JP5228461B2 - パターン抽出装置、パターン抽出プログラムおよびパターン抽出方法 - Google Patents

Description

この発明は、パターン抽出装置、パターン抽出プログラムおよびパターン抽出方法に関する。

従来より、各説明変数の条件を示した説明変数値の組み合わせと、目的変数の条件を示した目的変数値とを対応付けて構成される複数の事例を含んでなる事例集合から、所定の説明変数値の組み合わせを構成要素とする全事例において特定の目的変数値を構成要素とする事例を含んだ割合が所定の満足度を満たす説明変数値の組み合わせをパターンとして抽出するパターン抽出装置がある（特許文献１参照）。

ここで、事例とは、各説明変数の条件を示した説明変数値の組み合わせと、目的変数の条件を示した目的変数値とを対応付けて構成され、例えば、ＰＯＳ（Point Of Sale）システムによってクレジットカードが利用されるごとに各販売店から収集した売上げデータである。また、事例集合とは、複数の事例を含んでなる情報である。また、売上げデータは、販売された品目と、金額と、クレジットカードの月間使用回数とをデータＩＤに対応付けて構成される。そして、ユーザによるクレジットカードの正規利用であったか、もしくは、ユーザによるクレジットカードの不正利用であったかを示すラベルをデータＩＤに対応付けて付与される。

また、変数とは、販売された品目や（品目）、金額、クレジットカードの月間使用回数（使用回数）、ラベルなどのカテゴリを示す情報である。変数値とは、文字列（例えば、「貴金属」）で表現される値や、数値（例えば、「５万円」）や、数値の範囲を示す値（例えば、「１０万円〜１５万円」）などである。

そして、品目の条件を示した変数値とは、例えば、「貴金属」や「電化製品」であり、金額の条件を示した変数値とは、例えば、「５万円」や「１０万円」であり、クレジットカードの月間使用回数の条件を示した変数値とは、例えば、「１回」や「２回」であり、ラベルの変数値とは、「正規利用」または「不正利用」である。ここで、月間使用回数が１回であるユーザによる商品購入のパターンを抽出する場合には、クレジットカードの月間使用回数が目的変数に対応し、「１回」が目的変数値に対応し、品目、金額およびラベルが説明変数に対応し、「貴金属」および「電化製品」が品目の説明変数値に対応し、「５万円」や「２０万円」などが金額の説明変数値に対応する。

このような前提の下、従来の技術によって、月間使用回数が１回であるユーザによる商品購入のパターンを抽出する場合を一例として説明する。まず、従来の技術では、説明変数値「１回」を構成要素とする各売上げデータにおいて、説明変数値「貴金属」を構成要素とする売上げデータを含んだ割合と、説明変数値「電化製品」を構成要素とする売上げデータを含んだ割合とを比較する。

ここで、説明変数値「貴金属」を構成要素とする売上げデータの割合の方が多いと判定した場合に、従来の技術では、説明変数値「１回」および「貴金属」の組み合わせを構成要素とする各売上げデータにおいて、最も構成要素とする売上げデータを含んだ割合が多い価格帯（例えば、１０万円〜１５万円）を選出する。

続いて、従来の技術では、選出された説明変数値「貴金属」、「１回」および「１０万円〜１５万円」の組み合わせを構成要素とする各売上げデータにおいて、事例の数が所定の満足度（例えば、２０件以上）を満たし、目的変数値「１回」を構成要素とする売上げデータを含んだ割合が所定の満足度（例えば、７５％）を満たした場合に、説明変数値「１０万円〜１５万円」および「貴金属」の組み合わせを目的変数値「１回」であることのパターン、言い換えると、月間使用回数が１回であるユーザが１０万円〜１５万円の貴金属を購入しやすいというパターンを抽出する。

特開２００７−１０９０１２号公報

ところで、上記した従来の技術では、構成要素として含まれる割合が少ない目的変数値のパターンを抽出することが困難であるという課題があった。

すなわち、構成要素として含まれる割合が少ない目的変数値は、目的変数の他の変数値に埋もれてしまい、結果として従来の技術では、パターンを抽出することが困難となる。

例えば、仮に、ラベルが目的変数値「不正利用」であることを構成要素とする売上げデータの割合は少ないが、クレジットカードを不正利用しているユーザが３０万円以上の電化製品を購入しやすいというパターンがあったとする。ここで、ラベルが目的変数値「不正利用」であることを構成要素とする各売上げデータにおいて、説明変数値「貴金属」を構成要素とする売上げデータを含んだ割合と、説明変数値「家電製品」を構成要素とする売上げデータを含んだ割合とを比較するときに、このパターンを構成要素とする売上げデータは、説明変数値「電化製品」を構成要素とする売上げデータを含んだ割合に反映されにくい。

そのため、従来の技術では、説明変数値「貴金属」を構成要素とする売上げデータの割合の方が多いと判定する場合があり、結果として、クレジットカードを不正利用しているユーザが３０万円以上の電化製品を購入しやすいというパターンを抽出できない場合がある。

そこで、この発明は、上述した従来技術の課題を解決するためになされたものであり、構成要素として含まれる割合が少ない目的変数値のパターンを容易に抽出することが可能なパターン抽出装置、パターン抽出プログラムおよびパターン抽出方法を提供することを目的とする。

上述した課題を解決し、目的を達成するため、開示のパターン抽出装置は、各説明変数の条件を示した説明変数値の組み合わせと、目的変数の条件を示した目的変数値とを対応付けて構成される複数の事例を含んでなる事例集合から、所定の説明変数値の組み合わせを構成要素とする全事例において特定の目的変数値を構成要素とする事例を含んだ割合が所定の満足度を満たす説明変数値の組み合わせをパターンとして抽出するパターン抽出装置であって、前記所定の説明変数値の組み合わせを構成要素とする全事例の中に、特定の目的変数値を構成要素とする事例を含む信頼度を示す確信度を事例ごとに算出する確信度算出手段と、前記確信度算出手段によって算出された確信度が所定の閾値を満たす事例について、当該事例を構成する前記説明変数値の組み合わせを高確信度組合として選択する高確信度組合選択手段と、前記高確信度組合選択手段によって選択された高確信度組合を構成要素とする全事例において、特定の目的変数値を構成要素とする事例が含まれる割合が所定の満足度を満たした場合に、当該高確信度組合として選択された前記説明変数値の組み合わせを前記パターンとして抽出するパターン抽出手段とを備える。

また、上記のパターン抽出装置において、前記確信度算出手段は、特定の目的変数値を構成要素としない事例について、確信度を算出しない。

また、上記のパターン抽出装置において、前記高確信度組合選択手段は、前記事例集合に含まれる全事例において特定の目的変数値を構成要素とする事例が含まれる割合を前記所定の閾値として高確信度組合を選択する。

また、上記のパターン抽出装置において、前記高確信度組合選択手段は、前記パターン抽出手段によって抽出されたパターンを構成する前記説明変数値の組み合わせ以外の前記説明変数値の組み合わせから高確信度組合を選択する。

また、上記のパターン抽出装置において、前記確信度算出手段は、前記パターン抽出手段によって抽出された前記説明変数値の組み合わせを構成要素としない各事例を用いて確信度を算出する。

また、上記のパターン抽出装置において、前記高確信度組合選択手段によって選択された前記高確信度組合が有する各説明変数値ごとに、新たなる説明変数値の組み合わせを生成するために用いる影響度を算出する影響度算出手段をさらに備え、前記パターン抽出手段は、前記影響度算出手段によって算出された影響度を用いて新たなる説明変数値の組み合わせを生成し、当該新たなる説明変数値の組み合わせを構成要素とする全事例において特定の目的変数値を構成要素とする事例が含まれる割合が所定の満足度を満たした場合に、当該新たなる説明変数値の組み合わせを前記パターンとして抽出する。

また、上記のパターン抽出装置において、前記パターン抽出手段は、前記高確信度組合が有する各説明変数値の組み合わせから前記影響度算出手段によって算出された影響度が低い順に説明変数値を削除することで前記新たなる説明変数値の組み合わせを生成する。

また、上記のパターン抽出装置において、前記パターン抽出手段は、前記高確信度組合が有する条件として数値の範囲を示した各説明変数値について、説明変数値が示した数値の範囲を拡大し、特定の目的変数値を構成要素とする事例を含んだ割合が最も多い数値の範囲に変更して前記新たなる説明変数値の組み合わせを生成する。

また、上記のパターン抽出装置において、前記高確信度組合選択手段によって選択された前記高確信度組合を構成要素とする各事例と類似する類似事例の集合を前記事例集合から抽出する類似事例集合抽出手段をさらに備え、前記影響度算出手段は、前記類似事例集合抽出手段によって抽出された類似事例の集合から前記影響度を算出する。

また、上記のパターン抽出装置において、前記パターン抽出手段は、前記影響度算出手段によって算出された影響度が高い順に説明変数値を追加することで前記新たなる説明変数値の組み合わせを生成する。

また、開示のパターン抽出プログラムは、各説明変数の条件を示した説明変数値の組み合わせと、目的変数の条件を示した目的変数値とを対応付けて構成される複数の事例を含んでなる事例集合から、所定の説明変数値の組み合わせを構成要素とする全事例において特定の目的変数値を構成要素とする事例を含んだ割合が所定の満足度を満たす説明変数値の組み合わせをパターンとして抽出するパターン抽出処理をコンピュータに実行させるパターン抽出プログラムであって、前記所定の説明変数値の組み合わせを構成要素とする全事例の中に、特定の目的変数値を構成要素とする事例を含む信頼度を示す確信度を事例ごとに算出する確信度算出手順と、前記確信度算出手順によって算出された確信度が所定の閾値を満たす事例について、当該事例を構成する前記説明変数値の組み合わせを高確信度組合として選択する高確信度組合選択手順と、前記高確信度組合選択手順によって選択された高確信度組合を構成要素とする全事例において、特定の目的変数値を構成要素とする事例が含まれる割合が所定の満足度を満たした場合に、当該高確信度組合として選択された前記説明変数値の組み合わせを前記パターンとして抽出するパターン抽出手順とをコンピュータに実行させる。

また、開示のパターン抽出方法は、各説明変数の条件を示した説明変数値の組み合わせと、目的変数の条件を示した目的変数値とを対応付けて構成される複数の事例を含んでなる事例集合から、所定の説明変数値の組み合わせを構成要素とする全事例において特定の目的変数値を構成要素とする事例を含んだ割合が所定の満足度を満たす説明変数値の組み合わせをパターンとして抽出するパターン抽出方法であって、前記所定の説明変数値の組み合わせを構成要素とする全事例の中に、特定の目的変数値を構成要素とする事例を含む信頼度を示す確信度を事例ごとに算出する確信度算出工程と、前記確信度算出工程によって算出された確信度が所定の閾値を満たす事例について、当該事例を構成する前記説明変数値の組み合わせを高確信度組合として選択する高確信度組合選択工程と、前記高確信度組合選択工程によって選択された高確信度組合を構成要素とする全事例において、特定の目的変数値を構成要素とする事例が含まれる割合が所定の満足度を満たした場合に、当該高確信度組合として選択された前記説明変数値の組み合わせを前記パターンとして抽出するパターン抽出工程とを含む。

パターン抽出装置は、構成要素として含まれる割合が少ない目的変数値のパターンを容易に抽出することが可能である。

以下に添付図面を参照して、この発明に係るパターン抽出装置、パターン抽出プログラムおよびパターン抽出方法の実施例を詳細に説明する。なお、以下では、この発明が適用されたパターン抽出装置（例えば、売上げデータからクレジットカードを不正利用しているユーザの商品購入パターンを抽出する不正パターン抽出装置）を実施例として説明する。

以下の実施例１では、実施例１に係るパターン抽出装置の概要および特徴、パターン抽出装置の構成、パターン抽出装置の処理の流れ、パターン抽出装置による具体的な処理の一例を順に説明し、最後に実施例１による効果を説明する。

［実施例１に係るパターン抽出装置の概要および特徴］
実施例１に係るパターン抽出装置は、各説明変数の条件を示した説明変数値の組み合わせと、目的変数の条件を示した目的変数値とを対応付けて構成される複数の事例を含んでなる事例集合から、所定の説明変数値の組み合わせを構成要素とする全事例において特定の目的変数値を構成要素とする事例を含んだ割合が所定の満足度を満たす説明変数値の組み合わせをパターンとして抽出することを概要とする。

そして、実施例１に係るパターン抽出装置は、所定の説明変数値の組み合わせを構成要素とする全事例の中に、特定の目的変数値を構成要素とする事例を含む信頼度を示す確信度を事例ごとに算出し、確信度が所定の閾値を満たす事例について、事例を構成する説明変数値の組み合わせを高確信度組合として選択し、高確信度組合を構成要素とする全事例において、特定の目的変数値を構成要素とする事例が含まれる割合が所定の満足度を満たした場合に、高確信度組合として選択された説明変数値の組み合わせをパターンとして抽出することを特徴とする。

このようなことから、実施例１に係るパターン抽出装置は、構成要素として含まれる割合が少ない目的変数値のパターンを容易に抽出することが可能である。

［パターン抽出装置の構成］
次に、図１〜図８を用いて、パターン抽出装置１０の構成を説明する。図１は、パターン抽出装置の構成を示すブロック図である。図２は、事例集合記憶部に記憶される情報の一例を示す図である。図３は、確信度記憶部に記憶される情報の一例を示す図である。図４は、高確信度組合記憶部に記憶される情報の一例を示す図である。図５は、類似事例記憶部に記憶される情報の一例を示す図である。図６は、影響度記憶部に記憶される情報の一例を示す図である。図７は、新組合記憶部に記憶される情報の一例を示す図である。図８は、パターン記憶部に記憶される情報の一例を示す図である。図１に示すように、パターン抽出装置１０は、入力部１１と、出力部１２と、記憶部１３と、処理部１４とを備える。

このうち、入力部１１は、各種の情報の入力を受け付ける。具体的には、入力部１１は、キーボードやマウス、マイク、入力ポートなどを備えて構成され、事例集合を受け付けた場合には、事例集合を事例集合記憶部１３ａに格納し、高確信度組合として選択された説明変数値の組み合わせをパターンとして抽出するか否かを判定するための満足度を受け付けた場合には、処理部１４に入力する。

出力部１２は、各種の情報を出力する。具体的には、出力部１２は、モニタ（若しくはディスプレイ、タッチパネル）やスピーカ、出力ポートなどを備えて構成され、抽出したパターンを出力する。

記憶部１３は、処理部１４による各種処理に必要なデータおよびプログラムを格納する。特に本発明に密接に関連するものとしては、記憶部１３は、事例集合記憶部１３ａと、確信度記憶部１３ｂと、高確信度組合記憶部１３ｃと、類似事例記憶部１３ｄと、影響度記憶部１３ｅと、新組合記憶部１３ｆと、パターン記憶部１３ｇとを備える。

事例集合記憶部１３ａは、各説明変数の条件を示した説明変数値の組み合わせと、目的変数の条件を示した目的変数値とを対応付けて構成される複数の事例を含んでなる事例集合を記憶する（図２の（Ａ）参照）。

確信度記憶部１３ｂは、所定の説明変数値の組み合わせを構成要素とする全事例の中に、特定の目的変数値を構成要素とする事例を含む信頼度を示す確信度を記憶する（図３参照）。

高確信度組合記憶部１３ｃは、確信度が所定の閾値を満たす事例を構成する説明変数値の組み合わせを高確信度組合として記憶する（図４参照）。

類似事例記憶部１３ｄは、高確信度組合を構成要素とする各事例と類似する類似事例の集合を記憶する（図５参照）。

影響度記憶部１３ｅは、新たなる説明変数値の組み合わせを生成するために用いる影響度を記憶する（図６参照）。

新組合記憶部１３ｆは、パターン抽出部１４ｅによって生成された新たなる説明変数値の組み合わせを記憶する（図７参照）。

パターン記憶部１３ｇは、特定の目的変数値を構成要素とする事例が含まれる割合が所定の満足度を満たした説明変数値の組み合わせをパターンとして記憶する（図８参照）。

処理部１４は、ＯＳ（Operating System）などの制御プログラム、各種の処理手順などを規定したプログラムおよび所要データを格納するための内部メモリを有し、これらによって種々の処理を実行する。特に本発明に密接に関連するものとしては、処理部１４は、確信度算出部１４ａと、高確信度組合選択部１４ｂと、類似事例抽出部１４ｃと、影響度算出部１４ｄと、パターン抽出部１４ｅとを備える。

確信度算出部１４ａは、所定の説明変数値の組み合わせを構成要素とする全事例の中に、特定の目的変数値を構成要素とする事例を含む信頼度を示す確信度を事例ごとに算出する。なお、確信度算出部１４ａは、請求の範囲に記載の「確信度算出手段」に対応する。

具体的には、確信度算出部１４ａは、事例ごとに、目的変数値「不正利用」を構成要素とするか否かを判定し、目的変数値「不正利用」を構成要素とすると判定した事例について、確信度を算出する。

高確信度組合選択部１４ｂは、確信度算出部１４ａによって算出された確信度が所定の閾値を満たす事例について、事例を構成する説明変数値の組み合わせを高確信度組合として選択する。なお、高確信度組合選択部１４ｂは、請求の範囲に記載の「高確信度組合選択手段」に対応する。

具体的には、高確信度組合選択部１４ｂは、事例集合に含まれる全事例において特定の目的変数値を構成要素とする事例が含まれる割合を所定の閾値として高確信度組合を選択する。

また、高確信度組合選択部１４ｂは、パターン抽出部１４ｅによって抽出されたパターンを構成する説明変数値の組み合わせ以外の説明変数値の組み合わせから高確信度組合を選択する。

類似事例抽出部１４ｃは、高確信度組合選択部１４ｂによって選択された高確信度組合を構成要素とする各事例と類似する類似事例の集合を事例集合から抽出する。なお、類似事例抽出部１４ｃは、請求の範囲に記載の「類似事例抽出手段」に対応する。

影響度算出部１４ｄは、類似事例抽出部１４ｃによって抽出された類似事例の集合から新たなる説明変数値の組み合わせを生成するために用いる影響度を算出する。なお、影響度算出部１４ｄは、請求の範囲に記載の「影響度算出手段」に対応する。

パターン抽出部１４ｅは、影響度算出部１４ｄによって算出された影響度を用いて新たなる説明変数値の組み合わせを生成し、新たなる説明変数値の組み合わせを構成要素とする全事例において特定の目的変数値を構成要素とする事例が含まれる割合が所定の満足度を満たした場合に、新たなる説明変数値の組み合わせをパターンとして抽出する。

具体的には、パターン抽出部１４ｅは、高確信度組合が有する各説明変数値の組み合わせから影響度算出部１４ｄによって算出された影響度が低い順に説明変数値を削除することで新たなる説明変数値の組み合わせを生成する。

［パターン抽出装置による処理］
次に、図９を用いて、パターン抽出装置１０による処理の流れを説明する。図９は、パターン抽出装置による処理の流れを示すフローチャート図である。

図９に示すように、パターン抽出装置１０は、事例集合を受け付けると（ステップＳ１００１肯定）、確信度を事例ごとに算出し（ステップＳ１００２）、確信度が所定の閾値を満たす事例を構成する説明変数値の組み合わせを高確信度組合として選択する処理を実行する（ステップＳ１００３）。

ここで、いずれの説明変数値の組み合わせも高確信度組合として選択されない場合には（ステップＳ１００３否定）、パターン抽出装置１０は処理を終了する。

一方では、確信度が所定の閾値を満たす事例を構成する説明変数値の組み合わせを高確信度組合として選択した場合には（ステップＳ１００３肯定）、パターン抽出装置１０は、高確信度組合を構成要素とする各事例と類似する類似事例の集合を事例集合から抽出し（ステップＳ１００４）、高確信度組合が有する各説明変数値ごとに影響度を算出する（ステップＳ１００５）。

続いて、パターン抽出装置１０は、算出された影響度を用いて新たなる説明変数値の組み合わせを生成し（ステップＳ１００６）、特定の目的変数値を構成要素とする事例が含まれる割合が所定の満足度を満たした説明変数値の組み合わせをパターンとして抽出する（ステップＳ１００７）。

続いて、パターン抽出装置１０は、パターンを構成する説明変数値の組み合わせ以外の説明変数値の組み合わせであり、確信度算出部１４ａによって算出された確信度が所定の閾値を満たす事例について、事例を構成する説明変数値の組み合わせを高確信度組合として選択する処理を実行する（ステップＳ１００３）ことで、上記した処理（ステップＳ１００３〜ステップＳ１００７）を繰り返し実行する。

［パターン抽出装置による具体的な処理の一例］
次に、実施例１に係るパターン抽出装置１０による処理の一例として、事例の数が２０件以上であり、目的変数値「不正利用」を構成要素とする事例を含んだ割合が７５％以上である、クレジットカードを不正利用しているユーザの商品購入パターンを抽出する場合を説明する。

（主たる用語の説明）
まず、実施例１に係るパターン抽出装置１０による具体的な処理の一例を説明するために用いる主たる用語を説明する。

事例とは、各説明変数の条件を示した説明変数値の組み合わせと、目的変数の条件を示した目的変数値とを対応付けて構成され、例えば、ＰＯＳ（Point Of Sale）システムによってクレジットカードが利用されるごとに各販売店から収集した売上げデータである。また、事例集合とは、複数の事例を含んでなる情報である（図２の（Ａ）参照）。

売上げデータとは、販売された品目（品目）と、合計使用金額（金額）と、クレジットカードの月間使用回数（使用回数）とをデータＩＤに対応付けて構成される。さらに、ユーザによるクレジットカードの正規利用であったか、もしくは、ユーザによるクレジットカードの不正利用であったかを示すラベルがデータＩＤに対応付けて付与される。

変数とは、品目や、金額、使用回数、ラベルなどのカテゴリを示す情報である。なお、ラベルが、目的変数に対応し、品目、金額および使用回数が説明変数に対応する。

変数値とは、変数の条件を示した値であり、文字列（例えば、「貴金属」）で表現される値や、数値（例えば、「５万円」）や、数値の範囲を示す値（例えば、「１０万円〜１５万円」）などである。

品目の条件を示した変数値とは、品目名を示す文字列（例えば、「貴金属」や「電化製品」）であり、金額の条件を示した変数値とは、金額を示す数値（例えば、「５万円」や「１０万円」）であり、クレジットカードの月間使用回数の条件を示した変数値は、使用回数を示す数値（例えば、「１回」や「２回」）であり、ラベルの変数値とは、「正規利用」または「不正利用」である。ここで、「不正利用」が目的変数値に対応し、「貴金属」および「電化製品」が品目の説明変数値に対応し、「５万円」や「２０万円」などが金額の説明変数値に対応し、「１回」や「２回」などが使用回数の説明変数値に対応する。

なお、以下では、説明の簡略化のために、図２の（Ａ）で示した事例集合を、図２の（Ｂ）に示すように言い換えて説明する。すなわち、金額の説明変数値を金額の範囲を示す値である「０万円〜３０万円」と、「３０万円以上」とに言い換え、使用回数の説明変数値を使用回数の範囲を示す値である「１回〜３回」と、「４回以上」とに言い換えて説明する。

また、図２の（Ｂ）では、所定の説明変数値の組み合わせと、「正規利用」または「不正利用」とを構成要素とする事例の数をラベル数として表す。例えば、説明変数値「電化製品」、「０万円〜３０万円」および「１回〜３回」の組み合わせに対応するラベル数（８，２）は、説明変数値「電化製品」、「０万円〜３０万円」および「１回〜３回」と、「正規利用」とを構成要素とする事例が事例集合に８件含まれ、説明変数値「電化製品」、「０万円〜３０万円」および「１回〜３回」と、目的変数値「不正利用」とを構成要素とする事例が事例集合に２件含まれていることを意味する。

（影響度および確信度算出方式）
次に、実施例１に係るパターン抽出装置１０による影響度および確信度の算出方式の一例として、記憶に基づく推論（Memory-Based Reasoning :MBR）の計算方式を説明する（特開２０００−１５５６８１号公報参照）。なお、説明の簡略化のために式の一部を変更しているが、本発明はこれに限定されるものではない。

まず、説明変数ごとの未知事例と既知事例との間の距離「ｄ（ｊ）」を下記（１）に含まれる（１−１）式および（１−２）式を用いて算出する。ここで、未知事例とは、算出の対象となる事例であり、既知事例とは、未知事例以外の事例である。また、「ｊ」は、説明変数を識別するための番号である。

また、数値や、数値の範囲を示す値を説明変数値とする説明変数については、下記（１−１）式を用いて距離を算出し、文字列で表現される値を説明変数値とする説明変数については、下記（１−２）式を用いて距離を算出するものとする（例えば、品目について、説明変数値「貴金属」を構成要素とする未知事例と、説明変数値「貴金属」を構成要素とする既知事例との間の距離は０であり、説明変数値「電化製品」を構成要素とする未知事例と、説明変数値「貴金属」を構成要素とする既知事例との間の距離は１である）。

続いて、新たなる説明変数値の組み合わせを生成するために用いる影響度「ｗ（ｊ,ｖ）」を下記（２）式および（３）式を用いて算出する。ここで、「ｐ（ｃ）」とは、領域「ｃ」に未知事例を構成要素とする事例が含まれる確率である。また、「ｐ（ｖ｜ｃ）」とは、ｊ番目の説明変数の説明変数値が領域「ｖ」に含まれているときに、目的変数値を構成要素とする事例が含まれる条件付き確率である。また、「Ｎ（ｃ）」とは、既知事例における未知事例を構成要素とする事例の数である。なお、未知事例のｊ番目の説明変数値ｖ（ｊ）における影響度は、「ｗ（ｊ（ｖ（ｊ）））」とする。

続いて、未知事例と、既知事例との間の事例間距離「Ｄ」を下記（４）式を用いて算出する。なお、「＊」は、乗算を表す。

続いて、事例間距離「Ｄ」を用いて未知事例と、既知事例との類似度「Ｓ」を、事例間距離「Ｄ」を用いた下記（５）式で定義する。ここで、「Δ」とは、類似度が無限大になることを防ぐ微小値である。

続いて、未知事例との間で類似度が高い既知事例（類似事例）を抽出する。例えば、ユーザによって指定されたｋ件の既知事例を類似度が高い順に抽出する。そして、未知事例の確信度Ｐ（ｃ）を下記（６）式を用いて算出する。

（具体的な処理の一例）
次に、実施例１に係るパターン抽出装置１０による具体的な処理の一例を説明する。まず、パターン抽出装置１０は、入力部１１を介して事例集合を受け付けると、事例集合を事例集合記憶部１３ａに格納する（図２参照）（図９に示した、ステップＳ１００１肯定に対応）。

続いて、パターン抽出装置１０は、所定の説明変数値の組み合わせを構成要素とする全事例の中に、目的変数値「不正利用」を構成要素とする事例を含む信頼度を示す確信度を事例ごとに算出する（図９に示した、ステップＳ１００２に対応）。具体的には、確信度算出部１４ａは、事例ごとに、目的変数値「不正利用」を構成要素とするか否かを判定し、目的変数値「不正利用」を構成要素とすると判定した事例について、（１）式〜（６）式を用いて確信度を算出し、所定の説明変数値の組み合わせと、ラベル数と、確信度とを対応付けて確信度記憶部１３ｂに格納する（図３参照）。

なお、（２）式および（３）式を用いて算出される説明変数値「電化製品」の影響度は、「０．０２５」であり、説明変数値「貴金属」の影響度は、「０．０２５」であり、説明変数値「０万円〜３０万円」の影響度は、「０．１８２」であり、説明変数値「３０万円以上」の影響度は、「０．１７４」であり、説明変数値「１回〜３回」の影響度は、「０．２３５」であり、説明変数値「４回以上」の影響度は、「０．２２２」である（図６の（Ａ）参照）。

また、図３に示した例では、目的変数値「不正利用」を構成要素とする各事例を未知事例とし、抽出する事例数「ｋ」を２０とした場合の確信度を示している。ここで、説明変数値「電化製品」、「０万円〜３０万円」および「１回〜３回」と、目的変数値「不正利用」との組み合わせを構成要素とする事例の確信度を算出するときには（図３の（１）参照）、説明変数値「０万円〜３０万円」および「１回〜３回」の組み合わせを構成要素とする各事例（図３の（１）および（５）参照）が類似事例に相当する。

また、説明変数値「電化製品」、「０万円〜３０万円」および「４回以上」と目的変数値「不正利用」との組み合わせを構成要素とする事例の確信度を算出するときには（図３の（２）参照）、説明変数値「０万円〜３０万円」および「４回以上」の組み合わせを構成要素とする各事例（図３の（２）および（６）参照）が類似事例に相当する。

同様に、図３の（４）の確信度を算出するときには、図３の（４）および（８）が類似事例に相当し、図３の（５）の確信度を算出するときには、図３の（１）および（５）が類似事例に相当し、図３の（７）の確信度を算出するときには、図３の（３）および（７）が類似事例に相当し、図３の（８）の確信度を算出するときには、図３の（４）および（８）が類似事例に相当する。なお、図３の（３）および（６）については、目的変数値「不正利用」を構成要素とする事例が０であるため、確信度を算出していない。

続いて、パターン抽出装置１０は、確信度算出部１４ａによって算出された確信度が所定の閾値を満たす事例について、事例を構成する説明変数値の組み合わせを高確信度組合として選択する（図９に示した、ステップＳ１００３肯定に対応）。

具体的には、高確信度組合選択部１４ｂは、事例集合に含まれる全事例において特定の目的変数値を構成要素とする事例が含まれる割合を所定の閾値として高確信度組合を選択する。そして、高確信度組合選択部１４ｂは、選択した高確信度組合と、ラベル数と、確信度とを対応付けて高確信度組合記憶部１３ｃに格納する。

本例では、事例集合に目的変数値「不正利用」を構成要素とする事例が３５件含まれており、高確信度組合選択部１４ｂは、目的変数値「不正利用」を構成要素とする事例の数から事例集合に含まれる事例の数を除算した値（つまり、「３５／８０＝０．４３７５」）以上の確信度を有する説明変数値の組み合わせを選択して、高確信度組合記憶部１３ｃに格納する（図４の（Ａ）参照）。

続いて、パターン抽出装置１０は、選択した高確信度組合について、確信度が高い順にパターン抽出処理（図９に示した、ステップＳ１００４〜ステップＳ１００７）を実行するが、以下では、説明変数値「貴金属」、「３０万円以上」および「４回以上」の組み合わせからパターン抽出処理を実行する場合を説明する。

まず、パターン抽出装置１０は、高確信度組合選択部１４ｂによって選択された高確信度組合を構成要素とする各事例と類似する類似事例を事例集合から抽出する（図９に示した、ステップＳ１００４に対応）。

具体的には、類似事例抽出部１４ｃは、高確信度組合選択部１４ｂによって選択された説明変数値「貴金属」、「３０万円以上」および「４回以上」と、目的変数値「不正利用」との組み合わせを構成要素とする事例を未知事例としたときの類似事例を（１）式〜（５）式を用いて抽出する。ここで、類似事例抽出部１４ｃは、抽出する事例数「ｋ」を４０とし、（２）式によって算出される影響度「ｗ（ｊ,ｖ）」を用いず、影響度「ｗ（ｊ,ｖ）」を１として類似事例を抽出するものとする。

そして、類似事例抽出部１４ｃは、抽出した類似事例を構成する説明変数値の組み合わせと、ラベル数とを対応付けて類似事例記憶部１３ｄに格納する（図５の（Ａ）参照）。

続いて、パターン抽出装置１０は、高確信度組合が有する各説明変数値ごとに、類似事例抽出部１４ｃによって抽出された類似事例の集合から新たなる説明変数値の組み合わせを生成するために用いる影響度を算出する（図９に示した、ステップＳ１００５に対応）。具体的には、影響度算出部１４ｄは、類似事例抽出部１４ｃによって抽出された類似事例の集合から（２）式を用いて、説明変数値「貴金属」の影響度と、説明変数値「３０万円以上」の影響度と、説明変数値「４回以上」の影響度とを算出し、各説明変数値と各説明変数値の影響度とを対応付けて影響度記憶部１３ｅに格納する。

ここで、影響度算出部１４ｄによって算出される説明変数値「貴金属」の影響度は、「０．０５」であり、説明変数値「３０万円以上」の影響度は、「０．３５７」である。また、影響度算出部１４ｄによって算出される説明変数値「４回以上」の影響度は、「０．２４９」であるが、類似事例の集合の含まれる各事例において説明変数値「４回以上」を構成要素とする事例の数が説明変数値「１回〜３回」を構成要素とする事例の数よりも少ないと判定され、正負を反転させて影響度記憶部１３ｅに格納されるものとする（図６の（Ｂ）参照）。

続いて、パターン抽出装置１０は、影響度算出部１４ｄによって算出された影響度を用いて新たなる説明変数値の組み合わせ（以下では、新組合と表す）を生成する（図９に示した、ステップＳ１００６に対応）。

具体的には、パターン抽出部１４ｅは、影響度算出部１４ｄによって算出された説明変数値「貴金属」の影響度と、説明変数値「３０万円以上」の影響度と、説明変数値「４回以上」の影響度とにおいて、最も影響度が小さい説明変数値「４回以上」を高確信度組合が有する説明変数値「貴金属」、「３０万円以上」および「４回以上」の組み合わせから削除することで、新組合として、説明変数値「貴金属」および「３０万円以上」の組み合わせを生成する。そして、パターン抽出部１４ｅは、新組合を新組合記憶部１３ｆに格納する（図７の（Ａ）参照）。

続いて、パターン抽出装置１０は、新組合を構成要素とする全事例において目的変数値「不正利用」を構成要素とする事例が含まれる割合が所定の満足度を満たした場合に、新組合をパターンとして抽出する（図９に示した、ステップＳ１００７に対応）。

具体的には、パターン抽出部１４ｅは、事例集合から、説明変数値「貴金属」および「３０万円以上」の組み合わせを構成要素とする事例の数（２０）を計測するとともに、説明変数値「貴金属」および「３０万円以上」と、目的変数値「不正利用」とを構成要素とする事例の数（１５）を計測する。

そして、パターン抽出部１４ｅは、説明変数値「貴金属」および「３０万円以上」と、目的変数値「不正利用」との組み合わせを構成要素とする事例の数から、説明変数値「貴金属」および「３０万円以上」の組み合わせを構成要素とする事例の数を除算する（つまり、１５／２０＝７５％）ことで、新組合を構成要素とする全事例において目的変数値「不正利用」を構成要素とする事例が含まれる割合を算出する。

さらに、パターン抽出部１４ｅは、目的変数値「不正利用」を構成要素とする事例の数が２０以上であり、目的変数値「不正利用」を構成要素とする事例を含んだ割合が７５％以上であると判定し、説明変数値「貴金属」および「３０万円以上」の組み合わせをパターンとして抽出する。そして、パターン抽出部１４ｅは、パターンとして抽出した説明変数値「貴金属」および「３０万円以上」の組み合わせをパターン記憶部１３ｇに格納する（図８の（Ａ）参照）。

続いて、パターン抽出装置１０は、パターン抽出部１４ｅによって抽出されたパターンを構成する説明変数値の組み合わせ以外の説明変数値の組み合わせであり、確信度算出部１４ａによって算出された確信度が所定の閾値を満たす事例について、事例を構成する説明変数値の組み合わせを高確信度組合として選択する（図９に示した、ステップＳ１００３肯定に対応）。

具体的には、高確信度組合選択部１４ｂは、パターン抽出部１４ｅによって抽出された説明変数値の組み合わせ以外の説明変数値の組み合わせであり、事例集合に含まれる全事例において特定の目的変数値を構成要素とする事例が含まれる割合以上の確信度を有する事例について、事例を構成する説明変数値の組み合わせを高確信度組合として選択する。そして、高確信度組合選択部１４ｂは、選択した高確信度組合と、ラベル数と、確信度とを対応付けて格納して、高確信度組合記憶部１３ｃを更新する。

本例では、高確信度組合選択部１４ｂは、「０．４３７５」以上の確信度を有し、パターン抽出部１４ｅによって抽出された説明変数値の組み合わせ以外の説明変数値の組み合わせである説明変数値「電化製品」、「０万円〜３０万円」および「４回以上」の組み合わせと、説明変数値「電化製品」、「３０万円以上」および「４回以上」の組み合わせとを選択し、高確信度組合記憶部１３ｃに格納して、高確信度組合記憶部１３ｃを更新する（図４の（Ｂ）参照）。

続いて、パターン抽出装置１０は、高確信度組合選択部１４ｂによって選択された各高確信度組合において、最も確信度が高い各高確信度組合を構成要素とする各事例と類似する類似事例を事例集合から抽出する（図９に示した、ステップＳ１００４に対応）。

具体的には、類似事例抽出部１４ｃは、高確信度組合選択部１４ｂによって選択された説明変数値「電化製品」、「０万円〜３０万円」および「４回以上」と、目的変数値「不正利用」との組み合わせを構成要素とする事例を未知事例としたときの類似事例を（１）式〜（５）式を用いて抽出する。

ここでも、説明変数値「貴金属」、「３０万円以上」および「４回以上」と、目的変数値「不正利用」との組み合わせを構成要素とする事例を未知事例としたときの類似事例を抽出したときの処理と同様に、類似事例抽出部１４ｃは、抽出する事例数「ｋ」を４０とし、（２）式によって算出される影響度「ｗ（ｊ,ｖ）」を用いず、影響度「ｗ（ｊ,ｖ）」を１として類似事例を抽出するものとする。

そして、類似事例抽出部１４ｃは、抽出した類似事例を構成する説明変数値の組み合わせと、ラベル数とを対応付けて類似事例記憶部１３ｄに格納して、類似事例記憶部１３ｄを更新する（図５の（Ｂ）参照）。

続いて、パターン抽出装置１０は、高確信度組合が有する各説明変数値ごとに、類似事例抽出部１４ｃによって抽出された類似事例の集合から新たなる説明変数値の組み合わせを生成するために用いる影響度を算出する（図９に示した、ステップＳ１００５に対応）。具体的には、影響度算出部１４ｄは、類似事例抽出部１４ｃによって抽出された類似事例の集合から（２）式を用いて、説明変数値「電化製品」の影響度と、説明変数値「３０万円以上」の影響度と、説明変数値「４回以上」の影響度を算出し、各説明変数値と各説明変数値の影響度とを対応付けて影響度記憶部１３ｅに格納する。

ここで、影響度算出部１４ｄによって算出される説明変数値「電化製品」の影響度は、「０．０３４」であり、説明変数値「４回以上」の影響度は、「０．３８４」である。また、影響度算出部１４ｄによって算出される説明変数値「３０万円以上」の影響度は、「０．２９４」であるが、類似事例の集合の含まれる各事例において説明変数値「３０万円以上」を構成要素とする事例の数が説明変数値「０万円〜３０万円」を構成要素とする事例の数よりも少ないと判定され、正負を反転させて影響度記憶部１３ｅに格納されるものとする（図６の（Ｃ）参照）。

続いて、パターン抽出装置１０は、影響度算出部１４ｄによって算出された影響度を用いて新組合を生成する（図９に示した、ステップＳ１００６に対応）。

具体的には、パターン抽出部１４ｅは、影響度算出部１４ｄによって算出された説明変数値「電化製品」の影響度と、説明変数値「３０万円以上」の影響度と、説明変数値「４回以上」の影響度とにおいて、最も影響度が小さい説明変数値「３０万円以上」を高確信度組合が有する説明変数値「電化製品」、「３０万円以上」および「４回以上」の組み合わせから削除することで、新組合として、説明変数値「電化製品」および「４回以上」の組み合わせを生成する。そして、パターン抽出部１４ｅは、新組合を新組合記憶部１３ｆに格納し、新組合記憶部１３ｆを更新する（図７の（Ｂ）参照）。

続いて、パターン抽出装置１０は、新組合を構成要素とする全事例において目的変数値「不正利用」を構成要素とする事例が含まれる割合が所定の満足度を満たした場合に、新組合をパターンとして抽出する（図９に示した、ステップＳ１００７に対応）。

具体的には、パターン抽出部１４ｅは、事例集合から、説明変数値「電化製品」および「４回以上」の組み合わせを構成要素とする事例の数（２０）を計測するとともに、説明変数値「電化製品」および「４回以上」と、目的変数値「不正利用」との組み合わせを構成要素とする事例の数（１６）を計測する。

そして、パターン抽出部１４ｅは、説明変数値「電化製品」および「４回以上」と、目的変数値「不正利用」との組み合わせを構成要素とする事例の数から、説明変数値「電化製品」および「４回以上」の組み合わせを構成要素とする事例の数を除算する（つまり、１６／２０＝８０％）ことで、新組合を構成要素とする全事例において「不正利用」を構成要素とする事例が含まれる割合を算出する。

さらに、パターン抽出部１４ｅは、目的変数値「不正利用」を構成要素とする事例の数が２０以上であり、目的変数値「不正利用」を構成要素とする事例を含んだ割合が７５％以上であると判定し、説明変数値「電化製品」および「４回以上」の組み合わせをパターンとして抽出する。そして、パターン抽出部１４ｅは、パターンとして抽出した説明変数値「電化製品」および「４回以上」の組み合わせをパターン記憶部１３ｇに追加して格納する（図８の（Ｂ）参照）。

続いて、パターン抽出装置１０は、パターン抽出部１４ｅによって抽出された高確信度組合としての説明変数値の組み合わせ以外の説明変数値の組み合わせであり、確信度算出部１４ａによって算出された確信度が所定の閾値を満たす事例について、事例を構成する説明変数値の組み合わせを高確信度組合として選択する処理を実行するが、いずれの説明変数値の組み合わせも高確信度組合として選択されずに処理を終了する（図９に示した、ステップＳ１００３否定に対応）。

［実施例１の効果］
上記したように、実施例１によれば、構成要素として含まれる割合が少ない目的変数値のパターンを容易に抽出することが可能である。

また、実施例１によれば、構成要素として含まれる割合が少ない目的変数値のパターンを高速で抽出することが可能である。

また、実施例１によれば、重複したパターンを抽出せずに構成要素として含まれる割合が少ない目的変数値のパターンを抽出することが可能である。

また、実施例１によれば、割合が少ない目的変数値のパターンを多く抽出することが可能である。

ところで、事例の数が１０以上であり、目的変数値「不正利用」を構成要素とする事例を含んだ割合が７５％以上である、クレジットカードを不正利用しているユーザの商品購入パターンを抽出する場合には、高確信度組合選択部１４ｂによって選択された高確信度組合において、説明変数値「電化製品」、「０万円〜３０万円」および「４回以上」の組み合わせと、説明変数値「貴金属」、「３０万円以上」および「１回〜３回」の組み合わせとをパターンとして抽出するようにしてもよい。

そこで、実施例２では、高確信度組合を構成要素とする全事例において、特定の目的変数値を構成要素とする事例が含まれる割合が所定の満足度を満たしたときに、高確信度組合として選択された説明変数値の組み合わせをパターンとして抽出する場合を説明する。なお、実施例２では、実施例２に係るパターン抽出装置の構成およびパターン抽出装置による処理の流れを説明した後、実施例２による効果を説明する。

［パターン抽出装置の構成］
実施例２に係るパターン抽出装置１０の構成は、実施例１に係るパターン抽出装置１０と以下に説明する点が異なる。

すなわち、パターン抽出部１４ｅは、高確信度組合選択部１４ｂによって選択された高確信度組合を構成要素とする全事例において、特定の目的変数値を構成要素とする事例が含まれる割合が所定の満足度を満たした場合に、高確信度組合として選択された説明変数値の組み合わせをパターンとして抽出する。

具体的には、パターン抽出部１４ｅは、事例集合から、説明変数値「貴金属」、「３０万円以上」および「４回以上」の組み合わせを構成要素とする事例の数（６）を計測するとともに、説明変数値「貴金属」、「３０万円以上」および「４回以上」と、目的変数値「不正利用」との組み合わせを構成要素とする事例の数（１０）を計測する。

そして、パターン抽出部１４ｅは、説明変数値「貴金属」、「３０万円以上」および「４回以上」と、目的変数値「不正利用」との組み合わせを構成要素とする事例の数から、説明変数値「貴金属」、「３０万円以上」および「４回以上」の組み合わせを構成要素とする事例の数を除算する（つまり、６／１０＝６０％）ことで、説明変数値「貴金属」、「３０万円以上」および「４回以上」の組み合わせを構成要素とする全事例において目的変数値「不正利用」を構成要素とする事例が含まれる割合を算出する。

さらに、パターン抽出部１４ｅは、目的変数値「不正利用」を構成要素とする事例の数が１０以上であり、目的変数値「不正利用」を構成要素とする事例を含んだ割合が７５％未満であると判定し、説明変数値「貴金属」、「３０万円以上」および「４回以上」の組み合わせのパターン抽出処理を中止する。

続いて、パターン抽出部１４ｅは、説明変数値「電化製品」、「３０万円以上」および「４回以上」の組み合わせのパターン抽出処理を実行する。ここで、パターン抽出部１４ｅは、説明変数値「貴金属」、「３０万円以上」および「４回以上」の組み合わせのパターン抽出処理と同様に、目的変数値「不正利用」を構成要素とする事例を含んだ割合が７５％未満であると判定し、説明変数値「電化製品」、「３０万円以上」および「４回以上」の組み合わせのパターン抽出処理を中止する。

続いて、パターン抽出部１４ｅは、説明変数値「電化製品」、「０万円〜３０万円」および「４回以上」の組み合わせのパターン抽出処理を実行する。ここで、パターン抽出部１４ｅは、目的変数値「不正利用」を構成要素とする事例の数が１０以上であり、目的変数値「不正利用」を構成要素とする事例を含んだ割合が７５％以上であると判定し、説明変数値「電化製品」、「０万円〜３０万円」および「４回以上」の組み合わせをパターンとして抽出する。そして、パターン抽出部１４ｅは、パターンとして抽出した説明変数値「電化製品」、「０万円〜３０万円」および「４回以上」の組み合わせをパターン記憶部１３ｇに格納する。

続いて、パターン抽出部１４ｅは、説明変数値「貴金属」、「３０万円以上」および「１回〜３回」の組み合わせのパターン抽出処理を実行する。ここで、パターン抽出部１４ｅは、目的変数値「不正利用」を構成要素とする事例の数が１０以上であり、目的変数値「不正利用」を構成要素とする事例を含んだ割合が７５％以上であると判定し、説明変数値「貴金属」、「３０万円以上」および「１回〜３回」の組み合わせをパターンとして抽出する。そして、パターン抽出部１４ｅは、パターンとして抽出した説明変数値「貴金属」、「３０万円以上」および「１回〜３回」の組み合わせをパターン記憶部１３ｇに追加して格納する。

［パターン抽出装置による処理］
次に、図１０を用いて、パターン抽出装置１０による処理の流れを説明する。図１０は、実施例２に係るパターン抽出装置による処理の流れを示すフローチャート図である。

図１０に示すように、パターン抽出装置１０は、事例集合を受け付けると（ステップＳ２００１肯定）、確信度を事例ごとに算出し（ステップＳ２００２）、特定の目的変数値を構成要素とする事例が含まれる割合が所定の満足度を満たした説明変数値の組み合わせをパターンとして抽出し（ステップＳ２００３）処理を終了する。

［実施例２による効果］
上記したように、実施例２によれば、構成要素として含まれる割合が少ない目的変数値のパターンを単純な構成で抽出することが可能である。

ところで、パターン抽出部１４ｅによって抽出された説明変数値の組み合わせを構成要素としない各事例を用いて確信度を算出するようにしてもよい。

そこで、実施例３では、パターン抽出部１４ｅによって抽出された説明変数値の組み合わせを構成要素としない各事例を用いて確信度を算出する場合を説明する。なお、実施例３では、実施例３に係るパターン抽出装置の構成およびパターン抽出装置による処理の流れを説明した後、実施例３による効果を説明する。

［パターン抽出装置の構成］
実施例３に係るパターン抽出装置１０の構成は、実施例１に係るパターン抽出装置１０と以下に説明する点が異なる。

すなわち、確信度算出部１４ａは、パターン抽出部１４ｅによって抽出された説明変数値の組み合わせを構成要素としない各事例を用いて確信度を算出する。

具体的には、確信度算出部１４ａは、パターン抽出部１４ｅによって抽出された説明変数値「貴金属」および「３０万円以上」の組み合わせを事例集合記憶部１３ａから削除して更新する（図１１参照）。なお、図１１は、実施例３に係る事例集合記憶部に記憶される情報の一例を示す図である。

そして、確信度算出部１４ａは、事例ごとに、目的変数値「不正利用」を構成要素とするか否かを判定し、目的変数値「不正利用」を構成要素とすると判定した事例について、（１）式〜（６）式を用いて確信度を算出し、所定の説明変数値の組み合わせと、ラベル数と、確信度とを対応付けて確信度記憶部１３ｂに格納する（図１２参照）。なお、図１２は、実施例３に係る確信度記憶部に記憶される情報の一例を示す図である。

なお、（２）式および（３）式を用いて算出される説明変数値「電化製品」の影響度は、「０．２４１」であり、説明変数値「貴金属」の影響度は、「０．６３６」であり、説明変数値「０万円〜３０万円」の影響度は、「０．０３７」であり、説明変数値「３０万円以上」の影響度は、「０．０７７」であり、説明変数値「１回〜３回」の影響度は、「０．５２９」であり、説明変数値「４回以上」の影響度は、「０．３９１」である（図１３参照）。なお、図１３は、実施例３に係る影響度記憶部に記憶される情報の一例を示す図である。

また、図１２に示した例でも、目的変数値「不正利用」を構成要素とする各事例を未知事例とし、抽出する事例数「ｋ」を２０とした場合の確信度を示している。ここで、説明変数値「電化製品」、「０万円〜３０万円」および「１回〜３回」と、目的変数値「不正利用」との組み合わせを構成要素とする事例の確信度を算出するときには（図１２の（１）参照）、説明変数値「電化製品」および「１回〜３回」である説明変数値の組み合わせを構成要素とする各事例（図１２の（１）および（３）参照）が類似事例に相当する。

また、説明変数値「電化製品」、「０万円〜３０万円」および「４回以上」と、目的変数値「不正利用」との組み合わせを構成要素とする事例の確信度を算出するときには（図１２の（２）参照）、説明変数値「電化製品」および「４回以上」の組み合わせを構成要素とする各事例（図１２の（２）および（４）参照）が類似事例に相当する。

同様に、図１２の（４）の確信度を算出するときには、図１２の（２）および（４）が類似事例に相当し、図１２の（５）の確信度を算出するときには、図１２の（５）および（６）が類似事例に相当する。なお、図１２の（３）および（６）については、目的変数値「不正利用」を構成要素とする事例が０であるため、確信度を算出していない。

続いて、パターン抽出装置１０は、確信度算出部１４ａによって算出された確信度が所定の閾値を満たす事例について、事例を構成する説明変数値の組み合わせを高確信度組合として選択する。

本例では、事例集合に目的変数値「不正利用」を構成要素とする事例が２０件含まれており、高確信度組合選択部１４ｂは、目的変数値「不正利用」を構成要素とする事例の数から事例集合に含まれる事例の数を除算した値（つまり、「２０／６０＝０．３３３３」）以上の確信度を有する説明変数値の組み合わせを選択して、高確信度組合記憶部１３ｃに格納する（図１４参照）。なお、図１４は、実施例３に係る高確信度組合記憶部に記憶される情報の一例を示す図である。

［パターン抽出装置による処理］
次に、図１５を用いて、パターン抽出装置１０による処理の流れを説明する。図１５は、実施例３に係るパターン抽出装置による処理の流れを示すフローチャート図である。なお、実施例１に係るパターン抽出装置１０による処理の流れと異なる点についてのみ詳細に説明する。

図１５に示すように、パターン抽出装置１０は、事例集合を受け付けると（ステップＳ３００１肯定）、パターンとして抽出された説明変数値の組み合わせを事例集合から削除し（ステップＳ３００２）、確信度を事例ごとに算出し（ステップＳ３００３）、高確信度組合として選択する処理を実行する（ステップＳ３００４肯定）。

続いて、パターン抽出装置１０は、パターン抽出処理（ステップＳ３００５〜ステップＳ３００８）を実行し、再び、パターンとして抽出された説明変数値の組み合わせを事例集合から削除して（ステップＳ３００２）、上記した処理（ステップＳ３００２〜ステップＳ３００８）をいずれの説明変数値の組み合わせも高確信度組合として選択されなくなるまで（ステップＳ３００４否定）繰り返し実行する。

［実施例３による効果］
上記したように、実施例３によれば、構成要素として含まれる割合が少ない目的変数値のパターンとして、多様なパターンを抽出することが可能である。

ところで、実施例１では、類似事例抽出部１４ｃによって抽出された類似事例の集合から影響度を算出する場合を説明したが、本発明はこれに限定されるものではなく、高確信度組合選択部１４ｂによって選択された高確信度組合が有する各説明変数値ごとに、新たなる説明変数値の組み合わせを生成するために用いる影響度を算出するようにしてもよい。

そこで、実施例４では、高確信度組合選択部１４ｂによって選択された高確信度組合が有する各説明変数値ごとに、新たなる説明変数値の組み合わせを生成するために用いる影響度を算出する場合を説明する。なお、実施例４では、実施例４に係るパターン抽出装置の構成およびパターン抽出装置による処理の流れを説明した後、実施例４による効果を説明する。

［パターン抽出装置の構成］
実施例４に係るパターン抽出装置１０の構成は、実施例１に係るパターン抽出装置１０と以下に説明する点が異なる。

すなわち、影響度算出部１４ｄは、高確信度組合選択部１４ｂによって選択された高確信度組合が有する各説明変数値ごとに、新たなる説明変数値の組み合わせを生成するために用いる影響度を算出する。

［パターン抽出装置による処理］
次に、図１６を用いて、パターン抽出装置１０による処理の流れを説明する。図１６は、実施例４に係るパターン抽出装置による処理の流れを示すフローチャート図である。なお、実施例１に係るパターン抽出装置１０による処理の流れと異なる点についてのみ詳細に説明する。

図１６に示すように、パターン抽出装置１０は、事例集合を受け付けると（ステップＳ４００１肯定）、確信度を事例ごとに算出し（ステップＳ４００２）、高確信度組合として選択する処理を実行する（ステップＳ４００３）。

続いて、パターン抽出装置１０は、高確信度組合選択部１４ｂによって選択された高確信度組合が有する各説明変数値ごとに、新たなる説明変数値の組み合わせを生成するために用いる影響度を算出して（ステップＳ４００４）パターン抽出処理（ステップＳ４００５〜ステップＳ４００６）を実行し、再び、上記した処理（ステップＳ４００３〜ステップＳ４００６）をいずれの説明変数値の組み合わせも高確信度組合として選択されなくなるまで（ステップＳ４００３否定）繰り返し実行する。

［実施例４による効果］
上記したように、実施例４によれば、簡単な構成で構成要素として含まれる割合が少ない目的変数値のパターンを抽出することが可能である。

さて、これまで実施例１〜実施例４について説明したが、本発明は上述した実施例以外にも、種々の異なる形態にて実施されてよいものである。そこで、以下では、実施例５として、他の実施例を説明する。

高確信度組合が有する条件として数値の範囲を示した各説明変数値について、説明変数値が示した数値の範囲を拡大し、特定の目的変数値を構成要素とする事例を含んだ割合が最も多い数値の範囲に変更して新たなる説明変数値の組み合わせを生成するようにしてもよい。

例えば、高確信度組合選択部１４ｂによって、説明変数値「貴金属」、「３０万円以上」および「４回以上」の組み合わせが選択されたときに、説明変数値「貴金属」、「３０万円以上」および「３回以上」の組み合わせと、説明変数値「貴金属」、「３０万円以上」および「２回以上」の組み合わせと、説明変数値「貴金属」、「３０万円以上」および「１回以上」の組み合わせとを新たなる説明変数値の組み合わせとして生成してもよい。

このようにすることで、構成要素として含まれる割合が少ない目的変数値のパターンとして、より多くのパターンを抽出することが可能である。

また、影響度算出部１４ｄによって算出された影響度が高い順に説明変数値を追加することで新たなる説明変数値の組み合わせを生成するようにしてもよい。

また、本実施例において説明した各処理のうち、自動的におこなわれるものとして説明した処理の全部または一部を手動的におこなうこともでき、あるいは、手動的におこなわれるものとして説明した処理の全部または一部を公知の方法で自動的におこなうこともできる。

例えば、実施例１では、事例集合に含まれる全事例において特定の目的変数値を構成要素とする事例が含まれる割合を所定の閾値として高確信度組合を選択する場合を説明したが、本発明はこれに限定されるものではなく、入力部１１を介してユーザから高確信度組合を選択するための閾値を受け付け、この高確信度組合を選択するための閾値を用いて高確信度組合を選択するようにしてもよい。

この他、上記文書中や図面中で示した処理手順、制御手順、具体的名称、各種のデータやパラメータを含む情報（例えば、図２〜図８、図１１〜図１４に示した記憶情報や、高確信度組合として選択された説明変数値の組み合わせをパターンとして抽出するか否かを判定するための満足度）については、特記する場合を除いて任意に変更することができる。

また、図１に示したパターン抽出装置１０の各構成要素は機能概念的なものであり、必ずしも物理的に図示の如く構成されていることを要しない。すなわち、各装置の分散・統合の具体的形態は図示のものに限られず、その全部または一部を、各種の負荷や使用状況などに応じて、任意の単位で機能的または物理的に分散・統合して構成することができる。

例えば、図１に示した、類似事例抽出部１４ｃと、影響度算出部１４ｄと、パターン抽出部１４ｅとを統合して構成してもよいし、パターン抽出部１４ｅから新たなる説明変数値の組み合わせを生成する機能を備えた構成要素を分離してもよい。

さらに、パターン抽出装置１０にて行なわれる各処理機能は、その全部または任意の一部が、ＣＰＵおよび当該ＣＰＵにて解析実行されるプログラムにて実現され、あるいは、ワイヤードロジックによるハードウェアとして実現され得る。

ところで、本発明はあらかじめ用意されたプログラムをパターン抽出装置１０としてのコンピュータで実行することによって実現するようにしてもよい。そこで、以下では、図１７を用いて、上記の実施例に示したパターン抽出装置１０と同様の機能を有するパターン抽出を実行するコンピュータを一例として説明する。図１７は、パターン抽出プログラムを実行するコンピュータを示す図である。

同図に示すように、パターン抽出装置１０としてのコンピュータ１１０は、入力部１２０、ＲＯＭ１３０、ＣＰＵ１４０、ＨＤＤ１５０、ＲＡＭ１６０および出力部１７０をバス１８０などで接続して構成される。

ＲＯＭ１３０には、上記の実施例１に示したパターン抽出装置１０と同様の機能を発揮するパターン抽出プログラム、つまり、図１７に示すように確信度算出プログラム１３０ａと、高確信度組合選択プログラム１３０ｂと、類似事例抽出プログラム１３０ｃと、影響度算出プログラム１３０ｄと、パターン抽出プログラム１３０ｅとが、あらかじめ記憶されている。なお、これらのプログラム１３０ａ〜プログラム１３０ｅについては、図１に示したパターン抽出装置１０の各構成要素と同様、適宜統合または、分散してもよい。

そして、ＣＰＵ１４０がこれらのプログラム１３０ａ〜プログラム１３０ｅをＲＯＭ１３０から読み出して実行することで、図１７に示すように、プログラム１３０ａ〜プログラム１３０ｅは、確信度算出プロセス１４０ａと、高確信度組合選択プロセス１４０ｂと、類似事例抽出プロセス１４０ｃと、影響度算出プロセス１４０ｄと、パターン抽出プロセス１４０ｅとして機能するようになる。なお、プロセス１４０ａ〜プロセス１４０ｅは、図１に示した、確信度算出部１４ａと、高確信度組合選択部１４ｂと、類似事例抽出部１４ｃと、影響度算出部１４ｄと、パターン抽出部１４ｅとにそれぞれ対応する。

また、ＨＤＤ１５０には、図１７に示すように、事例集合データテーブル１５０ａと、確信度データテーブル１５０ｂと、高確信度組合データテーブル１５０ｃと、類似事例データテーブル１５０ｄと、影響度データテーブル１５０ｅと、新組合データテーブル１５０ｆと、パターンデータテーブル１５０ｇとが設けられる。

そして、ＣＰＵ１４０は、データテーブル１５０ａ〜データテーブル１５０ｇから、事例集合データ１６０ａと、確信度データ１６０ｂと、高確信度組合データ１６０ｃと、類似事例データ１６０ｄと、影響度データ１６０ｅと、新組合データ１６０ｆと、パターンデータ１６０ｇとを読み出してＲＡＭ１６０に格納し、ＲＡＭ１６０に格納されたデータ１６０ａ〜データ１６０ｇに基づいて処理を実行する。なお、データ１６０ａ〜データ１６０ｇは、図１に示した事例集合記憶部１３ａと、確信度記憶部１３ｂと、高確信度組合記憶部１３ｃと、類似事例記憶部１３ｄと、影響度記憶部１３ｅと、新組合記憶部１３ｆと、パターン記憶部１３ｇとに対応する。

なお、上記した各プログラム１３０ａ〜プログラム１３０ｅについては、必ずしも最初からＲＯＭ１３０に記憶させておく必要はなく、例えば、コンピュータ１１０に挿入されるフレキシブルディスク（ＦＤ）、ＣＤ−ＲＯＭ、ＤＶＤディスク、光磁気ディスク、ＩＣカードなどの「可搬用の物理媒体」、またはコンピュータ１１０の内外に備えられるＨＤＤなどの「固定用の物理媒体」、さらには公衆回線、インターネット、ＬＡＮ、ＷＡＮなどを介してコンピュータ１１０に接続される「他のコンピュータ（またはサーバ）」などに各プログラムを記憶させておき、コンピュータ１１０がこれから各プログラムを読み出して実行するようにしてもよい。

以上の実施例１〜５を含む実施形態に関し、さらに以下の付記を開示する。

（付記１）各説明変数の条件を示した説明変数値の組み合わせと、目的変数の条件を示した目的変数値とを対応付けて構成される複数の事例を含んでなる事例集合から、所定の説明変数値の組み合わせを構成要素とする全事例において特定の目的変数値を構成要素とする事例を含んだ割合が所定の満足度を満たす説明変数値の組み合わせをパターンとして抽出するパターン抽出装置であって、
前記所定の説明変数値の組み合わせを構成要素とする全事例の中に、特定の目的変数値を構成要素とする事例を含む信頼度を示す確信度を事例ごとに算出する確信度算出手段と、
前記確信度算出手段によって算出された確信度が所定の閾値を満たす事例について、当該事例を構成する前記説明変数値の組み合わせを高確信度組合として選択する高確信度組合選択手段と、
前記高確信度組合選択手段によって選択された高確信度組合を構成要素とする全事例において、特定の目的変数値を構成要素とする事例が含まれる割合が所定の満足度を満たした場合に、当該高確信度組合として選択された前記説明変数値の組み合わせを前記パターンとして抽出するパターン抽出手段と、
を備えたことを特徴とするパターン抽出装置。

（付記２）前記確信度算出手段は、特定の目的変数値を構成要素としない事例について、確信度を算出しないことを特徴とする付記１に記載のパターン抽出装置。

（付記３）前記高確信度組合選択手段は、前記事例集合に含まれる全事例において特定の目的変数値を構成要素とする事例が含まれる割合を前記所定の閾値として高確信度組合を選択することを特徴とする付記１または２に記載のパターン抽出装置。

（付記４）前記高確信度組合選択手段は、前記パターン抽出手段によって抽出されたパターンを構成する前記説明変数値の組み合わせ以外の前記説明変数値の組み合わせから高確信度組合を選択することを特徴とする付記１〜３のいずれか１つに記載のパターン抽出装置。

（付記５）前記確信度算出手段は、前記パターン抽出手段によって抽出された前記説明変数値の組み合わせを構成要素としない各事例を用いて確信度を算出することを特徴とする付記１〜４のいずれか１つに記載のパターン抽出装置。

（付記６）前記高確信度組合選択手段によって選択された前記高確信度組合が有する各説明変数値ごとに、新たなる説明変数値の組み合わせを生成するために用いる影響度を算出する影響度算出手段をさらに備え、
前記パターン抽出手段は、前記影響度算出手段によって算出された影響度を用いて新たなる説明変数値の組み合わせを生成し、当該新たなる説明変数値の組み合わせを構成要素とする全事例において特定の目的変数値を構成要素とする事例が含まれる割合が所定の満足度を満たした場合に、当該新たなる説明変数値の組み合わせを前記パターンとして抽出することを特徴とする付記１〜５のいずれか１つに記載のパターン抽出装置。

（付記７）前記パターン抽出手段は、前記高確信度組合が有する各説明変数値の組み合わせから前記影響度算出手段によって算出された影響度が低い順に説明変数値を削除することで前記新たなる説明変数値の組み合わせを生成することを特徴とする付記６に記載のパターン抽出装置。

（付記８）前記パターン抽出手段は、前記高確信度組合が有する条件として数値の範囲を示した各説明変数値について、説明変数値が示した数値の範囲を拡大し、特定の目的変数値を構成要素とする事例を含んだ割合が最も多い数値の範囲に変更して前記新たなる説明変数値の組み合わせを生成することを特徴とする付記６または７に記載のパターン抽出装置。

（付記９）前記高確信度組合選択手段によって選択された前記高確信度組合を構成要素とする各事例と類似する類似事例の集合を前記事例集合から抽出する類似事例集合抽出手段をさらに備え、
前記影響度算出手段は、前記類似事例集合抽出手段によって抽出された類似事例の集合から前記影響度を算出することを特徴とする付記６〜８のいずれか１つに記載のパターン抽出装置。

（付記１０）前記パターン抽出手段は、前記影響度算出手段によって算出された影響度が高い順に説明変数値を追加することで前記新たなる説明変数値の組み合わせを生成することを特徴とする付記６〜９に記載のパターン抽出装置。

（付記１１）各説明変数の条件を示した説明変数値の組み合わせと、目的変数の条件を示した目的変数値とを対応付けて構成される複数の事例を含んでなる事例集合から、所定の説明変数値の組み合わせを構成要素とする全事例において特定の目的変数値を構成要素とする事例を含んだ割合が所定の満足度を満たす説明変数値の組み合わせをパターンとして抽出するパターン抽出処理をコンピュータに実行させるパターン抽出プログラムであって、
前記所定の説明変数値の組み合わせを構成要素とする全事例の中に、特定の目的変数値を構成要素とする事例を含む信頼度を示す確信度を事例ごとに算出する確信度算出手順と、
前記確信度算出手順によって算出された確信度が所定の閾値を満たす事例について、当該事例を構成する前記説明変数値の組み合わせを高確信度組合として選択する高確信度組合選択手順と、
前記高確信度組合選択手順によって選択された高確信度組合を構成要素とする全事例において、特定の目的変数値を構成要素とする事例が含まれる割合が所定の満足度を満たした場合に、当該高確信度組合として選択された前記説明変数値の組み合わせを前記パターンとして抽出するパターン抽出手順と、
をコンピュータに実行させることを特徴とするパターン抽出プログラム。

（付記１２）各説明変数の条件を示した説明変数値の組み合わせと、目的変数の条件を示した目的変数値とを対応付けて構成される複数の事例を含んでなる事例集合から、所定の説明変数値の組み合わせを構成要素とする全事例において特定の目的変数値を構成要素とする事例を含んだ割合が所定の満足度を満たす説明変数値の組み合わせをパターンとして抽出するパターン抽出方法であって、
前記所定の説明変数値の組み合わせを構成要素とする全事例の中に、特定の目的変数値を構成要素とする事例を含む信頼度を示す確信度を事例ごとに算出する確信度算出工程と、
前記確信度算出工程によって算出された確信度が所定の閾値を満たす事例について、当該事例を構成する前記説明変数値の組み合わせを高確信度組合として選択する高確信度組合選択工程と、
前記高確信度組合選択工程によって選択された高確信度組合を構成要素とする全事例において、特定の目的変数値を構成要素とする事例が含まれる割合が所定の満足度を満たした場合に、当該高確信度組合として選択された前記説明変数値の組み合わせを前記パターンとして抽出するパターン抽出工程と、
を含んだことを特徴とするパターン抽出方法。

パターン抽出装置の構成を示すブロック図である。 事例集合記憶部に記憶される情報の一例を示す図である。 確信度記憶部に記憶される情報の一例を示す図である。 高確信度組合記憶部に記憶される情報の一例を示す図である。 類似事例記憶部に記憶される情報の一例を示す図である。 影響度記憶部に記憶される情報の一例を示す図である。 新組合記憶部に記憶される情報の一例を示す図である。 パターン記憶部に記憶される情報の一例を示す図である。 パターン抽出装置による処理の流れを示すフローチャート図である。 実施例２に係るパターン抽出装置による処理の流れを示すフローチャート図である。 実施例３に係る事例集合記憶部に記憶される情報の一例を示す図である。 実施例３に係る確信度記憶部に記憶される情報の一例を示す図である。 実施例３に係る影響度記憶部に記憶される情報の一例を示す図である。 実施例３に係る高確信度組合記憶部に記憶される情報の一例を示す図である。 実施例３に係るパターン抽出装置による処理の流れを示すフローチャート図である。 実施例４に係るパターン抽出装置による処理の流れを示すフローチャート図である。 パターン抽出プログラムを実行するコンピュータを示す図である。

符号の説明

１０ パターン抽出装置
１１ 入力部
１２ 出力部
１３ 記憶部
１３ａ 事例集合記憶部
１３ｂ 確信度記憶部
１３ｃ 高確信度組合記憶部
１３ｄ 類似事例記憶部
１３ｅ 影響度記憶部
１３ｆ 新組合記憶部
１３ｇ パターン記憶部
１４ 処理部
１４ａ 確信度算出部
１４ｂ 高確信度組合選択部
１４ｃ 類似事例抽出部
１４ｄ 影響度算出部
１４ｅ パターン抽出部
１１０ コンピュータ
１２０ 入力部
１３０ ＲＯＭ（Read Only Memory）
１３０ａ 確信度算出プログラム
１３０ｂ 高確信度組合選択プログラム
１３０ｃ 類似事例抽出プログラム
１３０ｄ 影響度算出プログラム
１３０ｅ パターン抽出プログラム
１４０ ＣＰＵ（Central Processing Unit）
１４０ａ 確信度算出プロセス
１４０ｂ 高確信度組合選択プロセス
１４０ｃ 類似事例抽出プロセス
１４０ｄ 影響度算出プロセス
１４０ｅ パターン抽出プロセス
１５０ ＨＤＤ（Hard disk drive）
１５０ａ 事例集合データテーブル
１５０ｂ 確信度データテーブル
１５０ｃ 高確信度組合データテーブル
１５０ｄ 類似事例データテーブル
１５０ｅ 影響度データテーブル
１５０ｆ 新組合データテーブル
１５０ｇ パターンデータテーブル
１６０ ＲＡＭ（Random Access Memory）
１６０ａ 事例集合データ
１６０ｂ 確信度データ
１６０ｃ 高確信度組合データ
１６０ｄ 類似事例データ
１６０ｅ 影響度データ
１６０ｆ 新組合データ
１６０ｇ パターンデータ
１７０ 出力部
１８０ バス

Claims (7)

1. 各説明変数の条件を示した説明変数値の組み合わせと、目的変数の条件を示した目的変数値とを対応付けて構成される複数の事例を含んでなる事例集合から、所定の説明変数値の組み合わせを構成要素とする全事例において特定の目的変数値を構成要素とする事例を含んだ割合が第１の閾値を満たした説明変数値の組み合わせをパターンとして抽出するパターン抽出装置であって、
   前記所定の説明変数値の組み合わせを構成要素とする全事例の件数の中で、特定の目的変数値を構成要素とする事例の件数が占める割合を示す確信度を事例ごとに算出する確信度算出手段と、
   前記確信度算出手段によって算出された確信度が第２の閾値を満たす事例について、当該事例を構成する前記説明変数値の組み合わせを高確信度組合として選択する高確信度組合選択手段と、
   前記高確信度組合選択手段によって選択された高確信度組合を構成要素とする全事例において、特定の目的変数値を構成要素とする事例が含まれる割合が前記第１の閾値を満たした場合に、当該高確信度組合として選択された前記説明変数値の組み合わせを前記パターンとして抽出するパターン抽出手段と、
   を備えたことを特徴とするパターン抽出装置。
2. 前記高確信度組合選択手段は、前記パターン抽出手段によって抽出されたパターンを構成する前記説明変数値の組み合わせ以外の前記説明変数値の組み合わせから高確信度組合を選択することを特徴とする請求項１に記載のパターン抽出装置。
3. 前記高確信度組合選択手段によって選択された前記高確信度組合内の説明変数値ごとに、前記説明変数値自体が前記説明変数値の組み合わせを構成要素とする事例の目的変数値に影響を及ぼす度合を示す影響度を算出する影響度算出手段をさらに備え、
   前記パターン抽出手段は、前記影響度算出手段によって算出された影響度を用いて新たなる説明変数値の組み合わせを生成し、当該新たなる説明変数値の組み合わせを構成要素とする全事例において特定の目的変数値を構成要素とする事例が含まれる割合が前記第１の閾値を満たした場合に、当該新たなる説明変数値の組み合わせを前記パターンとして抽出することを特徴とする請求項１または２に記載のパターン抽出装置。
4. 前記パターン抽出手段は、前記高確信度組合が有する各説明変数値の組み合わせから前記影響度算出手段によって算出された影響度が低い順に説明変数値を削除することで前記新たなる説明変数値の組み合わせを生成することを特徴とする請求項３に記載のパターン抽出装置。
5. 前記高確信度組合選択手段によって選択された前記高確信度組合を構成要素とする各事例内の説明変数値の一部が共通する事例を類似事例の集合として前記事例集合から抽出する類似事例集合抽出手段をさらに備え、
   前記影響度算出手段は、前記類似事例集合抽出手段によって抽出された類似事例の集合から前記影響度を算出することを特徴とする請求項３または４に記載のパターン抽出装置。
6. 各説明変数の条件を示した説明変数値の組み合わせと、目的変数の条件を示した目的変数値とを対応付けて構成される複数の事例を含んでなる事例集合を記憶する記憶部から、所定の説明変数値の組み合わせを構成要素とする全事例において特定の目的変数値を構成要素とする事例を含んだ割合が第１の閾値を満たした説明変数値の組み合わせをパターンとして抽出するパターン抽出処理をコンピュータに実行させるパターン抽出プログラムであって、
   前記記憶部を参照して、前記所定の説明変数値の組み合わせを構成要素とする全事例の件数の中で、特定の目的変数値を構成要素とする事例の件数が占める割合を示す確信度を事例ごとに算出する確信度算出手順と、
   前記確信度算出手順によって算出された確信度が第２の閾値を満たす事例について、当該事例を構成する前記説明変数値の組み合わせを高確信度組合として選択する高確信度組合選択手順と、
   前記高確信度組合選択手順によって選択された高確信度組合を構成要素とする全事例において、特定の目的変数値を構成要素とする事例が含まれる割合が前記第１の閾値を満たした場合に、当該高確信度組合として選択された前記説明変数値の組み合わせを前記パターンとして抽出するパターン抽出手順と、
   をコンピュータに実行させることを特徴とするパターン抽出プログラム。
7. 各説明変数の条件を示した説明変数値の組み合わせと、目的変数の条件を示した目的変数値とを対応付けて構成される複数の事例を含んでなる事例集合から、所定の説明変数値の組み合わせを構成要素とする全事例において特定の目的変数値を構成要素とする事例を含んだ割合が第１の閾値を満たした説明変数値の組み合わせをパターンとして抽出するパターン抽出装置のパターン抽出方法であって、
   前記パターン抽出装置は、
   前記所定の説明変数値の組み合わせを構成要素とする全事例の件数の中で、特定の目的変数値を構成要素とする事例の件数が占める割合を示す確信度を事例ごとに算出し、
   算出された確信度が第２の閾値を満たす事例について、当該事例を構成する前記説明変数値の組み合わせを高確信度組合として選択し、
   選択された高確信度組合を構成要素とする全事例において、特定の目的変数値を構成要素とする事例が含まれる割合が前記第１の閾値を満たした場合に、当該高確信度組合として選択された前記説明変数値の組み合わせを前記パターンとして抽出する
   各処理を実行することを特徴とするパターン抽出方法。

Images