JP3363996B2 - 判断手続き生成方法及び判断手続き生成装置 - Google Patents

Description

【発明の詳細な説明】

【０００１】

【産業上の利用分野】この発明は、医療や設備などの分
野での診断等、分類的あるいは選択的な判断を行うため
に必要とされる判断手続きを生成する方法に関するもの
である。

【０００２】

【従来の技術】分類的問題解決を行うための判断手続き
は、多くの場合は判断を行う当事者あるいは、当事者を
含む関係者が知識を整理してそれをプログラム等に形式
で手続き化することにより実現されてきた。

【０００３】「Ａのとき、どのように判断するか」とい
う判断の対象があるとする。この判断の結論として｛Ｃ
1，Ｃ2，…｝（各々を判断クラスと呼ぶ）の中から選択
・判断する場合、その判断対象を特徴付ける属性｛Ａ
1，Ａ2，…｝と、各々の属性の取り得る値（例えばＡ1
はａ1，ｂ1，…の値を取り、属性値と呼ぶ）を設定し、
特定の属性値を有する属性の組み合わせ（属性群と呼
ぶ）とそれに与えられる判断クラスとから事例を設定
し、この事例をいくつか設定して一つの事例集合を形成
する。例えば、「Ａ1がａ1を取り，Ａ2がａ2を取り，…
のとき判断クラスＣ1である。」という具体的な事例
を、判断を行う当事者等の知識より形成する。これらの
具体的事例に基づいて推論し、「Ａ1，Ａ2，…が各々ど
の属性値をとるとき、Ｃ1，Ｃ2，…のうちどの判断クラ
スを選択するか」のように一般的な事象を判断するため
の判断手続きを生成する。これをいわゆる帰納的推論を
用いた判断手続き生成と呼ぶ。

【０００４】例えば図１６は、Journal of Machine Lea
rning 誌の第１巻第１号１９８６年発行、第８１〜１０
６頁に掲載された事例集合の説明図である。図におい
て、判断対象の特徴を示す属性（Attributes）として O
utlook（空模様）、Temprature（気温）、Humidity（湿
度）、Windy（風）を設定し、さらに各々の属性の属性
値を以下のように表わす。属性「Outlook」に対して属
性値（sunny,overcast,rain）、属性「Temprature」に
対して属性値（cool,mild,hot）、属性「Humidity」に
対して属性値（high,normal）、属性「Windy」に対して
属性値（true,false）。また、判断クラスを「Ｎ」と
「Ｐ」の２種類とする。例えば「Ｎ」は「ある日の朝、
家の外に出ない」を、一方「Ｐ」は「ある日の朝、家の
外に出る」を表わす。図１６のＮｏ．１は、Outlook＝s
unny，Temprature＝hot，Humidity＝high，Windy＝fals
eのとき、判断クラス「Ｎ」に分類され、次にＮｏ．２
「Outlook＝sunny，Temprature＝hot，Humidity＝hig
h，Windy＝true」は判断クラス「Ｎ」に分類され、以下
同様にＮｏ．３〜１４で各属性の属性値に対して判断ク
ラス「Ｎ」又は「Ｐ」に分類された。この各Ｎｏ．の横
一列で一つの事例を表し、合計１４個の事例からなる事
例集合が形成された。

【０００５】この１４個の事例からなる事例集合に基づ
いて、「Outlook」，「Temprature」，「Humidity」，
「Windy」の任意の場合（図１６に記載されていない属
性値の組み合わせの場合を含めて）、「Ｎ」か「Ｐ」の
どちらに属するかの判断手続きが生成される。

【０００６】判断手続きを生成する場合、上記の例に限
らず医療診断や設備診断をはじめとするあらゆる分野の
判断対象において、各具体的事例の判断クラスへの分類
は、いわゆる人間の経験則や診断現場での取り決めなど
断片的で体系化されていない知識により形成される場合
が多く、実際そのような知識に基づいてプログラムによ
り判断手続き化する作業は容易ではない。このため、そ
の困難さを支援あるいは自動化する方法が従来から報告
されている。その１つとして前述の文献では帰納学習の
方法を用いて、事例から分類知識を生成する方法が記載
されている。

【０００７】上記の文献に記載された帰納的な推論方法
を用いた判断手続き生成法について説明する。図１７は
この文献に掲載されたもので、図１６の事例集合に基づ
いて生成された判断手続きを示した説明図である。特に
これは判断手続きを決定木（decision tree）と呼ばれ
る形式で表現されたものである。図１７において、５は
図１６の属性から、選択された第一の属性で、例えば
「Outlook」が選択された。５ａ〜５ｃは属性５の属性
値で、それぞれsunny，overcast，rain である。６Ａ，
６Ｃは、それぞれ属性値５ａ，５ｃのそれぞれについ
て、次に選択された第二の属性で、それぞれ「Humidit
y」「Windy」が選ばれた。６ａ，６ｂは属性２Ａの属性
値でそれぞれhigh，normal、一方６ｄ，６ｅは属性６Ｃ
の属性値でそれぞれtrue，falseを示す。８Ａ〜８Ｅは
判断クラスで、第一の属性５からの各分枝に従って判断
された結果を示し、各ルートの最下段に表われる。

【０００８】図の決定木の生成方法について図１８のフ
ローチャートを用いて説明する。 （ＳＴ１）：図１６の１４個の事例からなる事例集合Ｏ
のエントロピを次式で定義し計算する。

【０００９】

【数１】

【００１０】ここで、Ｅは事例集合のエントロピ、Ｎは
全事例数、Ｎcは判断クラスｃの事例数、Ｃは判断クラ
スの数である。図１６では全事例数Ｎ＝１４、判断クラ
スの数は「Ｐ」と「Ｎ」の２個、すなわちＣ＝２、Ｎ1
を「Ｐ」の判断クラスに分類された事例数としてＮ1＝
９、Ｎ2を「Ｎ」の判断クラスに分類された事例数とし
てＮ2＝５である。

【００１１】（ＳＴ２）：各属性（Ａ1＝「Outlook」、
Ａ2＝「Temprature」、Ａ3＝「Humidity」、Ａ4＝「Win
dy」とする）のそれぞれについて、事例集合Ｏを分割す
る。例えばＡ1の場合、属性値「sunny」を取るとき｛Ｎ
ｏ．１，２，８，９，１１｝の部分事例集合、「overca
st」を取るとき｛Ｎｏ．３，７，１２，１３｝の部分事
例集合、「rain」を取るとき｛Ｎｏ．４，５，６，１
０，１４｝の部分事例集合である。

【００１２】（ＳＴ３）：ＳＴ２で、それぞれの属性に
ついて、その属性の属性値に基づいて事例を分割した場
合における、全分割事例集合の平均エントロピを次の
（２）式で定義し、計算する。

【００１３】

【数２】

【００１４】ここで、Ｅ(Ａ)は属性Ａとその属性値を用
いて事例を分割した場合の事例集合の平均エントロピ、
Ｉは属性Ａの属性値の個数、ｎiは属性Ａのｉ番目の属
性値を有する事例数、ｎicは属性Ａのｉ番目の属性値を
有する事例のうち、ｃ番目の判断クラスに分割された事
例数である。例えば図１６の属性Ａ1＝「Outlook」とそ
の属性値（sunny，overcast，rain）を用いた場合、属
性値の個数Ｉは３個、ｎ1は「sunny」値をとる事例数を
表わし、ｎ1＝５。そのうち、判断クラス「Ｐ」に分類
された事例数はｎ11＝２、「Ｎ」に分類された個数はｎ
12＝３である。ｎ2は「overcast」値を取る事例数を表
わし、ｎ2＝４。そのうち「Ｐ」に分類された個数はｎ2
1＝４、「Ｎ」に分類された個数はｎ22＝０である。ｎ3
は「rain」値を取る事例数を表わし、ｎ3＝５。そのう
ち「Ｐ」に分類された個数はｎ31＝３、「Ｎ」に分類さ
れた個数はｎ32＝２である。これらの値を使ってＥ（Ａ
1）を計算する。同様にしてＥ（Ａ2＝Temprature）、Ｅ
（Ａ3＝Humidity）、Ｅ（Ａ4＝Windy）が得られる。

【００１５】（ＳＴ４）：これらの属性を使って１４個
の事例を判断クラスに分類した結果、分類後のエントロ
ピを最も減少させることのできる属性を選ぶ。すなわち
情報利得；ＥーＥ（Ａi）（i=1,2,3,4）の値が最も大き
な属性ＡiをＡmとして選択する、ここでは計算により属
性「Outlook」が選ばれる。これが図１７の第一の属性
５となる。

【００１６】（ＳＴ５）：第一の属性５の属性値５ａ，
５ｂ，５ｃのそれぞれに従って事例集合を分割する。属
性値１ａ「sunny」を有する部分事例集合Ｏ1＝｛Ｎｏ．
１，２，８，９，１１｝、属性値１ｂ「overcast」を有
する部分事例集合Ｏ2＝｛Ｎｏ．３，７，１２，１
３｝、属性値１ｃ「rain」を有する部分事例集合Ｏ3＝
｛Ｎｏ．４，５，６，１０，１４｝の３つ部分事例集合
が形成される。ここで、それぞれの部分事例集合に属す
る事例がすべて単一の判断クラスに分類されている場合
には、その判断クラスが判断の結論として決定される。
図１６で、部分事例集合Ｏ2の事例｛Ｎｏ．３，７，１
２，１３｝はすべて判断クラス「Ｐ」に分類されたの
で、図１７の属性値５ｂの下位には最終的な判断クラス
「Ｐ」を決定する。一方、事例がすべて単一の判断クラ
スに分類されていない部分事例集合がある場合は、ここ
では部分事例集合Ｏ1、Ｏ3がこれに該当する。このＯ
1、Ｏ3のそれぞれを（ＳＴ１）、（ＳＴ２）の事例集合
Ｏとし、さらに（ＳＴ２）では、先に選択された第一の
属性５を除いた属性Ａ1、Ａ3を用いて、それぞれＯ1、
Ｏ3について（ＳＴ１）〜（ＳＴ５）を順次行う。（Ｓ
Ｔ６）の判断クラスが決定するまで、再帰的に続ける。
その結果、Ｏ1からは第二の属性６Ａとして「Humidit
y」、Ｏ3からは第二の属性６Ｃとして「Windy」が選択
され、属性６Ａの属性値６ａ、６ｂに基づいて、Ｏ1が
分割され、同様に属性６Ｃの属性値６ｄ、６ｅに基づい
て、Ｏ3が分割される。このＯ1、Ｏ3のさらに分割され
た部分事例集合はすべて単一の判断クラスに分類されて
おり、属性値６ａ、６ｂ、６ｄ、６ｅの下位にはそれぞ
れ「Ｎ」、「Ｐ」、「Ｎ」、「Ｐ」の判断クラスが決定
される。

【００１７】この図１６に示した事例集合から最終的に
図１７のような判断手続きとして表現した決定木が生成
された。すなわち、１４個の具体的事例に基づいて推論
した結果、以下の一般的判断が推論された。 （１）「Outlook」がsunny、「Humidity」がhighのとき
は「Ｎ」である。 （２）「Outlook」がsunny、「Humidity」がnormalのと
きは「Ｐ」である。 （３）「Outlook」がovercastのときは「Ｐ」である。 （４）「Outlook」がrain、「Windy」がtrueのとき
「Ｎ」である。 （５）「Outlook」がrain、「Windy」がfalseのとき
「Ｐ」である。

【００１８】

【発明が解決しようとする課題】従来の技術は、上記の
ように構成されているため、以下の問題点を有する。あ
る判断対象について、いくつかの具体的事例に基づいて
帰納的推論により生成される判断手続きで、ごく少数の
事例数しか存在しない場合、その事例から一般的な事象
についての判断結果を推論することは、その推論のロジ
ック性に欠け、精度の良い判断手続きであるとは言えな
い。従って、この判断手続き生成は信頼性に欠けたもの
となる。その具体的事例数を増加させることにより推論
の精度を向上させることができるが、実際には事例数を
増やすことは容易ではない場合が多く、判断手続きの生
成が困難であった。

【００１９】この発明は上記の問題点を解決するために
なされたもので、属性とその属性値、さらに判断クラス
より事例を設定しなくても判断手続きを生成する方法を
提供するものである。また、事例の数が少ない場合で
も、その事例を用いて信頼性のある判断手続きを生成す
る方法を提供するものである。

【００２０】

【課題を解決するための手段】この発明による判断手続
き生成方法は、判断対象を特徴付ける属性Ａｉ（ｉ＝１
〜Ｎ、Ｎは自然数）、前記属性Ａｉが取り得る複数の属
性値、前記判断対象の結論となりうる判断クラスＣｊ
（ｊ＝１〜Ｍ、Ｍは自然数）より推論することにより、
前記判断クラスＣｊのいづれかを前記判断対象に割り当
てる判断手続き生成方法において、相関表編集器に、前
記判断クラスＣｊのおのおのに対する生起頻度Ｐの割合
と、前記属性Ａｉのそれぞれごとに前記判断クラスＣｊ
のおのおのに対する前記属性値の起こりえる割合とを入
力する過程、判断手続き編集器により、前記生起頻度Ｐ
の割合と前記属性値の起こりえる割合とにもとづいて、
前記生起頻度ＰのエントロピＥＴを求め、前記入力され
た割合にもとづいて前記判断クラスＣｊの生起頻度Ｐを
前記各属性値ごとに分割して求めた上で、各属性毎に集
計し、前記求めた属性ごとの生起頻度にもとづき、前記
属性毎にそのエントロピＥＴ（Ａｉ）を演算し、関数ｆ
ｉ＝［ＥＴ−ＥＴ（Ａｉ）］が最大となる属性Ａｉを選
択して、選択された属性について前記判断クラスのいず
れかを選択する過程、判断手続き変換器を用いて、前記
各過程をプログラムに変換する過程とを含む過程により
判断手続きを生成するものである。

【００２１】また、事例編集器により、前記属性Ａｉの
内、前記属性値が特定の属性値をとった属性とこの属性
に対して選択された前記判断クラスとを含む事例を構成
し、前記属性又は前記判断クラスが互いに異なる複数の
前記事例を含む事例集合を設定する過程、前記判断手続
き編集器により、前記事例集合のエントロピＥＯと、前
記属性Ａｉの各属性値ごとに前記事例集合のエントロピ
Ｅ（Ａｉ）とを算出し、関数Ｇ０ｉ＝［ＥＯ−Ｅ（Ａ
ｉ）］を求めるとともに、Ｗを任意の重み係数としてＧ
ｉ＝Ｇ０ｉ・Ｗ＋ｆｉ（１−Ｗ）を求め、Ｇｉを最大と
する属性Ａｉを選択する過程、前記判断手続き変換器を
用いて、前記各過程をプログラムに変換する過程とを含
むものである。

【００２２】また、制約ルール編集器により、前記属性
Ａｉが特定の属性値を取ったとき、特定の判断クラスＣ
ｊを選択するまたは選択を禁止する判断手続き生成上の
制約ルールを設定し、前記判断手続き編集器により前記
制約ルールを前記判断クラスを選択する過程に優先して
実行するものである。

【００２３】また、制約ルール編集器により、前記属性
Ａｉが特定の属性値を取ったとき、特定の属性を選択す
るまたは選択を禁止する判断手続き生成上の制約ルール
を設定し、前記判断手続き編集器により前記制約ルール
を前記属性を選択する過程に優先して実行するものであ
る。また、制約ルール編集器により、前記属性Ａｉが特
定の属性値を取ったとき、特定の判断クラスＣｊを選択
するまたは選択を禁止する判断手続き生成上の制約ルー
ルと、特定の属性を選択するまたは選択を禁止する判断
手続き生成上の制約ルールとを設定し、前記判断手続き
編集器により属性Ａｍを選択する過程および前記判断ク
ラスのいずれかを選択する過程のいづれか一方、もしく
は双方において、前記属性を選択する過程又は前記判断
クラスを選択する過程に優先して前記制約ルールを実行
するものである。

【００２４】この発明による判断手続き生成装置は、判
断対象を特徴付ける属性Ａｉ（ｉ＝１〜Ｎ、Ｎは自然
数）、前記属性Ａｉが取り得る複数の属性値、前記判断
対象の結論となりうる判断クラスＣｊ（ｊ＝１〜Ｍ、Ｍ
は自然数）より推論することにより、前記判断クラスＣ
ｊのいづれかを前記判断対象に割り当てる判断手続き生
成装置であって、前記判断クラスＣｊのおのおのに対す
る生起頻度Ｐの割合と、前記属性Ａｉのそれぞれごと
に、前記判断クラスＣｊのおのおのに対する前記属性値
の起こりえる割合とを入力する相関表編集器、前記生起
頻度Ｐの割合と前記属性値の起こりえる割合とにもとづ
いて前記生起頻度ＰのエントロピＥＴを求め、前記入力
された割合にもとづいて前記判断クラスＣｊの生起頻度
Ｐを前記各属性値ごとに分割して求めた上で、各属性毎
に集計し、前記求めた属性ごとの生起頻度にもとづき、
前記属性毎にそのエントロピＥＴ（Ａｉ）を演算し、関
数ｆｉ＝［ＥＴ−ＥＴ（Ａｉ）］が最大となる属性Ａｉ
を選択する演算を行う判断手続き生成器を備えたもので
ある。

【００２５】また、前記属性値が特定の属性値をとった
属性Ａｉと、この属性に対して与えられる前記判断クラ
スとにより事例を構成し、前記属性又は前記判断クラス
が互いに異なる複数の前記事例を含む事例集合を設定す
る事例編集器を備えるとともに、前記判断手続き生成器
は、前記事例集合のエントロピＥ０を算出するととも
に、前記属性Ａｉの各属性値ごとに前記事例集合のエン
トロピＥ（Ａｉ）を算出し、関数Ｇ０ｉ＝［Ｅ０−Ｅ
（Ａｉ）］を求めるとともに、Ｗを任意の重み係数とし
てＧｉ＝Ｇ０ｉ・Ｗ＋ｆｉ（１−Ｗ）を求め、前記Ｇｉ
を最大とする属性Ａｉを選択するものである。

【００２６】

【作用】この発明の請求項１、２の判断手続き生成方法
によると、判断対象の結論となる判断クラスＣｊの各々
生起する頻度の相関関係とともに、判断対象を特徴付け
る属性Ａｉについて，判断クラスＣｊと属性Ａｉが取り
得る属性値との相関関係を設定し、これらの相関関係と
により帰納的推論するので、属性Ａｉとその属性値、判
断クラスＣｊより具体的事例を形成しなくても判断手続
きを生成する。

【００２７】この発明の請求項３、４の判断手続き生成
方法によると、特定の属性値を取った属性Ａｉからなる
属性群と、判断クラスＣｊのうち、その属性群に対して
与えられる判断クラスとにより事例を形成し、この事例
のいくつかによって構成された事例集合と上記の相関関
係とを互いに反映させながら、両者から帰納的推論する
ので、二つの情報を統合しながら、論理性に優れ、信頼
性のある判断手続きの生成が可能である。

【００２８】この発明の請求項５、６の判断手続き生成
方法によると、制約ルールを課しながら帰納的推論する
ので、柔軟で確実な判断手続きの生成が可能である。

【００２９】

【実施例】

実施例１．以下、本発明の一実施例を示す。図１は本実
施例に示す判断手続き生成装置の構成図である。図にお
いて、１は判断対象を示す属性、その属性の度合を示す
値である属性値、さらに判断の結論を示す判断クラスの
各情報を設定する問題設定器、２は問題設定器１で設定
された各情報において、判断クラスに対する属性の取る
属性値の間の相関関係を形成し、その関係を相関表で表
わす相関表編集器、３は相関表編集器により生成された
相関表に基づき、判断手続きを生成する判断手続き生成
器、４は判断手続き生成器で生成された判断手続きを例
えばプログラム文に変換する判断手続き変換器である。

【００３０】また、図２は本実施例の装置の判断手続き
生成器４により生成される判断手続きを決定木の形で示
したもので、５は最初に選択された第一の属性、５ａ〜
５ｃは第一の属性の取る属性値、６は属性値５ａを取っ
た場合に、第一の属性５の次に選択された第二の属性、
６ａ、６ｂは第二の属性の取る属性値、７はさらに各属
性値６ａを取った場合に、第二の属性６の次に選択され
た第三の属性、８ａ〜８ｃはこの決定木の分枝の最端に
くる判断クラス、１０、１１ａ〜ｃ、１２ａ、ｂ、１３
ａ、ｂは相関関係から導入した判断クラスＸ，Ｙに分類
された生起頻度を示すものである。

【００３１】次にこの判断手続き生成装置の動作につい
て説明する。ある判断対象について判断手続きを生成す
る場合、始めに判断対象の特徴を示すいくつかの属性
と、それぞれの属性値の有する属性値と、そして判断ク
ラスを問題設定器１に入力して設定する。ここでは３つ
の属性Ａ，Ｂ，Ｃを考え、属性Ａに対して属性値ａ1、
ａ2，属性Ｂに対し属性値ｂ1，ｂ2，ｂ3、属性Ｃに対し
て属性値ｃ1，ｃ2を設定し、さらに判断対象が分類され
る判断クラスをＸ，Ｙと設定する。

【００３２】相関表編集器２には、上記のように設定さ
れた属性Ａ（属性値：ａ1，ａ2），Ｂ（ｂ1，ｂ2，ｂ
3），Ｃ（ｃ1，ｃ2）と判断クラスＸ，Ｙは問題設定器
１より入力される。また図のように、判断クラスと、属
性の取り得る属性値との相関関係が相関表編集器２に入
力されて、この関係を示した相関表を作成する。図３に
この相関表の一例を示す。

【００３３】図３において生起頻度とは、行われるべき
判断の結果として判断クラスＸと判断クラスＹとのどち
らが起こり得るかの割合を表わし、図の例では、ＸとＹ
は４：６の比率で起こることを示す。次に、図の属性Ａ
の欄の横一列は、判断の結論が判断クラスＸであるとき
属性Ａが属性値ａ1になるか、属性値ａ2になるかの割合
を表し、判断クラスＹであるとき、属性Ａが属性値ａ1
になるか、属性値ａ2になるかの割合を表わす。すなわ
ち、判断クラスがＸであるとき、属性Ａがａ1になるこ
とと、ａ2になる比率は７：３であり、Ｙであるとき、
属性Ａがａ1になることと、ａ2になる比率は２：８であ
ることを示している。属性Ｂ、Ｃについても同様であ
る。なお、相関表編集器２は、これらの比率を任意に設
定できるように構成されている。なお、この発明は、発
明が解決しようとする課題の欄に記載したように具体的
事例数が足りない場合の解決策を得ようとするものであ
るから、相関表編集器２に設定する上記割合、あるいは
上記起こりうる割合は事例の集合を解析して得られた相
関関係や起こった割合を言うのではないことはいうまで
もない。

【００３４】次に、相関表編集器２で形成された図３の
相関表に基づいて、判断手続き生成器３で判断手続きを
生成する。その生成方法を図４のフローチャートを用い
て説明する。

【００３５】（ＳＴ１）：生起頻度より判断クラスＸ，
Ｙに分類される判断対象の事例を仮定してやる。例えば
Ｘ，Ｙの初期の事例は４．０個、６．０個であるものと
考える。特にこの個数は４：６の割合のものならば何で
もよい。これを生起頻度Ｐとし、この生起頻度Ｐのエン
トロピＥTを算出する。この仮定した事例数Ｘ＝４．０
個、Ｙ＝６．０個を式（１）に代入して計算する。式
（１）よりＥT＝０．９７１（bits）である。

【００３６】（ＳＴ２）：各事例Ａｉ＝｛Ａ，Ｂ，Ｃ｝
の属性値に割り当てた割合に応じて生起頻度Ｐを各事例
毎に分割する。クラスＸの事例数４．０個のうち、属性
Ａの値が属性値ａ1であるものの個数を４．０個×０．
７＝２．８個とし、一方属性値ａ2であるものの個数を
４．０個×０．３＝１．２個とする。これを事例Ａによ
り分割された生起頻度としてＰAと表す。事例Ｂ，Ｃも
同様にして各属性についてその属性値に属する事例数を
計算し、生起頻度ＰB、ＰCとする。図５はＰA、ＰB、Ｐ
Cを示した表図である。

【００３７】（ＳＴ３）：生起頻度ＰA、ＰB、ＰCのそ
れぞれの平均エントロピＥT（Ａ）、ＥT（Ｂ）、ＥT
（Ｃ）を算出する。式（２）を用いて計算し、例えば属
性Ａのとき、Ｉ＝２、Ｎ＝４．０＋６．０＝１０．０
個、ｎ1（属性値ａ1で分割された事例数）＝２．８＋
１．２＝４．０個、ｎ2＝１．２＋４．８＝６．０個、
Ｎ＝１０．０個、ｎ11（ｎ1のうちＸに分類された事例
数）＝２．８個、ｎ12（ｎ1のうちＹに分類された事例
数）＝１．２個、ｎ21（ｎ2のうちＸに分類された事例
数）＝１．２個、ｎ22（ｎ2のうちＹに分類された事例
数）＝４．８個である。計算より、Ｅ（Ａ）＝０．８８
６（bits）、Ｅ（Ｂ）＝０．８４３（bits）、Ｅ（Ｃ）
＝０．９４２（bits）が得られる。

【００３８】（ＳＴ４）：各属性Ａ、Ｂ、Ｃの生起頻度
のうち、属性の評価尺度の関数ｆ（ＥT，ＥT（Ａｉ））
により分類的判断手続き生成に有効な属性Ａｍを選ぶ。
ここでは情報利得；ＥTーＥT（Ａｉ）が最大の属性を選
ぶ。ここでは、属性ＢがＡｍとして記憶され、図２にお
いては従来例の図１７と同様に第一の属性５として選択
される。属性Ｂの属性値ｂ1（５ａ）、ｂ2（５ｂ）、ｂ
3（５ｃ）毎に、その生起割合に応じて初期に設定され
た生起頻度Ｐを分割する。図２で、初めに設定された生
起頻度Ｐ（事例数：Ｘ＝４．０個、Ｙ＝６．０個）のう
ち、属性値ｂ1に属する事例数１１ａはＸ＝０．４個、
Ｙ＝１．８個、（２）属性値ｂ２に属する事例数１１ｂ
はＸ＝１．２個、Ｙ＝３．０個、（３）属性値ｂ３に属
する事例数１１ｃはＸ＝２．４個、Ｙ＝１．２個とな
る。

【００３９】（ＳＴ５）：生起頻度Ｐが上記のように分
割された場合、その属性値５ａ、５ｂ、５ｃのそれぞれ
に対して判断クラスＸ、Ｙが分類されるかどうかの決定
条件を課す。決定条件として、（条件１）分割の利用属
性がなくなったとき、（条件２）分割された後の事例が
なくなったとき、（条件３）分割後のあいまい性がなく
なったときに判断クラスの決定を行う。なお（条件２）
および（条件３）の制限をゆるめ、それぞれ未利用属
性、事例、あいまい性がある一定の設定値を満たしたと
きにこれらの決定条件が満たされたと考えても良い。以
下では（条件２）として事例数が初期の事例数の１／５
０になったときに判断クラスの決定を行うこととする。

【００４０】さらにこの決定条件を満たさない場合は、
属性値５ａ、５ｂ，５ｃ毎に（ＳＴ１）〜（ＳＴ５）を
繰り返す。例えば、属性Ｂが属性値ｂ1を取ったとき
は、上記の（条件１）〜（条件３）とも満たさない。判
断クラスＸ，Ｙに割り当てられた各事例数Ｘ＝０．４
個、Ｙ＝１．８個を新たに生起頻度Ｐとして、（ＳＴ
１）のエントロピＥTを算出する。（ＳＴ２）のよう
に、この生起頻度Ｐを図３の属性Ａ、Ｃの生起割合に基
づいて、属性Ａ、Ｃの生起頻度ＰA，ＰCを新たに求め
る。図６はこれらの生起頻度を示し、例えば、属性Ａ＝
ａ1の場合、事例数Ｘ＝０．４個×０．７＝０．２８
個、事例数Ｙ＝１．８個×０．２＝０．３６個に分割さ
れ、同様にＡ＝ａ2のときＸ＝０．１２個、Ｙ＝１．４
４個であり、これを生起頻度ＰAとする。Ｃ＝ｃ1、ｃ2
も同様である。（ＳＴ３）のように、この分割された生
起頻度ＰA，ＰCよりそれぞれの平均エントロピＥT
（Ａ）、ＥT（Ｃ）を算出する。（ＳＴ４）で情報利得
が最大の属性が選ばれ、このとき属性Ａが図２の第二の
属性６として選ばれる。図２の１２ａは、初期の事例数
Ｘ＝４．０個、Ｙ＝６．０個のうち、属性Ｂがｂ1を取
り、かつ属性Ａがａ1を取った場合の事例数がＸ＝０．
２８個、Ｙ＝０．３６個存在することを示す。１２ｂも
同様である。さらに属性値６ａ、６ｂについて（ＳＴ
５）の決定条件が課せられる。

【００４１】属性Ａが属性値６ａ（Ａ＝ａ1）を取った
ときはこの条件を満たさないので、再度（ＳＴ１）〜
（ＳＴ５）を繰り返す。しかし、利用される残りの属性
はＣのみで、図２の第三の属性７とし属性Ｃが選択され
る。一方、属性値６ｂ（Ａ＝ａ2）を取った場合は、判
断クラスＸの事例数０．１２個が初期の事例数４．０個
より１／５０より小さくなったので、図４の（ＳＴ１）
〜（ＳＴ５）を繰り返さず、ここで判断クラスＸ，Ｙの
どちらに分類されるかの決定を行う。この場合はＹ＝
１．４４個がＸ＝０．１２個より十分大きいので判断ク
ラス８ａとしてＹが選ばれ、分類される。すなわち、
「属性Ｂがｂ1、属性Ａがａ2を取るとき、Ｙである。」
という判断が推論された。

【００４２】第三の属性７として選択されたＣについ
て、さらに生起頻度１２ａを属性値ｃ1、ｃ2毎に、上記
と同様図３の生起割合に応じて分割する。属性値ｃ1の
ときＸ＝０．１４個、Ｙ＝０．２５２個（生起頻度１３
ａ）、一方属性値ｃ2のときＸ＝０．１４個、Ｙ＝０．
１０８個（生起頻度１３ｂ）である。（ＳＴ５）の（条
件１）により、ここで判断クラスが決定される。例えば
生起頻度１３ａ、１３ｂで判断クラスＸ，Ｙのそれぞれ
の事例数の大きい方をその判断クラスとして決定する。
属性値７ａのときは「Ｙ」を選び、ここで「属性Ｂがｂ
1、属性Ａがａ1、属性Ｃがｃ1を取ったときはＹであ
る。」という判断が推論された。一方属性値７ｂのとき
は「Ｘ」を選び、「属性Ｂがｂ1、属性Ａがａ1、属性Ｃ
がｃ2を取ったときはＸである。」と推論された。特
に、ＸとＹの事例数の値がほぼ同じ値で、どちらを選ぶ
か困難な場合は「不定」、または「ＸまたはＹ］として
もよい。

【００４３】以上は第一の属性５が属性値５ａを取った
場合を述べたが、他の属性値５ｂ、５ｃについても同様
に行う（図示せず）。このようにして属性Ａ（属性値：
ａ1，ａ2），Ｂ（ｂ1，ｂ2，ｂ3），Ｃ（ｃ1，ｃ2）
と、判断クラスＸ、Ｙにおいて、判断クラスＸ，Ｙの生
起する割合と、各判断クラスが生じた場合の属性の各属
性値が取り得る割合より、判断手続きが生成された。上
記に限らず、さらに多くの属性と属性値、判断クラスが
設定される場合についても、初めに第一の属性を設定し
てその属性値に分けて、判断クラスの決定ができない場
合は、第二の属性、さらに下位の方向に各属性値枝分か
れして第三の属性、第四の属性……と逐次、再帰的に
（ＳＴ１）〜（ＳＴ５）を行う。

【００４４】上記のように図１の判断手続き生成器３に
より推論して生成された判断手続き（図２の決定木）
は、判断手続き変換器４でプログラム形式に変換され
る。すなわち判断手続き変換器４では、属性とその各属
性値、さらに判断クラス、また図３のような相関関係を
入力し、判断手続き生成器３で推論して生成された判断
手続き（図２の決定木）に従ってその判断結果を出力す
ることのできるプログラム文が生成される。

【００４５】このように判断結果となる判断クラスの生
起割合と、この判断クラスに対して属性の取り得る属性
値の相関関係（すなわち、判断対象の特徴と判断対象の
結論との相関）を記述することは、比較的容易であるた
め、具体的な事例数が少なくてもこの相関関係を記述す
るだけで、論理性がありかつ正確な判断手続きが容易に
生成できる。

【００４６】実施例２．実施例１による判断手続き生成
装置の適用例についてモータの故障診断の問題例を例に
とって説明する。ここでは、属性とその属性値を以下の
ように設定する。 （１）軸受温度（属性値：正常、少し増加、大きく増
加） （２）駆動電流（属性値：安定、増減、ゆらぎ） （３）異 音（属性値：なし、あり） （４）基礎振動（属性値：なし、あり） （５）電圧振幅（属性値：正常、少し増加、大きく増
加） （６）電圧周波数（属性値：正常、高周波、低周波） これらの属性に対して以下の５つの判断クラスを設定す
る。 （１）軸バランス不良、（２）電源不良（３）軸受不良
（４）軸剛性劣化（５）過負荷

【００４７】図７は、図１の問題設定器１の一例を示
す。特にその表示画面を示した図で、２０は上記のよう
に設定された判断クラスの一群、２１は同じく上記の属
性の一群、２２の斜線は選択された属性に対し、２３に
はその選ばれた属性の属性値を示す。又、２４の欄でそ
れぞれの各項目新規追加ができ、２５は削除選択ボタン
で、画像上で選択された各項目を削除できる。

【００４８】図８は、図１の相関表編集器５の一例を示
す。特にその表示画面を示したもので、符号は図７と同
一で、さらに３１は各判断クラスに対する各属性の取り
得る属性値の生起確率（割合）を示すもので、例えば符
号３１の示すの箇所では、判断クラス「軸バランス不
良」が生じた時に、属性「軸受温度」が”「正常」であ
ることが８割程度”、”「少し増加」があることが２割
程度”、”「大きく増加」であることはゼロ”とそれぞ
れ起こり得ることを示す。これを各判断クラスと各属性
の組み合わせ毎にそれぞれ設定する。又、３２はその割
合を設定、変更するためのスライダで、画面上でスライ
ダ３２の移動により任意に設定できる。

【００４９】図８の各相関に基づいて、実施例１に示し
た判断手続き生成器３の推論動作により判断手続きの生
成を行う。この生成された判断手続きによって、例えば
「軸受温度が正常、駆動電流が安定、異音がなし、基礎
振動があり、……のときは、軸バランス不良である」等
の一般的判断が行われる。

【００５０】実施例３．実施例１では図３のような、属
性Ａ，Ｂ，Ｃと判断クラスＸ，Ｙ間の相関関係を基に判
断手続きを生成した。一方でこの属性Ａ，Ｂ，Ｃと、そ
の属性値判断クラスＸ，Ｙからのいくつかの具体的事例
が設定された場合は、従来例の図１８のフローチャート
により判断手続きが生成される。本実施例は、この相関
関係と具体的事例の両者を併用した場合の判断手続き生
成方法を示す。

【００５１】図９は、本実施例の判断手続き生成装置の
構成図を示す。符号１〜４は図１と同一のもので、３０
は問題設定器１で設定された属性とその属性値、判断ク
ラスに基づいて事例を設定する事例編集器である。

【００５２】例えば相関表編集器２で相関関係を設定す
るとともに、事例編集器３０で「属性Ａがａ1、属性Ｂ
がｂ1、属性Ｃがｃ1のときＸである」等、のいくつかの
事例により事例集合Ｏが設定されたとする。ここで設定
した事例集合とは、事例編集器３０で編集して得た事例
の集合を含むのであって、過去に発生した実例の集合だ
けではない。判断手続き生成器３では、（１）相関関係
に基づいて、図４の（ＳＴ１）〜（ＳＴ３）を経て、
（ＳＴ４）で情報利得ＧT i＝ＥT−ＥT（Ａi）を各属性
Ａ，Ｂ，Ｃの各々について求める。一方（２）具体的事
例からなる事例集合Ｏに基づいて図１８の（ＳＴ１）〜
（ＳＴ３）を経て、（ＳＴ４）で情報利得ＧOi＝Ｅ−Ｅ
（Ａi）を各属性Ａ，Ｂ，Ｃの各々について求め、この
双方の情報利得は並行して行われる。ここで次式のよう
に両者の平均情報利得Ｇiを求める。

【００５３】

【数３】

【００５４】ここでｗは重みで０≦ｗ≦１である。この
ｗ値は任意に設定でき、相関表と事例集合とで推論を行
う際の反映バランスを決定するものである。

【００５５】属性Ａ，Ｂ，Ｃのうち、この平均情報利得
Ｇiを最大とする属性をＡmとして選択し記憶する。さら
に図４、図１８と同様に属性Ａmの各属性値に対して判
断クラスを決定する条件を満たすかどうかの判定を行
う。もし満たさない場合は、相関関係については図４の
（ＳＴ１）〜（ＳＴ３）、事例については図１８の（Ｓ
Ｔ１）〜（ＳＴ３）をそれぞれ並行して繰り返し、式
（３）により次の属性を選択し、再度この決定条件を課
す（ここで重みｗははじめの値と異なったものに設定し
てもよい）。一方、満たす場合はこれ以上属性による分
類を止め、判断クラスの決定を行う。なお、この決定条
件は図３の決定条件（ＳＴ５）と同一のものと、図１８
の決定条件（ＳＴ５）のいずれか一方を採用し、又はそ
の両方を併用したもので、判断手続き生成器３に入力さ
れる。以上により、判断手続き生成器３で形成された判
断手続きはさらに判断手続き変換器４により、プログラ
ム形式（例えばＣ言語によるプログラム）に変換され
る。

【００５６】このように、各属性と判断クラスとの関係
を表して判断対象の全体の特徴を記述する相関関係と、
属性を具体的に判断クラスに分類して必ず満たすべき判
断対象の個々の状況を記述する具体的事例より、それぞ
れの有効性を反映させながら推論し、その判断手続きを
生成することができた。始めに判断手続き生成のための
情報として用意される相関関係と事例集合の情報量の大
小に応じて、上記の重みｗを変化させて柔軟に推論する
ことができ、より確実な判断手続きが生成できる。

【００５７】実施例４．実施例２のモータの故障診断の
問題で、図８の相関表に加えて事例編集器３０により具
体的事例が設定された場合を考える。属性とその属性
値、判断クラスは実施例２と同一で、以下の事例を含め
１０個の事例が設定されたとする。 （１）軸受温度が「少し増加」、駆動電流が「増減」、
異音が「あり」、基礎振動が「あり」、電圧振幅が「少
し増加」、電圧周波数が「低周波」のときは、判断クラ
スは「軸バランス不良」である。 （２）軸受温度が「少し増加」、駆動電流が「安定」、
異音が「あり」、基礎振動が「あり」、電圧振幅が「正
常」、電圧周波数が「正常」のときは判断クラスは「軸
バランス不良」である。 （３）軸受温度が「正常」、駆動電流が「増減」、異音
が「なし」、基礎振動が「なし」、電圧振幅が「大きく
増加」、電圧周波数が「高周波」のとき、判断クラスは
「電源不良」である。等。

【００５８】図１０は図９の事例編集器３０の一例で、
特にその表示画面を示した図である。２０ａは判断クラ
スを示すボタン、２１ａは属性を示すボタン、２３ａは
属性値を示すボタンを示し、それぞれのボタンを押すこ
とによりそれぞれの項目の変更のためのメニューが表示
される。２４は新規事例を追加するためのボタンであ
る。又、各判断クラスに対して縦一列が一事例を示す。
例えば２５は上記の（１）の事例を表わす。なお、図１
０では上記の（１）〜（３）の事例を含め、５個の事例
しか表示されていないが、図示しない他のボタン操作に
より残りの５個の事例が表示されるようになっている。

【００５９】図１１は図９の判断手続き生成器３の一例
を示したもので、特にその表示画面を示した図である。
２６は相関関係と事例集合の反映バランスを設定するた
めのスライダで、実施例３での重みｗに対応し、この場
合ｗ＝０．３である。２７は判断手続き生成器３で生成
される決定木形成での段数を判断するための生成条件、
２８は事例集合に課せられる判断手続きの詳細度を設定
する生成条件、２９は相関関係に課せられる判断手続き
の詳細度を設定する生成条件である。設定条件２８、２
９はともに図４、図１８の（ＳＴ５）の決定条件を設定
するもので、条件２８は、分割された事例がなくなった
場合として（１）分割された事例集合の事例数が３より
小さい時、分割後のあいまい性がなくなった場合として
（２）情報利得Ｅ−Ｅ（Ａm）が０．０５bitsより小さ
い時と（３）エントロピＥ（Ａm）が０．０５bitsより
小さい時に（ＳＴ６）の判断クラスの決定を行う。条件
２９は同様に（１）生起確率（割合）が０．１より小さ
い時、（２）情報利得ＥT−ＥT（Ａm）が０．０３bits
より小さい時、（３）エントロピＥT（Ａm）が０．０３
bitsより小さい時に（ＳＴ６）の判断クラスの決定を行
う。それぞれ設定されたしきい値は画面上のスライダに
より任意に設定できる。

【００６０】実施例５．図１２は本実施例による判断手
続き生成装置の一例で、１〜４、３０は図９と同一で、
４０はある属性条件が成立したときに、それ以後利用し
てはならない属性、直後に利用すべき属性、判断結果に
現れる可能性のない判断クラス、参照すべき相関表等を
指定する制約ルールを設定し、編集する制約ルール編集
器である。

【００６１】図１３は実施例２、４のモータの故障診断
で設定した属性とその属性値、判断クラスに制約を与え
る制約ルールの編集器４０の一例で、特にその表示画面
を示した図である。４１は制約に用いる属性を指定する
ボタン、４２はその属性値を指定するボタンで、それぞ
れの項目を追加、削除、選択をすることができる。４３
は制約の種別を選択するボタンで、「属性禁止」、「ク
ラス指定」等の項目を有する。４４は制約を詳細化する
ボタンで、制約の種別４３に応じた指定が可能である。
４５は制約ルールを示す。

【００６２】例えば、制約１、２、３のそれぞれの横一
列で一つの制約ルールを示し、制約１は「電圧振幅が
「正常」あるいは「少し増加」であるなら、属性「電圧
周波数は使用してはならない。」、制約２は「電圧振幅
が「正常」あるいは「少し増加」で、かつ電圧周波数
が”正常”であるなら、属性「異音」と「駆動電流」を
使用してはならない」ことを示し、制約３は「駆動電流
が「増減」もしくは「ゆらぎ」のときは判断クラスは必
ず「電源不良」が指定される」ことを示す。これらは４
１〜４４のボタンにより任意に設定でき、図１３の３個
の制約ルールよりさらに多くの制約も設定できる。これ
を図８、図１０の相関関係表や事例集合より推論する際
に制限を与える。

【００６３】このように設定された制約ルールは、判断
手続き生成器３に入力される。この制約ルールは、相関
関係や事例から逐次選択される属性や最終的の決定され
る判断クラスに優先させて反映させ、用いることのでき
る事例や判断クラスを絞り込み、制約する。図４の判断
手続きを生成する過程においては、（ＳＴ４）の情報利
得を最大にする属性Ａｍを選択したが、ここで制約ルー
ルにより上記の制約（１）や（２）のようにこの属性Ａ
ｍが禁止属性である場合はこの属性Ａｍは選択できず、
他の属性が選ばれる。また（ＳＴ５）の決定条件を満た
さない場合でも制約（３）のようにクラス指定がされて
いる場合は、その判断クラスが決定される。

【００６４】以上のように、判断対象について明らかに
知られている理論的制約や判断手続きを制約ルールとし
て記述し、それを判断手続き生成に反映させることによ
り柔軟な判断手続き生成が可能で、かつ論理的で確実な
判断手続きが得られる。

【００６５】なお、図８の相関関係表に制約を加えるた
めの別の相関表を形成してもよい。軸バランス不良が生
じた時に、軸受温度は（正常：少し増加：大きく増加＝
８：２：０）、駆動電流は（安定：増加：ゆらぎ＝１
０：０：０）、……等に、例えば「軸受温度が正常であ
ることが８割以下である場合は、駆動電流がゆらぎであ
ることが１割生じる」等の属性間に相関を与えてもよ
い。

【００６６】図１２で、事例編集器３０、相関表編集器
２、制約ルール編集器４０でそれぞれ編集された事例集
合、相関表、制約ルールは、判断手続き生成器３に入力
され、判断手続きが生成される。図１４は図１１の生成
条件２７、２８、２９を設定し、図１３の３個の制約ル
ールに基づき、図８の相関表、図１０の事例集合より実
施例３の推論方法により生成された判断手続きで、決定
木形式で表現されたものである。図は決定木の段数を５
段に制限し、５０は各段の下段に記述された属性、５１
は各段の上段に記述された属性値、５２は決定木の最下
段にくる判断クラスである。例えば図の点線で囲まれた
部分により、「電流周波数が低周波振動を起こし、駆動
電流がゆらいでいるときには電流不良である」という判
断手続きを表している。さらに図１５にはこの判断手続
きをＣ言語のプログラム文に変換した例を示す。例えば
「電流周波数が低周波振動」、「駆動電流がゆらぎ」と
入力した場合に「電流不良」と出力するプログラムであ
る。

【００６７】

【発明の効果】以上のように、この発明の判断手続き生
成方法によると、判断対象の結論となる判断クラスＣｊ
の各々が生起する頻度の相関関係とともに、判断対象を
特徴付ける属性Ａｉについて、判断クラスＣｊと属性Ａ
ｉが取り得る属性値との生起頻度の割合を入力し、この
割合にもとづいて帰納的に推論するので、得られた事例
数が少なくても、論理的な矛盾や漏れのない判断手続き
を生成することが出来る。

【００６８】また、このような相関関係とともに、特定
の属性値を取った属性Ａｉからなる属性群と、判断クラ
スＣｊのうち、その属性群に対して与えられる判断クラ
スとにより事例を形成し、この事例のいくつかによって
構成された事例集合と上記の相関関係とを互いに反映さ
せながら、両者から帰納的に推論するので、事例を集め
なくても、具体的な事例集合を得ることが出来るととも
に、こうして得た事例集合及び上記相関関係の両者から
それぞれの有効性に応じた配分にもとづいて判断手続き
を生成することが出来る。

【００６９】また、属性Ａｉが特定の属性値を取ったと
きに満たすべき制約ルールを設定し、上記制約ルールを
課しながら帰納的推論するので、満たすべき制約ルール
に従って、確実な判断手続きを生成することができる。

【図面の簡単な説明】

【図１】 この発明の実施例１に示す判断手続き生成装
置の構成図である。

【図２】 実施例１において生成された判断手続きを示
す説明図である。

【図３】 実施例１における判断クラスと各属性との相
関関係を示す表図である。

【図４】 実施例１における判断手続きを生成する過程
を示すフローチャート図である。

【図５】 実施例１における判断クラスの生起頻度と、
各属性の生起頻度を示す表図である。

【図６】 実施例１における判断クラスの生起頻度と、
各属性の生起頻度を示す表図である。

【図７】 実施例２に示す問題設定器の構成図である。

【図８】 実施例２に示す相関表編集器の構成図であ
る。

【図９】 この発明の実施例３に示す判断手続き生成装
置の構成図である。

【図１０】 実施例４に示す事例編集器の構成図であ
る。

【図１１】 実施例４に示す判断手続き生成器の構成図
である。

【図１２】 この発明の実施例５に示す判断手続き生成
装置の構成図である。

【図１３】 実施例５に示す制約ルール編集器の構成図
である。

【図１４】 実施例５に示す判断手続き生成器により生
成された判断手続きの説明図である。

【図１５】 実施例５に示す判断手続き変換器により生
成されたプログラム文の例図である。

【図１６】 事例集合を示す説明図である。

【図１７】 従来技術によって、図１６の事例集合に基
づいて形成された判断手続きを示す説明図である。

【図１８】 従来技術において判断手続きを生成する過
程を示すフローチャート図である。

【符号の説明】

１…問題設定器、２…相関表編集器、３…判断手続き生
成器、４…判断手続き変換器、５…第一の属性、６…第
二の属性、７…第三の属性、８ａ、８ｂ、８ｃ…判断ク
ラス、２０…判断クラス、２１…属性、２３…属性値、
３０…事例編集器、４０…制約ルール編集器

───────────────────────────────────────────────────── フロントページの続き (58)調査した分野(Int.Cl.⁷，ＤＢ名) G05B 23/00 - 23/02 G05B 11/00 - 13/04

Claims (7)

(57)【特許請求の範囲】
1. 【請求項１】 判断対象を特徴付ける属性Ａｉ（ｉ＝１
   〜Ｎ、Ｎは自然数）、前記属性Ａｉが取り得る複数の属
   性値、前記判断対象の結論となりうる判断クラスＣｊ
   （ｊ＝１〜Ｍ、Ｍは自然数）より推論することにより、
   前記判断クラスＣｊのいづれかを前記判断対象に割り当
   てる判断手続き生成方法において、相関表編集器に、前記判断クラスＣｊのおのおのに対す
   る生起頻度Ｐの割合と、前記属性Ａｉのそれぞれごとに
   前記判断クラスＣｊのおのおのに対する前記属性値の起
   こりえる割合とを入力する過程、 判断手続き編集器により、前記生起頻度Ｐの割合と前記
   属性値の起こりえる割合とにもとづいて、前記生起頻度
   ＰのエントロピＥＴを求め、前記入力された割合にもと
   づいて前記判断クラスＣｊの生起頻度Ｐを前記各属性値
   ごとに分割して求めた上で、各属性毎に集計し、前記求
   めた属性ごとの生起頻度にもとづき、前記属性毎にその
   エントロピＥＴ（Ａｉ）を演算し、関数ｆｉ＝［ＥＴ−
   ＥＴ（Ａｉ）］が最大となる属性Ａｉを選択して、選択
   された属性について前記判断クラスのいずれかを選択す
   る過程、 判断手続き変換器を用いて、前記各過程をプログラムに
   変換する過程とを含む過程により判断手続きを生成する
   ことを 特徴とする判断手続き生成方法。
2. 【請求項２】 事例編集器により、前記属性Ａｉの内、
   前記属性値が特定の属性値をとった属性とこの属性に対
   して選択された前記判断クラスとを含む事例を構成し、
   前記属性又は前記判断クラスが互いに異なる複数の前記
   事例を含む事例集合を設定する過程、 前記判断手続き編集器により、前記事例集合のエントロ
   ピＥ０と、前記属性Ａｉの各属性値ごとに前記事例集合
   のエントロピＥ（Ａｉ）とを算出し、関数Ｇ０ｉ＝［Ｅ
   ０−Ｅ（Ａｉ）］を求めるとともに、Ｗを任意の重み係
   数としてＧｉ＝Ｇ０ｉ・Ｗ＋ｆｉ（１−Ｗ）を求め、Ｇ
   ｉを最大とする属性Ａｉを選択する過程、 前記判断手続き変換器を用いて、前記各過程をプログラ
   ムに変換する過程とを含むことを特徴とする請求項１に
   記載の判断手続き生成方法。
3. 【請求項３】 制約ルール編集器により、前記属性Ａｉ
   が特定の属性値を取ったとき、特定の判断クラスＣｊを
   選択するまたは選択を禁止する判断手続き生成上の制約
   ルールを設定し、前記判断手続き編集器により前記制約
   ルールを前記判断クラスを選択する過程に優先して実行
   することを特徴とする請求項１または請求項２に記載の
   判断手続き生成方法。
4. 【請求項４】 制約ルール編集器により、前記属性Ａｉ
   が特定の属性値を取ったとき、特定の属性を選択するま
   たは選択を禁止する判断手続き生成上の制約ルールを設
   定し、前記判断手続き編集器により前記制約ルールを前
   記属性を選択する過程に優先して実行することを特徴と
   する請求項１または請求項２に記載の判断手続き生成方
   法。
5. 【請求項５】 制約ルール編集器により、前記属性Ａｉ
   が特定の属性値を取ったとき、特定の判断クラスＣｊを
   選択するまたは選択を禁止する判断手続き生成上の制約
   ルールと、特定の属性を選択するまたは選択を禁止する
   判断手続き生成上の制約ルールとを設定し、前記判断手
   続き編集器により属性Ａｍを選択する過程および前記判
   断クラスのいずれかを選択する過程のいづれか一方、も
   しくは双方において、前記属性を選択する過程又は前記
   判断クラスを選択する過程に優先して前記制約ルールを
   実行することを特徴とする請求項１又は２に記載の判断
   手続き生成方法。
6. 【請求項６】 判断対象を特徴付ける属性Ａｉ（ｉ＝１
   〜Ｎ、Ｎは自然数）、前記属性Ａｉが取り得る複数の属
   性値、前記判断対象の結論となりうる判断クラスＣｊ
   （ｊ＝１〜Ｍ、Ｍは自然数）より推論することにより、
   前記判断クラスＣｊのいづれかを前記判断対象に割り当
   てる判断手続き生成装置であって、 前記判断クラスＣｊのおのおのに対する生起頻度Ｐの割
   合と、前記属性Ａｉのそれぞれごとに前記判断クラスＣ
   ｊのおのおのに対する前記属性値の起こりえる割合とを
   入力する相関表編集器、 前記生起頻度Ｐの割合と前記属性値の起こりえる割合と
   にもとづいて前記生起頻度ＰのエントロピＥＴを求め、
   前記入力された割合にもとづいて前記判断クラスＣｊの
   生起頻度Ｐを前記各属性値ごとに分割して求めた上で、
   各属性毎に集計し、前記求めた属性ごとの生起頻度にも
   とづき、前記属性毎にそのエントロピＥＴ（Ａｉ）を演
   算し、関数ｆｉ＝［ＥＴ−ＥＴ（Ａｉ）］が最大となる
   属性Ａｉ を選択する演算を行う判断手続き生成器を備え
   たことを特徴とする判断手続き生成装置。
7. 【請求項７】 前記属性値が特定の属性値をとった属性
   Ａｉと、この属性に対して与えられる前記判断クラスと
   により事例を構成し、前記属性又は前記判断クラスが互
   いに異なる複数の前記事例を含む事例集合を設定する事
   例編集器を備えるとともに、 前記判断手続き生成器は、前記事例集合のエントロピＥ
   ０を算出するとともに、前記属性Ａｉの各属性値ごとに
   前記事例集合のエントロピＥ（Ａｉ）を算出し、関数Ｇ
   ０ｉ＝［Ｅ０−Ｅ（Ａｉ）］を求めるとともに、Ｗを任
   意の重み係数としてＧｉ＝Ｇ０ｉ・Ｗ＋ｆｉ（１−Ｗ）
   を求め、前記Ｇｉを最大とする属性Ａｉを選択すること
   を特徴とする請求項６に記載の判断手続き生成装置 。