央处理单元(CPU)、随机存取存储器(RAM)、只读存储器(ROM)等实现。
这里，行为辨认引擎221是使用例如在日本专利申请公开No. 2010-198595中公开的技术中的算法来辨认用户的行为或活动量的引擎。行为辨认引擎221辨认行为的类型， 诸如“走/跑”、“跳”、“站/坐”或“自行车/汽车/电梯/列车/公共汽车”，或活动的强度，诸如“活动量”、“步数”或“程度(pitch)”。
位置获取模块223由位置传感器213的检测结果获得用户的位置。位置获取模块 223可以从位置传感 器213的检测结果中消除噪声以便提高位置的精度。位置获取模块223 获得例如诸如“经度/纬度”、“移动速度”、“高度”和“室外/室内”之类的信息作为关于用户的位置的信息。
本地行为记录DB 225临时存储由行为辨认引擎221和位置获取模块223获得的关于用户的行为的信息作为记录。
自动行为辨认模块220将关于辨认的用户的行为的信息提供给应用230的逻辑单元231。此信息充当参考图1描述的信息21。传感器210和自动行为辨认模块220可以被分离为与应用230和通信模块240不同的设备。在这种情况下，可以使用每个设备的通信模块将上述信息经由通信从自动行为辨认模块220提供给逻辑单元231。
(应用)
应用230是例如由可由移动设备20中的CPU、RAM、ROM等运行的程序提供的应用。 应用230包括逻辑单元231、显示单元233和本地应用DB 235。
这里，逻辑单元231提供控制应用230的信息的输入/输出的逻辑。例如，逻辑单元231将从自动行为辨认模块220提供的信息发送到通信模块240，用于传输到服务器设备 30。此外，逻辑单元231将由显示单元233提供的Π输入的信息临时存储在本地应用DB 235中，或通过从本地应用DB 235读取信息来将存储的信息提供给通信模块240。此外，逻辑单元231向显示单元233提供由通信模块240从服务器设备30接收到的用于用户的呈现信息。
显示单元233通过应用230运行信息获得和信息呈现。显示单元233控制被显示在移动设备20的显示器上的图像，或获得由用户经由诸如移动设备20的触摸板或键盘之类的输入设备输入的信息。这里，获得的信息充当参考图1描述的信息22。显示单元233 包括行为输入Π 233a、满意度输入Π 233b、信息呈现Π 233c和其他服务账户协调模块 233d。
行为输入UI 233a是用于允许用户输入关于行为的信息的UI。行为输入UI 233a 获得例如指示用户此时在做什么或用户在某个过去的时间(例如，当在晚上输入信息时同一天的下午)做了什么的行为标签的信息。行为标签的信息是指定用户此时的行为，例如诸如“工作”、“吃饭”、“醒来”、“睡觉”、“学习”、“做家庭作业”等等的信息。关于行为标签的信息可以通过从预定的项中选择来输入以及通过从由用户任意添加的项中选择来输入。此外，行为输入UI 233a可以获得指示用户此时和谁在一起或用户在某个过去时间和谁在一起的信息。此外，行为输入Π 233a可以获得关于用户通过行为实现的目标的信息。行为输入UI 233a可以将该信息与输入时间或由输入指定的时间的信息相关联，以将相关的信息提供给逻辑单元231。后面将行为输入Π的特定的示例作为信息输入的示例进行描述。
满意度输入Π 233b是用于允许用户输入关于在包括由自动行为辨认模块220辨认的行为的时间段中的满意度的信息的Π。满意度输入Π 233b以逐步估计等的形式获得对在用户输入信息时的行为或在某个过去的时间的行为感觉的满意度。这里，关于由用户输入的满意度的信息不一定指示在输入时间的满意度。例如，该信息可以指示在输入之前的任何时间段的满意度，以使得在早上感觉的满意度很大程度上受前一天的行为的影响。 可以不同地设置用于表达满意度的定义或测量。满意度可以由例如诸如“压力”、“恢复度”、 “困倦”、“疲乏”、“集中力量”和“情绪”之类的准则表示。用户可以选择准则中的一个或使用多个准则的组合。此外，用户可以按照准则输入满意度，以及输入满意度作为多个准则的总分数。此外，满意度 输入Π 233b可以获得由用户输入的注释或便笺。例如，也可以通过从诸如注释或便笺之类的字符信息中过滤来提取关于用户的行为或满意度的信息。满意度输入UI233b可以将该信息与输入时间或由输入指定的时间的信息相关联，以及将相关的信息提供给逻辑单元231。将满意度输入Π 233b的特定的示例作为信息输入的示例进行描述。
信息呈现Π 233c是用于向用户呈现关于行为的信息的Π。如上所述，由服务器设备30分析在移动设备20中获得的信息，以及基于分析的结果产生要被呈现给用户的信息。信息呈现Π 233c是用于从逻辑单元231获得信息以及将获得的信息呈现给用户的 UI。信息呈现Π 233c可以向用户呈现例如用户的期望的行为信息，例如作为“当前推荐活动”、“您的最佳行为”等等。此外，信息呈现Π 233c可以向用户呈现关于用户的行为模式的信息，例如作为“今天的活动”、“您的理想行为计划”等等。此外，信息呈现Π 233c可以向用户呈现关于与用户的行为模式有关的其他用户的行为模式的信息，例如作为“与您很像的某人最近的活动”等等。此外，信息呈现Π 233c可以包括用于接收用户对于呈现信息的反馈的UI，以及向逻辑单元231提供获得的反馈信息。将信息呈现Π 233c的特定的示例作为信息呈现的示例进行描述。
其他服务账户协调模块233d例如通过使用其他服务中的用户的账户信息访问其他服务API 250来获得用户在另一个服务中输入的信息。这里使用的其他服务可以是例如用户将文本数据作为“谈话”或社会服务输入到的通信服务。其他服务账户协调模块233d 获得例如在其他服务中的关于用户的谈话做出的时间和“谈话”的内容的信息，以及将该信息提供给逻辑单元231。
本地应用DB 235例如由移动设备20的存储设备实现。本地应用DB 235将从用户的输入获得的信息临时存储在应用230中。本地应用DB 235包括手动输入行为记录235a、 手动输入满意度记录235b和其他服务记录235c。这些DB各自存储由显示单元233的行为输入Π 233a、满意度输入Π 233b和其他服务账户协调模块233d获得的信息。
(通信模块)
通信模块240和310是用于在移动设备20和服务器设备30之间通信的模块。通信模块240和310可以例如由与移动设备20和服务器设备30之间的通信网络的类型对应的各种通信设备实现。
(服务器设备的DB)
DB 320例如由服务器设备30的存储设备来实现。DB 320存储从移动设备20中获得的数据、作为数据分析的结果的数据、和要用于分析的其他数据。DB 320包括原始数据 321、分析后数据323和知识数据325。作为存储在DB320中的信息和参考图1描述的数据之间的对应，行为记录321a可以对应于行为数据31，手动输入行为记录321b和手动输入满意度记录321c可以对应于输入数据32，其他服务记录321d可以对应于其他服务数据33， 以及用户行为模型323c和用户聚类模型323d可以对应于内部模型37。
原始数据321包括行为记录321a、手动输入行为记录321b、手动输入满意度记录 321c和其他服务记录321d。在这些当中，关于由移动设备20的自动行为辨认模块220获得的用户的行为的信息，即关于由行为辨认算法自动辨认的用户的行为的信息被存储在行为记录321a中。关于由移动设备20的行为输入Π 233a获得的用户的行为的信息，即由用户独立输入的行为标签、指示用户和谁在一起的信息，被存储在手动输入行为记 录321b 中。关于由移动设备20的满意度输入Π 233b获得的用户的满意度的信息被存储在手动输入满意度记录321c中。由移动设备20的其他服务账户协调模块233d获得的诸如另一个服务的记录之类的信息被存储在其他服务记录321d中。
分析后数据323是作为在记录数据分析单元330已经分析了原始数据321之后的结果的数据，以及包括整合行为/满意度记录323a、高级行为记录323b、用户行为模型323c 和用户聚类(clustering)模型323d。在这些当中，整合行为/满意度记录323a是已整合了包括在原始数据321中的各种记录的记录。高级行为记录323b是基于原始数据321估计的用户的高级行为的记录。这里，高级行为是在比较长的时间内执行的行为，例如用于任何目的，“工作”、“购物”等等。用户行为模型323c是用户的行为被归类到的模型。例如，可以存在反映每一个用户的典型模式或惯常特性的多种类型的行为模型。用户聚类模型323d 的示例是当服务器设备30收集关于多个用户的行为或满意度的信息时通过将行为或满意度相似的用户聚类而获得的模型。
知识数据325是为在记录数据分析单元330中的分析所准备的数据。知识数据 325包括行为知识数据325a。
例如，行为知识数据325a是与一般用户的行为或生理极限有关的数据，诸如“不可以一周醒着”或“不可以连续步行10，000km”，换句话说是行为的常识数据。可以例如对于每个类型的行为和活动的强度来定义行为知识数据325a。
存储在DB 320中的数据中的一些或全部可以被例如存储在服务器设备30外部的网络上的虚拟存储器中。也就是说，服务器设备30可以不一定具有存储DB 320的数据的存储设备。
(记录数据分析单元)
记录数据分析单元330例如由服务器设备30中的CPU、RAM、ROM等实现。记录数据分析单元330包括行为记录聚类引擎331、高级行为估计引擎333和满意度/行为记录关联性分析引擎335。记录数据分析单元330包括与参考图I描述的高级行为估计引擎35、 典型模式提取引擎36和关联性分析引擎34对应的功能。
这里,行为聚类引擎331使用存储在DB 320中的行为记录321a、手动输入行为记录321b等来对用户的行为记录进行聚类。行为记录聚类引擎331可以通过在时间轴上将手动输入行为记录321b离散化以及使用行为记录321a来补充其中信息缺失的部分来整合信息。此外，行为记录聚类引擎331可以使用在先前整合行为/满意度记录323a中反映的作为用户的行为的知识数据325或惯常特性存储的一般用户的行为或生理极限，来补充手动输入行为记录321b的缺失部分的信息。
高级行为估计引擎333使用例如在日本专利申请公开No. 2011-81431中公开的技术，估计用户的高级行为。满意度/行为记录关联性分析引擎335例如使用存储在DB 320 中的整合行为/满意度记录323a，来分析用户的行为和用户的主观满意度之间的关系。
记录数据分析单元330将通过分析获得的数据作为分析后数据323再存储在DB 320中。将在后面描述的过程流的描述中对记录数据分析单元330的过程进行更详细的描述。
(信息呈现单元)
信息呈现单元340例如由服务器设备30中的CPU、RAM、ROM等实现。信息呈现单元340包括上下文估计引擎341、匹配引擎343和信息可视化引擎345。信息呈现单元340 包括与参考图I描述的基于上下文的信息呈现引擎38对应的功能。
这里，上下文估计引擎341例如使用存储在DB 320中的分析后数据323来估计用户的行为的上下文。匹配引擎343例如通过匹配基于由满意度/行为记录关联性分析引擎 335分析的用户的行为和满意度之间的关联性而推荐的行为以及由从移动设备20新获得的信息指示的用户的当前状况，来产生用于推荐适合于用户的当前状况的行为的信息。信息可视化引擎345以用户可容易理解的呈现的形式转换在信息呈现单元340中产生的信息。例如，信息可视化引擎345以分数的数值、曲线图等的形式转换产生的信息。
(1-1-3.功能块)
图3是显示根据本公开的第一实施例的信息处理系统的功能配置的框图。此框图是由功能块表不图I和图2所不的配置的图。
信息处理系统10包括移动设备20和服务器设备30。移动设备20包括传感器 101、行为辨认单元103、输入单元105、其他服务信息获取单元107和输出单元117。服务器设备30包括信息获取单元109、行为分析单元111、关联性分析单元113和呈现信息产生单元 115。
传感器101具有与上述传感器210对应的功能。传感器101检测关于用户的加速度或位置的信息，以及将该信息提供给行为辨认单元103。传感器101的功能可以由诸如安装在移动设备20中的运动传感器或位置传感器之类的传感器实现。
行为辨认单元103具有与上述自动行为辨认模块220对应的功能。行为辨认单元 103通过行为辨认算法由从传感器101获得的信息来辨认用户的行为。行为辨认单元103 可以由移动设备20中的CPU、RAM、ROM等实现。
输入单元105具有与上述显示单元233中的行为输入Π 233a和满意度输入Π 233b对应的功能。输入单元105接收诸如由用户分配的对于用户的满意度或行为的标签之类的输入，以及获得该输入作为信息。输入单元105可以由诸如移动设备20中的触摸板或键盘之类的输入设备实现。后面将描述由输入单元105进行信息获得的UI的示例。
其他服务信息获取单元107具有与上述显示单元233中的其他服务账户协调模块 233d对应的功能。其他服务信息获取单元107获取由用户输入的对于另一个服务的其他服务信息。其他服务信息获取单元107可以由移动设备20中的CPU、RAM、ROM等实现。
信息获取单元109可以由服务器设备30中的CPU、RAM、ROM等实现，并且可以具有用于从作为客户端的移动设备20接收数据的接口功能。也就是说，信息获取单元109经由上述通信模块240和310从行为辨认单元103、输入单元105和其他服务信息获取单元 107获得信息。这里，获取的信息包括作为关于通过行为辨认算法辨认的用户的行为的信息的第一行为信息、作为由用户输入的关于行为的信息的第二行为信息、作为关于在包括行为的时间段中的用户的满意度的信息的满意度信息、和作为由用户输入的对于另一个服务的信息的其他服务信息。信息获取单元109还可以从向其呈现了指示后面描述的推荐行为的信息的用户获得反馈信息或作为与该行为有关的用户的目标的目标信息。信息获取单元 109将上述信息提供给行为分析单元111和关联性分析单元113。此外，信息获取单元109 可以将信息存储在上述DB320中。
行为分析单元111具有与上述记录数据分析单元330中的行为记录聚类引擎331 和高级行为估计引擎333对 应的功能。行为分析单元111整合由信息获取单元109从行为辨认单元103和输入单元105获得的行为信息，从而产生整合行为信息。行为分析单元111 由服务器设备30中的CPU、RAM、R0M等实现。后面将描述行为分析单元111的过程的细节。
关联性分析单元113具有与上述记录数据分析单元330中的满意度/行为记录关联性分析引擎335对应的功能。关联性分析单元113使用从信息获取单元109和行为分析单元111获得的信息来分析用户的行为和满意度之间的关联性。关联性分析单元113由服务器设备30中的CPU、RAM、ROM等实现。后面将描述关联性分析单元113的过程的细节。
呈现信息产生单元115具有与上述信息呈现单元340对应的功能。呈现信息产生单元115基于由关联性分析单元113分析的用户的行为和满意度之间的关联性来产生影响用户的行为的信息。这里，影响用户的行为的信息是直接或间接影响用户的行为的选择并且帮助用户执行可获得更高满意度的行为的信息，诸如用于在用户和其他用户之间比较行为模式和满意度之间的关系的信息，以及用于向用户呈现期望的/不期望的行为的信息。 呈现信息产生单元115可以由服务器设备30中的CPU、RAM、ROM等实现。后面将描述由呈现信息产生单元115产生的信息的示例。
输出单元117具有与上述显示单元233中的信息呈现Π 233c对应的功能。输出单元117呈现由呈现信息产生单元115经由上述通信模块240和310获得的信息。输出单元117可以由诸如移动设备20的显示器之类的输出设备实现。
上面已经描述了根据此实施例的信息处理系统的配置。在下面的描述中，将使用图3所示的功能块参考信息处理系统10的组件。
(1-2.过程流)
接着，将描述根据此实施例过程流。在下面的描述中，将首先参考图4描述整个过程流，接着将参考图5描述行为分析单元111的过程，最后将描述关联性分析单元113的过程。
(1-2-1.整个流)
图4是示出了根据本公开的第一实施例的过程流的示例的图。
在所示的示例中，首先，移动设备20的行为辨认单元103使用由传感器101获得的信息通过行为辨认引擎自动产生行为记录(步骤S501)。另一方面，输入单元105接收由用户在应用230上手动输入的行为记录和满意度记录的输入记录(步骤S503)。
接着，将移动设备20产生和记录的信息发送到服务器设备30，以及信息获取单元 109获取该信息。在服务器设备30中，首先，行为分析单元111通过行为辨认数据和用户的手动输入信息运行行为和主观观点估计以及行为模型产生(步骤S505到S509)。
首先，行为分析单元111在时间轴上聚类手动输入行为记录321b和手动输入满意度记录321c (步骤S505)。接着,行为分析单元111使用先前和随后的手动输入行为记录 321b、自动辨认的行为记录321a和知识数据325，估计在通过聚类而离散化的手动输入行为记录321b中没有输入的缺失部分的信息。这里，行为分析单元111例如以从手动输入行为记录321b估计先前和随后行为的概率分布、使用行为记录321a估计高级行为、使用知识数据325产生分布函数、以及采用目标用户和相似用户的行为模型的方法，来估计缺失部分的行为。可以将缺失部分的行为估计为概率值。后面将描述步骤S507的过程的细节。
接着，行为分析单元111使用步骤S507的整合行为记录来更新用户的行为模型 (步骤S509)。这里，行为模型是用户的行为被归类到的模型。例如，考虑典型模式或惯常特性准备几个类型。行为模型可以是矢量模型。
接着，关联性分析单元113分析由行为分析单元111更新的用户的行为模型和由信息获取单元109获取的用户的满意度之间的关系(步骤S511)。这里，关联性分析单元113 例如使用诸如贝叶斯(Bayesian)估计、决策树分析或离散化矢量叠加之类的算法来估计或提取用于最大化或最小化主观满意度的行为模式。
接着，呈现信息产生单元115产生要呈现给用户的信息。这里，呈现信息产生单元 115通过步骤S513到S519中的一个的过程产生要呈现给用户的信息。
在步骤S513中，呈现信息产生单元115产生用于呈现用户的满意度较高/较低的行为模式的信息。在这种情况下，要呈现给用户的信息可以使得用户认识到例如他的/她的行为和满意度之间的关系。
在步骤S515中，呈现信息产生单元115产生用于呈现增大用户的将来满意度的行为的信息。在这种情况下，呈现给用户的信息可以支持用户执行满意度更高的行为。
在步骤S517中，呈现信息产生单元115产生用于呈现在增大/减小满意度的行为模式方面与该用户类似的其他用户的信息。在这种情况下，要呈现给用户的信息可以例如通过找到类似于他/她的其他用户来使得用户赞同具有相似性的其他用户。
在步骤S519中，呈现信息产生单元115产生用于呈现在行为模式方面与该用户类似但是在行为和满意度之间的关系方面与该用户不同的其他用户的信息。在这种情况下， 要呈现给用户的信息可以例如通过找到每个具有与他/她不同的感觉的其他用户来使得该用户参考其他用户。
接着，服务器设备30将在步骤S513到S519的一个中产生的信息发送到移动设备 20。在移动设备20中，输出单元117经由Π向用户呈现信息(步骤S521)。在移动设备20 中，还可以由用户输入对于呈现的信息的反馈信息(步骤S503)。
上面已经描述了根据此实施例的整个过程流。在下文中，将更详细地描述行为分析单元111和关联性分析单元113的过程。
(1-2-2.行为分析单元的过程)
图5是示出了根据本公开的第一实施例的行为分析单元111的过程的示例的图。
在所示的示例中，(a)示出了由输入单元105获得的用户的行为历史。(b)示出了由行为辨认单元103辨认的用户的行为记录。(C)示出了(a)和(b)的信息被整合到的整合记录。
(a)所示的行为历史包括由用户输入的行为标签601。行为标签601是用户分配给他的/她的行为的标签，诸如所示的“醒来”、“工作”、“吃饭”、“锻炼”或“就寝”。行为分析单元111在时间轴上离散化行为标签601的信息。因为行为标签601是用户手动输入的信息，所以存在不存在输入的时间带。
行为分析单元111基于在不存在输入的时间带中的输入的行为标签601来计算概率分布602。例如，因为用户很可能在吃饭的时间带是在输入“吃饭”的行为标签601时的时间左右，所以通过将输入到行为标签601的时间指定为顶点来设置用户的行为是“吃饭” 的概率分布602。
概率分布602可以例如根据行为的类型而不同。例如，在诸如“工作”之类的认为将持续比较长的时间的行为中，概率分布602在行为标签601的输入时间左右比较广泛地分布。在诸如“吃饭”或“锻炼”之类的认为将不持续长时间的行为中，概率分布602在行为标签 601的输入时间左右比较窄地分布。此外，在诸如“醒来”或“就寝”之类的基本上不持续的行为中，概率分布602在行为标签601的输入时间左右更窄地分布。
此外，行为分析单元111基于行为标签601的前后关系扩展概率分布602。例如， 如果认为将持续比较长的时间的“工作”的行为标签601在相对靠近的时间处已经被输入了两次，则用户的行为“工作”很可能已经在输入时间之间持续。行为分析单元111设置指示“工作”很可能已经在两个输入时间之间持续的概率分布602a。此外，一般来说，从“就寝”的行为标签601的输入时间到“醒来”的行为标签601的输入时间的时间段是“睡觉” 的时间带。行为分析单元111设置指示“就寝”和“醒来”之间的时间带很可能是“睡觉”的概率分布602a。
作为上面的结果，行为分析单元111估计诸如“睡觉”、“工作”、“吃饭”和“锻炼”之类的连续的行为分布604。
行为分析单元111可以例如根据指示在用户的行为的前一趋势中反映的用户的行为的惯常特性的知识数据325、一般用户的行为、生理极限等，使用上述分析来获得指示 “工作是持续比较长的时间的行为”、“锻炼是不持续长时间的行为”或“睡觉很可能在就寝和醒来之间”的信息。
(b)所示的行为记录605包括指示在每个时间带中用户的行为的信息，诸如“乘列车移动”605a、“静止”605b或“步行”605c。因为行为记录605是自动获得的信息，所以数据基本上是无缝连续的。行为分析单元111使用行为记录605 (第一行为信息)来补充用户的行为历史(第二行为信息)，以及产生(c)中所示的整合记录。这里，行为分析单元111 还可以根据知识数据325来获得并使用在用户的行为的前一趋势中反映的用户的行为的惯常特性、一般用户的行为、生理极限等等。
例如，在所示的示例中，因为在“醒来”和“工作”之间不存在行为标签601的输入， 所以难以估计“工作”何时已经开始以及在“醒来”和“工作”之间已经执行了哪一个行为。 这里，参考行为记录605，能够看出“乘列车移动”的行为记录605a被记录在它的时间带中。 这里，例如，如果存在指示醒来和工作之间的乘火车移动很可能是通勤(commute)的知识数据325，则可以在它的时间带中设置“通勤”的行为分布604。
此外，在所示的示例中，因为在下午的“吃饭”和傍晚的“锻炼”之间不存在行为标签601的输入，所以难以估计在这些之间的时间带中的行为。这里，参考行为记录605，能够看出“静止”的行为记录605b和“乘列车移动”的行为记录605a被记录在它的时间带中。 这里，例如，如果存在指示“如果工作已经在午饭之前完成则还可能在午饭后进行工作”以及“在傍晚的工作之后的乘列车移动很可能是通勤”的知识数据325，则可以设置其中在它的时间带中布置“工作”和其随后的“通勤”的行为分布604。
如上所述，行为分析单元111通过组合由行为辨认算法辨认的行为记录与由用户手动输入的行为历史来产生用于准确地估计用户的行为的整合记录。
对于行为相关信息的输入，期望一种无需在特定的时间执行输入的输入的数目较小的方法来减小用户的输入负担。根据上述行为分析单元111的过程，可以通过在正在执行行为时的任何时间，甚至在用户不一定指定行为的开始和结束时输入行为标签来估计用户的行为。此外，甚至在用户忘记输入行为标签以及数据缺少时，也可以根据用户的先前趋势或知识数据来估计用户的行为。因此，因为用户的信息输入的数目减小，所以用户的负担可以减小。
例如，在上面描述的日本专利申请公开No. 2011-81431中公开了用于估计“工作” 或“购物”和诸如“工作”之类的用户的高级行为而不考虑用户手动输入的信息的技术。行为分析单元111可以利用上述过程或代之以使用这样的高级行为估计技术来分析用户的行为。
(1-2-3.关联性分析单元的过程)
接着，将描述根据本公开的第一实施例的关联性分析单元113的过程的示例。关联性分析单元113通过分析由行为分析单元111产生的整合记录或行为模型和用户的满意度记录或另一个服务的记录之间的关联性，来分析用户的行为和满意度之间的关联性。在下面的描述中，将描述根据此实施例的关联性分析单元113的过程的几个示例。
(每日行为模式的评级(ranking)的产生)
例如，关联性分析单元113基于用户的主观满意度产生用户的每日行为模式的评级。
作为第一示例，关联性分析单元113可以将用户的每日满意度较高的每日行为模CN 102982059 A书明说13/26 页
型指定为用户的满意度较高的典型的行为模式，以及将用户的每日满意度较低的每日行为模型指定为用户的满意度较低的典型的行为模式。用户的每日满意度可以通过例如在用户已经设置了 “就寝”的行为标签601时呈现用于允许用户输入“今天的满意度”的UI来获得。
作为第二示例，关联性分析单元113可以将用户的满意度在早上较高之前的一天的行为模型指定为用户的满意度较高的典型的行为模式，以及将用户的满意度在早上较低之前的一天的行为模型指定为用户的满意度较低的典型的行为模式。用户在早上的满意度可以通过例如在用户已经设置了 “醒来”的行为标签601时或在应用230在一天中已被初始启动时呈现用于允许用户输入“当前满意度”的UI来获得。
作为第三示例，关联性分析单元113可以将用户的总的或平均满意度较高的每日行为模型指定为用户的满意度较高的典型的行为模式，以及将用户的总的或平均满意度较低的每日行为模型指定为用户的满意度较低的典型的行为模式。用户的总的或平均满意度可以通过在用户设置各个行为标签601时呈现用于允许用户输入“当前满意度”以及计算在一天期间获得的总的或平均满意度的UI来获得。
如上所述，关联性分析单元113可以用各种方法来获得用户的每日满意度以及产生每日行为模式的评级。可以采用上述第一到第三示例的一个或组合。
(特定行为和满意度之间的关系的提取)
此外，例如，关联性分析单元113提取用户的特定行为和用户的主观满意度之间的关系。
作为第一示例，关联性分析单元113计算每个时间带或每天的用户的满意度，以及将在某一时间带或某一天中其满意度包括在前腸(0<N<100)的行为模式指定为用户的满意度较高的行为模式。这里，如果对于每个时间带计算满意度，则在该时间带中输入的满意度的平均值可以用作每个时间带的满意度。当每天计算满意度时，可以应用如第一到第三示例所示的获得每日满意度的方法，其中将每日行为模式的评级产生为如上所述的每日满意度。
作为第二示例，当用户的满意度比较高时，关联性分析单元113分析时间带或一天中的哪一个行为对满意度有贡献。例如，决策树分析技术可以用于该分析。根据此分析， 关联性分析单元113提取被估计为大大贡献了比较高的用户满意度的行为。此结果可以指示例如“当用户走了 I小时时满意度趋向于高”。
作为第三示例，关联性分析单元113获得在用户的满意度比较高的另一个服务中的关于用户的音量和谈话内容的信息，以及收集该信息作为矢量。关联性分析单元113从在经一定扩展的一时间段内收集的矢量中提取指示用户已经进行了多少次其内容在满意度比较高的另一个服务中的谈话的趋势。因而，关联性分析单元113可以从在另一个服务中的用户的谈话的记录中提取用户的满意度。如果用户的满意度可以从其他服务的记录中获得，则可以辨认用户对于更多的行为的满意度。
如上所述，关联性分析单元113可以通过以各种方法获得与用户的行为对应的满意度来提取用户的特定的行为和用户的主观满意度之间的关系。可以采用上述第一到第三示例的一个或组合。
(其他示例)16
关联性分析单元113可以根据预定的准则向用户输入的满意度施加偏差。预定的准则的示例可以是基于关于周围环境因素的信息的准则，其很可能影响用户的情绪，诸如由传感器101检测的温度、湿度、环境声和亮度或使用网络上的服务等获得的天气、湿度、 温度、地震等。因而，可以根据用户的满意度的变化减小周围环境的影响以及更纯粹地获得指示用户的满意度的值。
此外，关联性分析单元113可以根据相对估计而不是绝对估计，来估计用户输入的满意度。因而，例如，可以根据相同的准则在其满意度变化大大反映在输入的用户和其满意度变化不大大反映在输入的用户之间估计和比较用户的满意度。此外，例如，当由于诸如差的身体状态之类的除了行为之外的原因导致向用户的满意度施加偏差时，可以准确地获得用户的满意度的变化，诸如“坏但是有改善”或“更坏”。
此外，关联性分析单元113可以根据其后对用户的行为和满意度之间的关系的分析，来将指定的行为模式更新为用户的满意度比较高或低的行为模式。因而，可以通过反映用户的偏好的变化来获得适合于用户的最新的偏好的行为模式。
此外，关联性分析单元113可以在行为和满意度之间的关联性的分析中反映用户设置的目标是否已被实现。例如，如果根据某个行为用户已经实现了目标，则关联性分析单元113可以进一步增大和校正与该行为对应的用户的满意度。在这种情况下，期望的是用户的目标是其成就可以由能够由关联性分析单元113获得的信息确定的目标，例如诸如“为了减小电梯的使用频率”、“为了从附近的车站走到下一车站”、“为了每天走X步或更多”、“为了使得活动量大于或等于Y”或“为了每小时休息五分钟一次”。可以不一定设置用户的目标。
上面已经描述了根据此实施例的过程流。这里描述的过程是一个示例，以及可以在此实施例中执行其他各个过程。例如，在如下所述的信息输入或信息呈现的示例中存在的输入信息的处理和产生信息的过程也可以是在此实施例中执行的过程的示例。
(1-3.信息输入的示例)
随后，将在此实施例中描述用于获得用户输入信息的Π的示例。在下面的描述中，将描述在具有触摸板的显示器上显示Π的示例。如上所述，移动设备20的输入单元 105可以由诸如鼠标和键盘以及触摸板之类的各种输入设备实现。因此，如下面示例的与接收相同信息的输入的各种输入设备对应的Π可以被包括在本公开的实施例中。
(行为标签和满意度的输入)
图6是显示在本公开的第一实施例中用于允许用户输入行为标签和满意度的UI 的示例的图。
在所示的示例中，当用户启动移动设备20中的应用230时，首先显示输入菜单屏幕101。输入菜单屏幕1010呈现用于输入用户的当前或先前行为或者在包括该行为的时间段中的满意度的菜单。输入菜单屏幕1010包括行为标签选择指示1011和满意度指示 1012。
这里，行为标签选择指示1011指示作为列表的、用户可以分配给他的/她的行为的标签。行为标签选择指示1011被显示为例如“醒来”、“睡觉”、“吃饭”、“锻炼”、“工作” 的列表，以及用户通过从该列表中选择合适的行为标签来将行为标签分配给当前或先前行为。可以设置除了所示的那些之外的多个行为标签选择指示1011。在这种情况下，用户通过滚动行为标签选择指示1011来搜索期望的行为标签。如后面将描述的，用户任意添加的行为标签可以被添加到行为标签选择指示1011。在行为标签选择指示1011当中的由用户最近选择的“工作”的行为标签选择指示中，可以显示选择的时间“I小时之前”以及此时输入的同伴信息“同事”。
这里，如在所示的示例中，期望比较粗略地将作为行为标签选择指示1011显示的行为分类。这是因为当向其分配相同的行为标签的行为以某一频率或更大的频率出现时容易分析与满意度的关系等等。
此外，满意度指示1012指示用户最近输入的满意度。在最近选择的行为标签选择指示1011中的满意度指示1012中，可以显示输入时间“I小时之前”以及此时输入的同伴信息“同事”。用户可以通过选择满意度指示1012来重新输入关于满意度的信息。
如果用户在输入菜单屏幕1010中选择一个行为标签选择指示1011 (这里为“吃饭”)，则显示行为输入屏幕1020。行为输入屏幕1020包括行为标签指示1021、输入时间指示1022、满意度输入1023、同伴输入1024、文本输入1025、其他服务协调指示1026和设置按钮1027。
这里，当显示行为输入屏幕1020时，行为标签指示1021指示选择的行为标签(这里为“吃饭”)。输入时间指示1022指示被设置为当信息已被输入时的时间的时间。输入时间指示1022例如被初始设置为当前时间，但是可以通过提供“修改”按钮而改变。因而，用户可以输入先前时间(例如，几个小时以前)的行为信息以及当前时间的行为信息。
满意度输入1023是用于输入用户在由输入时间指示1022指示的时间处对于由行为标签指示1021指示的行为感受的满意度的指示。满意度输入1023可以被显示为例如用于以预定的步骤选择指示满意度的图标的Π。在所示的示例中，行为输入屏幕1020的从左至右显示五个图标，每个指示低满意度、稍低满意度、中满意度、稍高满意度和高满意度。用户可以通过选择图标中的一个来容易地输入满意度。
同伴输入1024是用于输入用户在由输入时间指示1022指示的时间在执行由行为标签指示1021指示的行为的同 时和谁在一起的指示。在所示的示例中，同伴输入1024包括例如指示是否是一个人的图标1024a和指示用户和谁在一起的图标1024b。用户在一个人的情况下选择图标1024a。此外，用户在和某人在一起时选择图标1024b。如果用户已经选择了图标1024b，则显示同伴选择屏幕1028。这里，用户从“朋友”、“家庭”、“同事”等的选项中选择用户和谁在一起。在同伴选择屏幕1028中的选择的结果被显示在同伴输入1024 (这里为“朋友”)中。
文本输入1025是用于自由地输入对由行为标签指示1021指示的行为的注释、便笺等的指示。其他服务协调指示1026是用于设置是否在另一个服务(例如，社会服务等)上公布(post)输入到文本输入1025的内容等的指示。在所示的示例中，因为其他服务协调指示1026被设置为“否”，所以用户输入到文本输入1025的内容被收集为行为记录。另一方面，如果其他服务协调指示1026被设置为“是”，则用户输入到文本输入1025的内容被收集为行为记录或代之以在另一个服务上公布。
设置按钮1027是用于在行为输入屏幕1020中设置用户输入的内容的按钮。如果用户选择设置按钮1027，则获得在行为输入屏幕1020中输入的内容作为手动输入行为记录或手动输入满意度记录。在显示在行为输入屏幕1020上的元素当中，可以不一定输入满意度输入1023、同伴输入1024和文本输入1025。也就是说,在已经通过选择输入菜单屏幕 1010的一个行为标签选择指示1011而显示了行为输入屏幕1020之后，可以直接选择设置按钮1027。在这种情况下，获得由行为标签指示1021指示的行为作为由输入时间指示1022 指示的当前时间的手动输入行为记录，并且不获得包括手动输入满意度记录的其他信息。
另一方面，如果用户在输入菜单屏幕1010中选择满意度指示1012，则显示满意度输入屏幕1030。满意度输入屏幕1030包括满意度输入1023、同伴输入1024、文本输入 1025、其他服务协调指示1026和设置按钮1027。
此时，满意度输入屏幕1030可以在此时独立地输入关于满意度的信息而不指定行为标签。用户通过在已经显示满意度输入屏幕1030之后、在至少满意度输入1023中选择一个图标来选择设置按钮1027。可以不一定输入同伴输入1024和文本输入1025。因此，当已经显示满意度输入屏幕1030时，可以获得至少手动输入满意度记录，并且进一步， 当已经输入同伴输入1024或文本输入1025时，可以产生手动输入行为记录。
根据如上所述的行为标签和满意度的输入UI，除了在此时的行为中输入满意度以及标签之外，用户可以添加和输入指示用户和谁在一起的信息、自由注解等等，以及可以获得关于用户的行为的各种信息。此外，可以独立地输入满意度，以使得用户可以容易地输入关于满意度的信息，而不必输入包括行为标签的所有信息。此外，存在/不存在与另一个服务的协调是可选择的，以使得可以容易而直接地在诸如社会服务之类的另一个服务上公布关于用户的行为的信息的输入。
(行为标签的添加)
图7是显示在本公开的第一实施例中的用于允许用户添加行为标签的UI的示例的图。
在所示的示例中，行为标签添加指示1013被显示在输入菜单屏幕1010上。如果用户选择行为标签添加指示1013，则显示行为标签添加屏幕1040。为了指示这一点，行为标签添加指示1013可以包括例如如图所示的指示“ + ”的图标等等。
行为标签添加屏幕1040例如被显示为覆盖在输入菜单屏幕1010上，以及该行为标签添加屏幕1040包括输入窗口 1041和键盘1042。用户使用键盘1042将期望的行为名称输入到输入窗口 1041。这里，输入行为标签名称“与孩子玩耍”。
要被用户添加的行为标签可以属于各种属性。例如，如在所示的示例中显示在输入菜单屏幕1010上的，可以设置诸如“家庭作业”、“娱乐”、“位置家附近”和“位置办公室附近”之类的各种行为标签。
当已经在行为标签添加屏幕1040中设置了新的行为标签时，可以对于新的行为标签直接显示行为输入屏幕1050。与上述行为输入屏幕1020类似，行为输入屏幕1050可以包括行为标签指示1021、输入时间指示1022、满意度输入1023、同伴输入1024、文本输入 1025、其他服务协调指示1026和设置按钮1027。
根据如上所述的行为标签添加输入UI，可以通过添加适合于用户的个人行为特性或偏好的行为标签、根据行为标签来将用户的行为分类，以及可以针对用户进一步个性化地对行为进行分类。
(每日满意度的输入)
图8是显示根据本公开的第一实施例中的用于允许用户输入每日满意度的Π的示例的图。
在所示的示例中，每日满意度输入按钮1014被显示在输入菜单屏幕1010上。如果用户选择每日满意度输入按钮1014，则显示每日满意度输入屏幕1060。
每日满意度输入屏幕1060包括满意度输入1023、文本输入1025、其他服务协调指示1026和设置按钮1027。这些指示元素与上述满意度输入屏幕1030的那些相同。但是， 获得输入信息作为覆盖同一天而不是特定时间的手动输入满意度记录。
这里，每日满意度输入按钮1014可以例如在诸如用户的平均就寝时间之类的特定时间被显示在输入菜单屏幕1010上。此外，可以通过选择每日满意度输入按钮1014来显示每日满意度输入屏幕1060，以及还可以例如在用户选择“就寝”的行为标签选择指示 1011、显示“就寝”的行为输入屏幕1020、以及用户的输入结束之后显示该每日满意度输入屏幕1060。
根据如上所述的每日满意度的输入UI，如果用户的每日满意度用于上述关联性分析单元113的过程中，则可以获得关于每日满意度的信息。此外，可以通过设计每日满意度输入按钮1014或每日满意度输入屏幕1060的显示定时来引导用户自然地输入每日满意度而不感觉是负担。
(根据多个准则输入的满意度)
如参考上述满意度输入UI 233b所述，在此实施例中，可以用例如诸如“压力”、“恢复度”、“困倦”、“疲乏”、“集中力量”和“情绪”之类的多个准则来定义用户的满意度。虽然到目前为止已经在输入Π的示例中使用这些准则当中的一个准则表达了用户的满意度， 但是可以使用多个准则的组合来表达用户的满意度。在下文中，将参考图9到图11来描述根据多个准则输入用户的满意度的情况。
图9是显示在本公开的第一实施例中用于允许用户根据多个准则输入满意度的 UI的第一示例的图。
如上所述，在此实施例中，可以定义诸如“压力”、“恢复度”、“困倦”、“疲乏”、“集中力量”和“ 情绪”之类的准则，以及可以使用多个准则来输入满意度。在所示的示例中，这些准则中的两个被用于输入满意度。每个与满意度的单独准则对应的两个满意度指示1012a 和1012b被显示在输入菜单屏幕1010上。
这里，在已经选择了满意度指示1012a和1012b时显示的屏幕可以是与满意度输入屏幕1030相同的屏幕。用户根据准则通过选择满意度指示1012a和1012b中的每一个来输入满意度。
图10是显示在本公开的第一实施例中用于允许用户根据多个准则输入满意度的 UI的第二示例的图。
在所示的示例中，如果用户已经在输入菜单屏幕1010中选择了行为标签选择指示1011中的一个，则显示行为输入屏幕1070，其包括每个与满意度的单独准则对应的两个满意度输入1023a和1023b。除了显示两个满意度输入1023a和1023b之外，行为输入屏幕1070是与上述行为输入屏幕1020相同的屏幕。用户根据每个准则通过从作为满意度输入1023a和1023b显示的两个图标集当中的每个图标集中选择一个来输入满意度。在此示例的情况下，用户在菜单屏幕1010中选择满意度指示1012，以使得显示的满意度输入屏幕 1030还可以同样包括两个满意度输入1023a和1023b。
图11是当多个准则用于图9和图10的示例时分析行为和满意度之间的关系的示例的图。
在所示的示例中，定义基于第一准则的主观满意度轴A和基于第二准则的主观满意度轴B，以及记录它们的满意度。例如，关联性分析单元113可以分析如该图中的“情况 I”所示的“行为的记录”和“主观满意度A的记录”之间的关系以及“行为的记录”和“主观满意度B的记录”之间的关系。此外，关联性分析单元113可以定义通过组合主观满意度轴A的满意度和主观满意度轴B的满意度而获得的“主观满意度轴A+B”，以及分析如该图的“情况2 ”所示的“主观满意度A+B”和“行为的记录”之间的关系。虽然已经在该图中描述了满意度的两个准则，但是可以使用满意度的三个或更多准则。
根据依照如上所述的多个准则输入的满意度，可以从更多的各个角度来评价用户的满意度。此外，通过将满意度输入的UI对于每一个准则，例如诸如“压力”或“快乐”，进行分解来呈现满意度输入的UI，以使得可以便于用户的输入。虽然已经在上述示例中描述了满意度的两个准则，但是可以使用满意度的三个或更多准则。
(1-4.信息呈现的示例)
随后，将描述根据此实施例的对于用户的信息的呈现的示例。在下面的描述中，将描述根据显示在显示器上的图像来向用户呈现信息的示例。但是，根据本公开的实施例的对用户的信息的呈现不局限于使用移动设备20的显示器的图像，以及可以是例如通过音频的呈现。
(行为和满意度之间的关系的呈现)
图12是显示在本公开的第一实施例中向用户呈现行为和满意度之间的关系的屏幕的示例的图。
在所示的示例中，将被估计为已经贡献用户的更高满意度的行为作为最佳行为屏幕1110来呈现。此外，将被估计为已经趋向(affect)用户的更低满意度的行为作为最坏行为屏幕1120来呈现。关联性分析单元113可以例如通过如上所述的用户的满意度和行为之间的关系的决策树分析来估计此行为。
这里，当使用“早上”、“晚上”等或一天的时间带作为单位，满意度高于或低于预定阈值时，关联性分析单元113在时间带或一天中搜索被估计为已经贡献了满意度的行为。 例如，在“早上”的满意度高于预定阈值的一天中，关联性分析单元113从该天之前的一天的行为中搜索被认为已经贡献了该满意度的行为。此外，例如，在“晚上”的满意度低于预定阈值的一天中，关联性分析单元113从该天的行为中搜索被认为已经贡献了该满意度的行为。此外，例如，在每日平均满意度高于预定阈值的一天中，关联性分析单元113从该天之前的一天或该天的行为中搜索被认为已经贡献了该满意度的行为。
评级1111、分数1112、因果指示1113和目标按钮1114被显示在最佳行为屏幕 1110上。评级1111以行为和满意度之间的关系较高的顺序与行为相联系。也就是说，根据上述示例，按照从下述关系中的搜索结果中找到的与满意度的关联性高的行为的顺序来分配评级1111 :即在高于预定阈值的“早上的满意度”和前一天的行为之间的关系、高于预定阈值的“晚上的满意度”和当天的行为之间的关系、以及高于预定阈值的“每日平均满意度” 和前一天或当天的行为之间的关系。分数1112是关联性的分数。在因果指示1113中，显示“早上”、“晚上”、“每日平均”等的满意度的类型作为“结果”，以及显示通过搜索找到的行为作为“原因”。
因此，在所示的示例的最佳行为屏幕1110中，指示“早上的满意度高”与“前一天连续走了 30分钟”的关联性最高。也就是说，当用户早上感受到高满意度时，它的原因很可能是前一天连续走了 30分钟。根据最佳行为屏幕1110对用户的信息呈现使得用户意识到这样的关系。此外，知道该关系的用户通过目标按钮1114将该行为设置为目标，以使得可以鼓励用户获得用户具有高满意度的行为的习惯。后面将描述将行为设置为目标的细节。
另一方面，评级1121、分数1122和因果指示1123被显示在最坏行为屏幕1120上。 这些指示与最佳行为屏幕1110的评级1111、分数1112和因果指示1113相同，以及按照从在低于预定阈值的“早上”、“晚上”、“一天”等的满意度中搜索的行为当中与满意度的关联性高的行为的顺序显示。
因此，在所示的示例的最坏行为屏幕1120中，指示“早上的满意度低”与“在前一天的晚上12:00吃饭”的关联性最高。也就是说，当用户在早上仅仅感受到低满意度时，它的原因很可能是在前一天的晚上12:00点、即午夜吃饭。可以通过根据最坏行为屏幕1120 向用户呈现信息来使得用户意识到这样的关系以及鼓励用户避免由于低满意度的原因的行为。
(每日行为的分数的呈现)
图13是显示在本公开的第一实施例中在其上向用户呈现每日行为分数的屏幕的示例的图。
在所示的示例中，将每日行为分数历史作为分数历史屏幕1130呈现。前一天的行为分数指示1131被显示在分数历史屏幕1130上。如图所示，分数指示1131可以包括除了指示日期和分数之外还指示分数级别的图标。被指示为分数指示1131的分数可以指示用户已经实施了多少行为以根据用户的前一行为和满意度之间的关系来增大同一天的满意度。
如果用户在分数历史屏幕1130中选择了一天的分数指示1131，则显示该天的行为分数屏幕1140。除了日期之外，分数和图标、实施的行为指示1141、推荐行为指示1142 和目标按钮1143被显示在行为分数屏幕1140上。
这里，实践的行为指示1141指示在该天的用户的行为当中根据前一行为和满意度之间的关系而被估计为满意度较高的行为。指示的分数以及行为的内容指示一天的行为和更高满意度之间的关联性。也就是说，在所示的示例中，作为被估计为与一天的更高满意度具有“56”的关联性的行为“每天走I小时30分钟”、被估计为具有“45”的关联性的行为 “在19:00吃饭”、被估计为具有“74”的关联性的行为“在23:00就寝”的行为的结果，将每日行为分数指示为“84”。
此外，推荐行为指示1142指示用户在同一天没有执行的行为当中的、根据前一行为和满意度之间的关系而被估计为增大将来满意度的行为。与上述指示1141类似，指示的分数以及行为的内容指示一天的行为和更高满意度之间的关联性。
如上所述，可以通过基于用户的行为和满意度之间的关系呈现用户的每日行为的评价来为用户提供检查他的/她的行为的机会。此外，可以通过推荐行为指示1142来为用户提供用于进一步增大满意度的行为的提示。此外，可以通过由目标按钮1143将该行为设置为目标来鼓励用户根据行为进一步增大满意度。后面将描述将行为设置为目标的细节。
(行为模式的呈现)
图14是显示在本公开的第一实施例中在其上向用户呈现行为模式的屏幕的示例的图。
在所示的示例中，用户的满意度比较高时的一天的行为模型在行为模式呈现屏幕 1150上被显示为指示“良好状态的行为模式”的行为模式指示1151。此外，用户的满意度比较低的一天的行为模型被显示为指示“差状态的行为模式”的行为模式指示1152。
如上所述，可以通过向用户呈现满意度比较高或低时的一天的行为模式来使得用户意识到他的/她的行为模式和满意度之间的关系以及帮助用户获得用于改进行为的提示，以便增大满意度。可以通过呈现行为模式以及使得用户在每日行为计划中反映例如“良好状态的行为模式”，以容易地实施增大满意度的行为。
(用户的理想行为的呈现)
图15是显示在本公开的第一实施例中在其上呈现用户的理想行为的屏幕的示例的图。
在所示的示例中，用户的理想行为被呈现为理想行为屏幕1160。理想行为指示 1161、目标按钮1162和定制/目标按钮1163被显示在理想行为屏幕1160上。与理想行为屏幕1160a、1160b、……、类似，可以显示多个模式理想行为屏幕。
理想行为指示1161是集合有增大根据用户的前一行为和满意度之间的关系而估计的用户的满意度的行为的每日行为计划。显示的分数以及行为指示一天的行为和更高满意度之间的关联性。例如，如图所示，理想行为指示1161可以通过将它划分成“早上”、“下午”和“晚上”来以文本显示以及如图14所示的示例那样以图形显示。对于作为理想行为指示1161显示的行为，例如基于醒来时间(7:00、8:00等等)、工作日、 假日等的变化的条件来集合被估计为增大用户的满意度的行为。为了产生理想行为，可以使用用户的先前行为历史或行为知识数据，例如关于用户的工作的开始和结束时间、用户工作的日子、和一般吃饭时间。
用户可以通过从例如多个显示的理想行为屏幕1160a、1160b、……当中选择指示期望的理想行为计划的理想行为屏幕1160以及选择目标按钮1162，来将行为计划设置为同一天的目标。此外，当在呈现的行为计划当中不存在期望的行为计划时，用户通过选择定制/目标按钮1163来校正呈现的理想行为计划以及将校正后的计划设置为同一天的目标。 后面将详细描述将行为设置为目标的细节。
如上所述，可以通过向用户呈现理想行为计划来帮助用户计划每日行为并引导用户选择更高满意度的行为。此外，可以根据用户的同一天的情绪的随机元素或工作是否忙碌，来将认为对每日行为有影响的理想行为计划设置为用户的目标。
(用户的行为的目标的呈现)
图16是显示在本公开的第一实施例中在其上呈现用户的行为的目标的屏幕的示例的图。
在所示的示例中，用户的行为的目标被呈现为目标行为屏幕1170。在目标行为屏幕1170上，显示目标行为指示1171、目标清晰计数指示1172、目标行为分数1173、好/差目标标记1174和定制按钮1175。
这里，用户将显示为目标行为指示1171的行为设置为目标。如上述示例所示，用户可以在最佳行为屏幕1110、行为分数屏幕1140、理想行为屏幕1160等中将一天期间的特定行为设置为目标，例如诸如“在7:00醒来”或“在23:00就寝”。此外，用户可以在用于设置目标的屏幕以及上述屏幕上自由地设置目标。
目标清晰计数指示1172指示在实际行为中用户已经实现如目标行为指示1171显示的目标行为的次数。此外，当目标已被实现时，即当它的行为已被实施时，目标行为分数 1173指示该行为已经对用户的更高满意度贡献了多少。对于其目标行为分数1173最高的目标行为显示好目标标记1174a，以及对于其目标行为分数1173最低的目标行为显示差目标标记1174b。
已对其显示了好目标标记1174a的目标，这里为“在8:00离开”，指示用户设置为目标的行为并指示当目标已被实现时满意度很可能高的行为。此目标是在用户实现该目标的同时能够通过用户的行为进一步增大满意度的“好目标”。在此目标中，对于用户来说理想的行为被认为与用户实际获得满意度的行为一致。
另一方面，已对其显示了差目标标记1174b的目标，这里为“在23:00就寝”，指示用户设置为目标的行为并指示当目标已被实现时满意度很少会高的行为。此目标是甚至在用户的目标实现时也难以根据用户的行为增大满意度的“差目标”。在此目标中，对于用户来说理想的行为被认为与用户实际上获得满意度的行为不同。例如，因为根据“在23:00点就寝”的示例甚至当用户的理想是“早点就寝”时“在23:00点就寝”也不适合于用户的生活节奏，所以满意度可能由于长而浅的睡眠而很低。
虽然上面已经描述了用户将行为设置为目标的示例，但是本公开的此实施例不限于此。用户的目标可以是能够作为行为的结果实现的目标，例如诸如每日热量消耗或活动量。在这种情况下，如上述示例所述，目标也可以通过目标的清晰计数、当目标实现时的满意度的分数等来评价。
图17是示出了在本公开的第一实施例中的行为、满意度和目标之间的关系的示例的图。
在此实施例中，可以相互独立地记录行为的记录、用户的主观满意度的记录、和用户是否已经实现目标的记录。因此，可以与行为或满意度独立地设置目标。但是，其成就可以由行为的记录确定的目标是例如特定的行为或行为的热量消耗。
如图所示，关联性分析单元113由行为的记录和满意度的记录来分析行为和满意度之间的关联性，并且还由行为的记录来确定目标是否已经实现。此外，当目标已经实现时，关联性分析单元113分析满意度，以及向用户呈现如上述目标行为屏幕1170中所示的信息。
如上所述，通过向用户呈现行为目标和它的评价，可以呈现用户设置为目标的行为是否有助于增大用户的满意度以及提供自我检查的机会，例如“是否设置了不合理的目标”。可以知道哪一个目标适合于用户。
(其他用户的行为模式的呈现)
图18是显示在本公开的第一实施例中在其上呈现其他用户的行为模式的屏幕的示例的图。
在所示的示例中，将每个与该用户的行为模式具有关联性的其他用户的行为模式呈现为其他用户行为模式屏幕1180。其他用户行为模式屏幕1180包括一个或多个其他用户行为模式指示1181。每一个其他用户行为模式指示1181包括活动量指示1181a、最近的活动指示1181b和行为模式指示1181c。
这里，可以提取在其他用户行为模式屏幕1180上显示的其他用户作为满足以下条件的其他用户(1)类似于通常在行为模式和满意度之间的关系中的用户；(2)类似于当满意度高或低时的行为模式中的用户；(3)类似于当满意度高时的行为模式中的用户并且不同于当满意度低时的行为模式中的用户，或反之亦然；以及(4)类似于该行为模式中的用户但是不同于在该行为模式和满意度之间的关系中的用户。
此外，用户可以任意指定在其他用户行为模式屏幕1180上显示的其他用户。在这种情况下，用户可以指定朋友等作为显示的其他用户。此外，用户可以指定满足关于行为的条件的用户，诸如走了 I小时或更多的用户或与他/她具有相同的性别或年龄的用户，以及在其他用户行为模式屏幕1180上显示用户。此外，用户可以跟随显示在其他用户行为模式屏幕1180上的用户当中的例如他/她想要参考的用户，然后连续地使得其他用户行为模式屏幕1180显示用户的行为模式。
如上所述，呈现其他用户的行为模式，以使得用户可以通过找到类似于他/她的其他用户来与具有相似性的其他用户一致，或可以通过找到具有与他/她不同的感觉的其他用户来参考其他用户。在此实施例中，此功能可以通过基于反映在满意度中的用户的个人感觉来呈现关于用户的行为模式的信息而获得。
(行为推荐和用于反馈的Π)
图19是显示在本公开的第一实施例中用于呈现推荐行为以及进一步获得对于该呈现的反馈的UI的示例的图。
在所示的示例中,行为模式指示1191、热量消耗指示1192、剩余热量指示1193和推荐行为指示1194被显示在向用户呈现关于行为的信息的行为信息屏幕1190上。行为模式指示1191指示根据在一天中的到目前为止的行为估计的同一天的用户的行为模式。热量消耗指示1192指示根据由行为辨认单元103辨认的用户的活动量计算的同一天的用户的热量消耗。当用户设置热量消耗的目标值时，剩余热量指示1193指示直至同一天 的目标热量消耗的剩余热量。
推荐行为指示1194是此时为用户推荐的行为的列表。由呈现信息产生单元115 产生关于由推荐行为指示1194指示的推荐行为的信息。呈现信息产生单元115例如使用由关联性分析单元113分析的用户的行为和满意度之间的关联性来选择增大用户的满意度的行为作为推荐行为。此外，呈现信息产生单元115选择用于实现上述热量消耗目标、特定行为的目标等的用户期望的行为作为推荐行为。这里，用户的目标不局限于对于一天要实现的目标，以及可以是在诸如一个星期之类的时间段中要实现的目标。
此外，呈现信息产生单元115可以考虑用户的当前位置或行为、时间带等来选择推荐行为。例如，如果由行为分析单元111分析的结果指示用户正在乘火车移动，则呈现信息产生单元115可以推荐诸如“站起来”之类的行为，或如果用户在回家时到达附近的车站，则推荐诸如“走路回家”之类的行为。此外，行为的持续时间和热量消耗可以被显示在推荐行为指示1194上。
用户参考如上所述作为行为参考信息呈现的推荐行为指示1194。此时,显示行为模式指示1191、热量消耗指示1192和剩余热量指示1193，以使得用户可以获得适合于由这些来确定行为的提示。
这里，如果用户选择被显示为推荐行为指示1194的推荐行为中的一个，则显示行为屏幕1200。在行为屏幕1200上,显示用户选择的行为(活动)的行为指示1201而不是行为信息屏幕1190的推荐行为指示1194。用户通过携带移动设备20来运行活动，从而使得行为辨认单元103实时地辨认活动量以及检测该活动的热量消耗。
将用户对推荐行为指示1194的选择从移动设备的输入单元105发送到服务器设备30，作为指示用户已经从多个呈现的推荐行为当中选择了哪一个行为的反馈信息。关联性分析单元113或呈现信息产生单元115使用该信息例如作为用户的偏好和用于在将来选择推荐行为的准则。
在行为信息屏幕1190中，如果推荐行为指示1194指示没有期望的行为，则用户可以通过选择“查看更多的推荐活动”来使得显示其他推荐行为。此外，当在行为屏幕1200中停止选择的活动时，用户可以通过选择“结束此活动”来返回到行为信息屏幕1190。这里， 也可以从输入单元105向服务器设备30发送指示“用户已经请求呈现除了初始显示的推荐行为之外的行为”或“用户已经停止了该活动”的信息，作为指示用户的偏好并由关联性分析单元113或呈现信息产生单元115使用的信息。
如上所述，可以呈现适合于用户的参考信息以选择例如在目标实现、满意度改进和用户的偏好方面的行为。此外，获得用户对于呈现的推荐行为的反馈作为信息，以使得可以校正作为推荐行为呈现的行为，以例如适合于用户的偏好。
(2.第二实施例)
接着，将描述本公开的第二实施例。虽然用于实现功能的设备在此实施例和第一实施例之间是不同的，但 是功能是相等的。因此，在下面的描述中将参考图20描述差别，以及省略功能的详细描述。过程流、信息输入和信息呈现的示例也是相似的。
图20是显示根据本公开的第二实施例的信息处理系统的功能配置的框图。信息处理系统60包括移动设备70。移动设备70包括传感器101、行为辨认单元103、输入单元 105、其他服务信息获取单元107、输出单元117、信息获取单元109、行为分析单元111、关联性分析单元113和呈现信息产生单元115。
这些功能与由上述第一实施例中的移动设备20和服务器设备30实现的功能相同。但是，在此实施例中，信息获取单元109、行为分析单元111、关联性分析单元113和呈现信息产生单元115由移动设备70中的CPU、RAM、ROM等实现。信息获取单元109具有移动设备70的内部接口功能，以及从行为辨认单元103、输入单元105和其他服务信息获取单元107获得信息。输出单元117向用户呈现经由移动设备70的内部接口从呈现信息产生单兀115获得的彳目息。
如上所述，在此实施例中，信息处理系统60的功能由移动设备70实现。因而，甚至当用户不一定执行经由网络的通信时，他/她也可以接收关于行为的信息的呈现。
(3.硬件配置)
接着，将参考图21详细描述可以实现根据上面描述的本公开的实施例的移动设备20、70和服务器设备30的信息处理装置900的硬件配置。
图21是用于描述根据本公开的实施例的信息处理装置900的硬件配置的框图。
信息处理装置900包括CPU 901、ROM 903和RAM 905。此外，信息处理装置900还可以包括主机总线907、电桥909和外部总线911、接口 913、输入设备915、输出设备917、存储设备919、驱动器921、连接端口 923和通信设备925。
CPU 901用作处理设备和控制设备，并且根据记录在ROM 903、RAM905、存储设备 919或可移除的记录介质927中的各种程序来控制信息处理装置900的全部操作或一部分操作。ROM 903存储CPU 901要使用的程序、工艺参数等。RAM 905临时存储在CPU 901的运行中要使用的程序、在运行中变化的参数等。CPU 901、ROM 903和RAM 905通过由诸如 CPU总线之类的内部总线配置的主机总线907互相连接。主机总线907经由电桥909连接到诸如PCI (外围元件互连/接口)之类的外部总线911。
输入设备915是由用户操作的输入装置，诸如鼠标、键盘、触摸板、按钮、开关、手柄等等。此外，输入设备915可以是使用红外或另一种无线电波的遥控装置，或它可以是适合信息处理装置900的操作的诸如移动电话机、PDA等之类的外部连接设备929。此外，由用于基于用户利用上面描述的操作装置输入的信息产生输入信号并向CPU 901输出信号的输入控制电路等来配置输入设备915。信息处理装置900的用户可以通过操作输入设备 915向信息处理装置900输入各种类型的数据或指令信息处理装置900执行处理。
由能够以看得见或听得见的方式向用户通知获得的信息的设备来配置输出设备 917。这样的设备的示例包括如下诸如CRT显示设备、液晶显示设备、等离子体显示设备、 EL显示设备或灯之类的显示设备；诸如扬声器或头戴听筒之类的音频输出设备；打印机、 移动电话机、传真机等。输出设备917输出例如通过由信息处理装置900执行的各种过程获得的结果。具体地说，显示设备以文本或图像的形式显示通过由信息处理装置900执行的各种过程获得的结果。另一方面，音频输出设备将诸如再现的音频数据或声学数据之类的音频信号转换为模拟信号，并输出该模拟信号。
存储设备919是用于存储数据的设备，被配置为例如信息处理装置900的存储单元。由例如诸如HDD (硬盘驱动)之类的磁存储设备、半导体存储设备、光学存储设备或磁光存储设备来配置存储设备919。此存储设备919存储例如要由CPU 901运行的程序、各种类型的数据、和从外部中获得的各种类型的数据。
驱动器921是用于记录介质的读取器/写入器，以及并入或从外部连接到信息处理装置900。驱动器921读取记录在连接的诸如磁盘、光盘、磁光盘或半导体存储器之类的可移除的记录介质927中的信息，并向RAM 905输出信息。此外，驱动器921可以向诸如磁盘、光盘、磁光盘或半导体存储器之类的连接的可移除的记录介质927进行写入。可移除的记录介质927是例如DVD介质、HD-DVD介质或蓝光(注册商标)介质。可移除的记录介质 927可以是闪存卡(CF:注册商标)、闪速存储器、SD存储卡(安全数字存储卡)等等。可替换地，可移除的记录介质927可以是例如配备有非接触式IC芯片的电子设备或IC卡(集成电路卡)。
连接端口 923是用于允许设备直接连接到信息处理装置900的端口。连接端口 923的示例包括USB (通用串行总线)端口、IEEE 1394端口、SCSI (小型计算机系统接口) 端口等。连接端口 923的其他示例包括RS-232C端口、光音终端、HDMI (高清晰度多媒体接口)端口等。在外部连接的设备929连接到此连接端口 923的情况下，信息处理装置900直接从外部连接的设备929获得各种类型的数据并向外部连接的设备929提供各种类型的数据。
通信设备925是由例如用于连接到通信网络931的通信设备配置的通信接口。通信设备925是例如有线或无线LAN (局域网)、蓝牙(注册商标)、用于WUSB (无线USB)的通信卡等等。可替换地，通信设备925可以是用于光通信的路由器、用于ADSL(异步数字用户线)的路由器、用于各种通信的调制解调器等等。此通信设备925可以根据诸如TCP/IP之类的预定协议例如在互联网上以及与其他通信设备发送和接收信号等。连由经由有线或无线连接的网络等来配置接到通信设备925的通信网络931，以及其可以是例如互联网、家庭 LAN、红外通信、无线电波通信、卫星通信等等。
到现在为止，已经示出了信息处理装置900的硬件配置的示例。上面描述的结构元件的每一个可以使用通用材料配置，或可以从专用于每个结构元件的功能的硬件配置。 因此，所用的硬件配置可以根据在执行上面描述的每个实施例时的技术水平而视情况变化。
(4.补充)
(公开的此实施例的配置和优点效果的示例)
(结论)
上面已经描述了本公开的实施例。除了上述实施例以外，本公开的实施例可以具有各种形式。
例如，在信息处理系统中的设备的配置中，可以例如根据每个设备的能力或通信环境而适当地设计要在移动设备中运行的过程和要在服务器中运行的过程。服务器的功能并不在单个设备中实现，以及可以在多个设备中分布和实现。此外，多个客户端设备可以经由服务器共享数据，以及通过在客户端设备之间执行通信来共享数据。
此外，满意度信息获取单元可以不一定从用户的输入信息来获得满意度。例如，满意度获取单元可以接收由传感器测量的用户的生物信息并且根据生物信息来估计满意度。
本领域技术人员应当理解，可以根据设计要求和其他因素而发生各种修改、组合、 子组合和改变，只要它们在所附的权利要求书或其等价物的范围之内。
另外，本技术还可以被配置如下。
( I) 一种信息处理装置，包括
处理器，被配置为
获得与用户的行为有关的信息和与用户的满意度有关的信息；以及
分析与行为有关的信息和与满意度有关的信息之间的关联性。
(2)如(I)所述的装置，其中，该处理器根据该关联性产生影响用户的行为的信息。
(3)如(I)或(2)所述的装置,其中，与行为有关的信息通过行为辨认算法来辨认。
(4)如(I)到(3)中的任何一个所述的装置，其中，该处理器通过组合与行为有关的信息和与满意度有关的信息来产生整合行为信息。
(5)如(4)所述的装置，其中，通过在时间轴上将与满意度有关的信息离散化来产生该整合行为信息。
(6)如(5)所述的装置,其中，该整合行为信息包括使用与行为有关的信息产生的缺失部分的整合行为信息。
( 7 )如(6 )所述的装置，其中，该装置是便携式的。
(8)如(I)到(7)中的任何一个所述的装置，还包括
显示控制单元，用于基于根据该关联性产生的影响用户的行为的信息来产生显示数据。
(9)如(8)所述的装置，其中，该显示数据指示根据用户对行为的期望的用户的行为信息。
(10)如(8)或(9)所述的装置，其中，该显示数据指示根据行为分数的用户的行为信息。
( 11)如(IO )所述的装置，其中该行为分数指示满意度。
(12)如(10)或(11)所述的装置，其中，当从显示器屏幕中选择该分数时，显示与该分数有关的屏幕显示。
(13)如(8)到(12)中的任何一个所述的装置，其中，该显示数据指示被确定增大用户的满意度的行为。
(14)如(8 )到(13 )中的任何一个所述的装置，其中，该显示数据指示用于设置期望的理想行为计划的可选择的至少一个屏幕显示。
(15)如(8)到(14)中的任何一个所述的装置，其中，该显示数据指示通过其能够设置行为的目标的屏幕显示。
(16)如(8)到(15)中的任何一个所述的装置，其中，该显示数据指示关于可选择作为反馈信息的推荐行为的信息。
权利要求
1.一种信息处理装置，包括 处理器，被配置为 获得与用户的行为有关的信息和与用户的满意度有关的信息；以及 分析与行为有关的信息和与满意度有关的信息之间的关联性。
2.如权利要求I所述的装置，其中该处理器根据该关联性产生影响用户的行为的信肩、O
3.如权利要求I所述的装置，其中，与行为有关的信息通过行为辨认算法来辨认。
4.如权利要求I所述的装置，其中，该处理器通过组合与行为有关的信息和与满意度有关的信息来产生整合行为信息。
5.如权利要求I所述的装置，其中，通过在时间轴上将与满意度有关的信息离散化来产生该整合行为信息。
6.如权利要求5所述的装置，其中，该整合行为信息包括使用与行为有关的信息产生的缺失部分的整合行为信息。
7.如权利要求I所述的装置，其中，该装置是便携式的。
8.如权利要求I所述的装置，还包括 显示控制单元，用于基于根据该关联性产生的影响用户的行为的信息来产生显示数据。
9.如权利要求8所述的装置，其中，该显示数据指示根据用户对行为的期望的用户的行为信息。
10.如权利要求8所述的装置，其中，该显示数据指示根据行为分数的用户的行为信肩、O
11.如权利要求10所述的装置，其中，该行为分数指示满意度。
12.如权利要求10所述的装置，其中，当从显示器屏幕中选择该分数时，显示与该分数有关的屏眷显不。
13.如权利要求8所述的装置，其中，该显示数据指示被确定增大用户的满意度的行为。
14.如权利要求8所述的装置，其中，该显示数据指示用于设置期望的理想行为计划的可选择的至少一个屏幕显示。
15.如权利要求8所述的装置，其中，该显示数据指示通过其能够设置行为的目标的屏、t Pi /J 人 ο
16.如权利要求8所述的装置，其中，该显示数据指示关于可选择作为反馈信息的推荐行为的信息。
17.一种信息处理装置，包括 处理器，被配置为 根据分析的与用户的行为有关的信息和与用户的满意度有关的信息之间的关联性来产生影响用户的行为的信息，其中获得所述与行为有关的信息和所述与满意度有关的信肩、O
18.—种信息处理的方法,包括 获得与用户的行为有关的信息和与用户的满意度有关的信息；以及由处理器分析与行为有关的信息和与满意度有关的信息之间的关联性。
19.一种记录有可由计算机运行的程序的非瞬时记录介质，该程序包括获得与用户的行为有关的信息和与用户的满意度有关的信息；以及分析与行为有关的信息和与满意度有关的信息之间的关联性。
全文摘要
一种信息处理装置、信息处理方法和程序。信息处理装置可以包括处理器，用于获得与用户的行为有关的信息和与用户的满意度有关的信息，以及用于分析与行为有关的信息和与满意度有关的信息之间的关联性。
文档编号G06F3/01GK102982059SQ201210185670
公开日2013年3月20日 申请日期2012年6月6日 优先权日2011年6月13日
发明者萩原丈博, 上前田直树, 宫原正典, 福本康隆, 仓田雅友 申请人:索尼公司