JP2020119085A - 計算機システム及び対象に関する目的を達成するために有用な情報の提示方法 - Google Patents

Abstract

【課題】ＡＩの予測を活用して、対象に関する目的を達成するために有用な情報を提示する。【解決手段】計算機システムは、評価対象データに基づいて対象の事象の予測を行うための予測モデルと、評価対象データに含まれる特徴量の値の変更規則を定義した特徴量プロファイル管理情報とを管理し、特徴量プロファイル管理情報に基づいて、評価対象データに含まれる特徴量の値を変更することによって変更方針データを生成し、変更方針データの有効性を示す評価値を算出し、対象に関する目的を達成するために有用な情報として、変更方針データ及び評価値を提示するための表示情報を生成する。【選択図】図６

Description

本発明は、ＡＩによる対象の事象の予測を用いて、対象に関する目的を達成するために有用な情報を提示するシステム及び方法に関する。

近年、都市計画、医療、及び金融等の様々な分野で、対象の事象を予測するＡＩを用いたシステムが提供されている。例えば、都市計画では、ＡＩを活用して町（対象）の犯罪の発生リスク（事象）の予測が行われる。医療分野では、ＡＩを活用して、患者（対象）の病気の発症率（事象）の予測及び症状（事象）の特定等が行われる。また、金融分野では、ＡＩを活用して、申込者（対象）の貸し倒れ損失の発生率（事象）の予測が行われる。

ＡＩの予測を活用して、ＫＰＩの改善等、対象に関する目的を達成するために有用な情報を提示する技術が求められている。例えば、ＡＩを活用して町（対象）の犯罪の発生リスク（事象）の予測を行った結果、リスクが高いと予測された町のリスクを低くするために、どのような対策を行えばよいかを提示するような技術が求められている。これに対して特許文献１に記載の技術が知られている。

特許文献１には、「マーケティング施策の定量的な評価指標であるＫＰＩを選択するＫＰＩ選択部、ＫＰＩの目標値を設定する目標値設定部、顧客プロファイルデータベースに含まれる顧客の基本属性に係る係数を用い、マーケティングの施策反応率であるＫＰＩの予測値を、過去に実施したマーケティング施策事例を参照して算出する施策反応率算出部、及び、ＫＰＩの予測値がＫＰＩの目標値を超えるときに、マーケティングの施策の実施を推薦する最適施策推薦部を有する」マーケティング施策最適化装置が記載されている。

特開２０１６−１１８９７５号公報

Marco Tulio Ribeiro 他、「"Why Should I Trust You?": Explaining the Predictions of Any Classifier」、KDD '16 Proceedings of the 22nd ACM SIGKDD International Conference on Knowledge Discovery and Data Mining、２０１６年８月、Pages 1135-1144 Scott M Lundberg 他、「A Unified Approach to Interpreting Model Predictions」、Advances in Neural Information Processing Systems 30、２０１７年１２月、Pages 4765-4774

特許文献１に記載の技術では、過去に実施したマーケティング施策に基づいて、マーケティング施策の提案が行われる。そのため、過去に実施したマーケティング施策に一致又は類似するマーケティング施策しか提案できない。また、特許文献１の技術は、ＡＩの予測を活用したものではない。

本発明は、ＡＩの予測を活用して、対象に関する目的を達成するために有用な情報を提示するためのシステム及び方法を提供する。

本願において開示される発明の代表的な一例を示せば以下の通りである。すなわち、計算機システムであって、プロセッサ及び前記プロセッサに接続されるメモリを有する少なくとも一つの計算機を備え、対象の状態を示す複数の特徴量の値を含む評価対象データに基づいて当該対象の事象の予測を行うための予測モデル（アルゴリズム）と、前記対象の事象の予測の結果に基づいて生成される、前記評価対象データに含まれる複数の特徴量の各々の値の変更規則を定義した特徴量プロファイル管理情報とを管理し、前記プロセッサは、前記特徴量プロファイル管理情報に基づいて、前記評価対象データに含まれる前記複数の特徴量の値を変更することによって変更方針データを複数生成し、前記予測モデル、前記評価対象データ、及び前記複数の変更方針データを用いて、前記複数の変更方針データの各々の有効性を示す評価値を算出し、前記対象に関する目的を達成するために有用な情報として、前記複数の変更方針データ及び前記複数の変更方針データの各々の前記評価値を提示するための表示情報を生成し、前記表示情報を出力する。

本発明の一形態によれば、予測モデルによって実現されるＡＩの予測の結果を活用して、対象に関する目的を達成するために有用な情報として変更方針データを提示できる。上記した以外の課題、構成及び効果は、以下の実施例の説明により明らかにされる。

実施例１の計算機システムの構成の一例を示す図である。 実施例１の計算機のハードウェア構成の一例を示す図である。 実施例１の事例データ管理情報のデータ構造の一例を示す図である。 実施例１の特徴量プロファイル管理情報のデータ構造の一例を示す図である。 実施例１の変更方針データ管理情報のデータ構造の一例を示す図である。 実施例１の計算機システムにおいて実行される処理の概要を示す図である。 実施例１の端末に表示される画面の一例を説明する図である。 実施例１の端末に表示される画面の一例を説明する図である。 実施例１の貢献度ベクトルのデータ構造の一例を示す図である。 実施例１の評価対象データのデータ構造の一例を示す図である。 実施例１の変更方針データのデータ構造の一例を示す図である。 実施例１の予測結果データのデータ構造の一例を示す図である。 実施例１の難易度情報のデータ構造の一例を示す図である。 実施例１の貢献度算出部が実行する事例データの貢献度ベクトルの生成処理の一例を説明するフローチャートである。 実施例１の貢献度算出部が実行する貢献度算出処理の一例を説明するフローチャートである。 実施例１の特徴量プロファイル生成部が実行する特徴量プロファイル管理情報の生成処理の一例を説明するフローチャートである。 実施例１の貢献度算出部が実行する評価対象データの貢献度ベクトルの生成処理の一例を説明するフローチャートである。 実施例１の生成条件設定部が実行する特徴量プロファイル管理情報の更新処理の一例を説明する図である。 実施例１の変更方針データ生成部が実行する変更方針データの生成処理の一例を説明するフローチャートである。 実施例１の難易度算出部が実行する難易度算出処理の一例を説明するフローチャートである。 実施例１の管理情報生成部が実行する管理情報生成処理の一例を説明するフローチャートである。 実施例１の出力部が実行する表示情報生成処理を説明するフローチャートである。 実施例１の端末に表示される結果表示画面の一例を示す図である。

以下、本発明の実施例を、図面を用いて説明する。ただし、本発明は以下に示す実施例の記載内容に限定して解釈されるものではない。本発明の思想ないし趣旨から逸脱しない範囲で、その具体的構成を変更し得ることは当業者であれば容易に理解される。

以下に説明する発明の構成において、同一又は類似する構成又は機能には同一の符号を付し、重複する説明は省略する。

本明細書等における「第１」、「第２」、「第３」等の表記は、構成要素を識別するために付するものであり、必ずしも、数又は順序を限定するものではない。

図面等において示す各構成の位置、大きさ、形状、及び範囲等は、発明の理解を容易にするため、実際の位置、大きさ、形状、及び範囲等を表していない場合がある。したがって、本発明では、図面等に開示された位置、大きさ、形状、及び範囲等に限定されない。

図１は、実施例１の計算機システムの構成の一例を示す図である。

計算機システムは、計算機１００−１、１００−２、１００−３、及び端末１０１から構成される。計算機１００−１、１００−２、１００−３、及び端末１０１は、ＷＡＮ（Ｗｉｄｅ Ａｒｅａ Ｎｅｔｗｏｒｋ）及びＬＡＮ（Ｌｏｃａｌ Ａｒｅａ Ｎｅｔｗｏｒｋ）等のネットワーク１０２を介して互いに接続される。ネットワーク１０２の接続方式は、有線及び無線のいずれでもよい。

以下の説明では、計算機１００−１、１００−２、１００−３を区別しない場合、計算機１００と記載する。

端末１０１は、ユーザが操作する計算機であり、図示しない、プロセッサ、主記憶装置、副記憶装置、ネットワークインタフェース、入力装置、及び出力装置を有する。入力装置は、キーボード、マウス、及びタッチパネル等である。出力装置は、ディスプレイ及びプリンタ等である。

計算機１００−１は、対象の事象の予測を行う計算機である。例えば、計算機１００−１は、町（対象）の犯罪の発生リスク（事象）及び患者（対象）の病気の発症率（事象）等の予測を行う。計算機１００−１は、予測器１１０及び貢献度算出部１１１を有する。

予測器１１０は、機械学習等により生成された予測モデル（図示省略）に基づいて、対象の状態を示す入力データを処理することによって、対象の事象の予測を行う。予測モデルは、ニューラルネットワーク及び決定木等に関する情報を含む。入力データは、対象の状態を示す複数の特徴量の値を含む。後述する事例データ及び評価対象データ６０１（図６参照）は入力データの一例である。

貢献度算出部１１１は、入力データに含まれる特徴量の値の各々について、特徴量の値が予測結果に与える影響の強さを表す貢献度（影響度）を算出する。また、貢献度算出部１１１は、各特徴量の貢献度を要素とする貢献度ベクトルを生成する。貢献度は、例えば、非特許文献１又は非特許文献２に記載の算出方法を用いて算出できる。なお、本発明は貢献度の算出方法に限定されない。

計算機１００−２は入力データに含まれる特徴量の特性を解析する。計算機１００−２は、特徴量プロファイル生成部１２０を有し、また、事例データ管理情報１２１及び特徴量プロファイル管理情報１２２を管理する。

事例データ管理情報１２１は事例データを管理するための情報である。ここで、事例データは、特徴量の特性を解析するために用いられる入力データである。事例データは、予測器１１０に過去に入力されたデータでもよいし、予測モデルを生成するための学習データでもよい。事例データ管理情報１２１のデータ構造の詳細は図３を用いて説明する。

特徴量プロファイル管理情報１２２は、入力データに含まれる特徴量の特性を示す特徴量プロファイルを管理するための情報である。特徴量プロファイル管理情報１２２のデータ構造の詳細は図４を用いて説明する。

特徴量プロファイル生成部１２０は、事例データ管理情報１２１に格納される事例データを解析し、特徴量プロファイル管理情報１２２を生成する。

計算機１００−３は、ＫＰＩの改善等、対象に関する目的を達成するための対象の状態の変更方針を示す変更方針データ６０３（図６参照）を生成する。また、計算機１００−３は、変更方針データ６０３の有効性を示す評価値を算出する。後述するように、変更方針データ６０３は、変更規則に基づいて評価対象データ６０１の任意の特徴量の値を変更することによって生成される。計算機１００−３は、生成条件設定部１３０、変更方針データ生成部１３１、難易度算出部１３２、管理情報生成部１３３、及び出力部１３４を有し、また、変更方針データ管理情報１３５を管理する。

変更方針データ管理情報１３５は、変更方針データ６０３を管理するための情報である。変更方針データ管理情報１３５のデータ構造の詳細は図５を用いて説明する。

生成条件設定部１３０は、変更方針データ６０３の生成時に値を変更する特徴量を指定するための生成条件を設定する。生成条件は特徴量プロファイル管理情報１２２に反映される。

変更方針データ生成部１３１は、特徴量プロファイル管理情報１２２に基づいて、評価対象データ６０１から変更方針データ６０３を生成する。なお、変更する特徴量を絞り込む場合、評価対象データ６０１の貢献度ベクトル６０２を用いてもよい。

難易度算出部１３２は、評価対象データ６０１が示す対象の状態から、変更方針データ６０３が示す対象の状態に変更する難しさの度合いを示す難易度を算出する。難易度は評価値の一つである。

管理情報生成部１３３は、生成された変更方針データ６０３に基づいて変更方針データ管理情報１３５を生成する。

出力部１３４は、変更方針データ管理情報１３５に基づいて、変更方針データ６０３及び評価値をユーザに提示するための表示情報６０７（図６参照）を生成し、端末１０１に送信する。

なお、計算機１００−１、１００−２、１００−３のいずれかは、端末１０１からの要求を受け付けるためのＡＰＩ（Ａｐｐｌｉｃａｔｉｏｎ Ｐｒｏｇｒａｍｍｉｎｇ Ｉｎｔｅｒｆａｃｅ）を提供する操作受付部を有してもよい。

ここで、計算機１００のハードウェア構成について説明する。図２は、実施例１の計算機１００のハードウェア構成の一例を示す図である。

計算機１００は、プロセッサ２０１、主記憶装置２０２、副記憶装置２０３、及びネットワークインタフェース２０４を有する。各ハードウェア構成は内部バスを介して互いに接続される。なお、計算機１００は、副記憶装置２０３を有していなくてもよい。また、計算機１００は、入力装置及び出力装置を有してもよい。

プロセッサ２０１は、主記憶装置２０２に格納されるプログラムを実行する。プロセッサ２０１がプログラムにしたがって処理を実行することによって、予測器１１０等、特定の機能を実現する機能部（モジュール）として動作する。以下の説明では、機能部を主語に処理を説明する場合、プロセッサ２０１が当該機能部を実現するプログラムを実行していることを示す。

主記憶装置２０２は、プロセッサ２０１が実行するプログラム及び当該プログラムが使用する情報を格納する。また、主記憶装置２０２は、プログラムが一時的に使用するワークエリアを含む。

計算機１００−１の主記憶装置２０２には、予測器１１０及び貢献度算出部１１１を実現するためのプログラム、並びに、予測モデルが格納される。予測器１１０を実現するプログラムは、予測モデルに基づいて入力データを処理する。計算機１００−２の主記憶装置２０２には、特徴量プロファイル生成部１２０を実現するためのプログラムが格納される。計算機１００−３の主記憶装置２０２には、生成条件設定部１３０、変更方針データ生成部１３１、難易度算出部１３２、管理情報生成部１３３、及び出力部１３４を実現するためのプログラムが格納される。

副記憶装置２０３は、ＨＤＤ（Ｈａｒｄ Ｄｉｓｋ Ｄｒｉｖｅ）及びＳＳＤ（Ｓｏｌｉｄ Ｓｔａｔｅ Ｄｒｉｖｅ）等、データを永続的に格納する。

計算機１００−２の副記憶装置２０３は、事例データ管理情報１２１及び特徴量プロファイル管理情報１２２を格納する。なお、事例データ管理情報１２１は、計算機１００−２がアクセス可能なストレージシステムに格納されてもよい。計算機１００−３の副記憶装置２０３は、変更方針データ管理情報１３５を格納する。

なお、各計算機１００が有する各機能部については、複数の機能部を一つの機能部にまとめてもよいし、一つの機能部を機能毎に複数の機能部に分けてもよい。また、各計算機１００が有する機能部を一つの計算機１００にまとめてもよい。

図３は、実施例１の事例データ管理情報１２１のデータ構造の一例を示す図である。

事例データ管理情報１２１は、ＩＤ３０１及び特徴量３０２から構成されるエントリを格納する。一つの事例データに対して一つのエントリが存在する。

ＩＤ３０１は、事例データの識別情報を格納するフィールドである。ＩＤ３０１には、例えば、数字が格納される。特徴量３０２は、事例データに含まれる特徴量の値を格納するフィールド群である。

実施例１の予測器１１０は、夜間交通量、夜間騒音、夜間照度、及び天候を特徴量として含む入力データを処理するものとする。なお、本発明は、入力データに含まれる特徴量の数及び種別に限定されない。

図４は、実施例１の特徴量プロファイル管理情報１２２のデータ構造の一例を示す図である。

特徴量プロファイル管理情報１２２は、特徴量４０１、値域４０２、影響値域４０３、変動単位４０４、及び制御可否４０５から構成されるエントリを格納する。一つの特徴量のプロファイルデータに対して一つのエントリが存在する。実施例１の特徴量プロファイル管理情報１２２には、夜間交通量、夜間騒音、夜間照度、及び天候の四つのエントリが格納される。

特徴量４０１は、入力データに含まれる特徴量の識別情報を格納するフィールドである。特徴量４０１には、例えば、特徴量の名称等が格納される。

値域４０２は、特徴量が取り得る値の範囲を格納するフィールドである。特徴量が数値である場合、値域４０２には最大値及び最小値が格納され、特徴量が文字列である場合、値域４０２には特徴量に設定された全ての文字列が格納される。

影響値域４０３は、貢献度に影響を与える特徴量の値の範囲を格納するフィールドである。すなわち、影響値域４０３に示す範囲内で特徴量の値を変更した場合、当該特徴量の貢献度も変化することを示す。

変動単位４０４は、特徴量の値の変動単位を格納するフィールドである。特徴量が数値である場合、変動単位４０４には値の変動量の最小値が格納され、特徴量が文字列である場合、変動単位４０４には特徴量に設定された全ての文字列が格納される。

制御可否４０５は、値が変更可能な特徴量であるか否かを示す情報を格納するフィールドである。制御可否４０５には「可」及び「不可」のいずれかが格納される。「可」は値の変更が可能な特徴量であることを示し、「不可」は値の変更が不可能な特徴量であることを示す。

図５は、実施例１の変更方針データ管理情報１３５のデータ構造の一例を示す図である。

変更方針データ管理情報１３５は、ＩＤ５０１、特徴量５０２、特徴量５０３、効果５０４、及び難易度５０５から構成されるエントリを含む。一つの変更方針データ６０３に対して一つのエントリが存在する。

ＩＤ５０１は、変更方針データ管理情報１３５に格納されるエントリの識別情報を格納するフィールドである。

特徴量５０２は、評価対象データ６０１から変更方針データ６０３を生成する場合に変更された特徴量の変更前の値を格納するフィールドである。特徴量５０２には、評価対象データ６０１に含まれる特徴量の値が格納される。

計算機１００−３は、評価対象データ６０１及び特徴量５０３に基づいて変更方針データ６０３を再現することができる、変更方針データ６０３そのものを保持していなくてもよい。

特徴量５０３は、評価対象データ６０１から変更方針データ６０３を生成する場合に変更された特徴量の変更後の値を格納するフィールドである。特徴量５０３には、変更方針データ６０３に含まれる特徴量の値が格納される。

効果５０４は、変更方針データ６０３が示す対象の状態に変更した場合の有効性を示す指標を格納するフィールドである。例えば、効果５０４には、ＫＰＩの改善効果を示す値が格納される。効果は評価値の一つである。難易度５０５は難易度を格納するフィールドである。

図６は、実施例１の計算機システムにおいて実行される処理の概要を示す図である。図７及び図８は、実施例１の端末１０１に表示される画面の一例を説明する図である。

一点鎖線は特徴量プロファイル管理情報１２２を生成する処理の流れを示す。実線は変更方針データ６０３を生成する処理の流れを示す。

まず、特徴量プロファイル管理情報１２２を生成する処理について説明する。特徴量プロファイル生成部１２０は端末１０１に設定画面７００を提示する。ここで、設定画面７００について説明する。

設定画面７００は、事例データ入力欄７１１、予測モデル入力欄７１２、及び生成ボタン７２０を含む。

事例データ入力欄７１１は、事例データ管理情報１２１の格納場所を入力するための欄である。予測モデル入力欄７１２は、予測モデルの格納場所を入力するための欄である。生成ボタン７２０は、特徴量プロファイルの生成要求を出力するための操作ボタンである。

端末１０１は、生成ボタン７２０が操作された場合、事例データ管理情報１２１及び予測モデルの格納場所を示すデータを含む特徴量プロファイルの生成要求を、特徴量プロファイル生成部１２０に送信する。図６の説明に戻る。

特徴量プロファイル生成部１２０は、特徴量プロファイルの生成要求を受信した場合、貢献度算出部１１１に貢献度ベクトルの生成要求を送信する。

貢献度算出部１１１は、予測器１１０と連携して、事例データに含まれる特徴量の貢献度を算出し、各特徴量の貢献度を要素とする貢献度ベクトル６００を生成する。一つの事例データに対して一つの貢献度ベクトル６００が生成される。貢献度算出部１１１は、生成された貢献度ベクトル６００を特徴量プロファイル生成部１２０に送信する。

特徴量プロファイル生成部１２０は、貢献度ベクトル６００を受信した場合、事例データ及び事例データの貢献度ベクトル６００を用いた解析処理を実行し、特徴量プロファイル管理情報１２２を生成する。

次に、変更方針データ６０３を生成する処理について説明する。計算機１００−３は設定画面８００を提示する。例えば、生成条件設定部１３０によって設定画面８００が提示される。ここで、設定画面８００について説明する。

設定画面８００は、データ選択欄８０１及び生成条件設定欄８０２を含む。

データ選択欄８０１は、変更方針データ６０３を生成するために用いるデータを選択するための欄である。データ選択欄８０１は、評価対象データ入力欄８１１、予測モデル入力欄８１２、事例データ入力欄８１３、特徴量プロファイル入力欄８１４、及びデータ読込みボタン８２０を含む。

評価対象データ入力欄８１１は、評価対象データ６０１の格納場所を入力するための欄である。予測モデル入力欄８１２は、予測モデルの格納場所を入力するための欄である。事例データ入力欄８１３は、事例データ管理情報１２１の格納場所を入力するための欄である。特徴量プロファイル入力欄８１４は、特徴量プロファイル管理情報１２２の格納場所を入力するための欄である。データ読込みボタン８２０は、評価対象データ入力欄８１１、予測モデル入力欄８１２、及び特徴量プロファイル入力欄８１４において指定されたデータを読み出すための操作ボタンである。

データ読込みボタン８２０が操作された場合、端末１０１は、各データの格納場所を示すデータを含む読出要求を、計算機１００−３に送信する。この場合、生成条件設定部１３０が、生成条件設定欄８０２に生成条件表示テーブル８３０を提示する。

生成条件設定欄８０２は、生成条件を設定するための欄である。生成条件設定欄８０２は、生成条件表示テーブル８３０、初期化ボタン８４０、及び生成ボタン８５０を含む。

生成条件表示テーブル８３０は、各特徴量の変更規則を表示するテーブルである。生成条件表示テーブル８３０は、特徴量８３１、値域８３２、影響値域８３３、変動単位８３４、及び制御可否８３５から構成されるエントリを含む。一つのエントリが一つの特徴量に対応する。

特徴量８３１は、特徴量の識別情報を格納するフィールドである。値域８３２は、特徴量が取り得る値の範囲を格納するフィールドである。値域８３２は値域４０２に対応するフィールドである。影響値域８３３は、貢献度に影響を与える特徴量の値の範囲を格納するフィールドである。影響値域８３３は影響値域４０３に対応するフィールドである。変動単位８３４は、特徴量の値の変動単位を格納するフィールドである。変動単位８３４は変動単位４０４に対応するフィールドである。

制御可否８３５は、値の変更が可能な特徴量であるか否かを選択するためのフィールドである。制御可否８３５は、「可」及び「不可」を選択するためのラジオボタンを含む。制御可否８３５の操作結果は、特徴量プロファイル管理情報１２２の制御可否４０５に反映される。

初期化ボタン８４０は、制御可否８３５の操作を初期化するための操作ボタンである。生成ボタン８５０は、変更方針データ６０３の生成要求を出力するための操作ボタンである。

端末１０１は、生成ボタン８５０が操作された場合、事例データ管理情報１２１、特徴量プロファイル管理情報１２２、評価対象データ６０１、及び予測モデルの格納場所を示すデータ、並びに、制御可否８３５の操作結果を含む、変更方針データ６０３の生成要求を、計算機１００−３に送信する。図６の説明に戻る。

生成条件設定部１３０は、変更方針データ６０３の生成要求を受信した場合、制御可否８３５の操作結果に基づいて特徴量プロファイル管理情報１２２を更新する。その後、生成条件設定部１３０は、変更方針データ生成部１３１に当該生成要求を転送する。

変更方針データ生成部１３１は、変更方針データ６０３の生成要求を受信した場合、特徴量プロファイル管理情報１２２に基づいて評価対象データ６０１に含まれる特徴量の値を変更することによって、変更方針データ６０３を生成する。

変更方針データ生成部１３１は、難易度算出部１３２に難易度算出要求を送信する。変更方針データ生成部１３１は、難易度が算出された後、管理情報生成部１３３に変更方針データ管理情報１３５の生成要求を送信する。また、変更方針データ生成部１３１は、変更方針データ管理情報１３５が生成された後、出力部１３４に出力要求を送信する。なお、変更方針データ生成部１３１は、変更する特徴量を絞り込む場合、貢献度算出部１１１に、貢献度ベクトルの生成要求を送信する。

難易度算出部１３２は、変更方針データ６０３及び事例データ管理情報１２１に格納される事例データを用いて、変更方針データ６０３の難易度を算出する。変更方針データ生成部１３１は、難易度の算出結果から難易度情報６０６を生成する。

管理情報生成部１３３は、予測器１１０に予測要求を送信する。予測器１１０は、予測モデルに基づいて評価対象データ６０１及び変更方針データ６０３を処理することによって、予測結果データ６０４、６０５を出力する。予測器１１０は、予測結果データ６０４、６０５を管理情報生成部１３３に送信する。管理情報生成部１３３は、変更方針データ６０３、予測結果データ６０４、６０５及び難易度情報６０６に基づいて変更方針データ管理情報１３５を生成する。

出力部１３４は、評価対象データ６０１、予測結果データ６０５、及び変更方針データ管理情報１３５に基づいて表示情報６０７を生成し、端末１０１に表示情報を送信する。

ここで、図９から図１３を用いて、計算機システムにおいて処理又は出力されるデータの構造について説明する。

図９は、実施例１の貢献度ベクトル６００のデータ構造の一例を示す図である。

貢献度ベクトル６００は、ＩＤ９０１及び貢献度９０２から構成される。ＩＤ９０１は、事例データの識別情報を格納するフィールドである。貢献度９０２は、貢献度ベクトルの要素である特徴量の貢献度を格納するフィールド群である。

貢献度ベクトル６０２も同様のデータ構造である。ただし、貢献度ベクトル６０２には、ＩＤ９０１に対応するフィールドが含まれない。

図１０は、実施例１の評価対象データ６０１のデータ構造の一例を示す図である。図１１は、実施例１の変更方針データ６０３のデータ構造の一例を示す図である。

評価対象データ６０１は複数の特徴量から構成される。図１０に示す評価対象データ６０１は、特徴量として、夜間交通量１００１、夜間騒音１００２、夜間照度１００３、及び天候１００４を含む。

変更方針データ６０３の夜間交通量１１０２、夜間騒音１１０３、夜間照度１１０４、及び天候１１０５は、夜間交通量１００１、夜間騒音１００２、夜間照度１００３、及び天候１００４と同一のフィールドである。変更方針データ６０３は、変更方針データ６０３の識別情報を格納するフィールドであるＩＤ１１０１を含む。

図１２は、実施例１の予測結果データ６０４のデータ構造の一例を示す図である。

予測結果データ６０４は、ＩＤ１２０１及び予測結果１２０２から構成される。

ＩＤ１２０１は、変更方針データ６０３の識別情報を格納するフィールドである。予測結果１２０２は、予測器１１０から出力された変更方針データ６０３の予測結果を格納するフィールドである。

図１３は、実施例１の難易度情報６０６のデータ構造の一例を示す図である。

難易度情報６０６は、ＩＤ１３０１及び難易度１３０２から構成されるエントリを含む。一つの変更方針データ６０３に対して一つのエントリが存在する。

ＩＤ１３０１は、変更方針データ６０３の識別情報を格納するフィールドである。難易度１３０２は、変更方針データ６０３の難易度を格納するフィールドである。

次に、フローチャートを用いて計算機システムにおいて実行される処理の詳細を説明する。まず、図１４から図１６を用いて特徴量プロファイル管理情報１２２を生成する処理の詳細を説明する。

図１４は、実施例１の貢献度算出部１１１が実行する事例データの貢献度ベクトル６００の生成処理の一例を説明するフローチャートである。

貢献度算出部１１１は、事例データ管理情報１２１及び予測モデルの格納場所を示すデータを含む、貢献度ベクトルの生成要求を受信した場合、以下で説明する処理を開始する。

貢献度算出部１１１は、変数Ｊを初期化する（ステップＳ１０１）。ここで、変数Ｊは事例データを識別するための番号を示す変数である。

具体的には、貢献度算出部１１１は変数Ｊに１を設定する。このとき、貢献度算出部１１１は、事例データ管理情報１２１に格納される事例データの数をＪｍａｘに設定する。

次に、貢献度算出部１１１は、事例データ管理情報１２１から変数Ｊに対応する事例データを取得し（ステップＳ１０２）、当該事例データに含まれる特徴量の貢献度を算出するための貢献度算出処理を実行する（ステップＳ１０３）。貢献度算出処理の詳細は図１５を用いて説明する。

次に、貢献度算出部１１１は、算出された各特徴量の貢献度を要素とする貢献度ベクトル６００を生成する（ステップＳ１０４）。

次に、貢献度算出部１１１は、変数ＪがＪｍａｘに一致するか否かを判定する（ステップＳ１０５）。すなわち、全ての事例データについて処理が完了したか否かが判定される。

変数ＪがＪｍａｘに一致しないと判定された場合、貢献度算出部１１１は、変数Ｊに１を加算した値を変数Ｊに設定し（ステップＳ１０６）、その後、ステップＳ１０２に戻る。

変数ＪがＪｍａｘに一致すると判定された場合、貢献度算出部１１１は、特徴量プロファイル生成部１２０に、算出された全ての貢献度ベクトル６００を送信する（ステップＳ１０７）。その後、貢献度算出部１１１は、事例データの貢献度ベクトル６００の生成処理を終了する。

図１５は、実施例１の貢献度算出部１１１が実行する貢献度算出処理の一例を説明するフローチャートである。

貢献度算出部１１１は、変数Ｋを初期化する（ステップＳ２０１）。ここで、変数Ｋは、事例データから生成される摂動データを識別するための番号を示す変数である。

具体的には、貢献度算出部１１１は変数Ｋに１を設定する。このとき、貢献度算出部１１１は、摂動データの生成数をＫｍａｘに設定する。摂動データの生成数は予め設定されているものとする。

次に、貢献度算出部１１１は、変数Ｋに対応する摂動データを生成する（ステップＳ２０２）。貢献度算出部１１１は、摂動データを予測器１１０に入力し、予測器１１０から出力される摂動データの予測結果データを取得する（ステップＳ２０３）。

次に、貢献度算出部１１１は、摂動データ及びその予測結果データの組をワークエリアに一時的に格納する（ステップＳ２０４）。

次に、貢献度算出部１１１は、変数ＫがＫｍａｘに一致するか否かを判定する（ステップＳ２０５）。

変数ＫがＫｍａｘに一致しないと判定された場合、貢献度算出部１１１は、変数Ｋに１を加算した値を変数Ｋに設定し（ステップＳ２０６）、その後、ステップＳ２０２に戻る。

変数ＫがＫｍａｘに一致すると判定された場合、貢献度算出部１１１は、複数の組を用いて、事例データの各特徴量の貢献度を算出する（ステップＳ２０７）。その後、貢献度算出部１１１は貢献度算出処理を終了する。

図１６は、実施例１の特徴量プロファイル生成部１２０が実行する特徴量プロファイル管理情報１２２の生成処理の一例を説明するフローチャートである。

特徴量プロファイル生成部１２０は、貢献度算出部１１１から貢献度ベクトル６００を受信した場合、以下で説明する処理を開始する。

特徴量プロファイル生成部１２０は、変数Ｌを初期化する（ステップＳ３０１）。ここで、変数Ｌは、事例データに含まれる特徴量を識別するための番号を示す変数である。以下の説明では、変数Ｌに対応する特徴量をターゲット特徴量とも記載する。

具体的には、特徴量プロファイル生成部１２０は変数Ｌに１を設定する。このとき、特徴量プロファイル生成部１２０は、事例データに含まれる特徴量の数をＬｍａｘに設定する。

次に、特徴量プロファイル生成部１２０は、事例データ管理情報１２１に格納される事例データのターゲット特徴量の値を解析することによって、ターゲット特徴量の値域及び変更単位を算出する（ステップＳ３０２）。

具体的には、特徴量プロファイル生成部１２０は、ターゲット特徴量に格納される値の最大値及び最小値によって定まる範囲を、値域として算出する。また、特徴量プロファイル生成部１２０は、ターゲット特徴量の値の差分の最小値を、変更単位として算出する。

次に、特徴量プロファイル生成部１２０は、事例データ管理情報１２１に格納される事例データ及び事例データの貢献度ベクトル６００の関係性を解析することによって、ターゲット特徴量の影響値域を算出する（ステップＳ３０３）。

例えば、特徴量プロファイル生成部１２０は、貢献度が閾値より大きい値の範囲を影響値域として算出する。また、特徴量プロファイル生成部１２０は、貢献度の変化率が閾値より大きい値の範囲を影響値域として算出する。

次に、特徴量プロファイル生成部１２０は、ターゲット特徴量のプロファイルを追加することによって、特徴量プロファイル管理情報１２２を更新する（ステップＳ３０４）。具体的には、以下のような処理が実行される。

特徴量プロファイル生成部１２０は、特徴量プロファイル管理情報１２２にエントリを追加し、追加されたエントリの特徴量４０１にターゲット特徴量の識別情報を設定する。

特徴量プロファイル生成部１２０は、追加されたエントリの値域４０２及び変動単位４０４にステップＳ３０２の処理結果を格納し、また、影響値域４０３にステップＳ３０３の処理結果を格納する。この時点では、追加されたエントリの制御可否４０５は空欄である。以上がステップＳ３０４の処理の説明である。

次に、特徴量プロファイル生成部１２０は、変数ＬがＬｍａｘに一致するか否かを判定する（ステップＳ３０５）。すなわち、全ての特徴量の処理が完了したか否かが判定される。

変数ＬがＬｍａｘに一致しないと判定された場合、特徴量プロファイル生成部１２０は、変数Ｌに１を加算した値を変数Ｌに設定し（ステップＳ３０６）、その後、ステップＳ３０２に戻る。

変数ＬがＬｍａｘに一致すると判定された場合、貢献度算出部１１１は、特徴量プロファイルの生成処理を終了する。

次に、図１７から図２３を用いて変更方針データ６０３の生成し、提示する処理の詳細を説明する。

図１７は、実施例１の貢献度算出部１１１が実行する評価対象データ６０１の貢献度ベクトル６０２の生成処理の一例を説明するフローチャートである。

貢献度算出部１１１は、評価対象データ６０１及び予測モデルの格納場所を示すデータを含む、貢献度ベクトルの生成要求を受信した場合、以下で説明する処理を開始する。

貢献度算出部１１１は、評価対象データ６０１に含まれる特徴量の貢献度を算出するための貢献度算出処理を実行する（ステップＳ４０１）。貢献度算出処理は図１５で説明した処理と同一である。

貢献度算出部１１１は、算出された各特徴量の貢献度を要素とする貢献度ベクトル６０２を生成する（ステップＳ４０２）。ステップＳ４０２の処理はステップＳ１０４の処理と同一である。

次に、貢献度算出部１１１は、特徴量プロファイル生成部１２０に、生成された貢献度ベクトル６０２を送信する（ステップＳ４０３）。その後、貢献度算出部１１１は、評価対象データ６０１の貢献度ベクトル６０２の生成処理を終了する。

図１８は、実施例１の生成条件設定部１３０が実行する特徴量プロファイル管理情報１２２の更新処理の一例を説明する図である。

生成条件設定部１３０は、各データの格納場所を示すデータを含む読出要求を受信した場合、以下で説明する処理を開始する。

生成条件設定部１３０は、特徴量プロファイル管理情報１２２に基づいて、生成条件表示テーブル８３０を生成する（ステップＳ５０１）。具体的には、以下のような処理が実行される。

生成条件設定部１３０は、特徴量プロファイル管理情報１２２の同様のデータ構造の生成条件表示テーブル８３０を生成する。生成条件設定部１３０は、各エントリの特徴量８３１、値域８３２、影響値域８３３、及び変動単位８３４に、特徴量プロファイル管理情報１２２の各エントリの特徴量４０１、値域４０２、影響値域４０３、及び変動単位４０４に格納される値を設定する。

生成条件設定部１３０は、生成条件表示テーブル８３０を含む設定画面８００を表示するための表示情報を生成し、当該表示情報を端末１０１に送信する。以上がステップＳ５０１の処理の説明である。

次に、生成条件設定部１３０は、制御可否８３５の操作結果を含む、変更方針データ６０３の生成要求を受信した場合、制御可否８３５の操作結果を、特徴量プロファイル管理情報１２２の各エントリの制御可否４０５に反映する（ステップＳ５０２）。

次に、生成条件設定部１３０は、変更方針データ６０３の生成要求を変更方針データ生成部１３１に送信する（ステップＳ５０３）。その後、生成条件設定部１３０は、特徴量プロファイル管理情報１２２の更新処理を終了する。

図１９は、実施例１の変更方針データ生成部１３１が実行する変更方針データ６０３の生成処理の一例を説明するフローチャートである。

変更方針データ生成部１３１は、変更方針データ６０３の生成要求を受信した場合、以下で説明する処理を開始する。

変更方針データ生成部１３１は、特徴量プロファイル管理情報１２２を取得する（ステップＳ６０１）。

次に、変更方針データ生成部１３１は、特徴量プロファイル管理情報１２２に基づいて、変更可能な特徴量を特定する（ステップＳ６０２）。

具体的には、変更方針データ生成部１３１は、制御可否４０５に「可」が設定されたエントリに対応する特徴量を、変更可能な特徴量として特定する。

なお、評価対象データ６０１の貢献度ベクトル６０２が算出されている場合、変更方針データ生成部１３１は、制御可否４０５が「可」、かつ、貢献度が閾値より大きい特徴量を、変更可能な特徴量として特定してもよい。

次に、変更方針データ生成部１３１は、評価対象データ６０１から変更方針データ６０３を生成する（ステップＳ６０３）。その後、変更方針データ生成部１３１は変更方針データ６０３の生成処理を終了する。ステップＳ６０３では、以下のような処理が実行される。

（処理１）変更方針データ生成部１３１は、特定された特徴量の中から、変更する特徴量を選択する。変更する特徴量の選択方法は様々考えられる。例えば、変更方針データ生成部１３１は、評価対象データ６０１の貢献度ベクトル６０２を取得し、貢献度が大きい順に変更する特徴量を選択する。

（処理２）変更方針データ生成部１３１は、特徴量プロファイル管理情報１２２の選択された特徴量（特徴量の組）に対応するエントリの影響値域４０３の範囲内で、選択された特徴量（特徴量の組）の値を変更することによって、変更方針データ６０３を生成する。このとき、特徴量の値は変動単位４０４にしたがって変更される。変更方針データ生成部１３１は、生成された変更方針データ６０３をワークエリアに格納する。

例えば、貢献度の変化率及び特徴量の値の相関情報が存在する場合、変更方針データ生成部１３１は、貢献度の変化率が大きい範囲及び影響値域４０３の範囲が重なる範囲内で、特徴量の値を変更する。なお、本発明は特徴量の値の変更方法に限定されない。

なお、（処理１）では、複数の特徴量が選択されてもよい。この場合、（処理２）では、複数の特徴量の各々を変更することによって、変更方針データ６０３が生成される。

実施例１では、任意の数の変更方針データ６０３が生成されるものとする。生成される変更方針データ６０３の数は予め設定されているものとする。以上がステップＳ６０３の処理の説明である。

図２０は、実施例１の難易度算出部１３２が実行する難易度算出処理の一例を説明するフローチャートである。

難易度算出部１３２は、難易度算出要求を受信した場合、以下で説明する処理を開始する。

難易度算出部１３２は、変数Ｐを初期化する（ステップＳ７０１）。ここで、変数Ｐは、変更方針データ６０３を識別するための番号を示す変数である。

具体的には、難易度算出部１３２は変数Ｐに１を設定する。このとき、難易度算出部１３２は、変更方針データ６０３の数をＰｍａｘに設定する。

次に、難易度算出部１３２は、変数Ｐに対応する変更方針データ６０３を取得し（ステップＳ７０２）、取得した変更方針データ６０３の難易度を算出する（ステップＳ７０３）。例えば、以下のような算出方法が考えられる。

（算出方法１）難易度算出部１３２は、変更方針データ６０３に含まれる特徴量の空間（特徴量空間）における、変更方針データ６０３と各事例データとの間の距離を算出する。難易度算出部１３２は最も小さい距離を難易度に設定する。

（算出方法２）難易度算出部１３２は、任意の選択ポリシに基づいて事例データを選択し、特徴量空間における、変更方針データ６０３と選択された事例データとの間の距離を算出する。難易度算出部１３２は算出された距離を難易度に設定する。

（算出方法３）難易度算出部１３２は、特徴量空間における事例データ群の重心を算出し、重心を代表事例データとして設定する。難易度算出部１３２は、特徴量空間における変更方針データ６０３と代表事例データとの間の距離を算出する。難易度算出部１３２は、算出された距離を難易度に設定する。

次に、難易度算出部１３２は、難易度情報６０６を更新する（ステップＳ７０４）。

具体的には、難易度算出部１３２は、難易度情報６０６にエントリを追加し、追加されたエントリのＩＤ１３０１に変数Ｐの値を設定し、難易度１３０２に算出された難易度を設定する。

次に、難易度算出部１３２は、変数ＰがＰｍａｘに一致するか否かを判定する（ステップＳ７０５）。すなわち、全ての変更方針データ６０３の処理が完了したか否かが判定される。

変数ＰがＰｍａｘに一致しないと判定された場合、難易度算出部１３２は、変数Ｐに１を加算した値を変数Ｐに設定し（ステップＳ７０６）、その後、ステップＳ７０２に戻る。

変数ＰがＰｍａｘに一致すると判定された場合、難易度算出部１３２は難易度算出処理を終了する。

図２１は、実施例１の管理情報生成部１３３が実行する管理情報生成処理の一例を説明するフローチャートである。

管理情報生成部１３３は、変更方針データ管理情報１３５の生成要求を受信した場合、以下で説明する処理を開始する。

管理情報生成部１３３は、変数Ｐを初期化する（ステップＳ８０１）。ここで、変数Ｐは、変更方針データ６０３を識別するための番号を示す変数である。

具体的には、管理情報生成部１３３は変数Ｐに１を設定する。このとき、管理情報生成部１３３は、変更方針データ６０３の数をＰｍａｘに設定する。

次に、管理情報生成部１３３は、変数Ｐに対応する変更方針データ６０３を取得し（ステップＳ８０２）、取得した変更方針データ６０３の効果を算出する（ステップＳ８０３）。

具体的には、管理情報生成部１３３は、評価対象データ６０１及び変更方針データ６０３を含む予測要求を予測器１１０に送信することによって、予測結果データ６０４及び予測結果データ６０５を取得する。管理情報生成部１３３は、二つの予測結果６０４、６０５の差分を効果として算出する。

次に、管理情報生成部１３３は、変更方針データ管理情報１３５を更新する（ステップＳ８０４）。具体的には、以下のような処理が実行される。

管理情報生成部１３３は、変更方針データ管理情報１３５にエントリを追加し、追加されたエントリのＩＤ５０１に識別番号を設定する。

管理情報生成部１３３は、評価対象データ６０１及び変更方針データ６０３を比較し、変更された特徴量を特定する。管理情報生成部１３３は、評価対象データ６０１に含まれる特定された特徴量の識別情報及び値を、追加されたエントリの特徴量５０２に設定する。また、管理情報生成部１３３は、変更方針データ６０３に含まれる特定された特徴量の識別情報及び値を、追加されたエントリの特徴量５０３に設定する。

管理情報生成部１３３は、追加されたエントリの効果５０４にステップＳ８０３において算出された効果を設定する。

管理情報生成部１３３は、難易度情報６０６を参照し、ＩＤ１３０１の値が変数Ｐの値に一致するエントリを検索する。管理情報生成部１３３は、検索されたエントリから難易度を取得し、追加されたエントリの難易度５０５に取得された難易度を設定する。以上がステップＳ８０４の処理の説明である。

次に、管理情報生成部１３３は、変数ＰがＰｍａｘに一致するか否かを判定する（ステップＳ８０５）。すなわち、全ての変更方針データ６０３の処理が完了したか否かが判定される。

変数ＰがＰｍａｘに一致しないと判定された場合、管理情報生成部１３３は、変数Ｐに１を加算した値を変数Ｐに設定し（ステップＳ８０６）、その後、ステップＳ８０２に戻る。

変数ＰがＰｍａｘに一致すると判定された場合、管理情報生成部１３３は管理情報生成処理を終了する。

図２２は、実施例１の出力部１３４が実行する表示情報生成処理を説明するフローチャートである。図２３は、実施例１の端末１０１に表示される結果表示画面２３００の一例を示す図である。

出力部１３４は、出力要求を受信した場合、以下で説明する処理を開始する。

出力部１３４は、評価対象データ６０１及び予測結果データ６０５を取得し（ステップＳ９０１）、また、変更方針データ管理情報１３５を取得する（ステップＳ９０２）。

出力部１３４は、評価対象データ６０１、予測結果データ６０５、及び変更方針データ管理情報１３５に基づいて、表示情報６０７を生成する（ステップＳ９０３）。

出力部１３４は、端末１０１に生成された表示情報６０７を送信する（ステップＳ９０４）。その後、出力部１３４は表示情報生成処理を終了する。

端末１０１は、表示情報６０７を受信した場合、図２３に示すような結果表示画面２３００を表示する。

結果表示画面２３００は、評価対象データ表示欄２３０１及び変更方針データ表示欄２３０２を含む。

評価対象データ表示欄２３０１は、評価対象データ６０１に関する情報を表示する欄である。評価対象データ表示欄２３０１には、表示テーブル２３１０が表示される。表示テーブル２３１０は、特徴量２３１１、値２３１２、及び貢献度２３１３から構成されるエントリを含む。一つの特徴量に対して一つのエントリが存在する。

特徴量２３１１は、特徴量の識別情報を格納するフィールドである。値２３１２は、特徴量を格納するフィールドである。貢献度２３１３は、特徴量の貢献度を格納するフィールドである。

変更方針データ表示欄２３０２は、変更方針データ６０３に関する情報を表示する欄である。変更方針データ表示欄２３０２には、表示テーブル２３２０が表示される。表示テーブル２３２０は、ＩＤ２３２１、特徴量２３２２、特徴量２３２３、効果２３２４、及び難易度２３２５から構成されるエントリを含む。ＩＤ２３２１、特徴量２３２２、特徴量２３２３、効果２３２４、及び難易度２３２５は、ＩＤ５０１、特徴量５０２、特徴量５０３、効果５０４、及び難易度５０５と同一のフィールドである。

表示テーブル２３２０に表示される変更方針データ６０３は、効果及び難易度の少なくともいずれかに基づいて並び替えられている。これによって、実現可能かつ目的の達成が見込まれる変更方針データ６０３を優先的に提示できる。

実施例１の計算機システムは、対象に関する目的を達成するために有用な情報として変更方針データ６０３を提示することができる。ユーザは、変更方針データ６０３に基づいて、対象に関する目的の達成が見込まれる対象の状態を実現するための施策を策定することができる。

実施例１の計算機システムの活用例について説明する。ここでは、予測器１１０は予測結果として町の犯罪発生率を出力するものとする。ユーザは、変更方針データ６０３を参照することによって、犯罪発生率が低下する町の状態を把握できる。また、ユーザは、変更方針データ６０３に基づいて警備計画及び都市計画等を策定できる。また、ユーザは、効果２３２４及び難易度２３２５を参照することによって、実現可能かつ目的の達成が見込まれる変更方針データ６０３を把握できる。

実施例１の計算機システムは、特徴量プロファイル管理情報１２２に基づいて、目的の達成効果が高い変更方針データ６０３を効率的に生成することができる。したがって、計算コストを抑えつつ、高速に変更方針データ６０３を提示できる。

なお、本発明は上記した実施例に限定されるものではなく、様々な変形例が含まれる。また、例えば、上記した実施例は本発明を分かりやすく説明するために構成を詳細に説明したものであり、必ずしも説明した全ての構成を備えるものに限定されるものではない。また、各実施例の構成の一部について、他の構成に追加、削除、置換することが可能である。

また、上記の各構成、機能、処理部、処理手段等は、それらの一部又は全部を、例えば集積回路で設計する等によりハードウェアで実現してもよい。また、本発明は、実施例の機能を実現するソフトウェアのプログラムコードによっても実現できる。この場合、プログラムコードを記録した記憶媒体をコンピュータに提供し、そのコンピュータが備えるプロセッサが記憶媒体に格納されたプログラムコードを読み出す。この場合、記憶媒体から読み出されたプログラムコード自体が前述した実施例の機能を実現することになり、そのプログラムコード自体、及びそれを記憶した記憶媒体は本発明を構成することになる。このようなプログラムコードを供給するための記憶媒体としては、例えば、フレキシブルディスク、ＣＤ−ＲＯＭ、ＤＶＤ−ＲＯＭ、ハードディスク、ＳＳＤ（Ｓｏｌｉｄ Ｓｔａｔｅ Ｄｒｉｖｅ）、光ディスク、光磁気ディスク、ＣＤ−Ｒ、磁気テープ、不揮発性のメモリカード、ＲＯＭなどが用いられる。

また、本実施例に記載の機能を実現するプログラムコードは、例えば、アセンブラ、Ｃ／Ｃ＋＋、ｐｅｒｌ、Ｓｈｅｌｌ、ＰＨＰ、Ｐｙｔｈｏｎ、Ｊａｖａ（登録商標）等の広範囲のプログラム又はスクリプト言語で実装できる。

さらに、実施例の機能を実現するソフトウェアのプログラムコードを、ネットワークを介して配信することによって、それをコンピュータのハードディスクやメモリ等の記憶手段又はＣＤ−ＲＷ、ＣＤ−Ｒ等の記憶媒体に格納し、コンピュータが備えるプロセッサが当該記憶手段や当該記憶媒体に格納されたプログラムコードを読み出して実行するようにしてもよい。

上述の実施例において、制御線や情報線は、説明上必要と考えられるものを示しており、製品上必ずしも全ての制御線や情報線を示しているとは限らない。全ての構成が相互に接続されていてもよい。

１００ 計算機
１０１ 端末
１０２ ネットワーク
１１０ 予測器
１１１ 貢献度算出部
１２０ 特徴量プロファイル生成部
１２１ 事例データ管理情報
１２２ 特徴量プロファイル管理情報
１３０ 生成条件設定部
１３１ 変更方針データ生成部
１３２ 難易度算出部
１３３ 管理情報生成部
１３４ 出力部
１３５ 変更方針データ管理情報
２０１ プロセッサ
２０２ 主記憶装置
２０３ 副記憶装置
２０４ ネットワークインタフェース
６００、６０２ 貢献度ベクトル
６０１ 評価対象データ
６０３ 変更方針データ
６０４、６０５ 予測結果データ
６０６ 難易度情報
６０７ 表示情報
７００、８００ 設定画面
２３００ 結果表示画面

Claims (10)

1. 計算機システムであって、
   プロセッサ及び前記プロセッサに接続されるメモリを有する少なくとも一つの計算機を備え、
   対象の状態を示す複数の特徴量の値を含む評価対象データに基づいて当該対象の事象の予測を行うための予測モデルと、前記対象の事象の予測の結果に基づいて生成される、前記評価対象データに含まれる複数の特徴量の各々の値の変更規則を定義した特徴量プロファイル管理情報とを管理し、
   前記プロセッサは、
   前記特徴量プロファイル管理情報に基づいて、前記評価対象データに含まれる前記複数の特徴量の値を変更することによって変更方針データを複数生成し、
   前記予測モデル、前記評価対象データ、及び前記複数の変更方針データを用いて、前記複数の変更方針データの各々の有効性を示す評価値を算出し、
   前記対象に関する目的を達成するために有用な情報として、前記複数の変更方針データ及び前記複数の変更方針データの各々の前記評価値を提示するための表示情報を生成し、
   前記表示情報を出力することを特徴とする計算機システム。
2. 請求項１に記載の計算機システムであって、
   前記評価対象データと同一の複数の特徴量を含む、複数の解析用データを格納するデータベースを管理し、
   前記プロセッサは、
   前記解析用データ及び前記予測モデルを用いて、前記解析用データに含まれる複数の特徴量の各々の値が予測に与える影響の大きさを示す指標を算出し、
   前記解析用データ及び前記指標から構成される複数の組を用いて、前記特徴量の取り得る値であって、前記解析用データに対する予測結果に与える影響の大きさが閾値より大きくなる値の範囲を示す影響値域を算出し、
   前記特徴量の識別情報及び前記影響値域から構成されるエントリを格納する前記特徴量プロファイル管理情報を生成することを特徴とする計算機システム。
3. 請求項２に記載の計算機システムであって、
   前記エントリは、前記特徴量の値が変更可能な値であるか否かを示す制御値を含み、
   前記プロセッサは、
   前記制御値に基づいて、前記評価対象データの前記複数の特徴量の中から値の変更が可能な特徴量を選択し、
   前記選択された評価対象データの特徴量の前記影響値域に基づいて、前記選択された評価対象データの特徴量の値を変更することを特徴とする計算機システム。
4. 請求項２に記載の計算機システムであって、
   前記プロセッサは、前記評価値として、前記複数の特徴量から構成される特徴量空間における前記変更方針データ及び前記解析用データの距離を算出することを特徴とする計算機システム。
5. 請求項１に記載の計算機システムであって、
   前記プロセッサは、前記評価値として、前記変更方針データの予測結果及び前記評価対象データの予測結果の差分を算出することを特徴とする計算機システム。
6. 計算機システムが実行する対象に関する目的を達成するために有用な情報の提示方法であって、
   前記計算機システムは、
   プロセッサ及び前記プロセッサに接続されるメモリを有する少なくとも一つの計算機を有し、
   前記対象の状態を示す複数の特徴量の値を含む評価対象データに基づいて当該対象の事象の予測を行うための予測モデルと、前記対象の事象の予測の結果に基づいて生成される、前記評価対象データに含まれる複数の特徴量の各々の値の変更規則を定義した特徴量プロファイル管理情報とを管理し、
   前記情報の提示方法は、
   前記プロセッサが、前記特徴量プロファイル管理情報に基づいて、前記評価対象データに含まれる前記複数の特徴量の値を変更することによって変更方針データを複数生成する第１のステップと、
   前記プロセッサが、前記予測モデル、前記評価対象データ、及び前記複数の変更方針データを用いて、前記複数の変更方針データの各々の有効性を示す評価値を算出する第２のステップと、
   前記プロセッサが、前記対象に関する目的を達成するために有用な情報として、前記複数の変更方針データ及び前記複数の変更方針データの各々の前記評価値を提示するための表示情報を生成する第３のステップと、
   前記プロセッサが、前記表示情報を出力する第４のステップと、を含むことを特徴とする情報の提示方法。
7. 請求項６に記載の情報の提示方法であって、
   前記計算機システムは、前記評価対象データと同一の複数の特徴量を含む、複数の解析用データを格納するデータベースを管理し、
   前記情報の提示方法は、
   前記プロセッサが、前記解析用データ及び前記予測モデルを用いて、前記解析用データに含まれる複数の特徴量の各々の値が予測に与える影響の大きさを示す指標を算出するステップと、
   前記プロセッサが、前記解析用データ及び前記指標から構成される複数の組を用いて、前記特徴量の取り得る値であって、前記解析用データに対する予測結果に与える影響の大きさが閾値より大きくなる値の範囲を示す影響値域を算出するステップと、
   前記プロセッサが、前記特徴量の識別情報及び前記影響値域から構成されるエントリを格納する前記特徴量プロファイル管理情報を生成するステップと、を含むことを特徴とする情報の提示方法。
8. 請求項７に記載の情報の提示方法であって、
   前記エントリは、前記特徴量の値が変更可能な値であるか否かを示す制御値を含み、
   前記第１のステップは、
   前記プロセッサが、前記制御値に基づいて、前記評価対象データの前記複数の特徴量の中から値の変更が可能な特徴量を選択するステップと、
   前記プロセッサが、前記選択された評価対象データの特徴量の前記影響値域に基づいて、前記選択された評価対象データの特徴量の値を変更するステップと、を含むことを特徴とする情報の提示方法。
9. 請求項７に記載の情報の提示方法であって、
   前記第２のステップは、前記プロセッサが、前記評価値として、前記複数の特徴量から構成される特徴量空間における前記変更方針データ及び前記解析用データの距離を算出するステップを含むことを特徴とする情報の提示方法。
10. 請求項６に記載の情報の提示方法であって、
    前記第２のステップは、前記プロセッサが、前記評価値として、前記変更方針データの予測結果及び前記評価対象データの予測結果の差分を算出するステップを含むことを特徴とする情報の提示方法。

Images