料理信息提供系统、料理信息提供方法、料理信息提供装置、料理信息提供程序产品以及记录有该程序产品的记录介质与流程

本发明涉及向用户提供与推荐进行饮食行动的料理相关的信息的料理信息提供系统、料理信息提供方法、料理信息提供装置、料理信息提供程序产品以及记录有该程序产品的记录介质。

背景技术：

1、以往，存在对用户提示推荐用户进行饮食行动的料理的系统。在这里，“饮食行为”是指与食物摄取相关的各种行为，不仅包括食用料理的行为本身，还包括该料理的烹饪及其准备以及在提供该料理的店铺进行预约这种行为。

2、然而，推荐的料理不仅根据用户对料理的嗜好这种基于用户本人的条件还根据环境条件(例如，能够进行饮食行动的时间、能入手的材料等)而不同。因此，作为这种系统已知有以下一种系统：除了用户对料理的嗜好之外，还考虑了环境条件的基础上提示要推荐的料理的系统(例如，参照专利文献1)。

3、现有技术文献

4、专利文献

5、专利文献1：国际公开第2020/241693号

技术实现思路

1、发明要解决的课题

2、专利文献1中所记载的系统在识别推荐的料理时，仅参照嗜好、状况这类一定程度上是固定的参数，而未参照用户的心情(即情绪)这种容易发生变动的参数。

3、然而，已知在情绪与饮食行动之间存在一定的相关性(例如，参照今田纯雄(2009).情绪与饮食行动，情绪心理学研究17，120-128)。因此，如果不准确地对情绪加以考虑，难以准确地掌握通过饮食行为达到满意的可能性高的料理。

4、另一方面，一般而言，用户难以准确地表达自己的情绪(进而向系统输入该情绪)。另外，进行用于准确地表现自己的情绪的研究会让用户感到繁杂，其结果，可能引起进一步的情绪变化。

5、本发明是鉴于上述问题而完成的，其目的在于提供一种能够准确地对情绪加以考虑从而向用户提供与通过饮食行为达到满意的可能性高的料理相关的信息的料理信息提供系统、料理信息提供方法、料理信息提供装置、料理信息提供程序产品以及记录有该程序产品的记录介质。

6、用于解决课题的手段

7、本发明的料理信息提供系统用于向用户提供料理信息，所述料理信息是与推荐料理相关的信息，所述推荐料理是推荐所述用户进行饮食行为的料理，

8、所述料理信息提供系统的特征在于，具备：

9、用户信息识别部，其识别用户信息，该用户信息是包括所述用户的生物信息、嗜好以及所述饮食行为的环境这些信息中的至少一个的信息；

10、当前情绪识别部，其识别当前情绪，该当前情绪是所述用户希望取得所述料理信息的时间点时的情绪；

11、推荐料理识别部，其使用预测模型来识别所述推荐料理，该预测模型是输入所述用户信息和所述当前情绪而输出所述推荐料理的模型；以及

12、料理信息提供部，其从料理信息识别部获取所述料理信息，并将该料理信息提供给所述用户，所述料理信息识别部识别与候选料理有关的多个信息，所述候选料理是在所述预测模型中使用的料理，并且是能够成为所述推荐料理的料理，

13、所述当前情绪识别部具有情绪模型提示部和坐标识别部，其中，所述情绪模型提示部将情绪模型以可选择该情绪模型中的任一坐标的形式提示给所述用户，所述情绪模型是基于多个基本情绪规定了坐标的平面模型或立体模型；所述坐标识别部将选择坐标识别为所述当前情绪，所述选择坐标是由所述用户选择的所述情绪模型中的坐标，

14、所述推荐料理识别部使用下述预测模型作为所述预测模型：将多个所述候选料理中的各个候选料理、所述选择坐标以及所述用户信息作为学习数据，使该预测模型对该候选料理与该选择坐标及该用户信息的相关性进行机器学习，并且从多个所述候选料理中选择所述推荐料理并将其输出。

15、在这里，“用户”是指本发明的料理信息提供系统的使用者。因此，设定为用户的人除了是进行饮食行动的本人之外，还包括让他人进行饮食行动的人以及由他人进行饮食行动的人等。例如，包括为了孩子而利用系统的父母以及由父母管理饮食行为的孩子等。

16、另外，在这里，“料理信息”除了料理的名称、材料、食谱这种与料理本身相关的信息之外，还包括与提供料理的店铺相关的信息、能够配送料理的服务名这种与用于获取料理的手段相关的信息。

17、另外，在这里，“学习数据”是为了训练机器学习算法而使用的数据，例如可以举出用于该训练的特征量、正解数据或它们的组等。更具体而言，所谓“学习数据”，是指用于决定机器学习算法所具有的参数的数据，例如可以举出用于决定所述参数的特征量、正解数据或它们的组等。

18、这样，在本发明的料理信息提供系统中，作为用于输入用户的情绪的界面，采用基于多个基本情绪规定了坐标的平面模型或立体模型、即情绪模型，将在该情绪模型中选择的坐标识别为用户的情绪。由此，用户无需将情绪转换为语言表现等，就能够将自己的情绪容易且准确地表现为坐标这种值。

19、而且，在该系统中，将该坐标作为输入数据。即，在该系统中，采用坐标这一明确的参数来代替情感这一模糊的参数。由此，在该系统中，排除了输入数据中的模糊性，因此能够获得准确的推荐料理作为输出数据。

20、因此，根据本发明的系统，能够在准确地考虑了情绪的基础上向用户提供与恰当的推荐料理有关的料理信息。进而，通过对该推荐料理进行饮食行动，用户能够高概率地获得满足感。

21、另外，在本发明的料理信息提供系统中，优选的是，

22、所述情绪模型是包括表示一个或多个基本情绪的第一坐标轴以及表示所述基本情绪的强弱的第二坐标轴的模型。

23、在采用了使用这种坐标轴的模型作为情绪模型时，用户容易直观地理解该情绪模型中的坐标是指怎样的情绪。进而，用户容易将自己的情绪准确地表现为坐标，进一步排除了输入数据的模糊性。由此，能够进一步在准确地考虑了情绪的基础上向用户提供与更恰当的推荐料理相关的料理信息。

24、需要说明的是，作为使用了这种坐标轴的情绪模型，例如可以采用emojigrid、普拉特切克(plutchik)的情绪的环、以及以它们为基础而生成的模型(例如，沿用了普拉特切克的情绪的环的颜色配置的圆形的模型等)。另外，作为该基本情绪，例如能够采用在普拉特切克情绪的环中采用的喜悦、信赖、害怕、惊恐、悲伤、厌恶、气愤、期待、艾克曼理论中的喜悦、恐惧、惊恐、悲伤、厌恶、气愤等。

25、此外，在本发明的料理信息提供系统中，优选的是，

26、所述推荐料理识别部识别多个所述推荐料理，

27、所述料理信息提供部向所述用户提供与多个所述推荐料理的各个推荐料理分别对应的所述料理信息。

28、这样，在提供与多个推荐料理相关的料理信息时，以哪个推荐料理为对象进行饮食行动这样的最终选择由用户作决定。由此，在对所选择的推荐料理实际进行了饮食行为的情况下，用户会被给与成为该饮食行为的对象的料理是基于自己的选择的认同感，因此容易从该饮食行为的结果获得满足感。

29、此外，在本发明的料理信息提供系统是提供多个料理信息的构成的情况下，优选的是，

30、所述料理信息提供系统包括选择状况识别部，所述选择状况识别部针对多个所述推荐料理中的各个推荐料理识别选择状况，该选择状况是指成为所述用户从多个所述推荐料理选择出的推荐料理、即选择料理的时间点时的状态，

31、所述推荐料理识别部使用下述预测模型作为所述预测模型：使用多个所述候选料理中的各个候选料理、所述选择坐标、所述用户信息和所述选择状况作为学习数据，机器学习该候选料理、该选择坐标、该用户信息以及该选择状况之间的相关性，并且输出从多个所述候选料理中选择出的所述推荐料理。

32、这样，采用选择状况作为学习数据的预测模型符合用户的实际状态，其中，该选择状况是直到上次的获得的选择料理变为所被选择的料理的时间点时的状态。其结果，当对通过该预测模型输出的推荐料理进行饮食行动时，用户能够以更高的概率获得满足感。

33、在这里，作为系统侧状况的“选择状况”是指，除了后述的选择次数、显示位置以外，还可以举出在选择该选择料理以前成为选择料理的推荐料理、在选择了该选择料理的时间点的同时提示的推荐料理的种类等。另外，作为用户侧状况“选择状况”可以举出选择了该选择料理的时刻(进而确认是早餐还是晚餐等)、选择了该选择料理的时间点的前后的用户的动作(例如，对便携终端的操作内容)等。

34、另外，在本发明的料理信息提供系统中，在使用了采用成为选择料理的时间点的状况、即选择状况作为学习数据的预测模型的构成的情况下，优选的是，所述选择状况识别部至少识别多个所述推荐料理的各个推荐料理的选择次数作为所述选择状况，其中，所述选择次数是成为所述选择料理的次数。

35、成为选择料理这一情况可以认为是该用户直接喜欢的料理的可能性高。因此，像这样采用选择次数作为选择状况时，所输出的推荐料理容易成为符合用户嗜好的料理。进而，能够向用户提供与恰当的推荐料理有关的料理信息。

36、此外，在本发明的料理信息提供系统中，在使用了采用选择状况作为学习数据的预测模型的构成的情况下，推荐料理识别部使用下述预测模型作为所述预测模型：使用多个所述候选料理中的各个候选料理、所述选择坐标、所述用户信息和所述选择状况作为学习数据，机器学习该候选料理与该选择坐标、该用户信息以及该选择状况之间的相关性以及作为相关性的强度的推荐度，并且输出从多个候选料理中选择出的所述推荐料理以及该推荐料理的所述推荐度，

37、所述料理信息提供部将与多个所述推荐料理中的各个推荐料理对应的所述料理信息与推荐度一起提供给用户，或者以与推荐度越高的推荐料理对应的料理信息越优先的形式提供给所述用户。

38、这样，若将与多个推荐料理的各个推荐料理分别对应的料理信息与推荐度一起、或者以推荐度越高越优先地进行推荐的形式提供给用户，则用户自然能够容易地选择与推荐度高、自己能满意的可能性高的推荐料理相关的料理信息。

39、另外，本发明的料理信息提供系统用于向用户提供料理信息，所述料理信息是与推荐料理相关的信息，所述推荐料理是推荐所述用户进行饮食行为的料理，

40、所述料理信息提供系统的特征在于，具备：

41、用户信息识别部，其识别用户信息，该用户信息是包括所述用户的生物信息、嗜好以及所述饮食行为的环境这些信息中的至少一个的信息；

42、当前情绪识别部，其识别当前情绪，该当前情绪是所述用户希望取得所述料理信息的时间点时的情绪；

43、推荐料理识别部，其基于相关性数据来识别所述推荐料理，其中，所述相关性数据是表示所述用户信息及所述当前情绪与作为可能成为所述推荐料理的多个候选料理的各个料理的相关关系；以及

44、料理信息提供部，其从识别了多个与所述候选料理相关的信息的料理信息识别部取得所述料理信息，并将该料理信息提供给所述用户，

45、所述当前情绪识别部具有情绪模型提示部和坐标识别部，其中，所述情绪模型提示部将情绪模型以可选择该情绪模型中的任一坐标的形式提示给所述用户，所述情绪模型是基于多个基本情绪规定了坐标的平面模型或立体模型；所述坐标识别部将选择坐标识别为所述当前情绪，所述选择坐标是由所述用户选择的所述情绪模型中的坐标。

46、这样，在本发明的料理信息提供系统中，作为用于输入用户的情绪的界面，采用基于多个基本情绪规定了坐标的平面模型或立体模型、即情绪模型，将在该情绪模型中选择的坐标识别为用户的情绪。由此，用户无需将情绪转换为语言表现等就能够将自己的情绪容易且准确地表现为坐标这样的值。

47、而且，在该系统中，采用该坐标作为当前情绪。即，在该系统中，采用坐标这一明确的参数来代替情感这一模糊的参数。由此，在该系统中，排除了与相关性数据的一方对应的当前情绪这一项目的模糊性，因此能够准确地获得与相关性数据的另一方对应的推荐料理。

48、因此，根据本发明的系统，能够在准确地考虑了情绪的基础上向用户提供与恰当的推荐料理相关的料理信息。进而，通过对该推荐料理进行饮食行动，用户能够高概率地获得满足感。

49、另外，本发明的料理信息提供方法用于向用户提供料理信息，所述料理信息是与推荐料理相关的信息，所述推荐料理是推荐所述用户进行饮食行为的料理，

50、所述料理信息提供方法的特征在于，包括以下各步骤：

51、用户信息识别部识别用户信息的步骤，该用户信息是包括所述用户的生物信息、嗜好以及所述饮食行为的环境这些信息中的至少一个的信息；

52、当前情绪识别部识别当前情绪的步骤，该当前情绪是所述用户希望取得所述料理信息的时间点时的情绪；

53、推荐料理识别部使用预测模型来识别所述推荐料理的步骤，该预测模型是输入所述用户信息和所述当前情绪而输出所述推荐料理的模型；

54、料理信息提供部从料理信息识别部获取所述料理信息并将该料理信息提供给所述用户的步骤，所述料理信息识别部识别与候选料理有关的多个信息，所述候选料理是在所述预测模型中使用的料理，并且是能够成为所述推荐料理的料理，

55、在所述识别当前情绪的步骤中，包括所述当前情绪识别部的情绪模型提示部将情绪模型以可选择该情绪模型中的任一坐标的形式提示给所述用户的处理以及所述当前情绪识别部的坐标识别部将选择坐标识别为所述当前情绪的处理，其中，所述情绪模型是基于多个基本情绪规定了坐标的平面模型或立体模型；所述选择坐标是由所述用户选择的所述情绪模型中的坐标，

56、在识别所述推荐料理的步骤中，所述推荐料理识别部使用下述预测模型作为所述预测模型：将多个所述候选料理中的各个候选料理、所述选择坐标以及所述用户信息作为学习数据，使该预测模型对该候选料理与该选择坐标及该用户信息的相关性进行机器学习，并且从多个所述候选料理中选择所述推荐料理并将其输出。

57、另外，本发明的料理信息提供装置用于向用户提供料理信息，所述料理信息是与推荐料理相关的信息，所述推荐料理是推荐所述用户进行饮食行为的料理，

58、所述料理信息提供装置的特征在于，具备：

59、用户信息识别部，其识别用户信息，该用户信息是包括所述用户的生物信息、嗜好以及所述饮食行为的环境这些信息中的至少一个的信息；

60、当前情绪识别部，其识别当前情绪，该当前情绪是所述用户希望取得所述料理信息的时间点时的情绪；

61、推荐料理识别部，其使用预测模型来识别所述推荐料理，该预测模型是输入所述用户信息和所述当前情绪而输出所述推荐料理的模型；以及

62、料理信息提供部，其从料理信息识别部获取所述料理信息，并将该料理信息提供给所述用户，所述料理信息识别部识别与候选料理有关的多个信息，所述候选料理是在所述预测模型中使用的料理，并且是能够成为所述推荐料理的料理，

63、所述当前情绪识别部具有情绪模型提示部和坐标识别部，其中，所述情绪模型提示部将情绪模型以可选择该情绪模型中的任一坐标的形式提示给所述用户，所述情绪模型是基于多个基本情绪规定了坐标的平面模型或立体模型；所述坐标识别部将选择坐标识别为所述当前情绪，所述选择坐标是由所述用户选择的所述情绪模型中的坐标，

64、所述推荐料理识别部使用下述预测模型作为所述预测模型：将多个所述候选料理中的各个候选料理、所述选择坐标以及所述用户信息作为学习数据，使该预测模型对该候选料理与该选择坐标及该用户信息的相关性进行机器学习，并且从多个所述候选料理中选择所述推荐料理并将其输出。

65、另外，本发明的料理信息提供程序产品用于使计算机执行料理信息提供方法，该料理信息提供方法用于向用户提供料理信息，所述料理信息是与推荐料理相关的信息，所述推荐料理是推荐所述用户进行饮食行为的料理，

66、所述料理信息提供程序产品的特征在于，使计算机执行具有以下各步骤的所述料理信息提供方法：

67、用户信息识别部识别用户信息的步骤，该用户信息是包括所述用户的生物信息、嗜好以及所述饮食行为的环境这些信息中的至少一个的信息：

68、当前情绪识别部识别当前情绪的步骤，该当前情绪是所述用户希望取得所述料理信息的时间点时的情绪；

69、推荐料理识别部使用预测模型来识别所述推荐料理的步骤，该预测模型是输入所述用户信息和所述当前情绪而输出所述推荐料理的模型；

70、料理信息提供部从料理信息识别部获取所述料理信息并将该料理信息提供给所述用户的步骤，所述料理信息识别部识别与候选料理有关的多个信息，所述候选料理是在所述预测模型中使用的料理，并且是能够成为所述推荐料理的料理，

71、在所述识别当前情绪的步骤中，包括所述当前情绪识别部的情绪模型提示部将情绪模型以可选择该情绪模型中的任一坐标的形式提示给所述用户的处理以及所述当前情绪识别部的坐标识别部将选择坐标识别为所述当前情绪的处理，其中，所述情绪模型是基于多个基本情绪规定了坐标的平面模型或立体模型；所述选择坐标是由所述用户选择的所述情绪模型中的坐标，

72、在识别所述推荐料理的步骤中，所述推荐料理识别部使用下述预测模型作为所述预测模型：将多个所述候选料理中的各个候选料理、所述选择坐标以及所述用户信息作为学习数据，使该预测模型对该候选料理与该选择坐标及该用户信息的相关性进行机器学习，并且从多个所述候选料理中选择所述推荐料理并将其输出。

73、另外，本发明的记录介质的特征在于，记录所述料理信息提供程序产品，所述计算机能够读取所述料理信息提供程序产品。

74、附图的简单说明

75、图1是表示实施方式的提供系统的概要结构的说明图。

76、图2是表示图1的提供系统的处理部的结构的框图。

77、图3a是表示在图1的提供系统中用于获取当前情绪而使用的情绪模型的一例的示意图。

78、图3b是表示在第一变形例的提供系统中为了获取当前情绪而使用的情绪模型的一例的示意图。

79、图3c是表示在第二变形例的提供系统中为了获取当前情绪而使用的情绪模型的一例的示意图。

80、图4a是表示图1的提供系统在提供料理信息之前执行的处理的流程图。

81、图4b是表示图1的提供系统在选择了料理信息时执行的处理的流程图。

82、图5是表示图1的提供系统在识别用户信息时在用户终端上显示的图像的一例的示意图。

83、图6是表示图1的提供系统在识别当前情绪时在用户终端上显示的图像的一例的示意图。

84、图7是表示图1的提供系统在提供料理信息时在用户终端上显示的图像的一例的示意图。

85、图8是表示图1的提供系统在选择了料理信息中的任一信息时在用户终端上显示的图像的一例的示意图。