JP2022071073A - Influence power evaluation system - Google Patents
Influence power evaluation system Download PDFInfo
- Publication number
- JP2022071073A JP2022071073A JP2022030948A JP2022030948A JP2022071073A JP 2022071073 A JP2022071073 A JP 2022071073A JP 2022030948 A JP2022030948 A JP 2022030948A JP 2022030948 A JP2022030948 A JP 2022030948A JP 2022071073 A JP2022071073 A JP 2022071073A
- Authority
- JP
- Japan
- Prior art keywords
- label
- influence
- node
- entity
- processing unit
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000011156 evaluation Methods 0.000 title abstract description 25
- 238000012545 processing Methods 0.000 claims abstract description 73
- 238000004364 calculation method Methods 0.000 claims abstract description 18
- 238000000034 method Methods 0.000 description 30
- 230000008569 process Effects 0.000 description 22
- 230000001174 ascending effect Effects 0.000 description 9
- 238000010586 diagram Methods 0.000 description 6
- 230000037213 diet Effects 0.000 description 4
- 235000005911 diet Nutrition 0.000 description 4
- 238000004891 communication Methods 0.000 description 3
- 230000001902 propagating effect Effects 0.000 description 3
- 239000000126 substance Substances 0.000 description 3
- 230000008859 change Effects 0.000 description 2
- 230000003247 decreasing effect Effects 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000010348 incorporation Methods 0.000 description 2
- 238000012804 iterative process Methods 0.000 description 2
- 238000007796 conventional method Methods 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 125000004122 cyclic group Chemical group 0.000 description 1
- 230000008520 organization Effects 0.000 description 1
- 230000000644 propagated effect Effects 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000012552 review Methods 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
Images
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
Description
本発明は,会社や人などの実体(entity)が,ほかの実体に対して与える影響力を評価する影響力評価システムに関する。 The present invention relates to an influence evaluation system for evaluating the influence of an entity such as a company or a person on other entities.
ある会社や人物が,第三者に対してどのような影響力を有しているかを数値化して評価することが検討されている。 It is being considered to quantify and evaluate how a company or person has an influence on a third party.
第三者に対する影響力を示す指標の一つとして株式の保有関係がある。会社や人物は,保有する株式の議決権を株主総会で行使することにより,当該株式会社の意思決定に影響を及ぼすことができる。そしてある会社や人物などの実体(entity)が,ほかの実体に対して有する影響力を評価する代表的な手法として,下記非特許文献1の「Shapley-Shubik power index」が知られている。
One of the indicators of influence on a third party is the stockholding relationship. A company or person may influence the decision-making of a stock company by exercising the voting rights of the shares it holds at a general meeting of shareholders. The "Shapley-Shubik power index" of Non-Patent
非特許文献1の評価手法は,実体同士の直接の影響力を示す指標,たとえば株式の保有関係に基づく影響力を示す指標として用いられている。これを模式的に示すのが図17である。図17では,A社乃至D社の株式の保有関係とそれに基づく非特許文献1による影響力の指標値を示している。図17(a)では,B社およびC社はA社の株式を30%ずつ,D社はA社の株式を40%保有していることを示している。株式会社の株主総会における通常の意思決定は普通決議で行われる。そして,日本の場合,株式会社における株主総会で普通決議が成立するのは,定款で別段の定めがある場合を除いて,議決権を行使することができる株主の議決権の過半数を有する株主が出席し,出席した当該株主の議決権の過半数の賛成があった議案である。議決権を行使できる株主がすべて出席した場合であっても,単独で,議決権を行使できる株式の過半数を保有していれば,その会社の意思決定に対して実質的な影響力を及ぼすことができるといえる。
The evaluation method of Non-Patent
図17(a)では,B社乃至D社は,いずれも単独では過半数の株式を保有していない。また,A社の株式の過半数となる組み合わせは,どの組み合わせでも他社と手を組めば成立する。そうすると,A社に対する影響力について,B社乃至D社は均等であり,いずれも1/3ずつとして評価できる。これを模式的に示すのが図17(b)である。なお,PIは影響力の指数である。影響力の指数の関係を式として示すのが図17(c)である。 In FIG. 17 (a), neither company B to company D holds a majority stake by itself. In addition, any combination that will be the majority of the shares of Company A can be established by partnering with other companies. Then, regarding the influence on company A, companies B to D are equal, and each can be evaluated as 1/3 each. This is schematically shown in FIG. 17 (b). PI is an index of influence. FIG. 17 (c) shows the relationship between the index of influence as an equation.
このように,非特許文献1の評価手法では,二者の実体の直接的な関係のみについて影響力を評価する手法である。また非特許文献2乃至非特許文献4でも非特許文献1と同様に,直接的な関係のみについての影響力の指数について考察がなされているに過ぎない。
As described above, the evaluation method of Non-Patent
なお,非特許文献1乃至非特許文献4のいずれにおいても,株主総会における議決権行使の有無は事前にはわからないことが一般であるため,議決権を行使できる株主は全員出席し,議決権を行使する前提で,実体に対する影響力を算出している。
In both
しかし,現実社会では,親会社,子会社,孫会社のような支配関係があり,ほかの会社などの実体への影響力が及ぶ構造は,より複雑である。たとえば図18に示すように,会社間の株式の保有関係をはじめとして,実体同士の関係について,複数の階層があったり,株式の持ち合いのような循環関係を有する場合もある。図18の場合,A社に対しては,B社乃至D社が直接的に株式を保有して影響力があると評価できるが,C社についてはさらにB社とE社とが株式を保有している。そしてB社がC社の80%の株式を保有し,E社が20%の株式を保有している場合,B社がC社の過半数の株式を保有していることから,C社にはB社のみが影響力を及ぼすことができる。そうすると,A社に対しては,B社が直接保有する30%の株式と,B社が影響力を行使しうるC社を介して保有する30%の株式とで過半数となるので,実質的にはB社のみがA社に対して影響力を行使しうる状態となる。 However, in the real world, there is a controlling relationship such as a parent company, a subsidiary company, and a grandchild company, and the structure that influences the substance of other companies is more complicated. For example, as shown in FIG. 18, there may be a plurality of levels of relationships between entities, including cross-shareholding relationships between companies, or there may be a cyclical relationship such as cross-shareholdings. In the case of FIG. 18, it can be evaluated that companies B to D directly hold shares and have an influence on company A, but for company C, companies B and E further hold shares. are doing. If Company B holds 80% of Company C and Company E holds 20% of the shares, Company B holds a majority stake in Company C, so Company C holds a majority stake. Only Company B can exert influence. Then, for Company A, the majority of the 30% shares held directly by Company B and the 30% shares held through Company C, where Company B can exert influence, will be a substantial majority. Only Company B can exert influence over Company A.
このように,階層構造や循環関係がある場合には,従来の非特許文献1乃至非特許文献4の評価手法で評価することはできなかった。
As described above, when there is a hierarchical structure or a cyclical relationship, it is not possible to evaluate by the conventional evaluation methods of Non-Patent
また,特許文献1は,経営上の問題などについて原因分析を行うシステムであって,実体同士の影響力を評価するシステムではない。
Further,
そこで本発明者らは,上記課題に鑑み,実体同士の関係が複雑な場合,たとえば複数の階層や循環関係を有する場合であっても,実体がほかの実体に対して有する影響力を指数化することのできる影響力評価システムを発明した。 Therefore, in view of the above problems, the present inventors index the influence that an entity has on other entities even when the relationship between the entities is complicated, for example, even when there are multiple hierarchies or cyclical relationships. Invented an influence assessment system that can be used.
第1の発明は,実体を示すラベルがノードに,前記実体が有する影響力の方向がエッジに,前記実体がほかの実体に対して有する影響力を示す情報を影響力情報とするネットワーク情報において,あるノードの上位のノードを前記エッジを用いて特定し,前記上位のノードを有するノードにおけるラベルについて,前記影響力情報を用いて更新するラベルを特定する更新ラベル特定処理部と,前記特定したラベルでそのノードを更新するラベル更新処理部と,前記更新したラベルを用いて影響力を示す指数を算出する指数算出処理部と,を有する影響力評価システムである。 The first invention is in network information in which a label indicating an entity is a node, the direction of influence of the entity is an edge, and information indicating the influence of the entity on other entities is used as influence information. , The upper node of a certain node is specified by using the edge, and the update label specifying processing unit that specifies the label to be updated by using the influence information is specified for the label in the node having the upper node. It is an influence evaluation system having a label update processing unit that updates the node with a label and an index calculation processing unit that calculates an index indicating influence using the updated label.
本発明を用いることで,実体同士の関係が複雑な場合,たとえば複数の階層や循環関係を有する場合であっても,ほかの実体への影響力を指数化することができる。 By using the present invention, it is possible to index the influence on other entities even when the relationship between the entities is complicated, for example, when there are a plurality of layers or a cyclic relationship.
第1の発明は,本発明のプログラムをコンピュータに読み込ませて実行することで実現することができる。すなわち,コンピュータを,実体を示すラベルがノードに付され,前記実体が有する影響力の方向がエッジで付され,前記実体がほかの実体に対して有する影響力を示す情報を影響力情報とするネットワーク情報において,あるノードの上位のノードを前記エッジを用いて特定し,上位のノードを有するノードにおけるラベルについて,前記影響力情報を用いて更新するラベルを特定する更新ラベル特定処理部,前記特定したラベルでそのノードを更新するラベル更新処理部,前記更新したラベルを用いて影響力を示す指数を算出する指数算出処理部,として機能させる影響力評価プログラムのように構成することができる。 The first invention can be realized by loading and executing the program of the present invention in a computer. That is, the computer is labeled with a label indicating the entity to the node, the direction of the influence of the entity is attached at the edge, and the information indicating the influence that the entity has on other entities is used as the influence information. In the network information, the upper node of a certain node is specified by using the edge, and the label in the node having the upper node is specified by the update label specifying processing unit, which specifies the label to be updated by using the influence information. It can be configured like an influence evaluation program that functions as a label update processing unit that updates the node with the updated label and an index calculation processing unit that calculates an index indicating influence using the updated label.
本発明の影響力評価システムを用いることによって,実体同士の関係が複雑な場合であっても,実体が有するほかの実体への影響力を指数化することができる。 By using the influence evaluation system of the present invention, it is possible to index the influence of an entity on other entities even when the relationship between the entities is complicated.
本発明の影響力評価システム1では,実体同士の関係性をネットワーク化し,それを数値計算するためにラベル伝搬法を用いてその処理を実行する。
In the
本明細書の以下の説明においては,実体同士の関係性を,株式の保有関係としてネットワーク化し,そのネットワークにおいて,ある実体がほかの実体へ有する影響力の評価を行う場合を説明する。この場合の実体としては会社および/または自然人が代表的な例となるが,それらに限らず,実体とは,自然人,会社,人の集合体である団体や組織,ファンド,組合など,ほかの実体の意思決定などに対して関与できる主体を構成できるものであればいかなるものであってもよい。 In the following description of the present specification, a case where the relationship between entities is networked as a stockholding relationship and the influence of one entity on another entity is evaluated in the network will be described. A typical example of an entity in this case is a company and / or a natural person, but the entity is not limited to these, and the entity is another entity such as a natural person, a company, or a group or organization, a fund, or a union that is a group of people. Anything that can constitute an entity that can be involved in the decision-making of an entity may be used.
コンピュータはプログラムの演算処理を実行するCPUなどの演算装置70と,情報を記憶するRAMやハードディスクなどの記憶装置71と,ディスプレイなどの表示装置72と,情報の入力を行う入力装置73と,演算装置70の処理結果や記憶装置71に記憶する情報などの各種情報を通信する通信装置74とを有している。なお,コンピュータがタッチパネルディスプレイを備えている場合には表示装置72と入力装置73とが一体的に構成されていてもよい。タッチパネルディスプレイは,携帯電話やスマートフォン,タブレット型コンピュータなどの可搬型通信端末などで利用されることが多いが,それに限定するものではない。
The computer has an
タッチパネルディスプレイは,そのディスプレイ上で,直接,所定の入力デバイス(タッチパネル用のペンなど)や指などによって入力を行える点で,表示装置72と入力装置73の機能が一体化した装置である。
The touch panel display is a device in which the functions of the
影響力評価システム1は一台のコンピュータによって実現されていてもよいが,その機能が複数のコンピュータによって実現されていてもよい。この場合のコンピュータとして,たとえばクラウドサーバであってもよい。
The
さらに,本発明の影響力評価システム1における各処理部は,その機能が論理的に区別されているのみであって,物理上あるいは事実上は同一の領域を為していても良い。
Further, each processing unit in the
影響力評価システム1は,ネットワーク情報入力受付処理部10とネットワーク情報記憶部11と更新ラベル特定処理部12とラベル更新処理部13と指数算出処理部14とを有する。
The
ネットワーク情報入力受付処理部10は,本発明を用いて影響力の評価を行いたい実体同士の影響力の関係性が表現されたネットワーク構造に関する情報(ネットワーク情報)の入力を受け付ける。実体同士の影響力の関係性は,図5(a)に示すように,実体をノード(節点),その関係性をエッジ(枝)として表現し,このエッジは影響力を有する方向に有向グラフで表現される。株式の保有関係による影響力を示す場合には,会社や自然人がノードとなり,株主であるノードからその保有する株式の発行会社のノードに有向グラフがエッジとして付される。またほかの実体への影響力を示す情報(影響力情報)として,株式の保有比率がエッジに対応づけられる。図5(a)の例は,株式の保有関係をネットワーク構造で示しており,A社の株式をB社およびC社が30%ずつ,E社が40%保有しており,C社の株式をB社が50%,D社が50%保有していることを示している。なお影響力としては,ほかの実体に対するさまざまな影響力があり,リスクによる影響力なども含まれる。
The network information input
これをネットワーク情報として,具現化した一例を模式的に示す図が図5(b)である。図5(b)では,それぞれのノードにN1,N2のようにノードの識別情報(ノード識別情報)が付され,そのノードにある会社や自然人などの実体の識別情報(ラベル)がノード識別情報の値(数値のほか英数字,記号なども含まれる)として代入される。また,それぞれのエッジはE(X,Y)のように表現され,Xが始点となるノード,Yが終点となるノードで示している。また株式の保有比率がこれらのエッジの値として代入される。なお,ネットワーク構造を表現する方法はこれに限定するものではなく,他の方法によるものであってもよい。図5(b)の場合,各ノードについて,N1=A,N2=E,N3=B,N4=C,N5=Dであり,E(N2,N1)=40%,E(N3,N1)=30%,E(N4,N1)=30%,E(N3,N4)=50%,E(N5,N4)=50%となる。 FIG. 5B is a diagram schematically showing an example of embodying this as network information. In FIG. 5B, node identification information (node identification information) is attached to each node like N1 and N2, and the identification information (label) of an entity such as a company or a natural person in the node is the node identification information. Is assigned as the value of (including numerical values, alphanumeric characters, symbols, etc.). Further, each edge is expressed as E (X, Y), and is indicated by a node whose starting point is X and a node whose ending point is Y. Also, the shareholding ratio is substituted as the value of these edges. The method of expressing the network structure is not limited to this, and may be another method. In the case of FIG. 5 (b), for each node, N1 = A, N2 = E, N3 = B, N4 = C, N5 = D, E (N2, N1) = 40%, E (N3, N1). = 30%, E (N4, N1) = 30%, E (N3, N4) = 50%, E (N5, N4) = 50%.
ネットワーク情報入力受付処理部10は,初期状態のネットワーク情報の入力を受け付け,初期状態のネットワーク情報を,後述するネットワーク情報記憶部11に記憶させる。なお,ネットワーク情報は,図5などで示すネットワーク構造を,適宜,コンピュータでの処理に具現化した状態であればよい。
The network information input
ネットワーク情報記憶部11は,ネットワーク情報入力受付処理部10で入力を受け付けたネットワーク情報を記憶する。ネットワーク情報としては,初期状態のネットワーク情報として,ノードとその値(ラベル),エッジとそのノード間の影響力情報,たとえば株式の保有比率などを対応づけて記憶している。またノードとそのラベルの値は,履歴として対応づけて記憶している。
The network
更新ラベル特定処理部12は,各ノードにおいて,ラベル伝播法により,伝播するノードのラベルを特定する。これは,あるノードにおける実体に対して,当該ノードの直接的な上位のノードにおける実体のうち,どの実体が影響したかを特定するものである。実際は,どの実体が影響したかを,たとえば,ランダムサンプリングによって反復することで実行する。
The update label specifying
更新ラベル特定処理部12は,具体的には,以下のような処理を実行するが,伝播するラベルを特定できるのであれば,以下の処理に限定するものではない。
Specifically, the update label specifying
あるノードと直接繋がる上位のノードのラベルに,乱数を付与する。そして上位ノードのラベルについて,付与した乱数に基づいて,昇順にソートをする。そして,ソートをしたラベルの順に,ノード間の影響力情報,たとえば株式の保有比率を加算する。この加算した値が所定の閾値,たとえば50%を超えると,その閾値を超えたラベルを,更新(伝播)するラベル(更新ラベル)として特定する。なお,乱数を昇順にソートせずとも,たとえば降順のソートでもよいし,あるいは他の方法であっても,後述する各ノードのラベルの影響力情報を加算する順序をランダムに特定できる方法であれば,如何なる方法であってもよい。また,ノード間の影響力情報は,ソートした順に加算するほか,あらかじめ定めた条件を充足する順番に,影響力情報を任意の演算方法によって演算することで,閾値を超えたラベルを特定してもよい。 A random number is given to the label of the upper node that is directly connected to a certain node. Then, the labels of the upper nodes are sorted in ascending order based on the given random numbers. Then, in the order of the sorted labels, the influence information between the nodes, for example, the stockholding ratio is added. When the added value exceeds a predetermined threshold value, for example, 50%, the label exceeding the threshold value is specified as a label to be updated (propagated) (update label). It should be noted that the random numbers may not be sorted in ascending order, for example, in descending order, or in any other method, the order in which the influence information of the labels of each node to be added, which will be described later, can be randomly specified. Any method may be used. In addition, the influence information between nodes is added in the sorted order, and the influence information is calculated by any calculation method in the order in which the predetermined conditions are satisfied, so that the label exceeding the threshold value is specified. May be good.
更新ラベル特定処理部12は,自らより上位のノードを有するすべてのノードについて,更新ラベルの特定処理を実行する。
The update label specifying
たとえばネットワーク情報が,図5であったとする。このとき,ノードN1のラベルAの上位にはノードN2のラベルE,ノードN3のラベルB,ノードN4のラベルCがあり,それぞれに,乱数として「0.52」,「0.63」,「0.17」が付与される。また,ほかに自らよりも上位のノードを有するノードは,ノードN4のラベルCである。そのため,ノードN4のラベルCの上位のノードN3のラベルB,ノードN5のラベルDに,それぞれ乱数として「0.58」,「0.21」を付与する。この状態を模式的に示すのが図6である。 For example, assume that the network information is shown in FIG. At this time, the label E of the node N2, the label B of the node N3, and the label C of the node N4 are above the label A of the node N1, and the random numbers are "0.52", "0.63", and ". "0.17" is given. In addition, another node having a node higher than itself is the label C of the node N4. Therefore, "0.58" and "0.21" are given as random numbers to the label B of the node N3 and the label D of the node N5, which are higher than the label C of the node N4, respectively. FIG. 6 schematically shows this state.
そしてノードAの上位ノードのラベルB,ラベルC,ラベルEについて,それぞれ付与された乱数に基づいて昇順にソートをし,ラベルC,ラベルE,ラベルBの順に並べる。また,ノードCの上位ノードのラベルB,ラベルDについて,同様に昇順にソートをすると,ラベルD,ラベルBの順に並べる。 Then, the labels B, C, and E of the upper nodes of the node A are sorted in ascending order based on the random numbers assigned to them, and the labels C, E, and B are arranged in this order. Further, if the labels B and D of the upper nodes of the node C are sorted in ascending order in the same manner, the labels D and B are arranged in this order.
ラベルAの上位ノードのラベルB,ラベルC,ラベルEについて,順に影響力情報を加算をすると,ラベルCが30%,ラベルEが40%であることから,この時点で閾値50%を超えるので,ノードN1を更新するラベルとしてラベルEと特定する。また,ラベルCの上位ラベルB,ラベルDについて,順に影響力情報を加算をすると,ラベルDが50%,ラベルBが50%であることから,この時点で閾値50%を超えることので,ノードN4を更新するラベルとしてラベルBと特定する。これを模式的に示すのが図7である。 When the influence information is added in order for the label B, the label C, and the label E of the upper node of the label A, the label C is 30% and the label E is 40%, so that the threshold value exceeds 50% at this point. , Specify label E as the label to update node N1. Further, when the influence information is added in order for the upper label B and the label D of the label C, the label D is 50% and the label B is 50%, so that the threshold value exceeds 50% at this point. Label B is specified as the label for updating N4. FIG. 7 schematically shows this.
ラベル更新処理部13は,更新ラベル特定処理部12で特定した更新ラベルで,それぞれのノードのラベルを更新する。
The label
更新ラベル特定処理部12で特定した更新ラベルが図7であったとすると,図8のように,ノードのラベルを更新する。そして更新ラベル特定処理部12は,更新したラベルを履歴として記憶する。すなわち,ノードN1についてラベルE,ノードN4についてラベルBに更新した履歴をネットワーク情報記憶部11に記憶させる。
Assuming that the update label specified by the update label specifying
そしてこのネットワークの状態(図8の状態)において,再度,更新ラベル特定処理部12およびラベル更新処理部13における処理を実行する。このように,S110乃至S150の処理を,所定回数,たとえば1万回実行する。
Then, in the state of this network (state of FIG. 8), the processing in the update label specifying
指数算出処理部14は,ネットワーク情報記憶部11に記憶した,ノードのラベルの履歴に基づいて,本発明によるネットワーク影響力指数(NPI)を算出する。図5のネットワークの場合,ノードN1,ノードN4に上位のノードがあることから,ノードN1,ノードN4においてネットワーク影響力指数(NPI)を算出する。たとえば,1万回の処理を実行した結果,ノードN1におけるラベルの履歴が図9(a),ノードN4におけるラベルの履歴が図9(b)であったとする。このとき,指数算出処理部14は,ネットワーク影響力指数として,NPI(B→C)=0.50,NPI(D→C)=0.50として算出する(有効桁数が下2桁のとき)。また,NPI(B→A)=0.67,NPI(D→A)=0.17,NPI(E→A)=0.16として算出する。これを示すのが図9(c)である。そして,これを実体ごとにネットワーク影響力指数を加算すると,実体A=0,実体B=1.17(=0.50+0.67),実体C=0,実体D=0.67(0.50+0.17),実体E=0.16として実体ごとのネットワーク影響力指数を算出することができる。これを示すのが図9(d)である。
The index
つぎに本発明の影響力評価システム1の処理プロセスの一例を図3および図4のフローチャートを用いて説明する。本実施例においては,株式の保有関係による意思決定への影響力を評価する場合であり,また初期状態のネットワーク情報としては,図5であるとする。また影響力情報を加算した場合の閾値としては50%とする。
Next, an example of the processing process of the
オペレータは,処理対象とする図5に示す初期状態のネットワーク情報を入力し,それをネットワーク情報入力受付処理部10で受け付ける(S100)。ネットワーク情報入力受付処理部10は,受け付けた初期状態のネットワーク情報をネットワーク情報記憶部11に記憶させる。
The operator inputs the network information in the initial state shown in FIG. 5 to be processed, and the network information input
そして更新ラベル特定処理部12は,自らより上位のノードを有するすべてのノードについて,更新ラベルの特定処理を実行する(S110)。
Then, the update label specifying
まず,更新ラベル特定処理部12は,ノードN1の上位のノードのノードN2のラベルE,ノードN3のラベルB,ノードN4のラベルCに対して,それぞれ乱数を発生させ,たとえば乱数として「0.52」,「0.63」,「0.17」を付与し,ノードN4の上位のノードN3のラベルB,ノードN5のラベルDに対して,それぞれ乱数を発生させ,たとえば乱数として「0.58」,「0.21」を付与する(S200)(図6)。
First, the update label specifying
つぎに更新ラベル特定処理部12は,ノードN1の上位ノードN2乃至N4のラベルB,ラベルC,ラベルEについて,それぞれ付与された乱数に基づいて昇順にソートをし(S210),ラベルC,ラベルE,ラベルBの順とする。また,ノードN4の上位ノードのラベルB,ラベルDについて,同様に昇順にソートをし(S210),ラベルD,ラベルBの順とする。
Next, the update label specifying
そして,図7に示すように,ノードN1の上位ノードN2乃至N4のラベルB,ラベルC,ラベルEについて,ソートした順に影響力情報を加算をし(S220),ラベルEを加算した時点で閾値50%を超えるので,ノードN1の更新ラベルとしてラベルEを特定する(S230)。また,ノードN4の上位ノードN3およびN5のラベルB,ラベルDについて,ソートした順に影響力情報に基づいて加算をし(S220),ラベルBを加算した時点で閾値50%を超えるので,ノードN4の更新ラベルとしてラベルBを特定する(S230)。 Then, as shown in FIG. 7, the influence information is added in the sorted order for the labels B, C, and E of the upper nodes N2 to N4 of the node N1 (S220), and the threshold value is obtained when the label E is added. Since it exceeds 50%, label E is specified as the update label of node N1 (S230). Further, the labels B and D of the upper nodes N3 and N5 of the node N4 are added based on the influence information in the sorted order (S220), and when the label B is added, the threshold value exceeds 50%, so that the node N4 Label B is specified as the update label of (S230).
以上のように,更新ラベル特定処理部12において,上位のノードがあるすべてのノードについての更新ラベルを特定する処理を実行すると,ラベル更新処理部13は,更新ラベルでノードのラベルを更新し(S120),ネットワーク情報記憶部11に,更新したラベルを履歴として記憶させる(S130)。すなわち,ネットワーク情報記憶部11に,ノードN1について,ラベルEに,ノードN4についてラベルBに更新したことを記憶させる。この状態のネットワーク情報が図8である。
As described above, when the update label specifying
仮に,所定回数として1万回の反復処理を行うとすると,処理を実行したのが1回目であるので,再度,S110以降の処理を反復する(S140)。すなわち,図8の状態において,再度,S110以降の処理を実行する。 Assuming that the iterative process is performed 10,000 times as a predetermined number of times, the process is executed for the first time, so the process after S110 is repeated again (S140). That is, in the state of FIG. 8, the processing after S110 is executed again.
すなわち,更新ラベル特定処理部12は,上述と同様に,自らより上位のノードを有するすべてのノードについて,更新ラベルの特定処理を実行する(S110)。
That is, the update label specifying
更新ラベル特定処理部12は,ノードN1の上位のノードのノードN2のラベルE,ノードN3のラベルB,ノードN4のラベルBに対して,それぞれ乱数を発生させて,乱数として「0.81」,「0.15」を付与し,ノードN4の上位のノードN3のラベルB,ノードN5のラベルDに対して,それぞれ乱数を発生させて,乱数として「0.08」,「0.98」を付与する(S200)。この状態のネットワーク情報が図10である。なお,ここでノードN3およびノードN4はいずれもラベルBで同一の実体であることを示している。そのため,ノードN3とノードN4には同一の乱数として「0.15」を付与し,以下の昇順の際には一つの実体として処理を行えるようにする。
The update label specifying
つぎに更新ラベル特定処理部12は,ノードN1の上位ノードN2乃至N4のラベルE,ラベルBについて,それぞれ付与された乱数に基づいて昇順にソートをし(S210),ラベルB,ラベルEの順とする。また,ノードN4の上位ノードのラベルB,ラベルDについて,同様に昇順にソートをし(S210),ラベルB,ラベルDの順とする。
Next, the update label specifying
ノードN1の上位ノードN2乃至N4のラベルB,ラベルEについて,ソートした順に影響力情報に基づいて加算をし(S220),ノードN3におけるエッジE(N3,N1)の影響力情報が30%,ノードN4におけるエッジE(N4,N1)の影響力情報が30%であるので,ラベルBを加算した時点で影響力情報は60%となり,この時点で閾値50%を超えるので,ノードN1の更新ラベルとしてラベルBを特定する(S230)。また,ノードN4の上位ノードN3およびN5のラベルB,ラベルDについて,ソートした順に影響力情報に基づいて加算をし(S220),ラベルDを加算した時点で閾値50%を超えるので,ノードN4の更新ラベルとしてラベルDを特定する(S230)。 Labels B and E of the upper nodes N2 to N4 of the node N1 are added based on the influence information in the sorted order (S220), and the influence information of the edge E (N3, N1) in the node N3 is 30%. Since the influence information of the edge E (N4, N1) in the node N4 is 30%, the influence information becomes 60% when the label B is added, and the threshold value exceeds 50% at this point, so that the node N1 is updated. Label B is specified as the label (S230). Further, the labels B and D of the upper nodes N3 and N5 of the node N4 are added based on the influence information in the sorted order (S220), and when the label D is added, the threshold value exceeds 50%, so that the node N4 Label D is specified as the update label of (S230).
以上のように,更新ラベル特定処理部12において,上位のノードがあるすべてのノードについての更新ラベルを特定する処理を実行すると,ラベル更新処理部13は,更新ラベルでノードのラベルを更新し(S150),ネットワーク情報記憶部11に,更新したラベルを履歴として記憶させる(S160)。すなわち,ネットワーク情報記憶部11に,ノードN1について,ラベルBに,ノードN4についてラベルDに更新したことを記憶させる。この状態のネットワーク情報が図11である。
As described above, when the update label specifying
仮に,所定回数として1万回の反復処理を行うとすると,処理を実行したのが2回目であるので,再度,S110以降の処理を反復する(S140)。すなわち,図11の状態において,S110からS130までの処理を反復する。 Assuming that the iterative process is performed 10,000 times as a predetermined number of times, the process is executed for the second time, so the process after S110 is repeated again (S140). That is, in the state of FIG. 11, the processes from S110 to S130 are repeated.
このように,S110乃至S130までの処理を所定回数反復した後,指数算出処理部14は,ネットワーク情報記憶部11に記憶した,ノードのラベルの履歴に基づいて,当該ノードがそのラベルになった回数を,所定値,たとえば反復の実行回数や履歴の数,履歴の数から後述のネットワークの最上位階層から最下位階層までの影響を除いた数などで除することで,各ノードにおけるネットワーク影響力指数(NPI)を算出する。そしてそのネットワーク影響力指数(NPI)を実体ごとに合計することで,実体ごとのネットワーク影響力指数を算出する(S150)。
In this way, after repeating the processes from S110 to S130 a predetermined number of times, the exponential
たとえば,1万回の処理を実行した結果が,図9(a),(b)であった場合,有効桁数が下2桁とすると,指数算出処理部14は,ネットワーク影響力指数として,NPI(B→C)=0.50(=4957/10000),NPI(D→C)=0.50(=5043/10000)を算出する。また,NPI(B→A)=0.67(=6661/10000),NPI(D→A)=0.17(=1697/10000),NPI(E→A)=0.16(=1642/10000)を算出する。また,これを実体ごとにネットワーク影響力指数を加算すると,実体A=0,実体B=1.17(=0.50+0.67),実体C=0,実体D=0.67(0.50+0.17),実体E=0.16として実体ごとのネットワーク影響力指数を算出することができる。
For example, if the result of executing the processing 10,000 times is FIGS. 9A and 9B, and the number of significant digits is the last two digits, the index
なお,上述のS110乃至S130の処理において,任意のタイミングで各ノードにおけるラベルを,初期状態のネットワーク情報に基づいて,初期状態に戻すようにしてもよい。これによって,初期値依存性によるローカルミニマム問題の発生を回避することができる。 In the above-mentioned processing of S110 to S130, the label in each node may be returned to the initial state based on the network information in the initial state at an arbitrary timing. This makes it possible to avoid the occurrence of the local minimum problem due to the initial value dependency.
各ノードのラベルを初期状態に戻すには,たとえば,S110の処理の前に,乱数pを発生させ,その乱数pが初期化基準値に関する条件を充足した場合には各ノードのラベルを初期状態に戻すようにしてもよい。たとえば乱数pが0≦p≦1のとき,初期状態に戻すための初期化基準値の条件として0≦p≦0.005とすると,乱数pが0≦p≦0.005のときには,初期状態のネットワーク情報を参照し,各ノードを初期状態のラベルに戻して,それを更新ラベルとして特定する。一方,乱数p>0.005のときにはS200以降の処理を実行して更新ラベルを特定するようにしてもよい。 To return the label of each node to the initial state, for example, a random number p is generated before the processing of S110, and if the random number p satisfies the condition regarding the initialization reference value, the label of each node is returned to the initial state. You may try to return to. For example, when the random number p is 0 ≦ p ≦ 1, if 0 ≦ p ≦ 0.005 is set as the condition of the initialization reference value for returning to the initial state, and when the random number p is 0 ≦ p ≦ 0.005, the initial state. Refer to the network information of, return each node to the label in the initial state, and specify it as the update label. On the other hand, when the random number p> 0.005, the process after S200 may be executed to specify the update label.
なお,初期化基準値については任意に設定することができる。 The initialization reference value can be set arbitrarily.
また,ネットワーク情報において,ネットワークの最上位階層から最下位階層まで実体の影響力が伝播するのは,所定回数の試行が必要である。そのため,初回からあらかじめ定めた回数,たとえば19回程度までは,S110乃至S130の処理を実行するものの,更新したラベルを履歴として記憶しないようにしてもよい。あるいは記憶しても,ネットワーク影響力指数の算出に用いるラベルの履歴から除外するようにしてもよい。なお所定回数としては,ネットワークの階層数などの大きさに基づいて,逐次,設定することができる。 In addition, in network information, it takes a predetermined number of trials for the influence of an entity to propagate from the top layer to the bottom layer of the network. Therefore, although the processes of S110 to S130 are executed from the first time to a predetermined number of times, for example, about 19 times, the updated label may not be stored as a history. Alternatively, even if it is stored, it may be excluded from the history of the label used for calculating the network influence index. The predetermined number of times can be set sequentially based on the size such as the number of layers of the network.
実施例1においては,影響力情報として株式の保有比率をそのまま用いたが,自社株をを考慮するようにしてもよい。すなわち,議決権行使を行使できる株式について,その発行をしている会社が保有している場合もある(いわゆる自社株)。日本においては,自社株は議決権行使をすることができないのでその意思決定には影響を及ぼさないが,影響力情報を示す株式の保有比率において,自社株も含まれている場合,それを考慮してもよい。たとえば,図5のネットワーク情報において,実体Eについて,発行済株式のうち,議決権行使ができる株式の50%を実体Fが,残り50%が自社株であった場合,ネットワーク情報として,自社株Eを新たに実体として追加するように,ネットワーク情報を補正してもよい。これを模式的に示すのが図12である。すなわち,本来は,図12(a)のようにノード,エッジ,影響力情報が付されたネットワーク情報であるところ,実体Eの上位ノードが実体Fのみとなり,その影響力情報の合計も100%とはなっていない。そこで,図12(b)に示すように,自社株を示すノードN7を追加し,さらに,ノードN7からノードN2(自社のノード)に対するエッジE(N7,N2)を追加した,ネットワーク情報をネットワーク情報入力受付処理部10が入力を受け付け,実施例1の処理を実行してもよい。
In Example 1, the shareholding ratio is used as it is as the influence information, but the company's own stock may be considered. That is, there are cases where the issuing company holds shares that can be exercised with voting rights (so-called treasury stock). In Japan, treasury stock cannot exercise voting rights and does not affect decision-making, but if treasury stock is included in the shareholding ratio that shows influence information, that is taken into consideration. You may. For example, in the network information of FIG. 5, when the entity F is 50% of the issued shares of the issued shares and the remaining 50% is the treasury stock, the company stock is used as network information. The network information may be corrected so that E is newly added as an entity. FIG. 12 schematically shows this. That is, originally, as shown in FIG. 12A, the network information is provided with node, edge, and influence information, but the upper node of the entity E is only the entity F, and the total of the influence information is also 100%. It is not. Therefore, as shown in FIG. 12 (b), a node N7 indicating the company's stock was added, and an edge E (N7, N2) from the node N7 to the node N2 (the company's node) was added to network the network information. The information input
また,自社株については,上述のほか,以下のように処理をしてもよい。すなわち,影響力情報を示す株式の保有比率について,自社株を除く発行済株式のうち,議決権行使できる株式の保有比率で影響力情報を算出してもよい。 In addition to the above, the treasury stock may be processed as follows. That is, with regard to the shareholding ratio of the shares showing the influence information, the influence information may be calculated by the shareholding ratio of the issued shares excluding the treasury stock that can exercise voting rights.
すなわち,ある実体の株式の保有比率について,当該実体の保有する株式数を,議決権行使をできる発行済株式数から自社株数を減算した数で除算することで算出して,実体の株式の保有比率を算出してもよい。たとえば,上述の図12(a)の場合,発行済株式のうち,実体Fが実体Eの議決権行使ができる株式の50%を,残り50%が自社株の場合,実体Fの株式の保有比率を,100%(=Fが保有するEの株式数/(発行済株式総数-自社株数)×100)で算出してもよい。このような処理をしたネットワーク情報の一例を図13に示す。なお,図13では,株式の保有比率の補正について,株式数を用いた算出としているが,保有比率を用いて算出をしてもよい。 That is, the holding ratio of the shares of a certain entity is calculated by dividing the number of shares held by the entity by the number of issued shares that can exercise voting rights minus the number of own shares, and holding the shares of the entity. The ratio may be calculated. For example, in the case of FIG. 12 (a) described above, of the issued shares, if the entity F is 50% of the shares that can exercise the voting rights of the entity E and the remaining 50% is the company's shares, the shares of the entity F are held. The ratio may be calculated as 100% (= number of shares of E held by F / (total number of issued shares-number of own shares) x 100). FIG. 13 shows an example of the network information processed in this way. In FIG. 13, the correction of the shareholding ratio is calculated using the number of shares, but it may be calculated using the shareholding ratio.
さらに,いわゆる黄金株(株主総会における特定の決議事項について拒否権を行使できる株式),複数議決権付き株式,無議決権株式などの会社の意思決定に影響を及ぼす種類株式を発行している会社の場合,影響力情報は,株式の保有比率のみに基づいて定められるものではない。そのため,その種類株式を考慮した上で,影響力情報を補正をした上で,ネットワーク情報の初期状態とし,ネットワーク情報入力受付処理部10に入力をしてもよい。
In addition, companies that issue class shares that influence the company's decisions, such as so-called golden shares (stocks that can exercise veto rights for specific resolutions at general meetings of shareholders), shares with multiple voting rights, and non-voting shares. In the case of, influence information is not determined solely based on the shareholding ratio. Therefore, after considering the class stock and correcting the influence information, the network information may be set as the initial state and input to the network information input
実施例1および実施例2では,更新ラベル特定処理部12において,更新するラベルを特定する際に,各ノードのラベルに付した乱数をソートし,その順番で各ラベルの影響力情報を加算して,所定の閾値を超えたラベルを更新するラベルとして特定をしていたが,この閾値を50%ではなく,ほかの閾値としてもよい。たとえば2/3(67%,66.7%など),3/4(75%)のように設定してもよい。
In the first and second embodiments, when the update label specifying
日本の場合,会社の事業の重要な一部の譲渡,定款変更,資本金の額の減少など,会社の重要な事項は,普通決議ではなく,特別決議,特殊決議などで行われることから,それを基準として会社への影響力の基準とする上記の閾値を設定することもできる。 In the case of Japan, important matters of the company such as transfer of an important part of the company's business, amendment of the articles of incorporation, reduction of the amount of capital, etc. are not ordinary resolutions but special resolutions, special resolutions, etc. It is also possible to set the above threshold value as a standard of influence on the company based on it.
本発明の影響力評価システム1を用いた場合,実体の規模の大小を問わずに,影響力の評価がなされることとなる。そのため,規模が極めて小さい会社の株式を多数保有している実体のほうが,規模のとても大きい会社の株式を少数だけ保有している場合よりもネットワーク影響力指数は高く算出されてしまう場合がある。
When the
そこで,指数算出処理部14において,ネットワーク影響力指数を算出する場合,純資産,時価総額などの実体の規模を示す情報で重み付けをした上で,実体ごとの個別の影響力指数を加算してもよい。たとえば,指数算出処理部14において,ノードごとのネットワーク影響力指数NPIを算出し,それに基づいて実体ごとのネットワーク影響力指数NPIを算出する場合,実体の規模が小さい会社に対するNPIはそのまま加算し,実体の規模が大きい会社に対するNPIは,所定の係数を重み付けとして乗算し,その値を加算してもよい。
Therefore, when calculating the network influence index in the index
これを模式的に示すのが図14である。たとえば実施例1の図9(c)に示すように,ノードごとのネットワーク影響力指数であり,実体Cの規模がほかの実体よりも大きいことから,実体Cに対する影響力を2倍として重み付けをする場合とする。これを模式的に示すのが図14(a)である。 FIG. 14 schematically shows this. For example, as shown in FIG. 9 (c) of Example 1, it is a network influence index for each node, and since the scale of the entity C is larger than that of other entities, the influence on the entity C is doubled and weighted. If you do. FIG. 14A schematically shows this.
この場合,実体ごとのネットワーク影響力指数は,実体A=0,実体B=1.67(=0.50×2+0.67),実体C=0,実体D=1.17(0.50×2+0.17),実体E=0.16として実体ごとのネットワーク影響力指数を算出することができる。これを模式的に示すのが図14(b)である。このように実体の規模に応じた重み付けをすることで,規模が大きい実体に対してのネットワーク影響力指数をより大きな数値で評価でき,影響力がおよぶ実体の数のみではなく,その規模も加味してネットワーク影響力指数を算出できるので,より実際の影響力に沿った指標を算出することができる。 In this case, the network influence index for each entity is entity A = 0, entity B = 1.67 (= 0.50 × 2 + 0.67), entity C = 0, entity D = 1.17 (0.50 ×). The network influence index for each entity can be calculated with 2 + 0.17) and entity E = 0.16. FIG. 14 (b) schematically shows this. By weighting according to the size of the entity in this way, the network influence index for large-scale entities can be evaluated with a larger numerical value, and not only the number of entities that have influence but also the scale is taken into consideration. Since the network influence index can be calculated, the index more in line with the actual influence can be calculated.
この重み付けは,実体自体の規模やその所属国の規模などに応じて,適宜,設定することができ,また重み付けを規模に応じて複数の段階に分けて設定することもできる。 This weighting can be set as appropriate according to the scale of the entity itself, the scale of the country to which the entity belongs, and the weighting can be set in a plurality of stages according to the scale.
さらに,ネットワーク影響力指数を算出する目的に応じて重み付けを行うこともできる。たとえば,ESG(Environment,Social,Governance)を基準に評価を行う場合には,上述の各実施例の各実体に対して,環境,社会的責任,企業統治に配慮をしているかを所定の基準で重み付けをし,ESGに対する配慮がなされていない実体には重み付けを大きく,ESGに対する配慮がなされている実体には重み付けを小さくして,ESGに対するリスクがある実体(会社)へのネットワーク影響力指数を算出することができる。 Furthermore, weighting can be performed according to the purpose of calculating the network influence index. For example, when making an evaluation based on ESG (Environment, Social, Governance), the prescribed criteria are whether the environment, social responsibility, and corporate governance are taken into consideration for each entity of each of the above-mentioned examples. Weighting is increased for entities that are not considered for ESG, and decreased for entities that are given consideration for ESG, and the network influence index for entities (company) that are at risk for ESG. Can be calculated.
これによって,たとえば,M&Aや出資先の企業を対象として,予期しない負債の発生やレピュテーションリスクを回避することができる。 As a result, for example, it is possible to avoid unexpected debt generation and reputation risk for M & A and investee companies.
もちろん,ESGへの配慮がなされている実体には重み付けを大きく,ESGに対する配慮がなされていない実体には重み付けを小さくして,ESGに対する積極性を評価するようにしてもよい。 Of course, the weighting may be increased for the entity with consideration for ESG, and the weighting may be decreased for the entity without consideration for ESG to evaluate the positiveness toward ESG.
また,上述の各実施例について,M&Aなどの際の企業価値の評価に用いることができる。 In addition, each of the above-mentioned examples can be used for evaluation of corporate value at the time of M & A or the like.
たとえば初期状態のネットワーク情報が図15であったとする。このようなネットワーク情報を影響力評価システム1に読み込ませ,実体ごとのネットワーク影響力指数を算出させる。その結果,実体ごとのネットワーク影響力指数が実体A=1.33,実体B=0.33,実体C=0.33であったとする。
For example, it is assumed that the network information in the initial state is shown in FIG. Such network information is read into the
このとき,実体Bが実体αのすべての株式を,実体Aから購入するとき(すなわち,Bがα社をAから購入する),α社の企業価値の評価に本発明を用いることができる。 At this time, when the entity B purchases all the shares of the entity α from the entity A (that is, B purchases the company α from A), the present invention can be used to evaluate the corporate value of the entity α.
まず,図16に示すように,実体αを実体Bが購入した後のネットワーク情報を読み込ませ,実体ごとのネットワーク影響力指数を算出させる。その結果,実体ごとのネットワーク影響力指数が実体A=0,実体B=2,実体C=0であったとする。 First, as shown in FIG. 16, the network information after the entity B purchases the entity α is read, and the network influence index for each entity is calculated. As a result, it is assumed that the network influence index for each entity is entity A = 0, entity B = 2, and entity C = 0.
そうすると,売買に伴う実体の価値は,売買の前後でのネットワーク影響力指数の差分で算出できる。図15および図16の場合,売買に伴う実体αの価値は,実体Aにとっては1.33(=|0-1.33|),実体Bにとっては1.67(=|2-0.33|),実体Cにとっては0.33(=|0-0.33|)と評価できる。 Then, the value of the entity associated with the sale can be calculated by the difference between the network influence index before and after the sale. In the case of FIGS. 15 and 16, the value of the entity α associated with the sale is 1.33 (= | 0-1.33 |) for the entity A and 1.67 (= | 2-0.33) for the entity B. |), It can be evaluated as 0.33 (= | 0-0.33 |) for the entity C.
そのため,ネットワーク影響力指数が1.33~1.66の間に相当する金額で実体αの売買がされれば,実体Aおよび実体Bにとって適正価格であることが分かる。さらに,売買の前後における第三者(実体C)への影響(バタフライ効果)を算出することもできる。 Therefore, if the entity α is bought and sold at an amount corresponding to the network influence index between 1.33 and 1.66, it can be seen that the price is appropriate for the entity A and the entity B. Furthermore, the influence (butterfly effect) on a third party (entity C) before and after the sale can be calculated.
すなわち,本実施例のように,本発明の影響力評価システム1を用いることによって,実体の変更の前後でのネットワーク影響力指数を算出し,その差分を比較することで,その実体の変更に伴う実体の価値のほか,第三者への影響(バタフライ効果)を評価することもできる。
That is, as in the present embodiment, by using the
上述の各実施例と同様のことは,株式の保有関係,すなわち会社の意思決定への影響力以外のさまざまな分野の意思決定への影響力の算出にも適用することができる。たとえば,国における意思決定への影響力などにも適用することができる。この場合,国会において何らかの立法を行う場合,国会における各政党の議席数が国会における政党(実体)の影響力情報を示している。そして,その政党に対しては,たとえば政党の支持団体(実体)が影響力を保有しており,その影響力は,政治献金の金額,団体の構成員数,その団体出身の国会議員の数などを数値化して影響力情報として設定できる。さらにその支持団体に対する影響力としては,その支持団体内部における派閥(実体)を構成する人員数などを評価することで影響力情報として設定し,その影響力を評価できる。 The same as in each of the above embodiments can be applied to the calculation of the stockholding relationship, that is, the influence on decision making in various fields other than the influence on the decision making of the company. For example, it can be applied to the influence on decision making in the country. In this case, when some kind of legislation is made in the Diet, the number of seats of each political party in the Diet indicates the influence information of the political party (entity) in the Diet. And, for example, the support group (entity) of the political party has influence on the political party, and the influence is the amount of political contribution, the number of members of the group, the number of members of the Diet from that group, etc. Can be quantified and set as influence information. Furthermore, as the influence on the support group, it can be set as influence information by evaluating the number of people constituting the faction (entity) within the support group, and the influence can be evaluated.
このように,社会における人や会社などの実体同士のつながりはネットワーク構造で表現でき,いずれもその影響力を所定の指標で数値化して影響力情報として設定することで,ある実体がほかの実体に対してどのような影響力を及ぼすかを評価することができる。 In this way, the connection between entities such as people and companies in society can be expressed by a network structure, and by quantifying the influence of each entity with a predetermined index and setting it as influence information, one entity becomes another entity. It is possible to evaluate what kind of influence it has on.
本発明の影響力評価システム1を用いることによって,実体同士の関係が複雑な場合であっても,実体が有するほかの実体への影響力を指数化することができる。
By using the
1:影響力評価システム
10:ネットワーク情報入力受付処理部
11:ネットワーク情報記憶部
12:更新ラベル特定処理部
13:ラベル更新処理部
14:指数算出処理部
70:演算装置
71:記憶装置
72:表示装置
73:入力装置
74:通信装置
1: Impact evaluation system 10: Network information input reception processing unit 11: Network information storage unit 12: Update label specification processing unit 13: Label update processing unit 14: Index calculation processing unit 70: Arithmetic unit 71: Storage device 72: Display Device 73: Input device 74: Communication device
Claims (2)
前記特定したラベルでそのノードを更新するラベル更新処理部と,
前記更新したラベルを用いて影響力を示す指数を算出する指数算出処理部と,
を有することを特徴とする影響力評価システム。 In network information where the label indicating an entity is on the node, the direction of influence of the entity is on the edge, and the information indicating the influence of the entity on other entities is the influence information, the upper level of a node. An update label specifying processing unit that identifies a node using the edge and specifies a label to be updated using the influence information for a label in a node having the upper node.
A label update processing unit that updates the node with the specified label, and
An index calculation processing unit that calculates an index indicating influence using the updated label, and an index calculation processing unit.
An influence assessment system characterized by having.
実体を示すラベルがノードに付され,前記実体が有する影響力の方向がエッジで付され,前記実体がほかの実体に対して有する影響力を示す情報を影響力情報とするネットワーク情報において,あるノードの上位のノードを前記エッジを用いて特定し,上位のノードを有するノードにおけるラベルについて,前記影響力情報を用いて更新するラベルを特定する更新ラベル特定処理部,
前記特定したラベルでそのノードを更新するラベル更新処理部,
前記更新したラベルを用いて影響力を示す指数を算出する指数算出処理部,
として機能させることを特徴とする影響力評価プログラム。 Computer,
In network information, a label indicating an entity is attached to a node, the direction of influence of the entity is attached at an edge, and information indicating the influence of the entity on other entities is used as influence information. Update label identification processing unit, which identifies the node above the node using the edge, and specifies the label to be updated using the influence information for the label in the node having the upper node.
Label update processing unit that updates the node with the specified label,
Index calculation processing unit that calculates an index showing influence using the updated label,
An influence assessment program characterized by functioning as.
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2022030948A JP7315185B2 (en) | 2019-06-27 | 2022-03-01 | Influence evaluation system |
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2019119796A JP7040786B2 (en) | 2019-06-27 | 2019-06-27 | Influence assessment system |
JP2022030948A JP7315185B2 (en) | 2019-06-27 | 2022-03-01 | Influence evaluation system |
Related Parent Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2019119796A Division JP7040786B2 (en) | 2019-06-27 | 2019-06-27 | Influence assessment system |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2022071073A true JP2022071073A (en) | 2022-05-13 |
JP7315185B2 JP7315185B2 (en) | 2023-07-26 |
Family
ID=87427946
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2022030948A Active JP7315185B2 (en) | 2019-06-27 | 2022-03-01 | Influence evaluation system |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP7315185B2 (en) |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2015194863A (en) * | 2014-03-31 | 2015-11-05 | 株式会社日立ソリューションズ西日本 | Value chain analysis device and method |
CN105653689A (en) * | 2015-12-30 | 2016-06-08 | 杭州师范大学 | User communication influence determination method and device |
US20170330357A1 (en) * | 2016-05-11 | 2017-11-16 | Runtime Collective Limited | Analysis and visualization of interaction and influence in a network |
CN109428928A (en) * | 2017-08-31 | 2019-03-05 | 腾讯科技(深圳)有限公司 | Selection method, device and the equipment of information push object |
-
2022
- 2022-03-01 JP JP2022030948A patent/JP7315185B2/en active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2015194863A (en) * | 2014-03-31 | 2015-11-05 | 株式会社日立ソリューションズ西日本 | Value chain analysis device and method |
CN105653689A (en) * | 2015-12-30 | 2016-06-08 | 杭州师范大学 | User communication influence determination method and device |
US20170330357A1 (en) * | 2016-05-11 | 2017-11-16 | Runtime Collective Limited | Analysis and visualization of interaction and influence in a network |
CN109428928A (en) * | 2017-08-31 | 2019-03-05 | 腾讯科技(深圳)有限公司 | Selection method, device and the equipment of information push object |
Non-Patent Citations (1)
Title |
---|
DIAMANDIS THEO: "Ranking causal influence of financial markets via directed information graphs", 2018 52ND ANNUAL CONFERENCE ON INFORMATION SCIENCES AND SYSTEMS (CISS), JPN6022004700, 2018, pages 1 - 6, XP033348006, ISSN: 0005056106, DOI: 10.1109/CISS.2018.8362199 * |
Also Published As
Publication number | Publication date |
---|---|
JP7315185B2 (en) | 2023-07-26 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Yang | Optimization techniques and applications with examples | |
Bargigli et al. | The multiplex structure of interbank networks | |
Shokouhi et al. | A robust optimization approach for imprecise data envelopment analysis | |
Salahi et al. | Robust Russell and enhanced Russell measures in DEA | |
BenSaïda | A practical test for noisy chaotic dynamics | |
JP7040786B2 (en) | Influence assessment system | |
CN112750029A (en) | Credit risk prediction method, device, electronic equipment and storage medium | |
CN115018656B (en) | Risk identification method, and training method, device and equipment of risk identification model | |
Beiser et al. | Adaptive sampling strategies for risk-averse stochastic optimization with constraints | |
Gan et al. | Fat-tailed regression modeling with spliced distributions | |
Cheng et al. | The future of labor: Automation and the labor share in the second machine age | |
CN113902522A (en) | Patent recommendation method and terminal based on graph neural network | |
Small et al. | Model complexity and accuracy: A COVID-19 case study | |
JP7092609B2 (en) | Fund extraction device | |
JP7315185B2 (en) | Influence evaluation system | |
Lin et al. | A deep reinforcement learning framework for optimal trade execution | |
Arrieta-Paredes et al. | Exponential random graph models for management research: A case study of executive recruitment | |
JP2023051495A (en) | Influence evaluation system | |
Landriault et al. | Analysis of IBNR claims in renewal insurance models | |
Chiong et al. | Estimation of graphical models using the L 1, 2 norm | |
Pijnenburg et al. | Extending logistic regression models with factorization machines | |
Xu et al. | The Fuzzy Jump-Diffusion Model to Pricing European Vulnerable Options. | |
Wang et al. | Efficient and robust combinatorial option pricing algorithms on the trinomial lattice for polynomial and barrier options | |
Duran et al. | Parameter optimization for differential equations in asset price forecasting | |
CN110826771A (en) | Risk analysis method and device for logistics outsourcing and storage medium |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20220426 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20230511 |
|
TRDD | Decision of grant or rejection written | ||
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20230705 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20230705 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 7315185 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |