信息处理系统的制作方法

1.本发明的实施方式涉及信息处理系统。


背景技术：

2.近年来，搭载无线通信功能且能够与互联网连接的家电设备的普及正在发展。这样的技术领域一般被称为iot(物联网(internet of things))，不限于家电设备的领域，在各种各样的产业界中被关注。例如，家电设备的制造商正在开展能够从智能手机的应用(以下称为“家电应用”)远程确认家电设备的状态或远程操作家电设备的服务。
3.现有技术文献：
4.专利文献：
5.专利文献1：日本特开2017
‑
120178号公报
6.专利文献2：日本特开2019
‑
78506号公报
7.专利文献3：再公布wo2017/179188号公报
8.专利文献4：日本特开2011
‑
33325号公报


技术实现要素：

9.但是，以往的服务以用户从远程确认家电设备的状态或进行家电设备的远程操作这样的用户操作为起点，因此用户对家电应用进行操作的频率高，并不一定对用户来说便利性高。因此，期望提供能够根据用户的属性来控制家电设备的家电应用。为了提供这样的家电应用，需要不依赖于用户的设定行为而对用户的属性进行推定。
10.本发明要解决的课题在于，提供能够对使用冰箱的用户的属性进行推定的信息处理系统。
11.实施方式的信息处理系统具有取得部和推定部。取得部取得与冰箱的状态相关的数据。推定部使用通过机械学习而生成的学习完毕模型，基于由所述取得部取得的所述数据来对所述冰箱的用户的属性进行推定。
12.发明的效果：
13.本发明能够对使用冰箱的用户的属性进行推定。
附图说明
14.图1是表示实施方式的信息处理系统(用户信息收集系统)的整体结构的图。
15.图2是表示实施方式的冰箱的结构例的外观图。
16.图3是表示实施方式的冰箱的结构例的剖面图。
17.图4是表示实施方式的冰箱的与控制相关的结构例的框图。
18.图5是表示实施方式的冰箱的箱内图像的具体例的图。
19.图6是表示实施方式的服务器的结构例的框图。
20.图7是表示在实施方式的信息处理系统中被用于生成使用人数推定用输入信息的
数据d的具体例的图。
21.图8是表示实施方式的冰箱所设置的建筑物内部的温度变化的第一具体例的图。
22.图9是表示实施方式的冰箱所设置的建筑物内部的温度变化的第二具体例的图。
23.图10是表示实施方式的用户注册信息的具体例的图。
24.图11是表示实施方式的冰箱中的处理的流程的图。
25.图12是表示实施方式的服务器中的处理的流程的图。
26.标号说明
[0027]1……
信息处理系统，100
……
冰箱，10
……
冷藏室，11
……
冷藏室门，12
……
冷藏室门开关，13
……
冷藏冷却器，14
……
冷藏冷却风扇，15
……
冷藏冷却室，20
……
蔬菜室，21
……
蔬菜室门，22
……
蔬菜室门开关，30
……
冷冻室，31
……
冷冻室门，32
……
冷冻室门开关，33
……
冷冻冷却器，34
……
冷冻冷却风扇，35
……
冷冻冷却室，40
……
制冰室，41
……
制冰室门，42
……
制冰室门开关，51
……
压缩机，52
……
制冷剂切换阀，53
……
风挡，531
……
冷藏冷却风挡，532
……
冷冻冷却风挡，533
……
连通部，54
……
制冰盘电机，55
……
供水电机，61
……
冷藏室温度传感器，62
……
蔬菜室温度传感器，63
……
冷冻室温度传感器，64
……
制冰室温度传感器，65
……
箱内相机，66
……
人体检测传感器，67
……
周围温度传感器，68
……
周围湿度传感器，69
……
电源检测部，70
……
无线模块，80
……
控制部，81
……
冷冻循环控制部，82
……
存储部，83
……
信息记录部，84
……
信息输出部，200
……
服务器，201
……
信息取得部，202
……
信息变换部，203
……
学习部，204
……
推定部，205
……
信息记录部，206
……
信息输出部，207
……
存储部，300
……
终端装置，300a
……
显示装置。
具体实施方式
[0028]
以下，参考附图说明实施方式的信息处理系统。在以下的说明中，对具有同一或者类似的功能的结构赋予同一标号。并且，有时省略这些结构的重复说明。“基于xx”意味着“至少基于xx”，也能包含除了xx外还基于其他要素的情况。“基于xx”不限定于直接使用xx的情况，也能包含基于对xx进行了运算或加工而得的结果的情况。“xx或者yy”不限定于xx和yy之中某一方的情况，也能包含xx和yy双方的情况。这在选择的要素为三个以上的情况下也同样。“xx”以及“yy”是任意的要素(例如任意的信息)。
[0029]
(第一实施方式)
[0030]
＜1.信息处理系统的整体结构＞
[0031]
图1是表示实施方式的信息处理系统(用户信息收集系统)1的整体结构的图。信息处理系统1例如包含在各家庭中配置的冰箱100、服务器200、以及终端装置300。其中，在本说明书中，“信息处理系统”也可以不包含冰箱100以及终端装置300，而意味着仅服务器200。后述的网络nw例如根据状况而利用互联网、蜂窝网、wi
‑
fi网、lpwa(低功耗广域(low power wide area))、wan(广域网(wide area network))、lan(局域网(local area network))、其他公用线路、专用线路等即可。
[0032]
冰箱100被配置于用户u的居所内。冰箱100例如能够经由在用户u的居所内配置的无线路由器r以及网络nw，与服务器200进行通信。针对冰箱100，详细地在后面叙述。
[0033]
服务器200由1台以上的服务器装置sd(例如云服务器)构成。服务器200也可以被称为“服务器系统”。服务器200也可以包含网络nw中的路由器中包含的信息处理部等进行
边缘计算或雾计算的信息处理部。针对服务器200，详细地在后面叙述。
[0034]
终端装置300是个人计算机等设备，能够经由网络nw而与服务器200进行通信。终端装置300包含液晶显示器或者有机el(电致发光(electro luminescence))显示器等显示装置300a。其中，终端装置300和服务器装置sd也可以在一个装置中被一体地设置。
[0035]
＜2.冰箱＞
[0036]
＜2.1冰箱的整体结构＞
[0037]
图2是表示冰箱100的结构例的外观图。冰箱100例如具备冷藏室10、蔬菜室20、冷冻室30以及制冰室40作为储藏室，具备冷藏室门11、蔬菜室门21、冷冻室门31以及制冰室门41作为用于对各储藏室进行开闭的门。此外，在冷藏室门11、蔬菜室门21、冷冻室门31以及制冰室门41中，具备冷藏室门开关12、蔬菜室门开关22、冷冻室门开关32以及制冰室门开关42作为用于对各自的开闭状态进行探测的传感器。进而，在冰箱100的外表面，具备用于对用户u的接近进行探测的人体检测传感器66。
[0038]
图3是表示冰箱100的结构例的剖面图。图3是沿着图2中的a
‑
a线的剖面图。图3作为冰箱100的一例而表示具有两个冷却机构的所谓双冷却式的冰箱。冰箱100例如具备冷藏冷却器13、冷冻冷却器33、冷藏冷却风扇14、冷冻冷却风扇34、压缩机51、制冷剂切换阀52、风挡53、制冰盘电机54、供水电机55作为用于实现冷冻循环的结构要素。
[0039]
压缩机51是对作为热交换介质而在冷冻循环中循环的制冷剂进行压缩的装置。冷藏冷却器13是通过与制冷剂之间的热交换而对冷藏冷却室15内的空气进行冷却的蒸发器。由冷藏冷却器13冷却后的空气通过冷藏冷却风扇14的旋转，经由连通部533被供应给冷藏室10或者蔬菜室20。同样，冷冻冷却器33是通过与制冷剂之间的热交换而对冷冻冷却室35内的空气进行冷却的蒸发器。由冷冻冷却器33冷却后的空气通过冷冻冷却风扇34的旋转，经由连通部533被供应给冷冻室30或者制冰室40。
[0040]
制冷剂切换阀52是对制冷剂的流路进行切换以使制冷剂被传送至冷藏冷却器13以及冷冻冷却器33的一方或者双方的阀。冷藏冷却风挡531是对经由连通部533在冷藏冷却室15和冷藏室10之间流通的空气的流量进行调整的装置。冷冻冷却风挡532是对经由连通部533在冷冻冷却室35和冷冻室30之间流通的空气的流量进行调整的装置。制冰盘电机54是用于为了使制冰室40中在制冰盘生成的冰移动至接收盘而使制冰盘旋转的电机。供水电机55是用于将制冰室40中在供水罐中储存的水供应给制冰盘的电机。
[0041]
＜2.2冰箱的传感器组以及控制部的结构＞
[0042]
图4是表示冰箱100的与控制相关的结构例的框图。如图4所示那样，冰箱100具备用于将自身与其他通信设备以可通信的方式连接的无线模块70、用于使自身作为冷冻循环装置而发挥作用的控制部80、和用于取得冷冻循环的控制所需的各种信息的传感器组su。控制部80通过冰箱100内部的通信线而与传感器组su以可通信的方式连接，经由无线模块70而与服务器200以可无线通信的方式连接。无线模块70经由无线路由器r而与服务器200进行无线通信。
[0043]
控制部80例如包含cpu(中央处理单元(central processing unit))等处理器、sram(静态随机存取存储器(static random access memory))或dram(动态随机存取存储器(dynamic random access memory))等存储器、ssd(固态驱动器(solid state drive))或hdd(硬盘驱动器(hard disk drive))等辅助存储装置而构成。控制部80通过处理器将在
辅助存储装置中存储的程序读出至存储器上并执行，从而作为具备冷冻循环控制部81、存储部82、信息记录部83以及信息输出部84的装置而发挥作用。另外，控制部80的功能的全部或者一部分也可以由asic(专用集成电路(application specific integrated circuit))、pld(可编程逻辑器件(programmable logic device))、或者fpga(现场可编程门阵列(field programmable gate array))等硬件(包含电路部；circuitry)实现，也可以由软件和硬件的协作来实现。
[0044]
冷冻循环控制部81使冰箱100作为冷冻循环装置发挥作用，因此具有基于冷藏室10的温度、蔬菜室20的温度、冷冻室30的温度、制冰室40的温度来控制冷藏冷却风扇14、冷冻冷却风扇34、压缩机51、制冷剂切换阀52、风挡53、制冰盘电机54、供水电机55的动作的功能。冷冻循环控制部81也可以构成为除了基于各储藏室的温度的控制之外，还进行基于用户u的设定的控制。
[0045]
存储部82对识别信息i1以及状态信息i2进行存储。识别信息i1表示为了识别冰箱100而对各冰箱100赋予的设备id。状态信息i2是表示冰箱100的状态的时间序列信息。
[0046]
信息记录部83例如参考未图示的定时器，将表示冰箱100的状态的信息和日期时间信息相对应，追加至存储部82的状态信息i2中。“冰箱100的状态”例如包含冰箱100的电源的接通/断开的状态、或压缩机51、制冷剂切换阀52、冷藏冷却风扇14、冷冻冷却风扇34的运转状态等。此外，“冰箱100的状态”也可以包含冰箱100所收纳的物品的状态。日期时间信息包含表示星期以及时刻的信息。
[0047]
进而，信息记录部83将表示传感器组su的检测结果的信息和日期时间信息相对应，追加至存储部82的状态信息i2中。在此，冰箱100除了上述的冷藏室门开关12、蔬菜室门开关22、冷冻室门开关32、制冰室门开关42之外，还具备冷藏室温度传感器61、蔬菜室温度传感器62、冷冻室温度传感器63、制冰室温度传感器64、箱内相机65、人体检测传感器66、周围温度传感器67、周围湿度传感器68、电源检测部69作为传感器组su。冷藏室温度传感器61、蔬菜室温度传感器62、冷冻室温度传感器63、制冰室温度传感器64是分别用于对冷藏室10、蔬菜室20、冷冻室30以及制冰室40的室内温度进行测量的温度传感器。
[0048]
箱内相机65是对冰箱100的箱内进行拍摄的相机。例如图5是表示通过箱内相机65拍摄了冰箱100的箱内而得的图像(以下称为“箱内图像”)的具体例的图。是设置为对冷藏室10的内部进行拍摄的例子。箱内相机65也可以根据需要而设置为对蔬菜室20、冷冻室30、或制冰室40的内部进行拍摄。此外，为了对多个储藏室的内部进行拍摄，在冰箱100的内部也可以设置有多个箱内相机65。传感器组su的检测结果是上述的各种传感器或开关的检测结果。既可以记录这些信息的原始数据，也可以在进行了所需的运算(加工)的状态下记录这些信息。
[0049]
人体检测传感器66是对冰箱100附近的人进行探测的传感器。人体检测传感器66既可以通过红外线来探测人，也可以基于对冰箱100附近进行拍摄而得的图像来探测人。
[0050]
周围温度传感器67是对冰箱100附近的温度进行探测的传感器。周围湿度传感器是对冰箱100附近的湿度进行探测的传感器。电源检测部69是对连接有冰箱100的外部电源的频率进行探测的传感器。
[0051]
信息输出部84经由无线模块70，将在存储部82中存储的状态信息i2发送至服务器200。信息输出部84例如以规定的周期，将状态信息i2发送至服务器200。此时，信息输出部
84将状态信息i2和在存储部82中存储的识别信息i1建立关联而发送至服务器200。识别信息i1是为了识别冰箱100而对各冰箱100赋予的设备id。状态信息i2以及识别信息i1是从冰箱100发送至服务器200的数据的一例。以下，将状态信息i2以及识别信息i1汇总而称为“数据d”。
[0052]
另外也可以代替上述结构，而省略信息记录部83，信息输出部84将冰箱100的运转状态以及传感器组su的检测结果以实时的方式发送至服务器200。在该情况下，也可以由服务器200进行冰箱100的运转状态以及传感器组su的检测结果、与日期时间信息之间的对应建立。
[0053]
＜3.服务器＞
[0054]
图6是表示服务器200的结构例的框图。服务器200例如包含信息取得部201、信息变换部202、学习部203、推定部204、信息记录部205、以及信息输出部206。这些功能部通过服务器200所具有的cpu那样的硬件处理器执行程序(软件)来实现。其中，这些功能部的全部或者一部分也可以通过asic、pld、或者fpga等硬件(包含电路部；circuitry)实现，也可以通过软件和硬件的协作实现。
[0055]
进而，服务器200具有存储部207。存储部207例如通过ram、rom、hdd、闪速存储器、或者它们之中的多个组合实现。在存储部207中，存储积蓄信息i11、用户注册信息i12、学习模型l、推定模型(学习完毕模型)m、以及用户属性信息i13。
[0056]
信息取得部201取得(接收)从冰箱100发送的数据d。另外，在进行推定模型m的学习的情况下，信息取得部201从多个家庭中分别使用的多个冰箱100收集数据d。信息取得部201将所取得的数据d作为积蓄信息i11而积蓄至存储部207。信息取得部201例如针对各冰箱100，持续规定期间(例如3个月)积蓄数据d。信息取得部201是“取得部”的一例。
[0057]
信息变换部202基于积蓄有各冰箱100的数据d的积蓄信息i11和学习模型l，生成向后述的推定模型m输入的输入信息。学习模型l是示出用于进行机械学习的算法的模型。推定模型m是通过使用了学习模型l的积蓄信息i11的学习而生成的学习完毕模型，并且是对用户u的属性进行推定的模型。例如作为用户u的属性的一例，可列举(a)冰箱100的使用人数、(b)性别、(c)年龄、(d)居所方式、(e)设置位置、(f)就业方式、(g)婚姻的有无、(h)居住地域等。其中，所推定的用户u的属性只要是关于用户u能够基于积蓄信息i11而推定的事项即可，也可以是上述列举的事项以外的事项。
[0058]
(a.用于对使用人数进行推定的输入信息)
[0059]
信息变换部202例如基于积蓄信息i11生成以下列举的信息之中的一个以上的信息，作为为了对与使用人数相关的属性进行推定而向推定模型m输入的输入信息(以下称为“使用人数推定用输入信息”)。这些信息至少在以下说明的观点上具有与使用人数之间的相关性。因此，能够使用以下列举的各信息之中的一个以上的信息作为将与使用人数相关的属性设为输出信息的推定模型m的输入信息。
[0060]
·
与冰箱100的机型相关的信息
[0061]
·
与冰箱100的门的种类相关的信息
[0062]
·
与冰箱100的门的开闭次数相关的信息
[0063]
·
与冰箱100的门的开闭时刻相关的信息
[0064]
·
与冰箱100的门的开闭时间相关的信息
[0065]
·
与冰箱100的箱内温度相关的信息
[0066]
·
与冰箱100的压缩机51的动作相关的信息
[0067]
·
与冰箱100的冷却风扇的动作相关的信息
[0068]
·
与冰箱100的制冰机的动作相关的信息
[0069]
·
与冰箱100的快速冷冻动作相关的信息
[0070]
例如，一般来说，认为冰箱的制造商将具有与使用冰箱的人数相应的功能性的机型排列成行(line up)，所以用户从排列成行的机型之中选择购入与自身所设想的使用人数相应的机型。因此，认为冰箱100由与该机型相应的人数的用户使用的可能性较高。此外，在这样的与使用人数相应的机型的排列中，较多情况下越是使用人数更多的机型则越在门部进行与使用人数相应的设计。因此，认为冰箱100由与该门的种类相应的人数的用户使用的可能性较高。
[0071]
此外，一般来说，对冰箱100施加的负荷有使用冰箱100的人数(例如，用户的同居家族的人数)越多则变得越大的倾向。因此，表示对冰箱100施加的负荷的大小的各种指标值与冰箱100的使用人数具有相关性。在此，作为表示对冰箱100施加的负荷的大小的指标值，可列举“冰箱100的门的开闭次数”、“冰箱100的门的开闭时刻”、“冰箱100的门的开闭时间”、“冰箱100的箱内温度”、“冰箱100的压缩机51的动作状况”、“冰箱100的冷却风扇的动作状况”、“冰箱100的制冰动作的状况”、“冰箱100的快速冷冻动作的状况”等。
[0072]
图7是表示用于生成使用人数推定用输入信息的数据d的具体例的图。数据d是表示传感器组su的检测结果的时间序列数据。在图7中，可知冰箱100的使用定时通过人体检测传感器66被探测。此外，可知在各使用定时所使用的储藏室通过各储藏室的门开关的接通/断开被探测。此外，可知根据各储藏室的温度、压缩机51、冷藏冷却风扇14、冷冻冷却风扇34的动作状况，在各使用定时负荷变动。
[0073]
信息变换部202生成基于这样的数据d而取得的“冰箱100的门的开闭次数”、“冰箱100的门的开闭时刻”、“冰箱100的门的开闭时间”、“冰箱100的箱内温度”、“冰箱100的压缩机51的动作状况”、“冰箱100的冷却风扇的动作状况”、“冰箱100的制冰动作的状况”、“冰箱100的快速冷冻动作的状况”等的信息，作为使用人数推定用输入信息。
[0074]
另外，作为与冰箱100的使用人数相关的属性的其他例，可列举用户的家庭结构。例如，在推定为冰箱100的用户为1人的情况下，能够认为该用户的家庭结构为单人家庭。此外，例如，在冰箱100的使用人数为2人，且推定为年龄段为同代人的情况下，能够认为该用户的家庭结构为仅有夫妇的家庭。在该情况下，为了对用户的年龄或年龄段进行推定，后述的年龄推定用输入信息也可以包含于人数推定用输入信息。
[0075]
此外，例如在冰箱100的使用人数为多个人，且推定为在其中包含孩子和大人的情况下，能够认为该用户的家庭结构为父母和子女的家庭。在该情况下，为了对孩子的有无进行推定，后述的年龄推定用输入信息或就业方式推定用输入信息等信息也可以包含于人数推定用输入信息。
[0076]
此外，在该情况下，在推定为在大人之中包含育儿年龄段的大人和老龄的大人的情况下，能够认为该用户的家庭结构为3代同堂家庭。在该情况下，为了对大人的年龄段进行推定，后述的年龄推定用输入信息或就业方式推定用输入信息等信息也可以包含于人数推定用输入信息。
[0077]
(b.用于对性别进行推定的输入信息)
[0078]
信息变换部202例如基于积蓄信息i11来生成以下列举的信息之中的一个以上的信息，作为为了对与用户u的性别相关的属性进行推定而向推定模型m输入的输入信息(以下称为“性别推定用输入信息”)。这些信息至少在以下说明的观点上具有与用户u的性别之间的相关性。因此，能够使用以下列举的各信息之中的一个以上的信息作为将与用户u的性别相关的属性设为输出信息的推定模型m的输入信息。
[0079]
·
与在冰箱100的箱内储存的食材相关的信息
[0080]
·
与冰箱100的用户u的身体特征相关的信息
[0081]
认为“在冰箱100的箱内储存的食材”中表现出与用户u的性别相关的倾向。例如，由于女性与男性相比具有做料理的频率高的倾向，所以在冰箱100的用户为女性的情况下，认为在该冰箱100的箱内生鲜食材大量被储存的可能性较高。此外，女性有与男性相比大量吃蔬菜类的倾向，所以在冰箱100的用户为女性的情况下，认为在该冰箱100的箱内蔬菜类大量被储存的可能性较高。
[0082]
具体而言，信息变换部202针对由箱内相机65拍摄的冰箱100的箱内图像(例如参考图5)，执行对所拍摄的食材进行识别的图像识别处理。箱内图像数据为数据d的一个形态。在该情况下，图像识别处理只要能够识别在箱内图像中拍摄的食材即可，也可以基于任意方法。
[0083]
例如，在图像识别处理中，能够使用如下方法，即：基于使用图像数据的各像素值而取得的各种特征量，来识别食材的有无以及种类。因此，信息变换部202生成表示基于图像识别处理的食材的识别结果的信息作为性别推定用输入信息。另外，认为在图像数据的各像素值中包含表示被摄体的特征的信息，所以信息变换部202也可以生成该图像数据本身作为性别推定用输入信息。
[0084]
此外，认为在“用户u的身体特征”中，表现出与冰箱100的用户u的性别相关的倾向。例如，男性有与女性相比身高更高的倾向。此外，男性的手或胳膊有与女性的手或胳膊相比更大且更粗的倾向。此外，女性与男性相比在手或胳膊上佩戴珠宝饰品的情况较多，除此之外，大部分情况下该珠宝饰品为女性用还是男性用能够从其外观看出。
[0085]
具体而言，与冰箱100的用户u的身体特征相关的信息例如能够使用人体检测传感器66的探测结果或冰箱100的箱内图像数据来取得。例如，在人体检测传感器66对具有规定的高度以上的身高的人进行探测的情况下，人体检测传感器66的探测结果能够作为表示冰箱100的用户u的身高是否为上述规定的高度以上的信息来使用。此外，例如，在冰箱100的箱内图像中有时拍摄到存取食材的用户u的手。因此，信息变换部202通过图像识别处理而检测在箱内图像中拍摄的人的手，识别所检测到的手的属性(例如，大小、粗细、装饰品的有无等)。
[0086]
信息变换部202生成表示基于图像识别处理的手的属性的识别结果的信息作为性别推定用输入信息。另外，认为在图像数据的各像素值中包含表示被摄体的特征的信息，所以信息变换部202也可以生成该图像数据本身作为性别推定用输入信息。
[0087]
(c.用于对年龄进行推定的输入信息)
[0088]
信息变换部202例如基于积蓄信息i11来生成以下列举的信息之中的一个以上的信息，作为为了对与用户u的年龄相关的属性进行推定而向推定模型m输入的输入信息(以
下称为“年龄推定用输入信息”)。这些信息至少在以下说明的观点上具有与用户u的年龄之间的相关性。因此，能够使用以下列举的各信息之中的一个以上的信息作为将与用户u的年龄相关的属性设为输出信息的推定模型m的输入信息。
[0089]
·
与冰箱100的门的开闭时刻相关的信息
[0090]
·
与冰箱100的箱内温度相关的信息
[0091]
认为在“冰箱100的门的开闭时刻”中，表现出与用户u的年龄相关的倾向。例如，年长的人与年轻的人相比有早晨更早活动的倾向，所以认为开始冰箱100的开闭的时刻与年轻的人相比更早。此外，在早晨6点左右至8点左右定期地开闭冰箱的门的情况下，认为用户除了早饭的准备之外做盒饭的可能性较高。进而，认为需要盒饭的是孩子中有学生的这一代的家族的可能性较高。
[0092]
具体而言，冰箱100的门的开闭时刻能够基于记录了冷藏室门开关12、蔬菜室门开关22、冷冻室门开关32、制冰室门开关42的接通/断开状态的积蓄信息i11来取得。例如，在各门关闭时开关成为接通状态，在各门打开时开关成为断开状态的情况下，通过检测各开关从接通状态变化为断开状态的定时、或者各开关从断开状态变化为接通状态的定时，能够求得用户开闭门的时刻。
[0093]
因此信息变换部202生成表示用户开闭冰箱100的门的时刻的信息作为年龄推定用输入信息。此外，“冰箱100的箱内温度”在冷藏室门11的开闭的定时容易有较大变化，所以信息变换部202也可以构成为根据冰箱100的箱内温度的变化来识别冷藏室门11的开闭定时。
[0094]
(d.用于对与居所方式相关的属性进行推定的输入信息)
[0095]
信息变换部202例如基于积蓄信息i11来生成以下列举的信息之中的一个以上的信息，作为为了对与居所方式相关的属性进行推定而向推定模型m输入的输入信息(以下称为“居所方式推定用输入信息”)。这些信息至少在以下说明的观点上具有与居所方式之间的相关性。因此，能够生成以下列举的各信息之中的一个以上的信息作为将与居所方式相关的属性设为输出信息的推定模型m的输入信息。
[0096]
·
与设置有冰箱100的建筑物内部的温度相关的信息
[0097]
·
与设置有冰箱100的建筑物内部的湿度相关的信息
[0098]
图8是表示设置有冰箱100的建筑物内部的温度变化的第一具体例的图。如图8所示，认为在“设置有冰箱100的建筑物内部的温度”中，表现出与该建筑物的类别相应的室内的温度变化的倾向。例如，公寓与独立住宅的房屋相比具有室内的温度变化较小的倾向。具体而言，与设置有冰箱100的建筑物内部的温度相关的信息能够基于积蓄信息i11中包含的周围温度传感器67的检测结果来取得。因此，信息变换部202生成表示设置有冰箱100的建筑物内部的温度的信息作为居所方式推定用输入信息。
[0099]
此外，公寓与独立住宅的房屋相比难以受到外部气温的影响，所以具有建筑物内部的温度变化不依赖于时段或季节等而变化较小的倾向。由于室内的温度变化基本不受室外的温度的影响，为了更准确地判断室内的温度变化的原因，“设置有冰箱100的建筑物外部的温度”也可以被包含于居所方式推定用输入信息。此外，除了温度变化之外，公寓与独立住宅的房屋相比具有室内的湿度变化较小的倾向。因此，与温度变化同样，“设置有冰箱100的建筑物内部的湿度”也可以包含于居所方式推定用输入信息。
[0100]
(e.用于对与冰箱100的设置位置相关的属性进行推定的输入信息)
[0101]
信息变换部202例如基于积蓄信息i11来生成以下列举的信息之中的一个以上的信息，作为为了对与冰箱100的设置位置相关的属性进行推定而向推定模型m输入的输入信息(以下称为“设置位置推定用输入信息”)。这些信息至少在以下说明的观点上具有与冰箱100的设置位置之间的相关性。因此，能够使用以下列举的各信息之中的一个以上的信息作为将与冰箱100的设置位置相关的属性设为输出信息的推定模型m的输入信息。
[0102]
·
与设置有冰箱100的建筑物内部的温度相关的信息
[0103]
·
与设置有冰箱100的建筑物内部的湿度相关的信息
[0104]
图9是表示设置有冰箱100的建筑物内部的温度变化的第二具体例的图。一般来说，冰箱100被设置于厨房，在其设置位置的附近设置有炉灶的情况较多。并且，在冰箱100的附近设置有炉灶的情况下，认为冰箱100附近的温度在炉灶的使用定时上升。此外，由于炉灶在吃饭的时段被使用的可能性较高，因此在吃饭的时段中在冰箱100附近温度上升的频率较高的情况下，该冰箱100的设置地点为厨房的可能性较高。这样，认为“设置有冰箱100的建筑物内部的温度”与关于冰箱100的设置地点的属性之间具有相关性。因此信息变换部202生成表示设置有冰箱100的建筑物内部的温度的信息作为设置位置推定用输入信息。
[0105]
此外，认为在“设置有冰箱100的建筑物内部的湿度”中，表现出与该建筑物内部的空间的用途相应的湿度变化。例如，作为冰箱100的设置地点，在一般的厨房中，由于在烹饪时产生的蒸汽而具有湿度临时地变高的倾向。此外，即使在厨房以外的空间，在该空间的使用时，由于使用者的呼气或饮料等而具有湿度临时地变高的倾向。此外，湿度临时地变高的倾向的程度有时根据该空间的用途而不同，该倾向作为湿度的变化量或湿度变化的时段等的特征而被显现出来。具体而言，与设置有冰箱100的建筑物内部的湿度相关的信息能够基于积蓄信息i11中包含的周围湿度传感器68的检测结果来取得。因此，信息变换部202生成表示设置有冰箱100的建筑物内部的湿度的信息作为设置位置推定用输入信息。
[0106]
(f.用于对就业方式进行推定的输入信息)
[0107]
信息变换部202例如基于积蓄信息i11来生成以下列举的信息之中的一个以上的信息，作为为了对与用户u的就业方式相关的属性进行推定而向推定模型m输入的输入信息(以下称为“就业方式推定用输入信息”)。这些信息至少在以下说明的观点上具有与用户u的就业方式之间的相关性。因此，能够使用以下列举的各信息之中的一个以上的信息作为将与用户u的就业方式相关的属性设为输出信息的推定模型m的输入信息。
[0108]
·
与冰箱100的门的开闭次数相关的信息
[0109]
·
与冰箱100的门的开闭时刻相关的信息
[0110]
·
与冰箱100的门的开闭时间相关的信息
[0111]
·
与冰箱100的箱内温度相关的信息
[0112]
·
与冰箱100的压缩机51的动作相关的信息
[0113]
·
与冰箱100的风扇的动作相关的信息
[0114]
·
与冰箱100的制冰机的动作相关的信息
[0115]
·
与冰箱100的快速冷冻动作相关的信息
[0116]
例如，认为用户u的工作方式或工作时段等属性在用户u的生活模式(pattern)中
显现。此外，用户u的生活模式的一部分在冰箱100的使用模式中显现，冰箱100的使用模式在对冰箱100施加的负荷的变动模式中显现。例如，在用户u的工作方式为兼职的情况下，显现为冰箱100的使用暂时结束后至重新开始为止的时间间隔为较短时间(例如小于几小时)这样的特征，在用户u的工作方式为全职的情况下，显现为冰箱100的使用暂时结束后至重新开始为止的时间间隔为较长时间(例如10小时以上)这样的特征。
[0117]
此外，例如，用户u的工作时段作为冰箱100的使用暂时结束后至重新开始为止的时段，其生活模式在冰箱100的使用模式中显现。例如，将早晨9点至傍晚20点设为工作时间的用户u的生活模式显现为在工作日的早晨9点之前暂时结束冰箱100的使用、在傍晚20点以后重新开始冰箱100的使用这样的冰箱100的使用模式。此外，将从夜晚21点至次日早晨6点设为工作时间的用户u的生活模式显现为在工作日的夜晚21点之前暂时结束冰箱100的使用、在次日早晨6时以后重新开始冰箱100的使用这样的冰箱100的使用模式。
[0118]
此外，例如，在用户为学生的情况下，用户u的生活模式显现为尽管有时按照工作日的每日而以不同的模式使用冰箱100，但按照每周来说以几乎相同的模式的重复来使用冰箱100这样的使用模式。
[0119]
(g.用于对冰箱100的用户u的婚姻的有无进行推定的输入信息)
[0120]
信息变换部202例如基于积蓄信息i11来生成以下列举的信息之中的一个以上的信息，作为为了对与用户u的婚姻的有无(结婚/未婚)相关的属性进行推定而向推定模型m输入的输入信息(以下称为“婚姻推定用输入信息”)。这些信息至少在以下说明的观点上具有与用户u的婚姻的有无之间的相关性。因此，能够使用以下列举的各信息之中的一个以上的信息作为将与用户u的婚姻的有无相关的属性设为输出信息的推定模型m的输入信息。
[0121]
·
与在冰箱100的箱内储存的食材相关的信息
[0122]
·
与冰箱100的用户u的身体特征相关的信息
[0123]
认为在“在冰箱100的箱内储存的食材”中，表现出与用户u的婚姻的有无相关的倾向。例如，在冰箱100的箱内储存有男性喜好的食材、和女性喜好的食材的某一方的情况下，认为用户u为未婚的可能性较高，在箱内储存有男性喜好的食材和女性喜好的食材这双方的情况下，认为用户u结婚的可能性较高。此外，在箱内储存有大人喜好的食材和孩子喜好的食材的情况下，也认为用户u结婚的可能性较高。
[0124]
因此，信息变换部202生成表示基于图像识别处理的食材的识别结果的信息作为婚姻推定用输入信息。此外，认为在图像数据的各像素值中包含表示被摄体的特征的信息，所以信息变换部202也可以生成该图像数据本身作为婚姻推定用输入信息。
[0125]
此外，认为在“冰箱100的用户u的身体特征”中也表现出与用户u的婚姻的有无相关的倾向。例如，作为表示与婚姻的有无相关的倾向的身体特征，能够列举婚戒的穿戴的有无。在通过图像识别处理而识别出在箱内图像中拍摄的用户u的手上戴有结婚戒指的情况下，认为用户u结婚的可能性较高。
[0126]
因此，信息变换部202生成表示基于图像识别处理的身体特征的识别结果的信息作为婚姻推定用输入信息。此外，认为在图像数据的各像素值中包含表示被摄体的特征的信息，所以信息变换部202也可以生成该图像数据本身作为婚姻推定用输入信息。
[0127]
(h.用于对居住地域进行推定的输入信息)
[0128]
信息变换部202例如基于积蓄信息i11来生成以下列举的信息之中的一个以上的
信息，作为为了对与用户u的居住地域相关的属性进行推定而向推定模型m输入的输入信息(以下称为“居住地域推定用输入信息”)。这些信息至少在以下说明的观点上具有与用户u的居住地域之间的相关性。因此，能够使用以下列举的各信息之中的一个以上的信息作为将与用户u的居住地域相关的属性设为输出信息的推定模型m的输入信息。
[0129]
·
与设置有冰箱100的建筑物内部的温度相关的信息
[0130]
·
与设置有冰箱100的建筑物内部的湿度相关的信息
[0131]
·
与外部电源的频率相关的信息
[0132]
认为在“设置有冰箱100的建筑物内部的温度”中，表现出与用户u的居住地域相关的倾向。例如，认为设置有冰箱100的建筑物内部的温度相对于外部气温而相对地变化，外部气温示出根据地域而不同的分布。因此，认为设置有冰箱100的建筑物内部的温度反映用户u的居住地域的气候。此外，认为在“设置有冰箱100的建筑物内部的湿度”中，也表现出与用户u的居住地域相关的倾向。进而，认为“设置有冰箱100的建筑物内部的温度”和“设置有冰箱100的建筑物内部的湿度”的组合对居住地域的气候更详细地赋予特征。
[0133]
因此，信息变换部202生成表示设置有冰箱100的建筑物内部的温度的信息作为居住地域推定用输入信息。另外，信息变换部202也可以从气象局的服务器取得各地的气温信息，将所取得的各地的气温信息和周围温度传感器67的检测结果的比较结果作为居住地域推定用输入信息。
[0134]
此外，“与外部电源的频率相关的信息”是表示连接有冰箱100的外部电源的交流频率是50hz还是60hz的信息等。该信息例如基于数据d中包含的电源检测部69的检测结果而被导出。在此，在东日本的商业电源的频率为50hz，在西日本的商业电源的频率为60hz。
[0135]
接着，针对学习部203进行说明。学习部203通过将上述的各种输入信息应用于机械学习的学习模型l，从而生成用于对用户u的属性进行推定的推定模型m作为学习完毕模型。推定模型m若被输入与冰箱100相关的信息，则进行学习以便输出冰箱100的用户u的属性的推定结果。
[0136]
在本实施方式中，学习部203生成对与使用人数相关的属性进行推定的推定模型ma、对与性别相关的属性进行推定的推定模型mb、对与年龄相关的属性进行推定的推定模型mc、对与居所方式相关的属性进行推定的推定模型md、对与设置位置相关的属性进行推定的推定模型me、对与就业方式相关的属性进行推定的推定模型mf、对与婚姻的有无相关的属性进行推定的推定模型mg、对与居住地域相关的属性进行推定的推定模型mh，作为用于对用户u的属性进行推定的推定模型m。
[0137]
另外，在本说明书中“学习”也可以意味着无监督学习或者有监督学习的其一个。在以下，主要针对推定模型m通过有监督学习而生成的情况进行说明，但推定模型m也可以通过无监督学习而生成。例如，学习部203通过将由信息变换部202生成的各种推定用输入信息和用户注册信息i12作为训练数据应用于学习模型l来学习各种推定用输入信息和用户注册信息i12之间的关系性，从而生成推定模型ma～mh作为学习完毕模型。在学习模型l中，例如能够使用神经网络、强化学习、深度学习等，但学习模型l不限定于此。学习模型l也可以生成回归曲线或分类器作为上述关系性的学习结果。例如，作为神经网络以外的学习模型l，也可以使用svm(支持向量机(support vector machine))或决策树(decision tree)、随机森林、k附近法等。
[0138]
图10是表示用户注册信息i12的具体例的图。在用户注册信息i12中，按各用户u的每个识别信息(用户id)，列举用户所拥有的冰箱100的使用人数、设置位置、用户u的性别、年龄、就业方式、婚姻的有无、居住地域、用户所居住的居所的方式(居所方式)等。其中，所推定的用户u的属性只要是能够关于用户u基于积蓄信息i11而推定的事项即可，也可以是上述列举的事项以外的事项。学习部203通过进行将这样的用户u的各属性和与它们具有相关性的各种推定用输入信息相对应而成的数据设为训练数据的机械学习，从而能够对用户u的各属性和各种推定用输入信息之间的关系性进行学习。
[0139]
另外，用户u的各属性和各种推定用输入信息的相对应也可以以手动的方式实施，也可以机械地实施。例如，学习部203也可以针对各种推定用输入信息求得与各属性之间的相关性的强度，通过将各种推定用输入信息与相关性最强的属性相对应从而生成训练数据。
[0140]
推定部204使用由学习部203得到的推定模型m，基于从用户属性的判断对象的冰箱100(以下称为“判断对象冰箱100”)接收到的数据d，对判断对象冰箱100的用户u的用户属性进行推定。在此“推定”不限定于对最可能的一个属性候选进行判断，还包含输出多个属性候选的各自的概率(例如，使用人数为1人的可能性：10％，使用人数为2人的可能性：20％，使用人数为3人的可能性：50％，使用人数为4人以上的可能性：20％)等的情况。
[0141]
推定部204将基于从判断对象冰箱100得到的数据d的各种推定用输入信息输入至推定模型m，得到判断对象冰箱100的用户u的用户属性的推定结果作为推定模型m的输出信息。在本实施方式中，推定部204将上述的使用人数推定用输入信息、性别推定用输入信息、年龄推定用输入信息、居所方式推定用输入信息、设置位置推定用输入信息、就业方式推定用输入信息、婚姻推定用输入信息、居住地域推定用输入信息作为基于从判断对象冰箱100得到的数据d的输入信息而输入至分别对应的推定模型ma～mh中，从而使得作为推定模型ma～mh的输出信息而输出(a)冰箱100的使用人数、(b)性别、(c)年龄、(d)居所方式、(e)设置位置、(f)就业方式、(g)婚姻的有无、(h)居住地域的推定结果。
[0142]
信息记录部205使由推定部204推定出的用户属性作为用户属性信息i13而存储至存储部207。
[0143]
信息输出部206将通过上述的处理而得到的用户属性信息i13发送至终端装置300。由此，用户属性信息i13能够利用于产品开发或服务提供。
[0144]
＜4.处理的流程＞
[0145]
接着，针对处理的流程进行说明。
[0146]
图11是表示冰箱100中的处理的流程的图。首先，控制部80判断冰箱100的电源是否被设为接通(s101)。在冰箱100的电源为断开的情况下，控制部80待机直至冰箱100的电源被设为接通为止。
[0147]
另一方面，在冰箱100的电源被设为接通的情况下(s101：是)，控制部80将由传感器组su检测到的检测结果以规定的周期或者实时地发送至服务器200(s102)。
[0148]
接着，控制部80判断冰箱100的电源是否被设为断开(s103)。在冰箱100的电源为接通的情况下(s103：否)，控制部80反复进行s102的处理。另一方面，在冰箱100的电源被设为断开的情况下(s103：是)，控制部80结束一系列的处理。并且，冰箱100例如持续规定期间反复进行上述的处理(s101～s103)。
[0149]
图12是表示服务器200中的处理的流程的图。作为前提，从冰箱100发送至服务器200的数据d由信息取得部201取得，作为积蓄信息i11而被积蓄。
[0150]
首先，信息变换部202基于积蓄信息i11，生成上述的各种推定用输入信息(s201)。接着，推定部204将所生成的各种推定用输入信息分别输入至推定模型ma～mh中，从而作为输出信息而得到与用户u的属性相关的推定结果(s202)。接着，信息输出部206使表示由推定部204推定出的与用户u的属性相关的推定结果的信息输出至终端装置300。
[0151]
＜5.作用＞
[0152]
作为比较例，考虑在问卷调查或网页上输入性别、年龄、使用人数、或居住地域等信息，从而收集用户u的属性信息。但是在这些情况下，有时因输入花工夫而用户不输入信息，此外，还有时用户输入的信息与实际情况不符合。此外，也难以以问卷调查形式向用户确认详细的使用状况。
[0153]
另一方面，在本实施方式中，信息处理系统1包含取得从冰箱100发送的数据d的信息取得部201；以及使用机械学习后的推定模型m，基于从由信息取得部201取得的数据d中得到的各种推定用输入信息来推定冰箱100的用户u的属性的推定部204。根据这样的结构，即使没有基于用户u的输入，也能够基于用户u的冰箱100的使用结果来推定用户u的属性。由此，能够实现用户u的属性信息的收集负担的减少。
[0154]
另外，也可以使用经由网络以可通信的方式连接的多台信息处理装置来安装服务器200。在该情况下，服务器200所具备的各功能部也可以分散于多个信息处理装置来安装。例如，学习部203和推定部204也可以分别被安装于不同的信息处理装置。
[0155]
根据以上说明的至少一个实施方式，通过具有取得与冰箱的状态相关的数据的取得部；和使用通过机械学习而生成的学习完毕模型，基于由所述取得部取得的所述数据来推定所述冰箱的用户的属性的推定部，从而能够不依赖于用户的设定行为而对使用冰箱的用户的属性进行推定。
[0156]
说明了本发明的几个实施方式，但这些实施方式作为例而提示，没有意图限定发明的范围。这些实施方式能够以其他各种各样的方式来实施，能够在不脱离发明的要旨的范围中，进行各种各样的省略、置换、变更。这些实施方式或其变形被包含于发明的范围或要旨，同样，被包含于权利要求书中记载的发明及其均等的范围。