JPH09134289A - 推論モデル更新機能を備えた帰納推論装置及び帰納推論装置の推論モデル更新方法 - Google Patents

Abstract

(57)【要約】 【課題】過去の大量のデータを用いて予測を行なう帰納
推論装置において、例えば推論予測精度の低下に伴ない
新たな推論モデルを作成する場合でも、推論モデル全体
の再作成を行なう必要なく、推論モデルの作成時間を短
縮すること。 【解決手段】推論モデルデータ記憶部202 に記憶された
既存の推論モデルに対し、不良部分モデル決定部101 に
より、その末端ノードから順次予測値と実績値との比較
による正誤判定を行なって不良部分のモデルを決定し、
この不良部分モデルに関係する実績データのみを不良部
分モデルデータ編集部102 により実績データ記憶部201
から読出して新部分モデル作成用の実績データとして編
集し、推論モデル作成部103 により前記不良部分モデル
に替わる新部分モデルを作成すると共に、部分モデル差
し替え部104 により前記既存推論モデル中の不良部分モ
デルを新部分モデルに差し替え、新規の推論モデルとし
て格納する。

Description

【発明の詳細な説明】

【０００１】

【発明の属する技術分野】本発明は、例えば多数の要素
が関係している商品の売上げの予測を行なう場合のよう
に、大量のデータを用いて予測を行なう帰納推論装置に
おいて、推論モデル全体の再作成を行なわずに予測精度
の高い推論モデルへの更新を行なう推論モデル更新機能
を備えた帰納推論装置及び帰納推論装置の推論モデル更
新方法に関する。

【０００２】

【従来の技術】帰納推論装置とは、例えば商品売上げを
予測する場合について説明すると、ＰＯＳ（Ｐｏｉｎｔ
Ｏｆ Ｓａｌｅｓ）システム等により得られた商品管
理に関する過去の大量の実績データに基づいて、予測対
象商品の売上げに関連性の強いデータの順に分岐した木
構造の推論モデルを作成し、この推論モデルにおいて各
分岐点でのデータを条件として木の分岐をたどっていく
ことにより、一連の分岐条件を満足した予測値として得
られるものである。

【０００３】このような帰納推論装置では、推論モデル
は、その作成時点までに蓄積された過去の実績データに
基づいて作成されるため、一度作成された推論モデルに
よる予測精度は、日数が経つにつれ低下する性質を持っ
ている。

【０００４】従来の帰納推論装置では、一度作成された
推論モデルの予測精度が低下すると、その時点で、それ
までに蓄積された過去の実績データに基づき、推論モデ
ルの全体を新たに再作成している。特に、前記商品の売
上予測のように、毎日の予測を必要とするものについて
は、数日毎に推論モデル全体の再作成を行なっている。

【０００５】

【発明が解決しようとする課題】このように、従来の帰
納推論装置では、推論モデルの予測精度が低下すると、
その推論モデルの全体をその時点までに蓄積された過去
の実績データに基づき新たに再作成しているが、再作成
された新しい推論モデルとこれまでに使用された旧い推
論モデルとを比較してみると、モデルの上位部分の変更
は見られず、下位部分にのみ変更が多いことが判明し
た。

【０００６】つまり、従来の帰納推論装置において推論
モデルの再作成を行なう際には、変更を必要としない部
分をも含めたモデルの全体を新たに作成しているため、
該変更を必要としない部分のモデルの作成処理は無駄に
なり、その分だけ推論モデルの作成時間にロスがあると
いう問題が生じる。

【０００７】本発明は、前記のような問題に鑑みなされ
たもので、例えば推論予測精度の低下に伴ない新たな推
論モデルを作成する場合でも、推論モデル全体の再作成
を行なう必要なく、推論モデルの作成時間を短縮するこ
とが可能になる推論モデル更新機能を備えた帰納推論装
置及び帰納推論装置の推論モデル更新方法を提供するこ
とを目的とする。

【０００８】

【課題を解決するための手段】すなわち、本発明に係わ
る推論モデル更新機能を備えた帰納推論装置は、推論モ
デルが記憶される推論モデル記憶手段と、実績データが
記憶される実績データ記憶手段と、この実績データ記憶
手段により記憶された実績データに基づき前記推論モデ
ル記憶手段に記憶された推論モデルに従った予測を行な
う予測手段と、前記推論モデル記憶手段に記憶された既
存の推論モデルに従って前記予測手段により予測された
予測データと前記実績データ記憶手段に記憶された実績
データとの比較による該予測データの正誤判定により前
記既存の推論モデルの不良の部分モデルを決定する不良
部分モデル決定手段と、この不良部分モデル決定手段に
より決定された不良部分モデルに関係する実績データの
みを前記実績データ記憶手段に記憶された全実績データ
の中から抽出して編集する不良部分モデルデータ編集手
段と、この不良部分モデルデータ編集手段により編集さ
れた実績データに基づき推論モデルを作成する推論モデ
ル作成手段と、この推論モデル作成手段により作成され
た推論モデルを前記既存の推論モデルの中の不良部分モ
デルに替わる新部分モデルとして差し替え、前記推論モ
デル記憶手段に新規の推論モデルとして記憶させる部分
モデル差し替え手段とを具備したことを特徴とする。

【０００９】つまり、本発明に係わる推論モデル更新機
能を備えた帰納推論装置では、推論モデル記憶手段に記
憶された既存の推論モデルに対し、不良部分モデル決定
手段により、例えばその末端ノードから順次予測値と実
績値との比較による正誤判定が行なわれて不良部分のモ
デルが決定され、この不良部分モデルに関係する実績デ
ータのみが不良部分モデルデータ編集手段により実績デ
ータ記憶手段から抽出されて新部分モデル作成用の実績
データとして編集され、推論モデル作成手段により前記
不良部分モデルに替わる新部分モデルが作成されると共
に、部分モデル差し替え手段により前記既存推論モデル
中の不良部分モデルが新部分モデルに差し替えられ、新
規の推論モデルとして前記推論モデル記憶手段に新たに
記憶されることになる。

【００１０】

【発明の実施の形態】以下図面により本発明の実施の形
態について説明する。図１は本発明の実施形態に係わる
推論モデル更新機能を備えた帰納推論装置の基本的な全
体構成を示すブロック図である。

【００１１】この帰納推論装置は、帰納推論装置本体１
０、キーボード１１、実績データ供給装置１２、ディス
プレイ（表示装置）１３から構成される。帰納推論装置
本体１０は、ＣＰＵ、ＲＯＭ，ＲＡＭ等を備えてなり、
ＲＯＭには、推論モデル作成プログラム、推論モデル更
新プログラム、推論予測実行プログラム等が予め記憶さ
れる。

【００１２】実績データ供給装置１２は、例えばＰＯＳ
システムの場合であれば、様々な商品の管理，販売の実
績データが逐次得られるもので、この実績データ供給装
置１２により得られるリアルタイムな実績データは、そ
の都度、帰納推論装置本体１０に供給されデータベース
化されて蓄積される。

【００１３】すなわち、帰納推論装置本体１０は、キー
ボード１１の操作により成されるユーザの指示に従っ
て、実績データ供給装置１２から供給されて蓄積された
過去の実績データに基づき、推論モデルの作成処理、作
成された推論モデルによる推論予測実行処理、そして、
予測精度が低下した際の推論モデルの更新処理等を行な
うもので、この帰納推論装置本体１０にて得られた実績
データや、作成あるいは更新された推論モデル、推論予
測実行された予測データ等は、ディスプレイ１３にて表
示される。

【００１４】図２は前記推論モデル更新機能を備えた帰
納推論装置における帰納推論装置本体１０内部の構成を
示すブロック図である。この帰納推論装置本体１０に
は、不良部分モデル決定部１０１、不良部分モデルデー
タ編集部１０２、推論モデル作成部１０３、部分モデル
差し替え部１０４、予測部１０５、結果表示部１０６、
実績データ格納部１０７が備えられると共に、前記実績
データ供給装置１２から供給される実績データを実績デ
ータ格納部１０７を介してデータベース化して蓄積する
実績データ記憶部２０１、作成あるいは更新された推論
モデルが保持される推論モデルデータ記憶部２０２、推
論予測実行された予測データが保持される予測データ記
憶部２０３が備えられる。

【００１５】不良部分モデル決定部１０１は、キーボー
ド１１から推論モデル更新（再作成）の指示があった際
に、推論モデルデータ記憶部２０２に保持されている既
存の推論モデルに従って予測部１０５により推論予測実
行され予測データ記憶部２０３に保持されたある商品の
売上げ等の予測データと実際の売上げ等の実績データと
を比較してその予測値の正誤を判定し、誤った予測値が
得られる推論モデル内の不良部分（不良ノード）をその
末端ノードから順次検証して不良であるモデルの範囲
（不良部分モデル）を決定するもので、この不良部分モ
デル決定部１０１による不良部分モデル決定データは不
良部分モデルデータ編集部１０２に与えられる。

【００１６】不良部分モデルデータ編集部１０２は、実
績データ記憶部２０１に蓄積されて記憶されている現在
までの全ての実績データの中から前記不良部分モデルに
関係する種類（属性）の実績データのみを読出し、該不
良部分モデルに対応した範囲の新たな推論モデルを作成
するための帰納推論用データとして編集するもので、こ
の不良部分モデルデータ編集部１０２により編集された
帰納推論用の実績データは推論モデル作成部１０３に与
えられる。

【００１７】推論モデル作成部１０３は、前記キーボー
ド１１により通常の推論モデル作成の指示が与えられた
際には実績データ記憶部２０１に記憶されている全実績
データに基づき推論モデルの全体を作成し、また、前記
キーボード１１により推論モデル更新（再作成）の指示
が与えられた際には前記不良部分モデルデータ編集部１
０２から与えられた部分モデル作成用の実績データに基
づき新たな推論モデル（新部分モデル）を作成するもの
で、この推論モデル作成部１０３において推論モデルの
全体が作成された場合には、その全体の推論モデルデー
タはそのまま推論モデルデータ記憶部２０２に格納さ
れ、また、新部分モデルが作成された場合には、その新
部分モデルデータは部分モデル差し替え部１０４に与え
られる。

【００１８】部分モデル差し替え部１０４は、推論モデ
ルデータ記憶部２０２に保持されている既存の推論モデ
ルを読出し、そのうちの前記不良部分モデル決定部１０
１により決定された不良部分モデルを前記推論モデル作
成部１０３により作成された新部分モデルに差し替え新
規の推論モデルに更新するもので、この部分モデル差し
替え部１０４における新部分モデルへの差し替えにより
更新された新規推論モデルは推論モデルデータ記憶部２
０２に格納される。

【００１９】予測部１０５は、前記推論モデルデータ記
憶部２０２に保持されている推論モデルに従ってある商
品の売上げ等の予測処理を実行するもので、この予測部
１０５により得られた予測データ（売上げ予測値等）は
予測データ記憶部２０３に格納される。

【００２０】結果表示部１０６は、キーボード１１から
の各種の指示に従って、例えば実績データ記憶部２０１
から読出された実績データ、あるいは推論モデル作成部
１０３により作成された推論モデル、あるいは予測部１
０５により予測された売上げ予測値等を表示データとし
て出力するもので、この結果表示部１０６から出力され
た表示データは前記表示装置１３に転送されて表示され
る。

【００２１】図３は前記推論モデル更新機能を備えた帰
納推論装置における不良部分モデル決定部１０１内部の
構成を示すブロック図である。この不良部分モデル決定
部１０１には、予測結果正誤判定部１０１１、階層アッ
プ部１０１２、データ順位付け部１０１３、ノード正誤
判定部１０１４、不良階層決定部１０１５が備えられ
る。

【００２２】予測結果正誤判定部１０１１は、キーボー
ド１１から推論モデル更新（再作成）の指示があった際
に、推論モデルデータ記憶部２０２に保持されている既
存の推論モデルに従った推論予測により予測データ記憶
部２０３に格納されたある商品の売上げ等の予測値と実
際の売上げ等の実績値とを比較してその予測値の正誤を
判定し、誤った予測値が記述された推論モデルの末端ノ
ードを検索するもので、この予測結果正誤判定部１０１
１による予測誤りのある末端ノードの検索情報は階層ア
ップ部１０１２に与えられる。

【００２３】階層アップ部１０１２は、推論モデルデー
タ記憶部２０２に記憶されている既存の推論モデルに対
し、予測結果正誤判定部１０１１により検索指示された
予測誤りのある末端ノードより１階層分上位のノードの
指示、あるいは後述するノード正誤判定部１０１４によ
り判定指示された予測誤りのあるノードより１階層分上
位のノードの指示を行なうもので、この階層アップ部１
０１２によるノード指示情報はデータ順位付け部１０１
３に与えられる。

【００２４】データ順位付け部１０１３は、前記階層ア
ップ部１０１２による現在の指示ノードより下位の各ノ
ードそれぞれに記述された複数の予測値の過去の出現実
績を示す実績頻度データをその複数の予測値毎に加算し
て現在の指示ノードに対応させた複数の予測値の実績頻
度データとして記述し、該実績頻度の高い順に出現確率
の高い予測値として順位付けするもので、このデータ順
位付け部１０１３による現在の指示ノードでの複数の予
測値に対応する予測確率の順位付け情報はノード正誤判
定部１０１４に与えられる。

【００２５】ノード正誤判定部１０１４は、データ順位
付け部１０１３により順位付けされた、現在の指示ノー
ドにおける、例えば予測確率の最も高い予測値と実績値
とを比較してその指示ノードでの予測値の正誤を判定す
るもので、このノード正誤判定部１０１４により現在の
指示ノードに対応させた予測値が誤りと判定された場合
にはその誤り判定されたノード指示情報は前記階層アッ
プ部１０１２に与えられ、また、正しいと判定された場
合にはその正判定されたノード指示情報は不良階層決定
部１０１５に与えられる。

【００２６】不良階層決定部１０１５は、前記ノード正
誤判定部１０１４により正判定された指示ノードの階層
より下位の階層にある全てのノードを不良ノードとし、
その不良ノードの集まりである部分モデルを不良部分モ
デルとして決定するもので、この不良階層決定部１０１
５により決定された不良部分モデル決定データは、前記
不良部分モデルデータ編集部１０２に与えられる。

【００２７】次に、前記構成による推論モデル更新機能
を備えた帰納推論装置における推論モデルの更新動作に
ついて説明する。本実施形態の動作説明では、まず、帰
納推論装置による推論予測の対象を商品Ａの売上げ、予
測対象日を１０月１日とし、その推論モデルの作成と、
該作成された推論モデルによる売上げ予測の実行とを、
１月１日から９月３０日までの実績データに基づき行な
ったものとする。そして、予測対象日である１０月１日
の商品Ａの売上げ実績も得られたものとする。

【００２８】図４は推論モデルの基本構造を示す概念図
である。図５は前記推論モデル更新機能を備えた帰納推
論装置の実績データ記憶部２０１に蓄積された１月１日
から９月３０日までの実績データを示す図である。

【００２９】図６は前記推論モデル更新機能を備えた帰
納推論装置の推論モデルデータ記憶部２０２に記憶され
た１０月１日の商品Ａの売上げ予測用の既存の推論モデ
ルを示す図である。

【００３０】図７は前記推論モデル更新機能を備えた帰
納推論装置の予測部１０５にて実行される１０月１日の
商品Ａの売上げ予測算出処理及びその売上げ予測に対し
実績データ記憶部２０１に得られた１０月１日の商品Ａ
の売上げ実績を示す図である。

【００３１】すなわち、実績データ供給装置１２により
供給された１月１日から９月３０までの実績データが、
図５に示すように、帰納推論装置本体１０の実績データ
格納部１０７を介して実績データ記憶部２０１に蓄積さ
れると、その実績データに基づき、推論モデル作成部１
０３により、図６に示すような推論モデルが作成され、
推論モデルデータ記憶部２０２に記憶される。

【００３２】この場合、推論モデルは、商品Ａの売上げ
に対し関連性の強い（信頼性の高い）属性が記述された
ノードの順に分岐作成され、全体で１００階層程度のモ
デルとなる。また、推論モデルの末端ノードには、過去
の実績に基づく商品Ａの売上げデータの分布が複数の売
上げ予測値とその実績頻度として記述され、最も実績頻
度の高い売上げ予測値がそのノードの最適予測値として
設定される。

【００３３】例えば図６における推論モデルの末端ノー
ド（天候：晴れ）には、商品Ａの売上げ分布が、０ケー
スの場合が１回「０ケース：１」、１ケースの場合が２
回「１ケース：２」、２ケースの場合が０回「２ケー
ス：０」、３ケースの場合が３０回「３ケース：３０」
として複数の売上げ予測値とその実績頻度の組合せによ
って記述されるが、実績頻度が“３０”と最も高い売上
げ予測値“３ケース”が当該末端ノード（天候：晴れ）
の最適予測値として設定される。

【００３４】そして、前記推論モデルデータ記憶部２０
２に記憶された推論モデル（図６参照）に従って、前記
実績データ記憶部２０１に記憶されている実績データ
（図５参照）に基づき、予測部１０５により、図７
（Ａ）に示すように、１０月１日の商品Ａの売上げ予測
が「１ケース」として算出され予測データ記憶部２０３
に格納される。

【００３５】すると、前記予測データ記憶部２０３に記
憶された１０月１日の商品Ａの売上げ予測「１ケース」
は、結果表示部１０６から出力され表示装置１３に表示
される。

【００３６】こうして、前記推論モデルデータ記憶部２
０２に記憶された推論モデル（図６参照）に従って、予
測データ記憶部２０３に１０月１日の商品Ａの売上げ予
測「１ケース」が得られた状態で、この後、実際の１０
月１日が終ると、該１０月１日の商品Ａの売上げ実績値
が、例えば図７（Ｂ）に示すように「２ケース」とし
て、実績データ供給装置１２から供給され帰納推論装置
本体１０の実績データ格納部１０７を介して実績データ
記憶部２０１に格納される。

【００３７】このように、推論モデルデータ記憶部２０
２に記憶された既存の推論モデル（図６参照）によって
１０月１日の商品Ａの売上げ予測「１ケース」が得ら
れ、また、実際の１０月１日の商品Ａの売上げ実績値
「２ケース」が得られた後に、キーボード１１によって
前記既存の推論モデルの更新（再作成）を指示すると、
帰納推論装置本体１０において推論モデル更新処理が実
行される。

【００３８】図８は前記推論モデル更新機能を備えた帰
納推論装置による既存の推論モデルに対する不良部分モ
デル決定処理に伴なう不良ノードの判定手順を示す図で
あり、同図（Ａ）は下位第２ノードＮ(n-1)0（曜日：
日）に対応する商品Ａの売上げデータ分布算出状態を示
す図、同図（Ｂ）は下位第３ノードＮ(n-2)0（商品Ｂ前
日売上：〜14）に対応する商品Ａの売上げデータ分布算
出状態を示す図である。

【００３９】すなわち、前記キーボード１１により推論
モデルの更新（再作成）が指示されると、不良モデル決
定部１０１の予測結果正誤判定部１０１１において、予
測データ記憶部２０３に記憶されている１０月１日の商
品Ａの売上げ予測値「１ケース」と実績データ記憶部２
０１に記憶されている１０月１日の商品Ａの売上げ実績
値「２ケース」とが比較され、推論モデルデータ記憶部
２０２に記憶された既存の推論モデル（図６参照）によ
る売上げ予測値が“誤り”であることが判定され、図８
（Ａ）に示すように、その誤り予測値「１ケース」が最
適予測値として記述された末端ノードＮ(n)1（天候：
雨）が検索される。

【００４０】すると、階層アップ部１０１２により、前
記予測結果正誤判定部１０１１により検索指示された予
測誤りのある末端ノードＮ(n)1（天候：雨）より１階層
分上位のノードＮ(n-1)0（曜日：日）が指示され、デー
タ順位付け部１０１３により、前記階層アップ部１０１
２による現在の指示ノードＮ(n-1)0（曜日：日）より下
位の末端ノードＮ(n)0（天候：晴れ）／Ｎ(n)1（天候：
雨）／Ｎ(n)2（天候：曇）それぞれに記述された各売上
げ予測値の実績頻度データがその予測値毎に加算され現
在の指示ノードＮ(n-1)0（曜日：日）に対応させた各予
測値の実績頻度データとして記述されると共に、その実
績頻度の高い順に出現確率の高い予測値として順位付け
される。この場合、現在の指示ノードＮ(n-1)0（曜日：
日）における最適予測値は「３ケース」である。

【００４１】すると、ノード正誤判定部１０１４によ
り、前記データ順位付け部１０１３において順位付けさ
れた現在の指示ノードＮ(n-1)0（曜日：日）における最
適予測値「３ケース」と前記実績データ記憶部２０１に
記憶されている実績値「２ケース」とが比較され、当該
指示ノードＮ(n-1)0（曜日：日）における最適予測値が
“誤り”であることが判定される。

【００４２】するとさらに、図８（Ｂ）に示すように、
階層アップ部１０１２により、前記ノード正誤判定部１
０１４により判定指示された予測誤りのあるノードＮ(n
-1)0（曜日：日）より１階層分上位のノードＮ(n-2)0
（商品Ｂ前日売上：〜14）が指示され、データ順位付け
部１０１３により、前記階層アップ部１０１２による現
在の指示ノードＮ(n-2)0（商品Ｂ前日売上：〜14）より
下位の各ノードＮそれぞれに記述された各売上げ予測値
の実績頻度データがその予測値毎に加算され現在の指示
ノードＮ(n-2)0（商品Ｂ前日売上：〜14）に対応させた
各予測値の実績頻度データとして記述されると共に、そ
の実績頻度の高い順に出現確率の高い予測値として順位
付けされる。この場合、現在の指示ノードＮ(n-2)0（商
品Ｂ前日売上：〜14）における最適予測値は「２ケー
ス」である。

【００４３】すると、ノード正誤判定部１０１４によ
り、前記データ順位付け部１０１３において順位付けさ
れた現在の指示ノードＮ(n-2)0（商品Ｂ前日売上：〜1
4）における最適予測値「２ケース」と前記実績データ
記憶部２０１に記憶されている実績値「２ケース」とが
比較され、当該指示ノードＮ(n-2)0（商品Ｂ前日売上：
〜14）における最適予測値が“正”であることが判定さ
れる。

【００４４】すると、不良階層決定部１０１５により、
前記ノード正誤判定部１０１４により正判定された指示
ノードＮ(n-2)0（商品Ｂ前日売上：〜14）より下位の階
層（曜日／天候）にある全てのノードの集まりが不良部
分モデルとして決定される。

【００４５】こうして、既存の推論モデルにおける下位
第２階層以下の全ノードＮ(n-1)(曜日) ／Ｎ(n)(天候)
が不良部分モデルとして決定されると、当該不良部分モ
デルに替わる新部分モデルの作成，差し替え処理が行な
われる。

【００４６】図９は前記推論モデル更新機能を備えた帰
納推論装置の不良部分モデルデータ編集部１０２による
新部分モデル作成用の実績データの編集状態を示す図で
ある。

【００４７】図１０は前記推論モデル更新機能を備えた
帰納推論装置の推論モデル更新処理に伴ない作成された
新部分モデルを示す図である。図１１は前記推論モデル
更新機能を備えた帰納推論装置の推論モデル更新処理に
より不良部分モデルが新部分モデルに差し替えられた新
規の推論モデルを示す図である。

【００４８】すなわち、前記帰納推論装置本体１０の不
良部分モデル決定部１０１において、推論モデルデータ
記憶部２０２に記憶されている既存の推論モデル（図６
参照）における下位第２階層以下の全ノードＮ(n-1)(曜
日) ／Ｎ(n)(天候) が不良部分モデルとして決定される
と、不良部分モデルデータ編集部１０２により、実績デ
ータ記憶部２０１に記憶されている１０月１日現在まで
の全ての実績データの中から前記不良部分モデルに関係
する種類（属性）の実績データのみが読出され、図９に
示すように、新部分モデル作成用の実績データとして編
集される。

【００４９】すると、推論モデル作成部１０３により、
前記不良部分モデルデータ編集部１０２にて編集された
新部分モデル作成用の実績データ（図９参照）に基づ
き、図１０に示すように、下位第３階層目のノードＮ(n
-2)0（商品Ｂ前日売上：〜14）に続く下位第２階層以下
の新部分モデルが作成される。

【００５０】すると、部分モデル差し替え部１０４によ
り、推論モデルデータ記憶部２０２に保持されている既
存の推論モデル（図６参照）が読出され、そのうちの前
記不良部分モデル決定部１０１により決定された不良部
分モデルが前記推論モデル作成部１０３により作成され
た新部分モデル（図１０参照）に差し替えられ、図１１
に示すように、新規の推論モデルに更新される。

【００５１】そして、前記部分モデル差し替え部１０４
における新部分モデルへの差し替えにより更新された新
規の推論モデル（図１１参照）は推論モデルデータ記憶
部２０２に格納される。

【００５２】これにより、予測精度の低下した既存の推
論モデル（図６参照）は、現時点までの実績データに基
づく予測精度の高い新規の推論モデル（図１１参照）に
更新されるようになる。

【００５３】したがって、前記構成の推論モデル更新機
能を備えた帰納推論装置によれば、推論モデルデータ記
憶部２０２に記憶された既存の推論モデルに対し、不良
部分モデル決定部１０１により、その末端ノードから順
次予測値と実績値との比較による正誤判定を行なって不
良部分のモデルを決定し、この不良部分モデルに含まれ
る階層属性に関係する実績データのみを不良部分モデル
データ編集部１０２により実績データ記憶部２０１から
読出して新部分モデル作成用の実績データとして編集
し、推論モデル作成部１０３により前記不良部分モデル
に替わる新部分モデルを作成すると共に、部分モデル差
し替え部１０４により前記既存推論モデル中の不良部分
モデルを新部分モデルに差し替え、新規の推論モデルと
して推論モデルデータ記憶部２０２に新たに格納するの
で、実績データ記憶部２０１に記憶されている全実績デ
ータに基づいて推論モデルの全体を再作成する必要はな
く、非常に短時間に、予測精度の高い新規推論モデルへ
の更新を行なうことができる。

【００５４】

【発明の効果】以上のように、本発明によれば、推論モ
デル記憶手段に記憶された既存の推論モデルに対し、不
良部分モデル決定手段により、例えばその末端ノードか
ら順次予測値と実績値との比較による正誤判定が行なわ
れて不良部分のモデルが決定され、この不良部分モデル
に関係する実績データのみが不良部分モデルデータ編集
手段により実績データ記憶手段から抽出されて新部分モ
デル作成用の実績データとして編集され、推論モデル作
成手段により前記不良部分モデルに替わる新部分モデル
が作成されると共に、部分モデル差し替え手段により前
記既存推論モデル中の不良部分モデルが新部分モデルに
差し替えられ、新規の推論モデルとして前記推論モデル
記憶手段に新たに記憶されるようになる。

【００５５】よって、例えば推論予測精度の低下に伴な
い新たな推論モデルを作成する場合でも、推論モデル全
体の再作成を行なう必要なく、推論モデルの作成時間を
短縮することが可能になる。

【図面の簡単な説明】

【図１】本発明の実施形態に係わる推論モデル更新機能
を備えた帰納推論装置の基本的な全体構成を示すブロッ
ク図。

【図２】前記推論モデル更新機能を備えた帰納推論装置
における帰納推論装置本体内部の構成を示すブロック
図。

【図３】前記推論モデル更新機能を備えた帰納推論装置
における不良部分モデル決定部内部の構成を示すブロッ
ク図。

【図４】推論モデルの基本構造を示す概念図。

【図５】前記推論モデル更新機能を備えた帰納推論装置
の実績データ記憶部に蓄積された１月１日から９月３０
日までの実績データを示す図。

【図６】前記推論モデル更新機能を備えた帰納推論装置
の推論モデルデータ記憶部に記憶された１０月１日の商
品Ａの売上げ予測用の既存の推論モデルを示す図。

【図７】前記推論モデル更新機能を備えた帰納推論装置
の予測部にて実行される１０月１日の商品Ａの売上げ予
測算出処理及びその売上げ予測に対し実績データ記憶部
に得られた１０月１日の商品Ａの売上げ実績を示す図。

【図８】前記推論モデル更新機能を備えた帰納推論装置
による既存の推論モデルに対する不良部分モデル決定処
理に伴なう不良ノードの判定手順を示す図であり、同図
（Ａ）は下位第２ノードＮ(n-1)0（曜日：日）に対応す
る商品Ａの売上げデータ分布算出状態を示す図、同図
（Ｂ）は下位第３ノードＮ(n-2)0（商品Ｂ前日売上：〜
14）に対応する商品Ａの売上げデータ分布算出状態を示
す図。

【図９】前記推論モデル更新機能を備えた帰納推論装置
の不良部分モデルデータ編集部による新部分モデル作成
用の実績データの編集状態を示す図。

【図１０】前記推論モデル更新機能を備えた帰納推論装
置の推論モデル更新処理に伴ない作成された新部分モデ
ルを示す図。

【図１１】前記推論モデル更新機能を備えた帰納推論装
置の推論モデル更新処理により不良部分モデルが新部分
モデルに差し替えられた新規の推論モデルを示す図。

【符号の説明】

１０ …帰納推論装置本体、 １１ …キーボード、 １２ …実績データ供給装置、 １３ …ディスプレイ（表示装置）、 １０１ …不良部分モデル決定部、 １０２ …不良部分モデルデータ編集部、 １０３ …推論モデル作成部、 １０４ …部分モデル差し替え部、 １０５ …予測部、 １０６ …結果表示部、 １０７ …実績データ格納部、 ２０１ …実績データ記憶部、 ２０２ …推論モデルデータ記憶部、 ２０３ …予測データ記憶部、 １０１１…予測結果正誤判定部、 １０１２…階層アップ部、 １０１３…データ順位付け部、 １０１４…ノード正誤判定部、 １０１５…不良階層決定部。

Claims (4)

【特許請求の範囲】
1. 【請求項１】 推論モデルが記憶される推論モデル記憶
   手段と、 実績データが記憶される実績データ記憶手段と、 この実績データ記憶手段により記憶された実績データに
   基づき前記推論モデル記憶手段に記憶された推論モデル
   に従った予測を行なう予測手段と、 前記推論モデル記憶手段に記憶された既存の推論モデル
   に従って前記予測手段により予測された予測データと前
   記実績データ記憶手段に記憶された実績データとの比較
   による該予測データの正誤判定により前記既存の推論モ
   デルの不良の部分モデルを決定する不良部分モデル決定
   手段と、 この不良部分モデル決定手段により決定された不良部分
   モデルに関係する実績データのみを前記実績データ記憶
   手段に記憶された全実績データの中から抽出して編集す
   る不良部分モデルデータ編集手段と、 この不良部分モデルデータ編集手段により編集された実
   績データに基づき推論モデルを作成する推論モデル作成
   手段と、 この推論モデル作成手段により作成された推論モデルを
   前記既存の推論モデルの中の不良部分モデルに替わる新
   部分モデルとして差し替え、前記推論モデル記憶手段に
   新規の推論モデルとして記憶させる部分モデル差し替え
   手段とを具備したことを特徴とする推論モデル更新機能
   を備えた帰納推論装置。
2. 【請求項２】 不良部分モデル決定手段による既存の推
   論モデルに対する予測データの正誤判定は、該既存推論
   モデルの末端ノードから順次上位階層のノードを指示し
   て行ない、予測データが誤判定とされたノードを不良ノ
   ードとして不良部分モデルを決定することを特徴とする
   請求項１記載の推論モデル更新機能を備えた帰納推論装
   置。
3. 【請求項３】 既存の推論モデルに従って予測された予
   測データと実績データとの比較による該予測データの正
   誤判定により前記既存の推論モデルの不良の部分モデル
   を決定し、 決定された不良部分モデルに関係する実績データのみを
   全実績データの中から抽出して編集し、 編集された実績データに基づき推論モデルを作成し、 作成された推論モデルを前記既存の推論モデルの中の不
   良部分モデルに替わる新部分モデルとして差し替え新規
   の推論モデルを得るようにしたことを特徴とする帰納推
   論装置の推論モデル更新方法。
4. 【請求項４】 前記既存の推論モデルに対する予測デー
   タの正誤判定は、該既存推論モデルの末端ノードから順
   次上位階層のノードを指示して行ない、予測データが誤
   判定とされたノードを不良ノードとして不良部分モデル
   を決定するようにしたことを特徴とする請求項３記載の
   帰納推論装置の推論モデル更新方法。