JP2000099746A - カテゴライズ利用特徴抽出方法および装置とカテゴライズ利用特徴抽出プログラムを記録した記録媒体 - Google Patents

Abstract

(57)【要約】 【課題】 ユーザの分析の目的属性の指定に応じてデー
タをカテゴライズし、各カテゴリのデータが示す全体と
異なる特徴を抽出するカテゴライズ利用特徴抽出方法お
よび装置とカテゴライズ利用特徴抽出プログラムを記録
した記録媒体を提供する。 【解決手段】 外部入力装置１からの入力をユーザイン
タフェース機能部３で受け取り、これに従って入力ファ
イルを読み込み、カテゴライズ機能部５で数値演算機能
部１１と連携しつつデータのカテゴライズを行い、カテ
ゴライズ結果を受けて評価関数計算機能部１３が起動さ
れ、数値演算機能部１１を呼び出しながら評価結果のリ
ストを作成し、評価結果リストを用いて属性抽出機能部
１５が起動され視覚化属性リストを作成する。視覚化属
性リストを基に生成された視覚化定義１７を視覚化装置
１９に入力して自動視覚化が行われる。区間最適化が指
定されている場合は区間自動決定機能部２１が呼び出さ
れ区間最適化処理を行う。

Description

【発明の詳細な説明】

【０００１】

【発明の属する技術分野】本発明は、ユーザの分析の目
的属性の指定に応じてデータをカテゴライズし、各カテ
ゴリのデータが基礎統計量や相関係数等の特徴量に関し
て全体と異なる傾向を示すことを検出し、部分データの
示す特徴として抽出するカテゴライズ利用特徴抽出方法
および装置とカテゴライズ利用特徴抽出プログラムを記
録した記録媒体に関し、更に詳しくは、データベースま
たはファイルに蓄積された情報を、視覚化定義を自動生
成することにより自動視覚化を実現するような場合に、
ユーザが興味対象の属性に関する指定を行った時にその
属性に対して何らかの特性を持つ属性群を自動抽出する
ことにより視覚化対象とすべき属性を自動選択し、視覚
化定義を自動生成する場合に利用して有効なカテゴライ
ズ利用特徴抽出方法および装置とカテゴライズ利用特徴
抽出プログラムを記録した記録媒体に関する。

【０００２】

【従来の技術】従来、自動的に抽出できる特徴はデータ
全体に対して高い相関係数を有する等のように全体に現
れるもののみであり、部分的に現れる特徴を自動的に抽
出して視覚化するものはない。

【０００３】

【発明が解決しようとする課題】上述したように、従来
の自動視覚化のための特徴抽出方法では、データ全体に
現れる特徴を抽出することはできるが、部分的に現れる
特徴、例えば地位の高い力士にのみ当てはまるような特
徴を抽出することができないという問題がある。本発明
は、上記に鑑みてなされたもので、その目的とするとこ
ろは、ユーザの分析の目的属性の指定に応じてデータを
カテゴライズし、各カテゴリのデータが示す全体と異な
る特徴を抽出するカテゴライズ利用特徴抽出方法および
装置とカテゴライズ利用特徴抽出プログラムを記録した
記録媒体を提供することにある。

【０００４】

【課題を解決するための手段】上記目的を達成するた
め、請求項１記載の本発明は、複数の属性またはカラム
を有するデータに対し、ユーザが指定した属性および方
法によってデータを「値による等分割」「数による等分
割」「多次元メッシュ」または「多次元クラスタリン
グ」を含む手法を用いて、複数のデータ群であるカテゴ
リに分割するカテゴライズを行い、前記カテゴライズの
結果のそれぞれのカテゴリに対してカテゴライズに利用
された属性であるカテゴリ対象属性以外の属性における
特徴を検出することを要旨とする。

【０００５】請求項１記載の本発明にあっては、複数の
属性またはカラムを有するデータに対し、ユーザ指定の
属性および方法によってデータを複数のデータ群である
カテゴリに分割するカテゴライズを行い、カテゴライズ
の結果のそれぞれのカテゴリに対してカテゴライズに利
用された属性であるカテゴリ対象属性以外の属性におけ
る特徴を検出する。

【０００６】また、請求項２記載の本発明は、請求項１
記載の本発明において、前記カテゴライズ処理で分割生
成されたカテゴリにおいて、前記カテゴリ対象属性以外
の任意の属性の値の分布がデータ全体の分布と比較して
乖離している度合を次の評価関数：

【数７】ｆ_A （ｎ_P ，ｍ_P ，ｓ_P ，ｍ_A ）＝｛１−１／
（ｎ_P ）^1/2 ｝（ｍ_P −ｍ_A ）／ｓ_P ここで、ｎ_P は部分データの数、ｍ_P は部分データの平
均、ｍ_A は全体の平均、ｓ_P は部分データの標準偏差で
あり、によって判定し、乖離の度合が顕著である属性と
対応するカテゴリをそのデータの部分的な特徴として抽
出することを要旨とする。

【０００７】請求項２記載の本発明にあっては、分割生
成されたカテゴリにおいてカテゴリ対象属性以外の任意
の属性の値の分布がデータ全体の分布と比較して乖離し
ている度合を次の評価関数：

【数８】ｆ_A （ｎ_P ，ｍ_P ，ｓ_P ，ｍ_A ）＝｛１−１／
（ｎ_P ）^1/2 ｝（ｍ_P −ｍ_A ）／ｓ_P によって判定し、乖離の度合が顕著である属性と対応す
るカテゴリをそのデータの部分的な特徴として抽出する
ため、該部分的な特徴を利用して、例えばビジュアルマ
イニング支援のための自動視覚化において大きさ、形、
色、座標軸等の視覚化属性にマッピングする属性を決定
することができる。

【０００８】更に、請求項３記載の本発明は、請求項１
記載の本発明において、前記カテゴライズ処理で分割生
成されたカテゴリに対して、前記カテゴリ対象属性を除
いた任意の２つの属性の相関係数の全体の相関係数との
乖離の度合を次の評価関数：

【数９】ｆ_B （ｒ_A ，ｒ_P ，ｎ_P ，）＝｛１−１／（ｎ
_P ）^1/2 ｝ｒ_P （ｒ_P −ｒ_A ） によって判定し、乖離の度合が顕著である属性対と対応
するカテゴリをそのデータの部分的な特徴として抽出す
ることを要旨とする。

【０００９】請求項３記載の本発明にあっては、分割生
成されたカテゴリに対して、カテゴリ対象属性を除いた
任意の２つの属性の相関係数の全体の相関係数との乖離
の度合を次の評価関数：

【数１０】ｆ_B （ｒ_A ，ｒ_P ，ｎ_P ，）＝｛１−１／
（ｎ_P ）^1/2 ｝ｒ_P （ｒ_P −ｒ_A ） によって判定し、乖離の度合が顕著である属性対と対応
するカテゴリをそのデータの部分的な特徴として抽出す
るため、該部分的な特徴を利用して、例えばビジュアル
マイニング支援のための自動視覚化において大きさ、
形、色、座標軸等の視覚化属性にマッピングする属性を
決定することができる。

【００１０】請求項４記載の本発明にあっては、抽出さ
れた特徴および評価関数の結果を用いて、特に顕著な特
徴を出力する。

【００１１】また、請求項５記載の本発明は、請求項２
または３記載の本発明において、前記カテゴリ対象属性
が単一である場合、前記特徴が最も顕著に現れるような
カテゴリの範囲であるカテゴリ区間を前記評価関数によ
り求めるカテゴリ区間最適化処理を行うことを要旨とす
る。

【００１２】請求項５記載の本発明にあっては、カテゴ
リ対象属性が単一である場合、特徴が最も顕著に現れる
ようなカテゴリの範囲であるカテゴリ区間を評価関数に
より求める。

【００１３】更に、請求項６記載の本発明は、請求項２
または３記載の本発明において、前記カテゴリ対象属性
が複数である場合、前記特徴が最も顕著に現れるような
カテゴリの範囲であるカテゴリ区間を前記評価関数によ
り求めるカテゴリ区間最適化処理を行うことを要旨とす
る。

【００１４】請求項６記載の本発明にあっては、カテゴ
リ対象属性が複数である場合、特徴が最も顕著に現れる
ようなカテゴリの範囲であるカテゴリ区間を評価関数に
より求める。

【００１５】請求項７記載の本発明は、請求項２または
３記載の本発明において、前記カテゴリ処理および特徴
抽出についてプログラミングすることなく、マウスを含
む簡易なツールを用いて条件を入力できるグラフィカル
ユーザインタフェース（ＧＵＩ）画面を表示することを
要旨とする。

【００１６】請求項７記載の本発明にあっては、カテゴ
リ処理および特徴抽出についてプログラミングすること
なく、マウスを含む簡易なツールを用いて条件を入力で
きるグラフィカルユーザインタフェース（ＧＵＩ）画面
を表示する。

【００１７】また、請求項８記載の本発明は、複数の属
性またはカラムを有するデータに対してユーザが指定し
た属性および方法によってデータを「値による等分割」
「数による等分割」「多次元メッシュ」または「多次元
クラスタリング」を含む手法を用いて、複数のデータ群
であるカテゴリに分割するカテゴライズを行うカテゴラ
イズ手段と、前記カテゴライズの結果のそれぞれのカテ
ゴリに対してカテゴライズに利用された属性であるカテ
ゴリ対象属性以外の属性における特徴を検出する特徴検
出手段とを有することを要旨とする。

【００１８】請求項８記載の本発明にあっては、複数の
属性またはカラムを有するデータに対し、ユーザ指定の
属性および方法によってデータを複数のデータ群である
カテゴリに分割するカテゴライズを行い、カテゴライズ
の結果のそれぞれのカテゴリに対してカテゴライズに利
用された属性であるカテゴリ対象属性以外の属性におけ
る特徴を検出する。

【００１９】更に、請求項９記載の本発明は、請求項８
記載の本発明において、前記カテゴライズ手段で分割生
成されたカテゴリにおいて、前記カテゴリ対象属性以外
の任意の属性の値の分布がデータ全体の分布と比較し
て、乖離している度合を次の評価関数：

【数１１】ｆ_A （ｎ_P ，ｍ_P ，ｓ_P ，ｍ_A ）＝｛１−１
／（ｎ_P ）^1/2 ｝（ｍ_P −ｍ_A ）／ｓ_P ここで、ｎ_P は部分データの数、ｍP は部分データの平
均、ｍ_A は全体の平均、ｓ_P は部分データの標準偏差で
あり、によって判定する判定手段と、該判定手段で判定
した乖離の度合が顕著である属性と対応するカテゴリを
そのデータの部分的な特徴として抽出する抽出手段とを
有することを要旨とする。

【００２０】請求項９記載の本発明にあっては、分割生
成されたカテゴリにおいてカテゴリ対象属性以外の任意
の属性の値の分布がデータ全体の分布と比較して、乖離
している度合を次の評価関数：

【数１２】ｆ_A （ｎ_P ，ｍ_P ，ｓ_P ，ｍ_A ）＝｛１−１
／（ｎ_P ）^1/2 ｝（ｍ_P −ｍ_A ）／ｓ_P によって判定し、乖離の度合が顕著である属性と対応す
るカテゴリをそのデータの部分的な特徴として抽出する
ため、該部分的な特徴を利用して、例えばビジュアルマ
イニング支援のための自動視覚化において大きさ、形、
色、座標軸等の視覚化属性にマッピングする属性を決定
することができる。

【００２１】請求項１０記載の本発明は、請求項８記載
の本発明において、前記カテゴライズ手段で分割生成さ
れたカテゴリに対して、前記カテゴリ対象属性を除いた
任意の２つの属性の相関係数の全体の相関係数との乖離
の度合を次の評価関数：

【数１３】ｆ_B （ｒ_A ，ｒ_P ，ｎ_P ，）＝｛１−１／
（ｎ_P ）^1/2 ｝ｒ_P （ｒ_P −ｒ_A ） ここで、ｎ_P は部分データの数、ｒ_A は全体の相関係
数、ｒ_P は部分データの相関係数であり、によって判定
する判定手段と、該判定手段で判定した乖離の度合が顕
著である属性対と対応するカテゴリをそのデータの部分
的な特徴として抽出する抽出手段とを有することを要旨
とする。

【００２２】請求項１０記載の本発明にあっては、分割
生成されたカテゴリに対して、カテゴリ対象属性を除い
た任意の２つの属性の相関係数の全体の相関係数との乖
離の度合を次の評価関数：

【数１４】ｆ_B （ｒ_A ，ｒ_P ，ｎ_P ，）＝｛１−１／
（ｎ_P ）^1/2 ｝ｒ_P （ｒ_P −ｒ_A ） によって判定し、乖離の度合が顕著である属性対と対応
するカテゴリをそのデータの部分的な特徴として抽出す
るため、該部分的な特徴を利用して、例えばビジュアル
マイニング支援のための自動視覚化において大きさ、
形、色、座標軸等の視覚化属性にマッピングする属性を
決定することができる。

【００２３】また、請求項１１記載の本発明は、請求項
９または１０記載の本発明において、前記抽出された特
徴および前記評価関数の結果を用いて、特に顕著な特徴
を出力する出力手段を有することを要旨とする。

【００２４】請求項１１記載の本発明にあっては、抽出
された特徴および評価関数の結果を用いて、特に顕著な
特徴を出力する。

【００２５】更に、請求項１２記載の本発明は、請求項
９または１０記載の本発明において、前記カテゴリ対象
属性が単一である場合、前記特徴が最も顕著に現れるよ
うなカテゴリの範囲であるカテゴリ区間を前記評価関数
により求めるカテゴリ区間最適化手段を有することを要
旨とする。

【００２６】請求項１２記載の本発明にあっては、カテ
ゴリ対象属性が単一である場合、特徴が最も顕著に現れ
るようなカテゴリの範囲であるカテゴリ区間を評価関数
により求める。

【００２７】請求項１３記載の本発明は、請求項９また
は１０記載の本発明において、前記カテゴリ対象属性が
複数である場合、前記特徴が最も顕著に現れるようなカ
テゴリの範囲であるカテゴリ区間を前記評価関数により
求めるカテゴリ区間最適化手段を有することを要旨とす
る。

【００２８】請求項１３記載の本発明にあっては、カテ
ゴリ対象属性が複数である場合、特徴が最も顕著に現れ
るようなカテゴリの範囲であるカテゴリ区間を評価関数
により求める。

【００２９】また、請求項１４記載の本発明は、請求項
９または１０記載の本発明において、前記カテゴリ手段
および特徴抽出についてプログラミングすることなく、
マウスを含む簡易なツールを用いて条件を入力できるグ
ラフィカルユーザインタフェース（ＧＵＩ）画面を表示
する表示手段を有することを要旨とする。

【００３０】請求項１４記載の本発明にあっては、カテ
ゴリ処理および特徴抽出についてプログラミングするこ
となく、マウスを含む簡易なツールを用いて条件を入力
できるグラフィカルユーザインタフェース（ＧＵＩ）画
面を表示する。

【００３１】更に、請求項１５記載の本発明は、複数の
属性またはカラムを有するデータに対してユーザが指定
した属性および方法によってデータを「値による等分
割」「数による等分割」「多次元メッシュ」または「多
次元クラスタリング」を含む手法を用いて、複数のデー
タ群であるカテゴリに分割するカテゴライズを行い、前
記カテゴライズの結果のそれぞれのカテゴリに対してカ
テゴライズに利用された属性であるカテゴリ対象属性以
外の属性における特徴を検出するカテゴライズ利用特徴
抽出プログラムを記録媒体に記録することを要旨とす
る。

【００３２】請求項１５記載の本発明にあっては、複数
の属性またはカラムを有するデータに対し、ユーザ指定
の属性および方法によってデータを複数のデータ群であ
るカテゴリに分割するカテゴライズを行い、カテゴライ
ズの結果のそれぞれのカテゴリに対してカテゴライズに
利用された属性であるカテゴリ対象属性以外の属性にお
ける特徴を検出するカテゴライズ利用特徴抽出プログラ
ムを記録媒体に記録するため、該記録媒体を用いて、そ
の流通性を高めることができる。

【００３３】請求項１６記載の本発明は、請求項１５記
載の本発明において、前記カテゴライズ処理で分割生成
されたカテゴリにおいて、前記カテゴリ対象属性以外の
任意の属性の値の分布がデータ全体の分布と比較して乖
離している度合を次の評価関数：

【数１５】ｆ_A （ｎ_P ，ｍ_P ，ｓ_P ，ｍ_A ）＝｛１−１
／（ｎ_P ）^1/2 ｝（ｍ_P −ｍ_A ）／ｓ_P ここで、ｎ_P は部分データの数、ｍ_P は部分データの平
均、ｍ_A は全体の平均、ｓ_P は部分データの標準偏差で
あり、によって判定し、乖離の度合が顕著である属性と
対応するカテゴリをそのデータの部分的な特徴として抽
出するカテゴライズ利用特徴抽出プログラムを記録媒体
に記録することを要旨とする。

【００３４】請求項１６記載の本発明にあっては、分割
生成されたカテゴリにおいてカテゴリ対象属性以外の任
意の属性の値の分布がデータ全体の分布と比較して乖離
している度合を次の評価関数：

【数１６】ｆ_A （ｎ_P ，ｍ_P ，ｓ_P ，ｍ_A ）＝｛１−１
／（ｎ_P ）^1/2 ｝（ｍ_P −ｍ_A ）／ｓ_P によって判定し、乖離の度合が顕著である属性と対応す
るカテゴリをそのデータの部分的な特徴として抽出する
カテゴライズ利用特徴抽出プログラムを記録媒体に記録
するため、該記録媒体を用いて、その流通性を高めるこ
とができる。

【００３５】また、請求項１７記載の本発明は、請求項
１５記載の本発明において、前記カテゴライズ処理で分
割生成されたカテゴリに対して、前記カテゴリ対象属性
を除いた任意の２つの属性の相関係数の全体の相関係数
との乖離の度合を次の評価関数：

【数１７】ｆ_B （ｒ_A ，ｒ_P ，ｎ_P ，）＝｛１−１／
（ｎ_P ）^1/2 ｝ｒ_P （ｒ_P −ｒ_A ） ここで、ｎ_P は部分データの数、ｒ_A は全体の相関係
数、ｒ_P は部分データの相関係数であり、によって判定
し、乖離の度合が顕著である属性対と対応するカテゴリ
をそのデータの部分的な特徴として抽出するカテゴライ
ズ利用特徴抽出プログラムを記録媒体に記録することを
要旨とする。

【００３６】請求項１７記載の本発明にあっては、分割
生成されたカテゴリに対して、カテゴリ対象属性を除い
た任意の２つの属性の相関係数の全体の相関係数との乖
離の度合を次の評価関数：

【数１８】ｆ_B （ｒ_A ，ｒ_P ，ｎ_P ，）＝｛１−１／
（ｎ_P ）^1/2 ｝ｒ_P （ｒ_P −ｒ_A ） によって判定し、乖離の度合が顕著である属性対と対応
するカテゴリをそのデータの部分的な特徴として抽出す
るカテゴライズ利用特徴抽出プログラムを記録媒体に記
録するため、該記録媒体を用いて、その流通性を高める
ことができる。

【００３７】更に、請求項１８記載の本発明は、請求項
１６または１７記載の本発明において、前記抽出された
特徴および前記評価関数の結果を用いて、特に顕著な特
徴を出力するカテゴライズ利用特徴抽出プログラムを記
録媒体に記録することを要旨とする。

【００３８】請求項１８記載の本発明にあっては、抽出
された特徴および評価関数の結果を用いて、特に顕著な
特徴を出力するカテゴライズ利用特徴抽出プログラムを
記録媒体に記録するため、該記録媒体を用いて、その流
通性を高めることができる。請求項１９記載の本発明
は、請求項１６または１７記載の本発明において、前記
カテゴリ対象属性が単一である場合、前記特徴が最も顕
著に現れるようなカテゴリの範囲であるカテゴリ区間を
前記評価関数により求めるカテゴリ区間最適化処理を行
うカテゴライズ利用特徴抽出プログラムを記録媒体に記
録することを要旨とする。

【００３９】請求項１９記載の本発明にあっては、カテ
ゴリ対象属性が単一である場合、特徴が最も顕著に現れ
るようなカテゴリの範囲であるカテゴリ区間を評価関数
により求めるカテゴライズ利用特徴抽出プログラムを記
録媒体に記録するため、該記録媒体を用いて、その流通
性を高めることができる。

【００４０】また、請求項２０記載の本発明は、請求項
１６または１７記載の本発明において、前記カテゴリ対
象属性が複数である場合、前記特徴が最も顕著に現れる
ようなカテゴリの範囲であるカテゴリ区間を前記評価関
数により求めるカテゴリ区間最適化処理を行うカテゴラ
イズ利用特徴抽出プログラムを記録媒体に記録すること
を要旨とする。

【００４１】請求項２０記載の本発明にあっては、カテ
ゴリ対象属性が複数である場合、特徴が最も顕著に現れ
るようなカテゴリの範囲であるカテゴリ区間を評価関数
により求めるカテゴライズ利用特徴抽出プログラムを記
録媒体に記録するため、該記録媒体を用いて、その流通
性を高めることができる。

【００４２】更に、請求項２１記載の本発明は、請求項
１６または１７記載の本発明において、前記カテゴリ処
理および特徴抽出についてプログラミングすることな
く、マウスを含む簡易なツールを用いて条件を入力でき
るグラフィカルユーザインタフェース（ＧＵＩ）画面を
表示するカテゴライズ利用特徴抽出プログラムを記録媒
体に記録することを要旨とする。

【００４３】請求項２１記載の本発明にあっては、カテ
ゴリ処理および特徴抽出についてプログラミングするこ
となく、マウスを含む簡易なツールを用いて条件を入力
できるグラフィカルユーザインタフェース（ＧＵＩ）画
面を表示するカテゴライズ利用特徴抽出プログラムを記
録媒体に記録するため、該記録媒体を用いて、その流通
性を高めることができる。

【００４４】

【発明の実施の形態】以下、図面を用いて本発明の実施
の形態について説明する。図１は、本発明の一実施形態
に係わるカテゴライズ利用特徴抽出方法を実施するカテ
ゴライズ利用特徴抽出装置の構成を示すブロック図であ
る。同図に示すカテゴライズ利用特徴抽出装置は、例え
ばマウスやキーボード等からなる外部入力装置１からの
入力をユーザインタフェース機能部３で受け取り、これ
に従って入力データ７および入力スキーマ９等の入力フ
ァイルを読み込み、カテゴライズ機能部５を起動する。
カテゴライズ機能部５は、数値演算機能部１１と連携を
取りつつ、データのカテゴライズを行う。このカテゴラ
イズの結果を受けて、評価関数計算機能部１３が起動さ
れ、評価関数計算機能部１３は、適宜数値演算機能部１
１を呼び出しながら、評価結果のリストを作成する。な
お、数値演算機能部１１は、平均、分散、相関関数、多
次元クラスタリング、動的メッシュ、因子分析などの演
算を行う部分である。

【００４５】次に、評価関数計算機能部１３からの評価
結果リストを用いて、属性抽出機能部１５が起動され、
視覚化属性リストを作成する。この視覚化属性リストを
基に生成された視覚化定義１７を視覚化装置１９に入力
することにより自動視覚化が行われる。更に、ユーザに
よって区間最適化が指定されている場合は、区間自動決
定機能部２１が呼び出される。この区間自動決定機能部
２１も適宜数値演算機能部１１を使用して区間最適化処
理を行う。

【００４６】図２は、図１に示したユーザインタフェー
ス機能部３によるＧＵＩの一例を示す図である。同図に
示すように、ユーザは、カテゴライズ手法としてカテゴ
リ内包数指定またはカテゴリ数指定を選択する。但し、
カテゴリ内包数指定手法は、カテゴリ対象属性が１つの
場合、またはカテゴリ対象が複数で評価式が入力されて
いる場合のみ有効である。選択した手法について、内包
数またはカテゴリ数をカウンタウィンドウから指定す
る。また、分析対象データの属性リストからカテゴライ
ズの対象の属性を指定する。指定されなかった場合は、
カテゴリ属性不定の場合のカテゴリ手法が起動される。

【００４７】複数の属性を指定した場合は、複数の属性
の場合のカテゴリ手法が起動されるが、評価式が入力さ
れる場合は、この評価式を属性群に適用した結果を用い
て、単一属性の場合のカテゴリ手法が起動される。特徴
抽出手法として、基礎統計量利用手法（式（１）を使用
する抽出方式）かまたは相関係数利用手法（式（２）を
使用する抽出方式）のどちらか、または両方をチェック
ボックスにより指定できる。また、詳細設定画面からシ
ステムが利用できる分割手法が指定できる。また、視覚
化時にカテゴリ対象属性の主成分を利用したい場合は、
詳細設定画面で「主成分計算実行」をチェックする。カ
テゴリ範囲の最適化を行いたい場合も、同様に「カテゴ
リ範囲の最適化」をチェックする。

【００４８】次に、図３に示すフローチャートを参照し
て、図１に示した実施形態の全体の処理について説明す
る。

【００４９】図３においては、ユーザの指定に従ってカ
テゴライズ処理が起動される（ステップＳ１１）。この
カテゴライズ処理の結果に対して、基礎統計利用の次式
（１）に示す評価関数ｆ_A を用いた特徴抽出（ステップ
Ｓ１３）、または相関係数利用の次式（２）に示す評価
関数ｆ_B を用いた特徴抽出（ステップＳ１５）、または
両方を用いた特徴抽出（ステップＳ１３，１５）を行
う。

【００５０】基礎統計利用の評価関数ｆ_A は、次式の通
りである。

【００５１】

【数１９】 ｆ_A （ｎ_P ，ｍ_P ，ｓ_P ，ｍ_A ） ＝｛１−１／（ｎ_P ）^1/2 ｝（ｍ_P −ｍ_A ）／ｓ_P …（１） ここで、ｎP は部分データの数、ｍP は部分データの平
均、ｍ_A は全体の平均、ｓP は部分データの標準偏差で
ある。

【００５２】また、相関係数利用の評価関数ｆ_B は、次
式の通りである。

【００５３】

【数２０】 ｆ_B （ｒ_A ，ｒ_P ，ｎ_P ，） ＝｛１−１／（ｎ_P ）^1/2 ｝ｒ_P （ｒ_P −ｒ_A ） …（２） ここで、ｎ_P は部分データの数、ｒ_A は全体の相関係
数、ｒ_P は部分データの相関係数である。

【００５４】次に、カテゴリ範囲の最適化が指定されて
いるか否かを判断し（ステップＳ１７）、指定されてい
る場合には、カテゴリ最適化処理を行うべく、カテゴリ
対象属性数が単数かまたは複数かをチェックする（ステ
ップＳ１９）。単数の場合には、後述する図７に示す最
適化手法Ｉを実行し（ステップＳ２３）、複数の場合に
は、後述する図８に示す最適化手法ＩＩを実行する（ス
テップＳ２１）。

【００５５】上述したように、本実施形態では、ユーザ
に条件を指定させ、このユーザが指定した条件に従って
カテゴライズし、このカテゴライズされたデータおよび
データ全体から平均、分散、相関係数を計算し、この計
算結果を用いて、あるカテゴリに属するデータのある属
性値の分布が全体に比べてどの程度偏っているかを判定
するために評価関数ｆ_A を計算し、またあるカテゴリに
属するある属性対の間の相関がデータ全体に比べてどの
程度高いかを判定するために評価関数ｆ_A を計算し、こ
の計算結果を用いて、最も特徴的ないくつかの属性を抽
出し、視覚化属性候補として提示している。

【００５６】すなわち、本実施形態では、全データがユ
ーザの指定によりカテゴライズされた各カテゴリにおい
て、データ全体が規格化されるように変換した場合に、
あるカテゴリ内のデータ分布が全体の分布からどれくら
い離れているかを評価し、更に内包データ数が少数の場
合の補正を行った評価関数ｆ_A を計算するとともに、ま
た相関係数では、カテゴリ内データの相関係数自身の値
が大きく、かつ全データの相関係数の差の絶対値が大き
な値を有し、更に内包データ数が少数の場合の補正を行
った評価関数ｆ_B を計算することにより、カテゴライズ
対象とならなかったすべての属性についてその値域とデ
ータ数に関わらず比較し、特徴的な属性を抽出してい
る。

【００５７】次に、図４に示すフローチャートを参照し
て、図３のステップＳ１１のカテゴライズ処理について
説明する。

【００５８】図４においては、まずユーザのＧＵＩから
の指定に従って適当なカテゴライズ手法が選択される
（ステップＳ３１）。このカテゴライズ手法には内包数
による分割、値による等分割、数による等分割、多次元
動的メッシュ、多次元クラスタリングなどがある。内包
数による分割の場合には、内包数が指定され、内包数に
よる分割によりカテゴライズが行われる（ステップＳ３
３）。

【００５９】また、その他の場合には、分割数が指定さ
れ、カテゴリ属性数が１個であるかまたは複数であるか
または不定であるかが判断される（ステップＳ３５）。
１個の場合には、値による等分割（ステップＳ４１）ま
たは数による等分割（ステップＳ４３）によりカテゴラ
イズが行われる。カテゴリ属性数が複数の場合には、評
価式があるか否かがチェックされ（ステップＳ３７）、
評価式がある場合には、評価式の計算を行い（ステップ
Ｓ３９）、この計算結果に基づいて値による等分割（ス
テップＳ４１）または数による等分割（ステップＳ４
３）によりカテゴライズが行われる。

【００６０】更に、カテゴリ属性数が不定である場合に
は、主成分計算が指定されているか否かをチェックし
（ステップＳ４６）、主成分計算が指定されている場合
には、主成分計算を行い、多次元動的メッシュ（ステッ
プＳ５５）または多次元クラスタリング（ステップＳ５
７）によりカテゴライズが行われる。

【００６１】また、ステップＳ３５の判定において、カ
テゴリ属性数が不定である場合には、因子分析を用い
て、属性のグルーピングを行う（ステップＳ４９）。そ
れから、主成分計算が指定されているか否かをチェック
し（ステップＳ５１）、指定されている場合には、第１
因子負荷量の計算を行い（ステップＳ５３）、それぞれ
の因子に関連の高い属性群を用いて、多次元動的メッシ
ュ（ステップＳ５５）または多次元クラスタリング（ス
テップＳ５７）によりカテゴライズを行う。

【００６２】次に、図５に示すフローチャートを参照し
て、図３のステップＳ１３の基礎統計利用の評価関数ｆ
_A を用いた特徴抽出処理について説明する。図５におい
て、評価関数の結果でソートし（ステップＳ６１）、評
価結果最大の特徴を取得する（ステップＳ６３）。それ
から、特徴にフラグを立て（ステップＳ６５）、同じカ
テゴリ内で次に大きい特徴を取得し（ステップＳ６
７）、特徴にフラグを立てる（ステップＳ６９）。そし
て、この属性対を視覚化属性リストに追加し（ステップ
Ｓ７１）、次に評価結果の大きい特徴を取得し（ステッ
プＳ７３）、この評価結果がしきい値より大きいか否か
を判定し（ステップＳ７５）、大きい場合には、ステッ
プＳ６５に戻って、同じ処理を評価結果がしきい値より
小さくなるまで繰り返す。

【００６３】次に、図６に示すフローチャートを参照し
て、図３のステップＳ１５の相関係数利用の評価関数ｆ
_B を用いた特徴抽出処理について説明する。図６におい
て、評価関数の結果でソートし（ステップＳ８１）、評
価結果最大の特徴を取得する（ステップＳ８３）。それ
から、特徴にフラグを立てる（ステップＳ８５）。そし
て、この属性対を視覚化属性リストに追加し（ステップ
Ｓ８７）、次に評価結果の大きい特徴を取得し（ステッ
プＳ８９）、この評価結果がしきい値より大きいか否か
を判定し（ステップＳ９０）、大きい場合には、ステッ
プＳ８５に戻って、同じ処理を評価結果がしきい値より
小さくなるまで繰り返す。

【００６４】次に、図７に示すフローチャートを参照し
て、図３のステップＳ２３の最適化手法Ｉ（対象属性が
１つの場合）について説明する。

【００６５】図７においては、まず抽出された特徴から
カテゴリを最適化する特徴、すなわち最適化処理の対象
とする特徴を選択する（ステップＳ１１１）。そして、
データをカテゴリ対象属性の値の昇順にソートする（ス
テップＳ１１３）。カテゴリの最初のデータ番号を変数
ｉとし、カテゴリの最後のデータ番号を変数ｊとする
（ステップＳ１１５）。

【００６６】次に、フェーズ１の始まりであり、まず対
象となる特徴を持つカテゴリの範囲内で最初のデータの
データ番号をｉ_C とし、最後のデータ番号をｊ_C とする
と、これらをそれぞれｉ，ｊに代入する（ステップＳ１
１７）、次に、変数ＦＭに（ｉ，ｊ）＝（ｉ_C ，ｊ_C ）
における評価関数の計算結果ｆ（ｉ，ｊ）を代入し、変
数ｉ_M ，ｊ_M に現在の値（ｉ_C ，ｊ_C ）を代入する（ス
テップＳ１１９）。なお、評価関数は内包データ数、平
均、分散等の関数であるが、実際にはカテゴリ範囲が決
まれば決定されるので、ここではカテゴリの始点ｉ、終
点ｊの関数としている。

【００６７】次に、カテゴリの始点を現在の内包数より
半分だけ小さい点にとる（ステップＳ１２１）。そし
て、カテゴリの終点をカテゴリ内包データ数が最初と同
じになるようにとり、評価関数計算結果ｆ（ｉ，ｊ）を
計算する（ステップＳ１２３）。それから、評価関数計
算結果ｆ（ｉ，ｊ）をＦＭと比較し（ステップＳ１２
５）、ＦＭよりも大きい場合には、ＦＭにこの新しい値
を代入し、変数ｉ_M ，ｊ_Mに現在の値（ｉ，ｊ）を代入
する（ステップＳ１２７）。なお、ＦＭよりも小さい場
合には、ステップＳ１２７をスキップする。次にカテゴ
リの始点を１つずらす。すなわち、変数ｉを１だけ大き
くする（ステップＳ１２９）。

【００６８】それから、カテゴリの始点が元のカテゴリ
範囲の中間地点までいっているかどうかを判断する（ス
テップＳ１３１）。中間地点までいっていない場合に
は、ステップＳ１２３に戻って、同じ処理を繰り返す
が、中間地点に達している場合には、フェーズ１の終了
であり、フェーズ２に進む。

【００６９】フェーズ２の始まりであり、カテゴリの始
点ｉを評価関数結果が最大だった範囲（ｉ_M ，ｊ_M ）の
始点ｉ_M から内包数の半分だけ小さい点にとる（ステッ
プＳ１３３）。それから、カテゴリの終点ｊをｉ_M ＋ｊ
_M ＝ｉにとり、評価関数ｆ（ｉ，ｊ）を計算する（ステ
ップＳ１３５）。この評価関数ｆ（ｉ，ｊ）の結果がＦ
Ｍより大きいか否かをチェックし（ステップＳ１３
７）、ＦＭよりも大きい場合には、ＦＭにこの値を代入
し、変数ｉ_M Ｍ，ｊ_M Ｍに現在のｉ，ｊの値を代入する
（ステップＳ１３９）。

【００７０】次に、カテゴリの始点を１つずらし（ステ
ップＳ１４１）、カテゴリの始点がフェーズ２の最初の
地点から元の影取り内包数分の地点まで達しているか否
かをチェックし（ステップＳ１４３）、達していれば、
フェーズ２の終了であるが、達していない場合には、ス
テップＳ１３５に戻って、同じ処理を繰り返す。

【００７１】以上のようにして、（ｉ_M Ｍ，ｊ_M Ｍ）を
この特徴における最適のカテゴリとする（ステップＳ１
４５）。そして、すべての特徴について最適カテゴリの
計算を行う（ステップＳ１４７）。

【００７２】上述したように、最適化手法１では、最も
評価ポイントの高かったカテゴリに対して、カテゴライ
ズ対象の属性のそのカテゴリの始まりのデータ番号を
ｉ、終わりをｊとすると、カテゴライズ対象でない属性
の評価関数結果が最大となる（ｉ，ｊ）＝（ｉ_C ，
ｊ_C ）を検出する。それから、ｊ−ｉ＝ｎ_P を保ったま
ま、ｉをｉ_C −ｎ_P ／２からｉ_C ＋ｎ_P ／２までふり、
評価値が最大となるポイント（ｉ，ｊ）＝（ｉ_M ，
ｊ_M ）を見つけ、更にｉ＋ｊ＝ｉ_M ＋ｊ_M を保ったま
ま、ｉ_M をｉ_M −ｎ_P ／２からｉ_M ＋ｎ_P ／２までふ
り、最大ポイントを見つけるものである。

【００７３】すなわち、カテゴリ区間最適化手法Ｉで
は、ｉとｊで張る平面を考えた場合に、評価関数が直線
ｊ＝ｉ上の点（ｉ，ｊ）＝（０，ｎ_A ）上で０となり、
ｊ＝ｉ＋ａ_O （０《ａ_O 《ｎ）の付近で極値をとるとい
う性質とユーザ指定のカテゴライズ結果の評価点がａ_O
＝ｎ_P とした場合の前記直線上の点となることから、こ
れらの点を中心に最適点を探すことにより、データ数に
対して１次のオーダで近似的な最適点を求めることがで
きる。

【００７４】次に、図８に示すフローチャートを参照し
て、図３のステップＳ２１の最適化手法ＩＩについて説
明する。図８では、まず抽出された特徴からカテゴリを
最適化する特徴を選択する（ステップＳ１５１）。それ
から、ユーザが指定したＫ個全てのカテゴリの重心を求
める（ステップＳ１５３）。このＫ個の重心に対して階
層的クラスタリングをかける（ステップＳ１５５）。結
果としてできるΣＫ＝Ｋ（Ｋ＋１）／２個のクラスタ
（カテゴリ）に対して評価関数を計算する（ステップＳ
１５７）。そして、評価値最大のクラスタによって表現
されるカテゴリ範囲（部分空間）Ｃ_M を得る（ステップ
Ｓ１５９）。

【００７５】この得られたカテゴリ範囲Ｃ_M を更にＫ個
のクラスタに分解する（ステップＳ１６１）。そして、
得られたＫ個のクラスタの重心を用いて再度階層的クラ
スタリングを行う（ステップＳ１６３）。結果としてで
きるΣＫ＝Ｋ（Ｋ＋１）／２個のクラスタ（カテゴリ）
に対して評価関数を計算する（ステップＳ１６５）。評
価値最大のクラスタ（カテゴリ範囲）Ｃ_MMを得る（ステ
ップＳ１６７）。このＣ_MMを最適のカテゴリ範囲とする
（ステップＳ１６９）。

【００７６】上述したように、最適化手法ＩＩでは、複
数の属性を対象としたカテゴライズの結果として生成さ
れたユーザ指定数のクラスタのクラスタ核（重心）を求
め、これらのクラスタ核を用いて、階層的クラスタリン
グを行う。階層的クラスタリングの結果のすべてのクラ
スタに対して評価関数を計算し、ポイント最大のクラス
タＣ_M を求める。それから、このＣ_M に対して再度ユー
ザ指定数のクラスタに分解（階層的クラスタリング）を
行い、それぞれのクラスタに対して最大の評価関数結果
を有するクラスタＣ_MMを求めるものである。

【００７７】すなわち、カテゴリ区間最適化手法ＩＩで
は、カテゴライズ対象である複数属性の張る空間を非階
層的クラスタリング手法を用いて、互いに包含関係を持
つ複数の部分空間に分解することにより、評価関数が高
い値を持つ部分空間（カテゴリ範囲）Ｃ_M を推定するこ
とができる。更に、その空間を非階層クラスタリングに
よる重心を用いて、再度階層クラスタリングして評価関
数を計算することにより、Ｃ_M の中でも特に評価関数が
高い値をもつ部分空間Ｃ_MMを決定することができる。こ
れをこの空間における近似的な最適部分空間と見なすこ
とができる。

【００７８】図９は、上述した実施形態の適用例を概念
的に示した図である。同図では、一例として相撲力士の
データに対して普通に相関係数を計算すると、図９
（ａ）に示すように特に属性間に高い相関は見られない
が、図９（ｂ）に示すようにデータを「地位」属性でカ
テゴライズし、それぞれのデータに対して相関係数を計
算すると、図９（ｃ）に示すように、地位の高いカテゴ
リのデータでは身長と体重の間に高い相関関係が検出さ
れる。この結果から、身長と体重を座標軸に地位を大き
さにとって視覚化装置１９にかけると、大きい図形がほ
ぼ直線上にならび、地位の高い力士の特徴を直観的に把
握することができる。

【００７９】図１０は、評価関数ｆ_A の作用を概念的に
示したものである。同図に示すように、データ全体が平
均値ｍ_A 、標準偏差Ｓ_A で分布しているとし、あるカテ
ゴリに内包されるデータ（以下、部分データと称する）
のある属性の値が平均値ｍ_P、標準偏差Ｓ_P で分布して
いるとすると、評価関数はｍ_A −ｍ_P が大きく、Ｓ_Pが
小さいほど高い値を示す。すなわち、部分データの分布
が全体から離れていて、かつ狭い部分に集まっている時
に高い値を示す。実際には全体の分布が平均値０，分散
１の分布に正規化する関数で部分データを変換し、更に
内包データ数が少数のときの補正を行っている。

【００８０】図１１は、カテゴリ対象属性が１つの場合
の最適化の作用を概念的に示したものである。第１軸を
カテゴリの始点ｉに第２軸を終点ｊに、評価関数を第３
軸にとったグラフが本図である。評価関数はＡ，Ｂどち
らも、点（ｉ，ｊ）＝（０，ｎ_A ）でゼロで、直線ｊ＝
ｉ上に向ってゆるやかに大きくなり、カテゴリ内包数が
ゼロに近付くに連れ、不連続に減少し、直線ｊ＝ｉ上で
は再びゼロになるという特性を持つ。この特性を利用
し、この関数が最大値を取るカテゴリ範囲を求めるため
に、まず直線ｊ＝ｉ−ｉ_C ＋ｊ_C 上を走査し（処理フロ
ーのフェーズ１）、この直線上で関数が最大値をとる地
点（ｉ_M ，ｊ_M ）から直線ｊ＝−ｉ＋ｉ_M＋ｊ_M 上を走
査して（処理フローのフェーズ２）いる。

【００８１】図１２は、カテゴリ対象属性が複数の場合
の最適化の作用を概念的に示したものである。同図はカ
テゴリ対象となっている属性の張る多次元空間とデータ
の存在を示す点を示す概念図となっている。最適化処理
の前の特徴抽出の過程で行なわれたクラスタリングの結
果、データが図のようにカテゴライズ（クラスタリン
グ）され、また処理対象特徴を持つカテゴリ（この場合
クラスタ）が、“元のカテゴリ”として示されている部
分とする。本処理ではこれらクラスタを用いて階層的ク
ラスタリングを行ない、それぞれの新しいクラスタに対
し、評価関数を計算する。この結果、最大の評価関数結
果を持つものが、クラスタＣ_M （２つクラスタを１つに
したもの）とすると、こクラスタＣ_M に含まれる全ての
データに対し、再度多次元クラスタリング（非階層クラ
スタリング手法）を行なう。さらにこの結果として生成
されたクラスタに対し、２回目の階層的階層クラスタリ
ングを適用して、結果のクラスタそれぞれに対して再度
評価関数を計算する。そしてここで評価関数結果が最大
となったクラスタを結果のカテゴリとする。

【００８２】

【発明の効果】以上説明したように、本発明によれば、
プログラミング等の複雑な手続きなしに、簡単なグラフ
ィカルインタフェースで統計手法等の数量的結果から自
動的に特徴を抽出し、その度合を判断して自動視覚化を
支援することができる。また、例えばビジュアルマイニ
ング支援のための自動視覚化において大きさ、形、色、
座標軸等の視覚化属性にマッピングする属性を決定する
ために、部分的な特徴を利用することができる。

【図面の簡単な説明】

【図１】本発明の一実施形態に係わるカテゴライズ利用
特徴抽出方法を実施するカテゴライズ利用特徴抽出装置
の構成を示すブロック図である。

【図２】図１に示したユーザインタフェース機能部によ
るＧＵＩの一例を示す図である。

【図３】図１に示した実施形態の全体の処理を示すフロ
ーチャートである。

【図４】図３のステップＳ１１のカテゴライズ処理を示
すフローチャートである。

【図５】図３のステップＳ１３の基礎統計利用の評価関
数ｆ_A を用いた特徴抽出処理を示すフローチャートであ
る。

【図６】図３のステップＳ１５の相関係数利用の評価関
数ｆ_B を用いた特徴抽出処理を示すフローチャートであ
る。

【図７】図３のステップＳ２３の最適化手法Ｉを示すフ
ローチャートである。

【図８】図３のステップＳ２１の最適化手法ＩＩを示す
フローチャートである。

【図９】図１の実施形態の適用例を概念的に示した図で
ある。

【図１０】評価関数ｆ_A の作用を概念的に示した図であ
る。

【図１１】カテゴリ対象属性が１つの場合の最適化作用
を概念的に示した図である。

【図１２】カテゴリ対象属性が複数の場合の最適化の作
用を概念的に示した図である。

【符号の説明】

１ 外部入力装置 ３ ユーザインタフェース機能部 ５ カテゴライズ機能部 １１ 数値演算機能部 １３ 評価関数計算機能部 １５ 属性抽出機能部 １７ 視覚化定義 １９ 視覚化装置 ２１ 区間自動決定機能部

───────────────────────────────────────────────────── フロントページの続き (72)発明者 磯部 成二 東京都新宿区西新宿三丁目19番２号 日本 電信電話株式会社内 Ｆターム(参考） 5L096 HA09 JA22 MA07

Claims (21)

【特許請求の範囲】
1. 【請求項１】 複数の属性またはカラムを有するデータ
   に対し、ユーザが指定した属性および方法によってデー
   タを「値による等分割」「数による等分割」「多次元メ
   ッシュ」または「多次元クラスタリング」を含む手法を
   用いて、複数のデータ群であるカテゴリに分割するカテ
   ゴライズを行い、 前記カテゴライズの結果のそれぞれのカテゴリに対して
   カテゴライズに利用された属性であるカテゴリ対象属性
   以外の属性における特徴を検出することを特徴とするカ
   テゴライズ利用特徴抽出方法。
2. 【請求項２】 前記カテゴライズ処理で分割生成された
   カテゴリにおいて、前記カテゴリ対象属性以外の任意の
   属性の値の分布がデータ全体の分布と比較して乖離して
   いる度合を次の評価関数： 【数１】ｆ_A （ｎ_P ，ｍ_P ，ｓ_P ，ｍ_A ）＝｛１−１／
   （ｎ_P ）^1/2 ｝（ｍ_P −ｍ_A ）／ｓ_P ここで、ｎ_P は部分データの数、ｍ_P は部分データの平
   均、ｍ_A は全体の平均、ｓ_P は部分データの標準偏差で
   あり、によって判定し、乖離の度合が顕著である属性と
   対応するカテゴリをそのデータの部分的な特徴として抽
   出することを特徴とする請求項１記載のカテゴライズ利
   用特徴抽出方法。
3. 【請求項３】 前記カテゴライズ処理で分割生成された
   カテゴリに対して、前記カテゴリ対象属性を除いた任意
   の２つの属性の相関係数の全体の相関係数との乖離の度
   合を次の評価関数： 【数２】ｆ_B （ｒ_A ，ｒ_P ，ｎ_P ，）＝｛１−１／（ｎ
   _P ）^1/2 ｝ｒ_P （ｒ_P −ｒ_A ） ここで、ｎ_P は部分データの数、ｒ_A は全体の相関係
   数、ｒ_P は部分データの相関係数であり、 によって判定し、乖離の度合が顕著である属性対と対応
   するカテゴリをそのデータの部分的な特徴として抽出す
   ることを特徴とする請求項１記載のカテゴライズ利用特
   徴抽出方法。
4. 【請求項４】 前記抽出された特徴および前記評価関数
   の結果を用いて、特に顕著な特徴を出力することを特徴
   とする請求項２または３記載のカテゴライズ利用特徴抽
   出方法。
5. 【請求項５】 前記カテゴリ対象属性が単一である場
   合、前記特徴が最も顕著に現れるようなカテゴリの範囲
   であるカテゴリ区間を前記評価関数により求めるカテゴ
   リ区間最適化処理を行うことを特徴とする請求項２また
   は３記載のカテゴライズ利用特徴抽出方法。
6. 【請求項６】 前記カテゴリ対象属性が複数である場
   合、前記特徴が最も顕著に現れるようなカテゴリの範囲
   であるカテゴリ区間を前記評価関数により求めるカテゴ
   リ区間最適化処理を行うことを特徴とする請求項２また
   は３記載のカテゴライズ利用特徴抽出方法。
7. 【請求項７】 前記カテゴリ処理および特徴抽出につい
   てプログラミングすることなく、マウスを含む簡易なツ
   ールを用いて条件を入力できるグラフィカルユーザイン
   タフェース（ＧＵＩ）画面を表示することを特徴とする
   請求項２または３記載のカテゴライズ利用特徴抽出方
   法。
8. 【請求項８】 複数の属性またはカラムを有するデータ
   に対してユーザが指定した属性および方法によってデー
   タを「値による等分割」「数による等分割」「多次元メ
   ッシュ」または「多次元クラスタリング」を含む手法を
   用いて、複数のデータ群であるカテゴリに分割するカテ
   ゴライズを行うカテゴライズ手段と、前記カテゴライズ
   の結果のそれぞれのカテゴリに対してカテゴライズに利
   用された属性であるカテゴリ対象属性以外の属性におけ
   る特徴を検出する特徴検出手段とを有することを特徴と
   するカテゴライズ利用特徴抽出装置。
9. 【請求項９】 前記カテゴライズ手段で分割生成された
   カテゴリにおいて、前記カテゴリ対象属性以外の任意の
   属性の値の分布がデータ全体の分布と比較して、乖離し
   ている度合を次の評価関数： 【数３】ｆ_A （ｎ_P ，ｍ_P ，ｓ_P ，ｍ_A ）＝｛１−１／
   （ｎ_P ）^1/2 ｝（ｍ_P −ｍ_A ）／ｓ_P ここで、ｎ_P は部分データの数、ｍ_P は部分データの平
   均、ｍ_A は全体の平均、ｓ_P は部分データの標準偏差で
   あり、によって判定する判定手段と、該判定手段で判定
   した乖離の度合が顕著である属性と対応するカテゴリを
   そのデータの部分的な特徴として抽出する抽出手段とを
   有することを特徴とする請求項８記載のカテゴライズ利
   用特徴抽出装置。
10. 【請求項１０】 前記カテゴライズ手段で分割生成され
    たカテゴリに対して、前記カテゴリ対象属性を除いた任
    意の２つの属性の相関係数の全体の相関係数との乖離の
    度合を次の評価関数： 【数４】ｆ_B （ｒ_A ，ｒ_P ，ｎ_P ，）＝｛１−１／（ｎ
    _P ）^1/2 ｝ｒ_P （ｒ_P −ｒ_A ） ここで、ｎ_P は部分データの数、ｒ_A は全体の相関係
    数、ｒ_P は部分データの相関係数であり、によって判定
    する判定手段と、該判定手段で判定した乖離の度合が顕
    著である属性対と対応するカテゴリをそのデータの部分
    的な特徴として抽出する抽出手段とを有することを特徴
    とする請求項８記載のカテゴライズ利用特徴抽出装置。
11. 【請求項１１】 前記抽出された特徴および前記評価関
    数の結果を用いて、特に顕著な特徴を出力する出力手段
    を有することを特徴とする請求項９または１０記載のカ
    テゴライズ利用特徴抽出装置。
12. 【請求項１２】 前記カテゴリ対象属性が単一である場
    合、前記特徴が最も顕著に現れるようなカテゴリの範囲
    であるカテゴリ区間を前記評価関数により求めるカテゴ
    リ区間最適化手段を有することを特徴とする請求項９ま
    たは１０記載のカテゴライズ利用特徴抽出装置。
13. 【請求項１３】 前記カテゴリ対象属性が複数である場
    合、前記特徴が最も顕著に現れるようなカテゴリの範囲
    であるカテゴリ区間を前記評価関数により求めるカテゴ
    リ区間最適化手段を有することを特徴とする請求項９ま
    たは１０記載のカテゴライズ利用特徴抽出装置。
14. 【請求項１４】 前記カテゴリ手段および特徴抽出につ
    いてプログラミングすることなく、マウスを含む簡易な
    ツールを用いて条件を入力できるグラフィカルユーザイ
    ンタフェース（ＧＵＩ）画面を表示する表示手段を有す
    ることを特徴とする請求項９または１０記載のカテゴラ
    イズ利用特徴抽出装置。
15. 【請求項１５】 複数の属性またはカラムを有するデー
    タに対してユーザが指定した属性および方法によってデ
    ータを「値による等分割」「数による等分割」「多次元
    メッシュ」または「多次元クラスタリング」を含む手法
    を用いて、複数のデータ群であるカテゴリに分割するカ
    テゴライズを行い、前記カテゴライズの結果のそれぞれ
    のカテゴリに対してカテゴライズに利用された属性であ
    るカテゴリ対象属性以外の属性における特徴を検出する
    ことを特徴とするカテゴライズ利用特徴抽出プログラム
    を記録した記録媒体。
16. 【請求項１６】 前記カテゴライズ処理で分割生成され
    たカテゴリにおいて、前記カテゴリ対象属性以外の任意
    の属性の値の分布がデータ全体の分布と比較して乖離し
    ている度合を次の評価関数： 【数５】ｆ_A （ｎ_P ，ｍ_P ，ｓ_P ，ｍ_A ）＝｛１−１／
    （ｎ_P ）^1/2 ｝（ｍ_P −ｍ_A ）／ｓ_P ここで、ｎ_P は部分データの数、ｍ_P は部分データの平
    均、ｍ_A は全体の平均、ｓ_P は部分データの標準偏差で
    あり、によって判定し、乖離の度合が顕著である属性と
    対応するカテゴリをそのデータの部分的な特徴として抽
    出することを特徴とする請求項１５記載のカテゴライズ
    利用特徴抽出プログラムを記録した記録媒体。
17. 【請求項１７】 前記カテゴライズ処理で分割生成され
    たカテゴリに対して、前記カテゴリ対象属性を除いた任
    意の２つの属性の相関係数の全体の相関係数との乖離の
    度合を次の評価関数： 【数６】ｆ_B （ｒ_A ，ｒ_P ，ｎ_P ，）＝｛１−１／（ｎ
    _P ）^1/2 ｝ｒ_P （ｒ_P −ｒ_A ） ここで、ｎ_P は部分データの数、ｒ_A は全体の相関係
    数、ｒ_P は部分データの相関係数であり、によって判定
    し、乖離の度合が顕著である属性対と対応するカテゴリ
    をそのデータの部分的な特徴として抽出することを特徴
    とする請求項１５記載のカテゴライズ利用特徴抽出プロ
    グラムを記録した記録媒体。
18. 【請求項１８】 前記抽出された特徴および前記評価関
    数の結果を用いて、特に顕著な特徴を出力することを特
    徴とする請求項１６または１７記載のカテゴライズ利用
    特徴抽出プログラムを記録した記録媒体。
19. 【請求項１９】 前記カテゴリ対象属性が単一である場
    合、前記特徴が最も顕著に現れるようなカテゴリの範囲
    であるカテゴリ区間を前記評価関数により求めるカテゴ
    リ区間最適化処理を行うことを特徴とする請求項１６ま
    たは１７記載のカテゴライズ利用特徴抽出プログラムを
    記録した記録媒体。
20. 【請求項２０】 前記カテゴリ対象属性が複数である場
    合、前記特徴が最も顕著に現れるようなカテゴリの範囲
    であるカテゴリ区間を前記評価関数により求めるカテゴ
    リ区間最適化処理を行うことを特徴とする請求項１６ま
    たは１７記載のカテゴライズ利用特徴抽出プログラムを
    記録した記録媒体。
21. 【請求項２１】 前記カテゴリ処理および特徴抽出につ
    いてプログラミングすることなく、マウスを含む簡易な
    ツールを用いて条件を入力できるグラフィカルユーザイ
    ンタフェース（ＧＵＩ）画面を表示することを特徴とす
    る請求項１６または１７記載のカテゴライズ利用特徴抽
    出プログラムを記録した記録媒体。