状态预测系统、成员判定系统和状态预测方法

技术领域

本发明涉及一种状态预测系统、成员判定系统和状态预测方法。

背景技术

日本未审查专利申请公开第2011-186521号(JP 2011-186521 A)公开了情绪评估装置，其评估作为在人际交流场所中的情绪的群体情绪。在该技术中，该群体情绪根据关于个人的当前情绪的信息和状态转变模型来评估。

发明内容

在JP 2011-186521 A的技术中，能够评估出当前群体情绪由于个人的当前情绪的恶化而恶化，但是在群体情绪恶化前无法采取任何措施。即使采取了措施，也难以从群体情绪恶化的状态恢复场所的气氛。本发明人已经认识到，为了顺利地促进群体内的交流，预测个人的未来状态是令人期望的。

本发明提供一种能够预测群体中的个人的未来状态的技术。

本发明的第一方案涉及一种状态预测系统，其包括控制器。所述控制器被配置为，获取指示群体中的目标个人的当前状态的当前状态值，获取指示通过所述目标个人和所述群体中的其他人员之间的交流而从所述其他人员传播到所述目标个人的状态量的状态传播量，并且根据获取的所述目标个人的所述当前状态值和获取的所述状态传播量，预测指示所述目标个人的未来状态的未来状态值。

在所述方案中，所述控制器可以被配置为，获取指示所述其他人员的当前状态的当前状态值、所述目标个人和所述其他人员之间的当前交流量以及所述其他人员对所述目标个人的状态的影响的程度作为信息，并且基于获取的所述信息导出从所述其他人员到所述目标个人的所述状态传播量。

在所述方案中，所述控制器可以被配置为，导出所述其他人员的所述当前状态值、所述目标个人和所述其他人员之间的所述当前交流量以及所述其他人员对所述目标个人的所述状态的所述影响的所述程度的积，作为从所述其他人员到所述目标个人的所述状态传播量，并且导出所述目标个人的所述当前状态值和从所述其他人员到所述目标个人的所述状态传播量的和，作为所述目标个人的所述未来状态值。

在所述方案中，所述控制器可以被配置为，对于所述群体中的多个其他人员中的每一个，导出所述其他人员的所述当前状态值、所述目标个人和所述其他人员之间的所述当前交流量以及所述其他人员对所述目标个人的所述状态的所述影响的所述程度的积，作为从所述其他人员到所述目标个人的所述状态传播量，并且导出所述目标个人的所述当前状态值和从所述多个其他人员到所述目标个人的状态传播量的总和作为所述目标个人的所述未来状态值。

在所述方案中，所述控制器可以被配置为，对于所述群体中的多个其他人员中的每一个，获取从所述其他人员到所述目标个人的所述状态传播量，以及比较获取的从所述多个其他人员到所述目标个人的所述状态传播量，并且基于比较结果，建议变更所述目标个人和所述其他人员之间的交流量，以改善所述目标个人的所述未来状态值。

在所述方案中，所述控制器可以被配置为，预测所述群体中的多个人员中的每一个的未来状态值，并且基于预测的所述多个人员中的每一个的所述未来状态值，预测指示所述群体的未来状态的未来群体状态值。

在所述方案中，所述控制器可以被配置为，导出所述多个人员之间的目标交流量，以改善预测的所述未来群体状态值，并且将所述群体中两个目标人员之间的当前交流量与所述目标交流量进行比较，并基于比较结果建议变更交流量。

本发明的第二方案涉及一种成员判定系统，其包括控制器。所述控制器被配置为，暂时设定作为组成群体的候选人的多个人员，对于暂时设定的所述多个人员中的每一个，获取指示所述人员的当前状态的当前状态值，对于暂时设定的所述多个人员中的每一个，获取指示从所述群体中的其他人员传播到所述人员的状态量的状态传播量，所述状态量是基于所述人员和所述其他人员之间的过去交流量预测的，对于暂时设定的所述多个人员中的每一个，根据获取的所述人员的所述当前状态值以及获取的到所述人员的所述状态传播量，预测指示所述人员的未来状态的未来状态值，基于预测的所述多个人员中的每一个的所述未来状态值，预测指示所述群体的未来状态的未来群体状态值，并且当预测的所述未来群体状态值满足针对良好状态的预定条件时，将暂时设定的所述多个人员判定为所述群体的成员。

本发明的第三方案涉及一种状态预测方法，其由计算机执行。所述状态预测方法包括获取指示群体中的目标个人的当前状态的当前状态值；获取指示通过所述目标个人和所述群体中的其他人员之间的交流而从所述其他人员传播到所述目标个人的状态量的状态传播量；以及根据获取的所述目标个人的所述当前状态值和获取的所述状态传播量，预测指示所述目标个人的未来状态的未来状态值。

根据本发明的这些方案，能够提供一种能够预测群体中的个人的未来状态的技术。

附图说明

下面将参照附图描述本发明的示例性实施例的特征、优点以及技术和工业意义，其中相同的标号表示相同的元件，并且其中：

图1是用于描述根据第一实施例的交流支持系统的功能的图；

图2是图1之后的用于描述交流支持系统的功能的图；

图3是示出根据第一实施例的交流支持系统的配置的图；

图4是示出成员的当前压力状态值和对话量的示例的图；

图5是示出根据图4的当前压力状态值和对话量预测的未来压力状态值的图；

图6是示出多个对话量模式中的每一个、未来个人压力状态值和未来群体压力状态值之间的关系的示例的图；

图7是示出图3的交流支持系统的交流支持处理的流程图；

图8是示出交流支持处理的另一示例的流程图；

图9是用于描述根据第二实施例的交流支持系统的成员判定功能的图；

图10是图9后的用于描述交流支持系统的成员判定功能的图；

图11是示出根据第二实施例的交流支持系统的配置的图；以及

图12是示出图11的交流支持系统的成员判定处理的流程图。

具体实施方式

第一实施例

图1是用于描述根据第一实施例的交流支持系统的功能的图。交流支持系统支持在图1中的群体G1中顺利的交流。顺利的交流意味着组成群体G1的各个成员P1至P4(以下也称为“个人”或“人员”)在成员保持良好状态的同时进行交流。成员的数量可以是复数。在下文中，将示意性地描述群体G1具有集会的示例。稍后将描述该系统的详细处理。

交流支持系统周期性地获取指示群体G1的各个成员P1至P4的当前状态的当前状态值S1(t)至S4(t)，以及从群体G1中抽取的任意两个成员的多个组合的每一个中的两个成员之间的当前交流量W12(t)、W13(t)、W14(t)、W23(t)、W24(t)、W34(t)。把现在作为时间t。例如，当前状态值S1(t)是表示成员P1的当前状态的数值，并且交流量W13(t)是表示成员P1和P3之间的当前交流量的数值。成员P1、P2之间没有交流，并且它们之间的交流量W12(t)为零。在图1的示例中，当前状态值S1(t)至S4(t)的大小由条形图的长度表示，并且交流量W13(t)等的大小由成员之间的实线的粗细表示。

当前状态值例如是压力状态值、情绪值、表现值、表示疲劳的程度的值、表示幸福的程度的值等。当前状态值可以是通过将这些值中的至少两个值代入预定计算公式而获得的值。预定计算公式可以例如是通过加权每个值来计算总和的公式。当前状态值能够使用传感器等通过已知技术来检测。例如，可以通过分析由相机拍摄的成员的图像、执行成员的面部表情分析以及评估成员的情绪来获取情绪值。当前状态值不必是检测到的值，并且可以是由各个成员报告的数值。

当前状态值例如是从负到正范围内的值，其中较大的正值表示较差的状态，并且较小的负值表示较好的状态。例如，在当前状态值表示压力状态值时，较大的正值表示较差的状态，并且较小的负值表示较好的状态。也有可能较大的正值表示较好的状态，并且较小的负值表示较差的状态。例如，在当前状态值表示幸福时，较大的正值代表较好的状态，并且较小的负值代表较差的状态。

交流量是单位时间内两个成员之间交流的程度的数值，如单位时间内两个成员之间的对话量、基于单位时间内两个成员之一向另一个成员微笑的时间得出的量、基于单位时间内两个成员之一看另一个成员的时间得出的量，或基于单位时间内两个成员之间做手势的时间量得出的量。交流量可以是通过将这些量中的至少两个代入预定计算公式而获得的值。交流量是零以上的值。交流量能够通过使用麦克风、相机、传感器等通过已知技术来检测。

交流支持系统基于当前状态值S1(t)至S4(t)和当前交流量W12(t)至W34(t)，获取从群体G1中抽取的任意两个成员的多个组合中的每一个组合中的两个成员之间的状态传播量。状态传播量指示通过两个成员的交流而从一个成员传播到另一个成员的状态量，并且是负到正范围内的值。从第一成员到第二成员的状态传播量可以与例如第一成员的当前状态值和成员之间的当前交流量成比例。从第一成员到第二成员的状态传播量还可以与表示第二成员对伙伴的状态的敏感度的系数成比例。因此，例如，从成员P1到成员P3的状态传播量很可能不同于从成员P3到成员P1的状态传播量。由于成员P1和成员P2之间的交流量W12(t)为零，所以假设从成员P1到成员P2的状态传播量和从成员P2到成员P1的状态传播量为零。

对于成员P1至P4中的每一个，交流支持系统根据该成员的当前状态值S1(t)至S4(t)和从多个其他成员到该成员的状态传播量来预测指示该成员的未来状态的未来状态值。把未来作为时间t+1。例如，未来状态值S1(t+1)是表示成员P1的未来状态的数值，并且可以通过将从成员P2到P1的状态传播量、从成员P3到P1的状态传播量以及从成员P4到P1的状态传播量与成员P1的当前状态值S1(t)相加来获得。未来状态值S2(t+1)至S4(t+1)也能够以相同的方式获取。

交流支持系统基于未来状态值S1(t+1)至S4(t+1)预测指示群体G1的未来状态的群体状态值Sm。在图1的示例中，假设未来群体状态值Sm大于阈值Th。当群体状态值Sm大于阈值Th时，交流支持系统向成员P1至P4建议变更交流量，使得未来群体状态值Sm小于阈值Th。

例如，交流支持系统建议增加成员P1和成员P2之间、成员P1和成员P3之间、成员P2和成员P3之间以及成员P3和成员P4之间的交流量，并建议减少成员P1和成员P4之间以及成员P2和成员P4之间的交流量。

图2是图1之后的用于描述交流支持系统的功能的图。假设从成员P1至P4的每一个根据来自交流支持系统的建议变更了交流量。因而，由交流支持系统新预测的成员的未来状态值S1(t+1)至S4(t+1)不同于图1中的值。与图1中的值不同，未来群体状态值Sm也小于阈值Th。因此，与图1的状态相比，各个成员容易在集会期间保持良好的状态，并且因此能够更顺利地促进群体G1中的交流。

下文将详细描述当前状态值和未来状态值为压力状态值且交流量为对话量的示例。压力状态值例如是负到正范围内的值，其中较大的正值表示较强的压力，并且较小的负值表示较大程度的放松。正、负所表示的压力状态可以颠倒。对话量是零以上的值。

图3是示出根据第一实施例的交流支持系统1的配置的图。交流支持系统1包括麦克风2、相机4、传感器6、存储装置7、输出装置8和处理装置10。尽管未示出，但是交流支持系统1具有多个麦克风2、多个相机4和多个传感器6。交流支持系统1也能够被称为“状态预测系统”。处理装置10是本发明中的控制器的示例。

麦克风2获取组成群体G1的多个成员P1至Pk(k为2以上的整数)的对话，并将获取的语音数据提供给处理装置10。相机4拍摄成员P1至Pk，并将拍摄的图像数据提供给处理装置10。传感器6被附接到成员P1至Pk中的每一个的身体上，检测成员P1至Pk中的每一个的心率，并将检测到的心率数据提供给处理装置10。输出装置8包括例如能够输出图像的显示器和能够输出语音的语音输出装置中的至少一个以输出各种信息。输出装置8可以包括在诸如由成员P1至Pk中的每一个所拥有的智能手机的移动终端中。

处理装置10包括第一分析单元12、第二分析单元14、第一获取单元16、第二获取单元18、个人状态预测单元20、群体状态预测单元22、导出单元24和建议单元26。处理装置10可以是例如个人计算机、智能手机、服务器装置等。

处理装置10的配置，就硬件而言，能够由计算机的CPU、存储器或其他LSI实施，并且就软件而言，能够由加载在存储器中的程序实施，但在此，绘制了通过硬件和软件的协作实施的功能块。因此，本领域技术人员可以理解，功能块能够仅通过硬件、仅通过软件或其组合以各种形式实施。

第二分析单元14具有面部图像识别功能，并识别由相机4拍摄的多个面部图像表示哪个注册用户的面部图像。存储装置7存储注册用户的面部图像的特征量。第二分析单元14将存储在存储装置7中的注册用户的面部图像的特征量与图像数据的面部图像的特征量进行比较，执行成员P1至Pk中的每一个的面部图像的认证处理，并决定成员P1至Pk中的每一个是否是注册用户。当第二分析单元14决定成员P1至Pk中的每一个是注册用户时，第二分析单元14将作为成员P1至Pk中的每一个的识别信息的关于注册用户的识别信息提供给第一分析单元12和第二获取单元18。用于管理员等指定多个成员的信息可以被输入到处理装置10的输入单元(未示出)。

第二分析单元14通过对从麦克风2提供的语音数据执行语音分析和对从相机4提供的图像数据执行图像分析，定期检测到目前为止单位时间内成员Pi、Pj之间的对话量Wij(t)(i，j≤k)。例如，随着单位时间内成员Pi、Pj之间对话时间越长，第二分析单元14导出越大的对话量Wij(t)。第二分析单元14将检测到的对话量Wij(t)提供给第二获取单元18。

第二分析单元14具有说话者识别功能，并识别从麦克风2提供的语音数据表示哪个注册用户的语音数据。注册用户的语音模板被登记在存储装置7中，并且第二分析单元14将所提供的语音数据与存储在存储装置7中的语音模板进行比较，以指定说话者是谁。第二分析单元14从图像数据中指定成员P1至Pk中的每一个的位置，并从正在发声的成员的面部图像面对的方向评估该发声是针对哪个成员的。第二分析单元14可以具有自然语言处理功能，并且可以分析成员之间的对话情况，并且根据分析结果评估哪些成员正在相互交谈。能够使用已知的技术来检测对话量Wij(t)。

第一分析单元12通过分析从传感器6提供的成员P1至Pk中的每一个的心率数据，定期检测成员P1至Pk中的每一个的压力状态值S1(t)至Sk(t)，并将检测到的压力状态值S1(t)至Sk(t)提供给第一获取单元16和第二获取单元18。能够使用已知的技术来检测压力状态值。应当注意，可以不设置传感器6，并且可以由管理员等通过数字输入或语音输入将由成员P1至Pk中的每一个报告的压力的程度周期性地输入到处理装置10的输入单元(未示出)。在这种情况下，第一分析单元12通过分析输入信息来检测压力状态值S1(t)至Sk(t)。

第一获取单元16和第二获取单元18对群体G1的成员P1至Pk中的每一个执行以下处理。

第一获取单元16获取由第一分析单元12检测的目标成员Pi的当前压力状态值Si(t)。该操作是第一获取单元16获取指示群体G1中的目标个人Pi的当前状态的当前状态值Si(t)的示例。

第二获取单元18对于群体G1中的其他人员中的每一个获取状态传播量，该状态传播量指示通过目标成员Pi和群体G1中的其他人员Pj之间的交流而从其他人员Pj传播到目标成员Pi的状态量。具体地，对于群体G1中的多个其他人员的每一个，第二获取单元18获取由第一分析单元12检测的其他人员Pj的当前压力状态值Sj(t)、由第二分析单元14检测的目标成员Pi和其他人员Pj之间的当前对话量Wij(t)以及其他人员Pj对目标成员Pi的状态的影响的程度λ。影响的程度λ是目标成员Pi特有的值。对于群体G1中的多个其他人员中的每一个，第二获取单元18导出获取的其他人员Pj的当前压力状态值Sj(t)、目标成员Pi和其他人员Pj之间的当前对话量Wij(t)以及其他人员Pj对目标成员Pi的状态的影响的程度λ的积，作为从其他人员Pj到目标成员Pi的状态传播量。

该操作为以下示例：对于群体G1中的多个其他人员中的每一个，第二获取单元18获取指示其他人员Pj的当前状态的当前状态值Sj(t)、目标个人Pi和其他人员Pj之间的当前交流量Wij(t)以及其他人员Pj对个人Pi的状态的影响的程度λ，并导出获取的其他人员Pj的当前状态值Sj(t)、个人Pi和其他人员Pj之间的当前交流量Wij(t)以及其他人员Pj对个人Pi的状态的影响的程度λ的积，作为从其他人员Pj到个人Pi的状态传播量。

存储装置7与注册用户的识别信息相关联地预先存储注册用户特有的影响的程度λ。影响的程度λ的值为零以上。由于影响的程度λ因注册用户的个体而异，因此影响的程度λ是为各个注册用户设定的。第二获取单元18获取目标成员的识别信息，并从存储装置7获取与获取的识别信息相关联的影响的程度λ。

可以为个人和其他人员的每种组合设定影响的程度λ。以这种方式，还能够根据伙伴是熟练的还是笨拙的，在状态传播量中反映伙伴的状态对个人的不同程度的影响，从而使得能够获取更准确的状态传播量。

影响的程度λ能够根据成员的身体状况等而变更。至于影响的程度λ，可以通过管理员等向处理装置10的输入，将集会之前将由成员P1至Pk中的每一个报告的数值存储在存储装置7中，或者可以将基于传感器(未示出)的检测值导出的值存储在存储装置7中。例如，可以由传感器周期性地检测成员的疲劳或专注的程度，并且可以由处理装置10根据检测结果周期性地导出影响的程度。可替代地，可以将由成员报告的前一天的睡眠时间和平均睡眠时间输入到处理装置10，并且可以通过处理装置10基于前一天的睡眠时间与平均睡眠时间的比率来导出影响的程度。

对于成员P1至Pk中的每一个，个人状态预测单元20根据由第一获取单元16获取的目标成员Pi的当前压力状态值Si(t)和由第二获取单元18获取的从其他人员到目标成员Pi的状态传播量，预测目标成员Pi的未来压力状态值Si(t+1)。即，个人状态预测单元20预测群体G1中各个成员P1至Pk的未来状态值S1(t+1)至Sk(t+1)。具体地，对于成员P1至Pk中的每一个，个人状态预测单元20将目标成员Pi的当前压力状态值Si(t)和从多个其他人员到目标成员Pi的状态传播量的总和设定为目标成员Pi的未来压力状态值Si(t+1)。

该操作为以下的示例：针对群体G1中的人员P1至Pk中的每一个，个人状态预测单元20根据个人Pi的当前状态值Si(t)和从多个其他人员到个人Pi的状态传播量来预测指示个人Pi的未来状态的未来状态值Si(t+1)。

图4示出了成员P1至P3的当前压力状态值和对话量的示例。图5示出了根据图4的当前压力状态值和对话量预测的未来压力状态值。

在图4中，假设成员P1的当前压力状态值S1(t)为“15”，成员P2的当前压力状态值S2(t)为“18”，并且成员P3的当前压力状态值S3(t)为“10”。假设成员P1和成员P2之间的当前对话量W12(t)为“1.0”，并且成员P1和成员P3之间的当前对话量W13(t)为“0.2”，并且成员P2和成员P3之间的当前对话量W23(t)为“0”。

在该示例的情况下，成员P1的未来压力状态值S1(t+1)如上所述由以下等式(1)表示。

S1(t+1)＝S1(t)+S2(t)×W12(t)×λ12+S3(t)×W13(t)×λ13    式(1)

这里，λ12是成员P2对成员P1状态的影响的程度，并且λ13是成员P3对成员P1状态的影响的程度。如上所述，λ12和λ13可以相等。S2(t)×W12(t)×λ12是从成员P2到成员P1的状态传播量。S3(t)×W13(t)×λ13是从成员P3到成员P1的状态传播量。

例如，假设λ12＝0.1并且λ13＝0.2，S1(t+1)变为“17.2”。以这种方式，能够根据成员P1至P3的当前压力状态值S1(t)至S3(t)以及对话量W12(t)和W13(t)来预测成员P1的未来压力状态值S1(t+1)。由于基于状态传播量来预测个人的未来状态值，所以能够在考虑了与其他人员的交流的影响的情况下预测个人的未来状态值。

例如，当某个成员Pi的交流伙伴Pj的压力状态值Sj(t)为负值时，来自伙伴Pj的状态传播量变为负值，因此，成员Pi的未来压力状态值Si(t+1)变得低于当前压力状态值Si(t)。即，当伙伴处于放松状态时，成员的压力状态有望通过该成员通过与伙伴的交流受伙伴的状态影响而改善。

对于成员P1至Pk中的每一个，个人状态预测单元20可以基于目标成员Pi的当前状态值和从一个其他人员Pj到目标成员Pi的状态传播量来预测目标成员Pi的未来状态值Si(t+1)。即，在从多个其他人员到目标成员Pi的状态传播量大于0的情况下，所有的状态传播量都不必考虑。在这种情况下，一个其他人员Pj可以是例如具有最大的到目标成员Pi的状态传播量的绝对值的成员。可能还有两个以上的其他人员。即使不使用具有相对较小绝对值的状态传播量，通过使用具有最大绝对值的状态传播量，也能够抑制未来状态值的预测精度的恶化。此外，能够减少处理负荷。

群体状态预测单元22基于由个人状态预测单元20预测的各个成员P1至Pk的未来压力状态值S1(t+1)至Sk(t+1)来预测指示群体G1的未来状态的群体G1的压力状态值Sm。群体状态预测单元22将成员P1至Pk的各个未来压力状态值S1(t+1)至Sk(t+1)的统计值设定为群体G1的压力状态值Sm。统计值例如是平均值。

该操作为以下的示例：群体状态预测单元22基于个人状态预测单元20预测的各个人员P1至Pk的未来状态值S1(t+1)至Sk(t+1)预测指示群体G1的未来状态的群体状态值Sm。

当预测的群体G1的未来压力状态值Sm大于阈值Th时，导出单元24导出群体G1中的成员P1至Pk之间的目标对话量Wij_m(t)，使得预测的群体G1的未来压力状态值Sm得到改善。阈值Th能够通过实验或模拟来适当设定。

该操作为以下的示例：导出单元24导出群体G1中的人员P1至Pk之间的目标交流量，使得当预测的群体G1的未来状态值Sm满足关于不良状态的预定条件时，预测的未来群体状态值Sm得到改善。

导出单元24虚拟地设定多个不同对话量的模式，并且对于每个模式，基于各个成员P1至Pk的当前压力状态值S1(t)至Sk(t)导出各个成员P1至Pk的未来压力状态值S1(t+1)至Sk(t+1)，并且导出所导出的未来压力状态值S1(t+1)至Sk(t+1)的平均值作为群体G1的压力状态值Sm。以这种方式，能够评估哪种模式的对话量使得群体G1的压力状态值Sm更小。

导出单元24将群体G1的压力状态值Sm最小的对话量的模式设定为成员P1至Pk之间的目标对话量Wij_m(t)。导出单元24可以将群体G1的压力状态值Sm等于或低于预定值的对话量的模式设定为成员P1至Pk之间的目标对话量Wij_m(t)。

图6示出了多个对话量模式中的每一个、个人的未来压力状态值S1(t+1)至Sk(t+1)和群体G1的未来压力状态值Sm之间的关系的示例。在该示例中，对话量模式覆盖数值的所有组合，使得对话量Wij(t)相差0.1。

在图6的示例中，假设群体G1的压力状态值Sm在对话量的模式1中最小。因此，模式1的对话量Wij(t)被设定为目标对话量Wij_m(t)。因此，例如，成员P1、P2之间的目标对话量W12_m(t)是0.1，成员P1、P3之间的目标对话量W13_m(t)是0.1，并且成员P1、P4之间的目标对话量W14_m(t)是0.1。

当群体G1的压力状态值Sm大于阈值Th时，对于群体G1中的两个成员Pi、Pj的多个组合中的每一个，建议单元26将两个人员的当前对话量Wij(t)与目标对话量Wij_m(t)进行比较，并且当当前对话量Wij(t)小于目标对话量Wij_m(t)时建议增加对话量，并且当当前对话量Wij(t)大于目标对话量Wij_m(t)时建议减少对话量。建议单元26例如通过使输出装置8输出指示建议内容的图像或语音来建议变更对话量。

该操作为以下的示例：当未来群体状态值Sm大于阈值Th时，建议单元26针对群体G1中的两个目标人员Pi、Pj，将当前交流量Wij(t)与目标交流量Wij_m(t)进行比较，并基于比较结果建议变更交流量。以这种方式，能够建议变更群体G1中的两个人员之间的交流量，使得当状态被预测为恶化时，群体G1的未来状态不太可能恶化。因此，能够使成员们发现应该采取什么措施来比预测更好地改善群体G1的未来状态。

当群体G1的压力状态值Sm低于阈值Th时，建议单元26不建议变更对话量。

处理装置10周期性地重复上述处理。

图7是示出图3的交流支持系统1的交流支持处理的流程图。当集会开始时，该处理开始。

第二分析单元14指定k个成员P1至Pk(k≤N)(步骤S10)，并且当未输入结束处理的指令时(步骤S12中的“否”)，第二分析单元14检测成员Pi、Pj之间的当前对话量Wij(t)(i，j≤k)(步骤S14)。第一分析单元12检测各个成员P1至Pk的当前压力状态值S1(t)至Sk(t)(步骤S16)，并且个人状态预测单元20根据当前对话量Wij(t)和压力状态值S1(t)至Sk(t)来导出各个成员P1至Pk的未来压力状态值S1(t+1)至Sk(t+1)(步骤S18)。

群体状态预测单元22导出各个成员P1至Pk的未来压力状态值S1(t+1)至Sk(t+1)的平均值Sm(步骤S20)，并且当平均值Sm等于或低于阈值Th时(步骤S22中的“否”)，处理返回至步骤S12。

当平均值Sm大于阈值Th时(步骤S22中的“是”)，导出单元24指定使平均值Sm最小的目标对话量Wij_m(t)的模式(步骤S24)，并导出Wij_s(t)＝Wij(t)-Wij_m(t)(步骤S26)。

建议单元26敦促满足Wij_s(t)<0的成员Pi和成员Pj说话(步骤S28)，并敦促满足Wij_s(t)>0的成员Pi和成员Pj沉默(步骤S30)，处理返回步骤S12。当输入结束处理的指令时(步骤S12中的“是”)，处理结束。

判定建议变更对话量的成员的方法不限于上述示例。

图8是示出交流支持处理的另一示例的流程图。代替图7中的步骤S28和S30，执行图8中的步骤S42至S50的动作。

在图7中的步骤S26之后，导出单元24导出Wij_s_m(t)＝max(|Wij_s(t)|)(步骤S42)。max(|Wij_s(t)|)表示Wij_s(t)具有最大绝对值。即，导出单元24将具有最大绝对值的Wij_s(t)设定为Wij_s_m(t)。

当X

当不满足X

在该示例中，仅针对具有当前对话量和目标对话量之间的差值的最大绝对值的两个成员建议变更对话量，因此，能够做出可改善未来群体状态值Sm的建议，同时要被建议的成员数量最小。

可省略步骤S44的动作，并且可以在步骤S42之后执行步骤S46的决定。在这种情况下，步骤S46中的决定被变更，并且当Wij_s_m(t)<0时(步骤S46)，建议单元26敦促成员Pi和成员Pj说话(步骤S48)，并且处理返回到步骤S12。当Wij_s_m(t)>0时(步骤S46)，建议单元26敦促成员Pi和成员Pj沉默(步骤S50)，并且处理返回到步骤S12。当Wij_s_m(t)＝0时(步骤S46)，处理返回到步骤S12。即使在变型示例中，也可以做出能够改善未来群体状态值Sm的建议，同时要被建议的成员数量最小。

此外，在图7的处理中，在步骤S28中，建议单元26可以敦促满足Wij_s(t)Y的成员Pi和成员Pj沉默。X和Y是上述的下限值和上限值。在变型示例中，要被建议的成员能够被限制为被预测为在相对大的程度上对未来群体状态值Sm的改善做出贡献的成员。

如上所述，已描述了以下示例，其中，当群体G1的未来压力状态值Sm大于阈值Th时，将使群体G1的压力状态值Sm最小的对话量的模式设定为成员P1至Pk之间的目标对话量，然而，可以在不导出目标对话量的情况下建议变更对话量。

具体地，建议单元26将群体G1中的多个其他人员到目标成员的状态传播量进行比较，并基于比较结果建议变更目标成员和其他成员之间的交流量，从而改善预测的目标成员的未来状态值。建议单元26指定从其他人员到目标成员的正的且最大的状态传播量，并建议减少该成员和其他人员之间的交流量。通过减少该成员和其他人员之间的交流量，与减少之前的交流量相比，能够使从其他人员到该成员的状态传播量更小，并且能够使该成员的未来状态值更小。

建议单元26可指定从其他人员到目标成员的负的且最小的状态传播量，并建议增加该成员和其他人员之间的交流量。通过增加该成员和其他人员之间的交流量，与增加之前的交流量相比，能够使从其他人员到该成员的状态传播量更小，并且能够使该成员的未来状态值更小。

在变型示例中，建议单元26可以针对一个以上成员决定是否存在建议，并且可以不针对所有成员决定。在这种情况下，作为决定目标的成员可以由管理员等预先登记在存储装置7中，可以是其他人员对该成员的状态的影响的程度λ等于或高于预定值的成员，或者可以是对该成员的状态具有最大的影响的程度λ的成员。第二获取单元18可以仅获取作为决定目标的成员的状态传播量，并且个人状态预测单元20可以仅预测作为决定目标的成员的未来压力状态值。

在变型示例中，建议变更目标成员与其他人员之间的交流量，并且因此能够使成员发现应采取什么措施来改善成员的未来状态。以这种方式，能够改善群体G1的未来压力状态值Sm。此外，由于没有导出目标对话量，所以能够简化处理。

第二实施例

在第二实施例中，在第一实施例中增加了从多个人员中判定群体G1成员使得未来群体状态值指示良好状态的处理。下文中，将主要描述与第一实施例的不同之处。

图9是用于描述根据第二实施例的交流支持系统的成员判定功能的图。在集会开始之前，交流支持系统从例如七个人员P1至P7中暂时设定组成群体G1的候选人的四个成员P1至P4。此时，这七个人员P1到P7不必聚集在可交流的距离处。

交流支持系统获取各个成员P1至P4的当前状态值S1(t)至S4(t)，以及基于从群体G1中抽取的任意两个成员的多个组合中的每个组合中的两个成员之间的过去交流量W12、W13、W14、W23、W24、W34来预测的状态传播量。用于导出状态传播量的方法与第一实施例的方法相同，并且可以使用过去交流量来代替当前交流量。

对于成员P1至P4中的每一个，交流支持系统根据该成员的当前状态值S1(t)至S4(t)和从多个其他成员到该成员的状态传播量来预测指示该成员的未来状态的未来状态值。交流支持系统基于未来状态值S1(t+1)至S4(t+1)预测未来群体状态值Sm。在图9的示例中，假设未来群体状态值Sm大于阈值Th。在这种情况下，成员P1至P4是不合适的，并且因此交流支持系统暂时设定其他成员。交流支持系统重复成员的暂时设定，直到未来群体状态值Sm变得等于或低于阈值Th。

图10是图9之后用于描述交流支持系统的成员判定功能的图。交流支持系统从人员P1至P7中暂时设定组成群体G1的候选人的四个成员P1、P2、P5、P6。由交流支持系统新预测的各个成员的未来状态值S1(t+1)、S2(t+1)、S5(t+1)、S6(t+1)不同于图9中的值。与图9中的值不同，假设未来群体状态值Sm也小于阈值Th。因此，交流支持系统正式判定成员P1、P2、P5、P6作为群体G1的成员，并通知所判定的成员P1、P2、P5、P6。接到通知的成员P1、P2、P5、P6聚集在一起开始进行集会。与图9中的成员P1至P4相比，成员P1、P2、P5、P6中的每一个都能够容易地在集会期间保持良好的状态，并且能够顺利地促进群体G1中的交流。在集会开始之后，交流支持系统执行第一实施例的处理。

图11为根据第二实施例的交流支持系统1A的配置的图。交流支持系统1A也可以称为“成员判定系统”。除了图3所示的配置之外，处理装置10A还包括暂时设定单元30和判定单元32。将描述当前状态值和未来状态值是压力状态值并且交流量是对话量的示例。处理装置10A是本发明中的控制器的示例。

暂时设定单元30暂时设定作为组成群体G1的候选人的多个人员。第一获取单元16获取暂时设定的多个人员中的每一个的当前压力状态值。

第二获取单元18针对暂时设定的多个人员中的每一个获取该人员和群体G1中的其他人员之间的过去对话量，并获取状态传播量，该状态传播量指示从其他人员传播到该人员的状态量，该状态量基于所获取的过去对话量来被预测。存储装置7针对任意两个注册用户的多个组合中的每一个组合存储两个注册用户之间的过去对话量。第二获取单元18从存储装置7获取过去对话量。

对于暂时设定的多个人员中的每一个，个人状态预测单元20根据获取的该人员的当前压力状态值和获取的对该人员的状态传播量来预测该人员的未来压力状态值。

群体状态预测单元22基于预测的多个人员中的每一个的未来压力状态值来预测群体G1的未来压力状态值Sm。

当预测的群体G1的未来压力状态值Sm满足关于良好状态的预定条件时，判定单元32将暂时设定的多个人员判定为群体G1的多个成员，并使输出装置8输出用于指定所判定的多个成员的信息。

当群体G1的未来压力状态值Sm不满足关于良好状态的预定条件时，暂时设定单元30重新暂时设定组成群体G1的候选人的多个人员，并且第一获取单元16、第二获取单元18、个人状态预测单元20、群体状态预测单元22和判定单元32再次执行上述处理。

图12是示出图11的交流支持系统1A的成员判定处理的流程图。暂时设定单元30从N个人员中暂时设定k个人员(k

群体状态预测单元22导出k个成员的未来压力状态值的平均值Sm(步骤S70)，并且当平均值Sm大于阈值Th时(步骤S72中的“是”)，该处理返回到步骤S60。当平均值Sm等于或低于阈值Th时(步骤S72中的“否”)，判定单元32将暂时设定的成员判定为集会的正式成员(步骤S74)，并且处理结束。

在成员判定处理中，k可以是预定的常数值，或者当平均值Sm大于阈值Th时(步骤S72中的“是”)，k可以变更。当k在平均值Sm大于阈值Th时(步骤S72中的“是”)而变更时，暂时设定单元30可以将k增加预定数目或者将k减少预定数目，并且然后执行步骤S10的动作。

根据该实施例，能够从多个人员中通过交流来判定有望具有相对改善的群体G1的未来状态的多个成员。

上文已基于实施例对本发明进行了描述。应当注意，实施例仅仅是示例，并且本领域技术人员应当理解，能够由此对其部件和处理的组合进行各种变型示例，并且这些变型示例也在本发明的范围内。

例如，不必提供导出单元24和建议单元26，并且不必建议变更交流量。在这种情况下，第一获取单元16使得输出装置8输出个人的当前状态值，使得个人能够指定当前状态值，并且个人状态预测单元20使得输出装置8输出个人的未来状态值。输出装置8可以将例如图1显示为图像。由于能够基于输出的当前状态值和未来状态值来预测个人的状态在未来是否会恶化，所以能够指定针对该个人是否需要采取一些关于交流的措施。因此，将个人的未来状态保持在良好状态变得容易。可替代地，个人状态预测单元20可以使得输出装置8输出个人的未来状态值，使得仅在个人的未来状态值大于阈值时个人才能够指定未来状态值。此外，群体状态预测单元22可以使输出装置8输出未来群体状态值，并且可以仅在未来群体体态值大于阈值时使输出装置8输出未来群体状态值。由于能够基于未来群体状态值来预测群体G1的状态在未来是否会恶化，所以能够指定针对群体G1是否需要采取一些关于交流的措施。