JP2003050988A - サブモデル選択方法及びサブモデル選択システム - Google Patents

Abstract

(57)【要約】 【課題】ユーザが課題を処理又はユーザが決定に到達す
るための正しいモデルの決定を、ユーザが診断システム
でできるシステムを提供すること。 【解決手段】モデル選択が実行される。ユーザからの出
現問題についての第１情報を取得される。スーパーモデ
ル内で第１情報が用いられ、根底課題及び関連サブモデ
ルを識別し、根底課題への解決策を提供する。ベイジア
ンネットワーク構造が用いられ、根底課題及び関連する
サブモデルを識別する。該サブモデルは、ユーザからの
根底課題についての追加診断情報を取得する。サブモデ
ルは、診断情報を用いて根底課題への解決策を識別す
る。

Description

【発明の詳細な説明】 【０００１】 【発明の属する技術分野】本発明は確率的なトラブルシ
ュータ及び診断システムに関し、特に決定サポートシス
テムのためのモデル選択に関する。 【０００２】決定サポートシステムは、診断、トラブル
シューティング、選択、分類、予測及び一般的な決定サ
ポートに関する。 【０００３】 【従来の技術】現在、製造業者がその顧客のシステムを
診断しようとすると大変コストがかかる。確率的トラブ
ルシュート及びその他の診断システムを用いて処理のオ
ートメーション化が試みられてきた。これらのうちの一
部はベイジアン（Bayesian）ネットワークに基づいてい
る。ベイジアンネットワークに基づくあるトラブルシュ
ータは、ヘックマンD.、ブリーズJ.、ロメルスK.（199
5）、による決定論的トラブルシューティング、ACMの通
信、38:49-57、に記述されている（ここではヘックマン
他1995年とする）。 【０００４】科学の文献によれば、ベイジアンネットワ
ークは様々な名前で呼ばれている。ベイズネット、不定
期確率ネットワーク、ベイジアンビリーフ（確信度）ネ
ットワーク、又は単にビリーフ（確信度）ネットワーク
である。大雑把に定義すると、ベイジアンネットワーク
は、離散したランダムな変数間の確率的な関係をモデル
化するための簡潔な（非周期の）グラフ構造である。ベ
イジアンネットワークは、ある意味不確実性を含み、課
題を持つドメインを効率的にモデル化するのに用いら
れ、その中で有用となっている。それらはコンピュータ
上で容易にモデル化できるので、自動決定サポートシス
テムにおいて関心及び利用が増大している。その目的
は、医療診断、自動の自動車のトラブルシューティン
グ、経済又は株式市場の予測、又はコンピュータユーザ
が必要としがちなものを予測するのと同様にありきたり
なその他の領域であるかに関わらない。 【０００５】一般的に、ベイジアンネットワークを構成
するものは、離散値の変数を表すノードの組であり、そ
の離散値の変数はノード間での不規則な従属性を表すア
ーク（arc）により接続されている。条件つき確率テー
ブルは、各ノードに対して１つが用意されており、ノー
ドと親との間の従属性を定義している。そして、親を持
たないノードは時々ソースノードと呼ばれるが、マージ
ナルな事前確率テーブルと関連している。特定用途向け
では、他のすべてのノードについての確率テーブルのデ
ータは、モデル化が行われる分野が何であってもドメイ
ンエキスパートと呼ばれるものによって提供される。こ
のことは、親を持たないすべてのノードに対する事前確
率、及び親を伴ったノードに対する条件確率の割当てを
含む。 【０００６】診断ベイジアンネットワークにおいてノー
ドは、動作及び質問について原因又は結果を示すことが
できる。かなり大きい診断ベイジアンネットワークで
は、ほとんどのイベントはめったに起こらず、確率は0.
001から0.000001の範囲内となる。しかし、コンピュー
タ決定システムの本来の目的は可能な限り正確な決定を
得ることであるので、ドメインエキスパートが大いに信
頼できる確率情報と、その状況における最大限の評価を
備えなければならない。 【０００７】ベイジアンネットワークは、確率理論を用
いて課題領域をモデル化する方法を備える。ベイジアン
ネットワークの課題表現は、他のサブセットについての
情報がある場合に、変数サブセットについての情報を得
るのに用いることができる。ベイジアンネットワークを
構成するものは、変数（ノード）の組、及び有向のエッ
ジ（変数間の接続）の組である。各変数は相互に排他的
な状態の組を持っている。変数は、有向のエッジと共に
有向非巡回グラフ（DAG：Directed Acyclic Graph）を
形成する。親w１を備えた各変数ｖについて、条件確率
テーブルP（v｜w _１,…,w_ｎ）が定義される。明らかに、
vが親を持たない場合、このテーブルはマージナルな確
率P（v）となる。 【０００８】ベイジアンネットワークは、不確定性をも
つ多くの適用分野で使用されてきた。例えば医療診断、
系統分析、計画、負債の発見、ボトルネック検出といっ
たものである。しかしながら、主要な適用領域は診断で
ある。診断（すなわち病気や不調を引き起こす根底原因
であり、この病気や不調は再度の症状の原因となる）に
は、ベイジアンネットワークのモデリング技術が申し分
なく向いている。 【０００９】モデル選択は、ユーザが課題を処理又はユ
ーザが決定に到達するための正しいモデルの決定を、ユ
ーザが診断システムでできるようにする機能である。 【００１０】 【発明が解決しようとする課題】メニューベースのモデ
ル選択により、モデルのツリーをメニュー及びサブメニ
ューに結合させることができる。このことでユーザは利
用可能なモデルをおおまかに見ることができるが、大き
なモデルのツリー中で正しいモデルを見つけることは困
難なことがある。また、経験の浅いユーザが正しいモデ
ルを識別することは不可能であろう。例えば「バブルプ
リント」は、明瞭に定義されたプリンタ上の印刷品質課
題である。しかしながら、経験を積んだユーザだけが、
「バブルプリント」のような不明瞭な印刷課題を分類す
ることができる。 【００１１】モデルのテキスト検索選択の動作は、サブ
モデル内のテキスト検索を使用することによりどのサブ
モデルを用いるか決定すべく行われる。テキスト検索に
より所望のモデルへのショートカットが可能となるが、
課題についての記述がユーザ（例えばバブルプリント）
に知られていない場合、ユーザは適切なテキストを供給
して最良のモデルを発見することができない。 【００１２】ケースベースのシステムをモデル選択に用
いることができる。かかるケースベースのシステムは、
一連の質問をすることによりユーザが課題を識別するの
を助けることを意図している。しかしながら、モデル選
択のためのケースベースのシステムは、他のすべてのケ
ースベースのシステムと同じ問題に悩まされている。ケ
ースベースシステムを構築するには、ケースベースシス
テムの詳細な技術的知識を必要とするが、それはシステ
ムのパフォーマンスが推測に用いられるケースの質に大
変依存するからである。 【００１３】 【課題を解決するための手段】本発明の望ましい実施形
態によって、モデル選択が実行される。ユーザからの出
現問題についての第１情報が取得される。スーパーモデ
ル内で第１情報が用いられ、根底課題及び関連サブモデ
ルを識別し、根底課題への解決策を提供する。ベイジア
ンネットワーク構造が用いられ、根底課題及び関連する
サブモデルを識別する。該サブモデルは、ユーザからの
根底課題についての追加診断情報を取得する。サブモデ
ルは、診断情報を用いて根底課題への解決策を識別す
る。 【００１４】 【発明の実施の形態】本発明はモデル選択に対して有用
である。例えば、本発明の望ましい実施形態は、以下の
ことを可能とする、いかなるモデル又はシステムの選択
に対しても有用である：（１）１つ又は複数の課題（ま
た診断又は原因として知られる）についての確率の作
成、（２）次の質問又はテストの作成、（３）情報がシ
ステムに知られた場合の、次の質問又はテストの、各可
能な回答に対する確率の作成。 【００１５】本発明の望ましい実施形態は、上述のリス
トにあげられた機能を実行できるあらゆるモデル又はシ
ステムに適用されるが、ベイジアンネットワークの診断
システムは、発明の所定の実施形態の記述において用い
られている。選ばれたモデルはベイジアンネットワーク
である必要はなく、例えばケースベースのシステム、フ
ァジーシステム、ルールベースのシステムなど他のタイ
プのシステムとすることができる。 【００１６】以下、診断環境におけるサブモデル間の選
択についての望ましい実施形態を示す。しかしながら、
当業者によって理解されるように、本発明の説明すると
ころによれば、様々な適用分野において本発明を充分に
用いることができる。例えば、決定サポート、選択、分
類、予測、仲介といったものである。仲介の一例には、
企業の株の仲介がある。 【００１７】図１は診断環境の概要である。図１が示す
ものは、ウェブサーバ２００、顧客パーソナルコンピュ
ータ（PC）２０５、プリンタサーバ２０９、及びプリン
タ２１０である。プリンタシステム診断システム２０１
はウェブサーバ２００上で動作する。 【００１８】診断システムは例えば、決定サポート、選
択、分類、予測、仲介といったものに用いられる。決定
サポートにおいて、ユーザは一連の質問を通して課題に
対する最善の解決へと導かれていく。例えば、決定サポ
ートはユーザがある問題に関して正しい解決を下すのを
手伝う。例えば、自動顧客サポートオペレーション（SA
CSO：a System for Automated Customer Support Opera
tion）の決定サポートエンジンは、一連の質問で真の根
底問題を判定し、その課題に対する解決策を提案するこ
とができる。 【００１９】決定サポートを得るのに用いられる知識の
取得を実行するために、決定サポートの実行を行う分野
が識別される。また識別されるものはその分野において
起こりうる状況、可能な選択に対して起こりうる副次的
な状況、及び情報ステップである。情報ステップは、起
こりうる状況及び起こりうる副次的状況に対応してい
る。起こりうる状況及び起こりうる副次的状況に対し、
確率が算出される。また算出されるものは情報ステップ
においてなされる動作及び質問についての、確率及びコ
ストである。 【００２０】選択において、診断システムは一連の質問
を通して動作するが、その質問はユーザに多くの確率間
での選択ができるようにするものである。様々な観点か
らの選択が可能である。例えば、学生は診断システムを
用いて授業の最善のカリキュラムを組み立てる。彼に質
問をすることにより、診断システムはその学生がトレー
ニング（スキルギャップ分析）を必要とする分野を決定
し、診断システムはこれらの専門分野をターゲットとす
る授業を提案することができる。これは完全には一般的
な決定サポートシステムという訳ではない。ある意味診
断システムが、その利用において考慮に入っている状況
をユーザが識別するのを手伝い、そして解決策を提案す
る決定サポートである。原因と状況は対応している。情
報ステップは診断ステップに対応する。この場合、動作
は解決を備え、質問は診断システムにおいてと同様、情
報を集める。 【００２１】選択を行うのに用いられる知識の取得を実
行すべく、選択が実行される分野が識別される。また識
別されるものは、その分野において起こりうる状況、可
能な選択に対して起こりうる副次的状況、及び情報ステ
ップである。情報ステップは起こりうる状況及び起こり
うる副次的状況に対応する。起こりうる状況及び起こり
うる副次的状況に対して確率が求められる。また求めら
れるものは、情報ステップにおいてなされる動作及び質
問についての、確率及びコストである。原因と状況は対
応している。情報ステップは診断ステップに対応し、選
択を狭めるのに有用な情報を集めるのに用いられる。 【００２２】分類では、診断システムは多くのカテゴリ
ーに対応したものを分類するのに用いることができる。
例えば、進路分析に用いることができるが、例えば正し
い人へのEメールの返信を指示する。顧客に正しい人へ
のEメールの返信を指示することで、例えばEメールを、
Eメールから抽出したタグ又はキーワードに基づいて多
くのカテゴリーの１つに分類することが必要となる。予
測においては、診断システムは予測システムを作成する
のに用いることができる。基本的に、潜在的な将来原因
は現在の原因に代わりモデル化され、将来の課題の症状
を予想する質問がモデル化される。 【００２３】仲介は別の選択であるが、ここで診断シス
テムは可能な解決リストの中での仲介に用いられる。例
えば、Eスピークブローカは、競合Eサービス間でのより
高度な仲介を行うことが求められているが、より高度な
Eサービスパラメータの比較を実行することで、診断シ
ステムを用いてこれを実行することができる。 【００２４】プリンタ診断システム２０１は、ここで診
断システムの例として用いられる。プリンタ診断システ
ム２０１は、印刷システムの動作を診断するために用い
られる。PC２０５の顧客ユーザは、インターネット２０
２上の診断システム２０１にアクセスすることができ
る。顧客PC２０５内のウェブブラウザ２０６は、ウェブ
サーバ２００にアクセスするのに用いられる。 【００２５】顧客の診断システム２０１との相互作用に
応答して、顧客が実行可能な診断ステップのため、診断
システム２０１は提案２０３に応答する。診断システム
２０１は、本質的に人工知能を利用したエキスパートシ
ステムとして機能する。顧客は情報２０４を診断システ
ム２０１に戻すが、情報２０４は、診断システム２０１
に対し、提案２０３に基づく実行結果について通知す
る。情報２０４は、顧客がプリンタサーバ２０９から得
た情報２０７や、顧客がプリンタ２１０から得た情報２
０８を含んでもよい。 【００２６】図２はウェブサーバ２００を簡略化したブ
ロック図である。診断システム２０１は、ウェブサーバ
２００のメモリ３０１内において動作する。診断システ
ム２０１は第２ストレージデバイス３０３を利用して診
断モデルを格納する。ビデオディスプレイ３０４は、技
術者により診断プロセスをモニタし、診断モデルを維持
するのに用いることができる。ウェブサーバ２００はま
た、例えばキーボードなど入力デバイス３０５、CPU３
０６、及び顧客PC２０５におけるウェブブラウザ２０６
との通信に用いるネットワークカード３０７を含む。 【００２７】図３は診断プロセスの構成要素を示した概
略図である。ウェブサーバ２００が示されているが、顧
客は、ウェブサーバ２００内の診断システム２０１（図
１に示す）と、顧客PC４０１上で走るウェブブラウザ２
０６を通して通信を行う。顧客は診断システム２０１か
ら提案２０３を受信し、回答２０４を返答として出力す
る。顧客は、プリンタサーバ２０９及びプリンタ２１０
により構成されるプリンタシステムにおいて不調となっ
たとき、診断システム２０１を用いる。 【００２８】一般的に、顧客がアプリケーション４０６
から印刷を試みる場合、印刷ジョブはプリンタドライバ
４０７へ進み、それからローカルスプーラ４０８を経
て、もし利用しているならオペレーティングシステム
（O/S）転送部４０９へ進む。 【００２９】O/S転送部４０９は、オペレーティングシ
ステムの一部であり、印刷ジョブが進む方向を決定す
る。その方向はすなわち、ネットワークドライバ４１０
及びネットワークカード４１１を介したネットワーク接
続、又はローカルパラレル接続プリンタにおけるローカ
ルポート４１２である。印刷ジョブがローカルパラレル
プリンタに進む場合、印刷ジョブはプリンタ２１０に到
達する前にパラレルケーブル４１５を経由する。印刷ジ
ョブがネットワークプリンタに進む場合、ネットワーク
接続４１３を経てプリンタサーバ２０９へ進むか、又は
直接ネットワーク接続４１４を経てプリンタ２１０に進
む。直接ネットワーク接続４１４は所定のプリンタに対
して利用することができる。そのプリンタは例えば、ヒ
ューレットパッカード社から提供されるHPレーザジェッ
ト５Siなどである。 【００３０】プリンタ２１０がプリンタサーバ２０９に
より制御される場合、印刷ジョブはプリンタサーバ２０
９におけるプリンタキュー４２０を経由する。そして印
刷ジョブは、プリンタ２１０へのネットワーク接続４１
７、又はパラレルケーブル４１８を通って送信される
が、プリンタ２１０がプリンタ２０９にどのように接続
されているかに依存している。 【００３１】アプリケーション４０６、プリンタドライ
バ４０７、スプーラ４０８、及びO/S転送部４０９は、
すべて顧客PC２０５のオペレーティングシステム４０５
上で動作する。アプリケーション４０６からの印刷ジョ
ブを印刷するとき、印刷ジョブは、システムセットアッ
プに依存して、プリンタ２１０への上述の通り道の１つ
を通る。もしそこで不都合が生じた場合、出力がないか
又は予測されない出力という結果となることがある。診
断システム２０１は、システム中の構成要素上のテスト
を通してどの要素が問題を起こすのかの判定を試みてい
る。 【００３２】ベイジアンネットワークに基づく診断シス
テムを構築するために必要な情報を集める処理、ベイジ
アンネットワークにおけるこの情報の表現方法、及び診
断システムにおける診断ステップの最適化処理は、次の
文献で説明されている。その文献は、クラウススカーニ
ング、フィン.V.ジェンセン、ユッフェクジャラルフ、
ポール.A.ペレティア、ラッセロストアップジェンセ
ン、マリリン.A.パーカー、及びジャニス.L.ボゴラドに
より1999年7月14日になされた、継続中の特許出願番号0
9/353727の、「ベイジアンネットワークを用いた印刷シ
ステムの自動診断（自動診断特許出願とする）」であ
る。 【００３３】ベイジアンネットワークに基づく診断シス
テムの知識取得処理を効率的にサポートする制作支援ツ
ールは、次の文献で説明されている。その文献は、クラ
ウススカーニングにより1999年9月2日になされた、継続
中の特許出願番号09/388891の、「ベイジアンネットワ
ークのトラブルシュータ用制作支援ツール（制作支援ツ
ール特許出願とする）」である。 【００３４】ベイジアンネットワークはかなり簡単な構
造とすることができる。例えば、原因を表現する単一親
ノードは動作及び質問を表現する子ノードを有する。ア
ークは親ノードから子ノードへ向かって示されるが、構
造が単純であるためナイーブベイズネットワークとも呼
ばれる。親ノードは、原因についての事前確率分布を含
んでいる。原因間は、このノードの状態を表現するの
で、相互に相容れない。動作及び質問については、原因
を条件とする回答についての条件確率分布がある。 【００３５】自動診断特許出願及び制作支援ツール特許
出願では、ドメインエキスパートからこれらの確率を得
る方法、及びこの表現に基づく一連のステップの望まし
い計算方法を説明している。 【００３６】本発明の好ましい実施形態によれば、モデ
ル選択はベイジアンネットワークによって実行される。
このことでドメインエキスパートがモデル選択について
の「スーパーモデル」を構築できるようになるが、ここ
では診断システムに配置され診断システムとして用いる
ことが可能な知識取得ツールを用いる。 【００３７】配置されたとき、スーパーモデルはユーザ
に連続で質問を行い、回答に基づいてユーザの課題処理
のための最適モデルを選択する。望ましい実施形態で
は、スーパーモデルは、可能な限り素早い課題の識別を
行うのに最適な順序で質問を行う。一度課題が識別され
たら、課題決定を補助すべくサブモデルを配置できる。
サブモデルは従属するスーパーモデル内のモデルであ
る。ユーザがスーパーモデルによりなされた質問に対し
て回答を供給した場合、スーパーモデルはこの回答を用
いて一連の質問をさらに最適化する。 【００３８】サブモデルは多重のレベルとすることがで
き、その結果サブモデルの階層が形成される。この方法
において、本発明は実行すべきサブモデルの階層を組織
化するのに用いることができる。サブモデルの階層は、
例えばモデルの集合又はモデル間の競合である。サブモ
デルはベイジアンネットワークである必要はない。望ま
しい実施形態においては、サブモデルは次の情報を備え
ている。 【００３９】１）P(M=y｜e)…現在のエビデンス（確定
値：evidence）が与えられた場合のモデルが課題を解決
できる確率 ２）C(e)…現在のエビデンスが与えられた場合のモデル
が課題を解決するにあたってのコスト ３）現在のエビデンスが与えられた場合に正確なモデル
となる、モデルMの確信度（belief） 好ましい実施形態においては、スーパーモデルからサブ
モデルへの制御の伝達は透過性なので、ユーザは、モデ
ルの選択段階がありそして問題解決のための後続段階が
あることが分からない。代わりに、ユーザは質問／回答
順序全体を同質の処理として見る。 【００４０】本発明の好ましい実施形態においては、サ
ブモデルが問題解決不能であると知った場合、サブモデ
ルは、スーパーモデルへ制御を戻す。スーパーモデル
は、ユーザに追加の質問をして課題処理に当たってより
適当なサブモデルを識別させることができる。 【００４１】従って、本発明の望ましい実施形態によれ
ば、モデル選択及び課題解決段階が同質の処理に統合さ
れるようにしている。 【００４２】さらに、本発明の望ましい実施形態によれ
ば、「バブルプリント」のようなあいまいな課題の識別
処理を行う、モデル選択のためのベイジアンネットワー
ク構築が、ドメインエキスパートによりできるようにな
る。スーパーモデルは、ユーザーに、これらの課題識別
における固有の不確実性をとらえるよう質問することが
できる。そして、ユーザへの十分な説明及び視覚的手段
を与え、質問への正確な回答を促すことができる。 【００４３】さらに、本発明の望ましい実施形態による
と、たとえこのモデルの正確さについて不確実性が残る
場合でも、サブモデルを選択することができる。ユーザ
が正しいモデルの選択ができないという状況が現実世界
にはたくさんある。これらの状況は先の方法でなされた
ようなほとんどランダムなサブモデルを選択することに
よって処理すべきではない。本発明の望ましい実施形態
によれば、これらの状況はサブモデルを選択することで
処理されるが、このサブモデル選択では、ユーザの先の
質問に対する回答に関連したステップを備えることが多
い。 【００４４】図４は、ボックス５９にて境界を定めたス
ーパーモデルを示している。スーパーモデルは、課題
（すなわち問題）の識別を補助し、そして所定の課題を
解決することができるサブモデル（子モデルとも呼ばれ
る）を選択するモデルである。この概念は２段階以上の
モデルを持つツリーのモデルへと一般化することができ
る。さらにこの概念は、一般化することでスーパーモデ
ルからサブモデルへ、そしてまた戻って他のサブモデル
へと切り替える制御が可能となる。 【００４５】図４は、全体課題変数P（すなわち出現課
題又は出現問題）についての状況を例として示したもの
である。課題P₁,課題P₂,課題P₃は、全体課題変数Pの中
にある。課題P₁,課題P₂,課題P₃は、出現課題Pの根底課
題（又は根底問題）である。サブモデルM_１は課題P_１を
解決する。サブモデルM_２は課題P_２を解決する。サブモ
デルM_３は課題P_３を解決する。 【００４６】図４において、出現課題Pは６２でラベル
されている。根底課題P_１は６３でラベルされている。
根底課題P_２は６４でラベルされている。根底課題P_３は
６５でラベルされている。 【００４７】ボックス６０内において、サブモデルM1
は、原因C1、原因C2、原因C3、ステップS1、及びステッ
プS2とともに示されている。ボックス６１内において、
サブモデルM2は、原因C4、原因C5、原因C6、ステップS
3、及びステップS4とともに示されている。 【００４８】図４に示されるように、サブモデルM1、M
2、M3が接続されるのは、大きなベイジアンモデルにお
いてではなく、確信度がサブモデル間で波及する階層に
おいてである。 【００４９】図４に示されるスーパーモデルでは、各サ
ブモデルに対してノードがある。ノードはサブモデルが
課題を解決するイベントを表す。情報の伝達は、サブモ
デルからスーパーモデル中でソフトエビデンス（soft e
vidence）とされる対応ノードへと行われる。例えば、
サブモデルはユーザに質問を行い、ユーザから与えられ
た回答を記録することにより情報を得る。 【００５０】スーパーモデルは、動作がサブモデルを表
すと同じ働きをできるよう拡張した、通常の診断モデル
に似ている。通常のステップ選択アルゴリズムは、モデ
ルが動作として扱われる状態で用いることができる。動
作に関し、我々は２つの情報をその効率性を算出すべく
必要とする。その２つは、 （i）P（A｜C）：与えられた原因に対する課題解決動作
の確率 （ii）C_A：動作実行のコスト 所定課題P（所定課題Pは、例えば図１に示したP_１と同
等である）が与えられた場合のサブモデルM(サブモデル
Mは、例えば図１に示したM_１と同等である）が課題全体
を解決する確率を算出するために、後述の４つの情報が
組み合わせられる。 【００５１】・P_M（M=y）：サブモデル内で算出される
課題を解決する確率 ・P_M（M=y｜e_M）：サブモデル内のエビデンスe_Mが与え
られ、サブモデル内で計算されたときの、Mが課題を解
決する確率 ・P_S（M=y｜P）：Pが課題であり、スーパーモデル内で
特定された場合の、Mが課題を解決する確率 ・e_s：スーパーモデル内のエビデンスであり、例えばス
ーパーモデル内の質問に対する回答 P_S（M=y｜P）は、スーパーモデル構築の時にドメインエ
キスパートにより引き出される。P_M（M=y）及びP_M（M=y
｜e_M）は、サブモデル内の少なくとも１つの動作がうま
く課題を解決する確率を計算することにより見つけられ
る。例えば、P_M（M=y）は次の式（１）を用いて計算さ
れる： 【数１】 …式（１） 【００５２】P_M（M=y）は、診断セッション開始前に見
つけられ、各後続ステップで再度利用することができ
る。 【００５３】式（１）が用いられることで、サブモデル
中の少なくとも１つの動作が課題を解決する確率を、１
からモデル中のすべての動作が失敗する確率を引いたも
のとして算出する。動作失敗の事象が原因に対し独立的
に条件づけられると仮定すると、計算式はさらに因数分
解され、特定の原因を条件に失敗する動作の確率は、失
敗する動作の確率の積として算出することができる。 【００５４】式（１）は、失敗が１つという仮定及び、
診断システムがナイーブベイズネットにおいて表現され
ていることに基づいて原因が与えられた場合、動作の確
率がすべてのエビデンスに対して独立であることを利用
するよう、さらに展開して簡略化できる。具体的な原因
が与えられたときの動作確率を予め集めておくことは可
能であるので、このことは一度新たなエビデンスが得ら
れたときにとても効率的な計算を可能にする。失敗が１
つと仮定するには、不調となる要素が１つだけであり、
この要素が課題の原因であることを必要とする。 【００５５】式（１）は、考慮に入れられている原因を
識別する質問の確率を含まない。その理由は、原因がす
でに識別されているのに、原因に条件付けられた確率を
計算しても意味がないからである。式（１）は課題が解
決される全体確率を与える。 【００５６】式（２）は、識別されているが、必ずしも
Nの質問及びkの動作を持つモデルで解決された訳ではな
い原因の確率を結合する。 【００５７】 【数２】 …式（２） 【００５８】P_M（M=y｜e_M）及びP_M（M=y）が知られると
き、「ソフトエビデンス」又は尤度（likelihood）確定
値は、サブモデルに対し、スーパーモデルにおいてサブ
モデルと同じ働きをするノードへと挿入される。ソフト
エビデンスは、サブモデルが課題を解決できるようにな
る尤度を更新するのに用いられる。典型的にはサブモデ
ル内の多重ステップが試されてうまくいかなかったと
き、サブモデルが課題を解決できる全体確率は落ちる。
この新たな情報は、スーパーモデル内で結合される必要
がある。これを行うため、ソフトエビデンスはスーパー
モデル内のサブモデルを表すノードに挿入される。ソフ
トエビデンスは以下の式（３）で説明される比率を用い
て記憶される。 【００５９】 【数３】 …式（３） 【００６０】ソフトエビデンスがすべてのサブモデルに
ついて算出されスーパーモデル内に挿入されるとき、ビ
リーフプロパゲーション（belief propagation：確信度
伝播）がスーパーモデル内で実行される。このことで、
スーパーモデル（e_S）内のエビデンス及びサブモデル
（e_M）内のエビデンスの両方を考慮に入れた、原因と動
作の両方についての確率が更新される結果となる。スー
パーモデル及びサブモデル内においてエビデンスが得ら
れるが、それは例えば、ユーザによりなされた質問への
回答を記録することによるものである。 【００６１】現在のエビデンスが与えられた場合、モデ
ルの動作と考えられたときのコストは、修復の期待コス
トECR_M(e)に等しく、モデルについて（e={e_S,e_M}）が成
り立つ。P_S（M=y｜e）及びECR_M(e)は、新たなエビデン
スがモデル内に挿入されたときは毎回再計算されなけれ
ばならない。 【００６２】望ましい実施形態がより効率的となるの
は、サブモデル内の原因が、スーパーモデル内のモデル
により解決された問題に、どのように関連するかをドメ
インエキスパートが特定可能なときである。 【００６３】例えば図５では、図４に示されたスーパー
モデルが修正されてサブモデルM₁がスーパーモデル内の
課題P₁及びP₂を解決できるようになっている。また、ド
メインエキスパートはいかにサブモデルM_１の原因がP₁
及びP₂と関連しているかを特定している。特に、原因C₁
及びC₂はP₁と関連しており、原因C₃はP₂と関連してい
る。 【００６４】原因の関連が特定されたとき、P_M（M=y｜e
_M）の計算はより正確となるが、Pに関連した原因を解決
する動作の寄与のみが含まれるからである。 【００６５】サブモデル内の原因とスーパーモデル内の
課題間の関連についての、ドメインエキスパートの知識
を利用することで、スーパーモデル選択アルゴリズムは
より強力になるはずである。サブモデル内の各原因につ
いて、サブモデルがスーパーモデル内の様々な課題とい
かに関連しているか（例えば課題Pについて２０％）
を、ドメインエキスパートが特定できる場合、P_M（M=y
｜e_M,P）は、以下の式（４）にて説明されるように計算
される： 【数４】 …式（４） 【００６６】式（４）において、β（C,P）は、原因Cが
スーパーモデル内の課題Pと関連する割合であり、そし
てC〜P手段CはPと関連している。 【００６７】図６は簡略化したフローチャートであり、
スーパーモデルシステムが課題の解決を発見するのに用
いられる過程を示している。ステップ７１では、ユーザ
が診断を実行すべくスーパーモデルを用いるとき処理が
行われるが、例えば出現課題を解決するときである。ス
テップ７２で、スーパーモデルは、出現課題についての
根底課題を識別する情報を取得する。スーパーモデルは
異なる質問を行い、根底課題を識別できるようにする。
スーパーモデルが充分明らかになり課題を識別できた場
合、ステップ７３では、スーパーモデルは制御を対応サ
ブモデルにわたす。例えば、サブモデルが選択される前
の最小要件確率（明確度）がユーザにより特定される。 【００６８】サブモデルは制御ユニットを有するが、こ
こでサブモデルは課題を解決するか課題解決のための努
力の拒むかのどちらかである。ステップ７４において、
サブモデルは、例えばユーザに質問を投げかけることに
より課題についての情報を取得する。ステップ７５で、
サブモデルは情報が充分で、課題に対する解決策を識別
できる程度か否かを判定する。識別できると判定された
場合、ステップ７６は解決策をユーザと通信する。例え
ば、サブモデルがユーザに直接解決策を通信したり、ス
ーパーモデルを通ってユーザに解決策をわたすことによ
りこのことがなされる。ステップ７７では、診断が完了
する。 【００６９】ステップ７５において、情報が課題を解決
しないとサブモデルが判定した場合、ステップ７６にお
いて、サブモデルを却下するか否かについての決定を下
す。後述するとおり、具現化の形態に依存してサブモデ
ル又はスーパーモデルにより決定がなされる。もしサブ
モデルが却下されない場合、サブモデルはステップ７４
で追加情報を得る。 【００７０】ステップ７６においてサブモデルを却下す
るとの決定がなされた場合、ステップ７２においてスー
パーモデルは、処理継続用の他のサブモデルを識別すべ
く、課題識別のための追加情報を取得する。スーパーモ
デルは課題識別のための新たな質問を行い、そして最終
的に制御を他のサブモデルにわたす。 【００７１】サブモデルがいつ却下されるべきであり、
スーパーモデルに戻す制御をいつすべきかを決定するに
は、少なくとも２つの方法がある。第１の方法は、スー
パーモデル内のサブモデルの効率（P/C）を観測し、そ
の効率がもう最高値でなくなった場合にサブモデルを却
下することである。あまりに多すぎるモデル切り替えと
いう不合理な処理を避けるため、追加コストの配置をモ
デル切り替えにおいて可能とし、従って事実上、ステッ
プ選択アルゴリズムにおいて条件コストの使用を必要と
している。条件コストの議論については、デンマーク、
オールバーグ大学、コンピュータサイエンス学部の技術
レポートである、ラングセス.Hの、SACSOトラブルシュ
ータにおける条件コスト（2000）を参照されたい。 【００７２】いつサブモデルが却下されるべきであり、
スーパーモデルに戻す制御をいつすべきかを決定する第
２の方法は、制御中にサブモデル内部で衝突測定を行
い、衝突測定が所定のしきい値を超えたときにサブモデ
ルを却下することである。この方法により、サブモデル
がいつスーパーモデルに相談することなく却下するかを
独立して決定する。しかしながら、ある程度発達した技
術を用いても、サブモデルで処理することができる例外
的な場合と、サブモデルにより処理されることのできな
い場合とを、区別できる衝突測定を構築することはとて
も難しい。 【００７３】衝突測定の例については、F.V.ジェンセ
ン、B.チャンバーレイン、T.ノーダール、及びF.ジェン
センによる、データ衝突のヒューギンにおける分析、人
工知能の不確定性における、第６会議の処理、1990を参
照されたい。 【００７４】本発明の望ましい実施形態においては、ス
テップの同一性が維持されるので、エビデンスがあるス
テップに対して得られる場合に、他のモデルで本ステッ
プが行われる他のところに挿入される。このことが、大
いにダイナミックでインテリジェントなシステムを作成
する。また本発明の望ましい実施形態においては、モデ
ル間の原因においてオーバーラップが発生しないが、こ
れは不調が一度であるとの仮定に反するからである。 【００７５】本発明の望ましい実施形態においては、ユ
ーザはステップ選択アルゴリズム及びモデル選択におい
て高い程度の制御が与えられる。例えばユーザは、サブ
モデル選択前に、最小必要確率（不確定性）が与えられ
る。ユーザは、すべての質問がサブモデル選択前になさ
れる旨を特定する能力が与えられる。ユーザは、呼びだ
しサービスのコストを特定する能力が与えられる。 【００７６】ユーザは、サブモデル内外に対してダイナ
ミックにジャンプすることが許容されるか否かを特定す
る能力が与えられる。ユーザは、サブモデルが却下され
る前の、「他の課題」の最小限要求される確率を特定す
る能力が与えられる。ユーザは、モデル切り替えの追加
コストを特定する能力が与えられる、等々である。 【００７７】上述の説明のよる開示及び記述は、単に本
発明の典型的な方法及び実施形態に過ぎない。当業者に
理解されるように、本発明はその趣旨又は本質的な特徴
から逸脱しない範囲で他の形をとってもよい。したがっ
て本発明の開示は、説明を意図してなされたものであ
り、上述の特許請求の範囲で説明される本発明の範囲を
限定するものではない。この発明は例として、次の実施
形態を含む。 【００７８】（１）サブモデル（60,61）選択方法であ
って、該選択方法は、（a）ユーザからの出現問題（6
2）についての第１情報を取得するステップと、（b）ス
ーパーモデル（59）内で第１情報を用いて根底問題（6
3,64,65）及び関連サブモデル（60,61）を識別し、根底
問題（63,64,65）への解決策を提供するステップと、
（c）該サブモデル（60,61）を用いてユーザからの根底
問題（63,64,65）についての追加情報を取得するステッ
プと、（d）サブモデル（60,61）による追加情報を用い
て根底問題への解決策を識別するステップとを備え、該
ステップ（b）は、（b.1）ベイジアンネットワーク構造
を用いて根底問題（63,64,65）及び関連するサブモデル
（60,61）を識別するサブステップを含むサブモデル選
択方法。 【００７９】（２）ステップ（a）において、第１情報
は、製品診断、決定サポート、選択、分類、予測、仲
介、及び企業の株の仲介のうち１つに従属する（１）に
記載の方法。 【００８０】（３）該ステップ（d）は、サブモデル（6
0,61）による追加情報を用いて、根底のサブ問題につい
ての解決策を提供すべく根底のサブ問題を識別するサブ
ステップを含む（１）に記載の方法。 【００８１】（４）ステップ（a）において各サブモデ
ル（60,61）は、現在のエビデンスが与えられた場合
の、サブモデル（60,61）により提供された根底問題（6
3,64,65）についての解決策が出現問題を解決する確率
と、現在のエビデンスが与えられた場合の、出現問題を
解決するサブモデル（60,61）のコストと、現在のエビ
デンスが与えられた場合の、出現問題を処理する正しい
モデルとなるサブモデル（60,61）の確信度の測定とを
スーパーモデルに提供する（１）に記載の方法。 【００８２】（５）ステップ（d）は、（d.1）得られた
情報が根底問題（63,64,65）の解決策を識別できる程度
に充分か否かを判定するサブステップと、（d.2）サブ
ステップ（d.1）において、該得られた情報が根底問題
（63,64,65）を解決できる程度に充分であるとされた場
合に、該解決策をユーザと通信するサブステップと、
（d.3）サブステップ（d.1）において、該得られた情報
が根底問題（63,64,65）を解決できる程度に充分である
とされなかった場合に、該サブモデル（60,61）からス
ーパーモデル（59）に処理を戻すか、ユーザからサブモ
デル（60,61）によりさらに情報を取得するかを決定す
るサブステップとを含む（１）に記載の方法。 【００８３】（６）サブステップ（d.3）において、ス
ーパーモデル（59）が、サブモデル（60,61）の効率が
使用可能なサブモデル（60,61）において最大でないと
判定するとき、サブモデル（60,61）からスーパーモデ
ル（59）に制御が戻る（５）に記載の方法。 【００８４】（７）サブステップ（d.3）において、サ
ブモデル（60,61）が衝突測定が所定のしきい値をこえ
ると判定するとき、サブモデル（60,61）からスーパー
モデル（59）に制御が戻る（５）に記載の方法。 【００８５】（８）ステップ（d）は、（d.1）１つ又は
複数の問題の確率を生成するサブステップと、（d.2）
次の質問及び次のテストのうち１つを生成するサブステ
ップと、（d.3）サブモデルに知られた情報に基づい
て、次の質問及び次のテストのうち１つに対する可能な
回答の各々の確率を生成するサブステップとを含み、該
サブステップ（d.1）〜（d.3）はサブモデル（60,61）
により実行される（１）に記載の方法。 【００８６】（９）サブステップ（b.1）において、ベ
イジアンネットワーク構造は、出現問題（62）の原因と
なる根底問題（63,64,65）のノードと、各出現問題（6
2）についてのサブモデルを含み、該サブモデルは、該
根底問題に対する解決策を提供できるようにするのに用
いられる（１）に記載の方法。 【００８７】（１０）サブステップ（b.1）において、
各根底問題（63,64,65）について１つづつのサブモデル
がベイジアンネットワークのリストに載っている（９）
に記載の方法。 【００８８】（１１）サブステップ（b.1）において、
各根底問題（63,64,65）について、１つ以上のサブモデ
ルをベイジアンネットワークのリストに載せることが可
能な（９）に記載の方法。 【００８９】（１２）スーパーモデルによるサブモデル
選択前の最小要求確率と、サブモデル選択前のスーパー
モデルによりなされて得られた全ての質問の要求と、サ
ービスの代表を呼ぶコストと、サブモデル内外にダイナ
ミックにジャンプ可能か否かと、サブモデル却下前の
「他の問題」についての最小要求確率と、モデル切り替
えの追加コストと、のうち少なくとも１つをユーザが特
定できるようにするステップをさらに備える（１）に記
載の方法。 【００９０】（１３）サブモデル（60,61）選択を実行
するシステムであって、該システムは、ユーザからの出
現問題（62）についての第１情報を取得し、ベイジアン
ネットワーク構造を用いて具現化されるスーパーモデル
と、根底問題（63,64,65）への解決策を識別するための
サブモデル（60,61）によって用いられ、根底問題（63,
64,65）に関連する追加情報を、動作時にユーザから取
得する複数のサブモデル（60,61）とを備え、該スーパ
ーモデルは、第１情報を用いて根底問題（63,64,65）を
識別し、複数のサブモデル（60,61）を用いて根底問題
への解決策を与えるサブモデル選択システム。 【００９１】（１４）該第１情報は、製品診断、決定サ
ポート、選択、分類、予測、仲介、及び企業の株の仲介
のうち１つに従属するものである（１３）に記載のシス
テム。 【００９２】（１５）該システムは第２の複数のサブモ
デル（60,61）をさらに備え、該追加の複数のサブモデ
ル（60,61）は、該複数のサブモデルにより識別された
根底のサブ問題（63,64,65）への解決策を与えるため、
複数の問題（60,61）により用いられる（１３）に記載
のシステム。 【００９３】（１６）各サブモデルは、現在のエビデン
スが与えられた場合の、サブモデル（60,61）により提
供された根底問題（63,64,65）についての解決策が出現
問題を解決する確率と、現在のエビデンスが与えられた
場合の、出現問題を解決するサブモデル（60,61）のコ
ストと、現在のエビデンスが与えられた場合の、出現問
題を処理する正しいモデルとなるサブモデル（60,61）
の確信度の測定とをスーパーモデルに提供する（１３）
に記載のシステム。 【００９４】（１７）動作時に各サブモデルが（60,6
1）、得られた情報が根底問題（63,64,65）の解決策を
識別できる程度に充分か否かを判定し、充分であるとさ
れた場合に、該根底問題の解決策を識別する（１３）に
記載のシステム。 【００９５】（１８）スーパーモデル（59）が、サブモ
デル（60,61）の効率が使用可能なサブモデル（60,61）
において最大でないと判定するとき、各サブモデル（6
0,61）が、スーパーモデル（59）に制御を戻す（１３）
に記載のシステム。 【００９６】（１９）サブモデル（60,61）が衝突測定
が所定のしきい値をこえると判定するとき、各サブモデ
ル（60,61）は、スーパーモデル（59）に制御を戻す
（１３）に記載のシステム。 【００９７】（２０）各サブモデル（60,61）は、１つ
又は複数の問題の確率を生成し、次の質問及び次のテス
トのうち１つを生成し、知られた情報に基づいて、次の
質問及び次のテストのうち１つに対する可能な回答の各
々の確率を生成する（１３）に記載のシステム。 【００９８】（２１）該ベイジアンネットワーク構造
は、出現問題（62）の原因となる根底問題（63,64,65）
のノードと、各出現問題（62）についてのサブモデルを
含み、該サブモデルは、該根底問題に対する解決策を提
供できるようにするのに用いられる（１３）に記載のシ
ステム。 【００９９】（２２）各根底問題（63,64,65）について
１つづつのサブモデルがベイジアンネットワークのリス
トに載っている（１３）に記載のシステム。 【０１００】（２３）各根底問題（63,64,65）につい
て、１つ以上のサブモデルをベイジアンネットワークの
リストに載せることが可能な（１３）に記載のシステ
ム。 【０１０１】（２４）スーパーモデル（59）によるサブ
モデル（60,61）選択前の最小要求確率と、サブモデル
（60,61）選択前のスーパーモデル（59）によりなされ
て得られたすべての質問の要求と、サービスの代表を呼
ぶコストと、サブモデル内外にダイナミックにジャンプ
可能か否かと、サブモデル却下前の「他の問題」につい
ての最小要求確率と、モデル切り替えの追加コストと、
のうち少なくとも１つをユーザが特定できるようにスー
パーモデル（59）がする（１３）に記載のシステム。

【図面の簡単な説明】 【図１】診断環境の概略である。 【図２】ウェブサーバの簡略化したブロック図である。 【図３】診断処理において用いられる顧客のパーソナル
コンピュータ内の構成を簡略化したブロック図である。 【図４】本発明の望ましい実施形態に合わせたスーパー
モデルの簡略化したチャート表現である。 【図５】本発明の望ましい実施形態に合わせた、スーパ
ーモデルにおける複数課題を解決できるスーパーモデル
の、簡略化したチャート表現である。 【図６】本発明の望ましい実施形態に合わせた、スーパ
ーモデルを用いて課題解決策を発見する処理を示した簡
略化したフローチャートである。 【符号の説明】 59 スーパーモデル 60,61 サブモデル 62 出現課題 63,64,65 根底課題

───────────────────────────────────────────────────── フロントページの続き (72)発明者 ジェームス・シュレッケンガスト アメリカ合衆国80526コロラド州、フォー ト・コリンズ、プラット・ドライヴ 3714 Ｆターム(参考） 5H223 AA10 AA13 AA20 BB09 DD03 EE30 FF05

Claims (1)

1. 【特許請求の範囲】 【請求項１】サブモデル選択方法であって、該選択方法
   は、（a）ユーザからの出現問題についての第１情報を
   取得するステップと、（b）スーパーモデル内で第１情
   報を用いて根底問題及び関連サブモデルを識別し、根底
   問題への解決策を提供するステップと、（c）該サブモ
   デルを用いてユーザからの根底問題についての追加情報
   を取得するステップと、（d）サブモデルによる追加情
   報を用いて根底問題への解決策を識別するステップとを
   備え、 該ステップ（b）は、（b.1）ベイジアンネットワーク構
   造を用いて根底問題及び関連するサブモデルを識別する
   サブステップを含むサブモデル選択方法。