JP2017227942A - 情報処理装置及び方法、並びにプログラム - Google Patents

Abstract

【課題】様々な社会現象を適切に予測可能な評価指数を出力すること。
【解決手段】情報源記憶制御部２０１は、複数の情報源データ毎に、情報源と情報源ウェイトデータとの組の記憶を制御する。評価ポイント算出部２０２は、所定の評価対象の評判を決定する評価ポイントデータを算出する。別指数取得部２０３は、所定の評価対象に関する評価指数とは異なる別指数を取得する。対象ウェイト可変設定部２０４は、対象データの夫々について、所定の評価対象に関する別指数と、情報源毎の情報源ウェイトデータとに基づいて、対象ウェイトデータを可変設定する。評価指数算出部２０５は、対象データの夫々についての評価ポイントデータと対象ウェイトデータとの積に基づいて、所定の評価対象に関する評価指数を算出する。
【選択図】図３

Description

本発明は、情報処理装置及び方法、並びにプログラムに関する。

近年、インターネットを通じて、人々が受動的に情報を受け取るだけでなく、ブログやツイッター（登録商標）等を通じて能動的に情報を発信することが容易となった。このようなインターネット上の膨大な情報をテキストマイニングすることにより、商品、タレント、映画、商業施設等、およそ評価の対象となる全ての評価対象に対する評価指数を算出することが試みられるようになった。

例えば、特許文献１には、抽出されたブログ及び掲示板の内容をテキストマイニングし、気になる商品名が含まれるブログ及び掲示板の数を数え、さらに、「おいしい」「まずい」等の評価語を抽出して、当該商品のブログ及び掲示板における評価ポイントを算出することを特徴とする投資支援システムに関する技術が開示されている。

この投資支援システムによれば、当該評価ポイントの時系列データとＰＯＳ（Ｐｏｉｎｔ Ｏｆ Ｓａｌｅ）システムから得られる当該商品の過去売上実績との比較に基づいて、未来の売上予測が可能となり、さらには、当該商品のメーカーの株価予測も可能となる。

このような技術によれば、投資家は、ブログ及び掲示板の内容から投資支援システムが算出した評価ポイントに応じて投資判断を行うことができる。

特開２００７−４１８６９号公報

しかしながら、特許文献１に開示された投資支援システムが算出する評価ポイントは商品の売上予測の目的のためだけに特化しており、企業の株価予測は当該売上予測と証券情報の分析に基づいて行っているので、評価ポイントが直接株価予測のために使われているわけではない。このような評価ポイントのアイデアの大きな応用可能性を考えてみれば、商品の売上予測だけではなく、株価そのものの予測や、それ以外にも様々な社会現象の予測のために使えるはずである。
即ち、単なる投資支援のためではなく、様々な社会現象を適切に予測するのに好適な評価指数の実現が要求されているが、特許文献１を含め従来の技術では、かかる要求に十分に応えられていない状況である。

本発明は、かかる状況に鑑みてなされたものであり、様々な社会現象を適切に予測するのに好適な指数を出力可能にすることを目的とする。

本発明の一側面の情報処理装置は、
所定の対象に関する指数を算出する情報処理装置において、
複数の情報源データから抽出された、前記所定の対象を示すキーワードを含む対象データの夫々について解析することによって、前記所定の対象の指数を決定するポイントデータを算出するポイント算出手段と、
前記所定の対象に関する前記指数とは異なる、別指数を取得する別指数取得手段と、
前記ポイントデータと前記別指数に基づいて、前記所定の対象に関する前記指数を算出する指数算出手段と、
を備える情報処理装置。

ここで、前記別指数取得手段は、前記別指数として複数種類を取得し、
前記指数算出手段は、前記ポイントデータと、前記複数種類の前記別指数に基づいて、前記指数を算出することができる。

前記複数の情報源データ毎に、情報源と情報源ウェイトデータとを含む組の記憶を制御する情報源記憶制御手段と、
前記対象データの夫々についての対象ウェイトデータを、前記所定の対象に関する前記別指数と、前記情報源毎の前記情報源ウェイトデータとに基づいて可変設定する対象ウェイト可変設定手段と、
をさらに備え、
前記指数算出手段は、前記対象データの夫々についての前記ポイントデータと前記対象ウェイトデータとに基づいて、前記指数を算出することができる。

前記別指数取得手段は、さらに、母集団に関する前記別指数を取得し、
前記対象ウェイト可変設定手段は、前記所定の対象に関する前記別指数と、前記情報源毎の前記情報源ウェイトデータとに加えてさらに、母集団に関する前記別指数に基づいて、前記対象データの夫々についての前記対象ウェイトデータを可変設定することができる。

前記所定の対象に関する前記指数の時系列分布に基づいて、前記所定の対象に関する前記別指数を予測演算する別指数予測手段
をさらに備えることができる。

前記別指数予測手段は、前記所定の対象に関する前記指数の時系列分布におけるトレンドと変化点に基づいて、前記所定の対象に関する前記別指数の将来値を予測演算することができる。

前記別指数予測手段は、前記所定の対象に関する前記指数の時系列分布に対して、古いデータほど価値が小さくなる特性を有するフィルタを用いて、前記トレンドを求めることができる。

前記別指数予測手段は、市場に流通する情報の所定のモデルを用いて、前記所定の対象に関する前記指数の時系列分布からノイズを除去したうえで、前記トレンドを求めることができる。

前記指数は、所定の評価対象に関する評判を表す評価指数であり、
前記ポイント算出手段は、前記ポイントデータとして、前記所定の評価対象の評判を決定する評価ポイントデータを算出することができる。

本発明の一態様の情報処理方法及びプログラムは、上述の本発明の一態様の情報処理装置に対応する方法及びプログラムである。

本発明によれば、様々な社会現象を適切に予測するのに好適な指数を出力可能にすることができる。

本発明の実施形態に係る評価指数出力システム１の全体構成を示す図である。 図１の端末２０ａ、２０ｂ、２０ｃ、・・・、評価指数出力装置１０及び情報源サーバ４０のハードウェア構成を示す図である。 図１の評価指数出力装置１０の機能的構成を示す機能ブロック図である。 本発明の実施形態に関わる情報源テーブルの一例を示す図である。 本発明の実施形態に関わる関連テーブルの一例を示す図である。 本発明の実施形態に関わる対象データテーブルの一例を示す図である。 図１の評価指数出力装置１０が出力する評価指数と株価の変動の一例を示す図である。 図１の評価指数出力装置１０が出力する評価指数から別指数を予測するために検出されるトレンドと変化点の一例を示す図である。 図８の変化点を検出するために使われる要素として、０次導関数、１次導関数、及び変動の大きさの一例を示す図である。 図１の評価指数出力装置１０が実行する別指数予測演算処理のフローチャートである。

以下、本発明の実施形態を図面に基づいて説明する。

図１は、本発明の実施形態に係る評価指数出力システム１の全体構成を示す図である。図１に示すように、本実施形態に関わるヒット指数出力システム１は、端末２０ａ、２０ｂ、２０ｃ、・・・、評価指数出力装置１０、通信ネットワーク３０、及び情報源サーバ４０を備える。端末２０ａ、２０ｂ、２０ｃ、・・・は、通信ネットワーク３０を介して評価指数出力装置１０、及び情報源サーバ４０と接続可能である。

図２に示すように、端末２０ａ、２０ｂ、２０ｃ、・・・、評価指数出力装置１０及び情報源サーバ４０は、制御部１１０、２１０、４１０、入力部１２０、２２０、４２０、表示部１３０、２３０、４３０、記憶部１４０、２４０、４４０及び通信Ｉ／Ｆ部１５０、２５０、４５０が夫々バス１６０、２６０、４６０を介して接続されて構成される。

制御部１１０、２１０、４１０は、ＣＰＵ（Ｃｅｎｔｒａｌ Ｐｒｏｃｅｓｓｉｎｇ Ｕｎｉｔ）により構成してよく、夫々端末２０ａ、２０ｂ、２０ｃ、・・・、評価指数出力装置１０、及び情報源サーバ４０全体を制御し、例えば、記憶部１４０、２４０、４４０に記憶されたプログラムを読み出して実行することにより、これらのハードウェアと協働して後述する各種手段を実現している。

入力部１２０、２２０、４２０は、キーボード、マウス等により実現することができる。

表示部１３０、２３０、４３０は、液晶ディスプレイ、ブラウン管ＣＲＴ等により実現することができる。

端末２０ａ、２０ｂ、２０ｃ、・・・の記憶部１４０、評価指数出力装置１０の記憶部２４０及び情報源サーバ４０の記憶部４４０は、端末２０ａ、２０ｂ、２０ｃ、・・・、評価指数出力装置１０及び情報源サーバ４０が夫々端末、サーバ及び情報源サーバとして機能するための各種プログラム及び本発明の機能を実行するプログラム等を格納する。これらの記憶部１４０、２４０、４４０は、内部又は外部の記憶媒体に格納されてもよく、記憶媒体として、ハードディスク、光ディスク、磁気ディスク、光磁気ディスク、磁気テープ、メモリーカード等全ての記憶装置及び記憶媒体を使用することができる。

通信Ｉ／Ｆ部１５０、２５０、４５０は、ＬＡＮアダプタ、モデムアダプタ等により実現することができる。

［評価指数出力装置の機能構成］
図３は、図１で説明した本実施形態に係る評価指数出力装置１０の機能的構成を示す機能ブロック図である。
図３に示すように、評価指数出力装置１０には、情報源テーブル１２１と、関連テーブル１２２と、対象データテーブル１２３と、評価指数データベース１２４と、情報源記憶制御部２０１と、評価ポイント算出部２０２と、別指数取得部２０３と、対象ウェイト可変設定部２０４と、評価指数算出部２０５と、時系列分布作成部２０６と、別指数予測部２０７と、が設けられている。

評価指数出力装置１０は、コンピュータとして実現した例で説明しているが、これに限らず、専用に設計された情報機器として実現してもよい。

情報源記憶制御部２０１は、複数の情報源データ毎に、情報源と情報源ウェイトデータとを含む組の記憶を制御する。
本実施形態では、情報源と情報源ウェイトデータとを含む組は、情報源テーブル１２１に各情報源毎に格納されている。

図４は、情報源テーブル１２１の一例を示す図である。
情報源テーブル１２１は、所定の評価対象（例えば所定企業）を示すデータ（以下、「対象データ」と呼ぶ）を含む情報源の属性を格納するためのテーブルである。各情報源には、ユニークな情報源番号が付されており、その行番号（主キー）として採用されている。
「情報源」の項目には、各情報源番号に対応する情報源のＵＲＬ（Ｕｎｉｆｏｒｍ Ｒｅｓｏｕｒｃｅ Ｌｏｃａｔｏｒ）が格納される。
「データ内容」の項目にはそのＵＲＬの内容のうち対象データが抽出された部分のテキストデータが格納される。
「被参照数」の項目にはそのＵＲＬに対して張られているリンクの数が格納される。
「情報源ウェイト」の項目には当該情報源に対して設定された所定のウェイト値（０〜１）が格納される。
ここで、情報源ウェイトは情報源の信頼度を表し、例えば、アナリストレポートは１．０、ニュースは０．５、ブログは０．１等に設定される。また、被参照数は情報源の影響力を表すので、これと情報源ウェイトの積が当初の対象ウェイトとして、後述する図６の対象データテーブル１２３の「対象ウェイト」の項目に書き込まれる。ここで、「当初」とは、対象ウェイトは、後述の別指数（例えば評価対象が所定企業であれば、当該所定企業の株価）と評価指数が強く相関するように補正されるからである。

図５は、関連テーブル１２２の一例を示す図である。
関連テーブル１２２は、様々な評価対象（例えば所定企業等）を直接的に示す主対象データと、前記評価対象に関連する副対象（例えば所定企業の商品名等）を示す副対象データの属性を格納するためのテーブルである、
各評価対象には、ユニークな評価対象番号が付されており、その行番号（主キー）として採用されている。
「主対象データ」の項目には、各評価対象番号に対応する前記主対象データが格納される。
「副対象データｎ」には、当該主対象データにｎ番目に強く関連するとみなされる前記副対象データが格納される。ここで、ｎは、任意の整数値である。
「関連度ｎ」には、当該ｎ番目の副対象データが前記主対象データに関連する度合が格納されている。
関連度が上位の前記副対象データのみが評価指数の算出に用いられるので、例えば、関連度順に上位３番目までの副対象データを格納するとすれば、ｎは１から３までの整数値である。
なお、前記対象データは、前記主対象データと前記副対象データを合わせた総称である。

ここで、図４の情報源テーブル１２１と、図５の関連テーブル１２２とは、評価指数出力装置１０により自動的に生成されたものでもよいし、手動も含めて、評価指数出力装置１０以外のもの（装置又は人を問わない）でもよい。
つまり、図３の情報源記憶制御部２０１の記憶の制御とは、情報源テーブル１２１や関連テーブル１２２に対して新たに情報を記憶させることのみならず、既に記憶されている情報の維持や更新の制御も含む概念である。

図６は、対象データテーブル１２３の一例を示す図である。
対象データテーブル１２３は、各情報源から抽出された前記対象データの属性を格納するためのテーブルである。
ここで、同じ対象データが複数の情報源から抽出された場合には複数行に格納される可能性がある。そこで、各対象データに振られるユニークな対象番号と、当該対象データが抽出された情報源の情報源番号との、いわゆる複合主キーがその行番号とされる。
「対象データ」の項目には、各情報源から抽出された対象データが格納される。
「評価ポイント」の項目には、当該情報源において評価ポイント算出部２０２（図３）により算出された当該対象データの評価ポイントが格納される。評価ポイントについては後述する。
「主／副」の項目には、当該対象データが主対象データであるか副対象データであるかの区分が格納される。
「情報源」の項目には、当該情報源の情報源番号（図６では、分かり易くＵＲＬで示した）が格納される。
「対象ウェイト」の項目には、上述した対象ウェイト（補正前の当初の対象ウェイト）が格納される。
対象データテーブル１２３には、関連テーブル１２２と同様に複数の評価対象に関する対象データを格納しても良いが、本実施形態では、評価指数を求めようとしている特定の評価対象に関する対象データのみを格納するものとする。

図３に戻り、評価ポイント算出部２０２は、複数の情報源データから抽出された、所定の評価対象を示すキーワードを含む対象データの夫々について解析することによって、所定の評価対象の評判を決定する評価ポイントデータを算出する。
具体的には例えば、評価ポイント算出部２０２は、所定の情報源から抽出された対象データについて、情報源データの内容を形態素解析し、対象データがポジティブに捉えられていると判断した場合には「＋１」を評価ポイントとして算出して、図６の対象データテーブル１２３に格納する。
逆に、評価ポイント算出部２０２は、対象データがネガティブに捉えられていると判断した場合には「−１」を評価ポイントとして算出して、図６の対象データテーブル１２３に格納する。
また、評価ポイント算出部２０２は、対象データがニュートラルに捉えられていると
ていると判断した場合には「±０」を評価ポイントとして算出して、図６の対象データテーブル１２３に記憶する。
このようにして、評価ポイント算出部２０２は、各対象データに対して評価ポイントを付与していく。

別指数取得部２０３は、所定の評価対象に関する評価指数とは異なる別指数を取得する。
ここで、別指数としては、評価指数とは異なる任意の指数を採用することができるが、当該所定の評価対象の動向を別の観点から判断できる指数を採用すると好適である。例えば所定の評価対象が所定企業ならば、当該所定企業の株価を、別指数として採用すると好適である。

対象ウェイト可変設定部２０４は、対象データの夫々について、所定の評価対象に関する別指数と、情報源毎の情報源ウェイトデータとに基づいて、対象ウェイトデータを可変設定する。
換言すると、上述したように、先ず、情報源毎の情報源ウェイトデータ（図４）に基づいて、当初の対象ウェイトデータが図６の対象データテーブル１２３に格納される。そこで、対象ウェイト可変設定部２０４は、所定の評価対象に関する別指数（所定の評価対象が所定企業ならば当該所定企業の株価）に基づいて、当初の対象ウェイトデータを更新する。
ここで、当初の対象ウェイトデータの更新タイミングは、評価指数が演算される毎とする。例えば、評価指数が１時間毎に演算されるならば、当初の対象ウェイトデータも１時間毎に更新されることになる。従って、別指数が株価のように時間と共に変動するならば、対象ウェイトデータも１時間毎に変動して設定（更新）されるはずである。この点で、「対象ウェイトデータを可変設定」と表現している。

評価指数算出部２０５は、対象データの夫々についての評価ポイントデータと対象ウェイトデータとの積に基づいて、所定の評価対象に関する評価指数を算出する。

［計算例］
ここで、評価指数の具体的な計算方法の一例について説明する。
例えば、とある対象データ（以下、「アイテムｉ」とも呼ぶ）について、次のように変数を定義する。

この場合、アイテムｉの評価指数（インデックス）Ｈｉは、以下のように計算できる。

ここで、夫々のアイテムｉの評価指数（インデックス）にウェイトＷｉを乗じると、全体の評価指数（インデックス）は次のように計算できる。

ここで、ウェイトＷｉとして、上述したように、図６の対象データテーブル１２３に格納された当初の対象ウェイトデータが用いられるのではなく、本実施形態では、対象ウェイト可変設定部２０４により別指数（株価等）に基づいて逐次更新される対象ウェイトデータが用いられる。
このことは、図６の対象データテーブル１２３に格納された当初の対象ウェイトデータが用いられて演算される評価指数を、「原評価指数」と呼ぶならば、原評価指数が、株価等の別指数と連動するように最適化された評価指数が本実施形態では求められることを意味する。従って、以下、このように本実施形態で求められる評価指数、即ち最適化された評価指数を、以下、「最適化評価指数」と呼ぶ。

このようにして評価指数算出部２０５により算出された最適化評価指数は、評価指数データベース１２４に格納される。
上述したように、所定の評価対象（例えば所定企業）についての最適化評価指数は例えば１時間毎に逐次演算される。
従って、評価指数データベース１２４には、１時間毎の最適化評価指数が履歴として逐次蓄積されていく。

そこで、時系列分布作成部２０６は、所定の評価対象に関する最適化評価指数の履歴（１時間毎の過去データ）から、所定の評価対象に関する最適化評価指数の時系列分布を作成する。
別指数予測部２０７は、所定の評価対象に関する最適化評価指数の時系列分布に基づいて、所定の評価対象に関する別指数（例えば所定の評価対象が所定企業ならば、所定の評価対象の株価等）の将来値を予測演算する。
ここで、最適化評価指数は、株価等の別指数と連動しているので、評価対象についての別指数（株価等）の未来予測が適切に可能になる。
なお、図示はしないが、評価指数出力装置１０は、さらに、所定の評価対象の動向等、当該所定の評価対象に関する各種各様なことについて未来予測をしてもよい。

図７は、所定の評価対象として所定企業が採用された場合の、所定の評価対象に関する最適化評価指数の時系列分布の一例を示している。
具体的には、図７（Ａ）は、当該所定企業の株価の変動の一例を示している。図７（Ｂ）は、図７（Ａ）の株価を別指数として採用して求められた最適化評価指数の一例を示す図である。
図７中の矢印は、トレンド（傾向）を示している。図７に示すように、最適化評価指数のトレンド（傾向）は、株価（別指数）のトレンド（傾向）と徐々に一致していくことがわかる。少なくとも図７の最後において、下がっていくというトレンド（傾向）はある程度予測できている。

図８は、最適化評価指数の時系列分布の一例を示す図であって、予測演算に用いる要素を説明する図である。
つまり、図８（Ａ）〜図８（Ｃ）は同一の最適化評価指数の時系列分布を示している。
図８（Ｂ）は、図７を用いて上述したように、トレンド（傾向）を、予測演算に用いる要素として利用可能なことを示している。
図８（Ｃ）は、変化点を、予測演算に用いる要素として利用可能なことを示している。

ここで、図８（Ｂ）において、トレンドを演算するに際し、最適化評価指数の時系列分布をそのまま用いてもよいが、最適化評価指数のサンプル数が少ない場合には、古いデータ程価値が小さいことを記述するフィルタ、例えばカルマンフィルタを用いて、平均μと分散σを推定してもよい。即ち、時間と共に変化する平均μと分散σを推定してもよい。
そして、市場に流通す情報を下式のようなモデルを用いて記述し、ノイズを除去するようにしてもよい。
ζｔ ＝ σＨｔ＋βｔＴ
ここで、σはシグナルが市場に流れる速さを示し、Ｈはシグナルを示し、βはノイズを示している。

また、図８（Ｃ）において、変化点前の走行長さをＬｔと記述し、変化点後の走行長さをＬｔ＋１と記述すると、ヘイズ統計により変化点を検出することができる。即ち、新しいデータがなければ分散は時間と共に増加する。また、変化点後の走行長さＬｔ＋１は、変化点前の走行長さＬｔに至るまでの確率分布に依存する。これらの特徴を用いて、変化点を検出することができる。

図９は、変化点を検出するために使われる要素として、予測値からのずれ（０次導関数）、トレンドの変化（１次導関数）、及び変動の大きさの一例を示す図である。
つまり、最適化評価指数の時系列分布において、予測値からのずれ（０次導関数）、トレンドの変化（１次導関数）、及び変動の大きさが求められ、これらに基づいて変化点が検出される。

［別指数予測演算処理］
次に、評価指数出力装置１０の処理のうち、別指数に基づいて最適化評価指数を算出し、さらに、当該最適化評価指数に基づいて前記別指数を予測するまでの一連の処理（以下、「別指数予測演算処理」と呼ぶ）について説明する。
図１０は、本実施形態に関わる別指数予測演算処理を示すフローチャートである。
なお、当該別指数予測演算処理と並行して、情報源記憶制御部２０１が、時々刻々と、所定の評価対象に関する対象データが抽出された全ての情報源に関する属性を情報源テーブル１２１に書き込み、さらに、各情報源から抽出された対象データと、上述の如く算出される対象ウェイトとを対象データテーブル１２３に書き込む処理が行われているものとする。

ステップＳ１において、評価ポイント算出部２０２は、評価対象に関する対象データの夫々について、評価ポイントを算出する。

ステップＳ２において、別指数取得部２０３が、評価対象に関する別指数（例えば株価等）を取得する。

ステップＳ３において、対象ウェイト可変設定部２０４は、各対象データについて、ステップＳ２において取得された評価対象の別指数に基づいて、各対象ウェイトを夫々補正する。

ステップＳ４において、評価指数算出部２０５は、対象データの夫々についての評価ポイントと、補正された各対象ウェイトの積に基づいて、評価対象に関する評価指数（最適化評価指数）を算出する。

ステップＳ５において、評価指数算出部２０５は、評価指数（最適化評価指数）を、評価指数データベース１２４に記憶する。

ステップＳ６において、評価指数出力装置１０の制御部１１０は、評価指数を前回算出してから所定時間が経過したか否かを判断する。
所定時間は特に限定されないが、例えば１時間が採用されているものとする。
１時間経過した場合には、ステップＳ６においてＹＥＳと判断され、処理はステップＳ１に戻され、それ以降の処理が実行されて、評価指数（最適化評価指数）が新たに演算される。即ち、後述する別指数の予測が要求されず（ステップＳ７ＮＯ）かつ処理の終了が指示されない（ステップＳ１０ＮＯ）限り、ステップＳ１〜Ｓ６のループ処理が繰り返し実行されて、所定の時間間隔毎（例えば１時間間隔毎）に評価指数（最適化評価指数）がその都度新たに演算されて、履歴として評価指数データベース１２４に順次蓄積されていく。

ここで、ステップＳ６においてＮＯと判断された場合、即ち、評価指数を前回算出してから前記所定時間がまだ経過していない場合、処理はステップＳ７に進む。

ステップＳ７において、評価指数出力装置１０の制御部１１０は、別指数の予測がユーザにより要求されているか否かを判断する。ステップＳ７においてＮＯと判断された場合、処理はステップＳ１０に進む。ステップＳ１０の処理については後述する。
これに対して、ユーザが別指数の予測を要求した場合、ステップＳ７においてＹＥＳであると判定されて、処理はステップＳ８に進む。

ステップＳ８において、時系列分布作成部２０６が、評価指数データベース１２４から、別指数を予測するのに必要なだけの評価指数（最適化評価指数）の時系列分布を取得する。

ステップＳ９において、別指数予測部２０７は、ステップＳ８で取得された評価指数（最適化評価指数）の時系列分布に基づいて、評価対象に関する別指数の将来値を予測演算する。

ステップＳ１０において、評価指数出力装置１０の制御部１１０は、処理の終了が指示されているか否かを判断する。
処理の終了指示は、特に限定されず、例えば評価指数出力装置１０の電源遮断の指示を処理の終了指示として採用することができる。
処理の終了指示がなされない場合には、ステップＳ１０においてＮＯであると判定されて、処理はステップＳ６に戻され、上述の処理が繰り返し実行される。
これに対して、処理の終了指示がなされた場合には、ステップＳ１０においてＹＥＳであると判定されて、別指数予測演算処理は終了する。

なお、本発明は、上述の実施形態に限定されるものではなく、本発明の目的を達成できる範囲での変形、改良等は本発明に含まれるものである。

換言すると、本発明が適用される情報処理装置は、上述の実施形態としての評価指数出力装置１０を含め、次のような構成を有する各種各様の実施形態を取ることができる。
即ち、評価指数出力装置１０を含め、本発明が適用される情報処理装置は、
所定の対象に関する指数を算出する情報処理装置において、
複数の情報源データから抽出された、前記所定の対象を示すキーワードを含む対象データの夫々について解析することによって、前記所定の対象の指数を決定するポイントデータを算出するポイント算出手段と、
前記所定の対象に関する前記指数とは異なる、別指数を取得する別指数取得手段と、
前記ポイントデータと前記別指数に基づいて、前記所定の対象に関する前記指数を算出する指数算出手段と、
を備える。

ここで、別指数として適切なものを採用することで、別指数の変動に応じて指数が最適される。例えば上述の実施形態における最適化評価指数が得られることになる。このような最適化評価指数等の指数を用いることで、別指数の予測は勿論のこと、様々な社会現象を適切に予測することが可能になり得る。

つまり、上述の実施形態では、所定の評価対象に関する評判を表す評価指数が算出されたが、これは例示に過ぎず、所定の対象に関する指数を算出する情報処理装置一般に本発明は適用できる。
この場合、当然ながら、指数を算出するためポイントデータは、上述の実施形態の評価ポイントデータ、即ち前記所定の評価対象の評判を決定する評価ポイントデータに特に限定されず、前記所定の対象の指数を決定するものであれば足りる。

また、上述の実施形態では、指数を演算するにあたり、ウェイトデータが用いられていたが、当該ウェイトデータは特に必須な要素ではない。即ち、本発明は、ポイントデータと別指数に基づいて、所定の対象に関する前記指数を算出すれば足り、その算出手法は特に限定されない。

ただし、
前記複数の情報源データ毎に、情報源と情報源ウェイトデータとを含む組の記憶を制御する情報源記憶制御手段と、
前記対象データの夫々についての対象ウェイトデータを、前記所定の対象に関する前記別指数と、前記情報源毎の前記情報源ウェイトデータとに基づいて可変設定する対象ウェイト可変設定手段と、
をさらに備え、
前記指数算出手段は、前記対象データの夫々についての前記ポイントデータと前記対象ウェイトデータとに基づいて、前記指数を算出するようにしてもよい。

さらに、例えば所定の評価対象が所定企業であり、所定の評価対象に関する別指数が、当該所定企業の株価である場合、社会情勢の変動とは別に所定企業内の理由だけで株価が変動する場合もある。つまり、母集団（日本国全体）における別指数（日経平均株価等）と、当該所定企業の株価とは必ずしも連動しない。一方で、母集団（日本国全体）における別指数（日経平均株価等）は、母集団の社会情勢と連動する場合が多い。
そこで、
前記別指数取得手段は、さらに、母集団に関する前記別指数を取得し、
前記対象ウェイト可変設定手段は、前記所定の対象に関する前記別指数と、前記情報源毎の前記情報源ウェイトデータとに加えてさらに、母集団に関する前記別指数に基づいて、前記対象データの夫々についての前記対象ウェイトデータを可変設定するようにしてもよい。
これにより、指数は母集団の社会情勢も加味して最適されることになる。即ち、上述の実施形態の例でいえば最適化評価指数としてより一段と適切なものが得られることになる。このような指数（例えば最適化評価指数）を用いることで、別指数の予測は勿論のこと、様々な社会現象を予測することがより一段と可能になり得る。

さらにいえば、
前記別指数取得手段は、前記別指数として複数種類を取得し、
前記指数算出手段は、前記ポイントデータと、前記複数種類の前記別指数に基づいて、前記指数を算出する、
ようにしてもよい。
ここで、別指数の組み合わせは、特に限定されず、任意の種類の任意の個数の別指数を組み合わせることができる。例えば、株価という第１別指数と、天気という第２別指数を採用することもできる。この場合、第１別指数と第２別指数による演算手法は当然現てされず、例えば第１別指数と第２別指数とを夫々重み付けして演算するようにしてもよい。

また、上述した一連の処理は、ハードウェアにより実行させることもできるし、ソフトウェアにより実行させることもできる。
換言すると、図３の機能的構成は例示に過ぎず、特に限定されない。即ち、上述した一連の処理を全体として実行できる機能が評価指数出力装置１０に備えられていれば足り、この機能を実現するためにどのような機能ブロックを用いるのかは特に図３の例に限定されない。
また、１つの機能ブロックは、ハードウェア単体で構成してもよいし、ソフトウェア単体で構成してもよいし、それらの組み合わせで構成してもよい。

一連の処理をソフトウェアにより実行させる場合には、そのソフトウェアを構成するプログラムが、コンピュータ等にネットワークや記録媒体からインストールされる。
コンピュータは、専用のハードウェアに組み込まれているコンピュータであってもよい。また、コンピュータは、各種のプログラムをインストールすることで、各種の機能を実行することが可能なコンピュータ、例えば汎用のパーソナルコンピュータであってもよい。

このようなプログラムを含む記録媒体は、ユーザにプログラムを提供するために装置本体とは別に配布されるリムーバブルメディアにより構成されるだけでなく、装置本体に予め組み込まれた状態でユーザに提供される記録媒体等で構成される。リムーバブルメディアは、例えば、磁気ディスク（フロッピディスクを含む）、光ディスク、又は光磁気ディスク等により構成される。光ディスクは、例えば、ＣＤ−ＲＯＭ（Ｃｏｍｐａｃｔ Ｄｉｓｋ−Ｒｅａｄ Ｏｎｌｙ Ｍｅｍｏｒｙ），ＤＶＤ（Ｄｉｇｉｔａｌ Ｖｅｒｓａｔｉｌｅ Ｄｉｓｋ）等により構成される。光磁気ディスクは、ＭＤ（Ｍｉｎｉ−Ｄｉｓｋ）等により構成される。また、装置本体に予め組み込まれた状態でユーザに提供される記録媒体は、例えば、プログラムが記録されている図２の記憶部１４０等で構成される。

なお、本明細書において、記録媒体に記録されるプログラムを記述するステップは、その順序に沿って時系列的に行われる処理はもちろん、必ずしも時系列的に処理されなくとも、並列的或いは個別に実行される処理をも含むものである。
また、本明細書において、システムの用語は、複数の装置や複数の手段等より構成される全体的な装置を意味するものとする。

１ 評価指数出力システム、１０ 評価指数出力装置、２０ａ、２０ｂ、２０ｃ 端末、３０ 通信ネットワーク、４０ 情報源サーバ、１１０、２１０、４１０ 制御部、１２０、２２０、４２０ 入力部、１３０、２３０、４３０ 表示部、１４０、２４０、４４０ 記憶部、１５０、２５０、４５０ 通信Ｉ／Ｆ部、１６０、２６０、４６０ バス、１２１ 情報源テーブル、１２２ 関連テーブル、１２３ 対象データテーブル、１２４ 評価指数データベース、２０１ 情報源記憶制御部、２０２ 評価ポイント算出部、２０３ 別指数取得部、２０４ 対象ウェイト可変設定部、２０５ 評価指数算出部、２０６ 時系列分布作成部、２０７ 別指数予測部

Claims (11)

1. 所定の対象に関する指数を算出する情報処理装置において、
   複数の情報源データから抽出された、前記所定の対象を示すキーワードを含む対象データの夫々について解析することによって、前記所定の対象の指数を決定するポイントデータを算出するポイント算出手段と、
   前記所定の対象に関する前記指数とは異なる、別指数を取得する別指数取得手段と、
   前記ポイントデータと前記別指数に基づいて、前記所定の対象に関する前記指数を算出する指数算出手段と、
   を備える情報処理装置。
2. 前記別指数取得手段は、前記別指数として複数種類を取得し、
   前記指数算出手段は、前記ポイントデータと、前記複数種類の前記別指数に基づいて、前記指数を算出する、
   請求項１に記載の情報処理装置。
3. 前記複数の情報源データ毎に、情報源と情報源ウェイトデータとを含む組の記憶を制御する情報源記憶制御手段と、
   前記対象データの夫々についての対象ウェイトデータを、前記所定の対象に関する前記別指数と、前記情報源毎の前記情報源ウェイトデータとに基づいて可変設定する対象ウェイト可変設定手段と、
   をさらに備え、
   前記指数算出手段は、前記対象データの夫々についての前記ポイントデータと前記対象ウェイトデータとに基づいて、前記指数を算出する、
   請求項１又は２に記載の情報処理装置。
4. 前記別指数取得手段は、さらに、母集団に関する前記別指数を取得し、
   前記対象ウェイト可変設定手段は、前記所定の対象に関する前記別指数と、前記情報源毎の前記情報源ウェイトデータとに加えてさらに、母集団に関する前記別指数に基づいて、前記対象データの夫々についての前記対象ウェイトデータを可変設定する
   請求項３に記載の情報処理装置。
5. 前記所定の対象に関する前記指数の時系列分布に基づいて、前記所定の対象に関する前記別指数を予測演算する別指数予測手段
   をさらに備える請求項１乃至４のうち何れか１項に記載の情報処理装置。
6. 前記別指数予測手段は、前記所定の対象に関する前記指数の時系列分布におけるトレンドと変化点に基づいて、前記所定の対象に関する前記別指数の将来値を予測演算する、
   請求項５に記載の情報処理装置。
7. 前記別指数予測手段は、前記所定の対象に関する前記指数の時系列分布に対して、古いデータほど価値が小さくなる特性を有するフィルタを用いて、前記トレンドを求める、
   請求項６に記載の情報処理装置。
8. 前記別指数予測手段は、市場に流通する情報の所定のモデルを用いて、前記所定の対象に関する前記指数の時系列分布からノイズを除去したうえで、前記トレンドを求める、
   請求項６又は７に記載の情報処理装置。
9. 前記指数は、所定の評価対象に関する評判を表す評価指数であり、
   前記ポイント算出手段は、前記ポイントデータとして、前記所定の評価対象の評判を決定する評価ポイントデータを算出する、
   請求項１乃至４のうちの何れか１項に記載の情報処理装置。
10. 所定の対象に関する指数を算出する情報処理装置が実行する情報処理方法において、
    複数の情報源データから抽出された、前記所定の対象を示すキーワードを含む対象データの夫々について解析することによって、前記所定の対象の指数を決定するポイントデータを算出するポイント算出ステップと、
    前記所定の対象に関する前記指数とは異なる、別指数を取得する別指数取得ステップと、
    前記ポイントデータと前記別指数に基づいて、前記所定の対象に関する前記指数を算出する指数算出ステップと、
    を含む情報処理方法。
11. 所定の対象に関する指数を算出するコンピュータに、
    複数の情報源データから抽出された、前記所定の対象を示すキーワードを含む対象データの夫々について解析することによって、前記所定の対象の指数を決定するポイントデータを算出するポイント算出ステップと、
    前記所定の対象に関する前記指数とは異なる、別指数を取得する別指数取得ステップと、
    前記ポイントデータと前記別指数に基づいて、前記所定の対象に関する前記指数を算出する指数算出ステップと、
    を含む制御処理を実行させるプログラム。

Images