JP6784000B2 - 情報処理装置、情報処理方法、及び、プログラム - Google Patents

Description

本発明は、未知のイベント情報を生成する情報処理装置、情報処理方法、及び、プログラムに関する。

顧客のライフイベントに応じた保険提案を自動的に生成する方法が知られている（例えば、特許文献１）。顧客に適切な提案を行うためには顧客に生じる結婚、及び、出産等のセンシティブなライフイベントに関する情報が必要であるが、このような情報を顧客から取得することは必ずしも容易でなかった。また、ベイジアンネットワークを利用して機器のイベント間の因果関係を特定する方法が知られているが（例えば、特許文献２）、人に関するイベントを網羅的に収集することは困難であった。更に２以上のイベント間に生じる別のイベントの発生時期を推定する方法も知られていない。
［特許文献１］特開２００２−２５９７０７号公報
［特許文献２］特開２０１４−２１１８３７号公報

顧客などの対象者に発生する未知のイベントを、公開された統計情報等の既知の情報に基づいて推定することを課題とする。

本発明の第１の態様においては、対象者に発生した少なくとも１つの既知のイベントに関する既知イベント情報を取得する既知イベント情報取得部と、イベントに関する統計データを取得する統計取得部と、統計データ及び既知イベント情報に基づき、対象者の未知のイベントに関する未知イベント情報を生成するイベント情報生成部とを備える情報処理装置、当該情報処理装置による情報処理方法、及び、当該情報処理装置に用いるプログラムを提供する。本発明の第２の態様においては、統計データに基づき、イベントの発生確率を算出する確率算出部を備える第１の態様の情報処理装置を提供する。本発明の第３の態様においては、確率算出部は、第１のイベントが発生する場合に第２のイベントが発生する発生確率を算出する、第２の態様の情報処理装置を提供する。本発明の第４の態様においては、確率算出部は、第１のイベントが発生する場合に第２のイベントが発生する発生確率を、第１のイベントと第２のイベントの時間間隔ごとに算出する、第２の態様の情報処理装置を提供する。本発明の第５の態様においては、イベントの発生確率に基づき、複数のイベントをノードとして含むベイジアンネットワーク（ＢＮ）を生成するＢＮ生成部を更に備え、イベント情報生成部は、ベイジアンネットワークに基づいて、未知イベント情報を生成する、第１から４のいずれかの態様の情報処理装置を提供する。本発明の第６の態様においては、ＢＮ生成部は、ベイジアンネットワークにおける各ノードについて、時間間隔ごとの条件付き確率表を生成する、第５の態様の情報処理装置を提供する。本発明の第７の態様においては、イベント情報生成部は、時間間隔ごとの条件付き確率表に基づいて、対象者の未知のイベントが発生した時期を推定する発生時期推定部を有する、第６の態様の情報処理装置を提供する。本発明の第８の態様においては、発生時期推定部は、時間間隔ごとの条件付き確率表における発生確率が最大の時間間隔を対象者の未知のイベントの時間間隔として推定する、第７の態様の情報処理装置を提供する。本発明の第９の態様においては、発生時期推定部は、時間間隔ごとの条件付き確率表における３以上イベントの間に含まれる２以上の時間間隔の発生確率の和又は積に基づいて、３以上のイベントの時間間隔として特定し、特定した時間間隔により対象者の未知のイベントが発生した時期を推定する、第７の態様の情報処理装置を提供する。本発明の第１０の態様においては、発生時期推定部は、時間間隔ごとの条件付き確率表における３以上イベントの間に含まれる２以上の時間間隔の発生確率の和又は積が最大となる２以上の時間間隔であって、和が３以上のイベントの最初のイベントと最後のイベントの時間間隔を超えない２以上の時間間隔を、３以上のイベントの時間間隔として特定し、特定した時間間隔により対象者の未知のイベントが発生した時期を推定する、第９の態様の情報処理装置を提供する。本発明の第１１の態様においては、イベント情報生成部は、ベイジアンネットワークに基づいて、既知イベント情報から対象者について対象者の未知のイベントの発生の有無を推定する発生有無推定部を有する、第５から１０のいずれかの態様の情報処理装置を提供する。本発明の第１２の態様においては、未知イベント情報に基づき、未知のイベントに関連して対象者に対してレコメンドすべき情報を生成するレコメンド生成部を更に備える、第１１の態様の情報処理装置を提供する。本発明の第１３の態様においては、イベント情報生成部は、対象者に発生する発生確率が閾値以上の未知のイベントを対象者に発生したことを示す未知イベント情報を生成し、レコメンド生成部は、対象者に発生したことを未知イベント情報が示す未知のイベントに対してレコメンドすべき情報を生成する、第１２の態様の情報処理装置を提供する。本発明の第１４の態様においては、統計取得部は、外部サーバから一次統計情報を取得し、一次統計情報を収集して統計データを生成し、イベントに関する複数の表現を含む同義語データを取得し、同義語データに基づいて、２つのイベントに関する表現と一致する統計データの表現をマッチングして、２つのイベントに関する統計データを取得する、第１から１３のいずれかの態様の情報処理装置を提供する。本発明の第１５の態様においては、統計取得部は、イベントのカテゴリ毎の統計データを取得し、ＢＮ生成部は、対象者の属性に基づいて対象者が属するカテゴリを特定し、イベント情報生成部は、対象者が属するカテゴリの統計データに基づき未知イベント情報を生成する、第５から１３のいずれかの態様の情報処理装置を提供する。本発明の第１６の態様においては、イベントは、対象者に関連するライフイベントである、第１から１５のいずれかの態様の情報処理装置を提供する。

なお、上記の発明の概要は、本発明の特徴の全てを列挙したものではない。また、これらの特徴群のサブコンビネーションもまた、発明となりうる。

本実施形態の情報処理装置１０のブロック図を示す。 本実施形態の情報処理装置１０の処理フローの一例を示す。 図２のＳ１００の具体的な処理フローの一例を示す。 統計取得部１１０が取得する一次統計情報の一例を示す。 統計取得部１１０が取得するイベントに関する統計データの一例を示す。 確率算出部１２０が生成するイベント発生確率データを示す。 図２のＳ１００の別の処理フローの一例を示す。 統計取得部１１０が生成する時間付きイベントテーブルの一例を示す。 統計取得部１１０が生成する順序付きイベントテーブルの一例を示す。 図２のＳ２００の具体的な処理フローの一例を示す。 図２のＳ３００の具体的な処理フローの一例を示す。 ＢＮ生成部１４０が生成するＢＮＳインスタンスｉの一例を示す。 図２のＳ５００の具体的な処理フローの一例を示す。 図１３のＡ以降の処理フローの一例を示す。 図２のＳ６００の具体的な処理フローの一例を示す。 コンピュータ１９００のハードウェア構成の一例を示す。

以下、発明の実施の形態を通じて本発明を説明するが、以下の実施形態は特許請求の範囲にかかる発明を限定するものではない。また、実施形態の中で説明されている特徴の組み合わせの全てが発明の解決手段に必須であるとは限らない。

図１は、情報処理装置１０のブロック図を示す。情報処理装置１０は、対象者の既知のイベントに関する既知イベント情報とイベントに関する統計データを取得し、既知イベント情報及び統計データに基づいて対象者の未知のイベントを推定する。例えば、イベントは、対象者に関連するライフイベント（一例として、結婚、出産、及び、不動産の購入等）であってよい。情報処理装置１０は、統計取得部１１０、確率算出部１２０、対象者情報取得部１３０、ＢＮ生成部１４０、イベント情報生成部１５０、及び、レコメンド生成部１６０を備える。

統計取得部１１０は、イベントに関する統計データを取得する。統計取得部１１０は、公開された統計情報に基づき、イベントに関する統計データを生成して取得してよい。例えば、統計取得部１１０は、情報処理装置１０の外部サーバであってよい公開統計データベース３０から一次統計情報を取得し、情報処理装置１０の外部サーバである同義語データベース２０からイベントに関する複数の表現を含む同義語データを取得し、同義語データを利用して一次統計情報からイベントに関する統計データを生成してよい。

また、統計取得部１１０は、情報処理装置１０の外部サーバであってよい対象者データベース４０から、複数の対象者に関する既知のイベントの情報を含む既知イベント情報を取得し、複数の対象者の既知イベント情報から統計データを生成してよい。統計取得部１１０は、生成したイベントに関する統計データを確率算出部１２０に供給する。

確率算出部１２０は、イベントに関する統計データに基づき、イベントの発生確率を算出する。例えば、確率算出部１２０は、イベントに関する統計データに基づき、第１のイベントが発生する場合に第２のイベントが発生する発生確率を算出する。また、確率算出部１２０は、第１のイベントが発生する場合に第２のイベントが発生する発生確率を、第１のイベントと第２のイベントの時間間隔ごとに算出する。確率算出部１２０は、算出したイベントの発生確率をＢＮ生成部１４０に供給する。

対象者情報取得部１３０は、対象者の属性情報、及び、対象者に発生した少なくとも１つの既知のイベントに関する既知イベント情報を取得する。例えば、対象者情報取得部１３０は、情報処理装置１０の外部サーバであってよい対象者データベース４０から、対象者ごとのプロフィール情報を属性情報として取得し、更に対象者ごとのイベントに関する情報を対象者ごとの既知イベント情報として取得する。対象者情報取得部１３０は取得した情報をＢＮ生成部１４０に供給する。

ＢＮ生成部１４０は、確率算出部１２０が算出したイベントの発生確率に基づき、複数のイベントをノードとして含み、イベント間の相互の相関関係を表すベイジアンネットワーク（ＢＮ）を生成する。また、ＢＮ生成部１４０は、ベイジアンネットワークにおける各ノードについて、時間間隔なしの条件付き確率表、及び、時間間隔ごとのイベントの発生確率を含む時間間隔ごとの条件付き確率表を生成する。ここで、ＢＮ生成部１４０は、対象者の属性情報及び既知イベント情報に基づき、対象者ごとにベイジアンネットワークを生成してよい。ＢＮ生成部１４０は生成したベイジアンネットワークをイベント情報生成部１５０に供給する。

イベント情報生成部１５０は、イベントに関する統計データ及び既知イベント情報に基づいて生成されたベイジアンネットワークに基づいて、対象者の未知のイベントに関する未知イベント情報を生成する。対象者の未知のイベントは、ベイジアンネットワークに含まれるノードに対応するイベントのうち、既知のイベント以外のイベントであってよい。例えば、対象者の未知のイベントは、対象者に発生したか否かが未知のイベントを含んでよく、更に、対象者に発生したが発生時期が未知のイベントを含んでよい。

未知イベント情報は、未知のイベントの発生の有無、及び／又は、未知のイベントの発生時期の情報を含んでよい。イベント情報生成部１５０は、発生有無推定部１５２、及び、発生時期推定部１５４を有する。

発生有無推定部１５２は、ベイジアンネットワークの時間間隔無しの条件付き確率表に基づいて、既知イベント情報から対象者について対象者の未知のイベントの発生の有無を推定する。

発生時期推定部１５４は、時間間隔ごとの条件付き確率表に基づいて、対象者の未知のイベントが発生した時期を推定する。イベント情報生成部１５０は、発生有無推定部１５２、及び、発生時期推定部１５４の少なくとも一方の推定結果を含む未知イベント情報をレコメンド生成部１６０に供給する。

レコメンド生成部１６０は、未知イベント情報に基づき、未知のイベントに関連して対象者に対してレコメンドすべき情報を生成する。例えば、レコメンド生成部１６０は、未知イベント情報により、対象者に発生すると推定されたイベント、及び、イベントの発生時期に応じた商品等をレコメンドする情報を生成する。レコメンド生成部１６０は、生成した情報を対象者に送信してもよい。

このように本実施形態の情報処理装置１０によれば、公開された一次統計情報、及び、対象者の既知のイベントに関する既知イベント情報等に基づき、イベントをノードとして含み、時間間隔ごとの条件付き確率表を含むベイジアンネットワークを生成する。これにより、情報処理装置１０は、ベイジアンネットワークを利用して各対象者について未知のイベントの発生の有無、及び、未知のイベントの発生時期を推定することができ、各対象者に対して適切なレコメンドを実行することができる。

なお、同義語データベース２０、公開統計データベース３０、及び、対象者データベース４０の少なくとも一つは、情報処理装置１０の外部サーバでなく、情報処理装置１０に含まれる記憶装置により実現されてもよい。

図２は、本実施形態の情報処理装置１０の処理フローの一例を示す。本実施形態において、情報処理装置１０は、Ｓ１００からＳ７００の処理を実行することにより、対象者の未知のイベントを推定し、推定結果に応じたレコメンドを生成する。

Ｓ１００において、統計取得部１１０は、イベントに関する統計データを取得する。例えば、統計取得部１１０は、公開統計データベース３０にアクセスして一次統計情報を取得し、当該一次統計情報に基づいて生成したイベントに関する統計データを取得してよい。

また、統計取得部１１０は、対象者データベース４０にアクセスして複数の対象者の既知イベント情報を取得し、当該複数の対象者の既知イベント情報を集計してイベントに関する統計データを生成、及び、取得してよい。統計取得部１１０は、生成したイベントに関する統計データを確率算出部１２０に供給する。

確率算出部１２０は、イベントに関する統計データに基づき、イベントの発生確率を算出する。確率算出部１２０は、算出したイベントの発生確率をＢＮ生成部１４０に供給する。Ｓ１００の処理の詳細は後述する。

次にＳ２００において、ＢＮ生成部１４０は、イベントの発生確率に基づき、イベント間の相互の相関関係を表すベイジアンネットワーク（ＢＮ）を生成する。例えば、ＢＮ生成部１４０は、複数のイベントのそれぞれを各ノードとして含むベイジアンネットワーク構造を生成する。Ｓ２００の処理の詳細は後述する。

次にＳ３００において、ＢＮ生成部１４０は、ベイジアンネットワーク構造の各ノードについて、時間間隔ごとの条件付き確率表を生成する。例えば、対象者情報取得部１３０は、対象者データベース４０から対象者ごとの属性データ及び既知イベント情報を取得してＢＮ生成部１４０に供給する。

そして、ＢＮ生成部１４０は、Ｓ２００で生成したベイジアンネットワーク、及び、対象者情報取得部１３０から取得した各対象者の属性情報並びに既知イベント情報に基づき、対象者ごとにベイジアンネットワークの各ノードに対応するイベントの発生確率を算出する。例えば、ＢＮ生成部１４０は、時間間隔ごとのイベントの発生確率を含む時間間隔ごとの条件付き確率表、及び、時間間隔を含まないイベントの発生確率を含む時間間隔なしの条件付き確率表を生成する。ＢＮ生成部１４０は生成した各イベントの発生確率をイベント情報生成部１５０に供給する。Ｓ３００の処理の詳細は後述する。

次にＳ４００において、イベント情報生成部１５０は、既知イベント情報から対象者について対象者の未知のイベントの発生の有無を推定する。例えば、イベント情報生成部１５０の発生有無推定部１５２は、ベイジアンネットワークの時間間隔なしの条件付き確率表におけるイベントの発生確率が予め定められた閾値（例えば、５０％）以上の場合、当該未知のイベントが対象者に発生したと推定し、当該未知のイベントに対してイベントが発生したことを示す未知イベント情報を生成してよい。

次にＳ５００において、イベント情報生成部１５０は、時間間隔ごとの条件付き確率表に基づいて、対象者の２つ既知のイベント間の時間間隔を推定する。イベント情報生成部１５０は推定された２つ既知のイベント間の時間間隔を含む未知イベント情報を生成する。例えば、イベント情報生成部１５０は、一のイベントについて、前のイベントが発生してから一のイベントが発生するまでの時間間隔の情報を含む未知イベント情報を生成する。Ｓ５００の処理の詳細は後述する。

次にＳ６００において、イベント情報生成部１５０は、時間間隔ごとの条件付き確率表に基づいて、既知の２つのイベントに挟まれたイベントの発生時期を推定する。イベント情報生成部１５０は、当該既知の２つのイベントに挟まれたイベントについて、当該挟まれたイベントの発生時期を含む未知イベント情報を生成する。Ｓ６００の処理の詳細は後述する。なお、Ｓ４００〜Ｓ６００の処理は、図２で説明した順番と異なる順番で実行されてもよい。

次にＳ７００において、レコメンド生成部１６０は、未知イベント情報に基づいて、未知のイベントに関連して対象者に対してレコメンドすべき情報を生成する。レコメンド生成部１６０は、各対象者に対してレコメンドすべき情報を生成してよい。レコメンド生成部１６０は、対象者に発生したことを未知イベント情報が示す未知のイベントに対してレコメンドすべき情報を生成する。例えば、レコメンド生成部１６０は、未知イベント情報が一のイベントが発生したことを示す場合、当該一の未知のイベントに関連する商品をレコメンドする情報を生成する。

一例として、レコメンド生成部１６０は、特定の対象者が結婚したことを示す未知イベント情報に基づき、結婚に関連してレコメンドすべき商品（例えば、生命保険等）の情報を生成する。

また、レコメンド生成部１６０は、発生時期が未知だった一のイベントの発生時期を未知イベント情報が示す場合、当該一のイベントに関連し、イベントの発生時期に応じた商品をレコメンドする情報を生成する。例えば、レコメンド生成部１６０は、特定の対象者が３年前に出産したことを示す未知イベント情報に基づき、出産から３年後の状況に関連してレコメンドすべき商品（例えば、学資保険、または、幼児用品等）の情報を生成する。

ここで、情報処理装置１０は、対象者に商品等の提案する営業担当者により使用されてよく、その場合、レコメンド生成部１６０は営業用資料としてレコメンドすべき情報を生成してよい。また、情報処理装置１０は、対象者自身により直接、又は、インターネット等を介して間接的に使用されてよく、その場合、レコメンド生成部１６０は対象者に対して送信する商品提案としてレコメンドすべき情報を生成してよい。また、レコメンド生成部１６０は、レコメンドに加えて、未知イベント情報に係るイベントに関連した対象者への質問を生成してよい。

図３は、図２のＳ１００の具体的な処理フローの一例を示す。本実施形態において、情報処理装置１０は、Ｓ１１０からＳ１９０の処理を実行することにより、Ｓ１００の処理を実行してよい。情報処理装置１０は、図３のフローを実行することにより公開された統計情報に基づき、イベントに関する統計データを生成する。

まず、Ｓ１１０において、統計取得部１１０は、公開された一次統計情報を取得する。例えば、統計取得部１１０は、公開統計データベース３０（一例として、公官庁又は企業等が一般向けに公開するデータを格納し、何人もアクセス可能なデータベース等）にアクセスし、公開統計データベース３０に格納された統計情報を一次統計情報として入手する。

次に、Ｓ１１２において、統計取得部１１０は、Ｓ１１０で取得した一次統計情報を編集し、１又は複数の統計データを生成する。例えば、統計取得部１１０は、一次統計情報に含まれる１または複数の表等のデータを正規化し、要約し、及び／又は、併合することにより、簡潔化された統計データを生成する。統計取得部１１０は、一次統計情報がカテゴリ（例えば、性別、地域、及び／又は年齢層等）ごとに分類された統計情報を有する場合、カテゴリ毎に分類された統計データを生成してよい。

次に、Ｓ１２０において、統計取得部１１０は、Ｓ１１２で生成した統計データのうちの１つを選択して解析する。例えば、統計取得部１１０は、同義語データベース２０からイベントに関する複数の表現を含む同義語データを取得し、同義語データに基づいて、解析対象の統計データがイベントに関する統計データか否かを判断する。一例として、統計取得部１１０は、各イベントに対して１又は複数の表現を含む同義語データに基づいて、２つのイベントに関する表現と一致する統計データの表現をマッチングする。

統計取得部１１０は、統計データが２つの異なるイベントに関する表現を含む場合、当該統計データをイベントに関する統計データであると決定する。統計取得部１１０は、異なる２つのイベントの組み合わせについて、マッチングによる判断を繰り返し実行してよい。これにより、統計取得部１１０は、同義語データを利用して一次統計情報からイベントに関する統計を正確に抽出することができる。

次にＳ１３０において、統計取得部１１０は、Ｓ１２０の解析結果に基づき、直前のＳ１２０で解析した統計データがイベントに関する統計データであるか否かを判断する。統計取得部１１０は、当該統計データがイベントに関する統計データである場合、当該イベントに関する統計データを取得して処理をＳ１４０に進め、そうでない場合は処理をＳ１８０に進める。

これにより、統計取得部１１０は、２つのイベントの相関関係を示す統計データを取得することができる。例えば、統計取得部１１０は、ある一のイベント（例えば、結婚）が発生したときに、別の一のイベント（例えば、出産）が発生した数（又は割合）を示すイベントに関する統計データを取得する。

次にＳ１４０において、統計取得部１１０は、取得したイベントに関する統計データが２つのイベント間の時間間隔の情報を含むか否か判断する。例えば、統計取得部１１０は、取得した統計データが時間間隔に関する表現（一例として、「経過」、「間隔」等）を含むか否かを判断する。統計取得部１１０は、取得した統計データが時間間隔の情報を含むと判断する場合、処理をＳ１６０に進め、そうでない場合は処理をＳ１７０に進める。

次にＳ１６０において、確率算出部１２０は、時間間隔の情報を含むイベントに関する統計データに基づき、イベントの発生確率を算出する。例えば、確率算出部１２０は、２つのイベント間の時間間隔の情報を含む統計データに基づいて、２つのイベント間のイベント遷移の情報を生成する。例えば、確率算出部１２０は、イベントに関する統計データがある一のイベントの後に別のイベントに遷移する数等を含む場合、当該一のイベントから別のイベントへのイベント遷移の情報を生成する。

更に確率算出部１２０は、一のイベントが発生したときに当該一のイベントの後（又は前）に別のイベントが発生する確率を、当該一のイベントからの時間間隔ごと算出する。確率算出部１２０は、算出した時間間隔ごとのイベントの発生確率を含むイベント発生確率データを生成してよい。確率算出部１２０は生成したイベント発生確率データをＢＮ生成部１４０に供給する。確率算出部１２０は、処理をＳ１８０に進める。

次にＳ１７０において、確率算出部１２０は、時間間隔の情報を含まないイベントに関する統計データに基づき、イベントの発生確率を算出する。例えば、確率算出部１２０は、時間間隔の情報を含まないイベントに関する統計データに基づき、２つのイベント間のイベント遷移の情報を生成する。例えば、確率算出部１２０は、イベントに関する統計データがある一のイベントの後に別のイベントに遷移する数等を含む場合、当該一のイベントから別のイベントへのイベント遷移の情報を生成する。

更に確率算出部１２０は、一のイベントが発生したときに当該一のイベントの後（又は前）に別のイベントが発生する確率を算出する。確率算出部１２０は、算出したイベントの発生確率を含むイベント発生確率データを生成してよい。確率算出部１２０は生成したイベント発生確率データをＢＮ生成部１４０に供給する。確率算出部１２０は、処理をＳ１８０に進める。

Ｓ１８０において、統計取得部１１０は、Ｓ１１２で生成した統計データの全てについてＳ１２０〜Ｓ１７０の処理を完了したか否かを判断する。統計データの全てを処理したと判断する場合、統計取得部１１０は、Ｓ１００の処理を終了し、そうでない場合は処理をＳ１９０に進める。

Ｓ１９０において、統計取得部１１０は、Ｓ１１２で生成した統計データのうち未選択の統計データを選択し、新しく選択した統計データについてＳ１２０の処理を開始する。

図４は、統計取得部１１０が取得する一次統計情報の一例を示す。図４に示す一次統計情報は、「結婚から12か月未満に第１子を出産した夫婦数」、「結婚から12か月以上24か月未満で第１子出産した夫婦数」及び「結婚から24か月以上で第１子出産した夫婦数」を、地域（ノースカロライナ（ＮＣ）及びカルフォルニア（ＣＡ））ごとに集計した表を含む。例えば、統計取得部１１０は、Ｓ１１０において図４に示す表を一次統計情報として取得してよい。

図５は、統計取得部１１０が取得するイベントに関する統計データの一例を示す。例えば、Ｓ１１２において、統計取得部１１０は、一次統計情報である図４に示す３つの表を併合して、図５に示す統計データを生成してよい。図５の統計データは、地域に関する２つのカテゴリ（ノースカロライナ（ＮＣ）及びカルフォルニア（ＣＡ））含み、各カテゴリにおいて、イベント「結婚」の１年未満でイベント「出産」が生じた対象者（夫婦）の数、イベント「結婚」の１年以上〜２年未満でイベント「出産」が生じた対象者（夫婦）の数、及び、イベント「結婚」の２年以上後でイベント「出産」が生じた対象者（夫婦）の数を示す。

図６は、確率算出部１２０が生成するイベント発生確率データを示す。例えば、Ｓ１６０において、確率算出部１２０は、図５のイベントに関する統計データから、カテゴリごとに図６に係るイベント発生確率データを生成してよい。図６に示すイベント発生確率データは、ノースカロライナ（ＮＣ）のカテゴリにおける、イベント「結婚」の１年未満でイベント「出産」が生じる発生確率、イベント「結婚」の１年以上〜２年未満でイベント「出産」が生じる発生確率、及び、イベント「結婚」の２年以上後でイベント「出産」が生じる発生確率を含む。図６に示すように、イベント発生確率データは、発生確率に加え、時間間隔ごとのイベントの発生数（図中のカウント）を含んでよい。

図７は、図２のＳ１００の別の処理フローの一例を示す。情報処理装置１０は、図２のＳ１００の処理において、図３のＳ１１０〜Ｓ１９０のフローに加えて／代えて、図７のＳ１１５〜Ｓ１９５の処理を実行してよい。情報処理装置１０は、図７のフローを実行することにより対象のイベントに関する情報に基づき、イベントに関する統計データを生成する。

Ｓ１１５において、統計取得部１１０は、対象者データベース４０から、一の対象者の属性情報、及び、一の対象者の既知のイベントに関する既知イベント情報を取得する。例えば、統計取得部１１０は、営業担当者が対象者との会話から得て対象者データベース４０に予め登録した一の対象者のライフイベント（一例として、対象者自身又は対象者の近親者についての結婚、出産、引越し、就職、及び／又は、退職等）に関する情報を、一の対象者の既知イベント情報として取得する。統計取得部１１０は、対象者データベース４０に既知イベント情報が登録された時点の情報を取得してよい。統計取得部１１０は、一の対象者について複数の既知イベント情報を取得してもよい。

なお、対象者データベース４０がイベントに関する情報以外を含む場合、統計取得部１１０は、情報処理装置１０の同義語データベース２０からイベントに関する複数の表現を含む同義語データを取得し、同義語データを利用してマッチングにより一の対象者のイベントに関する既知イベント情報を抽出して取得してもよい。

次にＳ１３５において、統計取得部１１０は、直近のＳ１１５で取得した一の対象者の既知イベント情報が時間に関する情報を含むか否か判断する。例えば、統計取得部１１０は、一の対象者の既知イベント情報がイベントの発生時期（一例として、発生年、発生した季節、発生月、又は発生日時等）を含むか否かを判断する。統計取得部１１０は、既知イベント情報が時間に関する情報を含むと判断する場合は処理をＳ１４５に進め、そうでない場合は処理をＳ１５５に進める。

Ｓ１４５において、統計取得部１１０は、一の対象者についての時間付きイベントテーブルのエントリを生成する。時間付きイベントテーブルは、複数の対象者についての既知イベント情報ごとの複数のエントリを含み、各エントリは既知イベント情報に係る既知のイベント及び発生時期の情報を含む。統計取得部１１０は、処理をＳ１６５に進める。

Ｓ１５５において、統計取得部１１０は、一の対象者についての順序付きイベントテーブルのエントリを生成する。順序付きイベントテーブルは、複数の対象者について既知イベント情報ごとの複数のエントリを含み、各エントリは既知イベント情報に係る既知のイベント及び発生順序の情報を含む。ここで、統計取得部１１０は、対象者データベース４０に既知イベント情報が登録された順序を順序付きイベントテーブルにおける発生順序としてよい。統計取得部１１０は、処理をＳ１６５に進める。

Ｓ１６５において、統計取得部１１０は、対象者データベース４０に記録された全ての対象者についてＳ１１５〜Ｓ１５５の処理を実行したか否か判断する。全ての対象者の処理が終了したと判断する場合、統計取得部は処理をＳ１８５に進め、そうでない場合は処理をＳ１７５に進める。

Ｓ１７５において、統計取得部１１０は、未選択の別の対象者を選択し、新しく選択した対象者についてＳ１１５の処理を開始する。

Ｓ１８５において、統計取得部１１０は、イベントに関する統計データを生成して取得する。例えば、統計取得部１１０は、複数の対象者についてＳ１４５で生成した時間付きイベントテーブルに基づいて、時間間隔付きのイベントに関する統計データを生成する。一例として、統計取得部１１０は、時間付きイベントテーブルから各対象者についてのイベント間の時間間隔を算出し、算出した時間間隔に基づいて、図５に示したものと同様の時間間付きのイベントに関する統計データを生成する。

また、例えば、統計取得部１１０は、複数の対象者についてＳ１５５で生成した順序付きイベントテーブルに基づいて、時間間隔無しのイベントに関する統計データを生成する。一例として、統計取得部１１０は、順序付きイベントテーブルから各対象者についてのイベント間の順序関係を特定し、一のイベントが発生した後に別のイベントが発生する発生確率を示す時間間隔無しのイベントに関する統計データを生成する。

また、統計取得部１１０は、複数の対象者が属するカテゴリごとにイベントに関する統計データを生成してもよい。例えば、統計取得部１１０は、Ｓ１１５で取得した対象者の属性情報に基づき、全対象者を複数のカテゴリに分類し、各カテゴリに属する対象者ごとにイベントに関する統計データを生成してよい。統計取得部１１０は、生成したイベントに関する統計データを確率算出部１２０に供給する。

Ｓ１９５において、確率算出部１２０は、イベントに関する統計データに基づき、イベントの発生確率を算出する。例えば、確率算出部１２０は、時間間隔付きのイベントに関する統計データに基づいて、２つのイベント間のイベント遷移の情報を生成する。例えば、確率算出部１２０は、イベントに関する統計データがある一のイベントの後に別のイベントに遷移する数等を含む場合、当該一のイベントから別のイベントへのイベント遷移の情報を生成する。

確率算出部１２０は、一のイベントが発生したときに当該一のイベントの後（又は前）に別のイベントが発生する確率を、当該一のイベントからの時間間隔ごと算出する。確率算出部１２０は、算出した時間間隔ごとのイベントの発生確率を含むイベント発生確率データを生成してよい。一例として、確率算出部１２０は、図６に示したものと同様のイベント発生確率データを生成してよい。

また、例えば、確率算出部１２０は、時間間隔無しのイベントに関する統計データに基づいて、２つのイベント間のイベント遷移の情報を生成し、一のイベントが発生したときに当該一のイベントの後（又は前）に別のイベントが発生する確率を算出する。確率算出部１２０は生成したイベント発生確率データをＢＮ生成部１４０に供給する。

図８は、Ｓ１４５において統計取得部１１０が生成する時間付きイベントテーブルの一例を示す。図示するように時間付きイベントテーブルは、顧客ＩＤで特定される対象者Ｃｘｘｘ１及びＣｘｘｘ２ごとに、タイムスタンプで示される発生時期とイベント内容とを含んでよい。

図９は、Ｓ１５５において統計取得部１１０が生成する順序付きイベントテーブルの一例を示す。図示するように順序付きイベントテーブルは、顧客ＩＤで特定される対象者Ｃｙｙｙ１及びＣｙｙｙ２ごとに、イベントの発生順序とイベント内容とを含んでよい。

図１０は、図２のＳ２００の具体的な処理フローの一例を示す。図示するように本実施形態において、情報処理装置１０は、Ｓ２１０からＳ２２０の処理を実行することにより、Ｓ２００の処理を実行してよい。

まず、Ｓ２１０において、ＢＮ生成部１４０は、イベントに関する統計データからイベント遷移を抽出する。例えば、ＢＮ生成部１４０は、Ｓ１６０、Ｓ１７０及び／又はＳ１９５で生成したイベント発生確率データからイベント遷移に関する情報を抽出する。一例として、ＢＮ生成部１４０は、イベントごとに、自身のイベントが発生する前に発生する確率が高い別のイベントを抽出する。

次に、Ｓ２２０において、ＢＮ生成部１４０は、イベント遷移に関する情報に基づいて、各イベントをノードとするベイジアンネットワーク構造を生成する。例えば、ＢＮ生成部１４０は、イベントの前に発生した別のイベントを親ノードの候補として設定し、親ノードの候補を評価することにより、Ｋ２アルゴリズムに基づきベイジアンネットワーク構造を生成してよい。

図１１は、図２のＳ３００の具体的な処理フローの一例を示す。図示するように本実施形態において、情報処理装置１０は、Ｓ３１０からＳ３７０の処理を実行することにより、Ｓ３００の処理を実行してよい。

まず、Ｓ３１０において、ＢＮ生成部１４０は、ベイジアンネットワーク構造インスタンスを複数（例えば、Ｉ人）の対象者のそれぞれの対象者ｉ（ｉ∈Ｉ）について生成する。

次にＢＮ生成部１４０は、各対象者ｉについてＳ３４０〜Ｓ３７０の処理を繰り返す。

Ｓ３４０において、ＢＮ生成部１４０は対象者ｉの有する属性情報を取得する。例えば、対象者情報取得部１３０は、対象者データベース４０から、対象者ｉの特徴を表す属性情報（例えば、性別、年齢層、勤務形態、及び、居住地域等のプロフィール情報）を取得し、ＢＮ生成部１４０に供給する。ＢＮ生成部１４０は、対象者情報取得部１３０から対象者ｉの属性情報を取得する。

Ｓ３５０において、ＢＮ生成部１４０は、イベント発生確率データに含まれるカテゴリのうちＳ３４０で取得した対象者ｉの属性に基づいて対象者が属するカテゴリｇ_ｉを決定する。例えば、対象者ｉの属性情報がノースカロライナ（ＮＣ）在住であることを示す場合、カテゴリ「ノースカロライナ（ＮＣ）」を対象者ｉのカテゴリｇ_ｉとして決定してよい。

ＢＮ生成部１４０は、対象者ｉの属性情報に合致する複数（Ｋ個）のカテゴリｇ_ｉ１、ｇ_ｉ２…ｇ_ｉＫを決定してもよい。ここで、ＢＮ生成部１４０は、複数のカテゴリのうち一部のカテゴリのみを選択してよい。例えば、ＢＮ生成部１４０は、各カテゴリｇ_ｉｋに係るイベント発生確率データに含まれるイベントの発生数をｓｉｋとしたときの、対象者ｉの全カテゴリのイベントの発生数の合計（ΣＫｓｉｋ）が、予め定められた範囲となるように一部のカテゴリを選択してよい。これにより、ＢＮ生成部１４０は、特定のイベント遷移（例えば、イベント「結婚」からイベント「出産」への遷移）に係る複数のカテゴリのイベント発生確率データうち、対象者ｉと親和性の高いイベント発生確率データを特定することができる。

ここで、カテゴリｇ_ｉ１、ｇ_ｉ２…ｇ_ｉＫに下位概念（例えば、属性情報が地域を含む場合の都道府県と市町村の関係等）がある場合、ＢＮ生成部１４０は、対象者ｉの属性情報が一致する最下位概念のカテゴリを特定し、当該最下位概念のカテゴリを上位のカテゴリの代わりに用いてもよい。

次に、Ｓ３６０において、ＢＮ生成部１４０は、対象者ｉについて時間間隔ごとの条件付き確率表を生成する。例えば、ＢＮ生成部１４０は、Ｓ３５０で対象者ｉについて特定したイベント発生確率データのうち時間間隔ごとのイベントの発生確率を含むものに基づいて、ベイジアンネットワークのノードにおける、時間間隔ごとの条件付き確率表を生成する。

一例として、ＢＮ生成部１４０は、図６に示す時間間隔ごとのイベントの発生確率を含むイベント発生確率データに基づき、時間間隔ごとの条件付き確率表を生成する。ＢＮ生成部１４０は、ノースカロライナ（ＮＣ）在住の対象者ｉのＢＮＳインスタンスｉにおけるノード「出産」に対して、ノード「結婚」から移行する時間間隔ごとの確率を含む条件付き確率表を生成する。この場合、ＢＮ生成部１４０は、「０−１年」の時間間隔に対し、確率１４％を割り当て、「１−２年」の時間間隔に対し、確率２７％を割り当て、「２年超」の時間間隔に対し、５９％を割り当ててよい。

ここで、ＢＮ生成部１４０は、対象者ｉの既知イベント情報に基づいた条件付き確率表を生成してよい。例えば、ＢＮ生成部１４０は対象者ｉの有する既知イベント情報を対象者データベース４０から取得する。そして、既知イベント情報が特定のノードに対応するイベントが特定の時期に生じたことを示す場合、当該既知イベント情報に応じた時間間隔ごとの条件付き確率表を作成する。一例として、対象者ｉの既知イベント情報が「結婚から１５か月後に出産した」ことを示す場合、ＢＮ生成部１４０は、ＢＮＳインスタンスｉにおけるノード「出産」において、「０−１年」及び「２年超」の時間間隔に対し、確率０％を割り当て、「１−２年」の時間間隔に対し、確率１００％を割り当ててよい。

次に、Ｓ３７０において、ＢＮ生成部１４０は、対象者ｉについて条件付き確率表を生成する。例えば、ＢＮ生成部１４０は、Ｓ３５０で対象者ｉについて特定したイベント発生確率データのうち時間間隔ごとのイベントの発生確率を含まないものに基づいて、ベイジアンネットワークのノードにおける、条件付き確率表を生成する。一例として、ＢＮ生成部１４０は、図６に示す時間間隔ごとのイベントの発生確率を含むイベント発生確率データに基づき、ＮＣ在住の対象者ｉのＢＮＳインスタンスｉにおけるイベント「結婚」に対応するノードに対して、イベント「出産」が生じる確率を含む条件付き確率表を生成する。

ここで、ＢＮ生成部１４０は、Ｓ３６０と同様に対象者ｉの既知イベント情報に基づいて条件付き確率表を生成してよい。ＢＮ生成部１４０は、生成した各対象者ｉのＢＮＳインスタンスｉをイベント情報生成部１５０に供給する。また、ＢＮ生成部１４０は、対象者ｉの既知イベント情報をイベント情報生成部１５０に供給してよい。

ＢＮ生成部１４０は、対象者ｉについてＳ３４０〜Ｓ３７０の処理を繰り返すことにより、対象者ｉが属するカテゴリ及び対象者ｉの既知イベント情報に基づき、各対象者ｉ固有のベイジアンネットワークの情報を含むＢＮＳインスタンスｉを生成する。これにより、Ｓ４００〜Ｓ６００において、イベント情報生成部１５０は、対象者ｉが属するカテゴリの統計データに基づき未知イベント情報を生成することとなる。

図１２は、ＢＮ生成部１４０が生成するＢＮＳインスタンスｉの一例を示す。図１２の例では、ＢＮ生成部１４０は、Ｓ２１０において対象者ｉについてノードＥ_Ａ、ノードＥ_Ｂ、ノードＥ_Ｃ、ノードＥ_Ｄ、及び、ノードＥ_Ｅを含むＢＮＳインスタンスｉを生成する。ノードＥ_Ａ〜_ＥはイベントＥ_Ａ〜_Ｅに対応する。ＢＮＳインスタンスｉにおいて、イベントＥ_Ａの発生とイベントＥ_Ｂ及びイベントＥ_Ｄの発生には因果関係があり、イベントＥ_Ｂの発生とイベントＥ_Ｃの発生には因果関係があり、イベントＥ_Ｄの発生とイベントＥ_Ｅの発生には因果関係があることが示されている。

また、図１２には、ＢＮ生成部１４０が各ノードについて作成した時間間隔ごとの条件付き確率表、及び、時間間隔無しの条件付き確率表が含まれる。例えば、ノードＥ_Ｂの時間間隔無しの条件付き確率表には、イベントＥ_Ａが生じた場合（Ａ＝１）にイベントＥ_Ｂが生じる確率（ＰＰ_１１）と、イベントＥ_Ａが生じない場合にイベントＥ_Ｂが生じる確率（ＰＰ_１２）が示される。ノードＥ_Ｃには、ノードＥ_Ｂと同様に確率（ＰＰ_２１）と確率（ＰＰ_２２）が示される。

また、例えば、ノードＥ_Ｄの時間間隔ごとの条件付き確率表には、イベントＥ_Ａが生じた場合（Ａ＝１）にイベントＥ_Ａから時間間隔ｔｉｎｔ_３１（例えば１年未満）でイベントＥ_Ｄが生じる確率（ＰＰ_３１）と、イベントＥ_Ａが生じた場合（Ａ＝１）にイベントＥ_Ａから時間間隔ｔｉｎｔ_３２（１年〜２年未満）でイベントＥ_Ｄが生じる確率（ＰＰ_３２）と、イベントＥ_Ａが生じた場合（Ａ＝１）にイベントＥ_Ａから時間間隔ｔｉｎｔ_３３（２年以上）でイベントＥ_Ｄが生じる確率（ＰＰ_３３）とが示される。ノードＥ_Ｅには、ノードＥ_Ｄと同様に確率（ＰＰ_４１）、確率（ＰＰ_４２）、及び確率（ＰＰ_４３）が示される。

図１３及び図１４は、図２のＳ５００の具体的な処理フローの一例を示す。本実施形態において、情報処理装置１０は、Ｓ５１０からＳ５９０の処理を実行することにより、Ｓ５００の処理を実行してよい。図１３はＳ５１０〜Ｓ５６０の処理を示し、図１４はＳ５７０〜Ｓ５９０の処理を示す。

情報処理装置１０は、ＢＮＳインスタンスｉ上の既知のイベント（すなわち、発生確率が１００％のイベント）、及び／又は、発生確率が閾値以上のイベント（合わせて「発生済みイベント」とする）のノードについて、Ｓ５１０からＳ５９０の処理を実行してよい。

例えば、情報処理装置１０は、発生済みイベントのノードと、直接、又は、発生済みイベントでない未知のイベントの１以上のノードを介して、連結する別の発生済みイベントのノードとの組み合わせ（「発生済みノードの組み合わせ）ともいう）に対して、Ｓ５１０からＳ５９０の処理を実行してよい。ここで、情報処理装置１０は、当該発生済みノードの組み合わせのうち、少なくとも一方が発生時期の情報を含まないイベントに対応するノードの組み合わせのそれぞれに対して、Ｓ５１０からＳ５９０の処理を実行してよい。

また、情報処理装置１０は、各対象者ｉ（∈Ｉ）のＢＮＳインスタンスｉのそれぞれに対してＳ５１０〜Ｓ５９０の処理を実行してよく、又は、Ｓ７００でレコメンドを生成する予定の対象者ｉについてのみＳ５１０〜Ｓ５９０の処理を実行してもよい。

まず、Ｓ５１０において、イベント情報生成部１５０の発生時期推定部１５４は、発生済みノードの組み合わせを構成するノードＥ_ｘとノードＥ_ｙとの間の時間間隔ごとのイベントＥ_ｘの発生確率を算出する。発生時期推定部１５４は、Ｓ３００で生成した時間間隔ごとの条件付き確率表に基づき、Ｂａｙｅｓｉａｎ Ｎｅｔｗｏｒｋ確率伝搬ソフトウェアを利用して、ノードＥ_ｘとノードＥ_ｙとの間の時間間隔ごとのイベントＥ_ｘの発生確率を算出してよい。

次にＳ５３０において、発生時期推定部１５４は、ノードＥ_ｘとノードＥ_ｙとの間に、時間間隔ごとの条件付き確率表を有しないノードが存在するか否かを判断する。発生時期推定部１５４は、当該ノードが存在すると判断した場合（図１３中のＡ）は、処理を図１４で説明する処理フローに進める。

Ｓ５３０において、当該ノードが存在しないと判断した場合は、発生時期推定部１５４は、Ｓ５４０〜Ｓ５５０の処理をノードＥ_ｘとノードＥ_ｙとの間の１以上のノードＥ_ｎについて実行する。ノードＥ_ｎが複数個（例えばＮ個：Ｎ＞１）存在する場合は、それぞれのノードＥ_ｎ（ｎ∈Ｎ）について、Ｓ５４０〜Ｓ５５０の処理を繰り返し実行する。

Ｓ５４０において、発生時期推定部１５４は、時間間隔ごとの条件付き確率表において、ノードＥ_ｎに対応するイベントＥ_ｎとイベントＥ_ｎの前に発生するイベントＥ_ｎ−１（Ｎ＝１の場合はイベントＥ_ｘ）との間の時間間隔であって、発生確率が最大の時間間隔を対象者の未知のイベントＥ_ｎの時間間隔ｔ_ｎとして推定する。

例えば、図１２のノードＥ_ＡをノードＥ_Ｘとし、ノードＥ_ＤをノードＥ_ｎとし、ノードＥ_ＥをノードＥ_Ｙとする場合、発生時期推定部１５４は、時間間隔Ｄ_{ｔｉｎｔ３１}〜Ｄ_{ｔｉｎｔ３３}のうち、発生確率ＰＰ_３１〜ＰＰ_３３の中で最も高い発生確率Ｐ_ｎに対応する時間間隔を、イベントＥ_Ａ〜イベントＥ_Ｄまでの時間間隔として推定する。

次にＳ５５０において、発生時期推定部１５４は、Ｓ５４０において選択した最も高い発生確率Ｐ_ｎをイベントＥ_ｎの時間間隔無しの条件付き確率表におけるイベントＥ_ｎの発生確率とする。発生時期推定部１５４は、Ｓ５４０〜Ｓ５５０の繰り返し処理の後、Ｓ５６０の処理を実行する。

Ｓ５６０において、発生時期推定部１５４は、イベントＥ_ｘから発生時期を推定しようとするイベントＥ_ｎ'（ｎ'∈Ｎ）までの時間間隔ｔ_ｎ'を算出する。Ｎ＝１の場合、発生時期推定部１５４は、Ｓ５４０で推定したイベントＥ_ｎの時間間隔ｔ_ｎをそのままイベントＥ_ｘからイベントＥ_ｎ'までの時間間隔ｔ_ｎ'としてよい。

Ｎ＞１の場合、発生時期推定部１５４は、イベントＥｘからイベントＥ_ｎ'までに含まれるイベントＥ_ｎの時間間隔の合計Σｔ_ｎをイベントＥ_ｘからイベントＥ_ｎ'までの時間間隔として推定する。発生時期推定部１５４は、イベントＥ_ｘからイベントＥ_ｎ'までの時間間隔を、イベントＥ_ｎ'に関する未知イベント情報として生成する。発生時期推定部１５４は、生成した未知イベント情報をレコメンド生成部１６０に供給してよい。

図１４は、図１３のＡ以降の処理フローの一例を示す。

まず、Ｓ５７０において、発生時期推定部１５４は、発生済みイベント間の時間間隔の上限を設定する。例えば、発生時期推定部１５４は、イベントＥ_ｘからイベントＥ_ｙまでの時間間隔の上限ｔ_ｍａｘを予め定められた期間に設定する。発生時期推定部１５４は、情報処理装置１０の使用者から時間間隔の上限ｔ_ｍａｘを入力してもよい。

次に、発生時期推定部１５４は、Ｓ５８０〜Ｓ５８５の処理をノードＥ_ｘとノードＥ_ｙとの間の１以上のノードＥ_ｎについて実行する。ノードＥ_ｎが複数個（例えばＮ個：Ｎ＞１）存在する場合は、それぞれのノードＥ_ｎ（ｎ∈Ｎ）について、Ｓ５８０〜Ｓ５８５の処理を繰り返し実行する。

Ｓ５８０において、発生時期推定部１５４は、イベントＥ_ｘから発生時期を推定しようとするイベントＥ_ｎ'（ｎ'∈Ｎ）までのイベントに対応し、時間間隔ごとの条件付き確率表があるノードにおいて、ｔ_ｍａｘ以内の時間間隔の発生確率の和を算出する。

例えば、図１２のノードＥ_ＡをノードＥ_Ｘとし、ノードＥ_ＤをノードＥ_ｎ'とし、ノードＥ_ＥをノードＥ_Ｙとし、ｔ_ｍａｘを時間間隔Ｄ_{ｔｉｎｔ３２}の上限とし、ノードＥ_Ｄに時間間隔ごとの条件付き確率表がなかったとする場合、発生時期推定部１５４は、発生確率ＰＰ_３２を時間間隔の発生確率の和として算出する。

次にＳ５８５において、発生時期推定部１５４は、Ｓ５８０で算出した発生確率の和をノードＥ_ｎの条件付き確率表において、イベントＥ_ｎ−１が発生した場合のイベントＥ_ｎの発生確率としてセットする。発生時期推定部１５４は、Ｓ５８０〜Ｓ５８５の処理の後、Ｓ５９０の処理を実行する。

Ｓ５９０において、発生時期推定部１５４は、ベイジアンネットワーク確率伝播に基づき、ＢＮＳインスタンスｉの各ノードに対応するイベントの発生確率を算出する。発生時期推定部１５４は、イベントの発生確率が予め定められた閾値（例えば、５０％）以上の場合、当該イベントが対象者に発生したと推定し、当該イベントに対してイベントが発生したことを示す未知イベント情報を生成してよい。発生時期推定部１５４は、生成した未知イベント情報をレコメンド生成部１６０に供給してよい。なお、Ｓ５７０〜Ｓ５９０を処理は、発生時期推定部１５４の代わりに発生有無推定部１５２が実行してもよい。

図１３及び図１４に関連して説明した実施形態においては、各イベントの発生確率は、Ｓ５３０の決定に基づき、図１３のフロー又は図１４のフローで決定された。しかし、イベントの発生確率は、他の方法により決定されてもよい。例えば、イベントの発生確率は、Ｓ５３０の決定にかかわらず、図１３のフローにより全て決定されてよく、又は、図１４のフローにより全て決定されてもよい。

図１５は、図２のＳ６００の具体的な処理フローの一例を示す。本実施形態において、情報処理装置１０は、Ｓ６１０からＳ６８０の処理を実行することにより、Ｓ６００の処理を実行してよい。情報処理装置１０は、発生済みノードの組み合わせのうち、両方のノードが発生時期の情報を含むイベントに対応するノードの組み合わせのそれぞれに対して、Ｓ６１０からＳ６８０の処理を実行してよい。

まず、Ｓ６１０において、発生時期推定部１５４は、発生済みノードの組み合わせを構成するノードＥ_ｘとノードＥ_ｙとの間に時間間隔を算出する。例えば、発生時期推定部１５４は、ノードＥ_ｘとノードＥ_ｙに係る既知イベント情報からイベントＥ_ｘとイベントＥ_ｙの発生時期を特定し、発生時期の差分をノードＥ_ｘとノードＥ_ｙとの間に時間間隔として算出する。

Ｓ６２０において、発生時期推定部１５４は、ノードＥ_ｘとノードＥ_ｙとの間に時間間隔ごとの条件付き確率表を有しないノードが存在するか否か判断する。発生時期推定部１５４は、当該ノードが存在すると判断した場合は、Ｓ６００の処理を終了し、そうでない場合は処理をＳ６３０に進める。

Ｓ６３０において、発生時期推定部１５４は、処理変数Π_ｍａｘ＝０にセットする。

次にＳ６４０において、発生時期推定部１５４は、ノードＥ_ｘとノードＥ_ｙとのノードによる時間間隔の組み合わせｃｔ_ｊのそれぞれに対してＳ６６０〜Ｓ６７０を実行する。例えば、ノードＥ_ｘとノードＥ_ｙの間にノードＥ_ｎがある場合、発生時期推定部１５４は、ノードＥ_ｘとノードＥ_ｎの時間間隔ｔ_ｎとノードＥ_ｎとノードＥ_ｙの時間間隔ｔ_ｙとの和がノードＥ_ｘに対応するイベントＥ_ｘとノードＥ_ｙに対応するイベントＥ_ｙと間の時間間隔Ｔ_ｇと等しくなる（つまり、ｔ_ｎ＋ｔ_ｙ＝Ｔ_ｇ）となるｔ_ｎ＋ｔ_ｙの全ての組み合わせｃｔ_Ｊを生成する。そして、発生時期推定部１５４は、ｃｔ_Ｊに含まれる各組み合わせｃｔ_ｊに対してＳ６６０〜Ｓ６７０の処理を実行する。

Ｓ６６０において、発生時期推定部１５４は、時間間隔の組み合わせｃｔ_ｊについて、時間間隔ごとの確率表における各時間間隔の発生確率の積Π_ｊ＝Ｐ（ｔ_ｘ＋１）×Ｐ（ｔ_ｘ＋２）×…×Ｐ（ｔ_ｎ）×……×Ｐ（ｔ_ｙ）を算出する。ここで、Ｐ（ｔ）は時間間隔ごとの確率表における時間間隔ｔに対応する発生確率を示す。

例えば、図１２のノードＥ_ＡをノードＥ_Ｘとし、ノードＥ_ＥをノードＥ_Ｙとし、ノードＥ_ＤをノードＥ_ｎとし、ノードＥ_ＡからノードＥ_Ｅの時間間隔が３年であり、Ｄ_{ｔｉｎｔ３１}〜Ｄ_{ｔｉｎｔ３３}とＤ_{ｔｉｎｔ４１}〜Ｄ_{ｔｉｎｔ４３}がそれぞれ「１年未満」、「１〜２年未満」、及び「２年以上」の時間間隔に対応する場合を想定する。この場合、発生時期推定部１５４は、１番目の組み合わせｃｔ_１において、Π_１＝Ｐ（Ｄ_{ｔｉｎｔ３１}）×Ｐ（Ｄ_{ｔｉｎｔ４３}）を算出し、２番目の組み合わせｃｔ_２において、Π_２＝Ｐ（Ｄ_{ｔｉｎｔ３２}）×Ｐ（Ｄ_{ｔｉｎｔ４２}）を算出し、３番目の組み合わせｃｔ_３において、Π_３＝Ｐ（Ｄ_{ｔｉｎｔ３３}）×Ｐ（Ｄ_{ｔｉｎｔ４１}）を算出してよい。

発生時期推定部１５４は、各時間間隔の発生確率の積Πｊ＝Ｐ（ｔ_ｘ＋１）×Ｐ（ｔ_ｘ＋２）×…×Ｐ（ｔ_ｎ）×……×Ｐ（ｔ_ｙ）に代えて、各時間間隔の発生確率の和Σ_ｊ＝Ｐ（ｔ_ｘ＋１）＋Ｐ（ｔ_ｘ＋２）＋…＋Ｐ（ｔ_ｎ）＋……＋Ｐ（ｔ_ｙ）を算出してもよい。

次に、Ｓ６７０において、発生時期推定部１５４は、処理変数Π_ｍａｘを更新する。例えば、発生時期推定部１５４は、直近に算出したΠ_ｊがΠ_ｍａｘよりも大きい場合、直近に算出したΠ_ｊを新しいΠ_ｍａｘとして更新する。

次に、Ｓ６８０において、発生時期推定部１５４は、処理変数Π_ｍａｘに基づき、ノードＥ_ｘとノードＥ_ｙとの間のノードに対応するイベントの発生時期を決定する。例えば、発生時期推定部１５４は、Ｓ６６０〜Ｓ６７０の繰り返しが終了したときの、処理変数Π_ｍａｘを与えた組み合わせｃｔ_ｊに含まれる時間間隔の組み合わせを、ノードＥ_ｘとノードＥ_ｙとの間のノードのイベントの発生時期として決定する。

例えば、Ｓ６６０で例示したΠ_２がΠ_ｍａｘとなる場合、発生時期推定部１５４は、Ｄ_{ｔｉｎｔ３２}をイベントＥ_ＡとイベントＥ_Ｄの時間間隔として決定し、Ｄ_{ｔｉｎｔ４２}をイベントＥ_ＤとイベントＥ_Ｅの時間間隔として決定する。発生時期推定部１５４は、ノードＥ_ｘとノードＥ_ｙとの間のノードの各時間間隔を、ノードＥ_ｙ及びノードＥ_ｘとノードＥ_ｙとの間のノードに関する未知イベント情報として生成してよい。発生時期推定部１５４は、生成した未知イベント情報をレコメンド生成部１６０に供給してよい。

Ｓ６１０〜Ｓ６８０の処理により、発生時期推定部１５４は、時間間隔ごとの条件付き確率表における３以上イベントの間に含まれる２以上の時間間隔の発生確率の和又は積となる２以上の時間間隔であって、和が３以上のイベントの最初のイベントと最後のイベントの時間間隔を超えない２以上の時間間隔を、３以上のイベントの時間間隔として特定する。また、発生時期推定部１５４は、特定した時間間隔により対象者の未知のイベントが発生した時期を推定する。

このように、情報処理装置１０は、Ｓ１００〜Ｓ７００の処理を実行することにより、公開された一次統計情報、及び、対象者の既知のイベントの情報に基づき、対象者について未知のイベントの発生の有無、及び、発生時期を推定することができる。これにより、情報処理装置１０は、営業担当者が対象者からセンシティブなイベントに関する情報を取得できない場合でも、対象者に対して適切なレコメンドを行うことができる。

図１６は、本発明の一実施形態に係るコンピュータ１９００のハードウェア構成の一例を示す。本実施形態に係るコンピュータ１９００は、ホスト・コントローラ２０８２により相互に接続されるＣＰＵ２０００、ＲＡＭ２０２０、グラフィック・コントローラ２０７５、及び表示装置２０８０を有する。コンピュータ１９００は、入出力コントローラ２０８４によりホスト・コントローラ２０８２に接続される通信インターフェイス２０３０、ハードディスクドライブ２０４０、及びＤＶＤ−ＲＯＭドライブ２０６０を有する入出力部をも備える。コンピュータ１９００は、入出力チップ２０７０を介して入出力コントローラ２０８４に接続されるキーボード２０５０及びＲＯＭ２０１０を有するレガシー入出力部をも備える。ホスト・コントローラ２０８２は、ＲＡＭ２０２０と、高い転送レートでＲＡＭ２０２０をアクセスするＣＰＵ２０００及びグラフィック・コントローラ２０７５とを接続する。ＣＰＵ２０００は、ＲＯＭ２０１０及びＲＡＭ２０２０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。グラフィック・コントローラ２０７５は、ＣＰＵ２０００がＲＡＭ２０２０内に設けたフレーム・バッファ等上に生成する画像データを取得し、表示装置２０８０上に表示させる。これに代えて、グラフィック・コントローラ２０７５は、ＣＰＵ２０００が生成する画像データを格納するフレーム・バッファ等を、内部に含んでもよい。

入出力コントローラ２０８４は、ホスト・コントローラ２０８２と、比較的高速な入出力装置である通信インターフェイス２０３０、ハードディスクドライブ２０４０、及び、ＤＶＤ−ＲＯＭドライブ２０６０とを接続する。通信インターフェイス２０３０は、ネットワークを介して他の電子装置と通信する。ハードディスクドライブ２０４０は、コンピュータ１９００内のＣＰＵ２０００が使用するプログラム及びデータを格納する。ＤＶＤ−ＲＯＭドライブ２０６０は、ＤＶＤ−ＲＯＭ２０９５からプログラム又はデータを読み取り、ＲＡＭ２０２０を介してハードディスクドライブ２０４０に提供する。

また、入出力コントローラ２０８４には、ＲＯＭ２０１０と、キーボード２０５０、及び入出力チップ２０７０の比較的低速な入出力装置とが接続される。ＲＯＭ２０１０は、コンピュータ１９００が起動時に実行するブート・プログラム等、及び／又は、コンピュータ１９００のハードウェアに依存するプログラム等を格納する。キーボード２０５０は、テキストデータ又はコマンドをユーザから入力し、テキストデータ又はコマンドをＲＡＭ２０２０を介してハードディスクドライブ２０４０に提供する。入出力チップ２０７０は、キーボード２０５０を入出力コントローラ２０８４へと接続するとともに、パラレル・ポート、シリアル・ポート、キーボード・ポート、マウス・ポート等を介して各種の入出力装置を入出力コントローラ２０８４へと接続してよい。

ＲＡＭ２０２０を介してハードディスクドライブ２０４０に提供されるプログラムは、ＤＶＤ−ＲＯＭ２０９５、及びＩＣカード等の記録媒体によって提供される。プログラムは、記録媒体から読み出され、ＲＡＭ２０２０を介してコンピュータ１９００内のハードディスクドライブ２０４０にインストールされ、ＣＰＵ２０００において実行される。

コンピュータ１９００にインストールされたプログラムは、コンピュータ１９００を図１に示す情報処理装置１０等の装置として機能させてよい。このようなプログラムは、統計取得モジュール、確率算出モジュール、対象者情報取得モジュール、ＢＮ生成モジュール、イベント情報生成モジュール、発生有無推定モジュール、発生時期推定モジュール、及び、レコメンド生成モジュールを備えてよい。これらのプログラム又はモジュールは、ＣＰＵ２０００等に働きかけて、コンピュータ１９００を、統計取得部１１０、確率算出部１２０、対象者情報取得部１３０、ＢＮ生成部１４０、イベント情報生成部１５０、発生有無推定部１５２、発生時期推定部１５４、及び、レコメンド生成部１６０のような、情報処理装置１０のセクション、コンポーネント、エレメントとしてそれぞれ機能させてよい。

これらのプログラムに記述された情報処理は、図１の情報処理装置１０のようなコンピュータ１９００に読込まれることにより、プログラム又はモジュールと上記の様々な種類のハードウェア資源とが協働した結果である、統計取得部１１０、確率算出部１２０、対象者情報取得部１３０、ＢＮ生成部１４０、イベント情報生成部１５０、発生有無推定部１５２、発生時期推定部１５４、及び、レコメンド生成部１６０として機能する。そして、コンピュータ１９００の使用目的に応じた情報の演算又は加工を実現することにより、情報処理装置１０が構築される。

一例として、コンピュータ１９００と外部の装置等との間で通信を行う場合には、ＣＰＵ２０００は、ＲＡＭ２０２０上にロードされた通信プログラムを実行し、通信プログラムに記述された処理内容に基づいて、通信インターフェイス２０３０に対して通信処理を指示する。通信インターフェイス２０３０は、ＣＰＵ２０００の制御を受けて、ＲＡＭ２０２０、ハードディスクドライブ２０４０、及びＤＶＤ−ＲＯＭ２０９５の記憶媒体上に設けた送信バッファ領域に記憶された送信データを読み出してネットワークへと送信し、もしくは、ネットワークから受信した受信データを記憶媒体上に設けた受信バッファ領域等へと書き込む。このように、通信インターフェイス２０３０は、ＤＭＡ（ダイレクト・メモリ・アクセス）方式により記憶媒体との間で送受信データを転送してもよく、これに代えて、ＣＰＵ２０００が転送先の記憶媒体又は通信インターフェイス２０３０からデータを読み出し、転送先の通信インターフェイス２０３０又は記憶媒体へとデータを書き込むことにより送受信データを転送してもよい。

また、ＣＰＵ２０００は、ハードディスクドライブ２０４０、ＤＶＤ−ＲＯＭドライブ２０６０（ＤＶＤ−ＲＯＭ２０９５）、キーボード２０５０（フレキシブルディスク２０９０）等の外部記憶媒体に格納されたファイルまたはデータベースのファイルの中から、全部または必要な部分をＤＭＡ転送等によりＲＡＭ２０２０へと読み込ませ、ＲＡＭ２０２０上のデータに対して各種の処理を行う。そして、ＣＰＵ２０００は、処理を終えたデータを、ＤＭＡ転送等により外部記憶媒体へと書き戻す。このような処理において、ＲＡＭ２０２０は、外部記憶媒体の内容を一時的に保持するものとみなせるから、本実施形態においてはＲＡＭ２０２０及び外部記憶媒体等をメモリ、記憶部、または記憶媒体、コンピュータ可読媒体等と総称する。

例えば、情報処理装置１０の記憶部は、統計取得部１１０、確率算出部１２０、対象者情報取得部１３０、ＢＮ生成部１４０、イベント情報生成部１５０、発生有無推定部１５２、発生時期推定部１５４、及び、レコメンド生成部１６０から受け取った／へ提供するデータを適宜記憶してよい。例えば、記憶部は、統計取得部１１０が取得したイベントに関する統計データ、及び、ＢＮ生成部１４０がイベント情報生成部１５０に供給したＢＮＳインスタンス等を受け取って記憶してよい。

本実施形態における各種のプログラム、データ、テーブル、データベース等の各種の情報は、このような記憶装置上に格納されて、情報処理の対象となる。なお、ＣＰＵ２０００は、ＲＡＭ２０２０の一部を利用して、キャッシュメモリ上でそこへ読み書きを行うこともできる。このような形態においても、キャッシュメモリはＲＡＭ２０２０の機能の一部を担うから、本実施形態においては、区別して示す場合を除き、キャッシュメモリもＲＡＭ２０２０、メモリ、及び／又は記憶媒体に含まれるものとする。

また、ＣＰＵ２０００は、ＲＡＭ２０２０等のメモリから読み出したデータに対して、プログラムの命令列により指定された、本実施形態中に記載した各種の演算、情報の加工、条件判断、情報の検索・置換等を含む各種の処理を行い、ＲＡＭ２０２０等のメモリへと結果を書き戻す。例えば、ＣＰＵ２０００は、条件判断を行う場合においては、本実施形態において示した各種の変数が、他の変数または定数と比較して、大きい、小さい、以上、以下、等しい等の条件を満たすか否かを判断し、条件が成立した場合（又は不成立であった場合）に、異なる命令列へと分岐し、またはサブルーチンを呼び出す。

また、ＣＰＵ２０００は、記憶媒体内のファイルまたはデータベース等に格納された情報を検索することができる。例えば、第１属性の属性値に対し第２属性の属性値がそれぞれ対応付けられた複数のエントリが記憶媒体に格納されている場合において、ＣＰＵ２０００は、記憶媒体に格納されている複数のエントリの中から第１属性の属性値が指定された条件と一致するエントリを検索し、そのエントリに格納されている第２属性の属性値を読み出すことにより、所定の条件を満たす第１属性に対応付けられた第２属性の属性値を得ることができる。

上記で説明したプログラム又はモジュールは、外部の記録媒体に格納されてよい。記憶媒体の例としては、ＤＶＤ−ＲＯＭ２０９５並びにブルーレイディスクまたはＣＤ等の光学記録媒体、ＭＯ等の磁気光学記録媒体、テープ媒体、及び、ＩＣカード等の半導体メモリを含む。更に、専用の通信ネットワーク又はインターネットに接続されたサーバシステムに設けられたハードディスクまたはＲＡＭ等の記録媒体は、記録媒体として使用されてよく、これにより、ネットワークを介してコンピュータ１９００にプログラムが提供され得る。

実施形態に係る発明は、システム、方法、及び／又は、コンピュータプログラム製品であってよい。コンピュータプログラム製品は、プロセッサに実施形態に係る発明の各側面を実行させるためのコンピュータ可読プログラム命令を包含する、１又は複数のコンピュータ可読記録媒体を有してよい。

コンピュータ可読記録媒体は、命令実行装置により使用される命令を保持及び格納することができる有形の装置であってよい。記憶部を実装してよいコンピュータ可読記録媒体は、例えば、電子記憶装置、磁気記憶装置、光学記憶装置、電磁的記憶装置、半導体記憶装置、又は、これらの任意の適切な組み合わせであってよいが、これらに限定されるものではない。

コンピュータ可読記録媒体のより具体的な例の非網羅的なリストは、ポータブルコンピュータディスケット、ハードディスク、ランダムアクセスメモリ（ＲＡＭ）、リードオンリーメモリ（ＲＯＭ）、イレーサブルプログラマブルリードオンリーメモリ（ＥＰＲＯＭ又はフラッシュメモリ）、スタティックランダムアクセスメモリ（ＳＲＡＭ）、ポータブルコンパクトディスクリードオンリーメモリ（ＣＤ−ＲＯＭ）、デジタルバーサタイルディスク（ＤＶＤ）、メモリスティック、フロッピー（登録商標）ディスク、機械的にエンコードされた装置（例えば、パンチカード、又は、命令が記録された溝における隆起構造）、及び、これらの任意の適切な組み合わせを含む。ここで使用されるコンピュータ可読記録媒体は、電波又は他の自由に伝搬する電磁波、導波路又は他の伝送媒体を通じて伝搬する電磁波（例えば、ファイバ光ケーブルを通る光パルス）、又は、配線を通じて伝送される電子信号のように、それ自体が一時的な信号であると解釈されるものではない。

ここに記述されるコンピュータ可読プログラム命令は、外部のコンピュータ、又は、外部の記憶装置のコンピュータ可読記憶媒体から、計算／処理装置の各々に、ネットワーク（例えば、インターネット、ローカルエリアネットワーク、ワイドエリアネットワーク、及び／又は、ワイヤレスネットワーク）を通じてダウンロードされてよい。ネットワークは、銅伝送ケーブル、光学伝送ファイバ、無線伝送、ルータ、ファイアウォール、スイッチ、ゲートウェイコンピュータ、及び／又は、エッジサーバを有してよい。各計算／処理装置のネットワークアダプタカード又はネットワークインタフェースは、コンピュータ可読プログラム命令をネットワークから受信し、当該コンピュータ可読プログラム命令を、各計算／処理装置内のコンピュータ可読記録媒体のストレージに転送する。

実施形態の発明の動作を実行するためのコンピュータ可読プログラム命令は、アセンブラ命令、命令セットアーキテクチャ（ＩＳＡ）命令、機械語命令、機械依存命令、マイクロコード、ファームウェア命令、状態設定データ、又は、オブジェクト指向プログラミング言語（例えば、Ｓｍａｌｌｔａｌｋ、Ｃ＋＋等）、及び、従来の手続き型プログラミング言語（例えば、"Ｃ"プログラミング言語または類似のプログラミング言語）を含む、１又は複数のプログラミング言語の任意の組み合わせにより記述されたオブジェクトコード若しくはソースコードであってよい。コンピュータ可読プログラム命令は、スタンドアローンソフトウェアパッケージとして、部分的にユーザのコンピュータで実行され、完全にユーザのコンピュータで実行されてよい。また、コンピュータ可読プログラム命令は、部分的にユーザのコンピュータかつ部分的に遠隔コンピュータで実行され、完全に遠隔コンピュータまたはサーバに実行されてよい。

後者の場合においては、遠隔コンピュータは、ユーザのコンピュータと、ローカルエリアネットワーク（ＬＡＮ）又はワイドエリアネットワーク（ＷＡＮ）を含む任意の種類のネットワークで接続されていてよい。または、当該接続は、（例えば、インターネットサービスプロバイダを用いたインターネットを介して）外部のコンピュータとされていてもよい。いくつかの実施形態において、例えば、プログラマブルロジック回路、フィールドプログラマブルゲートアレイ（ＦＰＧＡ）、又は、プログラマブルロジックアレイ（ＰＬＡ）を含む電子回路は、コンピュータ可読プログラム命令の状態情報を活用してコンピュータ可読プログラム命令を実行して、電子回路をパーソナライズし、これにより実施形態に係る発明の各側面を実行してよい。

本発明の各側面は、発明の実施形態における方法、装置（システム）、及び、コンピュータプログラム製品に係る、フローチャート図および／またはブロック図への参照と共にここに記述される。フローチャート図および／またはブロック図の各ブロック、及び、フローチャート図および／またはブロック図の複数のブロックの組み合わせは、コンピュータ可読プログラム命令により実装され得ることが理解されるだろう。

これらのコンピュータ可読プログラム命令は、汎用コンピュータ、専用コンピュータ、又は、他のプログラム可能なデータ処理装置のプロセッサに提供されて機械を形成してよく、これにより、コンピュータまたは他のプログラム可能なデータ処理装置のプロセッサを介して実行される命令が、フローチャート又はブロック図の一又は複数のブロックに特定される機能／動作を実装するための手段を形成する。

同様にこれらのコンピュータ可読プログラム命令は、コンピュータ、プログラム可能なデータ処理装置、及び／又は、他の装置に特定の態様で機能するように指示することができるコンピュータ可読記録媒体に格納されてよく、これにより、命令を内部に格納するコンピュータ可読記録媒体は、フローチャート又はブロック図の一又は複数のブロックに特定される機能／動作の各側面を実装する命令を含む製造物品を有する。

コンピュータ、他のプログラム可能な装置、又は他の装置で実行された命令がフローチャート又はブロック図の一又は複数のブロックに特定される機能／動作を実現するように、コンピュータ可読プログラム命令は、コンピュータ、他のプログラム可能なデータ処理装置、又は他の装置に読みだされ、一連の動作ステップがコンピュータ、他のプログラム可能な装置、又は他の装置において実行されて、コンピュータに実現されるプロセスが形成されてよい。

図面におけるフローチャート及びブロック図は、本発明の様々な実施形態におけるシステム、方法、及び、コンピュータプログラム製品の可能な実装におけるアーキテクチャ、機能、及び、動作を記述する。この点について、フローチャート及びブロック図における各ブロックは、特定された一又は複数のロジック機能を実装するための１又は複数の実行可能命令を有する、命令のモジュール、セグメント、又は部分を表すものであってよい。

他のいくつかの代替的な実装においては、ブロックにおいて記述される機能は、図面に記載された順番とは異なって生じてよい。例えば、連続で表された２つのブロックは、実際には、実質的に同時に実行されてよく、または、これらのブロックは、内包する機能に応じて、ある場合に逆の順番で実行されてよい。ブロック図および／またはフローチャート図の各ブロック、及び、ブロック図および／またはフローチャート図の複数ブロックの組み合わせは、特定の機能又は動作を実行する専用ハードウェアに基づくシステム、又は、専用ハードウェア及びコンピュータ命令の組み合わせにより実装されてよいことに同様に留意されたい。

また、実施形態の説明において複数の要素が列挙された場合には、列挙された要素以外の要素を用いてもよい。例えば、「Ｘは、Ａ、Ｂ及びＣを用いてＹを実行する」と記載される場合、Ｘは、Ａ、Ｂ及びＣに加え、Ｄを用いてＹを実行してもよい。

本発明の実施形態が記述されたが、発明の技術的範囲は、上記記述された実施形態に限定されるものではない。当業者にとって、様々な代替及び改良が上記された実施形態に対してなされることが明らかである。そのような代替及び改良がなされた実施形態が特許請求の範囲に含まれることも、特許請求の範囲から明らかである。

特許請求の範囲、実施形態、又は、図面に示される装置、システム、プログラム、及び、方法により実行される各プロセスにおける動作、手続き、ステップ、及び、段階は、「先だって」、「前に」等により順番が示されず、前のプロセスの出力が後のプロセスで使用されない限り、任意の順番で実行され得る。特許請求の範囲、実施形態、又は、図面において、プロセスのフローが「最初に」または「次に」等の語句を用いて記述されていた場合であっても、必ずしも当該プロセスがこの順番で実行されなければならないことを意味しない。

１０ 情報処理装置、２０ 同義語データベース、３０ 公開統計データベース、４０ 対象者データベース、１１０ 統計取得部、１２０ 確率算出部、１３０ 対象者情報取得部、１４０ ＢＮ生成部、１５０ イベント情報生成部、１５２ 発生有無推定部、１５４ 発生時期推定部、１６０ レコメンド生成部、１９００ コンピュータ、２０００ ＣＰＵ、２０１０ ＲＯＭ、２０２０ ＲＡＭ、２０３０ 通信インターフェイス、２０４０ ハードディスクドライブ、２０５０ キーボード、２０６０ ＤＶＤ−ＲＯＭドライブ、２０７０ 入出力チップ、２０７５ グラフィック・コントローラ、２０８０ 表示装置、２０８２ ホスト・コントローラ、２０８４ 入出力コントローラ、２０９０ フレキシブルディスク、２０９５ ＤＶＤ−ＲＯＭ

Claims (21)

1. 対象者に発生した少なくとも１つの既知のイベントに関する既知イベント情報を取得する対象者情報取得部と、
   イベントに関する統計データを取得する統計取得部と、
   前記統計データに基づき、イベントの発生確率を算出する確率算出部と、
   前記イベントの発生確率に基づき、複数のイベントをノードとして含むベイジアンネットワーク（ＢＮ）を生成するＢＮ生成部と、
   前記ベイジアンネットワークに基づいて、前記既知イベント情報及び前記イベントの発生確率に基づき、前記対象者の未知のイベントに関する未知イベント情報を生成するイベント情報生成部と、
   を備え、
   前記確率算出部は、第１のイベントが発生する場合に第２のイベントが発生する発生確率を、前記第１のイベントと前記第２のイベントの時間間隔ごとに算出する、
   情報処理装置。
2. 前記確率算出部は、第１のイベントが発生する場合に第２のイベントが発生する発生確率を、前記第１のイベントと前記第２のイベントの時間間隔ごとに算出し、第２のイベントが発生する場合に第３のイベントが発生する発生確率を、前記第２のイベントと前記第３のイベントの時間間隔ごとに算出する、
   請求項１に記載の情報処理装置。
3. 前記確率算出部は、第１のイベントが発生する場合に第２のイベントが発生する発生確率を算出する、
   請求項１に記載の情報処理装置。
4. 前記ＢＮ生成部は、前記ベイジアンネットワークにおける各ノードについて、時間間隔ごとの条件付き確率表を生成する、
   請求項３に記載の情報処理装置。
5. 前記イベント情報生成部は、前記時間間隔ごとの条件付き確率表に基づいて、前記対象者の未知のイベントが発生した時期を推定する発生時期推定部を有する、
   請求項４に記載の情報処理装置。
6. 前記発生時期推定部は、前記時間間隔ごとの条件付き確率表における発生確率が最大の時間間隔を前記対象者の未知のイベントの時間間隔として推定する、
   請求項５に記載の情報処理装置。
7. 前記発生時期推定部は、前記時間間隔ごとの条件付き確率表における３以上のイベントの間に含まれる２以上の時間間隔の発生確率の和又は積に基づいて、前記３以上のイベントの時間間隔を特定し、
   前記特定した時間間隔により前記対象者の未知のイベントが発生した時期を推定する、
   請求項５に記載の情報処理装置。
8. 前記発生時期推定部は、前記時間間隔ごとの条件付き確率表における３以上イベントの間に含まれる２以上の時間間隔の発生確率の和又は積が最大となる２以上の時間間隔であって、和が前記３以上のイベントの最初のイベントと最後のイベントの時間間隔を超えない２以上の時間間隔を、前記３以上のイベントの時間間隔として特定し、
   前記特定した時間間隔により前記対象者の未知のイベントが発生した時期を推定する、
   請求項７に記載の情報処理装置。
9. 前記イベント情報生成部は、
   前記ベイジアンネットワークに基づいて、前記既知イベント情報から前記対象者について前記対象者の未知のイベントの発生の有無を推定する発生有無推定部を有する、
   請求項３から８のいずれか１項に記載の情報処理装置。
10. 前記未知イベント情報に基づき、前記未知のイベントに関連して前記対象者に対してレコメンドすべき情報を生成するレコメンド生成部を更に備える、
    請求項９に記載の情報処理装置。
11. 前記イベント情報生成部は、前記対象者に発生する発生確率が閾値以上の前記未知のイベントが前記対象者に発生したことを示す未知イベント情報を生成し、
    前記レコメンド生成部は、前記対象者に発生したことを前記未知イベント情報が示す前記未知のイベントに対して前記レコメンドすべき情報を生成する、
    請求項１０に記載の情報処理装置。
12. 前記統計取得部は、
    外部サーバから一次統計情報を取得し、
    前記一次統計情報を収集して統計データを生成し、
    イベントに関する複数の表現を含む同義語データを取得し、
    前記同義語データに基づいて、２つのイベントに関する表現と一致する前記統計データの表現をマッチングして、前記２つのイベントに関する統計データを取得する、
    請求項１から１１のいずれか１項に記載の情報処理装置。
13. 前記統計取得部は、前記イベントのカテゴリ毎の前記統計データを取得し、
    前記ＢＮ生成部は、前記対象者の属性に基づいて前記対象者が属するカテゴリを特定し、
    前記イベント情報生成部は、前記対象者が属するカテゴリの統計データに基づき前記未知イベント情報を生成する、
    請求項３から１１のいずれか１項に記載の情報処理装置。
14. 前記イベントは、前記対象者に関連するライフイベントである、
    請求項１から１３のいずれか１項に記載の情報処理装置。
15. コンピュータにより実行される情報処理方法であって、
    対象者に発生した少なくとも１つの既知のイベントに関する既知イベント情報を取得する対象者情報取得段階と、
    イベントに関する統計データを取得する統計取得段階と、
    前記統計データに基づき、イベントの発生確率を算出する確率算出段階と、
    前記イベントの発生確率に基づき、複数のイベントをノードとして含むベイジアンネットワーク（ＢＮ）を生成するＢＮ生成段階と、
    前記ベイジアンネットワークに基づいて、前記既知イベント情報及び前記イベントの発生確率に基づき、前記対象者の未知のイベントに関する未知イベント情報を生成するイベント情報生成段階と、
    第１のイベントが発生する場合に第２のイベントが発生する発生確率を、前記第１のイベントと前記第２のイベントの時間間隔ごとに算出する確率算出段階と、
    を備える情報処理方法。
16. 前記確率算出段階において、第１のイベントが発生する場合に第２のイベントが発生する発生確率を、前記第１のイベントと前記第２のイベントの時間間隔ごとに算出し、第２のイベントが発生する場合に第３のイベントが発生する発生確率を、前記第２のイベントと前記第３のイベントの時間間隔ごとに算出する、
    請求項１５に記載の情報処理方法。
17. 前記確率算出段階において、第１のイベントが発生する場合に第２のイベントが発生する発生確率を算出する、
    請求項１５に記載の情報処理方法。
18. コンピュータに実行されると、当該コンピュータを、
    対象者に発生した少なくとも１つの既知のイベントに関する既知イベント情報を取得する対象者情報取得部と、
    イベントに関する統計データを取得する統計取得部と、
    前記統計データに基づき、イベントの発生確率を算出する確率算出部と、
    前記イベントの発生確率に基づき、複数のイベントをノードとして含むベイジアンネットワーク（ＢＮ）を生成するＢＮ生成部と、
    前記ベイジアンネットワークに基づいて、前記既知イベント情報及び前記イベントの発生確率に基づき、前記対象者の未知のイベントに関する未知イベント情報を生成するイベント情報生成部と、
    して機能させ、
    前記確率算出部は、第１のイベントが発生する場合に第２のイベントが発生する発生確率を、前記第１のイベントと前記第２のイベントの時間間隔ごとに算出する、
    プログラム。
19. 前記確率算出部は、第１のイベントが発生する場合に第２のイベントが発生する発生確率を、前記第１のイベントと前記第２のイベントの時間間隔ごとに算出し、第２のイベントが発生する場合に第３のイベントが発生する発生確率を、前記第２のイベントと前記第３のイベントの時間間隔ごとに算出する、
    請求項１８に記載のプログラム。
20. 前記確率算出部は、第１のイベントが発生する場合に第２のイベントが発生する発生確率を算出する、
    請求項１８に記載のプログラム。
21. 請求項１８から２０のいずれか１項に記載のプログラムを格納する記憶媒体。

Images