JPH0876955A - 選択事項表示システムおよび方法 - Google Patents

選択事項表示システムおよび方法

Info

Publication number
JPH0876955A
JPH0876955A JP6208309A JP20830994A JPH0876955A JP H0876955 A JPH0876955 A JP H0876955A JP 6208309 A JP6208309 A JP 6208309A JP 20830994 A JP20830994 A JP 20830994A JP H0876955 A JPH0876955 A JP H0876955A
Authority
JP
Japan
Prior art keywords
selection
display
model
selection item
learning
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Withdrawn
Application number
JP6208309A
Other languages
English (en)
Inventor
Masahiro Matsuoka
雅裕 松岡
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Fujitsu Ltd
Original Assignee
Fujitsu Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Fujitsu Ltd filed Critical Fujitsu Ltd
Priority to JP6208309A priority Critical patent/JPH0876955A/ja
Priority to US08/521,727 priority patent/US5953011A/en
Publication of JPH0876955A publication Critical patent/JPH0876955A/ja
Withdrawn legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F9/00—Arrangements for program control, e.g. control units
    • G06F9/06—Arrangements for program control, e.g. control units using stored programs, i.e. using an internal store of processing equipment to receive or retain programs
    • G06F9/44—Arrangements for executing specific programs
    • G06F9/455—Emulation; Interpretation; Software simulation, e.g. virtualisation or emulation of application or operating system execution engines
    • G06F9/45504—Abstract machines for programme code execution, e.g. Java virtual machine [JVM], interpreters, emulators
    • G06F9/45508—Runtime interpretation or emulation, e g. emulator loops, bytecode interpretation
    • G06F9/45512—Command shells
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F9/00—Arrangements for program control, e.g. control units
    • G06F9/06—Arrangements for program control, e.g. control units using stored programs, i.e. using an internal store of processing equipment to receive or retain programs
    • G06F9/44—Arrangements for executing specific programs
    • G06F9/451—Execution arrangements for user interfaces
    • G06F9/453—Help systems

Abstract

(57)【要約】 【目的】 情報処理装置において操作性の高い選択事項
表示システムおよびその方法を提供する。さらに詳しく
は、多様な選択操作の種類に応じて適切な修正方法と表
示方法を自動的に提供し、ユーザによる選択操作の効率
を向上させる。 【構成】 個々の選択操作群Ａ1 等について操作履歴収
集装置１４が収集したユーザによる過去の選択操作の履
歴を、操作モデル学習装置１６が確率モデルにより学習
して操作モデルＢ1 等を生成する。操作モデル翻訳装置
１７は表示制約の下で操作モデルＢ1 等を翻訳して表示
方法の記述Ｃ1 等を生成し、選択操作機能提供装置１３
が記述Ｃ1 等が指定する表示方法にしたがって、選択操
作群Ａ1 等の選択事項を表示する。過去の選択操作の結
果を反映して表示された選択事項から、ユーザは最適な
操作量で次の選択を行う。

Description

【発明の詳細な説明】
【０００１】
【産業上の利用分野】本発明は情報処理装置におけるユ
ーザインタフェースに係り、より詳しくは、電子化され
た作業におけるユーザの操作を支援するシステムおよび
その方法に関する。
【０００２】
【従来の技術】近年発展しつつあるマルチメディア等に
見られるように、情報処理・通信の先端技術がますます
社会に浸透してきており、これに伴い一般ユーザが情報
処理端末を操作する機会が増えている。
【０００３】ワークステーションやパーソナル・コンピ
ュータにおいてはマルチウィンドウによる作業が増えて
おり、ユーザは多様なメニューから希望する事項を選択
しながら作業を進める。例えば、ワードプロセッサ等に
おいて複数の漢字を変換候補として表示する漢字変換の
メニューもその一例である。このような電子化された作
業においては、情報処理装置とユーザの間のユーザイン
タフェースとしてより操作性の高いものが望まれてい
る。
【０００４】情報処理端末におけるユーザインタフェー
スは、ユーザが選択する複数の選択事項（選択項目）を
メニューとして画面等に表示し、ユーザがそのうちの１
つを選ぶと自動的に選ばれた事項に対応する処理をプロ
セッサ等に指示する機能を持っている。このとき、選択
操作の操作性を高めるため、自動的に選択事項の順序等
を修正して表示する選択事項自動修正・表示が行われる
ことがある。
【０００５】選択事項自動修正・表示により選択の作業
効率向上を目的とする従来技術には、その修正方法を大
別すると以下の３種類があり、表示方法には以下の２種
類がある。既存の技術は、これらの修正方法と表示方法
の組合せにより実現されている。
【０００６】・修正方法 （ａ）最後に選択された事項を示す選択履歴を記録し
て、逐次履歴に応じて選択事項の順位を入れ替える。
【０００７】（ｂ）登録方式により選択された事項を取
りまとめ、まとめられた選択事項相互の順位は選択履歴
に応じて順位を決める。 （ｃ）選択履歴による順位づけに加えて、各事項が最後
に選ばれた時刻を記憶し、一定時間の間に選択されない
場合はその事項を削除する。
【０００８】・表示方法 （ｄ）選択事項を単一方向に並べる。 （ｅ）選択事項を幾つかの組に分けて各組毎に表示す
る。各組は逐次的に表示されるか、若しくは任意の組を
直接選択して表示させるようにする。
【０００９】従来技術の多くは、修正方法（ａ）と表示
方法（ｄ）の組合せによるものである。即ち、ユーザに
よる最新の選択結果にしたがって、複数の選択事項を単
一方向に並べる方式が採用されている。
【００１０】
【発明が解決しようとする課題】しかしながら上述のよ
うな従来の選択事項自動修正・表示方法には、次のよう
な問題がある。
【００１１】メニューという一つの機能体と選択履歴を
学習する学習装置が一体になっているため、表示方法の
修正変更および学習装置の修正変更が難しい。また、学
習機能の独立性が低いために、一つの学習装置によって
同種の学習機能を必要とする異なる機能体に学習機能を
提供することが難しい。
【００１２】また、学習結果自体が機能体の表現と直接
対応、即ちプログラムコードに埋め込まれているので柔
軟性がなく、表示方法において異なる制約の機能体を実
現する場合に無駄が生じる。
【００１３】また、作業内容を制限して選択操作の支援
システムが構成されているため、システムが限定的かつ
閉鎖的であり、大きく異なる支援法が要求される状況下
で柔軟な支援を実現することが難しい。
【００１４】さらに、作業内容と機能体および作業内容
と学習装置の分離が難しく、複数の異なる作業に対処す
るためには、それぞれの作業に対応して、学習機能を持
つ異なるシステムを個別に用意しなければならない。
【００１５】本発明は、情報処理装置において操作性の
高い選択事項表示システムおよびその方法を提供するこ
とを目的とする。さらに詳しくは、各種の選択操作を必
要とする作業において、選択操作の種類やその作業量に
応じて、適切な修正方法と表示方法を自動的にユーザに
提供し、選択操作の効率化および信頼性の向上を図るこ
とを目的とする。
【００１６】
【課題を解決するための手段】本発明は、情報処理装置
を利用した作業中に選択事項を表示し、ユーザにより選
択された選択事項に対応して動作するシステムにおける
選択事項表示システムおよびその方法である。
【００１７】図１は本発明の選択事項表示システムの原
理図である。図１の選択事項表示システムは、収集手段
１、学習手段２、翻訳手段３、表示手段４、格納手段
５、および管理手段６を備える。
【００１８】収集手段１は、ユーザが選択した選択事項
を操作履歴として収集する。学習手段２は、収集手段２
から転送される操作履歴にもとづいて、ユーザによる選
択操作の特徴を表す操作モデルを生成する。
【００１９】翻訳手段３は、学習手段２の生成する操作
モデルと選択事項の表示形式を指定する表示制約とから
表示方法の記述を生成する。表示手段４は、翻訳手段３
の生成する表示方法の記述にもとづいて、選択事項を表
示する。
【００２０】格納手段５は、操作モデルと表示方法の記
述を記憶する。管理手段６は、情報処理装置における１
つの選択操作を特定して、その選択操作に対して使用す
る可能性のある確率モデルを学習手段２に提供し、また
その選択操作に対して使用する可能性のある表示順位の
評価方法と表示制約とを翻訳手段３に提供して、学習手
段２と翻訳手段３の動作を管理する。
【００２１】また、学習手段２は、選択事項が選択され
る確率を記述する確率モデルを用いて操作モデルを生成
する。また、操作履歴にもとづいて、格納手段５に記憶
された操作モデルが表す選択事項が選択される確率を変
更し、操作モデルを更新する。
【００２２】また、翻訳手段３は、操作モデルを評価し
て選択事項の表示順位を決定し、その表示順位と表示制
約とにもとづいて、漸近最適な表示方法の記述を生成す
る。また、操作モデルの更新や表示制約の変更に応じ
て、格納手段５に記憶された表示方法の記述を更新す
る。
【００２３】図１の収集手段１、学習手段２、翻訳手段
３、表示手段４、管理手段６は、それぞれ図２に示す本
発明の実施例の構成における操作履歴収集装置１４、操
作モデル学習装置１６、操作モデル翻訳装置１７、選択
操作機能提供装置１３、学習カーネル動作管理装置１８
に対応する。また、格納手段５はメモリ１９とメモリ２
０に対応する。
【００２４】
【作用】収集手段１が操作履歴として収集したユーザに
よる過去の選択結果が、学習手段により学習され、その
選択操作の特徴を表す操作モデルに反映される。
【００２５】次に、翻訳手段３により操作モデルが評価
され、表示制約により指定される表示形式に適した表示
方法の記述が生成される。これにより、表示手段４は、
選択事項を指定された表示形式で、かつ、ユーザによる
過去の選択操作の特徴を反映した表示順位で表示する。
この表示順位は、過去においてその選択事項が選択され
た割合（経験的確率）を反映したものとなる。
【００２６】情報処理装置において様々な選択操作があ
るときは、管理手段６が１つの選択操作を特定して、収
集手段１、学習手段２、翻訳手段３、表示手段４による
支援が行われる。したがって、１つのシステムにより多
様な選択操作を支援することができる。
【００２７】また、管理手段６がその選択操作に対して
使用する可能性のある確率モデルを学習手段２に提供
し、その選択操作に対して使用する可能性のある表示順
位の評価方法と表示制約とを翻訳手段３に提供するの
で、学習手段２と翻訳手段３の動作は管理手段６により
統一して管理される。
【００２８】操作モデルと表示方法の記述が格納手段５
に記憶されるので、学習手段２と翻訳手段３がそれらを
参照したり、更新したりすることができる。したがっ
て、常に最新の情報にもとづいた表示方法の記述が生成
される。
【００２９】複数の選択事項を含むメニュー等を表示す
る表示手段４と学習機能を持つ学習手段２を分離して設
けたので、表示方法の修正変更および学習機能の修正変
更が容易になる。
【００３０】また、学習手段２は複数の異なる選択操作
の機能体を支援し、学習機能を提供する。学習結果であ
る操作モデルは表示制約に束縛されないので、表示形式
の異なる選択操作に対しても同じ操作モデルを使用する
ことが可能である。
【００３１】さらに、支援対象の選択操作、操作モデ
ル、および表示方法の記述の変更と更新が容易な開放的
なシステムであり、状況の変化に柔軟に対応することが
できる。
【００３２】
【実施例】以下、図面を参照しながら、本発明の実施例
を説明する。図２は一実施例の選択事項表示システムの
構成図である。図２の選択事項表示システム１１は、学
習カーネル１５と、ユーザの作業で使われる作業用ソフ
トウェアと学習カーネル１５との間のインターフェース
である作業用ソフトウェア・学習カーネルインタフェー
ス１２とから成る。
【００３３】作業用ソフトウェア・学習カーネルインタ
フェース１２は、作業においてユーザが直接操作する選
択操作機能提供装置１３とユーザの選択操作の履歴（操
作履歴）を収集する操作履歴収集装置１４を備える。
【００３４】また、学習カーネル１５は、ユーザの操作
履歴から作業における操作のモデルを学習によって獲得
する操作モデル学習装置１６、学習結果の操作モデルを
もとに選択操作機能を記述する操作モデル翻訳装置１
７、操作モデル学習装置１６と操作モデル翻訳装置１７
の動作条件などを調整する学習カーネル動作管理装置１
８、およびメモリ１９、２０を備える。
【００３５】選択操作機能提供装置１３は、ユーザが実
際に選択操作を行うための選択項目を表示して、選択さ
れた項目に対応する処理を図示しない処理装置等に指示
する。また、選択操作機能提供装置１３は複数の作業用
ソフトウェアに選択操作機能を提供し、学習カーネル１
５からの表示変更指示、およびその変更内容を受けて、
適宜、表示方式、表示内容、選択結果の処理方法を変え
ることができる。そして、必要に応じて操作履歴収集装
置１４から必要な履歴情報を入手する。
【００３６】操作履歴収集装置１４は、作業用ソフトウ
ェアの複数の機能体の各々について、学習カーネルで指
定された履歴の取り方によりユーザの操作を監視し、操
作履歴を収集して、適宜、学習カーネルに伝達する。こ
うして、作業用ソフトウェアの各機能体と学習カーネル
１５との間の橋渡しを行う。また、選択操作機能提供装
置１３からの要請に応じて操作履歴の情報（履歴情報）
を伝達する。
【００３７】操作モデル学習装置１６は、作業用ソフト
ウェアの機能体に対応するユーザの選択操作を表す各選
択操作群Ａm （ｍ＝１，２，・・・）に対して、操作モ
デルとなる情報構造を抽出する。操作モデル学習装置１
６は選択操作群に対応する操作モデルを推定し、操作モ
デルの検証に必要な操作履歴の収集法と収集規模を収集
要請により操作履歴収集装置１４に対して指示する。
【００３８】また、操作履歴収集装置１４より送られた
履歴情報をもとに操作モデルを学習機能により推定し、
各選択操作群毎に独立した操作モデルＢm （ｍ＝１，
２，・・・）をメモリ１９に保持する。また、必要に応
じてこれらの操作モデルを変更、棄却することができ
る。
【００３９】操作モデル翻訳装置１７は、操作モデル学
習装置１６により得られた各選択操作群のモデルを翻訳
して、作業用ソフトウェアの各種の機能体に関する表示
方法の制約（表示制約）下で、各選択操作群におけるユ
ーザの操作量が最適若しくは最適に漸近的に近づくよう
に、各選択操作群の表示形態、表示内容、選択結果の処
理法などの表示方法に関する記述を生成する。これらの
記述Ｃm （ｍ＝１，２，・・・）は選択操作機能提供装
置１３が受理できる形で記述され、メモリ２０に保持さ
れる。
【００４０】学習カーネル動作管理装置１８は、開発者
およびユーザが学習カーネル１５にアクセスするための
対話機能を有し、学習カーネルの基本動作を記載した書
き換え可能なファイルである基本動作ファイルを保持し
ている。基本動作ファイルには、開発者やユーザが目的
とする選択操作において学習による支援作業を適切に実
行するため、学習対象となる作業用ソフトウェアの選択
操作群、学習アルゴリズム、機能体に対する学習結果の
記述法などが記述されている。
【００４１】図２に示すように、主要な選択操作群とし
て選択操作群Ａ1 、Ａ2 、・・・がある場合、操作モデ
ル学習装置１６は、これらの選択操作群に対して、学習
機能により推定した操作モデルＢ1 、Ｂ2 、・・・を保
持する。また、操作モデル翻訳装置１７は、これらの操
作モデルに対して、表示制約を加えた選択操作群の記述
Ｃ1 、Ｃ2 、・・・を保持する。
【００４２】図３は、操作モデル翻訳装置１７が記述Ｃ
1 、Ｃ2 、・・・の生成に用いる表示制約の例を示して
いる。図３（ａ）は、５つの選択項目Ｘ1 、Ｘ2 、
Ｘ3 、Ｘ4 、Ｘ5 を単一方向に一列に並べて表示するメ
ニューの表示制約を示している。また、図３（ｂ）は、
選択項目Ｘ1 、Ｘ2 、Ｘ3 、Ｘ4 、Ｘ5 を、左上から右
下に向かって順にピラミッド型に並べて表示する表示制
約を示している。この場合、表示される選択項目のボッ
クスの数は、Ｘ1 からＸ5 まで順に１、２、３、４、５
個となっている。
【００４３】このように、同じ選択項目を有する選択操
作群であっても、その表示制約によって表示形態、表示
内容などが大きく異なってくる。また、例えば図３
（ａ）のメニュー表示において、選択操作時のカーソル
がどこにあるかによって、カーソルを移動させる作業量
が異なる。したがって、デフォルトのカーソル位置が決
まっている場合は、その位置も表示制約に含まれてく
る。
【００４４】各選択操作群についてその選択項目を表示
する際に、操作モデル翻訳装置１７が生成する記述
Ｃ1 、Ｃ2 、・・・に基づく選択操作機能が提供される
ならば、作業の初期に提供された選択操作環境に比べ
て、選択操作に払うコストが小さくなることが期待でき
る。
【００４５】選択事項表示システム１１によれば、ユー
ザが使用する作業用ソフトウェアにおける選択操作に必
要となる作業量、すなわち選択操作のコストを最適な値
に近づけるように表示機能を管理し、必要があれば自動
修正を行う。次に、選択事項表示システム１１の表示管
理と自動修正の動作について、図４から図９までを参照
しながら詳しく説明する。
【００４６】選択事項表示システム１１は、基本動作フ
ァイルの記述により支援対象の特定、変更、起動を行
う。そこで、まず基本動作ファイルの作成について説明
する。図４および図５は、選択事項表示システム１１の
オペレータであるシステム管理者若しくはユーザからの
指示により行われる基本動作ファイルの準備動作のフロ
ーチャートである。オペレータとの対話により間接的に
基本動作ファイルを用意する場合は図４のフローに従
い、直接指定された基本動作ファイルを使用する場合は
図５のフローに従う。
【００４７】図４において学習カーネル動作管理装置１
８は、まずオペレータからの基本動作ファイルの要求を
受け付ける（ステップＳ１）。次に、基本動作ファイル
がシステム内のライブラリ（不図示）に存在するかどう
かを調べ（ステップＳ２）、存在すればそれをライブラ
リからロードして（ステップＳ３）、基本動作ファイル
の指定を終了する。
【００４８】基本動作ファイルがライブラリに存在しな
ければ、学習カーネル動作管理装置１８は基本動作ファ
イル作成用の対話機能を起動し（ステップＳ４）、オペ
レータとの対話により、書式にしたがって基本動作ファ
イルを作成する（ステップＳ５）。
【００４９】次に、ライブラリに登録するかどうかをオ
ペレータに尋ね（ステップＳ６）、返答がＹＥＳの場合
は作成された基本動作ファイルをライブラリに登録し
（ステップＳ７）、これをロードする（ステップＳ
８）。ステップＳ６で返答がＮＯの場合は作成された基
本動作ファイルを直接ロードする（ステップＳ８）。こ
うして、基本動作ファイルの指定を終了する。
【００５０】図５において学習カーネル動作管理装置１
８は、まずあらかじめ決められた書式によりオペレータ
から直接指定された基本動作ファイルをロードし（ステ
ップＳ１１）、ライブラリに登録するかどうかをオペレ
ータに尋ねる（ステップＳ１２）。返答がＹＥＳの場合
は作成された基本動作ファイルをライブラリに登録して
（ステップＳ１３）、基本動作ファイルの指定を終了す
る。ステップＳ６で返答がＮＯの場合はそのまま基本動
作ファイルの指定を終了する。
【００５１】指定された基本動作ファイルは、学習カー
ネル動作管理装置１８の対話機能を用いて対話的に修正
変更することが可能である。学習カーネル動作管理装置
１８は幾つもの基本動作ファイルをライブラリに登録し
ておき、システム管理者若しくはユーザからの指定に応
じて、それらを自動的に利用できる。
【００５２】次に、基本動作ファイルの内容について説
明する。基本動作ファイルにはシステムの動作に関する
初期設定が記述されている。初期設定としては、支援す
る複数の選択操作群、各選択操作群についての学習のた
めの確率モデル、各選択操作群の表示に関する表示制
約、操作モデル学習装置１６が利用する学習モデル、操
作モデル翻訳装置１７が選択項目の優先順位を決めるた
めに利用する評価関数、システム内の各装置の動作およ
び装置間の関係に関する動作制約などが登録されてい
る。
【００５３】図６は、学習カーネル１５内の各装置の起
動と一般的な動作を示すフローチャートである。図６に
おいて学習カーネル１５は、まず学習カーネル動作管理
装置１８が持っている基本動作ファイルを読み（ステッ
プＳ２１）、学習機能を提供すべき選択操作群を特定す
る（ステップＳ２２）。次に、基本動作ファイルに基づ
き、操作モデル学習装置１６と操作モデル翻訳装置１７
を起動し（ステップＳ２３、Ｓ２４）、学習カーネル動
作管理装置１８を待機させる（ステップＳ２５）。
【００５４】ここで、学習カーネル動作管理装置１８か
ら発生する変更指示がない限り、操作モデル学習装置１
６と操作モデル翻訳装置１７は、事前に指示された内容
で選択操作群の支援を開始し（ステップＳ２６）、自律
的に支援を継続する（ステップＳ２７）。
【００５５】通常、動作変更の指示、変更指示の終了、
変更内容の提示が生じた場合、その変更内容等を受け
て、適当なタイミングで変更内容などを動作に反映させ
る。それ以外は各装置は待機状態となる。
【００５６】選択操作群、操作モデル、選択操作群の記
述等の支援内容を、必要に応じてオペレータが変更した
い場合（ステップＳ２８、ＹＥＳ）、学習カーネル動作
管理装置１８の対話機能を通じて変更を行うことができ
る。このとき、学習カーネル動作管理装置１８はオペレ
ータからの動作変更の要求を受け付け（ステップＳ３
０）、学習カーネル１５の動作を変更する（ステップＳ
２９）。
【００５７】支援内容の変更の必要がない場合は（ステ
ップＳ２８、ＮＯ）、オペレータは動作変更を要求しな
いので、学習カーネル１５はそのまま選択操作群の支援
を継続する（ステップＳ２７）。
【００５８】図７は、図６のステップＳ２９における学
習カーネル動作管理装置１８による学習カーネル１５の
動作変更を示すフローチャートである。図７において待
機状態の学習カーネル動作管理装置１８は（ステップＳ
３１）、動作変更の要求の有無をチェックしている（ス
テップＳ３２）。オペレータからの動作変更の要求が無
ければ常に待機状態にあるが、動作変更の要求が入力さ
れると学習カーネル動作管理装置１８の対話機能を起動
する（ステップＳ３３）。
【００５９】次に、オペレータにより指定される変更内
容を読み込み（ステップＳ３４）、変更を指定された選
択操作群に対する支援を中断する（ステップＳ３５）。
そして、読み込んだ変更内容にしたがって支援内容を修
正し（ステップＳ３６）、必要があれば基本動作ファイ
ルを修正する（ステップＳ３７）。
【００６０】次に、支援対象の選択操作群が変更されて
いなければ、支援を中断した選択操作群に対する支援を
再度開始し（ステップＳ３８）、新規の選択操作群が指
定されたときは新たにその支援を開始する（ステップＳ
３９）。また、支援の打ち切りが指示されたときは支援
を中止する（ステップＳ４０）。
【００６１】このように、選択操作群に対する学習カー
ネル１５による支援の打ち切り、再支援、新規支援の操
作が動的に可能である。それに伴う選択操作群に対する
操作モデルの変更、記述の変更もまた動的に可能であ
る。
【００６２】操作モデル学習装置１６が用いる学習アル
ゴリズムおよび操作モデル翻訳装置１７が用いる記述生
成アルゴリズムに対する制約は、学習カーネル動作管理
装置１８の基本動作ファイルにより指定される。
【００６３】図８は、操作モデル学習装置１６の動作を
示すフローチャートである。操作モデル学習装置１６
は、学習カーネル動作管理装置１８によって起動され、
基本動作ファイルを読み込み、対象の選択操作群に対す
る支援を開始する。
【００６４】図８において操作モデル学習装置１６は、
まず操作履歴収集装置１４に対して、各選択操作群の操
作モデルを学習するのに必要な量および形式の操作履歴
の収集を指示する（ステップＳ４１）。
【００６５】操作履歴収集装置１４は、操作モデル学習
装置１６により指定された量および形式の履歴を各選択
操作群について収集して、操作モデル学習装置１６に転
送する。
【００６６】操作モデル学習装置１６は、転送された操
作履歴を受け取り（ステップＳ４２）、これまでの操作
モデルが適切かどうかを調べる（ステップＳ４３）。適
切であればその操作モデルを保持し、指定された学習ア
ルゴリズムに基づき受け取った操作履歴を学習して、各
選択操作群に対する操作モデルの内容を更新する（ステ
ップＳ４４）。
【００６７】ステップＳ４３でこれまでの操作モデルが
適切でないと判定したときは、その操作モデルを棄却す
る（ステップＳ４６）。そして、学習結果をもとに新規
の操作モデルを推定し（ステップＳ４７）、新規の操作
モデルを保持する（ステップＳ４４）。
【００６８】次に、操作モデル学習装置１６は、操作モ
デル翻訳装置１７に対して操作モデルの更新または変更
を伝達し（ステップＳ４５）、ステップＳ４１以降の動
作を繰り返す。
【００６９】図９は、操作モデル翻訳装置１７の動作を
示すフローチャートである。図９において待機状態にあ
る操作モデル翻訳装置１７は（ステップＳ５１）、操作
モデル学習装置１６からの更新または変更の要求（修正
伝達）を受けると（ステップＳ５２）、操作モデルと表
示制約と評価関数とを読み込む（ステップＳ５３、ステ
ップＳ５４、ステップＳ５５）。
【００７０】次に、読み込んだ操作モデルと表示制約と
評価関数とにもとづき、選択操作群の漸近最適な表示方
法の記述を生成して（ステップＳ５６）、その記述を保
持する（ステップＳ５７）。こうして、選択操作群の記
述が更新される。
【００７１】次に、選択操作機能提供装置１３に選択操
作群の記述の更新を伝達して（ステップＳ５８）、待機
状態に戻る（ステップＳ５１）。選択操作機能提供装置
１３は、操作モデル翻訳装置１７からの更新の伝達（修
正伝達）を受けて、適当なタイミングで、操作モデル翻
訳装置１７の生成した記述にもとづき、該当する選択操
作群における表示形式を実現する。
【００７２】本実施例の選択事項表示システム１１にお
いては、得られた表示形式を固定したものとして利用し
たり、システム内の図示しないメモリに格納しておいて
再利用することができる。
【００７３】また、本実施例の選択事項表示システム１
１は主に支援の確かさを確率的に保証するものである。
また、操作モデル学習装置１６の学習機能を基本として
構成されており、必要に応じて学習カーネル動作管理装
置１８の対話機能を用いて、学習結果に対する補足、評
価、修正を行うことができる。必要な計算に用いられる
パラメータは、適当な精度でその表現が与えられるもの
とする。
【００７４】次に、図１０から図１３までを参照しなが
ら、ユーザによる選択が過去の選択結果に依存しない完
全独立な操作を表現する操作モデルを例にとって、選択
事項表示システム１１の動作を説明する。
【００７５】この例は動作の基本となる典型例であり、
操作履歴の学習部分と選択操作群の記述部分の分離を明
確に示したものである。ここでは、記述における表示制
約を満たし、目的の選択操作群に対して、漸近最適な操
作量（コスト）が自動的に提供されることを示す。
【００７６】完全独立な操作モデルの場合は、学習カー
ネル動作管理装置１８およびシステム管理者若しくはユ
ーザによって、例えば次のように基本動作ファイルが記
述される。
【００７７】選択事項表示システム１１は選択操作群Ａ
1 に対して学習機能を提供する。選択操作群Ａ1 は事項
Ｘ1 から事項ＸK までのＫ個の選択事項で成り立ってい
る。学習に使用する学習モデルは独立試行列に対する予
測のための確率的近似学習モデルとし、その近似精度ε
は０＜ε＜１であるものとする。
【００７８】操作モデルは、選択操作群Ａ1 におけるユ
ーザの選択操作によって生じる選択履歴がそれぞれ確率
Ｐ（Ｘ1 ）、・・・、Ｐ（ＸK ）で生じる確率モデルと
する。すなわち、各試行において完全独立が仮定された
多項分布であり、各要素の総和が１となるＫ次元の確率
ベクトルで表現される。
【００７９】Ｋ個の選択事項は一次元方向に展開表示す
るという表示制約が課される。選択操作におけるユーザ
の支払うコストは選択項目の表示順位に対応する自然数
とする。選択操作機能提供装置１３は初期状態におい
て、一次元方向に事項Ｘ1 を先頭として順に事項Ｘ2 、
事項Ｘ3 、・・・、事項ＸK までを表示し、ユーザに選
択操作機能を提供する。この表示方法は、選択操作の履
歴がＣ1 （ε，Ｋ）個収集される度に修正される。
【００８０】選択事項表示システム１１は上述の初期設
定で起動される。図１０は、起動された操作モデル学習
装置１６の動作を示すフローチャートである。
【００８１】図１０において操作モデル学習装置１６
は、まず操作履歴収集装置１４に対して操作履歴を収集
することを要求し、Ｃ1 （ε，Ｋ）個の長さを転送単位
とする操作履歴の転送を指示する（ステップＳ６１）。
【００８２】次にｉ＝１とおき、初期の経験的確率ベク
トル 外１ （Ｐ(0) の山と記す）
【００８３】
【外１】
【００８４】を、
【００８５】
【数１】
【００８６】とおいて、操作モデルに対応する確率モデ
ルのインスタンスを生成し（ステップＳ６２）、待機状
態となる（ステップＳ６３）。そして、操作履歴収集装
置１４からの呼出しを受けると（ステップＳ６４、ＹＥ
Ｓ）、ｉ番目の操作履歴｛ｘn (i) ｝（ｉ＝１，２，・
・・）を受け取る（ステップＳ６５）。ここで、ｘn
(i) は事項Ｘ1 〜ＸK のインデックス１〜Ｋのうちの任
意の１つを表し、ｉ番目の操作履歴｛ｘn (i) ｝はｎ＝
１，２，・・・，Ｃ1 （ε，Ｋ）にそれぞれ対応するＣ
1 （ε，Ｋ）個のインデックスからなる。
【００８７】次に、次式によりｉ番目の経験的確率ベク
トル 外２ （Ｐ(i) の山と記す）
【００８８】
【外２】
【００８９】を計算する（ステップＳ６６）。
【００９０】
【数２】
【００９１】（２）式において、Ｐ(0) の山としては
（１）式を用い、｛ ｝内の第２項のベクトルの要素
外３ （ｐj (i) の山と記す）は（３）式により算定さ
れる。
【００９２】
【外３】
【００９３】（３）式において、ｘn (i) ＝ｊのときは
σ（ｘn (i) ，ｊ）＝１であり、ｘ n (i) ≠ｊのときは
σ（ｘn (i) ，ｊ）＝０である。（２）、（３）式から
分かるように、ｐj (i) の山はＣ1 （ε，Ｋ）個の操作
履歴｛ｘn (i) ｝に含まれるインデックスｊの割合を表
し、ベクトルＰ(i) の山のｊ番目の要素 外４ （ｅ
j (i) の山と記す）は、ｐj (1) の山、・・・、
【００９４】
【外４】
【００９５】ｐj (i) の山の平均値を表している。した
がって、ベクトルＰ(i) の山のｊ番目の要素は、１番目
からｉ番目までの操作履歴が表す過去の操作において、
事項Ｘ j が選択された平均的な割合を表す。
【００９６】ｉ番目の経験的確率ベクトルＰ(i) の山の
計算が終了すると、操作モデル学習装置１６はその結果
により操作モデルを更新し（ステップＳ６７）、操作モ
デルの更新を操作モデル翻訳装置１７に伝達する（ステ
ップＳ６８）。そして、ｉをインクリメントし（ステッ
プＳ６９）、待機状態となる（ステップＳ６３）。
【００９７】待機中に操作履歴収集装置１４からの呼出
しがなく（ステップＳ６４、ＮＯ）、学習カーネル動作
管理装置１８からの呼出しを受けると（ステップＳ７
０、ＹＥＳ）、操作履歴の学習を停止して制御を学習カ
ーネル動作管理装置１８に戻す。学習カーネル動作管理
装置１８からの呼出しがなければ（ステップＳ７０、Ｎ
Ｏ）、待機状態にとどまる（ステップＳ６３）。
【００９８】図１１は、操作履歴収集装置１４の動作を
示すフローチャートである。図１１において操作履歴収
集装置１４は、操作モデル学習装置１６からの要請によ
り、履歴収集条件を読み込む（ステップＳ７１）。ここ
では、選択操作群Ａ 1 の操作履歴を収集してＣ1 （ε，
Ｋ）個単位で転送するという条件が読み込まれる。
【００９９】次に、選択操作群Ａ1 を監視してユーザの
操作履歴を記録する（ステップＳ７２）。そして、操作
履歴｛ｘn (i) ｝の長さがＣ1 （ε，Ｋ）になると（ス
テップＳ７３、ＹＥＳ）、操作モデル学習装置１６を呼
出し（ステップＳ７４）、収集した操作履歴を転送する
（ステップＳ７５）。このとき転送される操作履歴に
は、転送回数ｉ（ｉ＝１，２，・・・）が刻印される。
【０１００】操作履歴の長さがＣ1 （ε，Ｋ）に満たな
いときは（ステップＳ７３、ＮＯ）、Ｃ1 （ε，Ｋ）に
なるまで操作履歴の記録を行う（ステップＳ７２）。そ
して、操作モデル学習装置１６から履歴収集条件の修正
要求がなければ（ステップＳ７６、ＮＯ）、選択操作群
Ａ1 の操作履歴の収集を繰り返す（ステップＳ７２）。
修正要求を受け取ると（ステップＳ７６、ＹＥＳ）、操
作履歴の収集を停止して、制御を操作モデル学習装置１
６に戻す。
【０１０１】図１２は、操作モデル翻訳装置１７の動作
を示すフローチャートである。図１２において待機状態
にある操作モデル翻訳装置１７は（ステップＳ８１）、
操作モデル学習装置１６からの呼び出しを受けて（ステ
ップＳ８２、ＹＥＳ）、新たな操作モデルを読み込む
（ステップＳ８３）。
【０１０２】次に、表示制約と評価関数を読み込む（ス
テップＳ８４、ステップＳ８５）。ここで、表示制約は
選択事項を一方向に並べて表示するという一次元の制約
であり、評価関数は経験的確率ベクトルのｊ番目の要素
を事項Ｘj の表示順位に変換する関数である。
【０１０３】次に、読み込んだ表示制約と評価関数に従
い、選択操作群Ａ1 の漸近最適な表示方法の記述を求め
る（ステップＳ８６）。ここでは、経験的確率ベクトル
の要素の値の大きい順に、対応する事項が先頭から順に
並べて表示されるように表示順位を記述する。ただし、
先頭に近いほど選択操作のコストは低いものとする。
【０１０４】生成された記述は、例えば、｛（事項
Ｘt1），（事項Ｘt2），・・・，（事項ＸtK）｝のよう
になる。ここで、｛ｔ１，ｔ２，・・・，ｔＫ｝は
｛１，・・・，Ｋ｝の置換の１つである。また、ｅt1
(i) の山≧ｅt2 (i) の山≧・・・≧ｅtK (i) の山であ
り、記述｛（事項Ｘt1），（事項Ｘt2），・・・，（事
項ＸtK）｝における各事項の順位は、ｉ番目の経験的確
率ベクトルの各要素ｅj (i) の山の大きさの順位を反映
している。この記述は選択操作機能提示装置１３が受理
できる形式となっている。
【０１０５】このようにして、選択操作群Ａ1 の表示方
法の記述を更新して（ステップＳ８７）、これを選択操
作機能提示装置１３に伝達し（ステップＳ８８）、待機
状態に戻る（ステップＳ８１）。
【０１０６】操作モデル学習装置１６からの呼び出しが
なく（ステップＳ８２、ＮＯ）、学習カーネル動作管理
装置１８からの呼び出しがあれば（ステップＳ８９、Ｙ
ＥＳ）、操作モデルの翻訳を停止して、制御を学習カー
ネル動作管理装置１８に戻す。学習カーネル動作管理装
置１８からの呼び出しがなければ（ステップＳ８９、Ｎ
Ｏ）、待機状態にとどまる（ステップＳ８１）。
【０１０７】図１３は、選択操作機能提示装置１３の動
作を示すフローチャートである。図１３において選択操
作機能提示装置１３は、まずオペレータからの選択事項
の提示要求に備えて、選択操作群Ａ1 の表示方法の新た
な記述を操作モデル翻訳装置１７から読み込み（ステッ
プＳ９１）、待機状態となる（ステップＳ９２）。
【０１０８】そして、オペレータから選択操作群Ａ1 の
選択事項の表示を要求されると（ステップＳ９３、ＹＥ
Ｓ）、読み込んだ表示方法の記述に従って選択事項を表
示して、オペレータに選択操作機能を提供し（ステップ
Ｓ９４）、待機状態に戻る（ステップＳ９２）。
【０１０９】また、選択操作群Ａ1 の選択事項の表示要
求がなく（ステップＳ９３、ＮＯ）、操作モデル翻訳装
置１７から記述の修正要求があれば（ステップＳ９５、
ＹＥＳ）、選択操作群Ａ1 の更新された表示方法の記述
を操作モデル翻訳装置１７から読み込み（ステップＳ９
６）、待機状態に戻る（ステップＳ９２）。操作モデル
翻訳装置１７からの修正要求がなければ（ステップＳ９
５、ＮＯ）、待機状態にとどまる（ステップＳ９２）。
【０１１０】このように完全独立な操作モデルの場合
は、操作履歴がＣ1 （ε，Ｋ）個集まる毎に、操作モデ
ル、操作モデルにもとづく記述、および表示形式が更新
される。このとき、高々〔２／Ｃ1 （ε，Ｋ）ε2 〕ln
（２Ｋ／ε）回の更新の後に、選択事項表示システム１
１は選択操作群Ａ1 に対して最適な平均操作量からの逸
脱がεＫ2 （Ｋ−１）を超えることのない選択操作機能
を、１−εの高い確率で提供することができる。ここ
で、lnは自然対数 loge を表すが、一般には底としてｅ
より小さな値を用いた対数であってもよい。この結論は
以下のようにして導かれる。
【０１１１】選択操作群Ａ1 の確率構造が変化しないな
らば、履歴の収集と操作モデルの更新を続けて、漸近的
に最適な操作量を実現できる。この例では選択事項の表
示形式が一次元に限られているため、漸近最適な表示方
法の記述は経験的確率ベクトルの要素に応じた順位を表
現する単純なものである。
【０１１２】そこで、一次元方向に選択事項Ｘ1 、・・
・、ＸK を並べた場合の最適な平均操作量を求めてみ
る。選択操作に必要なコストを、表示された事項の先頭
から順に１、２、・・・、Ｋとする。また、簡単のため
事項Ｘ1 、・・・、ＸK が選択される確率Ｐ（Ｘ1 ）、
・・・、Ｐ（ＸK ）について、１＞Ｐ（Ｘ1 ）≧・・・
≧Ｐ（ＸK ）＞０が成り立つと仮定する。
【０１１３】このとき、τを｛１，２，・・・，Ｋ｝の
置換の１つとすると、任意の置換τに対して、 Σi=1 K 〔τ(i) Ｐ（Ｘi ）−ｉＰ（Ｘi ）〕≧０ …（４） が成り立つ。ただし、τ(i) は置換τにおけるｉ番目の
要素の値である。
【０１１４】（４）式は、任意の置換τについてΣi=1
K τ(i) Ｐ（Ｘi ）の値がΣi=1 KｉＰ（Ｘi ）の値よ
り小さくならないことを示しており、一方向に選択事項
を並べる場合の最適な平均操作量がΣi=1 K ｉＰ
（Ｘi ）であることを意味している。（４）式が成り立
つことは以下のようにして証明される。
【０１１５】まずＫ＝１のときに（４）式が成り立つの
は自明である。Ｋ＝２のとき、｛１，２｝から｛１，
２｝への置換は不変であるので、τとして｛１，２｝か
ら｛２，１｝への置換を考える。このとき、 Σi=1 2 〔τ(i) Ｐ（Ｘi ）−ｉＰ（Ｘi ）〕 ＝Ｐ（Ｘ1 ）−Ｐ（Ｘ2 ）≧０ …（５） となり、（４）式が成り立つ。
【０１１６】また、Ｋ＝ｎのとき、ｎ個の要素のうちの
ｋ番目とｊ番目の２個の要素についてのみ入れ換えが生
じる場合は、 Σi=1 n 〔τ(i) Ｐ（Ｘi ）−ｉＰ（Ｘi ）〕 ＝（ｋ−ｊ）（Ｐ（Ｘj ）−Ｐ（Ｘk ））≧０ …（６） となり、やはり（４）式が成り立つ。
【０１１７】次に、Ｋ＝ｎのとき（４）式が成り立つと
仮定して、Ｋ＝ｎ＋１の場合を確かめてみる。τ(n) を
｛１，２，・・・, ｎ｝の任意の置換とし、τ(n+1) を
｛１，２，・・・, ｎ＋１｝の任意の置換とすると、τ
(n) と｛ｊ，ｎ＋１｝（１＜ｊ＜ｎ）の互換を用いて、
任意のτ(n+1) を表現することができる。いま、 Σi=1 n 〔τ(n) (i) Ｐ（Ｘi ）−ｉＰ（Ｘi ）〕≧０ …（７） が成り立つので、 （τ(n) (1) −１）Ｐ（Ｘ1 ）＋（τ(n) (2) −２）Ｐ（Ｘ2 ）＋・・・＋ （τ(n) (n) −ｎ）Ｐ（Ｘ1 ）＋（（ｎ＋１）−（ｎ＋１））Ｐ（Ｘn+1 ） ≧０ …（８） となる。任意のｊを選んで、 （τ(n) (j) −ｊ）Ｐ（Ｘj ） ＝（（ｎ＋１）−ｊ）Ｐ（Ｘj ）＋（τ(n) (j) −（ｎ＋１））Ｐ（Ｘj ） …（９） とおき、 （（ｎ＋１）−（ｎ＋１））Ｐ（Ｘn+1 ） ＝（τ(n) (j) −（ｎ＋１））Ｐ（Ｘn+1 ） ＋（（ｎ＋１）−τ(n) (j) ）Ｐ（Ｘn+1 ） …（１０） と変形して、（８）式の左辺に代入すると、 （τ(n) (1) −１）Ｐ（Ｘ1 ）＋（τ(n) (2) −２）Ｐ（Ｘ2 ）＋・・・ ＋（（ｎ＋１）−ｊ）Ｐ（Ｘj ）＋・・・ ＋（τ(n) (j) −（ｎ＋１））Ｐ（Ｘn+1 ） ＋（（ｎ＋１）−τ(n) (j) ）（Ｐ（Ｘn+1 ）−Ｐ（Ｘj ）） ≧０ …（１１） となる。（１１）式より、 （τ(n) (1) −１）Ｐ（Ｘ1 ）＋（τ(n) (2) −２）Ｐ（Ｘ2 ）＋・・・ ＋（（ｎ＋１）−ｊ）Ｐ（Ｘj ）＋・・・ ＋（τ(n) (j) −（ｎ＋１））Ｐ（Ｘn+1 ） ≧（（ｎ＋１）−τ(n) (j) ）（Ｐ（Ｘj ）−Ｐ（Ｘn+1 ）） …（１２） となる。（１２）式の左辺は｛１，２，・・・，ｎ＋
１｝の任意のｊ（１＜ｊ＜ｎ）をｎ＋１と置き換えた置
換をτ(n+1) としたときの Σi=1 n+1 〔τ(n+1) (i) Ｐ（Ｘi ）−ｉＰ（Ｘi ）〕 …（１３） に相当する。また、 １＞Ｐ（Ｘ1 ）≧Ｐ（Ｘ2 ）≧・・・≧Ｐ（Ｘn+1 ）＞０ …（１４） が成り立つので、（１２）式の右辺は非負値である。
【０１１８】したがって、Ｋ＝ｎ＋１の場合にも（４）
式が成り立ち、帰納法により任意のＫについて（４）式
が成り立つことが証明された。次に、経験的確率ベクト
ルが目的とする分布に対してε近似である場合、経験的
確率ベクトルにもとづく順位付けによる表示方法を用い
た場合の平均操作量が、最適な平均操作量に比べて最悪
な場合でも高々εＫ2 （Ｋ−１）だけの逸脱で収まるこ
とを確かめる。
【０１１９】一般に、経験的確率ベクトル 外５ （Ｐ
の山と記す）のｉ番目の要素を 外
【０１２０】
【外５】
【０１２１】６ （ｐi の山と記す）とすると、Ｐの山
＝（ｐ1 の山，ｐ2 の山，・・・，ｐ
【０１２２】
【外６】
【０１２３】K の山）が確率ベクトルＰ＝（ｐ1 ，
ｐ2 ，・・・，ｐK ）に対してε近似であるとは、１＜
ｉ＜Ｋなるｉについてｍａｘ（｜ｐi −ｐi の山｜）＜
εを満たすことである。
【０１２４】選択事項Ｘ1 〜ＸK の表示順位を経験的確
率ベクトルを用いて決定した場合、その順位に誤りが生
じる可能性がある。事項Ｘi と事項Ｘj の選択される確
率（頻度）ｐi とｐj が｜ｐi −ｐj ｜＞２εである場
合は、経験的確率を用いる順位決定により、Ｘi とＸj
の相互の順位に誤りは生じない。
【０１２５】しかし、もし｜ｐi −ｐj ｜＜２εである
ならば、Ｘi とＸj の相互の順位に誤りが生じる。また
このとき、Ｘi とＸj を含めて、これらの間に存在する
事項間の任意の２つの頻度の差の絶対値は２ε以下であ
る。
【０１２６】再び簡単のため、事項Ｘ1 ，・・・，事項
ＸK に対し、それぞれの選択確率ｐ 1 ，・・・，ｐK が
ｐ1 ≧・・・≧ｐK の関係を満たすものとする。このと
き、順位の入れ換えによる最適な平均操作量からの逸脱
Ｄは、 Ｄ＝Σi=1 K （τ(i)-i)ｐi …（１５） となる。τは任意の置換を表わしている。ここでの問題
は、経験的確率ベクトルを用いる順位決定によって生じ
る逸脱Ｄの上限を求めることである。
【０１２７】まず簡単な例を用いて考えてみる。τが隣
接する２つの順位ｊ、ｊ＋１に関する互換であるとき、 Ｄ＝（（ｊ＋１）−ｊ）ｐj ＋（ｊ−（ｊ＋１））ｐi+1 ＝ｐj −ｐj+1 ≦２ε …（１６） となる。１つ間を置いた２つの順位ｊ、ｊ＋２に関する
互換の場合は、 Ｄ＝２（ｐj −ｐj+2 ）≦４ε …（１７） となる。
【０１２８】一般に互換による逸脱の最大値は、Ｘ1 と
ＸK の間に順位の取り違いが生じた場合に生じ、２ε
（Ｋ−１）である。以下、ｎ個の事項に置ける順位の取
り違いによる逸脱の最大値は高々２εｎ（Ｋ−１）とな
る。また、順位の取り違いが何組生じるかを考えると高
々Ｋ／２組である。
【０１２９】したがって、経験的確率ベクトルを用いる
順位決定によって生じる逸脱Ｄの上限は、高々εＫ
2 （Ｋ−１）となる。続いて、経験的確率ベクトルが目
的の分布に対してε近似であることを、１−εの確率で
主張するために必要かつ十分な標本量を確かめる。
【０１３０】各事項の選択は独立であるので、十分に長
い操作履歴を入手して各事項について経験的確率を求め
れば、高い確度で、十分な精度の選択確率の近似となる
ことが大数の法則により保証されている。問題は、操作
履歴の十分な長さを具体的に求めることである。ここで
は、Hoeffding の不等式（D. Pollard, Convergenceof
Stochastic Processes, Springer-Verlag, 1984. ）を
用いることにする。
【０１３１】Ｙ1 ，Ｙ2 ，・・・，Ｙm を独立な確率変
数とし、それらの平均は０で値域はａ i ＜Ｙ i ＜ｂi と
する。このときε＞０に対して、Hoeffding の不等式 Prob｛｜Ｙ1 ＋・・・＋Ｙm ｜≧ε｝ ≦２exp ｛−２ε2 ／Σi=1 m （ｂi −ａi ）｝ …（１８） が成り立つ。
【０１３２】例えば、事項Ｘj について考えてみる。ま
ず、選択履歴の列ｘ1 ，ｘ2 ，・・・，ｘm から、事項
Ｘj の選択操作に関する独立変数列｛Ｙi (j) ｝（１＜
i ＜ｍ）を作る。もし、i 番目の選択でＸj が選択され
るならばＹi (j) ＝１−Ｐ（Ｘj ）、さもなければＹi
(j) ＝−Ｐ（Ｘj ）と置く。
【０１３３】この｛Ｙi (j) ｝に対して（１８）式を用
いると、 Ｐrob ｛｜（１／ｍ）Σi=1 m σ（ｘi ，ｊ）−Ｐ（Ｘj ）｜≧ε｝ ≦２exp （−２ε2 ／ｍ） …（１９） となる。（１９）式の右辺に対して、 ２exp(−２ε2 ／ｍ）≦ε …（２０） とおいて、ｍについて整理すると、 ｍ≧（２／ε2 ）ln（２／ε） …（２１） となる。したがって、εの精度でＰ（Ｘj ）を見積もる
ことを、１−ε以上の確率で成功させるには、少なくと
も（２／ε2 ）ln（２／ε）個の操作履歴より経験的選
択確率（１／ｍ）Σi=1 m σ（ｘi ，ｊ）を算定しなけ
ればならない。
【０１３４】ここでは、１つの操作履歴をもとに、Ｋ個
の事項について同時にεの精度の選択確率を、１−ε以
上の確率で推定しなければならない。Ｋ＞１について
は、 （１−ε／Ｋ）K ≧１−ε …（２２） が成り立つので、結局、操作履歴の個数は（２／ε2 ）
ln（２Ｋ／ε）であればよいことが分かる。操作履歴は
Ｃ1 （ε，Ｋ）個毎に転送されるので、必要な転送回数
は〔２／Ｃ1 （ε，Ｋ）ε2 〕ln（２Ｋ／ε）回とな
る。
【０１３５】次に、操作履歴を逐次的に収集する際に、
何個単位で収集すべきであるかを検討する。ここでは、
Ｃ1 （ε，Ｋ）個という関数の形で収集単位を導入して
いる。このＣ1 （ε，Ｋ）の決め方として、例えば次の
２つの方法が考えられる。
【０１３６】１つは統計学におけるχ2 検定による方法
である。χ2 検定の過去の経験と理論によれば、１＜ｉ
＜Ｋなるｉについてｅ i ＞５でＫ＞５ならば、Σ（ｎi
−ｅ i ）2 ／ｅi の正確な分布に対してχ2 分布は良好
な近似を与えることが示される。
【０１３７】ここで、ｐi を事項Ｘi の選択頻度、ｍを
操作履歴の長さとすると、ｅi ＝ｍｐi （１＜ｉ＜Ｋ）
とおくことができ、このときｎi はｍ個の操作履歴に事
項Ｘ i が実際に含まれている個数を表す。
【０１３８】良好なχ2 検定に必要な操作履歴の長さ
は、少なくともＫｍａｘ（５／ｐi ）個必要である。こ
こでの目的はε近似による順位決定を行うことであるか
ら、選択確率の最小値をεとみなし、Ｃ1 （ε，Ｋ）＝
５Ｋ／ε個の収集単位を得る。
【０１３９】もう１つはＫ個の事項に対して一様分布を
想定する方法である。一様分布に従うＫ個の事項から任
意の事項を抽出し、重なりが生じるまでその抽出を続け
るとき、停止するまでの抽出回数の期待値が（Ｋ）1/2
となることが知られている。しかも、もし分布に偏りが
ある場合は、停止までの抽出回数の期待値は（Ｋ）1/ 2
より小さくなることも知られている。ここで、重なりが
生じるとは、過去に抽出された事項と同じ事項が再び抽
出されることを意味する。
【０１４０】操作履歴にはそれなりの偏りが生じること
が予想されるので、操作履歴の長さを（Ｋ）1/2 以上と
することは妥当であり、さらに分散を考えあわせて、Ｃ
1 （ε，Ｋ）＝２（Ｋ）1/2 とする。
【０１４１】この方法では、χ2 検定による方法と異な
り、Ｃ1 （ε，Ｋ）から近似精度のパラメータεを排除
している。これは、支援の効果を得るまでの時間を短縮
するとともに、収集単位に統計的な意味を残すためであ
る。
【０１４２】次に、図１４から図２０までを参照しなが
ら、時間的に一様なマルコフモデルを操作モデルとした
ときの選択事項表示システム１１の動作を説明する。こ
の場合は、学習カーネル動作管理装置１８およびシステ
ム管理者若しくはユーザによって、例えば次のように基
本動作ファイルが記述される。
【０１４３】選択事項表示システム１１は選択操作群Ａ
1 に対して学習機能を提供し、選択操作群Ａ1 は事項Ｘ
1 から事項ＸK までのＫ個の事項より成る。学習モデル
は時間的に一様なマルコフモデルに対する予測のための
確率的近似学習モデルとし、その近似精度は０＜ε＜１
とする。
【０１４４】選択操作群Ａ1 におけるユーザの選択操作
によって生じる操作履歴において、それぞれの事項の選
択頻度が、事前に何が選択されていたかによって変わる
ものとし、操作モデルは、遷移確率行列｛Ｐij｝＝｛Ｐ
（Ｘi ｜Ｘj ）｝（１＜ｉ，ｊ＜Ｋ）により表現される
ものとする。Ｐij＝Ｐ（Ｘi ｜Ｘj ）は、事項Ｘi から
事項Ｘj への遷移確率を表す。選択事項Ｘi からの他の
事項への遷移確率の総和Σj=1 K Ｐijは１であり、Ｐij
＞０（１＜ｉ，ｊ＜Ｋ）とする。
【０１４５】Ｋ個の選択事項は一次元方向に展開表示す
るという表示制約が課される。選択操作におけるユーザ
の支払うコストは選択項目の表示順位に対応する自然数
とする。選択操作機能提供装置１３は初期状態におい
て、一次元方向に事項Ｘ1 を先頭として順に事項Ｘ2 、
事項Ｘ3 、・・・、事項ＸK までを表示し、ユーザに選
択操作機能を提供する。この表示方法は、選択操作の履
歴がＣ2 （ε，Ｋ）個収集される度に修正される。
【０１４６】前述した完全独立なモデルとの違いは、選
択履歴を生成する確率モデルの違いであり、この例で
は、時間的に一様なマルコフモデルでかつ既約である
（D. Freedman Markov Chain, Holden-Day, 1971. ） 選択事項表示システム１１は上述の初期設定で起動され
る。
【０１４７】図１４は、操作モデル学習装置１６の動作
を示すフローチャートである。図１４において操作モデ
ル学習装置１６は、まず操作履歴収集装置１４に対して
操作履歴を収集することを要求し、Ｃ2 （ε，Ｋ）個の
長さを転送単位とする操作履歴の転送を指示する（ステ
ップＳ１０１）。
【０１４８】次にｉ＝１とおき、初期の経験的遷移確率
行列 外７ （Ｑ(0) の山と記す）
【０１４９】
【外７】
【０１５０】を、
【０１５１】
【数３】
【０１５２】とおいて、操作モデルに対応する確率モデ
ルのインスタンスを生成し（ステップＳ１０２）、待機
状態となる（ステップＳ１０３）。そして、操作履歴収
集装置１４からの呼出しを受けると（ステップＳ１０
４、ＹＥＳ）、ｉ番目の操作履歴｛ｘn (i) ｝（ｉ＝
１，２，・・・）を受け取る（ステップＳ１０５）。ｘ
n (i) は１〜Ｋの１つのインデックスを表し、操作履歴
｛ｘn (i) ｝はｎ＝１，２，・・・，Ｃ2 （ε，Ｋ）に
それぞれ対応するＣ2 （ε，Ｋ）個のインデックスから
なる。
【０１５３】次に、次式によりｉ番目の経験的遷移確率
行列 外８ （Ｑ(i) の山と記す）
【０１５４】
【外８】
【０１５５】を計算する（ステップＳ１０６）。
【０１５６】
【数４】
【０１５７】（２４）式の各行列要素 外９ （ｑjk
(i) の山と記す）は（２５）、（２６
【０１５８】
【外９】
【０１５９】）式により算定される。ただし、Ｎj (i)
＝０のときは、ｑjk (i) ＝０（１＜ｋ＜Ｋ）とする。
（２６）式において、ｘn (i) ＝ｊのときはσ（ｘn
(i) ，ｊ）＝１であり、ｘn (i) ≠ｊのときはσ（ｘn
(i) ，ｊ）＝０である。また、（２５）式において、ｘ
n (i) ＝ｊかつｘn+1 (i) ＝ｋのときはσ（ｘn (i) ｘ
n+1 (i) ，ｊｋ）＝１であり、ｘn (i) ≠ｊまたはｘ
n+1 (i) ≠ｋのときはσ（ｘn (i) ｘn+1 (i ) ，ｊｋ）
＝０である。
【０１６０】次に、現在までの操作履歴全体に対する経
験的遷移確率行列（マルコフ行列）外１０ （Ｒ(i) の
山と記す）を次式により計算する（ステップＳ１０
７）。
【０１６１】
【外１０】
【０１６２】
【数５】
【０１６３】（２７）式において、Ｒ(0) の山はＱ(0)
の山と同じく零行列とする。（２６）式から分かるよう
にＮj (i) は、〔Ｃ2 （ε，Ｋ）−１〕個の連続する操
作履歴の組ｘn (i) 、ｘn+1 (i) のうち、最初の操作履
歴ｘn (i) がｊに一致している組の数を表す。
【０１６４】また、（２５）式から分かるようにｑjk
(i) の山は、最初の操作履歴ｘn (i)がｊに一致し、か
つ、次の操作履歴ｘn+1 (i) がｋに一致している組の数
のＮj (i) に対する割合を表す。言い換えると、ｑjk
(i) の山は、１つ前の選択事項がＸj であったときに、
続いて事項Ｘk が選択された割合を表す。
【０１６５】また、（２７）式から分かるようにマルコ
フ行列Ｒ(i) の山のｊ行ｋ列の要素外１１ （ｒj,k
(i) の山と記す）は、ｑjk (1) の山、・・・、ｑjk (i)
の山
【０１６６】
【外１１】
【０１６７】の平均値を表している。したがって、マル
コフ行列Ｒ(i) の山のｊ行ｋ列の要素は、１番目からｉ
番目までの操作履歴が表す過去の操作において、１つ前
の選択事項がＸj であったときに、続いて事項Ｘk が選
択された平均的な割合を表す。
【０１６８】ｉ番目のマルコフ行列Ｒ(i) の山の計算が
終了すると、操作モデル学習装置１６はその結果により
操作モデルを更新し（ステップＳ１０８）、操作モデル
の更新を操作モデル翻訳装置１７に伝達する（ステップ
Ｓ１０９）。そして、ｉをインクリメントし（ステップ
Ｓ１１０）、待機状態となる（ステップＳ１０３）。
【０１６９】待機中に操作履歴収集装置１４からの呼出
しがなく（ステップＳ１０４、ＮＯ）、学習カーネル動
作管理装置１８からの呼出しを受けると（ステップＳ１
１１、ＹＥＳ）、操作履歴の学習を停止して制御を学習
カーネル動作管理装置１８に戻す。学習カーネル動作管
理装置１８からの呼出しがなければ（ステップＳ１１
１、ＮＯ）、待機状態にとどまる（ステップＳ１０
３）。
【０１７０】図１５は、操作履歴収集装置１４の動作を
示すフローチャートである。図１５の各ステップＳ１２
１、Ｓ１２２、Ｓ１２３、Ｓ１２４、Ｓ１２５、Ｓ１２
６の動作は、基本的に図１１の対応する各ステップＳ７
１、Ｓ７２、Ｓ７３、Ｓ７４、Ｓ７５、Ｓ７６の動作と
同様である。
【０１７１】ただし、ステップＳ１２１において、操作
履歴はＣ2 （ε，Ｋ）個単位で転送し、Ｃ2 （ε，Ｋ）
個の操作履歴内においては時間的な不整合がなく、時間
の経過順に操作履歴ｘn (i) が並べられるものとする。
【０１７２】また、ステップＳ１２２においては、毎回
収集する選択操作群Ａ1 の操作履歴、すなわちどの事項
が選択されたかという選択結果を、選択操作機能提供装
置１３に転送する。
【０１７３】また、ステップＳ１２３においては、操作
履歴｛ｘn (i) ｝の長さがＣ2 （ε，Ｋ）になったかど
うかを判定する。図１６は、操作モデル翻訳装置１７の
動作を示すフローチャートである。
【０１７４】図１６において待機状態にある操作モデル
翻訳装置１７は（ステップＳ１３１）、操作モデル学習
装置１６からの呼び出しを受けて（ステップＳ１３２、
ＹＥＳ）、新たな操作モデルを読み込む（ステップＳ１
３３）。
【０１７５】次に、表示制約と評価関数を読み込む（ス
テップＳ１３４、ステップＳ１３５）。ここで、表示制
約は選択事項を一方向に並べて表示するという一次元の
制約であり、評価関数はマルコフ行列Ｒ(i) の山の各行
のｈ列目の要素を事項Ｘh の表示順位に変換する関数で
ある。
【０１７６】次に、読み込んだ表示制約と評価関数に従
い、選択操作群Ａ1 の漸近最適な表示方法の記述を求め
る（ステップＳ１３６）。ここでは、マルコフ行列Ｒ
(i) の山の各行を用いて選択事項の表示順位を決定す
る。
【０１７７】具体的には、Ｒ(i) の山の各行において、
１列目からＫ列目までのＫ個の要素の値の大きい順に、
対応する事項が先頭から順に並べて表示されるように表
示順位を記述する。ただし、先頭に近いほど選択操作の
コストは低いものとする。Ｒ (i) の山の各行は、前回に
選択された事項Ｘj に対応している。
【０１７８】生成された記述は、マルコフ行列Ｒ(i) の
山に対応して、例えば、図１７に示すような表形式の記
述になる。図１７のｊ番目の行（ｊ＝１，・・・，Ｋ）
は、前回の選択操作において事項Ｘj が選ばれたときの
次の表示画面における各事項の表示順位を表し、｛（事
項Ｘtj1 ），（事項Ｘtj2 ），・・・，（事項
ＸtjK）｝のようになる。ここで、｛ｔｊ１，ｔｊ２，
・・・，ｔｊＫ｝は｛１，・・・，Ｋ｝の置換の１つで
ある。
【０１７９】また、ｒj,tj1 (i) の山≧ｒj,tj2 (i) の
山≧・・・≧ｒj,tjK (i) の山であり、図１７の記述の
第ｊ行｛（事項Ｘtj1 ），（事項Ｘtj2 ），・・・，
（事項ＸtjK ）｝における各事項の順位は、１番目から
ｉ番目までの操作履歴全体に対する経験的遷移確率行列
の第ｊ行の各要素ｒj,h (i) の山の大きさの順位を反映
している。
【０１８０】このようにして、選択操作群Ａ1 の表示方
法の記述を更新して（ステップＳ１３７）、これを選択
操作機能提示装置１３に伝達し（ステップＳ１３８）、
待機状態に戻る（ステップＳ１３１）。
【０１８１】操作モデル学習装置１６からの呼び出しが
なく（ステップＳ１３２、ＮＯ）、学習カーネル動作管
理装置１８からの呼び出しがあれば（ステップＳ１３
９、ＹＥＳ）、操作モデルの翻訳を停止して、制御を学
習カーネル動作管理装置１８に戻す。学習カーネル動作
管理装置１８からの呼び出しがなければ（ステップＳ１
３９、ＮＯ）、待機状態にとどまる（ステップＳ１３
１）。
【０１８２】図１８は、選択操作機能提供装置１３の動
作を示すフローチャートである。図１８において選択操
作機能提示装置１３は、まずオペレータからの選択事項
の提示要求に備えて、選択操作群Ａ1 の表示方法の新た
な記述を操作モデル翻訳装置１７から読み込み（ステッ
プＳ１４１）、待機状態となる（ステップＳ１４２）。
このとき、操作履歴収集装置１４から送られてくる前回
の選択結果の情報を保存する。
【０１８３】そして、オペレータから選択操作群Ａ1 の
選択事項の表示を要求されると（ステップＳ１４３、Ｙ
ＥＳ）、選択操作群Ａ1 において前回選ばれた事項の情
報を取り出す（ステップＳ１４４）。
【０１８４】次に、選択操作群Ａ1 の表示方法の記述に
アクセスし（ステップＳ１４５）、前回選ばれた事項Ｘ
j のインデックスｊに対応して、第ｊ行に記述された順
位による表示方法を選択する（ステップＳ１４６）。
【０１８５】そして、選択した表示方法に従って選択事
項を新しい表示順位で表示して、オペレータに選択操作
機能を提供し（ステップＳ１４７）、待機状態に戻る
（ステップＳ１４２）。
【０１８６】また、選択操作群Ａ1 の選択事項の表示要
求がなく（ステップＳ１４３、ＮＯ）、操作モデル翻訳
装置１７から記述の修正要求があれば（ステップＳ１４
８、ＹＥＳ）、選択操作群Ａ1 の更新された表示方法の
記述を操作モデル翻訳装置１７から読み込み（ステップ
Ｓ１４９）、待機状態に戻る（ステップＳ１４２）。操
作モデル翻訳装置１７からの修正要求がなければ（ステ
ップＳ１４８、ＮＯ）、待機状態にとどまる（ステップ
Ｓ１４２）。
【０１８７】次に、図１９および図２０を参照しなが
ら、時間的に一様なマルコフモデルによる選択事項の表
示の一例について説明する。図１９（ａ）は３つの事項
Ｘ1 、Ｘ2 、Ｘ3 の前回の表示を示しており、図１９
（ｂ）は選択事項表示システム１１により修正された表
示を示している。図１９（ａ）および図１９（ｂ）にお
いて、ユーザによる選択操作のコストは上から順に１、
２、３であるものとする。これらの値に表示された各項
目の経験的遷移確率を乗じてそれらの和をとると、その
表示における操作コストの期待値が得られる。
【０１８８】このとき、操作モデル学習装置１６は図１
４のフローに従い、図１９（ａ）の前回の表示において
ユーザにより選択された事項Ｘ2 のインデックス２を含
むｉ番目の操作履歴を受け取る（ステップＳ１０５）。
そして、今までに得られている操作履歴からマルコフ行
列Ｒ(i) の山を修正するか否かを調べ、修正が必要であ
ればＲ(i) の山を修正し、必要がなければＲ(i) の山を
そのまま保持する（ステップＳ１０６、Ｓ１０７、Ｓ１
０８）。
【０１８９】図２０は、こうして得られたマルコフ行列
Ｒ(i) の山の一例を示している。図２０において、ｊ行
ｈ列の数値は前回の選択結果が事項Ｘj であったときに
事項Ｘh が次回に選択される確率を表す。この確率は現
在までの全操作履歴をもとに算定されている。操作モデ
ル学習装置１６は、図２０のマルコフ行列Ｒ(i) の山を
操作モデル翻訳装置１７に伝える（ステップＳ１０
９）。
【０１９０】操作モデル翻訳装置１７は図１６のフロー
に従い、受け取ったマルコフ行列Ｒ (i) の山と表示制約
にもとづき、表示方法の記述を生成する（ステップＳ１
３６、Ｓ１３７）。図１９の場合の表示制約は、選択操
作におけるカーソルの移動方向が上下方向であり、上か
ら１項目下へ移動する毎に１単位のコストを要するとい
う制約を含んでいる。
【０１９１】図２１は、図２０のマルコフ行列から生成
された記述を示している。この翻訳結果は、例えば前回
の選択結果が事項Ｘ1 の場合は、図２０のマルコフ行列
の１行目の各確率の大きさに従って上から事項Ｘ3 、事
項Ｘ2 、事項Ｘ1 の順に表示することを表している。同
様に、前回の選択結果が事項Ｘ2 の場合は上から事項Ｘ
1 、事項Ｘ3 、事項Ｘ2 の順であり、前回の選択結果が
事項Ｘ3 の場合は上から事項Ｘ2 、事項Ｘ3 、事項Ｘ1
の順であることを表す。
【０１９２】操作モデル翻訳装置１７は、図２１の表示
方法の記述を選択操作機能提供装置１３に伝える（ステ
ップＳ１３８）。選択操作機能提供装置１３は図１８の
フローに従い、操作履歴収集装置１４から送られた前回
の選択結果である事項Ｘ2 のインデックス２を用いて、
受け取った表示方法の記述にアクセスする（ステップＳ
１４５）。
【０１９３】そして、図２１の表示方法の記述の２行目
から｛事項Ｘ1 ，事項Ｘ3 ，事項Ｘ 2 ｝という表示順位
を得て（ステップＳ１４６）、これに従い図１９（ｂ）
に示すように選択事項を表示する（ステップＳ１４
７）。
【０１９４】図２０の２行目の各事項の選択確率を用い
て、図１９（ｂ）の表示における操作コストの期待値を
求めてみると、 １×０．５＋２×０．３＋３×０．２＝１．７ …（２８） となる。一方、同じ選択確率を用いて、図１９（ａ）の
表示における操作コストの期待値を求めてみると、 １×０．５＋２×０．２＋３×０．３＝１．８ …（２９） となる。したがって、図１９（ｂ）のように表示を修正
することにより操作コストの削減が期待できる。
【０１９５】時間的に一様なマルコフモデルの場合は、
操作履歴がＣ2 （ε，Ｋ）個集まる毎に、操作モデル、
操作モデルにもとづく記述、および表示形式が更新され
る。このとき、高々〔８Ｋ／Ｃ2 （ε，Ｋ）ε2 〕〔ln
（２Ｋ／ε）〕2 回の更新の後に、選択事項表示システ
ム１１は選択操作群Ａ1 に対して最適な平均操作量から
の逸脱がεＫ2 （Ｋ−１）を超えることのない選択操作
機能を、１−εの高い確率で提供することができる。も
ちろん、操作履歴を収集し続けて更新を続けるならば、
漸近的に最適な操作量を実現できる。この結論は以下の
ようにして導かれる。
【０１９６】事前にどの事項が選ばれたのかを知ること
ができれば、経験的遷移行列Ｒ(i)の山の１つの行を経
験的確率ベクトルとして取り出せるので、その時点にお
いて完全独立なモデルと同様の問題となる。各事項から
の経験的遷移確率を要素とする経験的確率ベクトルが目
的の分布にε近似であれば、これらによって表示順位を
求め、図１７のような表示方法の記述を生成して選択事
項の表示を行い、最適な平均操作量に漸近する選択操作
機能を提供することができる。
【０１９７】経験的遷移確率行列が目的の分布を表す確
率行列にε近似となるために、最終的に必要となる履歴
の長さを算定してみる。このとき、満たされるべき条件
は次の２つである。
【０１９８】（Ｉ）少なくとも各事項について、各経験
的遷移確率がε近似となるための十分な標本量Ｎ＝Ｏ
（（１／ε2 ）ln（１／ε））を、各遷移事例について
集めなければならない。
【０１９９】（II）各経験的確率ベクトルがε近似でな
ければならない。すなわち、操作履歴は各事項について
少なくともＮ個以上の遷移事例が集められるくらいに長
くなければならない。
【０２００】まず、このモデルに固有の条件（II）につ
いて考える。時間的に一様で既約なマルコフモデルを考
えているので、経験的遷移確率行列Ｒ(i) の山の各行ｊ
（１＜ｊ＜Ｋ）においてΣh=1 K ｒjh (i) の山＝１なら
ば、そのｉ＝∞に対応する極限分布は、
【０２０１】
【数６】
【０２０２】となる。したがって、観測時間が十分に長
い場合は、各事項から始まる遷移が見出される頻度が互
いに等しいと仮定することは合理的である。事項Ｘj か
ら始まる遷移事例は操作履歴の中に１／Ｋの確率で見い
出されると考える。ここでは、事項Ｘ j から事項Ｘh へ
の遷移事例Ｘj Ｘh （１＜ｈ＜Ｋ）を、１−δ2 の確率
で少なくともＮ個集めなければならない。
【０２０３】これを達成するには、Coupon Collector P
roblem（G.M.Benedek and A.Itai,Learnability with r
espect to fixed distributions, Theo. Comp. Sci., 8
6(1991), pp.377-389．）によれば、ＮＫln（ＮＫ／δ
2 ）個の遷移事例を集めればよい。こうして、１−δ2
の確率でε近似の経験的遷移確率行列を獲得する機会が
あることが分かった。次に、１−δ1 の確率で各遷移確
率の推定が同時にε近似でなければならない。
【０２０４】
【数７】
【０２０５】が成り立つので、各事項から始まる遷移事
例の総数Ｎは、Hoeffding の不等式を用いて（２／
ε2 ）ln（Ｋ2 ／δ1 ）以上でなければならないことが
分かる。推定の確度に対する要請は、 （１−δ1 ）（１−δ2 ）≧１−ε …（３２） であるから、δ1 ＝ε／２，δ2 ＝ε／２とすると、 （３２）式の左辺＝（１−ε／２）2 ≧１−ε ＝（３２）式の右辺 …（３３） となり、（３２）式を満足する。
【０２０６】以上のことから、（８Ｋ／ε2 ）〔ln（２
Ｋ／ε）〕2 個の遷移事例を操作履歴から収集して経験
的遷移確率行列Ｒ(i) の山を計算すれば、１−εの確率
で一般の遷移確率行列に対してε近似となる。操作履歴
はＣ2 （ε，Ｋ）個毎に転送されるので、必要な転送回
数は〔８Ｋ／Ｃ2 （ε，Ｋ）ε2 〕〔ln（２Ｋ／ε）〕
2 回となる。
【０２０７】再び、操作履歴を逐次的に収集する際に何
個単位で収集すべきであるかを、次の２つの方法により
検討する。ここでは、Ｃ2 （ε，Ｋ）個という関数の形
で収集単位を導入している。
【０２０８】χ2 検定の過去の経験と理論によれば、各
選択事項Ｘj において良好なχ2 検定に必要な操作履歴
の長さとして、この場合少なくともＫ2 ｍａｘh （５／
ｐjh）は必要である。ここで、ｐjhは事項Ｘj が選ばれ
たときの次に事項Ｘh が選ばれる頻度である。ここでの
目的は、ε近似によって、各事項が事前に選ばれたとき
に次に何が選ばれるのか、その蓋然性における順位決定
を行うことである。したがって、選択頻度ｐjhの最小値
をεとみなし、Ｃ2 （ε，Ｋ）＝５Ｋ2 ／ε個の収集単
位を得る。
【０２０９】また、Ｋ2 個の遷移が存在するので、１つ
の遷移と他の遷移は独立であると考えて、各遷移に対し
て一様分布を想定することもできる。このとき、遷移事
例の抽出を重なりが生じるまで続けるとすると、停止す
るまでの抽出回数の期待値はＫとなる。もし、遷移の分
布に偏りがある場合は、停止までの抽出回数の期待値は
Ｋよりも小さくなる。
【０２１０】操作履歴にはそれなりの偏りが生じること
が予想されるので、操作履歴の長さをＫ以上とすること
は妥当であり、さらに分散を考え併せて、Ｃ2 （ε，
Ｋ）＝２Ｋとする。
【０２１１】選択操作の履歴が完全独立な事象例とみな
し得る場合、学習カーネル動作管理装置１８においてそ
の処理を記載すれば、確率モデルを変更して、マルコフ
モデルから完全独立なモデルへ移行することができる。
【０２１２】図１４から図２１までの実施例では、前回
の選択結果によって次に選択される事項の確率を予測す
る１次マルコフモデルを操作モデルとして採用したが、
本発明はこれに限られるものではなく、前々回の選択結
果まで考慮に入れて次の選択確率を予測する２次マルコ
フモデル等、任意の次数の多重マルコフモデルを採用す
ることができる。
【０２１３】また、上述の実施例では時間的に一様なマ
ルコフモデルを用いたが、選択事項表示システム１１
は、選択確率が時間に依存する非定常な選択操作を含む
任意の選択操作を支援することができる。非定常なモデ
ルとしては、マルコフモデルの上位モデルである自己回
帰（Autoregression）モデルや自己回帰移動平均（Auto
regressive Moving Average）モデルなどがある。
【０２１４】図２２は非定常な操作モデルの一例を示
し、図２３は図２２のモデルにおける最適な表示方法の
一例を示している。図２２のフェーズＴ１においては、
選択事項Ｘ1 〜Ｘ15のうちＸ1 〜Ｘ5 のみが選択対象と
なり、事項Ｘ3 の選択確率が最も高く、次いで事項Ｘ2
とＸ4 、事項Ｘ1 とＸ5 の順になっている。フェーズＴ
２においては、選択事項Ｘ1 〜Ｘ15のうちＸ6 〜Ｘ14の
みが選択対象となり、事項Ｘ10の選択確率が最も高く、
次いで事項Ｘ9 とＸ11、事項Ｘ8 とＸ12、事項Ｘ7 とＸ
13、事項Ｘ6 とＸ14の順になっている。
【０２１５】このとき、表示制約を図３（ａ）と同様に
一次元方向とすると、フェーズＴ１における最適な選択
事項の表示は、例えば図２３（ａ）のようになる。フェ
ーズＴ１においては事項Ｘ6 〜Ｘ15の選択確率は０なの
で、これらを表示する必要はない。選択操作のコストは
右へ行くほど大きくなる。
【０２１６】また、フェーズＴ２における最適な選択事
項の表示は、例えば図２３（ｂ）のようになる。フェー
ズＴ２においては事項Ｘ1 〜Ｘ5 、Ｘ15の選択確率は０
なので、これらを表示する必要はない。
【０２１７】このように、選択確率が時間に依存して変
化する場合でも、対応して時間的に変化する操作モデル
を採用すれば、その選択操作を支援することができる。
続いて、図２４から図２７までを参照しながら、選択事
項表示システム１１による複数の選択操作群にまたがる
支援方法を説明する。ここでは、特に新規支援要請、支
援中止要請等の処理手順について説明する。
【０２１８】支援対象である各選択操作群の操作モデル
は、完全独立なモデルと同様の表示項目数に応じた多項
分布であり、具体的には経験的確率ベクトルで表現され
ているものとする。このとき、新規に支援を受けるもの
を含む各選択操作群に対して、図１０から図１３に示し
たのと同じ方法が適用されるなら、漸近最適な操作量が
保証される。
【０２１９】図２４は、学習カーネル動作管理装置１８
による支援の変更動作を示すフローチャートである。図
２４において、起動された学習カーネル動作管理装置１
８は常時待機の体制をとる（ステップＳ１５１）。
【０２２０】このとき、操作モデル学習装置１６と操作
モデル翻訳装置１７が起動され、基本動作ファイルの選
択操作群の集合（リスト）Ｌに記載された選択操作群
｛Ａ1，・・・，Ａs ｝の支援を開始する。
【０２２１】次に、オペレータから新規の選択操作群
｛Ａs+1 ，・・・，Ａs+t ｝の支援要請を受け取ると
（ステップＳ１５２、ＹＥＳ）、基本動作ファイルにそ
れらに関する情報を追加する（ステップＳ１５３）。そ
して、操作モデル学習装置１６と操作モデル翻訳装置１
７を呼び出して（ステップＳ１５４、Ｓ１５５）、追加
要求を伝える（ステップＳ１５６）。ここで、選択操作
群｛Ａs+1 ，・・・，Ａs+ t ｝の支援開始を指示し（ス
テップＳ１５７）、待機状態に戻る（ステップＳ１５
１）。
【０２２２】操作モデル学習装置１６と操作モデル翻訳
装置１７は、学習カーネル動作管理装置１８からの追加
要求に応じて、選択操作群｛Ａs+1 ，・・・，Ａs+t ｝
の支援を開始する。
【０２２３】また、オペレータから選択操作群｛Ａi ，
・・・，Ａi+k ｝に対する支援中止の要請を受け取ると
（ステップＳ１５８、ＹＥＳ）、基本動作ファイルから
それらの情報を削除する（ステップＳ１５９）。そし
て、操作モデル学習装置１６と操作モデル翻訳装置１７
を呼び出して（ステップＳ１６０、Ｓ１６１）、削除要
求を伝える（ステップＳ１６２）。ここで、選択操作群
｛Ａi ，・・・，Ａi+k｝の支援中止を指示し（ステッ
プＳ１６３）、待機状態に戻る（ステップＳ１５１）。
【０２２４】操作モデル学習装置１６と操作モデル翻訳
装置１７は、学習カーネル動作管理装置１８からの削除
要求に応じて、選択操作群｛Ａi ，・・・，Ａi+k ｝の
支援を中止する。
【０２２５】また、オペレータから選択操作群｛Ａp ，
Ａq ｝に対する支援内容の修正要請を受け取ると（ステ
ップＳ１６４、ＹＥＳ）、基本動作ファイルのそれらに
関する情報を修正する（ステップＳ１６５）。そして、
操作モデル学習装置１６と操作モデル翻訳装置１７を呼
び出して（ステップＳ１６６、Ｓ１６７）、修正要求を
伝える（ステップＳ１６８）。ここで、選択操作群｛Ａ
p ，Ａq ｝の修正された内容での支援を指示し（ステッ
プＳ１６９）、待機状態に戻る（ステップＳ１５１）。
【０２２６】操作モデル学習装置１６と操作モデル翻訳
装置１７は、学習カーネル動作管理装置１８からの修正
要求に応じて、修正された内容で選択操作群｛Ａp ，Ａ
q ｝の支援を再開する。Ａp ′、Ａq ′は、それぞれ支
援内容の修正を受けた選択操作群Ａp 、Ａq を表す。
【０２２７】オペレータから新規支援、支援中止、支援
修正のいずれの要請もない場合は（ステップＳ１５２、
ＮＯ、ステップＳ１５８、ＮＯ、ステップＳ１６４、Ｎ
Ｏ）、待機状態にとどまる（ステップＳ１５１）。
【０２２８】図２５は、図２４のステップＳ１５３にお
ける支援対象の追加動作のフローチャートである。図２
５において、学習カーネル動作管理装置１８はオペレー
タからの要請に応じて対話機能を立ち上げ（ステップＳ
１７１）、新規の選択操作群｛Ａs+1 ，・・・，
Ａs+t ｝の選択事項や表示制約など、必要な情報を受け
取る（ステップＳ１７２）。
【０２２９】次に、選択操作群｛Ａs+1 ，・・・，Ａ
s+t ｝とそれらの操作モデル、表示方法の記述等を記載
した追加の基本動作ファイルを生成する（ステップＳ１
７３）。このとき、新規の選択操作群のうち、過去に基
本動作ファイルに登録されたことのあるものについて
は、その情報をシステム内のメモリから取り出して追加
の基本動作ファイルを生成する。
【０２３０】そして、現在の基本動作ファイルに追加の
基本動作ファイルをマージして、新規の基本動作ファイ
ルとする（ステップＳ１７４）。新規の基本動作ファイ
ルには、選択操作群｛Ａ1 ，・・・，ＡS ，Ａs+1 ，・
・・，Ａs+t ｝の動作記述が記載される。
【０２３１】図２６は、図２４のステップＳ１５９にお
ける支援対象の削除動作のフローチャートである。図２
６において、学習カーネル動作管理装置１８はオペレー
タからの要請に応じて対話機能を立ち上げる（ステップ
Ｓ１８１）。そして、基本動作ファイルの選択操作群
｛Ａi ，・・・，Ａi+k ｝の支援状態を休止と記述し
て、操作モデル学習装置１６と操作モデル翻訳装置１７
にこれらの支援休止を要求する。また、選択操作機能提
供装置１３に対しては、現在得られている表示方法の固
定を伝達する。
【０２３２】次に、これらの選択操作群およびその操作
モデル、表示方法の記述等の情報を基本動作ファイルか
ら削除して（ステップＳ１８２）、基本動作ファイルを
更新する（ステップＳ１８３）。削除した情報はシステ
ム内のメモリに格納しておく。
【０２３３】更新された基本動作ファイルには、選択操
作群｛Ａ1 ，・・・，Ａi-1 ，Ａi+ k+1 ，・・・，
Ａs ｝の動作記述が記載される。学習カーネル動作管理
装置１８からの削除要求に応じて、操作モデル学習装置
１６は選択操作群｛Ａi ，・・・，Ａi+k ｝の操作モデ
ルを消去し、操作モデル翻訳装置１７はそれらの表示方
法の記述を消去する。操作履歴収集装置１４はそれらの
選択操作群に関する操作履歴の収集経路を断ち、選択操
作機能提供装置１３は、作業用ソフトウェアに対してこ
れまでに得られた表示方法若しくは初期の表示方法を伝
達し、選択操作群｛Ａi ，・・・，Ａi+k ｝に関する伝
達経路を切る。
【０２３４】図２７は、図２４のステップＳ１６５にお
ける支援内容の修正動作のフローチャートである。図２
７において、学習カーネル動作管理装置１８はオペレー
タからの要請に応じて対話機能を立ち上げる（ステップ
Ｓ１９１）。そして、基本動作ファイルの選択操作群
｛Ａp ，Ａq ｝の支援状態を休止と記述して、操作モデ
ル学習装置１６と操作モデル翻訳装置１７にこれらの支
援休止を要求する。
【０２３５】学習カーネル動作管理装置１８からの支援
休止要求に応じて、操作モデル学習装置１６と操作モデ
ル翻訳装置１７はこれらの選択操作群の支援を停止す
る。次に、学習カーネル動作管理装置１８はこれらの選
択操作群の操作モデル、表示方法の記述等の情報の修正
内容を受け取り（ステップＳ１９２）、基本動作ファイ
ルの該当部分を修正内容と置き換えて（ステップＳ１９
３）、基本動作ファイルを更新する（ステップＳ１９
４）。
【０２３６】更新された基本動作ファイルには、選択操
作群｛Ａ1 ，・・・，Ａp ′，・・・，Ａq ′，・・
・，Ａs ｝の動作記述が記載される。次に、図２８から
図３４までを参照しながら、図１の各装置をマルチプロ
セス機能を持つワークステーションにより実現した例に
ついて説明する。
【０２３７】図２８は、学習カーネル動作管理装置１
８、操作履歴収集装置１４、選択操作機能提供装置１
３、操作モデル学習装置１６、操作モデル翻訳装置１７
にそれぞれ対応する学習カーネル動作管理プロセス２
１、操作履歴収集プロセス２２、選択操作機能提供プロ
セス２３、操作モデル学習プロセス２４、操作モデル翻
訳プロセス２５を１つのワークステーション上に生成し
た例を示している。
【０２３８】プロセス間の通信経路はプロセスが存在し
ているシステムの通信プロトコルを用いて生成する。学
習カーネル動作管理プロセス２１は、各プロセスの動作
を選択事項表示システム１１として協調させるために主
となるプロセスの役割を果たす。
【０２３９】通信経路を伝播する通信文は、図２８の各
プロセスや支援対象となる複数の作業用ソフトウェアの
間で送受信され、各プロセスの動作を規定する台本（ス
クリプト）となる。
【０２４０】図２８の各プロセス等をPerlなどのスクリ
プト言語で構成すれば、通信文の処理のために専用の受
理器（オートマン）を構成する手間を省くことができ、
また、ＯＳ（オペレーティング・システム）に縛られる
こともなくなる。ＵＮＩＸ上のPerlでは、標準的な通信
プロトコルであるＴＣＰ／ＩＰがサポートされており、
容易にプロセス間通信を実現できる。作業用ソフトウェ
アとしては、例えばドロー系の作図ソフトウェアを想定
しており、ポインティング・デバイスとグラフィック・
ユーザ・インタフェース（ＧＵＩ）が用いられる。
【０２４１】図２８においては、学習カーネル動作管理
プロセス２１が他のプロセス２２、２３、２４、２５を
立ち上げる。これらのプロセス２１、２２、２３、２
４、２５は、それぞれの動作設定にもとづき図２９に示
す手順でプロセス間の通信チャネルを生成し、通信経路
を確保する。
【０２４２】各プロセスは選択事項表示システム１１に
おいて決められた通信文を送付・受理できるような通信
・解釈ルーチンをコミュニケータとして持つ。受理でき
る通信文や受理した通信文に対する動作などのコミュニ
ケータの能力は、プロセスの機能に応じて異なる。
【０２４３】コミュニケータの通信チャネルは、例えば
ソケットにより構成される。通信チャネルの生成方法と
しては、ソケットを直接生成して結合する方法の他に、
各プロセスのコミュニケータがそれぞれ通信用のプロセ
スを生成する方法があり、この場合は通信用のプロセス
を介して間接的に通信が行われる。間接的な通信は、通
信の安全管理の面で優れている。
【０２４４】図２９（ａ）に示すように、プロセス乙が
自己の通信チャネルを生成してプロセス甲に通信の開始
を要求すると、図２９（ｂ）に示すように、プロセス甲
が自己の通信チャネルを生成する。こうして、図２９
（ｃ）に示すように、プロセス甲とプロセス乙の間にプ
ロセス間の通信経路が成立する。ここで、プロセス甲、
プロセス乙は、それぞれ図１８のプロセス２１、２２、
２３、２４、２５のいずれかを指す。
【０２４５】図３０は、図２９の手順により選択事項表
示システム１１内に設定される通信経路を示している。
設定された各通信経路上では双方向に通信が行われ、各
通信経路により接続される２つのプロセスのどちらの通
信チャネルも等価である。また、各通信経路の容量はそ
の役割に応じて変化し、容量に応じてその通信経路に属
する通信チャネルの対の数も変わる。
【０２４６】無駄のない選択事項表示システム１１を構
成した場合は、受理できる通信文の種類や長さなどの各
コミュニケータの能力の差が生じる。例えば、学習カー
ネル動作管理プロセス２１の通信経路と選択操作機能提
供プロセス２３の通信経路が、すべての面で同等の能力
を持つ必要はない。学習カーネル動作管理プロセス２１
の通信経路はより静的であり、選択操作機能提供プロセ
ス２３の通信経路はより動的である。選択操作機能提供
プロセス２３の通信経路が動的なのは、作業用ソフトウ
ェアに情報をすばやく送ったり、操作モデル翻訳プロセ
ス２５から支援内容を頻繁に受け取るためである。
【０２４７】図３１は、選択操作機能提供プロセス２３
と作業用ソフトウェアの接続方法を示している。作業用
ソフトウェア２６には、プロセスと同様に通信・解釈の
ためのコミュニケータが備えられている。
【０２４８】選択操作機能提供プロセス２３との通信に
関与する作業用ソフトウェア２６のコミュニケータは、
作業用ソフトウェア２６の内部の状態を観測するほか
に、内部の状態の変更を行う。しかし、作業用ソフトウ
ェア２６のすべてのレベルで状態変数がコミュニケータ
に開放されているわけではなく、ＧＵＩの表示関連オブ
ジェクト（ＧＵＩ表示オブジェクト）の中でユーザが学
習機能の支援を必要とするものに限られる。
【０２４９】図３１（ａ）に示すように、まず操作モデ
ル翻訳プロセス２５との間に既に通信経路を持つ選択操
作機能提供プロセス２３が通信チャネルを生成して、作
業用ソフトウェア２６に通信の開始を要求する。する
と、図３１（ｂ）に示すように、作業用ソフトウェア２
６が通信チャネルを生成して、図３１（ｃ）に示すよう
に、選択操作機能提供プロセス２３と作業用ソフトウェ
ア２６の間に通信経路が成立する。
【０２５０】図３２は、操作履歴収集プロセス２２と作
業用ソフトウェアの接続方法を示している。操作履歴収
集プロセス２２との通信に関与する作業用ソフトウェア
２６のコミュニケータが、操作履歴収集プロセス２２に
開放しているオブジェクトはＧＵＩの選択操作に関する
事象を管理するためのもの（ＧＵＩ選択事象オブジェク
ト）である。
【０２５１】図３２（ａ）に示すように、まず操作モデ
ル学習プロセス２４との間に既に通信経路を持つ操作履
歴収集プロセス２２が通信チャネルを生成して、作業用
ソフトウェア２６に通信の開始を要求する。すると、図
３２（ｂ）に示すように、作業用ソフトウェア２６が通
信チャネルを生成して、図３２（ｃ）に示すように、操
作履歴収集プロセス２２と作業用ソフトウェア２６の間
に通信経路が成立する。
【０２５２】図３３は、図２９のプロセス甲とプロセス
乙の間における通信経路の形成処理を示すフローチャー
トである。イベント待ちとなっているプロセス乙は（ス
テップＳ２１１）、通信の必要が生じたときにまず自己
の通信チャネルを生成して（ステップＳ２１２）、プロ
セス甲を呼び出し（ステップＳ２１３）、プロセス甲か
らの応答を待つ（ステップＳ２１４）。
【０２５３】イベント待ちであったプロセス甲は（ステ
ップＳ２０１）、プロセス乙からの呼び出しを確認する
と（ステップＳ２０２）、自己の通信チャネルを生成し
（ステップＳ２０３）、自己の通信チャネルと通信相手
であるプロセス乙の通信チャネルを繋いで呼び出しに応
答する（ステップＳ２０４）。
【０２５４】次に、通信チャネルを通信制御オブジェク
トに登録して（ステップＳ２０５）、再びイベント待ち
となる（ステップＳ２０６）。プロセス乙は、プロセス
甲からの応答を受信して、通信経路の成立を確認すると
（ステップＳ２１５）、通信チャネルを通信制御オブジ
ェクトに登録して（ステップＳ２１６）、再びイベント
待ちとなる（ステップＳ２１７）。
【０２５５】図３４は、このようにして形成された通信
経路により行われる選択操作機能提供プロセス２３と作
業用ソフトウェア２６の間の通信の一例を示している。
最初にイベント待ちとなっている選択操作機能提供プロ
セス２３は（ステップＳ２２１）、操作モデル翻訳プロ
セス２５から支援対象の新しい表示動作を記した台本を
受け取ると、作業用ソフトウェア２６との通信を行う通
信チャネルを指定する（ステップＳ２２２）。
【０２５６】次に、作業用ソフトウェア２６のコミュニ
ケータとの間で通信経路を確認し（ステップＳ２２
３）、作業用ソフトウェア２６がサポートしているメニ
ューの表示方法や操作方法の台本である通信文を送る
（ステップＳ２２４）。ここでは、一例として図２１の
記述に対応する表示順位を記したメニューリストとメニ
ュー動作が送られる。
【０２５７】イベント待ちとなっている作業用ソフトウ
ェア２６のコミュニケータは、選択操作機能提供プロセ
ス２３からの呼び出しを確認すると（ステップＳ２３
２）、送信された通信文を受信し（ステップＳ２３
３）、通信文の内容を確認して（ステップＳ２３４）、
選択操作機能提供プロセス２３のコミュニケータに通信
文の受信完了を知らせる（ステップＳ２３５）。
【０２５８】次に、通信文の内容を解釈してＧＵＩ表示
オブジェクトが受理できる形式の台本を用意して、ＧＵ
Ｉ表示オブジェクトに渡し（ステップＳ２３６）、イベ
ント待ちとなる（ステップＳ２３７）。
【０２５９】ＧＵＩ表示オブジェクトに渡される台本に
は、他の作業用ソフトウェアとの間の通信を制御し、学
習カーネル１５との通信を円滑に行うために必要な通信
経路制御ルーチンが明記されている。これはシステムの
信頼性を高めるためのプログラムであり、多数のプロセ
スが協調して処理が行われるときに有効である。
【０２６０】選択操作機能提供プロセス２３は作業用ソ
フトウェア２６から受信完了を知らされて、作業用ソフ
トウェア２６による通信文の受信を確認すると（ステッ
プＳ２２５）、イベント待ちとなる（ステップＳ２２
６）。
【０２６１】以上の実施例のシステム構成においては、
操作モデルとそれに対する表示方法の記述を分離するこ
とにより、学習カーネル１５の抽象性が高められてい
る。これにより、同一の操作モデルを持つ異なる表示形
態の選択操作群、例えば一つのソフトウェア内の異なる
メニューや、複数の異なるソフトウェアのメニュー、ま
たはフロントエンドプロセッサの漢字変換の次候補表示
などに対して、学習カーネル１５は同一の学習機能を一
括して提供することができる。異なる表示方法や表示制
約については、それらを記述したファイルを用意して選
択操作群毎に管理すればよい。
【０２６２】また、学習カーネル１５を形成することに
より、異なる操作モデルをも管理し、それらに学習機能
を提供できるため、ある選択操作群の操作モデルに変化
が生じた場合、この学習機能により柔軟に対処できる。
根本的な操作モデルの変更には対話機能などを用いた
り、予め操作モデルの族を決めて探索学習することで対
応できる。
【０２６３】学習カーネル１５の階層性によって、支援
対象、操作モデル、表示方法の記述の管理および再利用
がシステム内で容易に実現され、各個別あるいは組み合
わせての利用など柔軟な運用が可能である。特に、学習
により推定された操作モデルとその表示方法の記述によ
る選択操作機能をシステムの管理から外して、単独の機
能体として作業に提供することもできる。
【０２６４】また、ユーザは、学習カーネル動作管理装
置１８により提供される対話機能によって、支援対象を
自分の意図に合わせて決定できる。作業においては、複
数の異なる選択操作群の操作効率を最適にすることを一
つの学習カーネル１５に要求するだけで、適切な支援が
保証される。
【０２６５】また、ユーザは作業に必要と思われる新し
い操作モデルを新規に登録し、そのモデルに従って動的
に学習機能を変更させることができる。以上の実施例で
は、支援対象をユーザによる選択操作として説明した
が、適切な確率モデルによる学習方法が確立されるなら
ば、より複雑な操作が一貫した手法により記述可能とな
る。このとき、図２の選択事項表示システム１１は、選
択操作に限られない最適な操作量を実現するためのプラ
ットフォームとなる。
【０２６６】具体的には、計算機上のオペレーティング
・システムおよびアプリケーション・ソフトウェアの動
作に対して学習機能を提供し、操作モデルと操作方法の
記述により確率的に記述した内容をユーザによる操作に
反映させて、作業の効率を上げることができる。
【０２６７】例えば、計算機とユーザが協調して行う作
業において、オペレーティング・システムおよびアプリ
ケーション・ソフトウェアにより行われる動的なライブ
ラリの管理にも本発明を適用することができる。
【０２６８】複数のライブラリを動的にメモリにロード
する際に、あらかじめ関連するライブラリをまとめてロ
ードしたり、さらにライブラリの階層をあらかじめ予測
して、ロードする順番を決めておけば、オペレーティン
グ・システム等による動的なライブラリ管理に必要なメ
モリ、ＣＰＵ等の計算機資源の量が漸近的に最適となる
ようなライブラリ管理システムを構成できる。そして、
オペレーティング・システム等のすばやい応答を適応的
に実現することができる。
【０２６９】また、本発明はビデオライブラリにおい
て、最新のトピックに適応したアクセスを行い、ビデオ
の数を加減する在庫管理にも適用できる。
【０２７０】
【発明の効果】本発明によれば、情報処理装置を利用し
た作業における操作性の向上が実現される。より具体的
には、次のような効果を得ることができる。
【０２７１】メニュー等の１つの機能体から学習機能が
分離され、表示方法の修正変更および学習機能の修正変
更が容易になる。また、学習機能の独立性が高まり、１
つの学習機能によって、同種の学習機能を必要とする異
なる機能体に学習機能が提供される。
【０２７２】また、学習結果そのものは、抽象度の高い
記述により機能体の表現と対応しているので、表現方法
において異なる制約の機能体を実現する場合に、一元的
かつ効率的な取扱いが可能になる。
【０２７３】また、作業内容は、支援対象、操作モデ
ル、および表示方法の記述により階層的に把握され、必
要に応じてそれらの変更や新規登録が可能であり、開放
的なシステムにより支援されるので、大きく異なった支
援方法が要求される状況下でも柔軟な支援が容易に実現
される。
【０２７４】また、作業内容と機能体、および、作業内
容と学習機能の分離が可能であり、複数の異なる作業に
対して１つのシステムにより学習機能を提供できる。
【図面の簡単な説明】
【図１】本発明の原理図である。
【図２】本発明の一実施例の構成図である。
【図３】表示制約の例を示す図である。
【図４】基本動作ファイルの準備動作を示すフローチャ
ート（その１）である。
【図５】基本動作ファイルの準備動作を示すフローチャ
ート（その２）である。
【図６】学習カーネルの起動と一般動作を示すフローチ
ャートである。
【図７】学習カーネルの動作変更を示すフローチャート
である。
【図８】操作モデル学習装置の動作を示すフローチャー
ト（その１）である。
【図９】操作モデル翻訳装置の動作を示すフローチャー
ト（その１）である。
【図１０】操作モデル学習装置の動作を示すフローチャ
ート（その２）である。
【図１１】操作履歴収集装置の動作を示すフローチャー
ト（その１）である。
【図１２】操作モデル翻訳装置の動作を示すフローチャ
ート（その２）である。
【図１３】選択操作機能提供装置の動作を示すフローチ
ャート（その１）である。
【図１４】操作モデル学習装置の動作を示すフローチャ
ート（その３）である。
【図１５】操作履歴収集装置の動作を示すフローチャー
ト（その２）である。
【図１６】操作モデル翻訳装置の動作を示すフローチャ
ート（その３）である。
【図１７】表示方法の記述の一例を示す図（その１）で
ある。
【図１８】選択操作機能提供装置の動作を示すフローチ
ャート（その２）である。
【図１９】マルコフモデルにおけるメニュー表示例を示
す図である。
【図２０】経験的遷移確率行列の一例を示す図である。
【図２１】表示方法の記述の一例を示す図（その２）で
ある。
【図２２】非定常な操作モデルの一例を示す図である。
【図２３】非定常な操作モデルにおけるメニュー表示例
を示す図である。
【図２４】学習カーネル動作管理装置の動作を示すフロ
ーチャートである。
【図２５】支援対象の追加の動作を示すフローチャート
である。
【図２６】支援対象の削除の動作を示すフローチャート
である。
【図２７】支援内容の修正の動作を示すフローチャート
である。
【図２８】本発明のプロセスによる実施例を示す図であ
る。
【図２９】通信経路の形成方法を示す図である。
【図３０】選択事項表示システムの通信経路を示す図で
ある。
【図３１】選択操作機能提供プロセスと作業用ソフトウ
ェアの接続方法を示す図である。
【図３２】操作履歴収集プロセスと作業用ソフトウェア
の接続方法を示す図である。
【図３３】通信経路の形成処理を示すフローチャートで
ある。
【図３４】通信文の内容と送受信の一例を示すフローチ
ャートである。
【符号の説明】
１ 収集手段 ２ 学習手段 ３ 翻訳手段 ４ 表示手段 ５ 格納手段 ６ 管理手段 １１ 選択事項表示システム １２ 作業用ソフトウェア・学習カーネルインタフェー
ス １３ 選択操作機能提供装置 １４ 操作履歴収集装置 １５ 学習カーネル １６ 操作モデル学習装置 １７ 操作モデル翻訳装置 １８ 学習カーネル動作管理装置 １９、２０ メモリ ２１ 学習カーネル動作管理プロセス ２２ 操作履歴収集プロセス ２３ 選択操作機能提供プロセス ２４ 操作モデル学習プロセス ２５ 操作モデル翻訳プロセス ２６ 作業用ソフトウェア Ａ1 ，Ａ2 ，Ａm ，Ａs ，Ａs+1 ，Ａs+t ，Ａi-1 ，Ａ
i ，Ａi+k ，Ａi+k+1，Ａp ，Ａq ，Ａp ′，Ａq ′
選択操作群 Ｂ1 ，Ｂ2 ，Ｂm 操作モデル Ｃ1 ，Ｃ2 ，Ｃm 表示方法の記述 Ｘ1 ，Ｘ2 ，Ｘ3 ，Ｘ4 ，Ｘ5 ，Ｘ6 ，Ｘ7 ，Ｘ8 ，Ｘ
9 ，Ｘ10，Ｘ11，Ｘ12，Ｘ13，Ｘ14，Ｘ15，Ｘt11 ，Ｘ
t12 ，Ｘt1K ，Ｘt21 ，Ｘt22 ，Ｘt2K ，ＸtK 1 ，Ｘ
tK2 ，ＸtKK 選択事項

Claims (20)

    【特許請求の範囲】
  1. 【請求項１】 情報処理装置を利用した作業中に選択事
    項を表示し、ユーザにより選択された選択事項に対応し
    て動作するシステムにおいて、 前記ユーザが選択した選択事項を操作履歴として収集す
    る収集手段と、 前記収集手段から転送される前記操作履歴にもとづい
    て、前記ユーザによる選択操作の特徴を表す操作モデル
    を生成する学習手段と、 前記学習手段の生成する前記操作モデルと前記選択事項
    の表示形式を指定する表示制約とから表示方法の記述を
    生成する翻訳手段と、 前記翻訳手段の生成する前記表示方法の記述にもとづい
    て、前記選択事項を表示する表示手段とを備えることを
    特徴とする選択事項表示システム。
  2. 【請求項２】 前記学習手段は前記操作履歴を学習し
    て、前記選択事項が選択される確率を表し、かつ、前記
    表示制約に束縛されない前記操作モデルを生成すること
    を特徴とする請求項１記載の選択事項表示システム。
  3. 【請求項３】 前記学習手段は、過去に選択された複数
    の前記選択事項に含まれるある選択事項の割合を、該あ
    る選択事項が選択される確率とする確率モデルを用い
    て、前記操作モデルを生成することを特徴とする請求項
    ２記載の選択事項表示システム。
  4. 【請求項４】 前記学習手段は、過去に選択された複数
    の前記選択事項において、連続して選択された２つの前
    記選択事項の組のうち最初の選択事項が第１の選択事項
    である前記組の数に対して、最初の選択事項が前記第１
    の選択事項であり、かつ、次の選択事項が第２の選択事
    項である割合を求め、該割合を前記第１の選択事項の次
    に前記第２の選択事項が選択される確率とする確率モデ
    ルを用いて、前記操作モデルを生成することを特徴とす
    る請求項２記載の選択事項表示システム。
  5. 【請求項５】 前記学習手段は、時間に依存して変化す
    る非定常な確率モデルを用いて前記操作モデルを生成す
    ることを特徴とする請求項２記載の選択事項表示システ
    ム。
  6. 【請求項６】 前記学習手段は、前記選択事項が選択さ
    れる確率を記述する確率モデルを適当に選ぶことによ
    り、前記ユーザによる選択操作の特徴に適した前記操作
    モデルを生成することを特徴とする請求項２記載の選択
    事項表示システム。
  7. 【請求項７】 前記操作モデルを記憶する格納手段をさ
    らに備え、 前記学習手段は前記操作履歴にもとづいて、前記格納手
    段に記憶された前記操作モデルが表す前記選択事項が選
    択される確率を変更して、前記操作モデルを更新するこ
    とを特徴とする請求項１記載の選択事項表示システム。
  8. 【請求項８】 前記表示手段は、複数のグループの前記
    選択事項を表示し、 前記学習手段は、前記複数のグループのうちの１つのグ
    ループと、前記収集手段による前記操作履歴の収集方法
    と、収集された該操作履歴の転送方法とを指定し、 前記収集手段は、前記学習手段により指定された前記１
    つのグループから前記ユーザが選択した選択事項を、前
    記学習手段により指定された前記収集方法により前記操
    作履歴として収集し、前記学習手段により指定された前
    記転送方法により前記操作履歴を前記学習手段に転送す
    ることを特徴とする請求項１記載の選択事項表示システ
    ム。
  9. 【請求項９】 前記翻訳手段は、前記操作モデルを評価
    して前記選択事項の表示順位を決定し、該表示順位と前
    記表示制約とにもとづいて、漸近最適な前記表示方法の
    記述を生成し、 前記表示手段は、前記漸近最適な表示方法の記述により
    指定される表示形式と動作にしたがって前記選択事項を
    表示することを特徴とする請求項１記載の選択事項表示
    システム。
  10. 【請求項１０】 前記表示方法の記述を記憶する格納手
    段をさらに備え、 前記翻訳手段は、前記操作モデルの更新や前記表示制約
    の変更に応じて、前記格納手段に記憶された前記表示方
    法の記述を更新することを特徴とする請求項１記載の選
    択事項表示システム。
  11. 【請求項１１】 前記表示手段は、前記翻訳手段による
    前記表示方法の記述の更新に応じて、前記選択事項の表
    示形式を動的に変更することを特徴とする請求項１記載
    の選択事項表示システム。
  12. 【請求項１２】 前記情報処理装置における１つの選択
    操作を特定して、該特定された選択操作に対して使用す
    る可能性のある確率モデルを前記学習手段に提供し、該
    特定された選択操作に対して使用する可能性のある表示
    順位の評価方法と前記表示制約とを前記翻訳手段に提供
    して、前記学習手段と前記翻訳手段の動作を管理する管
    理手段をさらに備えることを特徴とする請求項１記載の
    選択事項表示システム。
  13. 【請求項１３】 前記管理手段は、前記特定された選択
    操作と前記確率モデルと前記評価方法と前記表示制約の
    うち、少なくとも１つを記述する基本動作ファイルを用
    いて、前記学習手段と前記翻訳手段の動作を一括して管
    理することを特徴とする請求項１２記載の選択事項表示
    システム。
  14. 【請求項１４】 前記管理手段は、ユーザまたはシステ
    ム管理者との対話により、前記基本動作ファイルを適応
    的に作成することを特徴とする請求項１３記載の選択事
    項表示システム。
  15. 【請求項１５】 情報処理装置を利用した作業における
    ユーザによる操作の結果を操作履歴として収集する収集
    手段と、 前記収集手段から転送される前記操作履歴にもとづい
    て、前記ユーザによる操作の特徴を表す操作モデルを生
    成する学習手段と、 前記学習手段の生成する前記操作モデルから操作方法の
    記述を生成する翻訳手段と、 前記翻訳手段の生成する前記操作方法の記述にもとづい
    て、前記ユーザに操作方法を提供する提供手段とを備え
    ることを特徴とするシステム。
  16. 【請求項１６】 前記作業で使用するライブラリをロー
    ドして実行する処理手段をさらに備え、 前記収集手段は、前記ユーザによる操作により前記処理
    手段が前記ライブラリをロードした順位を前記操作履歴
    として収集し、 前記提供手段は、前記ユーザによる操作に適した操作方
    法を提供することを特徴とする請求項１５記載のシステ
    ム。
  17. 【請求項１７】 過去に選択された複数の前記選択事項
    において、連続して選択された２つの前記選択事項の組
    のうち最初の選択事項が第１の選択事項である前記組の
    数に対して、最初の選択事項が前記第１の選択事項であ
    り、かつ、次の選択事項が第２の選択事項である割合を
    求め、該割合にもとづいて前記第１の選択事項が選択さ
    れたときの前記第２の選択事項の表示順位を決める翻訳
    手段と、 前記翻訳手段が決めた表示順位にしたがって、前記第２
    の選択事項を表示する表示手段とを備えることを特徴と
    する選択事項表示システム。
  18. 【請求項１８】 ユーザが選択した選択事項を操作履歴
    として収集し、 収集した前記操作履歴にもとづいて、前記ユーザによる
    選択操作の特徴を表す操作モデルを生成し、 生成した前記操作モデルと前記選択事項の表示形式を指
    定する表示制約とから表示方法の記述を生成し、 生成した前記表示方法の記述にもとづいて、前記選択事
    項を表示することを特徴とする選択事項表示方法。
  19. 【請求項１９】 過去に選択された複数の前記選択事項
    に含まれるある選択事項の割合を、該ある選択事項が選
    択される確率とする確率モデルを用いて、前記操作モデ
    ルを生成することを特徴とする請求項１８記載の選択事
    項表示方法。
  20. 【請求項２０】 過去に選択された複数の前記選択事項
    において、連続して選択された２つの前記選択事項の組
    のうち最初の選択事項が第１の選択事項である前記組の
    数に対して、最初の選択事項が前記第１の選択事項であ
    り、かつ、次の選択事項が第２の選択事項である割合を
    求め、 該割合を前記第１の選択事項の次に前記第２の選択事項
    が選択される確率とする確率モデルを用いて、前記操作
    モデルを生成することを特徴とする請求項１８記載の選
    択事項表示方法。
JP6208309A 1994-09-01 1994-09-01 選択事項表示システムおよび方法 Withdrawn JPH0876955A (ja)

Priority Applications (2)

Application Number Priority Date Filing Date Title
JP6208309A JPH0876955A (ja) 1994-09-01 1994-09-01 選択事項表示システムおよび方法
US08/521,727 US5953011A (en) 1994-09-01 1995-08-31 Selection item display system using an adaptive-type backend system required for user's operation support in a frontend and a learning server, and methods

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
JP6208309A JPH0876955A (ja) 1994-09-01 1994-09-01 選択事項表示システムおよび方法

Publications (1)

Publication Number Publication Date
JPH0876955A true JPH0876955A (ja) 1996-03-22

Family

ID=16554127

Family Applications (1)

Application Number Title Priority Date Filing Date
JP6208309A Withdrawn JPH0876955A (ja) 1994-09-01 1994-09-01 選択事項表示システムおよび方法

Country Status (2)

Country Link
US (1) US5953011A (ja)
JP (1) JPH0876955A (ja)

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2003521785A (ja) * 2000-02-02 2003-07-15 ワールドリンゴ．コム プロプライエタリー リミテッド 翻訳発注システム
JP2008225946A (ja) * 2007-03-14 2008-09-25 Casio Hitachi Mobile Communications Co Ltd 電子機器および電子機器の処理プログラム
JP2010108388A (ja) * 2008-10-31 2010-05-13 Konica Minolta Medical & Graphic Inc 情報処理装置
JP2012515965A (ja) * 2009-01-22 2012-07-12 コーニンクレッカ フィリップス エレクトロニクス エヌ ヴィ 画像処理の間のユーザとの対話を予測する方法及び装置
JP2013054760A (ja) * 2012-11-02 2013-03-21 Sony Corp 表示制御装置及び表示制御方法
US9208152B2 (en) 2012-08-30 2015-12-08 Fuji Xerox Co., Ltd. Document retrieval apparatus, document retrieval method, and computer readable medium
WO2022162820A1 (ja) * 2021-01-28 2022-08-04 日本電気株式会社 学習データ生成システム、方法、コンピュータ可読媒体、モデル生成システム及びログ生成システム

Families Citing this family (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6259445B1 (en) * 1997-07-07 2001-07-10 Informix, Inc. Computer-based documentation and instruction
US7490292B2 (en) 1999-12-17 2009-02-10 International Business Machines Corporation Web-based instruction
US6658386B2 (en) * 2000-12-12 2003-12-02 International Business Machines Corporation Dynamically adjusting speech menu presentation style
US9367216B2 (en) 2009-05-21 2016-06-14 Sony Interactive Entertainment Inc. Hand-held device with two-finger touch triggered selection and transformation of active elements
US20100333151A1 (en) * 2009-06-30 2010-12-30 Gemstar Development Corporation Cross platform entertainment architecture
US10860951B2 (en) * 2015-10-28 2020-12-08 Qomplx, Inc. System and method for removing biases within a distributable model
US10884999B2 (en) * 2015-10-28 2021-01-05 Qomplx, Inc. Distributable model with biases contained within distributed data
AU2019253908B2 (en) * 2018-05-15 2021-01-07 Intex Holdings Pty Ltd Expert report editor

Family Cites Families (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5125071A (en) * 1986-09-10 1992-06-23 Hitachi, Ltd. Computer command input unit giving priority to frequently selected commands
JPH04181423A (ja) * 1990-11-16 1992-06-29 Fujitsu Ltd バージョン管理方式
JP2613326B2 (ja) * 1991-07-15 1997-05-28 財団法人ニューメディア開発協会 情報処理装置の履歴内容提示方法、及びその装置
JP3476484B2 (ja) * 1992-09-01 2003-12-10 ファナック株式会社 制御装置における操作履歴表示装置
US5396264A (en) * 1994-01-03 1995-03-07 Motorola, Inc. Automatic menu item sequencing method
US5564004A (en) * 1994-04-13 1996-10-08 International Business Machines Corporation Method and system for facilitating the selection of icons

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2003521785A (ja) * 2000-02-02 2003-07-15 ワールドリンゴ．コム プロプライエタリー リミテッド 翻訳発注システム
JP2008225946A (ja) * 2007-03-14 2008-09-25 Casio Hitachi Mobile Communications Co Ltd 電子機器および電子機器の処理プログラム
JP2010108388A (ja) * 2008-10-31 2010-05-13 Konica Minolta Medical & Graphic Inc 情報処理装置
JP2012515965A (ja) * 2009-01-22 2012-07-12 コーニンクレッカ フィリップス エレクトロニクス エヌ ヴィ 画像処理の間のユーザとの対話を予測する方法及び装置
US9208152B2 (en) 2012-08-30 2015-12-08 Fuji Xerox Co., Ltd. Document retrieval apparatus, document retrieval method, and computer readable medium
JP2013054760A (ja) * 2012-11-02 2013-03-21 Sony Corp 表示制御装置及び表示制御方法
WO2022162820A1 (ja) * 2021-01-28 2022-08-04 日本電気株式会社 学習データ生成システム、方法、コンピュータ可読媒体、モデル生成システム及びログ生成システム

Also Published As

Publication number Publication date
US5953011A (en) 1999-09-14

Similar Documents

Publication Publication Date Title
JPH0876955A (ja) 選択事項表示システムおよび方法
US7272586B2 (en) Method and apparatus for data analysis
JP2006185458A (ja) 情報処理システム
JP4645288B2 (ja) 能動学習方法および能動学習システム
US11544625B2 (en) Computing system for training, deploying, executing, and updating machine learning models
CN110807515A (zh) 模型生成方法和装置
US10832174B1 (en) Distributed hyperparameter tuning system for active machine learning
US20160328649A1 (en) Data Discovery Nodes
Tompkins et al. Genetic algorithms in optimizing simulated systems
US20210334700A1 (en) System and method of creating artificial intelligence model, machine learning model or quantum model generation framework
CN112699303A (zh) 一种基于5g消息的医疗信息智能推送系统和方法
CN111260073A (zh) 数据处理方法、装置和计算机可读存储介质
EP3975050A1 (en) Method and system for evaluating consistency of an engineered system
US20190228297A1 (en) Artificial Intelligence Modelling Engine
IL204123A (en) A system and method for predicting the next step
Tekin et al. Active learning in context-driven stream mining with an application to image mining
EP2096585A1 (en) Active studying system, active studying method and active studying program
WO2024004076A1 (ja) 情報処理システム、情報処理方法およびプログラム
CN108334935B (zh) 精简输入的深度学习神经网络方法、装置和机器人系统
EP1298505A1 (en) A modelling method
EP4339843A1 (en) Neural network optimization method and apparatus
CN114625967A (zh) 基于大数据业务优化的用户信息挖掘方法及人工智能系统
JP7463560B2 (ja) 自動機械学習：統合され、カスタマイズ可能、及び拡張可能なシステム
Czibula et al. Intelligent data structures selection using neural networks
Caiuta et al. Meta-learning based selection of software reliability models

Legal Events

Date Code Title Description
A02 Decision of refusal

Free format text: JAPANESE INTERMEDIATE CODE: A02

Effective date: 20040817

A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20041018

A911 Transfer to examiner for re-examination before appeal (zenchi)

Free format text: JAPANESE INTERMEDIATE CODE: A911

Effective date: 20041021

A912 Re-examination (zenchi) completed and case transferred to appeal board

Free format text: JAPANESE INTERMEDIATE CODE: A912

Effective date: 20050805

A761 Written withdrawal of application

Free format text: JAPANESE INTERMEDIATE CODE: A761

Effective date: 20070515