修士論文 2013年度 (平成 25年度)

Synchrometer：ライフログを利用した日常行動における他者との類似行動の発見

慶應義塾大学大学院 政策・メディア研究科勝治 宏基

修士論文要旨 2013年度 (平成 25年度)

Synchrometer：ライフログを利用した日常行動における他者との類似行動の発見

近年，センシングデバイスの小型化，低価格化により，携帯電話をはじめとした様々なウェアラブルデバイスにセンサが組み込まれる様になった．センサが搭載されたウェアラブルデバイスが普及した事で，人が現在行っている事を取得する事が容易になった．一方で，情報技術の発達により，デジタル情報を記録するストレージの容量が急速に拡大した．これにより，私達の行動を記録・蓄積するライフログが幅広く行われる様になった．ライフログデータを解析する事によって他者との関係性を可視化する事が可能になる．現在行われているライフログデータを利用した他者との関係性を可視化する試みのほとんどが数種類のライフログデータのみしか利用していない．また，これらの研究は他者との関係性の可視化を行う際に限られた範囲でのみ行動の比較を行っている．本論文では，ライフログデータを利用して自分と他人の 1日の行動から 2人の似た行動を類似行動として発見するシステム Synchrometerを提案する．Synchrometerで発見した他者との行動の類似部分を可視化する事で，比較相手との関係性を利用者にとって分かりやすい形で提示する事が可能である．それにより，利用者に新たな気付きを促し，自身の行動改善の手助けを行う事が可能になる．また，Synchrometerは不特定多数を対象に類似行動の発見を行う事が可能である．例えば，医療や介護の分野で，特定の疾患を患った人の行動の特定により，病気の早期発見が出来る可能性がある．また，SNSを通じて，自身と似た様な相手を探す事で，新たなコミュニケーションの場を生成する事が可能である．本論文では，類似行動として同期行動と相似行動を定義した．同期行動は比較する 2人が同じ時刻に行っている行動である．相似行動は，2人の行動の遷移が一致している際の行動である．また，両行動の評価指標としてそれぞれの行動の類似度を表す同期度，相似度を算出した．本研究で提案する Synchrometerを利用する事で得られる類似行動及び類似度が利用者にとって有用であるかを評価する為に評価実験を行った．被験者に行動を記録してもらい，収集した生活記録情報を利用して被験者同士の類似行動の発見及び類似度を算出した．さらに，それらを被験者に対して可視化を行った上でアンケート調査とインタビューを行い，本論文で提案する類似行動の有用性を検証した．

キーワード:

ライフログ, ウェアラブルセンシング, ユビキタスコンピューティング

慶應義塾大学大学院 政策・メディア研究科勝治 宏基

i

Abstract of Master Thesis Academic Year 2013

Synchrometer: Finding similarity of daily activitywith others in lifelog environment

Recently, because of miniaturization and decreasing in costs of the sensing devices, sensor became to

be mounted on the various wearable devices including mobile phone. By spreading wearable devices

that sensor is mounted, obtaining human behavior became easier. On other hand, by development of

the information technology, the capacity of storage was extended rapidly. Herewith, lifelog which is the

technology to record and store human action came to be performed widely. To analyze lifelog data,

visualizing relationship with others become available. Only several lifelog data are used in most of

the current challenges to visualize relationship with other people using lifelog data. Also these studies

compare the action limited on visualizing the relationship with others.

In this paper, we propose Synchrometer which is the system to find the similarity between own and

other using lifelog data as similar-action. To visualize similar-action found by Synchrometer, it is able to

show the relationship with the comparison partner in plain form for a user. Herewith, it presses a user

for new awareness and became to be able to help with action improvement of own. Also Synchrometer

is able to discover similar actions for unspecified number of the general public. In medical service and

nursing, for example, It may discover it with ill early detection from action the of the person which has

suffered from a specific disease. Also it finds the partner who is similar with the myself through SNS

and be able to create the place of communications. In this paper, we defined synchronization-action and

analogy-action as similar action. synchronized-action is the action that two comparing peoples behave

on same time. analogy-action is the set of the action that the transition of the action of two people may

accord.

We evaluate the similar action and degree of similarity whether they are useful for users. We asked

examinee to record their action. After that, we found similar actions and calculated degree of similarity.

Then we visualized those to examinee and inspected the usefulness by carrying out questionary survey

interview.

Key Words:

lifelog, wearable sensing, ubiquitous computing

Graduate School of Media and Governance

Keio University

Hiroki Shoji

ii

目次

第 1章 序論 1

1.1 背景 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2

1.2 本研究の目的 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3

1.3 本論文の構成 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3

第 2章 ライフログを利用した類似行動の発見 4

2.1 問題意識 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5

2.2 目的 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5

2.3 類似行動の定義 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6

2.4 まとめ . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7

第 3章 Synchrometer 8

3.1 同期行動発見手法 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 9

3.2 相似行動発見手法 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 10

3.2.1 SW法 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 10

3.2.2 SW法の改良 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 11

3.3 類似度の算出 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 12

3.4 関連研究 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 13

3.4.1 空間座標を利用した類似度計算 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 13

3.4.2 文字列の類似度算出 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 14

3.5 まとめ . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 14

第 4章 設計・実装 15

4.1 設計 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 16

4.1.1 ハードウェア構成 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 16

4.1.2 ソフトウェア構成 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 16

4.2 実装環境 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 18

4.2.1 サーバ構成 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 18

4.2.2 利用する行動 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 19

4.2.3 生活行動取得アプリケーション . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 19

4.2.4 類似行動発見アプリケーション . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 21

4.3 本章のまとめ . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 22

iii

第 5章 評価実験 23

5.1 評価方針 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 24

5.2 実験方法 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 24

5.3 実験結果 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 26

5.4 考察 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 30

5.5 本章のまとめ . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 30

第 6章 結論 31

6.1 今後の展望と課題 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 32

6.1.1 ライフログデータの自動取得 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 32

6.1.2 相似行動発見手法の改善 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 32

6.1.3 利用コンテクストの増減とシチュエーションの限定 . . . . . . . . . . . . . . . . . . . 32

6.2 本研究のまとめ . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 33

参考文献 35

付録 A アンケート用紙 37

iv

図目次

1.1 様々なウェアラブルデバイス . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2

1.2 環境に配備されるセンサの例 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2

2.1 現在のライフログ . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6

2.2 将来のライフログ . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6

2.3 同期行動の例 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7

2.4 相似行動の例 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7

3.1 類似行動発見の前処理 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 9

3.2 同期行動の発見 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 9

3.3 テーブルの初期化 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 11

3.4 文字列一致の判定 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 11

3.5 スコアの計算 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 11

3.6 類似文字列の探索 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 11

3.7 改良型の類似文字列探索 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 12

3.8 セルのスコアを変更 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 12

3.9 最大スコアの経路を再度探索 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 12

4.1 ハードウェア構成図 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 16

4.2 生活行動取得アプリケーションのソフトウェア構成図 . . . . . . . . . . . . . . . . . . . . . 17

4.3 類似行動発見アプリケーションのソフトウェア構成図 . . . . . . . . . . . . . . . . . . . . . 18

4.4 著名人の 1日の生活サイクル例 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 20

4.5 生活行動の収集 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 21

4.6 ログビューワー . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 21

4.7 類似行動発見アプリケーション . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 22

5.1 類似度変化のグラフ及びランキングの例 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 25

5.2 相似行動の発見を行えなかった例 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 26

A.1 アンケート表 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 38

A.2 アンケート裏 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 39

v

表目次

2.1 既存のライフログを利用した他者との関係の可視化の試み . . . . . . . . . . . . . . . . . . . 5

4.1 サーバのハードウェア仕様 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 19

5.1 被験者情報 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 24

5.2 アンケート項目 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 25

5.3 発見を行った類似行動について . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 26

5.4 算出した類似度について . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 27

5.5 類似行動の有用性について . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 27

5.6 類似行動の可視化について . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 28

5.7 行動をを自身で入力する事について . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 28

5.8 匿名性が無い場合の情報共有について . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 29

5.9 匿名性がある場合の情報共有について . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 29

vi

第 1章

序論

本章では，まず本研究の背景を述べる．その後，本研究の目的を説明した上で本論文の構成について述べる．

1

1.1 背景近年，センシングデバイスの小型化，低価格化に伴い，携帯電話をはじめとしたウェアラブルデバイス三軸加速度センサやジャイロスコープ，GPSをはじめとした様々なセンサが搭載される様になった．また，センシングデバイスの低価格化により，屋内・屋外を問わず様々な環境にセンサの配備が可能になった．ウェアラブルデバイス（図 1.1）や，環境に配備されたセンサ（図 1.2）を利用する事で，移動情報 [1]や睡眠情報 [2]など，人の行う様々な行動を取得することが可能になった． 一方で近年，情報技術の発達により，デジタル情

図 1.1 様々なウェアラブルデバイス

図 1.2 環境に配備されるセンサの例

報を記録するストレージ容量が急速に拡大している．現在世界の情報ストレージ容量は年率約 40％で増大し続けている [15]．ストレージ容量の急速な拡大によって多くの情報を同時に扱う事が可能になった．行動認識技術の発達と，ストレージ容量の増大により，私達の日々の生活で生じる様々な情報を取得・蓄積し続けるライフログが幅広く行われる様になった．ライフログとは，私達が生活を送る上で生じるありとあらゆる情報を

2

デジタルデータとして記録する技術の事を指す．物を食べる，寝る，歩くといった行動や，体重や血圧といった体の情報，インターネット上の検索や閲覧履歴など，ありとあらゆるものがライフログのデータとして保存する事が可能であり，近年ライフログを利用した様々な研究やサービスが増えている．ライフログは，本来人の生活により生じるあらゆる情報を蓄積する技術の事を指すが，本論文では，人が行う行動を蓄積する技術の事をライフログと呼び，ライフログによって蓄積された情報の事をライフログデータと呼ぶ．ライフログの持つ利点の一つに複数の行動を蓄積する事が可能である点が挙げられる．多くの行動認識は，位置情報や睡眠情報の様に特定の行動を取得する事に特化している為，それ以外の行動の取得，蓄積を行う事は困難である．一方，ライフログは，様々なセンシング技術を利用して取得した情報を一元的に管理する事が可能なので，複数の行動情報を利用したアプリケーションやサービスに応用する事が可能である．例えば，運動情報と食事情報を利用したダイエット支援サービス，さらに睡眠情報を利用する事で生活習慣改善サービスの様なサービスを提供する事も可能になる．

1.2 本研究の目的これらを踏まえて本研究では，私達の日々の生活により得られるライフログデータを利用した行動の可視化に注目し，自身と他者がどれだけ似ているかを類似行動として発見・数値化・可視化を行うシステムSynchrometerを提案する．Synchrometerで発見した類似行動は以下の様に様々な場で利用する事が可能である．

• 行動改善自身が目標としている人物過去や現在の行動履歴と，自身の行動を比較する事で自身がその人に近づく事を手助けする．どの部分が似ている部分ん，似ていない部分を可視化する事で，自身の行動の改善点を発見する事が可能になる．

• 医療・介護一般的に精神と行動は密接に関係していると言われている．そのため，類似行動を利用する事で，精神疾患者に共通する行動を発見し，疾患の早期発見や予防に利用出来る可能性がある．これらの問題は精神疾患だけではなく，生活習慣病を始めとした精神疾患以外の医療分野や，介護分野等にも利用可能であると考えられる．

• 新しいコミュニケーションの場の生成類似行動はコミュニケーションにも利用可能であると考えられる．Facebookを始めとした多くの SNS

では，様々なコミュニティが存在するため，自分と似た人の発見を通じて新たなコミュニケーションの場を創りだす事が出来る．

1.3 本論文の構成本論文は全 6章で構成しており，2章では，ライフログの抱える問題意識を示した上で本研究の目的を述べる．3章では本研究で提案する類似行動発見手法及び類似度算出手法を述べ，4章では Synchrometerのプロトタイプとして行動記録用のWebアプリケーションと類似行動発見アプリケーションの設計，実装について述べる．5章で 4章で述べた各アプリケーションを用いた類似行動の評価実験について述べ，6章で本論文をまとめる．

3

第 2章

ライフログを利用した類似行動の発見

本章では，はじめに本研究の問題意識を述べ，次に本研究の目的を述べる．最後に，本研究で提案する二種類の類似行動を述べた上で，まとめる．

4

2.1 問題意識ライフログの活用手段の一つに収集したライフログデータを利用し，他者との関係性の比較・可視化を行う事が挙げられる．例えば，Nike+[16] は自身の活動量を Nikefuel という単位で可視化を行い，自身のNikefuel の値を他者と共有する事で利用者の運動に対するモチベーションを高める事を可能にしている．また，Tsubouchi達は歩数計を利用して取得した 1分毎の歩数の時系列データを解析し，他者との関係性の可視化を行った [4]．しかし，ライフログを利用して他者との関係性の解析や可視化を行う活動のうち，複数の行動を利用して他者との関係性を可視化する試みは少ない．Nike+の例を挙げれば，Nikefuelはあくまでそのデータのみを利用して他者との関係性を可視化しているのみで，他の要素と複合して他者との関係性を可視化する様な試みは行われていない，ビジネス顕微鏡 [3]の様に複数の行動やセンサデータを利用した他者との関係性を可視化する試みは，少数は存在するものの，多くは単一のデータを利用した試みである．このよう，現在のライフログを利用した行動の記録・可視化・他者との記録を行う試みは，特定の行動のみを利用している．また，ライフログを利用して他者との関係性を可視化する活動の多くは，比較対象の相手が友人や，企業の組織内の人間等，特定の人間に限定されており，不特定多数の相手を対象とした試みを行っている活動は少ない．

表 2.1 既存のライフログを利用した他者との関係の可視化の試み

　 情報比較対象 情報共有形式 比較情報 目的

Nike+ 友人間 活動量 単一（活動量） 運動に対する　 （一部不特定多数） モチベーションの向上歩数計を利用した 組織内 組織内の関係性 単一（歩数） 組織内の関係性の人間関係の可視化 [4] 可視化位置情報を利用した 組織内 組織内の関係性 単一（位置情報） 組織内の関係性の人間関係の可視化 [5] 可視化ビジネス顕微鏡 [3] 組織内 組織内の活動量 複数（音，動き 組織内の活動の　 の変化 対面の相手） 変化の可視化

一方，将来のライフログ環境では，私達が生活を送る上で生じる様々な情報を継続的に記録可能になる．しかし，限られた行動を利用して他者との行動を比較する現在のライフログ環境と異なり，将来のライフログ環境は生活全般で生じる様々な行動を利用した比較手法が確立されていない．様々な行動を記録する事が可能になる将来のライフログ環境で他者との比較を行う為には，特定の行動をどれだけ行ったという量だけでなく，どれだけの行動を行ったかという行動の種類にも注目し，比較を行う必要がある．

2.2 目的そこで，本論文はライフログデータを利用して自分と他人の似た行動を類似行動として発見する．自身の行動が他人とどれだけ似ているかを可視化する事で，他者との関係をユーザにとって分かりやすい形で提示する事を目指す．あこがれの芸能人を真似る事や，プロスポーツ選手のプレーを模倣する事は行動改善の 1つの手

5

図 2.1 現在のライフログ

図 2.2 将来のライフログ

法として挙げられる．自身の行動と相手の行動の似た部分を可視化する事で，自分が相手とどれだけ似ているのか，相手に近づく為にはどの様に自身の行動を改善すれば良いのかをユーザに提示する事が可能になる．それにより，自身の行動を相手に似せる事を支援する事が可能になる．また，類似行動は不特定多数の相手にも利用する事が可能である．不特定多数の相手から，自分と似た相手を見つける事で，新たなコミュニケーションの形成を行う事が可能である．また，類似行動は医療や介護の分野でも利用可能であると考えられる．特定の疾患を患った相手を対象に類似行動の発見を行う事で，それらの疾患を患う傾向にある様な人を特定出来る可能性がある．本研究は行動の蓄積，類似行動発見，類似行動の可視化の 3つのフェーズがある．はじめのフェーズでは，日常生活を送る上で生じる情報を取得，蓄積を行う．食事を行っている，睡眠している，勤務地へ移動している等，私達が日常生活を送る上では絶えず新たな情報が発生し続けている．これらの行動を取得蓄積する為には食事状態の認識 [6]や睡眠状態の認識 [2]等，様々な行動認識技術を利用する必要がある．次のフェーズでは，蓄積した行動を利用して類似行動の発見を行う．ライフログは人の行動を継続的に蓄積し続けるため，蓄積されたデータはある種の文字列の様に扱う事が出来る．そこで，本論文では，類似行動の発見に文字列探索アルゴリズムの手法を適用するそれにより，1日分のライフログデータから類似部分の発見を可能にする．さらにライフログデータの持つ時間の概念に注目することで，類似性の評価となる類似度の算出を行った．最後のフェーズでは，発見した類似行動の可視化を行う．1日の行動の類似部分やそれを用いて算出した類似度の可視化を行う事で，利用者に新たな気付きや行動改善の手助けを行う．本論文では，これら 3つのフェーズのうち，類似行動の発見にフォーカスを当てて研究を進める．

2.3 類似行動の定義人が他者の行動に対して似た行動を行っていると感じるのは大きく 2種類の行動が考えられる．1つは同じ時間に同じ行動を行っている場合である．他人が意図せず自分と同じ様な行動を行っている時，自身がそれらの人たちとまるでシンクロしているかの様に同じ行動を行ったと言える．もう 1つは異なる時間の行動においても，比較する 2人の連続する行動の遷移が類似している場合である．毎晩夜 10時に寝て 5時に起きる人と毎晩 12時に寝て 7時に起きる人は，一見類似した行動を行っているようには感じられない．しかし，実際は

6

就寝起床の時間が異なっていても，起床後ランニングを行い，シャワーを浴びてから，食事をして出社をする行動を両者が行っていれば，その 2人の行動は類似していると言える．これらを踏まえて本研究では，1日の行動を比較した際に，(1)同じ時間に同様の行動を行っている場合，(2)行動している時間は異なるが行動の遷移が同様の場合，の 2種類を類似行動を行っていると定義し，前者を同期行動，後者を相似行動と呼ぶ．

図 2.3 同期行動の例

図 2.4 相似行動の例

2.4 まとめ本章ではまず，ライフログの抱える問題意識の 1 つである，複数のライフログデータを利用した他者との関係性の可視化について述べた．次に，本研究の目的であるライフログデータを利用した他人との類似行動の可視化について述べ，同期行動，同時行動の 2 種類の類似行動を定義した．最後に本論文で利用する行動について述べ，本章をまとめた．次章では，本論文で提案する類似行動発見システム Synchrometer 及び，Synchrometerで利用する手法について述べる．

7

第 3章

Synchrometer

本章ではライフログを利用した日常行動における類似行動発見システム Synchrometer

について述べる．Synchrometer は前章で定義した同期行動，相似行動それぞれの類似行動の発見を行う．まずはじめに同期行動の発見手法を述べ，次に相似行動の発見手法を述べる．その後それぞれの類似度を示す同期度，相似度の算出式を述べる．最後に本手法の関連研究を述べた上でまとめる．

8

3.1 同期行動発見手法同期行動の発見は以下の手順で行う．

手順 1： 比較対象それぞれの 1日分の行動を 1分毎に分割する．（図 3.1）手順 2： 同じ時刻の行動が同様のものであるかを比較する．（図 3.2）

手順 1では，同期発見の為の事前処理として，行動記録を 1分毎に 1軸の配列に変換する．その際，同じ時刻に複数の行動が記録されている場合，その時刻の行動は最後に記録された行動を配列に格納し，類似行動の発見に利用する. 例例えば，12時 45分 20秒まで食事，12時 45分 50秒から運動の記録を行っている場合，後に記録された情報である運動を配列に格納し，類似行動の発見に利用する．

t

図 3.1 類似行動発見の前処理

手順 2では，同じ時刻に同じ行動を行っているかの探索を行う．図 3.2の様に，比較する 2人のそれぞれの行動を格納した配列を比較し，同じ時刻に同様の行動を行っている場合，同期行動として判定する．同時刻の行動の比較の際は，その他の行動は同期行動としては判定を行わず，睡眠，食事，移動，作業，運動の 5つの行動のみを判定に利用する．

図 3.2 同期行動の発見

9

3.2 相似行動発見手法相似行動の発見には相同性検索のアルゴリズムを用いる．相同性検索とは，バイオインフォマティクスの分野で広く利用されている文字列検索アルゴリズムで，DNAの塩基配列の類似度測定や類似部分の抽出が可能である．例えば，未知の遺伝子 Aが発見された時．その遺伝子が既知の遺伝子 Bと類似した遺伝子機能を持つかを解析する際に用いる．相同性検索には，精度を重視する SW(Smith-Waterman)法 [10]や，速度を重視する FASTA[11][12]，BLAST[13]等が挙げられる．本論文では，より精度の高い行動類似部分の抽出のため，SW法を利用する．

3.2.1 SW法

SW法は動的計画法の一種であり，文字列の全ての部分文字の比較を行う事で文字列の共通部分の抽出を行う．比較する 2つの文字列を行列にしたテーブルを作成し，全ての文字の比較後にコアパラメータの算出を行う．その後，パラメータの高い文字列部分を類似した文字列として評価する．例えば”ABC”と”ABD”の比較を行う場合，2つの文字列を文字列テーブルに当てはめ，全ての文字の比較を行った上で，スコア計算を行い，類似部分の抽出を行う．そのため，長さがそれぞれm，nの文字列の類似部分の抽出を行う場合，アルゴリズムの計算量は O(mn)となる．

SW 法にはスコアの計算に利用するパラメータとして match，mismatch，gap の 3 種類のパラメータが存在する．matchは文字列の一致に，mismatchは文字列の不一致に，gapはスペースの発生に関するパラメータである．matchのパラメータが mismatchよりも高ければ文字列の類似部分は長くなるが，一致度の低い文字列が抽出される．例えば，”あいうえお”と”あきうえお”の文字を評価する際，matchのパラメータが高い場合は”あいうえお”と”あきうえお”が類似した文字列として評価されるが，matchのパラメータが低い場合は，”うえお”の部分だけが一致した文字列として評価される．また，gap は文字列の中に他の文字が入っている場合に利用するパラメータである．類似部分の比較を行う際にスペースが入る事で類似度が高くなる文字列も存在する．例えば，”ABCDEF”と”ABCEF”の文字列の評価を行う際に，完全一致しているのは”ABC”と”EF”の部分であるが，”ABCDE”の文字列の”D”の次は”E”な為，”D”をスペースとして処理する場合，”ABCEF”の文字列を抽出する事が出来る．この際，gapのパラメータが 0に近いほど，スペースの多く入った類似部分の抽出が可能になる．これらのパラメータは比較するデータやその中のどの様な文字列の抽出に利用するかで変化する．

SW法は以下の手順で行う．

手順 1： 文字列テーブルを作成し，それぞれの文字列を行と列に割り当てる．手順 2： それぞれのセルにおける文字の一致，不一致を判定する．手順 3： 文字一致の判定結果とスコア計算式 (3.1)，（3.2）を利用して各セルのスコアを計算する．手順 4： スコアが最大のセルからスコアが 0のセルまでの経路をたどる事により，文字列の抽出を行う．

SW (x, y) = max

SW (x − 1, y − 1) + matchSW (x − 1, y) + gapSW (x, y − 1) + gap0

(3.1)

10

SW (x, y) = max

SW (x − 1, y − 1) + mismatchSW (x − 1, y) + gapSW (x, y − 1) + gap0

(3.2)

SW (x, y)は比較するそれぞれの文字列の x，y 番目のセルにおけるスコアである．それぞの文字列の x番目，y番目の文字が一致する場合は式 (3.1)が，不一致の場合は (3.2)が適用される．例として，文字列”ABCDEF”

と”ABCEF”の比較をスコアパラメータがそれぞれ match = 2，mismatch = −2，gap = −1で行う．まず手順 1では，図 3.3のように，それぞれの文字列をテーブルの行と列に割り当てテーブルの初期化を行う．この際，セルの 0番目には空白の文字が入る．次に手順 2で，空白文字を除いた全てのセルで文字の一致，不一致を判定する．（図 3.4）文字列一致の判定が完了したら，手順 3の通り，それぞれのセルにおけるスコアの計算を行う．（図 3.5）なお空白文字部分のセルのスコアは 0である．例えば，(1, 1)は文字列が一致している為のスコアの計算式は式 (3.1)を利用し，SW (1, 1) = max{2,−1 − 1, 0} = 2となる．最後に，手順 4の通り，スコアが最大になる経路から，スコアが 0になる経路を辿る．，類似した文字列の抽出を行う．（図 3.6）なお，経路を辿る際は，どのセルから現在のセルに移動したかを記録する必要がある．また，複数のセルでスコアが重なる場合は辿る経路の優先順位を設定する必要がある．本論文では，辿る経路の優先順位は，左上，上，左の順とした．今回の例では，スコアの最大値が (6, 5)なので，その座標より順に経路を辿ると，経路は (6, 5)，(5, 4)，(4, 3)，(3, 3)，(2, 2)，(1, 1)，(0, 0)となる，0にたどり着いた場合，経路探索を終了し，辿った文字のX，Yから類似部分の抽出を行う．この際 Xと Yが異なるセルがある場合，文字列は空欄となる．これにより，今回抽出を行った類似文字列は”ABC EF”となる．

図 3.3 テーブルの初期化 図 3.4 文字列一致の判定

図 3.5 スコアの計算 図 3.6 類似文字列の探索

3.2.2 SW法の改良

本研究で提案する相似行動の発見の為には SW法を 2点改良する必要がある．1つ目は，行動遷移を利用するにあたり，一致の判定を行う行動がその他の行動の場合である場合，matchの値を 0にする事である．こ

11

れにより，実際に行動を行ったことが記録されている場合のみ類似の判定をを行うようにする．2つ目は，複数の行動遷移を抽出する必要がある事である．1日の行動を比較する際，似た行動遷移を行う際は，類似した行動遷移が 1つだけであるとは限らない．そのため，類似行動の発見を行う際に，先に述べた 4つの手順に加えて，以下の手順を追加する．

手順 5： 類似文字列を格納するテーブルを用意し，手順 4で抽出した文字列及び X，Yの座標を格納する．手順 6： スコアが最大になったセルの経路のと同じ X，もしくは Yの座標のスコアを 0にする．手順 7： 手順 1～6を繰り返し行い，0以外のスコアになるセルが無くなるまで続ける．

例として，文字列”ABCDEF”と”ABCEF”の比較をスコアパラメータがそれぞれmatch = 2，mismatch =

−10，gap = −10で行う．手順 1～4を行う事で，テーブルは図 3.7の様になる．手順 5の様に須子が最大になったセルの経路を通った X，Y座標のセルのスコアを 0にする．今回の例では Xのセルが 1,2,3と Yのセルが 1,2,3のセルのスコアを 0にする．（図 3.8）さらに手順 7の通りセルのスコアが全て 0になるまで手順 1

～6を繰り返し行う事で，同じ行動遷移になっている行動を全て抽出する事が可能なる．（図 3.9）

図 3.7 改良型の類似文字列探索 図 3.8 セルのスコアを変更

図 3.9 最大スコアの経路を再度探索

相似行動の発見では，改良型 SW法を利用して相似部分の発見を行う．なお，本研究では行動の遷移する順番に重きを置き，パラメータをそれぞれmatch = 1，mismatch = −5，gap = −5とした．スコアのパラメータが 2以上となった場合に相似行動として判定を行う．

3.3 類似度の算出本論文では，自身が他者とどれだけ似ているかを示す指標として，同期行動，相似行動のそれぞれの類似度の算出を行う．算出を行う類似度は，発見した類似行動が 1日のうちの全行動のどの程度割合を占めているかを百分率で計算した値である．同期行動の類似度を同期度，相似行動の類似度を相似度と呼ぶ．

12

同期度1 日の行動のうちで同期行動であった割合である同期度は抽出した同期行動の総時間を 1 日の総時間で割り，百分率で計算する事で求める．同期度の計算式 Persync は以下である．

Persync =∑

st

n× 100 (3.3)

nは単位時間に分割した 1日の行動の総数，本稿では類似行動の生成時に用いる単位時間を 1分と定めているため n = 1440である．st は任意の時間 tにおける行動類似の有無であり，任意の時間 tにおける行動が同期行動である場合，st = 1，異なる場合 st = 0となる．これにより，1日の単位時間あたりの同期行動の有無の合計

∑st を求める事が出来る．

相似度1日の行動の中で相似行動を行った割合である相似度は抽出した相似行動のうち，その他の行動以外の部分の行動を利用して算出する．相似行動の中にその他の行動が含まれている場合は，その他の行動の時間を 0計算する．計算では，一致した行動とそれぞれ対応する行動を比較し，値が低い時間を相似度の計算に利用する．例えば，”睡眠 20分，その他 10分，食事 35分”の行動と”睡眠 30分，その他 5分，食事 25分”の行動を相似行動として抽出した場合，計算式に用いるのは”睡眠 20分，その他 0分，食事 25分”である．相似度の計算式 Persimilar は以下である．

Persimilar =∑

min{ai, bi}n

× 100 (3.4)

nは同期行動度合の算出時と同様に，単位時間に分割した 1日の行動の総数のため，n = 1440である．iは相似行動として抽出を行った行動の任意の順番である．ai，bi はそれぞれ，抽出した相似行動の行動時間である．例えば，ユーザ Aとユーザ Bの 1日の行動から”(睡眠 6時間，食事 30分，移動 1時間)，(作業 3時間，その他 1時間，食事 25分)”と”(睡眠 8時間，食事 20分，移動 40分)，(作業 2時間，その他 20分，食事40分)”の 2組の相似行動を抽出したとする．相似行動の行動時間の単位を分に合わせ，配列にに当てはめると，ユーザ Aの相似行動の行動時間は ai = (480, 30, 60, 180, 0, 25)となり，ユーザ Bの相似行動の行動時間は bi = (480, 20, 40, 120, 0, 40)となる．これにより，Persimilar = 360+20+40+120+0+25

1440 × 100 = 39.236となり，相似度は 39.2％となる．

3.4 関連研究3.4.1 空間座標を利用した類似度計算

類似度算出する手法の 1 つとして空間座標を座標を利用してあるデータの中の特定の部分の重要度を算出し，類似度の計算を行う手法が挙げられる．空間座標を利用した類似度算出技術は主にテキストマイニングの手法の 1つとして応用されている．比較する２つの文章中から重要な単語や構文等を発見し，それらに重み付けを行った上でベクトル空間法を利用した類似度の算出を行う．この手法を利用する事で，1日の行動の中からユーザの行動に重み付けを行い，比較対象とどれだけ似ているかを算出する事が可能である．空間座帆表を利用した類似度は，レコメンドにも応用する事が出来る．オンライン通販サイト Amazon[17]

をはじめ，多くの通販サイトでは，ユーザの閲覧／購買のログを行い，商品の属性情報やユーザの利用ログの解析を行い，ある商品に似た商品を探し出して提供している．

13

空間座標を利用した類似度計算は，波形解析等にも応用する事が出来る．フーリエ変換等を利用し，波形の特徴量を抽出する事で，重要度算出の要素とし，それにより波形の類似度を計算する事を可能としている．右田達の提案した mimicMotiion[7]は 3軸加速度センサを利用し，センサから得られる時系列データを解析して，他者の動きをどれだけ正確に真似する事が出来たかを評価している．時系列データマイニングで類似度を計算する為の手法としてはユークリッド距離 [8]や Dynamic Time Wraping[9]が利用出来る．このように，空間座標を利用した類似度計算は，様々な分野で応用する事が可能である．一方で，空間座標はデータの中の特定部分の重要度を算出し，重要度の近いデータを類似したデータとして判定しているので，ライフログを利用した類似行動の発見に利用する事は困難である．例えば行動の解析時に食事の情報を用いる場合，空間座標を利用した手法では，食事という情報が 1日に何回行われたかという情報だけで行動の重み付けがされてしまう．また，食事という行動に対してもどれだけの時間食事に費やしていたか，といった時間の概念が存在するため単純に行動の回数だけでは行動の重み付けは出来ない．そのため，日常行動を解析し，類似度を計算する事はテキストマイニング技術を用いるだけでは困難である．

3.4.2 文字列の類似度算出

文章解析の手法の 1つに 2つの文字列の類似度を算出する手法がある．文字列の類似度算出にはレーベンシュタイン距離や，ジャロ・ウィンクラー距離等が挙げられる．レーベンシュタイン距離は文字の挿入や削除，置換によって一方の文字列に変形するのに必要な手順の最小回数から導かれる．そのため，文字数や文字列同士の類似度が判定される傾向がある．ジャロ・ウィンクラー距離は 2つの文字列の部分的な類似度を数値化する事で，類似度を算出する．これらの手法は文字列の類似度を算出する事が可能なので，1 つの行動を一文字に例える事でライフログデータから類似度を算出する事は可能である．一方で，これらの手法は類似度の数値化を行う事は可能であるが，1日のどの行動が類似しているかを抽出する事は困難である．

3.5 まとめ本章ではライフログを利用した日常行動における類似行動発見システム Synchrometer について述べた．

Synchrometerは前章で定義した同期行動，相似行動それぞれの類似行動の発見を行う．本章では，はじめに同期行動の発見手法を述べ，次に相似行動の発見手法を述べ，最後にそれぞれの類似度を示す同期度，相似度の算出式を述べた．次章では，Synchrometerのプロトタイプの設計・実装に関して述べる．

14

第 4章

設計・実装

本章では，Synchrometer のプロトタイプの設計及び実装について述べる．第 4.1 節で Synchrometerで利用するハードウェア構成，利用するデータベースの設計，生活行動取得アプリケーション，類似行動抽出アプリケーションの設計について述べ，第4.2節で実装環境について述べる．

15

4.1 設計本節ではまず，Synchrometerハードウェア構成とソフトウェア構成について述べる．ハードウェア構成では，Synchrometerのプロトタイプを実装するにあたって，使用するハードウェア構成について述べる．ソフトウェア構成では Synchrometerで提供する行動取得アプリケーション，類似行動発見アプリケーション，及びそれらのアプリケーションで利用するデータベースについて述べる．

4.1.1 ハードウェア構成

Synchrometerのハードウェア構成図を図 4.1に示す．Synchrometerのプロトタイプはウェブアプリケー

図 4.1 ハードウェア構成図

ションとして動作している為，ユーザは自分の PCや携帯端末からウェブブラウザを通じてアプリケーションの利用を行う．自身の行動の記録を行う際や，行動記録の閲覧，行動記録の削除，他者との類似行動の発見をを行う場合はウェブアプリケーションを通じてサーバにリクエストを送り，それらの結果はウェブブラウザを通じて閲覧する．

4.1.2 ソフトウェア構成

本項では，Synchrometerのプロトタイプで利用するソフトウェア構成について述べる．はじめに各アプリケーションで共通に利用するデータベースについて述べた上で，類似行動発見の為に利用するアプリケーションについて述べる．アプリケーションは生活行動取得アプリケーションと，類似行動発見アプリケーションの 2つのアプリケーションがあり，それぞれ生活行動の記録と，記録した行動を利用した類似行動発見に利用する．

データベース類似行動の発見で利用する生活情報を記録する為にデータベースを利用する．データベースは生活情報を記録するユーザの情報，ユーザの行動がデータベースに記録されている．ユーザの情報では，ユーザの氏名．メールアドレス，ハッシュ化したパスワードが記録されており，メールアドレスとパスワードは各アプリケー

16

ションを利用する際のユーザ認証に利用される．

生活行動取得アプリケーション生活情報取得アプリケーションは類似行動の発見の為に利用する生活行動を記録する為のアプリケーションとして動作する．アプリケーションはウェブ上で動作し，ユーザが所持している PCやスマートフォンからアクセする事で利用を行う．アプリケーションの主な動作としては，行動の計測及び計測情報の閲覧を行う事が可能である．ユーザはウェブブラウザを通じてウェブアプリケーションを利用し，メールアドレスとパスワードを利用した認証で，アプリケーションの利用を開始する．生活行動取得アプリケーションのソフトウェア構成図を図 4.2に示す．行動記録モジュールでは，ユーザが自身の行動を記録した際に生活行動の種類，行動の

図 4.2 生活行動取得アプリケーションのソフトウェア構成図

開始日時，行動終了日時ををデータベースに保存する．行動閲覧モジュールでは，閲覧を行いたい日付を渡すとその日付のログデータをデータベースに問い合わせ，取得する．ビジュアライズモジュールでは，行動閲覧モジュールより渡されたログデータをユーザのデバイスを通じて可視かを行う．記録削除モジュールでは，ビジュアライズモジュールで表示を行った際に，ユーザが削除したいと思った行動を選択する事でデータベースに行動の削除のリクエストを送る．

類似行動発見アプリケーション類似行動発見アプリケーションは生活行動取得アプリケーションで収集した生活情報を利用して類似行動を発見する為のアプリケーションとして動作する．アプリケーションは生活行動取得アプリケーション同様ウェ

17

ブ上で動作し，ユーザはメールアドレスとパスワードを用いた認証方式で利用を開始する．類似行動発見アプリケーションのソフトウェア構成図を図 4.3に示す．比較データ取得モジュールでは日付，比較相手を与える

図 4.3 類似行動発見アプリケーションのソフトウェア構成図

とデータベースに指定した日付の自分と比較相手のライフログデータを問い合わせる．類似行動抽出モジュールでは，データベースから受け取った自分と比較相手のライフログデータから同期行動，相似行動の抽出を行う．類似度算出モジュールは，類似行動抽出モジュールより類似行動を受け取り，類似度を算出する．ビジュアライズモジュールは，類似行動抽出モジュールより類似行動を，類似度算出モジュールより類似度を受け取りユーザのマシンに可視化を行う．

4.2 実装環境本節では，Synchrometerのプロトタイプの実装環境について述べる．

4.2.1 サーバ構成

プロトタイプのサーバには Apple Mac mini(2011 late)を利用した．プロトタイプの実装環境のハードウェア仕様とソフトウェア仕様を表 4.1に示す．

18

表 4.1 サーバのハードウェア仕様

CPU 2.7GHz Intel Core i7

メモリ 8GB 1333MHz DDR3

OS Debian 6.0.7(squeeze)

データベース MySQL 5.1

アプリケーションフレームワーク CakePHP 2.4.2

4.2.2 利用する行動

類似行動の発見の為には，ライフログデータより得られるどの様な行動を類似行動の生成に利用するかを定義する必要である．そこで本論文ではでは，生活情報収集アプリケーション及び類似行動発見アプリケーションの実装をを行うにあたり予備調査として，インターネット上で公開されている全 14人分の生活サイクルを調査した [18][19][20][21]．調査対象は元プロ野球選手古田敦也氏や，麒麟麦酒株式会社元社長松沢幸一氏等，公人，芸能人，著名人等を含む．予備調査対象の一部と対象の生活サイクルを図 4.4に示す．予備調査結果より，私達の日々の生活により生じる行動のうち，公に公開される行動は主に以下の 5種類の行動である事が分かった．

• 睡眠• 食事• 移動• 仕事／作業• 運動

本論文の実装では，類似行動の発見を行う為に予備調査で明らかになった 5種類の行動に加え，5種類以外の行動を行った場合の 6種類の行動を利用する．これらの行動は，実際は複数の行動が同時に起こりうる場合があるが，今回は行動に重きを置いている方の行動を利用する．例えば，移動中に簡単な軽食摂る場合は移動自体が主な行動な為，移動として処理する．また，生活情報の記録時には，これらの行動以外の行動として，その他の行動を利用する．

4.2.3 生活行動取得アプリケーション

生活行動取得アプリケーションは類似行動の発見の為に利用するライフログデータの収集のために利用する．アプリケーションは大まかに 3つの機能を備えており，生活行動の記録，記録情報の閲覧，及び削除を行う事府が出来る．生活行動の記録は現在行っている行動に該当するスイッチを押す事で開始する．ユーザが新たに行動記録を開始すると現在行っている行動，行動の開始時間がデータベースに記録される．データの計測中は計測を開始した時間及び現在計測を行っている行動がビジュアライズされる．計測状態から，スイッチをオフにする事で現在計測している行動の計測を終了する．行動を終了すると，現在行っている行動に記録されている行動，行動の開始時間，行動の終了時間を過去に行った行動としてデータベースに記録する．その後，現在行っている

19

図 4.4 著名人の 1日の生活サイクル例

20

行動をデータベースから削除する．また，いずれかのスイッチがオンの状態で他のスイッチをオンにした場合，現在行っている計測を終了した上で，新しくスイッチをオンにした行動の計測を開始する．以前行っていた行動の計測を逃した場合，後入力機構として，行った行動，行動の開始時間，行動の終了時間を入力し，データベースに追加する事が可能である．計測情報の閲覧機構では，取得した情報の閲覧を行う事が可能である．閲覧を行いたい日にちを指定する事で，その日の行動のヴィジュアライズを行う．また，ヴィジュアライズと同時に，その日の全行動を時系列順で．行動の開始時間が早い順にリスト化して表示を行う．計測情報に誤りがある場合，記録した行動を削除する事が可能である．計測情報の閲覧機構で表示されたリストに並んでいる行動を選択する事で，削除を行うかを訪ねるアラートが表示され，OK ボタンを選択すると，記録したデータの削除を行い，ビューワー及びリストを更新する．

図 4.5 生活行動の収集 図 4.6 ログビューワー

4.2.4 類似行動発見アプリケーション

類似行動発見アプリケーションでは，生活行動取得アプリケーションで取得した行動を利用して類似行動の発見及び類似行動の可視化を行う．ユーザはログイン後同期行動，相似行動のいずれかを可視化するかを選択する．その後，比較相手と比較を行う日にちを選択する事で類似行動の発見を開始する．類似行動の発見完了後，類似度の計算を行う．類似行動の発見と類似度算出終了後，ビューワーに自分と比較相手の 1日の行動を時系列順に並べ，類似行動となっている部分をハイライトで表示する．ハイライトは同期行動の場合は単色で表示されるが，相似行動の場合は複数の行動遷移の可視化に対応するため，抽出を行った行動遷移によってハイライトの色が変化する．

21

図 4.7 類似行動発見アプリケーション

4.3 本章のまとめ本章では，Synchrometerのプロトタイプの設計及び実装について述べた．はじめに，Synchrometerで利用するハードウェア構成，利用するデータベースの設計，生活行動取得アプリケーション，類似行動抽出アプリケーションの設計について述べ，サーバとして利用したハードウェア及び各アプリケーションの実装環境について述べた．

22

第 5章

評価実験

本章では，本研究で提案する類似行動発見機構 Synchrometerの評価実験について述べる．はじめに，本実験の実験目的を述べ，次に実験方法と実験結果を述る．最後に考察を述べ，本章をまとめる．

23

5.1 評価方針本節では，本論文で提案する Synchrometerを利用して発見した類似行動の評価方針について述べる．本論文の目的は，Synchrometerを利用して発見した類似行動の可視化を行う，事でユーザに対して様々な気付きを与える事である．本研究で提案する類似行動が利用者に与える行動改善を促すきっかけや，行動改善時に利用する行動評価の指標として利用可能かを検証する．評価方針としてはまず，被験者に行動記録アプリケーションを利用してもらい，自身の行動を記録してもらう．次に類似行動発見アプリケーションを利用してもらい，類似行動の可視化を行う，その後，本手法を用いて発見した類似行動が利用者に取って有用なものであるかをアンケートの利用と被験者へのインタビューを行い評価する．

5.2 実験方法本実験は生活行動の記録及び類似行動の可視化を 3つのフェーズで行う．フェーズ 1では，被験者に行動記録アプリケーションを利用してもらい，自身の行動を記録してもらった．そして，フェーズ 2で，類似行動の発見及び被験者への可視化を行い本論文で提案しているシステム Synchrometerの評価を行った．フェーズ 1

では，被験者には行動記録アプリケーションを利用してもらい自身の行動を記録してもらう上ではじめに，行動記録アプリケーションの利用方法を被験者に 5分程度で説明を行った．その後，アプリケーションで利用する為のユーザアカウントを登録してもらった．ユーザアカウント登録後，アプリケーションの利用に慣れる為の予備利用期間として，被験者に 3日から 1週間アプリケーションを利用してもらった．その後，正式に行動記録アプリケーションを利用した生活行動の記録を開始した．アプリケーションはウェブ上で動作するため，被験者は自身の持つスマートフォンや，ラップトップ PC等を利用して自身の行動を記録した．被験者及び行動記録期間を表 5.1に示す．次に実験のフェーズ 2として，類似行動発見アプリケーションを利用して被験者

表 5.1 被験者情報

人数 5人年齢 19～22歳性別 男性実験期間 18日

が記録した生活行動から各被験者の他の被験者に対する類似行動の発見及び，類似度の算出を行った．最後に，フェーズ 3として，被験者に発見した類似行動の可視化を行った可視化した情報として，自分と比較相手の 1日分の行動と類似部分のビジュアライズ化，日付による比較相手との類似度の変化のグラフ化，18日間の類似行動発見で，最も自身と類似していた相手のランキング化を行った．類似度の変化のグラフ化は比較する複数の相手の同期度，相似度を日付順に折れ線グラフで表示している．これにより，どの比較相手が同期度，相似度が高くなるか傾向にあるかを容易に知る事が出来る．また，類似している比較相手のランキング化では，18日間の実験期間中の平均値が高かった順，1日で最も類似度が高くなった頻度の順の 2点でランキング化を行っている．類似行動のビジュアライズの例を図 4.7に示し，類似度変化のグラフ，ランキングの例を図 5.1に示す．類似行動の可視化後，被験者に対してアンケートを実施し，その後可視化した情報に関してインタビューを

24

図 5.1 類似度変化のグラフ及びランキングの例

行った．インタビューは可視化した情報を見て被験者が感じた事や実施したアンケートの内容に沿った質問を中心に 1人 10分から 15分程度行った．実施したアンケート項目を表 5.2に示す．

表 5.2 アンケート項目

質問内容

　 Q1 同期行動の類似部分は妥当であったか（思わない１～５思う）　 Q2 相似行動の類似部分は妥当であったか（思わない１～５思う）　 Q3 算出した同期度の値について

（１：低すぎる，２：少し低い，３：妥当，４：少し高い，５：高すぎる）Q4 算出した相似度の値について

（１：低すぎる，２：少し低い，３：妥当，４：少し高い，５：高すぎる）　 Q5 抽出した同期行動は有用なものに感じたか（思わない１～５思う）　 Q6 抽出した相似行動は有用なものに感じたか（思わない１～５思う）

Q7 可視化を行った情報は分かりやすかったか（分かり辛い１～５分かり易い）　 Q8 自身の行動を記録する事に不快感はあったか（あった１～５無かった）　 Q9 匿名性が無い場合に自身の行動を共有しても良い相手（思う１～５思わない）

（家族・友人・恋人・知人・医者・教師・他人 それぞれを対象に調査）Q10 匿名性がある場合に自身の行動を共有しても良いと感じるか（思わない１～５思う）

25

5.3 実験結果発見した類似行動について発見した類似行動に関するアンケート結果を表 5.3に示す．

表 5.3 発見を行った類似行動について

思わない 　　　　 　　　　 　　　　 　思う　 　　　　質問 1 2 3 4 5 平均

同期行動の類似部分は妥当であったか 0 0 0 4 1 4.2

相似行動の類似部分は妥当であったか 0 1 2 2 0 3.2

同期行動のスコアは 4.2と高い数値となった．理由としては，一目で分かるから納得しやすく，迷わずに高スコアをつけた意見が大半であった．一方，同期行動に比べて相似行動のスコアが低くなった．理由としては，行動を終了してから次の行動を開始するまでの間に行動を行っていない場合でもその他の行動として判定を行い，結果，システムが相似行動として抽出を行わなかった事が挙げられる．例えば，図 5.2ではユーザ A

は行動と行動の間に少しの間があり，ユーザ Bは行動終了後すぐに他の行動に移行している．実際にはユーザ Aは行動と行動の合間では行動を行っていなくても，システムがその他の行動として判定を行い「睡眠，その他，食事，その他，移動，その他，仕事」の様な形として類似行動の発見に利用した．そのため，間を置かずに次の行動に移行したユーザ Bと比較したときに相似の判定が行われなかった．類似行動の可視化を行った際に，このような現象が起きたユーザは相似行動の妥当性のスコアを低くしたため，SW 法のスコアパラメータの調整や，アルゴリズムの改良を行う事で，このような現象に対応し，相似行動として発見する事が可能になると考えられる．実験中 5人の被験者のうち 2人がこれにより相似行動の発見が行われず，相似度が低い結果となった場合があった．インタビューの最中に同理由によりスコアを低めにつけたと回答した．また，この部分が解決しているのならもっと高いスコアをつけていた，という回答も得られた．

図 5.2 相似行動の発見を行えなかった例

26

算出した類似度について算出した類似度に関するアンケート結果を表 5.4に示す．算出した類似度に関しては，同期度の結果に関し

表 5.4 算出した類似度について

低すぎる 少し低い 　妥当　 少し高い 高すぎる質問 1 2 3 4 5

算出した同期度の値について 0 0 3 2 0

算出した相似度の値について 0 1 1 3 0

ては，半分以上が妥当であると回答した，また，4の少し高いを選択した被験者にインタビューの際に訪ねた所，思ったよりかは少し高く感じたので，4にしたという回答が得られた．相似度の結果に関しては，少し高いと回答した被験者が最も多かった．このことについてインタビューの際に被験者に訪ねた所，二種類の行動で相似を行っていた際に比較する二つの行動の時間の長さが逆だったため思ったよりも高く感じた，睡眠の時間が長いため必要以上に値が高くなるという回答が得られた．

類似行動の有用性について類似行動の有用性に関するアンケート結果を表 5.5に示す．同期行動の有用性に関しては，被験者全員が 4

表 5.5 類似行動の有用性について

思わない 　　　 　　　 　　　 　思う　 　　　　　質問 1 2 3 4 5 平均

抽出した同期行動は有用なものに感じたか 0 0 0 5 0 4

抽出した相似行動は有用なものに感じたか 0 2 0 2 1 3.4　

を選択する等，高スコアになった．このことをインタビュー時に被験者に対して尋ねた所，リアルタイムでログデータを後で解析し，同じタイミングで同じ様な行動をしている人を見つけるのは楽しそうだが，リアルタイムで同期行動の人が居る事が分かれば色々出来そう，という回答を得た．もう少し掘り下げて質問した所，離れた場所に居る友人や恋人と同じタイミングで行動を行った際に利用者に対して通知を行い，音声チャット等を開始する事で，離れた場所に居ても一緒に同じ事をしている様に感じれるかもしれない，とコミュニケーションへの活用の可能性を示した．本論文では，不特定多数の相手と行動比較を行う場において，類似行動を新たなコミュニケーションの生成の要素として述べたが，これらのインタビューによって，類似行動は組織や友人等特定の相手とのコミュニケーションの生成にも利用出来る可能性がある事が分かった．また，他の被験者に対してインタービュー時に尋ねた所，現代社会はほとんどの会社や学校で出社や登校の時間が共通であるなど，共通の時間で働く人が多いので，同期行動の有用性は高いという結果が得られた．さらに別の被験者は，普段同期している様な人が突然同期しなくなったらその人に何かトラブルが生じたのかもしれない，それを他者が早期に発見出来る可能性がある，と他者への気付きに利用する事が出来る可能性を示唆した．相似行動の有用性に関しては，高スコアをつけた被験者が 3人居た

27

このことについて被験者にインタビュー時に尋ねた所，相似行動は比較する 2人が同じ行動パターンで行動を行っているので，そこから似た行動サイクルを持つ人を発見する事が出来そうという回答が得られた．このことに対してもう少し深く掘り下げて聞いてみた所，これによってある組織内で同じ様な生活サイクルを持っている人を発見する事で組織の変遷時に同じ様な人を集める事や引き離す事が可能かもしれない．例えば，学校のクラス替えの際に似た様な生徒を集める事や，逆に様々な生徒の交流を促す為に，似た様な生徒は別のクラスに分ける事に利用出来るかもしれない，という回答を得た．また，他の例では，人材を紹介する様なサービスを行う際に，似た様な行動サイクルを持つ人を発見する事で，人材紹介時に行う判断基準の 1つに利用出来るかもしれないという回答を得た．他の被験者に対しても同様にインタビュー時に尋ねた所，実験開始時の解説でも少し触れていたが，似た行動のパターンが分かる事で，不特定多数の人の中から特定の病気を患ってしまった人の行動パターンを発見して，病気の原因の特定に役立てられるかもしれないという回答が得られた．一方で，低スコアをつけた被験者は 2人のうち 1人は相似行動の発見があまり行われなかったため，有用性がイメージ出来なかったと回答した．

類似行動の可視化について類似行動の可視化に関するアンケート結果を表 5.6に示す．類似行動の可視化に関しては，被験者全員が 4

表 5.6 類似行動の可視化について

分かり辛い 　　　 　　　 　　　 分かり易い質問 1 2 3 4 5 平均

可視化した情報は分かりやすかったか 0 0 0 2 3 4.6

以上のスコアをつけた．インタビュー時に何人かに尋ねた所，ユーザビリティにに関しては改善点があるが，可視化に関しては非常に分かりやすかったという回答が得られた．

生活情報の記録について行動を自身で記録する事に関するアンケート結果を表 5.7に示す．行動の入力に関しては，被験者全員が自

表 5.7 行動をを自身で入力する事について

あった　 無かった質問 　 1　 　 2　 　 3　 　 4　 　 5　 　平均　

自身の行動を記録する事に不快感はあったか 2 3 0 0 0 1.6

身の行動を 1つずつ入力する事に煩わしさを感じ低スコアをつけた．これらについてインタビュー時に被験者に尋ねた所，ほぼ全員が手入力が煩わしい，行動時に入力を忘れてしまうと答えた．データベースに記録した行動に関しても，全 360データのうち 276データがリアルタイムに入力を行ったデータではなく，後から手動で行動の記録を行っていた．

28

ライフログデータ共有について匿名性が無い場合，ある場合に自身の行動を共有しても良いかのアンケート結果をそれぞれ表 5.8，表 5.9

に示す． 自身の行動を共有する際に匿名性の無いの行動記録に関しては，個人差はあったが全体的に共有し

表 5.8 匿名性が無い場合の情報共有について

匿名性が無い場合に自身の 思わない 思う行動を共有しても良い相手 　 1　 　 2　 　 3　 　 4　 　 5　 　平均　

家族 2 2 0 1 0 2

友人 2 1 1 1 0 2.2

恋人 2 0 1 2 0 2.6

知人 3 1 1 0 0 1.6

医者 0 0 0 2 3 4.6

教師 3 1 0 1 0 1.8

他人 3 0 1 1 0 2.0

表 5.9 匿名性がある場合の情報共有について

思わない 思う質問 　 1　 　 2　 　 3　 　 4　 　 5　 　平均　

匿名性がある場合に自身の行動を共有しても良いと感じるか 0 0 0 2 3 4.6

たくないと思う割合が高かった．一方，医者への行動の共有に関しては，全員が 4以上のスコアをつけた．これについて被験者にインタビューをした所，異口同音で，医者に関しては自身の行動を共有する事で病気の原因を探れる可能性があるので，共有しても良いという回答が得られた．その際，ある被験者が，自分の行動を共有する事で自身に何かメリットがあるのなら，共有しても良いという回答を行った．また，コメントの 1つとして，行動の共有を行うグループは自分で定めたい，という意見が出た．同じ友人のグループを持つ相手でも，大学のサークルに所属する友人と研究室に所属する友人では，共有する情報に差を設けたいというこれにより，匿名性の無いライフログデータに関しては，どの相手には情報共有を認めるかを利用者が選択出来る必要があることが分かる．匿名性が保証されている場合の情報共有に関するスコアは，被験者全員が 4以上のスコアをつけた．これにより，Synchrometerを利用した類似行動の発見は不特定多数相手に利用可能である事が示唆された．

類似行動の可視化による気付きについて類似行動の可視化による被験者の気付きに関しては，インタビューを中心に行った．被験者に対して，1日の行動の同期部分，相似部分の可視化や，他の複数の被験者との 1日の行動の類似度をグラク化したものの可視化を行った後に，何か気付きになる事はあったかどうかを尋ねた．その際，被験者の 1人から，自分を相手に似せる為に利用するのではなく，相手を自分に似せる為にも活用する事が出来ると考えられる．その被験者

29

は，スポーツ系サークルのキャプテンをつとめており，インタビューをの際に，「自分は大会前には出来るだけコンディションを整える様にしているので，その時期にはサークルメンバーに行動を自分に似せる様にしてほしい」という話題が出た．これにより，組織を管理する立場の人間が，自身の行動や組織の中で目標とされる様な人物をモデルにする事で，自身の行動改善だけでなく，他者の行動改善にも利用出来る事を示唆した．他の被験者からは類似度のグラフの変化がとても似ている 2人の被験者がいた，もしかしたら自分とその相手2人が似ているだけでなく，相手 2人同士も似ていて，3人がそれぞれ似ているのかもしれない，といったコメントが得られた．また，今回は行わなかったが，過去の自分との類似行動の発見を行い可視化をする事で，自身の振り返りや，行動改善に利用出来るかもしれないと行ったコメントが得られた．それ以外では，具体的な事はすぐには思いつかないが何か面白そう，単純に自分の過去の行動の振り返りが出来るだけでも有意義，といったコメントが得られた．

5.4 考察本論文で提案する類似行動の妥当性に関して，同期行動に関するそれぞれのアンケート項目のスコアはいずれも高く，妥当性は確認出来た．一方，相似行動に関しては，もう少し相似部分の発見に関して柔軟性が欲しいといった意見や，相似度の算出に関しては，時間の概念があまり活かされていない，一般的に睡眠時間は他の行動に比べても長いため，算出を行う際の影響が大きいといった意見もあり，計算式の再検討が望まれる事が分かった．ただ，相似行動の発見に関しては今回はうまく発見が行われなかったが，相似行動の発見がもっと行われやすくなれば，有用な部分が見つかるかもしれない，といったコメントが得られる等，一部課題が残ったものの，改善の余地がある事が分かった．情報の可視化による利用者への気付きの誘発に関しては，インタビュー結果より，単純に面白そうといった意見だけでなく，具体的な活用方法まで話した被験者もいた．これにより，本論文で提案する類似行動は可視化する事で，本論文の目的である利用者に新たな気付きを与えるきっかけになる事が分かった．

5.5 本章のまとめ本章では，本論文で提案する Synchrometer により発見した類似行動がユーザに取って有用なものであるか，類似行動を可視化する事で人に新たな気付きを与える事が出来るかを検証する為に評価実験を行った．実験はまず，被験者にライフログ用のウェブアプリケーションを利用してもらい，自身の行動の記録を行った．次に，収集した行動を利用して類似行動の発見，可視化を行い，被験者に対してアンケート調査及びインタビューを行った．それにより，類似行動の可視化は被験者に対して新たな気付きを与え得る事が分かった．また，本論文で定義した類似行動のうち，同期行動はユーザに取って受け入れやすいという結果が得られた．一方，相似行動に関してはアルゴリズムの改良や類似度の算出方法の再考が必要である事が分かった．次章では，本研究の課題と発展について述べた上で，本論文をまとめる．

30

第 6章

結論

本章では，本研究の今後の展望と課題について述べ本研究をまとめる．

31

6.1 今後の展望と課題本節では，本研究の今後の課題と展望について述べ，結論を述べる．

6.1.1 ライフログデータの自動取得

本論文では，類似行動の発見を行う為に利用するユーザのライフログデータを，ユーザ自身が入力を行う事で収集した．しかし，ユーザが自身の行動を逐次的に記録する事は，ユーザに取っての負担が大きい評価実験のアンケート項目の 1つである自身の行動を記録する事に対する不快感に関するスコアは 5段階中で平均 1.6

と非常に低かった．また，実験期間中に記録された全 360のライフログデータのうち，リアルタイムで入力が行われなかったデータ数は 276であり，利用者が後から行動記録を行う事が非常に多かった事が分かる．これらの課題を解決する為に，今後の展望としてライフログデータの自動取得化が望まれる．近年，行動解析技術の発達により，人が行う様々な行動を取得する事が可能になった [14]．これらの技術を活用する事で，ユーザへの負担を減らしつつ様々な行動を取得，蓄積が可能になると考えられる．

6.1.2 相似行動発見手法の改善

本論文では，相似行動の発見に文字列探索アルゴリズムの一つの Smith-Waterman法を改良して利用した．Smith-Waterman法は，2つの文字列の全文字のマッチングを行った上で，スコア計算を行い類似する文字列を探索するアルゴリズムである．本論文では，Smith-Waterman法の利用を行うにあたり，スコアリングに用いる mismutchと gapのパラメータを高くする事で，連続した文字列に相違が出た場合即時にスコアが極端に下がる様にした．これにより 2つ以上の連続した行動の探索が容易に可能になった．一方で，文字列に相違が出る事でスコアが大きく下がる様にしたため，行動と行動の間の有無により相似行動の発見が困難になった．例えば，睡眠と食事の間に少しでも間が生じた場合，探索する行動順が”睡眠，その他，食事”となる．比較相手が睡眠と食事の間に間を挟まない場合，相手の行動は”睡眠，食事”となり，相似行動の発見が行えなかった．これらの改善手段として，その他の行動と，行動の無入力状態を分離する方法や，スコアリングパラメータの調整を行う方法等も考えられる．また，蓄積した行動を同期行動の様に，1分毎に分割した上で全探索を行う方法等も考えられる．Smith-Waterman法は探索する 2つの文字数が m，nの時，アルゴリズムオーダーは O(mn)となる．仮に 1日の行動が 10個ずつ格納されているとすると，全行動を 1分毎に分割したデータの解析にかかる時間は 2万倍以上になる．そのため，行動を時系列データとして扱う場合は，並列化等を用いた高速化が必須と言える．

6.1.3 利用コンテクストの増減とシチュエーションの限定

本論文では，類似行動の発見に利用する要素として，睡眠，食事，移動，運動，作業に加え，それ以外の行動としてその他の行動の 6種類の行動を利用した．これらは，本研究を進めるにあたり，予備調査として，ウェブ上で公開されている著名人の行動を分類した結果決定している．そのため，これらの行動はさらに細かく分類を行う事が可能であり，多くの種類の行動を利用した類似行動の発見を行う事も可能であると考えられる．一方で，利用シチュエーションを限定する事で，応用アプリケーションとして利用出来る例がいくつか考えられる．例えば，バスケットボールの練習時にどのような練習を行ったかによって人と人だけでなく，チームと

32

チームの類似を発見するも可能になると考えられる，また，強豪チームの練習方法に類似する部分の解析を行う事で，自分達のチームを発展させる事が出来る可能性がある．このように，利用コンテクストの増減や，シチュエーションの限定を行う事で，本提案手法は様々な応用が可能であると考えられる．

6.2 本研究のまとめ本論文では，日常生活を送る上で生じるライフログデータを利用して，自分と他者の 1日の行動から 2人の似た行動を類似行動として発見するシステム Synchrometerを提案した．Synchrometerは他者との行動の類似部分を発見し，可視化を行う事で比較相手とのユーザに取って分かりやすい形で提示する事が可能である．従来のライフログを利用した他者との関係性の可視化に関する試みは，利用者の歩数や位置情報等利用するコンテクストを限定して行われてきた．本研究では私達の日常生活で生じるライフログデータのうち，行動データに注目し他者との関係性の可視化を行った．本手法で利用する類似行動は 2種類の行動があり，それぞれを同期行動，相似行動と呼ぶ．同期行動は，自分と他人の行動を比較する際に，同じ時刻に同じ行動を行っているかを解析する事で発見を行う．相似行動は行動の比較時に，同様の行動遷移を行っている部分を抽出する事で発見を行う．提案した手法をもとに，ハードウェア設計，ソフトウェア設計を行った．設計に従い，類似行動発見アプリケーション及び類似行動の発見に利用する為のソフトウェアとして生活行動取得アプリケーションを実装した．実装したシステムを用いて，本研究で提案する類似行動を可視化する事で，利用者に新たな気付きを与えられるかの検証を行った．検証では，被験者に一定期間生活行動記録アプリケーションを利用してもらい，被験者のライフログデータの記録を行った．その後収集したデータを利用して，類似行動の発見を行った．その後，類似行動を被験者に対して可視化した上でインタビューを行った．インタビューの結果，類似行動は被験者に対して気付きを与え得る事が分かった．さらに，何人かの被験者は，類似行動を活用した具体的な活用方法にまで言及した．また，アンケートの結果，本研究で提案する類似行動は，一部手法に改善の余地があるものの，ユーザに取って有用なものであるという結果が得られた．また，アンケートの実施時に併設して，ライフログデータの共有に関しての調査を行った結果，匿名性が保証されるのであれば，自身のライフログデータを共有しても良いという結果が得られた．これにより，本手法で発見する類似行動を不特定多数へのユーザに対して利用出来る可能性がある事を示唆した．

33

謝辞

本論文の執筆にあたり，絶えず丁寧な御指導して頂きました，慶應義塾大学環境情報学部教授徳田英幸博士に深く感謝致します．また，慶應義塾大学環境情報学部准教授高汐一紀博士，慶應義塾大学環境情報学部准教授中澤仁博士，慶應義塾大学環境情報学部准教授清木康博士には貴重なご助言を賜り，感謝致します．また，慶應義塾大学徳田研究室秘書松尾由佳氏には，研究生活を送る上で様々な手助けをして頂きました．ここに深い感謝の意を表します．また，慶應義塾大学徳田研究室の諸先輩方には折に触れ貴重なご助言を頂き，また多くの議論の時間を割いて頂きました．特に政策・メディア研究科特任助教米澤拓郎氏，政策・メディア研究科研究員伊藤友隆氏，政策・メディア研究科研究員瀧本拓哉氏には，本研究を進めるにあたって多くの励ましと御指導を頂きました，また，政策・メディア研究科後期博士課程小島清信氏，大越匡氏，小川正幹氏には本論文の執筆に当たって様々な御指導を頂きました．ここに深い感謝の意を表します．また，同じ研究会で研究の日々を家族同然の様に過ごした，慶應義塾大学環境情政策・メディア研究科修士課程 2年西山勇毅氏，石黒照朗氏，興野悠太郎氏，加藤碧氏，慶應義塾大学総合政策学部 3年古川侑紀氏，慶應義塾大学環境情報学部 2年佐々木航氏，礒川直大氏，研究の日々を共に過ごした研究グループ ACE，CPSF，及び Life-Cloudの皆様に感謝致します．私生活では，大学の内外を問わず様々な方々と幅広い交流をさせて頂きました．慶應義塾大学湘南藤沢キャンパス公認ハンドボールサークル SHAKEHANDには，大学 1年より籍を置き，サークル活動の有無を問わず深く交流させて頂きました．大学 2年よりアルバイトを行わさせて頂いた港北とうきゅうボウルでは，5年間の勤務を通じて仕事をする上での責任感を教えて頂きました．また，スタッフの皆様には時に優しく，時に厳しく様々な御指導を頂き，勤務時間以外にも様々な交流をさせて頂きました．大学院入学後に所属したERNSアドバイザでは，アドバイザのサポートを行う ITCスタッフや ERNSアドバイザのメンバーと共に，様々な業務を通じて多くの経験をさせて頂きました．特に同じ ERNSアドバイザである山岸祐大氏とは，業務時以外でも様々な交流を致しました．また，馬場匠見氏は，ERNS アドバイザだけでなく，ハンドボールサークル SHAKEHANDでも共に過ごしました．これらの学業以外での様々な活動や多くの人との交流が私にとっての大きな学びとなり，その成果の一つとして本論文の失費の達成になりました．ここに深い感謝の意を表します．最後に，25年間私を支えてくれた家族に感謝します．人一倍責任感が強く家族の為に身を削りながらも私が迷った時には何時も導いてくれた父，誰よりも家族の事を考えてくれた母，夢を追いながらも家族思いである兄，離れて暮らしている為，なかなか合えないながらも，常に私の事を案じてくれている祖父母に深く感謝し，謝辞と致します．

2014年 1月 9日勝治 宏基

34

参考文献

[1] 亜令小林, 健嗣岩本, 智西山. 釈迦:携帯電話を用いたユーザ移動状態推定方式. 情報処理学会論文誌, Vol.

50, No. 1, pp. 193-208, jan 2009.

[2] Kay, Matthew, et al. Lullaby: a capture & access system for understanding the sleep environment.

Proceedings of the 2012 ACM Conference on Ubiquitous Computing. ACM, 2012.

[3] 森脇紀彦, 佐藤信夫, 脇坂義博, 辻聡美, 大久保教, 矢野和男. 組織活動可視化システム「ビジネス顕微鏡」(対面コミュニケーション-顔を中心的メディアとした). 電子情報通信学会技術研究報告. HCS, ヒューマンコミュニケーション基礎, vol.107, no.241, pp.31-36, 2007.

[4] Kota Tsubouchi, Ryoma Kawajiri, and Masamichi Shimosaka. 2013. Working-relationship detection

from fitbit sensor data. In Proceedings of the 2013 ACM conference on Pervasive and ubiquitous

computing adjunct publication (UbiComp ’13 Adjunct). ACM, New York, NY, USA, 115-118.

[5] Dong, Wen, Bruno Lepri, and Alex Sandy Pentland. ”Modeling the co-evolution of behaviors and

social relationships using mobile phone data.” Proceedings of the 10th International Conference on

Mobile and Ubiquitous Multimedia. ACM, 2011.

[6] 雨宮寛敏, 山岸勇貴, 河合純, 金田重郎. 導電性箸を用いた摂食行動の自動記録手法. 情報処理学会研究報告. 情報処理学会研究報告. 情報システムと社会環境研究報告 2013-IS-123(5), 1-8, 2013-03-08.

[7] 右田尚人, 服部祐一, 田中翔太, 井上創造. 動画像と加速度データを用いた行動類似評価システムMimicMotion. 情報処理学会研究報告. UBI,[ユビキタスコンピューティングシステム], 2013(44), 1-2.

[8] C.Faloutsos, M.Ranganathan, and Y.Manolopoulos, Fast subsequence matching in time-series data-

bases, Proc. 1994 ACM SIGMOD International Conference on Management of Data, pp.419-429,

1994.

[9] D.J.Berndtand and J.Clifford, Finding paterns in time series:A dynamic programming approach,in A

dvances in Knowledge Discovery and Data Mining, ed.U.M .Fayyad, G.Piatetsky-Shaplro, P.Smyth,

and R.Uthurusamy,pp 229-248,AAAI,1996.

[10] Smith, Temple F., and Michael S. Waterman. Identification of common molecular subsequences.

Journal of molecular biology 147.1 (1981): 195-197.

[11] Lipman, David J., and William R. Pearson. Rapid and sensitive protein similarity searches. Science

227.4693 (1985): 1435-1441.

[12] Pearson, William R., and David J. Lipman. Improved tools for biological sequence comparison.

Proceedings of the National Academy of Sciences 85.8 (1988): 2444-2448.

[13] Altschul, Stephen F., et al. Basic local alignment search tool. Journal of molecular biology 215.3

(1990): 403-410.

35

[14] Lu, Hong, et al. ”SoundSense: scalable sound sensing for people-centric applications on mobile

phones.” Proceedings of the 7th international conference on Mobile systems, applications, and ser-

vices. ACM, 2009.

[15] 服部正勝, 鈴木博, 菅谷誠一. HDD, ODD, 及び SSD の技術動向. 東芝レビュー, Vol.66, No.8, pp.30-

35(2011)

[16] Nike. Nike+, http://nikeplus.nike.com/.

[17] Amazon. http://www.amazon.co.jp/.

[18] The White House, President’s Schedule, http://www.whitehouse.gov/schedule/president/,

(2014/1/6).

[19] ねたたま, ９０歳現役漫画家の１日が凄い, http://netatama.net/archives/4720698.html, (2014/1/6).

[20] 職業調べ学習サイト「あしたね仕事人」, プロ野球選手の仕事・仕事内容 — 古田敦也さんの職業インタビュー, http://j.ashitane.net/worker/古田敦也, (2014/1/6).

[21] キリンという会社が変わった瞬間 激務トップ「私の 1日のスケジュール」公開：キリンビール社長（2）,

PRESIDENT Online, http://president.jp/articles/-/5102, (2014/1/6).

36

付録 A

アンケート用紙

以下に評価実験で利用したアンケートを示す．

37

　

SNS

t

ユーザ A

ユーザ B

t

ユーザ A

ユーザ B

　

図 A.1 アンケート表

　

38

　

. , . , . , . , .

. , . , . , . , .

　

図 A.2 アンケート裏

　

39