JP4464323B2

JP4464323B2 - 情報処理装置及びその制御方法、プログラム

Info

Publication number: JP4464323B2
Application number: JP2005188287A
Authority: JP
Inventors: 吾朗大下; 賢太郎山田
Original assignee: Canon IT Solutions Inc
Current assignee: Canon IT Solutions Inc
Priority date: 2005-06-28
Filing date: 2005-06-28
Publication date: 2010-05-19
Anticipated expiration: 2025-06-28
Also published as: JP2007011468A

Description

本発明は、１レコードが複数の項目からなるデータのデータ集合に対し、前記データ集合に関する評価情報を生成して出力装置に出力する情報処理装置及びその制御方法、プログラムに関するものである。

大量データの中からの有益なパターンの発見技術に関しては、多変量解析技術やデータマイニングと一般的に総称されている各種の分析方法が提供されている。

データの中にある規則性（パターン）については、一般的に２つの考え方がある。この２つの考え方の大きな違いは、データの中にある規則性について分析者による理解を必要とするか否かである。

まず、規則性の理解を必要としないものとしては、例えば、需要予測があげられる。需要予測の場合には、予測量が算出さえできれば、規則性を理解しなくとも分析結果の利用価値がある。

これに対して、製造品質不良の原因をデータより探り、不良発生に至る規則性を理解した上で対処策を講じたいような場合には、分析者がデータマイニング結果を理解し、その中に含まれる規則性を的確に掴むことが求められ、それが重要な技術的視点となる。

分析者が理解しやすいことを特徴とする各種の技術が提供されている。例えば、データに隠された規則性を、階層的な木構造、または等価なＩＦＴＨＥＮルール群で表す決定木や回帰木と呼ばれる方法がある。以下、総称して決定木と呼ぶこととする。

また、分析者の理解を支援するために、データマイニングが導出した規則性（パターン）に含まれている分析対象データのリスト情報など、パターンと連動してレコード情報を表示したり、パターンに含まれていない属性も参考情報として表示する技術などが提案されている。これは、決定木を始め、データマイニングの手法の多くが、規則性として導出した一部分の属性情報しか提示しないために、導出されたパターンに含まれていない属性との関連情報が存在しないからである。

例えば、特許文献１では、並行座標へ多数の属性と、データマイニング結果も一つの属性として表示し、その関連性を座標間を結ぶ線で可視化を行っている。

また、特許文献２では、導出されたパターンに含まれている属性の特定カテゴリ値以外の値についても参照可能とするために、ＯＬＡＰ（Ｏｎ−ＬｉｎｅＡｎａｌｙｔｉｃａｌＰｒｏｃｅｓｓｉｎｇ）集計結果を表示する方法等が開示されている。

また、特許文献３では、分析対象データに対して多次元クロス集計を行い、その中より分析者が指定したセル範囲に対して、並行座標として表示する方法が開示されている。この技術の特徴は、分析者がクロス集計表より詳細を調べたいと思うセルを指定させ、それに連動させて指定した範囲のデータを並行座標の形式でグラフ表示し、分析者が確認しながら対話的にセル範囲を移動させるというものである。

また、特許文献４では、決定木などにより生成されたグラフ構造を持つ分析結果に対して、分析に使用したデータの中より、特定ノード（決定木の場合、ＩＦＴＨＥＮルールで表される）に含まれるデータを抽出する。そして、抽出した結果の一覧リスト表示を行うための、汎用的なクエリが開示されている。
特開平１１−１５８９７号公報特開２００１−２７３３１５号公報特開平１１−１５８９７号公報特開２００５−２５７３１号公報

上述の従来技術が提示された背景として、分析者が導出されたルールの真偽を吟味する過程では、データマイニングの個々の手法が表示するよりも多くの情報を必要としていることに起因した共通の課題がある。しかしながら、上述の従来技術で解決されていない課題として、以下に示す２つの有用情報の不足が存在する。

課題１：履歴データよりデータ件数の意味を理解するための情報
課題２：データマイニング手法により抽出された情報以外の分析者の理解を助ける有用情報の表示
●課題１の説明
課題１を説明するにあたり、履歴データの構成について説明する。

例えば、会員に対してサービスを行うような業態の顧客取引状況の履歴データは、一般的に分析対象とされるデータレコードが、各会員識別キー毎に、サービス期間を表す単位、月・週・日等の時期を表す識別キーにより、反復しながらデータレコードが蓄積される。

また、製造品質の分析のような場合には、その製造履歴データは、製造した製品区別に対して、製造時期を表す識別キーが反復して、蓄積される。例えば、装置の稼動状態を監視して、その装置故障原因を分析したい場合では、装置の識別キーに対して、稼動時期を表す識別キーが反復して、蓄積される。

また、取扱い商品の売れ行きを分析したいような場合では、商品識別キーに対して、販売時期を表す単位、月・週・日・時間等の時期を表す識別キーにより、反復しながらデータレコードが蓄積される。

また、所定の期間だけ有効の会員制サービス等で、会員識別キーと、サービス契約の更新時にデータレコードが蓄積されるような場合は、更新回数がキーとなり反復蓄積される。

以上、例示したように、分析対象となるデータの構造として、サービス対象会員や、製造対象製品、監視対象装置、取扱い商品等の対象となるＩＴＥＭ（項目）に関するキー（以下、ＩＴＥＭキー）と、これらのＩＴＥＭが時間軸や更新回数等の反復を表すキー（以下、反復キー）の２つを少なくとも保持するデータレコードにより蓄積される場合が多く存在する。

このような構造を持つデータを、以下、ＩＴＥＭキーと反復キーを持つ、または、ＩＴＥＭ軸と反復軸を持つデータと呼ぶこととする。

履歴データは、上述の通りＩＴＥＭ軸と反復軸とを含む構成で成り立っているために、レコード件数は両軸のかけ合わせで求められる。そのため、例えば、レコード件数が、膨大である（例えば、１０万件）場合、その構成を把握することは容易に実現することができない。また、ＩＴＥＭ軸、反復軸の両軸ともに、欠損のレコードがある場合は、さらに、構成の把握が困難になる。

例えば、ＩＴＥＭ軸であれば、新規会員や、退会会員のように、分析対象期間の中で継続して、レコードが存在しない（欠損データがある）場合がある。また、反復軸に関しても、特定時期の情報が収集されていない（できなかった）ような状況も実際には多く存在する。分析者は、分析結果を正しく理解するために、対象データの構成について把握しておく必要があるが、従来の履歴データの捕らえ方だけでは、データ件数の意味合いを把握するのが難しいという課題があった。

●課題２の説明
データマイニングに使用したい属性の中には、欠損値の比率が高いものが存在する場合がある。例えば、トラブル発生や、注目に値する興味深い事象に関して追跡調査を行った場合などである。このような少数のレコードについてだけ評価を記録した情報は、背景にある規則性を考える上で分析者にとって有用な情報である。そのため、データマイニングを行う場合にも、情報を積極的に活用することが望ましい。しかしながら、データの定量化が均質でないという分析技術上の問題点により、データマイニングの説明変数として使用するには適さないという課題があった。

また、データの定量化が均質で、欠損値比率も低い場合であっても、結果解釈上の観点より、説明変数としてある類似した属性と同時に使用したくない場合がある。導出されるルールが分析者の分析意図に反して類似する属性がルール中に多く含まれてしまうなど、結果解釈を妨げてしまうことを防ぐために行なわれるものである。このように、説明変数候補ではあるが、説明変数に用いず結果を解釈する上で参考にしたいような場合、効果的な結果解釈のための表示方法がなかった。

また、ビジネス取引履歴からロイヤルカスタマーとなる条件や、製造履歴から製造不良となる条件など、履歴データの中からデータマイニングにより規則性として抽出する場合、導出されたルールに含まれるデータ件数について、上述のＩＴＥＭ軸と反復軸に関するデータ件数の把握が難しいという課題があった。

分析者が分析により得たいルールとは、一般的に汎用性が高い（再現性がある）と考えられるパターンを抽出することである。例えば、購入金額が多い会員に共通する属性に関するパターンを得ることで、同様の属性を持つ層をターゲットして勧誘を図るとか、ある特定時期に購入金額が増加するパターンを得ることで、その時期にキャンペーンを行うといった活用をするわけである。上述の例からわかるように、求めるパターンには、会員などのＩＴＥＭ軸に関する汎用性と、反復軸に関する汎用性の両面が含まれている。

分析者がルールを理解する上で、上述のＩＴＥＭ軸と反復軸のどちらに重きがおかれたルールであるかを確認したい場合があっても、従来技術で提示されている方法では、ＩＴＥＭ軸と反復軸のかけ合わせであるデータ件数しか得ることができず、確認できないという課題があった。

本発明は上記の課題を解決するためになされたものであり、データ分析結果として、より有用で効果的な情報を提供することができる情報処理装置及びその制御方法、プログラムを提供することを目的とする。

上記の目的を達成するための本発明による情報処理装置は以下の構成を備える。即ち、
１レコードが複数のデータ項目からなるデータのデータ集合に対し、前記データ集合に関する評価情報を生成して出力装置に出力する情報処理装置であって、
前記データを一意に識別するためのデータ項目のうち、前記データの観測対象を識別するためのデータ項目であるＩＴＥＭ軸項目、及び、前記データの観測時期や回数を識別するためのデータ項目である反復軸項目を指定する第１の指定手段と、
前記データ集合中の、前記ＩＴＥＭ軸項目のデータの種類、前記反復軸項目のデータの種類及びそれらの種類数を集計する第１の集計手段と、
前記第１の集計手段で集計したＩＴＥＭ軸項目のデータ種類ごとに、前記反復軸項目データの存在する種類数であるＩＴＥＭ軸項目別反復数を集計し、且つ、前記反復軸項目のデータ種類ごとに、前記ＩＴＥＭ軸項目データの存在する種類数である反復軸項目別ＩＴＥＭ数を集計する第２の集計手段と、
前記第１の集計手段で集計したＩＴＥＭ軸項目のデータ種類数と反復軸項目のデータ種類数とを用いて算出される理論レコード数、及び、前記第２の集計手段で集計した前記ＩＴＥＭ軸項目別反復数を用いて前記データ集合に対するＩＴＥＭ軸項目についての図式情報を生成し、且つ、前記理論レコード数と前記反復軸項目別ＩＴＥＭ数と用いて前記データ集合に対する前記反復軸項目についての図式情報を生成する生成手段と、
前記ＩＴＥＭ軸項目についての図式情報及び前記反復軸項目についての図式情報を、前記評価情報として前記出力装置に出力制御する出力制御手段と
を備える。

また、好ましくは、前記生成手段は、前記図式情報として、
前記第１の指定手段で指定した前記ＩＴＥＭ軸項目のデータ種類を第１軸、前記ＩＴＥＭ軸項目のデータの種類毎に、前記反復軸項目のデータの種類の内、実際にレコードが存在する種類数を第２軸とした座標系上で表現される、前記理論レコード数に対する前記ＩＴＥＭ軸項目別反復数の密度分布グラフを生成し、且つ、前記第１の指定手段で指定した前記反復軸項目のデータの種類を第１軸、及び、前記反復軸項目のデータの種類毎に、前記ＩＴＥＭ軸項目のデータの種類の内、実際にレコードが存在する値の種類数を第２軸とした座標系上で表現される、前記理論レコード数に対する前記反復軸項目別ＩＴＥＭ数の密度分布グラフを生成する。

また、好ましくは、前記生成手段は、前記座標系を構成する前記第１軸のデータの種類を、前記第２軸を構成するデータの種類のうち、実際にレコードが存在する種類数でソートした順序で座標系上に表現される、前記密度分布グラフを生成する。

また、好ましくは、前記生成手段は、前記評価情報として、更に、
実測レコード数を分子とし、前記理論レコード数を分母とする除算によって得られる値を生成し、
前記実測レコード数は、前記第１軸を構成する各値毎の前記第２軸を構成する項目の値の内、実際にレコードが存在する値の種類の総和であり、
前記理論レコード数は、前記ＩＴＥＭ軸項目のデータ種類数と前記反復軸項目のデータ種類数との積算により算出される。

また、好ましくは、前記生成手段は、前記評価情報として、更に、前記密度分布グラフのバラツキを示す指標を生成する。

また、好ましくは、前記データ集合に対してデータマイニング処理を実行するデータマイニング手段とを更に備え、
前記出力制御手段は、前記図式情報、及び前記データマイニング手段のデータマイニング結果とを、前記評価情報として前記出力装置に出力制御する。

また、好ましくは、前記データマイニング手段によるデータマイニング結果として得られる、前記データ集合の各データに含まれている属性間の関連性を示す階層構造のノードの内、指定されたノードに対応するデータの特定属性情報を算出する算出手段を更に備え、
前記出力制御手段は、さらに前記特定属性情報を、前記評価情報として前記出力装置に出力制御する。

また、好ましくは、前記データマイニング結果として得られる、前記データ集合の各データに含まれている属性間の関連性を示す階層構造のノードから、前記算出手段による前記データの特定属性情報の算出対象とする基準ノード及び特定属性を指定する第２の指定手段を更に備える。

また、好ましくは、前記第２の指定手段により、前記特定情報として１つの特定属性が選択された場合に、
前記算出手段は、前記特性属性情報として、
１）前記基準ノードに属するレコードに対応する特定属性の有効データ数を示す度数と、
２）前記基準ノードにおける特定属性の有効データ数と、前記基準ノードの下位階層の各ノードにおける特定属性の有効データ数との比率である分配率と、
３）前記下位階層の各ノードに属すレコード数に対する特定属性の有効データ数との比率を示すノード内密度と、
を算出する。

また、好ましくは、前記第２の指定手段で指定された特定属性のデータ型が多値の値を示すカテゴリ型の場合、前記算出手段は、前記特性属性情報として、前記下位階層の各ノードに属するレコードに対応する特定属性のカテゴリ毎の有効データ数を示す度数を算出する。

また、好ましくは、前記第２の指定手段で指定された特定属性のデータ型が連続型の場合、前記算出手段は、前記特性属性情報として、前記下位階層の各ノードに属するレコードに対応する特定属性のデータ値の分布情報を算出する。

また、好ましくは、前記第２の指定手段で指定された特定属性のデータ型が多値の値を示すカテゴリ型であり、かつ前記特定属性として複数の属性が選択された場合、
前記算出手段は、前記特性属性情報として、
１）前記基準ノードに属するレコードに対応する特定属性毎の種類数と、
２）前記種類数の出現比率と、
３）前記出現比率に基づく図式情報と、
を算出する。

上記の目的を達成するための本発明による情報処理装置の制御方法は、以下の構成を備える。即ち、
１レコードが複数のデータ項目からなるデータのデータ集合に対し、前記データ集合に関する評価情報を生成して出力装置に出力する情報処理装置の制御方法であって、
前記データを一意に識別するためのデータ項目のうち、前記データの観測対象を識別するためのデータ項目であるＩＴＥＭ軸項目、及び、前記データの観測時期や回数を識別するためのデータ項目である反復軸項目を指定する第１の指定工程と、
前記データ集合中の、前記ＩＴＥＭ軸項目のデータの種類、前記反復軸項目のデータの種類及びそれらの種類数を集計する第１の集計工程と、
前記第１の集計工程で集計したＩＴＥＭ軸項目のデータ種類ごとに、前記反復軸項目データの存在する種類数であるＩＴＥＭ軸項目別反復数を集計し、且つ前記反復軸項目のデータ種類ごとに、前記ＩＴＥＭ軸項目データの存在する種類数である反復軸項目別ＩＴＥＭ数を集計する第２の集計工程と、
前記第１の集計工程で集計したＩＴＥＭ軸項目のデータ種類数と反復軸項目のデータ種類数とを用いて算出される理論レコード数、及び、前記第２の集計工程で集計した前記ＩＴＥＭ軸項目別反復数を用いて前記データ集合に対するＩＴＥＭ軸項目についての図式情報を生成し、且つ、前記理論レコード数と前記反復軸項目別ＩＴＥＭ数と用いて前記データ集合に対する前記反復軸項目についての図式情報を生成する生成工程と、
前記ＩＴＥＭ軸項目についての図式情報及び前記反復軸項目についての図式情報を、前記評価情報として前記出力装置に出力制御する出力制御工程と
を備える。

上記の目的を達成するための本発明によるプログラムは、以下の構成を備える。即ち、
コンピュータを、１レコードが複数のデータ項目からなるデータのデータ集合に対し、前記データ集合に関する評価情報を生成して出力装置に出力する情報処理装置として機能させるためのプログラムであって、
前記コンピュータを、
前記データを一意に識別するためのデータ項目のうち、前記データの観測対象を識別するためのデータ項目であるＩＴＥＭ軸項目、及び、前記データの観測時期や回数を識別するためのデータ項目である反復軸項目を指定する第１の指定手段と、
前記データ集合中の、前記ＩＴＥＭ軸項目のデータの種類、前記反復軸項目のデータの種類及びそれらの種類数を集計する第１の集計手段と、
前記第１の集計手段で集計したＩＴＥＭ軸項目のデータ種類ごとに、前記反復軸項目データの存在する種類数であるＩＴＥＭ軸項目別反復数を集計し、且つ、前記反復軸項目のデータ種類ごとに、前記ＩＴＥＭ軸項目データの存在する種類数である反復軸項目別ＩＴＥＭ数を集計する第２の集計手段と、
前記第１の集計手段で集計したＩＴＥＭ軸項目のデータ種類数と反復軸項目のデータ種類数とを用いて算出される理論レコード数、及び、前記第２の集計手段で集計した前記ＩＴＥＭ軸項目別反復数を用いて前記データ集合に対するＩＴＥＭ軸項目についての図式情報を生成し、且つ、前記理論レコード数と前記反復軸項目別ＩＴＥＭ数と用いて前記データ集合に対する前記反復軸項目についての図式情報を生成する生成手段と、
前記ＩＴＥＭ軸項目についての図式情報及び前記反復軸項目についての図式情報を、前記評価情報として前記出力装置に出力制御する出力制御手段と
として機能させる。

本発明によれば、データ分析結果として、より有用で効果的な情報を提供することができる情報処理装置及びその制御方法、プログラムを提供できる。

以下、本発明の実施の形態について図面を用いて詳細に説明する。

＜実施形態１＞
図１Ａは本発明の実施形態１の情報処理装置の機能構成を示す図である。

１００は入出力部であり、ユーザからの操作指示を制御部１０１へ渡すとともに、制御部１０１からの処理結果をユーザへ出力する。つまり、入出力部１００では、ユーザと制御部１０１間の情報伝達を行うインタフェースとして機能する。

制御部１０１は、入出力部１００よりユーザの操作指示を受信し、指示内容に応じてレコード識別キー分割部１０１ａ、種類数集計部１０１ｂ、グラフ化（図式情報作成）部１０１ｃを実行する。

データ管理部１０２は、履歴データ１０２ａ及び算出データ１０２ｂを管理する。

次に、実施形態１の情報処理装置のハードウェア構成について、図１Ｂを用いて説明する。

図１Ｂは本発明の実施形態１の情報処理装置のハードウェア構成を示す図である。

３０１はＣＰＵであり、情報処理装置全体の制御を実行する。３０２はＲＡＭであり、データ作業領域、一時待避領域として機能する。３０３はＲＯＭであり、情報処理装置を制御するための各種制御プログラムや設定情報等を記録する。

尚、図１の制御部１０１、レコード識別キー分割部１０１ａ、種類数集計部１０１ｂ、グラフ化（図式情報作成部）部１０１ｃは、例えば、ＣＰＵ３０１がＲＯＭ３０３上のプログラムをＲＡＭ３０２上にロードして実行することで実現される。

３０４はハードディスクドライブ（ＨＤＤ）であり、画像データ等の各種データを記憶する。図１のデータ管理部１０２は、例えば、このハードディスクドライブ３０４で実現される。３０５はネットワークＩ／Ｆ（インタフェース）であり、ネットワーク１０４を介するデータの送受信を行う。

３０６はビデオＩ／Ｆ（インタフェース）であり、ディスプレイ部３２１に表示する画像等の表示制御を行う。３２１はディスプレイ部であり、液晶やＣＲＴ等から構成され、図１の入出力部１００の出力機能に対応する。尚、この出力機能としては、ディスプレイ部３２１及びビデオＩ／Ｆ３０６の代りに、プリンタ（不図示）を用いても良い。

３０７はポインティングデバイスであり、例えば、マウス、入力タブレット、タッチパネル等から構成される。３０８はキーボードである。図１の入出力部１００の入力機能は、このポインティングデバイス３０７及びキーボード３０８によって実現される。

３０９は外部記憶装置であり、ＣＤ−ＲＯＭ、ＣＤ−Ｒ／ＲＷ、ＤＶＤ−ＲＯＭ、ＤＶＤ−Ｒ／ＲＷ、ＤＶＤ−ＲＡＭ等から構成される。図１のデータ管理部１０２は、この外部記憶装置３０９で実現されても勿論かまわない。

３１１は上記各構成要素を相互に接続するバスである。

次に、制御部１０１内の各機能（レコード識別キー分割部１０１ａ、種類数集計部１０１ｂ、グラフ化（図式情報作成部）部１０１ｃ）と、履歴データ１０２ａ及び算出データ１０２ｂとの入出力関係について、図２を用いて説明する。

図２は本発明の実施形態１の制御部内の各機能と、履歴データ及び算出データの入出力関係を示す図である。

制御部１０１内の各機能（レコード識別キー分割部１０１ａ、種類数集計部１０１ｂ、グラフ化（図式情報作成部）部１０１ｃ）は、図２に示すような、履歴データ及び算出データの入出力関係を有している。ここで、算出データとは、各機能による処理によって出力されるデータを意味するものである。

次に、実施形態１が実行する処理の全体処理フローについて、図３を用いて説明する。

＜全体処理フロー＞
図３は本発明の実施形態１が実行する処理の全体処理フローを示すフローチャートである。この処理は、図１に示す制御部１０１によって行われることになる。

特に、実施形態１では、後述する相対密度分布グラフを表示する処理（相対密度分布グラフ表示処理）について説明する。

ステップＳ１０１で、制御部１０１が、ユーザからの操作指示を入出力部１００から受信すると、レコード識別キー分割部１０１ａにより、履歴データ１０２ａをデータ管理部１０２より取得する。

ここで、履歴データの一例について、図４を用いて説明する。

図４は本発明の実施形態１の履歴データの一例を示す図である。

履歴データとは、観測対象を識別可能なＩＴＥＭキーと観測時期や回数を識別可能な反復キーの重複のない組合せにより構成されるレコード識別キーと、レコード識別キーに対応して記録されている値（観測値）を一つ以上持つことを特徴とするデータである。

図４に示す例では、地域名、支店名、会員名の３つの属性よりＩＴＥＭキーが構成される。また、年、月より反復キーが構成される。また、ＩＴＥＭキー、反復キーの結合によりレコード識別キーが構成され、観測値として金額が構成される履歴データとなっている。

図３の説明に戻る。

ステップＳ１０２で、レコード識別キー分割部１０１ａによって取得した履歴データ１０２ａに基づいて、レコード識別キー分割処理を実行する。これは、例えば、レコード識別キー分割画面を入出力部１００に出力して、その画面を介する指示入力に基づいて、レコード識別キー分割処理を実行する。

ここで、レコード識別キー分割画面の一例について、図５を用いて説明する。

図５は本発明の実施形態１のレコード識別キー分割画面の一例を示す図である。

このレコード識別キー分割画面５００は、履歴データのレコード識別キーを構成する各項目を、ＩＴＥＭキー（第１項目グループ）及び反復キー（第２項目グループ）のいずれかに割り当てるための画面である。

ここで、５０１は、レコード識別キーを構成する各項目をリスト表示するレコード識別キー表示領域である。５０２は、ＩＴＥＭキーを構成する項目をリスト表示するＩＴＥＭキー表示領域である。５０３は、反復キーを構成する項目をリスト表示する反復キー表示領域である。

ユーザは、レコード識別キー表示領域５０１中の任意の項目を選択して、キー５０４及び５０５を操作することによって、その選択した項目をＩＴＥＭキー表示領域５０２及び反復キー表示領域５０３それぞれに追加することができる。一方で、ＩＴＥＭキー表示領域５０２あるいは反復キー表示領域５０３中の任意の項目を選択して、キー５０４及び５０５を操作することで、その選択した項目をＩＴＥＭキー若しくは反復キーを構成する項目から除外することも可能である。

そして、ＯＫボタン５０６を操作すると、ＩＴＥＭキー表示領域５０２及び反復キー表示領域５０３に設定されている項目に従って、レコード識別キーを構成する各項目がＩＴＥＭ軸と反復軸のどちらかに分割され、各ＩＴＥＭ軸と反復軸のレコード数及び種類数を算出する。

一方、キャンセルボタン５０７を操作すると、レコード識別キー分割画面５００での設定項目がキャンセルされ、レコード識別キー分割画面５００の表示が消去される。

尚、レコード数及び種類数は、履歴データ中のレコードを入力変数とする、図６に例示するＳＱＬ文等のデータベース言語により算出することが可能である。

レコード識別キー分割画面５００より得られる分割指示内容のＩＴＥＭ軸項目、反復軸項目と、その分割結果は、算出データ１０２ｂの新規レコードとして、データ管理部１０２に保存される。

ここで、算出データ１０２ｂの一例について、図７を用いて説明する。

図７は本発明の実施形態１の算出データの一例を示す図である。

図７では、算出データ１０２のデータ例として、各項目値が制御部１０１内の各機能（レコード識別キー分割部１０１ａ、種類数集計部１０１ｂ、グラフ化（図式情報作成部）部１０１ｃ）の内のどの機能によって出力されているかを示している。

図中の１行目は項目名を示し、２行目は項目に対応する値を示している。

図５のレコード識別キー分割画面５００による分割指示を実行した場合、分割指示内容は「ＩＴＥＭ軸」及び「反復軸」項目それぞれに、「地域名、支店名、会員名」及び「年、月」というように保存される。また、分割結果は「レコード数」、「ＩＴＥＭ軸種類数」及び「反復軸種類数」項目それぞれに、「１１」、「３」及び「６」というように保存される。

図３の説明に戻る。

レコード識別キー分割処理が終了すると、ステップＳ１０３で、種類数集計部１０１ｂによって、種類数集計処理を実行する。種類数集計処理は、履歴データ１０２ａと、レコード識別キー分割処理により保存された算出データ１０２ｂのレコードを入力として、そのレコードの集計結果の値をもとにソートして、算出データ１０２ｂ（図７）の同一レコードの「ＩＴＥＭ軸項目別反復数」、「反復軸項目別ＩＴＥＭ数」項目へ保存する。

ここで、種類数集計処理の具体例について、図８を用いて説明する。

図８は本発明の実施形態１の種類数集計処理の具体例を説明するための図である。

図８はＩＴＥＭ軸項目を縦軸、反復軸項目を横軸とした場合の、各軸に対応するレコードの有無を「１」と「０」で表現している。ＩＴＥＭ軸項目別反復数、反復軸項目別ＩＴＥＭ数とは、縦横軸項目別に「１」（レコード有り）を合計した値（合計値）である。そして、この合計値に基づいて、各項目の降順ソートを行う。集計処理及びソート処理としては、例えば、図９に示すＳＱＬ文等のデータベース言語により実現することが可能である。

尚、この合計値は、換言すれば、各軸の項目の値において、実際にレコードが存在する項目の値の種類数（レコードの種類数）を示す値となる。また、ソート処理によって項目の降順ソートを行うことは、各軸のスケールが、項目の値の内、降順の値で配置されることになるので、項目の値の分布状況をより容易に視認することが可能となる。また、ソート処理は、降順ソートに限定されるものではなく、昇順ソートであっても良い。

図３の説明に戻る。

種類数集計処理が終了すると、ステップＳ１０４で、グラフ化部１０１ｃによって、グラフ化処理を実行する。グラフ化処理は、種類数集計処理によって保存された算出データ１０２ｂのレコードを入力とし、処理結果を算出データ１０２ｂの同一レコードへ出力する。

そして、ステップＳ１０５で、グラフ化処理により算出された算出データ１０２ｂに基づいて、相対密度分布グラフを表示する。

次に、ステップＳ１０４のグラフ化処理の詳細フローについて、図１０を用いて説明する。

＜グラフ化処理の詳細処理フロー＞
図１０は本発明の実施形態１のステップＳ１０４のグラフ化処理の詳細フローを示すフローチャートである。

まず、ステップＳ２０１で、算出データ１０２ｂに対する面積比率を算出し、その算出結果をデータ管理部１０２に保存する。この面積比率は、例えば、下記計算式により算出される。

ここで、分子は、実際に観測されたレコード数を示している。また、分母は、レコード識別キーの一意性の性質より、ＩＴＥＭ軸、反復軸の２軸において観測（記録）が可能な最大のレコード数を示している。このことから、面積比率は、理論的に観測が可能なレコード数（理論レコード数）に対する、実際に観測されたレコード数（実測レコード数）の比率（レコードの密度情報）を意味している。つまり、面積比率は、観測の充足状態または欠損状態を定量化した指標である。

次に、ステップＳ２０２で、ＩＴＥＭ軸、反復軸の相対比率を算出し、その算出結果をデータ管理部１０２に保存する。

ここで、ＩＴＥＭ軸相対比率とは、各観測対象に対して、最大観測回数の内、何回観測が行われたかを示す指標である。また、同様に、反復軸相対比率とは、観測回数毎に、全観測対象の内、どれだけ観測を行ったかを示す指標である。ＩＴＥＭ軸相対比率及び反復軸相対比率は、下記計算式により算出する。

ここで、ｉはＩＴＥＭ軸項目を一意に表す番号、ｍはＩＴＥＭ軸項目数である。同様に、ｊは反復軸項目番号、ｎは反復軸項目数である。

ＩＲ_iは、ＩＴＥＭ軸項目ｉに対するＩＴＥＭ軸相対比率、ＲＲ_jは反復軸項目ｊに対する反復軸相対比率を示している。また、Ｉ_iはＩＴＥＭ軸項目ｉに対するＩＴＥＭ軸項目別反復数、Ｒ_jは反復軸項目ｊに対する反復軸項目別ＩＴＥＭ数を示している。

次に、ステップＳ２０３で、ＩＴＭＥ軸及び反復軸の標準偏差を算出し、その算出結果をデータ管理部１０２に保存する。

ここで、ＩＴＥＭ軸標準偏差及び反復軸標準偏差とは、各軸の相対比率のバラツキを示す指標であり、例えば、下記計算式により算出する。

ここで、ＩＳ及びＲＳは、それぞれＩＴＥＭ軸標準偏差、反復軸標準偏差を示している。また、Ａ（ＩＲ）及びＡ（ＲＲ）は、それぞれＩＴＥＭ軸相対比率の平均値、反復軸相対比率の平均値を示している。

以上のようにして、算出した面積比率、ＩＴＥＭ軸相対比率、反復軸相対比率、ＩＴＥＭ軸標準偏差、反復軸標準偏差は、算出データ１０２ｂ（図７）として逐次データ管理部１０２に保存される。

次に、相対密度分布グラフの一例について、図１１を用いて説明する。

図１１は本発明の実施形態１の相対密度分布グラフの一例を示す図である。

相対密度分布グラフとは、図１１に示すように、ＩＴＥＭ軸と反復軸の相対比率を示す棒グラフ、面積比率、ＩＴＥＭ軸及び反復軸の標準偏差に基づいて得られるグラフ（図式情報）である。

相対比率を示す棒グラフは、ＩＴＥＭ軸、反復軸に分けてグラフ化することにより、視覚的容易に相対的な充足情報、欠損情報をユーザに提示することが可能となる。

棒グラフ描画部（図中の黒い部分）及び面積比率は、履歴データの密度を可視化したものであり、データの質をユーザに提示することが可能である。全ＩＴＥＭ項目が毎回観測されていれば、棒グラフ描画部は正方形（面積比率＝１）となる。

標準偏差は、履歴データの均質性を測る指標となる。均質性からの乖離（標準偏差値が大）は、例外的な特異値の存在を示すことになる。より詳しくは、この標準偏差（あるいは分散）は、２つの相対密度分布グラフ毎に、縦軸を母集団とする変動を表す指標となる。

指標の値の単位は、２つの相対密度分布グラフで値を比較することが目的にあるので、縦軸の単位を、２つの相対密度分布グラフ間で整合性を図る必要ある。そこで、実施形態１では、相対密度分布グラフ毎に縦軸で、理論的な最大値を基準とした相対比へ変換した値に対して、変動量を算出する。

尚、理論的な最大値とは、横軸がＩＴＥＭ軸の場合では、縦軸が反復軸を意味するので、反復軸の全集合の種類数を基準値とする。また、変動量を算出する元になる縦軸の値とは、横軸の個々の値に対する種類数を理論的最大値で相対化したものである。

また、実施形態１では、相対密度分布グラフとして、ＩＴＥＭ軸と、反復軸の２軸から構成される２次元グラフの座標系としているが、これに限定されない。例えば、レコードの出現回数を示す出現回数軸を更に定義して、ＩＴＥＭ軸と、反復軸及び出現回数軸の３軸から構成される３次元グラフの座標系としても良い。

尚、図式情報としては、ユーザに対して情報を効果的に提供できる手法であればグラフに限らず、例えば、表形式のデータ等を用いても勿論かまわない。

以上説明したように、実施形態１によれば、履歴データに対して、ＩＴＥＭ軸、反復軸の２軸に分割して、各軸に関する情報（評価情報）をグラフ化して表示する。これにより、分析者は容易にデータ件数の構成を把握することが可能となる。また、情報の欠損状況が少なくともグラフ化されて可視化されるため、分析対象とするデータの質を素早く判断することが可能となる。

＜実施形態２＞
実施形態１では、処理対象のデータが履歴データである場合の処理結果を効果的に提示する構成について説明した。

これに対し、実施形態２では、処理対象のデータとして、多数の属性を有する多次元データの中にある関係をルールとして抽出するデータマイニングを実施する上で、分析者がデータマイニングより抽出されたルールが意味するところの把握が難しいという課題に対して、その把握をより容易に可能にする処理結果を提示する構成について説明する。

まず、実施形態２の情報処理装置の機能構成について、図１２を用いて説明する。

図１２は本発明の実施形態２の情報処理装置の機能構成を示す図である。

実施形態２では、処理対象のデータセットが履歴データである場合と、履歴データでない場合の２種類のデータセットに対する機能構成を有している。

特に、図１２（ａ）は、処理対象のデータセットが履歴データでない場合の機能構成を示している。これは、データセットが、欠損値の比率が高いためにデータマイニングに使用できない属性や、データマイニングの説明変数には使用しないが結果を解釈する上で参考にしたいような属性等、任意の属性に関する情報を処理結果として表示する構成の一例を示している。

図１２（ａ）において、入出力部２００、制御部２０１及びデータ管理部２０２は、実施形態１の図１Ａの入出力部１００、制御部１０１及びデータ管理部１０２に対応する。

制御部２０１は、入出力部２００よりユーザの操作指示を受信し、指示内容に応じて、基準ノード指定部２０１ａ、単属性情報算出部２０１ｂ、複数属性情報算出部２０１ｃ及び結果表示部２０１ｄを実行する。

データ管理部２０２は、データセット２０２ａ、データマイニング結果データ２０２ｂ、属性情報データ２０２ｃを管理する。

データマイニング部２０３は、データセット２０２ａに対して、データマイニングを実行する。

一方、図１２（ｂ）は、処理対象のデータセットが履歴データである場合の機能構成を示している。これは、データセットが履歴データである場合のデータマイニング結果に対して、データマイニング結果として得られる各ノードに含まれるデータ件数をＩＴＥＭ軸、反復軸により把握したい場合にも対応できる構成の一例を示している。

図１２（ｂ）では、図１２（ａ）の構成に加えて、実施形態１で説明した相対密度分布グラフを生成するための構成を備えている。

つまり、図１２（ｂ）では、制御部２０１に、相対密度分布グラフ表示部２０４を備えている。そして、この相対密度分布グラフ表示部２０４は、レコード識別キー分割部２０４ａ、種類数集計部２０４ｂ及びグラフ化部２０４ｃを備えていて、これらはそれぞれ、実施形態１の図１Ａのレコード識別キー分割部１０１ａ、種類数集計部１０１ｂ及びグラフ化部１０１ｃに対応する。更に、データ管理部２０２に、図１２（ａ）の構成に加えて、算出データ２０２ｄを備えていて、これは、実施形態１の図１Ａの算出データ１０２ｂに対応する。

尚、実施形態２の情報処理装置のハードウェア構成は、実施形態１の図１Ｂと同様であるので、ここでは、その説明を省略する。

次に、データマイニング２０３が実行するデータマイニングの処理フローについて、図１３を用いて説明する。

＜データマイニングの処理フロー＞
図１３は本発明の実施形態２のデータマイニングの処理フローを示すフローチャートである。この処理は、図１２に示す制御部２０１によって行われるものである。

ステップＳ３０１で、制御部２０１は、ユーザからの操作指示を入出力部２００から受信すると、データ管理部２０２より分析対象とするデータセット２０２ａを取得する。ここで、データセットとは、データマイニング向けに加工が施されたデータレコードの集合を指す。

ステップＳ３０２で、データマイニング部２０３は、データマイニングモデル（使用する決定木等の分析ロジックや目的変数、説明変数等の定義情報）を設定する。次に、ステップＳ３０３で、取得したデータセット２０２ａに対して、データマイニングを実行する。次に、ステップＳ３０４で、データマイニング結果を、制御部２０１により入出力部２００で表示する。

ステップＳ３０５で、表示したデータマイニング結果に対する妥当性の有無の指示入力を待機する。妥当性がないという指示入力がある場合（ステップＳ３０５でＮＯ）、ステップＳ３０２に戻り、新規説明変数の採用、目的変数の変更等を実行して、データマイニングモデルを再設定し、再度、データマイニングを実行する。

一方、妥当性があるという指示入力がある場合（ステップＳ３０５でＹＥＳ）、処理を終了する。

尚、ここで、妥当性の有無は、データセット及びデータマイニングモデルから導出されるデータマイニング結果が、分析者にとって理解し得るかどうかを指すものである。

次に、データマイニング結果の一例について、図１４を用いて説明する。

＜データマイニング結果の説明＞
図１４は本発明の実施形態２のデータマイニング結果の一例を示す図である。

尚、実施形態２で想定するデータマイニングは、分析者がデータの背景にある規則性を理解しやすいという特徴を有する決定木または回帰木（以下、決定木と呼ぶ）を用いる場合を例に挙げて説明する。

決定木により導出されたデータマイニング結果の構造について説明する。一般的に導出されたデータマイニング結果は、図１４に示す階層構造をもつ形で表すことができる。

最上位にあるノードをルートノード（図中、ノード０）と呼び、このノードに分析対象全体のデータが含まれている。ルートノードに対して、分析対象の属性群の中より抽出された、ある属性とその属性の値の条件で表される分岐条件により、２つ以上のノードに分割される（図中、ノード１、ノード２）。

分割された各ノードに対しても、同様に属性とその値の条件からなる分岐条件で分割し、これを多段階に繰り返し、それ以上分割を行なわないノードをリーフノードとする（図中、ノード２、３、４）階層構造で表すことができる。

ここで、ノードの上位ノードを親ノード、下位ノードを子ノードと呼ぶ。各ノードを識別するためにノードＩＤが付加される。データマイニング結果は、図１５に示すように、全ノードに対してノード別に保存されている。保存項目としては、ノードＩＤと、対応する親ノードＩＤ、分割の条件である分岐条件、ノード内のデータ件数を表すサポートなどが保存される。

従来技術では、データマイニング結果を上述の階層構造として表示させるか、あるいは、階層構造と等価の情報をもつＩＦＴＨＥＮルールの表示に基づく結果解釈が行われている。これに対して、実施形態２では、従来の方法だけでは結果解釈が難しいという課題に対して、階層構造の表示に加え、さらに多くの情報を分析者へ提供することを目的としている。

そこで、実施形態２が実行する処理の全体処理フローについて、図１６を用いて説明する。

＜全体処理フロー＞
図１６は本発明の実施形態２が実行する処理の全体処理フローを示すフローチャートである。

尚、図１６では、処理対象のデータセットが履歴データであるか否かに応じて、その処理内容を異ならせている。データセットが履歴データでない場合は、図１２（ａ）の構成によって、ステップＳ４０２〜ステップＳ４１０の処理を実行する。一方、データセットが履歴データである場合は、図１２（ｂ）の構成によって、ステップＳ４１１〜ステップＳ４２０の処理を実行する。

また、データマイニング部２０３によるデータマイニング結果２０２ｂが既に得られているとする。

ステップＳ４０１で、処理対象のデータセット２０２ａが履歴データであるか否かを判定する。履歴データである場合（ステップＳ４０１でＹＥＳ）、ステップＳ４１１に進む。一方、履歴データでない場合（ステップＳ４０１でＮＯ）、ステップＳ４０２に進む。

尚、データセットが履歴データであるか否かの判定は、例えば、ユーザが入出力部１００から明示的にそれを示す情報を入力しても良いし、データセットの内容を解析して、システムが自動的に判定しても良い。ここで、データセットが履歴データである場合の構成例を図１７に示す。特に、図１７では、データマイニング結果データに履歴データが含まれている状態のデータセットの例を示している。

まず、処理対象のデータセット２０２ａが履歴データでない場合の処理について、以下に説明する。

＜データセットが履歴データでない場合の処理＞
ステップＳ４０１で、処理対象のデータセット２０２ａが履歴データでない場合（ステップＳ４０１でＮＯ）、ステップＳ４０２で、基準ノード指定部２０１ａによって、基準ノード指定処理を実行する。これは、例えば、基準ノード指定画面を入出力部２００に出力して、その画面を介する指示入力に基づいて、基準ノード指定処理を実行する。

ここで、基準ノード指定画面の一例について、図１８を用いて説明する。

図１８は本発明の実施形態２の基準ノード指定画面の一例を示す図である。

この基準ノード指定画面１７００は、基準ノード及び特定属性の指定を行うための画面である。

ここで、基準ノードとは、図１４に示す階層構造の内、リーフノードでないノードに対して指定可能であり、後述する各算出値の基準値となるノードである。また、特定属性とは、主にデータマイニングの説明変数としては使用されていないが、結果解釈のために重要な役割を果たすと推測される属性項目である。しかし、これに限定されるものではなくデータマイニングに使用した説明変数を用いても良い。

特定属性の数は、一つ以上の設定を行うことができるが、複数を指定する場合には、特定属性のデータ型はカテゴリ型のみが選択可能である。

ここで、１７０１は、基準ノード指定コントロールであり、例えば、プルダウンメニューで構成される。１７０２は、特定属性の種類を指定するためのラジオボタンであり、ここでは、単属性と複数属性のどちらかが選択可能に構成されている。

１７０３は、特定属性となる各属性候補をリスト表示する候補表示領域である。１７０５は、指定された特定属性をリスト表示する特定属性表示領域である。

ユーザは、候補表示領域１７０３中の任意の項目を選択して、キー１７０４を操作することによって、その項目を特定属性表示領域１７０５に追加することができる。一方で、特定属性表示領域１７０５中の任意の項目を選択して、キー１７０４を操作することで、その項目を候補表示領域１７０３に戻すことも可能である。

そして、ＯＫボタン１７０６を操作すると、プルダウンメニュー１７０１、ラジオボタン１７０２及び特定属性表示領域１７０５に設定されている項目を示す値が保存される。一方、キャンセルボタン１７０７を操作すると、基準ノード指定画面１７００での設定項目がキャンセルされ、基準ノード指定画面１７００の表示が消去される。

図１６の説明に戻る。

ステップＳ４０３で、特定属性が単属性であるか否かを判定する。特定属性が単属性でない場合（ステップＳ４０３でＮＯ）、つまり、複数属性である場合、ステップＳ４０６に進む。一方、特定属性が単属性である場合（ステップＳ４０３でＹＥＳ）、ステップＳ４０４に進む。

特定属性が１つ指定された場合（単属性）、ステップＳ４０４で、単属性情報算出部２０１ｂによって、初めに、ノード内特定属性の度数、分配率、ノード内密度を算出する。これは、基準ノードより下位にある全てのノードに対して、度数、分配率、ノード内密度を算出する。

度数とは、ノード内に含まれているレコードに対応する特定属性の値が有効であるデータ数（以下、有効データ数と呼ぶ）である。また、分配率は、基準ノードにおける特定属性の有効データ数を基準とした場合の各ノード（基準ノードより下位階層の各ノード）における特定属性の有効データ数の比率である。更に、ノード内密度は、基準ノードより下位階層の各ノードにおける特定属性のレコード数を基準とした各ノードの特定属性の有効データ数の比率を表している。

各指標は以下の計算式により算出する。

ここで、ｉはノード番号、αは基準ノードのノード番号である。Ｄ_iは、ノードｉにおける特性属性の有効データ数、Ｓ_iはノードｉに含まれるレコード数を示している。また、ＢＲ_i及びＭＲ_iは、それぞれノードｉにおける分配率、ノード内密度を示している。度数Ｄ_iは、ＳＱＬ文等のデータベース言語により取得可能である。

これらの算出結果は、図１９に示す属性情報データの「ノードＩＤ」、「基準ノード」に対応する「度数」、「分配率」、「ノード内密度」に保存する。

次に、ステップＳ４０５で、特定属性のデータ型を判定する。

ここで判定するデータ型は、レコードの有無（有効／無効）を示すフラグ型（２値の値を示すデータ型）、名義尺度情報を示すカテゴリ型（多値の値を示すデータ型）、数値情報を示す連続型に分類する。

データ型がフラグ型である場合（単属性フラグ型）、ステップＳ４０９で、処理対象のデータを属性情報データ２０２ｃとしてデータ管理部２０２に保存する。

データ型がカテゴリ型である場合（単属性カテゴリ型）、ステップＳ４０７に進み、ノード別にカテゴリ値及びカテゴリ値毎の度数を算出する。そして、ステップＳ４０９で、その算出結果を属性情報データ２０２ｃとしてデータ管理部２０２に保存する。

データ型が連続型である場合（単属性連続型）、ステップＳ４０８に進み、統計値（最小値、２５％分位点、中央値、７５％分位点、最大値、はずれ値等）を算出する。そして、ステップＳ４０９で、その算出結果を属性情報データ２０２ｃとしてデータ管理部２０２に保存する。

一方、ステップＳ４０３において、特定属性が複数（２つ以上）指定された場合（複数属性）、ステップＳ４０６に進み、複数属性情報算出部２０１ｃによって、複数属性情報算出処理を実行する。

上述のように、複数の特定属性の場合に指定が可能なのはカテゴリ型の属性のみである。ここで、指定された特定属性をＳＶ₁，ＳＶ₂，．．．ＳＶ_mとすると、複数属性情報算出処理は各ノード内に含まれているレコードに対して、特定属性毎にカテゴリの値の種類数Ｃ_iＳＶ_mをＳＱＬ等のデータベース言語を用いて取得し、下記の計算式によりノードｉの特定属性ＳＶ_mに対する出現種類数比率ＮＲ_i（ＳＶ_m）を算出する。

ここで、出現種類数比率とは、ノード内の特定属性毎の種類数の出現比率を測る指標である。これは、各ノード間で比較することにより、特定属性の種類数の加減情報をユーザに提供することができる。そして、ステップＳ４０９で、その算出結果は、属性情報データ２０２ｃとしてデータ管理部２０２に保存する。

そして、ステップＳ４１０で、結果表示部２０１ｄによって、結果表示処理を実行する。ここでは、データマイニング結果データ２０２ｂと、ステップＳ４０９で保存された属性情報データ２０２ｃに基づく特定属性情報を、処理結果（結果表示ビューア）として表示する。

ここで、結果表示ビューアの一例について、図２０を用いて説明する。

＜結果表示ビューアの説明（データセットが履歴データでない場合）＞
図２０は本発明の実施形態２の結果表示ビューアの一例を示す図である。

結果表示部２０１ｄによって生成される結果表示ビューア２０００は、データマイニング結果２０２ｄの表示領域であるデータマイニング結果表示部２００１と、属性情報データ２０２ｃに基づく属性情報の表示領域である属性情報表示部２００２を構成している。

データマイニング結果表示部２００１では、データ管理部２０２に保存されているデータマイニング結果データ２０２ｂに基づいて、図１４に示す、階層構造を有するデータマイニング結果を表示する。

属性情報表示部２００２では、データマイニング結果表示部２００１に表示されるノード群から、任意のノードを指定することで、そのノードに対応する特定属性情報（属性情報データ２０２ｃ）を選択的に切り替えて表示することが可能である。但し、この指定は、基準ノード以下のノードに限定されることが好ましい。

例えば、図中では、ノード１が基準ノードとして指定されているため、この場合、ノード０、ノード２の特定属性情報は表示されない。また、ノードの指定は、１つに限定されるものではなく、複数の任意のノードを指定可能とする構成にしても良い。この場合、その指定された複数のノードそれぞれに対応する特定属性情報を、属性情報表示部２００２内に識別可能に（例えば、複数の領域に分割して、あるいは色分けして）表示する。あるいは、各特定属性情報を別画面（ウインドウ）として表示しても良い。

属性情報表示部２００２では、単属性フラグ型、単属性カテゴリ型、単属性連続型、もしくは複数属性の４種類それぞれの属性情報を表示することが可能である。

単属性フラグ型の場合は、特定属性のノード内度数、分配率、ノード内密度を表示する。尚、図２０の属性情報表示部２００２の表示内容は、単属性フラグ型の場合の表示例を示している。

単属性カテゴリ型の場合は、図中、表示例２００３に示すように、単属性フラグ型の特定情報２００３ａに加え、カテゴリ値毎の度数を示すグラフ２００３ｂを表示する。

単属性連続型の場合は、図中、表示例２００４に示すように、単属性フラグ型の特定情報２００４ａに加え、連続値に基づくヒストグラム２００４ｂや、算出統計量（平均値、中央値、最頻値、分散、標準偏差、分位点、異常値判定値等）に基づく箱ヒゲ図２００４ｃ等のデータ値の分布情報を表示する。尚、箱ヒゲ図２００４ｃの詳細は、図２１に示す通りである。

複数属性の場合は、図中、表示例２００５に示すように、基準ノードを基準とする特定属性毎の種類数の出現比率、種類数及び出現比率に基づくグラフ（図式情報）を表示する。

尚、図式情報としては、ユーザに対して情報を効果的に提供できる手法であればグラフに限らず、例えば表形式のデータ等を用いても勿論かまわない。

このように、結果表示ビューア２０００では、データマイニング結果とあわせて、特定属性情報を表示することで、従来技術と比較してより多くの有益な情報（評価情報）をユーザに効果的に提供し、妥当性評価を効率的かつ効果的に行うことができる。

特に、実施形態２では、データマイニング結果と、そのデータマイニング結果中の注目するノードの特定属性情報を対比して表示することで、ユーザは、一度に、データマイニング結果とし、目的とするノードの特定属性情報を容易に検証することができる。

＜データセットが履歴データである場合の処理＞
次に、処理対象のデータセット２０２ａが履歴データである場合の処理について、以下に説明する。

ステップＳ４０１で、処理対象のデータセット２０２ａが履歴データである場合（ステップＳ４０１でＹＥＳ）、ステップＳ４１１で、相対密度分布グラフ表示部２０４によって、相対密度分布グラフ表示処理を実行する。尚、相対密度分布グラフ表示処理は、実施形態１の図３で説明した通りである。この処理が終了すると、その処理結果が算出データ２０２ｄとしてデータ管理部２０２に保存される。

その後、ステップＳ４１２以降の処理が実行される。尚、ステップＳ４１２〜ステップＳ４１９の処理は、データセットが履歴データでない場合における、上述のステップＳ４０２〜ステップＳ４０９に対応するので、その説明は省略する。

そして、ステップＳ４２０で、結果表示部２０１ｄによって、結果表示処理を実行する。ここでは、データマイニング結果データ２０２ｂと、ステップＳ４１９で保存された属性情報データ２０２ｃに基づく特定属性情報と、算出データ２０２ｄによって得られる相対密度分布グラフを、処理結果（結果表示ビューア）として表示する。

ここで、結果表示ビューアの一例について、図２２を用いて説明する。

＜結果表示ビューアの説明（データセットが履歴データである場合）＞
図２２は本発明の実施形態２の結果表示ビューアの一例を示す図である。

結果表示部２０１ｄによって生成される結果表示ビューア２２００は、図２０のデータマイニング結果表示部２００１及び属性情報表示部２００２それぞれに対応するデータマイニング結果表示部２２０１及び属性情報表示部２２０２に加え、相対密度分布グラフ表示部２２０３を構成している。

相対密度分布グラフ表示部２２０３では、データマイニング結果表示部２２０１から指定された任意のノードに対応する相対密度分布グラフを選択的に切り替えて表示することが可能である。指定対象となるノードは、データマイニング結果表示部２２０１に表示される全てのノードが対象となる。

このように、結果表示ビューア２２００では、相対密度分布グラフにより、ユーザは、ルールが示す規則性について正確な妥当性を評価することができる。

尚、結果表示ビューア２２００では、データマイニング結果表示部２２０１及び属性情報表示部２２０２及び相対密度分布グラフ表示部２２０３を構成している場合を説明しているが、これに限定されない。

例えば、結果表示ビューア２２００では、データマイニング結果表示部２２０１と相対密度分布グラフ表示部２２０３だけを構成するようにしても良い。つまり、用途や目的によっては、属性情報表示部２２０２が不要の場合も考えられる。従って、そのような場合には、属性情報表示部２２０２で表示するための属性情報データを生成する処理（ステップＳ４１２〜ステップＳ４１９）を省略することになる。

次に、この結果表示ビューア２２００の解釈例について、図２３を用いて説明する。

図２３は本発明の実施形態２の結果表示ビューアの解釈例を説明するための図である。

尚、ここでは、結果表示ビューア２２００において、データマイニング結果表示部２２０１と、相対密度分布グラフ表示部２２０３の解釈例について説明する。

また、図２３では、データセットが履歴データである場合の処理結果例で説明する。その前提として、履歴データは、そのＩＴＥＭ軸が顧客、その反復軸が利用日であるとする。更に、処理目的としては、例えば、カード会社Ａが、会員である顧客に対して当月利用金額（カテゴリ値として、大、中、小）を目的変数として、データマイニングを実行した場合の処理結果の妥当性を評価することである。

図２３（ａ）は、顧客（ＩＴＥＭ軸）と利用日（反復軸）をレコード識別キーとして構成される履歴データに対して、目的変数を「当月利用金額」とした場合において、結果表示ビューア２２００のデータマイニング結果表示部２２０１に表示されるデータマイニング結果を示している。このデータマイニング結果では、各ノード（ノード０〜ノード１）間における目的変数の構成比や度数の推移、また、分岐条件としてどの説明変数が採用されたか等の情報を得ることができる。

ここで、ノード０は、データセット全体に係るデータマイニング結果である。また、ノード１は、販促活動を実施しなかった場合のデータマイニング結果である。更に、ノード２は、販促活動を実施した場合のデータマイニング結果である。

そして、実施形態２では、さらに、結果表示ビューア２２００の相対密度分布グラフ表示部２２０３に、注目ノード（指定ノード）に対応する図２３（ｂ）に示す相対密度分布グラフ（ノード０〜ノード２のいずれか）を同時に表示する。これにより、各ノードにおけるレコード識別キーの量（面積率）及び質（グラフ形状、標準偏差）に関する情報を得ることが可能である。

図２３（ａ）で特徴が現れていたノード２に対応する相対密度分布グラフを見ると、他ノードと比べ面積率、グラフ形状ともに特徴があることが視覚的にわかる。面積率からはノード内のレコード識別キーの充足率を得ることができ、グラフ形状及び標準偏差は特定のＩＴＥＭ軸項目（顧客）に特徴があり、反復軸（利用日）には大きな特徴がないことを示している。

具体的には、ノード２に対する相対密度分布グラフでは、ＩＴＥＭ軸の一部たけ充足率が高い。これは、特定の顧客は、販促活動対象日の利用率が高いことを示している。また、反復軸はデータのバラツキが少ない。これは、販促活動時期に利用する顧客数は安定していることを示している。

以上のことから、販促活動を実施した場合は、特定の顧客に対して、その効果が得られ、販促活動の時期に依存しないで、利用顧客数が一定であることが評価することができる。

以上説明したように、実施形態２によれば、データマイニング結果に対して、データマイニング対象とすることができない属性の情報についても、参考情報としてデータマイニング結果と同時に表示することで、分析者による質の高いルール解釈（判断間違いが低下≒重要ルールの見逃し防止、あるいは無用なルールの採用防止）に関する情報を提供することが可能となる。

また、履歴データを対象とするデータマイニング結果の表示については、ルールに含まれるデータレコードを、総数ではなく、ＩＴＥＭ軸、反復軸の２軸で情報を表示する。そのため、分析者がルールを解釈する上で、どちらの軸により着目すべきかを判断することができる。従って、ルールが示す規則性について、正しく解釈することが可能となる情報提供を実現することができる。

以上、実施形態例を詳述したが、本発明は、例えば、システム、装置、方法、プログラムもしくは記憶媒体等としての実施態様をとることが可能であり、具体的には、複数の機器から構成されるシステムに適用しても良いし、また、一つの機器からなる装置に適用しても良い。

尚、本発明は、前述した実施形態の機能を実現するソフトウェアのプログラム（実施形態では図に示すフローチャートに対応したプログラム）を、システムあるいは装置に直接あるいは遠隔から供給し、そのシステムあるいは装置のコンピュータが該供給されたプログラムコードを読み出して実行することによっても達成される場合を含む。

従って、本発明の機能処理をコンピュータで実現するために、該コンピュータにインストールされるプログラムコード自体も本発明を実現するものである。つまり、本発明は、本発明の機能処理を実現するためのコンピュータプログラム自体も含まれる。

その場合、プログラムの機能を有していれば、オブジェクトコード、インタプリタにより実行されるプログラム、ＯＳに供給するスクリプトデータ等の形態であっても良い。

プログラムを供給するための記録媒体としては、例えば、フロッピー（登録商標）ディスク、ハードディスク、光ディスク、光磁気ディスク、ＭＯ、ＣＤ−ＲＯＭ、ＣＤ−Ｒ、ＣＤ−ＲＷ、磁気テープ、不揮発性のメモリカード、ＲＯＭ、ＤＶＤ（ＤＶＤ−ＲＯＭ，ＤＶＤ−Ｒ）などがある。

その他、プログラムの供給方法としては、クライアントコンピュータのブラウザを用いてインターネットのホームページに接続し、該ホームページから本発明のコンピュータプログラムそのもの、もしくは圧縮され自動インストール機能を含むファイルをハードディスク等の記録媒体にダウンロードすることによっても供給できる。また、本発明のプログラムを構成するプログラムコードを複数のファイルに分割し、それぞれのファイルを異なるホームページからダウンロードすることによっても実現可能である。つまり、本発明の機能処理をコンピュータで実現するためのプログラムファイルを複数のユーザに対してダウンロードさせるＷＷＷサーバも、本発明に含まれるものである。

また、本発明のプログラムを暗号化してＣＤ−ＲＯＭ等の記憶媒体に格納してユーザに配布し、所定の条件をクリアしたユーザに対し、インターネットを介してホームページから暗号化を解く鍵情報をダウンロードさせ、その鍵情報を使用することにより暗号化されたプログラムを実行してコンピュータにインストールさせて実現することも可能である。

また、コンピュータが、読み出したプログラムを実行することによって、前述した実施形態の機能が実現される他、そのプログラムの指示に基づき、コンピュータ上で稼動しているＯＳなどが、実際の処理の一部または全部を行い、その処理によっても前述した実施形態の機能が実現され得る。

さらに、記録媒体から読み出されたプログラムが、コンピュータに挿入された機能拡張ボードやコンピュータに接続された機能拡張ユニットに備わるメモリに書き込まれた後、そのプログラムの指示に基づき、その機能拡張ボードや機能拡張ユニットに備わるＣＰＵなどが実際の処理の一部または全部を行い、その処理によっても前述した実施形態の機能が実現される。

本発明の実施形態１の情報処理装置の機能構成を示す図である。本発明の実施形態１の情報処理装置のハードウェア構成を示す図である。本発明の実施形態１の制御部内の各機能と、履歴データ及び算出データの入出力関係を示す図である。本発明の実施形態１が実行する処理の全体処理フローを示すフローチャートである。本発明の実施形態１の履歴データの一例を示す図である。本発明の実施形態１のレコード識別キー分割画面の一例を示す図である。本発明の実施形態１のレコード数及び種類数の算出例を説明するための図である。本発明の実施形態１の算出データの一例を示す図である。本発明の実施形態１の種類数集計処理の具体例を説明するための図である。本発明の実施形態１の集計処理及びソート処理の実現例を説明するための図である。本発明の実施形態１のステップＳ１０４のグラフ化処理の詳細フローを示すフローチャートである。本発明の実施形態１の相対密度分布グラフの一例を示す図である。本発明の実施形態２の情報処理装置の機能構成を示す図である。本発明の実施形態２のデータマイニングの処理フローを示すフローチャートである。本発明の実施形態２のデータマイニング結果の一例を示す図である。本発明の実施形態２のデータマイニング結果のデータ構成例を示す図である。本発明の実施形態２が実行する処理の全体処理フローを示すフローチャートである。本発明の実施形態２のデータセットの一例を示す図である。本発明の実施形態２の基準ノード指定画面の一例を示す図である。本発明の実施形態２の属性情報データの一例を示す図である。本発明の実施形態２の結果表示ビューアの一例を示す図である。本発明の実施形態２の箱ヒゲ図の詳細を示す図である。本発明の実施形態２の結果表示ビューアの一例を示す図である。本発明の実施形態２の結果表示ビューアの解釈例を説明するための図である。

符号の説明

１００入出力部
１０１制御部
１０１ａレコード識別キー分割部
１０１ｂ種類数集計部
１０１ｃグラフ化部
１０２データ管理部
１０２ａ履歴データ
１０２ｂ算出データ

Claims

１レコードが複数のデータ項目からなるデータのデータ集合に対し、前記データ集合に関する評価情報を生成して出力装置に出力する情報処理装置であって、
前記データを一意に識別するためのデータ項目のうち、前記データの観測対象を識別するためのデータ項目であるＩＴＥＭ軸項目、及び、前記データの観測時期や回数を識別するためのデータ項目である反復軸項目を指定する第１の指定手段と、
前記データ集合中の、前記ＩＴＥＭ軸項目のデータの種類、前記反復軸項目のデータの種類及びそれらの種類数を集計する第１の集計手段と、
前記第１の集計手段で集計したＩＴＥＭ軸項目のデータ種類ごとに、前記反復軸項目データの存在する種類数であるＩＴＥＭ軸項目別反復数を集計し、且つ、前記反復軸項目のデータ種類ごとに、前記ＩＴＥＭ軸項目データの存在する種類数である反復軸項目別ＩＴＥＭ数を集計する第２の集計手段と、
前記第１の集計手段で集計したＩＴＥＭ軸項目のデータ種類数と反復軸項目のデータ種類数とを用いて算出される理論レコード数、及び、前記第２の集計手段で集計した前記ＩＴＥＭ軸項目別反復数を用いて前記データ集合に対するＩＴＥＭ軸項目についての図式情報を生成し、且つ、前記理論レコード数と前記反復軸項目別ＩＴＥＭ数と用いて前記データ集合に対する前記反復軸項目についての図式情報を生成する生成手段と、
前記ＩＴＥＭ軸項目についての図式情報及び前記反復軸項目についての図式情報を、前記評価情報として前記出力装置に出力制御する出力制御手段と
を備えることを特徴とする情報処理装置。
前記生成手段は、前記図式情報として、
前記第１の指定手段で指定した前記ＩＴＥＭ軸項目のデータ種類を第１軸、前記ＩＴＥＭ軸項目のデータの種類毎に、前記反復軸項目のデータの種類の内、実際にレコードが存在する種類数を第２軸とした座標系上で表現される、前記理論レコード数に対する前記ＩＴＥＭ軸項目別反復数の密度分布グラフを生成し、且つ、前記第１の指定手段で指定した前記反復軸項目のデータの種類を第１軸、及び、前記反復軸項目のデータの種類毎に、前記ＩＴＥＭ軸項目のデータの種類の内、実際にレコードが存在する値の種類数を第２軸とした座標系上で表現される、前記理論レコード数に対する前記反復軸項目別ＩＴＥＭ数の密度分布グラフを生成する
ことを特徴とする請求項１に記載の情報処理装置。
前記生成手段は、前記座標系を構成する前記第１軸のデータの種類を、前記第２軸を構成するデータの種類のうち、実際にレコードが存在する種類数でソートした順序で座標系上に表現される、前記密度分布グラフを生成する
ことを特徴とする請求項２に記載の情報処理装置。
前記生成手段は、前記評価情報として、更に、
実測レコード数を分子とし、前記理論レコード数を分母とする除算によって得られる値を生成し、
前記実測レコード数は、前記第１軸を構成する各値毎の前記第２軸を構成する項目の値の内、実際にレコードが存在する値の種類の総和であり、
前記理論レコード数は、前記ＩＴＥＭ軸項目のデータ種類数と前記反復軸項目のデータ種類数との積算により算出される
ことを特徴とする請求項２または３に記載の情報処理装置。
前記生成手段は、前記評価情報として、更に、前記密度分布グラフのバラツキを示す指標を生成する
ことを特徴とする請求項２乃至４のいずれか１項に記載の情報処理装置。
前記データ集合に対してデータマイニング処理を実行するデータマイニング手段を更に備え、
前記出力制御手段は、さらに、前記データマイニング手段によるデータマイニング結果を前記評価情報として前記出力装置に出力制御する
ことを特徴とする請求項１乃至５のいずれか１項に記載の情報処理装置。
前記データマイニング手段によるデータマイニング結果として得られる、前記データ集合の各データに含まれている属性間の関連性を示す階層構造のノードの内、指定されたノードに対応するデータの特定属性情報を算出する算出手段を更に備え、
前記出力制御手段は、さらに前記特定属性情報を、前記評価情報として前記出力装置に出力制御する
ことを特徴とする請求項６に記載の情報処理装置。
前記データマイニング結果として得られる、前記データ集合の各データに含まれている属性間の関連性を示す階層構造のノードから、前記算出手段による前記データの特定属性情報の算出対象とする基準ノード及び特定属性を指定する第２の指定手段を更に備える
ことを特徴とする請求項７に記載の情報処理装置。
前記第２の指定手段により、前記特定情報として１つの特定属性が選択された場合に、
前記算出手段は、前記特性属性情報として、
１）前記基準ノードに属するレコードに対応する特定属性の有効データ数を示す度数と、
２）前記基準ノードにおける特定属性の有効データ数と、前記基準ノードの下位階層の各ノードにおける特定属性の有効データ数との比率である分配率と、
３）前記下位階層の各ノードに属すレコード数に対する特定属性の有効データ数との比率を示すノード内密度と、
を算出する
ことを特徴とする請求項８に記載の情報処理装置。
前記第２の指定手段で指定された特定属性のデータ型が多値の値を示すカテゴリ型の場合、前記算出手段は、前記特性属性情報として、前記下位階層の各ノードに属するレコードに対応する特定属性のカテゴリ毎の有効データ数を示す度数を算出する
ことを特徴とする請求項９に記載の情報処理装置。
前記第２の指定手段で指定された特定属性のデータ型が連続型の場合、前記算出手段は、前記特性属性情報として、前記下位階層の各ノードに属するレコードに対応する特定属性のデータ値の分布情報を算出する
ことを特徴とする請求項９に記載の情報処理装置。
前記第２の指定手段で指定された特定属性のデータ型が多値の値を示すカテゴリ型であり、かつ前記特定属性として複数の属性が選択された場合、
前記算出手段は、前記特性属性情報として、
１）前記基準ノードに属するレコードに対応する特定属性毎の種類数と、
２）前記種類数の出現比率と、
３）前記出現比率に基づく図式情報と、
を算出する
ことを特徴とする請求項９に記載の情報処理装置。
１レコードが複数のデータ項目からなるデータのデータ集合に対し、前記データ集合に関する評価情報を生成して出力装置に出力する情報処理装置の制御方法であって、
前記データを一意に識別するためのデータ項目のうち、前記データの観測対象を識別するためのデータ項目であるＩＴＥＭ軸項目、及び、前記データの観測時期や回数を識別するためのデータ項目である反復軸項目を指定する第１の指定工程と、
前記データ集合中の、前記ＩＴＥＭ軸項目のデータの種類、前記反復軸項目のデータの種類及びそれらの種類数を集計する第１の集計工程と、
前記第１の集計工程で集計したＩＴＥＭ軸項目のデータ種類ごとに、前記反復軸項目データの存在する種類数であるＩＴＥＭ軸項目別反復数を集計し、且つ前記反復軸項目のデータ種類ごとに、前記ＩＴＥＭ軸項目データの存在する種類数である反復軸項目別ＩＴＥＭ数を集計する第２の集計工程と、
前記第１の集計工程で集計したＩＴＥＭ軸項目のデータ種類数と反復軸項目のデータ種類数とを用いて算出される理論レコード数、及び、前記第２の集計工程で集計した前記ＩＴＥＭ軸項目別反復数を用いて前記データ集合に対するＩＴＥＭ軸項目についての図式情報を生成し、且つ、前記理論レコード数と前記反復軸項目別ＩＴＥＭ数と用いて前記データ集合に対する前記反復軸項目についての図式情報を生成する生成工程と、
前記ＩＴＥＭ軸項目についての図式情報及び前記反復軸項目についての図式情報を、前記評価情報として前記出力装置に出力制御する出力制御工程と
を備えることを特徴とする情報処理装置の制御方法。
コンピュータを、１レコードが複数のデータ項目からなるデータのデータ集合に対し、前記データ集合に関する評価情報を生成して出力装置に出力する情報処理装置として機能させるためのプログラムであって、
前記コンピュータを、
前記データを一意に識別するためのデータ項目のうち、前記データの観測対象を識別するためのデータ項目であるＩＴＥＭ軸項目、及び、前記データの観測時期や回数を識別するためのデータ項目である反復軸項目を指定する第１の指定手段と、
前記データ集合中の、前記ＩＴＥＭ軸項目のデータの種類、前記反復軸項目のデータの種類及びそれらの種類数を集計する第１の集計手段と、
前記第１の集計手段で集計したＩＴＥＭ軸項目のデータ種類ごとに、前記反復軸項目データの存在する種類数であるＩＴＥＭ軸項目別反復数を集計し、且つ、前記反復軸項目のデータ種類ごとに、前記ＩＴＥＭ軸項目データの存在する種類数である反復軸項目別ＩＴＥＭ数を集計する第２の集計手段と、
前記第１の集計手段で集計したＩＴＥＭ軸項目のデータ種類数と反復軸項目のデータ種類数とを用いて算出される理論レコード数、及び、前記第２の集計手段で集計した前記ＩＴＥＭ軸項目別反復数を用いて前記データ集合に対するＩＴＥＭ軸項目についての図式情報を生成し、且つ、前記理論レコード数と前記反復軸項目別ＩＴＥＭ数と用いて前記データ集合に対する前記反復軸項目についての図式情報を生成する生成手段と、
前記ＩＴＥＭ軸項目についての図式情報及び前記反復軸項目についての図式情報を、前記評価情報として前記出力装置に出力制御する出力制御手段と
として機能させることを特徴とするプログラム。