JP6964540B2 - 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

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、類似の社会状況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、所望の情報を抽出することが難しい。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るとは限らず、このような場合、異なる時点における類似の社会状況を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、類似の社会状況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、複数の時点の各々に対応する複数の社会状況の各々に対応する複数のノードが、前記複数の社会状況の類似性に応じて連結されたグラフ情報と、一の時点における一の社会状況に関する社会状況情報を取得する取得部と、前記取得部により取得された前記グラフ情報の前記複数のノードのうち、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ノードを起点として、前記グラフ情報を検索することにより、前記複数の社会状況のうち、前記一の社会状況と類似する社会状況である類似社会状況を抽出する検索部と、を備えたことを特徴とする。

実施形態の一態様によれば、類似の社会状況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、実施形態に係る社会状況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、実施形態に係る履歴情報記憶部の一例を示す図である。 図９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１０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１１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１２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１３は、情報提供サービスの一例を示す図である。 図１４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が複数の時点の各々に対応する複数の社会状況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、一の社会状況に類似する社会状況（以下、「類似社会状況」ともいう）を抽出する場合を示す。例えば、社会状況は、世界全体の社会状況であってもよい。なお、社会状況は、世界全体に限らず、Ｘ国等の所定の国の社会状況であってもよい。図１では、情報処理装置１００は、各社会状況に対応するベクトルデータ（「ベクトル情報」や、単に「ベクトル」ともいう）を用いて社会状況をグラフ構造化したグラフ情報を用いる場合を一例として説明する。

なお、情報処理装置１００が用いる情報は、ベクトルに限らず、各社会状況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、各社会状況に対応する所定のデータや値を用いて社会状況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、各社会状況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）を用いて社会状況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。なお、図１の例では、抽出した類似社会状況に基づいて、一の社会状況に対応する時点以後に指標である株価がどう変化する可能性が高いかを示す相場の情報を提供するサービスを行う場合を示すが、類似社会状況に基づくサービスであればそのようなサービスを提供してもよい。この点についての詳細は後述する。なお、指標は、株価に限らず、種々の指標であってもよい。例えば、指標は、金や金融指標や原油価格（以下、単に「原油」と記載）や経済成長率や失業率等の種々の指標であってもよい。

〔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用いて情報処理を行う。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情報提供装置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〜数億等の単位の膨大な社会状況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つの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、社会状況の類似性を示し、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社会状況の類似性が、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．ベクトルの生成例〕
また、ここでいう、各ノード（ベクトル）は、各オブジェクト（社会状況）に対応する。社会状況情報が様々な社会状況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、社会状況情報が、テキスト、画像、または、音声であったりする場合には、ベクトルデータへの変換が必要となる。そこで、図１の例では、各社会状況の社会状況情報から抽出された特徴量により生成された多次元（Ｎ次元）のベクトルがオブジェクトであってもよい。

例えば、情報処理装置１００は、社会状況情報の特徴を抽出するモデルを用いて各社会状況の社会状況情報からＮ次元ベクトルを生成してもよい。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、各社会状況の社会状況情報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「特徴抽出（社会状況）」、すなわち社会状況のデータ（社会状況情報）からの特徴抽出の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、モデルＭ１に任意の社会状況の社会状況情報を入力することにより、モデルＭ１中の各要素（ニューロン）の値を演算し、入力した社会状況情報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、各社会状況に対応するＮ次元のベクトルデータを生成してもよい。

ここで、図１１を用いて、各社会状況に対応するベクトルデータの生成の一例を示す。図１１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、モデルＭ１の概念図である。なお、図１１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１１に示すように、モデルＭ１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Ｍ１の入力層ＩＬは、社会状況情報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、入力された社会状況情報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、入力された社会状況情報の特徴を表現する層である。例えば、モデルＭ１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Ｍ１の中間層ＣＬにおいて、入力層ＩＬから圧縮層ＲＰまでの間は、入力された社会状況情報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Ｍ１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Ｍ１の中間層ＣＬにおいて、圧縮層ＲＰから出力層ＯＬまでの間は、圧縮された社会状況情報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、ある社会状況の社会状況情報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、ある社会状況の社会状況情報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をその社会状況のベクトルの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、ある社会状況の社会状況情報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をその社会状況のベクトルの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、各社会状況の社会状況情報をモデルＭ１に入力することにより、各社会状況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、各社会状況に対応するベクトルを情報提供装置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。また、図１の例では説明を簡単にするために、ベクトルの各要素（値）が整数である場合を示すが、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。

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、ある社会状況の社会状況情報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、社会状況情報からの特徴抽出を行ってもよい。例えば、所定の目的に適した社会状況と適さない社会状況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）に対応する情報を社会状況情報から抽出し、ベクトルを生成してもよい。例えば、情報処理装置１００は、社会状況における経済や紛争等の特徴（素性）に対応する情報を社会状況情報から抽出し、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、情報提供装置５０等の他の外部装置からモデルＭ１を取得してもよい。なお、情報処理装置１００は、社会状況情報記憶部１２１（図４参照）に記憶された各社会状況の社会状況情報ＳＤＴ１、ＳＤＴ２、ＳＤＴ４５１等を入力として、モデルＭ１を生成してもよい。例えば、情報処理装置１００は、各社会状況の社会状況情報ＳＤＴ１、ＳＤＴ２、ＳＤＴ４５１等を入力として、モデルＭ１を生成してもよい。例えば、社会状況情報ＳＤＴ１、ＳＤＴ２、ＳＤＴ４５１等は、対応する時点における経済状況や紛争状況等に関する情報を含んでもよい。例えば、社会状況情報ＳＤＴ１、ＳＤＴ２、ＳＤＴ４５１等は、各国の経済状況を示す情報等を含んでもよい。例えば、社会状況情報ＳＤＴ１、ＳＤＴ２、ＳＤＴ４５１等の社会状況情報は、各国の失業率や経済成長率等を含んでもよい。例えば、社会状況情報ＳＤＴ１、ＳＤＴ２、ＳＤＴ４５１等は、対応する時点から所定の期間内における事象（イベント）に関する情報等を含んでもよい。例えば、社会状況情報ＳＤＴ１、ＳＤＴ２、ＳＤＴ４５１等は、対応する時点から所定の期間内における戦争やテロ行為の有無等を含んでもよい。例えば、社会状況情報ＳＤＴ１、ＳＤＴ２、ＳＤＴ４５１等は、対応する時点から所定の期間内におけるニュース記事に関する情報等を含んでもよい。例えば、社会状況情報ＳＤＴ１、ＳＤＴ２、ＳＤＴ４５１等は、対応する時点から所定の期間内における訃報や事件に関する文字情報等を含んでもよい。なお、上記は一例であり、社会状況情報は、社会状況に関連する情報であれば、種々の情報が含まれてもよい。

情報処理装置１００は、社会状況の社会状況情報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社会状況情報に対し、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Ｍ１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情報提供装置５０等の他の外部装置から取得してもよい。

〔１−３．処理例〕
ここから、情報処理装置１００は、ユーザから一の社会状況の社会状況情報を取得し、一の社会状況に類似する社会状況に基づいてサービスを提供する場合を一例として説明する。図１の例では、端末装置１０は、ヘッジファンド等の企業（機関投資家）に所属するユーザＵ１により利用される。例えば、ユーザＵ１は、ヘッジファンドで株式の取引を行うユーザであってもよい。図１の例では、ユーザＵ１自身が、時点ＸＸ（例えばステップＳ１１における要求時点）以後に株価がどのように変化するかの情報を所望する場合を示す。

まず、端末装置１０は、時点ＸＸに対応する社会状況（以下、「社会状況Ｘ」ともいう）の社会状況情報ＳＤＴ１１を情報処理装置１００へ送信する。図１の例では、社会状況情報ＳＤＴ１１等は、対応する時点における経済状況や紛争状況等に関する情報を含む。例えば、社会状況情報ＳＤＴ１１は、時点ＸＸにおける各国の失業率や経済成長率等を含んでもよい。例えば、社会状況情報ＳＤＴ１１は、時点ＸＸから所定の期間内における戦争やテロ行為の有無等を含んでもよい。例えば、社会状況情報ＳＤＴ１１は、時点ＸＸから所定の期間内におけるニュース記事に関する情報等を含んでもよい。

そして、情報処理装置１００は、一の社会状況に関する社会状況情報を取得する（ステップＳ１１）。図１の例では、情報処理装置１００は、ユーザＵ１の端末装置１０から社会状況Ｘに関する社会状況情報ＳＤＴ１１を取得する。なお、情報処理装置１００は、社会状況Ｘが携帯する端末装置１０（図２参照）から社会状況Ｘに関する社会状況情報ＳＤＴ１１を取得する。なお、情報処理装置１００が、社会状況情報ＳＤＴ１１を取得済みである場合、情報処理装置１００は、ユーザＵ１から時点を指定する情報（指定情報）のみを取得してもよい。例えば、情報処理装置１００は、端末装置１０から時点ＸＸを指定する指定情報のみを取得してもよい。

そして、情報処理装置１００は、一の社会状況に対応する社会状況情報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、社会状況Ｘに対応するベクトルを生成する。情報処理装置１００は、社会状況Ｘに関する社会状況情報ＳＤＴ１１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、社会状況Ｘの社会状況情報ＳＤＴ１１をモデルＭ１に入力する。そして、情報処理装置１００は、社会状況情報ＳＤＴ１１の入力後のモデルＭ１中の情報を用いて、ベクトルを生成する（ステップＳ１３）。例えば、情報処理装置１００は、社会状況情報ＳＤＴ１１が入力されたモデルＭ１中の各要素を用いて、ベクトルデータを生成する。

図１の例では、情報処理装置１００は、社会状況情報ＳＤＴ１１が入力されたモデルＭ１中の各要素の値を用いて、ベクトルデータＶＤ１１（単に「ベクトルＶＤ１１」ともいう）を生成する。例えば、情報処理装置１００は、社会状況Ｘの社会状況情報ＳＤＴ１１が入力された場合における、モデルＭ１のニューロンＮＬ１に対応する値ＶＥ１（図１１参照）やニューロンＮＬ２に対応する値ＶＥ２（図１１参照）を用いて、ベクトルを生成する。例えば、情報処理装置１００は、社会状況Ｘの社会状況情報ＳＤＴ１１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をベクトルＶＤ１１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、ある社会状況の社会状況情報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をベクトルＶＤ１１の２次元目の要素として、ベクトルＶＤ１１を生成する。図１の例では、情報処理装置１００は、１次元目の要素が「３５」であり、２次元目の要素が「６３」であるようなベクトルＶＤ１１を生成する。

そして、情報処理装置１００は、社会状況Ｘに類似する社会状況（以下、「類似社会状況」ともいう）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、社会状況Ｘの類似社会状況を検索してもよい。例えば、情報処理装置１００は、類似性が高いノード間がエッジで連結されたグラフ情報ＧＲ１１を用いる。

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を用いて社会状況Ｘの類似社会状況を検索する。例えば、情報処理装置１００は、グラフ情報記憶部１２３（図６参照）から社会状況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を情報提供装置５０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、一の社会状況（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、社会状況ＸのベクトルＶＤ１１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ＶＤ１１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ＶＤ１１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（一の社会状況）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ＶＤ１１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。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ＶＤ１１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ＶＤ１１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ＶＤ１１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ＶＤ１１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ＶＤ１１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。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。

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、社会状況Ｘの類似社会状況を抽出する（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社会状況として抽出する。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社会状況として抽出する。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社会状況として抽出する。例えば、情報処理装置１００は、所定数（例えば、２個や１０個等）のノードを類似社会状況として抽出する。例えば、情報処理装置１００は、図１２に示すような検索処理により、社会状況Ｘの類似社会状況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を類似社会状況として抽出する。

そして、情報処理装置１００は、対象とする時点（対象時点）を決定する（ステップＳ１７）。例えば、情報処理装置１００は、抽出した類似社会状況と、社会状況情報記憶部１２１（図４参照）に記憶された社会状況と時点との対応付けとに基づいて、対象時点を決定する。図１の例では、説明を簡単にするために、情報処理装置１００は、抽出した類似社会状況のうち、時点ＸＸの社会状況に最も類似する社会状況に対応する時点を対象時点に決定する。なお、情報処理装置１００は、抽出した類似社会状況の各々に対応する複数の時点を対象時点として決定してもよい。この場合、情報処理装置１００は、複数の対象時点の各々について、ステップＳ１８の処理を行い、複数の時点に対応する株価の変化に基づいて、総合的に相場を判定してもよい。以下では、対象時点が１つに決定されるものとして説明する。

例えば、情報処理装置１００は、時点ＸＸに対応するベクトルＶＤ１１と類似社会状況のベクトルとを比較することにより、時点ＸＸの社会状況に最も類似する社会状況に対応する対象時点を特定する。図１の例では、情報処理装置１００は、時点ＸＸのベクトルＶＤ１１と、ノードＮ４５１（社会状況＃４５１）のベクトルＶＤ４５１やノードＮ３５（社会状況＃３５）のベクトルＶＤ３５とを比較する。図１の例では、情報処理装置１００は、対象時点情報ＴＧＬ１１に示すように、ノードＮ４５１（社会状況＃４５１）に対応する時点＃４５１を対象時点に決定する。なお、上記は一例であり、情報処理装置１００は、種々の基準に基づいて対象時点を決定してもよい。例えば、情報処理装置１００は、類似社会状況のうち、最も時点ＸＸに近い時点の類似社会状況を対象として、その類似社会状況の時点を対象時点に決定してもよい。

そして、情報処理装置１００は、履歴情報を取得する（ステップＳ１８）。例えば、情報処理装置１００は、履歴情報記憶部１２５（図８参照）から履歴情報を取得する。図８に示すように履歴情報記憶部１２５には、株価等の指標が各時点に対応付けられて記憶される。情報処理装置１００は、決定した対象時点以後の履歴情報を取得する。情報処理装置１００は、決定した対象時点以後の所定期間の履歴情報を取得する。所定の期間には、対象時点が含まれなくてもよい。なお、ここでいう所定期間は、１０秒や１分や３０分や２時間や１日や２週間や１ヶ月等の種々の期間であってもよく、用途や指標に応じて適宜設定されてもよい。図１の例では、所定の期間が１時間であるものとする。

図１の例では、情報処理装置１００は、決定した対象時点である時点＃４５１以後の１時間の履歴情報を取得する。情報処理装置１００は、対象履歴情報ＬＧＬ１１に示すように、時点＃４５１〜時点＃４５３等の各時点に対応する「指標＃１（株価）」の値を示す履歴情報を取得する。なお、図１の例では、各時点における指標＃１（株価）を「ＳＰ４５１」〜「ＳＰ４５３」といった抽象的な符号で示すが、例えば１万８千円や２万５千円など、具体的な数値であるものとする。また、図１の対象履歴情報ＬＧＬ１１に示すように、株価ＳＰ４５１は、株価ＳＰ４５２より小さく、株価ＳＰ４５２は、株価ＳＰ４５３より小さいものとする。また、時点＃４５１から１時間後の時点（以下「最終時点」ともいう）の株価は、時点＃４５１の株価ＳＰ４５１よりも大きいものとする。

そして、情報処理装置１００は、対象時点である時点＃４５１以後の履歴情報を用いて判定処理を行う。図１の例では、情報処理装置１００は、時点＃４５１から１時間の株価の変化に基づいて、相場を判定する（ステップＳ１９）。情報処理装置１００は、時点＃４５１から時点＃４５３等の１時間の株価の変化に基づいて、相場を判定する。例えば、情報処理装置１００は、対象時点である時点＃４５１の株価ＳＰ４５１と最終時点の株価とを比較することにより、相場を判定してもよい。図１の例では、情報処理装置１００は、対象時点である時点＃４５１の株価ＳＰ４５１が最終時点の株価よりも大きいため、株価が上昇する、すなわち上げ相場であると判定する。そして、情報処理装置１００は、対象時点である時点＃４５１以後の相場が上げ相場であるため、時点＃４５１の社会状況と類似する社会状況である時点ＸＸ以後も上げ相場である可能性が高いと判定する。

なお、情報処理装置１００は、上記に限らず、種々の情報や判定基準を適宜用いて相場を判定してもよい。例えば、情報処理装置１００は、秒単位等の短期的な取引における相場の判定の場合、対象時点からの指標の連続的な変化に基づいて、相場を判定してもよい。例えば、情報処理装置１００は、一の時点の株価と次の時点の株価とを比較を繰り返すことにより、相場を判定してもよい。例えば、情報処理装置１００は、秒単位等の短期的な取引における相場の判定の場合、時点＃４５１の株価ＳＰ４５１から時点＃４５３の株価ＳＰ４５３まで連続的に株価が上昇しているため、上げ相場であると判定してもよい。

そして、情報処理装置１００は、判定結果に基づいてサービスを提供する。図１の例では、情報処理装置１００は、時点ＸＸ以後の相場が上げ相場である可能性が高いことを示す相場情報を端末装置１０に提供する（ステップＳ２０）。例えば、情報処理装置１００は、時点ＸＸ以後の相場が上げ相場である可能性が高いことを示す相場情報を端末装置１０に送信する。例えば、情報処理装置１００は、時点ＸＸの社会状況に類似する社会状況である時点＃４５１の株価ＳＰ４５１と、最終時点の株価を示す情報を含む相場情報を端末装置１０に送信する。これにより、ユーザＵ１は、株式市場での時点ＸＸにおける投資判断を適切に行うことができる。なお、情報処理装置１００は、時点＃４５１の株価ＳＰ４５１よりも最終時点の株価が小さい場合、時点ＸＸ以後の相場が下げ相場である可能性が高いことを示す相場情報を端末装置１０に提供してもよい。

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、ユーザＵ１から取得した社会状況情報に対応する時点ＸＸの社会状況に対応する類似社会状況を抽出する。例えば、情報処理装置１００は、インデックス情報ＩＮＤ１１を用いて、社会状況Ｘの類似社会状況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、社会状況Ｘの類似社会状況を抽出する。これにより、情報処理装置１００は、類似の社会状況を適切に抽出することができる。

例えば、情報処理装置１００は、社会状況Ｘと類似する社会状況（類似社会状況）が、例えば社会状況Ｘと一見関係が無いように見える場合であっても、グラフ情報を用いることで、社会状況Ｘの類似社会状況として抽出でき、類似の社会状況を適切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、株価上昇時の社会状況や原油高騰時の社会状況等の所定の目的に適した社会状況を識別するという方法もあるが、所定の目的に適するかに影響する多種多様な要素が存在する場合においては、各要素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、そのモデルに社会状況の情報を入力し、出力されたスコアからその社会状況が所定の目的に適するかを識別するという方法もあるが、多種多様な要素が存在する場合においては、各要素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、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、各社会状況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、社会状況のベクトルの比較により社会状況間の類似度を判定し、一の社会状況が複数の社会状況に含まれるかどうかを適切に判定することができる。そのため、情報処理装置１００は、類似の社会状況を適切に抽出することができる。

〔１−４．サービスについて〕
図１の例では、株価を指標の一例として、株の相場が上げ相場かどうかを判定する場合を一例として説明したが、情報処理装置１００は、種々の指標に関する情報を種々の態様で提供してもよい。この点について、図１３を用いて説明する。図１３は、情報提供サービスの一例を示す図である。図１３の例では、指標が原油（価格）である場合を示す。なお、図１と同様の点については適宜説明を省略する。

まず、情報処理装置１００は、時点情報ＴＤＡ５１に示すように、時点ＹＹに対応する社会状況（以下、「社会状況Ｙ」ともいう）の社会状況情報ＳＴＤ５１を取得する。

例えば、情報処理装置１００は、端末装置１０から社会状況Ｙに関する社会状況情報ＳＤＴ５１を取得する。例えば、社会状況情報ＳＤＴ５１は、時点ＹＹにおける各国の失業率や経済成長率等を含んでもよい。例えば、社会状況情報ＳＤＴ５１は、時点ＹＹから所定の期間内における戦争やテロ行為の有無等を含んでもよい。例えば、社会状況情報ＳＤＴ５１は、時点ＹＹから所定の期間内におけるニュース記事に関する情報等を含んでもよい。

そして、情報処理装置１００は、図１３と同様の処理により、社会状況Ｙの類似社会状況を抽出する。例えば、情報処理装置１００は、社会状況情報ＳＴＤ５１をモデルＭ１に入力することにより、ベクトルデータを生成し、生成したベクトルデータを用いてグラフ情報ＧＲ１１を検索する。これにより、情報処理装置１００は、社会状況Ｙの類似社会状況を抽出する。例えば、情報処理装置１００は、ノードＮ１５等を類似社会状況として抽出する。

そして、情報処理装置１００は、対象とする時点（対象時点）を決定する（ステップＳ５１）。例えば、情報処理装置１００は、抽出した類似社会状況と、社会状況情報記憶部１２１（図４参照）に記憶された社会状況と時点との対応付けとに基づいて、対象時点を決定する。図１３の例では、情報処理装置１００は、対象時点情報ＴＧＬ５１に示すように、ノードＮ１５（社会状況＃１５）に対応する時点＃１５を対象時点に決定する。

そして、情報処理装置１００は、履歴情報を取得する（ステップＳ５２）。例えば、情報処理装置１００は、履歴情報記憶部１２５（図８参照）から履歴情報を取得する。図８に示すように履歴情報記憶部１２５には、原油等の指標が各時点に対応付けられて記憶される。情報処理装置１００は、決定した対象時点以後の履歴情報を取得する。情報処理装置１００は、決定した対象時点である時点＃１５以後の期間ＴＭ５１を含む履歴情報を取得する。期間ＴＭ５１は、５秒や１０分や３日や２ヶ月等の種々の期間であってもよい。図１３の例では、所定の期間が１日であるものとする。

図１３の例では、情報処理装置１００は、期間ＴＭ５１から前後の期間（例えば前後２日等）を含む期間（以下、「表示用期間」とする）の履歴情報を取得する。情報処理装置１００は、対象履歴情報ＬＧＬ５１に示すように、時点＃１５〜時点＃１８等の各時点に対応する「指標＃２（原油）」の値を示す履歴情報を取得する。情報処理装置１００は、時点＃１５における「指標＃２（原油）」の値（原油価格）が原油価格ＣＰ１５であることを示す履歴情報を取得する。情報処理装置１００は、時点＃１６、時点＃１７、時点＃１８の各々における原油価格が、原油価格ＣＰ１６、原油価格ＣＰ１７、原油価格ＣＰ１８であることを示す履歴情報を取得する。なお、図１３の例では、原油価格は、時点＃１５〜＃１８の間上昇を続けており、原油価格ＣＰ１５〜ＣＰ１８の順で大きいものとする。

そして、情報処理装置１００は、取得した履歴情報を用いて変遷情報を生成する（ステップＳ５３）。図１３の例では、情報処理装置１００は、表示用期間の各時点とその時点の原油価格との対応付けに基づいて、表示用期間における原油価格の変遷を示す変遷情報ＴＧ５１を生成する。例えば、縦軸を指標値（原油）とし、横軸を時点として時間経過に応じた原油価格の変遷を視覚的に表示する図である変遷情報ＴＧ５１を生成する。例えば、情報処理装置１００は、グラフやチャート等の描画の種々の従来技術を適宜用いて変遷情報ＴＧ５１を生成してもよい。なお、情報処理装置１００は、期間ＴＭ５１における原油価格の変遷が視認可能出れば、変遷情報ＴＧ５１に限らず、種々の情報を生成してもよい。

そして、情報処理装置１００は、情報提供サービスを行う。図１３の例では、情報処理装置１００は、変遷情報ＴＧ５１を端末装置１０に提供する（ステップＳ５４）。例えば、情報処理装置１００は、時点ＹＹ以後の相場が上げ相場である可能性が高いことを示す変遷情報ＴＧ５１を端末装置１０に送信する。これにより、情報処理装置１００から変遷情報ＴＧ５１を受信した端末装置１０を利用するユーザは、変遷情報ＴＧ５１を基に投資判断等を適切に行うことができる。このように、情報処理装置１００は、ユーザの判断材料となる情報を適切に提供することができる。

〔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、所定の社会状況に関するより効率的な検索を可能にすることができる。

〔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、情報提供装置５０と、情報処理装置１００とが含まれる。端末装置１０と、情報提供装置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、複数台の情報提供装置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、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、ユーザ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をユーザと表記する場合がある。すなわち、以下では、ユーザを端末装置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。例えば、端末装置１０は、社会状況情報を収集し、社会状況情報を情報処理装置１００へ送信する。

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、複数の社会状況のうち、一の社会状況が複数の社会状況に含まれるかどうかを判定する情報処理装置である。例えば、情報処理装置１００は、一の社会状況に関する社会状況情報を取得し、社会状況情報と、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に基づいて、起点ベクトルを決定する。

情報処理装置１００は、ユーザ等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、情報処理装置１００は、端末装置１０から一の社会状況の社会状況情報（以下、「クエリ情報」や「クエリ」ともいう）を取得すると、クエリに類似する社会状況（ベクトル情報等）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から一の社会状況の社会状況情報を取得すると、一の社会状況に類似する社会状況を検索し、検索結果を類似の社会状況として端末装置１０に提供する。また、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、社会状況の名称や社会状況の社会状況情報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であってもよい。

情報提供装置５０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５０は、ウェブサーバ等の種々の外部装置から収集した社会状況情報等が格納されてもよい。例えば、情報提供装置５０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や情報提供装置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、社会状況情報記憶部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、履歴情報記憶部１２５とを有する。

（社会状況情報記憶部１２１）
実施形態に係る社会状況情報記憶部１２１は、社会状況（オブジェクト）に関する各種情報を記憶する。例えば、社会状況情報記憶部１２１は、社会状況ＩＤやベクトルデータを記憶する。図４の例では、社会状況に関する社会状況情報を記憶する。図４は、実施形態に係る社会状況情報記憶部の一例を示す図である。図４に示す社会状況情報記憶部１２１は、「社会状況ＩＤ」、「社会状況」、「時点」、「社会状況情報」、「ベクトル情報」といった項目が含まれる。

「社会状況ＩＤ」は、社会状況（オブジェクト）を識別するための識別情報を示す。また、「社会状況」は、社会状況ＩＤにより識別される社会状況の具体的な名称や内容等を示す。なお、図４の例では、社会状況を「社会状況＃１」といった抽象的な符号で示すが、社会状況を特定するための文字情報等が含まれてもよい。「時点」は、対応する社会状況であった時間（時点）を示す。例えば、「時点」は、対応する社会状況情報が取得された時間（時点）を示す。なお、図８の例では、時点を「時点＃１」といった抽象的な符号で示すが、括弧内の「１９ＸＹ年Ｚ月…」等のように、対応する指標値が取得された具体的な時点等が含まれてもよい。また、日時の最小単位は、対応する指標に応じて種々の単位であってもよい。

「社会状況情報」は、社会状況ＩＤにより識別される社会状況に関する情報を示す。なお、図４の例では、社会状況情報を「ＳＤＴ１」といった抽象的な符号で示すが、各社会状況情報は、社会状況ＩＤにより識別される社会状況に対応する時点における経済状況や紛争状況等に関する情報を含んでもよい。「ベクトル情報」とは、社会状況ＩＤにより識別される社会状況（オブジェクト）に対応するベクトル情報を示す。すなわち、図４の例では、社会状況（オブジェクト）を識別する社会状況ＩＤに対して、オブジェクトに対応するベクトルデータ（ベクトル情報）が対応付けられて登録されている。

例えば、図４の例では、社会状況ＩＤ「ＳＣ１」により識別される社会状況（オブジェクト）は、「１０，２４，５４，２．．．」の多次元（Ｎ次元）のベクトル情報が対応付けられることを示す。例えば、社会状況＃１については、モデルＭ１等により、社会状況＃１の特徴を示す「１０，２４，５４，２．．．」の多次元（Ｎ次元）のベクトル情報が社会状況情報ＳＤＴ１から抽出されたことを示す。また、図４の例では、社会状況＃１の指標値は、「ＶＬ１」であることを示す。

なお、社会状況情報記憶部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。

（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」、「社会状況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（社会状況）を識別するための識別情報を示す。また、「社会状況ＩＤ」は、社会状況（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（社会状況）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、社会状況ＩＤ「ＳＣ１」により識別される社会状況（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。なお、図７では、モデルＭ１、Ｍ２のみを図示するが、Ｍ２１、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。

「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「特徴抽出（社会状況）」であり、入力された社会状況情報からの特徴の抽出に用いられることを示す。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。

モデルＭ１（モデルデータＭＤＴ１）は、社会状況の社会状況情報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社会状況情報に対し、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る。

また、モデルＭ１、Ｍ２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Ｍ１、Ｍ２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。

（履歴情報記憶部１２５）
実施形態に係る履歴情報記憶部１２５は、履歴に関する各種情報を記憶する。図８は、実施形態に係る指標情報記憶部の一例を示す図である。履歴情報記憶部１２５は、各時点に対応する指標の履歴に情報を記憶する。例えば、履歴情報記憶部１２５は、株価等の金融指標や原油価格等の指標に関する情報を記憶する。図８に示す履歴情報記憶部１２５には、「時点ＩＤ」、「時点」、「指標＃１（株価）」、「指標＃２（原油）」といった項目を有する。なお、図８では、「指標＃１（株価）」、「指標＃２（原油）」のみを図示するが、「指標＃３（経済成長率）」、「指標＃４（失業率）」、「指標＃５（金）」等、用途に応じて多数の指標が記憶されてもよい。

「時点ＩＤ」は、時点を識別するための識別情報を示す。「時点」は、対応する指標の値（指標値）が取得（計測）された時間（時点）を示す。なお、図８の例では、時点を「時点＃１」といった抽象的な符号で示すが、括弧内の「１９ＸＹ年Ｚ月…」等のように、対応する指標値が取得された具体的な時点等が含まれてもよい。また、日時の最小単位は、対応する指標に応じて種々の単位であってもよい。例えば、日時の最小単位は、日単位であってもよいし、時単位であってもよいし、分単位であってもよいし、秒単位であってもよい。また、例えば、日時の最小単位は、ミリ秒単位であってもよいし、マイクロ秒であってもよいし、ナノ秒であってもよいし、さらに細かい単位（ピコ秒単位等）であってもよい。また、例えば、各時点ＩＤ「ＤＡ＊」中の「ＤＡ」に続く「＊（＊は任意の数値）」の値が大きい程、日付が新しいものとする。例えば、時点ＩＤ「ＤＡ２」により識別される時点＃２は、時点ＩＤ「ＤＡ１」により識別される時点＃１に比べて、時点ＩＤにおける「ＤＡ」に続く数値が大きいため、日付がより新しいことを示す。

「指標＃１（株価）」、「指標＃２（原油）」等は、取得（計測）の対象となる指標を示す。「指標＃１（株価）」は、対応する時点における株価を示す。例えば、「指標＃１（株価）」は、株式市場において実際に約定があった価格、すなわち株式の相場の価格を示す。なお、図８の例では、各時点における指標＃１（株価）を「ＳＰ１」といった抽象的な符号で示すが、例えば１万５千円や３万８千円など、具体的な数値であるものとする。また、「指標＃２（原油）」は、対応する時点における株価を示す。例えば、「指標＃２（原油）」は、原油が取引される際の価格を示す。なお、図８の例では、各時点における指標＃２（原油）を「ＣＰ１」といった抽象的な符号で示すが、例えば５０ドルや７０ドルなど、具体的な数値であるものとする。

図８に示す例において、時点ＩＤ「ＤＡ１」により識別される時点は、時点＃１であることを示す。例えば、時点＃１は、「１９ＸＹ年Ｚ月３１日１時２３分４５．６７８９…秒」等であってもよい。また、時点＃１における指標＃１（株価）が株価ＳＰ１であることを示す。また、時点＃１における指標＃２（原油）が原油価格ＣＰ１であることを示す。

なお、履歴情報記憶部１２５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。図８の例では、店舗ごとに指標に関する情報を記憶する場合を示したが、指標ごとに店舗の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、社会状況の社会状況情報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社会状況情報に対し、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、検索部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。例えば、取得部１３１は、記憶部１２０から各種情報を取得する。例えば、取得部１３１は、社会状況情報記憶部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や履歴情報記憶部１２５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や情報提供装置５０から各種情報を取得する。

取得部１３１は、複数の社会状況の各々に対応する複数のノードが、複数の社会状況の類似性に応じて連結されたグラフ情報と、一の社会状況に関する社会状況情報を取得する。取得部１３１は、複数の社会状況の各々に対応する複数のベクトルが、複数の社会状況の類似性に応じて連結されたグラフ情報と、一の社会状況に関する社会状況情報を取得する。取得部１３１は、複数の社会状況の各々の特徴を示す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、所定のモデルを用いて複数の社会状況の各々から抽出された特徴量を要素と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、複数の社会状況に関する情報を所定のモデルに入力することにより、抽出される複数の社会状況の各々の特徴量を要素と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、複数の時点以後の一の時点における一の社会状況に関する社会状況情報を取得する。取得部１３１は、所定の指標である金融指標の履歴情報を取得する。取得部１３１は、ユーザが利用する端末装置から、一の社会状況に関する社会状況情報を取得する。取得部１３１は、類似社会状況に対応する時点以後における所定の指標の変化を示す履歴情報を取得する。

例えば、取得部１３１は、データ検索の社会状況となる複数のノード（ベクトル）を取得する。例えば、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。

例えば、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。例えば、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。例えば、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。

例えば、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。例えば、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。例えば、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、ユーザが利用する端末装置１０から一の社会状況に関する社会状況情報を取得する。例えば、取得部１３１は、検索クエリとして、一の社会状況の社会状況情報を取得する。例えば、取得部１３１は、社会状況に関する検索クエリを取得する。取得部１３１は、ユーザＵ１が利用する端末装置１０から社会状況Ｘに関する社会状況情報ＳＤＴ１１を取得する。

例えば、取得部１３１は、一の社会状況に関する社会状況情報を取得する。例えば、取得部１３１は、端末装置１０から社会状況Ｘに関する社会状況情報ＳＤＴ１１を取得する。例えば、取得部１３１は、グラフ情報記憶部１２３（図６参照）から社会状況に関するグラフ情報ＧＲ１１を取得する。また、例えば、取得部１３１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（起点ベクトル）の決定に用いるインデックス情報ＩＮＤ１１を取得する。

図１の例では、取得部１３１は、履歴情報を取得する。例えば、取得部１３１は、履歴情報記憶部１２５（図８参照）から履歴情報を取得する。図８に示すように履歴情報記憶部１２５には、株価等の指標が各時点に対応付けられて記憶される。取得部１３１は、決定した対象時点以後の履歴情報を取得する。取得部１３１は、決定した対象時点以後の所定期間の履歴情報を取得する。取得部１３１は、決定した対象時点である時点＃４５１以後の１時間の履歴情報を取得する。取得部１３１は、対象履歴情報ＬＧＬ１１に示すように、時点＃４５１〜時点＃４５３等の各時点に対応する「指標＃１（株価）」の値を示す履歴情報を取得する。

（生成部１３２）
生成部１３２は、各種情報を生成する。例えば、生成部１３２は、社会状況情報記憶部１２１に記憶された学習データ（社会状況情報）を用いて、モデル情報記憶部１２４に示すようなモデルを生成する。例えば、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、入力した社会状況情報と同様の情報を出力するモデル（オートエンコーダ）を生成する。例えば、生成部１３２は、入力する社会状況情報自体を正解情報として、入力した社会状況情報と同様の情報を出力するモデル（オートエンコーダ）を生成する。

例えば、生成部１３２は、モデルＭ１等を生成し、生成したモデルＭ１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Ｍ１を生成してもよい。例えば、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Ｍ１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Ｍ１等を生成する場合、モデルＭ１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、社会状況の社会状況情報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社会状況情報に対し、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。

例えば、生成部１３２は、学習データに基づいてモデルを生成する。例えば、生成部１３２は、学習データに基づいてモデルを生成する。例えば、生成部１３２は、社会状況情報記憶部１２１中の社会状況情報ＳＤＴ１、ＳＤＴ２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。

例えば、生成部１３２は、社会状況情報ＳＤＴ１が入力された場合に、モデルＭ１が社会状況情報ＳＤＴ１と同様の情報を出力するように、学習処理を行う。例えば、生成部１３２は、社会状況情報ＳＤＴ２が入力された場合に、モデルＭ１が社会状況情報ＳＤＴ２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モデルＭ１に限らず、種々の学習アルゴリズムを用いて社会状況（入館）に対応するモデルＭ２１や社会状況（入国）に対応するＭ２２等を生成してもよい。例えば、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Ｍ２１、Ｍ２２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Ｍ２１、Ｍ２２等を生成する場合、モデルＭ２１、Ｍ２２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。なお、情報処理装置１００は、情報提供装置５０等の他の外部装置からモデルを取得する場合、生成部１３２を有しなくてもよい。

図１の例では、生成部１３２は、社会状況情報の特徴を抽出するモデルを用いて各社会状況の社会状況情報から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、各社会状況の社会状況情報からベクトルを生成する。

また、生成部１３２は、一の社会状況に対応する社会状況情報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、社会状況Ｘに対応するベクトルを生成する。生成部１３２は、社会状況Ｘに関する社会状況情報ＳＤＴ１１をモデルＭ１に入力する。具体的には、生成部１３２は、社会状況Ｘに対応する経済状況や紛争状況等に関する情報を含む社会状況情報ＳＤＴ１１をモデルＭ１に入力する。そして、生成部１３２は、社会状況情報ＳＤＴ１１の入力後のモデルＭ１中の情報を用いて、ベクトルを生成する。例えば、生成部１３２は、社会状況情報ＳＤＴ１１が入力されたモデルＭ１中の各要素を用いて、ベクトルデータを生成する。

図１の例では、生成部１３２は、社会状況情報ＳＤＴ１１が入力されたモデルＭ１中の各要素の値を用いて、ベクトルＶＤ１１を生成する。例えば、生成部１３２は、社会状況Ｘの社会状況情報ＳＤＴ１１が入力された場合における、モデルＭ１のニューロンＮＬ１に対応する値ＶＥ１（図１１参照）やニューロンＮＬ２に対応する値ＶＥ２（図１１参照）を用いて、ベクトルを生成する。例えば、生成部１３２は、社会状況Ｘの社会状況情報ＳＤＴ１１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をベクトルＶＤ１１の１次元目の要素として抽出してもよい。また、例えば、生成部１３２は、社会状況の社会状況情報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をベクトルＶＤ１１の２次元目の要素として、ベクトルＶＤ１１を生成する。図１の例では、生成部１３２は、１次元目の要素が「３５」であり、２次元目の要素が「６３」であるようなベクトルＶＤ１１を生成する。

図１３の例では、生成部１３２は、取得した履歴情報を用いて変遷情報を生成する。生成部１３２は、表示用期間の各時点とその時点の原油価格との対応付けに基づいて、表示用期間における原油価格の変遷を示す変遷情報ＴＧ５１を生成する。例えば、縦軸を指標値（原油）とし、横軸を時点として時間経過に応じた原油価格の変遷を視覚的に表示する図である変遷情報ＴＧ５１を生成する。例えば、生成部１３２は、グラフやチャート等の描画の種々の従来技術を適宜用いて変遷情報ＴＧ５１を生成してもよい。なお、生成部１３２は、期間ＴＭ５１における原油価格の変遷が視認可能出れば、変遷情報ＴＧ５１に限らず、種々の情報を生成してもよい。

（決定部１３３）
決定部１３３は、各種情報を決定する。決定部１３３は、起点ノードの決定に用いるインデックス情報に基づいて、起点ノードを決定する。例えば、決定部１３３は、取得部１３１により取得された社会状況情報と、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に基づいて、起点ベクトルを決定する。例えば、決定部１３３は、社会状況情報と、グラフ情報の検索の起点ベクトルの決定の基準となる情報とに基づいて、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、一の社会状況（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。例えば、決定部１３３は、社会状況ＸのベクトルＶＤ１１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ＶＤ１１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。

例えば、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ＶＤ１１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（一の社会状況）に対応する起点ベクトルを決定する。

例えば、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ＶＤ１１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。

図１の例では、決定部１３３は、対象とする時点（対象時点）を決定する。例えば、決定部１３３は、抽出した類似社会状況と、社会状況情報記憶部１２１（図４参照）に記憶された社会状況と時点との対応付けとに基づいて、対象時点を決定する。決定部１３３は、抽出した類似社会状況のうち、時点ＸＸの社会状況に最も類似する社会状況に対応する時点を対象時点に決定する。決定部１３３は、時点ＸＸに対応するベクトルＶＤ１１と類似社会状況のベクトルとを比較することにより、時点ＸＸの社会状況に最も類似する社会状況に対応する対象時点を特定する。決定部１３３は、時点ＸＸのベクトルＶＤ１１と、ノードＮ４５１（社会状況＃４５１）のベクトルＶＤ４５１やノードＮ３５（社会状況＃３５）のベクトルＶＤ３５とを比較する。決定部１３３は、対象時点情報ＴＧＬ１１に示すように、ノードＮ４５１（社会状況＃４５１）に対応する時点＃４５１を対象時点に決定する。

（検索部１３４）
検索部１３４は、各種情報を検索する。例えば、検索部１３４は、取得部１３１により取得された情報を用いて、各種情報を検索する。例えば、検索部１３４は、各種情報を抽出する。例えば、検索部１３４は、取得部１３１により取得された情報を用いて、各種情報を抽出する。例えば、検索部１３４は、各種判定処理を行う。例えば、検索部１３４は、取得部１３１により取得された情報を用いて、各種情報を判定する。例えば、検索部１３４は、記憶部１２０に記憶された各種情報を検索する。例えば、取得部１３１は、社会状況情報記憶部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等に記憶された各種情報を検索する。例えば、検索部１３４は、各種情報を用いて算出処理を行う。例えば、検索部１３４は、ベクトルに関する情報を用いて、ベクトル間の距離を算出する。例えば、検索部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。

検索部１３４は、取得部１３１により取得されたグラフ情報の複数のノードのうち、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ノードを起点として、グラフ情報を検索することにより、複数の社会状況のうち、一の社会状況と類似する社会状況である類似社会状況を抽出する。検索部１３４は、決定部１３３により決定された起点ノードを起点として、類似社会状況を抽出する。

検索部１３４は、取得部１３１により取得された流行情報に基づいて、一の社会状況が流行するかどうかを判定する。検索部１３４は、類似社会状況の指標値が所定の基準を満たす場合、一の社会状況を流行する可能性がある流行社会状況であると判定する。検索部１３４は、類似社会状況の指標値と所定の閾値とを比較し、類似社会状況の指標値が所定の閾値以上である場合、一の社会状況を流行社会状況であると判定する。

検索部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、複数の社会状況のうち、一の社会状況に類似する社会状況である類似社会状況を抽出する。検索部１３４は、各種情報を抽出する。例えば、検索部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グラフ情報を検索することにより、複数の社会状況のうち、一の社会状況に類似する社会状況である類似社会状況を抽出する。

図１の例では、検索部１３４は、社会状況Ｘに類似する社会状況を検索する。例えば、検索部１３４は、グラフ情報ＧＲ１１を検索することにより、社会状況Ｘの類似社会状況を抽出する。検索部１３４は、ノードＮ４５１の近傍に位置するノードを類似社会状況として抽出する。例えば、検索部１３４は、ノードＮ４５１からの距離が近いノードを類似社会状況として抽出する。例えば、検索部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社会状況として抽出する。例えば、検索部１３４は、所定数（例えば、２個や１０個等）のノードを類似社会状況として抽出する。例えば、検索部１３４は、図１２に示すような検索処理により、社会状況Ｘの類似社会状況を抽出する。図１の例では、検索部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を類似社会状況として抽出する。

図１の例では、検索部１３４は、対象時点である時点＃４５１以後の履歴情報を用いて判定処理を行う。検索部１３４は、時点＃４５１から１時間の株価の変化に基づいて、相場を判定する。検索部１３４は、時点＃４５１から時点＃４５３等の１時間の株価の変化に基づいて、相場を判定する。例えば、検索部１３４は、対象時点である時点＃４５１の株価ＳＰ４５１と最終時点の株価とを比較することにより、相場を判定してもよい。検索部１３４は、対象時点である時点＃４５１の株価ＳＰ４５１が最終時点の株価よりも大きいため、株価が上昇する、すなわち上げ相場であると判定する。そして、検索部１３４は、対象時点である時点＃４５１以後の相場が上げ相場であるため、時点＃４５１の社会状況と類似する社会状況である時点ＸＸ以後も上げ相場である可能性が高いと判定する。

（提供部１３５）
提供部１３５は、各種情報を提供する。例えば、提供部１３５は、端末装置１０や情報提供装置５０に各種情報を送信する。例えば、提供部１３５は、端末装置１０や情報提供装置５０に各種情報を配信する。例えば、提供部１３５は、端末装置１０や情報提供装置５０に各種情報を提供する。提供部１３５は、検索部１３４により抽出された類似社会状況に基づいて、所定のサービスを提供する。また、提供部１３５は、類似社会状況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に類似社会状況に関する情報を提供する。

提供部１３５は、検索部１３４により抽出された類似社会状況に基づいて、所定のサービスを提供する。提供部１３５は、端末装置１０に所定のサービスを提供する。提供部１３５は、類似社会状況に関する情報提供サービスを提供する。提供部１３５は、取得部１３１により取得された履歴情報に基づいて、情報提供サービスを提供する。提供部１３５は、類似社会状況の履歴情報に基づく情報を端末装置１０に提供する。提供部１３５は、端末装置１０に類似社会状況の履歴情報に基づいて、一の時点以後の相場に関する情報を提供する。

例えば、提供部１３５は、クエリに対応するオブジェクトＩＤを検索結果として提供する。例えば、提供部１３５は、検索部１３４により選択されたオブジェクトＩＤを情報提供装置５０へ提供する。提供部１３５は、検索部１３４により選択されたオブジェクトＩＤをクエリに対応するベクトルを示す情報として情報提供装置５０に提供する。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、判定結果に基づいてサービスを提供する。提供部１３５は、時点ＸＸ以後の相場が上げ相場である可能性が高いことを示す相場情報を端末装置１０に提供する。例えば、提供部１３５は、時点ＸＸ以後の相場が上げ相場である可能性が高いことを示す相場情報を端末装置１０に送信する。例えば、提供部１３５は、時点ＸＸの社会状況に類似する社会状況である時点＃４５１の株価ＳＰ４５１と、最終時点の株価を示す情報を含む相場情報を端末装置１０に送信する。図１３の例では、提供部１３５は、情報提供サービスを行う。提供部１３５は、変遷情報ＴＧ５１を端末装置１０に提供する。例えば、提供部１３５は、時点ＹＹ以後の相場が上げ相場である可能性が高いことを示す変遷情報ＴＧ５１を端末装置１０に送信する。

〔４．情報処理のフロー〕
次に、図９を用いて、実施形態に係る情報処理システム１による情報処理の手順について説明する。図９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に示すように、情報処理装置１００は、一の社会状況に関する社会状況情報を取得する（ステップＳ１０１）。図１の例では、情報処理装置１００は、端末装置１０から社会状況Ｘに関する社会状況情報ＳＤＴ１１を取得する。

情報処理装置１００は、複数の社会状況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から社会状況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社会状況に関する社会状況情報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、社会状況情報ＳＤＴ１１からベクトルＶＤ１１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ＶＤ１１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、グラフ情報を検索することにより、一の社会状況と類似する類似社会状況を抽出する（ステップＳ１０５）。例えば、情報処理装置１００は、グラフ情報を検索することにより、一の社会状況と類似する社会状況を類似社会状況として抽出する。

そして、情報処理装置１００は、類似社会状況に基づいてサービスを提供する（ステップＳ１０６）。図１の例では、情報処理装置１００は、類似社会状況として抽出された社会状況＃４５１や社会状況＃３５の情報に基づいて、社会状況Ｘの時点ＸＸ以後に株価が上げ相場であることを示す情報を提供する。

〔５．生成処理のフロー〕
次に、図１０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１０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、社会状況情報記憶部１２１から学習データを取得する。例えば、情報処理装置１００は、社会状況情報記憶部１２１から社会状況情報ＳＤＴ１、ＳＤＴ２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、社会状況情報記憶部１２１から学習データを用いてモデルＭ１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（社会状況情報）と同様の情報（社会状況情報）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、社会状況の社会状況情報を入力とするオートエンコーダとしてのモデルＭ１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１２を一例として説明する。図１２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。以下に説明する検索処理は、例えば情報処理装置１００の検索部１３４によって行われる。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、一の社会状況の社会状況情報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、一の社会状況の社会状況情報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、社会状況ＸのベクトルＶＤ１１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ＶＤ１１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ＶＤ１１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）。また、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）以下ではない場合（ステップＳ３０７：Ｎｏ）、情報処理装置１００は、ステップＳ３０９の判定（処理）を行う。

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。すなわち、オブジェクトｕとオブジェクトｙとの距離ｄ（ｕ，ｙ）がｒ以下ではない場合（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を超えない場合（ステップＳ３１１：Ｎｏ）、情報処理装置１００は、ステップＳ３１３の判定（処理）を行う。

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と一致しない場合（ステップＳ３１３：Ｎｏ）、情報処理装置１００は、ステップＳ３１５の判定（処理）を行う。また、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（社会状況ＸのベクトルＶＤ１１）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。例えば、情報処理装置１００は、ノードＮ４５１に対応する社会状況＃４５１や、ノードＮ３５に対応する社会状況＃３５を社会状況Ｘに類似する社会状況としてユーザＵ１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、検索部１３４とを有する。取得部１３１は、複数の時点の各々に対応する複数の社会状況の各々に対応する複数のノードが、複数の社会状況の類似性に応じて連結されたグラフ情報と、一の時点における一の社会状況に関する社会状況情報を取得する。検索部１３４は、取得部１３１により取得されたグラフ情報の複数のノードのうち、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ノードを起点として、グラフ情報を検索することにより、複数の社会状況のうち、一の社会状況と類似する社会状況である類似社会状況を抽出する。

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することにより、複数の社会状況のうち、一の社会状況に類似の社会状況である類似社会状況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、起点ノードの決定に用いるインデックス情報に基づいて、起点ノードを決定する。検索部１３４は、決定部１３３により決定された起点ノードを起点として、類似社会状況を抽出する。

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、類似の社会状況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、類似の社会状況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、複数の社会状況の各々の特徴を示す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、複数の社会状況の各々の特徴を示す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、類似の社会状況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、所定のモデルを用いて複数の社会状況の各々から抽出された特徴量を要素と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、所定のモデルを用いて複数の社会状況の各々から抽出された特徴量を要素と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、類似の社会状況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、複数の社会状況に関する情報を所定のモデルに入力することにより、抽出される複数の社会状況の各々の特徴量を要素と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、複数の社会状況に関する情報を所定のモデルに入力することにより、抽出される複数の社会状況の各々の特徴量を要素と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、類似の社会状況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、検索部１３４により抽出された類似社会状況に基づいて、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、抽出した類似社会状況に基づいて、所定のサービスを提供することにより、類似の社会状況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、類似社会状況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、類似社会状況に関する情報提供サービスを提供することにより、類似の社会状況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、類似社会状況に対応する時点以後における所定の指標の変化を示す履歴情報を取得する。提供部１３５は、取得部１３１により取得された履歴情報に基づいて、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、類似社会状況に対応する時点以後における所定の指標の変化を示す履歴情報を用いることにより、一の社会状況に対応する時点以後において指標がどのように変化する可能性があるかを示す情報を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、所定の指標である金融指標の履歴情報を取得する。

このように、実施形態に係る情報処理装置１００は、類似社会状況に対応する時点以後における金融指標の変化を示す履歴情報を用いることにより、一の社会状況に対応する時点以後において金融指標がどのように変化する可能性があるかを示す情報を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、ユーザが利用する端末装置から、一の社会状況に関する社会状況情報を取得する。提供部１３５は、類似社会状況の履歴情報に基づく情報を端末装置１０に提供する。

このように、実施形態に係る情報処理装置１００は、ユーザが利用する端末装置１０から一の社会状況に関する社会状況情報を取得し、端末装置１０に類似社会状況の履歴情報に基づく情報を提供することにより、類似の社会状況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、複数の時点以後の一の時点における一の社会状況に関する社会状況情報を取得する。提供部１３５は、端末装置１０に類似社会状況の履歴情報に基づいて、一の時点以後の相場に関する情報を提供する。

このように、実施形態に係る情報処理装置１００は、複数の時点以後の一の時点における一の社会状況に関する社会状況情報を取得し、端末装置１０に一の時点以後の相場に関する情報を提供することにより、一の時点以後の相場に関する情報を提供することができる。

〔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１４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１４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 社会状況情報記憶部
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
１２５ 履歴情報記憶部
１３０ 制御部
１３１ 取得部
１３２ 生成部
１３３ 決定部
１３４ 検索部
１３５ 提供部
１０ 端末装置
５０ 情報提供装置
Ｎ ネットワーク

Claims (11)

1. 複数の時点の各々に対応する複数の社会状況の各々に対応する複数のノードが、前記複数の社会状況の類似性に応じて連結されたグラフ情報と、一の時点における一の社会状況に関する社会状況情報を取得する取得部と、
   前記取得部により取得された前記グラフ情報の前記複数のノードのうち、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ノードを起点として、前記グラフ情報を検索することにより、前記複数の社会状況のうち、前記一の社会状況と類似する社会状況である類似社会状況を抽出する検索部と、
   前記検索部により抽出された前記類似社会状況に基づいて、前記類似社会状況に関する情報提供サービスを提供する提供部と、
   を備え、
   前記取得部は、
   前記類似社会状況に対応する時点以後における金融指標の変化を示す履歴情報を取得し、
   前記提供部は、
   前記取得部により取得された前記履歴情報に基づいて、前記金融指標の情報提供サービスを提供することを特徴とする情報処理装置。
2. 前記起点ノードの決定に用いるインデックス情報に基づいて、前記起点ノードを決定する決定部、
   をさらに備え、
   前記検索部は、
   前記決定部により決定された前記起点ノードを起点として、前記類似社会状況を抽出する
   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、前記起点ノードを決定する
   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、
   前記複数の社会状況の各々に対応する複数のベクトルの類似性に応じて、前記複数のノードが連結された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、
   前記複数の社会状況の各々の特徴を示す前記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４に記載の情報処理装置。
6. 前記取得部は、
   所定のモデルを用いて前記複数の社会状況の各々から抽出された特徴量を要素とする前記複数のベクトルが、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４または請求項５に記載の情報処理装置。
7. 前記取得部は、
   前記複数の社会状況に関する情報を所定のモデルに入力することにより、抽出される前記複数の社会状況の各々の特徴量を要素とする前記複数のベクトルが、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４〜６のいずれか１項に記載の情報処理装置。
8. 前記取得部は、
   ユーザが利用する端末装置から、前記一の社会状況に関する前記社会状況情報を取得し、
   前記提供部は、
   前記類似社会状況の前記履歴情報に基づく情報を前記端末装置に提供する
   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、
   前記複数の時点以後の前記一の時点における前記一の社会状況に関する前記社会状況情報を取得し、
   前記提供部は、
   前記端末装置に前記類似社会状況の前記履歴情報に基づいて、前記一の時点以後の相場に関する情報を提供する
   ことを特徴とする請求項８に記載の情報処理装置。
10. コンピュータが実行する情報処理方法であって、
    複数の時点の各々に対応する複数の社会状況の各々に対応する複数のノードが、前記複数の社会状況の類似性に応じて連結されたグラフ情報と、一の時点における一の社会状況に関する社会状況情報を取得する取得工程と、
    前記取得工程により取得された前記グラフ情報の前記複数のノードのうち、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ノードを起点として、前記グラフ情報を検索することにより、前記複数の社会状況のうち、前記一の社会状況と類似する社会状況である類似社会状況を抽出する検索工程と、
    前記検索工程により抽出された前記類似社会状況に基づいて、前記類似社会状況に関する情報提供サービスを提供する提供工程と、
    を含み、
    前記取得工程は、
    前記類似社会状況に対応する時点以後における金融指標の変化を示す履歴情報を取得し、
    前記提供工程は、
    前記取得工程により取得された前記履歴情報に基づいて、前記金融指標の情報提供サービスを提供することを特徴とする情報処理方法。
11. 複数の時点の各々に対応する複数の社会状況の各々に対応する複数のノードが、前記複数の社会状況の類似性に応じて連結されたグラフ情報と、一の時点における一の社会状況に関する社会状況情報を取得する取得手順と、
    前記取得手順により取得された前記グラフ情報の前記複数のノードのうち、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ノードを起点として、前記グラフ情報を検索することにより、前記複数の社会状況のうち、前記一の社会状況と類似する社会状況である類似社会状況を抽出する検索手順と、
    前記検索手順により抽出された前記類似社会状況に基づいて、前記類似社会状況に関する情報提供サービスを提供する提供手順と、
    をコンピュータに実行させ、
    前記取得手順は、
    前記類似社会状況に対応する時点以後における金融指標の変化を示す履歴情報を取得し、
    前記提供手順は、
    前記取得手順により取得された前記履歴情報に基づいて、前記金融指標の情報提供サービスを提供することを特徴とする情報処理プログラム。

Images