CN103180850B - 计算机系统和使用了计算机系统的信息提示方法 - Google Patents

Abstract

本发明的计算机系统具备执行程序的处理器、保存由处理器执行的程序的计算机、保存在时刻和地点的至少一方不同的条件下测定出的物理量之间的关联度的第一数据库、保存与测定出的物理量对应并包含文本的信息之间的关联度的第二数据库。处理器根据保存在第一数据库中的物理量之间的关联度和保存在第二数据库中的信息之间的关联度，计算测定出的物理量与信息之间的关联度，将计算出的物理量与信息的关联度保存在第三数据库中，在输入了物理量的情况下，参照第三数据库，提示与输入的物理量关联性高的信息。

Description

计算机系统和使用了计算机系统的信息提示方法

技术领域

本发明涉及一种提示与所输入的物理量关联性高的信息的计算机系统和使用了计算机系统的信息提示方法。

背景技术

在专利文献1中揭示了一种使用了CAD的设计支持装置，其提取与CAD的模型数据相关联的基本形状数据，并且提取与基本形状数据相关联的技术知识数据，使模型数据和技术知识数据相关联地设定模型数据和技术知识数据的关联度。

另外，在专利文献2中揭示了根据构成文档的单词的共现信息和基于单词的语言特征的类似度，计算出单词之间的关联度的技术。

另外，在专利文献3中，揭示了一种根据SFA信息和WEB访问日志，找到与特定商品对应的对象顾客，向营业员提示的系统。

现有技术文献

专利文献1：日本特开2010-86476号公报

专利文献2：日本特开2000-222427号公报

专利文献3：日本特开2004-348682号公报

发明内容

发明要解决的问题

在此，已知一种提示与所输入的物理量关联性高的信息的系统。如果对该系统应用专利文献1～3的技术，则能够计算出物理量与物理量、或信息与信息之间的关联度，并根据所计算出的关联度，提示与所输入的物理量关联性高的信息。但是，在该方法中，存在以下的问题，即关联度的计算不充分，不一定能够提示质量高的信息。

用于解决问题的技术手段

在本申请中揭示的发明的代表性的一个例子如下。即，是一种计算机系统，其具备执行程序的处理器、保存由上述处理器执行的程序的计算机，并具备保存在时刻和地点的至少一方不同的条件下测定出的物理量之间的关联度的第一数据库、保存与测定出的上述物理量对应并包含文本的信息之间的关联度的第二数据库，其中，上述处理器根据保存在上述第一数据库中的物理量之间的关联度和保存在上述第二数据库中的信息之间的关联度，计算测定出的上述物理量与信息之间的关联度，将计算出的上述物理量与信息的关联度保存在第三数据库中，在输入了上述物理量的情况下，参照上述第三数据库，提示与输入的上述物理量关联性高的信息。

发明效果

根据本发明的代表性的实施方式，不只是物理量之间的关联度或信息之间的关联度，还能够提示考虑到物理量与信息之间的关联度的高质量的信息。

附图说明

图1是表示第一实施方式的知识共享型建议服务的系统概要的一个例子的图。

图2是表示知识共享型建议服务装置的硬件结构的一个例子的图。

图3是表示知识共享型建议服务装置的功能模块的一个例子的图。

图4是表示分析对象日志和建议知识的一个例子的图。

图5是表示知识共享型建议服务装置生成建议知识并发送到建议用户终端的处理的流程的一个例子的图。

图6是表示分析结果数据库的数据构造的一个例子的图。

图7是表示通过大厦关联度计算部计算大厦关联度的处理流程的一个例子的图。

图8是表示大厦关联度数据库的数据构造的一个例子的图。

图9是表示通过节点图表描绘处理部生成的大厦与知识的关联节点图表的一个例子的图。

图10是表示大厦-知识关联度数据库的数据构造的一个例子的图。

图11A是表示通过节点图表描绘处理部进行的节点图表描绘的处理流程的一个例子的图。

图11B是表示继续图11A的处理流程的一个例子的图。

图12是表示新知识输入的处理流程的一个例子的图。

图13是表示知识数据库的数据构造的一个例子的图。

图14是表示用于计算知识关联度的处理流程的一个例子的图。

图15是表示知识关联度数据库的数据构造的一个例子图。

图16A是表示知识建议和输入的用户接口的一个例子的图。

图16B是表示分析结果表的详细内容的一个例子的图。

图16C是表示知识建议表的详细内容的一个例子的图。

图17是表示用户判断的处理流程的一个例子的图。

图18是表示提示知识和节点图表的用户界面的一个例子的图。

图19是表示将本发明的计算机系统应用于金融业务的情况下的分析对象日志和建议知识的一个例子的图。

图20是表示第二实施方式的知识共享型建议服务装置的功能模块的一个例子的图。

图21是表示知识的评定处理流程的一个例子的图。

图22是表示对建议的知识输入评定的用户界面的一个例子的图。

图23是表示评定数据库的数据构造的一个例子的图。

图24是表示反映了评定结果的大厦和知识的关联节点图表的一个例子的图。

图25是表示将本发明的计算机系统应用于大厦能源管理系统/日报联合分析工具的情况下的用户界面的一个例子的图。

具体实施方式

以下，参照附图，说明用于实施本发明的方式。为了使说明清楚，适当地对以下的记载和附图进行了省略和简化。另外，在各附图中，对相同要素附加相同的符号，为了使说明清楚，根据需要省略了重复说明。

在本发明的计算机系统中，在输入了某物理量的情况下，提示与输入的物理量关联性高的信息。以下，以将本发明的计算机系统应用于与大厦管理业务有关的知识共享型建议服务的例子为第一实施方式和第二实施方式进行说明。另外，以将本发明的计算机系统应用于大厦能源管理系统/日报联合分析工具的例子为第三实施方式进行说明。但是，本发明的计算机系统不只能够应用于大厦管理业务，还能够应用于金融业务、e-电子商务等其他服务、业务领域。

<第一实施方式>

以下，参照图1～图19说明本发明的第一实施方式。在本实施方式的知识共享型建议服务中，在大厦管理业务中，取得大厦的能源使用量，向用户建议（提示）以节能运用为目的的大厦运用、节能商品、节能服务的营业方法等的知识。建议的对象用户是进行大厦管理业务的业务组织的营业人员等。

图1是表示第一实施方式的知识共享型建议服务的系统概要的一个例子的图。该知识共享型建议服务由ASP系统101、知识共享型建议系统102构成。

ASP系统101具备ASP服务装置103、ASP用户终端104。ASP服务装置103和ASP用户终端104经由网络连接。在图1中，只表示出一个ASP用户终端104，但ASP服务装置103与多个ASP用户终端104连接。

ASP服务装置103具备ASP服务器105、ASP日志数据库106。在本实施方式中，ASP服务器105提供面向大厦管理的电源管理服务。

利用ASP用户终端104的ASP用户例如是各大厦的管理者、大厦所有者。ASP用户向ASP用户终端104输入大厦每月的能源使用量等。输入的能源使用量等数据经由网络发送到ASP服务器105后，存储在ASP日志数据库106中。ASP服务器105将每月的能源使用量可视化为图表等，经由网络发送到ASP用户终端104。

知识共享型建议系统102具备知识共享型建议服务装置107和建议用户终端108。知识共享型建议服务装置107和建议用户终端108经由网络连接。

进行大厦管理业务的业务组织的营业人员（建议用户）向建议用户终端108输入要求特定大厦的知识的请求。所输入的请求经由网络被发送到知识共享型建议服务装置107。知识共享型建议服务装置107根据接收到的请求，经由网络从ASP日志数据库106取得该大厦的日志。然后，知识共享型建议服务装置107进行所取得的日志的分析等处理，经由网络将与分析结果对应的知识、信息发送到建议用户终端108。

图2是表示知识共享型建议服务装置107的硬件结构的一个例子的图。知识共享型建议服务装置107具备网络I/F201、中央处理装置202、指示输入装置203、存储装置204、次级存储装置205、显示装置206。各装置经由内部总线207连接，能够经由内部总线207在各装置之间相互收发数据。

网络I/F201例如是LAN卡等网卡。知识共享型建议服务装置107经由网络I/F201在与建议用户终端108之间进行数据的收发。另外，知识共享型建议服务装置107经由网络I/F201，经由网络取得存储在ASP日志数据库106中的日志。

中央处理装置202以微处理器为主体而构成，执行存储在存储装置204、次级存储装置205中的程序。

指示输入装置203例如是键盘、鼠标等指示设备。知识共享型建议服务的运用者使用指示输入装置203输入知识建议的设定/变更等。但是，也可以使用经由网络连接的PC等其他终端的指示输入装置，输入知识建议的设定/变更等。

显示装置206例如由显示适配器和液晶显示屏等构成。

存储装置204例如是随机存取存储器（RAM）、只读存储器（ROM）。存储装置204存储由中央处理装置202执行的程序、在知识共享型建议服务装置107中处理的数据等。

次级存储装置205例如是硬盘、DVD、CD等存储介质及其驱动器、或闪速存储器等非易失性存储器。次级存储装置205存储由中央处理装置202执行的程序、在知识共享型建议服务装置107中处理的数据等。

图3是表示知识共享型建议服务装置107的功能模块的一个例子的图。除了图2所示的硬件以外，图3所示的功能模块的一部分或全部也可以作为硬件来实现，但也可以作为由中央处理装置202执行的软件程序来实现。另外，在以下的说明中，作为一个例子，假设这些功能模块全部是由中央处理装置202执行的软件程序、或保存在次级存储装置205中的数据。

如图3所示，知识共享型建议服务装置107具备通信部301、用户判定部302、知识受理部303、建议处理部304、分析结果处理部321、请求受理部305、节点图表描绘处理部306、大厦关联度数据库307、知识数据库308、知识关联度数据库309、大厦-知识关联度数据库310、关联度计算部311、日志请求部312、日志取得部313、分析处理部314以及分析结果数据库315。

关联度计算部311具备大厦关联度计算部316、知识关联度计算部317、大厦-知识关联度计算部318。在后面说明通过各计算部316～318进行的处理内容。

分析处理部314具备分析指标1计算部319、分析指标n计算部320。其中，n是任意的整数。即，分析处理部314可以具备任意个数的分析指标n计算部。在后面进行各部的详细说明。

经由通信部301进行在与ASP服务装置103之间进行的日志的请求/接收等数据收发、在与建议用户终端108之间的建议的请求/接收等数据收发等经由网络的数据的收发。

知识共享型建议服务装置107从ASP日志数据库106取得成为分析对象的日志数据（分析对象日志）进行分析。另外，知识共享型建议服务装置107与来自建议用户终端108的请求对应地，向建议用户终端108发送具有建议知识的数据。

图4是表示分析对象日志401和建议知识402的一个例子的图。分析对象日志401是知识共享型建议服务装置107从ASP日志数据库106取得的数据。建议知识402是知识共享型建议服务装置107向建议用户终端108提示的数据。

在分析对象日志401中，包含各大厦的能源使用状况403、大厦设备运用状况404、传感器日志数据405等。能源使用状况例如是指各大厦每月的电、煤气、油等的使用量。大厦设备运用状况404例如是指各大厦的照明设备、空调、电梯等的运转的切换、设定等控制信息。传感器日志数据405例如是指通过设置在各大厦的各居室内的温度传感器、湿度传感器、二氧化碳浓度传感器、照度传感器、设置在配电盘中的电流测量传感器、设置在室外的外部气温传感器等传感器测量出的数据。

由大厦管理者等从ASP用户终端104输入分析对象日志401并发送到ASP服务装置103。另外，也可以通过未图示的传感器等检测出能源使用状况403、大厦设备运用状况404、传感器日志数据405等数据，经由有线或无线的通信装置发送到ASP服务装置103。发送到ASP服务装置103的分析对象日志401被存储在ASP日志数据库106中。

在建议知识402中，包含分析对象日志401的分析的结果所得到的大厦的问题提取406的信息、与提取出的各问题对应的问题解决407的信息。

在问题提取406的信息中，包含性能劣化408、能源/出错409的信息。性能劣化408例如是指空调、照明设备、电梯、OA设备等的消耗电力上升、消耗电力异常等信息。能源/出错409是指空调、照明设备、电梯、OA设备等的运转的浪费时间、运转的特殊位置等信息。

在问题解决407的信息中，包含改进服务410的信息、控制信息411。改进服务410是指设备更换建议、设备的库存的调整、设备的订货等信息。控制信息411是用于指示空调、照明设备、电梯、OA设备的运转的切换、设定的信息。

图5是表示知识共享型建议服务装置107生成建议知识并发送到建议用户终端108的处理的流程的一个例子的图。请求受理部305取得建议用户终端108发送的与任意的大厦有关的知识的建议请求（S501）。在此，假设取得了与大厦A有关的知识的建议请求而继续进行说明。

日志请求部312经由通信部301向ASP服务装置103请求与大厦A有关的日志（S502）。日志取得部313经由通信部301从ASP日志数据库106取得与大厦A有关的日志（S503）。

分析处理部314对大厦A的日志进行分析，将分析结果存储在分析结果数据库315中（S504）。后面使用图6说明日志的分析结果的细节。

大厦关联度计算部316计算表示作为分析对象的大厦A的日志分析结果与存储在分析结果数据库315中的全部大厦的日志分析结果的关联程度的关联度，将计算出的大厦关联度存储在大厦关联度数据库307中（S505）。后面使用图7说明大厦关联度的详细计算方法。

节点图表描绘处理部306生成图示了大厦关联度和后述的知识关联度的节点图表（S506）。后面使用图11A和图11B说明节点图表的详细生成方法。

大厦-知识关联度计算部318计算后述的大厦-知识关联度，将计算出的大厦-知识关联度存储在大厦-知识关联度数据库310中（S507）。

建议处理部304按照存储在大厦-知识关联度数据库310中的与大厦A有关的大厦-知识关联度最终值从高到低的顺序，经由通信部301向建议用户终端108发送存储在知识数据库309中的知识。

图6是表示分析结果数据库601（与图3的分析结果数据库315对应）的数据构造的一个例子的图。如上述那样，分析处理部314对分析对象大厦的日志（图4的分析对象日志401）进行分析，将分析结果存储在分析结果数据库601中。

在图6中，分析ID602是对每个分析结果赋予的ID编号。对象大厦603是分析对象大厦的名称。

对象期间604是成为分析的对象的期间。例如，在作为对象期间604而存储了“2009/07”的值的情况下，表示2009年7月的一个月是对象期间。另外，在作为对象期间604而存储了“2009/07-2009/09”的值的情况下，表示从2009年7月～2009年9月的3个月是对象期间。

分析日605表示分析处理部314执行了分析的日，分析时刻606表示执行了分析的时刻。

能源消耗分析结果607是根据对象大厦的分析对象期间内的日志数据对对象大厦的能源消耗量进行分析的结果。在该能源消耗分析结果中，包含去年同期比标准偏差608、同规模大厦内标准偏差609、外部气温关联分析610、综合分析611。

通过计算能源消耗量的去年同期比，计算出相对于全部大厦的该数据（能源消耗量的去年同期比）的标准偏差，来求出去年同期比标准偏差（σ）608。

同规模大厦内标准偏差（σ）609是相对于被分类为各楼层面积和相同的范围的相同规模大厦的该数据（能源消耗量的去年同期比）的标准偏差。

外部气温关联分析610是表示能源消耗量和外部气温的关联性的指标。

综合分析（σ）611是根据任意的加权等而对去年同期比标准偏差608、同规模大厦内标准偏差609以及外部气温关联分析610的各分析结果进行综合所得的指标。

分析处理部314求出去年同期比标准偏差608、同规模大厦内标准偏差609、外部气温关联分析610、综合分析611，并且与用途对应地进行任意的分析，求出具有任意个数的分析指标的能源消耗分析结果607。

图7是表示通过大厦关联度计算部316计算大厦关联度的处理流程的一个例子的图。

大厦关联度计算部316首先从分析结果数据库315中取得分析对象ID的分析结果（S701）。在此，将分析对象ID设为“A”，将在与分析对象ID“A”之间计算大厦关联度的其他大厦的分析对象ID设为“T”。

接着，计算分析对象ID“A”与其他大厦的分析对象ID“T”之间的大厦关联度原始值（S702）。根据下式（1）计算大厦关联度原始值。

[数学式1]

分析ID“A”和分析ID“T”的大厦关联度原始值=

在式（1）中，N是消耗能源分析结果607的分析指标的总数。另外，在右边的分母为0的情况下，将大厦关联度原始值设为预定的最大值。公式（1）是针对2个分析ID表示它们的分析结果怎样程度接近的指标，数值越大，则表示分析结果越接近。

大厦关联度计算部316将计算出的大厦关联度原始值存储在大厦关联度数据库307中（S703）。

接着，大厦关联度计算部316对计算出的大厦关联度原始值进行标准化使得成为最小值0、最大值100，将通过标准化求出的大厦关联度存储在大厦关联度数据库307中（S704）。

然后，针对存储在分析结果数据库315中的全部大厦的分析对象ID，判定是否计算出相对于分析对象ID“A”的大厦关联度（S705）。在判定为还没有将全部大厦的分析对象ID作为对象计算出相对于分析对象ID“A”的大厦关联度时，为了针对其他分析对象ID计算出大厦关联度，而变更T（S706），再次进行S702以后的处理。另一方面，在判定为将全部的大厦的分析对象ID作为对象计算出了相对于分析对象ID“A”的大厦关联度时，结束流程图的处理。

图8是表示大厦关联度数据库801（与图3的大厦关联度数据库307对应）的数据构造的一个例子的图。对象ID802是成为分析对象的ID。大厦关联度计算部316计算分析对象ID802与分析完成分析ID803之间的大厦关联度原始值804，存储在大厦关联度数据库801中。大厦关联度计算部316还对计算出的大厦关联度原始值804进行标准化，将通过标准化求出的大厦关联度805存储在大厦关联度数据库801中。

针对由分析处理部314分析的全部分析ID生成大厦关联度数据库801。在图8中，在一个大厦关联度数据库中，存储有一个对象分析ID的大厦关联度，但也可以在一个大厦关联度数据库中存储全部分析ID的大厦关联度。

图9是表示通过节点图表描绘处理部306生成的大厦和知识的关联节点图表的一个例子的图。大厦和知识的关联节点图表用于对分析ID和知识ID的关系进行可视化而向用户表示。在图9中，用矩形将某大厦的某期间中的分析ID及其内容表示为分析ID节点901。在节点图表中，表示出多个分析ID节点，但用最大的矩形表示的分析ID节点是分析对象的ID节点。另外，用圆形将与分析ID对应的知识表示为知识ID节点902。

在图9中，用实线表示的大厦关联度线903是将分析ID节点和分析ID节点连接起来的线（链接线），附带有所连接的分析ID节点之间的大厦关联度的值。例如分析ID：208和分析ID：102之间的的大厦关联度是45。

在图9中，用波浪线表示的知识关联度线904是将知识ID节点和知识ID节点连接起来的线（链接线），附带有所连接的知识ID节点之间的知识关联度的值。后面说明知识关联度。

与某分析ID相关联的知识ID经由节点通过一个或多个路径与其他分析ID节点或知识ID节点连接。大厦-知识关联度计算部318与某分析ID和某知识ID之间的路径个数对应地，通过下式（2）计算大厦-知识关联度最终值。

[数学式2]

大厦-知识关联度最终值=MAX（路径1的大厦知识关联度，路径2的大厦知识关联度，……路径m的大厦知识关联度）（2）

式（2）是用于计算大厦-知识关联度最终值的公式的一个例子。将某分析ID节点和知识ID节点连接起来的路径存在一条或多条。在存在m条路径的情况下，也存在m个通过后述的方法计算的大厦-知识关联度。在公式（2）中，将m个大厦-知识关联度的最大值作为大厦-知识关联度最终值。

图10是表示大厦-知识关联度数据库2501（与图3的大厦-知识关联度数据库310对应）的数据构造的一个例子的图。在大厦-知识关联度数据库2501中，包含对象分析ID2502、知识ID2503、大厦-知识关联度最终值2504。分析对象ID2502与图6所示的分析结果数据库601的分析ID602对应。知识ID2503与后述的图13所示的知识数据库的知识ID1202对应。

另外，在图10所示的大厦-知识关联度数据库2501中，包含有反映了评定结果的大厦-知识关联度最终值2505，但在后述的第二实施方式中对其进行说明。

图11A是表示通过节点图表描绘处理部306进行的节点图表描绘的处理流程的一个例子的图。图11B是表示继续图11A的处理流程的一个例子的图。首先，开始时将分析ID“A”的分析ID节点追加到节点图表中（S1001）。接着，从大厦关联度数据库307中取得分析ID“A”与其他全部分析ID之间的大厦关联度（S1002）。

接着，将分析ID“A”作为根（起点），追加第一层的分析ID节点（S1003）。第一层的分析ID节点为具有一定的阈值以上的大厦关联度的分析ID。但是，也可以将全部的分析ID作为第一层的分析ID节点。

接着，判定与第一层的分析ID节点对应的知识是否存储在知识数据库308中（S1004），在判定为已经存储时，从知识数据库308中取得对应的知识，将取得的知识ID追加到节点图表中（S1005）。另一方面，在判定为对应的知识没有存储在知识数据库308中时，前进到S1006。

接着，针对在该时刻成为终端的节点的第S层（初始值为S=1）的分析ID节点，取得其他大厦的大厦关联度，将第S+1层的分析ID节点追加到节点图表中（S1006）。追加的分析ID节点为具有一定的阈值以上的大厦关联度的分析ID。另外，在与追加的分析ID节点对应的知识存储在知识数据库308中的情况下，从知识数据库308中取得对应的知识ID，将取得的知识ID追加到节点图表中（S1007）。

针对第S层的知识ID节点，取得其他全部的知识ID的知识关联度，追加第S+1层的知识ID节点（S1008）。所追加的知识ID节点为具有一定的阈值以上的知识关联度的知识ID。一定的阈值既可以是和与大厦关联度进行比较的阈值相同的值，也可以是不同的值。另外，还可以追加全部的知识ID。

接着，计算出从作为根节点的分析ID“A”节点与第S+1层的知识节点连接的路径m（初始值为m=1）的大厦-知识关联度（S1009）。

下式（3）是计算大厦-知识关联度的公式的一个例子。大厦-知识关联度是表示某大厦的某期间的分析结果、即分析ID“A”和某知识ID“N”的关联性的大小的指标。值越大，则表示关联性越高。

[数学式3]

分析ID“A”和知识ID“N”的大厦知识关联度=

在式（3）中，“与相邻节点的关联度”是指相邻的分析ID节点之间的大厦关联度、或相邻的知识ID节点之间的知识关联度。例如，在图9所示的节点图表中，分析ID“208”的分析ID节点和知识ID“32”的知识ID节点之间的路径数是2个。如果设经由分析ID“118”的分析ID节点和分析ID“153”的分析ID节点之间的大厦关联度的路径为路径1，经由知识ID“1”的知识ID节点和知识ID“32”的知识ID节点之间的知识关联度的路径为路径2，则路径1的大厦-知识关联度是107.5（=95×1/1+25×1/2），路径2的大厦-知识关联度是140.0（=95×1/1+90×1/2）。

判定是否从分析ID“A”节点针对第S+1层的知识节点计算出全部路径的大厦-知识关联度（S1011）。在判定为没有计算出全部路径的大厦-知识关联度时，对参数m加1（S1010），再次进行S1009的处理。另一方面，在判定为计算出全部路径的大厦-知识关联度时，在从路径1～路径m的大厦-知识关联度中将最大的大厦-知识关联度设为大厦-知识关联度最终值，存储在大厦-知识关联度数据库310中（S1012）。

接着，判定第S+1层的知识ID节点的大厦-知识关联度是否低于一定的阈值（S1014）。该阈值既可以是与用于与上述大厦关联度进行比较的阈值、或用于与知识关联度进行比较的阈值相同的值，也可以是不同的值。在判定为第S+1层的知识ID节点的大厦-知识关联度不低于预定的阈值时，对参数S进行加1（S1013），再次进行S1006的处理。另一方面，在判定为第S+1层的知识ID节点的大厦-知识关联度低于预定的阈值时，结束流程图的处理。

图12是表示新知识输入的处理流程的一个例子的图。请求受理部305受理建议用户从建议用户终端108输入的任意大厦的任意期间的分析结果的请求（S1101）。分析结果处理部321对存储在分析结果数据库315中的分析结果进行处理，经由通信部301和网络，将分析结果发送到建议用户终端108（S1102）。

用户观看在建议用户终端108上提示的分析结果，向建议用户终端108输入对应的知识，并发送到知识共享型建议服务装置107。知识受理部303经由网络和通信部301受理知识输入（S1103）。由知识受理部303受理的知识存储在知识数据库308中（S1104）。另外，输入知识时的信息、输入知识时的分析结果等信息也存储在知识数据库308中（S1105）。后面使用图13说明输入知识时的信息、输入知识时的分析结果等信息。

图13是表示知识数据库1201（与图3的知识数据库308对应）的数据构造的一个例子的图。在图13所示的数据库1201中，知识ID1202是对每个知识赋予的ID。知识1203是从建议用户终端108输入的知识。例如，在图13所示的例子中，输入了“空调和外部气温的相关系数低。指导与外部气温对应的运用”作为知识ID：2的知识。

输入者ID1204是用于确定输入了知识的建议用户的ID。后面使用图17所示的流程图说明输入者ID204的取得处理。

输入日1205是取得了由建议用户输入的知识的日期，输入时刻1206是取得了由建议用户输入的知识的时刻。都是从未图示的日期/时刻取得装置取得日期、时刻。

分析ID1207是用于确定向建议用户提示的分析结果的ID。

图14是表示用于计算知识关联度的处理流程的一个例子的图。知识关联度是表示某知识ID的知识和某其他知识ID的知识的关联性的接近程度的指标，由知识关联度计算部317计算。知识关联度的值越大，则表示关联性越高。

以下，针对新取得的知识ID“K”，计算出与其他知识ID的知识关联度。首先，由知识受理部303取得与知识ID“K”有关的新知识（S1301）。取得的新知识存储在知识数据库308中。

接着，知识关联度计算部317对取得的知识ID“K”的知识进行词素分析（S1302），只提取名词（S1303）。接着，知识关联度计算部317对其他知识ID“X”的知识进行词素分析（S1304），只提取名词（S1305）。

接着，计算所提取的知识ID“K”的名词和知识ID“X”的名词中的一致的名词的个数（S1306）。计算出的名词的个数存储在知识关联度数据库309中（S1307）。另外，对计算出的名词的个数进行标准化，作为知识关联度而存储在知识关联度数据库309中（S1308）。

然后，针对存储在知识数据库308中的全部知识，判定是否计算出相对于知识ID“K”的知识的知识关联度（S1309）。在判定为没有对存储在知识数据库308中的全部知识计算出知识关联度时，返回到S1304，针对其他知识计算知识关联度。另一方面，在在判定为对存储在知识数据库308中的全部知识计算出知识关联度时，结束流程图的处理。

图15是表示知识关联度数据库1401（与图3的知识关联度数据库309对应）的数据构造的一个例子图。在图15中，表示了对象知识ID“K”的知识关联度数据1401的一个例子。

在图15中，对象知识ID1402是成为对象的知识ID。输入完成知识ID1403是存储在知识数据库308中的其他知识ID。一致名词1404是在对象知识ID1402的知识和输入完成知识ID1403的知识之间一致的名词的个数。知识关联度1405是对一致名词个数1404进行标准化而使其成为最小值0、最大值100所得的值。

针对存储在知识数据库308中的全部知识ID生成知识关联度数据库1401。在图15中，在一个知识关联度数据库中存储了相对于一个对象知识ID的知识关联度，但也可以在一个知识关联度数据库中，存储相对于全部对象知识ID的知识关联度。

图16A是表示知识建议和输入的用户界面的一个例子的图。知识建议和输入的用户界面1501是在建议用户对某大厦的某期间的分析结果和知识的建议进行查询后，向建议用户终端108提示的画面。在该用户界面1501中，包含分析结果区域1502、知识建议区域1503、知识输入区域1504、画面切换区域1505。

在分析结果区域1502中，显示建议用户请求了分析结果的对象大厦名1506、分析对象期间1507、分析结果表1508、分析结果图表1509。

图16B是表示分析结果表1508的详细内容的一个例子的图。分析结果表1508例如是存储在分析结果数据库315中的分析对象大厦的数据。另外，分析结果图表1509例如用于对存储在分析结果数据库315中的数据进行可视化。

在知识建议区域1503中，显示知识建议表1510、向节点图表显示画面的移动按键1511。图16C是表示知识建议表1510的详细内容的一个例子的图。

在本实施方式中，知识建议的对象用户是大厦管理业务者的营业人员。因此，向营业人员提示记载了应该建议的知识的知识建议表1510。在知识建议表1510中，与显示在分析结果区域1502中的分析ID对应地，按照关联顺序提示关联性高的知识。按照大厦-知识关联度最终值从高到低的知识ID顺序来确定关联顺序。另外，从知识数据库308取得输入该知识ID时的输入时对象大厦、输入时对象期间，在知识建议表1510内提示。

在针对显示在分析结果区域1502中的分析ID，新输入知识的情况下，建议用户向知识输入区域1504的知识输入文本框1512中输入知识，并按下输入按键1513。由此，经由网络将输入的知识发送到知识共享型建议服务装置107。

图17是表示用户判断的处理流程的一个例子的图。与分析结果对应的知识并不由全部用户持有，而是大多由特定的熟练的营业人员等熟练用户持有。因此，在本实施方式中，假设只有熟练的用户能够进行知识输入。

用户在登录到本实施方式的应用程序时，必须向未图示的登录用户界面输入用户ID。用户判定部302取得所输入的用户ID（S1601）。

接着，分析结果处理部321进行以下处理等，即从分析结果数据库315中取得从建议用户进行了查询的大厦的分析结果，根据所取得的分析结果生成分析结果图表。然后，分析结果处理部321经由通信部301和网络将分析结果（图16的分析结果表1508、分析结果图表1509）发送到建议用户终端108（S1602）。另外，建议处理部304发送与分析结果对应的知识（图16的知识建议表1510）（S1603）。

接着，用户判定部302根据由用户输入的用户ID，判定该用户是否是熟练者（S1604）。例如用户判定部302在其内部具有存储了用户的用户ID和该用户是否是熟练者的信息的用户数据库。用户判定部302通过参照用户数据库的信息，来判定登录的用户是否是熟练者。在判定为用户是熟练者时，知识受理部303激活知识输入区域1504，受理知识的输入（S1605）。另一方面，在判定为用户不是熟练者时，知识受理部303禁止向知识输入区域1504输入知识。

图18是表示提示知识和节点图表的用户界面的一个例子的图。提示知识和节点图表的用户界面1701显示为按下了图16所示的知识建议和输入的用户界面1501中的向节点显示画面的移动按键1511。在用户界面1701中，显示画面切换区域1505、要求了分析结果的对象大厦名1506、分析对象期间1507、知识建议表1510。另外，与该分析结果的分析ID对应地，还显示出通过图11的处理流程描绘出的节点图表1702。

另外，在上述的说明中，列举了将本发明的计算机系统应用于与大厦管理业务有关的知识共享型建议服务的例子。但是，本发明的计算机系统不只能够应用于大厦管理业务，还能够应用于金融业务、e-电子商务等其他服务、业务领域。

图19是表示将本发明的计算机系统应用于金融业务的情况下的分析对象日志和建议知识的一个例子的图。在分析对象日志1801中，包含顾客的资产运用状况1802、合同签订状况1803、表示顾客的柜台访问状况的低柜台访问状况1804、广告访问状况1805等信息。

在建议知识1806中，包含分析结果所得的顾客状况提取1807的信息、与提取出的顾客信息对应的营业方法1808的信息。在顾客状况提取1807中，包含运用计划的变更1809、新业务扩大1810、风险1811等信息。风险1811是指业绩恶化、倒闭危险、顾客的黑名单适合条件等信息。在营业方法1808的信息中，包含融资的建议、停止、利率的变更、保险的窗口销售这样的信息。

在该情况下，也计算出分析对象日志之间的关联度、建议知识之间的关联度，并且计算出分析对象日志与建议知识之间的关联度。另外，按照分析对象日志与建议知识之间的关联度从高到低的顺序，提示与分析对象日志有关联的建议知识。

以上，根据第一实施方式，计算机系统具备保存在时刻和地点的至少一方不同的条件下测定出的物理量之间的关联度的第一数据库、与测定出的物理量对应地保存包含文本的信息之间的关联度的第二数据库。在该计算机系统中，处理器根据保存在第一数据库中的物理量之间的关联度和保存在第二数据库中的信息之间的关联度，计算所测定的物理量和与物理量对应的信息之间的关联度，并保存在第三数据库中。处理器在输入了物理量的情况下，参照第三数据库，提示与所输入的物理量关联性高的信息。由此，不只是物理量之间的关联度、或信息之间的关联度，还能够向用户提示考虑到物理量与信息之间的关联度的高质量的信息。

另外，用预定的阈值对物理量之间的关联度和信息之间的关联度进行过滤，将关联度比阈值高的物理量之间的链接和信息之间的链接组合起来，计算出物理量与信息之间的关联度。由此，能够计算出高质量的关联度作为物理量与信息之间的关联度。

特别在第一实施方式中，对输入的物理量进行分析而将分析结果保存在分析结果数据库中，针对保存在分析结果数据库中的分析结果，计算物理量之间的关联度。另外，使用物理量之间的链接和与该物理量之间的链接对应的信息之间的链接中的关联度高的链接，计算所测定的物理量和与物理量对应的信息之间的关联度。由此，能够正确地计算出物理量与信息之间的关联度。

进而，生成用于以图表的方式显示物理量之间的关联度和信息之间的关联度的数据，因此能够作为图向用户提示物理量之间的关联度和信息之间的关联度。

另外，从包含在与物理量对应的信息中的文本中提取名词，根据所提取的名词重复的数量，计算出信息之间的关联度，因此能够高精度地计算出信息之间的关联度。

另外，提取物理量之间的链接和信息之间的链接中的关联度高的链接，根据提抽出的链接的关联度和所提取的连接相对于该物理量的距离，计算出物理量与信息之间的关联度。由此，能够正确地计算出物理量与信息之间的关联度。

进而，生成用于在一个画面中显示出所测定的物理量和与该物理量对应的知识的数据，因此能够在一个画面中向用户提示物理量和与物理量对应的知识。

<第二实施方式>

接着，参照图20～图24说明本发明的第二实施方式。

在第二实施方式中，说明进行所提示的知识的评定，将评定数据反映到关联度和节点图表的描绘中的知识共享型建议系统。针对具有与在第一实施方式中已经说明的附图所示的部分相同的符号和功能的部分，省略一部分说明。

图20是表示第二实施方式的知识共享型建议服务装置的功能模块的一个例子的图。第二实施方式的知识共享型建议服务装置1901除了第一实施方式中的知识共享型建议服务装置107的结构以外，还具备评定受理部1902、评定处理部1903、评定数据库1905。

用户阅览在建议用户终端108上提示的知识，输入表示知识是否有用的评定。所输入的评定经由网络发送到知识共享型建议服务装置1901。

评定受理部1902经由通信部301接受评定，发送到评定处理部1903。评定处理部1903根据接收到的评定，进行后述的处理，存储在评定数据库1904中。

大厦-知识关联度计算部318根据后述的方法，计算反映了评定结果的大厦-知识关联度。节点图表描绘处理部306使用反映了评定结果的大厦-知识关联度，生成节点图表。

图21是表示知识的评定处理流程的一个例子的图。建议用户终端108显示建议用户所请求的任意大厦和任意期间的分析ID的分析结果（S2001），并且显示对应的知识，由此向用户建议知识（S2002）。用户观看所建议的知识，对分析结果评价知识怎样程度地有用，进行知识的评定（S2003）。

评定受理部1902经由通信部301取得输入到建议用户终端108的评定（S2004）。评定处理部1903针对赋予了评定的知识，从评定数据库1904中取得与过去的评定结果有关的信息，根据所取得的过去的评定结果和本次的评定结果，计算评定的平均值（S2005）。

接着，评定处理部1903为了计算出的评定的平均值进行标准化，计算出评定平均值的标准偏差（S2006），将计算出的标准偏差存储在评定数据库1904中（S2007）。

图22是表示对建议的知识输入评定的用户界面2101的一个例子的图。该用户界面2101是在从知识共享型建议服务装置1901对知识进行建议时显示在建议用户终端108上的画面。在该用户界面2101中，与第一实施方式同样地，包含知识建议区域1503、以及未图示的分析结果区域1502、知识输入区域1504、画面切换区域1505。

在知识建议区域1503中，包含知识建议表1510、向节点图表显示画面的移动按键1511、评定输入栏2102。评定输入栏2102是用于与知识建议表1510的各知识对应地输入评定的栏。

用户观看所提示的分析结果和建议的知识，判断与分析结果对应的知识的有用性，输入评定。在图22所示的例子中，能够以5个阶段输入评定。评定的数值越高，则表示知识越有用。

图23是表示评定数据库2201（与图20的评定数据库1904对应）的数据构造的一个例子的图。通过评定处理部1903进行处理的结果存储在评定数据库2201中。在评定数据库2201中，包含分析ID2202、知识ID2203、评定次数2204、评定平均2205、评定平均/标准化值2206。

评定次数2204是过去针对分析ID2202和知识ID2203的组合进行评定的次数。评定平均2205是与分析ID2202和知识ID2203的组合对应的过去的评定的平均点。评定平均/标准化值2206是平均值为50的通过偏差值计算法计算出的标准偏差。但是，例如也可以使用平均值为0的偏差值计算法等其他偏差值计算法来计算偏差值。

大厦-知识关联度计算部318根据下式（4）计算出反映了评定结果的大厦-知识关联度。即，通过将在图5所示的处理流程中计算出的大厦-知识关联度最终值乘以评定平均/标准化值，来计算出反映了评定结果的大厦-知识关联度。由此，在向用户建议知识时，能够按照反映了评定结果的顺序建议知识。

[数学式4]

反映了评定结果的大厦-知识关联度最终值=

大厦-知识关联度最终值×评定平均/标准化值（4）

图24是表示反映了评定结果的大厦和知识的关联节点图表的一个例子的图。在反映了评定结果的大厦和知识的关联节点图表中，与评定数据2201的评定平均2205成正比地描绘用圆形表示的知识ID的节点的直径。即，评定平均2205越高，则越是增大用圆形表示的知识ID的节点的直径。由此，用户通过视觉识别圆的大小，能够容易地掌握是否是有用的知识。

另外，在上述的说明中，通过评定来评价所建议的知识的有效性。例如也可以是以下的系统，即针对明显不是有效的知识，不只是降低评价，为了以后不进行建议，而使得能够删除该知识。

以上，根据第二实施方式，受理所提示的信息的评价的输入，使用所输入的评价，对物理量与信息的关联度进行加权，按照加权后的关联度的顺序来提示信息。由此，能够提示反映了评价的高质量的信息。

另外，受理所提示的信息的评价的输入，通过能够视觉识别所输入的评价的大小的方法来提示信息。由此，用户能够视觉识别所提示的信息的评价，能够容易地判断是否是有用的知识。

<第三实施方式>

以下，说明将本发明的计算机系统应用于大厦能源管理系统/日报联合分析工具的例子。大厦能源管理系统是指记录大厦的机器/设备等的运用的系统。大厦管理者记录每日的管理记录作为日报。将大厦能源管理系统的日志作为APS日志、另外将日报作为知识进行处理，由此与大厦能源管理系统日志的分析结果对应地建议过去的日报，能够阅览进行了类似的大厦运用的日的日报。

图25是表示将本发明的计算机系统应用于大厦能源管理系统/日报联合分析工具的情况下的用户界面的一个例子的图。应用于大厦能源管理系统/日报联合分析工具的用户界面2401与图16所示的用户界面同样地，具有分析结果的显示区域1502。在本实施方式中，在分析结果的显示区域1502中表示本日的大厦能源管理系统分析结果2406。

在知识建议区域2402中，与关联顺序2404、生成该日报的日期2405一起提示与大厦能源管理系统分析结果对应的过去的日报2403。在知识建议区域2402中，进而还显示向显示生成过去的日报的日的大厦能源管理系统分析结果的画面的移动按键2406、向输入本日的日报的画面的移动按键2407。

根据本实施方式，即使有大厦管理者的移动、世代交替也能够通过参照过去的日报的技术知识，共享知识。

以上，根据第三实施方式，在将本发明的计算机系统应用于大厦能源管理系统/日报联合分析工具的情况下，不只是大厦能源管理系统日志的分析结果之间的关联度、或日报之间的关联度，还能够提示考虑到大厦能源管理系统日志的分析结果和日报之间的关联度的有益的日报。

以上，参照附图详细说明了本发明，但本发明并不限于这样的具体结构，还包含附加的权利要求的主要内容内的各种变更和同等的结构。

Claims (18)

1.一种计算机系统，其具备执行程序的处理器、保存由上述处理器执行的程序的计算机，

并具备保存在时刻和地点的至少一方不同的条件下测定出的物理量之间的关联度的第一数据库、保存包含文本并与测定出的上述物理量对应的信息之间的关联度的第二数据库，该计算机系统的特征在于，

上述处理器根据保存在上述第一数据库中的物理量之间的关联度和保存在上述第二数据库中的信息之间的关联度，计算测定出的上述物理量与信息之间的关联度，将计算出的上述物理量与信息的关联度保存在第三数据库中，在输入了上述物理量的情况下，参照上述第三数据库，提示与输入的上述物理量关联性高的信息，

上述处理器用预定的阈值对上述物理量之间的关联度和上述信息之间的关联度进行过滤，将关联度比上述阈值高的物理量之间的链接和信息之间的链接组合起来，计算上述物理量与上述信息之间的关联度。

2.根据权利要求1所述的计算机系统，其特征在于，

上述处理器对输入的物理量进行分析并将分析结果保存在分析结果数据库中，针对保存在上述分析结果数据库中的分析结果计算上述物理量之间的关联度，使用物理量之间的链接和与该物理量之间的链接对应的信息之间的链接中关联度高的链接，计算测定出的上述物理量和与上述物理量对应的信息之间的关联度。

3.根据权利要求1所述的计算机系统，其特征在于，

上述处理器生成用于以图表的方式显示保存在上述第一数据库中的物理量之间的关联度和保存在上述第二数据库中的信息之间的关联度的数据。

4.根据权利要求1所述的计算机系统，其特征在于，

上述处理器从包含在与上述物理量对应的信息中的文本中提取名词，根据提取出的上述名词重复的数量，计算上述信息之间的关联度。

5.根据权利要求1所述的计算机系统，其特征在于，

上述处理器提取物理量之间的链接和与该物理量之间的链接对应的信息之间的链接中关联度高的链接，根据提取出的链接的关联度和提取出的链接相对于该物理量的距离，计算上述物理量与上述信息之间的关联度。

6.根据权利要求1所述的计算机系统，其特征在于，

上述处理器生成用于在一个画面中显示测定出的上述物理量和与该物理量对应的知识的数据。

7.根据权利要求1所述的计算机系统，其特征在于，

上述处理器受理对所提示的上述信息的评价的输入，使用输入的上述评价，对保存在上述第三数据库中的上述物理量与信息的关联度进行加权，按照上述加权后的关联度的顺序，提示上述信息。

8.根据权利要求4所述的计算机系统，其特征在于，

上述处理器受理对所提示的上述信息的评价的输入，通过能够视觉识别输入的上述评价的大小的方法来提示上述信息。

9.根据权利要求1所述的计算机系统，其特征在于，

具备保存上述计算机系统的使用者的信息的使用者信息数据库，

上述处理器根据保存在上述使用者信息数据库中的使用者的信息，决定是否允许使用者输入与上述物理量对应的信息。

10.一种使用了计算机系统的信息提示方法，该计算机系统具备执行程序的处理器、保存由上述处理器执行的程序的计算机，其特征在于，

上述计算机系统具备保存在时刻和地点的至少一方不同的条件下测定出的物理量之间的关联度的第一数据库、保存与测定出的上述物理量对应并包含文本的信息之间的关联度的第二数据库，

上述信息提示方法包括：

根据保存在上述第一数据库中的物理量之间的关联度和保存在上述第二数据库中的信息之间的关联度，计算测定出的上述物理量与信息之间的关联度的步骤；

将计算出的上述物理量与信息的关联度保存在第三数据库中的步骤；

在输入了上述物理量的情况下，参照上述第三数据库，提示与输入的上述物理量关联性高的信息的步骤，

在计算上述物理量与信息之间的关联度的步骤中，用预定的阈值对上述物理量之间的关联度和上述信息之间的关联度进行过滤，将关联度比上述阈值高的物理量之间的链接和信息之间的链接组合起来，计算上述物理量与上述信息之间的关联度。

11.根据权利要求10所述的使用了计算机系统的信息提示方法，其特征在于，

在计算上述物理量与信息之间的关联度的步骤中，对输入的物理量进行分析并将分析结果保存在分析结果数据库中，针对保存在上述分析结果数据库中的分析结果计算上述物理量之间的关联度，使用物理量之间的链接和与该物理量之间的链接对应的信息之间的链接中关联度高的链接，计算上述物理量与信息之间的关联度。

12.根据权利要求10所述的使用了计算机系统的信息提示方法，其特征在于，

还具备生成用于以图表方式显示保存在上述第一数据库中的物理量之间的关联度和保存在上述第二数据库中的信息之间的关联度的数据的步骤。

13.根据权利要求10所述的使用了计算机系统的信息提示方法，其特征在于，

在计算上述信息之间的关联度时，从包含在与上述物理量对应的信息中的文本中提取名词，根据提取出的上述名词重复的数量，计算上述信息之间的关联度。

14.根据权利要求10所述的使用了计算机系统的信息提示方法，其特征在于，

在计算上述物理量与信息之间的关联度的步骤中，提取物理量之间的链接和与该物理量之间的链接对应的信息之间的链接中关联度高的链接，根据提取出的链接的关联度和提取出的链接相对于该物理量的距离，计算上述物理量与信息之间的关联度。

15.根据权利要求10所述的使用了计算机系统的信息提示方法，其特征在于，

还具备生成用于在一个画面中显示测定出的上述物理量和与该物理量对应的知识的数据的步骤。

16.根据权利要求10所述的使用了计算机系统的信息提示方法，其特征在于，

在提示上述信息的步骤中，受理对所提示的上述信息的评价的输入，使用输入的上述评价，对保存在上述第三数据库中的上述物理量与信息的关联度进行加权，按照上述加权后的关联度的顺序，提示上述信息。

17.根据权利要求12所述的使用了计算机系统的信息提示方法，其特征在于，

在提示上述信息的步骤中，受理对所提示的上述信息的评价的输入，通过能够视觉识别输入的上述评价的大小的方法来提示上述信息。

18.根据权利要求10所述的使用了计算机系统的信息提示方法，其特征在于，

上述计算机系统具备保存上述计算机系统的使用者的信息的使用者信息数据库，

上述信息提示方法还具备：根据保存在上述使用者信息数据库中的使用者的信息，决定是否允许使用者输入与上述物理量对应的信息的步骤。