JP2963033B2

JP2963033B2 - サンプル分類支援装置

Info

Publication number: JP2963033B2
Application number: JP7252662A
Authority: JP
Inventors: 浦智康三; 谷部史鳥; 田益規植; 尾利数瀬; 下竜実真; 井章弘亀
Original assignee: NOMURA SOGO KENKYUSHO KK
Current assignee: NOMURA SOGO KENKYUSHO KK
Priority date: 1995-09-29
Filing date: 1995-09-29
Publication date: 1999-10-12
Anticipated expiration: 2015-09-29
Also published as: JPH0997264A

Description

【発明の詳細な説明】

【０００１】

【発明の属する技術分野】本発明は、大量のサンプルを
分類して所定の特性を有するサンプルを所定の集団とし
て分類するサンプル分類・分析作業を支援するサンプル
分類支援装置に係り、特にユーザーに分類しようとする
集団の属性を自由に設定させ、その集団に分類されたサ
ンプルのばらつきの程度を迅速に評価するサンプル分類
分類支援装置に関する。

【０００２】

【従来の技術】一般にマーケットリサーチやダイレクト
メールや商品の販売評価等の分野において、膨大な顧客
データの中から、所定の商品等を購買する顧客層を分類
し、その顧客層の有する属性（年収、年齢、職業等の顧
客を特定する性質）を分析することによって、潜在的な
消費者層を明らかにする作業が行われている。

【０００３】上記顧客データは、この明細書における
「サンプル」に該当する。ここで、サンプルは顧客デー
タを含むが、顧客データ以外のたとえば実験データ、植
物の品種改良サンプル等種々のものがあり得る。言い換
えれば、本発明はマーケットリサーチ等に限られず、種
々のサンプル分類問題に応用し得るが、以下の説明では
理解容易のためにマーケットリサーチにおける顧客の分
類・分析を題材として本発明を説明する従来から、顧客データの分類・分析方法として、スコア
リング法とクロステーブル分析法の知られていた。スコ
アリング法は、統計分析に基づいた分析モデルである。
この方法は、所定の数式によって各サンプルにスコアを
付し、所定のスコアを有するサンプルを抽出する。

【０００４】たとえば、「住居状況」と「収入」が知ら
れている顧客データがあった場合、下記の数式によって
の各顧客のスコアを算出する。

【０００５】スコア＝α×住居状況＋β×収入＋γ ここで、住居状況はたとえば借家を１、持家を２、収入
は高額を１、低額を２のように適当な数値に変換する。
α，β，γは統計的分析から求められたウェイトを付
す。

【０００６】スコアリング法では、上記各顧客のスコア
を求めた後、所定のスコアのレンジに含まれる顧客を抽
出する。これによって、ある特性を有する顧客層が分離
される。

【０００７】しかし、上記スコアは非説明変数と呼ばれ
ており、求められた数値に対してはその意味を説明する
ことができないものである。このため、スコアからサン
プルのイメージが把握困難であった。このサンプルイメ
ージが不明であることは、顧客の分類・分析上の大きな
障害となる。たとえば、分類をさらに改良する場合、サ
ンプルイメージが不明であると、どの属性について分類
の仕方を改良すべきかわからないことがあった。

【０００８】また、ウェイトα，β，γの付与も、サン
プルの特性を考慮して調整するのが、困難かつ複雑であ
るため、ウェイトの適否の判断と、ウェイトの再調整が
困難であった。

【０００９】上記スコアリング法に対して、クロステー
ブル分析法はサンプルのイメージが把握容易である利点
を有している。クロステーブル分析法は、マトリックス
を用いた分類分析アプローチであって、単純な属性の分
類項目同士を組み合わせて、比較的複雑な分類を行うも
のである。図６に上記クロステーブル分析法による顧客
分析の一例を示す。

【００１０】図６の例では、属性「収入」について「高
額」と「低額」による分類と、属性「住居状況」につい
て「持家」と「借家」による分類がされている顧客デー
タが与えられている。特性ＰとＮは、購買層の顧客の特
性をＰ、非購買層の顧客の特性をＮとする。

【００１１】クロステーブル分析法では、上記顧客デー
タに対して属性の分類を相互に組み合わせる。すなわ
ち、図６に示すように、属性「持家」と属性「借家」の
顧客を、さらにそれぞれ収入に応じて「高額」と「低
額」の顧客に分類する。この分類によって、たとえば図
６に示すように、「持家」かつ「高額収入」に分類され
た顧客は特性Ｐ（購買層）が２０名、特性Ｎが０名とな
り、「持家」かつ「低額収入」に分類された顧客は特性
Ｐ（購買層）が０名、特性Ｎ（非購買層）が２０名とな
る。「借家」についての分類も同様に特性Ｐと特性Ｎの
顧客が偏って分類される。

【００１２】このように偏って分類される分類は有効な
分類である。すなわち、この分類結果から、購買層は
「持家」かつ「高額収入」か、「借家」かつ「低額収
入」のいずれかの一方の属性を有していることがわか
る。この属性を利用して、購買層の顧客の発掘に役立て
ることができる。

【００１３】クロステーブル分析法では、有効な分類に
成功した場合は、上述したように分析しようとする顧客
層あるいは顧客集団のイメージを容易に把握することが
できる。

【００１４】

【発明が解決しようとする課題】しかしながら、上記ク
ロステーブル分析法には、属性の組合せに限界があると
いう問題があった。すなわち、多数の属性テーブルを組
み合わせる場合、組合せテーブルが急激に膨大化し、実
際上処理が困難になった。

【００１５】これは、新たな属性テーブルの属性項目を
組み込む度に、すべての組合せについて一律に分類して
しまうことに原因があった。このため、本質的に有効で
ない分類項目についても分類を行ってしまい、分類項目
の組合せ的爆発を生じてしまうのであった。

【００１６】また、同一の理由により、クロステーブル
分析法は、柔軟な分類に不向きであった。すなわち、分
析者が有効な分類となりそうな分類を集中的に試みるこ
とができなかった。

【００１７】そこで、本発明が解決しようとする課題
は、サンプルイメージが把握しやすく、かつ、自由に分
類する属性を組み合わせられるようにしたサンプル分類
支援装置を提供することにある。

【００１８】

【課題を解決するための手段】上記課題を解決するため
に、本願請求項１に係るサンプル分類支援装置は、所定
のサンプル集合を属性項目によって木構造状に分類した
ツリー対して、前記属性項目を追加、変更、削除するツ
リー編集手段と、前記ツリー編集手段と連動し、前記ツ
リー編集手段によって作成したツリーの構造に従って前
記サンプルを分類し、前記ツリーの各ノードに対応する
サンプルの情報を格納するツリーデータベースを構築す
るツリーデータベース構築手段と、前記分類ツリーの各
末端ノードに分類されたサンプルのばらつきの程度を評
価する分類評価手段と、を備えたことを特徴とするもの
である。

【００１９】本願請求項２に係るは、上記請求項１のサ
ンプル分類支援装置において、前記サンプルの属性をヒ
ストグラム分析し、その属性でサンプルを最適に区分す
る評価項目を生成するヒストグラム分析手段を備えたこ
とを特徴とするものである。

【００２０】本願請求項３に係るサンプル分類支援装置
は、上記請求項１のサンプル分類支援装置において、前
記ツリー編集手段は、ツリーの部品を定義および登録で
き、前記ツリー部品を選択あるいは削除する操作によっ
て前記ツリーを構築することができることを特徴とする
ものである。

【００２１】本願請求項４に係るサンプル分類支援装置
は、上記請求項１または２のサンプル分類支援装置にお
いて、前記ツリー編集手段は、前記属性項目あるいは評
価項目をユーザーに提示し、ユーザーの選択した項目に
応じてツリーを構成することを特徴とするものである。

【００２２】本願請求項５に係るサンプル分類支援装置
は、上記請求項１または２のサンプル分類支援装置にお
いて、ユーザーに前記属性項目あるいは評価項目の定義
およびそのツリー構造の条件を設定させ、この設定され
た属性項目および評価項目の定義および条件に従って前
記ツリーを自動的に生成するツリー自動生成手段を備え
たことを特徴とするものである。

【００２３】本発明のサンプル分類支援装置によれば、
ツリー編集手段が分類対象のサンプル集合の現在の分類
体系を表現したツリーをユーザーに示し、ユーザーによ
るツリーの編集を可能にする。

【００２４】このツリーにおいては、サンプルの属性に
よって枝が分岐し、ノード（ツリーの葉の部分）を構成
する。したがって、属性項目を追加、変更、削除するこ
とによって、ツリーの構造、すなわちサンプルの分類体
系を変更することができる。

【００２５】ツリー編集手段は、コンピュータの画面上
でツリーの所定のノードに対して属性項目を追加、変
更、削除させ、これによって、ユーザーの望む分類体
系、すなわちツリーを形成させる。

【００２６】ツリーデータベース構築手段は、上記ツリ
ー編集手段と連動し、ツリー編集手段によって編集され
た分類体系に応じてサンプルを分類する。このツリーデ
ータベース構築手段は、ツリーの各ノードに対応するサ
ンプルの情報を格納したツリーデータベースを構築す
る。

【００２７】分類評価手段は、上記ツリーデータベース
中のサンプル集合に対し、所定の特性を有するサンプル
が偏って存在しているか否かを評価する。所定の特性の
サンプルが偏って分類されていれば、その分類は有効な
分類であり、その分類の意味を分析することによって有
益な情報を得ることができる。

【００２８】

【発明の実施の形態】以下に本発明の一実施形態による
サンプル分類支援装置について願書に添付の図面を用い
て説明する。図１は、本発明のサンプル分類支援装置に
よるサンプル分類の方法と、分類のための各処理に関与
する各構成手段を示している。図１において、符号１
は、分類しようとするサンプルのすべてを格納した母集
合データベースを示している。母集合データベース１
は、特性Ｐと特性Ｎが混在したサンプルのデータを格納
している。ここで、特性Ｐのサンプルはたとえば購買層
の顧客、特性Ｎのサンプルはたとえば非購買層の顧客の
ようなものとする。

【００２９】母集合データベース１には、たとえば、図
１に示すように属性「年収」、「住居」、「取引年
数」、「利用額」等に関するデータが各サンプルごとに
格納されている。

【００３０】本発明のサンプル分類支援装置による分類
は、母集合データベース１に対して、ユーザーに属性を
自由に選択させて分類体系たるツリー２を構成させ、こ
のツリー２の各ノード３に対応するサンプル情報を格納
したツリーデータベース４を構築する。さらに、本発明
のサンプル分類支援装置は、末端の各ツリーデータベー
ス４の特性Ｐ，Ｎのばらつきの程度を評価し、ユーザー
にいずれの分類が有効な分類かを判断させる。

【００３１】図１中の一分類例について説明すれば、母
集合データベース１に対して最初に属性「職種」によっ
て「自営業」と「サラリーマン」とに分類し、次に一方
のノードである「自営業」に対して属性「年齢」によっ
て評価項目「高齢」と「低齢」とに分類し、続いて「高
齢の自営業」に対して属性「利用頻度」によって評価項
目「高度」と「低度」に分類している。なお、評価項目
については後述する。

【００３２】この結果、最終的な末端ノードの属性「自
営業、かつ高齢、かつ利用頻度が高度」に対応するツリ
ーデータベース４が構築される。図の例では、このツリ
ーデータベース４中には、特性Ｐの顧客が４名、特性Ｎ
の顧客が６名分類されている。したがって特性Ｐと特性
Ｎの顧客の比率は０．４：０．６となり、分類によるば
らつきの程度を示すエントロピーは-(0.4*log0.4+0.6*l
og0.6)となった。このエントロピーについては後に説明
する。

【００３３】上記サンプル分類のために、本発明のサン
プル分類支援装置は、ヒストグラム分析手段５と、ツリ
ー編集手段６と、ツリーデータベース構築手段７（図に
おいてデータベースをＤ／Ｂと略記する。以下同じ。）
と、分類評価手段８とを備えている。

【００３４】ヒストグラム分析手段５は、ツリー編集に
先だって、各属性に関するサンプルのヒストグラム（分
布図）を分析し、その属性について、どの範囲でサンプ
ルを団塊として区分するのが有効かを分析するものであ
る。この属性を最適に区分するものが前述した評価項目
である。

【００３５】ヒストグラム分析手段５によるヒストグラ
ム分析を図２を用いて以下に説明する。図２において、
母集合データベース１のサンプルは、属性項目「年齢」
について連続的な分布を有している。この年齢の分布か
ら、何歳以上を「高齢」とし、何歳以下を「低齢」とす
るかによって、分類の効果が大きく左右される。

【００３６】ヒストグラム分析手段５は、この年齢分布
を所定の幅、たとえば５歳ごとに区分してヒストグラム
を作成する。ＡＩＣに基づく最適ヒストグラムは、前記
ヒストグラムの度数の山を判断し、２４歳以下の団塊
と、２５歳以上の団塊に区分する。ＡＩＤ分析は、年齢
の分布にさらに「購入の有無」による確率を加味したヒ
ストグラムの分布を最適な団塊に区分する。図２の例で
はＡＩＤ分析によっても、２４歳以下を「低齢」、２５
歳以上を「高齢」に区分するのが最適となった。この属
性項目「年齢」を２４歳を境に区分した「低齢」と「高
齢」の項目を評価項目という。

【００３７】なお、評価項目はサンプル分類上、属性項
目に含まれており、単に「属性項目によって分類」とい
う場合でも「属性項目・評価項目によって分類」を意味
することがある。

【００３８】次に、ツリー編集手段６およびツリーデー
タベース構築手段７について説明する。ツリー編集手段
６はユーザーに自由に属性項目や評価項目を選択させて
ツリー２を構成させる。ツリー編集手段６による編集の
一過程を図３を用いて説明する。

【００３９】図３は、ツリー編集手段６によって商品利
用特性に関するツリー２を構成している場合を示してい
る。この分類では、最初に「家電同種」の商品を利用し
たことの有無でサンプルを分類し、次に「家電同種を利
用したことがない顧客」について「鉄道券」の利用回数
で分類をしている。

【００４０】本実施形態のツリー編集手段６は、所定の
ノードに対して「項目操作」と「区分操作」の選択メニ
ューを表示する。「項目操作」は属性項目・評価項目に
対する操作を、「区分操作」は属性項目・評価項目より
下流の分類に対する操作をそれぞれ指示することができ
るようになっている。

【００４１】図３において属性項目「鉄道券」に対する
操作は、「項目操作」の場合を例示している。この「項
目操作」によれば、「鉄道券」の削除、「鉄道券」以下
の分類を部品として登録、「鉄道券」以下の分類を標準
ツリーとして登録のいずれかを選択することができる。

【００４２】一方、「家電同種を利用したことが有る」
というノードに対する操作は「区分操作」を例示してい
る。この「区分操作」は、「項目編集」、「末端情報参
照」、「印刷」のいずれかを選択させ、「項目編集」を
選択した場合はさらに、「項目追加」、「部品追加」、
「標準ツリー追加」のいずれかの操作を選択させる。

【００４３】ここで「項目追加」を選択した場合、ツリ
ー編集手段６は候補となる属性項目を表示し、ユーザー
に選択させる。ユーザーが、適当な属性項目を選択する
ことにより、ノード「あり」の下に新たなツリー部分が
形成される。

【００４４】また、「部品追加」や「標準ツリー追加」
を選択した場合は、候補となる部品や標準ツリーを表示
し、ユーザーに選択させる。ユーザーが所定の部品や標
準ツリーを選択すると、ノード「あり」の下に選択され
た部品や標準ツリーが追加される。

【００４５】また、ツリー編集手段６は、画面の下部に
メニューを表示している。このメニューによって編集の
途中で評価を行うことができる。この評価結果を参照す
ることによってユーザーは分類の方向の良否を判断する
ことができる。これによって、有望な分類については、
さらに細かく属性項目等を設定して有効な分類を得るに
至ることができる。一方、たとえば、サンプル数が急激
に減ってしまう分類は無意味な分類と判断でき、これよ
うな分類はそれ以上の分類を避けることができる。

【００４６】ツリーデータベース構築手段７は、上記ツ
リー編集手段６の操作と連動し、ツリー２の構造に応じ
て自動的にサンプルを分類し、各ツリー２の各ノードに
対応するサンプルの情報を格納したツリーデータベース
４を構築する。すなわち、ツリー編集手段６によって所
定のツリー２が形成されると、そのツリー２の構造か
ら、ツリーデータベース構築手段７は属性項目の組合せ
を読みとり、この属性項目の組合せに応じてサンプルの
集合を分類し、ツリーデータベース４を構築する。

【００４７】次に、分類評価手段８および上記エントロ
ピーについて以下に説明する。

【００４８】分類評価手段８は、起動命令を受けたとき
に、ツリー２の末端ノード３に分類されたサンプルの特
性Ｐ，Ｎのばらつきを評価する。このばらつきの評価
は、分類のエントロピーＥを求めることによって行う。
評価関数たる「分類のエントロピー」は、Ｅを分類エン
トロピー、Ｐi を特性Ｐi のサンプルが含まれる確率と
すると、次にように表される。

【００４９】Ｅ＝−ΣＰi*ｌｏｇＰi ここで、ｌｏｇは、底が０．５の対数とする。

【００５０】たとえば、前述した図１の例の属性「自営
業、かつ高齢、かつ利用頻度が高度」の末端ノードに
は、特性Ｐの顧客が４名、特性Ｎの顧客が６名分類され
ているので、特性Ｐと特性Ｎの顧客の比率は０．４：
０．６となり、エントロピーＥ＝−（０．４ｌｏｇ０．
４＋０．６ｌｏｇ０．６）となる。

【００５１】分類エントロピーＥは、０と１の間の値を
とり、０に近づくほど所定の特性Ｐi を偏って分類した
ことを示し、１に近づくほど各特性Ｐi が均等に混在し
ていることを示す。

【００５２】たとえば、特性Ｐのサンプルが１００％、
特性Ｎのサンプルが０％の分類である場合、Ｅ＝−（１
×ｌｏｇ１＋０×ｌｏｇ０）＝０となる。

【００５３】反対に、特性Ｐと特性のサンプルがそれぞ
れ５０％混在しているときは、Ｅ＝−（０．５×ｌｏｇ
０．５＋０．５×ｌｏｇ０．５）＝１となる。

【００５４】上記分類エントロピーＥを、ツリー２の各
ノード３について計算することにより、その分類が有効
か否か、すなわち特定の特性を備えたサンプルが分離さ
れているか否かを容易に判断することができる。

【００５５】さらに、所定のノードに対して、さらに細
かい分類を幾つか試みことによって、そのノードをさら
に細かく分類することが有意義か否かを判断することが
できる。この判断によって、無意味な分類を排除でき、
効率よく有効な分類・分析に到達することができる。

【００５６】図４は、分類の評価を行った場合のツリー
の一部を例示している。図４に示すように、分類評価手
段８を作動させると、ツリーの各末端ノードの下方に、
分類エントロピーＥの値と特性Ｐ，Ｎのサンプル個数を
表示される。これによって、十分有効な分類はそれ以上
の分類を止め、より細かい分類が有意義な場合はさらに
細かい分類を試みることができる。

【００５７】次に、本発明のサンプル分類支援装置によ
る処理の流れをデータファイルの生成の面から図５を用
いて以下に説明する。

【００５８】図５は、サンプル分類支援装置による処理
の流れと、処理の途中で生成されるデータファイルを示
している。本発明のサンプル分類支援装置による分類に
おいて、母集合データベース１が与えられると、最初に
前述したヒストグラム分析手段５によって属性項目につ
いてのヒストグラム分析を行う（ステップ１００）。ヒ
ストグラム分析の結果は、評価項目編集参考データＤ／
Ｂ９に格納される。この評価項目編集参考データＤ／Ｂ
９を参照することにより、ユーザーは各属性について必
要な評価項目を編集することができる（ステップ１１
０）。ユーザーが編集した評価項目は評価項目定義Ｄ／
Ｂ１０に格納される。この評価項目定義Ｄ／Ｂ１０に基
づいて、評価項目Ｄ／Ｂの生成処理が行われ（ステップ
１２０）、評価項目Ｄ／Ｂ１１が構成される。

【００５９】ここから、処理がツリーの自動生成とユー
ザーによるツリーの逐次生成に分かれる。ツリーの自動
生成では、ユーザーによる自動生成条件定義（ステップ
１３０）が予め行われる。この自動生成条件の定義は、
ツリーの構成や、終端条件等を定義するものであり、そ
の定義の結果は、自動生成条件Ｄ／Ｂ１２に格納され
る。次に、図示しないツリー自動生成手段により、自動
生成条件Ｄ／Ｂ１２に基づいてツリーの自動生成が行わ
れる（ステップ１４０）。この際、ツリー自動生成手段
は、サンプルツリーＤ／Ｂ１３を適宜参照する。

【００６０】なお、以上がツリーの自動生成であるが、
このツリーの自動生成は、本発明のサンプル分類支援装
置に必要不可欠というものではなく、必要に応じて付加
できるものであることを、ここに付記する。

【００６１】次に、ユーザーによるツリーの逐次生成が
行われる（ステップ１５０）。このツリーの逐次生成
は、自動生成したツリーを修正する形によって行うこと
もでき、また、最初からユーザーによって、ツリーを編
集することもできる。このツリーの逐次生成の処理で
は、すでに説明したように、ツリー編集手段６とツリー
データベース構築手段７がユーザーの作業を支援する。
この際、サンプルツリーＤ／Ｂ１３が適宜参照される。

【００６２】上記ツリーの逐次生成の結果、ツリーデー
タベース４が生成される。さらに、これらツリーデータ
ベース４に対して、分類評価手段８によりばらつきの程
度を評価する（ステップ１６０）。

【００６３】

【発明の効果】上記説明から明らかなように、本発明に
よるサンプル分類支援装置によれば、与えられたサンプ
ルの集合に対して、ユーザーは自由に属性項目と評価項
目を設定して前記サンプルを所定の属性を有する集団に
分類することができる。このとき、ツリー編集手段は、
サンプルの分類体系を木構造のツリーによってユーザー
に示し、属性項目・評価項目の追加・削除・変更を容易
に編集させる。ツリーデータベース構築手段は、ツリー
編集手段と連動して、自動的にサンプルを分類してノー
ドに対応するサンプルのデータベース（ツリーデータベ
ース）を構築する。また、分類評価手段は、各ツリーデ
ータベースのばらつきの程度を迅速に算出する。

【００６４】これにより、ユーザーは、サンプルの分類
体系を視覚的に編集でき、かつ、その分類によるツリー
の末端ノードのサンプルイメージを容易に把握でき、さ
らに分類の評価を参照しながらより有効な分類に迅速に
到達することができる。

【００６５】また、ヒストグラム分析手段を有する本発
明のサンプル分類支援装置によれば、各属性をヒストグ
ラム分析し、その属性についてサンプルを最適に区分す
る評価項目を容易に決定させる。これにより、各属性に
ついてサンプルを適当に分類することができ、有効なサ
ンプル分類・分析を支援することができる。

【００６６】さらに、ツリー自動生成手段を有するサン
プル分類支援装置によれば、ユーザーは属性項目・評価
項目の定義と自動生成条件を設定するのみで概略の分類
ツリーを得ることができるので、より効率的なサンプル
分類を実現することができる。

【図面の簡単な説明】

【図１】本発明のサンプル分類支援装置によるサンプル
分類の処理と、各処理に関与する各構成手段を概念的に
示した図。

【図２】本発明のヒストグラム分析手段によるヒストグ
ラム分析を概念的に説明した図。

【図３】本発明のツリー編集手段によるツリー編集の一
画面を例示した図。

【図４】各末端ノード近傍に分類の評価値を表示したツ
リーの一部を示した図。

【図５】本発明のサンプル分類支援装置による処理の流
れを生成する各種ファイルとともに表示した流れ図。

【図６】従来のクロステーブル分析法による分類の一例
を示した図。

【符号の説明】

１母集合データベース２ツリー３ノード４ツリーデータベース５ヒストグラム分析手段６ツリー編集手段７ツリーデータベース構築手段８分類評価手段９評価項目編集参考データＤ／Ｂ１０評価項目定義Ｄ／Ｂ１１評価項目Ｄ／Ｂ１２自動生成条件Ｄ／Ｂ１３サンプルツリーＤ／Ｂ

───────────────────────────────────────────────────── フロントページの続き (72)発明者瀬尾利数神奈川県横浜市保土ケ谷区神戸町134番地株式会社野村総合研究所内 (72)発明者真下竜実神奈川県横浜市保土ケ谷区神戸町134番地株式会社野村総合研究所内 (72)発明者亀井章弘神奈川県横浜市保土ケ谷区神戸町134番地株式会社野村総合研究所内 (56)参考文献特開平６−149781（ＪＰ，Ａ) 特開平４−260169（ＪＰ，Ａ) 特開昭62−85377（ＪＰ，Ａ) 特開平２−24773（ＪＰ，Ａ) 特開平６−282578（ＪＰ，Ａ) 特開平７−262165（ＪＰ，Ａ) 特開平５−67134（ＪＰ，Ａ) Ｗ．Ｈ．Ｐｒｅｓｓ，．Ｂ．Ｐ．Ｆｌａｎｎｅｒｙほか，ＮｕｍｅｒｉｃａｌＲｅｃｉｐｅｓｉｎＣ［日本語版］ｐｐ．463−471，株式会社技術評論社，平成６年８月25日初版第１刷 (58)調査した分野(Int.Cl.⁶，ＤＢ名) G06F 17/30

Claims

(57)【特許請求の範囲】

【請求項１】所定のサンプル集合を属性項目によって木
構造状に分類したツリー対して、前記属性項目を追加、
変更、削除するツリー編集手段と、前記ツリー編集手段と連動し、前記ツリー編集手段によ
って作成したツリーの構造に従って前記サンプルを分類
し、前記ツリーの各ノードに対応するサンプルの情報を
格納するツリーデータベースを構築するツリーデータベ
ース構築手段と、前記分類ツリーの各末端ノードに分類されたサンプルの
ばらつきの程度を評価する分類評価手段と、を備えたこ
とを特徴とするサンプル分類支援装置。
【請求項２】前記サンプルの属性をヒストグラム分析
し、その属性でサンプルを最適に区分する評価項目を生
成するヒストグラム分析手段を備えたことを特徴とする
請求項１に記載のサンプル分類支援装置。
【請求項３】前記ツリー編集手段は、ツリーの部品を定
義および登録でき、前記ツリー部品を選択あるいは削除
する操作によって前記ツリーを構築することができるこ
とを特徴とする請求項１に記載のサンプル分類支援装
置。
【請求項４】前記ツリー編集手段は、前記属性項目ある
いは評価項目をユーザーに提示し、ユーザーの選択した
項目に応じてツリーを構成することを特徴とする請求項
１または２に記載のサンプル分類支援装置。
【請求項５】ユーザーに前記属性項目あるいは評価項目
の定義およびそのツリー構造の条件を設定させ、この設
定された属性項目および評価項目の定義および条件に従
って前記ツリーを自動的に生成するツリー自動生成手段
を備えたことを特徴とする請求項１または２に記載のサ
ンプル分類支援装置。