JP5369252B2 - 計算機システム及び計算機システムを用いた情報提示方法 - Google Patents

Description

本発明は、入力された物理量と関連が高い情報を提示する計算機システム及び計算機システムを用いた情報提示方法に関する

ＣＡＤを使用した設計支援装置であって、ＣＡＤのモデルデータに関連づけられた基本形状データを抽出するとともに、基本形状データに関連づけられたノウハウデータを抽出し、モデルデータとノウハウデータを関連づけて、モデルデータとノウハウデータの関連度を設定する装置が特許文献１に開示されている。

また、文書を構成する単語の共起情報と単語の言語的特徴による類似度から、単語同士の関連度を算出する技術が特許文献２に開示されている。

さらに、特許文献３には、ＳＦＡ情報とＷＥＢアクセスログから、特定商品に対する対象顧客を見つけ、営業パーソンに提示するシステムが開示されている。

特開２０１０−８６４７６号公報 特開２０００−２２２４２７号公報 特開２００４−３４８６８２号公報

ここで、入力された物理量と関連が高い情報を提示するシステムが知られている。このシステムに、特許文献１〜３の技術を適用すると、物理量と物理量、または、情報と情報との間の関連度を算出し、算出した関連度に基づいて、入力された物理量と関連が高い情報を提示することができる。しかしながら、この方法では、関連度の算出が不十分であり、必ずしも質の高い情報が提示できるわけではないという問題があった。

本願において開示される発明の代表的な一例を示せば以下の通りである。すなわち、プログラムを実行するプロセッサと、前記プロセッサによって実行されるプログラムを保持する計算機を備え、時刻及び場所の少なくとも一方が異なる条件で測定された物理量間の関連度を保持する第１のデータベースと、前記測定された物理量に対応し、テキストを含む情報間の関連度を保持する第２のデータベースとを備える計算機システムにおいて、前記プロセッサは、前記第１のデータベースに保持された物理量間の関連度及び前記第２のデータベースに保持された情報間の関連度に基づいて、前記測定された物理量と情報との間の関連度を算出し、前記算出された物理量と情報との関連度を第３のデータベースに保持し、前記物理量が入力された場合、前記第３のデータベースを参照して、前記入力された物理量との関連が高い情報を提示する。

本発明の代表的な実施の形態によれば、物理量間の関連度または情報間の関連度だけでなく、物理量と情報との間の関連度も考慮した質の高い情報を提示することができる。

第１の実施形態における知識共有型レコメンドサービスのシステム概要の一例を示す図である。 知識共有型レコメンドサービス装置のハードウェア構成の一例を示す図である。 知識共有型レコメンドサービス装置の機能ブロックの一例を示す図である。 分析対象ログとレコメンド知識の一例を示す図である。 知識共有型レコメンドサービス装置がレコメンド知識を作成して、レコメンドユーザ端末に送信する処理のフローの一例を示す図である。 分析結果データベースのデータ構造の一例を示す図である。 ビル関連度算出部によってビル関連度を算出する処理フローの一例を示す図である。 ビル関連度データベースのデータ構造の一例を示す図である。 ノードマップ描画処理部によって作成される、ビルと知識の関連ノードマップの一例を示す図である。 ビル−知識関連度データベースのデータ構造の一例を示す図である。 ノードマップ描画処理部によって行われるノードマップ描画の処理フローの一例を示す図である。 図１１Ａに続く処理フローの一例を示す図である。 新規知識入力の処理フローの一例を示す図である。 知識データベースのデータ構造の一例を示す図である。 知識関連度を算出するための処理フローの一例を示す図である。 知識関連度データベースのデータ構造の一例を示す図である。 知識レコメンドおよび入力のユーザインターフェイスの一例を示す図である。 分析結果表の詳細な内容の一例を示す図である。 知識レコメンド表の詳細な内容の一例を示す図である。 ユーザ判断の処理フローの一例を示す図である。 知識およびノードマップを提示するユーザインターフェイスの一例を示す図である。 本発明による計算機システムを金融事業に適用した場合の分析対象ログとレコメンド知識の一例を示す図である。 第２の実施形態における知識共有型レコメンドサービス装置の機能ブロックの一例を示す図である。 知識のレイティング処理フローの一例を示す図である。 レコメンドした知識にレイティングを入力するユーザインターフェイスの一例を示す図である。 レイティングデータベースのデータ構造の一例を示す図である。 レイティング結果を反映したビルと知識の関連ノードマップの一例を示す図である。 本発明による計算機システムをビルエネルギーマネジメントシステム・日報連携分析ツールに適用した場合のユーザインターフェイスの一例を示す図である。

以下、図面を参照しつつ、本発明を実施するための形態を説明する。説明の明確化のため、以下の記載及び図面は、適宜、省略及び簡略化がなされている。又、各図面において、同一要素には同一の符号が付されており、説明の明確化のため、必要に応じて重複説明は省略されている。

本発明による計算機システムでは、ある物理量が入力された場合に、入力された物理量と関連が高い情報を提示する。以下では、本発明による計算機システムを、ビル管理事業に関する知識共有型レコメンドサービスに適用した例を第１および第２の実施形態として説明する。また、本発明による計算機システムをビルエネルギーマネジメントシステム・日報連携分析ツールに適用した例を第３の実施形態として説明する。ただし、本発明による計算機システムは、ビル管理事業だけでなく、金融事業やｅ−コマース等、他のサービスや事業分野に適用可能である。
＜第１の実施形態＞

以下において、本発明の第１の実施形態を図１〜図１９を参照して説明する。本実施形態の知識共有型レコメンドサービスでは、ビル管理事業において、ビルのエネルギー使用量を取得し、省エネ運用を目的としたビル運用や、省エネ商材、省エネサービスの営業方法等の知識をユーザにレコメンド（提示）する。レコメンドの対象ユーザは、ビル管理事業を行う事業組織の営業パーソン等である。

図１は、第１の実施形態における知識共有型レコメンドサービスのシステム概要の一例を示す図である。この知識共有型レコメンドサービスは、ＡＳＰシステム１０１と、知識共有型レコメンドシステム１０２から構成される。

ＡＳＰシステム１０１は、ＡＳＰサービス装置１０３と、ＡＳＰユーザ端末１０４を備える。ＡＳＰサービス装置１０３とＡＳＰユーザ端末１０４は、ネットワークを介して接続されている。図１では、１つのＡＳＰユーザ端末１０４しか示していないが、ＡＳＰサービス装置１０３には、複数のＡＳＰユーザ端末１０４が接続されている。

ＡＳＰサービス装置１０３は、ＡＳＰサーバ１０５とＡＳＰログデータベース１０６を備える。本実施形態において、ＡＳＰサーバ１０５は、ビル管理向けエネルギー管理サービスを提供する。

ＡＳＰユーザ端末１０４を利用するＡＳＰユーザは、例えば、各ビルの管理者やビルオーナーである。ＡＳＰユーザは、ＡＳＰユーザ端末１０４に、ビルの毎月のエネルギー使用量等を入力する。入力されたエネルギー使用量等のデータは、ネットワークを介してＡＳＰサーバ１０５に送信された後、ＡＳＰログデータベース１０６に格納される。ＡＳＰサーバ１０５は、月々のエネルギー使用量をグラフ等に可視化して、ネットワークを介してＡＳＰユーザ端末１０４に送信する。

知識共有型レコメンドシステム１０２は、知識共有型レコメンドサービス装置１０７とレコメンドユーザ端末１０８とを備える。知識共有型レコメンドサービス装置１０７とレコメンドユーザ端末１０８は、ネットワークを介して接続されている。

ビル管理事業を行う事業組織の営業パーソン（レコメンドユーザ）は、レコメンドユーザ端末１０８に、特定ビルの知識を求める要求を入力する。入力された要求は、ネットワークを介して知識共有型レコメンドサービス装置１０７に送信される。知識共有型レコメンドサービス装置１０７は、受信した要求に基づいて、ネットワークを介して、ＡＳＰログデータベース１０６から該当ビルのログを取得する。その後、知識共有型レコメンドサービス装置１０７は、取得したログの分析等の処理を行い、分析結果に応じた知識や情報を、ネットワークを介して、レコメンドユーザ端末１０８に送信する。

図２は、知識共有型レコメンドサービス装置１０７のハードウェア構成の一例を示す図である。知識共有型レコメンドサービス装置１０７は、ネットワークＩ／Ｆ２０１と、中央処理装置２０２と、指示入力装置２０３と、記憶装置２０４と、二次記憶装置２０５と、表示装置２０６とを有する。各装置は、内部バス２０７によって接続されており、内部バス２０７を介して各装置間で相互にデータを送受信することができる。

ネットワークＩ／Ｆ２０１は、例えばＬＡＮカード等のネットワークカードである。知識共有型レコメンドサービス装置１０７は、ネットワークＩ／Ｆ２０１を介して、レコメンドユーザ端末１０８との間でデータの送受信を行う。また、知識共有型レコメンドサービス装置１０７は、ネットワークＩ／Ｆ２０１を介して、ＡＳＰログデータベース１０６に格納されているログをネットワーク経由で取得する。

中央処理装置２０２は、マイクロプロセッサを主体に構成され、記憶装置２０４や二次記憶装置２０５に格納されているプログラムを実行する。

指示入力装置２０３は、例えばキーボード、マウス等のポインティングデバイスである。知識共有型レコメンドサービスの運用者は、指示入力装置２０３を用いて、知識レコメンドの設定・変更等を入力する。ただし、ネットワークを介して接続されるＰＣ等の別端末の指示入力装置を用いて、知識レコメンドの設定・変更等を入力するようにしてもよい。

表示装置２０６は、例えば、ディスプレイアダプタと液晶パネル等によって構成される。

記憶装置２０４は、例えば、ランダムアクセスメモリ（ＲＡＭ）や、リードオンリーメモリ（ＲＯＭ）である。記憶装置２０４は、中央処理装置２０２によって実行されるプログラムや、知識共有型レコメンドサービス装置１０７において処理されるデータ等を格納する。

二次記憶装置２０５は、例えば、ハードディスク、ＤＶＤやＣＤ等の記憶媒体とそのドライブ、あるいは、フラッシュメモリ等の不揮発性メモリである。二次記憶装置２０５は、中央処理装置２０２によって実行されるプログラムや、知識共有型レコメンドサービス装置１０７において処理されるデータ等を格納する。

図３は、知識共有型レコメンドサービス装置１０７の機能ブロックの一例を示す図である。図３に示す機能ブロックの一部あるいは全部は、図２で示したハードウェアに加えてハードウェアとして実現してもよいが、中央処理装置２０２によって実行されるソフトウェアプログラムとして実現してもよい。なお、以下の説明では、一例として、これらの機能ブロックの全てが中央処理装置２０２によって実行されるソフトウェアプログラム、または、二次記憶装置２０５に保持されるデータであるものとする。

図３に示すように、知識共有型レコメンドサービス装置１０７は、通信部３０１、ユーザ判定部３０２、知識受付部３０３、レコメンド処理部３０４、分析結果処理部３２１、要求受付部３０５、ノードマップ描画処理部３０６、ビル関連度データベース３０７、知識データベース３０８、知識関連度データベース３０９、ビル−知識関連度データベース３１０、関連度算出部３１１、ログ要求部３１２、ログ取得部３１３、分析処理部３１４、および、分析結果データベース３１５を備える。

関連度算出部３１１は、ビル関連度算出部３１６、知識関連度算出部３１７、ビル−知識関連度算出部３１８を備える。各算出部３１６〜３１８で行う処理内容については後述する。

分析処理部３１４は、分析指標１算出部３１９、分析指標ｎ算出部３２０を有する。ただし、ｎは任意の整数である。すなわち、分析処理部３１４は、任意の数の分析指標ｎ算出部を有してもよい。各部の詳細な説明については後述する。

ＡＳＰサービス装置１０３との間で行われるログの要求・受信等のデータ送受信や、レコメンドユーザ端末１０８との間で行われるレコメンドの要求・受信等のデータ送受信等、ネットワークを介したデータの送受信は、通信部３０１を介して行われる。

知識共有型レコメンドサービス装置１０７は、ＡＳＰログデータベース１０６から分析対象となるログデータ（分析対象ログ）を取得して分析する。また、知識共有型レコメンドサービス装置１０７は、レコメンドユーザ端末１０８からの要求に応じて、レコメンド知識を有するデータをレコメンドユーザ端末１０８に送信する。

図４は、分析対象ログ４０１とレコメンド知識４０２の一例を示す図である。分析対象ログ４０１は、知識共有型レコメンドサービス装置１０７がＡＳＰログデータベース１０６から取得するデータである。レコメンド知識４０２は、知識共有型レコメンドサービス装置１０７がレコメンドユーザ端末１０８に提示するデータである。

分析対象ログ４０１には、各ビルのエネルギー使用状況４０３、ビル設備運用状況４０４、センサログデータ４０５等が含まれる。エネルギー使用状況とは、例えば各ビルの毎月の電気、ガス、油などの使用量である。ビル設備運用状況４０４とは、例えば各ビルの照明機器、空調、昇降機などの運転の切り替えや設定などの制御情報である。センサログデータ４０５とは、例えば各ビルの各居室に設置された温度センサ、湿度センサ、二酸化炭素濃度センサ、照度センサ、配電盤に設置された電流計測センサ、屋外に設置された外気温センサ等のセンサで計測されたデータである。

分析対象ログ４０１は、ビル管理者等がＡＳＰユーザ端末１０４から入力して、ＡＳＰサービス装置１０３に送信する。また、図示しないセンサ等でエネルギー使用状況４０３、ビル設備運用状況４０４、センサログデータ４０５等のデータを検出して、有線または無線の通信装置を介してＡＳＰサービス装置１０３に送信してもよい。ＡＳＰサービス装置１０３に送信された分析対象ログ４０１は、ＡＳＰログデータベース１０６に格納される。

レコメンド知識４０２には、分析対象ログ４０１の分析の結果得られたビルの問題抽出４０６の情報と、抽出された各問題に対する問題解決４０７の情報が含まれる。

問題抽出４０６の情報には、性能劣化４０８、および、エネルギー・フォルト４０９の情報が含まれる。性能劣化４０８とは、例えば、空調、照明機器、昇降機、ＯＡ機器等の消費電力上昇や消費電力異常等の情報である。エネルギー・フォルト４０９とは、空調、照明機器、昇降機、ＯＡ機器等の運転の無駄時間、運転の特異箇所等の情報である。

問題解決４０７の情報には、改善サービス４１０の情報と、制御情報４１１が含まれる。改善サービス４１０とは、機器リプレイス提案や機器の在庫の調整、機器の発注等の情報である。制御情報４１１とは、空調や照明機器、昇降機、ＯＡ機器の運転の切り替えや設定を指示する情報である。

図５は、知識共有型レコメンドサービス装置１０７がレコメンド知識を作成して、レコメンドユーザ端末１０８に送信する処理のフローの一例を示す図である。要求受付部３０５は、レコメンドユーザ端末１０８から送信された、任意のビルに関する知識のレコメンド要求を取得する（Ｓ５０１）。ここでは、ビルＡに関する知識のレコメンド要求を取得したものとして説明を続ける。

ログ要求部３１２は、通信部３０１を介して、ビルＡに関するログをＡＳＰサービス装置１０３に要求する（Ｓ５０２）。ログ取得部３１３は、通信部３０１を介して、ビルＡに関するログをＡＳＰログデータベース１０６から取得する（Ｓ５０３）。

分析処理部３１４は、ビルＡのログを分析して、分析結果を分析結果データベース３１５に格納する（Ｓ５０４）。ログの分析結果の詳細については、図６を用いて後述する。

ビル関連度算出部３１６は、分析対象であるビルＡのログ分析結果と、分析結果データベース３１５に格納されている全てのビルのログ分析結果との関連度合いを示すビル関連度を算出し、算出したビル関連度をビル関連度データベース３０７に格納する（Ｓ５０５）。ビル関連度の詳細な算出方法については、図７を用いて後述する。

ノードマップ描画処理部３０６は、ビル関連度および後述する知識関連度を図示したノードマップを作成する（Ｓ５０６）。ノードマップの詳細な作成方法については、図１１Ａおよび図１１Ｂを用いて後述する。

ビル−知識関連度算出部３１８は、後述するビル−知識関連度を算出し、算出したビル−知識関連度をビル−知識関連度データベース３１０に格納する（Ｓ５０７）。

レコメンド処理部３０４は、ビル−知識関連度データベース３１０に格納されている、ビルＡに関するビル−知識関連度最終値の高い順に、知識データベース３０９に格納されている知識を、通信部３０１を介してレコメンドユーザ端末１０８に送信する。

図６は、分析結果データベース６０１（図３の分析結果データベース３１５に対応）のデータ構造の一例を示す図である。上述したように、分析処理部３１４は、分析対象ビルのログ（図４の分析対象ログ４０１）を分析して、分析結果を分析結果データベース６０１に格納する。

図６において、分析ＩＤ６０２は、分析結果ごとに付与されるＩＤ番号である。対象ビル６０３は、分析対象ビルの名称である。

対象期間６０４は、分析の対象となった期間である。例えば、対象期間６０４として、「２００９／０７」の値が格納されている場合には、２００９年７月の１ヶ月間が対象期間であることを示す。また、対象期間６０４として、「２００９／０７−２００９／０９」の値が格納されている場合には、２００９年７月から２００９年９月までの３ヶ月間が対象期間であることを示す。

分析日６０５は、分析処理部３１４が分析を実行した日を表し、分析時刻６０６は、分析を実行した時刻を表す。

エネルギー消費分析結果６０７は、対象ビルの分析対象期間内のログデータに基づいて、対象ビルのエネルギー消費量を分析した結果である。このエネルギー消費分析結果には、前年同期比標準偏差６０８、同規模ビル内標準偏差６０９、外気温関連分析６１０、総合分析６１１が含まれる。

前年同期比標準偏差（σ）６０８は、エネルギー消費量の前年同期比を算出し、全てのビルの同データ（エネルギー消費量の前年同期比）に対する標準偏差を算出することによって求められる。

同規模ビル内標準偏差（σ）６０９は、延床面積が同じ範囲に分類される同規模ビルの同データ（エネルギー消費量の前年同期比）に対する標準偏差である。

外気温関連分析６１０は、エネルギー消費量と外気温との関連を示す指標である。

総合分析（σ）６１１は、前年同期比標準偏差６０８、同規模ビル内標準偏差６０９、および、外気温関連分析６１０の各分析結果を任意の重み付け等により総合した指標である。

分析処理部３１４は、前年同期比標準偏差６０８、同規模ビル内標準偏差６０９、外気温関連分析６１０、総合分析６１１を求めるとともに、用途に応じて任意の分析を行い、任意の数の分析指標を有するエネルギー消費分析結果６０７を求める。

図７は、ビル関連度算出部３１６によってビル関連度を算出する処理フローの一例を示す図である。

ビル関連度算出部３１６はまず、分析対象ＩＤの分析結果を分析結果データベース３１５から取得する（Ｓ７０１）。ここでは、分析対象ＩＤを「Ａ」とし、分析対象ＩＤ「Ａ」との間でビル関連度を算出する他のビルの分析対象ＩＤを「Ｔ」とする。

次に、分析対象ＩＤ「Ａ」と、他のビルの分析対象ＩＤ「Ｔ」との間におけるビル関連度元値を算出する（Ｓ７０２）。ビル関連度元値は、次式（１）より算出する。

式（１）において、Ｎは消費エネルギー分析結果６０７の分析指標の総数である。また、右辺の分母が０になる場合には、ビル関連度元値を所定の最大値とする。式（１）は、二つの分析ＩＤに対して、それらの分析結果がどれほど近いかを示す指標であり、数値が大きいほど、分析結果が近いことを示す。

ビル関連度算出部３１６は、算出したビル関連度元値をビル関連度データベース３０７に格納する（Ｓ７０３）。

続いて、ビル関連度算出部３１６は、算出したビル関連度元値を最小値０、最大値１００となるように正規化し、正規化することによって求めたビル関連度をビル関連度データベース３０７に格納する（Ｓ７０４）。

その後、分析結果データベース３１５に格納されている全てのビルの分析対象ＩＤについて、分析対象ＩＤ「Ａ」に対するビル関連度を算出したか否かを判定する（Ｓ７０５）。全てのビルの分析対象ＩＤを対象として、分析対象ＩＤ「Ａ」に対するビル関連度を算出していないと判定すると、別の分析対象ＩＤについてビル関連度を算出するために、Ｔを変更して（Ｓ７０６）、再び、Ｓ７０２以後の処理を行う。一方、全てのビルの分析対象ＩＤを対象として、分析対象ＩＤ「Ａ」に対するビル関連度を算出したと判定すると、フローチャートの処理を終了する。

図８は、ビル関連度データベース８０１（図３のビル関連度データベース３０７に対応）のデータ構造の一例を示す図である。対象ＩＤ８０２は、分析対象となるＩＤである。ビル関連度算出部３１６は、分析対象ＩＤ８０２と、分析済み分析ＩＤ８０３との間のビル関連度元値８０４を算出し、ビル関連度データベース８０１に格納する。ビル関連度算出部３１６は、また、算出したビル関連度元値８０４を正規化し、正規化することによって求めたビル関連度８０５をビル関連度データベース８０１に格納する。

ビル関連度データベース８０１は、分析処理部３１４によって分析された全ての分析ＩＤに対して作成される。図８では、１つのビル関連度データベースの中に、１つの対象分析ＩＤのビル関連度を格納しているが、１つのビル関連度データベースの中に、全ての分析ＩＤのビル関連度を格納するようにしてもよい。

図９は、ノードマップ描画処理部３０６によって作成される、ビルと知識の関連ノードマップの一例を示す図である。ビルと知識の関連ノードマップは、分析ＩＤおよび知識ＩＤの関係を可視化してユーザに示すものである。図９において、あるビルのある期間における分析ＩＤおよびその内容を、分析ＩＤノード９０１として、矩形で示す。ノードマップでは、複数の分析ＩＤノードが示されるが、最も大きい矩形で示されている分析ＩＤノードが分析対象のＩＤノードである。また、分析ＩＤに対応する知識を、知識ＩＤノード９０２として、円形で示す。

図９において、実線で示すビル関連度線９０３は、分析ＩＤノードと分析ＩＤノードを繋ぐ線（リンク）であり、繋がれた分析ＩＤノード間のビル関連度の値を伴う。例えば、分析ＩＤ：２０８と、分析ＩＤ：１０２との間のビル関連度は、４５である。

図９において、波線で示す知識関連度線９０４は、知識ＩＤノードと知識ＩＤノードとを繋ぐ線（リンク）であり、繋がれた知識ＩＤノード間の知識関連度の値を伴う。知識関連度については、後述する。

ある分析ＩＤに関連する知識ＩＤは、ノードを経由して一つまたは複数のパスによって、他の分析ＩＤノードまたは知識ＩＤノードに繋がる。ビル−知識関連度算出部３１８は、ある分析ＩＤと、ある知識ＩＤとの間のパスの数に応じて、次式（２）より、ビル−知識関連度最終値を算出する。

式（２）は、ビル−知識関連度最終値を算出するための式の一例である。ある分析ＩＤノードと知識ＩＤノードを繋ぐパスは、一つまたは複数存在する。パスがｍ本存在する場合には、後述する方法によって算出するビル−知識関連度もｍ個存在する。式（２）では、ｍ個のビル−知識関連度の最大値をビル−知識関連度最終値としている。

図１０は、ビル−知識関連度データベース２５０１（図３のビル−知識関連度データベース３１０に対応）のデータ構造の一例を示す図である。ビル−知識関連度データベース２５０１には、対象分析ＩＤ２５０２、知識ＩＤ２５０３、および、ビル−知識関連度最終値２５０４が含まれる。分析対象ＩＤ２５０２は、図６に示す分析結果データベース６０１の分析ＩＤ６０２に対応する。知識ＩＤ２５０３は、後述する図１３に示す知識データベースの知識ＩＤ１２０２と対応する。

なお、図１０に示すビル−知識関連度データベース２５０１には、レイティング結果を反映したビル−知識関連度最終値２５０５が含まれているが、これについては、後述する第２の実施形態で説明する。

図１１Ａは、ノードマップ描画処理部３０６によって行われるノードマップ描画の処理フローの一例を示す図である。また、図１１Ｂは、図１１Ａに続く処理フローの一例を示す図である。まず始めに、分析ＩＤ「Ａ」の分析ＩＤノードをノードマップに追加する（Ｓ１００１）。続いて、ビル関連度データベース３０７から、分析ＩＤ「Ａ」と他の全ての分析ＩＤとの間のビル関連度を取得する（Ｓ１００２）。

次に、分析ＩＤ「Ａ」をルート（起点）とし、１階層目の分析ＩＤノードを追加する（Ｓ１００３）。１階層目の分析ＩＤノードは、一定の閾値以上のビル関連度を有する分析ＩＤとする。ただし、全ての分析ＩＤを１階層目の分析ＩＤノードとしてもよい。

続いて、１階層目の分析ＩＤノードに対応する知識が知識データベース３０８に格納されているか否かを判定し（Ｓ１００４）、格納されていると判定すると、対応する知識ＩＤを知識データベース３０８から取得し、取得した知識ＩＤをノードマップに追加する（Ｓ１００５）。一方、対応する知識が知識データベース３０８に格納されていないと判定すると、Ｓ１００６に進む。

次に、この時点で終端のノードとなっているＳ階層目（初期値はＳ＝１）の分析ＩＤノードに対して、他のビルのビル関連度を取得し、Ｓ＋１階層目の分析ＩＤノードをノードマップに追加する（Ｓ１００６）。追加する分析ＩＤノードは、一定の閾値以上のビル関連度を有する分析ＩＤとする。そして、追加した分析ＩＤノードに対応する知識が知識データベース３０８に格納されている場合には、対応する知識ＩＤを知識データベース３０８から取得し、取得した知識ＩＤをノードマップに追加する（Ｓ１００７）。

Ｓ階層目の知識ＩＤノードに対して、他の全ての知識ＩＤの知識関連度を取得し、Ｓ＋１階層目の知識ＩＤノードを追加する（Ｓ１００８）。追加する知識ＩＤノードは、一定の閾値以上の知識関連度を有する知識ＩＤとする。一定の閾値は、ビル関連度と比較する閾値と同じ値でもよいし、異なる値でもよい。また、全ての知識ＩＤを追加するようにしてもよい。

次に、ルートのノードである分析ＩＤ「Ａ」ノードから、Ｓ＋１階層目の知識ノードに繋がる、パスｍ（初期値はｍ＝１）のビル−知識関連度を算出する（Ｓ１００９）。

次式（３）は、ビル−知識関連度を算出する式の一例である。ビル−知識関連度は、あるビルのある期間の分析結果である分析ＩＤ「Ａ」と、ある知識ＩＤ「Ｎ」の関連の大きさを表す指標である。値が大きいほど、関連性が高いことを示す。

式（３）において、「隣接ノードとの関連度」とは、隣接する分析ＩＤノード間のビル関連度、または、隣接する知識ＩＤノード間の知識関連度である。例えば、図９に示すノードマップにおいて、分析ＩＤ「２０８」の分析ＩＤノードと、知識ＩＤ「３２」の知識ＩＤノードの間のパスの数は２つである。分析ＩＤ「１１８」の分析ＩＤノードと分析ＩＤ「１５３」の分析ＩＤノード間のビル関連度を経由するパスをパス１、知識ＩＤ「１」の知識ＩＤノードと知識ＩＤ「３２」の知識ＩＤノード間の知識関連度を経由するパスをパス２とすると、パス１のビル−知識関連度は、１０７．５（＝９５×１／１＋２５×１／２）であり、パス２のビル−知識関連度は、１４０．０（＝９５×１／１＋９０×１／２）となる。

分析ＩＤ「Ａ」ノードから、Ｓ＋１階層目の知識ノードに対して、全てのパスのビル−知識関連度を算出したか否かを判定する（Ｓ１０１１）。全てのパスのビル−知識関連度を算出していないと判定すると、パラメータｍをインクリメントして（Ｓ１０１０）、Ｓ１００９の処理を再び行う。一方、全てのパスのビル−知識関連度を算出したと判定すると、パス１からパスｍのビル−知識関連度の中で最大のビル−知識関連度を、ビル−知識関連度最終値として、ビル−知識関連度データベース３１０に格納する（Ｓ１０１２）。

続いて、Ｓ＋１階層目の知識ＩＤノードのビル−知識関連度が一定の閾値を下回っているか否かを判定する（Ｓ１０１４）。この閾値は、上述したビル関連度と比較するための閾値、または、知識関連度と比較するための閾値と同じ値であってもよいし、異なる値でもよい。Ｓ＋１階層目の知識ＩＤノードのビル−知識関連度が所定の閾値を下回っていないと判定すると、パラメータＳをインクリメントして（Ｓ１０１３）、Ｓ１００６の処理を再び行う。一方、Ｓ＋１階層目の知識ＩＤノードのビル−知識関連度が所定の閾値を下回っていると判定すると、フローチャートの処理を終了する。

図１２は、新規知識入力の処理フローの一例を示す図である。要求受付部３０５は、レコメンドユーザがレコメンドユーザ端末１０８から入力した、任意のビルの任意の期間の分析結果の要求を受け付ける（Ｓ１１０１）。分析結果処理部３２１は、分析結果データベース３１５に格納されている分析結果を処理して、通信部３０１およびネットワークを介して、分析結果をレコメンドユーザ端末１０８に送信する（Ｓ１１０２）。

ユーザは、レコメンドユーザ端末１０８に提示される分析結果を見て、対応する知識をレコメンドユーザ端末１０８に入力し、知識共有型レコメンドサービス装置１０７に送信する。知識受付部３０３は、ネットワークおよび通信部３０１を介して、知識入力を受け付ける（Ｓ１１０３）。知識受付部３０３によって受け付けられた知識は、知識データベース３０８に格納される（Ｓ１１０４）。また、知識入力時の情報や知識入力時の分析結果等の情報も知識データベース３０８に格納される（Ｓ１１０５）。知識入力時の情報や知識入力時の分析結果等の情報は、図１３を用いて後述する。

図１３は、知識データベース１２０１（図３の知識データベース３０８に対応）のデータ構造の一例を示す図である。図１３に示すデータベース１２０１において、知識ＩＤ１２０２は、知識ごとに付与されるＩＤである。知識１２０３は、レコメンドユーザ端末１０８から入力された知識である。例えば、図１３に示す例では、知識ＩＤ：２の知識として、「空調と外気温の相関係数低し。外気に応じた運用を指導すること」と入力されている。

入力者ＩＤ１２０４は、知識を入力したレコメンドユーザを特定するためのＩＤである。入力者ＩＤ２０４の取得処理については、図１７に示すフローチャートを用いて後述する。

入力日１２０５は、レコメンドユーザによって入力された知識を取得した日付であり、入力時刻１２０６は、レコメンドユーザによって入力された知識を取得した時刻である。いずれも、図示しない日付・時刻取得装置から日付、時刻を取得する。

分析ＩＤ１２０７は、レコメンドユーザに提示した分析結果を特定するためのＩＤである。

図１４は、知識関連度を算出するための処理フローの一例を示す図である。知識関連度は、ある知識ＩＤの知識と、ある別の知識ＩＤの知識の関連の近さを示す指標であり、知識関連度算出部３１７によって算出される。知識関連度は、値が大きいほど、関連性が高いことを示す。

以下では、新規に取得した知識ＩＤ「Ｋ」に対して、他の知識ＩＤとの知識関連度を算出する。まず始めに、知識受付部３０３は、知識ＩＤ「Ｋ」に関する新規知識を取得する（Ｓ１３０１）。取得した新規知識は、知識データベース３０８に格納される。

次に、知識関連度算出部３１７は、取得した知識ＩＤ「Ｋ」の知識を形態素解析して（Ｓ１３０２）、名詞のみを抽出する（Ｓ１３０３）。続いて、知識関連度算出部３１７は、他の知識ＩＤ「Ｘ」の知識を形態素解析して（Ｓ１３０４）、名詞のみを抽出する（Ｓ１３０５）。

続いて、抽出した知識ＩＤ「Ｋ」の名詞と、知識ＩＤ「Ｘ」の名詞のうち、一致した名詞の数を算出する（Ｓ１３０６）。算出した名詞の数は、知識関連度データベース３０９に格納する（Ｓ１３０７）。また、算出した名詞の数を正規化して、知識関連度として、知識関連度データベース３０９に格納する（Ｓ１３０８）。

この後、知識データベース３０８に格納されている全ての知識に対して、知識ＩＤ「Ｋ」の知識に対する知識関連度を算出したか否かを判定する（Ｓ１３０９）。知識データベース３０８に格納されている全ての知識に対して知識関連度を算出していないと判定するとＳ１３０４に戻って、別の知識に対して知識関連度を算出する。一方、知識データベース３０８に格納されている全ての知識に対して知識関連度を算出したと判定すると、フローチャートの処理を終了する。

図１５は、知識関連度データベース１４０１（図３の知識関連度データベース３０９に対応）のデータ構造の一例を示す図である。図１５では、対象知識ＩＤ「Ｋ」の知識関連度データ１４０１の一例を示している。

図１５において、対象知識ＩＤ１４０２は、対象となる知識ＩＤである。入力済み知識ＩＤ１４０３は、知識データベース３０８に格納されている他の知識ＩＤである。一致名詞数１４０４は、対象知識ＩＤ１４０２の知識と入力済み知識ＩＤ１４０３の知識との間で一致した名詞の数である。知識関連度１４０５は、一致名詞数１４０４を、最小値０、最大値１００となるように正規化した値である。

知識関連度データベース１４０１は、知識データベース３０８に格納されている全ての知識ＩＤに対して作成される。図１５では、１つの知識関連度データベースの中に、１つの対象知識ＩＤに対する知識関連度を格納しているが、１つの知識関連度データベースの中に、全ての対象知識ＩＤに対する知識関連度を格納するようにしてもよい。

図１６Ａは、知識レコメンドおよび入力のユーザインターフェイスの一例を示す図である。知識レコメンドおよび入力のユーザインターフェイス１５０１は、レコメンドユーザがあるビルのある期間の分析結果と知識のレコメンドをリクエストした後に、レコメンドユーザ端末１０８に提示される画面である。このユーザインターフェイス１５０１には、分析結果エリア１５０２と、知識レコメンドエリア１５０３と、知識入力エリア１５０４と、画面切り替えエリア１５０５が含まれる。

分析結果エリア１５０２には、レコメンドユーザが分析結果を要求した対象ビル名１５０６、分析対象期間１５０７、分析結果表１５０８、および、分析結果グラフ１５０９が表示される。

図１６Ｂは、分析結果表１５０８の詳細な内容の一例を示す図である。分析結果表１５０８は、例えば、分析結果データベース３１５に格納されている分析対象ビルのデータである。また、分析結果グラフ１５０９は、例えば、分析結果データベース３１５に格納されているデータを可視化したものである。

知識レコメンドエリア１５０３には、知識レコメンド表１５１０、および、ノードマップ表示画面への移動ボタン１５１１が表示される。図１６Ｃは、知識レコメンド表１５１０の詳細な内容の一例を示す図である。

本実施形態では、知識レコメンドの対象ユーザがビル管理事業者の営業パーソンである。従って、営業パーソンに対して、レコメンドすべき知識を記載した知識レコメンド表１５１０を提示する。知識レコメンド表１５１０では、分析結果エリア１５０２に表示した分析ＩＤに対応して、関連の高い知識を、関連順位順に提示する。関連順位は、ビル−知識関連度最終値の高い知識ＩＤ順に定まる。また、この知識ＩＤが入力された際の入力時対象ビルと、入力時対象期間を、知識データベース３０８から取得し、知識レコメンド表１５１０内で提示する。

分析結果エリア１５０２に表示した分析ＩＤに対して、新たに知識を入力する場合、レコメンドユーザは、知識入力エリア１５０４の知識入力テキストボックス１５１２に知識を入力し、入力ボタン１５１３を押下する。これにより、入力された知識がネットワークを介して、知識共有型レコメンドサービス装置１０７に送信される。

図１７は、ユーザ判断の処理フローの一例を示す図である。分析結果に応じた知識は全てのユーザが持っているものではなく、特定の熟練した営業パーソンなど、熟練ユーザが持っていることが多い。従って、本実施形態では、熟練したユーザのみが知識入力を行えるものとする。

ユーザは、本実施形態のアプリケーションにログインする際、図示しないログインユーザインターフェイスにユーザＩＤを入力する必要がある。ユーザ判定部３０２は、入力されたユーザＩＤを取得する（Ｓ１６０１）。

次に、分析結果処理部３２１は、分析結果データベース３１５から、レコメンドユーザからリクエストされたビルの分析結果を取得し、取得した分析結果に基づいて分析結果グラフを作成する等の処理を行う。そして、分析結果処理部３２１は、分析結果（図１６の分析結果表１５０８、分析結果グラフ１５０９）を、通信部３０１およびネットワークを介してレコメンドユーザ端末１０８に送信する（Ｓ１６０２）。また、レコメンド処理部３０４は、分析結果に対応する知識（図１６の知識レコメンド表１５１０）を送信する（Ｓ１６０３）。

続いて、ユーザ判定部３０２は、ユーザによって入力されたユーザＩＤに基づいて、そのユーザが熟練者であるか否かを判定する（Ｓ１６０４）。例えば、ユーザ判定部３０２は、その内部に、ユーザのユーザＩＤおよびそのユーザが熟練者であるか否かの情報を格納したユーザデータベースを有する。ユーザ判定部３０２は、ユーザデータベースの情報を参照することにより、ログインしたユーザが熟練者であるか否かを判定する。ユーザが熟練者であると判定すると、知識受付部３０３は、知識入力エリア１５０４をアクティブにして、知識の入力を受け付ける（Ｓ１６０５）。一方、ユーザが熟練者ではないと判定すると、知識受付部３０３は、知識入力エリア１５０４への知識の入力を禁止する。

図１８は、知識およびノードマップを提示するユーザインターフェイスの一例を示す図である。知識およびノードマップを提示するユーザインターフェイス１７０１は、図１６に示した知識レコメンドおよび入力のユーザインターフェイス１５０１におけるノードマップ表示画面への移動ボタン１５１１が押下されると表示される。ユーザインターフェイス１７０１では、画面切り替えエリア１５０５、分析結果を要求した対象ビル名１５０６、分析対象期間１５０７、知識レコメンド表１５１０を表示する。また、この分析結果の分析ＩＤに対応し、図１１の処理フローによって描画したノードマップ１７０２も表示する。

なお、上述した説明では、本発明による計算機システムを、ビル管理事業に関する知識共有型レコメンドサービスに適用した例を挙げた。しかし、本発明による計算機システムは、ビル管理事業のみではなく、金融事業やｅ−コマース等、他のサービスや事業分野への適用も可能である。

図１９は、本発明による計算機システムを金融事業に適用した場合の分析対象ログとレコメンド知識の一例を示す図である。分析対象ログ１８０１には、顧客の資産運用状況１８０２、成約状況１８０３、顧客のカウンター訪問状況を示すローカウンター訪問状況１８０４、広告アクセス状況１８０５などの情報が含まれる。

レコメンド知識１８０６には、分析の結果得られた顧客状況抽出１８０７の情報、および、抽出された顧客情報に対応する営業方法１８０８の情報が含まれる。顧客状況抽出１８０７には、運用計画の変更１８０９、新規事業拡大１８１０、リスク１８１１などの情報が含まれる。リスク１８１１とは、業績悪化や倒産危機、顧客のブラックリスト適合条件などの情報である。営業方法１８０８の情報には、融資の提案・停止、利率の変更、保険の窓口販売といった情報が含まれる。

この場合も、分析対象ログ間の関連度、および、レコメンド知識間の関連度を算出するとともに、分析対象ログとレコメンド知識との間の関連度を算出する。そして、分析対象ログとレコメンド知識との間の関連度の高い順に、分析対象ログと関連のあるレコメンド知識を提示する。

以上、第１の実施形態によれば、計算機システムは、時刻及び場所の少なくとも一方が異なる条件で測定された物理量間の関連度を保持する第１のデータベースと、測定された物理量に対応し、テキストを含む情報間の関連度を保持する第２のデータベースを備える。この計算機システムにおいて、プロセッサは、第１のデータベースに保持された物理量間の関連度および第２のデータベースに保持された情報間の関連度に基づいて、測定された物理量と物理量に対応する情報との間の関連度を算出し、第３のデータベースに保持する。プロセッサは、物理量が入力された場合、第３のデータベースを参照して、入力された物理量との関連が高い情報を提示する。これにより、物理量間の関連度、または、情報間の関連度だけでなく、物理量と情報との間の関連度も考慮した質の高い情報をユーザに提示することができる。

また、物理量間の関連度及び情報間の関連度を所定の閾値でフィルタリングし、閾値より高い関連度の物理量間のリンク及び情報間のリンクを組み合わせて、物理量と情報との間の関連度を算出する。これにより、物理量と情報との間の関連度として、質の高い関連度を算出することができる。

特に、第１の実施形態では、入力された物理量を分析して分析結果を分析結果データベースに保持し、分析結果データベースに保持されている分析結果に対して、物理量間の関連度を算出する。そして、物理量間のリンク及び当該物理量間のリンクに対応する情報間のリンクのうち、関連度の高い方のリンクを用いて、測定された物理量と物理量に対応する情報との間の関連度を算出する。これにより、物理量と情報との間の関連度を適確に算出することができる。

さらに、物理量間の関連度及び情報間の関連度を図式的に表示するためのデータを生成するので、物理量間の関連度および情報間の関連度を図としてユーザに提示することができる。

また、物理量に対応する情報に含まれるテキストから名詞を抽出し、抽出した名詞が重複している数によって、情報間の関連度を算出するので、精度良く、情報間の関連度を算出することができる。

また、物理量間のリンク及び情報間のリンクのうち、関連度の高い方のリンクを抽出し、抽出したリンクの関連度と、抽出したリンクの当該物理量からの距離に基づいて、物理量と情報との間の関連度を算出する。これにより、物理量と情報との間の関連度を適確に算出することができる。

さらに、測定された物理量及び当該物理量に対応する知識を一画面に表示するためのデータを生成するので、物理量及び物理量に対応する知識を一画面でユーザに提示することができる。
＜第２の実施形態＞

続いて、本発明の第２の実施形態について、図２０〜図２４を参照して説明する。

第２の実施形態では、提示された知識のレイティングを行い、レイティングデータを関連度とノードマップの描画に反映する知識共有型レコメンドシステムについて説明する。なお、第１の実施形態で既に説明した図面に示した部分と同一の符号および機能を有する部分については、一部説明を省略する。

図２０は、第２の実施形態における知識共有型レコメンドサービス装置１９０１の機能ブロックの一例を示す図である。第２の実施形態における知識共有型レコメンドサービス装置１９０１は、第１の実施形態における知識共有型レコメンドサービス装置１０７の構成に加えて、レイティング受付部１９０２、レイティング処理部１９０３、および、レイティングデータベース１９０５を備える。

ユーザは、レコメンドユーザ端末１０８に提示された知識を閲覧して、知識が有用であるか否かを示すレイティングを入力する。入力されたレイティングは、ネットワークを介して、知識共有型レコメンドサービス装置１９０１に送信される。

レイティング受付部１９０２は、通信部３０１を介して、レイティングを受け取り、レイティング処理部１９０３に送信する。レイティング処理部１９０３は、受信したレイティングに基づいて、後述する処理を行って、レイティングデータベース１９０４に格納する。

ビル−知識関連度算出部３１８は、後述する方法によって、レイティング結果を反映したビル−知識関連度を算出する。ノードマップ描画処理部３０６は、レイティング結果を反映したビル−知識関連度を用いて、ノードマップを作成する。

図２１は、知識のレイティング処理フローの一例を示す図である。レコメンドユーザ端末１０８は、レコメンドユーザが要求した任意のビルおよび任意の期間の分析ＩＤの分析結果を表示する（Ｓ２００１）とともに、対応する知識を表示することによって、ユーザに知識をレコメンドする（Ｓ２００２）。レコメンドされた知識を見て、ユーザは、分析結果に対して知識がどれほど有用であるかを評価し、知識のレイティングを行う（Ｓ２００３）。

レイティング受付部１９０２は、通信部３０１を介して、レコメンドユーザ端末１０８に入力されたレイティングを取得する（Ｓ２００４）。レイティング処理部１９０３は、レイティングが付与された知識について、レイティングデータベース１９０４から、過去のレイティング結果に関する情報を取得し、取得した過去のレイティング結果と今回のレイティング結果に基づいて、レイティングの平均値を算出する（Ｓ２００５）。

続いて、レイティング処理部１９０３は、算出したレイティングの平均値を正規化するため、レイティング平均値の標準偏差を算出し（Ｓ２００６）、算出した標準偏差をレイティングデータベース１９０４に格納する（Ｓ２００７）。

図２２は、レコメンドした知識にレイティングを入力するユーザインターフェイス２１０１の一例を示す図である。このユーザインターフェイス２１０１は、知識共有型レコメンドサービス装置１９０１から知識がレコメンドされた際に、レコメンドユーザ端末１０８に表示される画面である。このユーザインターフェイス２１０１には、第１の実施形態と同様、知識レコメンドエリア１５０３とともに、図示しない分析結果エリア１５０２、知識入力エリア１５０４、および、画面切り替えエリア１５０５が含まれる。

知識レコメンドエリア１５０３には、知識レコメンド表１５１０と、ノードマップ表示画面への移動ボタン１５１１と、レイティング入力欄２１０２が含まれる。レイティング入力欄２１０２は、知識レコメンド表１５１０の各知識に対応してレイティングを入力するための欄である。

ユーザは、提示された分析結果とレコメンドされた知識を見て、分析結果に対する知識の有用性を判断し、レイティングを入力する。図２２に示す例では、５段階でレイティングを入力することができる。レイティングの数値が高いほど、知識が有用であることを示す。

図２３は、レイティングデータベース２２０１（図２０のレイティングデータベース１９０４に対応）のデータ構造の一例を示す図である。レイティング処理部１９０３によって処理された結果は、レイティングデータベース２２０１に格納される。レイティングデータベース２２０１には、分析ＩＤ２２０２、知識ＩＤ２２０３、レイティング回数２２０４、レイティング平均２２０５、および、レイティング平均・正規化値２２０６が含まれる。

レイティング回数２２０４は、分析ＩＤ２２０２および知識ＩＤ２２０３の組み合わせについて、過去にレイティングされた回数である。レイティング平均２２０５は、分析ＩＤ２２０２および知識ＩＤ２２０３の組み合わせに対する過去のレイティングの平均点である。レイティング平均・正規化値２２０６は、平均値が５０となる偏差値算出法によって算出した標準偏差である。ただし、例えば、平均値が０となる偏差値算出法など、他の偏差値算出法を用いて偏差値を算出してもよい。

ビル−知識関連度算出部３１８は、次式（４）により、レイティング結果を反映したビル−知識関連度を算出する。すなわち、図５に示す処理フローで算出したビル−知識関連度最終値に、レイティング平均・正規化値を乗算することによって、レイティング結果を反映したビル−知識関連度を算出する。これにより、知識をユーザにレコメンドする際に、レイティング結果を反映した順序で知識をレコメンドすることが可能となる。

図２４は、レイティング結果を反映したビルと知識の関連ノードマップの一例を示す図である。レイティング結果を反映したビルと知識の関連ノードマップでは、円形で示す知識ＩＤのノードの直径は、レイティングデータ２２０１のレイティング平均２２０５に比例して描画する。すなわち、レイティング平均２２０５が高いほど、円形で示す知識ＩＤのノードの直径を大きくする。これにより、ユーザは、円の大きさを視認することによって、有用な知識であるか否かを容易に把握することができる。

なお、上述した説明では、レイティングによって、レコメンドされた知識の有効性を評価するようにした。例えば、明らかに有効でない知識については、評価を低くするだけでなく、以後はレコメンドされないようにするために、その知識を削除できるようなシステムとしてもよい。

以上、第２の実施形態によれば、提示した情報の評価の入力を受け付け、入力された評価を用いて、物理量と情報との関連度を重み付けし、重み付けをした関連度の順に情報を提示する。これにより、評価を反映した質の高い情報を提示することができる。

また、提示した情報の評価の入力を受け付け、入力された評価の大きさを視認できる方法で情報を提示する。これにより、ユーザは、提示された情報の評価を視認することができ、有用な知識であるか否かを容易に判断することができる。
＜第３の実施形態＞

以下では、本発明による計算機システムをビルエネルギーマネジメントシステム・日報連携分析ツールに適用した例について説明する。ビルエネルギーマネジメントシステムとは、ビルの機器・設備等の運用を記録するシステムである。ビル管理者は、毎日の管理記録を日報として記録する。ビルエネルギーマネジメントシステムのログをＡＰＳログとして、また、日報を知識として扱うことにより、ビルエネルギーマネジメントシステムログの分析結果に応じて過去の日報をレコメンドし、類似したビル運用をしていた日の日報を閲覧することが可能となる。

図２５は、本発明による計算機システムをビルエネルギーマネジメントシステム・日報連携分析ツールに適用した場合のユーザインターフェイスの一例を示す図である。ビルエネルギーマネジメントシステム・日報連携分析ツールに適用したユーザインターフェイス２４０１は、図１６に示すユーザインターフェイスと同様に、分析結果の表示エリア１５０２を有する。本実施形態では、本日のビルエネルギーマネジメントシステム分析結果２４０６を分析結果の表示エリア１５０２に示す。

知識レコメンドエリア２４０２では、ビルエネルギーマネジメントシステム分析結果に対応する過去の日報２４０３が、関連順位２４０４、および、その日報が作成された日付２４０５とともに提示される。知識レコメンドエリア２４０２では、さらに、過去の日報が作成された日のビルエネルギーマネジメントシステム分析結果を表示する画面への移動ボタン２４０６、および、本日の日報を入力する画面への移動ボタン２４０７も表示される。

本実施形態によれば、ビル管理者の移動や世代交代があっても、過去の日報のノウハウを参照することにより、知識を共有することが可能となる。

以上、第３の実施形態によれば、本発明による計算機システムを、ビルエネルギーマネジメントシステム・日報連携分析ツールに適用した場合において、ビルエネルギーマネジメントシステムログの分析結果間の関連度、または、日報間の関連度だけでなく、ビルエネルギーマネジメントシステムログの分析結果と日報間の関連度も考慮した有益な日報を提示することができる。

以上、本発明を添付の図面を参照して詳細に説明したが、本発明はこのような具体的構成に限定されるものではなく、添付した請求の範囲の趣旨内における様々な変更及び同等の構成を含むものである。

Claims (20)

1. プログラムを実行するプロセッサと、前記プロセッサによって実行されるプログラムを保持する計算機を備え、
   時刻及び場所の少なくとも一方が異なる条件で測定された物理量間の関連度を保持する第１のデータベースと、テキストを含み、前記測定された物理量に対応する情報間の関連度を保持する第２のデータベースとを備える計算機システムにおいて、
   前記プロセッサは、
   前記第１のデータベースに保持された物理量間の関連度及び前記第２のデータベースに保持された情報間の関連度に基づいて、前記測定された物理量と情報との間の関連度を算出し、前記算出された物理量と情報との関連度を第３のデータベースに保持し、
   前記物理量が入力された場合、前記第３のデータベースを参照して、前記入力された物理量との関連が高い情報を提示することを特徴とする計算機システム。
2. 請求項１に記載の計算機システムであって、
   前記プロセッサは、
   前記物理量間の関連度及び前記情報間の関連度を所定の閾値でフィルタリングし、
   前記閾値より高い関連度の物理量間のリンク及び情報間のリンクを組み合わせて、前記物理量と前記情報との間の関連度を算出することを特徴とする計算機システム。
3. 請求項１に記載の計算機システムであって、
   前記プロセッサは、
   入力された物理量を分析して分析結果を分析結果データベースに保持し、
   前記分析結果データベースに保持されている分析結果に対して、前記物理量間の関連度を算出し、
   物理量間のリンク及び当該物理量間のリンクに対応する情報間のリンクのうち、関連度の高い方のリンクを用いて、前記測定された物理量と前記物理量に対応する情報との間の関連度を算出することを特徴とする計算機システム。
4. 請求項１に記載の計算機システムであって、
   前記プロセッサは、前記第１のデータベースに保持された物理量間の関連度及び前記第２のデータベースに保持された情報間の関連度を図式的に表示するためのデータを生成することを特徴とする計算機システム。
5. 請求項１に記載の計算機システムであって、
   前記プロセッサは、
   前記物理量に対応する情報に含まれるテキストから名詞を抽出し、
   前記抽出された名詞が重複している数によって、前記情報間の関連度を算出することを特徴とする計算機システム。
6. 請求項１に記載の計算機システムであって、
   前記プロセッサは、物理量間のリンク及び当該物理量間のリンクに対応する情報間のリンクのうち、関連度の高い方のリンクを抽出し、抽出したリンクの関連度と、抽出したリンクの当該物理量からの距離に基づいて、前記物理量と前記情報との間の関連度を算出することを特徴とする計算機システム。
7. 請求項１に記載の計算機システムであって、
   前記プロセッサは、前記測定された物理量及び当該物理量に対応する知識を一画面に表示するためのデータを生成することを特徴とする計算機システム。
8. 請求項１に記載の計算機システムであって、
   前記プロセッサは、
   前記提示した情報の評価の入力を受け付け、
   前記入力された評価を用いて、前記第３のデータベースに保持される前記物理量と情報との関連度を重み付けし、
   前記重み付けをした関連度の順に、前記情報を提示することを特徴とする計算機システム。
9. 請求項４に記載の計算機システムであって、
   前記プロセッサは、
   前記提示した情報の評価の入力を受け付け、
   前記入力された評価の大きさを視認できる方法で前記情報を提示することを特徴とする計算機システム。
10. 請求項１に記載の計算機システムであって、
    前記計算機システムの利用者の情報を保持する利用者情報データベースを備え、
    前記プロセッサは、前記利用者情報データベースに保持されている利用者の情報に基づいて、前記物理量に対応する情報の入力を利用者に許可するか否かを決定することを特徴とする計算機システム。
11. プログラムを実行するプロセッサと、前記プロセッサによって実行されるプログラムを保持する計算機を有する計算機システムを用いた情報提示方法であって、
    前記計算機システムは、時刻及び場所の少なくとも一方が異なる条件で測定された物理量間の関連度を保持する第１のデータベースと、前記測定された物理量に対応し、テキストを含む情報間の関連度を保持する第２のデータベースとを備え、
    前記情報提示方法は、
    前記第１のデータベースに保持された物理量間の関連度及び前記第２のデータベースに保持された情報間の関連度に基づいて、前記測定された物理量と情報との間の関連度を算出するステップと、
    前記算出した物理量と情報との関連度を第３のデータベースに格納するステップと、
    前記物理量が入力された場合、前記第３のデータベースを参照して、前記入力された物理量との関連が高い情報を提示するステップとを含むことを特徴とする計算機システムを用いた情報提示方法。
12. 請求項１１に記載の計算機システムを用いた情報提示方法であって、
    前記物理量と情報との間の関連度を算出するステップでは、
    前記物理量間の関連度及び前記情報間の関連度を所定の閾値でフィルタリングし、
    前記閾値より高い関連度の物理量間のリンク及び情報間のリンクを組み合わせて、前記物理量と情報との間の関連度を算出することを特徴とする計算機システムを用いた情報提示方法。
13. 請求項１１に記載の計算機システムを用いた情報提示方法であって、
    前記物理量と情報との間の関連度を算出するステップでは、
    入力された物理量を分析して分析結果を分析結果データベースに保持し、
    前記分析結果データベースに保持されている分析結果に対して、前記物理量間の関連度を算出し、
    物理量間のリンク及び当該物理量間のリンクに対応する情報間のリンクのうち、関連度の高い方のリンクを用いて、前記物理量と情報との間の関連度を算出することを特徴とする計算機システムを用いた情報提示方法。
14. 請求項１１に記載の計算機システムを用いた情報提示方法であって、
    前記第１のデータベースに保持された物理量間の関連度及び前記第２のデータベースに保持された情報間の関連度を図式的に表示するためのデータを生成するステップをさらに備えることを特徴とする計算機システムを用いた情報提示方法。
15. 請求項１１に記載の計算機システムを用いた情報提示方法であって、
    前記情報間の関連度を算出する際に、
    前記物理量に対応する情報に含まれるテキストから名詞を抽出し、
    前記抽出された名詞が重複している数によって、前記情報間の関連度を算出することを特徴とする計算機システムを用いた情報提示方法。
16. 請求項１１に記載の計算機システムを用いた情報提示方法であって、
    前記物理量と情報との間の関連度を算出するステップでは、
    物理量間のリンク及び当該物理量間のリンクに対応する情報間のリンクのうち、関連度の高い方のリンクを抽出し、抽出したリンクの関連度と、抽出したリンクの当該物理量からの距離に基づいて、前記物理量と情報との間の関連度を算出することを特徴とする計算機システムを用いた情報提示方法。
17. 請求項１１に記載の計算機システムを用いた情報提示方法であって、
    前記測定された物理量及び当該物理量に対応する知識を一画面に表示するためのデータを生成するステップをさらに備えることを特徴とする計算機システムを用いた情報提示方法。
18. 請求項１１に記載の計算機システムを用いた情報提示方法であって、
    前記情報を提示するステップでは、
    前記提示した情報の評価の入力を受け付け、
    前記入力された評価を用いて、前記第３のデータベースに保持される前記物理量と情報との関連度を重み付けし、
    前記重み付けをした関連度の順に、前記情報を提示することを特徴とする計算機システムを用いた情報提示方法。
19. 請求項１４に記載の計算機システムを用いた情報提示方法であって、
    前記情報を提示するステップでは、
    前記提示した情報の評価の入力を受け付け、
    前記入力された評価の大きさを視認できる方法で前記情報を提示することを特徴とする計算機システムを用いた情報提示方法。
20. 請求項１１に記載の計算機システムを用いた情報提示方法であって、
    前記計算機システムは、前記計算機システムの利用者の情報を保持する利用者情報データベースを備え、
    前記情報提示方法は、
    前記利用者情報データベースに保持されている利用者の情報に基づいて、前記物理量に対応する情報の入力を利用者に許可するか否かを決定するステップをさらに備えることを特徴とする計算機システムを用いた情報提示方法。

Images