JP6510125B1 - 情報処理装置、情報処理方法、及び情報処理プログラム - Google Patents

Abstract

【課題】類似事象に関連する情報を適切に抽出する。【解決手段】本願に係る情報処理装置は、取得部と、抽出部とを有する。取得部は、複数の事象の各々に対応する複数のベクトルが類似性に応じて連結されたグラフ情報と、複数の事象の各々に対応付けられた情報であって、対応付けられた事象に関連する情報である事象関連情報と、一の事象に関する情報を取得する。抽出部は、グラフ情報の複数のベクトルのうち、所定の基準に基づいて決定されたグラフ情報の検索の起点となる起点ベクトルを起点としてグラフ情報を検索し、複数の事象のうち、一の事象に類似する事象である類似事象を抽出することにより、類似事象に対応付けられた事象関連情報を抽出する。【選択図】図３

Description

本発明は、情報処理装置、情報処理方法、及び情報処理プログラムに関する。

従来、種々の情報を抽出する技術が提供されている。例えば、他のカテゴリーに属する概念間の相対的な関係を考慮した上で、概念間の類似性を推定する技術が提供されている。

特開２００７−２１３１５１号公報

岩崎雅二郎 "木構造型インデックスを利用した近似k最近傍グラフによる近傍検索", 情報処理学会論文誌, 2011/2, Vol. 52, No. 2. pp.817-828.

しかしながら、上記の従来技術では、類似事象に関連する情報を適切に抽出することが難しい場合がある。例えば、他のカテゴリーに属する概念間の類似性を推定するだけでは、他のカテゴリーに属する概念間の類似性を特定することができるに過ぎない。そのため、例えば同じカテゴリーに属する情報の類似性を推定することができず、類似事象に関連する情報を適切に抽出することが難しい。

本願は、上記に鑑みてなされたものであって、類似事象に関連する情報を適切に抽出する情報処理装置、情報処理方法、及び情報処理プログラムを提供することを目的とする。

本願に係る情報処理装置は、複数の事象の各々に対応する複数のベクトルが類似性に応じて連結されたグラフ情報と、前記複数の事象の各々に対応付けられた情報であって、対応付けられた事象に関連する情報である事象関連情報と、一の事象に関する情報を取得する取得部と、前記グラフ情報の前記複数のベクトルのうち、所定の基準に基づいて決定された前記グラフ情報の検索の起点となる起点ベクトルを起点として前記グラフ情報を検索し、前記複数の事象のうち、前記一の事象に類似する事象である類似事象を抽出することにより、前記類似事象に対応付けられた前記事象関連情報を抽出する抽出部と、を備えたことを特徴とする。

実施形態の一態様によれば、類似事象に関連する情報を適切に抽出することができるという効果を奏する。

図１は、実施形態に係る情報処理の一例を示す図である。 図２は、実施形態に係る情報処理システムの構成例を示す図である。 図３は、実施形態に係る情報処理装置の構成例を示す図である。 図４は、実施形態に係る事象情報記憶部の一例を示す図である。 図５は、実施形態に係るインデックス情報記憶部の一例を示す図である。 図６は、実施形態に係るグラフ情報記憶部の一例を示す図である。 図７は、実施形態に係るモデル情報記憶部の一例を示す図である。 図８は、実施形態に係る情報処理の一例を示すフローチャートである。 図９は、実施形態に係る生成処理の一例を示すフローチャートである。 図１０は、実施形態に係る特徴量の抽出の一例を示す図である。 図１１は、グラフ情報を用いた検索処理の一例を示すフローチャートである。 図１２は、実施形態に係る情報処理の他の例を示す図である。 図１３は、情報処理装置の機能を実現するコンピュータの一例を示すハードウェア構成図である。

以下に、本願に係る情報処理装置、情報処理方法、及び情報処理プログラムを実施するための形態（以下、「実施形態」と呼ぶ）について図面を参照しつつ詳細に説明する。なお、この実施形態により本願に係る情報処理装置、情報処理方法、及び情報処理プログラムが限定されるものではない。また、以下の各実施形態において同一の部位には同一の符号を付し、重複する説明は省略される。

（実施形態）
〔１．情報処理〕
図１を用いて、実施形態に係る情報処理の一例について説明する。図１は、実施形態に係る情報処理の一例を示す図である。図１では、情報処理装置１００が過去に発生した事象をグラフ構造化したグラフデータ（グラフ情報）を検索することにより、類似する事象（以下、「類似事象」ともいう）を抽出する場合を示す。図１では、情報処理装置１００は、各事象に対応するベクトルデータ（単に「ベクトル」ともいう）を用いて事象をグラフ構造化したグラフ情報を用いる。例えば、情報処理装置１００は、各事象のログデータ（単に「ログ」ともいう）をベクトル化したベクトルを用いて事象をグラフ構造化したグラフ情報を用いる。なお、図１の例では、事象としてサーバシステムで発生するイベント（以下、「サーバイベント」ともいう）を対象とする場合を一例として示すが、事象はサーバイベントに限らず、どのような事象であってもよい。例えば、鉄道の交通に関する事象やユーザの購買等のユーザ行動に関する事象など種々の事象であってもよいが、この点についての詳細は後述する。すなわち、対象とする事象（オブジェクト）は、ベクトルとして表現可能であれば、どのような事象（情報）であってもよい。

また、情報処理装置１００が用いる情報は、ベクトルに限らず、各事象の類似性を表現可能な情報であれば、どのような形式の情報であってもよい。例えば、情報処理装置１００は、各事象に対応する所定のデータや値を用いて事象をグラフ構造化したグラフ情報を用いてもよい。例えば、情報処理装置１００は、各事象から生成された所定の数値（例えば２進数の値や１６進数の値）を用いて事象をグラフ構造化したグラフ情報を用いてもよい。例えば、ベクトルに代えて、データ間の距離（類似度）が定義されていれば任意の形態のデータであっても良い。

〔１−１．グラフ情報について〕
また、情報処理装置１００は、図１中のグラフ情報ＧＲ１１に示すように、各ベクトル（ノード）が有向エッジにより連結されたグラフデータを対象に情報処理を行う。なお、図１中のグラフ情報ＧＲ１１に示すようなグラフ情報は、情報処理装置１００が生成してもよいし、情報処理装置１００は、図１中のグラフ情報ＧＲ１１に示すようなグラフ情報をサービス提供装置５０（図２参照）等の他の外部装置から取得してもよい。

また、ここでいう、有向エッジとは、一方向にしかデータを辿れないエッジを意味する。以下では、エッジにより辿る元、すなわち始点となるノードを参照元とし、エッジにより辿る先、すなわち終点となるノードを参照先とする。例えば、所定のノード「Ａ」から所定のノード「Ｂ」に連結される有向エッジとは、参照元をノード「Ａ」とし、参照先をノード「Ｂ」とするエッジであることを示す。なお、各ノードを連結するエッジは、有向エッジに限らず、種々のエッジであってもよい。例えば、各ノードを連結するエッジは、ノードを連結する方向のないエッジであってもよい。例えば、各ノードを連結するエッジは、相互に参照可能なエッジであってもよい。例えば、各ノードを連結するエッジは、全て双方向エッジであってもよい。

例えば、このようにノード「Ａ」を参照元とするエッジをノード「Ａ」の出力エッジという。また、例えば、このようにノード「Ｂ」を参照先とするエッジをノード「Ｂ」の入力エッジという。すなわち、ここでいう出力エッジ及び入力エッジとは、一の有向エッジをその有向エッジが連結する２つのノードのうち、いずれのノードを中心として捉えるかの相違であり、一の有向エッジが出力エッジ及び入力エッジになる。すなわち、出力エッジ及び入力エッジは、相対的な概念であって、一の有向エッジについて、参照元となるノードを中心として捉えた場合に出力エッジとなり、参照先となるノードを中心として捉えた場合に入力エッジとなる。なお、本実施形態においては、エッジについては、出力エッジや入力エッジ等の有向エッジを対象とするため、以下では、有向エッジを単に「エッジ」と記載する場合がある。

例えば、情報処理装置１００は、数百万〜数億単位の事象に対応するノードを対象に処理を行うが、図面においてはその一部のみを図示する。図１の例では、説明を簡単にするために、８個のノードを図示して処理の概要を説明する。例えば、情報処理装置１００は、図１中のグラフ情報ＧＲ１１に示すように、ノードＮ１、Ｎ２、Ｎ３等に示すような複数のノード（ベクトル）を含むグラフ情報を取得する。また、図１の例では、グラフ情報ＧＲ１１における各ノードは、そのノードとの間の距離が近い方から所定数のノードへのエッジ（出力エッジ）が連結される。例えば、所定数は、目的や用途等に応じて、２や５や１０や１００等の種々の値であってもよい。例えば、所定数が２である場合、ノードＮ１からは、ノードＮ１からの距離が最も近いノード及び２番目に距離が近い２つノードに出力エッジが連結される。なお、類似度を示す指標としての距離は、ベクトル（Ｎ次元ベクトル）間の距離として適用可能であれば、どのような距離であってもよく、例えば、ユークリッド距離やマハラノビス距離やコサイン距離等の種々の距離が用いられてもよい。

また、このように「ノードＮ＊（＊は任意の数値）」と記載した場合、そのノードはノードＩＤ「Ｎ＊」により識別されるノードであることを示す。例えば、「ノードＮ１」と記載した場合、そのノードはノードＩＤ「Ｎ１」により識別されるノードである。

また、図１中のグラフ情報ＧＲ１１では、ノードＮ１０は、ノードＮ７へ向かう有向エッジであるエッジＥ７が連結される。すなわち、ノードＮ１０は、ノードＮ７とエッジＥ７により連結される。このように「エッジＥ＊（＊は任意の数値）」と記載した場合、そのエッジはエッジＩＤ「Ｅ＊」により識別されるエッジであることを示す。例えば、「エッジＥ１１」と記載した場合、そのエッジはエッジＩＤ「Ｅ１１」により識別されるエッジである。例えば、ノードＮ１０を参照元とし、ノードＮ７を参照先として連結されるエッジＥ７により、ノードＮ１０からノードＮ７に辿ることが可能となる。この場合、有向エッジであるエッジＥ７は、ノードＮ１０を中心として識別される場合、出力エッジとなり、ノードＮ７を中心として識別される場合、入力エッジとなる。また、図１のグラフ情報ＧＲ１１中の双方向矢印は、両方のノードから他方のノードへの有向エッジが連結されることを示す。例えば、グラフ情報ＧＲ１１中のノードＮ２とノードＮ４５１との間の双方向矢印は、ノードＮ２からノードＮ４５１へ向かう有向エッジと、ノードＮ４５１からノードＮ２へ向かう有向エッジとの２つのエッジが連結されることを示す。

また、図１中のグラフ情報ＧＲ１１は、ユークリッド空間であってもよい。また、図１に示すグラフ情報ＧＲ１１は、各ベクトル間の距離等の説明のための概念的な図であり、グラフ情報ＧＲ１１は、多次元空間である。例えば、図１に示すグラフ情報ＧＲ１１は、平面上に図示するため２次元の態様にて図示されるが、例えば１００次元や１０００次元等の多次元空間であるものとする。

ここで、ベクトルデータ間の距離は、事象の類似性を示し、距離が近いほど類似している。本実施形態においては、グラフ情報ＧＲ１１における各ノードの距離を対応する各オブジェクト間の類似度とする。例えば、各ノードに対応するオブジェクト（事象）の類似性が、グラフ情報ＧＲ１１内におけるノード間の距離として写像されているものとする。例えば、各ノードに対応する概念間の類似度が各ノード間の距離に写像されているものとする。ここで、図１に示す例においては、グラフ情報ＧＲ１１における各ノード間の距離が短いオブジェクト同士の類似度が高く、グラフ情報ＧＲ１１における各ノード間の距離が長いオブジェクト同士の類似度が低い。例えば、図１中のグラフ情報ＧＲ１１において、ノードＩＤ「Ｎ３５」により識別されるノードと、ノードＩＤ「Ｎ６９３」により識別されるノードとは近接している、すなわち距離が短い。そのため、ノードＩＤ「Ｎ３５」により識別されるノードに対応するオブジェクトと、ノードＩＤ「Ｎ６９３」により識別されるノードに対応するオブジェクトとは類似度が高いことを示す。

また、例えば、図１中のグラフ情報ＧＲ１１において、ノードＩＤ「Ｎ７」により識別されるノードと、ノードＩＤ「Ｎ２」により識別されるノードとは遠隔にある、すなわち距離が長い。そのため、ノードＩＤ「Ｎ７」により識別されるノードに対応するオブジェクトと、ノードＩＤ「Ｎ２」により識別されるノードに対応するオブジェクトとは類似度が低いことを示す。

〔１−２．ベクトル生成〕
また、ここでいう、各ノード（ベクトル）は、各オブジェクト（事象）に対応する。システムのログが様々なシステムの状態を示す数値データであれば、それをベクトルデータとして、そのまま扱うことも可能である。しかし、システムのログデータが、数値データ等のベクトルデータとして直接扱うことが可能ではない情報である場合には、ベクトルデータへの変換が必要となる。例えば、サービス提供装置５０が出力するログデータが、文字情報（テキストメッセージ）である場合には、ベクトルデータへの変換が必要となる。ここで、図１の例では、ログデータが、所定の自然言語（例えば英語）を用いて記載されたログデータ（文字情報）であるものとして以下説明する。この場合、情報処理装置１００は、自然言語処理に関する種々の従来技術を用いて、ログデータをベクトル化してもよい。例えば、情報処理装置１００は、Ｗｏｒｄ２ＶｅｃやＳｅｎｔｅｎｃｅ２ＶｅｃやＤｏｃ２Ｖｅｃのようなアルゴリズム等を用いて、ログデータからベクトルを生成してもよい。例えば、情報処理装置１００は、過去に発生した事象のログデータから、Ｓｅｎｔｅｎｃｅ２Ｖｅｃを用いてベクトルを生成する。例えば、情報処理装置１００は、文字情報であるログデータＬＧ１、ＬＧ２、ＬＧ４５１等から、Ｓｅｎｔｅｎｃｅ２Ｖｅｃを用いてベクトルを生成する。

図１の例では、情報処理装置１００は、Ｓｅｎｔｅｎｃｅ２Ｖｅｃであるモデルを用いて各事象のログデータからＮ次元ベクトルを生成する場合を一例として説明する。図１の例では、情報処理装置１００は、モデル情報記憶部１２４（図７参照）に示すように、モデルＩＤ「Ｍ１」により識別されるモデル（モデルＭ１）を用いて、各事象のログデータからベクトルを生成する。上記のように、「モデルＭ＊（＊は任意の数値）」と記載した場合、そのモデルはモデルＩＤ「Ｍ＊」により識別されるモデルであることを示す。例えば、「モデルＭ１」と記載した場合、そのモデルはモデルＩＤ「Ｍ１」により識別されるモデルである。また、モデル情報記憶部１２４に示すように、モデルＭ１は用途「ベクトル化（システム）」、すなわち所定のシステムにおける情報をベクトル化するために用いられるモデルであり、その具体的なモデルデータが「モデルデータＭＤＴ１」であることを示す。

例えば、情報処理装置１００は、Ｓｅｎｔｅｎｃｅ２ＶｅｃであるモデルＭ１に事象のログデータを入力することにより、モデルＭ１からログデータをベクトル化した情報（ベクトルデータ）を出力させる。なお、情報処理装置１００は、ログデータの種別に応じて種々のモデルを用いてもよいが、この点についての詳細は後述する。

〔１−３．処理例〕
ここから、情報処理装置１００は、サービス提供装置５０から一の事象のログデータ（以下、「クエリ」ともいう）を取得し、一の事象に類似する事象に関する情報提供をサービス提供装置５０の管理者に行う場合を一例として説明する。図１の例では、サービス提供装置５０は、所定のサービスを提供するとともに、ログを出力するサーバであって、管理者ＭＧ１により管理されるコンピュータである。図１の例では、サービス提供装置５０は、所定のサービスにおける処理等に応じてログを生成（出力）する。また、管理者ＭＧ１は、端末装置１０を用いて、サービス提供装置５０の管理や保守等を行う。情報処理装置１００は、サービス提供装置５０が出力するログを取得し、ログが所定の条件を満たす場合、ログに対応する事象の類似事象を検索する検索処理を行う。

図１の例では、サービス提供装置５０において、一の事象が発生する（ステップＳ１０）。例えば、サービス提供装置５０において、一の事象である事象Ｘが発生する。そして、所定のアラートＸである事象Ｘの発生に応じて、サービス提供装置５０は、事象ＸのログデータＬＧＸを出力する。サービス提供装置５０は、事象Ｘの内容を示す自然言語で記載されたログデータＬＧＸを出力する。そして、サービス提供装置５０は、ログデータＬＧＸを情報処理装置１００へ送信する。なお、サービス提供装置５０は、所定の条件を満たすログのみを情報処理装置１００へ送信してもよい。サービス提供装置５０は、アラートやエラー等の通常とは異なる事象の発生を示すログを情報処理装置１００へ送信してもよい。

そして、情報処理装置１００は、一の事象に関する事象情報（ログデータ）を取得する（ステップＳ１１）。図１の例では、情報処理装置１００は、端末装置１０から事象Ｘに関するログデータＬＧＸを取得する。そして、情報処理装置１００は、一の事象が所定の条件を満たすかどうかを判定する。情報処理装置１００は、一の事象が通常の事象と異なる事象であるかどうかを判定する。図１の例では、情報処理装置１００は、事象Ｘが所定のアラートＸであるため、事象Ｘを通常の事象と異なる事象であると判定する。すなわち、情報処理装置１００は、事象Ｘが所定の条件を満たすと判定する。そして、情報処理装置１００は、以下の事象Ｘの類似事象に対応付けられた事象関連情報を抽出する処理を行う。すなわち、情報処理装置１００は、一の事象が発生したタイミングに基づいて、事象Ｘの類似事象に対応付けられた事象関連情報を抽出する処理を行う。

なお、サービス提供装置５０が所定の条件を満たすログのみを情報処理装置１００に送信する場合、情報処理装置１００は、条件判定をすることなく、サービス提供装置５０から取得したログに対応する類似事象の抽出を行ってもよい。

事象Ｘが所定の条件を満たすと判定した情報処理装置１００は、事象Ｘに対応するログデータＬＧＸからグラフ情報の探索に用いるベクトルを生成する。図１の例では、情報処理装置１００は、処理群ＰＳ１１に示すような処理により、事象Ｘに対応するベクトルを生成する。情報処理装置１００は、事象Ｘに関するログデータＬＧＸをモデルＭ１に入力する（ステップＳ１２）。具体的には、情報処理装置１００は、事象Ｘ発生時に所定のサーバシステムのサーバ装置が出力したログデータＬＧＸをモデルＭ１に入力する。このように、情報処理装置１００は、モデルＭ１にログデータＬＧＸの入力することにより、モデルＭ１を用いて、ログデータＬＧＸからベクトルを生成する（ステップＳ１３）。すなわち、情報処理装置１００は、モデルＭ１にログデータＬＧＸの入力することにより、ログデータＬＧＸをベクトル化する。

このように、情報処理装置１００は、Ｓｅｎｔｅｎｃｅ２ＶｅｃであるモデルＭ１を用いて、ログデータＬＧＸからベクトルデータＶＤＸ（単に「ベクトルＶＤＸ」ともいう）を生成する。図１の例では、情報処理装置１００は、Ｓｅｎｔｅｎｃｅ２ＶｅｃであるモデルＭ１を用いて、１次元目の要素が「０．６」であり、２次元目の要素が「０．３」であるようなベクトルＶＤＸを生成する。なお、ベクトルの各要素（値）は、種々の値であってもよい。例えば、ベクトルの各要素（値）は、小数点以下の数値を含む実数であってもよいし、整数であってもよい。

そして、情報処理装置１００は、事象Ｘに類似する事象（類似事象）を検索する（ステップＳ１４）。例えば、情報処理装置１００は、非特許文献１に開示されるような近傍検索の技術等の種々の従来技術を適宜用いて、事象Ｘの類似事象を検索してもよい。

図１の例では、情報処理装置１００は、情報群ＩＮＦ１１に示すように、グラフ情報ＧＲ１１やインデックス情報ＩＮＤ１１を用いて事象Ｘの類似事象を検索する。例えば、情報処理装置１００は、グラフ情報記憶部１２３（図６参照）から事象に関するグラフ情報ＧＲ１１を取得する。また、例えば、情報処理装置１００は、インデックス情報記憶部１２２（図５参照）から、グラフ情報ＧＲ１１における検索の起点となるノード（以下、「起点ベクトル」ともいう）の決定に用いるインデックス情報ＩＮＤ１１を取得する。なお、インデックス情報ＩＮＤ１１は、情報処理装置１００が生成してもよいし、情報処理装置１００は、インデックス情報ＩＮＤ１１をサービス提供装置５０や情報提供装置（図示省略）等の他の外部装置から取得してもよい。

そして、情報処理装置１００は、一の事象（クエリ）に対応する起点ベクトルを決定（特定）するために、インデックス情報ＩＮＤ１１を用いる。図１の例では、情報処理装置１００は、事象ＸのベクトルＶＤＸに対応する起点ベクトルを決定（特定）するために、インデックス情報ＩＮＤ１１を用いる。すなわち、情報処理装置１００は、ベクトルＶＤＸとインデックス情報ＩＮＤ１１とを用いて、グラフ情報ＧＲ１１における起点ベクトルを決定する。

図１中のインデックス情報ＩＮＤ１１は、図５中のインデックス情報記憶部１２２に示す階層構造を有する。例えば、インデックス情報ＩＮＤ１１は、ルートＲＴの直下に位置する第１階層のノード（ベクトル）が、節点ＶＴ１、ＶＴ２等であることを示す。また、例えば、インデックス情報ＩＮＤ１１は、節点ＶＴ２の直下の第２階層のノードが、節点ＶＴ２−１〜ＶＴ２−４（図示せず）であることを示す。また、例えば、インデックス情報ＩＮＤ１１は、節点ＶＴ２−２の直下の第３階層のノードが、ノードＮ３５、ノードＮ４５１、ノードＮ６９３、すなわちグラフ情報ＧＲ１１中のノード（ベクトル）であることを示す。

例えば、情報処理装置１００は、図１中のインデックス情報ＩＮＤ１１に示すような木構造型のインデックス情報を用いて、グラフ情報ＧＲ１１における起点ベクトルを決定する（ステップＳ１５）。図１の例では、情報処理装置１００は、ベクトルＶＤＸを生成した後、インデックス情報ＩＮＤ１１を上から下へ辿ることにより、インデックス情報ＩＮＤ１１の近傍候補となる起点ベクトルを特定することにより、効率的に検索クエリ（一の事象）に対応する起点ベクトルを決定することができる。

例えば、情報処理装置１００は、インデックス情報ＩＮＤ１１をルートＲＴからリーフノード（グラフ情報ＧＲ１１中のノード（ベクトル））まで辿ることにより、ベクトルＶＤＸに対応する起点ベクトルを決定してもよい。図１の例では、例えば、情報処理装置１００は、インデックス情報ＩＮＤ１１をルートＲＴからノードＮ４５１まで辿ることにより、ノードＮ４５１を起点ベクトルとして決定する。なお、図１の例では、説明を簡単にするために、起点ベクトルを１つ決定する場合を示すが、情報処理装置１００は、複数個の起点ベクトルを決定してもよい。例えば、情報処理装置１００は、ノードＮ４５１、Ｎ３５、Ｎ６９３、Ｎ２等の複数個のベクトル（ノード）を起点ベクトルとして決定してもよい。なお、インデックス情報ＩＮＤ１１を用いずに、検索開始時にグラフ情報ＧＲ１１からランダムに１つ以上のノードを選択し、それを起点ベクトルとしてもよいし、または、予め指定された１つ以上のノードを起点ベクトルとしても良い。

例えば、情報処理装置１００は、木構造に関する種々の従来技術を適宜用いて、インデックス情報ＩＮＤ１１をルートＲＴからリーフノードまで辿ることにより、辿りついたリーフノードを起点ベクトルとして決定してもよい。例えば、情報処理装置１００は、ベクトルＶＤＸとの類似度に基づいて、インデックス情報ＩＮＤ１１を下へ辿ることにより、起点ベクトルを決定してもよい。例えば、情報処理装置１００は、ルートＲＴから節点ＶＴ１、ＶＴ２等のいずれの節点に辿るかを、ベクトルＶＤＸと節点ＶＴ１、ＶＴ２との類似度に基づいて決定してもよい。例えば、情報処理装置１００は、ルートＲＴから節点ＶＴ１、ＶＴ２等のうち、ベクトルＶＤＸとの類似度が最も高い節点ＶＴ２へ辿ると決定してもよい。また、例えば、情報処理装置１００は、節点ＶＴ２から節点ＶＴ２−１〜ＶＴ２−４等のうち、ベクトルＶＤＸとの類似度が最も高い節点ＶＴ２−２へ辿ると決定してもよい。また、例えば、情報処理装置１００は、節点ＶＴ２−２からノードＮ３５、Ｎ４５１、Ｎ６９３等のうち、ベクトルＶＤＸとの類似度が最も高い節点ノードＮ４５１へ辿ると決定してもよい。

そして、情報処理装置１００は、グラフ情報ＧＲ１１を検索することにより、事象Ｘの類似事象を抽出する（ステップＳ１６）。例えば、情報処理装置１００は、ノードＮ４５１の近傍に位置するノードを類似事象として抽出する。例えば、情報処理装置１００は、ノードＮ４５１からの距離が近いノードを類似事象として抽出する。例えば、情報処理装置１００は、ノードＮ４５１を起点として、エッジを辿ることにより、ノードＮ４５１から到達可能なノードを類似事象として抽出する。例えば、情報処理装置１００は、所定数（例えば、２個や１０個等）のノードを類似事象として抽出する。例えば、情報処理装置１００は、図１１に示すような検索処理により、事象Ｘの類似事象を抽出してもよいが、詳細は後述する。図１の例では、情報処理装置１００は、ノードＮ４５１を起点として、グラフ情報ＧＲ１１を探索することにより、ノードＮ４５１やノードＮ３５やノードＮ２５６等を類似事象として抽出する。例えば、情報処理装置１００は、事象Ｘとの類似度が高い方から順に、ノードＮ４５１、ノードＮ３５、ノードＮ２５６等の順で抽出する。

そして、情報処理装置１００は、抽出した類似事象に対応付けられた事象関連情報を抽出する（ステップＳ１６−１）。図１の例では、情報処理装置１００は、類似事象一覧情報ＳＥＬに示すように、抽出した類似事象に対応付けられた事象関連情報を抽出する。例えば、情報処理装置１００は、事象情報記憶部１２１（図４参照）に記憶された情報のうち、各類似事象に対応付けられた事象関連情報を抽出する。情報処理装置１００は、事象関連情報として、コメントや自動実行フラグやスコア等の情報を抽出する。情報処理装置１００は、類似事象として抽出した事象＃４５１（ノードＮ４５１）、事象＃３５（ノードＮ３５）、事象＃２５６（ノードＮ２５６）等の各々に対応付けられた事象関連情報を抽出する。

図１中の類似事象一覧情報ＳＥＬに示す「自動実行フラグ」は、コメントに基づく情報処理装置の自動実行の有無を示す。「自動実行フラグ」が「０」、すなわち自動実行が無しの場合、「コメント」には、対応する事象への対処内容を示す情報が含まれるものとする。例えば、「自動実行フラグ」が「０」である場合、「コメント」には、対応する事象への対処内容を自然言語で示す文字情報が含まれるものとする。例えば、事象への対処内容を示すコメントＣＭ４５１は、「システム再起動」等の具体的な対処内容を示す情報であってもよい。

また、「自動実行フラグ」が「１」、すなわち自動実行が有りの場合、「コメント」は、処理を自動実行可能な形式の情報である指令情報であるものとする。例えば、処理を自動実行可能な形式の情報であるコメントＣＭ２５６は、自動実行に用いる情報（プログラムやコマンド等）であってもよい。

図１中の類似事象一覧情報ＳＥＬに示す「スコア」は、対応する事象のスコアを示す。例えば、「スコア」は、対応する事象の評価を示す。「スコア」は、対応する事象における対応を示すコメント等の評価を示す情報であってもよい。例えば、スコアＳＣ４５１は、「０．５」等の具体的な数値であってもよい。例えば、スコアＳＣ３５は、「３．５」等の具体的な数値であってもよい。

また、図１中の類似事象一覧情報ＳＥＬに示す「類似度」は、対応する事象と検索クエリとなった事象（以下、「対象事象」ともいう）との類似度を示す。例えば、情報処理装置１００は、検索処理において算出した類似度を用いてもよい。例えば、「類似度」は、「０」以上「１」以下の値であってもよい。「類似度」の値が大きい程、対応する事象が対象事象と類似していることを示す。例えば、類似度ＤＳ４５１は、「０．８」等の具体的な数値であってもよい。例えば、類似度ＤＳ３５は、「０．６５」等の具体的な数値であってもよい。例えば、情報処理装置１００は、検索処理において算出した各類似事象と対象事象との類似度を用いてもよい。

そして、情報処理装置１００は、類似事象の順位付けを行う（ステップＳ１７）。図１の例では、情報処理装置１００は、各類似事象のスコアや類似度等に基づいて、各類似事象のランキングスコアを生成する。例えば、情報処理装置１００は、各類似事象のスコアと類似度とを乗算することにより、各類似事象のランキングスコアを算出する。なお、情報処理装置１００は、上記に限らず、種々の情報や算出式を用いて、各類似事象のランキングスコアを算出してもよい。

図１の例では、情報処理装置１００は、ランキング一覧情報ＲＫＬに示すように、各類似事象のランキングスコアを算出する。情報処理装置１００は、事象＃４５１のランキングスコアをランキングスコアＲＳ４５１と算出する。また、情報処理装置１００は、事象＃３５のランキングスコアをランキングスコアＲＳ３５と算出する。そして、情報処理装置１００は、各類似事象のランキングスコアに基づいて、各類似事象の順位付けを行う。情報処理装置１００は、ランキングスコアが高い類似事象から順に順位付けを行う。図１の例では、情報処理装置１００は、ランキングスコアが高い方から順に、１位「事象＃３５」、２位「事象＃２」、３位「事象＃４５１」等と順位付けする。なお、情報処理装置１００は、ランキングスコアに限らず種々の情報を適宜用いて、各類似事象の順位付けを行ってもよい。

そして、情報処理装置１００は、提供対象事象を決定する（ステップＳ１８）。図１の例では、情報処理装置１００は、順位が１位である事象＃３５を提供対象事象に決定する。なお、情報処理装置１００は、１つに限らず複数の事象を提供対象事象に決定してもよい。

そして、情報処理装置１００は、決定した提供対象事象に関する情報を提供する（ステップＳ１９）。図１の例では、情報処理装置１００は、提供対象事象である事象＃３５を示す情報や事象＃３５のコメントＣＭ３５を事象Ｘに類似する事象や事象Ｘへの対処内容として、管理者ＭＧ１が利用する端末装置１０に提供する。なお、情報処理装置１００は、提供対象事象である事象＃３５に関する情報とともに、事象ＸのログデータＬＧＸを、管理者ＭＧ１が利用する端末装置１０に提供してもよい。情報処理装置１００からコメントＣＭ３５を受信した管理者ＭＧ１は、コメントＣＭ３５に基づいてサービス提供装置５０で発生した事象Ｘへの対応を行う（ステップＳ２０）。

上述したように、情報処理装置１００は、グラフ情報ＧＲ１１やインデックス情報ＩＮＤ１１を用いて、管理者ＭＧ１から取得した事象Ｘの類似事象を抽出する。例えば、情報処理装置１００は、インデックス情報ＩＮＤ１１を用いて、事象Ｘの類似事象を抽出する際のグラフ情報ＧＲ１１における起点ベクトルを決定する。そして、情報処理装置１００は、決定した起点ベクトルを起点としてグラフ情報ＧＲ１１を探索することにより、事象Ｘの類似事象を抽出する。これにより、情報処理装置１００は、類似事象に関連する情報を適切に抽出することができる。情報処理装置１００は、類似事象に関連する情報を高速に抽出することができる。例えば、情報処理装置１００は、管理者ＭＧ１等が手作業で類似事象を抽出する場合に比べて、類似事象に関連する情報を高速に抽出することができる。

例えば、ディープラーニングといった手法で、事象を識別するという方法もあるが、多種多様な事象が存在する場合においては、各事象の事例が少ないので、学習ができずに識別精度を向上させることが難しいという問題がある。例えば、ディープラーニングといった学習手法で生成したモデルを用いて、そのモデルに事象の情報を入力し、出力されたスコアから事象を識別するという方法もあるが、多種多様な事象が存在する場合においては、各事象の事例が少ないため、モデルの精度を向上させることが難しく、事象の識別精度を向上させることが難しい。一方で、情報処理装置１００は、各事象から抽出した特徴を基に生成した複数のベクトルのグラフ構造化したグラフ情報を用いて検索を行うことにより、発生した事象に類似する類似事象を適切に抽出することができる。そのため、情報処理装置１００は、発生した事象がどのような事象に該当するかを精度よく識別することができる。

そして、情報処理装置１００は、類似事象に対応付けられた事象関連情報を抽出し、その事象関連情報を提供する。例えば、事象関連情報のコメントが自然言語で記載されている場合、情報処理装置１００は、サービス提供装置５０の管理者ＭＧ１等のシステムの管理者にコメントを提供する。これにより、情報処理装置１００から事象関連情報を受信したシステムの管理者は、事象関連情報に基づいて、適切な対応を行うことができる。また、例えば、事象関連情報のコメントが情報処理装置により自動実行可能な指令情報である場合、情報処理装置１００は、サービス提供装置５０等の情報処理装置にコメントを提供する。これにより、情報処理装置１００から事象関連情報を受信した情報処理装置は、事象関連情報に基づいて、適切な処理を自動実行することができる。なお、事象関連情報には、上記に限らず種々の情報が含まれてもよい。事象関連情報には、事象の分析結果を示す情報が記憶されてもよい。事象関連情報には、事象の分析結果に基づく理由や重要度（深刻度レベル）を示す情報が記憶されてもよい。

例えば、システム不具合等のサーバシステムにおける事象（サーバイベント）の発生時の運用において、アラートメッセージの完全一致で検索させようとした場合、メッセージの変更や揺れに対して非常に弱いという課題がある。また、単純に登録済みのデータと距離計算を行うと、揺らぎに強くなるが、データ量増大に伴い処理負荷が高まるという問題がある。そこで、情報処理システム１においては、アラートメッセージ等のログや不具合対策コメント情報等のコメントをベクトル化し、グラフ構造化する。そして、情報処理システム１においては、グラフ構造化したデータを高速で検索し、検索結果情報に基づきシステム不具合等の対応を実行可能とすることにより、システムで発生する事象に対する適切な対応を迅速に行うことができる。

また、情報処理システム１においては、アラートメッセージ等のログをキーとして、そのログに対応処置方法などコメントを対応付けてデータベース化し、アラート等の新しい事象が発生した場合に、類似する過去の事象を抽出し、その事象を示す情報に当該対応処置方法情報も付加して、管理者ＭＧ１等の管理者（運用者）へ通知する。このように、情報処理システム１においては、不具合等の事象だけでなく、事象に対する対応処置方法を運用者について通知することで、不具合対応を迅速に実行可能とする。また、情報処理システム１においては、各事象に自動実行フラグを対応付けることで、対応処置の自動化実行を実現することができる。なお、対応処置の自動化実行については、不具合事象及び処置内容ごとに、自動実行可否をマスタ登録し、当該マスタ情報に基づき実行処理を行ってもよい。また、情報処理システム１においては、自動実行フラグが無しの場合はシステム担当者に通知し、対応処置は運用担当者手動により実行可能とする。これにより、例えば、情報処理システム１においては、事象発生後、過去ログマスタ（グラフ情報）を検索した後、検索結果を運用者に通知し、修正の自動実行確認し、修正実行するという処理フローを実現することができる。

〔１−３−１．自動実行〕
また、図１の例において、自動実行フラグが「１」である事象＃２５６の順位が１位である場合、情報処理装置１００は、事象＃２５６のコメントＣＭ２５６をサービス提供装置５０へ提供してもよい。情報処理装置１００は、処理を自動実行させる指令情報であるのコメントＣＭ２５６をサービス提供装置５０へ提供してもよい。この場合、コメントＣＭ２５６を情報処理装置１００から受信したサービス提供装置５０は、コメントＣＭ２５６に基づく処理を自動実行してもよい。コメントＣＭ２５６の自動処理内容が再起動である場合、サービス提供装置５０は、コメントＣＭ２５６に基づいて再起動処理を自動実行してもよい。なお、情報処理装置１００は、処理を自動実行に関するコメントを管理者ＭＧ１が利用する端末装置１０に提供してもよい。例えば、自動実行フラグが「１」である事象＃２５６の順位が１位である場合であっても、情報処理装置１００は、コメントＣＭ２５６を管理者ＭＧ１が利用する端末装置１０に提供してもよい。この場合、管理者ＭＧ１がコメントＣＭ２５６に基づく処理をサービス提供装置５０に実行させるかを判断し、サービス提供装置５０に実行させると決定した場合、サービス提供装置５０にコメントＣＭ２５６を提供してもよい。

〔１−３−２．他の情報提供態様〕
なお、情報処理装置１００は、抽出した各類似事象に対応付けられた事象関連情報を提供してもよい。この場合、情報処理装置１００は、ステップＳ１７、Ｓ１８の処理を行うことなく、抽出した各類似事象に対応付けられた事象関連情報を提供してもよい。例えば、情報処理装置１００は、自動実行フラグが「０」である事象関連情報を提供してもよい。例えば、情報処理装置１００は、自動実行フラグが「０」である事象＃４５１のコメントＣＭ４５１や事象＃３５のコメントＣＭ３５を事象Ｘへの対処を示す情報として、管理者ＭＧ１が利用する端末装置１０に提供してもよい。この場合、情報処理装置１００は、自動実行フラグが「１」である事象＃２５６のコメントＣＭ２５６を管理者ＭＧ１が利用する端末装置１０に提供しなくてもよい。

〔１−４．事象〕
図１の例では、事象の一例として、サーバシステムにおける事象（サーバイベント）を示したが、事象は、サーバイベントに限らず、種々の事象であってもよい。言い換えると、情報処理装置１００は、所定の社会におけるイベント等の種々の事象を対象としてもよい。例えば、情報処理装置１００は、天災や戦争・事故など災害や経済活動における事象等の種々の事象を対象としてもよい。例えば、情報処理装置１００は、事象として、道路や鉄道や航空や船舶等の種々の交通に関する事象やユーザの購買等のユーザ行動に関する事象などを対象として、類似事象を抽出してもよい。

〔１−４−１．鉄道〕
例えば、情報処理装置１００は、事象として、公共交通機関に関する事象を対象として、類似事象を抽出してもよい。例えば、情報処理装置１００は、鉄道において発生する事象を対象として、類似事象を抽出し、事象関連情報を抽出してもよい。例えば、情報処理装置１００は、鉄道において発生する遅延や運行中止等の事象を対象として、類似事象を抽出し、事象関連情報を抽出してもよい。この場合、情報処理装置１００は、遅延や運行中止等の事象を示す文字情報をベクトル化することにより、グラフ情報を生成してもよい。例えば、情報処理装置１００は、遅延パターンや運行中止パターン等の事象を示すログをベクトル化することにより、グラフ情報を生成してもよい。例えば、情報処理装置１００は、「ＡＡ線Ｘ分遅延⇒ＢＢ線Ｙ分遅延⇒…」等の遅延パターンや「ＣＣ線Ｘ時以降運行中止⇒…」等の運行中止パターン等の事象を示すログ（文字情報）をベクトル化することにより、グラフ情報を生成してもよい。

また、情報処理装置１００は、事象関連情報として、遅延や運行中止の理由（原因）を各事象に対応付けてもよい。また、情報処理装置１００は、事象関連情報として、遅延や運行中止に対する対処内容を各事象に対応付けてもよい。情報処理装置１００は、事象関連情報として、遅延や運行中止時において行われた誘導行動を示す情報を各事象に対応付けてもよい。また、情報処理装置１００は、事象関連情報として、遅延や運行中止に対する利用者（ユーザ）へ提供可能な代替案を示す情報を各事象に対応付けてもよい。

そして、情報処理装置１００は、遅延の発生時におけるログを取得した場合、そのログを用いて類似検索を行うことにより、類似事象を抽出し、その類似事象に対応付けられた事象関連情報を抽出してもよい。そして、情報処理装置１００は、抽出した事象関連情報に含まれる誘導行動を示す情報を、鉄道の管理者等に提供してもよい。そして、誘導行動を示す情報を受信した鉄道の管理者は、その誘導行動に基づく対処を行う。これにより、鉄道の管理者は、遅延等の事象に対して適切な対応を迅速に行うことができる。

〔１−４−２．ユーザ行動〕
また、情報処理装置１００は、事象として、ユーザ行動に関する事象などを対象として、類似事象を抽出してもよい。情報処理装置１００は、ユーザの購買に関する事象を対象として、類似事象を抽出してもよい。例えば、情報処理装置１００は、ＩｏＴ（Internet of Things）等に関する技術により、取得したユーザ行動に基づいて、ユーザの購買行動の事象の類似事象を抽出してもよい。

例えば、情報処理装置１００は、ユーザが商品やサービス（以下、併せて「商品等」ともいう）を購入したという事象を対象として、類似事象を抽出し、事象関連情報を抽出してもよい。この場合、情報処理装置１００は、ユーザが購入した商品等や購入時のコンテキスト（時間や場所等）を示す文字情報をベクトル化することにより、グラフ情報を生成してもよい。例えば、情報処理装置１００は、ユーザの購入の事象を示すログをベクトル化することにより、グラフ情報を生成してもよい。

また、情報処理装置１００は、事象関連情報として、購買行動を行ったユーザがその商品等を購入した理由を各事象に対応付けてもよい。また、情報処理装置１００は、事象関連情報として、購買行動を行ったユーザに対して行った対処内容を各事象に対応付けてもよい。情報処理装置１００は、事象関連情報として、購買行動を行ったユーザに対して効果があった対応を示す情報を各事象に対応付けてもよい。例えば、情報処理装置１００は、事象関連情報として、購買行動を行ったユーザに対して推奨し、そのユーザが購入した商品等を示す情報を、効果があった対応を示す情報として、各事象に対応付けてもよい。

そして、情報処理装置１００は、ユーザの購買行動の発生時におけるログを取得した場合、そのログを用いて類似検索を行うことにより、類似事象を抽出し、その類似事象に対応付けられた事象関連情報を抽出してもよい。そして、情報処理装置１００は、抽出した事象関連情報に含まれる購買行動を行ったユーザに対して効果があった対応を示す情報を、所定の管理者等に提供してもよい。例えば、情報処理装置１００は、マーケッタ、サービスマネージャ等に、購買行動を行ったユーザに対して効果があった対応を示す情報等の類似事象に関する情報を提供してもよい。そして、情報を受信した管理者は、その情報に基づく対処を行う。これにより、管理者は、購買行動を行ったユーザに対して適切な商品の推奨等のアプローチを行うことができる。

〔１−５．インデックス情報〕
図１の例に示すインデックス情報（インデックスデータ）は一例であり、情報処理装置１００は、種々のインデックス情報を用いて、グラフ情報を検索してもよい。また、例えば、情報処理装置１００は、検索時に用いるインデックスデータを生成してもよい。例えば、情報処理装置１００は、高次元ベクトルを検索する検索インデックスをインデックスデータとして生成する。ここでいう高次元ベクトルとは、例えば、数百次元から数千次元のベクトルであってもよいし、それ以上の次元のベクトルであってもよい。

例えば、情報処理装置１００は、図１に示すようなツリー構造（木構造）に関する検索インデックスをインデックスデータとして生成してもよい。例えば、情報処理装置１００は、ｋｄ木（k-dimensional tree）に関する検索インデックスをインデックスデータとして生成してもよい。例えば、情報処理装置１００は、ＶＰ木（Vantage-Point tree）に関する検索インデックスをインデックスデータとして生成してもよい。

また、例えば、情報処理装置１００は、その他の木構造を有するインデックスデータとして生成してもよい。例えば、情報処理装置１００は、木構造のインデックスデータのリーフがグラフデータに接続する種々のインデックスデータを生成してもよい。例えば、情報処理装置１００は、木構造のインデックスデータのリーフがグラフデータ中のノードに対応する種々のインデックスデータを生成してもよい。また、情報処理装置１００は、このようなインデックスデータを用いて検索を行う場合、インデックスデータを辿って到達したリーフ（ノード）からグラフデータを探索してもよい。

なお、上述したようなインデックスデータは一例であり、情報処理装置１００は、グラフデータ中のクエリを高速に特定することが可能であれば、どのようなデータ構造のインデックスデータを生成してもよい。例えば、情報処理装置１００は、クエリに対応するグラフ情報中のノードを高速に特定することが可能であれば、バイナリ空間分割に関する技術等の種々の従来技術を適宜用いて、インデックスデータを生成してもよい。例えば、情報処理装置１００は、高次元ベクトルの検索に対応可能なインデックスであれば、どのようなデータ構造のインデックスデータを生成してもよい。例えば、情報処理装置１００は、非特許文献１に記載されるようなグラフ型の検索インデックスに関する情報をインデックス情報として用いてもよい。情報処理装置１００は、上述のようなインデックスデータとグラフデータとを用いることにより、所定の対象に関するより効率的な検索を可能にすることができる。

〔１−６．ベクトルの生成例〕
なお、図１の例では、情報処理装置１００がＳｅｎｔｅｎｃｅ２ＶｅｃであるモデルＭ１を用いて、ログデータからベクトルを生成する場合を一例として説明したが、情報処理装置１００は種々のモデルを適宜用いて、ログデータをベクトル化してもよい。例えば、システムのログデータが、自然言語以外で記載された場合も含む文字情報（テキストメッセージ）、画像、または、音声等であったりする場合には、情報処理装置１００は、以下のような処理により、ログデータのベクトル化を行ってもよい。

例えば、情報処理装置１００は、ログデータの特徴を抽出するモデルを用いて各事象のログデータからＮ次元ベクトルを生成してもよい。図１０の例では、情報処理装置１００は、モデルＩＤ「Ｍ２１」により識別されるモデル（モデルＭ２１）を用いて、各事象のログデータからベクトルを生成してもよい。

例えば、情報処理装置１００は、モデルＭ２１に事象のログデータを入力することにより、モデルＭ２１中の各要素（ニューロン）の値を演算し、入力したログデータと同様の情報を出力する。例えば、情報処理装置１００は、中間層の各要素（ニューロン）の値を特徴量として抽出し、各事象に対応するＮ次元のベクトルデータを生成してもよい。

ここで、図１０を用いて、各事象に対応するベクトルデータの生成の一例を示す。図１０は、実施形態に係る特徴量の抽出の一例を示す図である。図１０は、モデルＭ２１の概念図である。なお、図１０では、各要素（ニューロン）の各接続関係を示す線の図示を省略する。図１０に示すように、モデルＭ２１は、入力層ＩＬと、中間層ＣＬと、出力層ＯＬとを含む。例えば、モデルＭ２１の入力層ＩＬは、事象のログデータが入力される層である。また、出力層ＯＬは、入力層ＩＬへの入力に応じて、入力されたログデータと同様の情報を出力される層である。

また、例えば、中間層ＣＬの中央部の最も圧縮された圧縮層ＲＰは、入力されたログデータの特徴を表現する層である。例えば、モデルＭ２１の中間層ＣＬにおいて、入力層ＩＬから圧縮層ＲＰまでの間は、エンコードの処理を行う部分に対応する。モデルＭ２１の中間層ＣＬにおいて、入力層ＩＬから圧縮層ＲＰまでの間は、入力されたログデータの特徴を圧縮する処理を行う部分に対応する。例えば、モデルＭ２１の中間層ＣＬにおいて、圧縮層ＲＰから出力層ＯＬまでの間は、デコードの処理を行う部分に対応する。モデルＭ２１の中間層ＣＬにおいて、圧縮層ＲＰから出力層ＯＬまでの間は、圧縮されたログデータを復元する処理を行う部分に対応する。

例えば、情報処理装置１００は、圧縮層ＲＰに含まれるニューロンＮＬ１やニューロンＮＬ２等の情報をベクトルに用いてもよい。例えば、情報処理装置１００は、事象のログデータが入力された場合に、算出されるニューロンＮＬ１に対応する値ＶＥ１やニューロンＮＬ２に対応する値ＶＥ２をベクトルの要素（一の次元の値）として抽出してもよい。例えば、情報処理装置１００は、事象のログデータが入力された場合に、算出されるニューロンＮＬ１に対応する値ＶＥ１をその事象のベクトルの１次元目の要素として抽出してもよい。また、例えば、情報処理装置１００は、事象のログデータが入力された場合に、算出されるニューロンＮＬ２に対応する値ＶＥ２をその事象のベクトルの２次元目の要素として抽出してもよい。このように、情報処理装置１００は、各事象のログデータをモデルＭ２１に入力することにより、各事象に対応するベクトルを生成してもよい。なお、情報処理装置１００は、各事象に対応するベクトルをサービス提供装置５０等の他の外部装置から取得してもよい。なお、情報処理装置１００は、ベクトルの各要素として、各ニューロンに対応する値自体を用いてもよいし、各ニューロンに対応する値に所定の係数を乗算した値を用いてもよい。

なお、情報処理装置１００は、圧縮層ＲＰの要素（ニューロン）に限らず、中間層ＣＬ中の他の要素（ニューロン）の情報をベクトルに用いてもよい。例えば、情報処理装置１００は、エンコード部分のニューロンＮＬ３やデコード部分のニューロンＮＬ４等の情報をベクトルに用いてもよい。例えば、情報処理装置１００は、事象のログデータが入力された場合に、算出されるニューロンＮＬ３に対応する値ＶＥ３やニューロンＮＬ４に対応する値ＶＥ４をベクトルの要素（一の次元の値）として抽出してもよい。なお、上記は、一例であり、情報処理装置１００は、オートエンコーダに限らず、種々のモデルを用いて、ログデータからの特徴抽出を行ってもよい。例えば、正常な事象と正常とは異なる事象とを識別するように学習させたモデルを生成して、その中間層をベクトルデータとして抽出しても良い。また、例えば、トリプレットロス（triplet loss）といった類似性を学習する方法によりモデルを生成しても良い。また、情報処理装置１００は、モデルを用いずに、特徴抽出を行ってもよい。例えば、情報処理装置１００は、情報処理装置１００の管理者等が設定して特徴（素性）に対応する情報をログデータから抽出し、ベクトルを生成してもよい。例えば、情報処理装置１００は、エラーコードやエラーの発生箇所等の特徴（素性）に対応する情報をログデータから抽出し、ベクトルを生成してもよい。

また、例えば、情報処理装置１００は、サービス提供装置５０等の他の外部装置からモデルＭ２１を取得してもよい。なお、情報処理装置１００は、事象情報記憶部１２１（図４参照）に記憶された各事象のログデータＬＧ１、ＬＧ２、ＬＧ４５１等を入力として、モデルＭ２１を生成してもよい。例えば、端末装置１０は、各事象発生時に所定のサーバシステムのサーバ装置が出力したログデータＬＧ１、ＬＧ２、ＬＧ４５１等を入力として、モデルＭ２１を生成してもよい。例えば、ログデータＬＧ１、ＬＧ２、ＬＧ４５１等は、サーバ装置が出力するログ（アラートログやエラーログ等）であってもよい。例えば、ログデータＬＧ１、ＬＧ２、ＬＧ４５１等は、サーバ装置が出力するエラーメッセージであってもよい。

情報処理装置１００は、事象のログ情報（ログデータ）が入力される入力層と、出力層と、入力層から出力層までのいずれかの層であって出力層以外の層に属する第１要素と、第１要素と第１要素の重みとに基づいて値が算出される第２要素と、を含み、入力層に入力されたログ情報に対し、出力層以外の各層に属する各要素を第１要素として、第１要素と第１要素の重みとに基づく演算を行うことにより、入力層に入力される情報と同様の情報を出力層から出力するモデルＭ２１を生成してもよい。なお、情報処理装置１００は、ベクトル生成に用いるモデルをサービス提供装置５０等の他の外部装置から取得してもよい。

〔１−７．ノード（オブジェクト）〕
図１の例では、事象の各々をノード（オブジェクト）とし、事象とノード（オブジェクト）とが１対１で対応するグラフ情報ＧＲ１１を一例として説明したが、事象とノード（オブジェクト）とは１対１で対応しなくてもよい。情報処理装置１００は、各事象が所定の類似関係に基づいて１つのノードとされたグラフ情報を用いてもよい。

例えば、情報処理装置１００は、類似度が所定の閾値以上である事象群を、１つのノードとするグラフ情報を用いてもよい。例えば、情報処理装置１００は、同様のネットワーク接続エラーに対応する事象群を、１つのノードとするグラフ情報を用いてもよい。例えば、情報処理装置１００は、同様のデータベースタイムアウトに対応する事象群を、１つのノードとするグラフ情報を用いてもよい。この場合、情報処理装置１００は、各ノードには対応する事象の数を示す情報を記憶部１２０（図３参照）に記憶してもよい。例えば、情報処理装置１００は、各ノードには対応する事象の数を事象に対応した実績数を示す情報として記憶部１２０に記憶してもよい。この場合、情報処理装置１００は、各ノードの実績数を示す情報（値）をランキングスコアの算出に用いてもよい。例えば、情報処理装置１００は、クエリと各ノード（ベクトル）との類似度を示す値、各ノード（ベクトル）のスコア及び各ノードの実績数を示す値を乗算した値を、ランキングスコアとして用いてもよい。

〔１−８．他の利用例〕
なお、情報処理装置１００は、管理者ＭＧ１等の種々の管理者により種々の利用が可能であってもよい。例えば、情報処理装置１００は、管理者ＭＧ１等の種々の管理者に対して種々のサービスを提供可能であってもよい。この点について、図１２を用いて説明する。図１２は、実施形態に係る情報処理の他の例を示す図である。なお、図１２では、種々の管理者のうち管理者ＭＧ１に提供する場合を一例として説明し、図１と同様の点についての説明は適宜省略する。

情報処理装置１００は、管理者ＭＧ１に対して検索サービスを提供してもよい。情報処理装置１００は、管理者ＭＧ１の要求に応じて、類似検索を行ってもよい。管理者ＭＧ１は、情報処理装置１００に対して類似検索を要求する（ステップＳ２１）。例えば、管理者ＭＧ１は、事象ＹのログデータＬＧＹを送信することにより、情報処理装置１００に対して事象Ｙの類似検索を要求する。管理者ＭＧ１から事象ＹのログデータＬＧＹを取得した情報処理装置１００は、ログデータＬＧＹを用いて、事象Ｙの類似事象を抽出する。しそして、情報処理装置１００は、抽出した類似事象に関する情報（類似事象情報）を検索結果として、管理者ＭＧ１に提供する（ステップＳ２２）。例えば、情報処理装置１００は、事象Ｙの類似事象を示す情報やその類似事象に対応づけられた事象関連情報を、管理者ＭＧ１が利用する端末装置１０に提供する。

情報処理装置１００は、管理者ＭＧ１に対して分析サービスを提供してもよい。情報処理装置１００は、管理者ＭＧ１の要求に応じて、過去に収集したログに関する情報を提供してもよい（ステップＳ３１）。情報処理装置１００は、事象情報記憶部１２１（図４参照）に記憶された各事象のログデータを分析用の情報として管理者ＭＧ１が利用する端末装置１０に提供する。

情報処理装置１００は、管理者ＭＧ１に対して情報更新サービスを提供してもよい。情報処理装置１００は、管理者ＭＧ１の要求に応じて、コメント付加等の情報更新サービスを提供してもよい（ステップＳ４１）。情報処理装置１００は、管理者ＭＧ１から取得したコメント等の情報に基づいて、事象情報記憶部１２１（図４参照）に記憶された各事象のコメント等の事象関連情報を更新してもよい。

〔２．情報処理システムの構成〕
図２に示すように、情報処理システム１は、端末装置１０と、サービス提供装置５０と、情報処理装置１００とが含まれる。端末装置１０と、サービス提供装置５０と、情報処理装置１００とは所定のネットワークＮを介して、有線または無線により通信可能に接続される。図２は、実施形態に係る情報処理システムの構成例を示す図である。なお、図２に示した情報処理システム１には、複数台の端末装置１０や、複数台のサービス提供装置５０や、複数台の情報処理装置１００が含まれてもよい。

端末装置１０は、システムの管理者等のユーザによって利用される情報処理装置である。端末装置１０は、管理者等による種々の操作を受け付ける。なお、以下では、端末装置１０を管理者と表記する場合がある。すなわち、以下では、管理者を端末装置１０と読み替えることもできる。なお、上述した端末装置１０は、例えば、スマートフォンや、タブレット型端末や、ノート型ＰＣ（Personal Computer）や、デスクトップＰＣや、携帯電話機や、ＰＤＡ（Personal Digital Assistant）等により実現される。例えば、端末装置１０は、所定のサーバシステムを管理者が利用する情報処理装置であってもよい。端末装置１０は、情報処理装置１００から一の事象の類似事象を示す情報や類似事象の事象関連情報を受信する。例えば、端末装置１０は、情報処理装置１００から受信した事象関連情報に基づいて、一の事象が発生したサービス提供装置５０に対する所定の処理を行う。

サービス提供装置５０は、所定のサービスを提供する情報処理装置である。サービス提供装置５０は、情報処理システム１において、所定のサービスを提供するサーバ装置であってもよい。サービス提供装置５０は、ユーザに種々のサービスを提供する情報処理装置であってもよい。また、サービス提供装置５０は、処理に応じてログを生成（出力）する情報処理装置である。サービス提供装置５０は、処理ごとにログを出力してもよい。サービス提供装置５０は、所定の事象が発生した場合、ログを出力する。サービス提供装置５０は、エラーや不具合等の所定の事象が発生した場合、アラートメッセージやエラーメッセージをログとして出力する。また、サービス提供装置５０が複数台ある場合は、複数のサービス提供装置５０は、種々のサービスを提供する。

情報処理装置１００は、起点ベクトルを起点としてグラフ情報を検索することにより、複数の事象のうち、一の事象に類似する事象である類似事象を抽出するコンピュータである。例えば、情報処理装置１００は、一の事象に関する事象情報を取得し、事象情報と、グラフ情報の検索の起点となる起点ベクトルに関する情報と基づいて、起点ベクトルを決定する。

情報処理装置１００は、管理者等に種々の情報提供を行うための情報が格納する。例えば、情報処理装置１００は、端末装置１０から一の事象のログデータを取得すると、クエリに類似する事象（ベクトルデータ等）を検索し、検索結果を端末装置１０に提供する。図１の例では、情報処理装置１００は、端末装置１０から一の事象のログデータを取得すると、一の事象に類似する事象を検索し、検索結果である類似事象に対応付けられた事象関連情報を端末装置１０に提供する。また、情報処理装置１００は、検索結果である類似事象を示す情報を端末装置１０に提供する。例えば、情報処理装置１００が端末装置１０に提供するデータは、事象の名称や事象のログデータ自体であってもよいし、ＵＲＬ（Uniform Resource Locator）等の対応するデータを参照するための情報を含んでもよい。

また、情報処理システム１には、種々の情報を提供する情報提供装置（図示省略）が含まれてもよい。情報提供装置は、情報処理装置１００に種々の情報提供を行うための情報が格納された情報処理装置である。例えば、情報提供装置は、ウェブサーバ等の種々の外部装置から収集した事象情報等が格納されてもよい。例えば、情報提供装置は、グラフ情報やインデックス情報やモデル等の種々の情報を情報処理装置１００に提供する情報処理装置である。

〔３．情報処理装置の構成〕
次に、図３を用いて、実施形態に係る情報処理装置１００の構成について説明する。図３は、実施形態に係る情報処理装置の構成例を示す図である。図３に示すように、情報処理装置１００は、通信部１１０と、記憶部１２０と、制御部１３０とを有する。なお、情報処理装置１００は、情報処理装置１００の管理者等から各種操作を受け付ける入力部（例えば、キーボードやマウス等）や、各種情報を表示するための表示部（例えば、液晶ディスプレイ等）を有してもよい。

（通信部１１０）
通信部１１０は、例えば、ＮＩＣ（Network Interface Card）等によって実現される。そして、通信部１１０は、ネットワーク（例えば図２中のネットワークＮ）と有線または無線で接続され、端末装置１０やサービス提供装置５０との間で情報の送受信を行う。

（記憶部１２０）
記憶部１２０は、例えば、ＲＡＭ（Random Access Memory）、フラッシュメモリ（Flash Memory）等の半導体メモリ素子、または、ハードディスク、光ディスク等の記憶装置によって実現される。実施形態に係る記憶部１２０は、図３に示すように、事象情報記憶部１２１と、インデックス情報記憶部１２２と、グラフ情報記憶部１２３と、モデル情報記憶部１２４とを有する。

（事象情報記憶部１２１）
実施形態に係る事象情報記憶部１２１は、事象（オブジェクト）に関する各種情報を記憶する。例えば、事象情報記憶部１２１は、事象ＩＤやベクトルデータを記憶する。図４は、実施形態に係る事象情報記憶部の一例を示す図である。図４に示す事象情報記憶部１２１は、「事象ＩＤ」、「事象」、「ログデータ」、「ベクトルデータ」、「事象関連情報」といった項目が含まれる。

「事象ＩＤ」は、事象（オブジェクト）を識別するための識別情報を示す。また、「事象」は、事象ＩＤにより識別される事象の具体的な名称や内容等を示す。なお、図４の例では、事象を「事象＃１」といった抽象的な符号で示すが、「ネットワークエラー＃１」、「データベースエラー＃１」等の具体的なエラー内容を示す情報やエラー種別を示す情報等が含まれてもよい。

「ログデータ」は、事象ＩＤにより識別される事象の発生時に取得されたログを示す。なお、図４の例では、ログデータを「ＬＧ１」といった抽象的な符号で示すが、各ログデータは、サーバ等が出力したログ（アラートログやエラーログ等）やログから抽出された各要素を示す情報等が含まれてもよい。ログデータは、自然言語が用いられた文字情報であってもよい。例えば、ログデータは、「Ｆａｉｌｅｄ ｔｏ ｄｏ ｓｏｍｅｔｈｉｎｇ」、「Ｎｅｔｗｏｒｋ ｃｏｎｎｅｃｔｉｏｎ ｅｒｒｏｒ」、「ＤＢ ｔｉｍｅｏｕｔ ｅｒｒｏｒ」等の文字情報（文字列）であってもよい。

「ベクトルデータ」は、事象ＩＤにより識別される事象（オブジェクト）に対応するベクトルデータ（ベクトル情報）を示す。すなわち、図４の例では、事象（オブジェクト）を識別する事象ＩＤに対して、オブジェクトに対応するベクトルデータが対応付けられて登録されている。「ベクトルデータ」は、ログデータがベクトル化された情報であってもよい。例えば、「ベクトルデータ」は、自然言語で記載されたログデータが、Ｗｏｒｄ２ＶｅｃやＳｅｎｔｅｎｃｅ２ＶｅｃやＤｏｃ２Ｖｅｃ等によりベクトル化された情報であってもよい。

「事象関連情報」は、対応する事象に関連する情報を示す。「事象関連情報」には、「コメント」、「自動実行フラグ」、「スコア」といった項目が含まれる。「コメント」は、対応する事象に関する情報を示す。なお、図４の例では、コメントを「ＣＭ１」といった抽象的な符号で示すが、「実行計画を確認」等の具体的な対処内容を示す情報や自動実行に用いる情報（プログラムやコマンド等）等が含まれてもよい。

「コメント」には、対応する事象の分析結果を示す情報が含まれてもよい。また、「コメント」には、対応する事象の発生理由を示す情報が含まれてもよい。また、「コメント」には、対応する事象の発生後における行動を示す情報が含まれてもよい。また、「コメント」には、対応する事象への対処内容を示す情報が含まれてもよい。

「自動実行フラグ」は、コメントに基づく情報処理装置の自動実行の有無を示す。「自動実行フラグ」が「１」、すなわち自動実行が有りの場合、「コメント」は、処理を自動実行可能な形式の情報である指令情報であってもよい。また、自動実行が有りの場合、「コメント」には、所定の処理を自動実行可能な形式の情報の格納場所を示すファイルパス名などであってもよい。

「スコア」は、対応する事象のスコアを示す。例えば、「スコア」は、対応する事象の評価を示す。また、「スコア」は、対応する事象における対応を示すコメント等の評価を示す情報であってもよい。例えば、「スコア」は、その値が大きい程、その事象に対応する事象関連情報の価値が高いことを示してもよい。例えば、「スコア」は、その値が大きい程、その事象に対応するコメントが的確であることを示してもよい。なお、図４の例では、スコアを「ＳＣ１」といった抽象的な符号で示すが、「０．５」や「１０」等の具体的な数値であるものとする。

例えば、図４の例では、事象ＩＤ「ＥＶ１」により識別される事象（オブジェクト）は、「０．１，０．３，０．２５，．．．」の多次元（Ｎ次元）のベクトルデータが対応付けられることを示す。例えば、事象＃１については、モデルＭ１等により、事象＃１の特徴を示す「０．１，０．３，０．２５，．．．」の多次元（Ｎ次元）のベクトルデータがログデータＬＧ１から抽出されたことを示す。事象＃１は、コメントがコメントＣＭ１であることを示す。コメントＣＭ１は、「実行計画を確認」という管理者に所定の行動を促す情報であることを示す。また、事象＃１は、自動実行フラグが「０」であり、自動実行が無であることを示す。また、事象＃１は、スコアがスコアＳＣ１であることを示す。

なお、事象情報記憶部１２１は、上記に限らず、目的に応じて種々の情報を記憶してもよい。例えば、事象情報記憶部１２１は、各事象の発生日時に関する情報を記憶してもよい。

（インデックス情報記憶部１２２）
実施形態に係るインデックス情報記憶部１２２は、インデックスに関する各種情報を記憶する。図５は、実施形態に係るインデックス情報記憶部の一例を示す図である。具体的には、図５の例では、インデックス情報記憶部１２２は、ツリー構造のインデックス情報を示す。図５の例では、インデックス情報記憶部１２２は、「ルート階層」、「第１階層」、「第２階層」、「第３階層」等といった項目が含まれる。なお、「第１階層」〜「第３階層」に限らず、インデックスの階層数に応じて、「第４階層」、「第５階層」、「第６階層」等が含まれてもよい。

「ルート階層」は、インデックスを用いた起点ノードの決定の開始点となるルート（最上位）の階層を示す。「第１階層」は、インデックスの第１階層に属するノード（節点またはグラフ情報中のベクトル）を識別（特定）する情報が格納される。「第１階層」に格納されるノードは、インデックスの根（ルート）に直接結ばれる階層に対応するノードとなる。

「第２階層」は、インデックスの第２階層に属するノード（節点またはグラフ情報中のベクトル）を識別（特定）する情報が格納される。「第２階層」に格納されるノードは、第１階層のノードに結ばれる直下の階層に対応するノードとなる。「第３階層」は、インデックスの第３階層に属するノード（節点またはグラフ情報中のベクトル）を識別（特定）する情報が格納される。「第３階層」に格納されるノードは、第２階層のノードに結ばれる直下の階層に対応するノードとなる。

例えば、図５に示す例においては、インデックス情報記憶部１２２には、図１中のインデックス情報ＩＮＤ１１に対応する情報が記憶される。例えば、インデックス情報記憶部１２２は、第１階層のノードが、節点ＶＴ１〜ＶＴ３等であることを示す。また、各節点の下の括弧内の数値は、各節点に対応するベクトルの値を示す。

また、例えば、インデックス情報記憶部１２２は、節点ＶＴ２の直下の第２階層のノードが、節点ＶＴ２−１〜ＶＴ２−４であることを示す。また、例えば、インデックス情報記憶部１２２は、節点ＶＴ２−２の直下の第３階層のノードが、ノードＮ３５、ノードＮ４５１、ノードＮ６９３のグラフ情報ＧＲ１１中のノード（ベクトル）であることを示す。

なお、インデックス情報記憶部１２２は、上記に限らず、目的に応じて種々の情報を記憶してもよい。

（グラフ情報記憶部１２３）
実施形態に係るグラフ情報記憶部１２３は、グラフ情報に関する各種情報を記憶する。図６は、実施形態に係るグラフ情報記憶部の一例を示す図である。図６の例では、グラフ情報記憶部１２３は、「ノードＩＤ」、「事象ＩＤ」、および「エッジ情報」といった項目を有する。また、「エッジ情報」には、「エッジＩＤ」や「参照先」といった情報が含まれる。

「ノードＩＤ」は、グラフデータにおける各ノード（対象）を識別するための識別情報を示す。また、「事象ＩＤ」は、事象（オブジェクト）を識別するための識別情報を示す。

また、「エッジ情報」は、対応するノードに接続されるエッジに関する情報を示す。図６の例では、「エッジ情報」は、エッジが有向エッジである場合を示し、対応するノードから出力される出力エッジに関する情報を示す。また、「エッジＩＤ」は、ノード間を連結するエッジを識別するための識別情報を示す。また、「参照先」は、エッジにより連結された参照先（ノード）を示す情報を示す。すなわち、図６の例では、ノードを識別するノードＩＤに対して、そのノードに対応するオブジェクト（対象）を識別する情報やそのノードからの有向エッジ（出力エッジ）が連結される参照先（ノード）が対応付けられて登録されている。

例えば、図６の例では、ノードＩＤ「Ｎ１」により識別されるノード（ベクトル）は、事象ＩＤ「ＥＶ１」により識別される事象（オブジェクト）に対応することを示す。また、ノードＩＤ「Ｎ１」により識別されるノードからは、エッジＩＤ「Ｅ１１」により識別されるエッジが、ノードＩＤ「Ｎ２５」により識別されるノード（ベクトル）に連結されることを示す。すなわち、図６の例では、ノードＩＤ「Ｎ１」により識別されるノード（ベクトル）からはノードＩＤ「Ｎ２５」により識別されるノード（ベクトル）に辿ることができることを示す。

なお、グラフ情報記憶部１２３は、上記に限らず、目的に応じて種々の情報を記憶してもよい。例えば、グラフ情報記憶部１２３は、各ノード（ベクトル）間を連結するエッジの長さが記憶されてもよい。すなわち、グラフ情報記憶部１２３は、各ノード（ベクトル）間の距離を示す情報が記憶されてもよい。

（モデル情報記憶部１２４）
実施形態に係るモデル情報記憶部１２４は、モデルに関する情報を記憶する。例えば、モデル情報記憶部１２４は、生成処理により生成されたモデル情報（モデルデータ）を記憶する。図７は、実施形態に係るモデル情報記憶部の一例を示す図である。図７に示すモデル情報記憶部１２４は、「モデルＩＤ」、「用途」、「モデルデータ」といった項目が含まれる。

「モデルＩＤ」は、モデルを識別するための識別情報を示す。例えば、モデルＩＤ「Ｍ１」により識別されるモデルは、図１の例に示したモデルＭ１に対応する。「用途」は、対応するモデルの用途を示す。また、「モデルデータ」は、対応付けられた対応するモデルのデータを示す。例えば、「モデルデータ」には、各層におけるノードと、各ノードが採用する関数と、ノードの接続関係と、ノード間の接続に対して設定される接続係数とを含む情報が含まれる。

例えば、図７に示す例において、モデルＩＤ「Ｍ１」により識別されるモデル（モデルＭ１）は、用途が「ベクトル化（システム）」であり、入力されたシステムのログをベクトル化するために用いられることを示す。すなわち、モデルＭ１は、入力されたシステムのログ情報からベクトルを生成するために用いられることを示す。例えば、モデルＭ１は、Ｓｅｎｔｅｎｃｅ２Ｖｅｃモデルである。また、モデルＭ１のモデルデータは、モデルデータＭＤＴ１であることを示す。

なお、図７では、モデルＭ１、Ｍ２のみを図示するが、モデルＭ２１（図１０参照）やモデルＭ２２等、各用途（予測の対象）に応じて多数のモデル情報が記憶されてもよい。例えば、モデルＭ２１（モデルデータＭＤＴ２１）は、事象のログ情報（ログデータ）が入力される入力層と、出力層と、入力層から出力層までのいずれかの層であって出力層以外の層に属する第１要素と、第１要素と第１要素の重みとに基づいて値が算出される第２要素と、を含み、入力層に入力されたログ情報に対し、出力層以外の各層に属する各要素を第１要素として、第１要素と第１要素の重みとに基づく演算を行うことにより、入力層に入力される情報と同様の情報を出力層から出力するよう、コンピュータを機能させるためのモデルであってもよい。

また、モデルＭ２１、Ｍ２２等がＤＮＮ（Deep Neural Network）等、１つまたは複数の中間層を有するニューラルネットワークで実現されるとする。この場合、例えば、モデルＭ２１、Ｍ２２が含む第１要素は、入力層または中間層が有するいずれかのノードに対応する。また、第２要素は、第１要素と対応するノードから値が伝達されるノードである次段のノードに対応する。また、第１要素の重みは、第１要素と対応するノードから第２要素と対応するノードに伝達される値に対して考慮される重みである接続係数に対応する。

ここで、モデルＭ２１、Ｍ２２等が「ｙ＝ａ１＊ｘ１＋ａ２＊ｘ２＋・・・＋ａｉ＊ｘｉ」で示す回帰モデルで実現されるとする。この場合、例えば、モデルＭ２１、Ｍ２２が含む第１要素は、ｘ１やｘ２等といった入力データ（ｘｉ）に対応する。また、第１要素の重みは、ｘｉに対応する係数ａｉに対応する。ここで、回帰モデルは、入力層と出力層とを有する単純パーセプトロンと見做すことができる。各モデルを単純パーセプトロンと見做した場合、第１要素は、入力層が有するいずれかのノードに対応し、第２要素は、出力層が有するノードと見做すことができる。

なお、モデル情報記憶部１２４は、上記に限らず、目的に応じて種々のモデル情報を記憶してもよい。

（制御部１３０）
図３の説明に戻って、制御部１３０は、コントローラ（controller）であり、例えば、ＣＰＵ（Central Processing Unit）やＭＰＵ（Micro Processing Unit）等によって、情報処理装置１００内部の記憶装置に記憶されている各種プログラム（情報処理プログラムの一例に相当）がＲＡＭを作業領域として実行されることにより実現される。また、制御部１３０は、コントローラであり、例えば、ＡＳＩＣ（Application Specific Integrated Circuit）やＦＰＧＡ（Field Programmable Gate Array）等の集積回路により実現される。制御部１３０は、モデル情報記憶部１２４に記憶されているモデルＭ１、Ｍ２等に従った情報処理により、事象のログ情報（ログデータ）からベクトルデータを生成する。制御部１３０は、モデル情報記憶部１２４に記憶されているモデルＭ２１等に従った情報処理により、事象のログ情報（ログデータ）が入力される入力層と、出力層と、入力層から出力層までのいずれかの層であって出力層以外の層に属する第１要素と、第１要素と第１要素の重みとに基づいて値が算出される第２要素と、を含み、入力層に入力されたログ情報に対し、出力層以外の各層に属する各要素を第１要素として、第１要素と第１要素の重みとに基づく演算を行うことにより、入力層に入力される情報と同様の情報を出力層から出力する。

図３に示すように、制御部１３０は、取得部１３１と、生成部１３２と、決定部１３３と、抽出部１３４と、提供部１３５とを有し、以下に説明する情報処理の機能や作用を実現または実行する。なお、制御部１３０の内部構成は、図３に示した構成に限られず、後述する情報処理を行う構成であれば他の構成であってもよい。

（取得部１３１）
取得部１３１は、各種情報を取得する。取得部１３１は、記憶部１２０から各種情報を取得する。取得部１３１は、事象情報記憶部１２１や、インデックス情報記憶部１２２や、グラフ情報記憶部１２３や、モデル情報記憶部１２４等から各種情報を取得する。また、取得部１３１は、各種情報を外部の情報処理装置から取得する。取得部１３１は、端末装置１０やサービス提供装置５０から各種情報を取得する。

取得部１３１は、複数の事象の各々に対応する複数のベクトルが類似性に応じて連結されたグラフ情報と、複数の事象の各々に対応付けられた情報であって、対応付けられた事象に関連する情報である事象関連情報と、一の事象に関する情報を取得する。取得部１３１は、複数の事象の各々に対応する複数の情報がベクトル化された複数のベクトルが連結されたグラフ情報を取得する。取得部１３１は、複数の事象の各々に対応する文字情報がベクトル化された複数のベクトルが連結されたグラフ情報を取得する。

取得部１３１は、複数の事象の各々の分析結果を含む事象関連情報を取得する。取得部１３１は、複数の事象の各々の発生理由を含む事象関連情報を取得する。取得部１３１は、複数の事象の各々の発生後における行動を示す情報を含む事象関連情報を取得する。取得部１３１は、複数の事象の各々への対処内容を示す情報を含む事象関連情報を取得する。取得部１３１は、複数の事象の各々への対処として所定の情報処理装置が実行した処理に基づく情報であって、情報処理装置が処理を自動実行可能な形式の情報である指令情報を含む事象関連情報を取得する。

取得部１３１は、複数の事象の各々の評価を示す情報を含む事象関連情報を取得する。取得部１３１は、複数の事象の各々の評価を示すスコアを含む事象関連情報を取得する。

取得部１３１は、所定のシステムにおいてログが出力される複数の事象の各々に対応する複数のベクトルが類似性に応じて連結されたグラフ情報を取得する。取得部１３１は、所定のシステムにおいてログが出力される複数の事象の各々に対応する複数のベクトルが類似性に応じて連結されたグラフ情報を取得する。取得部１３１は、所定のシステムにおけるアラートに関する複数の事象の各々に対応する複数のベクトルが類似性に応じて連結されたグラフ情報を取得する。取得部１３１は、複数の事象の各々に対応するログに関する情報がベクトル化された複数のベクトルが連結されたグラフ情報を取得する。

取得部１３１は、データ検索の対象となる複数のノード（ベクトル）を取得する。取得部１３１は、複数のノードと、複数のノードの各々を連結する複数の有向エッジを含む有向エッジ群を取得する。

取得部１３１は、外部の情報処理装置からグラフ情報（グラフデータ）を取得する。取得部１３１は、グラフ情報記憶部１２３からグラフ情報を取得する。取得部１３１は、グラフ情報を取得する。図１の例では、取得部１３１は、グラフ情報ＧＲ１１を取得する。

取得部１３１は、外部の情報処理装置からインデックス情報（インデックスデータ）を取得する。取得部１３１は、インデックス情報記憶部１２２からインデックス情報を取得する。取得部１３１は、木構造型のインデックス情報を取得する。図１の例では、取得部１３１は、インデックス情報ＩＮＤ１１を取得する。

また、取得部１３１は、管理者等が利用する端末装置１０から一の事象に関する事象情報を取得する。取得部１３１は、検索クエリとして、一の事象のログデータを取得する。取得部１３１は、事象に関する検索クエリを取得する。取得部１３１は、管理者ＭＧ１が利用する端末装置１０から事象Ｘに関するログデータＬＧＸを取得する。

図１の例では、取得部１３１は、一の事象に関する事象情報（ログデータ）を取得する。取得部１３１は、端末装置１０から事象Ｘに関するログデータＬＧＸを取得する。

（生成部１３２）
生成部１３２は、各種情報を生成する。生成部１３２は、記憶部１２０に記憶された各種情報に基づいて、種々の情報を生成する。生成部１３２は、事象情報記憶部１２１や、インデックス情報記憶部１２２や、グラフ情報記憶部１２３や、モデル情報記憶部１２４等に基づいて、各種情報を生成する。生成部１３２は、取得部１３１により取得された各種情報に基づいて、種々の情報を生成する。生成部１３２は、各種情報を算出する。

図１の例では、生成部１３２は、Ｓｅｎｔｅｎｃｅ２Ｖｅｃであるモデルを用いて各事象のログデータからＮ次元ベクトルを生成する。生成部１３２は、モデル情報記憶部１２４（図７）に示すモデルＭ１を用いて、各事象のログデータからベクトルを生成する。

また、生成部１３２は、一の事象に対応するログデータからグラフ情報の探索に用いるベクトルを生成する。図１の例では、生成部１３２は、処理群ＰＳ１１に示すような処理により、事象Ｘに対応するベクトルを生成する。生成部１３２は、事象Ｘに関するログデータＬＧＸをモデルＭ１に入力する。具体的には、生成部１３２は、事象Ｘ発生時に所定のサーバシステムのサーバ装置が出力したログデータＬＧＸをモデルＭ１に入力する。そして、生成部１３２は、ログデータＬＧＸの入力されたモデルＭ１が出力する情報を用いて、ベクトルを生成する。生成部１３２は、ログデータＬＧＸが入力されたモデルＭ１が出力するベクトルデータをログデータＬＧＸのベクトルＶＤＸとして用いる。図１の例では、生成部１３２は、モデルＭ１を用いて、１次元目の要素が「０．６」であり、２次元目の要素が「０．３」であるようなベクトルＶＤＸを生成する。

また、生成部１３２は、事象情報記憶部１２１に記憶された学習データ（ログ情報）を用いて、モデルを生成してもよい。生成部１３２は、取得部１３１により取得された学習データに基づいて、入力したログ情報と同様の情報を出力するモデル（オートエンコーダ）を生成してもよい。生成部１３２は、入力するログ情報自体を正解情報として、入力したログ情報と同様の情報を出力するモデル（オートエンコーダ）を生成してもよい。

生成部１３２は、モデルＭ２１等を生成し、生成したモデルＭ２１等をモデル情報記憶部１２４に格納する。なお、生成部１３２は、いかなる学習アルゴリズムを用いてモデルＭ２１を生成してもよい。生成部１３２は、ニューラルネットワーク（neural network）等の学習アルゴリズムを用いてモデルＭ２１を生成する。一例として、生成部１３２がニューラルネットワークを用いてモデルＭ２１等を生成する場合、モデルＭ２１等は、一以上のニューロンを含む入力層と、一以上のニューロンを含む中間層と、一以上のニューロンを含む出力層とを有する。

生成部１３２は、事象のログ情報（ログデータ）が入力される入力層と、出力層と、入力層から出力層までのいずれかの層であって出力層以外の層に属する第１要素と、第１要素と第１要素の重みとに基づいて値が算出される第２要素と、を含み、入力層に入力されたログ情報に対し、出力層以外の各層に属する各要素を第１要素として、第１要素と第１要素の重みとに基づく演算を行うことにより、入力層に入力される情報と同様の情報を出力層から出力するモデルを生成する。

生成部１３２は、学習データに基づいてモデルを生成する。生成部１３２は、学習データに基づいてモデルを生成する。生成部１３２は、事象情報記憶部１２１中のログデータＬＧ１、ＬＧ２等を学習データ（教師データ）として、学習を行なうことにより、モデルを生成する。

生成部１３２は、ログデータＬＧ１が入力された場合に、モデルＭ２１がログデータＬＧ１と同様の情報を出力するように、学習処理を行う。生成部１３２は、ログデータＬＧ２が入力された場合に、モデルＭ２１がログデータＬＧ２と同様の情報を出力するように、学習処理を行う。

なお、生成部１３２は、オートエンコーダとしてのＭ２１に限らず、鉄道等の交通に対応するＭ２２やユーザの購買等のユーザ行動に対応するＭ２３等を生成してもよい。生成部１３２は、ニューラルネットワーク（neural network）、サポートベクターマシン（ＳＶＭ）、クラスタリング、強化学習等の学習アルゴリズムを用いてモデルＭ２２、Ｍ２３等を生成する。一例として、生成部１３２がニューラルネットワークを用いてモデルＭ２２、Ｍ２３等を生成する場合、モデルＭ２２、Ｍ２３等は、一以上のニューロンを含む入力層と、一以上のニューロンを含む中間層と、一以上のニューロンを含む出力層とを有する。

生成部１３２は、モデルを生成し、生成したモデルをモデル情報記憶部１２４に格納する。具体的には、生成部１３２は、事象のログ情報（ログデータ）が入力される入力層と、出力層と、入力層から出力層までのいずれかの層であって出力層以外の層に属する第１要素と、第１要素と第１要素の重みとに基づいて値が算出される第２要素と、を含み、入力層に入力されたログ情報に対し、出力層以外の各層に属する各要素を第１要素として、第１要素と第１要素の重みとに基づく演算を行うことにより、事象の発生の予測に用いられるスコアの値を出力層から出力するモデルを生成する。生成部１３２は、事象のログ情報（ログデータ）が入力される入力層と、出力層と、入力層から出力層までのいずれかの層であって出力層以外の層に属する第１要素と、第１要素と第１要素の重みとに基づいて値が算出される第２要素と、を含み、入力層に入力されたログ情報に対し、出力層以外の各層に属する各要素を第１要素として、第１要素と第１要素の重みとに基づく演算を行うことにより、事象の発生の予測に用いられるスコアの値を出力層から出力するモデルＭ２１を生成する。生成部１３２は、事象が発生した際のログ情報が入力された場合に、スコア「１」を出力するようにモデルＭ２１を生成する。生成部１３２は、事象が発生しなかった際のログ情報が入力された場合に、スコア「０」を出力するようにモデルＭ２１を生成する。生成部１３２は、モデルＭ２１を用いて各事象のログデータからＮ次元ベクトルを生成してもよい。

図１の例では、生成部１３２は、各類似事象のスコアや類似度等に基づいて、各類似事象のランキングスコアを生成する。例えば、生成部１３２は、各類似事象のスコアと類似度とを乗算することにより、各類似事象のランキングスコアを算出する。生成部１３２は、ランキング一覧情報ＲＫＬに示すように、各類似事象のランキングスコアを算出する。生成部１３２は、事象＃４５１のランキングスコアをランキングスコアＲＳ４５１と算出する。また、生成部１３２は、事象＃３５のランキングスコアをランキングスコアＲＳ３５と算出する。

（決定部１３３）
決定部１３３は、各種情報を決定する。決定部１３３は、各種情報を判定する。決定部１３３は、記憶部１２０に記憶された各種情報に基づいて、種々の情報を決定する。決定部１３３は、記憶部１２０に記憶された各種情報に基づいて、種々の情報を判定する。決定部１３３は、事象情報記憶部１２１や、インデックス情報記憶部１２２や、グラフ情報記憶部１２３や、モデル情報記憶部１２４等に基づいて、各種情報を決定する。決定部１３３は、事象情報記憶部１２１や、インデックス情報記憶部１２２や、グラフ情報記憶部１２３や、モデル情報記憶部１２４等に基づいて、各種情報を判定する。決定部１３３は、取得部１３１により取得された各種情報に基づいて、種々の情報を決定する。決定部１３３は、取得部１３１により取得された各種情報に基づいて、種々の情報を判定する。決定部１３３は、取得部１３１により取得された事象情報と、グラフ情報の検索の起点となる起点ベクトルに関する情報と基づいて、起点ベクトルを決定する。また、決定部１３３は、起点ベクトルの決定に用いるインデックス情報に基づいて、起点ベクトルを決定する。また、決定部１３３は、木構造型のインデックス情報に基づいて、起点ベクトルを決定する。

図１の例では、決定部１３３は、一の事象（クエリ）に対応する起点ベクトルを決定（特定）するために、インデックス情報ＩＮＤ１１を用いる。決定部１３３は、事象ＸのベクトルＶＤＸに対応する起点ベクトルを決定（特定）するために、インデックス情報ＩＮＤ１１を用いる。決定部１３３は、ベクトルＶＤＸとインデックス情報ＩＮＤ１１とを用いて、グラフ情報ＧＲ１１における起点ベクトルを決定する。

決定部１３３は、図１中のインデックス情報ＩＮＤ１１に示すような木構造型のインデックス情報を用いて、グラフ情報ＧＲ１１における起点ベクトルを決定する。図１の例では、決定部１３３は、ベクトルＶＤＸを生成した後、インデックス情報ＩＮＤ１１を上から下へ辿ることにより、インデックス情報ＩＮＤ１１の近傍候補となる起点ベクトルを特定することにより、効率的に検索クエリ（一の事象）に対応する起点ベクトルを決定する。

決定部１３３は、インデックス情報ＩＮＤ１１をルートＲＴからリーフノード（グラフ情報ＧＲ１１中のノード（ベクトル））まで辿ることにより、ベクトルＶＤＸに対応する起点ベクトルを決定する。図１の例では、決定部１３３は、インデックス情報ＩＮＤ１１をルートＲＴからノードＮ４５１まで辿ることにより、ノードＮ４５１を起点ベクトルとして決定する。

決定部１３３は、提供対象事象を決定する。図１の例では、決定部１３３は、順位が１位である事象＃３５を提供対象事象に決定する。

（抽出部１３４）
抽出部１３４は、各種情報を抽出する。抽出部１３４は、記憶部１２０に記憶された各種情報に基づいて、種々の情報を抽出する。抽出部１３４は、事象情報記憶部１２１や、インデックス情報記憶部１２２や、グラフ情報記憶部１２３や、モデル情報記憶部１２４等に基づいて、各種情報を抽出する。抽出部１３４は、取得部１３１により取得された各種情報に基づいて、種々の情報を抽出する。抽出部１３４は、生成部１３３により生成された各種情報に基づいて、種々の情報を抽出する。抽出部１３４は、決定部１３３により決定された各種情報に基づいて、種々の情報を抽出する。抽出部１３４は、検索処理における抽出処理を行う。

抽出部１３４は、取得部１３１により取得されたグラフ情報の複数のベクトルのうち、所定の基準に基づいて決定されたグラフ情報の検索の起点となる起点ベクトルを起点としてグラフ情報を検索することにより、複数の事象のうち、一の事象に類似する事象である類似事象を抽出する。抽出部１３４は、決定部１３２により決定された起点ベクトルを起点としてグラフ情報を検索することにより、複数の事象のうち、一の事象に類似する事象である類似事象を抽出する。抽出部１３４は、グラフ情報記憶部１２３に記憶された各ノード（ベクトル）間を連結するエッジの長さ（距離）の情報を用いてもよいし、各ノードのベクトルデータ（ベクトル情報）から各ノード（ベクトル）間を連結するエッジの長さ（距離）の情報を算出し、算出した長さ（距離）の情報を用いてもよい。

抽出部１３４は、グラフ情報の複数のベクトルのうち、所定の基準に基づいて決定されたグラフ情報の検索の起点となる起点ベクトルを起点としてグラフ情報を検索し、複数の事象のうち、一の事象に類似する事象である類似事象を抽出することにより、類似事象に対応付けられた事象関連情報を抽出する。抽出部１３４は、一の事象が所定の条件を満たす場合、グラフ情報を検索し、類似事象に対応付けられた事象関連情報を抽出する。抽出部１３４は、一の事象が通常の事象と異なる事象である場合、グラフ情報を検索し、類似事象に対応付けられた事象関連情報を抽出する。抽出部１３４は、所定のタイミングで、グラフ情報を検索し、類似事象に対応付けられた事象関連情報を抽出する。抽出部１３４は、抽出した類似事象のスコアに基づいて、類似事象の事象関連情報を順位付けする。

図１の例では、抽出部１３４は、グラフ情報ＧＲ１１を検索することにより、事象Ｘの類似事象を抽出する。例えば、抽出部１３４は、ノードＮ４５１の近傍に位置するノードを類似事象として抽出する。例えば、抽出部１３４は、ノードＮ４５１からの距離が近いノードを類似事象として抽出する。例えば、抽出部１３４は、ノードＮ４５１を起点として、エッジを辿ることにより、ノードＮ４５１から到達可能なノードを類似事象として抽出する。例えば、抽出部１３４は、所定数（例えば、２個や１０個等）のノードを類似事象として抽出する。例えば、抽出部１３４は、図１１に示すような検索処理により、事象Ｘの類似事象を抽出してもよいが、詳細は後述する。図１の例では、抽出部１３４は、ノードＮ４５１を起点として、グラフ情報ＧＲ１１を探索することにより、ノードＮ４５１やノードＮ３５やノードＮ２５６等を類似事象として抽出する。例えば、抽出部１３４は、事象Ｘとの類似度が高い方から順に、ノードＮ４５１、ノードＮ３５、ノードＮ２５６等の順で抽出する。

図１の例では、抽出部１３４は、抽出した類似事象に対応付けられた事象関連情報を抽出する。抽出部１３４は、類似事象一覧情報ＳＥＬに示すように、抽出した類似事象に対応付けられた事象関連情報を抽出する。例えば、抽出部１３４は、事象情報記憶部１２１（図４参照）に記憶された情報のうち、各類似事象に対応付けられた事象関連情報を抽出する。抽出部１３４は、事象関連情報として、コメントや自動実行フラグやスコア等の情報を抽出する。抽出部１３４は、類似事象として抽出した事象＃４５１（ノードＮ４５１）、事象＃３５（ノードＮ３５）、事象＃２５６（ノードＮ２５６）等の各々に対応付けられた事象関連情報を抽出する。

抽出部１３４は、各類似事象のランキングスコアに基づいて、各類似事象の順位付けを行う。抽出部１３４は、ランキングスコアが高い類似事象から順に順位付けを行う。図１の例では、抽出部１３４は、ランキングスコアが高い方から順に、１位「事象＃３５」、２位「事象＃２」、３位「事象＃４５１」等と順位付けする。

（提供部１３５）
提供部１３５は、各種情報を提供する。提供部１３５は、端末装置１０やサービス提供装置５０等の外部の情報処理装置に各種情報を提供する。提供部１３５は、端末装置１０やサービス提供装置５０に各種情報を送信する。提供部１３５は、端末装置１０に各種情報を配信する。提供部１３５は、取得部１３１により取得された各種情報に基づいて、種々の情報を提供する。提供部１３５は、生成部１３２により生成された各種情報に基づいて、種々の情報を提供する。提供部１３５は、抽出部１３４により抽出された各種情報に基づいて、種々の情報を提供する。提供部１３５は、抽出部１３４により抽出された類似事象の事象関連情報を提供する。提供部１３５は、抽出部１３４により抽出された類似事象に基づいて、所定のサービスを提供する。また、提供部１３５は、類似事象に関する情報提供サービスを提供する。提供部１３５は、端末装置１０に類似事象に関する情報を提供する。提供部１３５は、類似事象に対応付けられた事象関連情報に関する情報提供サービスを提供する。

提供部１３５は、クエリに対応する事象ＩＤ（オブジェクトＩＤ）を検索結果として提供する。提供部１３５は、抽出部１３４により抽出された事象ＩＤをサービス提供装置５０へ提供する。提供部１３５は、抽出部１３４により抽出された事象ＩＤをクエリに対応するベクトルを示す情報としてサービス提供装置５０に提供する。提供部１３５は、抽出部１３４により抽出された事象ＩＤにより特定される類似事象に対応付けられた事象関連情報に関する情報提供サービスを提供する。また、提供部１３５は、生成部１３２により生成されたモデルを外部の情報処理装置へ提供してもよい。

図１の例では、提供部１３５は、決定部１３３により決定された提供対象事象に関する情報を提供する。提供部１３５は、提供対象事象である事象＃３５を示す情報や事象＃３５のコメントＣＭ３５を事象Ｘに類似する事象や事象Ｘへの対処内容として、管理者ＭＧ１が利用する端末装置１０に提供する。

〔４．情報処理のフロー〕
次に、図８を用いて、実施形態に係る情報処理システム１による情報処理の手順について説明する。図８は、実施形態に係る情報処理の一例を示すフローチャートである。

図８に示すように、情報処理装置１００は、一の事象に関する事象情報（ログデータ）を取得する（ステップＳ１０１）。図１の例では、情報処理装置１００は、端末装置１０から事象Ｘに関するログデータＬＧＸを取得する。

情報処理装置１００は、事象に関するグラフ情報を取得する（ステップＳ１０２）。例えば、情報処理装置１００は、グラフ情報記憶部１２３から事象に関するグラフ情報ＧＲ１１を取得する。

そして、情報処理装置１００は、モデルを用いて一の事象に関するログデータからベクトルを生成する（ステップＳ１０３）。図１の例では、情報処理装置１００は、モデル情報記憶部１２４に記憶されたモデルＭ１を用いて、ログデータＬＧＸからベクトルＶＤＸを生成する。

そして、情報処理装置１００は、生成したベクトルとインデックス情報を用いて起点ベクトルを決定する（ステップＳ１０４）。図１の例では、情報処理装置１００は、ベクトルＶＤＸと、インデックス情報記憶部１２２に記憶されたインデックス情報ＩＮＤ１１とを用いて、起点ベクトルをノードＮ４５１に決定する。

そして、情報処理装置１００は、グラフ情報を検索し、一の事象の類似事象を抽出することにより、類似事象に対応付けられた事象関連情報を抽出する（ステップＳ１０５）。図１の例では、情報処理装置１００は、ノードＮ４５１を起点として、グラフ情報ＧＲ１１を探索し、ノードＮ４５１やノードＮ３５を類似事象として抽出することにより、事象＃４５１に対応するコメントＣＭ４５１や事象＃３５に対応するコメントＣＭ３５を抽出する。

そして、情報処理装置１００は、抽出した類似事象に対応する事象関連情報に関する情報を提供する（ステップＳ１０６）。図１の例では、情報処理装置１００は、最も順位が高いノードＮ３５（事象＃３５）に対応するコメントＣＭ３５を事象Ｘへの対応を示す情報として管理者ＭＧ１が利用する端末装置１０に提供する。

〔５．生成処理のフロー〕
次に、図９を用いて、実施形態に係る情報処理システム１による生成処理の手順について説明する。図９は、実施形態に係る生成処理の一例を示すフローチャートである。

図９に示すように、情報処理装置１００は、学習データを取得する（ステップＳ２０１）。例えば、情報処理装置１００は、事象情報記憶部１２１から学習データを取得する。例えば、情報処理装置１００は、事象情報記憶部１２１からログデータＬＧ１、ＬＧ２等を学習データとして取得する。

その後、情報処理装置１００は、学習データに基づきモデルを生成する（ステップＳ２０２）。例えば、情報処理装置１００は、事象情報記憶部１２１から学習データを用いてモデルＭ２１を生成する。例えば、情報処理装置１００は、入力層に入力される情報（ログデータ）と同様の情報（ログデータ）を出力層から出力するようにモデルＭ１を生成する。例えば、情報処理装置１００は、事象のログデータを入力とするオートエンコーダとしてのモデルＭ２１を生成する。

〔６．検索例〕
ここで、上述したグラフ情報を用いた検索の一例を示す。なお、グラフ情報（グラフデータ）を用いた検索は下記に限らず、種々の手順により行われてもよい。この点について、図１１を一例として説明する。図１１は、グラフデータ（グラフ情報）を用いた検索処理の一例を示すフローチャートである。また、以下でいうオブジェクトは、ベクトルやノードと読み替えてもよい。なお、以下では、情報処理装置１００が検索処理を行うものとして説明するが、検索処理は他の装置により行われてもよい。例えば、情報処理装置１００は、検索クエリとして、一の事象のログデータから生成されたベクトルデータを用いる。例えば、情報処理装置１００は、一の事象のログデータから生成されたベクトルデータとインデックス情報とに基づいて決定された起点ベクトルを起点としてグラフデータを検索する。図１の例では、情報処理装置１００は、事象ＸのベクトルＶＤＸとインデックス情報ＩＮＤ１１とに基づいて決定された起点ベクトルであるノードＮ４５１を起点としてグラフ情報ＧＲ１１を検索する。

ここでは、近傍オブジェクト集合Ｎ（Ｇ，ｙ）は、ノードｙに付与されているエッジにより関連付けられている近傍のオブジェクトの集合である。「Ｇ」は、所定のグラフデータ（例えば、グラフ情報ＧＲ１１等）であってもよい。例えば、情報処理装置１００は、ｋ近傍検索処理を実行する。

例えば、情報処理装置１００は、超球の半径ｒを∞（無限大）に設定し（ステップＳ３００）、既存のオブジェクト集合から部分集合Ｓを抽出する（ステップＳ３０１）。例えば、情報処理装置１００は、ルートノード（起点ベクトル）として選択されたオブジェクト（ノード）を部分集合Ｓとして抽出してもよい。図１の例では、情報処理装置１００は、起点ベクトルであるノードＮ４５１等を部分集合Ｓとして抽出してもよい。また、例えば、超球とは、検索範囲を示す仮想的な球である。なお、ステップＳ３０１において抽出されたオブジェクト集合Ｓに含まれるオブジェクトは、同時に検索結果のオブジェクト集合Ｒの初期集合にも含められる。

次に、情報処理装置１００は、オブジェクト集合Ｓに含まれるオブジェクトの中で、検索クエリオブジェクトをｙとするとオブジェクトｙとの距離が最も短いオブジェクトを抽出し、オブジェクトｓとする（ステップＳ３０２）。図１の例では、情報処理装置１００は、オブジェクト集合Ｓに含まれるオブジェクトの中で、検索クエリオブジェクトであるベクトルＶＤＸとの距離が最も短いオブジェクトを抽出し、オブジェクトｓとする。例えば、情報処理装置１００は、オブジェクト集合Ｓに含まれるオブジェクトの中で、ベクトルＶＤＸとの距離が最も短いノードＮ４５１を抽出し、オブジェクトｓとする。例えば、情報処理装置１００は、ルートノード（起点ベクトル）として選択されたオブジェクト（ノード）のみがオブジェクト集合Ｓの要素の場合には、結果的にルートノード（起点ベクトル）がオブジェクトｓとして抽出される。次に、情報処理装置１００は、オブジェクトｓをオブジェクト集合Ｓから除外する（ステップＳ３０３）。

次に、情報処理装置１００は、オブジェクトｓとオブジェクトｙとの距離ｄ（ｓ，ｙ）がｒ（１＋ε）を超えるか否かを判定する（ステップＳ３０４）。ここで、εは拡張要素であり、ｒ（１＋ε）は、探索範囲（この範囲内のノードのみを探索する。検索範囲よりも大きくすることで精度を高めることができる）の半径を示す値である。オブジェクトｓとオブジェクトｙとの距離ｄ（ｓ，ｙ）がｒ（１＋ε）を超える場合（ステップＳ３０４：Ｙｅｓ）、情報処理装置１００は、オブジェクト集合Ｒをオブジェクトｙの近傍オブジェクト集合として出力し（ステップＳ３０５）、処理を終了する。

オブジェクトｓと検索クエリオブジェクトｙとの距離ｄ（ｓ，ｙ）がｒ（１＋ε）を超えない場合（ステップＳ３０４：Ｎｏ）、情報処理装置１００は、オブジェクトｓの近傍オブジェクト集合Ｎ（Ｇ，ｓ）の要素であるオブジェクトの中からオブジェクト集合Ｃに含まれないオブジェクトを一つ選択し、選択したオブジェクトｕを、オブジェクト集合Ｃに格納する（ステップＳ３０６）。オブジェクト集合Ｃは、重複検索を回避するために便宜上設けられるものであり、処理開始時には空集合に設定される。

次に、情報処理装置１００は、オブジェクトｕとオブジェクトｙとの距離ｄ（ｕ，ｙ）がｒ（１＋ε）以下であるか否かを判定する（ステップＳ３０７）。オブジェクトｕとオブジェクトｙとの距離ｄ（ｕ，ｙ）がｒ（１＋ε）以下である場合（ステップＳ３０７：Ｙｅｓ）、情報処理装置１００は、オブジェクトｕをオブジェクト集合Ｓに追加する（ステップＳ３０８）。

次に、情報処理装置１００は、オブジェクトｕとオブジェクトｙとの距離ｄ（ｕ，ｙ）がｒ以下であるか否かを判定する（ステップＳ３０９）。オブジェクトｕとオブジェクトｙとの距離ｄ（ｕ，ｙ）がｒを超える場合（ステップＳ３０９：Ｎｏ）、情報処理装置１００は、ステップＳ３１５の判定（処理）を行う。

オブジェクトｕとオブジェクトｙとの距離ｄ（ｕ，ｙ）がｒ以下である場合（ステップＳ３０９：Ｙｅｓ）、情報処理装置１００は、オブジェクトｕをオブジェクト集合Ｒに追加する（ステップＳ３１０）。そして、情報処理装置１００は、オブジェクト集合Ｒに含まれるオブジェクト数がｋｓを超えるか否かを判定する（ステップＳ３１１）。所定数ｋｓは、任意に定められる自然数である。例えば、ｋｓ＝２やｋｓ＝１０等の種々の設定であってもよい。

オブジェクト集合Ｒに含まれるオブジェクト数がｋｓを超える場合（ステップＳ３１１：Ｙｅｓ）、情報処理装置１００は、オブジェクト集合Ｒに含まれるオブジェクトの中でオブジェクトｙとの距離が最も長い（遠い）オブジェクトを、オブジェクト集合Ｒから除外する（ステップＳ３１２）。

次に、情報処理装置１００は、オブジェクト集合Ｒに含まれるオブジェクト数がｋｓと一致するか否かを判定する（ステップＳ３１３）。オブジェクト集合Ｒに含まれるオブジェクト数がｋｓと一致する場合（ステップＳ３１３：Ｙｅｓ）、情報処理装置１００は、オブジェクト集合Ｒに含まれるオブジェクトの中でオブジェクトｙとの距離が最も長い（遠い）オブジェクトと、オブジェクトｙとの距離を、新たなｒに設定する（ステップＳ３１４）。

そして、情報処理装置１００は、オブジェクトｓの近傍オブジェクト集合Ｎ（Ｇ，ｓ）の要素であるオブジェクトから全てのオブジェクトを選択してオブジェクト集合Ｃに格納し終えたか否かを判定する（ステップＳ３１５）。オブジェクトｓの近傍オブジェクト集合Ｎ（Ｇ，ｓ）の要素であるオブジェクトから全てのオブジェクトを選択してオブジェクト集合Ｃに格納し終えていない場合（ステップＳ３１５：Ｎｏ）、情報処理装置１００は、ステップＳ３０６に戻って処理を繰り返す。

オブジェクトｓの近傍オブジェクト集合Ｎ（Ｇ，ｓ）の要素であるオブジェクトから全てのオブジェクトを選択してオブジェクト集合Ｃに格納し終えた場合（ステップＳ３１５：Ｙｅｓ）、情報処理装置１００は、オブジェクト集合Ｓが空集合であるか否かを判定する（ステップＳ３１６）。オブジェクト集合Ｓが空集合でない場合（ステップＳ３１６：Ｎｏ）、情報処理装置１００は、ステップＳ３０２に戻って処理を繰り返す。また、オブジェクト集合Ｓが空集合である場合（ステップＳ３１６：Ｙｅｓ）、情報処理装置１００は、オブジェクト集合Ｒを出力し、処理を終了する（ステップＳ３１７）。例えば、情報処理装置１００は、オブジェクト集合Ｒに含まれるオブジェクト（ノード）を検索クエリ（入力オブジェクトｙ）に対応する検索結果として、検索を行った端末装置１０等へ提供してもよい。図１の例では、情報処理装置１００は、オブジェクト集合Ｒに含まれるノードＮ４５１やノードＮ３５を検索クエリ（事象ＸのベクトルＶＤＸ）の類似事象を示す情報として抽出する。そして、情報処理装置１００は、事象Ｘの類似事象として抽出した事象＃４５１（ノードＮ４５１）に対応するコメントＣＭ４５１や事象＃３５（ノードＮ３５）に対応するコメントＣＭ３５を抽出する。そして、図１の例では、情報処理装置１００は、最も順位が高いノードＮ３５（事象＃３５）に対応するコメントＣＭ３５を事象Ｘへの対応を示す情報として管理者ＭＧ１が利用する端末装置１０に提供する。

〔７．効果〕
上述してきたように、実施形態に係る情報処理装置１００は、取得部１３１と、抽出部１３４とを有する。取得部１３１は、複数の事象の各々に対応する複数のベクトルが類似性に応じて連結されたグラフ情報と、複数の事象の各々に対応付けられた情報であって、対応付けられた事象に関連する情報である事象関連情報と、一の事象に関する情報を取得する。抽出部１３４は、グラフ情報の複数のベクトルのうち、所定の基準に基づいて決定されたグラフ情報の検索の起点となる起点ベクトルを起点としてグラフ情報を検索し、複数の事象のうち、一の事象に類似する事象である類似事象を抽出することにより、類似事象に対応付けられた事象関連情報を抽出する。

このように、実施形態に係る情報処理装置１００は、起点ベクトルを起点としてグラフ情報を検索し、複数の事象のうち、一の事象に類似する事象である類似事象を抽出することにより、類似事象に関連する情報を適切に抽出することができる。

また、実施形態に係る情報処理装置１００は、決定部１３３を有する。決定部１３３は、起点ベクトルの決定に用いるインデックス情報に基づいて、起点ベクトルを決定する。抽出部１３４は、決定部１３３により決定された起点ベクトルを起点として、類似事象を抽出する。

このように、実施形態に係る情報処理装置１００は、起点ベクトルの決定に用いるインデックス情報に基づいて、起点ベクトルを決定することにより、類似事象に関連する情報を適切に抽出することができる。

また、実施形態に係る情報処理装置１００において、決定部１３３は、木構造型のインデックス情報に基づいて、起点ベクトルを決定する。

このように、実施形態に係る情報処理装置１００は、木構造型のインデックス情報に基づいて、起点ベクトルを決定することにより、類似事象に関連する情報を適切に抽出することができる。

また、実施形態に係る情報処理装置１００において、取得部１３１は、複数の事象の各々に対応する複数の情報がベクトル化された複数のベクトルが連結されたグラフ情報を取得する。

このように、実施形態に係る情報処理装置１００は、複数の事象の各々に対応する複数の情報がベクトル化された複数のベクトルが連結されたグラフ情報を取得することにより、類似事象に関連する情報を適切に抽出することができる。

また、実施形態に係る情報処理装置１００において、取得部１３１は、複数の事象の各々に対応する文字情報がベクトル化された複数のベクトルが連結されたグラフ情報を取得する。

このように、実施形態に係る情報処理装置１００は、複数の事象の各々に対応する文字情報がベクトル化された複数のベクトルが連結されたグラフ情報を取得することにより、類似事象に関連する情報を適切に抽出することができる。

また、実施形態に係る情報処理装置１００において、抽出部１３４は、一の事象が所定の条件を満たす場合、グラフ情報を検索し、類似事象に対応付けられた事象関連情報を抽出する。

このように、実施形態に係る情報処理装置１００は、一の事象が所定の条件を満たす場合、グラフ情報を検索し、類似事象に対応付けられた事象関連情報を抽出することにより、類似事象に関連する情報を適切に抽出することができる。

また、実施形態に係る情報処理装置１００において、抽出部１３４は、一の事象が通常の事象と異なる事象である場合、グラフ情報を検索し、類似事象に対応付けられた事象関連情報を抽出する。

このように、実施形態に係る情報処理装置１００は、一の事象が通常の事象と異なる事象である場合、グラフ情報を検索し、類似事象に対応付けられた事象関連情報を抽出することにより、類似事象に関連する情報を適切に抽出することができる。

また、実施形態に係る情報処理装置１００において、抽出部１３４は、所定のタイミングで、グラフ情報を検索し、類似事象に対応付けられた事象関連情報を抽出する。

このように、実施形態に係る情報処理装置１００は、所定のタイミングで、グラフ情報を検索し、類似事象に対応付けられた事象関連情報を抽出することにより、類似事象に関連する情報を適切に抽出することができる。

また、実施形態に係る情報処理装置１００において、取得部１３１は、複数の事象の各々の分析結果を含む事象関連情報を取得する。

このように、実施形態に係る情報処理装置１００は、複数の事象の各々の分析結果を含む事象関連情報を取得することにより、類似事象に関連する情報を適切に抽出することができる。

また、実施形態に係る情報処理装置１００において、取得部１３１は、複数の事象の各々の発生理由を含む事象関連情報を取得する。

このように、実施形態に係る情報処理装置１００は、複数の事象の各々の発生理由を含む事象関連情報を取得することにより、類似事象に関連する情報を適切に抽出することができる。

また、実施形態に係る情報処理装置１００において、取得部１３１は、複数の事象の各々の発生後における行動を示す情報を含む事象関連情報を取得する。

このように、実施形態に係る情報処理装置１００は、複数の事象の各々の発生後における行動を示す情報を含む事象関連情報を取得することにより、類似事象に関連する情報を適切に抽出することができる。

また、実施形態に係る情報処理装置１００において、取得部１３１は、複数の事象の各々への対処内容を示す情報を含む事象関連情報を取得する。

このように、実施形態に係る情報処理装置１００は、複数の事象の各々への対処内容を示す情報を含む事象関連情報を取得することにより、類似事象に関連する情報を適切に抽出することができる。

また、実施形態に係る情報処理装置１００において、取得部１３１は、複数の事象の各々への対処として所定の情報処理装置が実行した処理に基づく情報であって、情報処理装置が処理を自動実行可能な形式の情報である指令情報を含む事象関連情報を取得する。

このように、実施形態に係る情報処理装置１００は、複数の事象の各々への対処として所定の情報処理装置が実行した処理に基づく情報であって、情報処理装置が処理を自動実行可能な形式の情報である指令情報を含む事象関連情報を取得することにより、類似事象に関連する情報を適切に抽出することができる。

また、実施形態に係る情報処理装置１００において、取得部１３１は、複数の事象の各々の評価を示す情報を含む事象関連情報を取得する。

このように、実施形態に係る情報処理装置１００は、複数の事象の各々の評価を示す情報を含む事象関連情報を取得することにより、類似事象に関連する情報を適切に抽出することができる。

また、実施形態に係る情報処理装置１００において、取得部１３１は、複数の事象の各々の評価を示すスコアを含む事象関連情報を取得する。

このように、実施形態に係る情報処理装置１００は、複数の事象の各々の評価を示すスコアを含む事象関連情報を取得することにより、類似事象に関連する情報を適切に抽出することができる。

また、実施形態に係る情報処理装置１００において、抽出部１３４は、抽出した類似事象のスコアに基づいて、類似事象の事象関連情報を順位付けする。

このように、実施形態に係る情報処理装置１００は、抽出した類似事象のスコアに基づいて、類似事象の事象関連情報を順位付けすることにより、類似事象に関連する情報を適切に抽出することができる。

また、実施形態に係る情報処理装置１００は、提供部１３５を有する。提供部１３５は、抽出部１３４により抽出された類似事象に基づいて、所定のサービスを提供する。

このように、実施形態に係る情報処理装置１００は、抽出した類似事象に基づいて、所定のサービスを提供することにより、類似の事象に関する情報を用いたサービスを適切に提供することができる。

また、実施形態に係る情報処理装置１００において、提供部１３５は、類似事象に対応付けられた事象関連情報に関する情報提供サービスを提供する。

このように、実施形態に係る情報処理装置１００は、抽出した類似事象に対応付けられた事象関連情報に関する情報提供サービスを提供することにより、類似の事象に関する情報を用いたサービスを適切に提供することができる。

また、実施形態に係る情報処理装置１００において、取得部１３１は、所定のシステムにおいてログが出力される複数の事象の各々に対応する複数のベクトルが類似性に応じて連結されたグラフ情報を取得する。

このように、実施形態に係る情報処理装置１００は、所定のシステムにおいてログが出力される複数の事象の各々に対応する複数のベクトルが類似性に応じて連結されたグラフ情報を取得することにより、類似事象に関連する情報を適切に抽出することができる。

また、実施形態に係る情報処理装置１００において、取得部１３１は、所定のシステムにおいてログが出力される複数の事象の各々に対応する複数のベクトルが類似性に応じて連結されたグラフ情報を取得する。

このように、実施形態に係る情報処理装置１００は、所定のシステムにおいてログが出力される複数の事象の各々に対応する複数のベクトルが類似性に応じて連結されたグラフ情報を取得することにより、類似事象に関連する情報を適切に抽出することができる。

また、実施形態に係る情報処理装置１００において、取得部１３１は、所定のシステムにおけるアラートに関する複数の事象の各々に対応する複数のベクトルが類似性に応じて連結されたグラフ情報を取得する。

このように、実施形態に係る情報処理装置１００は、所定のシステムにおけるアラートに関する複数の事象の各々に対応する複数のベクトルが類似性に応じて連結されたグラフ情報を取得することにより、類似事象に関連する情報を適切に抽出することができる。

また、実施形態に係る情報処理装置１００において、取得部１３１は、複数の事象の各々に対応するログに関する情報がベクトル化された複数のベクトルが連結されたグラフ情報を取得する。

このように、実施形態に係る情報処理装置１００は、所複数の事象の各々に対応するログに関する情報がベクトル化された複数のベクトルが連結されたグラフ情報を取得することにより、類似事象に関連する情報を適切に抽出することができる。

〔８．ハードウェア構成〕
上述してきた実施形態に係る情報処理装置１００は、例えば図１３に示すような構成のコンピュータ１０００によって実現される。図１３は、情報処理装置の機能を実現するコンピュータの一例を示すハードウェア構成図である。コンピュータ１０００は、ＣＰＵ１１００、ＲＡＭ１２００、ＲＯＭ（Read Only Memory）１３００、ＨＤＤ（Hard Disk Drive）１４００、通信インターフェイス（Ｉ／Ｆ）１５００、入出力インターフェイス（Ｉ／Ｆ）１６００、及びメディアインターフェイス（Ｉ／Ｆ）１７００を有する。

ＣＰＵ１１００は、ＲＯＭ１３００またはＨＤＤ１４００に格納されたプログラムに基づいて動作し、各部の制御を行う。ＲＯＭ１３００は、コンピュータ１０００の起動時にＣＰＵ１１００によって実行されるブートプログラムや、コンピュータ１０００のハードウェアに依存するプログラム等を格納する。

ＨＤＤ１４００は、ＣＰＵ１１００によって実行されるプログラム、及び、かかるプログラムによって使用されるデータ等を格納する。通信インターフェイス１５００は、ネットワークＮを介して他の機器からデータを受信してＣＰＵ１１００へ送り、ＣＰＵ１１００が生成したデータをネットワークＮを介して他の機器へ送信する。

ＣＰＵ１１００は、入出力インターフェイス１６００を介して、ディスプレイやプリンタ等の出力装置、及び、キーボードやマウス等の入力装置を制御する。ＣＰＵ１１００は、入出力インターフェイス１６００を介して、入力装置からデータを取得する。また、ＣＰＵ１１００は、生成したデータを入出力インターフェイス１６００を介して出力装置へ出力する。

メディアインターフェイス１７００は、記録媒体１８００に格納されたプログラムまたはデータを読み取り、ＲＡＭ１２００を介してＣＰＵ１１００に提供する。ＣＰＵ１１００は、かかるプログラムを、メディアインターフェイス１７００を介して記録媒体１８００からＲＡＭ１２００上にロードし、ロードしたプログラムを実行する。記録媒体１８００は、例えばＤＶＤ（Digital Versatile Disc）、ＰＤ（Phase change rewritable Disk）等の光学記録媒体、ＭＯ（Magneto-Optical disk）等の光磁気記録媒体、テープ媒体、磁気記録媒体、または半導体メモリ等である。

例えば、コンピュータ１０００が実施形態に係る情報処理装置１００として機能する場合、コンピュータ１０００のＣＰＵ１１００は、ＲＡＭ１２００上にロードされたプログラムまたはデータ（例えば、モデルＭ１（モデルデータＭＤＴ１））を実行することにより、制御部１３０の機能を実現する。コンピュータ１０００のＣＰＵ１１００は、これらのプログラムまたはデータ（例えば、モデルＭ１（モデルデータＭＤＴ１））を記録媒体１８００から読み取って実行するが、他の例として、他の装置からネットワークＮを介してこれらのプログラムを取得してもよい。

以上、本願の実施形態のいくつかを図面に基づいて詳細に説明したが、これらは例示であり、発明の開示の行に記載の態様を始めとして、当業者の知識に基づいて種々の変形、改良を施した他の形態で本発明を実施することが可能である。

〔９．その他〕
また、上記実施形態において説明した各処理のうち、自動的に行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行うこともでき、あるいは、手動的に行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行うこともできる。この他、上記文書中や図面中で示した処理手順、具体的名称、各種のデータやパラメータを含む情報については、特記する場合を除いて任意に変更することができる。例えば、各図に示した各種情報は、図示した情報に限られない。

また、図示した各装置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。

また、上述してきた各実施形態に記載された各処理は、処理内容を矛盾させない範囲で適宜組み合わせることが可能である。

また、上述してきた「部（section、module、unit）」は、「手段」や「回路」などに読み替えることができる。例えば、取得部は、取得手段や取得回路に読み替えることができる。

１ 情報処理システム
１００ 情報処理装置
１２１ 事象情報記憶部
１２２ インデックス情報記憶部
１２３ グラフ情報記憶部
１２４ モデル情報記憶部
１３０ 制御部
１３１ 取得部
１３２ 生成部
１３３ 決定部
１３４ 抽出部
１３５ 提供部
１０ 端末装置
５０ 情報提供装置
Ｎ ネットワーク

Claims (20)

1. 複数の事象の各々に対応する複数のベクトルが類似性に応じて連結されたグラフ情報と、前記複数の事象の各々に対応付けられた情報であって、対応付けられた事象に関連する情報であり、前記複数の事象の各々の評価を示すスコアを含む事象関連情報と、一の事象に関する情報を取得する取得部と、
   前記グラフ情報の前記複数のベクトルのうち、所定の基準に基づいて決定された前記グラフ情報の検索の起点となる起点ベクトルを起点として前記グラフ情報を検索し、前記複数の事象のうち、前記一の事象に類似する事象である類似事象を抽出することにより、前記類似事象に対応付けられた前記事象関連情報を抽出し、抽出した前記類似事象の前記スコアと、前記類似事象の前記一の事象との類似度に基づいて算出したランキングスコアを用いて、前記類似事象の前記事象関連情報を順位付けする抽出部と、
   を備えたことを特徴とする情報処理装置。
2. 前記起点ベクトルの決定に用いるインデックス情報に基づいて、前記起点ベクトルを決定する決定部、
   をさらに備え、
   前記抽出部は、
   前記決定部により決定された前記起点ベクトルを起点として、前記類似事象を抽出することを特徴とする請求項１に記載の情報処理装置。
3. 前記決定部は、
   木構造型の前記インデックス情報に基づいて、前記起点ベクトルを決定する
   ことを特徴とする請求項２に記載の情報処理装置。
4. 前記取得部は、
   前記複数の事象の各々に対応する複数の情報がベクトル化された前記複数のベクトルが連結された前記グラフ情報を取得する
   ことを特徴とする請求項１〜３のいずれか１項に記載の情報処理装置。
5. 前記取得部は、
   前記複数の事象の各々に対応する文字情報がベクトル化された前記複数のベクトルが連結された前記グラフ情報を取得する
   ことを特徴とする請求項１〜４のいずれか１項に記載の情報処理装置。
6. 前記抽出部は、
   前記一の事象が所定の条件を満たす場合、前記グラフ情報を検索し、前記類似事象に対応付けられた前記事象関連情報を抽出する
   ことを特徴とする請求項１〜５のいずれか１項に記載の情報処理装置。
7. 前記抽出部は、
   前記一の事象が通常の事象と異なる事象である場合、前記グラフ情報を検索し、前記類似事象に対応付けられた前記事象関連情報を抽出する
   ことを特徴とする請求項１〜６のいずれか１項に記載の情報処理装置。
8. 前記抽出部は、
   所定のタイミングで、前記グラフ情報を検索し、前記類似事象に対応付けられた前記事象関連情報を抽出する
   ことを特徴とする請求項１〜７のいずれか１項に記載の情報処理装置。
9. 前記取得部は、
   前記複数の事象の各々の分析結果を含む前記事象関連情報を取得する
   ことを特徴とする請求項１〜８のいずれか１項に記載の情報処理装置。
10. 前記取得部は、
    前記複数の事象の各々の発生理由を含む前記事象関連情報を取得する
    ことを特徴とする請求項１〜９のいずれか１項に記載の情報処理装置。
11. 前記取得部は、
    前記複数の事象の各々の発生後における行動を示す情報を含む前記事象関連情報を取得する
    ことを特徴とする請求項１〜１０のいずれか１項に記載の情報処理装置。
12. 前記取得部は、
    前記複数の事象の各々への対処内容を示す情報を含む前記事象関連情報を取得する
    ことを特徴とする請求項１〜１１のいずれか１項に記載の情報処理装置。
13. 前記取得部は、
    前記複数の事象の各々への対処として所定の情報処理装置が実行した処理に基づく情報であって、情報処理装置が前記処理を自動実行可能な形式の情報である指令情報を含む前記事象関連情報を取得する
    ことを特徴とする請求項１〜１２のいずれか１項に記載の情報処理装置。
14. 前記抽出部により抽出された前記類似事象に基づいて、所定のサービスを提供する提供部、
    をさらに備えたことを特徴とする請求項１〜１３のいずれか１項に記載の情報処理装置。
15. 前記提供部は、
    前記類似事象に対応付けられた前記事象関連情報に関する情報提供サービスを提供する
    ことを特徴とする請求項１４に記載の情報処理装置。
16. 前記取得部は、
    所定のシステムにおいてログが出力される前記複数の事象の各々に対応する複数のベクトルが類似性に応じて連結された前記グラフ情報を取得する
    ことを特徴とする請求項１〜１５のいずれか１項に記載の情報処理装置。
17. 前記取得部は、
    前記所定のシステムにおけるアラートに関する前記複数の事象の各々に対応する複数のベクトルが類似性に応じて連結された前記グラフ情報を取得する
    ことを特徴とする請求項１６に記載の情報処理装置。
18. 前記取得部は、
    前記複数の事象の各々に対応する前記ログに関する情報がベクトル化された前記複数のベクトルが連結された前記グラフ情報を取得する
    ことを特徴とする請求項１６または請求項１７に記載の情報処理装置。
19. コンピュータが実行する情報処理方法であって、
    複数の事象の各々に対応する複数のベクトルが類似性に応じて連結されたグラフ情報と、前記複数の事象の各々に対応付けられた情報であって、対応付けられた事象に関連する情報であり、前記複数の事象の各々の評価を示すスコアを含む事象関連情報と、一の事象に関する情報を取得する取得工程と、
    前記グラフ情報の前記複数のベクトルのうち、所定の基準に基づいて決定された前記グラフ情報の検索の起点となる起点ベクトルを起点として前記グラフ情報を検索し、前記複数の事象のうち、前記一の事象に類似する事象である類似事象を抽出することにより、前記類似事象に対応付けられた前記事象関連情報を抽出し、抽出した前記類似事象の前記スコアと、前記類似事象の前記一の事象との類似度に基づいて算出したランキングスコアを用いて、前記類似事象の前記事象関連情報を順位付けする抽出工程と、
    を含んだことを特徴とする情報処理方法。
20. 複数の事象の各々に対応する複数のベクトルが類似性に応じて連結されたグラフ情報と、前記複数の事象の各々に対応付けられた情報であって、対応付けられた事象に関連する情報であり、前記複数の事象の各々の評価を示すスコアを含む事象関連情報と、一の事象に関する情報を取得する取得手順と、
    前記グラフ情報の前記複数のベクトルのうち、所定の基準に基づいて決定された前記グラフ情報の検索の起点となる起点ベクトルを起点として前記グラフ情報を検索し、前記複数の事象のうち、前記一の事象に類似する事象である類似事象を抽出することにより、前記類似事象に対応付けられた前記事象関連情報を抽出し、抽出した前記類似事象の前記スコアと、前記類似事象の前記一の事象との類似度に基づいて算出したランキングスコアを用いて、前記類似事象の前記事象関連情報を順位付けする抽出手順と、
    をコンピュータに実行させることを特徴とする情報処理プログラム。

Images