JP2007334871A - データ処理方法、データ処理装置、プログラムおよび記録媒体 - Google Patents

Abstract

【課題】 比較対象のオブジェクトと分析対象オブジェクトとの関係を容易に把握することを可能にする。
【解決手段】 比較対象のオブジェクトに関するデータをネットワーク上で収集する。そして、比較対象のオブジェクトの座標と、その代表点の座標とを決定する（ＳＴ３，４，５）。分析対象のオブジェクトのデータをネットワーク上で収集する。そして、分析対象のオブジェクトの座標を決定する（ＳＴ８）。上記決定した座標に対応する位置に画像を表示する。
【選択図】 図３

Description

本発明は、データ処理方法、データ処理装置、プログラムおよび記録媒体に関する。

例えば、Ｗｅｂやメデイアでの評判やその社会的な特徴の認識の状態を調べるのに、内容に関する分析は、人が読んで判断することが多かった。
自動的に処理する場合には、分析対象とするＷｅｂに出現する単独な言葉の頻度分布が他の通常のＷｅｂ上に出現する単独の言葉の出現頻度分布との違いによる特徴などから、それらの言葉を抽出することが考えられる。
従来、ある論文又は記事の要約を作ることを目的に特徴を示す言葉を抽出する技術は開発されている。それは参照基準となる論文を多数集め、その単独な言葉の分布に照らし当該論文の単独な言葉の分布を比較することによって、当該論文の特徴を抽出するものである。このような方法を援用することが考えられる。

特開２０００−４６７０１号公報

しかし、このような方法では抽出されたこれらの言葉の相互間の構造的な意味を解析空間上に表示することが出来ず、これらの言葉を相互に関連付けて評判の文脈を理解することは難しいという問題点があった。特に言葉の持つ意味や文脈の変化の特徴や変化の方向性を理解するのは極めて困難であった。また、ある1つの単独なＷｅｂの分析には適用できるが、集団を扱う方法は、確立されていなかった。

本発明は上述した従来技術の問題点を解決するために、複数の比較対象オブジェクトおよび分析対象のオブジェクトと、複数の基準オブジェクトとの間の接続関係（関連度）の情報を基に、比較対象のオブジェクトと分析対象オブジェクトとの関係を容易に把握することを可能にするデータ処理方法、データ処理装置、プログラムおよび記録媒体を提供することを目的とする。

上述した従来技術の問題点を解決し、上述した目的を達成するため、第１の観点の発明のデータ処理方法は、ｎ（≧２）個の比較対象のオブジェクトの各々についてｍ（≧２）個の基準対象のオブジェクトに関する接続関係を示す指標値を規定したｎ行ｍ列の行列データを基に、前記ｍ個の基準対象のオブジェクトの各々について、当該基準対象のオブジェクトに関する前記ｎ個の比較対象のオブジェクトとの接続関係を示す長さｎの指標値ベクトルの近似度が高まるに従って座標系内で近い位置に配置されるように、ｒ次元の第１の座標を計算し、前記ｎ行ｍ列の行列データを基に、前記ｎ個の比較対象のオブジェクトが当該比較対象のオブジェクトに関しての前記ｍ個の基準対象のオブジェクトとの長さｍの指標値ベクトルの近似度が高まるに従って座標系内に近い位置に配置されるように、前記ｎ個の比較対象のオブジェクトの各々についてｒ次元の第２の座標を計算する第１の工程をコンピュータが実行するものである。

第１の観点の発明では、コンピュータが、ｎ（≧２）個の比較対象のオブジェクトの各々についてｍ（≧２）個の基準対象のオブジェクトに関する接続関係を示す指標値を規定したｎ行ｍ列の行列データを基に、前記ｍ個の基準対象のオブジェクトの各々について、当該基準対象のオブジェクトに関する前記ｎ個の比較対象のオブジェクトとの接続関係を示す長さｎの指標値ベクトルの近似度が高まるに従って座標系内で近い位置に配置されるように、ｒ次元の第１の座標を計算する。
また、前記コンピュータは、前記ｎ行ｍ列の行列データを基に、前記ｎ個の比較対象のオブジェクトが当該比較対象のオブジェクトに関しての前記ｍ個の基準対象のオブジェクトとの長さｍの指標値ベクトルの近似度が高まるに従って座標系内に近い位置に配置されるように、前記ｎ個の比較対象のオブジェクトの各々についてｒ次元の第２の座標を計算する。

第２の観点の発明のデータ処理装置は、ｎ（≧２）個の比較対象のオブジェクトの各々についてｍ（≧２）個の基準対象のオブジェクトに関する接続関係を示す指標値を規定したｎ行ｍ列の行列データを記憶するメモリと、前記メモリから読み出した前記行列データを基に処理を行う処理回路とを有する。
ここで、前記処理回路は、前記行列データを基に、前記ジェクトの各々について、当該基準対象のオブジェクトに関する前記ｎ個の比較対象のオブジェクトとの接続関係を示す長さｎの指標値ベクトルの近似度が高まるに従って座標系内で近い位置に配置されるように、ｒ次元の第１の座標を計算し、前記ｎ行ｍ列の行列データを基に、前記ｎ個の比較対象のオブジェクトが当該比較対象のオブジェクトに関しての前記ｍ個の基準対象のオブジェクトとの長さｍの指標値ベクトルの近似度が高まるに従って座標系内に近い位置に配置されるように、前記ｎ個の比較対象のオブジェクトの各々についてｒ次元の第２の座標を計算し、分析対象のオブジェクトについて前記ｍ個の基準対象のオブジェクトに関して取得した接続関係を示す指標値を示す１行ｍ列のデータと、前記計算した前記第１の座標とを基に、前記分析対象のオブジェクトについてのｒ次元の第３の座標を計算し、座標系内の前記計算した前記第１の座標および前記２の座標の少なくとも一方と、前記計算した前記第３の座標の画像を表示し、前記ｍ個の基準対象のオブジェクトが分類される分類項目を示す分類データと、前記計算した前記１の座標とを基に、前記分類項目の各々についてのｒ次元の代表値を示す第４の座標を計算し、当該第４の座標に画像を表示し、前記ｎ個の比較対象のオブジェクトが分類される分類項目を示す分類データと、前記計算した前記２の座標とを基に、前記分類項目の各々についてのｒ次元の代表値を示す第５の座標を計算し、当該第５の座標に画像を表示し、複数の異なるタイミングで前記分析対象オブジェクトについて取得した１行ｍ列のデータを基に、前記第３の座標の平均的な座標である代表座標を計算し、当該代表座標を基準として前記座標系内に監視基準を示す第６の座標を決定を行う。

第３の観点の発明のプログラムは、ｎ（≧２）個の比較対象のオブジェクトの各々についてｍ（≧２）個の基準対象のオブジェクトに関する接続関係を示す指標値を規定したｎ行ｍ列の行列データを基に、前記ｍ個の基準対象のオブジェクトの各々について、当該基準対象のオブジェクトに関する前記ｎ個の比較対象のオブジェクトとの接続関係を示す長さｎの指標値ベクトルの近似度が高まるに従って座標系内で近い位置に配置されるように、ｒ次元の第１の座標を計算し、前記ｎ行ｍ列の行列データを基に、前記ｎ個の比較対象のオブジェクトが当該比較対象のオブジェクトに関しての前記ｍ個の基準対象のオブジェクトとの長さｍの指標値ベクトルの近似度が高まるに従って座標系内に近い位置に配置されるように、前記ｎ個の比較対象のオブジェクトの各々についてｒ次元の第２の座標を計算する第１の手順と、分析対象のオブジェクトについて前記ｍ個の基準対象のオブジェクトに関して取得した接続関係を示す指標値を示す１行ｍ列のデータと、前記第１の手順で計算した前記第１の座標とを基に、前記分析対象のオブジェクトについてのｒ次元の第３の座標を計算する第２の手順と、座標系内の前記第１の手順で計算した前記第１の座標および前記２の座標の少なくとも一方と、前記第３の手順で計算した前記第３の座標の画像を表示する第３の手順と、前記ｍ個の基準対象のオブジェクトが分類される分類項目を示す分類データと、前記第１の手順で計算した前記１の座標とを基に、前記分類項目の各々についてのｒ次元の代表値を示す第４の座標を計算する第４の手順と、前記ｎ個の比較対象のオブジェクトが分類される分類項目を示す分類データと、前記第１の手順で計算した前記２の座標とを基に、前記分類項目の各々についてのｒ次元の代表値を示す第５の座標を計算する第５の手順と、複数の異なるタイミングで前記分析対象オブジェクトについて取得した１行ｍ列のデータを基に、前記第３の座標の平均的な座標である代表座標を計算し、当該代表座標を基準として前記座標系内に監視基準を示す第６の座標を決定する第６の手順とを有し、前記第３の手順は、前記座標系内の前記第４の手順で計算した前記第４の座標に画像と、前記座標系内の前記第５の手順で計算した前記第５の座標に画像とを表示する処理をコンピュータに実行させるものである。

第４の観点の発明の記録媒体は、第３の観点の発明のプログラムをコンピュータが実行して生成した画像データを記録するものである。

本発明によれば、複数の比較対象オブジェクトおよび分析対象のオブジェクトと、複数の基準オブジェクトとの間の接続関係（関連度）の情報を基に、比較対象のオブジェクトと分析対象オブジェクトとの関係を容易に把握することを可能にするデータ処理方法、データ処理装置、プログラムおよび記録媒体を提供することができる。

以下、本発明の実施形態に係わるデータ処理システムについて説明する。
＜第１実施形態＞
以下、本発明の第１実施形態を説明する。
先ず、本実施形態の構成要素と、本発明の構成要素との対応関係を説明する。
図３に示すステップＳＴ３および図４に示す処理が、本発明の第１の工程および第２の工程の一例である。
また、図３に示すステップＳＴ８が本発明の第２の工程の一例である。
また、図３に示すステップＳＴ９が本発明の第３の工程の一例である。
また、図３に示すステップＳＴ４が本発明の第４の工程の一例である。
また、図３に示すステップＳＴ５が本発明の第５の工程の一例である。

また、表３，４の行方向が本発明の比較対象のオブジェクトを示し、列方向が本発明の基準対象のオブジェクトを示している。
また、表５および式（１）に示すＹが本発明の第１の座標の一例であり、表６および式 （１）に示すＸが本発明の第２の座標の一例である。
また、表１０等に示す分析対象行列データＢ１等が本発明の分析対象のオブジェクトについての１行ｍ列のデータの一例である。
また、表１２等に示す分析対象座標行列データＣが本発明の第３の座標の一例である。

図１は、本発明の実施形態に係わる通信システム１の構成図である。
図１に示すように、通信システム１は、例えば、複数の情報提供サーバ４、検索サーバ６および分析装置１０を有し、これらがネットワーク９を介して通信する。

情報提供サーバ４は、ネットワーク９に接続されたコンピュータからの要求等に応じて、様々な情報を提供する。
情報提供サーバ４は、例えば、Ｗｅｂサーバである。

検索サーバ６は、ネットワーク９に接続されたコンピュータおよび分析装置１０からの要求に応じて、当該要求に含まれる検索キーワードを含む情報を提供する情報提供サーバ４が提供する情報のアドレスを、要求元に送信する。

分析装置１０は、検索サーバ６に検索要求を出し、それによって得た情報を基に、情報提供サーバ４が提供する情報内における分析対象のオブジェクトの位置づけを分析する処理を行う。

図２は、図１に示す分析装置１０の構成図である。
図２に示すように、分析装置１０は、例えば、インタフェース２１、ディスプレイ２２、操作部２３、メモリ２４および処理回路２５を有し、これらがデータ線２０を介して接続されている。

インタフェース２１は、外部からデータを入力する。インタフェース２１は、例えば、インターネットやＬＡＮ等の通信網に接続され、これらを介して外部の装置からデータを入力する。
ディスプレイ２２は、処理部２５からの表示信号に応じた画面を表示する。
操作部２３は、キーボード、マウス、タッチパネルなどであり、ユーザの操作に応じた操作信号を処理部２５に出力する。

メモリ２４は、処理部２５によって実行されるプログラムＰＲＧ、並びに処理部２５の処理に用いられるデータを記憶する。
処理部２５は、メモリ２４から読み出したプログラムＰＲＧを実行して、以下に示すデータ処理装置１の動作を統括的に制御する。
プログラムＰＲＧは、例えば、半導体メモリ、光ディスク、光磁気ディスクあるいは磁気ディスク等の記録媒体に記録される。

先ず、本実施形態で用いられるデータの一例を説明する。
［基準対象オブジェクト分類データＳＴＯＣＤ］
基準対象オブジェクト分類データＳＴＯＣＤは、ｍ個（ｍ≧２）の各基準対象オブジェクトについて、その基準対象オブジェクト（例えば、はっきり、心情的等の形容詞）が分類される分類項目（例えば、心、感覚等）を示す。
基準対象オブジェクト分類データＳＴＯＣＤは、例えば、下記表１に示すように、基準対象オブジェクトの数分の行（ｍ行）と、分類項目の数分の列とからなる行列によって規定される。

当該行列の要素データｄ１１〜ｄ６４の各々は、それぞれ当該要素データに対応する基準対象オブジェクトが、当該要素データに対応する分類項目に割り当てられている場合に「１」を示し、属さない場合に「０」を示している。
表１に示す例では、基準対象オブジェクトとして、はっきり、心情的、無頓着、痛切、まぶしく、感慨無量が規定されている。
また、分類項目として、心、感覚、感動、恐れが規定されている。
ｄ１１〜ｄ６４は、「1」、「0」以外の属性オブジェクトが分類に所属する強さを示すメンバーシップ関数値でもよい。
表１に示す基準対象オブジェクト分類データＳＴＯＣＤは、例えば、言語辞書などを基に予め生成され、メモリ２４に記憶されている。

［比較対象オブジェクト分類データＲＴＯＣＤ］
比較対象オブジェクト分類データＲＴＯＣＤは、ｎ個（ｎ≧２）の各比較対象オブジェクトについて、その比較対象オブジェクト（例えば、ＮＰＯ、ＯＬ等の名詞）が分類される分類項目（例えば、人物、成員等）を示す。
比較対象オブジェクト分類データＲＴＯＣＤは、例えば、下記表２に示すように、比較対象オブジェクトの数分の行（ｎ行）と、分類項目の数分の列とからなる行列によって規定される。

当該行列の要素データｅ１１〜ｅ６４の各々は、それぞれ当該要素データに対応する基準対象オブジェクトが、当該要素データに対応する分類項目に割り当てられている場合に「１」を示し、属さない場合に「０」を示している。
表２に示す例では、比較対象オブジェクトとして、ＮＰＯ、ＯＬ、おじ、おば、お互い、お前が規定されている。
また、分類項目として、人物、成員、社会、機関が規定されている。
e１１〜e６４は、「1」、「0」以外の比較対象のオブジェクトが分類項目に所属する強さを示すメンバーシップ関数値でもよい。
表２に示す比較対象オブジェクト分類データＲＴＯＣＤは、例えば、言語辞書などを基に予め生成され、メモリ２４に記憶されている。

［比較対象行列データＡ１］
比較対象行列データＡ１は、ｎ個の比較対象オブジェクトの各々について、その比較対象オブジェクト（例えば、ＮＰＯ，ＯＬ等）と、ｍ個の基準対象オブジェクト（はっきり、心情的等）との接続関係を示している。
比較対象行列データＡ１は、例えば、下記表３に示すように、比較対象オブジェクトの数分の行（ｎ行）と、基準対象オブジェクトの数分の列（ｍ列）とからなる行列によって規定される。なお、本実施形態では、説明の簡単化のため、行列データを表形式としても表現する。

当該行列の要素データａ１１〜ａ６４の各々は、それぞれ当該要素データに対応する比較対象オブジェクトと、当該要素データに対応する基準対象オブジェクトとの接続関係値を示している。
本実施形態において、上記接続関係値は、例えば、ネットワーク上に公開されている情報（例えば、ＵＲＬ）を対象に、比較対象オブジェクトと基準対象オブジェクトとの双方を含む情報を図１に示す検索サーバ６（検索エンジン）を用いて検索した場合のヒット数を示している。当該情報は、例えば、Ｗｅｂページである。すなわち、接続関係は、各比較対象オブジェクトと基準対象オブジェクトとの間の関連度を示している。

本実施形態において、上記接続関係値は、上記ヒット数の他、例えば、情報提供サーバ４が提供する情報（Ｗｅｂページ）を、上記関連度を分析する所定の内容分析アルゴリズムで分析して、その分析結果をも考慮して決定されてもよい。

［比較対象行列データＡ］
比較対象行列データＡは、上記比較対象行列データＡ１の各要素データを平準化したデータであり、下記表４で示される。
比較対象行列データＡの各要素は、比較対象行列データＡ１の各要素を、平均値や分散が一定の範囲になるように変換された値を示す。

［基準基盤地図行列データ（右特異ベクトル）Ｙ］
基準基盤地図行列データＹは、複数の基準対象オブジェクト（はっきり、心情的等）の各々について、所定のｒ次元（ｒ≧２）の座標系の座標を示している。
基準基盤地図行列データ（右特異ベクトル）Ｙは、ｒ行ｍ列の行列データである。
本実施形態では、ｒ＝３であるため座標系は３次元であり、その１軸、２軸および３軸の座標が示されている。
基準基盤地図行列データ（右特異ベクトル）Ｙは、例えば、下記表５のように示される。

［比較基盤地図行列データ（左特異ベクトル）Ｘ］
比較基盤地図行列データＸは、複数の比較対象オブジェクト（ＮＰＯ、ＯＬ的等）の各々について、所定のｒ次元の座標系の座標を示している。
比較基盤地図行列データ（左特異ベクトル）Ｘは、ｎ行ｒ列の行列データである。
本実施形態では、ｒ＝３であるため、座標系は３次元であり、その１軸、２軸および３軸の座標が示されている。
比較基盤地図行列データ（左特異ベクトル）Ｘは、例えば、下記表６のように示される。

本実施形態において、基準基盤地図行列データ（右特異ベクトル）Ｙおよび比較基盤地図行列データ（左特異ベクトル）Ｘは、上記比較対象行列データＡを下記式（１）のように特異値分解して規定されたものになっている。

Ａ：Ａの数値に対応したｎ（列）×ｍ（行）の行列
Ｘ：ｎ×ｒの行列
Ｙ：ｒ×ｍの行列
λ：ｒ×ｒの対角行列であり、ｒ＝３の場合には、下記式（２）で示され、ｒ１＞ｒ２＞ｒ３が成り立つように並べたものである。

［基準代表座標行列データＳＰ］
基準代表座標行列データＳＰは、基準対象オブジェクト分類データＳＴＯＣＤが示す分類項目の各々についてのｒ次元（軸）の座標を示している。
基準代表座標行列データＳＰは、例えば、下記表７で示される。

基準代表座標行列データＳＰは、基準対象オブジェクト分類データＳＴＯＣＤと、基準基盤地図行列データＹ（右特異ベクトルＹ）とを用いて、下記式（３）により計算される。ここで、ｉは分類項目の番号、ｊは次元番号を示している。

［比較代表座標行列データＲＰ］
比較代表座標行列データＲＰは、比較対象オブジェクト分類データＲＴＯＣＤが示す分類項目の各々についてのｒ次元（軸）の座標を示している。
比較代表座標行列データＲＰは、例えば、下記表８で示される。

比較代表座標行列データＲＰは、比較対象オブジェクト分類データＲＴＯＣＤと、比較基盤地図行列データＸ（左特異ベクトルＸ）とを用いて、下記式（４）により計算される。ここで、ｉは分類項目の番号、ｊは次元番号を示している。

［分析基準対象オブジェクト分類データＡＴＯＣＤ］
分析対象オブジェクト分類データＡＴＯＣＤは、各分析対象オブジェクトについて、その分析対象オブジェクト（例えば、イ社、ロ社等）が分類される分類項目（例えば、飲料、菓子等）を示す。
分析対象オブジェクト分類データＡＴＯＣＤは、例えば、下記表９に示すように、分析対象オブジェクトの数分の行と、分類項目の数分の列とからなる行列によって規定される。
当該行列の要素データｈ１１〜ｈ６４の各々は、それぞれ当該要素データに対応する分析対象オブジェクトが、当該要素データに対応する分類項目に割り当てられている場合に「１」を示し、属さない場合に「０」を示している。
表９に示す例では、分析対象オブジェクトとして、イ社、ロ社、ハ社が規定されている。
また、分類項目として、飲料、菓子、車、電気が規定されている。
ｈ１１〜ｈ６４は、「1」、「0」以外の比較対象のオブジェクトが分類項目に所属する強さを示すメンバーシップ関数値でもよい。

［分析対象行列データＢ１］
分析対象行列データＢ１は、ｐ個の分析対象オブジェクトの各々について、その分析対象オブジェクト（例えば、イ社、ロ社等）と、上記ｍ個の基準対象オブジェクト（はっきり、心情的等）との接続関係を示している。
分析対象行列データＢ１は、例えば、下記表１０に示すように、分析対象オブジェクトの数分の行（ｐ行）と、基準対象オブジェクトの数分の列（ｍ列）とからなる行列によって規定される。
当該行列の要素データｂ１１〜ｂ３６の各々は、それぞれ当該要素データに対応する分析対象オブジェクトと、当該要素データに対応する基準対象オブジェクトとの接続関係値を示している。
上述したように、本実施形態において、上記接続関係値は、例えば、ネットワーク上に公開されている情報を対象に、分析対象オブジェクトと基準対象オブジェクトとの双方を含む情報を所定の検索エンジンを用いて検索した場合のヒット数を示している。当該情報は、例えば、Ｗｅｂページである。図２に示す処理回路２５は、上記ネットワークから取得した情報を基に分析対象行列データＢ１を生成し、これをメモリ２４に書き込む。

［分析対象行列データＢ］
分析対象行列データＢは、上記分析対象行列データＢ１の各要素データを平準化したデータであり、下記表１１で示される。
分析対象行列データＢの各要素は、分析対象行列データＢ１の各要素を、累積度数分布を当てはめて０〜１の範囲になるように変換された値を示す。

［分析対象座標行列データＣ］
分析対象座標行列データＣは、上述した分析対象行列データＢと、基準基盤地図行列データＹ（右特異ベクトルＹ）とを用いて、下記式（５）により計算される。
ここで、ｉは分析対象オブジェクト（イ社、ロ社、ハ社）の番号を示し、ｊは次元数を示している。

処理回路２５は、例えば、分析対象行列データＣを、演算式「Ｃ＝Ｂ＊Ｗｂ＊Ｙｔ」により計算する。当該演算式において、Ｗｂは重み付け値を規定するｍ行ｍ列の行列である。上記式（５）は一例である。また、Ｙtは、右特異行列データＹの転置行列である。

［分析対象代表座標行列データＡＰ］
分析対象代表座標行列データＡＰは、分析対象オブジェクト分類データAＴＯＣＤが示す分類項目の各々の代表についてのｒ次元（軸）の座標を示している。
分析対象代表座標行列データＡＰは、例えば、下記表１３で示される。

分析対象代表座標行列データＡＰは、分析対象オブジェクト分類データＡＴＯＣＤと分析対象座標行列データＣとを用いた、式「ｒｉｊ＝（ｈ１ｉ＊ｃ１ｊ＋ｈ２ｉ＊ｃ２ｊ＋，，，＋ｈＨｉ＊ｃＨｊ）／（ｈ１ｉ＋ｈ２ｉ＋，，，＋ｈＨｉ)」により計算される。ここでｉは分析対象代表オブジェクト(飲料、菓子、本、電気)を示し、jは次元番号を示している。

本実施形態では、処理回路２５は、各基準対象オブジェクを、３次元の座標系内において、基準基盤地図行列データ（右特異ベクトル）Ｙで規定される座標に割り当てる。
また、処理回路２５は、各比較対象オブジェクトを、上記３次元の座標系において、比較基盤地図データＸで規定される座標に割り当てる。
また、処理回路２５は、基準対象オブジェクト分類データＳＴＯＣＤが示す分類項目の各々を、上記３次元の座標系において、基準代表座標行列データＳＰで規定される座標に割り当てる。
また、処理回路２５は、比較対象オブジェクト分類データＲＴＯＣＤが示す分類項目の各々を、上記３次元の座標系において、比較代表座標行列データＲＰで規定される座標に割り当てる。
また、処理回路２５は、各分析対象オブジェクトを、上記３次元の座標系において、分析対象座標行列データＣで規定される座標に割り当てる。
処理回路２５は、上記割り当てた座標間の距離等を基に、上記３次元座標系における各オブジェクトや分類項目の相互間の関連度を規定し、それを様々な分析処理に用いる。

以下、分析装置１０の動作例を説明する。
以下に示す図３〜図５の処理の内容は、図２に示すメモリ２４に記憶されたプログラムＰＲＧに記述されている。これらの処理は、処理回路２５がプログラムＰＲＧを実行することによって実現される。
図３は、図２に示す分析装置１０の動作例を説明するためのフローチャートである。
図３に示す処理を開始する前に、図２に示すメモリ２４には、表１に示す基準対象オブジェクト分類データＳＴＯＣＤと表２に示す比較対象オブジェクト分類データＲＴＯＣＤとが予め記憶されている。これらのデータは、言語分類辞典等に情報を基に予め作成され、メモリ２４に書き込まれる。

以下、図３に示す各ステップについて説明する。
ステップＳＴ１：
図２に示す操作部２３をユーザが操作して、表３に示す比較対象行列データＡ１の各比較対象オブジェクトと、各基準対象オブジェクトとの双方を含む情報（Ｗｅｂページ）を検索することを指示する検索要求を入力する。
処理回路２５は、上記入力された検索要求を、インタフェース２１からネットワーク９を介して検索サーバ６に送信する。
検索サーバ６は、受信した上記検索要求を基に、比較対象行列データＡ１の各比較対象オブジェクトと、基準対象オブジェクトとの双方を含む情報のアドレスを分析装置１０に送信する。
処理回路２５は、検索サーバ６から受信した上記アドレスを基に、比較対象行列データＡ１の各比較対象オブジェクトと、各基準対象オブジェクトとの双方を含む情報（Ｗｅｂページ）の数を計数し、その計数した数を比較対象行列データＡ１の対応する要素データの値とし、比較対象行列データＡ１を生成する。
例えば、表３の例では、処理回路２５は、「ＮＰＯ」と「はっきり」との双方を含む情報の検索要求を出し、検索結果として得られた情報（アドレス）の数を計数し、その結果を要素データａ１１の値に設定する。比較対象行列データＡ１は、比較対象オブジェクトと基準対象オブジェクトとの接続の強さを示す行列データであれば、Ｗｅｂ検索でなくても良い。
処理回路２５は、上記生成した比較対象行列データＡ１を図２に示すメモリ２４に書き込む。

ステップＳＴ２：
処理回路２５は、メモリ２４から比較対象行列データＡ１を読み出し、その要素データに累積度数分布を当てはめて０〜１の範囲になるように変換して新たな比較対象行列データＡを生成する。このとき必要であれば、処理回路２５は、異常値などを除去する。
処理回路２５は、比較対象行列データＡをメモリ２４に書き込む。

ステップＳＴ３：
処理回路２５は、メモリ２４から比較対象行列データＡを読み出し、これを上記式（１）に示す特異値分解を行って、上記表５に示す基準基盤地図行列データ（右特異ベクトル）Ｙと上記表６に示す比較基盤地図行列データ（左特異ベクトル）Ｘとを生成する。
処理回路２５は、上記生成した基準基盤地図行列データ（右特異ベクトル）Ｙと上記表６に示す比較基盤地図行列データ（左特異ベクトル）Ｘとをメモリ２４に書き込む。
このとき、後述するステップＳＴ３のアルゴリズムにより、例えば、比較対象行列データＡ内の複数の基準対象オブジェクトは、それらについての比較対象オブジェクトの要素データの値のパターン（本発明の長さｎの指標値ベクトルの一例）の近似度が高まるにしたがって、相互間の距離が近くなるように座標が計算される。
また、比較対象行列データＡ内の複数の比較対象オブジェクトは、それらについての基準対象オブジェクトの要素データの値のパターン（本発明の長さｍの指標値ベクトルの一例）の近似度が高まるにしたがって、相互間の距離が近くなるように座標が計算される。
ステップＳＴ３の処理については後に詳細に説明する。

ステップＳＴ４：
処理回路２５は、メモリ２４から読み出した基準対象オブジェクト分類データＳＴＯＣＤと、メモリ２４から読み出した基準基盤地図行列データＹ（右特異ベクトルＹ）とを用いて、上記式（３）により基準代表座標行列データＳＰの各要素データを生成する。
処理回路２５は、この生成した基準代表座標行列データＳＰをメモリ２４に書き込む。
なお、処理回路２５は、代表点の座標を基準として所定の範囲を代表領域として規定して表示してもよい。

ステップＳＴ５：
処理回路２５は、メモリ２４から読み出した比較対象オブジェクト分類データＲＴＯＣＤ、メモリ２４から読み出した比較基盤地図行列データＸ（左特異ベクトルＸ）とを用いて、上記式（４）により比較代表座標行列データＲＰの各要素データを生成する。
処理回路２５は、この生成した比較代表座標行列データＲＰをメモリ２４に書き込む。
なお、処理回路２５は、代表点の座標を基準として所定の範囲を代表領域として規定して表示してもよい。

ステップＳＴ６：
図２に示す操作部２３をユーザが操作して、表１０に示す分析対象行列データＢ１の各分析対象オブジェクトと、各基準対象オブジェクトとの双方を含む情報（Ｗｅｂページ）を検索することを指示する検索要求を入力する。
処理回路２５は、上記入力された検索要求を、インタフェース２１からネットワーク９を介して検索サーバ６に送信する。
検索サーバ６は、受信した上記検索要求を基に、分析対象行列データＢ１の各比較対象オブジェクトと、基準対象オブジェクトとの双方を含む情報のアドレスを分析装置１０に送信する。
処理回路２５は、検索サーバ６から受信した上記アドレスを基に、分析対象行列データＢ１の各比較対象オブジェクトと、各基準対象オブジェクトとの双方を含む情報（Ｗｅｂページ）の数を計数し、その計数した数を比較対象行列データＢ１の対応する要素データの値とし、分析対象行列データＢ１を生成する。
例えば、表１０の例では、処理回路２５は、「イ社」と「はっきり」との双方を含む情報の検索要求を出し、検索結果として得られた情報（アドレス）の数を計数し、その結果を要素データｂ１１の値に設定する。「イ社」と「はっきり」との双方を含む情報は、Ｗｅｂ検索でなく、アンケート調査の結果などでも良い。
処理回路２５は、上記生成した分析対象行列データＢ１を図２に示すメモリ２４に書き込む。

ステップＳＴ７：
処理回路２５は、メモリ２４から分析対象行列データＢ１を読み出し、その要素データに累積度数分布を当てはめて０〜１の範囲になるように変換して新たな分析対象行列データＢを生成する。
処理回路２５は、分析対象行列データＢをメモリ２４に書き込む。

ステップＳＴ８：
処理回路２５は、メモリ２４から読み出した分析対象行列データＢと、メモリ２４から読み出した基準基盤地図行列データＹ（右特異ベクトルＹ）とを用いて、上記式（５）により、分析対象座標行列データＣを生成する。また上記式（５-1）により、分析対象代表座標行列データｒを生成する。
処理回路２５は、この生成した分析対象座標行列データＣ、およびまたは分析対象代表座標行列データｒををメモリ２４に書き込む。

ステップＳＴ９：
処理回路２５は、ディスプレイ２２に表示する画面内に規定された所定の座標系内において、ステップＳＴ３で生成した基準基盤地図行列データ（右特異ベクトル）Ｙと比較基盤地図行列データ（左特異ベクトル）Ｘとによって規定される座標に、それぞれのデータを識別するための画像を表示する処理を行う。
また、処理回路２５は、上記座標系内において、基準代表座標行列データＳＰおよび比較代表座標行列データＲＰによって規定される座標に、それぞれのデータを識別するための画像を表示する処理を行う。
また、処理回路２５は、上記座標系内において、分析対象座標行列データＣによって規定される座標に、分析対象代表座標ｒ等それぞれのデータを識別するための画像を表示する処理を行う。
これにより、ユーザは、ディスプレイ２２上に表示された各オブジェクトの画像や、分類項目の代表点の画像を見ることで、オブジェクト間の関連度や、代表点が持つ意味とオブジェクトとの関連度を視覚的に把握できる。また、出現頻度や出現構造の変化の通常との変化を検出することができる。

以下、図３に示すステップＳＴ３について詳細に説明する。
図４は、図３に示すステップＳＴ３を説明するためのフローチャートである。
以下、図３に示す各ステップについて説明する。
ステップＳＴ２１：
図２に示す処理回路２５は、図３に示すステップＳＴ２でメモリ２４に書き込まれたｎ行ｍ列の比較対象行列データＡを読み出す。
ステップＳＴ２２：
処理回路２５は、例えば、ステップＳＴ３の処理の終了条件を設定する。
処理回路２５は、座標系の次元を示す変数ｊの上限値ｒ（次元数）を設定する。
なお、処理回路２５は、上限値ｒの代わりに、収束条件判定係数Ｃを設定してもよい。

ステップＳＴ２３：
処理回路２５は、ステップＳＴ２１で読み出した比較対象行列データＡを基に、下記式（６）の演算を行い、行列データＡ２を生成する。
下記式（６）において、Ａ^ｔは、Ａの転置行列であり、Ａ２はｍ行ｍ列の行列データである。

ステップＳＴ２４：
処理回路２５は、上記次元を示す変数ｊに初期値「０」を設定する。

ステップＳＴ２５：
処理回路２５は、変数ｊを「１」インクリメントする。

ステップＳＴ２６：
処理回路２５は、ステップＳＴ２３で生成した行列データＡ２の上位ｊ個の固有値（σ１^２，σ２^２，．．．，σｊ^２）と、それらに対応した固有ベクトルである右特異ベクトルＹｊ（ｙｊ１，ｙｊ２，．．．，ｙｊｍ）を計算する。
当該ステップＳＴ２６の処理については後に詳細に説明する。

ステップＳＴ２７：
処理回路２５は、ステップＳＴ２６で生成したσｊ^２が「０」であるか否かを判断し、０であると判断すると処理を終了し、そうでない場合にはステップＳＴ２８に進む。
すなわち、σｊ^２が「０」である場合には、ステップＳＴ２６の処理を打ち切る。

ステップＳＴ２８：
処理回路２５は、ステップＳＴ２２で設定した処理終了条件を満たしたか否かを判断し、満たしたと判断するとステップＳＴ２９に進み、そうでない場合にはステップＳＴ２５に戻る。
例えば、処理回路２５は、変数ｊが上限値ｒを超えたか否かを判断する。
なお、処理回路２５は、σｒ^２／Σσｉ^２がＣ以下であるか等を基に上記判断を行ってもよい。ここで、Σはσｉ^２をｉ＝１〜ｒまで加算することを意味している。

ステップＳＴ２９：
処理回路２５は、下記式（７）に基づいて、ステップＳＴ２６で生成したσｊ^２と、Ｙｊとを基に、例えば、表６に示す比較基盤地図行列データ（左特異ベクトル）Ｘｊ（＝（ｘｊ１，ｘｊ２，．．．．，ｘｊｒ））を生成する。

以下、上述した図４に示すステップＳＴ２６について詳細に説明する。
図５は、図４に示すステップＳＴ２６を説明するためのフローチャートである。
ステップＳＴ４１：
処理回路２５は、ｍ行ｍ列の行列データＡ２をメモリ２４から読み出す。

ステップＳＴ４２：
処理回路２５は、変数ｉに初期値「０」を設定する。
変数ｉは、座標系の次元を示しており、上限値はｊである。

ステップＳＴ４３：
処理回路２５は、変数ｉを１インクリメントする。

ステップＳＴ４４：
処理回路２５は、右特異ベクトルＹｊ（ｙ１ｊ、ｙ２ｊ，．．．，ｙｍｊ）の初期値として、Ｙｊ（ｂ１ｊ，ｂ２ｊ，．．．．ｂｍｊ）に設定してメモリ２４に書き込む。各要素は、乱数にて生成する。

ステップＳＴ４５：
処理回路２５は、下記式（８）により、Ｙ２ｊを計算してメモリ２４に書き込む。次に、処理回路２５は、メモリ２４から読み出したＹ２ｊのノルム平方根を計算し、その結果をσｊとしてメモリ２４に書き込む。

ステップＳＴ４６：
処理回路２５は、メモリ２４からＹｊの各要素（ｙ１ｊ、ｙ２ｊ，．．．，ｙｍｊ）を読み出し、これらをメモリ２４から読み出したσｊで除算して、新たな右特異ベクトルＹｊの要素（ｙ１ｊ、ｙ２ｊ，．．．，ｙｍｊ）としてメモリ２４に書き込む。

ステップＳＴ４７：
処理回路２５は、変数ｉが、図４に示すステップＳＴ２５で設定した変数ｊと一致するか否かを判断し、一致すると判断した場合にはステップＳＴ４９に進み、そうでない場合にはステップＳＴ４８に進む。

ステップＳＴ４８：
処理回路２５は、ステップＳＴ４５で生成したσｊと、ステップＳＴ４６で生成したＹｊと、メモリ２４から読み出した上記行列データＡ２とを基に下記式（９）に示す演算を行い、新たな行列データＡ２を生成し、これをメモリ２４に書き込む。
下記式（９）において、Ａ２（ｈ，ｋ）は行列データＢのｈ行ｋ列の要素データを示す。 Ｙｊ（ｈ）およびＹｊ（ｋ）はそれぞれ右特異ベクトルＹｊのｈ番目およびｋ番目の要素データを示す。

これにより、図４に示すステップＳＴ２６の処理が完了する。

以上説明したように、分析装置１０では、基準対象オブジェク、比較対象オブジェクト、基準対象オブジェクト分類データＳＴＯＣＤが示す分類項目、比較対象オブジェクト分類データＲＴＯＣＤが示す分類項目、並びに各分析対象オブジェクトを、検索サーバ６がネットワーク上で検索した情報を基に関連度が近くなるに従って距離が近くなるように座標を割り当てる。
そのため、これらのオブジェクトがネットワーク上の情報においてユーザによってどのように認識されているかを、分類項目の内容を基に意味づけて把握することが可能になる。

＜第２実施形態＞
以下、上述した第１実施形態で生成した分析対象座標行列データＣによって規定されるイ，ロ、ハ社の座標値の経時的な変化を監視する場合を説明する。

図５は、本発明の第２実施形態を説明するためのフローチャートである。
ステップＳＴ５１：
処理回路２５は、複数の異なるタイミングｕ＝１〜Ｕにおいて取得した分析対象行列データＢの各々を基に、分析対象座標行列データＣを生成する。当該生成方法は、第１実施形態で説明したものと同じである。
Ｕは、好ましくは、２５〜３０程度である。本実施形態では、基準基盤地図行列データＹ（右特異ベクトルＹ）としては新たなものを用いないが、これについても各タイミングで取得した新たなものを用いてもよい。
分析対象座標行列データＣの要素データは、前述したようにｃｉｊで示され、上述した例では、ｊ＝１〜ｒいずれかであり、ｉ＝１（イ社），２（ロ社），３（ハ社）となる。
処理回路２５は、タイミングｕ＝１〜Ｕの各々について、座標（ｃｉ１（１），ｃｉ２（１），ｃｉ３（１））〜（ｃｉ１（Ｕ），ｃｉ２（Ｕ），ｃｉ３（Ｕ））を算出する。

ステップＳＴ５２：
処理回路２５は、ステップＳＴ５１で算出した上記座標（ｃｉ１（１），ｃｉ２（１），ｃｉ３（１））〜（ｃｉ１（Ｕ），ｃｉ２（Ｕ），ｃｉ３（Ｕ））の各軸についての値を平均した代表座標（ｃｉ１（ａｖｅ），ｃｉ２（ａｖｅ），ｃｉ３（ａｖｅ））を計算する。

また、処理回路２５は、上記平均値の代わりに、以下に示すように計算される重付移動平均値を計算して用いてもよい。なお、ここで移動平均は、統計学にいう移動平均である。
処理回路２５は、重付移動平均値の計算において、予め決められた数（移動平均区間ｑ）の過去タイミングの座標値に所定の重み付けを付けて平均値を算出する。
処理回路２５は、例えば、重付移動平均区間ｑを「３」としたときの期間移動平均は、初めのｕ＝１，２，３のタイミング分のデータを使ったｕ＝３のタイミングでの移動平均（ｃｉ１（ｍａｖｅ,３），ｃｉ２（ｍａｖｅ,３），ｃｉ３（ｍａｖｅ,３））から計算可能となり、そこから逐次計算する。

例えば、処理回路２５は、Ｕ個のタイミングについて得られた座標を（ｃｉ１（１），ｃｉ２（１），ｃｉ３（1））, （ｃｉ１（2），ｃｉ２（2），ｃｉ３（2））〜（ｃｉ１（Ｕ），ｃｉ２（Ｕ），ｃｉ３（Ｕ））とし、例えば、ｕ＝１のタイミングの重みをｗ1＝０．１、ｕ＝２のタイミングの重みをｗ２＝０．２、ｕ＝３のタイミングの重みをｗ３＝０．５と最近に近づくに連れて重みを大きくし、重付移動平均値を計算する。

この場合、処理回路２５は、最初に生成可能なｕ＝３のタイミングの重付移動平均値（ｃｉ１（ｍａｖｅ,３），ｃｉ２（ｍａｖｅ,３），ｃｉ３（ｍａｖｅ,３））を、((ｗ1*（ｃｉ１（１），ｃｉ２（１），ｃｉ３（1））+(ｗ2*（ｃｉ１（2），ｃｉ２（2），ｃｉ３（2））+(ｗ3＊（ｃｉ１（3），ｃｉ２（3），ｃｉ３（3））/（ｗ1＋ｗ2＋ｗ3）によって計算する。
処理回路２５は、ｕ＝３のタイミング以降の重付移動平均値を、同様に、（ｃｉ１（ｍａｖｅ,4），ｃｉ２（ｍａｖｅ,4），ｃｉ３（ｍａｖｅ,4））以下をｗ1、ｗ2、ｗ3を使って移動しながら平均値を計算して、ｕ＝３〜Ｕの各々について計算する。
処理回路２５は、ｕ＝ｑ〜Ｕまでの重付移動平均値（ｃｉ１（ｍａｖｅ,ｕ），ｃｉ２（ｍａｖｅ,ｕ），ｃｉ３（ｍａｖｅ,ｕ））の各次元を平均し、それを代表座標（ｃｉ１（ａｖｅ），ｃｉ２（ａｖｅ），ｃｉ３（ａｖｅ））とする。

なお、処理回路２５は、重みをｗ1、ｗ2,,,ｗＷとした時の重付移動平均値を{waveｉ１，waveｉ２,waveｉ３}としたとき、{waveｉ１，waveｉ２,waveｉ３}＝Σ[i=該当範囲内で{ｃｉ１，ｃｉ２,ｃｉ３}]/Σ[i=該当範囲内で{wi}]として計算を行ってもよい。
また、処理回路２５は、重付移動平均値を重みの総和の平方で開きそれを乗じた数値で除算してもよい。すなわち、重みをｗ1、ｗ2,,,ｗWとした時の値は、{wｒaveｉ１，wｒaveｉ２,wｒaveｉ３}としたとき、{wｒaveｉ１，wｒaveｉ２,wｒaveｉ３}＝Σ[i=該当範囲内で{ｃｉ１，ｃｉ２,ｃｉ３}]/Σ[i=該当範囲内で{（wi）**(1/2)}]としてもよい。

ステップＳＴ６３：
処理回路２５は、上記計算した代表座標（ｃｉ１（ａｖｅ），ｃｉ２（ａｖｅ），ｃｉ３（ａｖｅ））を基に以下に示すように監視基準範囲（警戒限界）を計算する。
処理回路２５は、例えば、代表座標（ｃｉ１（ａｖｅ），ｃｉ２（ａｖｅ），ｃｉ３（ａｖｅ））から予め決められた距離に警戒限界を規定する。

なお、処理回路２５は、３次元空間の上記警戒限界を、重付移動平均値の平均値と重付移動平均値の分散共分散行列を求めて計算してもよい。
この場合には、処理回路２５は、重付移動平均値を（ｃｉ１（ｍａｖｅ，ｕ）, ｃｉ2（ｍａｖｅ，ｕ），ｃｉ3（ｍａｖｅ，ｕ））とすると、これは、ｕ＝ｑ〜Ｕまでの重付移動平均値の総和を求めてその個数（Ｕ−ｑ）で除算して計算する。
処理回路２５は、重付移動平均値の分散共分散行列Ｇを、下記式（１０）により計算する。

次に、処理回路２５は、警戒限界座標ＵＣＬを下記式（１１）により計算する。
下記式（１１）の右辺は、スカラーであり、座標系内の右辺の条件を満たす領域の座標がＵＣＬ(ｇｃｉ１, gｃｉ２, gｃｉ３)である。

αは、０．００３、０．０１、あるいは０．０５などの値である。
本実施形態では、ｒ＝３なので、下記表１４に示されている市販のカイ２乗分布表から、１２．８４が得られる。ここで、αの値をα１=０．００３、α1= ０．０１、あるいはα３=０．０５と変えたとき、それに対応して、カイ２乗値χ(α１)、χ(α２)、χ(α３)を定めることができる。αの値を適当に例えば０．０１と設定したとき、ＵＣＬ(ｇｃｉ１k,
gｃｉ２k, gｃｉ３k)＝χ(α＝０．０１)が成立する、
式（１０）と式（１１）による３次元の２次形式で表現された等高面の警戒限界を示す座標を形成することができる。

ステップＳＴ６４：
処理回路２５は、ステップＳＴ６３で規定した警戒限界を基に、異常性の判断を行う。
すなわち、処理回路２５は、任意のタイミングｕにおいて重付移動平均値（ｃｉ１（ｍａｖｅ，ｕ）, ｃｉ2（ｍａｖｅ，ｕ），ｃｉ3（ｍａｖｅ，ｕ））を計算した場合に、その座標値を、ＵＣＬ(ｇｃｉ１, gｃｉ２, gｃｉ３)に代入し、上記式（１１）の右辺の演算を行う。そして、処理回路２５は、その演算結果が12.84を超えていれば、“通常ではない”と判断する。この場合に、その判断が誤る確率は、0.5％以下となる。
ちなみに、上記警戒限界を示す座標は、2次元であれば楕円で示される等高線であり、新しい分析対象オブジェクトがこの警戒領域外側に落ちれば異常であると判定できる。

以上説明したように、本実施形態では、複数のタイミングで分析対象オブジェクトの座標を順次生成し、その経時変化を監視し、予め規定した警戒限界外に移動した場合に警告を発する。これにより、例えば、分析対象オブジェクトを企業名等とすることで、企業イメージが注意を要する状況になった場合等を簡単且つ迅速に知ることができる。
上述した第２実施形態は、ワームの発生条件を警戒限界として規定して、ワームの発生を警告するシステムに適用可能である。

＜第３実施形態＞
本実施形態では、処理回路２５は、基準対象のオブジェクトの座標をＹとした場合に、基準対象空間上の上記比較対象のオブジェクトの座標Ｘについて下記式（１２）の演算により計算する。処理回路２５は、メモリ２４からＹ，Ａ、Ｗａ１を読み出して式（１２）の計算を行い、その結果をメモリ２４に書き込む。当該計算は、例えば、図３に示すステップＳＴ３の後に行われる。

処理回路２５は、予めメモリ２４から行列データＡを読み出して上記式（１２）の式の重み付け行列Ｗａ１を下記式（１３）により計算し、これをメモリ２４に書き込む。

ここで、Ｗａ１はｍ行ｍ列の行列であり、ｄｉａｇ(「・」)は、「・」の対角要素のみを取り出して作られる対角行列で、対角以外はゼロの正方行列。「・」^1/2は、行列「・」の要素を全て平方に開いて作られる行列。「・」_tは行列「・」の転置行列。「・」^-1は、行列「・」の逆行列。また、Ｙはｒ行ｍ列の右特異行列データである。ＹｔはＹの転置行列である。
また、ここで比較対象のオブジェクトの座標をＸとした場合に、処理回路２５は、下記式（１４）により、比較対象（座標）空間での基準対象のオブジェクトの座標を計算する。このとき、処理回路２５は、メモリ２４からＡ，Ｗａ２およびＸを読み出して下記式（１４）の演算を行い、その結果をメモリ２４に書き込む。

ここで、Ｘは前述したｎ行ｒ列の左特異行列データである。
また、処理回路２５は、上記式（１４）の重み付け行列Ｗａ２を下記式（１５）により計算する。ここで、Ｘはｒ行ｍ列の行列である。ＸｔはＸの転置行列である。

また、本実施形態において、処理回路２５は、新たな分析対象オブジェクトに関する座標の計算を以下に示すように行う。
すなわち、処理回路２５は、分析対象のオブジェクトについての前記１行ｍ列の行列データＢ(ｂ１，ｂ２，．．．ｂｍ)と、上記右特異行列データＹと、重み付け行列Ｗｂとを用いて、下記式（１６）により、ｒ次元の前記第３の座標を示す１行ｒ列のベクトルＣを計算する。

Ｗｃは、上記行列データＢから求めるｍ行ｍ列の重み付行列（生成方法明示）で、下記式（１７）の行列データである。

本実施形態において、処理回路２５は、分析対象空間および基準対象空間の各々において、分析対象オブジェクトおよび基準対象オブジェクトの双方をマッピングする。
そのため、処理回路２５は、マッピングされた座標を基にオブジェクト相互間の関連度を特定する処理を行うことができる。

＜第４実施携形態＞
第４実施形態では、図３に示すステップＳＴ３の行列データＸ，Ｙを第１実施形態とは異なる手法で生成する。
図７は、本実施形態における図３に示すステップＳＴ３の行列データＸ，Ｙを生成する方法を説明するためのフローチャートである。
ステップＳＴ７１：
処理回路２５は、メモリ２４から、前述した比較対象行列データＡを読み出す。
ステップＳＴ７２：
処理回路２５は、基準基盤地図行列データ（右特異ベクトル）Ｙの初期値として、生成した乱数を設定する。

処理回路２５は、比較基盤地図行列データ（左特異ベクトル）の座標Ｘの計算「Ｘ＝Ａ＊Ｗａ１＊Ｙｔ」を、Ｙに初期値としてステップＳＴ７２で設定された乱数を用いて行う。
ここで、Ｙは前記ｒ行ｍ列の行列データ、ＹｔはＹを転置した行列データ、ｍ行ｍ列のＷａ１はＡから求める重み付行列、Ｘはｎ行ｒ列の行列データである、
また、Ｗａ１＝(diag(Ａ_t ^1/2*Ａ^1/2))^-1、または、Ｗａ１＝(diag(Ａ_t ^1/2*Ａ^1/2))^-1/2である。
ここで、ｄｉａｇ(「・」)は「・」の対角要素のみを取り出して作られる対角行列、対角以外はゼロの正方行列、「・」^1/2は行列「・」の要素を全て平方に開いて作られる行列、「・」_tは行列「・」の転置行列、「・」^-1は行列「・」の逆行列である

次に、処理回路２５は、上記計算で得られたＸを平均がゼロとなるように正規化し、さらに各軸が直交化するように変換し、それぞれの軸の分散が所定の定数となるように変換して新しく修正されたＸを生成する。

次に、処理回路２５は、比較対象空間上の基準対象のオブジェクトの座標Ｙの計算を「Ｙｔ＝Ａｔ＊Ｗａ２＊Ｘ」を基に行う。
そして、処理回路２５は、当該計算により得られた新しいＹを用いて「Ｘ＝Ａ＊Ｗａ１＊Ｙｔ」を基にＸを計算する。
そして、処理回路２５は、当該計算で得られたＸを平均がゼロとなるように正規化し、さらに各軸が直交化するように変換し、それぞれの軸の分散が所定の定数となるように変換して、新しく修正されたＸを生成する。

次に、処理回路２５は、上記計算により得られた新しいＸを用いて、比較対象空間上の前記基準対象のオブジェクトの座標Ｙの計算を「Ｙｔ＝Ａｔ＊Ｗａ２＊Ｘ」を基に行う。
ここで、ＹｔはＹを転置した行列データ、Ａｔは前記行列データＡの転置行列、ｎ行ｎ列のＷａ２はＡから求める重み付行列、ＸｔはＸの転置行列である。
また、Ｗａ２＝(diag(Ａ^1/2*Ａ_t ^1/2))^-1、または、Ｗａ２＝(diag(Ａ^1/2*Ａ_t ^1/2))^-1/2である。

次に、処理回路２５は、上記計算により得られた新しいＹを使ってＸの計算を「Ｘ＝Ａ＊Ｗａ１＊Ｙｔ」を基に行い、得られたＸを平均がゼロとなるように正規化し、さらに各軸が直交化するように変換し、それぞれの軸の分散が所定の定数となるように変換して、さらに新しく修正されたＸを生成する。
ステップＳＴ７４：
そして、処理回路２５は、ＸおよびＹの少なくとも一方が収束するまで、または、計算回数が十分になるまで前記計算を繰り返す。

処理回路２５は、終了条件を満たしたときのＸおよびＹの少なくとも一方を、それらの座標として決定する。

なお、上述した例では、Ｙの初期値として乱数を用いて最初にＸを生成した場合を例示したが、以下に示すように、Ｘの初期値として乱数を用いて最初にＹを生成してもよい。
すなわち、処理回路２５は、比較対象空間上の基準対象のオブジェクトの座標Ｙの計算を「Ｙｔ＝Ａｔ＊Ｗａ２＊Ｘ」をＸの初期値に乱数を与えて計算し、得られたＹを平均がゼロとなるように正規化し、さらに各軸が直交化するように変換し、それぞれの軸の分散が所定の定数となるように変換して、新しく修正されたＹを生成する。

次に、処理回路２５は、上記基準対象空間上の比較対象のオブジェクトの座標Ｘの計算を「Ｘ＝Ａ＊Ｗａ１＊Ｙｔ」を基に行い、当該計算で得られたＸを平均がゼロとなるように正規化し、さらに各軸が直交化するように変換し、それぞれの軸の分散が所定の定数となるように変換して、新しく修正されたＸを生成する。
そして、処理回路２５は、当該生成した新しいＸを使って「Ｙｔ＝Ａｔ＊Ｗａ２＊Ｘ」を基にＹを計算し、当該計算で得られたＹを平均がゼロとなるように正規化し、さらに各軸が直交化するように変換し、それぞれの軸の分散が所定の定数となるように変換して、新しく修正されたＹを生成する。

次に、処理回路２５は、上記基準対象空間上の前記比較対象のオブジェクトの座標Ｘの計算を「Ｘ＝Ａ＊Ｗａ１＊Ｙｔ」を基に行う。
そして、処理回路２５は、上記計算により、さらに再び得られた新しいＸを使って「Ｙｔ＝Ａｔ＊Ｗａ２＊Ｘ」を基にＹを計算し、得られたＹを平均がゼロとなるように正規化し、さらに各軸が直交化するように変換し、それぞれの軸の分散が所定の定数となるように変換して、さらに新しく修正されたＹを生成する。
そして、処理回路２５は、ＸおよびＹの少なくとも一方が収束するまで、または、計算回数が十分になるまで前記計算を繰り返してＸおよびＹの少なくとも一方を得る。

第４実施形態で説明した上記イタレーションは、行列Ｘを行列Ｙの重み付平均で近似し、行列デ得られたＸを正規化し直交化基準化し、得られた新しいXでまた逆にＹを重み付平均化してゆくために、ＸとＹのベクトル間の距離(ノルム)を評価関数としたときその値を小さくする方向、つまり評価関数の微係数がゼロになるように暫時変更してゆくことになるので、基準対象オブジェクトに対し似たベクトルを構成する比較対象オブジェクトは、各軸上の近くに座標を得ることができ、また逆に比較対象オブジェクトに対して似たベクトルとなる基準ベクトルも近くに座標を得ることができる。

なお、上述した例では、処理回路２５は、基準対象空間上の上記比較対象のオブジェクトの座標、並びに比較対象空間での基準対象のオブジェクトの座標を計算する場合を例示したが、処理回路２５は、基準対象空間上の代表点を比較対象空間上にマッピングしたり、比較対象空間上の代表点を基準対象空間上にマッピングしてもよい。

上述した第３実施形態では、下記［１］の場合を例示したが、本発明は、下記［２］，［３］，［４］の場合でもよい。
［１］：上記式（１）により、ＡからＸとＹの計算をし、これらに関するＸベースかＹベースの空間を規定し、そこに、分析対象のオブジェクトと、その他に基準対象のオブジェクト、またはそれらの代表値かそれらの代表領域の内1種をマッピング（座標計算）する。（この場合、Ａには、異なる時点を含んだデータである場合も含み、代表領域には、安定領域も含む）
［２］：ＡからＸとＹの計算をし、これらに関するＸベースかＹベースの空間を造り、そこに、新たな分析対象オブジェクトに関するデータを得てそれをマッピング（座標計算）する。
［３］：ＡからＸとＹの計算をし、これらに関するＸベースかＹベースの空間を造り、そこに、時系列的に採った分析対象オブジェクトをマッピング（座標計算）し、モニタリングする。この場合、空間上の代表領域は、分析対象オブジェクトを移動平均やマハラノビスの距離などを使って、通常状態であればその多次元空間上で一定確率で出現することが判っている判定領域）を設定しておくことが必要。
［４］：ワームの出現監視などのようなシステムで、［３］と基本は同じだが、例示が単純な言葉ではなく、複数のカテゴリーを所有する複数のアイテムからなる属性オブジェクトを持つ。

本発明は上述した実施形態には限定されない。
すなわち、当業者は、本発明の技術的範囲またはその均等の範囲内において、上述した実施形態の構成要素に関し、様々な変更、コンビネーション、サブコンビネーション、並びに代替を行ってもよい。
例えば、上述した実施形態では、図３に示すステップＳＴ１〜ＳＴ８で生成した座標に対応した画像をディスプレイ２２に表示する場合を例示したが、これらの座標を基に各オブジェクトの近似度や変化の結果を座標上への画像表示以外の方法で出力してもよい。

また、上述した実施形態では、図２に示す処理回路２５がプログラムＰＲＧを実行することで図３〜図７に示す各ステップを実行する場合を例示したが、これらのステップで規定した処理を電子回路等のハードウェアで実現してもよい。

以下、本実施形態の分析装置１０が発明された背景技術を説明する。
社会情報の特徴診断法、システム、プログラム：
従来、Ｗｅｂやメデイアでの評判やその社会的な特徴の認識の状態を調べるのに、内容に関する分析は、人が読んで判断することが多かった。
また自動的に処理する場合でも、Ｗｅｂに出現する単独な言葉の頻度分布が他の通常のＷｅｂ上に出現する単独の言葉の出現頻度分布との違いによる特徴などから、それらの言葉を抽出することが考えられる。
従来の技術では、ある論文又は記事の要約を作ることを目的に特徴を示す言葉を抽出する技術を開発している。それは参照基準となる論文を多数集め、その単独な言葉の分布に照らし当該論文の単独な言葉の分布を比較することによって、当該論文の特徴を抽出するものである。このような方法を援用することが考えられる。
しかし、このような方法では抽出されたこれらの言葉の相互間の構造的な意味を解析空間上に表示することが出来ず、これらの言葉を相互に関連付けて評判の文脈を理解することは難しいという問題点があった。特に言葉の持つ意味や文脈の変化の特徴や変化の方向性を理解するのは極めて困難であった。また、ある１つの単独なWebの分析には適用できるが、集団を扱う方法は、確立されていなかった。

本発明は、第１と第２の２つのオブジェクトの集合からなる言葉や記号群を設定し、それらの組み合わせの出現頻度や相互関係を示す多次元データを得て、そのデータを圧縮処理して少数次元の“基準空間地図”を設定する。
また、“基準空間地図”上に、第1の集合及びまたは第２の集合のいずれかもしくは双方のメンバーと、その集合のいずれかもしくは双方のメンバーに複数の“属性を示す表示指標”のうち複数の種類の記号を基盤地図にマップし、“意味空間地図”を構成する。
そこに第２のグループと同類の関心の対象である第３のオブジェクトと、第１の集合の言葉や記号の一部または全てを基準のオブジェクトセットとして、それらの組み合わせてその出現頻度や相互関係を示す多次元データを得て、基準のオブジェクトセットの全てまたは一部を媒介にして“意味空間地図”上に第３のグループをマッピングし、“解析空間地図”を構成する。

例えば、第１のオブジェクト・セットは、人間の心の動きを示す形容詞や副詞などの修飾語であり、第２のオブジェクト・セットは、社会的で自律的、主体的に動く主語となる名詞で、第3のオブジェクト・セットは、評判に関心がある企業や団体やその機関に関連するステークホルダ、製品、サービス、成果、固有名詞等のビジネスに関連のある普通名詞である。
第１のオブジェクト・セットと第２のオブジェクト・セットの各メンバーの関係を情報圧縮した３次元空間に布置して“基盤空間地図”を構成することで、基準として第1のオブジェクトを修飾語とし、また第２のオブジェクトをメタファー(暗喩)とし、第３の個々または全体のオブジェクトセットの特徴をそれらの位置関係から解釈することが容易になる。
それに加えて第１の集合となる形容詞や副詞には、感情的な表現を示す言葉や、合理的な心理状態を表現する言葉などのメンバーを区分する複数の属性があり、第２の集合の主語となる名詞にも、個人的な人間的な主体語や、組織的な機関的な主体語などのメンバーを区分する複数の属性があり、それらの属性を代表する表示指標を持っている。これらの属性の表示指標を“基盤空間地図”上に示すことによって、“意味空間地図”を構成し、そこに布置された第３の個々または全体のオブジェクトの位置の意味を解釈しやすくできる。

さらに加えて、第３のオブジェクトとしてある企業の記号と、基準となる第1のオブジェクトセットを組み合わせてそれらの関係を示すデータを得て、第３のオブジェクトやその表示指標などを、意味空間上にマップして解析用空間地図を構成し、第３のオブジェクトの位置づけを解釈し、第３のオブジェクトの解析を行うことで、今までの問題点を解決する。
この方法は、関心のあるオブジェクトが社会的に認識されている状況を視覚的に理解することも助ける。

本実施形態のシステムは、異常オブジェクトの発生診断法、システム、プログラムとして適用可能である。
ＩＴ化の進展によって社会の利便性が進展している。一般の企業に実ならず公共性の高い銀行などの決済業務、さらにライフラインを司る公共サービス諸機関や、ｅ−ガバメント構想も進められ、社会生活から政治に至るまで、ＩＴ依存性を高めている。
一方、ＩＴ化によるリスクやそれに伴う社会の脆弱性も増大している。既にスパムの増殖現象がネットワークのボトルネックを生じさせトラフィックをささえるインフラの負担を増大させている。また、パソコンの普及とインターネットの増殖によって分散性が高まる一方結合性も高まり、特定のインシデンスがネットワーク社会で急速に増殖して津波のような被害をもたらす可能性がある。さらに例えばワーム等により人為的にあるキーとなるレイヤーに集中的に攻撃が行われたとき、社会的責任がある機関の機能を損壊させるリスクも高まっている。これらの事が重なると通信のみでなく、放送や場合によると送配電や給排水などのライフラインへの障害も来たしかねない。具体的にはインシデンスの発生したネットワークレイヤー、発生場所、ワームの種類等の複数のカテゴリーのアトリビュートを多次元で同時に処理することによってより感度が高くかつ、安定な異常性の検出が可能になる。このようなワームによるインシデンス対策においても従来は発生件数の急激な増大という単純な計量的な側面の変化だけをモニタリングしており、定量的な側面と定性的な側面を同時に扱い、その症状を診断し、適切な対処法に結びつく効果的な方法は、取り扱われていなかった。

また、クレジットカード、デビットカード、ポイントカード、更にＰＯＳ等の普及によってカスタマーの購買行動に関する多次元なアトリビュートを持った購入者や製品サービスや購入状況に関するデータから、特徴的な意味を持った、または異常な購買行動の検出が可能となる。
また、高度化する生産ラインや検査工程の多様な属性と、多様なアトリビュートを持った製品や検査データから、製品や工程の異常性への検出への応用も考えられる。
このような時々刻々リアルタイムで異常や有徴現象の生起の有無をモニタリングすることへのニーズが、ますます高まっている。

Ｗｅｂ上での風評などの突発的な動きを、時系列的変化としてモニタリングして、社会情報の“異常性の生起の有無”を知りたいとするニーズに対して、従来はWeb上に出現する記事を調べ、これをポジテブな言葉/ネガテイブな言葉の辞書を作ってつき合わせ、その出現件数でポジテブな記事とネガテイブな記事の出現頻度を分析している。
しかし、それが誰にとっての判断かは、極めて解釈が難しいという問題があった。例えばＡ社とＢ社が特許やＭ＆Ａで争っており、その社会的反響があるとき、関連のネガテブな記事の件数がA社で引いても、B社で引いても多かったとして、どちらにとってネガテブな記事が多いかは、不明である。それは、その記事に両者の名前がほぼ等しく現れるからである。
核燃料開発機構は、ボールベアリングなどの器機の異常状態をモニタリングするためた地点の振動周波数別などの定性的な多数の属性を持つ多次元データを採取して、過去の異常値データに照らして、その異常性の判定を行うことを発明している。(特許第３１０８４０５号)
しかし、これは、測定されたある時点の騒音というスペクトルを持ったオブジェクトの異常性の診断を、本来各種の異常パターンが予定され、その幾つかの複数の種類の参照基準となるデータセットが事前に測定されその分布状態の情報が用意されていて、それらと比較することが前提となっている。事前に複数の種類の教師データがあり、そのどのケースに該当するか、つまり判っている病気の種類が予め決まっていて、そのどれに当たるかを診断することに限られている。またはこの発明は、器機等のハードウエアーの異常診断のためのものである。

本実施形態のシステムは、“教師データが無し”でも、関心のあるオブジェクトが時系列的に異常に変化をする状況を監視し、その変化の方向を理解することを助ける。また、上記特許のような器機のオペレーションの状態ではなく、情報に関係した異常性のモニタリングに関するものである。
例えば、基準となる第１と第２の２つのオブジェクトからなる記号群を設定し、それらの記号を組み合わせて、安定期にそれらの出現頻度を採取して、“基準空間地図”を設定し、また、第1の集合及びまたは第2の集合のいずれかもしくはどちらかに、その集合のメンバーに複数の“属性を示す表示指標”を付して、基盤地図にマップし“意味空間地図”を構成する。

加えて、第３グループを、基準となる第１のグループの記号を組み合わせて、複数時点、時系列的に検索して、その出現頻度と、出現パターンを“意味空間地図”上にマッピングし、“安定性の判定の基準ゾーン”を持った解析空間地図を得て、これにより“監視用空間地図”を構成する。
これに、逐次新たな時点の第３のオブジェクトを基準となる第１のオブジェクトと組み合わせてデータを得て、逐次マッピングし、“安定性の判定の基準ゾーン”に照らしてモニタリングを行うことで、問題点を解決する。
この方法は、関心のあるオブジェクトが時系列で変化をする状況を視覚的に理解することも助ける。

本発明は、ネットワーク上に公開されている情報を基に所定の分析対象について分析する場合や、ワームの急激な発生の診断、さらに企業ブランドの診断やモニタリング等に適用可能である。

図１は、本発明の実施形態に係わる通信システムの構成図である。 図２は、図１に示す分析装置の構成図である。 図３は、図２に示す分析装置の動作例を説明するためのフローチャートである。 図４は、図３に示すステップＳＴ３を説明するためのフローチャートである。 図５は、図４に示すステップＳＴ２６を説明するためのフローチャートである。 図６は、本発明の第２実施形態を説明するためのフローチャートである。 図７は、本発明の第４実施形態を説明するためのフローチャートである。

符号の説明

１…通信システム
４…情報提供サーバ
６…検索サーバ
９…ネットワーク
２０…データ線
２１…インタフェース
２２…ディスプレイ
２３操作部
２４…メモリ
２５…処理回路
ＳＴＯＣＤ…基準対象オブジェクト分類データ
ＲＴＯＣＤ…比較対象オブジェクト分類データ
Ａ１…比較対象行列データ
Ｙ…基準基盤地図行列データ（右特異ベクトル）
Ｘ…比較基盤地図行列データ（左特異ベクトル）
ＳＰ…基準代表座標行列データ
ＲＰ…比較代表座標行列データ
ＡＴＯＣＤ…分析基準対象オブジェクト分類データ
Ｂ…分析対象行列データ
Ｃ…分析対象座標行列データ

Claims (17)

1. ｎ（≧２）個の比較対象のオブジェクトの各々についてｍ（≧２）個の基準対象のオブジェクトに関する接続関係を示す指標値を規定したｎ行ｍ列の行列データを基に、前記ｍ個の基準対象のオブジェクトの各々について、当該基準対象のオブジェクトに関する前記ｎ個の比較対象のオブジェクトとの接続関係を示す長さｎの指標値ベクトルの近似度が高まるに従って座標系内で近い位置に配置されるように、ｒ次元の第１の座標を計算し、前記ｎ行ｍ列の行列データを基に、前記ｎ個の比較対象のオブジェクトが当該比較対象のオブジェクトに関しての前記ｍ個の基準対象のオブジェクトとの長さｍの指標値ベクトルの近似度が高まるに従って座標系内に近い位置に配置されるように、前記ｎ個の比較対象のオブジェクトの各々についてｒ次元の第２の座標を計算する第１の工程
   をコンピュータが実行するデータ処理方法。
2. 分析対象のオブジェクトについて前記ｍ個の基準対象のオブジェクトに関して取得した接続関係を示す指標値を示す１行ｍ列のデータと、前記第１の工程で計算した前記第１の座標とを基に、前記分析対象のオブジェクトについてのｒ次元の第３の座標を計算する第２の工程
   をさらに前記コンピュータが実行するデータ処理方法。
3. 座標系内の前記第１の工程で計算した前記第１の座標および前記２の座標の少なくとも一方と、前記第２の工程で計算した前記第３の座標の画像を表示する第３の工程
   をさらに前記コンピュータが実行する請求項２に記載のデータ処理方法。
4. 前記ｍ個の基準対象のオブジェクトが分類される分類項目を示す分類データと、前記第１の工程で計算した前記１の座標とを基に、前記分類項目の各々についてのｒ次元の代表値を示す第４の座標を計算する第４の工程
   をさらに前記コンピュータが実行し、
   前記第３の工程は、前記座標系内の前記第４の工程で計算した前記第４の座標に画像を表示する
   請求項１〜３のいずれかに記載のデータ処理方法。
5. 前記ｎ個の比較対象のオブジェクトが分類される分類項目を示す分類データと、前記第１の工程で計算した前記２の座標とを基に、前記分類項目の各々についてのｒ次元の代表値を示す第５の座標を計算する第５の工程
   をさらに前記コンピュータが実行し、
   前記第３の工程は、前記座標系内の前記第５の工程で計算した前記第５の座標に画像を表示する
   請求項１〜４のいずれかに記載のデータ処理方法。
6. 前記第１の工程は、
   Ａを、前記ｎ行ｍ列の行列データとし、
   Ｘを、前記ｎ個の比較対象のオブジェクトの各々についてのｒ次元の前記第２の座標を示すｎ行ｒ列の行列データである左特異行列とし、
   Ｙを、前記ｍ個の基準対象のオブジェクトの各々についてのｒ次元の前記第１の座標を示すｒ行ｍ列の行列データである右特異行列とし、
   λを、前記行列データＡの特異値を大きさの大きな順番で並べて構成されたｒ行ｒ列の対角行列とし、
   ｒを、２以上で特異値が全て正となる任意の値とし、
   Ａ＝Ｘ・λ・Ｙ
   を基に、前記左特異行列および右特異行列を計算する
   請求項１〜５のいずれかに記載のデータ処理方法。
7. 前記第２の工程は、前記分析対象のオブジェクトについての前記１行ｍ列のベクトルからなる行列データＢと、前記右特異行列データＹと、行列データＷｂとを用いて、下記式により、前記基準対象のオブジェクトの座標をベースとした基準対象空間におけるｒ次元の前記第３の座標を示す１行ｒ列のベクトルＣを計算する
   請求項２に記載のデータ処理方法。
   Ｃ＝Ｂ＊Ｗｂ＊Ｙｔ
   Ｗｂは、Ｂから求めるｍ行ｍ列の重み付行列、
   Ｙｔは、右特異行列Ｙを転置したｍ行ｒ列の行列データ
   ここで、Ｗb=(diag(Bt^1/2*B^1/2))^-1、または、Ｗb＝(diag(Bt^1/2*B^1/2))^-1/2、である。
   ｄｉａｇ(「・」)は、「・」の対角要素のみを取り出して作られる対角行列で、対角以外はゼロの正方行列。「・」^1/2は、行列「・」の要素を全て平方に開いて作られる行列。［・］^-1/2は、［・］の要素を平方で開いてその逆数で構成される行列、「・」^-1は、行列「・」の逆行列。「・」tは行列「・」の転置行列。
8. 複数の異なるタイミングで前記分析対象オブジェクトについて取得した１行ｍ列のベクトルからなるデータを基に、前記第３の座標の平均的な座標である代表座標を計算し、当該代表座標を基準として前記座標系内に監視基準範囲を示す第６の座標を決定する第６の工程と、
   前記第６の工程の後に、新たに取得した前記１行ｎ列のデータを用いて前記第３の工程で計算した前記第３の座標が、前記第６の工程で決定した前記監視基準範囲外になった場合に判定処理を行う第７の工程と
   をさらに前記コンピュータが実行する請求項１〜７いずれかに記載のデータ処理方法。
9. 前記基準対象のオブジェクトの座標をベースとした基準対象空間における前記分析対象のオブジェクトの座標を計算する処理、または前記比較対象のオブジェクトの座標をベースとした比較対象空間における前記基準対象のオブジェクトの座標を計算する処理を行う第８の工程
   をさらに前記コンピュータが実行する
   請求項1〜８のいずれかに記載のデータ処理方法。
10. 前記第１の工程は、
    前記基準対象空間上の前記比較対象のオブジェクトの座標Ｘの計算「Ｘ＝Ａ＊Ｗａ１＊Ｙｔ」をＹに初期値として乱数を与えて行い、当該計算で得られたＸを平均が所定の値となるように正規化し、さらに各軸が直交化するように変換し、それぞれの軸の分散が所定の定数となるように変換して新しく修正されたＸを得て、
    前記比較対象空間上の前記基準対象のオブジェクトの座標Ｙの計算を「Ｙｔ＝Ａｔ＊Ｗａ２＊Ｘ」を基に行い、
    当該計算により得られた新しいＹを用いて「Ｘ＝Ａ＊Ｗａ１＊Ｙｔ」を基にＸを計算し、得られたＸを平均がゼロとなるように正規化し、さらに各軸が直交化するように変換し、それぞれの軸の分散が所定の定数となるように変換して、新しく修正されたＸを得て、
    当該計算により得られた新しいＸを用いて、比較対象空間上の前記基準対象のオブジェクトの座標Ｙの計算を「Ｙｔ＝Ａｔ＊Ｗａ２＊Ｘ」を基に行い、
    当該計算により得られた新しいＹを使ってＸの計算を「Ｘ＝Ａ＊Ｗａ１＊Ｙｔ」を基に行い、得られたＸを平均が所定の値となるように正規化し、さらに各軸が直交化するように変換し、それぞれの軸の分散が所定の定数となるように変換して、さらに新しく修正されたＸを得て、
    ＸおよびＹの少なくとも一方が収束するまで、または、計算回数が十分になるまで前記計算を繰り返してＸおよびＹの少なくとも一方を得る、
    ここで、Ｙは前記ｒ行ｍ列の行列データ、ＹｔはＹを転置した行列データ、Ａｔは前記行列データＡの転置行列、ｍ行ｍ列のＷａ１およびｎ行ｎ列のＷａ２は各々Ａから求める重み付行列、Ｘはｎ行ｒ列の行列データ、ＸｔはＸの転置行列である、
    Ｗａ１＝(diag(Ａ_t ^1/2*Ａ^1/2))^-1、または、Ｗａ１＝(diag(Ａ_t ^1/2*Ａ^1/2))^-1/2、
    Ｗａ２＝(diag(Ａ^1/2*Ａ_t ^1/2))^-1、または、Ｗａ２＝(diag(Ａ^1/2*Ａ_t ^1/2))^-1/2、
    であり、
    ｄｉａｇ(「・」)は「・」の対角要素のみを取り出して作られる対角行列、対角以外はゼロの正方行列、「・」^1/2は行列「・」の要素を全て平方に開いて作られる行列、「・」_tは行列「・」の転置行列、「・」^-1は行列「・」の逆行列である
    請求項１〜９のいずれかに記載のデータ処理方法。
11. 前記第1の工程は、
    前記比較対象空間上の前記基準対象のオブジェクトの座標Ｙの計算を「Ｙｔ＝Ａｔ＊Ｗａ２＊Ｘ」をＸの初期値に乱数を与えて計算し、得られたＹを平均が所定の値となるように正規化し、さらに各軸が直交化するように変換し、それぞれの軸の分散が所定の定数となるように変換して、新しく修正されたＹを得て、
    前記基準対象空間上の前記比較対象のオブジェクトの座標Ｘの計算を「Ｘ＝Ａ＊Ｗａ１＊Ｙｔ」を基に行い、当該計算で得られたＸを平均がゼロとなるように正規化し、さらに各軸が直交化するように変換し、それぞれの軸の分散が所定の定数となるように変換して、新しく修正されたＸを得て、
    当該得られた新しいＸを使って「Ｙｔ＝Ａｔ＊Ｗａ２＊Ｘ」を基にＹを計算し、新しく修正されたＹを得て、
    前記基準対象空間上の前記比較対象のオブジェクトの座標Ｘの計算を「Ｘ＝Ａ＊Ｗａ１＊Ｙｔ」を基に行い、
    さらに再び得られた新しいＸを使って「Ｙｔ＝Ａｔ＊Ｗａ２＊Ｘ」を基にＹを計算し、得られたＹを平均が所定の値となるように正規化し、さらに各軸が直交化するように変換し、それぞれの軸の分散が所定の定数となるように変換して、さらに新しく修正されたＹを得て、
    ＸおよびＹの少なくとも一方が収束するまで、または、計算回数が十分になるまで前記計算を繰り返してＸおよびＹの少なくとも一方を得る、
    ここで、Ｙは前記ｒ行ｍ列の行列データ、ＹｔはＹを転置した行列データ、Ａｔは前記行列データＡの転置行列、ｍ行ｍ列のＷａ１およびｎ行ｎ列のＷａ２は各々Ａから求める重み付行列、Ｘはｎ行ｒ列の行列データ、ＸｔはＸの転置行列である、
    Ｗａ１＝(diag(Ａ_t ^1/2*Ａ^1/2))^-1、または、Ｗａ１＝(diag(Ａ_t ^1/2*Ａ^1/2))^-1/2、
    Ｗａ２＝(diag(Ａ^1/2*Ａ_t ^1/2))^-1、または、Ｗａ２＝(diag(Ａ^1/2*Ａ_t ^1/2))^-1/2、
    であり、
    ｄｉａｇ(「・」)は「・」の対角要素のみを取り出して作られる対角行列、対角以外はゼロの正方行列、「・」^1/2は行列「・」の要素を全て平方に開いて作られる行列、「・」_tは行列「・」の転置行列、「・」^-1は行列「・」の逆行列である
    請求項１〜９のいずれかに記載のデータ処理方法。
12. 前記比較対象のオブジェクトは名詞を含み、前記基準対象のオブジェクトは形容詞を含みそれらのオブジェクト間の接続の強さを表す行列データを直交する数次元空間に配置し、そこに前記分析のオブジェクトは企業や商品名を含んだオブジェクトと前記比較対象あるいは基準対象のオブジェクトとの接続強度を示すデータを得て前記数次元の空間にマップする方法であって、
    前記分析対象のオブジェクトもしくはその代表値の前記数次元の空間上のポジションを時系列によって変化する動きを表現し、もしくは警戒限界を設定してモニタリングをする
    前記請求項２〜１１のいずれかにデータ処理方法。
13. 前記比較対象のオブジェクトは購入または決済に関するトランザクション・イベントの単位記録もしくは購入者もしくは決裁者を区別する記録を含み、前記基準対象のオブジェクトはトランザクション・イベントの対象となった購入アイテムまたは決済に関するトランザクション・イベントもしくは購入者もしくは決裁者の属性を含みそれらのオブジェクト間の接続の強さを表す行列データを直交する数次元空間に配置し、そこに前記分析対象のオブジェクトはトランザクションに関わった購入者または決裁者を含み、前記基準対象のオブジェクトとの接続強度を示すデータを得て前記数次元の空間にマップする方法であって、
    前記分析対象のオブジェクトもしくはその代表値の前記数次元の空間上のポジションを時系列によって変化する動きを表現し、もしくは警戒限界を設定してモニタリングをする
    前記請求項２〜１１のいずれかに記載のデータ処理方法。
14. 前記比較対象のオブジェクトは発生が検知されたインターネット上のワームの発生に関する発生のイベントを区別する記録を含み、前記基準対象のオブジェクトは前記比較対象のオブジェクトの属性を含みそれらのオブジェクト間の接続の強さを表す行列データを所定数のタイミング以上採取し、それらを直交する数次元空間に配置しその分布から警戒範囲を設定し、そこに前記分析対象のオブジェクトはインターネット上に発生するワームの発生に関する発生のイベントを区別する記録をオブジェクトとして前記基準対象のオブジェクトとの接続強度を示すデータを得て、
    前記分析対象のオブジェクトもしくはその代表値の前記数次元の空間上のポジションを時系列によって変化する動きを表現し、警戒限界を持って異常が発生したかをモニタリングをする
    前記請求項２〜１１のいずれかに記載のデータ処理方法。
15. ｎ（≧２）個の比較対象のオブジェクトの各々についてｍ（≧２）個の基準対象のオブジェクトに関する接続関係を示す指標値を規定したｎ行ｍ列の行列データを記憶するメモリと、
    前記メモリから読み出した前記行列データを基に処理を行う処理回路と
    を有し、
    前記処理回路は、
    前記行列データを基に、前記ジェクトの各々について、当該基準対象のオブジェクトに関する前記ｎ個の比較対象のオブジェクトとの接続関係を示す長さｎの指標値ベクトルの近似度が高まるに従って座標系内で近い位置に配置されるように、ｒ次元の第１の座標を計算し、前記ｎ行ｍ列の行列データを基に、前記ｎ個の比較対象のオブジェクトが当該比較対象のオブジェクトに関しての前記ｍ個の基準対象のオブジェクトとの長さｍの指標値ベクトルの近似度が高まるに従って座標系内に近い位置に配置されるように、前記ｎ個の比較対象のオブジェクトの各々についてｒ次元の第２の座標を計算し、
    分析対象のオブジェクトについて前記ｍ個の基準対象のオブジェクトに関して取得した接続関係を示す指標値を示す１行ｍ列のデータと、前記計算した前記第１の座標とを基に、前記分析対象のオブジェクトについてのｒ次元の第３の座標を計算し、
    座標系内の前記計算した前記第１の座標および前記２の座標の少なくとも一方と、前記計算した前記第３の座標の画像を表示し、
    前記ｍ個の基準対象のオブジェクトが分類される分類項目を示す分類データと、前記計算した前記１の座標とを基に、前記分類項目の各々についてのｒ次元の代表値を示す第４の座標を計算し、当該第４の座標に画像を表示し、
    前記ｎ個の比較対象のオブジェクトが分類される分類項目を示す分類データと、前記計算した前記２の座標とを基に、前記分類項目の各々についてのｒ次元の代表値を示す第５の座標を計算し、当該第５の座標に画像を表示し、
    複数の異なるタイミングで前記分析対象オブジェクトについて取得した１行ｍ列のデータを基に、前記第３の座標の平均的な座標である代表座標を計算し、当該代表座標を基準として前記座標系内に監視基準を示す第６の座標を決定を行う
    データ処理装置。
16. ｎ（≧２）個の比較対象のオブジェクトの各々についてｍ（≧２）個の基準対象のオブジェクトに関する接続関係を示す指標値を規定したｎ行ｍ列の行列データを基に、前記ｍ個の基準対象のオブジェクトの各々について、当該基準対象のオブジェクトに関する前記ｎ個の比較対象のオブジェクトとの接続関係を示す長さｎの指標値ベクトルの近似度が高まるに従って座標系内で近い位置に配置されるように、ｒ次元の第１の座標を計算し、前記ｎ行ｍ列の行列データを基に、前記ｎ個の比較対象のオブジェクトが当該比較対象のオブジェクトに関しての前記ｍ個の基準対象のオブジェクトとの長さｍの指標値ベクトルの近似度が高まるに従って座標系内に近い位置に配置されるように、前記ｎ個の比較対象のオブジェクトの各々についてｒ次元の第２の座標を計算する第１の手順と、
    分析対象のオブジェクトについて前記ｍ個の基準対象のオブジェクトに関して取得した接続関係を示す指標値を示す１行ｍ列のデータと、前記第１の手順で計算した前記第１の座標とを基に、前記分析対象のオブジェクトについてのｒ次元の第３の座標を計算する第２の手順と、
    座標系内の前記第１の手順で計算した前記第１の座標および前記２の座標の少なくとも一方と、前記第３の手順で計算した前記第３の座標の画像を表示する第３の手順と、
    前記ｍ個の基準対象のオブジェクトが分類される分類項目を示す分類データと、前記第１の手順で計算した前記１の座標とを基に、前記分類項目の各々についてのｒ次元の代表値を示す第４の座標を計算する第４の手順と、
    前記ｎ個の比較対象のオブジェクトが分類される分類項目を示す分類データと、前記第１の手順で計算した前記２の座標とを基に、前記分類項目の各々についてのｒ次元の代表値を示す第５の座標を計算する第５の手順と、
    複数の異なるタイミングで前記分析対象オブジェクトについて取得した１行ｍ列のデータを基に、前記第３の座標の平均的な座標である代表座標を計算し、当該代表座標を基準として前記座標系内に監視基準を示す第６の座標を決定する第６の手順と
    を有し、
    前記第３の手順は、前記座標系内の前記第４の手順で計算した前記第４の座標に画像と、前記座標系内の前記第５の手順で計算した前記第５の座標に画像とを表示する
    処理をコンピュータに実行させるプログラム。
17. 前記請求項１６のプログラムをコンピュータが実行して生成した画像データを記録する記録媒体。