CN114175082A - 信息处理设备、信息处理方法和信息处理程序 - Google Patents
信息处理设备、信息处理方法和信息处理程序 Download PDFInfo
- Publication number
- CN114175082A CN114175082A CN202080048856.XA CN202080048856A CN114175082A CN 114175082 A CN114175082 A CN 114175082A CN 202080048856 A CN202080048856 A CN 202080048856A CN 114175082 A CN114175082 A CN 114175082A
- Authority
- CN
- China
- Prior art keywords
- data
- intervention
- user
- variable
- calculation
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q30/00—Commerce
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0282—Rating or review of business operators or products
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N5/00—Computing arrangements using knowledge-based models
- G06N5/02—Knowledge representation; Symbolic representation
- G06N5/022—Knowledge engineering; Knowledge acquisition
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N5/00—Computing arrangements using knowledge-based models
- G06N5/04—Inference or reasoning models
- G06N5/046—Forward inferencing; Production systems
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/067—Enterprise or organisation modelling
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q30/00—Commerce
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0201—Market modelling; Market analysis; Collecting market data
Abstract
一种信息处理设备(1)包括确定单元(33)和呈现单元(34)。在基于指示多个变量之间的因果关系的因果信息(41)计算通过对多个变量中的任一个的干预而在目标变量中产生的干预效果的情况下,确定单元(33)确定计算所需的变量的数据是否不足。呈现单元(34)向用户呈现基于确定单元(33)的确定结果的信息。
Description
技术领域
本公开涉及信息处理设备、信息处理方法和信息处理程序。
背景技术
传统上,存在深度学习、多元回归、决策树、随机森林等作为在多变量数据分析中从其他变量预测作为目标的变量的值的技术。除了这种通过使用变量之间的相关性来执行预测的技术之外,已经提出了基于所谓的因果图的数据分析,该因果图通过推断变量之间的因果关系的技术来生成(参见例如专利文献1)。
引文列表
专利文献
专利文献1:JP 2014-228991 A
发明内容
技术问题
附带地,存在一种在使用数据的人(诸如公司)执行数据分析(干预效果计算)的情况下,通过有意地改变变量的值(干预变量)来计算对作为目标的变量的因果影响的技术。在这种干预效果计算中,在存在每个变量的数据量无限(或足够)的情况下,可以输出高度准确的计算结果。然而,实际上,由于每个变量的数据是有限的并且每个变量的数据条数是变化的,所以存在计算结果的精度降低的可能性。于是,在呈现低精度的计算结果的情况下,不能说向用户呈现了适当的信息,并且存在改进的空间。
因此,本公开提出了信息处理设备、信息处理方法和信息处理程序,其能够根据用于执行干预效果计算的数据状态向用户呈现适当的信息。
问题解决方案
一种信息处理设备包括确定单元和呈现单元。在基于指示多个变量之间的因果关系的因果信息计算通过多个变量中的任一个的干预而在目标变量中产生的干预效果的情况下,确定单元确定计算所需的变量的数据是否不足。呈现单元向用户呈现基于确定单元的确定结果的信息。
附图说明
图1是示出根据本公开的实施例的信息处理方法的概要的示图。
图2是示出根据本实施例的信息处理设备的配置的框图。
图3是示出客户信息的示例的示图。
图4是示出由呈现单元呈现的信息的示图。
图5是示出由呈现单元呈现的信息的示图。
图6是示出由呈现单元呈现的信息的示图。
图7是示出由呈现单元呈现的信息的示图。
图8是示出由呈现单元呈现的信息的示图。
图9是示出由呈现单元呈现的信息的示图。
图10是示出由呈现单元呈现的信息的示图。
图11是示出由呈现单元呈现的信息的示图。
图12是示出由呈现单元呈现的信息的示图。
图13是示出由呈现单元呈现的信息的示图。
图14是示出由呈现单元呈现的信息的示图。
图15是示出由呈现单元呈现的信息的示图。
图16是示出由呈现单元呈现的信息的示图。
图17是示出根据本实施例的由信息处理设备执行的信息处理过程的流程图。
图18是示出根据本实施例的信息处理设备的硬件配置的示例的框图。
具体实施方式
在下文中,将基于附图详细描述本公开的实施例。注意,在下面的每个实施例中,通过将相同的附图标记分配给相同的部分而省略重复的描述。
另外,在本说明书和附图中,通过在相同的附图标记之后分配不同的数字,可以区分具有基本相同的功能配置的多个部件。然而,在没有特别需要将具有基本相同功能配置的多个部件彼此区分的情况下,仅分配相同的附图标记。
此外,例如,在以下实施例中将描述在开发向客户提供产品或服务的公司(诸如服务公司业)中的数据分析的示例。注意,根据本实施例的信息处理设备、信息处理方法和信息处理程序不限于应用于公司的数据分析(即,商业领域中的数据分析)的情况,并且可以应用于各种领域(例如,医疗领域和教育领域)的数据分析。换言之,根据本实施例的信息处理设备、信息处理方法和信息处理程序可以应用于处理多个变量的数据分析。
<<1.根据本实施例的信息处理方法的概要>>
首先,将参考图1描述根据本实施例的信息处理方法的概要。图1是示出根据本公开的实施例的信息处理方法的概要的示图。在图1中示出了指示多个变量之间的因果关系的因果信息,即所谓的因果图。对于四个变量X、Y、Z1和Z2,在图1所示的示例中,变量之间的因果关系的方向由因果图中的箭头(原因→结果)指示。即,图1所示的因果图是有向图。此外,图1中所示的因果信息换句话说是具有概率分布的图形模型的信息,其中概率/统计原因和结果的变量由箭头连接。
注意,可以使用诸如分类变量或连续变量的任意变量。然而,优选的是变量具体是分类变量。在连续变量的情况下,可以通过分布函数的n-等分(n是2或更大的自然数)等获得分类变量。
此外,图1所示的因果图是因果信息的示例。因果信息仅需要是能够掌握多个变量之间的因果关系的信息,并且可以是列出变量之间的因果关系的信息。
例如,利用其数据被公司所拥有的客户的属性数据(例如年龄、性别或地址)、对每个客户进行的问卷的数据等来生成这样的因果信息。
例如,在图1中示出了通过利用向作为(当前和过去)会员的客户提供服务A和服务B的公司的数据而生成的因果信息。具体地,图1中所示的变量Z1是作为会员的客户的地址数据。此外,变量Z2是指示对服务B的满意度的问卷数据。此外,变量X是指示对服务A的满意度的问卷数据。此外,变量Y是指示客户是否已退出服务的数据。
注意,服务A和服务B不限于从同一公司提供的情况,而可以从不同的公司提供。即,因果信息(因果图)不限于利用一个公司的数据生成的情况,也可以利用多个公司的数据生成。
这里,例如,假设公司希望看到在为了降低客户的退出率而有意地改变因果信息中的变量X的情况下变量Y改变了多少。即,假设进行在对变量X进行干预的情况下在作为目标的变量Y中产生的干预效果的计算(以下,干预效果计算或干预计算)。注意,在下文中,要被干预的变量X可以被称为干预变量X,并且要作为目标的变量Y可以被称为目标变量Y。
传统上,在这种干预效果计算中,在每个变量的数据量是无限(或足够)的情况下,可以输出高度准确的计算结果。然而,实际上,每个变量的数据是有限的,并且还存在变量的数据条数变化的情况。在这种情况下,可能降低计算结果的精度。即,传统上,不能认为是适当的信息被呈现给用户,因为甚至具有低精度的计算结果呈现给了用户。
因此,在根据本实施例的信息处理方法中,向用户呈现与用于执行干预效果计算的数据状态相对应的信息。这一点将参考图1进行描述。
注意,假设图1所示的因果信息是基于公司的客户数据预先生成的。此外,在图1中假设从用户接收变量X(干预变量X)和期望看到的干预效果的目标变量Y,其中,用户(例如公司的负责人等)想要干预变量X。即,在图1中,假设干预对服务A的满意度的数据,并将会员退出或不退出的变化视为干预效果。
如图1所示,在根据本实施例的信息处理方法中,在通过基于因果信息对多个变量X、Y、Z1和Z2中的任意变量(干预变量X)进行干预而计算在目标变量Y中产生的干预效果的情况下,确定干预效果计算所需的变量X、Y、Z1和Z2的数据是否不足(步骤S1)。
除了每个变量的数据之外,本文中提及的变量的数据包括通过多个变量的组合获得的数据,并且稍后将描述其细节。
然后,在根据本实施例的信息处理方法中,向用户呈现基于步骤S1中的确定结果的信息(步骤S2)。
具体而言,在根据本实施例的信息处理方法中,在确定干预效果计算所需的变量X、Y、Z1和Z2的数据不足(数据足够)的情况下,基于从用户接收到的干预内容进行干预效果计算,并将计算结果呈现给用户。
另一方面,在根据本实施例的信息处理方法中,在确定干预效果计算所需的变量X、Y、Z1和Z2的数据不足的情况下,向用户呈现指示干预效果计算不可性的信息、指示数据不足的变量的信息、指示用于满足干预效果计算所需的变量的数据的提议措施的信息等。注意,稍后将描述要呈现给用户的信息的细节。
即,在根据本实施例的信息处理方法中,在数据不足的情况下,给出指示不能利用当前数据执行高精度的干预效果计算的通知,或者向用户呈现能够实现高精度的干预效果计算的提议措施,而不是执行干预效果计算。
结果,可以防止在没有用户意图的情况下呈现具有低精度的计算结果,并且还可以向用户告知数据在当前数据条数下不足。因此,在根据本实施例的信息处理方法中,可以根据用于执行干预效果计算的数据状态向用户呈现适当的信息。
<<2.根据本实施例的信息处理设备的配置>>
接下来,将参考图2描述根据本实施例的信息处理设备1的配置。图2是示出根据本实施例的信息处理设备1的配置的框图。如图2所示,信息处理设备1经由预定网络(未示出)可通信地连接到用户终端11。注意到,在本实施例中,描述了信息处理设备1和用户终端11分开配置的情况。然而,在另一个实施例中,可以采用以集成信息处理设备1和用户终端11的功能的方式配置的终端设备。
用户终端11例如是由公司负责人或个人等用户使用的终端设备。例如,用户终端11通过例如智能电话、平板终端、笔记本个人电脑(PC)、台式PC、蜂窝电话、个人数字助理(PDA)等来实现。
另外,信息处理设备1包括通信单元2、控制单元3和存储单元4。通信单元2例如通过网络接口卡(NIC)等来实现。然后,通信单元2经由预定网络向用户终端11发送信息和从用户终端11接收信息。
控制单元3包括接收单元31、提取单元32、确定单元33、呈现单元34、提议措施执行单元35和干预计算单元36。存储单元4存储因果信息41和客户信息42。
这里,信息处理设备1例如包括具有中央处理单元(CPU)、只读存储器(ROM)、随机存取存储器(RAM)、数据闪存、输入/输出端口等的计算机以及各种电路。
计算机的CPU例如通过读取并执行存储在ROM中的程序而用作控制单元3的接收单元31、提取单元32、确定单元33、呈现单元34、提议措施执行单元35和干预计算单元36。
此外,控制单元3的接收单元31、提取单元32、确定单元33、呈现单元34、提议措施执行单元35和干预计算单元36中的至少一个或全部可以由硬件配置,例如专用集成电路(ASIC)或现场可编程门阵列(FPGA)。
此外,存储单元4例如对应于RAM和数据闪存。RAM和数据闪存可以存储因果信息41、客户信息42、各种程序的信息等。注意,信息处理设备1可以通过另一计算机或通过有线或无线网络连接的便携式记录介质获取上述程序和各种信息。
如图1所示,因果信息41是指示多个变量之间的概率或统计因果关系的信息。例如,因果信息41可以基于因果贝叶斯网络的统计估计模型或因果结构方程来创建(参见例如专利文献1),或者可以作为其中专家或用户将变量之间的因果关系关联的信息来存储。
客户信息42是用户所属公司拥有其数据的客户的数据。图3是示出客户信息42的示例的示图。注意,可以为每个公司生成客户信息42,或者可以集成多个公司拥有其数据的客户的数据。
如图3所示,客户信息42包括诸如“客户ID”、“年龄”、“性别”、“地址”和“问卷数据”等项目。
“客户ID”是用于标识客户的标识信息。“年龄”是指示客户年龄的信息。注意,“年龄”可以是如图3所示的准确年龄,或者可以被抽象为“二十几”。“性别”是指示客户性别的信息。“地址”是指示客户地址的信息。“地址”可以是详细地址,或者可以被抽象为“东京”或“关东区域”。
“问卷数据”是指示由公司对客户执行的问卷的回答的信息。注意,图3所示的“问卷数据”中的“未回答”表示没有执行问卷,或者尽管已经执行了问卷,但是没有作出回答。
接下来,将描述控制单元3的各个功能块(接收单元31、提取单元32、确定单元33、呈现单元34、提议措施执行单元35和干预计算单元36)。
接收单元31经由用户终端11接收来自用户的各种信息。例如,接收单元31从用户接收用于执行干预效果计算的信息。具体地,接收单元31从用户接收从因果信息41中的变量中对干预变量和目标变量的选择,干预变量为要干预的变量,目标变量是期望看到对其的干预效果的变量。此外,接收单元31接收用户对从信息处理设备1呈现的选项的选择操作。具体地,在由提取单元32提取的变量中存在数据缺失的情况下(稍后描述),接收单元31接收选择操作以指定针对缺失的变量的处理。此外,在不能执行干预效果计算的情况下,接收单元31接收选择操作,以从呈现给用户的多个提议措施中指定要由提议措施执行单元35(稍后描述)执行的提议措施。此外,在可以执行干预效果计算的情况下,接收单元31接收关于干预变量的干预内容(改变的内容)。
在由接收单元31接收干预变量和目标变量的情况下,提取单元32从因果信息41所包含的变量中提取干预效果计算所需的变量。具体地,提取单元32基于因果信息41提取与干预变量具有直接或间接因果关系的变量(诸如混同变量)。换言之,提取单元32提取图1中所示的因果箭头连接到干预变量X的变量(变量Z1和Z2)和因果箭头连接到变量(变量Z1和Z2)但不连接到干预变量X的变量。
在基于因果信息41进行干预效果计算的情况下,确定单元33确定干预效果计算所需的变量的数据是否不足。首先,在确定数据不足之前,确定单元33确定提取单元32所提取的变量、干预变量以及目标变量中是否包含具有缺失数据的变量。具有缺失数据的变量指示某个变量的可能值的一部分的数据不存在的情况。例如,对于连续变量的频率分布数据,意味着连续值(级别)的值(级别)的一部分的数据不存在(缺失)。
在存在具有缺失数据的变量(以下称为缺失变量)的情况下,确定单元33向用户呈现处理缺失变量的方法并接收用户的选择。例如,确定单元33呈现以下三个作为处理缺失变量的方法。
(1)排除具有缺失值的数据
(2)补充缺失值
(3)将缺失值视为一个分类值
(1)排除具有缺失值的数据
在选择了“排除具有缺失值的数据”的情况下,确定单元33基于在缺失变量中不存在用于缺失数据的数据的假设,在下一阶段进行聚合处理。
(2)补充缺失值
在选择了“补充缺失值”的情况下,确定单元33补充缺失变量中的缺失数据。例如,在缺失变量是具有连续值的变量(连续变量)的情况下,确定单元33通过使用例如包含在缺失变量中的其他值的数据的平均值或中值来补充缺失值的数据。此外,在缺失变量是分类变量的情况下,确定单元33通过使用例如缺失变量中的代表值来补充缺失值的数据。
(3)将缺失值视为一个分类值
在选择了“将缺失值视为一个分类值”的情况下,确定单元33按原样处理缺失数据。具体地,确定单元33将指示存在缺失的信息添加到缺失变量中的缺失值,并在下一阶段执行聚合处理。
在变量的数据没有缺失的情况下,以及在与用户选择的处理缺失变量的方法相对应的处理完成的情况下,确定单元33聚合这些变量的数据。具体地,确定单元33针对由提取单元32提取的干预变量、目标变量和变量的每个组合执行聚合数据的聚合处理。
然后,确定单元33确定对于通过聚合处理对其执行聚合的变量的每个组合,数据条数是否等于或大于预定阈值。在针对变量的所有组合的数据条数均等于或大于阈值的情况下,确定单元33确定干预效果计算所需的变量的数据是足够的(不是不足的)。即,确定单元33确定能够进行干预效果计算。
另一方面,在变量的组合中存在数据条数小于阈值的变量的组合的情况下,确定单元33确定干预效果计算所需的变量的数据不足。即,确定单元33确定为不能够进行干预效果计算。
确定单元33将确定结果通知给呈现单元34和干预计算单元36。注意,呈现给呈现单元34的确定结果包括指示干预效果计算所需的变量的数据是否不足的信息、具有不足数据的变量的组合的信息等。
另外,在由提议措施执行单元35执行了提议措施的情况下,确定单元33确定干预效果计算所需的变量的数据是否不足。即,确定单元33确定是否通过由提议措施执行单元35执行提议措施来解决数据不足。
呈现单元34基于确定单元33的确定结果向用户呈现信息。例如,在确定单元33确定干预效果计算所需的变量的数据足够的情况下,呈现单元34向用户呈现指示可以进行干预效果计算的信息。
另一方面,在确定单元33确定干预效果计算所需的变量的数据不足的情况下,呈现单元34向用户呈现指示不能进行干预效果计算的信息。另外,呈现单元34将不足数据的信息和用于满足该数据的提议措施以及表示不能进行干预效果计算的信息一起呈现。注意,稍后将参考图4到图16描述由呈现单元34呈现的信息的细节。
提议措施执行单元35执行由呈现单元34呈现给用户的提议措施。例如,在由呈现单元34呈现多个提议措施的情况下,接收单元31从用户接收对一个提议措施的选择,并且进一步接收指示执行所选择的提议措施的执行指令。然后,在由接收单元31接收针对提议措施的执行指令的情况下,提议措施执行单元35执行提议措施。注意,稍后将参考图4至图16描述由提议措施执行单元35执行的提议措施的具体示例。
在确定单元33确定干预效果计算所需的变量的数据足够的情况下,干预计算单元36执行干预效果计算。具体地,干预计算单元36基于由接收单元31从用户接收的对干预变量的干预内容,来计算在目标变量中的干预效果。
然后,干预计算单元36将干预效果计算的计算结果通知给呈现单元34,并且呈现单元34向用户呈现基于计算结果的干预信息。注意,稍后将描述呈现给用户的干预信息的细节。
<<3.呈现给用户的信息的具体示例>>
接下来,将参考图4到图16描述由呈现单元34呈现给用户的信息的细节。
图4至图16是示出呈现单元34所呈现的信息的示图。
例如,如图4所示,呈现单元34呈现指示干预效果计算是不可行的信息,例如“错误!”和“不能执行干预计算”,并呈现指示变量具有不足的数据的信息,例如“地址=“关东”和对服务A的满意度=“4:稍微满意”的组合数据为不足”。因此,用户能够准确地掌握不能执行干预效果计算的原因。
注意,作为要呈现给用户的信息,呈现单元34可以仅显示在图4的下部示出的信息(文本信息),或者也可以显示在图4的上部示出的信息(因果信息41的图形模型)。
然后,例如,如图5所示,呈现单元34可以呈现指示干预效果计算是不可行的信息,并且呈现提议措施以满足干预效果计算所需的变量的数据。
在图5中呈现了以下五个提议措施并且显示了复选框。注意,稍后将参考图7至图16描述提议措施(1)至(5)的具体内容。
(1)绑定变量○的分类值
(2)去除具有小影响的Zi
(3)改变从X→Zi的箭头的方向
(4)在精度降低的情况下继续计算
(5)再次收集数据
注意,“变量○”是与该干预效果计算相关的任意变量,并且在图4的示例中是变量X、变量Z1或变量Z2。此外,假设“Z1”是变量Z1或下文中的变量Z2。
此外,如图5所示,在存在即使当作为提议措施被执行时也未解决数据不足的提议措施的情况下,呈现单元34轻微地显示提议措施(图5中的(2)去除具有小影响的Zi)。即,其它提议措施的显示模式相比,呈现单元34改变不能解决数据不足的提议措施的显示模式。因此,可以防止用户错误地选择无意义的提议措施。请注意,可以隐藏无法解决数据不足的提议措施。
此外,如图5所示,在呈现多个提议措施的情况下,呈现单元34基于每个提议措施的用户熟练程度(图5所示的黑星)来呈现推荐信息。注意,用户的熟练程度是指示数据分析中的丰富经验程度。
例如,如图6所示,在用户的熟练程度高(经验丰富)的情况下,呈现单元34使“改变从X→Zi箭头的方向”的推荐信息为高。即,对于提议措施“改变从X→Zi箭头的方向”,呈现单元34根据熟练程度动态地改变推荐信息的程度,因为当由熟练程度低的用户执行提议措施时,干预效果计算的可靠性降低。另外,如图6所示,呈现单元34显示辅助信息,例如“由于你是专家,推荐度被设定得高于平常”。因此,在执行提议措施“改变从X→Zi箭头的方向”的情况下,可以通知需要高熟练度。
然后,接收单元31从用户接收对至少一个提议措施的选择(复选框的复选)。随后,呈现单元34针对由接收单元31接收的每个提议措施呈现如图7到图14所示的特定信息。在下文中,将详细描述上述提议措施(1)至(5)。
<(1)绑定变量○的分类值>
在图7中示出了提议措施“绑定变量○的分类值”的具体示例。在图7的示例中,假设通过系统或用户的确定来选择作为变量○的候选的X、Z1和Z2中的X。在用户选择提议措施“绑定变量○的分类值”的情况下,呈现单元34将具有不足数据的值的数据与包括在变量○中的多个值(分类值)中的另一值的数据绑定。
在图7中示出了在作为干预变量X的“对服务A的满意度”的每个值下的多条数据(客户的数量)的分布。注意,“对服务A的满意度”的值(1到5)分别指示“1:非常不满意”、“2:稍微不满意”、“3:都不”、“4:稍微满意”和“5:非常满意”。
这里,例如,假设为“1:非常不满意”的数据条数小于预定阈值。在这种情况下,例如,呈现单元34呈现以绑定多条数据“1:非常不满意”和“2:稍微不满意”。即,呈现单元34呈现以将以下两个值视为一个值:数据条数不足的值的“1:非常不满意”,以及具有足够数据条数的值的“2:稍微不满意”,并且将数据条数相加。即,提出将具有相对相似内容的两个值看作一个值,并且将数据条数相加。
然后,在接收单元31从用户接收针对提议措施的执行指令的情况下,提议措施执行单元35执行由呈现单元34呈现的提议措施。即,提议措施执行单元35绑定“1:非常不满意”和“2:稍微不满意”,并且将值的数据条数相加。注意,在这种情况下的绑定值优选地表示为能够标识“1:非常不满意”和“2:稍微不满意”是绑定的值。
结果,因为被认为是一个值的多个值的数据条数是两个值的数据条数的和,所以数据条数不是不足的。换言之,通过将两个值的数据条数相加,将变量X的可能值从5个值减少到4个值,解决了数据不足的问题。因此,能够由干预计算单元36(后述)执行干预效果计算。
注意,绑定变量的值的情况不限于将具有不足数据条数的值和具有足够数据条数的值被绑定的情况。只要能够解决数据不足,具有不足数据条数的值就可以被绑定。此外,尽管在图7中示出了绑定两个值的情况,但是可以绑定三个或更多个值。
另外,虽然在图7中示出了一个变量X的数据条数不足的情况的绑定处理,但是即使在多个变量的组合的数据不足的情况下也可以执行绑定处理。这一点将参考图8进行描述。
在图8中,假设变量“地址”和变量“对服务A的满意度”的组合的数据是不足的。如图8所示,在多个变量的组合的数据不足的情况下,呈现单元34将指示具有不足数据的变量的信息可视化并将其呈现给用户。具体地,呈现单元34以表格格式显示包括具有不足数据的变量的变量组合的数据条数的列表。此外,根据数据条数,呈现单元34改变以表格格式显示的每个项目的背景的颜色信息(阴影或RGB)。结果,用户能够容易地掌握多个变量中的值的组合不足的数据。注意,呈现单元34不限于改变每个项目的背景的颜色信息的情况,并且仅需要能够根据每个项目的数据条数来改变显示模式(诸如字符大小)。
然后,呈现单元34呈现变量的值的绑定与上述表中的信息。在图8中,呈现单元34呈现两种绑定方法以解决“北海道(Hokkaido)”和“非常不满意”的组合的数据不足。具体地,呈现单元34呈现绑定“北海道”和“东北(Tohoku)”的方法和绑定“非常不满意”和“稍微不满意”的方法。即,呈现单元34通过绑定变量“地址”的值并将值从5减少到4,或者绑定变量“对服务A的满意度”的值并将值从5减少到4来解决数据不足。
然后,在接收单元31从用户接收到执行提议措施中的任一个的指令的情况下,提议措施执行单元35执行所选择的提议措施。
此外,如图9所示,呈现单元34以具有少量数据条数的区域(变量的组合的各个项目)被消除的这种方式在内部执行绑定处理并且不对用户进行呈现,在内部执行绑定处理中对每个变量的变量X和变量Z的值(分类值)或变量的组合样态执行聚类处理,并且满足可以执行干预效果计算的条,。
具体地,如图8所示,呈现单元34通过对具有变量的值的类似分布的项目进行聚类在内部执行消除其中数据条数不足的区域的绑定处理。更具体地,在图8所示的示例中,呈现单元34以变量X和变量Z的组合来执行绑定。
<(2)去除具有小影响的Zi>
接下来,在图10中示出了提议措施“去除具有小影响的Zi”的具体示例。在由用户选择提议措施“去除具有小影响的Zi”的情况下,呈现单元34呈现给用户从干预效果计算中排除在干预效果计算所需的变量中对干预效果具有小影响的变量。
这里,在图10中,指示变量之间的因果关系的箭头随着对干预效果的影响程度变大而显示得越粗。注意,可以例如基于干预变量X和目标变量Y的互信息量(两个变量之间的相互依赖量)的变化来计算对干预效果的影响程度。具体地,上述影响程度可以被计算为每个变量Z1(或变量Z2)被调节的情况下干预变量X和目标变量Y的互信息量与每个变量未被调节的情况下互信息量之间的差。即,该差越小,影响程度越小。
在图10所示的示例中,变量Z1“地址”对设定干预变量X和目标变量Y的情况下的干预效果计算的影响较小。换言之,即使当从干预效果计算中去除变量Z1“地址”时,计算结果的可靠性也不会降低很多。
因此,呈现单元34向用户呈现从干预效果计算中移除变量Z1。结果,例如,在不能执行干预效果计算的原因是变量Z1的数据不足的情况下,通过提议措施执行单元35去除变量Z1,可以在最小化计算结果的可靠性降低的同时执行干预效果计算。
注意,呈现单元34可以仅呈现影响程度最小的变量作为要从干预效果计算中去除的变量,或者可以显示按影响程度顺序排列的所有变量的列表,并允许用户选择要从计算中去除的变量。可选地,呈现单元34可以呈现影响程度小于预定阈值的变量,即,上述互信息量之间的差小于预定阈值的变量。此外,例如,在变量X和变量Z1的互信息量或者变量Y和变量Z1的互信息量小于预定阈值的情况下,呈现单元34可以呈现要从计算中去除的变量。
注意,上述影响程度不限于基于两个变量的互信息量来计算的情况,并且可以基于例如另一方法来计算,诸如计算两个变量之间的相关性的函数,计算两个变量之间的相似性的函数,或倾向得分。即,可以通过测量两个变量之间的距离的任意方法来执行该计算。
注意,对于提议措施“去除具有小影响的Zi”,在上述影响程度小于预定阈值并且即使当执行从计算中的去除时也没有影响的情况下,呈现单元34可以在内部执行从计算中去除的处理,而不向用户呈现提议措施。
<(3)改变从X→Zi箭头的方向>
接下来,在图11中示出了提议措施“改变从X→Zi箭头的方向”的具体示例。在用户选择了提议措施“改变从X→Zi箭头的方向”的情况下,呈现单元34向用户呈现在干预效果计算所需的变量之间改变原因和结果的方向。
在图11中呈现在改变之前的变量Z2→变量X被改变为在改变之后的变量X→变量Z1。注意,用户可以任意地选择原因和结果的方向将被改变的变量,或者控制单元3可以自动地选择具有高相关性,具有高相似性等的两个变量。
此外,如图11所示,呈现单元34向用户呈现提议措施以改变原因和结果的方向,并且呈现与该提议措施相关的补充信息。在图10所示的示例中,,呈现单元34显示作为补充信息的“提示”与提议措施。
例如,如图11所示,在作为补充信息的“提示”中,呈现了与其中可以改变两个变量之间的原因和结果的方向的情况的特定示例相关的信息。
然后,在接收单元31从用户接收针对提议措施的执行指令的情况下,提议措施执行单元35执行提议措施。结果,由于两个变量之间的原因和结果的方向颠倒,因此干预效果计算所需的变量被改变,如图12所示。
在图12中示出了变量X和变量Z2之间的原因和结果的方向已经改变的情况。例如,在设定干预变量X和目标变量Y的情况下,变量Z1和变量Z2是在改变之前的因果关系中干预效果计算所需的变量,该关系在图12的上部中示出。
这里,在变量Z2的数据不足的情况下,不能利用图12的上部所示的因果关系执行干预效果计算。因此,如图12的下部所示,通过改变变量X和变量Z2之间的原因和结果的方向,变量Z2不再是干预效果计算所需的变量。即,利用图12的下部所示的因果关系,可以在设定干预变量X和目标变量Y的情况下执行干预效果计算。换言之,由于通过原因和结果的方向的改变来改变(减少)干预效果计算所需的变量,因此具有不足数据的变量对于计算变得不必要,结果,能够解决数据不足。
而且,在图12所示的示例中,已经提出,由于变量X和变量Z2之间的相关性或相似性高,所以原因和结果的方向改变。然而,在变量X与变量Z2之间的相关性或相似性高的情况下,可以呈现为将待干预的变量从变量X改变为变量Z2。这一点将参考图13进行描述。
例如,如图13所示,在变量X和变量Z2之间的相关性(或上述影响程度)等于或大于预定阈值的情况下,呈现单元34呈现将待干预的变量从变量X改变为变量Z2。换言之,在存在与改变前的干预变量具有高相关性的变量的情况下,呈现单元34呈现将待干预变量改变为该变量。即,作为提议措施,呈现单元34向用户呈现改变要干预的变量而不改变目标变量Y。
因此,例如在变量Z1的数据不足的情况下,将变量Z2设定为干预变量,变量Z1不再是干预效果计算所需的变量。由此,能够解决干预效果计算所需的变量的数据不足。
此外,如图13所示,呈现单元34向用户呈现提议措施以改变干预变量,并且呈现与该提议措施相关的补充信息。在图13所示的示例中,与呈现单元34将作为补充信息的“提示”与提议措施一起显示。
例如,如图13所示,在作为补充信息的“提示”中呈现与可以改变干预变量的情况的特定示例相关的信息。
<(4)在精度降低的情况下继续计算>
接下来,在图14中示出了提议措施的具体示例“在精度降低的情况下继续计算”。即,在用户选择提议措施“在精度降低的情况下继续计算”的情况下,呈现单元34向用户呈现继续干预效果计算,同时呈现干预效果计算的精度(图14的下部中所示的可靠性)降低。
具体地,如图14的上部所示,首先,呈现单元34显示用于用户输入关于干预变量X的干预内容的信息。具体地,呈现单元34根据用户操作显示干预前变量X的数据和干预后变量X的数据。即,用户在干预后执行改变变量X的数据分布的操作。注意,如图14所示,在变量X的值中,相对于未被干预的值的显示模式,优选地改变用户干预的值的显示模式。在图14中,用户干预值的数据用阴影指示。
然后,在用户在干预操作之后操作“进入”按钮的情况下,干预计算单元36执行干预效果计算,并且呈现单元34显示基于干预计算单元36的计算结果的干预信息。如图14的下部所示,由呈现单元34呈现的干预信息包括干预之前和干预之后的目标变量Y的数据,以及与数据条数的比的变化(干预效果)有关的信息(“1”的比增加了○○%!)。
此外,如图14的下部所示,呈现单元34向用户呈现包括干预效果的可靠性的干预信息,例如“然而,由于执行了近似计算,结果的可靠性为□□%”。此外,优选地,仅在确定单元33确定数据不足而无法原始地进行干预效果计算的情况下,由呈现单元34呈现干预效果的可靠性。即,在确定单元33确定干预效果计算所需的变量的数据足够的情况下,呈现单元34不呈现表示干预效果的可靠性的信息。
注意,在计算上述可靠性(干预效果计算的精度)的情况下,干预计算单元36例如使用干预效果计算所需的变量的数据来重复地执行数据的随机抽样→干预效果计算,并通过计算计算结果的方差来计算可靠性。可替换地,干预计算单元36可以针对干预效果计算所需的变量的每个组合计算与数据条数相对应的标准化指数,并且计算其最小值作为可靠性。
注意,在确定单元33确定干预效果计算所需的数据不足的情况下继续干预效果计算时的呈现内容在图14中示出。然而,例如,在确定单元33确定干预效果计算所需的数据足够的情况下,除了呈现可靠性之外,基本上呈现与图14中的信息基本相似的信息。
此外,例如,当使用户改变干预变量的分布时,可以以用户不能干预具有少量数据条数的值的方式对用户界面(UI)施加限制。这一点将参考图15进行描述。
图15是示出由呈现单元34呈现的信息的示图。在图15中,假设值“1”的数据条数小于预定数量。在这种情况下,在显示干预后的变量X的数据的分布的情况下,呈现单元34将“不可键入”的显示叠加在值“1”的数据上,使得值“1”的数据不能改变。
即,在干预计算单元36从用户接收用于计算干预效果的干预的情况下,呈现单元34对于包括在变量X中的多个值中具有的数据条数小于预定数量的值,禁止从用户接收干预。
因此,能够防止呈现干预效果的低可靠性计算结果,这是因为能够防止用户干预具有不足数据条数的值“1”的数据。
注意,在图15中,通过在值“1”的数据上叠加“不可键入”的显示来禁止干预。然而,显示模式可以是任意的。例如,可以轻微地显示或者可以透明地显示禁止对值的干预的值的数据。或者,可以在不改变显示模式的情况下,将数据设定为即使在用户执行操作以进行干预的情况下也不改变。此外,呈现单元34还可以在屏幕上显示“不可键入”的原因。例如,对于值“1”,呈现单元34可以显示由于数据条数不足而不能改变数据,或者由于数据条数不足而导致干预效果的计算结果的可靠性低而不能改变数据。
<(5)再次收集数据>
接下来,在图16中示出了提议措施“再次收集数据”的具体示例。在用户选择提议措施“再次收集数据”的情况下,呈现单元34向用户呈现再次收集数据,同时呈现指示具有不足数据的变量的信息。
具体地,如图16所示,呈现单元34向用户呈现重点收集“地址=“关东”和对服务A的满意度=“4:稍微不满意”的组合数据”,该组合为具有不足数据的变量的组合。
注意,在呈现再次收集数据的情况下,呈现单元34不限于执行具有不足数据的变量的文本显示的情况,并且还可以以例如图8所示的方式在表格中显示信息(可视化信息)。
<<4.信息处理的流程图>>
接下来,将参考图17描述由根据本实施例的信息处理设备1执行的信息处理过程。图17是示出根据本实施例的由信息处理设备1执行的信息处理过程的流程图。注意,在图17中假设因果信息41是预先生成的。
如图17所示,首先,接收单元31接收用户从因果信息41中的变量中对干预变量和目标变量的选择(步骤S101)。
随后,提取单元32从因果信息41中的变量中提取干预效果计算所需的变量(例如混同变量)(步骤S102)。
接着,确定单元33确定由提取单元32提取出的变量中是否存在缺失数据(步骤S103)。
在确定单元33确定变量中存在缺失数据的情况下(步骤S103:是),呈现单元34向用户呈现包括以下选项(1)至(3)的信息,并且接收单元31从用户接收对选项中的任一个的选择(步骤S104)。
(1)排除具有缺失值的数据
(2)补充缺失值
(3)将缺失值视为一个分类值
随后,确定单元33对具有缺失值的变量执行与从(1)至(3)中选择的选项相对应的处理,聚合针对干预效果计算所需的各变量的每个组合的数据(步骤S105)。
然后,确定单元33确定聚合数据的条数是否等于或大于阈值(步骤S106)。即,确定单元33确定干预效果计算所需的变量的数据的不足。
在聚合数据的条数等于或大于阈值的情况下,即,在干预效果计算所需的变量的数据足够的情况下(步骤S106:是),呈现单元34向用户呈现干预效果计算是可行的(步骤S107)。
随后,接收单元31从用户接收对干预变量的分布的改变,并且干预计算单元36基于从用户接收的干预内容在目标变量中执行干预效果计算(步骤S108)。
随后,呈现单元34向用户呈现基于干预计算单元36的计算结果的目标变量的分布的变化(步骤S109),并且结束处理。
另一方面,在步骤S103中所提取的变量中没有缺失数据的情况下(步骤S103:否),控制单元3使处理进行至步骤S105。
另外,在聚合数据的条数小于阈值的情况下,即,在步骤S106中干预效果计算所需的变量的数据不足的情况下(步骤S106:否),呈现单元34向用户呈现干预效果计算是不可行的(步骤S110)。
此外,呈现单元34将提议措施的列表与指示推荐度的推荐信息一起显示(步骤S111)。随后,呈现单元34从用户接收对一个提议措施的选择,并显示与所接收的提议措施相关的信息(步骤S112)。
随后,提议措施执行单元35确定用户是否执行允许执行提议措施的操作(步骤S113),并且在执行不允许执行提议措施的操作的情况下结束处理(步骤S113:否)。
另一方面,在用户执行允许执行提议措施的操作的情况下(步骤S113:是),提议措施执行单元35执行提议措施(步骤S114)并将处理前进到步骤S105。
<<5.硬件配置示例>>
接下来,将参考图18描述根据本实施例的信息处理设备1等的硬件配置的示例。图18是示出根据本实施例的信息处理设备1的硬件配置的示例的框图。
如图18所示,信息处理设备1包括中央处理单元(CPU)901、只读存储器(ROM)902、随机存取存储器(RAM)903、主机总线905、桥接器907、外部总线906、接口908、输入设备911、输出设备912、存储设备913、驱动器914、连接端口915,以及通信设备916。信息处理设备20可以包括替代CPU 901或除了CPU 901之外的电子电路和诸如DSP或ASIC的处理电路。
CPU 901用作运算处理设备和控制设备,并且根据各种程序控制信息处理设备20的整体操作。此外,CPU 901可以是微处理器。ROM 902存储CPU 901使用的程序、操作参数等。RAM 903临时存储CPU 901的执行中使用的程序、执行中适当变化的参数等。例如,CPU901可以执行接收单元31、提取单元32、确定单元33、呈现单元34、提议措施执行单元35和干预计算单元36的功能。
CPU 901、ROM 902和RAM 903通过包括CPU总线等的主机总线905相互连接。主机总线905经由桥接器907连接到外部总线906,例如外围部件互连/接口(PCI)总线。注意,主机总线905、桥接器907和外部总线906不必以分离的方式配置,并且其功能可以安装在一条总线上。
输入设备911是用户向其输入信息的设备,并且例如是鼠标、键盘、触摸板、按钮、麦克风、开关、操纵杆等。可替换地,输入设备911可以是使用红外线或其它无线电波的遥控设备,或者可以是对应于信息处理设备1的操作的外部连接设备,例如蜂窝电话或PDA。此外,输入设备911可以包括例如输入控制电路等,其基于用户利用上述输入装置输入的信息来生成输入信号。
输出设备912是能够在视觉上或听觉上向用户通知信息的设备。例如,输出设备912可以是显示设备,例如阴极射线管(CRT)显示设备、液晶显示设备、等离子显示设备、电致发光(EL)显示设备、激光投影仪、发光二极管(LED)投影仪或灯,或者可以是声音输出设备,例如扬声器或耳机等。
输出设备912例如可以输出由信息处理设备1进行的各种处理所取得的结果。具体地,输出设备912可以以各种形式(例如文本、图像、表格或图形)可视地显示通过信息处理设备1的各种处理获得的结果。可替换地,输出设备912可以将诸如音频数据或声音数据的音频信号转换为模拟信号并可听地输出该模拟信号。例如,输入设备911和输出设备912可以执行接口的功能。
存储设备913是用于数据存储的设备,并且形成作为信息处理设备1的存储单元4的示例。存储设备913可以例如通过诸如硬盘驱动器(HDD)的磁存储设备、半导体存储设备、光存储设备、磁光存储设备等来实现。例如,存储设备913可以包括存储介质、将数据记录到存储介质中的记录设备、从存储介质读取数据的读取设备、删除记录在存储介质中的数据的删除设备等。存储设备913可以存储CPU 901执行的程序、各种数据、从外部获取的各种数据等。例如,存储设备913可以执行存储因果信息41和客户信息42的功能。
驱动器914是存储介质的读取器/写入器,并且内置于或外接于信息处理设备1。驱动器914读取记录在诸如磁盘、光盘、磁光盘或半导体存储器等已安装的可移动存储介质中的信息,并将其输出到RAM 903。此外,驱动器914可以将信息写入可移动存储介质。
连接端口915是连接到外部设备的接口。连接端口915是能够将数据发送到外部设备的连接端口,并且例如可以是通用串行总线(USB)。
通信设备916例如是由用于连接到网络920的通信设备等形成的接口。通信设备916例如可以是用于有线或无线局域网(LAN)、长期演进(LTE)、蓝牙(注册商标)或无线USB(WUSB)等的通信卡。此外,通信设备916可以是用于光通信的路由器、用于非对称数字用户线(ADSL)的路由器、用于各种通信的调制解调器等。例如,基于诸如TCP/IP的预定协议,通信设备916可以向/从因特网或其他通信装置发送/接收信号等。
注意,网络40是信息的有线或无线传输路径。例如,网络40可以包括诸如因特网、电话网络或卫星通信网络的公共网络,包括以太网(注册商标)的各种局域网(LAN),广域网(WAN)等。此外,网络920可以包括专用网络,例如互联网协议虚拟专用网(IP-VPN)。
另外,也可以创作使信息处理设备1内置的诸如CPU、ROM、RAM等硬件执行与根据本实施例的上述信息处理设备1的部件等同的功能的计算机程序。此外,可以提供存储计算机程序的存储介质。
此外,在上述实施例中描述的多个处理中,描述为自动执行的处理的全部或一部分可以手动执行,或者描述为手动执行的处理的全部或一部分可以通过已知方法自动执行。此外,除非另外指明,否则上述文档或附图中所示的处理过程、特定名称和包括各种数据和参数的信息可以任意改变。例如,在各图中示出的各种信息不限于示出的信息。
而且,每个所示设备的每个部件是功能概念,并且不需要以附图中所示的方式物理配置。即,每个设备的分布/集成的特定形式不限于附图中所示的,并且其全部或部分可以根据各种负载和使用条件在功能上或物理上被分布/集成在任意单元中。
另外,上述实施例可以在处理内容彼此不矛盾的区域中任意组合。此外,可以适当地改变上述实施例的流程图和序列图中所示的步骤的顺序。
<<6.结论>>
如上所述,根据本公开的实施例,信息处理设备1包括确定单元33和呈现单元34。在基于表示多个变量之间的因果关系的因果信息41对通过多个变量中的任何变量的干预在目标变量中产生的干预效果执行计算的情况下,确定单元33确定计算所需的变量的数据是否不足。呈现单元34向用户呈现基于确定单元33的确定结果信息。
结果,可以防止在没有用户意图的情况下呈现低精度的计算结果,并且还可以告诉用户当前的数据条数不足。因此,可以根据用于执行干预效果计算的数据状态向用户呈现适当的信息。
此外,在确定单元33确定计算所需的变量的数据不足的情况下,呈现单元34向用户呈现指示计算是不可行的信息。
因此,能够防止呈现低精度的计算结果。
此外,在确定单元33确定计算所需的变量的数据不足的情况下,呈现单元34向用户呈现指示具有不足数据的变量的信息。
因此,用户能够掌握变量不足的数据。
另外,在多个变量的组合的数据不足的情况下,呈现单元34将指示具有不足数据的变量的信息可视化并将其呈现给用户。
由此,使用者能够直观地掌握多个变量的组合的数据条数中组合的数据不足。
此外,在确定单元33确定计算所需的变量的数据不足的情况下,呈现单元34向用户呈现提议措施以满足计算所需的变量的数据。
因此,可以向用户呈现即使使用当前数据条数也可以解决数据不足。
此外,作为提议措施,呈现单元34呈现用户将具有不足数据的值的数据与包括在变量中的多个值中另一值的数据进行绑定。
因此,可以解决数据不足,因为可以绑定变量的可能值并将数据条数相加。
另外,作为提议措施,呈现单元34向用户呈现从计算中排除计算所需的变量中对干预效果影响较小的变量。
因此,在具有不足数据的变量的影响小的情况下,能够从干预效果计算中去除该变量。由此,能够解决干预效果计算所需的变量的数据不足。
此外,作为提议措施,呈现单元34向用户呈现改变计算所需的变量之间的原因和结果的方向。
由此,通过改变干预效果计算所需的变量,具有不足数据的变量对于干预效果计算变得不必要,因此能够消除干预效果计算所需的变量的数据不足。
此外,作为提议措施,呈现单元34向用户呈现继续计算,同时呈现计算的精度降低。
因此,例如不想改变数据的内容的用户能够执行干预效果计算。
此外,作为提议措施,呈现单元34向用户呈现再次收集数据,同时呈现指示具有不足数据的变量的信息。
因此,当再次收集数据时,可以向用户呈现哪些数据可能不足。
此外,作为提议措施,呈现单元34向用户呈现改变要干预的变量而不改变目标变量。
由此,通过改变干预效果计算所需的变量,具有不足数据的变量对于干预效果计算变得不必要,因此能够消除干预效果计算所需的变量的数据不足。
此外,呈现单元34向用户呈现与提议措施相关的补充信息以及提议措施。
因此,用户能够更深入地理解提议措施的内容。
此外,在呈现多个提议措施的情况下,呈现单元34针对每个提议措施,呈现基于用户的熟练程度的推荐信息。
因此,可以根据用户的熟练程度来推荐适当的提议措施。
此外,根据本实施例的信息处理设备1还包括干预计算单元36。在确定单元33确定计算所需的变量的数据足够的情况下,干预计算单元36基于从用户接收到的干预内容来计算目标变量的干预效果。呈现单元34向用户呈现基于干预计算单元36的计算结果的干预信息。
因此,在变量的数据不足的情况下不呈现干预信息,并且仅在数据足够的情况下可以将干预效果的计算结果呈现给用户。
此外,在干预计算单元36从用户接收用于计算干预效果的干预的情况下,呈现单元34禁止从用户接收对包括在变量中的多个值中具有小于预定数量的数据条数的值的干预。
由此,由于能够防止用户干预数据条数不足的值的数据,因此能够防止干预效果的低可靠性计算结果的显示。
此外,呈现单元34向用户呈现包括干预效果和干预效果的可靠性的干预信息。
因此,可以指示用户能够信任作为计算结果的干预效果多少。
此外,呈现单元34向用户呈现干预信息,该干预信息包括干预变量和干预前后的目标变量的数据。
这允许用户容易地掌握干预变量和干预前后的目标变量的状态。
虽然上面已经描述了本公开的实施例,但是本公开的技术范围不限于上述实施例,并且可以在本公开的精神和范围内进行各种修改。而且,不同实施例和修改示例的部件可以任意组合。
此外,在本说明书中描述的每个实施例中的效果仅仅是示例而不是限制,并且可以存在不同的效果。
注意,本技术还可以具有以下配置。
(1)一种信息处理设备,包括:
确定单元,其在基于指示多个变量之间的因果关系的因果信息执行对由多个变量中的任一个中的干预在目标变量中产生的干预效果的计算的情况下,确定计算所需的变量的数据是否不足;和
呈现单元,其向用户呈现基于确定单元的确定结果的信息。
(2)根据(1)所述的信息处理设备,其中
在确定单元确定计算所需的变量的数据不足的情况下,呈现单元向用户呈现指示不能进行计算的信息。
(3)根据(1)或(2)所述的信息处理设备,其中
在确定单元确定计算所需的变量的数据不足的情况下,呈现单元向用户呈现指示具有不足数据的变量的信息。
(4)根据(3)所述的信息处理设备,其中
在多个变量的组合的数据不足的情况下,呈现单元将指示具有不足数据的变量的信息可视化,并将其呈现给用户。
(5)根据(1)至(4)中任一项所述的信息处理设备,其中
在确定单元确定计算所需的变量的数据不足的情况下,呈现单元向用户呈现提议措施以满足计算所需的变量的数据。
(6)根据(5)所述的信息处理设备,其中
呈现单元向用户呈现将具有不足数据的值的数据和包括在变量中的多个值中的另一值的数据绑定而作为提议措施。
(7)根据(5)或(6)所述的信息处理设备,其中
呈现单元向用户呈现将计算所需的变量中对干预效果影响小的变量从计算中排除来作为提议措施。
(8)根据(5)至(7)中任一项所述的信息处理设备,其中
呈现单元向用户呈现改变计算所需的变量之间的原因和结果的方向作为提议措施。
(9)根据(5)至(8)中任一项所述的信息处理设备,其中
呈现单元向用户呈现继续计算同时呈现计算的精度降低来作为提议措施。
(10)根据(5)至(9)中任一项所述的信息处理设备,其中
呈现单元向用户呈现再次收集数据同时呈现指示具有不足数据的变量的信息来作为提议措施。
(11)根据(5)至(10)中任一项所述的信息处理设备,其中
呈现单元向用户呈现改变要干预的变量但不改变目标变量作为提议措施。
(12)根据(5)至(11)中任一项所述的信息处理设备,其中
呈现单元将与提议措施相关的补充信息与提议措施一起呈现给用户。
(13)根据(5)至(12)中任一项所述的信息处理设备,其中
在呈现多个提议措施的情况下,呈现单元呈现针对每个提议措施的推荐信息,所述推荐信息基于用户的熟练程度。
(14)根据(1)至(13)中任一项所述的信息处理设备,进一步包括干预计算单元,在所述确定单元确定所述计算所需的变量的数据足够的情况下,所述干预计算单元基于从所述用户接收的干预内容来执行所述目标变量中的干预效果的计算,其中
呈现单元向用户呈现基于干预计算单元的计算结果的干预信息。
(15)根据(14)所述的信息处理设备,其中
在干预计算单元从用户接收用于计算干预效果的干预的情况下,呈现单元禁止接收对变量中所包括的多个值中具有小于预定数量的数据条数的值的干预。
(16)根据(14)或(15)所述的信息处理设备,其中
呈现单元向用户呈现包括干预效果和干预效果的可靠性的干预信息。
(17)根据(14)至(16)中任一项所述的信息处理设备,其中
呈现单元向用户呈现干预信息,所述干预信息包括干预变量和干预前后的目标变量的数据。
(18)一种信息处理方法,包括:
确定步骤,在基于指示多个变量之间的因果关系的因果信息计算由于对多个变量中的任一个的干预在目标变量中产生的干预效果的情况下,确定计算所需的变量的数据是否不足;和
呈现步骤,向用户呈现基于确定步骤的确定结果的信息。
(19)信息处理程序,其通过由计算机读取而使所述计算机用作
确定单元,其在基于指示多个变量之间的因果关系的因果信息来计算执行由于对多个变量中的任一个的干预在目标变量中产生的干预效果的情况下,确定计算所需的变量的数据是否不足,以及
呈现单元,其向用户呈现基于确定单元的确定结果的信息。
附图标记列表
1 信息处理设备
2 通信单元
3 控制单元
4 存储单元
11 用户终端
31 接收单元
32 提取单元
33 确定单元
34 呈现单元
35 提议措施执行单元
36 干预计算单元
41 因果信息
42 客户信息
Claims (19)
1.一种信息处理设备,包括:
确定单元,在基于因果信息计算通过对多个变量中的任一个的干预而在目标变量中产生的干预效果的情况下,确定所述计算所需的变量的数据是否不足,所述因果信息指示所述多个变量之间的因果关系;和
呈现单元,基于所述确定单元的确定结果向用户呈现信息。
2.根据权利要求1所述的信息处理设备,其中:
在所述确定单元确定所述计算所需的所述变量的数据不足的情况下,所述呈现单元向所述用户呈现指示所述计算不可行的信息。
3.根据权利要求1所述的信息处理设备,其中:
在所述确定单元确定所述计算所需的所述变量的数据不足的情况下,所述呈现单元向所述用户呈现指示具有不足数据的变量的信息。
4.根据权利要求3所述的信息处理设备,其中:
在多个变量的组合的数据不足的情况下,所述呈现单元将指示具有不足数据的变量的信息可视化并将其呈现给所述用户。
5.根据权利要求1所述的信息处理设备,其中:
在所述确定单元确定所述计算所需的所述变量的数据不足的情况下,所述呈现单元向所述用户呈现用于满足所述计算所需的变量的数据的提议措施。
6.根据权利要求5所述的信息处理设备,其中:
所述呈现单元向所述用户呈现将具有不足数据的值的数据和相对于包括在所述变量中的多个值的另一值的数据绑定作为所述提议措施。
7.根据权利要求5所述的信息处理设备,其中:
所述呈现单元向所述用户呈现从所述计算中排除所述计算所需的变量中对干预效果影响小的变量作为所述提议措施。
8.根据权利要求5所述的信息处理设备,其中:
所述呈现单元向所述用户呈现改变所述计算所需的所述变量之间的原因和结果的方向作为所述提议措施。
9.根据权利要求5所述的信息处理设备,其中:
所述呈现单元向所述用户呈现继续计算同时呈现所述计算的精度降低作为所述提议措施。
10.根据权利要求5所述的信息处理设备,其中:
所述呈现单元向所述用户呈现再次收集数据同时呈现指示具有不足数据的变量的信息作为所述提议措施。
11.根据权利要求5所述的信息处理设备,其中:
所述呈现单元向所述用户呈现改变要干预的所述变量而不改变所述目标变量作为所述提议措施。
12.根据权利要求5所述的信息处理设备,其中:
所述呈现单元将与所述提议措施相关的补充信息与所述提议措施一起呈现给所述用户。
13.根据权利要求5所述的信息处理设备,其中:
在呈现多个所述提议措施的情况下,所述呈现单元呈现针对每个所述提议措施的推荐信息,所述推荐信息基于用户的熟练程度。
14.根据权利要求1所述的信息处理设备,进一步包括干预计算单元,在所述确定单元确定所述计算所需的变量的数据足够的情况下,所述干预计算单元基于从所述用户接收的干预内容来执行所述目标变量的干预效果的计算,其中
所述呈现单元向所述用户呈现基于所述干预计算单元的计算结果的干预信息。
15.根据权利要求14所述的信息处理设备,其中:
在所述干预计算单元从所述用户接收干预以计算所述干预效果的情况下,所述呈现单元禁止接收对变量中所包括的多个值中具有小于预定数量的数据条数的值的干预。
16.根据权利要求14所述的信息处理设备,其中:
所述呈现单元向所述用户呈现包括所述干预效果和所述干预效果的可靠性的所述干预信息。
17.根据权利要求14所述的信息处理设备,其中:
所述呈现单元向用户呈现包括干预变量和干预前后的所述目标变量的数据的所述干预信息。
18.一种信息处理方法,包括:
确定步骤,在基于指示多个变量之间的因果关系的因果信息计算通过对多个变量中的任一个的干预而在目标变量中产生的干预效果的情况下,确定所述计算所需的变量的数据是否不足;和
呈现步骤,向用户呈现基于所述确定步骤的确定结果的信息。
19.一种信息处理程序,由计算机读取而使所述计算机用作:
确定单元,在基于指示多个变量之间的因果关系的因果信息来计算通过对多个变量中的任一个的干预而在目标变量中产生的干预效果的情况下,确定所述计算所需的变量的数据是否不足,以及
呈现单元,向用户呈现基于所述确定单元的确定结果的信息。
Applications Claiming Priority (5)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2019136273 | 2019-07-24 | ||
JP2019-136273 | 2019-07-24 | ||
JP2019-201039 | 2019-11-05 | ||
JP2019201039 | 2019-11-05 | ||
PCT/JP2020/023497 WO2021014823A1 (ja) | 2019-07-24 | 2020-06-16 | 情報処理装置、情報処理方法および情報処理プログラム |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114175082A true CN114175082A (zh) | 2022-03-11 |
Family
ID=74193376
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202080048856.XA Pending CN114175082A (zh) | 2019-07-24 | 2020-06-16 | 信息处理设备、信息处理方法和信息处理程序 |
Country Status (4)
Country | Link |
---|---|
EP (1) | EP4006806A4 (zh) |
JP (1) | JPWO2021014823A1 (zh) |
CN (1) | CN114175082A (zh) |
WO (1) | WO2021014823A1 (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2023152897A1 (ja) * | 2022-02-10 | 2023-08-17 | 富士通株式会社 | 情報処理プログラム、情報処理装置及び情報処理方法 |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2014228991A (ja) | 2013-05-21 | 2014-12-08 | ソニー株式会社 | 情報処理装置および方法、並びにプログラム |
JP6101607B2 (ja) * | 2013-09-17 | 2017-03-22 | 株式会社日立製作所 | データ分析支援システム |
JP6632193B2 (ja) * | 2015-01-16 | 2020-01-22 | キヤノン株式会社 | 情報処理装置、情報処理方法、及びプログラム |
JP6911498B2 (ja) * | 2017-05-01 | 2021-07-28 | オムロン株式会社 | 学習装置、学習方法、及び学習プログラム |
-
2020
- 2020-06-16 JP JP2021533863A patent/JPWO2021014823A1/ja active Pending
- 2020-06-16 EP EP20843646.9A patent/EP4006806A4/en active Pending
- 2020-06-16 CN CN202080048856.XA patent/CN114175082A/zh active Pending
- 2020-06-16 WO PCT/JP2020/023497 patent/WO2021014823A1/ja active Application Filing
Also Published As
Publication number | Publication date |
---|---|
EP4006806A1 (en) | 2022-06-01 |
EP4006806A4 (en) | 2022-08-24 |
WO2021014823A1 (ja) | 2021-01-28 |
JPWO2021014823A1 (zh) | 2021-01-28 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US20170032026A1 (en) | Interactive visualization of big data sets and models including textual data | |
US20150070379A1 (en) | Techniques to manage color representations for a digital map | |
US9449069B2 (en) | Group work support method, computer-readable recording medium, and group supporting apparatus for recognizing density of discussions and activity levels of individuals | |
US10019508B1 (en) | Keeping up with the joneses | |
JP6152186B1 (ja) | ゲームにおけるユーザのマッチング方法およびマッチングシステム | |
JP6526849B1 (ja) | 推定装置、推定方法および推定プログラム | |
Keisler et al. | Environment models and decisions | |
JPWO2020004154A1 (ja) | 情報処理装置、情報処理方法及びプログラム | |
US20220014419A1 (en) | System for decomposing events and unstructured data | |
CN114175082A (zh) | 信息处理设备、信息处理方法和信息处理程序 | |
CN107729424B (zh) | 一种数据可视化方法及设备 | |
WO2019088084A1 (ja) | 因果文解析装置、因果文解析システム、プログラム、及び因果文解析方法 | |
US20220004885A1 (en) | Computer system and contribution calculation method | |
CN112819767A (zh) | 图像处理方法、装置、设备、存储介质以及程序产品 | |
CN116468479A (zh) | 确定页面质量评估维度方法、页面质量的评估方法和装置 | |
JP7062243B1 (ja) | 品質情報出力装置、品質情報出力方法、およびプログラム | |
US9483687B2 (en) | Ensuring a desired distribution of images in a multimedia document utilizing facial signatures | |
EP4174734A1 (en) | Training data generation program, device, and method | |
CN114511064A (zh) | 神经网络模型的解释方法、装置、电子设备和存储介质 | |
US20120016890A1 (en) | Assigning visual characteristics to records | |
CN113934894A (zh) | 基于指标树的数据显示方法、终端设备 | |
US10810551B2 (en) | Project management support system, project management support method, and non-transitory computer readable medium storing a project management support program | |
JP7444817B2 (ja) | 情報処理装置 | |
JP7385840B1 (ja) | プログラム、情報処理装置、方法、システム | |
CN110689079B (zh) | 一种处理方法、处理装置及电子设备 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination |