JP2002207755A

JP2002207755A - イベントデータに関する情報管理装置

Info

Publication number: JP2002207755A
Application number: JP2001000951A
Authority: JP
Inventors: Hiroya Inakoshi; 宏弥稲越; Aoshi Okamoto; 青史岡本; Nobuhiro Yugami; 伸弘湯上; Tadako Oota; 唯子太田
Original assignee: Fujitsu Ltd
Current assignee: Fujitsu Ltd
Priority date: 2001-01-09
Filing date: 2001-01-09
Publication date: 2002-07-26

Abstract

(57)【要約】【課題】本発明はイベントデータに関する情報管理装置
に関し，時間的変化特性を事項の重要度として事例ベー
スに反映して問題を解決したり，情報検索や，分類，及
び事例ベースの推論を可能とすることを目的とする。【解決手段】対象となる問題領域に発生するイベント入
力を蓄積するイベント蓄積部と，蓄積されたイベントか
ら時系列データおよびシーケンスを抽出する時系列デー
タ抽出装置と，時系列データから問題領域に含まれる対
象となる事例の重要度と事例の特徴量である属性および
属性値の重要度を決定する時系列データ変換装置と，重
要度を所定時間間隔で補完すると共に重要度の履歴を記
録する重要度補完装置とを備えた重要度決定装置を設け
る。重要度補完装置から対象となる事項の重要度の変化
を問題領域の時間に依存する特徴量として提示するよう
構成する。

Description

【発明の詳細な説明】

【０００１】

【発明の属する技術分野】本発明は問題領域に発生する
イベントの時間的特性を考慮したイベントデータに関す
る情報管理装置に関する。

【０００２】近年，システムエンジニア等の各種の知識
を集積して有効利用するためのナレッジマネージメント
や，ユーザの要求に対応した製品設計や，部品を共有化
して製品としての整合性を保ちながら条件を満足させる
ためのプロダクトコンフィギュギレーションや，各個人
向けのウエブサイトの画面の提示（個人の興味に対応す
る推薦を含む）する等のパーソナライゼーション，リコ
メンデーション技術等の情報技術や，時間的に変化する
観測量に依存した一般的な情報検索や分類等の情報管理
を効率的に行うことが望まれている。

【０００３】

【従来の技術】従来，過去の事例についてそれと類似の
条件が備わったことが分かった時，これと同様の解決方
法を用いたり，同様の結果を予測するような推論を行う
ことが，上記した各種の分野において効果を発揮してい
る。

【０００４】ナレッジマネージメントの例について従来
技術について説明する。ナレッジマネージメントに事例
ベース推論を適用する場合には，あるシステムを構築し
た際に，どのような要求仕様が与えられたかを定型的に
変換した上で入力部とし，実際に開発言語に何を用いた
か，データベースシステムには何を用いたかといった情
報を出力部とする。すなわち，入力部に対応した出力部
を設定して，合わせて過去の事例として，事例ベースに
登録しておく。このような状態において，新しいシステ
ム構築を受注した際，その要求を定型的に変換する。こ
の新たな入力部と，事例ベースに多数保持されている事
例の入力部を比較し，要求入力と近しい事例を類似事例
として取得する。類似事例の出力部をそのまま現在の要
求入力に対する出力とすることもあり，場合によっては
その一部を修正するような処理を加えた後に，出力する
こともある。

【０００５】図１０は従来の事例ベース推論による問題
解決装置の例であり，これはナレッジマネージメントの
例を示す。図中のａは事例であり，入力部として問題記
述部が設けられ，ここには具体的な要求仕様が記述され
ており，これに対応する出力部として問題解決部が設け
られており，同様の形式で多数の事例が蓄積されてい
る。これに対し，ｂに示すような問題が発生する。その
問題記述部（入力部に対応）に記述された内容に対応す
る問題解決の出力部を求めるため，類似事例検索を行う
と，ｃに示すような類似事例集合が求められる。この問
題解決部（出力部に対応）の内容を見て，ユーザが自分
の環境に適する様に解の修正を行うことで，図１０のｄ
に示すような内容の解が得られる。この内容は新しい事
例としてデータベースに追加される。

【０００６】このような事例ベース推論システムにおい
ては，類似事例の取得（事例ベースにどのような事例を
とっておけば良いのかという点と事例ベースの中からど
れを類似した事例として取り出すかという点）の仕方が
成否の鍵の一つを握ることになる。例えば，事例ベース
中の各事例に対する類似度の計算において，事例の属性
ごとにその重みを変えられる。このような重みの一例と
しては，属性に対する重みを，事例ベース中の事例の属
性間の相関性を学習するという方法（Cross Category F
eature Importance と呼ばれる）等がある。

【０００７】

【発明が解決しようとする課題】しかし，ナレッジマネ
ージメントの例でいうと，例えば開発言語はそれぞれの
システムの開発に適した使いやすい言語が流行すること
で，過去においてよく使われた言語があまり使われなく
なることがある。新規にシステムを開発する場合には，
ＣＯＢＯＬの代わりにＣ言語やＪａｖａを用いる方が別
のシステムとの連携を考慮する場合には一般的になって
いる。

【０００８】一方，例えば衣類の販売店において，事例
ベース推論によって商品を推薦しているような場合，同
じ顧客に対してであっても，四季によって推薦すべき商
品（例えば，衣類）は季節によって周期的に変化する必
要があるが，従来は例えば，２０代女性という女性につ
いて事例データを検索した場合，現在の季節を考慮しな
いため，複数の季節の衣類の類似事例のデータが取り出
され，推薦すべきデータが絞られてなく，ぼやけたデー
タになるという問題がある。

【０００９】このように保存しておく知識として事例が
陳腐化したり，規則的変化を伴うような環境に対して適
切に事例ベースの検索結果を得ることが困難であった。
この場合，現在与えられた条件が似かよっていたとして
も，過去の事例に基づいた推論の結果は，時間的変化の
影響を考慮していないため，現時点で有効であるかは分
からない。このような時間的変化の影響を受ける問題領
域において適切に推論することができないという問題が
あった。

【００１０】また，時間的変化を取り扱って，適切な解
答を返すという目的の他に，時間的変化情報を事例ベー
スに還元させて，既に不要となった事例を削除するよう
なメンテナンスをすることができなかったことや，デー
タ分析の観点から時間的変化を分析して，時間的変化に
対応した重要度の変化を識別する等の時間的変化を適切
に扱うことができなかった。

【００１１】時間に関係して変化する時系列データと共
に順番（時間を含まない）に関係するシーケンスデータ
についても，時系列データと同様の問題があった。以
下，時系列データにはシーケンスデータも含むものとし
て説明する。

【００１２】本発明は上記の問題を解決し，時間的変化
特性を事項の重要度として事例ベースに反映して問題を
解決したり，情報検索や，分類，及び事例ベースの推論
を可能とするイベントデータに関する情報管理装置を提
供することを目的とする。

【００１３】

【課題を解決するための手段】図１は本発明の原理構成
であり，本発明による重要度決定装置と基本的な周辺装
置が示されている。図中，１は本発明による重要度決定
装置，２は各種システムの系，３は入力部，４は出力
部，５はユーザを表す。重要度決定装置１内の１０は時
間の経過に従って発生するイベントを蓄積するイベント
蓄積部，１０ａはイベントを格納するイベントデータベ
ース（ＤＢ），１１は時間的な変化を含むデータを抽出
する時系列データ抽出装置，１２は入力する時系列デー
タとシーケンスに対してその事項について重要度が適切
な値の範囲をとるよう決定する時系列データ変換装置，
１３は重要度を記録した後で分析できるようにする重要
度補完装置，１３ａは補完により得られた重要度履歴を
格納する重要度履歴の格納部である。

【００１４】対象となる系２としては例えば，衣料品の
店舗で，入力部３が店舗に備えられた端末またはレジス
タがある。入力部３から重要度決定装置１へ時間の経過
に従って発生するイベント（例えば，時間情報を含む売
り上げた商品情報）が入力されると，イベント蓄積部１
０のイベントデータベース１０ａにイベント情報が蓄積
される。時系列データ抽出装置１１はイベント蓄積部１
０に蓄積されたイベント情報から時間的変化量を含む時
系列データと順番の情報であるシーケンスを抽出し，時
系列データ変換装置１２へ供給する。時系列データ変換
装置１２は入力された時系列データ及びシーケンスの事
項に対して予め与えられた知識によって，適切な値の範
囲を取るよう，重要度を決定し，その値は刻々と変化し
得る。決定した重要度は重要度補完装置１３へ供給され
ると保存されると共に有用な値となるよう補完される。
この重要度の値は重要度補完装置１３内部の重要度履歴
の格納部１３ａに格納されると共に出力部４へ出力され
て，ユーザ（例えば，店舗の経営者）に補完された重要
度が提示される。

【００１５】

【発明の実施の形態】図２は本発明の重要度決定装置の
処理フローであり，上記図１に示す本発明の第１の原理
構成の機能を情報処理装置において実現するための処理
フローである。図２のａはイベント登録の処理であり，
重要度決定装置１のイベント蓄積部１０において実行さ
れ，系２の入力部３からイベントを受信する毎に起動し
（図２のＳ１），イベント発生時刻とイベントに関する
記述を組にしてイベントＤＢ１０ａに登録し（同Ｓ
２），この処理をイベントを受信する毎に繰り返す（同
Ｓ３）。図２のｂは重要度変換の処理であり，図１の重
要度決定装置１の時系列データ抽出装置１１，時系列デ
ータ変換装置１２において実行され，一定時間間隔やイ
ベント登録毎などの必要なタイミングで起動すると（図
２のＳ４），イベントＤＢから関連のあるイベントだけ
を抽出することで，時系列データが抽出される（同Ｓ
５）。次に時系列データから重要度を生成する。例えば
単位時間あたりのイベント発生回数のような抽出したイ
ベントと関連する時系列データを生成し，これを重要度
とし（図２のＳ６），これを重要度補完の処理に提供
し，この処理を起動する毎に繰り返す（図２のＳ７）。

【００１６】図２のｃは重要度補完の処理であり，図１
の重要度補完装置１３において実行される。初めに重要
度を待ち受け，値が変化する毎に実行を開始し（図２の
Ｓ８），新しい重要度Ｉｎを重要度履歴の格納部１３ａ
に記録する（同Ｓ９）。次に，新しい重要度Ｉｎに対し
て，前回の所定の時間ｋだけ前に受けとった重要度Ｉｎ
−ｋと今回の重要度Ｉｎとの間をｋで等分した各単位時
間の重要度Ｉｎ−ｋ，…，Ｉｎを補完関数ｃ（ｎ−ｋ，
…，ｎ；ｔ）で補完し，その結果を出力（図１の出力部
４へ）すると共に次の重要度の受信を待ち受け（図２の
Ｓ１０），この処理を重要度を受け取る毎に繰り返す
（同Ｓ１１）。

【００１７】図３は本発明の重要度決定装置を用いた実
施例１の構成であり，これは問題解決またはランキング
付けの機能を備えた情報管理装置である。図中，１，３
〜５は上記図１の同一符号の各部と同様であり，重要度
決定装置１の内部構成も上記図１と同様であり，これら
の説明は省略する。また，イベント蓄積部１０内のイベ
ントＤＢ１０ａ及び重要度補完装置１３内の重要度履歴
の格納部１３ａは図示省略されている。図３の６はラン
キング部であり，７は従来の事例ベース推論の技術を用
いた問題解決部である。

【００１８】この構成では，ユーザ５が条件を含む要求
を入力部３に入力すると問題解決部７と重要度決定装置
１のイベント蓄積部１０に供給される。問題解決部７は
従来技術の事例ベースの推論により，入力した条件に適
応した解答，例えば条件を満たす商品情報等を結果とし
て出力し，推論の途中経過の内容もイベント蓄積部１０
へ供給する。イベント蓄積部１０にはイベントデータベ
ース１０ａが備えられ，追記可能なファイルにログとし
て記録し蓄積することができる。１つのログには時系列
データを抽出するためのキーとなる情報と，イベント自
身を必要十分に表すことができる全てのデータを含む。
時系列データ抽出装置１１は，例えば，イベントにはシ
ステムに対する入力があると，入力は同時に複数のユー
ザが与えることがあるが，情報ソースとしてユーザを別
なものとして扱うことが適切な場合は，入力データ中に
含まれるユーザ識別子によって区別を行い，イベント蓄
積部１０から該当するユーザ識別子をキーとして持つも
のを抽出する処理を行う。また重要度補完装置１３は，
重要度が元々時間的に連続である場合には不要なので省
略可能である。また，重要度の履歴は，例えば，イベン
ト蓄積部１０と同様のログ形式を用いることができる。

【００１９】この実施例１では，時系列データ変換装置
１２及び重要度補完装置１３の動作により重要度が決定
され，ランキング部６と問題解決部７へ入力される。問
題解決部７では重要度に従ってランキングを行い，事例
ベース推論を行う場合の属性の重みを変えて推論を行
い，結果を出力する。推論の結果はランキング部６へ入
力されると，問題解決部７からの結果を重要度のランキ
ングに従って上位の数件を取り出して出力部４へ供給し
て，ユーザに提示する。なお，ランキング部６と問題解
決部７で用いる重要度は同じものである必要はなく，む
しろ違うものとなる。

【００２０】図３の構成の問題解決部７としては，情報
検索装置，分類装置及び事例ベース推論装置などを設け
ることが有効である。事例ベース推論でいえば，流行に
したがって，類似事例検索の段階でよく用いられること
になる事例の集合は変化することが容易に想像できる。
時間的変化によって，事例ベース中の事例のヒット率
（発生率）を時系列データとして抽出すると，流行の影
響を受けて時間的に変化する。ユーザからの要求入力に
対して，事例との類似度を求める際にこのヒット率を用
い，あるタイミングでのヒット率が高い事例との類似度
が高くなるようにすれば流行にあった推薦を行うことが
可能となる。

【００２１】また，問題解決部７として情報検索装置を
設けた場合，重要度決定装置の出力を基準として，検索
対象データを蓄積するコンテンツデータベース（問題解
決部７内に設ける）に含まれるデータであるコンテンツ
を検索して，検索結果を適切な形式で出力部から出力
し，検索装置への入力，出力および検索装置内部で発生
するイベントのうち，任意のイベントを重要度決定装置
１の入力として与えることによって，ユーザや検索装置
に関わる時間的変化の影響に従った検索結果を提示する
ことができる。

【００２２】図４は実施例１（図３）の構成の処理フロ
ーである。この実施例１の処理フローは上記図３におけ
る各部の処理内容を表し，ａは重要度決定装置１のイベ
ント蓄積部１０の処理内容を表し，ｂは重要度決定装置
１内の時系列データ抽出装置１１，時系列データ変換装
置１２，重要度補完装置１３の処理内容を表し，ｃはラ
ンキング部６の処理を表す。

【００２３】図４のａに示すようにイベント蓄積部がイ
ベント登録を開始すると，イベントを受信する毎に起動
され（図４のＳ１），セッションＩＤ要求中で指定され
た属性ＩＤの組をイベントＤＢ１０ａに登録し（同Ｓ
２），これを繰り返す（同Ｓ３）。なお，セッションＩ
Ｄは，ネットワークを介したユーザからの要求に対し
て，ユーザに与えられるＩＤである。次にｂに示す重要
度変換は，一定時間間隔で起動し（図４のＳ４），イベ
ントデータベースから，該当セッションに関するデータ
のみを系列データとして抽出（時系列データ抽出）する
（同Ｓ５）。次に抽出した時系列データの重要度を補完
し（この実施例では，時系列データに何の加工も加えな
いヌル動作としている。図４のＳ６），入力属性ｉの重
要度ｆｉを決定する（時系列データ変換，同Ｓ７）。こ
の処理は一定時間間隔で順次繰り返される（図４のＳ
８）。

【００２４】次に，図４のｃに示すランキングの動作が
開始されると，Ｂ＝（ｂ１，…，ｂｋ）の演算を行う
（図４のＳ９）。但し，ｂ１〜ｂｋは事例ベース推論装
置が提示した解を表す。この処理を全ての解ｂｉについ
て繰り返し（図４のＳ１０），続いて後述する重要度変
換の処理により得られた重要度Ｆ（ｔ）＝(f1,f2, …，
fn) を用いて，ｂｉの評価値を求め（同Ｓ１１），これ
を繰り返して（同Ｓ１２），Ｂ（＝（ｂ１，…，ｂ
ｋ））を評価値によってソートし，上位数件のみを出力
し（同Ｓ１３），類似事例検索を終了する（同Ｓ１
４）。なお，上記Ｆ（ｔ）の要素であるf1,f2, …，fn
は，正確にはf1(t),f2(t),…,f(n＋m)(t) である。

【００２５】問題解決部７は事例ベース推論装置を用い
た従来のｋ−ＮＮ法により，類似事例集合の情報を基
に，修正を加えて出力する。問題解決部７へのユーザか
らの入力は，ｑ＝〔ｕ１，…，ｕｎ〕のｎ次元のベクト
ルによって与えられるものとし，入力される属性値は必
ずしも指定する必要はなく，省略された属性値は？で表
すことにする。事例ベースに含まれる事例ｉはｃi ＝[v
1,…,vn ；vn+1, …,vn+m]のｎ＋ｍ次元のベクトルで与
えられるものとし，前半のｎ個の要素は要求入力に対応
する入力部，後半のｍ個の要素はそれに対応する解を表
す出力部とする。問題解決部７のｋ−ＮＮ法による類似
度の計算は次の式(1) および(2) で与えられる。

【００２６】

【数１】

【００２７】式(1) において，sim(q,ｃi ) は要求ｑに
対する事例ｃi の類似度を表し, ｗｊは要求ｑと事例ｃ
i の類似度を計算する際にどの属性の重要度が高いのか
を表す属性ｊの重みである（事例ベース推論では，単純
に全て１としたり，事例ベースから学習して決める方法
が用いられる），δ_ijは式(2) により規定されており,u
_jはユーザからの要求ｑを構成する要素を表し，ｖ_ijは
事例ｉに対する要素ｊの値を表し，δ_ijはこの式(2) に
規定する条件に従って１か０の値を取る。事例ベース推
論で用いられるのは，単純に全て１としたり，事例ベー
スから学習する。

【００２８】一方，イベント蓄積部１０内のイベントＤ
Ｂ１０ａに蓄積されるイベントは，次のようなデータで
あるものとする。先頭のイベントのデータの例を説明す
ると，８月（Aug)３０日８時２１分２２秒に，事例ｃ1
と, 事例ｃ3 及び事例ｃ5を発生したことを表し，以下
他の各イベントについてそれぞれに事例が発生してい
る。

【００２９】 Aug 30,08:21:22-＞ｃ1 ，ｃ3 ，ｃ5 Aug 30,08:22:01-＞ｃ1 ，ｃ5 ，ｃ7 Aug 30,08:22:17-＞ｃ3 ，ｃ5 Aug 30,08:22:33-＞ｃ2 ，ｃ3 ，ｃ5 Aug 30,08:23:41-＞ｃ5 ，ｃ7 ，ｃ9 …………… ユーザからの要求入力があった時刻をキーとして，それ
に対して得られた類似事例集合の組を値とする。１時間
（１ｈ）を時間間隔として，ある事例が類似事例として
扱われた回数をヒット率（回／ｈ）と呼ぶものとし，時
系列データ抽出装置（図３の１１）により事例ｉのヒッ
ト率Ｈｉを時系列データとして抽出するものとする。

【００３０】図５は重要度決定の説明図である。図５の
Ａ．は横軸を時間（ｔ）として所定時間毎にサンプリン
グしたヒット率（事例が発生する率）を折れ線グラフで
表示した時系列データである。このヒット率は，上記の
イベントデータの例では，事例のｃ5 は５回分のサンプ
リング時間に毎回発生するのでヒット率を「５」とし，
事例ｃ3 は５回分のサンプリング時間に３回発生するの
でヒット率を「３」とするというようにヒット率が抽出
される。この図５のＡ．に示すヒット率の時系列データ
を入力として，時系列データ変換装置（図３の１２）は
直前（過去）の所定時間（例えば３時間）のヒット率か
ら，その時間のヒット率の積分に応じて，現在の事例ｉ
の重要度を発生する。図５のＢ．は事例ｉの重要度の変
化を表示し，事例ｉの現在の重要度はそれ以前の所定時
間（３時間）の面積（一例を図５のＡ．内の斜線部の面
積）に応じて決められる。なお，図５のＢ．の重要度の
グラフは折れ線になっているのは，重要度補完装置（図
３の１３）によって線型補完されたものである。

【００３１】このようにして得られた事例の重要度Ｗｉ
(t) を用いて，ｋ−ＮＮ法を重要度を考慮した類似度si
m(q,ｃi ) ’が次の式(3) により求めることができる。

【００３２】式(3) の中のＷｉ(t) は本発明の重要度決
定装置（図１，図３の１）により出力される時間的重要
度を考慮した事例の重要度であり，時系列データを用い
て計算される。類似度をＷｉ(t) 倍することで,sim
（ｑ，ｃi ) の値が同じ事例であっても，Ｗｉ(t) が大
きいもののほうが要求に近いと判断される。また，時刻
ｔにおいて重要度が高い事例は，類似事例としてヒット
しやすくなる。

【００３３】

【数２】

【００３４】重要度は事例重みに限らず，抽出される時
系列データもヒット率に限らない。事例ベース推論にお
けるこれらの変形例としては，重要度として，属性重み
（ｗｊに相当する），属性値の重みなども可能である
し，時系列データも類似事例集合における属性値分布の
偏差の変化などを用いることができる。また，問題解決
装置の内部イベントであるヒットした類似事例に関する
ものだけに限らず，要求入力をイベントとしても良い
し，出力された解をイベントとしても良い。更に，これ
らを組み合わせて用いるようにしても良い。

【００３５】また，図３の問題解決部７は事例ベース推
論装置であるから，事例ベース推論装置の推論の結果を
ランキングする目的でも，重要度決定装置を用いること
が可能である。この場合，上記した事例のヒット率に基
づく重要度を必ずしも用いる必要はなく，別に重要度を
ランキングの指標として用いても良い。

【００３６】事例ベース推論装置が提示した解候補をｂ
１，…，ｂｋとする。ユーザは要求入力を行う際，イン
タラクティブに要求を繰り返して目的の解を得ようとす
る場合があり，このインタラクティブな一連の動作をセ
ッションＩＤを割り振ることによって管理するものとす
る。セッションＩＤをキーとして繰り返し発行された要
求入力内で指定された属性ｉの識別子（ＩＤ）を値とし
て，イベントＤＢに蓄積するものとする。

【００３７】今，あるセッションにおいて，要求入力の
指定された属性のパターンは，時系列データ抽出装置
（図３の１１）によって次のように抽出される。

【００３８】〔１，４，５〕＞〔２，７〕＞

〔９〕これは，最初のインタラクションでは属性１，４及び５
に属性値を指定し，次のインタラクションでは属性２お
よび７，最後に属性９と指定したことを意味する。最も
単純な例では，早く指定された属性にはユーザが関心が
高いものと考えて，Ｆ(t) ＝[f1,…,fn]＝[3,2,0,3,3,0,2,0,1, …] のような属性の重要度ベクトルを重要度決定装置が出力
する。また，ｆ1 ，ｆ２，…はベクトルＦ(t) を定義す
る各要素であり，時間的に変化するので正確にはｆ１
(t) ，ｆ２(t) ，…と表す。

【００３９】このＦ(t) の例では，１回目のインタラク
ションで指定された属性には３，２回目には２，最後に
は１となっている。

【００４０】事例ベース推論装置が出力する解は，入力
部が必ずしも要求入力と同じ属性値を取るとは限らな
い。上記した属性重みを用いて上記の式(1) および式
(2) による類似度によってランキングする方法も考えら
れる。

【００４１】事例ベースの管理事例ベース管理においても，一例としては既に述べた事
例のヒット率に基づく事例重みを重要度とする際，上記
の例では所定時間を３時間とする例を挙げたが，これを
半年とか１年といった，長期のものに置きかえて，他の
事例の重要度と比べて非常に小さい重要度を取るものは
自動的に削除したり，管理者にそれを知らせたりする。
または，分析機能の結果得られた知識に基づいて，事例
管理を行うことも考えられる。

【００４２】図６は本発明の重要度決定装置を用いた実
施例２の構成であり，これはイベント分析の機能を備え
た情報管理装置である。図中，１は上記図１及び図３と
同じ重要度決定装置であり，その内部構成も上記図１，
図３と同様であり，これらの説明は省略する。３ａは管
理者による分析指示が入力される分析指示入力部，４ａ
は分析結果が出力される分析結果出力部，５ａは店舗等
の管理者，９は従来の技術（例えば，データマイニング
の技術）によりイベント解析を行う分析部である。

【００４３】管理者５ａが分析指示入力部３ａに分析指
示を入力すると，分析部９は重要度履歴およびイベント
記録にアクセスし，これらを可視化したり，データマイ
ニング等の一般的なデータ解析手法を用いて，分析や知
識獲得を行う。これを更に重要度決定装置１に還元する
ことができる。

【００４４】事例の重要度は，流行やそれに影響を与え
る因子などを分析するためにも有効である。重要度履歴
の格納部１３ａの重要度の履歴とイベント蓄積部１０の
イベントデータを含むその他の要因との相関関係や共起
性を分析することによって問題領域に関してより詳細
に，隠れた規則を発見するのに役立てることができる。

【００４５】図７は分析部の処理フローを示す。分析を
開始すると，イベントＤＢ１０ａと重要度履歴の格納部
１３ａの値のピークの共起性を分析する（図７のＳ
１）。次に重要度履歴や，分析の結果をグラフ等で可視
化して（図７のＳ２），分析を終了する。この手法は，
単純にイベントの系列について分析する場合には明らか
にならなかった知識を発見できる可能性がある点で有用
である。

【００４６】図８は本発明の重要度決定装置を用いた実
施例３の構成である。これは事例べース推論機能を備え
た情報管理装置である。図中，１，３〜５の各符号は上
記図１及び図３の同一符号の各部と同様であり，重要度
決定装置１の内部構成も上記図１及び図３と同様であ
り，これらの説明は省略する。また，イベント蓄積部１
０内のイベントＤＢ１０ａ及び重要度補完装置１３内の
重要度履歴の格納部１３ａは図示省略されている。図８
の８０は類似事例検索部，８１は事例ベースのデータベ
ース，８２は事例管理装置である。

【００４７】図９は実施例３の構成の処理フローであ
る。この実施例３の処理フローは上記図８における各部
の処理内容を表し，ａは重要度決定装置１内のイベント
蓄積部１０の処理内容を表し，ｂは重要度決定装置の時
系列データ抽出装置１１，時系列データ変換装置１２，
重要度補完装置１３による重要度変換の処理内容を表
し，ｃは類似事例検索部８０，事例ベース８１及び事例
管理装置８２の処理内容を表す。

【００４８】イベント登録は，図８のａに示すように，
イベントを受信するごとに起動し（図８のＳ１），セッ
ションＩＤ，要求中で指定された属性ＩＤの組をイベン
ト蓄積部１０のイベントＤＢ１０ａに登録し（同Ｓ
２），このＳ１，Ｓ２を各イベント受信ごとに繰り返す
（同Ｓ３）。重要度変換の処理は，図８のｂに示すよう
に一定時間間隔で起動すると（図８のＳ４），イベント
ＤＢ１０ａから，事例ｃiのヒット率Ｈｉを求めて時系
列データを抽出する（同Ｓ５）。次にヒット率を線形補
完する（図８のＳ６）。次に過去数時間の間隔で，補完
されたヒット率を積分した値を重要度Ｗｉとし，時系列
データを変換し（図８のＳ７），これを繰り返す（同Ｓ
８）。上記Ｓ７で得た重要度Ｗｉ(t) について補完を行
って重要度履歴の格納部１３ａに格納される。一方，類
似事例の検索を開始すると，まず要求入力ｑを受けると
（図８のＳ９），類似事例を溜める集合を表すＳをはじ
めに空集合として初期化して，カウント値を表すｉを初
期化（＝０）にする（同Ｓ１０）。次に事例ベース８１
の全ての事例について繰り返し（図８のＳ１１），事例
ｃi の入力部とｑ（要求入力）の類似度を上記式(3) に
よって求める（同Ｓ１２）。この時，重要度履歴の格納
部１３ａの内容が参照される。こうして求められた類似
度が予め設定されたεより大きいか判別し（図８のＳ１
２），大きい場合は集合Ｓに当該事例ｃi を追加する
（同Ｓ１３）。類似度がεより大きくない場合及びＳ１
３の処理が終了した場合，カウント値ｉを＋１し，次の
事例について上記の処理を繰り返し（図８のＳ１４），
終了すると事例登録イベントを発行し（同Ｓ１５），イ
ベント登録処理を起動して，類似事例検索を終了する。

【００４９】（付記１）対象となる問題領域に発生す
るイベント入力を蓄積するイベント蓄積部と，蓄積され
たイベントから時系列データおよびシーケンスを抽出す
る時系列データ抽出装置と，前記時系列データから問題
領域に含まれる対象となる事例の重要度と事例の特徴量
である属性および属性値の重要度を決定する時系列デー
タ変換装置と，前記重要度を所定時間間隔で補完すると
共に重要度の履歴を記録する重要度補完装置とを備えた
重要度決定装置を設け，前記重要度補完装置から対象と
なる事項の重要度の変化を問題領域の時間に依存する特
徴量として提示することを特徴とするイベントデータに
関する情報管理装置。

【００５０】（付記２）付記１において，前記時系列
データ抽出装置は，前記イベント蓄積部で蓄積されたイ
ベントを元にして，時間について連続または任意時間間
隔で離散的な時系列データおよびシーケンスを発生させ
ることを特徴とするイベントデータに関する情報管理装
置。

【００５１】（付記３）付記２において，前記時系列
データ変換装置は，前記時系列データ抽出装置の出力で
ある時系列データおよびシーケンスを入力とし，入力さ
れた時系列データおよびシーケンスに対応して，対象と
なる問題領域に含まれ事項の重要度を数値で出力するこ
とを特徴とするイベントデータに関する情報管理装置。

【００５２】（付記４）付記１に記載の重要度決定装
置に対して，ユーザからの要求入力に対応した入力を発
生する入力部と，前記入力部からの入力を受け取って事
例ベース推論による結果を解として出力する問題解決部
と，前記の解をユーザに提示するための出力部とを設
け，前記問題解決部は前記重要度決定装置から出力され
る重要度を入力とし，前記重要度決定装置は前記問題解
決部から発生するイベントの内の任意のものを入力とし
て与えられることにより，問題解決部は問題解決に関す
る時間的変化に依存した解を与えることを特徴とするイ
ベントデータに関する情報管理装置。

【００５３】（付記５）付記４において，前記問題解
決部からの解と前記重要度決定装置から出力される重要
度とを入力として，前記の各解について前記の重要度決
定装置からの重要度の出力を基準として解のランキング
付けを行って，時間的変化に依存した解のランキングを
出力するランキング部を設けたことを特徴とするイベン
トデータに関する情報管理装置。

【００５４】（付記６）付記４において，検索対象デ
ータを蓄積するコンテンツデータベースと，重要度決定
装置からの出力である重要度を用いたコンテンツデータ
ベースに含まれたデータを検索する検索装置とを設け，
検索装置に対する入力，出力及び検索装置内部で発生す
るイベントのうち，任意のイベントを重要度決定装置の
入力として与え，時間的変化の影響に依存した検索結果
を提示することを特徴とするイベントデータに関する情
報管理装置。

【００５５】（付記７）付記１に記載の重要度決定装
置に対して，分析処理の指示を受け取る分析指示入力部
と，前記イベント蓄積部内のイベントデータベース及び
前記重要度補完装置の重要度履歴を用いて，イベントの
分析を行う分析部と，前記分析部からの分析結果を出力
する分析結果出力部とを設け，時間的変化による問題領
域の事例の重要度と発生したイベントの関連等の観点か
ら分析を行うことを特徴とするイベントデータに関する
情報管理装置。

【００５６】（付記８）付記１に記載の重要度決定装
置に対して，ユーザからの要求入力に対応した入力を発
生する入力部と，過去の事例を保持し，これを用いた推
論を行う事例ベース推論装置と，前記事例ベース推論装
置の出力を適切な形式で出力する出力部とを備え，前記
事例ベース推論装置の入力，出力及び事例ベース推論装
置内部で発生するイベントのうち任意のイベントを，前
記重要度決定装置から出力される重要度を用いて，事例
ベース推論のパラメータを決定することにより，時間的
変化の影響に依存した推論結果を提示することを特徴と
するイベントデータに関する情報管理装置。

【００５７】

【発明の効果】本発明によれば，問題領域の時間的変化
特性を事例の重要度として抽出して表現することによ
り，問題領域の時間に依存する性質を勘案した問題解決
の枠組みを提供することができる。また，この問題解決
の結果を，同様に時間特性を考慮した上で重要度によっ
て順位付けることにより更にユーザに有益な情報に加工
して提示することでユーザ支援が可能となる。

【００５８】また，事例の重要度を抽出した上で重要度
を補完した上で，一旦重要度を扱う空間に写像する重要
度変換を行う。これを可視化したり，一般的にデータ分
析手法として用いられるデータマイニング等によって新
たな知識を獲得したり，システムに還元することで，事
例ベースのメンテナンスが可能となる。

【図面の簡単な説明】

【図１】本発明の原理構成を示す図である。

【図２】本発明の重要度決定装置の処理フローを示す図
である。

【図３】本発明の重要度決定装置を用いた実施例１の構
成を示す図である。

【図４】実施例１の構成の処理フローを示す図である。

【図５】重要度決定の説明図である。

【図６】本発明の重要度決定装置を用いた実施例２の構
成を示す図である。

【図７】分析部の処理フローを示す図である。

【図８】本発明の重要度決定装置を用いた実施例３の構
成を示す図である。

【図９】実施例３の構成の処理フローを示す図である。

【図１０】従来の事例ベース推論による問題解決装置の
例を示す図である。

【符号の説明】

１重要度決定装置１０イベント蓄積部１０ａイベントデータベース（ＤＢ）１１時系列データ抽出装置１２時系列データ変換装置１３重要度補完装置１３ａ重要度履歴の格納部２各種システムの系３入力部４出力部５ユーザ

───────────────────────────────────────────────────── フロントページの続き (72)発明者湯上伸弘神奈川県川崎市中原区上小田中４丁目１番１号富士通株式会社内 (72)発明者太田唯子神奈川県川崎市中原区上小田中４丁目１番１号富士通株式会社内Ｆターム(参考） 5B075 ND03 ND20 ND23 ND34 NK46 NR02 NR12 NS10 PQ02 PQ75 PR06 PR08 QM08 UU40

Claims

【特許請求の範囲】

【請求項１】対象となる問題領域に発生するイベント
入力を蓄積するイベント蓄積部と，蓄積されたイベント
から時系列データおよびシーケンスを抽出する時系列デ
ータ抽出装置と，前記時系列データから問題領域に含ま
れる対象となる事例の重要度と事例の特徴量である属性
および属性値の重要度を決定する時系列データ変換装置
と，前記重要度を所定時間間隔で補完すると共に重要度
の履歴を記録する重要度補完装置とを備えた重要度決定
装置を設け，前記重要度補完装置から対象となる事項の
重要度の変化を問題領域の時間に依存する特徴量として
提示することを特徴とするイベントデータに関する情報
管理装置。
【請求項２】請求項１に記載の重要度決定装置に対し
て，ユーザからの要求入力に対応した入力を発生する入
力部と，前記入力部からの入力を受け取って事例ベース
推論による結果を解として出力する問題解決部と，前記
の解をユーザに提示するための出力部とを設け，前記問
題解決部は前記重要度決定装置から出力される重要度を
入力とし，前記重要度決定装置は前記問題解決部から発
生するイベントの内の任意のものを入力として与えられ
ることにより，問題解決部は問題解決に関する時間的変
化に依存した解を与えることを特徴とするイベントデー
タに関する情報管理装置。
【請求項３】請求項１に記載の重要度決定装置に対し
て，分析処理の指示を受け取る分析指示入力部と，前記
イベント蓄積部内のイベントデータベース及び前記重要
度補完装置の重要度履歴を用いて，イベントの分析を行
う分析部と，前記分析部からの分析結果を出力する分析
結果出力部とを設け，時間的変化による問題領域の事例
の重要度と発生したイベントの関連等の観点から分析を
行うことを特徴とするイベントデータに関する情報管理
装置。
【請求項４】請求項１に記載の重要度決定装置に対し
て，ユーザからの要求入力に対応した入力を発生する入
力部と，過去の事例を保持し，これを用いた推論を行う
事例ベース推論装置と，前記事例ベース推論装置の出力
を適切な形式で出力する出力部とを備え，前記事例ベー
ス推論装置の入力，出力及び事例ベース推論装置内部で
発生するイベントのうち任意のイベントを，前記重要度
決定装置から出力される重要度を用いて，事例ベース推
論のパラメータを決定することにより，時間的変化の影
響に依存した推論結果を提示することを特徴とするイベ
ントデータに関する情報管理装置。