JP6582277B1 - ブロックチェーン履歴蓄積システム及びブロックチェーン履歴蓄積方法 - Google Patents

Abstract

【課題】ニューラルネットワーク又はディープラーニングで生成された学習済みモデルをブロックチェーンで記録するブロックチェーン履歴蓄積システム及びブロックチェーン履歴蓄積記録方法を提供する。【解決手段】学習済みモデルの生成で導入された解決コンセプト、解決コンセプトを解決させる学習済みモデル、学習済みモデルを生成させる教師データを記録するデータベースと、導入された解決コンセプトを解決させる学習済みモデルが存在するか否かを判定し、導入された解決コンセプトを解決させる学習済みモデルが存在する場合は解決した解決コンセプトに関連する全データを新たなブロックチェーンとして格納して連結させる【選択図】図１

Description

本発明は、ＡＩ（人工知能：Artificial Intelligence）によって提示された解決コンセプトをネットワーク内に構築されるブロックチェーンで連結されるブロックに記録するブロックチェーン履歴蓄積システム及びブロックチェーン履歴蓄積記録方法に関するものである。

ニューラルネットワークやディープラーニングは、多種多様な言語の翻訳、膨大な量の画像分類、又は画像生成等のタスクや実行を、機械や装置に対して行わせる最も成功した機械学習技術として知られている。ニューラルネットワークやディープラーニングでは、最初に大量の教師データを用いて学習済みモデルを作り、その学習済みモデルに対して評価対象のデータを投入することで、問題解決の結果を得ることが可能となる。

これらニューラルネットワークやディープラーニングを用いた問題解決の探索は、大量の教師データを用いることで、短時間に効率よく、問題解決のためのイノベーション創出を支援することが可能となる。この場合、教師データとして、例えば、特許管理データベースを用いることも可能である。特許管理データベースは、構造化された技術文書であり、ある技術について何が課題で、どのように解決して、具体的にどう実現するか、どのような効果があるのか、誰がいつ発明し、既存技術との差異はどこか、等の詳細が全て記録され、公開されている。そのため、特許管理データベースを教師データとして用いれば、適切な問題解決の結果を得ることができる。

例えば、特許文献１及び特許文献２には、ＡＩに制御され、マイニング手段により抽出した参照用文字列と解決コンセプト（例えば、等価変換理論、ＴＲＩＺ、ＡＲＩＺ、ＱＦＤ、タグチメソッド等）との関連性を事前に人工知能により学習させ、関連性の高い解決コンセプトを探索させることについて開示されている。

さらに、特許文献１及び特許文献２には、参照用文字列の組み合わせと解決コンセプトとの関連性について、ＡＩによる学習済みモデルを再学習により随時更新することができ、ユーザは、それら関連性を選択することができる。ユーザにより選択された結果は、参照用文字列と解決コンセプトの関連性を高くし、ユーザにより選択されなかった参照用文字列と解決コンセプトの関連性は低くし、よりユーザが受け入れやすく、また解決に最も近道となるような解決コンセプトの提供について開示されている。

また、例えば、非特許文献１には、ニューラルネットワークやディープラーニングでは、大量の教師データを一度に導入される場合にのみ、処理を実行できるように設計されている。そのため、前述のような学習済みモデルの随時更新において大量の教師データ受け付けると、以前に設定した各種パラメータや比較データ、それらの重み等は、新しい機械学習の解決コンセプトの解決ため上書きされてしまうという破滅的忘却の問題がある。

特許第６０１９３０３号明細書 特許第６０１９３０４号明細書

James Kirkpatricka, Razvan Pascanua, Neil Rabinowitza, Joel Venessa, Guillaume Desjardinsa,Andrei A. Rusua, Kieran Milana, John Quana, Tiago Ramalhoa, Agnieszka Grabska-Barwinska a,Demis Hassabisa, Claudia Clopathb, Dharshan Kumarana, Raia Hadsella、「Overcoming catastrophic forgetting in neuralnetworks」、arXiv:1612.00796v2、DeepMind、2016年12月2日

ところで、上述した特許文献１及び特許文献２には、参照用文字列の組み合わせと解決コンセプト等の学習済みモデルを再学習により随時更新することについての開示はあるが、以前に習得した解決コンセプト等の再利用等については考慮されていなかった。

また、非特許文献１には、新たな解決コンセプトを学習しようとするとき、以前に学習した解決コンセプトの抽出のための情報やデータが上書きされてしまい、保護することができず、過去に学習した結果や設定した各種パラメータや比較データ、重み等を再利用し、効率のよいアイデア創造支援が行うのが難しかった。

そこで本発明は、上述した問題点に鑑みて案出されたものであり、その目的とするところは、以前に学習した解決コンセプトの抽出のための情報やデータを、ブロックチェーンで連結されるブロックに記録することで保護し、効率のよいアイデア創造支援を行うことできるブロックチェーン履歴蓄積システムを提供することにある。

第１発明に係るブロックチェーン履歴蓄積システムは、新たに創作する創作物に関する情報から文字列を抽出するマイニング手段と、予め取得した各参照用文字列と２種類以上に分類された各解決コンセプトとの３段階以上の連関度を参照し、上記マイニング手段により抽出された文字列に応じた参照用文字列と解決コンセプトとの３段階以上の連関度に基づき、１以上の解決コンセプトを探索する探索手段と、新たに提供された情報に基づいて文字列と解決コンセプトとの関係を取得し、これを上記参照すべき連関度に反映させるように学習させる学習手段と、を有するアイデア創造支援学習部と、新たに創作する創作物に関する情報に付された属性情報及び／又は上記抽出した文字列に基づいて、上記創作物に関する情報のグルーピングを行うグルーピング手段と、上記学習手段において新たな文字列と解決コンセプトとの関係を取得した場合には、これらと、上記反映された連関度と、上記グルーピング手段によりグルーピングされた創作物に関する情報を各グループ単位で、ネットワーク内に構築されるブロックチェーンで連結されるブロックに記録する記録手段とを備え、上記記録手段は、上記関係を取得する都度、上記ブロック上において記録した内容の履歴を蓄積すること、を特徴とする。

第２発明に係るブロックチェーン履歴蓄積システムは、第１発明において、上記グルーピング手段は、特定の領域から抽出された文字列に基づいて、上記グルーピングを行うこと、を特徴とする。

第３発明に係るブロックチェーン履歴蓄積システムは、第１発明において、上記グルーピング手段は、上記各ブロックに蓄積された内容の履歴に基づいて、上記グルーピングを行うことを特徴とする。

第４明に係るブロックチェーン履歴蓄積システムは、第１発明において、上記グルーピング手段は、上記属性情報及び／又は上記抽出した文字列に基づいて取得されたソーシャルネットワーク上での話題情報に基づいて、上記グルーピングを行うこと、を特徴とする。

第５発明に係るブロックチェーン履歴蓄積システムは、第１発明において、上記グルーピング手段は、特定の領域から抽出された文字列に禁止情報が含まれる場合、前記禁止情報を排除したグルーピングを行い、上記記録手段は、上記グルーピング手段により作成された上記禁止情報を排除したグループ単位で、上記ブロックチェーンにおける各ブロックに記録すること、を特徴とする。

第６発明に係るブロックチェーン履歴蓄積システムは、第１発明において、上記属性情報は、上記創作物の作成に関わった関与者に関する情報及び／又は前記関与者の関与の程度に関する情報を含むこと、を特徴とする。

第７発明に係るブロックチェーン履歴蓄積方法は、新たに創作する創作物に関する情報から文字列を抽出する抽出ステップと、予め取得した各参照用文字列と２種類以上に分類された各解決コンセプトとの３段階以上の連関度を参照し、上記抽出ステップにより抽出された文字列に応じた参照用文字列と解決コンセプトとの３段階以上の連関度に基づき、１以上の解決コンセプトを探索する探索ステップと、新たに提供された情報に基づいて文字列と解決コンセプトとの関係を取得し、これを上記参照すべき連関度に反映させるように学習させる学習ステップと、新たに創作する創作物に関する情報に付された属性情報及び／又は上記抽出した文字列に基づいて、上記創作物に関する情報のグルーピングを行うグルーピングステップと、上記学習ステップにおいて新たな文字列と解決コンセプトとの関係を取得した場合には、これらと、上記反映された関連度と、上記グルーピングステップによりグルーピングされた創作物に関する情報を各グループ単位で、ネットワーク内に構築されるブロックチェーンで連結されるブロックに記録するとともに、上記関係を取得する都度、上記ブロック上において記録した内容の履歴を蓄積する記録ステップと、をコンピュータが実行することを特徴とする。

第１発明〜第６発明によれば、学習手段は、新たに提供された情報に基づいて文字列と解決コンセプトとの関係を取得し、連関度に反映させるように学習を行う。このため、解決コンセプト及び反映された連関度をネットワーク内に構築されるブロックチェーンで連結されるブロックに記録できる。これにより、以前に学習した解決コンセプトの抽出のための情報やデータを保護でき、過去に学習した結果や設定した各種パラメータや比較データ、重み等を再利用し、効率のよいアイデア創造支援が行うことが可能となる。

特に、第１発明〜第６発明によれば、グルーピング手段は、新たに創作する創作物に関する情報に付された属性情報及び／又は文字列を抽出する。このため、創作物に関する情報のグルーピングでき、作成された各グループ単位でブロックチェーンにおける各ブロックに記録することができる。これにより、過去に学習した結果や設定した各種パラメータや比較データ、重み等を再利用し、効率のよいアイデア創造支援を行うことが可能となる。

特に、第２発明によれば、グルーピング手段は、特定の領域から抽出された文字列に基づいてグルーピングを行う。このため、特定の領域から抽出された文字列のグループ単位でブロックに記録することができる。これにより、全てのブロックに記録された情報を確認する必要がなくなり、過去に学習した結果や設定した各種パラメータや比較データ、重み等を再利用し、効率のよいアイデア創造支援を行うことが可能となる。

特に、第３発明によれば、グルーピング手段は、各ブロックに蓄積された内容の履歴に基づいて、グルーピングを行う。このため、蓄積された内容の参照の度合いや活用の回数等に基づき、各グループ単位でブロックチェーンにおける各ブロックに記録することができる。これにより、際立ったグループを保護することができ、過去に学習した結果や設定した各種パラメータや比較データ、重み等を再利用し、インセンティブを付与したアイデア創造支援が行うことが可能となる。

特に、第４発明によれば、グルーピング手段は、属性情報及び／又は上記抽出した文字列に基づいて取得されたソーシャルネットワーク上での話題情報を抽出する。このため、外部で話題性のある情報と対応付けたグルーピングができる。これにより、過去に学習した結果や設定した各種パラメータや比較データ、重み等を再利用し、最新の話題やトレンドを考慮し、効率のよいアイデア創造支援が行うことが可能となる。さらに、文献情報の他に、鮮度の高い教師データとして取り込むことができる。これにより、効率のよいニューラルネットワーク又はディープラーニングによる解決コンセプトの提示を実現することができる。

特に、第５発明によれば、グルーピング手段は、特定の領域から抽出された文字列に禁止情報が含まれる場合、禁止情報を排除したグルーピングを行う。このため、有害な情報を排除した保護をすることができる。これにより、過去に学習した結果や設定した各種パラメータや比較データ、重み等の中から問題の無い情報やデータを再利用でき、効率のよいアイデア創造支援が行うことできる。

特に、第６発明によれば、属性情報は、創作物の作成に関わった関与者に関する情報及び／又は前記関与者の関与の程度に関する情報を有する。このため、各創作物や登録されるコンテンツの加工者、又は提供者に応じたインセンティブの付与が可能となる。これにより、新旧の教師データ等の対応が明確になり、効率のよいアイデア創造支援が行うことが可能となる。

第７発明によれば、コンピュータが、学習ステップにより、新たに提供された情報に基づいて文字列と解決コンセプトとの関係を取得し、連関度に反映させるように学習を行う。また、グルーピングステップは、新たに創作する創作物に関する情報に付された属性情報及び／又は抽出した文字列に基づいて、創作物に関する情報のグルーピングを実行する。このため、解決コンセプト及び反映された連関度と、グルーピングステップによりグルーピングされた創作物に関する情報を各グループ単位で、ネットワーク内に構築されるブロックチェーンで連結されるブロックに記録できる。これにより、以前に学習した解決コンセプトの抽出のための情報やデータを保護でき、過去に学習した結果や設定した各種パラメータや比較データ、重み等を再利用し、効率のよいアイデア創造支援が行うことが可能となる。

図１は、第１実施形態におけるブロックチェーン履歴蓄積システムの全体構成の一例を示すブロック図である 図２は、第１実施形態におけるコンテンツ流通管理装置の構成の一例を示す模式図である。 図３は、第１実施形態におけるコンテンツ流通管理装置の機能の一例を示す模式図である。 第１実施形態におけるブロックチェーン履歴蓄積システムの学習モデルの一例を示す模式図である。 図５は、第１実施形態における管理データベースの一例を示すコンテンツ管理テーブルである。 図６は、第１実施形態における管理データベースの一例を示す関連情報テーブルである。 図７は、第１実施形態における管理データベースの一例を示すコンテンツ関与者テーブルである。 図８は、第１実施形態における参照データベースの一例を示す学習済みモデル更新テーブルである。 図９は、第１実施形態におけるブロックチェーン履歴蓄積システムのデータベースの一例を示すコンテンツ判定管理テーブルである。 図１０は、第１実施形態におけるブロックチェーン履歴蓄積システムのデータベースの一例を示すコンテンツ活用履歴テーブルである。 図１１は、第１実施形態における参照データベースの一例を示す学習済みモデル管理テーブルである。 図１２は、第１実施形態におけるブロックチェーン履歴蓄積システムの動作の一例を示すフローチャートである。 図１３は、第１実施形態における履歴蓄積の一例を示す模式図である。 図１４は、第２実施形態における創作物履歴の一例を示す模式図である。 図１５は、第３実施形態における文字列履歴の一例を示す模式図である。 図１６は、第４実施形態における内容履歴の一例を示す模式図である。 図１７は、第５実施形態における話題履歴の一例を示す模式図である。 図１８は、第６実施形態における排除履歴の一例を示す模式図である。

以下、本発明の実施形態におけるブロックチェーン履歴蓄積システム及びブロックチェーン履歴蓄積方法の一例について、図面を参照しながら説明する。

（第１実施形態：コンテンツ流通管理装置１の構成）
図１〜図４を参照して、第１実施形態におけるコンテンツ流通管理装置１の構成の一例について説明する。図１は、本実施形態におけるコンテンツ流通管理装置１の全体構成を示すブロック図である。

図１に示すように、ブロックチェーン履歴蓄積システム１００は、例えば、コンテンツ流通管理装置１を備える。コンテンツ流通管理装置１は、例えば、公衆通信網４（インターネット４ａ、コンテンツ流通ネットワーク４ｂ、ブロックチェーンネットワーク４ｃ）を介して、ユーザ端末５（５ａ〜５ｃ、等）、及びデータベース６（管理データベース６ａ、参照データベース６ｂ）の少なくともいずれかと接続されていてもよい。

＜コンテンツ流通管理装置１＞
本実施形態におけるコンテンツ流通管理装置１は、主にネットワーク上に設けられ、例えば、企業や研究機関等において問題解決及びアイデア発想に関わるＲ＆Ｄ事業部及び製品開発事業部等の研究者・開発者・エンジニア等が用いる。コンテンツ流通管理装置１は、特許管理データベース、及び企業や研究機関等が保持する膨大な量の技術情報、解決コンセプトの抽出のための情報やデータ用いて、効率のよいアイデア創造を支援するためのものである。

図２は、ブロックチェーン履歴蓄積システム１００におけるコンテンツ流通管理装置１の構成の一例を示す模式図である。コンテンツ流通管理装置１として、メインフレーム、ミッドレンジ、ワークステーション、スーパーコンピュータ等の電子機器が用いられる。コンテンツ流通管理装置１は、筐体１０と、ＣＰＵ１１と、ＲＯＭ１２と、ＲＡＭ１３と、記憶部１４と、Ｉ／Ｆ１５〜１７とを備える。Ｉ／Ｆ１５〜１７は、内部バス１８により接続される。

ＣＰＵ（Central Processing Unit）１１は、コンテンツ流通管理装置１全体を制御する。ＲＯＭ（Read Only Memory）１２は、ＣＰＵ１１の動作コードを格納する。ＲＡＭ（Random Access Memory）１３は、ＣＰＵ１１の動作時に使用される作業領域である。記憶部１４は、アプリケーションプログラム、解析ロジック、語彙・構文プログラム等の各種情報が記憶される。記憶部１４として、例えばＨＤＤ（Hard Disk Drive）の他、ＳＳＤ（solid state drive）等のデータ保存装置が用いられる。なお、例えばコンテンツ流通管理装置１は、図示しないＧＰＵ（Graphics Processing Unit）を有してもよい。ＧＰＵを有することで、通常よりも高速演算処理が可能となる。

Ｉ／Ｆ１５は、公衆通信網４を介してユーザ端末５、外部データベース（図示せず）等との各種情報の送受信を行うためのインターフェースである。Ｉ／Ｆ１６は、入力部分２０との情報の送受信を行うためのインターフェースである。入力部分２０として、例えばキーボードが用いられ、ブロックチェーン履歴蓄積システム１００の管理者や運営者等は、入力部分２０を介して、各種情報又はコンテンツ流通管理装置１の制御コマンド等を入力する。Ｉ／Ｆ１７は、出力部分１９との各種情報の送受信を行うためのインターフェースである。出力部分１９は、記憶部１４に保存された各種情報、又はコンテンツ流通管理装置１の処理状況等を出力する。出力部分１９として、ディスプレイが用いられ、例えばタッチパネル式でもよい。

図３は、ブロックチェーン履歴蓄積システム１００におけるコンテンツ流通管理装置１の機能の一例を示す模式図である。コンテンツ流通管理装置１は、アイデア創造支援学習部２、ブロックチェーン部３、記憶手段２４、グルーピング手段２５、送受信手段２６、判定手段２７、及び許可手段２８と、を少なくとも備え、さらに管理データベース６ａ及び参照データベース６ｂと接続する。なお、図３に示した機能は、ＣＰＵ１１が、ＲＡＭ１３を作業領域として、記憶部１４等に記憶されたプログラムを実行することにより実現される。また、Ｉ／Ｆ１５〜１７は、例えば人工知能により制御されてもよい。ここで、「人工知能」は、いかなる周知の人工知能技術に基づくものであってもよい。

＜アイデア創造支援学習部２＞
図４に、学習済みモデルのアイデア創造支援学習部２の一例を示す。アイデア創造支援学習部２は、例えば、新たに創作する創作物に関する情報から文字列を抽出するマイニング手段２１と、予め取得した各参照用文字列と２種類以上に分類された各解決コンセプトとの３段階以上の連関度を参照し、マイニング手段２１により抽出された文字列に応じた参照用文字列と解決コンセプトとの３段階以上の連関度に基づき、１以上の解決コンセプトを探索する探索手段２２と、新たに提供された情報に基づいて文字列と解決コンセプトとの関係を取得し、これを参照すべき連関度に反映させるように学習させる学習手段２３により構成される。

アイデア創造支援学習部２は、教師データとして、例えば、参照データベース６ｂに記憶されるデータベースを用いる。用いられるデータベースは、例えば、「特許公報ＤＢ」、「研究リポートＤＢ」、「技術報告書ＤＢ」、「アイデアメモ」等のデータベースである。これらのデータベースは、例えば、外部の公衆通信網４を介して、ダウンロードされてもよい。各データベースから、学習対象範囲として、所定のデータが教師データとして抽出される。これにより、例えば、精度の高い教師データに基づき、学習モデルを生成することが可能となる。

アイデア創造支援学習部２は、例えば、連関度を算出できるアルゴリズムを有してもよく、過去の評価対象情報、参照文字列、及び連関度に基づいて最適化された関数（分類器）が用いられてもよい。学習モデルには、例えば、機械学習を用いて構築される。機械学習の方法として、例えば深層学習が用いられ、その他としては、ニューラルネットワークで構成されていてもよい。その場合、連関度は隠れ層及び重み変数で示されてもよい。

＜マイニング手段２１＞
マイニング手段２１は、新たに創作する創作物に関する情報から文字列を抽出する。マイニング手段２１は、基本情報として、例えば、文献等の情報から文字列を抽出する。文字列の抽出は、例えば、評価対象となる情報群Ａと他の情報群Ｂに含まれるそれぞれの文字列の組み合せの重要度等から、評価対象となる情報を抽出してもよい。

＜探索手段２２＞
探索手段２２は、マイニング手段２１で予め取得した各参照用文字列と２種類以上に分類された各解決コンセプトとの３段階以上の連関度を参照し、マイニング手段２１により抽出された文字列に応じた参照用文字列と解決コンセプトとの３段階以上の連関度に基づき、１以上の解決コンセプトを探索する。

探索手段２２は、例えば、過去の評価対象情報に含まれる「Ａ１１」は、参照情報に含まれる「Ａ１」との間における連関度「７２％」を示し、「Ａ３」との間における連関度「１５％」を示す。この場合、「Ａ１」は「Ａ３」に比べて「Ａ１１」との繋がりが強いため、「Ａ１１」と「Ａ１」との関係を取得する。

＜学習手段２３＞
学習手段２３は、マイニング手段２１により新たに提供された情報に基づき、探索手段２２により取得された文字列と解決コンセプトとの関係に基づき、参照すべき連関度に反映させるように学習モデルを学習させる。

＜記億手段２４＞
記憶手段２４は、例えば、学習手段２３において、新たな文字列と解決コンセプトとの関係を取得した場合には、これらと、すでに反映された連関度とをネットワーク内に構築されるブロックチェーン部３で連結される各ブロックに記録する。さらに、記憶部１４は、例えば、学習手段２３において、新たな文字列と解決コンセプトとの関係を取得する都度、すでにブロック上において記録した内容の履歴を蓄積する。記憶手段２４は、各情報の単位、又はあるまとまったグループ毎に記憶する、又は随時、所定の間隔で記憶するようにしてもよい。

＜グルーピング手段２５＞
グルーピング手段２５は、例えば、新たに創作する創作物に関する情報に付された属性情報及び／又は、学習手段２３において抽出した文字列に基づいて、創作物に関する情報のグルーピングを行う。記憶手段２４は、グルーピング手段２５により作成された各グループ単位で、ブロックチェーン部３における各ブロックに記録する。

＜送受信手段２６＞
送受信手段２６は、例えば、コンテンツ流通管理装置１と公衆通信網４（インターネット４ａ、コンテンツ流通ネットワーク４ｂ、ブロックチェーンネットワーク４ｃ）を介して接続されるユーザ端末５（５ａ〜５ｃ、等）、及びデータベース６（管理データベース６ａ、参照データベース６ｂ）との各データ及び情報等と送受信を行う。送受信手段２６を介してやり取りされた各履歴は、対応する各ブロック上に記録される。

＜判定手段２７＞
判定手段２７は、例えば、アイデア創造支援学習部２において、新たに提供された情報に基づき、取得された文字列と解決コンセプトとの関係や導入された解決コンセプトを解決させる学習済みモデルが存在するか否かの判定を、管理データベース６ａ及び参照データベース６ｂを参照して行う。

＜許可手段２８＞
許可手段２８は、学習手段２３により抽出された解決コンセプトに関する情報が記録されたブロックに、その後の学習済みモデルの上書きの許可を行う。例えば、判定手段２７による判定の結果に基づいて、学習手段２３において、取得された新たな文字列と解決コンセプトとの関係、学習モデル等を、対応するブロック上へ記録する許可を行う。これより、すでに記録された各データ及び情報が誤って上書きされることがなくなる。

＜ブロックチェーン部３＞
ブロックチェーン部３は、コンテンツ流通管理装置１において、例えば、ブロックチェーン技術に関するブロックチェーン制御手段３１、メタデータ生成手段３２、暗号化手段３３、電子署名手段３４を少なくとも備える。ブロックチェーン部３は、例えば、公衆通信網４のコンテンツ流通ネットワーク４ｂ上にブロックチェーンネットワーク４ｃを形成し、送受信手段２６を介してブロックチェーンネットワーク４ｃ上でやり取りされる全ての記録を記憶し、管理データベース６ａに蓄積する。

ブロックチェーンネットワーク４ｃには、ユーザ端末５のうち、例えば、会員として登録されるユーザ端末５ｂ〜ユーザ端末５ｃ等の端末が接続される。ユーザ端末５ｂ〜ユーザ端末５ｃ等の端末は、ブロックチェーンネットワーク４ｃにより相互に接続され、集中管理の役割を担う端末のない「ピア・ツー・ピア型」の管理で構成される。

＜ブロックチェーン制御手段３１＞
ブロックチェーン制御手段３１は、コンテンツ流通管理装置１とブロックチェーンネットワーク４ｃで接続されるユーザ端末５ｂ〜ユーザ端末５ｃ等の端末間において、コンテンツ流通管理装置１とユーザ端末５ｂ〜ユーザ端末５ｃ等の端末との各やり取り、トランザクション等の一連の情報を、一定時間間隔もしくは一定数に到達した場合にブロックとしてグルーピングすることを試み、ブロックの生成に成功した場合、もしくは他のブロック生成装置から新しいブロックを受信した場合は、新しいブロックチェーンとして現状のブロックチェーンに連鎖させる制御を行う。

また、ブロックチェーン制御手段３１は、コンテンツ流通管理装置１又はユーザ端末５ｂ〜ユーザ端末５ｃ等の端末により、新しいブロックを受信した場合には、ブロックおよびブロック内に含まれている各情報及びトランザクション等の検証を行った上で、正当と認められる場合のみ、続くブロックに連鎖させる。

また、ブロックチェーン制御手段３１でのやり取りは、例えば、分散型台帳技術によりアプリケーションが実行され、各記憶された履歴の連続性が保証される。これにより、コンテンツ流通管理装置１と各ノードによるブロックチェーンデータ、各種コンテンツ、履歴等の共同保有、ブロックチェーンネットワーク４ｃを介したデータや情報、各種コンテンツの送受信が可能となる。

＜メタデータ生成手段３２＞
メタデータ生成手段３２は、ブロックチェーン履歴蓄積システム１００においてコンテンツ流通管理装置１とユーザ端末５ｂ〜ユーザ端末５ｃ等の端末でやり取りされる各種コンテンツに関するメタデータを生成する。各種コンテンツは、管理データベース６ａに記憶されている。メタデータ生成手段３２は、例えば、各種コンテンツのメタデータに基づき、各コンテンツの生成日、作成者（ユーザ端末ＩＤ）、各コンテンツの生成に利用したソフトウェアやハードウェアの情報等、コンテンツの生成に関連したソフトウェアやハードウェアの情報を含める。これにより、例えば、各種コンテンツの真正性を担保することが可能となり、全てのブロックに記録された情報を唯一絶対のブロックチェーンをそれぞれ有することが可能となる。

暗号化手段３３は、各種コンテンツに付与するライセンス（公開／限定公開）に基づいて、コンテンツ流通管理装置１でやり取りされる各種コンテンツを暗号化する。各種コンテンツの暗号化に関する管理情報は、管理データベース６ａに記憶される。暗号化手段３３は、例えば、ブロックチェーン履歴蓄積システム１００及びコンテンツ流通管理装置１のポリシーや規約に則り、各種コンテンツを暗号化してもよい。さらに、各種コンテンツの権利者（権利保持者）の指示に応じて、暗号化するようにしてもよい。暗号化手段３３は、例えば、管理データベース６ａに登録される各種コンテンツのうち、自由なアクセスを可能とする、又は自由な配布を可能とするようなコンテンツの場合は、暗号化せずに非暗号化のコンテンツとするようにしてもよい。

＜電子署名手段３４＞
電子署名手段３４は、例えば、各種コンテンツのハッシュ値とメタデータへの電子署名付けを行う。暗号化手段３３は、各種コンテンツを暗号化し、暗号化したコンテンツのハッシュ値を計算し、元のコンテンツのハッシュ値とメタデータとともに電子署名を付ける。暗号化手段３３は、エンコーダーチップが電子署名に対応している場合には、コンテンツのハッシュ値とコンテンツ内のメタデータに対するエンコーダーチップの電子署名を得る。暗号化手段３３は、各種コンテンツ内に記載されたメタデータ以外に、メタデータ生成手段３２が生成し、付与したメタデータと、コンテンツを暗号化した場合には、その暗号化したコンテンツのハッシュ値とを含めて電子署名を付与する。

＜公衆通信網４（インターネット４ａ）＞
公衆通信網４（インターネット４ａ）は、通信回路を介して接続されるインターネット網等であり、光ファイバ通信網で構成されてもよい。公衆通信網４は、有線通信網には限定されず、無線通信網で実現してもよい。公衆通信網４は、コンテンツ流通ネットワーク４ｂを備え、コンテンツ流通ネットワーク４ｂ上はブロックチェーンネットワーク４ｃがさらに構成される。

＜コンテンツ流通ネットワーク４ｂ＞
コンテンツ流通ネットワーク４ｂは、ブロックチェーンネットワーク４ｃを介して、例えば、コンテンツ流通管理装置１に会員登録されるユーザ端末５が閲覧することが可能となるネットワークである。コンテンツ流通ネットワーク４ｂは、会員登録されたユーザ端末５が、所定の認証により各種コンテンツのサービスを、ブロックチェーンネットワーク４ｃを介して受けることができるようにしてもよい。

＜ブロックチェーンネットワーク４ｃ＞
ブロックチェーンネットワーク４ｃは、ブロックチェーン技術（分散台帳技術）により実現される。各ブロック（Block）では、多数のトランザクションと、ナンス（Nonce）と呼ばれる特別な値と、直前のブロックのハッシュとを有している。ブロックに含まれたトランザクション（取引）のみを「正しい取引」と認める。これにより、コンテンツ流通ネットワーク４ｂにより接続される全体で「唯一のブロックの鎖」を持つことができる。

ブロックチェーンネットワーク４ｃは、接続されるコンテンツ流通管理装置１とブロックチェーンネットワーク４ｃにより接続されるユーザ端末５は、一貫したやり取りの履歴をブロックチェーンネットワーク４ｃ全体で分散及び共有することが可能となる。さらに、ブロックチェーンネットワーク４ｃは、例えば、コンテンツ流通ネットワーク４ｂで接続される間において、電子（コンテンツデータ）の存在証明機能を備える。この存在証明機能は、ある特定の電子データが、コンテンツ流通ネットワーク４ｂで接続される機器上、及びコンテンツ流通ネットワーク４ｂ上に、ある特定の時点で存在していたことを証明する機能を有する。

ブロックチェーンネットワーク４ｃは、存在証明の対象とする電子データとしては、例えば、後述するコンテンツ管理テーブル２００に登録されるコンテンツが対象となり、テキストメッセージ（文字列）、ドキュメント、静止画、動画等といった各種のデータやファイルが登録される。また、解決コンセプトを提示するため、ＡＩに学習させるための大量の教師データ（図示せず）も含まれる。

＜ユーザ端末５＞
ユーザ端末５は、複数のユーザ端末５ａ〜５ｃ等と公衆通信網４を介して接続される。ユーザ端末５には、例えば、コンテンツ流通管理装置１によるサービスを受けないユーザ端末５ａ等と、コンテンツ流通管理装置１によるサービスを受けるユーザ端末５ｂ〜ユーザ端末５ｃ等と、がある。ユーザ端末５ｂ〜ユーザ端末５ｃは、コンテンツ流通管理装置１にユーザ登録することで、コンテンツ流通管理装置１が提供するコンテンツ流通サービスを受けることが可能となる。また、ユーザ端末５ｂ〜ユーザ端末５ｃは、各ユーザが保持するコンテンツをコンテンツ流通管理装置１に登録することで、別の登録ユーザに対してコンテンツ流通管理装置１を介し、登録されているコンテンツの提供等することができるようになる。

＜データベース６＞
データベース６は、例えば、管理データベース６ａと参照データベース６ｂとを少なくとも備える。

＜管理データベース６ａ＞
管理データベース６ａは、例えば、コンテンツ管理テーブル２００、関連情報テーブル２０１、コンテンツ関与者テーブル２０２、学習済みモデル更新テーブル２０３、コンテンツ判定管理テーブル２０４、コンテンツ活用履歴テーブル２０５と、が各々記憶される。管理データベース６ａは、コンテンツ流通管理装置１に登録されるユーザに関する情報の他に、コンテンツ流通管理装置１により提供される各コンテンツに関する管理情報、連結されるブロックチェーンの履歴等に関する管理情報等が記憶される。

＜コンテンツ管理テーブル２００＞
図５に示すように、コンテンツ流通管理装置１により提供される各コンテンツの登録に関する情報等が、コンテンツ管理テーブル２００として記憶される。

コンテンツ管理テーブル２００には、本サービスで登録される全てのデータ、コンテンツ及び関連する情報が各々対応づけられて記憶される。コンテンツ管理テーブル２００には、例えば、「コンテンツＩＤ」、「コンテンツタイトル」、「登録コンテンツ情報」、「登録日」、「登録者ＩＤ」等の項目が、各々対応付けられ、所定のデータ形式のファイルで記憶される。

「コンテンツＩＤ」には、例えば、各コンテンツを識別するために付与される識別情報であり、ユニークな識別子として記憶される。

「コンテンツタイトル」には、例えば、登録されるコンテンツの名称であり、特許文献であれば、「特許明細書」、技術や研究等に関する各報告書やレポート等の文献であれば、「技術報告書」、「研究リポート」等として記憶される。

「登録コンテンツ情報」には、例えば、特許文献の特許明細書であれば、それぞれ「名称」、「要約」、「本文」、「図面」、「関連ＩＤ」等が、各々対応付けられて記憶される。各登録コンテンツのレコード領域には、例えば、コンテンツの詳細な記述（テキスト）が登録されるようにしてもよい。

「関連ＩＤ」は、後述する図６の関連情報テーブル２０１に登録される情報の識別子が記憶される。この識別子は、例えば、登録されたコンテンツに関する関連情報が存在する場合は、登録されたコンテンツＩＤと関連する情報の関連ＩＤとが紐付けられるようにしてもよい。「登録日」には、例えば、各コンテンツがデータベース６に登録された日時に関する情報が記憶される。

「登録日」は、ブロックチェーン部３のブロックチェーン制御手段３１に備わるタイムスタンプ機能（図示せず）に基づき、各コンテンツに逐次に記録されてもよい。

「登録者ＩＤ」には、コンテンツ流通管理装置１の登録者に関する識別情報であり、登録された各コンテンツと対応付けられて記憶される。

コンテンツ管理テーブル２００は、例えば、「No.１」のデータレコードでは、「コンテンツＩＤ」には、コンテンツＩＤとして「００００１」、コンテンツタイトルには、「特許明細書」、登録コンテンツには名称「ＡＡＡ１」、要約には「ＡＡＡ２」、本文には「ＡＡＡ３」、図面には図面枚数を表す「１０」、関連情報には関連情報の識別ＩＤを表す「００１」とが、各々対応付けられて記憶される。

「コンテンツタイトル」には、例えば、登録されるコンテンツが特許明細書の場合には、特許明細書の書式、各構成に分けられ、登録されるコンテンツの全体、又は各部分が各々記憶される。これによりユーザは、ある特定の範囲を指定し、指定された各部分にフォーカスした検索や新たに創作する創作物に関する入力情報として指定することで、指定された部分を教師データとして大量に読み込ませることが可能となる。これにより、指定部分を核とした学習済みモデルを生成することができる。

コンテンツ管理テーブル２００に登録される各コンテンツの登録は、例えば、大量の特許明細書を一括して登録してもよく、またある分野に限定し、その対象部分のみ個別に登録してもよい。なお、特許明細書を例に述べたが、登録コンテンツは他のコンテンツでもよく、例えば、技術報告書や研究リポートも同様である。登録コンテンツは、各登録コンテンツの文書の構成及び各章の特徴、言語、データ量、注目度等、登録コンテンツの特性に応じて登録されるようにしてもよい。この場合、各登録コンテンツのレコードに、識別を示すフラグが合わせて登録され、記憶されてもよい（図示せず）。

また、コンテンツ管理テーブル２００は、登録コンテンツのテキスト情報の登録とは別に、例えば、図面やグラフ等と、部分的に指定して登録し、コンテンツ管理テーブル２００に記憶されるようにしてもよい。コンテンツ管理テーブル２００に登録されるコンテンツの文書、各章や内容、記載情報等は、それぞれの登録コンテンツのコンテンツＩＤによって管理され、コンテンツ流通管理装置１の管理者、又は各コンテンツの登録者であれば、追加や不足の情報があれば、適宜に追加できるようにしてもよい。

コンテンツ管理テーブル２００には、関連する新しいコンテンツは元のコンテンツと関連付けられ、コンテンツＩＤに追番を付すことで登録される。例えば、コンテンツＩＤ「００００１−１」、「００００１−２」は、すでに登録されているコンテンツＩＤ「００００１」に関連するコンテンツとして、各々に登録されたコンテンツとして記憶される。

コンテンツＩＤ「００００１-１」は、例えば、登録者０００１によって登録されたコンテンツであり、コンテンツＩＤ「００００１」の登録者０００１と同一の登録者からの登録として記憶される。また、コンテンツＩＤ「００００１-２」は、登録者１００２によって登録されたコンテンツであることを示しており、この場合は別の登録者として記憶される。

コンテンツ管理テーブル２００には、例えば、各コンテンツの元の登録者と関連情報の登録者を各々に区別して登録し、記憶される。このように各コンテンツの属性に応じて関連性を持たせて登録し、記憶される。これにより、グルーピングによる教師データの取得、教師データも基づく学習済みモデルの生成が可能となる。

また、コンテンツ管理テーブル２００は、登録される登録者ＩＤで識別される登録者により、登録コンテンツと利用や用途の確認及び登録されたコンテンツに関するインセンティブ等に関する情報が記憶される。各コンテンツの登録者ＩＤは、前述の会員ＩＤの他に、例えば、ユニークなメールアドレスや電話番号等が登録され、記憶されてもよい。さらに、各コンテンツの構成、内容、更新の程度、更新日時、更新者情報等が、履歴情報として合わせて登録され、記憶されてもよい。このような構成とすることで、更新や変更等の差分を明確に区別することができる。

＜関連情報テーブル２０１＞
関連情報テーブル２０１には、例えば、コンテンツ管理テーブル２００の「関連ＩＤ」に関連付けられた、「コンテンツＩＤ」で記憶される。関連情報テーブル２０１には、「関連ＩＤ」に纏められた各コンテンツＩＤの登録コンテンツ情報として、「登録コンテンツ情報」、「公開日」、「公開可否」、「教師データＩＤ」、等が各々対応づけられて記憶される。

「登録コンテンツ情報」には、さらに、「名称」、「要約」、「本文」、「図面」等を含む。関連情報テーブル２０１は、これら記録される情報に基づき、例えば、関連するコンテンツや各項目でのグルーピングに関する情報が記憶される。グルーピングは、例えば、登録コンテンツ情報の特性や状態等により、登録者又は関与者により付与されてもよく、さらに、ある項目やキーワードによりグルーピングされ、そのグルーピングの結果を教師データとして取り込み、解決する解決コンセプトのための学習済みモデルとして生成された情報は、記憶されてもよい。

関連情報テーブル２０１の「関連ＩＤ」は、例えば、登録するコンテンツ情報が「特許明細書」の場合は、その特許明細書を作成する上で参考にした、技術報告書、アイデアメモ、競合評価リポート（秘）等が関連する情報として合わせて記憶される。

「登録コンテンツ情報」には、例えば、「名称」、「要約」、「本文」、「図面」等が合わせて記憶される。「名称」、「要約」は、例えば、テキスト情報で記憶され、「本文」は、本文を構成する各章毎に、各文章のまとまり、又は各段落に細分化されたものであってもよい。「図面」は、各コンテンツで使用される全ての図面等が対応付けられて記憶される。「図面」には、例えば、一般的な図形形式のファイルで登録されてもよく、各登録コンテンツ情報のページが１つのファイル形式で記憶されてもよい。

関連情報テーブル２０１は、例えば、登録される各コンテンツ情報の「公開日」と「公開可否」の公開可否の情報とが登録され、各々が記憶される。「公開日」は、例えば、各登録コンテンツ情報の公開された日付が登録される。「公開日」と「公開可否」により、記憶される登録コンテンツ情報の公開の有無が管理される。

関連情報テーブル２０１の各コンテンツは、例えば、各登録コンテンツ情報の管理者又は各コンテンツ情報の登録者によって公開の可否の情報が記憶される。関連情報テーブル２０１には、例えば、登録コンテンツ情報が公開可能な場合は公開可能を示す情報（例えば、「ＯＫ」等）、登録コンテンツ情報が非公開の場合は非公開を示す情報（例えば、「ＮＧ」等）が記憶される。

関連情報テーブル２０１には、例えば、「教師データ」も記憶される。関連情報テーブル２０１は、「教師データ」の記憶することにより、多数の学習済みモデルを同一のニューラルネットワーク又はディープラーニングが持てることになる。関連情報テーブル２０１には、複数の学習済みモデルが記憶され、ユーザ端末５ｂ〜ユーザ端末５ｃにより与えられた解決コンセプト（課題）に最も適した学習済みモデルを登録コンテンツ情報の属性情報やパラメータ等の情報が記憶される。

関連情報テーブル２０１は、例えば、各登録コンテンツ情報の公開期間等と連動し、ある期間だけ指定した相手や特定の対象に対して公開されるように、期間と対応付けられて記憶されてもよい。各登録コンテンツ情報の公開可否は、例えば、各登録コンテンツ情報に付与される管理情報（マル秘、関係者外秘、CONFIDENTIAL）等のテキストや状態情報を装置が判別し（図示せず）、その判別の結果により公開の可否を決定し、その結果が登録され、記憶される。

また、「教師データＩＤ」は、学習済みモデルを生成するため使用された大量の教師データとして採用された識別情報が記憶される。学習済みモデルは、解決する解決コンセプトによって母集団が異なり、どのような元データとするかにより、抽出するコンテンツも異なることになることとなり、それらの情報が登録され、各々記憶される。例えば、特許公報を教師データとして用いるとすれば、コンテンツＩＤは「００００１」〜以降の、情報が大量に用いられる。特許公報を教師データの材料とした場合は、各コンテンツＩＤの「教師データ」の列に同一の識別情報として記憶される。

教師データＩＤ「Ａ００１」において、例えば、コンテンツＩＤ「００００１」〜「００００４」の特許公報が用いられた場合は、その関連が記憶される。なお、教師データの生成では、解決する解決コンセプトの条件や得たい結果に応じて、例えば、各コンテンツの属性情報に参照し、教師データとして用いる範囲、対象、又は期間や量等を絞りこんでもよい。このような絞込みを行うことで、より適切な学習図もモデルを事前に生成することができる。

各登録コンテンツ情報は、例えば、関連ＩＤで関連付けられる各登録コンテンツ情報で、登録コンテンツ情報の名称、要約、本文等の構成情報に応じて、他の登録コンテンツ情報とどの構成情報と関わりあるかが判別できるように関連付けられて記憶される。これにより、所望の登録コンテンツ情報の検索時に、関連する登録コンテンツ情報をまとめて検索、参照することが可能となる。

登録コンテンツ情報は、これにより、会員は参考となる情報を効率よく参照することができる。さらに、例えば、アイデア着想の初期の情報（アイデアメモ）から中間の検討情報（技術報告書、競合評価リポート等）、完成形態としての特許明細書までの一連の流れを把握することができる。これにより、各登録コンテンツ情報の内容に加え、手順や纏め方、スキーム等の仕組みも把握することができる。

関連情報テーブル２０１により、さらに効率的なアイデアのまとめ方、特許出願までのプロセスを理解できる。さらに、そのプロセスを活かし、全く異なるアイデアの発想支援の材料とすることが可能となる。なお、関連情報テーブル２０１に登録された情報、変更された内容や日時、登録者及び変更者等の情報は、例えば、前述のブロックチェーン技術により記録されるようにしてもよい。

関連情報テーブル２０１には、各々やり取りされる内容の各処理（トランザクション）の要約として、例えば、ハッシュ値、タイムスタンプなど、前のブロックのハッシュ値等とともに記憶される。記憶された各情報は、チェーン化され、所定の複数台のコンピュータ上の記憶領域（台帳）で保持、分散管理されて記憶される。それら複数台のコンピュータでは、各コンピュータがネットワークを通じて同期されるように構成してもよい（図示せず）。関連情報テーブル２０１は、このような構成とすることで、登録されるコンテンツ情報や設定情報等の改ざんが困難となる。これにより、例えば、登録されている登録コンテンツ情報との差分や変更等の差分を明確に区別できる。

＜コンテンツ関与者テーブル２０２＞
図７に示すように、例えば、コンテンツ流通管理装置１により提供される各コンテンツの関与者の関与の割合等に関す情報等が、コンテンツ関与者テーブル２０２として登録され、その登録内容が記憶される。

コンテンツ関与者テーブル２０２には、コンテンツ管理テーブル２００の「関連ＩＤ」に対応付けられ、「コンテンツＩＤ」「コンテンツタイトル」、「関与者情報」、「公更新可否」、「更新日」等が記憶される。「関与者情報」は、各コンテンツの作成や検討に関わったメンバーを識別するための識別情報（例えば、関与者情報：０００１〜００２０、等）が合わせて記憶される。各コンテンツ関与者情報は、例えば、各コンテンツタイトルに関わった各メンバーとして登録者によって登録される。この情報は、関与者へのインセンティブ付与の処理において参照される。

「関与者情報」には、例えば、各関与者を識別する情報として、「関与者情報：０００１」〜「０００３」等として記憶される。「関与者情報」には、各コンテンツにおいてメンバーの関わりの度合いが記憶される。関与者情報の割合は、例えば、各関与者が作成に関わったコンテンツ毎の作業時間、又は作業量の割合、コンテンツの内容に関する貢献の割合等が登録され、対応付けられて記憶される。この割合等の数値は、例えば、実質の作成に関わった関与者毎に、所定の貢献の割合等が記憶されてもよい。

各コンテンツの「関与者情報」は、コンテンツ流通管理装置１の対象のコンテンツが登録される際に合わせて登録され、コンテンツ関与者テーブル２０２に記憶される。管理データベース６ａに登録された後の各コンテンツは、例えば、ブロックチェーン技術により、登録後の各コンテンツの作成開始に、各コンテンツのテーマ及び関与者（作成者）に関する情報が設定され、各々対応付けられ記憶されてもよい。これらの処理は、例えば、コンテンツ流通管理装置１に備わる集計プログラム等により収集され、コンテンツ関与者テーブル２０２に記録されてもよい（図示せず）。

コンテンツ関与者テーブル２０２は、ブロック化対象の情報として設定され、各コンテンツのテーマに関わる各関与者の作業内容や時間等の履歴情報がブロックチェーン技術により記録される。管理者、登録者又は関与者のコンピュータ上の台帳で同期管理され、ブロックチェーン履歴蓄積記録サーバ及びユーザ端末５上の台帳で同期管理され、各々対応付けられて記憶される。それら台帳は、同期管理される情報を参照し、各コンテンツを構成する各章、パートに対して、貢献の割合が算出され、各関与者の割合として登録され、記憶されるようにしてもよい。

コンテンツ関与者テーブル２０２は、このような構成とすることで、ブロックチェーンネットワーク４ｃによる各やり取りを記録する場合に、活動のログとして教師データとして読み込み、その結果から学習済みモデルを生成し、その学習済みモデルが登録され、記憶される。このような情報を合わせて記録することで、例えば、単に発言しただけのメンバーや全く作業をしなかったメンバーの関与は、その活動及び関与の履歴として記憶しないように設定してもよい。

コンテンツ関与者テーブル２０２は、例えば、実際に各コンテンツの作成に関与した本来のメンバーに関する履歴を記憶する。コンテンツ関与者テーブル２０２には、さらに、各関与者の作業の貢献の程度が記録される。コンテンツ関与者テーブル２０２に記憶されることで、例えば、各コンテンツの生成に係る関与者の活動を正確に把握できる。コンテンツ関与者テーブル２０２に記憶された情報により、例えば、各コンテンツの作成や変更に関わった関与者は、登録後のコンテンツの閲覧の回数や時間、又は派生したコンテンツの数等に応じて、各関与者の割合に応じて適切なインセンティブを付与されることが可能となる。

「更新可否」は、各コンテンツの関与者の増減、各関与者の関与の割合の更新の可否が記憶される。「更新可否」の記憶は、例えば、各コンテンツの登録時に管理者又は登録者によって設定され、その設定結果が記憶されるようにしてもよい。なお、更新可否の記憶は、各コンテンツの特性に応じた設定情報が記憶される。コンテンツ関与者テーブル２０２には、例えば、登録されるコンテンツのうち、「特許明細書」の場合、関与者は発明の創作に関わった者等が記憶される。すでに特許出願されている場合、特許査定等がされている場合等は、登録されている情報の更新はできないため、登録されている情報等の記憶更新はできない。また、「研究論文」についても、例えば、研究論文の投稿後、公開及び発行後等の状況の場合は更新できず、関連する情報として、追加だけが合わせて記憶できるようにしてもよい。

さらに、コンテンツ関与者テーブル２０２に記憶される登録コンテンツ情報のうち、例えば、「アイデアメモ」や「競合評価リポート（秘）」等の情報の場合は、すでに登録済みのコテンツの利用者（コンテンツ流通管理装置１に登録済みのユーザ）であれば、追加で元の登録コンテンツ情報に対してアイデアが加えられたことが記憶される。例えば、追加の評価を実施する場合は、それら作業を行った者は関与者として登録さ算出された関与の度合いが登録され、その登録内容が記憶される。また、すでに関与者としてコンテンツ関与者テーブル２０２に登録されていれば、作成に関わった登録コンテンツ情報毎の作業時間、又は作業量に応じて、記憶されている割合情報等が更新され、上書きされて記憶されるようにしてもよい。

コンテンツ関与者テーブル２０２の登録者の関与に関する情報の記憶に関しては、例えば、すでに登録コンテンツ情報の登録者によって登録されている関与者との関与が比較され、その比較結果が記憶される。コンテンツ関与者テーブル２０２では、例えば、新たな関与者とその関与者の割合が登録され、他の関連擦る情報と対応付けられて記憶されるようにしてもよい。コンテンツ関与者テーブル２０２に記憶される関与者情報は、各コンテンツの関与者、登録者であれば、関与の割合や新たな関与者を追加登録、関与の割合が設定され、記憶されることとなる。

また、「更新日」は、各コンテンツに登録されている関与者の情報及び関与の割合の日時が登録される。更新日は、例えば、管理者又は登録者によって更新がＮＧとして登録されたコンテンツに関しては、そのコンテンツの登録日が登録されてもよい。また更新がＯＫとして登録されたコンテンツに関しては、そのコンテンツの更新日が登録されてもよい。「更新日」は、例えば、コンテンツ流通管理装置１、又はユーザ端末５ｂ〜ユーザ端末５ｃ等、ブロックチェーン部３で管理されるタイムスタンプ機能（図示せず）に応じて記憶されるようにしてもよい。コンテンツ関与者テーブル２０２に登録された各情報は、ブロックチェーン技術によりブロックチェーンネットワーク４ｃを通じて管理者、登録者又は関与者のコンピュータ上の管理台帳で同期管理される。

コンテンツ関与者テーブル２０２は、登録者又は関与者によって、各コンテンツを構成する内容が更新された場合、更新の対処範囲や更新の内容に応じて、新たなコンテンツとして追加登録され、追加登録された情報が記憶される。追加された新たな登録コンテンツ情報は、例えば、元の登録コンテンツ情報の名称、要約、本文等の構成情報を引き継ぎ、すでに登録済みのコンテンツＩＤの追番として登録され、記憶されてもよい。

＜学習済みモデル更新テーブル２０３＞
図８に示すように、例えば、コンテンツ流通管理装置１により提供される各学習済みモデルの学習に関する情報等が、学習済みモデル更新テーブル２０３として記憶される。

学習済みモデル更新テーブル２０３には、過去に生成した学習済みモデルが、「学習済みモデルＩＤ」、「学習済みモデル履歴情報」、「教師データＩＤ」、「公開可否」、「最終更新日」、「登録者ＩＤ」、「格納先ブロックＩＤ」等が各々に対応づけられて記憶される。「学習済みモデル履歴情報」は、さらに初回の登録日を示す「登録日」とその後の更新の更新日を示す「更新日」が合わせて登録され、各々対応付けられて記憶される。

学習済みモデル更新テーブル２０３は、コンテンツ流通管理装置１の判定手段２７により、以前に学習済みモデルを生成したか判定される情報が記憶される。学習済みモデル管理テーブル２０６には、例えば、ある学習済みモデルが存在しなければ、大量の教師データを用いて学習済みモデルが生成され、学習済みモデルＩＤが新たに付与され、「登録日」、用いた「教師データＩＤ」、学習済みモデルの「公開可否」、「最終更新日（初回登録は登録日と同一）」、「登録者ＩＤ」、「格納先ブロックＩＤ」と、が各々対応付けられて記憶される。

学習済みモデル更新テーブル２０３は、学習手段２３において、新たな文字列と解決コンセプトとの関係を取得した場合には、これらと、反映された連関度とを「学習済みモデル」として各々対応付けて記憶する。ブロックチェーン部３は、ブロックチェーンネットワーク４ｃ内に構築されるブロックチェーンで連結される各ブロックに対しても記録させる。記憶手段２４は、学習手段２３により取得された文字列と解決コンセプトとの関係を取得されると、導入された解決コンセプトの条件などに応じた教師データが記憶される。

学習済みモデル更新テーブル２０３の「No.１」には、例えば、学習済みモデル「Ｋ００
０１」、「Ｋ０００１−１」、「Ｋ０００１−２」等が各々対応付けられて記憶される。例えば、学習済みモデルＩＤ「Ｋ０００１」は、格納先ブロック「１１１」に関連する情報が記憶されていることを示す。また、学習済みモデルＩＤ「Ｋ０００１−１」は、例えば、元の学習済みモデルＩＤ「Ｋ０００１」をベースとして２回上書き（更新）された学習済みモデルが格納先ブロック「１１２」に記憶されていることを示す。

学習済みモデル更新テーブル２０３には、新たに解決コンセプトが導入されると、以前に作成した学習済みモデル「Ｋ０００１」の全データが学習済みモデルＩＤ「Ｋ０００１」に対応付けられ、新たに格納先のブロックが生成され、そのブロックを識別する関連情報が対応付けられて記憶される。学習済みモデル更新テーブル２０３には、「Ｋ０００１」の上書き前に格納された全データは、格納先であるブロックを識別する「１１１」に記憶される。学習済みモデル更新テーブル２０３への記憶後は、例えば、ブロックチェーン制御手段３１、メタデータ生成手段３２、暗号化手段３３、電子署名手段３４によるブロックチェーン化の処理の後、送受信手段２６により、ブロックチェーンネットワーク４ｃ上に送信される。その後、コンテンツ流通ネットワーク４ｂのブロックチェーンネットワーク４ｃに接続されるユーザ端末５ｂ〜ユーザ端末５ｃ等での処理がなされる。

学習済みモデル更新テーブル２０３は、コンテンツ流通管理装置１により参照され、例えば、「No.１」の学習済みモデルＩＤ「Ｋ０００１」に記録されているレコードに基づき
、各設定情報を保持したまま、「公開可否」の条件を参照し、記憶されている条件に基づいた開示を行う。学習済みモデル更新テーブル２０３に、例えば、「公開可否：ＯＫ」と記憶されていれば、別の解決コンセプトで使用を許可する。公開可否は、登録者又は、各学習済みモデルの重要度、評価などによって事前に決められ、記憶されてもよい。「公開可否：ＯＫ」であれば、限定的又は一般に公開され、似たような課題解決のために有効に参照される。一方、学習済みモデル更新テーブル２０３に、例えば、「公開可否：ＮＧ」と記憶されていれば、対応する学習モデルか公開されないこととなる。これにより、例えば、各学習モデルの重要度等により、公開の有無を適宜に選択することが可能となる。

また、学習済みモデル更新テーブル２０３に記録される各登録情報等に基づき、例えば、生成された学習済みモデルの更新履歴、公開の有無、活用の度合い等に応じて、関与者やその学習済みモデルの登録者（作成者）に何かしらのインセンティブが付与されるようにしてもよい。

＜コンテンツ判定管理テーブル２０４＞
図９に示すように、例えば、登録される各コンテンツの判定と対応等に関す情報等が、コンテンツ判定管理テーブル２０４として記憶される。

コンテンツ判定管理テーブル２０４には、例えば、コンテンツ管理テーブル２００の「コンテンツＩＤ」、「登録コンテンツ情報」に対応付けられ、「判定」、「対応」、「判定日」が記憶される。

コンテンツ判定管理テーブル２０４には、例えば、判定手段２７の結果及び対応が記憶される。コンテンツ管理テーブル２００には、コンテンツ登録された各コンテンツの各部分、又はコンテンツ全体の「判定」、「対応」、「判定・対応日」が、各々に対応づけられて記録される。「判定」は、例えば、コンテンツ管理テーブル２００に登録される際に、ウィルスチェックプログラムの検査結果（図示せず）であり、その情報が記憶される。「判定」は、学習済みモデルの上書き時に、新しいブロックに格納する前に判定され、その結果が記憶されるようにしてもよい。

コンテンツ判定管理テーブル２０４には、例えば、判定手段２７による判定結果が、コード情報として記憶される。このコード情報は、例えば、エラーの判定結果として「Ｅｒｒｏｒ ＸＸ」等の情報が、エラーメッセージとメッセージに対応するエラー番号（コード）等として記憶される。コンテンツ判定管理テーブル２０４は、判定手段２７による判定の結果に応じて対応の内容を記憶する。また、コンテンツ判定管理テーブル２０４は、判定手段２７の判定結果に対する対応として、例えば、グルーピング手段２５、送受信手段２６、ブロックチェーン制御手段３１、メタデータ生成手段３２、暗号化手段３３、電子署名手段３４等により実行された対応が記憶され、例えば、「対応Ａ」等と判定結果と対応付けられて記憶される。さらに、コンテンツ判定管理テーブル２０４には、判定手段２７によって判定結果と、判定結果に応じて管理者等により実行された対応と各々の日付が合わせて記憶される。

＜コンテンツ活用履歴テーブル２０５＞
図１０に示すように、例えば、登録される各コンテンツの全体又は各部分における活用の状況等に関す情報等が、コンテンツ活用履歴テーブル２０５として記憶される。

コンテンツ活用履歴テーブル２０５には、例えば、コンテンツ管理テーブル２００の「コンテンツＩＤ」に対応付けられ、各コンテンツの「名称」、「要約」、「本文」が各々対応付けられて記憶される。

コンテンツ活用履歴テーブル２０５には、例えば、登録されているコンテンツが活用された回数、更新された回数、ある分野での活用の割合等、何かしらの割合や回数や評価データとして登録された期間等が記憶される。コンテンツ活用履歴テーブル２０５に記憶された活用状況の記録に基づいて、例えば、課金やポイント等をインセンティブとして、各評価データの登録者、評価データを生成した生成者、コンテンツの登録者等に付与されてもよい。

＜参照データベース６ｂ＞
参照データベース６ｂには、例えば、特許文献である特許公報を始めとした技術文献情報に加え、各企業の研究リポート、Ｒ＆Ｄリポート、技術評価リポート、アイデアメモ等の技術関連の分野の情報等が、コンテンツ流通管理装置１又はユーザ端末５ｂ〜ユーザ端末５ｃにより登録され、登録された内容が記憶される。

参照データベース６ｂには、例えば、特定の外部情報やＳＮＳ等で一定期間に話題のあった情報等が各々対応付けられて記録される。参照データベース６ｂには、例えば、コンテンツ流通管理装置１が予めある特定の機関等に定期的にアクセスし、ある特定のキーワードや話題等に関連する情報等を収集した結果が記憶される。参照データベース６ｂには、収集された各情報のリンク先や閲覧履歴等の情報も合わせて登録され、関連する情報源と各情報、取得日等とを各々対応付けて記憶するようにしてもよい。

また、参照データベース６ｂには、ＡＩに学習させるための大量の教師データが記憶される。参照データベース６ｂには、例えば、インターネット４ａを介して接続される外部のコンテンツ提供サーバ（図示せず）等にアクセスして入手された情報も記憶される。この場合、大量の教師データは、例えば、インターネット４ａに接続される情報提供のデータベースやユーザ端末５を介して入手（ダウンロード）することができる。参照データベース６ｂには、大量の教師データ及び入手に関する履歴等の情報が記憶される。

＜学習済みモデル管理テーブル２０６＞
図１１に示すように、例えば、各学習済みモデル登録される各コンテンツの全体又は各部分における活用の状況等に関す情報等が、学習済みモデル管理テーブル２０６として記憶される。

学習済みモデル管理テーブル２０６には、例えば、学習済みモデル管理テーブル２０６には、過去の登録コンテンツ情報を参照して評価データを取得し、評価データに基づき生成された評価結果が記憶される。学習済みモデル管理テーブル２０６には、例えば、登録コンテンツ情報の情報群として特許情報である「特許明細書」、「特許明明細書」に関して「評価対象情報」と「学習済み入出力結果情報」が記憶される。「評価対象情報」には、例えば、あるまとまりのある情報のグループである「情報群Ａ」と「情報Ｂ」、それらの関係性を表す「重要度」が含まれ、また「学習済みモデル入出力情報」には、例えば「参照用文字列」と「解決コンセプト」と、それらの関係性を表す「連関度」が含まれ、各々が対応付けられて記憶される。学習済みモデル管理テーブル２０６には、例えば、各学習済みモデルが登録された日時に関する情報も合わせて記憶される。

また、学習済みモデル管理テーブル２０６に記憶される各情報は、アイデア創造支援学習部２の学習手段２３等で設定される各数値や各パラメータを変更することで、多様な学習済みモデルの評価や検証を確認できる。例えば、登録日を確認することで、全く同じ条件で新たに学習済みモデルを生成することができ、登録された日と現在とのトレンドの相違を確認できるようにしてもよい。

また、学習済みモデル管理テーブル２０６に記憶される「学習済みモデル入出力情報」は、予め取得された過去の評価対象情報として記憶される情報である。評価対象情報として抽出された文字列に基づき入力される参照用文字列と、対応する解決コンセプトとの間における連関度が記憶される。連関度は、例えば、過去の評価対象情報と、参照用文字列とが紐づく繋がりの度合いを示しており、例えば百分率、１０段階、又は５段階等の３段階以上で示される。

（実施形態：ブロックチェーン履歴蓄積システム１００の動作）
次に、本実施形態におけるブロックチェーン履歴蓄積システム１００の動作の一例について説明する。図１２は、本実施形態におけるブロックチェーン履歴蓄積システム１００の動作の一例を示すフローチャートである。

＜マイニング手段：Ｓ１１０＞
先ず、新たに創作する創作物に関する情報から文字列を抽出する（マイニング手段Ｓ１１０）。マイニング手段２１は、コンテンツ流通管理装置１と公衆通信網４（インターネット４ａ、コンテンツ流通ネットワーク４ｂ、ブロックチェーンネットワーク４ｃ）を介して接続されるユーザ端末５ａ、又は会員登録されているユーザ端末５ｂ〜ユーザ端末５ｃから、新たに創作する創作物に関する情報（文字列）を取得する。例えば、ユーザ端末５ａは、会員ではないので、利用が制約され、例えば、コンテンツ流通管理装置１により一般公開される情報のみ参照できるとしてもよい。一方、ユーザ端末５ｂ〜ユーザ端末５ｃは、会員であるため、制限なく利用することが可能となる。

マイニング手段２１は、例えば、ユーザ端末５ｂ〜ユーザ端末５ｃは、参照データベース６ｂに登録される基本情報（文献情報）から、新たに創作する創作物に関する情報を取得し、取得した情報に基づいて評価対象情報の情報群Ａ、情報群Ｂと重要度に基づき、文字列を抽出する。抽出した文字列等の情報は、管理データベース６ａに記憶させてもよい。

＜探索手段：Ｓ１２０＞
次に、参照データベース６ｂの学習済みモデル管理テーブル２０６を参照し、解決コンセプトを取得する（探索手段Ｓ１２０）。探索手段２２は、予め取得した各参照用文字列と２種類以上に分類された各解決コンセプトとの３段階以上の連関度を参照し、マイニング手段２１により抽出された文字列に応じた参照用文字列と解決コンセプトとの３段階以上の連関度に基づき、１以上の解決コンセプトを探索する（探索手段Ｓ１２０）。

探索手段２２は、参照データベース６ｂを参照することで、参照用文字列と、顔決コンセプトとの間における第１連関度を算出することができる。探索手段２２は、例えば、参照用文字列と一致、一部一致、又は類似する過去の参照用文字列を選択し、対応する連関度に基づいて第１連関度を算出する。なお、探索手段２２は、算出した第１連関度及び取得した評価データ等を管理データベース６ａ又は参照データベース６ｂの対応する情報テーブルに記憶させる。また、探索手段２２は、例えば図９、図１２に示した情報テーブル等を参照し、参照用文字列に含まれる各文字列の組み合わせと、解決コンセプトとの間における第１連関度を算出してもよい。

＜学習手段：Ｓ１３０＞
次に、過去の参照用文字列と、解決コンセプトとの間の関係を新たに取得し、関係を連関度に反映する（学習手段Ｓ１３０）。学習手段２３は、参照データベース６ｂの各データベースから解決コンセプトを取得し、例えば管理データベース６ａ又は参照データベース６ｂから解決コンセプトを表示するフォーマットを取得してもよい。また、学習手段２３は、解決コンセプトに基づいて、例えばフォーマットを参照して最新の解決コンセプトを付加アイデアとして生成してもよい。

その後、学習手段２３は、解決コンセプトの結果を出力する。例えば、予め設定された閾値と、第１連関度とを比較した結果に基づき、解決コンセプト結果を出力してもよい。この場合、例えば閾値を「７０％以上」と設定したとき、第１連関度が７０％以上の場合のみ評価結果を出力する。なお、閾値の条件は、任意に設定することができる。学習手段２３は、例えば機械学習を用いて連関度の算出及び更新を行い、機械学習には、例えば深層学習が用いられてもよい。

＜記憶手段：Ｓ１４０＞
その後、例えば、学習手段２３において新たな文字列と解決コンセプトとの関係を取得した場合には、これらと、反映された連関度とをブロックチェーンネットワーク４ｃ内に構築されるブロックチェーンで連結される各ブロックに記録する。その後、新たな文字列と解決コンセプトを取得した場合に、各グループ単位でブロックチェーンの各ブロックに記録し、各ブロックの履歴を蓄積する（記憶手段Ｓ１４０）。記憶手段２４は、マイニング手段２１及び探索手段２２における処理と、学習手段２３において、新たな文字列と解決コンセプトとの関係を取得した場合には、これらと、反映された連関度とをブロックチェーンネットワーク４ｃ内に構築されるブロックチェーンで連結される各ブロックに記録する。記憶手段２４は、ステップ１１０からステップ１３０において、新たな文字列と解決コンセプトの関係を取得する都度、1つ前のブロック上において記録した内容の履歴を蓄積する。

これにより、新たな文字列と解決コンセプトを取得した場合でも、それまでの文字列と解決コンセプトの関係性を維持でき、上書きや消失されることなく、以前に学習した解決コンセプトの抽出のための情報やデータを、ブロックチェーンで連結されるブロックに記録することで保護することが可能となる。

図１３に、本実施形態におけるブロックチェーン履歴蓄積システム１００の模式図の一例を示す。各々連結するブロック３５及びブロック３６は、ブロックチェーンネットワーク４ｃ内に存在し、その時点までの学習モデル、登録コンテンツ情報、各関連情報をブロック３５及びブロック３６に記録しているものとする。ブロック３６とブロック３７では、新たな文字列と解決コンセプトを取得した記録を追加の履歴として記憶するブロック３７が新しく、ブロックチェーン部３によりブロック３７にブロック化され、連結される。

ここで、ユーザ端末５ｂ〜ユーザ端末５ｃ等により、過去の参照用文字列と、解決コンセプトとの間の関係を新たに取得された場合、記憶手段２４は、これらと、上記反映された連関度とをブロックチェーンネットワーク４ｃ内に構築するブロックチェーンで連結されるブロック３７に記録された記録内容を記憶した後、ブロック３７としてブロック３６を更新する。ブロック３７には、ブロック３６に記憶された、以前に学習した解決コンセプトに関するデータや各情報等が、例えば、「Ａ」、「Ｂ」、「Ｃ」等としれ格納されている例を示す。

例えば、新たに創作物を生成しようとするユーザは、ブロック３６に記録された情報を元に創作活動等を行う。この時点で参考とする情報等はブロック３６に記憶されており、例えば、「Ａ」、「Ｂ」、「Ｃ」等という、あるまとまりの情報群で対応付けられて記憶される。この情報群は、例えば、コンテンツ管理テーブル２００に記憶されている「コンテンツＩＤ」、「コンテンツタイトル」、「登録コンテンツ」、「登録日」、「登録者ＩＤ」、あるいは、学習済みモデル管理テーブル２０６に記憶されている「学習済みモデルＩＤ」等であり、管理データベース６ａ内の各々のユーザ端末５ｂ〜ユーザ端末５ｃ毎に記憶され、各々管理される。

例えば、アイデア創造支援学習部２により、ブロック３６に格納されている情報に基づき新たな文字列と解決コンセプトとの関係を取得した場合、それまでの情報と、新たな取得に関する情報とを、ブロックチェーン部３によりブロック３７を生成し、生成したブロック３７に以前に学習した経穴コンセプトに関するデータや情報を格納し、ブロックチェーンネットワーク４ｃ内に分散化される。

これにより、本実施形態におけるブロックチェーン履歴蓄積システム１００の動作が終了する。なお、本実施形態におけるブロックチェーン履歴蓄積プログラムとして、上記動作をコンピュータに実行させてもよい。

本実施形態によれば、マイニング手段２１を備える。このため、マイニング手段２１は、基本情報として、例えば、特許公報、研究リポート、技術報告書、アイデアメモ、ＳＮＳ等の様々な文献情報から文字列を抽出する。これにより、幅広い範囲で、過去の出版物、公開された文献等からも文字列を抽出することが可能となる。

また、本実施形態によれば、学習手段２３は、新たに提供された情報に基づいて文字列と解決コンセプトとの関係を取得し、連関度に反映させるように学習を行う。このため、解決コンセプト及び反映された連関度をネットワーク内に構築されるブロックチェーンで連結されるブロックに記録できる。これにより、以前に学習した解決コンセプトの抽出のための情報やデータを保護でき、過去に学習した結果や設定した各種パラメータや比較データ、重み等を再利用し、効率のよいアイデア創造支援が行うことが可能となる。

また、本実施形態によれば、探索手段２２は、過去の参照用文字列と、解決コンセプトとの間の関係を新たに取得した場合には、関係を連関度に反映させる。このため、連関度を容易に更新することができ、評価結果の精度をさらに高めることが可能となる。

また、本実施形態によれば、管理データベース６ａと参照データベース６ｂとを備える。これらのデータベース６を参照し、参照用文字列と、解決コンセプトとの間の３段階以上の第１連関度を含む評価データを取得する。参照用文字列は、ユーザ端末５ｂ〜ユーザ端末５ｃからの新たな創作する創作物に関する情報を含む。このため、新たに創作する創作物のアイデアやテキスト、キーワード等に基づき、重要性の度合い及び創作物の新規性や進歩性等を有する解決コンセプトの傾向の少なくとも何れかを定量的に評価することができる。これにより、過去に学習した結果や設定した各種パラメータや比較データ、重み等を再利用し、効率のよいアイデア創造支援を行うことが可能となる。

また、本実施形態によれば、学習手段２３は、過去の参照用文字列と、解決コンセプトとの間の関係を新たに取得し、関係を連関度に反映する。このため、過去に学習した結果や設定した各種パラメータや比較データ、重み等を再利用することが可能となる。これにより、繰り返し、効率のよいアイデア創造支援が行うことが可能となる。さらに、文献情報の他に、鮮度の高い教師データとして取り込むことができ、効率のよいニューラルネットワーク又はディープラーニングによる解決コンセプトを提示することができる。

また、本実施形態によれば、記憶手段２４は、新たな文字列と解決コンセプトを取得した場合に、これらと、反映された連関度とをブロックチェーンネットワーク４ｃ内に構築されるブロックチェーンで連結されるブロックに記録し、上記関係を取得する都度、各ブロック上において記録した内容の履歴を蓄積する。このため、学習済みモデルの随時更新において大量の教師データ受け付けた場合でも、以前に設定した各種パラメータや比較データ等が上書き、消失されることがなくなる。これにより、ＡＩとブロックチェーンの互いに共通する特徴を用いたサービスが可能となり、シームレスな関係を形成することが可能となる。さらに、ブロックチェーンネットワーク４ｃ上の情報は、オープンで分散化されているため、ブロックチェーンネットワーク４ｃに参加する皆がデータにアクセスすることができ、充実した登録コンテンツ情報を用意することが可能となる。

また、本実施形態によれば、記憶手段２４は、ブロックチェーンネットワーク４ｃ上に構築されるブロックチェーンで連結されるブロックに記録する。このため、大量のデータが分散型システムに蓄積される。これにより、従来の中央管理サーバと比較して、例えば、自然災害などの不測な事態が発生し被害を受けたとしても、データは保存され続ける。さらに、ハッキングのリスクも排除でき、データ改ざんへの耐性も高く保つことができる。

（第２〜第６実施形態：ブロックチェーン履歴蓄積システム１００の構成）
次に、図１４〜図１８を参照して、第２〜第６実施形態におけるブロックチェーン履歴蓄積システム１００のコンテンツ流通管理装置１の一例について説明する。

第２〜第６実施形態と、第１実施形態との違いは、コンテンツ流通管理装置１にグルーピング手段２５を備え、グルーピング手段２５は、判定手段２７による後述する各判別の結果と、新たに創作する創作物に関する情報に付された属性情報及び／又は抽出した文字列等とに基づいて、創作物に関する情報のグルーピングを行い、ブロックチェーン部３及び記憶手段２４は、グルーピング手段２５により作成された各グループ単位で、ブロックチェーンにおける各ブロックに記録を履歴として記憶させる点である。そのほかの点については、上述した実施形態と同様のため、説明を適宜省略する。

（第２実施形態：ブロックチェーン履歴蓄積システム１００の構成）
図１４に、第２実施形態におけるブロックチェーン履歴蓄積システム１００の模式図の一例を示す。

新たに創作物を生成しようとするユーザは、例えば、ブロック３６に記録された情報を元に創作活動等を行う。この時点で、参考とする情報等はブロック３６に記憶されており、例えば、「Ａ」、「Ｂ」、「Ｃ」等という、あるまとまりの情報群で対応付けられて記憶されている。

グルーピング手段２５は、例えば、参照するブロック３６の情報群の中から、あるいは、新たに創作する創作物に関して処理された情報群（「Ａ」、「Ｂ」、「Ｃ」等）の範囲から、以前に学習した解決コンセプトに関するデータや情報の特定部分をグループ単位で抽出し（例えば、「Ａ」、「Ｃ」等）、その抽出した特定部分のグループ単位を、新たなブロック３７として登録する。特定部分とは、例えば、登録されているコンテンツに関する指定であり、タイトル、範囲、期間、キーワード、重要度等であってもよい。特定部分以外の情報群は、例えば、特定部分の情報群とは別の領域として、ブロック３７に記憶されてもよい。そして、ブロックチェーン部３により、特定部分を格納した新しいブロック３５として、ブロックチェーンネットワーク４ｃ内に分散化される。

また、グルーピング手段２５は、グルーピング手段２５は、例えば、参照するブロック３６の情報群の中から、あるいは、新たに創作する創作物に関して処理された情報群（「Ａ」、「Ｂ」、「Ｃ」等）の範囲から、特定の領域から抽出された文字列、又は以前に学習した解決コンセプトに関するデータや情報から特定傾向部分をグループ単位で抽出し（例えば、「Ａ」、「Ｂ」等）、その抽出した特定傾向部分のグループ単位を、新たなブロック３７として登録する。特定傾向部分とは、例えば、登録されているコンテンツに関する指定であり、登録数、参照数、発言数、ダウンロード数等であってもよい。特定傾向の情報群のグループ単位以外の情報群は、例えば、特定傾向部分の情報群とは別の領域として、同じブロック３７に記憶されてもよい。そして、ブロックチェーン部３により、特定部分を格納した新しいブロック３５として、ブロックチェーンネットワーク４ｃ内に分散化される。

また、グルーピング手段２５は、例えば、参照するブロック３６の情報群の中から、あるいは、新たに創作する創作物に関して処理された情報群（「Ａ−１」、「Ａ−２」、「Ａ−３」等）の範囲から、以前に学習した解決コンセプトに関するデータや情報の最小部分をグループ単位で抽出し（例えば、「Ａ−１」）、その抽出した最小限のグループ単位を、新たなブロック３７として登録する。最小部分とは、例えば、登録されているコンテンツに関する指定であり、文字数、情報量、期間、件数等であってもよい。最小部分以外の情報群は、例えば、最小部分の情報群とは別の領域として、ブロック３５に記憶されてもよい。そして、ブロックチェーン部３により、特定部分を格納した新しいブロック３７として、ブロックチェーンネットワーク４ｃ内に分散化される。

本実施形態によれば、グルーピング手段２５は、ユーザ毎に所望の検索や記録を行うことができる。これにより、過去に学習した結果や設定した各種パラメータや比較データ、重み等を再利用し、効率のよいアイデア創造支援を提供することが可能となる。また、グルーピング手段２５は、特定傾向があるデータを大量に準備し、新しい解決コンセプトを見出すための教師データとして用いてもよい。その教師データも用いて機械学習を行い、学習済みモデルを生成し、生成した学習済みモデルを学習済みモデル管理テーブル２０６等に登録してもよい。

（第３実施形態：ブロックチェーン履歴蓄積システム１００の構成）
次に、図１５に、第３実施形態におけるブロックチェーン履歴蓄積システム１００の模式図の一例を示す。

新たに創作物を生成しようとするユーザは、例えば、ブロックチェーン化されているブロックの中からブロック３５に記録された情報を元に創作活動等を行い、その記録は履歴として新たに生成されるブロック３５に記憶され、ブロックチェーンネットワーク４ｃ内に分散化される。

グルーピング手段２５は、ブロックチェーンネットワーク４ｃ内に分散化されるブロックの一覧から、例えば、ブロック３５とブロック３７とを1つの新しいブロック３８として生成する。ブロック３８には、以前に学習した解決コンセプトに関するデータや情報のうち、特定のブロック３５及びブロック３７がグルーピングされて格納され、そして、ブロックチェーン部３により、特定部分を格納した新しいブロック３５として、ブロックチェーンネットワーク４ｃ内に分散化される。

各ブロックは、ブロックチェーンネットワーク４ｃ内に分散化されて記憶されるが、例えば、どのブロックを特定のブロックとしてするかは、判定手段２７による判定の結果に応じて、ユーザが各々のユーザ端末５ｂ〜ユーザ端末５ｃ等から選択するようにしてもよい。グルーピング手段２５は、この選択の結果に基づき、所望のブロックを判別し、データベース６（管理データベース６ａ、参照データベース６ｂ）に記憶される対象のブロックを、ブロックチェーン部３によりブロック化するようにしてもよい。

上記のようなグルーピング手段２５によるグルーピングにより、大きなまとまりであるブロック毎の記録が可能となる。これにより、過去に学習した結果や設定した各種パラメータや比較データ、重み等を再利用し、効率のよいアイデア創造支援を提供することが可能となる。

本実施形態によれば、記憶手段２４は、判定手段２７の判別結果に基づいて、最小限の項目又は最小限の範囲を示すデータ又はトランザクションが存在する場合は、その最小限の項目又は範囲でグルーピングした後に識別情報を付し、関連するデータを新しいブロックに格納する。これにより、例えば、要約の部分だけとか、課題や効果の部分だけとかのブロックが可能となる。これにより、ある特定の技術や事象に注目でき、応用や展開の幅を広げた検討が可能できるブロックチェーンネットワーク４ｃが可能となる。

（第４実施形態：ブロックチェーン履歴蓄積システム１００の構成）
次に、図１６に、第３実施形態におけるブロックチェーン履歴蓄積システム１００の模式図の一例を示す。

グルーピング手段２５は、例えば、判定手段２７により、コンテンツ管理テーブル２００、コンテンツ関与者テーブル２０２、コンテンツ活用履歴テーブル２０５等の内容の履歴を参照し、内容の履歴に応じて、関与者、登録者、及び学習モデルの作成者等の各々の対象者の関与の程度を算出する。そして、算出した関与の程度に応じて、対応する登録コンテンツ情報、対象者に所定のインセンティブ情報を付与する。

グルーピング手段２５は、例えば、判定手段２７は、管理データベース６ａに記憶された以前に学習した解決コンセプトに関するデータ、各情報の活用の履歴等の情報を判定し、各情報テーブルの対象者の関与の程度を、登録コンテンツの活用の程度等を算出する。対象者の関与の付与、または活用の履歴に応じたインセンティブの付与を行い、対象者又は登録コンテンツ情報への各々の付与でグルーピングした後に新しいブロック３５として生成する。

ブロック３５には、以前に学習した解決コンセプトに関するデータや情報等と共に、新しい創作物に関する創作に関して記録された閲覧、引用、制作、追加等の一連の作業に対応する関与の程度、インセンティブ情報が対象の登録コンテンツ、関与者等に付与される。ブロック３７は、ブロックチェーン部３により、ブロック３６に連鎖されるブロックとして、ブロックチェーンネットワーク４ｃ内に分散化される。

本実施例によれば、関与の程度、又はインセンティブ情報は、例えば、判定手段２７の判別結果に基づいて、格納対象データに含まれる、各対象者、登録コンテンツ参照回数、連携回数、参照時間のいずれかのデータに応じて、利用履歴に応じたインセンティブ情報が対象の登録コンテンツ、対象者に付与される。このため、対象者毎、または参照回数や時間、利用の程度、関与の程度等の数値的な情報、ログに基づいて、関与の程度の付与、又はインセンティブを付与することができる。これにより、正確な関与の程度、インセンティブを算出し、対象の登録コンテンツ情報や対象者に応じて適切なインセンティブを付与することができるようになる。

また、本実施例によれば、インセンティブ情報は、例えば、ポイントや金額であってもよい。インセンティブ情報は、管理データベース６ａに記憶され、所定の期間や時期、回数に応じて、各対象者にインセンティブ情報に相当するポイント又は金額等が支払われるようにしてもよい。

（第５実施形態：ブロックチェーン履歴蓄積システム１００の構成）
次に、図１７に、第５実施形態におけるブロックチェーン履歴蓄積システム１００の模式図の一例を示す。

新たに創作物を生成しようとするユーザは、例えば、ブロック３６に記録されたＳＮＳ情報のキーワード等を元に創作活動等を行う。この時点で、参考するＳＮＳ情報のキーワード等はブロック３６に記憶されており、例えば、「００１」、「００２」、「００３」等として他の関連する情報群と対応付けられて記憶されている。

グルーピング手段２５、例えば、判定手段２７の判定結果に応じて、参照するブロック３６の情報群の中から、あるいは、新たに創作する創作物に関して処理されたＳＮＳ情報のキーワード等（「００１」、「００２」、「００３」等）の範囲から、出現率の高い、または話題性の多いキーワードを抽出し、グルーピングし（例えば、キーワード「００１」と「００２」をグループ「Ａ」、キーワード「００１」と「００３」をグループ「Ｂ」等）、出現率の高い、話題性の広いキーワードのグループ単位を、新たなブロック３７として登録する。そして、ブロックチェーン部３により、グループ化された部分を格納した新しいブロック３７として、ブロックチェーンネットワーク４ｃ内に分散化される。

上記のようなグルーピング手段２５、判定手段２７による判定及びグルーピングにより、ある出現率又は話題性によるブロック毎の記録が可能となる。これにより、過去に学習した結果や設定した各種パラメータや比較データ、重み等を再利用し、効率のよいアイデア創造支援を提供することが可能となる。

本実施形態によれば、グルーピング手段２５は、判定手段２７の判定に基づいて、ＳＮＳ情報より抽出されたキーワードやコメントデータを抽出する。このため、抽出された情報を教師データとして取り込み学習済みモデルを生成することができる。これにより、ＳＮＳで登場している現在の情報を元に、登録コンテンツ情報として記録されている関連情報とのマッチングが可能となり、例えば、登録済みのコンテンツ情報と現在話題になっているリアルタイムの情報との組み合せ、マッチングによる創作活動、学習モデル等の生成が可能となる。

（第６実施形態：ブロックチェーン履歴蓄積システム１００の構成）
次に、図１８に、第６実施形態におけるブロックチェーン履歴蓄積システム１００の模式図の一例を示す。

グルーピング手段２５は、判定手段２７による新たに登録されたコンテンツ等を判別し、有害情報が含まれていると判断されれば、許可手段２８は、ブロック３７の生成を取りやめ、有害情報を含まないブロック３８を生成し、生成したブロック３６にその後にブロック３９を連鎖させる。

グルーピング手段２５は、判定手段２７による結果に応じて登録されるコンテンツ判定管理テーブル２０４に基づき、登録された、又は登録されているコンテンツ情報に基づきグルーピングを行う。禁止情報とは、例えば、「誹謗中傷」、「差別用語」、「禁止語句」、「有害画像」、「ウィルスコード」等である。

グルーピング手段２５は、登録コンテンツ情報、登録コンテンツ情報の特定領域に禁止情報が含まれる場合は、コンテンツ判定管理テーブル２０４に登録される判定の結果に応じて、判定結果がエラー等の軽微の場合は、相当の対応を行い、グルーピングを行うとしてもよい。グルーピング手段２５は、例えば、有害情報（例えば、ウィルスプログラム）を含んでいると判断されれば、ブロックチェーン部３は新しいブロック３６を生成し、記憶手段２４は、グルーピング手段２５により作成された禁止情報を排除したグループ単位で構成される新たなブロック３８として登録する。そして、ブロックチェーン部３により、グループ化された禁止時を排除して格納した新しいブロック３６として、ブロックチェーンネットワーク４ｃ内に分散化される。

本実施形態によれば、グルーピング手段２５は、判定手段２７により禁止情報の登録、混入を判定する。このため、格納される登録コンテンツ情報に、有害と判別されるデータ、トランザクション及びブロックが含まれれば、その有害と判別されたデータ、トランザクション及びブロックの連結をしない。これにより、有害なデータを回避した安全に参照できるブロックチェーンネットワーク４ｃが可能となる。

また、本実施形態におけるブロックチェーン履歴蓄積記録方法は、新たに創作する創作物に関する情報から文字列を抽出するマイニング手段と、予め取得した各参照用文字列と２種類以上に分類された各解決コンセプトとの３段階以上の連関度を参照し、マイニング手段により抽出された文字列に応じた参照用文字列と解決コンセプトとの３段階以上の連関度に基づき、１以上の解決コンセプトを探索する探索手段と、新たに提供された情報に基づいて文字列と解決コンセプトとの関係を取得し、これを参照すべき連関度に反映させるように学習させる学習手段と、学習手段において新たな文字列と解決コンセプトとの関係を取得した場合には、これらと、反映された関連度とをネットワーク内に構築されるブロックチェーンで連結されるブロックに記録する記録手段と、記録ステップは、関係を取得する都度、ブロック上において記録した内容の履歴を蓄積することにより実現される。

本実施形態におけるブロックチェーン履歴蓄積記録方法は、以前に習得した知識や解決コンセプトをうまく機能させるために必要なパラメータや関連情報を新しいブロックに格納する。そのため、以前に学習した学習済みモデルに関するデータ及び情報を保護することができるようになり、破滅的忘却による消失がなくなる。

さらに、汎用性が高く、効率のよいニューラルネットワーク又はディープラーニングによる課題解決を実現することができる。

本発明の実施形態を説明したが、各実施形態は例として提示したものであり、発明の範囲を限定することは意図していない。これら新規な実施形態は、その他の様々な形態で実施されることが可能であり、発明の要旨を逸脱しない範囲で、種々の省略、置き換え、変更を行うことができる。これら実施形態やその変形は、発明の範囲や要旨に含まれるとともに、特許請求の範囲に記載された発明とその均等の範囲に含まれる。

１ ：コンテンツ流通管理装置
１０ ：筐体
１１ ：ＣＰＵ
１２ ：ＲＯＭ
１３ ：ＲＡＭ
１４ ：記憶部
１５ ：Ｉ／Ｆ
１６ ：Ｉ／Ｆ
１７ ：Ｉ／Ｆ
１８ ：内部バス
１９ ：出力部分
１００ ：ブロックチェーン履歴蓄積システム
２ ：アイデア創造支援学習部
２０ ：入力部分
２１ ：マイニング手段
２２ ：探索手段
２３ ：学習手段
２４ ：記憶手段
２５ ：グルーピング手段
２６ ：送受信手段
２７ ：判定手段
２８ ：許可手段
２００ ：コンテンツ管理テーブル
２０１ ：関連情報テーブル
２０２ ：コンテンツ関与者テーブル
２０３ ：学習済みモデル更新テーブル
２０４ ：コンテンツ判定管理テーブル
２０５ ：コンテンツ活用履歴テーブル
２０６ ：学習済みモデル管理テーブル
３ ：ブロックチェーン部
３１ ：ブロックチェーン制御手段
３２ ：メタデータ生成手段
３３ ：暗号化手段
３４ ：電子署名手段
３５ ：ブロック
３６ ：ブロック
３７ ：ブロック
３８ ：ブロック
３９ ：ブロック
４ ：公衆通信網
４ａ ：インターネット
４ｂ ：コンテンツ流通ネットワーク
４ｃ ：ブロックチェーンネットワーク
５ ：ユーザ端末
５ａ ：ユーザ端末
５ｂ ：ユーザ端末
５ｃ ：ユーザ端末
６ ：データベース
６ａ ：管理データベース
６ｂ ：参照データベース
Ｓ１１０：マイニング手段
Ｓ１２０：探索手段
Ｓ１３０：学習手段
Ｓ１４０：記憶手段

Claims (7)

1. 新たに創作する創作物に関する情報から文字列を抽出するマイニング手段と、
   予め取得した各参照用文字列と２種類以上に分類された各解決コンセプトとの３段階以上の連関度を参照し、上記マイニング手段により抽出された文字列に応じた参照用文字列と解決コンセプトとの３段階以上の連関度に基づき、１以上の解決コンセプトを探索する探索手段と、
   新たに提供された情報に基づいて文字列と解決コンセプトとの関係を取得し、これを上記参照すべき連関度に反映させるように学習させる学習手段と、
   を有するアイデア創造支援学習部と、
   新たに創作する創作物に関する情報に付された属性情報及び／又は上記抽出した文字列に基づいて、上記創作物に関する情報のグルーピングを行うグルーピング手段と、
   上記学習手段において新たな文字列と解決コンセプトとの関係を取得した場合には、これらと、上記反映された連関度と、上記グルーピング手段によりグルーピングされた創作物に関する情報を各グループ単位で、ネットワーク内に構築されるブロックチェーンで連結されるブロックに記録する記録手段とを備え、
   上記記録手段は、上記関係を取得する都度、上記ブロック上において記録した内容の履歴を蓄積すること、
   を特徴とするブロックチェーン履歴蓄積システム。
2. 上記グルーピング手段は、特定の領域から抽出された文字列に基づいて、上記グルーピングを行うこと、
   を特徴とする請求項１に記載のブロックチェーン履歴蓄積システム。
3. 上記グルーピング手段は、上記各ブロックに蓄積された内容の履歴に基づいて、上記グルーピングを行うこと、
   を特徴とする請求項１に記載のブロックチェーン履歴蓄積システム。
4. 上記グルーピング手段は、上記属性情報及び／又は上記抽出した文字列に基づいて取得されたソーシャルネットワーク上での話題情報に基づいて、上記グルーピングを行うこと、
   を特徴とする請求項１に記載のブロックチェーン履歴蓄積システム。
5. 上記グルーピング手段は、特定の領域から抽出された文字列に禁止情報が含まれる場合、前記禁止情報を排除したグルーピングを行い、
   上記記録手段は、上記グルーピング手段により作成された上記禁止情報を排除したグループ単位で、上記ブロックチェーンにおける各ブロックに記録すること、
   を特徴とする請求項１に記載のブロックチェーン履歴蓄積システム。
6. 上記属性情報は、上記創作物の作成に関わった関与者に関する情報及び／又は前記関与者の関与の程度に関する情報を含むこと、
   を特徴とする請求項１に記載のブロックチェーン履歴蓄積システム。
7. 新たに創作する創作物に関する情報から文字列を抽出する抽出ステップと、
   予め取得した各参照用文字列と２種類以上に分類された各解決コンセプトとの３段階以上の連関度を参照し、上記抽出ステップにより抽出された文字列に応じた参照用文字列と解決コンセプトとの３段階以上の連関度に基づき、１以上の解決コンセプトを探索する探索ステップと、を行うアイデア創造支援学習ステップと、
   新たに提供された情報に基づいて文字列と解決コンセプトとの関係を取得し、これを上記参照すべき連関度に反映させるように学習させる学習ステップと、
   新たに創作する創作物に関する情報に付された属性情報及び／又は上記抽出した文字列に基づいて、上記創作物に関する情報のグルーピングを行うグルーピングステップと、
   上記学習ステップにおいて新たな文字列と解決コンセプトとの関係を取得した場合には、これらと、上記反映された連関度と、上記グルーピングステップによりグルーピングされた創作物に関する情報を各グループ単位で、ネットワーク内に構築されるブロックチェーンで連結されるブロックに記録するとともに、上記関係を取得する都度、上記ブロック上において記録した内容の履歴を蓄積する記録ステップと、
   をコンピュータが実行することを特徴とするブロックチェーン履歴蓄積方法。

Images