JP7491333B2 - 電子デバイスおよびコンピュータプログラム - Google Patents

Description

本開示の実施形態はデータ処理分野に関し、より具体的には、データ処理のための方法、装置及びコンピュータ可読記憶媒体に関する。

情報技術の急速な発展に伴い、データ規模も急激に増大している。このような背景や趨勢の下、機械学習はますます広く注目されている。因果の発見は、物事の発生メカニズムを理解するのに役立ち、実生活において幅広く応用されており、例えばサプライチェーン、医療健康、小売り等のさまざまな分野でいずれも応用可能である。ここでいう因果発見とは、複数の要素に関するデータから、複数の要素間に存在する因果関係を発見することを指す。例えば小売りの分野では、因果発見の結果で、さまざまな販売戦略の立案をサポートすることができ、医療健康分野では、因果発見の結果で、患者の治療計画の立案をサポートすることができること等が挙げられる。複数の要素間の因果関係を分析した上で、因果関係をどのように利用し、より深い分析を行うかは、極めて注目に値するとともに解決すべき課題である。

本開示の実施形態は、データ処理のための方法、装置及びコンピュータ可読記憶媒体を提供する。

本開示の第１の態様では、データ処理のための方法が提供される。当該方法は、分析する複数の要素のそれぞれに対応する観測データを取得することと、複数の要素のうちの１つの要素が対象要素として選択されたことに応じて、複数の要素の因果構造を取得することと、因果構造と、複数の要素のそれぞれに対応する観測データとに基づいて、複数の要素における第１要素の、対象要素の対象観測データに対する貢献度を決定することと、を含む。因果構造は、複数の要素の間の因果関係を示す。

本開示の第２の態様では、電子デバイスが提供される。当該デバイスは、プロセッサユニットと、前記少なくとも１つのプロセッサユニットに結合され、前記少なくとも１つのプロセッサユニットによって実行される命令を格納する少なくとも１つのメモリとを備え、前記命令が前記少なくとも１つのプロセッサユニットによって実行される場合、本開示の第１の態様にかかる方法を実行し実現する。

本開示の第３の態様では、コンピュータ可読記憶媒体が提供される。コンピュータ可読記憶媒体には、コンピュータが実行可能な命令が格納されており、コンピュータが実行可能な命令は、プロセッサにより実行される場合、本開示の第１の態様にかかる方法を実行し実現する。

本開示の第４の態様では、コンピュータプログラム製品が提供される。コンピュータプログラム製品はコンピュータプログラム／命令を含む。コンピュータプログラム／命令は、プロセッサにより実行される場合、本開示の第１の態様にかかる方法を実現する。

発明の概要部分は、一連の概念を簡略化して紹介するためのものである。これらについては、以下の実施形態においてさらに説明を行う。発明の概要部分の記述は、本開示の重要又は必要な特徴を標記することを意図したものではなく、本開示の範囲を限定することも意図していない。本開示のその他の特徴は、以下の説明により容易に理解できるはずである。

本発明の目的、利点、及びその他の特徴は、以下の開示内容及び請求項から、より明らかになるはずである。ここでは、あくまで例示を目的として、図面を参照して好ましい実施形態の非限定的な説明を行う。

本開示のいくつかの実施形態にかかる、データ処理システムのブロック図を示す。

本開示のいくつかの実施形態にかかる、アトリビューション分析（Ａｔｔｒｉｂｕｔｉｏｎ Ａｎａｌｙｓｉｓ）に用いられる方法のフローチャートを示す。

本開示のいくつかの実施形態にかかる例示的な因果構造を示す。

本開示のいくつかの実施形態にかかるアトリビューション分析装置のブロック図を示す。

本開示のいくつかの実施形態にかかる、因果点アトリビューション分析に用いられる例示的方法のフローチャートを示す。

本開示のいくつかの実施形態にかかる、要素の基礎データを決定するための例示的方法のフローチャートを示す。

本開示のいくつかの実施形態にかかる、因果構造において因果点アトリビューション分析の結果を提示する例を示す。

本開示のいくつかの実施形態にかかる、因果エッジアトリビューション分析に用いられる例示的方法のフローチャートを示す。

本開示の別のいくつかの実施形態にかかる、因果エッジアトリビューション分析に用いられる例示的方法のフローチャートを示す。

本開示のいくつかの実施形態にかかる、因果構造において因果エッジアトリビューション分析の結果を提示する例を示す。

本開示のいくつかの実施形態にかかる、例示的なアトリビューション分析の可視化されたグラフを示す。 本開示のいくつかの実施形態にかかる、例示的なアトリビューション分析の可視化されたグラフを示す。 本開示のいくつかの実施形態にかかる、例示的なアトリビューション分析の可視化されたグラフを示す。 本開示のいくつかの実施形態にかかる、例示的なアトリビューション分析の可視化されたグラフを示す。 本開示のいくつかの実施形態にかかる、例示的なアトリビューション分析の可視化されたグラフを示す。

本開示の実施形態を実施可能な例示的デバイスの概略ブロック図を示す。

各図において、同一又は対応する図面符号は、同一又は対応する部分を示す。

以下、図面を参照しつつ、本開示の実施形態についてより詳細に説明する。図には本開示のいくつかの実施形態が示されているが、本開示はさまざまな形式で実現することが可能であり、ここに記載された実施形態に限定されると解釈すべきではなく、これら実施形態はむしろ、本開示をより徹底的且つ完全に理解するために提供されるものである。この点は理解されなければならない。また、本開示の図面及び実施形態は例示的なものにすぎず、本開示の保護範囲を限定するためのものではない点も、理解されなければならない。

本開示の実施形態の説明において、「含む」及び類似の用語は開放的なもの、即ち「…を含むが、これらに限定されない」と理解されるべきである。用語「…に基づいて」は、「少なくとも部分的に基づく」と理解されるべきである。用語「１つの実施形態」又は「当該実施形態」は、「少なくとも１つの実施形態」と理解されるべきである。用語「第１」、「第２」等は、異なるか又は同一の対象を示すことができる。以下の文中ではさらに、その他の明確な定義及び暗黙の定義が含まれる可能性がある。

本開示の実施形態において、「因果構造」（ｃａｕｓａｌ ｓｔｒｕｃｔｕｒｅ）という用語は一般的に、システム内の各要素間の因果関係を記述した構造を指す。用語「要素」は「変数」とも称される。用語「観測データ」とは、要素（変数）について直接観測できるデータを指す。観測データは、いくつかの例示では数値の形式であり得るため、観測値とも称することができる。

因果構造では、第１要素は第２要素の原因であり、第２要素は第１要素の結果であり得る。この場合、第１要素は第２要素の原因要素（又は原因変数）と称され、第２要素は第１要素の結果要素と称される。ある要素について、その原因要素として１つ又は複数の要素が存在する可能性があり、また、１つ又は複数の要素の結果要素である可能性もある。ある要素の観測データの変化が、別の要素の観測データに直接影響を与える場合、その要素は別の要素の「直接原因」と称することができる。ある要素が、１つ又は複数の他の要素を介して、別の要素の観測データに影響を与える場合、その要素は別の要素の「間接原因」と称することができる。因果構造では、ある要素が原因要素を一切持たずに、他の要素の原因要素としてのみ存在する可能性もある。或いは、結果要素を持たずに、他の要素の結果要素としてのみ存在する可能性もある。

上述のように、実生活では、因果関係の発見は、多くの実際の分野において意義を有する。

顧客サービスの分野では、通信事業者に対する顧客満足度にどの要素が影響するかを決定するために、大量のユーザ消費行動データ（顧客の年齢、月間消費インターネットトラフィック、無料トラフィックの割合、月間消費インターネットトラフィックの総費用等）、満足度調査データや、事業者の戦略データを収集することができる。収集された各種タイプのデータは、要素（又は変数）の観測データとも称される。これらの要素の間に存在する因果関係を発見することにより、顧客満足度に影響を与える１つ又は複数の要素を決定することができる。さらに、その１つ又は複数の要素の観測データを変更するか、又はその１つ又は複数の要素について対応戦略を立てることにより、通信事業者に対する顧客満足度を向上させることができる。

健康分野では、患者の血圧に影響を与える要素を決定するために、心拍数、心拍出量、アレルギー指標、総末梢血管抵抗、カテコールアミン分泌、血圧等、一連の生理指標（即ち、一連の要素の観測データ）を大量の患者から収集することができる。こうした生理指標の間に存在する因果関係を発見することにより、患者の血圧に影響を与える生理指標（即ち要素）を決定することができる。さらに、この生理指標に影響を与えるか、又はこの生理指標に対して対応戦略を策定することにより、患者の血圧を安定させることができる。

商品販売の分野では、対象商品の販売額に影響を与える要素を決定するために、商品の販売促進への投入、商品ディスプレイへの投入、販売員への投入、広告への投入、新製品プロモーションへの投入等、各種要素データを収集することができる。対象商品に関連するその他の要素データ（商品の価格、商品の広告媒体への投入等）のデータ等が収集される。収集された各種タイプのデータは、要素の観測データである。これらの要素の間に存在する因果関係を発見することにより、対象商品の販売額に影響を与える１つ又は複数の要素を決定することができる。さらに、当該１つ若しくは複数の要素の観測データを変更するか、又は当該１つ若しくは複数の要素に対し対応戦略を策定することにより、対象商品の販売額の増加、さまざまな項目への支出計画等を実現することができる。

ソフトウェア開発の分野では、故障率及び／又はソフトウェア開発サイクルに影響を与える要素を決定するために、ソフトウェア開発の各種要素について情報を収集することができる。こうした情報は、ソフトウェア開発の全体的な情報（開発サイクル、開発に投入するリソース等）や、ソフトウェア開発の各フェーズの情報を含むが、これらに限定されない。ソフトウェア開発の各フェーズの情報は、例えば、アーキテクチャフェーズの情報（ソフトウェアアーキテクチャの方法、ソフトウェアアーキテクチャのレベル数等）、コーディングフェーズの情報（コード長、関数の数、プログラミング言語、モジュール数等）、テストフェーズの情報（ユニットテストの正確率又は故障率、ブラックボックステストの正確率又は故障率、ホワイトボックステストの正確率又は故障率等）、ソフトウェアのリリース後の運用フェーズの情報（運用フェーズの正確率又は故障率等）を含むことができる。収集された各種タイプのデータは、要素の観測データである。これらの要素の間に存在する因果関係を発見することにより、ソフトウェア開発サイクル及び／又は故障率に影響を与える１つ又は複数の要素を決定することができる。さらに、当該１つ又は複数の要素の観測データを変更するか、又は当該１つ又は複数の要素について対応戦略を立てることにより、ソフトウェア開発サイクル及び／又は故障率を短縮又は低減することができる。

現在、複数の要素間の因果関係を発見するために、手動又は自動のアルゴリズムが複数提案されている。複数の要素間の因果関係は、特定の因果構造によって表すことができる。因果構造により、ある要素に影響を与える要素と、これらの要素間でどのように相互に影響し合うか（例えば因果関係で示されるように）とを理解することができる。しかし多くの応用場面では、因果構造をさらに活用して各要素の現在の観測データを分析し、その後の適切な戦略を導き得ることが期待される可能性がある。

しかし、因果構造における各要素の、ある結果要素に対する具体的な貢献度を決定することができる適切な技術的解決策は、今のところ存在しない。

本開示の実施形態によれば、データ処理に用いられる解決手段が提供される。この解決手段は、各要素に対応する観測データが与えられたときに、複数の要素の因果構造を利用して、対象要素の対象観測データに対する１つ又は複数の要素の具体的な貢献度を自動的に解析するものである。この解決手段により、対象要素の観測データに対する、各要素自体の貢献、又は要素間の因果関係の貢献を効果的に測定することができる。当該解決手段では、因果関係を有する各要素が対象要素の現在の観測データに与える具体的な影響度を効果的に定量化できるため、さまざまな応用シナリオでの分析と戦略策定に役立つ。

以下、上述した例示的シナリオと結びつけて本開示の各実施形態について詳細に説明する。理解すべき点として、これらは単に説明のために記述されるものであり、本開示の範囲を何ら限定するものではない。

例示的システム
図１は、本開示の実施形態にかかる、データ処理システム１００の例示的ブロック図を示す。図１に示すデータ処理システム１００は、その中で本開示の実施形態を実現できる１つの例示に過ぎず、本開示の範囲を限定することを意図していないことを理解されたい。本開示の実施形態は、他のシステム又はアーキテクチャにも同様に適用される。図１に示すように、データ処理システム１００は、データ前処理装置１１０、因果学習装置１２０、及びアトリビューション分析装置１３０を含む。

データ前処理装置１１０は、生データ１０２に対して前処理操作を行うように設定され、前処理済データ１１２は、因果学習装置１２０に提供される。生データ１０２は、関心のある個々の要素に関連する。

例えば、通信事業者の顧客満足度に関する上記シナリオでは、生データ１０２は、「顧客満足度」に潜在的に関連する複数の要素の観測データを含むことができ、また、「顧客満足度」の観測データも含むことができる。例えば、潜在的に関連する複数の要素は、顧客属性に関する要素（顧客のクラス、顧客番号等）、顧客行動に関する要素（例えば、月間消費インターネットトラフィック、無料トラフィックの割合、月間消費インターネットトラフィックの総費用等）、顧客フィードバックに関する要素（例えば、苦情件数、顧客満足度）、及び、顧客に対して制定した戦略に関する要素（例えば、超過リマインダ数、タイミング等）のうち１つ又は複数を含むことができる。

患者の血圧に関する上記シナリオを例にとると、生データ１０２は、「血圧」に潜在的に関連する複数の要素の観測データと、「血圧」の観測データとを含むことができる。潜在的に関連する要素は、心拍数、心拍出量、アレルギー指標、総末梢血管抵抗、カテコールアミン分泌等を含むことができる。

商品販売に関する上記シナリオを例にとると、生データ１０２は、例えば商品の販売促進、商品ディスプレイ、販売員、広告、新製品プロモーション等、対象商品の販売過程で発生するさまざまな項目の支出を含むことができる。対象商品に関連するその他の要素のデータ（商品の価格、商品の広告媒体等）等が収集される。

ソフトウェア開発に関する上記シナリオを例にとると、生データ１０２は、ソフトウェア開発の全体的な要素（例えば、開発サイクル、開発に投入されたリソース等）及びソフトウェア開発の各フェーズの要素のうち１つ又は複数の観測データを含むことができる。ソフトウェア開発の各フェーズの要素は、例えば、アーキテクチャフェーズの要素（ソフトウェアアーキテクチャの方法、ソフトウェアアーキテクチャのレベル数等）、コーディングフェーズの要素（コード長、関数の数、プログラミング言語、モジュール数等）、テストフェーズの要素（ユニットテストの正確率又は故障率、ブラックボックステストの正確率又は故障率、ホワイトボックステストの正確率又は故障率等）、ソフトウェアのリリース後の運用フェーズの要素（運用フェーズの正確率、運用フェーズの故障率等）を含むことができる。

データ前処理段階において、データ前処理装置１１０は、各種データ前処理技術を用いて生データ１０２を処理することができ、処理された生データ１０２に対して関連要素の選択を行い、因果関係の可能性が低い要素を除去することができる。データ前処理装置１１０から因果学習装置１２０に提供される前処理済データ１１２は、生データ１０２から探し出された、因果関係を有する可能性のある複数の要素を含むことができる。

因果学習装置１２０は、前処理済データ１１２に基づいて因果構造学習を行い、複数の要素間の因果関係を学習するように設定されている。因果学習装置１２０は、複数の要素間の因果関係を示すための複数の要素の因果構造１２２を決定することができる。因果学習装置１２０は、さまざまな因果学習技術を利用して、因果構造１２２を決定することができる。いくつかの実現形態では、因果学習装置１２０は、最適化された因果構造１２２を得るために、複数の要素のうち信頼度が低い因果関係を除去し、各種最適化手段によって、さらには専門家の知識を追加することによって、複数の要素間の因果関係を調整してもよい。

理解すべき点として、本開示の実施形態は、データ前処理装置１１０におけるデータ前処理と、因果学習装置１２０における因果学習の技術について具体的に限定しない。

学習された因果構造１２２は、アトリビューション分析装置１３０に提供される。本開示の実施形態によれば、アトリビューション分析装置１３０は、複数の要素のそれぞれに対応する観測データ１３２が与えられた上で、因果構造１２２に基づいて、他の要素の観測データに対する１つ又は複数の要素のアトリビューション分析を行い、他の要素の対象観測データに対する１つ又は複数の要素の貢献度１３４を決定するように設定されている。

アトリビューション分析の動作原理
図２は、いくつかの実施形態にかかるアトリビューション分析（Ａｔｔｒｉｂｕｔｉｏｎ Ａｎａｌｙｓｉｓ）に用いられる方法２００のフローチャートを示す。例えば、方法２００は、図１に示すアトリビューション分析装置１３０によって実行することができる。議論を目的として、以下では、アトリビューション分析装置１３０側から方法２００を説明する。理解すべき点として、方法２００はさらに、図示されていない付加的動作を含むことができ、且つ／又は示されたいくつかの動作を省略することができる。本開示の範囲は、この点において限定されない。

ブロック２１０において、アトリビューション分析装置１３０は、分析する複数の要素のそれぞれに対応する観測データ１３２を取得する。いくつかの実施形態において、例えば図１に示す環境において、アトリビューション分析装置１３０は、ユーザ１０５からのユーザ入力を受け付けてもよい。ユーザ入力は、複数の要素のそれぞれに対応する観測データ１３２を指定する。ユーザ１０５は、観測データ１３２を直接入力してもよいし、又は観測データ１３２のデータソースを指定し、データソースからアトリビューション分析装置１３０により観測データ１３２を取得してもよい。

ブロック２２０において、アトリビューション分析装置１３０は、複数の要素のうちの１つの要素が対象要素として選択されたことに応じて、複数の要素の因果構造１２２を取得する。

いくつかの実施形態において、分析される複数の要素のうちの対象要素をユーザ１０５が直接指定できるようにしてもよい。例えば、アトリビューション分析装置１３０はユーザ１０５のユーザ入力を受け付けてもよい。ユーザ入力において対象要素が指定される。いくつかの実施形態では、具体的シナリオでの分析の必要性に応じて、学習された因果構造から対象要素を自動的に決定するか、又はランダムに選択してもよい。

いくつかの実施形態では、ユーザ又は他の方式によって対象要素が指定された場合、アトリビューション分析装置１３０は、学習された１つ又は複数の因果構造から、対象要素に関わる因果構造１２２を決定することができる。例えば、アトリビューション分析装置１３０は、因果学習装置１２０から因果構造１２２を取得することができる。因果構造１２２は、対象要素を含む複数の要素間の因果関係を示す。因果構造１２２では対象要素を結果要素としており、また、因果構造１２２はさらに対象要素の複数の原因要素を示す。

いくつかの実施形態では、因果学習結果のより大きな因果グラフから、当該対象要素と因果関係を有する複数の原因要素を決定し、因果構造１２２を形成してもよい。つまり、因果学習結果は、より多くの要素間の因果関係を有する可能性があり、関係する対象要素と関連する因果構造の部分を切り取って、その後の分析に用いてもよい。

いくつかの実施形態において、因果構造１２２における１つの原因要素は、対象要素と直接的な因果関係を有してもよいし、又は、１つ若しくは複数の他の原因要素を介して対象要素と間接的な因果関係を有してもよい。対象要素との因果関係だけでなく、複数の原因要素間にも、直接的／間接的な因果関係が存在する可能性がある。これはすべて、因果構造１２２で示すことができる。

具体的なアトリビューション分析を説明する前に、まず、因果構造１２２とそれが示す因果関係について説明する。本開示のいくつかの実施形態において、因果構造１２２によって示される複数の要素間の因果関係は、線形の因果関係を含むことができる。線形の因果関係とは、一対の原因要素と結果要素について、それらの間の因果関係を一次関数又は線形モデルで表すことができることを示す。本開示のいくつかの実施形態において、因果構造１２２によって示される複数の要素間の因果関係は、非線形の因果関係を含んでもよい。非線形の因果関係とは、一対の原因要素と結果要素について、それらの間の因果関係を非線形の関数又は非線形モデルで表すことができることを示す。いくつかの実施形態において、因果構造１２２の１つ又は複数の要素は連続変数であってもよく、これは、このような要素の観測データが連続値を有してもよいことを意味する。例えば、線形因果関係を有する因果構造では、複数の要素が線形の連続変数であり得る。いくつかの実施形態では、１つ又は複数の要素は非連続変数であってもよく、これは、各要素の観測データが離散値を有してもよいことを意味する。

以下では、主に線形因果関係を例に本開示のアトリビューション分析のいくつかの実施形態を説明する。しかし、理解すべき点として、本開示のアトリビューション分析は、非線形因果関係にも同様に適用できる。

因果構造１２２は、さまざまな形式として表すことができる。１つの実施形態では、因果構造１２２は、因果グラフによって表すことができる。因果グラフは、複数のノードと、複数のノードを結ぶエッジとを含むことができる。複数のノードはそれぞれ、複数の要素を表すことができる。２つのノードを直接結ぶエッジは、その２つのノードに対応する一対の要素の間の直接的な因果関係を示す。いくつかの実施形態では、因果グラフは、有向非巡回グラフ（ＤＡＧ）で表されてもよい。２つのノード間のエッジが有向辺であり、エッジが出ていくノードが原因要素であり、エッジの矢印が指し示すノードが結果要素である。因果グラフにおいて、親ノードはあるノードの直接の原因ノードを示し、子ノードはあるノードの直接の結果ノードを示す。

因果グラフのエッジは「因果エッジ」とも称され、因果グラフのノードは「因果点」とも称される。以下の例示的実施形態では、主に因果グラフの例示で因果構造を説明し、「ノード」及び「エレメント」という用語を互換的に使用することができる。「エッジ」、「因果エッジ」及び「因果関係」も互換的に使用することができる。しかしながら理解すべき点として、複数の要素とその因果関係を明確に示すことができるのであれば、他の方法で因果構造を表してもよい。

図３は、本開示のいくつかの実施形態にかかる例示的な因果構造１２２を示す。因果構造１２２はＤＡＧで表される。図３の例示では、因果構造１２２は、６つのエレメント（それぞれ、Ａ、Ｂ、Ｃ、Ｄ、Ｅ、Ｔと表す）の因果関係を示している。

理解すべき点として、図３に示す因果構造１２２の要素の数及びその因果関係は、説明のためにのみ提供されており、本開示の範囲に対する何らかの限定を暗示するものではない。本開示の実施形態にかかる因果構造は、任意の適切な数のノード又は要素を含むことができる。さらに理解すべき点として、異なる応用シナリオにおいて、要素Ａ、Ｂ、Ｃ、Ｄ、Ｅ、Ｔは、異なる意味を有することができる。

例えば、顧客サービスのシナリオでは、要素Ａ、Ｂ、Ｃ、Ｄ、Ｅ、Ｔは、顧客レベル、月間通話料総額、月間消費トラフィック、無料トラフィック比率、月間消費トラフィック総費用、苦情件数や顧客満足度等のいずれかを含むことができる。患者の血圧に関するシナリオでは、要素Ａ、Ｂ、Ｃ、Ｄ、Ｅ、Ｔは、患者の心拍数、心拍出量、アレルギー指標、総末梢血管抵抗、カテコールアミン分泌、血圧等のうちいずれかを含むことができる。商品販売のシナリオでは、要素Ａ、Ｂ、Ｃ、Ｄ、Ｅ、Ｔは、商品の販売促進、商品ディスプレイ、販売員、広告、新製品プロモーション、商品売上高等のうちいずれかを含むことができる。ソフトウェア開発の分野では、要素Ａ、Ｂ、Ｃ、Ｄ、Ｅ、Ｔは、ソフトウェア開発のための人的資源の量、ソフトウェア開発のための持続時間、関数の数、コード行数、モジュール数、ソフトウェア故障率等のうちいずれかを含むことができる。

図３に示すように、因果構造１２２はさらに、複数の要素Ａ、Ｂ、Ｃ、Ｄ、Ｅ、Ｔを結ぶ複数のエッジ（「因果エッジ」とも称する）を含む。２つの要素を直接結ぶエッジは、２つの要素間の直接的な因果関係を示し、一方の要素が他方の要素の直接原因となっている。

例えば、図３において、要素Ａから要素Ｄを指し示すエッジは、要素Ａが要素Ｄの直接的原因であることを示し、要素Ｂから要素Ｃを指し示すエッジは、要素Ｂが要素Ｃの直接的原因であることを示し、要素Ｃから要素Ｅ、要素Ｔ、要素Ｄを指し示す三本のエッジは要素Ｃが要素Ｅ、要素Ｔ、要素Ｄの直接的原因であることを示し、要素Ｅから要素Ｔを指し示すエッジと、要素Ｄから要素Ｔを指し示すエッジとは、要素Ｅと要素Ｄも要素Ｔの直接的原因であることを示すことができる。

線形因果関係を例とする。因果構造１２２において、要素間の直接的な因果関係は、一次関数として表すことができる。例えば、要素Ａ、Ｂ、Ｃ、Ｄ、Ｅ、Ｔの間の直接的な因果関係は、以下のように表すことができる。

ここで、ｘ_Ａ、ｘ_Ｂ、ｘ_Ｃ、ｘ_Ｄ、ｘ_Ｅ、及びｙ_Ｔはそれぞれ、要素Ａ、Ｂ、Ｃ、Ｄ、Ｅ、Ｔの値を表す。要素Ａ及びＢは他の要素の原因要素であるだけなので、ｘ_Ａとｘ_Ｂは、他の要素の影響を受けず、直接ｕ_Ａ、ｕ_Ｂと表される。その他の要素Ｃ、Ｄ、Ｅ、Ｔについては、それらの値はすべて自身の直接的な原因要素と関連している。

因果グラフで表される因果構造では、ある要素が、直接結ばれた要素に加えて、１つ又は複数の他の要素を介して別の要素を指し示すこともできる。この場合、その要素は別の要素と間接的な因果関係があり、別の要素の間接原因となる。例えば図３において、要素Ａから要素Ｔへの経路は、要素Ａから要素Ｄを指し示すエッジと、要素Ｄから要素Ｔを指し示すエッジとを含む。従って、要素Ａは要素Ｔと間接的な因果関係を有し、要素Ａは要素Ｔの間接原因である。同様に、要素Ｂから要素Ｅへの経路は、要素Ｂから要素Ｃを指し示すエッジと、要素Ｃから要素Ｅを指し示すエッジとを含む。従って、要素Ｂは要素Ｅの間接原因である。要素Ｃは要素Ｔを直接指し示すエッジを有するだけでなく、要素Ｃはさらに、要素Ｃから要素Ｅを指し示すエッジと要素Ｅから要素Ｔを指し示すエッジとを含む経路、要素Ｃから要素Ｄを指し示すエッジと、要素Ｄから要素Ｔを指し示す辺とを含む経路という他の２つの経路を通ることが可能である。従って、要素Ｃは要素Ｅと要素Ｄをそれぞれ介して、要素Ｔと２つの間接的な因果関係も有することになる。

間接的な因果関係の存在により、１つの原因要素は、結果要素に直接影響を与える可能性があるとともに、他の要素を介して結果要素に間接的に影響を与える可能性がある。例えば、図３の例示的な因果構造では、エレメントＴが、関心のある対象だとすると、エレメントＡ、Ｂ、Ｃ、Ｄ、ＥはエレメントＴの原因エレメントである。エレメントＣ、Ｄ及びＥは対象要素Ｔに直接影響し、エレメントＡ、Ｂ及びＣは他の原因要素を介して対象要素Ｔに間接的に影響を与える。従って、対象要素Ｔに対して、その直接的な原因要素（例えば、Ｃ、Ｄ及びＥ）は、対象要素Ｔに影響を与える際に、他の間接的な原因要素の影響を包含している可能性がある。例えば、要素Ｄが対象要素Ｔに与える影響には、要素Ａ、Ｃ及びＢの影響も含まれ、要素Ｅが対象要素Ｔに与える影響には、要素Ｂ及びＣの影響も含まれ、要素Ｃが対象要素Ｔに与える影響には、要素Ｂの影響も含まれる。

因果構造における、これらの可能性のある直接的・間接的な影響及び異なる因果関係を考慮して、ブロック２３０において、アトリビューション分析装置１３０は、因果構造１２２と、複数の要素のそれぞれに対応する観測データ１３２とに基づいて、複数の要素における第１要素の、対象要素の対象観測データに対する貢献度１３４を決定する。ここでの第１要素とは、対象観測データに対し貢献する任意の要素であって関心がある要素であり、因果構造１２２で示される対象要素の任意の原因要素であってもよいし、対象要素自身であってもよい。

アトリビューション分析の際、アトリビューション分析装置１３０は、各要素により異なる方法で対象要素に与えられる影響を考慮することにより、対象要素の対象観測データにおいて各要素によって具体的に生じる貢献度を定量化することができる。つまり、対象観測データは、対象要素自身と、対象要素の複数の原因要素が対象要素に与える影響とから生じるもの、とみなすことができる。貢献度１３４は、対象観測データにおける「第１要素」の影響の、定量化された指標である。いくつかの実施形態において、アトリビューション分析装置１３０は、因果構造１２２の各要素について、又はその中で関心のあるいくつかの要素について、アトリビューション分析を実行することができる。対象観測データに対する貢献度は、１つの要素の対象要素に対する影響が、対象観測データに対して貢献する大きさ、又は貢献の割合を示すことができる。

以下、図面を参照しながら、各タイプの貢献度の決定について詳細に述べる。本開示のアトリビューション分析について具体的に説明する前に、まず、本開示のアトリビューション分析についての発明者の理論的発見を説明する。本開示のアトリビューション分析は、反事実推論に基づくものである。反事実とは事実と相反するものであり、過去に発生した事実の分布を新たに特徴づけて、事実に基づく可能性の仮想分布を構築することを表す。

例えば、結果要素Ｙと原因要素Ｘを仮定し、既知の事実がＸ＝ｘ、Ｙ＝ｙである場合、Ｘが存在しない場合（即ち（Ｘ＝０））、反事実推論により、反事実Ｙ_Ｘ＝０＝ｙ’の値を決定することができる。これによって、事実ｙから反事実ｙ’への変化が、要素Ｘの不在によってもたらされたものだと決定することができる。対応して、事実ｙの場合、ｙ－ｙ’はｘに帰因し得る、即ち、事実ｘの事実ｙに対する貢献度はｙ－ｙ’であるとみなすことができ、これは次のように表すことができる。

ここで、ａｔｔｒｉｂｕｔｉｏｎ（ｘ）は事実ｘの事実ｙに対する貢献度を表し、Ｅ（Ｙ_Ｘ＝０｜Ｘ＝ｘ，Ｙ＝ｙ）は反事実推論を表す。即ち、既知の事実がＸ＝ｘ、Ｙ＝ｙである場合にすべての背景条件Ｕ_ｙを概括し、すべての背景条件を不変に保つことにより、Ｙ_Ｘ＝０の値（ｙ’と表すことができる）が推測される。

以上の検討から、発明者は、複数の要素の因果構造とその因果関係が既知である場合、反事実を推定できるため、各要素に対しアトリビューション分析を実行することができることを見出した。例えば、結果要素Ｙと原因要素Ｘが連続変数であると仮定すると、因果構造は、両者の間の因果関係が線形の因果関係であることを示す。結果要素Ｙの観測データｙ（即ちＹ＝ｙ）と原因要素Ｘの観測データｘ（即ちＸ＝ｘ）が与えられた場合、観測データｘの単位変化がＹの変化をもたらす状況を決定することにより、ｘの変化に対しｙが変化する程度を決定することができる。これは、τ＝Ｅ［Ｙ│ｄｏ（ｘ＋１）］－Ｅ［Ｙ│ｄｏ（ｘ）]と決定することができる。ここで、τは、関数上で見ると、ｘのｙに対する傾きとして表すことができる。そして、ｘのｙに対する貢献度ａｔｔｒｉｂｕｔｉｏｎ（ｘ）＝ｙ－［ｙ＋τ（０－ｘ）］＝τｘを決定することができる。即ち、ｘのｙに対する貢献度は、傾きと観測データとの積として表すことができる。

先の理論に基づけば、複数の原因要素に関わる複雑な因果構造において、任意の原因要素又は対象要素自身の、対象要素の観測データに対する貢献度を分析することが期待される可能性がある。特に、ある原因要素は、対象要素に直接影響を与える可能性があり、又は、１つ若しくは複数の他の原因要素を介して間接的に対象要素に影響を与える可能性がある。従って、これらの要素の貢献度について、さらに詳しく解析する必要がある。以下では、本開示の実施形態にかかる各要素のアトリビューション分析について詳細に説明する。

いくつかの実施形態において、アトリビューション分析の際、決定される貢献度は、第１要素が因果構造１２２の他の要素から独立して対象観測データに寄与する貢献度を含むことができる。この貢献度は、対象観測データに対する第１要素の「基礎貢献度」と称される。ここで、対象要素が決定されている場合には、単に第１要素の基礎貢献度とも称される。

いくつかの実施形態では、追加で又は選択的に、決定される貢献度は、対象観測データに対する第１要素の総貢献度を含んでもよい。場合によっては、第１要素は、１つ又は複数の他の要素（区別するために「第２要素」と称することもある）の影響を受ける可能性がある。つまり、第１要素も他の原因要素を有する。第１要素と、第１要素を介した少なくとも１つの第２要素の、対象観測データに対する貢献度の合計は、対象観測データに対する第１要素の総貢献度と称される。対象要素が決定されている場合には、対象観測データに対する第１要素の総貢献度は、単に第１要素の総貢献度とも称される。

いくつかの実施形態では、追加で又は選択的に、決定された貢献度は、第１要素と、因果構造における別の要素（区別するために「第３要素」と称することもある）との間の因果関係の、対象観測データに対する関係貢献度を含んでもよい。これは、「因果エッジ貢献度」とも称される。ある要素が対象要素の対象観測データに影響を与えることができるのは、当該要素が対象要素と直接的な因果関係を有するか、又は当該要素が他の要素と直接的な因果関係を有し、この直接的な因果関係がさらに対象要素に影響を与えるからである。従って、異なる要素間の因果関係の、対象要素の対象観測データに対する貢献度を測定することは、各要素間での貢献の伝達経路を理解するのにも役立つ。

図２のアトリビューション分析プロセスは、さまざまな因果分析シナリオについて複数の要素間の因果構造を学習することができれば、そうしたさまざまな因果分析シナリオに応用することができる。アトリビューション分析の結果は、異なるシナリオにおける後続の戦略の指定、結果の提示等において用いることができる。

例を挙げると、通信事業者の顧客満足度に関する上記シナリオにおいて、アトリビューション分析を実行する場合、アトリビューション分析装置１３０は、当該シナリオでの各要素に対応する観測データを取得することができる。観測データは例えば、顧客レベル、月間通話料総額、月間消費トラフィック、無料トラフィック比率、月間消費トラフィック総費用、苦情件数、顧客満足度等の要素に対応する観測データ１３２を含むことができる。分析しようとする「対象要素」として「顧客満足度」をユーザが指定した場合、アトリビューション分析装置１３０は、「顧客満足度」を対象要素とし他の要素を原因要素とする因果構造１２２を取得することができる。

アトリビューション分析装置１３０はさらに、観測データ１３２と因果構造１２２に基づいて、「顧客満足度」の対象観測データに対する各要素の貢献度を決定する。例えば、「顧客満足度」の観測値が９０点（１００点満点）であると仮定する。アトリビューション分析を通じてアトリビューション分析装置１３０は、顧客レベルが「上級」（レベル「３」によって示すことができる）と示されている場合、顧客満足度９０点に対する当該顧客レベルの基礎貢献度を、例えば１０点として決定することができる。また、アトリビューション分析を通じてアトリビューション分析装置１３０はさらに、月間通話料総額が６００元である場合、９０点の顧客満足度に対する、このような通話料レベルの基礎貢献度を、例えば５点として決定することができる。他も同様である。

各要素に対するアトリビューション分析及び貢献解析に基づき、ユーザ又は下流の分析装置は、現在の顧客満足度に対してどの要素の影響がより大きいか、各要素間の貢献度の比較、ひいてはユーザ満足度の異なる統計サイクルにおける同じ要素の貢献度の差異等を決定することができる。これは、ユーザ又は下流の分析装置のその後の戦略決定において、例えば、ユーザ満足度をどのように向上させるか、総通話料、トラフィックコストをどのように調整するか等を決定するのに役立てることができる。

患者の血圧に関する上記シナリオを例にとると、対象要素を例えば「血圧」とすることができる。アトリビューション分析を実行する場合、アトリビューション分析装置１３０は、例えば、患者の心拍数、心拍出量、アレルギー指標、総末梢血管抵抗、カテコールアミン分泌、血圧等、当該シナリオの各要素に対応する観測データを取得することができる。分析しようとする「対象要素」として「血圧」をユーザが指定した場合、アトリビューション分析装置１３０は、「血圧」を対象要素とし、他の要素を原因要素とする因果構造１２２を取得することができる。

アトリビューション分析装置１３０はさらに、観測データ１３２と因果構造１２２に基づいて、「血圧」の対象観測データに対する各要素の貢献度を決定する。「血圧」の収縮期血圧が１４０ｍｍＨｇであると仮定する。アトリビューション分析を通じてアトリビューション分析装置１３０は、患者の心拍数が「１００回／分」である場合、現在の収縮期血圧に対する当該心拍数の基礎貢献度を、例えば４０ｍｍＨｇとして決定することができる。また、アトリビューション分析を通じてアトリビューション分析装置１３０は、心拍出量が６Ｌ／分である場合、現在の収縮期血圧に対する、このような心拍出量の基礎貢献度を、例えば２０ｍｍＨｇとして決定することができる。他も同様である。

各要素に対するアトリビューション分析及び貢献解析に基づき、ユーザ又は下流の分析装置は、現在の血圧に対してどの要素の影響がより大きいか、各要素間の貢献度の比較、ひいては異なる患者又は同一患者の異なる血圧における同じ要素の貢献度の差異等を決定することができる。これにより、ユーザ又は下流の分析装置はその後の戦略決定において、例えば、その後の診断及び治療の計画を策定するために、血圧の異常をもたらすのはどのような要素か等を決定するのに役立てることができる。

商品販売に関する上記シナリオを例にとると、対象要素を例えば「対象商品の販売額」とすることができる。アトリビューション分析を実行する場合、アトリビューション分析装置１３０は、例えば、商品の販売促進、商品ディスプレイ、販売員、広告、及び新製品プロモーションへの支出や、商品売上高等、当該シナリオの各要素に対応する観測データを取得することができる。分析しようとする「対象要素」として「商品売上高」をユーザが指定した場合、アトリビューション分析装置１３０は、「商品売上高」を対象要素とし、他の要素を原因要素とする因果構造１２２を取得することができる。

アトリビューション分析装置１３０はさらに、観測データ１３２と因果構造１２２に基づいて、「商品売上高」の対象観測データに対する各要素の貢献度を決定する。本年度の「商品売上高」が１０００万だと仮定する。アトリビューション分析を通じてアトリビューション分析装置１３０は、１０００万の売上高に対する、観測された商品の販売促進、商品ディスプレイ、販売員、広告、及び新製品プロモーションへの支出の基礎貢献度を、例えば、それぞれが１０００万の中で生み出すことができる売上高として決定することができる。

各要素に対するアトリビューション分析及び貢献解析に基づき、ユーザ又は下流の分析装置は、各要素の支出から売上高への転化価値、現在の売上高に対してどのルートの影響がより大きいか、各要素間の貢献度の比較、ひいては異なる月又は年度の売上高における同じ要素の貢献度の差異等を決定することができる。これは、ユーザ又は下流の分析装置のその後の戦略決定において、例えば、異なるルートへの投資価値、異なるルートへのその後の予算や、予期した売上高を取得するために異なるルートに投入すべき予算等を決定するのに役立てることができる。

ソフトウェア開発に関する上記シナリオを例にとると、対象要素を例えば「ソフトウェア開発サイクル」又は「ソフトウェアの運用フェーズの故障率」とすることができる。アトリビューション分析を行う場合、アトリビューション分析装置１３０は、例えば、ソフトウェア開発のための人的資源の量、ソフトウェア開発のための持続時間、関数の数、コード行数、モジュール数、ソフトウェア故障率等、当該シナリオの各要素に対応する観測データを取得することができる。分析しようとする「対象要素」として「ソフトウェア故障率」をユーザが指定した場合、アトリビューション分析装置１３０は、「ソフトウェア故障率」を対象要素とし、他の要素を原因要素とする因果構造１２２を取得することができる。

アトリビューション分析装置１３０はさらに、観測データ１３２と因果構造１２２に基づいて、「ソフトウェア故障率」の対象観測データに対する各要素の貢献度を決定する。「ソフトウェア故障率」が３回／月だと仮定する。アトリビューション分析を通じてアトリビューション分析装置１３０は、３回／月の故障率に対する、現在観測された人的資源の量、ソフトウェア開発のための持続時間、関数の数、コード行数、モジュール数の基礎貢献度を、例えば、それぞれがソフトウェア故障率を引き起こした回数として決定することができる。

各要素に対するアトリビューション分析及び貢献解析に基づき、ユーザ又は下流の分析装置は、ソフトウェア故障率に対してどの要素の影響がより大きいか、各要素間の貢献度の比較等を決定することができる。これは、ユーザ又は下流の分析装置のその後の戦略決定において、例えば、ソフトウェア故障率を効果的に低減するためにどの要素から着手するか、ソフトウェア開発プロセスにおける投資をどのように配分するか等を決定するのに役立てることができる。

上記の例示では、要素の基礎貢献度を決定することを例として説明した。しかし、他のタイプの貢献度、例えば総貢献度や関係貢献度も、追加で又は選択的に決定してもよいことが理解されるべきである。

複数の要素（対象要素とその原因要素を含む）それぞれの観測データ１３２は、任意の応用シナリオにおいて、複数の要素について直接観測された値、又は観測が期待されると予想される値とすることができる。観測データ１３２は、対応する時点での各要素の取得値とすることができる。いくつかの実施形態において、後続のアトリビューションプロセスでは、別々の時点における観測データに対して個別のアトリビューション分析、即ちａｔｔｒｉｂｕｔｉｏｎ（ｘ）＝τｘを行ってもよい。

いくつかの実施形態ではさらに、異なる時間範囲での複数の要素の複数の値を考慮し、全体的なアトリビューション分析を実現してもよい。例えば、複数の要素それぞれについて、複数の時間範囲での複数のデータ項目を取得してもよい。全体的なアトリビューション分析には、異なるタイプの分析が存在し得る。

１つの実施形態では、グループアトリビューション分析のタイプに、平均分析タイプが含まれてもよい。平均分析タイプによれば、各要素について、アトリビューション分析装置１３０は、当該要素の複数のデータ項目を平均化し、当該要素に対応する平均値を当該要素の観測データとして取得する。この場合、各要素の貢献度はａｔｔｒｉｂｕｔｉｏｎ（ｘ_ｋ）＝τＥ［ｘ_ｋ］で表され、要素ｘ_ｋの複数のデータ項目の平均値を算出することにより、Ｅ［Ｘ_ｋ］を要素Ｘ_ｋの観測データとして決定することができる。例えば、商品販売のシナリオでは、複数のルート要素（販売促進、商品ディスプレイ、販売員、広告、新製品プロモーションを含む）と売上高とを含む複数の要素について、過去数年間における、ルート要素ごとの年間の支出と売上高を決定し、年度の平均支出と平均売上高を決定して、その後のアトリビューション分析に用いることができる。

別の実施形態では、グループアトリビューション分析のタイプに、加算分析タイプが含まれてもよい。各要素について、アトリビューション分析装置１３０は、当該要素の複数のデータ項目を統合して、複数のデータ項目の合計を当該要素の観測データとして得てもよい。この場合、各要素の貢献度はａｔｔｒｉｂｕｔｉｏｎ（ｘ_ｋ）＝τＳｕｍｓ［Ｘ_ｋ］で表され、要素Ｘ_ｋの複数のデータ項目の合計を算出することにより、Ｓｕｍ［Ｘ_ｋ］を要素Ｘ_ｋの観測データとして決定することができる。例えば、商品販売のシナリオでは、複数のルート要素（販売促進、商品ディスプレイ、販売員、広告、新製品プロモーションを含む）と売上高とを含む複数の要素について、過去１年間における、ルート要素ごとの月別の支出と売上高を決定し、年度の総支出と総売上高を決定して、その後のアトリビューション分析に用いることができる。

いくつかの実施形態では、例えば平均分析タイプ又は加算分析タイプといったグループアトリビューション分析のタイプは、ユーザ１０５によって指定されてもよい。例えば、ユーザ１０５は、異なる時間範囲における複数の要素の複数のデータ項目を提供してもよく、また、分析タイプを指定してもよい。アトリビューション分析装置１３０は、このようなユーザ入力に基づいて、データ項目を平均化又は統合することにより各要素の観測データを決定し、決定された観測データに基づいて後続のアトリビューション分析を実行してもよい。

図４は、本開示のいくつかの実施形態にかかるアトリビューション分析装置１３０のブロック図を示す。図４に示すように、アトリビューション分析装置１３０は、因果点アトリビューション分析ユニット４１０と因果エッジアトリビューション分析ユニット４２０を含む。

因果点アトリビューション分析ユニット４１０は、対象要素の対象観測データに対する１つ又は複数の要素の基礎貢献度及び／又は総貢献度を決定するように設定することができる。因果エッジアトリビューション分析ユニット４２０は、対象要素の対象観測データに対する、１ペア又は複数ペアの要素の間の因果関係の貢献度を決定するように設定される。アトリビューション分析装置１３０及び／又は因果エッジアトリビューション分析ユニット４２０は、複数の要素それぞれ対応する観測データ１３２及び因果構造１２２に基づいて、対応するアトリビューション分析を実行することができる。

以下、フローチャートを分析・参照しながら、因果点アトリビューション分析、因果エッジアトリビューション分析の具体的例示について説明する。

理解すべき点として、アトリビューション分析装置１３０に含まれるこれらユニットは、例示的なものにすぎず、本開示の範囲を限定することを意図していない。いくつかの実施形態において、アトリビューション分析装置１３０はさらに、図示されていない付加的ユニットを含んでもよく、且つ／又は示されたいくつかのユニットを省略してもよい。例えば、いくつかの実施形態では、因果エッジアトリビューション分析を実行する必要がなければ、因果エッジアトリビューション分析ユニット４２０は省略してもよい。いくつかの実施形態において、アトリビューション分析装置１３０は、因果点アトリビューション分析ユニット４１０及び／又は因果エッジアトリビューション分析ユニット４２０の分析結果を視覚的に提示するための結果提示ユニットをさらに備えてもよい。いくつかの実施形態では、因果点アトリビューション分析ユニット４１０及び／又は因果エッジアトリビューション分析ユニット４２０はさらに、より多くの機能的なサブユニットに細分化されてもよい。

因果点アトリビューション分析の例示
上述のように、いくつかの実施形態では、個々の要素について、対象要素に対する当該要素の基礎貢献度及び総貢献度を決定することができる。要素の基礎貢献度は、当該要素が他の要素を介さずに単独で対象観測データに寄与する貢献度を示す。要素の総貢献度は、当該要素と、当該要素を介して他の少なくとも１つの要素の、対象観測データに対する貢献度の合計を示す。１つの要素がその直接の原因となる原因要素を有する場合、当該原因要素も当該要素に影響を与えることになる。従って、対象要素に対する当該要素の影響には、その直接原因の影響が含まれることになる。

図５は、本開示のいくつかの実施形態にかかる因果点アトリビューション分析に用いられる例示的方法５００のフローチャートを示す。方法５００は、例えば、図４に示すアトリビューション分析装置１３０によって実行することができ、例えば因果点アトリビューション分析ユニット４１０によって実行することができる。議論を目的として、以下では因果点アトリビューション分析ユニット４１０側から方法５００を説明する。理解すべき点として、方法５００はさらに、図示されていない付加的動作を含むことができ、且つ／又は示されたいくつかの動作を省略することができる。本開示の範囲は、この点において限定されない。例えばいくつかの実施形態では、１つの要素の基礎貢献度しか関係せず、その総貢献度に関心がない場合、ブロック５４０は省略してもよい。

方法５００は、因果構造１２２における任意の所定の第１要素（要素ｘ_ｋとして表される）の基礎貢献度及び／又は総貢献度を決定するために用いることができる。

具体的には、ブロック５０５において、因果点アトリビューション分析ユニット４１０は、複数の要素それぞれの観測データ１３２及び因果構造１２２に基づいて、要素ｘ_ｋの基礎データを決定する。１つの要素の基礎データとは、当該要素の観測データのうち、複数の要素における他の要素の影響を受けない部分を示す。要素の基礎データの決定について、図６を参照して具体的に後述する。

ブロック５１０において、因果点アトリビューション分析ユニット４１０は、要素ｘ_ｋが対象要素であるか否かを決定する。要素ｘ_ｋが対象要素ではなく、対象要素の１つの原因要素である場合、ブロック５２０において、因果点アトリビューション分析ユニット４１０は、因果構造１２２が示す要素ｘ_ｋと対象要素との因果関係に基づいて、要素ｘ_ｋに対する対象要素の変化率を決定する。

対象要素に関し、その原因である要素の貢献について解析する場合、対象要素に対する各要素の基礎貢献度は、当該要素の基礎データと、当該要素に対する対象要素の変化率とにより算出することができる。その理由として、変化率は、対象要素の対象観測データがこの要素の観測データに従って変化する程度を反映することができるからである。従って、対象観測データに対する１つの要素の基礎貢献度は、次のように表すことができる。

ここで、φ（ｘ_ｋ）は要素ｘ_ｋの基礎貢献度を、ｂａｓｅ_ｘｋは要素ｘ_ｋの基礎データを、τ_ｘｋは要素ｘ_ｋに対する対象要素の変化率を表す。

因果構造において、原因要素の基礎貢献度と、対象要素の自身に対する基礎貢献度との和は、対象要素の対象観測データに等しく、例えば次のとおりである。

式（４）において、ｙは対象要素の対象観測データを表し、φ（ｙ）は対象要素の自身に対する基礎貢献度を表し、ｎは対象要素の原因要素の数を表す。φ（ｘ_ｋ）は、原因要素ｘ_ｋの基礎貢献度を表し、上記式（３）に従い算出することができる。

上記内容から明らかなように、各要素ｘ_ｋの基礎データが決定された場合、要素ｘ_ｋに対する対象要素の変化率τ_ｘｋを決定することにより、式（３）から要素ｘ_ｋの基礎貢献度を決定することができる。

いくつかの実施形態では、要素ｘ_ｋが対象要素の直接原因である場合、因果構造１２２が示す直接的な因果関係において、当該要素に対する対象要素の直接変化率を決定することができる。例えば、図３の例示的な因果構造１２２では、要素Ｄ、Ｅ及びＣが対象要素Ｔの直接原因であり、直接変化率はそれぞれ、β_Ｄ、β_Ｅ、及びβ_Ｃ３である。

いくつかの実施形態において、要素ｘ_ｋは、対象要素の直接原因ではなく、１つ又は複数の他の要素を介して間接的に対象要素に影響を与える可能性がある。例えば、図３の例示的な因果構造１２２では、エレメントＡ、Ｂ及びＣは対象要素Ｔの間接原因である。

対象要素の間接原因である場合、要素ｘ_ｋから対象要素までの経路によって、要素ｘ_ｋに対する対象要素の変化率を決定することができる。具体的には、因果グラフで表される因果構造において、因果点アトリビューション分析ユニット４１０は、要素ｘ_ｋから対象要素までの少なくとも１つの経路を決定することができる。少なくとも１つの経路における各経路は、因果グラフの少なくとも１つのエッジを含む。例えば、図３の例示では、要素ＡはＡ→Ｄ→Ｔの経路で要素Ｔに到達する。要素Ｂは、Ｂ→Ｃ→Ｄ→Ｔ、Ｂ→Ｃ→Ｅ→Ｔ及びＢ→Ｃ→Ｔの３つの経路で要素Ｔに到達することができる。要素Ｃは、要素Ｔに直接到達するだけでなく、Ｃ→Ｄ→Ｔ及びＣ→Ｅ→Ｔの経路で要素Ｔに間接的に到達する。

さらに、少なくとも１つの経路における各経路について、当該経路に含まれる少なくとも１つのエッジが表す直接的な因果関係における、原因要素に対する結果要素の直接変化率に基づいて、当該経路における、第１要素に対する対象要素の部分変化率を決定する。各経路における部分変化率は、当該経路における各エッジに対応する直接変化率の積であり得る。少なくとも１つの経路について決定された少なくとも１つの部分変化率の和に基づいて、要素ｘ_ｋに対する対象要素の変化率を決定する。例えば、各経路の部分変化率を加算することにより、間接変化率を決定することができる。

上述の方法により、図３の例示では、要素Ａ、Ｂ及びＣも要素Ｔの間接原因とすることができるので、これらの間接原因に関する要素Ｔの間接変化率を、それぞれβ_Ｄβ_Ａ（要素Ａについて）、(β_Ｄβ_Ｃ１＋β_Ｅβ_Ｃ２＋β_Ｃ３)β_Ｂ（要素Ｂについて）、(β_Ｄβ_Ｃ１＋β_Ｅβ_Ｃ２＋β_Ｃ３)（要素Ｃについて）として決定することができる。

ブロック５３０において、要素ｘ_ｋの基礎データと要素ｘ_ｋに対する対象要素の変化率とに基づいて、対象観測データに対する要素ｘ_ｋの基礎貢献度が決定される。例えば、式（３）を参照すると、要素ｘ_ｋの基礎貢献度は、要素ｘ_ｋの基礎データと要素ｘ_ｋに対する対象要素の変化率との積とすることができる。

図３の因果構造の例示では、要素ＤとＥを対象要素Ｔの直接原因とし、これらの直接原因に対する要素Ｔの直接変化率をそれぞれβ_Ｄ、β_Ｅとして決定し、基礎データはそれぞれｕ_Ｄ、ｕ_Ｅとして表されている。対応して、対象要素Ｔに対する要素Ｄの貢献度はβ_Ｄｕ_Ｄであり、対象要素Ｔに対する要素Ｅの基礎貢献度はβ_Ｅｕ_Ｄである。

また、要素Ａ、Ｂ及びＣは要素Ｔの間接原因とすることもできる。これらの間接原因に関する要素Ｔの間接変化率はそれぞれ、β_Ｄβ_Ａ（要素Ａについて）、(β_Ｄβ_Ｃ１＋β_Ｅβ_Ｃ２＋β_Ｃ３)β_Ｂ（要素Ｂについて）、(β_Ｄβ_Ｃ１＋β_Ｅβ_Ｃ２＋β_Ｃ３)（要素Ｃについて）として決定される。要素Ａ、Ｂ及びＣの基礎データはそれぞれ、ｕ_Ａ、ｕ_Ｂ、ｕ_Ｃと表される。

対応して、対象要素Ｔに対する要素Ａの基礎貢献度はβ_Ｄβ_Ａｕ_Ａであり、対象要素Ｔに対する要素Ｂの基礎貢献度は(β_Ｄβ_Ｃ１＋β_Ｅβ_Ｃ２)β_Ｂｕ_Ｂであり、対象要素Ｔに対する要素Ｃの基礎貢献度は(β_Ｄβ_Ｃ１＋β_Ｅβ_Ｃ２)β_Ｂｕ_Ｂである。

理解できるように、対象要素の対象要素自身に対する変化率を１とみなすことができる。場合によってはさらに、対象要素の対象要素自身に対する基礎貢献度を決定してもよい。例えば、ブロック５１０において、要素ｘ_ｋを対象要素として決定した場合、ブロック５５０において、因果点アトリビューション分析ユニット４１０は、要素ｘ_ｋの基礎データを、対象要素に対する要素ｘ_ｋの基礎貢献度として決定する。例えば図３の例では、対象要素Ｔの基礎データがｕ_Ｔとして決定された場合、対応して、対象要素の対象要素自身に対する基礎貢献度もｕ_Ｔとなる。

いくつかの任意の実施形態において、方法５００は任意でブロック５４０をさらに含んでもよい。ブロック５４０において因果点アトリビューション分析ユニット４１０は、対象観測データに対する要素ｘ_ｋの総貢献度を決定する。

いくつかの実施形態において、因果点アトリビューション分析ユニット４１０は、対象観測データに対する要素ｘ_ｋの基礎貢献度に少なくとも基づいて、対象観測データに対する要素ｘ_ｋの総貢献度を決定することができる。

いくつかの実施形態において、因果点アトリビューション分析ユニット４１０は、要素ｘ_ｋが１つ又は複数の直接原因を有するか否かを決定することができる。要素ｘ_ｋが１つ又は複数の直接原因を有する、即ち因果グラフにおいて親ノードを有する場合、因果点アトリビューション分析ユニット４１０は、その直接原因としての１つ又は複数の要素（「第２要素」と称される）それぞれと、要素ｘ_ｋとの間の直接的な因果関係が、対象観測データに寄与する少なくとも１つの関係貢献度を決定することができる。関係貢献度の決定については、具体的に後述する。

因果点アトリビューション分析ユニット４１０は、対象観測データに対する要素ｘ_ｋの基礎貢献度と、少なくとも１つの第２要素との少なくとも１つの関係貢献度との和に基づいて、対象観測データに対する要素ｘ_ｋの総貢献度を決定することができる。

ここで、ａｔｒＮｏｄｅ（ｘ_ｋ）は要素ｘ_ｋの総貢献度を表す。φ（ｘ_ｋ）は要素（ｘ_ｋ）の基礎貢献度を示す。ａｔｒＥｄｇｅ（ｘ_Ｐａ→ｘ_ｋ）は、その直接原因である要素ｘ_Ｐａ（つまり親ノード）と、要素ｘ_ｋとの直接的な因果関係が、対象観測データに寄与する関係貢献度を表す。複数の要素ｘ_Ｐａが存在する場合、それらと要素ｘ_ｋとの直接的な因果関係が対象観測データに寄与する関係貢献度が加算されることになる。

いくつかの実施形態において、因果点アトリビューション分析ユニット４１０は、要素ｘ_ｋに対する対象要素の変化率に少なくとも基づき、また、さらに要素ｘ_ｋの観測データに基づき、対象観測データに対する要素ｘ_ｋの総貢献度を決定してもよい。対象観測データに対する要素ｘ_ｋの総貢献度は、要素ｘ_ｋに対する対象要素の変化率と、要素ｘ_ｋの観測データとの積とすることができる。

図３の因果関係の例示では、要素ＤとＥを対象要素Ｔの直接原因とし、これらの直接原因に対する要素Ｔの直接変化率がそれぞれβ_Ｄ、β_Ｅと決定される。観測データはそれぞれ、ｘ_Ｄ、ｘ_Ｅと表される。対応して、対象要素Ｔに対する要素Ｄの総貢献度はβ_Ｄｘ_Ｄであり、対象要素Ｔに対する要素Ｅの総貢献度はβ_Ｅｘ_Ｄである。

また、要素Ａ、Ｂ及びＣは要素Ｔの間接原因とすることができる。これらの間接原因に対する要素Ｔの間接変化率を、（要素Ａに対し）β_Ｄβ_Ａ、（要素Ｂに対し）(β_Ｄβ_Ｃ１＋β_Ｅβ_Ｃ２＋β_Ｃ３)β_Ｂ、（要素Ｃに対し）(β_Ｄβ_Ｃ１＋β_Ｅβ_Ｃ２＋β_Ｃ３)と決定する。要素Ａ、Ｂ及びＣの観測データはそれぞれ、ｘ_Ａ、ｘ_Ｂ、ｘ_Ｃと表される。対応して、対象要素Ｔに対する要素Ａの総貢献度はβ_Ｄβ_Ａｘ_Ａである。対象要素Ｔに対する要素Ｂの総貢献度は(β_Ｄβ_Ｃ１＋β_Ｅβ_Ｃ２＋β_Ｃ３)β_Ｂｘ_Ｂである。対象要素Ｔに対する要素Ｃの総貢献度は(β_Ｄβ_Ｃ１＋β_Ｅβ_Ｃ２＋β_Ｃ３)ｘ_Ｃである。

理解できるように、対象要素の対象要素自身に対する変化率を１とみなすことができる。場合によってはさらに、対象要素の対象要素自身に対する基礎貢献度を決定してもよい。これは対象要素の観測データとして決定することができる。例えば図３の例では、対象要素Ｔの観測データがｘ_Ｔであると決定すると、それに応じて、対象要素Ｔの対象要素Ｔ自身に対する総貢献度はｘ_Ｔとみなすことができる。

上述したように、いくつかの実施形態において、アトリビューション分析時に複数の要素の観測データがすでに提供されている場合は、各要素の基礎貢献度を決定するために、因果構造１２２における要素の基礎データを決定することができる。図６は、本開示のいくつかの実施形態にかかる、要素の基礎データを決定するための例示的方法６００のフローチャートを示す。方法６００は、例えば、図２に示すアトリビューション分析装置１３０によって実行することができ、例えば因果点アトリビューション分析ユニット４１０によって実行することができる。議論を目的として、以下では因果点アトリビューション分析ユニット４１０側から方法６００を説明する。理解すべき点として、方法６００はさらに、図示されていない付加的動作を含むことができ、且つ／又は示されたいくつかの動作を省略することができる。本開示の範囲は、この点において限定されない。

本明細書では、各要素の基礎データは、当該要素の観測データのうち、複数の要素における他の要素の影響を受けない部分を示す。因果関係では、任意の所定の要素ｘ_ｋに対して、その観測データに影響を与えることができる要素が、当該要素の原因要素となる。従って、要素ｘ_ｋの基礎データは、ｂａｓｅ_ｘｋ＝ｘ_ｋ－ＢＸ^Ｔ _ｐａと決定することができる。ここで、ｘ_ｋは当該要素の観測データを表す（ｋの取得値の範囲は、因果構造における全ての要素である）。ＢＸ^Ｔ _ｐａは、要素ｘ_ｋの直接的な原因要素の当該要素に対する影響を表す。対応して、直接的な原因要素がない場合は、要素ｘ_ｋの基礎データはｂａｓｅ_ｘｋ＝ｘ_ｋ、即ち、当該要素の観測データ自体となる。

上述の議論に基づいて、方法６００は、因果構造１２２の任意の所定の要素ｘ_ｋの基礎データを決定するために用いることができる。具体的には、ブロック６１０において、因果点アトリビューション分析ユニット４１０は、因果構造１２２の複数の要素の中に、要素ｘ_ｋの直接原因としての少なくとも１つの要素が含まれるか否かを決定する。

要素ｘ_ｋがその直接原因としての少なくとも１つの要素を有しないことを、因果構造１２２が示す場合、ブロック６１５において、因果点アトリビューション分析ユニット４１０は、要素ｘ_ｋの観測データを要素ｘ_ｋの基礎データとして決定する。例えば、前述の図３の例示的因果構造１２２では、要素Ａと要素Ｂは直接的な原因エレメントを有しないので、式（１）で示される直接的な因果関係に従って、要素Ａ及び要素Ｂの基礎データｕ_Ａ、ｕ_Ａは、それぞれの観測データｘ_Ａ、ｘ_Ｂにそれぞれ等しくなる。

要素ｘ_ｋがその直接原因としての少なくとも１つの要素を有することを因果構造１２２が示す場合、ブロック６２０において、その少なくとも１つの要素に対する要素ｘ_ｋの少なくとも１つの直接変化率を決定する。

ある要素のその原因要素に対する直接変化率は、通常、因果構造１２２の直接的な因果関係において示される。例えば、図３の例示的因果構造１２２において、要素Ｃについて、その直接的な原因要素Ｂに対する要素Ｃの直接変化率を、β_Ｂとして決定する。要素Ｄは、要素Ａ及びＣの２つの直接的な原因要素を有する。これら２つの要素Ａ及びＣに対する要素Ｄの直接変化率は、それぞれβ_Ａ、β_Ｃ１である。同様に、１つ又は複数の直接原因を有する要素Ｅ及びＴの両方について、それぞれの直接的な原因要素に対するそれらの直接変化率を決定することができる。

ブロック６３０において、因果点アトリビューション分析ユニット４１０は、要素ｘ_ｋ及び直接原因としての少なくとも１つの要素それぞれの観測データと、決定された少なくとも１つの直接変化率とに基づいて、要素ｘ_ｋの基礎データを決定する。各要素の観測データと、それらの間の直接変化率とが既知である場合、要素ｘ_ｋと、その直接原因としての要素との直接的な因果関係により、要素ｘ_ｋの基礎データを算出することができる。

例えば、図３の例示的な因果構造１２２では、上記式（１）で示された直接的な因果関係に基づいて、要素Ｃの基礎データは、ｕ_Ｃ＝ｘ_Ｃ－β_Ｂｘ_Ｂとして決定することができる。ここで、ｘ_Ｃとｘ_Ｂは要素Ｃ及び要素Ｂの観測データであり、β_Ｂは直接変化率である。その他の要素Ｄ、Ｅ及びＴについても同様に、その基礎データを決定することができ、それぞれｕ_Ｄ、ｕ_Ｅ、ｕ_Ｔと表される。

方法６００は、因果構造１２２における各要素の基礎データを決定するために用いることができる。複数の要素の基礎データが決定された後、各要素の因果点アトリビューション分析を実行することができる。例えば方法５００の因果点アトリビューション分析に従って、対象要素の対象観測データに対する各要素の基礎貢献度及び／又は総貢献度を決定することができる。

図７は、本開示のいくつかの実施形態にかかる、図３の例示的因果構造１２２において因果点アトリビューション分析の結果を提示する例を示す。ここでは、対象観測データに対する各要素Ａ、Ｂ、Ｃ、Ｄ、Ｅ、Ｔの基礎貢献度が示されている。これらの基礎貢献度は貢献度の大きさにより示され、また、全ての要素Ａ、Ｂ、Ｃ、Ｄ、Ｅ、Ｔの基礎貢献度の和は、対象要素Ｔの観測データ「１００」に等しい。つまり、全ての原因要素及び対象要素の個別の貢献度により、最終的に対象要素の現在の観測値が導き出される。また、図７はさらに、要素Ｔの対象観測データ「１００」に対する要素Ａ、Ｂ、Ｃ、Ｄ、Ｅそれぞれの総貢献度を示す。要素の総貢献度は、自身の基礎貢献度と、当該要素を介した他の要素による、対象観測データに対する間接貢献度とを含む。対象要素Ｔの自身に対する総貢献度は、それ自身の観測データとみなすことができる。

因果エッジアトリビューション分析の例示
図８Ａは、本開示のいくつかの実施形態にかかる、因果エッジアトリビューション分析に用いられる例示的方法８００のフローチャートを示す。方法８００は、例えば、図２に示すアトリビューション分析装置１３０によって実行することができ、例えば因果エッジアトリビューション分析ユニット４２０によって実行することができる。理解すべき点として、方法８００はさらに、図示されていない付加的動作を含むことができ、且つ／又は示されたいくつかの動作を省略することができる。本開示の範囲は、この点において限定されない。

因果エッジアトリビューション分析の際、所定の要素ｘ_ｋについて、対象観測データに対する、要素ｘ_ｋと別の要素（「第３要素」と称することもあり、要素ｘ_ｉと表される）との因果関係の関係貢献度（ａｔｒＥｄｇｅ（ｘ_ｋ→ｘ_ｉ）と表される）を決定すると仮定する。従って、この因果関係では、要素ｘ_ｋは要素ｘ_ｉの原因である。

ブロック８１１において、因果エッジアトリビューション分析ユニット４２０は、対象観測データに対する要素ｘ_ｉの基礎貢献度及び総貢献度を決定する。要素ｘ_ｉの基礎貢献度及び総貢献度は、方法５００に従って決定することができ、総貢献度は、要素ｘ_ｉに対する対象要素の変化率に基づいて決定することができる。

ブロック８１２において、因果エッジアトリビューション分析ユニット４２０は、因果構造１２２が示す要素ｘ_ｉと対象要素との因果関係に基づいて、要素ｘ_ｉに対する対象要素の変化率を決定する。要素ｘ_ｉに対する対象要素の変化率についても、上記で詳しく述べた。

ブロック８１３において、因果エッジアトリビューション分析ユニット４２０は、要素ｘ_ｋが要素ｘ_ｉの唯一の原因であるか否かを決定する。

要素ｘ_ｋが要素ｘ_ｉの唯一の原因であることを因果構造１２２が示す場合、ブロック８１４において、因果エッジアトリビューション分析ユニット４２０は、原因としての要素ｘ_ｉの総貢献度と、その基礎貢献度との差を、対象観測データに対する要素ｘ_ｋと要素ｘ_ｉとの因果関係の関係貢献度として決定する。上記式（５）によれば、要素ｘ_ｉの総貢献度は、要素ｘ_ｉの基礎貢献度、及び、親ノード（即ち要素ｘ_ｋ）と当該要素ｘ_ｉとの直接的な関係貢献度の和である。要素ｘ_ｋは、要素ｘ_ｉの唯一の原因であり、即ち親ノードが１つしかないため、上記式（５）は次のように修正することができる。

要素ｘ_ｉの総貢献度と要素ｘ_ｉの基礎貢献度が既知である場合、式（６）に基づき、対象観測データに対するｘ_ｋ→ｘ_ｉ間の因果関係の関係貢献度ａｔｒＥｄｇｅ（ｘ_ｋ→ｘ_ｉ）を決定することができる。これは、要素ｘ_ｉの総貢献度ａｔｒＮｏｄｅ（ｘ_ｉ）とその基礎貢献度φ（ｘ_ｉ）との差に等しい。

いくつかの状況において、ブロック８１３で、さらに少なくとも１つの他の要素（第４要素と称することもあり、ｘ_ｊと表される）があり、それが要素ｘ_ｉの別の原因であると因果構造１２２が示すと決定された場合、即ち要素ｘ_ｉは複数の親ノードを有する場合、要素ｘ_ｉの総貢献度は次のように表される。

ここで、要素ｘ_Ｐａは、考慮される要素ｘ_ｋを含み、且つ、別の少なくとも１つの要素ｘ_ｊを含む。

ブロック８１５において、因果エッジアトリビューション分析ユニット４２０は、因果構造１２２に基づいて、対象観測データに対する、少なくとも１つの要素ｘ_ｊと要素ｘ_ｉとの因果関係の少なくとも１つの関係貢献度を決定する。ここでの関係貢献度の決定は、方法８００と同様の方法、又は後述の方法８０２に基づいて決定することができる。

ブロック８１６において、因果エッジアトリビューション分析ユニット４２０は、対象観測データに対する要素ｘ_ｉの総貢献度から、別の関係貢献度と、対象観測データに対する要素ｘ_ｉの前記基礎貢献度との和を減じることにより、対象観測データに対する要素ｘ_ｋと要素ｘ_ｉとの因果関係の関係貢献度を決定する。

要素ｘ_ｉの総貢献度、要素ｘ_ｉの基礎貢献度、少なくとも１つの別の原因要素ｘ_ｋの関係貢献度が既知である場合、式（７）に従って、対象観測データに対するｘ_ｋ→ｘ_ｉ間の因果関係の関係貢献度ａｔｒＥｄｇｅ（ｘ_ｋ→ｘ_ｉ）を決定することができる。これは、要素ｘ_ｉの総貢献度ａｔｒＮｏｄｅ（ｘ_ｉ)から、その基礎貢献度φ（ｘ_ｉ）を減じ、さらに、対象観測データに対する少なくとも１つの要素ｘ_ｊと要素ｘ_ｉとの因果関係の別の関係貢献度を減じることに等しい。

図８Ｂは、本開示の別のいくつかの実施形態にかかる、因果エッジアトリビューション分析に用いられる例示的方法８０２のフローチャートを示す。方法８０２は、例えば、図２に示すアトリビューション分析装置１３０によって実行することができ、例えば因果エッジアトリビューション分析ユニット４２０によって実行することができる。理解すべき点として、方法８０２はさらに、図示されていない付加的動作を含むことができ、且つ／又は示されたいくつかの動作を省略することができる。本開示の範囲は、この点において限定されない。

因果エッジアトリビューション分析の際、所定の要素ｘ_ｋについて、要素ｘ_ｋと別の要素（「第３要素」と称することもあり、要素ｘ_ｉと表される）の因果関係が対象観測データに寄与する関係貢献度（ａｔｒＥｄｇｅ（ｘ_ｋ→ｘ_ｉ）と表される）を決定すると仮定する。従って、この因果関係では、要素ｘ_ｋは要素ｘ_ｉの原因である。

ブロック８２０において、因果エッジアトリビューション分析ユニット４２０は、因果構造１２２が示す要素ｘ_ｋと要素ｘ_ｉの因果関係から、要素ｘ_ｋに対する要素ｘ_ｉの第１変化率を決定する。要素ｘ_ｋと要素ｘ_ｉの間に直接的な因果関係がある場合、因果構造１２２から、要素ｘ_ｋに対する要素ｘ_ｉの直接変化率を決定することができる。そうでない場合は、上記で述べた方法により２つの要素間の間接変化率を決定することができる。

ブロック８２２において、因果エッジアトリビューション分析ユニット４２０は、因果構造１２２が示す要素ｘ_ｉと対象要素との因果関係から、要素ｘ_ｉに対する対象要素の第２変化率を決定する。上記で述べた方法により、要素ｘ_ｉに対する対象要素の直接／間接変化率を決定することができる。いくつかの実施形態において、要素ｘ_ｉが対象要素である場合には、第１変化率を１であるとみなしてもよい。

ブロック８２４において、因果エッジアトリビューション分析ユニット４２０は、要素ｘ_ｋの観測データ、第１変化率及び第２変化率に基づいて、対象観測データに対する、要素ｘ_ｋと要素ｘ_ｉとの因果関係の関係貢献度を決定する。例えば、関係貢献度（ａｔｒＥｄｇｅ（ｘ_ｋ→ｘ_ｉ）と表される）は、要素ｘ_ｋの観測データ、第１変化率及び第２変化率の三者の積として決定することができ、これは次のように表すことができる。

ここで、τ_ｋ→ｉは、要素ｘ_ｋが要素ｘ_ｉの原因とする因果関係において、要素ｘ_ｋに対する要素ｘ_ｉの第１変化率を表す。τ_ｘｉは要素ｘ_ｉに対する対象要素の第２変化率を表し、ｘ_ｋは要素ｘ_ｋの観測データを表す。

いくつかの実施形態では、図３の例示的因果構造１２２において、対象要素Ｔに対する各要素間の因果関係の関係貢献度は、次のように決定することができる。

Ｄ→Ｔの関係貢献度＝β_Ｄｘ_Ｄ；

Ｅ→Ｔの関係貢献度＝β_Ｅｘ_Ｅ；

Ｃ→Ｔの関係貢献度＝β_Ｃ３ｘ_ｃ；

Ａ→Ｄの関係貢献度＝β_Ｄβ_Ａｘ_Ａ；

Ｃ→Ｄの関係貢献度＝β_Ｄβ_Ｃ１ｘ_Ｃ＝β_Ｄβ_Ｃ１ｕ_Ｃ＋β_Ｄβ_Ｃ１β_Ｂｘ_Ｂ；

Ｃ→Ｅの関係貢献度＝β_Ｅβ_Ｃ２ｘ_Ｃ＝β_Ｄβ_Ｃ２ｕ_Ｃ＋β_Ｄβ_Ｃ２β_Ｂｘ_Ｂ；

Ｂ→Ｃの関係貢献度＝(β_Ｄβ_Ｃ１＋β_Ｅβ_Ｃ２＋β_Ｃ３）β_Ｂｘ_Ｂ。

図９は、本開示のいくつかの実施形態にかかる、図３の例示的因果構造１２２において因果エッジアトリビューション分析の結果を提示した例を示す。ここでは各要素の基礎貢献度が示されており、さらに対象観測データに対する要素Ａ、Ｂ、Ｃ、Ｄ、Ｅ間の直接的な因果関係（２要素間のエッジ）の関係貢献度も示されている。これらの関係貢献度は、貢献度の大きさによって示される。ある要素について、上記式（５）によれば、対象要素に対するその総貢献度は、その基礎貢献度、及び、その直接原因ノードと当該要素との直接的な因果関係の関係貢献度の和に等しい。

貢献度の提示
いくつかの実施形態において、アトリビューション分析装置１３０は、ユーザ１０５に、対象要素の対象観測データに対する１つ又は複数の要素の貢献度１３４を提示することができる。貢献度１３４は、要素の基礎貢献度、要素の総貢献度、及び／又は要素間の因果関係の関係貢献度を含むことができる。これは、ユーザ１０５に対しアトリビューション分析結果に関する視覚的情報を提供し、ユーザがそこから有用な情報をより迅速に把握できるようにするのに役立つ。

いくつかの実施形態において、アトリビューション分析装置１３０は、前記因果構造に関連付けて前記貢献度１３４を提示することができ、これにより、因果構造における各要素の貢献度１３４を明確に示すことができる。いくつかの実施形態において、選択的に又は追加で、アトリビューション分析装置１３０は、要素の観測データそのもの及びその貢献度を比較するために、前記対象観測データと関連付けて前記貢献度１３４を提示してもよい。例えば、図７と図９では、アトリビューション分析によって決定された貢献度を、因果構造及び観測データと関連付けて提示している。いくつかの実施形態では、アトリビューション分析装置１３０は、各要素の貢献度１３４を個別に提示することもできる。例えば、リスト、アイコン等の形式で提示してもよい。

いくつかの実施形態において、アトリビューション分析装置１３０はさらに、ユーザの選択で、又は自動的に、各要素の貢献度１３４に基づいてより多くの提示方式を提供してもよい。

以下、図１０Ａから図１０Ｅの例示と結び付けて、いくつかの視覚的提示の可能な実施形態について説明する。

図１０Ａは、商品販売シナリオにおける因果構造１００１の例を示す。当該因果構造１００１は、テレビ広告、新商品プロモーション、販売促進、ディスプレイ、スタッフ及び商品売上の間の因果関係を示している。因果構造１００１はさらに、直接的な関係を有する２つの要素（即ち、有向エッジで直接接続された２つのノード）間の直接変化率を示している。

ユーザが対象要素として「商品売上」を指定し、因果構造１００１の各要素の観測データ、即ち各原因要素の支出及び商品売上を提供したと仮定すると、上記で述べた例示的実施形態に従って、各要素の基礎貢献度、総貢献度及び関係貢献度を決定することができる。

いくつかの提示の実施形態では、図７又は図９と類似の方法で、因果構造と関連付けて各要素の基礎貢献度、総貢献度及び関係貢献度を提示することができる。任意又は追加で、各要素の観測データをさらに提示してもよい。

いくつかの実施形態では、各要素の貢献度を個別に提示してもよい。例えば、図１０Ｂ及び図１０Ｃの例示では、それぞれ棒グラフ１００２及び１００３の形で、異なる年度の年度売上に対する商品の基礎貢献度を提示し、また、年度売上に対する異なる項目（テレビ広告、新製品プロモーション、販売促進、ディスプレイ、スタッフを含む）の基礎貢献も提示している。対象要素（即ち基礎売上高）を含むすべての要素の基礎貢献度の和は、年度売上高と等しい。

いくつかの実施形態ではさらに、複数の要素の異なる観測データ（例えば、２年度の各科目及び２年度の年間売上）のアトリビューション分析により、図１０Ｄの棒グラフ１００４に示すように、異なる観測データの下でのこれら要素の貢献度の変化をユーザに提示してもよい。棒グラフ１００４は、２０１８年と比較した２０１９年における異なる要素の基礎貢献度の変化を示しており、いくつかの要素の貢献度が向上し、いくつかの要素の貢献度が低下したことを明確に読み取ることができる。

いくつかの実施形態では、因果構造の中から、ある要素と対象要素との間の直接的な因果関係を見出せるだけでなく、間接的な因果関係も見出すことができる。因果マップでは、これらの要素が対象要素に対して直接エッジと間接エッジを有することが読み取れる。これは、当該要素が直接的に対象要素に影響を与えることができるか、又は他の要素を介して間接的に対象要素に影響を与えることができることを意味する。例えば、図３の因果構造では、要素Ｃは要素Ｔに直接影響を与えることができるし、要素Ｄと要素Ｅを介して間接的に要素Ｔに影響を与えることもできる。図１０Ａの例示では、「販売促進」は商品売上に直接影響を与えることができる。

通常、要素の総貢献度は、当該要素からの出発した１つ又は複数のエッジの関係貢献度と等しくなり得る。このエッジが対象要素と直接繋がっている場合、当該要素と対象要素との直接的な因果関係が対象観測データに寄与する直接的な関係貢献度を決定することができる。当該要素から出発した１本のエッジが対象要素と間接的に隣接している場合、当該要素と対象要素との間接的な因果関係が対象観測データに寄与する間接的な関係貢献度を決定することができる。従って、要素ｘ_ｋの総貢献度は次のとおりである。

ａｔｒＮｏｄｅ（ｘ_ｋ）＝直接的な関係貢献（ｘ_ｋ）＋Σ間接的な関係貢献（ｘ_ｋ）

ここで、直接的な関係貢献（ｘ_ｋ）＝ａｔｒＥｄｇｅ（ｘ_{ｋ→対象要素}）である。

間接的な関係貢献（ｘ_ｋ）＝ａｔｒＥｄｇｅ（ｘ_ｋ→ｘ_ｉ）は、要素ｘ_ｋから要素ｘ_ｉまでの間の直接的な因果関係が、対象要素に寄与する関係貢献度を表し、要素ｘ_ｋが要素ｘ_ｉを介して対象要素に寄与する間接的な関係貢献度を表すのに用いることができる。

いくつかの実施形態では、貢献度を提示する際に、１つの要素の総貢献度を提示するとともに、当該要素の直接的な関係貢献度及び間接的な関係貢献度を提示することができ、これによって対象要素に対する当該要素の直接及び間接の貢献度の大きさを比較することができる。

例えば、図１０Ａの例示では、「販売促進」は、商品売上高に直接影響することができるし、「ディスプレイ」や「スタッフ」を通じて商品売上高に影響を与えることもできる。図１０Ｅにおいて、「商品売上高」に対する「販売促進」の総貢献度は、「商品売上高」に対する「販売促進」の直接的な関係貢献度１０２１と、「商品売上高」に対する「販売促進」の間接的な関係貢献度１０２２の２つの部分を含む。また、「商品売上高」に対する「販売促進」の間接的な関係貢献度１０２２においてさらに細分化して、１０３０を提示することができる。これは「販売促進」が「スタッフ」を介して「商品売上高」に寄与する間接的な関係貢献度と、「販売促進」が「ディスプレイ」を介して「商品売上高」に寄与する間接的な関係貢献度とを示す。このように、個々の要素について、当該要素が異なる方面から対象要素へ与える影響を詳細に分析することができる。

例示的デバイスによる実現
図１１は、本開示の実施形態を実施可能な例示的デバイス１１００のブロック模式図を示す。図１に示すデータ処理システム１００又はそのアセンブリである。例えば、アトリビューション分析装置１３０は、デバイス１１００によって実現することができる。

図に示すように、デバイス１１００は、中央プロセッサユニット（ＣＰＵ）１１０１を含む。ＣＰＵ１１０１は、リードオンリーメモリ（ＲＯＭ）１１０２に記憶されたコンピュータプログラムの命令、又は記憶ユニット１１０８からランダムアクセスメモリ（ＲＡＭ）１１０３にロードされたコンピュータプログラムの命令に基づき、各種の適切な動作及び処理を実行することができる。ＲＡＭ１１０３にはさらに、デバイス１１００の操作に必要な各種プログラム及びデータを記憶することができる。ＣＰＵ１１０１、ＲＯＭ１１０２及びＲＡＭ１１０３はバス１１０４を介して互いに接続されている。入力／出力（Ｉ／Ｏ）ポート１１０５もバス１１０４に接続されている。

デバイス１１００における複数の部材は、Ｉ／Ｏポート１１０５に接続されている。複数の部材には、キーボード、マウス等の入力ユニット１１０６、さまざまな種類のディスプレイ、スピーカ等の出力ユニット１１０７、磁気ディスク、光ディスク等の記憶ユニット１１０８、及びネットワークインタフェースカード、モデム、無線通信送受信機等の通信ユニット１１０９が含まれる。通信ユニット１１０９によって、デバイス１１００は、インターネットのようなコンピュータネットワーク及び／又は各種電信ネットワークを介して、他のデバイスと情報／データを交換することができる。

プロセッサユニット１１０１は、例えば方法２００、５００、６００、８００及び／又は８０２のような上述した各プロセス及び処理を実行するように設定することができる。例えば、いくつかの実施形態において、方法２００、５００、６００、８００及び／又は８０２は、コンピュータソフトウェアプログラムとして実現可能であり、記憶ユニット１１０８のようなマシン可読媒体に、有形記憶されている。いくつかの実施形態において、コンピュータプログラムの一部又は全部は、ＲＯＭ１１０２及び／又は通信ユニット１１０９を経由してデバイス１１００にロード及び／又はインストールすることができる。コンピュータプログラムがＲＡＭ１１０３にロードされＣＰＵ１１０１により実行されると、上述した方法２００、５００、６００、８００及び／又は８０２の１つ又は複数のステップを実行することができる。

本開示の実施形態は、システム、デバイス、方法、コンピュータ可読媒体、及び／又はコンピュータプログラム製品として実現することができる。

本開示のいくつかの実施形態において、コンピュータ可読媒体が提供される。コンピュータ可読媒体には、コンピュータが実行可能な命令又はプログラムが記憶されており、当該コンピュータが実行可能な命令又はプログラムは、プロセッサにより実行される場合、上述した本開示の方法又は機能を実現する。コンピュータ可読記憶媒体は、非一時的コンピュータ可読媒体を含むことができる。本開示のいくつかの実施形態ではさらに、コンピュータプログラム製品が提供される。コンピュータプログラム製品はコンピュータプログラム／命令を含む。コンピュータプログラム／命令は、プロセッサにより実行される場合、上述した方法又は機能を実現する。当該コンピュータプログラム製品は、非一時的コンピュータ可読媒体に有形記憶することができる。

コンピュータ可読記憶媒体は、命令実行デバイスにより使用される命令を保持し記憶することができる有形デバイスであり得る。コンピュータ可読記憶媒体は、命令実行デバイスにより使用される命令を保持し記憶することができる有形デバイスであり得る。コンピュータ可読記憶媒体は例えば、電気記憶装置、磁気記憶装置、光記憶装置、電磁気記憶装置、半導体記憶装置又は上述の任意の適切な組合せであり得るが、これらに限られない。コンピュータ可読記憶媒体のより具体的な例として（全てではない）、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）、消去・書き込み可能な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ＲＡＭ（ＳＲＡＭ：Static Random Access Memory）、携帯型コンパクトディスクリードオンリーメモリ（ＣＤ－ＲＯＭ）、デジタル多用途ディスク（ＤＶＤ）、メモリースティック、フロッピーディスク、機械的エンコーダディスク、例えば命令が記憶されているパンチカード又は溝内の突起構造、及び上述の任意の適切な組合せが含まれる。ここで使用されるコンピュータ可読記憶媒体は、例えば無線電波若しくは他の自由伝播する電磁波、導波若しくは他の送信媒体を介して伝播する電磁波（例えば、光ケーブルを介する光パルス）、又は電線で送信される電気信号のような、瞬時の信号そのものであるとは解釈されない。

ここで説明されるコンピュータ可読プログラム命令は、コンピュータ可読記憶媒体から各計算／処理デバイスにダウンロードすることができ、又は、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／又は無線ネットワークを介して外部のコンピュータ若しくは外部記憶装置にダウンロードすることができる。ネットワークは、銅線送信ケーブル、光ケーブル送信、無線送信、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含むことができる。各計算／処理デバイスにおけるネットワークインタフェース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転送し、各計算／処理デバイスのコンピュータ可読記憶媒体に記憶されるようにする。

本開示の操作を実行するためのコンピュータプログラム命令は、アセンブリ命令、命令セットアーキテクチャ（ＩＳＡ：Instruction Set Architecture）、機械語命令、機械関連命令、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、１種類若しくは複数種類のプログラミング言語の任意の組合せで記述されたソースコード若しくは対象コードであり得る。前記プログラミング言語は、Ｓｍａｌｌｔａｌｋ、Ｃ＋＋等のオブジェクト指向のプログラミング言語、及び、「Ｃ」言語又は類似のプログラミング言語のような一般的なプロセス式プログラミング言語を含む。コンピュータ可読プログラム命令は、全てユーザコンピュータ上で実行してもよいし、部分的にユーザコンピュータ上で実行してもよいし、１つの独立したソフトウェアパッケージとして実行してもよいし、ユーザコンピュータ上で部分的に実行するとともにリモートコンピュータ上で部分的に実行してもよいし、或いは、全てリモートコンピュータ又はサーバ上で実行してもよい。リモートコンピュータにかかる状況において、リモートコンピュータは、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を介して、ユーザコンピュータに接続することができるか、又は、外部のコンピュータに接続することができる（例えばインターネットサービスプロバイダを利用しインターネットを介して接続する）。いくつかの実施形態では、コンピュータ可読プログラム命令のステータス情報を利用して、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）のような電子回路をカスタマイズすることができる。当該電子回路は、コンピュータ可読プログラム命令を実行することにより、本開示の各態様を実現することができる。

ここでは、本開示の実施形態にかかる方法、装置（システム）及びコンピュータプログラム製品のフローチャート及び／又はブロック図を参照して、本開示の各態様を説明した。理解すべき点として、フローチャート及び／又はブロック図の各ブロック並びにフローチャート及び／又はブロック図の各ブロックの組合せは、いずれも、コンピュータ可読プログラム命令により実現可能である。

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ミング可能なデータ処理装置のプロセッサユニットに提供されて、マシンを生成することができ、これらの命令がコンピュータ又は他のプログラミング可能なデータ処理装置のプロセッサユニットにより実行される場合、フローチャート及び／又はブロック図の１つ又は複数のブロックで規定される機能／動作を実現する装置が生成される。これらのコンピュータ可読プログラム命令は、コンピュータ可読記憶媒体に記憶されてもよい。これらの命令によって、コンピュータ、プログラミング可能なデータ処理装置及び／又はその他のデバイスは特定の方法で動作を行う。従って、命令が記憶されているコンピュータ可読媒体は、フローチャート及び／又はブロック図の１つ又は複数のブロックで規定される機能／動作を実現する各態様の命令が含まれている製品を含む。

コンピュータ可読プログラム命令を、コンピュータ、他のプログラミング可能なデータ処理装置又は他のデバイスにロードして、コンピュータ、他のプログラミング可能なデータ処理装置又は他のデバイス上で一連の操作ステップを実行させ、コンピュータが実施するプロセスを生成してもよい。これにより、コンピュータ、他のプログラミング可能なデータ処理装置又は他のデバイスで実行される命令に、フローチャート及び／又はブロック図の１つ又は複数のブロックで規定される機能／動作を実現させる。

図中のフローチャート及びブロック図は、本開示の複数の実施形態にかかるシステム、方法、コンピュータプログラム製品の実現可能なアーキテクチャ、機能及び操作を表す。この点において、フローチャート又はブロック図の各ブロックは、１つのモジュール、プログラムセグメント又は命令の一部を示すことができ、前記モジュール、プログラムセグメント又は命令の一部は、規定されるロジック機能を実現するための１つ又は複数の実行可能な命令を含む。代替としてのいくつかの実現形態において、ブロック内に表記される機能は、図中の表記と異なる順序で発生してもよい。例えば、２つの連続するブロックは実際には基本的に並行して実行されてもよいし、場合によっては反対の順序で実行されてもよい。これは、関係する機能によって定められる。また、注意すべき点として、ブロック図及び／又はフローチャートの各ブロック、並びにブロック図及び／又はフローチャートのブロックの組合せは、規定される機能又は動作を実行する、ハードウェアに基づく専用システムで実現してもよいし、或いは、専用のハードウェアとコンピュータ命令との組合せにより実現してもよい。

以上、本開示の各実施形態を説明したが、上述した説明は、例示的なもので、全て網羅したものではなく、開示された各実施形態に限定されない。説明した各実施形態の範囲及び精神から逸脱しない状況において、当業者が複数の修正及び変更を行うことができることは明らかである。ここで使用された用語は、各実施形態の原理、実際の応用や市場での技術改良について最適な説明を行うこと、又は当業者に本明細書で開示された各実施形態を理解させることを意図して、選択したものである。

Claims (14)

1. 少なくとも１つのプロセッサユニットと、
   前記少なくとも１つのプロセッサユニットに結合され、前記少なくとも１つのプロセッサユニットによって実行される命令を格納する少なくとも１つのメモリと
   を備え、
   前記命令が前記少なくとも１つのプロセッサユニットによって実行される場合、
   分析する複数の要素のそれぞれに対応する観測データを取得することと、
   前記複数の要素のうちの１つの要素が対象要素として選択されたことに応じて、前記対象要素に関わる前記複数の要素の因果構造を取得し、前記少なくとも１つのメモリに記憶することと、
   前記因果構造と、前記複数の要素のそれぞれに対応する前記観測データとに基づいて、前記複数の要素における第１要素の、前記対象要素の対象観測データに対する貢献度を決定することと、
   を含む方法のステップを実行し、
   前記因果構造は、前記複数の要素の間の因果関係を示し、
   前記因果関係は、線形の因果関係であり、
   前記貢献度は、数式（１）により求める、
   attribution（ｘ）＝ｙ－Ｅ（Ｙ_Ｘ＝０｜Ｘ＝ｘ，Ｙ＝ｙ） （１）
   ただし、attribution（ｘ）は、事実ｘの事実ｙに対する前記貢献度を表し、
   Ｅ（Ｙ_Ｘ＝０｜Ｘ＝ｘ，Ｙ＝ｙ）は、反事実推論を表す、
   電子デバイス。
2. 前記複数の要素のそれぞれに対応する前記観測データを取得することは、
   前記複数の要素のそれぞれに対応する前記観測データを指定する第１ユーザ入力を受け付けることを含む、
   請求項１に記載の電子デバイス。
3. 前記複数の要素のそれぞれに対応する前記観測データを取得することは、
   分析のタイプと、複数の時間範囲における前記複数の要素のうちの各要素の複数のデータ項目とを指定する第２ユーザ入力を受け付けることと、
   前記分析のタイプが平均分析タイプである場合、前記複数の要素のうちの各要素の前記複数のデータ項目をそれぞれ平均化することにより、当該要素の観測データを決定することと、
   前記分析のタイプが加算分析タイプである場合、前記複数の要素のうちの各要素の前記複数のデータ項目をそれぞれ統合することにより、当該要素の観測データを決定することと、
   を含む、
   請求項１に記載の電子デバイス。
4. 前記対象要素を決定することは、
   前記対象要素を指定する第３ユーザ入力を受け付けることを含む、
   請求項１に記載の電子デバイス。
5. 前記第１要素の、前記対象観測データに対する貢献度を決定することは、
   前記第１要素が前記複数の要素における他の要素から独立して前記対象観測データに寄与する基礎貢献度、
   前記対象観測データに対する前記第１要素の総貢献度であって、前記対象観測データに対する前記第１要素の貢献度と、前記複数の要素における少なくとも１つの第２要素が前記第１要素を介して前記対象観測データに寄与する貢献度との合計を示す総貢献度、及び
   前記対象観測データに対する、前記第１要素と前記複数の要素における第３要素との因果関係の関係貢献度
   のうち少なくとも１つを決定することを含む、
   請求項１に記載の電子デバイス。
6. 前記因果構造と関連付けて前記貢献度を提示すること、
   前記対象観測データと関連付けて前記貢献度を提示すること、及び
   前記貢献度を個別に提示すること、
   のうち少なくとも１つにより、前記対象観測データに対する前記第１要素の前記貢献度をユーザに提示することをさらに含む、
   請求項１に記載の電子デバイス。
7. 前記対象観測データに対する前記第１要素の前記基礎貢献度を決定することは、
   前記複数の要素それぞれの観測データと前記因果構造とに基づいて、前記第１要素の基礎データを決定することと、
   前記第１要素が前記対象要素ではない場合、
   前記因果構造が示す前記第１要素と前記対象要素との因果関係に基づいて、前記第１要素に対する前記対象要素の変化率を決定し、且つ
   前記第１要素の前記基礎データと前記第１要素に対する前記対象要素の前記変化率とに基づいて、前記対象観測データに対する前記第１要素の前記基礎貢献度を決定することと、
   前記第１要素が前記対象要素である場合、前記第１要素の前記基礎データを、前記対象観測データに対する前記第１要素の前記基礎貢献度として決定することと、
   を含み、
   前記第１要素の基礎データは、前記第１要素の観測データのうち、前記複数の要素における他の要素の影響を受けない部分を示し、
   前記対象要素の観測データと前記第１要素の観測データが与えられた場合、前記変化率は、前記第１要素の観測データの変化に対する前記対象要素の観測データの変化する程度である、
   請求項５に記載の電子デバイス。
8. 前記因果構造は因果グラフで示され、前記因果グラフは、前記複数の要素を表す複数のノードと、前記複数のノードを結ぶエッジとを含み、前記複数のノードにおける一対のノードを直接結ぶエッジは、前記一対のノードに対応する一対の要素の間の直接的な因果関係を示し、
   前記第１要素に対する前記対象要素の変化率を決定することは、
   前記第１要素から前記対象要素までの少なくとも１つの経路であって、前記因果グラフの少なくとも１つのエッジをそれぞれ含む少なくとも１つの経路を、前記因果グラフから決定することと、
   前記少なくとも１つの経路における各経路について、当該経路に含まれる少なくとも１つのエッジが表す直接的な因果関係における、原因要素に対する結果要素の直接変化率に基づいて、当該経路における、前記第１要素に対する前記対象要素の部分変化率を決定することと、
   前記少なくとも１つの経路について決定された少なくとも１つの部分変化率の和に基づいて、前記第１要素に対する前記対象要素の変化率を決定することと、
   を含む、
   請求項７に記載の電子デバイス。
9. 前記第１要素の前記基礎データを決定することは、
   前記複数の要素に前記第１要素の直接原因としての少なくとも１つの要素が含まれることを、前記因果構造が示す場合、
   前記因果構造が示す、前記少なくとも１つの要素と前記第１要素との直接的な因果関係から、前記少なくとも１つの要素に対する前記第１要素の少なくとも１つの直接変化率を決定し、且つ
   前記第１要素及び前記少なくとも１つの要素それぞれの観測データと、決定された前記少なくとも１つの直接変化率とに基づいて、前記第１要素の基礎データを決定することと、
   前記複数の要素に前記第１要素の直接原因としての要素が含まれないことを、前記因果構造が示す場合、前記第１要素の観測データを前記第１要素の基礎データとして決定することと、
   を含む、
   請求項７に記載の電子デバイス。
10. 前記因果構造は、前記少なくとも１つの第２要素が前記第１要素の直接原因であることを示し、
    前記対象観測データに対する前記第１要素の総貢献度を決定することは、
    前記対象観測データに対する、前記少なくとも１つの第２要素のそれぞれと前記第１要素との直接的な因果関係の少なくとも１つの関係貢献度を決定することと、
    前記対象観測データに対する前記第１要素の基礎貢献度を決定することと、
    前記対象観測データに対する前記第１要素の前記基礎貢献度と前記少なくとも１つの関係貢献度との和に基づいて、前記対象観測データに対する前記第１要素の総貢献度を決定することと、
    を含む、
    請求項５に記載の電子デバイス。
11. 前記因果構造は、前記第１要素が前記第３要素の原因であることを示し、
    前記対象観測データに対する、前記第１要素と前記第３要素との前記因果関係の関係貢献度を決定することは、
    前記対象観測データに対する前記第３要素の基礎貢献度及び総貢献度を決定することと、
    前記因果構造が示す前記第３要素と前記対象要素との因果関係に基づいて、前記第３要素に対する前記対象要素の変化率を決定することと、
    前記第１要素が前記第３要素の唯一の原因であることを前記因果構造が示す場合、前記第３要素の総貢献度とその基礎貢献度との差を、前記対象観測データに対する、前記第１要素と前記第３要素との前記因果関係の関係貢献度として決定することと、
    を含み、
    前記対象要素の観測データと前記第３要素の観測データが与えられた場合、前記変化率は、前記第３要素の観測データの変化に対する前記対象要素の観測データの変化する程度である、
    請求項５に記載の電子デバイス。
12. 前記対象観測データに対する、前記第１要素と前記第３要素との前記因果関係の関係貢献度を決定することは、さらに、
    少なくとも１つの第４要素が前記第３要素の別の原因であることを前記因果構造が示す場合、
    前記因果構造に基づいて、前記対象観測データに対する、前記少なくとも１つの第４要素と前記第３要素との因果関係の別の関係貢献度を決定することと、
    前記対象観測データに対する前記第３要素の前記総貢献度から、前記別の関係貢献度と、前記対象観測データに対する前記第３要素の前記基礎貢献度との和を減じることにより、前記対象観測データに対する、前記第１要素と前記第３要素との前記因果関係の関係貢献度を決定することと、
    を含む、
    請求項１１に記載の電子デバイス。
13. 前記因果構造は、前記第１要素が前記第３要素の原因であることを示し、
    前記対象観測データに対する、前記第１要素と前記第３要素との前記因果関係の関係貢献度を決定することは、
    前記因果構造が示す前記第１要素と前記第３要素との因果関係から、前記第１要素に対する前記第３要素の第１変化率を決定することと、
    前記因果構造が示す前記第３要素と前記対象要素との因果関係から、前記第３要素に対する前記対象要素の第２変化率を決定することと、
    前記第１要素の観測データ、前記第１変化率及び前記第２変化率に基づいて、前記対象観測データに対する、前記第１要素と前記第３要素との前記因果関係の関係貢献度を決定することと、
    を含み、
    前記第１変化率は、前記第１要素の観測データの変化に対する前記第３要素の観測データの変化する程度であり、
    前記第２変化率は、前記第３要素の観測データの変化に対する前記対象要素の観測データの変化する程度である、
    請求項５に記載の電子デバイス。
14. プロセッサにより実行される場合、
    分析する複数の要素のそれぞれに対応する観測データを取得することと、
    前記複数の要素のうちの１つの要素が対象要素として選択されたことに応じて、前記対象要素に関わる前記複数の要素の因果構造を取得し記憶することと、
    前記因果構造と、前記複数の要素のそれぞれに対応する前記観測データとに基づいて、前記複数の要素における第１要素の、前記対象要素の対象観測データに対する貢献度を決定することと、
    を含む方法のステップを実現し、
    前記因果構造は、前記複数の要素の間の因果関係を示し、
    前記因果関係は、線形の因果関係であり、
    前記貢献度は、数式（１）により求める、
    attribution（ｘ）＝ｙ－Ｅ（Ｙ_Ｘ＝０｜Ｘ＝ｘ，Ｙ＝ｙ） （１）
    ただし、attribution（ｘ）は、事実ｘの事実ｙに対する前記貢献度を表し、
    Ｅ（Ｙ_Ｘ＝０｜Ｘ＝ｘ，Ｙ＝ｙ）は、反事実推論を表す、
    コンピュータプログラム。

Images