專利名稱：數據處理裝置、數據處理方法和程序的制作方法
技術領域：
本發(fā)明涉及一種數據處理裝置、數據處理方法和程序、具體地涉及更簡單地對學習參數進行學習以預測處于在當前時間的不遠將來或者以后進行特定動作的地點或者特定位置的概率、路線和流逝時間。
背景技術：
近來積極研究通過使用從用戶佩戴的可佩戴傳感器獲得的時間序列數據進行建模來學習用戶的狀態(tài)并且通過使用從學習中獲得的模型來識別用戶的當前狀態(tài)(例如參見第2006-134080號日本公開待審專利申請、第2008-204040號日本公開待審專利申請和 Brian Patrick Clarkson ψ 2002 MIT ff ^ ；" Life Patterns structure from wearable sensors")。
本發(fā)明人作為第2009-180780號日本專利申請首先提出隨機估計用戶的動作狀態(tài)在將來預期時間的多個可能性的方法。在第2009-180780號日本專利申請的方法中，從時間序列數據中學習用戶動作狀態(tài)作為隨機狀態(tài)轉變模型，并且通過使用學習的隨機狀態(tài)轉變模型，有可能識別當前動作狀態(tài)并且隨機估計所謂“在預定時間之后”的用戶動作狀態(tài)。然后，作為對在“預定時間”之后的用戶動作狀態(tài)的估計例子，建議用于通過識別用戶當前位置來估計在預定時間之后的用戶目的地(位置)的例子。
另外，本發(fā)明人還改進了第2009-180780號日本專利申請并且作為第 2009-208064號日本專利申請?zhí)岢鲇糜诩词乖谖粗付◤乃^“在預定時間”的當前時間起的流逝時間時仍然估計通向多個目的地的到達概率、路線和時間的方法。在第2009-208064 號日本專利申請的方法中，有可能通過發(fā)現與概率模型中的節(jié)點之中的目的地節(jié)點對應的位置來自動檢測目的地候選。

發(fā)明內容
在第2009-180780號日本專利申請和第2009-208064號日本專利申請的方法中，采用隱馬爾科夫模型作為表達用戶動作狀態(tài)的隨機狀態(tài)轉變模型的例子。然后，在第 2009-208064號日本專利申請的方法中，采用兩步過程(將第一隱馬爾科夫模型所獲得的輸出結果輸入到將作為后續(xù)步驟的第二隱馬爾科夫模型)用于對表達用戶動作狀態(tài)的隱馬爾科夫模型的學習手段。對于兩步過程，學習時間需要兩倍之久，并且該過程負擔大。
希望更簡單地對學習參數進行學習以預測處于在當前時間的不遠將來或者以后進行特定動作的地點或特定位置的概率、路線和流逝時間。
根據本發(fā)明的一個實施例的一種數據處理裝置包括狀態(tài)序列生成裝置，在第一事件的狀態(tài)轉變模型表達為隨機狀態(tài)轉變模型時根據在第一事件和第二事件的時間序列數據之間的第一事件的時間序列數據來生成狀態(tài)節(jié)點的時間序列數據；以及計算裝置，通過使用第一事件的時間序列數據和狀態(tài)節(jié)點的時間序列數據來計算與狀態(tài)節(jié)點的出現頻率、在狀態(tài)節(jié)點之中的轉變出現頻率和狀態(tài)節(jié)點對應的時間序列數據的參數，以計算用于第一事件和第二事件的隨機狀態(tài)轉變模型的參數。
根據本發(fā)明的另一實施例，提供一種使用數據處理裝置的數據處理方法，該數據處理裝置通過包括狀態(tài)序列生成裝置和計算裝置來輸出第一事件和第二事件的隨機狀態(tài)轉變模型的參數，該方法包括使數據處理裝置的狀態(tài)序列生成裝置在第一事件的狀態(tài)轉變模型表達為隨機狀態(tài)轉變模型時根據在第一事件和第二事件的時間序列數據之間的第一事件的時間序列數據來生成狀態(tài)節(jié)點的時間序列數據；以及使計算裝置通過使用第一事件的時間序列數據和狀態(tài)節(jié)點的時間序列數據來計算與狀態(tài)節(jié)點的出現頻率、在狀態(tài)節(jié)點之中的轉變出現頻率和狀態(tài)節(jié)點對應的時間序列數據的參數，以計算第一事件和第二事件的隨機狀態(tài)轉變模型的參數。
根據本發(fā)明的又一實施例，提供一種使計算機作為以下裝置來工作的程序狀態(tài)序列生成裝置，在第一事件的狀態(tài)轉變模型表達為隨機狀態(tài)轉變模型時根據在第一事件和第二事件的時間序列數據之間的第一事件的時間序列數據來生成狀態(tài)節(jié)點的時間序列數據；以及計算裝置，通過使用第一事件的時間序列數據和狀態(tài)節(jié)點的時間序列數據來計算與狀態(tài)節(jié)點的出現頻率、在狀態(tài)節(jié)點之中的轉變出現頻率和狀態(tài)節(jié)點對應的時間序列數據的參數，以計算第一事件和第二事件的隨機狀態(tài)轉變模型的參數。
在本發(fā)明的實施例中，當第一事件的狀態(tài)轉變模型表達為隨機狀態(tài)轉變模型時根據在第一事件和第二事件的時間序列數據之間的第一事件的時間序列數據來生成狀態(tài)節(jié)點的時間序列數據，并且通過使用第一事件的時間序列數據和狀態(tài)節(jié)點的時間序列數據計算與狀態(tài)節(jié)點的出現頻率、在狀態(tài)節(jié)點之中的轉變出現頻率和狀態(tài)節(jié)點對應的時間序列數據的參數來計算第一事件和第二事件的隨機狀態(tài)轉變模型的參數。
數據處理裝置可以是獨立裝置或者是組成一個裝置的中間塊。
根據本發(fā)明的實施例，可以更容易地對學習參數進行學習以預測處于在當前時間的不遠將來或者以后進行特定動作的地點或者特定位置的概率、路線和流逝時間。


圖15是狀態(tài)序列糾正單元的循環(huán)糾正過程的流程圖。
圖16是描述狀態(tài)序列糾正單元的共享節(jié)點糾正過程的圖。
圖17是狀態(tài)序列糾正單元的共享節(jié)點糾正過程的流程圖。
圖18是描述其它共享節(jié)點糾正過程的圖。
圖19是描述采用圖12中所示動作學習部的效果的圖。
圖20是描述采用圖12中所示動作學習部的效果的圖。
圖21是描述采用圖12中所示動作學習部的效果的圖。
圖22是描述采用狀態(tài)序列糾正單元的效果的圖。
圖23是描述采用狀態(tài)序列糾正單元的效果的圖。
圖M是描述采用狀態(tài)序列糾正單元的效果的圖。
圖25是示出用于應用本發(fā)明的計算機的實施例形式的配置例子的框圖。
具體實施例方式下文描述了用于實施本發(fā)明的形式(下文稱為實施例)。
為了與在“背景技術”中描述的相關技術比較，簡要地描述在第2009-208064號日本專利申請中建議的方法，然后描述應用于本發(fā)明的實施例。也就是說，按照以下順序進行描述。
1.第2009-208064號日本專利申請的實施例 2.本發(fā)明的實施例(該實施例比在第2009-208064號日本專利申請的實施例中更容易地獲得學習參數) <1.第2009-208064號日本專利申請的實施例> [用于第2009-208064號日本專利申請的預測處理系統的配置例子] 圖1是示出用于第2009-208064號日本專利申請的預測系統的配置例子的框圖。
預測系統1被配置成具有GPS傳感器10、速度計算部11、時間序列數據存儲器部 12、動作學習部13、動作識別部14、動作預測部15、目的地預測部16、操作部17和顯示部 18。
預測系統1進行學習處理，以便從由GPS傳感器10獲得的表明當前位置的時間序列數據中學習用戶動作狀態(tài)(該狀態(tài)是表達的動作和活動模式)作為隨機狀態(tài)轉變模型。
預測系統1也進行預測過程，以通過使用由通過學習處理而獲得的參數表示的隨機狀態(tài)轉變模型(用戶活動模型)、在預測用戶目的地之后預測到達目的地的到達概率、路線和到達時間。此外，目的地可以預測為多個目的地以及單個目的地。
在諸如住所、辦公室、車站、購物目的地和餐館等目的地中，用戶一般逗留預定時間，并且用戶的移動速度基本上為零。另一方面，對于當用戶移向目的地時的情況，用戶的移動速度將是取決于交通手段以特定模式改變的狀態(tài)。因此有可能通過從用戶移動速度的信息中識別用戶動作狀態(tài)(也就是說，用戶是靜止于目的地(靜止狀態(tài))還是正移動(移動狀態(tài)))來預測靜止狀態(tài)的地點作為目的地。
在圖1中，虛線箭頭示出學習處理中的數據流而實線箭頭示出預測過程中的數據流。
GPS傳感器10以規(guī)律的時間間隔(例如15秒間隔)順序地獲取表明它自己的位置的緯度和經度數據。此外，GPS傳感器10可能不能夠以規(guī)律的時間間隔獲取位置數據。 例如，可能當用戶例如在隧道中或者地下時難以搜尋衛(wèi)星，并且獲取間隔變長。在此情況下，有可能通過進行插值過程等來補償數據。
在學習處理中，GPS傳感器10向速度計算部11供應所獲得的緯度和經度位置數據以及獲取數據的獲取時間。在預測處理中，GPS傳感器10向速度計算部11供應所獲取的位置數據。
數據計算部11根據由GPS傳感器10供應的位置數據來計算移動速度。
具體而言，以恒定的時間間隔在第k個步驟(kth)獲得的位置數據通過時間tk、經度yk和緯度&來表達，并且可以按照以下等式(1)來計算第k個步驟在χ方向上的移動速度Hk和第k個步驟在y方向上的移動速度vyk。

權利要求
1.一種數據處理裝置，包括狀態(tài)序列生成裝置，在第一事件的狀態(tài)轉變模型表達為隨機狀態(tài)轉變模型時根據在所述第一事件和第二事件的時間序列數據之間的所述第一事件的時間序列數據來生成狀態(tài)節(jié)點的時間序列數據；以及計算裝置，通過使用所述第一事件的時間序列數據和所述狀態(tài)節(jié)點的時間序列數據來計算與所述狀態(tài)節(jié)點的出現頻率、在所述狀態(tài)節(jié)點之中的轉變出現頻率和所述狀態(tài)節(jié)點對應的時間序列數據的參數，以計算用于所述第一事件和所述第二事件的隨機狀態(tài)轉變模型的參數。
2.根據權利要求1所述的數據處理裝置，其中所述第一事件的時間序列數據是用于用戶的位置數據的時間序列數據，所述第二事件的時間序列數據是用于所述用戶的動作模式的時間序列數據，所述狀態(tài)序列生成裝置在示出用戶的動作狀態(tài)的動作模型表達為所述隨機狀態(tài)轉變模型時根據所述用戶的位置數據的時間序列數據來生成所述狀態(tài)節(jié)點的時間序列數據，以及所述計算裝置通過使用所述位置數據的時間序列數據和所述狀態(tài)節(jié)點的時間序列數據來計算與所述狀態(tài)節(jié)點的出現頻率、在所述狀態(tài)節(jié)點之中的轉變出現頻率和所述狀態(tài)節(jié)點對應的時間序列數據的參數，以計算所述隨機狀態(tài)轉變模型的參數。
3.根據權利要求2所述的數據處理裝置，其中所述狀態(tài)序列生成裝置采用隱馬爾科夫模型作為所述隨機狀態(tài)轉變模型并且通過使用通過學習而尋求的所述隱馬爾科夫模型的參數根據所述用戶的位置數據的時間序列數據來生成所述狀態(tài)節(jié)點的時間序列數據。
4.根據權利要求3所述的數據處理裝置，其中所述計算裝置具有計數裝置，針對所述狀態(tài)節(jié)點的時間序列數據對各狀態(tài)的頻率和各狀態(tài)轉變的頻率進行計數，以及統計計算裝置，在時間序列數據分離成對應狀態(tài)節(jié)點之后計算分類成各狀態(tài)節(jié)點的時間序列數據的統計，以及根據分類成各狀態(tài)的頻率、各狀態(tài)轉變的頻率和所述狀態(tài)節(jié)點的時間序列數據的所述統計來計算所述隱馬爾科夫模型的轉變概率和觀測概率。
5.根據權利要求4所述的數據處理裝置，還包括狀態(tài)序列糾正裝置，修改狀態(tài)節(jié)點的時間序列數據，所述狀態(tài)節(jié)點的時間序列數據由所述狀態(tài)序列生成裝置生成。
6.根據權利要求5所述的數據處理裝置，其中所述狀態(tài)序列糾正裝置修改狀態(tài)節(jié)點的時間序列數據以便滿足針對所述狀態(tài)轉變的新約束。
7.根據權利要求5所述的數據處理裝置，其中所述狀態(tài)序列糾正裝置修改所述狀態(tài)節(jié)點的時間序列數據，從而狀態(tài)節(jié)點的似然度尚。
8.根據權利要求5所述的數據處理裝置，其中所述狀態(tài)序列糾正裝置還利用其它信息通過鑒別來修改所述狀態(tài)節(jié)點的時間序列數據。
9.一種使用數據處理裝置的數據處理方法，所述數據處理裝置通過包括狀態(tài)序列生成裝置和計算裝置來輸出第一事件和第二事件的隨機狀態(tài)轉變模型的參數，所述方法包括使所述數據處理裝置的狀態(tài)序列生成裝置在所述第一事件的狀態(tài)轉變模型表達為隨機狀態(tài)轉變模型時根據在所述第一事件和所述第二事件的時間序列數據之間的所述第二事件的時間序列數據來生成狀態(tài)節(jié)點的時間序列數據；以及使所述計算裝置通過使用所述第一事件的時間序列數據和所述狀態(tài)節(jié)點的時間序列數據來計算與所述狀態(tài)節(jié)點的出現頻率、在所述狀態(tài)節(jié)點之中的轉變出現頻率和所述狀態(tài)節(jié)點對應的時間序列數據的參數，以計算所述第一事件和第二事件的隨機狀態(tài)轉變模型的參數。
10.一種使計算機作為以下裝置來工作的程序狀態(tài)序列生成裝置，在第一事件的狀態(tài)轉變模型表達為隨機狀態(tài)轉變模型時根據在所述第一事件和第二事件的時間序列數據之間的所述第一事件的時間序列數據來生成狀態(tài)節(jié)點的時間序列數據；以及計算裝置，通過使用所述第一事件的時間序列數據和所述狀態(tài)節(jié)點的時間序列數據來計算與所述狀態(tài)節(jié)點的出現頻率、在所述狀態(tài)節(jié)點之中的轉變出現頻率和所述狀態(tài)節(jié)點對應的時間序列數據的參數，以計算所述第一事件和第二事件的隨機狀態(tài)轉變模型的參數。
11.一種數據處理裝置，包括狀態(tài)序列生成單元，在第一事件的狀態(tài)轉變模型表達為隨機狀態(tài)轉變模型時根據在所述第一事件和第二事件的時間序列數據之間的所述第一事件的時間序列數據來生成狀態(tài)節(jié)點的時間序列數據；以及計算單元，通過使用所述第一事件的時間序列數據和所述狀態(tài)節(jié)點的時間序列數據來計算與所述狀態(tài)節(jié)點的出現頻率、在所述狀態(tài)節(jié)點之中的轉變出現頻率和所述狀態(tài)節(jié)點對應的時間序列數據的參數，以計算用于所述第一事件和所述第二事件的隨機狀態(tài)轉變模型的參數。
12.一種使用數據處理裝置的數據處理方法，所述數據處理裝置通過包括狀態(tài)序列生成單元和計算單元來輸出第一事件和第二事件的隨機狀態(tài)轉變模型的參數，所述方法包括使所述數據處理裝置的狀態(tài)序列生成單元在所述第一事件的狀態(tài)轉變模型表達為隨機狀態(tài)轉變模型時根據在所述第一事件和所述第二事件的時間序列數據之間的所述第二事件的時間序列數據來生成狀態(tài)節(jié)點的時間序列數據；以及使所述計算單元通過使用所述第一事件的時間序列數據和所述狀態(tài)節(jié)點的時間序列數據來計算與所述狀態(tài)節(jié)點的出現頻率、在所述狀態(tài)節(jié)點之中的轉變出現頻率和所述狀態(tài)節(jié)點對應的時間序列數據的參數，以計算所述第一事件和第二事件的隨機狀態(tài)轉變模型的參數。
13.一種使計算機作為以下單元來工作的程序狀態(tài)序列生成單元，在第一事件的狀態(tài)轉變模型表達為隨機狀態(tài)轉變模型時根據在所述第一事件和第二事件的時間序列數據之間的所述第一事件的時間序列數據來生成狀態(tài)節(jié)點的時間序列數據；以及計算單元，通過使用所述第一事件的時間序列數據和所述狀態(tài)節(jié)點的時間序列數據來計算與所述狀態(tài)節(jié)點的出現頻率、在所述狀態(tài)節(jié)點之中的轉變出現頻率和所述狀態(tài)節(jié)點對應的時間序列數據的參數，以計算所述第一事件和第二事件的所述隨機狀態(tài)轉變模型的參數。
全文摘要
本發(fā)明涉及一種數據處理裝置、數據處理方法以及程序。數據處理裝置包括狀態(tài)序列生成單元和計算單元。狀態(tài)序列生成單元根據事件的時間序列數據來生成狀態(tài)節(jié)點的時間序列數據。將事件的狀態(tài)轉變模型表達為隨機狀態(tài)轉變模型。計算單元通過計算與狀態(tài)節(jié)點的出現頻率、在狀態(tài)節(jié)點之中的轉變出現頻率等對應的時間序列數據的參數來計算用于事件的隨機狀態(tài)轉變模型的參數。
文檔編號G06F15/18GK102183252SQ201010573728
公開日2011年9月14日 申請日期2010年11月26日 優(yōu)先權日2009年12月4日
發(fā)明者井手直紀, 伊藤真人, 佐部浩太郎 申請人:索尼公司