JPH07141384A - データ特徴抽出方法およびデータ分類装置 - Google Patents

Abstract

(57)【要約】 【構成】ステップ１０１で読み込まれた入力データパタ
ーンの各データは、ステップ１０２で自然言語等の記号
のラベルが付与され、さらにはステップ１０３で一つ以
上の入力データパターンおよびデータの項目の組合せに
統合されて入力データパターン群となる。そしてステッ
プ１０４では入力データパターン群内での比較、または
他のデータパターン群との比較により、入力データパタ
ーンに特徴的な記号のラベルが抽出される。 【効果】数値データを含むデータパターンの特徴をユー
ザに分りやすい形で抽出できる。また、データパターン
の自動分類が容易に可能になる。

Description

【発明の詳細な説明】

【０００１】

【産業上の利用分野】本発明は、数値データ等の特徴抽
出技術および異常診断技術に係り、特に、大量の数値デ
ータを解析して有用な情報を取り出すデータベースの解
析，制御プラントのセンサ等より得られるオンラインデ
ータを解析して行う制御等、情報制御の分野一般に関す
る。

【０００２】

【従来の技術】データの特徴を取り出す技術は、文献検
索の分野に自動索引付けの技術（以下、従来技術１と呼
ぶ）および、統計解析技術（以下、従来技術２と呼ぶ）
がある。

【０００３】従来技術１について説明する。文献検索と
は様々な文献の中から必要な文献だけを検索する技術で
あるが、この中では文献の主題を表す重要語（キーワー
ド）の扱いが重要な柱になっている。キーワードは主に
二つの目的に利用される。一つは文献の主題を知るのに
キーワードを利用する方法である。ユーザはキーワード
により文献の内容を判断する。文献を読むことを省ける
ので、効率的に文献の内容を知ることができる。二つめ
は、先に述べたように文献とともに文献のキーワードを
データベースに登録し、文献の検索に利用する方法であ
る。これにより、文献検索の効率が向上する。

【０００４】文献の内容からキーワードを求める方法は
いくつか提案されているが、人間が文献を読んでキーワ
ードを決定するのでなく、計算機を用いて自動的にキー
ワードを抽出する技術が従来技術１である。従来技術１
は、伊藤哲朗著「情報検索（ソフトウェア講座１９）」
（昭晃堂刊）等に詳しい。従来技術１では、一般に文献
に現れる語の一覧表をつくりこの一覧表に様々な処理を
加えてキーワードを抽出する。キーワード抽出のいくつ
かの方法について簡単に説明する。具体的な方法は、
（１）不要語リストを用いる、（２）文献中の語の出現
頻度を基に選択する、（３）文献中の語の出現頻度に対
してχ２分布による検定を行う、等がある。

【０００５】（１）の方法では、まず文献の主題を示す
とは思われない語を不要語リストとして登録する。不要
語リストに登録される語は、冠詞，数詞，代名詞等の機
能語および、文献の属する分野で一般的に使用される語
である。キーワードの抽出は、文献中に現れる語を不要
語リストと照らし合わせて行われる。すなわち、文献中
の語で、リスト中に存在しない語をキーワードとして抽
出する。

【０００６】（２）の方法では、文献中の語をその出現
頻度の順に並べる。次に出現頻度の高い語が重要語であ
ると考え、出現頻度の大きい語から不要語を除いたもの
をキーワードとして抽出する。キーワードとしていくつ
の語を選ぶかは、文献の属する分野等によって定まる。

【０００７】（３）の方法では、χ２分布による検定を
利用する。ある語ｒ(ｕ)の出現確率が全ての文献を通じ
て等しいと仮定してχ２値を求める。χ２値が十分に大
きい場合、語ｒ(ｕ)の出現確率は、文献間で偏りがある
と判定できる。したがって語ｒ(ｕ)は、ある文献と他の
文献を区別することができる語であると考えられるの
で、キーワードとして抽出する。

【０００８】語ｒ(ｕ)のχ２値は、次式で求めることが
できる。

【０００９】

【数１】

【００１０】ただし、

【００１１】

【数２】

【００１２】Ｎ：文献数、ｈ(ｕ，ｖ)：出現確率が文献
間で一様と仮定した時の文献ｖでの語ｒ(ｕ)の頻度、ｇ
(ｕ，ｖ)：語ｒ(ｕ)の文献ｖでの頻度、Ｍ：全文献での
語の総頻度、Ｌ(ｕ)：全文献での語ｒ(ｕ)の頻度、Ｋ
(ｖ)：文献ｖでの語の総頻度 このχ２(ｕ)は、自由度(Ｎ−１)のχ２分布に従う。

【００１３】実際のキーワード抽出では、この式に基づ
いて各語についてχｕ２値を求め、次に、自由度(Ｎ−
１)のχ２分布の例えば５％の有意水準でのχ２値と比
較して、χ２(ｕ)値の方が大きければキーワードとして
抽出する。

【００１４】従来技術２について説明する。従来技術２
は、データに統計的な処理を施してデータの持つ特徴を
明らかにするものである。統計処理として最も簡単に
は、各データについて平均・分散等を調べる方法があ
る。さらに各項目間の関係を調べたければ、共分散を調
べる，相関係数を調べるなどの方法がある。

【００１５】

【発明が解決しようとする課題】従来の技術には次のよ
うな課題がある。

【００１６】まず、従来技術１の対象は、自然言語から
なる文献等にあくまでも限定される。すなわち、その文
献の特徴（主題）が自然言語等のキーワードにより特定
できることが必要である。このため、特徴が数値で現れ
るものには適用不可能である。例えば、制御プラントの
センサデータ等はデータパターンの数値に特徴が現れる
ため従来技術１の、一覧表を作った後に特徴を表すキー
ワードを抽出する方法が適用できない。

【００１７】また従来技術１では、ユーザは文献のキー
ワードを利用して文献の内容を把握できた。しかし、特
徴が数値で示されるような場合にはこれが難しい。例え
ば、ある制御プラントのセンサデータの特徴が、平均値
＝２０.５ 、と示されても、これから直接にデータの持
つ意味を理解することは難しい。これと同じ問題は、従
来技術２でも生じる。従来技術２の統計処理はあくまで
数値的な処理を行うものであり、処理の結果はいずれも
数値としてユーザに提示される。ユーザがこの結果を理
解するには統計処理の知識が必要とされ、データの特徴
を簡単に調べることは難しい。

【００１８】このように従来の方法は、数値データを含
むデータパターンの持つ特徴をユーザが容易に理解でき
るように抽出することが困難な課題を持っていた。

【００１９】本発明の目的は、数値データを含むデータ
パターンの持つ特徴をユーザが容易に理解できるように
抽出するデータ特徴抽出方法および装置を提供すること
にある。

【００２０】本発明の他の目的は、数値データを含むデ
ータパターンからデータの特徴を抽出して登録してお
き、登録しておいた特徴を基に、新たなデータパターン
の分類を行うデータ分類方法および装置を提供すること
にある。

【００２１】

【課題を解決するための手段】本発明は、入力装置等か
ら入力データパターンを読み込み、読み込んだ入力デー
タパターンを、データパターンを一つ以上含むデータパ
ターン群に統合し、統合したデータパターン群のデータ
に対して自然言語等の記号のラベル付けを行い、ラベル
付けされたデータパターン群の記号について、データパ
ターン群内での比較，他のデータパターンとの比較等を
行って従来技術等の手法によりデータパターンの特徴を
抽出する。

【００２２】さらに、本発明は抽出したデータパターン
の特徴を登録して蓄積し、新たなデータパターンが読み
込まれた時には、蓄積された情報を基に新たなデータパ
ターンから抽出された特徴と蓄積された情報を比較す
る。

【００２３】

【作用】データに自然言語等の記号のラベル付けを行っ
た後に特徴抽出を行うため、対象とするデータパターン
に数値データが含まれていても、自動特徴抽出が可能に
なる。また、この時に抽出される特徴は自然言語等の記
号のラベルであり、前記の文献に対するキーワードと同
様であるため、ユーザはデータを調べることなく容易に
データの持つ特徴を把握することが可能になる。

【００２４】さらにデータパターンの特徴を蓄積して分
類し、入力データパターンと比較することで、入力デー
タパターンの分類を容易に判定でき、データ分類システ
ムが簡単に構築できる。また、データパターンの正常
時、または、異常時の特徴を蓄積しておけば、入力デー
タパターンの異常診断が容易に可能になる。

【００２５】

【実施例】図１は、本発明のデータ特徴抽出手順を示し
たフローチャートである。図２は、本発明のデータ特徴
抽出装置の構成を示すブロック図である。

【００２６】図２中、入力データ読込み部２０１はデー
タバス等を介してデータベースまたは、制御プロセス装
置のセンサ等から送られてくるデータを読み込む。記号
変換部２０２は、数値データ等と自然言語等の記号の変
換方式を記憶している。

【００２７】ユーザ入出力部２０３は、キーボード，デ
ィスプレイ等によって構成され、データパターンをデー
タパターン群に統合する際の統合方法，数値データを記
号に変換する際の変換方法等を受け付け、また抽出され
た特徴の表示等を行う。データパターン群統合部２０４
は、入力データ読込み部２０１より読み込まれた入力デ
ータパターンを統合して入力データパターン群を生成
し、また記号変換部202を参照して数値データを記号に
変換する。データパターン記憶部２０５は他のデータパ
ターンまたはデータパターン群の特徴等を記憶してい
る。特徴抽出部206は、データパターン統合部２０４で
記号に変換され統合された入力データパターン群に対
し、入力データパターン群内での特徴を調べる、データ
パターン記憶部２０５に記憶されている他のデータパタ
ーンまたはデータパターン群と比較する等により、入力
データパターン群の特徴を抽出する。

【００２８】次に図１に基づいて図２の各部の動作につ
いて説明する。説明では熱ボイラの稼働状況のデータを
例として用いる。熱ボイラは、内部状態が「ボイラ内温
度」および「ボイラ内圧力」の値で表現される。熱ボイ
ラのデータの項目は、「ボイラ名」，「時刻」，「ボイ
ラ内温度」，「ボイラ内圧力」，「圧力弁制御量」、の
５項目からなる。熱ボイラ装置は、圧力弁を介して内部
状態が制御されている。「圧力弁制御量」は圧力弁の開
度であり、簡単には、圧力弁を開くとボイラの温度およ
び圧力が下がり、逆に閉じると温度および圧力が上昇す
る。簡単のため、以下では温度と圧力のみに注目して説
明を行う。

【００２９】現在ボイラ１，ボイラ２，ボイラ３の三つ
のボイラが稼働しており、それぞれのボイラについてデ
ータが得られている。

【００３０】表１に三つのボイラのデータを示す。表１
のデータから、ボイラ１の特徴を調べる。

【００３１】

【表１】

【００３２】まず、図１のステップ１０１では、ボイラ
１のデータを読み込む。データの読み込みは入力データ
読込み部２０１で実行される。読み込まれたボイラ１の
各データはステップ１０２で記号のラベルが付与され
る。記号の変換はデータパターン統合部２０４で記号変
換部２０２を参照して実行される。

【００３３】データを自然言語等の記号に変換する方法
は様々な公知の方法がある。ここでは例として最も単純
に記号とそれに対応するデータの範囲をあらかじめ定義
しておき、この定義に従って変換を行うことにする。た
だし、本発明はこの方法を採用することで限定されるこ
とはない。変換の定義は記号変換部に記憶される。記号
変換部２０２に記憶される定義はユーザ入出力部２０３
を介することでユーザは自由に変更することが可能であ
る。

【００３４】定義の詳細を表２に示す。定義では、各項
目の値を五つの区間に分割して、それぞれ「特大」，
「大」，「中」，「小」，「特小」の自然言語の記号を
割り当てている。定義にしたがってボイラ１のデータを
記号に変換した結果を表３に示す。

【００３５】

【表２】

【００３６】

【表３】

【００３７】記号に変換した後、ステップ１０３で入力
データパターンの統合を行う。ここでは、データ数が少
ないので、一つの入力データパターンでデータパターン
群を構成する。データパターンを統合した後にデータパ
ターンデータの特徴抽出を行う。特徴抽出は、データパ
ターン記憶部２０５を参照して特徴抽出部２０６で実行
される。特徴抽出法は、従来技術１の方法等が利用可能
である。ここでは従来技術１の（２）の方法または、
（３）の方法を利用した場合について説明を行う。ただ
し本発明はこれにより限定されることはない。

【００３８】従来技術１の（２）の方法を利用した場合
について説明する。特徴抽出部206では、各項目につい
て頻度の最も大きなものを一つ選んで特徴として抽出す
る。表３中の各項目について、それぞれ、（ボイラ内温
度，大），（ボイラ内圧力，大および中）、となる。

【００３９】従来技術の（３）の方法を用いた場合につ
いても説明する。ボイラ２，ボイラ３のデータも含めて
自然言語の記号に変換した結果は表４になる。これはデ
ータパターン記憶部２０５に記憶されているとする。特
徴抽出部２０６では、ボイラ１の各データ項目に現れる
記号について、それぞれボイラ１〜３のデータを通じて
χ２値を求めて検定を行う。検定の有意水準は５％とす
る。ボイラが三つの場合、分布は自由度２のχ２分布に
したがうので、数１にしたがってχ２値を求めて検定を
行うと、特徴として、（ボイラ内温度，特大），(ボイ
ラ内圧力，特大)、が容易に得られる。

【００４０】

【表４】

【００４１】このようにして得られた特徴は、ステップ
１０５でユーザ入出力部２０３で出力される。

【００４２】この実施例では、入力データパターンを読
み込んだ後、記号に変換してからデータパターンの統合
を行ったが、これとは逆に入力データパターンをいくつ
かまとめてデータパターン群に統合して記号に変換して
もよい。この場合、データパターン群に統合した後、デ
ータパターン群内で平均をとる、分散を調べる等の処理
を行ってもよい。時系列データの場合など、データパタ
ーンの集まりが特徴を持つような場合に有効な特徴抽出
が可能になる。

【００４３】この実施例では、オフライン的に得られる
入力データに対して特徴抽出を行ったが、オンライン的
に得られるデータに対しても本発明の特徴抽出は適用可
能である。オンライン的なデータに対しては、上述の方
法をそのまま適用して入力データパターンを統合した入
力データパターン群内で特徴を抽出してもよいし、過去
の入力パターンをデータパターン記憶部２０５に記憶し
ておいてこれとの比較で入力データパターンの特徴を抽
出してもよい。

【００４４】例えば、ボイラ１の運転状況のデータがオ
ンラインでリアルタイムに入力データ読込み部２０１に
入力される構成であるとする。入力されるデータは表５
に示す１５分毎のデータである。簡単のため圧力の値の
み注目する。

【００４５】

【表５】

【００４６】図３に処理の手順のフローチャートを示
す。ステップ１０１では、実施例と同様に入力データパ
ターンを読み込む。次にステップ３０２で入力データパ
ターンを統合してデータパターン群とする。これはデー
タパターン統合部２０４で実行される。ここでは、例と
して連続する二つの入力データパターンを組にしてデー
タパターン群とする。生成されるデータパターン群は、
（１０：００のデータパターン，１０：１５のデータパ
ターン）、（１０：１５のデータパターン，１０：３０
のデータパターン）、…、等となる。

【００４７】次にデータパターン群での内部処理を行
う。ここでは例として二つのデータの差分をとる。差分
をとったデータを表６に示す。記号のラベル付けは、デ
ータパターン群の内部処理を行ったデータ、すなわち、
表６のデータに対して行う。

【００４８】

【表６】

【００４９】記号のラベルへの変換方式を表７に示す。
これは記号変換部２０２に記憶されている。変換方式は
データパターンの差分値の大きさに対応する記号のラベ
ル、「急激に上昇」，「上昇」，「一定」，「下降」，
「急激に下降」、が設定されている。これにしたがっ
て、記号のラベルに変換された結果を表８に示す。

【００５０】

【表７】

【００５１】

【表８】

【００５２】記号のラベルに変換されたデータパターン
群は、特徴抽出部２０６でその特徴が抽出される。デー
タパターン記憶部にボイラ１の過去のデータパターンを
記憶しておいて、これと入力データパターンの間でχ２
分布を調べる。

【００５３】データパターン記憶部には表９のようなデ
ータが記憶されている。表９は、表１中のボイラ１中の
データパターンについて差分をとり、記号のラベルに変
換したものである。

【００５４】

【表９】

【００５５】入力データパターンに対して次々に特徴抽
出を行うと、表１０に示す結果が次々に得られる。空欄
は特徴が抽出されなかったことを示している。得られた
結果はステップ１０５でユーザ出力部２０３で入力され
る。

【００５６】

【表１０】

【００５７】このようにして本発明によりオンライン的
なデータに対しても特徴の抽出が可能である。

【００５８】オンライン的なデータに対する実施例で
は、離散的な入力データパターンを対象としたが、連続
的な入力データパターンであってもサンプリング等の適
当な手段を用いて離散化することで本発明は容易に適用
可能である。

【００５９】このオンライン的なデータに対する実施例
では、入力データパターンを読み込んだ後、データパタ
ーンを統合してから記号のラベルに変換したが、これと
は逆に入力データパターンを記号に変換してからデータ
パターン群に統合してもよい。

【００６０】オンライン的なデータに対する実施例で
は、データパターン群内部処理は、二つのデータパター
ンの差分をとったが、これ以外にも平均をとる，分散を
とる等の従来技術２の統計的な処理を施して、特徴抽出
が有効に実行できるようにしてもよい。

【００６１】オンライン的なデータに対する実施例で
は、特徴抽出の方法として、過去のデータを用いたχ２
分布による検定を行ったが、これ以外に上記の従来技術
１およびオフライン的なデータに対する実施例で述べた
様々な方法が利用可能である。

【００６２】オンライン的なデータに対する実施例で
は、二つのデータパターン毎にデータパターン群を設定
したが、二つ以上のデータパターンを統合してデータパ
ターン群として記号のラベル付けを行ってもよい。これ
は、データパターン群統合部での統合方法および記号変
換部での設定内容を変更するだけで容易に実現できる。
任意の期間のデータパターンを統合することで、様々な
時定数の現象について特徴の抽出が可能になり、ボイラ
でいえば、数分毎のボイラの状況の変化から数年の単位
で現れるボイラの特性の経年変化等まで幅広く適用可能
になる利点が生じる。経年変化について調べたければ、
例えば、１年分のデータパターンでデータ群をつくり、
過去１０年間のデータパターン群に現れる特徴の変化を
調べればよい。

【００６３】実施例では、それぞれ各項目について単独
で特徴を調べたが、複数の項目の組合せについて調べて
も良い。例えば、オフライン的なデータから温度と圧力
の組合せについて特徴を抽出したい場合には、温度と圧
力はそれぞれ５項目ずつあるので、５×５で２５の組合
せ、すなわち、 （温度，圧力）＝（特大，特大）、 （温度，圧力）＝（特大，大）、 （温度，圧力）＝（特大，中）、 …、 （温度，圧力）＝（特小，特小）、 をつくり、この組合せを単独の項目とみなして実施例と
同様に特徴抽出を行えば良い。オンライン的なデータに
対しても同様に組合せを作ることが可能である。例え
ば、あるデータとそれから５分後のデータで組合せを作
り、これを単独の項目とみなせばよい。

【００６４】第一の実施例によれば、データパターンに
数値データが含まれている場合でも、自動的に特徴を抽
出することが可能になり、ユーザはデータを直接的に調
べることなく容易にデータの持つ特徴を把握できる。本
発明の行う特徴抽出は記号により行われるため、上記実
施例で明らかなようにユーザに非常に分りやすい。

【００６５】本発明の第二の実施例を図面を用いて詳細
に説明する。図４は、本発明の異常診断手順を示したフ
ローチャートである。図５は、本発明のデータ特徴抽出
装置の構成を示すブロック図である。図５中、入力デー
タ読込み部２０１，記号変換部２０２，ユーザ入出力部
２０３，データパターン群統合部２０４，データパター
ン記憶部２０５および、特徴抽出部２０６は第一の実施
例と同じ構成である。

【００６６】データ分類記憶部５０２は、異常または正
常時データパターンの特徴等を記憶し、データ分類部５
０１は、特徴抽出部２０６で抽出された入力データパタ
ーンの特徴とデータ分類記憶部５０２に記憶されている
データパターンの比較を行い入力データパターンの異常
の有無を検出する。

【００６７】次に図４に基づいて図５の各部の動作につ
いて説明する。説明では、実施例１で用いたものと同じ
熱ボイラの例で説明を行う。ボイラのデータはオンライ
ンで入力データ読込み部２０１から読まれている。

【００６８】読み込まれたデータは、ステップ１０１〜
１０４で第一の実施例のデータ抽出方法により特徴が抽
出される。ただし、記号変換部２０２には、入力データ
パターンの各データの値について、各項目の値を五つの
区間に分割して、それぞれ「特大」，「大」，「中」，
「小」，「特小」の記号のラベルを割り当てる。データ
パターン１組をもってデータパターン群とし、過去のデ
ータパターンとのχ２検定により抽出するものとする。
また、特徴の抽出は、温度と圧力の組合せについて行
う。

【００６９】ステップ４０１では、データ分類記憶部の
内容と抽出された特徴を比較して異常の有無を検出す
る。ただし、データ分類記憶部５０２は、正常時のデー
タパターンを記憶している。正常時のデータパターンで
は、温度と圧力はほぼ比例関係にある。したがって正常
時のデータの特徴をあらかじめ抽出しておくと表１２の
内容になる。表１２の内容は分類記憶部に記憶される。

【００７０】今、表１１のデータが順に入力データ読込
み部から読み込まれるとする。表１１のデータを図示し
たものは図６である。図中時刻が２０：４５を境に全体
のデータを領域１と領域２に分けることができる。図中
領域１の区間ではボイラは正常な状態にあるが、領域２
の区間では圧力が急激に低下している。これは、２０：
４５にボイラに穴があく異常が発生したためである。

【００７１】領域１の区間に対して、入力データパター
ンは、（温度＝大，圧力＝大）、等であるが、これは過
去のデータパターンとのχ２検定では、特徴として抽出
されない。

【００７２】

【表１１】

【００７３】

【表１２】

【００７４】検出されるデータは、（温度＝小，圧力＝
特小）、などの通常の運転時にはあまり現れない正常時
のデータであるが、これらもデータ分類記憶部５０１に
記憶されている特徴、すなわち表１２の内容と一致する
ので、結局データ分類部５０１は、ステップ４０２で正
常なデータパターンと判定する。

【００７５】一方、領域２のデータが入力されると、入
力データパターンで特徴として抽出されるものは、（温
度＝大，圧力＝小），（温度＝中、圧力＝特小）、等で
あり、データ分類記憶部５０２に記憶されている正常時
のデータパターンの特徴とは異なる。領域２のデータパ
ターンに対してデータ分類部５０１では、ステップ４０
２で領域２のデータについて異常を検出し、ステップ４
０４でユーザ入出力部２０３に異常を表示する。

【００７６】第二の実施例のデータパターンの特徴抽出
の方法は、上記の方法以外に第一の実施例で述べた方法
を用いてもよい。

【００７７】第二の実施例ではデータ分類記憶部５０２
に正常時のデータパターンの特徴を記憶し、抽出した入
力データパターンの特徴がこれに該当しない時に異常と
判定したが、これ以外にデータ分類記憶部５０２に異常
時のデータパターンの特徴を記憶し、抽出した入力デー
タパターンの特徴がこれに合致する時に異常と判定して
もよい。異常の状態にいくつかの分類がある場合、例え
ば、「ボイラに穴があいた異常の特徴は温度に比べ圧力
が低い」、「ボイラの加熱装置の異常は温度が特小であ
る」等の場合には、これら全てを記憶しておいて、入力
データパターンの異常がどの分類に属するか判定しても
よい。各分類の特徴は、分類に対応するデータパターン
に対して実施例１の特徴抽出を行えばよい。また、異常
時のデータと正常時のデータを両方記憶しておいて、入
力データパターンの特徴を両方と比較して異常の判定を
行ってもよい。さらに、データパターンの特徴を記憶す
るのではなく、データパターンそのものを記憶しておい
て、これと入力データパターンの間でχ２分布による検
定等を行い、入力データパターンが異常なパターンなの
か正常なパターンなのか判定してもよい。

【００７８】また、第二の実施例ではデータ分類記憶部
に記憶するデータパターンの特徴は、第一の実施例の特
徴抽出を用いたが、人間の経験則等の他の手段により特
徴を求めて記憶しておいてもよい。

【００７９】第二の実施例によれば、データパターンの
特徴を自動的に抽出して分類，登録しておき、これに基
づいて新たなデータパターンの分類を行うことが可能に
なる。ユーザは容易にデータ分類装置を構築することが
できる。

【００８０】

【発明の効果】本発明によれば、数値データを記号のラ
ベルに変換してデータの特徴を抽出するので、数値デー
タを含むデータパターンであっても特徴を抽出すること
ができる。またユーザは、データパターンが数値データ
を含んでいても、記号のラベルでデータパターンの内容
を容易に知ることが可能になる。

【００８１】さらに本発明によれば、自動抽出したデー
タパターンの特徴を基にデータの分類を行うため、デー
タ分類装置が効率的に構築できる。そして、あるデータ
がある分類であると判定された場合に、ユーザはその根
拠を記号のラベルにより容易に理解できる。

【図面の簡単な説明】

【図１】本発明のデータ特徴抽出方法の処理手順の一実
施例を示すフローチャート。

【図２】本発明のデータ特徴抽出装置の一実施例のブロ
ック図。

【図３】本発明のデータ特徴抽出方法の手順の別の実施
例を示すフローチャート。

【図４】本発明のデータ分類方法の処理手順の一実施例
を示すフローチャート。

【図５】本発明のデータ分類装置の一実施例のブロック
図。

【図６】本発明の第二の実施例の説明に使用した熱ボイ
ラ装置の特性図。

【符号の説明】

２０１…入力データ読込み部、２０２…記号変換部、２
０３…ユーザ入出力部、２０４…データパターン統合
部、２０５…データパターン記憶部、２０６…特徴抽出
部、５０１…データ分類部、５０２…データ分類記憶
部、６０１…温度のグラフ、６０２…圧力のグラフ。

Claims (9)

【特許請求の範囲】
1. 【請求項１】入力装置から読み込まれる入力データパタ
   ーンを、データパターンを一つ以上含むデータパターン
   群に統合し、統合された前記データパターン群のデータ
   に対して自然言語等の記号のラベル付けを行い、さらに
   付与された記号のラベルを基に、前記データパターン内
   での比較，前記データパターン群と他のデータパターン
   群の比較等を行い、前記データパターン群に特徴的な記
   号のラベルが検出された場合には、前記記号のラベルを
   前記データパターン群の特徴として抽出することを特徴
   とするデータ特徴抽出方法。
2. 【請求項２】入力装置から読み込まれる入力データパタ
   ーンのデータに対して自然言語等の記号のラベル付けを
   行い、ラベル付けを行ったデータパターンを一つ以上含
   むデータパターン群に統合し、さらに付与された記号の
   ラベルを基に、前記データパターン内での比較，前記デ
   ータパターン群と他のデータパターンの比較、前記デー
   タパターン群と他のデータパターン群の比較等を行い、
   前記データパターン群に特徴的な記号のラベルが検出さ
   れた場合には、前記記号のラベルを前記データパターン
   群の特徴として抽出することを特徴とするデータ特徴抽
   出方法。
3. 【請求項３】入力データパターンを読み込む手段と、読
   み込んだ前記入力データパターンを、データパターンを
   一つ以上含むデータパターン群に統合するデータパター
   ン統合手段と、データに自然言語等の記号のラベルを付
   与する方式を記憶した変換方式記憶手段と、前記変換方
   式記憶手段を参照して、読み込んだ前記入力データパタ
   ーンの各項目のデータに対して自然言語等の記号のラベ
   ルを前記データパターン群のデータに付与する手段と、
   他のデータパターンまたはデータパターン群を記憶して
   いるデータパターン記憶手段と、前記データパターン記
   憶手段に記憶されている他のデータパターンまたはデー
   タパターン群と前記データパターン群の比較，前記デー
   タパターン群内での解析等により前記データパターン群
   の特徴を抽出する特徴抽出手段と、前記特徴抽出手段に
   おいて抽出された特徴を表示する手段とを含むことを特
   徴とするデータ特徴抽出装置。
4. 【請求項４】請求項１または２において、データパター
   ンを読み込み、読み込んだデータ特徴抽出法を適用して
   得られた特徴の記号のラベルと、データパターンを分類
   する記号のラベルのデータの特徴を比較し、前記データ
   パターンの分類を行うデータ分類方法。
5. 【請求項５】請求項１または２において、制御プラント
   等のセンサデータ等のデータパターンを読み込み、読み
   込んだ前記データパターンにデータ特徴抽出法を適用
   し、得られた特徴の記号のラベルが制御プラントのセン
   サーデータ等の異常時の特徴と一致する場合に異常と診
   断する異常診断方法。
6. 【請求項６】請求項１または２において、制御プラント
   等のセンサデータ等のデータパターンを読み込み、読み
   込んだ前記データパターンにデータ特徴抽出法を適用
   し、得られた特徴の記号のラベルが制御プラントのセン
   サデータ等の異常時の特徴と一致する場合に異常と診断
   する異常診断方法。
7. 【請求項７】入力データパターンを読み込む手段と、読
   み込んだ前記入力データパターンを、データパターンを
   一つ以上含むデータパターン群に統合するデータパター
   ン統合手段と、データに自然言語等の記号のラベルを付
   与する方式を記憶した変換方式記憶手段と、変換方式記
   憶手段を参照して、読み込んだ前記入力データパターン
   の各項目のデータに対して自然言語等の記号のラベルを
   前記データパターン群のデータに付与する手段と、他の
   データパターンまたはデータパターン群を記憶している
   データパターン記憶手段と、前記データパターン記憶手
   段に記憶されている他のデータパターンまたはデータパ
   ターン群と前記データパターン群の比較，前記データパ
   ターン群内での解析等により前記データパターン群の特
   徴を抽出する特徴抽出手段と、データパターンの分類に
   必要なデータの特徴を記憶する分類特徴記憶手段と、前
   記特徴抽出手段により得られる特徴の記号のラベルと前
   記分類特徴記憶手段に記憶されている記号のラベルを比
   較してデータの特徴を分類する分類手段とを含むことを
   特徴とするするデータ分類装置。
8. 【請求項８】請求項７において、正常時のデータまたは
   異常時のデータの特徴を記号のラベルで記憶している分
   類特徴記憶手段と、前記特徴抽出手段により得られる特
   徴の記号のラベルと前記分類記憶手段に記憶されている
   記号のラベルを比較してデータの異常または正常の診断
   を行う分類手段とを含むデータ分類装置。
9. 【請求項９】請求項１または２において、前記データ特
   徴抽出手段と、抽出した記号のラベルの特徴を前記デー
   タパターンと共に記憶するデータ特徴記憶手段と、前記
   データ特徴記憶手段に記憶された前記データパターンを
   記号のラベルにより検索可能なデータ検索手段とを含む
   データ登録検索装置。