JP5186959B2 - 社会ネットワーク構造モデルを導出する電子計算機及びプログラム - Google Patents

Description

本発明は、消費者が構成している社会ネットワークの構造を電子計算機を使用して推定し、推定結果を可視化可能とする社会ネットワーク構造モデルを算出する電子計算機及びプログラムに関する。

消費者は、一般的に家族・親戚・友人・知人等の人間間のつながりを有している。前述のつながりの関係は、社会ネットワークとして換言することが可能である。

社会ネットワークにおける消費者間（人間間）は、様々なコミュニケーションを行い、商品やサービスに関する多くの情報を交換し、消費の行動に影響を与え合っている。消費者が影響を与え合う典型例としては、所謂「口コミ」が挙げられる。前述の様に、消費者の消費行動（購買行動）は、口コミ等のコミュニケーションによって多大な影響を受ける。即ち、従来から行なわれている消費者個人の属性のみを分析する分析手法を用いたとしても、消費行動の全ての要因を分析したことにはならない。

消費者の購買行動を分析するには、社会ネットワーク上のコミュニケーションが及ぼす影響を分析する必要がある。

また、コミュニケーションの影響を分析するには、社会ネットワークの構造を分析することも必要である。

社会ネットワークにおける消費者間の消費行動の影響は、コミュニケーションによって特定の消費者から別の消費者へと伝播し、広い範囲に広がる。

昨今の社会は、情報技術や通信技術の進歩によって、地理的影響を受けにくい社会に変貌しつつあり、仮に社会ネットワークが、地理的に遠く離れた消費者同士が結びつきショートカットのようなネットワーク構造を内部に多く有していれば、消費者間の消費行動の影響は、より広範囲により高速に伝搬する。

一方、ショートカットのようなネットワーク構造が少なければ、影響の伝搬する範囲や速度は遅いものになる。

このように、消費者の消費行動や購買行動を分析するためには、社会ネットワークの構造の分析が必要不可欠である。

上記分析に関連する技術としては、例えば、特許文献１及び２、非特許文献１及び２が挙げられる。

特許文献１には、広告と消費のシミュレーションにおいて、消費者の属性及びその属性に基づく動作によって消費者を模擬し、心理的要因をシミュレーションとともに推移させ、試行錯誤的にアルゴリズムを変更してシミュレーションを進める消費シミュレーションシステム、方法および媒体が開示されている。

特許文献２には、消費活動の主体と主体間の信頼関係とをアンケート、ウェブページ、雑誌、電子掲示板などさまざまな情報源から抽出し、主体をノードとし、信頼関係を矢とするネットワーク図で表現し、これらの情報をもとに消費者に、商品を推薦・紹介する情報を提供し、販売者には、有効なマーケティング情報を提供する方法および装置が開示されている。

一方、ネットワークの構造モデルの構築に関連する技術として、非特許文献１には、ネットワークが成長し、一部のノードがエッジをたくさん集める「ハブ」となるネットワーク構造モデルを生成するグラフ生成手順が開示されている。更に、非特許文献２には、一部のノードがエッジをたくさん集める「ハブ」となるネットワーク構造モデルを、非特許文献１とは異なる手順で生成するグラフ生成手順が開示されている。

また、非特許文献３には、現実世界に存在するネットワークがコミュニティ構造と呼ばれる内部構造を有していることが開示されている。コミュニティ構造とは、ネットワークに含まれているノードが、数個から数十個ごとに互いに結びつき、グループを形成しているという構造である。

特開２００２−１８３４００号公報 特開２００５−１３５０７１号公報 Ｂａｒａｂａｓｉ， Ａ．−Ｌ．， ａｎｄ Ａｌｂｅｒｔ， Ｒ．， "Ｅｍｅｒｇｅｎｃｅ ｏｆ ｓｃａｌｉｎｇ ｉｎ ｒａｎｄｏｍ ｎｅｔｗｏｒｋｓ"， Ｓｃｉｅｎｃｅ ２８６， ｐｐ． ５０９−５１２， １９９９ Ｋｌｅｍｍ， Ｋ．， ａｎｄ Ｅｇｕｉｌｕｚ， Ｖ．Ｍ．， "Ｇｒｏｗｉｎｇ ｓｃａｌｅ−ｆｒｅｅ ｎｅｔｗｏｒｋｓ ｗｉｔｈ ｓｍａｌｌ−ｗｏｒｌｄ ｂｅｈａｖｉｏｒ"， Ｐｈｙｓｉｃａｌ Ｒｅｖｉｅｗ Ｅ ６５， ０５７１０２， ２００２ Ｐａｌｌａ， Ｇ．， ｅｔ ａｌ．， "Ｕｎｃｏｖｅｒｉｎｇ ｔｈｅ ｏｖｅｒｌａｐｐｉｎｇ ｃｏｍｍｕｎｉｔｙ ｓｔｒｕｃｔｕｒｅ ｏｆ ｃｏｍｐｌｅｘ ｎｅｔｗｏｒｋｓ ｉｎ ｎａｔｕｒｅ ａｎｄ ｓｏｃｉｅｔｙ"， Ｎａｔｕｒｅ ４３５， ｐｐ．８１４−８１８， ２００５

関連する技術や研究では、消費者個人の消費行動や購買行動の要因を高精度に分析できていない。

特許文献１に開示されているような消費者の属性を考慮して消費者行動をモデル化する方法または装置では、消費者個人の属性のみをもって消費行動を予測しようとするものであり、消費者が構成している社会ネットワークにおいて発生するコミュニケーションの影響を考慮することができない。即ち、消費者の消費行動は、消費者個人の属性によってのみ決定されるのではなく、口コミのようなコミュニケーションによっても影響を受けることが考慮されていない。

また、特許文献２に開示されているような消費者間の信頼関係を抽出し、ネットワーク図で表現する社会ネットワーク構造モデルを算出する装置は、現実社会に存在する社会ネットワークに適用することは困難である。当該装置を用いて現実社会に存在する社会ネットワークを図として描くためには、消費活動の主体と主体間の関係に関する全ての情報を得る必要がある。しかし、現実社会の消費者の数は、わが国全体では１億人以上に上り、ごく地域的な商圏をとっても数万人から数百万人に上る。また、個々の消費者が保有している知人の数は、調査結果によればわが国においては平均５０人から１００人である。したがって、消費者間の関係の数は、わが国全体では数十億から百億に達し、数万人から数百万人の消費者が存在する地域的な商圏をとったとしても、数十万から数億に上る。これらの関係情報の全てを調査し、ネットワーク図を描くことは、現実にはきわめて困難であり、不可能である。

さらに、現実世界に存在するネットワークは、コミュニティ構造と呼ばれる内部構造を有している。コミュニティの内部において、消費者は互いにより密接に結びつき、相互の消費行動に影響を与えている。従って、消費者の消費行動を分析するという目的を満たすうえで適切な社会ネットワーク構造モデルは、社会ネットワークのコミュニティ構造を反映したものである必要がある。

本発明の目的は、上記課題を解決し、消費者間の関係に関する膨大な情報を収集することなしに、少量の適切な情報をもって、消費者の消費行動を分析するという目的のために、適切な社会ネットワーク構造モデルを算出することにある。

さらに、社会ネットワークに含まれるコミュニティの大きさをより正確に算出し、コミュニティ構造をより正確に反映した社会ネットワーク構造モデルを算出することを目的とする。

さらに、当該社会ネットワーク構造モデルを用いて、社会ネットワークにおいて発生するコミュニケーションが消費者の消費行動に与える影響の程度をより高い精度で分析することができる電子計算機及びプログラムを提供することを目的とする。換言すれば、消費者の購買行動をより高い精度で分析することができる電子計算機及びプログラムを提供することにある。

本発明に係るコミュニティに属する各人同士の関係が現れたサンプルデータから社会ネットワーク構造モデルを導出する電子計算機は、入力手段から取得したアンケートによる社会ネットワークに含まれるコミュニティの前記サンプルデータから、各人が有していたコミュニティの大きさの分布を抽出してコミュニティサイズ出現確率分布を算出処理すると共に、前記各人が有していた 他人とのつながり数を示すノードの次数についての分布を抽出してノードの平均次数と次数出現確率分布とを算出処理し、前記コミュニティサイズ出現確率分布と前記ノードの平均次数と前記次数出現確率分布とを演算処理して、ノードのエッジ獲得確率初期値とノード抽出個数期待値とノードのエッジ獲得確率とを算出処理し、前記算出処理したノードのエッジ獲得確率初期値とノード抽出個数期待値とノードのエッジ獲得確率のデータに基づいて、所望するノード数のノードとエッジが配設されたネットワーク構造モデルを社会ネットワーク構造モデルとしてグラフ理論に則って生成処理して記憶手段に記録することを特徴とする。
ここで、前記コミュニティサイズ出現確率分布とは、コミュニティの大きさを独立変数、出現確率を従属変数とした確率密度関数であり、前記次数出現確率分布とは、次数を独立変数、出現確率を従属変数とした確率密度関数である。

本発明によれば、消費者間の関係に関する全ての情報を得ることなく、社会ネットワーク上のコミュニケーションが消費者の消費行動に与える影響の程度をより高い精度で分析することが可能である。同じく、消費者の購買行動をより高い精度で分析することが可能である電子計算機及びプログラムを提供できる。

本発明の第１の実施の一形態を図１ないし図６に基づいて説明する。

本発明に係る説明は、発明を明瞭にする為、機能ブロック図を用いる。尚、機能ブロック図は、重要部分のみを示し、関連する構成要素の一部を省略する。

また、本発明は、ソフトウェアによって実現される為、各種機能・手段を機能ブロックとして記載するが、機能ブロックの分割・併合、および処理の前後の入替えなどの変更は、本発明の趣旨、請求項の記載から得られる機能を満たす限り自由であり、下記実施の一形態の説明が本発明を限定するものではない。

まず、実施の形態の説明に使用する用語を定義する。

本明細書における『消費者』とは、商品またはサービスを購入すると予想される個あるいはその集合を意味する。

本発明における『社会ネットワーク』とは、個々の消費者同士の知り合い等の関係によって構成される人的なつながりを意味する。

本発明における『グラフ』とは、グラフ理論における用語のグラフを意味する。グラフは、ノードとエッジの集合として記述される。

本発明における『完全グラフ』とは、グラフに含まれるノード同士が全てエッジで接続されているグラフを意味する。

本発明における『隣接』とは、グラフに含まれる２つのノード同士がエッジで結ばれている状態を意味する。

本発明における『紐帯』とは、個人間を結びつけて、社会ネットワークを構成している条件を意味する。

本発明における『次数』とは、グラフのノードが持つエッジの数を意味する。

本発明における『コミュニティ』とは、ノードの集合であって、当該集合に含まれるノードが完全グラフを形成していると近似できるノードの集合を意味する。

本発明における『コミュニティサイズ出現確率分布』とは、社会ネットワークに含まれるコミュニティの大きさの分布のサンプルデータから導出される、コミュニティの大きさを独立変数、出現確率を従属変数とし、合計を１とする確率密度関数である。

本発明における『次数出現確率分布』とは、社会ネットワークを構成するノードの次数のサンプルデータから導出される、次数を独立変数、出現確率を従属変数とし、合計を１とする確率密度関数である。

本発明における『グラフ生成処理』とは、グラフを生成するアルゴリズムである。

図１は、実施の一形態の社会ネットワーク構造モデルを算出する電子計算機１００を示す機能ブロック図である。

図１の電子計算機１００は、コミュニティサイズ出現確率分布算出部１１１と、次数出現確率分布算出部１２１と、ネットワーク生成部１４１とから構成される。尚、電子計算機１００は、一般的なコンピュータを用いても良いし、専用のハードウェア構成を用いて実現しても良い。電子計算機１００を一般的なコンピュータを用いて実現する例を示せば、図２の構成が挙げられる。

図２は、実施の一形態の電子計算機１００を例示するブロック図である。図１に例示した電子計算機１００は、一般的なコンピュータである。

電子計算機１００は、各種情報処理を行う制御部を始め、ＲＯＭ、ＲＡＭ、入力部、出力部、記憶装置１１０、必要に応じてネットワークインタフェース等を備える。

電子計算機１００の記憶装置１１０には、オペレーティングシステムを始め、各種機能・手段を実現させるアプリケーションプログラムなど、様々なプログラムが格納されており、必要に応じてＲＡＭに展開されて実行される。記憶装置１１０は、様々な情報を記憶可能であり、前述のプログラムの他にもサンプルデータなどが記録されるデータファイルも記録される。記憶装置１１０は、ＨＤＤで無くとも同様の記憶手段であればそれで良い。例えば、フラッシュメモリやＲＡＭの空き記憶領域を利用しても良い。尚、本例示では、コミュニティサイズ出現確率分布算出部１１１、次数出現確率分布算出部１２１、ネットワーク生成部１４１は、アプリケーションプログラムが制御部を各種手段として機能させることによって実現される。

即ち、電子計算機１００の記憶部１１０に記録されているアプリケーションプログラムがＲＡＭに展開され、制御部をコミュニティサイズ出現確率分布算出手段、次数出現確率分布算出手段、ネットワーク生成手段として機能させ、入力部によって入力されたサンプルデータを演算処理し、必要に応じて出力部に算術結果であるグラフを出力し、また、プリンター等に出力する。

次に、図１に戻り、各機能ブロックを詳説する。尚、各機能ブロックは、制御部がプログラムに従い演算処理することにより、動作する。

コミュニティサイズ出現確率分布算出部１１１は、社会ネットワークに含まれるコミュニティの大きさの分布のサンプルデータからコミュニティサイズ出現確率分布データを演算して算出する手段を有する。

社会ネットワークに含まれるコミュニティの大きさの分布のサンプルデータは、例えば、消費者の中から統計的に抽出された消費者に対して実施されるアンケートによって収集され、入力部によって入力される。アンケートの内容は、例えば、「あなたとあなたの知人の１人であるＡさんとの共通の知人の数は、あなたとＡさんとを含めて何人ですか」というものである。

前記したアンケートによって得られる共通の知人の数の回答者の分布は、そのままでは調査対象となった消費者が構成している社会ネットワークに含まれるコミュニティの大きさの分布とみることはできない。コミュニティの大きさの分布のサンプルデータは、共通の知人の数の回答者数をその数自身で割ることによって算出処理する。

例えば、ネットワークに大きさ１０のコミュニティが１個、大きさ２０のコミュニティが１個含まれている場合、共通の知人の数を「１０人」と答える人数は１０人、「２０人」と答える人数は２０人となる。「１０人」と答えた回答者数を１０で割り、「２０人」と答えた回答者数を２０で割ることで、それぞれのコミュニティの数が１個であることが得られる。

コミュニティサイズ出現確率分布データは、コミュニティの大きさの度数分布を、コミュニティの大きさを独立変数、出現確率を従属変数として取得し、合計を１とする確率密度関数へ換算する演算を行ない算出処理する。

次数出現確率分布算出部１２１は、社会ネットワークを構成するノードの次数のサンプルデータからエッジの総数データを演算して算出し、社会ネットワークを構成するノードの次数のサンプルデータから次数出現確率分布データを演算して算出する手段を有する。

ノードの次数のサンプルデータは、例えば、消費者の中から統計的に抽出された消費者に対して実施されるアンケートによって収集され、入力部によって入力される。アンケートの内容は、例えば、「あなたの携帯電話に記憶されているメールアドレスの数はいくつですか」というものや、「あなたのパソコンに記憶されているメールアドレスの数はいくつですか」というものである。アンケートによって得られた携帯電話に記憶されているメールアドレスの数の回答の分布や、パソコンに記憶されているメールアドレスの数の分布は、調査対象となった消費者が構成している社会ネットワークのノードの次数のサンプルデータであるとみなし、演算処理することで、エッジの総数データを算出する。

尚、ノードの平均次数は、ノードの次数のサンプルデータの平均値から得られる。平均値の算出式としては、相加平均、相乗平均、調和平均の式のいずれを用いて演算処理しても良い。

次数出現確率分布データは、ノードの次数の度数分布データを、ノードの次数を独立変数、出現確率を従属変数とし、合計を１とする確率密度関数へ換算する演算を行ない算出処理する。

ネットワーク生成部１４１は、構造モデルに複数のノードを配置し、次数出現確率分布データに従いノードにエッジ獲得確率初期値を付与し、コミュニティサイズ出現確率分布データに従いノード抽出個数期待値を算出し、エッジ獲得確率初期値とノード抽出個数期待値に従いノードにエッジ獲得確率を付与し、エッジ獲得確率に従いノードを抽出し、当該ノードを要素とする完全グラフを生成し、当該ノードの次数の平均値データが社会ネットワークの平均次数に達したか否かを判定する処理を行う。以下に、要部を詳説する。

ネットワーク生成部１４１は、グラフの生成処理として、グラフ上に複数のノードを配置処理する。尚、ノードの個数ｎはモデル化する社会ネットワークに含まれる人数に応じて、任意の個数で良いが、１００個以上であることが望ましい。

次に、次数出現確率分布データに従い各ノードにエッジ獲得確率初期値データを付与する（割振る）処理を行う。例えば、ノードの個数ｎが１００個で、次数１０のノードの出現確率が０．６、次数２０のノードの出現確率が０．４であるときは、６０個のノードにエッジ獲得確率初期値０．１、４０個のノードにエッジ獲得確率初期値０．２を付与する。このとき、各ノードに付与されたエッジ獲得確率初期値の平均値は０．１４となる。

次に、コミュニティサイズ出現確率分布データに従いノード抽出個数期待値データを算出処理する。例えば、大きさ５のコミュニティの出現確率が０．６、大きさ１０のコミュニティの出現確率が０．４であるときは、ノード抽出個数期待値は確率０．６で５個、確率０．４で１０個となる。

次に、エッジ獲得確率初期値データとノード抽出個数期待値データに従いエッジ獲得確率を算出処理する。例えば、ノード抽出個数期待値データが１０個のときは、各ノードに与えられたエッジ獲得確率データの平均値が、ノード抽出個数期待値／ノード数＝０．１となれば良いので、各ノードのエッジ獲得確率初期値に０．１／０．１４を掛ける。すなわち、６０個のノードのエッジ獲得確率は０．０７１、４０個のノードのエッジ獲得確率は０．１４３となる。

次に、エッジ獲得確率データに従いノードを抽出処理する。例えば、全てのノードに関して最小値を０、最大値を１とする乱数を発生させ、当該乱数がエッジ獲得確率以下の値であれば、当該ノードを抽出する処理を行う。

次に、抽出されたノードを要素とする完全グラフを生成し、社会ネットワーク構造モデルに追加する。

次に、ノードの次数の平均値が社会ネットワークの平均次数値に達したか否かを判定処理する。ｎ個のノードの次数の平均値が社会ネットワークの平均次数に達していなければノード抽出個数期待値の算出に戻る。達していれば社会ネットワーク構造モデルを生成処理する。

このような構成において、実施の一形態の電子計算機１００は、消費者間の関係に関する全ての情報を得ることなく、社会ネットワーク上のコミュニケーションが消費者の消費行動に与える影響の程度をより高い精度で分析することが可能となる。

次に、本発明の第１の実施の一形態の動作について説明する。

図３は、社会ネットワーク構造モデルを算出する電子計算機１００の動作を示すフローチャートである。

電子計算機１００の制御部は、コミュニティサイズ出現確率分布算出手段１１１を使用し、社会ネットワークに含まれるコミュニティの大きさの分布のサンプルデータからコミュニティサイズ出現確率分布データを算出処理する（ステップＳ１１０１）。尚、コミュニティの大きさの分布のサンプルデータは、予め、入力部によって入力され、記憶部に記録されている。制御部はＲＡＭに展開されたプログラムに従い、記憶部から情報を取得し、当該情報を演算処理し、コミュニティサイズ出現確率分布データを算出する。以下の各ステップも同様にプログラムに従い演算処理される。

制御部は、次数出現確率分布算出手段１２１を使用し、社会ネットワークを構成するノードの次数のサンプルデータから次数出現確率分布データを算出処理する（ステップＳ１１０２）。

制御部は、ネットワーク生成手段１４１を使用し、ノードを配置処理する（ステップＳ１１０３）。

制御部は、ネットワーク生成手段１４１を使用し、次数出現確率分布データが示す次数出現確率分布を用いノードにエッジ獲得確率初期値データを算出し設定する（ステップＳ１１０４）。

制御部は、ネットワーク生成手段１４１を使用し、コミュニティサイズ出現確率分布データが示すコミュニティサイズ出現確率分布に従ってノード抽出個数期待値データを算出処理する（ステップＳ１１０５）。

制御部は、ネットワーク生成手段１４１を使用し、エッジ獲得確率初期値データとノード抽出個数期待値データを用いてエッジ獲得確率データを算出処理する（ステップＳ１１０６）。

制御部は、ネットワーク生成手段１４１を使用し、エッジ獲得確率データを用いてノードを抽出処理する（ステップＳ１１０７）。

制御部は、ネットワーク生成手段１４１を使用し、当該ノードを要素とする完全グラフを生成し出力する（ステップＳ１１０８）。

制御部は、ノードの次数の平均値が社会ネットワークの平均次数に達したかを判定する。ｎ個のノードの次数の平均値が社会ネットワークの平均次数に達していなければステップＳ１１０５に戻り処理を繰返す。達していれば社会ネットワーク構造モデルの生成が完了したと判別し、グラフの生成を完了する。また、必要に応じて出力部に出力する（ステップＳ１１０９）。

図４は、社会ネットワーク構造モデルを算出する電子計算機１００が生成する社会ネットワーク構造モデルを例示する図である。図４では、最初にｎ個のノードを配置され、その後、各ノードの次数に従い、エッジが設定され、接続されている。また、各ステップ１個の完全グラフを追加している。追加される完全グラフの大きさは、コミュニティサイズ出現確率分布によって毎ステップ異なる。尚、エッジで接続されたノード間は、ノード間のつながりが強いことを示す。

図５は、コミュニティサイズ出現確率分布算出部１１１が算出するコミュニティサイズ分布データおよび次数出現確率分布算出部１２１が算出する次数出現確率分布データを例示する図である。

本図は、アンケート等の結果情報（サンプルデータ）が入力部で入力され、次数出現確率分布算出部１２１及びコミュニティサイズ出現確率分布算出部１１１が演算処理することによって算出した値を、記憶部に記録し、制御部が図式化する。

図６は、社会ネットワーク構造モデルを算出する電子計算機１００が算出する社会ネットワーク構造モデルの次数出現確率分布データおよびコミュニティサイズ分布データを例示する図である。

本図は、電子計算機１００の制御部が、次数出現確率分布算出部１２１やコミュニティサイズ出現確率分布算出部１１１、ネットワーク生成部１４１、記録部に記録された情報を元に演算処理することによって算出した値（情報）を、記憶部に記録し、図式化する。図５と図６との比較で明らかなように、ネットワーク生成部１４１が行なう処理によって、ノードの次数及びコミュニケーションサイズが分析処理されている。即ち、アンケート等によって得られた情報を用いて、社会ネットワークモデル上のノードの次数とコミュニティサイズの程度を分析し定めている。当該分析結果を用いて、社会ネットワークモデルを算出する。

換言すれば、商品もしくはサービスを購入すると予想される消費者が構成している社会ネットワークのコミュニティの大きさの分布に関するデータと、社会ネットワークの次数出現確率分布に関するデータとを収集し、消費者間の関係に関する全ての情報を得ることなく、当該データをもとに社会ネットワークの構造を高い精度で分析するものである。

本発明の第２の実施の一形態を図７ないし図１０に基づいて説明する。

図７は、第２の実施の一形態の社会ネットワーク構造モデルを算出する電子計算機２００を示す機能ブロック図である。

図７の電子計算機２００は、コミュニティサイズ出現確率分布算出部２１１と、次数出現確率分布算出部２２１と、ネットワーク生成処理記憶部２３１と、ネットワーク生成部２４１と、変数適合度算出部２５１とで構成される。

コミュニティサイズ出現確率分布算出部２１１の動作は、第１の実施の一形態におけるコミュニティサイズ出現確率分布算出部１１１の動作と同様である。

次数出現確率分布算出部２２１の動作は、第１の実施の一形態における次数出現確率分布算出部１２１の動作と同様である。

ネットワーク生成処理記憶部２３１は、グラフを生成する処理の為のネットワーク生成処理工程情報を複数記憶している。グラフ生成処理には、例えば、次のような第１の処理が記録されている。

１．最初に、ノード数ｎで、ノードの全てが相互にエッジで接続されている、１個の完全グラフＫｎを作成する。

２．ノードを追加するステップ毎に、既存のグラフに新しいノードを１個ずつ追加していく。新しいノードと、既存のｍ個のノードとの間で、エッジを張る。その際、ノードｉの次数をｋ（ｉ）とすると、次数ｋ（ｉ）の多いノードほど、エッジを獲得しやすくなる。ノードｉがエッジを獲得する確率はｍ×ｋ（ｉ）／Σｋ（ｉ）とする。すなわち、エッジを獲得する確率は次数に比例するとする。

３．ノードの追加を、ノード数が所定の数に達するまで反復する。

また、別のグラフ生成処理には、次のような第２の処理が記録されている。

１．ｎ個のノードを配置する。

２．そこに大きさｍの完全グラフを順次追加していく。完全グラフに含まれるノードは、ｎ個のノードの中からランダムに抽出する。各ステップに追加される完全グラフの大きさｍは、コミュニティサイズ出現確率分布のもとに確率的に決める。

また、別のグラフ生成処理には、次のような第３の処理が記録されている。

１．最初に１個の完全グラフから出発し、そこに大きさｎの新しい完全グラフを追加していく。

２．追加される完全グラフの大きさｎは、コミュニティサイズ出現確率分布算出部において得られたコミュニティサイズ分布データのもとに確率的に決める。

３．新規の完全グラフのノードのうちｎ−１個は新規のノードとし、１個は既存のノードとする。

４．既存のノードのうちどこに新規の完全グラフが結びつくかは、次数に比例する確率で決める。

また、別のグラフ生成処理には、次のような第４の処理が記録されている。

１．初期状態では、それぞれのノードはいずれかの完全グラフに属しているものとする。

２．それぞれのノードに、『新規コミュニティ形成確率』というパラメータを設定する。

３．ノードを追加するステップ毎に新しい完全グラフを追加する。それぞれのノードが完全グラフを形成する確率は『新規コミュニティ形成確率』を用いて決定する。

ネットワーク生成部２４１は、グラフ生成処理をネットワーク生成処理記憶部２３１から取得し、グラフを生成する。当該グラフ生成時には、次数出現確率分布算出部２２１において算出処理された次数出現確率分布データあるいはコミュニティサイズ出現確率分布算出部２１１において算出処理されたコミュニティサイズ分布データのいずれか一方もしくは両方を参照する。

変数適合度算出部２５１は、アンケート等のサンプルデータを処理して得た社会ネットワークのコミュニティサイズ出現確率分布および次数出現確率分布と、ネットワーク生成部１４１が生成処理したネットワーク構造のコミュニティサイズ出現確率分布データおよび次数出現確率分布データとを比較して度数分布の残差平方和を算出処理し、残差平方和が最小のネットワーク構造を選択する。

図８は、第２の実施の一形態の電子計算機２００を例示するブロック図である。図２に例示した電子計算機２００は、一般的なコンピュータである。

電子計算機２００は、電子計算機１００と同様に、各種情報処理を行う制御部を始め、ＲＯＭ、ＲＡＭ、入力部、出力部、記憶装置２１０、必要に応じてネットワークインタフェース等を備える。

電子計算機２００の記憶装置２１０には、オペレーティングシステムを始め、各種機能・手段を実現させるアプリケーションプログラムなど、様々なプログラムが格納されており、必要に応じＲＡＭに展開されて実行される。記憶装置２１０は、様々の情報を記憶可能であり、前述のプログラムの他にもサンプルデータなどが記録されるデータファイルも記録される。尚、本例示では、コミュニティサイズ出現確率分布算出部２１１、次数出現確率分布算出部２２１、ネットワーク生成処理記憶部２３１、ネットワーク生成部２４１、変数適応度算出部２５１は、アプリケーションプログラムが制御部を各種手段として機能させることによって実現される。

即ち、電子計算機２００の記憶部２１０に記録されているアプリケーションプログラムがＲＡＭに展開され、制御部をコミュニティサイズ出現確率分布算出手段、次数出現確率分布算出手段、ネットワーク生成処理記憶手段、ネットワーク生成手段、変数適応度算出手段として機能させ、入力部によって入力されたサンプルデータを演算処理し、必要に応じて出力部に算術結果であるグラフを出力し、また、プリンター等に出力する。

次に、本発明の第２の実施の一形態の動作について説明する。

図９は、社会ネットワーク構造モデルを算出する電子計算機２００の動作を示すフローチャートである。

ステップＳ１２０１、ステップＳ１２０２の動作は、図３のステップＳ１１０１、ステップＳ１１０２の動作と同様である。即ち、電子計算機２００の制御部は、コミュニティサイズ出現確率分布算出手段２１１、次数出現確率分布算出手段２２１を使用し、コミュニティサイズ出現確率分布データ、次数出現確率分布データを算出処理する（ステップＳ１２０１、ステップＳ１２０２）。

電子計算機２００の制御部は、ネットワーク生成処理記憶手段２３１からネットワーク生成処理工程情報に記録されるグラフ生成処理を取得する（ステップＳ１２０３）。

制御部は、グラフ生成処理に応じて、ネットワーク生成手段２４１を使用して構造モデルデータを生成し、必要に応じてグラフを生成する（ステップＳ１２０４）。

制御部は、ネットワーク生成手段２４１を使用して生成したグラフの次数出現確率分布データおよびコミュニティサイズ分布データと、社会ネットワークの次数出現確率分布データおよびコミュニティサイズ分布データとを比較した結果とを用いて、グラフ生成処理のパラメータを変更し、グラフを再度生成する。ネットワーク生成部２４１は、この処理を反復する（ステップＳ１２０５）。

制御部は、適合度算出手段２５１を使用し、社会ネットワークのコミュニティサイズ出現確率分布および次数出現確率分布とネットワーク生成部にて生成したネットワーク構造のコミュニティサイズ出現確率分布および次数出現確率分布とを比較して度数分布の残差平方和を算出処理し、全てのグラフ生成処理の社会ネットワーク構造モデルが生成できるまで反復する（ステップＳ１２０６）。

制御部は、適合度算出手段２５１を使用し、残差平方和が最小の社会ネットワーク構造モデルを選択処理する（ステップＳ１２０７）。

図１０は、本実施の一形態における第４のグラフ生成処理による社会ネットワーク構造モデルの生成を模式化した説明図である。

本図の社会ネットワーク構造モデルは、初期状態でノードがいずれかの完全グラフに属し、ノード毎に新規コミュニティ形成確率パラメータを設定し、当該パラメータ値に従い、完全グラフを形成する。完全グラフを追加するステップをノード数ｎと同数回繰り返し、生成されている。

このように、第２の実施の一形態の電子計算機２００によれば、記憶部に記録されているグラフ生成処理アルゴリズム毎に、社会ネットワーク構造モデルを生成できる。

同じく、生成した複数の社会ネットワーク構造モデルから、現実社会の社会ネットワーク構造に近い社会ネットワーク構造モデルを選択できる。

本発明の第３の実施の一形態を図１１ないし図１４に基づいて説明する。

社会ネットワークに含まれるコミュニティの大きさの分布のサンプルデータは、例えば、消費者の中から統計的に抽出された消費者に対して実施されるアンケートによって収集され、入力部によって入力される。アンケートでの質問の内容としては、例えば、「あなたとあなたの知人の１人であるＡさんとの共通の知人の数は、あなたとＡさんとを含めて何人ですか」というものがある。

しかしこの方法では、複数の緊密に結びついているノードが共に複数のコミュニティに属している場合は、コミュニティの大きさを誤って過大に算出する可能性がある。例えば、夫婦はそれぞれの側の親族と交際を持つことが多いし、近所づきあいや社会活動のなかで人間関係を形成することもある。この場合に夫婦間の共通の知人は、それぞれの側の親族関係のコミュニティ、近隣住民との人間関係のコミュニティ、社会活動における人間関係のコミュニティなどの、複数のコミュニティにまたがったものになる。このような夫婦に対して単に共通の知人数を尋ねれば、その回答は個々のコミュニティの大きさよりも大きくなる。

この問題点を解決するために、共通知人数識別部３０１は、人物Ａ、人物Ａの知人である人物Ｂ、人物Ａおよび人物Ｂが共に知人である人物Ｃの３人の人物間の共通知人数を識別する。このサンプルデータは、例えば、消費者の中から統計的に抽出された消費者に対して実施されるアンケートによって収集され、入力部によって入力される。アンケートでの質問の内容は、例えば、人物Ａに対して行われる場合は、「あなたと、あなたの知人の１人であるＢさんと、あなたもＢさんもともに知人であるＣさんを思い浮かべてください。あなた、Ｂさん、Ｃさんの３人の間での共通の知人の数は、あなた、Ｂさん、Ｃさんを含めて何人ですか」というものである。

図１１は、第３の実施の一形態によって解決される課題を模式化した説明図である。

人物Ａと人物Ａの知人である人物Ｂは、コミュニティ１にも、コミュニティ２にも共に参加している。そのため、人物Ａに対して、「あなたとＢさんとの共通の知人の数は、あなたとＢさんとを含めて何人ですか」という質問をすると、「１０人」という回答が得られる。しかし、実際はコミュニティ１も、コミュニティ２も大きさは６であり、コミュニティの大きさを過大に算出してしまう。

この課題を解決するためには、人物Ａに対して、「あなたと、あなたの知人の１人であるＢさんと、あなたもＢさんもともに知人であるＣさんを思い浮かべてください。あなた、Ｂさん、Ｃさんの３人の間での共通の知人の数は、あなた、Ｂさん、Ｃさんを含めて何人ですか」という質問をすればよい。この質問に対しては、「６人」という回答が得られるので、コミュニティの大きさを正しく算出することができる。

図１２は、第３の実施の一形態の社会ネットワーク構造モデルを算出する電子計算機３００を示す機能ブロック図である。

図１２の電子計算機３００は、共通知人数識別部３０１と、コミュニティサイズ出現確率分布算出部３１１と、次数出現確率分布算出部３２１と、ネットワーク生成部３４１とから構成される。

次数出現確率分布算出部３２１の動作は、第１の実施の一形態における次数出現確率分布算出部１２１の動作と同様である。

ネットワーク生成部３４１の動作は、第１の実施の一形態におけるネットワーク生成部１４１の動作と同様である。

共通知人数識別部３０１は、社会ネットワークを構成する人物のサンプルデータを解析し、任意の第一の人物、第一の人物に隣接する第二の人物、並びに第一の人物と第二の人物に隣接する第三の人物の三人物に隣接する人物数を識別（取得）する手段を有する。

コミュニティサイズ出現確率分布算出部３１１は、共通知人数識別部３０１が識別した共通知人数の分布のデータからコミュニティサイズ出現確率分布を算出する手段を有する。前記したアンケートによって得られる共通の知人の数の回答者の分布は、そのままでは調査対象となった消費者が構成している社会ネットワークに含まれるコミュニティの大きさの分布とみることはできない。コミュニティの大きさの分布のサンプルデータは、共通の知人の数の回答者数を、共通の知人の数自身で割ることによって算出処理する。

コミュニティサイズ出現確率分布データは、コミュニティの大きさの度数分布を、コミュニティの大きさを独立変数、出現確率を従属変数として取得し、合計を１とする確率密度関数へ換算する演算を行ない算出処理する。

図１３は、第３の実施の一形態の電子計算機３００を例示するブロック図である。図１３に例示した電子計算機３００は、一般的なコンピュータである。

電子計算機３００は、電子計算機１００と同様に、各種情報処理を行う制御部を始め、ＲＯＭ、ＲＡＭ、入力部、出力部、記憶装置３１０、必要に応じてネットワークインタフェース等を備える。

電子計算機３００の記憶装置３１０には、オペレーティングシステムを始め、各種機能・手段を実現させるアプリケーションプログラムなど、様々なプログラムが格納されており、必要に応じＲＡＭに展開されて実行される。記憶装置３１０は、様々の情報を記憶可能であり、前述のプログラムの他にもサンプルデータなどが記録されるデータファイルも記録される。尚、本例示では、共通知人数識別部３０１、コミュニティサイズ出現確率分布算出部３１１、次数出現確率分布算出部３２１、ネットワーク生成部３４１は、アプリケーションプログラムが制御部を各種手段として機能させることによって実現される。

即ち、電子計算機３００の記憶部３１０に記録されているアプリケーションプログラムがＲＡＭに展開され、制御部を共通知人数識別手段、コミュニティサイズ出現確率分布算出手段、次数出現確率分布算出手段、ネットワーク生成手段として機能させ、入力部によって入力されたサンプルデータを演算処理し、必要に応じて出力部に算出結果であるグラフを出力し、また、プリンター等に出力する。

次に、本発明の第３の実施の一形態の動作について説明する。

図１４は、社会ネットワーク構造モデルを算出する電子計算機３００の動作を示すフローチャートである。

電子計算機３００の制御部は、共通知人数識別手段３０１を使用し、社会ネットワークを構成する人物のサンプルデータから、任意の第一の人物、第一の人物に隣接する第二の人物、並びに第一の人物と第二の人物に隣接する第三の人物の三人物に隣接する人物数を識別して取得処理する（ステップＳ１３０１）。尚、社会ネットワークを構成する人物のサンプルデータは、予め、入力部によって入力され、記憶部に記録されている。制御部はＲＡＭに展開されたプログラムに従い、記憶部から情報を取得し、当該情報を演算処理し、隣接人物数を算出する。以下の各ステップも同様にプログラムに従い演算処理される。

制御部は、コミュニティサイズ出現確率分布算出部３１１を使用し、共通知人数識別部３０１が識別した三人物に隣接する人物数のデータからコミュニティサイズ出現確率分布を算出処理する（ステップＳ１３０２）。

ステップＳ１３０３、ステップＳ１３０４、ステップＳ１３０５、ステップＳ１３０６、ステップＳ１３０７、ステップＳ１３０８、ステップＳ１３０９、ステップＳ１３１０の動作は、図３のステップＳ１１０２、ステップＳ１１０３、ステップＳ１１０４、ステップＳ１１０５、ステップＳ１１０６、ステップＳ１１０７、ステップＳ１１０８、ステップＳ１１０９の動作と同様である。

このように、第３の実施の一形態の電子計算機３００によれば、人物Ａ、人物Ａの知人である人物Ｂ、人物Ａおよび人物Ｂがともに知人である人物Ｃの３人の人物間の共通知人数を識別し、共通知人数の分布のデータからコミュニティサイズ出現確率分布を算出することにより、人物Ａと人物Ｂとが複数の同じコミュニティに共に属している場合であっても、コミュニティの大きさを正しく算出することができる。これにより、社会ネットワークモデルをより高い精度で算出することができる。

本発明の第４の実施の一形態を図１５ないし図１７に基づいて説明する。

第３の実施の一形態は、人物Ａ、人物Ａの知人である人物Ｂ、人物Ａおよび人物Ｂがともに知人である人物Ｃの３人の人物間の共通知人数を算出し、３人の人物間の共通知人数をコミュニティの大きさとみなすものである。

しかしこの方法であっても、人物Ａ、人物Ｂ、人物Ｃの３人の人物が共に複数のコミュニティに属している場合は、コミュニティの大きさは過大に算出される。例えば、夫婦と子供１人からなる３人家族は、夫婦それぞれの側の親族関係のコミュニティや近隣住民との人間関係のコミュニティなどを共有する場合もある。このような３人の人物間の共通知人数は、個々のコミュニティの大きさよりも大きくなる。

この問題を解決する方法として、紐帯の種類に着目する方法がある。例えば、人物Ａと人物Ｂとの関係が、夫婦関係や親子関係などの親族関係であり、人物Ａと人物Ｃとの関係が、近隣住民の関係などの異なる種類の関係である場合は、人物Ａ、人物Ｂ、人物Ｃの３人の人物が複数の同一のコミュニティに属していることは少ない。従って、人物Ａと人物Ｂとの間の紐帯の種類と、人物Ａと人物Ｃとの間の紐帯の種類とを比較し、紐帯の種類が異なる場合にのみ、３人の人物間の共通知人数をコミュニティの大きさとみなすこととすれば、コミュニティの大きさをより正確に算出することができる。

図１５は、第４の実施の一形態の社会ネットワーク構造モデルを算出する電子計算機４００を示す機能ブロック図である。

図１５の電子計算機４００は、共通知人数識別部４０１と、紐帯種類判定部４０２と、共通知人数データ選択部４０５と、コミュニティサイズ出現確率分布算出部４１１と、次数出現確率分布算出部４２１と、ネットワーク生成部４４１とから構成される。

共通知人数識別部４０１の動作は、第３の実施の一形態における共通知人数識別部３０１の動作と同様であり、任意の第一の人物、第一の人物に隣接する第二の人物、並びに第一の人物と第二の人物に隣接する第三の人物の三人物に隣接する人物数を識別する手段を有する。

コミュニティサイズ出現確率分布算出部４１１の動作は、第３の実施の一形態におけるコミュニティサイズ出現確率分布算出部３１１の動作と同様である。

次数出現確率分布算出部４２１の動作は、第１の実施の一形態における次数出現確率分布算出部１２１の動作と同様である。

ネットワーク生成部４４１の動作は、第１の実施の一形態におけるネットワーク生成部１４１の動作と同様である。

紐帯種類判定部４０２は、第一の人物と第二の人物の間の紐帯の種類と、第一の人物と第三の人物の間の紐帯の種類とを判定して取得する手段を有する。

社会ネットワークに含まれる紐帯の種類は、共通知人数識別部４０１においてデータを使用するアンケートと同一の対象者に対して実施されるアンケートによって収集され、入力部によって入力される。アンケートでの質問の内容は、例えば、人物Ａに対して行われる場合は、「あなたとＢさんとの間柄は次のうちどれですか。１：家族・親族、２：恋人、３：友人、４：勤め先の同僚、先輩、後輩、５：近所の人、６：その他」「あなたとＣさんとの間柄は次のうちどれですか。１：家族・親族、２：恋人、３：友人、４：勤め先の同僚、先輩、後輩、５：近所の人、６：その他」というものである。

共通知人数データ選択部４０５は、紐帯種類判定部４０２が判定した、第一の人物と第二の人物の間の紐帯の種類と、第一の人物と第三の人物の間の紐帯の種類とを比較し、紐帯の種類が異なる場合に、共通知人数識別部４０１が識別した、第一の人物、第一の人物に隣接する第二の人物、並びに第一の人物と第二の人物に隣接する第三の人物の三人物に隣接する人物数を有効とする手段を有する。

図１６は、第４の実施の一形態の電子計算機４００を例示するブロック図である。図１６に例示した電子計算機４００は、一般的なコンピュータである。

電子計算機４００は、電子計算機１００と同様に、各種情報処理を行う制御部を始め、ＲＯＭ、ＲＡＭ、入力部、出力部、記憶装置４１０、必要に応じてネットワークインタフェース等を備える。

電子計算機４００の記憶装置４１０には、オペレーティングシステムを始め、各種機能・手段を実現させるアプリケーションプログラムなど、様々なプログラムが格納されており、必要に応じＲＡＭに展開されて実行される。記憶装置４１０は、様々の情報を記憶可能であり、前述のプログラムの他にもサンプルデータなどが記録されるデータファイルも記録される。尚、本例示では、共通知人数識別部４０１、紐帯種類判定部４０２、共通知人数データ選択部４０５、コミュニティサイズ出現確率分布算出部４１１、次数出現確率分布算出部４２１、ネットワーク生成部４４１は、アプリケーションプログラムが制御部を各種手段として機能させることによって実現される。

即ち、電子計算機４００の記憶部４１０に記録されているアプリケーションプログラムがＲＡＭに展開され、制御部を共通知人数識別手段、紐帯種類判定手段、共通知人数選択手段、コミュニティサイズ出現確率分布算出手段、次数出現確率分布算出手段、ネットワーク生成手段として機能させ、入力部によって入力されたサンプルデータを演算処理し、必要に応じて出力部に算出結果であるグラフを出力し、また、プリンター等に出力する。

次に、本発明の第４の実施の一形態の動作について説明する。

図１７は、社会ネットワーク構造モデルを算出する電子計算機４００の動作を示すフローチャートである。

電子計算機４００の制御部は、共通知人数識別手段４０１を使用し、社会ネットワークを構成する人物のサンプルデータから、任意の第一の人物、第一の人物に隣接する第二の人物、並びに第一の人物と第二の人物に隣接する第三の人物の三人物に隣接する人物数を識別処理する（ステップＳ１４０１）。尚、社会ネットワークを構成する人物のサンプルデータは、予め、入力部によって入力され、記憶部に記録されている。制御部はＲＡＭに展開されたプログラムに従い、記憶部から情報を取得し、当該情報を演算処理し、隣接人物数を識別する。以下の各ステップも同様にプログラムに従い演算処理される。

制御部は、紐帯種類判定部４０２を使用し、第一の人物と第二の人物の間の紐帯の種類と、第一の人物と第三の人物の間の紐帯の種類とを判定処理する（ステップＳ１４０２）。

制御部は、共通知人数データ選択部４０５を使用し、紐帯種類判定部４０２が算出した、第一の人物と第二の人物の間の紐帯の種類と、第一の人物と第三の人物の間の紐帯の種類とを比較し、紐帯の種類が異なる場合に、共通知人数識別部４０１が識別した、第一の人物、第一の人物に隣接する第二の人物、並びに第一の人物と第二の人物に隣接する第三の人物の三人物に隣接する人物数を有効とする（ステップＳ１４０３）。

ステップＳ１４０４以降の動作は、図１４のステップＳ１３０２以降の動作と同様である為、説明を省略する。

このように、第４の実施の一形態の電子計算機４００によれば、人物Ａ、人物Ａの知人である人物Ｂ、人物Ａおよび人物Ｂがともに知人である人物Ｃの３人の人物間の共通知人数を取得し、人物Ａと人物Ｂとの間の紐帯の種類と、人物Ａと人物Ｃとの間の紐帯の種類とを比較し、紐帯の種類が異なる場合にのみ、３人の人物間の共通知人数のデータを有効とし、共通知人数の分布のデータからコミュニティサイズ出現確率分布を算出することにより、人物Ａ、人物Ｂ、人物Ｃの３人の人物が属しているコミュニティの大きさを正しく算出することができる。これにより、社会ネットワークモデルをより高い精度で算出することができる。

本発明の第５の実施の一形態を図１８ないし図２０に基づいて説明する。

第３の実施の一形態は、人物Ａ、人物Ａの知人である人物Ｂ、人物Ａおよび人物Ｂがともに知人である人物Ｃの３人の人物間の共通知人数を算出し、３人の人物間の共通知人数をコミュニティの大きさとみなすものであるが、人物Ａ、人物Ｂ、人物Ｃの３人の人物が共に複数のコミュニティに属している場合は、コミュニティの大きさは過大に算出される。

この問題を解決する方法としては、第４の実施の一形態は紐帯の種類に着目する方法であるが、他の方法として紐帯の強さに着目する方法がある。例えば、引越しのような煩わしいことを手伝ってくれたり、落ち込んでいるときに勇気付けてくれたりする関係は、「強い紐帯」と呼ばれ、それ以外の知人関係は「弱い紐帯」と呼ばれる。強い紐帯で結ばれている人物同士は、共に複数のコミュニティに属していることも多い。一方、弱い紐帯で結ばれている人物同士は、共に複数のコミュニティに属していることは少ない。従って、人物Ａと人物Ｂとの間の紐帯の強さと、人物Ａと人物Ｃとの間の紐帯の強さとを参照し、一方が強い紐帯で、一方が弱い紐帯である場合、および、双方ともに弱い紐帯である場合にのみ、３人の人物間の共通知人数のデータをコミュニティの大きさとみなすこととすれば、コミュニティの大きさをより正確に算出することができる。

図１８は本願発明における第５の実施の形態の社会ネットワーク構造モデルを算出する電子計算機５００を示す機能ブロック図である。

図１８の電子計算機５００は、共通知人数識別部５０１と、紐帯強さ判定部５０３と、共通知人数選択部５０５と、コミュニティサイズ出現確率分布算出部５１１と、次数出現確率分布算出部５２１と、ネットワーク生成部５４１とから構成される。

共通知人数識別部５０１の動作は、第３の実施の一形態における共通知人数識別部３０１の動作と同様であり、任意の第一の人物、第一の人物に隣接する第二の人物、並びに第一の人物と第二の人物に隣接する第三の人物の三人物に隣接する人物数を識別して取得する手段を有する。

コミュニティサイズ出現確率分布算出部５１１の動作は、第３の実施の一形態におけるコミュニティサイズ出現確率分布算出部３１１の動作と同様である。

次数出現確率分布算出部５２１の動作は、第１の実施の一形態における次数出現確率分布算出部１２１の動作と同様である。

ネットワーク生成部５４１の動作は、第１の実施の一形態におけるネットワーク生成部１４１の動作と同様である。

紐帯強さ判定部５０３は、第一の人物と第二の人物の間の紐帯の強さと、第一の人物と第三の人物の間の紐帯の強さとを判定する手段を有する。判定は、予めアンケート結果の内容毎に定められた判定基準によって成される。

社会ネットワークに含まれる紐帯の強さは、共通知人数識別部５０１においてデータを使用するアンケートと同一の対象者に対して実施されるアンケートによって収集され、入力部によって入力される。アンケートでの質問の内容は、例えば、人物Ａに対して行われる場合は、「Ｂさんは、引越しのような煩わしいことでも手伝ってくれますか」「Ｃさんは、引越しのような煩わしいことでも手伝ってくれますか」というものである。これらの質問に「はい」と答えれば、回答者とその相手との紐帯は強い紐帯（強紐帯）に分類され、「いいえ」と答えれば、回答者とその相手との紐帯は弱い紐帯（弱紐帯）に分類される。

共通知人数データ選択部５０５は、紐帯種類判定部５０３が判定した、第一の人物と第二の人物の間の紐帯の強さと、第一の人物と第三の人物の間の紐帯の強さとを参照し、一方が強い紐帯（強紐帯）で、一方が弱い紐帯（弱紐帯）である場合、および、双方ともに弱い紐帯（弱紐帯）である場合に、共通知人数識別部５０１が識別した、第一の人物、第一の人物に隣接する第二の人物、並びに第一の人物と第二の人物に隣接する第三の人物の三人物に隣接する人物数を有効とする手段を有する。

図１９は、第５の実施の一形態の電子計算機５００を例示するブロック図である。図１９に例示した電子計算機５００は、一般的なコンピュータである。

電子計算機５００は、電子計算機１００と同様に、各種情報処理を行う制御部を始め、ＲＯＭ、ＲＡＭ、入力部、出力部、記憶装置５１０、必要に応じてネットワークインタフェース等を備える。

電子計算機５００の記憶装置５１０には、オペレーティングシステムを始め、各種機能・手段を実現させるアプリケーションプログラムなど、様々なプログラムが格納されており、必要に応じＲＡＭに展開されて実行される。記憶装置５１０は、様々の情報を記憶可能であり、前述のプログラムの他にもサンプルデータなどが記録されるデータファイルも記録される。尚、本例示では、共通知人数識別部５０１、紐帯強さ判定部５０３、共通知人数選択部５０５、コミュニティサイズ出現確率分布算出部５１１、次数出現確率分布算出部５２１、ネットワーク生成部５４１は、アプリケーションプログラムが制御部を各種手段として機能させることによって実現される。

即ち、電子計算機５００の記憶部５１０に記録されているアプリケーションプログラムがＲＡＭに展開され、制御部を共通知人数識別手段、紐帯強さ判定手段、共通知人数選択手段、コミュニティサイズ出現確率分布算出手段、次数出現確率分布算出手段、ネットワーク生成手段として機能させ、入力部によって入力されたサンプルデータを演算処理し、必要に応じて出力部に算出結果であるグラフを出力し、また、プリンター等に出力する。

次に、本発明の第５の実施の一形態の動作について説明する。

図２０は、社会ネットワーク構造モデルを算出する電子計算機５００の動作を示すフローチャートである。

電子計算機５００の制御部は、共通知人数識別手段５０１を使用し、社会ネットワークを構成する人物のサンプルデータから、任意の第一の人物、第一の人物に隣接する第二の人物、並びに第一の人物と第二の人物に隣接する第三の人物の三人物に隣接する人物数を識別処理する（ステップＳ１５０１）。尚、社会ネットワークを構成する人物のサンプルデータは、予め、入力部によって入力され、記憶部に記録されている。制御部はＲＡＭに展開されたプログラムに従い、記憶部から情報を取得し、当該情報を演算処理し、隣接人物数を識別する。以下の各ステップも同様にプログラムに従い演算処理される。

制御部は、紐帯強さ判定部５０３を使用し、第一の人物と第二の人物の間の紐帯の強さと、第一の人物と第三の人物の間の紐帯の強さとを判定処理する（ステップＳ１５０２）。

制御部は、共通知人数データ選択部５０５を使用し、紐帯種類判定部５０３が判定した、第一の人物と第二の人物の間の紐帯の強さと、第一の人物と第三の人物の間の紐帯の強さとを参照し、一方が強い紐帯で、一方が弱い紐帯である場合、および、双方ともに弱い紐帯である場合に、共通知人数識別部５０１が算出した、第一の人物、第一の人物に隣接する第二の人物、並びに第一の人物と第二の人物に隣接する第三の人物の三人物に隣接する人物数を有効とする（ステップＳ１５０３）。

ステップＳ１５０４以降の動作は、図１４のステップＳ１３０２以降の動作と同様である為、説明を省略する。

このように、第５の実施の一形態の電子計算機５００によれば、人物Ａ、人物Ａの知人である人物Ｂ、人物Ａおよび人物Ｂがともに知人である人物Ｃの３人の人物間の共通知人数を取得し、人物Ａと人物Ｂとの間の紐帯の強さと、人物Ａと人物Ｃとの間の紐帯の強さとを比較し、一方が強い紐帯で、一方が弱い紐帯である場合、および、双方ともに弱い紐帯である場合にのみ、３人の人物間の共通知人数のデータを有効とし、共通知人数の分布のデータからコミュニティサイズ出現確率分布を算出することにより、人物Ａ、人物Ｂ、人物Ｃの３人の人物が属しているコミュニティの大きさを正しく算出することができる。これにより、社会ネットワークモデルをより高い精度で算出することができる。

このように本発明によれば、アンケートを実施した人数から得られた情報を利用し、当該情報を演算処理することによって、アンケートを実施した人数以上の社会ネットワーク上のコミュニケーションを想定した社会ネットワーク構造モデルを生成できる。

即ち、本発明を使用すれば、現実社会の消費者間の関係に関する数百万から数億という膨大な情報を収集することなしに、少量の情報をもって、消費者の消費行動を分析するという目的のために適切な社会ネットワーク構造モデルを算出し、当該社会ネットワーク構造モデルを用いて、社会ネットワークにおいて発生するコミュニケーションが消費者の消費行動に与える影響の程度をより高い精度で分析することが可能である電子計算機及びプログラムを提供できる。これにより、消費者間のコミュニケーションを考慮した消費行動分析技術において、その精度の向上を図ることが可能となる。

換言すれば、消費者間の関係に関する全ての情報を得ることなく、社会ネットワーク上のコミュニケーションが消費者の消費行動に与える影響の程度をより高い精度で分析することが可能である。同じく、消費者の購買行動をより高い精度で分析することが可能である。

本発明は、社会ネットワーク構造モデルを高精度に算出する必要が在る電子計算機に適応できる。

また、算出処理された社会ネットワーク構造モデルを用いることによって、社会ネットワーク上のコミュニケーションが消費者の購買行動へ与える影響の程度をより高い精度で分析可能となり、これにより、消費者の購買行動をより高い精度で分析可能となる。このため、商品またはサービスのマーケティング戦略立案や宣伝広告戦略立案、更に企画・営業等に用いる情報の作成用途に適応できる。同じく、社会ネットワーク構造モデル作図プログラムに適応できる。

実施の一形態の社会ネットワーク構造モデルを算出する電子計算機を示す機能ブロック図である。 実施の一形態の電子計算機を例示するブロック図である。 社会ネットワーク構造モデルを算出する電子計算機１００の動作を示すフローチャートである。 社会ネットワーク構造モデルを算出する電子計算機が生成する社会ネットワーク構造モデルを例示する図である。 コミュニティサイズ出現確率分布算出部が算出するコミュニティサイズ分布データおよび次数出現確率分布算出部が算出する次数出現確率分布データを例示する図である。 電子計算機が算出する社会ネットワーク構造モデルの次数出現確率分布データおよびコミュニティサイズ分布データを例示する図である。 第２の実施の一形態の社会ネットワーク構造モデルを算出する電子計算機を示す機能ブロック図である。 第２の実施の一形態の電子計算機を例示するブロック図である。 社会ネットワーク構造モデルを算出する電子計算機２００の動作を示すフローチャートである。 本実施の一形態における第４のグラフ生成処理による社会ネットワーク構造モデルの生成を模式化した説明図である。 第３の実施の一形態の社会ネットワーク構造モデルを算出する電子計算機を示す機能ブロック図である。 第３の実施の一形態によって解決される課題を模式化した説明図である。 第３の実施の一形態の電子計算機を例示するブロック図である。 社会ネットワーク構造モデルを算出する電子計算機３００の動作を示すフローチャートである。 第４の実施の一形態の社会ネットワーク構造モデルを算出する電子計算機を示す機能ブロック図である。 第４の実施の一形態の電子計算機を例示するブロック図である。 社会ネットワーク構造モデルを算出する電子計算機４００の動作を示すフローチャートである。 第５の実施の一形態の社会ネットワーク構造モデルを算出する電子計算機を示す機能ブロック図である。 第５の実施の一形態の電子計算機を例示するブロック図である。 社会ネットワーク構造モデルを算出する電子計算機５００の動作を示すフローチャートである。

符号の説明

１００ 電子計算機
１１１ コミュニティサイズ出現確率分布算出部（コミュニティサイズ出現確率分布算出手段）
１２１ 次数出現確率分布算出部（次数出現確率分布算出手段）
１４１ ネットワーク生成部（ネットワーク生成手段）
２００ 電子計算機
２１１ コミュニティサイズ出現確率分布算出部（コミュニティサイズ出現確率分布算出手段）
２２１ 次数出現確率分布算出部（次数出現確率分布算出手段）
２３１ ネットワーク生成処理記憶部（ネットワーク生成処理記憶手段）
２４１ ネットワーク生成部（ネットワーク生成手段）
２５１ 変数適合度算出部（変数適合度算出手段）
３００ 電子計算機
３０１ 共通知人数識別部（共通知人数識別手段）
３１１ コミュニティサイズ出現確率分布算出部（ミュニティサイズ出現確率分布算出手段）
３２１ 次数出現確率分布算出部（次数出現確率分布算出手段）
３４１ ネットワーク生成部（ネットワーク生成手段）
４００ 電子計算機
４０１ 共通知人数識別部（共通知人数識別手段）
４０２ 紐帯種類判定部（紐帯種類判定手段）
４０５ 共通知人数データ選択部（共通知人数データ選択手段）
４１１ コミュニティサイズ出現確率分布算出部（コミュニティサイズ出現確率分布算出手段）
４２１ 次数出現確率分布算出部（次数出現確率分布算出手段）
４４１ ネットワーク生成部（ネットワーク生成手段）
５００ 電子計算機
５０１ 共通知人数識別部（共通知人数識別手段）
５０３ 紐帯強さ判定部（紐帯強さ判定手段）
５０５ 共通知人数データ選択部（共通知人数データ選択手段）
５１１ コミュニティサイズ出現確率分布算出部（コミュニティサイズ出現確率分布算出手段）
５２１ 次数出現確率分布算出部（次数出現確率分布算出手段）
５４１ ネットワーク生成部（ネットワーク生成手段）

Claims (26)

1. コミュニティに属する各人同士の関係が現れたサンプルデータから社会ネットワーク構造モデルを導出する電子計算機において、
   電子計算機の制御部は、
   入力手段から取得したアンケートによる社会ネットワークに含まれるコミュニティの前記サンプルデータから、各人が有していたコミュニティの大きさの分布を抽出してコミュニティサイズ出現確率分布を算出処理すると共に、前記各人が有していた 他人とのつながり数を示すノードの次数についての分布を抽出してノードの平均次数と次数出現確率分布とを算出処理し、
   前記コミュニティサイズ出現確率分布と前記ノードの平均次数と前記次数出現確率分布とを演算処理して、ノードのエッジ獲得確率初期値とノード抽出個数期待値とノードのエッジ獲得確率とを算出処理し、
   前記算出処理したノードのエッジ獲得確率初期値とノード抽出個数期待値とノードのエッジ獲得確率のデータに基づいて、所望するノード数のノードとエッジが配設されたネットワーク構造モデルを社会ネットワーク構造モデルとしてグラフ理論に則って生成処理して記憶手段に記録する
   ことを特徴とする電子計算機。
   ここで、前記コミュニティサイズ出現確率分布とは、コミュニティの大きさを独立変数、出現確率を従属変数とした確率密度関数であり、
   前記次数出現確率分布とは、次数を独立変数、出現確率を従属変数とした確率密度関数である。
2. コミュニティに属する各人同士の関係が現れたサンプルデータから社会ネットワーク構造モデルを導出する電子計算機において、
   電子計算機の制御部は、
   入力手段から取得したアンケートによる社会ネットワークに含まれるコミュニティの前記サンプルデータから、各人が有していたコミュニティの大きさの分布を抽出してコミュニティサイズ出現確率分布を算出処理すると共に、前記各人が有していた 他人とのつながり数を示すノードの次数についての分布を抽出してエッジの総数と次数出現確率分布とを算出処理し、
   複数のネットワーク生成処理工程を順次選択すると共に、個々のネットワーク生成処理工程で少なくとも前記算出処理したコミュニティサイズ出現確率分布もしくは次数出現確率分布の一方を含むコミュニティサイズ出現確率分布とエッジの総数と次数出現確率分布とを演算処理することにより個々のネットワーク生成処理工程に従った所望するノード数を有する複数のネットワーク構造をグラフ理論に則って生成処理し、
   前記算出処理した社会ネットワークのコミュニティサイズ出現確率分布および次数出現確率分布と、前記ネットワーク生成処理工程によって生成されたネットワーク構造のコミュニティサイズ出現確率分布および次数出現確率分布とを比較処理して度数分布の残差平方和を算出し、
   前記算出する残差平方和が最小の値を取ったネットワーク構造を社会ネットワーク構造モデルとして選択して記憶手段に記録する
   ことを特徴とする電子計算機。
   ここで、前記コミュニティサイズ出現確率分布とは、コミュニティの大きさを独立変数、出現確率を従属変数とした確率密度関数であり、
   前記次数出現確率分布とは、次数を独立変数、出現確率を従属変数とした確率密度関数である。
3. コミュニティに属する各人同士の関係が現れたサンプルデータから社会ネットワーク構造モデルを導出する電子計算機において、
   電子計算機の制御部は、
   入力手段から取得した社会ネットワークを構成するノードに反映させる各人のサンプルデータから、任意の第一のノード、前記第一のノードに隣接する第二のノード、並びに前記第一のノードと前記第二のノードとに隣接する第三のノードの三ノードに隣接するノード数を三ノード隣接ノード数として抽出して識別処理し、
   前記三ノード隣接ノード数の分布を集計してコミュニティの大きさの分布を抽出してコミュニティサイズ出現確率分布を算出処理すると共に、前記サンプルデータから識別した前記各人が有していた他人とのつながり数を示すノードの次数についての分布を抽出してノードの平均次数と次数出現確率分布とを算出処理し、
   前記コミュニティサイズ出現確率分布と前記ノードの平均次数と前記次数出現確率分布とを演算処理して、ノードのエッジ獲得確率初期値とノード抽出個数期待値とノードのエッジ獲得確率とを算出処理し、
   当該算出処理したノードのエッジ獲得確率初期値とノード抽出個数期待値とノードのエッジ獲得確率のデータに基づいて、所望するノード数のノードとエッジが配設されたネットワーク構造モデルを社会ネットワーク構造モデルとしてグラフ理論に則って生成処理して記憶手段に記録する
   ことを特徴とする電子計算機。
   ここで、前記コミュニティサイズ出現確率分布とは、コミュニティの大きさを独立変数、出現確率を従属変数とした確率密度関数であり、
   前記次数出現確率分布とは、次数を独立変数、出現確率を従属変数とした確率密度関数である。
4. コミュニティに属する各人同士の関係が現れたサンプルデータから社会ネットワーク構造モデルを導出する電子計算機において、
   電子計算機の制御部は、
   入力手段から取得した社会ネットワークを構成するノードに反映させるサンプルデータから、任意の第一のノード、前記第一のノードに隣接する第二のノード、並びに前記第一のノードと前記第二のノードとに隣接する第三のノードの三ノードに隣接するノード数を三ノード隣接ノード数として抽出して識別処理し、
   前記第一のノードと前記第二のノードと間の紐帯の種類と、前記第一のノードと前記第三のノードの間の紐帯の種類とを同種であるか判定して、前記２つの紐帯の種類が異なる場合に、該三ノード隣接ノード数のデータを有効とし、
   前記三ノード隣接ノード数の分布を集計してコミュニティの大きさの分布を抽出してコミュニティサイズ出現確率分布を算出処理すると共に、前記サンプルデータから識別した前記各人が有していた他人とのつながり数を示すノードの次数についての分布を抽出してノードの平均次数と次数出現確率分布とを算出処理し、
   前記コミュニティサイズ出現確率分布と前記ノードの平均次数と前記次数出現確率分布とを演算処理して、ノードのエッジ獲得確率初期値とノード抽出個数期待値とノードのエッジ獲得確率とを算出処理し、
   前記算出処理したノードのエッジ獲得確率初期値とノード抽出個数期待値とノードのエッジ獲得確率のデータに基づいて、所望するノード数のノードとエッジが配設されたネットワーク構造モデルを社会ネットワーク構造モデルとしてグラフ理論に則って生成処理して記憶手段に記録する
   ことを特徴とする電子計算機。
   ここで、前記コミュニティサイズ出現確率分布とは、コミュニティの大きさを独立変数、出現確率を従属変数とした確率密度関数であり、
   前記次数出現確率分布とは、次数を独立変数、出現確率を従属変数とした確率密度関数である。
5. コミュニティに属する各人同士の関係が現れたサンプルデータから社会ネットワーク構造モデルを導出する電子計算機において、
   電子計算機の制御部は、
   入力手段から取得した社会ネットワークを構成するノードに反映させる各人のサンプルデータから、任意の第一のノード、前記第一のノードに隣接する第二のノード、並びに前記第一のノードと前記第二のノードとに隣接する第三のノードの三ノードに隣接するノード数を三ノード隣接ノード数として抽出して識別処理し、
   前記第一のノードと前記第二のノードと間の紐帯の強さと、前記第一のノードと前記第三のノードの間の紐帯の強さとを予め定められた判定基準によって強紐帯もしくは弱紐帯の何れかに判定して、前記２つの紐帯の強さのうち一方が強紐帯で一方が弱紐帯である場合および双方が弱紐帯である場合に、該三ノード隣接ノード数のデータを有効とし、
   前記三ノード隣接ノード数の分布を集計してコミュニティの大きさの分布を抽出してコミュニティサイズ出現確率分布を算出処理すると共に、前記サンプルデータから識別した前記各人が有していた他人とのつながり数を示すノードの次数についての分布を抽出してノードの平均次数と次数出現確率分布とを算出処理し、
   前記コミュニティサイズ出現確率分布と前記ノードの平均次数と前記次数出現確率分布とを演算処理して、ノードのエッジ獲得確率初期値とノード抽出個数期待値とノードのエッジ獲得確率とを算出処理し、
   前記算出処理したノードのエッジ獲得確率初期値とノード抽出個数期待値とノードのエッジ獲得確率のデータに基づいて、所望するノード数のノードとエッジが配設されたネットワーク構造モデルを社会ネットワーク構造モデルとしてグラフ理論に則って生成処理して記憶手段に記録する
   ことを特徴とする電子計算機。
   ここで、前記コミュニティサイズ出現確率分布とは、コミュニティの大きさを独立変数、出現確率を従属変数とした確率密度関数であり、
   前記次数出現確率分布とは、次数を独立変数、出現確率を従属変数とした確率密度関数である。
6. コミュニティに属する各人同士の関係が現れたサンプルデータから社会ネットワーク構造モデルを導出する電子計算機において、
   社会ネットワークに含まれる各人が有するコミュニティの大きさの分布のサンプルデータからコミュニティサイズ出現確率分布を算出処理する手段と、
   前記社会ネットワークを構成する前記各人が有している他人とのつながり数を示したノードの次数のサンプルデータから平均次数を算出する手段と、
   前記ノードの次数のサンプルデータから次数出現確率分布を算出処理する手段と、
   グラフ理論に則って、ノードを配置する工程と、前記算出した次数出現確率分布に従いノードにエッジ獲得確率初期値を付与する工程と、前記算出したコミュニティサイズ出現確率分布に従いノード抽出個数期待値を算出する工程と、前記エッジ獲得確率初期値と前記ノード抽出個数期待値に従いノードにエッジ獲得確率を付与する工程と、前記エッジ獲得確率に従いノードを抽出する工程と、抽出した当該ノードを要素とする完全グラフを生成し追加する工程と、生成しているグラフのノードの次数の平均値が前記算出したノードの平均次数に達したかを判定する工程とを有するネットワーク生成手段と、
   を有する
   ことを特徴とする電子計算機。
   ここで、前記コミュニティサイズ出現確率分布とは、コミュニティの大きさを独立変数、出現確率を従属変数とした確率密度関数であり、
   前記次数出現確率分布とは、次数を独立変数、出現確率を従属変数とした確率密度関数である。
7. コミュニティに属する各人同士の関係が現れたサンプルデータから社会ネットワーク構造モデルを導出する電子計算機において、
   社会ネットワークに含まれる各人が有するコミュニティの大きさの分布のサンプルデータからコミュニティサイズ出現確率分布を算出処理する手段と、
   前記社会ネットワークを構成する前記各人が有している他人とのつながり数を示したノードの次数のサンプルデータからエッジの総数を算出処理する手段と、
   前記ノードの次数のサンプルデータから次数出現確率分布を算出処理する手段と、
   複数のネットワーク生成処理工程を保持する、ネットワーク生成処理記憶手段と、
   前記複数のネットワーク生成処理工程をネットワーク生成処理記憶手段から取得して、
   個々のネットワーク生成処理工程毎に、
   前記コミュニティサイズ出現確率分布を算出処理する手段が算出処理するコミュニティサイズ出現確率分布と、前記エッジの総数を算出処理する手段が算出処理するエッジの総数と、前記次数出現確率分布を算出処理する手段が算出処理する次数出現確率分布とを、少なくとも前記算出処理したコミュニティサイズ出現確率分布もしくは次数出現確率分布の一方を使用して演算処理することにより、前記個々のネットワーク生成処理工程毎のネットワーク構造モデルをグラフ理論に則って生成処理する手段と、
   前記算出処理した社会ネットワークのコミュニティサイズ出現確率分布および次数出現確率分布と、前記個々のネットワーク生成処理工程に従って生成されたネットワーク構造のコミュニティサイズ出現確率分布および次数出現確率分布とを比較して、前記個々のネットワーク生成処理工程に従って生成されたネットワーク構造毎の度数分布の残差平方和を算出処理する手段と、
   前記算出された残差平方和が最小の値を取ったネットワーク構造を社会ネットワーク構造モデルとして選択する手段と、
   選択された前記社会ネットワーク構造モデルを出力する出力手段と、
   を有する
   ことを特徴とする電子計算機。
   ここで、前記コミュニティサイズ出現確率分布とは、コミュニティの大きさを独立変数、出現確率を従属変数とした確率密度関数であり、
   前記次数出現確率分布とは、次数を独立変数、出現確率を従属変数とした確率密度関数である。
8. コミュニティに属する各人同士の関係が現れたサンプルデータから社会ネットワーク構造モデルを導出する電子計算機において、
   社会ネットワークを構成するノードに反映させる各人のサンプルデータから任意の第一のノード、前記第一のノードに隣接する第二のノード、並びに前記第一のノードと前記第二のノードとに隣接する第三のノードの三ノードに隣接するノード数を三ノード隣接ノード数として識別処理する手段と、
   前記三ノード隣接ノード数の分布を集計してコミュニティの大きさの分布を抽出してコミュニティサイズ出現確率分布を算出処理する手段と、
   前記社会ネットワークを構成する前記各人が有している他人とのつながり数を示したノードの次数のサンプルデータから平均次数を算出処理する手段と、
   前記ノードの次数のサンプルデータから次数出現確率分布を算出処理する手段と、
   グラフ理論に則って、ノードを配置する工程と、前記算出した次数出現確率分布に従いノードにエッジ獲得確率初期値を付与する工程と、前記算出したコミュニティサイズ出現確率分布に従いノード抽出個数期待値を算出する工程と、前記エッジ獲得確率初期値と前記ノード抽出個数期待値に従いノードにエッジ獲得確率を付与する工程と、前記エッジ獲得確率に従いノードを抽出する工程と、抽出した当該ノードを要素とする完全グラフを生成し追加する工程と、生成しているグラフのノードの次数の平均値が前記算出したノードの平均次数に達したかを判定する工程とを有するネットワーク生成手段と、
   を有する
   ことを特徴とする電子計算機。
   ここで、前記コミュニティサイズ出現確率分布とは、コミュニティの大きさを独立変数、出現確率を従属変数とした確率密度関数であり、
   前記次数出現確率分布とは、次数を独立変数、出現確率を従属変数とした確率密度関数である。
9. コミュニティに属する各人同士の関係が現れたサンプルデータから社会ネットワーク構造モデルを導出する電子計算機において、
   社会ネットワークを構成するノードに反映させる各人のサンプルデータから任意の第一のノード、前記第一のノードに隣接する第二のノード、並びに前記第一のノードと前記第二のノードとに隣接する第三のノードの三ノードに隣接するノード数を三ノード隣接ノード数として識別処理する手段と、
   前記第一のノードと前記第二のノードと間の紐帯である第１の紐帯の種類と、前記第一のノードと前記第三のノードの間の紐帯である第２の紐帯の種類とを同種であるか判定処理する手段と、
   前記判定処理の結果を参照して、前記第１の紐帯及び前記第２の紐帯の種類が異なる場合に、該当三ノード隣接ノード数のデータを有効とする手段と、
   有効とされた前記三ノード隣接ノード数の分布を集計してコミュニティの大きさの分布を抽出してコミュニティサイズ出現確率分布を算出処理する手段と、
   前記社会ネットワークを構成する前記各人が有している他人とのつながり数を示したノードの次数のサンプルデータから平均次数を算出処理する手段と、
   前記ノードの次数のサンプルデータから次数出現確率分布を算出処理する手段と、
   グラフ理論に則って、ノードを配置する工程と、前記算出した次数出現確率分布に従いノードにエッジ獲得確率初期値を付与する工程と、前記算出したコミュニティサイズ出現確率分布に従いノード抽出個数期待値を算出する工程と、前記エッジ獲得確率初期値と前記ノード抽出個数期待値に従いノードにエッジ獲得確率を付与する工程と、前記エッジ獲得確率に従いノードを抽出する工程と、抽出した当該ノードを要素とする完全グラフを生成し追加する工程と、生成しているグラフのノードの次数の平均値が前記算出したノードの平均次数に達したかを判定する工程とを有するネットワーク生成手段と、
   を有する
   ことを特徴とする電子計算機。
   ここで、前記コミュニティサイズ出現確率分布とは、コミュニティの大きさを独立変数、出現確率を従属変数とした確率密度関数であり、
   前記次数出現確率分布とは、次数を独立変数、出現確率を従属変数とした確率密度関数である。
10. コミュニティに属する各人同士の関係が現れたサンプルデータから社会ネットワーク構造モデルを導出する電子計算機において、
    社会ネットワークを構成するノードに反映させる各人のサンプルデータから任意の第一のノード、前記第一のノードに隣接する第二のノード、並びに前記第一のノードと前記第二のノードとに隣接する第三のノードの三ノードに隣接するノード数を三ノード隣接ノード数として識別処理する手段と、
    前記第一のノードと前記第二のノードと間の紐帯の強さである第１の紐帯の強さと、前記第一のノードと前記第三のノードの間の紐帯の強さである第２の紐帯の強さとを予め定められた判定基準によって強紐帯もしくは弱紐帯の何れかに判定処理する手段と、
    前記判定処理の結果を参照して、前記第１の紐帯の強さと前記第２の紐帯の強さのうち一方が強紐帯で一方が弱紐帯である場合および双方が弱紐帯である場合に、該当三ノード隣接ノード数のデータを有効とする手段と、
    有効とされた前記三ノード隣接ノード数の分布を集計してコミュニティの大きさの分布を抽出してコミュニティサイズ出現確率分布を算出処理する手段と、
    前記社会ネットワークを構成する前記各人が有している他人とのつながり数を示したノードの次数のサンプルデータから平均次数を算出処理する手段と、
    前記ノードの次数のサンプルデータから次数出現確率分布を算出処理する手段と、
    グラフ理論に則って、ノードを配置する工程と、前記算出した次数出現確率分布に従いノードにエッジ獲得確率初期値を付与する工程と、前記算出したコミュニティサイズ出現確率分布に従いノード抽出個数期待値を算出する工程と、前記エッジ獲得確率初期値と前記ノード抽出個数期待値に従いノードにエッジ獲得確率を付与する工程と、前記エッジ獲得確率に従いノードを抽出する工程と、抽出した当該ノードを要素とする完全グラフを生成し追加する工程と、生成しているグラフのノードの次数の平均値が前記算出したノードの平均次数に達したかを判定する工程とを有するネットワーク生成手段と、
    を有する
    ことを特徴とする電子計算機。
    ここで、前記コミュニティサイズ出現確率分布とは、コミュニティの大きさを独立変数、出現確率を従属変数とした確率密度関数であり、
    前記次数出現確率分布とは、次数を独立変数、出現確率を従属変数とした確率密度関数である。
11. 前記コミュニティサイズ出現確率分布を算出処理する手段は、知人の数に関するアンケートの回答結果から各人が有するコミュニティサイズを算出処理することを特徴とする請求項６乃至１０の何れか一項に記載の電子計算機。
12. 前記次数出現確率分布を算出処理する手段は、知人の数とする 各人が有する情報端末に記憶されているアドレス数に関するアンケートの回答結果から次数出現確率分布を算出処理することを特徴とする請求項６乃至１１の何れか一項に記載の電子計算機。
13. 前記残差平方和を算出処理する手段は、前記コミュニティサイズ出現確率分布を算出処理する手段で算出されるコミュニティ分布および前記次数出現確率分布を算出処理する手段で算出される次数出現確率分布と、前記個々のネットワーク生成処理工程毎のネットワーク構造モデルをグラフ理論に則って生成処理する手段で算定される個々のネットワーク生成処理工程毎のコミュニティサイズ出現確率分布および次数出現確率分布との差を分析する手段と、
    当該分析結果からネットワーク生成処理のアルゴリズムあるいはアルゴリズムのパラメータを変更する手段と、
    を有する
    ことを特徴とする請求項７記載の電子計算機。
14. コミュニティに属する各人同士の関係が現れたサンプルデータから社会ネットワーク構造モデルを導出する電子計算機を機能させるプログラムであって、
    電子計算機の制御部に、
    入力手段から取得したアンケートによる社会ネットワークに含まれるコミュニティの前記サンプルデータから、各人が有していたコミュニティの大きさの分布を抽出してコミュニティサイズ出現確率分布を算出処理すると共に、前記各人が有していた 他人とのつながり数を示すノードの次数についての分布を抽出してノードの平均次数と次数出現確率分布とを算出処理するステップと、
    前記コミュニティサイズ出現確率分布と前記ノードの平均次数と前記次数出現確率分布とを演算処理して、ノードのエッジ獲得確率初期値とノード抽出個数期待値とノードのエッジ獲得確率とを算出処理するステップと、
    前記算出処理したノードのエッジ獲得確率初期値とノード抽出個数期待値とノードのエッジ獲得確率のデータに基づいて、所望するノード数のノードとエッジが配設されたネットワーク構造モデルを社会ネットワーク構造モデルとしてグラフ理論に則って生成処理して記憶手段に記録するステップと
    を実行させることを特徴とするプログラム。
    ここで、前記コミュニティサイズ出現確率分布とは、コミュニティの大きさを独立変数、出現確率を従属変数とした確率密度関数であり、
    前記次数出現確率分布とは、次数を独立変数、出現確率を従属変数とした確率密度関数である。
15. コミュニティに属する各人同士の関係が現れたサンプルデータから社会ネットワーク構造モデルを導出する電子計算機を機能させるプログラムであって、
    電子計算機の制御部に、
    入力手段から取得したアンケートによる社会ネットワークに含まれるコミュニティの前記サンプルデータから、各人が有していたコミュニティの大きさの分布を抽出してコミュニティサイズ出現確率分布を算出処理すると共に、前記各人が有していた 他人とのつながり数を示すノードの次数についての分布を抽出してノードの平均次数と次数出現確率分布とを算出処理するステップと、
    複数のネットワーク生成処理工程を順次選択すると共に、
    個々のネットワーク生成処理工程で少なくとも前記算出処理したコミュニティサイズ出現確率分布もしくは次数出現確率分布の一方を含むコミュニティサイズ出現確率分布とエッジの総数と次数出現確率分布とを演算処理することにより個々のネットワーク生成処理工程に従った所望するノード数を有する複数のネットワーク構造をグラフ理論に則って生成処理し、
    前記算出処理した社会ネットワークのコミュニティサイズ出現確率分布および次数出現確率分布と、前記ネットワーク生成処理工程によって生成されたネットワーク構造のコミュニティサイズ出現確率分布および次数出現確率分布とを比較処理して度数分布の残差平方和を算出し、
    当該算出する残差平方和が最小の値を取ったネットワーク構造を社会ネットワーク構造モデルとして選択して記憶手段に記録するステップと
    を実行させることを特徴とするプログラム。
    ここで、前記コミュニティサイズ出現確率分布とは、コミュニティの大きさを独立変数、出現確率を従属変数とした確率密度関数であり、
    前記次数出現確率分布とは、次数を独立変数、出現確率を従属変数とした確率密度関数である。
16. コミュニティに属する各人同士の関係が現れたサンプルデータから社会ネットワーク構造モデルを導出する電子計算機を機能させるプログラムであって、
    電子計算機の制御部に、
    入力手段から取得した社会ネットワークを構成するノードに反映させる各人のサンプルデータから、任意の第一のノード、前記第一のノードに隣接する第二のノード、並びに前記第一のノードと前記第二のノードとに隣接する第三のノードの三ノードに隣接するノード数を三ノード隣接ノード数として抽出して識別処理するステップと、
    前記三ノード隣接ノード数の分布を集計してコミュニティの大きさの分布を抽出してコミュニティサイズ出現確率分布を算出処理するステップと、
    前記サンプルデータから識別した前記各人が有していた他人とのつながり数を示すノードの次数についての分布を抽出してノードの平均次数と次数出現確率分布とを算出処理するステップと、
    前記コミュニティサイズ出現確率分布と前記ノードの平均次数と前記次数出現確率分布とを演算処理して、ノードのエッジ獲得確率初期値とノード抽出個数期待値とノードのエッジ獲得確率とを算出処理するステップと、
    前記算出処理したノードのエッジ獲得確率初期値とノード抽出個数期待値とノードのエッジ獲得確率のデータに基づいて、所望するノード数のノードとエッジが配設されたネットワーク構造モデルを社会ネットワーク構造モデルとしてグラフ理論に則って生成処理して記憶手段に記録するステップと
    を実行させることを特徴とするプログラム。
    ここで、前記コミュニティサイズ出現確率分布とは、コミュニティの大きさを独立変数、出現確率を従属変数とした確率密度関数であり、
    前記次数出現確率分布とは、次数を独立変数、出現確率を従属変数とした確率密度関数である。
17. コミュニティに属する各人同士の関係が現れたサンプルデータから社会ネットワーク構造モデルを導出する電子計算機を機能させるプログラムであって、
    電子計算機の制御部に、
    入力手段から取得した社会ネットワークを構成するノードに反映させる各人のサンプルデータから、任意の第一のノード、前記第一のノードに隣接する第二のノード、並びに前記第一のノードと前記第二のノードとに隣接する第三のノードの三ノードに隣接するノード数を三ノード隣接ノード数として抽出して識別処理識別するステップと、
    前記第一のノードと前記第二のノードと間の紐帯の種類と、前記第一のノードと前記第三のノードの間の紐帯の種類とを算出するステップと、
    前記２つの紐帯の種類が異なる場合に、該当三ノード隣接ノード数のデータを有効とするステップと、
    前記三ノード隣接ノード数の分布を集計してコミュニティの大きさの分布を抽出してコミュニティサイズ出現確率分布を算出処理すると共に、前記サンプルデータから識別した前記各人が有していた他人とのつながり数を示すノードの次数についての分布を抽出してノードの平均次数と次数出現確率分布とを算出処理ステップと、
    前記コミュニティサイズ出現確率分布と前記ノードの平均次数と前記次数出現確率分布とを演算処理して、ノードのエッジ獲得確率初期値とノード抽出個数期待値とノードのエッジ獲得確率とを算出処理するステップと、
    当該算出処理したノードのエッジ獲得確率初期値とノード抽出個数期待値とノードのエッジ獲得確率のデータに基づいて、所望するノード数のノードとエッジが配設されたネットワーク構造モデルを社会ネットワーク構造モデルとしてグラフ理論に則って生成処理して記憶手段に記録するステップと
    を実行させることを特徴とするプログラム。
    ここで、前記コミュニティサイズ出現確率分布とは、コミュニティの大きさを独立変数、出現確率を従属変数とした確率密度関数であり、
    前記次数出現確率分布とは、次数を独立変数、出現確率を従属変数とした確率密度関数である。
18. コミュニティに属する各人同士の関係が現れたサンプルデータから社会ネットワーク構造モデルを導出する電子計算機を機能させるプログラムであって、
    電子計算機の制御部に、
    入力手段から取得した社会ネットワークを構成するノードに反映させる各人のサンプルデータから、任意の第一のノード、前記第一のノードに隣接する第二のノード、並びに前記第一のノードと前記第二のノードとに隣接する第三のノードの三ノードに隣接するノード数を三ノード隣接ノード数として抽出して識別処理識別するステップと、
    前記第一のノードと前記第二のノードと間の紐帯の強さと、前記第一のノードと前記第三のノードの間の紐帯の強さとを予め定められた判定基準によって強紐帯もしくは弱紐帯の何れかに判定するステップと、
    前記２つの紐帯の強さのうち一方が強紐帯で一方が弱紐帯である場合および双方が弱紐帯である場合に、該三ノード隣接ノード数のデータを有効とするステップと、
    前記三ノード隣接ノード数の分布を集計してコミュニティの大きさの分布を抽出してコミュニティサイズ出現確率分布を算出処理するステップと、
    前記サンプルデータから識別した前記各人が有していた他人とのつながり数を示すノードの次数についての分布を抽出してノードの平均次数と次数出現確率分布とを算出処理するステップと、
    前記コミュニティサイズ出現確率分布と前記ノードの平均次数と前記次数出現確率分布とを演算処理して、ノードのエッジ獲得確率初期値とノード抽出個数期待値とノードのエッジ獲得確率とを算出処理するステップと、
    当該算出処理したノードのエッジ獲得確率初期値とノード抽出個数期待値とノードのエッジ獲得確率のデータに基づいて、所望するノード数のノードとエッジが配設されたネットワーク構造モデルを社会ネットワーク構造モデルとしてグラフ理論に則って生成処理して記憶手段に記録するステップと
    を実行させることを特徴とするプログラム。
    ここで、前記コミュニティサイズ出現確率分布とは、コミュニティの大きさを独立変数、出現確率を従属変数とした確率密度関数であり、
    前記次数出現確率分布とは、次数を独立変数、出現確率を従属変数とした確率密度関数である。
19. コミュニティに属する各人同士の関係が現れたサンプルデータから社会ネットワーク構造モデルを導出する電子計算機を機能させるプログラムであって、
    電子計算機の制御部を、
    社会ネットワークに含まれる各人が有するコミュニティの大きさの分布のサンプルデータからコミュニティサイズ出現確率分布を算出処理する手段と、
    前記社会ネットワークを構成する前記各人が有している他人とのつながり数を示したノードの次数のサンプルデータから平均次数を算出する手段と、
    前記ノードの次数のサンプルデータから次数出現確率分布を算出処理する手段と、
    グラフ理論に則って、ノードを配置する工程と、前記算出した次数出現確率分布に従いノードにエッジ獲得確率初期値を付与する工程と、前記算出したコミュニティサイズ出現確率分布に従いノード抽出個数期待値を算出する工程と、前記エッジ獲得確率初期値と前記ノード抽出個数期待値に従いノードにエッジ獲得確率を付与する工程と、前記エッジ獲得確率に従いノードを抽出する工程と、抽出した当該ノードを要素とする完全グラフを生成し追加する工程と、生成しているグラフのノードの次数の平均値が前記算出したノードの平均次数に達したかを判定する工程とを有するネットワーク生成手段と、
    生成された前記社会ネットワーク構造モデルを出力する出力手段、
    として機能させることを特徴とするプログラム。
    ここで、前記コミュニティサイズ出現確率分布とは、コミュニティの大きさを独立変数、出現確率を従属変数とした確率密度関数であり、
    前記次数出現確率分布とは、次数を独立変数、出現確率を従属変数とした確率密度関数である。
20. コミュニティに属する各人同士の関係が現れたサンプルデータから社会ネットワーク構造モデルを導出する電子計算機を機能させるプログラムであって、
    電子計算機の制御部を、
    社会ネットワークに含まれる各人が有するコミュニティの大きさの分布のサンプルデータからコミュニティサイズ出現確率分布を算出処理する手段と、
    前記社会ネットワークを構成する前記各人が有している他人とのつながり数を示したノードの次数のサンプルデータからエッジの総数を算出処理する手段と、
    前記ノードの次数のサンプルデータから次数出現確率分布を算出処理する手段と、
    複数のネットワーク生成処理工程を保持する、ネットワーク生成処理記憶手段と、
    前記複数のネットワーク生成処理工程をネットワーク生成処理記憶手段から取得して、
    個々のネットワーク生成処理工程毎に、
    前記コミュニティサイズ出現確率分布を算出処理する手段が算出処理するコミュニティサイズ出現確率分布と、前記エッジの総数を算出処理する手段が算出処理するエッジの総数と、前記次数出現確率分布を算出処理する手段が算出処理する次数出現確率分布とを、少なくとも前記算出処理したコミュニティサイズ出現確率分布もしくは次数出現確率分布の一方を使用して演算処理することにより、前記個々のネットワーク生成処理工程毎のネットワーク構造モデルをグラフ理論に則って生成処理する手段と、
    前記算出処理した社会ネットワークのコミュニティサイズ出現確率分布および次数出現確率分布と、前記個々のネットワーク生成処理工程に従って生成されたネットワーク構造のコミュニティサイズ出現確率分布および次数出現確率分布とを比較して、前記個々のネットワーク生成処理工程に従って生成されたネットワーク構造毎の度数分布の残差平方和を算出処理する手段と、
    前記算出された残差平方和が最小の値を取ったネットワーク構造を社会ネットワーク構造モデルとして選択する手段と、
    選択された前記社会ネットワーク構造モデルを出力する出力手段、
    として機能させることを特徴とするプログラム。
    ここで、前記コミュニティサイズ出現確率分布とは、コミュニティの大きさを独立変数、出現確率を従属変数とした確率密度関数であり、
    前記次数出現確率分布とは、次数を独立変数、出現確率を従属変数とした確率密度関数である。
21. コミュニティに属する各人同士の関係が現れたサンプルデータから社会ネットワーク構造モデルを導出する電子計算機を機能させるプログラムであって、
    電子計算機の制御部を、
    社会ネットワークを構成するノードに反映させる各人のサンプルデータから任意の第一のノード、前記第一のノードに隣接する第二のノード、並びに前記第一のノードと前記第二のノードとに隣接する第三のノードの三ノードに隣接するノード数を三ノード隣接ノード数として識別処理する手段と、
    前記三ノード隣接ノード数の分布を集計してコミュニティの大きさの分布を抽出してコミュニティサイズ出現確率分布を算出処理する手段と、
    前記社会ネットワークを構成する前記各人が有している他人とのつながり数を示したノードの次数のサンプルデータから平均次数を算出処理する手段と、
    前記ノードの次数のサンプルデータから次数出現確率分布を算出処理する手段と、
    グラフ理論に則って、ノードを配置する工程と、前記算出した次数出現確率分布に従いノードにエッジ獲得確率初期値を付与する工程と、前記算出したコミュニティサイズ出現確率分布に従いノード抽出個数期待値を算出する工程と、前記エッジ獲得確率初期値と前記ノード抽出個数期待値に従いノードにエッジ獲得確率を付与する工程と、前記エッジ獲得確率に従いノードを抽出する工程と、抽出した当該ノードを要素とする完全グラフを生成し追加する工程と、生成しているグラフのノードの次数の平均値が前記算出したノードの平均次数に達したかを判定する工程とを有するネットワーク生成手段と、
    生成された前記社会ネットワーク構造モデルを出力する出力手段、
    として機能させることを特徴とするプログラム。
    ここで、前記コミュニティサイズ出現確率分布とは、コミュニティの大きさを独立変数、出現確率を従属変数とした確率密度関数であり、
    前記次数出現確率分布とは、次数を独立変数、出現確率を従属変数とした確率密度関数である。
22. コミュニティに属する各人同士の関係が現れたサンプルデータから社会ネットワーク構造モデルを導出する電子計算機を機能させるプログラムであって、
    電子計算機の制御部を、
    社会ネットワークを構成するノードに反映させる各人のサンプルデータから任意の第一のノード、前記第一のノードに隣接する第二のノード、並びに前記第一のノードと前記第二のノードとに隣接する第三のノードの三ノードに隣接するノード数を三ノード隣接ノード数として識別処理する手段と、
    前記第一のノードと前記第二のノードと間の紐帯である第１の紐帯の種類と、前記第一のノードと前記第三のノードの間の紐帯である第２の紐帯の種類とを同種であるか判定処理する手段と、
    前記判定処理の結果を参照して、前記第１の紐帯及び前記第２の紐帯の種類が異なる場合に、該当三ノード隣接ノード数のデータを有効とする手段と、
    有効とされた前記三ノード隣接ノード数の分布を集計してコミュニティの大きさの分布を抽出してコミュニティサイズ出現確率分布を算出処理する手段と、
    前記社会ネットワークを構成する前記各人が有している他人とのつながり数を示したノードの次数のサンプルデータから平均次数を算出処理する手段と、
    前記ノードの次数のサンプルデータから次数出現確率分布を算出処理する手段と、
    グラフ理論に則って、ノードを配置する工程と、前記算出した次数出現確率分布に従いノードにエッジ獲得確率初期値を付与する工程と、前記算出したコミュニティサイズ出現確率分布に従いノード抽出個数期待値を算出する工程と、前記エッジ獲得確率初期値と前記ノード抽出個数期待値に従いノードにエッジ獲得確率を付与する工程と、前記エッジ獲得確率に従いノードを抽出する工程と、抽出した当該ノードを要素とする完全グラフを生成し追加する工程と、生成しているグラフのノードの次数の平均値が前記算出したノードの平均次数に達したかを判定する工程とを有するネットワーク生成手段と、
    生成された前記社会ネットワーク構造モデルを出力する出力手段、
    として機能させることを特徴とするプログラム。
    ここで、前記コミュニティサイズ出現確率分布とは、コミュニティの大きさを独立変数、出現確率を従属変数とした確率密度関数であり、
    前記次数出現確率分布とは、次数を独立変数、出現確率を従属変数とした確率密度関数である。
23. コミュニティに属する各人同士の関係が現れたサンプルデータから社会ネットワーク構造モデルを導出する電子計算機を機能させるプログラムであって、
    電子計算機の制御部を、
    社会ネットワークを構成するノードに反映させる各人のサンプルデータから任意の第一のノード、前記第一のノードに隣接する第二のノード、並びに前記第一のノードと前記第二のノードとに隣接する第三のノードの三ノードに隣接するノード数を三ノード隣接ノード数として識別処理する手段と、
    前記第一のノードと前記第二のノードと間の紐帯の強さである第１の紐帯の強さと、前記第一のノードと前記第三のノードの間の紐帯の強さである第２の紐帯の強さとを予め定められた判定基準によって強紐帯もしくは弱紐帯の何れかに判定処理する手段と、
    前記判定処理の結果を参照して、前記第１の紐帯の強さと前記第２の紐帯の強さのうち一方が強紐帯で一方が弱紐帯である場合および双方が弱紐帯である場合に、該当三ノード隣接ノード数のデータを有効とする手段と、
    有効とされた前記三ノード隣接ノード数の分布を集計してコミュニティの大きさの分布を抽出してコミュニティサイズ出現確率分布を算出処理する手段と、
    前記社会ネットワークを構成する前記各人が有している他人とのつながり数を示したノードの次数のサンプルデータから平均次数を算出処理する手段と、
    前記ノードの次数のサンプルデータから次数出現確率分布を算出処理する手段と、
    グラフ理論に則って、ノードを配置する工程と、前記算出した次数出現確率分布に従いノードにエッジ獲得確率初期値を付与する工程と、前記算出したコミュニティサイズ出現確率分布に従いノード抽出個数期待値を算出する工程と、前記エッジ獲得確率初期値と前記ノード抽出個数期待値に従いノードにエッジ獲得確率を付与する工程と、前記エッジ獲得確率に従いノードを抽出する工程と、抽出した当該ノードを要素とする完全グラフを生成し追加する工程と、生成しているグラフのノードの次数の平均値が前記算出したノードの平均次数に達したかを判定する工程とを有するネットワーク生成手段と、
    生成された前記社会ネットワーク構造モデルを出力する出力手段、
    として機能させることを特徴とするプログラム。
    ここで、前記コミュニティサイズ出現確率分布とは、コミュニティの大きさを独立変数、出現確率を従属変数とした確率密度関数であり、
    前記次数出現確率分布とは、次数を独立変数、出現確率を従属変数とした確率密度関数である。
24. 前記コミュニティサイズ出現確率分布を算出処理する手段は、知人の数に関するアンケートの回答結果から各人が有するコミュニティサイズを算出処理することを特徴とする請求項１９乃至２３の何れか一記載のプログラム。
25. 前記次数出現確率分布を算出処理する手段は、知人の数とする 各人が有する情報端末に記憶されているアドレス数に関するアンケートの回答結果から次数出現確率分布を算出処理することを特徴とする請求項１９乃至２４の何れか一記載のプログラム。
26. 前記残差平方和を算出処理する手段は、前記コミュニティサイズ出現確率分布を算出処理する手段で算出されるコミュニティ分布および前記次数出現確率分布を算出処理する手段で算出される次数出現確率分布と、前記個々のネットワーク生成処理工程毎のネットワーク構造モデルをグラフ理論に則って生成処理する手段で算定される個々のネットワーク生成処理工程毎のコミュニティサイズ出現確率分布および次数出現確率分布との差を分析する手段と、
    当該分析結果からネットワーク生成処理のアルゴリズムあるいはアルゴリズムのパラメータを変更する手段、
    として機能させることを特徴とする請求項２０記載のプログラム。

Images