JP2017085417A - データ評価装置、データ評価方法、及びプログラム - Google Patents

Abstract

【課題】データソースから得られたデータの信頼性を、データの属性に係る特性を考慮して評価する。【解決手段】データ評価装置において、異なるデータソースから得られた第１のデータと第２のデータであって、重複する属性を有する第１のデータと第２のデータを入力する入力手段と、前記属性に基づいて、前記第１のデータと前記第２のデータのそれぞれを、複数の区間に分割し、前記第１のデータと前記第２のデータにおける同じ区間のデータ間での相関係数を算出する算出手段と、前記複数の区間における区間毎に得られた相関係数の中で、所定の条件を満たす相関係数を決定し、当該相関係数に対応する区間を選択し、当該区間を示す情報を出力する評価手段とを備える。【選択図】図２

Description

本発明は、複数のデータソースから取得されるデータの信頼性を評価し、向上させる技術に関連するものである。

ネットワークにおける品質情報（例：スループット）は、様々な方法で取得できる。例えば、ネットワークの内部の通信装置に測定器を接続し、当該測定器による測定結果として品質情報を取得できる。また、例えば、外部の調査機関による通信速度の実測結果等を品質情報として取得することもできる。

上記のように、各種の情報源（これをデータソースと呼ぶ）から品質情報（これをデータと呼ぶ）を取得することが可能である。

特開２００８−３１１７２０号公報

しかしながら、全てのデータソースから得られたデータが信頼できるものであるとは限らない。従って、データソースから得られたデータが信頼できるものであるかどうかをチェックする必要がある。例えば、データの信頼性チェックのために、複数のデータソースから得られたデータ同士を比較して、データ間の相関値が高ければ、いずれのデータも信頼性があると判断し、テータ間の相関値が低ければ、少なくともどちらかのデータは信頼できないと判断することが考えられる。

また、品質情報等のデータは、一般に時系列データとして得られるが、当該時系列データにおける全時刻のデータが信頼できるデータであるとは限らず、例えば、特定の時間帯のデータのみが信頼できるデータである場合がある。一例として、夜間などネットワークが混雑している時間帯では、品質情報を安定して計測できないことが多く、信頼できる品質情報が得られるとは限らない。逆に、ネットワークがそれほど混雑していない特定の時間帯では、信頼できるネットワークの品質情報を取得できることが期待できる。

従って、例えば、データの信頼性チェックのために、複数のデータソースから得られた生のデータ同士を比較した場合には相関が低くても、特定の時間帯で見てみると相関が高い場合が生じることが考えられる。しかしながら、このような時系列データの特性を考慮して、データの信頼性を評価することができる従来技術はなかった。

なお、時系列のデータに付随する時刻は、当該データの属性の１つである。上記のような問題は、データの属性が時刻であるデータに限らずに生じ得る問題である。

本発明は上記の点に鑑みてなされたものであり、あるデータソースから得られたデータの信頼性を、データの属性に係る特性を考慮して評価することを可能とする技術を提供することを目的とする。

本発明の実施の形態によれば、異なるデータソースから得られた第１のデータと第２のデータであって、重複する属性を有する第１のデータと第２のデータを入力する入力手段と、
前記属性に基づいて、前記第１のデータと前記第２のデータのそれぞれを、複数の区間に分割し、前記第１のデータと前記第２のデータにおける同じ区間のデータ間での相関係数を算出する算出手段と、
前記複数の区間における区間毎に得られた相関係数の中で、所定の条件を満たす相関係数を決定し、当該相関係数に対応する区間を選択し、当該区間を示す情報を出力する評価手段と
を備えることを特徴とするデータ評価装置が提供される。

また、本発明の実施の形態によれば、データ評価装置が実行するデータ評価方法であって、
異なるデータソースから得られた第１のデータと第２のデータであって、重複する属性を有する第１のデータと第２のデータを入力する入力ステップと、
前記属性に基づいて、前記第１のデータと前記第２のデータのそれぞれを、複数の区間に分割し、前記第１のデータと前記第２のデータにおける同じ区間のデータ間での相関係数を算出する算出ステップと
前記複数の区間における区間毎に得られた相関係数の中で、所定の条件を満たす相関係数を決定し、当該相関係数に対応する区間を選択し、当該区間を示す情報を出力する評価ステップと
を備えることを特徴とするデータ評価方法が提供される。

本発明の実施の形態によれば、あるデータソースから得られたデータの信頼性を、データの属性に係る特性を考慮して評価することを可能とする技術が提供される。

本発明の実施の形態におけるシステムの全体構成図である。 データ評価装置の構成図である。 データ評価装置が実行する処理の手順を示すフローチャートである。 入力データの例を示す図である。 間隔別時系列データ生成処理、及びスコア算出処理の例を示す図である。 制約付時系列データ生成処理、及びスコア算出処理の例（日毎＋制約）を示す図である。 制約付時系列データ生成処理、及びスコア算出処理の例（週毎＋制約）を示す図である。 制約付時系列データ生成処理、及びスコア算出処理の例（月毎＋制約）を示す図である。

以下、図面を参照して本発明の実施の形態を説明する。なお、以下で説明する実施の形態は一例に過ぎず、本発明が適用される実施の形態は、以下の実施の形態に限られるわけではない。

例えば、本実施の形態では、評価対象のデータとして、品質情報等、属性として時刻を有するデータを用いているが、本発明は、属性として時刻を有するデータに限らず、時刻とは関連のない種々のデータにも適用可能である。

（システム構成）
図１に、本実施の形態に係るシステムの全体構成図を示す。図１に示すように、本実施の形態におけるシステムは、データ評価装置１００、及び複数のデータソースを有する。図１には、例として、複数のデータソースにおけるデータソース１、データソース２が示されている。

本実施の形態におけるデータ評価装置１００は、データソース１から得られたデータと、データソース２から得られたデータとを比較することで、これらのデータの評価を行う。具体的な処理内容については後述する。

本実施の形態における評価対象のデータは、ネットワークの品質情報等の時系列データであることを想定しているが、これは一例に過ぎず、データ評価装置１００が評価対象とするデータは、特定の種類のデータに限定されない。なお、本実施の形態における「時系列データ」は、等間隔の時刻順に並んだデータのみならず、等間隔でない時刻順に並んだデータも含むものとする。

データソース１、２はそれぞれ、例えば、あるネットワークの品質情報を測定する測定器である。つまり、この場合、データソース１は、当該ネットワークの品質情報を測定する測定器であり、データソース２は、当該ネットワークの品質情報を測定する別の測定器である。

また、例えば、データソース１が、当該ネットワークの品質情報を当該ネットワーク内部で測定する測定器であり、データソース２が、当該ネットワークに対する外部の調査機関であってもよい。

本実施の形態の技術は、例えば、一方のデータソースのデータが信頼でき（例：内部測定データ）、他方のデータソースのデータの信頼性が不明である（例：外部調査機関のデータ）場合に適用し、信頼性不明のデータが、信頼できるデータとどの程度類似するか（相関があるか）を評価することで、信頼性不明のデータの信頼性を評価できる。

ただし、これは一例であり、両方のデータの信頼性が不明であってもよい。両方のデータの信頼性が不明であっても、例えば、ある時間帯での相関が高ければ、当該時間帯でのデータの信頼性は高いことが推定でき、当該時間帯のデータを抽出することで、その後の分析等に使用できる。また、本実施の形態の技術は、両方のデータの信頼性が高いと考えられる場合にも適用できる。両方のデータの信頼性が高いと考えられる場合でも、全ての時刻で信頼性が高いとは限らず、本実施の形態の技術を適用することで、例えば、信頼性が高い時間帯や集計期間等を特定できる。

（データ評価装置１００の構成例）
図２に、本実施の形態におけるデータ評価装置１００の構成例を示す。図２に示すように、データ評価装置１００は、入力部１０１、間隔別時系列データ生成部１０２、制約付時系列データ生成部１０３、スコア算出部１０４、スコア評価部１０５、出力部１０６、及びデータ記憶部１０７を備える。各部の機能の詳細については、各部により実行される処理の内容として後述する。各部の概要は以下のとおりである。

入力部１０１は、各データソースからのデータを入力する。間隔別時系列データ生成部１０２は、入力部１００により入力されたデータから、間隔別（例：日毎、週毎、月毎）の時系列データを生成する。「間隔」は、「期間」と称してもよい。

制約付時系列データ生成部１０３は、入力部１００により入力されたデータから、制約（例：１日のうちの特定の時間のデータを利用する制約）の付いた間隔別の時系列データを生成する。なお、本実施の形態では、当該制約は、１日のうちの特定の時間帯、曜日等の「区間」に基づき実施される。

スコア算出部１０４は、間隔別時系列データ生成部１０２により生成された間隔別時系列データ、及び制約付時系列データ生成部１０３により生成された制約付時系列データのそれぞれについて、データソース１とデータソース２との間の相関を計算し、得られた相関係数（関連度合いの大きさ）をスコアとする。

スコア評価部１０５は、スコア算出部１０４により得られたスコアを評価することにより、相関が高い間隔／制約を決定する。出力部１０６は、スコア評価部１０５により決定された間隔／制約の情報や、当該間隔／制約に対応するデータ等を出力する。データ記憶部１０７は、各部の処理中のデータ、処理結果のデータ、スコア等を一時的に記憶したり、スコア評価で使用する閾値等を記憶する。

本実施の形態に係るデータ評価装置１００は、例えば、１つ又は複数のコンピュータに、本実施の形態で説明する処理内容を記述したプログラムを実行させることにより実現可能である。すなわち、データ評価装置１００が有する機能は、当該コンピュータに内蔵されるＣＰＵやメモリ、ハードディスクなどのハードウェア資源を用いて、データ評価装置１００で実施される処理に対応するプログラムを実行することによって実現することが可能である。上記プログラムは、コンピュータが読み取り可能な記録媒体（可搬メモリ等）に記録して、保存したり、配布したりすることが可能である。また、上記プログラムをインターネットや電子メールなど、ネットワークを通して提供することも可能である。

（データ評価装置１００が実行する処理手順）
図３は、データ評価装置１００が実行する処理の手順を示すフローチャートである。図３に示すフローチャートの手順に沿って、以下、データ評価装置１００が実行する処理内容を詳細に説明する。

＜ステップＳ１０１：データ入力＞
まず、データ評価装置１００の入力部１０１により、データソース１とデータソース２のそれぞれからデータを入力する。以下、データソース１のデータをＤＡＴＡ_１とし、データソース２のデータをＤＡＴＡ_２とする。

ＤＡＴＡ_１とＤＡＴＡ_２はそれぞれ、例えば、ネットワークの品質情報と、当該品質情報を取得した時刻を示す時刻情報とを含む時系列データである。当該時刻情報は、品質の計測を行った実際の時刻でもよいし、例えば「１時間毎の平均品質」がデータソースから提供されるような場合においては、当該時刻情報は、時間（０時、１時、...等）でもよい。また、これら以外の情報でもよい。

図４に、入力データの一例を示す。図４は、ＤＡＴＡ_１とＤＡＴＡ_２がともに、１月１日（１／１）から６月３０日（６／３０）までの時間毎のデータである場合を示している。例として、１／１の「２」の下の欄には、１／１のＡＭ２時〜ＡＭ３時における平均品質等の値が存在する。なお、ＤＡＴＡ_１とＤＡＴＡ_２の区別を分かり易くするために、ＤＡＴＡ_１については実線の表で示し、ＤＡＴＡ_２については点線の表で示している。以下、他の図でも同様である。

また、入力部１０１あるいは他の機能部が、入力されたデータにおける特異値を削除して、特異値を削除した入力データを以降の処理に用いることとしてもよい。

＜ステップＳ１０２：間隔別時系列データ生成＞
次に、間隔別時系列データ生成部１０２が、ステップＳ１０１において入力されたＤＡＴＡ_１とＤＡＴＡ_２のそれぞれについて、間隔別時系列データを生成する。用いる間隔は、例えば、日、週、月等である。つまり、ＤＡＴＡ_１とＤＡＴＡ_２のそれぞれについて、間隔別時系列データとして、日毎、週毎、月毎等の時系列データを生成する。例として、週毎の場合、ＤＡＴＡ_１における開始時刻から１週間の間のデータの平均値（代表値でもよい）を計算し、以降、１週間毎の平均値を計算し、時系列データとする。ＤＡＴＡ_２も同様である。

ここで、上記の例では、間隔の種類が３であるが、間隔の種類の数は３に限られない。間隔の種類の数をＮとし、間隔の種類を示すインデックスをｋとして、間隔別時系列データをｔｓ_ｋと表すことにすると、ステップＳ１０２では、ＤＡＴＡ_１とＤＡＴＡ_２のそれぞれについて、ｔｓ_１，ｔｓ_２，...．ｔｓ_Ｎが生成される。ここではこれを、ＤＡＴＡ_１については、ＤＡＴＡ_１ｔｓ_１，ＤＡＴＡ_１ｔｓ_２，...．ＤＡＴＡ_１ｔｓ_Ｎと表し、ＤＡＴＡ_２については、ＤＡＴＡ_２ｔｓ_１，ＤＡＴＡ_２ｔｓ_２，...．ＤＡＴＡ_２ｔｓ_Ｎと表す。

図５は、ＤＡＴＡ_１とＤＡＴＡ_２のそれぞれから、日毎、週毎、月毎の時系列データを生成する場合の生成データの例を示す。図５に示すように、日毎の時系列データとして、ＤＡＴＡ_１ｔｓ_１とＤＡＴＡ_２ｔｓ_１が生成され、週毎の時系列データとして、ＤＡＴＡ_１ｔｓ_２とＤＡＴＡ_２ｔｓ_２が生成され、月毎の時系列データとして、ＤＡＴＡ_１ｔｓ_３とＤＡＴＡ_２ｔｓ_３が生成される。

＜ステップＳ１０３：間隔別時系列データについてのスコア算出＞
次に、スコア算出部１０４が、ステップＳ１０２で使用した間隔毎に、ＤＡＴＡ_１の間隔別時系列データとＤＡＴＡ_２の間隔別時系列データとを比較する（つまり、相関を計算する）ことにより、相関係数を算出し、これをスコアを算出する。算出されたスコアはデータ記憶部１０７に格納される。相関の計算については、２つの時系列データ間の相関を算出する一般的な相関関数を使用することができる。算出されたスコア（例えば、−１〜１の値）が大きいほど、比較した時系列データ間の類似性が高いことを示す。

より具体的には、図５に示すように、日毎、週毎、月毎の時系列データの場合、ＤＡＴＡ_１とＤＡＴＡ_２の日毎の時系列データであるＤＡＴＡ_１ｔｓ_１とＤＡＴＡ_２ｔｓ_１とを比較してスコア（ｐ１）が算出される。また、ＤＡＴＡ_１とＤＡＴＡ_２の週毎の時系列データであるＤＡＴＡ_１ｔｓ_２とＤＡＴＡ_２ｔｓ_２とを比較してスコア（ｐ２）が算出される。更に、ＤＡＴＡ_１とＤＡＴＡ_２の月毎の時系列データであるＤＡＴＡ_１ｔｓ_３とＤＡＴＡ_２ｔｓ_３とを比較してスコア（ｐ３）が算出される。

図３〜図５では、間隔の種類の数Ｎが３なので、３つのスコアｐ１、ｐ２、ｐ３が得られるが、一般にはＮ個のスコアを得る。

＜ステップＳ１０４：制約付時系列データ生成＞
次に、制約付時系列データ生成部１０３が、入力データから制約付時系列データを生成する。ここでは、データソース１のＤＡＴＡ_１とデータソース２のＤＡＴＡ_２との間の共通の属性を予め定めておき、当該属性を用いて、ＤＡＴＡ_１とＤＡＴＡ_２のぞれぞれについての制約付時系列データを生成する。例えば、ＤＡＴＡ_１には３５個の属性があり、ＤＡＴＡ_２には１２個の属性があり、共通の属性が３つであるとすれば、当該３つの属性のそれぞれで制約付時系列データを生成することができる。

本実施の形態における共通の属性とは、例えば、時系列データにおける時に関する属性であり、例えば、１日の中の時間、１日の中の時間帯（例：６時間毎の時間帯）、曜日、平日／週末等がある。また、データの内容に基づき属性としてもよい。例えば、データが品質としての信号強度を有する場合、信号強度を属性とすることができる。この場合、例えば、信号強度の強さを段階（区間）に分けて、後述するチャンクを生成する。また、共通の属性は、データソースから得たデータに含まれている属性であってもよいし、データソースから得たデータを処理することで付加した属性であってもよい。

より具体的には、例えば、共通の属性を「１日の中の時間」とすると、制約付時系列データ生成部１０３は、ＤＡＴＡ_１とＤＡＴＡ_２のそれぞれについて、当該データを時間毎のセグメントに分ける。つまり、この場合、ＡＭ０時〜ＡＭ１時のデータ、ＡＭ１時〜ＡＭ２時のデータ、...．ＰＭ１０時〜ＰＭ１１時のデータ、ＰＭ１１時〜ＡＭ０時のデータ、のように、２４個のセグメントに分ける。なお、データの全体が、例えば６ヵ月間のデータであるとすると、例えば「ＡＭ０時〜ＡＭ１時のデータ」には、６ヵ月間の各日の「ＡＭ０時〜ＡＭ１時のデータ」が含まれることになる。

他の例として、例えば、共通の属性が「曜日」であるとすると、ＤＡＴＡ_１とＤＡＴＡ_２のそれぞれについて、当該データは、月曜日のデータ、火曜日のデータ、...日曜日のデータ、のように７つのセグメントに分けられる。データの全体が、例えば６ヵ月間のデータであるとすると、例えば「月曜日のデータ」には、６ヵ月間の各月曜日のデータが含まれることになる。

本実施の形態では、上記のようにしてデータを分割して得たセグメントを「チャンク」と呼び、ｃで表わす。そして、例えば、ＡＭ０時〜ＡＭ１時のデータ、ＡＭ１時〜ＡＭ２時のデータ、...．ＰＭ１０時〜ＰＭ１１時のデータ、ＰＭ１１時〜ＡＭ０時のデータ、のように、２４個のチャンクに分ける場合、これらのチャンクは、時間の古い順に、ｃ_１、ｃ_２、...、ｃ_２４と表現する。一般に、ｍ個のチャンクに分ける場合、ｃ_１、ｃ_２、...、ｃ_ｍと表すことができる。

上記のように、ＤＡＴＡ_１とＤＡＴＡ_２のそれぞれをチャンクに分けた後、各チャンクについて集約を行う。なお、集約をせずにチャンクのデータ間の相関を取ることとしてもよい。

本実施の形態における集約は、ステップＳ１０２で説明した間隔別時系列データを生成することにより実行する。例えば、データの全体が６ヵ月間のデータであるとして、属性が「１日の中の時間」で、データを２４個のチャンクに分けた場合において、各チャンク（例：「ＡＭ０時〜ＡＭ１時」の６ヵ月間のデータ）に対し、ステップＳ１０２で説明したように、日毎、週毎、月毎等の時系列データを生成する。

例えば、属性が「１日の中の時間」である場合において、ＤＡＴＡ_１のチャンクｃ_１（「ＡＭ０時〜ＡＭ１時」）における日毎（ｔｓ_１）の時系列データは、ＤＡＴＡ_１ｔｓ_１ｃ_１と表わされる。より一般に、間隔の種類がＮ、チャンクの数がｍであるとすると、ステップＳ１０４において、制約付時系列データ生成部１０３は、ＤＡＴＡ_１から「ＤＡＴＡ_１ｔｓ_１ｃ_１、ＤＡＴＡ_１ｔｓ_１ｃ_２、...．ＤＡＴＡ_１ｔｓ_１ｃ_ｍ、ＤＡＴＡ_１ｔｓ_２ｃ_１、ＤＡＴＡ_１ｔｓ_２ｃ_２、...．ＤＡＴＡ_１ｔｓ_２ｃ_ｍ、...．ＤＡＴＡ_１ｔｓ_Ｎｃ_１、ＤＡＴＡ_１ｔｓ_Ｎｃ_２、...．ＤＡＴＡ_１ｔｓ_Ｎｃ_ｍ」を生成し、ＤＡＴＡ_２から「ＤＡＴＡ_２ｔｓ_１ｃ_１、ＤＡＴＡ_２ｔｓ_１ｃ_２、...．ＤＡＴＡ_２ｔｓ_１ｃ_ｍ、ＤＡＴＡ_２ｔｓ_２ｃ_１、ＤＡＴＡ_２ｔｓ_２ｃ_２、...．ＤＡＴＡ_２ｔｓ_２ｃ_ｍ、...．ＤＡＴＡ_２ｔｓ_Ｎｃ_１、ＤＡＴＡ_２ｔｓ_Ｎｃ_２、...．ＤＡＴＡ_２ｔｓ_Ｎｃ_ｍ」を生成する。また、上記の例は、属性が１つの場合であるが、複数の属性（Ｍ個とする）についての制約付時系列データを生成する場合は、上記のデータのセットがＭ個生成される。

図６〜図８は、属性が「１日の中の時間」である場合における制約付時系列データの例を示している。図６は、チャンク分割した後に、日毎に集約した時系列データを示す。例えば、ＤＡＴＡ_１ｔｓ_１ｃ_１は、ＤＡＴＡ_１のＡＭ０時〜ＡＭ１時のチャンクにおけるデータに対して日毎に平均値を求めて時系列データとしたものである。

図７は、チャンク分割した後に、週毎に集約した時系列データを示す。例えば、ＤＡＴＡ_１ｔｓ_２ｃ_１は、ＤＡＴＡ_１のＡＭ０時〜ＡＭ１時のチャンクにおけるデータに対して週毎に平均値を求めて時系列データとしたものである。また、図８は、チャンク分割した後に、月毎に集約した時系列データを示す。例えば、ＤＡＴＡ_１ｔｓ_３ｃ_１は、ＤＡＴＡ_１のＡＭ０時〜ＡＭ１時のチャンクにおけるデータに対して月毎に平均値を求めて時系列データとしたものである。

＜ステップＳ１０５：制約付時系列データについてのスコア算出＞
次に、スコア算出部１０４が、ステップＳ１０４で得られた制約付時系列データ毎に、データソース間での相関を計算して、スコアを算出する。つまり、ＤＡＴＡ_１ｔｓ_１ｃ_１とＤＡＴＡ_２ｔｓ_１ｃ_１との間のスコア、ＤＡＴＡ_１ｔｓ_１ｃ_２とＤＡＴＡ_２ｔｓ_２ｃ_２との間のスコア、...．ＤＡＴＡ_１ｔｓ_１ｃ_ｍとＤＡＴＡ_２ｔｓ_１ｃ_ｍとの間のスコア、ＤＡＴＡ_１ｔｓ_２ｃ_１とＤＡＴＡ_２ｔｓ_２ｃ_１との間のスコア、......、ＤＡＴＡ_１ｔｓ_Ｎｃ_ｍとＤＡＴＡ_２ｔｓ_Ｎｃ_ｍとの間のスコアを算出する。相関の計算方法はステップＳ１０３での計算方法と同じである。

そして、間隔毎にスコアが最大となるチャンクを求め、そのスコアと、当該スコアが得られたチャンクの情報（どの区間のチャンクかを示す情報）をデータ記憶部１０７に格納する、例えば、属性が１日の時間の場合に、日毎については、ＤＡＴＡ_１ｔｓ_１ｃ_１とＤＡＴＡ_２ｔｓ_１ｃ_１との間のスコア、ＤＡＴＡ_１ｔｓ_１ｃ_２とＤＡＴＡ_２ｔｓ_２ｃ_２との間のスコア、...．ＤＡＴＡ_１ｔｓ_１ｃ_ｍとＤＡＴＡ_２ｔｓ_１ｃ_２４との間のスコア、のように、２４個のスコアが得られ、このうちの最大値をとるチャンク（例：ＰＭ３時〜ＰＭ４時のチャンク）を特定し、その情報とそのスコアをデータ記憶部１０７に格納する。週毎のデータ、月毎のデータについても同様である。

例えば、図６に示すように、日毎の時系列データについて、チャンク毎にスコアを求め、最大値ｐ４を得る。また、図７に示す例では、週毎の時系列データについて、チャンク毎にスコアを求め、最大値ｐ５を得る。また、図８に示す例では、月毎の時系列データについて、チャンク毎にスコアを求め、最大値ｐ６を得る。

図６〜図８は、間隔の種類の数Ｎが３なので、３つの最大値ｐ４、ｐ５、ｐ６が得られるが、一般にはＮ個の最大値を得る。なお、Ｎは１であってもよい。

また、上記の例は、属性が１つの場合であるが、複数の属性（Ｍ個とする）についての制約付時系列データを生成する場合は、スコアのセットがＭ個生成されるので、最大値のスコアは、Ｎ×Ｍ個得られる。

なお、ステップＳ１０３で説明した間隔別時系列データについてのスコア算出を、間隔別時系列データと制約付時系列データを生成した後に、制約付時系列データについてのスコア算出とともに行うこととしてもよい。また、ステップＳ１０３で説明した間隔別時系列データについてのスコア算出を行わないこととしてもよい。この場合、ｐ１〜ｐ６で説明した例において、ｐ４、ｐ５、ｐ６のみで下記の評価が行われることになる。また、この場合に、Ｎが１であれば、１つのスコア（例：ｐ４）のみに対して下記の評価が行われることになる。

＜ステップＳ１０６：スコア評価＞
次に、スコア評価部１０５が、これまでの処理によりデータ記憶部１０７に格納されたスコアを評価する。

これまでに説明したとおり、間隔の数がＮ（例：日毎、週毎、月毎の場合、Ｎ＝３）、属性の数がＭ（例：「１日の中の時間」のみを使用する場合、Ｍ＝１）である場合に、ステップＳ１０３ではＮ個のスコアが得られ、ステップＳ１０６では、評価対象とするスコアとして、Ｎ×Ｍ個のスコアが得られるので、全体のスコアの数はＮ＋Ｎ×Ｍ（＝Ｎ（１＋Ｍ））である。

スコア評価部１０５は、Ｎ（１＋Ｍ）個のスコアの中から最大のスコアを選択する。選択されたスコア、及び、当該スコアが得られた間隔及びチャンクの情報（制約の情報）が出力の対象となる。

また、ある閾値（あるいはベンチマーク）を定めておき、最大のスコアが当該閾値を超えるかどうかを判定し、超える場合に、当該最大のスコア、当該スコアに係る間隔及びチャンクの情報（制約の情報）を出力の対象として決定してもよい。

また、Ｎ（１＋Ｍ）個のスコアを降順（大きいものから小さいもの）にソートして、閾値（ベンチマーク）を超える全てのスコア、及び当該スコアに係る間隔及びチャンクの情報（制約の情報）を出力の対象として決定してもよい。また、予め所定数Ｐを定め、閾値（ベンチマーク）を超える全てのスコアの中で、上位Ｐ個のスコアを出力対象として決定してもよい。

図５〜図８に示した例（間隔＝（日毎、週毎、月毎）、属性＝（１日の中の時間））においては、ｐ１、ｐ２、...．ｐ６の６個（Ｎ（１＋Ｍ）＝３（１＋１）＝６）のスコアが得られるので、例えば、これらのうちの最大のスコア（あるいは、閾値（ベンチマーク）を超えるスコア）が出力対象のスコアとして決定される。

なお、上記の例では、正の相関が大きなスコアを出力対象とすることを想定しているが、これは例であり、負の方向に相関が大きなスコア（つまり、負の相関係数の絶対値が大きなスコア）を出力対象とすることとしてもよい。

＜ステップＳ１０７：データ出力＞
ステップＳ１０７では、出力部１０６が、ステップＳ１０６において出力対象として決定されたスコア、及び、当該スコアが得られた間隔、及びチャンクの情報を出力する。これらに加えて、当該スコアが得られた時系列データを出力してもよい。この場合、例えば、図５〜図８に示した例において、週毎のＰＭ３時〜ＰＭ４時のチャンクにおけるスコアが出力対象として決定された場合に、ＤＡＴＡ_１ｔｓ_２ｃ_１６とＤＡＴＡ_２ｔｓ_２ｃ_１６を出力する。また、この場合、週毎に集約する前のチャンクデータを出力してもよい。なお、入力データや、処理の過程で得られた時系列データ等はデータ記憶部１０７に格納されているので、ここからデータを読み出すことで出力することができる。ただし、使用しないデータはデータ記憶部１０７から削除することとしてもよい。

また、これまでに説明した処理において、データソース間でデータ（生データでもよいし、間隔別時系列データでもよいし、制約付時系列データでもよい）を時間方向にずらして相関を取った場合に、高い相関係数（例：ベンチマークを超える相関係数）が得られる場合には、当該ずらした時間長を出力してもよい。

ここで、時間方向にずらすとは、例えば、生データであれば、比較するデータソース間における一方の取得データの時刻（タイムスタンプ）を、入力部１０１により、所定の時間だけ増加（又は減少）させ、当該所定の時間だけ増加（又は減少）させたタイムスタンプの付いたデータを入力データとして、これまでに説明した処理を行うことである。また、間隔別時系列データの場合であれば、間隔別時系列データ生成部１０２により、例えば、間隔（例：日、図３のＤＡＴＡ_１ｔｓ_１）を単位として、一方のデータの時刻を所定の時間だけ増加（又は減少）させ、当該増加（又は減少）を行ったデータと、他方のデータとの間で相関係数を計算する。一例として、図３のＤＡＴＡ_１ｔｓ_１の時刻を２日間だけずらす場合、ずらす前の１／１の欄のデータが、１／３の欄に移り、ずらす前の１／２の欄のデータが、１／４の欄に移り、といったようにずらす。もしくは、データの位置を変えずに、１／３を１／１に変更するといったように、時刻のほうを変えてもよい。他の間隔、また、制約付時系列データについても同様である。

時間方向でずらす処理を含める場合、例えば、複数の方向付きの時間長（例：データソース１について、A時間増加、A時間減少、０時間増加／減少、B時間増加、B時間減少）を予め用意しておき、時間長毎に処理（０時間増加／減少、つまり、これまでに説明したずらさない場合の処理を含む）を行って、全ての処理により得られたスコア全体に対して、ステップＳ１０６で説明したスコア評価処理を実施する。出力については、出力対象として決定したスコアが得られた間隔及びチャンクの情報（制約の情報）とともに、ずらす処理で用いた時間長も出力する。

（３以上のデータソースを使用する場合の例）
これまでデータソースの数が２である場合について説明したが、これは一例であり、データソースの数は３以上であってもよい。この場合の処理例を以下に説明する。

ここで、データソースがＸ個である場合、Ｘ個から２個（比較する対象とするペア）を選択する組み合わせの数は、_ＸＣ_２＝Ｘ！／（Ｘ−２）！２！である。例えば、Ｘ＝４とすると、その数は、_４Ｃ_２＝４！／２！２！＝６となる。以下では、Ｘ＝４として、Ａ、Ｂ、Ｃ、Ｄの４つのデータソースのデータを使用するものとする。

この場合、データ評価装置１００は、Ａ、Ｂ、Ｃ、Ｄを取得すると、Ａ、Ｂ、Ｃ、Ｄの中から２つを選択した組み合わせとして、ＡＢ、ＡＣ、ＡＤ、ＢＣ、ＢＤ、ＣＤがあることを把握する。

データ評価装置１００は、組み合わせ毎に、これまでに説明した処理と同様の処理を行うことで、Ｎ（Ｍ＋１）のスコアを算出する。ここで、Ｎ（間隔の数）とＭ（属性の数）のそれぞれの値について、データソース毎に同じでもよいし、異なっていてもよい。

そして、データ評価装置１００は、組み合わせ毎に、Ｎ（Ｍ＋１）個のスコアの中に、閾値（あるいはベンチマーク、以下同様）を超えるスコアがあるかどうかをチェックし、当該閾値を超えるスコアを有する組み合わせを抽出する。

例えば、ＡＢ、ＡＣ、ＡＤ、ＢＣ、ＢＤ、ＣＤのうち、ＡＢ、ＣＤ、ＡＤの３つの組み合わせにおいて、閾値を超えるスコアが得られたものとすると、データ評価装置１００は、組み合わせ毎に、既に説明したデータを出力する。例えば、組み合わせＡＢについては、閾値を超えるスコアが得られた間隔、制約の情報（チャンクの情報）を出力する。これらに加えて、当該スコアが得られた間隔／制約の時系列データを出力してもよい。

（実施の形態のまとめ）
以上、説明したように、本実施の形態によれば、異なるデータソースから得られた第１のデータと第２のデータであって、重複する属性を有する第１のデータと第２のデータを入力する入力手段と、前記属性に基づいて、前記第１のデータと前記第２のデータのそれぞれを、複数の区間に分割し、前記第１のデータと前記第２のデータにおける同じ区間のデータ間での相関係数を算出する算出手段と、前記複数の区間における区間毎に得られた相関係数の中で、所定の条件を満たす相関係数を決定し、当該相関係数に対応する区間を選択し、当該区間を示す情報を出力する評価手段とを備えるデータ評価装置が提供される。

前記算出手段は、例えば、前記第１のデータと前記第２のデータのそれぞれについて、複数の区間に分割して得られた各区間に含まれる複数データを所定の期間毎に集約し、集約したデータ間で前記相関係数の算出を行う。

前記算出手段は、前記所定の期間として、複数種類の期間を使用し、期間の種類毎に、前記複数の区間における区間毎の相関係数を算出し、前記評価手段は、前記期間の種類毎かつ前記区間毎に得られた相関係数の中で、所定の条件を満たす相関係数を決定し、当該相関係数に対応する期間の種類及び区間を選択し、当該期間及び区間を示す情報を出力することとしてもよい。

前記算出手段は、前記第１のデータと前記第２のデータのそれぞれについて、前記複数の区間に分割せずに、所定の期間毎に集約を行い、集約が行われた第１のデータと集約が行われた第２のデータとの間で相関係数を算出し、前記評価手段は、前記区間毎に得られた相関係数と、前記集約が行われた第１のデータと前記集約が行われた第２のデータとの間で算出された相関係数の中で、所定の条件を満たす相関係数を決定することとしてもよい。

前記所定の条件は、例えば、相関係数が所定の閾値よりも大きいことである。また、前記第１のデータ及び前記第２のデータは、例えば時刻を属性として有するデータである。前記評価手段は、所定の条件を満たす相関係数が得られた区間に対応する部分の前記第１のデータ及び前記第２のデータを出力することとしてもよい。

本発明は、上記の実施の形態に限定されることなく、特許請求の範囲内において、種々変更・応用が可能である。

１、２ データソース
１００ データ評価装置
１０１ 入力部
１０２ 間隔別時系列データ生成部
１０３ 制約付時系列データ生成部
１０４ スコア算出部
１０５ スコア評価部
１０６ 出力部
１０７ データ記憶部

Claims (7)

1. 異なるデータソースから得られた第１のデータと第２のデータであって、重複する属性を有する第１のデータと第２のデータを入力する入力手段と、
   前記属性に基づいて、前記第１のデータと前記第２のデータのそれぞれを、複数の区間に分割し、前記第１のデータと前記第２のデータにおける同じ区間のデータ間での相関係数を算出する算出手段と、
   前記複数の区間における区間毎に得られた相関係数の中で、所定の条件を満たす相関係数を決定し、当該相関係数に対応する区間を選択し、当該区間を示す情報を出力する評価手段と
   を備えることを特徴とするデータ評価装置。
2. 前記算出手段は、前記第１のデータと前記第２のデータのそれぞれについて、前記複数の区間に分割して得られた各区間に含まれる複数データを所定の期間毎に集約し、集約したデータ間で前記相関係数の算出を行う
   ことを特徴とする請求項１に記載のデータ評価装置。
3. 前記算出手段は、前記所定の期間として、複数種類の期間を使用し、期間の種類毎に、前記複数の区間における区間毎の相関係数を算出し、
   前記評価手段は、前記期間の種類毎かつ前記区間毎に得られた相関係数の中で、所定の条件を満たす相関係数を決定し、当該相関係数に対応する期間の種類及び区間を選択し、当該期間及び区間を示す情報を出力する
   ことを特徴とする請求項２に記載のデータ評価装置。
4. 前記算出手段は、前記第１のデータと前記第２のデータのそれぞれについて、前記複数の区間に分割せずに、所定の期間毎に集約を行い、集約が行われた第１のデータと集約が行われた第２のデータとの間で相関係数を算出し、
   前記評価手段は、前記区間毎に得られた相関係数と、前記集約が行われた第１のデータと前記集約が行われた第２のデータとの間で算出された相関係数の中で、所定の条件を満たす相関係数を決定する
   ことを特徴とする請求項１ないし３のうちいずれか１項に記載のデータ評価装置。
5. 前記評価手段は、所定の条件を満たす相関係数が得られた区間に対応する部分の前記第１のデータ及び前記第２のデータを出力する
   ことを特徴とする請求項１ないし４のうちいずれか１項に記載のデータ評価装置。
6. データ評価装置が実行するデータ評価方法であって、
   異なるデータソースから得られた第１のデータと第２のデータであって、重複する属性を有する第１のデータと第２のデータを入力する入力ステップと、
   前記属性に基づいて、前記第１のデータと前記第２のデータのそれぞれを、複数の区間に分割し、前記第１のデータと前記第２のデータにおける同じ区間のデータ間での相関係数を算出する算出ステップと
   前記複数の区間における区間毎に得られた相関係数の中で、所定の条件を満たす相関係数を決定し、当該相関係数に対応する区間を選択し、当該区間を示す情報を出力する評価ステップと
   を備えることを特徴とするデータ評価方法。
7. コンピュータを、請求項１ないし５のうちいずれか１項に記載のデータ評価装置における各手段として機能させるためのプログラム。

Images